JP4416020B2 - 走行計画生成装置 - Google Patents

Description

本発明は、車両周辺の他車両の危険度を推定して、走行車両のより安全な走行計画を生成する走行計画生成装置に関する。

自車両と道路上の障害物について、現在からＴ秒先までの位置を予測して、道路上の各位置における危険度を算出し、自車両の走行経路として、走行経路に沿った危険度の総和が最小となるリスク最小走行軌跡を生成して、ドライバに提示する装置が知られている（例えば特許文献１参照）。この装置では、障害物の占有領域、障害物の作る死角領域を危険度場として設定している。
特開２００６−１５４９６７号公報

しかしながら、上記従来の装置では、障害物の占有領域や障害物の作る死角領域に対し、検出信頼度に応じた一定の危険度を付与しているのみであり、周辺の他車両それぞれの運動エネルギーや、走行の不安定さ、死角領域などは考慮しておらず、他車両ごとの危険度までは算出していなかった。従って、生成されるリスク最小走行軌跡は、必ずしも安全性が高いものではなかった。

本発明は、上記した事情に鑑みて為されたものであり、周辺の他車両ごとに危険度を考慮して、より安全性の高い走行計画を生成することが可能な走行計画生成装置を提供することを目的とする。

本発明に係る走行計画生成装置は、車両の各時刻における位置情報を含む走行計画を生成する走行計画生成装置において、車両が走行する走行路に関する道路情報を取得する道路情報取得手段と、道路情報を利用して、車両の周辺を走行する他車両の各時刻における位置及び速度を予測する行動予測手段と、他車両のそれぞれが有する特性情報を取得する特性情報取得手段と、特性情報を利用して、他車両ごとの危険度を推定する危険度推定手段と、道路情報と他車両の位置と危険度とを利用して、走行路上の各時刻における危険度分布を設定する危険度分布設定手段と、危険度分布を利用して、車両の走行計画を生成する走行計画生成手段と、を備え、特性情報取得手段は、他車両の重量を特性情報として取得し、危険度推定手段は、他車両の重量と速度とに基づく運動エネルギーが高いほど危険度が高いと推定する、ことを特徴とする。

この走行計画生成装置では、車両の周辺を走行する他車両のそれぞれが有する特性情報を取得し、これを利用して他車両ごとの危険度を推定して危険度分布を設定することができるため、この危険度分布に基づいて走行計画を生成することで、より安全性の高い走行計画を得ることができる。

また、運動エネルギーが大きい車両ほど衝突時のダメージが大きくなるため、このように運動エネルギーが高いほど危険度が高いと推定することで、このような車両付近での走行を避けるような走行計画を生成して、潜在的なリスクを低減することができる。

特性情報取得手段は、他車両と他車両の周辺車両との相対関係を特性情報として取得することを特徴としてもよい。このようにすれば、他車両がその周辺車両との関係においてどのような特性を有するかに応じて、危険度を好適に推定することができる。

特性情報は、少なくとも周辺車両に対する他車両の希望車間時間又は衝突余裕時間を含み、危険度推定手段は、希望車間時間又は衝突余裕時間が小さいほど危険度が高いと推定する、ことを特徴としてもよい。周辺車両に接近しがちな車両ほど接触の可能性が高くなるため、そのような車両付近の走行を避けるような走行計画を生成することで、潜在的なリスクを低減することができる。

特性情報取得手段は、他車両のドライバにとって死角となる死角領域を特性情報として取得し、危険度推定手段は、死角領域に所定の値を付与することで他車両ごとの危険度を推定する、ことを特徴としてもよい。このようにすれば、他車両のドライバの死角を避けるような走行計画を生成して、他車両のドライバの見落としによる事故の危険性を低減することができる。

車両の走行条件を取得する走行条件取得手段と、走行条件を達成する車両の走行計画を仮生成する走行計画仮生成手段と、危険度分布を利用して、仮生成された走行計画に従って走行した場合の車両の危険度の積算値を算出する積算値算出手段と、走行条件の緊急度を判定する緊急度判定手段と、を備え、走行計画生成手段は、緊急度に応じて危険度の積算値が低減する走行計画を生成することを特徴としてもよい。このようにすれば、必須であるとか、望ましくは行いたいとかいった走行条件の緊急度に応じて、危険度を低減した走行計画を生成することができる。

緊急度が高いほど大きな閾値を選定する閾値選定手段を備え、走行計画生成手段は、危険度の積算値が閾値を上回る場合に、積算値が低減する走行計画を生成することを特徴としてもよい。このようにすれば、緊急度が高いほど走行条件を優先する走行計画を生成することができる。

本発明によれば、周辺の他車両ごとに危険度を考慮して、より安全性の高い走行計画を生成することが可能となる。

以下、添付図面を参照しながら本発明の実施形態を詳細に説明する。なお、図面の説明において同一の要素には同一の符号を付し、重複する説明を省略する。
（第１実施形態）

図１は、第１実施形態に係る走行計画生成装置の構成を示すブロック図である。図１に示すように、走行計画生成装置１は、ＣＰＵ（中央演算処理ユニット）、メモリ等のハードウェア及びソフトウェアを利用して構成された走行計画生成ＥＣＵ（Electric Control Unit）１０を備え、制御対象である自動運転制御の車両（以下、自車両ともいう。）に搭載されている。

走行計画生成ＥＣＵ１０には、それぞれ自車両に搭載された、自車センサ２０、周辺センサ３０、ナビゲーション装置４０、及び通信装置５０が接続されている。

自車センサ２０は、例えば車速センサ２２、加速度センサ、ヨーレートセンサ、操舵角センサなどといった自車状態量を検出するセンサである。自車センサ２０による検出値は、ＥＣＵ１０内において、ソフトウェアとして組み込まれた車両モデルから、その時点の自車両の状態量推定値（例えば、車速、加速度、ヨーレート、操舵角など）を算出するのに用いられる。

周辺センサ３０は、カメラ３２やミリ波レーダ３４といった周辺を監視するセンサである。周辺センサ３０による検出値は、自車両の周辺を走行する他車両を認識し、自車両からの相対的な距離、角度、速度などの他車両情報を算出するのに用いられる。

ナビゲーション装置（道路情報取得手段）４０は、自車両のドライバによる走行をガイドする装置である。このナビゲーション装置４０は、位置検出部４２と地図情報データベース（ＤＢ）４４とを有する。位置検出部４２は、ＧＰＳ衛星からの信号を受信して、自車両の位置（位置座標）を検出する。地図情報ＤＢ４４は、道路形状や道路属性などの道路情報を記憶している。これにより、地図上に自車両の現在位置を表示すると共に、目的地までの走行を案内することができる。

