JP6925796B2 - 車両を運転する際に当該車両の運転者を支援する方法及びシステム、車両、並びにコンピュータプログラム - Google Patents

Description

本発明は、車両を運転する際に運転者を支援する先進運転者支援システム（advanced driver assistant systems）及び方法（自動運転を含む）に関し、特に現在の走行状況に関して予想されるリスクを特定する方法及びシステムに関する。

ここ数年、多くの製造業者は、それら製造業者の車両の支援システムを改善する試みを行っている。特に、事故に巻き込まれるリスクを軽減すべく、クリティカルな（きわどい）走行状況において運転者を支援する運転者支援システムが開発されている。そのようなシステムは、車両に分散して配されたセンサ（複数）を用いて当該車両の環境を感知する機能を持つことが多い。自動車内には使用可能な複数のセンサが存在するため、車両環境をかなりの程度まで知覚することができる。そして、そのような環境知覚に基づいて、他の交通参加者に関する情報や、道路構造、建物、その他に関する情報をも含む、環境表現を生成することができる。多くの場合、車両環境からのそのような情報から、当該システムが搭載された自車両の将来挙動のみならず、他の交通参加者の将来挙動も算出される。現在の交通状況に関与する車両（複数）の将来軌道についてのそのような予測により、それら軌道についての分析に基づいて、将来の危険（将来リスク）を算出することができる。そのようなアプローチは、例えば、特許文献１又は特許文献２に記載されている。

他方において、車両の速度、質量、及び衝突可能性を用いる物理モデルベースのリスク推定に基づいて、自車両についてのリスクを推定する（又は見積もる）ことも可能である。さらに、従来技術では、リスクマップを生成するアプローチも開示されており、運転者支援システムは、当該マップを介して、高リスクのポイントを回避する経路を算出する。運転者には、経路や、当該経路に従うために実行すべき運転動作（driving action）に関する情報が与えられる。

独国特許出願公開第１０ ２０１２ ００５ ２７２（Ａ１）号明細書 独国特許出願公開第１０ ２０１１ １０６ １７６（Ａ１）号明細書

これら既知の従来技術のアプローチの問題は、車両の現在の走行状況において感知される環境から導出することのできるリスク要因のみを考慮することにある。しかしながら、多くの場合、特に交差点における危険の位置や種類についての知識は、既に存在している。したがって、運転者支援システムを改善するためには、これにより例えば事故統計を利用して、現在遭遇している交通状況についてのリスク推定を改善することが望ましい。

これは、車両を運転する際に当該車両の運転者を支援する本方法、対応するシステム、車両、及びコンピュータプログラム製品により達成される。

本発明の方法及びシステムによると、まず、センシング手段（sensing means）により車両環境が感知されて、当該車両環境に関する情報が取得される。車両のセンシング手段に用いられるセンサは、例えば、レーダセンサ、ライダセンサ（lidar sensors）、ＩＭＵ（慣性計測装置、inertial measurement unit）、走行距離計、物体検出及び交通要素検出のためのカメラ、ＧＰＳ（全地球測位システム、global positioning system）、その他であるものとすることができる。なお、用語“センサ”には、レーダセンサやライダセンサなどの実際のセンサのほか、“センサ出力”として車両の位置情報を配信するＧＰＳその他のシステムも含まれる。

センサ出力に基づいて、車両のパラメータ、及び又は当該車両の環境内にある物体のパラメータが、処理ユニットにおいて決定される。そのようなパラメータは、特に、交通状況に関与する車両間の関係（relation）に関する情報（例えば予測されるリスクの指標である例えば衝突余裕時間ＴＴＣ（time to collision））で構成される。また、基盤要素に関する情報、及び又は道路構造に関する情報も、考慮され得る。道路構造とは、特に、道路や交差点の配置（geometry）、及び好ましくはレーンの数である。

