JP4396653B2 - 物体進路予測方法、装置、およびプログラム - Google Patents

Description

本発明は、物体の位置および内部状態に基づいてその物体の進路を予測する物体進路予測方法、装置、およびプログラムに関する。

近年、四輪自動車等の移動体の自動運転を実現するために、さまざまな試みがなされてきている。移動体の自動運転を実現するためには、周囲に存在する車両、歩行者、または障害物などの物体の正確な検知と、この検知結果に基づいた走行中の危険の回避とが重要である。このうち、周囲の物体を精度よく検知するための技術として、各種センサや各種レーダを用いた物体検知技術が知られている。

移動体の自動運転技術は、目的地を入力すれば自動的に出発地から目的地へと移動体を動かす技術である。この技術は、移動範囲が狭い場合には、移動範囲の地図を事前に作成し、動的な障害物の影響を事前予測することによって経路探索技術に帰着させることができる。しかしながら、移動体が自動車である場合のように、移動体の移動範囲が広範囲である場合には、自動運転技術を経路探索技術に帰着させることはできない。ここでいう広範囲とは、動的障害物を回避する上で必要な時間ｔと全工程を走行するために必要な時間τとが著しく異なるような範囲のことであり、例えばｔが数秒程度であるのに対して、τが数時間程度であるような場合である。

移動体の移動範囲が広範囲である場合、自動運転技術を経路探索技術に帰着させることはできないのには、主に二つの理由がある。まず、第１の理由を述べる。移動体が出発地を出発してから、例えば１０ｔ程度時間が経過した後の状況を考える。この場合には、動的な障害物の影響は道路全体に広がり、衝突しない経路を定義することができない。すなわち、移動体の移動範囲が広範囲である場合、出発地から目的地までの経路を事前に算出することは不可能となる。次に、第２の理由を述べる。移動体の移動範囲が広範囲である場合には、上述したように、全工程を走行するために必要な時間τはｔと比べて非常に長い。このため、自動車に搭載されるコンピュータが、現実の衝突回避を実現可能な実用的な時間の内に必要な計算を終了することは不可能である。

このように、自動車などの広範囲を移動する移動体の自動運転技術においては、少なくとも他の動的障害物の影響を考慮しないか、またはその影響を実用上必要とせずに行う経路探索技術に加えて、動的障害物との衝突回避に必要な計算を実用的な時間で終了し、走行中の危険を回避するための進路を算出する進路算出技術が必要となる。

上述した進路算出技術として、複数の物体と自車とから成るシステムにおいて、自車の位置および速度に関する情報と、自車以外の複数の物体の位置および速度に関する情報とを用いることにより、自車を含む各物体の進路を生成し、システムを構成する物体のうちいずれか二つの物体が衝突する可能性を予測する技術が知られている（例えば、非特許文献１を参照）。この技術では、システムを構成する全ての物体が取りうる進路を、確率概念を用いた同じ枠組みの操作系列によって予測して出力する。その後、得られた予測結果に基づいて、自車を含むシステム全体にとって最も安全な状況を実現する進路を求めて出力する。

A. Broadhurst, S. Baker, and T. Kanade, "Monte Carlo Road Safety Reasoning", IEEE Intelligent Vehicle Symposium (IV2005), IEEE,（２００５年６月）

しかしながら、上記非特許文献１に開示されている技術では、システムを構成する全ての物体が安全となるような進路を予測することを主眼としているため、そのような予測によって得られた進路が、特定の物体（例えば自車）にとっての安全性を十分に確保するものであるか否かは定かではなかった。

この点についてより具体的に説明する。現実の道路状況においては、他車の運転者または歩行者が道路状況の認知ミスを起こし、本人が意識しないうちに自車を含む周囲の物体にとって好ましくない挙動を示す可能性がある。これに対して、上述した非特許文献１では、全ての物体は安全性を優先した挙動を示すということが暗黙裡に仮定されているため、ある物体が周囲の物体にとって好ましくない挙動を示す場合のように、現実として起こりうる状況下においても十分な安全性を確保することができるか否かは不明であった。

本発明は、上記に鑑みてなされたものであって、現実として起こりうる状況下においても安全性の確保を図ることができる物体進路予測方法、装置、およびプログラムを提供することを目的とする。

上述した課題を解決し、目的を達成するために、本発明に係る物体進路予測方法は、物体の位置と当該物体の速度を含む内部状態とを少なくとも記憶する記憶手段を備えたコンピュータが、前記物体の進路を予測する物体進路予測方法であって、前記物体の位置および内部状態を前記記憶手段から読み出し、この読み出した前記物体の位置および内部状態に基づいて、前記物体が時間の経過とともに取りうる位置の変化を時間および空間から構成される時空間上での軌跡として生成する軌跡生成ステップと、前記軌跡生成ステップで生成した軌跡を用いることによって前記物体の進路の確率的な予測を行う予測ステップと、を有することを特徴とする。

また、本発明に係る物体進路予測方法は、上記発明において、前記軌跡生成ステップは、前記物体に対する操作を複数の操作から選択する操作選択ステップと、前記操作選択ステップで選択した操作を所定時間動作させる物体操作ステップと、前記物体操作ステップで前記選択した操作を動作させた後の前記物体の位置および内部状態が当該物体の制御に関する制御条件および当該物体の移動可能領域に関する移動条件を満たしているか否かを判定する判定ステップと、を含み、前記操作選択ステップから前記判定ステップに至る一連の処理を、軌跡を生成する軌跡生成時間に達するまで繰り返し行うことを特徴とする。

また、本発明に係る物体進路予測方法は、上記発明において、前記操作選択ステップは、前記複数の操作の各々に付与された操作選択確率にしたがって操作を選択し、前記判定ステップで判定した結果、前記物体の位置および内部状態が前記制御条件および前記移動条件を満たしている場合には、時間を進めて前記操作選択ステップに戻ることを特徴とする。

また、本発明に係る物体進路予測方法は、上記発明において、前記操作選択確率は、乱数を用いて定義されることを特徴とする。

また、本発明に係る物体進路予測方法は、上記発明において、前記軌跡生成ステップで生成すべき軌跡の数が予め定められていることを特徴とする。

また、本発明に係る物体進路予測方法は、上記発明において、前記判定ステップで判定した結果、前記制御条件および前記移動条件を満たしている場合には、時間を進めて再帰呼出を行うことにより、選択可能な全ての操作を動作させることを特徴とする。

また、本発明に係る物体進路予測方法は、上記発明において、前記記憶手段は、複数の物体の位置および内部状態を記憶し、前記軌跡生成ステップは、前記複数の物体の前記時空間における軌跡をそれぞれ生成することを特徴とする。

また、本発明に係る物体進路予測方法は、上記発明において、前記予測ステップは、前記複数の物体の中から一つの物体を特定し、この特定した物体以外の物体の前記時空間における存在確率を算出することを特徴とする。

また、本発明に係る物体進路予測方法は、上記発明において、前記予測ステップにおける予測結果を含む情報を出力する出力ステップをさらに有することを特徴とする。

また、本発明に係る物体進路予測装置は、物体の位置と当該物体の速度を含む内部状態とを少なくとも記憶する記憶手段と、前記物体の位置および内部状態を前記記憶手段から読み出し、この読み出した前記物体の位置および内部状態に基づいて、前記物体が時間の経過とともに取りうる位置の変化を時間および空間から構成される時空間上での軌跡として生成する軌跡生成手段と、前記軌跡生成手段で生成した軌跡を用いることによって前記物体の進路の確率的な予測を行う予測手段と、を備えたことを特徴とする。

