JP6956932B1 - 運転支援装置、運転支援システム、運転支援方法、及び、運転支援プログラム - Google Patents

Abstract

運転支援装置（１００）は、物体存在範囲算出部（１５２）と、危険度マップ生成部（１４３）とを備える。物体存在範囲算出部（１５２）は、推定時間範囲において対象移動体の周辺に存在する少なくとも１つの物体から成る周辺物体集合が含む各物体が存在する可能性がある物体存在範囲と、物体存在範囲内の各地点における周辺物体集合が含む各物体の存在確率とを示す周辺物体分布を算出する。危険度マップ生成部（１４３）は、周辺物体分布に基づいて、周辺物体集合が含む各物体の危険度を示す潜在危険度を表す潜在危険度マップを生成する。

Description

本開示は、運転支援装置、運転支援システム、運転支援方法、及び、運転支援プログラムに関する。

近年、自動運転技術の開発が加速しており、自動運転車の普及を図ることを通じて、交通事故の削減と、交通渋滞の緩和と、物流の効率化と、高齢者等の移動支援等を実現する取り組みが進められている。自動運転車の利用方法の一つとして、限定された地域における無人自動運転移動サービスが検討されている。無人自動運転移動サービスは、遠隔監視又は遠隔操作による自動運転システム、即ち、遠隔型自動運転システムによって実現されてもよい。なお、小型モビリティと、バスと、タクシー等において当該サービスを利用することが検討されている。
遠隔型自動運転システムでは、遠隔に配置された運転支援装置より、通信ネットワークを介して自動運転車の走行状況の監視及び調整と、遠隔操作による運転指示等が行われる。このため、自動運転車の周辺の交通状況等により予め調停された通信品質が保たれない場合において、車両制御の安定性が低下し、自動運転車の安全性及び快適性に影響を及ぼし得る。
具体例として、特許文献１は、複数の地理的位置における通信品質を取得し、移動体の動作モードに応じて通信品質が高いエリアを経由する経路を設定すること、又は、通信品質が低下すると予想されるエリアが存在する場合に、当該エリアを通らないように移動体の経路を設定することにより、移動体の動作モードに応じて定められる通信品質の要件を満たす経路を適切に設定する技術を開示している。

特開２０２０−１６５８３２号公報

しかしながら、特許文献１が開示する技術を用いたとしても、通信品質が高いとある時点において判定されたエリアに存在する移動体数の増加等の要因に伴い事前に取得した通信品質の要件が満たされなくなること、又は、運転支援装置の処理負荷が増加することにより処理が遅延すること等の要因によって、運転支援装置から車両への運転指示には遅延が発生し得る。しかしながら、特許文献１によれば、運転支援装置から車両への運転指示に遅延が発生した場合に、遅延の間に発生し得る交通状況の変化を考慮することができないという課題がある。

本開示は、遠隔型自動運転システムにおいて、運転支援装置から車両への運転指示に遅延が発生した場合に、遅延の間に発生し得る交通状況の変化を考慮することができるようにすることを目的とする。

本開示に係る運転支援装置は、
推定時間範囲において対象移動体の周辺に存在する少なくとも１つの物体から成る周辺物体集合が含む各物体が存在する可能性がある物体存在範囲と、前記物体存在範囲内の各地点における前記周辺物体集合が含む各物体の存在確率とを示す周辺物体分布を、前記推定時間範囲の開始時刻よりも過去の時刻から成る計測時間範囲における前記周辺物体集合が含む各物体についての情報を用いて算出する物体存在範囲算出部と、
前記周辺物体分布に基づいて、前記周辺物体集合が含む各物体の危険度を示す潜在危険度を表す潜在危険度マップを生成する危険度マップ生成部と
を備える。

本開示によれば、危険度マップ生成部が推定時間範囲における潜在危険度マップを生成する。ここで、潜在危険度マップは推定時間範囲における対象移動体が移動しているエリアにおける交通状況を示すものであり、推定時間範囲は将来の時間範囲であってもよく、潜在危険度マップは車両を遠隔から制御することに活用されてもよい。そのため、本開示によれば、遠隔型自動運転システムにおいて、運転支援装置から車両への運転指示に遅延が発生した場合に、遅延の間に発生し得る交通状況の変化を考慮することができる。

実施の形態１に係る運転支援システム９０の構成例を示す図。 実施の形態１に係る運転支援装置１００の機能構成例を示す図。 実施の形態１に係る制御装置１０１のハードウェア構成例を示す図。 実施の形態１に係る統合制御装置２００の機能構成例を示す図。 実施の形態１に係る統合制御装置２００のハードウェア構成例を示す図。 実施の形態１に係る運転支援システム９０の動作を示すシーケンス図。 実施の形態１に係る交通状況認識処理の流れを示すフローチャート。 実施の形態１に係る交通状況マップを説明する図。 実施の形態１に係る交通状況マップを説明する図であり、（ａ）は時刻ｔ_０から時刻ｔ_１までの時間範囲に対応する交通状況マップ、（ｂ）は時刻ｔ_１から時刻ｔ_２までの時間範囲に対応する交通状況マップ。 実施の形態１に係る交通状況推定処理の流れを示すフローチャート。 実施の形態１に係る物体存在範囲算出処理の流れを示すフローチャート。 実施の形態１に係る存在確率マップを説明する図であり、（ａ）は時刻ｔ_０から時刻ｔ_１までの時間範囲に対応する存在確率マップ、（ｂ）は時刻ｔ_１から時刻ｔ_２までの時間範囲に対応する存在確率マップ。 実施の形態１に係る移動範囲推定処理の流れを示すフローチャート。 実施の形態１に係る移動範囲を説明する図であり、（ａ）は移動範囲マップ、（ｂ）は移動範囲マップ、（ｃ）は移動範囲を説明する図、（ｄ）は移動範囲マップ。 実施の形態１に係る潜在危険度マップ生成処理の流れを示すフローチャート。 実施の形態１に係る潜在危険度決定テーブルを示す図。 実施の形態１に係る潜在危険度マップを説明する図であり、（ａ）は移動範囲と存在範囲とを説明する図、（ｂ）は潜在危険度マップ。 実施の形態１に係る潜在危険度マップを説明する図であり、（ａ）は移動範囲と存在範囲とを説明する図、（ｂ）は潜在危険度マップ。 実施の形態１に係る支援情報配信処理の流れを示すフローチャート。 実施の形態１に係る車両制御処理の流れを示すフローチャート。 実施の形態１に係るマップ補正処理の流れを示すフローチャート。 実施の形態１に係る走行経路生成処理の流れを示すフローチャート。 実施の形態１に係る走行経路生成処理を説明する図であり、（ａ）は潜在危険度が高い地点がない場合を説明する図、（ｂ）は潜在危険度が高い地点がある場合を説明する図、（ｃ）は候補位置を説明する図、（ｄ）は候補位置を説明する図。 実施の形態１の変形例に係る物体存在範囲算出部１５２の動作を示すフローチャート。 実施の形態１の変形例に係る移動範囲推定部１３０の動作を示すフローチャート。 実施の形態１の変形例に係る潜在危険度マップを説明する図であり、（ａ）は時刻ｔ_０から時刻ｔ_１までの時間範囲に対応する潜在危険度マップ、（ｂ）は時刻ｔ_１から時刻ｔ_２までの時間範囲に対応する潜在危険度マップ。 実施の形態１の変形例に係る運転支援装置１００のハードウェア構成例を示す図。

実施の形態の説明及び図面において、同じ要素及び対応する要素には同じ符号を付している。同じ符号が付された要素の説明は、適宜に省略又は簡略化する。図中の矢印はデータの流れ又は処理の流れを主に示している。また、「部」を、「回路」、「工程」、「手順」、「処理」又は「サーキットリー」に適宜読み替えてもよい。

実施の形態１．
以下、本実施の形態について、図面を参照しながら詳細に説明する。

＊＊＊構成の説明＊＊＊
＜運転支援システム９０全体の構成の説明＞
図１は、運転支援システム９０の構成例を示している。運転支援システム９０は、本図に示すように、運転支援装置１００と、統合制御装置２００を備える車両と、路側機３００と、情報提供サーバ４００と、無線通信ネットワークシステムとを備える。運転支援システム９０は、遠隔型自動運転システムに関するシステムであり、遠隔から車両の制御に関する支援を実行するシステムであり、無線通信ネットワークシステムを用いて、車両の走行状況の監視及び調整と、車両に対する運転指示等の車両の遠隔操作を行うシステムである。運転支援システム９０が備える各要素の数は何個であってもよい。運転支援システム９０は、遠隔型自動運転システムにおける運転支援対象である車両の周辺に存在する危険度に関わる情報の配信方法と、車両側における突発障害物検知時の緊急回避方法とに関するシステムである。

運転支援装置１００は、車両の遠隔監視と車両の遠隔操作等の運転支援サービスを提供するコンピュータである。運転支援装置１００は、無線通信ネットワークを介して車両との間で情報を送信すること及び受信することができる。運転支援装置１００は、車両から取得した情報を利用して、車両の走行状況の監視及び調整と、車両の遠隔操作との少なくともいずれかを行う。

車両は、道路を走行する移動体であり、具体例として、四輪車又は二輪車である。車両は、車両の挙動を制御する統合制御装置２００を搭載している。また、車両は、無線通信機を備えており、無線通信機を用いて運転支援装置１００との間で情報を送信すること及び受信することができる。
統合制御装置２００は、車両に搭載されたコンピュータである。統合制御装置２００は、センサ群２０２が取得した車両状態情報と、車両位置情報と、車両周辺情報等を運転支援装置１００へ通知する。センサ群２０２は、車両に備え付けられた少なくとも１つのセンサであり、具体例として、カメラ又はＬｉＤＡＲ（Ｌｉｇｈｔ Ｄｅｔｅｃｔｉｏｎ ａｎｄ Ｒａｎｇｉｎｇ）から成る。また、統合制御装置２００は、運転支援装置１００から通知された情報に基づき車両の挙動を制御する。

路側機３００は、道路に備えられた情報収集装置である。路側機３００はカメラ又はＬｉＤＡＲ等のセンサを備える。また、路側機３００は、無線通信機を備えており、無線通信機を用いて運転支援装置１００との間で情報を送信すること及び受信することができる。

情報提供サーバ４００は、車両の自動走行に関連がある情報である関連情報を提供するサーバである。関連情報は、具体例として、気象予報サービスを示す情報と、道路交通サービスを示す情報とから成る。具体例として、運転支援装置１００は、情報提供サーバ４００を通じて、車両が走行しているエリアにおける天候及び渋滞情報等を知ることができる。

無線通信ネットワークシステム５００は、無線通信ネットワークと、１以上の無線中継装置５１０とを備える。無線通信ネットワークは、移動体通信ネットワークを含んでもよい。移動体通信ネットワークは、３Ｇ（３ｒｄ Ｇｅｎｅｒａｔｉｏｎ）と、ＬＴＥ（Ｌｏｎｇ Ｔｅｒｍ Ｅｖｏｌｕｔｉｏｎ、登録商標）と、５Ｇ（５ｔｈ Ｇｅｎｅｒａｔｉｏｎ）と、６Ｇ（６ｔｈ Ｇｅｎｅｒａｔｉｏｎ）以降の通信方式とのいずれかに準拠していてもよい。また、無線通信ネットワークは、Ｗｉ−Ｆｉ（登録商標）等の無線ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）、又はＷｉＭＡＸ（登録商標）等の無線ＭＡＮ（Ｍｅｔｒｏｐｏｌｉｔａｎ Ａｒｅａ Ｎｅｔｗｏｒｋ）を含んでもよい。無線中継装置５１０は、無線通信ネットワークが移動体通信ネットワークである場合において基地局に相当する。

＜運転支援装置１００の機能構成の説明＞
図２は、運転支援装置１００の構成例を示している。本図を参照して運転支援装置１００の構成例を説明する。
運転支援装置１００は、対象車両と路側機３００との少なくともいずれかからの情報に基づいて対象車両の周辺に存在する障害物の状況を認識し、認識した結果に基づいて対象車両の走行に関する現在及び将来のリスクを判断して対象車両に対する運転支援を行う装置である。対象車両は運転支援装置１００が運転支援を行う対象である車両である。障害物は、具体例として、車両及び歩行者である。運転支援装置１００は、構成要素として、制御装置１０１と、操作装置１０２と、表示装置１０３と、通信装置１０４と、地図データベース１０５等を備える。制御装置１０１は運転支援制御装置とも呼ばれる。運転支援装置１００が備える各構成要素は通信インタフェースを介して相互にデータを適宜送受する。
なお、運転支援装置１００は、車両以外の移動体の制御を支援することもできるが、説明の便宜上、運転支援装置１００は車両の制御を支援するものとする。車両以外の移動体は、具体例として、飛行機又は船舶である。対象車両は、対象移動体の具体例である。

操作装置１０２は、遠隔操作者が運転支援装置１００を用いて対象車両を遠隔操作する際に利用する装置であり、具体例として、アクセルペダルと、ブレーキペダルと、ステアリングと、各種スイッチとから成る。各種スイッチは、具体例として、方向指示器及びライトスイッチを含む。

表示装置１０３は、対象車両と路側機３００と情報提供サーバ４００との少なくともいずれか等から受信した情報を遠隔操作者に向けて表示する装置である。遠隔操作者は対象車両を遠隔で操作する者である。表示装置１０３は、音声を出力してもよく、複数のディスプレイを備えてもよい。

通信装置１０４は、無線通信ネットワークシステム５００を介して、対象車両と、路側機３００と、情報提供サーバ４００との各々と通信する装置である。通信装置１０４は、移動体通信ネットワーク等の無線通信ネットワークに対応する通信用機器を備える。

地図データベース１０５は、地図情報を記憶した媒体である。当該地図情報は、高精度な地図情報であり、具体例として、道路の車線と路肩と歩道との各々の位置と、車線の属性と、道路に設置された標識との各々を示す情報を含む。車線の属性には、具体例として、右折専用車線が含まれる。

制御装置１０１は、対象車両の周辺に存在する障害物の状況を認識し、対象車両の走行に関する現在及び将来のリスクを判断して対象車両に対する運転支援を行う装置である。制御装置１０１は、処理部１１０と、記憶部１９０とを備える。

