JP2012513651A - 車両と生物との衝突確率を求める方法 - Google Patents

車両と生物との衝突確率を求める方法 Download PDF

Info

Publication number
JP2012513651A
JP2012513651A JP2011544785A JP2011544785A JP2012513651A JP 2012513651 A JP2012513651 A JP 2012513651A JP 2011544785 A JP2011544785 A JP 2011544785A JP 2011544785 A JP2011544785 A JP 2011544785A JP 2012513651 A JP2012513651 A JP 2012513651A
Authority
JP
Japan
Prior art keywords
vehicle
collision
organism
pedestrian
stay
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
JP2011544785A
Other languages
English (en)
Inventor
シユテフアン ゼカ，
ヴオルデマール バウエル，
Original Assignee
コンテイネンタル・セイフテイ・エンジニヤリング・インターナシヨナル・ゲゼルシヤフト・ミツト・ベシユレンクテル・ハフツング
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by コンテイネンタル・セイフテイ・エンジニヤリング・インターナシヨナル・ゲゼルシヤフト・ミツト・ベシユレンクテル・ハフツング filed Critical コンテイネンタル・セイフテイ・エンジニヤリング・インターナシヨナル・ゲゼルシヤフト・ミツト・ベシユレンクテル・ハフツング
Publication of JP2012513651A publication Critical patent/JP2012513651A/ja
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G06V40/23—Recognition of whole body movements, e.g. for sport training

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Psychiatry (AREA)
  • Social Psychology (AREA)
  • Traffic Control Systems (AREA)

Abstract

生物の推定される滞在場所を求める方法。本発明は車両と生物との衝突の確率を求める方法を記述し、生物の時空的挙動が挙動モデルによりモデル化され、車両の時空的挙動が運動モデルによりモデル化され、車両及び生物の現在の位置で始まって、それぞれ少なくとも１つの軌道が求められる。本発明によれば、生物及び車両の現在の位置から始まって、車両及び生物の軌道が軌道対として、この軌道対が衝突を表示するか又は衝突を表示しなくなるまで、計算され、それに基いて衝突を表示する軌道対の数が求められ、これから衝突の確率が、衝突を表示する軌道対の数と計算される軌道対の総数との商として計算される。

