JP2012198774A - 規範車速算出装置及びプログラム - Google Patents

Abstract

【課題】未知場面に対しても頑健に規範となる車速を算出することができるようにする。
【解決手段】交差点検出部３６によって、自車両前方の対象領域内の交差点及び交差点の形状を検出する。交差点が検出された場合、道路環境検出部４０によって、検出された交差点について、交差点の形状と交差点周辺の道路環境とに関する道路環境特徴量を検出する。規範車速算出部４４によって、検出された道路環境特徴量と、予め求めた重み付けとを用いた重み付け線形和を算出して、交差点通過時の規範となる車速を算出する。
【選択図】図１

Description

本発明は、規範車速算出装置及びプログラムに係り、特に、交差点通過時又は静止物の周辺通過時の規範となる車速を算出する規範車速算出装置及びプログラムに関する。

従来より、実際の環境下での経験をシステムが自律的に学習し、多様な外界環境に対して危険度の認識を可能とするオンラインリスク学習システムが知られている（特許文献１）。このオンラインリスク学習システムは、画像の特徴量を自動抽出し、運転者の運転操作との関係を学習しておくことで実現されている。

また、交差点や合流点において自車両が衝突危険度の高い状況下にあるとき、運転者に対して警告することにより、自車両の衝突を予防する交差点衝突予防装置が知られている（特許文献２）。この交差点衝突予防装置は、交差点での事故形態をデータベースで待ち、センサ情報から検索してスコア付けを行うことで実現されている。

特開２００８−２３８８３１号公報 特開２００５−１７３７０３号公報

しかしながら、上記の特許文献１に記載の技術では、アクセルペダル・ブレーキペダルの操作およびハンドルの操作量から定義したリスクを認識しており、ある場面における規範となる速度を算出することができない、という問題がある。

また、上記の特許文献２に記載の技術では、交差点や合流点での様々な交通状況におけるリスクのデータベースを必要としており、必ずしも実際に起こる全ての状況に対して対処できるとは限らない、という問題がある。

本発明は、上記の問題点を解決するためになされたもので、未知場面に対しても頑健に規範となる車速を算出することができる規範車速算出装置及びプログラムを提供することを目的とする。

上記の目的を達成するために第１の発明に係る規範車速算出装置は、自車両前方の対象領域内の交差点及び交差点の形状を検出する交差点検出手段と、前記交差点検出手段によって検出された前記交差点について、交差点の形状と交差点周辺の道路環境とに関する複数の属性の各々に対して予め定めた複数の分類の何れに該当するか否かを検出する属性検出手段と、前記属性検出手段によって検出された前記複数の属性の各々に対する分類と、前記複数の属性の各々に対する各分類について予め求めた重み付けとを用いた重み付け線形和を算出して、交差点通過時の規範となる車速を算出する規範車速算出手段と、を含んで構成されている。

また、第２の発明に係るプログラムは、コンピュータを、自車両前方の対象領域内の交差点及び交差点の形状を検出する交差点検出手段、前記交差点検出手段によって検出された前記交差点について、交差点の形状と交差点周辺の道路環境とに関する複数の属性の各々に対して予め定めた複数の分類の何れに該当するか否かを検出する属性検出手段、及び前記属性検出手段によって検出された前記複数の属性の各々に対する分類と、前記複数の属性の各々に対する各分類について予め求めた重み付けとを用いた重み付け線形和を算出して、交差点通過時の規範となる車速を算出する規範車速算出手段として機能させるためのプログラムである。

第１の発明及び第２の発明によれば、交差点検出手段によって、自車両前方の対象領域内の交差点及び交差点の形状を検出する。属性検出手段によって、前記交差点検出手段によって検出された前記交差点について、交差点の形状と交差点周辺の道路環境とに関する複数の属性の各々に対して予め定めた複数の分類の何れに該当するか否かを検出する。

そして、規範車速算出手段によって、前記属性検出手段によって検出された前記複数の属性の各々に対する分類と、前記複数の属性の各々に対する各分類について予め求めた重み付けとを用いた重み付け線形和を算出して、交差点通過時の規範となる車速を算出する。

このように、検出された、交差点の形状と交差点周辺の道路環境とに関する複数の属性の各々に対する分類の重み付け線形和を算出して、交差点通過時の規範となる車速を算出することにより、未知場面に対しても頑健に規範となる車速を算出することができる。

第３の発明に係る規範車速算出装置は、自車両前方の対象領域内の静止物を検出する静止物検出手段と、前記静止物検出手段によって検出された前記静止物について、静止物周辺の道路環境に関する複数の属性の各々に対して予め定めた複数の分類の何れに該当するか否かを検出する属性検出手段と、前記属性検出手段によって検出された前記複数の属性の各々に対する分類と、前記複数の属性の各々に対する各分類について予め求めた重み付けとを用いた重み付け線形和を算出して、前記静止物の周辺通過時の規範となる車速を算出する規範車速算出手段と、を含んで構成されている。

第４の発明に係るプログラムは、コンピュータを、自車両前方の対象領域内の静止物を検出する静止物検出手段、前記静止物検出手段によって検出された前記静止物について、静止物周辺の道路環境に関する複数の属性の各々に対して予め定めた複数の分類の何れに該当するか否かを検出する属性検出手段、及び前記属性検出手段によって検出された前記複数の属性の各々に対する分類と、前記複数の属性の各々に対する各分類について予め求めた重み付けとを用いた重み付け線形和を算出して、前記静止物の周辺通過時の規範となる車速を算出する規範車速算出手段として機能させるためのプログラムである。

