JP2019109675A - 運転行動データ生成装置、運転行動データベース - Google Patents

Abstract

【課題】道路上の二次元空間分布を表現する運転行動支援装置に用いられ、人間に近い運転行動に基づく自動運転を支援するために、局所的なルールや周辺環境に適した知識、及び経験的なノウハウが考慮された運転行動データベースを生成する。【解決手段】運転者（人間）が慣例的に行っている局所的な運転行動（交差点内のコース取り、停止線のない交差点での停止位置、単一車線の多重利用等）の分布情報を集約し、道路ネットワーク情報に関連付けて管理・保存する。自動運転システムは、これらの分布情報を利用することで、環境に適した、乗員に違和感の少ない自動走行を実現する。自動運転システムは、環境や天候に合わせた人間らしい運転行動を計画する。車載センサ群１２を活用した自動処理によりデータベースを生成するため、オペレータによるマニュアル処理がなく、低コストに情報を生成する。【選択図】図１

Description

本発明は、車両の走行状態と環境条件及び車両条件とを関連付けてレーンレベルの運転行動に関するデータを生成する運転行動データ生成装置、及び運転行動支援装置が道路面上の二次元空間分布を表現する処理を実行するときに用いられる運転行動データベースに関する。

近年、運転行動支援装置として、プローブデータを活用して道路情報を作成するシステムが提案されている。

特許文献１には、車載センサの情報を集めてレーンレベルの道路ネットワークを自動生成することが記載されている。特許文献１では、ノードとリンクで構成される従来のナビ地図とは違い、レーン単位でその中心線を検出し、交差点ではレーン毎の接続関係を自動生成する。自動運転システムはこれらの情報を手掛かりに目的地までの自車経路を設計する。

特許文献２には、走行履歴データを解析し、信号機付交差点を結ぶ特定区間を走行するための最適速度を作成することが記載されている。特許文献２では、省燃費の観点から、赤信号で停止する可能性を低くすることを目的とし、信号の切り替わりタイミングを直接計測することなく、統計データから通過に適した速度帯を作成する。

ところで、自動運転・運転支援システムにおいて、搭乗者に安心・快適を与えるために人間らしい行動を生成することが重要である。

非特許文献１では、人間らしい経路計画を立てるため、ポテンシャルマップの考え方を利用することが記載されている。すなわち、非特許文献１には、地図情報や先行車軌跡などに基づいて生成される顕在リスクポテンシャルと、経験的に獲得した交通参加者に対する潜在リスクポテンシャルを統合して、自車周辺のポテンシャルマップを生成し、それに基づいて最適な経路を生成することが記載されている。

特開２０１５−４８１４号公報 特開２０１１−１５３８３４号公報

「Chunzhao Guo,et al.,"Human-like Behavior Generation for Intelligent Vehicles in Urban Environment based on a Hybrid Potential Map,"Proc.of 2017 IEEE Intelligent Vehicles Symp.(IV),pp.197-203,2017.」

しかしながら、特許文献１に記載されているレーン情報だけでは、走行時に沿うべき中心線と、走行可能な範囲までしか分からない。例えば、大きな交差点で右折する場合には交差点内で対向車列が途切れるのを待たなければならない。

また、交差点内のコース取りは、どこでも同じとは限らないし、路面ペイントの誘導がそのクルマにとって適切であるとも限らない。

さらに、単路であっても、右折及び左折を効率に行うために、局所的に多重車線として利用される道路区間なども存在する。

言い換えれば、運転に必要な情報量が多ければ多いほど、非特許文献１のように人間に近い運転行動の自動運転システムが作れるようになり、乗員の安心感や快適性を向上することができるが、具体的に、どのように情報を収集し、どのように収集した情報を利用して運転行動データベースを生成するかについては示されていない。

特許文献２は、局所的な道路を適切に走るための運転行動を収集していると見ることができるが、交差点間の平均車速だけでは、自動運転システムにとっては不十分であり、走行する経路と、その経路に沿った適切な速度に関する情報が求められる。

一般道を効率よく運転するには、レーンレベルの道路ネットワークだけでなく、それに付随した局所的なルールや周辺環境に適した知識、経験的なノウハウ等が求められる。

本発明は、局所的なルールや周辺環境に適した知識、及び経験的なノウハウが考慮された運転行動データを生成することができる運転行動データ生成装置を得ることが目的である。

また、上記目的に加え、道路上の二次元空間分布を表現する運転行動支援装置に用いられることで、人間に近い運転行動に基づく自動運転を支援することができる運転行動データベースを得ることが目的である。

本発明の運転行動データ生成装置は、車両に搭載された車載センサから、当該車両の運転に関わる運転情報を取得する取得手段と、前記取得手段で取得した運転情報を、予め既知の走行路の構造情報と照合して、走行路のレーン単位の車両位置及び走行軌跡を含む走行履歴を判定する判定手段と、前記判定手段で判定した走行履歴に関する情報を、車両の運動性能に関する車両条件、及び車両の走行時の周囲の環境条件の少なくとも一方を分類要件として、走行路のレーン単位で分類する分類手段と、特定の領域の走行路を走行する車両に対して、当該車両が取り得る経路又は速度の少なくとも一方に関する案内を実行するときに用いられる運転行動データを、前記分類手段で分類された分類要件毎に生成する生成手段と、を有している。