Description

本発明は、特に車両又は走行シュミレータにおける人間保護システムに使用するため、請求項１の上位概念に記載の車両と生物特に歩行者との衝突確率を求める方法に関する。
このような方法では、少なくとも１つのセンサ装置による周辺情報が検出される。生物を確認するため、周辺情報が評価される。更に生物の挙動モデルに基いて、与えられた時点に運動軌道及び運動状態が求められて、例えば歩行者と車両との衝突の確率を評価する。
衝突の高い危険従って高い確率での衝突は、歩行者の保護を行う異なる動作を生じることができる。例えば運転者及び／又は歩行者へ警告を向けるか、歩行者保護装置を始動させるか、又は例えば非常制動又は回避操縦のような自発的車両動作を行うことができる。
道路交通において自動車と歩行者、自転車乗り又は動物（一般に生物）との衝突の危険を知り、それに応じて高い衝突確率の場合適当な保護方策を開始するため、それぞれの交通状況の検出及び判断が必要である。これらの情報に基いて、車両の運動状態及びそのつど観察される生物の運動状態を求めることができる。外挿により、両方の交通関与者のそれ以外の運動挙動が求められる。
交通状況を知り、危険な状況と危険でない状況とを区別するために、存在する危険を計算する高価な方法を使用せねばならない。
歩行者の求められる位置の誤差ばらつきの統計的考察のみに基いて危険評価を行うか、又はその代わりに一次元横分布を仮定して、両方の横分布の重なりの数学的過程により車両及び歩行者の滞在範囲を計算することが公知である。
衝突の危険の評価を確実にするために、生物の運動挙動の予測可能性も重要である。予測可能性が正確になるほど、状況に合わされる保護システムの選択的な始動が早くなる。これにより、道路使用者の保護に全く寄与せず、車両の保守費のみを高くするか又は誤警告の場合運転者をいらいらさせるか又は間接損害をもたらす誤始動も、回避することができる。
ドイツ連邦共和国特許出願公開第１０３２５７６２号明細書は、車両用画像処理システムの作動方法を説明している。この方法では、少なくとも１つの画像センサにより周辺情報が検出され、計算装置により評価されて、道路使用者の存在を知るようにしている。その際１つ又は複数の道路使用者の視方向が検出される。道路使用者の注意深さを考慮することによって、衝突の危険の評価が行われる。１つ又は複数の道路使用者の視方向の検出は、注意深さの程度として利用される。この場合道路使用者が注意深く、例えば近づいて来る車両がこの道路使用者により認められるかどうかを、この道路使用者の視方向が示す、という考慮が基礎になっている。道路使用者が画像センサとは逆の方向を見る時、この道路使用者が直接画像センサを見る時より高く、衝撃の危険が格付けされる。更に検出されて評価される道路使用者の視方向に関係して、衝突の危険を評価する確率の程度を形成することが行われている。この程度が、車両及び／又は検出される道路使用者の運動情報に基いて形成される。
運動情報は、車両及び／又は検出される道路使用者が動く速度、方向及び軌道である。
更に欧州特許第１３３１６２１号明細書から、可能な障害物の危険特徴に関して自動車の周辺を監視する方法が公知であり、位置測定の不確実さのほかに、物体の将来の挙動に関する不確実さも、特に物体の将来の挙動を変化する傾向がある特別な突然の事象も考慮される。衝突の確率を求めるため、まず順次に続く時点に、物体から最大に到達可能な範囲が求められる。これにより将来の時点の方向にますます広がる軌道ホースが生じる。特定の時点における衝突の確率は、この時点における車両及び物体の可能な位置の断面を同じ時点における物体の可能な位置の面との比から生じる。重なりが存在しないと、衝突の確率は零であり、完全な重なりでは１００％である。この公知の方法における欠点は、物体の将来の挙動が方向、速度及び加速度のような運動量のみを検出して将来に外挿する挙動モデルに基いていることである。
従って本発明の課題は、従来技術の欠点を回避し、車両と生物との衝突確率を求める方法を提示することである。
この課題は請求項１の特徴によって解決される。有利な展開は従属請求項からわかる。
本発明により衝突確率を求める方法では、生物及び車両の現在の位置から始まって、車両の軌道が運動モデルから、また生物の軌道が挙動モデルから、軌道対として、この軌道対が衝突を表示するか又は衝突を表示しなくなるまで、計算される。続いて衝突を表示する軌道対の数が求められて、これから衝突の確率が、衝突を表示する軌道対の数と計算される軌道対の総数との商として求められる。
それにより以下衝突危険値とも称される衝突確率が、相対衝突頻度として計算され、即ち衝突することになる車両−生物−軌道対の数と計算される可能な車両−生物−軌道対の総数との比として計算される。
本発明の展開では、１つの軌道対の軌道により表示される車両と生物との間隔が、所定の閾値を下回る時に、衝突が表示される。このような間隔閾値はなるべく人間の大きさに合わされ、特に平面図で例えば歩行者の輪郭の周りの外接円の半径がこれに適している。
増分時間段階に次の方法段階
ｂ）車両及び生物の現在の位置から始まって、車両及び生物の軌道から成る軌道対が衝突 を表示するか又は衝突を表示しなくなるまで、この軌道対の計算を行い、
ｃ）衝突を表示する軌道対の数を求め、
ｄ）衝突を表示する軌道対の数と計算される軌道対の総数との商として、衝突確立を計算 する、
が反復されると、特に有利である。
これは、車両と生物又は歩行者との間のシナリオの時間的経過にわたって衝突の危険の展開を示すので、衝突確率又は衝突危険値の時間的展開が生じる。この衝突危険値は、それが所定の閾値を上回る際歩行者保護システムを始動させるために利用することができ、この始動を更に衝突危険値の推移に関係させることができる。
本発明の展開では、１つ又は複数の時点用の挙動モデルにより、生物の可能な滞在場所が、運動状態を考慮して、１つの軌道対の計算の開始の時点に求められる。
所定の時点に将来可能な停止場所を求めるため、運動軌道の場所及び運動状態から始まって、生物の空間−時間的挙動の挙動モデルに基いて、１つ又は複数の将来の時点のために、可能な滞在場所が求められる。
更に生物の軌道を計算するため本発明の特に好ましい展開では、挙動モデルが、生物の物理学的及び生理学的運動能力及び／又は生物の経験的に求められる挙動パターンを考慮し、従って生物が生理的に制約されてすべての方向に同じ加速能力により動くのではなく、更に挙動を制約される特定の優先方向を示すことから出発している。従って従来の軌道アルゴリズムとは異なり、この方法によれば、現在の運動形式が将来書き続けられるのではなく、それに基いて限られた生理学的運動能力及び／又は挙動を制約される優先運動が考慮される。更に生物又は歩行者は、道路交通における他の普通の物体とは異なり、自己の軸線の周りの回転、側方又は後方への歩行による突然の方向変化の可能性を持ち、それにより、多くの運動研究に基いて確認されたように、従来の軌道予想に比べて、生物の滞在場所が変化される。
以下の説明において、生物は自転車乗り、歩行者又は動物を意味する。生物の滞在場所は、生物が将来又は次の時点に高い確率（５０％以上特に７０％以上なるべく９０％以上）滞在する範囲を意味する。
例えば画像を与える方法を使用して周辺情報をセンサ装置により記録することによって、生物の運動軌道及び運動状態が求められる。これら両方の情報を検出される生物の生物機械的事実及び／又は挙動に特有な優先方向と結び付けることによって、１つ又は複数の将来の時点に対して一層大きい精度で可能な滞在場所が求められる。これらの情報を衝突確率の計算に供給することができる。
周辺情報を検出するセンサ装置は、例えばレーダ、ライダ、カメラ、超音波センサを含むか、又はＲＦＩＤ（無線周波数確認）又はＧＰＳ（全地球位置把握システム）のような通信技術により形成されるか又は援助される。
運動状態及び／又は将来可能な滞在場所を求めるためのパラメータとして、次のパラメータの１つ又は複数が求められて処理される。
生物の位置。これは例えば特に車両に対する生物の相対位置を意味する。判定基準は、車両の求められる運動経過に対する生物の間隔又は相対位置であってもよい。
周辺に対する生物の向き、これは、特に生物が周辺特に車両又は車道に対してどんな角をなしているかを意味する。生物の生理学的運動能力に基いて、周辺に対する生物の向きが、例えば車道又は車両に対して背を向けて立っているか、又は車道又は車両の側方を歩いているかが、将来可能な滞在場所に対して大きい役割を果たす。
生物の並進及び／又は回転速度。生理学的運動能力従って将来可能な滞在場所は、生物の動く速度に関係している。
生物の生理学的運動能力のため得られる最大速度及び／又は別の加速能力が関係する生物の並進及び／又は回転加速度。
生物の運動の現在の曲率半径及び／又は生物の運動の運動方向又は曲率半径の変化。考慮すべきこのパラメータの基礎になっている考察は、既に曲線を完成する生物が、直線走行する生物と比較して、運動方向及び／又は速度及び／又は加速度の変化を限られた程度でのみとることができる、ということである。
たとえば求められる湿度において度盛りすることができる路床の特に天候に関係する地面摩擦係数。地面摩擦係数は、生物の加速能力に対して重要である。
生物の部類、特に年令、所定の身体寸法（例えば身長、脚長又は歩幅）、性別又は種類（例えば人間、動物、子供、自転車乗り）。
１つ又は複数の側方歩行による運動能力。
１つ又は複数の後方歩行による運動能力。
特に経験的に求められる運動パターンに合わせて特別な運動挙動を推論させる生物又は歩行者の重心運動及び／又は身体傾斜における運動能力。
自己の軸線の周りに回転し、側方へ又は少なくとも現在の位置から突然後方へ行き、従って身体の現在の向きとは逆に動く生物の能力、すべての方向における異なる生理学的運動能力は、確からしい滞在場所の予想に対して、従来の軌道アルゴリズムとは著しく異なる結果を生じる。
上述したパラメータは、例えば画像情報及び／又は場所情報の評価によって求めることができる。
生物又は歩行者の運動状態という概念は、生物又は歩行者の運動変化も含んでいる。特に生物又は歩行者の短期間の運動変化を示すこのようなパラメータは重要である。
位置、向き、並進速度及び加速度又は曲線半径のような特定のパラメータが、既に従来の軌道アルゴリズムについても既に同様に検出されて考慮されるとしても、本発明による方法は次の点で相違している。即ち確からしい滞在場所の予想のために、生理学的運動能力及び／又は挙動による優先方向が常に考慮され、それにより今までの運動状態の不動の続行は行われず、現在の生理学的可能性及び／又は挙動による確からしさへの算入又は限定が行われる。
別の構成では、測定技術的に検出されるパラメータが、例えばデータバンク又は特性曲線図に記憶されているパラメータと比較されることによって、データバンク又は特性曲線図から、求められるパラメータに対応する生物の可能な将来の滞在場所が読出される。データバンク又は特性曲線図に基くパラメータは、例えば実験により求めることができる。
その代りに、生物の可能な滞在場所を求めるため、１つ又は複数のパラメータがモデル計算機へ供給され、生物用の抽象化される運動モデルがモデル計算機の基礎になっている。この場合測定技術的に検出されるパラメータがモデル計算機へ供給され、生物用運動モデルに基いてモデル計算機が、将来可能な滞在場所を求めることができる。この手段は、適当な標準化により個々のパラメータを一層強く又は弱く考慮することによって、生物の異なる部類を簡単に考慮することができる。別の利点は、物理的事実及び経験的に求められるデータに基いて、将来可能な滞在場所を求めることができることである。これによりよそうにおける高い精度が得られる。
別の構成によれば、将来可能な滞在場所を求めるため、運動経過が、現在の速度、現在の向き及び現在の身体回転に関係して求められる。
別の構成では、将来可能な滞在場所を求めるため、生物の最大加速能力が、その運動速度に関係して考慮される。この場合生物の加速能力が、生物により覆われる速度範囲にわたって一定でなく、可変である、という考察が基礎となっている。同じことが生物の減速能力に対しても当てはまる。更に生物の減速能力が加速能力より大きいことがわかった。この知識は、将来可能な滞在場所を求める際にも利用できる。今までの運動方向への最大加速能力のほかに、生物の今までの運動方向及び／又は向きとは逆向きの最大加速能力も規定するのがよい。
生物に対して次のパラメータの少なくとも１つが規定されるのがよい。
今までの加速方向への加速能力が零になる最大速度、即ち絶対最高速度。
静止している生物の向き及びその逆向きにおける最大加速度。
今までの運動方向への最大加速能力が最大である速度。
最大加速能力が今までの運動方向に最大の値である速度。
最大加速能力が生物の今までの運動方向及び／又は向きとは逆に最大の値である、即ち生物が最大に減速可能である速度。
生物の向きとは逆の加速能力が零になる、生物に向きとは逆の最大速度。
現在の運動形式から出発してこれらの値から、運動方向における加速能力、及び逆従って制動能力を求めることができる。その代わりに、適当な特性曲線を記憶することもできる。これらの値がなるべく生物の部類、特に年令、種類及び体格に関係して多様に規定されている。
別の構成では、将来可能な滞在場所を求めるため、最小に通過可能な曲線半径が、現在の走行速度及び／又は走行加速度に関係して考慮される。最小に通過可能な曲線半径を知ると、例えば車道を越えて走行するか又は車両の運動経過と交差するために、生物がその方向をどの程度速く変化できるかの予測が可能になる。
別の構成によれば、将来可能な滞在場所を求めるため、最大減速能力が、生物の運動速度及び／又は運動の曲線半径に関係して考慮される。この情報により、例えば車両と衝突する可能性のある生物が、衝突範囲の前に適時に停止できるか、又は衝突範囲から離れることができるか否かを、考慮することができる。
別の構成では、将来可能な停車場所を求めるため、生物が求められる走行経過に対して静止しているか又はこれに対して動いている角が考慮され、この角に関係して、走行経過の範囲へ達するために、どの時間に生物が走行経過の方向に回転しかつ実質的に同時に加速できるかが求められる。この角を知り、かつ例えば車道へ達するために生物が必要とする時間を知ると、将来可能な滞在場所の正確な評価従って衝突の危険の改善される評価が可能になる。
角として１５０°〜２１０°の角、従って走行経過に対して背を向けて静止しているか又は動く生物が考慮される。その代りに、角として６０°〜１２０°の角、従って走行経過に対して側方で静止しているか又は動く生物が考慮される。この場合走行経過は車道の経過と一致していてもよい。
将来可能な滞在場所を求めるため、走行経過に対する生物の相対位置、特に生物が走行経過に対して静止しているか又はこれに対して動いている間隔が考慮され、走行経過の範囲へ達するために、この相対位置に関係して、どの時間に生物が加速できるかが求められる。
更に将来可能な滞在場所を求めるため、周辺情報及び／又は障害物が考慮される。これらの情報は、例えばディジタルカード又は周辺センサにより求めることができる。障害物例えば道路の推移、家の外壁等の存在を考慮すると、将来可能な滞在場所の存在精度を更に高めることができる。
こうして求められる生物の滞在場所は、衝突確率の計算に使用できるようにするため、軌道対の軌道を計算するための入力量として用いられる。
別の構成では、滞在場所が異なる滞在確率を持つ複数の範囲に分割される。換言すればこれは、求められる将来可能な滞在場所のために、滞在確率を持つ個々の範囲が設けられることを意味し、滞在確率は、時間にわたって測定される位置（運動）から始まって、生物が次のミリ秒又は秒に滞在するであろう確率の程度である。
滞在確率に基いて、衝突確率を計算するために必要な軌道対の歩行者の進行する部分軌道を求めることができる。
本発明は、方法を実施するために設けられる車両外の生物なるべく歩行者のための保護システム特に歩行者保護装置を持つ車両にも関し、方法を実行するため、
周辺情報を検出する少なくとも１つのセンサ装置を持ち、
生物特に歩行者を確認するため周辺情報を評価し、生物及び車両のためにそれぞれ１つの運動軌道を軌道対として求め、それから衝突確率従って保護システムの始動の必要性を推論する計算装置を持ち、
センサ装置が、生物のパラメータ及びその生理学的運動能力を検出するように構成され、
計算装置が、１つ又は複数の将来の時点のため生物の生理学的運動能力を考慮して、運動軌道の１つの場所及び運動状態から始まって、与えられた時点に将来可能な滞在場所を求めるように構成されている。
歩行者と車両との衝突状況の衝突確率は、以下に説明する計算方法によって有利に計算することができる。
本発明による方法はなるべく次の方法段階を含んでいる。
１． 車両が作動せしめられる前の初期段階中に、種々の歩行者形式について有限数の典 型的な運動初期状況（運動初期状態）が測定され、車両の機内にあるメモリに記憶 される。この初期状況は次のように規定することができる。
初期状況１。歩行者は静止している。速度ｖ＝０ｍ／ｓ、加速度ａ＝０ｍ／ｓ２、 回転速度ｗ＝０°／ｓ。
初期状況２。大人の歩行者が速度ｖ＝１ｍ／ｓ、加速度ａ＝０ｍ／ｓ２、回転速度 ｗ＝０°／ｓで歩く。
初期段階２。大人の歩行者が速度ｖ＝１ｍ／ｓ、加速度ａ＝０ｍ／ｓ２で歩き、垂 直軸線の周りに回転速度ｗ＝１°／ｓで回転する。
２． 段階１からこれらの初期状況の各々について、可能な運動軌道の群が、所定の例え ば３ｓの特定期間、例えば０．１ｓの増分段階Δｔで計算される。その際歩行者の 推計学的モデル化の上述した計算方法が使用される。この数値計算から、各運動状 況について、歩行者の中間滞在点を持つ軌道の群が得られる。