第３の発明及び第４の発明によれば、静止物検出手段によって、自車両前方の対象領域内の静止物を検出する。属性検出手段によって、前記静止物検出手段によって検出された前記静止物について、静止物周辺の道路環境に関する複数の属性の各々に対して予め定めた複数の分類の何れに該当するか否かを検出する。

そして、規範車速算出手段によって、前記属性検出手段によって検出された前記複数の属性の各々に対する分類と、前記複数の属性の各々に対する各分類について予め求めた重み付けとを用いた重み付け線形和を算出して、前記静止物の周辺通過時の規範となる車速を算出する。

このように、検出された、静止物周辺の道路環境とに関する複数の属性の各々に対する分類の重み付け線形和を算出して、静止物の周辺通過時の規範となる車速を算出することにより、未知場面に対しても頑健に規範となる車速を算出することができる。

上記第１の発明及び第３の発明に係る軌範車速算出装置は、障害物との衝突を回避するように運転介入制御を行う運転支援手段と、自車両の車速を検出する車速検出手段と、前記規範車速算出手段によって算出された前記規範となる車速と、前記車速検出手段によって検出された自車両の車速との差又は比に基づいて、自車両のドライバが前記運転支援手段を過信しているか否かを判定する過信判定手段と、を更に含むようにすることができる。これによって、ドライバが、運転介入制御を行う運転支援手段を過信しているか否かを判定することができる。

上記の過信判定手段を含む第１の発明及び第３の発明に係る軌範車速算出装置は、前記過信判定手段によって、自車両のドライバが前記運転支援手段を過信していると判定された場合、前記運転支援手段による前記運転介入制御の作動により実現される交差点通過時の車速又は静止物の周辺通過時の車速を推定する通過時車速推定手段と、前記通過時車速推定手段によって推定された車速が閾値以上であった場合には、警報を出力する警報出力手段と、を更に含むことができる。

上記の第１の発明に係る軌範車速算出装置は、規範的な走行に関して、交差点通過時の車速、及び前記属性検出手段によって検出された前記複数の属性の各々に対する分類を、学習データとして複数生成する学習データ生成手段と、前記学習データ生成手段によって生成された複数の学習データに基づいて、前記複数の属性の各々に対する各分類の前記重み付けを学習する重み付け学習手段とを更に含み、前記規範車速算出手段は、前記重み付け学習手段によって学習された前記重み付けを用いて、前記交差点通過時の規範となる車速を算出するようにすることができる。

上記の第３の発明に係る軌範車速算出装置は、規範的な走行に関して、静止物の周辺通過時の車速、及び前記属性検出手段によって検出された前記複数の属性の各々に対する分類を、学習データとして複数生成する学習データ生成手段と、前記学習データ生成手段によって生成された複数の学習データに基づいて、前記複数の属性の各々に対する各分類の前記重み付けを学習する重み付け学習手段とを更に含み、前記規範車速算出手段は、前記重み付け学習手段によって学習された前記重み付けを用いて、前記静止物の周辺通過時の規範となる車速を算出するようにすることができる。

上記の重み付け学習手段は、前記学習データ生成手段によって生成された複数の学習データに基づいて、前記重み付け線形和を用いた重回帰式に対する前記重回帰分析により、前記複数の属性の各々に対する各分類の前記重み付けを学習するようにすることができる。

また、上記の重回帰式は、定数項と前記重み付け線形和とで表わされ、前記定数項を、法定車速とし、前記重み付け線形和を、前記法定車速からの減速分とすることができる。

以上説明したように、本発明の規範車速算出装置及びプログラムによれば、検出された、交差点の形状と交差点周辺の道路環境とに関する複数の属性の各々に対する分類の重み付け線形和を算出して、又は検出された、静止物周辺の道路環境とに関する複数の属性の各々に対する分類の重み付け線形和を算出して、交差点通過時の規範となる車速又は静止物の周辺通過時の規範となる車速を算出することにより、未知場面に対しても頑健に規範となる車速を算出することができる、という効果が得られる。

本発明の第１の実施の形態に係る規範車速算出装置を示すブロック図である。 Ｔ字路を示すイメージ図である。 交差点に関する道路環境特徴量の例を示す図である。 静止障害物に関する道路環境特徴量の例を示す図である。 道路環境特徴量に対する重み付けの例を示す図である。 熟練運転者の走行データの例を示すグラフである。 交差点に関する道路環境特徴量を収集した結果を示す図である。 静止障害物に関する道路環境特徴量を収集した結果を示す図である。 実測速度と回帰速度との関係を示すグラフである。 本発明の第１の実施の形態に係る規範車速算出装置における規範車速算出処理ルーチンの内容を示すフローチャートである。 本発明の第２の実施の形態に係る規範車速算出装置を示すブロック図である。 本発明の第２の実施の形態に係る規範車速算出装置における規範車速算出処理ルーチンの内容を示すフローチャートである。

以下、図面を参照して本発明の実施の形態を詳細に説明する。なお、本実施の形態では、車両に搭載された規範車速算出装置に、本発明を適用した場合を例に説明する。

図１に示すように、第１の実施の形態に係る規範車速算出装置１０は、自車両の前方に対してレーザを１次元（水平方向）に走査しながら照射し、レーザの反射によりレーザが照射された物体の２次元位置を検出するレーザレーダ１２と、自車両の前方を撮影するカメラ１４と、自車両の位置を検出するＧＰＳ装置１６と、自車両の車速を検出する車速センサ１８と、これらの検出結果に基づいて、規範となる車速を算出して、出力装置２０により出力するコンピュータ２２とを備えている。また、自車両は、制動介入制御を行う運転支援システム２４を搭載しており、コンピュータ２２は、各種検出結果を、運転支援システム２４に出力する。運転支援システム２４は、例えば、ＰＣＳ等をはじめとする衝突回避機能つき被害低減システムであって、各種検出結果に応じて作動することにより、制動介入制御を行うものである。なお、運転支援システム２４による制動介入制御については、従来既知の手法を用いればよいため、説明を省略する。

