JP7120170B2

JP7120170B2 - 車線推定装置

Info

Publication number: JP7120170B2
Application number: JP2019126061A
Authority: JP
Inventors: 喜朗入江; 年且岡田; 大智西脇; 純二西田
Original assignee: Toyota Motor Corp
Current assignee: Toyota Motor Corp
Priority date: 2019-07-05
Filing date: 2019-07-05
Publication date: 2022-08-17
Anticipated expiration: 2039-07-05
Also published as: JP2021012086A

Description

本発明は車線推定装置に関する。

特許文献１には、ＧＮＳＳ（Global Navigation Satellite System）衛星からの測位信号に基づいて自車位置を推定し、かつＧＮＳＳ衛星の捕捉状態及び自装置内に実装されたセンサの情報により自車位置推定結果の確からしさを出力する技術が開示されている。詳しくは、ＧＮＳＳ衛星の捕捉状態が良好で、かつ、カメラの白線認識により白線位置の変動量が閾値よりも小さく、かつ、加速度・角速度センサの安定性判定により異常変動の発生なしで、かつ、冗長化された加速度・角速度センサの一致性判定により偏差量が閾値よりも小さい場合に、自車位置情報を確定としている。また、それ以外の場合は自車位置情報を不定としている。

特開２０１７－２２３４８３号公報

しかしながら、特許文献１は、ＧＮＳＳ衛星の捕捉状態をカメラなどのセンサの情報と組み合わせて自車位置推定結果の確からしさを判定することは記載されているものの、ＧＮＳＳ衛星からの測位信号をカメラなどのセンサの情報と組み合わせて自車位置の推定に用いることは記載されていない。例えば、ＧＮＳＳ衛星からの測位情報を単独で用いて、車両が位置している車線の推定を行った場合、状況によっては正答率が下がり、測位情報値の確からしさを担保できない。

本発明は上記事実を考慮して成されたもので、車両が位置している車線を推定する精度を向上させることができる車線推定装置を得ることが目的である。

請求項１記載の発明に係る車線推定装置は、車両が位置している車線の推定に各々利用可能な複数種の検出情報を１つずつ用いて、前記車両が個々の車線に位置している確率を表す車線毎の確率値を複数組推定する第１推定部と、前記第１推定部が推定した前記車線毎の確率値に対する重み係数を、前記検出情報から前記第１推定部が推定した前記車線毎の確率値の信頼度に応じて、前記複数種の検出情報の各々毎に決定する決定部と、同一の車線に対応しかつ推定に用いた検出情報の種類が互いに異なる複数の確率値に、個々の確率値の推定に用いた検出情報に対応する前記重み係数を各々乗じて積算した合計確率値を算出することを、車線毎に各々行う算出部と、前記算出部が車線毎に算出した前記合計確率値に基づいて前記車両が位置している車線を推定する第２推定部と、を含んでいる。

車両が位置している車線の推定に利用可能な検出情報から車線毎の確率値を推定した場合、車線毎の確率値の信頼度は車両の環境によって左右される。但し、車線毎の確率値の信頼度に影響を及ぼす車両の環境の条件（例えばトンネルの有無や、天候が雨天か否かなど）は検出情報の種類毎に相違している。このため、例えば、或る環境条件において、第１の検出情報から推定した車線毎の確率値の信頼度は低い値を示す一方、第２の検出情報から推定した車線毎の確率値の信頼度は高い値を示すことがある。

これに基づき、請求項１記載の発明では、車両が位置している車線の推定に各々利用可能な複数種の検出情報から各々推定された車線毎の確率値に対し、前記検出情報から前記第１推定部が推定した前記車線毎の確率値の信頼度に応じて、複数種の検出情報の各々毎に重み係数を決定する。そして、同一の車線に対応しかつ推定に用いた検出情報の種類が互いに異なる複数の確率値に、個々の確率値の推定に用いた検出情報に対応する重み係数を各々乗じて積算した合計確率値を算出することを、車線毎に各々行い、車線毎に算出した合計確率値に基づいて車両が位置している車線を推定する。これにより、複数種の検出情報の各々に対する重み係数が、検出情報から推定した車線毎の確率値の信頼度に応じて切り替わることになるので、車両が位置している車線を推定する精度を向上させることができる。