さらに、本発明のシステムは、走行中に発生し得るプロトタイプの（原型的な）状況（prototypical situations）（以下、原型状況）を記憶ユニットに保存するデータベースを備える。そのような原型状況は、時間的及び空間的に局在化された、道路要素、自車両、他の交通参加者などの要素の配置（constellation）によって特徴付けられる、典型的な状況の例である。さらに、関与する交通参加者の走行の方向、速度等の、それぞれの状態に関する情報を含むと有利である。車両について決定されたパラメータ、及び又は当該車両の環境内の物体について決定されたパラメータに基づいて、処理ユニットにおいて、データベース内に保存されているプロトタイプの（原型的な）交通状況（prototypical traffic situations）（以下、原型交通状況）のパラメータとの比較が行われる。この比較の出力は、交通状況の分類である。すなわち、車両が現在遭遇している交通状況に最も近い一つ又は複数の原型状況が特定される。データベース内に保存されている原型状況のそれぞれについて、それぞれの原型状況に関連付けてリスク情報が保存されている。それぞれの原型状況に関連付けられたそのようなリスク情報は、処理ユニットによりデータベースから抽出され、当該抽出されたリスク情報に基づいて、遭遇した交通状況についての予想されるリスクが算出される。

最後に、車両運転者を支援するため、上記算出された予想されるリスクに基づいて、当該リスクを軽減し、又は運転者が現在の交通状況をどのように扱うべきかを決定できるように少なくとも当該運転者に警告を与えるべく、運転者情報が出力され、及び又は車両制御器が作動される。

本発明は、予想されるリスクを特定する際に、現在感知されている車両走行環境から導出される情報を用いるだけでなく、データベースに保存された情報も用いる。要するに、運転者の支援が、状況分析と、更にはデータベースからのリスク情報と、に基づいて行われる。現在遭遇している走行状況についてのリスク推定の算出に用いるべきリスク情報の選択は、現在遭遇している走行状況をプロトタイプの（原型的な）走行状況（原型走行状況）にマッチングをすることで行われる。これにより、関連のあるリスク情報のみを用いて運転者支援を行うことが保証される。

データベースには複数の原型状況が保存されており、これらの原型状況のそれぞれについて、当該状況におけるリスクを記述する数値の集合が保存されている。そのような情報は、例えば、特定の原型状況において発生する事故の頻度であるものとすることができる。すなわち、車両のセンシング手段により観測された現在の走行状況から導出される情報のほかに、より一般的な情報又は収集された情報も用いて、リスク推定が行われる。

従属請求項では、本発明の方法及びシステムの有利な実施形態が規定される。

特に、時間の経過と共にデータベースを更新すると有利である。そのような更新は、車両の走行動作の際に取得されるセンサ信号を用いて行われ得る。すなわち、公知の態様のセンサ出力に基づいて自車両についての可能性のあるリスクが特定され得る場合には、この情報を用いて、データベースに新しい情報を追加することができる。これは、複数の車両について行われると特に有利である。この場合、それら複数の車両は、共通のデータベースに新しい情報を提供する。すなわち、データベースに保持されるリスクに関する情報は、より広範な基礎（根拠、basis）を持ち、したがって、統計的により適切なものとなる。本発明のシステムを備える任意の車両がそのような共通データベースを用いることができるように、当該共通データベースと、車両に搭載されたデータベースと、が接続されているものとすると更に有利である。すなわち、共通データベースの最新のバージョンをコピーすることにより、当該共通データベースを用いて車両のローカルデータベースを更新することができる。

さらに、車両位置を一つのパラメータとして決定し、当該位置周辺の道路配置情報を用いて走行状況を分析し、それらの具体的な道路構造パターンによって原型状況を定義すると、有利である。そのような場合、例えば特定のタイプの交差点である原型状況に関連付けて保存されるリスク情報は、複数の事故のタイプで構成され得る。すなわち、特定の事故タイプについてのリスク情報が、特定された車両位置に基づいて選択され得る。特定の交差点タイプでは、例えば、当該交差点に異なる種々の方向から接近することが可能である。異なる種々の方向のそれぞれについて、その原型状況についてのリスク情報を保存することができる。すなわち、データベースから抽出されるリスク情報を用いてセンサ出力から分析されたリスク要因から特定される、予想されるリスクを算出する際に、どの事故タイプを用いるのが適切かが、車両の位置に応じて選択される。そして、リスク要因と抽出されたリスク情報との組み合わせを用いて、予想されるリスクが算出される。これには、統計的情報のみが用いられるのではなく、現在遭遇している交通状況から直接的に導出され得る他の側面も用いられる、という利点がある。

