JP7200371B2 - 車両速度を決定する方法及び装置 - Google Patents

Description

本出願は、2019年7月１７日に中国国家知識産権局に出願され、「METHOD AND APPARATUS FOR DETERMINING VEHICLE SPEED」と題された中国特許出願第201910646083.4号に対する優先権を主張するものであり、該出願はその全体を参照により本明細書に組み込まれる。

［技術分野］
本出願は車両技術の分野に関し、詳細には車両速度を決定する方法及び装置に関する。

自動運転技術等では、車両と周囲の歩行者などの対象との間の衝突を回避するために、車両速度は周囲の対象の運動状態に基づいて決定される必要がある。周囲の対象の運動状態が周囲の対象の主観的な動作意図により影響されるため、車両は、周囲の対象の有りうる動作意図を予測して、予測を通じて学習できる有りうる動作意図に対応する周囲の対象の運動状態に基づいて車両速度を決定することがある。しかしながら、現在、周囲の対象の動作意図の予測中、周囲の対象と車両との間の衝突のリスクにより引き起こされる影響は通常無視される。結果的に、決定された車両速度は十分に適切でなく、車両が移動するとき安全性リスクがあり得る。

本出願の実施形態は、車両速度を決定する方法及び装置を提供し、それにより、車両は、周囲の対象の動作意図の確率再分布、異なる動作意図を有する周囲の対象の運動状態変化、及び異なる移動速度制御動作下の車両の運動状態変化に基づいて、車両の移動速度を決定することができる。このようにして、発生する可能性がより低い、周囲の対象と車両との間の高いリスクは無視されない。したがって、決定された移動速度はより適切であり、車両の移動中の潜在的な安全性リスクが低減される。

第１の態様によれば、本出願の一実施形態は、車両速度を決定する方法を提供する。当該方法は、具体的に、最初、車両の周囲の対象を観測することにより、車両の周囲の対象の観測情報を取得するステップと、周囲の対象の観測情報に基づいて、周囲の対象の異なる動作意図の確率分布を計算するステップと、車両が車両の現在の位置から異なる動作意図に対応するリスクエリアに移動するための移動時間に基づいて、確率分布に対する再分布計算を実行して、異なる動作意図の確率再分布を取得するステップであり、異なる動作意図に対応するリスクエリアは、車両が移動する車線内で、異なる動作意図を有する周囲の対象が通るエリアである、ステップと、車両が異なる動作意図に対応するリスクエリアに移動するための移動時間に基づいて、異なる動作意図を有する周囲の対象の運動状態変化を予測するステップと、最後、異なる動作意図の確率再分布、異なる動作意図を有する周囲の対象の運動状態変化、及び異なる移動速度制御動作下の車両の運動状態変化に基づいて、車両の移動速度を決定するステップと、を含んでもよい。

本出願のこの実施形態で提供される方法によれば、車両の移動過程において、車両の周囲の対象の複数の有りうる動作意図に対して、動作意図の確率分布が周囲の対象の観測情報に基づいて計算され得ることが習得できる。次いで、異なる動作意図の確率再分布が、車両が現在の位置から異なる動作意図に対応するリスクエリアに移動するための移動時間に基づいて計算される。さらに、異なる動作意図を有する周囲の対象の運動状態変化が、車両が異なる動作意図に対応するリスクエリアに移動するための移動時間に基づいて予測される。最後、車両の移動速度が、異なる動作意図の確率再分布、異なる動作意図を有する周囲の対象の運動状態変化、及び異なる移動速度制御動作下の車両の運動状態変化に基づいて決定される。このようにして、車両の移動速度を決定する間、周囲の対象の各有りうる動作意図が考慮される。また、各動作意図に対応し、かつ車両の各加速度の制御下である、周囲の対象と車両との間の衝突のリスク度がさらに考慮される。このようにして、発生する可能性がより低い、周囲の対象と車両との間の高いリスクは無視されない。したがって、決定された移動速度は現在の運転環境により適切であり、車両の移動中の潜在的な安全性リスクが低減される。

第１の態様の可能な一実装を参照し、周囲の対象の観測情報に基づいて、周囲の対象の異なる動作意図の確率分布を計算するステップは、特定の実施の間に以下の動作、すなわち、車両が移動する車線に基づく座標系において、周囲の対象の観測情報に基づいて、周囲の対象と車線との間の相対的な位置関係、及び周囲の対象と車線との間の相対的な運動関係を確立するステップと、周囲の対象と車線との間の相対的な位置関係、及び周囲の対象と車線との間の相対的な運動関係に基づいて、周囲の対象の異なる動作意図の確率分布を計算するステップと、を含んでもよい。このようにして、周囲の対象の異なる動作意図の確率分布は、座標系の変換を通じてより便利かつ正確に計算することができる。これは、その後の適切な車両速度の決定のための正確なデータを提供する。

第１の態様の別の可能な実装を参照し、当該方法は、車両の観測情報を取得するステップと、車両が移動する車線に基づく座標系において、車両の観測情報及び周囲の対象の観測情報に基づいて、車両と車線との間の相対的な位置関係及び車両と車線との間の相対的な運動状態、並びに周囲の対象と車線との間の相対的な位置関係及び周囲の対象と車線との間の相対的な運動状態を確立するステップと、周囲の対象と車線との間の相対的な位置関係及び周囲の対象と車線との間の相対的な運動状態に基づいて、異なる動作意図に対応するリスクエリアを決定するステップと、車両と車線との間の相対的な位置関係及び車両と車線との間の相対的な運動状態、並びに異なる動作意図に対応するリスクエリアに基づいて、車両が車両の現在の位置から異なる動作意図に対応するリスクエリアに移動するための移動時間を計算するステップと、をさらに含んでもよい。このようにして、車両の移動速度の決定の間、周囲の対象の各有りうる動作意図が考慮される。また、各動作意図に対応し、かつ車両の各加速度の制御下である、周囲の対象と車両との間の衝突のリスク度がさらに考慮される。このようにして、発生する可能性がより低い、周囲の対象と車両との間の高いリスクは無視されない。したがって、決定された移動速度は現在の運転環境により適切であり、車両の移動中の潜在的な安全性リスクが低減される。

第１の態様のさらに別の可能な実装を参照し、車両が異なる動作意図に対応するリスクエリアに移動するための移動時間に基づいて、確率分布に対する再分布計算を実行して、異なる動作意図の確率再分布を取得するステップは、特定の実施の間に以下の動作、すなわち、確率分布に対する粒子処理を実行するステップであり、異なる動作意図に対応する粒子の数量が、異なる動作意図の確率分布を表すために使用される、ステップと、計算を通じて取得され、車両が異なる動作意図に対応するリスクエリアに移動するために必要とされる移動時間に基づいて、異なる動作意図に対応する粒子の重みを調整して、異なる動作意図の確率再分布を取得するステップと、を含んでもよい。この場合、さらなる周囲の対象をカバーし、各周囲の対象の全ての有りうる動作意図の発生確率を計算するために、粒子の概念が導入され得る。粒子処理及び計算を通じて、各動作意図のリスク度は、車両が動作意図に対応するリスクエリアに移動するために必要とされる移動時間に基づいて決定することができる。言い換えれば、異なる動作意図の確率再分布が取得される。これは、その後の車両の速度の正確な決定と、自動運転などのインテリジェントな運転技術を使用する車両の安全性及び信頼性の改善のための、不可欠なデータ基礎を提供する。

第１の態様のさらに別の可能な実装を参照し、車両が異なる動作意図に対応するリスクエリアに移動するための移動時間に基づいて、異なる動作意図を有する周囲の対象の運動状態変化を予測するステップは、特定の実施の間に以下の動作、すなわち、車両が異なる動作意図に対応するリスクエリアに移動するための移動時間に基づいて、異なる動作意図を有する周囲の対象が動作意図を変える確率を決定するステップと、異なる動作意図を有する周囲の対象が動作意図を変える確率、及びランダム確率に基づいて、異なる動作意図を有する周囲の対象の運動状態変化を予測するステップと、を含んでもよい。

