JP2015228204A - 先進運転者支援システムによりリスクベースの交通シーン分析を行う方法、及び当該分析を行う当該システムを備える乗り物 - Google Patents

Abstract

【課題】交通シーンの展開に応じて、車両の将来の走行についてのリスク評価を改善し、運転者支援システムの向上を図る。【解決手段】交通場面に関与する交通参加者及び又は基盤要素の少なくとも一つが選択され、交通シーンの分析のために考慮される。自車両の現在状態から自車両の仮想将来軌道が予測され、当該仮想将来軌道を変化させて、前記仮想将来自車軌道を含む複数の自車軌道選択肢が生成される。他の交通参加者の現在状態から他の交通参加者の仮想将来軌道が決定される。自車軌道と一つの他の軌道との少なくとも一つのペアに基づいて、将来時間についての又は前記算出された仮想将来自車軌道選択肢に沿った、複数のリスク関数が計算され、一のリスク関数は一の自車軌道選択肢に対応する。前記複数のリスク関数は、一つのリスクマップに結合されて分析される。前記分析結果から、前記自車両の運転を支援するための制御信号が生成される。【選択図】図３

Description

本発明は、先進運転者支援システムについての方法、及び当該システムを備える車両に関する。

例えば交差点のように複数の交通シーン実在物が関与する場合には、複数の自動車、歩行者、及び、交通信号灯、信号機、レーン等のシーン構造物の相互関係を考慮して適切なシーン解釈を行う必要があり、汎用的なシーン分析を行うことは本質的に困難である。他方、交通シーン分析は、常に、動作実体が何らかの挙動を起こす際の必要性、すなわち、“次に何を行うべきかを決定するためにシステムは何を調査しなければならないか？”、という観点から行われるものでなければならない。

自身の挙動とその他の実在物の挙動との組み合わせからシーンを理解する、ということには、可能性のある動き（運動、dynamics）又は可能性のある状態変化とその結果とについての、行動リスク及び効率の観点から見た評価が必ず含まれる。他の交通参加者についての可能性のある動きを評価するためには、当該他の交通参加者の可能性のある将来挙動についての知識を持っている必要がある。一つのアプローチは、特許文献１に記載されており、他の交通参加者の位置や速度といった観測可能な数値から、それら交通参加者の将来の移動挙動の予測を行うものである。しかしながら、自身の挙動に特定の影響を与えることは行われていない。

特許文献２及び３では、自身の車両（自車両）について予測される軌道と他の交通参加者について予測される軌道との関係を用いて、その軌道に沿った走行が継続された場合のリスクを表現する。これら２つのアプローチは、いずれも、自車両の将来軌道と他の交通参加者の将来軌道とについての知識を用いるが、それらの分析は幾何学的な側面に限られている。すなわち、異なる複数の車両の軌道が交差又はオーバラップしているものの、それらの車両が同じ時刻に同じ交差位置には存在することはないだろう、ということは無視される。

欧州特許出願公開２ ５６２ ０６０（Ａ１）号明細書 独国特許出願公開１０ ２０１１ １０６ １７６（Ａ１）号明細書 独国特許出願公開１０ ２０１２ ００５ ２７２（Ａ１）号明細書

運転者支援システムを向上させるためには、したがって、交通シーンの展開に応じて、車両の将来の走行についてのリスク評価を向上させることが望まれる。

上記課題は、添付の請求項に従う発明により解決される。

本発明は、下記に寄与する。
（ｉ）自身についての予測される動きと他の実在物についての予測される動きとの間の関係を調べることによって交通シーンを評価すること、
（ｉｉ）上記動きに関連したリスク要因を推定すること、
（ｉｉｉ）実在物自身の挙動のために、動きを評価して関連するリスク要因を評価すること、
（ｉｖ）これら全てに基づいて、自身の挙動についてのプランニングを行うこと

本発明の利点は、そのアプローチの汎用性にある。これにより得られるシーン分析の手法は、高速道走行や交差点緩和（intersection mitigation）などの全く異なる種類の交通シーンに同様に適用できるものであり、関連する実在物の数が増加した場合にも良好に調整を行う。これらは、現在行われているアプローチにはない特性である。

本発明の目的は、交通シーンにおいて発生する事象を運動リスクや効率の観点から評価するシーン分析であって関与する実在物の数が多い（＞３）場合でも適度な計算負荷で処理することができ、且つ種々の交通コンテキストにも修正を要せず適用することのできるシーン分析を行うための方法及び当該分析を行うシステムを備えた乗り物を提供することである。このコンテキストにおける実在物には、車両や歩行者等の他の交通参加者が含まれるほか、交通標識や道路障壁等の交通基盤要素も含まれる。本発明の一つの重要な特徴は、時間リスクマップ（temporal risk map）を生成し、これらのリスクマップ内で将来挙動の選択肢を計画し及び評価することである。時間リスクマップは、時間又は意図する自車両軌道に沿った走行距離を一つの軸として（時間と距離とは相互に変換することができる）、異なる時間期間についての予測される高リスクゾーンを明示的に表したものである。これにより、標準的な最適化アルゴリズムや計画アルゴリズムを少ない計算コストで用いることができる、という利点を生ずる。

