JP2019189216A - 予想的車線変更のためのシステム及び方法 - Google Patents

Abstract

【課題】隣接車線に隣接する現在の車線に位置付けられたホスト車両を支援する予想的車線変更システムを提供する。【解決手段】予想的車線変更システムは、潜在的な車線変更位置を識別し、近接車両と関連付けられた近接車両データを受信する識別モジュールを含んでもよい。予想的車線変更システムは、近接車両のセットについての未来時における未来の運動学的データを予測する予測モジュールを含んでもよい。予想的車線変更システムは、未来の運動学的データに基づいて、潜在的な車線変更位置における切れ目が未来時において利用可能であるかどうかを判定する判定モジュールを含んでもよい。予想的車線変更システムは、潜在的な車線変更位置における切れ目が未来時において利用可能であると判定したことに応答して、ホスト車両に対して車線変更手順を開始する車線変更モジュールを含んでもよい。【選択図】図１

Description

車線を変更することは、緊張を引き起こす運転シナリオであり、交通渋滞及び衝突を引き起こすことがある。車線変更は、１つの車線にある車両が通行の隣接車線に横方向に移動するときに発生する。車線変更車両の運転者は、隣接車線に既にある車両の相対的な位置及び速さに基づいて、車線変更が可能であるかどうかを決定しなければならない。例えば、運転者は、車両が隣接車線に移動する時までに隣接車線の通行内の切れ目が利用可能であるかどうかを判定する必要がある。

下流方向車両のアクションは、切れ目が利用可能であるかどうかに影響を与えることがあるので、これは、下流方向車両によるシナリオにおいて更に複雑になる。例えば、下流方向車両のうちの１つが減速する場合、切れ目が予想外に閉じられることがある。したがって、車線変更車両の運転者は、隣接車線に既にある車両の位置及び速さを測定しなければならず、車線変更が可能であるかどうかを判定することがいまだに可能でないことがある。同様に、隣接車線に既にある車両の運転者は、本線車両の前方の１つまたは２つの車両に位置する下流方向車両の行動を推測することができるにすぎない。よって、車線を変更することは、車線を変更する車両及び隣接車線に既にある車両の両方の運転者にとって緊張を引き起こす。

１つの態様に従って、隣接車線に変更する、現在の車線に位置付けられたホスト車両を支援する予想的車線変更システムが説明される。予想的車線変更システムは、潜在的な車線変更位置を識別し、近接車両と関連付けられた近接車両データを受信する識別モジュールを含んでもよい。近接車両データは、車両識別子及び現在の運動学的データを含む。予想的車線変更システムはまた、近接車両のセットについての未来時における未来の運動学的データを予測する予測モジュールを含んでもよい。近接車両のセットは、少なくとも３つの近接車両を有してもよい。予想的車線変更システムは更に、未来の運動学的データに基づいて、潜在的な車線変更位置における切れ目が未来時において利用可能であるかどうかを判定する判定モジュールを含んでもよい。予想的車線変更システムはまた、潜在的な車線変更位置における切れ目が未来時において利用可能であると判定したことに応答して、ホスト車両に対して車線変更手順を開始する車線変更モジュールを含んでもよい。

別の態様に従って、隣接車線に変更している、現在の車線に位置付けられたホスト車両を支援する予想的車線変更システムが説明される。予想的車線変更システムは、潜在的な車線変更位置を識別し、近接車両と関連付けられた近接車両データを受信する識別モジュールを含んでもよい。近接車両データは、車両識別子及び現在の運動学的データを含む。予想的車線変更システムはまた、予測増分が未来時に対応するまで、予測増分において近接車両のセットについての運動学的データを繰り返して計算することによって、未来の運動学的データを生成する予測モジュールを含んでもよい。予測増分が未来時に対応するとき、予測増分の運動学的データは、未来の運動学的データとして識別される。予想的車線変更システムは更に、未来の運動学的データに基づいて、潜在的な車線変更位置における切れ目が未来時において利用可能であるかどうかを判定する判定モジュールを含んでもよい。予想的車線変更システムはまた、潜在的な車線変更位置における切れ目が未来時において利用可能であると判定したことに応答して、ホスト車両に対して車線変更手順を開始する車線変更モジュールを含んでもよい。

追加の態様に従って、隣接車線に変更している、現在の車線に位置付けられたホスト車両を支援する予想的車線変更方法が説明される。予想的車線変更方法は、潜在的な車線変更位置を識別し、近接車両と関連付けられた近接車両データを受信することを含む。近接車両データは、車両識別子及び現在の運動学的データを含む。予想的車線変更方法はまた、近接車両の近接車両のセットを識別することを含む。近接車両のセット内の近接車両データは、運動学的データの予測増分を計算するために、予測モデルと比較される。予想的車線変更方法は、運動学的データの予測増分が未来時に対応するかどうかを判定することを含む。予想的車線変更方法は加えて、前の予測増分が未来時に対応しないとき、次の予測増分において運動学的データを計算するために、前の予測増分を予測モデルと比較することを含む。追加の運動学的データは、次の予測増分が未来時に対応するとき、未来の運動学的データとして識別される。予想的車線変更方法は、未来の運動学的データに基づいて、潜在的な車線変更位置における切れ目が未来時において利用可能であるかどうかを判定することを含む。車線変更手順は、潜在的な車線変更位置における切れ目が未来時において利用可能であると判定したことに応答して、ホスト車両に対して開始される。

例示的な実施形態に従った、車線変更を予想するシステム及び方法を実施するための動作環境の概略図である。 例示的な実施形態に従った、隣接車線に車線を変更するホスト車両の概略図である。 例示的な実施形態に従った、実施例の近接車両センサを有するホスト車両の概略表示である。 例示的な実施形態に従った、予測モデルについての例示的な予測プロットである。 例示的な実施形態に従った、差動速さビンに基づいた例示的な予測プロットを含む。 例示的な実施形態に従った、差動速さビンに基づいた例示的な予測プロットを含む。 例示的な実施形態に従った、差動速さビンに基づいた例示的な予測プロットを含む。 例示的な実施形態に従った、差動速さビンに基づいた例示的な予測プロットを含む。 例示的な実施形態に従った、差動速さビンに基づいた例示的な予測プロットを含む。 例示的な実施形態に従った、差動速さビンに基づいた例示的な予測プロットを含む。 例示的な実施形態に従った、差動速さビンに基づいた例示的な予測プロットを含む。 例示的な実施形態に従った、切れ目に移動する車線変更車両の概略図である。 例示的な実施形態に従った、予想的車線変更のための方法の処理フローチャートである。 例示的な実施形態に従った、予測増分を計算することを含む予想的車線変更のための方法の処理フローチャートである。 例示的な実施形態に従った、裁量的車線変更判定を含む予想的車線変更のための方法の処理フローチャートである。

概して、本明細書で開示されるシステム及び方法は、ホスト車両による車線変更に影響を与えることがある近接車両の行動を予想することを対象とする。例えば、ホスト車両の運転者またはホスト車両が車線変更を行うことを望むとき、予想的車線変更システムは、車線変更車両に順応することができる潜在的な車線変更位置を探索する。車線変更車両が車線を変更する用意ができる時までに潜在的な車線変更位置における切れ目が利用可能であるかどうかを判定するために、予想的車線変更システムは、下流方向及び上流方向車両が切れ目に及ぼし得る影響を考慮するために、その下流方向及び上流方向車両の行動をモデル化する。例えば、近接車両の予測された速さ及び予測された位置が、切れ目の予測されたサイズを、閾値サイズを下回って減少させる場合、予想的車線変更システムは、車線変更手順を自動で中断することができる。代わりに、切れ目の予測されたサイズが許容可能な範囲内にある場合、車線変更車両は、車線変更手順を実行し、また、近接車両の予測された行動に基づいて先制して加速及び減速することができる。したがって、予想的車線変更システムは、下流方向及び上流方向近接車両から広まる交通混乱を考慮する。

定義
以下は、本明細書で採用される選択された用語の定義を含む。定義は、用語の範囲内にあり、実装態様のために使用することができる様々な実施例及び形式の構成要素を含む。実施例は、限定することを意図しない。

本明細書で使用されるように、「バス」は、コンピュータの内部で、またはコンピュータの間で他のコンピュータ構成要素に動作可能に接続された相互接続アーキテクチャを指す。バスは、コンピュータ構成要素の間でデータを転送することができる。バスは、中でも、メモリバス、メモリコントローラ、周辺機器バス、外部バス、クロスバースイッチ、及び／またはローカルバスとすることができる。バスはまた、中でも、メディアオリエンティドシステムトランスポート（ＭＯＳＴ）、コントローラエリアネットワーク（ＣＡＮ）、ローカルインターコネクトネットワーク（ＬＩＮ）などのプロトコルを使用して、車両の内部の構成要素を相互接続する車両バスとすることができる。

