JP2010015386A

JP2010015386A - 車両の運転支援装置

Info

Publication number: JP2010015386A
Application number: JP2008174744A
Authority: JP
Inventors: Hisashi Kondo; 尚志近藤; Masaru Kogure; 勝小暮
Original assignee: Fuji Heavy Industries Ltd
Current assignee: Subaru Corp
Priority date: 2008-07-03
Filing date: 2008-07-03
Publication date: 2010-01-21
Anticipated expiration: 2028-07-03
Also published as: JP5261045B2

Abstract

【課題】走行環境に応じて適切に被認知率を設定し、自然な感覚で運転支援を行う。
【解決手段】制御ユニット３は、前方に存在する白線、ガードレール、側壁、及び、立体物のそれぞれを対象として、現在の危険度をリスク関数として設定する。この際、対象が車両のリスク関数に対しては、対象車両の車速と対象車両に対する自車両の方向と対象車両のドライバの視線方向とに応じ、対象車両の自車両に対する認知の度合いを被認知率として設定し、更に、今回設定した被認知率と前回設定した被認知率とを比較して被認知率を可変設定して、車両のリスク関数をこの被認知率で補正する。こうして設定したリスク関数から最終的な回避ルートを予測し、最終的な回避ルートの旋回制御量に基づいて自動操舵制御装置１４に制御信号を出力して操舵制御を実行させ、また、自動ブレーキ制御装置１５に信号を出力してブレーキ制御を実行させる。
【選択図】図４

Description

本発明は、対象車両の自車両に対する認知の度合いを被認知率として設定し、被認知率によりリスクを設定して該リスクを基に車両の運転を支援する車両の運転支援装置に関する。

近年、車両においては、ＩＴＳ（Intelligent Transport Systems）、車車間通信システム、車載の画像処理システム、レーダ装置等から得られる情報を基に、前方環境を認識し、安全な走行ができるように運転を支援する様々な運転支援装置が提案され、実用化されている。

例えば、特開２００７−２４１７２９号公報では、交差点における自車側車両と他車側車両との位置予測を行い、交差点において自車側車両と他車側車両とが最も接近したときの最小距離を算出し、算出された最小距離に基づいて、交差点における他車側車両との衝突の危険度を算出する。そして、他車側車両のドライバが自車を認知しているか否かを判定し、視線の方向に自車がなく、自車を認知していないと推定される場合には、予め定められた交差車衝突危険度閾値を所定値だけ下げるように変更する技術が開示されている。
特開２００７−２４１７２９号広報

しかしながら、上述の特許文献１に開示されるような認知を考慮する場合、ドライバの視線の方向だけでは精度の良い認知の判定ができないという問題がある。例えば、同じ方向を向いていたとしても、車速が低い場合には認知できていたものが、車速が高い場合には認知できない場合があり、また、たとえ認知対象とは他の方向に視線が向いていたとしても、既にドライバが十分に記憶していれば、認知したものとみなすこともできる。こうした変化を考慮せず警報システムを構築すると、不必要な警報が行われたり、或いは、警報が行われ難いシステムとなり、ドライバにとって使い勝手の悪いものとなってしまう虞がある。

本発明は上記事情に鑑みてなされたもので、走行環境に応じて適切に被認知率を設定し、自然な感覚でドライバの運転支援を行うことができる車両の運転支援装置を提供することを目的としている。

本発明は、走行環境を認識して情報を取得する走行環境認識手段と、上記走行環境の情報から制御対象とする対象車両を抽出し、該対象車両に対してリスクを設定するリスク設定手段と、上記対象車両の車速と上記対象車両に対する自車両の方向と上記対象車両のドライバの向きとに応じ、上記対象車両の自車両に対する認知の度合いを被認知率として設定する被認知率設定手段と、上記被認知率に応じて上記各対象車両のリスクを補正するリスク補正手段とを備えたことを特徴としている。

本発明による車両の運転支援装置によれば、走行環境に応じて適切に被認知率を設定し、自然な感覚でドライバの運転支援を行うことが可能となる。

以下、図面に基づいて本発明の実施の形態を説明する。
図１乃至図９は本発明の実施の一形態を示し、図１は車両に搭載した運転支援装置の概略構成図、図２は運転支援制御プログラムのフローチャート、図３は図２から続くフローチャート、図４は被認知率補正ゲイン演算ルーチン、図５は前方に設定されるリスク関数の一例を示す説明図、図６は自車方向に対する視線方向角度の説明図、図７は被認知率の設定マップ、図８は被認知率の特性の説明図、図９は記憶による変化を予測して設定される被認知率の説明図、図１０は生成される回避ルートと旋回制御量の一例を示す説明図である。

