JP2018205965A - 予測装置、車両、予測方法およびプログラム - Google Patents

Abstract

【課題】道路上の人の挙動予測の高精度化を可能にする。【解決手段】車載用予測装置は、自車両の周辺情報を取得する取得手段と、前記周辺情報に基づいて、道路上の挙動予測対象者が所定のオブジェクトを視認しているか否かを判定する判定手段と、前記挙動予測対象者が前記所定のオブジェクトを視認したと前記判定手段により判定された場合、前記挙動予測対象者が前記道路を横断方向に移動することを予測する予測手段と、を備える。【選択図】図１

Description

本発明は、車載用の予測装置に関する。

特許文献１には、道路を横断する歩行者を撮像した結果を機械学習用のサンプルの素材に用いるため、自車両の前方の歩行者の横断の可能性を予測し、その歩行者の前を通過した後、自車両の後方において横断を開始した歩行者を撮像することが記載されている。

特開２０１６−２１８８７３号公報

ところで、運転を行うのに際して、安全運転を実現するため、道路上の人の挙動をより高い精度で予測することが求められる。

本発明は、道路上の人の挙動予測を高精度化することを目的とする。

本発明は、車載用予測装置に係り、前記予測装置は、自車両の周辺情報を取得する取得手段と、前記周辺情報に基づいて、道路上の挙動予測対象者が所定のオブジェクトを視認しているか否かを判定する判定手段と、前記挙動予測対象者が前記所定のオブジェクトを視認したと前記判定手段により判定された場合、前記挙動予測対象者が前記道路を横断方向に移動することを予測する予測手段と、を備えることを特徴とする。

本発明によれば、道路上の人の挙動予測の高精度化が可能となる。

車両の構成の例を説明するための図である。 検出部の配置位置の例を説明するための上面図である。 道路上の各オブジェクトについての警戒領域の設定方法の例を説明するための上面図である。 、 歩行者の横断の予測方法の例を説明するための上面図である。 、 予測用ＥＣＵの予測方法の例を説明するためのフローチャートである。 、 歩行者の横断の予測方法の例を説明するための上面図である。 、 歩行者の横断の予測方法の例を説明するための上面図である。 、 歩行者の横断の予測方法の例を説明するための上面図である。

以下、添付図面を参照しながら本発明の実施形態について説明する。なお、各図は、実施形態の構造ないし構成を示す模式図であり、図示された各部材の寸法は必ずしも現実のものを反映するものではない。また、各図において、同一の部材または同一の構成要素には同一の参照番号を付しており、以下、重複する内容については説明を省略する。

（第１実施形態）
図１は、第１実施形態に係る車両１の構成を説明するためのブロック図である。車両１は、操作部１１、走行制御用ＥＣＵ（電子制御ユニット）１２、駆動機構１３、制動機構１４、操舵機構１５、検出部１６、および、予測用ＥＣＵ１７を備える。なお、本実施形態では車両１は四輪車とするが、車輪の数は４に限られるものではない。

操作部１１は、加速用操作子１１１、制動用操作子１１２、および、操舵用操作子１１３を含む。典型的には、加速用操作子１１１はアクセルペダルであり、制動用操作子１１２はブレーキペダルであり、また、操舵用操作子１１３はステアリングホイールである。しかし、これらの操作子１１１〜１１３には、レバー式、ボタン式等、他の方式のものが用いられてもよい。

走行制御用ＥＣＵ１２は、ＣＰＵ１２１、メモリ１２２、および、通信インタフェース１２３を含む。ＣＰＵ１２１は、通信インタフェース１２３を介して操作部１１から受け取った電気信号に基づいて所定の処理を行う。そして、ＣＰＵ１２１は、その処理結果を、メモリ１２２に格納し、或いは、通信インタフェース１２３を介して各機構１３〜１５に出力する。このような構成により、走行制御用ＥＣＵ１２は、各機構１３〜１５を制御する。

走行制御用ＥＣＵ１２は、本構成に限られるものではなく、他の実施形態として、ＡＳＩＣ（特定用途向け集積回路）等の半導体装置が用いられてもよい。即ち、走行制御用ＥＣＵ１２の機能は、ハードウェアおよびソフトウェアの何れによっても実現可能である。また、ここでは説明の容易化のため走行制御用ＥＣＵ１２を単一の要素として示したが、これらは複数に分けられていてもよく、走行制御用ＥＣＵ１２は、例えば加速用、制動用および操舵用の３つのＥＣＵに分けられていてもよい。

駆動機構１３は、例えば、内燃機関および変速機を含む。制動機構１４は、例えば、各車輪に設けられたディスクブレーキである。操舵機構１５は、例えば、パワーステアリングを含む。走行制御用ＥＣＵ１２は、運転者による加速用操作子１１１の操作量に基づいて駆動機構１３を制御する。また、走行制御用ＥＣＵ１２は、運転者による制動用操作子１１２の操作量に基づいて制動機構１４を制御する。また、走行制御用ＥＣＵ１２は、運転者による操舵用操作子１１３の操作量に基づいて操舵機構１５を制御する。

検出部１６は、カメラ１６１、レーダ１６２、及び、ライダ（Ｌｉｇｈｔ Ｄｅｔｅｃｔｉｏｎ ａｎｄ Ｒａｎｇｉｎｇ（ＬｉＤＡＲ））１６３を含む。カメラ１６１は、例えばＣＣＤ／ＣＭＯＳイメージセンサを用いた撮像装置である。レーダ１６２は、例えばミリ波レーダ等の測距装置である。また、ライダ１６３は、例えばレーザレーダ等の測距装置である。これらは、図２に例示されるように、車両１の周辺情報を検出可能な位置、例えば、車体の前方側、後方側、上方側および側方側にそれぞれ配される。

ここで、本明細書において、前、後、上、側方（左／右）などの表現を用いる場合があるが、これらは、車体を基準に示される相対的な方向を示す表現として用いられる。例えば、「前」は車体の前後方向における前方を示し、「上」は車体の高さ方向を示す。

車両１は、検出部１６による検出結果（車両１の周辺情報）に基づいて自動運転を行うことが可能である。本明細書において、自動運転は、運転操作（加速、制動および操舵）の一部または全部を、運転者側ではなく、走行制御用ＥＣＵ１２側で行うことをいう。即ち、自動運転の概念には、運転操作の全部を走行制御用ＥＣＵ１２側で行う態様（いわゆる完全自動運転）、および、運転操作の一部を走行制御用ＥＣＵ１２側で行う態様（いわゆる運転支援）、が含まれる。運転支援の例としては、車速制御（オートクルーズコントロール）機能、車間距離制御（アダプティブクルーズコントロール）機能、車線逸脱防止支援（レーンキープアシスト）機能、衝突回避支援機能等が挙げられる。

