JP2014002477A - 車群管理装置 - Google Patents

Abstract

【課題】複数の車両からなる車群を、実際の走行状況を踏まえて、精度良く決定することが可能な車群管理装置を提供する。
【解決手段】各車両の実際の走行状態の変化に基づいて、各車両の行動が他の車両の行動に与える影響の大きさである、各車両間のインタラクションの大きさを推定する。そして、所定以上のインタラクションがある車両の集まりを車群として決定する。このため、影響を及ぼしつつ一緒に走行している複数の車両を精度良く車群として定義することができる。
【選択図】図１

Description

本発明は、複数の車両からなる車群を精度良く決定するための車群管理装置に関する。

「車群」という概念を用いて、危険車両を抽出したり、注意対象を抽出したりする装置が、例えば特許文献１や特許文献２に開示されている。

まず、特許文献１の装置は、進行方向及び進行速度が類似している１台以上の車両を１つの車群としてグルーピングする。そして、例えば、自車両が右折しようとしている交差点に対して、対向車線からその交差点に進入してくる車群が存在する場合には、その車群を危険車両として抽出し、「車群注意！！」などと情報提供を行う。

また、特許文献２の装置は、路上に設置された車両感知器を利用して、所定地点を通過する車両を検出し、その所定地点を所定時間以内に通過する２以上の車両を車群として定義する。そして、自車両が車群を形成する場合、車群の先頭、末尾、及び車群内のいずれの位置を走行しているかを判定するとともに、道路上の停止地点などの車両に減速操作が求められる減速領域において、自車両に対して所定の接近度以上に接近する先行他車両及び／又は後続他車両を抽出する。そのような先行他車両及び／又は後続他車両が抽出された場合、その抽出結果に応じた注意喚起情報を、自車両の運転者に提供する。

特許第４００８２５２号公報 特開２０１０−１４６４８０号公報

しかしながら、特許文献１では、ある時点において、進行方向及び進行速度が類似している複数の車両を車群として定義しているだけであり、実際の各車両の走行状況を反映した上で、適切なグルーピングを行うことはできない場合がある。例えば、先行車両を追い越すタイミングを伺うため、ある後続車両が、先行車両に追従して走行しており、交差点進入時点では、後続車両が、先行車両を追い越していたとすると、それら先行車両と後続車両とを車群としてグルーピングすることは不適切である。しかしながら、特許文献１では、後続車両が先行車両に追従しているタイミングを捉えて、両車両を車群としてグルーピングしてしまう可能性がある。

同じように、特許文献２においても、単に、所定地点を所定時間以内に通過する２以上の車両を車群として定義しているだけなので、車群としての適切なグルーピングを行いえない可能性が高い。

本発明は、上述した点に鑑みてなされたものであり、複数の車両からなる車群を、実際の走行状況を踏まえて、精度良く決定することが可能な車群管理装置を提供することを目的とする。

上記目的を達成するために、本発明による車群管理装置は、
自車両の周囲に存在する周囲車両を検出する周囲車両検出手段（１０）と、
前記自車両と前記周囲車両とを対象として、各車両の実際の走行状態の変化に基づいて、各車両の行動が他の車両の行動に与える影響の大きさを、インタラクションとして推定するインタラクション推定手段（５０）と、
所定以上のインタラクションがある車両の集まりを車群として決定する車群決定手段（６０）と、を備えることを特徴とする。

本発明による車群管理装置においては、各車両の実際の走行状態の変化に基づいて、各車両間のインタラクションの大きさを推定する。そして、所定以上のインタラクションがある車両の集まりを車群として決定する。このため、影響を及ぼしつつ一緒に走行している複数の車両を車群として定義することができる。換言すれば、偶々、近接した位置を走行していても、周囲の車両の行動と関連の無い（低い）行動を取る車両は、同じ車群に属する車両とはみなされない。このように、本発明による車群管理装置によれば、実際の走行状況を踏まえて、同一車群とされるべき複数車両を、精度良くグルーピングすることができる。

上記車群管理装置は、自車両と周囲車両との位置関係を考慮しつつ、前記自車両の情報及び前記周囲車両の情報をシンボル化して記述するシンボル化手段（４０）を備え、前記インタラクション推定手段は、シンボル化された各車両の情報に基づいて、各車両間のインタラクションの大きさを推定することが好ましい。