通信装置５０は、路車間通信や車車間通信により情報の授受を行う。例えば、通信装置５０は、インフラ設備と協調することで、走行する道路情報を取得する（道路情報取得手段）。なお、道路情報は、上記したナビゲーション装置４０のみから取得してもよいし、通信装置５０を介してのみから取得してもよいし、両者から取得してもよい。

走行計画生成ＥＣＵ１０は、データ記憶部１１、特性学習部１２、行動予測部１３、重量推定部１４、運動エネルギー分布設定部１５、走行計画生成部１６、及び安全評価部１７を有している。

データ記憶部１１は、自車センサ２０や周辺センサ３０で検出されたデータを過去の一定期間分だけ記憶する。また、データ記憶部１１は、図２に示すような、車両の種別（例えば、車種とサイズ）ごとに、車両の性能として最大加速能力Ｇ（空荷状態及び満載状態）と最大減速能力Ｇ（空荷状態及び満載状態）とを示すテーブルを記憶する。

特性学習部１２は、自車両の周辺を走行する他車両の特性として、他車両の加速特性及び減速特性を学習する。より詳細には、特性学習部１２は、自車センサ２０で取得した自車両の状態量推定値と周辺センサ３０で取得した他車両情報とを取得する。そして、取得した情報から自車両の位置情報履歴、他車両の相対位置情報履歴、相対速度などを算出し、更にこれらの情報から、他車両の加減速度履歴を推定する。そして、過去の最大の加速Ｇを加速特性として保持する。なお、加速特性を求める際には、正確を期すために下り勾配による加速成分を除く。また、過去の最大の減速Ｇを減速特性として保持する。なお、減速特性を求める際には、正確を期すために上り勾配による減速成分を除く。

行動予測部（行動予測手段）１３は、自車両の周辺を走行する他車両の行動を予測する。より詳細には、行動予測部１３は、自車センサ２０で取得した自車両の状態量推定値と周辺センサ３０で取得した他車両情報とを取得する。そして、取得した情報から自車両の位置情報履歴、他車両の相対位置情報履歴、相対速度などを算出し、更にこれらの情報から、他車両の位置情報履歴、現状状態（速度、加速度、道路線形に対するヨー角など）を推定する。これにより、他車両の位置関係や他車両の傾向（車間、車速、加減速、レーンチェンジ抵抗感などのドライバ嗜好）が推定できる。また、行動予測部１３は、ナビゲーション装置４０や通信装置５０を介してインフラ設備等から、走行している道路情報（車線増減、合流、分岐、線形、カーブなど）を取得する。そして、他車両の位置情報履歴、現状状態と道路情報に基づいて、他車両の傾向から、予め生成されているドライバモデルに当てはめて、他車両の今後（例えば、数百ｍ程度）の行動（各時刻（所定時間間隔）ごとの位置や速度など）を予測する。

重量推定部（特性情報取得手段）１４は、自車両の周辺を走行する他車両の重量を推定する。この重量推定では、ミリ波レーダ３４やカメラ３２からの検出データにより、他車両のサイズ（長さや幅）と車種（例えば、ナンバープレートにより、貨物、乗用車などを判別）を検出する。そして、データ記憶部１１に記憶されている図２に示すテーブルから、該当するサイズ及び車種の欄の能力情報を抽出する。すなわち、該当する欄の最大加速能力Ｇ（空荷状態及び満載状態）と最大減速能力Ｇ（空荷状態及び満載状態）を抽出する。そして、特性学習部１２で学習した最大の加速Ｇと、抽出した最大加速能力Ｇ（空荷状態及び満載状態）とを利用して、線形補間により、他車両の加速推定重量を算出する。また、特性学習部１２で学習した最大の減速Ｇと、抽出した最大減速能力Ｇ（空荷状態及び満載状態）とを利用して、線形補間により、他車両の減速推定重量を算出する。そして、加速推定重量と減速推定重量のうち小さい方を推定重量とする。なお、両者のうち大きい方を推定重量としてもよく、また両者の平均を推定重量としてもよい。

運動エネルギー分布設定部（危険度推定手段、危険度分布設定手段）１５は、行動予測部１３で予測した他車両の速度と、重量推定部１４で推定した推定重量とを利用して、他車両の各時刻における運動エネルギー（推定重量×速度×速度）を算出する。これにより、運動エネルギーを他車両の危険度を表す指標とすることができ、運動エネルギーが大きいほど危険度が高いと推定することができる。

また、運動エネルギー分布設定部１５は、道路情報を取得して走路メモリを設定し、算出した運動エネルギーを他車両の占有領域の走路メモリに加算する。また、他車両の占有領域の周囲に規定の減衰係数（例えば１ｍで１％運動エネルギーが減衰する）を用いて、運動エネルギーを減衰した略円形のエネルギー分布を走路メモリに加算する。これにより、図３に示すように、自車両Ｍの周辺を走行する他車両Ｎ１−Ｎ４ごとに運動エネルギーが走路メモリに加算され、全体として運動エネルギー分布が設定される。図３において、他車両Ｎ１−Ｎ４ごとの運動エネルギー分布は、車両が占める外形と略同一な範囲が最もエネルギーが高く、それから離れるに従って運動エネルギーが減衰するイメージである。なお、このような運動エネルギー分布は、将来の所定時間経過後（例えば、数秒〜数十秒後）までの所定時間間隔ごとの各時刻において、数百ｍ程度先まで設定される。

走行計画生成部（走行計画生成手段）１６は、このように設定された運動エネルギー分布、すなわち危険度分布を利用して、自車両Ｍの走行計画を生成する。すなわち、危険度がより小さくなるように、自車両Ｍの位置と速度とを含む走行計画を生成する。これについては、後述する。

安全評価部１７は、走行計画生成部１６により生成された走行計画の安全性を最終評価する。より詳細には、行動予測部１３で予測した他車両Ｎ１−Ｎ４の位置及び速度の情報と、走行計画生成部１６により生成された自車両Ｍの位置及び速度を含む走行計画とを利用して、所定時刻ごと車間距離や相対車速を算出する。そして、このようにして求められた車間距離を相対速度で除することで、ＴＴＣ（Time To Collision：衝突余裕時間）を算出する。これにより、ＴＴＣが安全基準値より大きいか否かで、その走行計画の安全性を評価する。ＴＴＣが安全基準値を上回れば、安全であると評価してその走行計画を採用する。ＴＴＣが安全基準値を下回り、安全でないと評価された場合は、走行計画生成部１６は、走行計画を修正する。そして、安全評価部１７は、修正された走行計画の安全性を再評価する。