本発明によれば、取得手段が、車両に搭載された車載センサから、当該車両の運転に関わる運転情報を取得する。

判定手段では、取得手段で取得した運転情報を、予め既知の走行路の構造情報と照合して、走行路のレーン単位の車両位置及び走行軌跡を含む走行履歴を判定する。例えば、２レーン（車線）以上の走行路の場合、走行しているレーン単位で走行履歴を判定する。

分類手段では、判定手段で判定した走行履歴に関する情報を、車両条件及び環境条件の少なくとも一方を分類要件として、走行路のレーン単位で分類する。これにより、レーンに関係なく走行履歴を集約するよりもきめ細かい走行履歴情報となる。

例えば、運転支援装置では、車両が特定の領域の走行路を走行しているとき、当該車両が取り得る経路又は速度を案内する。

生成手段では、上記案内を実行するときに用いられる運転行動データを、分類手段で分類された分類要件毎に生成する。運転行動データは、走行路のレーン単位での走行履歴情報から得ているため、適切な案内が可能となる。

本発明において、前記経路に関する案内が、走行路のレーン単位で集約された走行履歴に関する情報に基づく空間分布であることを特徴としている。

空間分布で示すことで、視覚的に経路に関する案内が可能となる。

本発明において、前記速度に関する案内が、前記特定の領域の走行路に沿った車両の速度分布であることを特徴としている。

空間分布で示すことで、視覚的に速度に関する案内が可能となる。

本発明において、前記車載センサから取得した運転情報から、施設の有無を含む周辺環境を認識する周辺環境認識手段と、前記周辺環境認識手段で認識した周辺環境に関する情報と、車両の走行軌跡とに基づいて、前記走行軌跡について、走行路のレーン変更、障害物回避行動の少なくとも１つを含む例外走行があったか否かを判別する例外走行判別手段とをさらに有し、例外走行と判別された走行軌跡は、前記分類手段による分類対象から除外する、ことを特徴としている。

走行路のレーン変更、障害物回避行動の少なくとも１つを含む例外走行は、運転行動データとして不適切となる場合があるため、分類手段による分類対象から除外する。

本発明において、前記運転情報に基づく急制動や急ハンドルを含む運転操作、及び車両に搭載した安全システムの作動状況の統計データに基づき、イレギュラー走行を抽出するイレギュラー走行抽出手段をさらに有し、前記イレギュラー走行として抽出された走行軌跡は、前記分類手段による分類要件のリスク情報として登録する、ことを特徴としている。

急制動や急ハンドルを含む運転操作や、車両に搭載した安全システムの作動は、イレギュラー走行の可能性があるが、運転のくせや、定常的に安全システムが作動する場合もある。そこで、運転操作、安全システムの作動の統計データに基づき、イレギュラー走行を抽出する。

抽出されたイレギュラー走行として抽出された走行軌跡は、分類手段による分類要件のリスク情報として登録する。

本発明において、前記判定手段で判定した走行履歴に関する情報を分類する走行路区間を設定する区間設定手段をさらに有し、前記区間設定手段が、走行路のレーン数が増減する地点、走行路が合流及び分岐する地点を含む変化点に特化して走行路区間を設定することを特徴としている。

区間設定手段が、走行路のレーン数が増減する地点、走行路が合流及び分岐する地点を含む変化点に特化して走行路区間を設定することで、走行路の変化点において、より精細な運転支援が可能となる。

本発明において、前記車両の性能に関する車両条件が、車長、車幅、車高、ホイールベース、車頭から運転席までの距離、回転半径、及び車両タイプの少なくとも一つを用いて特定されることを特徴としている。

車両条件として、車長、車幅、車高、ホイールベース、車頭から運転席までの距離、回転半径、及び車両タイプを含み、細分化して情報を得ることで、より精細な運転支援が可能となる。

本発明において、前記車両の走行時の周囲の環境条件が、暦、時間帯、天候、及び照度の少なくとも一つを用いて特定されることを特徴としている。

例えば、時間帯によっては、複数のレーンの内の何れかのレーンに偏る等、運転行動が異なる場合がある。そこで、車両の走行時の周囲の環境条件を考慮することで、より精細な運転支援が可能となる。

本発明において、走行路に沿って設置された監視カメラを含むインフラセンサから移動物情報を検出する移動物情報検出手段をさらに有し、前記移動物情報検出手段で検出された移動物情報を、前記インフラセンサが設置された領域の走行路を通過する車両の走行履歴に関する情報に付加することを特徴としている。

インフラセンサの活用により、運転行動データベースを作成する要素となる情報量を各段に増やすことができる。

本発明の運転行動データベースは、運転支援装置が、特定の領域の走行路を走行する車両に対して、当該車両が取り得る経路又は速度の少なくとも一方に関する案内を実行するときに用いられ、車両の運動性能に関する車両条件、及び車両の走行時の周囲の環境条件の少なくとも一方を分類要件として、走行路のレーン単位で集約された走行履歴情報に基づく空間分布により、前記特定の領域の走行路を表現可能な運転行動データが記憶されたことを特徴としている。

本発明によれば、車両の運動性能に関する車両条件、及び車両の走行時の周囲の環境条件の少なくとも一方を分類要件として、走行路のレーン単位で集約された走行履歴情報に基づく空間分布により、前記特定の領域の走行路を表現可能な運転行動データを運転行動データベースとして記憶し、運転支援装置に活用する。これにより、道路上の二次元空間分布を表現する運転行動支援装置に用いられることで、人間に近い運転行動に基づく自動運転を支援することができる。