３． 運動初期状況が、計算された軌道群と共に、車両の機内のメモリに記憶される。
４． それから車両の作動中に、衝突危険計算が次のように行われる。
４．１ 適当なセンサシステムにより、車両の運動状況が検出される。この時点に 車両の自己運動状態も同様に検出される。
４．２ 初期段階中に段階１で測定されかつメモリに記憶されている歩行者の最も 近くにある運動初期状況が選択される。
４．３ この選択された運動状況について初期段階の段階２において計算されかつ この運動初期状況に対応して記憶されている軌道群が読出され、歩行者の 向きに応じて歩行者の検出される位置の周りに位置せしめられる。
４．４ ４．１〜４．３からの情報に基いて、衝突の危険が次のように計算される 。
ａ．車両運動が小さい時間段階で外挿される。時間段階は歩行者の軌道群 の計算の際時間段階に一致する。即ち例えば０．１ｓのΔｔ。こうし て車道ホースが形成され、この車道ホースはそれぞれの時間段階に対 する範囲を持っている。これらの範囲は、歩行者と車両との衝突が避 けられない範囲を意味する。これらの範囲は以下衝突区域と称される 。
ｂ．各時間段階Δｔに、段階４．３で選択された軌道群の軌道の滞在点の みが考慮され、それぞれの時間段階の滞在点が、この時間段階におけ る歩行者の可能な滞在位置を再現する。それからこれらの選択された 滞在点が車両の衝突区域にあるか否か、又はどれ位多くの滞在点がこ れらの衝突区域にあるかが、検査される。実情がそのとおりであると 、車両と歩行者との衝突がある。個別衝突を予想する滞在点を持つ軌 道群にある軌道の数が求められる。
ｃ．次の時間段階にある後続計算段階について、衝突が生じている軌道が 取出される。
ｄ．段階ｂ及びｃがΔｔの増分時間段階で反復されて、後続の時間段階に ついても個別衝突の数を求める。
ｅ．衝突がもはや起こらない所で、車両が歩行者を通過するまで、段階ａ 〜ｄが実行される。
４．５ 車両の衝突区域にある少なくとも１つの滞在点を持つ軌道の数が、このよ うにして求められ、衝突軌道の数と軌道の総数との商が形成される。この 商は、衝突確率がどの程度高いかについての情報を与える。この商からこ うして衝突の危険が求められる。
４．６ 選択的にこの商が前もって規定された閾値の数と比較される。商が最低の 閾値を持つ第１の閾の下にあると、衝突の危険はない。商が第１の閾を上 回るけれども、引続き第２の低い閾値を持つ第２の閾の下にあると、僅か な衝突の危険がある。この僅かな衝突の危険は、例えば車両の運転者への 警告信号によって除去可能である。しかし商が最高の閾値を持つ最後の閾 を上回ると、車両と歩行者との緊急な衝突の危険がある。この場合例えば 車両の自発的な全制動により事故の結果を少なくする手段が必要である。
５． 段階４における衝突確率の算定は、例えば０．５ｓの特定の時間間隔で反復するこ とができる。更に車両運動は、別の計算ループにおいて推計学的モデルを介しても 変化可能である。
一層詳細に説明すれば、車両が作動せしめられ前の初期段階中に典型歩行者について有限数の典型的な運動初期状況Ｐｘ−ＢＳ１（ｖ１，ａ１，ｗ１）、Ｐｘ−ＢＳ２（ｖ２，ａ２，ｗ２）、・・・、Ｐｘ−ＢＳｎ（ｖｎ，ａｎ，ｗｎ）が、歩行者の運動能力を考慮して予め作成される。ここでｖ１，ｖ２，・・・ｖｎは、典型歩行者Ｐｘの異なる初期速度、ａ１，ａ２，・・・，ａｎは異なる初期加速度，ｗ１，ｗ２，・・・，ｗｎは異なる初期回転速度である。
これらの運動初期状況Ｐｘ−ＢＳ１（ｖ１，ａ１，ｗ１）、Ｐｘ−ＢＳ２（ｖ２，ａ２，ｗ２）、・・・Ｐｘ−ＢＳｎ（ｖｎ、ａｎ，ｗｎ）の各々に対して、それぞれ１つの群の可能な運動軌道ＢＴ−Ｐｘ−ＢＳ１，ＢＴ−Ｐｘ−ＢＳ２，・・・，ＢＴ−Ｐｘ−ＢＳｎが、増分段階Δｔ（例えば１ｓ）を持つ所定の特定の期間計算される。その際歩行者の推計学的モデル化を持つ計算方法が使用される。これらの数値計算から、各運動初期状況に対して、典型歩行者Ｐｘの中間滞在点を持つ軌道群が得られる。典型歩行者Ｐｘは例えば９０％すべての成人男子を表す。
成人女子、老人歩行者、子供、自転車乗り又は犬のような動物のような他の群の歩行者に対して、別の運動初期状況が作成され対応する運動軌道群が求められる。
運動初期状況が、求められた対応する軌道群と共に、後で使用するため車両内部のメモリに記憶される。
車両の作動の際又は都市中心を走行する際、まず車両周辺特に車両の車道ホースの範囲又はその近くにある歩行者が、車両にある周辺センサにより検出される。
更に現在検出される歩行者の運動状態が、適当なセンサにより、例えば速度値、加速度値及び回転速度値ｖ０，ａ０，ｗ０，・・・の形で検出される。これらの運動状態は、衝突危険を求めるため運動初期状況として使用される。既に検出されている歩行者の運動状態ｖｘ，ａｘ，ｗｘが、有利なように引続き検出される。
同じ時点に、車両の自己運動状態即ち速度、加速度及び／又は回転速度が検出される。車両運動は、車両の測定される自己運動状態値に基いて、小さい時間段階で外挿される。この時間段階は、初期段階即ちΔｔ中における歩行者の軌道群の計算の際の時間段階に一致する。こうして車道ホースが形成され、この車道ホースはそれぞれの時間段階における範囲を持っている。これらの範囲はそれぞれの時間段階における衝突区域である。
歩行者Ｐ０が検出されると、歩行者Ｐ０の運動状態値ｖ０，ａ０，ｗ０が、初期段階中に測定されて記憶されている典型的な運動初期状況値Ｐｘ−ＢＳ１（ｖ１，ａ１，ｗ１）、Ｐｘ−ＢＳ２（ｖ２，ａ２，ｗ２）、・・・、Ｐｘ−ＢＳｉ（ｖｉ，ａｉ，ｗｉ）、・・・、Ｐｘ−ＢＳｎ（ｖｎ，ａｎ，ｗｎ）と比較される。
選択的に、運動状態値の比較の前に、歩行者Ｐ０の種類、即ちこの歩行者Ｐ０をどの歩行者群に対応させるべきかが、この歩行者Ｐ０に属する周辺センサ装置の測定データに基いて求められる。周辺センサ装置の測定データが、成人男子歩行者に特有な特徴を持っていると、新たに検出された歩行者Ｐ０は“成人男子”の群に対応せしめあれる。これに反し周辺センサ装置の測定データが、子供に対して典型的な特徴を持っていると、歩行者Ｐ０は“子供”の群に対応せしめられる。群の対応は、初期段階中に測定されてメモリに記憶される多数の運動初期状況から、問題となっている運動初期状況値を見出すのを容易にする。
新たに検出される歩行者Ｐ０が“成人男子”に対応していると、“成人男子”の群に対応するものとして記憶された運動初期状況値Ｐｘ−ＢＳ１（ｖ１，ａ１，ｗ１）、Ｐｘ−ＢＳ２（ｖ２，ａ２，ｗ２）、・・・、Ｐｘ−ＢＳｉ（ｖｉ，ａｉ，ｗｉ）、・・・、Ｐｘ−ＢＳｎ）ｖｎ，ａｎ，ｗｎ）のみが読出され、運動状態値ｖ０，ａ０，ｗ０との比較のために取出される。
歩行者Ｐ０の運動状態値ｖ０，ａ０，ｗ０が運動初期状況値の組例えばＰｘ−ＢＳｉ（ｖｉ，ａｉ，ｗｉ）と最もよく類似していると、この運動初期状況値Ｐｘ−ＢＳｉ（ｖｉ，ａｉ，ｗｉ）の組に対応して記憶された運動軌道群ＢＴ−Ｐｘ−ＢＳｉが衝突検出のために利用される。
この運動初期状況値Ｐｘ−ＢＳｉ（ｖｉ，ａｉ，ｗｉ）に対して選択されたこの運動軌道群ＢＴ−Ｐｘ−Ｂｉは、適切な向き（この向きは方位に関して歩行者Ｐ０の向きであるのがよい）で、歩行者Ｐ０の検出される位置の周りに位置せしめられ、運動軌道群の出発点はなるべく歩行者Ｐ０の中心点と重なっている。
上記の各時間段階Δｔに、選択された軌道群の軌道の滞在点が、衝突危険を求めるために利用され、それぞれの時間段階における滞在点が、この時間段階における歩行者の可能な滞在位置を再現する。
それから、これらの選択された滞在点のどれだけ多くが車両のそれぞれの衝突区域にあるかが、検査される。衝突区域にある滞在点は、車両と歩行者との個別衝突を示唆する。個別衝突を予想する滞在点を持つ軌道群の軌道の数が求められる。衝突滞在点を持つ軌道は、後続の計算段階で次の時間段階ではもはや考慮されない。
衝突区域にある滞在点及びこれらの滞在点を持つ軌道の数の算定は、衝突がもはや起こらないほど離れた所で車両が歩行者を通過するまで、Δｔ増分時間段階で反覆される。
続いて衝突区域にある少なくとも１つの滞在点を持つすべての（衝突）軌道の数が求められ、衝突軌道の数と軌道の総数との商が形成される。この商が、衝突確率がどれほど高いかについての情報を与える。
有利なように、商が前もって規定された閾の数と比較される。商が最低閾値を持つ第１の閾の下にあると、衝突の危険はない。商が第１の閾を上回るけれども、２番目に低い閾値を持つ第２の閾の下にあると、少ない衝突の危険がある。この少ない衝突の危険は、例えば車両の運転者への警告信号によって除去可能である。しかし商が最高の閾値を持つ最後の閾を上回ると、車両と歩行者との切迫した衝突の危険がある。この場合例えば車両の自発的な全制動によって事故の結果を少なくする手段が必要である。
上述した衝突危険計算方法は、計算時間を著しく少なくし、衝突確率の実時間に近い計算を可能にする。
上述した計算方法により、衝突状況の発生の際、直接の衝突危険計算が必要な実時間で可能である。
図面を参照して、本発明が以下に詳細に説明される。
本発明による方法を説明するため、車両及び歩行者から成る光景の概略図を示す。 生物の横の加速能力と減速能力との関係を生物により得られる速度に関係して表す線図を示す。 生物により得られる横速度に関係して生物の回転能力の関係を示す図である。 横加速能力及び回転能力を考慮して静止している人間の運動範囲を示す極線図である。 横加速能力及び回転能力及び側方への運動能力を考慮して静止している人間の運動範囲を示す極線図である。 縦方向及び横方向に１つの速度で動き続ける人間の運動範囲を示す線図である。 歩行者の軌道を求める方法を生じる経過線図である。 種々の歩行者形式にとって典型的な有限数の運動初期状況に対する軌道群が初期段階中にどのようにして求められるかを示す概略図である。 衝突確率が本発明によりどのようにして求められるかを示す概略図である。
車両と生物特に歩行者、自転車乗り又は動物との衝突確率を求めることができるようにするため、車両の運動経過（いわゆる走行ホース）及び生物の運動経過（いわゆる軌道）を確実に予想することが必要である。車両の走行ホースの検出は、運動モデルに基いて高い精度で行うことができるが、生物の運動経過の検出は、挙動モデルにおいて空間時間的挙動に関して考慮せねばならない多数の不確定要素を伴っている。
図１は車両１及び歩行者２を持つ概略的な光景を示し、車両１が矢印５の方向に動いている。
本発明により衝突可能性を計算する方法の出発点は、時点Ｔｏにおける車両１及び歩行者２の現在の位置及び運動状態である。
これらの位置から始まって、車両１のために運動モデルに基いて、また歩行者２のために挙動モデルに基いて、増分時間段階Δｔに基いて別の運動経過が同時に求められ、ここでΔｔは予想期間である。従って順次に続く予想期間Δｔにわたって、車両１及び歩行者２の進む軌道が、予想時間Δｔにそれぞれ求められる部分軌道から構成される軌道対として同時に求められる。歩行者２に対しては、各予想期間Δｔに複数の運動可能性が生じ、これは車両２に対して一般に限定的にのみ当てはまるので、本発明による方法により、時点Ｔｏに複数の軌道対が求められる。
車両１に対しては、速度、加速度及び方向のような検出されるデータに基いて、複数の順次に続く予想期間Δｔに、軌道又は走行ホース２が比較的正確に確実に予想される。もちろん比較的簡単な運動モデルを、走行挙動モデルにより拡張することもできる。
使用される挙動モデルに基いて、歩行者２に対しては、その現在の位置又はその現在の運動状態から始まって、第１の予想期間Δｔに対応する部分軌道が求められるが、それに続く予想期間Δｔには、確率発生器によりそのほかの増分運動経過は“さいころを振って決められ”、その際挙動モデルを許容しかつ挙動モデルに基く確率分布を更に考慮する運動のみが考察される。このため例えば歩行者の運動経過又は挙動モデルが、頻度分布の適切な限定を介して、そのほかの運動経過を求める際、確率発生器により考慮可能である。
進行する軌道を計算するこの方法は、軌道対の両方の軌道について衝突が起こるか又は衝突が起こらなくなるまで、続けられる。このため、歩行者２と車両の相対運動中に、所定の最小間隔以下に歩行者２が車両に近づいた時、衝突が起きるものと仮定される。
衝突確率は、衝突を示す軌道対の数及び時点Ｔｏに計算される軌道対の総数から、衝突危険値として計算される。図１によれば、固定時点Ｔｏから始まって軌道対が求められ、その際簡単にするため、車両１に対して１つの軌道のみが可能な運動経過として示される。これらの７つの軌道対のうち、車両が歩行者を完全に通過した時点Ｔｏ＋Δｔ＋・・・＋Δｔ＋・・・に、５つの軌道対が衝突を示し、従って５／７の計算による衝突危険値が生じる。
この衝突危険値は、まず時点Ｔｏにおける図１による所定の初期状態に当てはまる。時点Ｔｏ後に展開する図１の後継の時間的経過にわたって衝突確率を求めるため、上述した計算が増分時間段階Ｔ１，Ｔ２，Ｔ３，・・・で反復され、その際車両１及び歩行者２の現在の位置及び現在の運動状態から出発する。それにより各時点Ｔ１，Ｔ２，Ｔ３，・・・に、多数の可能な将来の運動経過が、現在の実際に与えられる交通状況から始まる軌道対の群の形で得られる軌道対のこの群は、これらの時点Ｔ１，Ｔ２，Ｔ３，・・・の各々に対する衝突危険値の計算の基礎であり、それから衝突危険値の時間的展開が衝突確率として生じる。
衝突確率を求めるための本発明によるこの方法が、数学的に基礎づけられる実際的な方法を示し、著しく拡張される予測範囲が得られ、即ち予想が時間的に大きく先まで見通されるけれども、確実である。
これは更に次のようにすることによっても達せられる。即ち衝突確率を求める際、衝突相手の運動能力が考慮され、特に生物特に歩行者の限られた生理学的運動能力が利用される。従って歩行者の挙動モデルにおいて、物理的運動可能性及び生理学的運動能力が考慮される。
指標として特徴づけ可能であり従ってセンサ装置により検出可能な歩行者の典型的な運動パターン又はこのような典型的な運動パターンを示す特徴が考慮されて、それから可能な滞在場所及び最終的に将来可能な滞在場所を求める。
生理学的運動能力を考察する際、種々の運動状態及び可能な運動状態の組合わせが考慮される。
たとえば停止からの回転なし、９０°の回転及び１８０°の回転を持つ状態からの最大加速度が考慮される。歩行者の停止からの最大加速能力を考慮する際、例えば加速能力が初期値からまず最大値まで増大し、それから多少連続的に歩行者の増大する速度で再び減少することがわかった。１８０°だけ回転する際、最大加速能力が一方では年令に強く関係してまた他方では統計的平均値の周りに強く上又は下へ外れていることがわかった。しかし停止からの加速能力と比較して、数値的に小さい加速度値が得られる。
同じように全走行からの歩行者の最大減速能力が、一方では戻り回転なしにまた他方では最大に可能な方向変化で考慮される。この場合も年令に関係する強い相違が確認された。方向変化なしに全走行からの減速能力は、数値的に歩行者の最大加速能力より大きい。
可能な滞在場所に影響を及ぼす別のパラメータは、歩行速度からの最大加速度である。その場合次の典型的な場合が考慮される。即ち左方及び右方への９０°の回転、及び左方及び右方への４５°の回転。この場合歩行者の最小に可能な曲線半径が求められた。その際どんな年令でも、歩行者が最小曲線半径を下回ることがないことがわかった。この情報は、どんな場所でまた場合によってはどんな時に、車両が近づく車道の方へ歩行者が回転して動くことがあるかを評価できるために、有効である。
同じように、全走行から左右への歩行者の曲線半径が求められた。
生理学的運動能力を評価するため、更に前方跳躍及び側方跳躍が考慮された。この場合得られる時間及び距離は、特に歩行者が突然起こる危険状況にどのように反応できるかを知るため有効に使用することができる。
図２は、歩行者の加速能力又は減速能力がその進んだ速度に関係して示されている線図を示す。今までの運動方向／向きという概念は、歩行者の身体特にその胴体の向きで進むことが歩行者に由来することを意味し、歩行者が静止している場合、運動方向はないけれども、身体の向きはある。
象限Ｑ１には、今までの運動方向／向きにおける正の加速能力が示されている。象限Ｑ２には、負の加速能力従って前方運動の際における制動能力が示され、象限Ｑ３及びＱ４は現在の運動から後方へ出発し、従ってＱ３はこの運動方向に対して負の加速能力を示し、従って制動及び場合によっては再び正常方向への加速を示し、Ｑ４は後退変速段における加速能力を示す。
まず図２において、従来の軌道アルゴリズムとの決定的な相違として留意すべきことは、静止している歩行者にも、向きの方向及びその逆方向に、規定された加速能力が割当てられることである。
線図から直ちにわかるように、最大加速能力ａｍａｘ及び最大減速能力−ａｍａｘは、ほぼ同じ速度ｖで現れるのではなく、加速能力は速度の増大と共に早期に減少し、高い速度でもなお著しく高い減速能力が確認される。この場合歩行者の減速能力は数値的に加速能力より大きい。
更に車両も後方へ走行し、これが軌道において場合によってはなお考慮可能であるとしても、向きとは逆の運動能力が初めて考慮される。しかし生理学的運動能力を適当に考慮すると、図２からもわかるように、向きとは逆の加速能力は最大速度と同様に、正常の前方運動におけるそれとは著しく相違している。
アルゴリズムに、例えば次の歩行者用パラメータを与えると、
今までの運動方向の加速能力が零になる最大速度、
静止している歩行者の向き及び逆向きの最大加速度、
今までの運動方向への最大加速能力が最大である速度、
歩行者の今までの運動方向及び／又は向きとは逆の最大加速能力が数値的に最大である速度、