また、レーザレーダ１２は、車両前方に設置され、装置を基準とする車両前方に存在する物体までの距離を検出する装置であり、出力するレーザを水平方向に走査することで、レーザの反射により自車両前方に存在する複数の物体表面上の複数の点の位置を検出することができる。レーザレーダ１２による検出結果は、自車両前方に存在する物体表面のある点の位置を表す２次元座標の集合である。レーザレーダ１２による検出処理は一定サイクルで実行され、レーザレーダ１２は、各時点での自車両前方に存在する物体表面の複数の点の２次元位置を示すデータをコンピュータ２２に出力する。

カメラ１４は、小型のＣＣＤカメラ又はＣＭＯＳカメラで構成され、車両の前方を撮影するように、例えば車両のフロントウィンドウ上部等に取り付けられている。カメラ１４で撮影された前方の道路状況等の画像データは、コンピュータ２２に入力される。

コンピュータ２２は、ＣＰＵ、後述する規範車速算出処理ルーチンを実行するためのプログラムを記憶したＲＯＭ、データ等を記憶するＲＡＭ、及びこれらを接続するバスを含んで構成されている。このコンピュータ２２をハードウエアとソフトウエアとに基づいて定まる機能実現手段毎に分割した機能ブロックで説明すると、図１に示すように、電子地図を記憶した地図データベース３０と、レーザレーダ１２により検出された物体の２次元位置、カメラ１４によって撮影された前方画像、記憶された電子地図、及びＧＰＳ装置１６によって検出された自車両の位置を取得する情報取得部３２と、車速センサ１８により検出された車速を取得する車速取得部３４と、情報取得部３２によって取得された各種情報に基づいて、自車両前方の対象領域内に存在する交差点及び交差点の形状を検出する交差点検出部３６と、情報取得部３２によって取得された各種情報に基づいて、自車両前方の対象領域内に存在する静止障害物を検出する静止障害物検出部３８と、情報取得部３２によって取得された各種情報に基づいて、検出された交差点又は静止障害物の周辺の道路環境に関する道路環境特徴量を検出する道路環境検出部４０と、道路環境特徴量に対する重みを記憶した重み記憶部４２と、道路環境検出部４０によって検出された道路環境特徴量及び重み記憶部４２に記憶された重みを用いて、交差点通過時または静止障害物周辺を通過する時の規範車速を算出する規範車速算出部４４とを備えている。なお、道路環境検出部４０は、属性検出手段の一例である。

地図データベース３０に記憶されている電子地図には、道路形状や標識表示（例えば、信号や一旦停止など）、周辺地域種別（例えば、スクールゾーン、商店街、住宅街）に関する情報が格納されている。

交差点検出部３６は、ＧＰＳ装置１６によって検出された位置情報と地図データベース３０に記憶された電子地図とに基づいて、自車両前方の対象領域内に存在する交差点とその交差点の形状（例えば、図２に示すようなＴ字路（左）交差点）を検出する。

静止障害物検出部３８は、レーザレーダ１２により検出された物体の２次元位置、及びカメラ１４によって撮影された前方画像に基づいて、自車両前方の対象領域内に存在する静止障害物（例えば、駐車車両）を検出する。

例えば、レーザレーダ１２により検出された物体の２次元位置の時間差分をとることによって、移動物と静止障害物とを識別すると共に、その大きさを推定する。また、画像認識技術（学習型のパターン認識技術（例えばＳＶＭ））により駐車車両や工事看板などを識別すると共に、その大きさを推定する。

道路環境検出部４０は、ＧＰＳ装置１６によって検出された位置情報と、地図データベース３０に記憶された電子地図と、レーザレーダ１２により検出された物体の２次元位置と、カメラ１４によって撮影された前方画像とに基づいて、検出された交差点又は静止障害物の周辺の道路環境に関する道路環境特徴量を検出する。交差点周辺の道路環境特徴量は、図３に示すように、交差点の形状と交差点周辺の道路環境とに関する複数の属性（例えば、交差点形状、歩道−車道境界、道路幅、中央線）の各々に対して予め定めた複数の分類（例えば、「交差点形状」に対する、十字路、Ｔ字路（左）、Ｔ字路（中）、Ｔ字路（右）や、「歩道−車道境界」に対する、なし、白線、縁石、ガードレール・植込、段差など）の何れに該当するかを示したものである。

静止物周辺の道路環境特徴量は、図４に示すように、交差点周辺の道路環境とに関する複数の属性（例えば、周辺横断歩道の有無、歩道−車道境界、道路幅、道路幅員数、中央線、自車路の優先／非優先、信号、交通標識、周辺地域種別など）の各々に対して予め定めた複数の分類（例えば、「周辺横断歩道の有無」に対する有、無や、「歩道−車道境界」に対する、なし、白線、縁石、ガードレール・植込、「中央線」に対する、あり、なし、線、構造物（分離帯）など）の何れに該当するかを示したものである。

また、道路環境検出部４０は、例えば、カメラ１４によって撮影された前方画像に対する画像認識技術及び地図データベース３０に記憶された電子地図によって、歩道−車道境界や中央線の有無を検出する。また、道路環境検出部４０は、レーザレーダ１２及び地図データベース３０に記憶された電子地図により検出された物体の２次元位置によって、歩道−車道境界の構造物（縁石、ガードレール・植込み）を認識する。また、道路環境検出部４０は、レーザレーダ１２により検出された物体の２次元位置、又はＧＰＳ装置１６によって検出された位置情報及び地図データベース３０に記憶された電子地図に基づいて、道路幅を検出する。

