JP4605200B2 - 運転意図推定装置、車両用運転操作補助装置および車両用運転操作補助装置を備えた車両 - Google Patents

Description

本発明は、走行中の運転者の運転行動意図を推定する運転意図推定装置、および運転意図に応じて運転者の操作を補助する車両用運転操作補助装置に関する。

従来の運転意図推定装置は、運転者の視線行動を用いて運転意図を推定している（例えば特許文献１参照）。この装置は、運転者の視線方向を前方投影平面に投影し、投影平面上の分割された複数の領域における視線方向頻度分布を用いて運転者の運転意図を推定する。

本願発明に関連する先行技術文献としては次のものがある。
特開２００２−３３１８５０号公報

上述した従来の装置は、運転者の視線方向や視線の注視頻度等を用いて運転者の運転行動意図を推定することができる。ただし、運転者の視線行動は車両走行環境の差異に影響され、さらに運転者の個人差も大きく意図推定の精度が変動してしまうという問題があるため、常に高い精度で運転意図を推定することが望まれている。

本発明による運転意図推定装置は、自車両の車両周囲状態を検出する車両周囲状態検出手段と、自車両の走行状況を検出する走行状況検出手段と、実際のドライバによる運転操作量を検出する運転操作量検出手段と、運転意図を与えられた複数の異なる仮想のドライバについて、第１の手法により、車両周囲状態検出手段によって検出される車両周囲状態に基づいて、各仮想ドライバが運転意図を遂行するために必要な運転操作量を計算する第１の仮想ドライバ運転操作量計算手段と、第１の仮想ドライバ運転操作量計算手段で用いられる車両周囲状態とは異なる情報に基づいて、第１の手法とは異なる第２の手法により、運転意図を与えられた複数の仮想ドライバがそれぞれ運転意図を遂行するために必要な運転操作量を計算する第２の仮想ドライバ運転操作量計算手段と、走行状況検出手段によって検出される走行状況に基づいて、第１の仮想ドライバ運転操作量計算手段によって算出される複数の仮想ドライバの運転操作量と、第２の仮想ドライバ運転操作量計算手段で算出される複数の仮想ドライバの運転操作量のいずれか一方を選択する仮想ドライバ運転操作量選択手段と、仮想ドライバ運転操作量選択手段によって選択された複数の仮想ドライバの運転操作量と、運転操作量検出手段によって検出された実際のドライバの運転操作量との近似度合（以降、運転操作量近似度合とする）をそれぞれ計算する運転操作量近似度合計算手段と、運転操作量近似度合計算手段によって計算された複数の運転操作量近似度合に基づいて、実際のドライバの運転意図を推定する運転意図推定手段とを備え、第１の仮想ドライバ運転操作量計算手段は、運転意図に応じて自車両の前方に設定される目標位置を基準として、運転操作量を計算し、第２の仮想ドライバ運転操作量計算手段は、自車両の前方に存在する障害物と自車両との相対位置関係に基づいて運転操作量を計算し、仮想ドライバ運転操作量選択手段は、走行状況検出手段によって検出される先行車両に対する接近度合に基づいて複数の仮想ドライバの運転操作量を選択する。
本発明による運転意図推定装置は、自車両の車両周囲状態を検出する車両周囲状態検出手段と、自車両の走行状況を検出する走行状況検出手段と、実際のドライバによる運転操作量を検出する運転操作量検出手段と、運転意図を与えられた複数の異なる仮想のドライバについて、第１の手法により、車両周囲状態検出手段によって検出される車両周囲状態に基づいて、各仮想ドライバが運転意図を遂行するために必要な運転操作量を計算する第１の仮想ドライバ運転操作量計算手段と、第１の仮想ドライバ運転操作量計算手段で用いられる車両周囲状態とは異なる情報に基づいて、第１の手法とは異なる第２の手法により、運転意図を与えられた複数の仮想ドライバがそれぞれ運転意図を遂行するために必要な運転操作量を計算する第２の仮想ドライバ運転操作量計算手段と、走行状況検出手段によって検出される走行状況に基づいて、第１の仮想ドライバ運転操作量計算手段によって算出される複数の仮想ドライバの運転操作量と、第２の仮想ドライバ運転操作量計算手段で算出される複数の仮想ドライバの運転操作量のいずれか一方を選択する仮想ドライバ運転操作量選択手段と、仮想ドライバ運転操作量選択手段によって選択された複数の仮想ドライバの運転操作量と、運転操作量検出手段によって検出された実際のドライバの運転操作量との近似度合（以降、運転操作量近似度合とする）をそれぞれ計算する運転操作量近似度合計算手段と、運転操作量近似度合計算手段によって計算された複数の運転操作量近似度合に基づいて、実際のドライバの運転意図を推定する運転意図推定手段とを備え、第１の仮想ドライバ運転操作量計算手段は、運転意図に応じて自車両の前方に設定される目標位置を基準として、運転操作量を計算し、第２の仮想ドライバ運転操作量計算手段は、自車両の前方に存在する障害物と自車両との相対位置関係に基づいて運転操作量を計算し、仮想ドライバ運転操作量選択手段は、走行状況検出手段によって検出される道路のカーブ曲率に基づいて複数の仮想ドライバの運転操作量を選択する。
本発明による運転意図推定装置は、自車両の車両周囲状態を検出する車両周囲状態検出手段と、自車両の走行状況を検出する走行状況検出手段と、実際のドライバによる運転操作量を検出する運転操作量検出手段と、運転意図を与えられた複数の異なる仮想のドライバについて、第１の手法により、車両周囲状態検出手段によって検出される車両周囲状態に基づいて、各仮想ドライバが運転意図を遂行するために必要な運転操作量を計算する第１の仮想ドライバ運転操作量計算手段と、第１の仮想ドライバ運転操作量計算手段で用いられる車両周囲状態とは異なる情報に基づいて、第１の手法とは異なる第２の手法により、運転意図を与えられた複数の仮想ドライバがそれぞれ運転意図を遂行するために必要な運転操作量を計算する第２の仮想ドライバ運転操作量計算手段と、走行状況検出手段によって検出される走行状況に基づいて、第１の仮想ドライバ運転操作量計算手段によって算出される複数の仮想ドライバの運転操作量と、第２の仮想ドライバ運転操作量計算手段で算出される複数の仮想ドライバの運転操作量のいずれか一方を選択する仮想ドライバ運転操作量選択手段と、仮想ドライバ運転操作量選択手段によって選択された複数の仮想ドライバの運転操作量と、運転操作量検出手段によって検出された実際のドライバの運転操作量との近似度合（以降、運転操作量近似度合とする）をそれぞれ計算する運転操作量近似度合計算手段と、運転操作量近似度合計算手段によって計算された複数の運転操作量近似度合に基づいて、実際のドライバの運転意図を推定する運転意図推定手段とを備え、第１の仮想ドライバ運転操作量計算手段は、運転意図に応じて自車両の前方に設定される目標位置を基準として、運転操作量を計算し、第２の仮想ドライバ運転操作量計算手段は、自車両の前方に存在する障害物と自車両との相対位置関係に基づいて運転操作量を計算し、仮想ドライバ運転操作量選択手段は、走行状況検出手段によって検出される自車速に基づいて複数の仮想ドライバの運転操作量を選択する。
本発明による車両用運転操作補助装置は、運転意図推定装置と、自車両周囲の障害物状況を検出する障害物検出手段と、障害物検出手段による検出結果に基づいて、自車両周囲のリスクポテンシャルを算出するリスクポテンシャル算出手段と、リスクポテンシャル算出手段によって算出されるリスクポテンシャルに基づいて、アクセルペダルに発生する操作反力を算出する操作反力算出手段と、アクセルペダルに操作反力を発生させる操作反力発生手段と、運転意図推定装置による運転意図の推定結果に基づいて、アクセルペダルに発生する操作反力を補正する補正手段とを備える。

本発明によれば、運転意図を与えられた複数の異なる仮想ドライバについて、運転意図を遂行するために必要な運転操作量を第１の手法および第２の手法によりそれぞれ算出し、実際のドライバによる運転操作量との近似度合に基づいて運転意図を推定するので、実際のドライバの運転意図を精度よく推定することができる。

《第１の実施の形態》
本発明の第１の実施の形態による運転意図推定装置について、図面を用いて説明する。図１は、本発明の第１の実施の形態による運転意図推定装置１の構成を示すシステム図である。まず、第１の実施の形態による運転意図推定装置１の構成を説明する。

運転意図推定装置１は、ドライバの操作による運転操作量を検出する運転操作量検出部１０と、自車両周囲の状態を検出する車両周囲状態検出部２０と、車両状態を検出する車両状態検出部３０と、第１の仮想ドライバ運転操作量計算部４０と、第１の仮想ドライバ運転操作量近似度合計算部５０と、第２の仮想ドライバ運転操作量計算部６０と、第２の仮想ドライバ運転操作量近似度合計算部７０と、仮想ドライバモデル選択部８０と、運転意図推定部９０とを備えている。

運転意図推定装置１は、運転意図を有する仮想のドライバを複数設定し、実際のドライバの運転操作と仮想ドライバの運転操作とを比較する。そして、実際のドライバの運転操作と仮想ドライバの運転操作がどれだけ近似しているかに基づいて運転意図を推定する。このとき、現在から過去の直近の所定時間における運転操作の系列的な近似度合に基づいて運転意図を推定する。

運転操作量検出部１０は、例えば操舵系に組み込まれた操舵角センサを備え、自車両の操舵角を検出する。車両周囲状態検出部２０は、例えば自車両の前方道路状況を画像として取得する前方カメラ、ヨー角センサおよびヨーレイトセンサ等を備え、自車両の車線内横方向位置、自車両と車線とのヨー角および自車両に作用するヨーレイト等を検出する。さらに、自車両の前方に存在する先行車の車線内横方向位置も検出する。なお、車両周囲状態検出部２０は、前方カメラで取得した画像信号を画像処理する画像処理装置も備えている。車両状態検出部３０は、例えば自車速を検出する車速センサを備えている。

第１の仮想ドライバ運転操作量計算部４０と、第１の仮想ドライバ運転操作量近似度合計算部５０と、第２の仮想ドライバ運転操作量計算部６０と、第２の仮想ドライバ運転操作量近似度合計算部７０と、仮想ドライバモデル選択部８０と、運転意図推定部９０は、例えばそれぞれマイクロコンピュータから構成される。またはＣＰＵと、ＲＯＭおよびＲＡＭ等のＣＰＵ周辺部品とから構成されるコントローラにおいて、ＣＰＵのソフトウェア形態によりそれぞれを構成することもできる。

第１の仮想ドライバ運転操作量計算部４０および第２の仮想ドライバ運転操作量計算部６０は、それぞれ異なる運転意図を与えられた複数の仮想ドライバが、それぞれの運転意図を遂行するために必要な運転操作量を計算する。ただし、第１の仮想ドライバ運転操作量計算部４０と第２の仮想ドライバ運転操作量計算部６０は、それぞれ異なる手法を用いて複数の仮想ドライバを生成し、その運転操作量を計算する。