処理部１１０は、交通状況認識部１２０と、移動範囲推定部１３０と、マップ生成部１４０と、交通状況推定部１５０と、支援情報配信部１６０と、表示部１７０とを備える。

交通状況認識部１２０は、環境情報取得部１２１と、通信遅延推定部１２２と、周辺物体認識部１２３と、物体位置決定部１２４とを備える。
環境情報取得部１２１は、対象車両と路側機３００と情報提供サーバ４００との少なくともいずれか等から情報を取得する機能部である。
通信遅延推定部１２２は、運転支援装置１００と対象車両との間で送受した情報の内容に基づき、運転支援装置１００と対象車両との間の通信遅延状態を算出する機能部である。通信遅延状態は、具体例として、通信の遅延時間を含む。通信遅延推定部１２２は通信遅延状態推定部とも呼ばれる。
周辺物体認識部１２３は、車両周辺情報と周辺環境情報とを統合し、統合した情報に基づいて周辺物体情報を算出する機能部である。周辺物体情報は、典型的には各周辺物体の種別と位置との各々を示す情報から成る。車両周辺情報は、対象車両の周辺に存在する少なくとも１台の車両から対象車両に通知された情報であり、対象車両の周辺の様子を示す情報である。周辺環境情報は、路側機３００から通知された情報であり、対象車両の周辺の環境を示す情報である。周辺環境情報は、路側機３００に取り付けられたセンサ群により撮像された撮像データを含んでもよい。当該センサ群は、センサ群２０２と同様であってもよい。周辺物体は対象車両の周辺に存在する物体である。周辺物体の種別は、具体例として、車両と自転車と歩行者と動物と落下物等の障害物とのいずれかである。周辺物体認識部１２３は、周辺物体の種別が車両である場合において車両の種別とランプ点灯状況とを求めてもよい。車両の種別は、具体例として、乗用車とトラックとバイク車とのいずれかである。ランプ点灯状況は、具体例として、無灯火と、ハザードランプ点灯と、ウィンカー点灯とのいずれかである。周辺物体の位置は、典型的には、対象車両の位置又は路側機３００の位置を基準とした周辺物体の相対的な位置である。
物体位置決定部１２４は、車両位置情報と、路側機３００の位置情報と、地図データベース１０５が記憶している地図情報とに基づき、対象車両の位置を基準位置として各周辺物体の位置を算出する機能部である。車両位置情報は対象車両の位置を示す情報である。

移動範囲推定部１３０は、操作情報取得部１３１と、制御目標算出部１３２と、目標走行位置算出部１３３と、移動範囲算出部１３４とを備える。移動範囲推定部１３０は車両移動範囲推定部とも呼ばれる。
操作情報取得部１３１は、運転支援装置１００内のネットワークである装置内ネットワークを通じて、操作装置１０２が出力した遠隔操作者の車両操作量を取得する機能部である。車両操作量は、具体例として、アクセルペダル開度と、ブレーキペダル開度と、操舵角と、ウィンカーとヘッドライトスイッチ等のスイッチ操作情報との少なくともいずれかを示す。
制御目標算出部１３２は、遠隔操作者の車両操作量から対象車両の制御目標値を算出する機能部である。制御目標値は、具体例として、目標加減速値と、目標舵角とから成る。
目標走行位置算出部１３３は、対象車両の車両状態情報と制御目標値とに基づき、ある時刻において対象車両が走行すべき位置である目標走行位置を算出する機能部である。目標走行位置算出部１３３は目標走行位置情報算出部とも呼ばれる。
移動範囲算出部１３４は、目標走行位置算出部１３３が算出した目標走行位置を示す情報に基づいて対象車両の移動範囲を算出し、算出した移動範囲に基づいて移動範囲マップを生成する機能部である。移動範囲算出部１３４は車両移動範囲算出部とも呼ばれる。移動範囲は、推定時間範囲において対象車両が存在する可能性がある範囲であり、また、存在範囲とも呼ばれる。移動範囲マップは車両移動範囲マップとも呼ばれる。移動範囲マップについては後述する。移動範囲は移動分布に相当する。移動範囲算出部１３４は、移動分布を、推定時間範囲の開始時刻よりも過去の時刻から成る計測時間範囲における対象車両についての情報を用いて算出する。対象車両についての情報は、具体例として、対象車両の位置と対象車両に対する制御との各々を示す情報等である。移動分布は、移動範囲と、移動範囲内の各地点における対象移動体の存在確率とを示す分布であってもよい。

マップ生成部１４０は、物体危険度算出部１４１と、道路危険度算出部１４２と、危険度マップ生成部１４３とを備える。マップ生成部１４０は潜在危険度マップ生成部とも呼ばれる。
物体危険度算出部１４１は、交通状況推定部１５０が生成した交通状況マップと、移動範囲推定部１３０が生成した移動範囲マップと、地図データベース１０５に含まれる道路情報とに基づいて、対象車両の走行経路上の潜在危険度を算出する機能部である。物体危険度算出部１４１は、移動分布と周辺物体分布とに基づいて、対象移動体と周辺物体集合が含む各物体とが衝突した場合における重大度と、対象移動体と周辺物体集合が含む各物体とが衝突すると想定される衝突想定時刻とを求め、求めた重大度と衝突想定時刻とに基づいて潜在危険度を算出してもよい。
道路危険度算出部１４２は、地図データベース１０５より対象車両の走行経路周辺の道路情報を取得し、取得した道路情報から対象車両が走行することができないエリアを抽出し、抽出したエリアの潜在危険度を算出する機能部である。
危険度マップ生成部１４３は、物体危険度算出部１４１と道路危険度算出部１４２との各々が算出した潜在危険度に基づいて潜在危険度マップを生成する機能部である。潜在危険度マップは、対象車両の周辺に潜在する危険度を表したマップであり、対象車両を上方から見下ろした二次元領域内において、潜在危険度を表したマップである。潜在危険度マップの詳細は後述する。潜在危険度は、周辺物体集合が含む各物体の危険度を示す。潜在危険度は、対象車両と周辺物体集合が含む各物体とが衝突する危険度を示してもよい。危険度マップ生成部１４３は、移動分布と周辺物体分布とに基づいて潜在危険度マップを生成する。

交通状況推定部１５０は、推定時間決定部１５１と、物体存在範囲算出部１５２と、交通状況マップ生成部１５３とを備える。
推定時間決定部１５１は、交通状況マップを生成する時間範囲と時間間隔とを決定する機能部である。交通状況マップについては後述する。
物体存在範囲算出部１５２は、交通状況認識部１２０が認識した各周辺物体のある時間範囲における存在範囲を算出する機能部である。存在範囲は物体存在範囲とも呼ばれる。物体存在範囲算出部１５２は、周辺物体分布を、計測時間範囲における周辺物体集合が含む各物体についての情報を用いて算出する。周辺物体分布は、物体存在範囲と、物体存在範囲内の各地点における周辺物体集合が含む各物体の存在確率とを示す分布である。物体存在範囲は、推定時間範囲において対象車両の周辺に存在する少なくとも１つの物体から成る周辺物体集合が含む各物体が存在する可能性がある範囲である。各物体についての情報は、具体例として、各物体の種別と位置等を示す情報である。
交通状況マップ生成部１５３は、物体存在範囲算出部１５２が算出した存在範囲に基づいて交通状況マップを生成する機能部である。

支援情報配信部１６０は、情報生成部１６１と、情報配信部１６２とを備え、また、運転支援情報配信部とも呼ばれる。
情報生成部１６１は、マップ生成部１４０が生成した潜在危険度マップの形式を対象車両に送信する形式に変換する機能部である。
情報配信部１６２は、情報生成部１６１が生成した制御情報等の各々を示す情報を対象車両に配信する機能部である。当該制御情報は、車両に送付する形式に情報生成部１６１によって変換された潜在危険度マップを示す情報を含む。情報配信部１６２は、量子化された潜在危険度を対象車両に通知してもよい。

表示部１７０は、車両情報生成部１７１と、補助情報生成部１７２とを備える。
車両情報生成部１７１は、車両情報を示す映像を生成し、生成した映像を表示するよう表示装置１０３を制御する機能部である。車両情報は、対象車両から通知された車両周辺情報と、情報提供サーバ４００から取得した情報とから成る。
補助情報生成部１７２は、操作補助情報を示す映像を生成し、生成した映像を表示するよう表示装置１０３を制御する機能部である。補助情報生成部１７２は操作補助情報生成部とも呼ばれる。操作補助情報は、遠隔操作者による対象車両の操作を補助するための情報であり、具体例として、マップ生成部１４０が生成した潜在危険度マップを示す情報と、通信遅延推定部１２２が推定した通信遅延状態を示す情報とから成る。

記憶部１９０は、操作モデル１９１と、交通状況情報１９２と、通信遅延情報１９３とを記憶する。

図３は制御装置１０１のハードウェア構成例を示している。本図を参照して制御装置１０１のハードウェア構成例を説明する。
制御装置１０１は、プロセッサ１１と、メモリ１２と、補助記憶装置１３と、通信インタフェース１４等のハードウェアを備えるコンピュータである。これらのハードウェアは、信号線を介して互いに接続されている。制御装置１０１は複数のコンピュータから成ってもよい。
プロセッサ１１は、演算処理を行うＩＣ（Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）であり、制御装置１０１が備える他のハードウェアを制御する。具体例として、プロセッサ１１は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）又はＧＰＵ（Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）である。制御装置１０１は、プロセッサ１１を代替する複数のプロセッサを備えてもよい。複数のプロセッサは、プロセッサ１１の役割を分担する。
メモリ１２は揮発性の記憶装置である。メモリ１２は、主記憶装置又はメインメモリとも呼ばれる。具体例として、メモリ１２はＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）である。
補助記憶装置１３は不揮発性の記憶装置である。具体例として、補助記憶装置１３は、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）、又はフラッシュメモリである。
通信インタフェース１４は、ネットワークを介して通信を行うためのインタフェースであり、ネットワークに接続される。通信インタフェース１４は、具体例として、通信チップ又はＮＩＣ（Ｎｅｔｗｏｒｋ Ｉｎｔｅｒｆａｃｅ Ｃａｒｄ）である。
補助記憶装置１３には、運転支援装置１００の機能を実現する運転支援プログラムが記憶されている。運転支援プログラムは、補助記憶装置１３からメモリ１２にロードされる。そして、プロセッサ１１は運転支援プログラムを実行する。
運転支援プログラムを実行する際に用いられるデータと、運転支援プログラムを実行することによって得られるデータ等は、記憶装置に適宜記憶される。記憶装置は、具体例として、メモリ１２と、補助記憶装置１３と、プロセッサ１１内のレジスタと、プロセッサ１１内のキャッシュメモリとの少なくとも１つから成る。メモリ１２及び補助記憶装置１３の機能は、他の記憶装置によって実現されてもよい。記憶装置は、コンピュータと独立したものであってもよい。

本明細書に記載されているいずれのプログラムも、コンピュータが読み取り可能な不揮発性の記録媒体に記録されていてもよい。不揮発性の記録媒体は、具体例として、光ディスク又はフラッシュメモリである。本明細書に記載されているいずれのプログラムも、プログラムプロダクトとして提供されてもよい。

＜統合制御装置２００の機能構成の説明＞
図４は、統合制御装置２００の構成例を示している。本図を参照して統合制御装置２００の構成例を説明する。
統合制御装置２００は、対象車両の内外の情報を用いて対象車両全体の動作を制御する装置である。統合制御装置２００は、対象車両内の車内ネットワークを介して、操作装置２０１と、センサ群２０２と、機器制御ＥＣＵ（Ｅｌｅｃｔｒｏｎｉｃ Ｃｏｎｔｒｏｌ Ｕｎｉｔ）２０３と、高精度ロケータ２０４と、地図データベース２０５と、表示装置２０６と、車外通信装置２０７と通信する。車内ネットワークを介して行われる通信では、ＬＩＮ（Ｌｏｃａｌ Ｉｎｔｅｒｃｏｎｎｅｃｔ Ｎｅｔｗｏｒｋ）、ＣＡＮ（Ｃｏｎｔｒｏｌｌｅｒ Ａｒｅａ Ｎｅｔｗｏｒｋ）、Ｅｔｈｅｒｎｅｔ（登録商標）、又はＣＸＰＩ（Ｃｌｏｃｋ Ｅｘｔｅｎｓｉｏｎ Ｐｅｒｉｐｈｅｒａｌ Ｉｎｔｅｒｆａｃｅ）等の通信プロトコルが利用される。

操作装置２０１は、運転者が対象車両を操作する際に利用する装置であり、基本的に操作装置１０２と同様である。運転者は対象車両を運転する者である。

センサ群２０２は、１つ以上のセンサから成り、具体例として、車両前方カメラと、ＬｉＤＡＲと、レーダー装置と、舵角センサと、車速センサとの少なくともいずれかから成る。
車両前方カメラは、対象車両の前方を撮影するセンサであり、撮影した画像を分析することにより、対象車両の前方に存在する各物体の種別と、対象車両と各物体との間の距離と、対象車両に対する各物体の方向とを算出する。物体の種別は、具体例として、車両と歩行者と動物と落下物等の障害物とのいずれかである。物体の種別が車両である場合において、車両前方カメラは、車両の方向種別と、車両の形状とを算出してもよい。車両の方向種別は、具体例として、先行車と対向車とのいずれかである。車両の形状は、具体例として、乗用車とトラックとのいずれかである。
レーダー装置は、対象車両と各周辺物体との間の距離と、各周辺物体が位置する方向とを計測するセンサである。
舵角センサは、対象車両の操舵の向きを計測するセンサである。
車速センサは、対象車両の速度を計測するセンサである。

機器制御ＥＣＵ２０３は、エンジンと、ブレーキと、ステアリングとの少なくともいずれか等の車両の走行に関わる機器を制御する制御装置である。

高精度ロケータ２０４は、ＧＮＳＳ（Ｇｌｏｂａｌ Ｎａｖｉｇａｔｉｏｎ Ｓａｔｅｌｌｉｔｅ Ｓｙｓｔｅｍ）衛星からの測位信号に基づいて、対象車両の現在位置を高い精度で算出する。本実施の形態において、高精度ロケータ２０４は対象車両の絶対位置を算出するものとする。絶対位置は緯度と経度とから成る。

