JP5620147B2 - 可動物予測装置及びプログラム - Google Patents

Description

本発明は、可動物予測装置及びプログラムに係り、特に、可動物の将来の位置及び移動状態を予測する可動物予測装置及びプログラムに関する。

従来より、自車走行状態と移動障害物の関係から、緊急回避すべき状態かどうかを判定し、周囲道路構造も含めた状態評価関数（例えば、リスクのポテンシャル）に対する最適制御軌道を算出して、車両制御を行う車両用支援制御装置が知られている（特許文献１）。

また、上位計画（旅行時間・滑らかさ等）を満たす下位計画（走行軌跡・速度プロファイル）と、自車が安全に停止することを前提とした下位計画の２つを最適軌道として生成し、前者が安全基準を満たさなくなった場合には後者を選択する走行計画生成装置が知られている（特許文献２）。

また、可動物間の衝突確率を考慮して、走行環境の死角や可動物に起因する危険要因を推定しながら、危険度を判定して運転支援を行なう運転支援装置が知られている（特許文献３）。

特開２００７−２５３７７０号公報 特開２００９−５１３５６号公報 特開２００９−２１７６９２号公報

しかしながら、上記の特許文献１、２に記載の技術は、主に一対一の衝突回避を想定した物であり、多数の他者間の衝突可能性を考慮した将来位置予測では、想定すべき挙動の組み合わせが多く、各物体の衝突計算の繰り返しで実現する従来手法では、甚大な計算量に増加してしまう、という問題がある。

また、上記の特許文献３に記載の技術では、全ての可動物について同一の方法により将来分布を予測するため、精緻なアルゴリズムを用いると計算量が増大し、一方、簡易なアルゴリズムを用いると精緻さが欠乏してしまう、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、適切な精度で、可動物の将来の位置及び移動状態を予測することができると共に、計算量の増大を抑制することができる可動物予測装置及びプログラム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可動物予測装置は、検出対象範囲から、可動物の種類、位置、及び移動状態を検出する可動物検出手段と、前記可動物検出手段によって検出された可動物の各々について、前記可動物の種類及び位置に基づいて、前記可動物の行動が変化する度合いを示す行動変化度を算出する算出手段と、前記可動物の各々について、前記算出された行動変化度が所定値未満である場合、前記可動物の種類、位置、及び移動状態に基づいて、前記可動物の将来の位置及び移動状態を予測し、前記算出された行動変化度が所定値以上である場合、前記可動物の種類、位置、及び移動状態に基づいて、前記可動物の一部を表わす複数の可動物粒子の各々について将来の位置及び移動状態を予測することにより、前記可動物の将来の位置及び移動状態を予測する予測手段と、を含んで構成されている。

また、本発明に係るプログラムは、コンピュータを、検出対象範囲から、可動物の種類、位置、及び移動状態を検出する可動物検出手段によって検出された可動物の各々について、前記可動物の種類及び位置に基づいて、前記可動物の行動が変化する度合いを示す行動変化度を算出する算出手段、及び前記可動物の各々について、前記算出された行動変化度が所定値未満である場合、前記可動物の種類、位置、及び移動状態に基づいて、前記可動物の将来の位置及び移動状態を予測し、前記算出された行動変化度が所定値以上である場合、前記可動物の種類、位置、及び移動状態に基づいて、前記可動物の一部を表わす複数の可動物粒子の各々について将来の位置及び移動状態を予測することにより、前記可動物の将来の位置及び移動状態を予測する予測手段として機能させるためのプログラムである。

本発明によれば、可動物検出手段によって、検出対象範囲から、可動物の種類、位置、及び移動状態を検出する。算出手段によって、可動物検出手段によって検出された可動物の各々について、可動物の種類及び位置に基づいて、可動物の行動が変化する度合いを示す行動変化度を算出する。

そして、予測手段によって、可動物の各々について、算出された行動変化度が所定値未満である場合、可動物の種類、位置、及び移動状態に基づいて、可動物の将来の位置及び移動状態を予測し、算出された行動変化度が所定値以上である場合、可動物の種類、位置、及び移動状態に基づいて、可動物を表わす複数の可動物粒子の各々について将来の位置及び移動状態を予測することにより、可動物の将来の位置及び移動状態を予測する。

このように、可動物の行動変化度に応じて、可動物単位で予測するか、可動物粒子の各々について予測するかを切り替えることにより、適切な精度で、可動物の将来の位置及び移動状態を予測することができると共に、計算量の増大を抑制することができる。

本発明の算出手段は、可動物の位置が、可動物の種類が移動する領域でない場合、可動物の位置が可動物の種類が移動する領域である場合に比べて高い行動変化度を算出するようにすることができる。

本発明の可動物検出手段は、可動物の種類、位置、及び移動状態を検出すると共に、可動物の動作状態を検出し、算出手段は、可動物の動作状態が、可動物の行動が変化することを表わす場合、可動物の動作状態が可動物の行動が変化することを表わさない場合に比べて高い行動変化度を算出するようにすることができる。

本発明の予測手段は、算出された行動変化度が所定値未満である場合、可動物単位で、正規分布で表された可動物の位置及び移動状態を予測するようにすることができる。これによって、行動変化度が小さい場合には、簡易に可動物の将来の位置を予測することができる。

本発明の予測手段は、可動物の各々について、前回予測された可動物の位置及び移動状態に基づいて、可動物の位置及び移動状態を繰り返し予測し、算出手段は、可動物の各々について、予測された可動物の種類及び位置に基づいて、行動変化度を繰り返し算出するようにすることができる。これによって、先の時刻まで、適切な精度で、可動物の将来の位置及び移動状態を予測することができると共に、計算量の増大を抑制することができる。

上記の繰り返し算出する算出手段は、可動物の各々について、前回までに算出された行動変化度を用いて、行動変化度を算出するようにすることができる。

上記の繰り返し予測する予測手段は、可動物の各々について、算出された行動変化度の時系列データに基づく値が所定値未満である場合、可動物の将来の位置及び移動状態を予測し、算出された行動変化度の時系列データに基づく値が所定値以上である場合、可動物粒子の各々について将来の位置及び移動状態を予測することにより、可動物の将来の位置及び移動状態を予測するようにすることができる。

上記の繰り返し予測する発明に係る可動物予測装置は、算出手段によって所定の予測時間分だけ繰り返して行動変化度を算出した後、可動物の各々について算出された行動変化度の時系列データに応じて、支援対象である可動物の行動支援を行なうように制御する行動支援制御手段を更に含むようにすることができる。

本発明の可動物予測装置は、可動物の各々について算出された行動変化度に応じて、支援対象である可動物の行動支援を行なうように制御する行動支援制御手段を更に含むことができる。

上記の繰り返し予測する発明の行動支援制御手段は、可動物の各々について算出された行動変化度が、第１閾値以下である場合、行動支援を行わないようにし、少なくとも１つの可動物について算出された行動変化度が、第１閾値より大きい第２閾値以上である場合、予測手段による予測及び算出手段による算出の繰り返しを停止させて、行動支援を行なうように制御することができる。これによって、不要な行動支援が行なわれることを防止すると共に、緊急な行動支援が必要なときにはすぐに行動支援を行うことができる。

上記の発明に係る可動物予測装置は、可動物検出手段によって検出された可動物の各々について、可動物の種類、位置、及び移動状態を含む可動物粒子を複数生成すると共に、検出対象範囲を分割した複数のブロックで表され、かつブロックに静止物の存在が記録された地図情報において、可動物検出手段によって検出された可動物の位置に対応するブロックに、生成された可動物粒子を格納するデータ生成手段を更に含み、予測手段は、可動物の将来の位置及び移動状態を予測すると共に、予測結果に応じて、可動物の各可動物粒子が格納されるブロックを移動させるようにすることができる。

上記のデータ生成手段は、可動物検出手段によって検出された可動物の可動物粒子を生成してブロックに格納すると共に、地図情報において、静止物の存在が記録されたブロックと、支援対象の可動物の位置とに基づいて、支援対象の可動物から見たときの静止物によって形成された死角領域を特定し、特定された死角領域内に存在すると想定される可動物の可動物粒子を生成し、特定された死角領域内のブロックに、生成された可動物粒子を格納するようにすることができる。これによって、死角領域内に存在すると想定される可動物の将来の位置及び移動状態も予測することができる。