図１において、符号１は自動車等の車両（自車両）で、この車両１には、運転支援装置２が搭載されている。この運転支援装置２は、制御ユニット３に、前方環境を画像データを基に認識するステレオ画像認識装置４と、ドライバの視線方向（角度）を検出する視線方向検出装置５と、他車両と車車間通信を行って他車両の情報を取得する通信装置６と、測位装置７と、自車速Ｖを検出する車速センサ８と、ヨーレート（ｄψ／ｄｔ）を検出するヨーレートセンサ９とが接続され、構成されている。

ステレオ画像認識装置４は、車室内の天井前方に一定の間隔をもって取り付けられ、車外の対象を異なる視点からステレオ撮像する１組の（左右の）ＣＣＤカメラ１０からの画像データを処理するものである。

ステレオ画像認識装置４における、ＣＣＤカメラ１０からの画像の処理は、例えば以下のように行われる。まず、ＣＣＤカメラ１０で撮像した自車両１の進行方向の１組のステレオ画像対に対し、対応する位置のずれ量から距離情報を求め、距離画像を生成する。そして、このデータを基に、周知のグルーピング処理を行い、予め記憶しておいた３次元的な道路形状データ、側壁データ、立体物データ等の枠（ウインドウ）と比較し、白線データ、道路に沿って存在するガードレール、縁石等の側壁データを抽出すると共に、立体物を、２輪車、普通車両、大型車両、歩行者、電柱等その他の立体物に分類して抽出する。

上述の認識した各データは、自車両１を原点とし、自車両１の前後方向をＸ軸、幅方向をＹ軸とする座標系におけるそれぞれの位置が演算され、特に、２輪車、普通車両、大型車両の車両データにおいては、その前後方向長さが、例えば、３ｍ、４．５ｍ、１０ｍ等と予め推定されて、また、幅方向は検出した幅の中心位置を用いて、その車両の現在存在する中心位置が（ｘobstacle，ｙobstacle）の座標で演算される。尚、車車間通信等により、車両の前後方向長さが精度良く得られる場合には、その長さデータを用いて、上述の中心位置を演算するようにしても良い。

更に、立体物データにおいては、自車両１からの距離のＸ軸方向変化及びＹ軸方向変化から自車両１に対する相対速度が演算され、この相対速度に自車両１の速度Ｖをベクトル量を考慮して演算することにより、それぞれの立体物のＸ軸方向速度、Ｙ軸方向速度（ｖxobstacle，ｖyobstacle）が演算される。

こうして得られた各情報、すなわち、白線データ、道路に沿って存在するガードレール、縁石等の側壁データ、及び、立体物データ（種別、自車両１からの距離、中心位置（ｘobstacle，ｙobstacle）、速度（ｖxobstacle，ｖyobstacle）、自車位置に対する立体物の方向（角度）θvo等）の各データは制御ユニット３に入力される。このように、本実施の形態においては、ステレオ画像認識装置４は、走行環境認識手段として設けられている。

視線方向検出装置５は、ドライバの顔方向に向けて配設された視野カメラ１１からドライバの眼の画像情報が入力される。この視線方向検出装置５は、ドライバの視線方向θｅの検出を、所謂、瞳孔／角膜反射法により検出するものであり、角膜上の赤外線ランプ１２による虚像が、角膜と眼球の回転中心の違いにより、眼球運動によって平行移動するのを視野カメラ１１で瞳孔中心も同時に検出しながら瞳孔中心を基準として検出することで視線挙動の検出を行うようになっている。この視線方向θｅの情報は、制御ユニット３に入力され、通信装置６により車車間通信によって他車両に対しても送信される。尚、視線方向θｅの検出は、この検出法に限るものではなく、可能であれば、他の検出法（ＥＯＧ（Electro-Oculography）法、強膜反射法、角膜反射法、サーチコイル法等）により検出するものであっても良い。

通信装置６は、例えばＩＴＳ（Intelligent Transport Systems；高度道路交通システム）に対応した装置として、道路付帯設備からの光や電波ビーコンを受信して交通渋滞情報、天気情報、特定区域の交通規制情報等の各種情報を取得し、また、自車両１周辺を走行する他の車両との車車間通信を行い、車両情報を授受する機能を有している。本形態における車車間通信においては、所定の周波数帯でのキャリア信号を用いて通信可能エリア内に存在する車両との通信を行い、車両種別、車両位置、車両方向、ドライバの視線方向、車速、加減速状態、ブレーキ作動状態、ウィンカ状態等の情報を相互に交換し、取得した情報を制御ユニット３に入力する。従って、通信装置６は走行環境認識手段として設けられている。