本発明は、車両が位置している車線を推定する精度を向上させることができる、という効果を有する。

実施形態に係る交通情報処理システムの概略ブロック図である。車線推定処理の一例を示すフローチャートである。車線推定処理の概略を示すブロック図である。ＧＮＳＳセンサによって取得される測位情報のヒストグラムを示す線図である。車線毎の速度分布の推定結果の一例を示す線図である。第１実施形態に係る重み係数決定処理の一例を示すフローチャートである。第２実施形態に係る重み係数決定処理の一例を示すフローチャートである。信頼度αBと重み係数ｂとの関係を規定するマップの一例を示す線図である。信頼度αAと重み係数ａ2との関係を規定するマップの一例を示す線図である。信頼度αCと重み係数ｃ2との関係を規定するマップの一例を示す線図である。

以下、図面を参照して本発明の実施形態の一例を詳細に説明する。

〔第１実施形態〕
図１に示すように、本実施形態に係る交通情報処理システム１０は、複数の車両に各々搭載された車載システム１２と、複数の収集サーバ３８と、交通イベント統計化サーバ４０と、交通情報配信サーバ６０と、を含んでいる。車載システム１２、収集サーバ３８、交通イベント統計化サーバ４０及び交通情報配信サーバ６０はネットワーク７２を介して互いに通信可能とされている。

車載システム１２は、ＧＮＳＳ衛星から測位信号を受信してＧＮＳＳ測位情報を取得するＧＮＳＳセンサ１４と、車両の周囲を撮影するカメラ１６と、車両の車速を検出する車速センサ１８と、任意の情報を表示可能な表示部２０と、車載ＥＣＵ２２と、を含んでいる。ＧＮＳＳセンサ１４、カメラ１６、車速センサ１８、表示部２０及び車載ＥＣＵ２２はバス２４を介して互いに接続されている。

車載ＥＣＵ２２は、ＣＰＵ（Central Processing Unit）２６、ＲＯＭ（Read Only Memory）やＲＡＭ（Random Access Memory）などのメモリ２８、ＨＤＤ（Hard Disk Drive）やＳＳＤ（Solid State Drive）などの不揮発性の記憶部３０及び通信Ｉ／Ｆ（Inter Face）３２を含んでいる。ＣＰＵ２６、メモリ２８、記憶部３０及び通信Ｉ／Ｆ３２は内部バス３４を介して互いに通信可能に接続されている。

車載システム１２の車載ＥＣＵ２２は、ＧＮＳＳセンサ１４で取得されたＧＮＳＳ測位情報、カメラ１６で撮影された画像情報、車速センサ１８で検出された車速情報、車両のスロットルやブレーキの操作情報などの車両情報を定期的に送信する。車載システム１２から送信されたＧＮＳＳ測位情報などの車両情報は、複数の収集サーバ３８の何れかで受信された後、収集サーバ３８から交通イベント統計化サーバ４０へ転送される。

なお、ＧＮＳＳセンサ１４で取得されたＧＮＳＳ測位情報、カメラ１６で撮影された画像情報及び車速センサ１８で検出された車速情報は、複数種の検出情報の一例である。

交通イベント統計化サーバ４０は、ＣＰＵ４２、ＲＯＭやＲＡＭなどのメモリ４４、ＨＤＤやＳＳＤなどの不揮発性の記憶部４６及び通信Ｉ／Ｆ４８を含んでいる。ＣＰＵ４２、メモリ４４、記憶部４６及び通信Ｉ／Ｆ４８は内部バス５０を介して互いに通信可能に接続されている。記憶部４６には交通イベント統計化プログラム５２及び地図情報５４が記憶されている。