また、上記のデータ生成手段は、可動物検出手段によって検出された可動物の可動物粒子を生成してブロックに格納すると共に、地図情報において、静止物の存在が記録されたブロックと、支援対象の可動物の位置とに基づいて、支援対象の可動物から見たときの静止物によって形成された死角領域を特定し、検出対象範囲の可動物の移動環境を検出する環境検出手段によって検出された移動環境のうちの特定された死角領域の周辺の移動環境、又は特定された死角領域の位置に基づいて、特定された死角領域内に存在すると想定される可動物の種類を推定して、推定された可動物の種類を含む可動物粒子を生成し、特定された死角領域内のブロックに、生成された可動物粒子を格納するようにすることができる。これによって、死角領域内に存在すると想定される可動物の種類を考慮して、死角領域内に存在すると想定される可動物の将来の位置及び移動状態を予測することができる。

上記の発明に係る可動物予測装置は、支援対象の可動物から見て、検出対象範囲に存在する物体の位置を検出する物体位置検出手段と、支援対象の可動物の運動を推定する運動推定手段と、前回更新された地図情報を、運動推定手段によって推定された現在の支援対象の可動物の運動に基づいて、現在の支援対象の可動物から見た地図情報に繰り返し更新する地図更新手段と、地図更新手段によって地図情報が更新される毎に、更新された地図情報に、物体位置検出手段によって検出された現在の物体の位置に対応するブロックに、静止物の存在を記録すると共に、支援対象の可動物から検出された現在の物体の位置までの間に対応する各ブロックにおける静止物の存在の記録を減少させる静止物記録手段と、を更に含むようにすることができる。

以上説明したように、本発明の可動物予測装置及びプログラムによれば、可動物の行動変化度に応じて、可動物単位で予測するか、可動物粒子の各々について予測するかを切り替えることにより、適切な精度で、可動物の将来の位置及び移動状態を予測することができると共に、計算量の増大を抑制することができる、という効果が得られる。

本発明の第１の実施の形態に係る運転支援制御装置を示すブロック図である。 （Ａ）走行環境の例を示すイメージ図、（Ｂ）初期状態における局所地図情報を示すイメージ図、及び（Ｃ）レーザレーダによる検出結果が記録された局所地図情報を示すイメージ図である。 ＩＦ−ＴＨＥＮルールの例を示す図である。 可動物の属性を持つ上記矩形表現に内接する楕円を持つ二次元正規分布を説明するための図である。 可動物を表わす複数の可動物粒子を生成して、局所地図情報に記録した様子を示す図である。 可動物が存在する領域を示す楕円を表わす図である。 属性が歩行者である可動物が存在している様子を示す図である。 属性が車両である可動物が存在している様子を示す図である。 線形予測を説明するための図である。 パーティクルフィルタによる予測を説明するための図である。 行動変化度の算出、及び将来分布の予測を繰り返し行った様子を示す図である。 （Ａ）歩行者の属性を持つ可動物が、車道上に位置する場合の将来分布を示す図、（Ｂ）歩行者の属性を持つ可動物が、歩道上に位置する場合の将来分布を示す図、及び（Ｃ）歩行者の属性を持つ可動物が、歩道上の車道際に位置する場合の将来分布を示す図である。 （Ａ）歩行者の属性を持つ可動物の進路上に障害物が存在する場合の将来分布を示す図、（Ｂ）歩行者の属性を持つ可動物が、他の歩行者と対向している場合の将来分布を示す図、及び（Ｃ）歩行者の属性を持つ可動物が、横断歩道上の駐車車両の死角領域内に位置している場合の将来分布を示す図である 本発明の第１の実施の形態に係る運転支援制御装置における局所地図生成処理ルーチンの内容を示すフローチャートである。 本発明の第１の実施の形態に係る運転支援制御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。 本発明の第２の実施の形態に係る運転支援制御装置を示すブロック図である。 本発明の第２の実施の形態に係る運転支援制御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。 本発明の第３の実施の形態に係る運転支援制御装置における、可動物粒子単位で将来分布を予測する方法を説明するための図である。 本発明の第３の実施の形態に係る運転支援制御装置における、可動物粒子単位で将来分布を予測する方法を説明するための図である。 行動変化度と予測方法との対応関係を示す図である。 歩行者について各時刻で予測される将来分布と行動変化度とを示す図である。 歩行者について各時刻で予測される将来分布と行動変化度の積算値とを示す図である。 歩行者について各時刻で予測される将来分布と行動変化度の差分とを示す図である。

以下、図面を参照して本発明の実施の形態を詳細に説明する。なお、本実施の形態では、車両に搭載された運転支援制御装置に、本発明を適用した場合を例に説明する。

図１に示すように、第１の実施の形態に係る運転支援制御装置１０は、検出対象範囲である自車両の前方に対してレーザを１次元（水平方向）に走査しながら照射し、レーザの反射によりレーザが照射された物体の２次元位置を検出するレーザレーダ１２と、自車両の運動状態を検出する運動センサ１４と、自車両の前方を撮影するカメラ１８と、支援対象である自車両の位置を検出するＧＰＳ装置２０と、これらの検出結果に基づいて、現在の自車両から見た前方の静止物の存在を記録した局所地図情報を生成すると共に、可動物の将来の位置及び移動状態を予測し、予測結果に応じて、運転支援システム２４によって運転支援を行なうように制御するコンピュータ２２とを備えている。

ここで、可動物とは、移動状態・静止状態に関わらず、自ら移動する能力を持つ物体であり、移動物とは、自ら移動する能力を持つか否かに関わらず、移動状態である物体である。

レーザレーダ１２は、車両前方に設置され、装置を基準とする車両前方に存在する物体までの距離を検出する装置であり、出力するレーザを水平方向に走査することで、レーザの反射により自車両前方に存在する複数の物体表面上の複数の点の位置を検出することができる。レーザレーダ１２による検出結果は、自車両前方に存在する物体表面のある点の位置を表す２次元座標の集合である。レーザレーダ１２による検出処理は一定サイクルで実行され、レーザレーダ１２は、各時点での自車両前方に存在する物体表面の複数の点の２次元位置を示すデータをコンピュータ２２に出力する。なお、レーザレーダ１２は、物体位置検出手段の一例である。

運動センサ１４は、自車両の速度を計測する車速センサ、ヨーレートを計測するジャイロセンサ、又は自車両の加速度を計測する加速度センサで構成されている。

カメラ１８は、小型のＣＣＤカメラ又はＣＭＯＳカメラで構成され、車両の前方を撮影するように車両のフロントウィンドウ上部等に取り付けられている。カメラ１８で撮影された前方の道路状況等の画像データは、コンピュータ２２に入力される。

コンピュータ２２は、ＣＰＵ、後述する局所地図生成処理ルーチン及び運転支援処理ルーチンの各々を実行するためのプログラムを記憶したＲＯＭ、データ等を記憶するＲＡＭ、及びこれらを接続するバスを含んで構成されている。このコンピュータ２２をハードウエアとソフトウエアとに基づいて定まる機能実現手段毎に分割した機能ブロックで説明すると、図１に示すように、レーザレーダ１２により検出された物体の２次元位置を取得する物体位置取得部３０と、運動センサ１４により検出された車速、ヨーレート、又は加速度に基づいて、自車両の運動を推定する自車運動推定部３２と、自車両の運動に基づいて、一時刻前までの局所地図情報を現在の自車両から見た座標系の局所地図情報に更新する局所地図更新部３４と、検出された現在の物体の２次元位置に基づいて、更新された局所地図情報における静止物の存在確率を変更する存在確率変更部３６と、を備えている。なお、存在確率変更部３６は、静止物記録手段の一例である。

自車運動推定部３２は、局所地図情報が前回更新されてから現在までの間における、運動センサ１４により検出された車速、ヨーレート、又は加速度に基づいて、局所地図情報が前回更新されてから現在までの自車両の運動を推定する。

局所地図更新部３４は、一時刻前までに更新された局所地図情報を、推定された自車両の運動に従って、現在の自車から見た座標系へと変換することで、現在の自車両から見た前方領域を表わす局所地図情報を生成する。また、局所地図更新部３４は、局所地図情報の更新を繰り返し行う。局所地図情報は、図２（Ｂ）に示すように、自車両前方の一定領域内を、一定の大きさの格子（ブロック）によって分割した複数のブロックで表される地図である。各ブロックにはその位置に静止物が存在する確率が記録され、初期状態では、図２（Ｂ）に示すように、存在確率として初期値である０.５（中間値）が記録されている。