また、本発明に係る物体進路予測装置は、上記発明において、前記軌跡生成手段は、前記物体に対する操作を複数の操作から選択する操作選択手段と、前記操作選択手段で選択した操作を所定時間動作させる物体操作手段と、前記物体操作手段で前記選択した操作を動作させた後の前記物体の位置および内部状態が当該物体の制御に関する制御条件および当該物体の移動可能領域に関する移動条件を満たしているか否かを判定する判定手段と、を含み、前記操作選択手段による操作選択処理から前記判定手段による判定処理に至る一連の処理を、軌跡を生成する軌跡生成時間に達するまで繰り返し行うことを特徴とする。

また、本発明に係る物体進路予測装置は、上記発明において、前記操作選択手段は、前記複数の操作の各々に付与された操作選択確率にしたがって操作を選択し、前記判定手段で判定した結果、前記物体の位置および内部状態が前記制御条件および前記移動条件を満たしている場合には、時間を進めて前記操作選択手段による操作選択処理に戻ることを特徴とする。

また、本発明に係る物体進路予測装置は、上記発明において、前記操作選択確率は、乱数を用いて定義されることを特徴とする。

また、本発明に係る物体進路予測装置は、上記発明において、前記軌跡生成手段で生成すべき軌跡の数が予め定められていることを特徴とする。

また、本発明に係る物体進路予測装置は、上記発明において、前記判定手段で判定した結果、前記制御条件および前記移動条件を満たしている場合には、時間を進めて再帰呼出を行うことにより、選択可能な全ての操作を動作させることを特徴とする。

また、本発明に係る物体進路予測装置は、上記発明において、前記記憶手段は、複数の物体の位置および内部状態を記憶し、前記軌跡生成手段は、前記複数の物体の前記時空間における軌跡をそれぞれ生成することを特徴とする。

また、本発明に係る物体進路予測装置は、上記発明において、前記予測手段は、前記複数の物体の中から一つの物体を特定し、この特定した物体以外の物体の前記時空間における存在確率を算出することを特徴とする。

また、本発明に係る物体進路予測装置は、上記発明において、前記予測手段による予測結果を含む情報を出力する出力手段をさらに備えたことを特徴とする。

また、本発明に係る物体進路予測プログラムは、上記いずれかの発明に記載の物体進路予測方法を前記コンピュータに実行させることを特徴とする。

本発明によれば、物体の位置および当該物体の速度を含む内部状態を記憶する記憶手段を備えたコンピュータが、前記物体の位置および内部状態を前記記憶手段から読み出し、この読み出した前記物体の位置および内部状態に基づいて、前記物体が時間の経過とともに取りうる位置の変化を時間および空間から構成される時空間上での軌跡として生成し、この生成した軌跡を用いることによって前記物体の進路の確率的な予測を行うことにより、現実として起こりうる状況下においても安全性の確保を図ることが可能となる。

以下、添付図面を参照して本発明を実施するための最良の形態（以後、「実施の形態」と称する）を説明する。

（実施の形態１）
図１は、本発明の実施の形態１に係る物体進路予測装置の機能構成を示すブロック図である。同図に示す物体進路予測装置１は、四輪自動車等の移動体に搭載され、自車の周囲の所定範囲に存在する物体を検知し、この検知した物体および自車の進路を予測する装置である。

物体進路予測装置１は、各種情報が外部から入力される入力部２と、所定の範囲に存在する物体の位置や内部状態を検知するセンサ部３と、センサ部３が検知した結果に基づいて、物体が時間の経過とともに取りうる位置の変化を時間および空間から構成される時空間上での軌跡として生成する軌跡生成部４と、軌跡生成部４で生成した軌跡を用いて物体の進路の確率的な予測を行う予測部５と、少なくとも予測部５で行われた予測結果を含む各種情報を出力する出力部６と、軌跡生成部４で生成された時空間上の軌跡や予測部５における予測結果を含む情報を記憶する記憶部７と、を備える。

入力部２は、物体の進路を予測する際の各種設定情報等の入力を行う機能を有し、リモコン、キーボード（画面上での入力操作が可能なタッチパネル形式を含む）、ポインティングデバイス（マウス、トラックパッド等）などを用いて実現される。また、入力部２として、音声による情報の入力が可能なマイクロフォンを設けてもよい。なお、予め各種設定情報が定められる場合は、それらを格納したＲＯＭ（Read Only Memory）等を有する記憶部７によって入力部２の機能を代替してもよい。

センサ部３は、ミリ波レーダ、レーザレーダ、画像センサ等を用いることによって実現される。また、センサ部３は、速度センサ、加速度センサ、舵角センサ、角速度センサ等の各種センサを備えており、自車の移動状況を検知することもできる。なお、センサ部３が検知する物体の内部状態とは、物体の予測に用いることができるような有益な状態のことであり、好ましくは物体の速度（速さと向きを有する）や角速度（大きさと向きを有する）等の物理量である。なお、それらの物理量の値が０の場合（物体が停止している状態）も含まれることは勿論である。

軌跡生成部４は、所定の時間が経過するまでに物体が取りうる軌跡を予測生成するものであり、物体をシミュレーション上で仮想的に動作させるための操作を複数の操作から選択する操作選択部４１と、操作選択部４１で選択した操作を所定の時間行う物体操作部４２と、物体操作部４２で操作した後の物体の位置および内部状態が所定の条件を満たしているか否かを判定する判定部４３とを有する。

予測部５は、軌跡生成部４から出力される物体ごとの軌跡を用いることによって物体進路の確率的な予測演算を行う予測演算部５１と、予測演算部５１における予測演算結果に応じて出力部６で表示出力する画像を生成する画像生成部５２とを有する。

出力部６は、予測部５の画像生成部５２で生成された画像を表示出力する表示部６１を有する。表示部６１は、液晶、プラズマ、または有機ＥＬ（Electroluminescence）等のディスプレイを用いて実現される。本実施の形態１においては、表示部６１として運転席の後方上部にプロジェクタを設置している。このプロジェクタは、四輪自動車のフロントガラスへの重畳表示を行う機能を有している。なお、出力部６として、音声情報を外部に出力するスピーカーを設けてもよい。

記憶部７は、センサ部３での検知結果に加えて、軌跡生成部４で生成された軌跡、予測部５における予測結果、および軌跡生成部４の操作選択部４１で選択する操作などを記憶する。この記憶部７は、所定のＯＳ（Operation System）を起動するプログラムや本実施の形態１に係る物体進路予測プログラム等が予め記憶されたＲＯＭ（Read Only Memory）、および各処理の演算パラメータやデータ等を記憶するＲＡＭ（Random Access Memory）を用いて実現される。また、記憶部７は、物体進路予測装置１に対してコンピュータ読み取り可能な記録媒体を搭載可能なインタフェースを設け、このインタフェースに対応する記録媒体を搭載することによって実現することもできる。

以上の機能構成を有する物体進路予測装置１は、演算および制御機能を有するＣＰＵ（Central Processing Unit）を備えた電子的な装置（コンピュータ）である。物体進路予測装置１が備えるＣＰＵは、記憶部７が記憶、格納する情報および上述した物体進路予測プログラムを含む各種プログラムを記憶部７から読み出すことによって本実施の形態１に係る物体進路予測方法に関する演算処理を実行する。

なお、本実施の形態１に係る物体進路予測プログラムは、ハードディスク、フレキシブルディスク、ＣＤ−ＲＯＭ、ＤＶＤ−ＲＯＭ、フラッシュメモリ、ＭＯディスク等のコンピュータ読み取り可能な記録媒体に記録して広く流通させることも可能である。

次に、本発明の実施の形態１に係る物体進路予測方法について説明する。図２は、本実施の形態１に係る物体進路予測方法の処理の概要を示すフローチャートである。以下の説明においては、予測対象の物体は全て２次元平面上を移動するものと仮定して説明を行うが、本実施の形態１に係る物体進路予測方法は、３次元空間を移動する物体に対しても適用可能である。また、一つの物体が複数の自由度を有する場合（例えば６自由度を有するロボットアームのような物体）にも適用することができる。

