JP2015135679A - 自動運転システム、自動運転の方法及びコンピューティング装置 - Google Patents

Abstract

【課題】乗り物周辺の運転環境の物理的特性に基づいて乗り物を自動操作することができる自動運転システムを提供する。【解決手段】センサ１１６と、コンピューティング装置１００と、を具備し、コンピューティング装置は、コンピューティング装置の操作を制御するためのプロセッサと、データ１０６及びプログラム指令を記憶するためのメモリ１０４と、を有し、プロセッサは、乗り物の周辺環境特有の情報に基づいて可能乗り物経路を決定し、センサからの入力に基づいて可能乗り物経路の近くにある物体を注意対象として分類する指示を受信し、注意対象の特性に基づいて可能乗り物経路から好適乗り物経路を選択し、且つ、好適乗り物経路に従うように乗り物を制御するための命令を乗り物システムに対して送信するためにメモリに記憶された指令を実行するように構成された、自動運転システムによる。【選択図】図１

Description

本発明は、乗り物の自動運転システム、自動運転の方法及びコンピューティング装置に関する。

運転者が路上で安全且つ効率的に乗り物を操作することを支援するため、部分的に自動化又は監視される運転システムが設計されており、例えば、運転者が不注意となったときに警告を送るように運転者の視標を追跡する、乗り物が車線から外れたときに運転者に警告を送るように乗り物の車線を追跡する、運転者が適応走行制御を起動させているときに運転者の前方乗り物との距離に基づいて乗り物の速度を制御する、といった手法が使われている。

例えば自動運転車など、運転者との相互作用その他の外的制御なしに路上で乗り物を操作するための完全自動運転システムも設計されている。

自動運転システムとは、運転者との相互作用なしに路上の乗り物を操作できるシステムと表現することができる。本明細書で説明する自動運転システムは、乗り物周辺の運転環境の物理的特性に基づいて乗り物を自動操作することができる。運転環境の物理的特性には、地図情報に基づき乗り物が従う又はたどるべきナビゲーションルートに加えて、他の乗り物等の関連する注意対象（object of interest）も含まれ、注意対象とは、ナビゲーションルートに沿った所定の可能乗り物経路（potential vehicle path）のうち、乗り物が従うべき好適乗り物経路（preferred vehicle path）として、どの可能乗り物経路を選択するかに影響を及ぼす物体である。好適乗り物経路を選択する際は、乗り物のナビゲーションルートに最も関連性の高い注意対象のみを考慮すればよい。

一実施態様では、自動運転システムが開示される。この自動運転システムは、乗り物に配置された１つ以上のセンサと、１つ以上のセンサと通信するコンピューティング装置と、を備える。このコンピューティング装置は、コンピューティング装置の操作を制御するための１つ以上のプロセッサと、１つ以上のプロセッサによって使用されるデータ及びプログラム指令を記憶するためのメモリと、を備える。１つ以上のプロセッサは、メモリに記憶された指令を実行して、乗り物の周辺環境特有の情報（information specific to the environment surrounding the vehicle）に基づいて１つ以上の可能乗り物経路を決定し、乗り物に配置された１つ以上のセンサからの入力に基づいて１つ以上の可能乗り物経路の近くにある１つ以上の物体を注意対象として分類する（classifying）指示を受信し、１つ以上の注意対象の特性に基づいて１つ以上の可能乗り物経路から好適乗り物経路を選択し、且つ、好適乗り物経路に従うように乗り物を制御するための命令を１つ以上の乗り物システムに対して送信するように構成される。

別の実施態様では、コンピュータにより実施される自動運転の方法が開示される。この自動運転の方法は、乗り物の周辺環境特有の情報に基づいて１つ以上の可能乗り物経路を決定することと、乗り物に配置された１つ以上のセンサからの入力に基づいて、１つ以上の可能乗り物経路の近くにある１つ以上の物体を注意対象として分類する指示を受信することと、１つ以上の注意対象の特性に基づいて１つ以上の可能乗り物経路から好適乗り物経路を選択することと、好適乗り物経路に従うように乗り物を制御するための命令を１つ以上の乗り物システムに対して送信することと、を含む。

別の実施態様では、コンピューティング装置が開示される。このコンピューティング装置は、コンピューティング装置の操作を制御するための１つ以上のプロセッサと、この１つ以上のプロセッサによって使用されるデータ及びプログラム指令を記憶するためのメモリと、を備える。この１つ以上のプロセッサは、メモリに記憶された指令を実行して、乗り物の周辺環境特有の情報に基づいて１つ以上の可能乗り物経路を決定し、乗り物に配置された１つ以上のセンサから受信された入力に基づいて１つ以上の可能乗り物経路の近くにある１つ以上の物体を注意対象として分類する指示を受信し、１つ以上の注意対象の特性に基づいて１つ以上の可能乗り物経路から好適乗り物経路を選択し、且つ、好適乗り物経路に従うように乗り物を制御するための命令を１つ以上の乗り物システムに対して送信するように構成される。

