JP2020144853A - 不明瞭な路上障害物の回避 - Google Patents

Abstract

【課題】障害物を予測するシステム及び方法を提供する。【解決手段】障害物を予測するシステムにおいて、方法は、ホスト車両５４０の入力と関連する信頼性レベルとを用いて、車両環境５００内の障害物５２０を検知する。測定対象車両５０４ａ、５０４ｂは、手動運転車又は自律走行車であり、環境内の障害物を検知して、障害物に対処するように動作する。障害物が直接検知されなくとも、これらの動きを用いて環境中に障害物が存在するかが決定される。システムは、車両環境内の１以上の測定対象車両からの回避行動に関する予測データを受信するホスト車両を含む。方法は、測定対象車両に対して信頼性レベルを構築し、回避行動と信頼性レベルとを用いて不明瞭な障害物を決定し、車両環境にマッピングする。そして、不明瞭な障害物と信頼性レベルとを用いて、ホスト車両に対して案内情報を作成する。【選択図】図５

Description

本明細書中に記載される実施形態は、概して、車両のナビゲーションに関する。より詳細には、実施形態は、概して、運転中に路上の危険物やその他関連する困難を回避するシステム及び方法に関する。

車両の運転は、現代社会において日常生活の一部となっている。そのため、路上に発生する変化を認識することで、運転者及び自律走行車両は利益を得ることができる。車両の操作者にとって車道は頻繁に変化し得るものである。数日又は数時間の間に、道路又はその一部分が通過可能な状態から工事区域へ進入する状態に変化し得る。くぼみなどの路上障害物は、数日間又は数時間の間に現れ得る。このような障害物によって、通過可能であった道路の運転が困難になり得る。車道の変化に関する利用可能な標識及び表示は、適切でないことがある。一部の路上障害物は、その障害物が一時的なものであるために標識などの利用可能な表示で対処されないことがある。

本明細書は、不明瞭な（obscured）路上障害物を検知するためのシステム及び方法を開示する。１以上の実施形態で、車両ベースの障害物予測のための障害物予測システムが開示される。障害物予測システムは、１以上のプロセッサと、１以上のプロセッサに通信可能に接続されたメモリとを含む。メモリは更に、１以上のプロセッサによって実行されると、１以上のプロセッサに、ホスト車両において、車両環境（vehicular environment）中の少なくとも１つのセンサからの観測値と１以上の測定対象車両（measured vehicle）からの通信とを含む不明瞭な障害物に関する予測データを受信させ、少なくとも１つの１以上の測定対象車両に対する信頼性レベルを構築させる命令を含む評価モジュールを記憶し得る。メモリは更に、１以上のプロセッサによって実行されると、１以上のプロセッサに、予測データと信頼性レベルとを用いた不明瞭な障害物の予測に応じて、車両環境中に予測をマッピングさせる命令を含む統合モジュールを記憶し得る。メモリは更に、１以上のプロセッサによって実行されると、１以上のプロセッサに、不明瞭な障害物を回避するための案内情報を用いてホスト車両を誘導させる命令を含む調整モジュールを記憶し得る。

更なる実施形態では、車両ベースの障害物予測のための非一時的なコンピュータ可読媒体が開示される。非一時的なコンピュータ可読媒体は、１以上のプロセッサによって実行されると、１以上のプロセッサに、ホスト車両において、車両環境中の少なくとも１つのセンサからの観測値と１以上の測定対象車両からの通信とを含む不明瞭な障害物に関する予測データを受信させる命令を記憶し得る。非一時的なコンピュータ可読媒体は更に、少なくとも１つの１以上の測定対象車両に対する信頼性レベルを構築する命令を記憶し得る。非一時的なコンピュータ可読媒体は更に、予測データと信頼性レベルとを用いた不明瞭な障害物の予測に応じて、車両環境中に予測をマッピングする命令を記憶し得る。非一時的なコンピュータ可読媒体は更に、不明瞭な障害物を回避するための案内情報を用いてホスト車両を誘導する命令を記憶し得る。

更なる実施形態では、車両ベースの障害物予測方法が開示される。方法は、ホスト車両において、車両環境中の少なくとも１つのセンサからの観測値と１以上の測定対象車両からの通信とを含む不明瞭な障害物に関する予測データを受信することを含み得る。方法は、更に、少なくとも１つの１以上の測定対象車両に対する信頼性レベルを構築することを含み得る。方法は、更に、予測データと信頼性レベルとを用いた不明瞭な障害物の予測に応じて、車両環境中に不明瞭な障害物をマッピングすることを含み得る。方法は、更に、不明瞭な障害物を回避するための案内情報を用いてホスト車両を誘導することを含み得る。

本開示の上記特徴がより詳細に理解され得るよう、概要を簡単に述べた本開示について実施形態を用いてより具体的に説明してもよい。実施形態の一部は添付図面に示される。しかしながら、添付図面は本開示の典型的な実施形態のみを示し、本開示の範囲を限定するものではないことに留意されたい。本開示は、その他の同等の効果を有する実施形態も含むことがある。

図１は、本明細書に記載の実施形態に係る障害物予測システムの一部として用いることが可能な車両のブロック図である。 図２は、本明細書に記載の実施形態に係る障害物予測システムの一部として用いることが可能なサーバのブロック図である。 図３は、本明細書に記載の実施形態に係る、一時的で不明瞭な障害物の検知のための障害物予測システムを示す。 図４は、１以上の実施形態に係る障害物予測システムの概略図である。 図５は、本明細書に記載の実施形態に係る、障害物予測システムを搭載した車両の操作者を示す。 図６は、１以上の実施形態に係る、一時的で不明瞭な障害物の検知方法のブロック図である。

理解を容易にするため、図面に共通する同一要素の指定には可能な限り同一の参照番号を用いた。加えて、１以上の実施形態の要素は、本明細書に記載されるその他の実施形態でも用いられるように有利に構成されることがある。

本明細書に記載のシステム及び方法は、１以上の車両センサの検出範囲外にある障害物の存在と位置を決定するため、１以上の車両からの車両環境に関する観測値を用いる。現代の自動化車両は、車線を見つけて維持することには長けるが、トラックトレーラーのタイヤのスクラップ、自動車部品、及びその他小さい破片など道路に影響を及ぼし得る障害物を直接検知することには困難をきたし得る。くぼみ及び比較的小さな障害物は、交通によって妨げられたり、これらの障害物が小さすぎたり、角度が悪かったりして無線を反射してレーダーに素早く検知されないことがある。その結果、車両は、警告のないまま障害物又はくぼみと衝突することがある。障害物の検知は、ヒューマンフェイルセーフ機構がない自動運転レベル３（「よそ見運転」）の実施形態で特に重要になる。

本明細書に記載のシステム及び方法は、車両環境内の１以上の信頼することができる測定対象車両からの車両の動きやパターンに関する観測値を利用して情報を提供することができる。測定対象車両は、ホスト車両により測定される１以上の行動を示す車両である。ホスト車両は、測定対象車両の行動を検知する車両であり、本明細書に記載のシステム及び方法を搭載する、又は、本明細書に記載のシステム及び方法から利する。ＨＯＶ要件、選択経路からの車両の標準逸脱、新しい障害物の形成などによって車線が制限される場合に、車道の一時的な時間的様相を決めるため、観測値から集められた情報はモデル化され得る。また、本システム及び方法は、車両の信頼性及び検出された障害物の両方に関するデータメトリクスも提供する。データメトリクスは、通知された障害物に関連した操作者又は車両の信頼度情報と、車線が通過不可能な原因が積雪、事故、又はその他の危険物であるという情報と、状況を即時に車両環境地図に反映するための更新情報との収集を含み得る。

本明細書に記載のシステム及び方法は、車両環境内における１以上の測定対象車両の動き及び相互作用に関する、車両ベースシステムからの観測値を組み入れ得る。車両ベースシステムは、ホスト車両にローカルで記憶されているか、クラウドストレージ装置に遠隔で記憶されているか、又はその組み合わせで記憶されており、測定対象車両の動きに関するデータを収集することができる。車線変更、減速、レーンオフセットなどを含み得る動きは、測定対象車両の回避行動（evasive behavior）として決定され得る。複数車両の空間的・時間的に関連性のある同様の動き、突然の動き、又は、標準的な動きから回避行動を区別するその他の示唆など、回避と関連付けられる動きには象徴的な特徴があると考えられている。本システム及び方法は、次に、可能性のある不明瞭な障害物に関する大きさや位置などの要素を決定するために、測定対象車両の回避行動に係る動きを車両環境に適用し得る。このように、本システム及び方法は、回避行動を車両環境内の不明瞭な障害物の予測データとして用いることができる。

本明細書に記載される実施形態では、本システム及び方法は、１以上の測定対象車両の信頼性と車両環境内における行動とに関する情報を収集する。本システムは、幾つかのパラメータにおける操作者又は車両の確実性に基づいて信頼性を測定する。本システム及び方法は、操作者の行動が不明瞭な障害物の陽性検知につながる頻度に基づいて、信頼性を測定し得る。不明瞭な障害物とは、１以上の間接的ソースからの情報に基づいた車両環境における障害物の予測である。本システム及び方法は、更に、特定の車両の行為が不明瞭な障害物の陽性検知につながる頻度など、信頼性を全般的に測定又は決定し得る。本システム及び方法は、ブレーキ操作、ステアリング操作、又はナビゲーションなど特定のパラメータに基づいて信頼性を決定し得る。更に、本システムは、信頼性を特定の環境条件又は運転環境と関連させ得る。

１以上の測定対象車両の信頼性を観測された行動と関連づけることで、車両環境における測定対象車両の回避行動の確実性を決定し得る。本システム及び方法は、短期間（例えば、特定の運転の相互作用の間）に基づいて、又は、相互作用若しくは行動の履歴（例えば、長期間にわたる車両又は操作者の履歴）に基づいて信頼性レベルを決定し得る。本明細書に記載されたシステム及び方法は、１以上の測定対象車両の行動が１以上の観点で信用することができるということに関する、ホスト車両による確信度を決定するために、信頼性レベルを用いることができる。本システムは、不明瞭な障害物の予測される大きさを増減させるために信頼性レベルを適用し得る。つまり、本システム及び方法は、回避行動と、道路のドライバビリティに影響を与える１以上の不明瞭な障害物との関連性を調整し、変化させることができる。

不明瞭な障害物のこれらの予測は、不明瞭な障害物の適切な配置を含む車両車線のマッピングなどを通して、ホスト車両又は二次車両のナビゲーションデータを更新するために適用され得る。本明細書に記載される二次車両は、ホスト車両及び１以上の測定対象車両以外の、本明細書中に記載のシステム及び方法から利することができる車両である。一部の実施形態では、更新された情報は、本システム又は方法の一部として様々な方法で二次車両に対して提示され得る。一部の実施例では、情報は、二次車両にプッシュ又はアップロードされて提示され得る。二次車両は、二次車両の位置又はホスト車両の位置などについてマッピングサービスに定期的に問い合わせることができる。このように、本開示されたシステム及び方法は、障害物に関する認知を向上させ、ホスト車両及び二次車両の両方に対する道路の各車線の使用性に関する報告を改善することができる。本出願の実施形態は、図面と下記説明との関連でより明確に理解し得る。

図１を参照すると、自律装置の例、具体的には車両１００が示される。車両１００は、障害物予測システム１６０又はその構成要素及びモジュールを含み得る。本明細書に記載される「車両」は、何らかの形式の自動輸送車である。１以上の実施形態において、車両１００は自動車であってもよい。一部の実施形態では、車両１００は、例えば、自律して、半自律で、又は乗車している操作者によって手動運転で走行し得るその他の形式の自動輸送車であってもよい。車両１００は障害物予測システム１６０を含む、又は、障害物予測システム１６０をサポート若しくは障害物予測システム１６０と相互作用する機能を含むことができ、よって本明細書中に記載される機能から利益を得る。本明細書中では自動車に関する配置が記載されるが、実施形態は自動車に限られるものではなく、乗車可能な何らかの形式の車両又は装置であることが理解されるであろう。本明細書を通して用いられる車両の事例は、本明細書に記載のシステム又は方法を搭載することが可能ないずれかの装置に等しく適用可能である。

車両１００は、様々な要素を含む。各種実施形態で、車両１００が図１に示された要素全てを有することは必ずしも必要ではないことが理解されるであろう。車両１００は、図１に示された各種要素のいずれかの組み合わせを有し得る。更に、車両１００は、図１に示される要素の追加要素を有し得る。一部の配置では、車両１００は、図１に示される１以上の要素を含まずに実施されることがある。図１では、車両１００内に各種要素が配置されるように示されるが、１以上のこれら要素が車両１００の外部に配置され得ることが理解されるであろう。更に、図示された要素は物理的に遠い距離に分散されていてもよい。

図２は、コンピュータ装置２００の一例である。コンピュータ装置２００は、データを受けとってソフトウェアの制御で数学的又は論理的演算を実施するよう設計されたいずれかのプログラム可能な電子装置を含み得る。コンピュータ装置２００は、障害物予測システム１６０を含む、又は、障害物予測システム１６０をサポート若しくは障害物予測システム１６０と相互作用する機能を含むことができ、よって本明細書に記載の機能から利益を得る。本明細書に記載の実施形態では、車両１００はコンピュータ装置２００と通信可能である。車両１００又はその他の装置がコンピュータ装置２００と通信するということは、直接の有線通信、１以上の中継コンピュータ装置を介した通信、クラウドを介した通信、又はその組み合わせを含む、コンピュータ装置２００と車両１００との間の直接又は間接的ないずれかの形式の通信を意味する。コンピュータ装置２００と車両１００とは、各種有線又は無線ネットワークを用いて通信することができる。一部の実施形態では、コンピュータ装置２００は、車両１００の遠隔にあるサーバである。更なる実施形態では、コンピュータ装置２００は、組み込みシステムのように車両１００と一体化され得る。コンピュータ装置２００は、本明細書に記載の方法やその他の機能を実行するよう実装された障害物予測システム１６０を含み得る。