第１の態様のさらなる可能な実装を参照し、異なる動作意図の確率再分布と、異なる動作意図を有する周囲の対象の運動状態変化と、異なる移動速度制御動作下の車両の運動状態変化に基づいて、車両の移動速度を決定するステップは、特定の実施の間に以下の動作、すなわち、異なる動作意図の確率再分布、異なる動作意図を有する周囲の対象の運動状態変化、及び異なる移動速度制御動作下の車両の運動状態変化に基づいて、異なる移動速度制御動作下でもたらす車両の移動効果を推定するステップと、異なる移動速度制御動作下でもたらす車両の移動効果に基づいて、異なる移動速度制御動作から目標移動速度制御動作を選択するステップと、目標移動速度制御動作に基づいて車両の移動速度を決定するステップと、を含んでもよい。このようにして、車両速度の決定の間、周囲の対象の各有りうる動作意図が考慮される。また、各動作意図に対応し、かつ車両の各加速度の制御下である、周囲の対象と車両との間の衝突のリスク度がさらに考慮される。このようにして、発生する可能性がより低い、周囲の対象と車両との間の高いリスクは無視されない。したがって、決定された移動速度は現在の運転環境により適切であり、車両の移動中の潜在的な安全性リスクが低減される。

第２の態様によれば、本出願の一実施形態は、車両速度を決定する装置を提供する。当該装置は、第１の取得ユニット、第１の計算ユニット、第２の計算ユニット、予測ユニット、及び第１の決定ユニットを含む。第１の取得ユニットは、車両の周囲の対象の観測情報を取得するように構成される。第１の計算ユニットは、周囲の対象の観測情報に基づいて、周囲の対象の異なる動作意図の確率分布を計算するように構成される。第２の計算ユニットは、車両が車両の現在の位置から異なる動作意図に対応するリスクエリアに移動するための移動時間に基づいて、確率分布に対する再分布計算を実行して、異なる動作意図の確率再分布を取得するように構成され、異なる動作意図に対応するリスクエリアは、車両が移動する車線内で、異なる動作意図を有する周囲の対象が通るエリアである。予測ユニットは、車両が異なる動作意図に対応するリスクエリアに移動するための移動時間に基づいて、異なる動作意図を有する周囲の対象の運動状態変化を予測するように構成される。第１の決定ユニットは、異なる動作意図の確率再分布、異なる動作意図を有する周囲の対象の運動状態変化、及び異なる移動速度制御動作下の車両の運動状態変化に基づいて、車両の移動速度を決定するように構成される。

第２の態様の可能な一実装を参照し、第１の計算ユニットは、確立サブユニット及び計算サブユニットを含んでもよい。確立サブユニットは、車両が移動する車線に基づく座標系において、周囲の対象の観測情報に基づいて、周囲の対象と車線との間の相対的な位置関係、及び周囲の対象と車線との間の相対的な運動関係を確立するように構成される。計算サブユニットは、周囲の対象と車線との間の相対的な位置関係、及び周囲の対象と車線との間の相対的な運動関係に基づいて、周囲の対象の異なる動作意図の確率分布を計算するように構成される。

第２の態様の別の可能な実装を参照し、当該装置は、第２の取得ユニット、確立ユニット、第２の決定ユニット、及び第３の計算ユニットをさらに含んでもよい。第２の取得ユニットは、車両の観測情報を取得するように構成される。確立ユニットは、車両が移動する車線に基づく座標系において、車両の観測情報及び周囲の対象の観測情報に基づいて、車両と車線との間の相対的な位置関係及び車両と車線との間の相対的な運動状態、並びに周囲の対象と車線との間の相対的な位置関係及び周囲の対象と車線との間の相対的な運動状態を確立するように構成される。第２の決定ユニットは、周囲の対象と車線との間の相対的な位置関係及び周囲の対象と車線との間の相対的な運動状態に基づいて、異なる動作意図に対応するリスクエリアを決定するように構成される。第３の計算ユニットは、車両と車線との間の相対的な位置関係及び車両と車線との間の相対的な運動状態、並びに異なる動作意図に対応するリスクエリアに基づいて、車両が車両の現在の位置から異なる動作意図に対応するリスクエリアに移動するための移動時間を計算するように構成される。

第２の態様のさらに別の可能な実装を参照し、第２の計算ユニットは、処理サブユニット及び調整サブユニットを含んでもよい。処理サブユニットは、確率分布に対する粒子処理を実行するように構成され、異なる動作意図に対応する粒子の数量が、異なる動作意図の確率分布を表すために使用される。調整サブユニットは、計算を通じて取得され、車両が異なる動作意図に対応するリスクエリアに移動するために必要とされる移動時間に基づいて、異なる動作意図に対応する粒子の重みを調整して、異なる動作意図の確率再分布を取得するように構成される。

第２の態様のさらに別の可能な実装を参照し、予測ユニットは、第１の決定サブユニット及び予測サブユニットを含んでもよい。第１の決定サブユニットは、車両が異なる動作意図に対応するリスクエリアに移動するための移動時間に基づいて、異なる動作意図を有する周囲の対象が動作意図を変える確率を決定するように構成される。予測サブユニットは、異なる動作意図を有する周囲の対象が動作意図を変える確率、及びランダム確率に基づいて、異なる動作意図を有する周囲の対象の運動状態変化を予測するように構成される。

第２の態様のさらなる可能な実装を参照し、第１の決定ユニットは、推定サブユニット、選択サブユニット、及び第２の決定サブユニットを含んでもよい。推定サブユニットは、異なる動作意図の確率再分布、異なる動作意図を有する周囲の対象の運動状態変化、及び異なる移動速度制御動作下の車両の運動状態変化に基づいて、異なる移動速度制御動作下でもたらす車両の移動効果を推定するように構成される。選択サブユニットは、異なる移動速度制御動作下でもたらす車両の移動効果に基づいて、異なる移動速度制御動作から目標移動速度制御動作を選択するように構成される。第２の決定サブユニットは、目標移動速度制御動作に基づいて車両の移動速度を決定するように構成される。

第２の態様で提供される装置は、第１の態様で提供される方法に対応することが理解され得る。したがって、第２の態様の実装、及び第２の態様の実装により達成され得る技術的効果については、第１の態様の実装の関連する説明を参照する。

第３の態様によれば、本出願の一実施形態は、車両をさらに提供する。車両は、センサ、プロセッサ、及び車両速度コントローラを含む。センサは、車両の周囲の対象の観測情報を取得し、観測情報をプロセッサに送信するように構成される。プロセッサは、第１の態様の任意の実装における方法に従って車両の移動速度を決定し、移動速度を車両速度コントローラに送信するように構成される。速度コントローラは、車両の決定された移動速度で移動するよう車両を制御するように構成される。

第４の態様によれば、本出願の一実施形態は、車両をさらに提供する。車両は、プロセッサ及びメモリを含む。メモリは命令を記憶し、プロセッサが命令を実行したとき、車両は、第１の態様の実装のいずれか１つに従う方法を実行する。

第５の態様によれば、本出願の一実施形態は、コンピュータプログラムプロダクトをさらに提供する。コンピュータプログラムプロダクトがコンピュータ上で実行されたとき、コンピュータは、第１の態様の実装のいずれか１つに従う方法を実行可能にされる。

第６の態様によれば、本出願の一実施形態は、コンピュータ読取可能記憶媒体をさらに提供する。コンピュータ読取可能記憶媒体は命令を記憶する。命令がコンピュータ又はプロセッサ上で実行されたとき、コンピュータ又はプロセッサは、第１の態様の実装のいずれか１つに従う方法を実行可能にされる。

本出願の実施形態における技術的解決策をより明確に説明するために、以下では、実施形態を説明するための添付図面について簡潔に説明する。確かに、以下の説明の添付図面は、本出願に記載されるいくつかの実施形態を単に示しており、当業者は、これら添付図面から他の図面を導き出し得る。
本出願の一実施形態による、アプリケーションシナリオに関連する道路交通シナリオの概略図である。 本出願の一実施形態による、自動運転技術等を使用する車両のハードウェアアーキテクチャの概略図である。 本出願の一実施形態による、自動運転技術等を使用する車両システムの概略アーキテクチャ図である。 本出願の一実施形態による、自動運転技術等を使用する車両の概略構造図である。 本出願の一実施形態による、車両速度を決定する方法の概略フローチャートである。 本出願の一実施形態による、歩行者の意図の概略図である。 本出願の一実施形態による、車両周囲の対象－車線モデルの概略図である。 本出願の一実施形態による粒子化表現の概略図である。 本出願の一実施形態による、リスクエリア及び移動時間を決定する概略図である。 本出願の一実施形態による、周囲の対象の相互作用運動モデルの一例の概略図である。 本出願の一実施形態による、車両速度を決定する装置の概略構造図である。 本出願の一実施形態による車両の概略構造図である。 本出願の一実施形態による別の車両の概略構造図である。