予測用ＥＣＵ１７は、詳細については後述とするが、道路上の各オブジェクトの挙動を予測する。予測用ＥＣＵ１７は、予測装置、挙動予測装置等と称されてもよいし、処理装置（プロセッサ）、情報処理装置等と称されてもよい（更に、装置の代わりに、デバイス、モジュール、ユニット等と称されてもよい。）。自動運転を行う際には、走行制御用ＥＣＵ１２は、予測用ＥＣＵ１７による予測結果に基づいて操作子１１１〜１１３の一部または全部を制御する。

予測用ＥＣＵ１７は、走行制御用ＥＣＵ１２同様の構成を有し、ＣＰＵ１７１、メモリ１７２、および、通信インタフェース１７３を含む。ＣＰＵ１７１は、通信インタフェース１７３を介して、検出部１６から車両１の周辺情報を取得する。ＣＰＵ１７１は、この周辺情報に基づいて道路上の各オブジェクトの挙動を予測し、その予測結果を、メモリ１７２に格納し、或いは、通信インタフェース１７３を介して走行制御用ＥＣＵ１２に出力する。

図３は、道路２上に車両１および複数のオブジェクト３が存在している様子を示す上面図であり、車両１（以下、区別のため「自車両１」）が車道２１を自動運転により走行している様子が示される。自車両１は、検出部１６により車道２１および歩道２２上のオブジェクト３を検出し、これらを避けるように走行経路を設定することで自動運転を行う。ここではオブジェクト３の例として、他車両３１、人３２（例えば歩行者）、および、障害物３３が挙げられる。なお、矢印が付されたオブジェクト３について、矢印は、そのオブジェクト３の進行方向を示している。

なお、ここでは障害物３３としてロードコーンを図示したが、障害物３３は、走行の物理的な妨げとなる物体、又は、接触の回避が推奨される物体であればよく、この例に限られない。障害物３３は、例えば、ごみ等の落下物であってもよいし、信号機や防護柵等の設置物であってもよく、動産／不動産を問わない。

図３に示されるように、検出部１６による検出結果（車両１の周辺情報）から複数のオブジェクト３が確認された場合、予測用ＥＣＵ１７は、各オブジェクト３について警戒領域Ｒを設定する。警戒領域Ｒは、自車両１の接触を回避するための領域、即ち自車両１が重ならないことが推奨される領域である。あるオブジェクト３についての警戒領域Ｒは、そのオブジェクト３が所定期間内に移動する可能性のある領域として、そのオブジェクト３の輪郭の外側に所定の幅を有するように設定される。警戒領域Ｒは、周期的に、例えば１０［ｍｓｅｃ］ごとに設定（変更、更新、再設定。以下、単に「設定」と表現する。）される。

なお、ここでは説明の容易化のため、警戒領域Ｒを平面（２次元）で示すが、警戒領域Ｒは、実際には、車載の検出部１６により検出された空間に従って設定される。そのため、警戒領域Ｒは、３次元空間座標において表現され、或いは、時間軸を加えた４次元空間座標において表現されうる。

予測用ＥＣＵ１７は、例えば、自車両１の前方を走行中の他車両３１についての警戒領域Ｒを、他車両３１の輪郭の外側に設定する。警戒領域Ｒの幅（輪郭からの距離）は、他車両３１の情報（例えば、自車両１に対する相対位置や自車両１からの距離などの位置情報、及び、他車両３１の進行方向、車速、灯火器の点灯の有無などの状態情報）に基づいて設定される。例えば、警戒領域Ｒの幅は、前方、側方および後方において、互いに異なるように設定されうる。例えば、他車両３１が直進中の場合、予測用ＥＣＵ１７は、警戒領域Ｒを、車体の側方について所定の幅（例えば５０ｃｍ程度）となり、車体の前方および後方については比較的広めの幅（他車両３１の車速に応じた幅）、となるように設定する。他車両３１が左旋回（又は右旋回）した場合には、予測用ＥＣＵ１７は、警戒領域Ｒの左側方（又は右側方）の幅を広げる。また、他車両３１が停止した場合には、警戒領域Ｒは、前方、側方および後方について同一の幅で設定されてもよい。

また、予測用ＥＣＵ１７は、例えば、歩道２２上の人３２についての警戒領域Ｒを、人３２の情報（例えば、自車両１に対する相対位置や自車両１からの距離などの位置情報、及び、人３２の移動方向、移動速度、姿勢、視線などの状態情報）に基づいて、人３２の輪郭の外側に設定する。例えば、警戒領域Ｒの幅は、人３２の情報に基づいて、前方、側方および後方において、互いに異なるように設定されうる。例えば、警戒領域Ｒの幅は、人３２の移動速度に基づいて設定され、及び／又は、人３２の視線に基づいて設定される。人３２が立ち止まっている場合には、警戒領域Ｒは、前方、側方および後方について同一の幅で設定されてもよい。

付随的に、予測用ＥＣＵ１７は、人３２の年齢層を更に予測し、その予測結果に基づいて、警戒領域Ｒの幅を設定することも可能である。この予測は、検出部１６からの検出結果に基づく人３２の外観情報（体格情報、服装情報等、その人の外見の情報）を用いて行われればよい。

更に、予測用ＥＣＵ１７は、例えば、車道２１上の障害物３３についての警戒領域Ｒを、障害物３３の情報（例えば、自車両１に対する相対位置や自車両１からの距離などの位置情報、及び、種類、形状、寸法などの状態情報）に基づいて、障害物３３の輪郭の外側に設定する。障害物３３は移動しないと考えられるため、警戒領域Ｒの幅は所定値に設定されてもよい。検出部１６が、例えば風速センサを更に含み、風速を検出可能な場合には、警戒領域Ｒの幅は、風速に基づいて設定されてもよい。

各オブジェクト３についての警戒領域Ｒの幅は、更に自車両１の車速に基づいて設定されてもよい。自車両１が比較的高速に走行中の場合、例えば、他車両３１についての警戒領域Ｒ１の幅を広めに設定することで、他車両３１との車間距離を十分に取ることが可能となり、他車両３１との接触を回避することが可能となる。

走行制御用ＥＣＵ１２は、予測用ＥＣＵ１７からの予測結果に基づいて、各オブジェクト３についての警戒領域Ｒを通らないように走行経路を設定することで、自車両１の各オブジェクト３との接触を防ぐことを可能にする。