まず、センサ部３において、所定の範囲にある物体の自車に対する位置および内部状態を検知し、検知した情報を記憶部７に格納する（ステップＳ１）。以後、物体の位置は物体の中心の値であるとし、物体の内部状態は速度（速さｖ、向きθ）によって特定されるものとする。なお、このステップＳ１において、自車の内部状態も検知し、記憶部７に格納することは勿論である。

次に、センサ部３によって入力された検知結果を用いることにより、軌跡生成部４が物体ごとに軌跡を生成する（ステップＳ２）。図３は、軌跡生成部４における軌跡生成処理の詳細を示すフローチャートである。同図においては、センサ部３で検知した物体の総数（自車を含む）をＩとし、一つの物体Ｏ_i（１≦ｉ≦Ｉ、ｉは自然数）に対して軌跡を生成する演算をＮ_i回行うものとする（この意味で、ＩおよびＮ_iはともに自然数）。また、軌跡を生成する時間（軌跡生成時間）をＴ（＞０）とする。

本実施の形態１では、軌跡生成時間Ｔ（および後述する操作時間Δｔ）を適切に定めることにより、実用的な計算時間で他車の進路など外界の変化の予測を行うことが可能となる。この点については、本発明の他の実施の形態に対しても共通していえることである。

最初に、物体を識別するカウンタｉの値を１とするとともに、同じ物体に対する軌跡生成回数を示すカウンタｎの値を１とする初期化を行う（ステップＳ２０１）。

次に、軌跡生成部４では、センサ部３で検知した結果を記憶部７から読み出し、この読み出した検知結果を初期状態とする（ステップＳ２０２）。具体的には、時間ｔを０とし、初期位置（ｘ_i（０）、ｙ_i（０））および初期内部状態（ｖ_i（０）、θ_i（０））を、それぞれセンサ部３からの入力情報（ｘ_i0、ｙ_i0）および（ｖ_i0、θ_i0）とする。

続いて、操作選択部４１が、その後の時間Δｔの間に行う操作ｕ_i（ｔ）を、選択可能な複数の操作の中から、各操作に予め付与された操作選択確率にしたがって一つの操作を選択する（ステップＳ２０３）。操作ｕ_icを選択する操作選択確率ｐ（ｕ_ic）は、例えばｕ_i（ｔ）として選択可能な操作の集合｛ｕ_ic｝の要素と所定の乱数とを対応付けることによって定義される。この意味で、操作ｕ_icごとに異なる操作選択確率ｐ（ｕ_ic）を付与してもよいし、操作集合｛ｕ_ic｝の全要素に対して等しい確率を付与してもよい。後者の場合には、ｐ（ｕ_ic）＝１／（選択可能な全操作数）となる。なお、操作選択確率ｐ（ｕ_ic）を、自車の位置および内部状態、ならびに周囲の道路環境に依存する関数として定義することも可能である。

一般に、操作ｕ_icは複数の要素から構成され、物体Ｏ_iの種類によって選択可能な操作の内容が異なる。例えば、物体Ｏ_iが四輪自動車の場合、その四輪自動車の加速度や角速度はステアリングの切り具合やアクセルの踏み具合等によって決まる。このことに鑑みて、四輪自動車である物体Ｏ_iに対して施される操作ｕ_icは、加速度や角速度を含む要素によって決定される。これに対して、物体Ｏ_iが人である場合には、速度によって操作ｕ_icを指定することができる。

より具体的な操作ｕ_icの設定例を挙げる。物体Ｏ_iが自動車の場合には、加速度を−１０〜＋３０ｋｍ／ｈ／ｓｅｃ、操舵角を−７〜＋７ｄｅｇ／ｓｅｃの範囲で取り（いずれも符号で向きを指定）、物体Ｏ_iが人の場合には、速さを０〜３６ｋｍ／ｈ、向きを０〜３６０ｄｅｇの範囲で取る。なお、ここで記載した量は全て連続量である。このような場合には、適当な離散化を施すことによって各操作の要素数を有限とし、操作の集合｛ｕ_ic｝を構成すればよい。

この後、物体操作部４２が、ステップＳ２０３で選択した操作ｕ_icを時間Δｔの間動作させる（ステップＳ２０４）。この時間Δｔは、精度の上では小さい方がより好ましいが、実用上は０．１〜０．５（ｓｅｃ）程度の値とすればよい。なお、以下の説明において、軌跡生成時間ＴはΔｔの整数倍であるとするが、Ｔの値は物体Ｏ_iの速度に応じて可変としてもよく、Δｔの整数倍でなくてもよい。

続いて、判定部４３では、ステップＳ２０４で操作ｕ_icを動作させた後の物体Ｏ_iの内部状態が所定の制御条件を満たしているか否かを判定する（ステップＳ２０５）とともに、操作ｕ_icを動作させた後の物体Ｏ_iの位置が移動可能領域内にあるか否かを判定する（ステップＳ２０６）。このうち、ステップＳ２０５で判定する制御条件は、物体Ｏ_iの種類に応じて定められ、例えば物体Ｏ_iが四輪自動車である場合には、ステップＳ２０４の動作後の速度の範囲や、ステップＳ２０４の動作後の加速度の最高車両Ｇ等によって定められる。他方、ステップＳ２０６で判定する移動可能領域とは、道路（車道、歩道を含む）等の領域を指す。以後、物体が移動可能領域に位置する場合を、「移動条件を満たす」と表現する。

上述した判定部４３における判定の結果、一つでも満足しない条件がある場合（ステップＳ２０５でＮｏまたはステップＳ２０６でＮｏ）には、ステップＳ２０２に戻る。これに対して、判定部４３における判定の結果、ステップＳ２０４における操作ｕ_ic終了後の物体Ｏ_iの位置および内部状態が全ての条件を満足している場合（ステップＳ２０５でＹｅｓおよびステップＳ２０６でＹｅｓ）には、時間をΔｔだけ進め（ｔ←ｔ＋Δｔ）、ステップＳ２０４の動作後の位置を（ｘ_i（ｔ）、ｙ_i（ｔ））、内部状態を（ｖ_i（ｔ）、θ_i（ｔ））とする（ステップＳ２０７）。

以上説明したステップＳ２０２〜Ｓ２０７の処理は、軌跡生成時間Ｔに達するまで繰り返し行われる。すなわち、ステップＳ２０７で新たに定義された時間ｔがＴに達していない場合（ステップＳ２０８でＮｏ）、ステップＳ２０３に戻って処理を繰り返す。他方、ステップＳ２０７で新たに定義された時間ｔがＴに達した場合（ステップＳ２０８でＹｅｓ）、物体Ｏ_iに対する軌跡を出力し、記憶部７に格納する（ステップＳ２０９）。

図４は、物体Ｏ_iに対して時間ｔ＝０、Δｔ、２Δｔ、・・・、ＴでステップＳ２０３からステップＳ２０７に至る一連の処理を繰り返すことによって生成された物体Ｏ_iの軌跡を模式的に示す図である。同図に示す軌跡Ｐ_i（ｍ）（１≦ｍ≦Ｎ_i、ｍは自然数）は、空間２次元（ｘ、ｙ）、時間１次元（ｔ）の３次元時空間（ｘ，ｙ，ｔ）を通過する。この軌跡Ｐ_i（ｍ）をｘ−ｙ平面上に射影すれば、２次元空間（ｘ，ｙ）における物体Ｏ_iの予測進路を得ることができる。

ステップＳ２０９の後、カウンタｎの値がＮ_iに達していなければ（ステップＳ２１０でＮｏ）、カウンタｎの値を１増やし（ステップＳ２１１）、ステップＳ２０３に戻って上述したステップＳ２０３〜Ｓ２０８の処理を軌跡生成時間Ｔに達するまで繰り返し行う。