向きとは逆の加速能力が零になる、歩行者の向きとは逆の最大速度、
それから比較的簡単かつ十分正確に、それぞれの加速能力及び減速能力を推論することができる。これらの値は、なるべく歩行者の部類特に年令、性別及び身体寸法に関係して多様に規定されている。なぜならば、この場合著しい相違が確認されるからである。
歩行者の加速度と速度とのこの関係を考慮するだけで、従来技術と比較して、可能な滞在場所の著しく正確な予想従って衝突確率の算定が可能になる。
図３は、自己の軸線の周りの回転能力を示し、通常のように両方向への回転能力が対称に形成されているが、前方走行では後方走行より著しく大きく、高い速度においても、減少するが驚異的な回転能力が維持される。それにより生理学的運動能力のこれらのパラメータにより、古典的な軌道アルゴリズムからの区別が行われる。なぜならば、これらの軌道アルゴリズムは、従来技術では自己の軸線の周りのこの回転を知らないからである。
側方生理学的運動能力従って身体の向き及び通常の走行方向に対して直角な運動能力は、更に横へ寄る能力により影響される。この横へ寄る能力は、静止状態では重要であり、小さい移動速度でも、次の図３及び４において比較により認められるように最大に得られる滞在空間の相違を生じるが、走行速度の増大と共に著しく減少し、通常の前方運動では緊急の場合になくされ、増大された回転能力に代えられる。
図４は、側方運動及び後方運動を除いて、歩行者の側方及び回転加速能力を考慮して、静止している歩行者の運動範囲を極線図で示す。極線図には０°〜３６０°の角が記入されている。この場合０°の角は、歩行者がまっすぐに進んでいることを意味する。極線図には更に同心円が記入され、０．５，１，１．５及び２で示されている。これは人間が時点ｔ０に存在する中心に対する距離（例えばメートル）である。時点ｔ１，ｔ２，ｔ３，ｔ４，ｔ５（ｔ５＞ｔ４＞ｔ３＞ｔ２＞ｔ１）に、人間はそれぞれ対応するＩＳＯ線内に滞在可能である。
生理学的運動能力に基いて、歩行者は時点ｔ１に関係するＩＳＯ線により包囲される範囲において動くことができる。この場合前方（即ち走行方向角度０°）の運動が可能であり、角度０°から左方（反時計方向）又は右方（時計方向）への偏差は殆ど不可能である。
時点ｔ２（ｔ２＞ｔ１）に範囲が
前方及び右方へ広がる（ｔ２で示すＩＳＯ線参照）。同じように歩行者は、時点ｔ５（ｔ５＞ｔ４＞ｔ３＞ｔ２＞ｔ１）に、対応するＩＳＯ線により包囲される範囲に滞在することができる。この場合前方の運動のみならず、側後方への運動も可能である。
極線図を見ると、ｔ０と比較して将来にある時点ｔ１〜ｔ５における生理学的運動能力が１２０°〜２４０°の角度範囲における運動を許すことが直ちにわかる。歩行者が例えば背を車道に向けている時、この認識は重要である。むしろ生理学的運動範囲は、歩行者がまっすぐに前方へ動く（角度０°）傾向があることだけを許し、その際短期間±９０°以下の角度範囲で偏向のみが可能であり、後の時点（時点ｔ５）に初めて±１２０°の偏向が可能である。しかしこの場合、角度の増大と共に、歩行者の進むことができる間隔が小さくなることもわかる。この場合この図では、歩行者が後方（角度１８０°）へ一歩踏出すこともでき、その際進んだ距離は僅かであることは、考慮されていない。
側方及び後方への運動形式も含めたこれらの運動形式を、図５に示すように、運動滞在範囲の著しい変化がもう一度生じる。近似的に楕円形のパターンが生じ、楕円の重心は明らかに零点から通常の向きの方向に移動している。なぜならば、この向きにおける運動能力は逆の向きにおけるより高いからである。
図６は、縦方向ｓｌに速度ｖで進む人間の運動範囲を明らかにする線図を示している。この場合歩行者が時点０に座標原点にあり、縦方向（即ちｘ軸に沿って）に所定の速度で動くことを前提とする。時点ｔ＝０．４ｓに歩行者は、すべてのパラメータの考慮後、ＢＡＢ１により示されかつハッチングを施された運動滞在範囲に滞在することができる。時点ｔ＝０．６ｓに、歩行者はＢＡＢ２で示す範囲に滞在することができる。時点ｔ＝０．８ｓにおける可能な運動滞在範囲ＢＡＢ３が、また時点ｔ＝１ｓにおける可能な運動滞在範囲ＢＡＢ４が同じように記入されている。この場合よくわかるように、進行する時間と共に、運動滞在範囲が一方では次第に広がり、即ち横方向ｓｑに延び、他方では歩行者の運動に関する可能性が進行する時間と共に一層可変になるので、これにより可能な滞在範囲も大きくなる。
図６には、横方向（実施例では左方）における運動滞在範囲ＢＡＢ１，・・・，ＢＡＢ４のみが示されている。運動滞在範囲が他の横方向にも延び、従って図６に示す線図をｘ軸の所で対称にせねばならないことは明らかである。
図７は流れ図を示し、これから歩行者の軌道を求める方法がわかる。段階Ｓ１で歩行者の実際位置が検出される。これは例えば車両にある画像検出手段によって行うことができる。段階Ｓ２において、例えば測定誤差等により生じる位置情報（ＳＴ）の妨害が考慮される。段階Ｓ２において求められかつ妨害を除かれたデータから、段階Ｓ３において、歩行者の運動の年代即ち歴史が求められる。この場合歴史０．５〜１ｓが過去へ達すれば十分である。これらの情報から、一方では歩行者の運動軌道を求め、他方では運動状態を求めることができる。歩行者の現在の運動状態は段階Ｓ５において求められる。歩行者の生理学的運動能力を考慮して、段階Ｓ６において物理的運動範囲が求められる。この運動範囲は将来可能な運動滞在範囲に相当し、歩行者は、その向き、走行速度、並進及び／又は回転運動、曲線半径、年令、地面摩擦係数等に基いて、この運動滞在範囲をとることができる。最後に段階Ｓ７において、運動範囲又は運動滞在範囲の確率分布が求められる。この場合運動滞在範囲は、滞在のそれぞれ１つの確率を持つ若干数の異なる範囲に分割される。結果は評価装置ＡＥへ供給される。歩行者の現在の運動経過即ちその運動軌道は、段階Ｓ５に並行して行うことができる段階Ｓ６で求められる。歩行者の将来の運動経過は、段階Ｓ７において、周辺条件による制限の考慮によって前もって求められて、評価装置ＡＥへ供給される。これに並行して段階Ｓ８において、典型的な運動経過パターンを考慮することができる。この場合例えば歩行者が信号機又は横断歩道でどんな挙動をとるかの認識が流入する。これらの情報から、予想される優先方向を求めることが試みられる。この情報も評価装置ＡＥへ供給され、段階Ｓ１０において評価装置が、それに供給される情報から、歩行者の運動範囲を求める。この場合運動範囲は、運動滞在範囲又は滞在場所に相当する。
この方法により時間について測定される位置を出発点として、近い将来における歩行者又は自転車乗り、又は動物の滞在確率の著しく正確な予想が可能になる。
この方法は、衝突確率を求める方法と共に例えば制御装置において実行され、車両及び生物の運動可能性から衝突確率が衝突危険値として計算され、生物の生理学的運動能力の考慮によって予想品質が高められる。
以上の説明から明らかになったように、人間は加速より著しく速く減速するか、一層大きい走行速度の場合方向変化を行わないか、又は小さい半径で方向変化のみを行うことができる。この運動能力は更に個々に年令、性、状態等に関係しており、例えば実行前にアルゴリズムで検査により求められる。情報を例えばメモリに記憶し、求められる入力データに関係して、滞在確率を一層正確に求めるために利用することができる。
更に検査又は交通観察により、生物の特有な運動経過パターンを、特に典型的な交通状況（例えば横断歩道、信号機等で）において求め、方法の範囲内で考慮することができる。それによっても、運動経過パターンと測定されるか又は求められる生物の運動との比較によって、予想精度が高められる。
更に周辺情報の算入が可能であり、これらの周辺情報を航法システム又はディジタルカードにより提供することができる。更に状態観察装置との組合わせ（ディジタルカードと周辺センサ装置との組合わせ）も可能である。（例えば道路推移、家屋の壁等にある）障害物による運動可能性の制限を考慮することができ、それにより予想精度も同様に高まる。この予想精度は、車両の将来の滞在の予想の際にも考慮することができる。
車両は、この方法を実施するために、生物又は歩行者のパラメータ特にその生理学的運動能力にとって重要なパラメータを検出する適当なセンサ装置を備えることができ、計算装置が、将来可能な滞在場所又は進行する軌道対を与えられた時点に求めるため、運動軌道の場所及び運動状態から始まって、生物の生理学的運動能力を考慮して、１つ又は複数の将来の時点のために構成されている。特に歩行者の軌道を求めるため、例えば適当な特性曲線図又は生理学的モデルが記憶され、それからパラメータに基いて、確からしい滞在場所が計算装置により求められる。それにより車両外の生物又は歩行者用保護システムが著しく正確に動作せしめられ、誤警報が著しく減少される。
種々の歩行者形式に対して典型的な有限数の運動初期状況のための軌道群が、図８に示されるように、車両が作動せしめられる前の初期段階中に前もって求められ、車両の機内にあるメモリに記憶される。
軌道群は、なるべく各形式の歩行者に対して、すべての可能な運動初期状況のためにまず求められ、それぞれの歩行者形式及びそれぞれの運動初期状況に対応して記憶される。
“成人”群の歩行者１００の軌道群及び運動初期状況ＢＳｉ（ｖｉ，ａｉ，ｗｉ）が次のように求められる。その際ｖｉ，ａｉ又はｗｉは、典型成人１００のそれぞれ初期速度、初期加速度又は初期回転速度を意味する。
これらの運動初期状況ＢＳｉ（ｖｉ，ａｉ，ｗｉ）から始まって、典型１００のすべての可能な典型的運動軌道ｔｉ１，・・・，ｔｉ１０が、３ｓの優先的な期間にΔｔ＝０．１ｓの増分時間段階で求められる。図８には、本発明による方法を簡単化して示すため、軌道群に対して１０個の軌道が記号で示されている。
第１の測定点ｔ１（ｔ１＝Δｔ＝０．１ｓ）に、例えば適当な軌道Ｔｉ１，・・・，Ｔｉ９を持つ１０個の滞在点又は滞在位置ｐ１０，・・・，ｐ１９が求められる。歩行者１００は上述したようにその走行方向を突然変え、従ってすべての方向へ走行することがあるので、滞在点は部分的に歩行者１００の後にあり、歩行者１００の現在の向きの逆方向では運動初期状態にある（矢印方向）。滞在点ｐ１０，・・・，ｐ１９は一緒に円ｐｋ１を形成し、この円を以下滞在円と称する。この滞在円にある各点は、根本においては、時点ｔ１における歩行者１００の可能な滞在点である。歩行者１００は、例えば幅、奥行きのような特定の寸法を持っているので、互いに近接している滞在点は群にされ、図８におけるように幾つかの少ない滞在点ｐ１０，・・・，ｐ１９により示される。これらの滞在点ｐ１０，・・・，ｐ１９に付属する軌道Ｔｏ１，・・・，Ｔｉ１０は、歩行者１００のこの形式及びその運動初期状況ＢＳｉ（ｖｉ，ａｉ，ｗｉ）のための軌道群を形成する。この軌道群にある軌道の数は１０である。
続く時点ｔ２＝２＊Δｔ＝０．２ｓ，ｔ３，ｔ４に、既に検出された軌道Ｔｉ１，・・・，Ｔｉ１０のための別の滞在点ｐ２０，・・・，ｐ２９；ｐ３０，・・・，ｐ３０；ｐ４０，・・・，ｐ４９が求められる。
本発明による方法を簡単化して示すため、ここでは０．４ｓの期間についてのみ軌道が考慮される。しかし実施に応じて、約３ｓ又はそれ以上の期間も考慮される。
こうして求められる滞在点ｐ１０，・・・，ｐ１９；ｐ２０，・・・，ｐ２９；ｐ３０，・・・，ｐ３０；ｐ４０，・・・，ｐ４９を持つ１０個の軌道Ｔｉ１，・・・，Ｔｉ１０を持つ軌道群ＴＳｉが、運動初期状況ＢＳｉ（ｖｉ，ａｉ，ｗｉ）のパラメータと共に、歩行者群“成人男子”に対応せしめられて、後で使用するため車両２００にあるメモリに記憶される。
成人女子、老人歩行者、子供、自転車乗り又は犬のような動物のような歩行者の別の群の別の運動初期状況が提供され、対応する運動軌道群が求められ、車両２００に記憶される。
車両２００の作動の際又は都心を走行する際、車両周辺特に車両２００の車道ホース２１０の範囲又はその近くにある歩行者１００が、図９に示すように、車両２００の機内にある周辺センサ装置によりまず検出される。
更に現在検出されている歩行者１００の運動状態が、適当なセンサにより、例えば速度値ｖ０、加速度値ａ０及び回転速度値ｗ０の形で検出される。これらの運動状態は、車両２００と歩行者１００との衝突危険を求めるための運動初期状況ＢＳ０（ｖ０，ａ０，ｗ０）として用いられる。
同じ時点に自己運動状態即ち車両２００の速度、加速度及び／又は回転速度が検出される。車両運動は、車両２００の測定される自己運動状態値に基いて、小さい時間段階で外挿され、こうして車道ホース２１０が形成され、この車道ホースは、それぞれの時間段階Δｔ又は時点ｔ１，ｔ２，ｔ３，ｔ４に範囲２２１，２２２，２２３，２２４を持っている。これらの範囲２２１，２２２，２２３，２２４は、それぞれの時間段階における衝突区域である。時間段階Δｔは、図８の初期段階中に歩行者の軌道群の計算の際の時間段階に相当する。
歩行者１００が車道ホース２１０の縁で検出されると、車両２００の機内にある周辺センサにより直接測定されたか又は歩行者１００自身により携行される慣性センサにより測定されて車両へ伝送された歩行者１００の運動状態値ｖ０，ａ０，ｗ０が、初期段階中に測定されて記憶される典型的な運動初期状況ＢＳｉ（ｖｉ，ａｉ，ｗｉ）、Ｐｘ−ＢＳ２（ｖ２，ａ２，ｗ２），・・・，ＢＳｉ（ｖｉ，ａｉ，ｗｉ），・・・，ＢＳｎ（ｖｎ、ａｎ、ｗｎ）と比較される。
選択的に運動状態値の比較前に、歩行者１００の種類、即ちどんな歩行者群にこの歩行者１００を対応させるべきかが、この歩行者１００に属する周辺センサ装置又は慣性センサの測定データに基いて求められる。周辺センサ又は慣性センサの測定データが成人男子の歩行者に特有な特徴を持っていると、歩行者１００は“成人男子”の群に対応せしめられる。新たに検出される歩行者１００が“成人男子”に対応せしめられると、“成人男子”の群に対応せしめられて記憶された運動初期状況値ＢＳ１（ｖ１，ａ１，ｗ１），ＢＳ２（ｖ２，ａ２，ｗ２），・・・，ＢＳｉ（ｖｉ，ａｉ，ｗｉ），・・・，ＢＳｎ（ｖｎ，ａｎ，ｗｎ）のみが読み出されて、運動状態値ｖ０，ａ０，ｗ０との比較のために利用される。
歩行者１００の運動状態値ｖ０，ａ０，ｗ０が１組の運動初期状況値例えばＢＳｉ（ｖｉ，ａｉ，ｗｉ）と最もよく似ていると、この組の運動初期状況値ＢＳｉ（ｖｉ，ａｉ，ｗｉ）に対応せしめられて記憶された運動軌道群ＴＳｉが衝突検出のために利用される。
これらの運動初期状況値ＢＳｉ（ｖｉ，ａｉ，ｗｉ）に対して選択されたこの運動軌道群ＴＳｉは、方位に関して歩行者１００の向きである適切な向き（図９の矢印方向）において、歩行者１００の検出される位置の周りに配置され、運動軌道群ＴＳｉの出発点は歩行者１００の中心点と重なる。
０．４ｓの考察期間における上記の各時間段階Δｔ＝０．１ｓ又は各時点ｔ１，ｔ２，ｔ３，ｔ４に、選択された軌道群ＴＳｉの軌道Ｔｉ１，・・・，Ｔｉ１０の滞在点ｐ１０，・・・，ｐ１９；ｐ２０，・・・，ｐ２９；ｐ３０，・・・，ｐ３９；ｐ４０，・・・，ｐ４９が、衝突危険検出のために利用され、各時点ｔ１，ｔ２，ｔ３，ｔ４における滞在点が、それぞれの時点ｔ１，ｔ２，ｔ３，ｔ４における歩行者１００の可能な滞在点ｐ１０，・・・，ｐ１９；ｐ２０，・・・，ｐ２９；ｐ３０，・・・，ｐ３９；ｐ４０，・・・，ｐ４９を再現する。
それからこれらの滞在点ｐ１０，・・・，ｐ１９；ｐ２０，・・・，ｐ２９；ｐ３０，・・・，ｐ３９；ｐ４０，・・・，ｐ４９のどれだけ多くが車両２００のそれぞれの衝突区域２２１，２２２，２２３，２２４にあるかが検査される。衝突区域２２１，２２２，２２３，２２４にある滞在点は、車両２００と歩行者１００との個別衝突を示唆する。図９では、これらは時点ｔ１の滞在点ｐ１０、時点ｔ２の滞在点ｐ２１，ｐ２９、時点ｔ３の滞在点ｐ３２である。
個別衝突を予想する滞在点を持つ軌道群の軌道Ｔｉ１，Ｔｉ２，Ｔｉ３，Ｔｉ１０の数が求められる。この実施例では、この数は４である。衝突滞在点を持つ軌道Ｔｉ１，Ｔｉ２，Ｔｉ３，Ｔｉ１０は、後続の計算段階では、次の時間段階においてもはや考慮されない。こうして例えば時点ｔ１に衝突区域２２１へ入る滞在点ｐ１０を持つ軌道Ｔｉ１は、後続の考察時点ｔ２，ｔ３，ｔ４ではそれ以上考慮されない。同様に考察時点ｔ２に衝突区域２２２へ入る滞在点ｐ２１，ｐ２９を持つ軌道Ｔｉ２，Ｔｉ１０は、後続の考察時点ｔ３，ｔ３にはそれ以上考慮されない。
衝突区域にある滞在点及びこれらの滞在点を持つ軌道の数の算定は、Δｔの増分時間段階で、衝突がもはや起こらないほど離れて、車両２００が歩行者１００を通過するまで反復される。
続いて衝突区域にある少なくとも１つの滞在点を持つすべての（衝突）軌道の数が求められ、衝突軌道の数と軌道の総数との商が形成される。この商が、衝突確率がどれほど高いかについての情報を与える。こうしてこの商から衝突危険が求められる。
図９によるこの実施例ではこの商は次の値を持つ。
Figure 2012513651
有利なようにこの商は、予め規定された閾と比較される。商が最低の閾値を持つ第１の閾の下にあると、衝突の危険はない。商がこの第１の閾を上回るけれども、２番目に低い閾値を持つ第２の閾の下にあると、小さい衝突の危険がある。この小さい衝突の危険は、例えば車両の運転者への警告信号によって除くことができる。しかし商が最高の閾値を持つ最後の閾を上回ると、車両と歩行者との緊急な衝突の危険がある。この場合例えば車両の自発的な全制動により、事故後遺症を少なくする手段が必要である。
この実施例では、例えば比較的高い衝突の危険を示唆する０．４の値を持っている。この場合車両は運転者に音響信号を送り、選択的に歩行者にも音響信号を送り、運転者及び歩行者に切迫した衝突の危険を気づかせる。