交通イベント統計化サーバ４０は、交通イベント統計化プログラム５２が記憶部４６から読み出されてメモリ４４に展開され、メモリ４４に展開された交通イベント統計化プログラム５２がＣＰＵ４２によって実行されることで、次に説明する交通イベント統計化処理を行う。

すなわち、交通イベント統計化サーバ４０は、車載システム１２から収集サーバ３８を経由して転送されてきたＧＮＳＳ測位情報などの車両情報に基づき、個々の車両が走行している道路のうち個々の車両が位置している車線を推定する処理（後述する車線推定処理）を、車両情報の送信元の個々の車両について各々行う。本実施形態において、交通イベント統計化サーバ４０は、後述する車線推定処理を行うことで、第１推定部、決定部、算出部及び第２推定部の一例として各々機能することになり、車線推定装置の一例として機能する。

また、交通イベント統計化サーバ４０は、車線推定処理の結果などに基づいて、道路の車線毎に渋滞を推定し、道路の車線毎の交通量を推定し、道路の車線毎の速度分布を推定し、道路を走行するにあたっての所要時間を予測するなどの処理を行う。そして、交通イベント統計化サーバ４０は、道路の車線毎の渋滞推定などの処理結果を交通情報配信サーバ６０へ送信する処理を行う。

交通情報配信サーバ６０は、ＣＰＵ６２、ＲＯＭやＲＡＭなどのメモリ６４、ＨＤＤやＳＳＤなどの不揮発性の記憶部６６及び通信Ｉ／Ｆ６８を含んでいる。ＣＰＵ６２、メモリ６４、記憶部６６及び通信Ｉ／Ｆ６８は内部バス７０を介して互いに通信可能に接続されている。

交通情報配信サーバ６０は、交通イベント統計化サーバ４０から受信した道路の車線毎の渋滞推定などの処理結果に基づき、道路の交通流（渋滞）の検出、道路の渋滞予兆の検出、道路上の渋滞の先頭と末尾の位置の検出、道路の区間毎の所要時間の検出又は予測などを行うことで、上述した各情報を交通情報として生成する。そして、交通情報配信サーバ６０は、生成した交通情報を個々の車両に配信する処理を行う。個々の車両に配信された交通情報は車載システム１２の表示部２０に表示される。

次に第１実施形態の作用として、交通イベント統計化サーバ４０が実行する車線推定処理について、図２を参照して説明する。

車線推定処理のステップ１００において、交通イベント統計化サーバ４０は、或る車両（以下、仮に「車両Ｘ」という）の車載システム１２より収集サーバ３８を経由して転送された最新の車両情報の中から、ＧＮＳＳセンサ１４で取得されたＧＮＳＳ測位情報を読み出す。なお、図４には、ＧＮＳＳ測位情報が表す車両の位置の車両幅方向に沿ったばらつきの一例を示す。図４における横軸の数値は、実際の車両の位置に対する偏差を表し、図４における「Ａ」は１車線の幅を表している。

ステップ１０２において、交通イベント統計化サーバ４０は、ステップ１００で読み出したＧＮＳＳ測位情報を地図情報５４と照合し、最も走行頻度が高い車線を推定する第１の車線推定ロジックにより、ＧＮＳＳ測位情報に基づく車線毎の推定確率Ａi（車両Ｘが走行している道路の個々の車線に車両Ｘが位置している確率、ｉは個々の車線を表す変数）を算出する（図３も参照）。この処理により、車両Ｘが走行している道路における車線の総数をｉ0とすると、車線１～車線ｉ0の推定確率の組Ａ1～Ａi0が得られる。

また、交通イベント統計化サーバ４０は、ＧＮＳＳ測位情報に基づく車線推定に対する信頼度αAを、例えば、ＧＮＳＳセンサ１４がＧＮＳＳ衛星から受信した測位信号の強度などに基づき、前記信号の強度が高くなるに従って信頼度αAの値が高くなるように算出する。なお、信頼度αAの値は、ＧＮＳＳセンサ１４が捕捉したＧＮＳＳ衛星の数などに応じて変化させてもよい。