本発明が対象とする用途は、（ｉ）交通参加者である自分自身に関連する他の複数の交通実在物についての様々な動きを予測し、当該予測された動きに関連するリスク及び効率に応じた優先度で警告を行う、警告支援システムである。

第２の領域は半自動運転の分野（ｉｉ）であって、警告システムに代わり、交通参加者である自分自身についての動作が、提案され、支援され、又は準備され得る。これは、本発明の方法の自然な出力である。リスクと効率の評価は、常に、自身について予測される可能性のある軌道の選択肢のセットに関連して生ずるものだからであり、又は、望ましいリスク＋効率の尺度を持つ新しい軌道が算出され、挙動の間にそれら軌道の一つを実現すべく自身のアクションが選択され得るからである。

第３の領域は完全自律型運転の分野（ｉｉｉ）であり、低リスクで高効率な望ましい軌道が予測され又は算出されて選択され、これらの軌道を用いて、自動運転動作を実行するための制御システムがガイドされ得る。

これらは全て、シーン分析とその後の警告動作及び支援動作とが、例えば隣接する自動車の近接度合や速度といった暗示的な重要性基準に依拠して評価されるのではなく、予測されるリスク及び効率の観点での当該自動車自身の挙動についての具体的な実用尺度を用いて評価される、という利点を提供する。

警告を出力するため、又は自律型又は半自律型の運転を実行するため、リスクマップの分析に基づいて制御信号が生成される。この信号は、運転者警告に用いることのできる、意図する走行経路についてのリスクに関する情報を含むか、又は車両を自律的に加速又は減速させるためにモータ管理システムやブレーキシステムなどの車両制御システムが行うべき動作に関する情報を含む。

本発明と従来技術のアプローチとの相違点を、図１に示す。図示左側は従来のアプローチを示している。自車両の軌道と一の他の交通参加者の軌道とが予測され、一つの交点が特定される。この交点は、それらの車両がその交点を異なる時刻で通過するかもしれないということを無視して、高衝突リスクに関連付けられる。

図１の右側には、本発明の一の態様が示されている。ここでも、この単純な交通シーンにおける２つの車両の軌道が予測されている。ただし、従来アプローチとは異なり、リスクは、様々な時刻（自車両軌道の異なる位置に対応する）と、他の交通参加者の軌道における対応するポイントと、について評価される。見て判るとおり、自車両軌道上には顕著なリスクを示していると考えられる３つのポイントが存在し、これらのポイントは全てその軌道上の交点に達する前の位置に存在している。これら３つのポイントのうちの中央の位置に最も高いリスクがあると認識される。

〔定 義〕
〈リスク〉
用語「リスク」は、何らかのクリティカルなイベント（事故など）が将来に起こるであろう確率に、それがもたらすコスト又は利益を乗じて得られる数学的評価値であるとする、技術的プロセスについてのウィキペディアの定義に非常に近いものである。したがって、確率論的には、リスク計算は、２つの項に分解できる。一つは、クリティカルイベントが発生したときの状態がもたらすその瞬間におけるコスト又は利益（下記に示す式においては、事故についての「ダメージ」として表現される）を表す項であり、もう一つは、時刻ｔにおける状態から予測を開始した場合の、将来の時刻ｔ＋ｓにおいてクリティカルイベントが起こる確率を表す項である：

ダメージ項（“＝”符号の後ろの第１の項）は、最新技術のモデルを用いて定式化することができる。例えば、アクシデントが発生する場合、そのアクシデントの激しさは、衝突の瞬間における速度、方向、質量等を考慮して計算することができる。

この式の最後の項は、将来におけるイベント発生確率（将来イベント発生確率、future event probability）を表しており、本発明では、これを扱うための種々の方法を提示している。例えば、生存確率（survival probability）計算、特殊なリスク表現特徴量（ＴＣＥ（最接近時刻、Time of Closest Encounter）、ＴＴＣＥ（最接近余裕時間、Time to Closest Encounter）、ＰＣＥ（最接近位置、Point of Closest Encounter）、ＤＣＥ（最接近余裕距離、Distance to Closest Encounter）等）、予測された軌道についてのリスク評価、将来の車両走行についての様々な選択肢に関するリスクを表現したリスクマップ、を用いる方法が提示される（これらの用語については、以下に示す定義を参照されたい）。

将来イベント発生確率と生存確率（後述）との関係は、次のように理解することができる：時刻ｔから開始して、期間 [t,t+s[ の前にクリティカルイベントに関与しなかった（即ち、「生き残った」）車両のみが、時刻ｔ＋ｓにおける将来イベントに関与し得るので、将来イベント発生確率は、その期間についての生存確率に、時刻t+sの将来におけるイベント発生確率を乗じたものである。すなわち、

である。これは、まさに本アプローチを定式化したものであり、これを用いて将来イベント発生確率を次式により算出することができる（「生存確率」の定義については後述する）。

