JP2022139524A - 運転支援装置及び記録媒体 - Google Patents

Abstract

【課題】自動運転により障害物を回避する運転支援制御を実行する際に、乗員全員が感じる不安や違和感を低減し得る運転条件を設定可能な運転支援装置及び記録媒体を提供する。【解決手段】運転支援装置は、手動運転時に自車両のドライバが障害物に対して感じるリスクを学習して自車両に設定される個人リスクポテンシャルの情報を記憶する記憶部と、自車両の自動運転時における自車両の乗員の個人リスクポテンシャルを反映した自車リスクマップを自車両に設定する自車リスク算出部と、自車両の周囲の障害物のそれぞれに対して設定された障害物リスクポテンシャルを反映した障害物リスクマップの情報と、自車リスクマップの情報と、に基づいて自車両の自動運転時の運転条件を設定する運転条件設定部とを備える。【選択図】図２

Description

本開示は、ドライバの運転特性を自動運転制御に反映させる運転支援装置及び記録媒体に関する。

近年、主として交通事故の削減及び運転負荷の軽減を目的として、運転支援機能や自動運転機能が搭載された車両の実用化が進められている。例えば自車両に設けられた車外撮影カメラやＬｉＤＡＲ（Light Detection and Ranging）等の種々のセンサにより検出された情報に基づいて自車両の周囲に存在する障害物を検知し、自車両と障害物との衝突を回避するよう自車両の運転を支援する装置が知られている。

例えば特許文献１には、実際の車外環境やドライバのフィーリングに合った運転支援制御を実現可能な運転支援装置が提案されている。具体的に、特許文献１には、自車両の前方で認識した対象物に基づいてリスクポテンシャルの分布を生成し、当該リスクポテンシャルの分布に基づいて自車両が走行可能な走行領域を設定することにより、実際の車外環境やドライバのフィーリングに合った走行領域を設定して好適な運転支援制御を実現する運転支援装置が開示されている。

特開２００９－１６９５３５号公報

しかしながら、特許文献１に開示された運転支援装置は、ドライバのフィーリングに合った運転支援制御を実現することができるものの、実現される運転支援制御は、ドライバ以外の乗員のフィーリングを考慮していないため、ドライバ以外の乗員に対して不安や違和感を覚えさせるおそれがある。

本開示は、上記問題に鑑みてなされたものであり、本開示の目的とするところは、自動運転により障害物を回避する運転支援制御を実行する際に、乗員全員が感じる不安や違和感を低減し得る運転条件を設定可能な運転支援装置及び記録媒体を提供することにある。

上記課題を解決するために、本開示のある観点によれば、自車両の手動運転時に学習したドライバの運転特性を自車両の自動運転制御に反映させる運転支援装置であって、手動運転時に自車両のドライバが障害物に対して感じるリスクを学習して自車両に設定される個人リスクポテンシャルの情報を記憶する記憶部と、自車両の自動運転時における自車両の乗員の個人リスクポテンシャルを反映した自車リスクマップを自車両に設定する自車リスク算出部と、自車両の周囲の障害物のそれぞれに対して設定された障害物リスクポテンシャルを反映した障害物リスクマップの情報と、自車リスクマップの情報と、に基づいて自車両の自動運転時の運転条件を設定する運転条件設定部とを備える運転支援装置が提供される。

また、上記課題を解決するために、本開示の別の観点によれば、プロセッサに、手動運転時に自車両のドライバが障害物に対して感じるリスクを学習して自車両に設定される個人リスクポテンシャルの情報を読み出すことと、自車両の自動運転時における自車両の乗員の個人リスクポテンシャルを反映した自車リスクマップを自車両に設定することと、自車両の周囲の障害物のそれぞれに対して設定された障害物リスクポテンシャルを反映した障害物リスクマップの情報と、自車リスクマップの情報と、に基づいて自車両の自動運転時の運転条件を設定することと、を含む動作を実行させるコンピュータプログラムを記憶した記録媒体が提供される。

以上説明したように本開示によれば、自動運転により障害物を回避する運転支援制御を実行する際に、乗員全員が感じる不安や違和感を低減し得る運転条件を設定することができる。

本開示の一実施形態に係る運転支援装置を備えた車両の構成例を示す模式図である。 同実施形態に係る運転支援装置の構成例を示すブロック図である。 障害物リスクポテンシャルの例を示す説明図である。 障害物リスクポテンシャルの例を示す別の説明図である。 同実施形態に係る運転支援装置による学習フェーズの処理を示すフローチャートである。 リスクポテンシャル及びリスクマップを設定する際の座標系を示す説明図である。 個人リスクポテンシャルの例を示す説明図である。 障害物リスクマップと自車リスクマップとの重複領域リスクを示す説明図である。 勾配係数が異なるドライバそれぞれの個人リスクポテンシャルの例を示す説明図である。 同実施形態に係る運転支援装置による実行フェーズの処理を示すフローチャートである。 同実施形態に係る運転支援装置による自車リスクマップ設定処理の一例を示すフローチャートである。 複数の乗員の個人リスクポテンシャルを反映して生成される自車リスクマップの例を示す説明図である。 同実施形態に係る運転支援装置による自車リスクマップ設定処理の別の例を示すフローチャートである。 助手席に着座する乗員の個人リスクポテンシャルの補正方法を示す説明図である。 後部座席に着座する乗員の個人リスクポテンシャルの補正方法を示す説明図である。 走行軌道の違いによる重複領域リスクの変化を示す説明図である。 車速の低下に応じて重複領域リスクが低下する様子を示す説明図である。

以下、添付図面を参照しながら、本開示の好適な実施の形態について詳細に説明する。なお、本明細書及び図面において、実質的に同一の機能構成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。

＜１．車両の全体構成＞
まず、本開示の実施の形態に係る運転支援装置を適用可能な車両の全体構成の一例を説明する。

図１は、運転支援装置５０を備えた自車両１の構成例を示す模式図である。
図１に示した自車両１は、車両の駆動トルクを生成する駆動力源９から出力される駆動トルクを左前輪３ＬＦ、右前輪３ＲＦ、左後輪３ＬＲ及び右後輪３ＲＲ（以下、特に区別を要しない場合には「車輪３」と総称する）に伝達する四輪駆動車として構成されている。駆動力源９は、ガソリンエンジンやディーゼルエンジン等の内燃機関であってもよく、駆動用モータであってもよく、内燃機関及び駆動用モータをともに備えていてもよい。

なお、自車両１は、例えば前輪駆動用モータ及び後輪駆動用モータの二つの駆動用モータを備えた電気自動車であってもよく、それぞれの車輪３に対応する駆動用モータを備えた電気自動車であってもよい。また、自車両１が電気自動車やハイブリッド電気自動車の場合、自車両１には、駆動用モータへ供給される電力を蓄積する二次電池や、バッテリに充電される電力を発電するモータや燃料電池等の発電機が搭載される。

自車両１は、自車両１の運転制御に用いられる機器として、駆動力源９、電動ステアリング装置１５及びブレーキ装置１７ＬＦ，１７ＲＦ，１７ＬＲ，１７ＲＲ（以下、特に区別を要しない場合には「ブレーキ装置１７」と総称する）を備えている。駆動力源９は、図示しない変速機や前輪差動機構７Ｆ及び後輪差動機構７Ｒを介して前輪駆動軸５Ｆ及び後輪駆動軸５Ｒに伝達される駆動トルクを出力する。駆動力源９や変速機の駆動は、一つ又は複数の電子制御装置（ＥＣＵ：Electronic Control Unit）を含んで構成された車両制御装置４１により制御される。

前輪駆動軸５Ｆには電動ステアリング装置１５が設けられている。電動ステアリング装置１５は図示しない電動モータやギヤ機構を含み、車両制御装置４１により制御されることによって左前輪３ＬＦ及び右前輪３ＲＦの操舵角を調節する。車両制御装置４１は、手動運転中には、ドライバによるステアリングホイール１３の操舵角に基づいて電動ステアリング装置１５を制御する。また、車両制御装置４１は、自動運転中には、運転支援装置５０により設定される目標操舵角に基づいて電動ステアリング装置１５を制御する。

ブレーキ装置１７ＬＦ，１７ＲＦ，１７ＬＲ，１７ＲＲは、それぞれ前後左右の駆動輪３ＬＦ，３ＲＦ，３ＬＲ，３ＲＲに制動力を付与する。ブレーキ装置１７は、例えば油圧式のブレーキ装置として構成され、それぞれのブレーキ装置１７に供給する油圧が車両制御装置４１により制御されることで所定の制動力を発生させる。自車両１が電気自動車あるいはハイブリッド電気自動車の場合、ブレーキ装置１７は、駆動用モータによる回生ブレーキと併用される。

車両制御装置４１は、自車両１の駆動トルクを出力する駆動力源９、ステアリングホイール又は操舵輪の操舵角を制御する電動ステアリング装置１５、自車両１の制動力を制御するブレーキ装置１７の駆動を制御する一つ又は複数の電子制御装置を含む。車両制御装置４１は、駆動力源９から出力された出力を変速して車輪３へ伝達する変速機の駆動を制御する機能を備えていてもよい。車両制御装置４１は、運転支援装置５０から送信される情報を取得可能に構成され、自車両１の自動運転制御を実行可能に構成されている。

また、自車両１は、前方撮影カメラ３１ＬＦ，３１ＲＦ、後方撮影カメラ３１Ｒ、ＬｉＤＡＲ（Light Detection And Ranging）３１Ｓ、車内撮影カメラ３３、車両状態センサ３５、ＧＰＳ（Global Positioning System）センサ３７及びＨＭＩ（Human Machine Interface）４３を備えている。

