JP7143538B2 - 運転支援装置および運転支援方法 - Google Patents
運転支援装置および運転支援方法 Download PDFInfo
- Publication number
- JP7143538B2 JP7143538B2 JP2021562250A JP2021562250A JP7143538B2 JP 7143538 B2 JP7143538 B2 JP 7143538B2 JP 2021562250 A JP2021562250 A JP 2021562250A JP 2021562250 A JP2021562250 A JP 2021562250A JP 7143538 B2 JP7143538 B2 JP 7143538B2
- Authority
- JP
- Japan
- Prior art keywords
- information
- contribution
- environment
- unit
- cognitive
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 10
- 230000001149 cognitive effect Effects 0.000 claims description 154
- 238000004364 calculation method Methods 0.000 claims description 96
- 230000006399 behavior Effects 0.000 claims description 60
- 238000010801 machine learning Methods 0.000 claims description 50
- 230000002787 reinforcement Effects 0.000 claims description 5
- 230000007613 environmental effect Effects 0.000 description 36
- 238000010586 diagram Methods 0.000 description 21
- 230000015654 memory Effects 0.000 description 12
- 238000003384 imaging method Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 10
- 239000000284 extract Substances 0.000 description 8
- 239000013598 vector Substances 0.000 description 3
- 240000004050 Pentaglottis sempervirens Species 0.000 description 2
- 235000004522 Pentaglottis sempervirens Nutrition 0.000 description 2
- 230000006998 cognitive state Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/08—Interaction between the driver and the control system
- B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/18—Propelling the vehicle
- B60W30/18009—Propelling the vehicle related to particular drive situations
- B60W30/18154—Approaching an intersection
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/08—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to drivers or passengers
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
- B60W60/0011—Planning or execution of driving tasks involving control alternatives for a single driving scenario, e.g. planning several paths to avoid obstacles
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
- B60W60/0015—Planning or execution of driving tasks specially adapted for safety
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/005—Handover processes
- B60W60/0053—Handover processes from vehicle to occupant
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/005—Handover processes
- B60W60/0059—Estimation of the risk associated with autonomous or manual driving, e.g. situation too complex, sensor failure or driver incapacity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/08—Interaction between the driver and the control system
- B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
- B60W2050/143—Alarm means
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
- B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
- B60W2420/403—Image sensing, e.g. optical camera
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2540/00—Input parameters relating to occupants
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2540/00—Input parameters relating to occupants
- B60W2540/225—Direction of gaze
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2540/00—Input parameters relating to occupants
- B60W2540/229—Attention level, e.g. attentive to driving, reading or sleeping
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2552/00—Input parameters relating to infrastructure
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2554/00—Input parameters relating to objects
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Mechanical Engineering (AREA)
- Transportation (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Traffic Control Systems (AREA)
Description
この発明は、運転支援装置および運転支援方法に関するものである。
従来、移動体の運転者による運転を支援するための情報を出力する運転支援装置が知られている。
例えば、特許文献1には、運転者の運転行動から、運転者の環境に対する認知状態がスキルベースの状態であるか知識-ルールベースの状態であるかを判定し、車両が走行する環境と、判定した認知状態とによって、運転者に提供する情報を決定する運転支援装置が開示されている。
例えば、特許文献1には、運転者の運転行動から、運転者の環境に対する認知状態がスキルベースの状態であるか知識-ルールベースの状態であるかを判定し、車両が走行する環境と、判定した認知状態とによって、運転者に提供する情報を決定する運転支援装置が開示されている。
一般的に、移動体が走行する環境は無数に考えられる。
これに対し、特許文献1に開示されているような従来技術は、車両が走行する環境が無数に考えられることが考慮されておらず、予め設定されたルールに基づいて情報を提供する。そのため、従来技術では、情報を提供するために設定できるルールに限界があり、無数の環境に対応した情報を提供することができないという課題があった。
これに対し、特許文献1に開示されているような従来技術は、車両が走行する環境が無数に考えられることが考慮されておらず、予め設定されたルールに基づいて情報を提供する。そのため、従来技術では、情報を提供するために設定できるルールに限界があり、無数の環境に対応した情報を提供することができないという課題があった。
この発明は上記のような課題を解決するためになされたもので、無数の環境に応じた、運転支援のための情報を出力することができる運転支援装置を提供することを目的とする。