走行計画生成ＥＣＵ１０には、走行制御ＥＣＵ６０が接続されている。走行制御ＥＣＵ６０は、自車両Ｍの状態量推定値を加味しながら、採用された走行計画に基づいて、各時刻における位置と速度を忠実に再現できるように、アクチュエータに対する指示値を生成する。

図４は、上記のように構成された走行計画生成装置１を搭載する自車両Ｍのハード構成例を模式的に示す図である。走行計画生成ＥＣＵ１０及び走行制御ＥＣＵ６０は、制御装置Ｃに含まれる。この制御装置Ｃには、周辺センサ３０としてのミリ波レーダ３４及びカメラ３２が接続されている。また、制御装置Ｃには、自車センサ２０としての車速センサ２２が接続されている。更に、制御装置Ｃには、ナビゲーション装置４０及び通信装置５０が接続されている。

制御装置（走行計画生成ＥＣＵ１０）Ｃにおいて走行計画が生成されると、制御装置（走行制御ＥＣＵ６０）Ｃにより、スロットルアクチュエータ７１及びブレーキアクチュエータ７２が制御され、エンジン７３やブレーキ装置７４が制御されることで加減速制御が行われる。また、操舵モータ７５が制御され、電動パワーステアリング装置が制御されることで操舵制御が行われる。

次に、上記した走行計画生成装置１による走行計画生成方法について、図５のフローチャートを参照して説明する。

まず、制御の前提として、図２に示すテーブルを準備し、走行計画生成ＥＣＵ１０のデータ記憶部１１に記憶しておく。このテーブルは、車両の種別（例えば、車種とサイズ）ごとに、車両の性能として最大加速能力Ｇ（空荷状態及び満載状態）と最大減速能力Ｇ（空荷状態及び満載状態）とを示すテーブルである。ただし、満載状態は、違法積載も含めた現実的な数値としておくと好ましい。

また、現在より所定期間だけ遡った過去から、自車センサ２０や周辺センサ３０によるデータ取得が行われ、データ記憶部１１にはこの期間分のデータが記憶されているとする。この状態から、走行計画の生成を開始する。

まず、特性学習部１２において、自車両Ｍの周辺を走行する他車両の特性として、他車両の加速特性及び減速特性を学習する（ステップＳ５０１）。より詳細には、特性学習部１２は、自車センサ２０で取得した自車両Ｍの状態量推定値と周辺センサ３０で取得した他車両情報とを取得する。そして、取得した情報から自車両Ｍの位置情報履歴、他車両の相対位置情報履歴、相対速度などを算出し、更にこれらの情報から、他車両の加減速度履歴を推定する。そして、過去の最大の加速Ｇを加速特性として保持すると共に、過去の最大の減速Ｇを減速特性として保持する。

次に、ナビゲーション装置４０や通信装置５０を介してインフラ設備から、走行路に関する道路情報を取得する（ステップＳ５０２）。そして、後述する運動エネルギー分布を設定するための走路メモリ（例えば、数百メートル分）を確保し、これを初期化（＝０）する（ステップＳ５０３）。

次に、行動予測部１３において、他車両の行動を予測する（ステップＳ５０４）。より詳細には、行動予測部１３は、自車センサ２０で取得した自車両Ｍの状態量推定値と周辺センサ３０で取得した他車両情報とを取得する。そして、取得した情報から自車両Ｍの位置情報履歴、他車両の相対位置情報履歴、相対速度などを算出し、更にこれらの情報から、他車両の位置情報履歴、現状状態（速度、加速度、道路線形に対するヨー角など）を推定する。これにより、他車両の位置関係や他車両の傾向（車間、車速、加減速、レーンチェンジ抵抗感などのドライバ嗜好）が推定できる。そして、他車両の位置情報履歴、現状状態と取得した道路情報に基づいて、他車両の傾向から、予め生成されているドライバモデルに当てはめて、他車両の今後（例えば、数百ｍ程度）の行動（所定時間間隔ごとの位置や速度など）を予測する。

次に、重量推定部１４において、ミリ波レーダ３４やカメラ３２からの検出データにより、他車両のサイズ（長さや幅）と車種（例えば、ナンバープレートにより、貨物、乗用車などを判別）を検出する（ステップＳ５０５）。そして、データ記憶部１１に記憶されている図２に示すテーブルから、該当するサイズ及び車種の欄の能力情報を抽出する。すなわち、該当する欄の最大加速能力Ｇ（空荷状態及び満載状態）と最大減速能力Ｇ（空荷状態及び満載状態）を抽出する。そして、特性学習部１２で学習した最大の加速Ｇと、抽出した最大加速能力Ｇ（空荷状態及び満載状態）とを利用して、線形補間により、他車両の加速推定重量を算出する。また、特性学習部１２で学習した最大の減速Ｇと、抽出した最大減速能力Ｇ（空荷状態及び満載状態）とを利用して、線形補間により、他車両の減速推定重量を算出する。そして、加速推定重量と減速推定重量のうち小さい方を、他車両の推定重量として推定する（ステップＳ５０６）。

次に、運動エネルギー分布設定部１５において、行動予測部１３で予測した他車両の速度と、重量推定部１４で推定した推定重量とを利用して、他車両の各時刻における運動エネルギー（推定重量×速度×速度）を算出する。そして、運動エネルギー分布設定部１５は、算出した運動エネルギーを他車両の占有領域の走路メモリに加算する。また、他車両の占有領域の周囲に規定の減衰係数（例えば１ｍで１％運動エネルギーが減衰する）を用いて、運動エネルギーを減衰した略円形のエネルギー分布を走路メモリに加算する。このようにして、図３に示すように、自車両Ｍの周辺を走行する他車両Ｎ１−Ｎ４ごとに運動エネルギーを走路メモリに加算し、全体として運動エネルギー分布を設定する。なお、このような運動エネルギー分布は、将来の所定時間経過後（例えば、数秒〜数十秒後）までの所定時間間隔ごとの各時刻において、数百ｍ程度先まで設定する（ステップＳ５０７）。

