JP2010228740A - 走行経路生成装置、走行経路生成方法、及び運転操作支援装置 - Google Patents

Abstract

【課題】適切な走行経路を迅速に出力する。
【解決手段】マイクロコンピュータ９が、障害物Ｏが取り得る移動軌跡の候補を複数生成し、生成された移動軌跡の各候補について、障害物Ｏが移動軌跡に沿って動いた場合に自車両１が障害物Ｏに接触することを回避可能な自車両１の走行経路を算出し、算出された複数の走行経路の中から最適な走行経路を選択する。
【選択図】図１

Description

本発明は、障害物との接触を回避するための車両の走行経路を算出する走行経路生成装置及び走行経路生成方法に関する。

従来より、乱数シミュレーションによって自車両及び障害物が取り得る移動軌跡を複数生成し、生成された移動軌跡の実現確率と生成された移動軌跡に沿って移動した場合の自車両と障害物の接近距離に基づいて移動軌跡の干渉度を算出し、算出された干渉度が最も低い自車両の移動軌跡に沿って走行するように自車両を制御するシステムが知られている。

特開２００７−２３０４５４号公報

従来のシステムは、乱数シミュレーションを複数回実行することにより障害物の移動軌跡とその実現確率を算出する構成になっている。しかしながら一般に、乱数シミュレーションによって信頼できる実現確率を算出するためには、大量の回数のシミュレーションを行う必要がある。このため車両が障害物と接触することを回避する時のような比較的短い時間内で処理を行う必要があるアプリケーションに従来のシステムを適用する場合、演算時間の制約からシミュレーションを実行できる回数が制限されるため、障害物の移動軌跡を精度高く推定することができず、結果として車両の走行経路が適切に生成されない可能性がある。

本発明は上記課題を解決するためになされたものであり、その目的は適切な走行経路を迅速に出力可能な走行経路生成装置、走行経路生成方法、及び運転操作支援装置を提供することにある。

本発明に係る走行経路生成装置、走行経路生成方法、及び運転操作支援装置は、障害物が取り得る移動軌跡の候補を複数生成し、生成された移動軌跡の各候補について、障害物が移動軌跡に沿って動いた場合に自車両が障害物に接触することを回避可能な自車両の走行経路を算出し、算出された走行経路の中から最適な走行経路を選択する。

本発明に係る走行経路生成装置、走行経路生成方法、及び運転操作支援装置によれば、自車両の走行経路が障害物との接触を回避することを前提として生成されるので、適切な走行経路を迅速に生成することができる。

本発明の第１の実施形態となる運転操作支援装置の構成を示すブロック図である。 図１に示す運転操作支援装置の機能ブロック図である。 本発明の第１の実施形態となる運転操作支援処理の流れを示すフローチャート図である。 車両が片側１車線の直線道路を走行している時に車両の走行車線左側前方に左方向から右方向に移動する障害物が検出された走行シーンを示す図である。 図４に示す走行シーンに対し設定した座標系と物理量を示す図である。 タイヤ横力関数Ｙ_ｆ，Ｙ_ｒを説明するための図である。 評価式Ｌ_Ｐ，Ｌ_Ｒを足し合わせた関数をＸＹ座標上にプロットした図である。 ベイジアンネットワークの一例を示す図である。 走行経路の出力態様の一例を示す図である。 本発明の第２の実施形態となる運転操作支援装置の構成を示すブロック図である。 図１０に示す運転操作支援装置の機能ブロック図である。 本発明の第２の実施形態となる運転操作支援処理の流れを示すフローチャート図である。 ベイジアンネットワークの一例を示す図である。 ベイジアンネットワークの一例を示す図である。 本発明の第３の実施形態となる運転操作支援装置の構成を示すブロック図である。 本発明の第３の実施形態となる運転操作支援処理の流れを示すフローチャート図である。 本発明の第４の実施形態となる運転操作支援装置の構成を示すブロック図である。 本発明の第４の実施形態となる運転操作支援処理の流れを示すフローチャート図である。 片側二車線の道路上を自車両を含む３台の車両が走行している時に自車両が右車線へ車線変更を行おうとしている走行シーンを示す図である。 区間別の評価式Ｌ_Ｘの一例を示す図である。 関数ａと評価式Ｌ_Ｙの一例を示す図である。 ベイジアンネットワークの一例を示す図である。 ベイジアンネットワークの一例を示す図である。 走行経路の出力態様の一例を示す図である。 本発明の第５の実施形態となる運転操作支援装置の構成を示す機能ブロック図である。 本発明の第５実施形態となる運転操作支援処理の流れを示すフローチャート図である。 車両が片側１車線の直線道路を走行している時に車両の走行車線前方に停止している障害物が検出された走行シーンを示す図である。 本発明の第６の実施形態となる運転操作支援装置の構成を示す機能ブロック図である。 本発明の第６実施形態となる運転操作支援処理の流れを示すフローチャート図である。 障害物の移動軌跡候補と運転者の操作候補の組み合わせの一例を示す図である。

以下、図面を参照して、本発明の実施形態となる運転操作支援装置及びその動作（運転操作支援方法）について説明する。

〔第１の実施形態〕
始めに、本発明の第１の実施形態となる運転操作支援装置について説明する。

〔運転操作支援装置の構成〕
本発明の第１の実施形態となる運転操作支援装置は、図１に示すように、前輪の操舵量を制御可能な操舵システムを有する車両１に搭載され、ステレオカメラ２ａ，２ｂ、車速センサ３ａ，３ｂ、ヨーレートセンサ４、加速度センサ５、操舵角センサ６，音声出力装置７，表示装置８，及びマイクロプロセッサ９を主な構成要素として備える。

ステレオカメラ２ａ，２ｂは、車室内前方に設けられ、車両１前方の画像を撮影する。ステレオカメラ２ａ，２ｂは、車両１前方の画像に対し画像処理を施すことにより車両１前方の障害物，車両１と障害物間の距離，道路（走行路），道路境界（白線等）等の車両１の外界環境情報を検出し、検出結果をマイクロプロセッサ９に入力する。ステレオカメラ２ａ，２ｂは、図２に示す本発明に係る外界環境検出手段２１として機能する。

車速センサ３ａ，３ｂは、車両１の前左右輪のホイールに取り付けられたロータリーエンコーダにより構成され、ホイール回転に応じて発生するパルス信号に基づいて車速を検出する。車速センサ３ａ，３ｂは、検出値をマイクロプロセッサ９に入力する。ヨーレートセンサ４は、水晶振動子や半導体装置等により形成される公知のヨーレート検出装置により構成され、車両１の重心位置に発生するヨーレートを検出する。ヨーレートセンサ４は、検出値をマイクロプロセッサ９に入力する。

加速度センサ５は、圧電素子等により形成される公知の加速度検出装置により構成され、車両１に発生する車幅方向の加速度を検出する。加速度センサ５は、検出値をマイクロプロセッサ９に入力する。操舵角センサ６は、ステアリングコラム内に設けられ、車両１のステアリングの操舵角（回転角度）を検出する。操舵角センサ６は、検出値をマイクロプロセッサ９に入力する。車速センサ３ａ，３ｂ、ヨーレートセンサ４、加速度センサ５、及び操舵角センサ６は、図２に示す本発明に係る自車状態検出手段２２として機能する。

マイクロプロセッサ９は、Ａ／Ｄ変換回路，Ｄ／Ａ変換回路，中央演算処理装置，メモリ等により形成される集積回路により構成され、車速センサ３ａ，３ｂ、ヨーレートセンサ４、加速度センサ５、及び操舵角センサ６から入力された情報に基づき図２に示す本発明に係る走行支援手段２７として機能する音声出力装置７及び表示装置８を制御する。本実施形態では、マイクロプロセッサ９は、２つの中央演算処理装置を有することにより２つの演算処理を同時に実行可能なように構成されている。マイクロプロセッサ９は、内部のＣＰＵが制御プログラムを実行することにより、図２に示す本発明に係る障害物移動軌跡候補生成手段２３，走行経路算出手段２４，障害物移動軌跡確率推定手段２５，及び走行経路選択手段２６として機能する。

〔運転操作支援処理〕
このような構成を有する運転操作支援装置では、マイクロプロセッサ９が以下に示す運転操作支援処理を実行することにより、適切な回避経路を迅速に出力する。以下、図３に示すフローチャートを参照して、この運転操作支援処理を実行する際のマイクロプロセッサ９の動作について説明する。

図３に示すフローチャートは、車両１のイグニッションスイッチがオフ状態からオン状態に切り替えられたタイミングで開始となり、運転操作支援処理はステップＳ１の処理に進む。なお以下では、図４に示すような、車両１が片側１車線の直線道路を走行している時に車両１の走行車線左側前方に左方向から右方向に移動する障害物Ｏが検出された走行シーンを例として運転操作支援処理を実行する際のマイクロプロセッサ９の動作を説明する。

ステップＳ１の処理では、マイクロプロセッサ９が、ステレオカメラ２ａ，２ｂにより撮影された画像及び各センサの検出値を内部のバッファメモリにロードし、自車両１，障害物Ｏ，及び道路境界の位置情報を同じ座標系で記述可能なようにステレオカメラ２ａ，２ｂの撮影画像を利用して座標系を設定する。本実施形態では、マイクロプロセッサ９は、図４に示すように車両１の進行方向をＸ軸、そのＸ軸と垂直な方向をＹ軸、車両１の現在位置をＸ座標の原点、道路の中心線付近をＹ座標の原点とする座標系を設定する。このような座標系を設定することにより車両１の重心位置を（ｘ，ｙ）といった形で表記することができる。

車両１の走行状態を表す状態量としてはヨー角θ，車速ν，車体すべり角β，ヨーレートγ，及び前輪の転舵角δが重要である。これらの状態量のうち車速νは、非駆動輪の車輪速で近似できるので、非駆動輪に取り付けた車速センサ３ａ，３ｂにより検出できる。ヨーレートγはヨーレートセンサ４により検出できる。ヨー角θは、道路が直線であると仮定して道路境界と車両１の向いている方向とのなす角を画像処理により推定する、又は適当な初期値を定めてヨーレートセンサ４の出力値を積分することにより、算出できる。車体すべり角βは、車両前後方向の速度をν_ｘ、車幅方向の速度をν_ｙとすれば、以下の数式１により算出できる。

車両前後方向の速度ν_ｘを車速νで近似し、車幅方向の速度ν_ｙを車両１の横加速度を測定するように設置された加速度センサ５の出力を積分することによって求めれば、後述する数式１１式から車体すべり角βの近似値を得ることができる。これ以外にも車速，ヨーレート，横加速度等の信号からオブザーバによってより精度良く車体すべり角βを推定する公知技術も知られているので、そのような手法を用いて車体すべり角βを得てもよい。前輪の転舵角δは操舵角センサ６から取得できる。以上のことから、上記で挙げた車両１の運動状態を記述する状態量は全てセンサの検出信号を処理することにより具体的な値を検出できる。

障害物Ｏを検出している場合、その中心点の位置座標（ｘ_ｐ，ｙ_ｐ）及び障害物Ｏの幅σ_ｙ，奥行きσ_ｘの各値は、ステレオカメラ２ａ，２ｂから取得した画像情報を処理することによって算出できる。奥行きσ_ｘは撮影方向によっては測定が困難な場合もあるが、その場合には便宜的に幅σ_ｙと同じ値を設定しておくとよい。なお障害物Ｏが検出されなかった場合、障害物Ｏに関する物理量は算出しない。またステレオカメラ２ａ，２ｂによる道路境界検出によって検出された道路の左端及び右端の位置を上記座標系上の値に変換してそれぞれ（０，ｙ_Ｌ），（０，ｙ_Ｒ）とする。図４の走行シーンに対し設定した座標系と物理量の例を図５に示す。以上のようにしてマイクロプロセッサ９は、適当な座標系を設定し、車両１，障害物Ｏ，及び道路境界に関する情報を設定した座標系上の値として算出する。これにより、ステップＳ１の処理は完了し、運転操作支援処理はステップＳ２の処理に進む。

