JP2021142788A - 運転支援システム - Google Patents

Abstract

【課題】車両の前方に存在する物標との衝突リスクを低減するためのリスク回避制御の過剰作動あるいは不要作動を抑制すること。【解決手段】車両の前方に存在する物標との衝突リスクは、リスク値の分布を示すリスクフィールドによって表される。リスクフィールドの算出において、複数パターンの物標状態パラメータが考慮される。より詳細には、物標の移動方向及び移動速度を示す物標情報に基づいて、各々の物標状態パラメータの確率が設定される。また、各々の物標状態パラメータを用いた場合のリスク値が、部分リスク値として算出される。複数パターンの物標状態パラメータに対する確率と部分リスク値との積の総和であるリスク値を用いて、リスクフィールドが設定される。そして、そのリスクフィールドに基づいて、リスク回避制御が実行される、あるいは、リスク回避制御の作動条件が成立するか否かが判定される。【選択図】図８

Description

本発明は、車両の運転を支援する運転支援制御に関する。特に、本発明は、車両の前方に存在する物標との衝突リスクを低減するためのリスク回避制御に関する。

特許文献１は、運転支援装置を開示している。運転支援装置は、車両の前方の障害物を検出し、その障害物の死角に存在する潜在リスクを想定する。潜在リスクは、障害物の死角に存在する仮想的な移動体である。その仮想的な移動体は、車道に垂直に所定速度で移動して、車道に進入すると仮定される。運転支援装置は、車両と仮想的な移動体との間の推定衝突速度に基づいて、潜在リスクのリスク度合いを算出する。特に、運転支援装置は、複数の異なる車両位置及び車速を仮定し、それら複数の車両位置及び車速のそれぞれの場合のリスク度合いを示すリスクフィールドを算出する。そして、運転支援装置は、リスクフィールドに基づいて適切な車両トラジェクトリを設定する。

特開２０１７−２０６１１７号公報

車両の前方に存在する物標との衝突リスクを低減するための「リスク回避制御」について考える。リスク回避制御を適切に実行するためには、物標との衝突リスクの大きさを適切に見積もることが必要である。衝突リスクが過大に見積もられた場合、リスク回避制御が過剰に、あるいは、不必要に作動するからである。

上述の特許文献１に開示された技術によれば、障害物の死角に存在する仮想的な移動体が、車道に垂直に所定速度で移動して、車道に進入すると仮定される。しかしながら、実際の物標が、車道に垂直に移動し、且つ、車道に進入するとは必ずしも限らない。そのような仮定が死角ではなく車両から認識可能な範囲内に存在する物標にも適用されると、衝突リスクが過大に見積もられ、リスク回避制御が過剰にあるいは不必要に作動する可能性が高くなる。

本発明の１つの目的は、車両の前方に存在する物標との衝突リスクを低減するためのリスク回避制御の過剰作動あるいは不要作動を抑制することができる技術を提供することにある。

第１の観点は、車両の運転を支援する運転支援システムに関連する。
運転支援システムは、記憶装置とプロセッサを備える。
記憶装置には、車両の運転環境を示す運転環境情報が格納される。
プロセッサは、運転環境情報に基づいて、車両の前方に存在する物標との衝突リスクを低減するための操舵制御及び減速制御の少なくとも一方を含むリスク回避制御を実行する。
車両状態パラメータは、車両と物標との間の仮想的な相対位置及び車両の仮想的な速度を含む。
物標状態パラメータは、物標の想定移動方向及び想定移動速度を含む。
物標に関するリスク値は、車両状態パラメータで定義される車両と物標状態パラメータで定義される物標との推定衝突速度の関数で表される。
リスクフィールドは、複数パターンの車両状態パラメータに対するリスク値の分布を示す。
運転環境情報は、物標の位置、移動方向、及び移動速度を示す物標情報を含む。
プロセッサは、複数パターンの物標状態パラメータを設定する。
プロセッサは、物標情報に基づいて、複数パターンの物標状態パラメータの各々の確率を設定する。
プロセッサは、複数パターンの物標状態パラメータの各々を用いた場合のリスク値を、部分リスク値として算出する。
プロセッサは、複数パターンの物標状態パラメータに対する確率と部分リスク値との積の総和であるリスク値を用いて、リスクフィールドを設定する。
プロセッサは、リスクフィールドに基づいて、リスク回避制御を実行する、あるいは、リスク回避制御の作動条件が成立するか否かを判定する。

第２の観点は、第１の観点に加えて、次の特徴を更に有する。
プロセッサは、複数パターンの想定移動方向が物標を中心として周方向に分布するように、複数パターンの物標状態パラメータを設定する。

第３の観点は、第２の観点に加えて、次の特徴を更に有する。
プロセッサは、複数パターンの想定移動方向が周方向に一様に分布するように、複数パターンの物標状態パラメータを設定する。

第４の観点は、第２又は第３の観点に加えて、次の特徴を更に有する。
プロセッサは、物標状態パラメータの想定移動方向が物標情報で示される物標の移動方向に近いほど、当該物標状態パラメータの確率を高く設定する。

第５の観点は、第２又は第３の観点に加えて、次の特徴を更に有する。
運転環境情報は、更に、物標が通過することができない障害物の位置を示す障害物情報を含む。
プロセッサは、障害物情報に基づいて、想定移動方向に障害物が存在する物標状態パラメータの確率をゼロに設定する。

第６の観点は、第１から第５の観点のいずれかに加えて、次の特徴を更に有する。
プロセッサは、想定移動速度が複数のパターンを含むように、複数パターンの物標状態パラメータを設定する。

第７の観点は、第６の観点に加えて、次の特徴を更に有する。
プロセッサは、物標状態パラメータの想定移動速度が物標情報で示される物標の移動速度に近いほど、当該物標状態パラメータの確率を高く設定する。

第８の観点は、第１から第７の観点のいずれかに加えて、次の特徴を更に有する。
物標情報は、更に、物標の種類を示す。
プロセッサは、物標の種類に基づいて、確率を算出する。

第９の観点は、第１から第８の観点のいずれかに加えて、次の特徴を更に有する。
物標が複数である場合、プロセッサは、複数の物標のそれぞれについて複数のリスクフィールドを算出し、複数のリスクフィールドを重ね合わせることによってリスクフィールドを取得する。

第１０の観点は、第１から第９の観点のいずれかに加えて、次の特徴を更に有する。
プロセッサは、更に、物標に対する衝突余裕時間が第１閾値を下回った場合に、第１減速度で車両を減速させる緊急ブレーキ制御を実行する。
プロセッサは、緊急ブレーキ制御の作動を考慮して推定衝突速度を算出し、推定衝突速度に基づいてリスク値を算出する。

本発明によれば、車両の前方に存在する物標との衝突リスクは、リスクフィールドによって表される。より詳細には、リスクフィールドは、複数パターンの車両状態パラメータに対するリスク値の分布を示す。車両状態パラメータは、車両と物標との間の仮想的な相対位置及び車両の仮想的な速度を含む。物標状態パラメータは、物標の想定移動方向及び想定移動速度を含む。リスク値は、車両状態パラメータで定義される車両と物標状態パラメータで定義される物標との推定衝突速度の関数で表される。つまり、リスク値は、感覚的なものではなく、物理的な意味を有している。従って、リスクフィールド（リスク値）は、物標との衝突リスクを高精度に表している。

更に、本発明によれば、リスクフィールドの設定において、複数パターンの物標状態パラメータが考慮される。具体的には、複数パターンの物標状態パラメータの各々の確率が設定される。物標は、ランダムに移動するわけではなく、過去の動きからある程度の連続性を持って移動する。少なくとも物標の直近の移動方向及び移動速度は、将来の移動方向及び移動速度を推定する手がかりとなる。従って、物標の移動方向及び移動速度を示す物標情報に基づいて、各々の物標状態パラメータの確率を設定することができる。また、各々の物標状態パラメータを用いた場合のリスク値が、部分リスク値として算出される。そして、全てのパターンの物標状態パラメータに対する確率と部分リスク値との積の総和が、最終的なリスク値として用いられる。