この発明に係る運転支援装置は、移動体の周辺の環境に関する環境情報を取得する環境情報取得部と、移動体の運転者の行動に関する行動情報を取得する行動情報取得部と、環境情報取得部が取得した環境情報と、環境情報を入力とし移動体の自動運転制御を行うための制御情報を出力する機械学習モデルとに基づき、制御情報を得る演算部と、環境情報取得部が取得した環境情報と、演算部が得た制御情報とに基づき、当該制御情報への寄与度が高い寄与情報を判定する寄与情報判定部と、行動情報取得部が取得した行動情報と、環境情報取得部が取得した環境情報とに基づき、移動体の周辺の環境における運転者の認知領域を示す認知情報を算出する認知情報算出部と、寄与情報判定部が判定した寄与情報と、認知情報算出部が算出した認知情報とに基づき、運転者によって認知されていないと推定される未認知寄与情報を特定する特定部と、特定部が特定した未認知寄与情報に基づき、運転支援に必要な運転支援情報を出力する情報出力制御部とを備えたものである。
この発明によれば、無数の環境に応じた、運転支援のための情報を出力することができる。
以下、この発明の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。
実施の形態1.
図1は、実施の形態1に係る運転支援装置1の構成例を示す図である。
運転支援装置1は、図1に示すように、環境情報取得部11、行動情報取得部12、演算部13、寄与情報判定部14、認知情報算出部15、特定部16、情報出力制御部17、および、機械学習モデル18を備える。
実施の形態1.
図1は、実施の形態1に係る運転支援装置1の構成例を示す図である。
運転支援装置1は、図1に示すように、環境情報取得部11、行動情報取得部12、演算部13、寄与情報判定部14、認知情報算出部15、特定部16、情報出力制御部17、および、機械学習モデル18を備える。
実施の形態1において、運転支援装置1は、車両に搭載され、当該車両の運転者による運転を支援するための情報(以下「運転支援情報」という。)を出力する。なお、運転支援装置1が運転を支援する車両は、自動運転機能を有することを前提とする。車両が自動運転機能を有する場合であっても、運転者が、当該自動運転機能を実行せず、自ら車両を運転することができる。運転支援装置1は、自動運転が可能な車両において、運転者が自ら運転を行っている場合に、運転支援情報を出力する。運転支援情報は、具体的には、運転者に対して、車両周辺の環境において、運転者によって認知されていないと推定される領域を知らせるための情報である。
運転支援装置1は、車両周辺の環境に関する環境情報と、機械学習済みのモデル(以下「機械学習モデル」という。)18とに基づいて、運転支援情報の出力を制御する。機械学習モデル18は、機械学習における学習済みのモデルである。具体的には、機械学習モデル18は、環境情報が入力されると、車両の自動運転制御を行うための制御情報を出力するように、予め機械学習が行われたモデルである。車両の自動運転制御を行うための制御情報とは、例えば、操舵角の制御量に関する情報、アクセルの制御量に関する情報、または、ブレーキの制御量に関する情報である。車両の自動運転制御を行うための制御情報は、車両の自動運転制御に必要な種々の自動運転制御量に関する情報を含む。
機械学習モデル18は、例えば、ニューラルネットワークにより構成される。機械学習モデル18は、予め、強化学習によって生成されている。
機械学習モデル18は、例えば、ニューラルネットワークにより構成される。機械学習モデル18は、予め、強化学習によって生成されている。
実施の形態1において、車両周辺の環境とは、自車両をとりまく環境である。自車両をとりまく環境とは、他車両の位置または歩行者の有無等、自車両をとりまく環境の状態をいう。実施の形態1では、自車両の位置等、自車両の状態も、自車両をとりまく環境の状態に含まれるものとする。
環境情報取得部11は、車両周辺の環境に関する環境情報を取得する。
環境情報は、例えば、自車両に関する自車情報、他車両に関する他車情報、歩行者に関する歩行者情報、道路に関する道路情報、または、障害物に関する障害物情報を含む。
自車情報は、自車両の車速、自車両の加速度、自車両の位置、自車両の形状、または、自車両が走行している走行車線に関する情報等を含む。
他車情報は、他車両の位置、他車両の車速、他車両の形状、または、他車両が走行している走行車線に関する情報等を含む。
歩行者情報は、歩行者の位置、歩行者が歩く速度、または、歩行者の形状に関する情報等を含む。
道路情報は、車線、道路種別、道路形状、信号、標識、または、道路上の表示に関する情報等を含む。
障害物情報には、障害物の位置、障害物の移動速度、または、障害物の形状に関する情報等を含む。
環境情報は、例えば、自車両に関する自車情報、他車両に関する他車情報、歩行者に関する歩行者情報、道路に関する道路情報、または、障害物に関する障害物情報を含む。
自車情報は、自車両の車速、自車両の加速度、自車両の位置、自車両の形状、または、自車両が走行している走行車線に関する情報等を含む。
他車情報は、他車両の位置、他車両の車速、他車両の形状、または、他車両が走行している走行車線に関する情報等を含む。
歩行者情報は、歩行者の位置、歩行者が歩く速度、または、歩行者の形状に関する情報等を含む。
道路情報は、車線、道路種別、道路形状、信号、標識、または、道路上の表示に関する情報等を含む。
障害物情報には、障害物の位置、障害物の移動速度、または、障害物の形状に関する情報等を含む。
なお、上述した環境情報は一例に過ぎず、環境情報には、自車両をとりまく環境に関するあらゆる情報が含まれ得る。例えば、環境情報には、天候に関する情報が含まれるようになっていてもよいし、環境情報には、交通渋滞に関する情報が含まれるようになっていてもよい。
環境情報取得部11は、環境情報取得用装置(図示省略)から得た情報(以下「環境情報取得用情報」という。)から、特徴量を抽出して、環境情報を生成する。特徴量は、上述したような、環境情報に含まれる情報の種別に応じて分類される。例えば、環境情報取得部11は、他車両の位置に応じた特徴量を抽出して、環境情報を生成する。以下の実施の形態1において、環境情報に含まれる情報の種別毎の、当該種別に応じた特徴量を、「種別特徴量」ともいうものとする。
環境情報取得用装置は、例えば、撮像装置(図示省略)である。撮像装置は、車両に搭載され、車両の前方を撮像する。環境情報取得部11は、環境情報取得用情報として、撮像装置から、当該撮像装置が撮像した撮像画像を取得する。環境情報取得部11は、撮像画像から種別特徴量を抽出して、環境情報を生成する。
具体的には、環境情報取得部11は、例えば、撮像装置が撮像した撮像画像から、自車両の位置、自車両の速度、他車両の位置、他車両の速度、または、歩行者の位置等に応じた特徴量を抽出する。環境情報取得部11は、抽出した特徴量が反映された画像を生成する。環境情報取得部11が生成した画像を、環境情報とする。このように、環境情報取得部11は、例えば、画像で表現された環境情報を取得する。
具体的には、環境情報取得部11は、例えば、撮像装置が撮像した撮像画像から、自車両の位置、自車両の速度、他車両の位置、他車両の速度、または、歩行者の位置等に応じた特徴量を抽出する。環境情報取得部11は、抽出した特徴量が反映された画像を生成する。環境情報取得部11が生成した画像を、環境情報とする。このように、環境情報取得部11は、例えば、画像で表現された環境情報を取得する。
ここで、図2は、実施の形態1において、環境情報取得部11が取得する、画像で表現された環境情報の一例のイメージを示す図である。なお、図2において、図の上側を、自車両の進行方向としている。
図2では、環境情報取得部11が、他車両に応じた種別特徴量と、自車両に応じた種別特徴量と、歩行者に応じた種別特徴量と、信号を示す種別特徴量とを抽出し、抽出した各種別特徴量を画像で表現するものとした環境情報を示している。以下、環境情報を表現した画像を、「環境情報画像」ともいう。
図2に示すように、環境情報画像は、自車両周辺の環境を抽象化した画像である。図2では、環境情報画像は俯瞰図としている。
図2では、環境情報取得部11が、他車両に応じた種別特徴量と、自車両に応じた種別特徴量と、歩行者に応じた種別特徴量と、信号を示す種別特徴量とを抽出し、抽出した各種別特徴量を画像で表現するものとした環境情報を示している。以下、環境情報を表現した画像を、「環境情報画像」ともいう。
図2に示すように、環境情報画像は、自車両周辺の環境を抽象化した画像である。図2では、環境情報画像は俯瞰図としている。
実施の形態1では、一例として、環境情報取得部11は、上述のとおり、撮像装置が撮像した撮像画像に基づいて種別特徴量を抽出し、環境情報として環境情報画像を取得するものとするが、これは一例に過ぎない。
例えば、環境情報取得用装置は、距離画像センサ(図示省略)であってもよい。距離画像センサは、車両に搭載され、車両の前方の物体までの距離画像を取得する。環境情報取得部11は、距離画像から種別特徴量を抽出して、環境情報を取得してもよい。
また、例えば、環境情報取得用装置は、レーダ装置(図示省略)であってもよい。レーダ装置は、車両に搭載され、車両の前方の物体を検出する。環境情報取得部11は、検出された物体に関する情報から種別特徴量を抽出して、環境情報を取得してもよい。
例えば、環境情報取得用装置は、距離画像センサ(図示省略)であってもよい。距離画像センサは、車両に搭載され、車両の前方の物体までの距離画像を取得する。環境情報取得部11は、距離画像から種別特徴量を抽出して、環境情報を取得してもよい。
また、例えば、環境情報取得用装置は、レーダ装置(図示省略)であってもよい。レーダ装置は、車両に搭載され、車両の前方の物体を検出する。環境情報取得部11は、検出された物体に関する情報から種別特徴量を抽出して、環境情報を取得してもよい。
また、環境情報は画像に限らず、例えば、ベクトルとしてもよい。環境情報取得部11は、例えば、撮像装置が撮像した撮像画像に基づき、自車両の位置または他車両の位置等に応じた種別特徴量を示すベクトルを抽出し、当該ベクトルの情報に基づいて環境情報を取得してもよい。このように、環境情報取得部11は、数値であらわされる情報として環境情報を取得するものとしてもよい。
また、実施の形態1では、環境情報取得部11は、環境情報取得用装置から得られた環境情報取得用情報に基づき、種別特徴量を抽出した上で環境情報を取得するものとするが、これは一例に過ぎない。環境情報取得部11は、例えば、環境情報取得用装置から得られた環境情報取得用情報をそのまま環境情報としてもよい。
環境情報取得部11は、取得した環境情報を、演算部13、寄与情報判定部14、および、認知情報算出部15に出力する。
行動情報取得部12は、運転者の行動に関する行動情報を取得する。