次に、走行計画生成部１６において、このように設定された運動エネルギー分布、すなわち危険度分布を利用して、自車両Ｍの走行計画を生成する（ステップＳ５０８）。すなわち、危険度がより小さくなるように、自車両Ｍの位置と速度とを含む走行計画を生成する。例えば、図３に示すように、自車両Ｍが真中の車線を走行しているとした場合、真中の車線を走行していれば一見すると安全にも見える。しかしながら、自車両Ｍの左車線を運動エネルギーの大きい他車両Ｎ１，Ｎ２が走行していることにより、自車両Ｍの占有領域にこれら他車両Ｎ１，Ｎ２によるエネルギー分布が重なっている。一方で、自車両Ｍの右車線を走行する他車両Ｎ３，Ｎ４間の車間距離は短いものの、これら他車両Ｎ３，Ｎ４の運動エネルギーは小さいため、これら他車両Ｎ３，Ｎ４間の危険度は最も低くなっている。したがって、走行計画生成部１６は、これら他車両Ｎ３，Ｎ４間にレーンチェンジするような走行計画を生成する。このように、運動エネルギー分布を参考にして、潜在的な危険度がより小さくなるように、自車両Ｍの位置と速度とを含む走行計画を生成するのである。

次に、安全評価部１７において、走行計画生成部１６により生成された走行計画の安全性を最終評価する（ステップＳ５０９）。より詳細には、行動予測部１３で予測した他車両の位置及び速度の情報と、走行計画生成部１６により生成された自車両Ｍの位置及び速度を含む走行計画とを利用して、所定時刻ごと車間距離や相対車速を算出する。そして、このようにして求められた車間距離を相対速度で除することで、ＴＴＣ（Time To Collision：衝突余裕時間）を算出する。これにより、ＴＴＣが安全基準値より大きいか否かで、その走行計画の安全性を評価する。ＴＴＣが安全基準値を上回れば、安全であると評価してその走行計画を採用する（ステップＳ５１０）。ＴＴＣが安全基準値を下回り、安全でないと評価された場合は、走行計画生成部１６は、走行計画を修正する。そして、安全評価部１７は、修正された走行計画の安全性を再評価する。

このようにして、走行計画が採用されると、走行制御ＥＣＵ６０は、自車両Ｍの状態量推定値を加味しながら、採用された走行計画に基づいて、各時刻における位置と速度を忠実に再現できるように、アクチュエータに対する指示値を生成する。そして、スロットルアクチュエータ７１及びブレーキアクチュエータ７２を制御し、エンジン７３やブレーキ装置７４を制御することで加減速制御を行う。また、操舵モータ７５を制御し、電動パワーステアリング装置を制御することで操舵制御を行う。

以上、本実施形態に係る走行計画生成装置１では、自車両Ｍの周辺を走行する他車両のそれぞれが有する特性情報として車両重量を推定して取得し、これを利用して他車両ごとの危険度としての運動エネルギーを推定して危険度分布を設定することができるため、この危険度分布に基づいて走行計画を生成することで、より安全性の高い走行計画を得ることができる。すなわち、運動エネルギーが大きい車両ほど衝突時のダメージが大きくなるため、このように運動エネルギーが高いほど危険度が高いと推定することで、このような車両付近での走行を避けるような走行計画を生成して、潜在的なリスクを低減することができる。
（第２実施形態）

次に、第２実施形態に係る走行計画生成装置について説明する。なお、上記した実施形態と同一の要素には同一の符号を付し、重複する説明を省略する。

本実施形態に係る走行計画生成装置１０１は、図６に示すように、走行計画生成ＥＣＵ１１０の構成が、上記した第１実施形態の走行計画生成装置１と相違している。走行計画生成ＥＣＵ１１０は、データ記憶部１１１、特性学習部１１２、行動予測部１１３、不安全度算出部１１４、不安全度分布設定部１１５、走行計画生成部１１６、及び安全評価部１１７を有している。

データ記憶部１１１は、自車センサ２０や周辺センサ３０で検出されたデータを過去の一定期間分だけ記憶する。なお、本実施形態では、データ記憶部１１１は、図２に示すようなテーブルは記憶していない。

特性学習部（特性情報取得手段）１１２は、自車両の周辺を走行する他車両の特性として、他車両とその周辺車両との相対関係を学習する。より詳細には、特性学習部１１２は、他車両の周辺車両に対する希望車間時間、許容し得る最短の衝突余裕時間、及び希望加減速度の少なくともいずれかを学習する。本実施形態では、これら全てを学習する。

行動予測部（行動予測手段）１１３は、上記した第１実施形態の行動予測部１３と同様である。

不安全度算出部（危険度推定手段）１１４は、特性学習部１１２で学習した他車両の周辺車両に対する希望車間時間Ａ、許容し得る最短の衝突余裕時間（ＴＴＣ）Ｂ、及び希望加減速度Ｃを利用して、他車両の不安全度Ｄを算出する。具体的には、他車両の不安全度Ｄは、次式（１）で表される。
Ｄ ＝ ａ／Ａ ＋ ｂ／Ｂ ＋ ｃ・Ｃ ・・・ （１）
ここで、ａ、ｂ、ｃは、所定の係数である。このように、危険度の指標として他車両の不安全度Ｄを設定すれば、車間が短目で希望車間時間Ａや衝突余裕時間Ｂが小さいほど、危険度が高いと推定される。また、運転が荒く希望加減速度Ｃが大きいほど、危険度が高いと推定される。

不安全度分布設定部（危険度分布設定手段）１１５は道路情報を取得して走路メモリを設定し、算出した不安全度Ｄを他車両の占有領域の走路メモリに加算する。また、他車両の占有領域の周囲に規定の減衰係数（例えば１ｍで１％不安全度が減衰する）を用いて、不安全度Ｄを減衰した略円形の不安全度分布を走路メモリに加算する。これにより、図７に示すように、自車両の周辺を走行する他車両ごとに不安全度が走路メモリに加算され、全体として不安全度分布が設定される。図７において、他車両Ｎ１−Ｎ３ごとの不安全度分布は、車両が占める外形と略同一な範囲が最もエネルギーが高く、それから離れるに従って運動エネルギーが減衰するイメージである。なお、このような不安全度分布は、将来の所定時間経過後（例えば、数秒〜数十秒後）までの所定時間間隔ごとの各時刻において、数百ｍ程度先まで設定される。