前方撮影カメラ３１ＬＦ，３１ＲＦ、後方撮影カメラ３１Ｒ及びＬｉＤＡＲ３１Ｓは、自車両１の周囲環境の情報を取得するための周囲環境センサを構成する。前方撮影カメラ３１ＬＦ，３１ＲＦ及び後方撮影カメラ３１Ｒは、自車両１の前方あるいは後方を撮影し、画像データを生成する。前方撮影カメラ３１ＬＦ，３１ＲＦ及び後方撮影カメラ３１Ｒは、ＣＣＤ（Charged-Coupled Devices）又はＣＭＯＳ（Complementary Metal-Oxide-Semiconductor）等の撮像素子を備え、生成した画像データを運転支援装置５０へ送信する。

図１に示した自車両１では、前方撮影カメラ３１ＬＦ，３１ＲＦは、左右一対のカメラを含むステレオカメラとして構成され、後方撮影カメラ３１Ｒは、いわゆる単眼カメラとして構成されているが、それぞれステレオカメラあるいは単眼カメラのいずれであってもよい。自車両１は、前方撮影カメラ３１ＬＦ，３１ＲＦ及び後方撮影カメラ３１Ｒ以外に、例えばサイドミラー１１Ｌ，１１Ｒに設けられて左後方又は右後方を撮影するカメラを備えていてもよい。

ＬｉＤＡＲ３１Ｓは、光学波を送信するとともに当該光学波の反射波を受信し、光学波を送信してから反射波を受信するまでの時間に基づいて物体及び物体までの距離を検知する。ＬｉＤＡＲ３１Ｓは、検出データを運転支援装置５０へ送信する。この他、自車両１は、周囲環境の情報を取得するための周囲環境センサとして、ミリ波レーダ等のレーダセンサ、超音波センサのうちのいずれか一つ又は複数のセンサを備えていてもよい。

車内撮影カメラ３３は、車内を撮影し、画像データを生成する。車内撮影カメラ３３は、ＣＣＤ又はＣＭＯＳ等の撮像素子を備え、生成した画像データを運転支援装置５０へ送信する。本実施形態において、車内撮影カメラ３３は、自車両１に搭乗している乗員を撮影可能に配置される。設置される車内撮影カメラ３３は１つのみであってもよく、複数であってもよい。

車両状態センサ３５は、自車両１の操作状態及び挙動を検出する少なくとも一つのセンサからなる。車両状態センサ３５は、例えば舵角センサ、アクセルポジションセンサ、ブレーキストロークセンサ、ブレーキ圧センサ又はエンジン回転数センサのうちの少なくとも一つを含み、ステアリングホイールあるいは操舵輪の操舵角、アクセル開度、ブレーキ操作量又はエンジン回転数等の自車両１の操作状態を検出する。また、車両状態センサ３５は、例えば車速センサ、加速度センサ、角速度センサのうちの少なくとも一つを含み、車速、前後加速度、横加速度、ヨーレート等の車両の挙動を検出する。車両状態センサ３５は、検出した情報を含むセンサ信号を運転支援装置５０へ送信する。

ＧＰＳセンサ３７は、ＧＰＳ衛星からの衛星信号を受信する。ＧＰＳセンサ３７は、受信した衛星信号に含まれる自車両１の地図データ上の位置情報を運転支援装置５０へ送信する。なお、ＧＰＳセンサ３７の代わりに、自車両１の位置を特定する他の衛星システムからの衛星信号を受信するアンテナが備えられていてもよい。

ＨＭＩ４３は、運転支援装置５０により駆動され、画像表示や音声出力等の手段により、ドライバに対して種々の情報を提示する。ＨＭＩ４３は、例えばインストルメントパネル内に設けられた表示装置及び車両に設けられたスピーカを含む。表示装置は、ナビゲーションシステムの表示装置であってもよい。また、ＨＭＩ４３は、自車両１の周囲の風景に重畳させてフロントウィンドウ上へ表示を行うＨＵＤ（ヘッドアップディスプレイ）を含んでもよい。

＜２．運転支援装置＞
続いて、本実施形態に係る運転支援装置５０を具体的に説明する。

（２－１．構成例）
図２は、本実施形態に係る運転支援装置５０の構成例を示すブロック図である。
運転支援装置５０には、直接的に又はＣＡＮ（Controller Area Network）やＬＩＮ（Local Inter Net）等の通信手段を介して、周囲環境センサ３１、車内撮影カメラ３３、車両状態センサ３５及びＧＰＳセンサ３７が接続されている。また、運転支援装置５０には、車両制御装置４１及びＨＭＩ４３が接続されている。なお、運転支援装置５０は、自車両１に搭載された電子制御装置に限られるものではなく、スマートホンやウェアラブル機器等の端末装置であってもよい。

運転支援装置５０は、制御部５１、記憶部５３、運転特性データベース５５及び乗員識別データベース５７を備えている。制御部５１は、一つ又は複数のＣＰＵ（Central Processing Unit）等のプロセッサを備えて構成される。制御部５１の一部又は全部は、ファームウェア等の更新可能なもので構成されてもよく、また、ＣＰＵ等からの指令によって実行されるプログラムモジュール等であってもよい。記憶部５３は、ＲＡＭ（Random Access Memory）又はＲＯＭ（Read Only Memory）等のメモリにより構成される。ただし、記憶部５３の数や種類は特に限定されない。記憶部５３は、制御部５１により実行されるコンピュータプログラムや、演算処理に用いられる種々のパラメタ、検出データ、演算結果等の情報を記憶する。

運転特性データベース５５及び乗員識別データベース５７は、ＲＡＭ等のメモリ、あるいは、ＨＤＤ（Hard Disk Drive）やＣＤ（Compact Disk）、ＤＶＤ（Digital Versatile Disk）、ＳＳＤ（Solid State Drive）、ＵＳＢフラッシュ、ストレージ装置等の更新可能な記録媒体により構成される。ただし、記録媒体の種類は特に限定されない。

運転特性データベース５５は、自車両１の手動運転時に学習される個々のドライバの運転特性を反映した個人リスクポテンシャルの情報を記憶するデータベースである。乗員識別データベース５７は、自車両１の乗員を識別するための情報（以下、「乗員識別情報」ともいう）を記憶するデータベースである。乗員識別情報は、例えば識別番号又は識別記号であってもよい。ただし、乗員識別情報は上記の例に限定されない。個人リスクポテンシャル及び乗員識別情報については後で詳しく説明する。

（２－２．リスクポテンシャルに基づく運転条件の設定処理）
運転支援装置５０の具体的処理を説明する前に、運転支援装置５０により実行されるリスクポテンシャルに基づく運転条件の設定処理の概略を簡単に説明する。

図３及び図４は、障害物ごとに設定されるリスクポテンシャル（障害物リスクポテンシャル）を示す説明図である。図３及び図４には、車両に設定されたリスクポテンシャルの例が示されている。リスクポテンシャルの値（リスク値）R_iは、障害物（車両）が存在する領域で最大値となり、障害物（車両）の外周端部から遠ざかるほど小さくなる。リスク値R_iは、障害物からの距離l_iに対する指数関数で表すことができ、例えば下記式（１）により示される。

R_i：リスク値
C_i：リスク絶対値（ゲイン）
l_i：障害物からの距離
σ_i：勾配係数
r_i：障害物半径
i：障害物を区別するための付番

本実施形態では、リスク値R_iが「０」から「１」の範囲内で規定され、障害物との距離l_iがゼロの時のリスク値であるリスク絶対値C_iが「１」とされて、当該領域は走行不可とされる。ただし、リスク絶対値C_iは、障害物に依存する値として障害物ごとに設定されてもよい。例えば障害物が「車両」又は「背の低い縁石」である場合、車両との衝突のリスクが背の低い縁石との衝突のリスクよりも高いものとして、「車両」に対するリスク絶対値C_iが「背の低い縁石」に対するリスク絶対値C_iよりも大きい値に設定される。

勾配係数σ_iは、障害物の種類に応じて設定される値である。勾配係数σ_iは、例えばガウシアン関数や指数関数等にしたがって設定されてもよい。障害物が自車両１の周囲を走行中の車両のような移動体の場合、当該車両の進行方向のリスクが高くなることから、図４に示すように、車両の前方のリスクは後方のリスクに比べて奥行きが広く設定されてもよい。この場合、前方のリスクの奥行きは、当該車両の車速あるいは自車両に対する相対車速に応じて可変となっていてもよい。

リスクポテンシャルを用いて自車両１の走行軌道及び加減速度を設定する場合、自車両１の走行中に検出されるそれぞれの障害物に対してリスクポテンシャルを設定し、それぞれの障害物リスクポテンシャルの空間的な重なりを加算することで、複数の障害物との衝突リスクを表した障害物リスクマップ（ポテンシャル場）が求められる。その際に、上述の障害物リスクポテンシャルの各リスク値のうち、最大のリスク値を当該地点における障害物リスクマップのリスク値としてもよい。かかる障害物リスクマップでは、リスクの高低が、二次元平面上に等高線として示される。上述のとおり、リスク値は二次元的な分布を持つため、リスクが低くなる軌道を選択することが可能となる。顕在化している障害物と併せて、顕在化していないリスク（潜在リスク）を考慮して障害物リスクマップを演算してもよい。例えば曲がった先が遮蔽物により死角となっている領域を通過する場合に、当該死角領域から通行人や車両が飛び出すことを想定して潜在リスクを付与し、障害物リスクマップに反映させてもよい。

本実施形態に係る運転支援装置５０は、自車両１の周囲の障害物に設定された障害物リスクポテンシャルに基づいて障害物リスクマップを生成することと併せて、自車両１に対しても自車リスクマップを設定する。自車リスクマップには、自車両１に搭乗する一人又は複数の乗員それぞれの手動運転時の運転特性が反映され、複数の乗員が感じる不安や違和感を低減可能な運転条件を設定することが可能になる。

