JP2023104764A - 走路特定装置及び走路特定方法 - Google Patents

Abstract

【課題】車両の走路の特定に周辺監視センサと地図情報とを利用する場合であっても、より精度良く走路を特定することを可能にする。【解決手段】車両で用いられる周辺監視センサ１４でのセンシング結果を取得するセンサ取得部１０４と、地図情報を取得する地図取得部１０１と、センサ取得部１０４で取得するセンシング結果と、地図取得部１０１で取得する地図情報とのいずれも用いて、自車の走路を特定することが可能な走路特定部１０８と、センシング結果及び地図情報のうちのセンシング結果では走路の特定精度が低下すると推定される所定環境を特定する所定環境特定部１０７とを備え、走路特定部１０８は、所定環境特定部１０７で所定環境を特定したことに基づいて、センシング結果及び地図情報のうちの地図情報のみを用いた走路の特定に切り替える。【選択図】図２

Description

本開示は、走路特定装置及び走路特定方法に関するものである。

車両の走行支援のために、車両の走行環境をカメラといった周辺監視センサで認識する技術が知られている。しかしながら、道路の区画線が明確でなかったり存在しなかったりするため、周辺監視センサのみで車両の走路を特定することが難しい場合がある。

これに対して、特許文献１には、撮影装置で撮影した走行映像と地図情報との両方を用いて、車線における位置を維持するためのローカル経路を決定する技術が開示されている。特許文献１に開示の技術では、ローカル経路を表現するフィッティング曲線の多項式の定数項を走行映像から推定し、１次と２次の項を地図情報から推定している。

特開２０１９－１３９７６２号

特許文献１では、走行映像と地図情報とのいずれかの精度が低くなると、推定されるフィッティング曲線の精度も低下してしまう問題点があった。よって、周辺監視センサと地図情報とを用いながらも、車両の走路を特定する精度が低下してしまう問題点があった。

この開示の１つの目的は、車両の走路の特定に周辺監視センサと地図情報とを利用する場合であっても、より精度良く走路を特定することを可能にする車両用制御装置及び車両用制御方法を提供することにある。

上記目的は独立請求項に記載の特徴の組み合わせにより達成され、また、下位請求項は、開示の更なる有利な具体例を規定する。特許請求の範囲に記載した括弧内の符号は、１つの態様として後述する実施形態に記載の具体的手段との対応関係を示すものであって、本開示の技術的範囲を限定するものではない。

上記目的を達成するために、本開示の走路特定装置は、車両で用いられる周辺監視センサ（１４）でのセンシング結果を取得するセンサ取得部（１０４）と、地図情報を取得する地図取得部（１０１）と、センサ取得部で取得するセンシング結果と、地図取得部で取得する地図情報とのいずれも用いて、車両の走路を特定することが可能な走路特定部（１０８，１０８ａ）と、センシング結果及び地図情報のうちのセンシング結果では走路の特定精度が低下すると推定される所定環境を特定する所定環境特定部（１０７，１０７ａ）とを備え、走路特定部は、所定環境特定部で所定環境を特定したことに基づいて、センシング結果及び地図情報のうちの地図情報のみを用いた走路の特定に切り替える。

上記目的を達成するために、本開示の走路特定方法は、少なくとも１つのプロセッサにより実行される、車両で用いられる周辺監視センサ（１４）でのセンシング結果を取得するセンサ取得工程と、地図情報を取得する地図取得工程と、センサ取得工程で取得するセンシング結果と、地図取得工程で取得する地図情報とのいずれも用いて、車両の走路を特定することが可能な走路特定工程と、センシング結果及び地図情報のうちのセンシング結果では走路の特定精度が低下すると推定される所定環境を特定する所定環境特定工程とを含み、走路特定工程では、所定環境特定工程で所定環境を特定したことに基づいて、センシング結果及び地図情報のうちの地図情報のみを用いた走路の特定に切り替える。

以上の構成によれば、車両で用いられる周辺監視センサでのセンシング結果及び地図情報のうちのセンシング結果では車両の走路の特定精度が低下すると推定される所定環境については、センシング結果及び地図情報のうちの地図情報のみを用いた走路の特定に切り替えることが可能になる。よって、センシング結果では車両の走路の特定精度が低下すると推定される場所であっても、地図情報を用いて、精度良く走路を特定することが可能になる。一方、このような所定環境でなければ、センシング結果を用いて、精度良く走路を特定することが可能になる。その結果、車両の走路の特定に周辺監視センサと地図情報とを利用する場合であっても、より精度良く走路を特定することが可能になる。

車両用システム１の概略的な構成の一例を示す図である。 自動運転ＥＣＵ１０の概略的な構成の一例を示す図である。 交差点を基準とする領域分けの例を示す図である。 図３で示した領域別の走路特定の切り替えの例を示す図である。 自動運転ＥＣＵ１０での走路特定関連処理の流れの一例を示すフローチャートである。 自動運転ＥＣＵ１０ａの概略的な構成の一例を示す図である。

図面を参照しながら、開示のための複数の実施形態を説明する。なお、説明の便宜上、複数の実施形態の間において、それまでの説明に用いた図に示した部分と同一の機能を有する部分については、同一の符号を付し、その説明を省略する場合がある。同一の符号を付した部分については、他の実施形態における説明を参照することができる。