以上説明した如く本発明では、局所的なルールや周辺環境に適した知識、及び経験的なノウハウが考慮された運転行動データベースを生成することができる。

また、上記効果に加え、道路上の二次元空間分布を表現する運転行動支援装置に用いられることで、人間に近い運転行動に基づく自動運転を支援することができる。

第１の実施の形態に係る運転行動データベース生成装置の概略構成図である。 第１の実施の形態に係るレーンレベルの道路構造データ例であり、（Ａ）は２本の道路が交差する交差点の平面図、（Ｂ）は入力された位置情報に基づく周辺の道路データ図である。 第１の実施の形態に係る自車位置を推定するための目標を示す平面図である。 第１の実施の形態に係る照明とワイパーとの関係で特定する環境条件テーブルである。 第１の実施の形態に係る経路と速度の分布を可視化した平面図であり、（Ａ）は交差点周辺の平面図、（Ｂ）は交差点の平面図の上に経路と速度の分布を可視化して表示した分布図である。 第１の実施の形態に係るデータベース生成手順を示す制御フローチャートである。 第２の実施の形態に係る運転行動データベース生成装置の概略構成図である。 （Ａ）〜（Ｃ）は、インフラセンサとして適用されたカメラの設置状態を示す斜視図である。 第２の実施の形態に係り、三角測量に基づきカメラで自車位置を推定するときの自車とカメラとの位置関係を示す斜視図である。 第２の実施の形態に係る道路の平面図であり、（Ａ）は交差点の平面図、（Ｂ）はレーン数が増減する接合部の平面図である。 第２の実施の形態に係るデータベース生成手順を示す制御フローチャートである。

本発明では、同一の道路区間を走行した複数の車両から走行時に収集・検出したデータを収集し、適切な通行経路や速度制御を設計するためのデータベースを自動生成する。

以下の第１の実施の形態及び第２の実施の形態において、本発明を詳細に説明するが、第１の実施の形態及び第２の実施の形態では、レーンレベルの道路ネットワーク地図に、交差点や特定道路区間での最適通行経路や最適速度（停止を含む）の情報を追加することに特化して説明する。

すなわち、レーンレベルの道路ネットワーク地図が、既に用意されていることを前提とする。また、走行データは車両から図示しないセンターサーバーへ送信されることとする。

さらに、以下の第１の実施の形態及び第２の実施の形態の説明では、車両側のデータ処理と、センターサーバー側のデータ処理を明確には区別していない。車両側でのデータ処理は車載された計算機の処理能力によって変動するためである。また、以下に示す各機能の配置は、本発明に何ら影響を及ぼすものではない。

「第１の実施の形態」

図１は、第１の実施の形態に係る運転行動データ生成装置１０の概略構成図である。

図１に示される如く、運転行動データ生成装置１０は、車載センサ群１２、走行情報生成部１４、及び運転情報生成部１６を備えている。また、情報を記憶する記憶媒体として、走行情報生成部１４には、道路構造記憶部１８が接続され、運転情報生成部１６には、車両情報記憶部２０及び運転経路記憶部２２が接続されている。

（車載センサ群１２）

第１の実施の形態において利用する車載センサ群１２には、環境認識センサ２４、車両運動センサ２６、車両状態センサ２８、測位センサ３０が含まれる。

環境認識センサ２４は、カメラやレーザレーダ、ミリ波レーダ、超音波センサ等を想定し、自車周辺に存在する移動物や障害物を検出し、それらの三次元位置や速度を取得する。また、自車位置を推定するために地図と照合すべきランドマークを探索したり、レーン推定に必要なレーンマークを検出したりする。観測範囲や解像度はセンサの設計事項であり、ここでは特に限定しない。

車両運動センサ２６は、ジャイロセンサや車輪速センサなどを含み、車両の速度やヨーレイト、加速度、角速度、ステアリング角などの車両運動情報を所定の周期で計測する。

車両状態センサ２８は、方向指示器、灯火、ワイパーなどの作動状況に関する信号を取得する。また、ＡＢＳ(Antilock Brake System)、ＶＳＣ(Vehicle Stability Control)、ＬＤＷ(Lane Departure Warning)、ＰＣＳ(Pre-Crash Safety)等の安全システムに関する作動状況に関する信号も取得する。

測位センサ３０は、主にＧＰＳ(Global Positioning System)を想定し、ＧＰＳ衛星からの受信信号に基づいて自車の絶対位置や移動方向、速度を計測する。また、時刻情報もＧＰＳから取得することができる。

（記憶媒体）

道路構造記憶部１８は、レーンレベルの道路ネットワーク地図のデータを格納している。図２にレーンレベルの道路構造データの例を示す。

図２（Ａ）は２本の道路Ｒ１、Ｒ２が交差する交差点Ｘの平面図であり、道路構造記憶部１８は、レーンの数や中心位置、幅員、進行方向、接続関係などの情報を持つ。道路構造記憶部１８では、入力された位置情報を中心に、図２（Ｂ）に示される如く、周辺の道路データＤｘを提供する。また、道路構造記憶部１８は、道路データＤｘだけでなく、位置推定に必要なランドマーク特徴も持つことが好ましい。