車両１００及びコンピュータ装置２００に含まれ得る要素の一部が、それぞれ図１及び図２に示される。これらの要素は、後に続く図面及び本明細書で説明される。しかしながら、図１及び図２の要素の多くは、説明を簡潔にするために図３〜６の解説の後に記載される。加えて、図解の簡潔性と明確性を期すため、対応する又は同様の要素を示す参照番号は、適宜、異なる図面間で繰り返し用いられる。加えて、本明細書に記載の実施形態の充分な理解を提供するために、説明中に特定の詳細が述べられる部分が多数ある。しかしながら、本明細書に記載の実施形態はこれら要素の各種組み合わせを用いて実施され得ることが当業者には理解されるであろう。

障害物予測システム１６０の解説は、一実施形態に係る障害物予測システム１６０が示される図３から開始する。障害物予測システム１６０は、図２に図示されるコンピュータ装置２００のプロセッサ２０４を含んで示される。また、プロセッサ２０４は障害物予測システム１６０の一部であり得る。障害物予測システム１６０はプロセッサ２０４とは異なるプロセッサ（例えば、車両１００のプロセッサ１１０）を含み得る。障害物予測システム１６０はデータバス及び／又は他の通信経路を介してプロセッサ２０４にアクセスし得る。一実施形態では、障害物予測システム１６０は、評価モジュール３２０、統合モジュール３３０及び調整モジュール３４０を記憶するメモリ２１０を含む。メモリ２１０は、ランダムアクセスメモリ（ＲＡＭ）、リードオンリーメモリ（ＲＯＭ）、ハードディスクドライブ、フラッシュメモリ、又はモジュール３２０、３３０及び３４０を記憶するその他の適切なメモリである。モジュール３２０、３３０及び３４０は、例えば、プロセッサ２０４によって実行されると、プロセッサ２０４に本明細書で開示された各種機能を実行させるコンピュータ可読命令である。

障害物予測システム１６０は、データベース３１０を更に含み得る。データベース３１０は、メモリ２１０の一部として、メモリ２１０からは独立した構成要素として、コンピュータ装置２００内の（メモリ２１０とは異なる）別のメモリの一部として、などの各種構成で提供され得る。データベース３１０は、予測データ３６０と、障害物情報３７０と、信頼性情報３８０とを含み得る。予測データ３６０は、１以上のソースによって車両環境から、例えば、１以上のホスト車両及び／又はホスト車両から検知されたデータ及び情報を含み得る。予測データ３６０は、サーバ１７２又はコンピュータ装置２００からネットワーク１７０を介して送信されるなどした複数の車両からのデータ、及び、センサシステム１２０など１以上のセンサから収集されたデータを含み得る。障害物情報３７０は、障害物の種類、障害物の場所、障害物の推定概算時間などの、不明瞭な障害物に関する又は不明瞭な障害物（例えば、本不明瞭な障害物）の予測に関する情報を含み得る。信頼性情報３８０は、車両の信頼度（trustworthiness）を示す情報及びデータを含み得る。信頼度は、車両又は操作者の総合的信頼性、各パラメータに基づいた信頼性などを含む、確実性（reliability）のいずれかの利用可能なパラメータに基づいて測定することができる。障害物予測システム１６０は車両１００の一部として示されるが、障害物予測システム１６０又はその一部は別の車両、コンピュータ装置２００、サーバ１７２上などに記憶され得る。これにより、障害物予測システム１６０の１以上の機能、又は、障害物予測システム１６０に含まれるモジュールは、本明細書に記載の実施形態の一部として遠隔から実行され、車両１００に転送され得る。

評価モジュール３２０は、概して、プロセッサ２０４を制御し、ホスト車両において、車両環境内の１以上の測定対象車両からの不明瞭な障害物に関する予測データを受信させるよう機能する命令を含み得る。不明瞭な障害物は、計画外又は予想外に発生し、地図に現れず、ホスト車両によって直接観察されない障害物を含む。不明瞭な障害物は、一時的な障害物又は概算時間が短いと思われる障害物を含み得る。不明瞭な障害物は、ホスト車両の視点から不明瞭な障害物であり得る。予測データは、ホスト車両が受信した測定対象車両に関するセンサデータ、１以上の測定対象車両からの回避行動のセンサデータ、及び／又は、１以上の測定対象車両からの回避行動の直接の報告など、二次ソースから受信した不明瞭な障害物に関する情報を含み得る。

ホスト車両は車両環境内に存在する車両であり、１以上の不明瞭な障害物及び／又は１以上の測定対象車両からの１以上の回避行動を検知及び認識するなど、環境からデータを収集又は提供することがある。評価モジュール３２０は、１以上の車両センサからなどのセンサ入力を用いて予測データを検知し、認識することができる。評価モジュール３２０は、ホスト車両を介して、又は、ホスト車両と連携して、ホスト車両からのセンサ入力を用いるなどによって不明瞭な障害物を即時予測することができる。評価モジュール３２０は、更に、車両環境を対象として以前にマッピングされた検知結果など、不明瞭な障害物の以前の検知結果を精査、修正するために予測データを用いることもできる。更に、評価モジュール３２０は、障害物を予測するために用いることが可能な１以上の測定対象車両からのデータ（例えば、未処理データ）を受信することができる。

更に、評価モジュール３２０は、車両環境内の回避行動に関する情報を検知又は受信するための命令を含み得る。回避行動は、環境内の１以上の測定対象車両に関してホスト車両によって検知された、路上の位置及び一定期間におけるその変化を示す位置及び操作の集まりを含む。回避行動は、１以上の不明瞭な障害物に起因して車両環境内でとられた選択を示すものとして用いられ得るため、予測データに含まれ得る。評価モジュール３２０は、測定対象車両が走行する車線、回避操作、車両の制御方式（例えば、自律又は手動）、環境境界、位置と操作両方の概算時間、及び、車両環境内の測定対象車両の動きに関連するその他の事項を決定するために回避行動を適用することができる。

評価モジュール３２０は、１以上の測定対象車両の回避行動の検知又は推定が可能なホスト車両の利用可能なシステムを用いて回避行動を検知することができる。一実施例では、評価モジュール３２０は、１以上の測定対象車両の自律走行モジュール１５０から測定対象車両の回避行動に関する情報を受信し得る。一部の実施形態では、評価モジュール３２０は既知の車両操作に基づいて回避行動を受信することができる（例えば、既知のアクチュエータの位置に基づいて、回転などの操作を測定対象車両が自ら報告する）。別の実施例では、評価モジュール３２０は、測定対象車両の車両システム１４０から動きの示唆を受信し得る（例えば、測定対象車両が、ブレーキが作動されたという信号をホスト車両に送信する）。別の実施例では、評価モジュール３２０は、センサシステム１２０からのセンサデータによって動きが発生したことを推定又は決定することができる。センサシステム１２０は、特定の障害物について評価モジュール３２０からのリクエスト、又は、他のシステム又はモジュールからのリクエストがあった場合に、自動的にデータを評価モジュール３２０に提供し得る。本明細書に記載の検知範囲又は推定方式は、特定の実施例を用いて更に詳述しなくとも当業者によって理解されるであろう。

評価モジュール３２０は、どの回避行動が不明瞭な障害物に関連するかを決定するための命令を更に含み得る。一部の実施形態では、評価モジュール３２０は、どの回避行動が不明瞭な障害物に関連するかを決定するため、行動間の時間的関連を用いることができる。更なる実施形態では、評価モジュール３２０は、回避行動が不明瞭な障害物に関連することを評価モジュール３２０に伝える、測定対象車両からのデータ送信又はその他の示唆を受信し得る。更に他の実施形態では、評価モジュール３２０は、ホスト車両が検知したものとして、或いは、ホスト車両の周辺の測定対象車両の行動から決定されたものとして、不明瞭な障害物に関する入力を測定対象車両から受信することができる。評価モジュール３２０が測定対象車両から受信する不明瞭な障害物に関する情報は、上述したように検知又は決定のソースを含み得る。不明瞭な障害物の検知、回避行動、又は関連する検知結果などの予測データは、データベース３１０の一部として示されたような予測データ３６０の一部として記憶され得る。

更に別の実施形態では、評価モジュール３２０は、ホスト車両が検知した測定対象車両の回避行動から、不明瞭な障害物のインジケータを認識することができる。一部の実施形態では、インジケータは車線の中央から逸れた１以上の測定対象車両を含み、これは回避行動がなくとも障害物が存在する可能性があることを示す。評価モジュール３２０は、更に、外見ベースの方法（例えば、濃度勾配の一致又はエッジの一致）、特徴ベースの方法（例えば、解釈木又はポーズ一貫性）など、物体認識技術の逆統合を用いて不明瞭な障害物を予測することができる。この実施形態では、評価モジュール３２０は、１以上の物体認識技術を用いて定義された物体に基づいて障害物回避のための行動を構築することができる。評価モジュール３２０は、次に、行動とそのような操作を引き起こした可能性のある物体とを結びつけ得る。

評価モジュール３２０は、１以上の測定対象車両の少なくとも１つに対する信頼性レベルを構築するための命令を更に含み得る。本明細書に記載の信頼性レベルは、ホスト車両から受信した情報の確実性を示す傾向にある１以上のデータポイント又は指標を意味する。評価モジュール３２０は、測定対象車両又は１人以上の操作者に関する履歴又は行動データを含む信頼性レベルを構築し得る。評価モジュール３２０によって決定された信頼性レベルは、更に運転環境にも関連付けられ得る。一部の実施形態では、評価モジュール３２０は、測定対象車両又は測定対象車両の操作者が、幹線道路の運転又は市街地の運転などの一定の環境においてある程度信頼できることを決定し得る。更なる実施形態では、評価モジュール３２０は、測定対象車両又は測定対象車両の操作者が、夜間運転、又は、雨や雪の中での運転などの一定の運転状況においてある程度信頼できることを決定し得る。一部の実施形態では、信頼性レベルは、測定対象車両の操作者の運転技術又は運転能力を含み得る。また別の実施形態では、信頼性レベルは、測定対象車両の１以上のセンサの確実性と関連し得る。１以上の実施形態では、評価モジュール３２０は総合的な測定値、又は、道路の運転若しくは操縦に関する特定要素の測定値として信頼性レベルを決定することができる。総合的な測定値を信頼性レベルとする例は、運転者の総合的質、車両の総合的質、統計的に有意な操作者分類に基づいた一般的な決定（例えば、１０代の運転者対成人運転者）などを含み得る。道路の運転又は操縦に関する特定要素の測定値を信頼性レベルとする例は、車両の特定部分（ブレーキ操作、ハンドル操作等）又は特定環境（例えば、荒天での運転、夜間運転、日中運転など）での運転能力を含み得る。更なる実施形態では、信頼性レベルは、検知された回避行動から予測された不明瞭な障害物に関する１以上の以前に作成された予測の成功率などの成功データを含み得る。

１以上の実施形態では、信頼性レベルは１以上の信頼性パラメータに更に分割することができる。信頼性パラメータは、障害物の要素、車両の要素、運転者の要素、又は、信頼のレベルを区別するために用いられ得るその他の要素に基づいた個別の信頼性レベルであってもよい。このような信頼性パラメータは、車両及び／又は操作者が信頼できる領域と、車両及び／又は操作者が信頼できない領域とを区別するために用いられることができる。障害物の要素に基づく信頼性パラメータの一実施例では、信頼性パラメータは、障害物の種類、障害物の回避、障害物の決定などを含み得る。車両の要素に基づく信頼性パラメータの一実施例では、信頼性パラメータは、車両操縦、障害物の検知、センサの精度、自律システムの品質などを含み得る。運転者の要素に基づく信頼性パラメータの一実施例では、信頼性パラメータは、運転技術、攻撃性、経験、運転能力に影響のある疾患又は障害などを含み得る。一部の実施形態では、評価モジュール３２０は、特定の信頼性パラメータに関する信頼性レベルを、その他の回避行動パラメータ及び／又は信頼性パラメータとは分離される回避行動パラメータに適用することができる。一実施例では、評価モジュール３２０は、ハンドル操作、ブレーキ操作、アクセル操作の３つの回避行動パラメータに係る回避行動を検知し得る。評価モジュールは、不明瞭な障害物を予測するため、各回避行動パラメータに対して特定の信頼性レベルを適用し得る。

信頼性レベルは、意識的な確実性情報及び無意識的な確実性情報の両方を含む利用可能な確実性情報に依拠し得る。本明細書で用いられる意識的な確実性情報は、操作者によって意識的にとられ、運転技量全体に影響する行為又は行動を意味する。一部の実施例では、意識的な確実性情報は、スピード違反、急ブレーキ、急な車線変更、攻撃的行動又は癖、その他の操作者によって制御される行動など、車両の制御可能な行動を含み得る。本明細書で用いられる無意識的な確実性情報は、不明瞭な障害物に対して所望の行為を実行する車両又は操作者に備わる能力を意味する。更なる実施例では、信頼性レベルの一部を構成し得る無意識的な確実性情報は、応答時間、運転能力に影響し得る既知の疾患（例えば、視覚、心臓の異常など）、年齢、運転経験、その他測定対象車両に備わる性能又は操作者による測定対象車両の制御能力を含み得る。