リスクの式と後述する生存確率の式とにより、将来リスクの評価と低リスクな将来挙動の生成とに必要なリスクマップを構築することが可能となる。

〈場面（Situation）〉
ある時間期間内での、相互に作用しあうシーン要素（車両、他の物体、構造物）とそれらの動き（操縦オプション、状態変化）との、プロトタイプの組み合わせである。相互に作用しあう要素の様々な個別の挙動／操縦の選択肢を表現する場面（複数）は、特に重要である。例えば、未だ動いてはいない正面が対向している２台の自動車で構成される交差点場面のような、類似するエビデンス（シーン要素、動き）で構成されるシーンでは、双方が直進する、一方が転回する、双方が転回する等の異なる場面を生じさせ得る。

〈場面仮説（Situation Hypothesis）〉
表現及び分類を目的にシステムプロトタイプとして用いられる場面の表現。シーン内に、或る場面を特定する、必要とされるシーン要素及び動きが存在すれば、そのシーンはその場面と同じものである（一致している）とする。場面分析は、シーンを場面クラスに分離するのに重要である。場面クラスは、状態と動きのクラス間の変動性が、クラス内の変動性に比べて低くなっているべきである。分類を目的とする場面分析は、標準的な分類方法及び機械学習方法、例えばニューラルネットワーク（Neural Networks）、サポートベクタマシン（Support Vector Machines）、ベイジアン信念ネット（Bayesian Belief Nets）等を用いて、最先端の技術手段により行うことができる。

〈軌 道〉
離散的又は連続的な時刻にわたる状態ベクトル（シーン要素についての選択された状態を定量化する数値リスト）の集合。特に、移動物体を分析する場合、中心となるのは力学的状態（位置、速度、加速度、方向、その他）であり、軌道は、物体が空間を移動するにつれて生成されるラインとして表現され得る。

〈予測軌道〉
現在の及び又は過去の状態（単数又は複数）から状態ベクトルを外挿したもの。これは、予測モデル（例えば、カーブ内で或る速度と転回速度とを持つ自動車は、その速度と転回速度とを維持すると仮定される）、プロトタイプ軌道セグメントとの比較、時系列分析等の、様々な先端技術の方法により、行うことができる。予測軌道においては、交通基盤（インフラストラクチャ、infrastructure）も重要である：通常、我々は、例えばレーンがどこにあるかを知っていれば、「車はおそらくそのレーンに沿って走行し続けるだろう」というような単純な予測モデルを用いる。

〈軌道の比較〉
本発明では、例えば２つの軌道に対して、共通の時刻から開始し、時間経過に沿って状態ベクトルを比較することで行われる。各時刻に対し、２つの軌道の状態を用いて瞬間リスク指標（momentary risk indicator）が算出される。瞬間リスク指標は、正にその時間的な瞬間における、それらの特定の状態についてのリスク確率を定量化したものである。例えば、或る時刻において、関連する要素（複数）の空間的広がりが互いに接している（距離０）場合、衝突確率は１であると言う。そして、衝突の際の角度や関連する速度及び質量などの、その瞬間における更なる状態を用いて、衝突リスクを算出することができる。

〈生存確率〉
本発明の一の主要なコンポーネントは、将来の様々な時刻におけるイベントのリスクを算出することである。当該算出されたリスクは、予測時間の限られた期間についてのリスク関数となる。将来リスクは、いわゆる「生存関数」を用いて算出することができ、これにより、遠くの将来に存在するイベントほど、その確率は低くなるという効果を考慮する。生存確率は、例えば、一の交通参加者の状態及び他の交通参加者の状態が予測された軌道に従って展開する間、当該一の交通参加者が、或る時間期間に高リスクのイベントに関与することなく、当該時間期間を「生き残る」ことがどの程度確からしいかを表す。数学形式で、生存関数の例を示す。関連するシーン要素の軌道から、特定の時間的瞬間を考える。自車両が高リスクイベントに関与する確率は、瞬間イベント発生速度

により定量化することができる。瞬間イベント発生速度は、イベント発生間隔の平均時間の逆数であり、（現在の又は予測された）その瞬間における状態に依存する。したがって、時刻tにおける任意の微小時間期間でのイベント発生確率は、その時刻における状態に依存し、次式で与えられる。

等価な複数の自車両の統計的な集合を見たとすれば、我々は、「それらのうちの何台の車両が、予測時間の或る時間期間の間、事故に関与することなく走行することができるだろうか？」を問うだろう。任意の時刻tから開始し、予測時間期間を微小期間に区切ると、第１の微小期間においては、上記複数の車両のうちの或る部分が事故に関与し、残りの部分は「生き残る」。生き残った車両のうちのいくつかは、第２の微小期間において事故に関与する．．．等々、となる。これを数学的に表現すると、開始時刻ｔから将来時刻t+sまでの間に1から0へ向かって減少する関数となる。そして、この関数は、時刻tからt+sまでの間の、その交通場面に関連するシーン要素（複数）の状態の経時変化に依存する生存確率（次式）を表わしている。