このように、リスクフィールドの設定においては、物標状態パラメータは一種類に固定されず、複数パターンの物標状態パラメータが考慮される。つまり、複数パターンの物標状態パラメータがリスクフィールドに反映される。従って、物標との衝突リスクを表すリスクフィールドの精度が更に向上する。

このようにして得られた高精度なリスクフィールドは、物標との衝突リスクを低減するためのリスク回避制御に適用される。リスクフィールドが衝突リスクを高精度に表しているため、リスク回避制御の過剰作動あるいは不要作動が抑制される。例えば、高精度なリスクフィールドに基づいてリスク回避制御を実行することによって、リスク回避制御の過剰作動を抑制することが可能となる。また、高精度なリスクフィールドに基づいてリスク回避制御の作動条件が成立するか否かを判定することによって、リスク回避制御の不要作動を抑制することが可能となる。その結果、リスク回避制御の過剰作動や不要作動に対する違和感が軽減される。

本発明の実施の形態に係る運転支援システムの概要を説明するための概念図である。 本発明の実施の形態に係る車両及び運転支援システムの構成例を示すブロック図である。 本発明の実施の形態における運転環境情報の例を示すブロック図である。 本発明の実施の形態に係る運転支援システムによるリスク回避制御に関連する基本的な処理を示すフローチャートである。 本発明の実施の形態に係るリスク算出処理（ステップＳ３００）を説明するための概念図である。 本発明の実施の形態におけるリスクフィールドの一例を示す図である。 本発明の実施の形態に係る基本的なリスク算出処理（ステップＳ３００）を示すフローチャートである。 本発明の実施の形態に係る高精度なリスク算出処理（ステップＳ３００）を示すフローチャートである。 本発明の実施の形態に係る複数パターンの物標状態パラメータの一例を示す概念図である。 本発明の実施の形態に係る複数パターンの物標状態パラメータの他の例を示す概念図である。 本発明の実施の形態に係る確率設定処理（ステップＳ３２０）の第１の例を示す概念図である。 本発明の実施の形態に係る確率設定処理（ステップＳ３２０）の第２の例を示す概念図である。 本発明の実施の形態に係る確率設定処理（ステップＳ３２０）の第３の例を示す概念図である。 本発明の実施の形態に係る確率設定処理（ステップＳ３２０）の第４の例を示す概念図である。 本発明の実施の形態に係る確率設定処理（ステップＳ３２０）の第４の例を示す概念図である。 本発明の実施の形態に係る運転支援システムにおいて用いられる情報を示すブロック図である。 本発明の実施の形態における複数の物標に対する複数のリスクフィールドの重ね合わせを説明するための概念図である。

添付図面を参照して、本発明の実施の形態を説明する。

１．運転支援システム
１−１．概要
図１は、本実施の形態に係る運転支援システム１０の概要を説明するための概念図である。運転支援システム１０は、車両１の運転を支援する「運転支援制御」を実行する。運転支援制御は、自動運転制御に含まれていてもよい。典型的には、運転支援システム１０は、車両１に搭載されている。あるいは、運転支援システム１０の少なくとも一部は、車両１の外部の外部装置に配置され、リモートで運転支援制御を行ってもよい。つまり、運転支援システム１０は、車両１と外部装置とに分散的に配置されてもよい。

運転支援制御は、車両１の前方のリスクを事前に回避する「リスク回避制御」を含む。より詳細には、運転支援システム１０は、車両１の前方に存在する物標５を認識する。典型的には、物標５は、移動物体である。そして、運転支援システム１０は、物標５との衝突リスクを事前に低減（回避）するためにリスク回避制御を実行する。そのようなリスク回避制御は、操舵制御と減速制御の少なくとも一方を含む。

例えば、図１において、車両１は、車道２の中の第１車線Ｌ１を走行している。車道２に隣接する路側領域３（路肩、路側帯、歩道、等）には、歩行者が存在している。その歩行者は、車道２（第１車線Ｌ１）に進入してくるかもしれない。従って、路側領域３に存在する歩行者は、車両１にとってリスクである。運転支援システム１０は、歩行者との衝突リスクを低減するために、必要に応じてリスク回避制御を実行する。例えば、運転支援システム１０は、歩行者から離れる方向へ車両１を自動的に操舵する。図１において、トラジェクトリＴＲ０は、リスク回避制御が実行されない場合の車両１のトラジェクトリを表している。一方、トラジェクトリＴＲ１は、リスク回避制御が実行される場合の車両１のトラジェクトリを表している。

リスク回避制御の対象である物標５は、路側領域３に存在する歩行者に限られない。物標５の他の例として、路側領域３に存在する自転車、二輪車、駐車車両、等が挙げられる。物標５の更に他の例として、車道２に存在する歩行者、自転車、二輪車、先行車両、等も挙げられる。すなわち、リスク回避制御の対象となる物標５は、車両１の前方に存在する歩行者、自転車、二輪車、他車両のうち少なくとも１つを含む。

１−２．構成例
図２は、本実施の形態に係る車両１及び運転支援システム１０の構成例を概略的に示すブロック図である。特に、図２は、リスク回避制御に関連する構成例を示している。車両１は、センサ群２０と走行装置３０を備えている。

センサ群２０は、位置センサ２１、車両状態センサ２２、及び認識センサ２３を含んでいる。位置センサ２１は、車両１の位置及び方位を検出する。位置センサ２１としては、ＧＰＳ（Global Positioning System）センサが例示される。車両状態センサ２２は、車両１の状態を検出する。車両状態センサ２２としては、車速センサ、ヨーレートセンサ、横加速度センサ、操舵角センサ、等が例示される。認識センサ２３は、車両１の周囲の状況を認識（検出）する。認識センサ２３としては、カメラ、レーダ、ライダー（LIDAR: Laser Imaging Detection and Ranging）、等が例示される。

走行装置３０は、操舵装置３１、駆動装置３２、及び制動装置３３を含んでいる。操舵装置３１は、車両１の車輪を転舵する。例えば、操舵装置３１は、パワーステアリング（EPS: Electric Power Steering）装置を含んでいる。駆動装置３２は、駆動力を発生させる動力源である。駆動装置３２としては、エンジン、電動機、インホイールモータ、等が例示される。制動装置３３は、制動力を発生させる。

運転支援システム１０は、少なくとも制御装置１００を含んでいる。運転支援システム１０は、センサ群２０を含んでいてもよい。運転支援システム１０は、走行装置３０を含んでいてもよい。

制御装置１００は、車両１を制御する。典型的には、制御装置１００は、車両１に搭載されるマイクロコンピュータである。制御装置１００は、ＥＣＵ（Electronic Control Unit）とも呼ばれる。あるいは、制御装置１００は、車両１の外部の情報処理装置であってもよい。その場合、制御装置１００は、車両１と通信を行い、車両１をリモートで制御する。

制御装置１００は、プロセッサ１１０及び記憶装置１２０を備えている。プロセッサ１１０は、各種処理を実行する。記憶装置１２０には、各種情報が格納される。記憶装置１２０としては、揮発性メモリ、不揮発性メモリ、等が例示される。プロセッサ１１０がコンピュータプログラムである制御プログラムを実行することにより、プロセッサ１１０（制御装置１００）による各種処理が実現される。制御プログラムは、記憶装置１２０に格納されている、あるいは、コンピュータ読み取り可能な記録媒体に記録されている。

１−３．情報取得処理
プロセッサ１１０（制御装置１００）は、車両１の運転環境を示す運転環境情報２００を取得する「情報取得処理」を実行する。運転環境情報２００は、車両１に搭載されたセンサ群２０による検出結果に基づいて取得される。取得された運転環境情報２００は、記憶装置１２０に格納される。

図３は、運転環境情報２００の例を示すブロック図である。運転環境情報２００は、車両位置情報２１０、車両状態情報２２０、周辺状況情報２３０、地図情報２７０、等を含んでいる。

