JP6800565B2 - 適合化予測のために広域的シーンコンテクストを使用する方法およびシステム並びに対応するプログラム、該システムを備えた乗り物 - Google Patents

Description

本発明は、乗り物のための自動化されコンピュータ化されたドライバ支援の分野に関する。本発明は、特に広域（グローバル）シーンのコンテクスト（context、状況）を考慮してターゲット乗り物の未来の動き挙動を計算により予測する方法および対応するプログラム、そのようなシステムを装備した乗り物およびシステムそのものに関係する。

乗り物における自動化ドライバ支援システムは多くの場合乗り物の環境を物理的に感知するセンサおよび計算ユニットを備え、計算ユニットはセンサ出力信号を受け取り、ドライバを支援して乗り物をガイドする出力信号を計算する。この出力信号は光学的または音響的な表示手段および/またはこの乗り物のアクチュエータ（actuator、作動装置）を制御するためのコントローラユニットに供給されることができる。この乗り物のアクチュエータはたとえばエアバッグシステムのインフレータのような安全装置の一部であることができ、またはたとえばブレーキ、アクセル、ハンドルのような乗り物の動きに影響するアクチュエータであることができる。

「適応性クルーズコントロール」（ＡＣＣ）システム（たとえばＩＳＯ―Ｎｏｒｍ 15622:2010に記載されている）のようなドライバ支援システムは、ドライバの快適性および安全性を向上させる。ＡＣＣシステムは特にホスト乗り物の長軸方向の制御を行うのに使用され、たとえばドライバによって示されたターゲット速度に関して使用され、たとえば車、モーターバイク、バイク、トラックのような他の乗り物または歩行者などの他の交通オブジェクトに及ぶ。ドライバ支援システム、たとえばレーン(車線)変更支援は、予測システムの支援を有する乗り物の交通環境における他の参加者の未来の挙動の予測をベースとする。

「ホスト乗り物」という用語は、以下の記述において、本発明に従う予測システムを搭載し、交通関係のデータを取得するためのセンサおよび/またはさらなる手段、並びに少なくとも一つの他の交通乗り物がとりうるまたはとりそうな未来の挙動を計算することができる計算システムを装備した交通状況における乗り物に使用する。ホスト乗り物は、エゴ乗り物（自乗り物、自車）と呼ばれることもある。

センサは、ホスト乗り物の環境を感知することにより、ある時点での交通シーンを表現するに適した情報を提供することができる任意の手段でありうる。そのようなセンサはカメラ、レーダ、ライダ(lidar)のようなものであることができる。データ取得手段は、一つまたは複数のセンサその他のデータ源によって提供される交通シーンを表現する任意の種類の情報を取得するためのドライバ支援システムの一部分を構成する。

ターゲットオブジェクトまたはターゲット乗り物は未来の挙動を予測すべきオブジェクトまたは乗り物である。ターゲットオブジェクトはセンサによって観察されることができ、またはターゲットオブジェクト/乗り物に関する情報はデータ取得手段によって他のデータ源から得ることもできる。

よく知られているドライバ支援システムの一つの問題は、物理的な予測によって認識される他の交通乗り物の挙動だけをシステムが考慮に入れることである。たとえばもしターゲットオブジェクト（ホスト乗り物の環境内の乗り物で、ホスト乗り物の一つまたは複数のセンサによって物理的に感知される）の一つがレーンを変更しホスト乗り物のレーンを切るか切って他のレーンに移るならば、他の交通オブジェクトを観察しているホスト乗り物はそのようなレーン変更が確実になった後でのみ反応する。その結果、ホスト乗り物の反応が遅れ交通の流れ、特にホスト乗り物のドライバの快適性にマイナスの影響を与える。

物理的予測は、変数を提供する直接的なインジケータに依拠し、これらは検出すべき挙動が既に開始しておりさえすれば観察することができる。たとえばレーン変更を予測するためには直接的なインジケータは、軸方向の速度、レーンに対する横位置、レーンに対して変化する方位、または他の交通参加者に対する変化する方位である。

ＥＰ ２ ５６２ ０６０ Ａ１は、そのような物理的予測プロセスに加えて、いわゆるコンテクストベースの予測を提案する。コンテクストベースの予測では、ターゲットオブジェクトの未来の動き挙動の確率が計算される。この未来の挙動は物理的予測の結果によって確認されるか棄却される。ありうる未来の動き挙動の確率を計算するためには、間接的なインジケータが使用され、これらはターゲットオブジェクトの挙動が開始してしまっているときに挙動の観察を可能にするばかりでなく、未来の動き挙動が予測される交通シーンについての情報を与える。

間接的インジケータは、予測されるべき未来の動き挙動が始まる前に観察可能な変数を提供する。ここでは間接的インジケータを直接的インジケータの集合を含まないすべてのありうるインジケータの集合と定義する。

ターゲットオブジェクトの未来の動き挙動に対する計算された確率から、ターゲットオブジェクトの特定の挙動を生じさせそうな交通状況を認識することが可能である。

ＩＥＥＥインテリジェント交通システムのトランザクション(IEEE transactions on intelligent transportation systems) ボリュームＰＰ、９９号、１〜１１ページ、「シナリオ特定モデルの組み合わせによる広域的挙動予測」著者：Ｓ．ボーニン、Ｔ．ヴァイスワング、Ｆ．クメリッヒ、およびＪ．シュムードリッヒ、ＩＥＥＥ ２０１４、ＩＳＳＮ 1524-9050は、高速道路シナリオにおいてレーン変更予測のための完全な実施に基づく品質および範囲を向上させるための全体的な特定の分類標識（クラシファイア、classifiers）の組み合わせを論じている。

このような手法はEP 2 562 060 A1でも引き継がれているが、一つの問題点は、コンテクストベースの予測ではホスト乗り物の交通状況の現在の状況だけが考慮されることである。したがって、特定の時点においてコンテクストベースの予測は、たとえば、隣のレーン上にあるターゲット乗り物がターゲット乗り物と同じレーンを移動する先行乗り物に素早く近づくので、隣のレーン上のターゲット乗り物がホスト乗り物のレーンに割り込む（cut-in、進入する）であろうという結果を与える。EP 2 562 060 A1によると、そのような状況ではターゲット乗り物は割り込んで低速の先行乗り物を追い越すと思われるので、ホスト乗り物の減速をもたらす。

しかしそのような予測の基礎になる交通シーンはさらなる特徴によって特徴付けられることができる。ターゲット乗り物およびホスト乗り物が通行する道路は、同じ方向に最小の車間距離でクルーズする多くの乗り物によって混雑しているか、大きな車間距離でクルーズする少数の乗り物だけが存在するかもしれない。

既知のコンテクストベースの予測は、交通の密度とは独立に結果を提供する。

この既知のコンテクストベースの予測が限界に達する状況の例を図１Ａおよび１Ｂを参照して説明する。

図１Ａおよび１Ｂではターゲット乗り物としての乗り物Ａの挙動が予測される。乗り物Ａは、複数のレーンをもつ道路の中央レーンを走行しており、同じレーン上を乗り物Ａの速度よりも低速でクルーズしている乗り物Ｂに近づく。すべての図では実線の矢印の長さがそれぞれの乗り物の現在速度を示す。図の先行乗り物に近づきつつある状況においてターゲット乗り物Ａの挙動を予測するため、３レーンの道路の左レーン上のギャップを求めるが、このギャップはあまり適切でない。なぜなら、ギャップの後端にいる乗り物Ｅ（ホスト乗り物）がターゲット乗り物Ａの速度よりもかなり速い速度で近づきつつあるからである。

図１Ａにおいて道路は、小さな車間距離で乗り物Ａと同じ方向に移動する多くの乗り物によって混雑している。図で乗り物Ａは、求められたギャップが比較的小さいにもかかわらず、ホスト乗り物Ｅの前でレーン変更しようとしている。乗り物Ａのドライバにとって減速するのではなく左レーンに変わるよりよいチャンスはおそらく来ないので、ギャップが比較的小さくてもこのギャップに割り込んでレーン変更する確率が増大する。

