JP6987490B2 - 旋回予測 - Google Patents

Description

交差点におけるナビゲーションは、交差点が異なる可能性があるので非常に難しい運転操作につながり得る。往々にして、事故によって、怪我を負ったり、死亡したりし、事故は交差点で発生するか、または交差点関連で発生する。事故の１つの原因は、交差点信号、一時停止標識などを見落とすことによる運転者過失である。一実施例として、第１車両の運転者が左折する場合、衝突は、運転者が第２車両に対して適切に道を譲れない場合に起こり得る。

１つ以上の態様によれば、旋回予測システムは、ナビゲーション部と、通信部と、モデリング部と、予測部と、を含むことができる。ナビゲーション部は、第１車両が走行している走行環境の環境レイアウト情報を受信することができ、第１車両の現在位置を受信することができる。通信部は、付加環境レイアウト情報を１台以上の他車両から受信することができる。モデリング部は、走行環境、第１車両、及び１台以上の他車両を含むモデルを、環境レイアウト情報及び付加環境レイアウト情報に基づいて構築することができる。モデルは、１台以上の他車両のうちの１台の他車両の運転者の意図を示すことができる。予測部は、１つ以上の予測をモデルに基づいて生成することができる。

１つ以上の実施形態では、環境レイアウト情報または付加環境レイアウト情報は、走行環境に関連する車線レベルの情報を含むことができる。モデリング部は、モデルを、Ｈｉｄｄｅｎ Ｍａｒｋｏｖ Ｍｏｄｅｌ（隠れマルコフモデル：ＨＭＭ）、Ｓｕｐｐｏｒｔ Ｖｅｃｔｏｒ Ｍａｃｈｉｎｅ（サポートベクターマシン：ＳＶＭ）、Ｄｙｎａｍｉｃ Ｂａｙｅｓｉａｎ Ｎｅｔｗｏｒｋ（動的ベイジアンネットワーク：ＤＢＮ）、またはこれらの組み合わせに基づいて構築することができる。通信部は、車両情報を１台以上の他車両から受信することができ、モデリング部は、モデルを、１台以上の他車両の車両情報に基づいて構築することができる。センサ部は、環境レイアウト情報を受信することができ、モデリング部は、モデルを、環境レイアウト情報に基づいて構築することができる。

予測部は、衝突余裕時間（Ｔｉｍｅ−Ｔｏ−Ｃｏｌｌｉｓｉｏｎ：ＴＴＣ）予測、衝突予測、または旋回予測を生成することができる。システムは、道路の車線数、交差点における車線の形状、または走行車線を逸脱して正規の走行車線に戻るときの走行方向に関する情報を、１つ以上の予測、及び１つ以上の交通規則に基づいて提供する地図作成部を含むことができる。システムは、１つ以上の予測の通知を表す通知部を含むことができる。システムは、１つ以上の予測に基づいて１つ以上のアシスト操作を決定するアシスト部を含むことができる。環境レイアウト情報または付加環境レイアウト情報は、車線形状または車線数を含むことができる。ナビゲーション部は、第１車両が意図する進路を、目的地位置に基づいて、かつそれぞれの他車両の動きを示す１台以上の他車両に関する１つ以上の予測に基づいて決定することができる。

１つ以上の態様によれば、旋回予測方法は、第１車両が走行している走行環境の環境レイアウト情報、及び第１車両の現在位置を受信することと、１台以上の他車両を検出することと、付加環境レイアウト情報を、１台以上の他車両から受信することと、走行環境、第１車両、及び１台以上の他車両を含むモデルを、環境レイアウト情報及び付加環境レイアウト情報に基づいて構築することと、そのモデルが、１台以上の他車両のうちの１台の他車両の運転者の意図を示すことと、１つ以上の予測をモデルに基づいて生成することと、１つ以上の予測を表すことと、を含むことができる。

環境レイアウト情報または付加環境レイアウト情報は、走行環境に関連する車線レベルの情報を含むことができる。モデリング部は、モデルを、Ｈｉｄｄｅｎ Ｍａｒｋｏｖ Ｍｏｄｅｌ（隠れマルコフモデル：ＨＭＭ）、Ｓｕｐｐｏｒｔ Ｖｅｃｔｏｒ Ｍａｃｈｉｎｅ（サポートベクターマシン：ＳＶＭ）、Ｄｙｎａｍｉｃ Ｂａｙｅｓｉａｎ Ｎｅｔｗｏｒｋ（動的ベイジアンネットワーク：ＤＢＮ）、またはこれらの組み合わせに基づいて構築することができる。方法は、車両情報を１台以上の他車両から受信することと、モデルを、１台以上の他車両の車両情報に基づいて構築することと、を含むことができる。方法は、環境レイアウト情報（または、付加環境レイアウト情報）をセンサから受信することと、モデルを、環境レイアウト情報に基づいて構築することと、を含むことができる。方法は、衝突余裕時間（ＴＴＣ）予測、衝突予測、または旋回予測を生成することを含むことができる。

１つ以上の態様によれば、旋回予測システムは、ナビゲーション部と、センサ部と、通信部と、モデリング部と、予測部と、を含むことができる。ナビゲーション部は、第１車両が走行している走行環境の環境レイアウト情報、及び第１車両の現在位置を受信することができる。環境レイアウト情報は、走行環境に関連する車線レベルの情報、走行環境内の道路の車線形状、または走行環境内の道路の車線数を含むことができる。センサ部は、１台以上の他車両を検出することができる。通信部は、付加環境レイアウト情報を１台以上の他車両から受信することができる。モデリング部は、走行環境、第１車両、及び１台以上の他車両を含むモデルを、環境レイアウト情報及び付加環境レイアウト情報に基づいて構築することができる。モデルは、１台以上の他車両のうちの１台の他車両の運転者の意図を示すことができる。予測部は、１つ以上の予測をモデルに基づいて生成することができる。

モデリング部は、モデルを、Ｈｉｄｄｅｎ Ｍａｒｋｏｖ Ｍｏｄｅｌ（隠れマルコフモデル：ＨＭＭ）、Ｓｕｐｐｏｒｔ Ｖｅｃｔｏｒ Ｍａｃｈｉｎｅ（サポートベクターマシン：ＳＶＭ）、Ｄｙｎａｍｉｃ Ｂａｙｅｓｉａｎ Ｎｅｔｗｏｒｋ（動的ベイジアンネットワーク：ＤＢＮ）、またはこれらの組み合わせに基づいて構築することができる。予測部は、衝突余裕時間（ＴＴＣ）予測、衝突予測、または旋回予測を生成することができる。ナビゲーション部は、第１車両が意図する進路を、目的地位置に基づいて、かつそれぞれの他車両の動きを示す１台以上の他車両に関する１つ以上の予測に基づいて決定することができる。

旋回予測システムまたは旋回予測方法、または予測システムまたは予測方法の１つ以上の構成要素、または１つ以上の部分は、プロセッサ、処理ユニット、メモリなどを利用して実装することができる。

１つ以上の実施形態による旋回予測システムの例示的な構成要素図の説明である。 １つ以上の実施形態による旋回予測方法の例示的なフロー図の説明である。 １つ以上の実施形態による２台の車両が交差点に位置している走行環境における例示的なシナリオの説明である。 １つ以上の実施形態による車線レベルの詳細を有する環境レイアウト情報の例示的な図式表示の説明である。 １つ以上の実施形態による車線レベルの詳細を有する環境レイアウト情報の例示的な図式表示の説明である。 １つ以上の実施形態による旋回予測に使用されるＤｙｎａｍｉｃ Ｂａｙｅｓｉａｎ Ｎｅｔｗｏｒｋ（動的ベイジアンネットワーク：ＤＢＮ）の例示的な図式表示の説明である。 １つ以上の実施形態による旋回予測システムを搭載した車両を使用することができる例示的なシナリオの説明である。 １つ以上の実施形態による本明細書において説明される１つ以上の条項を具体化するように構成されるプロセッサ実行可能命令を含む例示的なコンピュータ可読媒体またはコンピュータ可読装置の説明である。 １つ以上の実施形態による本明細書において説明される１つ以上の条項を実装する例示的なコンピューティング環境の説明である。

これらの図面に示される実施形態または実施例について、特定の用語を使用して以下に開示する。しかしながら、これらの実施形態または実施例は本発明を限定するものではないことを理解できるであろう。本開示の実施形態のあらゆる変更及び変形、及び本文書に開示される原理の任意の追加的な適用は、関連技術分野の当業者が普通に想起し得るように想到される。

以下の用語が本開示全体を通じて使用され、これらの用語の定義が本明細書において提供され、本開示の１つ以上の態様を理解し易くする。

本明細書において記載される第１車両または自車両が、旋回予測システムを搭載した車両とすることができるのに対し、第２車両、別車両、または他車両は、第１車両または自車両に関して障害物、妨害物、または往来物を表す車両とすることができる。しかしながら、１つ以上のシナリオでは、第２車両、別車両、または他車両は、他の旋回予測システムまたは同様の旋回予測システムを備えることができる、または第１車両と第２車両との間の車両間通信を容易にする車両間通信モジュールを備えることができる。

本明細書において使用されるように、環境レイアウト情報は、交差点、道路（例えば、車線を含む）、道路区分、妨害物、車線形状、車線境界、車線数、障害物などのような走行環境またはナビゲーション環境の特性または特徴を含むことができる。更に、環境レイアウト情報は、それぞれの交差点、道路、道路区分などの座標、形状、等高線、特性、トポロジー、隆起変化、またはレイアウトを含むことができる。

本明細書において使用されるように、環境レイアウト情報に関連する車両情報（例えば、関連車両情報）のような車両情報として、関連車両の移動情報、加速度、車速、走行角、操舵角、方位、進行方向、方向付け、ポジション、位置、ピッチ、ロール、ヨー、傾斜角など、または関連車両の記録または履歴を挙げることができる。別車両に関連する現ポジション、現在位置、過去のポジション、または過去位置は、対応車両の車線ポジションまたは車線位置を含むことができる。従って、位置履歴（例えば、過去のポジション）及び関連車速または他の車両情報は、第２車両に格納することができる、または第２車両が収集することができ、第１車両に供給することができる。関連車両情報の他の実施例として、アンチロックブレーキなどのような車両の機能が作動したかどうかの記録または履歴を含むことができる。