車両が車線内を移動するとき、車両速度を決定する際に周囲の歩行者又は動物などの周囲の対象（object）を考慮して、車両の周囲の対象との衝突などの交通事故を回避し、車両及び車両の周囲の対象の安全性を確保する必要がある。

現在、歩行者等の周囲の対象をより良く回避するために、車両の移動速度の決定中、周囲の対象の運動状態が主に周囲の対象の主観的な動作意図により影響されることを考慮し、車両は、周囲の対象の挙動特性を使用することにより周囲の対象の目標動作意図を予測することがある。例えば、車両は、周囲の対象の挙動特性に基づいて周囲の対象の様々な動作意図の発生確率を決定し、確率閾値を設定して、比較的高い発生確率を有する動作意図を目標動作意図として選択する。次いで、車両は、目標動作意図を有する周囲の対象の運動状態に基づいて車両速度を決定する。しかしながら、目標動作意図に加えて、周囲の対象は別の動作意図をさらに有する可能性があり、別の動作意図による周囲の対象と車両との間の衝突の比較的大きいリスクがある可能性がある。したがって、高い発生確率を有する目標動作意図のみが考慮され、予測を通じて得られる単一の目標動作意図に基づいて車両速度が決定される場合、低い発生確率を有するが衝突リスクを引き起こす可能性が高いいくつかの他の動作意図は無視される。この場合、周囲の対象が、高い衝突リスクを有する無視された動作意図で実際に動き、車両が、目標動作意図に基づいて決定された移動速度で移動すると、車両は、周囲の対象と衝突する可能性がかなりある。結果的に、安全性リスクが引き起こされる。

例えば、図１に示す道路交通シナリオの概略図を参照すると、車両１０１は、自動運転技術を使用することにより運転し、シナリオにおける車両１０１の周囲の対象は、歩行者１０２及び歩行者１０３を含む。車両１０１は、歩行者１０２の挙動特性及び歩行者１０３の挙動特性を使用することにより、歩行者１０２及び歩行者１０３のそれぞれの目標動作意図を予測すると仮定される。予測は、以下のとおりである。歩行者１０２の目標動作意図は、車線を迅速に横断すること又は車線を運転方向で斜めに横断することであり、歩行者１０３の目標動作意図は停止である。この場合、車両１０１の決定された車両速度は６０ｋｍ／ｈである。しかしながら、車両１０１が動作意図を予測するとき、車両１０１との衝突を引き起こす可能性のある歩行者１０２及び歩行者１０３の他の有りうる動作意図は考慮されない。したがって、予測を通じて得られる、車両１０１により近い歩行者１０３の目標動作意図は、発生する可能性がほとんどない、車線を迅速に横断する動作意図又は車線を運転方向で斜めに横断する動作意図を含まない。この場合、決定された車両速度は比較的大きい。しかしながら、歩行者１０３は、車線を迅速に横断し、あるいは車線を運転方向で斜めに横断する可能性がある。歩行者１０３の目標動作意図が不正確に予測されているため、車両１０１は、比較的高い衝突リスクを有する動作意図を無視する可能性が高い。この場合、車両１０１が比較的高速の６０ｋｍ／ｈで移動するとき、車両１０１は歩行者１０３にぶつかる可能性が高く、車両１０１及び歩行者１０３に関連する交通事故を引き起こす。

これに基づき、周囲の対象の動作意図が正確に又は包括的に予測されないため、決定された車両速度が不適切であるという問題を解決するために、本出願の実施形態において、適切な車両速度を決定する方法が提供される。車両及び車両の周囲の対象は、車両が決定された適切な速度で移動するならば、安全であり得る。車両速度を決定する具体的なプロセスは、周囲の対象の観測情報に基づいて、全ての動作意図の確率分布を計算し、車両が現在の位置から異なる動作意図に対応するリスクエリアに移動するための移動時間に基づいて、異なる動作意図の確率再分布を計算することと、次いで、車両が異なる動作意図に対応するリスクエリアに移動するための移動時間に基づいて、異なる動作意図を有する周囲の対象の運動状態変化を予測することと、最後に、異なる動作意図の確率再分布、異なる動作意図を有する周囲の対象の運動状態変化、及び異なる加速度下の車両の運動状態変化に基づいて、車両の移動速度を決定することを含んでもよい。このようにして、車両速度の決定の間、周囲の対象の各々の有りうる動作意図が考慮され、周囲の対象と、異なる加速度を使用することにより移動する車両との間の、各動作意図に対応する衝突のリスク度がさらに考慮される。このようにして、発生する可能性がより低い、周囲の対象と車両との間の高いリスクは無視されない。したがって、決定された移動速度は現在の運転環境により適切であり、車両の移動中の潜在的な安全性リスクが低減される。

一例として、図１に示すシナリオが依然として用いられる。車両１０１は、本出願の実施形態で提供される方法を使用することにより車両速度を決定すると仮定し、具体的な決定プロセスは、以下を含んでもよい。最初、歩行者１０２及び歩行者１０３の７つの動作意図（歩道に沿って前進すること、歩道に沿って後退すること、車線を真っすぐ横断すること、車線を運転方向で斜めに横断すること、車線を運転方向と対向する方向で斜めに横断すること、車線から離れること、及び停止を含む）の確率分布ｂ_１０２及びｂ_１０３が、歩行者１０２の観測情報及び歩行者１０３の観測情報に基づいてそれぞれ予測される。ｂ_１０２は、歩行者１０２が各動作意図を有する確率Ｐ１０２ｉ（ｉ＝１，２，．．．，７）を含み、ｂ_１０３は、歩行者１０３が各動作意図を有する確率Ｐ１０３ｉ（ｉ＝１，２，．．．，７）を含む。次いで、各動作意図について、車両１０１が移動する車線内で、動作意図を有する歩行者１０２が通るエリアが、動作意図を有する歩行者１０２に対応するリスクエリアとして決定及び記録され、車両１０１が移動する車線内で、動作意図を有する歩行者１０３が通るエリアが、動作意図を有する歩行者１０３に対応するリスクエリアとして決定及び記録される。次いで、車両１０１が現在の位置から歩行者１０２に対応するリスクエリアに移動するために必要とされる移動時間Ｔ_１０２ｉが計算され、車両１０１が現在の位置から歩行者１０３に対応するリスクエリアに移動するために必要とされる移動時間Ｔ_１０３ｉが計算される。その後、移動時間Ｔ_１０２ｉに基づいて確率分布ｂ_１０２に対する再分布計算を実行して、動作意図に対応する確率再分布ｂ’_１０２を取得することができ、移動時間Ｔ_１０３ｉに基づいて確率分布ｂ_１０３に対する再分布計算を実行して、動作意図に対応する確率再分布ｂ’_１０３を取得する。さらに、異なる動作意図を有する歩行者１０２の運動状態変化及び異なる動作意図を有する歩行者１０３の運動状態変化を、それぞれ、移動時間Ｔ_１０２ｉ及び移動時間Ｔ_１０３ｉに基づいてさらに予測することができる。最後、車両１０１は、確率再分布ｂ’_１０２及び確率再分布ｂ’_１０３、異なる動作意図を有する歩行者１０２の運動状態変化及び異なる動作意図を有する歩行者１０３の運動状態変化、並びに異なる加速度下の車両の運動状態変化に基づいて、車両の移動速度を３０ｋｍ／ｈとして決定することができる。このようにして、歩行者１０２及び歩行者１０３の動作意図の予測の間、様々な有りうる動作意図が考慮され、車両が各動作意図の下で異なる対処ストラテジを使用するとき発生し得る状況を参照して、比較的適切な車両速度が連帯的に決定される。したがって、車両１０１は、車線内を、比較的安全である３０ｋｍ／ｈの速度で移動する。これは、車両１０１の移動中に存在し得る安全性リスクを効果的に回避し、自動運転技術等の信頼性及び安全性を改善する。