図１Ｂの交通シーンは、概して大きな車間距離のいくつかの乗り物だけを示し、乗り物は乗り物Ａと同じ方向に移動している。乗り物Ａはホスト乗り物Ｅの後ろでレーンを変えようとしているが、図１Ａに描いたシーンとは異なり道路がすいているので図に描いたように進むことができる。

従来技術の予測システムでは、交通状況の局所コンテクストが異なるとき、ターゲット乗り物の予測挙動が異なると推定される。少なくとも一つの他の交通参加者（ホスト乗り物Ｅまたはターゲット乗り物Ａ以外を意味する）または自己乗り物のすぐ近くで認識されるインフラストラクチャが異なるなら、局所コンテクストが異なる。たとえば、先行乗り物のような他の交通参加者が異なるか、高速道路が環境に入り口または出口をもつことが考慮される。従って、コンテクストベースの予測のための使用可能な状況モデルは、たとえば次のものに基づく。

・「割り込み」、「転出（cut-out）」のような検出されたシーンに適用可能な予測挙動、または
・交通参加者の検出されたコンステレーション(constellation、配置)、たとえば隣接レーン上の２つの乗り物、または
・認識されたインフラストラクチャ要素、たとえば走行方向にある高速道路入り口

しかし、認識された要素が同じ状況を規定していても、ターゲット乗り物の実際のドライバの運転挙動は異なるかもしれない。図１Ａでは、ドライバがひどく混雑した高速道路状況を知っており、よりよい進入ギャップが生じる可能性が低いことを知っているので、ギャップが適切でなくてもターゲット乗り物Ａが中央レーンから左レーンに移る。もし高速道路がほとんど空で、乗り物Ａ、ＥおよびＢが図１Ｂに示すような速度および空間分布の同じ交通状況にあるならば、乗り物Ａのドライバはより適当なギャップが生じるのを待ってからレーンを変更するであろう。しかし、伝統的な予測的動き挙動法を考慮に入れるとき、両方のケースで乗り物Ａの挙動予測の局所コンテクストが同じなので、図１Ａおよび１Ｂのどちらのケースでも割り込み（進入）のありなしのどちらかが予測される。しかし、ターゲット乗り物Ａは図１Ａおよび図１Ｂに描かれる状況では異なる行動をとるであろう。

交通密度および挙動予測に関して記述したのと同様の問題が国ごとの広域速度制限または道路が凍っているなどの道路の状態に関して生じる。図２Ａ、２Ｂ、３Ａ、３Ｂに関してその影響をより詳細に説明する。

したがって、従来技術のコンテクストベースの予測システムに本来的なターゲット乗り物の挙動予測が不正確であることを説明する。

既存の提案によると、ターゲットオブジェクトの未来の挙動を判断するとき、実際の交通状況の局所コンテクストだけが考慮される。したがって、予測システムの予測から推奨される行動の品質が制限される。

したがって、本発明の一つの目的は、予測システムの予測結果の品質を向上させることができる方法を提供することである。

本発明はこの課題を特許請求の範囲の独立請求項に記載される方法、システム、乗り物およびプログラムによって解決する。

技術問題を解決する乗り物ドライバ支援方法は、少なくとも一つのデータ取得手段および処理手段を有する乗り物を使用し、この方法は、データ取得手段によってターゲット乗り物の交通環境を表現するデータを取得するステップ、取得したデータに基づいて予測情報を発生するステップ、およびこの予測情報を出力するステップを含む。この発明の方法は、交通環境を表現するデータから広域的シーンコンテクストのデータを生成することおよび予測適合化情報を発生するためにこの広域的シーンコンテクストのデータを処理することをさらに含むことを特徴とし、予測情報を発生するステップでは予測適合化情報に基づいて予測情報が適応される。

この方法は、直接インジケータおよび/または間接インジケータに基づく予測を交通状況の広域的シーンコンテクストの判断と組み合わせた、ターゲット乗り物についての予測情報を出力する効果を提供する。広域的シーンコンテクストは挙動予測の基礎を形成する交通シーンにおけるすべての交通参加者について有効なコンテクストとして定義される。従来技術による交通シーンは交通参加者の配置を分析し、広域的な制約による交通シーンを区別しない。これと対照的にこの発明の方法は、予測システムによって取得されたデータをさらに処理して適合化された予測情報を発生するための予測適合化情報を生成し、その際にすべての交通参加者について広域的に有効なパラメータをも考慮に入れ、異なる交通シーンにおける交通状況をさらに区別する能力を用いてターゲット乗り物について未来の動き挙動予測を発生する。従来技術による手法は、広域的基準に基づいて状況または状況モデルの間を区別する能力を欠いている。したがって、挙動予測の品質は本願の請求項に記載される方法において向上する。

ホスト乗り物のドライバを支援するこの方法は、好ましい実施例では、広域的シーンコンテクストのデータを発生するステップにおいて、次のステップのうち少なくとも一つが実行される。すなわち、この乗り物に搭載された少なくとも一つの局所的センサによって取得されたセンサデータから広域的シーンコンテクストを判断するステップ、外的に受け取られたデータから広域的シーンコンテクストを判断するステップ、および交通ブロードキャスト（放送、同報通信）サービスを介して受け取られたデータから広域的シーンコンテクストを判断するステップのうち少なくとも一つが実行される。

シーンコンテクストデータの導入およびこれに基づく予測適合化情報の生成は予測のためのデータ基盤を大きく向上させ、予測計算および予測結果の判定に対する大まかな観点および大まかな制約に関して予測システムの認識を有利に導入することを可能にする。したがって、交通ブロードキャストサービス、車対車、および車対インフラストラクチャの通信からの情報コンテントは挙動予測および拡張された予測決定のためのデータベースに統合される。

センサデータから広域的シーンコンテクストを推定するステップにおいて、広域的シーンコンテクストデータは他の乗り物の挙動の少なくとも一つにログする少なくとも一つのセンサによって発生されるのが有利であり、ログされた挙動ならびに平均速度、乗り物の数などの乗り物状態から交通状態の判定が行われる。したがって、たとえばホスト乗り物に搭載されたカメラによって取得されるセンサデータから最大の利益が得られ、予測計算の品質および予測結果の信頼性が向上する。

広域的シーンコンテクストデータを処理するステップにおけるこの方法の実施例では、コンテクストベースの予測の状況モデルにおける予測計算を変更するよう構成された予測適合化情報を発生すること、ならびにコンテクストベースの予測および物理的予測のうち少なくとも一つからの結果における確率を修正するよう構成された予測適合化情報を発生することの少なくとも一つが実行される。この実施例による予測適合化情報は、処理、処理ステップ、コンテクストベースの予測の処理結果、物理的予測の処理結果のそれぞれまたはこれらの組み合わせに影響するパラメータを適応させるのに有利に適している。したがって、予測システムは、考慮すべき広域的コンテクストデータに関する予測処理の最も効率的な方法を実施することを可能にする。

予測適合化情報を発生するために広域的シーンコンテクストデータを処理するステップでは、コンテクストベースの予測システムの状況モデルにおけるインジケータの少なくとも一つのインジケータ値を修正するための少なくとも一つのスケーリング（変倍）パラメータ、ここで各スケーリングパラメータは広域的シーンコンテクストデータに基づくちょうど一つのインジケータに対応する、を発生すること、およびコンテクストベースの予測システムの結果を直接的に適応させるよう構成された予測適合化情報を発生することの少なくとも一つが実施される。

特許請求の範囲に記載される方法の好ましい実施例では、予測情報を発生するステップにおいて、間接的インジケータを使用するコンテクストベースの予測ステップ、およびコンテクストベースの予測の結果が正しいことを確認するため直接的インジケータを使用する物理的予測ステップが実行される。

前記の技術的問題は乗り物のドライバ支援システムによっても解決され、このシステムは交通環境を表現するデータを取得するよう構成されたデータ取得手段、および取得されたデータに基づいて予測情報を発生しこの予測情報を出力するよう構成された処理手段を備える。このシステムは、その処理手段が交通環境を表現するデータから広域的シーンコンテクストデータを生成するよう構成されていること、およびその処理手段が予測適合化情報を発生するために広域的シーンコンテクストデータを処理するよう構成されていること、を特徴とする。この処理手段は、予測適合化情報にも基づいて予測情報を適応させるよう構成されている。