車両位置情報２１０は、車両１の位置及び方位を示す情報である。プロセッサ１１０は、位置センサ２１による検出結果から車両位置情報２１０を取得する。

車両状態情報２２０は、車両１の状態を示す情報である。車両１の状態としては、車速、ヨーレート、横加速度、操舵角、等が例示される。プロセッサ１１０は、車両状態センサ２２による検出結果から車両状態情報２２０を取得する。

周辺状況情報２３０は、車両１の周囲の状況を示す情報である。周辺状況情報２３０は、認識センサ２３によって得られた情報を含む。例えば、周辺状況情報２３０は、カメラによって撮像された車両１の周囲の状況を示す画像情報を含む。他の例として、周辺状況情報２３０は、レーダやライダーによって計測された計測情報を含む。更に、周辺状況情報２３０は、道路構成情報２４０、物標情報２５０、及び障害物情報２６０を含んでいる。

道路構成情報２４０は、車両１の周囲の道路構成に関する情報である。車両１の周囲の道路構成は、区画線（白線）及び道路端物体を含む。道路端物体は、道路の端を示す立体物である。道路端物体としては、縁石、ガードレール、壁、中央分離帯、等が例示される。道路構成情報２４０は、区画線や道路端物体の位置（車両１に対する相対位置）を少なくとも示す。

例えば、カメラによって得られた画像情報を解析することによって、区画線を識別し、その区画線の相対位置を算出することができる。画像解析手法としては、セマンティックセグメンテーション（Semantic Segmentation）やエッジ検出が例示される。同様に、画像情報を解析することによって、道路端物体を識別し、その道路端物体の相対位置を算出することができる。あるいは、レーダ計測情報から道路端物体の相対位置を取得することもできる。

物標情報２５０は、車両１の周囲の物標５に関する情報である。物標５としては、歩行者、自転車、二輪車、他車両（先行車両、駐車車両）、等が例示される。物標情報２５０は、車両１に対する物標５の相対位置及び相対速度を示す。例えば、カメラによって得られた画像情報を解析することによって、物標５を識別し、その物標５の相対位置を算出することができる。また、レーダ計測情報に基づいて、物標５を識別し、その物標５の相対位置と相対速度を取得することもできる。物標情報２５０は、物標５の移動方向や移動速度を含んでいてもよい。物標５の移動方向や移動速度は、物標５の位置を追跡することによって算出することができる。物標情報２５０は、過去の一定期間の間の物標５の相対位置、相対速度、移動方向、及び移動速度の履歴を含んでいてもよい。物標情報２５０は、物標５の種類（歩行者、自転車、二輪車、他車両、等）を示していてもよい。

障害物情報２６０は、車両１の周囲の障害物に関する情報である。障害物としては、電柱、看板、壁、建物、等が例示される。障害物情報２６０は、障害物の位置（車両１に対する相対位置）を少なくとも示す。

地図情報２７０は、車線配置、道路形状、等を示す。制御装置１００は、地図データベースから、必要なエリアの地図情報２７０を取得する。地図データベースは、車両１に搭載されている所定の記憶装置に格納されていてもよいし、車両１の外部の管理サーバに格納されていてもよい。後者の場合、プロセッサ１１０は、管理サーバと通信を行い、必要な地図情報２７０を取得する。

１−４．車両走行制御
プロセッサ１１０（制御装置１００）は、車両１の走行を制御する「車両走行制御」を実行する。車両走行制御は、車両１の操舵を制御する操舵制御、車両１の加速を制御する加速制御、及び車両１の減速を制御する減速制御を含む。プロセッサ１１０は、走行装置３０を制御することによって車両走行制御を実行する。具体的には、プロセッサ１１０は、操舵装置３１を制御することによって操舵制御を実行する。また、プロセッサ１１０は、駆動装置３２を制御することによって加速制御を実行する。また、制御装置１００は、制動装置３３を制御することによって減速制御を実行する。

１−５．緊急ブレーキ制御
プロセッサ１１０（制御装置１００）は、緊急時に車両１を自動的に減速する「緊急ブレーキ制御」を実行する。緊急ブレーキ制御は、ＡＥＢ（Autonomous Emergency Braking）あるいはＰＣＳ（Pre-Crash Safety System）とも呼ばれる。具体的には、プロセッサ１１０は、運転環境情報２００に基づいて、車両１の前方の物標５に対する衝突余裕時間（TTC: Time To Collision）を算出する。車両１の車速は、車両状態情報２２０から得られる。物標５までの距離は、物標情報２５０から得られる。算出された衝突余裕時間が第１閾値を下回った場合、プロセッサ１１０は、第１減速度で減速制御を実行し、車両１を減速、停止させる。第１減速度は、典型的には所定値である。

１−６．リスク回避制御
プロセッサ１１０（制御装置１００）は、車両１の運転を支援する運転支援制御を実行する。運転支援制御は、リスク回避制御を含む。リスク回避制御は、車両１の前方の物標５との衝突リスクを事前に低減（回避）するための車両走行制御であり、操舵制御及び減速制御の少なくとも一方を含んでいる。プロセッサ１１０は、上述の運転環境情報２００に基づいて、リスク回避制御を実行する。

以下、本実施の形態に係るリスク回避制御について更に詳しく説明する。

２．リスク回避制御の基本的な処理
図４は、本実施の形態に係るリスク回避制御に関連する基本的な処理を示すフローチャートである。図４に示される処理フローは、一定サイクル毎に繰り返し実行される。

２−１．ステップＳ１００
ステップＳ１００において、プロセッサ１１０は、上述の情報取得処理を実行する。すなわち、プロセッサ１１０は、センサ群２０による検出結果に基づいて運転環境情報２００を取得する。運転環境情報２００は、記憶装置１２０に格納される。

２−２．ステップＳ２００
ステップＳ２００において、プロセッサ１１０は、物標情報２５０に基づいて、車両１の前方に物標５が存在するか否かを判定する。言い換えれば、プロセッサ１１０は、車両１の前方の領域において物標５が認識されているか否かを判定する。典型的には、物標５は、移動物体である。物標５は、車両１の前方の歩行者、自転車、二輪車、及び他車両のうち少なくとも１つを含む。車両１の前方の物標５が認識された場合（ステップＳ２００；Ｙｅｓ）、処理は、ステップＳ３００に進む。それ以外の場合（ステップＳ２００；Ｎｏ）、処理は、ステップＳ１００に戻る。

２−３．ステップＳ３００（リスク算出処理）
ステップＳ３００において、プロセッサ１１０は、物標５との衝突リスクを見積もる。本実施の形態によれば、物標５との衝突リスクは、以下に説明される「リスクフィールドＲＦ」によって表される。つまり、ステップＳ３００において、プロセッサ１１０は、物標５に関するリスクフィールドＲＦを設定（算出）する。この処理は、以下、「リスク算出処理」と呼ばれる。

図５は、本実施の形態に係るリスク算出処理を説明するための概念図である。車両座標系（Ｘ，Ｙ）は、車両１に固定された相対座標系であり、車両１の移動と共に変化する。Ｘ方向は、車両１の前方向（進行方向）である。Ｙ方向は、車両１の横方向である。Ｘ方向とＹ方向は、互いに直交している。以下の説明において、縦距離とはＸ方向の距離を意味し、横距離とはＹ方向の距離を意味する。

まず、プロセッサ１１０は、車両１の前方にリスク判定領域ＡＲを設定する。リスク判定領域ＡＲは、少なくとも、車両１と物標５との間の領域をカバーするように設定される。リスク判定領域ＡＲの横幅は、例えば、車道２の横幅と一致するように設定される。車両１に対する物標５の相対位置は、物標情報２５０から得られる。車道２の位置は、道路構成情報２４０あるいは地図情報２７０から得られる。

