JP5035040B2

JP5035040B2 - 運転支援装置

Info

Publication number: JP5035040B2
Application number: JP2008062553A
Authority: JP
Inventors: 吉紘大濱
Original assignee: Toyota Central R&D Labs Inc
Current assignee: Toyota Central R&D Labs Inc
Priority date: 2008-03-12
Filing date: 2008-03-12
Publication date: 2012-09-26
Anticipated expiration: 2028-03-12
Also published as: JP2009217692A

Description

この発明は、運転支援装置に係り、特に、自車両が周辺に存在する物体と衝突しないように警告情報を出力する運転支援装置に関する。

従来より、走行環境において自車から見た危険とは、顕在化した衝突対象物である顕在危険、顕在化した移動物であって行動次第で衝突対象物となりうる行動予測危険、及び顕在化していない移動物であって行動次第で衝突対象物となりうる潜在危険の３つが定義されている（非特許文献１）。行動予測危険について、車外センサを用いた認識手段をもとに、移動物の行動を確定的・確率的に予測して衝突を防止する方法が知られている（例えば、特許文献１）。例えば、移動体の行動を確率的に取り扱うことで、結果的に衝突可能性があることを判定している。
古西浩之、國分三輝、樋口和則、倉橋哲郎、梅村祥之、「ハザード情報を利用した運転時のリスク推定」、電子情報通信学会ヒューマンコミュニケーション基礎研究会ヒューマン情報処理研究会福祉情報工学研究会ヒューマンインタフェース学会研究会共催研究会（２００４）特開２００７−２３３６４６号公報

しかしながら、上記の特許文献１に記載の技術では、危険の理由を説明する危険要因を考慮せずに危険判定を行っているため、精度よく危険判定を行なうことができない、という問題がある。

本発明は、上記の問題点を解決するためになされたもので、精度よく危険判定を行なって警告情報を出力することができる運転支援装置を提供することを目的とする。

上記の目的を達成するために本発明に係る運転支援装置は、自車両の走行状態及び位置を検出する自車両検出手段と、自車両の周囲に存在する物体の移動状態及び位置を検出する物体検出手段と、前記自車両検出手段によって検出された前記自車両の走行状態と、前記物体検出手段によって検出された前記物体の移動状態と、自車両が前記物体と衝突する危険度とに基づいて、自車両の前記物体に対する危険要因を推定する危険要因推定手段と、前記自車両検出手段によって検出された自車両の走行状態及び位置と、前記物体検出手段によって検出された前記物体の移動状態及び位置と、自車両の前記物体に対する危険要因とに基づいて、自車両が前記物体と衝突する危険度を推定する危険度推定手段と、前記危険度推定手段によって推定された危険度が所定値以上であるときに、警告情報を出力する出力手段と、を含む運転支援装置であって、前記危険要因推定手段は、自車両が前記物体と衝突する危険度として、前記危険度推定手段によって推定された危険度を用いて、前記危険要因を推定し、前記危険度推定手段は、自車両の前記物体に対する危険要因として、前記危険要因推定手段によって推定された危険要因を用いて、前記危険度を推定することを特徴としている。

本発明に係る運転支援装置によれば、自車両検出手段によって、自車両の走行状態及び位置を検出し、物体検出手段によって、自車両の周囲に存在する物体の移動状態及び位置を検出する。

そして、危険要因推定手段によって、危険度推定手段によって推定された危険度を用いて、自車両検出手段によって検出された自車両の走行状態と、物体検出手段によって検出された物体の移動状態と、自車両が物体と衝突する危険度とに基づいて、自車両の前記物体に対する危険要因を推定する。

また、危険度推定手段によって、危険要因推定手段によって推定された危険要因を用いて、自車両検出手段によって検出された自車両の走行状態及び位置と、物体検出手段によって検出された物体の移動状態及び位置と、自車両の物体に対する危険要因とに基づいて、自車両が物体と衝突する危険度を推定する。

そして、出力手段によって、危険度推定手段によって推定された危険度が所定値以上であるときに、警告情報を出力する。

このように、危険要因の推定及び危険度の推定において、相互に各推定値を用いることにより、精度よく危険判定を行なって警告情報を出力することができる。

本発明に係る出力手段は、警告情報と共に、危険要因推定手段によって推定された危険要因を出力することができる。これによって、危険要因もドライバに知らせることができるため、周辺の物体との衝突を適切に回避させることができる。