ステップＳ２１０でカウンタｎがＮ_iに達した場合（ステップＳ２１０でＹｅｓ）、物体Ｏ_iに対する全ての軌跡の生成が完了する。図５は、一つの物体Ｏ_iに対して生成されたＮ_i個の軌跡Ｐ_i（１）、Ｐ_i（２）、・・・、Ｐ_i（Ｎ_i）から成る軌跡集合｛Ｐ_i（ｎ）｝を３次元時空間上で模式的に示す説明図である。軌跡集合｛Ｐ_i（ｎ）｝の要素をなす各軌跡の始点すなわち初期位置（ｘ_i0，ｙ_i0，０）は同じである（ステップＳ２０２を参照）。なお、図５はあくまでも模式図であり、Ｎ_iの値としては、例えば数百〜数万程度の値をとることが可能である。

ステップＳ２１０でカウンタｎがＮ_iに達した場合、物体識別用のカウンタｉが物体の総数Ｉに達していなければ（ステップＳ２１２でＮｏ）、そのカウンタｉの値を１増やすとともに軌跡生成回数のカウンタｎの値を１に初期化し（ステップＳ２１３）、ステップＳ２０２に戻って処理を繰り返す。これに対して物体のカウンタｉがＩに達した場合（ステップＳ２１２でＹｅｓ）、全ての物体に対する軌跡生成が完了したことになるので、ステップＳ２の軌跡生成処理を終了し、続くステップＳ３に進む。

このようにして、センサ部３で検知した全ての物体に対して所定の回数の軌跡生成処理を行うことにより、３次元時空間の所定の範囲内に存在する複数の物体が取りうる軌跡の集合から成る時空間環境Ｅｎｖ（Ｐ）が形成される。図６は、時空間環境Ｅｎｖ（Ｐ）の構成例を模式的に示す説明図である。同図に示す時空間環境Ｅｎｖ（Ｐ）は、物体Ｏ₁の軌跡集合｛Ｐ₁（ｎ）｝（図６では実線で表示）および物体Ｏ₂の軌跡集合｛Ｐ₂（ｎ）｝（図６では破線で表示）から成る。より具体的には、時空間環境Ｅｎｖ（Ｐ）は、二つの物体Ｏ₁およびＯ₂が、高速道路のような平坦かつ直線状の道路Ｒを＋ｙ軸方向に向かって移動している場合の時空間環境を示すものである。本実施の形態１においては、物体同士の相関は考慮せずに物体ごとに独立に軌跡生成を行っているため、異なる物体の軌跡同士が時空間上で交差することもある。

図６において、時空間の各領域における軌跡集合｛Ｐ_i（ｎ）｝（ｉ＝１，２）の単位体積当たりの密度は、その時空間の各領域における物体Ｏ_iの存在確率の密度（以後、「時空間確率密度」と称する）を与えている。したがって、ステップＳ２における軌跡生成処理によって構成された時空間環境Ｅｎｖ（Ｐ）を用いることにより、物体Ｏ_iが３次元時空間上の所定の領域を通過する確率を求めることが可能となる。なお、上述した時空間確率密度は、あくまでも時空間上における確率概念であるため、一つの物体に対して時空間上でその値の総和を取ったときに１になるとは限らない。

ところで、軌跡生成時間Ｔの具体的な値は、予め固定値として設定する場合には、その値Ｔを超えたところまで軌跡を生成すると時空間上の確率密度分布が一様になってしまい、計算しても意味がないような値とするのが好ましい。例えば、物体が四輪自動車であって、その四輪自動車が通常の走行を行っている場合には、たかだかＴ＝５（ｓｅｃ）程度とすればよい。この場合、ステップＳ２０４における操作時間Δｔを０．１〜０．５（ｓｅｃ）程度とすると、１本の軌跡Ｐ_i（ｍ）を生成するために、ステップＳ２０３からステップＳ２０７に至る一連の処理を１０〜５０回繰り返すことになる。

なお、高速道路、一般道、２車線道路などの道路の種類ごとに異なる軌跡生成時間Ｔを設定し、位置データを用いて現在走行中の道路の種類を地図データから読み取る方法や、画像認識等を応用した道路認識装置によって道路の種類を読み取る方法などによって切替を行うことは好ましい。

また、軌跡生成時間Ｔまで算出した軌跡を用いることによって時空間上の確率密度分布を統計的に評価し、分布が一定となっている場合には軌跡生成時間Ｔを減らし、分布が一定となっていない場合には生成時間を増やすような適応制御を行うことも好ましい。

さらには、自車の取り得る複数の進路を予め用意しておき、自車の進路と他の物体の進路との交差する確率が一定となる時間を軌跡生成時間Ｔとして予測を行うことも可能である。この場合、予測時間をΔｔだけ増やしたときに自車の取り得る進路ごとのリスクの増分が一定となる場合をもって打ち切り条件としてもよい。かかる構成においては、安全を確保するために現在取るべき進路の判断材料を得るため、自車の取り得る進路の未来側の端点が空間的に広く分布するように設定されていることはいうまでもない。

以上説明した物体ごとの軌跡生成処理の後、予測部５では、各物体が取りうる進路の確率的な予測を行う（ステップＳ３）。以下では、予測部５の予測演算部５１における具体的な予測演算処理として、物体Ｏ_iに対して生成された軌跡集合｛Ｐ_i（ｎ）｝の中で特定の軌跡Ｐ_i（ｍ）が選ばれる確率を求める場合について説明するが、この予測演算が一例に過ぎないことは勿論である。

物体Ｏ_iの軌跡がＮ_i本生成されたとき、そのうちの１本の軌跡Ｐ_i（ｍ）が実際の軌跡となる確率ｐ（Ｐ_i（ｍ））は、次のように算出される。まず、物体Ｏ_iの軌跡Ｐ_i（ｍ）を実現するための操作列｛ｕ_im（ｔ）｝が｛ｕ_im（０），ｕ_im（Δｔ），ｕ_im（２Δｔ），・・・，ｕ_im（Ｔ）｝であったとすると、時間ｔにおいて操作ｕ_im（ｔ）が選択される確率はｐ（ｕ_im（ｔ））であったので、ｔ＝０〜Ｔで操作列｛ｕ_im（ｔ）｝が実行される確率は、

と求められる。したがって、物体Ｏ_iにＮ_i本の軌跡集合｛Ｐ_i（ｎ）｝が与えられたとき、物体Ｏ_iが取りうる一つの軌跡Ｐ_i（ｍ）が選ばれる確率ｐ（Ｐ_i（ｍ））は、

となる。

ここで、全ての操作ｕ_im（ｔ）が等確率ｐ₀（ただし、０＜ｐ₀＜１）で選択される場合、式（１）は、

となる。ここで、ｓはｔ＝０からＴまでの操作時間Δｔの総数すなわち操作回数である。したがって、物体Ｏ_iが取りうるＮ_i本の軌跡に含まれる軌跡Ｐ_i（ｍ）の確率の総和はＮ_iｐ₀ ^sとなり、そのうちの１本の軌跡Ｐ_i（ｍ）が選ばれる確率ｐ（Ｐ_i（ｍ））は、式（３）を式（２）に代入することによって、

となる。すなわち、確率ｐ（Ｐ_i（ｍ））は軌跡Ｐ_i（ｍ）に依存しない。

なお、式（４）において、全ての物体に対して生成する軌跡の数が同じ（Ｎ本）であるとすると、Ｎ₁＝Ｎ₂＝・・・＝Ｎ_I＝Ｎ（定数）なので、ｐ（Ｐ_i（ｍ））＝１／Ｎとなり、物体Ｏ_iによらず一定となる。この場合には、確率ｐ（Ｐ_i（ｍ））の値を１に規格化することによって予測演算部５１における予測演算を簡素化し、より迅速に所定の予測演算を実行することが可能となる。