具体的には、第１の仮想ドライバ運転操作量計算部４０は、車両周囲状態検出部１０によって検出される、自車両が走行する車線のレーンマーカ（車線識別線）と自車両との相対的な関係に基づいて複数の仮想ドライバの運転操作量を算出する。第２の仮想ドライバ運転操作量計算部６０は、レーンマーカと自車両との相対関係とは異なる情報、具体的には、車両周囲状態検出部２０によって検出される自車両と先行車との相対的な関係に基づいて、複数の仮想ドライバの運転操作量を算出する。以降、第１の仮想ドライバ運転操作量計算部４０で算出される仮想ドライバのモデルを前方参照型モデル、第２の仮想ドライバ運転操作量計算部６０で算出される仮想ドライバのモデルを先行車参照型モデルとして説明する。

第１の仮想ドライバ運転操作量近似度合計算部５０は、第１の仮想ドライバ運転操作量計算部４０で算出された前方参照型モデルの仮想ドライバの運転操作量と、運転操作量検出部１０で検出された実際のドライバの運転操作量との近似度合を算出する。第２の仮想ドライバ運転操作量近似度合計算部７０は、第２の仮想ドライバ運転操作量計算部６０で算出された先行車参照型モデルの仮想ドライバの運転操作量と、実際のドライバの運転操作量との近似度合を算出する。

前方参照型モデルでは、図２に示すように、実際のドライバは運転意図に応じた目標位置を前方参照点として自車両の前方に設定し、その前方参照点に到達するような運転操作を行うと仮定して仮想ドライバの運転操作量を決定している。ところが、自車両の走行状況によっては実際のドライバが前方参照点以外の情報に基づいて運転操作を行う場合がある。例えば、自車両と先行車との車間距離が短い場合、実際のドライバは先行車を注視して運転操作を行う傾向にあるため、前方参照点に基づいて算出した仮想ドライバの運転操作量と実際のドライバの運転操作量との近似度合は低下してしまう。その結果、実際のドライバの運転意図の推定精度が低下してしまう。

そこで、仮想ドライバモデル選択部８０は、実際のドライバが運転操作量を決定する際の手法（ストラテジ）に対応するように、自車両の走行状況に応じて前方参照型モデルおよび先行車参照型モデルのいずれか一方の仮想ドライバモデルを選択する。具体的には、第１の仮想ドライバ運転操作量近似度合計算部５０で算出された近似度合と第２の仮想ドライバ運転操作量近似度合計算部７０で算出された近似度合のうち、自車両の走行状況に応じていずれか一方を選択する。

運転意図推定部９０は、仮想ドライバモデル選択部８０で選択された仮想ドライバモデルを用いて、複数の仮想ドライバの運転操作量と実際のドライバの運転操作量との系列的な近似度合を算出して比較することにより、実際のドライバの運転意図を推定する。

以下に、第１の実施の形態による運転意図推定装置１の動作を、図３を用いて詳細に説明する。図３は、運転意図推定装置１における運転意図推定処理プログラムの処理手順を示すフローチャートである。図３に示す処理の処理内容は、一定間隔（例えば５０msec）毎に連続的に行われる。

ステップＳ１０１では、現在の自車両の車線内横位置ｘと自車両のヨー角ψを検出する。図４に示すように、車線内横位置ｘは、自車線の車線中央線から自車両中心点Ｏまでの左右方向距離であり、ヨー角ψは、自車線の直進方向に対する自車両の回転角である。さらに、自車両の前方に存在する先行車の車線内横位置Ｐｘ（図５参照）も検出する。自車両の車線内横位置ｘおよび先行車の車線内横位置Ｐｘは、それぞれ車線中央から右側を正の値、左側を負の値で表す。

ステップＳ１０２では、運転操作量検出部１０によって検出される現在の操舵角θrdを、実際のドライバの運転操作量Ordとして読み込む。

ステップＳ１０３では、第１の仮想ドライバ運転操作量計算部４０において前方参照型モデルによる複数の仮想ドライバの運転操作量を算出する。ここで算出する仮想ドライバの運転操作量を、レーンマーカと自車両との相対的な関係に基づいて算出する第１の仮想ドライバ運転操作量Oid_1とする。ここでは、車線維持（ＬＫ）、右車線変更（ＬＣＲ）、および左車線変更（ＬＣＬ）の運転意図を持つ３人の仮想ドライバを設定する。そして、それぞれの仮想ドライバがその運転意図を遂行するために必要な運転操作量Oid_1を算出する。ここでは、仮想ドライバが行う操舵操作の操舵角θid_1を、運転操作量Oid_1として算出する。以下に、仮想ドライバの運転操作量Oid_1の算出方法を説明する。

（１）仮想ドライバの運転意図が車線維持の場合
第１の仮想ドライバの操舵角θid_1を算出するために、まず仮想ドライバの運転意図が車線維持である場合の前方参照点ＬＫ（ｉ）を設定し、前方参照点ＬＫ（ｉ）の横位置p_lkを算出する。前方参照点ＬＫ（ｉ）の個数は任意であるが、ここでは自車両の前後方向中心線上に２つの前方参照点ＬＫ１，ＬＫ２を設定した場合を例として説明する。図４に示すように、自車両中心点Ｏから前方参照点ＬＫ１，ＬＫ２までの距離px(i)は、例えばpx(1)＝１０ｍ、px(2)＝３０ｍに設定する（px＝｛１０ｍ、３０ｍ｝）。距離px(i)は、例えば自車速に応じて設定することもできる。

現在自車両が走行する車線の中央線から前方参照点ＬＫ（ｉ）までの左右方向距離lat_pos(px(i))は、自車両のヨー角ψと前方地点ＬＫ（ｉ）までの距離ｐｘ（ｉ）に依存し、例えば前方カメラからの画像信号に基づいて算出することができる。車線維持の場合の前方参照点ＬＫ（ｉ）の横位置p_lk(px(i))は、以下の（式１）で表すことができる。
p_lk(px(i))=lat_pos(px(i)) i={1,...,n}・・・（式１）
ここで、ｎ＝２である。

前方参照点ＬＫ（ｉ）の横位置p_lk(px(i))を用いて、車線維持の場合の仮想ドライバの操舵角θid_1_lkを以下の（式２）から算出することができる。
θid_1_lk＝Σ｛a(i)×p_lk(px(i))｝ ・・・（式２）
ここで、a(i)は前方参照点ＬＫ（ｉ）における横位置p_lk(px(i))に重み付けをする重み付け係数であり、予め適切な値を設定しておく。

（２）仮想ドライバの運転意図が右車線変更の場合
第１の仮想ドライバの操舵角θid_1を算出するために、仮想ドライバの運転意図が右車線変更である場合の前方参照点ＬＣＲ（ｉ）を設定する。図４には、自車両の前方に２つの前方参照点ＬＣＲ１，ＬＣＲ２を設定した場合を例として示している。

右車線変更の場合の前方参照点ＬＣＲ（ｉ）の横位置p_lcr(px(i))は、以下の（式３）で表すように、車線維持の場合の前方参照点ＬＫ（ｉ）の左右方向距離lat_pos(px(i))にオフセット量lc_offset_lcrを加算して算出することができる。
p_lcr(px(i))=lat_pos(px(i))+lc_offset_lcr i={1,...,n}・・・（式３）
ここで、ｎ＝２である。オフセット量lc_offset_lcrは、右車線変更の場合の前方参照点ＬＣＲ（ｉ）の横位置p_lcr(px(i))を設定するために予め適切な値、例えばlc_offset_lcr＝−１．７５に設定する。

前方参照点ＬＣＲ（ｉ）の車線内横位置p_lcr(px(i))を用いて、右車線変更の場合の操舵角θid_1_lcrを以下の（式４）から算出することができる。
θid_1_lcr＝Σ｛a(i)×p_lcr(px(i))｝ ・・・（式４）
ここで、a(i)は前方参照点ＬＣＲ（ｉ）における車線内横位置p_lcr(px(i))に重み付けをする重み付け係数であり、予め適切な値を設定しておく。

（３）仮想ドライバの運転意図が左車線変更の場合
第１の仮想ドライバの操舵角θid_1を算出するために、仮想ドライバの運転意図が左車線変更である場合の前方参照点ＬＣＬ（ｉ）を設定する。図４には、自車両の前方に２つの前方参照点ＬＣＬ１，ＬＣＬ２を設定した場合を例として示している。

左車線変更の場合の前方参照点ＬＣＬ（ｉ）の横位置p_lcl(px(i))は、以下の（式５）で表すように、車線維持の場合の前方参照点ＬＫ（ｉ）の左右方向距離lat_pos(px(i))にオフセット量lc_offset_lclを加算して算出することができる。
p_lcl(px(i))=lat_pos(px(i))+lc_offset_lcl i={1,...,n}・・・（式５）
ここで、ｎ＝２である。オフセット量lc_offset_lclは、左車線変更の場合の前方参照点ＬＣＬ（ｉ）の横位置p_lcl(px(i))を設定するために予め適切な値、例えばlc_offset_lcl＝１．７５に設定する。

前方参照点ＬＣＬ（ｉ）の車線内横位置p_lcl(px(i))を用いて、左車線変更の場合の仮想ドライバの操舵角θid_1_lclを以下の（式６）から算出することができる。
θid_1_lcl＝Σ｛a(i)×p_lcl(px(i))｝ ・・・（式６）
ここで、a(i)は前方参照点ＬＣＬ（ｉ）における車線内横位置p_lcl(px(i))に重み付けをする重み付け係数であり、予め適切な値を設定しておく。

ステップＳ１０４では、ステップＳ１０２で検出した実際のドライバの運転操作量Ordと、ステップＳ１０３で算出した各運転意図における第１の仮想ドライバの運転操作量Oid_1とを用いて、第１の仮想ドライバの運転操作量近似度合Pid_1を算出する。

ここでは、説明を簡単にするために、運転意図が車線維持の場合、右車線変更の場合、および左車線変更の場合の近似度合Pid_1_lk, Pid_1_lcr, Pid_1_lclをまとめてPid_1で表す。同様に、運転意図が車線維持の場合、右車線変更の場合、および左車線変更の場合の第１の仮想ドライバの操舵角θid_1_lk, θid_1_lcr, θid_1_lclをまとめてθid_1で表す。

第１の仮想ドライバ運転操作量近似度合Pid_1は、実際のドライバの操舵角θrdを平均値、所定値ρrdを標準偏差とする正規分布に対して、第１の仮想ドライバの操舵角θid_1の正規化（規準化）値の対数確率として、以下の（式７）から算出することができる。
Pid_1＝log｛Probn（（θid_1−θrd）／ρrd）｝ ・・・（式７）
ここで、Probnは、与えられた標本が、正規分布で表される母集団から観測される確率を計算するための確率密度変換関数である。

