JP2021033758A - 移動状態推定装置、及び車両 - Google Patents

Abstract

【課題】衝突確率推定における予測精度を向上させるべく、現時点の車両の移動状態を正確に認識することを可能とする移動状態推定装置を提供すること。【解決手段】車両の移動状態推定装置であって、車両に搭載されたセンサからセンサ情報を取得する車両情報取得部１１１と、車両の移動状態毎に用意された当該移動状態を状態方程式及び観測方程式で表した複数の状態モデルと、センサ情報と、に基づいて、複数の状態モデルそれぞれが表す移動状態の該当確率を算出する状態確率演算部１１２と、複数の状態モデルそれぞれが表す移動状態の該当確率のうち、最も該当確率が高い移動状態を、現時点の移動状態と判定し、衝突確率推定装置１２０に対して、現時点の移動状態に対応する予測モデルを用いて、車両が当該車両の前方物体に衝突するか否かを推定させる判定部１１３と、を備える。【選択図】図２

Description

本開示は、移動状態推定装置、及び車両に関する。

従来、車両を走行させている際に、当該車両が前方道路に存在する物体と衝突するか否かを推定する衝突確率推定装置が知られている（例えば、特許文献１を参照）。

特開２０１６−２２４６６８号公報

Y. Bar-Shalom et al., "Estimation with Applications to Tracking and Navigation: Theory Algorithms and Software", Wiley-Inter science出版,2001年.

ところで、この種の衝突確率推定装置は、例えば、車両が交差点を右折又は左折する際に、車両が交差点の前方に存在する歩行者と衝突するか否かを推定するように適用されている。

従来技術に係る衝突推定装置においては、例えば、ヨーレイトや操舵角度の変動成分に基づいて、車両が右折状態（又は左折状態）であるか否かを判定する。そして、車両が右折状態であることを検出した場合、想定する右折態様だけを考慮して、車両が将来到達する位置を予測し、衝突確率を算出する構成となっている。そのため、従来技術に係る衝突確率推定装置においては、予測精度が低く、衝突判定を行う際に誤判定を誘起するおそれがあった。

本開示は、上記問題点に鑑みてなされたもので、衝突確率推定における予測精度を向上させることを可能とする移動状態推定装置、及び車両を提供することを目的とする。

前述した課題を解決する主たる本開示は、
車両の移動状態推定装置であって、
前記車両に搭載されたセンサからセンサ情報を取得する車両情報取得部と、
前記車両の移動状態毎に用意された当該移動状態を状態方程式及び観測方程式で表した複数の状態モデルと、前記センサ情報と、に基づいて、前記複数の状態モデルそれぞれが表す前記移動状態の該当確率を算出する状態確率演算部と、
前記複数の状態モデルそれぞれが表す前記移動状態の該当確率のうち、最も該当確率が高い前記移動状態を、現時点の前記移動状態と判定し、衝突確率推定装置に対して、現時点の前記移動状態に対応する予測モデルを用いて、前記車両が当該車両の前方物体に衝突するか否かを推定させる判定部と、
を備える移動状態推定装置である。

又、他の局面では、
上記の移動状態推定装置を備える車両である。

本開示に係る移動状態推定装置によれば、衝突確率推定装置における予測精度を向上させることが可能である。

一実施形態に係る車両の構成の一例を示す図 一実施形態に係る移動状態推定装置が備える機能構成の一例を示す図 一実施形態に係る移動状態推定装置の適用される場面の一例を示す図 一実施形態に係る状態確率演算部の構成の一例を示す図

以下に添付図面を参照しながら、本開示の好適な実施形態について詳細に説明する。尚、本明細書及び図面において、実質的に同一の機能を有する構成要素については、同一の符号を付することにより重複説明を省略する。

［車両の構成］
図１は、本実施形態に係る車両１の構成の一例を示す図である。尚、図１中の点線は、車両ＥＣＵ（Electronic Control Unit）１００が送信する制御信号や車両ＥＣＵ１００が受信する検出信号の信号経路を表している。