（実施形態１）
＜車両用システム１の概略構成＞
以下、本開示の実施形態１について図面を用いて説明する。図１に示す車両用システム１は、車両で用いることが可能なものである。車両用システム１は、図１に示すように、自動運転ＥＣＵ１０、通信モジュール１１、ＧＮＳＳ（Global Navigation Satellite System）受信機１２、車両状態センサ１３、周辺監視センサ１４、及び車両制御ＥＣＵ１５を含んでいる。例えば、自動運転ＥＣＵ１０、通信モジュール１１、ＧＮＳＳ受信機１２、車両状態センサ１３、周辺監視センサ１４、及び車両制御ＥＣＵ１５は、車内ＬＡＮ（図１のＬＡＮ参照）と接続される構成とすればよい。車両用システム１を用いる車両は、必ずしも自動車に限るものではないが、以下では自動車に用いる場合を例に挙げて説明を行う。

通信モジュール１１は、自車の外部のサーバとの間で、無線通信を介して情報の送受信を行う。つまり、広域通信を行う。自車の外部のサーバは、例えばクラウドのサーバとすればよい。通信モジュール１１は、サーバから地図情報，渋滞情報等を広域通信で受信する。

地図情報は、高精度地図データとすればよい。高精度地図データは、ナビゲーション機能での経路案内に用いられる地図データよりも高精度な地図データである。地図情報には、経路案内に用いられる地図データも含まれていてもよい。高精度地図データには、例えば道路の３次元形状情報，車線数情報，各車線に許容された進行方向を示す情報等の自動運転に利用可能な情報が含まれている。他にも、高精度地図データには、例えば区画線等の路面標示について、両端の位置を示すノード点の情報が含まれていてもよい。経路案内に用いられる地図データは、リンクデータ，ノードデータ等である。リンクデータは、リンクを特定する固有番号（リンクＩＤ）、リンクの長さを示すリンク長、リンク方向、リンクの形状情報、リンクの始端と終端とのノード座標、及び道路属性の各データから構成される。道路属性としては、道路名称、道路種別、道路幅員、車線数、右折／左折専用車線の有無とその専用車線の数、及び速度規制値等がある。ノードデータは、地図上のノード毎に固有の番号を付したノードＩＤ、ノード座標、ノード名称、ノード種別、ノードに接続するリンクのリンクＩＤが記述される接続リンクＩＤ、交差点の中心座標等の各データから構成される。交差点，分岐点はノードに該当する。

ＧＮＳＳ受信機１２は、複数の測位衛星からの測位信号を受信する。車両状態センサ１３は、自車の各種状態を検出するためのセンサ群である。車両状態センサ１３としては、車速センサ，加速度センサ等がある。車速センサは、自車の速度を検出する。加速度センサは、自車の加速度を検出する。加速度センサは、例えば３軸加速度センサとすればよい。車両状態センサ１３は、検出結果を車内ＬＡＮへ出力する。なお、車両状態センサ１３で検出した検出結果は、自車に搭載されるＥＣＵを介して車内ＬＡＮへ出力される構成であってもよい。

周辺監視センサ１４は、自車の周辺環境を監視する。周辺監視センサ１４は、自律センサと言い換えることもできる。一例として、周辺監視センサ１４は、歩行者，他車等の移動物体、及び路上の落下物等の静止物体といった自車周辺の障害物を検出する。他にも、自車周辺の区画線等の路面標示を検出する。区画線には、車線中心線，車線境界線，車道外側線が含まれる。周辺監視センサ１４は、例えば、自車周辺の所定範囲を撮像する周辺監視カメラ、自車周辺の所定範囲に探査波を送信するミリ波レーダ、ソナー、ＬＩＤＡＲ等のセンサである。所定範囲は、自車の少なくとも前方を含む範囲とすればよい。周辺監視カメラは、逐次撮像する撮像画像をセンシング情報として自動運転ＥＣＵ１０へ逐次出力する。ソナー、ミリ波レーダ、ＬＩＤＡＲ等の探査波を送信するセンサは、障害物によって反射された反射波を受信した場合に得られる受信信号に基づく走査結果をセンシング情報として自動運転ＥＣＵ１０へ逐次出力する。周辺監視センサ１４で検出したセンシング情報は、車内ＬＡＮを介さずに自動運転ＥＣＵ１０に出力される構成としてもよい。

車両制御ＥＣＵ１５は、自車の走行制御を行う電子制御装置である。走行制御としては、加減速制御及び／又は操舵制御が挙げられる。車両制御ＥＣＵ１５としては、操舵制御を行う操舵ＥＣＵ、加減速制御を行うパワーユニット制御ＥＣＵ及びブレーキＥＣＵ等がある。車両制御ＥＣＵ１５は、自車に搭載された電子制御スロットル、ブレーキアクチュエータ、ＥＰＳ（Electric Power Steering）モータ等の各走行制御デバイスへ制御信号を出力することで走行制御を行う。自動運転ＥＣＵ１０からの指示等に基づいて、自車の走行を制御する。

自動運転ＥＣＵ１０は、プロセッサ、揮発性メモリ、不揮発性メモリ、Ｉ／Ｏ、これらを接続するバスを備えるコンピュータを主体として構成される。自動運転ＥＣＵ１０は、不揮発性メモリに記憶された制御プログラムを実行することにより、自動運転に関する処理を実行する。この自動運転ＥＣＵ１０が走路特定装置に相当する。車両制御ＥＣＵ１５を制御することにより、自動運転を行う。自動運転の段階（以下、自動化レベル）としては、例えばＳＡＥが定義しているように、複数のレベルが存在し得る。自動化レベルは、例えば以下のようにＬＶ０～５に区分される。