生存確率を得れば、これを将来瞬間イベント発生速度（instantaneous future event rate）と組み合わせることにより、将来イベントの発生確率を次式のように算出することができる。

複数の瞬間イベント発生速度を加算することで、複数のリスク要因を組み込むことができ、生存関数と将来イベントの全体的な発生確率が同様の方法で算出され得る。これにより、複数のリスクを容易に考慮することが可能となり、将来についてのリスク確率の算出が容易となる。

〈最接近時刻（ＴＣＥ、Time-of-Closest-Encounter）、最接近余裕時間（ＴＴＣＥ、Time-To-Closest-Encounter）、最接近点（ＰＣＥ、Position-of-Closest-Encounter）、最接近距離（ＤＣＥ、Distance-of-Closest-Encounter）〉
シーン要素（複数）の軌道を比較することによって算出される特徴量又は指標であり、将来リスクとリスクマップの算出に関連するものである。２つの軌道間のＴＣＥは、２つの軌道が互いに最も接近する絶対時刻であり、ＰＣＥは、これが発生した場所の自車両軌道上の位置である。図４の図示左上に、このことが、２つの軌道例（例えば、自車両軌道が緑、他車両軌道が赤である）について示されている。ＤＣＥは、その時間的瞬間におけるそれら２つのシーン要素間の距離、ＴＴＣＥは、任意の時刻（例えば、現在）からＴＣＥまでの（相対的な）時間長さである（ＤＣＥ及びＴＴＣＥについては、図４の図示上部中央を参照されたい）。これらの特徴量は、将来リスク（複数）が極大となる位置やそれらの形を表すものであるので、リスクマップ構築の近道である。

本発明は、添付の図面を考慮することにより容易に理解することができる。
先行技術のアプローチ（図示左）と本発明の原理との違いを示す図である。 本発明をより詳細に示す図である。 自車両の挙動を変化させることの効果を示す図である。 時空間リスクマップの生成を例示する図である。 リスクマップの生成のための要素について説明した図である。 交通シーンにおける選択肢とそれらの影響を例示する図である。 交差点における２つの自動車についてのリスクマップの例を示す図である。

本発明の方法は、基本的には、以下のステップを含む：
１）自車両と少なくとも一つの任意の交通参加者とについて、状態（すなわち、軌道）を外挿又は予測するステップ。これらの外挿又は予測は、自車両及び交通参加者それぞれの、状態のシーケンスとなる。他の交通参加者についての軌道予測に代えて又はこれに加えて、交通信号灯などの基盤要素の状態を記述する状態シーケンスを用いるものとすることができる。
２）交通参加者（複数）の状態シーケンスの任意のペアについて、リスク関数を計算するステップ。当該計算により、そのシーケンスペアの一方の交通参加者に関する時間軸に沿った又は軌道経路長に沿ったリスクの関数が得られる。以下では、すべてのステップは、自車両の立場から実行されるものとする。この場合、軌道経路に沿ったリスクは、自車両の軌道経路に関するものであることは明らかである。

３）特に一の交通参加者（例えば「自」車両）について、状態シーケンスの選択されたセットを生成するステップ。例えば、選択された交通参加者の現在の状態からの種々のバリエーションから開始することにより、上記セットを生成する。
４）選択された交通参加者の状態シーケンスの上記セットについての、リスク関数を計算するステップ。
５）上記リスク関数を結合して少なくとも２次元のリスクマップとするステップ。リスクマップは、時間に沿って又は自車両の軌道経路距離に沿って、様々な選択された状態シーケンスについてのリスクを示すものである（このリスクマップ内では、各点は、或る自車両予測軌道パラメータに関する自車両軌道の、或る位置におけるリスクを示している）。

６）リスクマップにおいて現在の状態から少なくとも一つの目標状態又は目標状態領域に至るまでの、種々の可能な経路又は経路の部分を算出することにより、リスクマップを分析するステップ。これらの経路または経路部分は、所望の挙動についてのガイドラインとして働く。
７）経路に沿ったリスクと効率基準との良好なトレードオフ／組み合わせによって特徴付けられた、望ましい経路又は経路部分により、現在の状態から目標状態の近傍又は目標状態領域に至るための、全体して望ましい経路を選択するステップ、又は運転者が所望する経路のリスクを、制御信号を用いて当該運転者に通知するステップ。効率基準は、種々の方法で定義することができ、時間的制約、速度、加速度又は滑らかさの程度についての制約、運転快適さ、及び又はエネルギー効率を含むものとすることができる。

８）選択された望ましい経路を、運転モデル又は制御モデルとして用いるステップ、及び
９）現実の自動車（自車両）の運転状態に影響を与える信号、または、選択された望ましい経路を利用する注目すべき場面について運転者に警告するための信号、を送出するステップ。

