JP2018152056A - 視界に制限のある交差点への接近のためのリスクベースの運転者支援 - Google Patents

Abstract

【課題】遮蔽されたセンサ視野を処理する改善された機能を有する、車両のための車両運転者支援方法を提供する。【解決手段】車両運転者支援方法は、センサから車両の環境についてのセンサデータを取得するステップと、取得されたセンサデータに基づいて環境表現を生成するステップと、車両の少なくとも一つの挙動を予測するステップと、を含む。本方法は、車両の環境内の、センサデータの信頼度が閾値未満であるか又はセンサデータが何も得られない少なくとも一つのエリアを特定し、特定した少なくとも一つのエリア内に、車両の少なくとも一つの予測される挙動と相互作用するよう適合された少なくとも一つの擬似交通実体を生成する。少なくとも一つの擬似交通実体と車両の予測される挙動との各組合せについてのリスク尺度が算出され、算出されたリスク尺度が評価され、評価されたリスク尺度に基づいて車両についての制御アクションが実行される。【選択図】図１

Description

本発明は、自動車用の運転者支援又は車両のための自律運転機能に関し、特に、センサ視野（ｓｅｎｓｏｒ ｃｏｖｅｒａｇｅ）が遮られた場合にも対処することのできる改善された能力を備える、リスクベースの運転者支援のための方法、システム、及び車両に関する。

現代のインテリジェントな、車両用の先進運転者支援システム（ＡＤＡＳ、ａｄｖａｎｃｅｄ ｄｒｉｖｅｒ ａｓｓｉｓｔａｎｃｅ ｓｙｓｔｅｍｓ）は、自車両の経路にある障害物を検知して、検知した障害物と自車両との衝突を避ける機能を備える。障害物の検知は、センサ、例えばレーダセンサやカメラを自車両に備えることにより行われる。センサは、自車両の前方エリアをモニタし、自車両前方の実際の交通シーンに関する情報を含むセンサデータを取得する。ＡＤＡＳは、観察された交通シーンに関しての取得されたセンサデータを用いて、到来する障害物や他車両を特定し、これらに基づいて、例えば自車両の運転者へ警告したり、自車両の回避操縦を自動的に開始するなどの、適切なアクションを実行する。

ＡＤＡＳの特殊な機能として、交差点警告システムがある。現在の交差点警告システムは、もっぱら自車両に備えられたセンサの実際のセンサデータのみに基づいて、交通状況と到来する障害とを評価する。例えば、可能性のある将来の衝突を特定すべく、全ての交通参加者の軌道が予測され、例えば自車両と他の交通参加者との衝突余裕時間（ＴＴＣ、Ｔｉｍｅ−ｔｏ−Ｃｏｌｌｉｓｉｏｎ）の値が算出される。しかしながら、他の交通物体を確実に検知するためセンサの能力は、自車両の環境にある遮蔽物により制限され得る。例えば、建物、地形、又は他の交通参加者は、センサの視野範囲（ａ ｆｉｅｌｄ ｏｆ ｖｉｅｗ ｏｆ ｔｈｅ ｓｅｎｓｏｒ）（センサ視野（ｓｅｎｓｏｒ ｃｏｖｅｒａｇｅ））を制限し得る。

自車両の制限されたセンサ視野を克服すべく、既知の協働的アプローチでは、車車間通信、車対インフラストラクチャ通信、インフラストラクチャ対車通信（いわゆる、路車間通信）などの通信システムを用い、空間的に分散した他のセンサからの追加のセンサ情報を統合して、自車両の車載センサからのセンサデータを強化することが提案されている。これによりＡＤＡＳは、追加の、外部から取得されるセンサデータを考慮することで、交差点における実際の交通環境についての包括的且つほぼ完全な眺望（ｖｉｅｗ）を提供することができる。

特許文献１は、車両内に配された車両側システムと、道路側システムと、を備える交差点警告システムを提案している。車両側システムは、車両の前方エリアをカバーするレーダを備える。道路側システムは、交差点に配され、交差点において互いに交差するレーンを監視するための、及びその交差点に接近する車両を検知するための、車両監視ユニットを備える。互いに交差するレーンのそれぞれには道路側システムの信号返信ユニットが設けられ、車両監視ユニットが交差点に接近する車両を検知すると、反射されたレーダ信号に相当する擬似的な反射信号を車両へ向けて返信する。

しかしながら、車載センサの視野範囲についてのギャップを含まないよう環境全体をカバーするのに必要な追加のセンサデータは、道路側システムが設けられ且つ稼働している交差点でのみ提供されるので、上記従来技術に従う自車両の環境についての完全な監視は実現が困難である。これには大規模な投資が必要となり、また例え実現したとしても、例えば大型トラックや列車による動的な遮蔽を処理することはできない。

さらに、現在のほとんどの交通参加者は、例えばインフラストラクチャ対車通信システムのような、必要な通信システムを備えていない。

米国特許第５，９２６，１１４号明細書

Ｌ． Ｂａｒｂａ， Ｍ． Ｋｏｒｍａｎｎ， Ｓ．Ｌａｎｇｅｒｍａｎｎ， Ｒ． Ｓｉｖｅｉｒａ： "Ｃｏｍｐｕｔｉｎｇ ａ ｖｉｓｉｂｉｌｉｔｙ ｐｏｌｙｇｏｎ ｕｓｉｎｇ ｆｅｗ ｖａｒｉａｂｌｅｓ" ｉｎ Ｊｏｕｒｎａｌ ｏｆ Ｃｏｍｐｕｔａｔｉｏｎａｌ Ｇｅｏｍｅｔｒｙ， ２０１１。 "Ｍｕｌｔｉｄｉｍｅｎｓｉｏｎａｌ ｂｉｎａｒｙ ｓｅａｒｃｈ ｔｒｅｅｓ ｕｓｅｄ ｆｏｒ ａｓｓｏｃｉａｔｉｖｅ ｓｅａｒｃｈｉｎｇ ｂｙ Ｊ．Ｌ． Ｂｅｎｔｌｅｙ， ｉｎ： Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ ｏｆ ｔｈｅ ＡＣＭ１９７５， ｐｐ．５０９ ｔｏ ５１７。 "Ｐｒｅｄｉｃｔｉｖｅ ｒｉｓｋ ｅｓｔｉｍａｔｉｏｎ ｆｏｒ ｉｎｔｅｌｌｉｇｅｎｔ ＡＤＡＳ Ｆｕｎｃｔｉｏｎｓ"， ａｕｔｈｏｒｅｄ ｂｙ Ｊｕｌｉａｎ Ｅｇｇｅｒｔ， ｉｎ： Ｉｎｔｅｌｌｉｇｅｎｔ ｔｒａｎｓｐｏｒｔａｔｉｏｎ ｓｙｓｔｅｍｓ ｃｏｎｆｅｒｅｎｃｅ， ２０１４， ｐｐ． ７１１−７１８。 Ｆ． Ｄａｍｅｒｏｗ ａｎｄ Ｊ． Ｅｇｇｅｒｔ ｉｎ "Ｂａｌａｎｃｉｎｇ ｒｉｓｋ ａｇａｉｎｓｔ ｕｔｉｌｉｔｙ； ｂｅｈａｖｉｏｒ ｐｌａｎｎｉｎｇ ｕｓｉｎｇ ｐｒｅｄｉｃｔｉｖｅ ｒｉｓｋ ｍａｐｓ"， ｉｎ： Ｉｎｔｅｌｌｉｇｅｎｔ Ｖｅｈｉｃｌｅｓ Ｓｙｍｐｏｓｉｕｍ， ２０１５。

従って、先進運転者支援システムや自律運転システムについて、例えばセンサ視野における遮蔽エリアによって生ずる、上述のギャップについての問題を克服する、という課題を解決する必要があり、これにより上述した欠点が克服される。