このように、自車両と周囲車両との位置関係を考慮しつつ、前記自車両の情報及び前記周囲車両の情報をシンボル化することにより、周囲車両の認識に関してロバスト性を得ることができる。つまり、例えば周囲車両が増減しても、単にシンボル化される情報が増減するだけであり、周囲車両の増減に柔軟に対応することができる。

なお、上記括弧内の参照番号は、本発明の理解を容易にすべく、後述する実施形態における具体的な構成との対応関係の一例を示すものにすぎず、なんら本発明の範囲を制限することを意図したものではない。

また、上述した特徴以外の本発明の特徴に関しては、後述する実施形態の説明及び添付図面から明らかになる。

実施形態による車群管理装置を含む車両用情報提示装置の全体の構成を示すブロック図である。 シンボル化実施部にて実行される、各種の情報をシンボル化する処理について説明するための説明図である。 車群に関する情報を提示するために実行される処理を示すフローチャートである。 交通参加者（グリッド）間のインタラクションを視覚的に示す図である。 インタラクションの推定を行うため、インタラクションが作用するグリッドの遷移の予測について説明するための説明図である。 各グリッド間のインタラクションの大きさを推定するための処理を示すフローチャートである。 （ａ）〜（ｃ）は、グルーピングに関してのいくつかの具体例を示す図である。 決定された車群に関する情報に基づいて、運転者に情報を提示するための処理を示すフローチャートである。

以下、本発明の好ましい実施形態による車群管理装置について、図面に基づいて説明する。

図１は、本実施形態による車群管理装置を含む車両用情報提示装置の全体構成を示すブロック図である。なお、実際のところ、車群管理装置を含む車両用情報提示装置は、各種の情報を取得するための種々のセンサや通信機と、取得した情報に基づき車群を定義するとともに、その定義した車群に基づいて運転者に対して有用な情報を提示するための処理を実行する電子制御装置とにより構成されるが、図１では、機能ブロックとして、車群管理装置を含む車両用情報提示装置の構成を示している。

図１において、環境情報取得部１０は、周囲車両と通信を行う通信機や、周囲車両を検出するレーダ装置、あるいは自車両の周囲を撮影するカメラなどを用いて、自車両の周囲に存在する周囲車両の位置や速度を検出するものである。周囲車両と通信を行う場合には、周囲車両から、速度、加速度、操舵角度の他、ウインカの操作状態、クラクションの操作状態、アクセルペダルやブレーキペダルの操作状態などの周囲車両の運転情報も取得することが好ましい。これにより、周囲車両の運転行動をより精度良く検出することができる。なお、周囲車両には、同一進行方向に走行する先行車両や後続車両のみならず、対向車線を走行する対向車両も含まれる。

また、環境情報取得部１０は、信号機が自車両や周囲車両の行動に大きな影響を与えることに鑑み、信号機の位置やその状態を検出することが好ましい。信号機の位置やその状態は、カメラ画像、ナビゲーション装置からの情報、路車間通信などに基づいて取得することが可能である。

さらに、環境情報取得部１０は、道路の平面的な形状や勾配、レーンマークの位置、交差点までの距離や交差点形状などの周囲のインフラ情報を取得することが好ましい。これらのインフラ情報は、車群を定義する上で有用なものであるためである。なお、上述したインフラ情報は、自車両に搭載されたナビゲーション装置、自車両の周囲を撮影するカメラ、路車間通信機などを用いて取得することが可能である。

ただし、本実施形態においては、自車両の周囲に存在する周囲車両に関して、同様の運転行動を取る車両同士を車群として定義することを主要な１つの目的としている。従って、信号機に関する情報やインフラ情報は、必ずしも必須のものではない。このため、例えば自車両に搭載されたカメラやレーダ装置を用いて、それらによって検出できる周囲車両だけを対象として、車群を定義するようにしても良い。この場合、通信機を搭載していない周囲車両も、自車両に搭載されたカメラやレーダ装置によって捕捉できる限り、車群を定義するための車両に含めることができる。