ステップ２の処理では、マイクロプロセッサ９が、ステップＳ１の処理において障害物Ｏが検出されたか否かを判別する。判別の結果、障害物Ｏが検出されなかった場合、マイクロプロセッサ９は一連の運転操作支援処理を終了する。一方、障害物Ｏが検出された場合には、マイクロプロセッサ９は運転操作支援処理をステップＳ３の処理に進める。なお障害物Ｏが検出された場合であっても、車両１と障害物Ｏ間の距離が所定値以上である場合等、車両１が障害物と接触する可能性が低い場合には、マイクロプロセッサ９は一連の運転操作支援処理を終了するようにしてもよい。

ステップ３の処理では、マイクロプロセッサ９が、障害物Ｏの移動軌跡を生成する。一般に、障害物Ｏが今後どのような挙動を取るのかを確実に予測することは困難であるが、周囲の道路状況や障害物の出現位置等を勘案することにより、障害物Ｏの今後の動き方について幾つかの代表的なパターンを想定できる。例えば図４に示す走行シーンは、直線道路の単路部の道路脇に障害物Ｏを検出した場面であり、障害物Ｏが歩行者であれば道路の横断を意図しているとの推測が可能である。その場合、障害物Ｏの予想される動き方としては、（１）車両１の接近に関わらず横断を続ける場合と（２）車両１の接近に気がついて途中で移動を停止する場合との大別すれば２通りの動き方が考えられる。そしてそれぞれの動き方に対応して、障害物Ｏの移動軌跡も２通りの代表的な軌跡が考えられる。すなわち（１）に対応する移動軌跡は以下の数式２に示す軌跡であり、（２）に対応する移動軌跡は以下の数式３に示す軌跡である。

なお数式２，３においては、現在時刻ｔ＝０とし、現時点で検出されている歩行者の位置をｘ_ｐ（０），ｙ_ｐ（０）、ｙ方向の移動速度をν_ｐ ^ｙ としている。またパラメータｔ_１は歩行者が移動を停止する時刻、パラメータｙ_ｐ（ｔ_１）は時刻ｔ_１における歩行者の予想位置（ｙ座標）を示す。また時刻ｔ_１と歩行者の予想位置ｙ_ｐ（ｔ_１）は以下の数式４に従って設定される。

数式４中、パラメータＴ_ＳＴＯＰは歩行者が車両１の前を通過した後に車両１の存在に気がついて移動を停止するまでの代表的な経過時間を表す正の値である。図４以外の走行シーンについても、代表的な事故事例に基づいて障害物Ｏの動き方の代表的なパターンを想定し、対応する移動軌跡を記憶しておくことができる。これにより、マイクロプロセッサ９は、センサの検出値を用いて予め記憶した走行シーンの中から現在の走行シーンに最も近い走行シーンを抽出することにより、障害物Ｏの移動軌跡を生成することができる。これにより、ステップＳ３の処理は完了し、運転操作支援処理はステップＳ４の処理に進む。

ステップＳ４の処理では、マイクロプロセッサ９が、ステップ３の処理により生成された障害物Ｏの複数の移動軌跡それぞれに対して、障害物Ｏとの接触を回避するための車両１の走行経路を算出する。走行経路の算出にあたっては、走行経路に対する評価関数を障害物Ｏの移動軌跡や道路状況等に基づいて定義し、評価関数の最適値を達成するという基準で走行経路を算出することにより、障害物Ｏの移動に適切に対処する走行経路を算出できる。以下に走行経路算出処理の手順を示す。

走行経路を算出する際には、始めに、車両１の運動を記述するモデルを導入する。車両１の運動を記述するモデルとしては、四輪車両の運動を二輪車両の運動で近似する二輪モデルがよく知られている。いま車速が一定であると仮定すると、二輪モデルは以下の数式５〜１０に示す微分方程式で記述される。

但し、パラメータｍ，Ｉ，ｌ_ｆ，ｌ_ｒはそれぞれ車両質量，車両ヨー慣性モーメント，車両重心から前輪軸までの距離，及び車両重心から後輪軸までの距離を表す。またパラメータＹ_ｆ，Ｙ_ｒはタイヤ横力を表す関数であり、それぞれ前輪すべり角β_ｆ、後輪すべり角β_ｒの関数であると仮定している。なお前輪すべり角β_ｆと後輪すべり角β_ｒは以下の数式１１，１２を用いて計算できる。

タイヤ横力関数Ｙ_ｆ，Ｙ_ｒは図６に示すような非線形関数で表現できる。さらに前輪の転舵角δは、転舵速度δ_νの積分で得られるので、前輪の転舵角δと転舵速度δ_νは以下の数式１３に示す関係を満足する。

以上の数式５〜１３をまとめると、前輪転舵速度δ_νを入力とする以下の数式１４に示す微分方程式モデルが得られる。

数式１４中、状態ベクトルＤは（ｘ，ｙ，θ，β，γ，δ）と定義される。車両１がこの数式１４に従って走行すると仮定すると、入力である前輪転舵速度δ_νの時系列変化が決まれば、数式１４を積分することにより状態ベクトルＤの時系列変化も決まることになる。状態ベクトルＤには位置座標ｘ，ｙが含まれているので、状態ベクトルＤの時系列変化は走行経路の情報を含んでいることになる。すなわち、車両１の走行経路を算出するためには前輪転舵速度δ_νの時系列変化を算出すればよい。そこで障害物Ｏを回避する走行経路を得るために、時刻ｔにおける前輪転舵速度δ_νの時系列変化を数値的に評価する以下の数式１５に示す評価関数Ｊ［δ_ν］を導入する。

パラメータＴは算出する時間の長さを表すパラメータであり、障害物回避の問題の場合、障害物Ｏの回避状態から元の直進走行状態に復帰するまでの一連の回避操作を終えられる程度の長さの時間を設定する。またパラメータψは時刻ｔ＋Ｔにおける車両運動状態の望ましさを評価する評価式、パラメータＬは時刻ｔから時刻ｔ＋Ｔまでの間の各時刻における車両運動状態及び操作量の望ましさを評価する評価式、パラメータτは時刻ｔから時刻ｔ＋Ｔまで変化する積分変数を示す。評価式Ｌ及びパラメータψは以下の要請項目（１）〜（４）を反映する評価項を組み合わせることで構成される。

（１）障害物Ｏに近づきすぎない。

（２）道路境界に近づきすぎない。

（３）前輪舵角を必要以上に切りすぎない。

（４）回避運動終端での車両ヨー角を道路進行方向に近づける。

要請項目（１）は、車両１と障害物Ｏ間の距離が近くなればなるほど値が大きくなる関数によって表現する。具体的には以下の数式１６に示す関数を利用できる。障害物Ｏの位置を示すパラメータｘ_Ｐ，ｙ_Ｐには障害物Ｏの移動軌跡の情報が割り当てられる。

要請項目（２）は、車両１と道路境界との距離が近くなれば近くなるほど値が大きくなる関数によって表現する。具体的には以下の数式１７に示す関数を利用できる。但し、パラメータΔは道路境界への接近の余裕幅を指定するパラメータであり、パラメータΔの値が大きいほど道路境界との接近余裕を大きくとる回避経路が算出される。評価式Ｌ_Ｐ，Ｌ_Ｒは道路上に障害物Ｏと道路境界との接触リスクを反映したリスクポテンシャルを定義することになる。評価式Ｌ_Ｐ，Ｌ_Ｒを足し合わせた関数をＸＹ座標上にプロットした図を図７に示す。中央の山が障害物Ｏに対応する関数Ｌ_Ｐによって形成されたポテンシャルであり、両側の山が道路境界に対応する関数Ｌ_Ｒによって形成されたポテンシャルである。回避経路は、図７に示したリスクポテンシャル場の値の低い領域に可能な限り沿うようにして生成されることになる。

要請項目（３）は、可能な限り小さな転舵速度で回避操作をとることによって効率的な回避を行うことを要請するために導入した項目である。評価式Ｌ_Ｆとしては以下の数式１８に示す関数を利用できる。

以上の３つの評価式に適当な重みをつけて足し合わせた関数を評価式Ｌとして構成する。すなわちパラメータｗ_Ｐ，ｗ_Ｒ，ｗ_Ｆをそれぞれ要項項目（１），（２），（３）に対する重みとすると、評価式Ｌは以下の数式１９のように表される。

要請項目（４）は、回避運動後の車両姿勢を立て直すために導入した要請項目である。直線道路においては時刻ｔ＋Ｔにおける車両ヨー角を評価する関数として以下の数式２０に示す関数を用いることができる。そこで数式２０に示す関数に適当な重みパラメータｗ_ｙａｗをつけて以下の数式２１に示すようにすることにより時刻ｔ＋Ｔにおける評価項を構成する。

以上のように評価関数を定義すると、前輪転舵速度δ_νの時系列変化の計算を数式１４に示す制御対象及び数式１５に示す評価関数で定義される最適制御問題として定式化することができるので、最適制御問題を数値的に解く公知技術を利用することで前輪転舵速度δ_νの時系列変化を算出することができる。最適制御問題以上の定式化に基づいて、生成された障害物移動軌跡それぞれに対して順番に車両１の回避経路を前輪転舵速度δ_νの時系列変化の形で算出することができる。本実施形態では障害物Ｏの移動軌跡が２つ生成されるので、車両１の走行経路も２つ算出されることになるが、マイクロプロセッサ９に搭載された２つの演算処理ユニットそれぞれで１つずつ走行経路演算を実施することで同時に２つの走行経路を算出することができる。このような処理によれば、走行経路の演算に要する時間を短縮することができる。これにより、ステップＳ４の処理は完了し、運転操作支援処理はステップＳ５の処理に進む。

ステップＳ５の処理では、マイクロプロセッサ９が、ステップＳ３の処理により生成された障害物Ｏの移動軌跡の実現確率を評価する。ステップＳ３の処理では、マイクロプロセッサ９は、予め記憶された走行シーンの中から車両１が置かれた走行シーンに最も近い走行シーンを抽出し、抽出された走行シーンにおいて障害物Ｏが取り得る代表的な移動軌跡）を列挙しているが、このステップＳ５の処理では、実際に検出された障害物Ｏの動き情報に基づいてどの動き方が実際に実現する確率が高いか否かを評価して走行経路を選択する際の判断材料とする。

障害物Ｏが無生物でない場合、障害物Ｏの動き方には障害物Ｏが持つ意思が大きく影響する。障害物Ｏの意思を直接測定する手段はないが、障害物Ｏが置かれた状況と障害物Ｏの動き情報から間接的に障害物の意思に相当する情報を推定することができる。そのような推定を行う枠組みとしてベイジアンネットワークによる確率推論の手法が知られている。ベイジアンネットワークでは事象間の因果関係をモデル化し、因果関係モデルの中の既知の事象をもとに因果関係の連鎖をたどって推論を行い、未知の事象の確率分布を推定することができる。

例えば図４に示す走行シーンで障害物Ｏの意思が車両１との縦方向距離、自車に対する相対横位置、道路の車線数の３つの要因によって大きく左右されており、障害物Ｏの意思が障害物Ｏの動きに大きく影響していると考えた場合、図８に示すようなベイジアンネットワークを構築することができる。ここでは車両１との縦方向の距離を遠・中・近の３段階、車両との横方向の相対位置を左・正面・右の３段階、道路の車線数を車両側１車線・２車線・４車線の３段階に分類し、各事象が生起した場合に障害物意思が移動継続と途中停止のどちらになる傾向があるのかの統計的性質を条件付確率分布の表にまとめておく。

一方、障害物意思が移動継続又は途中停止になった場合、障害物Ｏの動きがどのように検出されるのかについての因果関係も条件つき確率分布としてまとめておくことができる。実際の推定にあたっては、障害物意思以外の全ての事象が測定可能なので、条件付き確率で規定された因果関係に基づいて、合理的な障害物意思の確率分布を推定することができる。以上の処理により、想定した障害物Ｏの動き方それぞれに対して、その実現確率と対応する回避経路のペアが作られることになる。これにより、ステップＳ５の処理は完了し、運転操作支援処理はステップＳ６の処理に進む。