存在確率変更部３６は、局所地図更新部３４により局所地図情報が更新される毎に、物体位置取得部３０によって取得された現在の物体の２次元位置それぞれに基づいて、更新された局所地図情報において、その物体の２次元位置に対応するブロックの存在確率を増加させ、自車両からその物体の２次元位置までの直線上に存在する各ブロックの存在確率を減少させる。このように存在確率を変更することにより、一定期間以上、対応する位置で物体が検出されたブロックの存在確率は高くなり、物体が一時的にしか検出されないブロックの存在確率は低くなる。図２（Ａ）に示すような走行環境である場合、図２（Ｃ）に示すように、例えば、静止物が確実に存在する位置のブロックには存在確率として１（最大値）が記録され、静止物が存在しない位置のブロックには存在確率として０（最小値）が記録される。また、他の物体によって隠されているなどの原因によって、その位置の情報が得られていないブロック（死角領域のブロック）には、存在確率として初期値である０.５（中間値）が記録される。

この結果、多くの移動物が存在する走行環境においても、比較的長時間同じ位置に観測される路側物などの静止物のみを安定して検出可能である。また、現在までレーザレーダ１２により観測できていない部分（不可視領域）も、存在確率が初期値（０.５）のままのブロックとして検出可能である。また、レーザレーダ１２の計測点がほとんど得られない、自車両の位置から見て静止物が存在する領域より遠方側の領域は、初期値から変化しないので、死角領域とみなすことができる。

また、コンピュータ２２は、電子地図を記憶した地図データベース３８と、カメラ１８によって撮影された前方画像及びＧＰＳ装置２０によって検出された自車両の位置に基づいて、自車両周辺の可動物及び走行環境の状況を検出する環境検出部４０と、局所地図情報に基づいて、死角領域を特定し、死角領域内に潜在する可動物を表わす情報を生成する潜在物標生成部４１と、局所地図情報上に、局所地図情報から得られる物体、環境検出部４０によって検出された物体、及び潜在物標生成部４１によって生成された可動物の各々を表わす矩形表現を生成して記録する物標表現生成部４２と、矩形表現が記録された局所地図情報を記憶する物標表現データベース４３と、局所地図情報に記録された矩形表現のうち、可動物について、後述する行動変化度を算出する行動変化度算出部４４と、算出された行動変化度に基づいて、各可動物に対する予測方法を選択する予測方法選択部４６と、各可動物について、選択された予測方法により、将来の位置及び移動状態を予測して、局所地図情報に記録された矩形表現を更新する将来分布予測部４８と、各可動物について算出された行動変化度に応じて、各可動物との衝突を回避するように、運転支援システム２４による運転支援を行なうように制御する運転支援制御部５０とを備えている。行動変化度算出部４４、予測方法選択部４６、及び将来分布予測部４８による一連の処理は、繰り返し実行される。なお、環境検出部４０は、可動物検出手段及び環境検出手段の一例である。潜在物標生成部４１及び物標表現生成部４２は、データ生成手段の一例である。

地図データベース３８に記憶されている電子地図には、道路形状や標識表示、建造物に関する情報が格納されている。

環境検出部４０は、ＧＰＳ装置２０によって検出された自車位置に基づいて、地図データベース３８の電子地図から、自車両周辺の道路形状や標識表示、建造物に関する情報を検出する。また、環境検出部４０は、カメラ１８によって撮影された前方画像から、学習型のパターン認識技術（例えば、ＳＶＭ）によって、前方に存在する可動物及び可動物の種類（例えば、歩行者、二輪車、自動車等）を検出すると共に、可動物の動作状態（歩行者の顔向きや、車両のウィンカー灯やブレーキ灯の点灯状態）を検出する。

潜在物標生成部４１は、局所地図情報において、自車位置と静止物の位置とに基づいて、自車から見た静止物によって形成される死角領域を特定し、特定された死角領域内に、環境検出部４０の検出結果と、図３に示すような予め定められたＩＦ−ＴＨＥＮルールに基づいて、自動車、二輪車、歩行者などの可動物の種類を示すラベルや、向き・速度などの移動状態、存在する領域を示す情報を含む、死角領域内に潜在する可動物を表わす情報を生成する。例えば、道路形状が、片側１車線道路であり、死角領域が、駐車車両により形成されるものであり、かつ、死角領域に、横断歩道が含まれる場合には、歩行者のラベルが割り当てられた可動物を表わす情報が生成される。

物標表現生成部４２は、局所地図情報から検出される物体、環境検出部４０によって検出された物体、及び死角領域に潜在する可動物の全てに対して、認識結果（レーザレーダ１２の計測点や、環境検出部４０による検出結果、潜在する可動物が存在する領域）が内接する矩形によって物体形状を表現（矩形中心位置、矩形幅・高さ、回転角）した矩形表現を生成して、自車両を原点とする局所地図情報に記録する。各矩形表現は、平面上での移動状態（速度、加速度）と属性（障害物、横断歩道、白線、自動車、二輪車、自転車、歩行者などの種別）を有し、さらに物体ＩＤ番号が割り振られて管理される。また、死角領域も適切な属性を持つ物体として取り扱う。

また、物標表現生成部４２は、図４に示すように、可動物の属性を持つ上記矩形表現に内接する１σ信頼楕円を持つ二次元正規分布の期待値と共分散行列を算出し、その二次元正規分布に従って、図５に示すように、あらかじめ定めた個数の可動物粒子を生成して、局所地図情報に記録する。局所地図情報に記憶された矩形表現は、上記のように求められた、二次元正規分布の期待値と共分散行列と、速度の期待値と共分散行列と、各可動物粒子に対する位置及び速度とを、更に保持している。各可動物粒子は、上記矩形表現が持つ変数を保持し、さらに粒子ＩＤ番号で管理される。また、同じ可動物の可動物粒子の各々は、同じ物体ＩＤ番号を保持する。

また、物標表現生成部４２は、静止物の属性を持つ上記矩形表現に対しては、局所地図情報に合わせて格子状に分割し、各格子に、物体の属性や高さなど、可動物が影響を受ける可能性のある多数の変数で構成される情報を格納する。

また、物標表現生成部４２は、局所地図情報上において、横断歩道や歩道の領域に対応するブロックに、横断歩道や歩道であることを格納する。

なお、物標表現生成部４２は、連続する局所地図情報の時間差分をとることによって、移動物と静止物とを識別し、局所地図情報上において移動物が存在する領域を特定する。また、物標表現生成部４２は、特定された移動物が存在する領域と、環境検出部４０で可動物の種類が検出された領域とを統合することによって、可動物を表わす上記矩形表現に属性を与えている。

物標表現データベース４３には、矩形表現及び可動物粒子が記録された局所地図情報が記憶される。

行動変化度算出部４４は、物標表現データベース４３の局所地図情報から、全ての可動物を表わす矩形表現を取得し、図６に示すように、各可動物について、可動物が存在する領域（例えば、矩形表現に内接する１σ信頼楕円）について、可動物の属性にとって進入してはならない領域に進入している程度を加算及び正規化して、各可動物の行動が変化する度合いである行動変化度を算出する。例えば、図７に示すように、可動物の属性が歩行者である場合、可動物が存在する領域における、非歩道領域の面積の比率＊１０を、行動変化度として算出する。また、環境検出部４０の検出結果より求められる顔向きの分散と、死角領域に存在する面積との和を、行動変化度として算出してもよい。

また、図８に示すように、可動物の属性が車両である場合、可動物が存在する領域における、非車道領域の面積の比率＊１０を、行動変化度として算出する。また、環境検出部４０の検出結果より求められる、ブレーキ灯の点灯数と方向指示器の点灯数との和を、行動変化度として算出してもよく、回避行動を生起させる他者との衝突頻度を、行動変化度として算出してもよい。

予測方法選択部４６は、各可動物について、算出された行動変化度に基づいて、将来分布予測方法のアルゴリズムである、線形予測（カルマンフィルタによる予測）及びランダムサンプリング（パーティクルフィルタによる予測）の何れかを選択する。行動変化度が閾値未満である場合、線形予測を選択し、行動変化度が閾値以上である場合、ランダムサンプリングを選択する。線形予測は、図９に示すように、将来の位置として、２次元正規分布を算出する方法であり、可動物単位での予測であり計算量が少ないが、精緻さに欠ける。一方、パーティクルフィルタによる予測は、図１０に示すように、可動物粒子単位で、将来の位置を予測する方法であり、計算量が多いが、精緻さに優れている。