本出願の実施形態において提供される車両速度を決定する方法が説明される前に、本出願の実施形態における車両のハードウェアアーキテクチャが最初に説明される。

図２は、本出願の一実施形態による、車両に適用されるシステムのハードウェアアーキテクチャの概略図である。車両２００は、フロントビューカメラ２０１、レーダ２０２、全地球測位システム（英語：Global Positioning System、略称ＧＰＳ）２０３、画像処理ユニット２０４、中央処理ユニット（英語：Central Processing Unit、略称ＣＰＵ）２０５、及びコントローラ２０６を含む。フロントビューカメラ２０１は、道路シナリオの画像を収集するように構成され得る。レーダ２０２は、動的な周囲の対象又は静的な周囲の対象のデータを収集するように構成され得る。画像処理ユニット２０４は、車線ライン、車線縁石、他の車両、及び周囲の対象（例えば、歩行者、動物、又は木）を認識するように構成され得る。ＣＰＵ２０５は、以下の動作、すなわち、フロントビューカメラ２０１からの画像データ、及びレーダ２０２からの周囲の対象の状態データを取得することと、画像プロセッサ２０４を起動して目標認識を実行し、ＣＰＵ２０５の内部計算モジュールを起動して融合及び他の演算を実行することと、適切な目標車両速度を決定し、目標車両速度に基づいて判断制御命令を生成することと、判断制御命令をコントローラ２０６に送信することを実行することにより、車両２００全体に対して全体的な制御を実行するように構成され得る。コントローラ２０６は、受信した判断制御命令に基づいて、現在の車線内で目標速度において移動するよう車両を制御するように構成され得る。

図２に示すハードウェアアーキテクチャの車両２００については、本出願の一実施形態による対応するシステムアーキテクチャの概略図が図３に示されている。システムの観点から、車両２００は、車載センサシステム２１０、車載コンピュータシステム２２０、及び車載制御実行システム２３０を含む。車載センサシステム２１０は、フロントビューカメラ２０１により収集されたデータ、レーダ２０２により収集されたデータ、及びＧＰＳ２０３による測位を通じて取得されたデータを取得するように構成され得る。車載コンピュータシステム２２０は、一般に２つのモジュール、すなわち、知覚データ処理モジュール２２１と判断及び計画モジュール２２２に分割される。知覚データ処理モジュール２２１は、車両２００の周囲の対象（特に、周囲の歩行者）を検出し、周囲の対象の位置及び運動情報を出力するように構成され得る。判断及び計画モジュール２２２は、周囲の対象の現在の位置及び運動情報に基づいて周囲の対象の動作意図の分布を予測及び更新して、動作意図の分布に基づいて車両２００の車両速度を判断及び計画するように構成され得る。車載制御実行システム２３０は、判断及び計画モジュール２２２により出力された判断制御命令を取得し、判断制御命令に示される車両速度で移動するよう車両２００を制御するように構成され得る。本出願のこの実施形態で提供される車両速度を決定する方法は、主に車載コンピュータシステム２２０の判断及び計画モジュール２２２により実行されることに留意されたい。具体的な一実装については、図４に示す実施形態の関連する説明を参照する。

一例において、プロダクトの観点から、本出願のこの実施形態における車両２００の対応する概略構造図が図４に示される。車両２００は、センサレイヤ４１０、知覚レイヤ４２０、判断及び計画レイヤ４３０、及び車両制御レイヤ４４０を含む。データストリームが、前述の４つのレイヤに順次到着し、４つのレイヤにより順次処理される。センサレイヤ４１０は、単眼／双眼フロントビューカメラ２０１により収集されたデータ、ライダ（lidar）／ミリ波レーダ２０２により収集されたデータ、及びＧＰＳ２０３による測位を通じて取得されたデータをロードするように構成され得る。知覚レイヤ４２０は、以下の６つのモジュール、すなわち、車両／周囲の対象検出モジュール４２１、車線ライン検出モジュール４２２、交通標識検出モジュール４２３、自車両測位（ego vehicle positioning）モジュール４２４、動的／静的対象検出モジュール４２５、及び知覚及び融合モジュール４２６により得られたデータをロードするように構成され得る。判断及び計画レイヤ４３０は、歩行者意図分布予測及び更新モジュール４３１、速度判断及び計画モジュール４３２、及び経路計画モジュール４３３により得られたデータをロードするように構成され得る。車両制御レイヤ４４０は、判断及び計画レイヤ４３０により送られたデータに基づいて、車両２００に対する水平及び垂直制御を実行するように構成され得る。図４のグレーボックス内のモジュールは、本出願のこの実施形態で提供される車両速度を決定する方法を実施するように構成されたモジュールであることに留意されたい。本出願のこの実施形態において、車両の決定された速度が安全で信頼できるかどうかは、判断及び計画レイヤ４３０内のグレーの２つのモジュール４３１及び４３２に主に依存する。

前述のシナリオは、本出願のこの実施形態で提供されるシナリオの単なる一例であり、本出願のこの実施形態は、このシナリオに限定されないことが理解され得る。

添付図面を参照し、以下では、実施形態を使用することにより、本出願の実施形態における車両速度を決定する方法の具体的な実装について詳細に説明する。

図５は、本出願の一実施形態による、車両速度を決定する方法の概略フローチャートである。本方法は、以下のステップ５０１～ステップ５０５を具体的に含むことができる。

ステップ５０１：車両の周囲の対象の観測情報を取得する。

ステップ５０２：周囲の対象の観測情報に基づいて、周囲の対象の異なる動作意図の確率分布を計算する。

車両の運転環境において、車両の周囲の対象は、交通に関与し得る対象、例えば、車両の周りの歩行者又は動物を含んでもよいことが理解され得る。本出願のこの実施形態において、車両の周囲の対象は、一例として、車両の周りの歩行者を用いることにより理解され、説明され得る。周囲の対象の観測情報は、周囲の対象の状態を反映することができる情報であり、周囲の対象の各動作意図の確率を予測するために使用することができる。

動作意図は、現在の車線に対する周囲の対象の意図であることが理解され得る。例えば、図６は、歩行者の複数の意図の概略図である。図６において、図解ａは、動作意図ｇ１：歩道に沿って前進することを示し、図解ｂは、動作意図ｇ２：歩道に沿って後退することを示し、図解ｃは、動作意図ｇ３：車線を真っすぐ横断することを示し、図解ｄは、動作意図ｇ４：車線を運転方向で斜めに横断することを示し、図解ｅは、動作意図ｇ５：車線から離れることを示し、図解ｆは、動作意図ｇ６：車線を運転方向と対向する方向で斜めに横断することを示し、図解ｇは、動作意図ｇ７：停止を示す。ある場合に、車両の周りに１つの周囲の対象のみ存在する場合、周囲の対象の動作意図は、この１つの周囲の対象のみの動作意図を意味する。例えば、車両の周囲の対象が歩行者Ａであると仮定される。各歩行者が２つの有りうる動作意図、すなわち、待機と横断を有すると仮定すると、周囲の対象の動作意図は２つの動作意図、すなわち、Ａが待機すること及びＡが車線を横断することを含む。別の場合に、車両の周りに少なくとも２つの周囲の対象が存在する場合、周囲の対象の動作意図は、周囲の対象の各々に対応する動作意図の組み合わせを意味する。例えば、車両の周囲の対象が歩行者Ａと歩行者Ｂを含むと仮定される。各歩行者が２つの有りうる動作意図、すなわち、待機と横断を有すると仮定すると、周囲の対象の動作意図は、２×２＝４つの動作意図の組み合わせ、すなわち、｛Ａが待機する，Ｂが待機する｝、｛Ａが待機する，Ｂが車線を横断する｝、｛Ａが車線を横断する，Ｂが待機する｝、｛Ａが車線を横断する，Ｂが車線を横断する｝を含む。

特定の実施の間、車両の周囲の対象の取得された観測情報に基づいて、周囲の対象の各動作意図の確率が計算され得る。周囲の対象の各動作意図の発生確率を使用して、周囲の対象の異なる動作意図の確率分布を取得することができる。発生確率は、各周囲の対象が各動作意図を有する確率である。

一例において、ステップ５０２は、具体的に、車両が移動する車線に基づく座標系において、周囲の対象の観測情報に基づいて、周囲の対象と車線との間の相対的な位置関係、及び周囲の対象と車線との間の相対的な運動関係を確立することと、周囲の対象と車線との間の相対的な位置関係、及び周囲の対象と車線との間の相対的な運動関係に基づいて、周囲の対象の異なる動作意図の確率分布を計算することを含んでもよい。

車線座標系（すなわち、Ｓ－Ｌ座標系）において、経路の開始点を起点として使用し、かつ車両が車線内で移動すべき方向が、Ｓ軸の正方向として示され、Ｓ軸の正方向に垂直な左方向が、Ｌ軸の正方向であることが理解され得る。詳細については、図７を参照することができる。