地図データベース２０５は地図データベース１０５と同様である。

表示装置２０６は、典型的にはナビゲーション装置であり、統合制御装置２００の指示に基づき、運転者に映像と音声との少なくともいずれか等を用いて情報を伝達する装置である。

車外通信装置２０７は、無線通信ネットワークシステム５００を介して、周辺車両と路側機３００と情報提供サーバ４００との各々と通信する装置である。周辺車両は、対象車両の周辺に存在する車両である。車外通信装置２０７は通信装置１０４と同様である。

統合制御装置２００は、対象車両の内外の情報を用いて対象車両全体の動作を制御する装置である。運転支援装置１００と統合制御装置２００との連携を実現する運転支援システム９０においては、統合制御装置２００は、運転支援装置１００から受信した制御情報に基づいて対象車両の動作を制御する。制御情報は制御指示情報とも呼ばれる。統合制御装置２００は、構成要素として、処理部２１０と、記憶部２９０とを備える。

処理部２１０は、情報取得部２１１と、周辺物体認識部２１２と、制御情報取得部２１３と、マップ補正部２１４と、走行経路生成部２１５と、制御命令生成部２１６と、情報通知部２１７とを備える。

情報取得部２１１は、車内ネットワークより、対象車両の状態を示す車両状態情報と、対象車両の周辺の環境を示す車両周辺情報と、対象車両の位置を示す車両位置情報とを取得する機能部である。対象車両の状態には対象車両の挙動が含まれてもよい。車両状態情報は、具体例として、車速と、ハンドル操舵角と、ハンドル操舵速度と、対象車両の位置等の各々を示す情報である。車両周辺情報は、具体例として、センサ群２０２が取得した対象車両の周辺の撮像データである。
周辺物体認識部２１２は、車両周辺情報を分析し、分析した結果に基づいて各周辺物体の種別と位置等を算出する機能部である。周辺物体認識部２１２は周辺物体認識部１２３と同様である。
制御情報取得部２１３は、運転支援装置１００から制御情報を取得し、取得した制御情報が含む潜在危険度マップ群を記憶部２９０に記憶する機能部である。潜在危険度マップ群は少なくとも１つの潜在危険度マップから成る。制御情報は潜在危険度マップ群等を示す情報を含む。
マップ補正部２１４は、運転支援装置１００から取得した潜在危険度マップ群が含む各潜在危険度マップを、周辺物体認識部２１２が算出した各周辺物体の種別と位置等を用いて補正することにより補正済潜在危険度マップを生成する機能部である。マップ補正部２１４は潜在危険度マップ補正部とも呼ばれる。マップ補正部２１４は、対象移動体が備えるセンサが取得した情報を用いて潜在危険度マップを補正してもよい。
走行経路生成部２１５は、運転支援装置１００から通知された潜在危険度マップを参照し、運転支援装置１００から通知された目標走行位置へ向かう走行経路を設定する機能部である。走行経路生成部２１５は走行経路計画部とも呼ばれる。走行経路生成部２１５は、潜在危険度が相対的に低い経路を対象車両の走行経路として選択する。走行経路生成部２１５は、走行経路を選択する際に補正済潜在危険度マップを用いてもよい。
制御命令生成部２１６は、走行経路生成部２１５が設定した走行経路を走行するための車両制御量を算出し、算出した車両制御量に基づいて機器制御ＥＣＵ２０３の操作量を各アクチュエータに伝達する機能部である。
情報通知部２１７は、情報取得部２１１が取得した車両状態情報と車両周辺情報と車両位置情報とを運転支援装置１００に通知する機能部である。

記憶部２９０は、潜在危険度マップ群と、走行軌跡情報と、車両位置情報と、補正済潜在危険度マップ群とを記憶する。補正済潜在危険度マップ群は、少なくとも１つの補正済潜在危険度マップから成る。

図５は、統合制御装置２００のハードウェア構成例を示している。本図を参照して統合制御装置２００のハードウェア構成例を説明する。統合制御装置２００のハードウェア構成例は、運転支援装置１００のハードウェア構成例と基本的に同じである。
プロセッサ２１はプロセッサ１１と同様である。
メモリ２２はメモリ１２と同様である。
補助記憶装置２３は補助記憶装置１３と同様である。補助記憶装置２３は、運転支援プログラムの代わりに統合制御装置２００の機能を実現する統合制御プログラムを記憶する。
通信インタフェース２４は通信インタフェース１４と同様である。

＊＊＊動作の説明＊＊＊
運転支援システム９０の動作手順は、運転支援方法に相当する。また、運転支援装置１００の動作を実現するプログラムは、運転支援プログラムに相当する。統合制御装置２００の動作を実現するプログラムは、統合制御プログラムに相当する。

＜運転支援システム９０全体の処理＞
図６は、運転支援システム９０による遠隔型自動運転の処理の流れをシーケンス図により示している。本図を参照して当該処理の流れを説明する。なお、＜＞という括弧は各処理を実行する主体を示すことに用いられている。
なお、対象車両は運転支援システム９０内に何台存在してもよいが、説明の便宜上、運転支援システム９０内に１台の対象車両のみ存在するものとして運転支援システム９０の動作を説明する。運転支援システム９０内に複数台の対象車両が存在する場合、運転支援装置１００は各対象車両に対して下記の処理を適宜実行する。

処理Ｐ１．情報取得処理＜対象車両＞
情報取得部２１１は、車内ネットワークより、車両状態情報と、車両周辺情報と、車両位置情報とを取得する。

処理Ｐ２．情報通知処理＜対象車両＞
情報通知部２１７は、情報取得部２１１が取得した車両状態情報と車両周辺情報と車両位置情報とを運転支援装置１００に通知する。交通状況認識部１２０は、情報通知部２１７から通知された情報を取得する。

処理Ｐ３．情報取得処理＜路側機３００＞
路側機３００は、路側機３００に取り付けられたセンサ群を用いて周辺環境情報を取得する。

処理Ｐ４．情報通知処理＜路側機３００＞
路側機３００は、周辺環境情報と路側機３００の位置情報とを運転支援装置１００に通知する。交通状況認識部１２０は、路側機３００から通知された情報を取得する。

処理Ｐ５．情報取得処理＜運転支援装置１００＞
交通状況認識部１２０は、対象車両と路側機３００とから通知された情報に基づいて走行エリアを特定し、情報提供サーバ４００と通信して特定した走行エリアにおける関連情報を取得する。走行エリアは対象車両が走行しているエリアである。

処理Ｐ６．交通状況認識処理＜運転支援装置１００＞
交通状況認識部１２０は、対象車両と路側機３００と情報提供サーバ４００とから取得した情報に基づいて対象車両の周辺の交通状況を分析し、分析した交通状況を示す交通状況情報１９２を記憶部１９０に保存する。交通状況認識処理の詳細は後述する。

処理Ｐ７．交通状況推定処理＜運転支援装置１００＞
交通状況推定部１５０は、交通状況認識部１２０が生成した交通状況情報１９２に基づいて将来の時間における対象車両の周辺の交通状況を推定することにより、交通状況マップを生成する。交通状況推定処理の詳細は後述する。

処理Ｐ８．移動範囲推定処理＜運転支援装置１００＞
制御装置１０１は、対象車両から通知された車両周辺情報と、情報提供サーバ４００から取得した関連情報とを表示装置１０３に通知する。表示装置１０３は、制御装置１０１から通知された情報を表示装置１０３の画面に表示する。遠隔操作者は、表示装置１０３の画面に表示された情報を確認しながら、操作装置１０２を用いて対象車両を遠隔操作する。
操作情報取得部１３１は、遠隔操作者の操作量を示す情報を取得する。
移動範囲算出部１３４は、操作情報取得部１３１が取得した情報と対象車両から通知された車両周辺情報等に基づいて対象車両の移動軌跡を推定する。また、移動範囲算出部１３４は、推定した対象車両の移動軌跡に基づいて将来の時間における対象車両の存在範囲を推定し、推定した存在範囲に基づいて移動範囲マップを生成する。移動範囲推定処理の詳細は後述する。なお、典型的には、目標走行位置算出部１３３は操作情報取得部１３１が取得した情報と対象車両から通知された車両周辺情報等に基づいて対象車両の目標走行位置を算出し、移動範囲算出部１３４は、移動軌跡を推定する際に、目標走行位置算出部１３３が算出した目標走行位置を示す目標走行位置情報も活用する。

処理Ｐ９．マップ生成処理＜運転支援装置１００＞
マップ生成部１４０は、交通状況推定部１５０が生成した交通状況マップと移動範囲推定部１３０が生成した移動範囲マップとを用いて、対象車両に対応する潜在危険度マップを生成する。マップ生成処理の詳細は後述する。

処理Ｐ１０．支援情報配信処理＜運転支援装置１００＞
支援情報配信部１６０は、移動範囲推定部１３０が求めた目標走行位置情報と、マップ生成部１４０が求めた潜在危険度マップを示す情報と、潜在危険度マップを生成する際に用いた対象車両の位置情報とを含めた制御情報とを対象車両に通知する。対象車両の位置情報は、典型的には対象車両が存在する位置の緯度と経度との各々を示す情報である。支援情報配信処理の詳細は後述する。

処理Ｐ１１．補助情報表示処理＜運転支援装置１００＞
補助情報生成部１６１は、操作補助情報を生成し、生成した操作補助情報を表示装置１０３へ通知する。表示装置１０３は、通知された操作補助情報を表示装置１０３の画面に表示する。ここで、表示装置１０３は、操作補助情報を移動範囲推定処理において表示した映像に重ねて表示する。また、表示装置１０３は、操作補助情報として通信遅延状態を示す通信遅延情報１９３を表示する場合において、通信遅延情報１９３として、通信遅延時間を表示してもよく、通信遅延状態と推奨車速との関係を示す情報をあらかじめ定義しておき、発生している通信遅延状態に対応する推奨車速の値を画面に表示してもよい。

処理Ｐ１２．車両制御処理＜対象車両＞
統合制御装置２００は、運転支援装置１００より通知された制御情報に基づき対象車両を制御する。車両制御処理の詳細は後述する。

なお、ここでは遠隔操作者が対象車両を遠隔操作する場合における運転支援システム９０の処理を説明したが、遠隔操作者が対象車両を遠隔操作する代わりに、運転支援装置１００に配置された制御装置であって自動運転機能を有する制御装置が対象車両を自動的に遠隔操作してもよい。また、運転支援装置１００は、対象車両を遠隔操作せず、対象車両の運転者に対して運転支援情報を提供してもよい。

＜交通状況認識処理＞
図７は、運転支援装置１００による交通状況認識処理の流れの一例を示すフローチャートである。本図を参照して交通状況認識処理を説明する。

（ステップＳ１０１：情報取得処理）
環境情報取得部１２１は、統合制御装置２００と路側機３００との各々が運転支援装置１００に通知した情報を取得する。また、環境情報取得部１２１は、取得した情報に基づいて走行エリアを特定し、情報提供サーバ４００と通信することにより、特定した走行エリアにおける関連情報を取得する。

（ステップＳ１０２：周辺物体認識処理）
周辺物体認識部１２３は、対象車両から通知された車両周辺情報と、路側機３００から取得した周辺環境情報とを分析することにより、周辺物体情報を算出する。なお、車両周辺情報と周辺環境情報との各々が撮像データである場合において、周辺物体認識部１２３は撮像データから周辺物体を抽出する。撮像データから周辺物体を抽出する手法としては、深層学習を用いる方法等の既知の手法が挙げられる。
物体位置決定部１２４は、車両位置情報と、路側機３００の位置情報と、地図データベース１０５が記憶している地図情報とに基づいて物体位置情報を求める。物体位置情報は、対象車両の位置を基準位置とした場合における各周辺物体の位置を示す情報である。
交通状況認識部１２０は、算出した周辺物体情報と物体位置情報とを交通状況情報１９２として記憶部１９０に保存する。

（ステップＳ１０３：通信遅延時間推定処理）
通信遅延推定部１２２は、運転支援装置１００と対象車両との間で送受した情報の内容に基づき、運転支援装置１００と対象車両との間における通信遅延時間を算出する。通信遅延推定部１２２は、算出した通信遅延時間を示す通信遅延情報１９３を記憶部１９０に保存する。
通信遅延推定部１２２が通信遅延時間を算出する方法の具体例を説明する。
まず、通信装置１０４は、運転支援装置１００から対象車両へメッセージを送信する際に、当該メッセージに対してカウンタ値と通信装置１０４が当該メッセージを送信する時刻とを設定する。車外通信装置２０７は、対象車両からの当該メッセージに対する応答として、当該メッセージが示すカウンタ値と車外通信装置２０７が当該メッセージを受信した時刻とを設定したメッセージを運転支援装置１００に送信する。
次に、車外通信装置２０７は、対象車両から運転支援装置１００へメッセージを送信する際に、当該メッセージにカウンタ値と車外通信装置２０７が当該メッセージを送信する時刻とを設定する。通信装置１０４は、運転支援装置１００からの当該メッセージに対する応答として、当該メッセージが示すカウンタ値と通信装置１０４が当該メッセージを受信した時刻とを設定したメッセージを対象車両に送信する。
このように、通信装置１０４と車外通信装置２０７とが互いにカウンタ値とメッセージ送信時刻とメッセージ受信時刻とを設定することにより、通信遅延推定部１２２は、運転支援装置１００から対象車両にメッセージが届くまでの時間と、対象車両から運転支援装置１００にメッセージが届くまでの時間、つまり、通信遅延時間を得ることができる。

＜交通状況推定処理＞
図８から図１０を用いて制御装置１０１による交通状況推定処理を説明する。
最初に、図８及び図９を用いて交通状況推定処理にて生成する交通状況マップについて説明する。
交通状況マップは、具体例として、対象車両の周辺の交通状況を上方から見下ろした様子を示す画像であり、対象車両の位置を原点とし、進行方向をＸ軸とし、水平方向をＹ軸とした二次元座標系を用いて、ある時間範囲において各周辺物体が各位置に存在する確率である存在確率を表す。進行方向は、特に断りがない限り対象車両が進行している方向を指す。水平方向は進行方向に直交する方向である。