Claims (30)

  1. 車両（１）と生物（２）との衝突の確率を求める方法であって、生物（２）の時空的挙動が挙動モデルによりモデル化され、車両（１）の時空的挙動が運動モデルによりモデル化され、車両（１）及び生物（２）の現在の位置で始まって、それぞれ少なくとも１つの軌道（４）が求められるものにおいて、
    ｂ）生物（２）及び車両（１）の現在の位置から始まって、車両（１）の軌道（３）が、 運動モデルから、また生物（２）の軌道（４）が挙動モデルから、軌道対として、こ の軌道対が衝突を表示するか又は衝突を表示しなくなるまで、計算され、
    ｃ）衝突を表示する軌道対の数が求められ、
    ｄ）衝突の確率が、衝突を表示する軌道対の数と計算される軌道対の総数との商として求められる
    ことを特徴とする、方法。
  2. １つの軌道対の軌道（３，４）により表示される車両（１）と生物（２）との間隔が、所定の閾を下回る時に、衝突が表示されることを特徴とする、請求項１に記載の方法。
  3. 増分時間段階（Ｔ１，Ｔ２，Ｔ３，・・・）に方法段階ｂ）〜ｄ）が反復されることを特徴とする、請求項１又は２に記載の方法。
  4. １つ又は複数の時点用の挙動モデルにより、生物（２）の可能な滞在場所が、運動状態を考慮して、１つの軌道対の計算の開始の時点に求められることを特徴とする、先行する請求項の１つに記載の方法。
  5. 挙動モデルが、生物（２）の物理学的及び生理学的運動能力及び／又は生物（２）の経験的に求められる挙動パターンを考慮することを特徴とする、先行する請求項の１つに記載の方法。
  6. 運動状態及び／又は将来可能な滞在場所を求めるためのパラメータとして、次のパラメータの１つ又は複数が求められて処理される
    生物（２）の回転速度、
    生物（２）の垂直軸線の周りの回転加速度、
    生物（２）の運動の現在の曲率半径、
    生物（２）の運動の運動方向又は曲率半径の変化、
    生物（２）の質量慣性、
    路床の特に天候に関係する地面摩擦係数、
    生物（２）の部類、特に年令、所定の身体寸法（例えば身長、脚長又は歩幅）、性別又は種類（例えば人間、動物、子供、自転車乗り）、
    １つ又は複数の側方歩行による運動能力、
    １つ又は複数の後方歩行による運動能力、
    重心運動による運動能力、
    身体傾斜による運動能力、
    ことを特徴とする、請求項４又は５に記載の方法。
  7. 運動状態及び／又は将来可能な滞在場所を求めるためのパラメータとして、次のパラメータの１つ又は複数が求められて処理される
    生物（２）の位置、
    周辺への生物（２）の向き、
    生物（２）の並進速度、
    前記のパラメータの少なくとも１つの年代的経過
    ことを特徴とする、請求項６に記載の方法。
  8. データバンク又は特性曲線図又は分析モデルから、求められるパラメータ又は年代的経過に対応する生物（２）の可能な将来の滞在場所が読出されるか又は求められることを特徴とする、請求項６又は７に記載の方法。
  9. 生物（２）の可能な滞在場所を求めるため、１つ又は複数のパラメータがモデル計算機へ供給され、生物（２）用の抽象化される運動モデルがモデル計算機の基礎になっていることを特徴とする、請求項６又は７に記載の方法。
  10. 将来可能な滞在場所を求めるため、運動経過が、現在の速度、現在の向き及び現在の身体回転に関係して考慮されることを特徴とする、請求項５〜９の１つに記載の方法。
  11. 将来可能な滞在場所を求めるため、生物（２）の最大加速能力が、その運動速度に関係して考慮されることを特徴とする、請求項５〜１０の１つに記載の方法。
  12. 将来可能な滞在場所を求めるため、最小に通過可能な曲線半径が、現在の走行速度及び／又は走行加速度に関係して考慮されることを特徴とする、請求項４〜１１の１つに記載の方法。
  13. 将来可能な滞在場所を求めるため、最大減速能力が、生物（２）の運動速度及び／又は運動の曲線半径に関係して考慮されることを特徴とする、請求項５〜１２の１つに記載の方法。
  14. 将来可能な停車場所を求めるため、生物（２）が求められる走行経過に対して静止しているか又はこれに対して動いている角が考慮され、この角に関係して、走行経過の範囲へ達するために、どの時間に生物（２）が走行経過の方向に回転しかつ実質的に同時に加速できるかが求められることを特徴とする、請求項５〜１３の１つに記載の方法。
  15. 角として１５０°〜２１０°の角、従って走行経過に対して背を向けて静止しているか又は動く生物（２）が考慮されることを特徴とする、請求項１４に記載の方法。
  16. 角として６０°〜１２０°の角、従って走行経過に対して側方で静止しているか又は動く生物（２）が考慮されることを特徴とする、請求項１４に記載の方法。
  17. 将来可能な滞在場所を求めるため、走行経過に対する生物（２）の相対位置、特に生物（２）が走行経過に対して静止しているか又はこれに対して動いている間隔が考慮され、走行経過の範囲へ達するために、この相対位置に関係して、どの時間に生物（２）が加速できるかが求められることを特徴とする、請求項５〜１６の１つに記載の方法。
  18. 将来可能な滞在場所を求めるため、周辺情報及び／又は障害物が考慮されることを特徴とする、請求項５〜１７の１つに記載の方法。
  19. 生物（２）の運動速度に関係して、今までの運動方向への最大加速能力のほかに、生物（２）の今までの運動方向及び／又は向きとは逆向きの最大加速能力が規定されていることを特徴とする、請求項１１に記載の方法。
  20. 生物（２）に対して次のパラメータの少なくとも１つが規定され、
    今までの加速方向への加速能力が零になる最大速度、
    静止している生物（２）の向き及びその逆向きにおける最大加速度、
    今までの運動方向への最大加速能力が最大である速度、
    最大加速能力が生物（２）の今までの運動方向及び／又は向きとは逆向きに最大の値である速度、
    生物（２）の向きとは逆向きの加速能力が零になる、生物（２）の向きとは逆向きの最大速度、
    これらの値がなるべく生物（２）の部類、特に年令、種類及び体格に関係して多様に規定されている
    ことを特徴とする、請求項１９に記載の方法。
  21. 車両（２００）が作動せしめられる前に、種々の歩行者形式（１００）に対して有限数の典型的な運動初期状態（ＢＳｉ（ｖｉ，ａｉ，ｗｉ））が測定され、車両（２００）の機内にあるメモリに記憶されることを特徴とする、先行する請求項の１つに記載の方法。
  22. これらの運動初期状態（ＢＳｉ（ｖｉ，ａｉ，ｗｉ））の各々に対して、所定の増分段階（Δｔ）を持つ可能な運動軌道（Ｔｉ１，Ｔｉ２，・・・，Ｔｉ１０）の群（ＴＳｉ）が、計算されることを特徴とする、請求項２１に記載の方法。
  23. 計算された軌道群（ＴＳｉ）を持つ運動初期状態（ＢＳｉ（ｖｉ，ａｉ，ｗｉ））が、車両の機内にあるメモリに記憶されることを特徴とする、請求項２２に記載の方法。
  24. 車両の作動中に衝突の危険の計算が次のように行われる
    適当なセンサシステムにより、歩行者（１００）の運動状態が検出され、
    車両（２００）の作動開始前に測定されてメモリに記憶されている歩行者（１００）の最も近くにある運動初期状況（ＢＳｉ（ｖｉ，ａｉ，ｗｉ））が選択され、
    車両（２００）の作動開始前にこの選択された運動初期状況（ＢＳｉ（ｖｉ，ａｉ，ｗｉ））のために計算されかつこの運動初期状況（ＢＳｉ（ｖｉ，ａｉ，ｗｉ））に対応せしめられて記憶されている軌道群（ＴＳｉ）が、読出され、歩行者（１００）の向きに対応して歩行者（１００）の検出される位置の周りに配置される
    ことを特徴とする、請求項２３に記載の方法。
  25. 衝突の危険が次のように計算される
    車両運動が小さい時間段階で外挿され、車道ホース（２１０）が形成され、この車道ホース（２１０）がそれぞれの時間段階（ｔ１，ｔ２，ｔ３，ｔ４）に衝突区域（２２１，２２２，２２３，２２４）を持ち、
    各時間段階（ｔ１，ｔ２，ｔ３，ｔ４）に選択された軌道群（ＴＳｉ）の軌道（Ｔｉ１，Ｔｉ２，・・・，Ｔｉ１０）の滞在点（ｐ１０，・・・，ｐ１９；ｐ２０，・・・，ｐ２９；ｐ３０，・・・，ｐ３９；ｐ４０，・・・，ｐ４９）のみが考慮され、それぞれの時間段階（ｔ１，ｔ２，ｔ３，ｔ４）に滞在点（ｐ１０，・・・，ｐ１９；ｐ２０，・・・ｐ２９；ｐ３０，・・・，ｐ３９；ｐ４０，・・・，ｐ４９）が、この時間段階（ｔ１，ｔ２，ｔ３，ｔ４）に歩行者（１００）の可能な滞在位置を再現し、
    それから、これらの選択された滞在点（ｐ１０，・・・，ｐ１９；ｐ２０，・・・，ｐ２９；ｐ３０，・・・，ｐ３９；ｐ４０，・・・，ｐ４９）が車両（２００）の衝突区域（２２１，２２２，２２３，２２４）にあるか否かが検査され、
    車両（２００）の衝突区域（２２１，２２２，２２３，２２４）にあって車両（２００）と歩行者（１００）との個別衝突を予想する滞在点（ｐ１０，ｐ２１，ｐ２９，ｐ３２）を持つ軌道群（ＴＳｉ）にある軌道（Ｔｉ１，Ｔｉ２，Ｔｉ３，Ｔｉ１０）の数が求められる
    ことを特徴とする、請求項２４に記載の方法。
  26. 次の時間段階（ｔ２，ｔ３，ｔ４）における後続の計算段階のために、車両（２００）の衝突区域（２２１，２２２，２２３，２２４）にあって車両（２００）と歩行者（１００）との個別衝突を予想する滞在点（ｐ１０，ｐ２１，ｐ２９，ｐ３２）を持つ軌道（Ｔｉ１，Ｔｉ２，Ｔｉ３，Ｔｉ１０）が取出されることを特徴とする、請求項２５に記載の方法。
  27. 後続の時間段階（ｔ２，ｔ３，ｔ４）に対しても、車両（２００）の衝突区域（２２１，２２２，２２３，２２４）にあって車両（２００）と歩行者（１００）との個別衝突を予想する滞在点（ｐ１０，ｐ２１，ｐ２９，ｐ３２）を持つ軌道（Ｔｉ１，Ｔｉ２，Ｔｉ３，Ｔｉ１０）の数を求めるため、増分時間段階（Δｔ）において方法段階が実行される、請求項２４〜２６の１つに記載の方法。
  28. 車両（２００）と歩行者（１００）との間衝突がもはや起こらないほど離れて、車両（２００）が歩行者（１００）のそばを通過するまで、方法段階が実行されることを特徴とする、請求項２４〜２７の１つに記載の方法。
  29. 車両（２００）の衝突区域（２２１，２２２，２２３，２２４）にある少なくとも１つの滞在点（ｐ１０，ｐ２１，ｐ２９，ｐ３２）を持つ軌道（Ｔｉ１，Ｔｉ２，Ｔｉ３，Ｔｉ１０）の総数が求められ、衝突軌道（Ｔｉ１，Ｔｉ２，Ｔｉ３，Ｔｉ１０）の総数と軌道（Ｔｉ１，・・・，Ｔｉ１０）の総数との商が形成されることを特徴とする、請求項２８に記載の方法。
  30. 車両（１）外の生物（２）用保護システムに特に歩行者保護装置を持つ車両であって、 周辺情報を検出する少なくとも１つのセンサ装置を持ち、
    生物特に歩行者（２）を確認するため周辺情報を評価し、生物（２）及び車両（１）のためにそれぞれ１つの運動軌道を軌道対として求め、それから衝突確率従って保護システムの始動の必要性を推論する計算装置を持ち、
    車両が先行する請求項の１つに記載の方法を実行するように構成され、特に
    センサ装置が、生物（２）のパラメータ及びその生理学的運動能力を検出するように構成され、
    計算装置が、１つ又は複数の将来の時点のため生物（２）の生理学的運動能力を考慮して、運動軌道の１つの場所及び運動状態から始まって、与えられた時点に将来可能な滞在場所を求めるように構成されている、車両。
JP2011544785A 2008-12-23 2009-12-15 車両と生物との衝突確率を求める方法 Pending JP2012513651A (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
DE102008062916A DE102008062916A1 (de) 2008-12-23 2008-12-23 Verfahren zur Ermittlung einer Kollisionswahrscheinlichkeit eines Fahrzeuges mit einem Lebewesen
DE102008062916.2 2008-12-23
PCT/DE2009/001750 WO2010072195A2 (de) 2008-12-23 2009-12-15 Verfahren zur ermittlung einer kollisionswahrscheinlichkeit eines fahrzeugs mit einem lebewesen

