JP7186794B2 - 自動運転制御装置、自動運転制御方法、および、自動運転制御システム - Google Patents

Description

この発明は、車両の自動制御を行う自動運転制御装置、自動運転制御方法、および、自動運転制御システムに関する。

従来、運転者の運転操作等を学習し、学習結果に基づき、車両の自動制御を行う技術が知られている。
例えば、特許文献１には、運転環境に対応付けて運転者の運転操作を学習しておき、自動運転制御時には、運転環境を特定し、特定した運転環境での運転操作の学習結果を参照して、自動運転制御を実行する運転制御装置が開示されている。

特開２０１５－８９８０１号公報

一般に、学習結果を用いて車両の自動制御を行う場合、自動運転制御装置は、学習結果としてのモデル（以下「推論モデル」という。）を、当該自動制御を行うプログラムが使用する記憶領域にロードし、ロードした推論モデルを用いて、車両を自動制御するための情報（以下「車両制御情報」という。）を推論する。当該推論モデルは、車両の状況等に応じて切り替える必要がある。しかし、特許文献１に開示されているような運転制御装置では、推論モデルがどのように使用されているかの言及がない。
特許文献１に開示されているような運転制御装置では、例えば、車両制御情報を推論するために、予め、必要とされる全ての推論モデルを記憶領域にロードしておくことが想定される。しかし、この場合、記憶領域の使用量が莫大となるという問題がある。
そこで、車両制御情報を推論するため、推論の都度、用いる推論モデルを記憶領域にロードしてくるという方法が想定される。しかし、この場合、推論モデルをロードしている間、当該推論モデルを使用できず、その結果、車両制御情報の推論が行えないという課題がある。

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、推論モデルを使用できないことにより車両制御情報の推論が行えないという事態を避けるようにすることができる自動運転制御装置を提供することを目的とする。

この発明に係る自動運転制御装置は、車両に関する車両関連情報を取得する情報取得部と、情報取得部が取得した車両関連情報に含まれる第１の情報に基づき、将来的な、車両の車両挙動または車両の周辺環境の類型、を予測する類型予測部と、類型予測部が予測した類型に基づき、全ての推論モデルのうちの一部にあたる少なくとも２つの推論モデルのみをロード可能な容量を有する記憶領域にロードすべき推論モデルを決定する予測推論モデル決定部と、予測推論モデル決定部が決定した推論モデルを記憶領域にロードさせる指示を行うロード指示部と、第１の情報に基づき、現在の、車両の車両挙動または車両の周辺環境の類型を判断する類型判断部と、類型判断部が判断した類型に対応する推論モデルを決定する現推論モデル決定部と、情報取得部が取得した車両関連情報に含まれる第２の情報に基づき、現推論モデル決定部が推論モデルを決定するよりも前に類型予測部が第１の情報に基づき予測した類型に基づき予測推論モデル決定部が決定した推論モデルであって、かつロード指示部の指示によって記憶領域にロード済みの推論モデルのうち、類型判断部が第１の情報に基づき判断した類型に基づき現推論モデル決定部が決定した推論モデルを用いて、車両を自動運転させるための車両制御情報を推論し、車両制御情報の推論に使用する推論モデルが、現推論モデル決定部が決定した推論モデルに切り替わると、それまで車両制御情報の推論に用いていた使用済みの推論モデルを記憶領域から消去する車両制御情報推論部とを備えたものである。

この発明によれば、推論モデルを使用できないことにより車両制御情報の推論が行えないという事態を避けるようにすることができる。

実施の形態１に係る自動運転制御装置を搭載した自動運転車両の構成例を示す図である。 実施の形態１に係る自動運転制御装置の構成例を示す図である。 実施の形態１に係る自動運転制御装置における「予測処理」の動作を説明するためのフローチャートである。 実施の形態１に係る自動運転制御装置における「推論処理」の動作を説明するためのフローチャートである。 実施の形態１において、自動運転制御装置の動作の具体例を説明するための図である。 図５を用いた実施の形態１に係る自動運転制御装置の動作の具体例の説明において、時刻ｔ＿０時点での、記憶領域の状態のイメージの一例を示す図である。 図５を用いた実施の形態１に係る自動運転制御装置の動作の具体例の説明において、時刻ｔ＿１時点での、記憶領域の状態のイメージの一例を示す図である。 図５を用いた実施の形態１に係る自動運転制御装置の動作の具体例の説明において、時刻ｔ＿２時点での、記憶領域の状態のイメージの一例を示す図である。 図５を用いた実施の形態１に係る自動運転制御装置の動作の具体例の説明において、時刻ｔ＿４時点での、記憶領域の状態のイメージの一例を示す図である。 図１０Ａ，図１０Ｂは、実施の形態１に係る自動運転制御装置のハードウェア構成の一例を示す図である。 実施の形態２に係る自動運転制御装置における「予測処理」の動作を説明するためのフローチャートである。 実施の形態２に係る自動運転制御装置における「推論処理」の動作を説明するためのフローチャートである。 図５を用いた、実施の形態２に係る自動運転制御装置の動作の具体例の説明において、時刻ｔ＿０～ｔ＿２の間の、記憶領域の状態のイメージの一例を示す図である。 図５を用いた、実施の形態２に係る自動運転制御装置の動作の具体例の説明において、時刻ｔ＿３～ｔ＿５の間の、記憶領域の状態のイメージの一例を示す図である。 実施の形態３に係る自動運転制御装置の構成例を示す図である。 図２を用いて説明した実施の形態１，２に係る自動運転制御装置の構成部の一部が車載装置に備えられ、その他がサーバに備えられるようにした自動運転制御システムの構成例を示す図である。

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に係る自動運転制御装置１を搭載した自動運転車両１００の構成例を示す図である。
実施の形態１に係る自動運転制御装置１は、人が運転操作を行わなくても自動で走行することが可能な自動運転車両１００内の一装置として、当該自動運転車両１００に搭載されることを想定している。図１に示すように、自動運転車両１００には、自動運転制御装置１の他、位置情報取得部２、環境情報取得部３、走行計画部４、地図情報データベース５、および、車両制御部６が搭載される。

位置情報取得部２は、例えば、ＧＰＳ（Ｇｌｏｂａｌ Ｐｏｓｉｔｉｏｎｉｎｇ Ｓｙｓｔｅｍ）レシーバであり、自車両の位置情報を取得する。
位置情報取得部２は、取得した位置情報を、自動運転制御装置１および走行計画部４に出力する。

環境情報取得部３は、例えば、レーダまたはカメラであり、自動運転車両１００周辺の環境情報を取得する。環境情報取得部３が取得する環境情報は、自動運転車両１００周辺に存在する他車両の情報、自動運転車両１００周辺に存在する障害物の位置情報、または、交通信号に関する情報等である。なお、環境情報取得部３を構成する装置は一つに限らず、レーダとカメラ等、複数種類の装置の組み合わせによって環境情報取得部３が構成されるものとしてもよい。
環境情報取得部３は、取得した、自動運転車両１００周辺の環境情報を、自動運転制御装置１に出力する。

走行計画部４は、目的地を示す情報、地図情報データベース５が保持する地図情報、および、位置情報取得部２から出力された位置情報に基づき、自車両が目的地へ向かうための経路を、走行計画として決定する。走行計画部４は、目的地を示す情報を、公知の何らかの方法で取得するようになっていればよい。実施の形態１において、走行計画部４が決定する経路は、「ＸＸ地点の交差点を左折」、「左の側道へ分岐」、または、「ＹＹＹのＩＣ（ｉｎｔｅｒｃｈａｎｇｅ）の流出路へ流出」等、カーナビゲーションシステムで案内されるような、通るべき道路または曲がるべき交差点を表す道案内情報程度のものであり、具体的な緯度および経度を定められた経路である必要はない。
走行計画部４は、決定した、自車両が目的地へ向かうための経路を示す情報（以下「走行計画情報」という。）を、自動運転制御装置１に出力する。

地図情報データベース５は、位置情報と、当該位置情報に対応する道路または道路形状等に関する情報を、地図情報として保持する。
実施の形態１では、図１に示すように、地図情報データベース５は、自動運転車両１００に搭載されるものとするが、これは一例に過ぎず、地図情報データベース５は、自動運転車両１００の外部の、少なくとも走行計画部４および自動運転制御装置１が参照可能な場所に備えられるものとしてもよい。

自動運転制御装置１は、位置情報取得部２から出力された位置情報と、環境情報取得部３から出力された環境情報と、走行計画部４から出力された走行計画情報と、地図情報データベース５が保持する地図情報とに基づき、車両制御情報を推論し、車両制御部６に出力する。自動運転制御装置１の詳細については後述する。
以下、自動運転制御装置１が位置情報取得部２から取得する位置情報と、環境情報取得部３から取得する環境情報と、走行計画部４から取得する走行計画情報と、地図情報データベース５を参照して取得する地図情報とを、まとめて、「車両関連情報」ともいうものとする。

車両制御部６は、自動運転制御装置１から出力された車両制御情報に基づき、自動運転車両１００の運転を制御する。具体的には、車両制御部６は、例えば、実際に車両のブレーキ、アクセル、または、ステアリングの操作を行い、自動運転車両１００を走行させる。なお、自動運転制御装置１が出力する車両制御情報は、ブレーキ、アクセル、または、ステアリング操作の具体的な制御量であってもよいし、具体的に緯度および経度を定めた走行軌跡の情報であってもよい。車両制御情報が、具体的な走行軌跡の情報である場合、車両制御部６は、当該走行軌跡の通りに自動運転車両１００が走行するよう、ブレーキ、アクセル、または、ステアリングの制御量を計算して、計算した制御量に基づき、それぞれの操作を行う。

自動運転制御装置１の詳細について説明する。
図２は、実施の形態１に係る自動運転制御装置１の構成例を示す図である。
自動運転制御装置１は、情報取得部１１と、類型予測部１２と、類型判断部１３と、推論モデル決定部１４と、推論モデルデータベース１５と、ロード指示部１６と、車両制御情報推論部１７を備える。推論モデル決定部１４は、予測推論モデル決定部１４１と、現推論モデル決定部１４２を備える。以下の説明において、予測推論モデル決定部１４１と現推論モデル決定部１４２を、まとめて、推論モデル決定部１４ともいう。

情報取得部１１は、車両関連情報を取得する。情報取得部１１は、取得した車両関連情報を、類型予測部１２、類型判断部１３、および、車両制御情報推論部１７に出力する。

類型予測部１２は、情報取得部１１から出力された車両関連情報に基づき、将来的な、自動運転車両１００の車両挙動の類型を予測する。実施の形態１において、「将来的な」とは、数秒後等、短時間後のことをいうものとし、類型予測部１２がどれぐらい先の、自動運転車両１００の車両挙動を予測するかは、予め決められているものとする。実施の形態１では、一例として、類型予測部１２は、５秒後の、自動運転車両１００の車両挙動の類型を予測する。車両挙動の類型とは、車両の動きを抽象化した情報であり、例えば、「交差点を左折する」、または、「右に斜線変更する」という情報が挙げられる。
実施の形態１において、類型予測部１２は、自動運転車両１００の車両挙動の類型を予測する際、情報取得部１１から出力された車両関連情報に含まれる環境情報は使用しない。また、類型予測部１２は、自動運転車両１００の車両挙動の類型を予測する際、情報取得部１１から出力された車両関連情報に含まれる、位置情報、走行計画情報、および、地図情報の全ての情報を使用することを必須とはしない。例えば、類型予測部１２は、走行計画情報および位置情報のみを使用して、自動運転車両１００の車両挙動の類型を予測するようにしてもよい。実施の形態１において、車両関連情報に含まれる位置情報、環境情報、走行計画情報、および、地図情報のうち、類型予測部１２が自動運転車両１００の車両挙動の類型を予測する際に使用する情報を、「第１の情報」ともいうものとする。
類型予測部１２は、予測結果として、５秒後に予測される、自動運転車両１００の車両挙動の類型を得る。
類型予測部１２は、得られた車両挙動の類型を、推論モデル決定部１４に出力する。