乗り物のドライバを支援するシステムは、広域的シーンコンテクスト推定ユニットを有する処理手段を備え、この推定ユニットは、この乗り物に搭載された少なくとも一つの局所的センサによって取得されるセンサデータから広域的シーンコンテクストを推定すること、外部から受け取られたデータからこの広域的シーンコンテクストを推定すること、および交通ブロードキャストサービスを介して受け取られたデータからこの広域的シーンコンテクストを予測すること、の少なくとも一つを実行することによって広域的シーンコンテクストデータを生成するよう構成されている。

一実施例では、乗り物のドライバを支援するシステムは、すくなとも一つのセンサが他の乗り物の挙動状態を記録（ログ）し記録されたデータから交通状態を判断することによって広域的シーンコンテクストデータを生成するよう構成された広域的シーンコンテクスト推定ユニットをさらに備える。

さらに、乗り物のドライバを支援するためのシステムは、広域的シーンコンテクスト情報を予測適合化情報に変換するよう構成された変換ユニットを有する処理手段を備えると有利であり、この変換ユニットは、コンテクストベースの予測の状況モデルにおける予測計算を変えるよう構成された予測適合化情報を生成すること、並びにコンテクストベースの予測および物理的予測の少なくとも一つからの結果における確率を修正するよう構成された予測適合化情報を生成すること、の少なくとも一つによって上記の変換を行う。

乗り物のドライバを支援するためのシステムの一実施例は、広域的シーンコンテクスト情報を予測適合化情報に変換する変換ユニットを有する処理手段を特徴とし、この変換ユニットは、コンテクストベースの予測システムの状況モデルにおけるインジケータの少なくとも一つのインジケータ値を修正するため少なくとも一つのスケーリング（変倍）パラメータ、ここで各スケーリングパラメータは広域的シーンコンテクストデータにも基づく一つのインジケータにぴったり対応する、を生成すること、およびコンテクストベースの予測システムの結果を直接的に適応させるよう構成された予測適合化情報を生成すること、の少なくとも一つを実行することによって上記の変換を行う。

乗り物のドライバを支援するためのシステムの有利な一実施例は、予測情報を生成するよう構成された予測システムを有する処理手段を備え、この予測システムは、間接的インジケータに基づいてコンテクストベースの予測情報を生成するよう構成されたコンテクストベースの予測ユニット、およびこのコンテクストベースの予測情報が正しいことを確かめるために直接的インジケータに基づいて予測情報を生成するよう構成された物理的予測ユニット、を備える。

技術的問題は、上に述べた特徴を有するドライバ支援システムを備えた乗り物によって解決され、このドライバ支援システムは、該システムの出力信号に基づいて乗り物の制御に影響するよう構成されている。

この方法は、本発明の任意の実施例による方法ステップを実行するためのプログラムコードを有するコンピュータプログラムとして有利に実施することができ、このプログラムはコンピュータまたはディジタル信号プロセッサ上で実行される。本発明は、コンピュータプログラム製品としても実施することができ、このプログラムは機械読込み可能な媒体に格納され、プログラムがコンピュータまたはディジタル信号プロセッサで実行されるとき、本発明の実施例の任意の一つによる方法ステップを実行する。

本発明の方法およびシステムを添付の図面を参照してさらに詳細に説明する。

ターゲット乗り物の第１の予測された未来の動き挙動での第１の交通シナリオを示す図。 ターゲット乗り物の第２の予測された未来の動き挙動での第２の交通シナリオを示す図。 ターゲット乗り物の第３の予測された未来の動き挙動での第３の交通シナリオを示す図。 ターゲット乗り物の第４の予測された未来の動き挙動での第４の交通シナリオを示す図。 ターゲット乗り物の第５の予測された未来の動き挙動での第５の交通シナリオを示す図。 ターゲット乗り物の第６の予測された未来の動き挙動での第６の交通シナリオを示す図。 本発明のドライバ支援システムの全体的構成を示すブロック図。 本発明による予測システムにおいて予測信号を発生するための回路図。 本発明による予測システムにおいて間接的インジケータを発生するための回路図。 本発明の一実施例によるターゲット乗り物の予測された未来の動き挙動での交通シナリオを示す図。 本発明の一実施例によるターゲット乗り物の予測された未来の動き挙動での交通シナリオを示す図。 本発明の一実施例による予測システムにおいて予測信号を発生するための回路図。 本発明の一実施例による予測システムにおいて間接的インジケータを発生するための回路図。 本発明の一実施例によるターゲット乗り物の予測された未来の動き挙動での交通シナリオを示す図。 本発明の一実施例によるターゲット乗り物の予測された未来の動き挙動での交通シナリオを示す図。 本発明の一実施例による予測システムにおいて予測信号を発生するための回路図。 本発明の一実施例による予測システムにおいて間接的インジケータを発生するための回路図。 本発明の一実施例によるターゲット乗り物の予測された未来の動き挙動での交通シナリオを示す図。 本発明の一実施例によるターゲット乗り物の予測された未来の動き挙動での交通シナリオを示す図。 本発明の一実施例による予測システムにおいて予測信号を発生するための回路図。 本発明の一実施例による予測システムにおいて間接的インジケータを発生するための回路図。 本発明の一実施例による予測システムを使用することによってドライバを支援するためのフローチャート。

図面で同じ番号が同じエレメントを示すのに使われ、同じエレメントの説明は後続の図面の説明では必ずしも反復しない。

本発明による方法は、ホスト乗り物またはホスト乗り物の取得手段にデータを提供する一つまたは複数のセンサを備えたホスト乗り物に搭載された計算システムによって実行されることを前提としている。

この計算システムは、必要な計算作業を実行するシステムである。このシステムはこの目的のために特別に作成されていてもよく、または汎用コンピュータを用い、この汎用コンピュータをこのコンピュータに格納されたコンピュータプログラムによって選択的に作動しまたは再構成することができる。この計算システムは、それぞれのタスクを実行するため同じプロセッサまたは異なるプロセッサのネットワークで構成することもできる。

その実行に必要なコンピュータプログラムおよびデータはコンピュータ読み込み可能な媒体に格納することができ、これには、限定的ではないが、フロッピィディスクを含む任意のタイプのディスク、読み取り専用メモリ（ＲＯＭ）、ランダムアクセスメモリ（ＲＡＭ）、EPROM、EEPROM、磁気または光学カード、特定用途集積回路（ASIC）、または電子命令を格納するに適した任意のタイプの媒体が含まれ、それぞれコンピュータシステムのバスに結合される。さらに参照したコンピュータは、一つのプロセッサを有してもよく、または計算能力を増大させるため複数のプロセッサ設計、信号プロセッサなどを採用する構造であってもよい。

この計算システムは少なくとも一つのセンサに機能的に接続されている。本発明の方法は、コンピュータプログラムの形で実施することができる。コンピュータプログラムはコンピュータ読み出し可能な媒体に格納され、計算システム上で走るときに実行される。

センサは、たとえばカメラ、レーザスキャナ、赤外線カメラ、または超音波センサのような音響センサでありうる。このセンサは、また有効範囲を感知するための電磁波を使用するレーダであってもよい。一つまたは複数のセンサの組み合わせをホスト乗り物に搭載して有利に使用することもできる。

さらにセンサは交通信号、標識、および道路／レーンのマーキングのような道路インフラストラクチャを検出するよう構成することができる。少なくとも一つのセンサはその一および状態を推定するよう構成することもでき、ここで状態の定義はインフラストラクチャエレメントのタイプによる。カメラ像および/ナビゲーションデータに基づいて交通標識などを検出するための既知の手法が当業者のために存在する。