本明細書で使用されるように、「コンピュータ通信」は、２つ以上のコンピューティングデバイス（例えば、コンピュータ、携帯情報端末、携帯電話、ネットワークデバイス、車両、車両コンピューティングデバイス、インフラストラクチャデバイス、路側デバイス）の間の通信を指し、例えば、ネットワーク転送、データ転送、ファイル転送、アプレット転送、電子メール、及びハイパーテキスト転送プロトコル（ＨＴＴＰ）転送などとすることができる。コンピュータ通信は、いずれかのタイプの構成を有するいずれかのタイプの有線または無線システム及び／またはネットワーク、例えば、中でも、ローカルエリアネットワーク（ＬＡＮ）、パーソナルエリアネットワーク（ＰＡＮ）、無線パーソナルエリアネットワーク（ＷＰＡＮ）、無線ネットワーク（ＷＡＮ）、ワイドエリアネットワーク（ＷＡＮ）、メトロポリタンエリアネットワーク（ＭＡＮ）、仮想プライベートネットワーク（ＶＰＮ）、セルラネットワーク、トークンリングネットワーク、ポイントツーポイントネットワーク、アドホックネットワーク、モバイルアドホックネットワーク、車両アドホックネットワーク（ＶＡＮＥＴ）、車両間（Ｖ２Ｖ）ネットワーク、車両ツーエブリシング（Ｖ２Ｘ）ネットワーク、車両ツーインフラストラクチャ（Ｖ２Ｉ）ネットワーク、にわたって行われてもよい。コンピュータ通信は、中でも、イーサネット（登録商標）（例えば、ＩＥＥＥ８０２．３）、ＷｉＦｉ（例えば、ＩＥＥＥ８０２．１１）、通信アクセスフォーランドモバイル（ＣＡＬＭ）、ＷｉＭａｘ、Ｂｌｕｅｔｏｏｔｈ（登録商標）、Ｚｉｇｂｅｅ（登録商標）、ウルトラワイドバンド（ＵＷＡＢ）、多入力多出力（ＭＩＭＯ）、電気通信及び／またはセルラネットワーク通信（例えば、ＳＭＳ、ＭＭＳ、３Ｇ、４Ｇ、ＬＴＥ、５Ｇ、ＧＳＭ（登録商標）、ＣＤＭＡ、ＷＡＶＥ）、サテライト、専用短距離通信（ＤＳＲＣ）を含むがそれらに限定されない、いずれかのタイプの有線、無線、またはネットワーク通信プロトコルを利用することができる。

本明細書で使用されるように、「ディスク」は、例えば、磁気ディスクドライブ、ソリッドステートディスクドライブ、フロッピーディスクドライブ、テープドライブ、Ｚｉｐドライブ、フラッシュメモリカード、及び／またはメモリスティックとすることができる。更に、ディスクは、ＣＤ−ＲＯＭ（コンパクトディスクＲＯＭ）、ＣＤレコーダブルドライブ（ＣＤ−Ｒドライブ）、ＣＤリライタブルドライブ（ＣＤ−ＲＷドライブ）、及び／またはデジタルビデオＲＯＭドライブ（ＤＶＤ ＲＯＭ）とすることができる。ディスクは、コンピューティングデバイスのリソースを制御または割り当てるオペレーティングシステムを記憶することができる。

本明細書で使用されるように、「データベース」は、テーブル、テーブルのセット、データストアのセット、ならびに／またはそれらのデータストアにアクセスし、及び／もしくはそれらのデータストアを操作する方法を指すことができる。いくつかのデータベースは、上記定義されたディスクと共に組み込まれてもよい。

本明細書で使用されるように、「メモリ」は、揮発性メモリ及び／または不揮発性メモリを含むことができる。不揮発性メモリは、例えば、ＲＯＭ（リードオンリメモリ）、ＰＲＯＭ（プログラム可能リードオンリメモリ）、ＥＰＲＯＭ（消去可能ＰＲＯＭ）、及びＥＥＰＲＯＭ（電気的消去可能ＰＲＯＭ）を含むことができる。揮発性メモリは、例えば、ＲＡＭ（ランダムアクセスメモリ）、同期ＲＡＭ（ＳＲＡＭ）、動的ＲＡＭ（ＤＲＡＭ）、同期ＤＲＡＭ（ＳＤＲＡＭ）、ダブルデータレートＳＤＲＡＭ（ＤＤＲ ＳＤＲＡＭ）、及びダイレクトＲＡＭバスＲＡＭ（ＤＲＲＡＭ）を含むことができる。メモリは、コンピューティングデバイスのリソースを制御または割り当てるオペレーティングシステムを記憶することができる。

本明細書で使用されるように、「モジュール」は、機能（複数可）もしくはアクション（複数可）を実行し、ならびに／または別のモジュール、方法、及び／もしくはシステムからの機能もしくはアクションを生じさせるための、命令を記憶した非一時的コンピュータ可読媒体、マシン上で実行する命令、ハードウェア、ファームウェア、マシン上で実行するソフトウェア、及び／または各々の組み合わせを含むが、それらに限定されない。モジュールはまた、論理、ソフトウェア制御マイクロプロセッサ、離散論理回路、アナログ回路、デジタル回路、プログラムされた論理デバイス、実行命令を含むメモリデバイス、論理ゲート、ゲートの組み合わせ、及び／または他の回路構成要素を含んでもよい。複数のモジュールが１つのモジュールに組み合わされてもよく、単一のモジュールが複数のモジュールの中で分散されてもよい。

本明細書で使用されるように、「障害」は、車道内のいずれかの物体を指し、車道を横断する歩行者、他の車両、動物、瓦礫、道にできた穴などを含んでもよい。更に、「障害」は、大部分のいずれかの通行状態、道路状態、天候状態などを含んでもよい。障害の例は、他の車両（例えば、障害車両）、建物、ランドマーク、車道内の障害物、道路区分、交差点などを含んでもよいが、必ずしもそれらに限定されない。よって、障害は、車両が走行して、それに沿って走行すると予測される経路に沿った進路、１つ以上の道路区分などに見られ、検出され、または関連付けられてもよい。

「動作可能接続」またはそれによって実在物が「動作可能に接続される」接続は、信号、物理通信、及び／または論理通信を送信及び／または受信することができる接続である。動作可能接続は、無線インタフェース、物理インタフェース、データインタフェース、及び／または電機的インタフェースを含むことができる。

本明細書で使用されるように、「プロセッサ」は、信号を処理し、全体的な計算及び算術的関数を実行する。プロセッサによって処理される信号は、デジタル信号、データ信号、コンピュータ命令、プロセッサ命令、メッセージ、ビット、ビットストリーム、または受信、伝送、及び／もしくは検出することができる他の手段を含むことができる。概して、プロセッサは、複数のシングルプロセッサ及びマルチコアプロセッサ、複数のシングルコプロセッサ及びマルチコアコプロセッサ、他の複数のシングルプロセッサアーキテクチャ及びマルチコアプロセッサアーキテクチャ、ならびに他の複数のシングルコプロセッサアーキテクチャ及びマルチコアコプロセッサアーキテクチャを含む、多様な様々なプロセッサとすることができる。プロセッサは、様々な機能を実行する様々なモジュールを含むことができる。

本明細書で使用されるように、「車両」は、１人以上の人間の乗員を輸送し、いずれかの形式のエネルギーによって電力供給される能力を有する、いずれかの移動車両を指す。用語「車両」は、乗用車、トラック、バン、ミニバン、ＳＵＶ、モータサイクル、スクータ、ボート、ゴーカート、娯楽車、鉄道輸送、水上バイク、及び飛行機を含むが、それらに限定されない。いくつかのケースでは、モータ車両は、１つ以上のエンジンを含む。更に、用語「車両」は、１人以上の人間の乗員を輸送し、電池により電力供給される１つ以上の電機モータによって全体的にまたは部分的電力供給される能力を有する、電気自動車（ＥＶ）を指すことができる。ＥＶは、バッテリ電気自動車（ＢＥＶ）及びプラグインハイブリッド電気自動車（ＰＨＥＶ）を含むことができる。用語「車両」はまた、いずれかの形式のエネルギーによって電力供給される自律車両及び／または自動運転車両を指すことができる。自律車両は、１人以上の人間の乗員を輸送してもよく、または輸送しなくてもよい。更に、用語「車両」は、予め定められた進路により自動化され、もしくは自動化されていない車両、または自由移動車両を含むことができる。

本明細書で使用されるように、「車両システム」は、車両、運転、及び／または安全を強化するために使用されることができる、いずれかのオートマチックまたはマニュアルシステムを含むことができるが、それに限定されない。例示的な車両システムは、中でも、電子安定制御システム、アンチロックブレーキシステム、ブレーキ支援システム、自動ブレーキプレフィルシステム、低速追従システム、クルーズ制御システム、衝突警報システム、衝突軽減ブレーキシステム、自動クルーズ制御システム、車線逸脱警報システム、ブラインドスポットインジケータシステム、車線維持支援システム、ナビゲーションシステム、動力伝達システム、ブレーキペダルシステム、電子パワーステアリングシステム、視覚的デバイス（例えば、カメラシステム、近接センサシステム）、温度制御システム、電子プリテンショニングシステム、監視システム、同乗者検出システム、車両サスペンションシステム、車両シート構成システム、車両キャビン照明システム、音声システム、センサシステムを含むが、それらに限定されない。