ステップ１０４において、交通イベント統計化サーバ４０は、車両Ｘの車載システム１２より収集サーバ３８を経由して転送された最新の車両情報の中から、車両のカメラ１６で撮影された画像情報を読み出す。

ステップ１０６において、交通イベント統計化サーバ４０は、ステップ１０４で読み出した画像情報から車線境界線を検知する。そして、交通イベント統計化サーバ４０は、車線境界線を検知した結果を用いて車線を推定する第２の車線推定ロジックにより、車線境界線検知による車線毎の推定確率Ｂi（車両Ｘが走行している道路の個々の車線に車両Ｘが位置している確率）を算出する（図３も参照）。この処理により、車両Ｘが走行している道路における車線の総数をｉ0とすると、車線１～車線ｉ0の推定確率の組Ｂ1～Ｂi0が得られる。

また、交通イベント統計化サーバ４０は、車線境界線検知による車線推定に対する信頼度αBを、例えば、画像情報から検知した車線境界線の確からしさを評価する評価値などに基づき、前記評価値が高くなるに従って信頼度αBの値が高くなるように算出する。

ステップ１０８において、交通イベント統計化サーバ４０は、車両Ｘの車載システム１２より収集サーバ３８を経由して転送された最新の車両情報の中から、車速センサ１８で検出された車速情報を読み出す。

ステップ１１０において、交通イベント統計化サーバ４０は、ステップ１０８で読み出した車速情報を、車両Ｘが走行している道路について予め推定した車線毎の速度分布（一例を図５に示す）と照合し、車両Ｘの車速に最も近い速度分布の車線を選択する第３の車線推定ロジックにより、速度分布に基づく車線毎の推定確率Ｃi（車両Ｘが走行している道路の個々の車線に車両Ｘが位置している確率）を算出する（図３も参照）。なお、図５に示す車線毎の速度分布は、道路Ｙを走行している個々の車両について車線推定処理（図２）を一通り行うことで道路Ｙの個々の車線毎の交通量が得られるので、この車線毎の交通量と個々の車両の車速とから求めることができる。この処理により、車両Ｘが走行している道路における車線の総数をｉ0とすると、車線１～車線ｉ0の推定確率の組Ｃ1～Ｃi0が得られる。

また、交通イベント統計化サーバ４０は、速度分布に基づく車線推定に対する信頼度αCを、例えば、車速情報が表す車速が低速側へ偏倚するに従って（渋滞に相当する車速に近づくに従って）信頼度αCの値が低くなるように算出する。なお、上述したステップ１０２，１０６，１１０は第１推定部による処理の一例である。

ステップ１１２において、交通イベント統計化サーバ４０は、重み係数決定処理を行う。以下、この重み係数決定処理について図６を参照して説明する。なお、重み係数決定処理は決定部による処理の一例である。

ステップ１３０において、交通イベント統計化サーバ４０は、車線境界線検知による車線推定に対する信頼度αBが閾値以上か否かを判定する。ステップ１３０の判定が肯定された場合はステップ１３２へ移行する。ステップ１３２において、交通イベント統計化サーバ４０は、車線毎の推定確率に対する重み係数を(ａ，ｂ，ｃ)＝(０，１，０)に設定する。なお、重み係数ａはＧＮＳＳ測位情報に基づく車線毎の推定確率Ａiに対する重み係数であり、重み係数ｂは車線境界線検知による車線毎の推定確率Ｂiに対する重み係数であり、重み係数ｃは速度分布に基づく車線毎の推定確率Ｃiに対する重み係数である。

例えば、車両Ｘの周囲の天候が好天であるなどの場合は、画像情報から検知した車線境界線の確からしさを評価する評価値が高い値を示すことで、車線境界線検知による車線推定に対する信頼度αBが閾値以上になる。ステップ１３０では、このような場合に、重み係数ａに０、重み係数ｂに１、重み係数ｃに０を設定している。これにより、後述する合計確率値Ｄiが、対応する信頼度αBが閾値以上になっている車線境界線検知による車線毎の推定確率Ｂiに一致されることになる。ステップ１３２の処理を行うと重み係数設定処理を終了し、車線推定処理のステップ１１４へ移行する。