本発明を簡単に理解するためにセンサという用語が明細書全体にわたって使われるが、このセンサに関係する任意の情報は関連情報をシステムの取得手段に提供することができる任意のタイプのデータソースにも関係することが明らかである。そのような取得手段は、一つまたは複数のセンサ、乗り物間通信（車対車、車間通信）からメッセージを受け取るよう構成された任意のエレメントまたはユニット、インフラストラクチャ（車対X、車対インフラストラクチャ通信）からデータを取得し、他の乗り物の位置、速度、加速、およびさらなる状態パラメータを推定することができる。取得手段は、インフラストラクチャ通信からメッセージを受け取り道路環境の位置および状態を推定することができる。

少なくとも一つのセンサがターゲット乗り物の位置、速度および加速を推定するよう特別に構成されている。

もちろん、上述のタスクのいくつかまたはすべてのために様々な特定のセンサを使用することも可能で、たとえば広域ナビゲーション衛生システム（GNSS）を使用して位置情報を取得し、加速度計を使用して加速についての情報を取得することができる。また、複数のビジュアルおよび/または音響センサを使用してホスト乗り物の環境についての情報を取得することができ、たとえば他の交通参加者の位置、および/または道路のインフラストラクチャエレメントの状態を求めることができる。

位置描画（レンダリング）システムの例としてはGALILEO、GPS（グローバル位置システム）、GLONASS、COMPASSがある。他のナビゲーションシステムは慣性ナビゲーション（デッドレコニング、相対的自己位置推定法）に基づき、ホスト乗り物の現在位置を先に求めた位置を使用して計算し、経過時間にわたっての既知のまたは推定される速度および運転方向に基づいてその位置を前進させる。

広域的シーンコンテクストの推定も車対車または車対Ｘの通信から得られるデータに基づくことができる。

交通ブロードキャストサービスは価値ある入力データを提供するのに適しており、たとえば交通密度、および事故についての種々の情報源からの広域（グローバル）データ、交通の流れに影響ししたがって広域的シーンコンテクストにも影響する道路工事その他の潜在的交通障害などのデータが得られる。

搭載されているデータベースまたは搭載されていないデータベースおよびナビゲーション支援からさらなる情報が得られる。道路マップのような地図作成情報、または位置情報および位置軌跡情報に組み合わせた天気情報も交通環境情報の価値ある情報源である。

交通環境の個々の要素が交通密度についての情報も含むことができる。それらは、無線データサービス（ＲＤＳ）を使ってコード化された交通情報を提供する専用の交通メッセージチャンネル（ＴＭＣ）、または携帯移動通信システムなどを介したＧＭＳ/ＧＰＲＳ/３Ｇデータ伝送から得ることができる。ＴＭＣは自動車のドライバに交通および旅行情報を配信する技術である。情報は、従来のＦＭ無線ブロードキャスト上の無線データシステムを使ってディジタルコード化されている。情報は、ディジタルオーディオ・ブロードキャスティング（ＤＡＢ）または衛星無線上で伝送することもできる。

本発明は、ホスト乗り物の全体的問題を扱い、このホスト乗り物はそれを取り巻く交通環境における他の関連する交通参加者の未来の挙動の予測を必要とする。

ターゲットオブジェクトの未来の挙動を推定するために、ターゲット乗り物が１組のありうる未来の動き挙動の一つを行う確率が下に述べるようにコンテクストベースの予測によって推定される。もちろん、このような推定は任意の交通オブジェクトをターゲットオブジェクトとして実行することができ、このオブジェクトに対して十分なデータベースが少なくとも一つのセンサによって得られる。

図４は先進的なドライバ支援システム１の全体的構成を示し、このシステムは、少なくとも一つのターゲットオブジェクトの未来の動き挙動を予測するために使用される予測ユニット２を備え、本発明による広域的シーンコンテクスト（ＧＳＣ）ユニット３を有する。先進的なドライバ支援システム１は、データ取得手段４を備える。図４に示すようにデータ取得手段４は一つまたは複数のセンサ６．１、６．２、６．３、・・・からホスト乗り物の交通環境に関係する（または表現する）データ１０を取得する。このセンサ６．１、６．２、６．３、・・・はさまざまなタイプのものであることも同じタイプのものであることもでき、ホスト乗り物に搭載され、特にホスト乗り物の運転方向を観察することができる。センサ６．１、６．２、６．３、・・・は、相対的な速度、位置、その他の変数を計測することができ、これにより交通参加者間の関係を求めることができるよう構成されており、または道路インフラストラクチャを検出するように構成されることができる。

データ取得手段４は、車対車、車対インフラストラクチャの通信手段７、無線交通サービス受信機８、カーナビゲーション手段９、ＧＮＳＳ受信機５などのソース、その他、ホスト乗り物の交通環境の個々の情報エレメントの外部または内部の（搭載された）ソースへのインターフェイスからも交通環境に関するデータを取得することができる。

交通環境を表現する取得されたデータが予測システムユニット２に提供される。予測システムユニット２を図５を参照して詳細に説明する。

予測システムユニット２は、予測情報１５を乗り物作動手段１７に提供し、予測情報１５に基づいて直接的な作動を生じさせるか、または図４に示していない制御手段によって作動を生じさせる。典型的には、予測情報に基づいて発生された作動信号がスロットル制御および/またはブレーキ制御を行うために使用される。また、追加的または代替的に、この作動信号は、たとえば一番簡単なケースとしては信号灯（方向指示器）であることができるそれぞれのドライバ警告手段１６において情報のためのドライバ警告が実行されるようにする。

図５に示すような予測システムユニット２は、データ取得手段４によって取得される交通環境１０に関するデータに基づいて直接的インジケータを計算するための直接的インジケータ計算ユニット１８を備える。交通環境１０を表現するデータは、データ取得ユニット４によって取得される位置、速度、・・・などについての情報を含んでおり、間接的インジケータ計算ユニット１９に提供され、コンテクストベースの予測のための間接的インジケータが計算される。間接的インジケータは、従来手法で計算された間接的インジケータからなることができ、これは間接的インジケータ計算ユニット１９においてセンサ６．１、６．２、６．３の信号から計算される。インジケータ計算の説明および交通オブジェクトの挙動予測の実行のため、EP 2 562 060 A1を参照し、その内容は参照によりここに取り込まれる。

直接的インジケータは物理的予測ユニット２１に供給され、間接的インジケータがコンテクストベースの予測ユニット２０に供給される。コンテクストベースの予測計算の結果は次いでたとえば有効性の確認および真実性のチェックのために物理的予測計算ユニット２１に供給され、これはここで参照するEP 2 562 060 A1に詳しく記載されている。最後に予測情報１５が予測システムユニット２によって出力され、各ドライバ警告ユニット１６において情報のためのドライバ警告も実行されるようにする。また、追加的または代替的に、この信号は乗り物作動ユニット１７に供給され、これはこの信号に基づいて直接的に作動されるかまたは予測システムユニット２から供給される信号を入力として受け取る制御ユニットによって作動される。典型的には出力信号がスロットル制御および/またはブレーキ制御に使用される。

本発明の詳細を説明する前に、コンテクストベースの予測を本発明を理解するために必要と思われる限度で説明する。

コンテクストベースの予測は、１組の分類器からなる。

ここで各分類器

は次の式で表される、ターゲット乗り物

が時間 t + Δt で挙動 b ∈B を実行する、次の式で表される確率を推定する。

各挙動 b について異なる組の分類器を使用することができる。ここで B は、たとえば次の挙動を含む。
B = {レーン − 変更 − 左、レーン − 変更 − 右、追従 − レーン} (3)