プロセッサ１１０は、リスク判定領域ＡＲの中に複数の仮想的な車両位置ＰＶ_ｉを設定する。添え字ｉは、１から２以上の整数までの値をとる。各車両位置ＰＶ_ｉは、物標情報２５０で示される物標５の位置を用いることにより、車両１と物標５との間の仮想的な相対位置に変換される。仮想的な想定位置は、車両１と物標５との間の縦距離ＤＬＯＮ_ｉ及び横距離ＤＬＡＴ_ｉで表される。更に、プロセッサ１１０は、各車両位置ＰＶ_ｉ毎に、複数の仮想的な速度Ｖ_ｊを設定する。添え字ｊは、１から２以上の整数までの値をとる。仮想的な相対位置［ＤＬＡＴ_ｉ，ＤＬＯＮ_ｉ］と仮想的な速度Ｖ_ｊの組み合わせは、以下、「車両状態パラメータＳＶ_ｉｊ」と呼ばれる。

また、プロセッサ１１０は、物標５の移動状態を示す「物標状態パラメータＳＴ」を設定する。物標状態パラメータＳＴは、物標５の想定移動方向ＥＤＴと想定移動速度ＥＶＴを含む。

そして、プロセッサ１１０は、車両状態パラメータＳＶ_ｉｊで定義される車両１と物標状態パラメータＳＴで定義される物標５との衝突リスクを定量的に見積もる。本実施の形態によれば、車両１と物標５との衝突リスクは、「リスク値Ｒ_ｉｊ」という定量的な数値によって表される。

より詳細には、プロセッサ１１０は、車両状態パラメータＳＶ_ｉｊで定義される車両１が物標状態パラメータＳＴで定義される物標５と衝突するか否かを判定し、車両１と物標５との推定衝突速度Ｕ_ｉｊを算出する。衝突が発生しないと判定された場合の推定衝突速度Ｕ_ｉｊは０である。衝突が発生するか否かの判定において、上述の緊急ブレーキ制御の作動が考慮されてもよい。物標５に関するリスク値Ｒ_ｉｊは、推定衝突速度Ｕ_ｉｊの関数で表される。例えば、リスク値Ｒ_ｉｊは、推定衝突速度Ｕ_ｉｊそのものである。他の例として、リスク値Ｒ_ｉｊは、推定衝突速度Ｕ_ｉｊの二乗であってもよい。いずれにせよ、リスク値Ｒ_ｉｊは、推定衝突速度Ｕ_ｉｊに基づく定量的な数値で与えられる。推定衝突速度Ｕ_ｉｊが高くなるにつれて、リスク値Ｒ_ｉｊは増加する。

このように、物標５に関するリスク値Ｒ_ｉｊは、車両状態パラメータＳＶ_ｉｊと物標状態パラメータＳＴの関数で表される。プロセッサ１１０は、リスク判定領域ＡＲの中において複数パターンの車両状態パラメータＳＶ_ｉｊを設定する。そして、プロセッサ１１０は、複数パターンの車両状態パラメータＳＶ_ｉｊの各々についてリスク値Ｒ_ｉｊを算出する。その結果、複数パターンの車両状態パラメータＳＶ_ｉｊに対するリスク値Ｒ_ｉｊの分布が得られる。そのような複数パターンの車両状態パラメータＳＶ_ｉｊに対するリスク値Ｒ_ｉｊの分布が、リスクフィールドＲＦである。

図６は、リスクフィールドＲＦの一例を示している。リスクフィールドＲＦは、縦距離ＤＬＯＮ、横距離ＤＬＡＴ、及び速度Ｖで定義される三次元空間におけるリスク値Ｒ_ｉｊの分布を示している。三次元空間における位置は、車両状態パラメータＳＶ_ｉｊに相当する。三次元空間中の多数の位置に対してリスク値Ｒ_ｉｊが算出されている。特に、図６中の黒点は、車両１と物標５との衝突が発生する場合を表しており、各黒点が０より大きいリスク値Ｒ_ｉｊを有している。

図７は、以上に説明された基本的なリスク算出処理（ステップＳ３００）を示すフローチャートである。

ステップＳ３３１において、プロセッサ１１０は、物標状態パラメータＳＴを設定する。尚、状況に応じて物標状態パラメータＳＴを可変に設定することによって、リスク算出処理の精度をより高めることができる。高精度なリスク算出処理については、後に詳しく説明される。

ステップＳ３３２において、プロセッサ１１０は、車両状態パラメータＳＶ_ｉｊを設定する。具体的には、プロセッサ１１０は、複数パターンの車両状態パラメータＳＶ_ｉｊを一つずつ選択する。

ステップＳ３３３において、プロセッサ１１０は、車両状態パラメータＳＶ_ｉｊで定義される車両１が物標状態パラメータＳＴで定義される物標５と衝突するか否かを判定する。このステップＳ３３３では、車両１が速度Ｖ_ｊで等速運動を続けると仮定される。プロセッサ１１０は、車両状態パラメータＳＶ_ｉｊ及び物標状態パラメータＳＴに基づいて、車両１と物標５との衝突が発生するか否かを判定する。車両１と物標５との衝突が発生する場合（ステップ３３３；Ｙｅｓ）、処理は、ステップＳ３３４に進む。一方、車両１と物標５との衝突が発生しない場合（ステップ３３３；Ｎｏ）、処理は、ステップＳ３３６に進む。

ステップＳ３３４において、プロセッサ１１０は、上述の緊急ブレーキ制御が作動すると仮定して、車両１が物標５と衝突するか否かを判定する。緊急ブレーキ制御の制御遅れ（物標検出からブレーキ作動までの遅延時間）及び緊急ブレーキ制御による第１減速度は、緊急ブレーキ制御の性能に依存する所定のパラメータである。その所定のパラメータを示すブレーキ性能情報（図示されず）は、記憶装置１２０に予め格納される。プロセッサ１１０は、車両状態パラメータＳＶ_ｉｊ、物標状態パラメータＳＴ、及びブレーキ性能情報に基づいて、車両１と物標５との衝突が発生するか否かを判定する。車両１と物標５との衝突が発生する場合（ステップ３３４；Ｙｅｓ）、処理は、ステップＳ３３５に進む。一方、車両１と物標５との衝突が発生しない場合（ステップ３３４；Ｎｏ）、処理は、ステップＳ３３６に進む。

ステップＳ３３５において、プロセッサ１１０は、ステップＳ３３４の結果に基づいて、車両１と物標５との推定衝突速度Ｕ_ｉｊを算出する。そして、プロセッサ１１０は、推定衝突速度Ｕ_ｉｊに基づいて、リスク値Ｒ_ｉｊを算出する。推定衝突速度Ｕ_ｉｊが高くなるにつれて、リスク値Ｒ_ｉｊは増加する。例えば、リスク値Ｒ_ｉｊは、推定衝突速度Ｕ_ｉｊそのものである。他の例として、リスク値Ｒ_ｉｊは、推定衝突速度Ｕ_ｉｊの二乗であってもよい。その後、処理は、ステップＳ３３７に進む。

ステップＳ３３６において、プロセッサ１１０は、推定衝突速度Ｕ_ｉｊがゼロであるため、リスク値Ｒ_ｉｊをゼロに設定する。その後、処理は、ステップＳ３３７に進む。

ステップＳ３３７において、プロセッサ１１０は、全てのパターンの車両状態パラメータＳＶ_ｉｊに対するリスク値Ｒ_ｉｊの算出が完了したか否かを判定する。いずれかのパターンの車両状態パラメータＳＶ_ｉｊに対するリスク値Ｒ_ｉｊがまだ算出されていない場合（ステップＳ３３７；Ｎｏ）、処理は、ステップＳ３３２に戻る。全てのパターンの車両状態パラメータＳＶ_ｉｊに対するリスク値Ｒ_ｉｊの算出が完了するまで、ステップＳ３３２〜Ｓ３３７が繰り返される。その結果、全てのパターンの車両状態パラメータＳＶ_ｉｊに対するリスク値Ｒ_ｉｊの分布を示すリスクフィールドＲＦが得られる（図６参照）。