ここで、本実施の形態の原理について説明する。

運転指導員（安全運転に関する熟練ドライバと見なせる）の運転行動データを分析したところ、歩行者・他車が見えない場合でも、交差点および静止障害物の通過時には、飛出しや出会い頭事故を回避に備えて法定速度以下で走行していた。また、その通過車速は道路環境特徴量の重み付き線形和で推定することが可能であるとの知見が得られた。

そこで、本実施の形態では、重み記憶部４２に、図５に示すように、後述する重み学習部４８によって学習された道路環境特徴量の各属性における各分類に対して、道路環境特徴量の重み付き線形和で用いる重みβを記憶している。

規範車速算出部４４は、重み記憶部４２に記憶された重みと、道路環境検出部４０によって検出された道路環境特徴量とに基づいて、以下の（１）式に従って、交差点通過時又は静止障害物の周辺通過時の規範となる速度を算出する。

ただし、Ｖを規範となる速度とし、Ｆ_ｋを道路環境特徴量のｋ番目の特徴量とする。また、Ｆ_ｋはカテゴリカル型であり、ダミー変数とする。

本実施の形態では、定数項が０（α＝０）とした以下の（２）式を用いることとする。

規範車速算出部４４は、例えば、上記図３で示した道路環境特徴量及び上記図５で説明した重み付けの例では、以下の式のように、交差点通過時の規範となる速度を算出する。
交差点通過時の規範となる速度＝２９．７−３．３−４．６＝２１．８［ｋｍ／ｈ］
また、コンピュータ２２は、更に、規範となる運転者（例えば、熟練運転者）が運転しているときの、交差点通過時の車速及びその交差点について検出される道路環境特徴量を取得すると共に、静止障害物の周辺通過時の車速及びその静止障害物の周辺について検出される道路環境特徴量を取得し、学習データを複数生成する学習データ生成部４６と、複数の学習データに基づいて、重回帰分析を行って、上記（２）式の重回帰式における重み（回帰係数）を、道路環境特徴量の各属性における各分類に対する重みとして学習する重み学習部４８とを備えている。

学習データ生成部４６は、まず、図６に示すように、熟練運転者の走行データを収集し、交差点通過時の車速データ及び静止障害物の周辺通過時の車速データを抽出する。また、学習データ生成部４６は、図７に示すように、対象交差点の周辺の道路環境特徴量について集計すると共に、同様に、図８に示すように、静止障害物の周辺の道路環境特徴量を集計し、交差点通過時の学習データを複数生成すると共に、静止障害物の周辺通過時の学習データを複数生成する。

重み学習部４８は、学習データ生成部４６によって生成された交差点通過時の学習データに対して、統計パッケージソフトなどを用いて、図９に示すように、重回帰分析を行って、求められた回帰係数を、重みとして重み記憶部４２に格納する。ここでは、ＡＩＣ基準によりモデル選択を行う。また同様に、静止障害物の周辺通過時の学習データに対して、重回帰分析を行って、求められた回帰係数を、重みとして重み記憶部４２に格納する。なお、重み学習部４８による重回帰分析は、上記（２）式で示される重回帰式を用いて行われる。

コンピュータ２２は、更に、規範となる速度と現在の自車両の速度との乖離度を算出し、予め定めた第１閾値Ｔｈｒ１以上である場合には、運転支援システム２４に対して過信・依存していると判定する過信・依存判定部５０と、運転支援システム２４が作動した場合に達成される車速を推定するシステム達成車速推定部５２と、推定された車速が第２閾値Ｔｈｒ２である場合に、出力装置２０により警報を出力させる警報制御部５４とを備えている。

過信・依存判定部５０は、規範車速算出部４４によって算出された規範となる速度と、車速取得部３４によって取得された現在の自車両の速度との乖離度を算出し、算出した乖離度が予め定めた第１閾値Ｔｈｒ１以上である場合には、自車両のドライバが運転支援システム２４に対して過信・依存していると判定する。

乖離度としては、規範となる速度Ｖ_rcm［ｋｍ／ｈ］と現車速Ｖ_cur［ｋｍ／ｈ］との差分（Ｖ_cur−Ｖ_rcm）を用いればよい。閾値１（Ｔｈｒ１）［ｋｍ／ｈ］は固定値（例えば、２０［ｋｍ／ｈ］）としてもよく、あるいは、例えば地図データベース３０の電子地図データとＧＰＳ装置１６を用いて識別される法定速度Ｖ_legal［ｋｍ／ｈ］を用いて以下のように定めてもよい。
ｍａｘ（２０，０．３×Ｖ_legal）［ｋｍ／ｈ］
過信・依存判定部５０は、Ｖ_cur−Ｖ_rcm≧Ｔｈｒ１の場合に、ドライバが運転支援システム２４に対して過信・依存していると判定する。

システム達成車速推定部５２は、過信・依存判定部５０によって、運転支援システム２４に対して過信・依存していると判定された場合、交差点および静止障害物の周辺の通過時の運転支援システム２４の作動により達成可能な車速Ｖ_achv［ｋｍ／ｈ］を算出する。

例えば、交差点通過の場合、以下の式に従って、運転支援システム２４の作動により達成可能な車速Ｖ_achv［ｋｍ／ｈ］を算出する。

ただし、Ｄ_achvを、規範となる車速を計算した交差点までの残り距離［ｍ］、ΔＴを、システム作動開始に必要な所要時間［ｓ］とし、Ｇ_achvをシステム作動時の制動加速度設定値［ｍ／ｓ^２］とする。例えば、Ｄ_achv＝３０，Ｇ_achv＝４，ΔＴ＝０．５，Ｖ_cuv＝５４とするとＶ_achv＝２４となる。