類型判断部１３は、情報取得部１１から出力された車両関連情報に基づき、自動運転車両１００が現在取るべき車両挙動の類型を判断する。
実施の形態１において、類型判断部１３は、自動運転車両１００の車両挙動の類型を判断する際、情報取得部１１から出力された車両関連情報に含まれる環境情報は使用しない。また、類型判断部１３は、自動運転車両１００の車両挙動の類型を判断する際、情報取得部１１から出力された車両関連情報に含まれる、位置情報、走行計画情報、および、地図情報の全ての情報を使用することを必須とはしない。例えば、類型判断部１３は、走行計画情報および位置情報のみを使用して、自動運転車両１００の車両挙動の類型を判断するようにしてもよい。但し、類型判断部１３は、車両関連情報のうち、類型予測部１２が自動運転車両１００の車両挙動の類型を予測する際に使用する情報と同じ第１の情報を使用して、自動運転車両１００の車両挙動の類型を判断することが好ましい。
類型判断部１３は、判断結果として、自動運転車両１００の車両挙動の類型を得る。
類型判断部１３は、得られた車両挙動の類型を、推論モデル決定部１４に出力する。

推論モデル決定部１４は、記憶領域にロードすべき推論モデル、または、記憶領域にロードされているべき推論モデルを決定する。
ここで、推論モデルとは、自動運転車両１００の自動制御を行う際の、学習結果としてのモデルである。具体的には、推論モデルは、情報取得部１１が取得した車両関連情報に対して適切な車両制御情報を推論するための計算方法およびパラメータの情報のことであり、例えば、機械学習技術を用いて適切な車両制御を行えるよう学習させたニューラルネットワークのモデルである。自動運転制御装置１において、上述したような、推論モデルを用いた車両制御情報の推論は、車両制御情報推論部１７が行う。車両制御情報推論部１７の詳細は後述する。

推論モデル決定部１４の予測推論モデル決定部１４１は、類型予測部１２が予測した車両挙動の類型に基づき、車両制御情報推論部１７が有する記憶領域にロードすべき推論モデルを決定する。具体的には、予測推論モデル決定部１４１は、推論モデルデータベース１５を参照し、類型予測部１２が予測した車両挙動の類型に対応する推論モデルを、記憶領域にロードすべき推論モデルに決定する。
推論モデル決定部１４の現推論モデル決定部１４２は、類型判断部１３が判断した車両挙動の類型に基づき、車両制御情報推論部１７が現在使用すべき推論モデルを決定する。具体的には、現推論モデル決定部１４２は、推論モデルデータベース１５を参照し、類型判断部１３が判断した車両挙動の類型に対応する推論モデルを、車両制御情報推論部１７が現在使用すべき推論モデルに決定する。

推論モデル決定部１４が決定した推論モデルは、ロード指示部１６によって、車両制御情報推論部１７が有する記憶領域にロードされた状態とされる。当該記憶領域にロードされた状態の推論モデルは、車両制御情報推論部１７が車両制御情報を推論する際に、当該車両制御情報推論部１７によって用いられる。ロード指示部１６および車両制御情報推論部１７の詳細は後述する。以下の説明において、車両制御情報推論部１７が有する記憶領域を、単に「記憶領域」という。
推論モデル決定部１４は、決定した推論モデルの情報を、ロード指示部１６に出力する。

推論モデルデータベース１５は、車両挙動の類型と推論モデルとを対応付けて記憶している。
実施の形態１では、図２に示すように、推論モデルデータベース１５は、自動運転制御装置１に備えられるものとするが、これは一例に過ぎず、推論モデルデータベース１５は、自動運転制御装置１の外部の、自動運転制御装置１が参照可能な場所に備えられるようにしてもよい。

ロード指示部１６は、推論モデル決定部１４が決定した推論モデルが、既に記憶領域にロードされているか否かを判断する。
推論モデル決定部１４が決定した推論モデルが記憶領域にロードされていないと判断した場合、ロード指示部１６は、推論モデル決定部１４が決定した推論モデルを、記憶領域にロードさせる指示を行う。具体的には、ロード指示部１６は、車両制御情報推論部１７に対して、推論モデルのロード指示を出力し、車両制御情報推論部１７は、ロード指示部１６から指示された推論モデルを、推論モデルデータベース１５から記憶領域にロードする。
記憶領域は、例えば、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）である。実施の形態１では、記憶領域は、２つの推論モデルをロード可能な容量を有する領域である。実施の形態１では、ロード指示部１６は、記憶領域に、２つの推論モデルをロードさせた状態とすることが可能である。なお、記憶領域は、少なくとも２つの推論モデルを別々にロード可能な容量を有していればよい。すなわち、記憶領域は、３つ以上の推論モデルをロード可能な容量を有する領域としてもよい。しかし、例えば、記憶領域を、車両制御情報の推論に必要な推論モデルの全てをロード可能な容量を有する領域とする場合、記憶容量の使用量が莫大となる。従って、記憶領域は、３つ以上の推論モデルをロード可能な容量を有する領域であっても、車両制御情報の推論に必要な全ての推論モデルをロード可能な容量を有する領域ではなく、車両制御情報の推論に必要な全ての推論モデルのうちの一部の推論モデルのみをロード可能な容量を有する領域であることを前提とする。

車両制御情報推論部１７は、上述のとおり、ロード指示部１６から推論モデルのロード指示が出力された場合、ロード指示部１６から指示された推論モデルを、推論モデルデータベース１５から記憶領域にロードする。
また、車両制御情報推論部１７は、情報取得部１１から出力された車両関連情報に基づき、ロード指示部１６の指示によって記憶領域にロード済みの推論モデルのうち、現推論モデル決定部１４２が決定した推論モデルを用いて、自動運転車両１００を自動運転させるための車両制御情報を推論する。車両制御情報推論部１７が車両制御情報を推論する際に用いる、現推論モデル決定部１４２が決定した推論モデルは、ロード指示部１６によって指示されるようにすればよい。これに限らず、車両制御情報推論部１７が、直接、現推論モデル決定部１４２から、当該現推論モデル決定部１４２が決定した推論モデルの情報を取得するようにしてもよい。
車両制御情報推論部１７は、車両制御情報を推論する際、情報取得部１１から出力された車両関連情報に含まれる位置情報、環境情報、走行計画情報、および、地図情報の全ての情報を使用することを必須とはしない。実施の形態１において、車両関連情報に含まれる位置情報、環境情報、走行計画情報、および、地図情報のうち、車両制御情報推論部１７が、車両制御情報を推論する際に使用する情報を、「第２の情報」ともいうものとする。
車両制御情報推論部１７は、推論した車両制御情報を、車両制御部６に出力する。

実施の形態１に係る自動運転制御装置１の動作について説明する。
自動運転制御装置１は、「予測処理」と「推論処理」を行う。「予測処理」では、自動運転制御装置１は、「推論処理」において５秒後に使用する推論モデルを予測する動作を行う。「推論処理」では、自動運転制御装置１は、推論モデルを用いて車両制御情報を推論する動作を行う。
自動運転制御装置１において、「予測処理」と「推論処理」とは並行して行われる。

まず、自動運転制御装置１における「予測処理」の動作について説明する。当該「予測処理」は、情報取得部１１、類型予測部１２、予測推論モデル決定部１４１、ロード指示部１６、および、車両制御情報推論部１７によって行われる。
図３は、実施の形態１に係る自動運転制御装置１における「予測処理」の動作を説明するためのフローチャートである。
情報取得部１１は、車両関連情報を取得する（ステップＳＴ３０１）。
情報取得部１１は、取得した車両関連情報を、類型予測部１２に出力する。

類型予測部１２は、ステップＳＴ３０１にて情報取得部１１から出力された車両関連情報に含まれる第１の情報に基づき、５秒後の、自動運転車両１００の車両挙動の類型を予測する（ステップＳＴ３０２）。
類型予測部１２は、得られた車両挙動の類型を、予測推論モデル決定部１４１に出力する。

予測推論モデル決定部１４１は、ステップＳＴ３０２にて類型予測部１２が予測した車両挙動の類型に基づき、記憶領域にロードすべき推論モデルを決定する（ステップＳＴ３０３）。当該ステップＳＴ３０３において、予測推論モデル決定部１４１は、類型予測部１２が予測した、自動運転車両１００の５秒後の車両挙動の類型に対応する推論モデルを決定する。
予測推論モデル決定部１４１は、決定した推論モデルの情報を、ロード指示部１６に出力する。

ロード指示部１６は、ステップＳＴ３０３にて予測推論モデル決定部１４１が決定した推論モデルが、既に記憶領域にロードされているか否かを判断する（ステップＳＴ３０４）。
ステップＳＴ３０４において、ロード指示部１６が、予測推論モデル決定部１４１が決定した推論モデルは既に記憶領域にロードされていると判断した場合（ステップＳＴ３０４の“ＹＥＳ”の場合）、ステップＳＴ３０１に戻る。
ステップＳＴ３０４において、ロード指示部１６が、予測推論モデル決定部１４１が決定した推論モデルは記憶領域にロードされていないと判断した場合（ステップＳＴ３０４の“ＮＯ”の場合）、ロード指示部１６は、ステップＳＴ３０３にて予測推論モデル決定部１４１が決定した推論モデルを、記憶領域にロードさせる指示を行う。そして、車両制御情報推論部１７は、ロード指示部１６から指示された推論モデルを、推論モデルデータベース１５から記憶領域にロードする（ステップＳＴ３０５）。その後、ステップＳＴ３０１に戻り、以降の処理を繰り返す。

次に、自動運転制御装置１における「推論処理」の動作について説明する。当該「推論処理」は、情報取得部１１、類型判断部１３、現推論モデル決定部１４２、ロード指示部１６、および、車両制御情報推論部１７によって行われる。
図４は、実施の形態１に係る自動運転制御装置１における「推論処理」の動作を説明するためのフローチャートである。
情報取得部１１は、車両関連情報を取得する（ステップＳＴ４０１）。
情報取得部１１は、取得した車両関連情報を、類型判断部１３、および、車両制御情報推論部１７に出力する。

類型判断部１３は、ステップＳＴ４０１にて情報取得部１１から出力された車両関連情報に含まれる第１の情報に基づき、自動運転車両１００が現在取るべき車両挙動の類型を判断する（ステップＳＴ４０２）。
類型判断部１３は、得られた車両挙動の類型を、現推論モデル決定部１４２に出力する。

現推論モデル決定部１４２は、ステップＳＴ４０２にて類型判断部１３が判断した車両挙動の類型に基づき、車両制御情報推論部１７が使用すべき推論モデルを決定する（ステップＳＴ４０３）。当該ステップＳＴ４０３において、現推論モデル決定部１４２は、類型判断部１３が判断した、自動運転車両１００が現在取るべき車両挙動の類型に対応する推論モデルを決定する。
現推論モデル決定部１４２は、決定した推論モデルの情報を、ロード指示部１６に出力する。

ロード指示部１６は、ステップＳＴ４０３にて現推論モデル決定部１４２が決定した推論モデルが、既に記憶領域にロードされているか否かを判断する（ステップＳＴ４０４）。
ステップＳＴ４０４において、ロード指示部１６が、現推論モデル決定部１４２が決定した推論モデルは既に記憶領域にロードされていると判断した場合（ステップＳＴ４０４の“ＹＥＳ”の場合）、ステップＳＴ４０６に進む。