実施の形態1において、運転者の行動とは、運転者の行動全般を含む。運転者の行動に関する情報とは、例えば、運転者の視線の向きに関する情報、運転者の顔向きに関する情報、運転者の開眼度、または、運転者の集中度を含む。
行動情報取得部12は、上記環境情報取得用装置から得た情報に基づいて、行動情報を取得する。実施の形態1では、行動情報取得部12は、撮像装置から得た撮像画像に基づいて、行動情報を取得する。行動情報取得部12は、例えば、既存の画像処理技術を用いて、行動情報を取得すればよい。
行動情報取得部12は、取得した行動情報を、認知情報算出部15に出力する。
実施の形態1において、運転者の行動とは、運転者の行動全般を含む。運転者の行動に関する情報とは、例えば、運転者の視線の向きに関する情報、運転者の顔向きに関する情報、運転者の開眼度、または、運転者の集中度を含む。
行動情報取得部12は、上記環境情報取得用装置から得た情報に基づいて、行動情報を取得する。実施の形態1では、行動情報取得部12は、撮像装置から得た撮像画像に基づいて、行動情報を取得する。行動情報取得部12は、例えば、既存の画像処理技術を用いて、行動情報を取得すればよい。
行動情報取得部12は、取得した行動情報を、認知情報算出部15に出力する。
演算部13は、環境情報取得部11が取得した環境情報と機械学習モデル18とに基づき、車両の自動運転制御を行うための制御情報を得る。
具体的には、演算部13は、環境情報取得部11が取得した環境情報、言い換えれば、環境情報画像を機械学習モデル18に入力して、上記制御情報を得る。
演算部13は、得た制御情報を、寄与情報判定部14に出力する。
なお、演算部13が得る制御情報は、運転支援情報の出力制御を行うために用いられるものになっていればよく、実際に自車両の自動運転制御を行う際に当該自動運転制御にて用いられるものになっていなくてよい。
具体的には、演算部13は、環境情報取得部11が取得した環境情報、言い換えれば、環境情報画像を機械学習モデル18に入力して、上記制御情報を得る。
演算部13は、得た制御情報を、寄与情報判定部14に出力する。
なお、演算部13が得る制御情報は、運転支援情報の出力制御を行うために用いられるものになっていればよく、実際に自車両の自動運転制御を行う際に当該自動運転制御にて用いられるものになっていなくてよい。
寄与情報判定部14は、環境情報取得部11が取得した環境情報と、演算部13が得た制御情報とに基づき、制御情報への寄与度が高い寄与情報を判定する。具体的には、寄与情報判定部14は、環境情報取得部11が取得した環境情報に基づき、当該環境情報に反映されている種別特徴量の、制御情報への寄与度を算出する。そして、寄与情報判定部14は、環境情報に反映されている種別特徴量のうち、演算部13が得た制御情報への寄与度が高い種別特徴量を、寄与情報と判定する。
例えば、寄与情報判定部14は、機械学習モデル18に関し、演算結果に対する入力の寄与度を算出する既存の技術を用いて寄与度を算出し、算出した寄与度に基づき寄与情報を判定すればよい。また、寄与情報判定部14は、例えば、環境情報取得部11が取得した環境情報において、種別特徴量を微小に変化させた環境情報(以下「寄与度判定用環境情報」という。)を生成し、環境情報と寄与度判定用環境情報とをそれぞれ機械学習モデル18に入力して演算結果、言い換えれば、制御情報を得て、寄与度を算出するようにしてもよい。寄与情報判定部14は、種別特徴量毎に寄与度判定用環境情報を生成する。寄与情報判定部14は、環境情報を入力として得られた制御情報と、寄与度判定用環境情報を入力して得られた制御情報とを比較し、予め設定された値以上の差がある場合、寄与度判定用環境情報において微小に変化させた種別特徴量は制御情報に与える影響が大きいと判定し、当該種別特徴量の寄与度は「高い」とする。寄与情報判定部14は、寄与度が「高い」とした種別特徴量を、寄与情報と判定する。
例えば、環境情報が図2に示すような環境情報画像であった場合、寄与情報判定部14は、環境情報画像において、複数の他車両を示す種別特徴量、自車両を示す種別特徴量、または、複数の歩行者を示す種別特徴量毎に、寄与度を算出する。そして、寄与情報判定部14は、算出した寄与度が高い種別特徴量を、寄与情報と判定する。
なお、寄与情報判定部14が、寄与度がどれぐらいであった場合に、当該寄与度が高いと判定するかは、予め決められているものとする。
なお、寄与情報判定部14が、寄与度がどれぐらいであった場合に、当該寄与度が高いと判定するかは、予め決められているものとする。
寄与情報判定部14が判定する寄与情報は、例えば、種別特徴量が「寄与情報である」または「寄与情報ではない」の2値で判定されるものであってもよいし、種別特徴量が制御情報の演算に寄与する寄与度をあらわす数値で判定されるものであってもよい。
寄与情報判定部14は、寄与情報をあらわす情報(以下「寄与度算出後情報」という。)を生成する。なお、実施の形態1では、寄与情報判定部14は、寄与度算出後情報を、環境情報の表現形式とあわせるようにする。ここでは、環境情報は、画像として生成されるものとしているので、寄与情報判定部14は、寄与度算出後情報を画像であらわすものとする。寄与情報判定部14は、寄与情報を環境情報画像上の領域で示した画像(以下「寄与情報画像」という。)を生成する。具体的には、寄与情報判定部14は、環境情報画像における種別特徴量のうち、寄与情報である種別特徴量をあらわす領域の明度を、当該寄与情報である種別特徴量以外の領域の明度とは異ならせた画像を、寄与情報画像として生成する。
ここで、図3は、実施の形態1において、寄与情報判定部14が生成した寄与情報画像の一例のイメージを示す図である。
図3に示す寄与情報画像は、環境情報が図2に示す環境情報画像であった場合に、寄与情報判定部14が当該環境情報画像と、演算部13が得た制御情報とに基づき、寄与情報を判定して生成した寄与情報画像としている。
図3に示す寄与情報画像は、寄与情報判定部14が、環境情報画像における種別特徴量のうち、自車両の進行方向に存在する信号を示す種別特徴量(図3の301参照)、自車両の進行方向に存在する歩行者を示す種別特徴量(図3の302参照)、および、交差点に差し掛かっている対向車を示す種別特徴量(図3の303参照)を、制御情報への寄与度が高い寄与情報であると判定したことをあらわしている。なお、図3の302で示している種別特徴量は、自車両の進行方向に対して前方にいる2人の歩行者をそれぞれ示す種別特徴量と、自車両の進行方向に対して左側にいる1人の歩行者を示す特徴量を含んでいる。
図3に示すように、寄与情報画像において、自車両の進行方向に存在する信号を示す種別特徴量が抽出された領域、自車両の進行方向に存在する歩行者を示す種別特徴量が抽出された領域、および、交差点に差し掛かっている対向車を示す種別特徴量が抽出された領域の明度は高く、これらの領域以外の領域の明度は低くなっている。図3において、寄与情報判定部14は、明度が高い領域を白色、明度の低い領域を黒色としている。
このように、寄与情報判定部14は、環境情報取得部11が取得した環境情報が画像である場合、当該画像において、演算部13が得た制御情報への寄与度が高い寄与情報を、画像上の領域であらわす。
図3に示す寄与情報画像は、環境情報が図2に示す環境情報画像であった場合に、寄与情報判定部14が当該環境情報画像と、演算部13が得た制御情報とに基づき、寄与情報を判定して生成した寄与情報画像としている。
図3に示す寄与情報画像は、寄与情報判定部14が、環境情報画像における種別特徴量のうち、自車両の進行方向に存在する信号を示す種別特徴量(図3の301参照)、自車両の進行方向に存在する歩行者を示す種別特徴量(図3の302参照)、および、交差点に差し掛かっている対向車を示す種別特徴量(図3の303参照)を、制御情報への寄与度が高い寄与情報であると判定したことをあらわしている。なお、図3の302で示している種別特徴量は、自車両の進行方向に対して前方にいる2人の歩行者をそれぞれ示す種別特徴量と、自車両の進行方向に対して左側にいる1人の歩行者を示す特徴量を含んでいる。
図3に示すように、寄与情報画像において、自車両の進行方向に存在する信号を示す種別特徴量が抽出された領域、自車両の進行方向に存在する歩行者を示す種別特徴量が抽出された領域、および、交差点に差し掛かっている対向車を示す種別特徴量が抽出された領域の明度は高く、これらの領域以外の領域の明度は低くなっている。図3において、寄与情報判定部14は、明度が高い領域を白色、明度の低い領域を黒色としている。
このように、寄与情報判定部14は、環境情報取得部11が取得した環境情報が画像である場合、当該画像において、演算部13が得た制御情報への寄与度が高い寄与情報を、画像上の領域であらわす。
なお、実施の形態1では、寄与情報判定部14は、寄与度算出後情報を画像で表現するものとし、寄与情報は画像上の領域であらわされるものとしたが、これは一例に過ぎない。寄与情報判定部14は、寄与情報を任意の表現形式で表現した情報を生成することができる。ただし、環境情報が環境情報画像で表現される場合、寄与情報判定部14は、環境情報と表現形式をあわせて、寄与度算出後情報を寄与情報画像で表現するものとし、寄与情報を画像上の領域であらわされるものとしたほうが、寄与情報を画像上の領域以外の情報であらわされるものとする場合と比べ、運転支援装置1において、寄与情報と認知情報との差分がとりやすい。寄与情報と認知情報との差分の算出は、特定部16が行う。特定部16の詳細については、後述する。
寄与情報判定部14は、生成した寄与情報画像を、特定部16に出力する。
寄与情報判定部14は、生成した寄与情報画像を、特定部16に出力する。
認知情報算出部15は、環境情報取得部11が取得した環境情報と、行動情報取得部12が取得した行動情報とに基づき、自車両周辺の環境における運転者の認知領域を示す情報(以下「認知情報」という。)を算出する。
認知情報算出部15は、認知情報をあらわす情報(以下「認知判定後情報」という。)を生成する。
実施の形態1では、認知情報算出部15は、認知判定後情報を、環境情報の形態とあわせるようにする。ここでは、環境情報は、画像として生成されるものとしているので、認知情報算出部15は、認知判定後情報を画像であらわすものとする。認知情報算出部15は、認知情報を環境情報画像上の領域で示した画像(以下「認知情報画像」という。)を生成する。認知情報算出部15は、環境情報画像上で、認知情報を示す領域の明度を、当該認知情報を示す領域以外の領域の明度とは異ならせた認知情報画像を生成する。認知情報算出部15は、例えば、認知情報画像において、認知情報を示す領域を白色、認知情報を示す領域以外の領域を黒色であらわす。