ステップＳ６の処理では、マイクロプロセッサ９が、ステップＳ３及びステップＳ５の処理結果に基づいて、現時刻において最終的にどの走行経路を回避経路として出力すべきかを選択する。選択ルールとしては様々なものが考えられるが、単純な選択基準として実現確率が高い障害物の移動軌跡に対応する走行経路を選択するというルールが考えられる。これにより、ステップＳ６の処理は完了し、運転操作支援処理はステップＳ７の処理に進む。

ステップＳ７の処理では、マイクロプロセッサ９が、ステップＳ６の処理により選択された走行経路に基づいて音声出力装置７と表示装置８を駆動する信号を生成する。運転操作支援の方法としては、表示装置８に図９に示すように検出した前方状況の鳥瞰図に走行経路を重ね書きした画面を表示することが考えられる。このような構成によれば、運転者は走行経路を直感的に理解することができる。また障害物Ｏの移動軌跡の実現確率の高さに応じて、表示に濃淡をつける等の工夫を加えることも可能である。また選択された走行経路に沿って走行するために大きな転舵角速度が必要になっている場合には、音声出力装置７から警告音を出力して運転者に注意を喚起するといった支援を行うこともできる。これにより、ステップＳ７の処理は完了し、一連の運転操作支援処理は終了する。

以上の説明から明らかなように、本発明の第１の実施形態となる運転操作支援装置によれば、マイクロコンピュータ９が、障害物Ｏが取り得る移動軌跡の候補を複数生成し、生成された移動軌跡の各候補について、障害物Ｏが移動軌跡に沿って動いた場合に自車両１が障害物Ｏに接触することを回避可能な自車両１の走行経路を算出し、算出された複数の走行経路の中から最適な走行経路を選択する。そしてこのような構成によれば、自車両１の走行経路が障害物Ｏとの接触を回避することを前提として生成されるので、適切な走行経路を迅速に出力することができる。

また本発明の第１の実施形態となる運転操作支援装置によれば、マイクロコンピュータ９が、道路境界を考慮して障害物Ｏが取り得る移動軌跡の候補を生成し、道路境界内に留まりながら自車両１が障害物Ｏに接触することを回避可能な走行経路を算出するので、道幅に制約がある道路上においても、障害物Ｏの移動軌跡を精度高く予測すると共に適切な走行経路を生成することができる。

また本発明の第１の実施形態となる運転操作支援装置によれば、マイクロコンピュータ９が、移動軌跡の各候補の実現確率を推定し、推定された実現確率に基づいて最適な走行経路を選択するので、障害物Ｏとの接触を回避する確率が高い適切な走行経路を出力することができる。

〔第２の実施形態〕
次に、本発明の第２の実施形態となる運転操作支援装置の構成について説明する。

〔運転操作支援装置の構成〕
本発明の第２の実施形態となる運転操作支援装置は、図１０に示すように、前輪の操舵量を制御可能な操舵システムを有する車両１に搭載され、ステレオカメラ２ａ，２ｂ、車速センサ３ａ，３ｂ、ヨーレートセンサ４、加速度センサ５、操舵角センサ６，マイクロプロセッサ９、操舵トルクセンサ１１、転舵角センサ１２、転舵アシストモータ１３、及びモータコントローラ１４を主な構成要素として備える。なおステレオカメラ２ａ，２ｂ、車速センサ３ａ，３ｂ、ヨーレートセンサ４、加速度センサ５、及び操舵角センサ６の構成は上記第１の実施形態と同じであるので、以下ではその説明を省略する。

マイクロプロセッサ９は、Ａ／Ｄ変換回路，Ｄ／Ａ変換回路，中央演算処理装置，メモリ等により形成される集積回路により構成され、車速センサ３ａ，３ｂ、ヨーレートセンサ４、加速度センサ５、操舵角センサ６、操舵トルクセンサ１１、及び転舵角センサ１２から入力された情報に基づき図１１に示す本発明に係る走行支援手段２７として機能する転舵アシストモータ１３及びモータコントローラ１４を制御する。本実施形態では、マイクロプロセッサ９は、２つの中央演算処理装置を有することにより２つの演算処理を同時に実行可能なように構成されている。マイクロプロセッサ９は、内部のＣＰＵが制御プログラムを実行することにより、図１１に示す本発明に係る障害物移動軌跡候補生成手段２３，走行経路算出手段２４，障害物移動軌跡確率推定手段２５，走行経路選択手段２６、運転者行動−障害物移動軌跡整合性評価手段３１，及び走行経路リスク評価手段３２として機能する。

操舵トルクセンサ１１は、ステアリングコラム内に取り付けられ、運転者の操舵トルクを検出する。操舵トルクセンサ１１は、検出値をマイクロプロセッサ９に入力する。転舵角センサ１２は、転舵角を検出し、検出値をマイクロコンピュータ９に入力する。モータコントローラ１４は、転舵アシストモータ１３を制御することにより転舵アシストトルクを操舵系に加える。

〔運転操作支援処理〕
このような構成を有する運転操作支援装置では、マイクロプロセッサ９が以下に示す運転操作支援処理を実行することにより、精度の高い回避経路を迅速に出力する。以下、図１２に示すフローチャートを参照して、この運転操作支援処理を実行する際のマイクロプロセッサ９の動作について説明する。

図１２に示すフローチャートは、車両１のイグニッションスイッチがオフ状態からオン状態に切り替えられたタイミングで開始となり、運転操作支援処理はステップＳ１の処理に進む。なお以下では、図４に示す走行シーンを例として運転操作支援処理を実行する際のマイクロプロセッサ９の動作を説明する。またステップＳ１１乃至ステップＳ１３の処理は上記ステップＳ１乃至ステップＳ３の処理と同じであるので、以下ではステップＳ４の処理から説明する。

ステップＳ１４の処理では、マイクロプロセッサ９が、本実施形態では走行支援手段２７として転舵アシストモータ１３及びモータコントローラ１４を用いる構成となっているために、最適制御問題の入力を前輪転舵速度δ_νから操舵トルク指令値Ｔ_{ｓｔｅｅｒ}に変更した定式化に基づいて走行経路を算出する。具体的には数式５〜１３に以下の数式２２を加える。

これは操舵系のモデルを以下の数式２３に示す２次系で近似したモデルを用いることを意味する。ここでパラメータζ，ω，Ｋは操舵系モデルのパラメータである。これにより、ステップＳ４の処理は完了し、運転操作支援処理はステップＳ５の処理に進む。

ステップＳ１５の処理では、マイクロプロセッサ９が、ステップＳ１４の処理により算出された走行経路の評価値（走行経路評価値）を算出する。走行経路の評価値としては、数式１５に示す評価関数をそのまま用いることができるので、算出された操舵トルク指令値Ｔ_{ｓｔｅｅｒ}に対して数式１４に示す微分方程式の積分と数式１５に示す計算を行うことで走行経路の評価値を得ることができる。また走行経路の評価値として、例えば障害物評価項Ｌ_Ｐと道路境界評価項Ｌ_Ｒの和だけを用いる方法や、障害物評価項Ｌ_Ｐと道路境界評価項Ｌ_Ｒの最大値（最悪値）を取り出して評価値として使用することもできる。これにより、ステップＳ１５の処理は完了し、運転操作支援処理はステップＳ１６の処理に進む。

ステップＳ１６の処理では、マイクロプロセッサ９が、障害物の移動軌跡の実現確率を推定する。基本的な処理は第１の実施形態におけるステップＳ５の処理と同じであるが、本実施形態では、障害物の属性の認識結果を考慮して実現確率の推定精度を上げるための処理が追加される。具体的には、障害物の属性の認識結果を反映させるために、図１３に示すように、推定モデルを構成するベイジアンネットワークに障害物属性のノードを追加し、障害物意思の因果関係を表す条件付確率分布が障害物属性によっても変わるモデルを構成する。障害物属性としては、例えば障害物を大人，子供，無生物の３種類に分類し、分類結果をノードに設定することにより、精度の高い推定を行うことができる。なお属性認識によって対象を明確に特定することができない場合であっても、分類の信頼度に応じた確率分布をノードに入力して推論計算を行うことにより、信頼度に応じた精度の向上を期待することができる。これにより、ステップＳ１６の処理は完了し、運転操作支援処理はステップＳ１７の処理に進む。

ステップＳ１７では、マイクロプロセッサ９が、ステップＳ１３の処理により生成された障害物の移動軌跡と運転者の車両操作とを比較することにより、各移動軌跡が運転者が予想していると推測される移動軌跡と整合性を有しているか否かを指標化（運転者行動−障害物移動軌跡整合性評価値）する。具体的には、図４に示す走行シーンで運転者が右方向に操舵を行っているとすれば、運転者は障害物が途中で停止する又は障害物の移動速度が十分に遅いので右方向に回避できると予測していると推測することができる。逆に右方向への操舵量が小さい又は運転者が左方向に操舵を行っている場合には、障害物が移動し続けるために右方向への回避はリスクを増大させるという予測を行っていると推測することができる。以上のような関係も、移動軌跡の実現確率の推定と同様、ベイジアンネットワークを用いてモデル化することができる。すなわち、運転者の予測は、車両と障害物との距離及び障害物の横方向の移動速度に影響を受けると考えられる。また運転者の予測に応じて操舵及び制動操作が行われると考えられる。以上の因果関係をモデル化すると、図１４に示すベイジアンネットワークモデルを構築することができる。図１４に示すモデルでは、運転者の予測状態として、「移動継続」と「途中停止」以外に「危険認識なし」という３種類の状態を想定している。このモデルにおいても、運転者の予測状態以外は全て測定可能な情報で構成されているので、各ノードにセンサで検出された情報を設定した上で確率推論を実行することにより、運転者の予測状態の確率分布を算出することができる。ある予測状態の確率が高いということは、運転者がその予測に従って操作している場合に行うであろう操作と現在検出されている操作が類似しているということを意味しているので、算出された確率を移動軌跡に対する運転者行動との整合性指標として利用することができる。これにより、ステップＳ１７の処理は完了し、運転操作支援処理はステップＳ１８の処理に進む。

ステップＳ１８の処理では、マイクロプロセッサ９が、ステップＳ１４の処理により検索された走行経路の中から走行経路を選択する。第１の実施形態では、走行経路に付随する評価指標は移動軌跡の実現確率だけであったが、本実施形態ではステップＳ１５〜ステップＳ１７までの処理により３種類の指標が算出されているので、マイクロプロセッサ９はこれら３種類の指標を総合的に勘案して走行経路を選択する。具体的には、障害物が途中で停止するとした予測に基づく移動軌跡に対する実現確率，走行経路評価値，及び運転者行動−障害物移動軌跡整合性評価値をそれぞれｐ_Ｓ，Ｊ_ｓ，ｑ_ｓ、障害物が移動し続けるとした予測に基づく移動軌跡に対する評価値をそれぞれｐ_Ｍ，Ｊ_Ｍ，ｑ_Ｍとし、マイクロプロセッサ９は、以下の数式２４に示す総合スコアを各移動軌跡について算出し、総合スコアの高い移動軌跡に対応する走行経路を選択する。数式２４中、パラメータｋ_ｐ，ｋ_Ｊ，ｋ_ｑは各指標に対する重みを示す。

なお上記の選択方法以外にも、実現確率ｐが所定値以下ではないことを条件に運転者行動−障害物移動軌跡整合性評価値ｑが高い方の走行経路を選択するという選択ルールを構成することにより、運転者の認識ミス（実現確率ｐが明らかに低い）の疑いが小さければ基本的には運転者操作との整合性が高い走行経路を選択するようにしてもよい。また運転者行動−障害物移動軌跡整合性評価値ｑがどちらも所定値以下である場合には、実現確率ｐが高い方の走行経路を選択するという選択ルールを構成することにより、運転者の行動がはっきりしない場合には装置側で実現確率が高いと予測している移動軌跡に対応する走行経路を選択し、運転者の確実性の高い走行経路を取ることを促すようにしてもよい。さらに、実現確率ｐと運転者行動−障害物移動軌跡整合性評価値ｑのどちらの値も所定値以下である場合には、運転者も装置も確度の高い予測が難しい状態を意味しているので、当面は走行経路評価値Ｊの良い（リスクの小さい）走行経路を選択するようにしてもよい。これにより、ステップＳ１８の処理は完了し、運転操作支援処理はステップＳ１９の処理に進む。

