JP2019194071A5

JP2019194071A5 -

Info

Publication number: JP2019194071A5
Application number: JP2019075537A
Authority: JP
Filing date: 2019-04-11
Publication date: 2023-03-03
Anticipated expiration: 2039-04-11

Description

概して、本明細書で開示されるシステム及び方法は、ホスト車両の視点から合流行動を予測するために、ホスト車両及び車両センサからのデータを統合する車両制御に向けられる。ホスト車両は、合流車線から隣接する本線車線に合流する合流車両または合流車両の合流を促進する本線車線にある本線車両であってもよい。合流行動システム及び方法は、円滑な合流支援を提供するために、人間の行動結果に近似する写実的なデータセットに基づいて、合流車両に対する合流位置を予測する。

ＶＣＤ１０２はまた、ネットワーク１４０及び写実的な行動データベース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及び写実的な行動データベース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てもよいことを理解されよう。一部の実施形態では、写実的な行動データベース１４２は、車両に搭載されて位置してもよく、例えば、メモリ１０６及び／またはディスク１０８に位置してもよい。他の実施形態では、写実的な行動データベース１４２は、１つ以上の位置に分散されてもよい。

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、写実的な行動データベース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が写実的な行動データベース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を介して写実的な行動データベース１４２からデータを取得することができる。

候補因子及びモデル係数は、１つ以上の車両モデルに基づいて選択されたモデルパラメータである。例えば、近接車両がホスト車両に先行するシナリオでは、予測モジュール１１６は、先行車両モデルを選択する。近接車両がホスト車両に続くシナリオでは、予測モジュール１１６は、後続車両モデルを選択する。選択された車両モデルに基づいて、異なるモデルパラメータが使用されてもよい。候補因子は、相互の相対的な距離またはそれらの相対的な速さなど、ホスト車両及びの近接車両の特性である。モデル係数は、写実的なデータから推定される。写実的なデータは、ネットワーク１４０を介して写実的な行動データベース１４２から受信されてもよい。

写実的なデータは、グローバルデータとして集約することができる、ホスト車両の運転者の監視された行動、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など、ホスト車両からのデータを含んでもよい。例えば、主要幹線道路の進入路は、写実的な行動を判定するために監視されてもよい。監視された行動は、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、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ネットワーク１４０を介して写実的な行動データベース１４２によって受信されてもよい。

一部の実施形態では、写実的な行動は、中でも、同一の方向に走行している車線の数（例えば、２車線、４車線、５車線、６車線）、合流車線２０２の長さ（例えば、短い進入路、長い進入路）、合流の即時性（例えば、緊急の合流またはゆっくりとした合流）、合流車両から合流車線の終わりへの距離、交通渋滞の量など、車道の異なる特徴によって分類されてもよい。写実的なデータは、連邦道路管理局次世代シミュレーション（ＮＧＳＩＭ）データセットの形式にあってもよい。選択された車両モデルは、写実的なデータを組み込んで観察可能な合流パターンを数学的に表すために、モデル係数を使用する。

先行車両モデルについての実施例の候補因子ｘ_ｉ及びモデル係数ｂ_ｉは、ホスト及び近接車両の相対的な動きと共に、受信された写実的なデータに基づいており、以下のようであってもよい。

１つ以上の合流因子の値は、潜在的な合流位置のうちの１つに対応してもよい。１つの実施形態では、潜在的な合流位置の各々は、値の範囲に対応してもよい。１つの実施形態では、値の範囲は、合流閾値に依存する。例えば、予測モジュール１１６は、範囲のどれが１つ以上の合流因子の値に対応するかに基づいて、潜在的な合流位置から合流位置を予測する。第１の潜在的な合流位置４１０が０．５以上の合流閾値に対応し、第２の潜在的な合流位置４１２が０．５未満の合流閾値に対応すると仮定する。合流因子は、確率に対応してもよく、よって、０．５～１の値の範囲にある合流因子は、第１の潜在的な合流位置に対応し、０～０．４９の値の範囲にある合流因子は、第２の潜在的な合流位置４１２に対応する。したがって、合流因子が０．６であるように計算される場合、予測モジュール１１６は、第１の潜在的な合流位置４１０を、写実的な人間行動に基づいている可能性が最も高い予測された合流位置として予測する。