自車両情報取得部２０は、自車両の位置、速度、加速度、操舵角度、ウインカの操作状態、クラクション操作状態、アクセル操作状態、ブレーキ操作状態、灯火状態などの自車両の運動状態や操作状態に関する情報を取得する。なお、これらの自車両の運動状態や操作状態に関する情報は、各種のセンサ（速度センサ、加速度センサ、操舵角センサ、ペダルセンサなど）から取得したり、各種の車載機器（ナビゲーション装置、方向指示器、灯火装置など）から取得したりすることが可能である。

環境情報取得部１０及び自車両情報取得部２０によって取得された情報は、インタラクション推定器３０に与えられる。インタラクション推定器３０は、シンボル化実施部４０とインタラクション推定部５０とからなる。

シンボル化実施部４０は、環境情報取得部１０、及び自車両情報取得部２０によって取得された各種の情報をそれぞれシンボル化することにより、自車両と周囲車両との位置関係やそれらに付随する情報をまとめて簡潔に記述する。

最も簡単なシンボル化の一例は、量子化である。すなわち、図２に示すように、シンボル化実施部４０は、自車両の周囲に仮想のグリッドを定め、環境情報取得部１０によって取得された周囲車両や信号機などの交通参加者を、該当する位置のグリッドに当て嵌めることにより、各交通参加者の位置を表現する。なお、本実施形態では、信号機も、便宜的に一交通参加者として取り扱う。この際、交通参加者の種類（同一進行方向車両、対向車両、信号機、…）は、対応するグリッドにラベル付けすることによって識別できるようにする。

さらに、自車両の情報及び交通参加者の情報に関して、予め定められたシンボル化すべき情報を要素とするシンボルベクトルを用いて、それぞれの情報をシンボル化する。例えば、自車両の情報及び周囲車両の情報に関して、各車両の走行状態（加速、減速、定速走行）や、各種の運転操作（ウインカ、クラクション、アクセル、ブレーキ）がなされているか否かを１又は０で表現しつつ、それらの情報をまとめてシンボルベクトルとする。

このように各種の情報をシンボルベクトルにより表すことで、自車両情報及び交通参加者情報を、容易にシンボル化することができる。また、ベクトルの次元を増減することにより、シンボル化する情報の増減にも容易に対応可能となる。なお、各交通参加者の情報を混同しないように、交通参加者の情報は、対応するグリッド位置やラベルに関連付けて保存しておく。

こうしたシンボル化により、詳細なデータは削ぎ落とされるが、自車両と周囲車両との位置関係や、それらの運転行動に関連する各種の情報を簡潔に表現することが可能となる。これにより、例えば、周囲車両の認識においてロバスト性を得ることができる。つまり、図２に示すように、周囲車両の数が増加したり、あるいは減少したりしても、単にシンボル化される情報を増減するだけで済む。

また、シンボル化は、上述した量子化による例以外にも、実施することが可能である。例えば、固有空間法やクラスタリング手法を適用してシンボル化を行っても良い。固有空間法は、良く知られているように、情報全体を集合とした場合に、その集合の共分散行列の固有ベクトルを部分空間の基底として用いて、情報を表す手法である。また、クラスタリング手法は、複数のデータを、クラス分けして分類する手法である。このような手法を適用することにより、より効率的に、各情報をシンボル化することができる。

例えば、自車両の周囲に定めるグリッドに対してクラスタリング手法を適用する場合、道路外となる範囲のグリッドを粗く設定し、道路内となる範囲のグリッドを細かく設定するようにする。これにより、重要度の高い情報は解像度を高くし、重要度の低い情報は低い解像度で表現することが可能になる。このようなクラスタリング手法の適用は、情報をクラス分けする必要がある場合、情報の種類を問わず適用可能である。

シンボル化実施部４０によりシンボル化して記述された各種の情報は、インタラクション推定部５０に与えられる。インタラクション推定部５０は、車両間の距離の変化や速度の変化などの車両挙動の変化、クラクションやウインカに対する周囲車両の反応、さらには車車間通信や路車間通信によりやり取りされる情報（他の交通参加者の挙動に関する情報を含む場合がある）に基づいて、各車両の行動が他の車両の行動に与える影響の大きさを、インタラクションとして推定する。このインタラクションを推定するための手法は、後に詳細に説明する。