図８は、ある時刻における交通状況の具体例を模式的に示している。本例において、対象車両は片側一車線の道路を走行しており、対象車両の前方に駐車車両と対向車とが存在している。
二次元座標系における各周辺物体の位置は、交通状況認識部１２０の処理を通じて算出することができる。
交通状況推定部１５０は、現在時刻である時刻ｔ_０から将来時刻である時刻ｔ_ｍａｘ（ｍａｘは自然数）までの時間範囲において、ある時間間隔毎に複数の交通状況マップを生成する。ここで、時刻ｔ_ｍａｘは、生成する交通状況マップに対応する将来時間のうち最も先の将来時間である。具体的には、交通状況推定部１５０は、最初に時刻ｔ_０から時刻ｔ_１までの時間範囲に対応する交通状況マップを生成する。その後、交通状況推定部１５０は、時刻ｔ_１から時刻ｔ_２までと、時刻ｔ_２から時刻ｔ_３までと、…、時刻ｔ_{ｍａｘ−１}から時刻ｔ_ｍａｘまでとの各々の時間範囲に対応する交通状況マップを順に生成する。ここで、ｔの添え字の値が大きいほど先の時刻を示している。また、具体例として、時刻ｔ_ｍａｘは現在時刻から６０秒後の時刻であり、時刻ｔ_ｎ−１と時刻ｔ_ｎ（１≦ｎ≦ｍａｘ、ｎは整数）との差は１秒である。

図９の（ａ）は、図８に示す交通状況に対応し、かつ、時刻ｔ_０から時刻ｔ_１までの時間範囲に対応する交通状況マップを示している。交通状況推定部１５０は、時刻ｔ_０から時刻ｔ_１までの時間範囲における各周辺物体の存在範囲を推定し、推定した結果に基づいて当該時間範囲に対応する交通状況マップを生成する。ここで、各周辺物体の存在範囲は各周辺物体の移動範囲であることもある。交通状況マップは周辺物体分布を示す情報を含む。
ここで、交通状況マップは、図９の（ａ）に示すように、対象領域を、Ｘ軸方向とＹ軸方向との各々を一定の間隔で分割したものである。対象領域は、交通状況マップを生成する対象である領域である。具体例として、対象領域の範囲は、Ｘ軸方向において−１０メートルから１００メートルまで、かつ、Ｙ軸方向において−１０メートルから１０メートルまでの範囲である。また、具体例として、交通状況推定部１５０は、対象領域をＸ軸方向とＹ軸方向ともに０．１メートル単位で分割して０．１メートル四方の格子を生成する。交通状況推定部１５０は、分割された領域毎即ち格子毎に各周辺物体の存在確率を算出してもよい。また、交通状況推定部１５０は、対象領域を分割せずにＸＹ座標毎に各周辺物体の存在確率を算出してもよい。各周辺物体の存在確率は、対象領域内の位置又は領域毎の、各周辺物体が存在する確率である。
また、図９の（ａ）において黒く塗られた部分の割合により存在確率の大きさが表現されている。図９の（ａ）において、各周辺物体の存在確率は、各周辺物体が時刻ｔ_０において存在する現在位置において最も高く、各現在位置からの距離の増大に伴って次第に低くなっている。

図９の（ｂ）は、図８に示す交通状況に対応し、かつ、時刻ｔ_１から時刻ｔ_２までの時間範囲に対応する交通状況マップを示している。交通状況推定部１５０は、時刻ｔ_０から時刻ｔ_１までの時間範囲に対応する推定結果を利用して、その次の時間範囲である時刻ｔ_１から時刻ｔ_２までの時間範囲における各周辺物体の存在範囲を推定し、推定した結果に基づいて当該交通状況マップを生成する。
交通状況推定部１５０は、対象の時間範囲を順に変更してこのような処理を繰り返すことによって、時刻ｔ_０から時刻ｔ_ｍａｘまでの間において、ある時間間隔毎に複数の交通状況マップを生成する。

図１０は、交通状況推定処理の流れの一例を示すフローチャートである。本図を参照して交通状況推定処理を説明する。

（ステップＳ１１１：推定時間範囲決定処理）
推定時間決定部１５１は、交通状況マップを生成する時間範囲である推定時間範囲と、交通状況マップを生成する時間間隔とを決定する。推定時間範囲は、時刻ｔ_０から時刻ｔ_ｍａｘまでの範囲であり、また、生成時間とも呼ばれる。時間間隔は、時刻ｔ_ｎ−１と時刻ｔ_ｎとの差である。
推定時間決定部１５１は、具体例として、時間範囲を６０秒、即ち、時刻ｔ_ｍａｘを時刻ｔ_０から６０秒後とし、時間間隔を運転支援装置１００から対象車両へ制御情報を通知する時間間隔である１秒とする。なお、時間間隔は一定でなくてもよい。具体例として、推定時間決定部１５１は、時間間隔の最小間隔を、運転支援装置１００から対象車両へ制御情報を通知する時間間隔とし、ｎの値が大きいほど、つまり、将来の時間になるほど予測精度は悪化することを考慮し、ｎの値が大きくなるほど時間間隔を長くしてもよい。具体例として、推定時間決定部１５１は、１秒、２秒、４秒と時間間隔を倍々に長くしてもよい。
交通状況推定部１５０は、本処理で決定した推定時間範囲分、ステップＳ１１２とステップＳ１１３とから成る推定処理ループを実行する。

（ステップＳ１１２）
推定時間範囲内の時間範囲であって推定処理ループにおいてまだ対象時間範囲とされていない時間範囲がある場合、交通状況推定部１５０は、当該時間範囲のうち最も早い時間範囲を対象時間範囲とし、ステップＳ１１３に進む。対象時間範囲は、時刻ｔ_ｎ−１から時刻ｔ_ｎまでの時間範囲である。それ以外の場合、交通状況推定部１５０は本フローチャートの処理を終了する。

（ステップＳ１１３：物体存在範囲算出処理）
物体存在範囲算出部１５２は、交通状況認識部１２０が算出した交通状況情報１９２が示す各周辺物体の対象時間範囲における存在範囲を算出する。

図１１は、物体存在範囲算出処理の流れの一例を示すフローチャートである。本図を参照して物体存在範囲算出処理を説明する。

物体存在範囲算出部１５２は、交通状況情報１９２が示す周辺物体の数分、ステップＳ１２１からステップＳ１２６から成る存在範囲算出ループを実施する。なお、存在範囲算出ループにおいて、物体存在範囲算出部１５２は、各周辺物体に対応する存在確率マップを求める。存在確率マップは、各周辺物体の存在範囲と存在確率とを示すマップである。

（ステップＳ１２１）
交通状況情報１９２が示す周辺物体に、存在範囲算出ループにおいてまだ選択されていない周辺物体が存在する場合、物体存在範囲算出部１５２は、まだ選択されていない周辺物体から周辺物体を１つ対象物体として選択し、ステップＳ１２２に進む。それ以外の場合、物体存在範囲算出部１５２は存在範囲算出ループの実施を終了し、ステップＳ１２７に進む。

（ステップＳ１２２）
物体存在範囲算出部１５２は、対象物体が移動体であるか否かを確認する。対象物体が移動体である場合、物体存在範囲算出部１５２はステップＳ１２３に進む。それ以外の場合、即ち、対象物体が静止物体である場合、物体存在範囲算出部１５２はステップＳ１２５に進む。

（ステップＳ１２３：移動体存在範囲算出処理）
物体存在範囲算出部１５２は、対象物体である移動体の対象時間範囲における存在範囲を算出する。ここで、物体存在範囲算出部１５２は、対象時間範囲において、移動体の速さは典型的には時刻ｔ_０における移動体の速さのまま不変であり、移動体が向かう方向は変化し得るという前提で存在範囲を求めるものとする。
具体的には、まず、物体存在範囲算出部１５２は、対象時間範囲の終了時刻における移動体の位置を選択し、対象時間範囲の開始時刻における移動体の位置と、選択した対象時間範囲の終了時刻における移動体の位置との差に基づいて、対象時間範囲における移動体の進行方向を求める。進行方向は角度によって表される。次に、物体存在範囲算出部１５２は、進行方向が変化する範囲を定め、定めた進行方向の範囲において［数式１］に示す移動ベクトルが覆う領域のうち、対象時間範囲内において移動体が移動し得る領域を求める。ここで、［数式１］は、移動ベクトルのＸ座標成分とＹ座標成分との各々を示している。現在位置は、対象時間範囲の開始時刻において移動体が存在する位置である。将来位置は、対象時間範囲に含まれる時刻のうち対象時間範囲の開始時刻よりも先の時刻において移動体が存在する位置である。

［数式１］
将来位置（Ｘ座標）＝現在位置（Ｘ座標）＋ｃｏｓ（進行方向）×移動速度
将来位置（Ｙ座標）＝現在位置（Ｙ座標）＋ｓｉｎ（進行方向）×移動速度

具体例として、物体存在範囲算出部１５２は、まず、図１２の（ａ）に示すように、推定処理ループの現在の周期おける対象時間範囲が時刻ｔ_０から時刻ｔ_１までである場合、時刻ｔ_１における移動体の位置を選択し、時刻ｔ_０における移動体の位置と、選択した時刻ｔ_１における移動体の位置との差に基づいて移動体の進行方向を示す移動ベクトルを求める。
次に、物体存在範囲算出部１５２は、求めた移動ベクトルの左右に一定角度の範囲を持つ扇形の領域を求め、求めた領域のうち対象時間範囲内に移動体が移動し得る領域を移動体の存在範囲とする。ここで、一定角度の範囲は進行方向が変化する範囲に相当する。物体存在範囲算出部１５２は、移動体の移動幅に当たる一定角度を、移動体の種別と移動ベクトルの大きさ等に応じて決定する。具体例として、移動体が車両である場合、車両は基本的に進行方向に進行することを短期的には続けるため、物体存在範囲算出部１５２は、移動ベクトルの方向を車両の進行方向のみとし、かつ、一定角度を小さくする。また、移動体が歩行者である場合、歩行者はあらゆる方向に動き得るので、移動幅の形状が円形又は円形に近い扇形等になるように物体存在範囲算出部１５２は一定角度を大きくする。
時間範囲が時刻ｔ_１から時刻ｔ_２まで以降である場合、物体存在範囲算出部１５２は、推定処理ループの直前の周期で求めた結果に基づいて移動体の存在範囲を算出する。推定処理ループの現在の周期における対象時間範囲が時刻ｔ_１から時刻ｔ_２までである場合、物体存在範囲算出部１５２は、図１２の（ｂ）に示すように直前の周期である時刻ｔ_０から時刻ｔ_１までの時間範囲に対応する処理において求めた将来位置に移動体が存在しているものとして、前述の処理と同様に移動ベクトルを求め、求めた移動ベクトルを半径とした扇形の範囲を移動体の存在範囲とする。当該扇形の範囲は、図１２の（ｂ）に示すように、直前の周期で作成した扇形を拡大した範囲に相当する。ここで、初期位置は典型的には実際に観測された位置である。
なお、駐車車両等の現在移動していない対象物体について、物体存在範囲算出部１５２は、時刻ｔ_１から時刻ｔ_２までの時間範囲以降において走行を開始する可能性を考慮して存在範囲を設定してもよい。この際、物体存在範囲算出部１５２は、対象物体のランプの点灯状況等に基づいて対象物体の移動見込みを推定し、推定した結果に基づいて対象物体の存在範囲を設定してもよい。

（ステップＳ１２４：移動体存在確率算出処理）
物体存在範囲算出部１５２は、移動体の存在範囲内の位置毎又は領域毎に移動体の存在確率を算出する。物体存在範囲算出部１５２は、典型的には、移動体の現在位置における存在確率が１００％であり、現在位置からの距離が遠くなるほど存在確率が小さくなることを示す分布を、移動体の存在確率の分布として求める。具体例として、移動体である車両が直進中である場合に対応する存在確率の分布において、移動体が進行している直線上において最も存在確率が高く、当該直線の左右の領域において存在確率は相対的に低い一定の値である。一方、移動体である車両が移動方向を変更している場合に対応する存在確率の分布は、具体例として、車両の操舵方向において存在確率が相対的に高く、操舵方向の反対方向において存在確率が相対的に低い非対称の分布である。また、移動体が歩行者である場合における存在確率の分布は、具体例として、歩行者はどの方向へも移動方向を変更する可能性があるため、歩行者の現在位置からの距離に応じた正規分布に従うような分布である。
前述のことを踏まえ、物体存在範囲算出部１５２は、移動体の種別と移動体の進行方向等毎に確率関数を予め準備しておき、準備した確率関数を用いて移動体の存在確率を算出する。
物体存在範囲算出部１５２は、ステップＳ１２３において求めた存在範囲と、存在確率の分布とに基づいて移動体に対応する存在確率マップを生成する。

（ステップＳ１２５：静止物体存在範囲算出処理）
物体存在範囲算出部１５２は、対象物体の位置と、対象物体の周辺の範囲であって対象車両が通過することができない範囲とを対象物体の存在範囲とする。具体例として、対象物体が駐車車両である場合、駐車車両が存在する位置と、駐車車両の周囲１．０メートル以内から１．５メートル以内の範囲を駐車車両の存在範囲とする。ここで、駐車車両が存在する位置は平面視において駐車車両が占める領域であり、１．０メートル以内から１．５メートル以内は、駐車車両の横を車両が通過する場合における安全な間隔として知られている値である。

（ステップＳ１２６：静止物体存在確率算出処理）
物体存在範囲算出部１５２は、典型的には、対象物体の位置における存在確率が１００％であり、当該位置からの距離が大きくなるほど存在確率が小さくなることを示す分布を、対象物体の存在確率の分布として求める。物体存在範囲算出部１５２は、具体例として、予め準備してある確率関数に応じて当該分布を求める。
物体存在範囲算出部１５２は、ステップＳ１２５において求めた存在範囲と、存在確率の分布とに基づいて移動体に対応する存在確率マップを生成する。
なお、ステップＳ１２３からステップＳ１２６までの処理を実行することによって周辺物体分布が算出される。