本明細書の説明において添付の図面を参照するが、幾つかの図面を通じて同様の参照番号は同様の部分を指す。

自動運転システムを実施するためのコンピューティング装置のブロック図である。 図１のコンピューティング装置を備えた乗り物の概略図である。 図２の乗り物が走行するナビゲーションルートの一部分の例と、当該ナビゲーションルート部分に沿った可能乗り物経路の例示的組を示す図である。 図２の乗り物が走行するナビゲーションルートの別の一部分の例と、当該ナビゲーションルートの部分に沿った可能乗り物経路の別の例示的組を示す図である。 図３の可能乗り物経路の組及び図２の乗り物に近接する複数の物体を示す図である。 図４の可能乗り物経路の組及び図２の乗り物に近接する複数の物体を示す図である。 図５の複数の近接物体によって図３の可能乗り物経路の組から選ばれた、好適乗り物経路の例を示す図である。 図６の複数の近接物体によって図４の可能乗り物経路の組から選ばれた、好適乗り物経路の例を示す図である。 自動運転システムが実行する処理の論理フローチャートである。

乗り物用の自動運転システムを以下に開示する。乗り物を自律的に操作する上で、乗り物の周辺環境特有の情報（例えば地図情報及び車線情報）に基づいて、乗り物がナビゲーションルート沿いにたどるべき１つ以上の可能乗り物経路を決定するように自動運転システムを構成することができる。また、乗り物に設けられたセンサからの入力に基づいて、乗り物に近接する１つ以上の物体を注意対象として分類する指示を受け取るように、自動運転システムを構成することもできる。自動運転システムは、乗り物に対する注意対象の相対位置や速度といった特性に基づいて、１つ以上の可能乗り物経路から好適乗り物経路を選択でき、乗り物がこの好適乗り物経路をたどるように制御する命令を送ることができる。

図１は、この自動運転システムを実施するためのコンピューティング装置１００のブロック図である。コンピューティング装置１００は、乗り物搭載型、ハンドヘルド型、デスクトップ型、その他の形態の単一コンピューティング装置であってよく、或いは複数のコンピューティング装置で構成されていてもよい。コンピューティング装置内の処理装置は、従来の中央処理装置（ＣＰＵ）１０２であってよく、或いは、情報を操作又は処理できる他の種類の単一又は複数の装置であってもよい。コンピューティング装置内のメモリ１０４は、ランダムアクセスメモリデバイス（ＲＡＭ）又は他の適した形式の記憶装置であってよい。メモリ１０４は、バス１０８を用いてＣＰＵからアクセスされるデータ１０６を包含することができる。

メモリ１０４は、オペレーティングシステム１１０及びインストールされたアプリケーション１１２も包含でき、インストールされたアプリケーション１１２には、ＣＰＵ１０２が後述する自動運転の方法を実行できるようにするプログラムが含まれる。また、コンピューティング装置１００は、例えばメモリカード、フラッシュドライブ、その他の形態のコンピュータ可読媒体等の、二次的、追加的、又は外部記憶装置１１４を備えることもできる。インストールされたアプリケーション１１２の全部又は一部を外部記憶装置１１４に保存して、処理で必要とされる場合にメモリ１０４に読み込むこともできる。

コンピューティング装置１００は、１つ以上のセンサ１１６と連結することもできる。センサ１１６は、慣性計測装置（ＩＭＵ）、推測航法システム、全地球的航法衛星システム（ＧＮＳＳ）、ＬＩＤＡＲ（光検知測距）システム、レーダーシステム、ソーナーシステム、画像ベースのセンサシステム、その他、乗り物周辺環境特有の情報を捕捉（capture）することのできる任意の種類のシステムにより、処理用のデータ及び／又は信号を捕捉することができ、乗り物周辺環境特有の情報の例として、乗り物のナビゲーションルートに近接する他の乗り物、歩行者、乗り物が走行するルートの特徴、又は他の局所的位置データ及び／若しくは信号、並びにＣＰＵ１０２への対応する出力データ及び／若しくは信号等の物体に固有の情報が挙げられる。

また、センサ１１６は、乗り物のＸ軸、Ｙ軸、及びＺ軸位置、速度、加速、回転角、並びに回転角速度のそれぞれの変化を表すデータ、並びに乗り物のナビゲーションルートに近接する物体に関する類似データを捕捉することもできる。センサ１１６が推測航法システム用のデータを捕捉する場合は、ホイール回転速度、走行距離、ステアリング角、及びステアリング角変化率を捕捉できる。センサ１１６がＧＮＳＳ用の信号を捕捉する場合は、受信機が乗り物の位置と速度の推定値をグローバル座標で算出することができる。複数の衛星を使用して、三次元三角測量（three-dimensional triangulation）及び時間評価により乗り物の位置と速度を推定することができる。

センサ１１６がＬＩＤＡＲシステム用のデータを捕捉する場合、乗り物の周辺環境から返される強度及び反射率に関する測距データを捕捉できる。下記の例において、センサ１１６は、少なくとも、乗り物の速度、加速度、減速度、位置及び方向を推定する推測航法システム又は他のシステムのためのデータと、乗り物の位置及び速度を決定するＧＮＳＳ又は他のシステムのための信号と、車線（例えばルート表面のマーク、ルート境界）、障害物、又は、交通信号灯及び道路標識を含む他の環境特徴、からの乗り物の距離を計測するＬＩＤＡＲシステム又は他のシステムのためのデータと、を捕捉することができる。