本明細書で使用されるように、「車両の乗員」は、車両内に位置する１つ以上の生物的存在を含むことができるが、それに限定されない。車両の乗員は、車両の運転者または同乗者とすることができる。車両の乗員は、人間（例えば、成人、子供、幼児）または動物（例えば、ペット、犬、猫）とすることができる。

システム概要
１つ以上の例示的な実施形態を例示することを目的とし、それらを限定することを目的としてない、図面をここで参照すると、図１は、予想的車線変更のための動作環境１００の概略図である。動作環境１００の構成要素と共に、本明細書で議論される他のシステム、ハードウェアアーキテクチャ、及びソフトウェアアーキテクチャの構成要素は、様々な実施形態についての異なるアーキテクチャに組み合わされることができ、省略されることができ、または編成されることができる。更に、動作環境１００の構成要素は、実施例のホスト車両３００（図３に図示する）など、ホスト車両により実施されることができ、またはホスト車両と関連付けられることができる。

図１の例示される実施形態では、動作環境１００は、車両の様々な構成要素及び動作環境１００の他の構成要素を処理し、それらと通信し、及びそれらと相互作用する装置を有する車両コンピューティングデバイス（ＶＣＤ）１０２を含む。１つの実施形態では、ＶＣＤ１０２は、例えば、中でも、テレマティックユニット、ヘッドユニット、ナビゲーションユニット、インフォテインメントユニット、電子制御ユニットの一部として、実施例のホスト車両３００により実施されることができる。他の実施形態では、ＶＣＤ１０２の構成要素及び機能は、例えば、ポータブルデバイス（図示せず）またはネットワーク（例えば、ネットワーク１４０）を介して接続された別のデバイスにより実施例のホスト車両３００からリモートに実施されることができる。

概して、ＶＣＤ１０２は、バス１１２ならびに／または他の有線及び無線技術を介してコンピュータ通信のために各々が動作可能に接続された、プロセッサ１０４、メモリ１０６、ディスク１０８、及び入力／出力（Ｉ／Ｏ）インタフェース１１０を含む。Ｉ／Ｏインタフェース１１０は、ＶＣＤ１０２の構成要素と、本明細書で説明される他の構成要素、ネットワーク、及びデータソースとの間のデータ入力及び出力を促進するソフトウェア及びハードウェアを提供する。加えて、プロセッサ１０４は、動作環境１００の構成要素によって促進される、車線変更位置及び行動を予想する際にホスト車両を支援する、識別モジュール１１４、予測モジュール１１６、判定モジュール１１８、及び車線変更モジュール１２０を含む。

ＶＣＤ１０２はまた、１つ以上の車両システム１２２へのコンピュータ通信（例えば、バス１１２及び／またはＩ／Ｏインタフェース１１０を介した）のために動作可能に接続される。車両システム１２２は、車両、運転、及び／または安全を強化するために使用されることができる、いずれかのオートマチックまたはマニュアルシステムを含むことができるが、それらに限定されない。ここで、車両システム１２２は、例示的な実施形態に従った、ナビゲーションシステム１２４、ライトシステム１２６、音声システム１２８、及びインフォテインメントシステム１３０を含む。ナビゲーションシステム１２４は、経路及び目的地情報を記憶、計算、及び提供し、ターンバイターン指示のような機能を促進する。ライトシステム１２６は、例えば、車外ライト（例えば、方向指示器）及び／またはダッシュボードライトなどの車内ライトを含む、作動する車両のライトを制御する。音声システム１２８は、実施例のホスト車両３００内の音声（例えば、音声コンテンツ、ボリューム）を制御する。インフォテインメントシステム１３０は、視覚的情報及び／またはエンターテインメントを提供し、ディスプレイ１３２を含むことができる。

車両システム１２２は、様々な車両センサ１３４へのコンピュータ通信を含み、及び／またはコンピュータ通信のために動作可能に接続される。車両センサ１３４は、車両、車両環境、及び／または車両システム１２２と関連付けられた情報を提供及び／または検知する。車両センサ１３４は、車両システム１２２と関連付けられたホスト車両センサ１３６、実施例のホスト車両３００と関連付けられた他の車両センサ、及び／または実施例のホスト車両３００に近接する近接車両に関するデータを収集する近接車両センサ１３８を含むことができるが、それらに限定されない。

ホスト車両センサ１３６は、中でも、環境センサ、車両速さセンサ、アクセルペダルセンサ、ブレーキセンサ、スロットル位置センサ、ホイールセンサ、アンチロックブレーキセンサ、カムシャフトセンサを含むことができるが、それらに限定されない。一部の実施形態では、ホスト車両センサ１３６は、車両システム１２２と共に組み込まれる。例えば、１つ以上のホスト車両センサ１３６は、位置及び速さなど、ホスト車両の特性を監視するために、ナビゲーションシステム１２４と共に組み込まれてもよい。

近接車両センサ１３８は、実施例のホスト車両３００の車内または車外に取り付けられた、カメラ、光学センサ、無線センサなどの撮像センサ、及び実施例のホスト車両３００の車外または車内に取り付けられた、光検出・測距（ＬｉＤＡＲ）センサ、ラダー、レーザセンサなどの光センサを含むことができるが、それらに限定されない。更に、近接車両センサ１３８は、実施例のホスト車両３００の車外の（例えば、ネットワーク１４０を介してアクセスされる）センサ、例えば、中でも、車外カメラ、車両間ネットワーク内の他の車両上のラダー及びレーザセンサ、ストリートカメラ、監視カメラを含むことができる。近接車両センサ１３８は、実施例のホスト車両３００の環境を監視して、近接車両の存在を検出する。加えて、近接車両センサ１３８は、近接車両の位置及び速さなど、１つ以上の近接車両の特性と共に、ホスト車両と１つ以上の近接車両との間の相対的な距離及び速さなど、ホスト車両及び近接車両の相対的な特性を検出してもよい。

したがって、車両センサ１３４は、車両、車両環境、車両システム１２２、実施例のホスト車両３００、及び／または近接車両と関連付けられたデータの測定値を検知し、データのその測定値を示すデータ信号を生成するように動作可能である。それらのデータ信号は、他のデータ測定基準及びパラメータを生成するために、他のデータフォーマット（例えば、数値）に変換されることができ、ならびに／または車両システム１２２及び／もしくはＶＣＤ１０２によって使用されることができる。センサは、いずれかのタイプのセンサ、例えば、中でも、音響センサ、電機センサ、環境センサ、光学センサ、撮像センサ、光センサ、圧力センサ、力センサ、熱センサ、温度センサ、近接センサとすることができることを理解されよう。

ＶＣＤ１０２はまた、ネットワーク１４０及び自然主義行動データベース１４２へのコンピュータ通信のために動作可能に接続される。Ｉ／Ｏインタフェース１１０からネットワーク１４０及び自然主義行動データベース１４２への接続は、様々な方式、例えば、中でも、ネットワーク接続（例えば、有線もしくは無線）、ポータブルデバイスからのセルラデータネットワーク（図示せず）、車両間アドホックネットワーク（図示せず）、車両内ネットワーク（図示せず）、またはそれらのいずれかの組み合わせを通じて促進されることができることを理解されよう。一部の実施形態では、自然主義行動データベース１４２は、車両に搭載されて位置することができ、例えば、メモリ１０６及び／またはディスク１０８に位置することができる。他の実施形態では、自然主義行動データベース１４２は、１つ以上の位置に分散されることができる。

ネットワーク１４０は、例えば、データネットワーク、インターネット、ワイドエリアネットワーク、またはローカルエリアネットワークである。ネットワーク１４０は、様々なリモートデバイス（例えば、データベース、ウェブサーバ、リモートサーバ、アプリケーションサーバ、中間サーバ、クライアントマシン、他のポータブルデバイス）への通信媒体としての役割を果たす。一部の実施形態では、自然主義行動データベース１４２は、ネットワーク１４０に含まれてもよく、ネットワーク１４０を通じてＶＣＤ１０２によってアクセスされてもよく、及び／またはネットワーク１４０が自然主義行動データベース１４２にアクセスすることができる。よって、一部の実施形態では、ＶＣＤ１０２は、ネットワーク１４０を介して自然主義行動データベース１４２からデータを取得することができる。

システム及び方法のアプリケーション
ホスト車両に関するシステム及び方法のアプリケーションが説明される。ホスト車両は、上記説明された動作環境１００を有する車両である。ホスト車両は、第１の車線２０２または第１の車線２０２に隣接する第２の車線２０４にある車両であってもよい。車線変更車両２０６もしくは後続車両２０８のいずれかがホスト車両であり、または車線変更車両２０６及び後続車両２０８の両方がホスト車両である実施例が説明される。実施例は、本質的に例示的であり、限定的であるとして提供されない。例えば、車線変更車両２０６がホスト車両である実施形態は、後続車両２０８がホスト車両でないことを意味しない。後続車両２０８は、ホスト車両であってもよく、またはホスト車両でなくてもよい。したがって、ホスト車両の開示される特徴及び機能、またはそれらの代替物もしくは変形物は、車線変更車両２０６または後続車両２０８のいずれかによって実施されてもよい。