本明細書において使用されるように、「推定する（ｉｎｆｅｒ）」または「推定（ｉｎｆｅｒｅｎｃｅ）」という用語は普通、システム、構成要素、環境、ユーザの状態を、イベント、情報、またはデータなどを介して取得される１つ以上の観測値に基づいて推理する、または推定する過程を指す。推定という用語を用いて、状況または作用を特定することができる、または推定という用語を用いて、状態に関する確率分布を生成することができる。推定は、確率論的に捉えることができる。例えば、関心のある状態に関する確率分布の計算は、データまたはイベントを考慮に入れることに基づく。推定とは、高位イベントを一連のイベントまたは一連のデータで構成するために用いられる手法を指すこともできる。このような推定により、新規イベントまたは新規作用を、これらのイベントが、時間的近接性と密接に相関性があるかどうかに関係なく、かつこれらのイベント及びデータが１つの、または幾つかのイベントソース及びデータソースに由来しているかどうかに関係なく、一連の観測イベントまたは一連の格納イベントデータで構成することができる。

幹線道路用の自動運転システムは、製造中の車両に実装することができる。自動運転システムは、さほど整備されていない環境を走行している歩行者または他車両を避けるように誘導するか、または、歩行者または他車両に合わせて調整し得る。交差点では、車両は多くの場合、交通規則、一時停止標識を遵守して、交差点を優先順位に基づいて通行する。従って、交差点の通行を容易にするために、旋回予測システムは、他車両の走行方向について予測することができる。この予測は、普通の交差点における運転者意図予測モデルを生成することにより達成することができる。つまり、交差点の特徴に関係なく、運転者意図予測モデルを構築することができるシステムまたは方法を提供することにより、殆ど全ての交差点について状況に応じた予測をすることができる。

１つ以上の実施形態では、車線地図（例えば、高精度車線地図とすることができる）を使用して、１つ以上の統計モデルを構築することができる。運転者意図予測モデルに使用される統計モデルの実施例として、他車両の運転者意図予測のためのＨｉｄｄｅｎ Ｍａｒｋｏｖ Ｍｏｄｅｌ（隠れマルコフモデル）、Ｓｕｐｐｏｒｔ Ｖｅｃｔｏｒ Ｍａｃｈｉｎｅ（サポートベクターマシン）、及び／またはＤｙｎａｍｉｃ Ｂａｙｅｓｉａｎ Ｎｅｔｗｏｒｋ（動的ベイジアンネットワーク）を含むことができる。

旋回予測システムは、リアルタイム車両情報を、第２車両のような他車両から収集することができ、第２車両は、交差点のような目標領域を、第１車両が交差点または目標領域に到達する直前に（例えば、５秒の時間の間）走行または通行している。従って、他車両の過去のポジション、移動、速度などを第１車両に搭載された旋回予測システムの通信部に記録するか、または格納することができ、通信部に送信することができる。このようにして、車両は走行環境の特性または特徴を、環境レイアウト情報として通知するだけでなく、この他車両がこの走行環境内の異なる位置においてどのように走行したかに関する情報を通知することができることにより、第１車両は、目標領域をモデル化して、目標領域内の１台以上の他車両についての予測を、それに応じて生成することができる。

従って、目標領域に関する詳細環境レイアウト情報または他の関連車両情報を受信して、それぞれの情報が、正確であり、かつリアルタイムに最新であるようになり、第１車両が目標領域を見通す必要がない。このようにして、第２車両は第１車両に、第１車両が接近している交差点に関する特徴を通知することができる（例えば、第２車両が、第１車両よりも前に交差点に進入した事実を利用して）。走行環境またはナビゲーション環境について事前に認識しておく必要がないので、従来とは異なる交差点について、それに応じて一般的に地図を作成するか、またはモデル化することができる。この情報（他車両からの環境レイアウト情報及び／または関連情報を含む）を利用して、走行環境の道路、道路区分、または他の特徴を、第１車両の旋回予測システムのモデリング部により、モデル化するか、またはその他には、道路、道路区分、または他の特徴の「地図を作成する」ことができる。

図１は、１つ以上の実施形態による旋回予測システム１００の例示的な構成要素図の説明である。システム１００は、センサ部１１０と、ナビゲーション部１２０と、モデリング部１３０と、予測部１４０と、通知部１５０と、アシスト部１６０と、通信部１７０と、を含むことができる。それぞれの構成部は、旋回予測システム１００の多種多様な機能を提供することができる。

例えば、センサ部１１０は、第２車両、第３車両などのような１台以上の他車両を検出することができる。センサ部１１０は、例えばレーダユニット、レーザユニットなどを含む異なる種類のセンサを含むことにより、このような検出を容易にすることができる。更に、センサ部は、第２車両に関連する第２車両情報のような、別車両に関連する車両情報を検出することができる。従って、センサ部は、別車両の速度のような異なる車両に関連する異なる態様を、センサ部１１０のレーダセンサ部またはレーダユニットを利用して検出することができ、別車両の現在の車線位置または現在の車線ポジションをセンサ部１１０の画像撮像センサ部または画像撮像ユニットなどを利用して検出することができる。

センサ部１１０は、環境レイアウト情報に関する、または関連する車両情報を受信することができ、車両情報として、例えば走行環境内の、またはナビゲーション環境内の異なる地点における他車両のスピードまたは速度（レーダユニットを利用して得られる）を挙げることができる。つまり、センサ部１１０は、車両情報を他車両からリアルタイムに集めるか、または収集することができ、他車両は、第１車両または自車両が同じ交差点に到着する直前（例えば、５秒以内）に、次の交差点を過ぎ去っている、走行してしまっている、通行してしまっている、通り過ぎている。

１つ以上の実施形態では、センサ部１１０は、別車両の方向指示器または方向指示灯のような１つ以上の運転の兆候の有無、または１つ以上の運転操作の有無を検出することができる。この情報をモデリング部１３０に提供して、他車両に関連する対応モデルをすることができる。つまり、モデリング部１３０は、方向指示灯の観測値を、運転者が走行可能な１つ以上の進路、または取り得る１つ以上の進路、または運転者の意図する走行経路に結び付けることができる。例えば、センサ部１１０が、別車両の運転者が、左の方向指示灯を点灯させていることを検出する場合、モデリング部１３０は、他車両が左折する可能性が高いという推定を示すモデルを構築することができる。

同様に、センサ部１１０は、環境レイアウト情報を検出することができる（例えば、センサ部１１０の画像取込または画像撮像ユニットを利用して）。例えば、センサ部１１０は、交差点のレイアウト、交差点内の車線数などを、例えば車線区分線を観測することにより検出することができる。つまり、センサ部１１０は、走行環境またはナビゲーション環境の１つ以上の特徴を、センサ部１１０の画像撮像ユニット、ビジョンユニット、レーザユニット、レーダユニットなどのような異なる種類のセンサを利用して特定することができる。センサ部１１０は、交差点、交差点のレイアウト、交差点の特徴などを、画像撮像ユニットを利用して特定することができる。この場合、センサ部１１０は、ビジョンデータまたは画像データを受信することができ、ビジョンデータまたは画像データを使用して、交差点のレイアウトの地図を作成する、またはその他には、車両が進行している、または走行している走行環境に関連する環境レイアウト情報を抽出する。１つ以上の実施形態では、センサ部１１０が検出する、または受信する環境レイアウト情報を使用して、例えば通信部１７０のような他のソースから受信する他の環境レイアウト情報を補完することができる。

更に、センサ部１１０は、自車両または第１車両の現ポジションを検出することができる（例えば、画像取得を利用して）。例えば、画像撮像センサ部１１０は、第１車両の現ポジションが「右折専用車線」であることを、車線区分線などに基づいて決定することができる。同様に、センサ部１１０は、画像撮像機能を利用して、道路の形状、障害物、交差点の一部などを決定することができる。例えば、センサ部１１０は、交差点までに至る道路または道路区分が湾曲形状を有していることを決定することができる。更に、センサ部１１０を使用して、交差点までの距離、車線のセンターラインまでの距離などのような目標領域までの距離を推定することができる。

１つ以上の実施形態では、通信部１７０は、第２車両、第３車両などのような１台以上の他車両を検出するのを支援することができる、または１台以上の他車両を検出するために使用することができる。例えば、通信部１７０は、他車両を、第１車両と第２車両との間の車両間通信を利用して検出することができる。

通信部１７０により、旋回予測システム１００を搭載した車両（例えば、第１車両または自車両）は、１台以上の他車両（例えば、第２車両、他車両、別車両など）と通信することができる。例えば、通信部１７０は、１つ以上の送信機、及び１つ以上の受信機を含むことができ、これらの送信機及び受信機は、信号または情報をそれぞれ送受信することにより、第１車両が第２車両と通信することができるように構成することができる。通信部１７０は、１つ以上の無線チャネル、テレマティクス連動チャネル、短距離通信チャネルなどを介して実装できる。

通信部１７０は、環境レイアウト情報を受信する（または、送信する）ことができる（例えば、車両間通信すなわちｖ２ｖ通信を利用して）。説明したように、環境レイアウト情報の実施例として、交差点、道路（例えば、車線を含む）、道路区分、障害物、車線形状、車線境界、車線数、妨害物などのような走行環境またはナビゲーション環境の特性または特徴を含むことができる。

１つ以上の実施形態では、第２車両からの通信情報は、第２車両の現ポジションに関連する環境レイアウト情報を示すことができる。更に、環境レイアウト情報、または環境レイアウト情報に関連する車両情報のような、車両間通信の間に受信する情報を利用して、例えばナビゲーション部１２０のような他の構成部から受信する環境レイアウト情報を補完することができる。

つまり、ナビゲーション部１２０は、第１車両が現在走行している走行環境またはナビゲーション環境のＧＰＳ地図をダウンロードすることができる。ナビゲーション部１２０は、道路の等高線、車線数のような環境レイアウト情報を含むことができる。運転者が次の交差点に近づくと、モデリング部１３０は、交差点が目標領域であることを決定することができる。１つ以上の実施形態では、第１車両は１台以上の他車両との通信を交差点において開通して、目標領域に関する情報を決定する、または受信することができる。例えば、通信部１７０は、他車両が道路内に、または交差点内に位置している状態に関する、または他車両がどのように旋回するかなどに関する情報または車両情報を受信することができる。ナビゲーション部１２０から受信する環境レイアウト情報（例えば、ＧＰＳ地図）は、道路区分が、特定の形状に整形されていることを示すことができるが、１台以上の他車両から受信する（例えば、通信部１７０を介して）車両情報または他の環境レイアウト情報は、道路区分に沿った旋回が、例えば異なる形状に沿って行われる（例えば、障害物、ＧＰＳ地図の誤差、または他の未知の理由による）ことを示すことができる。このように、１つの構成部からの環境レイアウト情報は、別の構成部からの環境レイアウト情報で補完することができる。このようにして、通信部１７０は車両間通信を利用して、環境レイアウト情報の少なくとも一部を補完するか、または検証することができる。