ステップＳＴ４０４において、ロード指示部１６が、現推論モデル決定部１４２が決定した推論モデルは記憶領域にロードされていないと判断した場合（ステップＳＴ４０４の“ＮＯ”の場合）、ロード指示部１６は、現推論モデル決定部１４２が決定した推論モデルを記憶領域にロードさせる指示を行う。そして、車両制御情報推論部１７は、ロード指示部１６から指示された推論モデルを、推論モデルデータベース１５から記憶領域にロードする（ステップＳＴ４０５）。

車両制御情報推論部１７は、ステップＳＴ４０１にて情報取得部１１から出力された車両関連情報に基づき、ロード指示部１６の指示によって記憶領域にロード済みの推論モデルのうち、現推論モデル決定部１４２が決定した推論モデルを用いて車両制御情報を推論する（ステップＳＴ４０６）。
車両制御情報推論部１７は、推論した車両制御情報を、車両制御部６に出力する。そして、ステップＳＴ４０１に戻り、以降の処理を繰り返す。

図３および図４を用いて説明した、自動運転制御装置１の動作について、具体例を挙げて説明する。
図５は、実施の形態１において、自動運転制御装置１の動作の具体例を説明するための図である。以下の説明では、一例として、自動運転制御装置１は、自動運転車両１００が図５に示すような地図上の道路を地点Ｘから地点Ｙまで向かう自動運転の制御を行うものとする。自動運転車両１００は、地点Ｘから地点Ｙまでは、交差点Ｚを一度左折すると到達できる。
図５において、自動運転車両１００は三角形で表わされており、自動運転車両１００は、経路上の複数の地点を、時刻ｔ＿０～ｔ＿５に通過するものとする。時刻ｔ＿０は、自動運転車両１００が走行を開始する地点にあるときの時刻であり、時刻ｔ＿１は、自動運転車両１００が交差点Ｚに差し掛かる５秒前の地点にあるときの時刻であり、時刻ｔ＿２は、自動運転車両１００が交差点Ｚにて左折を開始する地点にあるときの時刻であるとする。また、時刻ｔ＿３は、自動運転車両１００が交差点Ｚにて左折を完了した後、再び直進を開始する地点にあるときの時刻であり、時刻ｔ＿４は、自動運転車両１００が地点Ｙにて停止するために減速を開始する地点であり、かつ、自動運転車両１００が地点Ｙにて停止する５秒前の地点にあるときの時刻であるとする。また、時刻ｔ＿５は、自動運転車両１００が地点Ｙに到着し停止する時刻であるとする。

なお、時刻ｔ＿０以前に、自動運転車両１００の走行計画部４が、地図情報データベース５が保持する地図情報を用いて、地点Ｘから、交差点Ｚにて左折して地点Ｙに至る経路を決定し、走行計画情報を自動運転制御装置１に出力しているものとする。
また、時刻ｔ＿０から時刻ｔ＿５までの間、自動運転車両１００の位置情報取得部２および環境情報取得部３は、それぞれ、位置情報および環境情報を常時取得し、取得した位置情報および環境情報を、自動運転制御装置１に出力する。
自動運転制御装置１は、車両関連情報を取得する都度、車両制御情報の推定を行い、車両制御部６に出力する。車両制御部６は、自動運転制御装置１から車両制御情報が出力される都度、出力された車両制御情報に基づき、自動運転車両１００の運転を制御する。
また、以下の説明では、一例として、第１の情報は、位置情報および走行計画情報であり、第２の情報は、位置情報、環境情報、走行計画情報、および、地図情報であるとする。

・時刻ｔ＿０のとき
時刻ｔ＿０において、自動運転車両１００が走行を開始すると、情報取得部１１は、車両関連情報を取得する（図３のステップＳＴ３０１、および、図４のステップＳＴ４０１参照）。

自動運転制御装置１は、「推論処理」で、推論モデルを用いて、自動運転車両１００の現在の走行を制御するための車両制御情報を推論する。具体的には、まず、類型判断部１３が、情報取得部１１から出力された車両関連情報に含まれる第１の情報に基づき、自動運転車両１００が現在取るべき車両挙動の類型を判断する（図４のステップＳＴ４０２参照）。そして、現推論モデル決定部１４２は、類型判断部１３が判断した車両挙動の類型に対応する推論モデルを決定する（図４のステップＳＴ４０３参照）。
今、時刻ｔ＿０では、自動運転車両１００は、地点Ｘにあり、交差点Ｚに向かって直進すべきである。従って、類型判断部１３は、現在の自動運転車両１００は、「道路を直進する」という類型の車両挙動を取るべきと判断し、現推論モデル決定部１４２は、「道路を直進する」という類型に対応する推論モデルを決定する。しかし、このとき、「道路を直進する」という類型に対応する推論モデルは、まだ記憶領域にロードされていない（図４のステップＳＴ４０４の“ＮＯ”の場合参照）。そこで、ロード指示部１６が、「道路を直進する」という類型に対応する推論モデルを記憶領域にロードさせる指示を行い、車両制御情報推論部１７が、推論モデルデータベース１５から記憶領域へ、当該推論モデルをロードする（図４のステップＳＴ４０５参照）。

車両制御情報推論部１７は、情報取得部１１から出力された車両関連情報に含まれる第２の情報に基づき、記憶領域にロード済みの、「道路を直進する」という類型に対応する推論モデルを用いて、自動運転車両１００を直進させるための車両制御情報を推論する（図４のステップＳＴ４０６参照）。車両制御情報推論部１７は、推論した、自動運転車両１００を直進させるための車両制御情報を、車両制御部６に出力する。自動運転車両１００は、車両制御部６の制御により直進する。

そして、再び、情報取得部１１が、車両関連情報を取得し、ｔ＿１まで、上述したような「推論処理」を繰り返す。但し、「道路を直進する」に対応する推論モデルが記憶領域にロードされていれば（図４のステップＳＴ４０４の“ＹＥＳ”の場合参照）、ロード指示部１６は、推論モデルをロードさせる指示は行わない。

一方、自動運転制御装置１は、「予測処理」を行い、５秒後に使用する推論モデルを予測する。具体的には、まず、類型予測部１２が、情報取得部１１から出力された車両関連情報に含まれる第１の情報に基づき、５秒後の、自動運転車両１００の車両挙動の類型を予測する（図３のステップＳＴ３０２参照）。そして、予測推論モデル決定部１４１は、類型予測部１２が予測した車両挙動の類型に対応する推論モデルを決定する（図３のステップＳＴ３０３参照）。
時刻ｔ＿０では、自動運転車両１００は、５秒後も交差点Ｚに向かって道路を直進するはずである。従って、類型予測部１２は、５秒後の自動運転車両１００は、「道路を直進する」という類型の車両挙動を取ることを予測し、予測推論モデル決定部１４１は、「道路を直進する」という類型に対応する推論モデルを決定する。ここで、「道路を直進する」という類型に対応する推論モデルは、上述のとおり、既に記憶領域にロードされている（図３のステップＳＴ３０４の“ＹＥＳ”の場合参照）ため、ロード指示部１６は、推論モデルをロードさせる指示は行わない。
そして、再び、情報取得部１１が、車両関連情報を取得し、時刻ｔ＿１まで、上述の動作と同様の動作を繰り返す。

なお、ここでは、ロード指示部１６が、「予測処理」において「道路を直進する」という類型に対応する推論モデルが記憶領域にロードされているか否かの判断を行うよりも前に、「推論処理」において当該推論モデルが記憶領域にロードされているものとした。しかし、これは一例に過ぎず、例えば、「予測処理」と「推論処理」の処理の順が逆であって、ロード指示部１６が、「予測処理」において「道路を直進する」という類型に対応する推論モデルが記憶領域にロードされているか否かの判断を行った時点では、まだ、当該推論モデルが記憶領域にロードされていないものとしてもよい（図３のステップＳＴ３０４の“ＮＯ”の場合参照）。この場合、「予測処理」において、ロード指示部１６は、「道路を直進する」という類型に対応する推論モデルを記憶領域にロードさせる指示を行い、車両制御情報推論部１７は、推論モデルデータベース１５から記憶領域へ、当該推論モデルをロードする（図３のステップＳＴ３０５参照）。

図６は、図５を用いた実施の形態１に係る自動運転制御装置１の動作の具体例の説明において、時刻ｔ＿０時点での、記憶領域の状態のイメージを示す図である。なお、ここでは、記憶領域は、それぞれ１つの推論モデルをロード可能な領域として、記憶領域Ａと記憶領域Ｂの２つの領域を有するものとしている。
図６に示すように、時刻ｔ＿０の時点では、記憶領域には、「道路を直進する」という類型に対応する推論モデルのみがロードされた状態となる。

・時刻ｔ＿１のとき
時刻ｔ＿１となっても、自動運転車両１００はまだ直進すべきであり、「推論処理」の動作は、時刻ｔ＿０の場合と同様である。よって、時刻ｔ＿１における「推論処理」の具体的な動作については、重複した説明を省略する。
一方、「予測処理」では、類型予測部１２は、情報取得部１１から出力された車両関連情報に含まれる第１の情報に基づき、５秒後の、自動運転車両１００の車両挙動の類型を予測する（図３のステップＳＴ３０２参照）。ここで、走行計画情報によれば、時刻ｔ＿１の５秒後には、自動運転車両１００は、交差点Ｚを左折することになる。そこで、類型予測部１２は、５秒後の自動運転車両１００は、「交差点を左折する」という類型の車両挙動を取ることを予測し、予測推論モデル決定部１４１は、「交差点を左折する」という類型に対応する推論モデルを決定する。このとき、「交差点を左折する」という類型に対応する推論モデルは、まだ記憶領域にロードされていない（図３のステップＳＴ３０４の“ＮＯ”の場合参照）。「推論処理」においても、まだ、「交差点を左折する」という類型の車両挙動を取ることは判断されていない。
そこで、ロード指示部１６は、「交差点を左折する」という類型に対応する推論モデルを記憶領域にロードさせる指示を行い、車両制御情報推論部１７が、推論モデルデータベース１５から記憶領域へ、当該推論モデルをロードする（図３のステップＳＴ３０５参照）。

図７は、図５を用いた実施の形態１に係る自動運転制御装置１の動作の具体例の説明において、時刻ｔ＿１時点での、記憶領域の状態のイメージを示す図である。
図７に示すように、時刻ｔ＿１の時点では、記憶領域には、「道路を直進する」という類型に対応する推論モデルと、「交差点を左折する」という類型に対応する推論モデルがロードされた状態となる。

・時刻ｔ＿２のとき
時刻ｔ＿２になり、「推論処理」において、類型判断部１３は、情報取得部１１から出力された車両関連情報に含まれる第１の情報に基づき、現在の自動運転車両１００の車両挙動の類型を判断する（図４のステップＳＴ４０２参照）。時刻ｔ＿２では、自動運転車両１００は、交差点Ｚを左折すべきである。従って、類型判断部１３は、現在の自動運転車両１００は、「交差点を左折する」という類型の車両挙動を取るべきと判断し、現推論モデル決定部１４２は、「交差点を左折する」という類型に対応する推論モデルを決定する（図４のステップＳＴ４０３参照）。
今、「交差点を左折する」という類型に対応する推論モデルは、既に記憶領域にロードされている（図４のステップＳＴ４０４の“ＹＥＳ”の場合参照）。そこで、車両制御情報推論部１７は、情報取得部１１から出力された車両関連情報に含まれる第２の情報に基づき、記憶領域にロード済みの、「交差点を左折する」という類型に対応する推論モデルを用いて、自動運転車両１００を左折させるための車両制御情報を推論する（図４のステップＳＴ４０６参照）。
「推論処理」において、上述のように、車両制御情報の推論に使用する推論モデルが切り替わった場合、車両制御情報推論部１７は、それまで（時刻ｔ＿２まで）に使用していた、「道路を直進する」という類型に対応する推論モデルは記憶領域から消去してもよい。なお、これは一例に過ぎず、車両制御情報推論部１７は、時刻ｔ＿２までに使用していた、「道路を直進する」という類型に対応する推論モデルを記憶領域に残しておくようにしてもよい。
車両制御情報推論部１７は、推論した、自動運転車両１００に左折させるための車両制御情報を、車両制御部６に出力する。自動運転車両１００は、車両制御部６の制御により交差点Ｚを左折する。