警報制御部５４は、運転支援システム２４の作動により達成可能な車速Ｖ_achv［ｋｍ／ｈ］が予め定められた第２閾値（Ｔｈｒ２）［ｋｍ／ｈ］以上であれば、運転支援システム２４が有効に作動しないと判断し、出力装置２０により警報を出力させる。

第２閾値Ｔｈｒ２は、固定値（例えば、１５［ｋｍ／ｈ］）であってもよく、以下の式に示すように、法定速度に応じて設定される値であってもよい。
ｍａｘ（１５，０．５×Ｖ_legal）［ｋｍ／ｈ］
出力装置２０は、視覚的、聴覚的、触覚的な提示により、運転支援システム２４が有効に作動しないことをドライバに対して告知するように、警報を出力する。出力装置２０は、例えば、あらかじめ記録した音声データ（“システムＡ作動範囲外です”）を出力するスピーカーであってもよく、システム作動時に発光するインジケータであって、通常作動時と異なる発光パターン（例点滅）を出力するインジケータであってもよい。

次に、本実施の形態に係る規範車速算出装置１０の作用について説明する。

まず、レーザレーダ１２によって、レーザが自車両の前方を水平方向に走査されて、走査方向に並んだレーザ照射位置としての物体の２次元位置の各々までの距離が計測され、自車両の前方に存在する物体の２次元位置が検出される。レーザレーダ１２によって検出される２次元位置は、レーザを走査する毎に得られる。

また、車速センサ１８によって、車速が繰り返し検出され、ＧＰＳ装置１６によって、自車両の位置が繰り返し計測され、また、カメラ１４によって、前方の画像が撮影される。

規範となるドライバが運転しているときに、学習処理の開始が指示されると、コンピュータ２２は、カメラ１４により撮影された前方画像、ＧＰＳ装置１６によって検出された自車両位置、レーザレーダ１２の計測データ、及び車速センサ１８により検出された車速を取得する。そして、コンピュータ２２は、上記で取得した自車両位置、及び地図データベース３０の電子地図に基づいて、自車両前方の対象領域内に存在する交差点を検出し、上記で取得した前方画像、レーザレーダ１２の計測結果、自車両位置、及び地図データベース３０の電子地図に基づいて、交差点の周辺の道路環境特徴量を検出する。

また、コンピュータ２２は、上記で取得した前方画像、及びレーザレーダ１２の計測結果に基づいて、自車両前方の対象領域内に存在する静止障害物を検出し、上記で取得した前方画像、レーザレーダ１２の計測結果、自車両位置、及び地図データベース３０の電子地図に基づいて、交差点の周辺の道路環境特徴量を検出する。

また、コンピュータ２２は、検出された道路環境特徴量と交差点又は静止物の周辺を通過したときに検出された自車両の車速（側方通過速度）との組み合わせを学習データとして複数収集する。

次に、コンピュータ２２は、収集した交差点通過時に関する複数の学習データに基づいて、重回帰分析を行って、交差点通過時に関する道路環境特徴量における各属性の各分類に対する重みを学習し、重み記憶部４２に記憶する。また、コンピュータ２２は、収集した静止障害物の周辺通過時に関する複数の学習データに基づいて、重回帰分析を行って、静止障害物の周辺通過時に関する道路環境特徴量における各属性の各分類に対する重みを学習し、重み記憶部４２に記憶する。

そして、コンピュータ２２によって、図１０に示す規範車速算出処理ルーチンが実行される。

まず、ステップ１００において、カメラ１４により撮影された前方画像、ＧＰＳ装置１６によって検出された自車両位置、及び当該自車両位置の地図データを取得する。次に、ステップ１０２において、レーザレーダ１２から、前方に存在する物体の２次元位置（走査方向に並んだ各２次元位置までの計測距離）を示すデータを取得し、ステップ１０４において、車速センサ１８により検出された車速を取得する。

そして、ステップ１０６において、上記で取得した自車両位置、及び地図データベース３０の電子地図に基づいて、自車両の前方の対象領域内に存在する交差点及び交差点の形状を検出し、交差点が検出されたか否かを判定する。交差点が検出された場合には、後述するステップ１１０へ移行する。一方、交差点が検出されなかった場合には、ステップ１０８において、上記で取得した前方画像、及びレーザレーダ１２の計測結果に基づいて、自車両前方の対象領域内に存在する静止障害物を検出し、静止障害物が検出されたか否かを判定する。静止障害物が検出された場合には、後述するステップ１１０へ移行する。一方、静止障害物が検出されなかった場合には、上記ステップ１００へ戻る。

ステップ１１０では、上記で取得した自車両位置、地図データベース３０の電子地図、前方画像、及びレーザレーダ１２の計測結果に基づいて、交差点周辺又は静止障害物周辺に関する道路環境特徴量を検出する。

ステップ１１２において、道路環境特徴量に対する重みを重み記憶部４２から取得する。そして、ステップ１１４において、上記ステップ１１０で検出された道路環境特徴量と、上記ステップ１１２で取得した重みとを用いて、上記（２）式に従って、交差点通過時または静止障害物の周辺通過時の規範となる速度を算出する。

次のステップ１１６では、上記ステップ１０４で取得された現在の自車両の速度と上記ステップ１１４で算出された規範となる速度との差分が第１閾値以上であるか否かを判定する。速度の差分が第１閾値未満である場合には、上記ステップ１００へ戻るが、一方、速度の差分が第１閾値以上である場合には、運転支援システム２４に対して過信・依存していると判断し、ステップ１１８において、運転支援システム２４が作動することにより達成される車速を算出する。