フィーチャーベクトル

が間接的インジケータに基づいて各

および各分類器

について計算される。ここで、

ここで、

が時間 t + Δt で挙動 b を実行する確率が次式で推定される：

式(7)、(8)は各挙動について、重み付けられた組み合わせの１組の複数の分類器によって推定され、各分類器が異なる組のインジケータを使用することを規定する。

挙動の開始前に早期の予測を可能にするために直接的インジケータは使用する必要がない。

したがって、コンテクストベースの予測は未来の挙動のクラスを決めることができるが、

の動きの時間および空間の面で完全な実行はできない。言い換えると、コンテクストベースの予測は、各挙動

が時間

の辺りで生じる確率を推定するが、

の時間

における正確な

および位置

はわからない。

上述のように直接的インジケータを使用しないコンテクストベースの予測に加えてまたはこれと代替的に、予測時間

に基づく直接的および間接的インジケータを動的に含む分類器を使うことができる。たとえば、分類器は

に対して間接的インジケータを使用し、

について直接的インジケータにフェード（徐々に移行）することができる。

既知のコンテクストベースの予測がその限界に達する状況の例を説明する。

図１Aおよび１Bの乗り物Ａは、その未来の動き挙動を推定すべきターゲット乗り物を表すとする。乗り物Ａは高速道路の同じく中央レーンを走る乗り物Ｂに近づき、乗り物Ｂは乗り物Ａよりも低速でクルーズ（走行）している。コンテクストベースの挙動予測は、複数レーンの道路の左レーン上のギャップを求めるが、このギャップは乗り物Ａによく適合しない、なぜならホスト乗り物Ｅがターゲット乗り物Ａよりもはるかに高速で近づきつつあるからである。

図１Ａでは、乗り物Ａと同じ方向に走る短距離間隔の多くの乗り物で道路が混雑している。乗り物Ａはホスト乗り物Ｅの前方でレーンを変更しようとしているが、求められたギャップは全く満足できるものではなく、レーン変更（車線変更）にはあまり適していない。

図１Ｂでは乗り物Ａと同じ方向に走る乗り物はわずかで乗り物間の距離は概して大きい。乗り物Ａはホスト乗り物Ｅが通過した後でレーン変更しようとしているが、道路がすいているので図に描いたような進行が可能である。

しかし従来の動き挙動予測法に基づくと、図１Ａおよび１Ｂのどちらのケースでも乗り物Ａの同じ挙動が予測される。これは、どちらのケースでもターゲット乗り物としての乗り物Ａの挙動の予測の局所的コンテクストは同じだからである。したがって、従来のコンテクストベースの予測は両方のケースを同じと考え、図１Ａおよび１Ｂ弐描かれる状況に対し同じ挙動予測を提供する。しかし、図１Ａおよび図１Ｂに描かれる状況ではターゲット乗り物Ａは異なる行動をとる可能性が高い。したがって、従来のコンテクストベースの予測システムに本来的なターゲット乗り物の挙動予測における不正確さが問題となる。

図２Ａおよび２Ｂは、既知のコンテクストベースの予測の限界が明らかとなる他の例を示す。ターゲット乗り物としての乗り物Ａが乗り物Ｂに近づく。乗り物ＡおよびＢは両方とも多数レーン（車線）の道路の中央レーンｃ上を走っている。乗り物Ａが中央レーンから左レーンに変更するかもしれない。左レーン上で乗り物Ａの前方に適切なギャップがあることが判定される。

しかし図２Ａに描かれる状況では広域速度制限がないので、乗り物Ａは乗り物Ｅが高速で走行しているかもしれないことを考慮してレーンｃからレーンｌへの変更を行わない。

図２Ｂに描かれている状況は、図２Ａに描かれているのと同じ局所的な交通配置を示している。状況の相違点は、図２Ｂに速度制限ラベル“１３０”で示す広域的速度制限および乗り物Ａがこの速度制限を超えているという事実である。図２Ｂの状況では、乗り物Ｂの速度Ｖ_Ｂを超えているターゲット乗り物Ａの速度Ｖ_Ａに応答してコンテクストベースの予測システムがターゲット乗り物Ａのレーン変更操作を予測する。ここでターゲット乗り物Ａのドライバは、乗り物Ｅも速度制限を遵守しなければならないから、後方からそんなに速く近づいてこないと考えるであろう。

従来のコンテクストベースの予測システムは、図２Ａおよび図２Ｂのそれぞれのシーンの間での相違点を検出するに適しておらず、両シーンについてターゲット乗り物Ａの割り込み（カットイン）を予測するか、または図２Ａおよび２Ｂの状況について割り込みなしを予測するかのどちらかであろう。従来の手法は同じ状況について決定するからである。

図３Ａおよび３Ｂは既知のコンテクストベース予測の限界が含まれるさらなる例を示す。

図３Ａおよび３Ｂの状況は、乗り物Ａが複数レーンの道路の中央レーンｃ上を、この道路の同じレーンｃを速度Ｖ_Ｂでクルーズしている乗り物Ｂより速い速度Ｖ_Ａで走行しているので、乗り物Ｂに近づきつつあることを示している。左レーンｌ上にほぼ適当なギャップが存在することが判断される。

乗り物の同じ配置を示す図３Ａおよび３Ｂの両ケースで、コンテクストベース予測の周知の手法は、交通環境１０を表現するデータのエレメントの値および挙動予測のために考慮すべきしきい値に依存して、割り込みありまたは割り込みなしを予測するであろう。図３Ｂでは道路面が平坦で乾燥しているのに対し図３Ａでは道路面が凍っていても、従来技術では図３Ａと図３Ｂとの間には相違がないであろう。

本発明による広域コンテクストを考慮すると、図３Ａにおいては乗り物Ａは矢印で示すようにレーンｃからレーンｌに変更することはないと予測されなければならない。なぜなら、横方向の加速は乗り物のコントロールを失う確率を増加させるからである。一方、図３Ｂでは、良好な道路条件を考慮に入れて、乗り物Ｂのドライバは高い確率でレーン変更操作を始めるので、ホスト乗り物Ｅについて割り込み状況が生じる。

したがって、図３Ａおよび３Ｂに示す例としての状況でも既知のコンテクストベース予測システムによる挙動予測の限界が強く見られる。図３Ａの状況は凍った路面について説明したが、雨、雪、泥、こぼれたオイルまたは路面の全体的な相違のようなその他の特定の路面特性が同様の結果を導くであろう。

次ぎに、広域的シーンのコンテクスト情報を本発明による予測システムに統合することについて図４から６を参照して説明する。

図４でデータ取得手段４が交通環境を表現するデータを取得する。ホスト乗り物の交通環境１０を表現するデータを予測システムユニット２に供給するばかりでなく、交通環境を表現するデータは広域的シーンコンテクスト推定ユニット（ＧＳＣ推定ユニット）１１にも提供される。ＧＳＣ推定ユニット１１は交通環境１０を表現するデータに基づいてデータを処理し広域的シーンコンテクスト情報１２を発生する。

一実施例のＧＳＣ推定ユニット１１は、広域的シーンコンテクストを求めるため交通環境１０を表現する入力データの個々のエレメントを分析するよう構成されている。たとえばＧＳＣ推定ユニット１１はセンサ６．１、６．２、・・・によって認識されるすべての交通参加者の速度を分析し、乗り物に対する広域速度制限を求めることができるかどうか決定することができる。たとえば、ＧＳＣ推定ユニット１１は、ＧＮＳＳによって取得されたホスト乗り物の位置情報、搭載され格納されている地図情報、ブロードキャストサービスを介して取得される天気情報を組み合わせて悪天候による悪い道路状況について決定することができる。車対インフラストラクチャの通信受信機７から取得されたデータを介してターゲット乗り物の前方の道路の氷で覆われた帯状領域が識別されることもあり、このときＧＳＣ情報１２のエレメント「氷状の道路」がＧＳＣ推定ユニット１１によって発生され出力される。

ＧＳＣ情報１２は、予測システムユニット２のための予測適合化情報１４を処理し発生するために広域的シーンコンテクストコンバータユニット（ＧＳＣコンバータユニット）１３に供給される。

ＧＳＣコンバータユニット１３は、ＧＳＣ推定ユニット１１から受け取った推定されたＧＳＣ情報１２から、予測情報をどのように修正するか、および/または予測システムユニット２における予測情報の発生をどのように修正するか、について特定の情報を抽出するよう構成されている。ＧＳＣ推定ユニット１１によって推定された広域的シーンコンテクストは、ＧＳＣ情報１２に入れられる。ＧＳＣコンバータユニット１３によって出力される予測適合化情報１４は、たとえば予測システムユニット２における挙動予測ステップの結果を直接的に修正するためのパラメータを含む。特に、コンテクストベースの予測ステップの結果が広域的シーンコンテクストに適合化されることができる。予測適合化情報１４は、物理的予測ステップの結果を広域的シーンコンテクストに適合化させる情報を含むこともできる。結果を適合化させることは、たとえば予測結果に含まれる確率値を予測適合化情報に含められて予測システムに送られる乗数とかけ算することによって行うことができる。挙動予測の適合化は、予測適合化情報に含めて伝送された値に従って、コンテクストベースの予測で使われた状況モデルにおけるインジケータ値を修正することをも含むことができる。