ＬＶ０は、システムが介入せずに運転者が全ての運転タスクを実施するレベルである。運転タスクは動的運転タスクと言い換えてもよい。運転タスクは、例えば操舵、加減速、及び周辺監視とする。ＬＶ０は、いわゆる手動運転に相当する。ＬＶ１は、システムが操舵と加減速とのいずれかを支援するレベルである。ＬＶ１は、いわゆる運転支援に相当する。ＬＶ２は、システムが操舵と加減速とのいずれをも支援するレベルである。ＬＶ２は、いわゆる部分運転自動化に相当する。なお、ＬＶ１～２も自動運転の一部であるものとする。

ＬＶ３の自動運転は、特定の条件下ではシステムが全ての運転タスクを実施可能であり、緊急時に運転者が運転操作を行うレベルである。ＬＶ３は、いわゆる条件付運転自動化に相当する。ＬＶ４の自動運転は、対応不可能な道路，極限環境等の特定状況下を除き、システムが全ての運転タスクを実施可能なレベルである。ＬＶ４は、いわゆる高度運転自動化に相当する。ＬＶ５の自動運転は、あらゆる環境下でシステムが全ての運転タスクを実施可能なレベルである。ＬＶ５は、いわゆる完全運転自動化に相当する。

自動運転ＥＣＵ１０で行う自動運転は、ＬＶ１以上の自動運転であればよい。自動運転ＥＣＵ１０で行う自動運転は、ＬＶ１の運転支援であってもよいし、ＬＶ２以上の自動運転であってもよい。

＜自動運転ＥＣＵ１０の概略構成＞
続いて、図２を用いて自動運転ＥＣＵ１０における自車の走路特定に関する概略構成についての説明を行う。自車の走路とは、運転支援を含む自動運転で自車を走行させる予定進路である。走路は幅を持った領域であってもよいし、軌跡であってもよい。例えば、走路は、設定された目的地までの予定経路に沿った走行を実現するための短期的な予定走行軌跡とすればよい。本実施形態では、便宜上、自動運転ＥＣＵ１０における自車の走路特定以外に関する構成についての説明は省略する。自動運転ＥＣＵ１０は、図２に示すように、走路特定について、地図取得部１０１、車両情報取得部１０２、位置特定部１０３、センサ取得部１０４、地図走路生成部１０５、自律走路生成部１０６、所定環境特定部１０７、及び走路特定部１０８を機能ブロックとして備える。また、コンピュータによって自動運転ＥＣＵ１０の各機能ブロックの処理が実行されることが、走路特定方法が実行されることに相当する。なお、自動運転ＥＣＵ１０が実行する機能の一部又は全部を、１つ或いは複数のＩＣ等によりハードウェア的に構成してもよい。また、自動運転ＥＣＵ１０が備える機能ブロックの一部又は全部は、プロセッサによるソフトウェアの実行とハードウェア部材の組み合わせによって実現されてもよい。

地図取得部１０１は、地図情報を取得する。この地図取得部１０１での処理が地図取得工程に相当する。地図取得部１０１は、通信モジュール１１を介して、自車の外部のサーバから地図情報を取得する。地図取得部１０１は、後述する位置特定部１０３で特定する自車位置をサーバに送ることで、自車位置周辺に絞った地図情報を取得する構成とすればよい。なお、地図取得部１０１は、自車で用いられる不揮発性メモリに格納された地図情報を取得する構成としてもよい。

車両情報取得部１０２は、車両状態センサ１３で検出された検出結果を取得する。車両情報取得部１０２は、車速センサで検出された車速を取得する。車両情報取得部１０２は、加速度センサで検出された加速度を取得する。

位置特定部１０３は、自車の車両位置（以下、自車位置）を逐次特定する。位置特定部１０３は、ＧＮＳＳ受信機１２で受信した測位信号と、車両情報取得部１０２で取得した自車の車速，加速度の検出結果とを組み合わせることにより、自車位置を特定する。自車位置は、例えば緯度経度の座標で表されるものとすればよい。

センサ取得部１０４は、周辺監視センサ１４でのセンシング結果を取得する。つまり、周辺監視センサ１４で得られたセンシング情報を取得する。このセンサ取得部１０４での処理がセンサ取得工程に相当する。

地図走路生成部１０５は、地図取得部１０１で取得した地図情報と、位置特定部１０３で特定した自車位置とを用いて、自車の走路を生成する。一例として、地図走路生成部１０５は、高精度地図上における自車の予定走行軌跡を生成すればよい。

自律走路生成部１０６は、センサ取得部１０４で取得したセンシング結果を用いて、自車の走路を生成する。一例として、自律走路生成部１０６は、センサ取得部１０４で取得したセンシング結果を用いて、自車の周囲の物体の位置、形状、及び移動状態を認識する。続いて、自律走路生成部１０６は、この認識結果から、実際の走行環境を再現した仮想空間を生成する。そして、自律走路生成部１０６は、この仮想空間における自車の予定走行軌跡を生成すればよい。