さらに、センサ出力から車両運動（vehicle dynamics）を特定することができ、それらの車両運動をも用いて、交通状況の分類が行われる。すなわち、当該運動を用いて、現在遭遇している交通状況をより正確に特定して、原型状況に関して当該分類の結果を最適化することができる。
以下、添付の図を参照して本発明について説明する。

運転者を支援する本システムの構成の概要を示す図である。 データベース内に保存される情報の構成を例示する図である。 本発明の方法の方法ステップを説明するための単純化されたフロー図である。

図１には、本発明のシステムの概観が、車両１の全体に関連して示されている。車両１は、センシング手段２として共通的に示された複数のセンサを備えている。当該センサ（複数）は、カメラ、レーダセンサ、レーザセンサ、その他であり得る。特に、本発明における用語“センサ”には、疑似センサも含まれる。疑似センサとは、例えば、空間座標内における車両の現在の絶対位置を特定することのできるＧＰＳであり得る。そのような空間座標は、ＧＰＳセンサのセンサ出力を表すものと考えられる。また、地図データベースも、そのような疑似センサと考えることができる。デジタル地図は、道路の幾何学的構造、レーンの数や幅、交差点における流入道路部分又は流出道路部分などの重要なデータへの、簡易なアクセスを可能とするものだからである。センシング手段２の出力は、処理ユニット３へ送られる。処理ユニット３は、まず、センサ結果から状況特徴（又は記述子）を抽出するための抽出ユニット４を備える。そのような特徴抽出自体は、既に他の従来システムから既知であるので、その詳細についてはここで繰り返し説明することはしない。これらの特徴は、例えば、車両環境の、感知された全ての物体及び要素、それら相互の関係、特に、それらの、自車両に対する関係、を定義する環境表現を生成するのに用いられる。

特徴抽出セクション４により特定された特徴は、分類器５に送られる。分類器５は、記憶ユニット６に保存されたデータベースに接続されている。分類器５は、データベース内のエントリを読み込む機能を有し、従ってデータベース内の原型状況を定義するパラメータにアクセスすることができる。分類器５では、特徴抽出セクション４により特定されたパラメータ（複数）と、データベース内の原型状況のパターンを記述するパラメータ（複数）と、が互いに比較される。そのようなパラメータの集合の比較に関しては、最新技術により、複数のパターンマッチング手法（例えばニューラルネットワーク、ベイジアンネット（Bayesian Nets）、その他）が提供されている。

分類器５は、さらに、識別セクション７に接続されている。識別セクション７は、関連付けられたリスク情報を抽出すべき最も適切な原型状況を識別するのに用いられる。識別された原型状況は、抽出セクション８に提供される。当該抽出セクション８も、データベースのエントリにアクセスすることができる。抽出セクション８は、識別セクション７により識別された原型状況のそれぞれに関連付けられた、データベース内に保存されているリスク情報を読み込む。次に、このリスク情報に基づいて、リスク推定セクション９において、自車両についての予想されるリスクが算出される。基本的には、予想されるリスクの算出は、従来技術から既知の態様で実行され得る。この算出は、環境感知から特定されるリスク要因のみに基づいて行われるものとするか、又は、好ましくは、データベースから得られるリスク情報からのリスク要因と、センシング手段の出力から特定される追加のリスク要因とに基づいて行われるものとすることができる。