Publications (1)

Publication Number Publication Date
JP2012513651A true JP2012513651A (ja) 2012-06-14

Family

ID=42194074

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2011544785A Pending JP2012513651A (ja) 2008-12-23 2009-12-15 車両と生物との衝突確率を求める方法

Country Status (5)

Country Link
US (1) US20110246156A1 (ja)
EP (1) EP2382609B1 (ja)
JP (1) JP2012513651A (ja)
DE (2) DE102008062916A1 (ja)
WO (1) WO2010072195A2 (ja)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017104387A1 (ja) * 2015-12-17 2017-06-22 株式会社デンソー 物体検知装置及び物体検知方法
JP2017535008A (ja) * 2014-09-23 2017-11-24 ロベルト・ボッシュ・ゲゼルシャフト・ミト・ベシュレンクテル・ハフツングＲｏｂｅｒｔ Ｂｏｓｃｈ Ｇｍｂｈ 道路交通利用者の移動モデルを形成するための方法及び装置
US9849876B2 (en) 2015-06-05 2017-12-26 Toyota Jidosha Kabushiki Kaisha Collision avoidance assistance device for a vehicle
KR20180051225A (ko) * 2016-11-08 2018-05-16 엘지전자 주식회사 차량 제어 시스템 및 그의 제어방법
KR20200037737A (ko) * 2018-09-28 2020-04-09 바이두닷컴 타임즈 테크놀로지(베이징) 컴퍼니 리미티드 자율 주행 차량을 위한 보행자 확률 예측 시스템
JP2021054388A (ja) * 2019-09-30 2021-04-08 ベイジン バイドゥ ネットコム サイエンス テクノロジー カンパニー リミテッドＢｅｉｊｉｎｇ Ｂａｉｄｕ Ｎｅｔｃｏｍ Ｓｃｉｅｎｃｅ Ｔｅｃｈｎｏｌｏｇｙ Ｃｏ．， Ｌｔｄ． 自動運転の制御方法、装置、電子機器及び記憶媒体
JP2021510857A (ja) * 2018-05-10 2021-04-30 ボーシャン，バスティアン 車両・歩行者間の衝突回避の方法およびシステム
US11249184B2 (en) 2019-05-07 2022-02-15 The Charles Stark Draper Laboratory, Inc. Autonomous collision avoidance through physical layer tracking
JP2022086680A (ja) * 2020-11-30 2022-06-09 トヨタ自動車株式会社 挙動予測装置