本発明に係る危険要因推定手段は、予め学習された、自車両の走行状態と、物体の移動状態と、危険度と、該走行状態、該移動状態、及び該危険度が得られる状況において生じる危険要因との関係に基づいて、危険要因を推定することができる。

以上説明したように、本発明の運転支援装置によれば、危険要因の推定及び危険度の推定において、相互に各推定値を用いることにより、精度よく危険判定を行なって警告情報を出力することができる、という効果が得られる。

以下、図面を参照して、本発明の好適な実施の形態について説明する。なお、本実施の形態では、車両に搭載された運転支援装置に本発明を適用した場合について説明する。

図１に示すように、第１の実施の形態に係る運転支援装置１０は、車両内外の物体の状態と車両の運動状態及び操作状態とを検出するセンシング部１２と、センシング部１２の検出結果に基づいて、出力部１６によって警告情報を表示させると共に音声出力させるコンピュータ１４とを備えている。

センシング部１２は、自車両のドライバを撮像する車室内画像センサ１８と、自車両の外を撮像する車室外画像センサ２０と、自車両の周辺の物体を検出する電磁波センサ２２と、ドライバによるペダル操作の状態を検出するペダル状態検出器２４と、ドライバによる方向指示器や灯火器のスイッチ操作の状態を検出するスイッチ状態検出器２６と、速度センサや、舵角センサ、姿勢角センサなどから構成され、かつ、自車両の車速や操舵、姿勢角を検出する車速操舵センサ２８と、自車両の位置を取得するＧＰＳ３０とを備えている。

出力部１６は、例えば、自車両に搭載されたカーナビゲーションシステムのディスプレイと、スピーカとで構成されている。

コンピュータ１４は、ＣＰＵと、ＲＡＭと、後述する運転支援処理ルーチンを実行するためのプログラムを記憶したＲＯＭとを備え、機能的には次に示すように構成されている。コンピュータ１４は、センシング部１２の各センサからの出力に基づいて、運転行動状態（ペダル操作状態、スイッチ操作状態、視線など）と、物体状態（車両、歩行者、二輪車等の種別、相対位置、及び移動速度）と、自車両状態（車速、加速度、操舵角、ヨーレート）とを認識する状態認識部３２と、状態認識部３２の認識結果に基づいて、自車両の周囲に存在する物体に対する危険を推定する危険推定部３４と、危険推定部３４の推定結果に基づいて、自車両が危険な状況であるか否かを判定する危険判定部３６と、自車両が危険な状況である場合に、危険推定部３４の推定結果と共に警告情報を出力部１６に出力させる出力制御部３８とを備えている。

走路状態認識部４０は、走路状態として、車室外画像センサからの撮像画像に基づいて、白線を認識することにより走行可能領域（例えば、車線幅）を認識し、また、自車両に搭載されたナビゲーションシステム（図示省略）の電子地図情報に基づいて、走路状態として、道路曲率、交差点か否か、交通ルール（制限速度や車線はみだし許可等）、信号機の有無などを認識する。

運転行動認識部４２は、自車両のドライバの運転行動として、ペダル状態検出器２４の検出結果に基づいて、ペダル操作の状態を認識し、車室内画像センサ１８からの撮像画像に基づいて、ドライバの視線方向やステアリング保持状態を認識する。

物体状態認識部４４は、車室外画像センサ２０からの撮像画像や電磁波センサ２２からの出力に基づいて、自車両の周辺に存在する物体の位置及び移動状態（移動速度、移動方向）を認識し、車室外画像センサ２０からの撮像画像に基づいて、物体の状態として、方向指示器状態、灯火状態、及び乗員有無を認識する。

自車両状態認識部４６は、自車両の状態として、ＧＰＳ３０からの出力に基づいて、自車両の位置を認識し、車速操舵センサ２８からの出力に基づいて、自車両の走行状態（速度、操舵角、ヨーレート）を認識し、スイッチ状態検出器２６の検出結果に基づいて、方向指示器状態や灯火状態を認識する。