将来分布予測部４８は、各可動物について、選択された将来分布予測方法を用いて、可動物データに含まれる情報に基づいて、あらかじめ定義した１ステップ分だけ先の時刻の将来予測を行う。例えば、線形予測の場合には、可動物を表わす矩形表現の情報から二次元正規分布を生成し、属性に応じたダイナミクスモデルを利用して１ステップ予測を行って、二次元正規分布を予測し、再度適切な表現に変換して、局所地図情報における可動物を表わす矩形情報の記録を更新する。

また、ランダムサンプリングの場合には、可動物を表わす複数の可動物粒子の各々について、割り当てられた移動状態が、ランダムデータに基づいて変更され、変更された移動状態に応じて、各可動物粒子が遷移する。そして、遷移制約を受ける領域の可動物粒子を中心に、可動物粒子を消滅させ、消滅させた分だけ、可動物粒子を複製して、消滅していない他の可動物粒子の位置に重複するように配置し、又は、消滅していない他の可動物粒子の位置の周辺の位置に配置する。これによって、遷移制約を受けない領域を中心に、可動物粒子が新たに生成される。また、全粒子数が一定になるように、上記の消滅及び複製が行われる。このように、局所地図情報における可動物を表わす可動物粒子の記録を更新すると共に、可動物粒子の位置及び移動状態に基づいて、可動物を表わす矩形表現の位置及び移動状態を更新する。

行動変化度算出部４４、予測方法選択部４６、及び将来分布予測部４８による一連の処理は、予め設定された予測時間分だけ繰り返し実行され、例えば、行動変化度算出部４４は、各時刻で、行動変化度が算出され、図１１に示すように、歩行者の属性を持つ可動物が、死角に一旦隠れるような場合には、死角に隠れている時に、高い行動変化度ψ₁＝６が算出される。これに対応して、予測方法選択部４６は、予測ステップ中で、死角に隠れている時に、精緻な予測を行うように、パーティクルフィルタによる予測を選択する。

また、図１２（Ａ）に示すように、歩行者の属性を持つ可動物が、車道上に位置している場合には、車道上に位置している時と、横断歩道に踏込んだ時に、高い行動変化度ψ₀、ψ₁が算出され、横断歩道上に位置している時と、歩道上に位置している時に、低い行動変化度ψ₂、ψ₃が算出される。これに対応して、予測方法選択部４６は、予測ステップ中で、車道上に位置している時と、横断歩道に踏込んだ時に、精緻な予測を行うように、パーティクルフィルタによる予測を選択し、横断歩道上に位置している時と、歩道上に位置している時に、線形予測を選択する。

図１２（Ｂ）に示すように、歩行者の属性を持つ可動物が、歩道上に位置している場合には、低い行動変化度ψ₀〜ψ₃が算出され、これに対応して、予測方法選択部４６は、線形予測を選択する。

図１２（Ｃ）に示すように、歩行者の属性を持つ可動物が、歩道上の車道際に位置している場合には、歩道上に位置している時に、低い行動変化度ψ₀、ψ₁が算出され、車道に踏込んだ時と、車道上に位置している時に、高い行動変化度ψ₂、ψ₃が算出される。これに対応して、予測方法選択部４６は、予測ステップ中で、歩道上に位置している時に、線形予測を選択し、車道に踏込んだ時と、車道上に位置している時に、パーティクルフィルタによる予測を選択する。

また、図１３（Ａ）に示すように、歩行者の属性を持つ可動物の進路上に障害物が存在する場合には、歩道上に位置している時に、低い行動変化度ψ₀、ψ₁が算出され、障害物に衝突している時と、車道に踏込んだ時に、高い行動変化度ψ₂、ψ₃が算出される。これに対応して、予測方法選択部４６は、予測ステップ中で、歩道上に位置している時に、線形予測を選択し、障害物に衝突している時と、車道に踏込んだ時に、パーティクルフィルタによる予測を選択する。

図１３（Ｂ）に示すように、歩行者の属性を持つ可動物が、他の歩行者と対向している場合には、歩道上に位置している時に、低い行動変化度ψ₀、ψ₁が算出され、歩行者同士が衝突している時と、車道に踏込んだ時に、高い行動変化度ψ₂、ψ₃が算出される。これに対応して、予測方法選択部４６は、予測ステップ中で、歩道上に位置している時に、線形予測を選択し、歩行者同士が衝突している時と、車道に踏込んだ時に、パーティクルフィルタによる予測を選択する。

図１３（Ｃ）に示すように、歩行者の属性を持つ可動物が、横断歩道上の駐車車両の死角領域内に位置している場合には、死角領域内に位置している時と、車道に踏込んだ時に、高い行動変化度ψ₀、ψ₂が算出され、横断歩道上又は歩道上に位置している時に、低い行動変化度ψ₁、ψ₃が算出される。これに対応して、予測方法選択部４６は、予測ステップ中で、横断歩道上又は歩道上に位置している時に、線形予測を選択し、死角領域内に位置している時と、車道に踏込んだ時に、パーティクルフィルタによる予測を選択する。

また、将来分布予測部４８は、次の時刻で算出された行動変化度を可能な限り小さくするように、前回の将来分布の予測結果を修正しても良い。例えば、線形予測の場合には、将来分布の予測結果は、二次元正規分布の期待値と共分散であり、５次元変数θ＝［μ_x、μ_y、σ_xx、σ_xy、σ_yy］で表現できる。行動変化度を最小化するθは無数にあるが、コスト関数Ｃ＝行動変化度＋λ（θ−θ₀）^T（θ−θ₀）を最小化する解は唯一に定まる（ただし、θ₀は更新前のθ）。これを、適当に離散化したθの空間で総当たり計算する。また別の例としては、パーティクルフィルタによる予測（ランダムサンプリング）の場合には、可動物粒子に対して行動変化度を割り当て、行動変化度で重みづけたリサンプリングを行えば良い。

運転支援制御部５０は、算出された行動変化度の時系列データに応じて、行うべき運転支援を選択する。急制動が必要な２秒以内に、少なくとも１つの可動物の行動変化度が、第２閾値（例えば１０）以上となるような場合には、被害を最小にするために、運転者からの制御を遮断して、機械的に最適な減速制御を行うように運転支援システム２４を制御する。また、ある可動物について、行動変化度の時系列データの総和が閾値γを超える場合には、運転者に対して音声や映像によって、該当する可動物に対する注意喚起を行うように、運転支援システム２４を制御する。

次に、本実施の形態に係る運転支援制御装置１０の作用について説明する。

まず、レーザレーダ１２によって、レーザが自車両の前方を水平方向に走査されて、走査方向に並んだレーザ照射位置としての物体の２次元位置の各々までの距離が計測され、自車両の前方に存在する物体の２次元位置が検出される。レーザレーダ１２によって検出される２次元位置は、レーザを走査する毎に得られる。

そして、コンピュータ２２によって、図１４に示す局所地図生成処理ルーチンが実行される。

まず、ステップ１００において、レーザレーダ１２から、前方に存在する物体の２次元位置（走査方向に並んだ各２次元位置までの計測距離）を示すデータを取得し、ステップ１０２において、一時刻前から現在までの間における、運動センサ１４により検出された車速、ヨーレート、又は加速度を取得し、取得した車速、ヨーレート、又は加速度に基づいて、一時刻前から現在までの自車両の運動を推定する。

そして、ステップ１０４において、後述するステップ１０６で前回更新された局所地図情報を、上記ステップ１０２で推定された自車両の運動に応じて、現在の自車両から見た座標系で表わされる局所地図情報に更新する。

次のステップ１０６では、上記ステップ１００で取得した自車両前方に存在する物体の２次元位置に基づいて、上記ステップ１０４で更新された局所地図情報において、自車両前方に存在する物体の２次元位置に対応するブロックの存在確率を増加させると共に、自車両から物体の２次元位置までの直線上に存在する各ブロックの存在確率を減少させることにより現在物体が存在しない位置を地図上に記録する。そして、上記ステップ１００へ戻る。