車両情報記憶部２０は、車両の大きさや運動性能に関する情報を格納している。少なくとも、車長、車幅、車高、ホイールベース、回転半径、車頭から運転席までの距離、車両タイプ、重量のうちの複数個の情報を持ち、車種ＩＤと関連付けられている。必要な情報が車内ネットワークで流れている場合には、この車両情報記憶部２０を別途用意せず、センターサーバー（図示省略）に集約する走行情報に含めて送信するようにしてもよい。

運転経路記憶部２２は、最終的に生成される経路情報や速度情報を格納する。運転経路記憶部２２（本発明の運転行動データベースに相当）に格納された経路情報や速度情報は、道路構造記憶部１８が持つレーンＩＤや道路リンクＩＤ、交差点ＩＤと関連付けて保存される。

（走行情報生成部１４）

走行情報生成部１４は、車載センサ群１２の各センサから受け取る検出（計測）情報に基づいて、運転行動データベース生成に必要となる情報を抽出する。

図１に示すように、走行情報生成部１４は、走行レーン推定部３２、車両状態検出部３４、周辺環境認識部３６、走行経路生成部３８、及び例外走行判定部４０を有している。運転行動データベースの生成に必要となる情報は、それぞれ、まずは車両単位で生成される。

走行レーン推定部３２は、ＧＰＳからの測位情報に基づいて地図データを参照し、道路構造記憶部１８に保存されたランドマークと環境認識センサ２４の計測結果を照合して、地図データ内での自車位置を推定し、現在走行しているレーンを特定する。

自車位置推定に用いるランドマークとして、レーンマークや標識・信号・看板等の立体物、画像特徴量などが利用できる。図３に自車位置推定のイメージを示す。

図３に示される如く、自車４２から見える、レーンマーク４６、４８、Ｕターン禁止標識５０及び速度制限標識５２の方向によって、自車４２の位置が推定可能である。

図１に示される如く、車両状態検出部３４は、車両状態センサ２８からの信号を解析し、それらの作動状態を検出する。

周辺環境認識部３６は、環境認識センサ２４を用いて、自車の走行軌跡を妨害する移動物や駐車車両、その他の障害物を検出する。

周辺環境認識部３６では、先行車や対向車などの移動物について自車位置を考慮しながら時間方向に追跡し、それらの走行軌跡を算出してもよい。なお、その場合、車両の大きさ等、必要な車両情報も検出し、走行軌跡に付随しておく。

走行経路生成部３８は、自車の走行軌跡を算出する。ここでは局所的に精度の高い軌跡情報が必要であるため、ＧＰＳの観測結果を繋げたような軌跡は使えない。

例えば、車両運動センサ２６の計測値とＧＰＳドップラの情報を融合したり、走行レーン推定部３２で推定した自車位置を追跡して滑らかにつないだりする。

また、環境認識センサ２４としてカメラやＬｉｄａｒ（Light Detection and Ranging）があれば、観測結果中の静止物を時系列追跡することでセンサの運動量を推定し、自車運動を高精度に推定できる。これは、ビジュアルオドメトリ「Visual odometry」と呼ばれる技術である。

例外走行判定部４０は、周辺環境認識部３６で検出した障害物情報と、走行経路生成部３８で推定した自車軌跡、ウィンカーの作動状況を集約して、自車運動を評価する。

自車運動が車線変更や、路駐車両に対する回避行動等であると評価された場合には、定常的な走行経路ではないと判断し、以降の分析処理にそのデータを利用しない。走行軌跡が自車レーンを逸脱したか否かが一つの判定基準である。

（運転情報生成部１６）

運転情報生成部１６では、車両単位で生成された走行情報を集約し、レーン単位で実際の走行経路や速度、停止位置などの運転行動に関連した情報を生成する。

運転情報生成部１６は、走行データ分類部５４、経路情報生成部５６、及び速度情報生成部５８を有している。

走行データ分類部５４は、走行情報を車種別、環境別に分類する。

走行データ分類部５４には、車両条件と環境条件に基づく分類方法を予め用意しておく。経路や速度は車体の大きさや回転半径、重量などに依存して変化する。また時間帯や天候によって交通量が変化し、運転行動にも変化が現れる可能性が高い。これらの要因別に経路分布や速度分布が生成できるように分類要件を設計する。

ここで、周辺環境認識部３６（詳細後述）において、自車以外の移動車両の走行軌跡が算出されている場合には、それぞれの走行軌跡を同様に分類する。車両条件による分類は車長や車高、車幅、ホイールベース、車頭から運転席までの距離、回転半径、車種などに基づく。数値で細かく分類するよりも、車両制御の観点からいくつかのカテゴリを設定しておく方がよい。

一方、環境条件はセンターサーバー側でウェブサイト（Ｗｅｂ）にアクセスし、場所と時間に基づいて走行データに対応する天候条件や照明条件を関連付けてもよい。

図４に示すように、車両状態と天候条件を予め関連付けることで探索を省くことも有効である。

図４は、車両の照明とワイパーとの動作関係により識別したものである。ワイパーがオフのときは晴天であり、間欠運転→緩急の連続運転によって、小雨、運転、豪雨に識別する。一方、照明は全てオフのときは昼であり、スモール（車幅灯、尾灯等）、ヘッドランプ（前照灯）、フォグランプの点灯状態で、夕方、夜、霧の状態を識別する。なお、オートライトにより、全日照明が点灯状態の車両も存在するため、車種、型式等によってテーブルを変更する必要がある。