本発明の主要な点は、以下の２つの概念にある。
１）連続リスク指標。どのような場面であれ、例えば自車両と他の車両の現在の状態を組み合わせても衝突には至らないという場合でも、特に将来を外挿した場合には、本質的なリスクが存在する、ということを定式化することを開始点とする。連続リスク指標は、物理的リスクに関連する従来のパラメータ（複数）（例えば、自動車間の距離、現在の相対的な走行方向角、質量及び速度（これらは、例えば衝撃の算出に必要なものである））に依存するが、単一の車両指標（或る速度で或るカーブ点を走行するときの遠心加速度など）にも依存する。その基礎を為す仮定は、我々が本質的な不確実さ（センサ測定、他者についての状態推定、挙動の変化性など）を、連続的なリスク尺度によって把握している、ということである。
２）動的リスクマップ。我々は、いわゆるリスクマップにおいて自車両の動作の選択肢を算出し且つ表現することができると考える。リスクマップは、空間的なコンポーネントを持つが、基本的には、自車両についての可能性のある挙動の選択肢、及び自車両軌道に沿った走行時間又は走行空間についての、リスクの高次元関数である。リスクマップは、或る挙動選択肢が将来においてどの程度危険であるか、を示す。

そして、そのリスクマップを用いて、自車両の将来の移動挙動を意味する将来挙動の計画と評価とが実行される。リスクマップは、時間及び自車両挙動についての将来リスクを表すので、挙動評価に直接的に用いることができる。リスクマップ上の経路（点の集合を接続する線）は、リスクに直接的に関連付けることができ、（その経路に沿った状態シーケンスを満たす条件を含ませることで）その他のコストや利益ファクタに間接的に関連付けることができる。これは、最先端の方法に勝る利点である。（例えば記録された、予測された、又は計画された）経路があれば、その経路をリスクマップ上に重ね、高リスクゾーンに遭遇するか否か、及びいつ遭遇するかを調べて、所定の閾値を超えるそのような経路上での遭遇リスクを運転者に警告するための制御信号を出力することができる。経路を探索する場合、探索を行う場所であるトポロジーとしてリスクマップを用いることができる。リスクマップが構築されれば、RRTなどの既知の方法を用いて、そのようなリスクマップ上の経路を見出して、リスク極大点を回避することができる。

図２には、自車両が、実線で描かれた軌道により示されている。例えば図２に示された交通場面での２台の自動車の相互作用における本質的なリスクについてのリスクマップを算出するには、規定された時刻ｔ（通常は現在時刻）から開始して、上記２台の自動車（自車両と他の自動車）の将来軌道を予測し、各時刻についての連続リスク指標を算出する。例えばリスクがより高いと推量されるほど、ある時刻において上記２台の自動車はより接近している。図２の中央部分には、２台の車両の軌道上に対応する位置が示されており、自車両軌道のそれらの位置に、結果としてのリスクが示されている。これは、図２の右部分に示すように、時間経過に沿った、すなわち自車両軌道の距離に沿った、将来リスクの曲線を与える。

これを、自車両挙動の選択肢を表す複数の可能性のある将来自車両軌道について繰り返す。これらの選択肢軌道は、開始時に用いた自車両軌道を変化させて得るものとすることができる。そのような初期自車両軌道は、将来移動挙動の予測結果である最も可能性のある軌道（最尤軌道、most like trajectory）とすることができる。他の交通参加者も、少なくとも一つの予測された軌道により表される（それらの他の交通参加者の挙動の、或る一定の変動性を捕捉する複数の予測された軌道も存在し得る。図に示されている軌道はその一つであり、上記と同様に最も可能性のある軌道であり得る。）

予測された軌道の各ペア（一つは自車両からの予測軌道であり、一つは他の交通参加者からの予測軌道である）について、将来時間についてのリスクの関数（時間軸をスケーリングすることにより等価的に算出され得る）、又は、自車両軌道の走行距離（自車両軌道走行距離、driven ego-car trajectory length）についてのリスクの関数を得る。他の交通参加者が複数の軌道で表される場合には、それらの軌道のリスク関数は平均化される。

次に、自車両軌道の種々の選択肢についての複数のリスク関数をまとめてリスクマップを得る。当該リスクマップは、自車両軌道走行距離と、自車両将来軌道についてのパラメータと、についての少なくとも２次元のマップ／関数である。通常は、自車両将来挙動の主要パラメータとして長さ方向速度（縦方向速度、longitudinal velocity）を用いたリスクマップを用いる。図解説明については、図３を参照されたい。

リスクマップにおける値の算出のため、リスク指標に基づく連続なリスク関数を用いる。これにより、或る一つの時刻について、自車両と他の交通参加者の状態からリスクを算出する。リスクは、例えば、ある一つの時刻における、関係する交通参加者（複数）の距離と速度に依存するが、走行方向角（複数）（heading angles）や質量（複数）等を含むように拡張することもできる。リスクマップは、自車両軌道走行距離及び挙動パラメータの或る点（複数）において、はっきりとした極大値（複数）を示すものとなる。望ましい挙動は、これらの極大点を避ける挙動であろう。なお、他の車両に代えて、基盤要素（infrastructure element）を用いることもできる。