Families Citing this family (133)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102008025753A1 (de) * 2008-05-29 2009-12-10 Siemens Aktiengesellschaft Verfahren zum Erkennen von Anomalitäten in Objektströmen über das Phämomen der Gruppengeschwindigkeit
DE102008049824B4 (de) 2008-10-01 2014-09-04 Universität Kassel Verfahren zur Kollisionsvermeidung
JP5210233B2 (ja) * 2009-04-14 2013-06-12 日立オートモティブシステムズ株式会社 車両用外界認識装置及びそれを用いた車両システム
JP2011118753A (ja) * 2009-12-04 2011-06-16 Denso Corp 接近報知装置、および接近報知プログラム
US8509982B2 (en) 2010-10-05 2013-08-13 Google Inc. Zone driving
DE102011012542A1 (de) * 2011-02-26 2012-08-30 Continental Safety Engineering International Gmbh Testvorrichtung und Verfahren
EP2562060B1 (en) * 2011-08-22 2014-10-01 Honda Research Institute Europe GmbH A method and system for predicting movement behavior of a target traffic object
DE102011087774A1 (de) * 2011-12-06 2013-06-06 Robert Bosch Gmbh Verfahren zur Überwachung und Signalisierung einer Verkehrssituation im Umfeld eines Fahrzeuges
FR2988507B1 (fr) * 2012-03-23 2014-04-25 Inst Francais Des Sciences Et Technologies Des Transports De Lamenagement Et Des Reseaux Systeme d'assistance pour vehicule routier
DE102012204896B4 (de) 2012-03-27 2024-05-16 Robert Bosch Gmbh Verfahren zur Erhöhung der Sicherheit für ein Fahrzeug
US8718861B1 (en) 2012-04-11 2014-05-06 Google Inc. Determining when to drive autonomously
EP2654028B1 (en) * 2012-04-20 2018-09-26 Honda Research Institute Europe GmbH Orientation sensitive traffic collision warning system
US9135798B2 (en) 2012-09-01 2015-09-15 Honda Motor Co., Ltd. Vehicle periphery monitoring device
DE102013217430A1 (de) * 2012-09-04 2014-03-06 Magna Electronics, Inc. Fahrerassistenzsystem für ein Kraftfahrzeug
US9633564B2 (en) 2012-09-27 2017-04-25 Google Inc. Determining changes in a driving environment based on vehicle behavior
US8949016B1 (en) 2012-09-28 2015-02-03 Google Inc. Systems and methods for determining whether a driving environment has changed
DE102013001228A1 (de) * 2013-01-25 2014-07-31 Wabco Gmbh Verfahren zum Ermitteln eines Auslösekriteriums für eine Bremsung und Notbremssystem für ein Fahrzeug
DE102013001229A1 (de) 2013-01-25 2014-07-31 Wabco Gmbh Verfahren zum Ermitteln eines Auslöekriteriums für eine Bremsung und ein Notbremssystem zur Durchführung des Verfahrens
US10154382B2 (en) 2013-03-12 2018-12-11 Zendrive, Inc. System and method for determining a driver in a telematic application
JP5905846B2 (ja) 2013-03-29 2016-04-20 株式会社日本自動車部品総合研究所 横断判定装置およびプログラム
DE102013211622A1 (de) * 2013-06-20 2014-12-24 Robert Bosch Gmbh Kollisionsvermeidung für ein Kraftfahrzeug
DE102013212092B4 (de) * 2013-06-25 2024-01-25 Robert Bosch Gmbh Verfahren und Vorrichtung zum Betreiben einer Fußgängerschutzeinrichtung eines Fahrzeugs, Fußgängerschutzeinrichtung
US9336436B1 (en) * 2013-09-30 2016-05-10 Google Inc. Methods and systems for pedestrian avoidance
US9014905B1 (en) 2014-01-28 2015-04-21 Google Inc. Cyclist hand signal detection by an autonomous vehicle
US9349293B2 (en) 2014-02-07 2016-05-24 Here Global B.V Method and apparatus for providing vehicle synchronization to facilitate a crossing
JP6440115B2 (ja) 2014-03-06 2018-12-19 パナソニックＩｐマネジメント株式会社 表示制御装置、表示制御方法、および表示制御プログラム
EP4187523A1 (en) 2014-05-14 2023-05-31 Mobileye Vision Technologies Ltd. Systems and methods for curb detection and pedestrian hazard assessment
EP2950114B1 (en) * 2014-05-30 2020-03-04 Honda Research Institute Europe GmbH Method for assisting a driver in driving a vehicle, a driver assistance system, a computer software program product and vehicle
US9321461B1 (en) 2014-08-29 2016-04-26 Google Inc. Change detection using curve alignment
DE102014219165A1 (de) * 2014-09-23 2016-04-07 Robert Bosch Gmbh Verfahren und Vorrichtung zum Überwachen eines Verkehrsraums
US9248834B1 (en) 2014-10-02 2016-02-02 Google Inc. Predicting trajectories of objects based on contextual information
US9855890B2 (en) * 2014-12-11 2018-01-02 Toyota Motor Engineering & Manufacturing North America, Inc. Autonomous vehicle interaction with external environment
EP3251023A4 (en) * 2015-01-26 2018-09-26 TRW Automotive U.S. LLC Vehicle driver assist system
JP6600001B2 (ja) * 2015-02-26 2019-10-30 ボルボトラックコーポレーション 隊列の車間距離を制御する方法
US9896030B2 (en) 2015-04-30 2018-02-20 Honda Motor Co., Ltd. System and method for vehicle collision mitigation with vulnerable road user context sensing
DE102015209473A1 (de) * 2015-05-22 2016-11-24 Robert Bosch Gmbh Verfahren und Vorrichtung zum Betreiben eines Fahrzeugs
US9934688B2 (en) 2015-07-31 2018-04-03 Ford Global Technologies, Llc Vehicle trajectory determination
SE539097C2 (en) * 2015-08-20 2017-04-11 Scania Cv Ab Method, control unit and system for avoiding collision with vulnerable road users
SE539846C2 (en) * 2015-08-20 2017-12-19 Scania Cv Ab Method, control unit and a system in a vehicle for detection of a vulnerable road user
JP6676147B2 (ja) 2015-08-20 2020-04-08 ゼンドライヴ, インコーポレイテッドZendrive, Inc. 加速度計支援型ナビゲーションのための方法
US9818239B2 (en) 2015-08-20 2017-11-14 Zendrive, Inc. Method for smartphone-based accident detection
US9415658B1 (en) * 2015-09-23 2016-08-16 Continental Automotive Systems, Inc. Independent vehicle ride height adjustment
US10460534B1 (en) * 2015-10-26 2019-10-29 Allstate Insurance Company Vehicle-to-vehicle accident detection
US10496766B2 (en) * 2015-11-05 2019-12-03 Zoox, Inc. Simulation system and methods for autonomous vehicles
US10745003B2 (en) * 2015-11-04 2020-08-18 Zoox, Inc. Resilient safety system for a robotic vehicle
US9864918B2 (en) * 2015-11-04 2018-01-09 Ford Global Technologies, Llc Predicting vehicle movements based on driver body language
DE102015224739A1 (de) * 2015-12-09 2017-06-14 Robert Bosch Gmbh Verfahren und Vorrichtung zum Auslösen von Fußgängerschutzmitteln und/oder Fußgängerwarnmitteln
EP3420517B1 (en) * 2016-02-23 2022-07-06 nChain Holdings Limited A method and system for the secure transfer of entities on a blockchain
WO2017192852A1 (en) * 2016-05-06 2017-11-09 Emiliano Miluzzo System and method for smartphone communication between vehicle and pedestrian
US10303166B2 (en) * 2016-05-23 2019-05-28 nuTonomy Inc. Supervisory control of vehicles
BR112018074419A2 (pt) 2016-06-24 2019-03-06 Crown Equipment Corporation processo implementado por computador, e, sistema para rastrear indiretamente selos eletrônicos.
US10257646B2 (en) * 2016-06-24 2019-04-09 Crown Equipment Corporation Use of electronic badges in aisle passing maneuvers
MX2018016065A (es) 2016-06-24 2019-03-28 Crown Equip Corp Credencial electronica para autenticar y rastraer a un operador de vehiculo industrial.
US10255769B2 (en) 2016-06-24 2019-04-09 Crown Equipment Corporation Electronic badge as a talking marker
US10496091B1 (en) * 2016-08-17 2019-12-03 Waymo Llc Behavior and intent estimations of road users for autonomous vehicles
DE102016215587A1 (de) 2016-08-19 2018-02-22 Audi Ag Verfahren zum Betreiben eines zumindest teilautonom betriebenen Kraftfahrzeugs und Kraftfahrzeug
US10407061B2 (en) * 2016-08-29 2019-09-10 Mazda Motor Corporation Vehicle control system
WO2018049416A1 (en) 2016-09-12 2018-03-15 Zendrive, Inc. Method for mobile device-based cooperative data capture
US10248872B2 (en) * 2016-10-19 2019-04-02 Texas Instruments Incorporated Estimation of time to collision in a computer vision system
DE102016220450A1 (de) 2016-10-19 2018-04-19 Bayerische Motoren Werke Aktiengesellschaft Vorrichtung, Fortbewegungsmittel und Verfahren zur Abschätzung einer Kollisionswahrscheinlichkeit zwischen einem Fortbewegungsmittel und einem Umgebungsobjekt
JP6271674B1 (ja) * 2016-10-20 2018-01-31 パナソニック株式会社 歩車間通信システム、車載端末装置、歩行者端末装置および安全運転支援方法
US11080534B2 (en) * 2016-11-14 2021-08-03 Lyft, Inc. Identifying objects for display in a situational-awareness view of an autonomous-vehicle environment
US10012993B1 (en) 2016-12-09 2018-07-03 Zendrive, Inc. Method and system for risk modeling in autonomous vehicles
CN106515578A (zh) * 2016-12-22 2017-03-22 百度在线网络技术（北京）有限公司 无人车驾驶状态的识别装置、识别方法及无人车
DE102017103097A1 (de) 2017-02-15 2018-08-16 Konecranes Global Corporation Automatisch geführtes Transportfahrzeug für Container und Verfahren zum Betreiben desselben sowie System mit einem automatisch geführten Transportfahrzeug
DE102017103700A1 (de) 2017-02-23 2018-08-23 Valeo Schalter Und Sensoren Gmbh Vermeiden einer Kollision durch einen Lenkeingriff in Abhängigkeit von einer Bewegung eines fahrzeugexternen Objekts
DE102017208245A1 (de) * 2017-05-16 2018-11-22 Continental Automotive Gmbh Verfahren und Vorrichtung zur zielbasierten Prädiktion dynamischer Objekte
DE102017209287B4 (de) * 2017-06-01 2022-10-13 Robert Bosch Gmbh Verfahren und Steuergerät zum Steuern eines automatisiert fahrenden Verkehrsmittels in einer Fußgängerzone
US11151813B2 (en) 2017-06-28 2021-10-19 Zendrive, Inc. Method and system for vehicle-related driver characteristic determination
US10304329B2 (en) 2017-06-28 2019-05-28 Zendrive, Inc. Method and system for determining traffic-related characteristics
DE102017114876A1 (de) * 2017-07-04 2019-01-10 Iav Gmbh Ingenieurgesellschaft Auto Und Verkehr Fahrerassistenzsystem zur Kollisionsvermeidung mittels Warn- und Interventionskaskade
IL272574B2 (en) * 2017-08-31 2024-01-01 Saab Ab Method and system for estimating geographic location of a target
DE102017215592A1 (de) * 2017-09-05 2019-03-07 Volkswagen Aktiengesellschaft Fahrassistenzvorrichtung eingerichtet zur teilautonomen und vollautonomen Führung eines Kraftfahrzeugs, Verfahren und Kraftfahrzeug
CN111133489B (zh) * 2017-10-05 2022-02-11 本田技研工业株式会社 车辆控制装置、车辆控制方法及存储介质
US10782138B2 (en) 2017-10-06 2020-09-22 Here Global B.V. Method, apparatus, and computer program product for pedestrian behavior profile generation
EP3698340A4 (en) 2017-10-20 2021-07-14 Zendrive, Inc. PROCEDURE AND SYSTEM FOR VEHICLE ASSOCIATED COMMUNICATION
DE102017220392A1 (de) * 2017-11-15 2019-05-16 Zf Friedrichshafen Ag Verfahren zum Betreiben eines Hybridgetriebes
EP3717996B1 (en) 2017-11-27 2023-12-20 Zendrive, Inc. System and method for vehicle sensing and analysis
US10156850B1 (en) 2017-12-08 2018-12-18 Uber Technologies, Inc. Object motion prediction and vehicle control systems and methods for autonomous vehicles
US11789449B2 (en) * 2018-02-09 2023-10-17 Nvidia Corporation Controlling autonomous vehicles using safe arrival times
DE102018203064A1 (de) * 2018-03-01 2019-09-05 Honda Motor Co., Ltd. Kollisionsrisiko-Vorhersageeinheit
DE102018203070A1 (de) * 2018-03-01 2019-09-05 Honda Motor Co., Ltd. Kollisionsrisiko-Vorhersageeinheit
DE102018203063A1 (de) * 2018-03-01 2019-09-05 Honda Motor Co., Ltd. Kollisionsrisiko-Vorhersageeinheit
DE102018203058A1 (de) * 2018-03-01 2019-09-05 Honda Motor Co., Ltd. Kollisionsrisiko-Vorhersageeinheit
IT201800003312A1 (it) * 2018-03-06 2019-09-06 Fiat Ricerche Guida autonoma di autoveicoli per l'esecuzione di manovre ricorrenti a bassa velocita'
US10836346B2 (en) * 2018-04-27 2020-11-17 Nio Usa, Inc. Methods and systems for providing a protect occupants mode with an autonomous vehicle
DE102018210280A1 (de) * 2018-06-25 2020-01-02 Robert Bosch Gmbh Anpassung der Trajektorie eines Ego-Fahrzeugs an bewegte Fremdobjekte
DE102018211726A1 (de) 2018-07-13 2020-01-16 Audi Ag Verfahren zum automatischen maschinellen Trainieren eines elektronischen Fahrzeugführungssystems, sowie Kraftfahrzeug
DE102018214032A1 (de) * 2018-08-20 2020-02-20 Zf Friedrichshafen Ag Vorrichtung, Verfahren und System zum Warnen eines Fahrzeugführers beim Abbiegen an einer Abbiegestelle
DE102018214018A1 (de) * 2018-08-20 2020-02-20 Zf Friedrichshafen Ag Vorrichtung, Verfahren und System zum Warnen eines Fahrzeugführers beim Abbiegen an einer Abbiegestelle
DE102018214635A1 (de) * 2018-08-29 2020-03-05 Robert Bosch Gmbh Verfahren zur Vorhersage zumindest eines zukünftigen Geschwindigkeitsvektors und/oder einer zukünftigen Pose eines Fußgängers
US11126185B2 (en) 2018-09-15 2021-09-21 Toyota Research Institute, Inc. Systems and methods for predicting vehicle trajectory
DE102018216110A1 (de) * 2018-09-21 2020-03-26 Volkswagen Aktiengesellschaft Verfahren und Vorrichtung zum Bereitstellen eines Umfeldabbildes eines Umfeldes einer mobilen Einrichtung und Kraftfahrzeug mit einer solchen Vorrichtung
US11590968B2 (en) * 2018-10-31 2023-02-28 Intel Corporation Methods and apparatus to mitigate hard-braking events
DE102018131453A1 (de) * 2018-12-07 2020-06-10 Bayerische Motoren Werke Aktiengesellschaft Verfahren zum Ermitteln eines Kollisionsrisikos eines Fortbewegungsmittels
DE102018131455A1 (de) * 2018-12-07 2020-06-10 Bayerische Motoren Werke Aktiengesellschaft Kollisionsvermeidung zwischen Verkehrsteilnehmern
CN112996703A (zh) * 2018-12-18 2021-06-18 动态Ad有限责任公司 使用多个运动约束的运载工具的操作
CN113165668A (zh) 2018-12-18 2021-07-23 动态Ad有限责任公司 利用机器学习使用运动规划来操作运载工具
DE102019100426A1 (de) * 2019-01-09 2020-07-09 Sick Ag Verfahren und Steuersystem zur Absicherung eines Überwachungsbereichs
DE102019103106A1 (de) * 2019-02-08 2020-08-13 Zf Automotive Germany Gmbh Steuerungssystem und Steuerungsverfahren zur interaktionsbasierten Langzeitbestimmung von Trajektorien für Kraftfahrzeuge
US11561547B2 (en) 2019-02-20 2023-01-24 Gm Cruise Holdings Llc Autonomous vehicle routing based upon spatiotemporal factors
KR20200139443A (ko) * 2019-06-04 2020-12-14 주식회사 만도 운전자 보조 시스템 및 그 제어 방법
CN110488816B (zh) * 2019-08-06 2021-12-31 华为技术有限公司 自动驾驶纵向规划方法及相关设备
US11354912B2 (en) 2019-08-27 2022-06-07 Waymo Llc Detecting potentially occluded objects for autonomous vehicles
US11816914B2 (en) 2019-09-05 2023-11-14 Humanising Autonomy Limited Modular predictions for complex human behaviors
DE102019215147A1 (de) * 2019-10-01 2021-04-01 Continental Automotive Gmbh Verfahren und Fahrerassistenzvorrichtung zur Führung eines Ego-Fahrzeugs
US11775010B2 (en) 2019-12-02 2023-10-03 Zendrive, Inc. System and method for assessing device usage
JP2023504269A (ja) 2019-12-03 2023-02-02 ゼンドライヴ，インコーポレイテッド ルートのリスク判定方法およびシステム
DE102019133420A1 (de) * 2019-12-06 2021-06-10 Bayerische Motoren Werke Aktiengesellschaft Verfahren und Vorrichtung zur Reduzierung des Kollisionsrisikos eines Fahrzeugs
US20220388505A1 (en) * 2019-12-12 2022-12-08 Intel Corporation Vulnerable road user safety technologies based on responsibility sensitive safety
KR20210088780A (ko) 2020-01-06 2021-07-15 주식회사 만도 운전자 보조 장치 및 그 방법
JP2021142788A (ja) * 2020-03-10 2021-09-24 トヨタ自動車株式会社 運転支援システム
US11263896B2 (en) 2020-04-06 2022-03-01 B&H Licensing Inc. Method and system for detecting jaywalking of vulnerable road users
CN113511159B (zh) * 2020-04-10 2023-01-31 采埃孚汽车科技(上海)有限公司 通过气囊增强司乘人员安全性的系统和方法
CN111845554A (zh) * 2020-06-03 2020-10-30 北京中科慧眼科技有限公司 一种基于双目立体相机的行人碰撞预警方法和装置
CN111932882B (zh) * 2020-08-13 2022-05-06 广东飞达交通工程有限公司 一种基于图像识别的道路事故实时预警系统、方法和设备
US11618444B2 (en) * 2020-10-01 2023-04-04 Argo AI, LLC Methods and systems for autonomous vehicle inference of routes for actors exhibiting unrecognized behavior
US11731661B2 (en) 2020-10-01 2023-08-22 Argo AI, LLC Systems and methods for imminent collision avoidance
CN112319477B (zh) * 2020-11-02 2022-02-11 天津大学 一种用于无人驾驶的决策规划方法
EP4001042A1 (en) * 2020-11-23 2022-05-25 Aptiv Technologies Limited System and method for predicting road collisions with a host vehicle
US11554794B2 (en) 2020-11-25 2023-01-17 Argo AI, LLC Method and system for determining a mover model for motion forecasting in autonomous vehicle control
US11738772B1 (en) * 2020-12-18 2023-08-29 Zoox, Inc. Object avoidance with perceived safety subgoal
CN113306552B (zh) * 2021-07-31 2021-10-01 西华大学 混合道路拥堵状态下无人驾驶汽车的超低速蠕行方法
CN114228707B (zh) * 2021-12-22 2023-04-25 广西科技大学 一种无人驾驶车辆的防撞方法及系统
CN114078234B (zh) * 2022-01-07 2022-05-31 泰豪软件股份有限公司 供电台区施工工艺的检测方法、系统、存储介质及设备
CN114973642B (zh) * 2022-01-17 2023-09-08 深圳市聚业美家科技有限公司 基于大数据轨迹分析的计算机路径决策系统和决策方法
CN114475587B (zh) * 2022-01-30 2024-04-30 重庆长安汽车股份有限公司 引入目标行为及碰撞概率的风险评估算法
DE102022204041A1 (de) * 2022-04-26 2023-10-26 Volkswagen Aktiengesellschaft Verfahren zum Erzeugen eines Gefahrenkartendatensatzes und zum korrespondierenden Betreiben eines Kraftfahrzeugs, Assistenzsystem und Kraftfahrzeug
CN115662184B (zh) * 2022-09-09 2023-11-24 湖南大学 一种车辆行车风险评估方法
CN117944671A (zh) * 2022-10-27 2024-04-30 华为技术有限公司 一种目标行为预测方法、智能设备及车辆
DE102022130111A1 (de) 2022-11-15 2024-05-16 Valeo Schalter Und Sensoren Gmbh Verfahren zum bestimmen eines kollisionsabstands
CN116187748B (zh) * 2022-12-16 2023-12-29 清华大学 风险域确定方法、装置、计算机设备、介质和程序产品
CN116882307B (zh) * 2023-09-08 2023-11-24 武汉理工大学 考虑不确定初始状态的车辆安全轨迹规划方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006039698A (ja) * 2004-07-23 2006-02-09 Denso Corp 車両用物体検知装置
JP2007233765A (ja) * 2006-03-01 2007-09-13 Toyota Motor Corp 移動体安全性評価方法および移動体安全性評価装置
JP2007233764A (ja) * 2006-03-01 2007-09-13 Toyota Motor Corp 障害物検出方法、障害物検出装置及び標準移動体モデル
JP2008305014A (ja) * 2007-06-05 2008-12-18 Toyota Motor Corp 自車両の移動領域取得装置
JP2009505260A (ja) * 2005-08-19 2009-02-05 ルノー・エス・アー・エス 車両と歩行者との衝突を予測するための方法及びシステム
JP2010287109A (ja) * 2009-06-12 2010-12-24 Toyota Motor Corp 進路評価装置