このように、ステップＳ１０４では、（式７）を用いて車線維持の場合の近似度合Pid_1_lk、右車線変更の場合の近似度合Pid_1_lcr、および左車線変更の場合の近似度合Pid_1_lclをそれぞれ算出する。これらの近似度合Pid_1_lk、Pid_1_lcr、Pid_1_lclは、現時点ｔにおける第１の仮想ドライバ運転操作量近似度合であるのでPid_1 (t)と表す。

つづくステップＳ１０５では、第２の仮想ドライバ運転操作量計算部６０において先行車参照型モデルによる複数の仮想ドライバの運転操作量を算出する。ここで算出する仮想ドライバの運転操作量を、自車両と先行車との相対的な関係に基づいて算出する第２の仮想ドライバ運転操作量Oid_2とする。ここでは、車線維持（ＬＫ）と車線変更（ＬＣ）の運転意図を持つ複数の仮想ドライバを設定し、それぞれの仮想ドライバがその運転意図を遂行するために必要な運転操作量Oid_2を算出する。以下に、第２の仮想ドライバ運転操作量Oid_2の算出方法を説明する。

（１）仮想ドライバの運転意図が車線維持の場合
自車両と先行車との相対関係に基づいて車線維持を行おうとする場合は、自車両は車幅方向において先行車からはみ出さないように運転操作を行うと仮定する。そこでまず、自車両と先行車との車幅方向の重複率（ラップ率）を算出する。図５を用いてラップ率Ｓの算出方法を説明する。

ラップ率Ｓは、先行車の車幅Ｗｌに対して自車両の車幅Ｗｏがどれほど重なっているかを示す値である。図５に示すように先行車の車幅Ｗｌと自車両の車幅Ｗｏの重なり量ｓｌを算出し、以下の（式８）から先行車の車幅Ｗｌに対する重なり量ｓｌの比率ｓｘを算出する。
ｓｘ＝ｓｌ/Ｗｌ ・・・(式８)

ラップ率Ｓは、比率ｓｘを用いて以下の(式９)から算出する。
Ｓ＝sgn（ｄｘ）×（ｓｘ） ・・・(式９)
(式９)において、ｄｘは自車両の車幅方向中心位置と先行車の車幅方向中心位置のオフセット方向を示す値である。図５に示すように先行車後端面の車幅方向中心位置Ｐｌに対して自車両前端の車幅方向中心位置Ｐｏが右方向にオフセットしている場合はｄｘ＝+１とし、左方向にオフセットしている場合はｄｘ＝-１とする。sgn（ｄｘ）は、ｄｘ＝+１の場合に+１を示し、ｄｘ＝-１のときに-１を示す。

従って、ラップ率Ｓは、自車両と先行車とが車幅方向に完全に重なっている場合はＳ＝１となり、重なり度合が小さくなるほど小さい値を示すとともに、自車両が右方向にオフセットしている場合は正の値、左方向にオフセットしている場合は負の値を示す。

つぎに、自車両と先行車とのラップ率Ｓが最大、すなわちラップ率Ｓ＝１となるように第２の仮想ドライバ運転操作量Oid_2を決定する。ラップ率Ｓ＝１を目標ラップ率Ｓｄとして設定し、実際のラップ率Ｓと目標ラップ率Ｓｄとの偏差ｅ（ｔ）を以下の（式１０）から算出する。車線維持の場合の偏差ｅ（ｔ）を、elk（ｔ）と表す。
elk（ｔ）＝Ｓｄ−｜Ｓ｜ ・・・（式１０）

（式１０）から算出した偏差elk（ｔ）と一周期前の偏差elk（ｔ−１）を用いて、目標ラップ率Ｓｄに対する時間偏差Δｅ（ｔ）を以下の（式１１）から算出する。車線維持の場合の時間偏差Δｅ（ｔ）を、Δelk（ｔ）と表す。
Δelk（ｔ）＝elk（ｔ）−elk（ｔ-１） ・・・（式１１）

つぎに、（式１１）で算出した時間偏差Δelk（ｔ）を用いて、車線維持の場合の第２の仮想ドライバの操舵角θid_2_lk(t)を以下の(式１２)から算出する。
θid_2_lk(t)＝Kslk／（１+Tslk）×｛Kplk×Δelk(t)+Kdlk（Δelk(t)−Δelk(t-1)）｝ ・・・(式１２)
（式１２）において、Kslkは操舵ゲイン、Tslkは無駄時間時定数、Kplkは比例項係数、Kdlkは微分項係数であり、それぞれ任意に定められるパラメータである。

（２）仮想ドライバの運転意図が車線変更の場合
車線変更の場合は、先行車の車線内横位置Ｐｘから車幅方向に１車線分、例えば３．５ｍ分オフセットさせた位置を自車両の目標横位置Ｐｏとして設定し、第２の仮想ドライバ運転操作量Oid_2を算出する。自車両の車線内横位置ｘと目標横位置Ｐｏとの偏差ｅ（ｔ）を以下の（式１３）から算出する。車線変更の場合の偏差ｅ（ｔ）を、elc（ｔ）と表す。
elc（ｔ）＝｜Ｐｏ｜−｜ｘ｜ ・・・（式１３）

（式１３）から算出した偏差elc（ｔ）と一周期前の偏差elc（ｔ−１）を用いて、目標横位置Ｐｏに対する時間偏差Δｅ（ｔ）を以下の（式１４）から算出する。車線変更の場合の時間偏差Δｅ（ｔ）を、Δelc（ｔ）と表す。
Δelc（ｔ）＝elc（ｔ）−elc（ｔ-１） ・・・（式１４）

つぎに、（式１４）で算出した時間偏差Δelc（ｔ）を用いて、車線変更の場合の第２の仮想ドライバの操舵角θid_2_lc(t)を以下の(式１５)から算出する。
θid_2_lc(t)＝Kslc／（１+Tslc）×｛Kplc×Δelc(t)+Kdlc（Δelc(t)−Δelc(t-1)）｝ ・・・(式１５)
（式１５）において、Kslcは操舵ゲイン、Tslcは無駄時間時定数、Kplcは比例項係数、Kdlcは微分項係数であり、それぞれ任意に定められるパラメータである。

ステップＳ１０６では、ステップＳ１０２で検出した実際のドライバの運転操作量Ordと、ステップＳ１０５で算出した各運転意図における第２の仮想ドライバの運転操作量Oid_2とを用いて、第２の仮想ドライバの運転操作量近似度合Pid_2を算出する。ここでは、上述した第１の仮想ドライバの運転操作量近似度合Pid_1と同様に、（式７）を用いて運転意図が車線維持の場合、および車線変更の場合の近似度合Pid_2_lk, Pid_2_lcを算出する。これらの近似度合Pid_2_lk, Pid_2_lcは現時点ｔにおける第２の仮想ドライバ運転操作量近似度合であるので、以降の処理においてPid_2 (t)と表す。

ステップＳ１０７では、自車両と先行車との接近度合Ｌを判断する。接近度合Ｌとしては、例えば自車両と先行車との車間距離を用いる。先行車との車間距離Ｌが大きい場合、実際のドライバは自車両前方の目標位置である前方参照点を基準として運転操作を行うと考えられる。一方、先行車との接近度合Ｌ，すなわち車間距離が小さい場合は、前方参照点を視認することが困難なため、先行車との相対関係を基準として運転操作を行うと考えられる。

そこで、車間距離Ｌが所定値Ｌｏよりも大きい場合は、ステップＳ１０８へ進み、前方参照型モデルによる第１の仮想ドライバの運転操作量近似度合Pid_1を用いて、現在から過去の所定時間までの系列的な運転操作量近似度合Pidsを算出する。一方、車間距離Ｌが所定値Ｌｏ以下の場合は、ステップＳ１０９へ進み、先行車参照型モデルによる第２の仮想ドライバの運転操作量近似度合Pid_2を用いて、系列的な運転操作量近似度合Pidsを算出する。

車間距離Ｌに基づいていずれの仮想ドライバを選択するかを判断するためのしきい値である所定値Ｌｏは、車両状態検出部３０によって検出される自車速Ｖに基づいて可変で設定される。図６に、自車速と所定値Ｌｏとの関係を示す。図６に示すように自車速Ｖが大きくなるほど所定値Ｌｏが小さくなるように設定する。これにより、自車速Ｖが大きくなるほど前方参照型モデルによる第１の仮想ドライバの運転操作量近似度合Pid_1を選択する頻度が高くなる。

ステップＳ１０８における系列的な運転操作量近似度合Pidsの算出方法を以下に説明する。ここでは、過去の時点（ｔ−ｍ＋１）から現時点ｔまでに算出され、第１の仮想ドライバ運転操作量計算部４０のメモリに記憶されているｍ個の第１の仮想ドライバ運転操作量近似度合Pid_1を用いて、各運転意図における運転操作量系列近似度合Pidsを算出する。ここでは、運転意図が車線維持の場合、右車線変更の場合、および左車線変更の場合の運転操作量系列近似度合Pids_lk, Pids_lcr,Pids_lclをまとめてPidsで表す。運転操作量系列近似度合Pidsは、以下の（式１６）から算出することができる。

ここで、Πは、現時点ｔでの第１の仮想ドライバ運転操作量近似度合Pid_1(t)から過去の時点（ｔ−ｍ＋１）での仮想ドライバ運転操作量近似度合Pid_1(t-m+1)までを全て積算した積和を表す。

なお、図７に示すように、車線維持の場合の運転操作量系列近似度合Pids_lkを算出する場合は、現時点ｔから過去の時点（ｔ−ｍ＋１）の間に算出された車線維持の近似度合Pid_1_lk(t)〜Pid_1_lk(t-m+1)を用いる。同様に、右車線変更の場合の運転操作量系列近似度合Pids_lcrを算出する場合は、現時点ｔから過去の時点（ｔ−ｍ＋１）の間に算出された右車線変更の近似度合Pid_1_lcr(t)〜Pid_1_lcr(t-m+1)を用い、左車線変更の場合の運転操作量系列近似度合Pids_lclを算出する場合は、現時点ｔから過去の時点（ｔ−ｍ＋１）の間に算出された左車線変更の近似度合Pid_1_lcl(t)〜Pid_1_lcl(t-m+1)を用いる。

このように、ステップＳ１０８では（式１６）を用いて、第１の仮想ドライバに基づく車線維持の場合の運転操作量系列近似度合Pids_lk、および右車線変更および左車線変更の場合の運転操作量系列近似度合Pids_lcr、Pids_lclをそれぞれ算出する。ここで、（式１７）に示すように、右車線変更の場合の系列近似度合Pids_lcrおよび左車線変更の場合の系列近似度合Pids_lclの最大値を、車線変更の場合の系列近似度合Pids_lcとして設定する。
Pids_lc＝max{Pids_lcr, Pids_lcl} ・・・（式１７）

同様に、ステップＳ１０９では（式１６）を用いて、第２の仮想ドライバに基づく車線維持の場合の運転操作量系列近似度合Pids_lk、および車線変更の場合の運転操作量系列近似度合Pids_lcをそれぞれ算出する。