いくつかの実装では、ステップ５０１及びステップ５０２において、周囲の対象の各動作意図の発生確率は、前の時点の周囲の対象の観測情報及び次の時点の周囲の対象の観測情報に基づいて具体的に予測されてもよい。具体的な実装には、以下を含んでもよい。Ｓ１１：車両の周囲の対象の観測情報を取得する。Ｓ１２：各周囲の対象が新しい周囲の対象であるかどうかを決定し、周囲の対象が新しい周囲の対象である場合はＳ１３を実行し、周囲の対象が新しい周囲の対象でない場合はＳ１４を実行する。Ｓ１３：周囲の対象の各動作意図の発生確率を初期化する。Ｓ１４：観測情報に基づいて、周囲の対象の各動作意図の発生確率を更新する。周囲の対象の各動作意図の発生確率が決定された後、各動作意図の発生確率に基づいて周囲の対象の異なる動作意図の確率分布が決定され得ることに留意されたい。

ステップ５０１（すなわち、Ｓ１１）で得られる、車両の周囲の対象の観測情報は、具体的に、以下のプロセス、すなわち、図２、図３、又は図４のフロントビューカメラ２０１、レーダ２０２、又はＧＰＳ２０３が観測情報を収集することで得られてもよいことに留意されたい。観測情報は、別個の処理のために、図４の知覚レイヤ４２０の車両／周囲の対象検出モジュール４２１、自車両測位モジュール４２４、及び動的／静的対象検出モジュール４２５に送られる。次いで、３つの処理結果が、データ関連づけ融合及び追跡処理のために、知覚及び融合モジュール４２６に送られる。ステップ５０２（すなわち、Ｓ１２～Ｓ１４）は、具体的に、図２のＣＰＵ２０５（図３の車載コンピュータシステム２２０の判断及び計画モジュール２２２、又は図４の判断及び計画レイヤ４３０の歩行者意図分布予測及び更新モジュール４３１）により実施されてもよい。

一例において、Ｓ１１は、具体的に、フィルタリング、マルチセンサデータの関連づけ及び融合、並びに車両の周りの環境の収集されたデータの追跡などの処理を実行することにより、矩形座標系における周囲の対象の第１の観測情報を取得することを含んでもよい。周囲の対象の第１の観測情報は、周囲の対象の位置、周囲の対象の運動速度、及び周囲の対象の運動向きを含んでもよい。交通に関与する周囲の対象ごとに、周囲の対象の第１の観測情報が取得される必要があることに留意されたい。後続の計算のためのデータ基礎を提供するために、車両位置、車両速度、車両加速度、及び車両進路を含む、自車両の第１の観測情報も取得される必要がある。

一例として、図１に示す交通シナリオが依然として用いられる。歩行者１０２の第１の観測情報は、Ｓ１１を通じて取得されてもよく、Ｏ_{ｐｅｄｅｓｔｒｉａｎ１０２}＝｛位置：（ｘ_{ｐｅｄｅｓｔｒｉａｎ１０２}，ｙ_{ｐｅｄｅｓｔｒｉａｎ１０２}），運動速度：Ｖ_{ｐｅｄｅｓｔｒｉａｎ１０２}，運動向き：θ_{ｐｅｄｅｓｔｒｉａｎ１０２}｝として表されてもよい。歩行者１０３の第１の観測情報は、Ｏ_{ｐｅｄｅｓｔｒｉａｎ１０３}＝｛位置：（ｘ_{ｐｅｄｅｓｔｒｉａｎ１０３}，ｙ_{ｐｅｄｅｓｔｒｉａｎ１０３}），運動速度：Ｖ_{ｐｅｄｅｓｔｒｉａｎ１０３}，運動向き：θ_{ｐｅｄｅｓｔｒｉａｎ１０３}｝として表されてもよい。車両１０１の第１の観測情報は、Ｏ_{ｖｅｈｉｃｌｅ１０１}＝｛位置：（ｘ_{ｖｅｈｉｃｌｅ１０１}，ｙ_{ｖｅｈｉｃｌｅ１０１}），速度：Ｖ_{ｖｅｈｉｃｌｅ１０１}，加速度：ａ_{ｖｅｈｉｃｌｅ１０１}，進路：θ_{ｖｅｈｉｃｌｅ１０１}｝として表されてもよい。

特定の実施の間、車両の観点から、周囲の対象が、車両が移動すべき車線に入る可能性を有するかどうかを考慮するために、周囲の対象は、Ｓ－Ｌ座標系で観測される必要がある。この場合、第１の観測情報の位置は、矩形座標系から、第２の観測情報の位置として使用されるＳ－Ｌ座標系の位置に変換される必要がある。具体的な変換は、矩形座標系における元の位置を、車両が移動すべき車線の方向のマッピング点に垂直にマッピングすることと、運転車線の開始点とマッピング点との間の距離を取得し、その距離をＳ軸方向の値として使用することと、元の位置とマッピング点との間の距離を計算し、その距離をＬ軸方向の値として使用することを含んでもよい。図７を参照し、車両周囲の対象－車線モデル（object-lane model）を構成することができる。車両周囲の対象－車線モデルは、Ｓ－Ｌ座標系を参照座標系として使用し、車両と車線との間の相対的な位置関係、及び車両と車線との間の相対的な運動関係、並びに周囲の対象と車線との間の相対的な位置関係、及び周囲の対象と車線との間の相対的な運動関係を記述するために使用される。したがって、車両周囲の対象－道路モデルは、第２の観測情報を計算するために使用されてもよい。例えば、図７に示す歩行者及び車両については、歩行者の第１の観測情報は位置（ｘ_{ｐｅｄｅｓｔｒｉａｎ}，ｙ_{ｐｅｄｅｓｔｒｉａｎ}）を含み、車両の第１の観測情報は位置（ｘ_{ｖｅｈｉｃｌｅ}，ｙ_{ｖｅｈｉｃｌｅ}）を含むと仮定される。この場合、図７を参照し、歩行者位置が変換されたＳ－Ｌ座標系における位置は、（ｓ_{ｐｅｄｅｓｔｒｉａｎ}，ｌ_{ｐｅｄｅｓｔｒｉａｎ}）であり、車両の位置が変換されたＳ－Ｌ座標系における位置は、（ｓ_{ｖｅｈｉｃｌｅ}，ｌ_{ｖｅｈｉｃｌｅ}）である。

一例として、図１に示す交通シナリオが依然として用いられる。歩行者１０２の第２の観測情報は、Ｓ１１を通じて取得されてもよく、Ｏ_{ｐｅｄｅｓｔｒｉａｎ１０２}’＝｛（ｓ_{ｐｅｄｅｓｔｒｉａｎ１０２}，ｌ_{ｐｅｄｅｓｔｒｉａｎ１０２}），Ｖ_{ｐｅｄｅｓｔｒｉａｎ１０２}，θ_{ｐｅｄｅｓｔｒｉａｎ１０２}｝として表されてもよい。歩行者１０３の第２の観測情報は、Ｏ_{ｐｅｄｅｓｔｒｉａｎ１０３}’＝｛（ｓ_{ｐｅｄｅｓｔｒｉａｎ１０３}，ｌ_{ｐｅｄｅｓｔｒｉａｎ１０３}），Ｖ_{ｐｅｄｅｓｔｒｉａｎ１０３}，θ_{ｐｅｄｅｓｔｒｉａｎ１０３}｝として表されてもよい。車両１０１の第２の観測情報は、Ｏ_{ｖｅｈｉｃｌｅ１０１}’＝｛（ｓ_{ｖｅｈｉｃｌｅ１０１}，ｌ_{ｖｅｈｉｃｌｅ１０１}），Ｖ_{ｖｅｈｉｃｌｅ１０１}，ａ_{ｖｅｈｉｃｌｅ１０１}，θ_{ｖｅｈｉｃｌｅ１０１}｝として表されてもよい。

車両の周囲の対象の観測情報が前述の実装に従って取得された後、Ｓ１２を実行して、各周囲の対象が新しい周囲の対象であるかどうかを決定してもよいことに留意されたい。新しい周囲の対象については、周囲の対象の各意図の発生確率がＳ１３に従って初期化される。既存の周囲の対象については、周囲の対象の各意図の発生確率がＳ１４に従って観測情報に基づいて更新される。Ｓ１３及びＳ１４の双方において、確率は、周囲の対象と車線と間の相対的な位置関係、及び周囲の対象と車線との間の相対的な運動関係に基づいて計算を通じて取得されることが理解され得る。