認知情報算出部15は、認知情報をあらわす情報(以下「認知判定後情報」という。)を生成する。
実施の形態1では、認知情報算出部15は、認知判定後情報を、環境情報の形態とあわせるようにする。ここでは、環境情報は、画像として生成されるものとしているので、認知情報算出部15は、認知判定後情報を画像であらわすものとする。認知情報算出部15は、認知情報を環境情報画像上の領域で示した画像(以下「認知情報画像」という。)を生成する。認知情報算出部15は、環境情報画像上で、認知情報を示す領域の明度を、当該認知情報を示す領域以外の領域の明度とは異ならせた認知情報画像を生成する。認知情報算出部15は、例えば、認知情報画像において、認知情報を示す領域を白色、認知情報を示す領域以外の領域を黒色であらわす。
認知情報算出部15が生成した認知情報画像の一例のイメージについて、図面を用いて説明する。
図4~図6は、実施の形態1において、認知情報算出部15が、環境情報と行動情報とに基づき生成した認知情報画像の一例のイメージを説明するための図である。なお、図4~図6において、図の上側を、自車両の進行方向としている。また、図4~図6では、認知情報算出部15は、認知情報画像において、認知情報を示す領域とともに、自車両を示す領域も示すものとしている。図4~図6において、自車両を示す領域はグレーであらわされている。
図4は、運転者が前を向いている状態である場合(図4A参照)に、認知情報算出部15が生成した認知情報画像(図4B参照)のイメージを示している。図4Bにおいて、認知情報画像上で認知情報を示す領域は、401で示されている。
認知情報算出部15は、行動情報に含まれている、運転者の視線方向から、運転者が前を向いていることを判定すればよい。
図4Bに示すように、認知情報画像は、自車両および認知情報を抽象化した画像である。図4Bでは、認知情報画像は俯瞰図としている。
図4~図6は、実施の形態1において、認知情報算出部15が、環境情報と行動情報とに基づき生成した認知情報画像の一例のイメージを説明するための図である。なお、図4~図6において、図の上側を、自車両の進行方向としている。また、図4~図6では、認知情報算出部15は、認知情報画像において、認知情報を示す領域とともに、自車両を示す領域も示すものとしている。図4~図6において、自車両を示す領域はグレーであらわされている。
図4は、運転者が前を向いている状態である場合(図4A参照)に、認知情報算出部15が生成した認知情報画像(図4B参照)のイメージを示している。図4Bにおいて、認知情報画像上で認知情報を示す領域は、401で示されている。
認知情報算出部15は、行動情報に含まれている、運転者の視線方向から、運転者が前を向いていることを判定すればよい。
図4Bに示すように、認知情報画像は、自車両および認知情報を抽象化した画像である。図4Bでは、認知情報画像は俯瞰図としている。
認知情報算出部15は、算出した認知情報を時系列に重ね合わせて、当該認知情報を表現してもよい。認知情報算出部15は、認知情報を算出する都度、記憶部(図示省略)に認知情報を記憶させておくようにし、時系列の認知情報を記憶部から取得すればよい。この場合、認知情報算出部15は、例えば、時系列の認知情報を、運転者が認知している度合い(以下「認知度」という。)に応じて、色の濃淡で表現してもよい。
図5は、運転者が左前を見てから右前を見た状態である場合(図5A参照)に、認知情報算出部15が生成した認知情報画像(図5B参照)のイメージを示している。図5Bにおいて、認知情報画像上で認知情報を示す領域は、501で示されている。
図5Bでは、認知情報算出部15は、より直近に運転者が見た領域ほど運転者の認知度は高く、より過去に運転者が見た領域ほど運転者の認知度は低いと判定している。具体的には、認知情報算出部15は、認知情報画像において、運転者が右前を見た際の認知情報を示す領域を、運転者が左前を見た際の認知情報を示す領域よりも明度を上げて表現するようにしている。
図5は、運転者が左前を見てから右前を見た状態である場合(図5A参照)に、認知情報算出部15が生成した認知情報画像(図5B参照)のイメージを示している。図5Bにおいて、認知情報画像上で認知情報を示す領域は、501で示されている。
図5Bでは、認知情報算出部15は、より直近に運転者が見た領域ほど運転者の認知度は高く、より過去に運転者が見た領域ほど運転者の認知度は低いと判定している。具体的には、認知情報算出部15は、認知情報画像において、運転者が右前を見た際の認知情報を示す領域を、運転者が左前を見た際の認知情報を示す領域よりも明度を上げて表現するようにしている。
また、認知情報算出部15は、自車両に設置されているミラーまたは撮像装置等を考慮して認知情報を表現してもよい。
図6は、運転者が左前を見てから右前を見た後に、右のサイドミラーを見た状態である場合(図6A参照)に、認知情報算出部15が生成した認知情報画像(図6B参照)のイメージを示している。図6Bにおいて、認知情報画像上で認知情報を示す領域は、601で示されている。
図6Bでは、認知情報算出部15は、運転者が左前を見た際の認知情報を示す領域、および、運転者が右前を見た際の認知情報を示す領域に加え、運転者が右のサイドミラーを見た際の認知情報を示す領域を、認知情報画像上で明度を上げて表現するようにしている。なお、認知情報算出部15は、運転者が右のサイドミラーを見たことを、環境情報に含まれている運転者の視線方向、および、右のサイドミラーの設置位置の情報に基づいて判定すればよい。右のサイドミラーの設置位置の情報は、例えば、自車情報として、環境情報に含まれている。運転者が右のサイドミラーを見たとき、認知情報算出部15は、自車両の、進行方向に対して右後方の領域を、認知情報として算出する。
認知情報算出部15は、運転者が左前を見た際の認知情報を示す領域、運転者が右前を見た際の認知情報を示す領域、運転者が右のサイドミラーを見た際の認知情報を示す領域の順で、領域の明度を上げるようにする。
認知情報算出部15は、生成した認知判定後情報を、特定部16に出力する。ここでは、認知情報算出部15は、生成した認知情報画像を、特定部16に出力する。
図6は、運転者が左前を見てから右前を見た後に、右のサイドミラーを見た状態である場合(図6A参照)に、認知情報算出部15が生成した認知情報画像(図6B参照)のイメージを示している。図6Bにおいて、認知情報画像上で認知情報を示す領域は、601で示されている。
図6Bでは、認知情報算出部15は、運転者が左前を見た際の認知情報を示す領域、および、運転者が右前を見た際の認知情報を示す領域に加え、運転者が右のサイドミラーを見た際の認知情報を示す領域を、認知情報画像上で明度を上げて表現するようにしている。なお、認知情報算出部15は、運転者が右のサイドミラーを見たことを、環境情報に含まれている運転者の視線方向、および、右のサイドミラーの設置位置の情報に基づいて判定すればよい。右のサイドミラーの設置位置の情報は、例えば、自車情報として、環境情報に含まれている。運転者が右のサイドミラーを見たとき、認知情報算出部15は、自車両の、進行方向に対して右後方の領域を、認知情報として算出する。
認知情報算出部15は、運転者が左前を見た際の認知情報を示す領域、運転者が右前を見た際の認知情報を示す領域、運転者が右のサイドミラーを見た際の認知情報を示す領域の順で、領域の明度を上げるようにする。
認知情報算出部15は、生成した認知判定後情報を、特定部16に出力する。ここでは、認知情報算出部15は、生成した認知情報画像を、特定部16に出力する。
なお、実施の形態1では、認知情報算出部15は、認知判定後情報を画像で表現し、認知情報は、画像上の領域であらわされるものとしたが、これは一例に過ぎない。認知情報算出部15は、認知情報を任意の表現形式で表現した情報を生成するようにすることができる。ただし、環境情報および寄与情報が画像で表現される場合、認知情報算出部15は、環境情報および寄与情報とあわせて、認知判定後情報を認知情報画像で表現するようにし、認知情報を画像上の領域であらわすようにしたほうが、認知情報を画像上の領域以外の情報であわらされるものとする場合と比べ、運転支援装置1において、寄与情報と認知情報との差分がとりやすい。寄与情報と認知情報との差分の算出は、特定部16が行う。特定部16の詳細については、後述する。
特定部16は、寄与情報判定部14が判定した寄与情報と、認知情報算出部15が算出した認知情報とに基づき、運転者によって認知されていないと推定される寄与情報(以下「未認知寄与情報」という。)を特定する。
特定部16は、寄与情報と認知情報とを比較し、未認知寄与情報を特定する。
実施の形態1では、特定部16は、寄与情報判定部14が生成した寄与情報画像と、認知情報算出部15が生成した認知情報画像とを比較した結果生じる差異または過不足によって、未認知寄与情報を特定する。具体的には、特定部16は、例えば、寄与情報画像と認知情報画像とを比較し、寄与情報画像において、認知情報画像上で認知情報をあらわす領域と重複していない領域であらわされている寄与情報を、差分として抽出する。特定部16は、差分として抽出した寄与情報を、未認知寄与情報と特定する。
特定部16は、寄与情報と認知情報とを比較し、未認知寄与情報を特定する。
実施の形態1では、特定部16は、寄与情報判定部14が生成した寄与情報画像と、認知情報算出部15が生成した認知情報画像とを比較した結果生じる差異または過不足によって、未認知寄与情報を特定する。具体的には、特定部16は、例えば、寄与情報画像と認知情報画像とを比較し、寄与情報画像において、認知情報画像上で認知情報をあらわす領域と重複していない領域であらわされている寄与情報を、差分として抽出する。特定部16は、差分として抽出した寄与情報を、未認知寄与情報と特定する。
特定部16が未認知寄与情報を特定する一連の処理について、図面を用いて、具体例を挙げて説明する。以下の具体例では、寄与情報画像は図3に示すような画像であるものとする。また、認知情報画像は、図7に示すような画像であるものとする。図7において、図の上側を、自車両の進行方向としている。なお、図7に示す認知情報画像は、運転者の認知領域が、運転者のやや右斜め前の領域であることを示している。すなわち、図7に示す認知情報画像は、運転者は、進行方向に対してやや右斜め前の領域を認知していることを示している。