そして、ステップ１２０において、上記ステップ１１８で算出された車速が、第２閾値以上であるか否かを判定し、第２閾値未満であれば、上記ステップ１００へ戻るが、一方、第２閾値以上であれば、ステップ１２２へ移行する。ステップ１２２では、運転支援システム２４が有効に作動しないことを示す警報を出力するように出力装置２０を制御して、上記ステップ１００へ戻る。

以上説明したように、第１の実施の形態に係る規範車速算出装置によれば、交差点の形状と交差点周辺の道路環境とに関する複数の属性の各々に対する該当する分類を示す道路環境特徴量を検出し、道路環境特徴量と予め学習された重み付けとを用いた重み付け線形和を算出して、交差点通過時の規範となる車速を算出することにより、未知場面に対しても頑健に規範となる車速を算出することができる。また、静止障害物周辺の道路環境に関する複数の属性の各々に対する該当する分類を示す道路環境特徴量を検出し、道路環境特徴量と予め学習された重み付けとを用いた重み付け線形和を算出して、静止障害物の周辺通過時の規範となる車速を算出することにより、未知場面に対しても頑健に規範となる車速を算出することができる。
また、道路毎に定められている法定速度は、安全速度の１つの目安となるが、交差点通過時もしくは静止障害物の周辺通過時には、飛び出しや出会い頭事故を回避するために法定速度以下で通過することが望ましい。本実施の形態では、道路環境特微量を用いることにより道路環境毎に交差点通過時および静止障害物の周辺通過時の規範車速を算出することができ、超過速度に対する警報などの様々な運転支援に用いることにより、事故の発生を低減させることができる。

また、ドライバが、交差点の通過時および静止障害物の周辺通過時の規範車速から大きく乖離して走行する場合、ドライバが、衝突回避機能つき運転支援システムに対して過信・依存していると考えることができる。このようなドライバに対して、運転支援システムが有効に作動しないこと（システムの作動限界）を積極的に告知することができ、適切な運動行動を促すことができる。

また、交差点場面および静止障害物場面を抽象化し、明確な意味を持つ属性を用いた道路環境特徴量を検出すると共に、通過車速の推定に寄与度が大きい道路環境特徴量に対して重みを持たせることにより、未知場面に対しても頑健に、熟練ドライバの通過車速（もしくはこれを念頭に置いて設定した車速）を算出することができる。

次に、第２の実施の形態に係る規範車速算出装置について説明する。なお、第１の実施の形態と同様の構成となる部分については、同一符号を付して説明を省略する。

第２の実施の形態では、算出された交差点通過時の規範となる速度を、記憶しておき、再度同じ交差点を通過するときに、記憶しておいた交差点通過時の規範となる速度を適用するようにした点が、第１の実施の形態と異なっている。

図１１に示すように、第２の実施の形態に係る規範車速算出装置２１０のコンピュータ２２２は、地図データベース３０と、情報取得部３２と、車速取得部３４と、交差点検出部３６と、静止障害物検出部３８と、道路環境検出部４０と、重み記憶部４２と、規範車速算出部４４と、学習データ生成部４６と、重み学習部４８と、過信・依存判定部５０と、システム達成車速推定部５２と、警報制御部５４と、規範車速算出部４４によって算出された交差点通過時の規範となる速度を、当該交差点に対応させて規範車速データベース２３２に記憶させる規範車速更新部２３０と、各交差点について算出された交差点通過時の規範となる速度を記憶した規範車速データベース２３２と、交差点検出部３６によって検出された交差点に対応する、交差点通過時の規範となる速度を、規範車速データベース２３２から検索して、過信・依存判定部５０へ出力する規範車速検索部２３４とを備えている。

ここで、交差点の位置やその周辺の道路環境は比較的長期間変わらない。従って、過去に通過した交差点の規範車速をデータベースに記録しておけば、データベースに登録済みの交差点を通過する際に、データベース中の規範車速を用いることができる。

そこで、本実施の形態では、規範車速更新部２３０によって、規範車速算出部４４によって算出された交差点通過時の規範となる速度を、当該交差点に対応させて規範車速データベース２３２に記憶させる。このとき、交差点に関する情報として、ＧＰＳ装置１６によって検出された位置情報が、規範となる速度と共に、規範車速データベース２３２に記憶される。

規範車速データベース２３２には、複数の交差点と対応させて、当該交差点について規範車速算出部４４によって算出された、交差点通過時の規範となる速度が記憶されている。

規範車速検索部２３４は、交差点検出部３６によって交差点が検出されると、ＧＰＳ装置１６によって検出された位置情報をキーとして、規範車速データベース２３２から、当該交差点に対応する交差点通過時の規範となる速度を検索する。

該当する交差点通過時の規範となる速度が検索された場合には、規範車速算出部４４によって規範となる速度を算出せずに、検索された規範となる速度が過信・依存判定部５０に出力される。

次に、第２の実施の形態に係る規範車速算出処理ルーチンについて図１２を用いて説明する。なお、第１の実施の形態と同様の処理については、同一符号を付して詳細な説明を省略する。

まず、ステップ１００において、カメラ１４により撮影された前方画像、ＧＰＳ装置１６によって検出された自車両位置、及び当該自車両位置の地図データを取得する。次に、ステップ１０２において、レーザレーダ１２から、前方に存在する物体の２次元位置を示すデータを取得し、ステップ１０４において、車速センサ１８により検出された車速を取得する。