インタラクション推定器３０による、各グリッド間のインタラクションの大きさの推定結果は、車群生成部６０に与えられる。車群生成部６０は、所定以上の大きさのインタラクションがある車両の集まりを車群として決定する。すなわち、所定以上の大きさのインタラクションがある車両の集まりを、同一車群としてグルーピングする。この際、車群生成部６０は、同様の行動を取るグループが別個に存在する場合、複数個の車群を決定したり、周囲の車両とは異なる行動を取る単独の車両が存在する場合、その単独の車両を、便宜的に１つの車群として決定したりする場合もある。

車群生成部６０によって決定された車群に関する情報は、提供情報判断部７０に与えられる。提供情報判断部７０は、車群生成部６０によって決定された車群に関する情報に基づいて、運転者に提示すべき情報を決定し、その情報を情報提示部８０に出力する。例えば、提供情報判断部７０は、決定された車群が１つのみであった場合には、その車群に関する情報（例えば、その車群中において、自車両に最も近い車両との衝突余裕時間、車間時間、車間距離、該当車両の速度など）を、運転者に提示すべき情報として決定する。

一方、複数の車群が存在する場合には、各車群に対して、所定のルールに従って優先度を付与し、最も高い優先度が付与された車群に関する情報を、運転者に提示すべき情報として決定する。この場合、優先度の低い車群に関する情報も、その優先度に従って順番に、運転者に提示するようにしても良い。なお、優先度を付与するためのルールについては、後に詳細に説明する。

次に、上述したように構成された車群管理装置を含む車両用情報提示装置において、車群に関する情報を提示するために実行される処理に関し、図３のフローチャートを用いて説明する。

まず、ステップＳ１００では、自車両及び周囲車両に関して、位置情報、走行状態を示す情報、運転操作を示す情報などの各種の情報を取得する。続くステップＳ１１０では、ステップＳ１００で取得した各種の情報に基づいて、車両間のインタラクションの大きさを推定する。

以下に、インタラクションを推定する手法の一例について説明する。

図４に示すように、検出エリアのm番目のグリッドからの各グリッドへのインタラクションを並べたベクトルをi_m(vec)=(i_m1,…,i_mNg)^Tと定義する。但しＮｇはグリッド数である。更にグリッドの各点でのインタラクションのベクトル（i_m(vec);m=1,…,Ng）をまとめて、Ｉ=(i_1(vec),…,i_Ng(vec))と書き、これをインタラクション行列と呼ぶことにする。

また、検出エリアのm番目のグリッドで観測されたグリッドの状態変化（例えば、グリッドが車両で占有されていたとすると、車両の加速、減速、追従等のモード変化、ウインカの表示、非表示、クラクションの有無など）をr_m(vec)=(r_m1,…,r_mNr)^Tと表現する。但し、Ｎｒは、観測すべきグリッドの状態変化として、予め設定されている「状態」の次元数である。インタラクションと同様にグリッドの各点での状態変化（r_m(vec); m =1,…,Ng）をまとめて、Ｒ=(r_1（vec）,…, r_Ng(vec))と書き、これを観測行列と呼ぶことにする。

観測行列Ｒによって示される各グリッドの状態変化を考慮して、時刻ｔにおけるインタラクション行列Ｉの事後確率を求めることにより、各グリッド間におけるインタラクションを推定することができる。観測行列Ｒのインタラクションの時間遷移についての条件付独立性、インタラクションの時間遷移のマルコフ性を仮定すると、インタラクションの事後確率は、下記の数式１のように再帰的な形式で書くことができる。なお、数式１を含め、以下に記載する数式において、太字はベクトルであることを示している。

このとき、各グリッドにおけるインタラクションの事後確率は、数式１を分解すると、下記の数式２から得ることができる。

ｍ番目のグリッドにおけるインタラクションであるi_m(vec),tの尤度p(R_t|i_m(vec),t)は、観測行列Ｒがグリッドと観測行列Ｒの各次元についてそれぞれ独立であると仮定すると、以下の数式３に示すように分解することができる。

このときp(r_kl,t|i_mk,t)は、インタラクションで条件付けられたベルヌーイ過程を仮定して、以下の数式４のように表すことができる。

ここで、パラメータμ_iは、以下の数式５に示すように、インタラクションの有無で条件付けられるパラメータである。このパラメータμ_iは、実験的に適切な数値を定めても良いし、ベイズ推定等を利用して推定により求めても良い。