特定部16は、図7に示す認知情報画像と図3に示す寄与情報画像とを比較し、運転者によって認定されていないと推定される領域を特定する。
ここでは、図3に示す寄与情報画像上の、寄与情報を示す領域のうち、自車両の進行方向に対して左側にいる歩行者を示す領域が、図7に示す認知情報画像上の、認知情報を示す領域とは重複していない。よって、特定部16は、寄与情報画像において、自車両の進行方向に対して左側にいる歩行者を示す寄与情報を、未認知寄与情報と特定する。
特定部16は、特定した未認知寄与情報を、情報出力制御部17に出力する。
ここでは、図3に示す寄与情報画像上の、寄与情報を示す領域のうち、自車両の進行方向に対して左側にいる歩行者を示す領域が、図7に示す認知情報画像上の、認知情報を示す領域とは重複していない。よって、特定部16は、寄与情報画像において、自車両の進行方向に対して左側にいる歩行者を示す寄与情報を、未認知寄与情報と特定する。
特定部16は、特定した未認知寄与情報を、情報出力制御部17に出力する。
情報出力制御部17は、特定部16が特定した未認知寄与情報に基づき、運転支援に必要な運転支援情報を出力する。
実施の形態1において、情報出力制御部17は、例えば、運転支援情報を、画像形式で出力する。
実施の形態1において、情報出力制御部17は、例えば、運転支援情報を、画像形式で出力する。
図8は、実施の形態1において、情報出力制御部17が画像形式で出力した運転支援情報の一例のイメージを説明するための図である。
図8は、寄与情報画像を図3に示すような画像とし、認知情報画像を図7に示すような画像として、特定部16が自車両の進行方向に対して左側にいる歩行者を示す寄与情報を未認知寄与情報と特定した場合に、情報出力制御部17が出力する、画像としての運転支援情報を示している。
図8に示す画像において、自車両の進行方向に対して左側にいる歩行者を示す領域が、当該領域以外の領域とは異なる明度であらわされている。
図8は、寄与情報画像を図3に示すような画像とし、認知情報画像を図7に示すような画像として、特定部16が自車両の進行方向に対して左側にいる歩行者を示す寄与情報を未認知寄与情報と特定した場合に、情報出力制御部17が出力する、画像としての運転支援情報を示している。
図8に示す画像において、自車両の進行方向に対して左側にいる歩行者を示す領域が、当該領域以外の領域とは異なる明度であらわされている。
情報出力制御部17が出力する運転支援情報は、例えば、車両を運転中の運転者に対して警報を出力するアプリケーションにて用いられる。具体的には、例えば、情報出力制御部17は、走行中の自車両に搭載されている出力装置(図示省略)から、運転者に対して、必要な情報を認知できていない旨を知らせるための警報を出力する。上述の例でいうと、情報出力制御部17は、自車両の運転者に、進行方向に対して左側にいる歩行者を認知できていない旨を知らせるメッセージを出力する。
また、例えば、情報出力制御部17が出力する運転支援情報は、運転者による運転から自動運転に強制的に移行するアプリケーションにて用いられるようにすることもできる。具体的には、例えば、情報出力制御部17は、走行中の自車両に搭載され、自動運転の制御を行う自動運転制御部(図示省略)に、運転支援情報を出力する。自動運転制御部は、運転支援情報が、予め決められている種別を示す運転支援情報である場合、自車両の運転を自動運転へと、強制的に移行させる。
また、例えば、情報出力制御部17が出力する運転支援情報は、運転者による運転から自動運転に強制的に移行するアプリケーションにて用いられるようにすることもできる。具体的には、例えば、情報出力制御部17は、走行中の自車両に搭載され、自動運転の制御を行う自動運転制御部(図示省略)に、運転支援情報を出力する。自動運転制御部は、運転支援情報が、予め決められている種別を示す運転支援情報である場合、自車両の運転を自動運転へと、強制的に移行させる。
機械学習モデル18は、上述のとおり、環境情報が入力されると、車両の自動運転制御を行うための制御情報を出力するように、予め機械学習が行われた、機械学習における学習済みのモデルである。
図1では、機械学習モデル18は、運転支援装置1に備えられるものとしているが、これは一例に過ぎない。機械学習モデル18は、運転支援装置1の外部の、運転支援装置1が参照可能な場所に備えられるものとしてもよい。
図1では、機械学習モデル18は、運転支援装置1に備えられるものとしているが、これは一例に過ぎない。機械学習モデル18は、運転支援装置1の外部の、運転支援装置1が参照可能な場所に備えられるものとしてもよい。
実施の形態1に係る運転支援装置1の動作について説明する。
図9は、実施の形態1に係る運転支援装置1の動作を説明するためのフローチャートである。
環境情報取得部11は、車両周辺の環境に関する環境情報を取得する(ステップST901)。
具体的には、環境情報取得部11は、撮像装置が撮像した撮像画像に基づいて、種別特徴量を抽出し、画像で表現された環境情報を取得する。
環境情報取得部11は、取得した環境情報を、演算部13、寄与情報判定部14、および、認知情報算出部15に出力する。
図9は、実施の形態1に係る運転支援装置1の動作を説明するためのフローチャートである。
環境情報取得部11は、車両周辺の環境に関する環境情報を取得する(ステップST901)。
具体的には、環境情報取得部11は、撮像装置が撮像した撮像画像に基づいて、種別特徴量を抽出し、画像で表現された環境情報を取得する。
環境情報取得部11は、取得した環境情報を、演算部13、寄与情報判定部14、および、認知情報算出部15に出力する。
行動情報取得部12は、運転者の行動に関する行動情報を取得する(ステップST902)。
具体的には、行動情報取得部12は、撮像装置から得た撮像画像に基づいて、行動情報を取得する。
行動情報取得部12は、取得した行動情報を、認知情報算出部15に出力する。
具体的には、行動情報取得部12は、撮像装置から得た撮像画像に基づいて、行動情報を取得する。
行動情報取得部12は、取得した行動情報を、認知情報算出部15に出力する。
演算部13は、ステップST901にて環境情報取得部11が取得した環境情報と、機械学習モデル18とに基づき、車両の自動運転制御を行うための制御情報を得る(ステップST903)。
具体的には、演算部13は、環境情報取得部11が取得した環境情報を機械学習モデル18に入力して、上記制御情報を得る。
演算部13は、得た制御情報を、寄与情報判定部14に出力する。
具体的には、演算部13は、環境情報取得部11が取得した環境情報を機械学習モデル18に入力して、上記制御情報を得る。
演算部13は、得た制御情報を、寄与情報判定部14に出力する。
寄与情報判定部14は、ステップST901にて環境情報取得部11が取得した環境情報と、ステップST903にて演算部13が得た制御情報とに基づき、制御情報への寄与度が高い寄与情報を判定する(ステップST904)。具体的には、寄与情報判定部14は、環境情報取得部11が取得した環境情報に基づき、当該環境情報に反映されている種別特徴量の、制御情報への寄与度を算出する。そして、寄与情報判定部14は、環境情報に反映されている種別特徴量のうち、演算部13が得た制御情報への寄与度が高い種別特徴量を、寄与情報と判定する。
寄与情報判定部14は、寄与情報を環境情報画像上の領域で示した寄与情報画像を生成する。具体的には、寄与情報判定部14は、環境情報画像における種別特徴量のうち、寄与情報である種別特徴量をあらわす領域の明度を、当該寄与情報である種別特徴量以外の領域の明度とは異ならせた画像を、寄与情報画像として生成する。
寄与情報判定部14は、生成した寄与情報画像を、特定部16に出力する。
寄与情報判定部14は、寄与情報を環境情報画像上の領域で示した寄与情報画像を生成する。具体的には、寄与情報判定部14は、環境情報画像における種別特徴量のうち、寄与情報である種別特徴量をあらわす領域の明度を、当該寄与情報である種別特徴量以外の領域の明度とは異ならせた画像を、寄与情報画像として生成する。
寄与情報判定部14は、生成した寄与情報画像を、特定部16に出力する。
認知情報算出部15は、ステップST901にて環境情報取得部11が取得した環境情報と、ステップST902にて行動情報取得部12が取得した行動情報とに基づき、自車両周辺の環境における運転者の認知領域を示す認知情報を算出する(ステップST905)。
認知情報算出部15は、認知情報を環境情報画像上の領域で示した認知情報画像を生成する。
認知情報算出部15は、生成した認知情報画像を、特定部16に出力する。
認知情報算出部15は、認知情報を環境情報画像上の領域で示した認知情報画像を生成する。
認知情報算出部15は、生成した認知情報画像を、特定部16に出力する。
特定部16は、ステップST904にて寄与情報判定部14が判定した寄与情報と、ステップST905にて認知情報算出部15が算出した認知情報とに基づき、未認知寄与情報を特定する(ステップST906)。
特定部16は、特定した未認知寄与情報を、情報出力制御部17に出力する。
特定部16は、特定した未認知寄与情報を、情報出力制御部17に出力する。
情報出力制御部17は、ステップST906にて特定部16が特定した未認知寄与情報に基づき、運転支援に必要な運転支援情報を出力する(ステップST907)。
なお、ここでは、ステップST902の動作は、ステップST901の動作の後であって、ステップST903の動作の前に行われるものとしたが、これは一例に過ぎない。ステップST902の動作は、ステップST901の動作の後、ステップST905の動作が行われるまでに行われるようになっていればよい。
このように、運転支援装置1は、環境情報を入力とし、車両の自動運転制御を行うための制御情報を出力する機械学習モデル18に、車両周辺の環境に関する環境情報を入力して、制御情報を得る。運転支援装置1は、車両周辺の環境に関する環境情報のうち、得られた制御情報への寄与度が高い寄与情報を判定し、当該寄与情報と、車両周辺の環境における運転者の認知領域を示す認知情報とに基づいて、未認知寄与情報を特定する。そして、運転支援装置1は、特定した未認知寄与情報に基づき、運転支援情報を出力する。
運転支援装置1は、上述のように、運転支援情報を特定する際に、機械学習モデル18を用いるようにしたので、無数の環境に応じた、運転支援のための情報を出力することができる。