経路情報生成部５６は、同一カテゴリに分類された走行データから走行軌跡情報を抽出し、その空間分布を生成する。

例えば、レーンを中心とした道路領域を二次元グリッドマップとして表現し、グリッドマップ上に走行軌跡を投影する。

各グリッドには投影回数を保存できるように構成し、走行軌跡と重なったグリッドの投影回数を増加するように操作する。同一カテゴリに分類された走行データを順に投影することで、最終的に二次元のヒストグラム、もしくは二次元の確率分布が形成され、車両が実際に通過する経路を表現することができる。

二次元グリッドマップは、分布を可視化したり、他の情報と統合するのに有効である。但し、保存するデータサイズを小さくするため、他の表現方法を取ることもできる。例えば、二次元グリッドマップで経路分布を調べた後、頻度の高い経路を抽出し、スプラインやクロソイド等のモデルを当てはめて、代表経路をパラメトリックに表現することもできる。

また、単純にレーン中心からのオフセット量で代表経路を表現してもよい。代表経路は１つとは限らず、複数の候補を生成しても構わない。さらに、投影回数が所定の閾値を超えない間は信頼性が低いと判断して、十分なデータ量が蓄積するまで出力を控えてもよい。

速度情報生成部５８は、走行軌跡に付随した速度情報の分布を生成する。

前述した経路情報生成部５６と同様に、二次元グリッドマップを用意する（共有しても構わない）。経路情報生成部５６では、各グリッドが投影回数を保存できるようにしたが、ここでは各グリッドが速度分布を持てるようにする。例えば、グリッド毎に一次元ヒストグラムを保存できるメモリを確保し、速度分布をヒストグラム形式で格納してもよい。平均と分散で表現した統計量としてもよいし、最大値と最小値のような代表値のみを格納するようにしてもよい。

また、速度情報生成部５８では、速度分布の最小値が０、つまり停止した場所に関しては、別途その頻度を算出する。頻度が所定値を超える場所を抽出することで、交差点の進入手前や交差点内での右折待ちなど、停止すべき場所を自動的に抽出することができる。さらに、速度情報生成部５８では、停止場所を二次元グリッドマップ上で空間的に表現してもよいし、いくつかのピーク位置に線分を当てはめるなどして仮想的な停止線を生成してもよい。

経路情報や速度情報は一度に生成を完了する必要はない。走行データが逐次的に収集されるのであれば、統計処理の途中結果を運転経路記憶部２２に一旦保存し、次の処理タイミングの際には運転経路記憶部２２にアクセスして途中結果を取得してから、データ処理を追加的に実施すればよい。

また、第１の実施の形態では経路情報と速度情報の両方を処理する構成で説明したが、どちらか一方を生成する形にしても構わない。図５は、経路と速度の分布を可視化した一例である。

図５（Ａ）は２本の道路Ｒ１、Ｒ２が交差する交差点Ｘ（点線枠内）及びその周辺の平面図である。この図５（Ａ）の交差点Ｘの平面図の上に、経路と速度の分布を可視化して表示したのが図５（Ｂ）である。図５（Ｂ）では、交差点Ｘの画像上に濃度の異なる帯状の線Ｌが経路を表現し、当該線Ｌの濃度差が車速を表現している。濃度が濃いほど車速が速い。なお、可視化する場合には、濃度による識別に限らず、色別にしてもよい。

以下に、第１の実施の形態の作用を、図６のフローチャートに従い説明する。

ステップ１００では、車載センサ群１２で検出したデータを取得し、次いで、ステップ１０２へ移行して車載センサ群１２と道路構造情報に基づいてレーンレベルの自車位置を推定する。

次のステップ１０４では、自車の走行軌跡（速度付）を算出し、次いで、ステップ１０６へ移行して、自車の走行上に存在する障害物を検出し、ステップ１０８へ移行する。ステップ１０８では、障害物及び軌跡形状に基づき、例外走行か否かを判定する。

次のステップ１１０では、ステップ１００〜ステップ１０８の処理で得られた各走行データをセンターサーバーに集約し、ステップ１１２へ移行する。

ステップ１１２では、各走行データに関連する車両情報、環境情報を取得し、次いで、ステップ１１４へ移行して、車両情報、環境情報に基づいて走行データを分類して、ステップ１１６へ移行する。

ステップ１１６では、カテゴリ毎に経路分布を生成し、更新する。また、次のステップ１１８では、カテゴリ毎に経路上の速度分布を生成し、更新して、ステップ１２０へ移行する。

ステップ１２０では、生成した分布情報（経路、速度）を運転経路記憶部２２に保存して、このルーチンは終了する。

運転経路記憶部２２に保存された分布情報は、例えば、運転行動支援装置（自動運転システム）によって自動運転が実行される車両を対象として、道路面上の二次元空間分布を表現する処理を実行するときに適用される。

例えば、従来から提案されている自動運転システムの多くはレーンレベルの道路ネットワーク情報を用いて目的地までの経路を生成し、基本はレーン中心に沿って走るように制御され、他の移動物や障害物と遭遇した場合には局所的な回避経路を生成するように設計されている。

ここで、局所的な経路の形状やそれを通過するための速度制御は乗員の安心感、快適性の観点からとても重要である。

局所経路は、交通規則や運転ノウハウからルール化することができるかもしれないが、状況に応じた行動パターンや環境に応じた停止場所などに全て対応するように設計することは大変難しい。

第１の実施の形態では、運転者（人間）が慣例的に行っている局所的な運転行動（例えば、交差点内のコース取りや、停止線のない交差点での停止位置、単一車線の多重利用等）の分布情報を集約し、道路ネットワーク情報に関連付けて管理・保存する。