一方、自動運転制御装置１は、「予測処理」を行い、５秒後に使用する推論モデルを予測する。時刻ｔ＿２では、５秒後は、地点Ｙに向かって直進するはずである。従って、類型予測部１２は、５秒後の自動運転車両１００は、「道路を直進する」という類型の車両挙動を取ることを予測し、予測推論モデル決定部１４１は、「道路を直進する」という類型に対応する推論モデルを決定する。
ロード指示部１６は、既に記憶領域に「道路を直進する」という類型に対応する推論モデルがロードされていれば（図３のステップＳＴ３０４の“ＹＥＳ”の場合参照）、推論モデルをロードさせる指示は行わず、記憶領域に「道路を直進する」という類型に対応する推論モデルがロードされていなければ（図３のステップＳＴ３０４の“ＮＯ”の場合参照）、当該推論モデルをロードさせる指示を行う。そして、ロード指示部１６からの指示を受けて、車両制御情報推論部１７が、推論モデルデータベース１５から記憶領域へ、「道路を直進する」という類型に対応する推論モデルをロードする。
時刻ｔ＿１の後、時刻ｔ＿２までの間に、「予測処理」において「道路を直進する」という類型に対応する推論モデルはロードされているはずである。しかし、例えば、時刻ｔ＿２の「予測処理」においてロード指示部１６が「道路を直進する」という類型に対応する推論モデルが記憶領域にロードされているか否かの判断を行うよりも前に、時刻ｔ＿２の「推論処理」において、車両制御情報の推論に用いる推論モデルが「交差点を左折する」という類型に対応する推論モデルに切り替わったことにより、「道路を直進する」という類型に対応する推論モデルが記憶領域から消去されていることもあり得る。この場合、ロード指示部１６は、時刻ｔ＿２の「予測処理」で、「道路を直進する」という類型に対応する推論モデルをロードさせる指示を行うことになる。
時刻ｔ＿２の時点での、記憶領域の状態のイメージは、図７で示したイメージと同様である。

なお、上述のとおり、「推論処理」において、車両制御情報の推論に使用する推論モデルが「交差点を左折する」という類型に対応する推論モデルに切り替わり、「道路を直進する」という類型に対応する推論モデルは記憶領域から消去されることがあり得る。
よって、例えば、「予測処理」と「推論処理」の処理の順が逆であって、「予測処理」において記憶領域に「道路を直進する」という類型に対応する推論モデルをロードさせた後、「推論処理」が行われた場合、時刻ｔ＿２の時点で、記憶領域には、「交差点を左折する」という類型に対応する推論モデルのみがロードされた状態となり得る（図８参照）。

・時刻ｔ＿３のとき
時刻ｔ＿３になると、自動運転車両１００は、交差点Ｚの左折を完了し、地点Ｙに向けて直進すべきである。そこで、「推論処理」において、類型判断部１３は、現在の自動運転車両１００は、「道路を直進する」という類型の車両挙動を取るべきと判断し（図４のステップＳＴ４０２参照）、現推論モデル決定部１４２は、「道路を直進する」という類型に対応する推論モデルを決定する（図４のステップＳＴ４０３参照）。
今、「道路を直進する」という類型に対応する推論モデルは、時刻ｔ＿３の５秒前の「予測処理」において、既に記憶領域にロードされているはずである。しかし、時刻ｔ＿３までに「道路を直進する」という類型に対応する推論モデルが記憶領域から消去されていれば、ロード指示部１６からの指示に基づき、推論モデルデータベース１５から記憶領域へ、車両制御情報推論部１７が再び当該推論モデルをロードする。
そして、車両制御情報推論部１７は、情報取得部１１から出力された車両関連情報に含まれる第２の情報に基づき、記憶領域にロード済みの、「道路を直進する」という類型に対応する推論モデルを用いて、自動運転車両１００を直進させるための車両制御情報を推論する（図４のステップＳＴ４０６参照）。
上述のとおり、このとき、車両制御情報推論部１７は、時刻ｔ＿３までに使用した、「交差点を左折する」という類型に対応する推論モデルを記憶領域から消去するものとしてもよいし、残しておくようにしてもよい。ここでは、車両制御情報推論部１７は、「交差点を左折する」という類型に対応する推論モデルを記憶領域から消去するものとする。
車両制御情報推論部１７は、推論した、自動運転車両１００を直進させるための車両制御情報を、車両制御部６に出力する。自動運転車両１００は、車両制御部６の制御により直進する。

一方、自動運転制御装置１は、「予測処理」を行い、５秒後に使用する推論モデルを予測する。時刻ｔ＿３では、自動運転制御装置１は、５秒後に使用する推論モデルとして、「道路を直進する」という類型を予測し、当該「道路を直進する」という類型に対応する推論モデルを決定することになるが、記憶領域には、上述の「推論処理」によって既に「道路を直進する」という類型に対応する推論モデルがロードされている（図３のステップＳＴ３０４の“ＹＥＳ”の場合参照）。従って、時刻ｔ＿３の「予測処理」では、ロード指示部１６は、推論モデルをロードさせる指示は行わない。
なお、当該「予測処理」を行った時点で、記憶領域に「道路を直進する」という類型に対応する推論モデルが消去されていれば、ロード指示部１６は、当該推論モデルを記憶領域にロードさせる指示を行う。
時刻ｔ＿３の時点での、記憶領域の状態のイメージは、図６で示したイメージと同様である。

・時刻ｔ＿４のとき
時刻ｔ＿４になると、自動運転車両１００は、地点Ｙにて停止するために減速を開始するべきである。そこで、「推論処理」において、類型判断部１３は、現在の自動運転車両１００は、「減速する」という類型の車両挙動を取るべきと判断し（図４のステップＳＴ４０２参照）、現推論モデル決定部１４２は、「減速する」に対応する推論モデルを決定する（図４のステップＳＴ４０３参照）。
今、「減速する」という類型に対応する推論モデルは、時刻ｔ＿４の５秒前の「予測処理」において、既に記憶領域にロードされているはずである。
そこで、車両制御情報推論部１７は、情報取得部１１から出力された車両関連情報に含まれる第２の情報に基づき、記憶領域にロード済みの、「減速する」という類型に対応する推論モデルを用いて、自動運転車両１００を減速させるための車両制御情報を推論する（図４のステップＳＴ４０６参照）。
このとき、車両制御情報推論部１７は、時刻ｔ＿４までに使用した、「道路を直進する」に対応する推論モデルを記憶領域から消去するものとしてもよいし、残しておくようにしてもよい。ここでは、車両制御情報推論部１７は、「道路を直進する」という類型に対応する推論モデルを記憶領域から消去するものとする。
車両制御情報推論部１７は、推論した、自動運転車両１００を減速させるための車両制御情報を、車両制御部６に出力する。自動運転車両１００は、車両制御部６の制御により減速する。

一方、自動運転制御装置１は、「予測処理」において、５秒後に使用する推論モデルを予測する。時刻ｔ＿４では、自動運転制御装置１は、５秒後に使用する推論モデルとして、「停止する」という類型を予測し、当該「停止する」という類型に対応する推論モデルを決定することになるが、記憶領域には、まだ「停止する」という類型に対応する推論モデルはロードされていない（図３のステップＳＴ３０４の“ＮＯ”の場合参照）。従って、ロード指示部１６は、「停止する」という類型に対応する推論モデルを記憶領域にロードさせる指示を行い、車両制御情報推論部１７が、推論モデルデータベース１５から記憶領域へ、当該推論モデルをロードする（図４のステップＳＴ４０５参照）。

図９は、図５を用いた実施の形態１に係る自動運転制御装置１の動作の具体例の説明において、時刻ｔ＿４時点での、記憶領域の状態のイメージの一例を示す図である。
図９に示すように、時刻ｔ＿４の時点では、記憶領域には、「減速する」に対応する推論モデルと、「停止する」に対応する推論モデルがロードされた状態となる。

・時刻ｔ＿５のとき
時刻ｔ＿５になると、「推論処理」において、類型判断部１３が、現在の自動運転車両１００は、「停止する」という類型の車両挙動を取るべきと判断し（図４のステップＳＴ４０２参照）、現推論モデル決定部１４２は、「停止する」という類型に対応する推論モデルを決定する（図４のステップＳＴ４０３参照）。
車両制御情報推論部１７は、情報取得部１１から出力された車両関連情報に含まれる第２の情報に基づき、記憶領域にロード済みの、「停止する」という類型に対応する推論モデルを用いて、自動運転車両１００を停止させるための車両制御情報を推論する（図４のステップＳＴ４０６参照）。
車両制御情報推論部１７は、推論した、自動運転車両１００を停止させるための車両制御情報を、車両制御部６に出力する。自動運転車両１００は、車両制御部６の制御により停止する。

以上のように、自動運転制御装置１は、「推論処理」と「予測処理」を並行して行う。自動運転制御装置１は、「予測処理」において、後に「推論処理」にて使用される推論モデルを予測して事前に記憶領域にロードさせておくことにより、「推論処理」にて車両制御情報を推論する際に、推論モデルのロードが完了するまでの待ち時間を発生させず、速やかに必要な推論モデルを使用するようにすることができる。そのため、自動運転制御装置１は、推論モデルを使用できないことにより車両制御情報の推論が行えないという事態に陥らない。例えば、自動運転車両１００が取るべき車両挙動が変化し、車両制御情報を推論する際に使用する推論モデルの切り替えが必要になった場合であっても、自動運転制御装置１は、速やかに車両制御情報の推論を行うことができる。

図１０Ａ，図１０Ｂは、実施の形態１に係る自動運転制御装置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、情報取得部１１と、類型予測部１２と、類型判断部１３と、推論モデル決定部１４と、ロード指示部１６と、車両制御情報推論部１７の機能は、処理回路１００１により実現される。すなわち、自動運転制御装置１は、自動運転車両１００を制御するための車両情報制御情報の推論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１００７に格納されるプログラムを実行するＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）１００６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ＣＰＵ１００６の場合、情報取得部１１と、類型予測部１２と、類型判断部１３と、推論モデル決定部１４と、ロード指示部１６と、車両制御情報推論部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、情報取得部１１と、類型予測部１２と、類型判断部１３と、推論モデル決定部１４と、ロード指示部１６と、車両制御情報推論部１７は、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）１００２、メモリ１００７等に記憶されたプログラムを実行するＣＰＵ１００６、システムＬＳＩ（Ｌａｒｇｅ－Ｓｃａｌｅ Ｉｎｔｅｇｒａｔｉｏｎ）等の処理回路により実現される。また、ＨＤＤ１００２、メモリ１００７等に記憶されたプログラムは、情報取得部１１と、類型予測部１２と、類型判断部１３と、推論モデル決定部１４と、ロード指示部１６と、車両制御情報推論部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１００７とは、例えば、ＲＡＭ１００３、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、不揮発性または揮発性の半導体メモリや、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、情報取得部１１と、類型予測部１２と、類型判断部１３と、推論モデル決定部１４と、ロード指示部１６と、車両制御情報推論部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、情報取得部１１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、類型予測部１２と、類型判断部１３と、推論モデル決定部１４と、ロード指示部１６と、車両制御情報推論部１７については処理回路がメモリ１００７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、推論モデルデータベース１５は、メモリ１００７を使用する。なお、これは一例であって、推論モデルデータベース１５は、ＨＤＤ１００２、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）、または、ＤＶＤ等によって構成されるものであってもよい。
車両制御情報推論部１７が有する記憶領域は、例えば、ＲＡＭ１００３で構成される。
また、自動運転制御装置１は、位置情報取得部２、環境情報取得部３、または、走行計画部４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１００４および出力インタフェース装置１００５を備える。