各時間ステップについてリスク計算を行うことに加えて、一の特定の実施形態では、より将来の予測はより不確実であるという仮定により値を割り引く。これは、リスクマップ内に存在するより将来における極大点は近い将来における極大点よりも低くなるか又はより広がったものとなり、時間的に現在に近づくほど極大点がシャープになり（より狭くなり）且つ大きくなる、という効果を持つ。本発明の或る特定の実施形態では、この時間効果は、予測された軌道に沿って走行する自動車が衝突等の危険な事象に遭遇することなく将来の或る時点まで生き残っていることがどの程度確実か、を示す「生存確率関数（survival probability function）」を計算することにより組み込まれる。

本発明の他の実施形態では、リスクについての時間の効果は、例えばＴＣＥ（最接近時刻、time of closest encounter）、ＴＴＣＥ（最接近余裕時間、time to closest encounter）、ＰＣＥ（最接近位置、point of closest encounter）、及びＤＣＥ（最接近距離、distance of closest encounter）などの、軌道の衝突に関連する側面を計算することにより、リスクマップに組み込まれる。これらは、２つの軌道が最接近する場所についての全パラメータである。リスクマップへの上記時間の効果の組み込みは、これらのパラメータに従って、上述したようにリスクマップにおける極大点の高さ及び幅を調整することにより行われる。すなわち、ＴＣＥ及びＰＣＥの近くにリスクピークの極大点が配され、これらのリスクピークが、ＤＣＥにより定まる高さと、ＴＴＣＥにより定まる幅を持つように調整される。図５は、これを示している。

例えば、自車両が、同じ道路を同じ方向により低速で走行する自動車に接近しながら交差点に進入し、他の自動車もその交差点を通過している、という（過度に単純化した）場面を考える。この場面を、図７に示す。自車両軌道のバリエーションは、例えば自車両速度のバリエーションにより発生させ得る。より高速な場合、自車両は、他の自動車が来る前に通り過ぎ、リスクは比較的低い。しかしながら、自車両が比較的速い速度で先行車に接近する場合には、他のリスクが発生する。自車両の速度が中程度である場合、交差点のどこかで他の車両と衝突したり、非常に接近してしまうということがあり得る。また、自車両が非常に低速である場合には、他の自動車が先に通過して、自車両はそのあとに危険なく交差点に進入することができる。この場合、リスクマップは、交差点に進入するときの長さ方向の自車両軌道距離と、その仮定された軌道における自車両速度と、に対してプロットされたリスクの２次元マップとなる。中程度の速度のいずれかにおいて、リスクは最大となり、自車両はこれを避けるべく試みることとなり得る。そのような場面及びこれに対応するリスクについては、図７を参照されたい。

図示のリスクマップは、複数の自車両軌道を、先行車についての予測された軌道及び交差点において自車両の道路と交差する車両と比較することにより得られた２つの極大点を示している。最初のイベントは車両との交差であるので、そのリスクは、リスクマップ上においては、先行車に関連するイベントよりもずっと尖っている（よりシャープである）。

しかしながら、リスクマップは、環境内の静止した構造物が関連したり、構造物が全く無い場合のような、他のタイプのリスクについても算出することができる。この場合、リスク計算（リスク関数）は、適宜調整する必要がある。例えば、静止した構造物がある場合には、自車両についての予測された軌道のそれぞれについて、その軌道の各点に関し、静止構造物への最短距離が算出され、リスクは、この距離の関数となる（距離が短いほど、より高いリスクを意味する）。同様に、カーブにおいて速度が速過ぎることのリスクは、自車両の予測軌道の各点における遠心加速度の関数として算出することができる。また、交通信号のような、静止しているが状態が変化する要素も、同様の方法で組み込むことができる。そのような状態依存のリスク関数のセットアップでは、少なくとも２台の車両について上述した考察と同様な考察を用いる。他の交通参加者について予測された軌道の代わりに、時間経過に沿った状態変化を表現する状態シーケンスを用いる。

リスクマップでは、様々なリスク要因（例えば、様々な他の交通参加者についてのリスク関数）を重ねることができるので、様々なリスク源を一度に考慮して挙動を計画することができる。これが、図７のリスクマップに示されている。このリスクマップは、自車両に加えて２台の自動車を組み込んだものであり、当該２台の自動車に対応して２つの極大点が現れている。しかしながら、他の交通参加者についての異なる挙動選択肢（例えば、直進、右折又は左折、それらのすべてについての速度のバリエーションなど）を、あまりに多く一つのマップに組み込むと、そのような系はいたるところにリスクを予知することとなり、意味をなさなくなる。

リスクマップが作成されると、それらのリスクマップを用いてリスク回避経路を探索することができる。すなわち、リスク（例えば、その経路に沿った最大リスク）を最小化し、且つ効率を最大化し又は（例えば、目標へ到達するまでの時間、リスクマップ上での経路の滑らかさ及び物理的妥当性、といった観点からの）コストを最小化するリスクマップ上の経路を見出す、という考え方である。この効率／コストの基準がないと、自車両はそのマップの低リスク位置に留まってしまうこととなるため、これらの効率／コスト基準は追加する必要がある。効率は、例えば、クルーズコントロール・システムに設定された所望の走行速度により近い速度を維持できるような経路を選ぶものとすることにより、考慮に入れることができる。所望の速度からのより大きな偏差が必要となるような経路では、利益は減少する。したがって、リスクマップについての最終的な分析により、許容されるリスクと効率との妥協点を見出す。これにより、本方法が速度０を持つリスクマップ上の最小リスク点に自車両をロックしてしまうことを防止する。