コンピューティング装置１００は、１つ以上の乗り物システム１１８と連結することもできる。乗り物システム１１８は、様々な乗り物コントローラ及びアクチュエータを含むことができる。１つ以上の乗り物アクチュエータに命令を送信するように、各乗り物コントローラを構成することができる。例えば、ある乗り物コントローラを、乗り物アクチュエータ（例えばエンジンスロットル）に命令を送信するように構成された推進コントローラにして、アクセルペダルの位置に基づいてスロットルプレートの位置を移動することができる。別の例では、乗り物アクチュエータを、トラクションコントロールシステム又はハイブリッドコントロールシステムの部分とすることができる。別の例として、ある乗り物コントローラを、ハンドルの現在の角度の最適値より大きいか小さいヨー運動（乗り物の鉛直軸線周りの回転）が検出された場合に、フロントブレーキとリアブレーキのいずれか一方を作動させる命令を送信するように構成された電子安定コントローラとすることができる。乗り物システム１１８とセンサ１１６間を通信可能にして、乗り物システム１１８の性能を表すデータを捕捉するようにセンサ１１６を構成することもできる。

図１に示す例示的コンピューティング装置１００において、メモリ１０４内のアプリケーション１１２は、少なくともデータアナライザ１２０と経路プランナ１２２とを含む。これらのアプリケーション１１２の各々については、下記でさらに詳しく説明する。概して、センサ１１６によって捕捉されたデータは、乗り物の周辺環境を理解し、乗り物のためのナビゲーションルートに沿った乗り物の自動操作のために１つ以上の可能乗り物経路を計画し、乗り物の位置精度を改善し、且つ、乗り物の現在の操作特性を変更すべく乗り物システム１１８に対して命令を送信するために、１つ以上のこれらのアプリケーション１１２によって使用され得る。

図２は、図１に示すコンピューティング装置１００を備えた乗り物２００の概略図である。コンピューティング装置１００は、図２に示すように乗り物２００の内部に配置されてよく、或いは、乗り物２００から離れた別の場所（図示せず）に配置されてもよい。コンピューティング装置１００が乗り物から離れた場所に配置される場合、コンピューティング装置１００と通信する機能を乗り物２００に搭載してもよい。

乗り物２００は、図１を参照して説明されているセンサ１１６等の複数のセンサを備えてよい。図示されているセンサ１１６の１つ以上を、速度、加速、ホイール回転速度、周辺環境内の物体までの距離のそれぞれの変化を捕捉してコンピューティング装置１００が使用できるように構成してよく、これにより、複数の衛星からの信号の他、乗り物の現在の状態や乗り物の周囲環境に対する乗り物２００の位置を特定するのに使用可能なデータ及び／又は信号に基づいて、乗り物の位置と向き、推測航法システム用のステアリング角、画像センサ処理用の画像、グローバル座標の乗り物位置を推定することができる。

例えば、ＬＩＤＡＲシステムが使用するデータを捕捉するようにセンサ１１６を構成した場合、センサ１１６は、信号がセンサ１１６に戻るまでの時間を計測することにより算出されたレーザー測定距離と共に、乗り物２００の周辺領域内の物理的物体からのレーザーの戻り（laser returns）に関連するデータを捕捉できる。レーザーの戻りには、センサ１１６から、又は乗り物２００に接触若しくは近接する他の源から発せられる光源（例えばレーザー光）が衝突した物体から反射する後方散乱光が含まれ得る。光が物体から反射した後、センサ１１６は、物体の各ポイントの強度値及び反射率を捕捉して、これらのデータを用いて物体を解析し分類でき、例えばコンピューティング装置１００内に保存されているか又はコンピューティング装置１００にアクセス可能なアプリケーション１１２の１つであるデータアナライザ１２０により、物体を解析し分類することができる。

図１に概略的に示されたデータアナライザ１２０は、１つ以上のセンサ１１６が捕捉したデータ及び／又は信号を、例えばフィルタでノイズ除去し、特徴を抽出してクラスタ化し、且つ／又は、物体を分類し追跡することにより、解析することができる。データアナライザ１２０は、経路プランナ１２２のような、自動運転システムを実施するために用いられるアプリケーション１１２によって使用されるためにデータが構成されるように、１つ以上のセンサ１１６からのデータを処理することができる。経路プランナ１２２は、周辺環境及び例えば乗り物２００の運転者によって選択された任意の目的地に対する現在の乗り物２００の位置に基づいて、乗り物２００が従うナビゲーションルートを決定するように構成され得る。したがって、経路プランナ１２２は、データアナライザ１２０から受信したデータに基づいて乗り物のナビゲーションルートを決定することができる。