車両１は、車両駆動装置１０、操作情報取得装置２０、各種センサ３０、周囲物体検出装置４０、及び、車両ＥＣＵ１００（移動状態推定装置１１０及び衝突確率推定装置１２０）を備えている。

車両駆動装置１０は、車両１を走行させる駆動部であって、例えば、エンジン、自動変速機、動力伝達機構、ブレーキ機構、及びステアリング装置等を含んで構成される。車両駆動装置１０は、例えば、エンジンで動力を生成し、当該動力を自動変速機及び動力伝達機構（プロペラシャフト、デファレンシャルギヤ及びドライブシャフト等）を介して車輪に伝達して、車両１を走行させる。尚、車両駆動装置１０は、例えば、車両ＥＣＵ１００によって動作制御可能に構成されている。

操作情報取得装置２０は、車両１の運転者による操作態様を検出するセンサであって、例えば、アクセルセンサ、ブレーキセンサ、及びシフトレバーセンサ等を含んで構成される。操作情報取得装置２０は、自身が検出した検出値に係るセンサ情報を、車両ＥＣＵ１００へ出力する。

各種センサ３０は、車両１の走行状態を検出する各種センサである。各種センサ３０としては、例えば、車両１の前後方向の加速度を検出する加速度センサ３０ａ、車両１の回転中心を通る鉛直軸まわりの回転角速度を検出するヨーレートセンサ３０ｂ、車両１の走行速度を検出する車速センサ３０ｃ、及び、車両１の操舵角（例えば、前輪の切れ角）を検出する操舵角センサ３０ｄ等を含む。尚、これらのセンサ３０ａ、３０ｂ、３０ｃ、３０ｄは、いずれも公知のセンサで実現することができる。

各種センサ３０（加速度センサ３０ａ、ヨーレートセンサ３０ｂ、車速センサ３０ｃ、及び操舵角センサ３０ｄ）は、自身が検出した検出値に係るセンサ情報（以下、「センサ情報」と略称する）を、車両ＥＣＵ１００へ送信する。

周囲物体検出装置４０は、車両１の周囲に存在する物体の位置（以下、「周囲情報」と称する）を検出するセンサであって、例えば、車載カメラ、赤外線センサ、ソナー、又はレーダ等を含んで構成される。周囲物体検出装置４０は、例えば、車両１の周囲の各方位の物体を検出し得るように、車両１の四隅のコーナや前後左右の位置にそれぞれに配設される。周囲物体検出装置４０は、自身が検出した車両１の周囲情報を、車両ＥＣＵ１００へ出力する。

車両ＥＣＵ１００は、車両１の各部を統括制御する電子制御ユニットである。

本実施形態に係る車両ＥＣＵ１００は、移動状態推定装置１１０、及び、衝突確率推定装置１２０を有している。ここで、移動状態推定装置１１０は、車両１の現時点の移動状態を推定する。衝突確率推定装置１２０は、移動状態推定装置１１０に推定された車両１の現時点の移動状態に基づいて、車両１の前方道路に存在する物体（例えば、歩行者や他の車両）との衝突確率を算出する。

移動状態推定装置１１０及び衝突確率推定装置１２０は、それぞれ、例えば、ＣＰＵ（Central Processing Unit）、ＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）、入力ポート、及び、出力ポート等を含んで構成される。そして、移動状態推定装置１１０及び衝突確率推定装置１２０が有する機能は、例えば、ＣＰＵがＲＯＭやＲＡＭに格納された制御プログラムや各種データを参照することによって実現される。但し、当該機能は、ソフトウェアによる処理に限られず、専用のハードウェア回路によっても実現できることは勿論である。

尚、車両ＥＣＵ１００は、車載ネットワーク（例えば、ＣＡＮ（Controller Area Network）通信プロトコルに準拠した通信ネットワーク）を介して、車両駆動装置１０、操作情報取得装置２０、各種センサ３０、及び周囲物体検出装置４０に接続され、必要なデータや制御信号を相互に送受信可能となっている。