そして、ステップ１０６において、自車両の前方の対象領域内に存在する交差点及び交差点の形状を検出し、交差点が検出されたか否かを判定する。交差点が検出された場合には、後述するステップ２５０へ移行する。一方、交差点が検出されなかった場合には、ステップ１０８において、自車両前方の対象領域内に存在する静止障害物を検出し、静止障害物が検出されたか否かを判定する。静止障害物が検出された場合には、ステップ１１０へ移行する。一方、静止障害物が検出されなかった場合には、上記ステップ１００へ戻る。

ステップ２５０では、上記ステップ１００で取得した自車両位置をキーとして、上記ステップ１０６で検出された交差点に対応して記憶された交差点通過時の規範となる速度を、規範車速データベース２３２から検索する。そして、ステップ２５２において、上記ステップ２５０で、該当する交差点通過時の規範となる速度が検索されたか否かを判定し、該当する交差点通過時の規範となる速度が検索された場合には、ステップ１１６へ移行するが、一方、該当する交差点通過時の規範となる速度が検索されなかった場合には、ステップ１１０へ移行する。

ステップ１１０では、交差点周辺又は静止障害物周辺に関する道路環境特徴量を検出する。ステップ１１２において、道路環境特徴量に対する重みを重み記憶部４２から取得する。そして、ステップ１１４において、交差点通過時または静止障害物の周辺通過時の規範となる速度を算出する。

次のステップ２５４では、上記ステップ１１４で算出した速度が、交差点通過時の規範となる速度であるか否かを判定し、交差点通過時の規範となる速度である場合には、ステップ２５６において、上記ステップ１００で取得した自車両位置と共に、上記ステップ１１４で算出された交差点通過時の規範となる速度を、規範車速データベース２３２に登録して、ステップ１１６へ移行する。一方、上記ステップ２５４で、算出した速度が、交差点通過時の規範となる速度ではないと判定された場合には、ステップ１１６へ移行する。

ステップ１１６では、上記ステップ１０４で取得された現在の自車両の速度と、上記ステップ１１４で算出された規範となる速度又は上記ステップ２５０で検索された規範となる速度との差分が、第１閾値以上であるか否かを判定する。速度の差分が第１閾値未満である場合には、上記ステップ１００へ戻るが、一方、速度の差分が第１閾値以上である場合には、ステップ１１８において、運転支援システム２４が作動することにより達成される、交差点通過時または静止障害物の周辺通過時の車速を算出する。

そして、ステップ１２０において、上記ステップ１１８で算出された車速が、第２閾値以上であるか否かを判定し、第２閾値未満であれば、上記ステップ１００へ戻るが、一方、第２閾値以上であれば、ステップ１２２へ移行する。ステップ１２２では、警報を出力するように出力装置２０を制御して、上記ステップ１００へ戻る。

以上説明したように、第２の実施の形態に係る規範車速算出装置によれば、過去に走行した交差点については、新たに規範車速を算出する必要がないため、計算負荷を軽減することができる。

次に、第３の実施の形態について説明する。なお、第３の実施の形態に係る規範車速算出装置の構成は、第１の実施の形態と同様であるため、同一符号を付して説明を省略する。

第３の実施の形態では、規範車速を算出するための式が第１の実施の形態と異なっている。

第３の実施の形態では、規範車速算出部４４によって、重み記憶部４２に記憶された重みと、道路環境検出部４０によって検出された道路環境特徴量とに基づいて、以下の（３）式に従って、交差点通過時又は静止障害物の周辺通過時の規範となる速度を算出する。

ただし、Ｖ_legalは、走行位置における法定速度であり、地図データベース３０から取得される。

重み学習部４８は、学習データ生成部４６によって生成された交差点通過時の学習データに対して、上記（３）式で示される重回帰式を用いた重回帰分析を行って、求められた回帰係数を、重みとして重み記憶部４２に格納する。また同様に、静止障害物の周辺通過時の学習データに対して、上記（３）式で示される重回帰式を用いた重回帰分析を行って、求められた回帰係数を、重みとして重み記憶部４２に格納する。

なお、第３の実施の形態に係る規範車速算出装置の他の構成及び作用については、第１の実施の形態と同様であるため、説明を省略する。

なお、上記の第１の実施の形態〜第３の実施の形態では、車速センサから自車両の速度を取得する場合を例に説明したが、これに限定されるものではなく、ＧＰＳ装置から検出される自車両位置の変化に基づいて、自車両の速度を取得するようにしてもよい。また、車速センサから取得される自車両の速度と、ＧＰＳ装置から検出される自車両位置の変化とを組み合わせて、自車両の速度を取得するようにしてもよい。

また、規範車速と現在の車速との差分について閾値判断することにより、ドライバが運転支援システム２４に対して過信・依存しているか否かを判定する場合を例に説明したが、規範車速と現在の車速との比について閾値判断することにより、ドライバが運転支援システム２４に対して過信・依存しているか否かを判定するようにしてもよい。

また、規範車速算出装置において、規範車速の算出と、道路環境特徴量に対する重み付けの学習とを行う場合を例に説明したが、これに限定されるものではなく、道路環境特徴量に対する重み付けの学習を他の装置において行うようにしてもよい。

また、レーザレーダによりレーザを前方に走査して物体の位置を検出する場合を例に説明したが、これに限定されるものではなく、ミリ波などの電磁波を前方に走査して物体の位置を検出するようにしてもよい。

また、レーザレーダによって自車両前方の物体の位置を検出する場合を例に説明したが、これに限定されるものではなく、例えば、ステレオカメラによって撮影された前方画像から、自車両前方の物体の位置を検出するようにしてもよい。