図３は、図２の乗り物２００が通過するナビゲーションルートの一部分の例と、当該ナビゲーションルート部分に沿う可能乗り物経路の例示的組を示す図である。図３に示す例示的ナビゲーションルートには、３つの車線３００、３０２、３０４が含まれている。それぞれの車線３００、３０２、３０４は、車線３０４の下エッジにおける縁石３０６、車線３００の上エッジにおける実線の車線マーキング３０８、及び、車線３０２の上エッジ及び下エッジを形成すると共に車線３００の下エッジ及び車線３０４の上エッジを形成する破線の車線マーキング３１０、３１２といった、複数の車線エッジの特徴（lane edge features）の間で形成される。これらの車線の特徴は、乗り物２００の位置に対応する地図情報を用いることにより、経路プランナ１２２により認識でき、乗り物２００に配置されたセンサ１１６が捕獲したデータにより確認されて、地図情報と比較される。地図情報は、コンピューティング装置１００のメモリ１０４内に記憶されてもよく、或いは、経路プランナ１２２が遠隔位置から利用できるようにしてもよい。図３の例示的ナビゲーションルートにおいて、データアナライザ１２０及び経路プランナ１２２は、乗り物が同じ方向で移動するために３つの例示的車線３００、３０２、３０４が設定されるように（designed）決定することができ、且つ、乗り物２００及び他の乗り物のような他の物体が、ナビゲーションルートの部分に沿って車線３００、３０２、３０４の間を移動し得るように決定することができる。

データアナライザ１２０及び経路プランナ１２２は、乗り物２００が、ナビゲーションルートの所定の部分に至る前に可能乗り物経路の組をあらかじめ決定するため、地図情報の一部として利用可能な車線情報、或いは、車線エッジの特徴、車線の数及び車線全体の幅のようにセンサ１１６によって捕捉されたような車線情報を使用することもできる。地図情報の構築方法としては、例えば、ＬＩＤＡＲセンサを用いてデータを収集し、ＳＬＡＭ（simultaneous localization and mapping）手法を用いてデータを操作して地図を構築できる。また、ルートネットワーク定義ファイル（ＲＮＤＦ）等のソースから地図情報を収集することもできる。可能乗り物経路の決定方法としては、数値最適化手法を用いることができる。図３に示す車線３００、３０２、３０４の各々は、地図情報内に存在する特徴に基づいて選択された、４つ又は５つの予め決定された可能乗り物経路を含む。

例えば、車線３０２は５つの可能乗り物経路を含む。可能乗り物経路３１４は、車線マーキング３１０、３１２の間の車線３０２の中心に沿って伸びており、図面では、乗り物２００は現在、この可能乗り物経路３１４を走行中である。可能乗り物経路３１６、３１８は、車線マーキング３１０、３１２からオフセットするように予め決定されている。オフセットの量は、予め決定される経路の配置間隔の基準となる車線の特徴の形式に基づいて決定できる。例示的な可能乗り物経路３１６、３１８におけるオフセット値は、車線マーキング３１０、３１２が車線３０２の両エッジを成す破線であることを示す車線情報に基づいている。車線３０２には、車線マーキング３１０、３１２の内側の縁又はマーキングに沿って位置する可能乗り物経路３２０、３２２も含まれ、車線３０２に関連付けられた所定の可能乗り物経路は計５つ（３１４、３１６、３１８、３２０、３２２）存在する。

別の例では、車線３０４は４つの可能乗り物経路を含む。可能乗り物経路３２４は、車線マーキング３１２と縁石３０６の間に設定された車線３０４の中心線近くにある。可能乗り物経路３２６、３２８は、最初に車線マーキング３１２、縁石３０６からのそれぞれのオフセット線として予め決定される。可能乗り物経路３２４は車線３０４の厳密な中心線に沿っているわけではなく、その理由は、ナビゲーションルート沿いに存在する乗り物の特徴の種類が原因となって、縁石３０６から可能乗り物経路３２８までのオフセット量の方が車線マーキング３１２から可能乗り物経路３２６までのオフセット量より大きく、よって可能乗り物経路３２４は、可能乗り物経路３２６と３２８の中心に位置するように構成されるからである。車線３０４も、車線マーキング３１２の内側の縁又はマーキングに沿って位置する可能乗り物経路３２２を含み、この可能乗り物経路３２２は、車線３０２と共有の経路である。車線３０４は縁石３０６に沿った可能乗り物経路を持たないが、その理由は、この種の車線の特徴は乗り物２００が安全に通過することができないため、縁石３０６に近接する可能乗り物経路を選択しないことで、縁石３０６からの充分な間隔を維持しているからである。

図４は、図２の乗り物２００が通過するナビゲーションルートの別の例示的部分と、当該ナビゲーションルート部分に沿った可能乗り物経路の別の例示的組を示す。図４に示す例示的ナビゲーションルートは、２本の道路の交差点を形成する４本の車線４００、４０２、４０４、４０６を含む。車線４００、４０２、４０４、４０６の各々は、車線４０２の下エッジにある縁石４０８や、車線４０２の上部を形成する破線の車線マーキング等の、車線エッジの特徴に挟まれて形成されている。同様に、縁石４１２は車線４０６の右エッジを形成し、破線の車線マーキング４１４は車線４０６の左エッジを形成する。図４のナビゲーションルート例において、データアナライザ１２０と経路プランナ１２２は、車線４００、４０２が車線４０４、４０６と同様に乗り物の対向する二方向走行用に設計されていると判断することができる。さらに、図４のナビゲーションルート例を通過中の乗り物２００は、４本の走行車線４００、４０２、４０４、４０６の交差点内で約９０度左折することにより、車線４０２から車線４０６に移動してもよい。車線４００、４０２、４０４、４０６間の他の移動も可能であるが、ここでは説明しない。