（２－３．機能構成）
運転支援装置５０は、自車両１の手動運転時におけるそれぞれのドライバの運転特性を学習するとともに、自車両１の自動運転時において当該自車両１のすべての乗員の運転特性を考慮して車両１の運転条件を設定する装置として構築されている。

図２に示したように、運転支援装置５０の制御部５１は、周囲環境検出部６１、乗員検出部６３、走行状態検出部６５、個人リスク学習部６７、自車リスク算出部６９及び運転条件設定部７１を備えている。これらの各部は、ＣＰＵ等のプロセッサによるコンピュータプログラムの実行により実現される機能である。

（周囲環境検出部）
周囲環境検出部６１は、周囲環境センサ３１から送信される検出データに基づいて自車両１の周囲環境を検出する。具体的に、周囲環境検出部６１は、自車両１の周囲に存在する障害物の種類、サイズ（幅、高さ及び奥行き）、位置、自車両１から障害物までの距離、及び自車両１と障害物との相対速度を算出する。検出される障害物は、走行中の他車両や駐車車両、歩行者、自転車、側壁、縁石、建造物、電柱、交通標識、交通信号機、自然物、その他の車両の周囲に存在するあらゆる物体を含む。また、周囲環境検出部６１は、道路上の境界線を検出するなどの車線認識機能を備えていてもよい。周囲環境検出部６１による処理については、後で詳しく説明する。

（乗員検出部）
乗員検出部６３は、車内撮影カメラ３３から送信される画像データに基づいて自車両１の乗員を検出する処理を実行する。具体的に、乗員検出部６３は、自車両１の手動運転時において、乗員識別データベース５７に記憶された乗員識別情報の中から、車内撮影カメラ３３から送信される画像データに基づいて特定される運転席に座るドライバの乗員識別情報を抽出し、特定したドライバの乗員識別情報を記憶部５３に記憶させる。乗員識別データベース５７に該当するドライバの乗員識別情報が記憶されていない場合、乗員検出部６３は、検出したドライバのデータとともに乗員識別情報を乗員識別データベース５７に記憶させる。

また、乗員検出部６３は、自車両１の自動運転時において、乗員識別データベース５７に記憶された乗員識別情報の中から、車内撮影カメラ３３から送信される画像データに基づいて特定されるそれぞれの乗員の乗員識別情報を抽出し、それぞれの乗員の着座位置の情報とともに記憶部５３に記憶させる。また、本実施形態において、乗員検出部６３は、自車両１の自動運転時において、車内撮影カメラ３３から送信される画像データに基づいて所定の演算周期ごとに乗員の視線の向きを検出する。乗員検出部６３は、視線の向きの代わりに、顔の向きを検出してもよい。乗員検出部６３による処理については、後で詳しく説明する。

（走行状態検出部）
走行状態検出部６５は、車両状態センサ３５から送信される検出データに基づいて自車両１の操作状態及び挙動の情報を検出する。走行状態検出部６５は、ステアリングホイールあるいは操舵輪の操舵角、アクセル開度、ブレーキ操作量又はエンジン回転数等の車両１の操作状態、及び、車速、前後加速度、横加速度、ヨーレート等の車両の挙動の情報を所定の演算周期ごとに取得し、これらの情報を記憶部５３に記憶する。

（個人リスク学習部）
個人リスク学習部６７は、自車両１の手動運転時において、ドライバが障害物に対して感じるリスクを学習し、個人リスクポテンシャルを算出する。個人リスクポテンシャルとは、ドライバが自車両１の外周端部からの距離に応じて障害物に対して感じるリスク（衝突に対する危機感）を学習したデータであり、手動運転時に取得した自車両１と障害物との距離のデータに基づいて学習され、自車両１に対して設定される。本実施形態では、個人リスク学習部６７は、自車両１に対して設定される個人リスクポテンシャルを規定するパラメタ（以下、「個人リスクポテンシャルパラメタ」ともいう）をドライバごとに学習し、ドライバの乗員識別情報に関連付けて運転特性データベース５５に記憶させる。

また、本実施形態において、個人リスクポテンシャルにおける自車両１が存在する領域の周囲の領域のリスク値の大きさ又は設定範囲の広さは、車速に応じて補正される。個人リスク学習部６７は、自車両１の手動運転時において、自車両１の周囲の障害物に対して設定された障害物リスクポテンシャルを重ね合わせて生成した障害物リスクマップと、学習した個人リスクポテンシャルとが重複する重複領域のリスク値である重複領域リスクを算出する。そして、個人リスク学習部６７は、重複領域リスクと車速との関係をドライバごとに学習する。これにより、それぞれのドライバが、減速により重複領域リスクをどのレベルまで低下させるかが学習される。以下、それぞれのドライバが重複領域リスクを低下させる場合のレベルを「個人重複領域リスク閾値」と称する。個人リスク学習部６７は、学習した個人重複領域リスク閾値を、ドライバの乗員識別情報に関連付けて運転特性データベース５５に記憶させる。個人リスク学習部６７による処理については、後で詳しく説明する。

（自車リスク算出部）
自車リスク算出部６９は、自車両１の自動運転時において、自車両１の乗員の個人リスクポテンシャルを反映した自車リスクマップを自車両１に設定する。具体的に、自車リスク算出部６９は、自車両１の自動運転時において、運転特性データベース５５に記憶された個人リスクポテンシャルの情報の中から、記憶部５３に記憶されている乗員識別番号に該当する個人リスクポテンシャルの情報を抽出する。また、自車リスク算出部６９は、抽出した個人リスクポテンシャルの情報を用いて自車リスクマップを設定する。自車リスク算出部６９による処理は、後で詳しく説明する。

（運転条件設定部）
運転条件設定部７１は、自車両１の自動運転時において、自車両１の周囲の障害物のそれぞれに対して設定された障害物リスクポテンシャルを反映した障害物リスクマップの情報と、自車リスク算出部６９により設定された自車リスクマップの情報とに基づいて自車両１の運転条件を設定する。具体的に、運転条件設定部７１は、自車両１の自動運転時において、周囲環境検出部６１により検出された障害物それぞれに対して障害物リスクポテンシャルを設定するとともに、すべての障害物リスクポテンシャルを重ね合わせた障害物リスクマップを生成する。

また、運転条件設定部７１は、記憶部５３に記憶されている自車両１の乗員の乗員識別情報に該当する個人リスクポテンシャルの情報をすべて抽出し、自車リスクマップを生成する。その際に、運転条件設定部７１は、乗員の着座位置に応じて個人リスクポテンシャルを補正してもよい。さらに、本実施形態では、運転条件設定部７１は、記憶部５３に記憶されている自車両１の乗員の乗員識別情報に該当する個人重複領域リスク閾値をすべて抽出し、運転条件の設定処理に用いる重複領域リスク閾値を設定する。

運転条件設定部７１は、自車両１の走行予定軌道を設定するとともに、生成した障害物リスクマップと自車リスクマップとの重複領域についての重複領域リスクを計算し、重複領域リスクが最小となる走行予定軌道を自車両１の目標軌道に設定する。その際に、本実施形態では、運転条件設定部７１は、重複領域リスクが重複領域リスク閾値以下となるように自車両１の目標車速を設定する。運転条件設定部７１は、設定した目標軌道及び目標車速の情報に基づいて目標操舵角及び目標加減速度を設定し、これらの情報を車両制御装置４１へ送信する。運転条件の情報を受信した車両制御装置４１は、設定された運転条件の情報に基づいてそれぞれの制御装置の駆動を制御する。運転条件設定部７１による処理は、後で詳しく説明する。

＜３．運転支援装置の動作＞
続いて、本実施形態に係る運転支援装置５０の動作例を具体的に説明する。以下、手動運転時に実行される学習フェーズの処理と、自動運転時に実行される実行フェーズの処理とに分けて、運転支援装置５０の動作例を説明する。

（３－１．学習フェーズの処理）
図５は、学習フェーズにおいて実行される処理の一例を示すフローチャートである。
まず、運転支援装置５０を含む車載システムが起動されると（ステップＳ１１）、制御部５１の個人リスク学習部６７は、自車両１が手動運転中であるか否かを判定する（ステップＳ１３）。例えば個人リスク学習部６７は、運転モードの切替スイッチが手動運転モードに設定されているか否かを判定する。運転モードは、例えば自車両１の乗員による操作入力に基づいて切り替えられるように構成される。自車両１が手動運転中でない場合（Ｓ１３／Ｎｏ）、制御部５１は、実行フェーズの処理へ移行する。

一方、自車両１が手動運転中である場合（Ｓ１３／Ｙｅｓ）、制御部５１の乗員検出部６３は、ドライバを識別する処理を実行する（ステップＳ１５）。例えば乗員検出部６３は、車内撮影カメラ３３から送信される画像データを用いて顔認識処理を実行し、運転席に座る乗員を検出する。また、乗員検出部６３は、運転席に座る乗員の顔の特徴量を抽出し、乗員識別データベース５７に蓄積された特徴量のデータに照らして該当する乗員を特定する。乗員検出部６３は、特定した乗員識別情報を記憶部５３に記憶させる。乗員識別データベース５７に、該当する乗員のデータが記憶されていない場合、乗員検出部６３は、抽出した顔の特徴量のデータとともに乗員識別情報を付与して乗員識別データベース５７に記憶させる。

次いで、制御部５１の周囲環境検出部６１は、自車両１の周囲環境情報を取得する（ステップＳ１７）。具体的に、周囲環境検出部６１は、周囲環境センサ３１から送信される検出データに基づいて自車両１の周囲に存在する障害物を検出する。また、周囲環境検出部６１は、検出した障害物の位置、種類、サイズ（幅、高さ及び奥行き）、自車両１から障害物までの距離及び自車両１と障害物との相対速度を算出する。検出される障害物は、走行中の他車両や駐車車両、歩行者、自転車、側壁、縁石、建造物、電柱、交通標識、交通信号機、自然物、その他の車両の周囲に存在するあらゆる物体を含む。