上述したように、局所地図生成処理ルーチンが繰り返し実行されることにより、現在の自車両から見た静止物の位置が随時推定される。

なお、生成される局所地図情報は、上記局所地図生成処理ルーチンが所定回数繰り返されたときに有効とされるようにしてもよい。

また、コンピュータ２２によって、図１５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１２０において、カメラ１８により撮影された前方画像及びＧＰＳ装置２０によって検出された自車両位置を取得する。次のステップ１２２では、上記ステップ１２０で取得した前方画像、自車両位置、及び地図データベース３８の電子地図に基づいて、自車両周辺の走行環境の状況を検出すると共に、周辺の可動物、可動物の移動状態、可動物の種類、及び可動物の動作状態を検出する。

そして、ステップ１２４において、上述した局所地図生成処理ルーチンにより得られる現在の局所地図情報を取得する。次のステップ１２６では、上記ステップ１２４で取得した局所地図情報から、自車両から見たときの静止物によって形成された死角領域を特定する。そして、ステップ１２８では、死角領域内に潜在する物体を表わす情報を生成する。

次のステップ１３０では、全ての物体を表わす矩形表現を生成して、局所地図情報に格納し、可動物を表わす矩形表現に対しては、更に可動物粒子を生成して局所地図情報に格納する。

そして、ステップ１３２において、局所地図情報から、全ての可動物を表わす矩形表現を取得し、ステップ１３４において、時刻ｔに、初期値０を設定する。ステップ１３６では、各可動物に対して、局所地図情報に記録されている可動物を表わす矩形表現の位置や属性、動作状態に基づいて、行動変化度を算出し、ステップ１３８において、時刻ｔが、将来予測時間Ｔに到達したか否かを判定する。時刻ｔが、将来予測時間Ｔに到達していない場合には、ステップ１４０において、少なくとも１つの可動物に対して算出された行動変化度が、第２閾値γ_h以上であるか否かを判定する。全ての可動物の行動変化度が、第２閾値γ_h未満である場合には、ステップ１４２において、各可動物に対して、上記ステップ１３６で算出された行動変化度が、閾値Ｙ以上であるか否かによって、将来分布の予測方法として、線形予測及びパーティクルフィルタによる予測の何れかを選択する。

次のステップ１４４では、各可動物に対して、上記ステップ１４２で選択された将来分布の予測方法により、可動物の次の時刻における将来分布及び移動状態を予測し、局所地図情報に格納されている可動物の情報を更新する。そして、ステップ１４６において、時刻ｔを、インクリメントして、上記ステップ１３６へ戻り、上記のステップ１３６以降の処理を繰り返す。

一方、上記ステップ１４０において、１つの可動物の行動変化度が、第２閾値γ_H以上であると判定された場合には、ステップ１４８において、上記のステップ１３６以降の処理の繰り返しを停止して、該当する可動物の行動変化度の時系列データの各値を、最大値に設定して、ステップ１５２へ移行する。

また、上記ステップ１３８において、時刻ｔが、将来予測時間Ｔに到達した場合には、ステップ１５０において、全ての可動物の行動変化度の時系列データの各値が、第２閾値より小さい第１閾値γ_L未満であるか否かを判定する。何れかの行動変化度が、第２閾値γ_L以上である場合には、ステップ１５２へ移行して、各可動物について、当該可動物の行動変化度の時系列データに応じて、当該可動物に対する運転支援を行なうように運転支援システム２４を制御する。

一方、上記ステップ１５０において、全ての可動物の行動変化度の時系列データの各値が、第２閾値γ_L未満である場合には、運転支援を行なわずに、運転支援処理ルーチンを終了する。

以上説明したように、第１の実施の形態に係る運転支援制御装置によれば、可動物の行動変化度に応じて、可動物単位で簡易に将来分布を予測するか、可動物粒子単位で精緻に将来分布を予測するかを切り替えることにより、適切な精度で、可動物の将来の位置及び移動状態を予測することができると共に、計算量の増大を抑制することができる。

また、死角領域に潜在する可動物の情報を生成することにより、死角領域内に存在すると想定される可動物の将来の位置及び移動状態も予測して、運転支援を行なうことができる。

また、実際の交通環境上の衝突発生を、必要な計算処理を効率的低減しながら必要な部分では精緻化し、衝突発生に対して早期に予測して、運転支援を行なうことができる。

また、可動物の将来分布を繰り返し予測すると共に、行動変化度を繰り返し算出し、予測された将来分布に対しては、さらに物体の属性に応じて進入不可能領域（赤信号の横断歩道、歩行者にとっての車道、自動車にとっての歩道など）にどの程度進入しているかという基準で改めて行動変化度を算出するようにすることにより、先の時刻まで、適切な精度で、可動物の将来の位置及び移動状態を予測することができると共に、計算量の増大を抑制することができる。

次に、第２の実施の形態に係る運転支援制御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２の実施の形態では、路側の装置において、可動物の行動変化度を算出すると共に、可動物の将来分布を予測している点が、第１の実施の形態と主に異なっている。

第２の実施の形態に係る運転支援制御装置は、路側に固定して設置されており、例えば、主要交差点に設置されている。図１６に示すように、運転支援制御装置２１０は、検出対象範囲である自装置の前方に対してレーザを１次元（水平方向）に走査しながら照射し、レーザの反射によりレーザが照射された物体の２次元位置を検出するレーザレーダ１２と、自装置の前方を撮影するカメラ１８と、自装置の位置を検出するＧＰＳ装置２０と、これらの検出結果に基づいて、現在の自装置から見た前方の静止物の存在を記録した局所地図情報を生成すると共に、可動物の将来の位置及び移動状態を予測し、予測結果に応じて、運転支援システムを搭載した車両において運転支援が行なわせる指令を通信装置２２４に送信させるコンピュータ２２２とを備えている。

コンピュータ２２２は、物体位置取得部３０と、検出された現在の物体の２次元位置に基づいて、自装置から見た座標系の局所地図情報における静止物の存在確率を変更する存在確率変更部２３６と、を備えている。

また、コンピュータ２２２は、地図データベース３８と、自装置周辺の可動物及び走行環境の状況を検出する環境検出部４０と、潜在物標生成部４１と、物標表現生成部４２と、物標表現データベース４３と、行動変化度算出部４４と、予測方法選択部４６と、将来分布予測部４８と、各可動物について算出された行動変化度に応じて、各可動物との衝突を回避するように、運転支援システムを搭載した車両において運転支援を行なうように指令を送信させる運転支援指令部２５０とを備えている。

次に、第２の実施の形態に係る局所地図情報処理ルーチンでは、レーザレーダ１２から、前方に存在する物体の２次元位置を示すデータを取得し、次に、取得した自車両前方に存在する物体の２次元位置に基づいて、局所地図情報において、自車両前方に存在する物体の２次元位置に対応するブロックの存在確率を増加させると共に、自車両から物体の２次元位置までの直線上に存在する各ブロックの存在確率を減少させることにより現在物体が存在しない位置を地図上に記録する。そして、最初の処理へ戻る。

上述したように、局所地図生成処理ルーチンが繰り返し実行されることにより、現在の自装置から見た静止物の位置が随時推定される。

また、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１７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１２０において、カメラ１８により撮影された前方画像及びＧＰＳ装置２０によって検出された自装置位置を取得する。次のステップ１２２では、自装置周辺の走行環境の状況を検出すると共に、周辺の可動物、可動物の移動状態、可動物の種類、及び可動物の動作状態を検出する。そして、ステップ１２４において、上述した局所地図生成処理ルーチンにより得られる現在の局所地図情報を取得する。次のステップ１２６では、取得した局所地図情報から、自装置から見たときの静止物によって形成された死角領域を特定する。そして、ステップ１２８では、死角領域内に潜在する物体を表わす情報を生成する。

次のステップ１３０では、全ての物体を表わす矩形表現を生成すると共に、可動物粒子を生成して局所地図情報に格納する。そして、ステップ１３２において、局所地図情報から、全ての可動物を表わす矩形表現を取得し、ステップ２７０において、上記ステップ１３２で取得した矩形表現が表わす全ての可動物のうち、運転支援システムを搭載した可動物が存在するか否かを判定する。例えば、路車間通信により、可動物が、運転支援システムを搭載しているか否かを判定する。運転支援システムを搭載した可動物が存在しない場合には、運転支援処理ルーチンを終了する。一方、運転支援システムを搭載した可動物が存在する場合には、ステップ１３４において、時刻ｔに、初期値０を設定する。