以上の実施の形態１では、類型予測部１２は、情報取得部１１から出力された車両関連情報に含まれる第１の情報に基づき、将来的な、自動運転車両１００の車両挙動の類型を予測し、類型判断部１３は、情報取得部１１から出力された車両関連情報に含まれる第１の情報に基づき、現在の、自動運転車両１００の車両挙動の類型を判断するものとした。これに限らず、類型予測部１２は、第１の情報に基づき、将来的な、自動運転車両１００の周辺環境の類型を予測し、類型判断部１３は、第１の情報に基づき、現在の、自動運転車両１００の周辺環境の類型を判断するようにしてもよい。周辺環境の類型とは、自動運転車両１００の周辺の環境を抽象化した情報であり、例えば、「雨が降っている」、「夜間である」、または、「霧がかかっている」という情報が挙げられる。

具体的には、例えば、類型予測部１２は、車両関連情報に含まれている環境情報に基づき、「雨が降っている」という周辺環境の類型を予測するようにしてもよい。この場合、予測推論モデル決定部１４１は、「雨が降っている」という類型に対応する推論モデルを決定する。この場合、推論モデルデータベース１５は、少なくとも周辺環境の類型と推論モデルとを対応付けて記憶している。
また、例えば、類型判断部１３は、車両関連情報に含まれている環境情報に基づき、「夜間である」という周辺環境の類型を判断するようにしてもよい。この場合、現推論モデル決定部１４２は、「夜間である」という類型に対応する推論モデルを決定する。

以上のように、実施の形態１によれば、自動運転制御装置１は、車両（自動運転車両１００）に関する車両関連情報を取得する情報取得部１１と、情報取得部１１が取得した車両関連情報に含まれる第１の情報に基づき、将来的な、車両の車両挙動または車両の周辺環境の類型、を予測する類型予測部１２と、類型予測部１２が予測した類型に基づき、記憶領域にロードすべき推論モデルを決定する予測推論モデル決定部１４１と、予測推論モデル決定部１４１が決定した推論モデルを記憶領域にロードさせる指示を行うロード指示部１６と、第１の情報に基づき、現在の、車両の車両挙動または車両の周辺環境の類型を判断する類型判断部１３と、類型判断部１３が判断した類型に対応する推論モデルを決定する現推論モデル決定部１４２と、情報取得部１１が取得した車両関連情報に含まれる第２の情報に基づき、ロード指示部１６の指示によって記憶領域にロード済みの推論モデルのうち、現推論モデル決定部１４２が決定した推論モデルを用いて、車両を自動運転させるための車両制御情報を推論する車両制御情報推論部１７とを備えるように構成した。そのため、推論モデルを使用できないことにより車両制御情報の推論が行えないという事態を避けるようにすることができる。

実施の形態２．
実施の形態２では、自動運転制御装置１が、自動運転車両１００の将来的な車両挙動の類型を予測して推論モデルを記憶領域にロードしておき、自動運転車両を実際に制御する際には、ロード済みの推論モデルを用いて車両制御情報を推論する、その他の実施の形態について説明する。
実施の形態２では、自動運転制御装置１は、将来的な、自動運転車両１００周辺の状況に起因する車両挙動の類型を予測する。
なお、以下の実施の形態２では、一例として、自動運転車両１００周辺の状況を、当該自動運転車両１００の周辺の危険度が高い状況とし、自動運転制御装置１は、自動運転車両１００周辺の危険度が高い状況ある場合に、当該周辺の状況に起因する車両挙動の類型を予測するものとする。

実施の形態２に係る自動運転制御装置１を搭載した自動運転車両１００の構成例は、実施の形態１において図１を用いて説明した構成例と同様であるため、重複した説明を省略する。但し、実施の形態２では、地図情報データベース５が保持している地図情報には、飛び出し危険度に関する情報（以下「飛び出し危険度情報」という。）が含まれる。
飛び出し危険度は、例えば、地図上の各道路について、人等が急に車道に飛び出してくる危険度を表す数値である。地図情報において、飛び出し危険度情報は、各道路の情報に付与されている。例えば、住宅街の道路は、子供等が飛び出してくる可能性が高いため、当該住宅街の道路の情報には、大きい値の飛び出し危険度情報が付与されている。また、例えば、高速道路の自動車専用道路では歩行者がいないため、当該自動車専用道路の情報には、小さい値の飛び出し危険度情報が付与されている。なお、ここでは、一例として、飛び出し危険度の数値が大きいほど、人等が急に車道に飛び出してくる危険度が高いものとしている。

実施の形態２に係る自動運転制御装置１の構成例は、実施の形態１において図２を用いて説明した構成例と同様であるため、重複した説明を省略する。
また、実施の形態２に係る自動運転制御装置１のハードウェア構成は、実施の形態１において図１０Ａおよび図１０Ｂを用いて説明した構成例と同様であるため、重複した説明を省略する。

自動運転制御装置１は、地図情報データベース５が保持している地図情報に含まれる飛び出し危険度情報に基づき、自動運転車両１００周辺が、将来的に、危険度が高い状況になるか否かに応じて、危険度が高い場合には、当該危険度が高い状況に起因する車両挙動の類型を予測し、当該類型に対応する推論モデルを記憶領域へロードしておく。そして、車両制御情報を推論する際には、ロード済みの、危険度が高い状況に起因する車両挙動の類型に対応する推論モデルを用いる。

実施の形態２に係る自動運転制御装置１の具体的な動作について説明する。
実施の形態２においても、自動運転制御装置１は、「予測処理」と「推論処理」を行う。自動運転制御装置１において、「予測処理」と「推論処理」とは並行して行われる。
まず、実施の形態２に係る自動運転制御装置１における「予測処理」の具体的な動作について説明する。当該「予測処理」は、情報取得部１１、類型予測部１２、予測推論モデル決定部１４１、ロード指示部１６、および、車両制御情報推論部１７によって行われる。

図１１は、実施の形態２に係る自動運転制御装置１における「予測処理」の動作を説明するためのフローチャートである。
情報取得部１１は、車両関連情報を取得する（ステップＳＴ１１０１）。
情報取得部１１は、取得した車両関連情報を、類型予測部１２に出力する。

類型予測部１２は、ステップＳＴ１１０１にて情報取得部１１から出力された車両関連情報に含まれる第１の情報に基づき、将来的に、自動運転車両１００周辺が危険度の高い状況になるか否かを予測し、危険度の高い状況になると予測した場合、当該危険度の高い状況に起因する車両挙動の類型を予測する（ステップＳＴ１１０２）。なお、実施の形態２では、第１の情報は、位置情報および地図情報とする。また、実施の形態２では、危険度の高い状況とは、人等が急に車道に飛び出してくる危険度が高い状況のこととする。また、ここでは、一例として、危険度の高い状況に起因する車両挙動の類型は、「緊急停止する」という類型とする。当該類型は、衝突が生じるまでに緊急停止するという車両の動きを抽象化したものである。

具体的には、まず、類型予測部１２は、第１の情報に基づき、現在位置は、人等が急に車道に飛び出してくる危険度が高い状況か否かを予測する。類型予測部１２は、例えば、地図情報に含まれる飛び出し危険度情報が、予め設定された閾値以上であれば、人等が急に車道に飛び出してくる危険度が高い状況であると予測する。現在位置が、人等が急に車道に飛び出してくる危険度が高い状況である場合、将来的に、人等が急に車道に飛び出して来て、自動運転車両１００周辺が危険な状況になる可能性が高いと予測できる。
なお、ここでは、類型予測部１２は、第１の情報に基づき、現在位置が、人等が急に車道に飛び出してくる危険度が高い状況か否かを予測するものとするが、これは一例に過ぎない。例えば、類型予測部１２は、第１の情報に基づき、５秒後に自動運転車両１００が存在する位置が、人等が急に車道に飛び出してくる危険度が高い状況か否かを予測するようにしてもよい。類型予測部１２は、将来的に、自動運転車両１００周辺が危険度の高い状況になるか否かを予測するようになっていればよい。

そして、類型予測部１２は、自動運転車両１００周辺が危険度の高い状況になると予測すると、当該危険度の高い状況に起因する車両挙動の類型を予測する（ステップＳＴ１１０２の“ＹＥＳ”の場合）。具体的には、類型予測部１２は、人等が急に車道に飛び出して来て危険度が高い状況に起因する車両挙動の類型として、「緊急停止する」という類型を予測する。類型予測部１２は、予測して得た、「緊急停止する」という類型の情報を、予測推論モデル決定部１４１に出力する。

一方、類型予測部１２は、自動運転車両１００周辺が危険度の高い状況にならないと予測すると（ステップＳＴ１１０２の“ＮＯ”の場合）、ステップＳＴ１１０１に戻り、以降の処理を繰り返す。

ステップＳＴ１１０３において、予測推論モデル決定部１４１は、ステップＳＴ１１０２にて類型予測部１２が予測した類型に基づき、記憶領域にロードすべき推論モデルを決定する。具体的には、予測推論モデル決定部１４１は、推論モデルデータベース１５を参照し、類型予測部１２が予測した、「緊急停止する」という類型に対応する推論モデルを、記憶領域にロードすべき推論モデルに決定する（ステップＳＴ１１０３）。
予測推論モデル決定部１４１は、決定した推論モデルの情報を、ロード指示部１６に出力する。

ロード指示部１６は、ステップＳＴ１１０３にて予測推論モデル決定部１４１が決定した類型に対応する推論モデルが、既に記憶領域にロードされているか否かを判断する（ステップＳＴ１１０４）。具体的には、ロード指示部１６は、「緊急停止する」という類型に対応する推論モデルが、既に記憶領域にロードされているか否かを判断する。
ステップＳＴ１１０４において、ロード指示部１６が、「緊急停止する」という類型に対応する推論モデルは既に記憶領域にロードされていると判断した場合（ステップＳＴ１１０４の“ＹＥＳ”の場合）、ステップＳＴ１１０１に戻り、以降の処理を繰り返す。

ステップＳＴ１１０４において、ロード指示部１６が、「緊急停止する」という類型に対応する推論モデルは記憶領域にロードされていないと判断した場合（ステップＳＴ１１０４の“ＮＯ”の場合）、ロード指示部１６は、「緊急停止する」という類型に対応する推論モデルを、記憶領域にロードさせる指示を行う。車両制御情報推論部１７は、ロード指示部１６から指示された、「緊急停止する」という類型に対応する推論モデルを、推論モデルデータベース１５から記憶領域にロードする（ステップＳＴ１１０５）。そして、ステップＳＴ１１０１に戻り、以降の処理を繰り返す。

次に、自動運転制御装置１における「推論処理」の動作について説明する。当該「推論処理」は、情報取得部１１、類型判断部１３、現推論モデル決定部１４２、ロード指示部１６、および、車両制御情報推論部１７によって行われる。
図１２は、実施の形態２に係る自動運転制御装置１における「推論処理」の動作を説明するためのフローチャートである。
情報取得部１１は、車両関連情報を取得する（ステップＳＴ１２０１）。
情報取得部１１は、取得した車両関連情報を、類型判断部１３、および、車両制御情報推論部１７に出力する。