自動運転システムは、これらの分布情報を利用することで、環境に適した、乗員に違和感の少ない自動走行を実現することができる。これにより、自動運転システムは、環境や天候に合わせた人間らしい運転行動を計画することができる。

また、第１の実施の形態では、車載センサ群１２を活用した自動処理によりデータベースを生成するため、オペレータによるマニュアル処理がなく、低コストに情報を生成することができる。

「第２の実施の形態」

以下に、本発明の第２の実施の形態について説明する。第２の実施の形態において、第１の実施の形態と同一構成については、同一の符号を付してその構成の説明を省略する。

前述した第１の実施の形態に対して、第２の実施の形態の特徴は、以下の特徴が挙げられる。

（特徴ａ） 監視カメラなど道路近傍に設置されたインフラセンサの情報を利用する点

（特徴ｂ） 危険運転や各種システムエラーの発生を例外走行として情報収集し、レーンレベルのリスク情報を生成する点

（特徴ｃ） 道路構造からデータを集約する単位となる道路区間を設定し、区間ごとに統計値の持ち方を変える点

図７は、本発明の第２の実施の形態に係る運転行動データ生成装置１０Ａの概略構成図である。

図７に示される如く、運転行動データ生成装置１０Ａは、車載センサ群１２、走行情報生成部１４、及び運転情報生成部１６Ａを備えている。また、情報を記憶する記憶媒体として、走行情報生成部１４には、道路構造記憶部１８が接続され、運転情報生成部１６Ａには、車両情報記憶部２０及び運転経路記憶部２２が接続されている。

さらに、第２の実施の形態では、インフラセンサ６０が利用される。

走行情報生成部１４は、走行レーン推定部３２、車両状態検出部３４、周辺環境認識部３６、走行経路生成部３８、及び例外走行判定部４０を有している。

運転情報生成部１６Ａは、走行データ分類部５４、経路情報生成部５６、速度情報生成部５８、リスク情報生成部６２、及び道路区間設定部６４を有している。

ここで、前述の第１の実施の形態では、車両に搭載された車載センサ群１２の情報を収集する構成であった。これに対して、第２の実施の形態では、車載センサ群１２とは別の情報源として、インフラセンサ６０を活用することが１つの特徴である。

インフラセンサ６０としては、図８（Ａ）〜図８（Ｃ）に示される如く、それぞれの用途に応じたカメラ６０Ａ、６０Ｂ、６０Ｃが適用可能である。

すなわち、交差点を中心とした道路周辺には、監視用のカメラ６０Ａ、６０Ｂ（図８（Ａ）及び図８（Ｂ）参照）が設置されていることが多い。また、道路脇の店舗や建物には防犯等の目的で監視用のカメラ６０Ｃ（図８（Ｃ）参照）等が設置されていることが多い。

ＩｏＴ（Internet of Things）の普及が進む中、将来的に、カメラ６０Ａ、６０Ｂ、６０Ｃを代表とするインフラセンサ６０による検出（測定）データが利用できる可能性は十分ある。道路状況を観測する上で、固定されたインフラセンサ６０の情報は非常に有用である。

図７に示される如く、インフラセンサ６０は、移動物情報抽出部６８に接続されており、当該インフラセンサ６０で撮像された画像データは、インフラセンサ６０の位置・姿勢情報と共に移動物情報抽出部６８に送られる。

インフラセンサ６０として適用したカメラ６０Ａ、６０Ｂ、６０Ｃ（図８参照）は、基本的に固定されており、絶対的な位置は変化しないため、設置時に一度だけ位置情報を設定すればよい。なお、カメラ６０Ａ、６０Ｂ、６０Ｃの姿勢（撮像光軸）が、パン・チルト・ズーム等で光軸方向を制御できる場合には、撮像時の光軸方向情報を含むパラメータを画像に関連付けることが好ましい。

移動物情報抽出部６８では、以下の手順（１）及び（２）により、例えば、カメラ６０Ａ、６０Ｂ、６０Ｃで撮像した画像から移動する車両を抽出し、その位置を時間方向に追跡して走行軌跡を検出する。

（手順１） 最初に、背景差分や時間差分を利用して画像中で移動物領域の候補を検出する。候補領域を含む形で画面内に探索領域を設定し、パターン認識処理を利用して車両を検出する。

（手順２） カメラ６０Ａ、６０Ｂ、６０Ｃの設置高さや視線方向は既知であることを前提とし、三角測量の原理等の手段（図９参照）を用いて、レーンレベルの車両位置を推定する。

図９に示される如く、車両Ｖが路面上に位置し、当該車両Ｖから路面に沿って距離ｄだけ離れた位置の直上に、カメラ６０Ａ、６０Ｂ、６０Ｃの何れか（例えば、カメラ６０Ａ）が設置されている。カメラ６０Ａは、路面から高さｈの位置に設置されているものとする。

このカメラ６０Ａにより車両Ｖを撮像するときの方向が、カメラ６０Ａの垂線を基準として角度θであることで、車両Ｖの位置を特定することができる。

なお、カメラ６０Ａに十分な解像度があれば路面のレーンマークも検出できるため、走行レーンを確定することもできる。

図７に示される如く、移動物情報抽出部６８は、運転情報生成部１６Ａの走行データ分類部５４に接続されている。上記手順（１）及び（２）で検出した移動物の軌跡情報は、運転情報生成部１６Ａに送信され、車載センサ群１２に基づく走行情報と統合して利用される。