なお、車線維持の場合の系列近似度合Pids_lkは、実際のドライバが車線維持をする尤度（車線維持尤度Pr（LK））を表し、車線変更の場合の系列近似度合Pids_lcは、実際のドライバが車線変更をする尤度（車線変更尤度Pr（LC））を表す。このようにして実際のドライバの運転意図尤度を算出した後、ステップＳ１１０へ進む。

ステップＳ１１０では、実際のドライバの運転意図を推定する。まず、ステップＳ１０８またはＳ１０９で算出した車線維持尤度Ｐｒ（ＬＫ）および車線変更尤度Ｐｒ（ＬＣ）を用いて、以下の（式１８）から車線変更意図スコアＳｃを算出する。

（式１８）で算出される車線変更意図スコアＳｃは、０〜１の間で連続的に変化し、車線変更の確信度（確率）が車線維持の確信度よりも相対的に高いほど大きな値をとる。例えば車線変更と車線維持の確信度が５０：５０のときに、スコアＳｃ＝０．５となり、車線変更の確信度が１００％のときに、スコアＳｃ＝１となる。

つぎに、車線変更意図スコアＳｃを車線変更意図推定しきい値Ｔと比較する。車線変更意図推定しきい値Ｔは予め適切に設定された所定値であり、例えばＴ＝０．５に設定する。スコアＳｃが車線変更意図推定しきい値Ｔよりも大きければ運転意図が車線変更であると推定し、スコアＳｃがしきい値Ｔ以下であれば運転意図が車線維持であると推定する。

ステップＳ１１１では、ステップＳ１１０で推定した実際のドライバの運転意図の推定結果を出力する。これにより、今回の処理を終了する。

このように、以上説明した第１の実施の形態においては、以下のような作用効果を奏することができる。
（１）第１の仮想ドライバ運転操作量計算部４０は、運転意図を与えられた複数の異なる仮想のドライバについて、第１の手法により、車両周囲状態に基づいて各仮想ドライバがそれぞれの運転意図を遂行するために必要な運転操作量Oid_1を算出する。第２の仮想ドライバ運転操作量計算部６０は、第１の仮想ドライバ運転操作量計算部４０で用いる車両周囲状態とは異なる情報に基づいて、第１の手法とは異なる第２の手法により、運転意図を与えられた複数の仮想ドライバがそれぞれの運転意図を遂行するために必要な運転操作量Oid_2を算出する。仮想ドライバモデル選択部８０は、自車両の走行状況に基づいて、仮想ドライバの運転操作量Oid_1,Oid_2のうちいずれか一方を選択する。運転意図推定部９０は、選択された仮想ドライバの運転操作量Oidと実際のドライバの運転操作量Ordとの系列的な近似度合Pidsに基づいて実際のドライバの運転意図を推定する。これにより、自車両の走行状況に応じて、実際のドライバが運転操作量を決定する際の手法に基づいて仮想ドライバの運転操作量を決定することが可能となり、精度よく運転意図を推定することができる。
（２）第１の仮想ドライバ運転操作量計算部４０は、第１の手法として、運転意図に応じて自車両前方に設定される目標位置を基準として仮想ドライバの運転操作量Oid_1を算出する。一方、第２の仮想ドライバ運転操作量計算部６０は、第２の手法として、自車両前方に存在する障害物と自車両との相対位置関係に基づいて仮想ドライバの運転操作量Oid_2を算出する。このように異なる手法を用いて仮想ドライバの運転操作量Oid_1,Oid_2を算出することにより、走行状況に応じて一層精度よく運転意図を推定することができる。
（３）第２の仮想ドライバ運転操作量計算部６０は、自車両と前方障害物との相対位置関係として、自車両の車幅Ｗｏと先行車両の車幅Ｗｌとの重なり度合を表す重複率Ｓに基づいて仮想ドライバの運転操作量Oid_2を算出する。これにより、前方に先行車が存在する場合は先行車との車幅方向の重なり度合を基準にして運転操作量を決定するという実際のドライバの運転特性を考慮して、仮想ドライバの運転操作量Oid_2を算出することができる。
（４）仮想ドライバモデル選択部８０は、自車両の走行状況として、先行車に対する接近度合に基づいて第１および第２の仮想ドライバの運転操作量Oid_1,Oid_2のいずれか一方を選択する。具体的には、自車両と先行車との車間距離Ｌが大きい場合は第１の仮想ドライバの運転操作量Oid_1を選択し、車間距離Ｌが小さい場合は第２の仮想ドライバの運転操作量Oid_2を選択する。これにより実際のドライバの運転特性を考慮して、一層精度よく運転意図を推定することができる。
（５）仮想ドライバモデル選択部８０は、さらに、自車速Ｖに基づいて第１および第２の仮想ドライバの運転操作量Oid_1,Oid_2のいずれか一方を選択する。具体的には、図６に示すように、仮想ドライバモデルを選択する際の車間距離Ｌのしきい値Ｌｏを自車速Ｖに応じて設定する。これにより、車速Ｖが遅いほど車間距離Ｌが大きくても第２の仮想ドライバの運転操作量Oid_2が選択されるので、実際のドライバの運転特性を考慮して一層精度よく運転意図を推定することができる。

《第２の実施の形態》
本発明の第２の実施の形態による運転意図推定装置について、図面を用いて説明する。第２の実施の形態による運転意図推定装置の基本構成は、図１に示した第１の実施の形態と同様である。ここでは、第１の実施の形態との相違点を主に説明する。

第２の実施の形態においては、自車両が走行する道路の道路曲率（カーブ曲率）ρに基づいて前方参照型モデルおよび先行車参照型モデルのうち、いずれか一方の仮想ドライバモデルを選択する。さらに、自車両がカーブを走行する場合はシステムの横方向の分解能に起因して実際のドライバの運転意図の推定精度が変動するため、カーブ曲率ρに基づいて車線変更意図推定しきい値Ｔを変更する。

第２の実施の形態における車両周囲状態検出部２０は、ナビゲーションシステムをさらに備えている。ナビゲーションシステムはＧＰＳ受信器を介して自車両の現在位置を検出するとともに、道路情報データベースから自車両が走行する道路のカーブ曲率等の道路情報を取得する。

第２の実施の形態による運転意図推定装置の動作を、図８を用いて詳細に説明する。図８は、運転意図推定装置における運転意図推定処理プログラムの処理手順を示すフローチャートである。図８に示す処理の処理内容は、一定間隔（例えば５０msec）毎に連続的に行われる。ステップＳ２０１〜Ｓ２０６での処理は、図３のフローチャートのステップＳ１０１〜Ｓ１０６における処理と同様であるので説明を省略する。

ステップＳ２０７では、車両周囲状態検出部２０のナビゲーションシステムから取得した、自車両が走行する道路のカーブ曲率ρを判断する。カーブ曲率ρが所定値ρｏよりも小さい場合、すなわち緩やかなカーブを走行している場合は、ステップＳ２０８へ進み、前方参照型モデルによる第１の仮想ドライバの運転操作量近似度合Pid_1を用いて、現在から過去の所定時間までの系列的な運転操作量近似度合Pidsを算出する。一方、カーブ曲率ρが所定値ρｏ以上の場合、すなわち急カーブを走行している場合は、ステップＳ２０９へ進み、先行車参照型モデルによる第２の仮想ドライバの運転操作量近似度合Pid_2を用いて、系列的な運転操作量近似度合Pidsを算出する。

カーブ曲率ρに基づいていずれの仮想ドライバを選択するかを判断するためのしきい値である所定値ρｏは、車両状態検出部３０によって検出される自車速Ｖに基づいて可変で設定される。図９に、自車速と所定値ρｏとの関係を示す。図９に示すように自車速Ｖが大きくなるほど所定値ρｏが小さくなるように設定する。これにより、自車速Ｖが大きくなるほど前方参照型モデルによる第１の仮想ドライバの運転操作量近似度合Pid_1を選択する頻度が高くなる。

ステップＳ２１０では、ステップＳ２０８またはＳ２０９で算出した車線維持尤度Ｐｒ（ＬＫ）および車線変更尤度Ｐｒ（ＬＣ）を用いて、上述した（式１８）から車線変更意図スコアＳｃを算出する。そして、算出した車線変更意図スコアＳｃを車線意図推定しきい値Ｔと比較する。車線変更意図推定しきい値Ｔは、自車両が走行する道路のカーブ曲率ρに基づいて設定する。具体的には、カーブ曲率ρが大きくなり急なカーブであるほど、推定しきい値Ｔを大きな値に設定する。これにより、実際のドライバの運転意図が車線維持であるにも関わらず車線変更であると誤推定してしまうことを低減する。推定しきい値Ｔは、カーブ曲率ρに応じて、例えば０．５≦Ｔ＜１となる値に設定する。

スコアＳｃが車線変更意図推定しきい値Ｔよりも大きければ運転意図が車線変更であると推定し、スコアＳｃがしきい値Ｔ以下であれば運転意図が車線維持であると推定する。ステップＳ２１１では、ステップＳ２１０で推定した実際のドライバの運転意図の推定結果を出力する。これにより、今回の処理を終了する。

このように、以上説明した第２の実施の形態においては、とくに以下のような作用効果を奏することができる。
（１）仮想ドライバモデル選択部８０は、自車両の走行状況として、自車両が走行する道路のカーブ曲率ρに基づいて第１および第２の仮想ドライバの運転操作量Oid_1,Oid_2のいずれか一方を選択する。具体的には、カーブ曲率ρが大きく緩やかなカーブあるいは直線路である場合は第１の仮想ドライバの運転操作量Oid_1を選択し、カーブ曲率ρが小さく急なカーブである場合は第２の仮想ドライバの運転操作量Oid_2を選択する。これにより前方参照型モデル（第１の手法）では運転意図の推定精度が低下するような状況において異なる手法により第２の仮想ドライバの運転操作量Oid_2を算出することにより、精度よく運転意図を推定することができる。仮想ドライバモデル選択部８０は、さらに、図９に示すように、仮想ドライバモデルを選択する際のカーブ曲率ρのしきい値ρｏを自車速Ｖに応じて設定する。これにより、車速Ｖが速いほど、緩やかなカーブであっても第２の仮想ドライバの運転操作量Oid_2が選択されるので、実際のドライバの運転特性を考慮して一層精度よく運転意図を推定することができる。
（２）運転意図推定の際に用いる車線変更意図推定しきい値Ｔ（運転意図推定基準）は、道路のカーブ曲率ρに応じて変更される。これにより、カーブ走行中に実際のドライバの運転意図を誤推定してしまうことを低減できる。
（３）車線変更意図推定しきい値Ｔは、カーブ曲率ρが大きいほど大きくなるように設定される。これにより、カーブを走行中に車線維持を車線変更であると誤推定してしまうことを低減することができる。