また、数式２における各グリッドの事前確率p(i_m(vec),t|R_1:t-1)は次のようにして求めることができる。時刻ｔ−１から時刻ｔへの時間変化に伴って各交通参加者の相対的位置関係が変化することに起因して、インタラクションのダイナミクスには空間的な要素が存在する。これを考慮するために、まず、グリッドの各点が時間変化に伴ってどのように遷移するかについて考える。

グリッドの遷移を考えるため、グリッド位置は、図４に示すような極座標系で表現されているとする。今、極座標系でのグリッド位置をg^(p)=(ρ,θ)^Tと書き、グリッドのインデックスをg⁽ⁱ⁾と書く。

時刻ｔ−１→ｔでグリッド位置がｍ→ｎに変化する確率は、ガウス過程を仮定して、以下の数式６のように表すことができる。なお、Σ_ｇは、分散共分散行列である。

ここで、ハットｇ^(p) _m,tは時刻ｔにおける予測グリッド位置であり、観測された各グリッドの相対速度ｖ_m,t-1（極座標系）を用いて、以下の数式７によって算出することができる。

このグリッドの遷移モデルを利用すると、時刻ｔ−１におけるグリッドｍ’→ｎ’のインタラクションが、時刻ｔにおいてグリッドｍ→ｎのインタラクションに遷移する確率は、以下の数式８により算出することができる。

この数式８を利用して、各グリッド間におけるインタラクションの事前確率は、以下の数式９から求めることができる。

以上により、各グリッド間におけるインタラクションの大きさを時系列的に推定することができる。なお、この手法はグリッド間のインタラクションを推定する上で、参加者の数に影響されないという特徴がある。また、上述した例では、インタラクションがグリッドを遷移することを予測する際に移動ポテンシャル（相対速度ｖ_m,t-1）を利用する手法について説明したが、単純なマルコフ性を仮定して、実際に観測された実車データから、インタラクションのグリッド間の遷移確率を学習しても良い。

図６は、上述した手法によって各グリッド間のインタラクションを求めるための処理を示すフローチャートである。まずステップＳ２００において、各グリッドのインタラクションの事前確率を求めることにより、インタラクションの予測を行う。

そして、ステップＳ２１０において、各交通参加者の状態を観測し、続くステップＳ２２０において、観測した交通参加者の状態に基づき、各グリッドでの状態変化を検出する。これにより、上述した観測行列Ｒを算出することができる。

最後にステップＳ２３０において、インタラクションの事前確率と観測行列Ｒとに基づいて、各グリッドの事後確率、すなわち、各グリッド間の推定されたインタラクションの大きさを算出する。

なお、上述した例では、一方のグリッドから他方のグリッドへのインタラクションの大きさと、他方のグリッドから一方のグリッドへのインタラクションの大きさは等しいとの仮定の下に、各グリッド間の状態変化を用いて、観測行列Ｒを算出した。しかしながら、同じグリッド間同士であっても、作用方向が異なれば、必ずしもインタラクションの大きさも等しいとは限らない。そのため、グリッド間の状態変化として、いずれかのグリッドの状態が変化したことに起因して、他のグリッドの状態が変化したとの因果関係を分析して、その因果関係に応じて観測行列Ｒをそれぞれ算出するようにしても良い。なお、因果関係は、時間差に基づいて、原因と結果とを分析可能である。これにより、同じグリッド間同士でも、作用方向に応じて、それぞれ独立してインタラクションの大きさを推定することができるようになる。

再び、図３のフローチャートに戻り、説明を続ける。ステップＳ１２０では、ステップＳ１１０において推定された各車両間のインタラクションの大きさに基づいて、所定以上のインタラクションにより結び付けられた複数の車両を、同一車群に属するものとしてグルーピングする。