類型判断部１３は、ステップＳＴ１２０１にて情報取得部１１から出力された車両関連情報に含まれる第２の情報に基づき、現在、自動運転車両１００周辺が危険度の高い状況であるか否かを判断し、危険度の高い状況であると判断した場合、当該危険度の高い状況に起因する車両挙動の類型を判断する（ステップＳＴ１２０２）。なお、実施の形態２では、第２の情報は、環境情報とする。
具体的には、まず、類型判断部１３は、第２の情報に基づき、現在、人等が急に車道に飛び出して来て危険度が高い状況か否かを判断する。類型判断部１３は、例えば、環境情報から、人等の飛び出しを検知した場合、類型判断部１３は、現在、自動運転車両１００周辺が危険度の高い状況であると判断する。
そして、類型判断部１３は、自動運転車両１００周辺が危険度の高い状況であると判断すると、当該危険度の高い状況に起因する車両挙動の類型を判断する（ステップＳＴ１２０２の“ＹＥＳ”の場合）。具体的には、類型判断部１３は、人等が急に車道に飛び出して来て危険度が高い状況に起因する車両挙動の類型として、「緊急停止する」という類型を判断する。類型判断部１３は、判断して得た、「緊急停止する」という類型の情報を、現推論モデル決定部１４２に出力し、ステップＳＴ１２０３に進む。

一方、類型判断部１３は、自動運転車両１００周辺が危険度の高い状況ではないと判断すると（ステップＳＴ１２０２の“ＮＯ”の場合）、ステップＳＴ１２０７に進む。
ステップＳＴ１２０７では、車両制御情報推論部１７が、別途ロード済みの何らかの推論モデルを用いて車両制御情報を推論する。具体的には、例えば、実施の形態１において、図４のステップＳＴ４０２～ステップＳＴ４０６で説明したような動作を行い、類型判断部１３が、現在の車両挙動の類型を判断し、現推論モデル決定部１４２が、当該類型に対応する推論モデルを決定する。そして、車両制御情報推論部１７は、ロード指示部１６の指示によって記憶領域にロード済みの推論モデルのうち、現推論モデル決定部１４２が決定した推論モデルを用いて、車両制御情報を推論する。例えば、走行計画を用いて、車両挙動の類型を事前に予測することができれば、車両制御情報推論部１７が当該車両挙動の類型を事前に記憶領域にロードしておき、ロード済みの推論モデルを用いて、車両制御情報を推論する。

図１２のフローチャートに戻る。
ステップＳＴ１２０３において、現推論モデル決定部１４２は、ステップＳＴ１２０２にて類型判断部１３が判断した車両挙動の類型に基づき、車両制御情報推論部１７が使用すべき推論モデルを決定する（ステップＳＴ１２０３）。当該ステップＳＴ１２０３において、現推論モデル決定部１４２は、自動運転車両１００が現在取るべき車両挙動の類型に対応した推論モデルを決定する。ここでは、現推論モデル決定部１４２は、「緊急停止する」という類型に対応する推論モデルを決定する。
現推論モデル決定部１４２は、決定した推論モデルの情報を、ロード指示部１６に出力する。
ロード指示部１６は、「緊急停止する」という類型に対応する推論モデルが、既に記憶領域にロードされているか否かを判断する（ステップＳＴ１２０４）。
ステップＳＴ１２０４において、ロード指示部１６が、「緊急停止する」という類型に対応する推論モデルは既に記憶領域にロードされていると判断した場合（ステップＳＴ１２０４の“ＹＥＳ”の場合）、ステップＳＴ１２０６に進む。

ステップＳＴ１２０４において、ロード指示部１６が、「緊急停止する」という類型に対応する推論モデルは記憶領域にロードされていないと判断した場合（ステップＳＴ１２０４の“ＮＯ”の場合）、ロード指示部１６は、「緊急停止する」という類型に対応する推論モデルを記憶領域にロードさせる指示を行う。そして、車両制御情報推論部１７は、ロード指示部１６から指示された、「緊急停止する」という類型に対応する推論モデルを、推論モデルデータベース１５から記憶領域にロードする（ステップＳＴ１２０５）。

車両制御情報推論部１７は、ステップＳＴ１２０１にて情報取得部１１から出力された車両関連情報に含まれる第２の情報に基づき、ロード指示部１６の指示によって記憶領域にロード済みの推論モデルのうち、現推論モデル決定部１４２が決定した、「緊急停止する」という類型に対応する推論モデルを用いて、自動運転車両１００を緊急停止させるための車両制御情報を推論する（ステップＳＴ１２０６）。
車両制御情報推論部１７は、推論した車両制御情報を、車両制御部６に出力する。そして、ステップＳＴ１２０１に戻り、以降の処理を繰り返す。

図１１および図１２を用いて説明した、実施の形態２に係る自動運転制御装置１の動作について、具体例を挙げて説明する。ここでは、実施の形態１同様、自動運転車両１００が、図５に示すような地図上の道路をある地点Ｘからある地点Ｙまで向かう自動運転、の制御を行うものとする。また、ここでは、地点Ｘから交差点Ｚまでの区間の道路は、人等の飛び出しがほとんどない道路であって、地図情報には、小さい値の飛び出し危険度情報が付与されているとする。交差点Ｚから地点Ｙまでの区間の道路は、人等の飛び出しが多い道路であって、地図情報には、大きい値の飛び出し危険度情報が付与されているとする。

・時刻ｔ＿０～ｔ＿２の間
自動運転車両１００が走行を開始し、情報取得部１１は、車両関連情報を取得する（図１１のステップＳＴ１１０１、および、図１２のステップＳＴ１２０１参照）。
「予測処理」において、類型予測部１２は、車両関連情報に含まれる第１の情報に基づき、現在位置は、人等が急に車道に飛び出してくる危険度が高い状況か否かを予測し、人等が急に車道に飛び出してくる危険度が高い状況であれば、「緊急停止する」という車両挙動の類型を予測する（図１１のステップＳＴ１１０２参照）。
時刻ｔ＿０～ｔ＿２の間（地点Ｘから交差点Ｚまでの区間）は、飛び出し危険度が低い区間であるため、類型予測部１２は、人等が急に車道に飛び出してくる危険度は高くないと予測する（図１１のステップＳＴ１１０２の“ＮＯ”の場合参照）。その結果、類型予測部１２による、人等が急に車道に飛び出してくる危険度が高いか否かの予測以降の処理は行われない。

「推論処理」では、類型判断部１３が、車両関連情報に含まれる第２の情報に基づき、人等が急に車道に飛び出して来て危険度が高い状況か否かを判断する（図１２のステップＳＴ１２０２）。地点Ｘから交差点Ｚまでの区間は飛び出し危険度が低い区間であるため、人等が飛び出してくる可能性が低い。よって、ここでは、類型判断部１３は、人等が飛び出して来ていないと判断するものとする（図１２のステップＳＴ１２０２の“ＮＯ”の場合参照）。
そして、車両制御情報推論部１７は、別途ロード済みの何らかの推論モデルを用いて車両制御情報を推論する。
車両制御情報推論部１７は、推論した車両制御情報を、車両制御部６に出力する。自動運転車両１００は、車両制御部６の制御により動作する。

図１３は、図５を用いた、実施の形態２に係る自動運転制御装置１の動作の具体例の説明において、時刻ｔ＿０～ｔ＿２の間の、記憶領域の状態のイメージの一例を示す図である。なお、ここでは、記憶領域は、記憶領域Ａと記憶領域Ｂの２つの領域を有するものとしている。また、図１３では、便宜上、車両制御情報推論部１７が車両制御情報を推論する際に使用する何らかの推論モデルを、「推論モデルＷ」としている。推論モデルＷは、実施の形態１において図４のステップＳＴ４０２～ステップＳＴ４０６で説明したような動作を行った結果ロードされた推論モデルであるとする。
図１３に示すように、時刻ｔ＿０～ｔ＿２の間は、記憶領域には、推論モデルＷがロードされ、「緊急停止する」という類型に対応する推論モデルはロードされていない状態となる。

・時刻ｔ＿３～ｔ＿５の間
情報取得部１１は、車両関連情報を取得する（図１１のステップＳＴ１１０１、および、図１２のステップＳＴ１２０１参照）。
「予測処理」において、類型予測部１２は、車両関連情報に含まれる第１の情報に基づき、現在位置は、人等が急に車道に飛び出してくる危険度が高いか状況否かを予測し、人等が急に車道に飛び出してくる危険度が高い状況であれば、「緊急停止する」という車両挙動の類型を予測する（図１１のステップＳＴ１１０２参照）。
時刻ｔ＿３～ｔ＿５の間（交差点Ｚから地点Ｙまでの区間）は、飛び出し危険度が高い区間であるため、類型予測部１２は、人等が急に車道に飛び出してくる危険度は高い状況であると予測し、「緊急停止する」という車両挙動の類型を予測する（図１１のステップＳＴ１１０２の“ＹＥＳ”の場合参照）。
そして、予測推論モデル決定部１４１は、記憶領域に、「緊急停止する」という類型に対応する推論モデルを決定し（図１１のステップＳＴ１１０３参照）、ロード指示部１６は、「緊急停止する」という類型に対応する推論モデルが、既に記憶領域にロードされているか否かを判断する（図１１のステップＳＴ１１０４参照）。
記憶領域には、まだ、「緊急停止する」という類型に対応する推論モデルはロードされていないので（図１１のステップＳＴ１１０４の“ＮＯ”の場合参照）、ロード指示部１６は、「緊急停止する」という類型に対応する推論モデルを、記憶領域にロードさせる指示を行う。車両制御情報推論部１７は、ロード指示部１６から指示された、「緊急停止する」という類型に対応する推論モデルを、推論モデルデータベース１５から記憶領域にロードする（図１１のステップＳＴ１１０５参照）。

「推論処理」では、類型判断部１３が、車両関連情報に含まれる第２の情報に基づき、人等が急に車道に飛び出して来て危険度が高い状況か否かを判断する（図１２のステップＳＴ１２０２）。交差点Ｚから地点Ｙまでの区間は飛び出し危険度が高い区間であるため、人等が飛び出してくる可能性が高い。よって、ここでは、類型判断部１３は、人等が飛び出してきたと判断するものとする（図１２のステップＳＴ１２０２の“ＹＥＳ”の場合参照）。
現推論モデル決定部１４２は、記憶領域に、「緊急停止する」という類型に対応する推論モデルをロードすべきと決定し（図１２のステップＳＴ１２０３参照）、ロード指示部１６は、「緊急停止する」という類型に対応する推論モデルが、既に記憶領域にロードされているか否かを判断する（ステップＳＴ１２０４参照）。
既に、「予測処理」にて「緊急停止する」という類型に対応する推論モデルは記憶領域にロードされているので（図１２のステップＳＴ１２０４の“ＹＥＳ”の場合参照）、車両制御情報推論部１７は、車両関連情報に含まれる第２の情報に基づき、記憶領域にロード済みの、現推論モデル決定部１４２が決定した、「緊急停止する」という類型に対応する推論モデルを用いて、自動運転車両１００を緊急停止させるための車両制御情報を推論する（図１２のステップＳＴ１２０６参照）。
車両制御情報推論部１７は、推論した車両制御情報を、車両制御部６に出力する。自動運転車両１００は、車両制御部６の制御により緊急停止する。

図１４は、図５を用いた、実施の形態２に係る自動運転制御装置１の動作の具体例の説明において、時刻ｔ＿３～ｔ＿５の間の、記憶領域の状態のイメージの一例を示す図である。なお、ここでは、記憶領域は、記憶領域Ａと記憶領域Ｂの２つの領域を有するものとしている。
図１４に示すように、時刻ｔ＿３～ｔ＿５の間は、記憶領域は、「緊急停止する」という類型に対応する推論モデルがロードされた状態が保たれる。
なお、図１４では、記憶領域Ｂは空きとしているが、「推論処理」において、人等の飛び出しがなかった場合（図１２のステップＳＴ１２０２の“ＮＯ”の場合参照）は、別途何らかの推論モデルがロードされていることもあり得る（図１２のステップＳＴ１２０７参照）。