《第３の実施の形態》
本発明の第３の実施の形態による運転意図推定装置について、図面を用いて説明する。図１０に、第３の実施の形態による運転意図推定装置２の構成を示す。図１０において、図１に示した第１の実施の形態と同様の機能を有する箇所には同一の符号を付している。ここでは、第１の実施の形態との相違点を主に説明する。

第３の実施の形態においては、前方参照型の第１の仮想ドライバと実際のドライバとの運転操作近似度合、および先行車参照型の第２の仮想ドライバと実際のドライバとの運転操作近似度合の両方を用いて運転意図推定を行う。したがって、図１０に示すように第３の実施の形態による運転意図推定装置２は、仮想ドライバモデル選択部８０を備えていない。

第３の実施の形態による運転意図推定装置の動作を、図１１を用いて詳細に説明する。図１１は、運転意図推定装置における運転意図推定処理プログラムの処理手順を示すフローチャートである。図１１に示す処理の処理内容は、一定間隔（例えば５０msec）毎に連続的に行われる。ステップＳ３０１〜Ｓ３０６での処理は、図３のフローチャートのステップＳ１０１〜Ｓ１０６における処理と同様であるので説明を省略する。

ステップＳ３０７では、前方参照型モデルによる第１の仮想ドライバの運転操作量近似度合Pid_1、および先行車参照型モデルによる第２の仮想ドライバの運転操作量近似度合Pid_2を用いて、系列的な運転操作量近似度合Pids_1、Pids_2をそれぞれ算出する。

ステップＳ３０８では、第１の仮想ドライバの運転操作量系列近似度合Pids_1と、第２の仮想ドライバの運転操作量系列近似度合Pids_2とを比較し、最も実際のドライバの運転操作量との合致度合が高い、すなわち最も運転操作量系列近似度合が大きい仮想ドライバの運転意図を、実際のドライバの運転意図として推定する。

ステップＳ３０９では、ステップＳ３０８で推定した実際のドライバの運転意図の推定結果を出力する。これにより、今回の処理を終了する。

なお、第１の仮想ドライバと第２の仮想ドライバのうち、最も大きな運転操作量系列近似度合を有する仮想ドライバについて上述した（式１８）を用いて車線変更意図スコアＳｃを算出し、運転意図推定を行うことも可能である。

このように、以上説明した第３の実施の形態においては、以下のような作用効果を奏することができる。
第１の仮想ドライバ運転操作量計算部４０は、運転意図を与えられた複数の異なる仮想のドライバについて、第１の手法により、車両周囲状態に基づいて各仮想ドライバがそれぞれの運転意図を遂行するために必要な第１の運転操作量Oid_1を算出する。第２の仮想ドライバ運転操作量計算部６０は、第１の仮想ドライバ運転操作量計算部４０で用いる車両周囲状態とは異なる情報に基づいて、第１の手法とは異なる第２の手法により、運転意図を与えられた複数の仮想ドライバがそれぞれの運転意図を遂行するために必要な第２の運転操作量Oid_2を算出する。第１の仮想ドライバ運転操作量近似度合計算部５０は、第１の運転操作量Oid_1と実際のドライバの運転操作量Ordとの近似度合を算出し、第２の仮想ドライバ運転操作量近似度合計算部７０は、第２の運転操作量Oid_2と実際のドライバの運転操作量Ordとの近似度合を算出する。そして、運転意図推定部９０は、第１及び第２の運転操作量Oid_1、Oid_2の両方を用いて実際のドライバの運転意図を推定する。これにより、複数の手法により生成された複数の仮想ドライバの中から実際のドライバの運転操作に最も近似した仮想ドライバの運転意図を、実際のドライバの運転意図として推定することができる。

《第４の実施の形態》
つぎに、本発明の第４の実施の形態による車両用運転操作補助装置について、図面を用いて説明する。図１２は、本発明の第４の実施の形態による車両用運転操作補助装置１００の構成を示すシステム図であり、図１３は、車両用運転操作補助装置１００を搭載した車両の構成図である。車両用運転操作補助装置１００は、第１から第３の実施の形態で説明した運転意図推定装置１、２の運転意図推定結果に基づいて、実際のドライバの運転操作を補助するものである。

まず、車両用運転操作補助装置１００の構成を説明する。
レーザレーダ１１０は、車両の前方グリル部もしくはバンパ部等に取り付けられ、水平方向に赤外光パルスを照射して自車両の前方領域を走査する。レーザレーダ１１０は、前方にある複数の反射物（通常、先行車の後端）で反射された赤外光パルスの反射波を計測し、反射波の到達時間より、先行車までの車間距離と相対速度を検出する。検出した車間距離及び相対速度はコントローラ１５０へ出力される。レーザレーダ１１０によりスキャンされる前方の領域は、自車正面に対して±６deg 程度であり、この範囲内に存在する前方物体が検出される。

前方カメラ１２０は、フロントウィンドウ上部に取り付けられた小型のＣＣＤカメラ、またはＣＭＯＳカメラ等であり、前方道路の状況を画像として検出する。前方カメラ１２０からの画像信号は画像処理装置１３０で画像処理を施され、コントローラ１５０へと出力される。前方カメラ１２０による検知領域は車両の前後方向中心線に対して水平方向に±３０deg程度であり、この領域に含まれる前方道路風景が画像として取り込まれる。

車速センサ１４０は、車輪の回転数や変速機の出力側の回転数を計測することにより自車両の車速を検出し、検出した自車速をコントローラ１５０に出力する。

さらに、上述した第１または第２の実施の形態による運転意図推定装置１によって推定された実際のドライバの運転意図推定結果がコントローラ１５０へ入力される。なお、第３の実施の形態による運転意図推定装置２の推定結果を用いてもよいことはもちろんである。

コントローラ１５０は、ＣＰＵと、ＲＯＭおよびＲＡＭ等のＣＰＵ周辺部品とから構成される。コントローラ１５０は、例えばＣＰＵのソフトウェア形態により、リスクポテンシャル計算部１５１，アクセルペダル反力指令値計算部１５２，およびアクセルペダル反力指令値補正部１５３を構成する。

リスクポテンシャル計算部１５１は、レーザレーダ１１０および車速センサ１４０から入力される自車速、車間距離および先行車両との相対車速と、画像処理装置１３０から入力される車両周辺の画像情報とから、自車両周囲のリスクポテンシャルＲＰを算出する。アクセルペダル反力指令値計算部１５２は、リスクポテンシャル計算部１５１で算出されたリスクポテンシャルＲＰに基づいて、アクセルペダル１６０に発生させるアクセルペダル反力の指令値ＦＡを算出する。

アクセルペダル反力指令値補正部１５３は、運転意図推定装置１から入力される運転意図推定結果に基づいて、アクセルペダル反力指令値計算部１５２で算出されたアクセルペダル反力指令値ＦＡを補正する。アクセルペダル反力指令値補正部１５３で補正されたアクセルペダル反力指令値ＦＡは、アクセルペダル反力制御装置１７０へ出力される。

アクセルペダル反力制御装置１７０は、コントローラ１５０からの指令値に応じてアクセルペダル操作反力を制御する。アクセルペダル１６０には、リンク機構を介してサーボモータ１８０およびアクセルペダルストロークセンサ１８１が接続されている（図１４参照）。サーボモータ１８０は、アクセルペダル反力制御装置１７０からの指令に応じてトルクと回転角とを制御し、運転者がアクセルペダル１６０を操作する際に発生する操作反力を任意に制御する。アクセルペダルストロークセンサ１８１は、リンク機構を介してサーボモータ１８０の回転角に変換されたアクセルペダル１６０のストローク量(操作量)ＡＳを検出する。

なお、アクセルペダル反力制御を行わない場合の通常のアクセルペダル反力特性は、例えば、操作量ＡＳが大きくなるほどアクセルペダル反力がリニアに大きくなるよう設定されている。通常のアクセルペダル反力特性は、例えばアクセルペダル１６０の回転中心に設けられたねじりバネ（不図示）のバネ力によって実現することができる。

つぎに、第４の実施の形態による車両用運転操作補助装置１００の動作を説明する。まず、その概要を説明する。
コントローラ１５０は、自車両周囲のリスクポテンシャルＲＰ、具体的には先行車に対するリスクポテンシャルに基づいて、アクセルペダル１６０に発生するアクセルペダル反力を制御する。ここで、ドライバが車線変更する意図を持って先行車に接近する場合、リスクポテンシャルＲＰの増加に応じてアクセルペダル反力を増加すると、ドライバの運転操作を妨げたりドライバに違和感を与える可能性がある。そこで、運転意図推定装置１によってドライバの車線変更意図が推定される場合は、車線変更意図が推定されない場合に比べてアクセルペダル反力を小さくする。さらに、先行車参照型モデルの第２の仮想ドライバを用いて車線変更意図が推定された場合は、アクセルペダル反力をさらに調整する。

以下に、車両用運転操作補助装置１００の動作を、図１５のフローチャートを用いて詳細に説明する。図１５は、コントローラ１５０における運転操作補助制御プログラムの処理手順を示すフローチャートである。本処理内容は、一定間隔（例えば５０msec）毎に連続的に行われる。

ステップＳ４０１で、レーザレーダ１１０、前方カメラ１２０および車速センサ１４０によって検出される自車両周囲の走行環境を表す環境状態量を読み込む。具体的には、自車両と先行車との車間距離Ｄ、先行車速Ｖ２および自車速Ｖ１を読み込む。ステップＳ４０２では、ステップＳ４０１で読み込んだ走行環境データに基づいて、自車両周囲のリスクポテンシャルＲＰを算出する。ここでは、自車両周囲のリスクポテンシャルＲＰを算出するために、先行車に対する余裕時間ＴＴＣと車間時間ＴＨＷとを算出する。

余裕時間ＴＴＣは、先行車に対する現在の自車両の接近度合を示す物理量である。余裕時間ＴＴＣは、現在の走行状況が継続した場合、つまり自車速Ｖ１、先行車速Ｖ２および相対車速Ｖｒ（Ｖｒ＝Ｖ２−Ｖ１）が一定の場合に、何秒後に車間距離Ｄがゼロとなり自車と先行車両とが接触するかを示す値である。余裕時間ＴＴＣは、以下の（式１９）により求められる。
ＴＴＣ＝−Ｄ／Ｖｒ ・・・（式１９）

余裕時間ＴＴＣの値が小さいほど、先行車への接触が緊迫し、先行車への接近度合が大きいことを意味している。例えば先行車への接近時には、余裕時間ＴＴＣが４秒以下となる前に、ほとんどの運転者が減速行動を開始することが知られている。

車間時間ＴＨＷは、自車両が先行車に追従走行している場合に、想定される将来の先行車の車速変化による余裕時間ＴＴＣへの影響度合、つまり相対車速Ｖｒが変化すると仮定したときの影響度合を示す物理量である。車間時間ＴＨＷは、以下の（式２０）で表される。
ＴＨＷ＝Ｄ／Ｖ１ ・・・（式２０）