例えば周囲環境検出部６１は、前方撮影カメラ３１ＬＦ，３１ＲＦから送信される画像データを画像処理することにより、パターンマッチング技術等を用いて自車両１の前方の障害物及び当該障害物の種類を検出する。また、周囲環境検出部６１は、画像データ中の障害物の位置、画像データ中に障害物が占めるサイズ及び左右の前方撮影カメラ３１ＬＦ，３１ＲＦの視差の情報に基づいて、自車両１から見た障害物の位置、サイズ及び障害物までの距離を算出する。さらに、周囲環境検出部６１は、距離の変化を時間微分することにより自車両１と障害物との相対速度を算出する。

また、周囲環境検出部６１は、ＬｉＤＡＲ３１Ｓから送信される検出データに基づいて障害物を検出してもよい。例えば周囲環境検出部６１は、ＬｉＤＡＲ３１Ｓから電磁波を送信してから反射波を受信するまでの時間、反射波を受信した方向及び反射波の測定点群の範囲の情報に基づいて、障害物の位置、種類、サイズ、自車両１から障害物までの距離を算出してもよい。また、周囲環境検出部６１は、距離の変化を時間微分することにより自車両１と障害物との相対速度を算出してもよい。

また、周囲環境検出部６１は、ＧＰＳセンサ３７を介して取得される自車両１の地図データ上の位置の情報、及び、車外との通信手段を介して取得される障害物位置情報に基づいて、自車両１の前方の障害物の情報を取得してもよい。周囲環境検出部６１は、取得した周囲環境情報を記憶部５３に記憶させる。

次いで、制御部５１の個人リスク学習部６７は、周囲環境検出部６１により取得された周囲環境情報に基づいて、自車両１の走行軌道上に回避すべき障害物が存在するか否かを判定する（ステップＳ１９）。例えば個人リスク学習部６７は、走行状態検出部６５により検出される自車両１の速度、加減速度及び操舵角の情報に基づいて特定される自車両１の走行軌道に沿って自車両１が走行する場合に、自車両１からの距離があらかじめ設定された範囲内の領域に障害物が存在するか否かを判定する。自車両１の走行軌道上に回避すべき障害物が存在しないと判定された場合（Ｓ１９／Ｎｏ）、ステップＳ１７に戻り、周囲環境情報の検出処理及び障害物の有無の判定処理が繰り返される。

一方、自車両１の走行軌道上に回避すべき障害物が存在すると判定された場合（Ｓ１９／Ｙｅｓ）、個人リスク学習部６７は、障害物リスクマップを更新する（ステップＳ２１）。具体的に、個人リスク学習部６７は、障害物の種類やサイズ、相対速度等に応じて、障害物ごとに障害物リスクポテンシャルを設定する。本実施形態では、リスク値が「０」から「１」の範囲内で規定され、障害物が存在する領域のリスク値が「１」とされて、当該領域は走行不可とされる。また、障害物が存在する領域の外周端部から離れるほどリスク値が徐々に減少するように設定される。リスク値が減少する際の勾配は、例えばガウシアン関数や指数関数等にしたがって設定されてもよい。

また、個人リスク学習部６７は、障害物ごとに設定した障害物リスクポテンシャルを重ね合わせて障害物リスクマップを生成する。個人リスク学習部６７は、障害物それぞれに対して障害物リスクポテンシャルを設定し、異なる障害物の障害物リスクポテンシャルが重なる領域については各位置のリスク値を加算することで、自車両１の周囲のリスク値の分布を表した障害物リスクマップを生成する。障害物リスクポテンシャルの重なりを加算する際、二次元平面上のある地点における複数の障害物リスクポテンシャルの各リスク値のうち、最大のリスク値を当該地点における障害物リスクマップのリスク値としてもよい。障害物が一つの場合、当該障害物の障害物リスクポテンシャルにより障害物リスクマップが生成される。かかる障害物リスクマップでは、リスクの高低が、二次元平面上に等高線として示される。

次いで、個人リスク学習部６７は、自車両１の走行軌道及び車速のデータを記憶部５３に記憶させる（ステップＳ２３）。自車両１の走行軌道は、生成された障害物リスクマップ上にプロットされる自車両１の位置の点群により表すことができる。また、車速は、走行状態検出部６５により検出される。

次いで、個人リスク学習部６７は、自車両１が、走行軌道上に存在していた障害物の回避を完了したか否かを判定する（ステップＳ２５）。例えば個人リスク学習部６７は、ステップＳ１９において認識されていた障害物が、周囲環境検出部６１により検出されなくなったときに、自車両１が障害物の回避を完了したと判定する。自車両１が、走行軌道上に存在していた障害物の回避を完了していないと判定された場合（Ｓ２５／Ｎｏ）、自車リスク算出部６９は、ステップＳ２１に戻り、自車両１の走行に合わせて障害物リスクマップの更新処理、並びに自車両１の走行軌道及び車速のデータの記憶処理を繰り返す。

一方、自車両１が、走行軌道上に存在していた障害物の回避を完了したと判定された場合（Ｓ２５／Ｙｅｓ）、個人リスク学習部６７は、個人リスクポテンシャルパラメタを学習する（ステップＳ２７）。本実施形態では、個人リスク学習部６７は、個人リスクポテンシャルパラメタとして、個人リスクポテンシャルを規定する勾配係数σ_x，σ_yを学習する。また、個人リスク学習部６７は、ドライバが障害物を回避する際に、減速により重複領域リスクを低下させる場合の個人重複領域リスク閾値を学習する（ステップＳ２９）。個人リスク学習部６７は、記憶部５３に記憶されている障害物のデータと、当該障害物の回避を完了するまでの自車両１の走行軌道及び車速のデータとに基づいて、個人リスクポテンシャルパラメタ及び個人重複領域リスク閾値を算出する。以下、本実施形態において、個人リスク学習部６７により実行される個人リスクポテンシャルパラメタの学習処理及び個人重複領域リスク閾値の学習処理を詳細に説明する。

ドライバは、自車両１の外周端部から障害物までの距離に応じて衝突のリスクを感じるものとする。本実施形態において、個人リスクポテンシャルは、ドライバが自車両１の外周端部から障害物までの距離に応じて感じる衝突のリスク値を、図３に示した障害物リスクポテンシャルと同様に「０」から「１」の範囲内で表している。個人リスクポテンシャルは、自車両１が存在する領域のリスク値を「１」とし、当該領域の外周端部から離れるほどリスク値が徐々に減少する関数として表すことができる。

図６に示すように、自車両１の前後方向をx軸、車幅方向をy軸とする二次元座標系において、自車両１の車長をL_x、自車両１の車幅をL_y、x軸方向の勾配係数をσ_x、y軸方向の勾配係数をσ_yとすると、個人リスクポテンシャルRP_eのリスク値R_eは、下記式（２）～（５）で表すことができる。

（自車両１が存在する領域）

（自車両１の車幅L_yの範囲内かつ自車両１の車長L_xを超える領域）

（自車両１の車長L_xの範囲内かつ自車両１の車幅L_yを超える領域）

（自車両１の車長L_xを超える領域かつ自車両１の車幅L_yを超える領域）

上記式（２）～（５）により示される個人リスクポテンシャルRP_eの勾配係数σ_x，σ_yは、個人リスクポテンシャルRP_eを規定するパラメタであり、当該勾配係数σ_x，σ_yを調節することにより、ドライバそれぞれの運転特性に応じた個人リスクポテンシャルRP_eへと適合することができる。なお、勾配係数σ_x，σ_yは、自車両１の前方（x>0）及び後方（x<0）並びに自車両１の左側（y>0）及び右側（y<0）のそれぞれについて計算されてもよい。

図７は、自車両１に設定される個人リスクポテンシャルRP_eの一例を示す。走行中の自車両１の場合、進行方向のリスクが高くなることから、自車両１の前方のリスクポテンシャルの奥行きを後方のリスクポテンシャルの奥行きに比べて広く設定することで、個人リスクポテンシャルRP_eの異方性を表している。具体的には、自車両１の前方（x軸の正の方向）の領域及び後方（x軸の負の方向）の領域の勾配係数σ_xに対してそれぞれ係数を設定することにより、リスクポテンシャルの奥行きを調節することができる。この場合、前方のリスクポテンシャルの奥行きは、自車両１の車速あるいは自車両１と障害物との相対車速に応じて可変となっていてもよい。あるいは、図６に示した座標系の中心点をx軸方向、y軸方向にそれぞれ距離x_c，y_cだけずらすことにより、個人リスクポテンシャルRP_eの異方性を表してもよい。

ここで、図８に示すように、自車両１の前方に２台の第１の駐車車両９１及び第２の駐車車両９３が存在する環境を自車両１が走行する場合を考える。第１の駐車車両９１は道路の左端に駐車しており、第２の駐車車両９３は道路の右端に駐車している。第１の駐車車両９１は、第２の駐車車両９３よりも手前に駐車している。このような環境において、自車両１が第１の駐車車両９１及び第２の駐車車両９３に衝突しないように走行する場合、ドライバは様々な走行軌道を選択することができる。ドライバがある環境を走行する場合、障害物からの衝突リスク（障害物リスクポテンシャル）と、自車両１の外周端部からの距離に応じた衝突リスク（個人リスクポテンシャル）とを比較しながら車速及び走行軌道を決定するものとする。つまり、ある環境においてドライバが選択した走行軌道は、ドライバにとって重複領域リスクが最小となる走行軌道を選択したものと考える。

具体的に、個人リスク学習部６７は、第１の駐車車両９１及び第２の駐車車両９３のそれぞれに障害物リスクポテンシャルRP₁，RP₂を設定するとともに、自車両１に個人リスクポテンシャルRP_eを設定する。走行軌道T上を走行する自車両１が第１の駐車車両９１及び第２の駐車車両９３の回避を完了するまでの期間の個人リスクポテンシャルRP_eと各障害物リスクポテンシャルRP₁，RP₂との重複領域AR1，AR2における重複領域リスクRCは、下記式（６）で表すことができる。