１つ以上の実施形態では、システム１００は、地図作成部（図示せず）を含むことができる。他の実施形態では、システム１００のナビゲーション部１２０または他の構成部は、車線数、交差点での車線の形状、走行車線を逸脱して正規の走行車線に戻るときの走行方向（例えば、交通規則または交通法規に従った）のような、衝突余裕時間予測、衝突予測、旋回予測などに関連する環境レイアウト情報を提供する地図作成部または地図作成補助部を含むことができる。

通信部１７０は更に、第２車両に関連する第２車両情報のような他車両に関連する車両情報を受信する（または、送信する）ことができる（例えば、車両間通信を利用して）。説明したように、車両情報として、車両移動情報、加速度、速度、走行角、操舵角、方位、進行方向、方向付け、ポジション、位置、ピッチ、ロール、ヨー、傾斜角、１つ以上の運転操作、または１つ以上のナビゲーション操作を挙げることができ、運転操作またはナビゲーション操作として、例えば関連車両の車両制御、ブレーキ操作、加速操作、操舵操作、方向指示灯などを挙げることができる。

１つ以上の実施形態では、第２車両からの通信情報は、第２車両の現ポジションに関する環境レイアウト情報に関連する第２車両情報を示すことができる。第２車両の現ポジションに、車線レベルの精度を備えることにより、旋回予測システム１００は第２車両の現在車線を決定することができる。例えば、第２車両は、第１車両の通信部１７０に、第２車両が現在、「左折専用車線」を走行していることを伝えることができる。これに起因して、モデリング部１３０は、「左折専用車線」に関連する１つ以上の対応する交通規則を説明することができ、第２車両の旋回オプション（例えば、殆どの場合、左折）を反映した、または表す対応モデルを、第２車両の現在の車線位置に基づいて生成することができる。

このようにして、通信部１７０が受信する環境レイアウト情報に含まれる車線の形状または道路の形状は、１台以上の他車両が実際に取り得る走行軌跡を示すことができ、更に正確な推定または推測を、予測部１４０が容易に行うことができる、またはモデリング部１３０が生成するモデルで容易に行うことができる。

１つ以上のシナリオでは、第２車両に、画像撮像部品またはＧＰＳ装置のような１つ以上のセンサまたは構成要素を搭載することができ、画像撮像部品またはＧＰＳ装置により、第２車両は、車線レベルの位置またはポジションを正確に提供することができる。従って、通信部１７０により、車両間通信が容易になるので、第１車両は、第２車両に関連する車線レベルの位置情報またはポジション情報を受信することができる。他の実施形態では、第１車両または自車両のセンサ部１１０を利用してこのような情報を検出することができる。

このようにして、通信部１７０により車両間（ｖ２ｖ）通信を車両間で行うことができる。１つ以上の実施形態では、車両間通信をリアルタイムに達成し、第２車両が環境レイアウト情報、または環境レイアウト情報に関連する車両情報を第１車両に、それぞれの情報を第２車両が収集しているときに、または検出しているときに（または、収集または検出した直後に）、伝達または送信することができる。

１つ以上の実施形態では、通信部１７０は、環境レイアウト情報履歴（例えば、第２車両の現ポジションまたは現在位置に関する）または環境レイアウト情報履歴に関連する車両情報履歴を示す情報または通信情報を第２車両から受信することができる。つまり、この環境レイアウト情報は、第２車両が５秒前の位置またはポジションのような、第２車両が走行した走行環境またはナビゲーション環境の特性または特徴を示すことができる。

第２車両からの通信情報は、第２車両の１つ以上の過去のポジションに関連する環境レイアウト情報を示すことができる。従って、通信部１７０は、走行環境またはナビゲーション環境の建築物、障害物、湾曲道路区分、異なる車線形状または車線方向などを説明する、または補完する環境レイアウト情報をリアルタイムに受信することができ、車両は、走行環境内に位置していて、または走行環境内の見通し線が通る位置に位置していて、このようなリアルタイム環境レイアウト情報を有する必要がない。

同様に、第２車両からの通信情報は、第２車両の１つ以上の過去のポジションに関する環境レイアウト情報に関連する第２車両情報を示すことができる。このようにして、通信部１７０は、第２車両が既に走行してしまった走行環境の１つ以上の走行環境特性または走行環境特徴を示す環境レイアウト情報及び／または関連車両情報を第２車両から受信することができ、走行環境特性または走行環境特徴として、例えば第２車両が現在時刻の５秒前（例えば、ｔ−５）に位置していた位置に関連する走行環境特性、及び関連車両が以前の対応位置で、５秒前に走行していたときの速さまたは速度を挙げることができる。この場合、通信部１７０は、他車両が既に走行してしまっている地点または地形の特性を示す環境レイアウト情報を受信することができる。この情報を用いて、車両が次に走行する道路、交差点、または道路区分のモデルを生成することができる。更に、モデリング部１３０は、この情報を用いて、他車両に関するモデルを生成することができる。

更に別の様式で説明すると、通信部１７０により車両（例えば、互いにすれ違う車両、互いの方に向かって進行する車両、同じ交差点に向かって同じ道路を走行する車両など）は、情報を互いに供給する、送信する、授受する、または渡すことができ、この情報を利用して、これらの車両のうちの１台が交差点または道路に到着する前に、走行環境（例えば、交差点、道路など）の形状または等高線の「地図を作成する」ことができる。従って、通信部１７０により旋回予測システム１００は、正確な環境レイアウト情報をリアルタイムに受信することができ、交差点がこれまで通りではない形状または等高線を有しているかどうか、交差点が直角に交わっていないかどうかなどのような、走行環境、交差点道路などについて事前に認識しておく必要が全くない。

更に、通信部１７０により旋回予測システム１００内の構成部、ユニット、または補助システムは、旋回予測システム１００の１つ以上の他の構成部、ユニット、または補助システムと通信することができる。例えば、通信部１７０は、モデリング部１３０からの情報を予測部１４０に渡すことができる、または予測部１４０からの情報を通知部１５０またはアシスト部１６０に、コントローラエリアネットワークを介して渡すことができる。

モデリング部１３０は、走行環境またはナビゲーション環境の交差点、道路、道路区分などのモデルまたは予測モデル、及びこの環境内の１台以上の車両のモデルまたは予測モデルを構築することができる。モデルは、（例えば、ナビゲーション部１２０からの）概略交差点情報、（例えば、通信部１７０またはセンサ部１１０からの）リアルタイム環境レイアウト情報などを含むことができる。つまり、モデルは、センサ部１１０から受信する（例えば、画像取得または他のセンサを介して）環境レイアウト情報、ナビゲーション部１２０から受信する環境レイアウト情報（例えば、事前に地図にした環境レイアウト情報）、通信部１７０から受信する環境レイアウト情報（例えば、リアルタイム環境レイアウト情報）、及び／または他車両から受信する車両情報に基づくことができる。

Ｃｏｎｓｔａｎｔ Ｙａｗ Ｒａｔｅ ａｎｄ Ａｃｃｅｌｅｒａｔｉｏｎ（ＣＹＲＡ：一定ヨーレートの加速度）を用いて構築されるモデルとは異なり、モデリング部１３０が構築するモデルは、交差点の１つ以上の道路、車線数、車線の形状、環境のトポロジー、環境の等高線、車線レベルの詳細または車線レベルの地図情報などを説明することができる。車線レベルのモデルは、モデリング部１３０が構築するので、交差点の構造に関連する複雑さは低減される。更に、モデリング部１３０は、１台以上の車両の挙動、所望の進路、走行経路、推定などを、車線レベルの詳細（例えば、車線数、車両の現在の車線ポジションなど）に基づいた１つ以上の交通規則に基づいてモデル化することができる。モデリング部１３０は、走行環境またはナビゲーション環境に関連する１つ以上の特性を、環境レイアウト情報に基づいて計算することができる。例えば、モデリング部１３０は、車線曲率、内側車線／外側車線、車両からセンターラインまでの距離、交差点までの距離、車両の進行方向角度と車線方向との差などを計算することができる。

１つ以上の実施形態では、モデルは、第１車両または自車両のような１台以上の車両、及び周囲の走行環境に含まれる第２車両または他車両を含むことができる。この場合、モデリング部１３０は、これらの車両のうち、モデル化される交差点に特有の１台以上の車両が取り得る１つ以上の進路または意図する進路を特定することができる。つまり、モデリング部１３０は、他車両が意図する進路を示す、または他車両の運転者の運転者意図を示すモデルを別車両に関して構築することができる。更に別の様式で説明すると、モデルが取り得る進路は、交差点の形状または車線に基づくことにより、予測を推定旋回半径、旋回速度、車線位置などについて行うことができる。従って、運転者意図（例えば、左折、右折、直進、Ｕターンなど）は、交差点の他車両について、または交差点への他の進入者について予測することができる。

モデリング部１３０が構築するモデルは、交差点または走行環境に特有であり、かつ走行環境内の１台以上の車両を説明することができるので、モデルは、第１車両または自車両の運転者の現状またはシナリオの評価（例えば、存在する他車両に関する）を表すことができ、このモデルが、走行環境のリアルタイム変化だけでなく、他車両に関連するリアルタイム変化を説明することができるので、他のモデルよりも正確となり得ることにより、旋回予測システム１００は、モデルを状況に応じて構築する、または予測を状況に応じて生成することができる。

１つ以上の実施形態では、モデリング部１３０は、これらの１つ以上のモデルを、Ｈｉｄｄｅｎ Ｍａｒｋｏｖ Ｍｏｄｅｌ（隠れマルコフモデル：ＨＭＭ）、Ｓｕｐｐｏｒｔ Ｖｅｃｔｏｒ Ｍａｃｈｉｎｅ（サポートベクターマシン：ＳＶＭ）、またはＤｙｎａｍｉｃ Ｂａｙｅｓｉａｎ Ｎｅｔｗｏｒｋ（動的ベイジアンネットワーク：ＤＢＮ）に基づいて構築することができる。１つ以上の実施形態は、種々の人工知能（ＡＩ）ベースの計画を用いて、これらの実施形態の種々の態様を実行することができる。１つ以上の態様は、自動分類システムまたは自動分類プロセスを利用して容易にすることができる。分類関数は、入力属性ベクトルｘ＝（ｘ１、ｘ２、ｘ３、ｘ４、ｘｎ）を、この入力が所定のクラスに属する信頼区間にマッピングする関数である。つまり、ｆ（ｘ）＝ｃｏｎｆｉｄｅｎｃｅ（ｃｌａｓｓ）の関係が成り立つ。このような分類では、確率論的分析または統計的分析（例えば、分析可用性及び分析コストを要素に入れた分析）を用いて、ユーザが自律的に行われることを希望する操作を予知する、または推定することができる。