車間時間ＴＨＷは、車間距離Ｄを自車速Ｖ１で除したものであり、先行車の現在位置に自車両が到達するまでの時間を示す。この車間時間ＴＨＷが大きいほど、周囲の環境変化に対する予測影響度合が小さくなる。つまり、車間時間ＴＨＷが大きい場合には、もしも将来に先行車の車速が変化しても、先行車までの接近度合には大きな影響を与えず、余裕時間ＴＴＣはあまり大きく変化しないことを示す。なお、自車両が先行車に追従し、自車速Ｖ１＝先行車速Ｖ２である場合は、（式２０）において自車速Ｖ１の代わりに先行車速Ｖ２を用いて車間時間ＴＨＷを算出することもできる。

そして、算出した余裕時間ＴＴＣと車間時間ＴＨＷとを用いて先行車に対するリスクポテンシャルＲＰを算出する。先行車に対するリスクポテンシャルＲＰは、以下の（式２１）を用いて算出することができる。
ＲＰ＝ａ／ＴＨＷ＋ｂ／ＴＴＣ ・・・（式２１）

（式２１）に示すように、リスクポテンシャルＲＰは、余裕時間ＴＴＣと車間時間ＴＨＷとから連続的に表現される物理量である。ここで、ａ、ｂは、車間時間ＴＨＷおよび余裕時間ＴＴＣにそれぞれ適切な重み付けをするための定数であり、予め適切な値を設定しておく。定数ａ、ｂは、例えばａ＝１，ｂ＝８（ａ＜ｂ）に設定する。

ステップＳ４０３では、アクセルペダルストロークセンサ１８１によって検出されるアクセルペダル１６０の操作量ＡＳを読み込む。ステップＳ４０４では、ステップＳ４０２で算出したリスクポテンシャルＲＰに基づいて、アクセルペダル反力指令値ＦＡを算出する。まず、リスクポテンシャルＲＰに応じた反力増加量ΔＦを算出する。

図１６に、先行車に対するリスクポテンシャルＲＰと反力増加量ΔＦとの関係を示す。図１６に示すように、リスクポテンシャルＲＰが最小値ＲＰmin以下の場合は、反力増加量ΔＦを０とする。これは、自車両周囲のリスクポテンシャルＲＰが非常に小さいときにアクセルペダル反力ＦＡを増加することによって、運転者に煩わしさを与えてしまうことを避けるためである。最小値ＲＰminは、予め適切な値を設定しておく。

リスクポテンシャルＲＰが最小値ＲＰminを超える領域では、リスクポテンシャルＲＰに応じて反力増加量ΔＦが指数関数的に増加するように設定する。反力増加量ΔＦは、以下の（式２２）で表される。
ΔＦ＝ｋ・ＲＰ^ｎ ・・・（式２２）
ここで、定数ｋ、ｎはそれぞれ車種等によって異なり、ドライブシミュレータや実地試験によって取得される結果に基づいて、リスクポテンシャルＲＰを効果的に反力増加量ΔＦに変換できるように予め適切に設定しておく。

さらに、（式２２）に従って算出した反力増加量ΔＦを、アクセルペダル操作量ＡＳに応じた通常の反力特性に加算することにより、アクセルペダル反力指令値ＦＡを算出する。

ステップＳ４０５では、運転意図推定装置１による運転意図の推定結果を読み込み、推定結果が車線変更であるか否かを判定する。ドライバの運転意図が車線変更であると推定された場合は、ステップＳ４０６へ進む。ステップＳ４０６では、ステップＳ４０４で算出したアクセルペダル反力指令値ＦＡを補正する。具体的には、ステップＳ４０４で算出したアクセルペダル反力指令値ＦＡにローパスフィルタ等のフィルタ処理を施して減衰させる。

補正後のアクセルペダル反力指令値ＦＡｃは、以下の（式２３）を用いて表すことができる。
ＦＡｃ＝ｇｆ（ＦＡ）
＝ｋ・｛１／（１＋ａ・Ｔsf）｝・ＦＡ ・・・（式２３）
ここで、ｋ，ａは適切に設定された定数、Ｔsfは反力指令値ＦＡを減衰させる際の時定数である。

つづくステップＳ４０７では、運転意図推定装置１において先行車参照型モデルの第２の仮想ドライバを用いて車線変更意図が推定されたか否かを判定する。ステップＳ４０７が肯定判定されるとステップＳ４０８へ進み、アクセルペダル反力指令値ＦＡを再度補正する。

再補正後のアクセルペダル反力指令値ＦＡｃｃは、以下の（式２４）を用いて表すことができる。
ＦＡｃｃ＝ｇｆ２（ＦＡ、Ｓ）
＝ｋ・｛１／（１＋Ｋｆｄｘ・ａ・Ｔsf）｝・ＦＡ ・・・（式２４）
時定数Ｔsfにかかる係数Ｋｆｄｘは、図１７に示すように車線変更意図が推定されたときの先行車とのラップ率Ｓに応じて設定される。

図１７に示すように、時定数Ｔｓｆにかかる係数Ｋｆｄｘは、０＜Ｋｆｄｘ＜１の間で、先行車とのラップ率Ｓの絶対値｜Ｓ｜が小さいほど小さくなるように設定する。これにより、車線変更意図推定時の先行車とのラップ率Ｓの絶対値が小さいほど時定数項（Ｋｆｄｘ・ａ・Ｔｓｆ）が小さくなり、アクセルペダル反力を速やかに減衰させることができる。なお、先行車とのラップ率Ｓに応じて時定数Ｔｓｆを直接設定することももちろん可能である。

ステップＳ４０７が否定判定されるとステップＳ４０９へ進み、ステップＳ４０６で算出した補正値ＦＡｃを、再補正値ＦＡｃｃとして設定する。

一方、ステップＳ４０５において運転意図推定装置１によって推定された運転意図が車線維持であると判定された場合は、ステップＳ４１０へ進み、ステップＳ４０４で算出したアクセルペダル反力指令値ＦＡをそのまま再補正値ＦＡｃｃとして設定する。

ステップＳ４１１では、ステップＳ４０８、Ｓ４０９またはＳ４１０で算出したアクセルペダル反力再補正値ＦＡｃｃを、アクセルペダル反力制御装置１７０へ出力する。アクセルペダル反力制御装置１７０は、コントローラ１５０から入力された指令に従ってサーボモータ１８０を制御する。これにより、今回の処理を終了する。

このように、以上説明した第４の実施の形態においては、以下のような作用効果を奏することができる。
（１）コントローラ１５０は、自車両周囲の障害物状況に基づいてリスクポテンシャルＲＰを算出し、リスクポテンシャルＲＰに基づいてアクセルペダル操作反力制御を行う。このとき、運転意図推定装置１による推定結果に基づいてアクセルペダル１６０に発生する操作反力を補正する。これにより、自車両周囲のリスクポテンシャルＲＰを車両操作機器であるアクセルペダル１６０の操作反力としてドライバに伝えながら、ドライバの運転意図に合った操作反力制御を行うことができる。
（２）コントローラ１５０は、運転意図推定結果に基づいて、アクセルペダル１６０に発生する操作反力、すなわちアクセルペダル反力指令値ＦＡを補正するとともに、運転意図推定装置１の推定結果が第２の仮想ドライバ運転操作量Oid_2に基づくものである場合には、自車両と先行車との重複率Ｓに基づいてアクセルペダル反力指令値ＦＡをさらに補正する。これにより、実際のドライバの運転意図を妨げることなく操作反力を制御してリスクポテンシャルＲＰを伝えることができる。
（３）コントローラ１５０は、運転意図推定結果が車線変更意図である場合に、車線変更意図でない場合に比べてアクセルペダル反力指令値ＦＡが小さくなるように補正するとともに、重複率Ｓが小さいほどアクセルペダル反力指令値ＦＡが小さくなるようにさらに補正する。このように車線変更意図であると推定された場合にアクセルペダル反力指令値ＦＡを低下し、重複率Ｓが小さく自車両が速やかに車線変更を実行すると予測される状況ではさらにアクセルペダル反力指令値ＦＡを低下することにより、車線変更を行おうとするドライバの運転操作を妨げることがない。

さらに、第２の実施の形態で説明したように、自車両がカーブを走行するときに先行車参照型モデルの第２の仮想ドライバを用いて運転意図推定を行う場合は、運転意図の推定精度が低下するのでカーブ曲率ρが大きくなるほど車線変更推定しきい値Ｔを大きくした。これにより、車線維持中に車線変更であると誤推定される頻度は低減する。しかし、車線変更意図の推定精度が高くなる反面、車線変更の意図を推定するタイミングが遅くなってしまう。そこで、とくに、カーブ走行時に第２の仮想ドライバモデルを用いて車線変更と推定された場合には、（式２４）の時定数項（Ｋｆｄｘ・ａ・Ｔｓｆ）を小さくすることにより、アクセルペダル反力を速やかに減衰させ、車線変更推定タイミングの遅れを補償することができる。

《第５の実施の形態》
本発明の第５の実施の形態による車両用運転操作補助装置について、図面を用いて説明する。図１８は、本発明の第５の実施の形態による車両用運転操作補助装置２００の構成を示すシステム図である。図１８において、図１２に示す第４の実施の形態と同様の機能を有する箇所には同一の符号を付している。ここでは、第４の実施の形態との相違点を主に説明する。

第５の実施の形態においては、運転意図推定装置１によってドライバの車線変更意図が推定された場合に、自車両周囲のリスクポテンシャルＲＰを補正する。そこで、車両用運転操作補助装置２００のコントローラ１５０Ａは、リスクポテンシャル計算部１５１、リスクポテンシャル補正部１５４、およびアクセルペダル反力指令値計算部１５５を備えている。

次に、第５の実施の形態による車両用運転操作補助装置２００の動作を、図１９を用いて詳細に説明する。図１９は、コントローラ１５０Ａにおける運転操作補助制御プログラムの処理手順を示すフローチャートである。本処理内容は、一定間隔（例えば５０msec）ごとに連続的に行われる。ステップＳ５０１およびＳ５０２での処理は、図１５のフローチャートのステップＳ４０１およびＳ４０２での処理と同様であるので説明を省略する。

ステップＳ５０３では、運転意図推定装置１による運転意図の推定結果を読み込み、推定結果が車線変更であるか否かを判定する。ドライバの運転意図が車線変更であると推定された場合は、ステップＳ５０４へ進む。ステップＳ５０４では、ステップＳ５０２で算出したリスクポテンシャルＲＰを補正する。具体的には、ステップＳ５０２で算出したリスクポテンシャルＲＰにローパスフィルタ等のフィルタ処理を施して減衰させる。

補正後のリスクポテンシャルＲＰｃは、以下の(式２５)を用いて表すことができる。
ＲＰｃ＝ｇｒ（ＲＰ）
＝ｋ・｛１／（１＋ａ・Ｔsｒ）｝・ＲＰ ・・・（式２５）
ここで、ｋ，ａは適切に設定された定数、ＴsrはリスクポテンシャルＲＰを減衰させる際の時定数である。