ステップ１３６では、運転支援システムを搭載した支援対象の可動物以外の各可動物に対して、局所地図情報に記録されている可動物の矩形表現に基づいて、行動変化度を算出し、ステップ１３８において、時刻ｔが、将来予測時間Ｔに到達したか否かを判定する。時刻ｔが、将来予測時間Ｔに到達していない場合には、ステップ１４０において、少なくとも１つの可動物に対して算出された行動変化度が、第２閾値γ_h以上であるか否かを判定する。支援対象の可動物以外の全ての可動物の行動変化度が、第２閾値γ_h未満である場合には、ステップ１４２において、支援対象の可動物以外の各可動物に対して、上記ステップ１３６で算出された行動変化度が、閾値Ｙ以上であるか否かによって、将来分布の予測方法として、線形予測、及びパーティクルフィルタによる予測の何れかを選択する。

次のステップ１４４では、支援対象の可動物以外の各可動物に対して、上記ステップ１４２で選択された将来分布の予測方法により、可動物の次の時刻における将来分布及び移動状態を予測し、局所地図情報に格納されている可動物の矩形表現を更新する。そして、ステップ１４６において、時刻ｔを、インクリメントして、上記ステップ１３６へ戻り、上記のステップ１３６以降の処理を繰り返す。

一方、上記ステップ１４０において、１つの可動物の行動変化度が、第２閾値γ_H以上であると判定された場合には、ステップ１４８において、上記のステップ１３６以降の処理の繰り返しを停止して、該当する可動物の行動変化度の時系列データの各値を、最大値に設定して、ステップ２７２へ移行する。

また、上記ステップ１３８において、時刻ｔが、将来予測時間Ｔに到達した場合には、ステップ１５０において、支援対象の可動物以外の全ての可動物の行動変化度の時系列データの各値が、第１閾値γ_L未満であるか否かを判定する。何れかの行動変化度が、第１閾値γ_L以上である場合には、ステップ２７２へ移行して、各可動物の行動変化度の時系列データに応じて、支援対象の可動物において、搭載した運転支援システムにより運転支援を行なわせる指令を、通信装置２２４により当該可動物へ送信する。

一方、上記ステップ１５０において、全ての可動物の行動変化度の時系列データの各値が、第１閾値γ_L未満である場合には、支援対象の可動物において運転支援を行なわずに、運転支援処理ルーチンを終了する。

以上説明したように、第２の実施の形態に係る運転支援制御装置によれば、交通環境上の運転支援システムを持つ可動物以外の可動物について、個別に行動変化度を算出し、可動物の行動変化度に応じて、可動物単位で簡易に将来分布を予測するか、可動物粒子単位で精緻に将来分布を予測するかを切り替えることにより、適切な精度で、可動物の将来の位置及び移動状態を予測することができると共に、計算量の増大を抑制することができる。

次に、第３の実施の形態に係る運転支援制御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制御装置の構成は、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、可動物粒子単位で将来分布を予測する方法が、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制御装置において、予測方法選択部４６では、可動物の行動変化度が、閾値以上である場合、以下に説明する、可動物粒子単位で将来分布を予測する方法を選択する。ここで、可動物粒子単位で将来分布を予測する方法について説明する。

まず、可動物を表わす矩形表現は、質量ｍ、位置ｘ、及び移動状態（加速度ａ、移動速度ｖ）を保持しており、図１８（Ａ）に示すように、可動物を表わす矩形表現から、可動物が存在する領域（例えば、矩形表現に内接する１σ信頼楕円）が得られる。また、図１８（Ｂ）に示すように、可動物ｘ_A、ｘ_Bに対して、各々、例えば３つの可動物粒子ｘ_A1、ｘ_A2、ｘ_A3、ｘ_B1、ｘ_B2、ｘ_B3が生成される。ここで、初期状態において、可動物粒子ｘ_A00には、Ｆ_A00＝ｍ_AａA₀の力が作用しており、可動物粒子ｘ_B00には、ｍ_Bａ_B0の力が作用している。

そして、図１８（Ｃ）に示すように、各可動物粒子ｘ_A0t・・・について、以下の（１）式に従って、他の可動物の可動物粒子ｘ_B0t, ｘ_B1t, ｘ_B2tから受ける時刻ｔの斥力の合力を算出する。

次に、図１９（Ａ）に示すように、各可動物粒子ｘ_A0t、ｘ_B0t・・・にかかる時刻ｔの合力Ｆ_A0t＝Ｆ_A0t-1＋Ｆ_A0tのチルダ、Ｆ_B0t＝Ｆ_B0t-1＋Ｆ_B0tのチルダ・・・を算出し、図１９（Ｂ）に示すように、運動方程式に従って、加速度ａ_A0t＝Ｆ_A0t／ｍ_A、ａ_B0t＝Ｆ_B0t／ｍ_B・・・で、各可動物粒子ｘ_A0t、ｘ_B0t・・・を移動させる。このとき、可動物粒子の存在位置に応じて、歩道や車道における粘弾性や、静止障害物との衝突を考慮する。

時刻ｔが、将来予測時間Ｔに至るまで、上記の計算処理を繰り返し、図１９（Ｃ）に示すような、将来予測時間Ｔまでの各時刻における可動物の将来分布、及び移動状態を予測する。

将来分布予測部４８は、可動物粒子単位で将来分布を予測する方法が選択された可動物について、上記の予測方法により、次の時刻における可動物の将来分布を予測する。

なお、第３の実施の形態に係る運転支援制御装置の他の構成及び作用については、第１の実施の形態と同様であるため、説明を省略する。

次に、第４の実施の形態に係る運転支援制御装置について説明する。なお、第４の実施の形態に係る衝突危険判定装置の構成は、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４の実施の形態では、行動変化度に応じて、４種類の予測方法から、将来分布を予測する方法を選択している点が、第１の実施の形態と異なっている。

第４の実施の形態に係る予測方法選択部４６は、各可動物について、図２０に示すように、算出された行動変化度に応じて、等速直線運動としての予測方法、カルマンフィルタを用いた線形予測方法、パーティクルフィルタを用いた予測方法、及び粒子法による予測方法の４種類の予測方法から選択する。例えば、行動変化度が最小値０である場合には、等速直線運動としての予測方法を選択し、行動変化度が１〜５である場合には、カルマンフィルタを用いた線形予測方法を選択し、行動変化度が６〜９である場合には、パーティクルフィルタを用いた予測方法を選択し、行動変化度が最大値１０である場合には、粒子法による予測方法を選択する。

将来分布予測部４８は、各可動物について、選択された予測方法を用いて、次の時刻の可動物の将来分布及び移動状態を予測する。等速直線運動としての予測方法では、可動物の移動状態のままで、可動物単位で等速直線運動させたときの位置を、将来の位置として予測する。粒子法による予測方法では、上記第３の実施の形態で説明した予測方法を用いて、可動物の将来分布を予測する。

行動変化度算出部４４、予測方法選択部４６、及び将来分布予測部４８による一連の処理は、予め設定された予測時間分だけ繰り返し実行される。例えば、図２１に示すように、歩行者の属性を持つ可動物が、歩道上に位置している時点ｔ＝０では、行動変化度ψ₀＝０が算出され、等速直線運動としての予測方法が選択される。また、車道に踏込んだ時点ｔ＝１では、行動変化度ψ₁＝１が算出され、カルマンフィルタを用いた線形予測方法が選択される。車道上に位置している時点ｔ＝２では、行動変化度ψ₂＝８が算出され、パーティクルフィルタを用いた予測方法が選択される。そして、車道の中心に位置している時点ｔ＝３では、行動変化度ψ₃＝１０が算出され、粒子法による予測方法が選択される。そして、横断歩道に踏込んだ時点ｔ＝４では、行動変化度ψ₄＝７が算出され、パーティクルフィルタを用いた予測方法が選択される。横断歩道上に位置している時点ｔ＝５では、行動変化度ψ₅＝１が算出され、カルマンフィルタを用いた線形予測方法が選択される。そして、歩道から車道に踏み出している時点ｔ＝６では、行動変化度ψ₆＝３が算出され、カルマンフィルタを用いた線形予測方法が選択される。