リスク回避経路の探索では、RRTやRRT*などの、傾斜降下アルゴリズム、傾斜探索アルゴリズム、又は傾斜計画アルゴリズム等の、種々の最新アルゴリズムを用いることができる（傾斜降下ベースの評価では、効率基準を定量化する傾斜を持った、リスクマップの傾斜バージョンを必要とする）。リスク回避経路の探索の目標は、（例えば、自車両の現在状態や現在時刻に対応する）起点ゾーン（source zone）から、（自車両が到達したい）所望の目標ゾーン（target zone）までの、上記マップにおける経路を得ることである。

その拡張として、複数のリスクマップを並行に用いて処理を行い、複数のリスクマップからの発見及び制約を結合することによって複数のリスク回避経路を探索することが有用である場合もある。そのようなシステムの典型的な例を図６に示す。この場合、システムは、場面分類（場面クラス分け）ステップを更に用いる必要があり、処理の最後に、複数のリスクマップを用いるパス結合ステップを実行する必要がある。

特に、様々な関連するリスクが予測されることとなるような、一つの交通シーンに対する複数の解釈の選択肢が存在する場合には、これが必要となる。この場合、まず、どの場面クラスがシーンに適合するかを探索し（図６の左上では、異なるリスクを持つ複数の異なる“典型的な（prototypical）”場面クラスに適合する一つの交通シーンが示されている）、ある基準（クラスについての証拠と、関連するクラスについて過去において経験したリスクと、を複合したものなど）に従って可能性のあるその候補のサブセットを選択する。通常、これらの場面は、他の交通参加者についての個別の挙動選択肢を表している。選択された各場面候補について、個別のリスクマップを作成する。これらの全リスクマップのサブセットにおいて、リスク回避経路を探索することができる。決定を行うためには、リスクマップの経路提案から良好な妥協案を見出すか、又は最も好ましいものを選択する必要がある。選択された経路は、再び、動作支援、制御、又は場面及びリスクに応じた警告、の基礎となる。

場面について証拠、及び、自車両及び他の交通物体についての状態予測に関して有効な仮定は、時間と共に変化するので、算出されたリスク回避経路は、限られた時間期間でのみ有効である。場面証拠や、その他のシーンパラメータが変化したときは、場面分類、選択、リスクマップ算出、計画、挙動決定の、いずれかのステップを再度有効なものにしなければならない。一つの一般的な方法は、各ステップにおいてその動作が安全であると考えられる時間期限を算出し、その時間期限に到達するか、又は何らかの異常が発生した際に、即座に本システムを更新すること、である。

可能性のある用途は、様々な交通参加者が関連し、且つリスク回避と効率最大化の観点において動的な予測が利益をもたらす、運転者支援システムである。特有の適用シナリオは、市街支援や交差点での自律機能である。これらのシナリオにおいては、軌道についての純粋な空間分析では多くのリスクのある領域が出力されることとなり、運転者が他車両の軌道を横切るか否かということだけでなく、いつ横切るかということや、どのような動きによって横切るかということも重要となる。

リスクマップの評価や分析の後で、制御信号が出力される。この制御信号は、（予測された軌道に対応する）所望の走行経路上における、リスク尺度に関する閾値を超えるリスクに関する情報を含み、車両運転者に提示する警告を生成するのに適している。半自動化運転又は自律運転の場合、この制御信号は、自車両の制御システムに直接的に影響を与えるのに適している。これにより、リスクマップ上での選択された所望の経路に従うように、車両運転状態が制御される。

もちろん、場面は最初の予測から様々に展開し得るので、本方法は、予測された軌道や状態シーケンスの定期的な見直しを行う。これは、予め定められた時間間隔に従って行われるか、又は仮定についての大きな変更が認識され得る場合に行われ得る。

Claims (16)