危険推定部３４は、自車両が危険な状態になる場合に生じることが想定される、周辺の物体に対する危険要因を推定する危険要因推定部４８と、自車両と周辺の物体とが衝突する衝突危険度を推定する衝突危険度推定部５０とを備え、危険要因推定部４８と衝突危険度推定部５０とが相互結合する構成となっている。

危険要因推定部４８は、走路状態認識部４０、運転行動認識部４２、物体状態認識部４４、及び自車両状態認識部４６の各々の認識結果と、衝突危険度推定部５０によって推定された衝突危険度とに基づいて、与えられた状況のもとで発生し得る危険要因（潜在危険の存在や行動予測危険の種類）を推定する。

ここで、物体に対する危険要因とは、物体が主因となる危険要因であり、自車両と物体とが衝突するときに生じている危険要因や、自車両と物体の影に潜在する物体とが衝突するときに生じている危険要因が含まれる。

コンピュータ１４のメモリ（図示省略）には、図２に示すような危険要因を推定するための危険要因推定テーブルが記憶されており、この危険要因推定テーブルを用いて、与えられた状況のもとで発生し得る危険要因を推定する。

危険要因推定テーブルは、例えば、道路規模、制限速度、バリアの有無（例えば、ガードレールの有無）、物体行動（方向指示器の灯火状態から判断される駐車、直進、右折、又は左折）、自車速度、自車行動（方向指示器の灯火状態から判断される直進、右折、又は左折）、衝突危険度、及び危険要因の関係を表わしている。また、以下に説明するように、予め設計段階において、学習によって危険要因推定テーブルが生成される。

まず、数多くの走行シーンにおける状態認識部３２の認識結果を収集して、すべての危険要因が等確率に発生すると仮定した場合に推定される衝突危険度推定値を付与するとともに、運転指導員等の専門家により危険要因のラベルを付与して、データベース（道路規模、制限速度、バリアの有無、物体行動、自車速度、自車行動、衝突危険度、及びこれらが得られる状況において生じた危険要因の項目からなるデータベース）を構築する。そして、構築されたデータベースをもとに、危険要因推定テーブルの各項目の内容を学習して、危険要因推定テーブルを生成する。なお、上記の学習処理において、走行環境の複雑さを表す値として、衝突危険度を、専門家の危険評定値で置き換えても良い。

上記の学習では、危険要因の頻度に関して正規化し、ある条件（道路規模、制限速度、バリアの有無、物体行動、自車速度、自車行動、及び衝突危険度に関する条件）のもとで最も頻度の高い危険要因が出力されるように、危険要因推定テーブルが生成される。

また、道路規模、制限速度、バリアの有無、物体行動、自車速度、自車行動、及び衝突危険度が与えられると、テーブルルックアップにより、対応する危険要因が読み出される。また、危険要因推定テーブルは、物体の種別毎に用意され、ある物体に対する危険要因を推定する場合には、物体の種別に対応する危険要因推定テーブルを用いて、物体に対する危険要因を推定する。なお、上記図２に示す危険要因推定テーブルは、車両に対する危険要因推定テーブルを表わしている。

衝突危険度推定部５０は、走路状態認識部４０、運転行動認識部４２、物体状態認識部４４、及び自車両状態認識部４６の各々の認識結果と、危険要因推定部４８によって推定された危険要因とに基づいて、運動方程式とＭｏｎｔｅＣａｒｌｏ積分法とによる確率的推定法（Ｂｒｏａｄｈｕｒｓｔ,Ａ.,Ｂａｋｅｒ,Ｓ.,Ｋａｎａｄｅ,Ｔ：ＭｏｎｔｅＣａｒｌｏＲｏａｄＳａｆｅｔｙＲｅａｓｏｎｉｎｇ,ＩＥＥＥＩｎｔｅｌｌｉｇｅｎｔＶｅｈｉｃｌｅＳｙｍｐｏｓｉｕｍ（ＩＶ２００５））を用いて、以下に説明するように、推定された危険要因が生じ得る状況における自車両と周辺の物体とが衝突する衝突危険度を推定する。なお、本実施の形態で推定される衝突危険度は、走行環境全体における衝突危険度である。