このグルーピングに関しての具体例を、図７を用いて説明する。まず、図７（ａ）は、片側２車線の道路において、相対的な位置関係をほぼ維持しながら走行している３台の車両があり、その３台の車両の間を縫うように走行する１台の車両があった場合の例を示している。この場合、相対的な位置関係をほぼ維持しながら走行している３台の車両は、運転行動が類似しているので、同一車群に属する車両としてグルーピングされる。一方、それら３台の車両の間を縫うように走行する車両は、インタラクションが低いため同一車群とはみなされず、グルーピングの対象にはならない。この車両は、車群中において、他の車両と著しく運転行動が異なるので、危険車両（危険車群）と位置づけられる。

次に、図７（ｂ）は、以前は、４台の車両が同一の車群としてグルーピングされていたが、その内の１台の車両が、他の３台の車両から一定距離以上遠ざかった状態を示している。この場合、１台の車両が、他の３台の車両から一定距離以上遠ざかることで、運転行動の類似性が小さくなり、インタラクションの大きさも所定以下となる。従って、その１台の車両は、車群に属するものとは判断されず、他の３台の車両のみが同一車群に属するものとしてグルーピングされる。

図７（ｃ）は、因果関係を考慮して車両間のインタラクションの大きさを推定した場合に、所定以上の大きさのインタラクションによって３台の車両が結び付けられ、それら３台の車両が同一車群としてグルーピングされる例を示している。図７（ｃ）に示すように、各車両の運転行動の時間差を考慮することにより、影響を及ぼした車両と影響を及ばされた車両とが特定できる。その結果、車群の動きに最も大きな影響を与えている車両が、車群の先頭車両以外の車両である場合であっても、その車両を特定することができる。

図３のフローチャートのステップＳ１２０において、同一車群に属すべき車両がそれぞれグルーピングされ車群が決定されると、続くステップＳ１３０にて、決定された車群に関する情報に基づいて、運転者に提示すべき情報を決定し、その情報の提示を行う。この情報提示のための処理について、図８のフローチャートを用いて説明する。

まず、ステップＳ３００では、自車両の周囲に、車群が存在するか否かを判定する。なお、自車両の周囲に少なくとも１台の周囲車両が存在すれば、ステップＳ３００では、その少なくとも１台の周囲車両からなる車群が存在すると判定される。車群が存在すると判定された場合には、ステップＳ３１０の処理に進み、車群が存在しないと判定された場合には、運転者に提示すべき情報の対象が存在しないので、図９のフローチャートに示す処理を終了する。

ステップＳ３１０では、ある車群の領域中に、その車群に属する車両とは異なる行動を取る危険車両（危険車群）が存在するか否かを判定する。危険車両（危険車群）が存在すると判定された場合には、ステップＳ３２０の処理に進み、その危険車両（危険車群）に関する情報の優先度を所定値だけ増加させる。この際、危険車両（危険車群）が、いずれの車群の領域中を走行しているかや、自車両との衝突余裕時間、車間時間などによって、優先度の増加量を変化させても良い。例えば、危険車両（危険車群）が、自車両が属する車群の領域中を走行している場合には、危険車両（危険車群）に対する警戒を行う必要性が高くなるので、優先度の増加量を大きくする。一方、危険車両（危険車群）が、自車両とは無関係の車群の領域中を走行している場合には、自車両に対する影響はまだそれほど大きくないので、優先度の増加量を小さくする。同様に、衝突余裕時間や車間時間が短くなるほど、優先度の増加量を大きくするようにしても良い。

ステップＳ３３０では、決定された車群の中心車両を抽出する。中心車両は、車群が１台の車両からなる場合には、その車両であり、車群が複数台の車両からなる場合には、他の車両との間のインタラクションの総量が最も多い車両である。ただし、上述したように、因果関係を考慮しつつインタラクションの大きさを推定した場合には、車群の中で、その車群の動きに最も大きな影響を与えている車両を特定できるので、その車両を中心車両とすることが望ましい。

ステップＳ３４０では、中心車両の特性に応じた優先度を、該当する車群に付与する。例えば、中心車両の特性として、平均速度、加減速レベル、自車両との衝突余裕時間、車間時間などを採用し、それらの特性から判断される安全性が高いほど優先度を低くし、逆に危険性が高いほど優先度を高くする。例えば、平均速度や加減速レベルが大きくなるほど、危険性が高い（安全性は低い）と判断され、自車両との衝突余裕時間や車間時間が短くなるほど危険性が高いと判断される。