本発明のプログラムを、記憶媒体に格納して提供することも可能である。

１０、２１０ 規範車速算出装置
１２ レーザレーダ
１４ カメラ
１６ ＧＰＳ装置
１８ 車速センサ
２２、２２２ コンピュータ
２４ 運転支援システム
３０ 地図データベース
３６ 交差点検出部
３８ 静止障害物検出部
４０ 道路環境検出部
４２ 重み記憶部
４４ 規範車速算出部
４６ 学習データ生成部
４８ 重み学習部
５０ 過信・依存判定部
５２ システム達成車速推定部
５４ 警報制御部
２３０ 規範車速更新部
２３２ 規範車速データベース
２３４ 規範車速検索部

Claims (10)

1. 自車両前方の対象領域内の交差点及び交差点の形状を検出する交差点検出手段と、
   前記交差点検出手段によって検出された前記交差点について、交差点の形状と交差点周辺の道路環境とに関する複数の属性の各々に対して予め定めた複数の分類の何れに該当するか否かを検出する属性検出手段と、
   前記属性検出手段によって検出された前記複数の属性の各々に対する分類と、前記複数の属性の各々に対する各分類について予め求めた重み付けとを用いた重み付け線形和を算出して、交差点通過時の規範となる車速を算出する規範車速算出手段と、
   を含む規範車速算出装置。
2. 自車両前方の対象領域内の静止物を検出する静止物検出手段と、
   前記静止物検出手段によって検出された前記静止物について、静止物周辺の道路環境に関する複数の属性の各々に対して予め定めた複数の分類の何れに該当するか否かを検出する属性検出手段と、
   前記属性検出手段によって検出された前記複数の属性の各々に対する分類と、前記複数の属性の各々に対する各分類について予め求めた重み付けとを用いた重み付け線形和を算出して、前記静止物の周辺通過時の規範となる車速を算出する規範車速算出手段と、
   を含む規範車速算出装置。
3. 障害物との衝突を回避するように運転介入制御を行う運転支援手段と、
   自車両の車速を検出する車速検出手段と、
   前記規範車速算出手段によって算出された前記規範となる車速と、前記車速検出手段によって検出された自車両の車速との差又は比に基づいて、自車両のドライバが前記運転支援手段を過信しているか否かを判定する過信判定手段と、
   を更に含む請求項１又は２記載の規範車速算出装置。
4. 前記過信判定手段によって、自車両のドライバが前記運転支援手段を過信していると判定された場合、前記運転支援手段による前記運転介入制御の作動により実現される交差点通過時の車速又は静止物の周辺通過時の車速を推定する通過時車速推定手段と、
   前記通過時車速推定手段によって推定された車速が閾値以上であった場合には、警報を出力する警報出力手段と、
   を更に含む請求項３記載の規範車速算出装置。
5. 規範的な走行に関して、交差点通過時の車速、及び前記属性検出手段によって検出された前記複数の属性の各々に対する分類を、学習データとして複数生成する学習データ生成手段と、
   前記学習データ生成手段によって生成された複数の学習データに基づいて、前記複数の属性の各々に対する各分類の前記重み付けを学習する重み付け学習手段とを更に含み、
   前記規範車速算出手段は、前記重み付け学習手段によって学習された前記重み付けを用いて、前記交差点通過時の規範となる車速を算出する請求項１記載の規範車速算出装置。
6. 規範的な走行に関して、静止物の周辺通過時の車速、及び前記属性検出手段によって検出された前記複数の属性の各々に対する分類を、学習データとして複数生成する学習データ生成手段と、
   前記学習データ生成手段によって生成された複数の学習データに基づいて、前記複数の属性の各々に対する各分類の前記重み付けを学習する重み付け学習手段とを更に含み、
   前記規範車速算出手段は、前記重み付け学習手段によって学習された前記重み付けを用いて、前記静止物の周辺通過時の規範となる車速を算出する請求項２記載の規範車速算出装置。
7. 前記重み付け学習手段は、前記学習データ生成手段によって生成された複数の学習データに基づいて、前記重み付け線形和を用いた重回帰式に対する前記重回帰分析により、前記複数の属性の各々に対する各分類の前記重み付けを学習する請求項５又は６記載の規範車速算出装置。
8. 前記重回帰式は、定数項と前記重み付け線形和とで表わされ、前記定数項を、法定車速とし、前記重み付け線形和を、前記法定車速からの減速分とした請求項７記載の規範車速算出装置。
9. コンピュータを、
   自車両前方の対象領域内の交差点及び交差点の形状を検出する交差点検出手段、
   前記交差点検出手段によって検出された前記交差点について、交差点の形状と交差点周辺の道路環境とに関する複数の属性の各々に対して予め定めた複数の分類の何れに該当するか否かを検出する属性検出手段、及び
   前記属性検出手段によって検出された前記複数の属性の各々に対する分類と、前記複数の属性の各々に対する各分類について予め求めた重み付けとを用いた重み付け線形和を算出して、交差点通過時の規範となる車速を算出する規範車速算出手段
   として機能させるためのプログラム。
10. コンピュータを、
    自車両前方の対象領域内の静止物を検出する静止物検出手段、
    前記静止物検出手段によって検出された前記静止物について、静止物周辺の道路環境に関する複数の属性の各々に対して予め定めた複数の分類の何れに該当するか否かを検出する属性検出手段、及び
    前記属性検出手段によって検出された前記複数の属性の各々に対する分類と、前記複数の属性の各々に対する各分類について予め求めた重み付けとを用いた重み付け線形和を算出して、前記静止物の周辺通過時の規範となる車速を算出する規範車速算出手段
    として機能させるためのプログラム。