（ステップＳ１２７：交通状況マップ生成処理）
交通状況マップ生成部１５３は、求めた各周辺物体に対応する存在確率マップをマージすることにより、対象時間範囲における交通状況マップを生成する。この際、同一の位置又は領域に対して複数の存在確率が設定されている場合、交通状況マップ生成部１５３は、典型的には最も高い存在確率のみを採用する。

＜移動範囲推定処理＞
図１３は、移動範囲推定処理の流れを示すフローチャートである。本図を参照して移動範囲推定処理を説明する。

（ステップＳ１３１：情報提示処理）
車両情報生成部１７１は、対象車両から通知された車両周辺情報を映像化し、映像化した車両周辺情報を表示装置１０３に表示する。また、車両情報生成部１７１は、情報提供サーバ４００から取得した関連情報を映像化し、映像化した関連情報を表示装置１０３に表示する。

（ステップＳ１３２：操作量取得処理）
遠隔操作者は、表示装置１０３に表示された情報を確認しながら、操作装置１０２を用いて対象車両を操作する。
操作情報取得部１３１は、装置内ネットワークより、操作装置１０２から出力された遠隔操作者による車両操作量を取得する。当該車両操作量は遠隔操作量とも呼ばれる。

（ステップＳ１３３：制御目標値算出処理）
制御目標算出部１３２は、記憶部１９０が保持する操作モデル１９１を用いて、取得した車両操作量から対象車両の制御目標値を生成する。ここで、操作モデル１９１は、遠隔操作者が操作装置１０２を用いて対象車両を遠隔操作した場合における、遠隔操作量と実際の対象車両の挙動との関係を学習することにより作成された学習済モデルである。実際の対象車両の挙動は、具体例として、対象車両の加減速値と舵角値とを含む。
制御目標算出部１３２は、操作モデル１９１に対して、遠隔操作者の遠隔操作量と環境条件である道路形状と道路線形と路面状況等の各々を示す情報を入力し、対象車両の制御目標値を得る。道路形状は、具体例として、直線道路と交差点等のいずれかである。道路線形は、具体例として、直線とカーブと勾配等のいずれかである。路面状況は、具体例として、乾燥と湿潤等のいずれかである。ここで、制御目標算出部１３２は、道路形状と道路線形との各々を示す情報を地図データベース１０５から取得する。また、制御目標算出部１３２は、情報提供サーバ４００より取得した天候情報と、対象車両から通知された車両周辺情報との少なくともいずれかを分析することにより路面状況を示す情報を取得してもよい。

（ステップＳ１３４）
移動範囲推定部１３０は、推定時間決定部１５１が求めた推定時間範囲分、一定の時間間隔毎に、ステップＳ１３４からステップＳ１３６から成る移動範囲推定処理ループの各周期の処理を実行する。
推定時間範囲内の時間範囲であって移動範囲推定処理ループにおいてまだ対象時間範囲とされていない時間範囲がある場合、移動範囲推定部１３０は、当該時間範囲のうち最も早い時間範囲を対象時間範囲とし、ステップＳ１３５に進む。それ以外の場合、移動範囲推定部１３０は本フローチャートの処理を終了する。

（ステップＳ１３５：目標走行位置算出処理）
対象時間範囲が時刻ｔ_０から時刻ｔ_１までである場合に、目標走行位置算出部１３３は、対象車両の車両状態情報と制御目標値とに基づき、時刻ｔ_０から時刻ｔ_１までの間に対象車両が進むと考えられる地点である目標走行位置を算出する。目標走行位置算出部１３３は、具体例として、車速と舵角と対象時間範囲とに基づいて移動ベクトルを求め、求めた移動ベクトルを車両位置情報が示す位置に加算することにより目標走行位置を求める。
対象時間範囲が時刻ｔ_１から時刻ｔ_２までの時間範囲以降である場合については、具体例として、目標走行位置算出部１３３は、時刻ｔ_０から時刻ｔ_１までの時間範囲に対応する移動ベクトルが示すように対象車両が進むものとして目標走行位置を求める。
目標走行位置算出部１３３は、本ステップの処理を繰り返し実行することによって算出した各時間範囲に対応する目標走行位置を組み合わせて時刻ｔ_０から時刻ｔ_ｍａｘまでの走行軌跡を示す走行軌跡情報を生成し、生成した走行軌跡情報を記憶部１９０に保存する。

（ステップＳ１３６：移動範囲算出処理）
移動範囲算出部１３４は、求めた目標走行位置と、対象車両から通知された車両状態情報と、遠隔操作量とに基づき、対象時間範囲における対象車両の移動範囲を推定する。移動範囲は、具体例として、対象車両が走行している車線内の範囲だけでもよく、突発的な危険回避行動を行う場合において対象車両が危険回避行動を行うことができる範囲、つまり、回避用の路側帯等を含む範囲であってもよい。なお、本フローチャートの説明において、対象車両の移動範囲を単に移動範囲と表記することもある。
なお、移動範囲算出部１３４は、本処理で算出した対象時間範囲毎の移動範囲を移動範囲マップとして、記憶部１９０に保存する。移動範囲算出部１３４は、移動体存在確率算出処理と同様に、移動範囲の各地点に対応する確率であって、実際に対象車両が各地点に到達する確率を求めてもよい。

図１４は移動範囲を説明する図である。
図１４の（ａ）は、移動範囲マップを模式的に示しており、後述する移動範囲の算出方法に基づいて対象車両の移動範囲を推定した結果を示している。
図１４の（ｂ）は、図１４の（ａ）に示す移動範囲を、Ｘ軸方向とＹ軸方向との各々について一定間隔で領域を分割したマップにプロットしたものである。本マップの構成は交通状況マップの構成と同様である。
移動範囲算出部１３４は、対象時間範囲が時刻ｔ_０から時刻ｔ_１である場合、目標走行位置算出部１３３が求めた目標走行位置から移動範囲を求める。具体的には、移動範囲算出部１３４は、図１４の（ｃ）に示すように、対象車両の現在位置と目標移動位置とを結ぶ直線を半径とし、当該直線の左右に一定角度の範囲を持つ扇形の領域を移動範囲とする。
なお、対象時間範囲が時刻ｔ_１から時刻ｔ_２までの時間範囲以降である場合、移動範囲算出部１３４は、図１４の（ｄ）に示すように、対象車両が等速運動すると仮定し、移動範囲推定処理ループの直前の周期において求めた移動範囲を拡大した範囲を移動範囲とする。当該範囲は、図１４の（ａ）に示す扇形の半径よりも対象時間範囲において対象車両が移動する距離分長い半径を有する扇形の範囲である。

＜潜在危険度マップ生成処理＞
図１５は、潜在危険度マップ生成処理の流れの一例を示すフローチャートである。本図を参照して潜在危険度マップ生成処理を説明する。
潜在危険度マップの構成は、Ｘ軸とＹ軸とを有する二次元座標系により表現される点で交通状況マップの構成と同様である。一方、潜在危険度マップは、交通状況マップとは異なり、各領域における潜在危険度値を示す情報を含む。

（ステップＳ１４１）
推定時間範囲内の時間範囲であってステップＳ１４１からステップＳ１４４から成るマップ生成処理ループにおいてまだ対象時間範囲とされていない時間範囲がある場合、マップ生成部１４０は、当該時間範囲のうち最も早い時間範囲を対象時間範囲とし、ステップＳ１４２に進む。それ以外の場合、マップ生成部１４０は本フローチャートの処理を終了する。

（ステップＳ１４２：物体危険度算出処理）
物体危険度算出部１４１は、交通状況推定部１５０が生成した交通状況マップと、移動範囲推定部１３０が生成した移動範囲マップと、地図データベース１０５が示す道路情報とに基づいて、対象時間範囲における対象車両の走行経路上の潜在危険度を算出する。
物体危険度算出部１４１は、具体例として、対象車両の走行経路上に周辺物体が存在する確率が高いほど対象車両が周辺物体と衝突するリスクが高いことから、交通状況推定部１５０が算出した存在確率をそのまま潜在危険度として利用する。
潜在危険度を求める他の方法として、交通状況マップと移動範囲マップとを重ね合わせ、対象車両と周辺物体との双方が存在する領域の潜在危険度を高くし、周辺物体のみが存在する領域の潜在危険度を低くする方法が挙げられる。物体危険度算出部１４１は、この方法を用いる場合において、対象物体と周辺物体との双方が存在する場合における重み付け定数を定め、交通状況マップが示す存在確率に定めた重み付け定数を乗算して潜在危険度を求めてもよい。重み付け定数は、具体例として２倍に対応する定数である。また、交通状況推定部１５０は、対象車両と周辺物体との双方が存在する可能性が高い領域ほど領域の潜在危険度を高くしてもよい。
さらに、物体危険度算出部１４１は、各周辺物体の種別と、各周辺物体の進行方向と、対象車両の車速とに基づいて対象車両と各周辺物体とが衝突した際の衝撃の強さに相当する重大度を定めておき、重大度と存在確率とを用いて潜在危険度を決定してもよい。この際、物体危険度算出部１４１は、各周辺物体のサイズが大きいほど重大度を大きくし、物体の進行方向に差異があるほど、つまり、具体例として、対象車両の前方を進行する車両に対応する重大度よりも対向車に対応する重大度を大きくする。また、物体危険度算出部１４１は、対象車両の車速が大きいほど重大度を大きくする。ここで、重大度の大きさは人命に関わるか否かに応じて定められる。周辺物体の進行方向は、具体例として、対象車両の進行方向と、対象車両の進行方向の逆方向とのいずれかである。
物体危険度算出部１４１は、対象車両が各位置に到達する時刻と対象車両の車速等に基づいて対象車両の制御可能性を求め、求めた制御可能性と存在確率と重大度とを組み合わせて潜在危険度を決定してもよい。当該時刻は衝突想定時刻に相当する。制御可能性は、対象車両が各周辺物体との衝突を回避することができる可能性を示す指標である。この際、対象車両が各位置に到達することに要する時間が大きいほど、つまり、時刻ｔ_ｎ−１から時刻ｔ_ｎまでの時間範囲に対応する交通状況マップについてはｎの値が大きいほど制御可能性が高くなり、また、対象車両の車速が低いほど制御可能性が高くなる。
物体危険度算出部１４１は、重大度と制御可能性とを組み合わせて潜在危険度を求める際、図１６に示すような潜在危険度決定テーブルを用いて潜在危険度を算出してもよい。当該潜在危険度決定テーブルにおいて、重大度は、衝撃が小さいことを示すＳ１と、衝撃が中程度であることを示すＳ２と、衝撃が大きいことを示すＳ３との３段階に分類されており、かつ、制御可能性は、制御可能性を制御可能性が大きいことを示すＣ１と、制御可能性が中程度であることを示すＣ２と、制御可能性が小さいことを示すＣ３との３段階に分類されている。さらに、当該潜在危険度決定テーブルにおいて、重大度の各段階と、制御可能性の各段階との組み合わせに対応する潜在危険度の大きさが１から４の４段階で定義されている。物体危険度算出部１４１は、具体例として、潜在危険度決定テーブルが示す値を重み付け係数として存在確率に乗算して潜在危険度を求める。

（ステップＳ１４３：道路危険度算出処理）
道路危険度算出部１４２は、地図データベース１０５より、対象車両の走行経路周辺の道路情報を取得し、取得した道路情報から対象車両が走行することができないエリアを抽出し、抽出したエリアの潜在危険度を最大値に設定することにより走行経路の潜在危険度を求める。対象車両が走行することができないエリアは、具体例として、車道以外の部分である。当該最大値は、具体例として、存在確率の最大値と、重みづけ値の最大値とを乗算した値である。

（ステップＳ１４２：危険度マップ生成処理）
危険度マップ生成部１４３は、物体危険度算出部１４１と道路危険度算出部１４２との各々が求めた潜在危険度をマージすることにより潜在危険度マップを生成する。

図１７及び図１８は潜在危険度マップを説明する図である。これらの図を参照して潜在危険度マップを説明する。なお、図１７及び図１８では、潜在危険度の大きさが黒く塗られた部分の割合により示されており、黒く塗られた部分の割合が高いほど潜在危険度値が大きいことを示している。
潜在危険度マップは、対象車両の位置を原点とし、Ｘ軸方向とＹ軸方向との各々を一定間隔で分割することにより格子状の領域を生成し、生成した領域毎に潜在危険度情報を保持するマップである。具体例として、潜在危険度マップが、Ｘ軸方向において−１０メートルから１００メートル、Ｙ軸方向において−１０メートルから１０メートルの範囲を示しており、Ｘ軸方向及びＹ軸方向ともに０．１メートル単位で分割された領域を示す場合を考える。この場合において、潜在危険度マップは、Ｙ軸方向である幅が２００（＝２０／０．１）であり、かつ、Ｘ軸方向である高さが１１００（＝１１０／０．１）である二次元配列情報であり、二次元配列の各要素に潜在危険度が設定された情報である。

図１７の（ａ）は、ある時刻における交通状況と、時刻ｔ_０から時刻ｔ_１までの時間範囲における移動範囲と存在範囲との具体例を示している。

図１７の（ｂ）は、図１７の（ａ）に示す情報に基づいて生成した潜在危険度マップの具体例を示している。図１７の（ｂ）では、図１７の（ａ）に示す状況において対象車両の存在範囲と各周辺物体の存在範囲とに重なりはないため、各周辺物体の存在確率が高い領域ほど潜在危険度が高い領域として設定されている。

図１８の（ａ）は、時刻ｔ_１から時刻ｔ_２までの時間範囲における移動範囲と存在範囲との具体例を示している。図１８の（ａ）に示す状況では、時刻ｔ_０から時刻ｔ_１までの時間範囲に対応する移動範囲と存在範囲との各々を拡大することにより、時刻ｔ_１から時刻ｔ_２までの時間範囲における移動範囲との存在範囲との各々が示されている。なお、本状況では、駐車車両が移動し始める可能性を考慮して駐車車両の存在範囲が拡大されている。

図１８の（ｂ）は、図１８の（ａ）に示す情報に基づいて生成した潜在危険度マップの具体例を示している。図１８の（ａ）に示す状況では、対象車両の存在範囲と周辺物体の存在範囲とに重なりがあるため、周辺物体の存在確率が高い領域ほど潜在危険度が高い領域として設定されるとともに、対象車両の存在範囲と周辺物体の存在範囲とが重なり合う領域も潜在危険度が高く設定されている。