所定環境特定部１０７は、所定環境を特定する。所定環境とは、周辺監視センサ１４でのセンシング結果及び地図情報のうちのセンシング結果のみでは自車の走路の特定精度が低下すると推定される道路構造（以下、所定道路構造）である。この所定環境特定部１０７での処理が所定環境特定工程に相当する。所定環境特定部１０７は、例えば自車の進路前方の所定道路構造を特定すればよい。所定環境特定部１０７は、所定道路構造としては、交差点，分岐点，曲がり具合いが一定以上のカーブ路（以下、対象カーブ路），勾配が一定以上の上り勾配路（以下、対象勾配路）等が挙げられる。ここで言うところの一定とは、センシング結果のみでは自車の走路の特定精度が低下すると推定される値とすればよい。カーブ路の曲がり具合いは、曲率及び曲率半径のいずれで表してもよい。交差点は、区画線がない領域が存在するので、所定道路構造に該当する。分岐点は、区画線がない領域が存在する場合があるので、所定道路構造に該当する。分岐点には、車線数が増加する分岐点も含む。対象カーブ路，対象勾配路は、周辺監視センサ１４で区画線が検出しづらい場合があるので、所定道路構造に該当する。所定環境特定部１０７は、地図取得部１０１で取得した地図情報と、位置特定部１０３で特定した自車位置とを用いて、自車の進路前方の所定道路構造を特定すればよい。

走路特定部１０８は、自車の走路を特定する。この走路特定部１０８での処理が走路特定工程に相当する。走路特定部１０８は、走路の特定に、センサ取得部１０４で取得するセンシング結果と、地図取得部１０１で取得する地図情報とのいずれも用いることが可能とする。走路特定部１０８は、所定環境特定部１０７で所定道路構造を特定したことに基づいて、センシング結果及び地図情報のうちの地図情報のみを用いた走路の特定（以下、地図走路特定）に切り替える。これによれば、センシング結果では自車の走路の特定精度が低下すると推定される所定道路構造であっても、地図情報を用いて、精度良く走路を特定することが可能になる。一方、所定道路構造でなければ、センシング結果を用いて、精度良く走路を特定することが可能になる。その結果、車両の走路の特定に周辺監視センサ１４と地図情報とを利用する場合であっても、より精度良く走路を特定することが可能になる。

なお、センシング結果及び地図情報のうちのセンシング結果のみを用いた走路の特定を、以下では自律走路特定と呼ぶ。また、センシング結果及び地図情報の両方を用いた走路の特定を、以下ではフュージョン走路特定と呼ぶ。走路特定部１０８は、所定環境特定部１０７で所定道路構造を特定したことに基づいて、フュージョン走路特定から地図走路特定へ切り替えればよい。走路特定部１０８は、地図走路特定への切り替えを、自律走路特定からフュージョン走路特定を経て行えばよい。走路特定部１０８は、地図走路特定への切り替えを、自律走路特定からフュージョン走路特定を経ずに行ってもよい。

走路特定部１０８は、所定環境特定部１０７で所定道路構造を特定したことに基づいて、自律走路特定から、地図走路特定に切り替えることが好ましい。これは、所定道路構造でなければ、地図情報よりもセンシング結果を用いた方が走路を精度良く特定できる可能性が高いためである。これによれば、所定道路構造でなければ、センシング結果及び地図情報のうちのセンシング結果のみを用いて、より精度良く走路を特定することが可能になる。

走路特定部１０８は、所定環境特定部１０７で所定道路構造を特定したことに基づいて、自律走路特定から、フュージョン走路特定を経て、地図走路特定に切り替えることが好ましい。これによれば、フュージョン走路特定を経ずに地図走路特定に切り替える場合に比べて、特定される走路の急峻な変化を抑えることが可能になる。

走路特定部１０８は、所定環境特定部１０７で特定した所定道路構造に基づいて、自車から所定道路構造までの距離が近くなるのに応じて、自律走路特定から、フュージョン走路特定を経て、地図走路特定に切り替えることが好ましい。また、走路特定部１０８は、自車から所定道路構造までの距離が遠くなるのに応じて、地図走路特定から、フュージョン走路特定を経て、自律走路特定に切り替えることが好ましい。これによれば、自車が所定道路構造に接近して通過し、離れていくまで、走路の急峻な変化を抑えつつ、走路の特定精度をより高く維持し続けることが可能になる。

ここで、図３及び図４を用いて、自車から所定道路構造までの距離に応じた走路特定の切り替えの一例について説明する。図３は、交差点を基準とする領域分けの例を示す図である。図３のＨＶが自車を示す。図３の例では、所定道路構造が交差点である場合の例を示す。自車から交差点までの距離は、自車位置から交差点の中心座標までの距離としてもよいし、自車位置から交差点のノード座標までの距離としてもよい。以下では、自車から交差点までの距離（以下、交差点距離）をＸとする。なお、自車から分岐点までの距離の場合は、例えば自車位置から分岐点の座標までの距離とすればよい。自車から対象カーブ路までの距離の場合は、自車位置から対象カーブ路のリンク若しくはセグメントの直近の端部座標までの距離とすればよい。自車から対象勾配路までの距離の場合は、自車位置から対象勾配路のリンク若しくはセグメントの直近の端部座標までの距離とすればよい。

図３に示すように、Ｒ１が、交差点よりも手前の、交差点から設定距離Ｄ以上の領域とする。Ｒ２が、交差点よりも手前の、交差点から設定距離Ｄ未満の領域とする。Ｒ３が、交差点内の領域とする。Ｒ４が、交差点通過後の、交差点から設定距離Ｄ未満の領域とする。Ｒ５が、交差点通過後の、交差点から設定距離Ｄ以上の領域とする。設定距離Ｄは、任意に設定可能な距離とすればよい。