Family Cites Families (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3843502B2 (ja) * 1996-09-30 2006-11-08 マツダ株式会社 車両用動体認識装置
US6188957B1 (en) * 1999-10-04 2001-02-13 Navigation Technologies Corporation Method and system for providing bicycle information with a navigation system
US6856906B2 (en) * 2001-07-11 2005-02-15 Robert Bosch Gmbh Method and device for initiating and executing a deceleration of a vehicle
FR2835082B1 (fr) 2002-01-24 2004-04-02 Peugeot Citroen Automobiles Sa Procede de traitement probabiliste des points detectes par un systeme de supervision de l'environnement
DE10257842A1 (de) * 2002-05-07 2003-11-27 Bosch Gmbh Robert Verfahren zur Bestimmung einer Unfallgefahr eines ersten Objekts mit wenigstens einem zweiten Objekt
US7188056B2 (en) * 2002-09-09 2007-03-06 Maia Institute Method and apparatus of simulating movement of an autonomous entity through an environment
US7079024B2 (en) * 2003-05-23 2006-07-18 Ramon Alarcon Alert system for prevention of collisions with low visibility mobile road hazards
US6989754B2 (en) * 2003-06-02 2006-01-24 Delphi Technologies, Inc. Target awareness determination system and method
DE10325762A1 (de) 2003-06-05 2004-12-23 Daimlerchrysler Ag Bildverarbeitungssystem für ein Fahrzeug
US7315799B1 (en) * 2003-09-09 2008-01-01 Perot Systems Corporation Method of and article of manufacture for determining probability of avian collision
JP4811019B2 (ja) * 2005-01-17 2011-11-09 株式会社豊田中央研究所 衝突挙動制御装置
DE102005020731A1 (de) * 2005-05-04 2006-11-09 Audi Ag Modelliervorrichtung und Verfahren zum Modellieren einer Umgebung eines Fahrzeugs
US7671725B2 (en) * 2006-03-24 2010-03-02 Honda Motor Co., Ltd. Vehicle surroundings monitoring apparatus, vehicle surroundings monitoring method, and vehicle surroundings monitoring program
US7579942B2 (en) * 2006-10-09 2009-08-25 Toyota Motor Engineering & Manufacturing North America, Inc. Extra-vehicular threat predictor
JP5262057B2 (ja) * 2006-11-17 2013-08-14 株式会社豊田中央研究所 照射装置
US7881868B2 (en) * 2007-06-12 2011-02-01 Palo Alto Research Center Incorporated Dual assessment for early collision warning
DE102007037610A1 (de) * 2007-08-09 2009-02-19 Siemens Restraint Systems Gmbh Verfahren zum Bestimmen eines wahrscheinlichen Bewegungs-Aufenthaltsbereichs eines Lebewesens
DE102008049824B4 (de) * 2008-10-01 2014-09-04 Universität Kassel Verfahren zur Kollisionsvermeidung

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006039698A (ja) * 2004-07-23 2006-02-09 Denso Corp 車両用物体検知装置
JP2009505260A (ja) * 2005-08-19 2009-02-05 ルノー・エス・アー・エス 車両と歩行者との衝突を予測するための方法及びシステム
JP2007233765A (ja) * 2006-03-01 2007-09-13 Toyota Motor Corp 移動体安全性評価方法および移動体安全性評価装置
JP2007233764A (ja) * 2006-03-01 2007-09-13 Toyota Motor Corp 障害物検出方法、障害物検出装置及び標準移動体モデル
JP2008305014A (ja) * 2007-06-05 2008-12-18 Toyota Motor Corp 自車両の移動領域取得装置
JP2010287109A (ja) * 2009-06-12 2010-12-24 Toyota Motor Corp 進路評価装置

Cited By (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017535008A (ja) * 2014-09-23 2017-11-24 ロベルト・ボッシュ・ゲゼルシャフト・ミト・ベシュレンクテル・ハフツングＲｏｂｅｒｔ Ｂｏｓｃｈ Ｇｍｂｈ 道路交通利用者の移動モデルを形成するための方法及び装置
US9849876B2 (en) 2015-06-05 2017-12-26 Toyota Jidosha Kabushiki Kaisha Collision avoidance assistance device for a vehicle
KR101824803B1 (ko) * 2015-06-05 2018-03-14 도요타지도샤가부시키가이샤 차량의 충돌 회피 지원 장치
US10960877B2 (en) 2015-12-17 2021-03-30 Denso Corporation Object detection device and object detection method
WO2017104387A1 (ja) * 2015-12-17 2017-06-22 株式会社デンソー 物体検知装置及び物体検知方法
KR20180051225A (ko) * 2016-11-08 2018-05-16 엘지전자 주식회사 차량 제어 시스템 및 그의 제어방법
KR101995489B1 (ko) * 2016-11-08 2019-09-30 엘지전자 주식회사 차량 제어 시스템 및 그의 제어방법
JP2021510857A (ja) * 2018-05-10 2021-04-30 ボーシャン，バスティアン 車両・歩行者間の衝突回避の方法およびシステム
US11062606B2 (en) 2018-05-10 2021-07-13 Bastien Beauchamp Method and system for vehicle-to-pedestrian collision avoidance
JP7044804B2 (ja) 2018-05-10 2022-03-30 ボーシャン，バスティアン 車両・歩行者間の衝突回避の方法およびシステム
US11443633B2 (en) 2018-05-10 2022-09-13 Bastien Beauchamp Method and system for vehicle-to-pedestrian collision avoidance
KR102223346B1 (ko) * 2018-09-28 2021-03-04 바이두닷컴 타임즈 테크놀로지(베이징) 컴퍼니 리미티드 자율 주행 차량을 위한 보행자 확률 예측 시스템
KR20200037737A (ko) * 2018-09-28 2020-04-09 바이두닷컴 타임즈 테크놀로지(베이징) 컴퍼니 리미티드 자율 주행 차량을 위한 보행자 확률 예측 시스템
US11230297B2 (en) 2018-09-28 2022-01-25 Baidu Usa Llc Pedestrian probability prediction system for autonomous vehicles
US11249184B2 (en) 2019-05-07 2022-02-15 The Charles Stark Draper Laboratory, Inc. Autonomous collision avoidance through physical layer tracking
JP2021054388A (ja) * 2019-09-30 2021-04-08 ベイジン バイドゥ ネットコム サイエンス テクノロジー カンパニー リミテッドＢｅｉｊｉｎｇ Ｂａｉｄｕ Ｎｅｔｃｏｍ Ｓｃｉｅｎｃｅ Ｔｅｃｈｎｏｌｏｇｙ Ｃｏ．， Ｌｔｄ． 自動運転の制御方法、装置、電子機器及び記憶媒体
US11529971B2 (en) 2019-09-30 2022-12-20 Apollo Intelligent Driving Technology (Beijing) Co., Ltd. Method and apparatus for autonomous driving control, electronic device, and storage medium
JP7271467B2 (ja) 2019-09-30 2023-05-11 アポロ インテリジェント ドライビング テクノロジー（ペキン）カンパニー リミテッド 自動運転の制御方法、装置、電子機器及び記憶媒体
JP2022086680A (ja) * 2020-11-30 2022-06-09 トヨタ自動車株式会社 挙動予測装置
JP7294304B2 (ja) 2020-11-30 2023-06-20 トヨタ自動車株式会社 挙動予測装置

Also Published As

Publication number Publication date
DE102008062916A1 (de) 2010-06-24
WO2010072195A2 (de) 2010-07-01
EP2382609A2 (de) 2011-11-02
EP2382609B1 (de) 2013-02-13
US20110246156A1 (en) 2011-10-06
WO2010072195A3 (de) 2010-08-19
DE112009003771A5 (de) 2012-06-21

Similar Documents

Publication Publication Date Title
JP2012513651A (ja) 車両と生物との衝突確率を求める方法
JP7153071B2 (ja) 自律型車両のための歩行者行動予測
Li et al. Grip: Graph-based interaction-aware trajectory prediction
CN110001658B (zh) 用于车辆的路径预测
EP3361466B1 (en) Risk-based driver assistance for approaching intersections of limited visibility
US10037036B2 (en) Method and arrangement for determining safe vehicle trajectories
CN109313857B (zh) 周边环境识别装置
JP5407764B2 (ja) 運転支援装置
JP6650211B2 (ja) 乗り物を運転することに関して運転者を支援する方法、運転者支援システム、コンピュータソフトウェア製品、及び乗り物
JP4207088B2 (ja) 車両走行推定装置
JP2021536599A (ja) 安全な距離でナビゲートするためのシステム及び方法
CN103026396B (zh) 驾驶辅助装置
JP5690322B2 (ja) 交通に参加するオブジェクトを監視し、予測するコンピュータを備える乗り物
CN111583715B (zh) 一种车辆轨迹预测方法、车辆碰撞预警方法、装置及存储介质
JP6985203B2 (ja) 挙動予測装置
JP2021524410A (ja) ドライブエンベロープの決定
WO2021222375A1 (en) Constraining vehicle operation based on uncertainty in perception and/or prediction
KR20180039700A (ko) 취약한 도로 사용자와 충돌을 회피하기 위한 방법, 제어 유닛 및 시스템
CN106043299A (zh) 车辆控制装置
JP5278419B2 (ja) 運転シーンの遷移予測装置及び車両用推奨運転操作提示装置
Rummelhard et al. Probabilistic grid-based collision risk prediction for driving application
JP2023528078A (ja) 自律エージェントの不確実性推定に基づく決定論的軌道選択のための方法およびシステム
KR20180060860A (ko) 객체들 간의 충돌을 방지하는 충돌 방지 장치 및 방법
CN109841088A (zh) 车辆驾驶辅助系统及方法
CN108022026A (zh) 一种交通安全预警方法、装置及包括该装置的系统

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20121002

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20131030

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20140415