＜支援情報配信処理＞
図１９は、運転支援装置１００による支援情報配信処理の流れの一例を示すフローチャートである。本図を参照して支援情報配信処理を説明する。

（ステップＳ１５１：情報生成処理）
情報生成部１６１は、マップ生成部１４０が生成した潜在危険度マップを対象車両に通知する形式に変換する。
潜在危険度マップは、先に説明した通り、二次元配列を示す情報である。支援情報配信部１６０が潜在危険度マップを対象車両に通知する場合において、潜在危険度マップの解像度情報と潜在危険度情報と、潜在危険度マップにおける対象車両の位置を示す情報とから成る情報を通知することが好ましい。解像度情報は、幅と高さとの各々を示す情報から成る。潜在危険度情報は、分割された領域毎の潜在危険度を示す情報である。対象車両の位置を示す情報は、対象車両が占める領域であって分割された領域の各々を示すインデックス値から成る情報である。
情報生成部１６１は、潜在危険度を通知する際に、通知する情報量を低減するために量子化を行う。量子化の方法としては、０と潜在危険度の最大値との間を等間隔に分割する方法が挙げられる。

（ステップＳ１５２：情報配信処理）
情報配信部１６２は、移動範囲推定部１３０が求めた走行軌跡情報と、情報生成部１６１が変換した潜在危険度マップと、潜在危険度マップの原点である対象車両の位置情報と、潜在危険度マップに対応する時間情報とを含む制御情報を対象車両に通知する。ここで、当該位置情報は、緯度と経度との各々を示す情報から成る。当該時間情報は、推定時間範囲と時間間隔値との各々を示す情報から成る。時間間隔値は、各潜在危険度マップに対応する時間範囲に含まれる時刻のうち最も早い時刻である、つまり、具体例として、時間範囲が時刻ｔ_０から時刻ｔ_１までである場合に時刻ｔ_０であり、時間範囲が時刻ｔ_１から時刻ｔ_２までである場合に時刻ｔ_１である。
なお、情報配信部１６２は、制御情報を対象車両に通知する際に、典型的には、対象車両に対する情報配信周期毎に全ての潜在危険度マップを通知する。

＜車両制御処理＞
図２０は、対象車両の統合制御装置２００による車両制御処理の流れの一例を示すフローチャートである。本図を参照して車両制御処理を説明する。
なお、対象車両の統合制御装置２００は、本フローチャートに示す処理を一定の制御周期毎に実行する。一定の制御周期は、具体例として１００ミリ秒周期である。

（ステップＳ１６１：情報取得処理）
情報取得部２１１は、車内ネットワークより、対象車両の車両状態情報と車両周辺情報と車両位置情報とを取得する。

（ステップＳ１６２：周辺物体認識処理）
周辺物体認識部２１２は、取得した車両周辺情報を分析することにより、各周辺物体の種別と、各周辺物体の位置とを算出し、また、周辺物体が車両である場合に当該車両の種別も算出する。周辺物体認識部２１２は、車両周辺情報が撮像データである場合において、撮像データから物体を抽出する手法として深層学習を用いる手法等の既知の手法を用いる。

（ステップＳ１６３）
制御情報取得部２１３は、現在の制御周期において統合制御装置２００が運転支援装置１００から制御情報を受信済みであるか否かを確認する。統合制御装置２００が制御情報を既に受信している場合、統合制御装置２００はステップＳ１６４に進む。それ以外の場合、統合制御装置２００はステップＳ１６５に進む。

（ステップＳ１６４：制御情報取得処理）
制御情報取得部２１３は、運転支援装置１００から受信した制御情報を取得し、取得した制御情報が示す走行軌跡情報と潜在危険度マップと対象車両の位置情報等を記憶部２９０に記憶する。

（ステップＳ１６５：制御情報読み出し処理）
統合制御装置２００が現在の制御周期内で運転支援装置１００から制御情報を受信することができない場合、統合制御装置２００は記憶部２９０が保持している制御情報を読み出して処理を行う。この際、統合制御装置２００は、潜在危険度マップと走行軌跡情報とについては、時刻ｔ_０から時刻ｔ_１までの時間範囲に対応する情報ではなく、時刻ｔ_１から時刻ｔ_２までの時間範囲に対応する情報を用いる。なお、直前の周期において受信した時刻ｔ_０から時刻ｔ_１までの時間範囲に対応する情報は現在の周期では過去の情報であるため、統合制御装置２００は当該時間範囲に対応する情報を使用しない。

（ステップＳ１６６：マップ補正処理）
マップ補正部２１４は、運転支援装置１００から取得した潜在危険度マップに対して、周辺物体認識部２１２が取得した周辺物体を示す情報に基づいて潜在危険度マップを補正する。本処理の詳細は後述する。

（ステップＳ１６７：走行経路生成処理）
走行経路生成部２１５は、潜在危険度マップを参照し、運転支援装置１００から通知された目標走行位置へ向かう走行経路を選択する。本処理の詳細は後述する。

（ステップＳ１６８：制御命令生成処理）
制御命令生成部２１６は、走行経路生成部２１５が生成した走行経路を走行するための車両制御量を算出し、算出した車両制御量を機器制御ＥＣＵ２０３に送信する。車両制御量は、具体例として目標加減速量と目標舵角量等から成る。機器制御ＥＣＵ２０３は、受信した車両制御量に基づき、各アクチュエータの操作量を生成して対象車両を制御する。

＜マップ補正処理＞
図２１は、マップ補正処理の流れの一例を示すフローチャートである。本図を参照してマップ補正処理を説明する。

マップ補正部２１４は、ステップＳ１７１からステップＳ１７４から成るマップ補正処理ループを、周辺物体認識部２１２が取得した周辺物体の数分繰り返し実行する。

（ステップＳ１７１）
マップ補正処理ループにおいてまだ選択されていない周辺物体がある場合、マップ補正部２１４は、まだ選択されていない周辺物体の中から１つの周辺物体を対象物体として選択し、ステップＳ１７２に進む。それ以外の場合、マップ補正部２１４は本フローチャートの処理を終了する。

（ステップＳ１７２：検出位置補正処理）
マップ補正部２１４は、対象物体の位置座標を、運転支援装置１００が決定した対象車両の位置を基準とした位置座標に変換する。
具体的には、マップ補正部２１４は、運転支援装置１００が決定した対象車両の位置と現在の対象車両の位置との間の進行方向と水平方向との距離差を求め、対象物体の位置に対して求めた距離差を加えることにより対象物体の位置座標を変換する。

（ステップＳ１７３）
マップ補正部２１４は、運転支援装置１００から取得した潜在危険度マップを用いて、対象物体の位置における潜在危険度を確認する。
マップ補正部２１４は、潜在危険度マップ上の対象物体の位置に対象物体を重ねた場合において対象物体が存在する位置における潜在危険度が低い場合、当該位置において未認識障害物を発見したと判断し、ステップＳ１７４に進む。それ以外の場合、マップ補正部２１４は次の周期の処理を実行する。

（ステップＳ１７４：潜在危険度マップ補正処理）
マップ補正部２１４は、未認識障害物を発見した場合、潜在危険度マップにおける未認識障害物が存在する位置と当該位置の周辺との各々の潜在危険度を最大値に設定する。マップ補正部２１４は、補正した潜在危険度マップである補正済潜在危険度マップを記憶部２９０に保存する。

＜走行経路生成処理＞
図２２及び図２３を用いて走行経路生成処理を説明する。
図２２は、走行経路生成処理の流れの一例を示すフローチャートである。図２３は、走行経路生成部２１５が走行経路を選定する様子を模式的に示している。図２３において、黒く塗られた部分の割合は潜在危険度の高さを示している。

（ステップＳ１８１：車両位置設定処理）
走行経路生成部２１５は、マップ補正処理において生成された補正済潜在危険度マップに、現在の対象車両の位置を示す情報をマッピングする。

（ステップＳ１８２：走行経路選択処理）
走行経路生成部２１５は、補正済潜在危険度マップと、運転支援装置１００から取得した走行軌跡情報とに基づき、目標走行位置への走行経路を選択する。この際、走行経路生成部２１５は、図２３の（ａ）に示すように補正済潜在危険度マップに示される潜在危険度が最小である経路のいずれかを選択する。ここで、図２３中の対象車両位置は現在の対象車両の位置を指す。
なお、走行経路生成部２１５は、本ステップにおいて走行経路を選択することができないこともある。

（ステップＳ１８３）
図２３の（ｂ）に示すように目標走行位置までの走行経路中に潜在危険度が高い地点が有るために走行経路生成部２１５が走行経路を選択することができない場合、走行経路生成部２１５はステップＳ１８４に進む。それ以外の場合、走行経路生成部２１５は本フローチャートの処理を終了する。

（ステップＳ１８４：回避行動選択処理）
走行経路生成部２１５は、補正済潜在危険度マップを参照して潜在危険度が低い経路を探索し、探索した結果を用いて回避行動を選択する。具体例として、走行経路生成部２１５は、図２３の（ｂ）に示す交通状況において、図２３の（ｃ）に示すように、対象車両の前方の路側帯に一時停止して回避すること、又は、対象車両の前方にある潜在危険度の高い地点の右横を通ることにより当該地点を回避して進むこと等の回避行動候補から回避行動を選択する。

（ステップＳ１８５：潜在危険度マップ読み出し処理）
マップ補正部２１４は、記憶部２９０が保存している潜在危険度マップから、参照中の補正済潜在危険度マップに対応する時間範囲の次の時間範囲に対応する潜在危険度マップを読み出す。具体例として、参照中の補正済潜在危険度マップが時刻ｔ_０から時刻ｔ_１までの時間範囲に対応するものである場合、マップ補正部２１４は、時刻ｔ_１から時刻ｔ_２までの時間範囲に対応する潜在危険度マップを記憶部２９０から読み出す。

（ステップＳ１８６：マップ補正処理）
マップ補正部２１４は、マップ補正処理を行い、現在検知している周辺物体の位置を潜在危険度マップに反映する。

（ステップＳ１８７：回避行動選択処理）
走行経路生成部２１５は、補正済潜在危険度マップを用いて、回避行動候補を実行する場合における潜在危険度を判定し、潜在危険度が相対的に低い回避行動候補のいずれかを選択する。
具体例として、図２３の（ｄ）に示すような交通状況である場合に、次の時間範囲において、対象車両の前方にある潜在危険度の高い地点の右横を通る経路に対応する潜在危険度が高くなる。そのため、走行経路生成部２１５は本経路を通る回避行動候補を除外する。よって、走行経路生成部２１５は、本交通状況において、対象車両の前方の路側帯に一時停止する回避行動候補を回避行動として選択する。
なお、本ステップにおいて走行経路生成部２１５が回避行動を選択することができるとは限らない。

（ステップＳ１８８）
ステップＳ１８７において回避行動が選択されていない場合、走行経路生成部２１５はステップＳ１８５に戻る。それ以外の場合、走行経路生成部２１５はステップＳ１８９に進む。
なお、回避行動が決定するまで将来の潜在危険度マップを走行経路生成部２１５が探索することにより、走行経路生成部２１５は潜在危険度が低い回避行動を決定することができる。

（ステップＳ１８９：回避経路選択処理）
走行経路生成部２１５は、ステップＳ１８７において選択した回避行動を行う際の走行経路を決定する。

＊＊＊実施の形態１の効果の説明＊＊＊
以上のように、本実施の形態によれば、将来の時刻における周辺物体の移動予測を含めた潜在危険度マップを用いる。そのため、運転支援装置１００から対象車両への制御指示の伝達遅延、又は突発的な危険事象等が発生した場合において、運転支援装置１００からの制御指示がなくても対象車両が備える統合制御装置２００によって回避行動を行うことができる。そのため、本実施の形態によれば、比較的安全性が高い遠隔型自動運転システムを提供することができる。
また、本実施の形態によれば、運転支援装置１００と車両との間における運転指示の遅延が発生した場合にも対応することができるよう、遅延の間に発生し得る交通状況の変化を推定した予測情報として潜在危険度マップ等を配信する。そのため、本実施の形態によれば、通信遅延が発生した場合において、通信遅延による車両の安全性及び快適性に対する影響を軽減することができる。

＊＊＊他の構成＊＊＊
＜変形例１＞
推定時間決定部１５１が推定時間範囲と時間間隔とを決定する方法についての変形例を説明する。
推定時間決定部１５１は、対象車両の走行経路に応じて推定時間範囲と時間間隔とを調整してもよい。
具体例として、推定時間決定部１５１は、対象車両が周辺物体に衝突し得る危険度が相対的に高い経路を対象車両が走行する場合に時間間隔を短くし、通信環境が不安定になりやすい経路を対象車両が走行する場合に推定時間範囲を長くする。
具体例として、以下のような情報を用いて衝突危険度を決定する。
・道路線形
道路線形は、具体例として、直線とカーブと坂道とのいずれかである。具体例として、推定時間決定部１５１は、カーブが多い山道等、細かな操作が要求される走行経路において推定時間範囲と時間間隔とを短くし、直線道路において推定時間範囲と時間間隔とを長くする。
・構造物
構造物は、具体例としてトンネルである。具体例として、推定時間決定部１５１は、トンネルに入る前等、通信環境が不安定となり得る走行経路に接近している場合に推定時間範囲を長くする。

本変形例によれば、運転支援装置１００から対象車両に通知する情報量を必要に応じて増減させることができ、また、運転支援装置１００と対象車両との間の通信量を適宜抑えることができる。

＜変形例２＞
物体存在範囲算出部１５２による物体範囲算出方法についての変形例を説明する。
物体存在範囲算出部１５２は、移動体の種別と、移動体情報と、走行環境情報とを入力として、移動体の将来位置を出力する学習済モデルを用いて移動範囲を算出してもよい。移動体の種別は、具体例として、車両と歩行者と動物とのいずれかである。移動体情報は、具体例として、移動体の位置と車速と加速度との各々を示す情報から成る。走行環境情報は、具体例として、道路構造と路面状態と道路形状と天候との各々を示す情報から成る。本変形例において、物体存在範囲算出部１５２は学習済モデルを用いて周辺物体分布を算出する。学習済モデルは、少なくとも１つの移動体の各移動体の周辺についての情報である少なくとも１つの周辺情報それぞれと、少なくとも１つの移動体の各移動体に対応する少なくとも１つの周辺物体分布それぞれとの関係を学習したモデルである。ここで、少なくとも１つの移動体と、少なくとも１つの周辺情報とは１対１で対応する。