続いて、図４は、図３で示した領域別の走路特定の切り替えの例を示す図である。図４では、センシング結果を「自律」で表し、地図情報を「地図」で表す。図４では、センシング結果及び地図情報のうちの、走路の特定に用いるものを丸で示している。図４に示すように、自車がＲ１の領域に位置する場合には、走路特定部１０８は、センシング結果及び地図情報のうちのセンシング結果のみを用いて走路の特定を行う。自車がＲ２の領域に位置する場合には、走路特定部１０８は、センシング結果及び地図情報の両方を用いて走路の特定を行う。自車がＲ３の領域に位置する場合には、走路特定部１０８は、センシング結果及び地図情報のうちの地図情報のみを用いて走路の特定を行う。自車がＲ４の領域に位置する場合には、走路特定部１０８は、センシング結果及び地図情報の両方を用いて走路の特定を行う。自車がＲ５の領域に位置する場合には、走路特定部１０８は、センシング結果及び地図情報のうちのセンシング結果のみを用いて走路の特定を行う。

また、状態遷移に応じた走路特定の切り替えについては、以下の通りである。走路特定部１０８は、自車位置がＲ１の間は、自律走路特定を行う。走路特定部１０８は、自車位置がＲ１からＲ２に遷移する場合には、自律走路特定からフュージョン走路特定に切り替える。走路特定部１０８は、自車位置がＲ２の間は、フュージョン走路特定を行う。走路特定部１０８は、自車位置がＲ２からＲ３に遷移する場合には、フュージョン走路特定から地図走路特定に切り替える。走路特定部１０８は、自車位置がＲ３の間は、地図走路特定を行う。走路特定部１０８は、自車位置がＲ３からＲ４に遷移する場合には、地図走路特定からフュージョン走路特定に切り替える。走路特定部１０８は、自車位置がＲ４の間は、フュージョン走路特定を行う。走路特定部１０８は、自車位置がＲ３からＲ２に遷移する場合にも、地図走路特定からフュージョン走路特定に切り替える。走路特定部１０８は、自車位置がＲ４からＲ５に遷移する場合には、フュージョン走路特定から自律走路特定に切り替える。走路特定部１０８は、自車位置がＲ５の間は、自律走路特定を行う。

走路特定部１０８は、自律走路特定を行う場合には、自律走路生成部１０６で生成した走路を自車の走路として特定すればよい。走路特定部１０８は、地図走路特定を行う場合には、地図走路生成部１０５で生成した走路を自車の走路として特定すればよい。走路特定部１０８は、フュージョン走路特定を行う場合には、自律走路生成部１０６で生成する走路と地図走路生成部１０５で生成する走路とを統合した走路を自車の走路として特定すればよい。この統合については、自律走路生成部１０６で生成する走路のパラメータと地図走路生成部１０５で生成する走路のパラメータとの平均値（以下、統合平均値）を用いることで行えばよい。統合平均値は相加平均によって算出してもよいし、加重平均によって算出してもよい。走路として、特許文献１に開示のような２変数の多項式で表されるフィッティング曲線を利用する場合には、１次項，２次項，定数項の全てについて、統合平均値を用いればよい。なお、フィッティング曲線を利用する以外にも、進路前方の通行可能な領域の中心点の集合を走路と特定する構成であってもよい。この構成においてフュージョン走路特定を行う場合には、自律走路生成部１０６で生成する走路の中心点と地図走路生成部１０５で生成する走路の中心点との統合平均値を用いて統合を行えばよい。

走路特定部１０８は、フュージョン走路特定を行う際に、自車から所定道路構造までの距離が近くなるのに応じて、走路の特定に地図情報を用いる比率を高くすることが好ましい。これによれば、フュージョン走路特定を行う区間内での走路の変化をより滑らかにすること可能になる。一例としては、走路特定部１０８は、フュージョン走路特定のパラメータ＝（Ｘ／Ｄ）×自律走路特定のパラメータ＋（１－（Ｘ／Ｄ））×地図走路特定のパラメータの式で示す重み付け統合を行えばよい。Ｘは前述の交差点距離である。Ｄは前述の設定距離である。

走路特定部１０８で特定された走路は、自動運転ＥＣＵ１０での自動運転に用いられる。例えば、走路に沿った自動運転の際の走行制御に利用される。なお、走路特定部１０８で特定された走路は、走行制御以外の運転支援に用いられてもよい。例えば、走路に沿った走行をガイドする音声，表示を行う運転支援に用いられてもよい。

＜自動運転ＥＣＵ１０での走路特定関連処理＞
ここで、図５のフローチャートを用いて、自動運転ＥＣＵ１０での自車の走路の特定に関連する処理（以下、走路特定関連処理）の流れの一例について説明する。図５のフローチャートは、例えば自車の内燃機関又はモータジェネレータを始動させるためのスイッチ（以下、パワースイッチ）がオンになった場合に開始される構成とすればよい。また、図５のフローチャートは、走路特定部１０８で特定した走路を利用する運転支援の機能がオンになった場合に開始される構成としてもよい。他にも、図５のフローチャートは、自車の自動化レベルがＬＶ１以上の特定レベル以上になった場合に開始される構成としてもよい。特定レベルについては任意に設定可能とすればよい。図５では、所定道路構造が交差点である場合を例に挙げて説明を行う。