測位装置７は、例えばナビゲーション装置によって構成されるものであり、自車両１の位置を測位し、この測位した自車両位置と地図情報とを演算・合成し、地図の縮尺変更、地名の詳細表示、地域情報の表示切換え等の操作入力に対応して、自車両１の現在位置及びその周辺の地図をディスプレイ１３に表示し、また、通信装置６を介して受信した道路・交通情報等の各種情報を表示する。自車両１の位置は、ＧＰＳ（Global Positioning System；全世界測位衛星システム）等の測位衛星からの電波に基づく自車両１の位置、地磁気センサ及び車輪速センサからの信号に基づく推測航法による自車両１の位置、通信装置６を介して取得した情報等に基づいて測位する。この測位情報は制御ユニット３に入力され、更には、通信装置６を介した車車間通信により、他の車両にも送信される。

制御ユニット３は、後述する運転支援制御プログラムに従って、上述の各入力信号に基づき、前方に存在する白線、ガードレール、側壁、及び、立体物のそれぞれを対象として、現在の危険度をリスク関数Ｒline、Ｒobstacleとして設定する。この際、対象が車両のリスク関数に対しては、対象車両の車速と対象車両に対する自車両の方向と対象車両のドライバの視線方向とに応じ、対象車両の自車両に対する認知の度合いを被認知率として設定し、更に、今回設定した被認知率と前回設定した被認知率とを比較して被認知率を可変設定して、車両のリスク関数をこの被認知率で補正する。こうして設定したリスク関数Ｒline、Ｒobstacleから現在のトータルリスク関数Ｒを設定し、トータルリスク関数Ｒを設定した各対象の位置の時間的変化を予測してトータルリスク関数Ｒの時間的変化を予測し、これを基に最終的な回避ルートＲ(t)fを予測して、最終的な回避ルートＲ(t)fの旋回制御量ｕ(t)に基づいて自動操舵制御装置１４に制御信号を出力して操舵制御を実行させ、また、最終的な回避ルートＲ(t)fの値に基づいて自動ブレーキ制御装置１５に信号を出力してブレーキ制御を実行させる。尚、自動ブレーキ制御装置１５、自動操舵制御装置１４に信号出力された場合は、ディスプレイ１３によりその信号を視覚的に表示させ、ドライバに報知する。すなわち、制御ユニット３は、リスク設定手段、被認知率設定手段、リスク補正手段としての機能を有して構成されている。

次に、運転支援装置２で実行される運転支援制御プログラムを図２、図３のフローチャートで説明する。
まず、ステップ（以下、「Ｓ」と略称）１０１で必要パラメータを読み込み、Ｓ１０２に進み、白線（ガードレール、側壁も白線と同等に扱うものとする）を対象とする現在のリスク関数Ｒlineを、以下の（１）式により、演算する。
Ｒline＝Ｋline・（ｙ−ｙlinec）^２ …（１）
ここで、Ｋlineは、予め設定したゲイン、ｙlinecは白線中央座標である。すなわち、白線を対象とする現在のリスク関数Ｒlineは、図５に示すように、左右の白線（ガードレール、側壁も白線と同等に扱う）で認識される走行路の中心を、中心軸とする２次関数で与えられる。尚、本実施の形態では、リスク関数Ｒlineを２次の関数としているが、リスク関数Ｒlineは、走行路の中心から白線に近いほど、より大きなリスク値を導く関数であれば良く、例えば、４次或いは６次の関数とすることもできる。また、本実施の形態では、ガードレール、側壁も白線と同等に扱って２次関数のリスク関数Ｒlineを与えるようにしているが、ガードレール、側壁の場合は、白線に対するリスク関数Ｒlineとは異なる関数に変更し、白線の場合よりも大きなリスク値を導くようにしても良い。例えば、左右の白線に対するリスク関数Ｒlineを２次関数で与えた場合、カードレール、側壁に対しては４次或いは６次の関数に変更する。また、同じ２次関数であっても、ゲインＫlineの値を大きな値に変更するようにしても良い。さらに、白線に対するリスク関数Ｒlineは、走行路の中心を中心軸とする例に限らず、中心軸をオフセットさせて、左側と右側の白線とでリスク値を互いに異ならせるようにしても良い。

次に、Ｓ１０３に進み、被認知率補正ゲインＧｒの演算を行う。この被認知率補正ゲインＧｒは、対象が車両の場合に演算されるもので、具体的には、図４のフローチャートにより演算される。