［移動状態推定装置の構成］
以下、図２〜図４を参照して、移動状態推定装置１１０の構成の一例について説明する。

図２は、移動状態推定装置１１０が備える機能構成の一例を示す図である。

図３は、移動状態推定装置１１０の適用される場面の一例を示す図である。本実施形態に係る移動状態推定装置１１０は、例えば、図３に示すように、車両１が交差点を右折又は左折する際の移動状態を判定する際に適用される。

移動状態推定装置１１０は、車両情報取得部１１１、状態確率演算部１１２、及び、判定部１１３を備えている。

車両情報取得部１１１は、車両１内に搭載された各種センサ３０からセンサ情報を取得する。

状態確率演算部１１２は、車両１の移動状態毎に用意された複数の状態モデルと、各種センサ３０から得られるセンサ情報とに基づいて、複数の状態モデルそれぞれが表す移動状態の該当確率を算出する。

ここで、「状態モデル」とは、車両１の移動状態を、状態方程式及び観測方程式で表したものであり、車両１の走行位置や走行速度等の時間的変化を予測するものである。予め用意する「状態モデル」としては、例えば、等速度直進状態に係る状態モデル、等加速度直進状態に係る状態モデル、等速度カーブ移動状態に係る状態モデル、及び、等加速度カーブ移動状態に係る状態モデルを含む。

状態確率演算部１１２は、例えば、複数の状態モデルそれぞれをカルマンフィルタモデル（Kalman Filter Model：以下、「ＫＦモデル」と称する。）１１２ｂ１、１１２ｂ２・・１１２ｂｎで表現した多重モデル（Interacting Multiple Model：（以下、「ＩＭＭ」と称する）) により、複数の状態モデルそれぞれが表す移動状態の該当確率を算出する。尚、カルマンフィルタモデルは、周知のように、動的システムについて、同システムの状態方程式及び観測方程式をノイズの影響を考慮した上で記述し、それら方程式に基づいて現在の観測値、及び、過去の状態量の推定値から現在の状態量を推定する反復推定型フィルタである。なお、多重モデルとして粒子フィルタモデル（パーティクルフィルタモデル）を用いてもよい。

ＩＭＭにおいては、車両１の移動状態を状態方程式及び観測方程式で表した複数の状態モデルを用いて算出される各移動状態の該当確率の比較により、車両の移動状態を推定することで、各種センサ３０（例えば、ヨーレートセンサ及び操舵角センサ）のセンサ値に重畳するノイズに起因した車両の移動状態の誤推定を抑制することができる。

図４は、状態確率演算部１１２（ここでは、ＩＭＭ）の構成の一例を示す図である。

ＩＭＭでは、ミキサ１１２ａが、各ＫＦモデル１１２ｂ１、１１２ｂ２・・１１２ｂｎ間の遷移確率を示すモデル間遷移確率「π」と、一時刻前において、モデル確率更新部１１２ｃにより算出（即ち、更新）された各ＫＦモデル１１２ｂ１、１１２ｂ２・・１１２ｂｎのモデル確率「ｕ^（ｉ）（ｋ−１／ｋ−１）」と、各ＫＦモデル１１２ｂ１、１１２ｂ２・・１１２ｂｎそれぞれについて算出された状態ベクトルの計算値「Ｘ＾^（ｉ）（ｋ−１／ｋ−１）」及び誤差共分散の計算値「Ｐ＾^（ｉ）（ｋ−１／ｋ−１）」とを用いて、各ＫＦモデル１１２ｂ１、１１２ｂ２・・１１２ｂｎそれぞれの状態ベクトル及び誤差共分散の今回の計算における初期値「Ｘ^−（ｉ）（ｋ−１／ｋ−１）」及び「Ｐ^−（ｉ）（ｋ−１／ｋ−１）」を算出する。そして、算出された結果を、当該算出結果のモデル番号と対応付けるようにＫＦモデル１１２ｂ１、１１２ｂ２・・１１２ｂｎそれぞれに出力する（Ｓｔｅｐ１）。尚、ミキサ１１２ａは、例えば、以下の式（１）〜（３）を用いて、「Ｘ^−（ｉ）（ｋ−１／ｋ−１）」及び「Ｐ^−（ｉ）（ｋ−１／ｋ−１）」を算出する。式中のｉ、ｊは、モデル番号を表し、ｋは時刻を表す（以下同じ）。