図４Ａは、自車両１が自動運転により車道２１上を横断歩道３０に向かって走行中の様子を示す上面図である。本実施形態では、歩道２２が段差３３Ａによって車道２１から区画されており、この歩道２２上に人３２が存在している。

なお、図中において、段差３３Ａについて、広い幅で示された部分は高低差が大きい部分に対応し、狭い幅で示された部分は高低差が小さい部分に対応する。即ち、図４Ａは、車道２１と歩道２２との高低差が横断歩道３０の近傍で小さくなっていることを示す。

他の実施形態として、車道２１と歩道２２とは、縁石等で区画されてもよいし、区分線（白線など）のみで区画されてもよいし、或いは、歩道と車道とが区画されていない道路であってもよい。

前述のとおり（図３参照）、自車両１の予測用ＥＣＵ１７は、人３２について、その情報（位置情報や状態情報など）に基づいて警戒領域Ｒを設定する。ここでは、人３２は歩道２２において立ち止まっているものとするが、所定の速度で移動中であってもよい。

なお、横断歩道３０は、道路２の一部であるが、道路２上に白線で示されることにより一般に視認可能であるため、検出部１６による検出結果に基づいてオブジェクト３の１つとして特定可能である。但し、横断歩道３０については、警戒領域Ｒは設定されないものとする（或いは、警戒領域Ｒの幅はゼロに設定されるものとする。）。

ここで、図４Ｂに例示されるように、人３２が横断歩道３０を視認した（ＡＣＴ１）場合、人３２は横断歩道３０を通って車道２１を横断することを希望していると考えられる。そこで、予測用ＥＣＵ１７は、人３２が横断歩道３０を視認した（ＡＣＴ１）と確認された場合、人３２が横断方向に移動するという予測の結果に基づいて、警戒領域Ｒを、矢印Ｅ１で示されるように横断歩道３０側／車道２１側に拡張する。

詳細については後述とするが、人３２が或るオブジェクト（本実施形態では、横断歩道３０）を視認したと確認された場合とは、そのオブジェクトが人３２の視線方向に（視線上に）存在することが、予測用ＥＣＵ１７において判定された場合を示す。この判定は、検出部１６による検出結果に基づいて行われる。図中では説明の容易化のため、上面視での視線方向を示すが、視線方向は上下方向（即ち、道路２に対して垂直な方向）についても考慮されるとよく、これにより、この判定の精度を高めることができる。即ち、好適には、人３２の視線方向は、３次元空間座標において表現されるよい。

走行制御用ＥＣＵ１２は、以上のようにして設定された警戒領域Ｒに基づいて、自車両１の運転操作をどのようにするか決定可能である。例えば、走行制御用ＥＣＵ１２は、上記拡張された警戒領域Ｒ（矢印Ｅ１）に基づいて、自車両１を減速させることを決定することができる。また、例えば、人３２が車道２１の横断を開始した場合には、走行制御用ＥＣＵ１２は、その横断が完了するまで自車両１を停止させることを決定することができる。

図５Ａ〜５Ｂは、本実施形態に係る人３２の挙動予測、及び、それに伴う警戒領域Ｒの設定を行うための方法を示すフローチャートである。このフローチャートの内容は、主に予測用ＥＣＵ１７においてＣＰＵ１７１により行われる。

予測用ＥＣＵ１７は、自車両１が自動運転を開始した場合、自車両１の周辺情報に基づいて自車両１の周辺の各オブジェクト３を認識し、各オブジェクト３に警戒領域Ｒを設定し、その結果を走行制御用ＥＣＵ１２に出力する。そのような中で、予測用ＥＣＵ１７は、人３２の挙動予測を、その人３２が何を視認したかに基づいて行い、その予測結果に基づいて人３２についての警戒領域Ｒを設定する。

図５Ａを参照すると、ステップＳ５１０（以下、単に「Ｓ５１０」と示す。他のステップも同様とする。）では、自車両１が自動運転状態か否かを判定する。このステップは、例えば、予測用ＥＣＵ１７が、自車両１が自動運転状態か否かを示す信号を走行制御用ＥＣＵ１２から受け取ることで行われる。自動運転状態の場合にはＳ５２０に進み、自動運転状態でない場合には本フローチャートを終了する。

Ｓ５２０では、自車両１の周辺情報を取得する。このステップは、検出部１６により検出された自車両１の周辺情報を予測用ＥＣＵ１７が受け取ることで行われる。

Ｓ５３０では、Ｓ５２０で得られた周辺情報から、自車両１の周辺に存在する各オブジェクト３を抽出する。このステップは、周辺情報を示すデータに対して所定のデータ処理（例えば、輪郭抽出を行うデータ処理）をすることで行われる。

各オブジェクト３は、その情報（前述の位置情報や状態情報など）に基づいて、属性（種類）ごとに分類される（例えば、他車両３１、人３２および障害物３３の何れに該当するのか判定される。）。この分類は、例えば、各オブジェクト３の外観に基づいて、パターンマッチングにより行われうる。また、各オブジェクト３について、警戒領域Ｒが設定されうる。本実施形態では、人３２についての警戒領域Ｒは後述の挙動予測（Ｓ５４０）に基づいて設定されるが、その他のオブジェクト３についての警戒領域ＲはＳ５３０で設定されうる。

Ｓ５４０では、詳細については後述とするが（図５Ｂ参照）、人３２が視線方向に存在するオブジェクトに基づいて、人３２の挙動予測を行う。

Ｓ５５０では、Ｓ５４０での挙動予測を含む予測結果を、走行制御用ＥＣＵ１２に対して出力する。走行制御用ＥＣＵ１２は、上記予測結果に基づいて、自車両１の走行経路を決定し、自車両１の運転操作の内容を決定する。

Ｓ５６０では、自車両１の自動運転状態を終了するか否かを判定する。このステップは、例えば、予測用ＥＣＵ１７が、自動運転状態の終了を示す信号を走行制御用ＥＣＵ１２から受け取ることで行われる。自動運転状態が終了されない場合にはＳ５２０に戻り、自動運転状態が終了される場合には本フローチャートを終了する。

Ｓ５２０〜Ｓ５６０の一連のステップは、例えば数十［ｍｓｅｃ］程度、又は、それより短い期間（例えば１０［ｍｓｅｃ］程度）で繰り返し行われる。即ち、自車両１の周辺情報の取得、自車両１の周辺の各オブジェクト３の挙動予測およびそれに伴う警戒領域Ｒの設定、並びに、それらの結果の走行制御用ＥＣＵ１２への出力は、周期的に行われる。