まず、ステップＳ１では、自律走路生成部１０６が、センサ取得部１０４で取得したセンシング結果を用いて、自車の走路を生成する。ステップＳ２では、地図走路生成部１０５が、地図取得部１０１で取得した地図情報と、位置特定部１０３で特定した自車位置とを用いて、自車の走路を生成する。Ｓ１の処理とＳ２の処理とは順序が逆であってもよいし、並行して実施してもよい。

ステップＳ３では、所定環境特定部１０７が、地図取得部１０１で取得した地図情報と、位置特定部１０３で特定した自車位置とを用いて、自車の進路前方の交差点を特定する。ステップＳ４では、位置特定部１０３で特定した自車位置からＳ３で特定した交差点までの距離である交差点距離Ｘが、設定距離Ｄ以上の場合（Ｓ４でＹＥＳ）には、ステップＳ５に移る。一方、交差点距離Ｘが、設定距離Ｄ未満の場合（Ｓ４でＮＯ）には、ステップＳ６に移る。交差点距離Ｘは、例えば所定環境特定部１０７が、地図取得部１０１で取得した地図情報と、位置特定部１０３で特定した自車位置とから算出すればよい。

ステップＳ５では、走路特定部１０８が、自律走路特定を行って、ステップＳ１０に移る。ステップＳ６では、自車が交差点内と判定した場合（Ｓ６でＹＥＳ）には、ステップＳ９に移る。一方、自車が交差点内でないと判定した場合（Ｓ６でＮＯ）には、ステップＳ７に移る。自車が交差点内か否かは、例えば所定環境特定部１０７が、交差点距離Ｘをもとに判定すればよい。交差点の座標として交差点中心の座標を用いる場合には、例えば、交差点距離Ｘが交差点中心から交差点の出入口までの距離未満か否かで、自車が交差点内か否かを判定すればよい。交差点の座標として交差点のノード座標を用いる場合には、例えば、交差点距離Ｘが０か否かで、自車が交差点内か否かを判定すればよい。

ステップＳ７では、走路特定部１０８が、Ｓ１で生成した走路のパラメータとＳ２で生成した走路のパラメータとについて、交差点距離Ｘに応した重み付け統合を行う。詳しくは、フュージョン走路特定のパラメータ＝（Ｘ／Ｄ）×自律走路特定のパラメータ＋（１－（Ｘ／Ｄ））×地図走路特定のパラメータの式で示す重み付け統合を行えばよい。

ステップＳ８では、Ｓ７で重み付け統合を行ったパラメータを用いて、走路特定部１０８が、フュージョン走路特定を行い、ステップＳ１０に移る。一方、ステップＳ９では、走路特定部１０８が、地図走路特定を行って、ステップＳ１０に移る。

ステップＳ１０では、走路特定関連処理の終了タイミングであった場合（Ｓ１０でＹＥＳ）には、走路特定関連処理を終了する。一方、走路特定関連処理の終了タイミングでなかった場合（Ｓ１０でＮＯ）には、Ｓ１に戻って処理を繰り返す。走路特定関連処理の終了タイミングの一例としては、自車のパワースイッチがオフになったこと，自車の自動化レベルがＬＶ０となったこと等が挙げられる。

実施形態１の構成によれば、所定道路構造を特定したことに基づき、周辺監視センサ１４でのセンシング結果と地図情報とを切り替えて走路を特定する。よって、より精度の良い情報を用いて走路を特定することが可能になる。また、精度良く走路の特定を行うことが可能になるので、自動運転等の運転支援の機能の安定性及び継続性が向上する。

（実施形態２）
実施形態１では、所定環境特定部１０７で特定する所定環境を所定道路構造とする構成を示したが、必ずしもこれに限らない。例えば、以下の実施形態２の構成としてもよい。以下では、実施形態２の構成の一例について図を用いて説明する。なお、実施形態２の車両用システム１は、自動運転ＥＣＵ１０の代わりに自動運転ＥＣＵ１０ａを含む点を除けば、実施形態１の車両用システム１と同様である。

＜自動運転ＥＣＵ１０ａの概略構成＞
ここで、図６を用いて自動運転ＥＣＵ１０ａにおける自車の走路特定に関する概略構成についての説明を行う。自動運転ＥＣＵ１０ａは、図６に示すように、走路特定について、地図取得部１０１、車両情報取得部１０２、位置特定部１０３、センサ取得部１０４、地図走路生成部１０５、自律走路生成部１０６、所定環境特定部１０７ａ、走路特定部１０８ａ、渋滞取得部１０９、及び動的環境判定部１１０を機能ブロックとして備える。自動運転ＥＣＵ１０ａは、所定環境特定部１０７及び走路特定部１０８の代わりに所定環境特定部１０７ａ及び走路特定部１０８ａを備える点と、渋滞取得部１０９及び動的環境判定部１１０を備える点とを除けば、実施形態１の自動運転ＥＣＵ１０と同様である。この自動運転ＥＣＵ１０ａも走路特定装置に相当する。また、コンピュータによって自動運転ＥＣＵ１０ａの各機能ブロックの処理が実行されることが、走路特定方法が実行されることに相当する。