図２４は、本変形例に係る物体存在範囲算出部１５２の動作の一例を示すフローチャートである。本図を参照して物体存在範囲算出部１５２の動作を説明する。

（ステップＳ２０１：事前準備処理）
物体存在範囲算出部１５２は、学習用モデルに対して、周辺物体である移動体毎に、各走行環境における移動体の行動履歴を学習させて移動範囲生成モデルを生成する。移動範囲生成モデルは、移動体の種別と、移動体の移動情報と、走行環境状況の情報等を入力とした場合に、予測量を出力するモデルである。走行環境状況は、具体例として、片側一車線等の道路情報と、直線とカーブ等の道路形状と、天候等の少なくともいずれかである。具体例として、移動範囲生成モデルは、条件付き確率分布モデルで構成されており、移動体の運動関数と運動関数の生起確率とを求めるモデルである。移動範囲生成モデルは、各交通状況と、各交通状況において移動体の各挙動が発生する確率とを対応させることによって構築される。運動関数は、方向と加速度との各々についての時間関数である。方向と加速度との各々についての運動関数は、具体例として、１０個程度準備されている。つまり、本移動範囲生成モデルでは、ある交通状況において、ある運動を行う確率が出力される。ある運動は、具体例として、Ｘ軸方向加速度と、Ｙ軸方向加速度とにより表される。具体例として、Ｘ軸方向加速度関数ａ_ｉ（ｔ）（０≦ｉ≦９、ｉは整数）が準備されている際に、各交通状況におけるａ_０（ｔ）と、ａ_１（ｔ）と、…、ａ_９（ｔ）との各々の生起確率は、移動範囲生成モデルから求まる。なお、各運動関数に対応する生起確率の全てを足した値は１００％である。ここで、ごく短い時間であれば移動体の加速度は線形関数で表されるものと仮定すると、ａ_ｉ（ｔ）は［数式２］で表すことができる。各ａ_ｉの値が互いに異なるため、各ａ_ｉ（ｔ）の傾きが互いに異なる。なお、ａ（０）は移動体の現在の加速度を表す。

［数式２］
ａ_ｉ（ｔ）＝ａ_ｉ・ｔ＋ａ（０）

以降、移動範囲生成モデルは、条件付き確率分布モデルで構成されているものとして説明する。なお、物体存在範囲算出部１５２は、他の装置が生成した移動範囲生成モデルを利用してもよい。

（ステップＳ２０２：モデル実行処理）
物体存在範囲算出部１５２は、交通状況認識部１２０が取得した現在の周期における交通状況情報１９２と過去の交通状況情報１９２とに基づき、現在の周期に検出した各周辺物体の移動情報として、各周辺物体の移動速度と移動方向とを求める。具体的には、物体存在範囲算出部１５２は、各周辺物体の現在の存在位置と過去の存在位置との差に基づいて移動予測を行うことにより移動情報を求める。物体存在範囲算出部１５２は、求めた移動速度と移動方向とを用いて、Ｘ軸方向加速度とＹ軸方向加速度とを求める。
物体存在範囲算出部１５２は、交通状況情報１９２が示す周辺物体毎に、物体の種別と、物体の移動情報と、物体の現在位置と、地図データベース１０５及び情報提供サーバ４００等から取得した走行環境情報とを移動範囲生成モデルに入力することにより、運転関数と生起確率とを取得する。

（ステップＳ２０３：物体存在範囲算出処理）
物体存在範囲算出部１５２は、取得した運動関数を用いて、ある時間後において移動体が存在する位置を求める。ある時間後は、具体例として、現在時刻から１００ミリ秒後である。具体的には、物体存在範囲算出部１５２は、運動関数を用いてある時間後におけるＸ軸方向加速度とＹ軸方向加速度とを求め、求めた加速度とある時間とに基づいて移動体が現在位置から移動する位置を求める。本処理により、物体存在範囲算出部１５２は、ある時間後における移動体の存在位置と存在位置に対応する生起確率とを求めることができる。
物体存在範囲算出部１５２は、求めた移動体のＸ軸方向加速度とＹ軸方向加速度とに基づいて次の時間における運動関数を求め、求めた運動関数を用いて次の時間における移動体の存在位置を算出する。次の時間は、具体例として、現在時刻から２００ミリ秒後である。
物体存在範囲算出部１５２は、このような処理をある時間間隔で繰り返し実施することにより、時刻ｔ_ｎ−１から時刻ｔ_ｎまでの時間範囲における移動体の移動を予測することができる。ある時間間隔は、具体例として、１００ミリ後、２００ミリ後、…、１秒後である。
また、物体存在範囲算出部１５２は、移動範囲生成モデルから出力された運動関数の全ての組み合わせに対して前述の処理を実施することにより、時刻ｔ_ｎ−１から時刻ｔ_ｎまでの時間範囲における移動体の存在位置を求めることができる。
物体存在範囲算出部１５２は、本ステップの処理を全ての移動体に対して行うことにより、各時間範囲における物体存在範囲を算出することができる。
また、物体存在範囲算出部１５２は、移動体の存在範囲における存在確率を、運動関数の生起確率より求める。具体的には、物体存在範囲算出部１５２は、移動体の現在位置における存在確率を１００％に設定し、時間範囲毎に求めた運動関数の生起確率を設定した存在確率に適宜乗算した値を時間範囲毎の当該現在位置における存在確率として設定する。
なお、全ての組み合わせに対して移動体の位置を算出すると演算負荷が大きくなるため、物体存在範囲算出部１５２は、生起確率が３０％以下である運動関数を除外する等、移動体が存在する確率が著しく低い場合を除くことにより演算負荷を抑えても構わない。

本変形例によれば、周辺物体の存在範囲と存在確率とを比較的高い精度で求めることができる。

＜変形例３＞
移動範囲推定部１３０による移動範囲算出方法についての変形例を説明する。
移動範囲推定部１３０は、車両操作量と走行環境情報とを入力として、将来位置を出力する学習済モデルを用いて移動範囲を算出してもよい。
なお、本変形例は、遠隔運転が遠隔操作者による遠隔操作に基づいて行われる場合だけでなく、遠隔運転がプログラムにより自動的に行われる場合にも適用することができる。

図２５は、本変形例に係る移動範囲推定部１３０の動作の一例を示すフローチャートである。本図を参照して移動範囲推定部１３０の動作を説明する。

（ステップＳ２１１：事前準備処理）
移動範囲推定部１３０は、対象車両の予測制御量を生成するために、ドライバの過去の操作履歴を学習してドライバモデルを生成する。予測制御量は、具体例として、アクセル開度とブレーキ開度と操舵角との各々についての制御量の予測値である。ドライバモデルは、車速と、アクセル開度と、ブレーキ開度と、操舵角等の車両制御に関わる情報と、対象車両の前方の車両との車間距離と、道路形状と、道路線形と、路面状況等の情報を入力値として、予測制御量を出力するモデルである。具体例として、ドライバモデルは条件付き確率分布モデルで構成されており、対象車両の運転操作関数と運転操作関数の生起確率とを求めることに用いられるモデルである。ドライバモデルは、移動範囲生成モデルと同様に構築されたモデルである。運転操作関数は、アクセル開度とブレーキ開度と操舵角との各々についての時間関数である。アクセル開度とブレーキ開度と操舵角との各々についての時間関数は、具体例として、１０個程度準備されている。つまり、本ドライバモデルによれば、ある交通状況において、ドライバがある運転操作を行う確率が出力される。運転操作は、具体例として、アクセル開度と、ブレーキ開度と、操舵角との少なくともいずれかを制御することである。具体例として、アクセル開度関数ａ_ｉ（ｔ）（０≦ｉ≦９、ｉは整数）が準備されている際に、各交通状況におけるａ_０（ｔ）と、ａ_１（ｔ）と、…、ａ_９（ｔ）との各々の生起確率がドライバモデルから求まる。ここで、各運転操作関数に対応する生起確率の全てを足した値は１００％である。
以降、ドライバモデルは、条件付き確率分布モデルで構成されているものとして説明する。なお、移動範囲推定部１３０は、他の装置が生成したドライバモデルを利用してもよい。

（ステップＳ２１２：予測制御量生成処理）
制御目標算出部１３２は、遠隔操作者による対象車両の遠隔操作量と、走行環境情報等をドライバモデルに入力することにより、運転操作関数と生起確率とを取得する。

（ステップＳ２１３：走行軌跡算出処理）
目標走行位置算出部１３３は、取得した運転操作関数を用いて、ある時間後における対象車両の予測制御量を求める。ある時間後は、具体例として１００ミリ秒後である。目標走行位置算出部１３３は、求めた予測制御量と対象車両の運動方程式とに基づいてある時間後において対象車両が到達する位置を求める。ここで、対象車両の運動方程式は、対象車両個々の運転特性に基づいて予め定められているものとする。その結果、目標走行位置算出部１３３は、ある時間における対象車両の位置と位置に対応する生起確率とを求めることができる。
その後、目標走行位置算出部１３３は、求めた対象車両の予測制御量と対象車両の位置とに基づき、次の時間における予測制御量を求め、求めた予測制御量を用いて次の時間における対象車両の位置を算出する。次の時間は、具体例として、現在時刻から２００ミリ秒後である。このような処理をある時間間隔毎に繰り返し実施することにより、目標走行位置算出部１３３は、時刻ｔ_ｎ−１から時刻ｔ_ｎまでの時間範囲における対象車両の移動経路を予測する。ある時間間隔は、具体例として、１００ミリ後、２００ミリ後、…、１秒後である。
目標走行位置算出部１３３は、前述の処理を、ドライバモデルから出力された運転操作関数の全ての組み合わせに対して実施することにより、時刻ｔ_ｎ−１から時刻ｔ_ｎまでの時間範囲において対象車両が走行し得るルートを算出する。そして、目標走行位置算出部１３３は、最も生起確率が高い経路を組み合わせたルートを示す情報を走行軌跡情報とする。
なお、前述の処理を全ての組み合わせに対して実施すると演算負荷が大きくなるため、目標走行位置算出部１３３は、生起確率が３０％以下の運転操作関数を除外する等、対象車両が存在する確率が著しく低い場合を除くことにより演算負荷を抑えても構わない。

（ステップＳ２１４：移動範囲算出処理）
移動範囲算出部１３４は、目標走行位置算出部１３３が求めた走行軌跡において対象車両が通過する領域を移動範囲として移動範囲マップを生成する。

本変形例によれば、将来の対象車両の走行軌跡と、移動範囲とを比較的高い精度で求めることができる。

＜変形例４＞
情報生成部１６１による潜在危険度マップの量子化についての変形例を説明する。
潜在危険度の値がある一定の潜在危険度値を超えている場合、潜在危険度の値の大小に関わらず、対象車両が避けるべき障害物が存在すると考えられる。そこで、情報生成部１６１は、潜在危険度の値が小さい場合に量子化レベル間隔を細かくし、潜在危険度の値が大きい場合に量子化レベル間隔を粗くする。
また、潜在危険度の値が小さすぎる場合、対象車両が潜在危険度を考慮する必要性が低いと考えられる。そこで、情報生成部１６１は、潜在危険度の平均値付近、又は、中央値付近において量子化レベル間隔を細かくし、他の値付近において量子化レベル間隔を粗くしてもよい。他にも、情報生成部１６１は、潜在危険度を標準化した後に量子化してもよい。標準化は、平均が０であり分散が１である分布に正規化することである。

他の方法として、情報生成部１６１は、潜在危険度マップをＰＧＭ（Ｐｏｒｔａｂｌｅ Ｇｒａｙｍａｐ Ｆｏｒｍａｔ）形式の画像に変換してもよい。情報生成部１６１は、ＰＧＭ形式のヘッダ情報を潜在危険度マップに付加する。ＰＧＭ形式のヘッダ情報は、マジックナンバーである「Ｐ２」と、解像度と、明るさの最大値との各々を示す情報を含む。解像度は画像の縦横の分割数に当たるので、情報生成部１６１は、解像度を示す情報に対して潜在危険度マップの解像度を設定する。明るさの最大値は、各画素の階調値の最大値であり、具体例として、２５５である。本例において、潜在危険度は０から２５４の２５５段階で表現される。
潜在危険度を２５５段階で表現する方法は、等間隔に潜在危険度を量子化する方法であってもよく、対数スケールを利用して潜在危険度を量子化する方法であってもよく、前述した量子化方法であってもよい。

本変形例のように潜在危険度を量子化することにより、対象車両に通知する情報の情報量を抑えることができる。

＜変形例５＞
情報生成部１６１による潜在危険度マップの量子化方法についての変形例を説明する。
情報生成部１６１は、時間範囲毎に対象車両が存在する近辺の情報のみを送信してもよい。
また、情報生成部１６１は、移動範囲推定部１３０が求めた移動範囲マップより、進行方向（Ｘ軸方向）と水平方向（Ｙ軸方向）との各々の最大値及び最小値を求め、求めた最小値と最大値とにより囲まれる長方形の範囲に対応する情報のみを潜在危険度マップ情報として通知してもよい。このとき、対象車両側で潜在危険度マップに対応する範囲を把握することができるようにするため、情報生成部１６１は求めた最小値と最大値とを示す情報も通知する。
なお、情報生成部１６１は、最小値と最大値とにある一定の補正値を加算することにより対象車両に通知する範囲を拡大してもよい。