図５および６は、間接インジケータ計算ユニット１９における間接インジケータのインジケータ値を適合化する見込みを表している。図６はインジケータ値を適合化する（または調整する）２つの処理を示しており、間接インジケータ計算ユニット１９でインジケータの計算に使われるパラメータを適合化するか、または適合化されたインジケータを組み合わせる前に間接インジケータ計算ユニット１９によるインジケータ値出力を直接的に変倍し、適合化され組み合わされたインジケータ値をコンテクストベースの予測計算ユニット２０に提供する。

図７Ａ、７Ｂ、８および９は、本発明の一実施例による交通乗り物の動き挙動を予測するためのシステムにおける広域的シーンコンテクスト推定の例を示す。図７Ａおよび７Ｂの状況は複数レーンを有する高速道路の２つのレーン上の道路シーンを描いている。図７Ａのシーンは図７Ｂのシーンと異なって大きい交通密度であり、図７Ｂのシーンは軽度の交通で特徴付けられる。乗り物Ａ、ＢおよびＥのそれぞれの速度はＶ_Ａ、Ｖ_ＢおよびＶ_Ｅであり、その配置は図１Ａおよび１Ｂのシーンに対応する。

図７Ａについての本発明の実施例による動き挙動予測の方法が図８に描かれている。図８において無線交通サービス８からのメッセージが受信され処理のためにデータ取得ユニット４に送られる。このメッセージは公衆高速道路の特定の区間における交通渋滞に言及するものとする。この道路区間は図７Ａのシーンを含むものとする。

データ取得ユニット４はさらに地図情報を含むナビゲーション情報および位置情報を取得し、交通環境１０を表現する取得されたデータのエレメントをＧＳＣ推定ユニット１１に提供する。ＧＳＣ推定ユニット１１は交通環境１０を表現する取得データを処理し、交通環境１０を表現するデータの個々のエレメントである、「無線交通メッセージ」、「位置情報」および「ナビゲーション情報」をリンクすることによってターゲット乗り物の現在位置に対する大きい交通密度を示唆する広域的シーンコンテクストを推定する（求める）。一実施例の広域的シーンコンテクスト推定ユニット１１は、さらにターゲット乗り物を取り巻く他の交通参加者の数および速度を示すセンサデータをセンサ６．１、６．２、６．３から取得する。一実施例ではセンサデータは、処理された交通データの有意性を増すために処理ステップにおいて時間にわたって平均されることができる。したがって、ＧＳＣ推定ユニットは、ターゲット乗り物の周囲をモニタすることによって示唆された大きい交通密度が正しいことを確認することができ、大きい交通密度を報告する確認された広域的シーンコンテクスト情報１１をＧＳＣコンバータユニット１３に提供することができる。

ＧＳＣコンバータユニット１３は、大きい交通密度を表すＧＳＣ情報１２を処理して１組の変倍値を生成し予測適合化情報１４に含める。この実施例での予測適合化情報１４は、１組の変倍値（変倍パラメータ）を含み、各変倍値は図６に示すコンテクストベースの予測ステップで求められた真に一つのインジケータ１９．１、１９．２、・・・、１９．Ｎに対応する。図８では広域的シーンコンテクスト推定「高交通密度」の結果が変倍値“ｍ１＝１，５”および“ｍ２＝１，０”および“ｍ５＝１，５”となり、ＧＳＣコンバータユニット１３から予測システムユニット２に提供される。

図９に描かれるように、予測システムユニット２の間接インジケータ計算ユニット１９が予測適合化情報１４を取得し間接インジケータ「近づきつつある先行車」１９．１および「適切な左ギャップ」１９．５のためのそれぞれの変倍パラメータをそれぞれの乗数１，５に設定する。間接インジケータ「強く加速」１９．２は、予測適合化信号に含まれている変倍値ｍ２＝１，０に従って変えられないままになる。それぞれの適合化された（変倍された）出力値が合成器（コンバイナ）２４で連結されてからコンテクストベースの予測ユニット２０に供給され、物理的予測計算ユニット２１においてさらに処理され最終的に予測情報１５が生成される。

間接インジケータ「近づきつつある先行車」１９．１および「適切な左ギャップ」１９．５を増幅し、広域コンテクストとして高交通密度の場合その他の間接インジケータを維持すると、図７Ａの状況において左レーンｌへのレーン変更を予測する可能性が増すことになり、したがってターゲット乗り物Ａにとって比較的小さなギャップしかないときでもターゲット乗り物Ａに関し割り込み挙動を予測する確率が高くなる。

図７Ｂのシーンでは議論が逆になる。図８においてＧＳＣ推定ユニット１１が緩い交通密度を推定する。この広域コンテクスト推定は、ＧＳＣ推定ユニット１１が、ターゲット乗り物の実際の位置についてのそれぞれの交通メッセージが有効でなく、センサ６．１、６．２、６．３、・・・からの信号に基づいて高交通密度が判定されておらず、近隣の乗り物によって高交通密度が通信されていないことを確認するプロセスの結果として得られる。交通環境１０を表現するデータのこれらのエレメントの一つを処理することによって、またはＧＳＣ推定ユニット１１で実行される広域的シーンコンテクスト推定の信頼性を高めるためにこれらのエレメントの組み合わせを処理することによって、「緩い交通」という広域的シーンコンテクストが求められる。ＧＳＣコンバータユニット１３がそれぞれのＧＳＣ情報１２を受け取りコンテクストベースの予測システム２における間接インジケータ１９．１、１９．２、・・・のための適当な変倍値を設定して、予測適合化情報１３を生成する。図７Ｂの状況を例として参照すると、これは間接インジケータ「近づきつつある先行車」１９．１および「適切な左ギャップ」１９．５の相対的重みを他の間接インジケータ、「強く加速」１９．２に関して低減することを意味する。したがって、コンテクストベースの予測計算ユニット２０の出力および予測システムユニット２による予測情報１５出力は、広域的シーンコンテクストとして緩い交通密度について割り込み挙動の予測をもたらす。なぜなら、間接インジケータ１９．２、１９．２、・・・１９．Ｎの出力値は大きなギャップだけが求められるように変倍され、乗り物の高い相対速度は予測された割り込み挙動の確信を高める結果となるからである。

図７Ａ、７Ｂ、８および９を参照して説明した広域的シーンコンテクスト推定を有するコンテクストベースの予測の実施例は、したがって、コンテクストベースの予測と物理的予測との組み合わせだけに依存する従来の手法に比べて予測品質の向上を呈する。

ＧＳＣ推定ユニット１１の実施例においては、広域的シーンコンテクストの推定は交通環境１０を表現する取得データに含まれる一つのエレメントに基づく。広域的シーンコンテクストの推定は交通環境１０を表現するデータにも基づくことができ、これにより本発明から逸脱することなく推定された広域的シーンコンテクストの信頼度を向上させることができる。

図１０Ａ、１０Ｂ、１１および１２は、ターゲット乗り物の動き挙動を予測するための本発明の方法の一実施例によって扱われるさらなるシーンを表現する。乗り物Ａ、乗り物Ｂおよびホスト乗り物Ｅの全体的な配置は図２Ａ、２Ｂに関連してこれまでに説明した状況に対応するので、さらなる説明は省略する。

センサユニット６．１、６．２、６．３が複数の乗り物、好ましくはセンサのレンジ内にあるすべての乗り物、の速度を測定し、ＧＳＣ推定ユニット１１は広域速度誠意源の存在を推測するよう構成されている。ＧＳＣ推定ユニットは、速度制限の存在およびその値を判定する時点で終わる予め定めた時間間隔中に測定された乗り物速度を使用するのが好ましい。広域速度制限の存在についてのそれぞれの情報は位置情報と組み合わせてマップ情報を調べることによっても発生することができる。