なお、第４の実施の形態に係る運転支援制御装置の他の構成及び作用については、第１の実施の形態と同様であるため、説明を省略する。

次に、第５の実施の形態に係る運転支援制御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制御装置の構成は、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、１時刻前までの行動変化度の履歴を用いて、行動変化度を算出している点が、第１の実施の形態と異なっている。

第５の実施の形態に係る運転支援制御装置では、行動変化度算出部４４によって、１時刻前までの行動変化度の履歴と、算出対象時刻の行動変化度とを積算して、行動変化度を算出する。

例えば、図２２に示すように、歩行者の属性を持つ可動物が、歩道上に位置している時点ｔ＝０では、行動変化度ψ₀＝０が算出され、予測方法選択部４６では、カルマンフィルタを用いた線形予測方法が選択される。また、死角領域内に隠れる時点ｔ＝１では、行動変化度ψ₁＝ψ₀＋６＝６が算出され、予測方法選択部４６では、パーティクルフィルタを用いた予測方法が選択される。それ以降の時点ｔ＝２、３、・・・では、死角領域を抜けても、行動変化度が、６以上となり、予測方法選択部４６では、パーティクルフィルタを用いた予測方法が選択される。

このように、一旦高い行動変化度が算出されると、それ以降、高い行動変化度が算出されるため、一旦精緻な予測方法が選択されると、それ以降、精緻な予測方法が選択される。

なお、第５の実施の形態に係る運転支援制御装置の他の構成及び作用については、第１の実施の形態と同様であるため、説明を省略する。

上記の実施の形態では、行動変化度の積算値を、行動変化度として算出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、各時刻の行動変化度として、積算値を用いず、予測方法を選択する際に、行動変化度の積算値を算出し、行動変化度の積算値に基づいて、予測方法を選択するようにしてもよい。

また、１時刻前の行動変化度との差分に基づいて、予測方法を選択するようにしてもよい。

例えば、図２３に示すように、現時点での行動変化度ψ0＝０が算出され、次の時刻での行動変化度ψ₁が算出された場合、その時刻での予測方法は、その時刻での行動変化度ψ₁と、１時刻前の行動変化度ψ₀との差の絶対値によって、選択される。

これによって、行動変化度の変化が大きくなる時点で、精緻な予測方法が選択される。

また、算出対象時刻の行動変化度として、その時刻以前の行動変化度の履歴における最大値を用いるようにしてもよい。また、その時刻以前の行動変化度の履歴における最大値を用いて、予測方法を選択してもよい。また、定点観測による学習を用いた条件付き確率またはテーブルルックアップと、少なくとも１時刻前までの行動変化度とを用いて、行動変化度を算出してもよい。

次に、第６の実施の形態に係る運転支援制御装置について説明する。なお、第６の実施の形態に係る運転支援制御装置の構成は、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６の実施の形態では、死角領域の位置に基づいて、死角領域内に潜在する可動物の種類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６の実施の形態に係る運転支援制御装置の潜在物標生成部４１では、死角領域内に潜在する可動物を表わす情報に対して、以下に示すように、死角領域の位置に基づいて、自動車、二輪車、歩行者などの可動物の種類を示すラベルを割り当てる。

例えば、予め定点観測により、その場所での可動物の出現頻度を記録して蓄積しておく。事故の多い交差点などで、カメラ撮影等による方法で、季節・時間帯等で層別して、車道・歩道を道なりに通過あるいは横断する可動物の種類を記録して、移動方向、可動物の種類、及び頻度が格納されたデータベースを、各位置について生成しておく。

潜在物標生成部４１は、死角領域の位置について生成されたデータベースに基づいて、出現頻度の高い可動物の種類を特定し、死角領域内に潜在する可動物を表わす情報に対して、特定された可動物の種類を示すラベルを割り当てる。

なお、第６の実施の形態に係る運転支援制御装置の他の構成及び作用については、第１の実施の形態と同様であるため、説明を省略する。

次に、第７の実施の形態に係る運転支援制御装置について説明する。なお、第７の実施の形態に係る運転支援制御装置の構成は、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７の実施の形態では、学習モデルに基づいて、死角領域の周辺情報から、死角領域内に潜在する可動物の種類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７の実施の形態に係る運転支援制御装置の潜在物標生成部４１では、死角領域内に潜在する可動物の情報に対して、以下に示すように、学習モデルに基づいて、自動車、二輪車、歩行者などの可動物の種類を示すラベルを割り当てる。

まず、学習モデルに、死角領域の周辺情報と、想定すべき可動物の種類の写像関係を学習させる。例えば、専門家（例えば運転指導員）に対して、交通場面の写真・映像などを提示したり、同乗による聞き取り調査を行ったりして、死角領域に何を想定すべきかを回答してもらい、事後的にセンサ情報を集計して、死角領域の周辺情報を求める。そして、周辺情報入力の各種項目（死角生成物、自車と死角領域との位置関係、横断歩道の有無、信号機の有無、一時停止線の有無、追い越し規制の有無、制限速度、道路規模、交差点の有無、歩道の有無、バリアの有無、道路線形、自車速など）と想定出力の項目（死角領域に想定すべき可動物の種類）とからなるテーブルを作成する。

そして、ニューラルネットワークを使用して、死角領域の周辺情報の各種項目と、死角領域に想定すべき可動物の種類との写像関係を予め学習させておく。なお、構造を固定した線形回帰モデルや、決定木、ベイジアンネットワーク等を使用して学習するようにしてもよい。

潜在物標生成部４１は、環境検出部４０による検出結果から得られる死角領域の周辺情報を入力として、ニューラルネットワークから出力される、死角領域に想定すべき可動物の種類を取得し、死角領域内に潜在する可動物を表わす情報に対して、当該可動物の種類を示すラベルを割り当てる。

なお、第７の実施の形態に係る運転支援制御装置の他の構成及び作用については、第１の実施の形態と同様であるため、説明を省略する。

また、上記の第３の実施の形態〜第７の実施の形態を、上記の第２の実施の形態で説明した、路側に設置された運転支援制御装置に適用してもよい。

次に、第８の実施の形態について説明する。第８の実施の形態では、事故監視システムに本発明を適用している点が、第１の実施の形態と異なっている。

第８の実施の形態に係る事故監視システムでは、交通事故多発地点などにおいて、姿勢制御可能な記録用カメラを道路に設置して、記録用カメラによって撮影された画像によって、事故の発生を監視する。

事故監視システムは、第１の実施の形態と同様に、記録用カメラの周辺の可動物の各々について、行動変化度を算出し、行動変化度の履歴を参照して、複雑な予測を必要とする可動物を特定し、特定された可動物に対して、優先的に画角中心に据えたり、ズームを行うように制御する。

なお、上記の実施の形態では、事故監視システムに本発明を適用した場合を例に説明したが、これに限定されるものではなく、移動ロボットのセンシングに適用してもよい。例えば、移動ロボットに、姿勢制御可能なカメラや狭角のレーザレーダを設置し、移動ロボットの周辺の可動物の各々について、行動変化度を算出し、行動変化度の履歴を参照して、複雑な予測を必要とする可動物を特定し、特定された可動物に対して、優先的に画角中心に据えたり、ズームを行うように制御し、又はレーザレーダを走査させるように制御してもよい。

なお、上記の第１の実施の形態、第３の実施の形態〜第８の実施の形態では、運動センサの検出結果を用いて、自車両の運動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、レーザレーダの検出結果の時間差分によって、自車両の運動を推定してもよい。また、例えば、ＧＰＳ装置による自車位置の検出結果を用いて自車両の運動を推定するようにしてもよい。また、レーザレーダ、運動センサ、及びＧＰＳ装置の検出結果を組み合わせて、自車両の運動を推定するようにしてもよい。

また、上記の第１の実施の形態〜第８の実施の形態では、レーザレーダによりレーザを前方に走査して物体の位置を検出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、ミリ波などの電磁波を前方に走査して物体の位置を検出するようにしてもよい。

また、レーザレーダによって自車両又は自装置の前方の物体の位置を検出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、例えば、ステレオカメラによって撮影された前方画像から、自車両又は自装置の前方の物体の位置を検出するようにしてもよい。

また、カメラを用いたステレオ技術によって、自車両又は自装置から見た死角領域を特定するようにしてもよい。

また、路側の装置で、行動変化度の履歴を算出すると共に、車載器で、行動変化度の履歴を算出し、算出した行動変化度の履歴を、車車間通信又は路車間通信により送受信するようにしてもよい。例えば、行動変化度の変動が大きな場所は混雑している可能性が高い（事故に遭う危険度が高い）ため、車載のナビゲーションシステムにおいて、路側の装置や他車から受信した行動変化度の履歴と、受信した行動変化度の履歴の発信位置情報とを用いて、該当箇所を迂回する経路を生成するようにしてもよい。

本発明のプログラムを、記憶媒体に格納して提供することも可能である。

１０、２１０ 運転支援制御装置
１２ レーザレーダ
１４ 運動センサ
１８ カメラ
２０ ＧＰＳ装置
２２、２２２ コンピュータ
２４ 運転支援システム
３４ 局所地図更新部
３６、２３６ 存在確率変更部
３８ 地図データベース
４０ 環境検出部
４１ 潜在物標生成部
４２ 物標表現生成部
４３ 物標表現データベース
４４ 行動変化度算出部
４６ 予測方法選択部
４８ 将来分布予測部
５０ 運転支援制御部
２２４ 通信装置
２５０ 運転支援指令部

Claims (15)

1. 検出対象範囲から、可動物の種類、位置、及び移動状態を検出する可動物検出手段と、
   前記可動物検出手段によって検出された可動物の各々について、前記可動物の種類及び位置に基づいて、前記可動物の行動が変化する度合いを示す行動変化度を算出する算出手段と、
   前記可動物の各々について、前記算出された行動変化度が所定値未満である場合、前記可動物の種類、位置、及び移動状態に基づいて、前記可動物の将来の位置及び移動状態を予測し、前記算出された行動変化度が所定値以上である場合、前記可動物の種類、位置、及び移動状態に基づいて、前記可動物の一部を表わす複数の可動物粒子の各々について将来の位置及び移動状態を予測することにより、前記可動物の将来の位置及び移動状態を予測する予測手段と、
   を含む可動物予測装置。
2. 前記算出手段は、前記可動物の位置が、前記可動物の種類が移動する領域でない場合、前記可動物の位置が前記可動物の種類が移動する領域である場合に比べて高い前記行動変化度を算出する請求項１記載の可動物予測装置。
3. 前記可動物検出手段は、前記可動物の種類、位置、及び移動状態を検出すると共に、前記可動物の動作状態を検出し、
   前記算出手段は、前記可動物の動作状態が、前記可動物の行動が変化することを表わす場合、前記可動物の動作状態が前記可動物の行動が変化することを表わさない場合に比べて高い前記行動変化度を算出する請求項１又は２記載の可動物予測装置。
4. 前記予測手段は、前記算出された行動変化度が所定値未満である場合、正規分布で表された前記可動物の位置及び前記移動状態を予測する請求項１〜請求項３の何れか１項記載の可動物予測装置。
5. 前記予測手段は、前記可動物の各々について、前回予測された前記可動物の位置及び移動状態に基づいて、前記可動物の位置及び移動状態を繰り返し予測し、
   前記算出手段は、前記可動物の各々について、前記予測された前記可動物の種類及び位置に基づいて、前記行動変化度を繰り返し算出する請求項１〜請求項４の何れか１項記載の可動物予測装置。
6. 前記算出手段は、前記可動物の各々について、前回までに算出された行動変化度を用いて、前記行動変化度を算出する請求項５記載の可動物予測装置。
7. 前記予測手段は、前記可動物の各々について、前記算出された前記行動変化度の時系列データに基づく値が所定値未満である場合、前記可動物の将来の位置及び移動状態を予測し、前記算出された行動変化度の時系列データに基づく前記値が所定値以上である場合、前記可動物粒子の各々について将来の位置及び移動状態を予測することにより、前記可動物の将来の位置及び移動状態を予測する請求項５記載の可動物予測装置。
8. 前記算出手段によって所定の予測時間分だけ繰り返して前記行動変化度を算出した後、前記可動物の各々について算出された前記行動変化度の時系列データに応じて、支援対象である可動物の行動支援を行なうように制御する行動支援制御手段を更に含む請求項５〜請求項７の何れか１項記載の可動物予測装置。
9. 前記可動物の各々について算出された前記行動変化度に応じて、支援対象である可動物の行動支援を行なうように制御する行動支援制御手段を更に含む請求項１〜請求項７の何れか１項記載の可動物予測装置。
10. 前記行動支援制御手段は、前記可動物の各々について算出された前記行動変化度が、第１閾値以下である場合、行動支援を行わないようにし、
    少なくとも１つの可動物について算出された前記行動変化度が、前記第１閾値より大きい第２閾値以上である場合、前記予測手段による予測及び前記算出手段による算出の繰り返しを停止させて、前記行動支援を行なうように制御する請求項８又は９記載の可動物予測装置。
11. 前記可動物検出手段によって検出された可動物の各々について、前記可動物の種類、位置、及び移動状態を含む前記可動物粒子を複数生成すると共に、前記検出対象範囲を分割した複数のブロックで表され、かつ前記ブロックに静止物の存在が記録された地図情報において、前記可動物検出手段によって検出された可動物の位置に対応するブロックに、前記生成された前記可動物粒子を格納するデータ生成手段を更に含み、
    前記予測手段は、前記可動物の将来の位置及び移動状態を予測すると共に、予測結果に応じて、前記可動物の各可動物粒子が格納されるブロックを移動させる請求項１〜請求項１０の何れか１項記載の可動物予測装置。
12. 前記データ生成手段は、前記可動物検出手段によって検出された前記可動物の可動物粒子を生成して前記ブロックに格納すると共に、前記地図情報において、前記静止物の存在が記録されたブロックと、支援対象の可動物の位置とに基づいて、前記支援対象の可動物から見たときの静止物によって形成された死角領域を特定し、前記特定された前記死角領域内に存在すると想定される可動物の前記可動物粒子を生成し、前記特定された死角領域内のブロックに、前記生成された前記可動物粒子を格納する請求項１１記載の可動物予測装置。
13. 前記データ生成手段は、前記可動物検出手段によって検出された可動物の可動物粒子を生成して前記ブロックに格納すると共に、前記地図情報において、前記静止物の存在が記録されたブロックと、支援対象の可動物の位置とに基づいて、前記支援対象の可動物から見たときの静止物によって形成された死角領域を特定し、前記検出対象範囲の可動物の移動環境を検出する環境検出手段によって検出された前記移動環境のうちの前記特定された死角領域の周辺の移動環境、又は前記特定された死角領域の位置に基づいて、前記特定された前記死角領域内に存在すると想定される可動物の種類を推定して、前記推定された可動物の種類を含む前記可動物粒子を生成し、前記特定された死角領域内のブロックに、前記生成された前記可動物粒子を格納する請求項１２記載の可動物予測装置。
14. 支援対象の可動物から見て、前記検出対象範囲に存在する物体の位置を検出する物体位置検出手段と、
    前記支援対象の可動物の運動を推定する運動推定手段と、
    前回更新された前記地図情報を、前記運動推定手段によって推定された現在の支援対象の可動物の運動に基づいて、現在の支援対象の可動物から見た前記地図情報に繰り返し更新する地図更新手段と、
    前記地図更新手段によって前記地図情報が更新される毎に、前記更新された地図情報に、前記物体位置検出手段によって検出された現在の物体の位置に対応するブロックに、前記静止物の存在を記録すると共に、前記支援対象の可動物から前記検出された現在の物体の位置までの間に対応する各ブロックにおける前記静止物の存在の記録を減少させる静止物記録手段と、
    を更に含む請求項１１〜請求項１３の何れか１項記載の可動物予測装置。
15. コンピュータを、
    検出対象範囲から、可動物の種類、位置、及び移動状態を検出する可動物検出手段によって検出された可動物の各々について、前記可動物の種類及び位置に基づいて、前記可動物の行動が変化する度合いを示す行動変化度を算出する算出手段、及び
    前記可動物の各々について、前記算出された行動変化度が所定値未満である場合、前記可動物の種類、位置、及び移動状態に基づいて、前記可動物の将来の位置及び移動状態を予測し、前記算出された行動変化度が所定値以上である場合、前記可動物の種類、位置、及び移動状態に基づいて、前記可動物の一部を表わす複数の可動物粒子の各々について将来の位置及び移動状態を予測することにより、前記可動物の将来の位置及び移動状態を予測する予測手段
    として機能させるためのプログラム。

Images