T_p：軌道を計算する際に考慮する進行方向奥行き相当の時間
t_k：データサンプリング周期ごとの時刻（t=0～Tp）
n：考慮する重複領域数（この例では２：AR1及びAR2）
m：1～nの整数
X_i，Y_i：時刻t_kにおいて重複領域ARmに含まれる座標点

つまり、重複領域リスクRCは、重複領域AR1，AR2に含まれる各座標点X_i，Y_iにおける障害物リスクポテンシャルRP_mのリスク値R_mと個人リスクポテンシャルRP_eのリスク値Reとの積の総和を示す。

図８に示す環境において、ドライバの運転による自車両１の走行軌道が、上記式（６）に基づいて算出される重複領域リスクRCが最小となる走行軌道（座標点群x_mr(t_k)，y_mr(t_k)）として設定されたと仮定する。したがって、個人リスク学習部６７は、記憶部５３に記憶されている各時刻t_kにおける軌道（座標点X_i，Y_j）のデータを取得し、上記式（６）に基づいて算出される重複領域リスクRCが最小となるようなリスク値Reを算出する。具体的に、個人リスク学習部６７は、重複領域リスクRCが最小となるような個人リスクポテンシャルRP_eの勾配係数σ_x，σ_yを最小二乗法により設定する。このように、個人リスク学習部６７は、ドライバごとの個人リスクポテンシャルRP_eを規定する勾配係数σ_x，σ_yを学習する。

図９は、勾配係数σ_x，σ_yが異なるドライバＡ、ドライバＢそれぞれの個人リスクポテンシャルRP_eの例を示す。図８に示す環境において、ドライバＡは、第１の駐車車両９１及び第２の駐車車両９３の間を通過する際に、自車両１の左右に同等の距離を確保しながら通過したとする。また、ドライバＢは、第１の駐車車両９１及び第２の駐車車両９３の間を通過する際に、助手席側（左側）の第１の駐車車両９１との距離を、運転席側の第２の駐車車両９３との距離に比べて広く確保しながら通過したとする。この場合、ドライバＡの運転特性を反映した個人リスクポテンシャルRP_e_Aの左右の勾配は等しくなる。一方、ドライバＢの運転特性を反映した個人リスクポテンシャルRP_e_Bの左側の勾配は右側の勾配に比べて緩やかになる。

また、個人リスクポテンシャルの前後方向の勾配も、走行軌道による影響を受けて変化し得る。具体的には、自車両１の前方に存在する障害物を回避する際に、ドライバＡがドライバＢよりも手前の地点から操舵を始める場合、ドライバＡは当該地点において重複領域リスクRCが発生したと認知していると考えられる一方、ドライバＢは当該地点において重複領域リスクRCが発生したとは認知していないと考えられる。この場合、ドライバＡの運転特性を反映した個人リスクポテンシャルRP_e_Aにおける前方の勾配は、ドライバＢの運転特性を反映した個人リスクポテンシャルRP_e_Bの前方の勾配よりも緩やかになる。

なお、ドライバごとの個人リスクポテンシャルRP_eの勾配係数σ_x，σ_yを設定するにあたり、記憶部５３に記憶されたヨーレートの値があらかじめ設定された閾値を超える区間がある場合、個人リスク学習部６７は、記憶部５３に記憶された走行軌道のデータを、ヨーレートの値が当該閾値未満となるように補正してもよい。これにより、許容されるヨーレートの閾値の範囲内で走行軌道を設定することができるようになる。

また、本実施形態では、自車両１が走行軌道上で加速又は減速した場合、速度に応じて個人リスクポテンシャルRP_eが変化するように設定される。手動運転時の自車両１の加速又は減速による個人リスクポテンシャルRP_eの変化は、例えば下記式（７）で表すことができる。

v_mr：加速又は減速後の車速
v₀：基準速度（任意設定）

自車両１が加速した場合、上記式（７）にしたがって個人リスクポテンシャルRP_eの範囲が拡大し、重複領域AR1，AR2の範囲が拡大する。また、自車両１が減速した場合、上記式（７）にしたがって個人リスクポテンシャルRP_eの範囲が縮小し、重複領域AR1，AR2の範囲が縮小する。これに伴って、重複領域AR1，AR2に含まれる座標点の数が変化し、重複領域リスクRCが増加又は減少する。

個人リスク学習部６７は、図８に示す環境において、ドライバの運転による自車両１の車速が、上記式（７）にしたがって設定されたと仮定し、それぞれの時刻t_kにおける車速vと重複領域リスクRCとの関係を学習する。これにより、それぞれのドライバが、減速により重複領域リスクRCを低下させる際の個人重複領域リスク閾値RC_thr_eが学習される。なお、この場合、自車両１の減速度は、重複領域リスクRCから個人重複領域リスク閾値RC_thr_eを引いた差分の大きさにより、上記式（６）及び（７）に基づいて設定されたものと仮定される。

以上のようにして、個人リスク学習部６７は、自車両１の手動運転時において、それぞれのドライバの個人リスクポテンシャルRP_eを規定する勾配係数σ_x，σ_y及び個人重複領域リスク閾値RC_thr_eを学習し、ドライバの乗員識別情報に関連付けて運転特性データベース５５に記憶させる（ステップＳ２７～ステップＳ２９）。

次いで、個人リスク学習部６７は、車載システムが停止したか否かを判定する（ステップＳ３１）。車載システムが停止した場合（Ｓ３１／Ｙｅｓ）、制御部５１による学習処理を終了する。一方、車載システムが停止していない場合（Ｓ３１／Ｎｏ）、ステップＳ１３に戻って、これまで説明した各ステップの処理を繰り返し実行する。

このようにして、制御部５１は、自車両１の手動運転時において、それぞれのドライバが障害物を回避したときの走行軌道及び車速のデータに基づいて、それぞれのドライバの個人リスクポテンシャルRP_eを規定する勾配係数σ_x，σ_y及び個人重複領域リスク閾値RC_thr_eを学習する。また、制御部５１は、学習した勾配係数σ_x，σ_y及び個人重複領域リスク閾値RC_thr_eを、ドライバの乗員識別情報に関連付けて運転特性データベース５５に記憶させる。したがって、それぞれのドライバが自車両１の外周端部からの距離に応じて感じる衝突リスクを学習することができる。

（３－２．実行フェーズの処理）
図１０は、実行フェーズにおいて実行される処理の一例を示すフローチャートである。
まず、運転支援装置５０を含む車載システムが起動されると（ステップＳ４１）、ステップＳ１３の処理と同様に、運転条件設定部７１は、自車両１が自動運転中であるか否かを判定する（ステップＳ４３）。自車両１が自動運転中でない場合（Ｓ４３／Ｎｏ）、制御部５１は、学習フェースの処理へ移行する。

一方、自車両１が自動運転中である場合（Ｓ４３／Ｙｅｓ）、乗員検出部６３は、乗員を識別する処理を実行する（ステップＳ４５）。例えば乗員検出部６３は、車内撮影カメラ３３から送信される画像データを用いて顔認識処理を実行し、自車両１の乗員及びそれぞれの乗員の着座位置を検出する。着座位置は、乗員の顔の位置により特定することができる。また、乗員検出部６３は、それぞれの乗員の顔の特徴量を抽出し、乗員識別データベース５７に蓄積された特徴量のデータに照らして該当する乗員を特定する。乗員検出部６３は、特定した乗員識別情報を着座位置の情報に関連付けて記憶部５３に記憶させる。乗員識別データベース５７に、該当する乗員のデータが記憶されていない場合、乗員検出部６３は、当該乗員については存在しないものとして処理してもよく、乗員識別情報が未知であることの情報を着座位置の情報に関連付けて記憶部５３に記憶させてもよい。

次いで、自車リスク算出部６９は、自車両１の乗員の個人リスクポテンシャルRP_eを反映した自車リスクマップRM_eを自車両１に設定する（ステップＳ４７）。本実施形態では、自車リスクマップRM_eと併せて重複領域リスク閾値RC_thrが設定される。図１１は、自車リスクマップ設定処理の一例を示すフローチャートである。

自車リスク算出部６９は、ドライバ以外の乗員が存在するか否かを判定する（ステップＳ７１）。具体的に、自車リスク算出部６９は、記憶部５３に記憶されている乗員識別情報のデータに基づいて、着座位置が運転席以外の乗員の乗員識別情報が存在するか否かを判定する。

ドライバ以外の乗員が存在しないと判定された場合（Ｓ７１／Ｎｏ）、自車リスク算出部６９は、ドライバのみを考慮した自車リスクマップを生成する（ステップＳ７９）。この場合、自車リスク算出部６９は、運転特性データベース５５に記憶された個人リスクポテンシャルRP_eを規定する勾配係数σ_x，σ_yの学習データの中から、ドライバの乗員識別番号に該当する勾配係数σ_x，σ_yを抽出し、当該勾配係数σ_x，σ_yにより規定される個人リスクポテンシャルRP_eを自車リスクマップRM_eに設定する。

次いで、自車リスク算出部６９は、ドライバのみを考慮した重複領域リスク閾値RC_thrを設定する（ステップＳ８１）。この場合、自車リスク算出部６９は、運転特性データベースに記憶された個人重複領域リスク閾値RC_thr_eの情報の中から、ドライバの乗員識別番号に該当する個人重複領域リスク閾値RC_thr_eを抽出し、当該個人重複領域リスク閾値RC_thr_eを重複領域リスク閾値RC_thrに設定する。