図１０Ａの状況においてＧＳＣ推定ユニット１１は、複数の乗り物の測定された速度の分布から上限が設定できないので、広域速度制限が存在しないと結論する。

図１０Ｂの状況においてＧＳＣ推定ユニット１１は、乗り物のいくつかだけがより速い速度で走っていることが速度分布からわかり、速度の上限を設定することができ、130 km/h の広域速度制限が存在すると判断する。

図１１は、ターゲット乗り物の動き挙動を予測するための本発明の方法の一実施例を示し、関係する情報フローが表現されている。ターゲット乗り物の交通環境１０を表現するデータは、ターゲット乗り物Ａ、乗り物Ｂおよびホスト乗り物Ｅについて測定その他の方法により取得した速度Ｖ_Ａ、Ｖ_Ｂ、Ｖ_Ｅを含むものとして示されている。ＧＳＣ推定ユニット１１はターゲット乗り物の周囲の乗り物の挙動を、それらの位置およびそれらの速度に関する値を取得することにより継続的にログ（記録）する。乗り物Ａ、Ｂおよびホスト乗り物Ｅの位置および速度を表現する取得された値が統合され、交通環境を表現するデータにおける取得された値から交通状態が推定される。

たとえば、追いついてきているレーンの位置または方向は交通の方向を求めることを可能にする。一例では、知覚される最大速度を使って速度制限の存在および許される最高速度の推定値についての提案を提供することができる。GSCコンバータユニット１３が130 km/h という広域的な速度制限への言及を含むGSC情報１２を処理し、交通状態「130 km/h という広域速度制限」を予測システムユニット２における予測計算を変えるよう構成された１組のパラメータへと変換し、これにより 130 km/h という求められた広域速度制限が考慮に入れられる。

図１０Ｂの 130 km/h という求められた広域速度制限の場合、ターゲット乗り物が推定された広域速度制限を超える速度で走っておりギャップの後方境界に対する相対的距離および/または相対的速度の作用を弱めるならば、割り込み（カットイン）挙動予測を導くよう間接インジケータ計算ユニット１９における間接インジケータ「左ギャップ合わせ」のインジケータ値を変えることができる。ＧＳＣコンバータユニット１３は、たとえば重み付け値などの対応する予測適合化情報１４を生成し、生成された余録適合化情報を予測システムユニット２に提供する。

図１２は、広域速度制限を求めるための、予測システムユニット２の間接インジケータ計算ユニット１９におけるパラメータ２２．１、２２．２、・・・、２２．５を使った間接インジケータ１９．１、１９．２、１９．Ｎのそれぞれの計算を描く。予測システムユニット２への予測適合化情報１４入力は、間接インジケータ「左ギャップ合わせ」１９．５を計算するための情報を含み、ターゲット乗り物Ａが広域速度制限を超える速度で走っているならば、高いインジケータ値が計算されるようになっている。この高い値は、ギャップの後方境界への接触までの時間（ＴＴＣ、time-to-contact）が低い場合にも計算される。上に説明した実施例の例において、このＴＴＣ値が６秒を超えるならばギャップはよく適合していると通常考えられる。広域速度制限の場合、間接インジケータ「左ギャップ合わせ」１９．５の計算に使用するパラメータ２２．５は、ターゲット乗り物が広域制限速度を超えて走行しているならば、ＴＴＣ値を４秒という値に減らすよう変更されることができる。

図１０Ａに示すように広域速度制限が存在しないと推定するとき、ＧＳＣコンバータユニット１３は、間接的インジケータ「左ギャップ合わせ」１９．５のインジケータ値を割り込み挙動予測を避けるに適すように低減させる予測適合化情報１４を発生するか、またはシステムをその通常動作にリセットするよう構成されている。

図１３Ａおよび１３Ｂは、本発明のさらなる実施例を説明するための交通配置を示す。

図１３Ａの場合、データ取得手段４によって取得された交通環境１０を表現するデータは、ターゲット乗り物の走行方向の前方の道路についての情報を含む。道路についてのデータは道路の特定の状態として凍結道路を示す。この種の情報は、たとえば先行する乗り物の車輪スリップの検出から推論することができ、車対インフラストラクチャ通信を介して通信され、影響する領域を走行中の他の乗り物に配信されることができる。

図１３Ａではターゲット乗り物の前方の道路についての情報が凍結道路についての情報を含む。ＧＳＣ推定ユニット１１において生成されたＧＳＣ情報１２は、したがって道路状態が「凍結」であることの識別子を含む。ＧＳＣコンバータユニット１３は予測適合化信号を生成するよう構成されており、この信号によりターゲット乗り物Ａのレーン変更挙動の確率が抑えられることになる。

図１４の情報フローはデータ取得手段４によって取得された1 km 先の乗り物のタイヤがスリップしている交通環境を表現するデータを示す。ＧＳＣ情報１２におけるそれぞれの道路状況は広域コンテクストとして凍結した道路状況を規定している。ＧＳＣコンバータユニット１３がＧＳＣ情報１２を処理する。レーン変更（車線変更）の確率の広域的な抑制は、図１４の実施例ではＧＳＣコンバータユニット１３における「道路状況＝凍結」という用語をパラメータ“Ｃ ＝ ０，５”からなる予測適合化情報１４に変換することによって達成され、この予測適合化情報は予測システムユニット２に転送される。

図１５は、凍結道路という広域的シーンコンテクストを含むＧＳＣ情報１２に反応して生成される予測適合化信号１４に反応する予測システムユニット２での処理のより詳細を示す。レーン変更の確率は、コンテクストベースの予測および/または物理的予測におけるレーン変更挙動の計算された確率を直接的に低減させることによって低減される。このような確率の低減は、物理的予測計算ユニット２１およびコンテクストベースの予測計算ユニット２０による確率出力に予め定めた定数値を乗算することによって行うことができる。

予測適合化情報１４は、間接インジケータ１９．１、１９．２、・・・、１９．Ｎ、間接インジケータ計算ユニット１９で間接インジケータ１９．１、１９．２、・・・、１９．Ｎの計算に使われるパラメータ２２．１、２２．２、・・・、２２．Ｎのため、および予測システムユニット２による予測情報１５出力のための、少なくとも一つの変倍値を含むことができる。特に図１５に示す実施例は例示のためのものであり、本発明から逸脱することなく、予測計算の出力のためおよび予測確率の適合化のための変倍パラメータを組み合わせることもできる。もちろん、予測適合化情報のさまざまの可能性およびその使用は、本発明を説明するための例として使用した交通シーンに限られない。

図１６は本発明の一実施例で実行される方法ステップのシーケンスを描くフローチャートである。ホスト乗り物のドライバを支援する方法は、データ取得手段４がホスト乗り物の交通環境１０を表現するデータを取得する第１ステップＳ１を含む。次のステップＳ２では、交通環境１０を表現する取得されたデータに基づいて広域的シーンコンテクスト情報１２が生成される。後にステップＳ３において、ＧＳＣ情報１２が処理され、ＧＳＣ情報１２に基づいて予測適合化情報１４が生成される。次のステップＳ４は、適合化された予測情報１５を生成することを含み、この予測情報はＧＳＣコンバータユニット１３によって提供される予測適合化情報１４に基づいて適合化される。次のステップＳ５では適合化された予測情報１５がたとえば作動手段１７または警告手段１６に出力される。

まとめると、本発明の方法、システム、乗り物およびプログラムによると、ターゲット乗り物が１組のあり得る未来の動き挙動の一つを実行する確率の計算が実行される。動き挙動予測は予測システムによって計算されるのが好ましいが、コンテクストベースの予測システムおよび交通環境の広域コンテクストを考慮しての計算に限定される訳ではない。上に説明した実施例のすべての単一のフィーチャーを適切かつ有利に組み合わせることも可能である。

Claims (9)