図５Ｂは、Ｓ５４０の挙動予測の方法を説明するためのフローチャートである。Ｓ５４０は、Ｓ５４１０〜Ｓ５４５０を含み、人３２が所定のオブジェクトを視認したか否かの判定結果に基づいて、人３２の挙動予測が行われる。そして、その予測結果に基づいて、人３２についての警戒領域Ｒが設定される。

Ｓ５４１０では、Ｓ５３０で抽出されたオブジェクト３の中に、人３２（歩行者等）が存在するか否かを判定する。人３２が存在する場合にはＳ５４２０に進み、そうでない場合には本フローチャートを終了する。

Ｓ５４２０では、Ｓ５４１０で確認された人３２が視認した（と考えられる）オブジェクト３を抽出する。このことは、人３２の視線方向に存在するオブジェクト３を、Ｓ５３０で抽出されたオブジェクト３の群の中から選択することで行われ、これにより、人３２がその視線方向に存在するオブジェクト３を視認したものと判定する。図４Ａ〜４Ｂの例で人３２が視認したと判定されたオブジェクト３は、横断歩道３０である。

なお、Ｓ５４２０の判定は、Ｓ５２０で得られた周辺情報、即ち検出部１６による検出結果に基づくものであり、必ずしも人３２本人が実際にそれを視認したか否かを問わない。

Ｓ５４３０では、Ｓ５４２０において人３２が視認したと判定されたオブジェクト３が、登録情報に登録されたものか否かを判定する。登録情報には、或る人により視認された場合に一般にその人が横断の意図を有する可能性がある、と考えられるオブジェクトの種類が予め登録されている。そして、Ｓ５４２０で判定されたオブジェクト３が、登録情報に登録されたオブジェクトの何れかと一致した場合、そのオブジェクト３は登録されているものと判定される。そのオブジェクト３が登録されていた場合にはＳ５４４０に進み、そうでない場合にはＳ５４５０に進む（Ｓ５４４０をスキップする。）。なお、図４Ａ〜４Ｂの例では、横断歩道３０は登録情報に登録されているものとする。

Ｓ５４３０は、この登録情報が予測用ＥＣＵ１７のメモリ１７３に格納されていることで実現されてもよいし、予測用ＥＣＵ１７が外部のデータベース等から受け取ることで実現されてもよい。

以下、登録情報に登録されたオブジェクトの何れかと一致するオブジェクトを、任意のオブジェクトではないものとして、所定のオブジェクトと表現するが、登録情報を用いない場合においても所定のオブジェクトを決定することが可能である。例えば、視認したと判定されたオブジェクト３に対して、その用途や機能に基づいて属性情報を付与し、この属性情報と横断の可能性との関連性を所定の情報処理により演算することによっても、Ｓ５４３０同様のステップを実現可能である。

Ｓ５４４０では、Ｓ５４３０において人３２が所定のオブジェクトを視認したものと判定されたため、人３２が横断方向に移動すること（横断動作を開始すること）を予測する。

Ｓ５４５０では、Ｓ５４４０が行われなかった場合には人３２の情報（例えば位置情報や状態情報など）に基づいて、Ｓ５４４０が行われた場合には更に人３２が横断方向に移動するという予測結果に基づいて、人３２についての警戒領域Ｒを設定する。図４Ｂの例では、Ｓ５４４０において人３２の横断を予測したので、人３２についての警戒領域Ｒが横断方向側に拡張される（矢印Ｅ１参照）。

以上のようにして、人３２の挙動予測が、人３２が所定のオブジェクトを視認したか否かを判定することにより行われる。この挙動予測において設定された人３２についての警戒領域Ｒは、その後、予測結果の一部として、Ｓ５５０により走行制御用ＥＣＵ１７に出力される。

なお、本フローチャートの各ステップは、本発明の趣旨を逸脱しない範囲で変更されてもよく、例えば、それらの順序が変更されてもよいし、一部のステップが省略されてもよいし、或いは、他のステップが追加されてもよい。

また、本実施形態では、自車両１が自動運転を行っている場合に人３２の挙動予測を行う態様を例示したが、自車両１が自動運転状態ではない場合においても上記挙動予測は行われてもよい。例えば、運転者が自ら運転操作を行っている場合にも、予測用ＥＣＵ１７は、人３２の挙動予測を行うことが可能であり、その予測結果を運転者に通知することができる。

以上、本実施形態によれば、予測用ＥＣＵ１７は、検出部１６による自車両１の周辺情報に基づいて、自車両１の周辺に存在する各オブジェクト３（他車両３１、人３２、障害物３３、横断歩道３０等）の情報を取得する。オブジェクト３の情報は、例えば、位置情報（相対位置や距離など）や状態情報（移動方向やその速度など）を含む。ここで、オブジェクト３の１つとして、挙動予測対象者である人３２が確認された場合、予測用ＥＣＵ１７は、人３２が所定のオブジェクトを視認しているか否かを判定する。そして、人３２が所定のオブジェクトを視認したと判定された場合、予測用ＥＣＵ１７は、人３２が道路２の横断方向に移動することを予測する。本実施形態では、人３２が横断歩道３０を視認したと判定されたことに応答して、人３２の横断が予測された。

人３２が所定のオブジェクトを視認したか否かの上記判定は、本実施形態では、登録情報として予め登録されたオブジェクトの種類を参照することで行われる。この登録情報は、予測用ＥＣＵ１７内においてメモリ１７２に保持されていてもよいし、或いは、データベース等を参照することで取得されてもよい。そして、人３２が視認したと判定されたオブジェクトが、登録情報に登録されたものであれば、予測用ＥＣＵ１７は、人３２が所定のオブジェクトを視認したと判定し、人３２の横断を予測可能となる。

なお、人３２の横断の予測は、人３２が道路２の横断方向に移動すること、即ち人３２が横断動作に移行すること、の予測であり、人３２が実際に横断を開始したか否かを問わない。

本実施形態によれば、道路２上の人３２の挙動を、人３２が何を視認したかに基づいて予測するため、人３２の挙動予測を高精度化することができる。

（第２実施形態）
図６Ａは、第２実施形態として、自車両１が自動運転により交差点２１Ｃにおいて左折を行う様子を示す上面図である。本実施形態では、自車両１の左側方の歩道２２_１上に人３２が存在している。前述の第１実施形態同様、人３２には、予測用ＥＣＵ１７により、警戒領域Ｒが設定される。また、図中において自車両１の前方側の歩道２２_２、即ち横断歩道２３に対して歩道２２_１とは反対側の歩道２２_２には、歩行者用の信号機３３Ｂが設けられている。なお、ここでは図を見やすくするため、信号機３３Ｂ以外の信号機（車両用の信号機等）については不図示とする。