データアナライザ１２０と経路プランナ１２２は、車線情報を含む地図情報を用いて、可能乗り物経路の組を予め決定することもできる。この例に従い、乗り物２００がナビゲーションルートに従って走行し車線４０２から車線４０６に左折する必要があるとすると、地図情報内に存在する乗り物の特徴から、所定の４つの可能乗り物経路を決定することができる。可能乗り物経路４１６は、車線マーキング４１０と縁石４０８の間、及び車線マーキング４１４と縁石４１２の間に存在することから、車線４０２、４０６の中心線近くにある。図示されている乗り物２００は、この可能乗り物経路４１６を通過中であり、車線４０２から車線４０６に移動しようとしている。可能乗り物経路４１８、４２０は、最初に車線マーキング４１０、４１４、及び縁石４０８、４１２からのそれぞれのオフセット線として予め決定される。車線４０２、４０６には、車線マーキング４１０、４１４の内側の縁又はマーキングに沿って位置する可能乗り物経路４２２も含まれ、よって、乗り物２００が図４のナビゲーションルートを通過する際の、車線４０２、４０６に関連付けられた所定の可能乗り物経路は計４つ（４１６、４１８、４２０、４２２）存在する。

図５は、図３の可能乗り物経路の組３１４、３１６、３１８、３２０、３２２及び図２の乗り物に近接する複数の物体を示す図である。上記の通り、乗り物２００がナビゲーションルートを通過する間、データアナライザ１２０は、乗り物２００及び／又は可能乗り物経路３１４、３１６、３１８、３２０、３２２に近接する物体を識別し分類することができる。ナビゲーションルートをたどる乗り物２００にとって、可能乗り物経路３１４、３１６、３１８、３２０、３２２のどれが好適かを決定する上で、乗り物２００に近接する物体の中で相対的に重要度の高い物体が存在する。重要な物体、すなわち注意対象を使用することにより、特定された乗り物特徴と注意対象の両方との間で閾値距離を維持する経路を所定の可能乗り物経路３１４、３１６、３１８、３２０、３２２の中から決定でき、その結果、可能乗り物経路３１４、３１６、３１８、３２０、３２２から好適乗り物経路を選択することができる。閾値距離は、車線の特徴の種類（例えば、縁石か車線マーキングか）、又は解析対象の注意対象の種類（例えば、歩行者、移動中の乗り物、静止乗り物）によって変化し得る。

例えば、物体が次の少なくとも一方の基準：乗り物２００に対して物体の相対速度が正である、物体に対して乗り物２００の相対速度が正である（例えば、物体が乗り物２００から次第に遠ざかるか、乗り物２００が物体から次第に遠ざかる）、物体までの距離を物体の相対速度で割り算した結果が５を超える（例えば、乗り物２００と物体が隣接するまでの時間は５秒より長い）、を満たす場合、可能乗り物経路３１４、３１６、３１８、３２０、３２２の評価に影響を及ぼす可能性は低い。逆に、この反対も真である。乗り物２００に対して物体の相対速度が負であるか、又は相対速度に対する距離の比が５未満である場合、データアナライザ１２０又は経路プランナ１２２は、この物体を、可能乗り物経路３１４、３１６、３１８、３２０、３２２から好適乗り物経路を選択する際に使用する注意対象として分類できる。関連物体、注意対象、及び関連する車線の特徴からの安全距離を保ち、且つ乗り物２００又は可能乗り物経路３１４、３１６、３１８、３２０、３２２に近接すると特定された物体のうち無関係の物体に関連する情報を排除することに基づいて、経路選択アルゴリズムを作成することができる。

図５の例では、乗り物２００及び可能乗り物経路３１４、３１６、３１８、３２０、３２２に近接する物体は、乗り物５００、乗り物５０２、乗り物５０４の３つである。乗り物５００を解析した結果、乗り物５００は可能乗り物経路３１４、３１６、３１８、３２０、３２２から充分に離れ、且つ充分に低い相対速度で走行しており、好適乗り物経路の決定から排除すべきと判断され得る。同様に、乗り物５０２を解析した結果、乗り物２００に対して充分に大きい正の相対速度で走行しており、好適乗り物経路の決定から除外すべきと判断され得る。これに対して、乗り物５０４は、可能乗り物経路３１４、３１８、３２２と距離的に近いと判断され、センサ１１６が収集した情報を基に乗り物２００、５０４の速度と運動方向が比較されて、乗り物２００が乗り物５０４との距離を縮めていると判断でき、その結果、可能乗り物経路３１４、３１６、３１８、３２０、３２２から好適乗り物経路を選択する上で、乗り物５０４が注意対象として分類される。