このように、プロセッサ１１０は、リスク算出処理を実行してリスクフィールドＲＦを設定（算出）する。算出されたリスクフィールドＲＦを示すリスク情報３００は、記憶装置１２０に格納される（図２参照）。その後、処理は、次のステップＳ４００に進む。

２−４．ステップＳ４００
ステップＳ４００において、プロセッサ１１０は、リスク回避制御の作動条件が成立するか否かを判定する。

例えば、リスク回避制御の作動条件は、「リスク回避制御が実行されない場合の車両１のトラジェクトリが、リスク値Ｒ_ｉｊが作動閾値Ｒｔｈ以上である点を有すること」を含む。

図１中のトラジェクトリＴＲ０は、リスク回避制御が実行されない場合の車両１のトラジェクトリを表している。例えば、車両１は、現在の車速で、車道２（第１車線Ｌ１）に平行に走行すると仮定される。車両１の現在の車速は、車両状態情報２２０から得られる。車道２（第１車線Ｌ１）の位置は、道路構成情報２４０あるいは地図情報２７０から得られる。従って、プロセッサ１１０は、運転環境情報２００に基づいて、トラジェクトリＴＲ０を推定することができる。そして、プロセッサ１１０は、トラジェクトリＴＲ０とリスク情報３００で示されるリスクフィールドＲＦに基づいて、上記の作動条件が成立するか否かを判定する。

リスク回避制御の作動条件は、更に、「物標５までの余裕時間Ｔが第２閾値Ｔｔｈを下回ること」を含んでいてもよい。余裕時間Ｔとは、車両１が現在位置から物標５に最も接近する位置まで走行するのに要する時間である。典型的には、車両１が物標５に最も接近するタイミングは、車両１が物標５の側方を通過するタイミングである。車両１の現在の車速は、車両状態情報２２０から得られる。車両１に対する物標５の相対位置は、物標情報２５０から得られる。プロセッサ１１０は、トラジェクトリＴＲ０、車両１の現在の車速、及び物標５の相対位置に基づいて、余裕時間Ｔを算出することができる。そして、プロセッサ１１０は、余裕時間Ｔと第２閾値Ｔｔｈとを対比することによって、作動条件が成立するか否かを判定する。尚、第２閾値Ｔｔｈは、上述の緊急ブレーキ制御に関する第１閾値よりも大きい。

リスク回避制御の作動条件は、更に、車両１の車速が一定速度以上であることを含んでいてもよい。

リスク回避制御の作動条件が成立する場合（ステップＳ４００；Ｙｅｓ）、処理は、ステップＳ５００に進む。一方、リスク回避制御の作動条件が成立しない場合（ステップＳ４００；Ｎｏ）、処理は、ステップＳ６００に進む。

２−５．ステップＳ５００
ステップＳ５００において、プロセッサ１１０は、リスク回避制御を実行する、つまり、リスク回避制御を作動させる。リスク回避制御は、物標５との衝突リスクを低減するための車両走行制御であり、操舵制御及び減速制御の少なくとも一方を含んでいる。本実施の形態では、プロセッサ１１０は、リスク情報３００で示されるリスクフィールドＲＦに基づいて、物標５との衝突リスクが低減されるようにリスク回避制御を実行する。

例えば、プロセッサ１１０は、リスクフィールドＲＦに基づいて、車両１の目標トラジェクトリＴＲｔを生成する。目標トラジェクトリＴＲｔは、車道２内における車両１の目標位置及び目標速度を含んでいる。プロセッサ１１０は、リスクフィールドＲＦを参照して、目標トラジェクトリＴＲｔ上のリスク値Ｒ_ｉｊが作動閾値Ｒｔｈ未満となるように、目標トラジェクトリＴＲｔを設定する。例えば、プロセッサ１１０は、車両１が物標５から離れる方向に移動するように、目標トラジェクトリＴＲｔを設定する（図１中のトラジェクトリＴＲ１参照）。車両１の現在位置は、車両位置情報２１０から得られる。車速は車両状態情報２２０から得られる。車道２の位置は、道路構成情報２４０あるいは地図情報２７０から得られる。従って、プロセッサ１１０は、運転環境情報２００とリスク情報３００（リスクフィールドＲＦ）に基づいて、目標トラジェクトリＴＲｔを生成することができる。

プロセッサ１１０は、リスクフィールドＲＦと共に車両挙動の滑らかさも考慮して、目標トラジェクトリＴＲｔを生成してもよい。その場合、プロセッサ１１０は、リスク成分と車両挙動成分を含む評価関数を用いることによって、安全性と車両挙動の滑らかさを両立する目標トラジェクトリＴＲｔを設定する。車両挙動の滑らかさも考慮した目標トラジェクトリＴＲｔの詳細については、上述の特許文献１（特開２０１７−２０６１１７号公報）を参照されたい。

プロセッサ１１０は、車両１が目標トラジェクトリＴＲｔに追従するように、操舵制御及び減速制御の少なくとも一方を実行する。操舵制御及び減速制御は、運転環境情報２００に基づいて実行される。具体的には、プロセッサ１１０は、車両１が目標トラジェクトリＴＲｔに追従するために必要な目標操舵角や目標減速度を算出する。プロセッサ１１０は、目標操舵角に従って操舵装置３１を制御する。また、プロセッサ１１０は、目標減速度に従って制動装置３３を制御する。

２−６．ステップＳ６００
ステップＳ６００において、プロセッサ１１０は、リスク回避制御を実行しない。つまり、プロセッサ１１０は、リスク回避制御を作動させない。リスク回避制御が既に実行中であった場合、プロセッサ１１０は、リスク回避制御を停止させる。

３．高精度なリスク算出処理（ステップＳ３００）
リスク回避制御を適切に実行するためには、物標５との衝突リスクの大きさ（すなわち、リスク値Ｒ_ｉｊ及びリスクフィールドＲＦ）を適切に見積もることが必要である。衝突リスクが過大に見積もられた場合、リスク回避制御が過剰に、あるいは、不必要に作動するからである。

上述の特許文献１（特開２０１７−２０６１１７号公報）に開示された技術によれば、障害物の死角に存在する仮想的な移動体が、車道２に垂直に所定速度で移動して、車道２に進入すると仮定される。これは、物標状態パラメータＳＴ（想定移動方向ＥＤＴ、想定移動速度ＥＶＴ）が状況によらず同じであることを意味する。しかしながら、実際の物標５が、車道２に垂直に移動し、且つ、車道２に進入するとは必ずしも限らない。特許文献１における仮定は、実際の物標５に対しては悲観的過ぎると言える。そのような仮定が実際の物標５にも適用されると、衝突リスクが過大に見積もられ、リスク回避制御が過剰にあるいは不必要に作動する可能性が高くなる。リスク回避制御の過剰作動や不要作動に対して、車両１の乗員（典型的にはドライバ）は違和感を覚えるおそれがある。

そこで、本実施の形態は、リスク回避制御の過剰作動あるいは不要作動を抑制するために、より高精度に衝突リスクを見積もる技術を提供する。図８は、本実施の形態に係る高精度なリスク算出処理（ステップＳ３００）を示すフローチャートである。

３−１．ステップＳ３１０
ステップＳ３１０において、プロセッサ１１０は、物標状態パラメータＳＴを設定する。本実施の形態では、物標５の様々な移動状態を考慮するために、物標状態パラメータＳＴ（想定移動方向ＥＤＴ、想定移動速度ＥＶＴ）は一種類に固定されない。その代わり、プロセッサ１１０は、複数パターンの物標状態パラメータＳＴ_ｋを設定する。添え字ｋは、１から２以上の整数までの値をとる。