ここで、図６Ｂに例示されるように、人３２が信号機３３Ｂを視認した（ＡＣＴ２）場合、人３２は横断歩道２３を通って車道２１を横断し歩道２２_２側に移動することを希望していると考えられる。そこで、信号機３３Ｂを登録情報に予め登録しておき、予測用ＥＣＵ１７は、人３２が信号機３３Ｂを視認した（ＡＣＴ２）と判定された場合には、人３２が横断方向に移動することを予測する。そして、予測用ＥＣＵ１７は、この予測の結果に基づいて、人３２についての警戒領域Ｒを設定し、即ち、矢印Ｅ２で示されるように車道２１側に拡張する。

予測用ＥＣＵ１７は、検出部１６による検出結果に基づいて信号機３３Ｂが示している信号の色を判定可能である。本実施形態では、信号機３３Ｂは、人３２の横断が一般に許容される色として、青色の点灯を示しているものとするが、信号機３３Ｂが青色の点滅を示している場合においても同様に上記警戒領域Ｒは拡張される。

なお、信号機３３Ｂが赤色を示していたとしても、人３２は歩道２２_２側への移動を希望しているからこそ信号機３３Ｂを視認したものと考えられる。そのため、予測用ＥＣＵ１７は、信号機３３Ｂが赤色を示している場合であっても、人３２についての警戒領域Ｒを拡張可能である。この場合、その拡張幅は、信号機３３Ｂが青色を示している場合の拡張幅よりも小さくてもよい。

また、人３２は、一般に、信号機３３Ｂの示す色が青色から赤色に代わる前に、横断を完了させようとすると考えられる。そのため、予測用ＥＣＵ１７は、人３２の移動方向及び／又は移動速度を更に判定することで、人３２の挙動予測を更に高精度に行うことが可能である。

例えば、人３２が車道２１側（横断歩道２３側）に向かっていると判定された場合には、人３２が横断を開始する可能性が高まる。よって、予測用ＥＣＵ１７は、人３２の移動方向に基づいて、人３２の横断の開始を予測し、更に警戒領域Ｒを拡張することも可能である。

また、例えば、人３２が車道２１側（横断歩道２３側）への移動速度を維持し又は該移動速度を上げた場合には、人３２が横断を開始する可能性が高まる。よって、予測用ＥＣＵ１７は、人３２の移動速度に基づいて、人３２の横断の開始を予測し、更に警戒領域Ｒを拡張することも可能である。

本実施形態では、予測用ＥＣＵ１７が検出部１６による検出結果に基づいて信号機３３Ｂが示している信号の色を判定可能であるものとしたが、他の実施形態として、信号機３３Ｂが示している信号の色は、外部通信（例えば路車間通信）により確認されてもよい。例えば、予測用ＥＣＵ１７は、信号機３３Ｂが示している信号の色を、それを示す情報を信号機３３Ｂから直接的／間接的に受信することで確認することも可能である。

本実施形態によれば、予測用ＥＣＵ１７は、人３２が信号機３３Ｂを視認したと判定した場合に人３２の横断方向への移動を予測し、人３２の警戒領域Ｒを拡張する。これにより、第１実施形態同様、人３２の挙動予測を高精度に行うことができる。

（第３実施形態）
前述の第１〜第２実施形態では、人３２が所定のオブジェクト（上述の例では登録情報に登録されたオブジェクト）を視認したと判定された場合に人３２の横断を予測することを述べた。しかし、所定のオブジェクトは、横断の意図がある場合に視認されうるものに限られない。例えば、人３２は、横断の意図を有していないにも関わらず、何らかの目的を実現しようとした結果、横断を開始してしまうことも考えられる。例えば、子供が保護者（親、保育士等）側に向かって不意に移動を開始することが考えられる。以下では、第３実施形態として、所定のオブジェクトが人の場合について述べる。

図７Ａは、塀３３Ｃで囲まれた道２を自車両１が自動運転により走行中の様子を示す上面図である。なお、本実施形態では、道２には歩道と車道との区画が設けられていない。自車両１の前方には、道２の両側にそれぞれ人（区別のため、一方を「人３２Ａ」とし、他方を「人３２Ｂ」とする。）が存在している。本実施形態では、人３２Ａは子供であり、人３２Ｂが保護者であるものとする。

ここで、図７Ｂに例示されるように、人３２Ａが人３２Ｂを視認した（ＡＣＴ３）場合、人３２Ａは道２を横断して人３２Ｂ側に移動する可能性がある。そこで、予測用ＥＣＵ１７は、人３２Ａが人３２Ｂを視認した（ＡＣＴ３）と判定された場合には、人３２Ａが横断方向に移動することを予測する。そして、予測用ＥＣＵ１７は、この予測の結果に基づいて、人３２Ａについての警戒領域Ｒを設定し、即ち、矢印Ｅ３で示されるように人３２Ｂ側に拡張する。

図７Ａ〜７Ｂの例では、人３２Ａが子供であり、人３２Ｂが保護者である場合を想定したが、人３２Ａが保護者であり人３２Ｂが子供の場合、或いは、人３２Ａ及び３２Ｂが交際関係の場合も同様の予測が可能である。

本実施形態では、予測用ＥＣＵ１７は、人３２Ａ及び３２Ｂが所定条件を満たすか否かを更に判定可能であり、即ち、人３２Ａ及び３２Ｂの関係を更に予測可能であり、その結果に基づいて、人３２Ａの横断の予測を行う。人３２Ａ及び３２Ｂが所定条件を満たすか否かの判定は、例えば、図５ＢのフローチャートのＳ５４３０の後かつＳ５４５０の前に行われればよい。

予測用ＥＣＵ１７は、例えば、人３２Ａ及び３２Ｂの位置条件に基づいて上記判定を行うことが可能である。例えば、人３２Ａ及び３２Ｂの相対的な位置、自車両１に対するそれらの相対的な位置、等に基づいて上記判定が行われる。本実施形態では、位置条件として、自車両１が走行中の道２の両側に人３２Ａ及び３２Ｂがそれぞれ位置していることを条件とした。これにより、人３２Ａの横断を適切に予測可能となる。

また、予測用ＥＣＵ１７は、例えば、人３２Ａ及び３２Ｂの外観条件に基づいて上記判定を行うことが可能である。外観条件は、人３２Ａ及び３２Ｂの外見上の特徴から判定可能なものであればよい。外観条件は、人３２Ａ及び３２Ｂの間に何らかの関係があると推察可能な条件であればよく、例えば、体格条件、及び／又は、服装条件を含む。体格条件としては、例えば、一方の身長が比較的低く且つ他方の身長が比較的高い（子供および保護者の関係と推察される）こと、双方の身長が比較的低い（何れも子供であると推察される）こと等が挙げられる。また、服装条件としては、例えば、一方の服装が子供向けであり且つ他方の服装が大人向けである（子供および保護者の関係と推察される）こと、一方の服装が男性向けであり且つ他方の服装が女性向けである（交際関係と推察される）こと等が挙げられる。