モデリング部１３０は、１つ以上の特性を環境レイアウト情報から抽出する、または複数の寸法を含む関連車両情報を、Ｓｕｐｐｏｒｔ Ｖｅｃｔｏｒ Ｍａｃｈｉｎｅ（サポートベクターマシン：ＳＶＭ）のような分類関数の１つ以上の観測値系列から抽出することができる。観測値（観測値系列の）は、環境レイアウト情報または関連車両情報を含むことができる。これらの観測値系列は、モデリング部１３０が、１つ以上の非観測状態または隠れ状態を用いて、Ｈｉｄｄｅｎ Ｍａｒｋｏｖ Ｍｏｄｅｌ（隠れマルコフモデル：ＨＭＭ）、またはＤｙｎａｍｉｃ Ｂａｙｅｓｉａｎ Ｎｅｔｗｏｒｋ（動的ベイジアンネットワーク：ＤＢＮ）のような時系列分析を使用してモデル化することにより解釈することができる。モデリング部１３０は、１つ以上のモデルを、分類ベースの手法または動的推定ベースの手法を用いて構築することができる。

１つ以上の実施形態では、モデリング部１３０は、１つ以上のモデルを、Ｈｉｄｄｅｎ Ｍａｒｋｏｖ Ｍｏｄｅｌ（隠れマルコフモデル：ＨＭＭ）に基づいて構築することができる。例えば、ＨＭＭを使用すると、マルコフ連鎖（Ｍａｒｋｏｖ Ｃｈａｉｎ）を用いて観測される動的プロセスを表すことができる。
１つ以上の実施形態では：
観測値系列を表すＹ＝［ｙ_１，ｙ_２，ｙ_３．．．ｙ_ｔ］は、離散的な隠れ状態系列を表すＱ＝［ｑ_１，ｑ_２，ｑ_３．．．ｑ_ｔ］により決定することができる。

従って、車両の進路は、分割して１つ以上の離散的な隠れ状態とすることができる。例えば、第２車両の右折は、５個の隠れ離散状態：交差点に接近している状態、右折を開始する状態、右折する状態、右折を完了する状態、及び交差点から離れて進行する状態を含むＨＭＭにより記述することができる。同様のＨＭＭを用いて、左折、直進走行などのような他の運転操作を実装することができる。

１つ以上の実施形態では、モデリング部１３０をトレーニングして、モデルをＨＭＭに基づいて学習段階で作成することができる。学習段階では、モデリング部１３０に、一連の観測値系列、または１つ以上の観測値系列、状態遷移に関連する１つ以上のパラメータ、及び学習対象の観測値分布を備えることができる。この場合、各ＨＭＭに対応して、Ｇａｕｓｓｉａｎ Ｍｉｘｔｕｒｅ Ｍｏｄｅｌ（ガウス混合モデル：ＧＭＭ）を仮定することができる。
１つ以上の実施形態では：
π＝｛π_ｉｊ｝_ＭｘＭは、状態遷移確率行列ｐ（ｙ_ｔ｜ｑ_ｔ）のパラメータを表し、状態遷移確率行列ｐ（ｙ_ｔ｜ｑ_ｔ）は、Ｍ個の隠れ状態について学習される観測値分布を表している。
各ＨＭＭに対応して、ｐ（ｙ_ｔ｜ｑ_ｔ）が、パラメータ集合θを含むＧａｕｓｓｉａｎ Ｍｉｘｔｕｒｅ Ｍｏｄｅｌ（ガウス混合モデル：ＧＭＭ）分布を有すると仮定する。

更に、モデリング部１３０は、Ｂａｕｍ Ｗｅｌｃｈ（バウムウェルチ）アルゴリズムのようなＥｘｐｅｃｔａｔｉｏｎ−Ｍａｘｉｍｉｚａｔｉｏｎ（期待値最大化：ＥＭ）アルゴリズムを用いて、近似式またはモデルを生成することができる。現在の系状態及び遷移確率が与えられる場合に、期待値計算から対数尤度の期待値が得られ、最大化計算により、モデルパラメータを適応させて、対数尤度の期待値を最大化することができる。期待値計算ステップ及び最大化ステップを繰り返し適用することにより、最大尤度推定値π及びθを、モデリング部１３０が近似することができる。

モデリング部１３０をトレーニングした後、観測値系列ｙ_１：ｔの確率を計算することができ、観測値系列ｙ_１：ｔは、ＨＭＭのｈｍｍ（π、θ）またはｐ（ｙ_１：ｔ｜ｈｍｍ（π、θ））により生成される。更に、異なるＨＭＭを、右折ｈｍｍ_１（π_１、θ_１）、左折ｈｍｍ_２（π_２、θ_２）、直進走行ｈｍｍ_３（π_３、θ_３）などについて構築することにより、モデリング部１３０は、別車両の運転者の１つ以上の運転操作を分類することができる。各ＨＭＭに（ｉ＝１，２，３．．．）を付加する場合、Ｂａｕｍ Ｗｅｌｃｈ（バウムウェルチ）アルゴリズムを適用して、パラメータπ_ｉ、及びθ_ｉを学習することができる。

従って、新規の観測値系列ｙ_１：ｔが与えられる場合、この系列を１つ以上の取り得る走行挙動に、Ｍａｘｉｍｕｍ ａ Ｐｏｓｔｅｒｉｏｒ（最大事後確率：ＭＡＰ）推定を利用して分類することができる。
１つ以上の実施形態では：以下の関係があり、
ｉ＝ａｒｇｍａｘ ｐ（ｈｍｍ_ｉ（π_ｉ，θ_ｉ）｜ｙ_１：ｔ）
ｉ＝｛１，２，３｝
∞ ａｒｇｍａｘ ｐ（ｙ_１：ｔ｜ｈｍｍ_ｉ（π_ｉ，θ_ｉ））ｐ（ｈｍｍ_ｉ（π_ｉ，θ_ｉ）｜ｙ_１：ｔ）
ｉ＝｛１，２，３｝
式中、ｐ（ｈｍｍ_ｉ（π_ｉ，θ_ｉ）は、道路で旋回を行なう各クラスの事前確率である。
ｐ（ｈｍｍ_ｉ（π_ｉ，θ_ｉ）が均一分布を有する場合、以下の関係がある。
ｉ＝ａｒｇｍａｘ ｐ（ｙ_１：ｔ｜ｈｍｍ_ｉ（π_ｉ，θ_ｉ））
ｉ＝｛１，２，３｝である。

１つ以上の実施形態では、モデリング部１３０は、１つ以上のモデルを、Ｓｕｐｐｏｒｔ Ｖｅｃｔｏｒ Ｍａｃｈｉｎｅ（サポートベクターマシン：ＳＶＭ）に基づいて構築することができる。ＳＶＭは、運転者意図を予測する確実であり、かつ高効率である分類手法を、超平面（ハイパープレーン）を、より高い次元の寸法空間に形成することにより提供することができる。超平面により、任意のクラスの「サポート」トレーニングデータまでの最大距離を有する分離規則を提供することができる。

サポートベクターマシン（ＳＶＭ）は、採用することができる分類関数の一実施例である。ＳＶＭは、超曲面を可能な入力空間に検出することにより動作し、この入力空間を、超曲面によって、非トリガーイベントの中のトリガー基準で分割しようとする。直観的に、これにより、分類を適正に行って、トレーニングデータと類似であるが、必ずしも同一ではないデータを検査することができる。異なる独立パターンを提供する他の指向モデル分類手法及び無指向モデル分類手法（例えば、ナイーブベイズ（ｎａｉｖｅ Ｂａｙｅｓ）、ベイジアン（Ｂａｙｅｓｉａｎ）ネットワーク、決定木、ニューラルネットワーク、ファジー論理モデル、及び確率論的分類モデル）を用いることができる。本明細書において使用されるように、分類とは、優先モデルを構築するために利用される統計的回帰を含んでもよい。

１つ以上の実施形態は、明示的にトレーニングされる（例えば、汎用トレーニングデータを利用して）分類関数だけでなく、暗示的にトレーニングされる（例えば、ユーザ挙動を観測することにより、付帯情報を受信することにより）分類関数を用いることができる。例えば、ＳＶＭは、分類関数コンストラクタ及び特性選択モジュール内の学習段階またはトレーニング段階を利用して構成することができる。従って、分類関数を利用して、多数の関数を自動的に学習して実行することができ、これらの関数として、これに限定されないが、所定の基準に従って決定する決定関数を挙げることができる。

１つ以上の実施形態では、モデリング部１３０は、１つ以上のモデルを、Ｄｙｎａｍｉｃ Ｂａｙｅｓｉａｎ Ｎｅｔｗｏｒｋ（動的ベイジアンネットワーク：ＤＢＮ）に基づいて構築することができる。ＤＢＮモデルは、１つ以上の交通規則（例えば、車線位置または車線ポジションに基づく旋回オプション）、及び１台以上の車両の車線レベルの位置に基づくことができる。更に、車両情報（例えば、センサ部１１０によって検出される作動状態の別車両の方向指示灯のような）を利用して、方向指示灯の観測値を運転者意図の隠れ状態に直接結び付けることができ、これにより、運転者意図の推定を容易にモデル化することができる、または対応する予測を容易に生成することができる。つまり、ＤＢＮモデルは、１つ以上の（または全ての）隠れ状態についての確率分布を保持することができ、これらの隠れ状態として、運転者意図、車線指示、及び車両制御（例えば、「ブレーキ操作」、「加速操作」、及び「操舵操作」）を挙げることができる。

例えば、モデリング部１３０は、モデルを他車両の車両ポジションまたは車速の１つ以上の観測値（例えば、環境レイアウト情報または関連車両情報から抽出される）に基づいて生成することができる。１つ以上の実施形態では、モデリング部１３０は、運転者意図を、潜伏状態として推定する／１つ以上の観測地に基づいて推定することができる。このようにして、モデリング部１３０は、１つ以上の予測モデルを、１台以上の他車両について生成することができる。更に、他の隠れ状態として、車両の真のポジション及び真の車速（ｓ及びｖ）、車両の制御変数（ａ及びΔα）、及び走行車線指示Ｌを挙げることができる。
１つ以上の実施形態では：
ｓ＝［ｓ_ｘ，ｓ_ｙ］は真のポジションを表し、
ν＝［ν_ｘ，ν_ｙ］は真の車速を表し、
ａは、加速度値を表し、
Δａは、走行方向変化を表し、