一方、例えば、車両Ｘの周囲の天候が雨天であるなどの場合、画像情報から検知した車線境界線の確からしさを評価する評価値が低い値を示すことで、車線境界線検知による車線推定に対する信頼度αBは閾値未満に低下する。このような場合は、ステップ１３０の判定が否定されてステップ１３４へ移行する。ステップ１３４において、交通イベント統計化サーバ４０は、ＧＮＳＳ測位情報に基づく車線推定に対する信頼度αAが閾値以上か否かを判定する。

例えば、車両Ｘの周囲にＧＮＳＳ衛星からの信号を遮蔽するトンネルなどの障害物が存在しないなどの場合は、ＧＮＳＳ測位情報に基づく車線推定に対する信頼度αAが閾値以上になる。このような場合はステップ１３４の判定が肯定されてステップ１３６へ移行する。

ステップ１３６において、交通イベント統計化サーバ４０は、速度分布に基づく車線推定に対する信頼度αcが閾値以上か否かを判定する。例えば、車両Ｘが渋滞に相当する車速又は渋滞に近い車速で走行しているなどの場合、速度分布に基づく車線推定に対する信頼度αCが閾値未満になる。このような場合はステップ１３６の判定が否定されてステップ１３８へ移行する。

ステップ１３８において、交通イベント統計化サーバ４０は、車線毎の推定確率に対する重み係数を重み係数(ａ，ｂ，ｃ)＝(１，０，０)に設定する。このように、重み係数ａに１、重み係数ｂに０、重み係数ｃに０を設定することで、後述する合計確率値Ｄiが、対応する信頼度αAが閾値以上になっているＧＮＳＳ測位情報に基づく車線毎の推定確率Ａiに一致されることになる。ステップ１３８の処理を行うと重み係数設定処理を終了し、車線推定処理のステップ１１４へ移行する。

また、例えば、車両Ｘが自由流に相当する車速で走行しているなどの場合、速度分布に基づく車線推定に対する信頼度αCが閾値以上になる。この場合はステップ１３６の判定が肯定されてステップ１４０へ移行する。ステップ１４０において、交通イベント統計化サーバ４０は、車線毎の推定確率に対する重み係数を、重み係数(ａ，ｂ，ｃ)＝(０．５，０，０．５)に設定する。

このように、重み係数ａに０．５、重み係数ｂに０、重み係数ｃに０．５を設定することで、後述する合計確率値Ｄiが、対応する信頼度αAが閾値以上になっているＧＮＳＳ測位情報に基づく車線毎の推定確率Ａiと、対応する信頼度αCが閾値以上になっている速度分布に基づく車線毎の推定確率Ｃiと、の平均値に一致される。ステップ１３８の処理を行うと重み係数設定処理を終了し、車線推定処理のステップ１１４へ移行する。

また、例えば、車両Ｘの周囲にＧＮＳＳ衛星からの信号を遮蔽するトンネルなどの障害物が存在しているなどの場合、ＧＮＳＳ測位情報に基づく車線推定に対する信頼度αAが閾値未満になる。このような場合、ステップ１３４の判定が否定されてステップ１４２へ移行する。ステップ１４２において、交通イベント統計化サーバ４０は、先に説明したステップ１３６と同様に、速度分布に基づく車線推定に対する信頼度αcが閾値以上か否かを判定する。ステップ１４２の判定が肯定された場合はステップ１４４へ移行する。

ステップ１４４において、交通イベント統計化サーバ４０は、車線毎の推定確率に対する重み係数を重み係数(ａ，ｂ，ｃ)＝(０，０，１)に設定する。このように、重み係数ａに０、重み係数ｂに０、重み係数ｃに１を設定することで、後述する合計確率値Ｄiが、対応する信頼度αCが閾値以上になっている速度分布に基づく車線毎の推定確率Ｃiに一致される。ステップ１４４の処理を行うと重み係数設定処理を終了し、車線推定処理のステップ１１４へ移行する。