本実施形態によれば、予測用ＥＣＵ１７は、人３２Ａが人３２Ｂを視認したと判定した場合に人３２Ａの横断方向への移動を予測し、人３２Ａの警戒領域Ｒを拡張する。これにより、第１実施形態同様、人３２Ａの挙動予測を高精度に行うことができる。

（第４実施形態）
前述の第１〜第３実施形態では、人３２が所定のオブジェクトを視認したと判定された場合に人３２の横断を予測することを述べた。この所定のオブジェクトとして、第１実施形態では横断歩道３０が例示され、第２実施形態では信号機３３Ｂが例示され、第３実施形態では人３２Ｂが例示された。所定のオブジェクトは、これら道路２上に位置するものでなくてもよく、人３２の所持品であってもよい。即ち、予測用ＥＣＵ１７は、人３２が該人３２の所持品を視認していると判定された場合においても、上記予測を行い、人３２についての警戒領域Ｒを拡張することが可能である。所持品の例としては、手で把持可能なもの、身体の一部に装着可能なもの等が挙げられ、例えば携帯端末、腕時計、音楽プレイヤー等の電子機器や、本や雑誌等の書類が挙げられる。

（第５実施形態）
前述の第１〜第４実施形態では、人３２が所定のオブジェクトを視認したと判定された場合に人３２の横断を予測することを述べた。しかし、横断を妨げるものが存在しない場合には、所定のオブジェクトの視認の有無に関わらず横断が開始される可能性がある。

図８Ａは、第５実施形態として、自車両１が自動運転により車道２１を走行中の様子を示す上面図である。本実施形態では、歩道２２が、区画部材３３Ｄによって車道２１から区画されている。区画部材３３Ｄは、本実施形態では防護柵（例えばガードレール、ガードパイプ等）である。区画部材３３Ｄは、他の実施形態として、縁石または植え込みであってもよいし、或いは、防護柵、縁石および植え込みの２以上を用いて構成されてもよい。

区画部材３３Ｄには、歩行者が通り抜け可能な間隙ＳＰが設けられており、本実施形態では、歩道２２上における間隙ＳＰの近傍に人３２が存在している。前述の第１実施形態同様、予測用ＥＣＵ１７により、人３２についての警戒領域Ｒが設定される。

ここで、図８Ｂに例示されるように、人３２が間隙ＳＰの近傍に存在する場合には、人３２が間隙ＳＰを通って車道２１を横断することを希望している可能性がある。そこで、予測用ＥＣＵ１７は、人３２が間隙ＳＰから所定距離の範囲内に存在することが確認された場合には、人３２が間隙ＳＰを通って横断方向に移動すると予測し、警戒領域Ｒを、矢印Ｅ４で示されるように車道２１側に拡張する。

本実施形態によれば、区画部材３３Ｄの配置態様を考慮し、区画部材３３Ｄにおける間隙ＳＰの有無に基づいて人３２の横断の予測を行う。そのため、本実施形態によれば、人３２の挙動予測を高精度に行うことができる。

本実施形態の内容は、第１〜第４実施形態への適用可能である。例えば、他の実施形態として、予測用ＥＣＵ１７は、区画部材３３Ｄで区画された車道２１を自車両１が走行中の場合、間隙ＳＰが確認されたことを条件の１つとして、人３２が何を視認したかに基づいて人３２の横断の予測を行ってもよい。更に他の実施形態として、予測用ＥＣＵ１７は、人３２の視線方向に間隙ＳＰが位置すると判定された場合に、人３２の横断の予測を行ってもよい。

（その他）
以上、いくつかの好適な態様を例示したが、本発明はこれらの例に限られるものではなく、本発明の趣旨を逸脱しない範囲で、その一部が変更されてもよい。例えば、各実施形態の内容に、目的、用途等に応じて他の要素を組み合わせることも可能であるし、或る実施形態の内容に他の実施形態の内容の一部を組み合わせることも可能である。また、本明細書に記載された個々の用語は、本発明を説明する目的で用いられたものに過ぎず、本発明は、その用語の厳密な意味に限定されるものでないことは言うまでもなく、その均等物をも含みうる。

また、各実施形態で説明された１以上の機能を実現するプログラムは、ネットワーク又は記憶媒体を介してシステム又は装置に供給され、該システム又は装置のコンピュータにおける１以上のプロセッサは、このプログラムを読み出して実行することができる。このような態様によっても本発明は実現可能である。

（実施形態のまとめ）
第１の態様は、予測装置（例えば１７）に係り、前記予測装置は、自車両（例えば１）の周辺情報を取得する取得手段（例えば１７１、Ｓ５２０）と、前記周辺情報に基づいて、道路（例えば２）上の挙動予測対象者（例えば３２、３２Ａ）が所定のオブジェクト（例えば３、３０、３２Ｂ、３３Ｂ）を視認しているか否かを判定する判定手段（例えば１７１、Ｓ５４２０〜Ｓ５４３０）と、前記挙動予測対象者が前記所定のオブジェクトを視認したと前記判定手段により判定された場合、前記挙動予測対象者が前記道路を横断方向に移動することを予測する予測手段（例えば１７１、Ｓ５４４０）と、を備える。
第１の態様によれば、道路上の人（挙動予測対象者）の挙動を、その人が何を視認したかに基づいて予測する。よって、第１の態様によれば、人の挙動予測を高精度化することができる。

第２の態様では、前記判定手段は、オブジェクトの種類が登録された登録情報（例えば１７２）を参照し、前記挙動予測対象者の視線方向に存在するオブジェクトが前記登録情報に登録されていた場合、前記挙動予測対象者が前記所定のオブジェクトを視認したものと判定する。
第２の態様によれば、登録情報に登録されているものを、挙動予測対象者である人が視認したと判定された場合に、その人が横断方向に移動する可能性があると判定し、上記予測を行う。よって、第２の態様によれば、上記予測を更に高精度に行うことができる。

第３の態様では、前記所定のオブジェクトは横断歩道（例えば３０）を含む。
第３の態様によれば、挙動予測対象者である人が横断歩道を視認したと判定された場合に、その人が横断方向に移動する可能性があると判定し、上記予測を行う。よって、第３の態様によれば、上記予測を更に高精度に行うことができる。