これを行うため、抽出セクション４は、データベースから抽出されるリスク情報に加えて、リスク要因特定セクション１０に接続されている。リスク要因特定セクション１０では、感知された環境から追加のリスク要因が特定される。当該追加のリスク要因は、感知された環境の分析から導出される特徴（features）であって、その状況に関連のあるリスクの推定を可能とする特徴である。標準的な方法は、例えば軌道の交差から衝突が発生する尤度を算出することを目的として、自車両及び他の交通参加者の将来状態（例えば、将来軌道、速度挙動、交通信号の切り替わり等）の予測に基づいてリスク要因を算出することである。これは、例えば衝突余裕時間（ＴＴＣ、Time-To-Collision）（通常、２つの交通参加者が或る仮定された速度と加速度を持って長さ方向に移動を続けたとしたならば互いに出会うこととなるまでの時間として算出される）などの非常に簡単なリスク指標の場合でも同様であり、一般的には、最も広く用いられているＡＤＡＳのためのリスク指標であるいわゆるＴＴＸ指標の場合でも同様である。次に、感知された環境から特定された追加のリスク要因と、データベースから抽出されたリスク情報のリスク要因と、がリスク推定セクション９において組み合わされる。すなわち、自車両について予想されるリスクを推定するため、例えば、事故統計又は、過去における走行状況の観測の繰り返し、分析、及びパターン抽出から得られるより一般的なリスク情報、に基づいた一般的なアプローチを用いるだけでなく、車両の現在の走行状況も用いられる。したがって、予想されるリスクについての推定の全体が、従来技術のアプローチに対して改善される。予想されるリスクは、危険な又は犠牲の大きいイベント、例えば事故が、近い将来において発生することが予想される度合いである。

リスクは、一般的に、有害なイベントの発生確率に、当該イベントが実際に発生したとしたときの深刻さの度合いを乗じたものとして定義される。これは、災害コスト（accident cost）の観点から定量化され得る。例えば、或る相対速度で自動車が互いに衝突した場合、当該衝突は或る災害強度（accident severity）を持つ。より高い相対速度での同様の衝突は、より高い強度を持つと予想される。

リスク推定セクション９で算出される予想されるリスクは、次に、ヒューマン・マシン・インタフェース１１及び又は車両１のアクチュエータ１２へ送られる。

ヒューマン・マシン・インタフェース１１を用いる場合は、運転者への警告又は報知が、既に従来技術から知られている態様で出力され得る。特に、特定のタイプの交差点への具体的な進入が、運転者に提示されているマップ上で示されるか、又は当該マップ上にマークされて、運転者の注意が、その特定の進入、及び最終的には関連のある主要なリスクに、引き付けられる。

実施形態は、データベースが車両１に搭載されているものとして記載されているが、処理ユニットがそのようなデータベースにアクセスできれば十分である。

本発明の一の実施形態によると、データベースは、車両の記録データを用いて更新され及び拡張される。データベースは、この場合には記憶ユニット６内に保存されていれば、ローカルに利用することができ、当該データベースの更新は、自車両の走行統計のみを評価することにより行われる。これに代えて、例えばクラウド技術により、共通データベース１３にオンラインでアクセスできるものとすることができる。この場合には、複数の車両が、当該車両における状況分析結果と、それぞれの対応する位置と、をデータベース更新を管理する何等かのクラウドサービスに送信することとなる。いずれの場合も、関与する車両は、環境を感知して、当該車両の走行状況を分析すると共に、最新技術から周知の何らかのリスク指標により現在のリスクを評価する。そして、（例えば、高速走行での２台の自動車間の密接な接近や、急ブレーキ回避操縦のように）それらのリスク指標がクリティカルな閾値を超えている場合には、走行状況パラメータが、位置などの追加のパラメータと共に、共通データベースへ送信される。データベースでは、次に、状況パターンが、既に存在するパターン（原型状況）と比較され、一致する場合には、当該状況パターンの記述と、これに関連するリスクデータと、が更新される。状況パターンが新しいか又は未知である場合には、そのままデータベース内に登録される。