走行計画生成部（走行計画生成手段）１１６は、このように設定された不安全度分布、すなわち危険度分布を利用して、自車両Ｍの走行計画を生成する。利用する分布が不安全度分布であることの他は、走行計画生成部１１６における走行計画生成は、第１実施形態の走行計画生成部１６と同様である。

安全評価部１１７は、第１実施形態の安全評価部１７と同様である。なお、走行計画生成ＥＣＵ１１０に接続される自車センサ２０、周辺センサ３０、ナビゲーション装置４０、通信装置５０、及び走行制御ＥＣＵ６０は、第１実施形態と同様である。

次に、上記した走行計画生成装置１０１を用いた走行計画生成方法について、図８のフローチャートを参照して説明する。

なお、現在より所定期間だけ遡った過去から、自車センサ２０や周辺センサ３０によるデータ取得が行われ、データ記憶部１１１にはこの期間分のデータが記憶されているとする。この状態から、走行計画の生成を開始する。

まず、特性学習部１１２において、自車両Ｍの周辺を走行する他車両の特性として、他車両の周辺車両に対する希望車間時間、許容し得る最短の衝突余裕時間、及び希望加減速度を学習する（ステップＳ８０１）。より詳細には、特性学習部１１２は、自車センサ２０で取得した自車両Ｍの状態量推定値と周辺センサ３０で取得した他車両情報とをデータ記憶部１１１から取得する。そして、取得した情報から自車両Ｍの位置情報履歴、他車両の相対位置情報履歴、相対速度などを算出し、更にこれらの情報から、他車両の位置情報履歴、加減速度履歴を推定する。そして、これらの情報から、希望車間時間、許容し得る最短の衝突余裕時間、及び希望加減速度を算出し学習する。

次に、ナビゲーション装置４０や通信装置５０を介してインフラ設備から、走行路に関する道路情報を取得する（ステップＳ８０２）。そして、後述する不安全度分布を設定するための走路メモリ（例えば、数百メートル分）を確保し、これを初期化（＝０）する（ステップＳ８０３）。

次に、行動予測部１１３において、他車両の行動を予測する（ステップＳ８０４）。より詳細には、行動予測部１１３は、自車センサ２０で取得した自車両Ｍの状態量推定値と周辺センサ３０で取得した他車両情報とを取得する。そして、取得した情報から自車両Ｍの位置情報履歴、他車両の相対位置情報履歴、相対速度などを算出し、更にこれらの情報から、他車両の位置情報履歴、現状状態（速度、加速度、道路線形に対するヨー角など）を推定する。これにより、他車両の位置関係や他車両の傾向（車間、車速、加減速、レーンチェンジ抵抗感などのドライバ嗜好）が推定できる。そして、他車両の位置情報履歴、現状状態と取得した道路情報に基づいて、他車両の傾向から、予め生成されているドライバモデルに当てはめて、他車両の今後（例えば、数百ｍ程度）の行動（所定時間間隔ごとの位置や速度など）を予測する。

次に、特性学習部１１２において学習した、希望車間時間、許容し得る最短の衝突余裕時間、及び希望加減速度を利用して、不安全度算出部１１４において、他車両ごとの不安全度を上記（１）式を用いて算出する（ステップＳ８０５）。

次に、不安全度分布設定部１１５において、算出した不安全度を他車両の占有領域の走路メモリに加算する。また、他車両の占有領域の周囲に規定の減衰係数（例えば１ｍで１％不安全度が減衰する）を用いて、不安全度を減衰した略円形の不安全度分布を走路メモリに加算する。このようにして、図７に示すように、自車両の周辺を走行する他車両ごとに不安全度を走路メモリに加算し、全体として不安全度分布を設定する。なお、このような不安全度分布は、将来の所定時間経過後（例えば、数秒〜数十秒後）までの所定時間間隔ごとの各時刻において、数百ｍ程度先まで設定する（ステップＳ８０６）。

次に、走行計画生成部１１６において、このように設定された不安全度分布、すなわち危険度分布を利用して、自車両の走行計画を生成する（ステップＳ８０７）。すなわち、危険度がより小さくなるように、自車両Ｍの位置と速度とを含む走行計画を生成する。例えば、図７に示すように、自車両Ｍが真中の車線を走行しているとした場合、真中の車線を走行していれば一見すると安全にも見える。しかしながら、自車両Ｍの右車線後方を不安全度の高い他車両Ｎ３が走行していることにより、自車両Ｍの占有領域にこの他車両Ｎ３による不安全度分布が重なっている。一方で、自車両Ｍの右車線前方及び左車線前方を走行する他車両Ｎ１，Ｎ２は並行して走行しているものの、これら他車両Ｎ１，Ｎ２の不安全度は小さいため、これら他車両Ｎ１，Ｎ２間の不安全度は最も低くなっている。したがって、走行計画生成部１１６は、不安全度分布を参考にして、潜在的な危険度がより小さくなるように、不安全度の高い他車両Ｎ３から遠ざかるように加速して、自車両Ｍ前方の他車両Ｎ１，Ｎ２間をすり抜けて前方に至るような自車両Ｍの位置と速度とを含む走行計画を生成するのである。

次に、安全評価部１１７において、走行計画生成部１１６により生成された走行計画の安全性を最終評価する（ステップＳ８０８）。より詳細には、行動予測部１１３で予測した他車両の位置及び速度の情報と、走行計画生成部１１６により生成された自車両Ｍの位置及び速度を含む走行計画とを利用して、所定時刻ごと車間距離や相対車速を算出する。そして、このようにして求められた車間距離を相対速度で除することで、ＴＴＣ（Time To Collision：衝突余裕時間）を算出する。これにより、ＴＴＣが安全基準値より大きいか否かで、その走行計画の安全性を評価する。ＴＴＣが安全基準値を上回れば、安全であると評価してその走行計画を採用する（ステップＳ８０９）。ＴＴＣが安全基準値を下回り、安全でないと評価された場合は、走行計画生成部１１６は、走行計画を修正する。そして、安全評価部１１７は、修正された走行計画の安全性を再評価する。

このようにして、走行計画が採用されると、走行制御ＥＣＵ６０は、自車両Ｍの状態量推定値を加味しながら、採用された走行計画に基づいて、各時刻における位置と速度を忠実に再現できるように、アクチュエータに対する指示値を生成する。そして、スロットルアクチュエータ７１及びブレーキアクチュエータ７４を制御し、エンジン７３やブレーキ装置７４を制御することで加減速制御を行う。また、操舵モータ７５を制御し、電動パワーステアリング装置を制御することで操舵制御を行う。