まず、Ｓ２０１では、対象車両のドライバについて車車間通信により取得された視線方向θｅから、対象車両からの自車方向θv0を減算することにより、自車方向に対する視線方向θｄが検出される。例えば、図６に示すような走行環境では、車両１における自車方向に対する視線方向θd1は、視線方向の角度をθe1、自車方向の角度をθv01として、θe1−θv01にて演算される。また、車両２における自車方向に対する視線方向θd2は、視線方向の角度をθe2、自車方向の角度をθv02として、θe2−θv02にて演算される。尚、ドライバの視線方向θｅと自車方向θｖはそれぞれ、対象車両の前方方向を基準（角度ゼロ）に左側を負の角度、右側を正の角度として検出される。

次いで、Ｓ２０２に進み、それぞれ対象車両の車速と自車方向に対する視線方向θｄを基に、予め設定しておいたマップ（図７）を参照して、被認知率ｒを設定する。被認知率ｒのマップは、図７に示すように、対象車両の車速と自車方向に対する視線方向θｄを変数として予め設定されている。

図７に示す被認知率ｒのマップは、本実施の形態では、以下のように形成している。
図８（ａ）に示すように、まず、対象車両の自車方向に対する視線方向θｄが０°となる点、すなわち、自車両が対象車両のドライバの中心視となる点では最も高い被認知率が期待でき、このときの被認知率を１．０に設定する。

更に、注視点における視力に対し、視力が次第に低下すると考えられる０°＜θｄ≦１０°、−１０°≦θｄ＜０の領域では、被認知率を１．０よりも次第に低くなるように設定する。

そして、両目で色彩まで認知できる領域（−３５°≦θｄ≦３５°）、両目で認知できる領域（−６０°≦θｄ≦６０°）、視野限界（θｄ＝±１００°）まで、次第に被認知率を減少させて設定し、視野外となる領域（１００°＜θｄ、θｄ＜−１００°）では被認知率が０となるように設定する。

また、図８（ｂ）に示すように、動体視力は車速が高くなるほど低下することが知られている。従って、この動体視力と車速の関係を、図８（ａ）の被認知率と自車方向に対する視線方向の関係の縦軸方向に反映させて、同じ自車方向に対する視線方向θｄであっても対象車両の車速が高くなるほど被認知率が低下するように設定する。

更に、図８（ｃ）に示すように、視野角は車速が高くなるほど狭くなることが知られている。従って、この視野角と車速の関係を、図８（ａ）の被認知率と自車方向に対する視線方向の関係の横軸方向に反映させて、同じ自車方向に対する視線方向θｄであっても対象車両の車速が高くなるほど被認知率が低下するように設定する。

上述のＳ２０２で被認知率ｒを設定した後は、Ｓ２０３以降に進み、Ｓ２０３〜Ｓ２０６の処理は、記憶による変化を予測して被認知率を設定する処理となっている。すなわち、Ｓ２０３では、前回の処理で設定した被認知率ｒ_flt(z)を、今回の処理の前回値ｒ_flt(z-1)として置き換える（ｒ_flt(z-1)＝ｒ_flt(z)）。

そして、Ｓ２０４に進み、Ｓ２０２で設定した被認知率ｒと前回値ｒ_flt(z-1)とを比較して、被認知率ｒが前回値ｒ_flt(z-1)より低い場合はＳ２０５に進んで、被認知率の今回値ｒ_flt(z)をＤ・ｒ_flt(z-1)（但し、Ｄは、０＜Ｄ＜１で予め設定した値）とし、前回値より所定に低下させて設定する。

逆に、被認知率ｒが前回値ｒ_flt(z-1)以上の場合はＳ２０６に進んで、被認知率の今回値ｒ_flt(z)を被認知率ｒに設定する。

このＳ２０３〜Ｓ２０６の処理により、被認知率の今回値ｒ_flt(z)は、例えば、図９のタイムチャートのように設定されることになる。
すなわち、被認知率ｒ_flt(z)を、対象車両の車速、自車方向に対する視線方向θｄだけに基づいて設定すると、対象車両のドライバが安全確認を行っている最中に、自車両の情報が対象車両のドライバの記憶にとどまっているにも関わらず、被認知率ｒ_flt(z)が低くなり、不必要な警報若しくは不必要な制御が実行されてしまう虞がある。

従って、対象車両の車速、自車方向に対する視線方向θｄに基づく被認知率ｒが低下した場合であっても、これを直ぐに反映させることはせずに、人間の記憶が、時間の経過と共に曖昧になることを考慮して、被認知率ｒ_flt(z)を、時間の経過と共に徐々に低下して設定することを基本とする。

この際、十分に自車両を認識した場合と、十分に自車両を認識できなかった場合（視野の片隅で捉えた場合等）とでは、記憶にとどめられる時間にも差異が生じると考えられる。従って、被認知率ｒ_flt(z)が０になるまでの時間は、その値の大きさに比例して変化させる。すなわち、ｒ_flt(z)＝Ｄ・ｒ_flt(z-1)として設定されるので、当初の被認知率の値が大きいほど、０になるまでの時間も長くなる。

また、自車両から視線をそらした後、再度、自車両を認識した場合は、上述のＳ２０４からＳ２０６へ進む処理となり、改めて大きな被認知率が設定されることになる。

上述のＳ２０５、或いは、Ｓ２０６で被認知率の今回値ｒ_flt(z)を設定した後は、Ｓ２０７に進み、例えば、以下の（２）式により、被認知率補正ゲインＧｒを演算し、ルーチンを抜ける。
Ｇｒ＝１／（１＋ｒ_flt(z)） …（２）
尚、この被認知率補正ゲインＧｒは、被認知率の今回値ｒ_flt(z)が大きくなるほど、被認知率補正ゲインＧｒは小さな値となり、車両のリスク関数についてのみ適用されるものであり、車両以外の立体物については、Ｇｒ＝１とする。

図２のフローチャートに戻り、Ｓ１０３で被認知率補正ゲインＧｒを演算した後は、Ｓ１０４に進み、立体物（２輪車、普通車両、大型車両、歩行者、電柱等その他の立体物）を対象とする現在のリスク関数Ｒobstacleを、以下の（３）式により、演算する。
Ｒobstacle＝Ｇｒ・Ｋobstacle・ｅｘｐ（−（（ｘobstacle−ｘ）^２
／（２・σxobstacle^２））−（（ｙobstacle−ｙ）^２
／（２・σyobstacle^２））） …（３）
ここで、Ｋobstacleは、予め設定したゲインである。また、σxobstacleは予め設定しておいた対象のＸ軸方向の分散を示し、σyobstacleは、予め設定しておいた対象のＹ軸方向の分散を示し、これら分散σxobstacle、σyobstacleは、例えば、ＣＣＤカメラ１０による認識精度が低いほど大きく設定するようにしても良い。また、分散σxobstacle、σyobstacleは、対象の種別が、普通車両及び大型車両の場合を基準として、歩行者、２輪車である場合は大きく設定し、それ以外の立体物の場合は小さく設定するようにしても良い。更に、自車両１と対象となる立体物の幅方向のラップ率に応じて設定するようにしても良い。図５中、立体物Ａ１及び立体物Ａ２は、上述の（３）式により演算した立体物を対象とする現在のリスク関数Ｒobstacleの一例である。

次に、Ｓ１０５に進み、現在のトータルリスク関数Ｒを、以下の（４）式により、演算する。
Ｒ＝Ｒline＋Ｒobstacle …（４）

次いで、Ｓ１０６に進み、ｔ秒後の立体物位置（ｘobstacle(t)，ｙobstacle(t)）を、以下の（５）式により推定する。
（ｘobstacle(t)，ｙobstacle(t)）
＝（ｘobstacle＋ｖxobstacle・ｔ，ｙobstacle＋ｖyobstacle・ｔ） …（５）

次に、Ｓ１０７に進み、上述のＳ１０６で推定したｔ秒後の立体物位置（ｘobstacle(t)，ｙobstacle(t)）を、上述のＳ１０５で演算したトータルリスク関数Ｒのｘ及びｙにそれぞれ代入し、ｔ秒後のトータルリスク関数Ｒ（ｘobstacle(t)，ｙobstacle(t)）を設定する。

次いで、Ｓ１０８に進み、上述のＳ１０７で設定したｔ秒後のトータルリスク関数Ｒ（ｘobstacle(t)，ｙobstacle(t)）を、幅方向（ｙ方向）で偏微分して、その値が０となる点から幅方向（ｙ方向）の極小点ｙmin(x,t)を演算する。すなわち、
∂Ｒ（ｘobstacle(t)，ｙobstacle(t)）／∂ｙ＝０ …（６）
となる点が極小点である。

次に、Ｓ１０９に進み、ｔ秒後の自車位置（Ｘ(t)，Ｙ(t)）を、以下の（７）式により推定する。
（Ｘ(t)，Ｙ(t)）＝（Ｖ・ｔ，Ｖ・∫sinψ(τ)ｄτ；積分範囲は０≦τ≦ｔ）
…（７）
ここで、ψ(t)は、自車両１のヨー角であり、以下の（８）式により、演算される。
ψ(t)＝（ｄψ／ｄｔ）・ｔ
＋（１／２）・（（ｄ^２ψ／ｄｔ^２）＋（ｕ(t)／Ｉｚ））・ｔ^２ …（８）
ここで、Ｉｚは、ヨー慣性モーメントである。また、ｕ(t)は前述の如く旋回制御量であり、付加ヨーモーメントである。

次いで、Ｓ１１０に進み、上述のＳ１０８で演算したｙ方向の極小点ｙmin(x,t)に、上述のＳ１１０で推定した自車位置を代入し、自車位置Ｘ(t)における極小点ｙmin(X(t),t)を演算する。

次に、Ｓ１１１に進み、各時間毎の自車の横位置Ｙ(t)と極小点ｙmin(X(t),t)の偏差と旋回制御量ｕ(t)で各目的関数Ｊを作成し、それぞれの目的関数Ｊについて目的関数Ｊを最少とする各時間毎の旋回制御量ｕ(t)を求める。

例えば、図１０に示すように、自車両１が時刻０（現在）〜Δｔまで移動する範囲を制御対象領域と考え、この間を、ｄｔで分割し、１ｄｔ、２ｄｔ、３ｄｔ、…、ｍｄｔ、…、（ｎ−２）ｄｔ、（ｎ−１）ｄｔ、ｎｄｔ（＝Δｔ）とする例を考える。

時刻０〜１ｄｔの間には、例えば、以下（９）式の目的関数Ｊ0~1dtを設定し、この目的関数Ｊ0~1dtを最少とする旋回制御量ｕ(0)を周知の最適化計算により求める。
Ｊ0~1dt＝Ｗｙ・（ｙmin(X(1dt),1dt)−Ｙ(1dt)）^２＋Ｗｕ・ｕ(0)^２ …（９）
ここで、Ｗｙ、Ｗｕは予め設定する重み値である。

また、時刻１ｄｔ〜２ｄｔの間には、例えば、以下（１０）式の目的関数Ｊ1dt~2dtを設定し、この目的関数Ｊ1dt~2dtを最少とする旋回制御量ｕ(1dt)を周知の最適化計算により求める。
Ｊ1dt~2dt＝Ｗｙ・（ｙmin(X(2dt),2dt)−Ｙ(2dt)）^２＋Ｗｕ・ｕ(1dt)^２ …（１０）

更に、時刻２ｄｔ〜３ｄｔの間には、例えば、以下（１１）式の目的関数Ｊ2dt~3dtを設定し、この目的関数Ｊ2dt~3dtを最少とする旋回制御量ｕ(2dt)を周知の最適化計算により求める。
Ｊ2dt~3dt＝Ｗｙ・（ｙmin(X(3dt),3dt)−Ｙ(3dt)）^２＋Ｗｕ・ｕ(2dt)^２ …（１１）
尚、時刻３ｄｔには極小点が２つ存在するため、旋回制御量ｕ(2dt)も２つの値が得られる。

以下、時刻３ｄｔ以降も同様の目的関数を設定し、旋回制御量を求め、時刻（ｎ−１）ｄｔ〜ｎｄｔの間には、例えば、以下（１２）式の目的関数Ｊ(n-1)dt~ndtを設定し、この目的関数Ｊ(n-1)dt~ndtを最少とする旋回制御量ｕ((n-1)dt)を周知の最適化計算により求める。
Ｊ(n-1)dt~ndt＝Ｗｙ・（ｙmin(X(ndt),ndt)−Ｙ(ndt)）^２
＋Ｗｕ・ｕ((n-1)dt)^２ …（１２）

次いで、Ｓ１１２に進み、以下の（１３）式により、自車両１が各時間毎の旋回制御量ｕ(t)で移動したときの各ルート毎のリスク関数Ｒ(t)を設定する。

Ｒ(t)＝Ｒline＋Ｒobstacle …（１３）
ここで、Ｒline、及び、Ｒobstacleは、前述の（１）式、及び、（３）式に、自車両１が各時間毎の旋回制御量ｕ(t)で移動したときの値で与えられるものであり、
Ｒline＝Ｋline・（Ｙ(t)−ｙlinec）^２ …（１４）
Ｒobstacle＝Ｇｒ・Ｋobstacle・ｅｘｐ（−（（ｘobstacle(t)−Ｘ(t)）^２
／（２・σxobstacle^２））−（（ｙobstacle(t)−Ｙ(t)）^２
／（２・σyobstacle^２））） …（１５）

次いで、Ｓ１１３に進み、Ｓ１１２で設定した各ルート毎のリスク関数Ｒ(t)から最終的な回避ルートをＲ(t)fとして選択する。

具体的には、Ｓ１１２で設定した各ルート毎にその最大値Ｒmaxを求める。すなわち、
Ｒmax＝ｍａｘ（Ｒ(t)）（０≦ｔ≦Δｔ） …（１６）
そして、最大値Ｒmaxの最も小さなルートを最終的な回避ルートＲ(t)fとして選択する。

尚、各ルート毎にリスクの累積値Ｒsum（＝∫Ｒ(t)ｄｔ；積分範囲は０≦ｔ≦Δｔ）を求め、その値が最も小さなルートを最終的な回避ルートＲ(t)fとして選択するようにしても良い。

また、上述のＳ１１３において、Ｓ１１２で設定されたルートが１つのみしか存在しない場合は、そのルートが最終的な回避ルートＲ(t)fとして設定される。

例えば、図１０に示す例では、Ｓ１１２の処理により、実線で示すルート１と破線で示すルート２とが設定され、Ｓ１１３の処理により、これらルート１，２から最大値Ｒmaxが小さなルート、或いは、リスクの累積値Ｒsumが小さなルートが最終的な回避ルートＲ(t)fとして選択される。尚、ルート１，２のそれぞれの旋回制御量ｕ(t)は、図１０（ｂ）に示す通りである。

そして、Ｓ１１４に進み、最終的な回避ルートＲ(t)fに予め定めておいた最大許容リスク値Ｒlim以上（Ｒ(t)f≧Ｒlim）となる領域が有るか否か判定し、Ｒ(t)f≧Ｒlimとなる領域がない場合は、Ｓ１１７に進んで、自動操舵制御装置１４に対して最終的な回避ルートＲ(t)fの旋回制御量ｕ(t)を基に操舵制御指令を出力してプログラムを抜ける。

また、Ｓ１１４の判定の結果、Ｒ(t)f≧Ｒlimとなる領域があると判定した場合は、Ｓ１１５に進み、Ｒ(t)f≧Ｒlimとなる最も早い時間を基に制動開始地点Ｘbrake、制動開始時間Ｔbrakeを演算する。

Ｒ(t)f≧Ｒlimとなる最も早い時間をＴｍとすると、制動開始地点Ｘbrakeは、以下の（１７）式により、演算される。
Ｘbrake＝Ｘ(Tm)−Ｂｘ …（１７）
ここで、Ｂｘは予め設定しておいた減速度Ｇによる制動距離であり、以下の（１８）式により演算される。
Ｂｘ＝（Ｖ^２／（２・Ｇ））＋Ｂx0 …（１８）
ここで、Ｂx0は、予め設定しておいた停止時における障害物までの距離であり、例えば、２ｍ程度の値である。

また、制動開始時間Ｔbrakeは、上述の制動開始地点Ｘbrakeから逆算することにより演算される。

次いで、Ｓ１１６に進み、自動ブレーキ制御装置１５に対し、制動開始地点Ｘbrake、制動開始時間Ｔbrakeに基づく制動制御指令を出力する。

そして、Ｓ１１７に進み、自動操舵制御装置１４に対して最終的な回避ルートＲ(t)fの旋回制御量ｕ(t)を基に操舵制御指令を出力してプログラムを抜ける。

このように本発明の実施の形態によれば、前方に存在する白線、ガードレール、側壁、及び、立体物のそれぞれを対象として、現在のトータルリスク関数Ｒを設定し、各対象の位置の時間的変化を予測してトータルリスク関数Ｒの時間的変化を予測して、このトータルリスク関数Ｒの時間的変化を基に、各時間毎の自車位置におけるＹ軸方向の極小点ｙmin(x,t)を演算する。そして、各時間毎の目的関数Ｊを作成し、該目的関数Ｊを最小とする各時間毎の旋回制御量ｕ(t)を自車両１の旋回制御量ｕ(t)として演算して、自車両１が各時間毎の旋回制御量ｕ(t)で移動したときの各ルート毎のリスク関数Ｒ(t)を設定し、各ルート毎のリスク関数Ｒ(t)から最終的な回避ルートＲ(t)fを選択し、最終的な回避ルートＲ(t)fの旋回制御量ｕ(t)に基づいて操舵制御を実行させ、また、最終的な回避ルートＲ(t)fの値に基づいてブレーキ制御を実行させる。このため、目前の危険性だけではなく、その先に訪れる危険性をも考慮して衝突回避制御を実現することができる。

また、車両のリスク関数においては、対象車両の車速と対象車両に対する自車両の方向と対象車両のドライバの視線方向とに応じ、対象車両の自車両に対する認知の度合いを被認知率として設定し、更に、今回設定した被認知率と前回設定した被認知率とを比較して被認知率を可変設定して、車両のリスク関数をこの被認知率で補正する。従って、対象車両の自車両に対する認知の度合いが正確にリスク関数に反映されるので、自然な感覚でドライバの運転支援を行うことが可能となる。

尚、本実施の形態では、最終的な回避ルートＲ(t)fを基にブレーキ制御と操舵制御の２つが行える例を説明しているが、どちらか１つを行うものであっても良い。

また、ブレーキ制御或いは操舵制御を行わずに、例えば最終的な回避ルートＲ(t)fにおいて予め設定された閾値を上回る時間を警報開始時刻として設定することで、警報制御を行うものであっても良い。

更に、本実施の形態で説明したブレーキ制御は、あくまでもその一例であり、他の周知のブレーキ制御、例えば、スロットル開度の閉鎖や自動変速機におけるシフトダウンと併用するようにしても良い。

また、本実施の形態では、自車両１の前方における白線や立体物等を対象として、現在のトータルリスク関数Ｒを設定し、その時間的変化を予測する構成について述べたが、これに限らず、自車両１の側方や側後方の立体物をも対象として、トータルリスク関数Ｒの設定やその時間的変化を予測するようにしても良い。

更に、本実施の形態では、自車両１の前進時において回避ルートを生成する構成について述べたが、これに限らず、自車両１の後方環境を認識して自車両１の後退時に回避ルートを生成するようにしても良い。

また、本実施の形態で説明した被認知率は、他のリスクを求めて制御するシステムの形態（例えば、衝突余裕時間や車間時間等からリスクを求める形態）においても適用できることは云うまでもない。

更に、本実施の形態では、被認知率を（２）式に示す被認知率補正ゲインＧｒで反映させているが、他の演算式により求められるゲインで反映するようにしても良い。

また、本実施形態の被認知率は、対象車両の視線方向を視線方向検出装置５で検出して用いるようにしているが、顔向き方向を検出し、該顔向き方向を視線方向と仮定して演算するようにしても良い。

車両に搭載した運転支援装置の概略構成図運転支援制御プログラムのフローチャート図２から続くフローチャート被認知率補正ゲイン演算ルーチン前方に設定されるリスク関数の一例を示す説明図自車方向に対する視線方向角度の説明図被認知率の設定マップ被認知率の特性の説明図記憶による変化を予測して設定される被認知率の説明図生成される回避ルートと旋回制御量の一例を示す説明図

符号の説明

１自車両
２運転支援装置
３制御ユニット（リスク設定手段、被認知率設定手段、リスク補正手段）
４ステレオ画像認識装置（走行環境認識手段）
５視線方向検出装置
６通信装置（走行環境認識手段）
７測位装置
８車速センサ
９ヨーレートセンサ
１０ＣＣＤカメラ
１１視野カメラ
１２赤外線ランプ
１３ディスプレイ
１４自動操舵制御装置
１５自動ブレーキ制御装置

Claims

走行環境を認識して情報を取得する走行環境認識手段と、
上記走行環境の情報から制御対象とする対象車両を抽出し、該対象車両に対してリスクを設定するリスク設定手段と、
上記対象車両の車速と上記対象車両に対する自車両の方向と上記対象車両のドライバの向きとに応じ、上記対象車両の自車両に対する認知の度合いを被認知率として設定する被認知率設定手段と、
上記被認知率に応じて上記各対象車両のリスクを補正するリスク補正手段と、
を備えたことを特徴とする車両の運転支援装置。
上記被認知率は、車速が高くなると視力が低下する関係を含んで設定されることを特徴とする請求項１記載の車両の運転支援装置。
上記被認知率は、車速が高くなると視野角が狭くなる関係を含んで設定されることを特徴とする請求項１又は請求項２記載の車両の運転支援装置。
上記被認知率は、記憶による変化を予測して設定されることを特徴とする請求項１乃至請求項３の何れか一つに記載の車両の運転支援装置。
上記被認知率設定手段は、今回設定した被認知率と前回設定した被認知率とを比較し、上記今回設定した被認知率が上記前回設定した被認知率より小さい場合は、予め設定した割合で上記前回設定した被認知率を低下させて出力し、上記今回設定した被認知率が上記前回設定した被認知率以上の場合は、上記今回設定した被認知率をそのまま出力することを特徴とする請求項４記載の車両の運転支援装置。
上記リスク補正手段は、上記被認知率の値が大きいほど上記リスクを小さく補正することを特徴とする請求項１乃至請求項５の何れか一つに記載の車両の運転支援装置。