図１は、予想的車線変更のためのシステム及び方法を実施するための動作環境１００の概略図である。図２に示される車道の実施例２００では、第１の車線２０２及び第１の車線２０２に隣接する第２の車線２０４を有する。上記議論されたように、車線変更車両２０６及び／または後続車両２０８は、下流方向近接車両から広まる交通混乱を予想し、車線変更を促進する際に、ホスト車両を支援するために動作環境１００を採用するホスト車両とすることができる。例えば、第１の実施形態では、ホスト車両は、第１の車線２０２から第２の車線２０４に車線を変更することを試みている車線変更車両２０６であってもよい。第２の実施形態では、ホスト車両は、車線変更車両２０６が第１の車線２０２から車線を変更することを試みている第２の車線２０４内で既に走行している後続車両２０８であってもよい。代わりに、車線変更車両２０６及び後続車両２０８の両方は、動作環境１００を有するホスト車両であってもよい。

上記説明されたように、動作環境１００は、識別モジュール１１４を有するプロセッサ１０４を含む。識別モジュール１１４は、ホスト車両と同一の方向に移動している通行を有する車線にある近接車両を識別する。車線変更車両２０６がホスト車両である第１の実施形態に戻ると、識別モジュール１１４は、後続車両２０８、第１の先行車両２１０、及び第２の先行車両２１２を近接車両として識別する。識別モジュール１１４は加えて、第１の車線２０２内でも走行している第１の一線車両２１４及び第２の一線車両２１６を近接車両として識別してもよい。後続車両２０８がホスト車両である第２の実施形態では、識別モジュール１１４は、第１の先行車両２１０、第２の先行車両２１２、第１の一線車両２１４、及び第２の一線車両２１６に加えて、車線変更車両２０６を近接車両として識別する。

近接車両の識別に基づいて、識別モジュール１１４は、潜在的な車線変更位置２１８を識別してもよい。例えば、第１の実施形態では、ホスト車両は、第１の車線２０２から第２の車線２０４に車線を変更することを試みている車線変更車両２０６である。車線変更車両２０６は、後続車両２０８及び第１の先行車両２１０など、近接車両との間の占有されていない空間を潜在的な車線変更位置２１８として識別してもよい。

図１に戻ると、識別モジュール１１４は、車両システム１２２及び／または車両センサ１３４の近接車両センサ１３８から受信されたデータを使用して、少なくとも１つの近接車両を識別してもよい。近接車両センサ１３８は、１つ以上の光学センサ（例えば、無線検出・測距（ＲＡＤＡＲ）デバイス、光検出・測距（ＬｉＤＡＲ）デバイスなど）、撮像センサ（例えば、カメラ、磁気共鳴断層撮影装置、Ｘ線撮影装置など）、及び／または他の測距センサを含んでもよい。

近接車両センサ１３８を有する実施例のホスト車両３００が図３に示される。近接車両センサ１３８は、フォワードセンサ３０２を含んでもよい。フォワードセンサは、カメラなどの撮像センサ、またはＲＡＤＡＲもしくはＬｉＤＡＲデバイスなどの光学センサであってもよい。ここで示されるように、フォワードセンサ３０２は、１６０メートルの範囲及び２０度の視野を有してもよい。フォワードセンサ３０２は、実施例のホスト車両３００の車内または車外に取り付けられてもよい。フォワードセンサ３０２の取り付け（図示せず）は、フォワードセンサ３０２を、固定位置に保持するように固定可能であってもよく、またはフォワードセンサ３０２が実施例のホスト車両３００の周りで回転することを可能にする放射状の取り付けであってもよい。フォワードセンサ３０２は、近接車両から可視光及び赤外線光を検出してもよい。フォワードセンサ３０２はまた、識別モジュール１１４または車両システム１２２のうちの１つによって処理された画像内の光のパターンを検出してもよい。光のパターンは、少なくとも１つの近接車両が方向指示器を点灯していたことを示すことができ、または舗道上の車線の印を識別することができる。

近接車両センサ１３８は加えて、コーナセンサ３０４、３０６、３０８、及び３１０を含んでもよい。１つの実施形態では、コーナセンサ３０４、３０６、３０８、及び３１０は、ＲＡＤＡＲセンサ、またはＬｉＤＡＲなど、少なくとも１つの近接車両を識別するいずれかの他の種類のセンサであってもよい。近接車両センサ１３８は、実施例のホスト車両３００の車内または車外のいずれかの位置上に配置されることができる。例えば、近接車両センサ１３８は、ドア、バンパ、ホイール格納筐体、バックミラー、サイドミラー、ダッシュボード、リヤウインドウなどに配置されることができる。１つの実施例では、コーナセンサ３０４、３０６、３０８、及び３１０は、車両のコーナに取り付けられてもよく、コーナセンサ３０４、３０６、３０８、及び３１０の各々は、８０メートルの範囲及び９０度の視野を有してもよい。

図１に戻ると、近接車両センサ１３８は、ホスト車両の近くに位置する近接車両からのデータを測定する。例えば、近接車両センサ１３８は、近接車両のタイミング、位置、速度、及び加速度と関連付けられたデータを測定してもよく、車両識別子を使用して、その測定されたデータを近接車両に起因させてもよい。識別モジュール１１４は、近接車両を識別するために近接車両センサ１３８から測定されたデータを受信し、対応する近接車両データを生成する。

近接車両センサ１３８は、ホスト車両の近くの近接車両に関するデータを継続的または定期的に測定していてもよい。例えば、測定されたデータは、近接車両に対して追跡されてもよく、その結果、測定されたデータは、近接車両の現在の動きを反映し、近接車両の間の相対的なデータ（例えば、近接車両の間の相対的な速度、間隔など）を含む、現在の運動学的データ（例えば、位置、速度、及び加速度）を生成するために使用されることができる。この方式では、現在の運動学的データは、動きデータの様々な値によって表される近接車両のスナップショットである。例えば、運動学的データは、近接車両センサが集約していた測定されたデータに基づく加速度値を含んでもよい。

現在の運動学的データは、近接車両センサ１３８からの測定されたデータに基づいて、適用可能な近接車両に割り当てられてもよい。例えば、現在の運動学的データに車両識別子が付加されてもよい。よって、識別モジュール１１４は、近接車両センサ１３８からの測定されたデータから特定の近接車両についての現在の運動学的データを計算することができ、現在の運動学的データをその特定の近接車両に起因させることができる。

代わりに、識別モジュール１１４は、コンピュータ通信が送受信機３１２（図３に図示する）において受信していたように、ネットワーク１４０を通じて近接車両から近接車両データを直接受信してもよい。例えば、送受信機３１２によって、実施例のホスト車両３００は、車両間ネットワークを通じて近接車両から近接車両データを直接受信することが可能であってもよい。この方式では、識別モジュール１１４は、近接車両から現在の運動学的データ及び／または車両識別子を直接受信してもよい。別の実施形態では、識別モジュール１１４は、リモートセンサ（例えば、ネットワーク１４０を介してアクセスされる）、例えば、中でも、車外カメラ、ストリートカメラ、監視カメラ、舗道内センサから近接車両データを受信してもよい。したがって、識別モジュール１１４は、フォワードセンサ３０２ならびに／またはコーナセンサ３０４、３０６、３０８、及び３１０など、ホスト車両の近接センサ１３８の範囲の外側にある近接車両についての近接車両データを受信することができる。

識別モジュール１１４は、近接車両をリアルタイムで識別してもよく、ならびに／または前に識別された近接車両に関するデータを記憶、集約、及び追跡してもよい。識別モジュール１１４は加えて、近接車両が車線を変更することを試みようとしていることがあることを示す１つ以上の車線変更インジケータを識別してもよい。車線変更車両２０６がホスト車両である第１の実施形態では、方向指示器を作動させることは、車線変更インジケータであってもよい。第２の実施形態では、ホスト車両は、後続車両２０８など、第２の車線２０４にある車両である。第２の実施形態における車線変更インジケータは、近接車両への方向指示器の点灯、ホスト車両または舗道の線への近接車両の近接性、車線内の障害（図示せず）、交通渋滞などを含んでもよい。例えば、ホスト車両は、近接車両に対して方向指示器が点灯されていることを検出してもよい。別の実施例では、識別モジュール１１４は、複数の車線変更インジケータに基づいて、車線変更車両２０６を、第２の車線２０４に変更することを試みているとして識別してもよい。

１つの実施形態では、識別モジュール１１４は、識別される車線変更インジケータの閾値数に基づいて、近接車両のうちの少なくとも１つを、車線を変更しようとしているとしてフラグ付けしてもよい。別の実施形態では、車線変更インジケータは、積み上げられてもよい。例えば、方向指示器の点灯は、近接車両に対する第１の積み上げ車線変更インジケータであってもよく、ホスト車両または舗道の線への近接車両の近接性、及び第１の車線２０２内の障害は、第２の積み上げ車線変更インジケータであってもよい。識別モジュール１１４は、単一の第１の積み上げ車線変更インジケータが識別されるとき、近接車両を、車線を変更しようとしているとしてフラグ付けしてもよいが、２つ以上の第２の積み上げ車線変更インジケータが識別される場合、近接車両を単にフラグ付けしてもよい。２つの積み上げが説明されるが、それよりも多くのまたは少ない積み上げが採用されてもよい。したがって、潜在的な車線変更位置を識別すること、及び近接車両データを受信することに加えて、識別モジュール１１４は、車線変更インジケータに基づいて、特定の車線変更行動を識別してもよい。