運転支援装置1は、上述のように、運転支援情報を特定する際に、機械学習モデル18を用いるようにしたので、無数の環境に応じた、運転支援のための情報を出力することができる。
以上の実施の形態1において、寄与情報判定部14は、寄与情報を判定する際、算出した寄与度に重み付けを行った上で、当該寄与度が高い情報を寄与情報と判定するようにしてもよい。
例えば、環境情報を入力として、操舵角の制御量、アクセルの制御量、および、ブレーキの制御量を出力する機械学習モデル18を用いて制御情報の演算が行われた場合、当該制御情報に対する寄与度が高い種別特徴量は、道路または白線等の地形を示す種別特徴量に限られてしまう可能性がある。この場合、寄与情報判定部14は、地形を示す種別特徴量を寄与情報と判定する。実施の形態1に係る運転支援装置1は、運転者が認知すべき領域を認知できているか否かの判定を行い、運転者が認知すべき領域を認知できていない場合、当該認知できていない領域を運転者に知らせるために、寄与情報を利用する。そのため、運転支援装置1においては、通行者または他車両との道路環境に関する情報を示す種別特徴量を、地形情報に優先して寄与情報と判定する必要がある。寄与情報判定部14が、寄与度に重み付けを行った上で、当該寄与度が高い種別特徴量を寄与情報と判定するようにすることで、上述したように、地形を示す種別特徴量が、道路環境に関する情報を示す種別特徴量よりも優先して寄与情報と判定されることを防ぐことができる。その結果、運転支援装置1は、運転者が認知すべき領域を認知できているか否かの判定を適切に行うことができる。
例えば、環境情報を入力として、操舵角の制御量、アクセルの制御量、および、ブレーキの制御量を出力する機械学習モデル18を用いて制御情報の演算が行われた場合、当該制御情報に対する寄与度が高い種別特徴量は、道路または白線等の地形を示す種別特徴量に限られてしまう可能性がある。この場合、寄与情報判定部14は、地形を示す種別特徴量を寄与情報と判定する。実施の形態1に係る運転支援装置1は、運転者が認知すべき領域を認知できているか否かの判定を行い、運転者が認知すべき領域を認知できていない場合、当該認知できていない領域を運転者に知らせるために、寄与情報を利用する。そのため、運転支援装置1においては、通行者または他車両との道路環境に関する情報を示す種別特徴量を、地形情報に優先して寄与情報と判定する必要がある。寄与情報判定部14が、寄与度に重み付けを行った上で、当該寄与度が高い種別特徴量を寄与情報と判定するようにすることで、上述したように、地形を示す種別特徴量が、道路環境に関する情報を示す種別特徴量よりも優先して寄与情報と判定されることを防ぐことができる。その結果、運転支援装置1は、運転者が認知すべき領域を認知できているか否かの判定を適切に行うことができる。
また、以上の実施の形態1では、機械学習モデル18は、強化学習によって生成されたものとしたが、機械学習モデル18を生成する際の学習方法は、強化学習に限らない。例えば、機械学習モデル18は、教師あり環境情報を教師データとする教師あり学習を行うことによって生成されたものとしてもよい。ただし、機械学習モデル18は、強化学習によって生成されるものとすることで、教師データをじゅうぶんに集められない環境であっても、例えば、シミュレータを用いて学習することが可能となる。
また、以上の実施の形態1では、機械学習モデル18は1つであることを想定していたが、これは一例に過ぎない。
例えば、環境情報に応じて異なる機械学習モデル18が、複数存在するようにしてもよい。環境情報に応じた機械学習モデル18の具体例を挙げると、例えば、右折シーンに応じた機械学習モデル18、左折シーンに応じた機械学習モデル18、一般道路を走行中のシーンに応じた機械学習モデル18、または、高速道路を走行中のシーンに応じた機械学習モデル18である。
機械学習モデル18が複数存在する場合、演算部13は、環境情報取得部11が取得した環境情報に応じて異なる機械学習モデル18を用いて制御情報を得るようにすることができる。例えば、演算部13は、自車両の右折時には、右折シーンに応じた機械学習モデル18を用いて制御情報を得るようにすることができる。演算部13は、環境情報に含まれる自車情報および道路情報等から、自車両が右折することを判定すればよい。
このように、演算部13が環境情報に応じて異なる機械学習モデル18を用いて制御情報を得るようにすることで、運転支援装置1は、機械学習モデル18を1つのみとする場合と比べ、より車両の周辺の環境に応じた寄与情報の判定を行うことができ、その結果、運転者が認知すべき領域を認知できているか否かの判定をより適切に行うことができる。
例えば、環境情報に応じて異なる機械学習モデル18が、複数存在するようにしてもよい。環境情報に応じた機械学習モデル18の具体例を挙げると、例えば、右折シーンに応じた機械学習モデル18、左折シーンに応じた機械学習モデル18、一般道路を走行中のシーンに応じた機械学習モデル18、または、高速道路を走行中のシーンに応じた機械学習モデル18である。
機械学習モデル18が複数存在する場合、演算部13は、環境情報取得部11が取得した環境情報に応じて異なる機械学習モデル18を用いて制御情報を得るようにすることができる。例えば、演算部13は、自車両の右折時には、右折シーンに応じた機械学習モデル18を用いて制御情報を得るようにすることができる。演算部13は、環境情報に含まれる自車情報および道路情報等から、自車両が右折することを判定すればよい。
このように、演算部13が環境情報に応じて異なる機械学習モデル18を用いて制御情報を得るようにすることで、運転支援装置1は、機械学習モデル18を1つのみとする場合と比べ、より車両の周辺の環境に応じた寄与情報の判定を行うことができ、その結果、運転者が認知すべき領域を認知できているか否かの判定をより適切に行うことができる。
また、以上の実施の形態1では、認知情報算出部15は、環境情報と行動情報とに基づいて認知情報を算出するものとしたが、認知情報算出部15は、認知情報を算出する際、環境情報を必須としない。認知情報算出部15は、行動情報のみに基づいて認知情報を算出するようにしてもよい。
ただし、この場合、特定部16が寄与情報と認知情報との差分を算出する際に、認知情報と重複する寄与情報を、認知情報と重複しない寄与情報と判定しないよう、特定部16は、寄与情報画像と同様、環境情報を考慮して、環境情報画像上で認知情報をあらわす認知情報画像を生成する必要がある。すなわち、特定部16は、例えば、寄与情報画像と認知情報画像とにおいて、それぞれ、同じ情報を画像上の領域で示すとき、寄与情報画像上の当該領域と、認知情報画像上の当該領域とが一致する認知情報画像を生成する必要がある。特定部16は、生成した認知情報画像と、寄与情報画像とを比較する。
ただし、この場合、特定部16が寄与情報と認知情報との差分を算出する際に、認知情報と重複する寄与情報を、認知情報と重複しない寄与情報と判定しないよう、特定部16は、寄与情報画像と同様、環境情報を考慮して、環境情報画像上で認知情報をあらわす認知情報画像を生成する必要がある。すなわち、特定部16は、例えば、寄与情報画像と認知情報画像とにおいて、それぞれ、同じ情報を画像上の領域で示すとき、寄与情報画像上の当該領域と、認知情報画像上の当該領域とが一致する認知情報画像を生成する必要がある。特定部16は、生成した認知情報画像と、寄与情報画像とを比較する。
また、以上の実施の形態1において、運転支援装置1は、車両に搭載されるものとしたが、これは一例に過ぎない。
例えば、図1を用いて説明したような運転支援装置1の構成部の一部が、サーバに備えられるものとしてもよい。例えば、環境情報取得部11および行動情報取得部12は車両に搭載され、演算部13、寄与情報判定部14、認知情報算出部15、特定部16、および、情報出力制御部17の機能はサーバに備えられるものとしてもよい。
例えば、図1を用いて説明したような運転支援装置1の構成部の一部が、サーバに備えられるものとしてもよい。例えば、環境情報取得部11および行動情報取得部12は車両に搭載され、演算部13、寄与情報判定部14、認知情報算出部15、特定部16、および、情報出力制御部17の機能はサーバに備えられるものとしてもよい。
また、以上の実施の形態1では、運転支援装置1が運転支援情報を出力する対象は車両であるものとしたが、これは一例に過ぎない。
例えば、運転支援装置1が運転支援情報を出力する対象は、工場内にて物体を自動搬送可能なフォークリフト(図示省略)としてもよい。
また、例えば、運転支援装置1が運転支援情報を出力する対象は、車両の運転または走行を教育する際に用いられる、車両の運転または走行をシミュレートするドライビングシミュレータ(図示省略)としてもよい。
運転支援装置1が運転支援情報を出力する対象は、自動運転可能なあらゆる移動体とすることができる。
例えば、運転支援装置1が運転支援情報を出力する対象は、工場内にて物体を自動搬送可能なフォークリフト(図示省略)としてもよい。
また、例えば、運転支援装置1が運転支援情報を出力する対象は、車両の運転または走行を教育する際に用いられる、車両の運転または走行をシミュレートするドライビングシミュレータ(図示省略)としてもよい。
運転支援装置1が運転支援情報を出力する対象は、自動運転可能なあらゆる移動体とすることができる。
図10A,図10Bは、実施の形態1に係る運転支援装置1のハードウェア構成の一例を示す図である。
実施の形態1において、環境情報取得部11、行動情報取得部12、演算部13、寄与情報判定部14、認知情報算出部15、特定部16、および、情報出力制御部17の機能は、処理回路1001により実現される。すなわち、運転支援装置1は、機械学習モデル18を用いて得られた制御情報に基づき判定した寄与情報と、運転者の認知領域を示す認知情報とに基づいて、運転支援情報を特定する制御を行うための処理回路1001を備える。
処理回路1001は、図10Aに示すように専用のハードウェアであっても、図10Bに示すようにメモリ1006に格納されるプログラムを実行するCPU(Central Processing Unit)1005であってもよい。
実施の形態1において、環境情報取得部11、行動情報取得部12、演算部13、寄与情報判定部14、認知情報算出部15、特定部16、および、情報出力制御部17の機能は、処理回路1001により実現される。すなわち、運転支援装置1は、機械学習モデル18を用いて得られた制御情報に基づき判定した寄与情報と、運転者の認知領域を示す認知情報とに基づいて、運転支援情報を特定する制御を行うための処理回路1001を備える。