この技術的課題は、請求項１に従う方法、対応するシステム、移動体、及びプログラムにより解決される。

従属請求項は、更なる利点を有する形態を規定する。

運転者支援システム又は自律運転システムを用いて移動体を制御する方法は、少なくとも一つのセンサから前記移動体の環境についてのセンサデータを取得するステップと、前記取得したデータに基づいて環境表現を生成するステップと、を有する。前記移動体の少なくとも一つの挙動が予測される。本方法は、更に、前記移動体の前記環境における、センサデータの信頼度が閾値未満であるか又はセンサデータが何も使用できない少なくとも一つのエリアを特定するステップを含む。前記少なくとも一つエリアにおける少なくとも一つの擬似交通実体が生成され、前記移動体の前記少なくとも一つの予測された挙動に影響を与え得る前記擬似交通実体の少なくとも一つの挙動が予測される。前記擬似交通実体の前記少なくとも一つの挙動と前記移動体の前記予測された挙動との組み合わせのそれぞれについてのリスク尺度（ｒｉｓｋ ｍｅａｓｕｒｅ）が算出され、当該リスク尺度が評価される。その後、前記評価されたリスク尺度に基づいて前記移動体の制御アクションが実行される。

用語“リスク”とは、何らかの危険な事象が将来発生する確率に、当該危険な事象が実際に起こったときの影響の重大さ（ｓｅｖｅｒｉｔｙ）を乗じたものをいう。そのような危険な事象は、例えば、自車両と他の車両（対象車両）又は擬似交通実体との衝突であり得る。上記重大さは、例えば、衝突しようとする自車両と、対象車両又は仮定の交通シーン実体と、の間の衝突時における相対衝突速度、車両質量、衝突方向、衝突ポイント、等々を含み得る。

用語“擬似交通実体”とは、例えばセンサデータが何も存在しないか又はセンサが十分な信頼性のあるセンサデータを取得できないような当該センサの理論上の視界範囲内の或るエリア（領域）に居るために、センサデータ内に直接的な証拠が存在しない交通参加者をいう。本発明に係る方法では、擬似交通実体の存在が仮定されると共に、その擬似交通実体の状態、例えば速度や質量も仮定される。

本提案の方法は、他の交通実体が検知困難か又は検知不可能である場合にも、自車両の車載センサを用いて、例えば交差点に存在するリスクを評価する。権利を求める本方法（ｔｈｅ ｃｌａｉｍｅｄ ｍｅｔｈｏｄ）は、危険な遮蔽エリアを推定して、当該危険エリアにおいて特定の挙動を行う擬似交通実体をモデル化し、それらの擬似交通実体が関与するリスクを算出する。擬似交通実体が関与するリスクは、擬似リスクと称され得るものであり、擬似交通実体がセンサ視野内のギャップに起因して検知されない実際の交通実体であると判明したときに適用されることとなるであろうリスクを表している。

本方法は、視界の限られた交差点に接近する際に、運転者が現在実行している挙動と直近の将来における当該運転者について予測される挙動とを評価して、当該挙動が危険なものであると判断されるときに警告などの適切なアクションをとる。すなわち、権利を求める本方法は、センサの能力とセンサ視野とを考慮して、交通シーンの将来の展開についてのリスクセンシティブな予測を生成する。本方法は、ＡＤＡＳの他のハードウェアコンポーネントを必要とすることなく、これを行う。本方法のステップは、ＡＤＡＳのメモリ内に保存されて当該メモリに接続された一つ又は複数のプロセッサ上で動作するソフトウェアモジュール内で実施され得る。すなわち、本方法は、センサにより検知可能な又は車両対Ｘ通信により通知されるリスクソースを考慮するだけでなく、遮蔽などのセンサ制限に起因してセンサにはアクセスすることのできない隠れたリスクソースをも考慮する、交通リスク評価スキームを提供する。

権利を求める本方法の更なる利点は、センサコンポーネント（例えば環境内の或るセクタをカバーするレーダセンサの送信／受信エレメント）が故障した場合や又は外部センサとの車両対Ｘ通信リンクが故障した場合にも複雑な交通シナリオを扱うことのできるその能力である。

本方法は、自車両の運転者について推定される視界に基づいて、存在する可能性はあるが認識することのできない危険な交通シーン実体のある環境を認識する運転者の知覚を補強する。これらの存在する可能性のある擬似交通実体について、自車両の視点から見て最悪ケースと思われる挙動が決定され、これに対応するリスク、例えば、到来する衝突が評価される。その結果得られるリスクモデルを用いて、不十分なセンサ視野の結果として生ずる潜在的な危険を扱えるように、ＡＤＡＳの交通シーン分析を強化することができる。さらに、結果として得られる上記リスクモデルを用いて、リスクの観点から運転者の挙動を評価することができる。例えば、このリスクモデルを用いて、運転者の現在の挙動が危険又は有害なものと考えられることを当該運転者に警告することができる。リスクモデルは、交通関連のリスクを最小化する方法についての提案を運転者に提供するのに用いることもできる。本発明の方法を用いることにより、ＡＤＡＳは、予測により行動するという人間運転者の挙動の能力を得る。

移動体を制御する本方法の有利な態様は、少なくとも一つの擬似交通実体についての少なくとも一つの擬似挙動を予測するステップを含み、前記リスク尺度を算出するステップにおいて、前記少なくとも一つの擬似交通実体の前記擬似挙動と前記移動体についての予測された挙動のそれぞれとの各組合せについてのリスク尺度が算出される。

移動体を制御する本発明の一の態様は、前記移動体についての予測された挙動のそれぞれについての有用性尺度（ｕｔｉｌｉｔｙ ｍｅａｓｕｒｅ）を算出する。前記移動体についての制御動作を実行する前記ステップにおいて、算出された前記リスク尺度と算出された前記有用性尺度とに基づいて、前記制御動作が決定される。

自車両についての予測された挙動の有用性（ユーティリティ、ｕｔｉｌｉｔｙ）、例えば自車両について予測された軌道の有用性は、ゴールへの到達及び又は挙動制約の履行という形態における当該軌道の有益さで評価される。例えば、予め定められた所定の一定速度での走行が、自車両についてのゴールとして設定されている場合、予測される軌道の有用性尺度は、予測された軌道上において予測される速度の、上記所定の一定速度からの偏差に依存する。この例では、適切な有用性尺度が、予測された軌道上における予測される速度の上記所定の一定速度からの差に基づいて定義され得る。例えば、上記ゴールが、特定の空間目標への到達である場合、予測された軌道の有用性は、上記予測された軌道上でその空間目標に到達するのに必要な時間により評価され得る。他の有用性尺度は、小さな加速度及び減速度の値（マイルドブレーキング）等のパラメータで評価することのできる運転快適性、及び又は燃料消費を最小化する等の経済性評価に基づいて定義され得る。

移動体を制御する本方法の一の態様によると、制御動作を実行する前記ステップでは、算出されたリスク尺度が予め定められた所定のリスク閾値を超えた場合の当該移動体の運転者への警告、その移動体についての運転者の運転動作開始の支援、又はその移動体の走行動作の自律的実行、の少なくとも一つが実行される。

一実施形態に従う移動体を制御する本方法は、前記移動体の環境についてのセンサデータを取得する前記ステップにおいて、車両の環境についてのマップデータが取得されることを特徴とする。

取得されたマップデータは、センサ視野内の静止物体に起因する遮蔽されたエリア（遮蔽エリア）を特定するための、容易に利用可能な基礎を構成し、及びそれらの遮蔽エリアを特定するための視線ベースのアルゴリズムを構成する。

取得されたマップデータが、センサ視野を遮る主要な静止構造物である建物及び又は環境実体についての情報を含んでいると、特に有利である。

他の実施形態に従う、移動体を制御する本方法は、前記移動体の環境において前記少なくとも一つのエリアを決定するステップにおいて、マップデータ、特に建物及び環境実体についての情報に基づいて、前記環境表現におけるセンサ位置及びセンサの向き並びにセンサ視野の遮蔽部を特定する。

移動体を制御する本方法の他の態様によると、他のリスク情報と、少なくとも一つのセンサにより検知された前記移動体の環境内の少なくとも一つの対象物体の他の予測される挙動と、が取得される。取得された他のリスク情報、及び少なくとも一つの対象物体の他の予測される挙動は、前記算出されたリスク尺度と融合されて、リスク挙動融合データが生成される。ここで、前記リスク尺度を算出するステップでは前記リスク挙動融合データが評価され、前記制御動作を実行するステップでは前記評価されたリスク挙動融合データに基づいて制御動作が実行される。