予測演算部５１では、物体Ｏ_i（ｉ＝１，２，・・・，Ｉ）ごとに算出した確率ｐ（Ｐ_i（ｍ））に基づいて、３次元時空間の各領域における単位体積当たりの物体Ｏ_iの存在確率を求める。この存在確率は、軌跡集合｛Ｐ_i（ｎ）｝の３次元時空間上の時空間確率密度に対応しており、通過している軌跡の密度が高い領域は、存在確率が概ね大きい。

ここまで説明してきた予測演算部５１における演算の後、画像生成部５２は、得られた演算結果に応じて出力部６の表示部６１で表示する画像に関する画像情報を生成し、出力部６へ送出する。

以上説明したステップＳ３に続いて、予測演算部５１での演算結果に応じた情報すなわち予測結果を表示出力する（ステップＳ４）。図７は、表示部６１における予測結果の表示出力例を示す図であり、二つの物体Ｏ₁（自車）およびＯ₂によって構成された時空間環境Ｅｎｖ（Ｐ）（図６を参照）を用いて予測を行った場合の予測結果の表示出力例を模式的に示す図である。より具体的には、図７では、他の物体Ｏ₂の所定時間後の存在確率が予め定めた閾値を超えるような領域を物体Ｏ₁（自車）のフロントガラスＦに半透明に重畳表示した場合を図示している。なお、半透明に表示されている二つの領域Ｄ_aと領域Ｄ_bとでは照度が異なっている（領域Ｄ_aの方が照度が高い）。このような照度の違いは、予測演算部５１における予測結果を反映したものであり、求めた存在確率の値に応じて異なる照度を有する半透明領域がフロントガラスＦに重畳表示される。

上述した重畳表示は、物体Ｏ₁の運転席の後方上部に設置されたプロジェクタ（出力部６の一部をなす、図示せず）から画像生成部５２で生成された画像をフロントガラスＦに投影することによって実現される。これにより、物体Ｏ₁の運転者は、自車の前方を目視して運転しながら、近い将来に危険が生じる可能性のある領域を即座に認識することができる。したがって、その認識結果を運転に反映させることによって適確に危険を回避することが可能となる。

なお、出力部６における表示出力例はこれに限られるわけではなく、例えばカーナビゲーションシステムの表示画面ＣＮ（図７を参照）に表示部６１の機能を具備させることによって予測部５における予測結果を表示してもよい。この場合には、図８に示す領域Ｄ_aおよびＤ_bのように、表示画面ＣＮに表示される２次元平面上で領域ごとに色の濃淡をつけて表示することも可能である。また、出力部６からマイクロフォンを介して音声を発生させることにより、周辺の道路状況に応じた情報や警報音または音声を出力するようにしてもよい。

以上説明した本発明の実施の形態１によれば、物体の位置および当該物体の速度を含む内部状態を記憶する記憶手段を備えたコンピュータが、前記物体の位置および内部状態を前記記憶手段から読み出し、この読み出した前記物体の位置および内部状態に基づいて、前記物体が時間の経過とともに取りうる位置の変化を時間および空間から構成される時空間上での軌跡として生成し、この生成した軌跡を用いることによって前記物体の進路の確率的な予測を行うことにより、現実として起こりうる状況下においても安全性の確保を図ることが可能となる。

また、本実施の形態１によれば、時間と空間から構成される時空間上に形成された時空間環境を用いて物体の進路予測を行うことにより、静的物体だけでなく動的物体の進路予測も精度よく行うことができる。

さらに、本実施の形態１によれば、検知した物体の軌跡を互いに独立に生成しているため、特定の物体（例えば自車）と他の物体とを区別することができる。この結果、特定の物体とその他の物体との間で生じうる危険度を容易にかつ適確に、実用的な時間の内に予測することが可能となる。

加えて、本実施の形態１によれば、時空間環境を用いて予測した結果を出力することによって危険度を含む情報の提示を行うことができるため、その情報の提示を受けた自車の運転者は、運転中の近い将来に起こりうる危険を迅速かつ適確に回避しながら運転することが可能となる。

なお、本実施の形態１は、上述したように４次元時空間（空間３次元、時間１次元）においても適用可能である。この場合には、高低差のある道路を走行中の自動車に適用できるのは勿論のこと、他にも飛行機やヘリコプターのように、空中を移動する移動体が同じく空中を移動する他の移動体の進路予測を行う場合にも適用可能である。

ここで、上記背景技術で引用した非特許文献１と本実施の形態１との差異について説明する。これら二つの技術は、ともに確率概念を用いた物体の進路予測を行っているが、非特許文献１では、所定の範囲内にある物体の進路を独立に予測しているわけではなく、相互の相関に基づいた確率計算を行っている。このため、複数の物体のうちいずれか二つの物体が衝突した場合、その二つの物体の進路予測は衝突した時点で終了する。これは、３次元時空間上で考えると、二つの異なる物体の軌跡は、交差した時点以後の衝突判定処理が行われないことを意味している。

これに対して、本実施の形態１では、物体の軌跡は物体ごとに独立に生成されるため、３次元時空間上において異なる物体の軌跡が交差しても、衝突判定処理は所定時間経過するまで継続される。このように、非特許文献１で生成される時空間環境と本実施の形態１で生成される時空間環境とは全く異質なものである。また、本実施の形態１では、物体の相関を考慮することなく、物体ごとに独立な進路探索を行っているため、計算量も非特許文献１より少なくて済む。

加えて、非特許文献１では、衝突という事象が予測できたとしても、それがいつの時点で起こるかまで把握することはできない。これは、非特許文献１が、時間の流れの中で物体が衝突する確率を求めているのではなく、各時間における状態ごとに衝突の有無を探索することを主眼としているためである。換言すれば、非特許文献１では、時空間環境といったものを明示的に用いていない上、時空間確率密度という概念には到達していない。

このように、本実施の形態１と非特許文献１とは、ともに確率概念を用いた進路予測を行っているため、一見すると類似した技術であるかのような印象を与えかねないが、その技術的な思想の本質は全く異なっており、非特許文献１から本実施の形態１を想到することは、当業者といえども困難を極めるものである。

（実施の形態２）
本発明の実施の形態２は、物体ごとの軌跡生成を行う際に、選択可能な全ての操作を動作させることによって軌跡を生成することを特徴とする。なお、本実施の形態２に係る物体進路予測装置の機能構成は、上述した実施の形態１に係る物体進路予測装置１の機能構成（図１を参照）と同じである。また、本実施の形態２に係る物体進路予測方法は、物体ごとの軌跡生成処理を除いて、上記実施の形態１に係る物体進路予測方法と同じである。

図９は、本実施の形態２に係る物体進路予測方法における軌跡生成処理（図２のステップＳ２に相当）の概要を示すフローチャートである。同図に示す軌跡生成処理では、まず物体を識別するカウンタｉの値を１とする初期化を行う（ステップＳ２１）。本実施の形態２においても、軌跡生成を行うべき物体の総数をＩとする。

次に、軌跡生成部４は、センサ部３で検知した結果を記憶部７から読み出し、この読み出した検知結果を初期状態とする（ステップＳ２２）。具体的には、時間ｔを０とし、初期位置（ｘ_i（０）、ｙ_i（０））および初期内部状態（ｖ_i（０）、θ_i（０））を、それぞれセンサ部３からの入力情報（ｘ_i0、ｙ_i0）および（ｖ_i0、θ_i0）とする。