Ｓ１２では、周囲の対象が新しい周囲の対象であるかどうかは、現在の時点で観測された周囲の対象が現在の時点の前に観測されたかどうかを決定することにより決定されてもよい。現在の時点で観測された周囲の対象が現在の時点の前に観測されていない場合、それは、周囲の対象が車両の周りに現れる新しい対象であることを示し、周囲の対象が新しい周囲の対象であると決定され得る。反対に、現在の時点で観測された周囲の対象が現在の時点の前にも観測されていた場合、それは、周囲の対象が現在の時点の前に存在していることを示し、周囲の対象が新しい周囲の対象でないと決定され得る。

Ｓ１３では、新しい周囲の対象の発生確率が初期化される。周囲の対象が新たに観測されており、周囲の対象の動作意図の他のデータ基礎が存在しないため、発生確率は、周囲の対象の有りうる動作意図の数量に基づいて決定されてもよい。言い換えれば、各有りうる動作意図の発生確率は等しい。例えば、新しい周囲の対象Ａが７つの有りうる動作意図を有すると仮定すると、７つの予測される動作意図の全ての発生確率は等しく、すなわち１／７である。

Ｓ１４では、周囲の対象の各意図の発生確率が観測情報に基づいて更新される。具体的には、周囲の対象の各動作意図の発生確率は、現在の時点に最も近い時点における動作意図の発生確率、現在の時点における周囲の対象の位置及び現在の時点に最も近い時点における周囲の対象の位置、並びにＳ－Ｌ座標系におけるＳ方向及びＬ方向の動作意図の更新モデルの平均及び対応する分散に基づいて決定されてもよい。例えば、更新モデルは、ガウス運動モデルでもよい。

例えば、ｔ＝０のときの時点で歩行者１０２のみが観測可能であり、ｔ＝１のときの時点で歩行者１０２及び歩行者１０３が観測可能であると仮定される。

ｔ＝０のときの時点で、矩形座標系における歩行者１０２の観測情報は、

として取得される。歩行者１０２がＳ１２を通じて新しい周囲の対象として決定された場合、歩行者１０２の状態及び歩行者１０２の動作意図の発生確率の分布は初期化される必要がある。具体的な演算には、車両が移動すべき経路ｐａｔｈ＝｛（ｘ_０，ｙ_０），（ｘ_１，ｙ_１），（ｘ_２，ｙ_２），．．．，（ｘ_ｎ，ｙ_ｎ）｝を参照座標系として使用すること（ｎは、参照座標系に含まれる点の数量である）と、ｐａｔｈ上に投影された歩行者１０２の位置（ｘ_{ｐｅｄｅｓｔｒｉａｎ１０２} ^ｔ＝０，ｙ_{ｐｅｄｅｓｔｒｉａｎ１０２} ^ｔ＝０）の点（ｘ_ｉ，ｙ_ｉ）を計算することと、ｐａｔｈに沿って、ｐａｔｈの開始点（ｘ_０，ｙ_０）と投影点（ｘ_ｉ，ｙ_ｉ）との間の距離を計算することと、（ｘ_{ｐｅｄｅｓｔｒｉａｎ１０２} ^ｔ＝０，ｙ_{ｐｅｄｅｓｔｒｉａｎ１０２} ^ｔ＝０）と投影点（ｘ_ｉ，ｙ_ｉ）との間の距離ｌ_{ｐｅｄｅｓｔｒｉａｎ１０２} ^ｔ＝０を計算することを含んでもよい。この場合、歩行者１０２の初期化された状態は、｛ｓ_{ｐｅｄｅｓｔｒｉａｎ１０２} ^ｔ＝０，ｌ_{ｐｅｄｅｓｔｒｉａｎ１０２} ^ｔ＝０，ｖ_{ｐｅｄｅｓｔｒｉａｎ１０２} ^ｔ＝０，ｂ_{ｐｅｄｅｓｔｒｉａｎ１０２} ^ｔ＝０｝でもよく、ｂ_{ｐｅｄｅｓｔｒｉａｎ１０２} ^ｔ＝０は、ｔ＝０のときの時点における歩行者１０２の複数の動作意図の発生確率の分布である。歩行者１０２が新しい周囲の対象であるため、

が決定される。歩行者１０２の動作意図には、７つの動作意図、すなわちｇ１～ｇ７が含まれ、全ての動作意図の確率は等しい（すなわち、１／７）。Ｐ_{ｐｅｄｅｓｔｒｉａｎ１０２} ^ｔ＝０（ｇ１）は、歩行者１０２が時点ｔ＝０において動作意図ｇ１を有する確率を表し、Ｐ_{ｐｅｄｅｓｔｒｉａｎ１０２} ^ｔ＝０（ｇ２）は、歩行者１０２が時点ｔ＝０において動作意図ｇ２を有する確率を表し、以下同様であることが理解され得る。詳細は本明細書で説明されない。

時点ｔ＝１において、矩形座標系における歩行者１０２の観測情報及び歩行者１０３の観測情報は、それぞれ、Ｏ_{ｐｅｄｅｓｔｒｉａｎ１０２} ^ｔ＝１＝｛ｘ_{ｐｅｄｅｓｔｒｉａｎ１０２} ^ｔ＝１，ｙ_{ｐｅｄｅｓｔｒｉａｎ１０２} ^ｔ＝１，ｖ_{ｐｅｄｅｓｔｒｉａｎ１０２} ^ｔ＝１，θ_{ｐｅｄｅｓｔｒｉａｎ１０２} ^ｔ＝１｝及びＯ_{ｐｅｄｅｓｔｒｉａｎ１０３} ^ｔ＝１＝｛ｘ_{ｐｅｄｅｓｔｒｉａｎ１０３} ^ｔ＝１，ｙ_{ｐｅｄｅｓｔｒｉａｎ１０３} ^ｔ＝１，ｖ_{ｐｅｄｅｓｔｒｉａｎ１０３} ^ｔ＝１，θ_{ｐｅｄｅｓｔｒｉａｎ１０３} ^ｔ＝１｝である。Ｓ１２における決定の後、歩行者１０３が新しい周囲の対象であると決定された場合、歩行者１０３の状態及び歩行者１０３の動作意図の分布は初期化される必要があり、歩行者１０２が既存の周囲の対象であると決定された場合、歩行者１０２の各動作意図の発生確率は観測情報に基づいて更新される。歩行者１０３の状態及び意図の分布を初期化する処理については、時点ｔ＝０における歩行者１０２の初期化処理の説明を参照する。詳細は本明細書で再度説明されない。歩行者１０２の各動作意図を更新する処理は、具体的に以下のステップを含んでもよい。ステップ１：歩行者１０２の観測情報Ｏ_{ｐｅｄｅｓｔｒｉａｎ１０２} ^ｔ＝１＝｛ｘ_{ｐｅｄｅｓｔｒｉａｎ１０２} ^ｔ＝１，ｙ_{ｐｅｄｅｓｔｒｉａｎ１０２} ^ｔ＝１，ｖ_{ｐｅｄｅｓｔｒｉａｎ１０２} ^ｔ＝１，θ_{ｐｅｄｅｓｔｒｉａｎ１０２} ^ｔ＝１｝に基づいて、垂直投影及び距離計算を通じて、時点ｔ＝１でのＳ－Ｌ座標系における歩行者１０２の位置及び速度ｓ_{ｐｅｄｅｓｔｒｉａｎ１０２} ^ｔ＝１，ｌ_{ｐｅｄｅｓｔｒｉａｎ１０２} ^ｔ＝１，ｖ_{ｐｅｄｅｓｔｒｉａｎ１０２} ^ｔ＝１を取得する。ステップ２：ガウス運動モデルに従って、時点ｔ＝１における歩行者１０２の動作意図の分布ｂ_{ｐｅｄｅｓｔｒｉａｎ１０２} ^ｔ＝１を更新する。具体的には、各動作意図の発生確率が更新される。ステップ２については、時点ｔ＝１における動作意図ｇ１の発生確率が説明のため一例として用いられる。具体的には、更新後の時点ｔ＝１における動作意図ｇ１の発生確率は、以下の式（１）に従って計算されてもよい：