まず、状態認識部３２の各認識結果に基づいて、計算機上で自車両を中心に仮想的な物体を配置する。そして、危険要因推定部４８の推定結果または危険要因の仮設定値に基づいて、各物体の危険要因を確率的に生成し、各物体の確率的行動生成器によって、各物体の行動を生成する。なお、各物体の確率的行動生成器は、生成行動の傾向を調整するパラメータを持っており、危険要因が生成される確率として、推定された少なくとも一つの危険要因が等確率で発生するとした場合の確率を設定しておけばよい。また、確率的行動生成器は、乱数発生器を用いて、各物体の行動を生成すればよい。

そして、各物体の種類毎に設計した運動方程式に基づき、数秒後までの状態変化をシミュレートし、自車両と物体との衝突発生を数え上げる。数え上げた頻度に応じて、衝突の発生し得る確率を求める（ＭｏｎｔｅＣａｒｌｏ積分）。
上記の衝突発生確率を求める処理は、図３に示すように、以下の（１）式によって表わすことができる。

ただし、Ｃ_Ｔは、時刻Ｔから数秒間における衝突発生の有無を表し、衝突が発生すれば０であり、衝突が発生しなければ１である。Ｘ_０は、相対状態を表し、Ωは、選択行動を表わしている。また、Ａは、危険要因を表わし、Ｓは走路状態を表している。

上記のように求められた衝突の発生し得る確率を、自車両と周辺の物体とが衝突する衝突危険度の推定値とする。また、複数の物体について、上記のように衝突の発生し得る確率が求められた場合には、確率の合計値を、自車両と周辺の物体とが衝突する衝突危険度の推定値とする。

なお、危険要因推定部４８や衝突危険度推定部５０において、状態認識部３２の認識結果を直接的に扱えない場合には、適切な信号処理を行えばよい。例えば、衝突危険度が連続値で推定されるとき、危険要因推定部４８が離散値しか扱えない実装である場合には、衝突危険度を、連続値から離散値に変換してから、危険要因推定部４８に入力するようにすればよい。

ここで、本実施の形態の原理について説明する。衝突危険度推定部５０の出力である衝突危険度を、自車両の走行環境に存在する物体間の時間的関係及び空間的関係の複雑さを表す量として、危険要因推定部４８に入力する。したがって、危険要因推定部４８に含まれる個別の物体に対する危険要因の推定では、他の物体との位置関係や将来的な移動軌道について定義せずに、環境の複雑さという意味で衝突危険度を用いることにより、危険要因を推定することができる。

この結果、自車両の走行環境中に存在する物体の数が増大しても、それらの関係性を表現する状態数を増大させなくてもよい、という効果が得られる。

また、従来の衝突危険度の推定手法では、顕在化している物体の衝突危険度のみしか算出できないが、危険要因推定部４８が顕在化していない物体の状態を危険要因として出力することができるので、衝突危険度推定部５０では、推定された危険要因を利用して顕在化していない物体も考慮に入れた衝突危険度を算出することができる。

危険判定部３６は、衝突危険度推定部５０によって推定された衝突危険度が閾値以上である場合に、自車両が危険な状況であると判定する。

出力制御部３８は、危険判定部３６によって自車両が危険な状況であると判定された場合に、「何」（周辺の物体）が「何故」（危険要因）、「どの程度」（衝突危険度）危険であるかを示す警告情報を、出力部１６のディスプレイに表示させると共に、スピーカから音声出力させて、ドライバに警告情報を報知する。例えば、前方の映像と、付近の鳥瞰映像とを、電子地図上で合成描画して、ディスプレイ上に表示すると共に、危険であると判定された物体を危険要因と共に強調表示する。

次に、第１の実施の形態に係る運転支援装置１０の作用について説明する。自車両のイグニッションスイッチ（図示省略）がオンされたときに、コンピュータ１４において、図４に示す運転支援処理ルーチンが実行される。

まず、ステップ１００において、センシング部１２の各センサからの出力を取得する。ステップ１０２において、上記ステップ１００で取得した各センサからの出力に基づいて、走路状態、運転行動、周辺の物体の位置や移動状態、周辺の物体の状態（方向指示器状態、灯火状態、及び乗員有無）、自車両の走行状態、及び自車両の方向指示器状態や灯火状態を認識する。

そして、ステップ１０４において、衝突危険度がすでに推定されているか否かを判定し、後述するステップ１１０における衝突危険度の推定が一度も行われていない場合には、ステップ１０６において、衝突危険度のパラメータの仮設定を行って、ステップ１０８へ移行する。例えば、衝突危険度として、最大値、もしくは最小値を仮設定する。なお、仮設定する衝突危険度を、外部パラメータとして用意しておいてもよい。