統合モジュール３３０は、概して、プロセッサ２０４を制御し、予測データ及び信頼性レベルを用いて不明瞭な障害物を決定させるよう機能する命令を含み得る。予測データは、概して、ホスト車両が受信した測定対象車両からの不明瞭な障害物に関する情報又はデータに関する。つまり、測定対象車両又は測定対象車両の操作者の信頼性レベルは、予測データの確実性、又は回避行動などその構成要素に関する情報を提供することができる。つまり、障害物予測システム１６０は、信頼性レベルの情報に基づいて不明瞭な障害物を決定するために信頼性レベルを使用し得る。別の実施形態では、統合モジュール３３０は、信頼性レベルを特定の回避行動に適用することができる。更に別の実施形態では、統合モジュール３３０は、信頼性レベルを１以上の測定対象車両又は関連する操作者から受信した全ての予測データに適用することができる。信頼性レベルは、予測データ若しくはその要素のそれぞれの特徴、又は、全予測データに対して適用し得る。信頼性レベル及び予測データの構成要素のその他の可能な組み合わせは、本明細書で更に具体的に述べなくとも想定される。

統合モジュール３３０は、次に、予測データ３６０に記憶された測定対象車両の回避行動の確実性を決定する。１以上の実施例では、信頼性レベルは標準又は正常を基準にした予測データの確実性を示し得る。これにより、統合モジュール３３０は、ある行動が１つの測定対象車両からであると決定することができる。更なる実施例では、信頼性レベルは、車線変更操作又はブレーキ操作などの特定の要素に関して予測データの確実性を示し得る。つまり、統合モジュール３３０は、予測データのデータ確実性を関連付けるための命令を更に含み得る。データ確実性は、データベース３１０に記憶された信頼性情報３８０の一部として記憶され得る。

一部の実施形態では、統合モジュール３３０はホスト車両の一部となり得る。ホスト車両又はその構成要素は、図１を参照して説明された車両１００に実質的に類似し得る。つまり、ある実施形態では、統合モジュール３３０は１以上の測定対象車両から予測データを受信でき、受信された予測データは不明瞭な障害物を決定するために組み入れられ得る。更なる実施形態では、統合モジュール３３０は、ホスト車両によって収集された１以上の測定対象車両からの予測データを受信し得る。この実施形態では、統合モジュール３３０は、ホスト車両によって収集された１以上の測定対象車両からの不明瞭な障害物と、測定対象車両及び／又は測定対象車両の操作者の信頼性レベルとを比較し得る。つまり、障害物予測システム１６０が測定対象車両の行為から不明瞭な障害物を予測することができると認めるか否か、また、どの程度認めるかを決定するために、統合モジュール３３０によって信頼性レベルが用いられる。

統合モジュール３３０が、測定対象車両の信頼性レベルが不明瞭な障害物又は予測データのいずれかを認めるのに充分高くないと判断した場合、統合モジュール３３０は、予測データ又はその構成要素に関連した１以上の追跡行為を含むことができる。追跡行為は、不明瞭な障害物及び／又は予測データの却下、１以上の測定対象車両のうちの１以上からの情報の更なる要求、予測データの１以上の要素の部分的却下、確証リクエスト、又は、情報若しくはデータの１以上の要素に信頼性を与えるかもしれないその他の行為を含み得る。本明細書中で更に明示しなくとも、不明瞭な障害物及び／又は予測データが却下された場合には、可能性のある行為の各種置換が行われ得ることが当業者には理解されるであろう。

障害物予測システム１６０又はそのモジュールは、ネットワーク１７０を介して別のホスト車両又はサーバ１７２などのコンピュータ装置といった情報ソースに接続することを含み得る。ネットワーク１７０は、車両対車両（Ｖ２Ｖ）接続、アドホックネットワーク、車両対インフラストラクチャ（Ｖ２Ｉ）接続、無線接続、中継接続などいずれの形式の接続でもよい。そして、予測データは処理され、時間的関連に基づいて、周辺車両からの他の予測データと比較される。時間的関連、場所的関連、及び行為的関連は、車両内又は車両間の２つの行動の間の関連性を示し、これらの行動が同じ障害物に関連することを示す。時間的関連の例は、同時に２つの車両が、何かを避けるために中央車線から１台は左車線に、もう１台は右車線に外れることを含み得る（つまり、他の情報はないが、時間的要素が２つの行動を結び付けるものである）。時間的関連は、初期車両動作と第２の車両動作との間の時間的要素を含み得る。時間的関連は、場所的関連、行為的関連、又はその組み合わせなど、他の種類の関連に組み入れられ得る。場所的関連の例は、２以上の車両が、何かを避けるために異なる時間に同じ場所を回避することを含み得る（つまり、他の情報はないが、場所的要素が時間的要素と共にある行動を結び付ける）。時間の関係は、場所及び／又は行為と同様に、どの回避行動が不明瞭な障害物と関連するかを決定するのに用いられ得る。

予測データは多様なソースに由来し得るため（例えば、ホスト車両、１以上の測定対象車両など）、複数の障害物行動の決定に予測データが考慮されるように多様な処理方式が用いられ得る。一部の実施形態では、個別の障害物決定モジュール（例えば、異なる車両に搭載された統合モジュール３３０）によって予測データから加工されたデータは、車両１００に送信され、複数の障害物行動の決定に使用される。更なる実施形態では、予測データ３６０及び障害物情報３７０として記憶された、評価モジュール３２０からの予測データは、リモートコンピュータ装置（例えば、サーバ１７２）に送信され、リモートコンピュータ装置において予測データは複数の障害物行動を決定するために用いられる。１以上の回避行動を含む予測データは、次に、ネットワーク１７０を介して車両１００に送信され得る。本明細書中で更に明確な実施例が述べられなくとも、本明細書に記載のシステムの機能を実行するために、ローカル又は遠隔の場所に記憶される障害物予測システム１６０及びモジュールの更なる組み合わせが想定される。

予測データが信頼性レベルと比較されると、次に、統合モジュール３３０が不明瞭な障害物を構築し得る。不明瞭な障害物は、センサデータ（例えば、道路で検知された障害物）、行為からの外挿（例えば、車両がくぼみを避けるように操縦された）などに基づいて決定され得る。一部の実施形態では、２以上の不明瞭な障害物があることがあり（例えば、右側車線を遮断する工事又は積雪の可能性がある）、又は、不明瞭な障害物が総称的なものであることがある（例えば、中央車線内の障害物）。更なる実施形態では、不明瞭な障害物は、公に利用可能なソース、センサデータなど、新しい情報を用いて時間と共に精査され得る。不明瞭な障害物は、障害物情報３７０の一部としてデータベース３１０に記憶され得る。更に、この情報は、ホスト車両からサーバ（例えば、サーバ１７２）などに送信され得る。

更なる実施形態では、統合モジュール３３０は、不明瞭な障害物に関する一式の環境境界を決定することができる。環境境界は、不明瞭な障害物によって影響を受ける車両環境内の領域の境界である。くぼみを一例とすると、くぼみは、くぼみそのものの端部では回避できない。このように、くぼみの周辺領域一帯がくぼみによって影響をうける。この領域には、走行速度、車道状況、車両の性能など環境を安全に通行することに関連した要因に基づいて環境境界が設定される。統合モジュール３３０は、本明細書に記載された不明瞭な障害物の予測を用いて、即時にこれらの環境境界を構築する能力を更に含み得る。

統合モジュール３３０は、予測を車両環境内にマッピングする命令を更に含み得る。ここで、統合モジュール３３０は不明瞭な障害物を障害物位置に配置することができる。障害物位置は、車両環境内の大まかな位置又は正確な位置であり得る。障害物位置は、障害物の車線レベルの位置、障害物に影響される境界、車線境界を定義するパラメータなどの詳細を含み得る。統合モジュール３３０は、不明瞭な障害物の情報量及び時間変化、１以上のデータポイントの信頼性レベルなどに基づいて、不明瞭な障害物を不明瞭な障害物の位置にマッピングすることができる。この関連付けは、ホスト車両、他の自律走行車両、他の手動運転車両（通信システム１３０又は拡張現実システム１８０を介してなど）、その他の機構に提供され得る。そして、統合モジュール３３０は、不明瞭な障害物の予測を用いて、いずれかの既知の概算時間又は期待される変化などについて各種地図を更新し得る。一実施例では、不明瞭な障害物は車線への進入を不可能にする積雪である。統合モジュール３３０は、その日に気温が華氏５０度（摂氏１０度）超に上昇する予報であることを決定し得る。このように、統合モジュール３３０は午後の一定時間後には不明瞭な障害物が車両環境に影響を及ぼさないであろうことを決定し、その情報で地図を更新することができる。

更に、不明瞭な障害物は、統合モジュール３３０によって、他の予測される又は既知の障害物と相関され得る。ある障害物位置の不明瞭な障害物は、車両環境に影響を及ぼすその他の障害物と関連するかもしれない。統合モジュール３３０は、障害物の種類、時間、位置などのパラメータを用いて、どの障害物が車両環境と関連するかを決定することができる。一実施例では、統合モジュール３３０は、不明瞭な障害物が中央車線内の工事設備の一つであると決定する。統合モジュール３３０は、各種機構（例えば、公に利用可能な情報）を通して、不明瞭な障害物から特定の距離にある工事車両に係る事故を検知することができ、これによって、工事車両と不明瞭な障害物は関連のある障害物であると決定する。更に、本明細書に開示される実施形態を用いて、不明瞭な障害物と車両環境との相関関係を形成し得る。

調整モジュール３４０は、概して、プロセッサ２０４を制御して、不明瞭な障害物と信頼性レベルとを用いて、車両環境内のホスト車両に対して案内情報を作成させるよう機能する命令を含み得る。案内情報は運転者又は自律走行車両が不明瞭な障害物からの影響を回避するために実行し得る１以上の工程である。案内情報は、障害物の種類、障害物が車両環境の交通に及ぼし得る影響予測、不明瞭な障害物がなくなる可能性、障害物の位置、代替経路の利用可能性などに関連し得る。案内情報は、特定の経路、回避するべき又は走行するべき車線、交通パターンに関する推定、通常車線パターン外の交通の動きなどを含み得る。更に、案内情報は、特定の障害物、一定の頻度で発生する車線レベルの障害物など、経時的に収集された関連する時間データも含み得る。

また、調整モジュール３４０は、回避行動と信頼性レベルとを案内情報に組み入れることで案内情報を作成し得る。システムと操作者は異なる能力や効率で操作することが理解される。そのため、１以上の操作者及び／又は１以上の自律走行車両の回避行動に組み入れられた回避技術は、車両の選択又は車線レベルの操縦に組み入れられ得る。つまり、信頼性レベルによって裏付けられる回避行動は、案内情報の一部として及び／又は修正に用いられるために提供され得る。

調整モジュール３４０は、不明瞭な障害物を回避するための案内情報を用いて、ホスト車両を誘導する命令を更に含み得る。調整モジュール３４０は、操作者の入力、車両形式（例えば、自律又は手動）その他の制御要因に基づいて車両を直接又は間接的に誘導し得る。一実施形態では、案内情報が車両システム１４０に対する命令として提示され、車両システム１４０内の１以上の動きを制御する際などに、調整モジュール３４０は車両を直接制御し得る。別の実施形態では、案内情報が自律走行モジュール１５０に対する命令として提示される際などに、調整モジュール３４０は車両を間接的に制御し得る。この場合、自律走行モジュール１５０が調整モジュール３４０からの入力を変化させたり、拒否できるという意味で、制御は間接的である。別の実施形態では、案内情報が命令／経路とすることがして操作者に提示される際、又は、乗客によって選択又は提供され得る入力として提示される際などに、案内情報は操作者又は乗客に対して選択肢として提示され得る。

図４は、１以上の実施形態に係る障害物予測システム１６０の概略図４００を示す。評価モジュール３２０を用いる障害物予測システム１６０は、ホスト車両を介して車両環境内の１以上の測定対象車両に関する予測データを収集する。評価モジュール３２０は、１以上の測定対象車両に関する信頼性レベルを構築するため、確実性情報４０５を更に収集する。評価モジュール３２０は、１以上の回避行動及び／又はその他の情報が不明瞭な障害物に関係するかを決定するのに、信頼性レベルを考慮して予測データを比較し得る。統合モジュール３３０は、不明瞭な障害物を予測するために、信頼性レベルを１以上の測定対象車両からの検知された回避行動に適用することができる。調整モジュール３４０は、以前に構築された予測を用いて、車両環境内での不明瞭な障害物の位置の範囲（つまり、障害物位置）を決定することができる。また、調整モジュール３４０は、適宜、ホスト車両が障害物を回避するための案内情報を作成し得る。つまり、障害物予測システム１６０を使用することで、ホスト車両は１以上の測定対象車両からの検知された回避行動を用いて、測定対象車両の確実性を考慮して車両環境内の不明瞭な障害物を予測することができる。