ステップＳ１９の処理では、マイクロプロセッサ９が、ステップＳ８の処理より選択された走行経路に対応する操舵トルク指令値Ｔ_{ｓｔｅｅｒ}を読み出し、運転者の操舵トルクとの偏差分の操舵補助トルクを発生するためのモータ制御指令値を算出する。そしてモータコントローラ１４、モーター制御指令値に従って転舵アシストモータ１３の動作を制御することにより操舵補助トルクを発生させる。これにより、ステップＳ１９の処理は完了し、一連の運転操作支援処理は終了する。

このように本発明の第２の実施形態となる運転操作支援処理によれば、運転者が的確な状況認識と将来予測に基づいて運転を行っている場合には、運転者の意向に沿う形で操舵補助トルクが出力され、運転者の回避操作がスムーズに行われることを支援する。一方、運転者が明らかに不適切な操作を行っていたり、操作が必要な局面で迷う等して回避操作が行われていない場合には、操舵補助トルクによって運転者に適切な走行経路に沿って走行することを促すような動作が行われる。

以上の説明から明らかなように、本発明の第２の実施形態となる運転操作支援処理によれば、マイクロコンピュータ９が、障害物Ｏの属性を推定し、推定された障害物Ｏの属性に基づいて障害物Ｏの移動軌跡の候補を生成するので、上記第１の実施形態となる運転操作支援処理により得られる効果に加えて、障害物Ｏの移動軌跡を精度高く予測することができる。

また本発明の第２の実施形態となる運転操作支援処理によれば、マイクロコンピュータ９が、走行経路の評価値を算出し、算出された評価値に基づいて最適な走行経路を選択するので、上記第１の実施形態となる運転操作支援処理により得られる効果に加えて、設定した評価方針に適合した走行経路を出力することができる。

また本発明の第２の実施形態となる運転操作支援処理によれば、マイクロコンピュータ９が、運転者の行動と移動軌跡の候補との整合性の評価値を算出し、算出された整合性の評価値に基づいて最適な走行経路を選択するので、運転者の主観的な予測に近い障害物の移動軌跡に対応する走行経路を選択し、運転者の思い描いている回避方針に沿った走行経路を出力することができる。

また本発明の第２の実施形態となる運転操作支援処理によれば、マイクロコンピュータ９が、移動軌跡の候補の実現確率、走行経路の評価値、及び運転者行動−障害物移動軌跡整合性の評価値の３つの要素をうち、少なくとも２つの要素を組み合わせた評価に基づいて最適な走行経路を選択するので、単一の指標だけで選択する場合よりも適切で信頼性が高い走行経路を出力することができる。

また本発明の第２の実施形態となる運転操作支援処理によれば、マイクロコンピュータ９が、実現確率が所定値以上の移動軌跡の候補の中から整合性の評価値が最も高い移動軌跡に対する走行経路を最適な走行経路として選択するので、運転者の回避方針に沿った実現確率の高い走行経路を出力し、運転者に違和感を与えない確実な回避操作支援を行うことができる。

また本発明の第２の実施形態となる運転操作支援処理によれば、マイクロコンピュータ９が、運転者行動−障害物移動軌跡整合性の評価値が所定値以上の移動軌跡の候補が存在しない場合、実現確率が最も高い移動軌跡に対応する走行経路を最適な走行経路として選択するので、運転者が明確な回避方針を示さない場合であっても、障害物との接触を回避できる見込みが高い走行経路を出力することができる。

また本発明の第２の実施形態となる運転操作支援処理によれば、マイクロコンピュータ９が、全ての移動軌跡の候補の実現確率及び運転者行動−障害物移動軌跡整合性の評価値が所定値以下である場合、走行経路の評価値が最も低い移動軌跡に対応する走行経路を最適な走行経路として選択するので、主観的にも客観的にも障害物の移動軌跡の予測が難しい場面において、リスク回避余裕等の走行経路自体の評価を優先した走行経路を出力して回避動作に繋げることができる。

〔第３の実施形態〕
次に、本発明の第３の実施形態となる運転操作支援装置の構成について説明する。

〔運転操作支援装置の構成〕
本発明の第３の実施形態となる運転操作支援装置は、図１５に示すように、前輪の操舵量を制御可能な操舵システムを有する車両１に搭載され、ステレオカメラ２ａ，２ｂ、車速センサ３ａ，３ｂ、ヨーレートセンサ４、加速度センサ５、操舵角センサ６，マイクロプロセッサ９、転舵角センサ１２、転舵モーター１５，及び転舵角サーボコントローラ１６を主な構成要素として備える。なおステレオカメラ２ａ，２ｂ、車速センサ３ａ，３ｂ、ヨーレートセンサ４、加速度センサ５、操舵角センサ６，マイクロプロセッサ９，及び転舵角センサ１２の構成は上記第２の実施形態と同じであるので、以下ではその説明を省略する。なお本実施形態では、マイクロプロセッサ９は、上記第１及び第２の実施形態におけるマイクロプロセッサ９とは異なり、演算処理ユニットを１つのみ有する構成になっている。また転舵角サーボコントローラ１６は、マイクロプロセッサ９からの転舵角指令値に応じて、転舵角センサ１２の検出値に基づいて転舵モーター１５を制御することにより操舵系のサーボ制御を行う。

〔運転操作支援処理〕
このような構成を有する運転操作支援装置では、マイクロプロセッサ９が以下に示す運転操作支援処理を実行することにより、精度の高い回避経路を迅速に出力する。以下、図１６に示すフローチャートを参照して、この運転操作支援処理を実行する際のマイクロプロセッサ９の動作について説明する。

図１６に示すフローチャートは、車両１のイグニッションスイッチがオフ状態からオン状態に切り替えられたタイミングで開始となり、運転操作支援処理はステップＳ２１の処理に進む。なお以下では、図４に示す走行シーンを例として運転操作支援処理を実行する際のマイクロプロセッサ９の動作を説明する。またステップＳ２１及びステップＳ２２の処理は上記ステップＳ１及びステップＳ２の処理と同じであるので、以下ではステップＳ２３の処理から説明する。

ステップＳ２３の処理では、マイクロプロセッサ９が、バッファメモリ内に転舵角指令値が記憶されているか否かを確認することにより（詳しく後述する）、自動回避制御が継続中であるか否かを判別する。判別の結果、自動回避制御が継続中である場合、マイクロプロセッサ９は運転操作支援処理をステップＳ３２の処理に進める。一方、自動回避制御が継続中でない場合には、マイクロプロセッサ９は運転操作支援処理をステップＳ２４の処理に進める。

ステップＳ２４の処理では、マイクロプロセッサ９が、転舵角を補正すると共に車両１のクラッチ１７を締結する指令を出力することにより、運転者の操作で転舵が行われる構成に戻す。これにより、ステップＳ２４の処理は完了し、一連の運転操作支援処理は終了する。

ステップＳ２５の処理では、マイクロプロセッサ９が、自動回避制御を実行するために車両１のクラッチ１７を切り離す指令を出力する。なお自動回避制御が既に開始されていてクラッチ１７が切り離されている場合、マイクロプロセッサ９は切り離し状態を継続する指令を出力する。これにより、ステップＳ２５の処理は終了し、運転操作支援処理はステップＳ２６の処理に進む。なおステップＳ２６〜ステップＳ２８の処理は図１２に示すステップＳ１３，ステップＳ１６，及びステップＳ１７の処理と同じであるので、以下ではその説明を省略し、ステップＳ２９の処理から説明する。

ステップＳ２９の処理は、第１の実施形態におけるステップＳ４及び第２の実施形態におけるステップＳ１４の処理に対応する処理であるが、本実施形態における処理は、第１及び第２の実施形態における処理に対し、（１）出力すべき指令値が異なり、（２）演算処理ユニットを１つしか搭載していないので１制御サイクルの中で１つの走行経路しか算出できないという２つの相違点を有する。そこで本実施形態における処理には第１及び第２の実施形態における処理に対し以下のような変更が加えられている。

すなわち相違点（１）については、操舵系モデルを示す数式１３を転舵角サーボ系の近似モデルである以下の数式２５，２６に置き換える。数式２５中、パラメータＴ_ｓは転舵角サーボ系の応答時定数、パラメータδ^＊は転舵角指令値を示し、転舵角指令値δ^＊の時系列変化が最適化計算によって算出される。またこれに伴い評価関数中の転舵評価項（数式１８）は以下の数式２６のように変更される。

相違点（２）については、どの障害物の移動軌跡に対応する走行経路を算出するかを選択した後、選択された移動軌跡に対する走行経路を算出する構成にする。ここでの選択ルールとしては、１つには単純に移動軌跡に固定された順番を割り当て、割り当てられた順番に従って選択を行っていくという方法が考えられる。例えば移動継続を１番、途中停止を２番として、最初に移動継続に対する走行経路、次に途中停止に対する走行経路、その次は移動継続に対する走行経路と交互に走行経路を算出する方法である。

このように走行経路を算出する時間をずらす処理を行うと、移動軌跡の数に対して演算処理ユニットの数が少ない場合でも複数の走行経路を用意しておくことが可能になるが、走行経路を算出してから実際に制御に用いられるまでの時間差が大きくなるという問題が発生する。一般にこの時間差が大きくなればなるほど制御性能は劣化する可能性が高くなるので、実際に制御に用いられる走行経路を優先的に算出することで実質的な性能劣化の度合いを抑える選択ルールを考えることができる。例えば、選択する走行経路の順番を固定せずランダムに選択するルールを導入する一方で、ステップＳ２７の処理により算出された移動軌跡の実現確率と同じ確率で走行経路を選択する方法が考えられる。また直前の制御周期で選択された走行経路を選択する確率を意図的に高くするという方法も考えることができる。これにより、ステップＳ２９の処理は完了し、運転操作支援処理はステップＳ３０の処理に進む。なおステップＳ３０の処理は図１２に示すステップＳ１５の処理と同じであるので、以下ではその説明を省略し、ステップＳ３１の処理から説明する。

ステップＳ３１の処理では、マイクロプロセッサ９が、第２の実施形態と同様の方法で走行経路の選択を選択した後、選択された走行経路を実現する転舵角指令値の時系列変化の制御指令値を格納するバッファメモリに記憶する。例えば時刻ｔにおいては、現在時刻ｔから将来の時刻ｔ＋Ｔまでの転舵角指令値δ^＊の時系列が算出され、評価区間ＴをＮ区間に分割したとすると、バッファメモリには以下の数式２７に示す転舵角指令値の時系列変化が記憶される。

走行経路が選択された場合には先頭から順番に転舵角指令値が読み出されていき、読み出された後にバッファメモリ内の各要素が１つずつ左にシフトする操作が行われる。なお選択されなかった走行経路に対しても、以降の制御周期において走行経路として選択される場合に備えて、同様のバッファメモリが用意されて算出された転舵角指令値が記憶される。これにより、ステップＳ３１の処理は完了し、運転操作支援処理はステップＳ３２の処理に進む。

ステップＳ３２では、マイクロプロセッサ９が、選択された走行経路に対応するバッファメモリから転舵角指令値δ^＊を読み出し、読み出された転舵角指令値δ^＊を転舵角サーボコントローラ１６に出力する。そして転舵角サーボコントローラ１６は、マイクロプロセッサ９からの転舵角指令値に応じて、転舵角センサ１２の検出値に基づいて転舵モーター１５を制御することにより操舵系のサーボ制御を行う。

このように本発明の第３の実施形態となる運転操作支援処理によれば、運転者の操作は運転者行動−障害物移動軌跡整合性評価手段を通して走行経路選択に反映されるので、運転者が的確な状況認識と状況判断を行っている限りは、運転者の意向に沿った走行が行われる。実際の操舵系の制御は自動化されているので、運転者の技量によらずにほぼ一定の車両運動が再現されるので、より安定した回避運動になることが期待される。一方、運転者の状況認識や状況判断に遅れやミスがあった場合でも装置側で適切な走行経路を生成・選択することで確実性の高い回避制御を実行することができる。