ｙ＝［ｓ_ｘ，ｓ_ｙ，ν_ｘ，ν_ｙ］は，観測状態Ｙの変数ベクトルを表し、

ｃ＝［α，Δα］は、隠れ状態Ｃの変数ベクトルを表している。

実験中、３７５個の旋回走行路からなる実際のデータセットを、多種多様な三叉交差点及び四叉交差点を用いて生成した。旋回予測または予測は、交差点における車両の左折走行方向、右折走行方向、または直進走行方向を含んでいた。交差点手前の１．６メートルの位置では９０％の旋回予測精度が、そして交差点の位置では９３．８％の精度が、ＳＶＭを用いて得られた。従って、本願により、先進運転者支援システム（Ａｄｖａｎｃｅｄ Ｄｒｉｖｅｒ Ａｓｓｉｓｔａｎｃｅ Ｓｙｓｔｅｍ）及び自動運転システム（Ａｕｔｏｎｏｍｏｕｓ Ｄｒｉｖｉｎｇ Ｓｙｓｔｅｍ）の技術分野を、一般的な交差点、または殆ど全ての交差点に高性能の旋回予測モデルで進化させることができる。

図５は、１つ以上の実施形態による旋回予測に使用されるＤｙｎａｍｉｃ Ｂａｙｅｓｉａｎ Ｎｅｔｗｏｒｋ（動的ベイジアンネットワーク：ＤＢＮ）の例示的な図式表示５００の説明である。この場合、ｔは時刻を表し、Ｙは、観測されるポジション及び車速を表し、Ｏは真のポジション及び車速を表し、Ｃは車両の制御変数を表し、Ｌは車線指示を表し、Ｉは運転者意図を表す。この場合、これらのノードがランダム変数を表しているのに対し、円弧は、条件付き独立性を表す。１つ以上の実施形態では、Ｙ、Ｏ、及びＣを時間依存性連続変数とすることができるのに対し、運転者意図Ｉ及び走行車線指示Ｌは離散変数とすることができ、これらの離散変数は、対応する車両が交差点または目標領域を進行する、または走行する場合に一定であると仮定することができる。車線指示Ｌは、車両が旋回を開始する車線、または車両が交差点の右左折車線に進入する車線を指示することができる。
１つ以上の実施形態では、ＤＢＮは以下の分布：
ｐ（ｙ（ｔ），ｏ（ｔ），ｃ（ｔ）｜ｙ（ｔ−１），ｏ（ｔ−１），ｃ（ｔ−１），Ｌ，Ｉ）を示すことができる。
隠れ状態が与えられる場合、観測尤度は以下のガウス分布を有することができる：

従って、車両の真のポジション及び真の車速は、以下のように表すことができる：

式中、隠れ状態は、車線Ｌからの右左折制限（例えば、交通規則など）に基づく運転者意図Ｉを示すことができる。

時刻（ｔ−１）における車両の真の状態ｏ（ｔ−１）及びｃ（ｔ−１）が与えられる場合、時刻ｔにおける車線番号Ｌ、潜在的な運転者意図Ｉ、制御変数は、条件付き分布ｐ（ｃ（ｔ）｜ｃ（ｔ−１），ｏ（ｔ−１），Ｉ，Ｌ）＝ｐ（ｃ（ｔ）｜ｃ（ｔ−１），ｘ（ｔ−１），Ｉ）をサンプリングすることにより得られる。車両の制御は普通、車線内の車両のポジションまたは位置により決定され、この車線を通って車両が走行して交差点に進入するので、以下の関係式が導出される。
ｐ（ｃ（ｔ）｜ｃ（ｔ−１），ｏ（ｔ−１），Ｉ，Ｌ）＝ｐ（ｃ（ｔ）｜ｃ（ｔ−１），ｘ（ｔ−１），Ｉ）
ｘ（ｔ−１）＝［ｄ_{ｉｎｔｅｒｓｅｃｔｉｏｎ} ｄ_{ｃｅｎｔｅｒ} α］
式中、
ｄ_{ｉｎｔｅｒｓｅｃｔｉｏｎ}は、車両から交差点までの距離を表し、
ｄ_{ｃｅｎｔｅｒ}は、車線中心までの距離を表し、
αは、車両の走行方向が車線方向となす角度を表している。

ｄ_{ｉｎｔｅｒｓｅｃｔｉｏｎ}、ｄ_{ｃｅｎｔｅｒ}、及びαは、例えば旋回予測システム１００のセンサ部１１０、ナビゲーション部１２０などにより測定するか、または決定することができる。

時刻（ｔ−１）におけるｏ（ｔ−１）及びＬが与えられる場合、特性ｘ（ｔ−１）は、モデリング部１３０により計算することができる。各クラスの旋回が行われる場合（例えば、Ｉが与えられる場合）、分布ｐ（ｃ（ｔ）｜ｃ（ｔ−１），ｘ（ｔ−１））は、ガウス混合モデル（ＧＭＭ）を満たすことができる。

更に、モデリング部１３０は、期待値最大化（Ｅｘｐｅｃｔａｔｉｏｎ−Ｍａｘｉｍｉｚａｔｉｏｎ：ＥＭ）アルゴリズムまたは方法を用いて、ＧＭＭのパラメータ、または分散σ_ｘ ^２、σ_ｙ ^２、σ_ａ ^２、及びσ_α ^２を推定する、計算する、または決定することができる。モデリング部１３０は、隠れ状態を、パーティクルフィルタ処理を用いて、隠れ状態の事後分布を近似することにより推定することができる。走行車線Ｌは意図Ｉに条件的に頼っているので、選択可能な旋回オプションに関する情報は、モデリング部１３０が作成するモデルに取り込むことができる。

いずれにせよ、モデリング部１３０は、走行環境または他車両の１つ以上のモデルを、他車両の車線ポジション、交通規則、異なる車線ポジションからの旋回オプションなどに基づいて生成することにより、１台以上の他車両の運転者意図を推定することができる。更に、方向指示灯の作動、ドリフト走行などのような車両情報または他の観測値を用いて、ＤＢＮモデルのようなモデルを運転者意図の隠れ状態に直接結び付けることにより、運転者意図をモデリング部１３０が容易に決定することができる、または対応する予測を予測部１４０が容易に行うことができる。

１つ以上の実施形態は、モデリング部は、１つ以上の特性または観測値を環境レイアウト情報または車両情報から抽出することができ、この情報として、車両と車線中心との間の距離ｄ_{ｃｅｎｔｅｒ}、車両から交差点までの距離ｄ_{ｉｎｔｅｒｓｅｃｔｉｏｎ}、車両走行方向が車線方向となす角度α、車速ν、及び車両加速度ａを挙げることができる。この場合も同じように、旋回予測システム１００または予測システム１００の異なる構成部を用いて、このような情報を検出する、集める、または収集することができ、これらの構成部として、例えばセンサ部１１０、ナビゲーション部１２０、通信部１７０などを挙げることができる。

ｄ_{ｃｅｎｔｅｒ}の値が正である場合、これは、車両が車線中心の右側を進行していることを示しているのに対し、ｄ_{ｃｅｎｔｅｒ}の値が負である場合、これは、車両が車線中心の左側を進行していることを示す。αの値は、車両が車線の右側を進行している場合に正となり、車両が車線の左側を進行している場合に負となる。ｄ_{ｉｎｔｅｒｓｅｃｔｉｏｎ}＝０の関係が成り立つ場合、車両は、対応する交差点に進入している。ｄ_{ｃｅｎｔｅｒ}及びαは、車両の旋回移動を表すことができる。例えば、左折する場合、車両は、車線の左側に位置する、または左側の方に位置する可能性がより高い。従って、ｄ_{ｃｅｎｔｅｒ}が負となるか、またはαが負となる。車両が直進方向に進行している場合、ｄ_{ｃｅｎｔｅｒ}及びαは、ゼロに近い値を採る、またはゼロに近づく。

これらのモデルは、車線レベルの環境レイアウト情報（例えば、車線レベルの地図、車線の形状）を用いて、または交差点の構造、形状、等高線、隆起変化、これらの要素の観測値などを用いて、異なる車両が意図する進路を推定することができる。従って、モデリング部１３０は、２台以上の車両が進行している、または走行している走行環境の車線レベルのモデルを構築することができる。

１つ以上の実施形態では、モデルまたは予測モデルを予測部１４０が使用することにより、交差点の位置におけるような走行環境内の他車両の運転者の運転者意図の１つ以上の予測を生成することができる。従って、これらの予測を、他車両に関連する旋回予測のために、カスタマイズ可能な方法、または一般化された方法で使用することができる。予測部１４０は、走行環境を走行している１台以上の他車両に関する１つ以上の予測を、１つ以上の対応モデルに基づいて生成することができる。従って、予測部１４０は、これらの１つ以上の予測を、Ｈｉｄｄｅｎ Ｍａｒｋｏｖ Ｍｏｄｅｌ（隠れマルコフモデル：ＨＭＭ）、Ｓｕｐｐｏｒｔ Ｖｅｃｔｏｒ Ｍａｃｈｉｎｅ（サポートベクターマシン：ＳＶＭ）、またはＤｙｎａｍｉｃ Ｂａｙｅｓｉａｎ Ｎｅｔｗｏｒｋ（動的ベイジアンネットワーク：ＤＢＮ）に基づいて生成することができる。

予測部１４０は、１つ以上の旋回予測を、第２車両または別車両に関するモデルに基づいて生成することができる。旋回予測は、第２車両または他車両が所定の進行方向を変える、例えば自車両または第１車両の方に向かう方向に変える可能性、確率、意図、または推定を示すことができる。つまり、旋回予測のような予測は、道路または交差点を走行している別車両の運転者について予測される意図を示すことができる。１つ以上の実施形態では、交差点における他車両についての旋回予測は、第１車両または自車両が同じ交差点に到着する直前に（例えば、Ｘ秒以内に）、交差点を通行してしまった、または通過してしまった他車両からのリアルタイム情報に基づいて生成することができる。このようにして、移動履歴または車両情報履歴を用いて、旋回予測を生成することができる。

予測部１４０は、１つ以上の衝突予測を、第２車両または別車両に関するモデルに基づいて生成することができる。予測部１４０は、衝突予測を、第１車両または自車両の所望の走行ルート、及び第２車両のような別車両に関連する旋回予測に基づいて生成することができる。衝突予測は、衝突の可能性があるポジションまたは位置を示すことができる。予測部１４０は、１つ以上の衝突余裕時間（ＴＴＣ）推定値を１台以上の他車両について、これらの１つ以上のモデル、及び／または車速、加速度などのような対応する車両情報に基づいて生成することができる。このようにして、予測部１４０は、１つ以上の予測を、１台以上の他車両の過去のポジショニングまたは過去の位置に基づいて生成することができる。