また、ステップ１４２の判定が否定された場合はステップ１４６へ移行する。ステップ１４２の判定が否定される場合は、ＧＮＳＳ測位情報に基づく車線毎の推定確率Ａi、車線境界線検知による車線毎の推定確率Ｂi、速度分布に基づく車線毎の推定確率Ｃiの何れもが信頼できない場合である。このため、ステップ１４６において、交通イベント統計化サーバ４０は、車両Ｘが位置している車線を精度良く推定することが困難であることを意味する「推定不可」を出力する。ステップ１４６の処理を行うと重み係数設定処理を終了し、車線推定処理のステップ１１４へ移行する。

図２に戻って説明を続けると、ステップ１１４において、交通イベント統計化サーバ４０は、重み係数決定処理の結果が「推定不可」であったか否か判定する。ステップ１１４の判定が肯定された場合には車線推定を行うことなく車線推定処理を終了する。一方、ステップ１１４の判定が否定された場合はステップ１１６へ移行する。ステップ１１６において、交通イベント統計化サーバ４０は、変数ｉに１を設定する。

ステップ１１８において、交通イベント統計化サーバ４０は、車線ｉの合計確率値Ｄiを次の(１)式により算出する。
Ｄi←Ａi×ａ＋Ｂi×ｂ＋Ｃi×ｃ …(１)
上記の(１)式により、同一の車線に対応しかつ推定に用いた検出情報の種類が互いに異なる複数の確率値Ａi，Ｂi，Ｃiに、個々の確率値の推定に用いた検出情報に対応する重み係数ａ，ｂ，ｃを各々乗じて積算した合計確率値Ｄiが算出される。

ステップ１２０において、交通イベント統計化サーバ４０は、変数ｉが、車両Ｘが走行している道路の車線の総数ｉ0に達したか否か判定する。ステップ１２０の判定が否定された場合はステップ１２２へ移行し、ステップ１２２において、交通イベント統計化サーバ４０は、変数ｉを１だけインクリメントする。ステップ１２２の処理を行うとステップ１１８に戻る。

これにより、ステップ１２０の判定が肯定される迄、ステップ１１８～ステップ１２２が繰り返され、車両Ｘが走行している道路の各車線毎に合計確率値Ｄiが各々算出される。なお、ステップ１１６～１１２は算出部による処理の一例である。

ステップ１２０の判定が肯定されるとステップ１２４へ移行する。ステップ１２４において、交通イベント統計化サーバ４０は、各車線毎の合計確率値Ｄiを比較し、合計確率値Ｄiが最大値を示す車線を、車両Ｘが位置している車線として推定する（図３も参照）。なお、ステップ１２４は第２推定部による処理の一例である。

またステップ１２６において、交通イベント統計化サーバ４０は、ステップ１２４で得られた車線推定結果を第１の車線推定ロジック～第３の車線推定ロジックにフィードバックする（図３も参照）。具体的には、個々の車線推定ロジックにフィードバックされた車線推定結果は、必要に応じて個々の車線推定ロジックにおける処理パラメータの調整などに用いられる。

以上説明したように、第１実施形態では、交通イベント統計化サーバ４０が、車両が位置している車線の推定に各々利用可能な複数種の検出情報を１つずつ用いて、車両が個々の車線に位置している確率を表す車線毎の確率値（Ａi，Ｂi，Ｃi）を複数組推定する。また、車線毎の確率値に対する重み係数（ａ，ｂ，ｃ）を、検出情報から推定した車線毎の確率値の信頼度に応じて、複数種の検出情報の各々毎に決定する。また、同一の車線に対応しかつ推定に用いた検出情報の種類が互いに異なる複数の確率値に、個々の確率値の推定に用いた検出情報に対応する重み係数を各々乗じて積算した合計確率値（Ｄi）を算出することを、車線毎に各々行う。そして、車線毎に算出した合計確率値に基づいて車両が位置している車線を推定する。これにより、車両が位置している車線を推定する精度を向上させることができる。