上記ステップ１０４において、衝突危険度がすでに推定されていると判定された場合には、ステップ１０８へ移行する。ステップ１０８では、上記ステップ１０２で認識された各種状態と、推定された衝突危険度とに基づいて、危険要因推定テーブルを用いて、現在の状況で発生し得る危険要因を推定する。

そして、ステップ１１０において、上記ステップ１０２で認識された各種状態と、推定された危険要因とに基づいて、上記（１）式に従って、推定された危険要因が生じ得る状況における衝突危険度を推定する。

次のステップ１１２では、推定終了条件を満たすか否かを判定する。例えば、上記ステップ１０８、１１０の各々の推定処理を一定回数繰り返したか否かを判定し、一定回数繰り返していない場合には、ステップ１０８へ戻る。一方、上記ステップ１０８、１１０の推定処理を一定回数繰り返した場合には、ステップ１１４へ進む。

このとき、各繰り返しにおける危険要因推定値及び衝突危険度推定値をメモリに記録しておき、その平均値もしくは最後の繰り返しの推定値を、最終推定値とすればよい。

ステップ１１４では、推定された衝突危険度の最終推定値が、閾値以上であるか否かを判定し、衝突危険度が閾値未満である場合には、自車両が危険な状況でないと判断し、警告情報を出力せずに、ステップ１００へ戻る。一方、上記ステップ１１４で、衝突危険度が閾値以上である場合には、自車両が危険な状況であると判断し、ステップ１１６へ移行する。

ステップ１１６では、最終的に推定された危険要因及び衝突危険度を含む警告情報を出力部１６に表示させて、ステップ１００へ戻る。

上記のように、運転支援処理ルーチンを実行した場合のシミュレーション結果について説明する。

まず、図５（Ａ）〜（Ｃ）に示すように、自車両の周辺に存在する物体（例えば、駐車車両や静止物、走行車両）の存在、位置、及び移動状態を認識した場合に、衝突危険度が推定される。なお、上記図５（Ａ）〜（Ｃ）では、各位置に自車両が存在する場合に推定される衝突危険度を示した危険度マップを表している。

そして、図６（Ａ）〜（Ｃ）に示すように、認識された各種の状態、及び推定された衝突危険度に基づいて、各物体に対応する危険要因推定テーブルを用いて、各物体に対する危険要因（例えば、「ドアが開く」、「潜在する歩行者の飛び出し」、「急発進」など）が推定される。

ここで、上記図５（Ａ）、図６（Ａ）に示すような前方に駐車車両が存在する状況において、自車両の走行位置が時系列に変化すると、図７（Ａ）〜（Ｃ）に示すように、衝突危険度及び危険要因の各々の推定結果が変化する。

上記図７（Ａ）〜（Ｃ）に示される危険要因の推定結果を用いて、衝突危険度を推定すると、図８（Ａ）〜（Ｃ）に示すように、衝突危険度の推定結果が更新される。また、更新された衝突危険度の推定結果を用いて、危険要因を推定すると、図８（Ａ）〜（Ｃ）に示すように、危険要因の顕在化領域が修正される。

上記のように、衝突危険度の推定値を用いて、危険要因を推定し、また、危険要因の推定値を用いて、衝突危険度を推定すると、図９（Ａ）、（Ｂ）に示すように、衝突危険度が閾値以上である場合に、危険要因の推定結果を含む警告情報が時系列的に変化して出力される（例えば、「先行駐車車両の急発進に注意！」というメッセージが出力された後に、「駐車車両の陰に歩行者存在の恐れ！」というメッセージが出力される。）。また、図９（Ｃ）に示すように、衝突危険度が閾値未満である場合には、警告情報が出力されない。

以上説明したように、第１の実施の形態に係る運転支援装置によれば、危険要因の推定及び衝突危険度の推定において、相互に各推定値を用いることにより、精度よく衝突危険度を推定することができ、衝突危険度に基づいて精度よく危険判定を行なって警告情報をドライバに対して出力することができる。