ここで、Ｐ_ｓ ^ｇ１及びＰ_ｌ ^ｇ１は、以下の式（２）に従って計算を通じて取得されてもよい：

ここで、μ_ｓ ^ｇ１及びμ_ｌ ^ｇ１は、ガウス運動モデルを使用することによるＳ－Ｌ座標系におけるＳ方向及びＬ方向の歩行者１０２の動作意図ｇ１の平均である。σ_ｓ及びσ_ｌは、ガウス運動モデルを使用することによるＳ－Ｌ座標系におけるＳ方向及びＬ方向の歩行者１０２の動作意図ｇ１の標準偏差である。

時点ｔ＝１における歩行者１０２の動作意図ｇ２～ｇ７の発生確率を更新する方法は、時点ｔ＝１における動作意図ｇ１の発生確率を更新する方法と同様であることが理解され得る。詳細は本明細書で再度説明されない。更新後、時点ｔ＝１において、歩行者１０２の動作意図の発生確率の分布は

として表されてもよい。Ｐ_{ｐｅｄｅｓｔｒｉａｎ１０２} ^ｔ＝１（ｇ１）は、歩行者１０２が時点ｔ＝１において動作意図ｇ１を有する確率を表し、Ｐ_{ｐｅｄｅｓｔｒｉａｎ１０２} ^ｔ＝１（ｇ２）は、歩行者１０２が時点ｔ＝１において動作意図ｇ２を有する確率を表し、以下同様であることが理解され得る。詳細は本明細書で説明されない。

歩行者１０２の動作意図の発生確率の分布を計算する方法において、さらなる周囲の対象をカバーし、各周囲の対象の各有りうる動作意図の発生確率を包括的に計算するために、粒子の概念が導入されてもよいことに留意されたい。各動作意図の発生確率は、動作意図に含まれる粒子の数量により表される。具体的には、動作意図ｇ１が大量の粒子を含む場合、それは、動作意図の発生確率が比較的高いことを示す。反対に、動作意図ｇ１が少量の粒子を含む場合、それは、動作意図の発生確率が比較的低いことを示す。

例えば、前述の第１の実装におけるＳ１３の対応する例では、動作意図の発生確率の分布は、時点ｔ＝０において

として初期化される。この場合、発生確率の分布は、予め設定された数量の粒子（すなわち、全ての動作意図の数量の整数倍、例えば、７００）を使用することにより表されてもよい。図８に示すように、各動作意図は、同数量の粒子を含む粒子集合に対応する。例えば、７つの動作意図を含む７００個の粒子については、各動作意図の発生確率は１／７である。したがって、各動作意図は１００個の同じ粒子の集合に対応し、各粒子の重みは１／７００である。

７００個の粒子のうち１つの状態は、

として表されてもよく、ｊは、車両の第ｊの周囲の対象を表し、ｗは、粒子の重みを表す。粒子の集合は、｛ｐａｒｔｉｃｌｅ^１，ｐａｒｔｉｃｌｅ^２，．．．，ｐａｒｔｉｃｌｅ^ｍ｝として表されてもよく、ｍは、粒子の総数量、すなわち７００である。例えば、車両と、車両の周囲の対象：歩行者１及び歩行者２について、各粒子の状態は、

として表されてもよく、ｗｉは、ｐａｒｔｉｃｌｅ^ｉの重みを表し、重みは、粒子に対応する動作意図のリスク度を表すために使用される。具体的な説明については、以下のステップ５０３～ステップ５０５の関連する説明を参照する。

いくつかの他の実装では、ステップ５０１及びステップ５０２において、具体的に、周囲の対象の動作意図の確率分布は、訓練された機械学習モデルを使用することにより、現在の周囲の対象の観測情報に基づいて出力されてもよい。周囲の対象の観測情報は、前述の実装において具体的に処理された、周囲の対象の位置、運動速度、及び運動向きを含む観測情報でもよく、あるいは、周囲の対象を含む現在収集された画像でもよい。

この実装において、ある場合に、観測情報が、周囲の対象の位置、運動速度、及び運動向きを含む前述の処理された観測情報である場合、第１の機械学習モデルが、各動作意図の学習された発生確率に対応する大量の履歴観測情報及び各動作意図の対応する学習された発生確率に基づいて訓練され、予め構築されて、訓練された第１の機械学習モデルを取得してもよい。次いで、ステップ５０１で得られた周囲の対象の観測情報が訓練された第１の機械学習モデルに入力されてもよく、周囲の対象の各動作意図の発生確率が出力される。

別の場合に、観測情報が、周囲の対象を含む現在収集された画像である場合、第２の機械学習モデルが、各動作意図の学習された発生確率に対応する大量の履歴画像及び各動作意図の対応する学習された発生確率に基づいて訓練され、予め構築されて、訓練された第２の機械学習モデルを取得してもよい。次いで、ステップ５０１で得られた周囲の対象の観測情報（すなわち、周囲の対象を含む現在収集された画像）が訓練された第２の機械学習モデルに入力されてもよく、画像に含まれる周囲の対象の各動作意図の発生確率が出力される。

前述の２つの実装の双方において、周囲の対象の複数の動作意図のうち各々の発生確率は、周囲の対象の観測情報に基づいて予測できることが理解され得る。これは、車両の車両速度のその後の正確な決定のために不可欠なデータ基礎を提供し、したがって、自動運転技術などのインテリジェントな運転技術を使用する車両の安全性及び信頼性を改善する。

ステップ５０３：車両が車両の現在の位置から異なる動作意図に対応するリスクエリアに移動するための移動時間に基づいて、確率分布に対する再分布計算を実行して、異なる動作意図の確率再分布を取得し、異なる動作意図に対応するリスクエリアは、車両が移動する車線内で、異なる動作意図を有する周囲の対象が通るエリアである。

ステップ５０４：車両が異なる動作意図に対応するリスクエリアに移動するための移動時間に基づいて、異なる動作意図を有する周囲の対象の運動状態変化を予測する。

決定された車両速度がより安全かつ信頼できることを確実にするために、車両の車両速度は、少なくとも、周囲の対象の動作意図の確率再分布及び異なる動作意図を有する周囲の対象の運動状態変化に基づいて決定される必要があることが理解され得る。周囲の対象の動作意図の確率再分布と周囲の対象の運動状態変化の双方が、車両が周囲の対象の異なる動作意図に対応するリスクエリアに移動するための移動時間に基づいて計算を通じて取得される必要がある。移動時間は、各動作意図のリスク度、すなわち、周りの対象が動作意図により動いたときの車両との衝突の可能性を量子化するために使用される。

各動作意図の下での衝突までの時間は、車両が周囲の対象の各動作意図に対応するリスクエリアに移動するために必要とされる移動時間であることが理解され得る。例えば、図９に示すように、歩行者の動作意図ｇ３（すなわち、車線を真っすぐ横断する）については、リスクエリアは、車両が移動する車線内で、車線を真っすぐ横断する意図を有する歩行者が通るエリアＡである。この場合、衝突までの対応する時間は、車両が現在の位置からエリアＡに移動するために必要とされる移動時間ｔｔｃ_ｇ３である。歩行者の動作意図ｇ４（すなわち、車線を運転方向で斜めに横断すること）については、リスクエリアは、車両が移動する車線内で、車線を運転方向で斜めに横断する意図を有する歩行者が通るエリアＢである。この場合、衝突までの対応する時間は、車両が現在の位置からエリアＢに移動するために必要とされる移動時間ｔｔｃ_ｇ４である。

いくつかの実装において、ステップ５０３の前、本出願のこの実施形態では、車両が車両の現在の位置から異なる動作意図に対応するリスクエリアに移動するための移動時間は、ステップ５０１及び以下のＳ２１～Ｓ２４でさらに計算されてもよい。Ｓ２１：車両の観測情報を取得する。Ｓ２２：車両が移動する車線に基づく座標系において、車両の観測情報及び周囲の対象の観測情報に基づいて、車両と車線との間の相対的な位置関係及び車両と車線との間の相対的な運動状態、並びに周囲の対象と車線との間の相対的な位置関係及び周囲の対象と車線との間の相対的な運動状態を確立する。Ｓ２３：周囲の対象と車線との間の相対的な位置関係、及び周囲の対象と車線との間の相対的な運動状態に基づいて、異なる動作意図に対応するリスクエリアを決定する。Ｓ２４：車両と車線との間の相対的な位置関係、車両と車線との間の相対的な運動状態、及び異なる動作意図に対応するリスクエリアに基づいて、車両が車両の現在の位置から異なる動作意図に対応するリスクエリアに移動するための移動時間を計算する。Ｓ２１の具体的な実装については、ステップ５０１における周囲の対象の観測情報の取得の関連する説明を参照する。Ｓ２２の具体的な実装については、Ｓ１１における座標系間の変換の関連する説明を参照する。