予測モジュール１１６はまた、車両モデルの影響を受けない近接車両の行動を考慮してもよい。後続車両４１６が本線車両４０８に近づいており、及び／または合流車両４０２が先行車両４１８に近づいていると仮定する。予測モジュール１１６は、後続車両４１６に対する本線車両４０８の速度、または合流車両４０２が先行車両４１８に近づいている近接車両の速度などの運転パラメータに基づいて、第１の潜在的な合流位置４１０または第２の潜在的な合流位置４１２を選択してもよい。例えば、後続車両４１６が本線車両４０８に即時的に近づいており、それによって、第２の潜在的な合流位置４１２の近くになる場合、予測モジュール１１６は、第１の潜在的な合流位置４１０が、写実的な人間行動に基づいて車両の乗員によって選択される可能性が最も高い合流位置であると予測してもよい。

後続車両モデルは、同一または異なる候補因子ｘ_ｎ、及びモデル係数β_ｎを使用してもよい。後続車両モデルについての実施例の候補因子ｘ_ｎ及びモデル係数β_ｎは、ホスト及び近接車両の相対的な動きと共に、受信された写実的なデータに基づいており、以下のようであってもよい。

後続モデルに従って計算された１つ以上の合流因子に基づいて、予測モジュール１１６は、上記説明されたのと同様の方式で、第２の潜在的な合流位置４１２及び第３の潜在的な合流位置４１４など、近接車両の間からの合流位置を予測することができる。例えば、１つ以上の合流因子の値は、潜在的な合流位置のうちの１つに対応してもよい。よって、予測モジュール１１６は、先行車両モデルに関して説明されたのと同様の方式で、値の範囲のどれが１つ以上の合流因子の値に対応するかに基づいて、潜在的な合流位置から潜在的な合流位置を予測してもよい。範囲は、先行車両モデルに関して説明されたのと同一または異なる合流閾値に基づいてもよい。予測された合流位置は、車両の乗員が写実的な人間行動データに基づいて合流することを選択する可能性が最も高い位置として選択される。

範囲を使用する代わりに、１つ以上の合流因子は、どの潜在的な合流位置が写実的な人間行動に基づいている可能性が最も高いかを判定するために閾値と比較されてもよい。例えば、閾値よりも大きい合流因子は、人間の運転者が第２の潜在的な合流位置４１２において後続車両４１６の前方で合流すると予測されることを示してもよい。代わりに、合流因子が閾値よりも低い場合、人間の運転者は、第３の潜在的な合流位置４１４において後続車両４１６の後方で合流すると予測される。

このようにして、予測された合流位置５０８は、合流車両５０２が切れ目５１４に合流または移動しないと選択するまで繰り返して判定されてもよい。切れ目５１４は、最適な合流位置でなくてもよいが、モデルが写実的なデータセットを組み込むことを理由に、予測された合流位置は、円滑な合流支援を提供するために、人間行動結果に近似する。よって、合流行動システムは、写実的なデータセットに基づいた合流位置予測により合流方法及びシステムを実装し、高い緊張の状況での合流手順の間、より懸命且つより人間のような行動を通じて車両の乗員の経験を改善する。

ブロック７０４において、方法は、少なくとも１つの近接車両に基づいて、１つ以上の車両モデルを選択することを含む。例えば、予測モジュール１１６は、ホスト車両への少なくとも１つの近接車両の相対的な位置に基づいて、車両モデルを選択してもよい。モデルは、人間行動結果に近似する写実的なデータセットに基づいている。したがって、モデルは、ホスト車両への近接車両の相対的な位置を考えると、人間の運転者が行うことができるものの近似に影響を与えるように選択される。

運動学的パラメータは、制御モジュール１１８によって調節されてもよい。一部の実施形態では、制御モジュール１１８は、先進運転支援システム（ＡＤＡＳ）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、制御モジュール１１８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。