渋滞取得部１０９は、渋滞情報を取得する。渋滞取得部１０９は、通信モジュール１１を介して、自車の外部のサーバから渋滞情報を取得する。渋滞情報は、道路の渋滞度合いを示す情報である。渋滞度合いは、渋滞の有無の２段階の度合いであってもよいし、３段階以上の度合いであってもよい。例えば、渋滞情報は、リンクごとの渋滞度合いを示す情報とすればよい。

動的環境判定部１１０は、センサ取得部１０４で取得したセンシング結果が示す状況を解釈する。動的環境判定部１１０で解釈する状況は、自車と他車両との接近度合い，他車両による区画線の遮蔽度合い等である。自車と他車両との接近度合いは、例えば自車と自車の前方車両との距離等とすればよい。他車両による区画線の遮蔽度合いは、例えば他車両に遮蔽されずにセンシング結果から認識できる区画線の長さとすればよい。

所定環境特定部１０７ａは、周辺監視センサ１４のセンシング範囲が自車の前方車両によって規定範囲以上遮蔽されると推定される状況（以下、所定状況）を特定する。この所定環境特定部１０７ａでの処理が所定環境特定処理に相当する。ここで言うところの規定範囲とは、センシング結果での走路の特定精度が低下すると推定される範囲であって、任意に設定可能とすればよい。所定環境特定部１０７ａは、所定道路構造の代わりに所定状況を特定する点を除けば、実施形態１の所定環境特定部１０７と同様である。

所定環境特定部１０７ａは、渋滞を所定状況として特定すればよい。これは、渋滞で自車と前方車両との車間距離が狭くなることで、前方車両によって区画線が遮蔽されやすくなるためである。所定環境特定部１０７ａは、渋滞取得部１０９で取得する渋滞情報から、所定状況としての予測可能な渋滞（以下、予測可能渋滞）を特定すればよい。また、所定環境特定部１０７ａは、動的環境判定部１１０で解釈する状況から、所定状況としての前方車両により区画線の一定上の遮蔽（以下、遮蔽状況），前もっての予測が困難な渋滞（以下、予測困難渋滞）を特定してもよい。

走路特定部１０８ａは、所定環境特定部１０７ａで所定状況を特定したことに基づいて、地図走路特定に切り替える。この走路特定部１０８ａでの処理も走路特定処理に相当する。これによれば、センシング結果では自車の走路の特定精度が低下すると推定される所定状況であっても、地図情報を用いて、精度良く走路を特定することが可能になる。一方、所定状況でなければ、センシング結果を用いて、精度良く走路を特定することが可能になる。その結果、車両の走路の特定に周辺監視センサ１４と地図情報とを利用する場合であっても、より精度良く走路を特定することが可能になる。走路特定部１０８ａは、所定道路構造を特定したことの代わりに、所定状況を特定したことに基づいて、地図走路特定に切り替える点を除けば、実施形態１の走路特定部１０８と同様である。

走路特定部１０８ａは、所定環境特定部１０７ａで特定した所定状況としての予測可能渋滞に基づいて、自車から予測可能渋滞に該当する区間までの距離が近くなるのに応じて、自律走路特定から、フュージョン走路特定を経て、地図走路特定に切り替えることが好ましい。また、走路特定部１０８ａは、自車から予測可能渋滞に該当する区間までの距離が遠くなるのに応じて、地図走路特定から、フュージョン走路特定を経て、自律走路特定に切り替えることが好ましい。これによれば、自車が渋滞の区間に接近して通過し、離れていくまで、走路の急峻な変化を抑えつつ、走路の特定精度をより高く維持し続けることが可能になる。

自車から予測可能渋滞の区間までの距離に応じた走路特定の切り替えについては、実施形態１で説明した、自車から所定道路構造までの距離に応じた走路特定の切り替えと同様にすればよい。自車から予測可能渋滞の区間までの距離は、自車位置から予測可能渋滞に該当するリンクの直近の端部座標までの距離とすればよい。予測可能渋滞の区間が複数のリンクに跨る場合は、この複数のリンク群を１まとまりとした区間の始点と終点との座標を端部座標として扱えばよい。

なお、走路特定部１０８ａは、所定環境特定部１０７ａで遮蔽状況，予測困難渋滞を特定してからの走行距離が増すのに応じて、自律走路特定から、フュージョン走路特定を経て、地図走路特定に切り替えてもよい。また、走路特定部１０８ａは、所定環境特定部１０７ａで遮蔽状況，予測困難渋滞を特定しなくなってからの走行距離が増すのに応じて、地図走路特定から、フュージョン走路特定を経て、自律走路特定に切り替えてもよい。これによれば、自車が遮蔽状況，予測困難渋滞に該当する区間に進入して通過し、離れていくまで、走路の急峻な変化を抑えつつ、走路の特定精度をより高く維持し続けることが可能になる。

実施形態２の構成によれば、所定状況を特定したことに基づき、周辺監視センサ１４でのセンシング結果と地図情報とを切り替えて走路を特定する。よって、より精度の良い情報を用いて走路を特定することが可能になる。また、精度良く走路の特定を行うことが可能になるので、自動運転等の運転支援の機能の安定性及び継続性が向上する。

（実施形態３）
前述の実施形態では、走路特定装置の機能を自動運転ＥＣＵ１０，１０ａが担う構成を示したが、必ずしもこれに限らない。例えば、自動運転ＥＣＵ１０，１０ａ以外の電子制御装置が走路特定装置の機能を担ってもよい。