以上、本実施形態に係る走行計画生成装置１０１では、自車両Ｍの周辺を走行する他車両のそれぞれが有する特性情報として希望車間時間、許容し得る最短の衝突余裕時間、及び希望加減速度を推定して取得し、これを利用して他車両ごとの危険度としての不安全度を推定して危険度分布を設定することができるため、この危険度分布に基づいて走行計画を生成することで、より安全性の高い走行計画を得ることができる。すなわち、他車両の希望車間時間や衝突余裕時間が小さいほど周辺車両に接近しがちで接触の可能性が高く、また希望加減速度が大きいほど運転が荒くて接触の危険性が高くなるため、このような場合に不安全度を高いと推定する。このようにして、不安全度が大きい車両ほど潜在的な衝突の危険性が高くなるため、このような車両付近での走行を避けるような走行計画を生成することで、潜在的なリスクを低減することができる。
（第３実施形態）

次に、第３実施形態に係る走行計画生成装置について説明する。なお、上記した実施形態と同一の要素には同一の符号を付し、重複する説明を省略する。

本実施形態に係る走行計画生成装置２０１は、図９に示すように、走行計画生成ＥＣＵ２１０の構成が、上記した第１実施形態の走行計画生成装置１と相違している。走行計画生成ＥＣＵ２１０は、データ記憶部２１１、行動予測部２１３、走行条件設定部２１８、走行計画生成部２１６、安全評価部２１７、死角判定値分布設定部２１５、死角判定値積算部２１９、走行条件緊急度判定部２２０、閾値選定部２２１、及び積算値比較部２２２を有している。

データ記憶部２１１は、自車センサ２０や周辺センサ３０で検出されたデータを過去の一定期間分だけ記憶する。なお、本実施形態では、データ記憶部２１１は、図１０に示すようなテーブルを記憶している。すなわち、車両の種別（例えば、車種とサイズ）ごとに、車両の死角領域を示すテーブルを記憶する。

行動予測部２１３は、上記した第１実施形態の行動予測部１３と同様である。

走行条件設定部（走行条件設定手段）２１８は、行動予測部２１３で予測した他車両の行動（位置及び速度）や道路情報に基づいて、自車両が取るべき行動方針としての走行条件を設定する。この走行条件としては、レーンチェンジ、右左折、停止などの条件である。

走行計画生成部（走行計画仮生成手段、走行計画生成手段）２１６は、設定された走行条件を達成するような、自車両の位置及び速度を含む走行計画を仮生成する。

安全評価部２１７は、第１実施形態の安全評価部１７と同様であり、走行計画生成部２１６で仮生成された走行計画の安全性を評価する。安全であると判定されれば、仮の走行計画が仮採用される。安全でないと判定されれば、走行計画生成部は、仮の走行計画を修正する。そして、安全評価部２１７は、修正された走行計画の安全性を再評価する。

死角判定値分布設定部（特性情報取得手段、危険度推定手段）２１５は、自車両の周辺を走行する他車両の死角領域を取得し、これに所定の判定値を与えることで、他車両ごとの死角判定値分布を設定する。より詳細には、この死角判定値分布の設定では、ミリ波レーダ３４やカメラ３２からの検出データにより、他車両のサイズ（長さや幅）と車種（例えば、ナンバープレートにより、貨物、乗用車などを判別）を検出する。そして、データ記憶部１１に記憶されている図１０に示すテーブルから、該当するサイズ及び車種の欄の死角領域を抽出する。

そして、抽出した死角領域内に所定の判定値を与える。例えば、２台の他車両の死角が重なっていれば、その部分には２倍の判定値を与える。また、他車両が周辺監視センサを搭載する車両であると分かっている場合は、警報などにより他車両のドライバによる御操作が防止される確率が高くなるため、判定値を規定係数（例えば、５０％）だけ積算してもよい。このようにして、図１１に示すように、自車両Ｍの周辺を走行する他車両Ｎ１−Ｎ２ごとに死角判定値が走路メモリに加算され、全体として死角判定値分布が設定される。なお、このような死角判定値分布は、将来の所定時間経過後（例えば、数秒〜数十秒後）までの所定時間間隔ごとの各時刻において、数百ｍ程度先まで設定される。

死角判定値積算部（積算値算出手段）２１９は、危険度分布としての死角判定値分布を利用して、仮生成された走行計画に従って走行した場合の自車両の死角判定値の積算値を算出する。すなわち、各時刻ごとの死角判定値分布を利用して、自車両の占有領域内の死角判定値の値を取得し、これを全ての時刻について積算するのである。

走行条件緊急度判定部（緊急度判定手段）２２０は、走行条件設定部２１８で設定された走行条件の緊急度を判定する。本実施形態では、高・中・低の３段階に緊急度が判定される。緊急度が高い場合としては、車線減少などによる必須のレーンチェンジや、緊急停止などによる不可避的な停止といったような必ず必要な制御の場合である。緊急度が中くらいの場合としては、車間距離を広げるなど安全をより確保するための制御のような可能であれば行いたい制御の場合である。緊急度が低い場合としては、その他の快適性を目的とする制御のような行っても行わなくてもどちらでもよい制御の場合である。

閾値選定部（閾値選定手段）２２１は、死角判定値の積算値と比較するための閾値として、緊急度が高いほど大きな閾値を選定する。具体的には、本実施形態では３段階に緊急度が判定され、緊急度が高い場合は死角判定値の積算値に関わらず、その走行計画を採用するため、ここでは、緊急度が中くらいの場合と低い場合とにおいて、緊急度がより高い「中」と判定された場合に、「低」と判定された場合よりも高い閾値を選定する。例えば、閾値である１００及び５０から選択する。

積算値比較部２２２は、緊急度が「中」と判定された場合に、死角判定値の積算値と高い閾値（例えば、１００）とを比較する。そして、死角判定値の積算値がこの閾値以下であれば、その制御計画を安全と判定し、採用する。一方、死角判定値の積算値がこの閾値を越えていれば、その制御計画は安全でないと判定し、死角領域に干渉した部分を回避するなど、制御計画を再度仮生成し直す。

また、積算値比較部２２２は、緊急度が「低」と判定された場合に、死角判定値の積算値と低い閾値（例えば、５０）とを比較する。そして、死角判定値の積算値がこの閾値以下であれば、その制御計画を安全と判定し、採用する。一方、死角判定値の積算値がこの閾値を越えていれば、その制御計画は安全でないと判定し、死角領域に干渉した部分を回避するなど、制御計画を再度仮生成し直す。