第４の態様では、前記所定のオブジェクトは信号機（例えば３３Ｂ）を含む。
第４の態様によれば、挙動予測対象者である人が信号機を視認したと判定された場合に、その人が横断方向に移動する可能性があると判定し、上記予測を行う。よって、第４の態様によれば、上記予測を更に高精度に行うことができる。

第５の態様では、前記判定手段は、前記信号機が示している色を更に判定可能であり、前記予測手段は、前記信号機が青色を示していると前記判定手段により更に判定された場合、前記挙動予測対象者が前記道路を横断方向に移動することを予測する。
第５の態様によれば、信号機が示す色を考慮して上記予測を行う。信号機が青色を示している場合、挙動予測対象者である人が横断方向に移動する可能性があると考えられる。よって、第５の態様によれば、上記予測を更に高精度に行うことができる。なお、信号機が示す青色は、青色の点灯の場合の他、青色の点滅の場合をも含むものとする。

第６の態様では、前記判定手段は、前記挙動予測対象者の移動方向を更に判定可能であり、前記予測手段は、前記挙動予測対象者が車道（例えば２１）側に向かって移動していると前記判定手段により更に判定された場合には、前記挙動予測対象者が前記車道を横断することを予測する。
第６の態様によれば、挙動予測対象者である人の移動方向を考慮して上記予測を行う。よって、第６の態様によれば、上記予測を更に高精度に行うことができる。

第７の態様では、前記判定手段は、前記挙動予測対象者の移動速度を更に判定可能であり、前記予測手段は、前記挙動予測対象者が車道（例えば２１）側に向かう移動速度を維持し又は該移動速度を上げたと前記判定手段により更に判定された場合には、前記挙動予測対象者が前記車道を横断することを予測する。
第７の態様によれば、挙動予測対象者である人の移動速度を考慮して、即ち、その人の移動速度が下がったか否かに基づいて、上記予測を行う。よって、第７の態様によれば、上記予測を更に高精度に行うことができる。

第８の態様では、前記所定のオブジェクトは人（例えば３２Ｂ）を含む。
第８の態様によれば、挙動予測対象者である人（３２Ａ）が、他の人（３２Ｂ）を視認したと判定された場合に、挙動予測対象者である人が横断方向に移動する可能性があると判定し、上記予測を行う。よって、第８の態様によれば、上記予測を更に高精度に行うことができる。

第９の態様では、前記判定手段は、前記挙動予測対象者および前記人が所定条件を満たすか否かを更に判定可能であり、前記予測手段は、前記所定条件を満たすと前記判定手段により更に判定された場合、前記挙動予測対象者が前記道路を横断方向に移動することを予測する。
第９の態様によれば、挙動予測対象者である人（３２Ａ）と、その人が視認したと判定された他の人（３２Ｂ）とが所定条件を満たす場合、挙動予測対象者である人が横断方向に移動する可能性があると判定し、上記予測を行う。よって、第９の態様によれば、上記予測を更に高精度に行うことができる。

第１０の態様では、前記所定条件は、前記挙動予測対象者および前記人の位置条件を含む。
第１０の態様によれば、挙動予測対象者である人（３２Ａ）と、その人が視認したと判定された他の人（３２Ｂ）との間の位置条件、例えば、それらの相対的な位置、自車両に対するそれらの相対的な位置、に基づいて、上記予測を行う。よって、第１０の態様によれば、上記予測を更に高精度に行うことができる。

第１１の態様では、前記位置条件は、前記挙動予測対象者および前記人が前記道路の両側にそれぞれ存在することを含む。
第１１の態様によれば、挙動予測対象者である人（３２Ａ）と、その人が視認したと判定された他の人（３２Ｂ）とが、道路の両側にそれぞれ存在する場合に、上記予測を行う。なお、第１１の態様は、道路が、車道および歩道から成る場合の他、車道および歩道の区画がない場合においても適用可能である。

第１２の態様では、前記所定条件は、前記挙動予測対象者および前記人の外観条件を含む。
第１２の態様によれば、挙動予測対象者である人（３２Ａ）と、その人が視認したと判定された他の人（３２Ｂ）とが所定の外観条件を満たす場合に、上記予測を行う。よって、第１２の態様によれば、上記予測を更に高精度に行うことができる。なお、所定の外観条件は、それらの間に何らかの関係が存在する可能性があることが外見上の特徴に基づいて判定可能なものであればよい。

第１３の態様では、前記外観条件は、体格条件、及び／又は、服装条件を含む。
第１３の態様によれば、挙動予測対象者である人（３２Ａ）と、その人が視認したと判定された他の人（３２Ｂ）とが所定の体格条件、及び／又は、服装条件を満たす場合に、上記予測を行う。よって、第１３の態様によれば、上記予測を更に高精度に行うことができる。

第１４の態様では、前記判定手段は、車道（例えば２１）と歩道（例えば２２）とを区画する区画部材（例えば３３Ｄ）の配置態様を更に判定可能であり、前記予測手段は、前記区画部材に前記挙動予測対象者の通り抜け可能な間隙（例えばＳＰ）が設けられていると前記判定手段により判定された場合には、前記挙動予測対象者が前記間隙を通って前記歩道側から前記車道側に移動することを予測する。
第１４の態様によれば、区画部材の配置態様を考慮して上記予測を行う。区画部材に間隙が設けられている場合、その間隙から挙動予測対象者である人が横断方向に移動する可能性があると考えられる。よって、第１４の態様によれば、上記予測を更に高精度に行うことができる。

第１５の態様では、前記区画部材は、防護柵、縁石および植え込みの少なくとも１つを含む。
第１５の態様によれば、第１４の態様に基づく上記予測を更に高精度に行うことができる。防護柵の例としては、ガードレール、ガードパイプ等が挙げられる。また、車道と歩道とは縁石や植え込み等で区画されている場合も多く、この場合においても上記予測を行うのに好適である。

第１６の態様では、前記予測手段による前記予測の結果に基づいて、前記挙動予測対象者についての警戒領域（例えばＲ）を設定する設定手段（例えば１７１、Ｓ５４５０）をさらに備える。
第１６の態様によれば、以上の各態様の予測の結果に基づいて、挙動予測対象者である人についての警戒領域を設定する。これにより、挙動予測対象者である人との距離を確保しながら運転することが可能となり、安全運転を実現可能となる。