更に、識別モジュール１１４は、欠測した現在の運動学的データを計算してもよい。例えば、識別モジュール１１４が後続車両２０８及び第１の先行車両２１０の位置、速度、及びタイミング情報を含む測定されたデータを受信すると仮定する。識別モジュール１１４は、測定されたデータを使用して現在の運動学的データを生成してもよく、その結果、現在の運動学的データは、後続車両２０８についての位置、速度、及び加速度を含み、第１の先行車両２１０は、近接車両センサ１３８によって測定されてもよい。しかしながら、第２の先行車両２１２は、この実施例では、近接車両センサ１３８の範囲の外である場合がある。したがって、第２の先行車両２１２の位置、速度、及び加速度を含む現在の運動学的データは、ネットワーク１４０を通じてコンピュータ通信として受信されてもよい。

プロセッサ１０４の予測モジュール１１６は、近接車両のうちの少なくともいくつかについての未来時における運動学的データを予測する。未来の運動学的データは、近接車両データの現在の運動学的データに基づいて計算される。１つの実施形態では、予測モジュール１１６は、後続車両２０８、第１の先行車両２１０、及び第２の先行車両２１２についての未来時における運動学的データを予測するために、後続車両２０８、第１の先行車両２１０、及び第２の先行車両２１２の現在の運動学的データを使用する。未来時における未来の運動学的データを予測するために、予測モジュール１１６は、予測増分が未来時に対応するまで、後続車両２０８、第１の先行車両２１０、及び第２の先行車両２１２など、近接車両の各々についての予測増分において運動学的データを繰り返して計算する。未来時は、未来に延びるいくつかの予測増分だけ現在時から分離された時間である。したがって、未来時は、複数の秒に対応し、各々の予測増分は、現在時から未来時までの合計よりも短い特定の時間ステップに対応する。

予測の実施例として、未来時が未来の３秒であると仮定する。予測モジュール１１６は、１秒の予測増分において、後続車両２０８、第１の先行車両２１０、及び第２の先行車両２１２についての運動学的データを計算してもよい。言い換えると、予測モジュール１１６は、Ｔ＝１秒に対応する第１の予測増分において、後続車両２０８、第１の先行車両２１０、及び第２の先行車両２１２についての運動学的データを予測するために、後続車両２０８、第１の先行車両２１０、及び第２の先行車両２１２についてのＴ＝０秒の時間における現在の運動学的データを使用する。

しかしながら、この予測の実施例では、未来時は、Ｔ＝３に対応する。したがって、予測モジュール１１６は、Ｔ＝２秒に対応する第２の予測増分において、後続車両２０８、第１の先行車両２１０、及び第２の先行車両２１２についての追加の運動学的データを予測するために、第１の予測増分（Ｔ＝１）からの運動学的データを使用する。第２の予測増分も未来時に対応しないので、予測モジュール１１６は、Ｔ＝３秒に対応する第３の予測増分において追加の運動学的データを予測するために、第２の予測増分からの運動学的データを使用する。第３の予測増分における追加の運動学的データが未来時（Ｔ＝３）に対応することを理由に、予測モジュール１１６は、Ｔ＝３からの追加の運動学的データを、後続車両２０８、第１の先行車両２１０、及び第２の先行車両２１２についての未来の運動学的データとして識別する。この方式では、予測モジュール１１６は、予測モジュール１１６が近接車両についての未来の運動学的データを識別するまで、予測増分において運動学的データを繰り返して計算する。

予測モジュール１１６は、前の運動学的データを予測モデルのセットの予測モデルと比較することによって、運動学的データを計算してもよい。予測モデルは、現在の運動学的データ及び／または前の運動学的データに基づいて、未来の運動学的データを予測する。図４Ａに示される予測プロット４００は、予測モデルの例示的な実施例であり、図２に関して説明される。予測プロット４００は、潜在的な車線変更位置２１８における間隔が後続車両２０８と第１の先行車両２１０との間の加速度に対して相対的である方式を例示する。したがって、１つの実施形態では、予測プロット４００は、後続車両２０８の加速度を予測するために使用されることができる。

上記与えられた予測の実施例を参照して、現在時Ｔ＝０において、予測モジュール１１６は、後続車両２０８の加速度を予測するために、後続車両２０８の速度、ならびに後続車両２０８と第１の先行車両２１０との間の相対的な速度及び間隔を含む、現在の運動学的データを使用する。予測プロット４００が後続車両２０８についての予測モデルのセットから選択されると仮定する。予測プロット４００は、後続車両２０８と第１の先行車両２１０との間の間隔４０２をデータ適合推定４０４と比較する。データ適合推定４０４は、線形回帰、最良適合モデリング、及び他の適合関数などのいずれかのデータ適合技法を使用して判定されてもよい。

間隔４０２は、交点４０６においてデータ適合推定４０４と交差する。予測モジュール１１６は、交点４０６に対する後続車両２０８の未来の加速度４０８を予測する。未来の加速度４０８は、予測モジュール１１６の１つの予測増分に対応し、よって、ここでは、未来の加速度４０８は、Ｔ＝１秒に対応する第１の予測増分における運動学的データに対応する。

図４ａは、車両のペアの間の差動速さに基づいて、後続車両の加速度または車両間隔を予測するための予測モデルに対応する例示的な予測プロットである。予測モデルを構築するために使用されるデータに基づいて、いずれかの数の予測プロットが使用されてもよい。よって、未来の運動学的データを予測するために、運動学的データ（例えば、位置、タイミング、速度、加速度、間隔など）の異なる値に関連する異なる予測プロットが使用されてもよい。

予測モデルは、シミュレートされたデータまたは自然主義データに基づいてもよい。例えば、予測モデルは、Ｖｅｒｋｅｈｒ Ｉｎ Ｓｔａｄｔｅｎ−シミュレーションモデル（ＶＩＳＳＩＭ）高速道路網からの秒進車両軌道データに基づいてもよい。自然主義データは、監視された行動など、ホスト車両からのデータを含んでもよく、特定の車道上の車両の監視された行動、または１つ以上の車道上のいくつかの車両の監視された行動がグローバルデータとして集約されてもよい。監視された行動は、ネットワーク１４０を介して、中でも、通行カメラ、車道の捕捉されたビデオ、舗道内センサ、及び車道上の他の車両からの車両センサなどの車道センサから自然主義行動データベース１４２によって受信されてもよい。

データ、自然主義、及び／またはシミュレートされたものは、運動学的データに基づいてセットに整理されてもよい。一部の実施形態では、予測モジュール１１６は、運動学的データの特徴に基づいて、データのビンにアクセスしてもよい。例えば、データは、後続車両２０８と第１の先行車両２１０との間で差動的な範囲の速度など、異なる範囲の運動学的データに対応するビンに整理されてもよい。

１つの実施形態では、データのセットは、図４Ｂ〜４Ｇによって表されるビンに整理される。例えば、予測モジュール１１６は、後続車両２０８と第１の先行車両２１０との間で差動的な速度が０〜１０ｍｐｈである場合、図４Ｂの予測プロット４１０によって表されるデータセットにアクセスしてもよく、後続車両２０８と第１の先行車両２１０との間で差動的な速度が１１〜２０ｍｐｈである場合、図４Ｃの予測プロット４２０によって表されるデータセットにアクセスしてもよく、後続車両２０８と第１の先行車両２１０との間で差動的な速度が２１〜３０ｍｐｈである場合、図４Ｄの予測プロット４３０によって表されるデータセットにアクセスしてもよく、後続車両２０８と第１の先行車両２１０との間で差動的な速度が３１〜４０ｍｐｈである場合、図４Ｅの予測プロット４４０によって表されるデータセットにアクセスしてもよく、後続車両２０８と第１の先行車両２１０との間で差動的な速度が４１〜５０ｍｐｈである場合、図４Ｆの予測プロット４５０によって表されるデータセットにアクセスしてもよく、または後続車両２０８と第１の先行車両２１０との間で差動的な速度が５１〜６０ｍｐｈである場合、図４Ｇの予測プロット４６０によって表されるデータセットにアクセスしてもよい。予測プロット４００及び４１０〜４６０は、予測増分において運動学的データを予測するために使用されるデータビニング及びデータ適合推定の例示であるが、データは、ルックアップテーブルまたは他のアクセス可能なデータ形式として使用されてもよい。

同様の形式で、予測モジュール１１６は、予測増分において、第１の先行車両２１０と第２の先行車両２１２との間の未来の運動学的データを繰り返して予測してもよい。第１の先行車両２１０と第２の先行車両２１２との間の交差は、後続車両２０８と第１の先行車両２１０との間の間隔に影響を与える。例えば、第２の先行車両２１２が減速する場合、第１の先行車両２１０も減速する可能性が高く、それによって、後続車両２０８と第１の先行車両２１０との間の間隔を減少させる。よって、予測モジュール１１６は、下流方向及び上流方向の影響を考慮するために、近接車両の２つのペア、（１）後続車両２０８及び第１の先行車両２１０、ならびに（２）第１の先行車両２１０及び第２の先行車両２１２、の間の未来の運動学的データを予測してもよい。