図２には、データベース内に保存された状態でのデータ構造が例示されている。データベース内に保存された各データセットは、一つの原型状況に対応している。一のデータセットは、一の原型状況に対応しており、特定の交通状況を記述する記述子又はパラメータのパターンを表している。そのような原型状況のそれぞれは、さらに、事故統計に関する詳細な情報を含んでいる。すなわち、原型状況は、関連する位置及び道路構造のような地図ベースの情報を含む実在物の典型的な配置（constellation）及び事故の際に発生したイベントを記述する。また、イベントタイプ（すなわち、どのタイプの事故が発生したか）も含まれる。そのような事故のタイプ（事故タイプ）は、車両対車両事故、車両対基盤事故、車両対歩行者、制御不能、前部又は後部バンパ事故、等であり得る。すなわち、データベース内では、原型状況のそれぞれについて、道路データ及び位置データと状況データとを組み合わせた情報が保存される。すなわち、例えば、“特定の交差点では、自動車Ａが南方向から当該交差点に進入し、他の自動車Ｂが当該交差点を東方向から西方向へ渡った通過したときに、Ｎ件の自動車対自動車の正面衝突事故が発生した”ことを表現する情報や、その同じ交差点において“交通信号が赤の時に西側入り口で追突事故が発生した”ことを表現する情報が与えられ得る。すなわち、一の特定の交差点に関連する複数の異なる事故シナリオが、それぞれ異なる原型状況に関連付けられ得る。

リスク情報は、特定の原型状況についての予想されるリスクの定量化に関連する種々の異なる統計で構成される。例えば、リスク情報は、その状況に関連した事故の発生頻度、記録された深刻度（強度、severity）、及び当該予想されたリスクに大きな影響を持つことから考慮すべきとされる最も重要なリスク要因（複数）を含み得る。これは、例えば、他の自動車の速度、又は信号灯が赤であったときに高確率で事故が発生したこと、であり得る。

図３には、車両走行時に運転者を支援する本方法を説明するための、単純化されたフロー図が示されている。まず、ステップＳ１において、車両に搭載されたセンサにより当該車両の環境が感知される。次に、ステップＳ２において、センサ結果から、車両及び又は当該車両の環境内の物体の、パラメータが決定される。次に、ステップＳ３において、センサ出力から決定されたパラメータを、データベースの原型交通状況を定義するパラメータと比較することにより、これらのパラメータにより記述される交通状況が分類される。

最も適切な原型交通状況（すなわち、車両が遭遇している交通状況に最も近い、対応する原型交通状況）を評価した後、それらの原型状況のそれぞれに関連付けられたリスク情報が、データベースから抽出される（ステップＳ４）。次に、ステップＳ５において、本発明のシステムが搭載された車両についての、遭遇した交通状況に対して予想されるリスクが、上記抽出されたリスク情報に基づいて算出される。最後に、算出された予想されるリスクと、分類された交通状況と、に基づいて、運転者情報が出力され、及び又は車両動作制御器が作動される（ステップＳ６）。

Claims (14)