図９は、複数パターンの物標状態パラメータＳＴ_ｋの一例を示す概念図である。図９に示される例では、８パターンの物標状態パラメータＳＴ_ｋ（ｋ＝１〜８）が設定されている。より詳細には、８パターンの想定移動方向ＥＤＴ_ｋ（ｋ＝１〜８）が設定されている。想定移動速度ＥＶＴは、物標情報２５０で示される物標５の現在の移動速度に設定されている。８パターンの想定移動方向ＥＤＴ_ｋは、物標５を中心として周方向に分布している。好適には、８パターンの想定移動方向ＥＤＴ_ｋは、周方向に一様に分布する。言い換えれば、８パターンの想定移動方向ＥＤＴ_ｋは、４５度の間隔で全周的に分布することが好適である。これにより、有限の計算資源で、物標５の様々な移動方向を十分に考慮することが可能となる。

図１０は、複数パターンの物標状態パラメータＳＴ_ｋの他の例を示す概念図である。図１０に示される例では、物標状態パラメータＳＴ_ｋは、複数パターンの想定移動方向ＥＤＴ_ｍと複数パターンの想定移動速度ＥＶＴ_ｎの組み合わせである。添え字ｍは、１から２以上の整数までの値をとる。添え字ｎは、１から２以上の整数までの値をとる。例えば、図１０に示されるように、８パターンの想定移動方向ＥＤＴ_ｍ（ｍ＝１〜８）と３パターンの想定移動速度ＥＶＴ_ｎ（ｎ＝１〜３）の組み合わせにより、２４パターンの物標状態パラメータＳＴ_ｋ（ｋ＝１〜２４）が得られる。８パターンの想定移動方向ＥＤＴ_ｍは、上述の図９の場合と同様である。３パターンの想定移動速度ＥＶＴ_１〜ＥＶＴ_３は、それぞれ、物標５の現在の移動速度の０．５倍、１．０倍、１．５倍に設定される。これにより、有限の計算資源で、物標５の様々な移動状態を十分に考慮することが可能となる。

各々の物標状態パラメータＳＴ_ｋは、物標５の移動を表す物標ベクトルに相当する。物標ベクトルの先端の位置は、物標５の移動先候補である。物標状態パラメータＳＴ_ｋを設定することは、物標５の移動を表す物標ベクトルを設定すること、及び、物標５の移動先候補を設定することと等価である。複数パターンの物標状態パラメータＳＴ_ｋを設定することは、複数パターンの物標ベクトルを設定すること、及び、複数パターンの移動先候補を設定することと等価である。

３−２．ステップＳ３２０（確率設定処理）
ステップＳ３２０において、プロセッサ１１０は、各々の物標状態パラメータＳＴ_ｋの確率Ｐ_ｋを設定する「確率設定処理」を実行する。各々の物標状態パラメータＳＴ_ｋの確率Ｐ_ｋを設定することは、物標５が各々の移動先候補に移動する確率Ｐ_ｋを設定することと等価である。尚、複数パターンの物標状態パラメータＳＴ_ｋのそれぞれの確率Ｐ_ｋの合計は、１．０である。

物標５は、ランダムに移動するわけではなく、過去の動きからある程度の連続性を持って移動する。少なくとも物標５の直近の移動方向及び移動速度は、将来の移動方向及び移動速度を推定する手がかりとなる。従って、プロセッサ１１０は、少なくとも物標情報２５０に基づいて、各々の物標状態パラメータＳＴ_ｋの確率Ｐ_ｋを設定する。以下、この確率設定処理の様々な例を説明する。

３−２−１．第１の例
図１１は、確率設定処理の第１の例を示す概念図である。時刻ｔは、現在時刻を表す。時刻ｔ−３〜ｔ−１は、過去の時刻を表す。時刻ｔ＋１は、将来時刻を表す。物標状態パラメータＳＴ_ｋは、現在時刻ｔと将来時刻ｔ＋１との間の物標５の移動状態（想定移動方向ＥＤＴ、想定移動速度ＥＶＴ）に相当する。

物標５は、例えば歩行者である。その物標５は、過去の一定期間、車両１の進行方向（Ｘ方向）と平行に移動している。そのような物標５は、移動方向をそのまま維持する確率が高い。従って、物標５の移動方向に最も近い物標状態パラメータＳＴ_１の確率Ｐ_１が最も高く設定される。

第１の例を一般化すれば、次の通りである。物標状態パラメータＳＴ_ｋの想定移動方向ＥＤＴが物標情報２５０で示される物標５の移動方向に近くなるほど、その物標状態パラメータＳＴ_ｋの確率Ｐ_ｋは高く設定される。逆に、物標状態パラメータＳＴ_ｋの想定移動方向ＥＤＴが物標情報２５０で示される物標５の移動方向から離れるにつれて、その物標状態パラメータＳＴ_ｋの確率Ｐ_ｋは低く設定される。このように物標情報２５０で示される物標５の移動方向を考慮することによって、物標状態パラメータＳＴ_ｋの確率Ｐ_ｋを精度良く設定することができる。

３−２−２．第２の例
図１２は、確率設定処理の第２の例を示す概念図である。第１の例と重複する説明は適宜省略する。物標５は、過去の一定期間、等速度で移動している。そのような物標５は、移動速度をそのまま維持する確率が高い。従って、物標５の移動速度に最も近い物標状態パラメータＳＴ_１２の確率Ｐ_１２が最も高く設定される。

第２の例を一般化すれば、次の通りである。物標状態パラメータＳＴ_ｋの想定移動速度ＥＶＴが物標情報２５０で示される物標５の移動速度に近くなるほど、その物標状態パラメータＳＴ_ｋの確率Ｐ_ｋは高く設定される。逆に、物標状態パラメータＳＴ_ｋの想定移動速度ＥＶＴが物標情報２５０で示される物標５の移動速度から離れるにつれて、物標状態パラメータＳＴ_ｋの確率Ｐ_ｋは低く設定される。このように物標情報２５０で示される物標５の移動速度を考慮することによって、物標状態パラメータＳＴ_ｋの確率Ｐ_ｋを精度良く設定することができる。

３−２−３．第３の例
図１３は、確率設定処理の第３の例を示す概念図である。第１の例と重複する説明は適宜省略する。図１３に示される例において、物標５は、自転車である。自転車の直進性は、歩行者よりも強い。自転車が突然直角に曲がる可能性は極めて低い。従って、物標情報２５０で示される物標５の移動方向に近い物標状態パラメータＳＴ_ｋの確率Ｐ_ｋは、物標５が歩行者である場合（図１１参照）よりも更に高く設定される。

第３の例を一般化すれば、次の通りである。物標情報２５０は、物標５の種類（歩行者、自転車、二輪車、他車両、等）を示す。プロセッサ１１０は、物標５の種類に基づいて、各々の物標状態パラメータＳＴ_ｋの確率Ｐ_ｋを設定する。このように物標５の種類も考慮に入れることによって、確率設定処理の精度が更に向上する。

３−２−４．第４の例
図１４は、確率設定処理の第４の例を示す概念図である。第１の例と重複する説明は適宜省略する。移動方向に電柱や看板といった障害物６が存在する場合、物標５は、その障害物６を避けて前進する可能性が高い。従って、障害物６を避けて前進するような物標状態パラメータＳＴ_２の確率Ｐ_２が高く設定される。一方、障害物６に衝突するような物標状態パラメータＳＴ_１の確率Ｐ_１は、ゼロに設定される。

図１５に示される例では、障害物６は、壁状の構造物である。物標５は、そのような障害物６の方へは移動しない。従って、障害物６の方へ移動するような物標状態パラメータＳＴ_６〜ＳＴ_８の確率Ｐ_６〜Ｐ_８はゼロに設定される。

第４の例を一般化すれば、次の通りである。障害物情報２６０は、物標５が通過することができない障害物６の位置を示している。プロセッサ１１０は、障害物情報２６０に基づいて、想定移動方向ＥＤＴに障害物６が存在する物標状態パラメータＳＴ_ｋの確率Ｐ_ｋをゼロに設定する。そして、プロセッサ１１０は、物標情報２５０に基づいて、その他の物標状態パラメータＳＴ_ｋの確率Ｐ_ｋを設定する。このように障害物６も考慮に入れることによって、確率設定処理の精度が更に向上する。