図６は、図４の可能乗り物経路の組４１６、４１８、４２０、４２２及び図２の乗り物２００に近接する複数の物体を示す図である。この例では、乗り物２００及び可能乗り物経路４１６、４１８、４２０、４２２に近接する物体は、車線４０４内の乗り物６００と、車線４０２内の乗り物６０２の２つである。乗り物６０２に関して、データアナライザ１２０又は経路プランナ１２２は、乗り物２００及び可能乗り物経路４１６、４１８、４２０、４２２から充分に離れ、且つ充分な相対速度で走行しており、好適乗り物経路の決定から排除すべきと判断できる。これに対して、乗り物６００は、車線４０４から車線４００に入り、車線マーキング４１４のすぐ近くに位置していることから、乗り物２００及び乗り物経路４１８、４２２に対する位置及び相対速度が可能乗り物経路４１８、４２２と充分に関連性があると判断でき、その結果、乗り物６００は注意対象として分類され、乗り物２００が車線４０２から車線４０６に移動するとき、注意対象である乗り物６００を用いて、可能乗り物経路４１６、４１８、４２０、４２２から好適乗り物経路が決定される。

図７は、図５の複数の近接物体を通じて図３の可能乗り物経路３１４、３１６、３１８、３２０、３２２の組から選ばれた、好適乗り物経路７００の例を示す図である。経路プランナ１２２は、好適乗り物経路７００を選択する際の注意対象の位置及び運動特性を評価するように構成でき、この例では、注意対象は乗り物５０４である。好適乗り物経路７００（点線で表示）は、最初は、乗り物が現在通過中の可能乗り物経路３１４と一致する経路をたどり、その後、注意対象である乗り物５０４から少なくとも閾値距離だけ離れるように、可能乗り物経路３１６へとスムーズに移行する。経路プランナ１２２は、乗り物５０４からの閾値距離を維持することと、乗り物２００を現在の走行車線３０２の中心にできるだけ近づけておくことの両方に基づいて、可能乗り物経路３１６を選択する。予め決定された可能乗り物経路３１４、３１６、３１８、３２０、３２２を使用する利点の１つは、他の注意対象（例えば乗り物５０４）を考慮して乗り物２００のスムーズな移行を計算しながら、種々の車線の特徴との閾値距離も維持することである。

可能乗り物経路３１４、３１６、３１８、３２０、３２２のどれを用いても、乗り物２００が関連の注意対象までの閾値距離を維持できない場合には、乗り物２００を減速させて注意対象を回避するように経路プランナ１２２を構成することもできる。加えて、データアナライザ１２０及び経路プランナ１２２が注意対象に分類する物体が１つもない場合には、車線の幅、車線のエッジの特徴といった車線情報だけに基づいて好適乗り物経路を選択することができ、その理由は、このような車線情報を用いて可能乗り物経路３１４、３１６、３１８、３２０、３２２が設定されているからである。例えば、図５及び７のナビゲーションルート例に乗り物５０４が存在していなければ、乗り物２００がナビゲーションルートを進むとき、可能乗り物経路３１４に沿う車線３０２の中心位置を保つように乗り物２００を構成することができる。

図８は、図６の複数の近接物体によって図４の可能乗り物経路４１６、４１８、４２０、４２２の組から選ばれた、好適乗り物経路８００の例を示す図である。この例では、乗り物２００が左折して車線４０２から車線４０６に移動するとき、経路プランナ１２２が好適乗り物経路８００を選択する際に使用する唯一の注意対象は、乗り物６００である。好適乗り物経路８００（点線で表示）は、最初は、乗り物が現在通過中の可能乗り物経路４１６と一致する経路をたどり、その後、注意対象である乗り物６００から少なくとも閾値距離だけ離れるように、可能乗り物経路４２０へとスムーズに移行する。経路プランナ１２２は、乗り物６００からの閾値距離を維持することと、乗り物２００を現在の新しい走行車線４０６の中心にできるだけ近づけておくことの両方に基づいて、可能乗り物経路４２０を選択する。この例では、乗り物２００がカーブを完全に曲がるまで乗り物６００からの安全距離を維持するように、好適乗り物経路４２０が選択される。

図９は、自動運転システムが実行する処理９００の論理フローチャートである。処理９００のステップ９０２において、自動運転システムは、乗り物２００の周辺環境特有の情報に基づき、１つ以上の可能乗り物経路（例えば、図３に示す可能乗り物経路３１４、３１６、３１８、３２０、３２２、又は図４に示す可能乗り物経路４１６、４１８、４２０、４２２）を決定できる。上記の通り、周辺環境特有の情報には、車線数、各車線の幅、各車線に関連するエッジの特徴等の車線情報が含まれ得る。エッジの特徴の例として、車線マーキング、縁石、舗装道路から別の面への移行部、その他、車線のエッジを意味すると理解され得る任意の指示物（indicator）が挙げられる。加えて、乗り物２００のナビゲーションルート、すなわち乗り物２００が所定の目的地に到達するためにたどるべきであると自動運転システムが理解する経路に基づいて、可能乗り物経路を決定することもできる。