1. 少なくとも一つのデータ取得手段および処理手段を備える乗り物のドライバを支援するための方法であって、
   前記データ取得手段によって、交通環境を表現するデータを取得するステップと、
   前記取得したデータに基づいて間接的インジケータと直接的インジケータとを算出するステップであって、前記間接的インジケータは、対象物体の将来移動挙動が予測される交通シーンに関する情報を与えるものであって且つ予測されるべき前記将来移動挙動が開始される前に観測可能な指標であり、前記直接的インジケータは、変数を提供するものであって、検出対象である挙動が既に開始されたときに且つその場合にのみ観測可能な指標であるステップと、
   実際の交通状況について少なくとも一つの対象物体の将来移動挙動を、コンテクストベース予測と物理的予測とを用いて予測することにより、予測情報を生成するステップであって、コンテクストベース予測では、前記少なくとも一つの対象物体が一組の可能性のある将来移動挙動の一つを実行する確率が一組の複数の分類器の重み付け結合により算出され、前記分類器のそれぞれは、間接的インジケータの異なる組み合わせを用いるものであり、前記物理的予測は、前記直接的インジケータに依拠して前記コンテクストベース予測の結果を検証するものであるステップと、
   前記予測情報を出力するステップと、
   を含む方法において、
   前記交通環境を表現する前記データから広域的シーンコンテクストデータを生成するステップであって、広域的シーンコンテクストは、前記予測情報の生成の基礎を構成する交通シーンの中の全ての交通参加者について有効なコンテクストであり、前記広域的シーンコンテクストデータは、前記広域的シーンコンテクストを示すものであるステップと、
   前記広域的シーンコンテクストデータに基づき、前記予測情報を前記広域的シーンコンテクストに適合させるための予測適合化情報を、
   −前記コンテクストベース予測の状況モデルにおけるそれぞれの間接的インジケータについて、前記予測適合化情報として、前記間接的インジケータのインジケータ値を修正するための変倍値又は前記間接的インジケータの算出に用いられるパラメータについての変倍値であって、それぞれが真に一つの間接的インジケータに対応している変倍値を生成すること、
   −前記間接的インジケータの算出の結果を直接的に適合させるよう構成され且つ意図された前記予測適合化情報を生成すること、
   −前記コンテクストベース予測の結果を直接的に適合させるよう構成され且つ意図された前記予測適合化情報を生成すること、および、
   −前記物理的予測の結果を直接的に適合させるよう構成され且つ意図された前記予測適合化情報を生成すること、
   の少なくとも一つを実行することにより生成するステップと、
   を備え、
   前記予測情報を生成するステップでは、
   −前記変倍値により、前記インジケータ値及び又は前記パラメータを修正すること、
   −前記予測適合化情報（１４）により、前記間接的インジケータの算出の結果を適合させること、
   −前記予測適合化情報により、前記コンテクストベース予測の結果を適合させること、および、
   −前記予測適合化情報（１４）により、前記物理的予測の結果を適合させること、
   の少なくとも一つを実行することにより、前記予測情報が適合化される、
   ことを特徴とする方法。
2. 前記広域的シーンコンテクストデータを生成するステップでは、
   前記乗り物に搭載された少なくとも一つの局所センサによって取得されるセンサデータから広域的シーンコンテクストを推定するステップ、および、
   前記乗り物の外部から受け取られたデータから前記広域的シーンコンテクストを推定するステップ、
   のうちの少なくとも一つを実行することを特徴とする、請求項１に記載の方法。
3. センサデータから広域的シーンコンテクストを推定する前記ステップでは、前記少なくとも一つのセンサが他の乗り物の挙動及び又は状態を記録することにより前記広域的シーンコンテクストデータが生成され、該記録された挙動からの交通状態の判定が実行される、
   ことを特徴とする、請求項２に記載の方法。
4. 乗り物のドライバを支援するためのシステムであって、
   交通環境を表現するデータを取得するよう構成された少なくとも一つのデータ取得手段と、
   前記取得したデータに基づいて間接的インジケータと直接的インジケータとを算出する手段であって、前記間接的インジケータは、対象物体の将来移動挙動が予測される交通シーンに関する情報を与えるものであって且つ予測されるべき前記将来移動挙動が開始される前に観測可能な指標であり、前記直接的インジケータは、変数を提供するものであって、検出対象である挙動が既に開始されたときに且つその場合にのみ観測可能な指標である手段と、
   実際の交通状況について少なくとも一つの対象物体の将来移動挙動を、コンテクストベース予測と物理的予測とを用いて予測することにより、予測情報を生成するよう構成された処理手段であって、コンテクストベース予測では、前記少なくとも一つの対象物体が一組の可能性のある将来移動挙動の一つを実行する確率が一組の複数の分類器の重み付け結合により算出され、前記分類器のそれぞれは、間接的インジケータの異なる組み合わせを用いるものであり、前記物理的予測は、前記直接的インジケータに依拠して前記コンテクストベース予測の結果を検証するものである手段と、
   を備えるシステムにおいて、
   前記処理手段は、前記交通環境を表現する前記データから広域的シーンコンテクストデータを生成するよう構成され、広域的シーンコンテクストは、前記予測情報の生成の基礎を構成する交通シーンの中の全ての交通参加者について有効なコンテクストであり、前記広域的シーンコンテクストデータは、前記広域的シーンコンテクストを示すものであり、
   前記処理手段は、前記広域的シーンコンテクストデータに基づき、前記予測情報を前記広域的シーンコンテクストに適合化させるための予測適合化情報を、
   −前記コンテクストベース予測の状況モデルにおけるそれぞれの間接的インジケータについて、前記予測適合化情報として、前記間接的インジケータのインジケータ値を修正するための変倍値又は間接的インジケータの算出に用いられるパラメータについての変倍値であって、それぞれが真に一つの間接的インジケータに対応している変倍値を生成すること、
   −前記間接的インジケータの算出の結果を直接的に適合させるよう構成され且つ意図された前記予測適合化情報を生成すること、
   −前記コンテクストベース予測の結果を直接的に適合させるよう構成され且つ意図された前記予測適合化情報を生成すること、および、
   −前記物理的予測の結果を直接的に適合させるよう構成され且つ意図された前記予測適合化情報を生成すること、
   の少なくとも一つを実行することにより生成するよう構成され、かつ、
   前記処理手段は、
   −前記変倍値により、前記インジケータ値及び又は前記パラメータを修正すること、
   −前記予測適合化情報（１４）により、前記間接的インジケータの算出の結果を適合させること、
   −前記予測適合化情報により、前記コンテクストベース予測の結果を適合させること、および、
   −前記予測適合化情報（１４）により、前記物理的予測の結果を適合させること、
   の少なくとも一つを実行することにより、前記予測情報を適合化するよう構成されている、
   ことを特徴とする、乗り物のドライバを支援するためのシステム。
5. 前記処理手段は、前記乗り物に搭載された少なくとも一つの局所センサによって取得されるセンサデータから広域的シーンコンテクストを推定すること、および、前記乗り物の外部から受け取られたデータから前記広域的シーンコンテクストを推定すること、のうちの少なくとも一つを実行することによって広域的シーンコンテクストデータを生成するよう構成された広域的シーンコンテクスト推定ユニットを備える、
   ことを特徴とする、請求項４に記載の、乗り物のドライバを支援するためのシステム。
6. 前記広域的シーンコンテクスト推定ユニットは、前記少なくとも一つのセンサが他の乗り物の挙動及び又は状態を記録することにより前記広域的シーンコンテクストデータを生成するよう構成され、該記録された挙動からの交通状態の判定が実行される、
   ことを特徴とする、請求項５に記載の、乗り物のドライバを支援するためのシステム。
7. 請求項４から６のいずれか１項に記載のドライバ支援システムを備えた乗り物であって、
   前記ドライバ支援システムは、当該ドライバ支援システムの出力信号に基づいて前記乗り物の制御に影響を与えるよう構成されている、
   ことを特徴とする乗り物。
8. コンピュータまたはディジタル信号プロセッサ上で実行されたときに、請求項１から３のいずれか１項に記載のステップを実行するプログラムコード手段を有する、コンピュータプログラム。
9. コンピュータまたはディジタル信号プロセッサ上で実行されたときに、請求項１から３のいずれか１項に記載のステップを実行するプログラムコード手段を有するコンピュータプログラムを格納している機械読み取り可能な媒体。

Images