ナビゲーション部１２０は、環境レイアウト情報を受信することができる（例えば、ＧＰＳを介して）。１つ以上の実施形態では、環境レイアウト情報は、道路または道路区分に関連する車線数、車線レベルの地図、車線境界または車線寸法などのような車線レベルのレイアウト情報を含むことができる。ナビゲーション部１２０は、環境レイアウト情報を、テレマティクス連動チャンネルを介して、または通信部１７０が確立する全地球測位システム（ＧＰＳ）リンクを介して受信することができる。１つ以上の実施形態では、環境レイアウト情報は、１つ以上の道路の座標、１つ以上の車線、旋回形状、交差点の形状などに関連するＧＰＳデータを含むことができる。この情報または環境レイアウト情報は、例えばＧＰＳまたは衛星地図から得られる場合に事前に地図に記録しておくことができる。

本明細書において説明されるように、他の実施形態では、環境レイアウト情報は、走行中に受信する、リアルタイムに受信する、またはナビゲーション部１２０などに局所的に格納することができる。更に、リアルタイム環境レイアウト情報、及び事前に地図に記録しておいた環境レイアウト情報を利用して、これらの情報を互いに補完することができる。例えば、ナビゲーション部１２０が受信する、交差点に関連して事前に地図に記録しておいた環境レイアウト情報は、交差点の道路の左折車線を走行することができることを示すことができる。しかしながら、通信部１７０が第１車両と第２車両との間の車両間通信を利用して受信するリアルタイム環境レイアウト情報は、トラフィックバレルが、この交差点の道路の左折車線を塞いでいることを示すことができる。従って、第２車両が走行する進路を用いて、トラフィックバレル（例えば、それに加えて、他車両が他の車線から左折する確率）を説明するこの交差点に関するモデルを構築することができる。このようにして、ナビゲーション部１２０のような１つの構成部からの環境レイアウト情報（例えば、事前に地図に記録しておいた環境レイアウト情報）は、通信部１７０またはセンサ部１１０のような別の構成部からの環境レイアウト情報（例えば、リアルタイム環境レイアウト情報）で補完することができる。

更に、ナビゲーション部１２０は、第１車両または自車両の現ポジション及び／または第１車両または自車両が意図する進路または走行経路を、ナビゲーションユニット、ＧＰＳ、入力した目的地、第１車両に関する車両情報に基づいて決定することができ、車両情報として、例えば車両進行方向、方位、方向、方向指示灯の作動、操舵角などを挙げることができる。ナビゲーション部１２０は、自車両の現ポジションを、車線レベルで詳細に決定することができる、または決定することにより、車線レベルのポジションまたは車線レベルの位置を求めることができる。１つ以上の実施形態では、通信部１７０は、第１車両情報を１つ以上の他の構成部からナビゲーション部１２０に渡すことにより、第１車両の所望の走行経路を容易に決定することができる。

ナビゲーション部１２０は更に、車両の進路を、１台以上の他車両に関する１つ以上の予測に基づいて決定することができ、これらの予測は、それぞれの他車両の動きを示す。つまり、ナビゲーション部は、これらのモデルのうちの１つ以上のモデル、またはこれらの１つ以上の予測を用いて、自動運転操作を容易にすることができる。

更に、ナビゲーション部１２０は、車両情報履歴、ナビゲーション履歴、位置履歴、速度履歴などを格納することができる。車両情報の実施例として、車両の速度の記録または履歴、車両の加速度、アンチロックブレーキが動作したかどうか、操舵角などを挙げることができる。１つ以上の実施形態では、ナビゲーション部１２０に、図８のストレージ８２０のような記憶装置を実装することができる、またはナビゲーション部１２０は、図８のストレージ８２０のような記憶装置を用いることができる。１つ以上の実施形態では、ナビゲーション部１２０は、第１車両または自車両の速度または加速度を、例えばＳａｖｉｔｚｋｙ Ｇｏｌａｙフィルタ処理により計算することができる。

通知部１５０は、１つ以上の通知を、これらの１つ以上の予測に基づいて表すことができる、または供給することができる。１つ以上の実施形態では、通知部１５０は、これらの１つ以上の通知を、衝突の危険が、例えば閾値危険度よりも高いことを衝突予測が示す場合に提供することができる。従って、通知部１５０は、警告通知を提供して、自車両の運転者または搭乗者に、自車両が交差点に安全に進入することができない、旋回を安全に行なうことができない、衝突の危険があるので運転操作で安全に進行することができないことを警告することができる。

通知として、音声通知、視覚通知、触覚通知などを挙げることができる。１つ以上の実施形態では、道路または交差点だけでなく、対応する位置に位置する１台以上の車両の車線レベルの詳細を含む通知を提供することができる。

アシスト部１６０は、１つ以上のアシスト操作をこれらの１つ以上の予測に基づいて、例えば衝突予測に応じてアシスト操作を提供することにより決定することができる。例えば、アシスト部１６０は、自動運転を、モデルまたは予測モデルから旋回予測または衝突予測を用いて別車両の運転者に関連する意図を決定または推定して、アシスト部１６０が、他車両が進行できる場所、他車両が進行している可能性の高い場所などを決定する、または「認識する」ことができることにより容易にすることができる。

従って、アシスト部１６０は、アシスト操作を決定することにより、自車両または第１車両の進路が、別車両または第２車両の推定進路と交差するのを低減して、または防止して、自動操作が行えるようにする。一実施例として、アシスト部１６０は、先進運転者支援システム（ＡＤＡＳ）、他の自動運転システム、交差点発進アシスト（ＩＭＡ）、左折アシスト（ＬＴＡ）などのような１つ以上の自動機能を可能にして、車両が旋回できる、または交差点における衝突を低減することができるようになる（例えば、１台以上の他車両の環境レイアウト情報及び／または関連車両情報を用いて）。

従って、本明細書において開示される１つ以上の実施形態は、先進運転者支援システム（ＡＤＡＳ）または他の自動運転システムの性能を、殆ど全ての交差点に適用することができる旋回予測モデルを提供することにより向上させることができる。

以下の１つ以上の図は、例えば図１の構成部のような既に説明した図の構成部について説明している。図２は、１つ以上の実施形態による旋回予測方法２００の例示的なフロー図の説明である。

２１０では、１台以上の他車両を検出することができ、他車両に関する関連車両情報を受信する。例えば、第１車両は、第２車両のような別車両を検出することができる。２２０では、環境レイアウト情報を決定する、または受信することができる。例えば、第１車両は、環境レイアウト情報を受信する、検知する、または検出することができる。走行環境またはナビゲーション環境の交差点及び道路は、異なる交差点が異なる形状、分岐道路数または道路区分、道路旋回の種類、車線数、交差点角度などを有することができるという点で特有であるので、環境レイアウト情報は、多種多様なソースまたは異なる構成部から、例えば第２車両との車両間通信を利用して（例えば、通信部１７０を介して）、テレマティクス連動チャンネルを介して（例えば、ナビゲーション部１２０または全地球測位システムユニット、すなわちＧＰＳユニットを介して）事前に地図に記録しておいた地図データを用いて、またはセンサ部１１０を用いて収集する、または集めることができる。この場合、第１車両は、環境レイアウト情報に関連する車両情報を、第２車両から受信することができる。２３０では、他車両が意図する進路を示す別車両に関するモデルを構築することができる。モデルは更に、走行環境またはナビゲーション環境、及び例えば、第２車両または第３車両のような環境内の他の周囲車両を表すことができる。更に、モデルは、別車両の運転者の意図を示すことができる。２４０では、自車両が意図する進路を決定することができる。２５０では、衝突予測または旋回予測のような予測を他車両に関するモデルに基づいて生成することができる。２６０では、通知またはアシスト操作を予測に基づいて提供することができる。

図３は、１つ以上の実施形態による２台の車両が交差点に位置している走行環境における例示的なシナリオ３００の説明である。図３から分かるように、多種多様な可能性が、複数台の車両が交差点に位置している、または交差点に接近しているときに存在する。１つ以上の実施形態では、１台以上の車両のモデルまたは予測モデルを用いて、運転者または車両が走行する可能性のある場所、走行する必要のある場所、走行する可能性の高い場所などを決定することができる。この場合、図３では、第１車両３１０及び第２車両３２０は、交差点３５０に存在している。交差点３５０に位置する各車両は、取り得る１つ以上の異なる進路または走行経路を有する。例えば、第１車両３１０は、左折進路３１０Ａ、直進路３１０Ｂ、及び右折進路３１０Ｃを取ることができる。同様に、第２車両３２０は、左折進路３２０Ａ、直進路３２０Ｂ、及び右折進路３２０Ｃを取ることができる。従って、第１車両３１０の左折進路３１０Ａは、第２車両３２０の直進路３２０Ｂ、または左折進路３２０Ａと衝突の可能性がある。

他車両（図示せず）の他の進路も図示されている。例えば、３３０Ａは、別車両（図示せず）の左折進路とすることができ、３３０Ｂは、別車両（図示せず）の直進路とすることができ、３３０Ｃは、別車両（図示せず）の右折進路とすることができる。同様に、３４０Ａは、異なる車両（図示せず）の左折進路とすることができ、３４０Ｂは、異なる車両（図示せず）の直進路とすることができ、３４０Ｃは、異なる車両（図示せず）の右折進路とすることができる。

図４Ａ〜４Ｂは、１つ以上の実施形態による車線レベルの詳細を有する環境レイアウト情報の例示的な図式表示４００Ａ及び４００Ｂの説明である。例えば、図４Ａの環境レイアウト情報が、道路または交差点の概略等高線または概略形状を全体として与える概略環境レイアウト情報４１０Ａを含むことができるのに対し、車線レベルの詳細、または車線レベルの情報４２０Ａは、車線寸法、車線数、等高線または車線形状などのような付加環境レイアウト情報を提供することができる。同様に、図４Ｂの環境レイアウト情報が、道路または交差点の概略等高線または概略形状を全体として与える概略環境レイアウト情報４１０Ｂを含むことができるのに対し、車線レベルの詳細または車線レベルの情報４２０Ｂは、付加環境レイアウト情報を提供することができる。

１つ以上の実施形態では、モデリング部１３０及び予測部１４０は、モデルを構築することができ、別車両に関する予測を、この他車両とは異なる車両からの観測値に基づいて生成することができる。つまり、第３車両に関連する予測は、第３車両の現ポジションに関連する位置に前に位置していた第２車両に関連する観測値に基づいて生成することができる。