1. 自車両の運転を支援する方法であって、
   交通場面に関与する交通参加者及び又は基盤要素の少なくとも一つを選択するステップと、
   自車両の現在状態を予測することにより得られる、自車両からの仮想将来軌道を算出し、この仮想将来自車軌道を変化させて、前記算出された仮想将来自車軌道を含む複数の自車軌道選択肢を生成するステップと、
   前記交通参加者の現在状態を予測することにより得られる、他の交通参加者からの少なくとも一つの仮想将来軌道を算出し、及び又は前記基盤要素の仮想将来状態シーケンスを算出するステップと、
   将来時間についての又は前記算出された仮想将来自車軌道選択肢に沿った、複数のリスク関数を計算するステップであって、一つのリスク関数は一つの自車軌道選択肢に対応するものである、ステップと
   前記複数のリスク関数を一つのリスクマップに結合するステップと、
   前記リスクマップを分析して、前記自車両の運転を支援するための制御信号を生成するステップと、
   を有する、方法。
2. 複数のリスクマップが生成されることを特徴とする、請求項１に記載の方法。
3. 前記リスクマップは、より将来に存在するイベントほど発生する確率がより低いという効果を考慮する生存確率関数に基づいて算出される、ことを特徴とする、請求項１又は２に記載の方法。
4. 最接近時刻（ＴＣＥ、Time-of-Closest-Encounter）、最接近余裕時間（ＴＴＣＥ、Time-To-Closest-Encounter）、最接近位置（ＰＣＥ、Position-of-Closest-Encounter）、最接近距離（ＤＣＥ、Distance-of-Closest-Encounter）、及びＴＣＥ＋ＰＣＥにおける物理的状態、のような指標を用いて、前記リスクマップへの貢献が計算される、請求項１ないし３のいずれか一項に記載の方法。
5. 前記リスクマップの前記分析は、最大リスクの時刻及び状態を評価すること、及び、リスク値についての閾値に応じて最大リスクの位置における時刻及び状態を評価することを含む、ことを特徴とする、請求項１ないし４のいずれか一項に記載の方法。
6. 軌道リスクと効率とに基づき、前記リスクマップから自車両軌道の一つを好ましい経路として選択することにより当該自車両についての軌道が計画され、前記好ましい経路は、挙動についての制御目標として作用するものであり、前記軌道のリスクはリスクマップ値から算出され、前記効率は、経路長、走行時間、連続性、所望速度に近いこと、等を含む付加的な基準から算出される、ことを特徴とする、請求項１ないし５のいずれか一項に記載の方法。
7. 自車両の起点状態（スタートゾーン）から所望の目標状態（目標ソーン）までの経路に対応する、開始ゾーンから目標ゾーンまでの前記リスクマップ上の経路の、複数の部分であるサブ経路が探索され、これらの部分が挙動についての制御目標として用いられる、ことを特徴とする、請求項１ないし６のいずれか一項に記載の方法。
8. 前記リスクマップ上の好ましい経路が、経路依存のリスク及び効率の基準にしたがってサブ経路の比較、選択、及び又は結合を行うことにより評価され、経路の前記リスクは前記経路に沿ったリスクマップ値から計算され、前記効率は、経路長／走行時間、連続性、所望速度との近似性、の少なくとも一つを含む付加的な考察から算出され、前記好ましい経路は、挙動についての制御目標として用いられる、ことを特徴とする、請求項７に記載の方法。
9. 前記自車軌道の少なくとも一つが、リスクマップ上に投影されて、前記評価された好ましい経路又はサブ経路と比較され、所与の閾値を超える偏差が存在する場合には、前記制御信号を用いて、現在の経路及び予測された経路におけるリスクについての警告が運転者に対して出力される、ことを特徴とする、請求項６ないし８のいずれか一項に記載の方法。
10. 好ましい経路又はサブ経路が算出され、好ましい経路の全体は、複数のリスクマップからの経路及びサブ経路の評価及び結合から得られる、ことを特徴とする、請求項６ないし９のいずれか一項に記載の方法。
11. 前記リスクマップは繰り返し再計算され、前記環境の変化及び他の交通参加者の状態の変化に合わせて前記リスクマップが調整される、ことを特徴とする、請求項１ないし９のいずれか一項に記載の方法。
12. 前記リスクマップ又は前記リスクマップについての前記分析の結果が有効なまま維持されている将来時間の有効期間が算出され、前記リスクマップ、前記分析、及び前記有効期間は、前記有効期間の最後に達したときに再計算される、ことを特徴とする、請求項１ないし１０のいずれか一項に記載の方法。
13. 前記リスクマップは、前記探索及び計画アルゴリズムの一つのサブステップを実行する毎に必要とされる前記マップの選択された位置についてのみ、算出されることを特徴とする、請求項１ないし１１のいずれか一項に記載の方法。
14. シーンを分析して、交通場面を、可能性のある場面仮説の集合に分類することと、
    前記シーンの交通参加者及び又は基盤要素、並びに、操縦オプション及び特定され得る状態変化のいずれか一つを含むそれらの動きの、プロトタイプの組み合わせにより、場面仮説を定義することと、
    前記場面仮説から候補場面を選択することと、
    前記場面仮説毎にリスクマップを算出することと、
    前記少なくとも一つのリスクマップから予測されるリスクを評価して前記車両運転制御を支援することと、
    を特徴とする、請求項１ないし１２のいずれか一項に記載の方法。
15. 前記候補場面の選択は、分類器からの前記場面仮説のそれぞれについての信頼度値の算出によって行われ、前記信頼度は、前記交通シーンから抽出され得る前記証拠に対する前記場面の“適合の程度”の尺度であって、前記場面仮説のそれぞれに関する予測されるリスクの計算、前記候補場面の選択は、信頼度と予測されるリスクとの適切な結合に基づくものである、ことを特徴とする、請求項１３に記載の方法。
16. 請求項１ないし１５のいずれか一項に記載の方法を実行するように構成された先進運転者支援システム（advanced driver assistance system）を備える車両。

Images