図４に示されるように、概略図４００では、初めに、評価モジュール３２０が各種ソースから（例えば、ホスト車両４１０及びセンサシステム１２０を介して）確実性情報４０５とセンサデータ４２０とを含むデータ及び情報を収集する。予測データは、センサデータ４２０を含み得る。センサデータ４２０は、１以上の測定対象車両４３０から検知された１以上の回避行動４２５を含み得る。センサデータ４２０は、ホスト車両４１０によってセンサシステム１２０からなど１以上の測定対象車両４３０から収集され得る。確実性情報４０５は、測定対象車両４３０と障害物予測システム１６０との間の相互通信の履歴を含む各種ソースに由来し得る。評価モジュール３２０は、回避行動４２５に対する信頼性レベル４１５を決定するために、確実性情報４０５を適用し得る。

センサデータ４２０及び回避行動４２５に関するその他の情報を含み得る予測データ３６０は、ホスト車両４１０によって収集され得る。１以上の実施形態で、ホスト車両４１０は、センサシステム１２０など、センサシステムの１以上のセンサを用いて同じくセンサデータ４２０を収集する評価モジュール３２０を含み得る。ホスト車両４１０は、図１を参照して説明された車両１００に実質的に類似し得る。予測データ３６０は、図３を参照して説明されるデータベース３１０などのデータベースに記憶され得る。回避行動４２５は、１以上の測定対象車両４３０から送信された、及び／又は、１以上の測定対象車両４３０について検知された動きを含み得る。センサデータ４２０及び／又は回避行動４２５は、予測データ３６０の一部として記憶され得る。

予測データ３６０は、更に、ネットワーク１７０を介して、サーバ１７２などの遠隔の場所に記憶される又は記憶のために複製され得る。確実性情報４０５は、１以上の測定対象車両４３０のうちの１以上に対する信頼性レベル４１５を作成するために適用され得る。信頼性レベル４１５は、１以上の測定対象車両４３０から受信したデータ又は情報の確実性の尺度となり得る。信頼性レベル４１５は、信頼性情報３８０に組み入れられることがある。予測データ３６０及び信頼性情報３８０は、評価モジュール３２０によって統合モジュール３３０に更に転送され得る。統合モジュール３３０は、１以上の不明瞭な障害物を決定するために、予測データ３６０と信頼性情報３８０とにアクセス又は予測データ３６０と信頼性情報３８０とを受信することができる。予測データ３６０は、道路の通行不可能な距離又は車線、車両の走行に影響を及ぼす障害物、車両環境内の測定対象車両４３０の行動を変化させるその他の障害物など、車両環境内の不明瞭な障害物を示し得る。信頼性情報３８０は、図３を参照して上述したように、不明瞭な障害物４３５の予測のために、統合モジュール３３０によって予測データ３６０と比較されてもよい。つまり、信頼性情報３８０は、どの予測データ３６０が信頼することができるか、そして、不明瞭な障害物４３５の予測においてどの程度信頼することができるのかを決定するために適用することができる。不明瞭な障害物４３５の予測は、障害物情報３７０の一部として記憶され及び／又は調整モジュール３４０に転送され得る。

調整モジュール３４０は、信頼性レベル４１５と不明瞭な障害物４３５の予測とを用いて、不明瞭な障害物４３５を障害物位置４４０にマッピングすることができる。１以上の実施形態で、調整モジュール３４０は、不明瞭な障害物４３５の障害物位置４４０に関して１以上の境界を設定するために、信頼性レベル４１５及び予測データ３６０を適用することができる。不明瞭な障害物４３５の予測は、車両事故又はトラックから道路に落とされたはしごなど、障害物が存在するのに必要な大きさの推定又は障害物の大きさの見込みを提供し得る。回避行動４２５は、信頼性レベル４１５を考慮して、ホスト車両４１０からの可能な案内行動に関する情報と、不明瞭な障害物に関する情報の正確性とを提供し得る。この情報を用いて、調整モジュール３４０は、不明瞭な障害物４３５に対して障害物位置４４０の推定を作成することができる。

障害物位置４４０が定まると、調整モジュール３４０は、車両１００に対する案内情報４４５を策定することができる。上述したように、案内情報４４５は回避行動４２５と信頼性レベル４１５とに基づいて修正され得る。上述した案内情報４４５は、不明瞭な障害物４３５を回避又は安全に通過することが見込まれる、ホスト車両が追随するべき特定の経路、ホスト車両の可能な操作、不明瞭な障害物４３５の大まかな回避可能性（例えば、障害物回避可能性）などであり得る。１以上の実施形態で、コースが維持された又は車線位置が維持された場合などに、不明瞭な障害物は回避不可能と決定され得る。不明瞭な障害物が回避不可能と決定された場合、案内情報４４５は、損害又は損傷を防ぐために、ホスト車両への別経路の照会、又は、ホスト車両を完全に停止させることを含み得る。こうして、案内情報４４５は、ホスト車両又は操作者に提供され得る。手動運転車両に対して案内情報４４５が提示される際には、拡張現実（ＡＲ）システム１８０又は通信システム１３０を介してなどで提供され得る。別の実施形態では、自律走行車両に対して案内情報４４５が提示される際には、案内情報４４５は、車両システム１４０及び／又は自律走行モジュール１５０への命令として提供され得る。

本明細書に記載の障害物予測システム１６０は、自律走行車両及び非自律走行車両の両方に対して多くの利点を提供することができる。障害物予測システム１６０は、１以上の測定対象車両に関する回避行動の検知、検知した回避行動の信頼性レベルに照らした加重、及び、車両環境内での回避行動と信頼性レベルとに基づいた不明瞭な障害物の予測を含む。障害物予測システム１６０は、障害物自体の可視化や感知には依存しない。つまり、障害物予測システム１６０は、近接性、検知効率などに課されるような同じ制約を受けない。更に、障害物予測システム１６０は、測定対象車両の行為の検知に基づいて車線レベルの障害物を検知でき、車両環境における変化のより素早い決定を可能にする。

図５は、１以上の実施形態に係る障害物予測システム１６０を用いた車両環境５００におけるホスト車両５４０を示す。障害物予測システム１６０は、１以上の不明瞭な障害物の位置と障害物への可能な対応を含んだ瞭な障害物の存在を決定するために、１以上の測定対象車両に関する信頼性レベルをセンサデータ及び回避行動などの予測データに適用する。図５に示されるように、車両環境５００は、第１の車線５１０と、第２の車線５１２と、第３の車線５１４とを有する道路５０８を含む。１以上の路面標識５１６で示される第１の車線５１０、第２の車線５１２、及び第３の車線５１４は、道路５０８上で車両の走行位置及び走行分離を制御するための交通パターンの一部である。

車両環境５００は、１以上の新規測定対象車両５０２、及び１以上の既知の測定対象車両５０４ａ及び５０４ｂなど様々な測定対象車両を更に含み得る。新規測定対象車両５０２は、車両環境５００内で偶発的に発生し、回避行動５０６ａ、５０６ｂ及び５０６ｃとして図中に示される１以上の回避行動を行う車両である。新規測定対象車両５０２は、既知の信頼性情報を持たない。障害物予測システム１６０は新規測定対象車両５０２及び１以上の既知の測定対象車両５０４ａ及び５０４ｂを用いることが示されるが、障害物予測システム１６０によって検知、測定された新規測定対象車両及び既知の測定対象車両の数は、いかなる数の車両でもよい。更に、車両環境５００は、不明瞭な障害物５２０との関連で本明細書に記載され、道路５０８の第３の車線５１４内のくぼみとして描写される１以上の交通障害物を含み得る。前述したように、障害物予測システム１６０及び／又はその構成要素はホスト車両５４０、サーバ１７２、コンピュータ装置２００、又はその組み合わせに記憶され得る。

障害物予測システム１６０は、回避行動５０６ａ、５０６ｂ及び５０６ｃの発生で開始し得る。障害物予測システム１６０の評価モジュール３２０は、車両環境５００に関する情報を収集する。これには、回避行動５０６ａ、５０６ｂ及び５０６ｃの検知が含まれる。回避行動５０６ａ、５０６ｂ及び５０６ｃは、ホスト車両５４０のセンサシステム５３０などのセンサシステムを用いて検知し得る。センサシステム５３０は、図１の車両１００を参照して記載されたセンサシステム１２０と実質的に同様であり得る。車両環境内の各車両間で用いられるセンサシステム５３０は、センサシステム１２０の１以上の要素を含み得る。センサシステム５３０は、センサシステム間で同じ要素又は何らかの統一要素を有する必要はない。回避行動５０６ａ、５０６ｂ及び５０６ｃは、ホスト車両５４０のセンサシステム５３０を用いることなどで更に検知されるか、又は、測定対象車両５０４ａが測定対象車両５０４ａの回避行動５０６ｂに関する情報を自ら報告するなど、１以上の内部システムを用いて報告され得る。

図５に示されるように、回避行動５０６ａ、５０６ｂ及び５０６ｃに関する予測データは、ホスト車両５４０のセンサシステム５３０を用いて１以上の測定対象車両５０４ａ及び５０４ｂから収集されることができる。この実施例では、ホスト車両５４０の評価モジュール３２０は、新規測定対象車両５０２が第２の車線５１２を走行し続けることを含む回避行動５０６ａを検知する。評価モジュール３２０は、既知の測定対象車両５０４ａが第２の車線５１２から第３の車線５１４に切り替えることと、第３の車線５１４と第２の車線５１２との間に遷移点５２５ａがあることとを含む回避行動５０６ｂを更に検知する。評価モジュール３２０は、既知の測定対象車両５０４ｂが第１の車線５１０から第２の車線５１２に遷移することを含む回避行動５０６ｃを更に検知する。回避行動５０６ａ、５０６ｂ及び５０６ｃの検知は、データベース３１０などのデータベースに記憶されるか、或いはその他の方法で統合モジュール３３０に対して利用可能にされ得る。

統合モジュール３３０は、次に、１以上の回避行動が特定の障害物に関連するかを決定し得る。上述した回避行動５０６ａ、５０６ｂ及び５０６ｃは、環境内の測定対象車両によって実行された行為又は操作である。回避行動は障害物に対処している可能性がある。このように、１以上の回避行動５０６ａ、５０６ｂ及び５０６ｃが遮断された障害物の予測に適用され得る。図５に示されるように、既知の測定対象車両５０４ａは、第３の車線５１４内の障害物に対処しているようである。統合モジュール３３０は、既知の測定対象車両５０４ｂの動きが突然であること、既知の測定対象車両５０４ａの自律走行モジュール１５０からの自己報告、及び、ホスト車両５４０による回避動作の検知に基づいて、回避行動５０６ｂが不明瞭な障害物５２０に関連することを決定することができる。この実施形態で、既知の測定対象車両５０４ａは、第３の車線５１４内の不明瞭な障害物５２０の回避を示唆する様に動き得る。この決定は、回避行動５０６ｂ、５０６ｃ及び５０６ｄの時間的関連及び場所的関連に基づいて更になされ得る。

障害物予測システム１６０は、信頼性レベルに基づいて、回避行動を更に関連付けることができる。１以上の実施形態で、信頼性レベルは車両と操作者との間で区別され得る。この実施例では、既知の測定対象車両５０４ａは、信用することができるセンサデータ及び車両操作に基づいて高い信頼性レベルを有すると考えられる。更に、既知の測定対象車両５０４ａは、運転技術が未熟であるにも関わらず攻撃的な運転であることに基づいて、信頼性レベルの低い操作者が乗車していると決定され得る。新規測定対象車両５０２は、無視されるか、車両環境内で観測された動作のみに基づいて加重されるか、中立に扱われ得る（信頼も不信もない）。このように、障害物予測システム１６０は、明確な回避行動５０６ａ及び５０６ｃに対してはほとんど無視をするか、最小の加重を行い、既知の測定対象車両５０４ａの回避行動５０６ｂによって提供されたデータには高い加重を行うことができる。このように、障害物予測システム１６０は、第１の車線５１０及び第２の車線５１２内の不明瞭な障害物の可能性を無視し、不明瞭な障害物５２０が第３の車線５１４内に存在することを決定することができる。

回避行動５０６ｂに含まれる既知の測定対象車両５０４ａの動作と、ホスト車両５４０から受信されたセンサ情報とが、不明瞭な障害物の存在及び予測を決定するために用いられ得る。既知の測定対象車両５０４ａの動作とホスト車両５４０からのデータとに基づいて、障害物予測システム１６０は、道路５０８の第３の車線５１４内の障害物５２０などの不明瞭な障害物が存在することを決定することができる。図５に示されるように、既知の測定対象車両５０４ａ及び新規測定対象車両５０２は、回避行動５０６ｂ、５０６ｃ及び５０６ｄにおいて領域を回避していることから示されるように、第３の車線５１４内に空間を形成している。統合モジュール３３０は、この領域を観測しなくとも、本明細書に記載されるように統合モジュール３３０が受信した回避行動５０６ｂによって障害物が存在することを決定することができる。障害物位置５２５にある不明瞭な障害物５２０は、回避行動の種類と関連し得る。例えば、ある領域の回避は、道路のその範囲が安全に走行し得ず、道路危険物を含む可能性があることを示唆する。不明瞭な障害物５２０は、物体が周辺に落とされたという情報を緊急無線スキャナが受信するなどして受信した更なる情報に基づいて精査され得る。この情報は、予測された障害物の種類を精査するなどのために不明瞭な障害物５２０に相関付けられ得るが、不明瞭な障害物は不明瞭な障害物５２０を正確に描写する必要はない。