予測モジュール１１６は加えて、（３）車線変更車両２０６及び第１の一線車両２１４、ならびに（４）第１の一線車両２１４及び第２の一線車両２１６を含む、車両の一線のペアについての未来の運動学的データを予測してもよい。第１の先行車両２１０及び第２の先行車両２１２のように、予測モジュール１１６は、それらの車両の交差が車線変更車両２０６に向かって上流方向に再度広まることを理由に、第１の一線車両２１４と第２の一線車両２１６との間の未来の運動学的データを予測する。例えば、第２の一線車両２１６が減速して、第１の一線車両２１４も減速させる場合、車線変更車両２０６は、潜在的な車線変更位置２１８に移動できない可能性がある。

未来の運動学的データが予測モジュール１１６によって予測されると、判定モジュール１１８は、識別モジュール１１４によって識別された潜在的な車線変更位置において切れ目が利用可能であるかどうかを判定するために、未来の運動学的データを使用する。例えば、判定モジュール１１８は、図５に関して説明されるように、潜在的な車線変更位置における切れ目が車線変更車両に対して十分に大きいかどうかを判定してもよい。

図５は、第１の車線５０２及び第２の車線５０４を有する車道の概略図である。車線変更車両５０６は、潜在的な車線変更位置５０８に移動すると予想しており、潜在的な車線変更位置５０８は、後続車両５１０及び第１の先行車両５１２によって境界付けられる。第２の先行車両５１４は、第１の先行車両５１２の下流方向である。第１の切れ目５１６は、潜在的な車線変更位置５０８に存在する。第１の切れ目５１６の間隔は、後続車両５１０と第１の先行車両５１２との間の第１の切れ目長５１８として測定される。第２の切れ目５２０は、第１の先行車両５１２と第２の先行車両５１４との間に位置付けられる。よって、第２の切れ目長５２２の間隔は、第１の先行車両５１２と第２の先行車両５１４との間の距離として測定される。

１つの実施形態では、後続車両５１０は、ホスト車両である。車線変更車両５０６が潜在的な車線変更位置５０８の車線変更距離５２４内にあるとき、後続車両５１０は、第１の切れ目５１６が車線変更車両５０６に対して利用可能であるかどうかを判定する。例えば、第１の切れ目長５１８が未来時において車線変更車両５０６に順応するのに不十分であることを理由に、後続車両５１０の判定モジュール１１８は、第１の切れ目５１６が利用可能でないと判定してもよい。したがって、車線変更モジュール１２０は、運動学的パラメータ（例えば、位置、速さ、加速度、ブレーキ）を調節して、第１の切れ目長５１８を増加させ、それによって、第１の切れ目５１６を車線変更車両５０６に対して利用可能にするように、後続車両５１０の車両システム１２２を制御してもよい。

代わりに、車線変更車両５０６がホスト車両であると仮定する。別の実施形態では、車線変更車両５０６の判定モジュール１１８は、潜在的な車線変更位置５０８における第１の切れ目５１６が車線変更車両５０６に順応するのに十分なサイズであるかどうかを判定してもよい。車線変更車両５０６の車両センサ１３４は、第１の切れ目５１６の第１の切れ目長５１８を測定してもよい。第１の切れ目長５１８は、後続車両５１０から第１の先行車両５１２への距離によって定められてもよい。第１の切れ目長５１８は、第１の切れ目５１６が車線変更車両５０６に順応するのに十分なサイズの切れ目であるかどうかを判定するために、切れ目閾値と比較されてもよい。一部の実施形態では、切れ目閾値は、車線変更車両５０６の長さの２倍である。一部の実施形態では、切れ目閾値よりも長い第１の切れ目長５１８は、第１の切れ目５１６が車線変更車両５０６に順応するのに十分なサイズを有することを示す。逆に、切れ目閾値よりも短い第１の切れ目長５１８は、第１の切れ目５１６が車線変更車両５０６に順応するのに十分なサイズを有さないことを示す。

同様に、判定モジュール１１８は、第１の先行車両５１２と第２の先行車両５１４との間の未来の運動学的データに基づいて、第２の先行車両５１４の動きの影響が上流方向に広まるかどうかを判定してもよい。判定モジュール１１８は、第１の切れ目長５１８上の第２の切れ目長５２２の影響を考慮することができる。例えば、第２の切れ目長５２２が減少している場合、判定モジュール１１８は、第１の切れ目長５１８も同様に減少していると判定してもよい。１つ以上の近接車両の減速度値など、他の未来の運動学的データと組み合わされるとき、判定モジュール１１８は、第１の切れ目５１６が利用可能でないと判定してもよい。

第１の切れ目５１６が十分なサイズの切れ目であると判定したことに応答して、車線変更モジュール１２０は、車線変更車両５０６に車線変更手順を開始させる。ここで、車線変更手順は、車線変更モジュール１２０が、車線変更車両５０６に第２の車線５０４内の第１の切れ目５１６に移動させる車線変更車両５０６の運動学的パラメータを変更するように、車両システム１２２を制御することを含んでもよい。よって、車線変更手順は、ホスト車両に潜在的な車線変更位置５０８における第１の切れ目５１６に移動させるようにホスト車両の運動学的パラメータを変更すること、または第１の切れ目５１６を車線変更車両５０６に対して利用可能にすることを含んでもよい。例えば、後続車両５１０と第１の先行車両５１２との間に留まるために、ホスト車両センサ１３６によって測定される、長手速度制御が継続してもよく、第１の車線５０２から第２の車線５０４に移動し、車線変更の完了をチェックするために、２０度など進路角に従ってホスト車両が操縦される。

一部の実施形態では、車線変更手順を開始することは加えてまたは代わりに、車線変更の可能性に対して車両の乗員に警告することを含んでもよい。例えば、ナビゲーションシステム１２４は、潜在的な車線変更位置５０８への位置、距離、及び方向などの車線変更パラメータを表示してもよい。車線変更パラメータは、インフォテインメントシステム１３０のディスプレイ１３２またはヘッドアップディスプレイ（図示せず）上で表示されてもよい。

車線変更モジュール１２０は、ホスト車両センサの１３６の位置及び速さの測定値に基づいて、車線変更車両５０６が第１の切れ目５１６に移動することを促進する方式で動作または操作するように車線変更車両５０６を制御してもよい。例えば、車線変更モジュール１２０は、それに従って、車線変更車両５０６に動作または操作させるように自律運転システムまたは補助運転者支援システムをトリガしてもよい。第１の切れ目５１６が十分なサイズを有しないと判定したことに応答して、車線変更モジュール１２０は、予測モジュール１１６に、更新された車線変更位置を予測させてもよい。したがって、前の潜在的な車線変更位置が利用可能でないとき、予測モジュール１１６は、潜在的な車線変更位置を更新する。更新された潜在的な車線変更位置は、後続車両５１０、第１の先行車両５１２、及び第２の先行車両５１４など、近接車両の現在の相対的な位置を組み込んで、上記説明されたのと同一の方式で計算される。

この方式では、運動学的データは、車線変更車両５０６が車線を変更しないことを選択し、または第１の切れ目５１６に移動するまで繰り返して判定されてもよい。予測された車線変更はまた、車線変更車両５０６と一線にある近接車両を考慮することができる。例えば、図２に戻ると、識別モジュール１１４は、第１の一線車両２１４及び第２の一線車両２１６についての近接車両データを受信してもよい。予想的車線変更システムは、円滑な車線変更支援を提供する。よって、車線変更行動システムは、自然主義データセットに基づいて車線変更位置予測を促進し、ストレスの多い状況でのより円滑な車線変更手順を通じて車両の乗員の経験を改善する車線変更方法及びシステムを実施する。

図６は、例示的な実施形態に従った、予想的車線変更のための方法の処理フローチャートであり、図１及び５に関して説明される。本明細書で議論される例示的な実施例は、本質的に例示的であり、様々なホスト車両、車両モデル、及び運動学的パラメータを実施できることが理解されよう。

ブロック６０２において、方法は、近接車両と関連付けられた近接車両データを受信することを含み、近接車両データは、車両識別子及び現在の運動学的データを含む。識別モジュール１１４は、１つ以上の近接車両がホスト車両に近接しているかどうかを判定するために、近接車両センサ１３８から、またはネットワーク１４０を通じてデータストリームを受信する。データストリームはまた、ネットワーク１４０を通じて、リモートセンサ（例えば、通行カメラ、舗道内センサ、車両間ネットワーク）から識別モジュール１１４によって受信されてもよい。一部の実施形態では、ホスト車両の近接した距離の半径内にある車両は、近接車両として識別される。近接した距離の半径は、ホスト車両から測定された予め定められた半径の距離であってもよい。