３−２−５．第５の例
矛盾しない限りにおいて、上述の第１〜第４の例のうち複数を組み合わせることも可能である。

３−２−６．確率設定情報
以上に説明されたように、プロセッサ１１０は、物標状態パラメータＳＴ_ｋの確率Ｐ_ｋを“状況Ｓ”に応じて動的に設定する。状況Ｓは、物標情報２５０から得られる物標５の移動方向及び移動速度を少なくとも含んでいる。状況Ｓは、物標５の過去の移動履歴を含んでいてもよい。状況Ｓは、更に、物標５の周囲の状況（例：障害物６が存在するか否か）を含んでいてもよい。

物標状態パラメータＳＴ_ｋの確率Ｐ_ｋは、状況Ｓの関数で表される（Ｐ_ｋ＝ｆ（Ｓ））。例えば、関数ｆは、機械学習（ディープラーニングを含む）を通して予め生成される。具体的には、多くの実環境における物標５の動きを学習することによって関数ｆが予め生成される。他の例として、関数ｆは、カルマンフィルタにより実現されてもよい。更に他の例として、関数ｆは、手動で設定されてもよい。

図１６に示される確率設定情報３２０は、確率Ｐｋを設定するために用いられる関数ｆを示す。この確率設定情報３２０は、予め生成され、記憶装置１２０に格納される。状況Ｓは、運転環境情報２００（物標情報２５０、障害物情報２６０、等）から得られる。プロセッサ１１０は、運転環境情報２００と確率設定情報３２０に基づいて、状況Ｓに応じた確率Ｐ_ｋを設定する。

３−３．ステップＳ３３０
ステップＳ３３０において、プロセッサ１１０は、各々の物標状態パラメータＳＴ_ｋを用いてリスク値Ｒ_ｉｊを算出する。各々の物標状態パラメータＳＴ_ｋを用いて算出されるリスク値Ｒ_ｉｊは、以下、「部分リスク値ＲＰ_ｉｊｋ」と呼ばれる。部分リスク値ＲＰ_ｉｊｋの算出方法は、上述のセクション２−３で説明されたリスク値Ｒ_ｉｊの算出方法と同様である（図７参照）。ステップＳ３３１において、各々の物標状態パラメータＳＴ_ｋが用いられる。部分リスク値ＲＰ_ｉｊｋは、車両状態パラメータＳＶ_ｉｊと物標状態パラメータＳＴ_ｋの関数であると言える。

３−４．ステップＳ３４０
以上に説明されたステップＳ３１０〜Ｓ３３０によって、物標状態パラメータＳＴ_ｋ毎に確率Ｐ_ｋと部分リスク値ＲＰ_ｉｊｋが得られる。ステップＳ３４０において、プロセッサ１１０は、全てのパターンの物標状態パラメータＳＴ_ｋに対する部分リスク値ＲＰ_ｉｊｋを統合することによって、最終的なリスク値Ｒ_ｉｊを算出する。より詳細には、下記式（１）で表されるように、全てのパターンの物標状態パラメータＳＴ_ｋに対する確率Ｐ_ｋと部分リスク値ＲＰ_ｉｊｋとの積の総和が、最終的なリスク値Ｒ_ｉｊとして算出される。

リスクフィールドＲＦは、式（１）で与えられるリスク値Ｒ_ｉｊの分布を示す。算出されたリスクフィールドＲＦを示すリスク情報３００は、記憶装置１２０に格納される（図１６参照）。そのリスク情報３００で示されるリスクフィールドＲＦが、リスク回避制御に関連する処理（ステップＳ４００、Ｓ５００）に適用される。

４．効果及び議論
以上に説明されたように、本実施の形態によれば、車両１の前方に存在する物標５との衝突リスクは、リスクフィールドＲＦによって表される。より詳細には、リスクフィールドＲＦは、複数パターンの車両状態パラメータＳＶ_ｉｊに対するリスク値Ｒ_ｉｊの分布を示す。車両状態パラメータＳＶ_ｉｊは、車両１と物標５との間の仮想的な相対位置［ＤＬＡＴ_ｉ，ＤＬＯＮ_ｉ］及び車両１の仮想的な速度Ｖ_ｊを含む。物標状態パラメータＳＴは、物標５の想定移動方向ＥＤＴ及び想定移動速度ＥＶＴを含む。リスク値Ｒ_ｉｊは、車両状態パラメータＳＶ_ｉｊで定義される車両１と物標状態パラメータＳＴで定義される物標５との推定衝突速度Ｕ_ｉｊの関数で表される。

このように、リスクフィールドＲＦ（リスク値Ｒ_ｉｊ）の設定においては、車両状態パラメータＳＶ_ｉｊと物標状態パラメータＳＴが統合的に評価される。リスク値Ｒ_ｉｊは、推定衝突速度Ｕ_ｉｊに基づく定量的な数値である。言い換えれば、リスク値Ｒ_ｉｊは、感覚的なものではなく、物理的な意味を有している。従って、リスクフィールドＲＦ（リスク値Ｒ_ｉｊ）は、物標５との衝突リスクを高精度に表していると言うことができる。

更に、本実施の形態によれば、リスクフィールドＲＦの設定において、複数パターンの物標状態パラメータＳＴ_ｋが考慮される。具体的には、複数パターンの物標状態パラメータＳＴ_ｋの各々の確率Ｐ_ｋが設定される。物標５は、ランダムに移動するわけではなく、過去の動きからある程度の連続性を持って移動する。少なくとも物標５の直近の移動方向及び移動速度は、将来の移動方向及び移動速度を推定する手がかりとなる。従って、物標５の移動方向及び移動速度を示す物標情報２５０に基づいて、各々の物標状態パラメータＳＴ_ｋの確率Ｐ_ｋを設定することができる。また、各々の物標状態パラメータＳＴ_ｋを用いた場合のリスク値Ｒ_ｉｊが、部分リスク値ＲＰ_ｉｊｋとして算出される。そして、全てのパターンの物標状態パラメータＳＴ_ｋに対する確率Ｐ_ｋと部分リスク値ＲＰ_ｉｊｋとの積の総和が、最終的なリスク値Ｒ_ｉｊとして用いられる。

このように、リスクフィールドＲＦの設定においては、物標状態パラメータＳＴは一種類に固定されず、複数パターンの物標状態パラメータＳＴ_ｋが考慮される。つまり、複数パターンの物標状態パラメータＳＴ_ｋがリスクフィールドＲＦに反映される。従って、物標５との衝突リスクを表すリスクフィールドＲＦの精度が更に向上する。

このようにして得られた高精度なリスクフィールドＲＦは、物標５との衝突リスクを低減するためのリスク回避制御に適用される。リスクフィールドＲＦが物標５との衝突リスクを高精度に表しているため、リスク回避制御の過剰作動あるいは不要作動が抑制される。例えば、高精度なリスクフィールドＲＦに基づいてリスク回避制御を実行することによって、リスク回避制御の過剰作動を抑制することが可能となる。また、高精度なリスクフィールドＲＦに基づいてリスク回避制御の作動条件が成立するか否かを判定することによって、リスク回避制御の不要作動を抑制することが可能となる。その結果、リスク回避制御の過剰作動や不要作動に対する違和感が軽減される。

上述の通り、リスクフィールドＲＦの算出では、車両状態パラメータＳＶ_ｉｊと物標状態パラメータＳＴが統合的に評価される。従って、複数パターンの物標状態パラメータＳＴ_ｋをリスクフィールドＲＦに容易に組み込むことができる。また、リスク値Ｒ_ｉｊは定量的な数値であるため、リスク値Ｒ_ｉｊの分解及び統合を容易に行うことができる。本実施の形態に係る手法は、リスクフィールドＲＦとの親和性が高いと言える。