処理回路1001は、図10Aに示すように専用のハードウェアであっても、図10Bに示すようにメモリ1006に格納されるプログラムを実行するCPU(Central Processing Unit)1005であってもよい。
処理回路1001が専用のハードウェアである場合、処理回路1001は、例えば、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(Application Specific Integrated Circuit)、FPGA(Field-Programmable Gate Array)、またはこれらを組み合わせたものが該当する。
処理回路1001がCPU1005の場合、環境情報取得部11、行動情報取得部12、演算部13、寄与情報判定部14、認知情報算出部15、特定部16、および、情報出力制御部17の機能は、ソフトウェア、ファームウェア、または、ソフトウェアとファームウェアとの組み合わせにより実現される。すなわち、環境情報取得部11、行動情報取得部12、演算部13、寄与情報判定部14、認知情報算出部15、特定部16、および、情報出力制御部17は、HDD(Hard Disk Drive)1002、メモリ1006等に記憶されたプログラムを実行するCPU1005、システムLSI(Large-Scale Integration)等の処理回路1001により実現される。また、HDD1002、メモリ1006等に記憶されたプログラムは、環境情報取得部11、行動情報取得部12、演算部13、寄与情報判定部14、認知情報算出部15、特定部16、および、情報出力制御部17の手順または方法をコンピュータに実行させるものであるとも言える。ここで、メモリ1006とは、例えば、RAM、ROM(Read Only Memory)、フラッシュメモリ、EPROM(Erasable Programmable Read Only Memory)、EEPROM(Electrically Erasable Programmable Read-Only Memory)等の、不揮発性もしくは揮発性の半導体メモリ、または、磁気ディスク、フレキシブルディスク、光ディスク、コンパクトディスク、ミニディスク、DVD(Digital Versatile Disc)等が該当する。
なお、環境情報取得部11、行動情報取得部12、演算部13、寄与情報判定部14、認知情報算出部15、特定部16、および、情報出力制御部17の機能について、一部を専用のハードウェアで実現し、一部をソフトウェアまたはファームウェアで実現するようにしてもよい。例えば、環境情報取得部11および行動情報取得部12については専用のハードウェアとしての処理回路1001でその機能を実現し、演算部13、寄与情報判定部14、認知情報算出部15、特定部16、および、情報出力制御部17については処理回路1001がメモリ1006に格納されたプログラムを読み出して実行することによってその機能を実現することが可能である。
また、運転支援装置1は、図示しない環境情報取得用装置、出力装置、または、自動運転制御部等の装置と、有線通信または無線通信を行う入力インタフェース装置1003および出力インタフェース装置1004を備える。
また、運転支援装置1は、図示しない環境情報取得用装置、出力装置、または、自動運転制御部等の装置と、有線通信または無線通信を行う入力インタフェース装置1003および出力インタフェース装置1004を備える。
以上のように、実施の形態1によれば、運転支援装置1は、移動体の周辺の環境に関する環境情報を取得する環境情報取得部11と、移動体の運転者の行動に関する行動情報を取得する行動情報取得部12と、環境情報取得部11が取得した環境情報と、環境情報を入力とし移動体の自動運転制御を行うための制御情報を出力する機械学習モデル18とに基づき、制御情報を得る演算部13と、環境情報取得部11が取得した環境情報と、演算部13が得た制御情報とに基づき、当該制御情報への寄与度が高い寄与情報を判定する寄与情報判定部14と、行動情報取得部12が取得した行動情報と、環境情報取得部11が取得した環境情報とに基づき、移動体の周辺の環境における運転者の認知領域を示す認知情報を算出する認知情報算出部15と、寄与情報判定部14が判定した寄与情報と、認知情報算出部15が算出した認知情報とに基づき、運転者によって認知されていないと推定される未認知寄与情報を特定する特定部16と、特定部16が特定した未認知寄与情報に基づき、運転支援に必要な運転支援情報を出力する情報出力制御部17とを備えるように構成した。そのため、運転支援装置1は、無数の環境に応じた、運転支援のための情報を出力することができる。
また、実施の形態1によれば、運転支援装置1において、寄与情報判定部14は、寄与度に重み付けを行った上で、寄与情報を算出するようにした。そのため、運転支援装置1は、優先的に寄与情報とすべき種別特徴量を寄与情報と判定することができ、運転者が認知すべき領域を認知できているか否かの判定を適切に行うことができる。
また、実施の形態1によれば、機械学習モデル18が複数存在する場合、運転支援装置1において、演算部13は、環境情報取得部11が取得した環境情報に応じて異なる機械学習モデル18を用いて制御情報を得るように構成した。そのため、運転支援装置1は、機械学習モデル18を1つのみとする場合と比べ、より車両の周辺の環境に応じた寄与情報の判定を行うことができ、その結果、運転者が認知すべき領域を認知できているか否かの判定をより適切に行うことができる。
なお、本願発明はその発明の範囲内において、実施の形態の任意の構成要素の変形、もしくは実施の形態の任意の構成要素の省略が可能である。
この発明に係る車両制御用演算装置は、無数の環境に応じた、運転支援のための情報を出力することができるように構成したため、移動体の運転者による運転を支援するための情報を出力する運転支援装置に適用することができる。
1 運転支援装置、11 環境情報取得部、12 行動情報取得部、13 演算部、14 寄与情報判定部、15 認知情報算出部、16 特定部、17 情報出力制御部、18 機械学習モデル、1001 処理回路、1002 HDD、1003 入力インタフェース装置、1004 出力インタフェース装置、1005 CPU、1006 メモリ。
Claims (6)
- 移動体周辺の環境に関する環境情報を取得する環境情報取得部と、
前記移動体の運転者の行動に関する行動情報を取得する行動情報取得部と、
前記環境情報取得部が取得した環境情報と、環境情報を入力とし前記移動体の自動運転制御を行うための制御情報を出力する機械学習モデルとに基づき、前記制御情報を得る演算部と、
前記環境情報取得部が取得した環境情報と、前記演算部が得た制御情報とに基づき、当該制御情報への寄与度が高い寄与情報を判定する寄与情報判定部と、
前記行動情報取得部が取得した行動情報と、前記環境情報取得部が取得した環境情報とに基づき、前記移動体周辺の環境における前記運転者の認知領域を示す認知情報を算出する認知情報算出部と、
前記寄与情報判定部が判定した寄与情報と、前記認知情報算出部が算出した認知情報とに基づき、前記運転者によって認知されていないと推定される未認知寄与情報を特定する特定部と、
前記特定部が特定した未認知寄与情報に基づき、運転支援に必要な運転支援情報を出力する情報出力制御部
とを備えた運転支援装置。 - 前記機械学習モデルは、強化学習によって生成された前記機械学習モデルである
ことを特徴とする請求項1記載の運転支援装置。 - 前記環境情報取得部が取得した環境情報が画像である場合、前記寄与情報判定部は、当該画像において、前記演算部が得た制御情報への前記寄与度が高い前記寄与情報を、当該画像上の領域であらわす
ことを特徴とする請求項1記載の運転支援装置。 - 前記寄与情報判定部は、
前記寄与度に重み付けを行った上で、前記寄与情報を算出する
ことを特徴とする請求項1記載の運転支援装置。 - 前記機械学習モデルは複数存在し、
前記演算部は、前記環境情報取得部が取得した環境情報に応じて異なる前記機械学習モデルを用いて前記制御情報を得る
ことを特徴とする請求項1記載の運転支援装置。 - 環境情報取得部が、移動体周辺の環境に関する環境情報を取得するステップと、
行動情報取得部が、前記移動体の運転者の行動に関する行動情報を取得するステップと、
演算部が、前記環境情報取得部が取得した環境情報と、環境情報を入力とし前記移動体の自動運転制御を行うための制御情報を出力する機械学習モデルとに基づき、前記制御情報を得るステップと、
寄与情報判定部が、前記環境情報取得部が取得した環境情報と、前記演算部が得た制御情報とに基づき、当該制御情報への寄与度が高い寄与情報を判定するステップと、
認知情報算出部が、前記行動情報取得部が取得した行動情報と、前記環境情報取得部が取得した環境情報とに基づき、前記移動体周辺の環境における前記運転者の認知領域を示す認知情報を算出するステップと、
特定部が、前記寄与情報判定部が判定した寄与情報と、前記認知情報算出部が算出した認知情報とに基づき、前記運転者によって認知されていないと推定される未認知寄与情報を特定するステップと、
情報出力制御部が、前記特定部が特定した未認知寄与情報に基づき、運転支援に必要な運転支援情報を出力するステップ
とを備えた運転支援方法。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2019/047404 WO2021111544A1 (ja) | 2019-12-04 | 2019-12-04 | 運転支援装置および運転支援方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2021111544A1 JPWO2021111544A1 (ja) | 2021-06-10 |
JP7143538B2 true JP7143538B2 (ja) | 2022-09-28 |
Family
ID=76222493
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021562250A Active JP7143538B2 (ja) | 2019-12-04 | 2019-12-04 | 運転支援装置および運転支援方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US11912297B2 (ja) |
JP (1) | JP7143538B2 (ja) |