以上の説明から明らかなように、本発明の第３の実施形態となる運転操作支援処理によれば、マイクロプロセッサ９が、障害物の移動軌跡の最新の候補に対応する走行経路を所定時間間隔毎に１つずつ所定の順番に従って更新していくので、上記第１及び第２の実施形態となる運転操作支援装置により得られる効果に加えて、演算処理装置が１つしかない場合であっても、同時に複数の移動軌跡候補に対する走行経路を用意しておくことが可能となり、選択される走行経路が切り替わった場合であっても迅速に新しい走行経路を出力することができる。

また本発明の第３の実施形態となる運転操作支援処理によれば、マイクロプロセッサ９が、走行経路の評価値に基づいて更新を行う走行経路の順番を決定するので、選択されている走行経路又は次に選択される可能性が高い走行経路を優先的に更新し、実際に出力される可能性た高い走行経路の算出時間遅れを短縮することができるので、多くの場合に出力される走行経路の室を向上させることができる。

〔第４の実施形態〕
次に、本発明の第４の実施形態となる運転操作支援装置の構成について説明する。

〔運転操作支援装置の構成〕
本発明の第４の実施形態となる運転操作支援装置は、図１７に示すように、前方カメラが１台のみとなり、またレーザレーダ１８と後方カメラ１９ａ，１９ｂを有する点が第１の実施形態となる運転操作支援装置の構成と異なる。前方カメラ２ａは、車室内前方に取り付けられ、主に車両前方の道路の境界（白線等）を検出する。レーザレーダ１８は、車両１前方のに存在する障害物を検出する。後方カメラ１９ａ，１９ｂは、車室内後方に取り付けられ、車両後方の障害物を検出する。後方カメラを２台設置することにより、障害物の方向だけでなく障害物までの距離も検出することができる。

〔運転操作支援処理〕
このような構成を有する運転操作支援装置では、マイクロプロセッサ９が以下に示す運転操作支援処理を実行することにより、精度の高い回避経路を迅速に出力する。以下、図１８に示すフローチャートを参照して、この運転操作支援処理を実行する際のマイクロプロセッサ９の動作について説明する。

図１８に示すフローチャートは、車両１のイグニッションスイッチがオフ状態からオン状態に切り替えられたタイミングで開始となり、運転操作支援処理はステップＳ４１の処理に進む。なお以下では、図１９に示すような、片側二車線の道路上を自車両１を含む３台の車両が走行している時に自車両１が右車線へ車線変更を行おうとしている走行シーンを例として運転操作支援処理を実行する際のマイクロプロセッサ９の動作を説明する。

ステップＳ４１の処理では、マイクロプロセッサ９が、第１乃至第３の実施形態における処理と同様の処理により、図１９に示すように、車両の進行方向に沿ってＸ軸、Ｘ軸に対し垂直な方向にＹ軸を設定し、各車両のＸ軸及びＹ軸方向の位置と速度を算出する。すなわちマイクロプロセッサ９は、以下の数式２８に示すように各車両の状態ベクトルをＤ_ｉと定義し、状態ベクトルＤ_ｉを構成する各要素の値を算出する。なおインデックスｉは車両の種別を表しており、０が自車両１，１が他車両Ｏ１，２が他車両Ｏ２を表している。これにより、ステップＳ４１の処理は完了し、運転操作支援処理はステップＳ４２の処理に進む。

ステップＳ４２の処理では、マイクロプロセッサ９が、運転者の車線変更意図の有無を判別する。単純な方法としてはウインカー操作を検出することにより車線変更意図の有無を判別することが考えられるが、支援のための専用のボタンを用意したり、運転者の操舵操作から車線変更意図を推定する方法を用いてもよい。判別の結果、車線変更意図が検出されなかったり、又は車線変更が完了していると判断される場合、マイクロプロセッサ９は一連の運転操作支援処理を終了する。一方、車線変更意図が検出された場合には、マイクロプロセッサ９は運転操作支援処理をステップＳ３の処理に進める。

ステップＳ４３の処理では、マイクロプロセッサ９が、障害物の移動軌跡を算出する。なお図１９に示す走行シーンでは、障害物は他車両Ｏ１と他車両Ｏ２の２台あるので、マイクロプロセッサ９は他車両Ｏ１と他車両Ｏ２それぞれに対して移動軌跡の候補を用意する必要があるが、簡単のためここでは前方を走る他車両Ｏ２は一定速度で走り続けるものと仮定し、自車両１の車線変更操作に大きな影響を与える他車両Ｏ１について複数の移動軌跡候補を生成する。ここで他車両Ｏ１の予想される挙動は大きく以下の３種類に分類することができる。

（１）自車両１の車線変更を予想して他車両Ｏ２との車間距離を広げる。

（２）他車両Ｏ２に対して追従走行を続けるために他車両Ｏ２との車間距離を縮める。

（３）現在の走行速度を維持して走り続ける。

なおここでも簡単のため他車両Ｏ２が左車線に車線変更する可能性については除外して考えることにする。このうち挙動（３）に対応する軌跡は、以下の数式２９により容易に生成することができる。ただし、ここでも現在時刻ｔ＝０としている。

挙動（１），（２）に対応する移動軌跡を生成するために、ここでは先行車両に対する追従挙動をモデル化した追従モデルを利用する。追従モデルについてはこれまで多くの研究が行われ、様々なモデルが公知となっているが、ここでは以下の数式３０に示すモデルに従って移動軌跡を生成する。数式３０中、パラメータｋ_１，ｋ_２は追従特性を決めるパラメータ、パラメータｈは追従時の目標車間時間、インデックスｐは他車両Ｏ１の追従対象車両を示し、挙動（１）の場合にはｐ＝０、挙動（２）の場合にはｐ＝１に設定する。自車両１及び他車両Ｏ２共に一定速度で走行すると仮定すれば、数式３０に示す微分方程式を積分することにより他車両Ｏ２の移動軌跡を算出することができる。これにより、ステップＳ４３の処理は完了し、運転操作支援処理はステップＳ４４の処理に進む。

ステップＳ４４の処理は、図３に示すステップＳ４に相当する処理であり、基本的には第１の実施形態と同様、評価関数に基づいて最適な走行経路を算出する処理が行われるが、定式化の方法が異なるので改めて説明する。まず始めに、自車両１の運動を記述するモデルを導入する。図４に示す走行シーンと比較すると、図１９に示す走行シーンではそれほど急激な運動は行われないので、第１の実施形態等で用いた二輪モデルよりも単純な質点モデルでも十分な精度の結果が得られると期待できる。そこで自車両１のモデルとして以下の数式３１に示すモデルを使用する。

数式３１中、パラメータＴ_ｙは典型的な車線変更の横方向運動を１次遅れ系で近似した場合の車両の横方向運動応答時定数、パラメータｕ_ｙは横方向位置の目標値、パラメータｕ_ｘは加速度方向の目標値を示す。この数式３１では横方向位置の目標値ｕ_ｙと加速度方向の目標値ｕ_ｘが制御指令値とみなされる。また横方向位置の目標値ｕ_ｙと加速度方向の目標値ｕ_ｘには以下の数式３２，３３に示すような制約を課すことにする。数式３２，３３中、パラメータａ_ｍａｘは加減速度の最大値、パラメータｙ_ｒｏａｄは道路幅を示す。

そして評価関数を以下の数式３４に示すように定義し、評価式Ｌには以下の要請項目（１）〜（４）を反映した評価項を組み込む。

（１）加減速を小さくする。

（２）頻繁な車線変更を行わない。

（２）車両進行方向の指定された区間に移動する、又は指定区間内に位置を保つ。

（４）指定された区間内で右車線に車線変更する。

要請項目（１）は、以下の数式３５に示す評価項で表現することができる。数式３５中、パラメータｗ_ｕｘは評価重みを示す。

要請項目（２）は、以下の数式３６に示す評価項で表現することができる。数式３６中、パラメータｗ_ｕｙは評価重みを示す。これは、数式３１の２番目の式より（ｙ_０の一階微分値）∝（ｙ_０−ｙ_ｕ）という関係があるので、実質的には（ｙ_０の一階微分値）を小さくするという要請になるが、横移動速度を小さくするという要請と頻繁な車線変更を行わないという要請は、ここではほぼ同じ要請と考えて問題ない。

要請項目（３）は車線変更可能なｘ方向の位置合わせを促す要請である。図１９に示す走行シーンでは、実質的には車線変更ができる区間は次の２つの区間のどちらかである。

（Ａ）他車両Ｏ１と他車両Ｏ２の間
（Ｂ）他車両Ｏ１の後方
他車両Ｏ１の予想される移動軌跡が（１）又は（３）の場合には区間Ａを目標にすることが好ましいが、移動軌跡として（２）が予想される場合には区間Ｂが望ましい。そこで、どちらの移動軌跡に対応するかによって評価関数の構成を切り替えるものとする。すなわち区間Ａの場合の評価項は以下の数式３７に示すように構成する。一方、区間Ｂの場合には評価項は以下の数式３８に示すように構成する。典型的な評価関数の形状を図２０に示す。なお数式３７，３８中、パラメータｗ_Ｘは評価重みを示す。

要請項目（４）は車線変更を促す評価項であり、以下の数式３９に示すように構成する。数式３９中、パラメータｙ_Ｒは右車線の中央のｙ座標を示す。関数ａの値は、図２１に示すように、指定区間（この場合区間Ａ）外では１となり、指定区間内で他車両から離れるほど値が小さくなる関数となっている。従って、関数Ｌ_Ｙは指定区間外では平坦な関数になり車線変更を促進する効果がなくなる一方で、指定区間内では右車線の中央に近づくほど値が小さくなる関数となり車線変更を促進する効果を生むことになる。

以上で定義した評価項の和をとることで評価式を構成すると、数式３１，３４はやはり最適制御問題になるので、最適化計算を行うことにより評価関数を最小にする操作量の時系列を得ることができる。これにより、ステップＳ４４の処理は完了し、運転操作支援処理はステップＳ４５の処理に進む。

ステップＳ４５の処理は、図１２に示すステップＳ１５に相当する処理である。ここでも走行経路評価値として評価関数の値をそのまま流用することもできるし、他車両との距離の最小値を用いて走行経路評価値を構成することもできる。これにより、ステップＳ４５の処理は完了し、運転操作支援処理はステップＳ４６の処理に進む。

ステップ４６の処理は、図１２に示すステップＳ１６に相当する処理である。本実施形態でもベイジアンネットワーク等の手法を用いて生成した移動軌跡の実現確率を推定する。本実施形態では、上述した通り（１）〜（３）の３つの移動軌跡が生成される。この場合のベイジアンネットワークとしては、例えば図２２に示す因果関係モデルを構築することができる。図２２に示すモデルは、他車両Ｏ１と他車両Ｏ２の関係から他車両Ｏ１の他車両Ｏ２に対する追従方針を推定し、それが現在の車両速度変化と割り込み許容判断に影響を与えているとモデル化している。また自車両１と他車両Ｏ１の関係から、他車両Ｏ１が自車両１の車線変更を予想しているかどうかを推定し、予想の有無が割り込み許容判断に同じく影響を与えているとしている。また割り込み許容判断は車両の加減速状態に影響を与えている。因果関係のモデル化により測定可能な情報から確率推論によって直接観測できない状態の確率分布を算出することができるので、割り込み許容判断のノードの確率分布を移動軌跡の実現確率として利用することができる。これにより、ステップＳ４６の処理は完了し、運転操作支援処理はステップＳ４７の処理に進む。

ステップＳ４７の処理は、図１２に示すステップＳ１７に相当する処理である。ここでは運転者の他車移動軌跡の予測と運転者の操作との間の因果関係をモデル化する。運転者は他車両の移動軌跡の予測に基づいてどの区間に車線変更するかを決定していると考えることができる。車線変更する区間が決まると、他車両Ｏ１との相対位置関係に基づいて加減速の必要性を判断して、実際のアクセル・ブレーキ操作を行っていると考えられる。以上のような因果関係をベイジアンネットワークを用いてモデル化すると、図２３に示すモデルが得られる。図２３に示すモデルに基づいて測定可能な情報を用いて確率推論を実行することにより、運転者が予測している移動軌跡の確率分布が得られるので、得られた確率を整合性指標として使用する。これにより、ステップＳ４７の処理は完了し、運転操作支援処理はステップＳ４８の処理に進む。

ステップＳ４８の処理は、図１２に示すステップ１８と同じ処理であり、マイクロプロセッサ９は組み込んだ選択ルールに基づいて走行経路を選択する。これにより、ステップＳ４８の処理は完了し、運転操作支援処理はステップＳ４９の処理に進む。

ステップＳ４９の処理は、図３に示すステップＳ３と同じ処理であり、マイクロプロセッサ９は、描画情報の作成と警告音の出力の必要性を判定すると共に駆動指令の生成する。描画情報は図９に示すように走行経路を忠実に画面上に描画したものであってもよいし、図２４に示すように選択された走行経路の割り込み先の区間を強調表示する画像であってもよい。また、選択された走行経路の評価値が所定値上に高くなっている場合、マイクロプロセッサ９は同時に警告音を出力することにより運転者に注意を喚起することもできる。これにより、ステップＳ４９の処理は完了し、一連の運転操作支援処理は終了する。

このように本発明の第４の実施形態となる運転操作支援処理によれば、運転者の車線変更の意図を汲み取りながら実現性の高い車線変更目標を提示することができる。特に、運転者からは自車の後方の状況、特に後方車両との相対速度は正確に把握しづらい情報になっているので、センサによる正確な状況把握と予測計算による的確な走行経路選択を示すことは運転者の認知・判断の負荷を下げることにつながり、特に運転に慣れていない初心者ドライバーに対して車線変更場面における苦手意識の軽減や運転操作の円滑化といった効果を上げることが期待できる。

以上の説明から明らかなように、本発明の第４の実施形態となる運転操作支援処理によれば、マイクロプロセッサ９が、選択した走行経路の情報を運転者に視覚的に提示するので、運転者は走行経路を直感的に理解することができる。

〔第５の実施形態〕
次に、本発明の第５の実施形態となる運転操作支援装置について説明する。

〔運転操作支援装置の構成〕
本発明の第５の実施形態となる運転操作支援装置は、マイクロプロセッサ９が１つの中央演算処理装置のみにより構成されている点が上記第１の実施形態となる運転操作支援装置の構成と異なる。また本実施形態では、マイクロプロセッサ９は、内部のＣＰＵが制御プログラムを実行することにより、図２５に示す本発明に係る操作候補生成手段４１，運転者行動−走行経路整合性評価手段４２，走行経路算出手段２４，及び走行経路選択手段２６として機能する。

〔運転操作支援処理〕
このような構成を有する運転操作支援装置では、マイクロプロセッサ９が以下に示す運転操作支援処理を実行することにより、精度の高い回避経路を迅速に出力する。以下、図２６に示すフローチャートを参照して、この運転操作支援処理を実行する際のマイクロプロセッサ９の動作について説明する。

図２６に示すフローチャートは、車両１のイグニッションスイッチがオフ状態からオン状態に切り替えられたタイミングで開始となり、運転操作支援処理はステップＳ５１の処理に進む。

ステップＳ５１の処理では、マイクロプロセッサ９が、第１乃至第４の実施形態における処理と同様の処理により、図２７に示すように車両１の進行方向に沿ってＸ軸、Ｘ軸に対し垂直な方向にＹ軸を設定し、車両１，障害物Ｏ，及び道路境界に関する情報を設定した座標系上の値として算出する。なお図２７に示す走行シーンでは、障害物Ｏは車両１の直進を阻む静止した障害物である。これにより、ステップＳ５１の処理は完了し、運転操作支援処理はステップＳ５２の処理に進む。

ステップ５２の処理では、マイクロプロセッサ９が、ステップＳ５１の処理において障害物Ｏが検出されたか否かを判別する。判別の結果、障害物Ｏが検出されなかった場合、マイクロプロセッサ９は運転操作支援処理をステップＳ５３の処理に進める。一方、障害物Ｏが検出された場合には、マイクロプロセッサ９は運転操作支援処理をステップＳ５７の処理に進める。

ステップＳ５３の処理では、マイクロプロセッサ９が、表示装置８に走行経路を表示中であるか否かを判別する。判別の結果、走行経路を表示中でない場合、マイクロプロセッサ９は運転操作支援処理をステップＳ５５の処理に進める。一方、走行経路を表示中である場合には、マイクロプロセッサ９は運転操作支援処理をステップＳ５４の処理に進める。

ステップＳ５４の処理では、マイクロプロセッサ９が、転舵角指令値がバッファメモリに記憶されているか否かを判別する。判別の結果、転舵角指令値が記憶されていない場合、マイクロプロセッサ９は運転操作支援処理をステップＳ５５の処理に進める。一方、転舵角指令値が記憶されている場合には、マイクロプロセッサ９は運転操作支援処理をステップＳ５６の処理に進める。

ステップＳ５５の処理では、マイクロプロセッサ９が、バッファメモリに記憶されている情報を消去する。これにより、ステップＳ５５の処理は完了し、一連の運転操作支援処理は終了する。

ステップＳ５６の処理では、マイクロプロセッサ９が、第１の実施形態と同様の処理により、バッファメモリに記憶されている転舵角指令値を車両モデルに入力することにより走行経路を生成し、生成された走行経路に基づいて音声出力装置７と表示装置８を駆動する信号を生成する。これにより、ステップＳ５６の処理は完了し、一連の運転操作支援処理は終了する。

ステップＳ５７の処理では、マイクロプロセッサ９が、運転者の操作候補に関する情報がバッファメモリに格納されているか否かを判別する。運転者の操作候補としては、図２７に示すように、一定時間左方向に一定の操舵量を保つ左回避操作Ｌ_Ｌ１、一定時間右方向に一定の操舵量を保つ右回避操作Ｌ_Ｒ１、及び車両１の速度，障害物Ｏとの相対距離，道路境界までの距離等から決められる横移動量のシングルレーンチェンジを行う正弦波状の左操舵操作Ｌ_Ｌ２及び右操舵操作Ｌ_Ｒ２が想定できる。なおこれらの操作候補以外に制動操作や上記操作候補と制動操作の組み合わせを操作候補として想定することもできる。本実施形態では、左回避操作Ｌ_Ｌ１と右回避操作Ｌ_Ｒ１を運転者の操作候補として想定し、運転者の操作候補に関する情報として、左回避操作Ｌ_Ｌ１と右回避操作Ｌ_Ｒ１に対応する転舵角指令値の時系列変化Ｌ１，Ｌ２をバッファメモリに格納する。判別の結果、運転者の操作候補に関する情報がバッファメモリに格納されていない場合、マイクロプロセッサ９は運転操作支援処理をステップＳ５８の処理に進める。一方、運転者の操作候補に関する情報がバッファメモリに格納されている場合には、マイクロプロセッサ９は運転操作支援処理をステップＳ５９の処理に進める。

ステップＳ５８の処理では、マイクロプロセッサ９が、各操作候補に番号を割り当て、左右の操作候補の一方の操作候補に割り当てられた番号を更新指定バッファに格納する。具体的には、本実施形態では、マイクロプロセッサ９は、左回避操作Ｌ_Ｌ１と右回避操作Ｌ_Ｒ１にそれぞれ番号１及び番号２を割り当て、右回避操作Ｒ１を最初の更新対象にするために更新指定バッファに番号２を格納する。これにより、ステップＳ５８の処理は完了し、運転操作支援処理はステップＳ５９の処理に進む。

ステップＳ５９の処理では、マイクロプロセッサ９が、障害物Ｏを検出した後に運転者が障害物Ｏとの接触を回避するための操舵操作を行ったか否かを判別する。具体的には、本実施形態では、運転者の操作候補として左回避操作Ｌ_Ｌ１と右回避操作Ｌ_Ｒ１を想定しているので、マイクロプロセッサ９は以下の数式４０が満足されるか否かを判別することにより運転者が操舵操作を行ったか否かを判別する。なお数式４０中、パラメータδ_ＴＨは操舵角δの閾値を示す。判別の結果、数式４０が満足される場合、マイクロプロセッサ９は、障害物Ｏを検出した後に運転者が操舵操作を行ったと判断し、運転操作支援処理をステップＳ６０の処理に進める。一方、数式４０が満足されない場合には、マイクロプロセッサ９は、障害物Ｏを検出した後に運転者が操舵操作を行っていないと判断し、運転操作支援処理をステップＳ６３の処理に進める。

ステップＳ６０の処理では、マイクロプロセッサ９が、運転者の操舵方向に合致した操作候補に対応した走行経路を選択するために、更新指定バッファに記憶されている番号をステップＳ５９の処理により検出された実操舵方向に対応する操作候補の番号に設定し、設定した番号を固定する。これにより、ステップＳ６０の処理は完了し、運転操作支援処理はステップＳ６１の処理に進む。

ステップＳ６１の処理では、マイクロプロセッサ９が、更新指定バッファに記憶されている番号に対応する走行経路を選択，更新する。具体的には、マイクロプロセッサ９は、更新指定バッファに記憶されている番号に対応する転舵角指令値の時系列変化を初期解として最適制御問題を計算し、計算結果を新たな転舵角指令値の時系列変化としてバッファメモリに記憶する。これにより、ステップＳ６１の処理は完了し、運転操作支援処理はステップＳ６２の処理に進む。

ステップＳ６２の処理では、マイクロプロセッサ９が、第１の実施形態と同様の処理により、バッファメモリに記憶されている転舵角指令値の時系列変化を車両モデルに入力することにより走行経路を生成し、生成された走行経路に基づいて音声出力装置７と表示装置８を駆動する信号を生成する。これにより、ステップＳ６２の処理は完了し、一連の運転操作支援処理は終了する。

ステップＳ６３の処理では、マイクロプロセッサ９が、更新指定バッファに記憶されている番号に基づいて左回避操作Ｌ_Ｌ１と右回避操作Ｌ_Ｒ１のどちらが更新指定されているか否かを判別する。判別の結果、更新指定バッファに番号１が記憶されている場合、マイクロプロセッサ９は、運転操作支援処理をステップＳ６４の処理に進める。一方、更新指定バッファに番号２が記憶されている場合には、マイクロプロセッサ９は、運転操作支援処理をステップＳ６６の処理に進める。

ステップＳ６４の処理では、マイクロプロセッサ９が、左回避操作Ｌ_Ｌ１に対応した走行経路を更新する。具体的には、マイクロプロセッサ９は、左回避操作Ｌ_Ｌ１に対応した転舵角指令値の時系列変化を初期解として最適制御問題を計算し、計算結果を新たな左回避操作Ｌ_Ｌ１に対応した転舵角指令値の時系列変化としてバッファメモリに記憶する。これにより、ステップＳ６４の処理は完了し、運転操作支援処理はステップＳ６５の処理に進む。

ステップＳ６５の処理では、マイクロプロセッサ９が、次回の運転操作支援処理において右回避操作Ｌ_Ｒ１に対応した走行経路を更新するために、更新指定バッファに番号２を格納する。これにより、ステップＳ６５の処理は完了し、一連の運転操作支援処理は終了する。

ステップＳ６６の処理では、マイクロプロセッサ９が、右回避操作Ｌ_Ｒ１に対応した走行経路を更新する。具体的には、マイクロプロセッサ９は、右回避操作Ｌ_Ｒ１に対応した転舵角指令値の時系列変化を初期解として最適制御問題を計算し、計算結果を新たな右回避操作Ｌ_Ｒ１に対応した転舵角指令値の時系列変化としてバッファメモリに記憶する。これにより、ステップＳ６６の処理は完了し、運転操作支援処理はステップＳ６７の処理に進む。

ステップＳ６７の処理では、マイクロプロセッサ９が、次回の運転操作支援処理において左回避操作Ｌ_Ｌ１に対応した走行経路を更新するために、更新指定バッファに番号１を格納する。これにより、ステップＳ６７の処理は完了し、一連の運転操作支援処理は終了する。

以上の説明から明らかなように、本発明の第５の実施形態となる運転操作支援処理によれば、マイクロプロセッサ９が、運転者の操舵操作が検出されるまでの間、運転者の操作候補及び障害物の移動軌跡候補に対応する走行経路を逐次更新し、運転者の操舵操作が検出された段階で走行経路を選択する。従って、回避制御を開始する前の比較的長い時間において走行経路の候補を演算して準備するので、運転者の操舵操作を検出した直後に回避制御を開始することができる。また回避制御を開始する前の比較的長い時間において走行経路を逐次更新しているので、回避制御の開始時点である運転者の操舵操作検出時に最も信頼性が高い走行経路を選択し、回避制御の信頼性を向上させることができる。

また本発明の第５の実施形態となる運転操作支援処理によれば、マイクロプロセッサ９が、更新前の走行経路に対する変化分を算出することにより現在の走行シーンに適合した走行経路を生成するので、走行経路全体を計算対象とするよりも効率がよく、その分演算周期を短くすることで走行経路の室を向上させることができる。

また本発明の第５の実施形態となる運転操作支援処理によれば、マイクロプロセッサ９が、障害物検出時から運転者が実際に回避操作を行うまでの間、運転者が取りうる操作候補に対応した走行経路を順番に更新する。このような構成によれば、有限の計算資源を有効活用し、運転者が回避操作を行った時点から回避操作に対応した精度の高い走行経路を出力し、運転操作支援装置として高い状況適応能力を実現することができる。

また本発明の第５の実施形態となる運転操作支援処理では、マイクロプロセッサ９が、右方向操舵操作，左方向操舵操作，制動操作，右方向操舵操作と制動操作の組み合わせ，及び左方向操舵操作と制動操作の組み合わせのうちの少なくとも１つを運転者の操作候補と想定するので、運転者の操作候補が不必要に増えることにより組み合わせの数が膨大となり、大量のシミュレーションが必要になることを抑制できる。

また本発明の第５の実施形態となる運転操作支援処理では、マイクロプロセッサ９が、障害物との相対距離，相対速度，車両１の速度，及び道路情報の少なくとも１つに基づいて操作候補を生成するので、現在の走行シーンから適当と思われる操作に沿った信頼度の高い走行経路を生成することができる。

〔第６の実施形態〕
最後に、本発明の第６の実施形態となる運転操作支援装置について説明する。

〔運転操作支援装置の構成〕
本発明の第６の実施形態となる運転操作支援装置は、マイクロプロセッサ９が１つの中央演算処理装置のみにより構成されている点が上記第２の実施形態となる運転操作支援装置の構成と異なる。また本実施形態では、マイクロプロセッサ９は、内部のＣＰＵが制御プログラムを実行することにより、図２８に示す本発明に係る障害物移動軌跡候補生成手段２３，走行経路算出手段２４，障害物移動軌跡確率推定手段２５，走行経路選択手段２６、運転者行動−障害物移動軌跡整合性評価手段３１，走行経路リスク評価手段３２，操作候補生成手段５１，及び運転者行動−走行経路整合性評価手段５２として機能する。

〔運転操作支援処理〕
このような構成を有する運転操作支援装置では、マイクロプロセッサ９が以下に示す運転操作支援処理を実行することにより、精度の高い回避経路を迅速に出力する。以下、図２９に示すフローチャートを参照して、この運転操作支援処理を実行する際のマイクロプロセッサ９の動作について説明する。

図２９に示すフローチャートは、車両１のイグニッションスイッチがオフ状態からオン状態に切り替えられたタイミングで開始となり、運転操作支援処理はステップＳ７１の処理に進む。なお以下では、図４に示す走行シーンを想定して運転操作支援処理を具体的に説明する。

ステップＳ７１の処理では、マイクロプロセッサ９が、第１乃至第４の実施形態における処理と同様の処理により、車両１の進行方向に沿ってＸ軸、Ｘ軸に対し垂直な方向にＹ軸を設定し、車両１，障害物Ｏ，及び道路境界に関する情報を設定した座標系上の値として算出する。これにより、ステップＳ７１の処理は完了し、運転操作支援処理はステップＳ７２の処理に進む。

ステップ７２の処理では、マイクロプロセッサ９が、ステップＳ７１の処理において障害物Ｏが検出されたか否かを判別する。判別の結果、障害物Ｏが検出されなかった場合、マイクロプロセッサ９は運転操作支援処理をステップＳ７３の処理に進める。一方、障害物Ｏが検出された場合には、マイクロプロセッサ９は運転操作支援処理をステップＳ７７の処理に進める。

ステップＳ７３の処理では、マイクロプロセッサ９が、回避制御が作動しているか否かを示す制御フラグがオン状態になっているか否かを判別する。判別の結果、制御フラグがオン状態である場合、マイクロプロセッサ９は、回避制御が作動していると判断し、運転操作支援処理をステップＳ７４の処理に進める。一方、制御フラグがオフ状態である場合には、マイクロプロセッサ９は、回避制御が作動していないと判断し、運転操作支援処理をステップＳ７５の処理に進める。

ステップＳ７４の処理では、マイクロプロセッサ９が、転舵角指令値がバッファメモリに記憶されているか否かを判別する。判別の結果、転舵角指令値がバッファメモリに記憶されていない場合、マイクロプロセッサ９は運転操作支援処理をステップＳ７５の処理に進める。一方、転舵角指令値がバッファメモリに記憶されている場合には、マイクロプロセッサ９は運転操作支援処理をステップＳ７６の処理に進める。

ステップＳ７５の処理では、マイクロプロセッサ９が、バッファメモリに記憶されている情報を消去する。これにより、ステップＳ７５の処理は完了し、一連の運転操作支援処理は終了する。

ステップＳ７６の処理では、マイクロプロセッサ９が、第２の実施形態と同様の処理により、バッファメモリに記憶されている転舵角指令値の時系列変化を車両モデルに入力することにより走行経路を生成し、生成された走行経路に基づいて音声出力装置７と表示装置８を駆動する信号を生成する。これにより、ステップＳ７６の処理は完了し、一連の運転操作支援処理は終了する。

ステップＳ７７の処理では、マイクロプロセッサ９が、第５の実施形態と同様の処理により、運転者の操作候補に関する情報がバッファメモリに格納されているか否かを判別する。判別の結果、運転者の操作候補に関する情報がバッファメモリに格納されていない場合、マイクロプロセッサ９は運転操作支援処理をステップＳ７８の処理に進める。一方、運転者の操作候補に関する情報がバッファメモリに格納されている場合には、マイクロプロセッサ９は運転操作支援処理をステップＳ８１の処理に進める。

ステップＳ７８の処理では、マイクロプロセッサ９が、運転者の操作候補を生成し、生成した操作候補に対応する転舵角指令値の時系列変化をバッファメモリに格納する。これにより、ステップＳ５８の処理は完了し、運転操作支援処理はステップＳ７９の処理に進む。

ステップ７９の処理では、マイクロプロセッサ９が、第２の実施形態と同様の処理により、障害物Ｏの移動軌跡を生成する。これにより、ステップＳ７９の処理は完了し、運転操作支援処理はステップＳ８０の処理に進む。

ステップＳ８０の処理では、マイクロプロセッサ９が、ステップＳ７８の処理により生成した運転者の操作候補とステップＳ７９の処理により生成した障害物Ｏの移動軌跡の組み合わせを生成し、生成された各組み合わせに番号を割り振る。具体的には、図３０に示すように、障害物Ｏの移動軌跡候補として、障害物Ｏが途中で止まる場合と移動し続ける場合の２通り、運転者の操作候補として、右方向への操舵と左方向への操舵の２通りを想定した場合、４つの組み合わせが生成される。そしてマイクロプロセッサ９は、更新指定バッファに番号情報が格納されていない場合には、各組み合わせに割り振られた番号のうちの任意の番号を更新指定バッファに記憶する。これにより、ステップＳ８０の処理は完了し、運転操作支援処理はステップＳ８１の処理に進む。

ステップＳ８１の処理では、マイクロプロセッサ９が、第１の実施形態と同様の処理により、ステップＳ７９の処理により生成された障害物Ｏの移動軌跡の実現確率を評価する。これにより、ステップＳ８１の処理は完了し、運転操作支援処理はステップＳ８２の処理に進む。

ステップＳ８２の処理では、マイクロプロセッサ９が、障害物Ｏを検出した後に運転者が障害物Ｏとの接触を回避するための操舵操作を行ったか否かを判別する。具体的には、本実施形態では、マイクロプロセッサ９は以下の数式４１が満足されるか否かを判別することにより運転者が操舵操作を行ったか否かを判別する。なお数式４０中、パラメータＴ_ＴＨは操舵トルクＴ_{ｓｔｅｅｒ}の閾値を示す。判別の結果、数式４１が満足される場合、マイクロプロセッサ９は、運転者が操舵操作を行ったと判断し、運転操作支援処理をステップＳ８５の処理に進める。一方、数式４１が満足されない場合には、マイクロプロセッサ９は、運転者が操舵操作を行っていないと判断し、運転操作支援処理をステップＳ８３の処理に進める。

ステップＳ８３の処理では、マイクロプロセッサ９が、更新指定バッファに格納されている番号に対応する操作候補を実現する転舵角指令値の時系列変化を初期解として最適制御問題を計算し、計算結果を新たな操作候補に対応した転舵角指令値の時系列変化としてバッファメモリに記憶する。これにより、ステップＳ８３の処理は完了し、運転操作支援処理はステップＳ８４の処理に進む。

ステップＳ８４の処理では、マイクロプロセッサ９が、更新指定バッファに格納されている番号を更新する。更新方法としては、各組み合わせに割り振られた番号の順番に従って設定する方法や第１の実施形態に示したような所定のルールに従って番号を設定する方法等が考えられる。これにより、ステップＳ８４の処理は完了し、一連の運転操作支援処理は終了する。

ステップＳ８５の処理では、マイクロプロセッサ９が、ステップＳ１７の処理と同様にしてステップＳ７９の処理により生成された障害物の移動軌跡と運転者の車両操作とを比較することにより、各移動軌跡が運転者が予想していると推測される移動軌跡と整合性を有しているか否かを指標化（運転者行動−障害物移動軌跡整合性評価値）する。これにより、ステップＳ８５の処理は完了し、運転操作支援処理はステップＳ８６の処理に進む。

ステップＳ８６の処理では、マイクロプロセッサ９が、ステップＳ８５の処理により算出された運転者行動−障害物移動軌跡整合性評価値に従って運転者の操作候補を選択し、選択された操作候補に対応する転舵角指令値の時系列変化を初期解として最適制御問題を計算し、計算結果を新たな操作候補に対応した転舵角指令値の時系列変化としてバッファメモリに記憶する。具体的には、障害物検出時に図３０に示す組み合わせを生成した場合、運転者の操作を検知するまでは原則として全ての組み合わせが更新対象となる。しかしながら障害物検出後に運転者が右に操舵操作を行った場合、左方向操作に対応した組み合わせよりも右方向操作に対応した組み合わせの方が一般的に選択される可能性が高くなる。従ってこのステップＳ８６の処理では、マイクロプロセッサ９は、運転者の車両操作と走行経路の整合性を指標化（運転者行動−走行経路整合性評価値）し、運転者行動−走行経路整合性評価値に従って更新対象となる走行経路を選択する。これにより、ステップＳ８６の処理は完了し、運転操作支援処理はステップＳ８７の処理に進む。

ステップＳ８７の処理では、マイクロプロセッサ９が、第２の実施形態と同様の処理によりステップＳ８０の処理により生成された各組み合わせに対応する走行経路のリスクを評価する。これにより、ステップＳ８７の処理は完了し、運転操作支援処理はステップＳ８８の処理に進む。