一方、ステップＳ７１において、ドライバ以外の乗員が存在すると判定された場合（Ｓ７１／Ｙｅｓ）、自車リスク算出部６９は、ドライバ以外の乗員の個人リスクポテンシャルパラメタ及び個人重複領域リスク閾値RC_thr_eの学習データが運転特性データベース５５に記憶されているか否かを判定する（ステップＳ７３）。ドライバ以外の乗員の上記学習データが運転特性データベース５５に記憶されていないと判定された場合（Ｓ７３／Ｎｏ）、自車リスク算出部６９は、ステップＳ７９に進み、ドライバのみを考慮した自車リスクマップRM_eの設定処理及び重複領域リスク閾値RC_thrの設定処理を行う。

一方、ドライバ以外の乗員の上記学習データが運転特性データベース５５に記憶されていると判定された場合（Ｓ７３／Ｙｅｓ）、自車リスク算出部６９は、個人リスクポテンシャルパラメタが存在するすべての乗員を考慮して自車リスクマップRM_eを生成する（ステップＳ７５）。

図１２は、複数の乗員を考慮して生成される自車リスクマップRM_eの例を示す説明図である。図１２には、図９に示したドライバＡの個人リスクポテンシャルRP_e_AとドライバＢの個人リスクポテンシャルRP_e_Bとを重ね合わせて生成された自車リスクマップRM_eが示されている。図１２に示した例では、自車リスク算出部６９は、ドライバＡの個人リスクポテンシャルRP_e_AとドライバＢの個人リスクポテンシャルRP_e_Bとを重ね合わせ、座標点ごとにいずれかの最大値を選択する。したがって、自車両１の運転席側及び前方側の自車リスクマップRM_eの勾配は、ドライバＡの個人リスクポテンシャルRP_e_Aの勾配により決定され、自車両１の助手席側及び後方側の自車リスクマップRM_eの勾配は、ドライバＢの個人リスクポテンシャルRP_e_Bの勾配により決定される。これにより、複数の乗員が自車両１の外周端部からの距離に応じて感じる衝突リスクを網羅した自車リスクマップRM_eを設定する。

なお、図１２は、二人の乗員の個人リスクポテンシャルRP_eを反映した自車リスクマップRM_eの例を示したが、乗員が三人以上の場合においても同様に、自車リスク算出部６９は、複数の個人リスクポテンシャルRP_eを重ね合わせて自車リスクマップRM_eを生成する。

自車リスク算出部６９は、ステップＳ７５において自車リスクマップRM_eを生成した後、個人重複領域リスク閾値RC_thr_eが存在するすべての乗員を考慮して重複領域リスク閾値RC_thrを設定する（ステップＳ７７）。本実施形態では、自車リスク算出部６９は、複数の乗員の個人重複領域リスク閾値RC_thr_eの中から最も小さい値の個人重複領域リスク閾値RC_thr_eを重複領域リスク閾値RC_thrに設定する。ただし、複数の乗員の個人重複領域リスク閾値RC_thr_eの平均値を重複領域リスク閾値RC_thrに設定するなど、他の方法により重複領域リスク閾値RC_thrが設定されてもよい。

このように、自車リスク算出部６９は、自車両１の乗員がドライバのみの場合には、ドライバの個人リスクポテンシャルRP_e及び個人重複領域リスク閾値RC_thr_eをそれぞれ自車リスクマップRM_e及び個人重複領域リスク閾値RC_thr_eに設定する。また、自車リスク算出部６９は、自車両１の乗員がドライバ以外の乗員を含む場合には、運転特性データベース５５に存在する乗員の個人リスクポテンシャルRP_e及び個人重複領域リスク閾値RC_thr_eの学習データに基づいて、自車リスクマップRM_e及び重複領域リスク閾値RC_thrを設定する。これにより、自車両１の乗員がそれぞれ自車両１の外周端部からの距離に応じて感じる衝突リスクが反映された自車リスクマップRM_e及び重複領域リスク閾値RC_thrを得ることができる。

図１３は、自車リスクマップ設定処理の別の例を示すフローチャートである。図１３に示す例では、運転特性データベース５５に個人リスクポテンシャルパラメタ及び個人重複領域リスク閾値RC_thr_eの学習データが存在している乗員であっても、車外に注意を向けていない乗員については考慮せずに自車リスクマップRM_e及び重複領域リスク閾値RC_thrが設定される。

具体的に、図１１に示したフローチャートと同様に、ステップＳ７３においてドライバ以外の乗員の上記学習データが運転特性データベース５５に記憶されていると判定された場合（Ｓ７３／Ｙｅｓ）、自車リスク算出部６９は、車外に注意を向けていない乗員が存在するか否かを判定する（ステップＳ７４）。具体的に、自車リスク算出部６９は、乗員検出部６３により検出される乗員の視線又は顔の向きの情報を取得し、当該視線又は顔の向きに基づいて、それぞれの乗員が車外に注意を向けているか否かを判定する。例えば自車リスク算出部６９は、視線又は顔の向きがあらかじめ設定された時間以上自車両１の前方に向けられていない場合に、当該乗員が車外に注意を向けていないと判定してもよい。このような判定処理により、例えば眠っている乗員、携帯端末や車載表示機器を見ている乗員又は長時間よそ見をしている乗員等、障害物を気にしていない乗員を判別することができる。

車外に注意を向けていない乗員が存在しないと判定された場合（Ｓ７４／Ｎｏ）、自車リスク算出部６９は、図１１に示したフローチャートのステップＳ７５及びステップＳ７７と同様の手順で、個人リスクポテンシャルパラメタ及び個人重複領域リスク閾値RC_thr_eの学習データが存在するすべての乗員を考慮して自車リスクマップRM_eを生成するとともに重複領域リスク閾値RC_thrを設定する。

一方、車外に注意を向けていない乗員が存在すると判定された場合（Ｓ７４／Ｙｅｓ）、自車リスク算出部６９は、運転特性データベース５５に個人リスクポテンシャルパラメタの学習データが存在し、かつ、車外に注意を向けているすべての乗員を考慮して自車リスクマップRM_eを生成する（ステップＳ８３）。次いで、自車リスク算出部６９は、運転特性データベース５５に個人重複領域リスク閾値RC_thr_eの学習データが存在し、かつ、車外に注意を向けているすべての乗員を考慮して重複領域リスク閾値RC_thrを設定する（ステップＳ８５）。自車リスクマップRM_eの生成処理及び重複領域リスク閾値RC_thrの設定処理は、ステップＳ７５及びステップＳ７７、あるいは、ステップＳ７９及びステップＳ８１と同様に行われる。

このように、自車リスク算出部６９は、車外に注意を向けていない乗員が存在する場合には、当該乗員を考慮せずに自車リスクマップRM_e及び重複領域リスク閾値RC_thrを設定する。これにより、車外に注意を向け、障害物との衝突リスクを感じる可能性のある乗員が自車両１の外周端部からの距離に応じて感じる衝突リスクが反映された自車リスクマップRM_e及び重複領域リスク閾値RC_thrを得ることができる。

なお、図１１及び図１３に示した例では、乗員検出部６３により検出された乗員のうち、運転特性データベース５５に個人リスクポテンシャルパラメタ及び個人重複領域リスク閾値RC_thr_eの学習データが存在しない場合、当該乗員の情報については考慮しない代わりに、あらかじめ設定された個人リスクポテンシャルパラメタの代用値及び個人重複領域リスク閾値RC_thr_eの代用値を当該乗員に適用してもよい。代用値は、例えば運転特性データベース５５に記憶されている個人リスクポテンシャルパラメタ及び個人重複領域リスク閾値RC_thr_eそれぞれの平均値であってもよい。あるいは、代用値は、あらかじめ模範的な熟練ドライバあるいは仮想的な基準ドライバを想定して計算された、個人リスクポテンシャルパラメタ及び個人重複領域リスク閾値RC_thr_eの値であってもよい。

また、自車リスク算出部６９は、検出された乗員それぞれの着座位置に基づいてそれぞれの乗員の個人リスクポテンシャルRP_eを補正したうえで、自車リスクマップRMを生成してもよい。具体的に、個人リスクポテンシャルパラメタは、それぞれの乗員が運転席に着座している状態で学習されたデータである。乗員の着座位置によって、乗員から見た死角領域の範囲は変わり得る。このため、乗員の着座位置の違いによる死角領域の範囲の変化を個人リスクポテンシャルRP_eに反映させ、個人リスクポテンシャルRP_eの左右又は前後の分布を変化させてもよい。

図１４は、助手席に着座する乗員の個人リスクポテンシャルRP_eの補正方法を示す説明図である。例えば自車両１の手動運転時に学習された、運転席に座る乗員（ドライバ）の個人リスクポテンシャルRP_eの左右の分布が均等であるとする（図１４の左図を参照）。この場合、自車両１の左右両側に設定される個人リスクポテンシャルRP_eの外周端部からの幅は等しくなる（W_RR＝W_RL）。一方、運転席から見た自車両１の右側（運転席側）の死角領域の幅L_RRは、自車両１の左側（助手席側）の死角領域の幅L_RLよりも小さくなる。

この死角領域の範囲の変化を考慮して、当該乗員が助手席に着座している場合には、左右両側の個人リスクポテンシャルRP_eの幅を、それぞれ死角領域の幅の比により補正する（図１４の右図を参照）。具体的に、当該乗員が助手席に着座している場合、自車両１の右側（運転席側）の個人リスクポテンシャルRP_eの幅W_RRに対して、死角領域の幅の拡大比（L_LR／L_RR）をかけることにより、自車両１の右側（運転席側）の個人リスクポテンシャルRP_eの幅W_RRを増大させる。また、自車両１の左側（助手席側）の個人リスクポテンシャルRP_eの幅W_RLに対して、死角領域の幅の拡大比（L_LL／L_RL）をかけることにより、自車両１の左側（助手席側）の個人リスクポテンシャルRP_eの幅W_RLを縮小させる。この場合の死角領域の幅L_RR，L_RL，L_LR，L_LLの値は、あらかじめ設定された値が用いられてもよく、あらかじめ入力される乗員の身長の情報や、乗員検出部６３により検出される乗員の顔又は目の位置に応じて設定されてもよい。