本変形例のように潜在危険度マップのサイズを対象車両が存在し得る領域のみとすることにより、対象車両に通知する情報の情報量を抑えることができる。

＜変形例６＞
情報生成部１６１による運転支援情報の配信方法についての変形例を説明する。
情報生成部１６１は、位置毎に、時刻又は時間範囲毎の潜在危険度を保持する情報を生成してもよい。
図２６は本変形例における処理を説明する図である。
図２６の（ａ）は、時刻ｔ_０から時刻ｔ_１までの時間範囲に対応する潜在危険度マップの具体例を模式的に示している。図２６の（ｂ）は時刻ｔ_１から時刻ｔ_２までの時間範囲に対応する潜在危険度マップの具体例を模式的に示している。このように、情報生成部１６１は、時刻ｔ_ｎ−１から時刻ｔ_ｎまでの時間範囲毎に潜在危険度を求めることにより、図２６の（ｂ）内に示すグラフのように、位置毎に各時間範囲と潜在危険度との関係を示す時系列データを生成することができる。
具体例として、情報生成部１６１は、生成した時系列データをＳＡＸ（Ｓｙｍｂｏｌｉｃ Ａｇｇｒｅｇａｔｅ Ａｐｐｒｏｘｉｍａｔｉｏｎ）を用いて符号化し、情報配信部１６２は符号化した時間毎の情報を潜在危険度マップの情報として対象車両に通知してもよい。このとき、対象車両側において通知された情報は再度時間範囲毎の情報に戻される。

＜変形例７＞
情報配信部１６２による運転支援情報の配信方法についての変形例を説明する。
情報配信部１６２は、対象車両の走行経路又は通信遅延状態等に応じて潜在危険度マップの送信方法を決定してもよい。本変形例に係る支援情報配信部１６０は、運転支援装置１００と対象移動体との間の通信品質に応じて潜在危険度マップを対象移動体に通知するか否かを決定する。通信品質は、周辺車両情報に含まれる情報の量に応じて定められてもよい。
具体例として、情報配信部１６２は、制御周期毎の潜在危険度マップを毎周期送信し、他の時間範囲に対応する潜在危険度マップについては、走行経路と通信遅延状態とを考慮して送信するタイミングを決定してもよい。制御周期毎の潜在危険度マップは、時刻ｔ_０から時刻ｔ_１までの時間範囲に対応する潜在危険度マップである。
情報配信部１６２は、具体例として、以下のように送信するタイミングを決定する。

・走行経路
走行経路が直線道路である場合、対象車両が取得する周辺車両情報には遠くの位置に存在する物体も含まれているため、将来の時刻に対応する潜在危険度マップの予測精度はある程度保証される。このため、走行経路が直線道路である場合、制御周期１０回に１回だけ将来の潜在危険度マップを通知する等、情報配信部１６２は送信頻度を下げてもよい。ここで、将来の潜在危険度マップは、時刻ｔ_１から時刻ｔ_２までの時間範囲以降の時間範囲の各々に対応する潜在危険度マップである。
一方、走行経路がカーブが多い山道等である場合、カーブの先に存在する車両等、対象車両が取得する周辺車両情報内には含まれていない物体が多く存在すると考えられるため、将来の時刻に対応する潜在危険度マップの予測精度は低いと考えられる。このため、走行経路がカーブが多い山道等である場合、制御周期２回に１回だけ将来の潜在危険度マップを通知する等、情報配信部１６２はある程度の送信頻度を保ってもよい。

・通信遅延状態
情報配信部１６２は、通信遅延推定部１２２が算出した通信遅延時間情報についての過去から現在までの推移に基づいて通信遅延状態を推定する。具体例として、通信遅延時間が次第に長くなっている場合、通信帯域の使用度合いを下げるために、将来の潜在危険度マップを制御周期１０回に１回だけ送信する等、情報配信部１６２は送信頻度を下げてもよい。

他の方法として、情報配信部１６２は、運転支援装置１００から全ての対象車両に通知している情報量に基づいて使用通信帯域量を算出し、相対的に大きい使用通信帯域量に対応する対象車両について、対象車両毎に将来の潜在危険度マップの送信周期を割り当てて送信する方法を用いてもよい。

本変形例によれば、潜在危険度マップの送信数を制限することにより、対象車両に通知する情報の情報量を抑えることができる。

＜変形例８＞
運転支援装置１００は、移動範囲マップを生成せず、移動範囲マップを用いずに潜在危険度マップを生成してもよい。
本変形例において、具体例として、マップ生成部１４０は、交通状況推定部１５０が算出した存在確率をそのまま潜在危険度として利用して潜在危険度マップを生成する。また、対象車両は、潜在危険度マップと車両周辺情報とに基づいて対象車両に対する各周辺物体のリスクを判断して対象車両を自動的に制御する。

＜変形例９＞
図２７は、本変形例に係る運転支援装置１００のハードウェア構成例を示している。
運転支援装置１００は、プロセッサ１１、プロセッサ１１とメモリ１２、プロセッサ１１と補助記憶装置１３、あるいはプロセッサ１１とメモリ１２と補助記憶装置１３とに代えて、処理回路１８を備える。
処理回路１８は、運転支援装置１００が備える各部の少なくとも一部を実現するハードウェアである。
処理回路１８は、専用のハードウェアであってもよく、また、メモリ１２に格納されるプログラムを実行するプロセッサであってもよい。

処理回路１８が専用のハードウェアである場合、処理回路１８は、具体例として、単一回路、複合回路、プログラム化したプロセッサ、並列プログラム化したプロセッサ、ＡＳＩＣ（ＡＳＩＣはＡｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）、ＦＰＧＡ（Ｆｉｅｌｄ Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）又はこれらの組み合わせである。
運転支援装置１００は、処理回路１８を代替する複数の処理回路を備えてもよい。複数の処理回路は、処理回路１８の役割を分担する。

運転支援装置１００において、一部の機能が専用のハードウェアによって実現されて、残りの機能がソフトウェア又はファームウェアによって実現されてもよい。

処理回路１８は、具体例として、ハードウェア、ソフトウェア、ファームウェア、又はこれらの組み合わせにより実現される。
プロセッサ１１とメモリ１２と補助記憶装置１３と処理回路１８とを、総称して「プロセッシングサーキットリー」という。つまり、運転支援装置１００の各機能構成要素の機能は、プロセッシングサーキットリーにより実現される。
また、統合制御装置２００についても、本変形例と同様の構成であってもよい。

＊＊＊他の実施の形態＊＊＊
実施の形態１について説明したが、本実施の形態のうち、複数の部分を組み合わせて実施しても構わない。あるいは、本実施の形態を部分的に実施しても構わない。その他、本実施の形態は、必要に応じて種々の変更がなされても構わず、全体としてあるいは部分的に、どのように組み合わせて実施されても構わない。
なお、前述した実施の形態は、本質的に好ましい例示であって、本開示と、その適用物と、用途の範囲とを制限することを意図するものではない。フローチャート等を用いて説明した手順は、適宜変更されてもよい。

１１，２１ プロセッサ、１２，２２ メモリ、１３，２３ 補助記憶装置、１４，２４ 通信インタフェース、１８ 処理回路、９０ 運転支援システム、１００ 運転支援装置、１０１ 制御装置、１０２ 操作装置、１０３ 表示装置、１０４ 通信装置、１０５ 地図データベース、１１０ 処理部、１２０ 交通状況認識部、１２１ 環境情報取得部、１２２ 通信遅延推定部、１２３ 周辺物体認識部、１２４ 物体位置決定部、１３０ 移動範囲推定部、１３１ 操作情報取得部、１３２ 制御目標算出部、１３３ 目標走行位置算出部、１３４ 移動範囲算出部、１４０ マップ生成部、１４１ 物体危険度算出部、１４２ 道路危険度算出部、１４３ 危険度マップ生成部、１５０ 交通状況推定部、１５１ 推定時間決定部、１５２ 物体存在範囲算出部、１５３ 交通状況マップ生成部、１６０ 支援情報配信部、１６１ 情報生成部、１６２ 情報配信部、１７０ 表示部、１７１ 車両情報生成部、１７２ 補助情報生成部、１９０ 記憶部、１９１ 操作モデル、１９２ 交通状況情報、１９３ 通信遅延情報、２００ 統合制御装置、２０１ 操作装置、２０２ センサ群、２０３ 機器制御ＥＣＵ、２０４ 高精度ロケータ、２０５ 地図データベース、２０６ 表示装置、２０７ 車外通信装置、２１０ 処理部、２１１ 情報取得部、２１２ 周辺物体認識部、２１３ 制御情報取得部、２１４ マップ補正部、２１５ 走行経路生成部、２１６ 制御命令生成部、２１７ 情報通知部、２９０ 記憶部、３００ 路側機、４００ 情報提供サーバ、５００ 無線通信ネットワークシステム、５１０ 無線中継装置。

Claims (12)

1. 推定時間範囲において対象移動体の周辺に存在する少なくとも１つの物体から成る周辺物体集合が含む各物体が存在する可能性がある物体存在範囲と、前記物体存在範囲内の各地点における前記周辺物体集合が含む各物体の存在確率とを示す周辺物体分布を、前記推定時間範囲の開始時刻よりも過去の時刻から成る計測時間範囲における前記周辺物体集合が含む各物体についての情報を用いて算出する物体存在範囲算出部と、
   前記周辺物体分布に基づいて、前記周辺物体集合が含む各物体の危険度を示す潜在危険度を表す潜在危険度マップを生成する危険度マップ生成部と
   を備え、
   前記物体存在範囲算出部は、少なくとも１つの移動体が含む各移動体の周辺についての情報である少なくとも１つの周辺情報それぞれと、前記少なくとも１つの移動体が含む各移動体に対応する少なくとも１つの周辺物体分布それぞれとの関係を学習した学習済モデルを用いて前記周辺物体分布を算出し、
   前記少なくとも１つの移動体と、前記少なくとも１つの周辺情報とは１対１で対応する運転支援装置。
2. 前記運転支援装置は、さらに、
   前記推定時間範囲において前記対象移動体が存在する可能性がある移動範囲を示す移動分布を、前記計測時間範囲における前記対象移動体についての情報を用いて算出する移動範囲算出部
   を備え、
   前記潜在危険度は、前記対象移動体と前記周辺物体集合が含む各物体とが衝突する危険度を示し、
   前記危険度マップ生成部は、前記移動分布と前記周辺物体分布とに基づいて前記潜在危険度マップを生成する請求項１に記載の運転支援装置。
3. 前記移動分布は、前記移動範囲内の各地点における前記対象移動体の存在確率を示す請求項２に記載の運転支援装置。
4. 前記運転支援装置は、さらに、
   前記移動分布と前記周辺物体分布とに基づいて、前記対象移動体と前記周辺物体集合が含む各物体とが衝突した場合における重大度と、前記対象移動体と前記周辺物体集合が含む各物体とが衝突すると想定される衝突想定時刻とを求め、求めた重大度と衝突想定時刻とに基づいて前記潜在危険度を算出する物体危険度算出部
   を備え、
   前記危険度マップ生成部は、算出された潜在危険度を用いて前記潜在危険度マップを生成する請求項２又は３に記載の運転支援装置。
5. 前記学習済モデルは、条件付き確率分布モデルである請求項１から４のいずれか１項に記載の運転支援装置。
6. 前記運転支援装置は、さらに、
   前記潜在危険度マップを前記対象移動体に通知する支援情報配信部
   を備える請求項１から５のいずれか１項に記載の運転支援装置。
7. 前記支援情報配信部は、前記運転支援装置と前記対象移動体との間の通信品質に応じて前記潜在危険度マップを前記対象移動体に通知するか否かを決定する請求項６に記載の運転支援装置。
8. 前記支援情報配信部は、量子化された潜在危険度を前記対象移動体に通知する請求項６又は７に記載の運転支援装置。
9. 請求項６から８のいずれか１項に記載の運転支援装置と、前記対象移動体とを備える運転支援システムであって、
   前記対象移動体は、
   前記運転支援装置から通知された潜在危険度マップに基づいて前記潜在危険度が相対的に低い経路を前記対象移動体の走行経路として選択する走行経路生成部を備える統合制御装置
   を備える運転支援システム。
10. 前記統合制御装置は、さらに、
    前記対象移動体が備えるセンサが取得した情報を用いて前記運転支援装置から通知された潜在危険度マップを補正するマップ補正部
    を備え、
    前記走行経路生成部は、補正された潜在危険度マップを用いて前記走行経路を選択する請求項９に記載の運転支援システム。
11. 推定時間範囲において対象移動体の周辺に存在する少なくとも１つの物体から成る周辺物体集合が含む各物体が存在する可能性がある物体存在範囲と、前記物体存在範囲内の各地点における前記周辺物体集合が含む各物体の存在確率とを示す周辺物体分布を、前記推定時間範囲の開始時刻よりも過去の時刻から成る計測時間範囲における前記周辺物体集合が含む各物体についての情報を用いて算出し、
    前記周辺物体分布に基づいて、前記周辺物体集合が含む各物体の危険度を示す潜在危険度を表す潜在危険度マップを生成する運転支援方法であって、
    少なくとも１つの移動体が含む各移動体の周辺についての情報である少なくとも１つの周辺情報それぞれと、前記少なくとも１つの移動体が含む各移動体に対応する少なくとも１つの周辺物体分布それぞれとの関係を学習した学習済モデルを用いて前記周辺物体分布を算出し、
    前記少なくとも１つの移動体と、前記少なくとも１つの周辺情報とは１対１で対応する運転支援方法。
12. 推定時間範囲において対象移動体の周辺に存在する少なくとも１つの物体から成る周辺物体集合が含む各物体が存在する可能性がある物体存在範囲と、前記物体存在範囲内の各地点における前記周辺物体集合が含む各物体の存在確率とを示す周辺物体分布を、前記推定時間範囲の開始時刻よりも過去の時刻から成る計測時間範囲における前記周辺物体集合が含む各物体についての情報を用いて算出する物体存在範囲算出処理と、
    前記周辺物体分布に基づいて、前記周辺物体集合が含む各物体の危険度を示す潜在危険度を表す潜在危険度マップを生成する危険度マップ生成処理と
    をコンピュータである運転支援装置に実行させる運転支援プログラムであって、
    前記物体存在範囲算出処理では、少なくとも１つの移動体が含む各移動体の周辺についての情報である少なくとも１つの周辺情報それぞれと、前記少なくとも１つの移動体が含む各移動体に対応する少なくとも１つの周辺物体分布それぞれとの関係を学習した学習済モデルを用いて前記周辺物体分布を算出し、
    前記少なくとも１つの移動体と、前記少なくとも１つの周辺情報とは１対１で対応する運転支援プログラム。

Images