１つの実施形態では、３つ以上の車両は、後続車両５１０、第１の先行車両５１２、及び第２の先行車両５１４（図５に図示する）を含む近接車両として識別されてもよい。したがって、近接車両データは、３つ以上の車両に対して受信される。近接車両データは、ホスト車両上の近接車両センサ１３８から、及び／またはネットワーク１４０を介したコンピュータ通信（例えば、車両間データ）として受信されてもよい。したがって、近接車両が近接車両センサ１３８の範囲の外にある場合でさえ、ホスト車両は、近接車両から近接車両データを受信することができる。

ブロック６０４において、方法は、近接車両データに基づいて、近接車両についての未来の運動学的データを予測することを含む。例えば、ホスト車両は、予測増分が未来時に対応すると判定されるまで、予測増分において運動学的データを繰り返して計算してもよい。未来の運動学的データは、個々の近接車両に関する情報と共に、相互の近接車両に関する情報を含む。例えば、未来の運動学的データは、後続車両５０８についての予測された加速度値と共に、後続車両５１０と第１の先行車両５１２との間の第１の切れ目長５１８を含んでもよい。

ブロック６０６において、方法は、未来の運動学的データに基づいて、潜在的な車線変更位置における切れ目が未来時において利用可能であるかどうかを判定することを含む。切れ目が利用可能であるかどうかは、予測された未来の運動学的データに基づいて判定される。例えば、判定は、未来時における第１の切れ目長５１８が車線変更車両５０６に順応するかどうかに基づいてもよい。

ブロック６０８において、方法は、潜在的な車線変更位置における切れ目が未来時において利用可能であると判定したことに応答して、ホスト車両に対して車線変更手順を開始することを含む。車線変更手順を開始することは、ホスト車両の運動学的パラメータを調節することを含んでもよい。ホスト車両が車線を変更していると仮定すると、運動学的パラメータは、車線変更車両を潜在的な車線変更位置５０８と横方向に一線に至らせるように調節されてもよい。例えば、運動学的パラメータは、ホスト車両を潜在的な車線変更位置５０８の車線変更距離５２４内に至らせるように調節されてもよい。代わりに、ホスト車両が後続車両５１０であると仮定すると、運動学的パラメータは、潜在的な車線変更位置５０８における第１の切れ目５１６を維持または増加させるように調節されてもよい。

運動学的パラメータは、車線変更モジュール１２０によって調節されてもよい。一部の実施形態では、車線変更モジュール１２０は、進化型運転者支援システムまたは自律運転システム（図示せず）により運動学的パラメータを調節してもよい。別の実施形態では、車線変更モジュール１２０は、運動学的パラメータを調節するために、アンチロックブレーキシステム、ブレーキ支援システム、自動ブレーキプレフィルシステム、低速追従システム、またはクルーズ制御システムなどの車両システム１２２を採用してもよい。

車線変更手順を開始することは、音声システム１２８を通じて音声キュー（例えば、サウンドの警告、口頭による警告など）をトリガすること、及び／もしくはナビゲーションシステム１２４を通じて車線変更方向の視覚的インジケーションを含む視覚的キューをトリガすること、ライトシステム１２６によって制御される点灯の連続、またはディスプレイ１３２、インフォテインメントシステム１３０を通じたヘッドアップディスプレイ投影上で表示されてもよい他の視覚的キューをトリガすること、のうちの１つ以上を含んでもよい。車線変更手順を促進することによって、ここで説明されるシステム及び方法は、改善された運転者経験をもたらす。

ブロック６１０において、方法は、潜在的な車線変更位置における切れ目が未来時において利用可能であると判定したことに応答して、ホスト車両に対して車線変更手順を遅延させることを含む。例えば、ホスト車両が車線を変更していると仮定すると、遅延は、予め定められた時間量であってもよく、または異なる近接車両がホスト車両に近接して感知されるまでであってもよい。代わりに、ホスト車両が後続車両５１０であると仮定すると、ホスト車両は、車線変更車両５０６の行動を監視することを遅延させてもよい。

図７は、例示的な実施形態に従った、予測増分を計算することを含む、予想的車線変更のための方法の処理フローチャートである。図７は、上記図６に関して議論されたブロックと同様であり、図５に関して説明されたブロック６０２、６０６、６０８、及び６１０を有する。ブロック７０６〜７１０は、上記図６に関して議論されたブロック６０４に対応する技法を説明し、図５に関して説明される。本明細書で議論される例示的な実施例は、本質的に例示的であること、ならびにホスト車両、モデル、及び運動学的パラメータが実施されることができることを理解されよう。

ブロック６０２において、方法は、近接車両と関連付けられた近接車両データを受信することを含む。上記議論されたように、近接車両データは、車両識別子及び現在の運動学的データを含む。

ブロック７０２において、方法は、潜在的な車線変更位置５０８を識別することを含む。潜在的な車線変更位置５０８は、近接車両及び／またはホスト車両によって経験される下流方向の影響に基づいて識別されてもよい。例えば、潜在的な車線変更位置５０８は、後続車両５１０と第１の先行車両５１２との間の間隔に基づいてもよい。別の実施例では、下流方向の影響は、下流方向の通行、または近接車両がより低速度で下流方向に移動していることに応答して、ホスト車両が減速することを強制されたことであってもよい。

ブロック７０４において、方法は、潜在的な車線変更位置に影響を与えることがある近接車両の近接車両のセットを識別することを含む。一部の実施形態では、近接車両センサ１３８は、第１の切れ目５１６が未来時において利用可能であるかどうかを判定するために必要な更なる近接車両を検出してもよい。したがって、近接車両のセットは、識別された潜在的な車線変更位置５０８に隣接し、または潜在的な車線変更位置５０８に隣接する近接車両に隣接する車両として識別されてもよい。

代わりに、近接車両は、潜在的な車線変更位置５０８に対するペアのメンバーとして識別されてもよい。例えば、１つの実施形態では、近接車両のペアは、（１）後続車両２０８及び第１の先行車両２１０、（２）第１の先行車両２１０及び第２の先行車両２１２、（３）車線変更車両２０６及び第１の一線車両２１４、ならびに／または（４）第１の一線車両２１４及び第２の一線車両２１６、を含んでもよい。近接車両がペアのうちの少なくとも１つのメンバーとして識別される場合、近接車両は、近接車両のセットのメンバーとして識別される。

ブロック７０６において、方法は、運動学的データの予測増分を計算するために、近接車両のセット内の近接車両の近接車両データを予測モデルと比較することを含む。したがって、運動学的データは、近接車両のセットのセット内の各々の近接車両に対して計算される。

ブロック７０８において、方法は、運動学的データの予測増分が未来時に対応するかどうかを判定することを含む。運動学的データの予測増分が未来時に対応しないと判定される場合、方法は、ブロック７１０を続ける。

ブロック７１０において、方法は、近接車両のセットのセット内の各々の近接車両に対して次の予測増分についての追加の運動学的データを計算することを含む。追加の運動学的データは、前の運動学的データに基づいている。方法は次いで、ブロック７０８に戻り、次の予測増分が未来時に対応するかどうかを判定する。この方式では、方法は、予測増分が未来時に対応するまで、運動学的データを繰り返して計算する。

ブロック７０８において、予測増分が未来時に対応すると判定されるとき、方法は、ブロック７１２を続ける。ブロック７１２において、方法は、運動学的データの追加の予測増分を未来の運動学的データとして識別することを含む。

ブロック７１２から、方法は、ブロック６０６を続ける。ブロック６０６において、方法は、図６に関して上記説明されたように、未来の運動学的データに基づいて、潜在的な車線変更位置における切れ目が未来時において利用可能であるかどうかを判定することを含む。

図８は、例示的な実施形態に従った、車線変更が裁量的であるかどうかを判定することを含む、予想的車線変更のための方法の処理フローチャートである。図８は、上記図６に関して議論されたブロックと同様であり、図５に関して説明されたブロック６０２〜６１０を有する。図８のブロック６０２〜６１０は、図６に関して上記説明されたブロックと同様の方式で動作する。本明細書で議論される例示的な実施例は、本質的に例示的であり、ホスト車両、モデル、及び運動学的データの値を実施できることを理解されよう。

ブロック８０２において、方法は、車線変更トリガを受信することを含む。車線変更トリガは、ホスト車両の性質に依存することがある。例えば、車線変更車両５０６がホスト車両である第１の実施形態において仮定する。車線変更トリガは、方向指示器の活性化であってもよい。代わりに、車両システム１２２は、ホスト車両センサ１３６によって測定され、または近接車両センサ１３８によって測定された（例えば、ホスト車両がより低速度で下流方向に移動する近接車両を検知する）下流方向の影響に基づいて（例えば、ホスト車両が下流方向の通行に応答して減速することを強制された）、車線変更トリガを提供してもよい。ホスト車両が後続車両５１０である第２の実施形態において仮定すると、車線変更トリガは、車線変更車両５０６が、閾値車線変更距離よりも短い車線変更距離５２４を有すること、または車線の印に車線変更車両５０６が近接していることであってもよい。