次に、ステップＳ３５０では、自車両が車群に属する場合、その車群に関する情報の優先度を所定値だけ増加させる。自車両が車群に属する場合には、その車群に属する他車両が、自車両の周囲を走行しており、その周囲を走行する他車両の情報を提示しやすくするためである。最後に、ステップＳ３６０では、優先度の高い情報を選択して、情報提示部８０に出力することにより、選択した情報を運転者に提示する。なお、最も優先度の高い情報として、危険車両（危険車群）に関する情報が選択された場合、車両が画像表示装置を備えている場合には、画像中で危険車両（危険車群）を強調表示したり、もしくは危険車両との衝突余裕時間、車間時間、車間距離、危険車両（危険車群）の車速などの情報を提示したりする。

以上、説明したように、本発明による車群管理装置においては、各車両の実際の走行状態の変化に基づいて、各車両間のインタラクションの大きさを推定する。そして、所定以上のインタラクションがある車両の集まりを車群として決定する。このため、影響を及ぼしつつ一緒に走行している複数の車両を車群として定義することができる。換言すれば、偶々、近接した位置を走行していても、周囲の車両の行動と関連の無い（低い）行動を取る車両は、同じ車群に属する車両とはみなされない。従って、本実施形態による車群管理装置によれば、同一車群とされるべき複数車両を、精度良くグルーピングすることができる。

１０ 環境情報取得部
２０ 自車両情報取得部
３０ インタラクション推定器
４０ シンボル化実施部
５０ インタラクション推定部
６０ 車群生成部
７０ 提供情報判断部
８０ 情報提示部

Claims (8)

1. 自車両の周囲に存在する周囲車両を検出する周囲車両検出手段（１０）と、
   前記自車両と前記周囲車両とを対象として、各車両の実際の走行状態の変化に基づいて、各車両の行動が他の車両の行動に与える影響の大きさを、インタラクションとして推定するインタラクション推定手段（５０）と、
   所定以上のインタラクションがある車両の集まりを車群として決定する車群決定手段（６０）と、を備えることを特徴とする車群管理装置。
2. 前記自車両と前記周囲車両との位置関係を考慮しつつ、前記自車両の情報及び前記周囲車両の情報をシンボル化して記述するシンボル化手段（４０）を備え、
   前記インタラクション推定手段は、シンボル化された各車両の情報に基づいて、各車両間のインタラクションの大きさを推定することを特徴とする請求項１に記載の車群管理装置。
3. 前記シンボル化手段は、前記自車両の周囲に仮想のグリッドを定め、前記周囲車両検出手段によって検出された前記周囲車両を該当する位置のグリッドに当て嵌めることにより、各周囲車両の位置を表現しつつ、前記自車両及び前記周囲車両に関して、予め定められたシンボル化すべき情報を要素とするシンボルベクトルを用いて、前記自車両の情報及び前記周囲車両の情報をシンボル化することを特徴とする請求項２に記載の車群管理装置。
4. 前記車群決定手段によって決定された車群に関する情報を、自車両の運転者に提供する情報提供手段（７０，８０）を備えることを特徴とする請求項１乃至３のいずれか１項に記載の車群管理装置。
5. 前記情報提供手段は、前記車群決定手段によって決定された車群の数が複数である場合、各車群に対し、所定のルールに従って優先度を付与し、最も高い優先度が付与された車群に関する情報を優先して提供することを特徴とする請求項４に記載の車群管理装置。
6. 前記情報提供手段は、前記所定のルールの１つとして、第１の車群の範囲内において、第１の車群を構成する車両とは異なる行動を取っている結果として、第１の車群に属するものとはみなされない車両からなる第２の車群が存在する場合、その第２の車群に付与する優先度を増加させることを特徴とする請求項５に記載の車群管理装置。
7. 前記情報提供手段は、前記所定のルールの１つとして、各車群において、最も強く他車両の行動に影響を与えている中心車両の速度レベル、加速度レベル、自車両との衝突余裕時間の少なくとも１つの要素に応じて、該当する車群の優先度を増減することを特徴とする請求項５又は６に記載の車群管理装置。
8. 前記情報提供手段は、前記所定のルールの１つとして、自車両が属する車群の優先度を増加させることを特徴とする請求項５乃至７のいずれか１項に記載の車群管理装置。

Images