状態ベクトル「Ｘ」は、車両１の移動状態を表すベクトルであり、例えば、二次元の位置（ｘ，ｙ）、移動速度（ｕ，ｖ）、及び、加速度（ａｘ，ａｙ）等で表すことができる。又、誤差共分散行列「Ｐ」は、状態ベクトルに含まれる各成分の誤差の共分散を示す行列である。各ＫＦモデル１１２ｂ１、１１２ｂ２・・１１２ｂｎに対しては、外部観測値「ｙ」として、各種センサ３０（加速度センサ３０ａ、ヨーレートセンサ３０ｂ、車速センサ３０ｃ、及び操舵角センサ３０ｄ）のセンサ値が与えられる。

各ＫＦモデル１１２ｂ１、１１２ｂ２・・１１２ｂｎは、ミキサ１１２ａから取得した状態ベクトルの初期値「ｘ^−（ｉ）（ｋ−１／ｋ−１）」及び誤差共分散行列の初期値「Ｐ^−（ｉ）（ｋ−１／ｋ−１）」と、各種センサ３０から取得した観測値「ｙ（ｋ）」とを用いて、公知のカルマンフィルターと同様、予測演算と補正演算とを行うことで、状態ベクトルの今回の計算値「ｘ＾^（ｉ）（ｋ／ｋ）」及び誤差共分散行列の今回の計算値「Ｐ＾^（ｉ）（ｋ／ｋ）」を算出し、モデル確率更新部１１２ｃに送出する（Ｓｔｅｐ２）。

この際、各ＫＦモデル１１２ｂ１、１１２ｂ２・・１１２ｂｎは、補正演算の際に算出する観測残差「ｓ」（イノベーションベクトルとも称される）（以下の式（４）を参照）、及び、観測残差ベクトルの共分散行列「Ｓ」（以下の式（５）を参照）についても、モデル確率更新部１１２ｃに送出する。

モデル確率更新部１１２ｃは、各ＫＦモデル１１２ｂ１、１１２ｂ２・・１１２ｂｎから出力された観測残差「ｓ^（ｉ）（ｋ）」及び観測残差ベクトルの共分散行列「Ｓ^（ｉ）（ｋ）」を用いて、各ＫＦモデル１１２ｂ１、１１２ｂ２・・１１２ｂｎの尤度「Ｌ^（ｉ）（ｋ）」を算出する。そして、各ＫＦモデル１１２ｂ１、１１２ｂ２・・１１２ｂｎの尤度「Ｌ^（ｉ）（ｋ）」を用いて、各ＫＦモデル１１２ｂ１、１１２ｂ２・・１１２ｂｎのモデル確率「μ^（ｉ）（ｋ／ｋ）」（「移動状態の該当確率」に相当する）を新たに算出（即ち、更新）する（Ｓｔｅｐ３）。尚、モデル確率更新部１１２ｃは、例えば、以下の式（６）〜（７）を用いて、尤度「Ｌ^（ｉ）（ｋ）」及びモデル確率「μ^（ｉ）（ｋ／ｋ）」を算出する。

モデル確率更新部１１２ｃは、各ＫＦモデル１１２ｂ１、１１２ｂ２・・１１２ｂｎのモデル確率「μ^（ｉ）（ｋ／ｋ）」を、判定部１１３に対して出力する。又、モデル確率更新部１１２ｃは、各ＫＦモデル１１２ｂ１、１１２ｂ２・・１１２ｂｎのモデル確率「μ^（ｉ）（ｋ／ｋ）」、及び、状態ベクトルの今回の計算値「ｘ＾^（ｉ）（ｋ／ｋ）」及び誤差共分散行列の今回の計算値「Ｐ＾^（ｉ）（ｋ／ｋ）」を、ミキサ１１２ａに戻す。