図６は、１つ以上の実施形態による旋回予測システムを搭載した車両を用いる例示的なシナリオ６００の説明である。車両Ａ（例えば、６１０及び６２０）は、旋回予測システムまたは予測システムを搭載した車両とすることができ、図１のシステム１００の構１つ以上の構成部を含むことができる。車両Ｂ（例えば、６１２）は、別の旋回予測システムまたは異なる旋回予測システム、または別の予測システムまたは異なる予測システムを搭載した車両とすることができる、または車両間通信機能を有することができる。第１時刻では、車両Ａ（例えば、６１０）は、交差点または目標領域に接近している。この場合、この実施例では、車両Ａは、交差点を見通す視界を必ずしも有している必要はない。車両Ａ６１０のセンサ部１１０または通信部１７０は車両Ｂ６１２を検出することができる。６３４で指示される通り、車両Ｂ６１２は、交差点を既に走行して通り過ぎている。車両Ｂ６１２が車両間通信機能または車両間通信性能を備えている場合、交差点に関連する環境レイアウト情報、または環境レイアウト情報に関連する車両情報は、車両Ｂ６１２から送信６１４されて、車両Ａ６１０の通信部１７０が受信することができる。つまり、車両Ｂ６１２は、車両Ａ６１０に交差点について「知らせる」ことができる。このようにして、車両Ａ６１０は、交差点の１つ以上の特性、環境レイアウト情報、またはどのように車両Ｂ６１２が交差点を走行して通過するかに関する情報（例えば、車両Ｂ６１２が、交差点で旋回しながら走行していたときのスピード、旋回半径、旋回を開始したときの位置など）を受信することができる。

いずれにせよ、車両Ａ及び車両Ｂ（６１０及び６１２）は、交差点のような目標領域に関する環境レイアウト情報だけでなく、目標領域（例えば、交差点での過去の位置）または環境レイアウト情報に関連する関連車両情報（例えば、速度または加速度）を伝達することができる、またはその他には、授受することができる。第２時刻では、車両Ａ６１０は、車両Ａ’（例えば、６２０）で示される通りに、交差点に到着する。この場合、目標領域または交差点では、６２０に位置する車両Ａ’は車両Ｃ６３０を検出することができる。車両Ａ（６１０及び６２０）のモデリング部１３０は、交差点（例えば、目標領域）、車両Ａ、及び車両Ｃ６３０を含むモデルを生成することができる。モデルは、車両Ａ’６２０、及び車両Ｃ６３０の推定進路、推定車速などを示すことができる。車両Ａ’６２０の推定進路は、破線６３２に沿っている。車両Ｃ６３０の推定進路は車両Ｂ６１２の進路６３４と、例えば車両Ｃ６３０の車線位置に基づいて同様とすることができる。更に、モデリング部１３０は、車両Ｃ６３０が旋回するときの推定車速を示すモデルを、６１４に位置する車両Ｂ６１２から受信する車両情報に基づいて構築することができる。

１つ以上の実施形態では、車両Ｃ６３０が車両間通信機能または車両間通信性能を備える場合、交差点に関連する環境レイアウト情報、または環境レイアウト情報に関連する車両情報は、車両Ｃ６３０から送信６２４することができ、車両Ａ’６２０の通信部１７０が受信することができる。従って、車両Ａ’６２０のモデリング部１３０及び予測部１４０は、この付加データまたは付加情報を用いて、モデルを構築するか、または予測を生成することができる。例えば、車両Ｃ６３０が、この車両の右折ウィンカーを点滅させる（例えば、車両Ｃ６３０の運転者が右車線に変更したいことを示す）場合、車両Ａ’６２０のモデリング部１３０は従って、モデルをそれに応じて構築することができる。

更に別の実施形態は、本明細書において提示される方法の１つ以上の実施形態を実行するように構成されるプロセッサ実行可能命令を含むコンピュータ可読媒体を含む。これらの方法で考案されるコンピュータ可読媒体またはコンピュータ可読装置の１つの実施形態が図７に示され、実施形態７００は、ＣＤ−Ｒ、ＤＶＤ−Ｒ、フラッシュドライブ、円盤状のハードディスクドライブなどのようなコンピュータ可読媒体７０８を含み、コンピュータ可読媒体上にコンピュータ可読データ７０６が符号化される。７０６に示す複数のゼロと１を含む２値データのようなコンピュータ可読データ７０６が今度は、本明細書において説明される１つ以上の原理に従って動作するように構成されるコンピュータ命令セット７０４を含む。１つのこのような実施形態７００では、プロセッサ実行可能コンピュータ命令７０４は、図２の方法２００のような方法７０２を実行するように構成することができる。 別の実施形態では、プロセッサ実行可能命令７０４は、図１のシステム１００のようなシステムを実行するように構成することができる。多くのこのようなコンピュータ可読媒体は、この技術分野の当業者が考案し得るものであり、これらのコンピュータ可読媒体は、本明細書において提示される方法に従って動作するように構成される。

本願において使用されるように、「コンポーネント（ｃｏｍｐｏｎｅｎｔ）」、「モジュール（ｍｏｄｕｌｅ）」、「システム（ｓｙｓｔｅｍ）」、「インターフェイス（ｉｎｔｅｒｆａｃｅ）」などの用語は普通、コンピュータ関連エンティティを指すものとし、コンピュータ関連エンティティとは、ハードウェア、ハードウェア及びソフトウェアの組み合わせ、ソフトウェア、または実行中のソフトウェアのいずれかである。例えば、コンポーネントは、これらには限定されないが、プロセッサで実行されるプロセス、プロセッサ、オブジェクト、実行ファイル、実行スレッド、プログラム、またはコンピュータとすることができる。実例として、コントローラで実行されるアプリケーション、及びこのコントローラは共に、コンポーネントとすることができる。１つ以上のコンポーネントは、プロセス内に、または実行スレッド内に常駐することができ、コンポーネントは、１つのコンピュータ上に局在することができる、または２つ以上のコンピュータの間で分散させることができる。

更に、特許請求する主題は、本開示の主題を実装するようコンピュータを制御してソフトウェア、ファームウェア、ハードウェア、またはこれらの任意の組み合わせを製造するための標準的なプログラミング技術またはエンジニアリング技術を用いて、方法、装置または製品として実装される。本明細書において使用される「製品」という用語は、任意のコンピュータ可読装置、キャリア、または媒体からアクセス可能なコンピュータプログラムを含むことを意図されている。勿論、多くの変更をこの構成に、特許請求する主題の範囲または趣旨から逸脱することなくなされることができる。

図８及び以下の説明では、適切なコンピューティング環境について記載して、本明細書において説明される１つ以上の条項の実施形態を実装する。図８の動作環境は、適切な動作環境の一実施例に過ぎず、動作環境の使用範囲または機能に関する限定を決して示唆するもことを意図しない。例示的なコンピューティング装置として、これらには限定されないが、パーソナルコンピュータ、サーバコンピュータ、ハンドヘルド装置またはラップトップ装置、携帯電話機、携帯情報端末（ＰＤＡ）、メディアプレーヤなどのようなモバイル機器、マルチプロセッサシステム、家庭用電化製品、ミニコンピュータ、メインフレームコンピュータ、上記システムまたは装置のいずれかを含む分散コンピューティング環境などを含む。

一般的に、種々の実施形態は、「コンピュータ可読命令（ｃｏｍｐｕｔｅｒ ｒｅａｄａｂｌｅ ｉｎｓｔｒｕｃｔｉｏｎ）」が１つ以上のコンピューティング装置によって実行されている一般的な状況で説明される。コンピュータ可読命令は、以下に説明するように、コンピュータ可読媒体を介して供給することができる。コンピュータ可読命令は、１つ以上のタスクを実行する、または１つ以上の抽象データタイプを実行する関数、オブジェクト、アプリケーションプログラミングインタフェース（ＡＰＩ）、データ構造などのようなプログラムモジュールとして実装することができる。通常、コンピュータ可読命令の機能は、種々の環境で要求される通りに組み合わされる、または分散される。

図８は、本明細書において提供される１つ以上の実施形態を実装するように構成されたコンピューティング装置８１２を含むシステム８００を示す。１つの構成では、コンピューティング装置８１２は、少なくとも１つの処理ユニット８１６と、メモリ８１８と、を含む。コンピューティング装置の厳密な構成及び種類にもよるが、メモリ８１８は、ＲＡＭのように揮発性メモリ、ＲＯＭ、フラッシュメモリなどのような不揮発性メモリ、またはこれらの２つの組み合わせとすることができる。この構成は、図８に破線８１４で示されている。

他の実施形態では、装置８１２は、付加的な特徴または機能を含む。例えば、装置８１２は、着脱式記憶装置または非着脱式記憶装置のような付加的なストレージを含むことができ、ストレージとして、これらには限定されないが、磁気ストレージ、光ストレージなどを含むことができる。このような付加的なストレージは、図８にストレージ８２０として図示されている。１つ以上の実施形態では、本明細書において提供される１つ以上の実施形態を実装するコンピュータ可読命令は、ストレージ８２０に格納される。ストレージ８２０は、他のコンピュータ可読命令を格納することにより、オペレーティングシステム、アプリケーションプログラムなどを実行することができる。コンピュータ可読命令は、メモリ８１８に読み込んで、例えば処理ユニット８１６が実行することができる。

本明細書において使用される「コンピュータ可読媒体（ｃｏｍｐｕｔｅｒ ｒｅａｄａｂｌｅ ｍｅｄｉａ））という用語は、コンピュータ記憶媒体を含む。コンピュータ記憶媒体は、コンピュータ可読命令または他のデータのような情報を格納するために任意の方法または技術で実装される揮発性媒体及び不揮発性媒体、着脱式媒体及び非着脱式媒体を含む。メモリ８１８及びストレージ８２０は、コンピュータ記憶媒体の実施例である。コンピュータ記憶媒体として、これらには限定されないが、ＲＡＭ、ＲＯＭ、ＥＥＰＲＯＭ、フラッシュメモリ、または他のメモリ技術、ＣＤ−ＲＯＭ、デジタル多用途ディスク（ＤＶＤ）、または他の光ストレージ、磁気カセット、磁気テープ、磁気ディスク記憶装置、または他の磁気記憶装置、または所望の情報を格納するために使用することができ、かつ装置８１２からアクセスすることができる任意の他の媒体を含む。このような任意のコンピュータ記憶媒体は、装置８１２の一部である。

「コンピュータ可読媒体（ｃｏｍｐｕｔｅｒ ｒｅａｄａｂｌｅ ｍｅｄｉａ）」という用語は通信媒体を含む。通信媒体は通常、コンピュータ可読命令または搬送波または他の伝送機構のような「変調データ信号」の中の他のデータを具体化することができ、任意の情報配信媒体を含む。「変調データ信号（ｍｏｄｕｌａｔｅｄ ｄａｔａ ｓｉｇｎａｌ）」という用語は、この信号内の情報を符号化するように設定される、または変更される１つ以上の信号の特徴を有する信号を含む。