なお、走行計画生成ＥＣＵ１０に接続される自車センサ２０、周辺センサ３０、ナビゲーション装置４０、通信装置５０、及び走行制御ＥＣＵ６０は、第１実施形態と同様である。

次に、上記した走行計画生成装置２０１を用いた走行計画生成方法について、図１２のフローチャートを参照して説明する。

まず、制御の前提として、図１０に示すテーブルを準備し、走行計画生成ＥＣＵ１０のデータ記憶部１１に記憶しておく。このテーブルは、車両の種別（例えば、車種とサイズ）ごとに、車両の死角領域を示すテーブルである。

また、現在より所定期間だけ遡った過去から、自車センサ２０や周辺センサ３０によるデータ取得が行われ、データ記憶部１１にはこの期間分のデータが記憶されているとする。この状態から、走行計画の生成を開始する。

まず、ナビゲーション装置４０や通信装置５０を介してインフラ設備から、走行路に関する道路情報を取得する（ステップＳ１２０１）。

次に、行動予測部２１３において、他車両の行動を予測する（ステップＳ１２０２）。より詳細には、行動予測部２１３は、自車センサ２０で取得した自車両Ｍの状態量推定値と周辺センサ３０で取得した他車両情報とを取得する。そして、取得した情報から自車両Ｍの位置情報履歴、他車両の相対位置情報履歴、相対速度などを算出し、更にこれらの情報から、他車両の位置情報履歴、現状状態（速度、加速度、道路線形に対するヨー角など）を推定する。これにより、他車両の位置関係や他車両の傾向（車間、車速、加減速、レーンチェンジ抵抗感などのドライバ嗜好）が推定できる。そして、他車両の位置情報履歴、現状状態と取得した道路情報に基づいて、他車両の傾向から、予め生成されているドライバモデルに当てはめて、他車両の今後（例えば、数百ｍ程度）の行動（所定時間間隔ごとの位置や速度など）を予測する。

次に、走行計画生成部２１６において、行動予測部２１３で予測された他車両の行動（位置及び速度）を参照して、自車両の走行計画を仮生成する（ステップＳ１２０３）。走行計画の仮生成においては、まず、走行条件設定部２１８において、予測した他車両の行動（位置及び速度）と取得した道路情報とを利用して、自車両が取るべき行動方針としての走行条件を設定する。この走行条件としては、レーンチェンジ、右左折、停止などの条件である。そして、走行計画生成部２１６において、この走行条件を達成するように、自車両の走行計画を仮生成する。

次に、安全評価部２１７において、走行計画生成部２１６により仮生成された走行計画の安全性を評価する（ステップＳ１２０４）。より詳細には、行動予測部２１３で予測した他車両の位置及び速度の情報と、走行計画生成部２１６により仮生成された自車両Ｍの位置及び速度を含む走行計画とを利用して、所定時刻ごと車間距離や相対車速を算出する。そして、このようにして求められた車間距離を相対速度で除することで、ＴＴＣ（Time To Collision：衝突余裕時間）を算出する。これにより、ＴＴＣが安全基準値より大きいか否かで、その走行計画の安全性を評価する。ＴＴＣが安全基準値を上回れば、安全であると評価してその走行計画を採用する（ステップＳ１２０５）。ＴＴＣが安全基準値を下回り、安全でないと評価された場合は、走行計画生成部２１６は、走行計画を修正する。そして、安全評価部２１７は、修正された走行計画の安全性を再評価する。

次に、後述する死角判定値分布を設定するための走路メモリ（例えば、数百メートル分）を確保し、これを初期化（＝０）する（ステップＳ１２０６）。

次に、死角判定値分布設定部２１５において、ミリ波レーダ３４やカメラ３２からの検出データにより、他車両のサイズ（長さや幅）と車種（例えば、ナンバープレートにより、貨物、乗用車などを判別）を検出する（ステップＳ１２０７）。そして、データ記憶部１１に記憶されている図１０に示すテーブルから、該当するサイズ及び車種の欄の死角領域を抽出する（ステップＳ１２０８）。そして、抽出した死角領域内に所定の判定値を与える。例えば、２台の他車両の死角が重なっていれば、その部分には２倍の判定値を与える。また、他車両が周辺監視センサを搭載する車両であると分かっている場合は、警報などにより他車両のドライバによる御操作が防止される確率が高くなるため、判定値を規定係数（例えば、５０％）だけ積算してもよい。このようにして、図１１に示すように、自車両Ｍの周辺を走行する他車両Ｎ１−Ｎ２ごとに死角判定値が走路メモリに加算され、全体として死角判定値分布が設定される（ステップＳ１２０９）。なお、このような死角判定値分布は、将来の所定時間経過後（例えば、数秒〜数十秒後）までの所定時間間隔ごとの各時刻において、数百ｍ程度先まで設定される。

次に、死角判定値積算部２１９において、危険度分布としての死角判定値分布を利用して、仮生成された走行計画に従って走行した場合の自車両の死角判定値の積算値を算出する（ステップＳ１２１０）。すなわち、各時刻ごとの死角判定値分布を利用して、自車両の占有領域内の死角判定値の値を取得し、これを全ての時刻について積算するのである。

次に、走行条件緊急度判定部２２０において、走行条件設定部２１８で設定された走行条件の緊急度を判定する。まず、緊急度が「高」であるか否か判定し（ステップＳ１２１１）、緊急度が「高」である場合には、必須であるか不可避的な制御であるとして、死角判定値に関わらず、仮生成された走行計画を本採用する（ステップＳ１２１２）。一方、緊急度が「高」でない場合には、緊急度が「中」であるか否か判定する（ステップＳ１２１３）。緊急度が「中」である場合には、閾値選定部２２１において高い方の閾値（例えば、１００）を選定し、積算値比較部２２２において、この閾値と死角判定値の積算値とを比較する（ステップＳ１２１４）。そして、死角判定値の積算値がこの閾値以下であれば、その仮生成された制御計画は安全と判定し、本採用する（ステップＳ１２１２）。一方、死角判定値の積算値がこの閾値を越えていれば、その制御計画は安全でないと判定し、ステップＳ１２０３に戻って、死角領域に干渉した部分を回避するなど、制御計画を再度仮生成し直す。