インフラセンサ６０の情報を、車載センサ群１２の情報に対して適切な重みを設定してマージ(統合）することも有効である。重みは撮像対象の位置に応じて変更するようにしてもよい。インフラセンサ６０の情報の統合により生成情報の精度や信頼性を向上したり、リアルタイムに近い情報を生成することができる。

走行データ分類部５４には、リスク情報生成部６２が接続されている。

ここで、前述の第１の実施の形態では、例外走行として自車レーンをはみ出すような軌跡を判定し、統計処理に利用しない構成とした。これに対して、第２の実施の形態では、例外走行の情報も積極的に収集し、レーンレベルでのリスク情報を生成する。

第２の実施の形態では、第１の実施の形態と同様に、駐車車両の回避や車線変更は統計処理から外す。

一方で、車両運動センサ２６の出力から急なステアリング操作や加減速が生じたり、車両状態センサ２８の出力からＡＢＳ、ＶＳＣ、ＬＤＷ、及びＰＣＳ等の安全システムの作動を検出した場合には、イレギュラー走行として判定し、その発生箇所を走行軌跡に関連付ける。

走行軌跡に関連付けた情報は、リスク情報生成部６２で処理される。リスク情報生成部６２では、経路情報生成部５６と同様に、二次元グリッドマップ上に経路分布を投影し、イベント発生箇所の空間分布を生成する。

第２の実施の形態では、走行情報生成部１４の例外走行判定部４０の判定結果は、道路区間設定部６４を介して、走行データ分類部５４に送出されるようになっている。

道路区間設定部６４では、道路構造や生成した経路情報に基づいて、データ集約する。これにより、システムの効率化を図る。

道路構造記憶部１８からレーンレベルの道路構造が得られるので、レーン数が増減したり、複数の接続関係が発生する箇所を中心に道路区間を設定する。道路区間の設定例を図１０に示す。なお、道路区間の設定は、道路構造に関連して予め設定しておいてもよい。

レーン数の増減が無い単路では、取り得る経路はバリエーションに乏しく、概ね中心位置からのオフセット量のみで表現できる。

一方、交差点Ｘ（図１０（Ａ）参照）や、レーン数が増減する接合部Ｇ（図１０（Ｂ）参照）では車種ごとの経路差が顕著に現れる。

従って、このような領域では経路の二次元空間分布、若しくは、経路と速度を混合した三次元分布を表現できるようにする。このように、場所に応じて表現形式を変更することで、運転経路記憶部２２の必要メモリを最適化することができる。

しかしながら、予想に反して単路ではあるが、経路分布が単純でない場所も発生する可能性がある。従って、道路区間設定部６４は生成した経路情報をフィードバックして、区間の設定方法を変更できるようにすることが望ましい。

以下に、第２の実施の形態の作用を、図１１のフローチャートに従い説明する。なお、第１の実施の形態における所定手順（図６参照）と同一の処理ステップについては、符号の末尾に「Ａ」を付す。

ステップ１００Ａでは、車載センサ群１２で検出したデータを取得し、次いで、ステップ１０２Ａへ移行して車載センサ群１２と道路構造情報に基づいてレーンレベルの自車位置を推定する。

次のステップ１０４Ａでは、自車の走行軌跡（速度付）を算出し、次いで、ステップ１０６Ａへ移行して、自車の走行上に存在する障害物を検出し、ステップ１０８Ａへ移行する。ステップ１０８Ａでは、障害物及び軌跡形状から例外走行か否かを判定し、ステップ１１０Ａへ移行する。

ここで、インフラセンサ６０では、例えばカメラ６０Ａ、６０Ｂ、６０Ｃの撮像による情報取得が並行して実行される。

ステップ１５０では、インフラセンサ６０のデータを取得し、次いでステップ１５２へ移行して移動物を追跡して軌跡を生成し、ステップ１５４へ移行する。ステップ１５４では、ステップ１５２で生成した情報をセンターサーバーに送信し、ステップ１１０Ａに移行する。

次のステップ１１０Ａでは、ステップ１００Ａ〜ステップ１０８Ａの処理で得られた各走行データをセンターサーバーに集約し、ステップ１１１へ移行する。このとき、センターサーバーには、ステップ１５４の処理により、インフラセンサ６０から得た情報を受信しており、各走行データと共にセンターサーバーに集約される。

ステップ１１１では、レーン接続情報から道路区間を設定し、ステップ１１２Ａへ移行する。

ステップ１１２Ａでは、各走行データに関連する車両情報、環境情報を取得し、次いで、ステップ１１４Ａへ移行して、車両情報、環境情報に基づいて走行データを分類して、ステップ１１６Ａへ移行する。

ステップ１１６Ａでは、カテゴリ毎に経路分布を生成し、更新する。また、次のステップ１１８Ａでは、カテゴリ毎に経路上の速度分布を生成し、更新して、ステップ１１９Ａへ移行する。ステップ１１９Ａでは、カテゴリ毎にリスク分布を生成し更新して、ステップ１２０Ａへ移行する。

ステップ１２０Ａでは、生成した分布情報（経路、速度）を運転経路記憶部２２に保存して、このルーチンは終了する。

第２の実施の形態によれば、自動運転システムは、環境や天候に合わせた人間らしい運転行動を計画することができる。

また、第２の実施の形態では、車載センサ群１２やインフラセンサ６０を活用した自動処理によりデータベースを生成するため、オペレータによるマニュアル処理がなく、低コストに情報を生成することができる。