また、衝突危険度を用いて危険要因を推定することにより、自車両の周辺の物体の数が増大しても、危険要因推定部における物体間の時間的・空間的状態表現のための状態数を増大させることなく、状況に応じた危険要因を推定することができる。

また、自車両が危険な状況であると判定されたときに、警告情報と共に危険要因及び衝突危険度を出力するため、危険要因と危険の程度とをドライバに対して報知することができ、周辺の物体との衝突を適切に回避させることができる。

また、衝突危険度が低い場合には、警告情報の出力を抑制するため、警告情報の出力によるわずらわしさを防止することができる。

なお、上記の実施の形態では、運動方程式とＭｏｎｔｅＣａｒｌｏ積分法とによる確率的推定法を用いて、衝突危険度を推定する場合を例に説明したが、これに限定されるものではなく、運動方程式を用いて、自車両と周辺の物体との将来的な衝突のみを予測し、予測結果から衝突危険度を推定するようにしてもよい。この場合には、運動方程式と移動体は最も滑らかな軌道を選択すること（意思決定の知識）とを拘束条件として、物体の位置及び移動速度に基づいて、現在の状態から将来的に発生する衝突を予測し、予測結果から衝突危険度を推定するようにすればよい。

次に、第２の実施の形態に係る運転支援装置について説明する。なお、第２の実施の形態に係る運転支援装置は、第１の実施の形態と同様の構成となるため、同一符号を付して、説明を省略する。

第２の実施の形態では、推定処理が一度も行われていない場合に、危険要因を仮設定している点が第１の実施の形態と異なっている。

第２の実施の形態に係る運転支援処理ルーチンについて図１０を用いて説明する。なお、第１の実施の形態と同様の処理については、同一符号を付して詳細な説明を省略する。

まず、ステップ１００において、センシング部１２の各センサからの出力を取得する。ステップ１０２において、上記ステップ１００で取得した各センサからの出力に基づいて、各種状態を認識する。

そして、ステップ２００において、危険要因がすでに推定されているか否かを判定し、後述するステップ１０８における危険要因の推定が一度も行われていない場合には、ステップ２０２において、危険要因のパラメータの仮設定を行って、ステップ１１０へ移行する。例えば、すべての危険要因が等確率で生じるように、もしくはいずれの危険要因も生じる確率が０となるように仮設定を行う。なお、設定する確率値を外部パラメータとして用意しておいてもよい。

上記ステップ２００において、危険要因がすでに推定されていると判定された場合には、ステップ１１０へ移行し、上記ステップ１０２で認識された各種状態と、推定された危険要因とに基づいて、上記（１）式に従って、衝突危険度を推定する。

そして、ステップ１０８において、上記ステップ１０２で認識された各種状態と、推定された衝突危険度とに基づいて、危険要因推定テーブルを用いて、危険要因を推定する。

次のステップ１１２では、推定終了条件を満たすか否かを判定し、推定終了条件を満たさない場合には、ステップ１１０へ戻り、一方、推定終了条件を満たした場合には、ステップ１１４へ進む。

ステップ１１４では、推定された衝突危険度の最終推定値が、閾値以上であるか否かを判定し、衝突危険度が閾値未満である場合には、ステップ１００へ戻る。一方、上記ステップ１１４で、衝突危険度が閾値以上である場合には、ステップ１１６へ移行し、推定された危険要因及び衝突危険度を含む警告情報を出力部１６に出力させて、ステップ１００へ戻る。

次に、第３の実施の形態に係る運転支援装置について説明する。なお、第３の実施の形態に係る運転支援装置は、第１の実施の形態と同様の構成となるため、同一符号を付して、説明を省略する。

第３の実施の形態では、ニューラルネットワークを用いて、危険要因を推定している点が第１の実施の形態と異なっている。

第３の実施の形態に係る運転支援装置の危険要因推定部４８は、走路状態認識部４０、運転行動認識部４２、物体状態認識部４４、及び自車両状態認識部４６の各々の認識結果と、衝突危険度推定部５０によって推定された衝突危険度とに基づいて、ニューラルネットワークとして、例えば、ベイジアンネットワークを用いて、与えられた状況のもとで発生し得る危険要因を推定する。