また、図１５は、後部座席に着座する乗員の個人リスクポテンシャルRP_eの補正方法を示す説明図である。運転席から見た自車両１の前方の死角領域の幅L_FFは、後部座席から見た自車両１の前方の死角領域の幅L_RFよりも小さくなる。この死角領域の範囲の変化を考慮して、当該乗員が後部座席に着座している場合には、前方の個人リスクポテンシャルRP_eの幅を死角領域の幅の比により補正する（図１５の下図を参照）。具体的に、当該乗員が後部座席に着座している場合、運転席着座時に学習された個人リスクポテンシャルRP_eの前方の幅W_FFに対して、死角領域の幅の拡大比（L_RF／L_FF）をかけることにより、自車両１の前方の個人リスクポテンシャルRP_eの幅W_FFを増大させる。この場合の死角領域の幅L_RF，L_FFの値は、あらかじめ設定された値が用いられてもよく、あらかじめ入力される乗員の身長の情報や、乗員検出部６３により検出される乗員の顔又は目の位置に応じて設定されてもよい。

このように、乗員の着座位置の違いによる死角領域の範囲の変化を個人リスクポテンシャルRP_eに反映させ、個人リスクポテンシャルRP_eの左右又は前後の分布を変化させることにより、着座位置によって、個人リスクポテンシャルRP_eの死角領域の範囲が拡大又は縮小することに合わせて個人リスクポテンシャルRP_eの幅を拡大又は縮小させることができる。これにより、自車リスク算出部６９は、それぞれの乗員が自車両１の外周端部からの距離に応じて感じる衝突リスクの着座位置の違いによる変化を考慮した個人リスクポテンシャルRP_eを用いて、自車リスクマップRM_eを生成することができる。

図１０に戻り、ステップＳ４７において自車リスクマップRM_eが設定された後、周囲環境検出部６１は、図５に示したフローチャートのステップＳ１７と同様の手順で、自車両１の周囲環境情報を取得する（ステップＳ４９）。周囲環境検出部６１は、取得した周囲環境情報を記憶部５３に記憶させる。

次いで、運転条件設定部７１は、図５に示したフローチャートのステップＳ１９と同様の手順で、自車両１の走行軌道上に回避すべき障害物が存在するか否かを判定する（ステップＳ５１）。自車両１の走行軌道上に回避すべき障害物が存在しないと判定された場合（Ｓ５１／Ｎｏ）、ステップＳ４９に戻り、周囲環境情報の検出処理及び障害物の有無の判定処理が繰り返される。

一方、自車両１の走行軌道上に回避すべき障害物が存在すると判定された場合（Ｓ５１／Ｙｅｓ）、運転条件設定部７１は、図５に示したフローチャートのステップＳ２１と同様の手順で、障害物リスクマップを更新する（ステップＳ５３）。

次いで、運転条件設定部７１は、障害物リスクマップの情報と自車リスクマップRM_eの情報とに基づいて、重複領域リスクRCが最小となる目標軌道（x_mr(t_k)，y_mr(t_k)）を設定する（ステップＳ５５）。具体的に、運転条件設定部７１は、障害物それぞれに対して設定された障害物リスクポテンシャルRPiを重ね合わせた障害物リスクマップ上に設定される走行予定軌道に沿って自車両１を走行させた場合の重複領域リスクRCを計算し、当該重複領域リスクRCが最小となる走行予定軌道を算出する（図８を参照）。より具体的に、運転条件設定部７１は、設定可能な複数の走行予定軌道について、自車両１の乗員の運転特性を反映した自車リスクマップRM_eと障害物リスクマップとの重複領域における重複領域リスクRCを、上記式（６）を用いて算出し、重複領域リスクRCが最小となる走行予定軌道（x_mr(t_k)，y_mr(t_k)）を求める。運転条件設定部７１は、重複領域リスクRCが最小となる走行予定軌道（x_mr(t_k)，y_mr(t_k)）を目標軌道（x_mr(t_k)，y_mr(t_k)）に設定する。

図１６は、走行軌道の違いによる重複領域リスクRCの変化を示す説明図である。図１６に示す例は、自車両１が、道路の左側に駐車中の駐車車両９５の脇を通過する走行シーンを示している。道路の右端には縁石９７が存在している。走行軌道T2は、走行軌道T1に比べて縁石９７側を通過するように設定されている。なお、図１６に示した駐車車両９５の障害物リスクポテンシャルRP₃及び縁石９７の障害物リスクポテンシャルRP₄の最大値はともに「１」とされている。

当該走行シーンでは、自車リスクマップRM_eと駐車車両９５の障害物リスクポテンシャルRP₃との重複領域の重複領域リスクRC1と、自車リスクマップRM_eと縁石９７の障害物リスクポテンシャルRP₄との重複領域の重複領域リスクRC2との和が重複領域リスクRCとなる。相対的に縁石９７に近い方の走行軌道T2を設定した場合には、走行軌道T1を設定した場合に比べて、重複領域リスクRC1の値が小さくなる一方、重複領域リスクRC2の値が大きくなる。上記式（６）を用いることにより、総和としての重複領域リスクRCが最小となる走行軌道が算出される。

さらに、運転条件設定部７１は、重複領域リスクRCが重複領域リスク閾値RC_thr以下となる目標車速を設定する（ステップＳ５７）。具体的に、ステップＳ５５で算出された最小の重複領域リスクRCが重複領域リスク閾値RC_thrを超える場合、運転条件設定部７１は、重複領域リスクRCから重複領域リスク閾値RC_thrを引いた差分の値に基づいて、上記式（６）及び（７）を用いて減速後の目標車速を算出する。より具体的に、運転条件設定部７１は、設定可能な減速後の車速vの値を上記式（７）の車速v_mrとして入力したリスク値R_e（x，y，v）を、上記式（６）のリスク値R_e（X_i(t_k)，Y_j(t_k)）として用いて、重複領域リスクRCが重複領域リスク閾値RC_thrとなる車速vを算出する。運転条件設定部７１は、算出した車速vを目標車速v_mrに設定する。

図１７は、車速の低下に応じて、自車リスクマップRMの範囲が変化し、重複領域リスクRCが低下する様子を示す説明図である。上記式（７）に基づいて自車リスクマップRMのリスク値R_eを設定する場合、自車両１が存在する領域（R_e=1）の周囲のリスク値R_eは、車速が小さくなるほど小さくなる。このため、図１６に示した走行軌道T1と同じ走行軌道T1を設定した場合であっても、重複領域リスクRCは小さくなる。このように、運転条件設定部７１は、車速を低下させることにより、重複領域リスクRCが重複領域リスク閾値RC_thr以下となる目標車速v_mrを設定することができる。

次いで、制御部５１の運転条件設定部７１は、設定された目標軌道及び目標車速の情報に基づいて、車両１の自動運転制御の運転条件を設定する（ステップＳ５９）。具体的に、運転条件設定部７１は、目標軌道に基づいて目標操舵角を設定するとともに、目標車速に基づいて目標加減速度を設定する。運転条件設定部７１は、設定した目標操舵角及び目標加減速度の情報を車両制御装置４１へ送信する。目標操舵角及び目標加減速度の情報を受信した車両制御装置４１は、目標操舵角及び目標加減速度の情報に基づいて電動ステアリング装置やブレーキ装置、駆動力源等の各装置の制御目標量を設定し、自車両１の走行を制御する。

次いで、運転条件設定部７１は、図５に示したフローチャートのステップＳ２５と同様の手順に沿って、自車両１が、走行軌道上に存在していた障害物の回避を完了したか否かを判定する（ステップＳ６１）。自車両１が、走行軌道上に存在していた障害物の回避を完了していないと判定された場合（Ｓ６１／Ｎｏ）、運転条件設定部７１は、ステップＳ５３に戻り、自車両１の走行に合わせて障害物リスクマップの更新処理、自車両１の目標軌道及び目標車速の設定、及び運転条件の設定送信処理を繰り返す。

一方、自車両１が、走行軌道上に存在していた障害物の回避を完了したと判定された場合（Ｓ６１／Ｙｅｓ）、運転条件設定部７１は、車載システムが停止したか否かを判定する（ステップＳ６３）。車載システムが停止した場合（Ｓ６３／Ｙｅｓ）、制御部５１による運転条件設定処理を終了する。一方、車載システムが停止していない場合（Ｓ６３／Ｎｏ）、ステップＳ４３に戻って、これまで説明した各ステップの処理を繰り返し実行する。

このようにして、制御部５１は、自車両１の自動運転時において、手動運転時に学習したそれぞれの乗員の個人リスクポテンシャルパラメタを反映した自車リスクマップを生成する。また、制御部５１は、生成した自車リスクマップと、自車両１の周囲の障害物に設定された障害物リスクポテンシャルを反映した障害物リスクマップとの重複領域のリスク値である重複領域リスクが最小となる走行予定軌道を目標軌道に設定する。したがって、自車両１のドライバに限らず、自車両１の乗員が障害物に対して感じる不安や違和感を低減することができる。

＜４．まとめ＞
以上のように、本実施形態に係る運転支援装置５０は、自車両１の手動運転時において、それぞれのドライバの個人リスクポテンシャルRP_eを学習し、運転特性データベース５５に記憶する。また、運転支援装置５０は、自車両１の自動運転時において、学習した自車両１の乗員の個人リスクポテンシャルRP_eを反映した自車リスクマップRM_eを自車両１に設定し、自車両１の周囲の障害物のそれぞれに設定された障害物リスクポテンシャルRPiを反映した障害物リスクマップの情報と、自車リスクマップRM_eの情報とに基づいて自車両１の運転条件を設定する。このため、障害物からの衝突のリスクだけでなく、自車両１の外周端部からの距離に応じて乗員が感じる衝突のリスクが小さくなるように自車両１の目標軌道及び目標車速が設定され、乗員が感じる不安や違和感を低減することができる。