なお、本開示は、上述した実施形態に限定されるものではなく、請求項に示した範囲で種々の変更が可能であり、異なる実施形態にそれぞれ開示された技術的手段を適宜組み合わせて得られる実施形態についても本開示の技術的範囲に含まれる。また、本開示に記載の制御部及びその手法は、コンピュータプログラムにより具体化された１つ乃至は複数の機能を実行するようにプログラムされたプロセッサを構成する専用コンピュータにより、実現されてもよい。あるいは、本開示に記載の装置及びその手法は、専用ハードウェア論理回路により、実現されてもよい。もしくは、本開示に記載の装置及びその手法は、コンピュータプログラムを実行するプロセッサと１つ以上のハードウェア論理回路との組み合わせにより構成された１つ以上の専用コンピュータにより、実現されてもよい。また、コンピュータプログラムは、コンピュータにより実行されるインストラクションとして、コンピュータ読み取り可能な非遷移有形記録媒体に記憶されていてもよい。

１ 車両用システム、１０，１０ａ 自動運転ＥＣＵ（走路特定装置）、１４ 周辺監視センサ、１０１ 地図取得部、１０４ センサ取得部、１０７，１０７ａ 所定環境特定部、１０８，１０８ａ 走路特定部

Claims (7)

1. 車両で用いられる周辺監視センサ（１４）でのセンシング結果を取得するセンサ取得部（１０４）と、
   地図情報を取得する地図取得部（１０１）と、
   前記センサ取得部で取得する前記センシング結果と、前記地図取得部で取得する前記地図情報とのいずれも用いて、前記車両の走路を特定することが可能な走路特定部（１０８，１０８ａ）と、
   前記センシング結果及び前記地図情報のうちの前記センシング結果では前記走路の特定精度が低下すると推定される所定環境を特定する所定環境特定部（１０７，１０７ａ）とを備え、
   前記走路特定部は、前記所定環境特定部で前記所定環境を特定したことに基づいて、前記センシング結果及び前記地図情報のうちの前記地図情報のみを用いた前記走路の特定に切り替える走路特定装置。
2. 請求項１に記載の走路特定装置であって、
   前記走路特定部は、前記所定環境特定部で前記所定環境を特定したことに基づいて、前記センシング結果及び前記地図情報のうちの前記センシング結果のみを用いた前記走路の特定から、前記センシング結果及び前記地図情報のうちの前記地図情報のみを用いた前記走路の特定に切り替える走路特定装置。
3. 請求項２に記載の走路特定装置であって、
   前記走路特定部は、前記所定環境特定部で前記所定環境を特定したことに基づいて、前記センシング結果及び前記地図情報のうちの前記センシング結果のみを用いた前記走路の特定から、前記センシング結果及び前記地図情報の両方を用いた前記走路の特定を経て、前記センシング結果及び前記地図情報のうちの前記地図情報のみを用いた前記走路の特定に切り替える走路特定装置。
4. 請求項１～３のいずれか１項に記載の走路特定装置であって、
   前記所定環境特定部は、前記所定環境として、前記センシング結果及び前記地図情報のうちの前記センシング結果では前記走路の特定精度が低下すると推定される所定道路構造を特定し、
   前記走路特定部は、前記所定環境特定部で特定した前記所定道路構造に基づいて、前記車両から前記所定道路構造までの距離が近くなるのに応じて、前記センシング結果及び前記地図情報のうちの前記センシング結果のみを用いた前記走路の特定から、前記センシング結果及び前記地図情報の両方を用いた前記走路の特定を経て、前記センシング結果及び前記地図情報のうちの前記地図情報のみを用いた前記走路の特定に切り替える一方、前記車両から前記所定道路構造までの距離が遠くなるのに応じて、前記センシング結果及び前記地図情報のうちの前記地図情報のみを用いた前記走路の特定から、前記センシング結果及び前記地図情報の両方を用いた前記走路の特定を経て、前記センシング結果及び前記地図情報のうちの前記センシング結果のみを用いた前記走路の特定に切り替える走路特定装置。
5. 請求項４に記載の走路特定装置であって、
   前記走路特定部は、前記センシング結果及び前記地図情報の両方を用いて前記走路の特定を行う際に、前記車両から前記所定道路構造までの距離が近くなるのに応じて、前記走路の特定に前記地図情報を用いる比率を高くする走路特定装置。
6. 請求項１～３のいずれか１項に記載の走路特定装置であって、
   前記所定環境特定部は、前記所定環境として、前記周辺監視センサのセンシング範囲が前記車両の前方車両によって規定範囲以上遮蔽されると推定される状況を特定する走路特定装置。
7. 少なくとも１つのプロセッサにより実行される、
   車両で用いられる周辺監視センサ（１４）でのセンシング結果を取得するセンサ取得工程と、
   地図情報を取得する地図取得工程と、
   前記センサ取得工程で取得する前記センシング結果と、前記地図取得工程で取得する前記地図情報とのいずれも用いて、前記車両の走路を特定することが可能な走路特定工程と、
   前記センシング結果及び前記地図情報のうちの前記センシング結果では前記走路の特定精度が低下すると推定される所定環境を特定する所定環境特定工程とを含み、
   前記走路特定工程では、前記所定環境特定工程で前記所定環境を特定したことに基づいて、前記センシング結果及び前記地図情報のうちの前記地図情報のみを用いた前記走路の特定に切り替える走路特定方法。

Images