次に、統合モジュール３３０は、不明瞭な障害物を車両環境にマッピングするための命令を提供し得る。障害物位置５２５は不明瞭な障害物５２０の車両レベルの位置を含む。回避行動５０６ｂ及びホスト車両５４０からのセンサデータは、障害物位置５２５の大まかな場所を示す。一部の実施形態では、統合モジュール３３０は、既知の測定対象車両５０４ａ及び５０４ｂに関する場所など、不明瞭な障害物５２０の障害物位置５２５の車線レベルの場所を決定し得る。障害物の性質を考慮に入れると、不明瞭な障害物５２０の障害物位置５２５は路面標識５１６に従わない、或いは、制限されないことがある。そこで、既知の測定対象車両５０４ａの回避行動５０６ｂの発生タイミング及び位置決めによって、障害物位置５２５の示唆が提供され得る。

調整モジュール３４０は、次に、ホスト車両５４０に対する案内情報を策定し得る。ホスト車両５４０は、障害物予測システム１６０から情報を受信する車両である。障害物予測システム１６０の調整モジュール３４０は、案内情報を決定するために、不明瞭な障害物と、障害物位置と、既知の測定対象車両５０４ａ及び５０４ｂに対する信頼性レベルとを適用し得る。案内情報は、ホスト車両５４０に対して、障害物を回避する又は安全に通過するには車両又は操作者がどのよう対処すべきかを知らせる。この実施例では、既知の測定対象車両５０４ａには、信頼性レベルの低い操作者が乗車していることが決定されている。既知の測定対象車両５０４ｂには、高い技術と経験に基づいた信頼性レベルの高い操作者が乗車し得る。更に、既知の測定対象車両５０４ｂの操作者はブレーキ操作に問題があることが知られ得るため、ブレーキ操作時間に関して低い信頼性レベルパラメータが作成される。これを考慮して、調整モジュール３４０は、減速に関する操作者の信頼性レベルに基づいて遅延時間が修正された、既知の測定対象車両５０４ｂからの車両操縦の１以上の要素を含む案内情報を作成し得る。

調整モジュール３４０は、次に、案内情報をホスト車両５４０に提供し得る。図５に示されるように、ホスト車両５４０は調整モジュール３４０から案内情報を受信する。調整モジュール３４０は自律走行モジュール１５０を通してなどで直接案内情報を提供するか、又は、ホスト車両５４０の操作者に命令を提供することなどによって間接的に案内情報を提供し得る。一実施形態では、案内情報は、通信システム１３０を介して操作者に伝達される情報であり、ホスト車両５４０が第３の車線５１４から第２の車線５１２に移動すべきであることを示唆している。別の実施形態では、案内情報は自律走行モジュール１５０への命令であり、ホスト車両５４０を制御して、第３の車線５１４から第２の車線５１２に移動させる。案内情報は、障害物がどこで開始し終了することが見込まれるか及び／又は操作者がどこで回避操作を開始するべきかの示唆を含み得る。これによって、操作者又は自律走行モジュール１５０が、適切に進路を変更することを可能にする。

障害物予測システム１６０は、車両環境内の車両に多くの利点を提供することができる。障害物予測システム１６０は、障害物を回避又は安全に通過するための情報を提供するために障害物の特定の検知を要しない。つまり、障害物予測システム１６０を用いることで、ホスト車両５４０は漠然とした障害物を検知でき、回避することができる。

図６は、本明細書の１以上の実施形態に係る、一定環境内で不明瞭な障害物を検知するための方法６００のブロック図である。方法６００は、車両１００の障害物予測システム１６０などの、本明細書に記載のシステム又は装置によって実行され得る。方法６００は、ホスト車両からの測定対象車両の回避行動に関するセンサデータなど、間接的ソースからの予測データの集まりを含み得る。予測データは測定対象車両の信頼性レベルに基づいて考慮され、続いて、障害物の種類及び位置が決定され、ホスト車両に対する案内情報が形成される。つまり、方法６００は、不明瞭な障害物に対処し、ホスト車両を安全に誘導することができる。図６に示されるように、方法６００は、６０２において、ホスト車両が、車両環境内の１以上の測定対象車両から不明瞭な障害物に関する予測データを受信することを含む。そして、６０４で、１以上の測定対象車両の少なくとも１つに対して信頼性レベルが構築され得る。６０６で、予測データと信頼性レベルとを用いて不明瞭な障害物を予測するのに応じて、予測は車両環境にマッピングされ得る。そして、６０８で、ホスト車両は、不明瞭な障害物を回避するための案内情報を用いて誘導され得る。

方法６００は、６０２で、ホスト車両が車両環境内の１以上の測定対象車両から不明瞭な障害物に関する予測データを受信することで開始され得る。不明瞭な障害物は、ホスト車両の視点から不明瞭となり得る。予測データは、ホスト車両から受信したセンサデータ、測定対象車両からの回避行動のセンサデータ、及び／又は、測定対象車両からの回避行動の直接報告など、不明瞭な障害物に関する情報を含み得る。検知及び認識は、１以上の車両センサからなどのセンサ入力を用いて実行され得る。不明瞭な障害物は、ホスト車両からのセンサ入力を用いるなどによって、測定対象車両の行動からホスト車両によって即時に認識され得る。更に別の実施形態では、不明瞭な障害物の示唆は、測定対象車両の行動から認識され得る。更に、方法６００では、障害物の検知又は認識に用いられ得る１以上の測定対象車両からのデータ（例えば、未処理データ）を受信することができる。

更に、方法６００は、車両環境内の回避行動に関する情報を検知すること又は受信することを含み得る。回避行動は、１以上の不明瞭な障害物に起因して車両環境内でなされた選択を示すために用いられ得る。方法６００は、車両が走行する車線と、回避操作と、車両の制御の形式（例えば、自律又は手動）と、場所と操作両方の概算時間と、関連するセンサデータとを示すために回避行動を適用することを含み得る。方法６００は、回避行動の検知又は推測を可能にするための利用可能なシステムを用いて回避行動を収集することを含み得る。一部の実施形態では、回避行動は、既知の車両操作（例えば、既知のアクチュエータの位置に基づく回転などの操作を測定対象車両が自ら報告）又はセンサを介した車両観測値に基づいて送信され得る。

方法６００は、次に、どの回避行動が不明瞭な障害物に関連するかを決定することを含み得る。一部の実施形態では、方法６００は、どの回避行動が不明瞭な障害物に関連するかを決定するため、行動間の時間的関連を用い得る。更なる実施形態では、方法６００は、測定対象車両からデータ送信又は他の示唆を受信することを含み得る。測定対象車両から受信した不明瞭な障害物に関する情報は、上述した検知又は決定のソースを含み得る。

予測データの収集は、図３を参照して説明された障害物予測システム１６０などのシステムの一部として実施され得る。障害物予測システム１６０は、評価モジュール３２０を含み得る。評価モジュール３２０は、概して、プロセッサ２０４を制御して、車両環境及び１以上の測定対象車両から１以上の回避行動などの予測データを収集させるよう機能する命令を含み得る。回避行動は、図３及び図４を参照して説明された回避行動に実質的に類似し得る。回避行動は、予測データ３６０の一部として記憶され得る。予測データ３６０は、図３を参照して説明されたデータベース３１０などのデータベースに記憶され得る。

６０４において、１以上の測定対象車両の少なくとも１台に対して車両信頼性レベルが構築され得る。信頼性レベルは、測定対象車両又は１以上の操作者に関連した履歴又は行動データを含み得る。信頼性レベルは、更に、測定対象車両が運転される車両環境などの運転環境に関連し得る。一実施形態では、信頼性レベルは、測定対象車両の操作者の運転技術又は運転能力を含み得る。一部の実施形態では、信頼性レベルは、測定対象車両の１以上のセンサの確実性に関連し得る。１以上の実施形態では、信頼性レベルは、道路の運転又は操縦の総合的測定又は特定の要素の測定でもよい。信頼性レベルは、意識的確実性情報及び無意識的確実性情報の両方を含む利用可能な確実性情報に依存して適用され得る。一部の実施例では、意識的確実性情報は、スピード違反、急ブレーキ、急な車線変更、攻撃的行動又は癖、その他の運転者によって制御される行動など、車両の制御可能な行動を含み得る。更なる実施例では、信頼性レベルの一部を構成し得る無意識的確実性情報は、応答時間、運転能力に影響し得る既知の疾患（例えば、視覚、心臓の異常など）、年齢、運転経験、その他測定対象車両に備わる機能又は操作者による測定対象車両の制御能力を含み得る。

信頼性レベルの決定は、図３を参照して説明された障害物予測システム１６０などのシステムの一部として実行することができる。障害物予測システム１６０は、評価モジュール３２０を含み得る。評価モジュール３２０は、概して、１以上の測定対象車両の少なくとも１つに対して信頼性レベルを構築するための命令を含み得る。信頼性レベルは、図３及び図４を参照して説明された信頼性レベルに実質的に類似し得る。信頼性レベルは、信頼性情報３８０の一部として記憶され得る。信頼性情報３８０は、図３を参照して説明されたデータベース３１０などのデータベースに記憶され得る。

方法６００は、６０６において、予測データ及び／又は信頼性レベルを用いて不明瞭な障害物を予測することを更に含み得る。不明瞭な障害物の予測は、１以上の間接的ソースからの情報に基づき得る。１以上の実施形態における不明瞭な障害物の予測は、１以上の測定対象車両の検知された回避行動に基づく、ホスト車両が受信した不明瞭な障害物に関する関連情報又はデータを含む。つまり、測定対象車両又は測定対象車両の操作者に対する信頼性レベルは、予測データの確実性に関する情報を提供し得る。これにより、予測データの確実性に関する情報に基づいて、信頼性レベルを用いて不明瞭な障害物が予測され得る。一部の実施形態では、信頼性レベルは、ホスト車両又は関連する操作者から受信した回避行動若しくはセンサデータなどの予測データ又はその構成要素に適用され得る。方法６００は、予測データの確実性を決定することを更に含む。１以上の実施例では、信頼性レベルは、標準又は正常と比較した予測データの確実性を示し得る。更なる実施例では、信頼性レベルは、車線操作又はブレーキ操作などの特定の要素に関する予測データの確実性を示し得る。

方法６００が、測定対象車両に対する信頼性レベルが不明瞭な障害物の予測又は予測データ全体を受け入れるのに充分高くないと決定した場合、方法６００は、不明瞭な障害物及び／又は予測データに関連した１以上の追跡行為の実行を含み得る。追跡行為は、予測データ又はその構成要素の却下、１以上の測定対象車両への更なる情報の要請、予測データの１以上の要素の部分的却下、確証の要請、又は、予測データの１以上の要素に信頼性を与え得るその他の行為を含み得る。方法６００は、予測データと信頼性レベルとを照らし合わせ、不明瞭な障害物の予測に加重予測データを適用し得る。不明瞭な障害物は、センサデータ（例えば、道路で検知された障害物）、行為からの外挿（例えば、くぼみを避けるような車両の操縦）などに基づいて予測され得る。一部の実施形態では、２以上の不明瞭な障害物があることがあり（例えば、右側車線を遮断する工事又は積雪があることがある）又は、不明瞭な障害物が大まかなものであることがある（例えば、中央車線の障害物）。更なる実施形態では、不明瞭な障害物は公に利用可能なソース、センサデータなど、新しい情報を用いて時間の経過と共に精査され得る。

不明瞭な障害物の予測は、図３を参照して説明された障害物予測システム１６０などシステムの一部として実行され得る。障害物予測システム１６０は、統合モジュール３３０を含み得る。統合モジュール３３０は、概して、プロセッサ２０４を制御し、予測データ及び／又は信頼性レベルを用いて不明瞭な障害物を予測させるよう機能する命令を含む。不明瞭な障害物は、図３及び図４を参照して説明された不明瞭な障害物に実質的に類似し得る。予測データは、障害物予測システム１６０に対して、予測データに対応する１以上の障害物の種類に関して報告し得る。不明瞭な障害物は、障害物情報３７０の一部として記憶され得る。障害物情報３７０は、図３を参照して説明されたデータベース３１０などのデータベースに記憶され得る。

６０６において、予測データ及び信頼性レベルを用いて不明瞭な障害物を予測するのに応じて、予測は車両環境にマッピングされ得る。ここで、方法６００は、不明瞭な障害物の障害物位置への位置決めを含み得る。障害物位置は、大まかな又は正確な車両環境内の位置であり得る。障害物位置は、障害物の車線レベルの位置、障害物に影響される境界、車線境界を定義するパラメータなどの詳細を含み得る。そして、不明瞭な障害物は、障害物に関する情報量と経時的変化、測定対象車両に関連付けられた１以上のデータポイントに関する信頼性レベルなどに基づいて、障害物位置に位置決めされ得る。この関連付けは、続いてホスト車両によって適用され、他の車両に提供され得る。不明瞭な障害物の予測は、いずれかの既知の概算時間を含む地図の更新にも用いられ得る。

更に、不明瞭な障害物の予測は、予測される又は既知のその他の障害物と相関付けられ得る。障害物位置にある不明瞭な障害物は、車両環境に影響を及ぼすその他の障害物と関連することがある。方法６００は、車両環境でどの障害物同士が関連するかを決定するために、障害物の種類、タイミング、位置などのパラメータを用いることを含み得る。

不明瞭な障害物のマッピングは、図３を参照して記載された障害物予測システム１６０などのシステムの一部として実行され得る。障害物予測システム１６０は、統合モジュール３３０を含み得る。統合モジュール３３０は、概して、プロセッサ２０４を制御して、車両環境内に不明瞭な障害物をマッピングさせるよう機能する命令を含み得る。不明瞭な障害物は、図３及び図４を参照して説明された不明瞭な障害物に実質的に類似し得る。不明瞭な障害物及び障害物位置は、障害物情報３７０の一部として記憶され得る。障害物情報３７０は、図３を参照して説明されたデータベース３１０などのデータベースに記憶され得る。