また、本実施形態に係る運転支援装置５０は、自車両１の自動運転時に、自車両１の乗員が複数存在する場合、複数の乗員の個人リスクポテンシャルRP_eの情報を反映した自車リスクマップRM_eを生成する。このため、ドライバ以外の乗員が感じる不安や違和感を低減可能な運転条件を設定することができる。

また、本実施形態に係る運転支援装置５０は、自車両１の自動運転時に、自車両１の乗員が複数存在する場合、自車両１の前後方向及び左右方向からなる平面を含む二次元座標系におけるそれぞれの座標位置での複数の乗員の個人リスクポテンシャルRP_eのうちの最大値をそれぞれの座標位置でのリスク値Reとして、自車リスクマップRM_eを設定する。このため、自車両１から見たそれぞれの方向について、最もリスクを感じる乗員に合わせて自車リスクマップRM_eを生成することができる。

また、本実施形態に係る運転支援装置５０は、走行予定軌道に沿って自車両１を走行させた場合の障害物リスクマップと自車リスクマップRM_eとの重複領域のリスク値である重複領域リスクRCを計算し、重複領域リスクRCが最小となる走行予定軌道を目標軌道に設定する。このため、自車両１の乗員それぞれが感じるリスクの総和を低減可能な運転条件を設定することができる。

また、本実施形態に係る運転支援装置５０において、個人リスクポテンシャルRP_eは、自車両１の車速が相対的に小さいほど、自車両１が存在する領域の周囲のリスク値Reが小さくなるように設定され、運転特性データベース５５は、自車両１の手動運転時に自車両１が障害物の脇を通過する際にそれぞれのドライバが自車両１を減速させたときの個人重複領域リスク閾値RC_thr_eの情報をさらに記憶している。また、運転支援装置５０は、重複領域リスクRCが、自車両１に搭乗する複数の乗員の個人重複領域リスク閾値RC_thr_eのうちの最小の個人重複領域リスク閾値RC_thr_e以下となる車速を目標車速に設定する。このため、自車両１の乗員のうち最もリスクを感じやすい乗員を基準として不安や違和感を低減することができる。

また、本実施形態に係る運転支援装置５０は、それぞれの乗員の着座位置と運転席との死角領域の違いに基づいてそれぞれの乗員の個人リスクポテンシャルRP_eを補正する。このため、それぞれの乗員が着座位置の違いにより自車両１の外周端部からの距離に応じて感じる衝突リスクの変化を考慮した個人リスクポテンシャルRP_eを用いて、自車リスクマップRM_eを生成することができる。したがって、それぞれの乗員の着座位置に応じて、それぞれの乗員が感じる不安や違和感を低減することができる。

また、本実施形態に係る運転支援装置５０は、自車両１に搭乗する複数の乗員のうち、車外に注意を向けていない乗員の個人リスクポテンシャルRP_eの情報を除いて自車リスクマップRM_e及び重複領域リスク閾値RC_thrを設定する。このため、車外に注意を向け、障害物との衝突リスクを感じる可能性のある乗員の不安や違和感を低減することができる。

また、本実施形態に係る運転支援装置５０は、手動運転時に取得した自車両１と自車両１の周囲の障害物との距離のデータに基づいて個人リスクポテンシャルRP_eを学習する個人リスク学習部６７を備えている。このため、あらかじめドライバの運転特性を蓄積したデータベースを格納することなく、自車両１を運転したドライバの運転特性を学習することができる。

以上、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したが、本開示はかかる例に限定されない。本開示の属する技術の分野における通常の知識を有する者であれば、特許請求の範囲に記載された技術的思想の範疇内において、各種の変更例又は修正例に想到し得ることは明らかであり、これらについても、当然に本開示の技術的範囲に属するものと了解される。

例えば、上記制御部５１を構成するプロセッサに、手動運転時に取得した自車両１と当該自車両１の周囲の障害物との距離のデータに基づいて自車両に対して設定される、自車両のドライバが障害物に対して感じるリスクを学習した個人リスクポテンシャルの情報を読み出すことと、自車両の自動運転時における自車両の乗員の個人リスクポテンシャルを反映した自車リスクマップを自車両に設定することと、自車両の周囲の障害物のそれぞれに対して設定された障害物リスクポテンシャルを反映した障害物リスクマップの情報と、自車リスクマップの情報と、に基づいて自車両の自動運転時の運転条件を設定することと、を含む動作を実行させるコンピュータプログラム、及びそのようなコンピュータプログラムを記録した記録媒体も本開示の技術的範囲に含まれる。

また、上記実施形態では、運転支援装置５０の機能のすべてが自車両１に搭載されていたが、本開示はかかる例に限定されない。例えば運転支援装置５０が有する機能の一部が、移動体通信手段を介して通信可能なサーバ装置に設けられ、運転支援装置５０は、当該サーバ装置に対してデータを送受信するように構成されていてもよい。

また、以下に例示する態様も本開示の技術的範囲に属する。
上記実施形態において、自車リスク算出部は、自車両の自動運転時に自車両の乗員が複数存在する場合、自車両の前後方向及び左右方向からなる平面を含む二次元座標系におけるそれぞれの座標位置での複数の乗員の個人リスクポテンシャルのうちの最大値を、それぞれの座標位置でのリスク値として、自車リスクマップを設定する運転支援装置。
上記実施形態において、個人リスクポテンシャルは、自車両の車速が相対的に小さいほど、自車両が存在する領域の周囲のリスク値が小さくなるように設定され、記憶部は、手動運転時に自車両が障害物の脇を通過する際にドライバが自車両を減速させたときの重複領域リスクを算出して得られた個人重複領域リスク閾値の情報をさらに記憶し、運転条件設定部は、重複領域リスクが、自車両に搭乗する複数の乗員の個人重複領域リスク閾値のうちの最小の個人重複領域リスク閾値以下となる車速を目標車速に設定する運転支援装置。
上記実施形態において、手動運転時に自車両のドライバが障害物の脇を通過する際の自車両と障害物との距離に基づいて、ドライバが障害物に対して感じるリスクを反映した個人リスクポテンシャルを学習する個人リスク学習部を備える運転支援装置。
プロセッサに、手動運転時に自車両のドライバが障害物に対して感じるリスクを学習して自車両に設定される個人リスクポテンシャルの情報を読み出すことと、自車両の自動運転時における自車両の乗員の前記個人リスクポテンシャルを反映した自車リスクマップを自車両に設定することと、自車両の周囲の前記障害物のそれぞれに対して設定された障害物リスクポテンシャルを反映した障害物リスクマップの情報と、自車リスクマップの情報と、に基づいて自車両の自動運転時の運転条件を設定することと、を含む動作を実行させるコンピュータプログラム。

１…車両、３１…周囲環境センサ、３３…車内撮影カメラ、３５…車両状態センサ、５０…運転支援装置、５１…制御部、５５…運転特性データベース、５７…乗員識別データベース、６１…周囲環境検出部、６３…乗員検出部、６５…走行状態検出部、６７…個人リスク学習部、６９…自車リスク算出部、７１運転条件設定部

Claims (6)

1. 自車両の手動運転時に学習したドライバの運転特性を前記自車両の自動運転制御に反映させる運転支援装置において、
   手動運転時に前記自車両のドライバが前記障害物に対して感じるリスクを学習して前記自車両に設定される個人リスクポテンシャルの情報を記憶する記憶部と、
   前記自車両の自動運転時における前記自車両の乗員の前記個人リスクポテンシャルを反映した自車リスクマップを前記自車両に設定する自車リスク算出部と、
   前記自車両の周囲の前記障害物のそれぞれに対して設定された障害物リスクポテンシャルを反映した障害物リスクマップの情報と、前記自車リスクマップの情報と、に基づいて前記自車両の自動運転時の運転条件を設定する運転条件設定部と、
   を備える、運転支援装置。
2. 前記自車リスク算出部は、前記自車両の自動運転時に前記自車両の乗員が複数存在する場合、前記複数の乗員の前記個人リスクポテンシャルの情報に基づいて、前記自車リスクマップを設定する、請求項１に記載の運転支援装置。
3. 前記運転条件設定部は、走行予定軌道に沿って前記自車両を走行させた場合の前記障害物リスクマップと前記自車リスクマップとの重複領域のリスク値である重複領域リスクを計算し、前記重複領域リスクが最小となる走行予定軌道を目標軌道に設定する、請求項１又は２に記載の運転支援装置。
4. 前記自車リスク算出部は、それぞれの前記乗員の着座位置と運転席との死角領域の違いに基づいて前記それぞれの乗員の前記個人リスクポテンシャルを補正する、請求項１～３のいずれか１項に記載の運転支援装置。
5. 前記自車リスク算出部は、前記自車両に搭乗する複数の乗員のうち、車外に注意を向けていない乗員の前記個人リスクポテンシャルの情報を除いて前記自車リスクマップを設定する、請求項１～４のいずれか１項に記載の運転支援装置。
6. プロセッサに、
   手動運転時に自車両のドライバが障害物に対して感じるリスクを学習して前記自車両に設定される個人リスクポテンシャルの情報を読み出すことと、
   前記自車両の自動運転時における前記自車両の乗員の前記個人リスクポテンシャルを反映した自車リスクマップを前記自車両に設定することと、
   前記自車両の周囲の前記障害物のそれぞれに対して設定された障害物リスクポテンシャルを反映した障害物リスクマップの情報と、前記自車リスクマップの情報と、に基づいて前記自車両の自動運転時の運転条件を設定することと、
   を含む動作を実行させるコンピュータプログラムを記憶した、記録媒体。
   

Images