処理９００のステップ９０４において、自動運転システムは、乗り物２００に設けられた１つ以上のセンサ１１６から受信する入力に基づき、１つ以上の可能乗り物経路に近接する１つ以上の物体を注意対象として分類する指示を受け取ることができる。例えば、センサ１６６からデータを受信又は処理して、乗り物２００又は可能乗り物経路に近接する物体の１つ以上の特性を検出及び／又は解析するように、データアナライザ１２０アプリケーション又は経路プランナ１２２アプリケーションを構成することができる。上記の通り、検出される解析対象物体の特性の例として、乗り物２００に対する相対的速度、乗り物２００に対する相対的運動方向、乗り物２００からの相対距離、及び１つ以上の可能乗り物経路からの相対距離が挙げられる。

処理９００のステップ９０６において、自動運転システムは、１つ以上の注意対象の特性に基づいて、１つ以上の可能乗り物経路から好適乗り物経路を選択することができる。近接物体の特性の評価結果によっては、好適乗り物経路を選択するためのアルゴリズムから一部の物体が排除され、その他の物体が、好適乗り物経路の選択に影響する注意対象として分類される。或いは、自動運転システムは、注意対象として検出又は分類される物体が１つもない場合に、車線情報及び特定された１つ以上の可能乗り物経路にのみ基づいて好適乗り物経路を選択するように構成でき、この場合、乗り物２００を所定車線の中心位置に維持する可能乗り物経路（例えば、図３及び図４の車線３０２、４０２に関連付けられた可能乗り物経路３１４、４１６）を好適乗り物経路として選択することを優先させる。

処理９００のステップ９０８において、自動運転システムは、乗り物２００が好適乗り物経路をたどるよう制御することを指示する命令を１つ以上の乗り物システム１１８に送信できる。この命令は、乗り物２００が１つ以上の注意対象に近接したときに乗り物２００の経路を修正するのに充分な命令であり、乗り物２００が当該注意対象を回避した後は、別の可能乗り物経路に戻ることが可能である。例えば、図７に示す通り、乗り物２００は、注意対象である乗り物５０４と乗り物２００の間の相対速度を考慮して、注意対象である乗り物５０４の相対位置に対して閾値距離を保つことに基づき、好適乗り物経路７００に沿って可能乗り物経路３１４から可能乗り物経路３１６へとスムーズに移行する。この移行を実現する乗り物システム１１８は、例えばステアリングシステムとサスペンションシステムを備えてよい。別の例では、図８に示す通り、車線４０２から車線４０６に左折する乗り物２００は、注意対象である乗り物６００の相対位置と相対速度に基づき、好適乗り物経路８００に沿って可能乗り物経路４１６から可能乗り物経路４２０に移行する。この移行を実現する乗り物システム１１８は、例えばブレーキシステム、ステアリングシステム、及びサスペンションシステムを備えてよい。ステップ９０８の後、処理９００は終了する。

上記の説明は、現時点で最も実用的と考えられる実施形態に関連するものである。しかしながら、本開示は、上記実施形態に限定されるのでなく、添付の請求項の精神及び範囲に含まれる種々の修正及び同等構成に及ぶことが意図されていると解釈するべきである。例えば、上記の実施形態では、乗り物２００は自動車として概説されている。しかしながら、この自動運転システムは、運転者又は操作者により全般的に制御される他の乗り物（例えば飛行機、船等）でも実現可能であるため、乗り物２００は自動車に限定されない。添付の請求項の範囲は、法の下で許可されるすべての修正及び同等構造を包含するように、最も広い解釈が与えられる。

１００ コンピューティング装置
１０２ ＣＰＵ
１０４ メモリ
１０６ データ
１０８ バス
１１０ オペレーティングシステム
１１２ インストールされたアプリケーション
１１４ 外部記憶装置
１１６ センサ
１１８ 乗り物システム
１２０ データアナライザ
１２２ 経路プランナ

Claims (20)