ブロック８０４において、合流手順が開始される。合流モジュール１２０は、合流手順を開始するために、自律運転システムまたは先進運転支援システム（ＡＤＡＳ）を採用してもよい。合流手順を開始することは、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、視覚的キュー（例えば、点灯の連続、ディスプレイ１３２、ヘッドアップディスプレイ投影など）をトリガすること、合流移動（例えば、車線を変更すること、十分な切れ目に移動することなど）を促進すること、のうちの１つ以上を含んでもよい。合流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。更に、モデル化が写実的な行動データセットに基づいていることを理由に、促進された合流手順は、車両の乗員の行動に近似する。

ブロック９０２において、方法は、訓練データを受信することを含む。訓練データは、写実的なデータを含む。写実的なデータは、ネットワーク１４０を介して写実的な行動データベース１４２から、ネットワーク１４０を介してリモートセンサ（例えば、通行カメラ、舗道内センサ、車両間ネットワーク、空間像データセットなど）から、及び車両の乗員の行動を監視することができるホスト車両センサ１３６から受信されてもよい。例えば、写実的なデータは、幹線道路車両の空間像データセットから抽出されてもよい。これは、未加工時間履歴データを通じて検索すること、及び合流車線から最も右側の主要な走行車線に変更した車両を識別することが伴ってもよい。合流車両についての時間履歴データ及び隣接車両についての時間履歴データは次いで、後続の分析のために分離されてもよい。車両軌道データは、各々の一意な車両を特定することを促進し、そのサイズ及び運動を推論するいくつかの変数を含んでいる。軌道データ変数についての実施例は、車両ごとに一意な識別番号、タイミング、ＧＰＳ位置、車両の大きさ、速度、現在の車線、及び周囲の車両の識別番号を含む。

１００動作環境
１０２車両コンピューティングデバイス（ＶＣＤ）
１０４プロセッサ
１０６メモリ
１０８ディスク
１１０入力／出力（Ｉ／Ｏ）インタフェース
１１２バス
１１４識別モジュール
１１６予測モジュール
１１８制御モジュール
１２０合流モジュール
１２２車両システム
１２４ナビゲーションシステム
１２６ライトシステム
１２８音声システム
１３０インフォテインメントシステム
１３２ディスプレイ
１３４車両センサ
１３６ホスト車両センサ
１３８近接車両センサ
１４０ネットワーク
１４２写実的な行動データベース