そして、状態確率演算部１１２は、上記した（Ｓｔｅｐ１）〜（Ｓｔｅｐ３）に従って、次の時刻の各ＫＦモデル１１２ｂ１、１１２ｂ２・・１１２ｂｎのモデル確率を算出する処理を引き続き実行する。尚、各ＫＦモデル１１２ｂ１、１１２ｂ２・・１１２ｂｎのモデル確率の合計は、「１．０」となる。

尚、ＩＭＭの詳細については、例えば、非特許文献１を参照されたい。

判定部１１３は、状態確率演算部１１２から、複数の状態モデル（本実施形態では、各ＫＦモデル１１２ｂ１、１１２ｂ２・・１１２ｂｎ）それぞれが表す移動状態の該当確率（モデル確率）に係る情報を取得する。そして、判定部１１３は、複数の状態モデルそれぞれが表す移動状態の該当確率（モデル確率）のうち、最も該当確率が高い移動状態を、車両１の現時点の移動状態と特定する。

そして、判定部１１３は、衝突確率推定装置１２０に対して、車両１の現時点の移動状態に対応する予測モデルを用いて、車両１が当該車両１の前方に存在する物体（例えば、図３の歩行者Ｂ）に衝突するか否かを推定させる。

具体的には、衝突確率推定装置１２０は、移動状態推定装置１１０（判定部１１３）から指定された予測モデルを用いて、車両１が当該車両１の前方に存在する物体（例えば、歩行者Ｂ）に衝突する確率を推定する。

衝突確率推定装置１２０は、移動状態推定装置１１０が特定する「状態モデル」の少なくとも一つに対応する「予測モデル」を有している。衝突確率推定装置１２０が有する「予測モデル」としては、例えば、等速度直進状態に係る予測モデル、等加速度直進状態に係る予測モデル、等速度カーブ移動状態に係る予測モデル、及び、等加速度カーブ移動状態に係る予測モデル等が挙げられる。

「予測モデル」は、典型的には、状態方程式及び観測方程式を用いて、車両１の走行位置の時間的変化、及び車両１の前方に存在する物体の位置の時間的変化を予測するものである。かかる「予測モデル」は、例えば、カルマンフィルターを用いて表現される。尚、「予測モデル」の車両１の走行位置の時間的変化を表現する部分は、状態確率演算部１１２の「状態モデル」と同様のものであってもよい。

衝突確率推定装置１２０は、例えば、等速度カーブ移動状態に係る予測モデルを用いる場合には、車両１が等速度カーブ移動をすることで、当該車両１が将来到達する位置を予測する。又、衝突確率推定装置１２０は、周囲物体検出装置４０から取得する周囲情報に基づいて、車両１の前方に存在する物体が将来到達する位置を予測する。そして、衝突確率推定装置１２０は、車両１が将来到達する位置と、車両１の前方に存在する物体が将来到達する位置とに基づいて、衝突確率を推定する。そして、衝突確率推定装置１２０は、例えば、衝突確率が閾値以上の場合には、報知信号を生成し、車両ＥＣＵ１００に車両１のブレーキ操作を実行させたり、音声案内を出力させたりする。

尚、衝突確率推定装置１２０は、移動状態推定装置１１０が算出する複数の状態モデルのうち、いずれかの状態モデルの場合に限って、衝突確率の推定を行う構成としてもよい。衝突確率推定装置１２０は、例えば、移動状態推定装置１１０に現時点の車両１の移動状態が等加速度カーブ移動状態に該当すると特定された場合には、衝突確率の推定を行う構成としてもよい。

尚、移動状態推定装置１１０による車両１の現時点の移動状態の推定、及び、衝突確率推定装置１２０による衝突確率演算は、逐次的に実行され、車両１の現時点の移動状態が変更する度にその衝突確率が再算出されることになる。