1. 乗り物に配置された１つ以上のセンサと、
   該１つ以上のセンサと通信するコンピューティング装置と、を具備する自動運転システムであって、前記コンピューティング装置は、
   当該コンピューティング装置の操作を制御するための１つ以上のプロセッサと、
   該１つ以上のプロセッサによって使用されるデータ及びプログラム指令を記憶するためのメモリと、を有し、前記１つ以上のプロセッサは、
   前記乗り物の周辺環境特有の情報に基づいて１つ以上の可能乗り物経路を決定し、
   前記乗り物に配置された前記１つ以上のセンサからの入力に基づいて前記１つ以上の可能乗り物経路の近くにある１つ以上の物体を注意対象として分類する指示を受信し、
   前記１つ以上の注意対象の特性に基づいて前記１つ以上の可能乗り物経路から好適乗り物経路を選択し、且つ、
   前記好適乗り物経路に従うように前記乗り物を制御するための命令を１つ以上の乗り物システムに対して送信するために、
   前記メモリに記憶された指令を実行するように構成された、自動運転システム。
2. 前記乗り物の周辺環境特有の情報が車線情報を含み、該車線情報が、車線数、車線幅及び車線エッジの特徴、の少なくとも１つを含む、請求項１に記載の自動運転システム。
3. １つ以上の可能乗り物経路を決定することが、更に前記乗り物のナビゲーションルートに基づく、請求項１に記載の自動運転システム。
4. 前記１つ以上の可能乗り物経路の近くにある前記１つ以上の物体を注意対象として分類することが、前記１つ以上の可能乗り物経路の近くにある前記１つ以上の物体の１つ以上の特性を決定すること及び分析することを含む、請求項１に記載の自動運転システム。
5. 前記１つ以上の注意対象の前記１つ以上の特性が、前記乗り物に対する相対速度及び相対運動方向を含む、請求項１に記載の自動運転システム。
6. 前記１つ以上の注意対象の前記１つ以上の特性が、前記乗り物からの相対距離及び前記１つ以上の可能乗り物経路からの相対距離、の少なくとも一方を含む、請求項１に記載の自動運転システム。
7. 注意対象に分類されるものがない場合に、前記１つ以上のプロセッサが、前記１つ以上の可能乗り物経路及び前記車線情報に基づいて好適乗り物経路を選択するように更に構成された、請求項２に記載の自動運転システム。
8. コンピュータにより実施される自動運転の方法であって、
   乗り物の周辺環境特有の情報に基づいて１つ以上の可能乗り物経路を決定することと、
   前記乗り物に配置された１つ以上のセンサから受信される入力に基づいて、前記１つ以上の可能乗り物経路の近くにある１つ以上の物体を注意対象として分類する指示を受信することと、
   前記１つ以上の注意対象の特性に基づいて前記１つ以上の可能乗り物経路から好適乗り物経路を選択することと、
   前記好適乗り物経路に従うように前記乗り物を制御するための命令を１つ以上の乗り物システムに対して送信することと、を含む、方法。
9. 前記乗り物の周辺環境特有の情報が、車線情報を含み、該車線情報が、車線数、車線幅及び車線エッジの特徴、の少なくとも１つを含む、請求項８に記載の方法。
10. １つ以上の可能乗り物経路を計算することが、更に前記乗り物のナビゲーションルートに基づく、請求項８に記載の方法。
11. 前記１つ以上の可能乗り物経路の近くにある前記１つ以上の物体を注意対象として分類することが、前記１つ以上の可能乗り物経路の近くにある前記１つ以上の物体の１つ以上の特性を決定すること及び分析することを含む、請求項８に記載の方法。
12. 前記１つ以上の注意対象の前記１つ以上の特性が、前記乗り物に対する相対速度及び相対運動方向を含む、請求項８に記載の方法。
13. 前記１つ以上の注意対象の前記１つ以上の特性が、前記乗り物からの相対距離及び前記１つ以上の可能乗り物経路からの相対距離、の少なくとも一方を含む、請求項８に記載の方法。
14. 注意対象に分類されるものがない場合に、前記１つ以上の可能乗り物経路及び前記車線情報に基づいて好適乗り物経路を選択することを更に含む、請求項９に記載の方法。
15. コンピューティング装置であって、
    当該コンピューティング装置の操作を制御するための１つ以上のプロセッサと、
    該１つ以上のプロセッサによって使用されるデータ及びプログラム指令を記憶するためのメモリと、を具備し、前記１つ以上のプロセッサが、
    乗り物の周辺環境特有の情報に基づいて１つ以上の可能乗り物経路を決定し、
    前記乗り物に配置された１つ以上のセンサから受信された入力に基づいて前記１つ以上の可能乗り物経路の近くにある１つ以上の物体を注意対象として分類する指示を受信し、
    前記１つ以上の注意対象の特性に基づいて前記１つ以上の可能乗り物経路から好適乗り物経路を選択し、且つ、
    前記好適乗り物経路に従うように前記乗り物を制御するための命令を１つ以上の乗り物システムに対して送信するために、
    前記メモリに記憶された指令を実行するように構成された、コンピューティング装置。
16. 前記乗り物の周辺環境特有の情報が車線情報を含み、前記車線情報が、車線数、車線幅及び車線エッジの特徴、の少なくとも１つを含む、請求項１５に記載のコンピューティング装置。
17. １つ以上の可能乗り物経路を計算することが、更に前記乗り物のナビゲーションルートに基づく、請求項１５に記載のコンピューティング装置。
18. 前記１つ以上の可能乗り物経路の近くにある前記１つ以上の物体を注意対象として分類することが、前記１つ以上の可能乗り物経路の近くにある前記１つ以上の物体の１つ以上の特性を決定すること及び分析することを含む、請求項１５に記載のコンピューティング装置。
19. 前記１つ以上の注意対象の前記１つ以上の特性が、前記乗り物に対する相対速度、前記乗り物に対する相対運動方向、前記乗り物からの相対距離、及び、前記１つ以上の可能乗り物経路からの相対距離、の少なくとも１つを含む、請求項１５に記載のコンピューティング装置。
20. 注意対象に分類されるものがない場合に、前記１つ以上のプロセッサが、前記１つ以上の可能乗り物経路及び前記車線情報に基づいて好適乗り物経路を選択するように構成された、請求項１６に記載のコンピューティング装置。

Images