次に、ホスト車両は、不明瞭な障害物を回避するための案内情報を用いて誘導され得る。案内情報は、不明瞭な障害物によって影響を受けるのを回避するために操作者又は自律走行車両が実施し得る１以上の工程である。案内情報は、障害物の種類、障害物が車両環境中の交通に及ぼすと予測される影響、不明瞭な障害物がなくなる可能性、障害物の位置、代替経路の利用可能性などに関連し得る。案内情報は、特定の経路、回避するべき又は走行するべき車線、交通パターンの予測、通常の車線パターン以外の交通の動きなどを含み得る。更に、案内情報は、特定の障害物、既知の頻度で発生する車線レベルの障害物などに関する、経時的に収集された関連する時間データを含み得る。

方法６００は、回避行動及び信頼性レベルを案内情報に組み込むことで案内情報を作成することを含み得る。システム及び操作者は、異なる性能及び効率で稼働することが理解される。つまり、１以上の操作者及び／又は１以上の自律走行車両の回避行動に含まれる回避技術は、車両の選択又は車線レベルの操縦に含まれ得る。つまり、信頼性レベルで裏付けされた回避行動は、案内情報の一部として提供され得る及び／又は案内情報を修正するために用いられ得る。

案内情報の策定は、図３を参照して説明された障害物予測システム１６０などのシステムの一部として実行され得る。障害物予測システム１６０は、調整モジュール３４０を含み得る。調整モジュール３４０は、概して、プロセッサ２０４を制御して、不明瞭な障害物及び信頼性レベルを用いて、車両環境中のホスト車両に対する案内情報を作成させるよう機能する命令を含み得る。案内情報は、図３及び図４を参照して説明された案内情報と実質的に類似し得る。案内情報は、図３に示されるように、車両又は操作者に送信され得る。

続いて、方法６００は、案内情報を用いてホスト車両を誘導することも更に含み得る。方法６００は、操作者の入力、車両形式（例えば、自律又は手動）又はその他の制御要素などに基づいて直接又は間接的にホスト車両を誘導することを含み得る。一実施形態では、車両システムに案内情報を命令として提示し、車両システムの１以上の動作を制御する場合など、方法６００は直接車両を制御することを含み得る。別の実施形態では、自律走行システムに案内情報を命令として提示する場合など、方法６００はホスト車両を間接的に制御することを含み得る。この制御は、自律走行モジュールが方法６００からの入力を変化又は拒否することができるということにおいて間接的となり得る。別の実施形態では、案内情報は、案内情報が操作者に命令／経路として提示される場合、又は、乗客によって選択又は提供され得る入力として提示される場合など、働きかけるホスト車両の操作者又は乗客に選択肢として提示され得る。

案内情報を用いた誘導は、図３を参照して説明された障害物予測システム１６０などのシステムの一部として実行され得る。障害物予測システム１６０は、調整モジュール３４０を含み得る。調整モジュール３４０は、案内情報を用いてホスト車両を誘導する命令を更に含み得る。調整モジュール３４０は、操作者の入力、車両形式又はその他の制御要素に基づいて直接又は間接的に車両を誘導し得る。案内情報は、図３及び図４を参照して説明された案内情報に実質的に類似し得る。案内情報は、図３に記載されるように、車両又は操作者に送信され得る。

本明細書に開示されるシステム及び方法が運用されることがある例示的車両環境として、図１の完全な詳細を説明する。一部の事例では、車両１００は、自律走行モード、１以上の半自律走行モード及び／又は手動運転モードを選択的に切り替えるよう構成される。このような切り替えは、手動運転モードに移行する場合はハンドオーバとも呼ばれ、現在知られている又は今後開発される適切な方法で実施され得る。「手動運転モード」は車両の誘導及び／又は操縦の全て又は大部分が利用者（例えば、人の運転者／操作者）から受けとる入力に従って実行される。

１以上の実施形態では、車両１００は自律走行車両であり得る。本明細書中で、「自律走行車両」は、自律走行モードで走行する車両を意味する。「自律走行モード」は、人の運転者／操作者から最小限の入力又は入力なしで車両１００を制御するため、１以上のコンピュータ装置を用いて走行経路に沿って車両１００を誘導及び／又は操作することを意味する。一実施形態では、車両１００は１以上の半自律走行モードで構成される。半自律走行モードでは、１以上のコンピュータ装置が走行経路に沿った車両の誘導及び／又は操縦の一部を実施し、車両の操作者（例えば、運転者）は、走行経路に沿った車両１００の誘導及び／又は操縦の一部を実行するために車両に入力を提供する。つまり、１以上の実施形態で、車両１００は、特定の定義された自律レベルに従って自律走行する。例えば、車両１００は、米国自動車技術者協会（ＳＡＥ）の自動車両識別０〜５に従って走行し得る。

車両１００は、１以上のプロセッサ１１０を含み得る。１以上の配置では、プロセッサ１１０は車両１００のメインプロセッサであり得る。例えば、プロセッサ１１０は、電子制御ユニット（ＥＣＵ）であり得る。車両１００は、１以上のデータ形式を記憶するための１以上のデータストア１１５を含み得る。データストア１１５は、揮発性及び／又は不揮発性メモリを含み得る。適切なデータストア１１５の例は、ＲＡＭ、フラッシュメモリ、ＲＯＭ、ＥＥＰＲＯＭ（Ｅｌｅｃｔｒｉｃａｌｌｙ Ｅｒａｓａｂｌｅ Ｐｒｏｇｒａｍｍａｂｌｅ Ｒｅａｄ−Ｏｎｌｙ Ｍｅｍｏｒｙ）、レジスタ、磁気ディスク、光ディスク、ハードドライブ又はその他の適切な記憶媒体やその組み合わせを含む。データストア１１５はプロセッサ１１０の構成要素であり得る、又は、データストア１１５はプロセッサ１１０によって使用されるためにプロセッサ１１０に操作可能に接続することができる。本明細書で用いられる「操作可能に接続」という語句は、直接の物理的接触のない接続を含む直接又は間接的接続を含み得る。

１以上の配置では、１以上のデータストア１１５は地図データ１１６を含み得る。地図データ１１６は、１以上の地理的領域の地図を含み得る。一部の事例では、地図データ１１６は、１以上の地理領域の道路の情報又はデータ、交通制御装置、路面標識、構造、特徴、及び／又は、ランドマークを含み得る。１以上の配置では、地図データ１１６は１以上の地形図１１７を含み得る。地形図１１７は、地面、地形、道路、地表及び／又は１以上の地理領域のその他の特徴に関する情報を含み得る。１以上の配置では、地図データ１１６は、１以上の静的障害物地図１１８を含み得る。静的障害物地図１１８は、１以上の地理的領域内に位置する１以上の静的障害物に関する情報を含み得る。

１以上のデータストア１１５は、センサデータ１１９を含み得る。本明細書の文脈で、「センサデータ」は、車両１００が装備するセンサに関する性能その他の情報を含む何等かの情報を意味する。後述するように、車両１００は、センサシステム１２０を含み得る。センサデータ１１９は、センサシステム１２０の１以上のセンサに関連し得る。一例として、１以上の配置では、センサデータ１１９は、センサシステム１２０の１以上のＬＩＤＡＲセンサ１２４に関する情報を含み得る。

上述したように、車両１００は、センサシステム１２０を含み得る。センサシステム１２０は、１以上のセンサを含み得る。「センサ」は、何かを検知及び／又は感知することができる何らかの装置、構成要素及び／又はシステムを意味する。１以上のセンサは、即時に検知及び／又は感知するよう構成され得る。センサシステム１２０が複数のセンサを含む配置では、センサは、互いに独立して機能し得る。或いは、２以上のセンサを組み合わせて稼働することができる。このような場合、２以上のセンサは、センサネットワークを形成することができる。センサシステム１２０及び／又は１以上のセンサは、プロセッサ１１０、データストア１１５、及び／又は、車両１００の別の要素（図１に示されるいずれかの要素を含む）に運用可能に接続し得る。センサシステム１２０は、車両１００の外部環境（例えば、周辺車両）の少なくとも一部のデータを取得することができる。

センサシステム１２０は、いずれかの適切な種類のセンサを含み得る。異なる種類のセンサの様々な例が本明細書中に記載される。しかしながら、実施形態は、記載された特定のセンサに限られないことが理解されるであろう。センサシステム１２０は、１以上の車両センサ１２１を含み得る。車両センサ１２１は、車両１００自体に関する情報を検知、決定、及び／又は感知し得る。１以上の配置では、車両センサ１２１は、例えば、慣性アクセルなど、車両１００の場所及び向きの変化を検知及び／又は感知するよう構成され得る。１以上の配置では、車両センサ１２１は、１以上の加速度計、１以上のジャイロスコープ、慣性測定ユニット（ＩＭＵ）、推測航法システム、全地球航法衛星システム（ＧＮＳＳ）、全地球測位システム（ＧＰＳ）、ナビゲーションシステム１４７及び／又はその他の適切なセンサを含み得る。車両センサ１２１は、車両１００の１以上の特徴を検知及び／又は感知するよう構成され得る。１以上の配置では、車両センサ１２１は、車両１００の現在の速度を決定する速度計を含み得る。

或いは、又はそれに加えて、センサシステム１２０は、運転環境データを取得及び／又は感知するよう構成された１以上の環境センサ１２２を含み得る。「運転環境データ」は、自律走行車両が位置する外部環境又はその１以上の部分に関する何らかのデータ又は情報を含む。例えば、１以上の環境センサ１２２は、車両１００の外部環境の少なくとも一部にある障害物及び／又はそのような障害物の情報／データを、検知、定量、及び／又は感知するよう構成され得る。１以上の環境センサ１２２は、例えば、レーンマーカー、標識、信号機、交通標識、車線、横断歩道、車両１００に最も近い縁石、道路外の物体など、車両１００の外部環境内のその他の物を検知、計測、定量及び／又は感知するよう構成され得る。

センサシステム１２０のセンサの様々な例が本明細書に記載される。例示されるセンサは、１以上の環境センサ１２２及び／又は１以上の車両センサ１２１の一部であってもよい。更に、センサシステム１２０は、車両１００の運転者／操作者に関連した局面を追跡又は監視するよう機能する操作者センサを含み得る。しかしながら、実施形態は記載された特定のセンサに限られないことが理解されるであろう。一例として、１以上の配置では、センサシステム１２０は１以上のレーダセンサ１２３、１以上のＬＩＤＡＲセンサ１２４、１以上のソナーセンサ１２５及び／又は１以上のカメラ１２６を含み得る。

車両１００は、通信システム１３０を更に含み得る。通信システム１３０は、車両１００と１以上の通信ソースとの間の通信を促進するよう構成された１以上の構成要素を含み得る。本明細書中で用いられる通信ソースは、外部ネットワーク、コンピュータ装置、車両１００の操作者又は同乗者など、車両１００が通信可能な人又は装置を意味する。車両１００は、通信システム１３０の一部として入力システム１３１を含み得る。「入力システム」は、情報／データが機械に入力されるのを可能にするいずれかの装置、構成要素、システム、要素、若しくは配置、又はその集まりを含む。１以上の実施例では、入力システム１３１は、車両乗員（例えば、運転者又は乗客）からの入力を受信し得る。車両１００は出力システム１３２を含み得る。「出力システム」は、情報／データが１以上の通信ソース（例えば、人、車両乗客など）に提示されるのを可能にするいずれかの装置、構成要素、若しくは配置、又はその集まりを含む。通信システム１３０は、表示装置１３３及び１以上の音声装置１３４（例えば、スピーカ又はマイクロフォン）などの、入力システム１３１又は出力システム１３２の一部である又は入力システム１３１又は出力システム１３２と通信可能な特定要素を更に含み得る。

車両１００は１以上の車両システム１４０を含み得る。１以上の車両システム１４０の様々な例が図１に示される。しかしながら、車両１００はより多くの車両システム、より少ない車両システム、又は、異なる車両システムを含み得る。当然のことながら、特定の車両システムは別途定義されるが、車両システムのそれぞれ若しくはいずれか又は車両システムの一部は車両１００内のハードウェア及び／又はソフトウェアを介して組み合わされたり、分離されたりすることがある。車両１００は、推進システム１４１、ブレーキシステム１４２、ステアリングシステム１４３、スロットルシステム１４４、トランスミッションシステム１４５、シグナリングシステム１４６、及び／又はナビゲーションシステム１４７を含み得る。これらのシステムは、それぞれ１以上の既知の又は今後開発される装置、構成要素、及び／又はその組み合わせを含み得る。

プロセッサ１１０及び／又は自律走行モジュール１５０は、様々な車両システム１４０及び／又はその各構成要素と通信するため、運用可能に接続され得る。例えば、図１に戻ると、プロセッサ１１０及び／又は自律走行モジュール１５０は、車両１００の動き、速度、操縦、進路、方向などを制御するために各種車両システム１４０からの情報を送信及び／又は受信するよう通信することができる。プロセッサ１１０、障害物予測システム２７０及び／又は自律走行モジュール１５０は、これら車両システム１４０の一部又は全てを制御することがあり、部分的に又は全体的に自律していることがある。