ブロック８０４において、方法は、車線変更が裁量的であるかどうかを判定することを含む。裁量的である車線変更は、車道に基づいてもよい。例えば、車線変更車両５０６が進入路からまたは出口路に合流することを試みている場合、合流車線が終了し、または車線変更車両５０６が幹線道路を出ることを試みているので、その車線変更は、強制的な車線変更であると考えられる。同様に、第１の車線５０２に留まるように車線変更車両５０６に対して通行可能な道が存在しない場合、車線内の障害は、車線変更車両５０６に車線を変更することを強制することがある。この方式では、車線変更が裁量的であるかどうかを判定することは、車道特性に基づいて判定される。

加えて、車線変更が裁量的であるかどうかを判定することは、ホスト車両特性に基づいて判定されてもよい。例えば、ホスト車両センサ１３６は、車両が車道から外に移動することを必要とする問題（例えば、タイヤの低圧力、高温のエンジン、低燃料）を認識することができる。よって、ホスト車両の問題に応答して、車道から外に移動するように車線を変更することは、強制的な車線変更であると判定されてもよい。

車線変更が裁量的でないと判定される場合、言い換えると、車線変更が強制される場合、方法は、ブロック８０６を続ける。ブロック８０６において、方法は、車線変更を続けることを含む。しかしながら、車線変更が裁量的であると判定される場合、方法は、図６に関して上記説明されたブロック６０２〜６１０を続ける。

説明されたシステム及び方法は、車線変更を促進する。例えば、予想的車線変更システムは、近接車両及びそれらの車両の運動学的データを識別し、よって、上流方向車両（例えば、後続車両５１０）及び下流方向車両（例えば、第１の先行車両２１０、第２の先行車両２１２、第１の一線車両２１４、第２の一線車両２１６）が潜在的な車線変更位置５０８に影響を与える方式をモデル化することが可能である。特に、それらの車両の間隔を含む、近接車両の未来の運動学的データを予測することによって、予想的車線変更システムは、潜在的な車線変更位置５０８における第１の切れ目５１６が未来時において車線変更車両５０６に対して利用可能であるかどうかを判定することができる。したがって、予想的車線変更システムは、下流方向及び上流方向近接車両から広まる交通混乱を考慮する。

様々な上記開示された特徴及び機能、ならびに他の特徴及び機能、またはそれらの代替物もしくは変形は、望ましくは多くの他の異なるシステムまたはアプリケーションに組み込まれてもよいことを認識されよう。また、以下の特許請求の範囲によって包含されることになることも意図される、様々な現在は予見できないまたは予期しないその代替物、修正、変形、または改善は、その後、当業者によって行われてもよい。

Claims (20)

1. 隣接車線に変更している、現在の車線に位置付けられたホスト車両を支援する予想的車線変更システムであって、前記予想的車線変更システムは、
   潜在的な車線変更位置を識別し、近接車両と関連付けられた近接車両データを受信するように構成された識別モジュールであって、前記近接車両データは、車両識別子及び現在の運動学的データを含む、前記識別モジュールと、
   前記近接車両の近接車両のセットについての未来時における未来の運動学的データを予測するように構成された予測モジュールであって、前記近接車両のセットは、少なくとも３つの近接車両を有する、前記予測モジュールと、
   前記未来の運動学的データに基づいて、前記潜在的な車線変更位置における切れ目が前記未来時において利用可能であるかどうかを判定するように構成された判定モジュールと、
   前記潜在的な車線変更位置における前記切れ目が前記未来時において利用可能であると判定したことに応答して、前記ホスト車両に対して車線変更手順を開始するように構成された車線変更モジュールと、
   を含む、前記予想的車線変更システム。
2. 前記近接車両の第１の近接車両についての前記近接車両データは、車両間ネットワークから受信され、前記近接車両の第２の近接車両についての前記近接車両データは、前記ホスト車両の近接車両センサから受信される、請求項１に記載の予想的車線変更システム。
3. 前記車両識別子の車両識別子は、現在の運動学的データの少なくとも一部を前記近接車両の近接車両と関連付ける、請求項１に記載の予想的車線変更システム。
4. 前記現在の運動学的データは、前記近接車両についての位置データ、速度データ、及び加速度データを含む、請求項１に記載の予想的車線変更システム。
5. 前記未来の運動学的データを予測するために、前記予測モジュールは、
   予測増分についての運動学的データを計算するために、近接車両のセット内の前記近接車両の前記近接車両データを予測モデルと比較し、
   前記予測増分が前記未来時に対応するかどうかを判定し、
   前記予測増分が前記未来時に対応しないと判定したことに応答して、次の予測増分において追加の運動学的データを計算するために、前記計算された運動学的データを前記予測モデルと比較する
   ように構成される、請求項１に記載の予想的車線変更システム。
6. 前記未来時は、複数の秒に対応し、各々の予測増分は、特定の時間ステップに対応する、請求項５に記載の予想的車線変更システム。
7. 前記予測モデルは、自然主義行動データに基づくルックアップテーブルである、請求項５に記載の予想的車線変更システム。
8. 運動学的データの前記予測増分が前記未来時に対応すると判定したことに応答して、前記判定モジュールは、前記追加の運動学的データを前記未来の運動学的データとして使用する、請求項５に記載の予想的車線変更システム。
9. 前記判定モジュールは、前記未来時における前記切れ目の予測された切れ目長に基づいて、前記切れ目が利用可能であるかどうかを判定する、請求項１に記載の予想的車線変更システム。
10. 前記車線変更モジュールは、進化型運転者支援システムにより前記車線変更手順を開始する、請求項１に記載の予想的車線変更システム。
11. 前記切れ目が前記未来時において利用可能でないと判定したことに応答して、更新された潜在的な車線変更位置を識別するように前記識別モジュールを開始する、請求項１に記載の予想的車線変更システム。
12. 隣接車線に隣接する現在の車線に位置付けられたホスト車両を支援する予想的車線変更システムであって、前記予想的車線変更システムは、
    潜在的な車線変更位置を識別し、近接車両と関連付けられた近接車両データを受信するように構成された識別モジュールであって、前記近接車両データは、車両識別子及び現在の運動学的データを含む、前記識別モジュールと、
    予測増分が未来時に対応するまで、前記予測増分において近接車両のセットについての運動学的データを繰り返して計算することによって、未来の運動学的データを生成するように構成された予測モジュールと、
    前記未来の運動学的データに基づいて、前記潜在的な車線変更位置における切れ目が前記未来時において利用可能であるかどうかを判定するように構成された判定モジュールと、
    前記潜在的な車線変更位置における前記切れ目が前記未来時において利用可能であると判定したことに応答して、前記ホスト車両に対して車線変更手順を開始するように構成された車線変更モジュールと、
    を含む、前記予想的車線変更システム。
13. 前記現在の運動学的データは、前記近接車両についての位置データ、速度データ、及び加速度データを含む、請求項１２に記載の予想的車線変更システム。
14. 前記未来時は、複数の秒に対応し、各々の予測増分は、秒に対応する、請求項１２に記載の予想的車線変更システム。
15. 前記判定モジュールは、前記未来時における前記切れ目の予測された切れ目長に基づいて、前記切れ目が利用可能であるかどうかを判定する、請求項１２に記載の予想的車線変更システム。
16. 前記近接車両の第１の近接車両についての前記近接車両データは、車両間ネットワークから受信され、前記近接車両の第２の近接車両についての前記近接車両データは、前記ホスト車両の近接車両センサから受信される、請求項１２に記載の予想的車線変更システム。
17. 隣接車線に変更している、現在の車線に位置付けられたホスト車両を支援する予想的車線変更方法であって、前記予想的車線変更方法は、
    潜在的な車線変更位置を識別することと、
    近接車両と関連付けられた近接車両データを受信することであって、前記近接車両データは、車両識別子及び現在の運動学的データを含む、前記受信することと、
    前記近接車両の近接車両のセットを識別することと、
    運動学的データの予測増分を計算するために、前記近接車両のセット内の前記近接車両データを予測モデルと比較することと、
    運動学的データの前記予測増分が未来時に対応しないと判定することと、
    運動学的データの追加の予測増分を計算するために、前の予測増分を前記予測モデルと比較することと、
    運動学的データの前記追加の予測増分が未来時に対応するとき、運動学的データの前記追加の予測増分を未来の運動学的データとして識別することと、
    前記未来の運動学的データに基づいて、前記潜在的な車線変更位置における切れ目が前記未来時において利用可能であるかどうかを判定することと、
    前記潜在的な車線変更位置における前記切れ目が前記未来時において利用可能であると判定したことに応答して、前記ホスト車両に対して車線変更手順を開始することと、
    を含む、前記予想的車線変更方法。
18. 前記未来時は、複数の秒に対応し、各々の予測増分は、秒に対応する、請求項１７に記載の予想的車線変更方法。
19. 前記近接車両の第１の近接車両についての前記近接車両データは、車両間ネットワークから受信され、前記近接車両の第２の近接車両についての前記近接車両データは、前記ホスト車両の近接車両センサから受信される、請求項１７に記載の予想的車線変更方法。
20. 前記切れ目が利用可能であるかどうかを判定することは、前記未来時における前記切れ目の予測された切れ目長に基づいている、請求項１７に記載の予想的車線変更方法。