また、ステップＳ１２１３において、緊急度が「中」でないと判定された場合は、結果として緊急度が「低」であることになるが、この場合、閾値選定部２２１において低い方の閾値（例えば、５０）を選定し、積算値比較部２２２において、この閾値と死角判定値の積算値とを比較する（ステップＳ１２１５）。そして、死角判定値の積算値がこの閾値以下であれば、その制御計画を安全と判定し、本採用する（ステップＳ１２１６）。一方、死角判定値の積算値がこの閾値を越えていれば、その制御計画は安全でないと判定し、ステップＳ１２０３に戻って、死角領域に干渉した部分を回避するなど、制御計画を再度仮生成し直す。

このようにして、走行計画が採用されると、走行制御ＥＣＵ６０は、自車両Ｍの状態量推定値を加味しながら、採用された走行計画に基づいて、各時刻における位置と速度を忠実に再現できるように、アクチュエータに対する指示値を生成する。そして、スロットルアクチュエータ７１及びブレーキアクチュエータ７４を制御し、エンジン７３やブレーキ装置７４を制御することで加減速制御を行う。また、操舵モータ７５を制御し、電動パワーステアリング装置を制御することで操舵制御を行う。

以上、本実施形態に係る走行計画生成装置２０１では、自車両Ｍの周辺を走行する他車両のそれぞれが有する特性情報として他車両のドライバにとって死角となる死角領域を取得し、これを利用して他車両ごとの危険度としての死角判定値分布を設定することができるため、この危険度分布に基づいて走行計画を生成することで、走行条件の緊急度に応じて可能な範囲で他車両のドライバの死角を避けるような走行計画を生成して、他車両のドライバの見落としによる事故の危険性を低減することができる。

なお、本発明は上記した実施形態に限定されることなく、種々の変形が可能である。例えば、上記した実施形態では、自車両の周辺を走行する他車両の行動を予測する場合に、過去の履歴から推定していたが、他車両が自動制御車両である場合には、通信装置５０を介して他車両の走行計画を取得し、これに基づいて行動を予測することとしてもよい。この場合、第１実施形態において推定している他車両の重量情報も、通信装置５０を介して受信するようにしてもよい。

また、上記した実施形態では、自車両に走行計画生成装置が搭載されている場合について説明したが、インフラ側が走行計画生成装置を備え、生成された走行計画を通信装置を介して受信して自車両を走行制御するようにしてもよい。

第１実施形態に係る走行計画生成装置の構成を示すブロック図である。 車両の種別（車種とサイズ）ごとの最大加速能力Ｇ（空荷状態及び満載状態）と最大減速能力Ｇ（空荷状態及び満載状態）とを示すテーブルである。 運動エネルギー分布を示す図である。 図１の走行計画生成装置を搭載する車両のハード構成例を模式的に示す図である。 第１実施形態に係る走行計画生成方法を示すフローチャートである。 第２実施形態に係る走行計画生成装置の構成を示すブロック図である。 不安全度分布を示す図である。 第２実施形態に係る走行計画生成方法を示すフローチャートである。 第３実施形態に係る走行計画生成装置の構成を示すブロック図である。 車両の種別（車種とサイズ）ごとの死角領域を示すテーブルである。 死角判定値分布を示す図である。 第３実施形態に係る走行計画生成方法を示すフローチャートである。

符号の説明

１，１０１，２０１…走行計画生成装置、１０，１１０，２１０…走行計画生成ＥＣＵ、１３，１１３，２１３…行動予測部、１４…重量推定部、１５…運動エネルギー設定部、１６，１１６，２１６…走行計画生成部、４０…ナビゲーション装置、５０…通信装置、１１４…不安全度算出部、１１５…不安全度分布設定部、２１５…死角判定値分布設定部、２１８…走行条件設定部、２１９…死角判定値積算部、２２０…走行条件緊急度判定部、２２１…閾値選定部、２２２…積算値比較部、Ｍ…自車両、Ｎ…他車両。

Claims (6)

1. 車両の各時刻における位置情報を含む走行計画を生成する走行計画生成装置において、
   前記車両が走行する走行路に関する道路情報を取得する道路情報取得手段と、
   前記道路情報を利用して、前記車両の周辺を走行する他車両の各時刻における位置及び速度を予測する行動予測手段と、
   前記他車両のそれぞれが有する特性情報を取得する特性情報取得手段と、
   前記特性情報を利用して、前記他車両ごとの危険度を推定する危険度推定手段と、
   前記道路情報と前記他車両の位置と前記危険度とを利用して、前記走行路上の各時刻における危険度分布を設定する危険度分布設定手段と、
   前記危険度分布を利用して、前記車両の前記走行計画を生成する走行計画生成手段と、を備え、
   前記特性情報取得手段は、前記他車両の重量を前記特性情報として取得し、
   前記危険度推定手段は、前記他車両の重量と速度とに基づく運動エネルギーが高いほど前記危険度が高いと推定する、ことを特徴とする走行計画生成装置。
2. 前記特性情報取得手段は、前記他車両と該他車両の周辺車両との相対関係を前記特性情報として取得することを特徴とする請求項１に記載の走行計画生成装置。
3. 前記特性情報は、少なくとも前記周辺車両に対する前記他車両の希望車間時間又は衝突余裕時間を含み、
   前記危険度推定手段は、前記希望車間時間又は衝突余裕時間が小さいほど前記危険度が高いと推定する、ことを特徴とする請求項２に記載の走行計画生成装置。
4. 前記特性情報取得手段は、前記他車両のドライバにとって死角となる死角領域を前記特性情報として取得し、
   前記危険度推定手段は、前記死角領域に所定の値を付与することで前記他車両ごとの危険度を推定する、ことを特徴とする請求項１に記載の走行計画生成装置。
5. 前記車両の走行条件を取得する走行条件取得手段と、
   前記走行条件を達成する前記車両の走行計画を仮生成する走行計画仮生成手段と、
   前記危険度分布を利用して、仮生成された前記走行計画に従って走行した場合の前記車両の危険度の積算値を算出する積算値算出手段と、
   前記走行条件の緊急度を判定する緊急度判定手段と、を備え、
   前記走行計画生成手段は、前記緊急度に応じて前記危険度の積算値が低減する走行計画を生成することを特徴とする請求項４に記載の走行計画生成装置。
6. 前記緊急度が高いほど大きな閾値を選定する閾値選定手段を備え、
   前記走行計画生成手段は、前記危険度の積算値が前記閾値を上回る場合に、該積算値が低減する走行計画を生成することを特徴とする請求項５に記載の走行計画生成装置。
   

Images