装置８１２は、キーボード、マウス、ペン、音声入力装置、タッチ入力装置、赤外線カメラ、ビデオ入力装置、または他の任意の入力装置のような入力装置（群）８２４を含む。１つ以上のディスプレイ、スピーカ、プリンタ、または他の任意の出力装置のような出力装置（群）８２２を装置８１２に含めることができる。入力装置（群）８２４及び出力装置（群）８２２は、装置８１２に、有線接続、無線接続、またはこれらの任意の組み合わせを介して接続することができる。１つ以上の実施形態では、別のコンピューティング装置の中の入力装置または出力装置は、コンピューティング装置８１２の入力装置（群）８２４または出力装置（群）８２２として使用することができる。装置８１２は、通信接続（群）８２６を含むことにより、１つ以上の他の装置との通信を容易にすることができる。

主題について、構造的特徴または方法論的作用に特有の用語で説明してきたが、添付の特許請求範囲の主題は、必ずしも上述の特定の特徴または作用に限定されないことを理解されたい。むしろ、上述の特定の特徴及び作用は、例示的な実施形態として開示される。

実施形態の種々の動作が、本明細書において提供される。１つ以上の動作、または全ての動作が記載される順序は、これらの動作が、順序に左右されることを必ずしも示すものとして解釈されるべきではない。本記載から代替の順序付けを理解することができるであろう。更に、全ての動作が必ずしも、本明細書において提供される各実施形態に存在している訳ではない。

本願において使用されるように、「または（ｏｒ）」は、排他的な「または」ではなく、包括的な「または」を意味するものとする。更に、包括的な「または」は、これらの任意の組み合わせ（例えば、Ａ、Ｂ、またはこれらの任意の組み合わせ）を含むことができる。その上、本願において使用される「ａ」及び「ａｎ」は、別段の記載がない限り、または単数形を意味することが文脈から明らかでない限り、普通、「１つ以上（ｏｎｅ ｏｒ ｍｏｒｅ） 」を意味すると解釈される。また、「Ａ及びＢ及び／または同様のもののうちの少なくとも１つ」は、普通、「ＡまたはＢ」、または「Ａ及びＢの両方」を意味する。更に、「含む（ｉｎｃｌｕｄｅｓ）」、「有する（ｈａｖｉｎｇ）」、「有する（ｈａｓ）」、「備える（ｗｉｔｈ）」またはこれらの変形が詳細な説明、または特許請求の範囲のいずれかに使用されている限りにおいて、このような用語は、「備える（ｃｏｍｐｒｉｓｉｎｇ）」という用語と同様に、包含的であることを意図している。

更に、別段の記載がない限り、「第１の（ｆｉｒｓｔ）」、「第２の（ｓｅｃｏｎｄ）」などは、時間面、空間的な側面、順序などを意味することを意図しない。むしろ、このような用語は、単に特徴、要素、アイテムなどの識別子、名称などとして使用される。例えば、第１チャネル及び第２チャネルは普通、チャネルＡ及びチャネルＢに対応する、または２つの異なるチャネル、または２つの同一チャネル、または同じチャネルに対応する。また、「含む（ｃｏｍｐｒｉｓｉｎｇ）」、「含む（ｃｏｍｐｒｉｓｅｓ）」、「含む（ｉｎｃｌｕｄｉｎｇ）」、「含む（ｉｎｃｌｕｄｅｓ）」などは普通、「ｃｏｍｐｒｉｓｉｎｇ（含む）」または「ｉｎｃｌｕｄｉｎｇ， ｂｕｔ ｎｏｔ ｌｉｍｉｔｅｄ ｔｏ（含むが、これに限定されない）」を意味する。

上に開示した特徴及び機能、及び他の特徴及び機能、または特徴及び機能の代替物または変形物の種々の特徴及び機能は、所望の通りに他の異なるシステムまたはアプリケーションに組み合わせることができることを理解できるであろう。また、現時点で予見できない、または予測できない種々の代替、変形、変更、またはこれらの改良を、この技術分野の当業者であれば引き続き行うことができ、これらの代替、変形、変更、改良もまた、以下の特許請求の範囲に包含されることを意図する。

１００ 旋回予測システム
１１０ センサ部
１２０ ナビゲーション部
１３０ モデリング部
１４０ 予測部
１５０ 通知部
１６０ アシスト部
１７０ 通信部
３１０ 車両
３２０ 車両
３５０ 交差点
７０４ コンピュータ命令
７０６ コンピュータ可読データ
７０８ コンピュータ可読媒体
８１２ コンピューティング装置
８１６ 処理ユニット
８１８ メモリ
８２０ ストレージ
８２２ 出力装置（群）
８２４ 入力装置（群）
８２６ 通信接続（群）

Claims (20)

1. 旋回予測システムであって：
   第１車両が走行している走行環境の環境レイアウト情報、及び前記第１車両の現在位置を受信するナビゲーション部であって、前記環境レイアウト情報は、道路区分の形状を示す、ナビゲーション部と、
   付加環境レイアウト情報を１台以上の他車両から直接受信する通信部であって、前記付加環境レイアウト情報は、前記道路区分の前記形状を示し、前記通信部は、前記環境レイアウト情報を検証するために前記付加環境レイアウト情報を利用する、通信部と、
   前記走行環境、前記第１車両、及び前記１台以上の他車両を含むモデルを、前記環境レイアウト情報及び前記付加環境レイアウト情報に基づいて構築するモデリング部であって、前記モデルが、前記１台以上の他車両のうちの１台の他車両の運転者の意図を示す、前記モデリング部と、
   １つ以上の予測を前記モデルに基づいて生成する予測部と、
   を備える、旋回予測システム。
2. 前記環境レイアウト情報または前記付加環境レイアウト情報は、前記走行環境に関連する車線レベルの情報を含む、請求項１に記載のシステム。
3. 前記モデリング部は、前記モデルを、隠れマルコフモデル（ＨＭＭ）、サポートベクターマシン（ＳＶＭ）、動的ベイジアンネットワーク（ＤＢＮ）、またはこれらの組み合わせに基づいて構築する、請求項１に記載のシステム。
4. 前記通信部は、車両情報を前記他車両のうちの１台以上の他車両から受信し、
   前記モデリング部は、前記モデルを、前記１台以上の他車両の車両情報に基づいて構築する、請求項１に記載のシステム。
5. 環境レイアウト情報を受信するセンサ部を備え、前記モデリング部は、前記モデルを、前記環境レイアウト情報に基づいて構築する、請求項１に記載のシステム。
6. 前記予測部は、衝突余裕時間（ＴＴＣ）予測、衝突予測、または旋回予測を生成する、請求項１に記載のシステム。
7. 道路の車線数、交差点における車線の形状、走行車線を逸脱して正規の走行車線に戻るときの走行方向に関する情報を、１つ以上の予測、及び１つ以上の交通規則に基づいて提供する地図作成部を備える、請求項１に記載のシステム。
8. １つ以上のアシスト操作を、１つ以上の予測に基づいて決定するアシスト部を備える、請求項１に記載のシステム。
9. 前記環境レイアウト情報または前記付加環境レイアウト情報は、車線数を含む、請求項１に記載のシステム。
10. 前記ナビゲーション部は、前記第１車両が意図する進路を、目的地位置に基づいて、かつそれぞれの他車両の動きを示す前記１台以上の他車両に関する１つ以上の前記予測に基づいて決定する、請求項１に記載のシステム。
11. 旋回予測方法であって、
    第１車両が走行している走行環境の環境レイアウト情報、及び前記第１車両の現在位置を受信することであって、前記環境レイアウト情報は、道路区分の形状を示す、受信することと、
    １台以上の他車両を検出することと、
    付加環境レイアウト情報を、前記１台以上の他車両から直接受信することであって、前記付加環境レイアウト情報は、前記道路区分の前記形状を示す、受信することと、
    前記環境レイアウト情報を検証するために前記付加環境レイアウト情報を利用することと、
    前記走行環境、前記第１車両、及び前記１台以上の他車両を含むモデルを、前記環境レイアウト情報及び前記付加環境レイアウト情報に基づいて構築することであって、前記モデルが、前記１台以上の他車両のうちの１台の他車両の運転者の意図を示す、前記構築することと、
    １つ以上の予測を前記モデルに基づいて生成することと、
    前記１つ以上の予測を提供することと、
    を含む、方法。
12. 前記環境レイアウト情報または前記付加環境レイアウト情報は、前記走行環境に関連する車線レベルの情報を含む、請求項１１に記載の方法。
13. 前記モデリング部は、前記モデルを、隠れマルコフモデル（ＨＭＭ）、サポートベクターマシン（ＳＶＭ）、動的ベイジアンネットワーク（ＤＢＮ）、またはこれらの組み合わせに基づいて構築する、請求項１１に記載の方法。
14. 車両情報を前記１台以上の他車両から受信するステップと、
    前記モデルを、前記１台以上の他車両の前記車両情報に基づいて構築することと、を含む、請求項１１に記載の方法。
15. 環境レイアウト情報をセンサから受信することと、
    前記モデルを、前記センサからの前記環境レイアウト情報に基づいて構築することと、を含む、請求項１１に記載の方法。
16. 衝突余裕時間（ＴＴＣ）予測、衝突予測、または旋回予測を生成することを含む、請求項１１に記載の方法。
17. 旋回予測システムであって、
    第１車両が走行している走行環境の環境レイアウト情報、及び前記第１車両の現在位置を受信するナビゲーション部であって、前記環境レイアウト情報が、前記走行環境に関連する車線レベルの情報、前記走行環境内の道路の車線形状、または前記走行環境内の道路の車線数を含む、前記ナビゲーション部と、
    １台以上の他車両を検出するセンサ部と、
    付加環境レイアウト情報を１台以上の他車両から直接受信する通信部であって、前記付加環境レイアウト情報は、前記走行環境内の前記道路の車線を示し、前記通信部は、前記環境レイアウト情報を検証するために前記付加環境レイアウト情報を利用する、通信部と、
    前記走行環境、前記第１車両、及び前記１台以上の他車両を含むモデルを、前記環境レイアウト情報及び前記付加環境レイアウト情報に基づいて構築するモデリング部であって、前記モデルが、前記１台以上の他車両のうちの１台の他車両の運転者の意図を示す、前記モデリング部と、
    １つ以上の予測を前記モデルに基づいて生成する予測部と、
    を備える、旋回予測システム。
18. 前記モデリング部は、前記モデルを、隠れマルコフモデル（ＨＭＭ）、サポートベクターマシン（ＳＶＭ）、動的ベイジアンネットワーク（ＤＢＮ）、またはこれらの組み合わせに基づいて構築する、請求項１７に記載のシステム。
19. 前記予測部は、衝突余裕時間（ＴＴＣ）予測、衝突予測、または旋回予測を生成する、請求項１７に記載のシステム。
20. 前記ナビゲーション部は、前記第１車両が意図する進路を、目的地位置に基づいて、かつそれぞれの他車両の動きを示す前記１台以上の他車両に関する１つ以上の前記予測に基づいて決定する、請求項１７に記載のシステム。

Images