Claims

本線車線に隣接する合流車線に位置付けられたホスト車両を支援する合流行動システムであって、前記合流行動システムは、
前記ホスト車両の前方において前記本線車線に位置付けられた先行車両および前記ホスト車両の後方において前記本線車線に位置付けられた後続車両を識別するように構成された識別モジュールと、
前記先行車両および前記後続車両の人間行動結果に近似する写実的なデータセットに基づいて機械学習を使用して生成された行動モデルを選択し、前記行動モデルは、先行車両モデルおよび後続車両モデルを含み、
前記行動モデルに対応する１つ以上の合流因子を計算し、前記１つ以上の合流因子は、前記先行車両モデルに基づく第１の合流因子および前記後続車両モデルに基づく第２の合流因子を含み、
前記１つ以上の合流因子に基づいて、合流位置を予測する
ように構成された予測モジュールと、
前記予測された合流位置における切れ目が前記ホスト車両に対して十分なサイズであるかどうかを判定し、前記切れ目が前記十分なサイズを有すると判定したことに応答して、合流手順を開始するように構成された合流モジュールと、
を含む、前記合流行動システム。
前記行動モデルは、前記ホスト車両への前記先行車両および前記後続車両の相対的な位置に基づいて選択される、請求項１に記載の合流行動システム。
前記予測モジュールは更に、前記１つ以上の合流因子を少なくとも１つの閾値と比較するように構成され、予測された合流位置は、前記比較に基づいている、請求項１に記載の合流行動システム。
前記先行車両モデルは、前記ホスト車両と前記先行車両との間の先行する切れ目の長さ、ホスト車両の速度、及び前記ホスト車両に対する前記先行車両の相対的な先行速度に少なくとも部分的に基づいている、請求項１に記載の合流行動システム。
前記先行車両モデルは、前記本線車線にある前記後続車両に基づいた、二値を有する後続車両変数を組み込む、請求項４に記載の合流行動システム。
前記後続車両モデルは、前記ホスト車両と前記後続車両との間の後続の切れ目の長さ、ホスト車両の速度、及び前記ホスト車両に対する前記後続車両の相対的な後続速度に少なくとも部分的に基づいている、請求項１に記載の合流行動システム。
前記ホスト車両を前記予測された合流位置の合流距離内に至らせるように前記ホスト車両の運動学的パラメータを調節するように構成された制御モジュールを更に含む、請求項１に記載の合流行動システム。
前記合流モジュールは、先進運転支援システム（ＡＤＡＳ）により前記合流手順を開始する、請求項１に記載の合流行動システム。
前記切れ目が十分なサイズを有さないと判定したことに応答して、更新された合流位置を予測するように前記予測モジュールを開始する、請求項１に記載の合流行動システム。
本線車線に隣接する合流車線に位置付けられたホスト車両を支援する合流行動システムであって、前記合流行動システムは、
前記ホスト車両の前方において前記本線車線に位置付けられた先行車両および前記ホスト車両の後方において前記本線車線に位置付けられた後続車両を識別するように構成された識別モジュールと、
前記ホスト車両に対する前記先行車両および前記後続車両の相対的な位置について人間行動結果に近似する写実的なデータセットを組み込む機械学習を使用して生成された行動モデルを選択し、前記行動モデルは、先行車両モデルおよび後続車両モデルを含み、
前記行動モデルに対応する１つ以上の合流因子を計算し、前記１つ以上の合流因子は、前記先行車両モデルに基づく第１の合流因子および前記後続車両モデルに基づく第２の合流因子を含み、
前記行動モデルに対応する１つ以上の合流因子に基づいて、合流位置を予測する、
ように構成された予測モジュールと、
前記ホスト車両を前記予測された合流位置の合流距離内に至らせるように前記ホスト車両の運動学的パラメータを調節するように構成された制御モジュールと、
前記予測された合流位置における切れ目が前記ホスト車両に対して十分なサイズであるかどうかを判定し、前記切れ目が十分なサイズを有すると判定したことに応答して、合流手順を開始するように構成された合流モジュールと、
を含む、前記合流行動システム。
前記運動学的パラメータは、前記ホスト車両の速度である、請求項１０に記載の合流行動システム。
前記切れ目が十分なサイズを有さないと判定したことに応答して、更新された合流位置を予測するように前記予測モジュールを開始する、請求項１０に記載の合流行動システム。
本線車線に隣接する合流車線に位置付けられたホスト車両を支援する、コンピュータが実行する合流行動方法であって、前記コンピュータが実行する合流行動方法は、
前記ホスト車両の前方において前記本線車線に位置付けられた先行車両および前記ホスト車両の後方において前記本線車線に位置付けられた後続車両を識別することと、
前記先行車両および前記後続車両の人間行動結果に近似する写実的なデータセットに基づいて機械学習を使用して生成された行動モデルを選択することであって、前記行動モデルは、先行車両モデルおよび後続車両モデルを含む、前記選択することと、
前記行動モデルに対応する１つ以上の合流因子を計算することであって、前記１つ以上の合流因子は、前記先行車両モデルに基づく第１の合流因子および前記後続車両モデルに基づく第２の合流因子を含む、前記計算することと、
前記１つ以上の合流因子に基づいて、合流位置を予測することと、
前記ホスト車両を前記予測された合流位置の合流距離内に至らせるように前記ホスト車両の運動学的パラメータを調節することと、
前記予測された合流位置における切れ目が前記ホスト車両に対して十分なサイズであるかどうかを判定することと、
前記切れ目が十分なサイズを有すると判定したことに応答して、合流手順を開始することと、
を含む、コンピュータが実行する合流行動方法。
前記行動モデルは、前記ホスト車両への前記先行車両および前記後続車両に基づいて選択される、請求項１３に記載のコンピュータが実行する合流行動方法。
前記１つ以上の合流因子を少なくとも１つの閾値と比較することを更に含み、予測された合流位置は、前記比較に基づいている、請求項１３に記載のコンピュータが実行する合流行動方法。