権利を求める本発明の第２の態様は、移動体を制御するシステムに関し、当該システムは、少なくとも一つのセンサから前記移動体の環境についてのセンサデータを取得するよう構成された取得ユニットと、前記取得されたセンサデータに基づいて環境表現を生成するよう構成された環境モデリングユニットと、前記移動体の少なくとも一つの挙動を予測するよう構成された予測ユニットと、を備える。前記システムは、さらに、前記移動体の環境内の少なくとも一つのエリアであってセンサデータの信頼度が閾値未満であるか又はセンサデータが何も得られないエリアを特定するよう構成された、視界ギャップ特定ユニットを備える。擬似交通実体特定ユニットは、前記少なくとも一つの特定されたエリア内に少なくとも一つの擬似交通実体を生成するよう構成されている。ここで、当該擬似交通実体は、前記移動体の前記少なくとも一つの予測された挙動と作用するように適合される。リスク算出ユニットは、前記少なくとも一つの前記擬似交通実体と前記移動体の前記予測された挙動との各組合せについてのリスク尺度を算出するよう構成されている。評価ユニットは、前記算出されたリスク尺度を評価するよう構成されおり、車両制御ユニットは、前記評価されたリスク尺度に基づいて前記移動体についての制御動作を実行するよう構成されている。

移動体を制御する本システムの個々のユニット（モジュール）は、相互動作を行う複数の個別のプロセッサのような複数の個別のハードウェアデバイス内に実現されるか、又は、一つ又は複数のメモリ内に保存されて実施の際にプロセッサ上で実行されるソフトウェアモジュールの形態で実現され得る。前記移動体は、有利には、本発明の説明において自車両と称される車両であり得る。

移動体を制御する前記システムは、運転者支援システム、又は移動体のための自律運転システムであり得る。

本発明の第３の態様は、移動体に関し、特に、移動体を制御する前記システムを備えた陸上用、海洋用、又は航空用の乗り物に関する。

本発明の第４の態様は、コンピュータ又はデジタルシグナルプロセッサ上で実行されたときに上述した態様のいずれかに従うステップを実行するプログラムコード手段を備えるコンピュータプログラム（コンピュータプログラム製品）により、本課題を解決する。前記プログラムは、機械読み取り可能なデータキャリヤに保存され得る。

本システムの構成、種々の方法ステップ、及びそのような方法及びシステムを用いることの種々の利点が、添付の図に示す種々の実施形態についての説明から明らかとなる。

一実施形態に従う運転者支援システムのフローチャートである。 一実施形態に従う運転者支援システムの主要な構成要素を示すブロック図である。 一実施形態に従う交差点警告システムのフローチャートである。 一実施形態に従う、センサ視野内の遮蔽領域を推定する方法を示す図である。 交差点における詳細なレーンレベルのジオメトリを取得するための、基本マップデータの拡張を例示する図である。 遮蔽領域のある道路交差点の眺望の一例を示す図である。 一実施形態に従うリスクマップの生成を示す図である。 予測リスクマップを用いる挙動計画の一例を示す図である。 一実施形態に従う、加速度値範囲により特徴づけられた種々の介入レベル内の対応する加速度値により定義される第１、第２、第３の挙動選択肢を示す図である。

一般に、本発明は、移動システム（ｍｏｂｉｌｉｔｙ ｓｙｓｔｅｍ）の分野に関するものであって、移動システムを操作することにおける支援に関するものである。移動システム又は移動体（ｍｏｂｉｌｅ ｄｅｖｉｃｅ）は、乗り物（ｖｅｈｉｃｌｅ）、特に、自動車又は自動二輪車であり得る。移動システムは、また、船舶（ｗａｔｅｒｃｒａｆｔ）（大型船（ｖｅｓｓｅｌ））、航空用乗り物（ａｉｒ ｖｅｈｉｃｌｅ）、又は宇宙用乗り物（ｓｐａｃｅ ｖｅｈｉｃｌｅ）であってもよい。このような乗り物（ｖｅｈｉｃｌｅ）（以下、“車両”と総称する）は、その車両に搭乗したユーザ（人）により制御されるか、又は遠隔制御位置（施設）から遠隔制御され得る。車両は、部分的に又は完全に自律的に動作するものであり得る。したがって、上記車両及び本支援方法のユーザ（オペレータ）は、運転者（車両運転者）であり、自動二輪の場合にはライダーであり、又は車両のパイロットであり得る。さらに、遠隔制御の車両の場合には、ユーザは、その車両から離れた場所から車両制御を実行する遠隔操縦車両のオペレータであり得る。

“車両を操作する”とは、本出願においては、その車両を運転する（操縦する）こと、又はその車両の、操舵、加速若しくは減速（ブレーキング）、針路指示、動作監視などのタスクの少なくとも一つを実行することであるものと理解すべきである。

ここに記載された実施形態は、本発明及びその利点を説明するため、交差点警告システムに焦点を絞っている。他の任意のＡＤＡＳ、又はロボット用の自律ナビゲーションシステムも、権利を求める本発明から利益を受け得るものであり、従って、これらのシステムについても、本発明を規定する添付の請求項により権利が求められていることは明らかである。

以下に示す実施形態は、交差点警告システムに焦点を絞っており、交差点に接近する他の交通参加者に起因して交差点内で遭遇するリスクに対処することに焦点を絞っている。他の運転支援システムやＡＤＡＳの他の機能も、このアプローチから同様に利益を受け得る。例えば、アダプティブクルーズコントロール（ＡＣＣ、ａｄａｐｔｉｖｅ ｃｒｕｉｓｅ ｃｏｎｔｒｏｌ）システムは、建物や他車両がレーンを遮る（遮蔽する）ことに起因するリスクの評価から、同様に利益を受け得る。

用語“交通参加者”は、交通環境に参加する任意の動作主体を含み、例えば、交通環境の場合には車両、二輪車、及び歩行者を含む。

本発明のアプローチは、用心しながら自身の車両を制御する運転者の挙動を模倣する。可観測性に制限のある交差点に接近すると、リスクに気づいた運転者は、検知できない他の優先走行権を持つ実体が現れた場合に停止できるように、速度を落とすであろう。自車両のセンサにより安全な横断が確保され得る程度にその交差点が評価されると、自車両は走行し続けることができる。これにより、その交差点における安全な通過が確保される。

図１は、一実施形態に従う運転者支援システム１のフローチャートである。車両を制御する本方法は、運転者支援システム、又は自律的に動作する車両における自律運転システムを用いる。

本方法は、ステップＳ１から開始し、当該ステップにおいて、少なくとも一つのセンサ、例えばカメラや、特にステレオカメラ又は一つ若しくは複数のレーダセンサから、移動体（自車両）の環境に関する情報を含むセンサデータを取得する。

ステップＳ２において、上記取得されたセンサデータを用いて、当該取得されたセンサデータに基づく環境表現が生成される。

続いて、ステップＳ３において、本方法は、さらに、例えばセンサの視野を遮る建物などの物体に起因してセンサデータの信頼度が閾値未満であるか又はセンサデータが何も得られない少なくとも一つのエリアを、移動体の環境において特定する。

ステップＳ４において、上記移動体の少なくとも一つの予測された挙動と互いに影響を持つよう適合された少なくとも一つの擬似交通実体を、上記特定した少なくとも一つのエリアにおいて生成する。用語“擬似交通実体”とは、例えばそのセンサの理論上のカバー範囲内のうちセンサデータが何もないか又は十分な信頼度をもってセンサデータを取得できないような或るエリア（領域）内に居るために、センサデータ内に直接的な証拠が存在しない交通参加者をいう。この擬似交通実体の存在は、本発明に係る方法では、その擬似交通実体の状態、例えば速度や質量と共に仮定される。この擬似交通実体は、例えば、自車両に危険をもたらす遮られた領域（遮蔽領域）内の他車両を表現したものと理解され得る。したがって、擬似交通実体には、特性が割り当てられる。これらの特性は、例えば、本方法における更なる評価のための、その車両の走行挙動における擬似加速度及び擬似減速度の値であり得る。ステップＳ５において、擬似交通実体の擬似挙動が予測される。この擬似挙動の予測は、本技術分野において既知の、交通参加者の挙動を予測するための通常の方法に従って行われ得る。好ましくは、ステップＳ８において自車両の挙動を予測するのに用いるものと同じ方法を用いて擬似交通実体の将来挙動を予測する。ステップＳ８は、上記取得されたセンサデータに基づいて実行されることが好ましく、自車両の将来走行経路を記述する少なくとも一つの将来軌道を出力する。これに加えて又はこれに代えて、ステップＳ８は、ステップＳ２において生成された環境表現に基づいて実行され得る。ステップＳ８は、上記取得されたセンサデータ内で検知された他の車両も考慮するものとすることができる。