車両１００は、少なくとも一部が本明細書に記載される１以上のモジュールを含み得る。モジュールは、プロセッサ１１０によって実行されると、本明細書に記載される１以上の各種プロセスを実行するコンピュータ可読プログラムコードとして実行され得る。プロセッサ１１０は、タスク実行の目的ために１以上の命令スレッドを受信し、実行することが可能なＣＰＵなどの装置を含み得る。１以上のモジュールはプロセッサ１１０の構成要素であり得る、又は、１以上のモジュールはプロセッサ１１０が運用可能に接続されたその他のプロセッシングシステムで実行される及び／又は分散され得る。モジュールは１以上のプロセッサ１１０によって実行可能な命令（例えば、プログラムロジック）を含み得る。或いは、又は、それに加えて、１以上のデータストア１１５がそのような命令を含み得る。

１以上の配置では、本明細書に記載された１以上のモジュールが、例えば、ニューラルネットワーク、ファジーロジック、その他のマシンラーニングアルゴリズムなど、人工又は計算知能要素を含み得る。更に、１以上の配置では、１以上のモジュールが本明細書に記載された複数のモジュールに分散され得る。１以上の配置では、本明細書に記載された２以上のモジュールは組み合わされて１つのモジュールになり得る。

車両１００は、１以上の自律走行モジュール１５０を含み得る。自律走行モジュール１５０は、センサシステム１２０、並びに／又は、車両１００及び／若しくは車両１００の外部環境に関連する情報を取得可能なその他のいずれかの種類のシステムからデータを受信するよう構成され得る。１以上の配置では、自律走行モジュール１５０は、１以上の運転シーンモデルを生成するためにこのようなデータを用い得る。自律走行モジュール１５０は、車両１００の場所と速度とを決定し得る。自律走行モジュール１５０は、障害物の位置、又は交通標識、木、低木、周辺車両、歩行者などその他の環境特徴を決定し得る。

車両１００は、ＡＲシステム１８０を更に含み得る。当然のことながら、ＡＲシステム１８０は多くの異なる形式をとり得るが、概して、車両を取り巻く実世界の環境内における物体の観測を付加又は補助するよう機能する。つまり、例えば、ＡＲシステム１８０は、車両１００のフロントガラスなどを通して実世界と一体化されたグラフィック表示を提供するために、１以上のＡＲディスプレイを用いてグラフィックを重ね得る。つまり、ＡＲシステム１８０は、フロントガラス、サイドウィンドウ、レアウィンドウ、ミラー及び車両１００のその他の局面と一体化したディスプレイを含み得る。更なる局面では、ＡＲシステム１８０はゴーグルや眼鏡などのヘッドマウントディスプレイを含み得る。いずれの場合も、ＡＲシステム１８０は、実世界の物体に付加したグラフィック要素、実世界の物体を修正したグラフィック要素、及び／又はその２つの組み合わせを表現するよう機能する。一実施形態では、ＡＲシステム１８０の少なくとも１つのＡＲディスプレイが車両１００周辺の少なくとも一部のカメラ（例えば、外部に向けられたカメラ）からの即時画像を、ＡＲシステム１８０及び／又は障害物予測システム１６０からの人工物（例えば、変換されたグラフィック要素）と融合させる。一つの例として、モニター（つまり、ＡＲディスプレイ）が車両１００のダッシュボードに一体化されるかその真上に配置され、ＡＲシステム１８０によって変換されたグラフィック要素とカメラからの実世界の画像とを融合したビューを表示するよう制御される。このように、ＡＲシステム１８０は、強化／装飾された可視センサ経験を提供するため、操作者／乗客のビューを付加又は修正し得る。

図２を参照すると、障害物予測システム１６０を有するコンピュータ装置２００の例が示される。コンピュータ装置２００は、サーバ、パーソナルコンピュータ（ＰＣ）、ワークステーション、組み込みコンピュータ、又は、マイクロプロセッサ、ＤＳＰ（デジタル信号プロセッサ）、ＦＰＧＡ（フィールドプログラマブルゲートアレイ）、若しくはＡＳＩＣ（特定用途向け集積回路）などの演算器を有するスタンドアロンデバイスなど、これらに限られないいずれかの適切な種類のコンピュータ装置であり得る。図２に示されるように、コンピュータ装置２００は、表示装置２２０と接続されたサーバである。本明細書ではサーバに関する配置が記載されるが、実施形態はサーバに限定されないことが理解されるであろう。一部の実施形態では、コンピュータ装置２００は、例えば、１以上の車両からのデータ送信を受信でき、１以上の車両にデータ送信ができ、本明細書に記載の障害物予測システムの機能から利することができるいずれの形式のコンピュータ装置でもよい。

コンピュータ装置２００は、入力２０２を有し得る。入力２０２は、電子データなどの情報を送信又は受信するよう構成され得る。１以上の実施例では、入力２０２は、環境情報を取得し、車両情報を取得し、及び／又は、その他のコンピュータ装置と通信するよう構成され得る。入力２０２は、コンピュータ装置２００への入力装置として用いられる、有線又は無線の１以上の接続を含み得る。入力装置は、媒介装置の使用を含むいずれかの方法でコンピュータに入力を提供可能ないずれかの装置を含み得る。入力２０２は、いずれかの適切な通信インタフェースであり得るが、装置の種類に依存する可能性がある。入力２０２のインタフェースの例は、ＵＳＢ（ユニバーサルシリアルバス）、Ｌｉｇｈｔｎｉｎｇ、フレーム取り込み装置、Ｅｔｈｅｒｎｅｔ（登録商標）又はＦｉｒｅｗｉｒｅを含み得るがこれらに限られない。

コンピュータ装置２００は、本明細書に記載のデータ処理及び分析で用いられる汎用プロセッサなどの１以上のプロセッサ２０４を更に含み得る。プロセッサ２０４は、中央処理装置（ＣＰＵ）とも呼ばれ、コンピュータ装置の一部としてタスクを実行するために１以上の命令を受信し、実行することができる装置であり得る。一実施形態では、プロセッサ２０４は、特定用途向け命令セットプロセッサ（ＡＳＩＰ）などのマイクロプロセッサ、グラフィックスプロセッサ（ＧＰＵ）、物理演算ユニット（ＰＰＵ）、ＤＳＰ、画像プロセッサ、コプロセッサなどを含み得る。本明細書中の１以上の箇所でプロセッサ２０４として参照されるが、本明細書中に記載の１以上の実施形態で、プロセッサ２０４の組み合わせを含む１以上のプロセッサ２０４が使用可能なことが理解されるであろう。一部の実施形態では、入力２０２は、センサ２０６（例えば、車両１００のセンサシステム１２０、インフラストラクチャを介して利用可能なセンサなど）、マイクロフォン、その他のアクティブ又はパッシブな入力装置又はシステムなどと接続し得る。更なる実施形態では、コンピュータ装置２００は、接続２０８を含み得る。接続２０８は有線又は無線であってもよく、ネットワークプロトコルなどを介して（例えば、Ｅｔｈｅｒｎｅｔ（登録商標）又は類似のプロトコル）コンピュータ装置２００が他のコンピュータ装置とローカル又は遠隔で通信するのを可能にし得る。接続２０８は、車両１００を参照して記載されたセンサシステム１２０及びデータストア１１５など、他のコンピュータ装置と関連付けられたリモート装置とも更に接続され得る。

コンピュータ装置２００は、メモリ２１０などのメモリを更に備え得る。メモリ２１０は、揮発性及び／又は不揮発性メモリを含み得る。適切なメモリ２１０の例は、ＲＡＭ、フラッシュメモリ、ＲＯＭ、ＥＰＲＯＭ（Ｅｒａｓａｂｌｅ Ｐｒｏｇｒａｍｍａｂｌｅ Ｒｅａｄ−Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＥＥＰＲＯＭ（Ｅｌｅｃｔｒｉｃａｌｌｙ Ｅｒａｓａｂｌｅ Ｐｒｏｇｒａｍｍａｂｌｅ Ｒｅａｄ−Ｏｎｌｙ Ｍｅｍｏｒｙ）、レジスタ、磁気ディスク、光ディスク、ハードドライブ、若しくは、その他いずれかの適切な記憶媒体、又は、その組み合わせを含む。メモリ２１０はプロセッサ２０４の構成要素でもよく、又は、メモリ２１０はプロセッサ２０４によって使用されるために運用可能にプロセッサ２０４に接続され得る。メモリ２１０は、プロセッサ２０４によって実行されると、プロセッサ２０４に本明細書に記載の方法及び機能を実施させるコンピュータ可読命令を含む１以上のモジュールを含み得る。メモリ２１０は、１以上のデータベース又はその一部を含み得る。メモリ２１０は、比較及び／又は分析のために参照材料に関連した情報を更に含み得る。

コンピュータ装置２００は、車両１００、要求を出す装置、接続された装置、ユーザによって使用可能な方法で出力を伝達又は送信する出力２１２も含み得る。１以上の実施形態では、出力２１２は、映像表示装置、スピーカー、プロジェクター、上述したいずれかの装置との適切な接続、又は、その他の出力装置若しくは接続である。１以上の実施例で、出力２１２は、便利に観測することができるように画面（例えば、表示装置２２０）に又は制御装置に出力を伝送し得る。本明細書に記載の入力２０２及び出力２１２はコンピュータ装置２００の別の要素として提示されるが、１以上の実施形態では、入力２０２及び出力２１２は所望により同じ装置、接続又はシステムであり得ることが理解される。

コンピュータ装置２００は、レピュテーションベースの装置間通信に関連した、本明細書に記載の方法及びその他の機能を実施するよう実装された障害物予測システム１６０を更に含む。障害物予測システム１６０は、本明細書に記載の機能を実行する、評価モジュール３２０と、統合モジュール３３０と、調整モジュール３４０とを含む複数のモジュールを含む。１以上の実施形態では、障害物予測システム１６０はネットワーク１７０として示される有線又は無線接続を介して、要求を出す装置、接続された装置、参照するシステムなどに関する情報を受信するなどのために、ローカル又はリモート装置と通信し得る。１以上の実施形態で、障害物予測システム１６０は、車両１００、サーバ１７２、コンピュータ装置２００、又はこれらの組み合わせと通信し得る。更に、障害物予測システム１６０は、登録パラメータと本明細書に記載の機能とを相関付けるために、１以上の接続された装置間などコンピュータ装置２００内部の通信に影響を及ぼし得る。障害物予測システム１６０は、１以上の要求を出す装置、１以上の接続された装置、及び／又は車両１００との間の接続を承認、割り当てることで本明細書に記載の接続を構築するために、ブロックチェーンデータベースと通信し得る。

本明細書には実施形態の詳細が開示される。しかしながら、開示された実施形態は例でしかないことを理解されたい。つまり、本明細書に詳細が記載された特定の構造的及び機能的詳細は制限事項とは解釈されず、請求の範囲の根拠として、また、本明細書に記載された局面を実質的に適切な詳細構造中で多様に用いるための当業者への教示の代表的根拠として解釈される。更に、本明細書で用いられる用語や語句は制限することを意図せず、可能な実施形態に分かりやすい説明を提供することが意図される。図１〜図６に各種実施形態が示されるが、実施形態は図示された構成や用途に限られない。

図面中のフロー図及びブロック図は、各種実施形態に係る、システム、方法、及びコンピュータプログラム製品の可能な実施形態の構成、機能、動作を示す。このため、フロー図やブロック図の各ブロックは、特定の論理機能を実施するための１以上の実行可能な命令を備えるモジュール、セグメント、又はコードの一部を表し得る。また、一部の代替実施形態では、ブロックに記される機能は図面に記載される順序以外で実行され得ることに留意されたい。例えば、連続して示される２つのブロックは、関連する機能によって、実質的に同時に実行されることもあれば、これらのブロックが逆の順序で実行されることもある。

上述したシステム、構成要素及び／又は方法は、ハードウェア、又は、ハードウェア及びソフトウェアの組み合わせで実現され得る、また、１つのプロセッシングシステムで中央集中的に、又は、異なる要素が幾つかの互いに接続されたプロセッシングシステムに拡散されて分散的に実現され得る。本明細書に記載の方法を実行するよう構成されたいずれかの種類のプロセッシングシステム又はその他の装置が適切に利用される。ハードウェア及びソフトウェアの典型的な組み合わせには、コンピュータで使用可能なプログラムコードを有するプロセッシングシステムがある。プログラムコードは、ロードされ、実行された場合、プロセッシングシステムを制御して本明細書に記載の方法を実行させる。本システム、構成要素及び／又は方法は、機械読み取り可能で、本明細書に記載の方法を実施するために機械によって実行可能な命令のプログラムを有形に実施するコンピュータプログラム製品又はその他のデータプログラム記憶装置など、コンピュータ可読記憶装置に組み込まれ得る。これらの要素は、本明細書に記載の方法の実施形態を可能にする全ての特徴を備え、プロセッシングシステムにロードされてこれらの方法を実施することが可能なアプリケーション製品にも組み込まれ得る。