１０ 運転行動データ生成装置
１２ 車載センサ群（取得手段）
１４ 走行情報生成部（判定手段、分類手段）
１６ 運転情報生成部（生成手段）
１８ 道路構造記憶部
２０ 車両情報記憶部
２２ 運転経路記憶部（運転行動データベース）
２４ 環境認識センサ
２６ 車両運動センサ
２８ 車両状態センサ
３０ 測位センサ
３２ 走行レーン推定部（判定手段）
３４ 車両状態検出部（取得手段）
３６ 周辺環境認識部（分類手段）
３８ 走行経路生成部（判定手段）
４０ 例外走行判定部
４２ 自車
４６、４８ レーンマーク
５０ Ｕターン禁止標識
５２ 速度制限標識
５４ 走行データ分類部（分類手段）
５６ 経路情報生成部（生成手段）
５８ 速度情報生成部（生成手段）
Ｒ１、Ｒ２ 道路
Ｘ 交差点
Ｄｘ 道路データ
（第２の実施の形態）
１０Ａ 運転行動データ生成装置
１６Ａ 運転情報生成部
６０ インフラセンサ
６２ リスク情報生成部
６４ 道路区間設定部
６０Ａ、６０Ｂ、６０Ｃ カメラ
６８ 移動物情報抽出部

Claims (10)

1. 車両に搭載された車載センサから、当該車両の運転に関わる運転情報を取得する取得手段と、
   前記取得手段で取得した運転情報を、予め既知の走行路の構造情報と照合して、走行路のレーン単位の車両位置及び走行軌跡を含む走行履歴を判定する判定手段と、
   前記判定手段で判定した走行履歴に関する情報を、車両の運動性能に関する車両条件、及び車両の走行時の周囲の環境条件の少なくとも一方を分類要件として、走行路のレーン単位で分類する分類手段と、
   特定の領域の走行路を走行する車両に対して、当該車両が取り得る経路又は速度の少なくとも一方に関する案内を実行するときに用いられる運転行動データを、前記分類手段で分類された分類要件毎に生成する生成手段と、
   を有する運転行動データ生成装置。
2. 前記経路に関する案内が、
   走行路のレーン単位で集約された走行履歴に関する情報に基づく空間分布であることを特徴とする請求項１記載の運転行動データ生成装置。
3. 前記速度に関する案内が、
   前記特定の領域の走行路に沿った車両の速度分布であることを特徴とする請求項１記載の運転行動データ生成装置。
4. 前記車載センサから取得した運転情報から、施設の有無を含む周辺環境を認識する周辺環境認識手段と、
   前記周辺環境認識手段で認識した周辺環境に関する情報と、車両の走行軌跡とに基づいて、前記走行軌跡について、走行路のレーン変更、障害物回避行動の少なくとも１つを含む例外走行があったか否かを判別する例外走行判別手段とをさらに有し、
   例外走行と判別された走行軌跡は、前記分類手段による分類対象から除外する、
   ことを特徴とする請求項１〜請求項３の何れか１項記載の運転行動データ生成装置。
5. 前記運転情報に基づく急制動や急ハンドルを含む運転操作、及び車両に搭載した安全システムの作動状況の統計データに基づき、イレギュラー走行を抽出するイレギュラー走行抽出手段をさらに有し、
   前記イレギュラー走行として抽出された走行軌跡は、前記分類手段による分類要件のリスク情報として登録する、
   ことを特徴とする請求項１〜請求項４の何れか１項記載の運転行動データ生成装置。
6. 前記判定手段で判定した走行履歴に関する情報を分類する走行路区間を設定する区間設定手段をさらに有し、
   前記区間設定手段が、走行路のレーン数が増減する地点、走行路が合流及び分岐する地点を含む変化点に基づいて走行路区間を設定することを特徴とする請求項１〜請求項５の何れか１項記載の運転行動データ生成装置。
7. 前記車両の性能に関する車両条件が、
   車長、車幅、車高、ホイールベース、車頭から運転席までの距離、回転半径、及び車両タイプの少なくとも一つを用いて特定されることを特徴とする請求項１〜請求項６の何れか１項記載の運転行動データ生成装置。
8. 前記車両の走行時の周囲の環境条件が、
   暦、時間帯、天候、及び照度の少なくとも一つを用いて特定されることを特徴とする請求項１〜請求項６の何れか１項記載の運転行動データ生成装置。
9. 走行路に沿って設置された監視カメラを含むインフラセンサから移動物情報を検出する移動物情報検出手段をさらに有し、
   前記移動物情報検出手段で検出された移動物情報を、前記インフラセンサが設置された領域の走行路を通過する車両の走行履歴に関する情報に付加することを特徴とする請求項１〜請求項８の何れか１項記載の運転行動データ生成装置。
10. 運転支援装置が、特定の領域の走行路を走行する車両に対して、当該車両が取り得る経路又は速度の少なくとも一方に関する案内を実行するときに用いられ、
    車両の運動性能に関する車両条件、及び車両の走行時の周囲の環境条件の少なくとも一方を分類要件として、走行路のレーン単位で集約された走行履歴情報に基づく空間分布により、前記特定の領域の走行路を表現可能な運転行動データが記憶されたことを特徴とする運転行動データベース。