つづくステップＳ５０５では、運転意図推定装置１によって先行車参照型モデルの第２の仮想ドライバを用いて車線変更意図が推定されたか否かを判定する。ステップＳ５０５が肯定判定されるとステップＳ５０６へ進み、リスクポテンシャルＲＰを再度補正する。
再補正後のリスクポテンシャルＲＰｃｃは、以下の（式２６）を用いて表すことができる。
ＲＰｃｃ＝ｇｒ２（ＲＰ、Ｓ）
＝ｋ・｛１／（１＋Ｋｒｄｘ・ａ・Ｔsｒ）｝・ＲＰ ・・・（式２６）
時定数Ｔsｒにかかる係数Ｋｒｄｘは、図２０に示すように車線変更意図が推定されたときの先行車とのラップ率Ｓに応じて設定される。

図２０に示すように、時定数Ｔｓｒにかかる係数Ｋｒｄｘは、０＜Ｋｒｄｘ＜１の間で、先行車とのラップ率Ｓの絶対値｜Ｓ｜が小さいほど小さくなるように設定する。これにより、車線変更意図推定時の先行車とのラップ率Ｓの絶対値が小さいほど時定数項（Ｋｒｄｘ・ａ・Ｔｓｒ）が小さくなり、リスクポテンシャルＲＰが速やかに減衰する。なお、先行車とのラップ率Ｓに応じて時定数Ｔｓｒを直接設定することももちろん可能である。

ステップＳ５０５が否定判定されるとステップＳ５０７へ進み、ステップＳ５０４で算出した補正値ＲＰｃを、再補正値ＲＰｃｃとして設定する。

一方、ステップＳ５０３において運転意図推定装置１によって推定された運転意図が車線維持であると判定された場合は、ステップＳ５０８へ進み、ステップＳ５０２で算出したリスクポテンシャルＲＰをそのまま再補正値ＲＰｃｃとして設定する。

ステップＳ５０９では、アクセルペダルストロークセンサ１８１によって検出されるアクセルペダルストローク量ＡＳを読み込む。ステップＳ５１０では、ステップＳ５０６、Ｓ５０７またはステップＳ５０８で算出したリスクポテンシャル再補正値ＲＰｃｃに基づいてアクセルペダル反力指令値ＦＡを算出する。ここでは、上述した第４の実施の形態と同様に、例えば図１６のマップにしたがってアクセルペダル反力指令値ＦＡを算出する。ただし、ＲＰ→ＲＰｃｃとする。ステップＳ５１１では、ステップＳ５１０で算出したアクセルペダル反力指令値ＦＡをアクセルペダル反力制御装置１７０へ出力する。これにより、今回の処理を終了する。

このように、以上説明した第５の実施の形態においては、以下のような作用効果を奏することができる。
（１）コントローラ１５０Ａは運転意図推定結果に基づいて、リスクポテンシャルＲＰを補正するとともに、運転意図推定装置１の推定結果が第２の仮想ドライバ運転操作量Oid_2に基づくものである場合には、自車両と先行車との重複率Ｓに基づいてリスクポテンシャルＲＰをさらに補正する。これにより、リスクポテンシャルＲＰに応じて算出される操作反力が低下し、実際のドライバの運転意図を妨げることなく操作反力を制御してリスクポテンシャルＲＰを伝えることができる。
（２）コントローラ１５０Ａは、運転意図推定結果が車線変更意図である場合に、車線変更意図でない場合に比べてリスクポテンシャルＲＰが小さくなるように補正するとともに、重複率Ｓが小さいほどリスクポテンシャルＲＰが小さくなるようにさらに補正する。このように車線変更意図であると推定された場合にリスクポテンシャルＲＰを低下し、重複率Ｓが小さく自車両が速やかに車線変更を実行すると予測される状況ではさらにリスクポテンシャルＲＰを低下することにより、車線変更を行おうとするドライバの運転操作を妨げることがない。

上述した第１から第３の実施の形態では、第２の仮想ドライバ運転操作量計算部６０において、自車両と前方障害物との相対位置関係として、自車両と先行車との重複率Ｓを用いて第２の仮想ドライバの運転操作量Oid_2を算出した。しかしこれ以外の相対位置関係を用いることも可能である。

上述したように、第２の実施の形態では、自車両が走行する道路のカーブ曲率ρに応じて車線変更意図推定しきい値Ｔを設定した。これを第１または第３の実施の形態に適用することももちろん可能である。

上述した第１及び第２の実施の形態では、第１および第２の仮想ドライバ運転操作量Oid_1,Oid_2を用いて第１及び第２の仮想ドライバ運転操作近似度合Pid_1,Pid_2をそれぞれ算出した後、走行状況に応じて仮想ドライバモデルを選択し、第１または第２の仮想ドライバの運転操作量系列近似度合Pidsを算出した。ただし、処理順序はこれには限定されず、第１および第２の仮想ドライバの運転操作量系列近似度合Pidsを算出した後、走行状況に応じて仮想ドライバモデルを選択することも可能である。ただし、計算量等を考慮すると、仮想ドライバモデルを選択した後に、運転操作量系列近似度合Pidsを算出する方が好ましい。

上述した第１及び第２の実施の形態においては、仮想ドライバと実際のドライバの現在から過去の所定時間までの系列的な運転操作量近似度合Pidsを算出し、系列近似度合Pidsに基づいて、(式１８)から車線変更意図スコアＳｃを算出した。ただし、これには限定されず、仮想ドライバと実際のドライバの現時点での仮想ドライバの運転操作量近似度合Pidに基づいて車線変更意図スコアＳｃを算出し、運転意図の推定を行うことも可能である。

また、車線変更意図尤度のスコアＳｃを算出する代わりに、車線変更意図尤度Ｐｒ（ＬＣ）と車線維持意図尤度Ｐｒ（ＬＫ）から車線維持意図尤度のスコアを算出し、これをしきい値と比較して車線維持意図を推定することも可能である。さらに、第３の実施の形態と同様に、スコアＳｃを算出することなく、選択された仮想ドライバモデルの運転操作量系列近似度合Pidsのうち、最も大きな近似度合を有する仮想ドライバの運転意図を実際のドライバの運転意図として推定することもできる。

なお、上述した第１から第３の実施の形態では、上述した（式１８）から算出される車線変更意図スコアＳｃを用いて運転意図推定を行うこと、および仮想ドライバと実際のドライバとの運転操作量系列近似度合に基づいて運転意図推定を行うことのいずれも可能である。

上述した第４および第５の実施の形態においては、自車両と先行車との余裕時間ＴＴＣおよび車間時間ＴＨＷとを用いてリスクポテンシャルＲＰを算出した。ただしこれには限定されず、例えば余裕時間ＴＴＣの逆数をリスクポテンシャルとして用いることもできる。また、リスクポテンシャルＲＰと反力増加量ΔＦとの関係は図１６に示すものには限定されず、リスクポテンシャルＲＰが大きくなるほど反力増加量ΔＦが増加するような種々のマップを用いることができる。

上述した第４の実施の形態においては、リスクポテンシャルＲＰに応じた反力増加量ΔＦを通常の反力特性に加算した反力指令値ＦＡを補正および再補正したが、これには限定されず、反力増加量ΔＦを再補正してから通常の反力特性に加算して反力指令値ＦＡの再補正値ＦＡｃｃを算出することも可能である。

以上説明した第１から第５の実施の形態においては、車両周囲状態検出部２０が車両周囲状態検出手段および走行状況検出手段として機能し，運転操作量検出部１０が運転操作量検出手段として機能し、第１の仮想ドライバ運転操作量計算部４０が第１の仮想ドライバ運転操作量計算手段として機能し，第２の仮想ドライバ運転操作量計算部６０が第２の仮想ドライバ運転操作量計算手段として機能し、仮想ドライバモデル選択部８０が仮想ドライバ運転操作量選択手段として機能し、第１および第２の仮想ドライバ運転操作量近似度合計算部５０，７０が運転操作量近似度合計算手段として機能し，第１の仮想ドライバ運転操作量近似度合計算部５０が第１の運転操作量近似度合計算手段として機能し、第２の仮想ドライバ運転操作量近似度合計算部７０が第２の運転操作量近似度合計算手段として機能し、運転意図推定部９０が運転意図推定手段として機能することができる。また、レーザレーダ１１０，前方カメラ１２０および車速センサ１４０が障害物検出手段として機能し、リスクポテンシャル計算部１５１がリスクポテンシャル算出手段として機能し，アクセルペダル反力指令値計算部１５２，１５５が操作反力計算手段として機能し、アクセルペダル反力制御装置１７０が操作反力発生手段として機能することができる。アクセルペダル反力指令値補正部１５２およびリスクポテンシャル補正部１５４は補正手段として機能することができる、ただし、これらには限定されず、障害物検出手段として、別方式のミリ波レーダ等を用いることもできる。また、操作反力発生手段として、アクセルペダルとは異なる車両操作機器、たとえば操舵装置に操舵反力を発生させる操舵反力制御装置を用いることも可能である。

第１の実施の形態による運転意図推定装置のシステム図。 自車両の前方参照点を説明する図。 第１の実施の形態における運転意図推定処理の処理手順を示すフローチャート。 仮想ドライバの運転操作量の算出方法を説明する図。 先行車と自車両との相対位置関係を示す図。 自車速と仮想ドライバモデル選択所定値との関係を示す図。 仮想ドライバの運転操作量系列近似度合の算出方法を説明する図。 第２の実施の形態における運転意図推定処理の処理手順を示すフローチャート。 自車速と仮想ドライバモデル選択所定値との関係を示す図。 第３の実施の形態による運転意図推定装置のシステム図。 第３の実施の形態における運転意図推定処理の処理手順を示すフローチャート。 第４の実施の形態による車両用運転操作補助装置のシステム図。 図１２に示す車両用運転操作補助装置を搭載した車両の構成図。 アクセルペダルおよびその周辺の構成を示す図。 第４の実施の形態における運転操作補助制御処理の処理手順を示すフローチャート。 リスクポテンシャルと反力増加量との関係を示す図。 先行車とのラップ率とアクセルペダル反力指令値再補正に用いる係数との関係を示す図。 第５の実施の形態による車両用運転操作補助装置のシステム図。 第５の実施の形態における運転操作補助制御処理の処理手順を示すフローチャート。 先行車とのラップ率とリスクポテンシャル再補正に用いる係数との関係を示す図。

符号の説明

１，２：運転意図推定装置
１０：運転操作量検出部
２０：車両周囲状態検出部
３０：車両状態検出部
４０：第１の仮想ドライバ運転操作量計算部
５０：第１の仮想ドライバ運転操作量近似度合計算部
６０：第２の仮想ドライバ運転操作量計算部
７０：第２の仮想ドライバ運転操作量近似度合計算部
８０：仮想ドライバモデル選択部
９０：運転意図推定部
１００，２００：車両用運転操作補助装置
１５０，１５０Ａ：コントローラ
１７０：アクセルペダル反力制御装置