以上のように、自動運転制御装置１は、自動運転車両１００周辺が危険度の高い状況となり得る区間においては、記憶領域上に「緊急停止する」という類型に対応する推論モデルを事前にロードしておくことができる。そのため、自動運転制御装置１は、実際に人等の飛び出しがあった場合に、既にロード済みの、「緊急停止する」という類型に対応する推論モデルを用いて、自動運転車両１００を緊急停止させるための車両制御情報を速やかに推論することができる。
自動運転制御装置１において、以上の実施の形態２で説明したような構成を採用しておらず、自動運転車両１００周辺が危険度の高い状況となり得る区間においても「緊急停止する」という類型に対応する推論モデルを事前にはロードしない場合、人等の飛び出しが発生しても、「緊急停止する」という類型に対応する推論モデルは記憶領域にロードされていない。従って、自動運転制御装置１は、「緊急停止する」という類型に対応する推論モデルの、記憶領域へのロードの完了を待ってから、自動運転車両１００を緊急停止させるための車両制御情報を推論することになる。「緊急停止する」という類型に対応する推論モデルをロードしている間は、自動運転車両１００に対して緊急停止させる制御を行うことができないため、自動運転車両１００が、飛び出してきた人等と接触する可能性が高くなる。

なお、以上の実施の形態２において、自動運転制御装置１は、自動運転車両１００周辺が危険度の高い状況になり得るか否かの予測は行わず、「緊急停止する」という類型に対応する推論モデルを、常時記憶領域にロードしておくようにしてもよい。この場合、記憶領域は、３つの推論モデルを記憶できる容量の領域であることが望ましい。「緊急停止する」という類型に対応する推論モデルを常時記憶領域にロードしておくようにすると、人等の飛び出しが少ない、自動運転車両１００周辺が危険度の高い状況となり得る可能性の低い区間においても、記憶領域には「緊急停止する」という類型に対応する推論モデルが常時ロードされていることになるため、記憶領域を無用に使用してしまうという可能性はある。しかし、実際に自動運転車両１００において人等の飛び出しが発生してから「緊急停止する」という類型に対応する推論モデルをロードしなくてはならないという事態を、いかなる場合においても避けられるため、自動運転車両１００に対して、実際に人等の飛び出しが発生した場合の緊急停止を、常時、速やかに行わせることができる。

また、以上の実施の形態２では、危険度の高い状況に起因する車両挙動の類型は、「緊急停止する」という類型としたが、これは一例に過ぎず、危険度の高い状況に起因する車両挙動の類型は、例えば、「衝突を回避する」という類型としてもよい。当該類型は、他車両との衝突を回避するという車両の動きを抽象化したものである。危険度の高い状況に起因する車両挙動の類型は、自動運転車両１００周辺の危険度が高い状況である場合に、当該危険度が高い状況を回避する車両の動きを抽象化したものであればよい。

また、以上の実施の形態２では、危険度の高い状況とは、人等が急に車道に飛び出してくる危険度が高い状況のこととしたが、これは一例に過ぎない。自動運転車両１００周辺の危険度が高い状況は適宜設定可能であり、自動運転制御装置１が、車両関連情報から当該危険度が高い状況か否かを予測または判断できるようになっていればよい。

また、以上の実施の形態２の「予測処理」において、以上で説明した動作に加えて、実施の形態１で説明したような「予測処理」を行うようにしてもよい。

以上のように、実施の形態２によれば、自動運転制御装置１において、第１の情報は、飛び出し危険度に関する情報であり、類型予測部１２は、飛び出し危険度に関する情報に基づき、将来的な、車両（自動運転車両１００）の車両挙動または車両の周辺環境の類型を予測するようにした。そのため、自動運転車両１００周辺が危険度の高い状況になった場合に、推論モデルのロードが完了するまでの待ち時間を発生させず、速やかに必要な推論モデルを使用するようにすることができる。その結果、推論モデルを使用できないことにより車両制御情報の推論が行えないという事態を避けるようにすることができる。

実施の形態３．
実施の形態１では、自動運転制御装置１は、推論した車両制御情報を、車両制御部６に出力するようにしていた。
実施の形態３では、自動運転制御装置１が、さらに、運転者等の自動運転車両１００の搭乗者（以下単に「搭乗者」という。）に対して、車両制御情報を推論する際に使用した推論モデルに関する情報等を通知する実施の形態について説明する。

実施の形態３に係る自動運転制御装置１を搭載した自動運転車両１００の構成例は、実施の形態１において図１を用いて説明した構成例と同様であるため、重複した説明を省略する。

図１５は、実施の形態３に係る自動運転制御装置１ａの構成例を示す図である。
図１５において、図２を用いて説明した、実施の形態１に係る自動運転制御装置１と同様の構成については、同じ符号を付して重複した説明を省略する。
自動運転制御装置１ａは、実施の形態１に係る自動運転制御装置１とは、通知制御部１８を備える点が異なる。

通知制御部１８は、車両制御情報推論部１７が車両制御情報を推論するために用いた推論モデルに関する情報（以下「第１の通知情報」という。）を出力する。第１の通知情報は、自動運転車両１００が、どのような推論モデルに基づいて制御されているかを通知するものである。具体的には、通知制御部１８は、第１の通知情報を、自動運転車両１００が搭載している表示装置（図示省略）等に出力する。例えば、車両制御情報推論部１７が、「道路を直進する」という類型に対応する推論モデルを用いて車両制御情報を推論した場合、通知制御部１８は、第１の通知情報として、「直進モードです」等のメッセージを、表示装置に表示させる。また、例えば、車両制御情報推論部１７が、「交差点を左折する」という類型に対応する推論モデルを用いて車両制御情報を推論した場合、通知制御部１８は、第１の通知情報として、「左折モードです」等のメッセージを、表示装置に表示させる。
通知制御部１８は、第１の通知情報を、自動運転車両１００が搭載している音声出力装置（図示省略）に出力してもよい。例えば、上述した例でいうと、通知制御部１８は、第１の通知情報として、「直進モードです」、または、「左折モードです」等の音声を、音声出力装置から出力させる。
なお、上述した第１の通知情報の内容は一例に過ぎず、第１の通知情報の内容は、出力された第１の通知情報を認識した搭乗者が、自動運転車両１００がどのような推論モデルに基づいて制御されているのかを把握できるようになっていればよい。

自動運転制御装置１ａにおいて、通知制御部１８が第１の通知情報をどのような方法で出力するかは、適宜決定すればよい。例えば、予め、推論モデルデータベース１５が、推論モデルと対応付けて第１の通知情報を記憶しておくようにすればよい。この場合、車両制御情報推論部１７が、推論モデルデータベース１５から記憶領域に推論モデルをロードする際、第１の通知情報もあわせてロードするようにし、ロードした第１の通知情報を通知制御部１８に通知する。通知制御部１８は、車両制御情報推論部１７から通知された第１の通知情報を出力する。
また、例えば、通知制御部１８が、予め記憶されている変換情報に基づいて、第１の通知情報を生成するようにしてもよい。変換情報は、例えば、推論モデルのＩＤと第１の通知情報とが紐付けられた情報である。例えば、車両制御情報推論部１７が、推論モデルデータベース１５から記憶領域に推論モデルをロードする際、推論モデルのＩＤもあわせてロードするようにし、ロードしたＩＤを通知制御部１８に通知する。なお、推論モデルデータベース１５では、推論モデルにＩＤが付与されているものとする。通知制御部１８は、車両制御情報推論部１７から通知されたＩＤに基づき、変換情報を参照して、第１の通知情報を生成し、生成した第１の通知情報を出力する。

このように、通知制御部１８が第１の通知情報を出力することで、搭乗者は、出力された第１の通知情報に基づき、自動運転車両１００に対して、どのような制御が行われようとしているのかを把握することができる。その結果、搭乗者が、自動運転車両１００がどのように制御されているかわからないという事態を避けることができる。この場合、搭乗者の不安が軽減される。
具体例を挙げると、例えば、実施の形態１において図５を用いて説明した例のように、自動運転車両１００が、地点Ｘから地点Ｙまで走行するとする。この場合、地点Ｘから交差点Ｚまでは、通知制御部１８が第１の通知情報を出力させることで、搭乗者は、自動運転車両１００に対して道路を直進する制御が行われていることを把握することができる。また、搭乗者は、交差点Ｚでは、自動運転車両１００に対して交差点を左折する制御が行われ、交差点Ｚから地点Ｙまでは、自動運転車両１００に対して道路を直進する制御が行われていることを把握することができる。

また、通知制御部１８は、情報取得部１１が取得した車両関連情報に基づく通知情報（以下「第２の通知情報」という。）を通知するようにしてもよい。具体的には、通知制御部１８は、第２の通知情報を、自動運転車両１００が搭載している表示装置等に出力する。例えば、通知制御部１８は、車両関連情報に含まれている環境情報に基づき、第２の通知情報として、「右側に車両があります」または「周辺に歩行者が２人います」等、自動運転車両１００の周辺に存在する歩行者または他車両の位置または数を通知するメッセージを、表示装置に表示させる。また、例えば、通知制御部１８は、車両関連情報に含まれている環境情報に基づき、第２の通知情報として、「右側に車両があります」または「周辺に歩行者が２人います」等の音声を、音声出力装置から出力させる。
上述の例では、通知制御部１８は、車両関連情報に含まれている環境情報に基づき、第２の通知情報を出力するものとしたが、これは一例に過ぎない。通知制御部１８は、車両関連情報に含まれている走行計画情報または地図情報等から第２の通知情報を出力してもよい。

自動運転制御装置１ａにおいて、通知制御部１８が第２の通知情報をどのような方法で出力するかは、適宜決定すればよい。例えば、通知制御部１８は、予め決められたルールに基づき、車両関連情報から第２の通知情報を生成して出力するようにすればよい。また、情報取得部１１が予め決められたルールに基づき、車両関連情報から第２の通知情報を生成して通知制御部１８に通知し、通知制御部１８は情報取得部１１から通知された第２の通知情報を出力するようにしてもよい。

このように、通知制御部１８が第２の通知情報を出力させることで、搭乗者は、自動運転車両１００がどのような情報に基づき制御されているかを把握することができる。その結果、搭乗者が、自動運転車両１００がどのように制御されているかわからないという事態を避けることができる。この場合、搭乗者の不安が軽減される。
具体例を挙げると、例えば、通知制御部１８が、「周辺に歩行者が２人います」との第２の通知情報を出力させることで、搭乗者は、自動運転車両１００が、回避すべき歩行者を認識していることを把握することができる。

なお、通知制御部１８は、通知情報または車両関連情報のいずれかを出力させるようにしてもよいし、通知情報および車両関連情報の両方を出力させるようにしてもよい。

実施の形態３に係る自動運転制御装置１ａのハードウェア構成は、実施の形態１において図１０Ａおよび図１０Ｂを用いて説明した構成例と同様であるため、重複した説明を省略する。
通知制御部１８は、情報取得部１１、類型予測部１２、類型判断部１３、推論モデル決定部１４、ロード指示部１６、および、車両制御情報推論部１７と同様のハードウェア構成を有する。

実施の形態３に係る自動運転制御装置１ａの動作について説明する。
実施の形態３に係る自動運転制御装置１ａにおいても、「予測処理」と「推論処理」が並行して行われる。
自動運転制御装置１ａにおける「予測処理」の動作は、実施の形態１において図３を用いて説明した動作と同様であるため、重複した説明を省略する。