ここで、以下に説明するように、予め設計段階において、学習によってベイジアンネットワークが構成される。

まず、数多くの走行シーンにおける状態認識部３２の認識結果を収集して、すべての危険要因が等確率に発生すると仮定した場合に推定される衝突危険度の推定値を付与するとともに、運転指導員等の専門家により危険要因のラベルを付与して、データベース（道路規模、制限速度、バリアの有無、物体行動、自車速度、自車行動、衝突危険度、及びこれらが得られる状況において生じた危険要因の項目からなるデータベース）を構築する。そして、構築されたデータベースをもとに学習して、ベイジアンネットワークを構成する。

ベイジアンネットワークは、走行中には構造学習を行わず、証拠推論のみを行う。ベイジアンネットワークを用いることにより、各種の状態の認識において一部の情報が欠落していたとしても、妥当な危険要因推定を行うことができる。

また、認識された各種状態及び衝突危険度が与えられると、ベイジアンネットワークにより、状況に応じた危険要因と共に危険要因の発生確率とが出力される。また、ベイジアンネットワークは、物体の種別毎に用意され、物体に対する危険要因を推定する場合には、物体の種別に対応するベイジアンネットワークを用いて、物体に対する危険要因を推定する。

衝突危険度推定部５０は、走路状態認識部４０、運転行動認識部４２、物体状態認識部４４、及び自車両状態認識部４６の各々の認識結果と、危険要因推定部４８によって推定された危険要因及び発生確率とに基づいて、運動方程式とＭｏｎｔｅＣａｒｌｏ積分法による確率的推定法とを用いて、危険要因が生じ得る状況における自車両と周辺の物体とが衝突する衝突危険度を推定する。

第３の実施の形態に係る運転支援処理ルーチンでは、図１１に示すように、自車両の周辺に複数の移動体（車両や自転車）が存在する場合には、複数の移動体の各々に対する危険要因（例えば、自転車に対する危険要因である「ふらつき」や「不停止」）と危険要因の発生確率とが推定される。

また、推定された危険要因と危険要因の発生確率とを用いて、各移動体との衝突する確率を推定し、推定された衝突確率の総和を、衝突危険度の推定値とする。

なお、運転支援装置の他の構成や処理については、第１の実施の形態と同様であるため、説明を省略する。

このように、ニューラルネットワークを用いて、認識された状況において生じ得る危険要因と発生確率とを推定し、推定された危険要因と発生確率とを用いて、衝突危険度を推定することにより、危険要因の不確実性を考慮して、精度よく衝突危険度を推定することができる。

次に、第４の実施の形態に係る運転支援装置について説明する。なお、第１の実施の形態と同様の構成となる部分については、同一符号を付して、説明を省略する。

第４の実施の形態では、衝突危険度が閾値以上である場合に、ヘッドライトの灯火制御を行って、危険要因の顕在化領域を照らしている点が第１の実施の形態と異なっている。

図１２に示すように、第４の実施の形態に係る運転支援装置４１０は、センシング部１２と、センシング部１２の検出結果に基づいて、出力部１６に警告情報を出力させると共に、ヘッドライト４１６の灯火制御を行うコンピュータ４１４とを備えている。

コンピュータ４１４の出力制御部４３８は、危険判定部３６によって自車両が危険な状況であると判定された場合に、出力部１６に、推定された危険要因及び衝突危険度を含む警告情報を出力させると共に、ヘッドライト４１６によって、推定された危険要因の顕在化領域を照らすように、灯火制御を行う。

なお、夜間の運転支援が行なえるように、車室内画像センサ１８や車室外画像センサ２０を、近赤外光を受光する近赤外カメラで構成することが好ましい。

次に、第５の実施の形態に係る運転支援装置について説明する。なお、第５の実施の形態に係る運転支援装置は、第１の実施の形態と同様の構成となるため、同一符号を付して、説明を省略する。

第５の実施の形態では、周辺の物体の各々について衝突危険度を推定し、物体毎の衝突危険度を用いて、危険要因を推定している点と、物体毎の衝突危険度を用いて、危険判定を行なっている点とが、第１の実施の形態と主に異なっている。

第５の実施の形態に係る運転支援装置では、衝突危険度推定部５０によって、走路状態認識部４０、運転行動認識部４２、物体状態認識部４４、及び自車両状態認識部４６の各々の認識結果と、危険要因推定部４８によって推定された危険要因とに基づいて、運動方程式とＭｏｎｔｅＣａｒｌｏ積分法とによる確率的推定法を用いて、推定された危険要因が生じ得る状況における自車両と周辺の物体とが衝突する衝突危険度を、物体毎に推定する。