1. 車両を運転する際に当該車両の運転者を支援する方法であって、
   −車両に搭載されたセンサにより当該車両の環境を感知するステップ（Ｓ１）と、
   −前記センサの出力に基づいて、前記車両及び又は当該車両の環境内の物体のパラメータを複数決定するステップ（Ｓ２）であって、前記車両のパラメータとして前記車両の位置が特定されるステップと、
   −前記決定されたパラメータに基づいて、当該決定されたパラメータをデータベースに保存されている原型状況のパラメータと比較することにより、車両が現在遭遇している交通状況に最も近い一つ又は複数の原型状況を特定するステップ（Ｓ３）であって、前記原型状況のそれぞれは、一の特定の道路構造パターンに関連するものであるステップと、
   −前記データベースから、特定した前記原型状況について、当該原型状況に関連付けて記憶されたリスク情報を抽出するステップ（Ｓ４）であって、前記リスク情報は、特定された前記原型状況及び前記車両の位置について頻繁に発生する事故タイプに関するものであり、特定の原型状況についての予想されるリスクの定量化に関連する情報である、当該特定の原型状況に関連した事故の、発生頻度、深刻度、及び他の自動車の速度又は信号灯の色といったリスク要因を含むステップと、
   −前記抽出されたリスク情報に基づき、前記遭遇した交通状況についての予想されるリスクを算出するステップ（Ｓ５）と、
   −前記算出した予想されるリスクと、特定された前記原型状況と、に基づき、運転者情報を出力し、及び又は車両動作制御器を作動させるステップと、
   を有する方法。
2. 前記データベースは、動作中における前記センサの信号を用いて、時間経過と共に更新される、
   ことを特徴とする、請求項１に記載の方法。
3. 前記データベースは、前記データベースと通信可能に接続された複数の車両の、センサの監視信号を用いて、時間経過と共に更新される、
   ことを特徴とする、請求項１又は２に記載の方法。
4. 前記データベースは、単数又は複数の前記車両から外部的に保存されてその後にコピーされる共通データベース（６）をまず更新することにより、更新される、
   ことを特徴とする、請求項２又は３に記載の方法。
5. 前記車両の位置に基づいて、前記事故タイプの一つに関するリスク情報が選択される、
   ことを特徴とする、請求項１ないし４のいずれか一項に記載の方法。
6. 前記センサの出力からリスク要因が特定され、
   前記データベースから抽出された前記リスク情報に加えて前記リスク要因が用いられて、前記予想されるリスクが算出される、
   ことを特徴とする、請求項１ないし５のいずれか一項に記載の方法。
7. 前記センサの出力から車両運動が特定され、
   前記交通状況の分類の際に、それらの車両運動が用いられる、
   ことを特徴とする、請求項１ないし６のいずれか一項に記載の方法。
8. 車両を運転する際に当該車両の運転者を支援するための先進運転者支援システムであって、記憶ユニット（６）に接続された処理ユニット（３）を備えるシステムにおいて、
   前記車両（１）の環境を感知するセンシング手段（２）と、
   原型状況をリスク情報に関連付けて記憶する前記記憶ユニット（６）に保存されたデータベースと、を備え、
   前記処理ユニット（３）は、
   前記センシング手段の出力に基づいて、前記車両（１）のパラメータ及び又は前記車両（１）の環境内の物体のパラメータを複数決定し、前記車両のパラメータの一つとしては、前記車両の位置が特定され、
   前記決定されたパラメータに基づき、前記決定されたパラメータを前記データベースに保存されている原型状況のパラメータと比較することにより車両が現在遭遇している交通状況に最も近い一つ又は複数の原型状況を特定し、前記原型状況のそれぞれは、一の特定の道路構造パターンに関連するものであり、
   前記データベースから特定した前記原型状況について、当該原型状況に関連付けて記憶されたリスク情報を抽出し、前記リスク情報は、特定された前記原型状況及び前記車両の位置について頻繁に発生する事故タイプに関するものであり、特定の原型状況についての予想されるリスクの定量化に関連する情報である、当該特定の原型状況に関連した事故の、発生頻度、深刻度、及び他の自動車の速度又は信号灯の色といったリスク要因を含み、
   前記抽出したリスク情報に基づき、前記遭遇した交通状況についての予想されるリスクを算出し、
   −前記算出した予想されるリスクと、特定された前記原型状況と基づき、支援信号をヒューマン・マシン・インタフェース及びまたは前記車両の制御器に出力する先進運転者支援システム。
9. 共通データベース（１３）を備えることを特徴とする、
   請求項８に記載の先進運転者支援システム。
10. 前記センシング手段（２）は、少なくとも前記車両の位置を特定するよう構成されている、
    ことを特徴とする、請求項８又は９に記載の先進運転者支援システム。
11. 前記処理ユニット（３）は、前記車両の位置に基づき、原型状況を定義する特定の道路構造に関連付けて記憶されたリスク情報を選択するよう構成されている、
    ことを特徴とする、請求項１０に記載の先進運転者支援システム。
12. 前記処理ユニット（３）は、さらに、
    前記センシング手段の出力からリスク要因を特定し、
    前記予想されるリスクを算出する際に、これらのリスク要因と、前記抽出されたリスク情報とを組み合わせる、
    よう構成されている、
    ことを特徴とする、請求項８ないし１１のいずれか一項に記載の先進運転者支援システム。
13. 前記処理ユニット（３）は、さらに、
    前記センシング手段の出力から車両運動を特定し、
    これらの車両運動にも基づいて、前記交通状況の分類を行う、
    よう構成されている、
    ことを特徴とする、請求項８ないし１２のいずれか一項に記載の先進運転者支援システム。
14. コンピュータにロードされたときに、請求項１ないし７のいずれか一項に記載された方法を実行するよう適合されている、コンピュータプログラム。
    

Images