第１７の態様は、車両に係り、前記車両は、自車両の周辺情報を検出する検出手段（例えば１６）と、前記検出手段により検出された前記周辺情報に基づいて、道路（例えば２）上の挙動予測対象者（例えば３２、３２Ａ）が所定のオブジェクト（例えば３、３０、３２Ｂ、３３Ｂ）を視認しているか否かを判定する判定手段（例えば１７１、Ｓ５４２０〜Ｓ５４３０）と、前記挙動予測対象者が前記所定のオブジェクトを視認したと前記判定手段により判定された場合に、前記挙動予測対象者が前記道路を横断方向に移動することを予測する予測手段（例えば１７１、Ｓ５４４０）と、を備える。
第１７の態様によれば、上記第１の態様同様、道路上の人（挙動予測対象者）の挙動を、その人が何を視認したかに基づいて予測するため、その挙動を高精度に予測することができる。

第１８の態様は、予測方法に係り、前記予測方法は、自車両（例えば１）の周辺情報を取得する工程（例えばＳ５２０）と、前記周辺情報に基づいて、道路（例えば２）上の挙動予測対象者（例えば３２、３２Ａ）が所定のオブジェクト（例えば３、３０、３２Ｂ、３３Ｂ）を視認しているか否かを判定する工程（例えばＳ５４２０〜Ｓ５４３０）と、前記挙動予測対象者が前記所定のオブジェクトを視認したと前記判定する工程において判定された場合に、前記挙動予測対象者が前記道路を横断方向に移動することを予測する工程（例えばＳ５４４０）と、を含む。
第１８の態様によれば、上記第１の態様同様、道路上の人（挙動予測対象者）の挙動を、その人が何を視認したかに基づいて予測するため、その挙動を高精度に予測することができる。

第１９の態様では、コンピュータに上記各工程を実行させるためのプログラムである。
第１９の態様によれば、上記第１８の態様を、コンピュータにより実現可能となる。

１：自車両、３：オブジェクト、３１：他車両、１７：予測用ＥＣＵ（予測装置）。

Claims (19)

1. 自車両の周辺情報を取得する取得手段と、
   前記周辺情報に基づいて、道路上の挙動予測対象者が所定のオブジェクトを視認しているか否かを判定する判定手段と、
   前記挙動予測対象者が前記所定のオブジェクトを視認したと前記判定手段により判定された場合、前記挙動予測対象者が前記道路を横断方向に移動することを予測する予測手段と、を備える
   ことを特徴とする予測装置。
2. 前記判定手段は、オブジェクトの種類が登録された登録情報を参照し、前記挙動予測対象者の視線方向に存在するオブジェクトが前記登録情報に登録されていた場合、前記挙動予測対象者が前記所定のオブジェクトを視認したものと判定する
   ことを特徴とする請求項１に記載の予測装置。
3. 前記所定のオブジェクトは横断歩道を含む
   ことを特徴とする請求項１または請求項２に記載の予測装置。
4. 前記所定のオブジェクトは信号機を含む
   ことを特徴とする請求項１から請求項３のいずれか１項に記載の予測装置。
5. 前記判定手段は、前記信号機が示している色を更に判定可能であり、
   前記予測手段は、前記信号機が青色を示していると前記判定手段により更に判定された場合、前記挙動予測対象者が前記道路を横断方向に移動することを予測する
   ことを特徴とする請求項４に記載の予測装置。
6. 前記判定手段は、前記挙動予測対象者の移動方向を更に判定可能であり、
   前記予測手段は、前記挙動予測対象者が車道側に向かって移動していると前記判定手段により更に判定された場合には、前記挙動予測対象者が前記車道を横断することを予測する
   ことを特徴とする請求項４または請求項５に記載の予測装置。
7. 前記判定手段は、前記挙動予測対象者の移動速度を更に判定可能であり、
   前記予測手段は、前記挙動予測対象者が車道側に向かう移動速度を維持し又は該移動速度を上げたと前記判定手段により更に判定された場合には、前記挙動予測対象者が前記車道を横断することを予測する
   ことを特徴とする請求項１から請求項６のいずれか１項に記載の予測装置。
8. 前記所定のオブジェクトは人を含む
   ことを特徴とする請求項１から請求項７のいずれか１項に記載の予測装置。
9. 前記判定手段は、前記挙動予測対象者および前記人が所定条件を満たすか否かを更に判定可能であり、
   前記予測手段は、前記所定条件を満たすと前記判定手段により更に判定された場合、前記挙動予測対象者が前記道路を横断方向に移動することを予測する
   ことを特徴とする請求項８に記載の予測装置。
10. 前記所定条件は、前記挙動予測対象者および前記人の位置条件を含む
    ことを特徴とする請求項９に記載の予測装置。
11. 前記位置条件は、前記挙動予測対象者および前記人が前記道路の両側にそれぞれ存在することを含む
    ことを特徴とする請求項１０に記載の予測装置。
12. 前記所定条件は、前記挙動予測対象者および前記人の外観条件を含む
    ことを特徴とする請求項９から請求項１１のいずれか１項に記載の予測装置。
13. 前記外観条件は、体格条件、及び／又は、服装条件を含む
    ことを特徴とする請求項１２に記載の予測装置。
14. 前記判定手段は、車道と歩道とを区画する区画部材の配置態様を更に判定可能であり、
    前記予測手段は、前記区画部材に前記挙動予測対象者の通り抜け可能な間隙が設けられていると前記判定手段により判定された場合には、前記挙動予測対象者が前記間隙を通って前記歩道側から前記車道側に移動することを予測する
    ことを特徴とする請求項１から請求項１３のいずれか１項に記載の予測装置。
15. 前記区画部材は、防護柵、縁石および植え込みの少なくとも１つを含む
    ことを特徴とする請求項１４に記載の予測装置。
16. 前記予測手段による前記予測の結果に基づいて、前記挙動予測対象者についての警戒領域を設定する設定手段をさらに備える
    ことを特徴とする請求項１から請求項１５のいずれか１項に記載の予測装置。
17. 自車両の周辺情報を検出する検出手段と、
    前記検出手段により検出された前記周辺情報に基づいて、道路上の挙動予測対象者が所定のオブジェクトを視認しているか否かを判定する判定手段と、
    前記挙動予測対象者が前記所定のオブジェクトを視認したと前記判定手段により判定された場合に、前記挙動予測対象者が前記道路を横断方向に移動することを予測する予測手段と、を備える
    ことを特徴とする車両。
18. 自車両の周辺情報を取得する工程と、
    前記周辺情報に基づいて、道路上の挙動予測対象者が所定のオブジェクトを視認しているか否かを判定する工程と、
    前記挙動予測対象者が前記所定のオブジェクトを視認したと前記判定する工程において判定された場合に、前記挙動予測対象者が前記道路を横断方向に移動することを予測する工程と、を含む
    ことを特徴とする予測方法。
19. コンピュータに請求項１８に記載の予測方法の各工程を実行させるためのプログラム。