ステップＳ８８の処理では、マイクロプロセッサ９が、ステップＳ８０の処理により生成された組み合わせの中から最も適当と思われる組み合わせに対応した走行経路を選択する。具体的には、マイクロプロセッサ９は、ステップＳ８０の処理により生成された組み合わせの中から運転者の実際の操作との合致度（運転者−走行経路整合性評価値）が所定値以上の組み合わせを抽出し、障害物の移動軌跡に基づいて抽出された組み合わせの中から最適な組み合わせを選択する。なお単純な例としては、運転者が、右方向に操舵しているか、左方向に操舵しているか、ブレーキをかけているかといった判定で合致度を比較できるが、各組み合わせに対応した経路情報毎にどれだけ操舵しているか、どれだけ制動しているかといった、操作量の観点で合致度を比較することもできる。またマイクロプロセッサ９は、合致度が所定値以上の組み合わせが存在しない場合、その時点で走行経路を選択しないようにしてもよい。これにより、ステップＳ８８の処理は完了し、運転操作支援処理はステップＳ８９の処理に進む。

ステップＳ８９の処理では、マイクロプロセッサ９が、第２の実施形態と同様の処理により、選択された組み合わせに対応する走行経路を実現するための操舵トルク指令値を読み出し、運転者の操舵トルクとの偏差分の補助トルクを発生するためのモータ制御指令値を算出し、回避制御が作動していることを示す制御フラグをオン状態にする。これにより、ステップＳ８９の処理は完了し、一連の運転操作支援処理は終了する。

以上の説明から明らかなように、本発明の第６の実施形態となる運転操作支援処理によれば、マイクロプロセッサ９が、運転者の操作行動との整合性が所定値以上である走行経路を選択するので、障害物の動きと運転者の操作行動の両方を考慮した走行経路に従った回避制御を実行することができる。

また本発明の第６の実施形態となる運転操作支援処理によれば、マイクロプロセッサ９が、運転者の操作意図との整合性が所定値以上の走行経路が存在しない場合には、その時点では走行経路を選択しないので、不適切な走行経路が選択されることによって運転者が回避制御に対し違和感を感じることを抑制できる。

以上、本発明者らによってなされた発明を適用した実施の形態について説明したが、本実施形態による本発明の開示の一部をなす論述及び図面により本発明は限定されることはない。すなわち上記実施の形態に基づいて当業者等によりなされる他の実施の形態、実施例及び運用技術等は全て本発明の範疇に含まれることは勿論であることを付け加えておく。

１：車両
２ａ，２ｂ：ステレオカメラ
３ａ，３ｂ：車速センサ
４：ヨーレートセンサ
５：加速度センサ
６：操舵角センサ
７：音声出力装置
８：表示装置
９：マイクロプロセッサ
２１：外界環境検出手段
２２：自車状態検出手段
２３：障害物移動軌跡候補生成手段
２４：走行経路算出手段
２５：障害物移動軌跡確率推定手段
２６：走行経路選択手段
２７：走行支援手段

Claims (23)

1. 自車両周囲に存在する障害物の位置情報を含む自車両の外界環境に関する情報を検出する外界環境検出手段と、
   自車両の走行状態を検出する自車両状態検出手段と、
   前記外界環境検出手段により検出された障害物が取り得る移動軌跡の候補を複数生成する障害物移動軌跡候補生成手段と、
   前記障害物移動軌跡候補生成手段により生成された移動軌跡の各候補について、前記自車両状態検出手段により検出された自車両の走行状態に基づいて、障害物が移動軌跡に沿って動いた場合に自車両が障害物に接触することを回避可能な自車両の走行経路を算出する走行経路算出手段と、
   前記走行経路算出手段により算出された走行経路の中から最適な走行経路を選択する走行経路選択手段と
   を備えることを特徴とする走行経路生成装置。
2. 請求項１の走行経路生成装置において、
   前記外界環境検出手段は、自車両周囲の道路境界を検出し、
   前記障害物移動軌跡候補生成手段は、前記外界環境検出手段により検出された道路境界を考慮して障害物が取り得る移動軌跡の候補を生成し、
   前記走行経路算出手段は、前記外界環境検出手段により検出された道路境界内に留まりながら自車両が障害物に接触することを回避可能な走行経路を算出する
   ことを特徴とする走行経路生成装置。
3. 請求項１又は請求項２に記載の走行経路生成装置において、
   前記外界環境検出手段は、障害物の属性を推定し、
   前記障害物移動軌跡候補生成手段は、前記外界環境検出手段により推定された障害物の属性に基づいて障害物の移動軌跡の候補を生成する
   ことを特徴とする走行経路生成装置。
4. 請求項１乃至請求項３のうち、いずれか１項に記載の走行経路生成装置において、
   前記障害物移動軌跡候補生成手段により生成された移動軌跡の各候補の実現確率を推定する障害物移動軌跡確率推定手段を備え、
   前記走行経路選択手段は、推定された実現確率に基づいて最適な走行経路を選択する
   ことを特徴とする走行経路生成装置。
5. 請求項１乃至請求項４のうち、いずれか１項に記載の走行経路生成装置において、
   前記走行経路算出手段は、算出された走行経路の評価値を算出し、
   前記走行経路選択手段は、前記走行経路算出手段により算出された評価値に基づいて最適な走行経路を選択する
   ことを特徴とする走行経路生成装置。
6. 請求項１乃至請求項５のうち、いずれか１項に記載の走行経路生成装置において、
   前記自車両状態検出手段は、自車両の運転者の行動を検出し、
   前記走行経路算出手段は、前記自車両状態検出手段により検出された運転者の行動と前記障害物移動軌跡候補生成手段により生成された移動軌跡の候補との整合性の評価値を第１評価値として算出し、
   前記走行経路選択手段は、前記走行経路算出手段により算出された第１評価値に基づいて最適な走行経路を選択する
   ことを特徴とする走行経路生成装置。
7. 請求項１乃至請求項６のうち、いずれか１項に記載の走行経路生成装置において、
   前記自車両状態検出手段は、自車両に対する運転者の操作行動を検出し、
   前記走行経路算出手段は、前記自車両状態検出手段により検出された運転者の操作行動と算出した走行経路との整合性の評価値を第２評価値として算出し、
   前記走行経路選択手段は、前記走行経路算出手段により算出された第２評価値に基づいて最適な走行経路を選択する
   ことを特徴とする走行経路生成装置。
8. 請求項４乃至請求項７のうち、いずれか１項に記載の走行経路生成装置において、
   前記走行経路選択手段は、前記移動軌跡の候補の実現確率、走行経路の評価値、第１評価値、及び第２評価値の４つの要素のうちの少なくとも２つの要素に基づいて最適な走行経路を選択することを特徴とする走行経路生成装置。
9. 請求項８に記載の走行経路生成装置において、
   前記走行経路選択手段は、実現確率が所定値以上の移動軌跡の候補の中から第１評価値が最も高い移動軌跡に対する走行経路を最適な走行経路として選択することを特徴とする走行経路生成装置。
10. 請求項８又は請求項９に記載の走行経路生成装置において、
    前記走行経路選択手段は、第１評価値が所定値以上の移動軌跡の候補が存在しない場合、前記実現確率が最も高い移動軌跡に対応する走行経路を最適な走行経路として選択することを特徴とする走行経路生成装置。
11. 請求項８乃至請求項１０のうち、いずれか１項に記載の走行経路生成装置において、
    前記走行経路選択手段は、全ての移動軌跡の候補の実現確率及び第１評価値が所定値以下である場合、走行経路の評価値が最も低い移動軌跡に対応する走行経路を最適な走行経路として選択することを特徴とする走行経路生成装置。
12. 請求項８乃至請求項１１のうち、いずれか１項に記載の走行経路生成装置において、
    前記走行経路選択手段は、第２評価値が所定値以上である走行経路の中から走行経路を選択することを特徴とする走行経路生成装置。
13. 請求項８乃至請求項１２のうち、いずれか１項に記載の走行経路生成装置において、
    前記走行経路選択手段は、第２評価値が所定値未満である場合、走行経路を選択しないことを特徴とする走行経路生成装置。
14. 請求項１乃至請求項１３のうち、いずれか１項に記載の走行経路生成装置において、
    前記走行経路生成手段は、障害物の移動軌跡の最新の候補に対応する走行経路を所定時間間隔毎に１つずつ所定の順番に従って更新することを特徴とする走行経路生成装置。
15. 請求項１４に記載の走行経路生成装置において、
    前記走行経路生成手段は、前記走行経路の評価値に基づいて更新を行う走行経路の順番を決定することを特徴とする走行経路生成装置。
16. 請求項１４又は請求項１５に記載の走行経路生成装置において、
    前記走行経路生成手段は、更新前の走行経路に対する変化量を算出することにより走行経路を更新することを特徴とする走行経路生成装置。
17. 請求項１４乃至請求項１６のうち、いずれか１項に記載の走行経路生成装置において、
    前記走行経路生成手段は、障害物検出時から運転者の操作検出時までの間に走行経路を逐次更新し、走行経路選択手段は、運転者の操作検出時に走行経路を選択することを特徴とする走行経路生成装置。
18. 請求項１４乃至請求項１７のうち、いずれか１項に記載の走行経路生成装置において、
    前記走行経路生成手段は、前記移動軌跡の候補の実現確率、走行経路の評価値、第１評価値、及び第２評価値のうちの少なくとも１つが所定値未満である走行経路を更新しないことを特徴とする走行経路生成装置。
19. 請求項１乃至請求項１８のうち、いずれか１項に記載の走行経路生成装置において、
    前記外界環境検出手段により検出された情報と前記自車両状態検出手段により検出された自車両の走行状態とに基づいて、前記運転者が取りうる車両操作の候補を生成する操作候補生成手段を備え、
    前記走行経路算出手段は、前記障害物移動軌跡候補生成手段により生成された移動軌跡の候補と前記操作候補生成手段により生成された車両操作の候補の各組み合わせについて、前記自車両状態検出手段により検出された自車両の走行状態に基づいて、障害物が移動軌跡に沿って動いた場合に自車両が障害物に接触することを回避可能な自車両の走行経路を算出することを特徴とする走行経路生成装置。
20. 請求項１９に記載の走行経路生成装置において、
    前記車両操作の候補には、右方向操舵、左方向操舵、制動操作、右方向操舵と制動操作の組み合わせ、及び左方向操舵と制動操作の組み合わせのうちの少なくとも１つの車両操作が含まれることを特徴とする走行経路生成装置。
21. 請求項１９又は請求項２０に記載の走行経路生成装置において、
    前記操作候補生成手段は、前記外界環境検出手段により検出された障害物に対する自車両の相対距離及び相対速度、前記自車両状態検出手段により検出された自車両の速度及び自車両が走行する道路に関する情報のうちの少なくとも１つの情報に基づいて前記車両操作の候補を生成することを特徴とする走行経路生成装置。
22. 自車両周囲に存在する障害物が取り得る移動軌跡の候補を複数生成する処理と、
    生成された移動軌跡の各候補について、自車両の走行状態に基づいて、障害物が移動軌跡に沿って動いた場合に自車両が障害物に接触することを回避可能な自車両の走行経路を算出する処理と、
    算出された走行経路の中から最適な走行経路を選択する処理と
    を有することを特徴とする走行経路生成方法。
23. 自車両周囲に存在する障害物の位置情報を含む自車両の外界環境に関する情報を検出する外界環境検出手段と、
    自車両の走行状態を検出する自車両状態検出手段と、
    前記外界環境検出手段により検出された障害物が取り得る移動軌跡の候補を複数生成する障害物移動軌跡候補生成手段と、
    前記障害物移動軌跡候補生成手段により生成された移動軌跡の各候補について、前記自車両状態検出手段により検出された自車両の走行状態に基づいて、障害物が移動軌跡に沿って動いた場合に自車両が障害物に接触することを回避可能な自車両の走行経路を算出する走行経路算出手段と、
    前記走行経路算出手段により算出された走行経路の中から最適な走行経路を選択する走行経路選択手段と、
    前記走行経路選択手段により選択された走行経路に沿って走行するように自車両を制御する走行支援手段と
    を備えることを特徴とする運転操作支援装置。