また、第１実施形態では、複数種の検出情報として、ＧＮＳＳセンサ１４で取得されたＧＮＳＳ測位情報、カメラ１６によって撮影された画像情報、車速センサ１８によって検出された車速情報を用いている。これらの検出情報から各々推定される車線毎の確率値は、その信頼度に影響を及ぼす車両の環境の条件（例えばトンネルの有無や、天候が雨天か否かなど）が互いに相違している。従って、これらの検出情報を組み合わせることで、車両の様々な環境において、少なくとも１つの検出情報から推定される車線毎の確率値が、高い信頼度を示す可能性が高くなることで、車線を推定する精度を向上させることができる。

また、第１実施形態では、車線推定の信頼度αB，αA，αCが閾値以上か否かを判定し、当該判定に基づく条件分岐により重み係数ａ，ｂ，ｃを決定しているので、重み係数ａ，ｂ，ｃを簡易な処理で決定することができる。

〔第２実施形態〕
次に本発明の第２実施形態について説明する。なお、第２実施形態は第１実施形態と同一の構成であるので、各部分に同一の符号を付して構成の説明を省略し、以下、第２実施形態の作用について、第１実施形態と異なる部分のみ説明する。

第２実施形態では、第１実施形態で説明した重み係数決定処理（図６）に代えて、図７に示す重み係数決定処理を行う。第２実施形態に係る重み係数決定処理では、ステップ１５０において、交通イベント統計化サーバ４０は、車線境界線検知による車線推定の信頼度αBと重み係数ｂとの関係を予め規定するマップに基づき、車線境界線検知による車線毎の推定確率Ｂiに対する重み係数ｂを信頼度αBから算出する。信頼度αBと重み係数ｂとの関係を規定するマップの一例を図８に示す。図８に示すマップは、信頼度αBが100％に近づくに従って重み係数ｂが二次曲線的に増加するように、信頼度αBと重み係数ｂとの関係を規定している。

また、ステップ１５２において、交通イベント統計化サーバ４０は、GNSS測位情報に基づく車線推定の信頼度αAと重み係数ａ2との関係を予め規定するマップに基づき、信頼度αAから重み係数ａ2を算出する。信頼度αAと重み係数ａ2との関係を規定するマップの一例を図９に示す。図９に示すマップは、信頼度αAが100％に近づくに従って重み係数ａ2が二次曲線的に増加するように、信頼度αBと重み係数ｂとの関係を規定している。

ステップ１５４において、交通イベント統計化サーバ４０は、次の(２)式に基づき、ステップ１５０で算出した重み係数ｂ及びステップ１５２で算出した重み係数ａ2から、ＧＮＳＳ測位情報に基づく車線毎の推定確率Ａiに対する重み係数ａを算出する。
ａ＝(１－ｂ)×ａ2 …(２)
上記の(２)式に基づいて重み係数ａを算出することで、重み係数ｂの値が高いときには重み係数ａの値が低く抑制され、重み係数ｂの値が低いときには重み係数ａ2の値にも依存するが重み係数ａが比較的高い値になり、かつ重み係数ａ，ｂの和（ａ＋ｂ）が１以下になるように、重み係数ａの値が決定される。

ステップ１５６において、交通イベント統計化サーバ４０は、速度分布に基づく車線推定の信頼度αCと重み係数ｃ2との関係を予め規定するマップに基づき、信頼度αCから重み係数ｃ2を算出する。信頼度αCと重み係数ｃ2との関係を規定するマップの一例を図１０に示す。図１０に示すマップは、信頼度αCが100％に近づくに従って重み係数ｃ2が二次曲線的に増加するように、信頼度αBと重み係数ｂとの関係を規定している。