Claims (12)

1. 自車両の車両周囲状態を検出する車両周囲状態検出手段と、
   前記自車両の走行状況を検出する走行状況検出手段と、
   実際のドライバによる運転操作量を検出する運転操作量検出手段と、
   運転意図を与えられた複数の異なる仮想のドライバについて、第１の手法により、前記車両周囲状態検出手段によって検出される前記車両周囲状態に基づいて、各仮想ドライバが前記運転意図を遂行するために必要な運転操作量を計算する第１の仮想ドライバ運転操作量計算手段と、
   前記第１の仮想ドライバ運転操作量計算手段で用いられる前記車両周囲状態とは異なる情報に基づいて、前記第１の手法とは異なる第２の手法により、運転意図を与えられた複数の仮想ドライバがそれぞれ前記運転意図を遂行するために必要な運転操作量を計算する第２の仮想ドライバ運転操作量計算手段と、
   前記走行状況検出手段によって検出される前記走行状況に基づいて、前記第１の仮想ドライバ運転操作量計算手段によって算出される前記複数の仮想ドライバの運転操作量と、前記第２の仮想ドライバ運転操作量計算手段で算出される前記複数の仮想ドライバの運転操作量のいずれか一方を選択する仮想ドライバ運転操作量選択手段と、
   前記仮想ドライバ運転操作量選択手段によって選択された前記複数の仮想ドライバの前記運転操作量と、前記運転操作量検出手段によって検出された前記実際のドライバの前記運転操作量との近似度合（以降、運転操作量近似度合とする）をそれぞれ計算する運転操作量近似度合計算手段と、
   前記運転操作量近似度合計算手段によって計算された複数の前記運転操作量近似度合に基づいて、前記実際のドライバの運転意図を推定する運転意図推定手段とを備え、
   前記第１の仮想ドライバ運転操作量計算手段は、前記運転意図に応じて前記自車両の前方に設定される目標位置を基準として、前記運転操作量を計算し、
   前記第２の仮想ドライバ運転操作量計算手段は、前記自車両の前方に存在する障害物と前記自車両との相対位置関係に基づいて前記運転操作量を計算し、
   前記仮想ドライバ運転操作量選択手段は、前記走行状況検出手段によって検出される先行車両に対する接近度合に基づいて前記複数の仮想ドライバの運転操作量を選択することを特徴とする運転意図推定装置。
2. 自車両の車両周囲状態を検出する車両周囲状態検出手段と、
   前記自車両の走行状況を検出する走行状況検出手段と、
   実際のドライバによる運転操作量を検出する運転操作量検出手段と、
   運転意図を与えられた複数の異なる仮想のドライバについて、第１の手法により、前記車両周囲状態検出手段によって検出される前記車両周囲状態に基づいて、各仮想ドライバが前記運転意図を遂行するために必要な運転操作量を計算する第１の仮想ドライバ運転操作量計算手段と、
   前記第１の仮想ドライバ運転操作量計算手段で用いられる前記車両周囲状態とは異なる情報に基づいて、前記第１の手法とは異なる第２の手法により、運転意図を与えられた複数の仮想ドライバがそれぞれ前記運転意図を遂行するために必要な運転操作量を計算する第２の仮想ドライバ運転操作量計算手段と、
   前記走行状況検出手段によって検出される前記走行状況に基づいて、前記第１の仮想ドライバ運転操作量計算手段によって算出される前記複数の仮想ドライバの運転操作量と、前記第２の仮想ドライバ運転操作量計算手段で算出される前記複数の仮想ドライバの運転操作量のいずれか一方を選択する仮想ドライバ運転操作量選択手段と、
   前記仮想ドライバ運転操作量選択手段によって選択された前記複数の仮想ドライバの前記運転操作量と、前記運転操作量検出手段によって検出された前記実際のドライバの前記運転操作量との近似度合（以降、運転操作量近似度合とする）をそれぞれ計算する運転操作量近似度合計算手段と、
   前記運転操作量近似度合計算手段によって計算された複数の前記運転操作量近似度合に基づいて、前記実際のドライバの運転意図を推定する運転意図推定手段とを備え、
   前記第１の仮想ドライバ運転操作量計算手段は、前記運転意図に応じて前記自車両の前方に設定される目標位置を基準として、前記運転操作量を計算し、
   前記第２の仮想ドライバ運転操作量計算手段は、前記自車両の前方に存在する障害物と前記自車両との相対位置関係に基づいて前記運転操作量を計算し、
   前記仮想ドライバ運転操作量選択手段は、前記走行状況検出手段によって検出される道路のカーブ曲率に基づいて前記複数の仮想ドライバの運転操作量を選択することを特徴とする運転意図推定装置。
3. 自車両の車両周囲状態を検出する車両周囲状態検出手段と、
   前記自車両の走行状況を検出する走行状況検出手段と、
   実際のドライバによる運転操作量を検出する運転操作量検出手段と、
   運転意図を与えられた複数の異なる仮想のドライバについて、第１の手法により、前記車両周囲状態検出手段によって検出される前記車両周囲状態に基づいて、各仮想ドライバが前記運転意図を遂行するために必要な運転操作量を計算する第１の仮想ドライバ運転操作量計算手段と、
   前記第１の仮想ドライバ運転操作量計算手段で用いられる前記車両周囲状態とは異なる情報に基づいて、前記第１の手法とは異なる第２の手法により、運転意図を与えられた複数の仮想ドライバがそれぞれ前記運転意図を遂行するために必要な運転操作量を計算する第２の仮想ドライバ運転操作量計算手段と、
   前記走行状況検出手段によって検出される前記走行状況に基づいて、前記第１の仮想ドライバ運転操作量計算手段によって算出される前記複数の仮想ドライバの運転操作量と、前記第２の仮想ドライバ運転操作量計算手段で算出される前記複数の仮想ドライバの運転操作量のいずれか一方を選択する仮想ドライバ運転操作量選択手段と、
   前記仮想ドライバ運転操作量選択手段によって選択された前記複数の仮想ドライバの前記運転操作量と、前記運転操作量検出手段によって検出された前記実際のドライバの前記運転操作量との近似度合（以降、運転操作量近似度合とする）をそれぞれ計算する運転操作量近似度合計算手段と、
   前記運転操作量近似度合計算手段によって計算された複数の前記運転操作量近似度合に基づいて、前記実際のドライバの運転意図を推定する運転意図推定手段とを備え、
   前記第１の仮想ドライバ運転操作量計算手段は、前記運転意図に応じて前記自車両の前方に設定される目標位置を基準として、前記運転操作量を計算し、
   前記第２の仮想ドライバ運転操作量計算手段は、前記自車両の前方に存在する障害物と前記自車両との相対位置関係に基づいて前記運転操作量を計算し、
   前記仮想ドライバ運転操作量選択手段は、前記走行状況検出手段によって検出される自車速に基づいて前記複数の仮想ドライバの運転操作量を選択することを特徴とする運転意図推定装置。
4. 請求項１から請求項３のいずれか１項に記載の運転意図推定装置において、
   前記第２の仮想ドライバ運転操作量計算手段は、前記障害物と前記自車両と前記相対位置関係として、前記自車両の車幅と先行車両の車幅との重なり度合を表す重複率に基づいて前記運転操作量を計算することを特徴とする運転意図推定装置。
5. 請求項１から請求項４のいずれか１項に記載の運転意図推定装置において、
   前記複数の仮想ドライバの前記運転意図は、車線維持および車線変更であり、
   前記運転意図推定手段は、前記実際のドライバの運転意図が車線維持および車線変更のいずれであるかを推定することを特徴とする運転意図推定装置。
6. 請求項１から請求項５のいずれか１項に記載の運転意図推定装置と、
   自車両周囲の障害物状況を検出する障害物検出手段と、
   前記障害物検出手段による検出結果に基づいて、前記自車両周囲のリスクポテンシャルを算出するリスクポテンシャル算出手段と、
   前記リスクポテンシャル算出手段によって算出される前記リスクポテンシャルに基づいて、アクセルペダルに発生する操作反力を算出する操作反力算出手段と、
   前記アクセルペダルに前記操作反力を発生させる操作反力発生手段と、
   前記運転意図推定装置による前記運転意図の推定結果に基づいて、前記アクセルペダルに発生する前記操作反力を補正する補正手段とを備えることを特徴とする車両用運転操作補助装置。
7. 請求項４に記載の運転意図推定装置と、
   自車両周囲の障害物状況を検出する障害物検出手段と、
   前記障害物検出手段による検出結果に基づいて、前記自車両周囲のリスクポテンシャルを算出するリスクポテンシャル算出手段と、
   前記リスクポテンシャル算出手段によって算出される前記リスクポテンシャルに基づいて、アクセルペダルに発生する操作反力を算出する操作反力算出手段と、
   前記アクセルペダルに前記操作反力を発生させる操作反力発生手段と、
   前記運転意図推定装置による前記運転意図の推定結果に基づいて、前記アクセルペダルに発生する前記操作反力を補正する補正手段とを備えることを特徴とする車両用運転操作補助装置。
8. 請求項７に記載の車両用運転操作補助装置において、
   前記補正手段は、前記運転意図の推定結果に基づいて前記リスクポテンシャル算出手段によって算出される前記リスクポテンシャルを補正するとともに、前記運転意図推定手段における前記運転意図の推定結果が前記第２の仮想ドライバ運転操作量計算手段の計算結果に基づく場合に、前記先行車との前記重複率に基づいて前記リスクポテンシャルをさらに補正することを特徴とする車両用運転操作補助装置。
9. 請求項８に記載の車両用運転操作補助装置において、
   前記補正手段は、前記運転意図推定手段の推定結果が車線変更意図である場合に、前記推定結果が車線変更意図でない場合に比べて前記リスクポテンシャルが小さくなるように補正するとともに、前記重複率が小さいほど前記リスクポテンシャルが小さくなるようにさらに補正を行うことを特徴とする車両用運転操作補助装置。
10. 請求項７に記載の車両用運転操作補助装置において、
    前記補正手段は、前記運転意図の推定結果に基づいて前記操作反力算出手段によって算出される前記操作反力を補正するとともに、前記運転意図推定手段における前記運転意図の推定結果が前記第２の仮想ドライバ運転操作量計算手段の計算結果に基づく場合に、前記先行車との前記重複率に基づいて前記操作反力をさらに補正することを特徴とする車両用運転操作補助装置。
11. 請求項１０に記載の車両用運転操作補助装置において、
    前記補正手段は、前記運転意図推定手段の推定結果が車線変更意図である場合に、前記推定結果が車線変更意図でない場合に比べて前記操作反力が小さくなるように補正するとともに、前記重複率が小さいほど前記操作反力が小さくなるようにさらに補正を行うことを特徴とする車両用運転操作補助装置。
12. 請求項６から請求項１１のいずれか１項に記載の車両用運転操作補助装置を備えることを特徴とする車両。
    

Images