自動運転制御装置１ａにおける「推論処理」の動作は、実施の形態１において図４を用いて説明した動作の、ステップＳＴ４０６の後に、通知制御部１８が、車両制御情報推論部１７が車両制御情報を推論するために用いた推論モデルに関する情報を通知する動作が加わる。このとき、通知制御部１８は、情報取得部１１が取得した車両関連情報を通知するようにしてもよい。また、通知制御部１８は、推論モデルに関する情報を通知する動作に代えて、車両関連情報を通知する動作を行うようにしてもよい。
その他の動作については、実施の形態１において図４を用いて説明した動作と同様であるため、重複した説明を省略する。

以上のように、実施の形態３によれば、自動運転制御装置１ａは、実施の形態１に係る自動運転制御装置１の構成に加え、車両制御情報推論部１７が車両制御情報を推論するために用いた推論モデルに関する第１の通知情報、または、情報取得部１１が取得した車両関連情報に基づく第２の通知情報を出力する通知制御部１８を備えるように構成した。そのため、搭乗者が、自動運転車両１００がどのように制御されているかわからないという事態を避けることができる。この場合、搭乗者の不安が軽減される。

また、以上の実施の形態１～３では、自動運転制御装置１，１ａは、自動運転車両１００に搭載される車載装置とし、情報取得部１１、類型予測部１２、類型判断部１３、推論モデル決定部１４、推論モデルデータベース１５、ロード指示部１６、車両制御情報推論部１７、および、通知制御部１８は、自動運転制御装置１，１ａに備えられているものとした。
これに限らず、情報取得部１１、類型予測部１２、類型判断部１３、推論モデル決定部１４、推論モデルデータベース１５、ロード指示部１６、車両制御情報推論部１７、または、通知制御部１８のうち、一部を自動運転車両１００に搭載される車載装置に備えられるものとし、その他を当該車載装置とネットワークを介して接続されるサーバに備えられるものとして、車載装置とサーバとで自動運転制御システムを構成するようにしてもよい。

図１６は、図２を用いて説明した実施の形態１，２に係る自動運転制御装置１の構成部の一部が車載装置２００に備えられ、その他がサーバ３００に備えられるようにした自動運転制御システムの構成例を示す図である。
図１６に一例として示すような自動運転制御システムでは、実施の形態１，２で説明した自動運転制御装置１が備える情報取得部１１の機能は、車載装置２００およびサーバ３００の両方に備えられる。図１６では、車載装置２００が備える情報取得部を第１の情報取得部１１ａ、サーバ３００が備える情報取得部を第２の情報取得部１１ｂとしている。
図１６に示すような自動運転制御システムでは、第２の情報取得部１１ｂは、位置情報取得部２、環境情報取得部３、走行計画部４、および、地図情報データベース５から、ネットワークを介して、車両関連情報を取得する。

なお、図１６に示す自動運転制御システムでは、位置情報取得部２、環境情報取得部３、走行計画部４、地図情報データベース５、および、車両制御部６は、自動運転車両１００に搭載されるものとしているが、これに限らず、位置情報取得部２、環境情報取得部３、走行計画部４、地図情報データベース５、および、車両制御部６は、サーバ３００に搭載されるものとしてもよい。

また、図１６は、一例として、自動運転制御システムに、実施の形態１，２に係る自動運転制御装置１を適用させているが、当該自動運転制御システムに、実施の形態３に係る自動運転制御装置１ａを適用させてもよい。自動運転制御システムに、実施の形態３に係る自動運転制御装置１ａを適用させた場合、図１６に示すような構成例において、通知制御部１８が、サーバ３００に備えられる。

また、本願発明はその発明の範囲内において、各実施の形態の自由な組み合わせ、あるいは各実施の形態の任意の構成要素の変形、もしくは各実施の形態において任意の構成要素の省略が可能である。

この発明に係る自動運転制御装置は、学習結果である推論モデルを使用できないことにより車両制御情報の推論が行えないという事態を避けることができるように構成したため、車両の自動制御を行う自動運転制御装置に適用することができる。

１，１ａ 自動運転制御装置、２ 位置情報取得部、３ 環境情報取得部、４ 走行計画部、５ 地図情報データベース、６ 車両制御部、１１ 情報取得部、１１ａ 第１の情報取得部、１１ｂ 第２の情報取得部、１２ 類型予測部、１３ 類型判断部、１４ 推論モデル決定部、１５ 推論モデルデータベース、１６ ロード指示部、１７ 車両制御情報推論部、１８ 通知制御部、１００ 自動運転車両、２００ 車載装置、３００ サーバ、１００１ 処理回路、１００２ ＨＤＤ、１００３ ＲＡＭ、１００４ 入力インタフェース装置、１００５ 出力インタフェース装置、１００６ ＣＰＵ、１００７ メモリ。

Claims (9)

1. 車両に関する車両関連情報を取得する情報取得部と、
   前記情報取得部が取得した車両関連情報に含まれる第１の情報に基づき、将来的な、前記車両の車両挙動または前記車両の周辺環境の類型、を予測する類型予測部と、
   前記類型予測部が予測した類型に基づき、全ての推論モデルのうちの一部にあたる少なくとも２つの前記推論モデルのみをロード可能な容量を有する記憶領域にロードすべき前記推論モデルを決定する予測推論モデル決定部と、
   前記予測推論モデル決定部が決定した前記推論モデルを前記記憶領域にロードさせる指示を行うロード指示部と、
   前記第１の情報に基づき、現在の、前記車両の車両挙動または前記車両の周辺環境の類型を判断する類型判断部と、
   前記類型判断部が判断した類型に対応する前記推論モデルを決定する現推論モデル決定部と、
   前記情報取得部が取得した車両関連情報に含まれる第２の情報に基づき、前記現推論モデル決定部が前記推論モデルを決定するよりも前に前記類型予測部が前記第１の情報に基づき予測した類型に基づき前記予測推論モデル決定部が決定した前記推論モデルであって、かつ前記ロード指示部の指示によって前記記憶領域にロード済みの前記推論モデルのうち、前記類型判断部が前記第１の情報に基づき判断した類型に基づき前記現推論モデル決定部が決定した前記推論モデルを用いて、前記車両を自動運転させるための車両制御情報を推論し、前記車両制御情報の推論に使用する前記推論モデルが、前記現推論モデル決定部が決定した前記推論モデルに切り替わると、それまで前記車両制御情報の推論に用いていた使用済みの前記推論モデルを前記記憶領域から消去する車両制御情報推論部
   とを備えた自動運転制御装置。
2. 前記ロード指示部は、２つの前記推論モデルをロード可能な容量を有する前記記憶領域に、前記予測推論モデル決定部が決定した異なる２つの前記推論モデルを別々にロードさせる指示を行う
   ことを特徴とする請求項１記載の自動運転制御装置。
3. 前記第１の情報は前記車両の走行計画に関する情報を含み、
   前記類型予測部は、前記車両の前記走行計画に関する情報に基づき、将来的な、前記車両の車両挙動または前記車両の周辺環境の類型を予測する
   ことを特徴とする請求項１記載の自動運転制御装置。
4. 前記第１の情報は、地図上の各道路について、車道へ物体が飛び出してくる可能性を表す数値である飛び出し危険度に関する情報であり、
   前記類型予測部は、前記飛び出し危険度に関する情報に基づき、将来的な、前記車両の車両挙動または前記車両の周辺環境の類型を予測する
   ことを特徴とする請求項１記載の自動運転制御装置。
5. 前記ロード指示部は、
   前記記憶領域に、他車両との衝突を回避する車両挙動の類型に対応する前記推論モデル、または、前記衝突が生じる前に緊急停止する車両挙動の類型に対応する前記推論モデルを、常時ロードさせておく指示を行う
   ことを特徴とする請求項１記載の自動運転制御装置。
6. 前記車両制御情報推論部が前記車両制御情報を推論するために用いた前記推論モデルに関する第１の通知情報を、前記車両の搭乗者が認識可能な情報として、前記車両に搭載されている出力装置に出力する通知制御部を備えた
   ことを特徴とする請求項１記載の自動運転制御装置。
7. 前記情報取得部が取得した車両関連情報に基づく第２の通知情報を、前記車両の搭乗者が認識可能な情報として、前記車両に搭載されている出力装置に出力する通知制御部を備えた
   ことを特徴とする請求項１記載の自動運転制御装置。
8. 情報取得部が、車両に関する車両関連情報を取得するステップと、
   類型予測部が、前記情報取得部が取得した車両関連情報に含まれる第１の情報に基づき、将来的な、前記車両の車両挙動または前記車両の周辺環境の類型、を予測するステップと、
   予測推論モデル決定部が、前記類型予測部が予測した類型に基づき、全ての推論モデルのうちの一部にあたる少なくとも２つの前記推論モデルのみをロード可能な容量を有する記憶領域にロードすべき前記推論モデルを決定するステップと、
   ロード指示部が、前記予測推論モデル決定部が決定した前記推論モデルを前記記憶領域にロードさせる指示を行うステップと、
   類型判断部が、前記第１の情報に基づき、現在の、前記車両の車両挙動または前記車両の周辺環境の類型を判断するステップと、
   現推論モデル決定部が、前記類型判断部が判断した類型に対応する前記推論モデルを決定するステップと、
   車両制御情報推論部が、前記情報取得部が取得した車両関連情報に含まれる第２の情報に基づき、前記現推論モデル決定部が前記推論モデルを決定するよりも前に前記類型予測部が前記第１の情報に基づき予測した類型に基づき前記予測推論モデル決定部が決定した前記推論モデルであって、かつ前記ロード指示部の指示によって前記記憶領域にロード済みの前記推論モデルのうち、前記類型判断部が前記第１の情報に基づき判断した類型に基づき前記現推論モデル決定部が決定した前記推論モデルを用いて、前記車両を自動運転させるための車両制御情報を推論し、前記車両制御情報の推論に使用する前記推論モデルが、前記現推論モデル決定部が決定した前記推論モデルに切り替わると、それまで前記車両制御情報の推論に用いていた使用済みの前記推論モデルを前記記憶領域から消去するステップ
   とを備えた自動運転制御方法。
9. 車両に関する車両関連情報を取得する情報取得部と、
   前記情報取得部が取得した車両関連情報に含まれる第１の情報に基づき、将来的な、前記車両の車両挙動または前記車両の周辺環境の類型、を予測する類型予測部と、
   前記類型予測部が予測した類型に基づき、全ての推論モデルのうちの一部にあたる少なくとも２つの前記推論モデルのみをロード可能な容量を有する記憶領域にロードすべき前記推論モデルを決定する予測推論モデル決定部と、
   前記予測推論モデル決定部が決定した前記推論モデルを前記記憶領域にロードさせる指示を行うロード指示部と、
   前記第１の情報に基づき、現在の、前記車両の車両挙動または前記車両の周辺環境の類型を判断する類型判断部と、
   前記類型判断部が判断した類型に対応する前記推論モデルを決定する現推論モデル決定部と、
   前記情報取得部が取得した車両関連情報に含まれる第２の情報に基づき、前記現推論モデル決定部が前記推論モデルを決定するよりも前に前記類型予測部が前記第１の情報に基づき予測した類型に基づき前記予測推論モデル決定部が決定した前記推論モデルであって、かつ前記ロード指示部の指示によって前記記憶領域にロード済みの前記推論モデルのうち、前記類型判断部が前記第１の情報に基づき判断した類型に基づき前記現推論モデル決定部が決定した前記推論モデルを用いて、前記車両を自動運転させるための車両制御情報を推論し、前記車両制御情報の推論に使用する前記推論モデルが、前記現推論モデル決定部が決定した前記推論モデルに切り替わると、それまで前記車両制御情報の推論に用いていた使用済みの前記推論モデルを前記記憶領域から消去する車両制御情報推論部
   とを備えた自動運転制御システム。

Images