ステップ１５８において、交通イベント統計化サーバ４０は、次の(３)式に基づき、ステップ１５０で算出した重み係数ｂ、ステップ１５４で算出した重み係数ａ及びステップ１５６で算出した重み係数ｃ2から、速度分布に基づく車線毎の推定確率Ｃiに対する重み係数ｃを算出する。
ｃ＝(1－ａ－ｂ)×ｃ2 …(３)
上記の(３)式に基づいて重み係数ｃを算出することで、重み係数ａ，ｂの少なくとも一方の値が高いときには重み係数ｃの値が低く抑制され、重み係数ａ，ｂの値が低いときには重み係数ｃ2の値にも依存するが重み係数ｃが比較的高い値になり、かつ重み係数ａ，ｂ，ｃの総和(ａ＋ｂ＋ｃ)が１以下になるように、重み係数ｃの値が決定される。

ステップ１６０において、交通イベント統計化サーバ４０は、上述した処理で得られた重み係数ａ，ｂ，ｃの総和(ａ＋ｂ＋ｃ)が予め定められた所定値Ｋ以上か否か判定する。ステップ１６０の判定が肯定された場合はステップ１６２へ移行し、ステップ１６２において、交通イベント統計化サーバ４０は、重み係数ａ，ｂ，ｃを出力する。この場合、出力した重み係数ａ，ｂ，ｃを用いて、車両Ｘが位置している車線が第１実施形態で説明したようにして推定される。

また、ステップ１６０の判定が否定された場合はステップ１６４へ移行し、ステップ１６４において、交通イベント統計化サーバ４０は、「推定不可」を出力する。この場合、車両Ｘが位置している車線の推定は行われない。

このように、第２実施形態では、検出情報から推定される車線毎の確率値の信頼度αB，αA，αCと重み係数ｂ，ａ2，ｃ2との関係を予め規定するマップに基づいて重み係数ｂ，ａ2，ｃ2を決定し、重み係数ａ2から（２）式に基づいて重み係数ａを、重み係数ｃ2から（３）式に基づいて重み係数ｃを決定している。これにより、信頼度αB，αA，αCに応じて重み係数ｂ，ａ2，ｃ2が変化することで、より精度良く車線を推定できるように重み係数ｂ，ａ，ｃを決定することができる。

なお、上記では車線境界線による車線推定（ステップ１０６）を交通イベント統計化サーバ４０が行う態様を説明したが、これに限定されるものではなく、車線境界線による車線推定を車載システム１２で行うようにしてもよい。

また、上記では車線の推定に利用可能な検出情報の一例として、ＧＮＳＳセンサ１４で取得されたＧＮＳＳ測位情報、カメラ１６によって撮影された画像情報、車速センサ１８によって検出された車速情報を説明したが、これに限定されるものではない。例えば、道路のうち車線が分岐又は合流している地点の位置が既知であれば、当該地点で車両のスロットルやブレーキが操作された頻度などに基づいて車線を推定することも可能であり、車両のスロットルやブレーキの操作情報についても、検出情報として車線の推定に利用することが可能である。

１０交通情報処理システム
１２車載システム
１４ＧＮＳＳセンサ
１６カメラ
１８車速センサ
３８収集サーバ
４０交通イベント統計化サーバ
６０交通情報配信サーバ

Claims

車両が位置している車線の推定に各々利用可能な複数種の検出情報を１つずつ用いて、前記車両が個々の車線に位置している確率を表す車線毎の確率値を複数組推定する第１推定部と、
前記第１推定部が推定した前記車線毎の確率値に対する重み係数を、前記検出情報から前記第１推定部が推定した前記車線毎の確率値の信頼度に応じて、前記複数種の検出情報の各々毎に決定する決定部と、
同一の車線に対応しかつ推定に用いた検出情報の種類が互いに異なる複数の確率値に、個々の確率値の推定に用いた検出情報に対応する前記重み係数を各々乗じて積算した合計確率値を算出することを、車線毎に各々行う算出部と、
前記算出部が車線毎に算出した前記合計確率値に基づいて前記車両が位置している車線を推定する第２推定部と、
を含む車線推定装置。