CN (1) | CN114746924A (ja) |
DE (1) | DE112019007936T5 (ja) |
WO (1) | WO2021111544A1 (ja) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006268475A (ja) | 2005-03-24 | 2006-10-05 | Nippon Seiki Co Ltd | 車両用運転支援装置及び車両用運転支援方法 |
WO2011064831A1 (ja) | 2009-11-30 | 2011-06-03 | 富士通株式会社 | 診断装置及び診断方法 |
JP2013120574A (ja) | 2011-12-08 | 2013-06-17 | Daimler Ag | 車両用歩行者報知装置 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5308373B2 (ja) * | 2000-04-19 | 2013-10-09 | 東京電力株式会社 | 環境貢献評価システム |
JP4211501B2 (ja) | 2003-06-11 | 2009-01-21 | 日産自動車株式会社 | 車両用運転支援装置 |
JP2008021034A (ja) * | 2006-07-11 | 2008-01-31 | Fujitsu Ten Ltd | 画像認識装置、画像認識方法、歩行者認識装置および車両制御装置 |
US9283968B2 (en) * | 2010-06-08 | 2016-03-15 | Toyota Jidosha Kabushiki Kaisha | Driving model creating apparatus and driving support apparatus |
JP5573617B2 (ja) * | 2010-11-12 | 2014-08-20 | トヨタ自動車株式会社 | 危険度算出装置 |
GB2525656B (en) * | 2014-05-01 | 2018-01-31 | Jaguar Land Rover Ltd | Control apparatus and related methods for addressing driver distraction |
JP6558733B2 (ja) * | 2015-04-21 | 2019-08-14 | パナソニックIpマネジメント株式会社 | 運転支援方法およびそれを利用した運転支援装置、運転制御装置、車両、運転支援プログラム |
JP2018013922A (ja) * | 2016-07-20 | 2018-01-25 | 株式会社リコー | 情報処理装置、情報処理プログラム及び情報処理方法 |
JP6551377B2 (ja) * | 2016-12-15 | 2019-07-31 | トヨタ自動車株式会社 | 車両用注意喚起装置 |
US10328946B2 (en) * | 2017-01-03 | 2019-06-25 | Ge Global Sourcing Llc | Alerter augmentation system |
CN109191318B (zh) * | 2018-07-25 | 2022-03-22 | 北京科技大学 | 一种有效贡献激励信息传播的目标寻找方法及装置 |
US11535260B2 (en) * | 2020-03-05 | 2022-12-27 | Harman International Industries, Incorporated | Attention-based notifications |
US11718314B1 (en) * | 2022-03-11 | 2023-08-08 | Aptiv Technologies Limited | Pedestrian alert system |
-
2019
- 2019-12-04 CN CN201980102627.9A patent/CN114746924A/zh active Pending
- 2019-12-04 DE DE112019007936.0T patent/DE112019007936T5/de active Pending
- 2019-12-04 WO PCT/JP2019/047404 patent/WO2021111544A1/ja active Application Filing
- 2019-12-04 US US17/777,662 patent/US11912297B2/en active Active
- 2019-12-04 JP JP2021562250A patent/JP7143538B2/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006268475A (ja) | 2005-03-24 | 2006-10-05 | Nippon Seiki Co Ltd | 車両用運転支援装置及び車両用運転支援方法 |
WO2011064831A1 (ja) | 2009-11-30 | 2011-06-03 | 富士通株式会社 | 診断装置及び診断方法 |
JP2013120574A (ja) | 2011-12-08 | 2013-06-17 | Daimler Ag | 車両用歩行者報知装置 |
Also Published As
Publication number | Publication date |
---|---|
JPWO2021111544A1 (ja) | 2021-06-10 |
WO2021111544A1 (ja) | 2021-06-10 |
DE112019007936T5 (de) | 2022-10-06 |
CN114746924A (zh) | 2022-07-12 |
US20230025721A1 (en) | 2023-01-26 |
US11912297B2 (en) | 2024-02-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20200369271A1 (en) | Electronic apparatus for determining a dangerous situation of a vehicle and method of operating the same | |
CN111278707B (zh) | 控制具有自动驾驶模式的车辆的方法和系统 | |
EP3825803B1 (en) | Collision-avoidance system for autonomous-capable vehicles | |
CN107031622B (zh) | 用于碰撞避免的训练算法 | |
JP6648411B2 (ja) | 処理装置、処理システム、処理プログラム及び処理方法 | |
JP6547292B2 (ja) | 画像処理装置、機器制御システム、および画像処理プログラム | |
US20180325442A1 (en) | Apparatus and method to train autonomous driving model, and autonomous driving apparatus | |
US9637118B2 (en) | Processing apparatus, processing system, and processing method | |
CN112840350A (zh) | 自动驾驶车辆规划和预测 | |
CN114902295A (zh) | 用于自主驾驶应用的三维路口结构预测 | |
JP2020083308A (ja) | オブジェクト挙動のリアルタイム予測 | |
CN114072841A (zh) | 根据图像使深度精准化 | |
CN110576847A (zh) | 基于焦点的对传感器数据的标记 | |
US20220169277A1 (en) | Mobile object control device and mobile object control method | |
US11755917B2 (en) | Generating depth from camera images and known depth data using neural networks | |
JP4937844B2 (ja) | 歩行者検出装置 | |
KR20190109663A (ko) | 차량의 주행을 보조하는 전자 장치 및 방법 | |
US11780466B1 (en) | Vehicle fleet remote ride comfort tuning management system | |
US11325589B2 (en) | Vehicle control device | |
CN117056153A (zh) | 校准和验证驾驶员辅助系统和/或自动驾驶系统的方法、系统和计算机程序产品 | |
CN115470836A (zh) | 用于重新配置车辆内使用的机器学习模型的超声波系统和方法 | |
US10926760B2 (en) | Information processing device, information processing method, and computer program product | |
JP7350188B2 (ja) | 運転支援装置、学習装置、運転支援方法、運転支援プログラム、学習済モデルの生成方法、学習済モデル生成プログラム | |
US20220237921A1 (en) | Outside environment recognition device | |
JP7143538B2 (ja) | 運転支援装置および運転支援方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20211014 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20220817 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220914 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7143538 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |