JP6664813B2 - 運転支援装置及び運転支援方法 - Google Patents

運転支援装置及び運転支援方法 Download PDF

Info

Publication number
JP6664813B2
JP6664813B2 JP2016119270A JP2016119270A JP6664813B2 JP 6664813 B2 JP6664813 B2 JP 6664813B2 JP 2016119270 A JP2016119270 A JP 2016119270A JP 2016119270 A JP2016119270 A JP 2016119270A JP 6664813 B2 JP6664813 B2 JP 6664813B2
Authority
JP
Japan
Prior art keywords
vehicle
road
probability model
speed
traveling
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
JP2016119270A
Other languages
English (en)
Other versions
JP2017224168A (ja
Inventor
ポンサトーン ラクシンチャラーンサク
ポンサトーン ラクシンチャラーンサク
康宏 赤木
康宏 赤木
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
NATIONAL UNIVERSITY CORPORATION TOKYO UNIVERSITY OF AGRICULUTURE & TECHNOLOGY
Original Assignee
NATIONAL UNIVERSITY CORPORATION TOKYO UNIVERSITY OF AGRICULUTURE & TECHNOLOGY
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by NATIONAL UNIVERSITY CORPORATION TOKYO UNIVERSITY OF AGRICULUTURE & TECHNOLOGY filed Critical NATIONAL UNIVERSITY CORPORATION TOKYO UNIVERSITY OF AGRICULUTURE & TECHNOLOGY
Priority to JP2016119270A priority Critical patent/JP6664813B2/ja
Publication of JP2017224168A publication Critical patent/JP2017224168A/ja
Application granted granted Critical
Publication of JP6664813B2 publication Critical patent/JP6664813B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
  • Traffic Control Systems (AREA)

Description

本発明は、運転支援装置及び運転支援方法に関する。
従来より、車両に設置したセンサによって走行時に障害物への衝突等、車両周辺の危険性を検知した場合、当該危険性を回避するための経路を計画し、計画した経路に沿って危険性を回避する適切な走行制御を行う車両走行制御装置が開示されている（例えば、特許文献１及び特許文献２参照）。
特開２００９−１０１７３３号公報 再表２００６／７０８６５号公報
従来の車両走行制御装置において、車両が道路上の障害物等への衝突を回避しながら目的地に向かうための経路を計画する場合、障害物に対する危険度を評価する評価関数が用いられることがある。
実際の道路では複数の障害物が存在する場合があるため、各障害物に対する危険度を複合的に評価して危険性を回避する適切な経路を計画する必要がある。しかしながら、従来の評価関数は、回避対象である障害物単体毎に設計されている場合が多く、道路上に複数の異なる障害物が混在する際、道路上の障害物が１つである場合に比べて、危険を回避するための経路選択の精度が低くなる傾向が見られる。
そのため、各々の障害物に対する危険度を「確率モデル」と呼ばれる統一したスケールと特性を持ったモデルで表現することで、道路上に存在する複数の異なる障害物に対する危険度を統一的に取り扱う手法が検討されつつある。
こうした確率モデルは、障害物との衝突確率を実際の衝突事例に基づいて統計的に生成される。しかし、車両と障害物との衝突が実際に発生することは稀な事例であるため、多くの場合、実測データによらず、シミュレーション環境で得られた衝突データを、実際の道路環境と合うように手作業で調整することで確率モデルを生成している。
また、従来の手法では、障害物に対する危険度を確率モデルとして扱うことはあっても、車両の運動を確率モデルとして扱うことはなかった。したがって、確率モデルに車両の運動をパラメータ要素として反映させることができなかった。
本発明は、上記の事情を鑑みて成されたものであり、車両の実際の衝突事例に基づいて構築した、障害物に対する危険度を示す確率モデルを用いて危険を回避する経路を生成する場合と比較して、短時間に、且つ、精度よく危険を回避する経路を生成することができる運転支援装置及び運転支援方法を提供することを目的とする。
上記課題を解決するため、請求項１記載の発明の運転支援装置は、道路における車両の走行状況、及び道路上の障害物の位置を含む前記車両の運転行動データを計測する計測部と、前記計測部で予め計測された前記障害物との衝突事例が含まれない前記運転行動データ、及び、予め取得した道路の環境情報を用いて、前記車両が取り得る経路毎に、道路上の各地点における前記障害物に対する前記車両の回避度合いを表す第１の確率モデルと、前記車両における道路上の各地点間の移動の困難度合いを表す第２の確率モデルとの合算によって表される、前記障害物に対する前記車両の安全性を表す確率モデルを規定するパラメータ群を算出する算出部と、前記算出部で算出された前記パラメータ群、前記計測部で計測された前記運転行動データ、及び前記車両が走行中の走行道路に対応する前記環境情報に基づいて算出される、前記確率モデルを用いた評価関数に基づいて、前記走行道路で取り得る複数の経路の中から、前記障害物に対する前記車両の安全性の度合いが最も高くなる経路を選択し、選択した経路を実現する前記車両の進行方向、及び前記選択した経路上の各地点での速度を含む走行情報を生成する生成部と、を備える。
請求項２記載の発明は、前記第１の確率モデルが、道路の構造によって規定される第３の確率モデル、又は、前記車両が前記障害物を回避する際に確保する前記障害物との距離と、前記距離を確保して走行した前記車両の走行頻度と、によって規定される第４の確率モデルで表される。
請求項３記載の発明は、前記生成部は、前記計測部で前記走行道路に前記障害物が存在しないと計測された場合は、前記第１の確率モデルとして前記第３の確率モデルを適用した前記評価関数に基づいて、前記障害物に対する前記車両の安全性の度合いを算出し、前記計測部で前記走行道路に前記障害物が存在すると計測された場合は、前記第１の確率モデルとして前記第４の確率モデルを適用した前記評価関数に基づいて、前記障害物に対する前記車両の安全性の度合いを算出する。
請求項４記載の発明は、前記算出部は、前記運転行動データに種別の異なる前記障害物に関する情報が含まれる場合、前記障害物の種別毎に前記第４の確率モデルを適用し、前記障害物の種別毎の前記第４の確率モデルに対応したパラメータを含むように前記パラメータ群を算出する。
請求項５記載の発明は、前記第３の確率モデルが、道路の通行帯の中心線に対する前記車両の逸脱量を表す第５の確率モデルと、道路の幅に対する前記車両の速度の適正度合いを表す第６の確率モデルと、によって表される。
請求項６記載の発明は、前記生成部で生成された走行情報を出力する出力部を更に備える。
請求項７記載の発明は、前記車両の速度を調整する速度調整装置、及び前記車両の進行方向を決定する操舵装置を制御する制御部を更に備え、前記制御部は、前記計測部で計測される前記車両の走行中の速度及び進行方向が、前記生成部で生成された走行情報によって指示される速度及び進行方向に近づくように、前記速度調整装置及び前記操舵装置を制御する。
請求項８記載の発明は、前記車両の速度を調整する速度調整装置、及び前記車両の進行方向を決定する操舵装置を制御する制御部を更に備え、前記計測部は、前記車両の運転者による前記速度調整装置及び前記操舵装置の操作量を含む前記車両の運転行動データを計測し、前記制御部は、前記計測部で計測された前記操作量に基づく前記車両の速度及び進行方向が、前記生成部で生成された走行情報によって指示される速度及び進行方向に近づくように、前記速度調整装置及び前記操舵装置を制御する。
請求項９記載の発明の運転支援方法は、道路における車両の走行状況、及び道路上の障害物の位置を含む前記車両の運転行動データを計測し、予め計測された前記障害物との衝突事例が含まれない前記運転行動データ、及び、予め取得した道路の環境情報を用いて、前記車両が取り得る経路毎に、道路上の各地点における前記障害物に対する前記車両の回避度合いを表す第１の確率モデルと、前記車両における道路上の各地点間の移動の困難度合いを表す第２の確率モデルとの合算によって表される、前記障害物に対する前記車両の安全性を表す確率モデルを規定するパラメータ群を算出し、算出した前記パラメータ群、計測した前記運転行動データ、及び前記車両が走行中の走行道路に対応する前記環境情報に基づいて算出される、前記確率モデルを用いた評価関数に基づいて、前記走行道路で取り得る複数の経路の中から、前記障害物に対する前記車両の安全性の度合いが最も高くなる経路を選択し、選択した経路を実現する前記車両の進行方向、及び前記選択した経路上の各地点での速度を含む走行情報を生成する。
本発明によれば、車両の実際の衝突事例に基づいて構築した、障害物に対する危険度を示す確率モデルを用いて危険を回避する経路を生成する場合と比較して、短時間に、且つ、精度よく危険を回避する経路を生成することができる、という効果を有する。
運転支援装置の構成例を示す図である。 運転行動計測部の構成例を示す図である。 運転行動データのデータフォーマット例を示す図である。 道路接続情報を説明する模式図である。 道路接続情報に含まれる情報のデータ構造例を示す図である。 道路付加情報を説明する模式図である。 道路付加情報に含まれる情報のデータ構造例を示す図である。 逆危険確率算出部の構成例を示す図である。 障害物を避ける経路について説明する模式図である。 評価値Ps(xi)及び評価値Pm(xi,xi+1)について説明する模式図である。 車両の走行経路の一例を示す図である。 道路の中心線に対する車両の逸脱量を表す分布の一例を示す図である。 道路幅と車両の速度との関係について説明する模式図である。 シグモイド関数μvel(wi)の一例を示すグラフである。 交通参加者を回避する車両の経路の一例を示す図である。 車両から交通参加者までの距離と、距離毎の車両の走行頻度との関係を表す分布の一例を示す図である。 交通参加者を基準とした距離毎の車両の走行頻度を示す累積確率分布の一例である。 交通参加者を基準とした車両の相対位置を表す分布の一例である。 経路速度計画生成部の構成例を示す図である。 危険度評価マップを説明する模式図である。 走行経路データ列の一例を示す図である。 車両制御部の構成例を示す図である。 運転支援装置をコンピュータで実現するための構成例を示す図である。 逆危険確率パラメータ群算出処理の流れの一例を示すフローチャートである。 設定経路走行処理の流れの一例を示すフローチャートである。 第２実施形態に係る運転行動計測部の構成例を示す図である。 第２実施形態に係る運転行動データのデータフォーマット例を示す図である。
以下、図面を参照して本発明の実施の形態の一例を詳細に説明する。なお、機能が同じ働きを担う構成要素及び処理には全図面を通して同じ符号を付与し、重複する説明を適宜省略する場合がある。
（第１実施形態）
図１は、実施の形態に係る運転支援装置１のブロック図である。図１に示すように、運転支援装置１は、運転行動計測部１０、高精度道路地図情報２０、運転行動データベース３０、逆危険確率算出部４０、経路速度計画生成部５０、及び車両制御部６０を含む。
運転行動計測部１０は後述する各種センサを用いて、車両の走行状況、及び、道路上の障害物の位置を含む、車両周辺の道路情報を表す運転行動データを計測する。
高精度道路地図情報２０は、道路の接続形態を表す道路接続情報、並びに道路を構成する各種要素に関する情報を表す道路付加情報を含む道路地図情報である。
運転行動データベース３０は、運転行動計測部１０で計測された運転行動データを記憶する。
逆危険確率算出部４０は、運転行動データベース３０に記憶された運転行動データ、及び、高精度道路地図情報２０に基づいて、車両が取り得る経路毎に、障害物に対する車両の回避可能性を表す確率モデルを規定するパラメータ群を算出する。
具体的には、逆危険確率算出部４０で用いる確率モデルは、道路上の各地点における障害物に対する車両の衝突回避の度合い、すなわち、車両の安全性を表す確率モデルと、道路上の各地点を接続して得られる各経路上における車両の移動の困難度合い、すなわち、車両運動を表す確率モデルと、で表されるが、詳細については後ほど説明する。
なお、逆危険確率算出部４０では、運転行動データのうち、障害物との衝突事例を含まない車両の運転行動データのみから、障害物との衝突の危険性を確率的に評価するため、当該確率を特に「逆危険確率」といい、逆危険確率から車両と障害物との衝突確率を求めることを可能にした確率モデルを「逆危険確率モデル」という。
経路速度計画生成部５０は、運転行動データベース３０に記憶された運転行動データ、高精度道路地図情報２０、及び逆危険確率算出部４０で算出した逆危険確率モデルの各種パラメータ群（逆危険確率パラメータ群）に基づいて、道路上に構築した仮想的なベイジアンネットワークを用いて、複数の経路の中から、車両の安全性が最も高くなる経路を選択し、選択した経路を走行するための車両の進行方向、及び選択した経路の各地点における車両の速度を示す速度列を生成する。なお、以降では、車両の安全性が最も高くなる経路を走行するための車両の進行方向及び速度列を総称して、「走行経路データ列」という。また、本実施形態に係る走行経路データ列は、走行情報の一例である。
車両制御部６０は、経路速度計画生成部５０で生成された走行経路データ列に従って、後述するブレーキ制御システム及びアクセル制御システムを制御することで、車両の運転者に代わって車両を自動的に制御する。
次に、図１に示した各ブロックの詳細について説明する。
図２は、運転行動計測部１０の構成例を示す図である。運転行動計測部１０は、運転行動計測センサ群１１０及びセンサデータ処理部１２０を含み、運転行動計測センサ群１１０とセンサデータ処理部１２０は、例えばCAN(Controller Area Network)１３１、LAN(Local Area Network)１３２、IEEE(Institute of Electrical and Electronics Engineers)1394b、及びUSB(Universal Serial Bus)といった通信規格の異なる複数の接続バスで接続される。
なお、運転行動計測センサ群１１０及びセンサデータ処理部１２０の接続形態は一例であり、前述した通信規格とは異なる通信規格に準拠した接続バスで接続してもよく、また、単一の通信規格を用いて接続してもよい。また、以降では、IEEE1394b及びUSBを「シリアル回線１３３」という場合がある。
運転行動計測センサ群１１０は、車速センサ１１１、３軸加速度センサ１１２、GNSS(Global Navigation Satellite Systems)受信機１１６、３次元レーザー距離センサ１１７及びカラー画像カメラ群１１８を含む。
ここで、車速センサ１１１は、車両の速度を計測するセンサである。
３軸加速度センサ１１２は、例えば車両の進行方向、車両の進行方向と直交する方向（以降、「車両の幅方向」という場合がある）、及び車両の上下方向の各方向における加速度を計測するセンサである。
GNSS受信機１１６は、GPS(Global Positioning System)等の人工衛星を利用した全地球測位システムが出力する情報を受信する機器であり、例えば車両の経緯度、地球の重心を座標系の原点として空間の位置を規定する世界測地系座標における車両の座標点及び時刻情報等をGPSから受信する。
３次元レーザー距離センサ１１７は、例えば照射したレーザーが物体で反射して戻ってくるまでの時間差を計測することで、３次元レーザー距離センサ１１７から物体までの距離を計測するセンサである。３次元レーザー距離センサ１１７は、車両を中心に３６０度にわたってレーザーを照射することで、車両周辺の例えば交通参加者の他、縁石或いは電柱といった車両の走行を妨げる障害物までの距離を計測する。なお、交通参加者とは、例えば歩行者、自転車、自動２輪車、及び４輪車といった道路上を通行する移動体をいい、障害物の一例である。
カラー画像カメラ群１１８は、例えば車両進行方向の画像を撮影する。なお、カラー画像カメラ群１１８が撮影する画像の種類は、動画であっても静止画であってもよい。また、カラー画像カメラ群１１８は、車両進行方向の画像に加えて、例えば車両の後方や車両の幅方向の画像等、車両を中心に３６０度にわたる画像を撮影してもよい。
なお、運転行動計測センサ群１１０のうち、車速センサ１１１及び３軸加速度センサ１１２は、例えばセンサ値をＣＡＮ１３１経由でセンサデータ処理部１２０に送信する。
また、GNSS受信機１１６及び３次元レーザー距離センサ１１７は、例えばセンサ値をLAN１３２経由でセンサデータ処理部１２０に送信する。
更に、カラー画像カメラ群１１８は、撮影した画像データ列をシリアル回線１３３でセンサデータ処理部１２０に送信する。ここで画像データ列とは、カラー画像カメラ群１１８の画素毎の画素値を並べたデータ列であり、画像データ列からカラー画像カメラ群１１８で撮影した画像を再現することができる。
なお、運転行動計測センサ群１１０に含まれる各センサは、例えばセンサ毎に予め定められた時間間隔でセンサ値をセンサデータ処理部１２０に送信するが、これに限らず、例えばセンサデータ処理部１２０によって指定されたタイミングで、センサ値をセンサデータ処理部１２０に送信してもよい。
一方、センサデータ処理部１２０は、センサデータ受信部１２１、時刻同期処理部１２２、データ統合部１２３及び認識部１２４を含む。
センサデータ受信部１２１は、運転行動計測センサ群１１０に含まれるカラー画像カメラ群１１８以外の各センサと接続され、運転行動計測センサ群１１０から送信される各センサ値を受信する。
時刻同期処理部１２２は、センサデータ受信部１２１及びデータ統合部１２３と接続され、センサデータ受信部１２１で受信したセンサ値の中から、GNSS受信機１１６が受信した時刻情報を取得する。そして、時刻同期処理部１２２は、センサデータ受信部１２１が同じタイミングで受信したセンサ値の各々が同じ時刻に計測されたセンサ値であることを示すため、取得した時刻情報をセンサ値の各々に対応付け、時刻情報が対応付けられた各センサ値をデータ統合部１２３に出力する。
一方、認識部１２４は、運転行動計測センサ群１１０のカラー画像カメラ群１１８及びデータ統合部１２３と接続され、カラー画像カメラ群１１８から画像データ列を受信する。そして、認識部１２４は、受信した画像データ列で表される画像から交通参加者を抽出し、歩行者、自転車、自動２輪車、及び４輪車で表される交通参加者の種別毎に、交通参加者種別番号を割り当てると共に、車両から交通参加者までの距離を算出し、画像データ列と共に、データ統合部１２３に出力する。
なお、画像データ列から交通参加者を抽出し、交通参加者の種別を推定する手法には公知の技術が利用できる。例えば、交通参加者の位置ずれ及び交通参加者の変形に対するコストを評価することにより、交通参加者を画像から精度よく抽出することができるDeformable Part Modelを適用することができる。また、車両から交通参加者までの距離(２次元相対位置情報)は、例えば、画像から抽出した交通参加者の大きさ等から推定することが可能であるが、カラー画像カメラ群１１８で撮影した画像から交通参加者の方向を推定し、３次元レーザー距離センサ１１７で計測した、交通参加者の方向に対応する距離を用いるようにしてもよい。
データ統合部１２３は、時刻情報が対応付けられたセンサ値と、画像データ列と、画像データ列で表される画像から抽出された交通参加者の交通参加者種別番号と、２次元相対位置情報とを統合して、図３に示す運転行動データ１３０を生成し、時系列に沿って運転行動データベース３０に格納する。
なお、図３において、「周辺３次元点群」の次元数が“６９１２０”となっているが、これは、３次元レーザー距離センサ１１７は、一例として３２個のレーザー送受信機を内蔵し、レーザー送受信機の各々は、３６０度回転しながら２１６０地点の距離、すなわち、全体として６９１２０地点の距離を計測するためである。
また、「画像データ列」の次元数が“８８３２００”となっている理由は、カラー画像カメラ群１１８で撮影された縦６４０画素×横４６０画素(＝２９４４００画素)の画像を、それぞれ赤、青、及び緑の３色の濃度値で表しているためである。
なお、周辺３次元点群及び画像データ列の次元数は、使用する３次元レーザー距離センサ１１７及びカラー画像カメラ群１１８の仕様によって変化するため、図３に示す次元数の値は一例である。
次に、高精度道路地図情報２０について説明する。高精度道路地図情報２０は、道路接続情報２１０及び道路付加情報２２０を含む。
図４は、道路接続情報２１０を説明するための模式図である。図４に示すように、道路接続情報２１０は、世界測地系座標における３次元空間座標の座標点として表される地点（ノード２０１Ａ〜ノード２０１Ｉ）と、２つのノード２０１を端点とする線であるリンク２０２との組み合わせによって表される。なお、ノード２０１とは、ノード２０１Ａ〜ノード２０１Ｉの総称である。
ノード２０１は交差点の中心の他、例えば予め定めた曲率半径以上の値を有するカーブ等、実際の道路形状に応じて交差点以外の道路上の地点にも配置することができる。また、リンク２０２は、一方のノード２０１と他方のノード２０１を繋ぐ道路の有無を表す。
図４に示す道路接続情報２１０からは、例えばノード２０１Ａからノード２０１Ｂへ行く経路として、ノード２０１Ａ→ノード２０１Ｃ→ノード２０１Ｂの経路と、ノード２０１Ａ→ノード２０１Ｄ→ノード２０１Ｅ→ノード２０１Ｂの経路とがあることがわかる。
図５は、道路接続情報２１０に含まれる情報のデータ構造の一例を示した図である。図５に示すように、道路接続情報２１０は、各ノード２０１の座標値と、リンク２０２によるノード２０１間の接続情報を含む。
このように道路接続情報２１０は、道路の位置及び道路間の接続状況を表すことを目的とする情報である。一方、道路付加情報２２０は、道路を構成する各種要素に関する情報を表すことを目的とする情報である。
図６は、道路付加情報２２０を説明するための模式図である。図６に示すように、道路付加情報２２０は、車両通行帯と歩道との境界である道路端の位置、車両が通行する車線位置及び進行方向、一方の道路端から他方の道路端までの距離である道路幅、車両通行帯に設定されている車両の制限速度及び停止線の位置に関する情報が含まれる。なお、道路付加情報２２０に含まれる情報は一例であり、例えば道路名称や中央分離帯の有無など、他の情報を含んでもよい。
図７は、道路付加情報２２０に含まれる情報のデータ構造の一例を示した図である。ここで、車線位置及び進行方向、並びに停止線情報の次元数がＮ（Ｎは自然数）となっているのは、任意の本数の車線及び停止線に関する情報が含まれるためである。
このように高精度道路地図情報２０は、例えば実際の道路を測量することによって予め作成される情報であり、例えば地図情報提供者から提供される情報を用いることができる。また、車両が搭載するGNSS受信機１１６で取得した世界測地系座標における車両の座標点を用いて、車両が走行中の道路に対応する道路接続情報２１０及び道路付加情報２２０を高精度道路地図情報２０から取得することができる。なお、車両が走行中の道路を特に「走行道路」ということにする。
図８は、逆危険確率算出部４０の構成例を示す図である。図８に示すように、逆危険確率算出部４０は、逆危険確率モデル４１及び逆危険確率分析部４２を含み、逆危険確率分析部４２は、高精度道路地図情報２０、運転行動データベース３０、及び経路速度計画生成部５０とそれぞれ接続される。
一方、図９は、車両７０が走行道路に存在する障害物と衝突しないように、障害物を避ける経路について説明する図である。なお、以降では、障害物として道路を通行する交通参加者８０を例にして説明を行うが、道路上に落下した落下物や電柱等の静止物体についても同様の方法を適用することができる。
後述する経路速度計画生成部５０は、図９に示すように、走行道路における複数の経路X1,X2,・・・,Xi(iは整数)の各々に関して、交通参加者８０に対する車両の安全性を示す評価関数J(Xi)を評価し、（１）式に従って複数の経路Xiの中から、評価関数J(Xi)の値が最も大きい経路Xiを、車両７０が交通参加者８０に衝突する確率が最も小さくなる経路、すなわち、最も安全性が高い経路Xとして選択する。
ここで、逆危険確率算出部４０は、特定の経路Xi上のＮ個の各経由点(x1,x2,・・・,xN)における車両７０の安全性を評価する方法として、 逆危険確率モデル４１を用いる。
逆危険確率モデル４１には、大別して２つの確率モデルが含まれる。１つ目の確率モデルは、特定の経路Xi上の各経由点における、交通参加者８０に対する車両７０の衝突回避の度合い、すなわち、道路の各地点における車両７０の安全性を表す確率モデルであり、２つ目の確率モデルは、経路Xi上の各経路点間の移動の困難度合い、すなわち、車両７０の運動状態（車両運動）を表す確率モデルである。
したがって、評価関数J(Xi)は、道路の各地点における車両７０の安全性を表す確率モデルを用いた評価値Ps(xi)と、車両運動を表す確率モデルを用いた評価値Pm(xi,xi+1)と、を含む（２）式によって表される。
ここで、wは各経路点間に対する評価値Pm(xi,xi+1)の重みである。
また、図１０は、評価値Ps(xi)及び評価値Pm(xi,xi+1)の一例について具体的に説明した図である。例えば図１０に示すように、評価値Ps(x1)は、経路Xi上の１つの経由点x1における車両７０の安全性を示し、評価値Pm(xi,xi+1)は、車両７０が経路Xi上のある経由点xiから次の経由点xi+1に移動する際の車両運動の妥当性を示す。
なお、本実施形態では、評価値Ps(xi)を、交通参加者の種別毎に算出した車両７０の安全性を表す評価値に基づいて算出する。
評価値Ps(xi)に対応する道路の各地点における車両７０の安全性を表す確率モデルは、道路構造に関する危険度を表す逆危険確率モデル、又は、交通参加者に対する危険度を表す逆危険確率モデルによって表される。以下ではそれぞれの逆危険確率モデルについて説明する。
＜道路構造に関する逆危険確率モデル＞
車両７０は、それぞれに割り当てられている通行帯を利用して移動するため、移動中の通行帯を逸脱し、他の交通参加者８０に接近することは危険性を伴う行為となる。したがって、車両７０は特別な事情がない場合、車線の中央部を走行する傾向が見られる。
しかし、路側帯に停車している他の車両や、路側帯を歩行している歩行者と衝突しないように、車両７０が交通参加者８０を回避する目的で走行中の車線の中央部から逸脱した経路を走行する場合もある。また、道路のカーブ部分においては、遠心力によって車両７０が車線の中央部を逸脱する場合もある。
そこで、車両７０が車線の中央部から逸脱して走行する際の危険度を表す確率モデルを含むように、道路の各地点における車両７０の安全性を表す確率モデルを構成することが好ましい。
また、車両７０が走行している道路の道路幅が途中で狭くなる場合には、例えば縁石等の障害物を回避するための回避行動を取ると共に、車両７０の速度を減速する傾向がある。したがって、車両７０が通過する道路の道路幅と通過速度の関係性を表す確率モデルを含むように、道路の各地点における車両７０の安全性を表す確率モデルを構成することが好ましい。
したがって、逆危険確率算出部４０は、道路構造に基づく逆危険確率モデルPlane(xi)を（３）式で規定する。
（３）式に示すように、逆危険確率モデルPlane(xi)は、道路の通行帯の中心線に対する車両７０の逸脱量に伴う逆危険確率モデルProad(xi)と、道路幅に対する車両７０の速度の適正度合いを表す逆危険確率モデルPvel(vi|wi)との積で構成される。ここで、wiは経路Xiが設定される道路の道路幅を表し、viは道路幅wiの道路を通過する車両７０の速度を表す。
まず、図１１を参照して、逆危険確率モデルProad(xi)の詳細について説明する。
図１１は、道路における車両７０の走行経路の一例を示した図であり、車両７０の進行方向(x軸方向)に沿った車線の中心線７２に対して、車両７０の実際の走行経路が経路７４で示されている。
中心線７２からｘ軸と直交するy軸方向、すなわち道路幅方向に沿った各経路７４までの距離を、中心線７２に対する車両７０の逸脱量として統計的に分析することで、図１２のような車両７０の逸脱量を示す分布の一例が得られる。車両７０の逸脱量の分布は、（４）式に示すように、正規分布として近似することが可能である。
ここで、μroadは、車両７０の逸脱量の平均値であり、σroadは車両７０の逸脱量の分布における標準偏差である。また（４）式におけるｘは、地点xiにおける車両７０の逸脱量を表す。
したがって、逆危険確率分析部４２は、運転行動データベース３０に記憶された車両７０の運転行動データ１３０、及び運転行動データ１３０の世界測地系座標で表される車両７０の座標点に対応した道路の高精度道路地図情報２０から得られる、中心線７２に対する車両７０の逸脱量に対して、最小二乗法等の公知の数値解析を用いることで、車両７０の逸脱量の分布における平均値μroad及び標準偏差σroadを算出する。
次に、図１３及び図１４を参照して、逆危険確率モデルPvel(vi|wi)の詳細について説明する。
図１３は、道路幅の異なる領域における車両７０の速度の傾向を説明する図である。図１３に示すように、道路幅wAの領域Ａにおける車両７０の速度がvAであるのに対して、道路幅が道路幅wAより狭い領域Ｂ(wA>wB)では危険を回避するため、車両７０は、領域Ａにおける車両７０の速度vAより遅い速度vBで通過する傾向が見られる。すなわち、車両７０の速度viは、走行する道路の道路幅wiに応じて変化することがある。
図１４は、車両７０が通過した道路の道路幅と車両７０の速度との関係の一例を示すグラフである。図１４によれば、道路幅が狭くなるにつれて車両７０の速度も低下する関係性が認められる。また、道路幅が広くなるにつれて車両７０の速度は上昇するが、車両７０の速度の上限は法定速度vreg以下に制限される関係性が認められる。
図１４に示したグラフは、パラメータαとパラメータβによって形状が決定される（５）式に示すシグモイド関数μvel(wi)によって近似することができる。
したがって、逆危険確率分析部４２は、運転行動データベース３０に記憶された車両７０の運転行動データ１３０に含まれる車両速度と、高精度道路地図情報２０に含まれる、当該車両速度で走行中の車両７０の座標点に対応した道路の道路幅との分布に対して、最小二乗法等の公知の数値解析を用いることで、（５）式に示したシグモイド関数μvel(wi)のパラメータα及びパラメータβを算出する。
また、道路幅wiに対する車両７０の速度viの適正度合いを表す逆危険確率モデルPvel(vi|wi)は、シグモイド関数μvel(wi)と、道路幅がwiである場合の速度viの標準偏差σvelとをパラメータとする、（６）式に示す正規分布として近似することが可能である。
したがって、逆危険確率分析部４２は、運転行動データベース３０に記憶された車両７０の運転行動データ１３０に含まれる車両速度と、高精度道路地図情報２０に含まれる、当該車両速度で走行中の車両７０の座標点に対応した道路の道路幅と、（５）式で示したシグモイド関数μvel(wi)と、によって得られる分布に対して、最小二乗法等の公知の数値解析を用いることで、標準偏差σvelを算出する。
＜交通参加者に対する逆危険確率モデル＞
車両７０の経路計画において、経路７４上に存在する交通参加者８０との衝突を避ける目的で、交通参加者８０の周辺における交通参加者８０との衝突の可能性や危険度を表す確率モデルが用いられることがある。そして、車両７０と交通参加者８０との衝突確率を実際の運転行動データ１３０に基づいてモデル化する場合、衝突事例を含む運転行動データ１３０が必要になる。
しかし、日頃から事故を起こさないように安全運転を心掛けている運転者の運転行動データ１３０には、車両７０が交通参加者８０に衝突した際の各種センサ値が含まれないことが予想されるため、車両７０と交通参加者８０との衝突確率を直接計算することができないことがある。
したがって、逆危険確率分析部４２では、運転行動データ１３０のうち、交通参加者８０との衝突事例を含まない車両７０の運転行動データのみから、交通参加者８０に対する車両７０の衝突回避性を表す逆危険確率モデルを生成する。
図１５は、運転行動データ１３０から得られた、交通参加者８０と衝突しないように交通参加者８０を回避した車両７０の経路７４の一例を示す図である。そして、図１６は、各経路７４について、道路幅方向に沿った車両７０から交通参加者８０までの距離と、交通参加者８０との間に確保した距離毎の車両７０の走行頻度との関係を表す分布を示している。
図１６に示すように、車両７０の走行頻度は、例えば交通参加者８０から一定の距離L0だけ離れた地点を最大値とする山形の分布で表される。すなわち、交通参加者８０から道路幅の方向に距離L0だけ離れれば、交通参加者８０を安全に回避することができると考える車両７０の運転者が最も多いことがわかる。
しかし、図１６に示す分布をそのまま車両７０の安全性を表す確率分布モデルとして扱うと、実際には交通参加者８０から離れるほど車両７０の安全性が高くなるにも関わらず、距離L0を超えた地点の車両７０の安全性が、距離L0における地点の車両７０の安全性よりも低く評価されることになる。
したがって、図１７に示すように、交通参加者８０から見て、或る距離未満を通過した車両７０がどの程度あるのかを表す累積確率分布を用いることで、交通参加者８０から見て、より遠くの地点を通過する車両７０の安全性ほど高く評価することができるようにする。図１７に示す累積確率分布を車両７０の安全性を表す確率分布モデルとして扱うことで、交通参加者８０との衝突事例を含まない運転行動データ１３０から、交通参加者８０に対する車両７０の衝突回避性を表す逆危険確率モデルを生成することができる。すなわち、これまで交通参加者８０との衝突事故を起こしたことのない車両７０の運転者からも、運転行動データ１３０に基づいて、交通参加者８０に対する逆危険確率モデルを生成することができる。
具体的には、運転行動データ１３０には、交通参加者８０の種別を示す交通参加者種別番号と、車両７０を基準にした交通参加者８０までの距離である２次元相対位置情報が含まれる。したがって、逆危険確率分析部４２は、交通参加者８０の種別毎に、２次元相対位置情報に基づいて交通参加者８０を基準とした車両７０の相対位置を表す分布（図１８参照）を生成する。
既に図１６を用いて説明したように、交通参加者８０に対する車両７０の相対位置の分布は山形の分布として表されるため、当該分布は、２次元の正規分布に従った（７）式に示す条件付確率分布Pobs(O|x,y)として近似することが可能である。
ここで、条件付確率分布Pobs(O|x,y)は、図１１のように道路に設定したxy座標系上の地点(x,y)に車両７０がいる場合に、交通参加者Oが存在する確率を表す。また、Σは車両位置(x,y)の共分散行列を表し、σx及びσyは、それぞれx軸方向及びy軸方向における車両位置の標準偏差を表す。
したがって、逆危険確率分析部４２は、運転行動データベース３０に記憶された車両７０の運転行動データ１３０から得られる、交通参加者８０を基準とした車両７０の相対位置を表す分布に対して、最小二乗法等の公知の数値解析を用いることで、条件付確率分布Pobs(O|x,y)における共分散行列Σ、標準偏差σx、及び標準偏差σyを算出する。
そして、逆危険確率分析部４２は、図１７に示す累積確率分布を表す逆危険確率モデルPrisk(O|x,y)を（８）式を用いて算出する。
なお、逆危険確率分析部４２は、条件付確率分布Pobs(O|x,y)を規定する共分散行列Σ、標準偏差σx、及び標準偏差σyを交通参加者８０の種別毎に算出すると共に、逆危険確率モデルPrisk(O|x,y)についても交通参加者８０の種別毎に算出する。
このように、道路の各地点における車両７０の安全性を表す確率モデルを用いた評価値Ps(xi)は、道路構造に関する逆危険確率モデルPlane(xi)、或いは交通参加者８０に対する危険度を表す逆危険確率モデルPrisk(O|x,y)に基づいて算出される。しかし、３次元レーザー距離センサによる距離の計測範囲内に交通参加者８０が存在しない場合には、逆危険確率モデルPrisk(O|x,y)が得られないことになる。したがって、具体的には、評価値Ps(xi)は（９）式で表される。
なお、変数kは、交通参加者８０の種別を示すインデックスである。
＜車両運動を表す逆危険確率モデル＞
これまでは、車両７０の経路及び速度に基づいて生成した、道路の各地点における車両７０の安全性を表す逆危険確率モデルについて説明してきた。
しかし、車両７０の安全性を表す逆危険確率モデルのみから車両７０の経路及び速度を計画した場合、計画された経路の走行可能性については評価されていないため、計画された経路を実際に走行しようとしても、例えば急ハンドル又は急ブレーキを伴う運転が必要となるような、物理的に走行不可能な経路が生成される場合がある。
したがって、（１）式に示したように評価関数J(Xi)には、車両７０の安全性を表す逆危険確率モデルによって計画された経路が車両７０にとって移動の困難性を伴わない妥当な車両運動であるかどうかを評価する評価値Pm(xi,xi+1)が含まれる。本実施形態では、評価値Pm(xi,xi+1)を（１０）式及び（１１）式によって算出する。
ここで、a(xi,xi+1)は、車両７０が地点xiから地点xi+1に移動する際の加速度を表し、μacc及びσaccは、それぞれ移動の際の加速度の平均値及び標準偏差を表す。また、r(xi,xi+1)は、車両７０が地点xiから地点xi+1に移動する際の角加速度を表し、μyaw及びσyawは、それぞれ移動の際の角加速度の平均値及び標準偏差を表す。
したがって、（１０）式の第１項は、車両７０が地点xiから地点xi+1に移動する際の加速度a(xi,xi+1)の妥当性を評価する項であり、第２項は、車両７０が地点xiから地点xi+1に移動する際の角加速度r(xi,xi+1)の妥当性を評価する項である。
（１０）式に示す評価値Pm(xi,xi+1)が従う逆危険確率モデルは、車両７０の加速度及び角加速度の分布をそれぞれ正規分布で表したモデルであり、運転行動データ１３０に含まれる車両速度、３軸加速度、及び車両進行方向角等の値から、車両７０がどのような加速度及び角加速度で走行しているかを正規分布に基づいて分析することで、車両７０の安全性を表す逆危険確率モデルのみによって計画された経路を走行する車両運動が、車両７０にとってどの程度ありふれた運動であるかを評価することができる。
そのため、逆危険確率分析部４２は、運転行動データベース３０に記憶された車両７０の運転行動データ１３０に含まれる車両速度、３軸加速度、及び車両進行方向角によって得られる加速度分布及び角加速度分布に対して、最小二乗法等の公知の数値解析を用いることで、平均値μacc、標準偏差σacc、平均値μyaw、及び標準偏差σyawを算出する。
そして、逆危険確率分析部４２はそれぞれ算出した、（４）式で表される車両７０の逸脱量の分布における平均値μroad及び標準偏差σroadと、（５）式で表される道路幅wiと車両７０の速度viとの関係を表すシグモイド関数μvel(wi)のパラメータα及びパラメータβと、（６）式で表される道路幅wiに対する車両７０の速度viの適正度合いを示す分布における標準偏差σvelと、（７）式で表される交通参加者８０の種別毎に対する車両７０の相対位置の分布Pobs(O|x,y)における共分散行列Σ、標準偏差σx、及び標準偏差σyと、（１０）式で表される車両７０の加速度分布における加速度の平均値μacc及び標準偏差σacc、並びに、車両７０の角加速度分布における角加速度の平均値μyaw及び標準偏差σyawと、を逆危険確率パラメータ群として経路速度計画生成部５０に出力する。
図１９は、経路速度計画生成部５０の構成例を示す図である。図１９に示すように、経路速度計画生成部５０は、危険度評価マップ生成部５１及び最適経路生成アルゴリズム５２を含む。そして、経路速度計画生成部５０は、高精度道路地図情報２０、運転行動データベース３０、逆危険確率算出部４０、及び車両制御部６０とそれぞれ接続される。
危険度評価マップ生成部５１は、運転行動データベース３０から車両７０が走行している位置を取得すると共に、当該位置に対応する走行道路の高精度道路地図情報２０を取得し、取得した走行道路の高精度道路地図情報２０から得られる道路地図上に車両７０及び交通参加者８０を配置する。なお、走行道路における交通参加者８０の位置は、世界測地系座標で表される車両７０の位置と、２次元相対位置情報とによって算出することができる。
そして、危険度評価マップ生成部５１は、図２０に示すように、車両７０の進行方向に向かって、車両７０の進行方向と直交する道路幅方向に沿った線分７８を複数設定し、各々の線分７８上に経路評価用のサンプリング点７６を配置する。
更に、危険度評価マップ生成部５１は、逆危険確率算出部４０から逆危険確率パラメータ群を取得し、（９）式に基づいて、サンプリング点７６で示される各々の地点に対して、交通参加者８０に対する車両７０の安全性を表す評価値Ps(xi)を設定した危険度評価マップを生成する。
最適経路生成アルゴリズム５２は、危険度評価マップに配置された各線分７８上のサンプリング点７６の中から、線分７８毎に１つのサンプリング点７６を選択し、選択したサンプリング点７６を車両７０の進行方向に向かって順に接続することで、車両７０の経路を生成する。
この際、最適経路生成アルゴリズム５２は、（１）式で示したように、評価関数J(Xi)の値が最も大きくなるような経路を生成するサンプリング点７６を選択する。したがって、サンプリング点７６を選択する毎に、選択したサンプリング点７６を経由点とする経路の評価関数J(Xi)の値を（２）式に基づいて計算する。
こうした経路決定方法は、事象から確率的に原因を推定するベイジアンネットワークと呼ばれるネットワークモデルとして扱うことが可能であるため、例えば確率伝搬法(Belief Propagation:BP)を用いて最適解を得ることができる。
そして、最適経路生成アルゴリズム５２は、車両７０の現在の運転行動データ１３０に基づいて、評価関数J(Xi)の値が最も大きくなるような経路（設定経路）に沿って車両７０が走行するための走行経路データ列を生成する。
なお、危険度評価マップに配置する線分７８及びサンプリング点７６の配置密度に特に制限はないが、線分７８及びサンプリング点７６の配置密度を高くするにつれて、より多くの経路候補を評価することができるため、交通参加者８０との衝突を回避する経路を精度よく生成することができる。
図２１は、経路速度計画生成部５０で生成される走行経路データ列の一例を示す図である。図２１に示すように、走行経路データ列は、走行経路データ列を生成した時点からの時刻と、各時刻における車両７０の目標速度と、その時の車両７０の目標座標を含んで構成される。
図２２は、車両制御部６０の構成例を示す図である。車両制御部６０は、目標加減速度計算部６１、ブレーキ機構モデル６２、ブレーキ制御システム６３、アクセル機構モデル６４、アクセル制御システム６５、目標操舵角計算部６６、操舵機構モデル６７、及び操舵制御システム６８を含む。
そして、車両制御部６０は、経路速度計画生成部５０で生成された走行経路データ列、及び運転行動データベース３０に記憶される車両７０の運転行動データ１３０を入力とし、走行経路データ列に従って車両７０の速度及び進行方向を制御することで、車両７０を設定経路に沿って走行させる。
具体的には、目標加減速度計算部６１は、走行経路データ列に含まれる目標速度と、現在の車両７０の運転行動データ１３０で示される車両速度との差分を逐次計算する。そして、目標加減速度計算部６１は、当該差分に基づいて、車両７０の速度を走行経路データ列に示された各時刻における目標速度に近づけるための調整量を逐次計算する。
計算した速度の調整量が、車両７０を減速させる方向の調整量（制動調整量）であった場合、目標加減速度計算部６１は、制動調整量をブレーキ機構モデル６２に出力する。
ブレーキ機構モデル６２は、制動調整量を目標加減速度計算部６１から受け付けると、制動調整量に対応した制御指令値をブレーキ制御システム６３に出力する。なお、制御指令値の表現形態に制限はなく、例えば電圧や波形パターン等を用いることができる。また、制動調整量と制御指令値との対応は車両７０毎に異なるため、ブレーキ機構モデル６２は、任意の制動調整量が与えられた場合に、当該制動調整量を実現するための制御指令値を算出するモデルとして構築しておくことが好ましい。
ブレーキ制御システム６３は、ブレーキ等の制動装置を制御するシステムであり、ブレーキ機構モデル６２から受け付けた制御指令値に応じた制御量で制動装置を制御し、車両７０の速度を減速させる。
一方、目標加減速度計算部６１で計算した速度の調整量が、車両７０を加速させる方向の調整量（加速調整量）であった場合、目標加減速度計算部６１は、加速調整量をアクセル機構モデル６４に出力する。
アクセル機構モデル６４は、加速調整量を目標加減速度計算部６１から受け付けると、加速調整量に対応した制御指令値をアクセル制御システム６５に出力する。なお、加速調整量と制御指令値との対応は車両７０毎に異なるため、ブレーキ機構モデル６２と同様にアクセル機構モデル６４は、任意の加速調整量が与えられた場合に、当該加速調整量を実現するための制御指令値を算出するモデルとして構築しておくことが好ましい。
アクセル制御システム６５は、アクセル等の加速装置を制御するシステムであり、アクセル機構モデル６４から受け付けた制御指令値に応じた制御量で加速装置を制御し、車両７０の速度を加速させる。なお、本実施形態に係る制動装置及び加速装置は、速度調整装置の一例である。
また、目標操舵角計算部６６は、走行経路データ列に含まれる車両７０の目標座標と、現在の車両７０の運転行動データ１３０で示される車両７０の座標点との差分を逐次計算する。そして、目標操舵角計算部６６は、当該差分に基づいて、車両７０の位置を走行経路データ列に示された各時刻における目標座標に近づけるためのハンドル調整量を逐次計算し、計算したハンドル調整量を操舵機構モデル６７に出力する。
操舵機構モデル６７は、ハンドル調整量を目標操舵角計算部６６から受け付けると、ハンドル調整量に対応した制御指令値を操舵制御システム６８に出力する。なお、ハンドル調整量と制御指令値との対応は車両７０毎に異なるため、操舵機構モデル６７は、任意のハンドル調整量が与えられた場合に、当該ハンドル調整量を実現するための制御指令値を算出するモデルとして構築しておくことが好ましい。
操舵制御システム６８は、ハンドル等の操舵装置を制御するシステムであり、操舵機構モデル６７から受け付けた制御指令値に応じた制御量で操舵装置を制御し、車両７０の進行方向を変更する。
図２３は、図１に示した運転支援装置１をコンピュータで実現するための構成の一例を示す図である。
図２３に示すように、コンピュータ１００は、ＣＰＵ１０１、メモリ１０２及び不揮発性の記憶部１０３を含む。ＣＰＵ１０１、メモリ１０２及び記憶部１０３は、バス１０４を介して互いに接続される。また、コンピュータ１００は、通信装置１０６、入出力装置１０５、及び運転行動計測センサ群１１０とコンピュータ１００とを接続するI/O（Input/Output）１０７を備え、Ｉ／Ｏ１０７はバス１０４に接続される。
ここで、入出力装置１０５は、例えばボタン及びスイッチ等の入力デバイス、スピーカー、並びに、液晶モニタ等の表示装置を含む。また、入出力装置１０５は、例えばCD(Compact Disc)、DVD(Digital Versatile Disk)またはメモリカード等の記録媒体に記録されるプログラム等のデータを読み取る読み取り装置を含む。
通信装置１０６は、例えばインターネット等のネットワークに接続する通信プロトコルを含み、ネットワーク上の他の装置とコンピュータ１００とを接続してデータ通信を行う。なお、通信装置１０６は、運転支援装置１に必ずしも必要な装置ではないが、例えばネットワーク経由で高精度道路地図情報２０の更新等を行うことができるため、運転支援装置１は通信装置１０６を備えることが好ましい。
また、記憶部１０３は、フラッシュメモリまたはHDD（Hard Disk Drive）等によって実現される。
記憶部１０３には、コンピュータ１００を図１に示す運転支援装置１として機能させるための運転支援プログラム１４０と、高精度道路地図情報２０とが記憶される。ＣＰＵ１０１は、運転支援プログラム１４０を記憶部１０３から読み出してメモリ１０２に展開し、メモリ１０２に展開された運転支援プログラム１４０を実行することで、コンピュータ１００を図１に示す運転支援装置１として動作させる。また、ＣＰＵ１０１は、高精度道路地図情報２０を記憶部１０３から読み出してメモリ１０２に展開する。
なお、コンピュータ１００は、例えば半導体集積回路、より詳しくはＡＳＩＣ(Application Specific Integrated Circuit)等で実現することも可能である。この場合、ソフトウエアで運転支援装置１の処理を実行する場合に比べて、運転支援装置１の処理速度を高速化することができる。
次に、車両７０が交通参加者８０を自動的に回避するための運転支援処理について説明する。運転支援処理は、逆危険確率パラメータ群算出処理と設定経路走行処理とに分類される。
なお、逆危険確率パラメータ群算出処理及び設定経路走行処理を開始するタイミングに制限はなく、例えば車両７０のエンジン始動のタイミングで開始してもよいし、入出力装置１０５を介して車両７０の運転者に指示されたタイミングで開始してもよい。
以下では、これまでの走行時に逐次収集した車両７０の運転行動データ１３０を含む運転行動データベース３０が、メモリ１０２に予め構築されているものとして説明を行う。
図２４は、本実施形態に係る逆危険確率パラメータ群算出処理の流れの一例を示すフローチャートである。
まず、ステップＳ１００において、逆危険確率算出部４０は、運転行動データベース３０に記憶された車両７０の運転行動データ１３０をメモリ１０２から取得する。取得する運転行動データ１３０の数に特に制限はないが、運転行動データ１３０の数が多くなるに従って、逆危険確率パラメータ群を精度よく算出することができるため、できるだけ多くの運転行動データ１３０を取得することが好ましい。
ステップＳ１１０において、逆危険確率算出部４０は、ステップＳ１００で取得した運転行動データ１３０の各々の世界測地系座標を参照し、当該世界測地系座標で表される車両７０の位置に対応した各々の道路の高精度道路地図情報２０をメモリ１０２から取得する。そして、逆危険確率算出部４０は、運転行動データ１３０毎に、運転行動データ１３０によって示される車両７０の位置に対応した道路の高精度道路地図情報２０を対応づけて、例えばメモリ１０２に記憶する。
なお、本実施形態では、高精度道路地図情報２０が予めメモリ１０２に記憶されている形態について説明しているが、例えば、高精度道路地図情報２０を、通信装置１０６を介してネットワークに接続される地図情報サーバ等の他の装置から取得するようにしてもよい。
ステップＳ１２０において、逆危険確率算出部４０は、ステップＳ１１０でメモリ１０２に記憶された各々の運転行動データ１３０、及び各々の運転行動データ１３０に対応付けられた高精度道路地図情報２０を用いて、道路の中心線７２に対する車両７０の逸脱量の分布を生成し、当該分布に対して公知の数値解析を用いることで、（４）式における平均値μroad及び標準偏差σroadを算出する。
また、逆危険確率算出部４０は、運転行動データ１３０、及び各々の運転行動データ１３０に対応付けられた高精度道路地図情報２０を用いて、車両７０の速度viと、速度viで走行中の道路の道路幅wiとの分布を生成し、当該分布に対して公知の数値解析を用いることで、（５）式におけるパラメータα及びパラメータβを算出する。
また、逆危険確率算出部４０は、車両７０が速度viで走行中の道路の道路幅wiと、算出したパラメータα及びパラメータβを用いて、（５）式に基づいてシグモイド関数μvel(wi)の値を計算する。そして、車両７０の速度viと、シグモイド関数μvel(wi)とを用いて、道路幅wiに対する車両７０の速度viの適正度合いを表す分布を生成し、当該分布に対して公知の数値解析を用いることで、（６）式における標準偏差σvelを算出する。
また、逆危険確率算出部４０は、運転行動データ１３０、及び各々の運転行動データ１３０に対応付けられた高精度道路地図情報２０を用いて、交通参加者８０を基準とした車両７０の相対位置を表す分布を生成し、当該分布に対して公知の数値解析を用いることで、（７）式における共分散行列Σ、標準偏差σx、及び標準偏差σyを算出する。
また、逆危険確率算出部４０は、運転行動データ１３０に含まれる車両７０の車両速度、３軸加速度、及び車両進行方向角を用いて、車両７０の加速度分布及び角加速度分布を生成し、当該分布に対して公知の数値解析を用いることで、（１０）式における車両７０の加速度の平均値μacc及び標準偏差σacc、並びに、車両７０の角加速度の平均値μyaw及び標準偏差σyawを算出する。
そして、逆危険確率算出部４０は、算出した平均値μroad、標準偏差σroad、パラメータα、パラメータβ、標準偏差σvel、共分散行列Σ、標準偏差σx、標準偏差σy、平均値μacc、標準偏差σacc、平均値μyaw、及び標準偏差σyawを逆危険確率パラメータ群としてメモリ１０２に記憶する。
以上によって、図２４に示した逆危険確率パラメータ群算出処理を終了する。
一方、図２５は、本実施形態に係る設定経路走行処理の流れの一例を示すフローチャートである。以下では、設定経路走行処理を実施するにあたり、例えば車両７０の運転者が、入出力装置１０５を介して車両７０の目的地の座標を予め設定しているものとして説明を行う。
まず、ステップＳ２００において、経路速度計画生成部５０は、運転行動データベース３０に記憶された車両７０の最新の運転行動データ１３０をメモリ１０２から取得する。
ステップＳ２１０において、経路速度計画生成部５０は、ステップＳ２００で取得した運転行動データ１３０の世界測地系座標を参照し、当該世界測地系座標で表される車両７０の位置に対応した道路の高精度道路地図情報２０をメモリ１０２から取得する。
ステップＳ２２０において、経路速度計画生成部５０は、図２４のステップＳ１２０でメモリ１０２に記憶された逆危険確率パラメータ群を取得する。
ステップＳ２３０において、経路速度計画生成部５０は、ステップＳ２００で取得した運転行動データ１３０から、車両７０の位置と、交通参加者８０の位置を求め、ステップＳ２１０で取得した高精度道路地図情報２０で表される道路地図上に、車両７０及び交通参加者８０を配置する。
そして、経路速度計画生成部５０は、車両７０の進行方向に向かって線分７８を予め定めた間隔で複数設定し、各々の線分７８上に予め定めた間隔でサンプリング点７６を配置する。なお、線分７８の間隔及びサンプリング点７６の間隔は等間隔である必要はなく、例えば交通参加者８０の周辺では間隔をより短くする等、状況に応じて間隔を変化させるようにしてもよい。
経路速度計画生成部５０は、ステップＳ２００で取得した運転行動データ１３０の交通参加者種別番号及び２次元相対位置情報から、走行道路上に交通参加者８０が存在するか否かを判断する。そして、経路速度計画生成部５０は、交通参加者８０の有無に応じた（９）式に示す何れかの評価値Ps(xi)の定義に従って、ステップＳ２２０で取得した逆危険確率パラメータ群、及び逆危険確率パラメータ群に含まれる各パラメータに対応した逆危険確率モデルを用いて、サンプリング点７６で示される走行道路上の各地点に対する評価値Ps(xi)を算出して危険度評価マップを生成する。
ステップＳ２４０において、経路速度計画生成部５０は、ステップＳ２３０で生成した危険度評価マップを用いて、車両７０の進行方向に沿ってサンプリング点７６を順次選択し、（２）式に基づいて、選択したサンプリング点７６を接続して生成される経路の評価関数J(Xi)の値を計算し、評価関数J(Xi)の値が最も高くなるような経路を設定経路に設定する。
なお、経路速度計画生成部５０が生成する設定経路は、現在の車両７０の位置から目的地までの経路であっても、目的地の手前にある経由地点までの経路であってもよい。
ステップＳ２５０において、経路速度計画生成部５０は、ステップＳ２００で取得した運転行動データ１３０の車両速度、３軸加速度、車両進行方向角及び世界測地系座標を用いて、車両７０が設定経路に沿って走行できるような走行経路データ列を生成し、メモリ１０２に記憶する。
ステップＳ２６０において、車両制御部６０は、ステップＳ２５０で生成した走行経路データ列をメモリ１０２から取得し、走行経路データ列に含まれる目標速度と、ステップＳ２００で取得した運転行動データ１３０で示される車両速度との差分、及び、走行経路データ列に含まれる車両７０の目標座標と、ステップＳ２００で取得した運転行動データ１３０で示される車両７０の座標点との差分を計算する。
そして、車両制御部６０は、各時刻における車両７０の速度及び位置が、走行経路データ列に含まれる目標速度と目標座標に近づくように、車両７０の制動装置、加速装置、及び操舵装置を制御する。
ステップＳ２７０において、車両制御部６０は、最新の運転行動データ１３０を参照して、現在の車両７０の位置が予め設定された目的地の座標と一致するか否かを判定し、否定判定の場合にはステップＳ２００に移行する。そして、ステップＳ２００で最新の運転行動データ１３０を取得して、ステップＳ２００〜Ｓ２７０を繰り返すことで、危険度評価マップを逐次更新しながら、車両７０の走行状況に合わせて設定経路を更新し、車両７０の速度及び進行方向を制御する。
一方、ステップＳ２７０の判定処理が肯定判定の場合には、図２５に示した設定経路走行処理を終了する。
このように、第１実施形態に係る運転支援装置１では、車両７０の運転行動データ１３０を用いて、逆危険確率モデルに基づく逆危険確率パラメータ群を算出する。そして、運転支援装置１は、算出した逆危険確率パラメータ群を用いて、走行道路上の各地点における車両７０の安全性を示した危険度評価マップを生成し、車両７０にとって最も安全性が高くなるような経路を設定する。
したがって、運転支援装置１は、運転行動データ１３０に交通参加者８０との衝突事例に対応するデータが含まれない場合であっても、交通参加者８０との衝突事例に対応するデータが含まれない運転行動データ１３０から交通参加者８０との衝突の危険性を表すことができる逆危険確率モデルを適用することによって、交通参加者８０との衝突を回避する安全な経路を設定することができる。
また、本実施形態に係る運転支援装置１では、交通参加者８０との衝突を回避する安全な経路を設定する際、車両７０の加減速及び方向転換という車両７０の物理的な運動を確率モデルで表現し、設定経路の計画に関わる要因を確率モデルとして統一的に扱う。
したがって、設定経路の計画にBP法に基づく確率場の最適化計算方法が適用できるようになり、試行錯誤的に設定経路を計画する場合と比較して、短時間に設定経路を計画することができる。
なお、本実施形態では、走行経路データ列に基づいて車両７０の速度及び進行方向を自動的に制御する運転支援装置１の例を示したが、運転支援装置１が提供する運転支援の方法はこれに限られない。例えば、運転支援装置１は、生成した走行経路データ列に含まれる目標速度と、目標座標に対応した進行方向とを、例えば音声で時系列に沿って車両７０の運転者に通知するようにしてもよい。この場合、車両７０の運転者が車両制御部６０に代わって、運転支援装置１から通知された目標速度及び進行方向となるように、車両７０の制動装置、加速装置、及び操舵装置を制御する。
（第２実施形態）
第１実施形態では、設定経路に対応した走行経路データ列に基づいて、車両７０の速度及び進行方向を自動的に制御する運転支援装置１の例を示したが、第２実施形態では、車両７０が設定経路を走行するように運転者の運転を支援する運転支援装置１の例について説明する。
なお、第２実施形態に係る運転支援装置１（以降、特に断りがない限り「運転支援装置１」という）のブロック図は、図１に示した第１実施形態に係る運転支援装置１のブロック図と同じであり、運転支援装置１をコンピュータで実現するための構成例も、図２３に示した第１実施形態に係る構成例と同じになる。
ただし、運転行動計測部１０及び車両制御部６０の機能が第１実施形態に係る運転支援装置１と一部相違するため、以下では、相違点を中心に説明を行う。
図２６は、運転支援装置１の運転行動計測部１０の構成例を示す図である。図２６に示す運転行動計測部１０の構成例が、図２に示した第１実施形態に係る運転支援装置１の運転行動計測部１０の構成例と異なる点は、運転行動計測センサ群１１０にハンドル角センサ１１３、ブレーキペダル操作量センサ１１４、及びアクセルペダル操作量センサ１１５が追加され、CAN１３１でセンサデータ受信部１２１に接続される点である。
ハンドル角センサ１１３は、例えば車両７０が直進するハンドル位置に対するハンドルの回転量を角度として出力するセンサである。
ブレーキペダル操作量センサ１１４は、ブレーキペダルの踏み込み量を計測するセンサであり、例えばブレーキペダルの踏み込み量が“０”であれば、運転者はブレーキをかけていない状態を示し、ブレーキペダルの踏み込み量が大きくなるにつれて、車両７０の減速量が増加していることを示す。
アクセルペダル操作量センサ１１５は、アクセルペダルの踏み込み量を計測するセンサであり、例えばアクセルペダルの踏み込み量が“０”であれば、運転者はアクセルを踏んでいない状態を示し、アクセルペダルの踏み込み量が大きくなるにつれて、車両７０の加速度が増加していることを示す。
したがって、運転行動計測部１０は、図２７に示すように、図３に示した第１実施形態に係る運転行動データ１３０に対して、ハンドル角、ブレーキペダル操作量、及びアクセルペダル操作量を追加した運転行動データ１３０を生成し、運転行動データベース３０に格納する。
また、第２実施形態に係る車両制御部６０の構成例は、図２２に示した第１実施形態に係る車両制御部６０の構成例と同じ構成を用いることができるが、目標加減速度計算部６１及び目標操舵角計算部６６の処理が異なる。
第２実施形態に係る目標加減速度計算部６１（以降、特に断りがない限り「目標加減速度計算部６１」という）は、走行経路データ列で示される目標速度と、運転行動データ１３０で示される車両速度との差分を計算する。車両速度が目標速度より遅い場合、目標加減速度計算部６１は、車両７０を目標速度で走行させるために必要なアクセルペダル操作量を算出し、運転行動データ１３０で示されるアクセルペダル操作量との差分（アクセル操作量差分）を算出する。そして、目標加減速度計算部６１は、アクセル操作量差分に対応する加速調整量を計算し、アクセル機構モデル６４に出力することで、車両７０の速度を目標速度に近づける。
すなわち、運転支援装置１は、運転者のアクセルペダル操作によって得られる加速調整量に、アクセル操作量差分に対応した加速調整量を加える補正を行うことで、車両７０の速度を走行経路データ列で示される目標速度に近づける運転支援を行う。
一方、車両速度が目標速度より速い場合、目標加減速度計算部６１は、車両７０を目標速度で走行させるために必要なブレーキペダル操作量を算出し、運転行動データ１３０で示されるブレーキペダル操作量との差分（ブレーキ操作量差分）を算出する。そして、目標加減速度計算部６１は、ブレーキ操作量差分に対応する制動調整量を計算し、ブレーキ機構モデル６２に出力することで、車両７０の速度を目標速度に近づける。
すなわち、運転支援装置１は、運転者のブレーキペダル操作によって得られる制動調整量に、ブレーキ操作量差分に対応した制動調整量を加える補正を行うことで、車両７０の速度を走行経路データ列で示される目標速度に近づける運転支援を行う。
また、第２実施形態に係る目標操舵角計算部６６（以降、特に断りがない限り「目標操舵角計算部６６」という）は、走行経路データ列で示される目標座標と、運転行動データ１３０で示される車両７０の座標との差分を計算する。目標操舵角計算部６６は、車両７０を目標座標に向かって進行させるために必要なハンドル角を算出し、運転行動データ１３０で示されるハンドル角との差分（ハンドル操作量差分）を算出する。そして、目標操舵角計算部６６は、ハンドル操作量差分に対応するハンドル調整量を計算し、操舵機構モデル６７に出力することで、車両７０の位置を目標座標に近づける。
すなわち、運転支援装置１は、運転者のハンドル操作によって得られるハンドル調整量に、ハンドル操作量差分に対応したハンドル調整量を加える補正を行うことで、車両７０の位置を走行経路データ列で示される目標座標に近づける運転支援を行う。
なお、アクセルペダル操作量と加速度、ブレーキペダル操作量と減速量、及びハンドル角と車両７０の進行方向との対応は、車両７０の実機による実験や車両７０の設計仕様に基づくコンピュータシミュレーション等により予め算出しておき、メモリ１０２に記憶しておけばよい。
次に、車両７０が交通参加者８０を自動的に回避するための運転支援処理について説明する。運転支援処理は、第１実施形態に係る運転支援処理と同様に、逆危険確率パラメータ群算出処理と設定経路走行処理とに分類される。
このうち、逆危険確率パラメータ群算出処理については、図２４に示したフローチャートと同様の処理を行えばよい。
また、設定経路走行処理については、図２５に示したフローチャートのステップＳ２６０の処理に変更を加えることで対応可能である。
具体的には、車両制御部６０は、ステップＳ２５０で生成した走行経路データ列をメモリ１０２から取得し、走行経路データ列に含まれる目標速度と、ステップＳ２００で取得した運転行動データ１３０で示される車両速度との差分、及び、走行経路データ列に含まれる車両７０の目標座標と、ステップＳ２００で取得した運転行動データ１３０で示される車両７０の座標点との差分を計算する。
そして、車両速度が目標速度より遅い場合、車両制御部６０は、運転行動データ１３０で示されるアクセルペダル操作量、及びアクセルペダル操作量と加速度との対応を示したテーブルに基づいて、アクセル操作量差分を算出し、目標速度に近づくように車両７０の加速装置を制御する。
また、車両速度が目標速度より速い場合、車両制御部６０は、運転行動データ１３０で示されるブレーキペダル操作量、及びブレーキペダル操作量と減速量との対応を示したテーブルに基づいて、ブレーキ操作量差分を算出し、目標速度に近づくように車両７０の制動装置を制御する。
また、車両制御部６０は、運転行動データ１３０で示されるハンドル角、及びハンドル角と車両７０の進行方向との対応を示したテーブルに基づいて、ハンドル操作量差分を算出し、目標座標に近づくように車両７０の操舵装置を制御する。
このように、第２実施形態に係る運転支援装置１では、運転者による車両７０のアクセル操作、ブレーキ操作、及びハンドル操作をセンサで計測し、逆危険確率パラメータ群を用いて、走行道路上の各地点における車両７０の安全性を示した危険度評価マップに基づいて設定された設定経路を車両７０が走行するように、運転者の運転を補助することができる。
以上、各実施形態を用いて本発明を説明したが、本発明は各実施形態に記載の範囲には限定されない。本発明の要旨を逸脱しない範囲で各実施形態に多様な変更又は改良を加えることができ、当該変更又は改良を加えた形態も本発明の技術的範囲に含まれる。例えば、本発明の要旨を逸脱しない範囲で図２５に示した設定経路走行処理における処理の順序を変更してもよい。
１・・・運転支援装置、１０・・・運転行動計測部、２０・・・高精度道路地図情報、３０・・・運転行動データベース、４０・・・逆危険確率算出部、４１・・・逆危険確率モデル、４２・・・逆危険確率分析部、５０・・・経路速度計画生成部、５１・・・危険度評価マップ生成部、５２・・・最適経路生成アルゴリズム、６０・・・車両制御部、６１・・・目標加減速度計算部、６２・・・ブレーキ機構モデル、６３・・・ブレーキ制御システム、６４・・・アクセル機構モデル、６５・・・アクセル制御システム、６６・・・目標操舵角計算部、６７・・・操舵機構モデル、６８・・・操舵制御システム、７０・・・車両、８０・・・交通参加者、１００・・・コンピュータ、１１０・・・運転行動計測センサ群、１２０・・・センサデータ処理部、１３０・・・運転行動データ、１４０・・・運転支援プログラム、２１０・・・道路接続情報、２２０・・・道路付加情報

Claims (9)

  1. 道路における車両の走行状況、及び道路上の障害物の位置を含む前記車両の運転行動データを計測する計測部と、
    前記計測部で予め計測された前記障害物との衝突事例が含まれない前記運転行動データ、及び、予め取得した道路の環境情報を用いて、前記車両が取り得る経路毎に、道路上の各地点における前記障害物に対する前記車両の回避度合いを表す第１の確率モデルと、前記車両における道路上の各地点間の移動の困難度合いを表す第２の確率モデルとの合算によって表される、前記障害物に対する前記車両の安全性を表す確率モデルを規定するパラメータ群を算出する算出部と、
    前記算出部で算出された前記パラメータ群、前記計測部で計測された前記運転行動データ、及び前記車両が走行中の走行道路に対応する前記環境情報に基づいて算出される、前記確率モデルを用いた評価関数に基づいて、前記走行道路で取り得る複数の経路の中から、前記障害物に対する前記車両の安全性の度合いが最も高くなる経路を選択し、選択した経路を実現する前記車両の進行方向、及び前記選択した経路上の各地点での速度を含む走行情報を生成する生成部と、
    を備えた運転支援装置。
  2. 前記第１の確率モデルが、道路の構造によって規定される第３の確率モデル、又は、前記車両が前記障害物を回避する際に確保する前記障害物との距離と、前記距離を確保して走行した前記車両の走行頻度と、によって規定される第４の確率モデルで表される
    請求項１記載の運転支援装置。
  3. 前記生成部は、前記計測部で前記走行道路に前記障害物が存在しないと計測された場合は、前記第１の確率モデルとして前記第３の確率モデルを適用した前記評価関数に基づいて、前記障害物に対する前記車両の安全性の度合いを算出し、前記計測部で前記走行道路に前記障害物が存在すると計測された場合は、前記第１の確率モデルとして前記第４の確率モデルを適用した前記評価関数に基づいて、前記障害物に対する前記車両の安全性の度合いを算出する
    請求項２記載の運転支援装置。
  4. 前記算出部は、前記運転行動データに種別の異なる前記障害物に関する情報が含まれる場合、前記障害物の種別毎に前記第４の確率モデルを適用し、前記障害物の種別毎の前記第４の確率モデルに対応したパラメータを含むように前記パラメータ群を算出する
    請求項２又は請求項３記載の運転支援装置。
  5. 前記第３の確率モデルが、道路の通行帯の中心線に対する前記車両の逸脱量を表す第５の確率モデルと、道路の幅に対する前記車両の速度の適正度合いを表す第６の確率モデルと、によって表される
    請求項２〜請求項４の何れか１項に記載の運転支援装置。
  6. 前記生成部で生成された走行情報を出力する出力部を更に備えた
    請求項１〜請求項５の何れか１項に記載の運転支援装置。
  7. 前記車両の速度を調整する速度調整装置、及び前記車両の進行方向を決定する操舵装置を制御する制御部を更に備え、
    前記制御部は、前記計測部で計測される前記車両の走行中の速度及び進行方向が、前記生成部で生成された走行情報によって指示される速度及び進行方向に近づくように、前記速度調整装置及び前記操舵装置を制御する
    請求項１〜請求項６の何れか１項に記載の運転支援装置。
  8. 前記車両の速度を調整する速度調整装置、及び前記車両の進行方向を決定する操舵装置を制御する制御部を更に備え、
    前記計測部は、前記車両の運転者による前記速度調整装置及び前記操舵装置の操作量を含む前記車両の運転行動データを計測し、
    前記制御部は、前記計測部で計測された前記操作量に基づく前記車両の速度及び進行方向が、前記生成部で生成された走行情報によって指示される速度及び進行方向に近づくように、前記速度調整装置及び前記操舵装置を制御する
    請求項１〜請求項６の何れか１項に記載の運転支援装置。
  9. 道路における車両の走行状況、及び道路上の障害物の位置を含む前記車両の運転行動データを計測し、
    予め計測された前記障害物との衝突事例が含まれない前記運転行動データ、及び、予め取得した道路の環境情報を用いて、前記車両が取り得る経路毎に、道路上の各地点における前記障害物に対する前記車両の回避度合いを表す第１の確率モデルと、前記車両における道路上の各地点間の移動の困難度合いを表す第２の確率モデルとの合算によって表される、前記障害物に対する前記車両の安全性を表す確率モデルを規定するパラメータ群を算出し、
    算出した前記パラメータ群、計測した前記運転行動データ、及び前記車両が走行中の走行道路に対応する前記環境情報に基づいて算出される、前記確率モデルを用いた評価関数に基づいて、前記走行道路で取り得る複数の経路の中から、前記障害物に対する前記車両の安全性の度合いが最も高くなる経路を選択し、選択した経路を実現する前記車両の進行方向、及び前記選択した経路上の各地点での速度を含む走行情報を生成する
    運転支援方法。
JP2016119270A 2016-06-15 2016-06-15 運転支援装置及び運転支援方法 Active JP6664813B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2016119270A JP6664813B2 (ja) 2016-06-15 2016-06-15 運転支援装置及び運転支援方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2016119270A JP6664813B2 (ja) 2016-06-15 2016-06-15 運転支援装置及び運転支援方法