続いて、物体Ｏ_iの３次元時空間（ｘ，ｙ，ｔ）における軌跡を生成する（ステップＳ２３）。図１０は、ステップＳ２３の軌跡生成処理の詳細を示すフローチャートである。以下の説明においては、軌跡生成時間Ｔは、各操作を行う操作時間Δｔを用いてＴ＝ＫΔｔ（Ｋは自然数）と表されるものとする。

まず、時間ｔ＝０におけるループ処理（Ｌｏｏｐ１）を開始する（ステップＳ２３１−１）。このＬｏｏｐ１では、ｔ＝０における操作ｕ_i（０）をΔｔの間実行する。この際、操作ｕ_i（０）の具体的な内容は、上記実施の形態１と同様、物体Ｏ_iの種類に応じて決まる（車両の場合には、加速度や角速度によって指定される一方、人の場合には速度によって指定される）。操作の集合｛ｕ_ic｝は有限個の要素から成り、選択可能な操作が連続量の場合には、適当な間隔で離散化することによって集合｛ｕ_ic｝の要素が構成される。

ステップＳ２３１−１のより具体的な処理を説明する。最初に、操作選択部４１で一つの操作ｕ_ic（０）を選択し、この選択した操作ｕ_ic（０）を物体操作部４２でΔｔの間動作させる。この動作後、判定部４３が、物体Ｏ_iの位置や内部状態が上記実施の形態１と同様の制御条件および移動条件を満たしているか否かを判定し、それらの条件を全て満たしている場合（ＯＫ）には、次の時間ｔ＝Δｔにおけるループ処理（Ｌｏｏｐ２）に進む。これに対して、制御条件および移動条件のうちで一つでも満足しない条件がある場合（ＮＧ）には、ステップＳ２３３−１に進み、その直前に行った操作ｕ_ic（０）をキャンセルする。なお、本実施の形態２においては、操作選択部４１で全ての操作を選択するため、各操作の選択順は任意である。この点については、以後のループ処理（Ｌｏｏｐ２、Ｌｏｏｐ３、・・・、ＬｏｏｐＫ）においても同様である。

以下、１本の軌跡が生成されるまでの処理を先に説明する。Ｌｏｏｐ２では、上述したＬｏｏｐ１と同様に、操作選択部４１で操作を選択し、Δｔの間だけ操作ｕ_ic（Δｔ）を行う。そして、操作後の物体Ｏ_iの位置が上記同様の制御条件および移動条件を満たしていれば（ＯＫ）、時刻２Δｔにおけるループ処理（Ｌｏｏｐ３）に移行する。他方、制御条件および移動条件のうち一つでも満足しない条件があれば（ＮＧ）、ステップＳ２３３−２に進み、その直前に行った操作ｕ_ic（Δｔ）をキャンセルする。

以後、上述したＬｏｏｐ１およびＬｏｏｐ２の各処理と同様の処理を繰り返すことによってＫ個のループ処理を連続して行う。すなわち、各時間３Δｔ、４Δｔ、・・・における操作を動作させた後の物体Ｏ_iが制御条件および移動条件を満たしている限り、Ｌｏｏｐ４、Ｌｏｏｐ５、・・・と順次進んでいく。そして、物体Ｏ_iが最後のＬｏｏｐＫに至るまで制御条件および移動条件を満たしている場合には、続くステップＳ２３２に進む。ステップＳ２３２では、ｔ＝０からｔ＝Ｔ（＝ＫΔｔ）に至る１本の軌跡が出力され、記憶部７に記憶、格納される。この軌跡は、図４に示す軌跡Ｐ_i（ｍ）と同様に３次元時空間を通過する。

ステップＳ２３２に続くステップＳ２３３−Ｋでは、最も遅い時間に動作させた操作
ｕ_ic（Ｔ−Δｔ）＝ｕ_ic（（Ｋ−１）Δｔ）をキャンセルし、ＬｏｏｐＫを継続する場合（ＬｏｏｐＫ継続）には、再びステップＳ２３１−Ｋに戻る。他方、ＬｏｏｐＫを終了する場合（ＬｏｏｐＫ終了）には、続くステップＳ２３３−（Ｋ−１）に進む。

ステップＳ２３３−（Ｋ−１）では、Ｌｏｏｐ（Ｋ−１）で実行した操作ｕ_ic（Ｔ−２Δｔ）をキャンセルし、Ｌｏｏｐ（Ｋ−１）を継続する場合（Ｌｏｏｐ（Ｋ−１）継続）、すなわち操作ｕ_ic（Ｔ−２Δｔ）として実行すべき要素が残っている場合には、ステップＳ２３１−（Ｋ−１）に戻って処理を繰り返す。他方、Ｌｏｏｐ（Ｋ−１）を終了する場合（Ｌｏｏｐ（Ｋ−１）終了）、すなわち操作ｕ_ic（Ｔ−２Δｔ）として実行すべき要素が残っていない場合には、続くステップＳ２３３−（Ｋ−２）に進む。

以後、Ｌｏｏｐ（Ｋ−２）、・・・，Ｌｏｏｐ２、Ｌｏｏｐ１の順で上述したＬｏｏｐＫやＬｏｏｐ（Ｋ−１）における処理と同様の処理を繰り返し行う。この結果、最後にステップＳ２３３−１でＬｏｏｐ１を終了してステップＳ２４の処理へ進む際には、物体Ｏ_iがとり得る全ての可能な軌跡が生成される。すなわち、図５に示すのと同様の軌跡集合｛Ｐ_i（ｎ）｝が生成される。

次に、ステップＳ２３１−１で制御条件および移動条件のいずれか一つが満たされない場合（ＮＧ）について説明する。この場合には、ステップＳ２３３−１に進み、その直前に行った操作ｕ_ic（０）をキャンセルする。この後、Ｌｏｏｐ１を継続する場合にはステップＳ２３１−１に戻り、Ｌｏｏｐ１を終了する場合には、続くステップＳ２４に進む。

ステップＳ２３１−２、２３１−３、・・・、Ｓ２３１−Ｋで選択された操作を動作させた後、物体Ｏ_iが制御条件および移動条件のいずれかを満足しない場合にも、上述したステップＳ２３１−１の処理と同様の処理を行う。すなわち、一般にステップＳ２３１−ｋ（ｋ＝２，３，・・・，Ｋ）で物体Ｏ_iが制御条件および移動条件のいずれかを満足しない場合には、ステップＳ２３３−ｋに進み、その直前に行った操作をキャンセルすればよい。このことによってある時間ｔ_iで条件を満足しない場合にはｔ_i以降の軌跡生成処理を省くことができ、計算量の削減を実現することができる。

以上説明した軌跡生成処理のアルゴリズムは、縦型探索に基づいた再帰呼出を用いることによって全ての可能な操作を探索する際のアルゴリズムに等しい。したがってこの場合には、一つの物体Ｏ_iに対して最終的に生成される軌跡集合｛Ｐ_i（ｎ）｝の要素数すなわち軌跡の本数は、その物体Ｏ_iに対する軌跡生成処理が終了するまで分からない。なお、上述した軌跡生成処理を行う代わりとして、横型探索を用いることによって全ての可能な操作を探索してもよい。このように、実行可能な操作を全探索することによって各物体が取りうる軌跡を生成する場合には、操作時間Δｔにおける操作ｕ_ic（ｔ）の要素の数（操作ｕ_ic（ｔ）が連続量の場合には離散化の度合い）に応じて最適な計算量を有する探索方法を選択すればよい。

以上説明したステップＳ２３の軌跡生成処理の後、物体識別用のカウンタｉがＩに達していなければ（ステップＳ２４でＮｏ）、そのカウンタの値を１増やし（ステップＳ２５）、ステップＳ２２に戻ってセンサ部３の検知結果に基づく初期化を行い、上述した軌跡生成処理（ステップＳ２３）を別の物体Ｏ_i+1に対して行う。他方、物体識別用のカウンタｉがＩに達した場合（ステップＳ２４でＹｅｓ）、所定の範囲に存在する全ての物体に対する軌跡生成処理が終了したことになるので、軌跡生成処理（図２のステップＳ２に相当）を終了する。この結果、図５に示すのと同様の時空間環境Ｅｎｖ（Ｐ）が形成され、記憶部７において記憶、格納される。

この後の処理、すなわち予測部５における物体の進路の確率的な予測（図２のステップＳ３に相当）および出力部６における予測結果の出力（図２のステップＳ４に相当）は、上記実施の形態１と同様である。

以上説明した本発明の実施の形態２によれば、物体の位置および当該物体の速度を含む内部状態を記憶する記憶手段を備えたコンピュータが、前記物体の位置および内部状態を前記記憶手段から読み出し、この読み出した前記物体の位置および内部状態に基づいて、前記物体が時間の経過とともに取りうる位置の変化を時間および空間から構成される時空間上での軌跡として生成し、この生成した軌跡を用いることによって前記物体の進路の確率的な予測を行うことにより、上記実施の形態１と同様、現実として起こりうる状況下においても安全性の確保を図ることが可能となる。

また、本実施の形態２によれば、時間と空間から構成される時空間上に形成された時空間環境を用いて物体の進路予測を行うことにより、静的物体だけでなく動的物体の進路予測も精度よく行うことができる。

ところで、本発明の実施の形態２では、再帰呼出を用いた物体の時空間上での軌跡生成処理を行ったが、上述した実施の形態１における軌跡生成処理と比較した場合、どちらの計算量が少なくて済むかは一概にはいえない。換言すれば、如何なるアルゴリズムを用いることによって物体の時空間上の軌跡を生成するかは、操作時間Δｔ、軌跡生成時間Ｔ、操作集合の要素数等を含むさまざまな条件に応じて応じて変化する。このため、予測を行う条件に応じて、最も効率がよいアルゴリズムを採用すればよい。

（その他の実施の形態）
ここまで、本発明を実施するための最良の形態として、実施の形態１および２を詳述してきたが、本発明はそれら二つの実施の形態によってのみ限定されるべきものではない。例えば、本発明において、軌跡生成部の操作選択部では、自車に関してのみ現時点での操作を維持するものとしてもよい。この場合、自車では予測時点での内部状態が維持され、唯一つの操作が行われ続けることになるため、その操作を選択する操作選択確率は１であり、自車の軌跡集合として、時空間上には１本の軌跡のみが生成される。

図１１は、上記の如く自車の操作を維持した場合に生成された時空間環境を示すものであり、図６に対応する図である。図１１に示す時空間環境Ｅｎｖ'（Ｐ）おいては、３次元時空間における物体Ｏ₁（自車）の軌跡集合は、直線状の１本の軌跡Ｐ₁のみによって構成されている（物体Ｏ₂に関しては図６と同様）。このように、自車の操作を維持するモデルを適用すれば、周囲の物体が多い場合などにおいて状況を単純化して予測を行うことが可能となり、軌跡生成部および予測部における計算量を少なくすることができる。なお、自車に対する操作選択確率は、入力部からの入力によって適宜設定できるようにしてもよい。

また、本発明に係る物体進路予測方法においては、センサ部で検知した実在の物体に加えて、架空の物体を配置し、この配置した架空の物体の進路予測を行ってもよい。より具体的には、自車にとって好ましくない挙動を示すような架空の物体モデルを構成し、この物体モデルを所定の位置に配置して進路予測を行ってもよい。このような架空の物体モデルは、例えば遮蔽物等が存在して見通しが悪い交差点付近を走行する車両（自車）が進路予測を行う場合、その自車から検知できない位置に配置することによって、交差点から飛び出してくる可能性のある物体との衝突等の危険を予測することが可能となる。なお、架空の物体モデルの情報は予め記憶部で記憶しておき、入力部からの条件設定に応じてかかる物体モデルを所望の位置に配置するようにしてもよい。

ところで、本発明に係る物体進路予測装置を、車両のみの走行が前提となる高速道路などの領域で適用する場合には、各車両に車車間通信用の通信手段をあわせて具備させることにより、互いに近くを走行している車両同士が、互いの走行状況を車車間通信によって交換し合うようにしてもよい。この場合には、各車両が操作履歴を各自の記憶部で記憶しておき、その操作履歴に基づいて操作ごとの操作選択確率を付与し、この操作選択確率に関する情報もあわせて他の車両に送信するようにしてもよい。これにより、進路予測の精度が高くなり、走行中の危険を一段と確実に回避することが可能となる。

加えて、本発明に対してＧＰＳ（Global Positioning System）を位置検出手段として援用することも可能である。この場合には、ＧＰＳが記憶する３次元地図情報を参照することによってセンサ部で検知した物体の位置情報や移動情報の補正を行うことができる。さらには、ＧＰＳの出力を相互に通信することによってセンサ部として機能させることも可能である。いずれの場合にも、ＧＰＳを援用することによって高精度の進路予測を実現することができ、予測結果の信頼性をさらに向上させることができる。

以上の説明からも明らかなように、本発明は、ここでは記載していないさまざまな実施の形態等を含みうるものであり、特許請求の範囲により特定される技術的思想を逸脱しない範囲内において種々の設計変更等を施すことが可能である。

本発明の実施の形態１に係る物体進路予測装置の機能構成を示すブロック図である。 本発明の実施の形態１に係る物体進路予測方法の概要を示すフローチャートである。 本発明の実施の形態１に係る物体進路予測方法における軌跡生成処理の概要を示すフローチャートである。 ３次元時空間に生成された軌跡を示す模式的に示す図である。 一つの物体に対して３次元時空間に生成された軌跡集合を模式的に示す図である。 本発明の実施の形態１に係る物体進路予測方法によって形成された時空間環境の構成を模式的に示す説明図である。 本発明の実施の形態１に係る物体進路予測装置における予測結果の表示出力例を示す図である。 本発明の実施の形態１に係る物体進路予測装置における予測結果の表示出力例（第２例）を示す図である。 本発明の実施の形態２に係る物体進路予測方法の処理の概要を示すフローチャートである。 本発明の実施の形態２に係る物体進路予測方法における軌跡生成処理の概要を示すフローチャートである。 自車の操作を維持するモデルを採用した場合に形成された時空間環境の構成を模式的に示す図である。

符号の説明

１ 物体進路予測装置
２ 入力部
３ センサ部
４ 軌跡生成部（軌跡生成手段）
５ 予測部（予測手段）
６ 出力部（出力手段）
７ 記憶部（記憶手段）
４１ 操作選択部（操作選択手段）
４２ 物体操作部（物体操作手段）
４３ 判定部（判定手段）
５１ 予測演算部
５２ 画像生成部
６１ 表示部
ＣＮ 表示画面
Ｄ_a、Ｄ_b 領域
Ｅｎｖ（Ｐ）、Ｅｎｖ'（Ｐ） 時空間環境
Ｆ フロントガラス
Ｏ₁、Ｏ₂、Ｏ_i 物体
Ｒ 道路

Claims (30)

1. 物体の位置と当該物体の速度を含む内部状態とを少なくとも記憶する記憶手段を備えたコンピュータが、前記物体の進路を予測する物体進路予測方法であって、
   前記物体の位置および内部状態を前記記憶手段から読み出し、この読み出した前記物体の位置および内部状態に基づいて、前記物体が時間の経過とともに取りうる位置の変化を時間および空間から構成される時空間上での複数の軌跡として生成する軌跡生成ステップと、
   前記軌跡生成ステップで生成した複数の軌跡を用いることによって前記物体の進路の確率的な予測を行う予測ステップと、
   を有し、
   前記軌跡生成ステップは、
   前記物体に対する操作を複数の操作から選択する操作選択ステップと、
   前記操作選択ステップで選択した操作を所定時間動作させる物体操作ステップと、
   前記物体操作ステップで前記選択した操作を動作させた後の前記物体の位置および内部状態が当該物体の制御に関する制御条件および当該物体の移動可能領域に関する移動条件を満たしているか否かを判定する判定ステップと、
   を含み、
   前記複数の軌跡の各々を生成する際、前記操作選択ステップから前記判定ステップに至る一連の処理を、一つの軌跡を生成するために経過させる時間である軌跡生成時間に達するまで繰り返し行うことを特徴とする物体進路予測方法。
2. 前記軌跡生成時間は、前記物体の速度に応じて変更可能であることを特徴とする請求項１記載の物体進路予測方法。
3. 前記物体は道路上に位置し、
   前記軌跡生成時間は、前記道路の種類に応じて変更可能であることを特徴とする請求項１記載の物体進路予測方法。
4. 前記軌跡生成時間は、前記複数の軌跡からなる集合の前記時空間上での単位体積当たりの密度が一様となる時間であることを特徴とする請求項１記載の物体進路予測方法。
5. 前記操作選択ステップは、前記複数の操作の各々に付与された操作選択確率にしたがって操作を選択し、
   前記判定ステップで判定した結果、前記物体の位置および内部状態が前記制御条件および前記移動条件を満たしている場合には、時間を進めて前記操作選択ステップに戻ることを特徴とする請求項１〜４のいずれか一項記載の物体進路予測方法。
6. 前記操作選択確率は、乱数を用いて定義されることを特徴とする請求項５記載の物体進路予測方法。
7. 前記操作選択確率は、当該物体の操作履歴に基づいて定められることを特徴とする請求項５記載の物体進路予測方法。
8. 前記軌跡生成ステップで生成すべき軌跡の数が予め定められていることを特徴とする請求項５〜７のいずれか一項記載の物体進路予測方法。
9. 前記判定ステップで判定した結果、前記制御条件および前記移動条件を満たしている場合には、時間を進めて再帰呼出を行うことにより、選択可能な全ての操作を動作させることを特徴とする請求項１〜４のいずれか一項記載の物体進路予測方法。
10. 前記予測ステップにおける予測結果を含む情報を出力する出力ステップをさらに有することを特徴とする請求項１〜９のいずれか一項記載の物体進路予測方法。
11. 前記記憶手段は、複数の物体の位置および内部状態を記憶し、
    前記軌跡生成ステップは、前記複数の物体の前記時空間における軌跡をそれぞれ生成することを特徴とする請求項１〜９のいずれか一項記載の物体進路予測方法。
12. 前記予測ステップは、前記複数の物体の中から一つの物体を特定し、この特定した物体以外の物体の前記時空間における存在確率を算出することを特徴とする請求項１１記載の物体進路予測方法。
13. 前記複数の物体は、実在の物体に加えて架空の物体を含むことを特徴とする請求項１１または１２記載の物体進路予測方法。
14. 物体の位置と当該物体の速度を含む内部状態とを少なくとも記憶する記憶手段と、
    前記物体の位置および内部状態を前記記憶手段から読み出し、この読み出した前記物体の位置および内部状態に基づいて、前記物体が時間の経過とともに取りうる位置の変化を時間および空間から構成される時空間上での複数の軌跡として生成する軌跡生成手段と、
    前記軌跡生成手段で生成した複数の軌跡を用いることによって前記物体の進路の確率的な予測を行う予測手段と、
    を備え、
    前記軌跡生成手段は、
    前記物体に対する操作を複数の操作から選択する操作選択手段と、
    前記操作選択手段で選択した操作を所定時間動作させる物体操作手段と、
    前記物体操作手段で前記選択した操作を動作させた後の前記物体の位置および内部状態が当該物体の制御に関する制御条件および当該物体の移動可能領域に関する移動条件を満たしているか否かを判定する判定手段と、
    を含み、
    前記複数の軌跡の各々を生成する際、前記操作選択手段による操作選択処理から前記判定手段による判定処理に至る一連の処理を、一つの軌跡を生成するために経過させる時間である軌跡生成時間に達するまで繰り返し行うことを特徴とする物体進路予測装置。
15. 前記軌跡生成時間は、前記物体の速度に応じて変更可能であることを特徴とする請求項１４記載の物体進路予測装置。
16. 前記物体は道路上に位置し、
    前記軌跡生成時間は、前記道路の種類に応じて変更可能であることを特徴とする請求項１４記載の物体進路予測装置。
17. 前記軌跡生成時間は、前記複数の軌跡からなる集合の前記時空間上での単位体積当たりの密度が一様となる時間であることを特徴とする請求項１４記載の物体進路予測装置。
18. 前記操作選択手段は、前記複数の操作の各々に付与された操作選択確率にしたがって操作を選択し、
    前記判定手段で判定した結果、前記物体の位置および内部状態が前記制御条件および前記移動条件を満たしている場合には、時間を進めて前記操作選択手段による操作選択処理に戻ることを特徴とする請求項１４〜１７のいずれか一項記載の物体進路予測装置。
19. 前記操作選択確率は、乱数を用いて定義されることを特徴とする請求項１８記載の物体進路予測装置。
20. 前記操作選択確率は、当該物体の操作履歴に基づいて定められることを特徴とする請求項１８記載の物体進路予測装置。
21. 前記軌跡生成手段で生成すべき軌跡の数が予め定められていることを特徴とする請求項１８〜２０のいずれか一項記載の物体進路予測装置。
22. 前記判定手段で判定した結果、前記制御条件および前記移動条件を満たしている場合には、時間を進めて再帰呼出を行うことにより、選択可能な全ての操作を動作させることを特徴とする請求項１４〜１７のいずれか一項記載の物体進路予測装置。
23. 前記予測手段による予測結果を含む情報を出力する出力手段をさらに備えたことを特徴とする請求項１４〜２２のいずれか一項記載の物体進路予測装置。
24. 前記物体は自動車であり、
    前記出力手段は、前記物体が有するフロントガラスに前記情報を重畳表示することを特徴とする請求項２３記載の物体進路予測装置。
25. 前記物体はカーナビゲーションシステムを備えた自動車であり、
    前記出力手段は、前記情報を前記カーナビゲーションシステムの表示画面に表示することを特徴とする請求項２３記載の物体進路予測装置。
26. 前記記憶手段は、複数の物体の位置および内部状態を記憶し、
    前記軌跡生成手段は、前記複数の物体の前記時空間における軌跡をそれぞれ生成することを特徴とする請求項１４〜２２のいずれか一項記載の物体進路予測装置。
27. 前記予測手段は、前記複数の物体の中から一つの物体を特定し、この特定した物体以外の物体の前記時空間における存在確率を算出することを特徴とする請求項２６記載の物体進路予測装置。
28. 前記複数の物体は、実在の物体に加えて架空の物体を含むことを特徴とする請求項２６または２７記載の物体進路予測方法。
29. 移動体に搭載されてなり、
    前記記憶手段は、前記移動体を含む複数の物体の位置および内部状態を記憶するとともに、前記移動体が取りうる複数の進路を予め記憶し、
    前記軌跡生成手段は、前記複数の物体のうち前記移動体以外の物体が前記移動体と前記時空間上で交差する確率が一定となる時間を前記軌跡生成時間として前記移動体以外の物体の軌跡を生成し、
    前記予測手段は、前記移動体以外の物体の前記時空間における存在確率を算出することを特徴とする請求項１４記載の物体進路予測装置。
30. 請求項１〜１３のいずれか一項記載の物体進路予測方法を前記コンピュータに実行させることを特徴とする物体進路予測プログラム。

Images