更に、本明細書に記載の配置は、コンピュータ可読プログラムコードを記憶するなどして具現化する又は組み込む１以上のコンピュータ可読媒体に具現化されたコンピュータプログラム製品の形式をとり得る。１以上のコンピュータ可読媒体のいずれかを組み合わせて利用され得る。コンピュータ可読媒体は、コンピュータ可読信号媒体又はコンピュータ可読記憶媒体であり得る。「コンピュータ可読記憶媒体」という語句は、非一時的な記憶媒体を意味する。コンピュータ可読記憶媒体は、例えば、電子、磁気、光、電磁気、赤外線、又は半導体システム、装置若しくはデバイス、又は、上記のいずれかの適切な組み合わせであり得るが、これに制限されない。コンピュータ可読記憶媒体のより具体的な例（完全に網羅されたリストではない）は、１以上のワイヤを有する電気接続、ポータブルコンピューターディスケット、ハードディスクドライブ（ＨＤＤ）、ソリッドステートドライブ（ＳＳＤ）、ＲＡＭ、ＲＯＭ、ＥＰＲＯＭ又はフラッシュメモリ、光ファイバ、ポータブルコンパクトディスクリードオンリーメモリ（ＣＤ−ＲＯＭ）、デジタル多用途ディスク（ＤＶＤ）、光学式記憶装置、磁気記憶装置、又は上記の適切な組み合わせを含む。本明細書の文脈では、コンピュータ可読記憶媒体は、命令実行システム、装置若しくはデバイスによって又は関連して用いられるプログラムを含む、又は記憶し得る何らかの有形媒体でもよい。

コンピュータ可読記憶媒体に具現化されたプログラムコードは、無線、有線、光ファイバ、ケーブル、ＲＦなど又は上記のいずれかの適切な組み合わせを含むがこれらに限られない適切な媒体を用いて送信されることができる。現在の配置の局面に関する操作を実行するためのコンピュータプログラムコードは、Ｊａｖａ（登録商標）、Ｓｍａｌｌｔａｌｋ、Ｃ＋＋などのオブジェクト指向のプログラミング言語、「Ｃ」プログラミング言語又は類似のプログラミング言語などの従来の手続き型プログラミング言語など、１以上のプログラミング言語のいずれかの組み合わせに書き込まれ得る。プログラムコードは、ユーザのコンピュータ上で全てが、ユーザのコンピュータ上で一部が、スタンドアロンソフトウェアパッケージとして、一部がユーザのコンピュータ上で一部がリモートコンピュータ上で、又は、リモートコンピュータ又はサーバ上で全てが実行され得る。後者のシナリオでは、リモートコンピュータはローカルエリアネットワーク（ＬＡＮ）又はワイドエリアネットワーク（ＷＡＮ）を含むいずれかの種類のネットワークを介して、ユーザのコンピュータに接続され得る、又は、外部のコンピュータに（例えば、インターネットサービスプロバイダを通してインターネットにつなげて）接続され得る。

上述の説明では、各種実施形態の充分な理解を提供するためにある特定の詳細が述べられた。しかしながら、本発明は、これらの詳細なしに実施されてもよいことが当業者には理解されるであろう。他の事例では、実施形態の説明を不必要に曖昧にすることを避けるため、周知の構造は示されず、詳述されなかった。文脈によって別の解釈が要求されない限り、本明細書及び後続の請求項全体を通して、「備える（comprise）」という用語及びその変化形（comprises, comprising）は、オープンで、包括的意味合い、つまり「含まれるが限定されない」と解釈される。更に、本明細書に提供される見出しは便宜上提供されるだけで、本願発明の範囲又は意味を解釈するものではない。

本明細書を通して、「１以上の実施形態」又は「一実施形態」の言及は、実施形態に関係して記載される特定の特徴、構造、又は性質が少なくとも１以上の実施形態に含まれることを意味する。つまり、本明細書を通して「１以上の実施形態では」又は「一実施形態では」という語句が各所で現れるが、必ずしも全て同じ実施形態に言及しているとは限らない。更に、特定の機能、構造、又は性質は１以上の実施形態にいずれかの適切な方法で組み合わされることがある。また、本明細書と添付図面で用いられる単数表現（a, an）及び「the」は、内容により別の解釈が明示されない限り、複数への言及も含む。なお、「又は」という語句は、内容により別の解釈が明示されない限り、概して「及び／又は」という意味で用いられる。

本明細書中で用いられる見出し（「背景技術」や「発明の概要」など）及び副見出しは、本開示内の項目の一般的構成のみを意図し、本開示の技術又はいずれかの局面を限定することを意図しない。複数の実施形態に記載された特徴について述べることは、他の実施形態が付加的な特徴を有すること、又は、他の実施形態が記載された特徴の異なる組み合わせを含むことを除外しない。本明細書で用いられる語句「備える」及び「含む」そしてその変化形は非限定的であるように意図されるため、項目を連続して又は一覧として述べることは、本技術の装置又は方法で役立つ可能性のあるその他の同様の項目を除外しない。同様に、「得る」又は「ことがある」という語句及びその変化形は非限定的であるように意図されるため、実施形態が一定の要素又は特徴を備え得る又は備えることがあるという記載は、これら要素又は特徴を含まない本技術の他の実施形態を除外しない。

本開示における広範な教示は様々な形態において実施することができる。そのため、本開示は特定の実施例を含むものの、本明細書とそれに続く請求の範囲を検討することにより他の変形例も当業者に明らかになるため、本開示の真の範囲は特定の実施例によって限定されるべきではない。ある局面、又は様々な局面についての本明細書中での言及は、ある実施形態又は特定のシステムに関連して記載される特定の特徴、構造、又は特性が少なくとも１以上の実施形態又は態様に含まれていることを意味する。「一つの局面において」という表現（又はその変化形）を用いた場合、必ずしも同じ局面又は実施形態について述べているわけではない。当然のことながら、本明細書中で述べられている様々な方法の工程は示されたものと同じ順番で行われなくてもよく、各態様又は実施形態が各工程を含む必要もない。

本明細書で用いられる「ａ」及び「ａｎ」という語句は、１又は２以上と定義される。本明細書中で用いられる「複数の」という語句は２又は３以上と定義される。本明細書中で用いられる「別の」という語句は、少なくとも２つ目又はそれ以上と定義される。本明細書中で用いられる「含む」及び／又は「有する」という語句は、含んでいる（つまり、オープンランゲージ）と定義される。本明細書中で用いられる「少なくとも１つの〜及び〜」という表現は、１以上の関連一覧項目の可能な組み合わせ全てを意味し、包合する。一例として、「少なくとも１つのＡ、Ｂ及びＣ」という表現は、Ａのみ、Ｂのみ、Ｃのみ又はそのいずれかの組み合わせを含む（例えば、ＡＢ、ＡＣ、ＢＣ又はＡＢＣ）。

実施形態の上記説明は、図示と説明のために提供されている。本開示を網羅するものでもなければ、制限するものでもない。特定の実施形態の各要素又は特徴は、概して、その特定の実施形態に限定されず、具体的に図示又は記載されなくとも、適宜交換可能で、選択された実施形態で用いられ得る。また、特定の実施形態の各要素又は特徴は、様々に変化することがある。このような変形例は、本開示からの逸脱とみなされるべきではなく、このような改変の全ては本開示の範囲に含まれることが意図される。

上記説明は本開示された装置、システム及び方法の実施形態に関連するが、本開示された装置、システム及び方法の基本的な範囲から逸脱することなく、本開示された装置、システム及び方法に関するその他の更なる実施形態が考慮され得る。本開示された装置、システム及び方法の範囲は、後に続く請求の範囲によって定められる。

Claims (20)

1. 車両ベースの障害物予測のための障害物予測システムであって、
   １以上のプロセッサと、
   前記１以上のプロセッサに通信可能に接続されるメモリとを備え、
   前記メモリは、
   前記１以上のプロセッサによって実行されると、前記１以上のプロセッサに、ホスト車両において、車両環境中の少なくとも１つのセンサからの観測値又は１以上の測定対象車両からの通信を含む不明瞭な障害物に関する予測データを受信させ、前記１以上の測定対象車両の少なくとも１つに対する信頼性レベルを構築させる命令を含む評価モジュールと、
   前記１以上のプロセッサによって実行されると、前記１以上のプロセッサに、前記予測データと前記信頼性レベルとを用いた前記不明瞭な障害物の予測に応じて、前記車両環境中に前記予測をマッピングさせる命令を含む統合モジュールと、
   前記１以上のプロセッサによって実行されると、前記１以上のプロセッサに、前記不明瞭な障害物を回避するための案内情報を用いて前記ホスト車両を誘導させる命令を含む調整モジュールと、を記憶する、
   障害物予測システム。
2. 前記統合モジュールは、前記１以上の測定対象車両からの１以上の以前の回避行動に関する成功回避データを、前記１以上の測定対象車両に対する前記信頼性レベルの一部として組み入れる命令を更に備える、請求項１に記載の障害物予測システム。
3. 前記予測データは、前記不明瞭な障害物の障害物回避可能性を更に含み、前記調整モジュールは障害物回避可能性の決定を考慮して車線調整又は経路調整を前記案内情報に組み入れる命令を更に備える、請求項１に記載の障害物予測システム。
4. 前記評価モジュールは、前記信頼性レベルを用いて前記案内情報に対して信頼区間を作成する命令を更に備える、請求項１に記載の障害物予測システム。
5. 前記評価モジュールは、複数の測定対象車両から不明瞭な障害物に関する前記予測データを受信し、前記不明瞭な障害物の前記予測を作成するために、前記複数の測定対象車両間の前記信頼性レベルと前記予測データを比較する命令を更に備え、前記信頼性レベルは前記複数の測定対象車両のそれぞれに対して構築される、請求項１に記載の障害物予測システム。
6. 前記統合モジュールは、前記不明瞭な障害物が前記車両環境内に存在すると予測される概算時間を決定する命令を更に備える、請求項１に記載の障害物予測システム。
7. 前記統合モジュールは、前記車両環境の前記不明瞭な障害物を取り囲む一式の環境境界を決定する命令を更に備える、請求項１に記載の障害物予測システム。
8. 前記案内情報は、前記ホスト車両が現在走行する車線内で前記不明瞭な障害物を回避するための車線レベルの案内を含む、請求項１に記載の障害物予測システム。
9. 前記調整モジュールは、補正回避行動を決定するために運転者の制限事項と車両の制限事項とを組み入れる命令を更に備え、前記補正回避行動は、前記１以上の測定対象車両が前記不明瞭な障害物を回避するために実施した前記回避行動に対する調節値である、請求項１に記載の障害物予測システム。
10. 車両ベースの障害物予測のための非一時的なコンピュータ可読媒体であって、
    １以上のプロセッサによって実行されると、前記１以上のプロセッサに、
    ホスト車両において、車両環境中の少なくとも１つのセンサからの観測値と１以上の測定対象車両からの通信とを含む不明瞭な障害物に関する予測データを受信させ、
    前記１以上の測定対象車両の少なくとも１つに対する信頼性レベルを構築させ、
    前記予測データ及び前記信頼性レベルを用いた前記不明瞭な障害物の予測に応じて、前記車両環境中に前記予測をマッピングさせ、且つ
    前記不明瞭な障害物を回避するための案内情報を用いて前記ホスト車両を誘導させる命令を記憶する、非一時的なコンピュータ可読媒体。
11. 補正回避行動を決定するために運転者の制限事項と車両の制限事項とを組み入れる命令を更に備え、前記補正回避行動は、前記１以上の測定対象車両が前記不明瞭な障害物を回避するために実施する前記回避行動の調節値である、請求項１０に記載の非一時的なコンピュータ可読媒体。
12. 前記信頼性レベルを用いて前記案内情報に対して信頼区間を作成する命令を更に備える、請求項１０に記載の非一時的なコンピュータ可読媒体。
13. 複数の測定対象車両から不明瞭な障害物に関する前記予測データを受信し、前記不明瞭な障害物の前記予測を作成するために、前記複数の測定対象車両間の前記信頼性レベルと前記予測データを比較する命令を更に備え、前記信頼性レベルは前記複数の測定対象車両のそれぞれに対して構築される、請求項１０に記載の非一時的なコンピュータ可読媒体。
14. 前記不明瞭な障害物が前記車両環境内に存在すると予測される概算時間を決定する命令を更に備える、請求項１０に記載の非一時的なコンピュータ可読媒体。
15. 障害物回避可能性の決定を考慮して車線調整又は経路調整を前記案内情報に組み入れる命令を更に備える、請求項１０に記載の非一時的なコンピュータ可読媒体。
16. 前記車両環境の前記不明瞭な障害物を取り囲む一式の環境境界を決定する命令を更に備える、請求項１０に記載の非一時的なコンピュータ可読媒体。
17. 車両ベースの障害物予測方法であって、
    ホスト車両において、車両環境中の少なくとも１つのセンサからの観測値と１以上の測定対象車両からの通信とを含む不明瞭な障害物に関する予測データを受信することと、
    前記１以上の測定対象車両の少なくとも１つに対する信頼性レベルを構築することと、
    前記予測データと前記信頼性レベルとを用いた前記不明瞭な障害物の予測に応じて、前記車両環境中に前記不明瞭な障害物をマッピングすることと、
    前記不明瞭な障害物を回避するための案内情報を用いて前記ホスト車両を誘導することと、を含む、車両ベースの障害物予測方法。
18. 前記１以上の測定対象車両からの１以上の以前の回避行動に関する成功回避データを、前記１以上の測定対象車両に対する前記信頼性レベルの一部として組み入れることを更に含む、請求項１７に記載の方法。
19. 不明瞭な障害物に関する前記予測データを提供する複数の測定対象車両と、前記不明瞭な障害物の前記予測を作成するために前記複数の測定対象車両間の前記信頼性レベルと前記予測データを比較することとを更に含み、前記信頼性レベルは前記複数の測定対象車両のそれぞれに対して構築される、請求項１７に記載の方法。
20. 前記不明瞭な障害物が前記車両環境に存在すると予測される概算時間を決定することを更に含む、請求項１７に記載の方法。

Images