また、危険要因推定部４８は、周辺の物体の各々について、走路状態認識部４０、運転行動認識部４２、物体状態認識部４４、及び自車両状態認識部４６の各々の認識結果と、衝突危険度推定部５０によって推定された物体に対する衝突危険度とに基づいて、与えられた状況のもとで発生し得る危険要因を、周辺の物体毎に推定する。

なお、危険要因推定テーブルの衝突危険度の項目には、該当する物体に対する衝突危険度が登録されている。

危険判定部３６は、衝突危険度推定部５０によって推定された物体毎の衝突危険度が閾値以上であるか否かを、周辺の物体毎に判定する。

出力制御部３８は、危険判定部３６によって衝突危険度が閾値以上であると判定された周辺の物体について、出力部１６に、「何故」（危険要因）、「どの程度」（衝突危険度）危険であるかを示す警告情報を出力させて、ドライバに報知する。

本発明の第１の実施の形態に係る運転支援装置の構成を示す概略図である。危険要因推定テーブルの具体例を示す図である。衝突危険度の推定方法を説明するためのイメージ図である。本発明の第１の実施の形態に係る運転支援装置における運転支援処理ルーチンの内容を示すフローチャートである。推定される衝突危険度のマップを示すイメージ図である。推定される衝突危険度のマップ、及び推定される危険要因を示すイメージ図である。自車両の走行位置が時系列に変化した場合に推定される衝突危険度のマップ、及び推定される危険要因を示すイメージ図である。自車両の走行位置が時系列に変化した場合に推定される衝突危険度のマップの更新結果、及び推定される危険要因の更新結果を示すイメージ図である。自車両の走行位置が時系列に変化した場合に警告情報が出力される様子を示したイメージ図である。本発明の第２の実施の形態に係る運転支援装置における運転支援処理ルーチンの内容を示すフローチャートである。自車両の周辺に存在する物体に対して推定される危険要因及び発生確率と、推定される衝突危険度とを示したイメージ図である。本発明の第４の実施の形態に係る運転支援装置の構成を示す概略図である。

符号の説明

１０、４１０運転支援装置
１２センシング部
１４、４１４コンピュータ
１６出力部
３２状態認識部
３４危険推定部
３６危険判定部
３８、４３８出力制御部
４０走路状態認識部
４２運転行動認識部
４４物体状態認識部
４６自車両状態認識部
４８危険要因推定部
５０衝突危険度推定部
４１６ヘッドライト

Claims

自車両の走行状態及び位置を検出する自車両検出手段と、
自車両の周囲に存在する物体の移動状態及び位置を検出する物体検出手段と、
前記自車両検出手段によって検出された前記自車両の走行状態と、前記物体検出手段によって検出された前記物体の移動状態と、自車両が前記物体と衝突する危険度とに基づいて、自車両の前記物体に対する危険要因を推定する危険要因推定手段と、
前記自車両検出手段によって検出された自車両の走行状態及び位置と、前記物体検出手段によって検出された前記物体の移動状態及び位置と、自車両の前記物体に対する危険要因とに基づいて、自車両が前記物体と衝突する危険度を推定する危険度推定手段と、
前記危険度推定手段によって推定された危険度が所定値以上であるときに、警告情報を出力する出力手段と、
を含む運転支援装置であって、
前記危険要因推定手段は、自車両が前記物体と衝突する危険度として、前記危険度推定手段によって推定された危険度を用いて、前記危険要因を推定し、
前記危険度推定手段は、自車両の前記物体に対する危険要因として、前記危険要因推定手段によって推定された危険要因を用いて、前記危険度を推定する
ことを特徴とする運転支援装置。
前記出力手段は、前記警告情報と共に、前記危険要因推定手段によって推定された危険要因を出力する請求項１記載の運転支援装置。
前記危険要因推定手段は、予め学習された、前記自車両の走行状態と、前記物体の移動状態と、前記危険度と、該走行状態、該移動状態、及び該危険度が得られる状況において生じる前記危険要因との関係に基づいて、前記危険要因を推定する請求項１又は２記載の運転支援装置。