Publications (2)

Publication Number Publication Date
JP2017224168A JP2017224168A (ja) 2017-12-21
JP6664813B2 true JP6664813B2 (ja) 2020-03-13

Family

ID=60686369

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2016119270A Active JP6664813B2 (ja) 2016-06-15 2016-06-15 運転支援装置及び運転支援方法

Country Status (1)

Country Link
JP (1) JP6664813B2 (ja)

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102151811B1 (ko) * 2018-01-26 2020-09-03 충북대학교 산학협력단 회피경로 생성방법 및 그를 위한 장치
JP7111517B2 (ja) * 2018-06-14 2022-08-02 シャープ株式会社 走行装置、走行装置の走行制御方法、走行装置の走行制御プログラムおよび記録媒体
CN112513955A (zh) * 2018-07-04 2021-03-16 日产自动车株式会社 行驶轨道生成方法及行驶轨道生成装置
DE112018008026T5 (de) * 2018-09-26 2021-07-08 Mitsubishi Electric Corporation Fahrtrouten-erzeugungseinrichtung und fahrzeug-steuerungseinrichtung
KR102171922B1 (ko) * 2019-01-23 2020-10-30 국민대학교산학협력단 차량의 주행 장애물 검출 장치 및 방법
JP7209946B2 (ja) * 2019-03-29 2023-01-23 マツダ株式会社 車両運転支援システム
JP7214076B2 (ja) * 2019-03-29 2023-01-30 マツダ株式会社 車両運転支援システム
JP7154482B2 (ja) * 2019-03-29 2022-10-18 マツダ株式会社 車両運転支援システム
KR102310491B1 (ko) * 2019-11-27 2021-10-08 한국과학기술원 자율주행 자동차의 충돌 회피 경로 생성 방법 및 장치
JP7440324B2 (ja) * 2020-03-31 2024-02-28 本田技研工業株式会社 車両制御装置、車両制御方法、及びプログラム
KR102360817B1 (ko) * 2020-07-02 2022-02-10 현대모비스 주식회사 컷인 차량의 충돌 방지를 위한 자율주행시스템 및 방법
CN112550287B (zh) * 2020-12-16 2022-08-26 重庆大学 一种面向结构化道路的驾驶风险评估方法
JP7501379B2 (ja) 2021-01-12 2024-06-18 株式会社豊田自動織機 自律走行体
CN114212106B (zh) * 2021-12-17 2023-10-10 东软睿驰汽车技术（沈阳）有限公司 一种车辆的可行驶区域内安全概率的确定方法及装置

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010113532A (ja) * 2008-11-06 2010-05-20 Nissan Motor Co Ltd 車両運転操作判断装置及び車両運転操作判断方法
JP5267215B2 (ja) * 2009-03-03 2013-08-21 日産自動車株式会社 車両用運転支援装置および車両用運転支援方法
JP5262986B2 (ja) * 2009-03-05 2013-08-14 日産自動車株式会社 走行経路生成装置、走行経路生成方法、及び運転操作支援装置
JP2015072611A (ja) * 2013-10-03 2015-04-16 トヨタ自動車株式会社 運転支援装置
JP6308032B2 (ja) * 2014-06-04 2018-04-11 株式会社デンソー 運転操作を生成するシステムおよび方法
JP6257482B2 (ja) * 2014-09-03 2018-01-10 株式会社デンソーアイティーラボラトリ 自動運転支援システム、自動運転支援方法及び自動運転装置
DE102015220360A1 (de) * 2015-10-20 2017-04-20 Robert Bosch Gmbh Verfahren zur Auswahl einer optimierten Trajektorie

Also Published As

Publication number Publication date
JP2017224168A (ja) 2017-12-21

Similar Documents

Publication Publication Date Title
JP6664813B2 (ja) 運転支援装置及び運転支援方法
KR102211299B1 (ko) 곡선 투영을 가속화하기 위한 시스템 및 방법
US10948919B2 (en) Dynamic programming and gradient descent based decision and planning for autonomous driving vehicles
US10754339B2 (en) Dynamic programming and quadratic programming based decision and planning for autonomous driving vehicles
US10515321B2 (en) Cost based path planning for autonomous driving vehicles
US10520319B2 (en) Data driven map updating system for autonomous driving vehicles
EP3356900B1 (en) Method and system to predict one or more trajectories of a vehicle based on context surrounding the vehicle
CN107851392B (zh) 路径生成装置、路径生成方法及存储路径生成程序的介质
EP3347785B1 (en) Method to dynamically adjusting steering rates of autonomous vehicles
EP3315388B1 (en) Spring system-based change lane approach for autonomous vehicles
WO2019124001A1 (ja) 移動体挙動予測装置および移動体挙動予測方法
US10429849B2 (en) Non-linear reference line optimization method using piecewise quintic polynomial spiral paths for operating autonomous driving vehicles
US10816985B2 (en) Method on moving obstacle representation for trajectory planning
JP6800575B2 (ja) 自己の乗り物のドライバを支援する方法およびシステム
JP6809531B2 (ja) 車両判定方法、走行経路補正方法、車両判定装置、及び走行経路補正装置
EP3342670A1 (en) Method to dynamically adjusting speed control rates of autonomous vehicles
EP3327530A1 (en) Method for determining command delays of autonomous vehicles
JP2019128614A (ja) 予測装置、予測方法、およびプログラム
JP2020035222A (ja) 学習装置、学習方法、およびプログラム
CN110871811B (zh) 学习装置、模拟系统、学习方法及存储介质
JP2015161966A (ja) 車線変更計画装置及び車線変更計画方法
CN114248801A (zh) 用于控制车辆的自动驾驶的装置和方法
US11414096B2 (en) QP spline path and spiral path based reference line smoothing method for autonomous driving
JP2019064538A (ja) 車両制御装置、車両制御方法、およびプログラム
JP2018105636A (ja) 経路生成装置

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20190212

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20191226

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20200204

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20200212

R150 Certificate of patent or registration of utility model

Ref document number: 6664813

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250