ステップＳ５に続くステップＳ６において、少なくとも一つの擬似交通実体と自車両についての予測される挙動との各組合せについてのリスク尺度を算定又は算出する。リスク尺度の算出は、擬似交通実体についての予測される擬似挙動と、自車両についての予測される挙動と、に基づいて行われる。

算出されたリスク尺度は、ステップＳ７において評価される。次に、評価されたリスク尺度に基づいて、自車両についての制御動作が実行される。リスク尺度は、将来において発生し得る自車両と擬似交通実体との間の擬似衝突又は擬似距離などの危険事象（ｃｒｉｔｉｃａｌ ｅｖｅｎｔ）の確率に、その危険事象が実際に発生したときの結果の重大さ（ｓｅｖｅｒｉｔｙ）を乗じたものに相当する。上記結果の重大さは、例えば、衝突しようとする自車両と他車両又は仮定の交通シーン実体との間の衝突時の相対衝突速度、車両質量、衝突方向、衝突位置を含み得る。

自車両を制御する本方法の一の有利な実施形態は、少なくとも一つの擬似交通実体の少なくとも一つの擬似挙動を予測するステップＳ５を有し、リスク尺度を算定するステップＳ６において、上記少なくとも一つの擬似交通実体の擬似挙動と自車両についての予測された各挙動との各組合せについてのリスク尺度が算定される。

自車両を制御する本方法は、さらに、ステップＳ９において、自車両について予測された各挙動についての有用性尺度を算出する。自車両について予測された挙動の有用性尺度は、例えば、自車両について予測された軌道についての、走行ゴールへの到達及び挙動制約の遵守の形での、当該軌道の利益を含む。自車両についての走行目標として所定の一定速度での走行が設定された場合、予測された軌道についての有用性尺度は、その予測された軌道の上を走行したときの予測される速度の、上記所定の一定速度からの偏差に依存するものとなり得る。適切な有用性尺度が、予想された軌道上での予測される速度と所定の一定速度との差に基づいて定義され得る。プリセットされた走行目標が特定の場所（空間的目標）に到達することである場合、予測された軌道の有用性は、当該予測された軌道に従った場合にその場所に到達するのに必要となる時間によって評価され得る。他の有用性尺度は、小さな加速度及び減速度の値（マイルドブレーキング）等のパラメータで評価することのできる運転快適性、及び又は燃料消費を最小化する等の経済性評価に基づいて定義され得る。走行目標は、また、様々な基本走行目標の重み付け組み合わせであり得る。

ステップＳ９は、運転支援システム１が専らリスクベースの運転者支援に集中するものである場合には省略され得る。

ステップＳ１０において、上記算出されたリスク尺度に基づいて、及び場合によっては算出された有用性尺度にも基づいて、自車両の制御動作が決定される。制御動作は、算定されたリスク尺度が所定のリスク閾値を超えた場合における自車両の運転者への警報の発出、自車両についての運転者の運転アクション開始の支援、又は自車両の走行動作の自律的な実行、の少なくとも一つを含む。警報は、運転者に差し迫ったリスクを知らせる音響的、視覚的、又は触覚的警報であるものとすることができる。このような警報は、運転者支援システムでは特に有用である。運転者に対するアクション開始についての支援は、運転者により操作されるハンドル又は減速レバー若しくは加速レバーに力を作用させることによる操舵アクションの支援であり得る。自律的動作車両の場合、制御動作は、その車両に対する加速度値や減速度値の設定、及び又は横方向の回避運動の開始といった基本制御動作を含み得る。また、制御動作は、交通状況の全体や特定のリスクの存在からそのようなリスク最小化のための行動が推奨される場合には、レーン変更の実行などの、より複雑な制御動作も含み得る。

図２は、移動体を制御する本システム１の主要な構成要素を示した全体図である。

システム１は、少なくとも一つのセンサ３から移動体の環境に関するセンサデータを取得するように構成された、例えばインタフェースである取得ユニット２を備える。

上記少なくとも一つのセンサ３は、一般に、一つ又は複数のアクティブセンサ３．１、…、３．ｘ、特にレーダセンサを含む。アクティブセンサ３．１、…、３．ｘは、ソナー（ｓｏｎａｒ）やライダーセンサ（ｌｉｄａｒ ｓｅｎｓｏｒ）を含み得る。センサ３は、パッシブセンサの一例として、一つ又は複数のカメラ、好ましくはステレオカメラを備え得る。センサ３は、システム１を備える自車両の環境に関するデータを取得して、当該取得された環境に関するデータを、センサデータとして取得ユニット２へ出力する。

センサ３は、例えば全地球衛星測位システム（ＧＮＳＳ、ｇｌｏｂａｌ ｐｏｓｉｔｉｏｎｉｎｇ ｓａｔｅｌｌｉｔｅ ｓｙｓｔｅｍ）により自車両の実際の位置データと実際の方位データとを取得する測位システム受信機３．２を含み得る。これに代えて又はこれに加えて、現在の位置データ及び方位データは、推測航法（ｄｅａｄ ｒｅｃｋｏｎｉｎｇ）、例えば慣性ナビゲーションシステム（ｉｎｅｒｔｉａｌ ｎａｖｉｇａｔｉｏｎ ｓｙｓｔｅｍ）を用いて、取得されるものとすることができる。

通信ユニット３．３は、好ましくは無線通信を介して、他の車両と通信（車車間通信）するように、及び又はインフラストラクチャと通信（車対インフラストラクチャ、インフラストラクチャ対車通信）するように、適合されている（車対Ｘ通信として組み合わされる場合もある）。通信ユニット３．３は、また、上記車両の環境のマップデータを取得し、又は当該マップデータを更新し得る。

これに加えて又はこれに代えて、マップデータ保存ユニット３．４にマップデータが保存されるものとし、取得ユニット２がマップデータ保存ユニット３．４内のマップデータを取得するものとすることができる。

本システムの予測ユニット４は、取得ユニット２が取得したセンサデータを評価し、これに基づいて、現在時刻ｔの交通シーンを分析すると共に、例えば時刻ｔ＋Δｔまでの、当該交通シーンの将来環境を予測する。挙動予測４．１のサブモジュールは、センサ３により取得された自車両周辺の交通環境内に存在する他の交通参加者の挙動を予測する。リスク評価４．２のサブモジュールは、取得された他の交通参加者及びそれらの将来挙動がもたらすリスクを特定する。予測ユニット４は、さらに、センサ３が取得したとおりの実際のシーン（実シーン）と、それらについて予測される将来の展開と、自車両が関与する上記特定されたリスクと、を評価するモジュール４．３を備える。実シーン評価サブモジュール４．３は、例えば、推奨される軌道、推奨される速度、推奨される加速度または減速度などの、自車両について推奨されるアクション（推奨アクション）を準備して、当該推奨されるアクションを車両制御ユニット５へ出力する。予測ユニット４の一般的な構成は、本技術分野において既知である。センサ３により取得されるデータに基づいて検知された交通シーンの予測及び評価を行う他のアプローチは種々存在しており、それらを本実施形態において採用するものとすることができる。

車両制御ユニット５は、予測ユニット４から取得された推奨アクションに基づいて、車両のアクションを制御する。例えば、車両制御ユニット５は、スピーカから運転者へ音響警報を発出したり、光学的な警報を、一つ又は複数のシグナル光として、又は車載のスクリーン上で、発出するものとすることができる。

これに加えて又はこれに代えて、車両制御ユニット５は、例えばスピーカを介して音響的に、一つ又は複数のシグナル光として又は車載のスクリーン上で光学的に、運転者に上記推奨アクションを提案するものとすることができる。

これに加えて又はこれに代えて、車両制御ユニット５は、例えば制御レバーに力を作用させることにより（例えば推奨される操舵角を運転者に促すべくハンドルに力を作用させたり、及び又はブレーキペダルにより推奨される減速を実行するように制御レバーに力を作用させて）、運転者が推奨アクションを実行するのを支援するものとすることができる。

これに加えて又はこれに代えて、自律的に動作する車両や監視付き自律運転モードで動作する車両においては、車両制御ユニット５自身が、推奨アクションの実行を開始するものとすることができる。

環境モデリングユニット６は、取得されたセンサデータに基づいて環境表現を生成するよう構成されている。特に、環境表現は、取得されたマップデータに基づき、取得ユニット２が提供する位置データ及び方位データを用いて生成される。

さらに、システム１は、例えばセンサ３に対してそのエリアを遮蔽する構造物があることに起因して、取得されたセンサデータの信頼度が閾値未満であるか、及び又はセンサデータが何も得られない、車両の環境における少なくとも一つのエリアを特定するように構成された視野ギャップエリア特定ユニット７を含む。ギャップエリア特定ユニット７は、マップデータ、位置データ、及び方位データを、センサ３に関するデータ（例えばセンサ３の理論上のセンサ視野領域（ｓｅｎｓｏｒ ｃｏｖｅｒａｇｅ ａｒｅａ）（特にセンサ３の最大センサ範囲（ａ ｍａｘｉｍｕｍ ｓｅｎｓｏｒ ｒａｎｇｅ））及び又は対象検知特性を示すデータ）と組み合わせて分析する遮蔽評価ユニット８の処理結果を用いる。

擬似挙動予測ユニット９は、上記特定された少なくとも一つのエリア内に少なくとも一つの擬似交通実体を生成するよう構成された擬似交通実体決定ユニットの機能を含む。擬似交通実体は、上記車両について予測された少なくとも一つの上記挙動と相互作用するようにモデル化される。例えば、自車両について予測された軌道と上記特定された擬似交通実体について予測された軌道とが、或る確率で交差するか、又は自車両について予測された予測軌道と擬似交通実体について予測された擬似予測軌道との間の距離が、将来の或る時刻において所定の閾値未満となり得る。

擬似挙動予測ユニット９は、また、少なくとも一つの擬似交通実体について予測された擬似挙動と、上記車両について予測された挙動と、の各組合せのリスク尺度を算出し又は算定するリスク算定ユニットの機能を含む。

擬似リスク評価ユニット１０は、算出されたリスク尺度を評価し、車両制御ユニット５を制御して、例えば上記評価されたリスク尺度に基づいて警報を発出する等の、制御アクションを実行する。警報は、上記評価されたリスク尺度が、前方の交差点での衝突の危険性を、所定の閾値を超える衝突確率をもって示したときに出力される。挙動選択ユニット１１は、車両制御ユニット５を制御して、上記評価されたリスク尺度に基づき、運転者に推奨アクションを提示するか、又は運転者の適切なアクションを支援する。

システム１の個々のユニット（モジュール）は、相互に作用する複数の個別のハードウェアユニット若しくはモジュールの中で実現され得るか、又は、一つ又は複数のメモリ内に保存され実施時にプロセッサ上で実行されるソフトウェア内で実現される、複数のコンピュータプログラムモジュールの形で実現される。

図３は、一実施形態に従う運転者支援システムについてのより具体的な例である交差点警告システムの、フローチャートである。図３のフローチャートに示す特定の方法ステップについて、これに続く図を参照しつつより詳細に説明する。

交差点警告システムについての本方法は、自車両の走行経路及び軌道に沿った建物の幾何学形状についてのデータを取得することで開始する。また、自車両の位置が取得される。センサ視野領域が、上記取得された建物の幾何形状、自車両位置、及びその他のセンサデータに基づき、例えばレイキャスティング（ｒａｙ ｃａｓｔｉｎｇ）を用いることにより特定される。

さらに、例えば取得されたマップデータから導出され得るレーン形状及びレーンのセマンティックを用いて、センサ視野領域とマップデータとを互いに位置合わせして重ね合わせることにより、危険な遮蔽エリアが、センサ視野領域内で特定され得る。

図４は、マップデータとセンサ位置データを用いてセンサ視野内の遮蔽エリアを推定するアプローチを、より詳細に示している。図４は、自車両の経路に存在する交差点の例である。本方法は、自車両の現在位置で開始する。マップデータは、道路ジオメトリと、更に交差点近傍の建物の外形と、を含んでいる。交差点近傍の建物の外形は、センサの検知範囲（ｓｅｎｓｏｒ ａｒｅａ）内にあるこのエリア全体の中の遮蔽エリアを決定する。センサの検知範囲は、したがって、建物ジオメトリにより狭められている。

図４の左部分は、センサ位置と、交差点周辺の建物の輪郭を示している。センサ位置が、例えばＧＰＳやＧＡＬＩＬＥＯなどの全地球衛星測位システム（ＧＮＳＳ）受信機を用いた位置データを用いて取得され得る。また、センサの空間的な方向（ｓｐａｔｉａｌ ａｌｉｇｎｍｅｎｔ）が、ＧＮＳＳ受信機から取得される。次に、センサ３の位置及び方位が、マップデータ内のマップ情報と位置合わせされ得る。図４の右部分は、例えば非特許文献１に開示されているようなレイキャスティング・アルゴリズムを適用することにより特定される、建物の遮蔽特性（ｏｃｃｌｕｓｉｏｎ ｐｒｏｐｅｒｔｉｅｓ）を示している。この非特許文献１の内容は、好適なレイキャスティング・アルゴリズムの詳細に関して、参照により本明細書に組み込まれる。レイキャスティング・アルゴリズムを適用した結果として、自車両の位置に対応する現在のセンサ位置からカバーされ得るポリゴン（多角形）の全ての点の集合が得られる。得られたポリゴンは、センサの視野範囲（可視エリア）と、センサ３がアクセスすることのできない遮蔽エリア、すなわちギャップエリアと、を表している。

運転者の観察可能エリアやセンサ視野領域を推定するための、複数の方法が存在する。ＬＩＤＡＲセンサを用いる場合は、環境の三次元モデルが抽出され、これを用いてそのＬＩＤＡＲセンサにより観察可能な視野範囲（ｃｏｖｅｒａｇｅ ａｒｅａ）が推定される。センサ３がステレオカメラを含む場合、既知の物体検知アルゴリズムを用いて、そのステレオカメラセンサの視野範囲を狭めている交通シーン内の例えば他の車両を検知することができる。ここに詳述する実施形態は、建物などの静止物体による遮蔽領域に焦点を絞っている。これらの静止物体、及びそれらの関連する寸法は、例えばオープンストリートマップ（ＯｐｅｎＳｔｒｅｅｔ Ｍａｐ）などの、一般に入手可能なマップデータから抽出され得る。

マップデータは、レーンについての精密な幾何形状とセマンティック情報とで構成される。マップデータ内の情報を用いて、交差点に接近しているかも知れない潜在的危険実体（ｐｏｔｅｎｔｉａｌｌｙ ｃｒｉｔｉｃａｌ ｅｎｔｉｔｉｅｓ）が存在し得る交差道路のレーンが抽出される。セマンティック情報は、流入レーンが流出レーンとどのように接続されているかを規定する情報を含む。潜在的危険のある、従って関連のある流入レーンは、例えば、自車両が現在走行するレーンに対して優先通行権のあるレーンである。関連のある流入レーンの道路トポロジを含む交差点周辺のマップデータに上記視野範囲を重ね合わせることにより、交差点内に存在し得る潜在的なリスクソースを表す遮蔽されたレーンセグメントが、危険遮蔽エリア（ｃｒｉｔｉｃａｌ ｏｃｃｌｕｄｅｄ ａｒｅａ）として特定され得る。最初のステップ（プリプロセシング・ステップ）において、本方法は、自車両前方の交差点に近接する建物と、その交差点につながる道路の両側の建物を探索する。本方法は、特定した建物（関連建物）の幾何中心を、例えばｋ−ｔｒｅｅの助けを借りて定義し、各関連建物を地面上の地面凸包（ｇｒｏｕｎｄ ｐｌａｎｅｓ ｃｏｎｖｅｘ ｈｕｌｌ）で表現する。多次元二分探索木（ｔｈｅ ｍｕｌｔｉ−ｄｉｍｅｎｓｉｏｎａｌ ｂｉｎａｒｙ ｓｅａｒｃｈ ｔｒｅｅ （ｋ−ｔｒｅｅ））は、連想探索により引き出されることとなる情報を保存するためのデータ構造である。その詳細について、非特許文献２を参照する。この非特許文献２は、多次元二分探索木（ｋ−ｔｒｅｅ）に関し、参照により本明細書に組み込まれる。

図４の左部分は、交差点周辺の関連建物についての、結果として得られた表現を示している。

第２のステップでは、視野範囲（視界領域）が特定される。この特定は、センサ３の理論上の検知エリアを開始点として行われる。簡単のため、センサ又は自車両の現在位置周辺の、所定の半径ｒ（例えば、ｒ＝５０ｍ）をもつ円形の検知エリアを考える。“理論上の検知エリア”とは、建物等の他の構造物による遮蔽のないエリアであってそのセンサが交通シーン内の物体についての信頼性のある測定結果を提供し得ると考えられる領域をいう。レイキャスティング・アルゴリズムは、各構造物（建物）の上記凸包の角部のみを対象として適用される。考慮された各物体により遮蔽されるエリアから視野範囲を分離する複数のラインが取得される。センサ３についての推定される視野範囲は、従って、センサ３の理論上の視野範囲から各構造物の遮蔽エリアを差し引いたものである。センサ３についての推定される視野範囲は、図４の右側に示されている。危険遮蔽エリアを特定すると、交差点警告システムは、さらに、例えば位置、速度変化（加速、減速）、走行方向などの、自車両の状態と、他の検出された交通参加者の車両（対象車両）についてのこれらに対応する状態と、を考慮しつつ、自車両の将来軌道と他の交通参加者の将来軌道のセットを予測することにより、図３において処理を続行する。本発明の目的は、到来するリスクを評価して、自車両の挙動についての評価を可能とし、リスク忌避のための自車両の将来挙動を計画し又は生成することを可能とすることである。そのためには、検出された全ての交通参加者の影響を含む、可能性のある将来の交通シーン環境を予測することが必要となる。センサ３により捉えられた実体のほかにも、自車両のセンサでは検知することはできないがその存在が自車両にリスクをもたらし得るような、その交通シーン内に存在する実体をも考慮する必要がある。そのような実体とは、例えば、自車両と同じ交差点に接近しているが、近くの建物やその交通シーンの他の構造物により隠されている実体であり得る。したがって、本発明の方法は、そのような観察不能な危険実体が存在しているかも知れない潜在的な位置を推定する。さらに、本発明の方法は、それらの観測不能な実体の将来挙動を予測する。

取得されたマップデータ、例えばオープンストリートマップ（ＯｐｅｎＳｔｒｅｅｔ Ｍａｐ）は、各道路要素のセンターラインと、それらの道路要素が交差する交差位置と、を提供し得る。擬似交通実体の位置を推定するため、このマップデータは、道路のレーンレベルのセマンティック情報と幾何形状情報とにより拡張される。

図５は、交差点の詳細なレーン幾何形状を取得するための、マップデータについての拡張を例示する図である。図５の左部分は、取得されたマップデータであり、各道路のセンターラインと交差点の交差位置とで構成されている。図５の中央の図は、推定されるレーンセマンティックを示しており、特に、交差点の流入レーンがどのレーンでその交差点から離れることができるかを示している。図５の右部分は、このレーンレベルの情報に対してマップデータを拡張した結果を示している。ここに説明する実施形態は、単に一つの可能な例を示したに過ぎない。本発明のアプローチは、ここに示す例よりも詳細な、レーンレベルについてのデータを含むマップ（例えば、オープンストリートマップ、ＯｐｅｎＳｔｒｅｅｔＭａｐ）を取得して適用する場合にも、同様に利点を有し得る。

レーンセマンティックを用いて交差点の流入レーンを特定した後、関連のある流入レーンを取得すべく、自車両の現在のレーンに対して優先通行権を持つ全ての流入レーンが選択される。関連するレーン幾何形状に視野範囲を重ねることにより、環境表現内に存在するこれら関連するレーンの幾何形状の、自車両のセンサではモニタできない部分の推定形状が取得される。

関連するレーンセグメントの遮蔽エリア内のどこにでも、擬似交通実体（複数）が、高度に不確定な挙動をもつものとして同時に配置され得る。一の好ましい実施形態では、関連する全てのレーン上の全ての可能性のある遮蔽位置に擬似交通実体があるものと考える代わりに、関連するレーンのそれぞれについて、当該関連するレーン上の遮蔽部分のうち考慮中の交差点に最も近い遮蔽部分の位置に、擬似交通実体を一つ定義する。

次に、将来の展開を予測する必要がある。擬似交通実体の軌道を予測するため、少なくとも部分的に遮蔽された関連レーンのセンターラインに沿って長さ方向に、一定速度モデルが用いられ得る。例えば、市街地内の交通環境に存在する車両である擬似交通実体の速度として、４０ｋｍ／ｈの固定速度が用いられ得る。他の交通環境や、関連レーン上の擬似交通実体としての他のタイプの交通参加者については、他の速度が有利であり得る。他の実施形態では、擬似交通実体の軌道予測についてのより精巧な予測モデルが用いられ得る。擬似交通実体についてはセンサ測定値がないので、ここでは、本交差点警告システムの処理動作の観点から有利となるように、その将来挙動についての大雑把な近似が適用される。

一の有利な実施形態は、擬似交通実体についての予測される軌道が交差点の中央、すなわち最も危険な位置に到達したときに、その擬似交通実体の軌道予測を停止するよう適合される。この予測された軌道は、その擬似交通実体の挙動についての、自車両から見た最悪シナリオを表している。すなわち、この実施形態は、効率的な計算手法を用いて、擬似交通実体の種々の位置と、或る程度の範囲の種々の速度変化と、を再算出（ｒｅｐｒｏｄｕｃｅ）することを可能とする。

図６は、遮蔽エリアのある道路交差点の眺望の一例を示す図であり、擬似交通実体のモデリングを更に行う場合を示している。自車両１３が交差点に接近している。車載センサ３の視野範囲は、建物１３による遮蔽のため制限されている。擬似交通実体１４である擬似車両１４が、危険な関連レーン１６上の視野範囲と遮蔽エリアとの境界１５の位置に、擬似交通車両１４から交差点中心方向に向かう速度ベクトル１４．１により示される縦方向速度プロファイルもって配置されている。

図３に従う交差点警報方法では、予測される軌道が、リスク評価ステップ対し、自車両１３の前方の交差点に関するリスク評価のための入力として与えられる。

リスク評価は、イベントの予測と、関連のある危険イベントが発生した場合のダメージの推定と、を含む。一般に、リスクは、関連のある危険イベントについての損失（コスト）の期待値として定義され得る。本実施形態では、リスクは、交通実体間の衝突リスクとして定義される。

非特許文献３に従い、関与する全ての実体についての予測される時空間軌道を用いた生存分析に基づいて、イベント確率Ｐ_Eを評価する確率モデルが、次式のように導かれる。ここで、非特許文献３は、予測的リスク推定の詳細に関して、参照により本明細書に組み込まれる。

式（１）における生存関数Ｓは、或る実体が現在時刻ｔから開始して将来の或る時刻ｔ＋ｓまで生存している尤度を示している。ここで、ｔは現在時刻、ｓは時間期間、δ_tは微小時間期間である。全事象率（ｔｏｔａｌ ｅｖｅｎｔ ｒａｔｅ）τ^-1は、或る危険イベントについての尤度を表す。

種々のタイプのリスクをカバーするため、全事象率τ^-1は、例えば車車間衝突リスクや、カーブでスリップして道路から逸脱するリスクなどの、種々のタイプの単一の事象率（ｅｖｅｎｔ ｒａｔｅ）τ_i ^-1で構成され得る。状態ｓ_iの項は、種々のリスク寄与（ｒｉｓｋ ｃｏｎｔｒｉｂｕｔｉｏｎｓ）が、種々のシーン実体が寄与するシーン状態サブセットに依存し得ることを示している。本実施形態では、単一の事象率τ_d ^-1により表される車車間衝突リスクのみが考慮される。単一の事象率τ_d ^-1は、自車両１３と考慮対象である他の交通実体（ここでは、擬似交通実体１４）との距離ｄの関数である。

パラメータｄ_minは、最小幾何衝突距離（ｍｉｎｉｍａｌ ｇｅｏｍｅｔｒｉｃ ｃｏｌｌｉｓｉｏｎ ｄｉｓｔａｎｃｅ）である。なお、ここで提案されている事象率τ_d ^-1についての指数関数は、他の関数形式に置き換えることができる。これらの主たる目的は、上記パラメータにより与えられる定性的なリスク傾向をモデル化することであるためである。この指数関数モデルでは、β_dを用いて、距離に応じた発生確率（ｅｖｅｎｔ ｐｒｏｂａｂｉｌｉｔｙ）の増加の急峻さ（ｓｔｅｅｐｎｅｓｓ）を定量化している。その値は、事故統計との比較により経験的に定められることとなる。

衝突に関与する２つの車両の質量ｍと予測される速度
とを用いる予測ダメージモデルを用いて、決定論的モデルと確率モデルとを組み合わせることにより、現在検知されたシーンの将来展開を時間的に連続な形で評価するのに用いるリスクモデルが得られる。

得られたリスクモデルを用いて、図７に示すような予測リスクマップが構築される。この処理の際には、自車両の一の予測軌道
について定義される経路
に沿った、他の車両の予測軌道
に関連したリスクのみが処理されるのではなく、変動パラメータｑにより定義される自車両軌道のセットが生成され、各軌道についてのリスクが評価される。ｑとして自車両の予測速度
を用いて、選択された自車両速度が、予測される将来時刻ｔ＋ｓについてどの程度危険であるかを示す予測リスクマップが構築され得る。

図７は、予測リスクマップの生成を例示する図である。図７の上部部分には、リスクモデルを使用することが示されている。図７の下部部分は、自車両速度の変化と、リスクマップ上での効果を示している。

生成された予測リスクマップは、次に、図３における挙動計画のステップに続くリスク評価のステップに入力される。予測リスクマップを用いることで、衝突の観点から自車両１３の将来挙動の選択肢を評価することが可能となる。

一の実施形態では、修正されたＲＲＴ（ｒａｐｉｄｌｙ ｅｘｐｌｏｒｉｎｇ ｒａｎｄｏｍ ｔｒｅｅ）アルゴリズムを用いて、予測リスクマップ上の経路として、実現可能な最良の速度プロファイルが計画される。例えば非特許文献４には、公知のアプローチが詳細に示されている。この非特許文献４は、予測リスクマップを用いて実現可能な最良速度プロファイルを計画することを目的として、参照により本明細書に組み込まれる。結果として、全体最適（ｇｌｏｂａｌｌｙ ｏｐｔｉｍａｌ）な自車両１３についての計画軌道が得られる。

図８は、自車両１３と、本発明に従って決定された擬似交通実体１４と、を含む交差点シナリオについて実行した上記アルゴリズムの出力結果を示す。

図８の下部部分に示す本交差点シナリオについて計算されたリスクは、予測速度曲線１７と、緊急時曲線１８と、自車両１３の現在位置から約１５０ｍの距離１６の位置の交差点と、を示している。自車両１３の右側に対する建物１２による遮蔽に起因して、右側から交差点につながる道路レーンの部分は、自車両１３のセンサからは見えない。上述において説明したように決定された擬似交通実体１４は、センサ３の視野範囲と遮蔽エリアとの境界１５に配置される。予測速度曲線１７は、センサ３には検知されないが擬似交通実体１４として表された潜在的な他車両に対する自車両１３の衝突リスクが最小となるように決定される。

緊急時曲線１８は、自車両１３が、交差点に到達する前に停止するように、すなわち、右側レーンから優先通行権をもって到来する他車両と衝突する前に停止するように決定される。

リスク尺度の算出と評価が、個別の時間期間ごとにほぼ連続的に繰り返される。したがって、予測速度曲線１７及び緊急時曲線１８も、定期的に更新され、自車両が交差点へ向かって走行するにつれ、建物１２によるセンサ視野の遮蔽状態が変化するに従って変化する。

小さな計算コストで将来挙動の候補を評価する一の有利なアプローチでは、自車両１３の３つの挙動候補を考慮する交差点用のシンプルな計画アルゴリズムを用いる。第１の挙動候補は、自車両１３が一定速度で走行し続ける、というものである。第２の挙動候補は、交差点にある自車両レーンの停止線で停止できるように一定減速度で自車両１３にブレーキをかける、というものである。第３の挙動候補は、自車両１３を一定加速度で加速して擬似交通実体１４の前方を安全に通過する、というものである。

第１ステップで、これらの３つの挙動候補が算出される。第１、第２、及び第３の挙動候補のそれぞれは、対応する加速度値又は減速度値で表される。第１の挙動候補では、自車両１３には、
の一定加速度値が適用される。第２の挙動候補についての減速度値は、自車両１３の現在の速度ｖ₀、及び自車両１３が走行するレーンである自車両レーンの交差点進入ポイントまでの距離ｄ_slを用いて、次式に従って算出され得る。

距離ｄ_slは、例えば、図１に示す環境表現を生成するステップＳ２で生成された拡張されたマップデータを用いて決定され得る。第３の挙動選択肢の場合には、擬似交通実体１４から離れた位置で、潜在する可能性のある接近車両の前方を通過すべく、リスクマップが用いられ得る。リスクマップに基づいて、所定の低リスク値で交差点を通過するための、交差点において到達すべき目標速度ｖ_targetが決定される。これに対応する第３の挙動選択肢の場合の加速度は、したがって、自車両１３の予測軌道と擬似交通実体１４の予測軌道との交差点上の交点までの距離ｄ_cpを用いて、次式で算出される。

図３に示す挙動計画の第２のステップは、３つの挙動選択肢を、それらを表す加速度値ａ_const、ａ_stop、及びａ_accを用いて、暗示されるリスクの観点から評価することを含む。

これに加えて好ましくは、他のリスクソースも考慮され得る。例えば、擬似交通実体１４以外の他車両であって自車両１３のセンサにより実際に検知された他車両も、挙動計画のステップにおいて考慮され得る。

第１、第２、及び第３挙動選択肢の、それぞれのリスク値が算出される。算出された値は、それぞれ、閾値と比較される。挙動選択肢についてのリスク値が所定の閾値を超えている場合、対応する挙動選択肢は無視されて、その後の考慮の対象から外され得る。その結果として、第１、第２、第３挙動選択肢のうち低リスクのものが残り、慎重な運転挙動として許容されることとなる。

一の実施形態では、ＡＤＡＳは、人間である自車両１３の運転者が現在において実際に実行している挙動が危険であると思われる場合には、加速度値ａ_const、ａ_stop、及びａ_accにより特徴付けられた、計画されたリスク忌避挙動選択肢を用いるように構成される。これは、第１、第２、第３挙動選択肢を、それらの対応する加速度値に基づいて、それぞれ対応する加速度値範囲により特徴づけられた種々の介入レベルにカテゴライズ（クラス分け）することにより行うことができる。

図３に示す挙動計画ステップにおいて決定されたリスク忌避挙動は、次に、図３に従って、これに続く比較ステップにおいて、自車両１３の運転者により実際に実行された挙動と比較され得る。

例えば、図９に示す実施形態では、４つの介入レベルが定義されている。“快適”とされる第１介入レベル、“重度”とされる第２介入レベル、“緊急”とされる第３介入レベル、及び“実行不可能（ｎｏｎ−ｒｅａｃｈａｂｌｅ）”とされる第４介入レベルである。ただし、これらと異なる定義を種々の加速度値のカテゴリに与えることが可能であることは明らかである。

いずれの場合も、第２挙動選択肢についての第２加速度値は、図９に示す実施形態に従い、快適な加速度範囲とされる。

第１加速度値ａ_stop、及び第３加速度値ａ_accは、現在の状況リスクに依存して変化し、従って、異なる介入レベルにつながるものとなり得る。例えば、第１及び第３加速度値ａ_stop及びａ_accが快適加速度範囲外である場合、運転者挙動は、危険運転者挙動とされる。この場合には、自車両１３は、第１及び第３加速度値ａ_stop、ａ_accのいずれかを用いて、当該自車両の物理限界近くで動作することとなる。第１及び第３加速度値ａ_stop及びａ_accのいずれかが実行不可能な加速度値範囲である場合には、その第１及び第３加速度値ａ_stop及びａ_accについての算出値は、使用不可能なものであるので、破棄されることとなる。

ａ_constがＡＤＡＳが提案したアクションの範囲でなく、且つ、次式の条件を満たす場合、比較ステップの結果として警報が出力される。

これに加えて又はこれに代えて、自車両の速度に対し最低加速度値に相当する最低介入レベルの挙動選択肢が運転者に提案され得る。

運転者が警報及び又はＡＤＡＳの提案に対して適切かつタイムリーに反応しない場合に介入するように、コントロールモードを適合させておくものとすることができる。例えば、コントロールモードは、所定の時間期間にわたって警報信号を強めるよう構成され、その所定の時間期間が経過したときは、ＡＤＡＳは、最低介入レベルに従う最良の実行可能なアクションが、次式に示す緊急の加速度範囲内であるａ_stopであれば、急ブレーキを開始し得る。

ＡＤＡＳ又はＡＤＡＳの一部として例示した本交差点警告システムは、したがって、車載センサにより検知された車両などの交通シーン実体からの衝突リスクを評価するだけでなく、車載センサがカバーしていない交通環境内の現在の遮蔽エリアから将来において突然出現し得る擬似車両から生ずる衝突リスクの評価をも統合する。本発明の方法の拡張された分析能力に基づいて、リスク忌避のための挙動選択肢（挙動オプション）が、計画され、運転者に提案され、又は更に自車両１３の対応するアクチュエータを介して自律的に実行され得る。すなわち、適切なマップデータを準備するコストをかけるだけで、外部センサや他の交通参加者からの追加情報を要することなく、センサ範囲（ｓｅｎｓｏｒ ｒａｎｇｅ）の限界及びセンサ視野（ｓｅｎｓｏｒ ｃｏｖｅｒａｇｅ）が大幅に拡張される。

シミュレーションは、本提案のシステムの挙動が、適正な動作を行う人間である運転者の一般的な挙動とマッチするものであることを示している。実際に認識された人間運転者の挙動が本システムの提案挙動から外れているような交通状況の場合には、警報、及び又は例えば最低介入レベルの提案軌道が、運転者に与えられ得る。

建物に起因する遮蔽を用いて、遮蔽についての説明を行った。センサ視野は、坂道などの地形特徴、樹木及び群葉、駐車中の自動車、広告機器などの他の静止物体、又は他車両等の移動物体によっても、同様の効果をもって遮蔽され得る。

挙動計画及びアクション実行は、上記に加えて、反応時間や運転経験などのヒューマンファクタをも考慮するものとすることができる。さらに、交通標識や交通規則が、挙動計画や適切なアクションステップの制御に組み込まれ得る。

Claims (12)

1. 運転者支援システム又は自律運転システムを用いる移動体（１３）を制御する方法であって、
   少なくとも一つのセンサ（３）から前記移動体（１３）の環境についてのセンサデータを取得するステップ（Ｓ１）と、
   前記取得されたセンサデータに基づいて環境表現を生成するステップ（Ｓ２）と、
   前記移動体（１３）の少なくとも一つの挙動を予測するステップ（Ｓ８）と、
   を有し、
   前記センサデータの信頼度が閾値未満であるか又はセンサデータが何も得られない、前記移動体（１３）の前記環境内の少なくとも一つのエリアを特定するステップ（Ｓ３）と、
   前記特定された前記少なくとも一つのエリア内に少なくとも一つの擬似交通実体（１４）を生成するステップ（Ｓ４）であって、前記擬似交通実体の少なくとも一つの挙動が前記移動体（１３）の少なくとも一つの前記予測された軌道に影響を与え得ると予測されるものであるステップと、
   前記擬似交通実体（１４）の前記少なくとも一つの挙動と前記移動体（１３）の前記予測された軌道との各組合せについてのリスク尺度を算出するステップ（Ｓ６）と、
   前記算出されたリスク尺度を評価するステップ（Ｓ７）と、
   前記評価されたリスク尺度に基づいて前記移動体（１３）についての制御アクションを実行するステップ（Ｓ１０）と、
   を有することを特徴とする、移動体（１３）を制御する方法。
2. 前記少なくとも一つの擬似交通実体（１４）の少なくとも一つの擬似挙動を予測するステップ（Ｓ５）を有し、
   前記リスク尺度を算出する前記ステップ（Ｓ６）において、前記少なくとも一つの擬似交通実体（１４）の前記擬似挙動と前記移動体（１３）の前記予測された各軌道との各組合せについてのリスク尺度が算出される、
   ことを特徴とする、請求項１に記載の、移動体（１３）を制御する方法。
3. 前記移動体（１３）の前記予測された各軌道についての有用性尺度を算出するステップ（Ｓ９）を有し、
   前記移動体（１３）についての制御アクションを実行する前記ステップ（Ｓ１０）において、前記算出されたリスク尺度と前記算出された有用性尺度とに基づいて、前記制御アクションが決定される、
   ことを特徴とする、請求項１及び２のいずれか一項に記載の、移動体（１３）を制御する方法。
4. 制御アクションを実行する前記ステップ（Ｓ１０）では、前記算出されたリスク尺度が所定のリスク閾値を超えた場合に前記移動体（１３）の運転者への警報が発出され、運転者が開始した運転アクションが支援され、及び又は前記移動体（１３）の運転アクションが自律的に実行される、ことを特徴とする、請求項１ないし３のいずれか一項に記載の、移動体（１３）を制御する方法。
5. 前記移動体（１３）の環境についてのセンサデータを取得する前記ステップ（Ｓ１）では、前記移動体（１３）の前記環境のマップデータが取得される、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、移動体（１３）を制御する方法。
6. 前記取得されるマップデータは、建物（１２）及び又は環境実体についての情報を含む、ことを特徴とする、請求項５に記載の、移動体（１３）を制御する方法。
7. 前記移動体（１３）の環境内の前記少なくとも一つのエリアを特定する前記ステップ（Ｓ１３）では、前記環境表現におけるセンサ位置及びセンサ方位と、前記マップデータ、特に建物（１２）及び環境構造物についての前記情報に基づくセンサ視野の遮蔽部と、が特定される、ことを特徴とする、請求項５又は６に記載の、移動体（１３）を制御する方法。
8. 前記少なくとも一つセンサ（３）により検知された、前記移動体（１３）の環境内の少なくとも一つの対象物体についての、他のリスク情報及び他の予測される挙動を取得するステップと、
   前記少なくとも一つの対象物体についての前記取得された他のリスク情報及び他の予測される挙動を、前記算出されたリスク尺度と融合して、リスク挙動融合データを生成するステップと、
   を有し、
   前記リスク尺度を評価する前記ステップ（Ｓ６）では、前記リスク挙動融合データが評価され、
   前記制御アクションを実行する前記ステップ（Ｓ１０）では、前記評価された前記リスク挙動融合データに基づいて前記制御アクションが実行される、
   ことを特徴とする、請求項１ないし７のいずれか一項に記載の、移動体（１３）を制御する方法。
9. 少なくとも一つのセンサ（３）から移動体（１３）の環境についてのセンサデータを取得するよう構成された取得ユニット（２）と、
   前記取得されたセンサデータに基づいて環境表現を生成するよう構成された環境モデリングユニットと、
   前記移動体（１３）の少なくとも一つの挙動を予測するよう構成された予測ユニット（４）と、
   を備え、
   ギャップエリア特定ユニット（７）が、前記センサデータの信頼度が閾値未満であるか又はセンサデータが何も得られない、前記移動体（１３）の前記環境内の少なくとも一つのエリアを特定するよう構成されており、
   擬似交通実体決定ユニット（９）が、前記特定された少なくとも一つのエリア内に、前記移動体（１３）の前記少なくとも一つの予測される軌道と相互作用するよう適合された少なくとも一つの擬似交通実体（１４）を生成するよう構成されており、
   リスク算出ユニット（１０）が、前記少なくとも一つの擬似交通実体（１４）と前記移動体（１３）の前記予測される軌道との各組合せについてのリスク尺度を算出するよう構成されており、
   評価ユニット（１０）が、前記算出されたリスク尺度を評価するよう構成されており、
   車両制御ユニット（５）が、前記評価されたリスク尺度に基づいて前記移動体（１３）についての制御アクションを実行するよう構成されている、
   ことを特徴とする、移動体（１３）を制御するシステム。
10. 運転者支援システム、又は移動体用の自律運転システムである、請求項９に記載の、移動体（１３）を制御するシステム。
11. 請求項９又は１０に記載のシステムを備える移動体。
12. 機械読み込み可能なデータキャリヤ上に保存され、コンピュータ又はデジタルシグナルプロセッサ上で実行されたときに請求項１ないし８のいずれか一項に記載のステップを実行するよう構成されたプログラムコード手段を備えるコンピュータプログラム。