衝突確率推定装置１２０による衝突確率演算の詳細は、例えば、本出願の発明者の先願である特願２０１９−０４９５９９号を参照されたい。

［効果］
以上、本実施形態に係る移動状態推定装置１１０によれば、複数の状態モデルを用いて車両１の各移動状態の該当確率を算出し、それらの比較により、現時点の車両１の移動状態を推定する。そして、本実施形態に係る移動状態推定装置１１０は、現時点の車両１の移動状態に対応するように、衝突確率推定装置１２０に対して衝突確率推定を実行させる。これによって、衝突確率推定装置１２０に対して、より正確に衝突確率を算出させることが可能である。

以上、本発明の具体例を詳細に説明したが、これらは例示にすぎず、請求の範囲を限定するものではない。請求の範囲に記載の技術には、以上に例示した具体例を様々に変形、変更したものが含まれる。

本開示に係る移動状態推定装置によれば、衝突確率推定装置における予測精度を向上させることが可能である。

１ 車両
１０ 車両駆動装置
２０ 操作情報取得装置
３０ 各種センサ
３０ａ 加速度センサ
３０ｂ ヨーレートセンサ
３０ｃ 車速センサ
３０ｄ 操舵角センサ
４０ 周囲物体検出装置
１００ 車両ＥＣＵ
１１０ 移動状態推定装置
１１１ 車両情報取得部
１１２ 状態確率演算部
１１２ａ ミキサ
１１２ｂ１、１１２ｂ２・・１１２ｂｎ ＫＦモデル（状態モデル）
１１２ｃ モデル確率更新部
１１３ 判定部
１２０ 衝突確率推定装置

Claims (7)

1. 車両の移動状態推定装置であって、
   前記車両に搭載されたセンサからセンサ情報を取得する車両情報取得部と、
   前記車両の移動状態毎に用意された当該移動状態を状態方程式及び観測方程式で表した複数の状態モデルと、前記センサ情報と、に基づいて、前記複数の状態モデルそれぞれが表す前記移動状態の該当確率を算出する状態確率演算部と、
   前記複数の状態モデルそれぞれが表す前記移動状態の該当確率のうち、最も該当確率が高い前記移動状態を、現時点の前記移動状態と判定し、衝突確率推定装置に対して、現時点の前記移動状態に対応する予測モデルを用いて、前記車両が当該車両の前方物体に衝突するか否かを推定させる判定部と、
   を備える移動状態推定装置。
2. 前記状態確率演算部は、前記複数の状態モデルの各状態モデルを多重モデルにより、前記複数の状態モデルそれぞれが表す前記移動状態の該当確率を算出する、
   請求項１に記載の移動状態推定装置。
3. 前記状態確率演算部は、前記複数の状態モデルそれぞれについて、当該状態モデルを用いて現時点の前記移動状態に係る状態量の推定値を算出すると共に、当該状態量の推定値と前記センサ情報から得られる現時点の状態量の観測値との残差を算出し、当該残差に基づいて前記移動状態の該当確率を算出する、
   請求項１又は２に記載の移動状態推定装置。
4. 前記複数の状態モデルは、等速度直進状態に係る状態モデル、等加速度直進状態に係る状態モデル、等速度カーブ移動状態に係る状態モデル、及び、等加速度カーブ移動状態に係る状態モデルを含む、
   請求項１乃至３のいずれか一項に記載の移動状態推定装置。
5. 前記車両が交差点を右折又は左折する際の移動状態を判定する際に適用される、
   請求項１乃至４のいずれか一項に記載の移動状態推定装置。
6. 前記センサは、ヨーレートセンサ、操舵角センサ、速度センサ、及び加速度センサの少なくともいずれかを含む、
   請求項１乃至５のいずれか一項に記載の移動状態推定装置。
7. 請求項１乃至６のいずれか一項に記載の移動状態推定装置を有する車両。

Images