また、リスク値Ｒ_ｉｊが定量的な数値であるため、複数の物標５に対する複数のリスクフィールドＲＦを重ね合わせることも可能である。一例として、図１７に示されるように、車両１の前方に異なる２つの物標５−１、５−２が存在している場合を考える。プロセッサ１１０は、物標５−１、５−２のそれぞれについて、リスクフィールドＲＦ−１、ＲＦ−２を別々に算出する。そして、プロセッサ１１０は、リスクフィールドＲＦ−１、ＲＦ−２の重ね合わせることによって、最終的な１つのリスクフィールドＲＦを取得する。例えば、リスクフィールドＲＦ−１、ＲＦ−２のそれぞれのリスク値Ｒ_ｉｊが足し合わされる。あるいは、リスクフィールドＲＦ−１、ＲＦ−２のうち最も大きいリスク値Ｒ_ｉｊが選択される。複数の物標５に対するリスクフィールドＲＦを重ね合わせることによって、衝突リスクをより正確に把握することが可能となり、リスク回避制御をより適切に行うことが可能となる。

また、本実施の形態によれば、リスクフィールドＲＦに基づいて車両１の目標トラジェクトリＴＲｔが生成される。リスクフィールドＲＦに複数パターンの物標状態パラメータＳＴ_ｋが既に反映されているため、目標トラジェクトリＴＲｔの生成時には複数パターンの物標状態パラメータＳＴ_ｋを個別に考慮する必要はない。このことは、目標トラジェクトリＴＲｔの算出に要する計算負荷の軽減に寄与する。

比較例として、リスクフィールドＲＦを用いることなく目標トラジェクトリＴＲｔを生成する場合を考える。例えば、複数パターンの物標状態パラメータＳＴ_ｋのそれぞれを考慮して、複数種類の目標トラジェクトリＴＲｔ_ｋが生成される。更に、評価関数を用いて、複数種類の目標トラジェクトリＴＲｔ_ｋのそれぞれの評価値が算出される。そして、評価値に基づいて、複数種類の目標トラジェクトリＴＲｔ_ｋの中から１つの最適な目標トラジェクトリＴＲｔが選択される。しかしながら、この比較例の場合、計算負荷が増大する。特に、図１７に示されるように複数の物標５が存在する状況では、それぞれの物標５に関する物標状態パラメータＳＴ_ｋの組み合わせは膨大な数となる。また、複数の物標５の重み付けの基準も煩雑となる。複数の物標５が存在する場合、比較例に係る手法によって目標トラジェクトリＴＲｔを生成することは現実的ではない。

一方、本実施の形態によれば、複数パターンの物標状態パラメータＳＴ_ｋは、１つのリスクフィールドＲＦに反映される。複数の物標５が存在する場合であっても、複数の物標５に対する複数のリスクフィールドＲＦは、１つのリスクフィールドＲＦに統合される。そして、１つのリスクフィールドＲＦに基づいて目標トラジェクトリＴＲｔが１回だけ算出される。従って、計算負荷が軽減される。物標５の数が増えるほど、計算負荷の軽減効果はより顕著となる。

１ 車両
５ 物標
６ 障害物
１０ 運転支援システム
２０ センサ群
２１ 位置センサ
２２ 車両状態センサ
２３ 認識センサ
３０ 走行装置
３１ 操舵装置
３２ 駆動装置
３３ 制動装置
１００ 制御装置
１１０ プロセッサ
１２０ 記憶装置
２００ 運転環境情報
２１０ 車両位置情報
２２０ 車両状態情報
２３０ 周辺状況情報
２４０ 道路構成情報
２５０ 物標情報
２６０ 障害物情報
２７０ 地図情報
３００ リスク情報
３２０ 確率設定情報
ＡＲ リスク判定領域
ＤＬＡＴ 横距離
ＤＬＯＮ 縦距離
ＥＤＴ 想定移動方向
ＥＶＴ 想定移動速度
Ｒ リスク値
ＲＦ リスクフィールド
ＲＰ 部分リスク値
ＳＴ 物標状態パラメータ
ＳＶ 車両状態パラメータ

Claims (10)

1. 車両の運転を支援する運転支援システムであって、
   前記車両の運転環境を示す運転環境情報が格納される記憶装置と、
   前記運転環境情報に基づいて、前記車両の前方に存在する物標との衝突リスクを低減するための操舵制御及び減速制御の少なくとも一方を含むリスク回避制御を実行するプロセッサと
   を備え、
   車両状態パラメータは、前記車両と前記物標との間の仮想的な相対位置及び前記車両の仮想的な速度を含み、
   物標状態パラメータは、前記物標の想定移動方向及び想定移動速度を含み、
   前記物標に関するリスク値は、前記車両状態パラメータで定義される前記車両と前記物標状態パラメータで定義される前記物標との推定衝突速度の関数で表され、
   リスクフィールドは、複数パターンの前記車両状態パラメータに対する前記リスク値の分布を示し、
   前記運転環境情報は、前記物標の位置、移動方向、及び移動速度を示す物標情報を含み、
   前記プロセッサは、
   複数パターンの前記物標状態パラメータを設定し、
   前記物標情報に基づいて、前記複数パターンの物標状態パラメータの各々の確率を設定し、
   前記複数パターンの物標状態パラメータの各々を用いた場合の前記リスク値を、部分リスク値として算出し、
   前記複数パターンの物標状態パラメータに対する前記確率と前記部分リスク値との積の総和である前記リスク値を用いて、前記リスクフィールドを設定し、
   前記リスクフィールドに基づいて、前記リスク回避制御を実行する、あるいは、前記リスク回避制御の作動条件が成立するか否かを判定する
   運転支援システム。
2. 請求項１に記載の運転支援システムであって、
   前記プロセッサは、複数パターンの前記想定移動方向が前記物標を中心として周方向に分布するように、前記複数パターンの物標状態パラメータを設定する
   運転支援システム。
3. 請求項２に記載の運転支援システムであって、
   前記プロセッサは、前記複数パターンの想定移動方向が前記周方向に一様に分布するように、前記複数パターンの物標状態パラメータを設定する
   運転支援システム。
4. 請求項２又は３に記載の運転支援システムであって、
   前記プロセッサは、前記物標状態パラメータの前記想定移動方向が前記物標情報で示される前記物標の前記移動方向に近いほど、前記物標状態パラメータの前記確率を高く設定する
   運転支援システム。
5. 請求項２又は３に記載の運転支援システムであって、
   前記運転環境情報は、更に、前記物標が通過することができない障害物の位置を示す障害物情報を含み、
   前記プロセッサは、前記障害物情報に基づいて、前記想定移動方向に前記障害物が存在する前記物標状態パラメータの前記確率をゼロに設定する
   運転支援システム。
6. 請求項１乃至５のいずれか一項に記載の運転支援システムであって、
   前記プロセッサは、前記想定移動速度が複数のパターンを含むように、前記複数パターンの物標状態パラメータを設定する
   運転支援システム。
7. 請求項６に記載の運転支援システムであって、
   前記プロセッサは、前記物標状態パラメータの前記想定移動速度が前記物標情報で示される前記物標の前記移動速度に近いほど、前記物標状態パラメータの前記確率を高く設定する
   運転支援システム。
8. 請求項１乃至７のいずれか一項に記載の運転支援システムであって、
   前記物標情報は、更に、前記物標の種類を示し、
   前記プロセッサは、前記物標の前記種類に基づいて、前記確率を算出する
   運転支援システム。
9. 請求項１乃至８のいずれか一項に記載の運転支援システムであって、
   前記物標が複数である場合、前記プロセッサは、前記複数の物標のそれぞれについて複数のリスクフィールドを算出し、前記複数のリスクフィールドを重ね合わせることによって前記リスクフィールドを取得する
   運転支援システム。
10. 請求項１乃至９のいずれか一項に記載の運転支援システムであって、
    前記プロセッサは、更に、前記物標に対する衝突余裕時間が第１閾値を下回った場合に、第１減速度で前記車両を減速させる緊急ブレーキ制御を実行し、
    前記プロセッサは、前記緊急ブレーキ制御の作動を考慮して前記推定衝突速度を算出し、前記推定衝突速度に基づいて前記リスク値を算出する
    運転支援システム。

Images