動作意図については、その動作意図の下での衝突までの時間が長い場合、それは、その動作意図の下で発生するリスクの確率が低い、すなわちリスク度が低いことを示すことが理解され得る。反対に、その動作意図の下での衝突までの時間が短い場合、それは、その動作意図の下で発生されるリスクの確率が比較的高い、すなわちリスク度が高いことを示す。例えば、図９の歩行者では、ｔｔｃ_ｇ４は明らかにｔｔｃ_ｇ３より大きく、歩行者が車線を真っすぐ横断する場合、歩行者が車両と衝突する高い確率があり、リスク度が高いことを示している。しかしながら、歩行者が車線を運転方向で斜めに横断する場合、車線を真っすぐに横断する動作意図の下での高い衝突確率と比較して、車両との衝突の可能性は低減され、リスク度が低減される。

一例において、衝突までの時間が決定された後、ステップ５０３は、以下のＳ３１～Ｓ３２を通じて具体的に実施されてもよい。Ｓ３１：確率分布に対する粒子処理（particle processing）を実行し、異なる動作意図に対応する粒子の数量は、異なる動作意図の確率分布を表すために使用される。Ｓ３２：計算を通じて取得され、車両が異なる動作意図に対応するリスクエリアに移動するために必要とされる移動時間に基づいて、異なる動作意図に対応する粒子の重みを調整して、異なる動作意図の確率再分布を取得する。

Ｓ３１の詳細については、図８及び前述の実施形態の関連する説明を参照する。詳細は本明細書で再度説明されない。

Ｓ３２における車両が異なる動作意図に対応するリスクエリアに移動するための移動時間の計算については、Ｓ２１～Ｓ２４の関連する部分の前述の説明を参照する。具体的な原理は、本明細書で再度説明されない。より明確な説明のために、以下では、一例を用いて、粒子処理の後に移動時間を計算する一例示的なプロセスについて説明する。例えば、車両と、車両の周りの歩行者１及び歩行者２について、

が仮定される。同じ動作意図ｇ_{ｐｅｄｅｓｔｒｉａｎ} ^ｉの下で、歩行者１のリスクエリアが決定され、車両が歩行者１の動作意図に対応するリスクエリアに移動するために必要とされる移動時間ｔｔｃ_{ｐｅｄｅｓｔｒｉａｎ１} ^ｉが計算され、歩行者２のリスクエリアが決定され、車両が歩行者２の動作意図に対応するリスクエリアに移動するために必要とされる移動時間ｔｔｃ_{ｐｅｄｅｓｔｒｉａｎ２} ^ｉが計算される。歩行者１及び歩行者２の衝突の可能性を最大限に低減するために、歩行者に対応する移動時間のうちより短い移動時間が粒子ｉの移動時間ｔｔｃ^ｉとして選択され、すなわち、ｔｔｃ^ｉ＝ｍｉｎ（ｔｔｃ_{ｐｅｄｅｓｔｒｉａｎ１} ^ｉ，ｔｔｃ_{ｐｅｄｅｓｔｒｉａｎ２} ^ｉ）である。

Ｓ３２において、異なる動作意図に対応する粒子の重みは、計算を通じて取得され、かつ車両が異なる動作意図に対応するリスクエリアに移動するために必要とされる移動時間に基づいて、調整され、異なる動作意図の確率再分布を取得する。各粒子の移動時間（すなわち、衝突までの時間）は、特定の意図を有する周囲の対象の衝突のリスク度を表し、より短い移動時間は、より高いリスク度を示す。したがって、高いリスク度の動作意図への注意を高めるために、高いリスク度を有する粒子の重みが、以下の式（３）に従って移動時間に基づいて増加されてもよい：

ここで、Ｗはリスク係数を表し、εは実効計算定数を表す。より小さい移動時間ｔｔｃ_ｉは、計算を通じて得られる、粒子のリスク度を示す粒子のより大きい重みを示す。このようにして、粒子のリスク度を強調することができる。さらに、計算を収束できるようにするために、重みｗ_ｎｅｗ１ ^ｉに対して正規化処理がさらに実行されてもよい。具体的には、粒子ｉの重みｗ_ｎｅｗ２ ^ｉは、以下の式（４）に従って計算されてもよい：

前述の説明によれば、各動作意図のリスク度は、車両が各動作意図に対応するリスクエリアに移動するために必要とされる移動時間に基づいて決定できることが理解され得る。言い換えれば、異なる動作意図の確率再分布を実現することができる。これは、車両の車両速度のその後の正確な決定に不可欠なデータ基礎を提供し、したがって、自動運転技術などのインテリジェントな運転技術を使用する車両の安全性及び信頼性を改善する。

一例において、ステップ５０４では、具体的に、異なる動作意図を有する周囲の対象の運動状態変化は、以下のＳ４１及びＳ４２を通じて予測されてもよい。Ｓ４１：車両が異なる動作意図に対応するリスクエリアに移動するための移動時間に基づいて、異なる動作意図を有する周囲の対象が動作意図を変える確率を決定する。Ｓ４２：異なる動作意図を有する周囲の対象が動作意図を変える確率、及びランダム確率に基づいて、異なる動作意図を有する周囲の対象の運動状態変化を予測する。

Ｓ４１において、車両及び周囲の対象に関連する相互作用確率が、各動作意図の下での衝突までの時間ｔｔｃに基づいてさらに決定されてもよいことが理解され得る。ある場合に、周囲の対象のある動作意図の下での相互作用確率が過度に高い場合、その動作意図が、相互作用確率に基づいて目標意図に変更されてもよい。この目標意図は、調整後の周囲の対象の動作意図である。例えば、歩行者１の動作意図ｇ１の下での衝突までの時間ｔｔｃに対応する相互作用確率がかなり高い場合、動作意図ｇ２が、相互作用確率に基づいて歩行者１の目標意図として決定されてもよい。別の場合に、周囲の対象のある動作意図の下での相互作用確率が比較的低い場合、相互作用確率に基づいて、その動作意図が依然として目標意図であると決定されてもよい。この目標意図は、調整前の周囲の対象の動作意図である。例えば、歩行者１の動作意図ｇ１の下での衝突までの時間ｔｔｃに対応する相互作用確率がかなり低い場合、動作意図ｇ１が、相互作用確率に基づいて歩行者１の目標意図として決定されてもよい。

周囲の対象が特定の動作意図を有するときに周囲の対象と車両との間の衝突までの時間が比較的短い、すなわち、リスク度が比較的高い場合、周囲の対象は一般に慎重であることが理解され得る。反対に、周囲の対象が特定の動作意図を有するときに周囲の対象と車両との間の衝突まで時間が比較的長い、すなわち、リスク度が比較的低い場合、周囲の対象は一般的にリラックスしている。これを考慮して、衝突までの時間ｔｔｃに基づく計算を通じて取得される相互作用確率が導入され、それにより、歩行者の心理にマッチした運動状態を現実的にシミュレートすることができる。特定の実施の間、歩行者１と車両との間の衝突まで時間はｔｔｃ_{ｐｅｄｅｓｔｒｉａｎ１} ^ｉであり、歩行者２と車両との間の衝突までの時間はｔｔｃ_{ｐｅｄｅｓｔｒｉａｎ２} ^ｉであると仮定される。例えば、歩行者１及び車両に関連する相互作用確率は、

でもよい。同様に、歩行者２及び車両に関連する相互作用確率は、

でもよく、Ｗ_{ｉｎｔｅｒａｃｔ}は、相互作用確率係数である。

特定の実施の間、Ｓ４２において、周囲の対象の運動状態変化を決定するために、周囲の対象の状態予測モデルと計算された相互作用確率とに基づいて、周囲の対象の相互作用運動モデル又は周囲の対象の直線運動モデルを使用するかどうかが決定される。歩行者はランダムに振る舞い、歩行者及び車両に関連する相互作用確率もランダムである。したがって、ランダム確率Ｐ_{ｒａｎｄｏｍ}が導入されて、初期期待値を計算するために使用されるよう想定されるモデルを決定する。具体的な決定プロセスには、以下のステップが含まれる。ステップ１：相互作用確率Ｐ_ｒがランダム確率Ｐ_{ｒａｎｄｏｍ}より大きいかどうかを決定する。相互作用確率Ｐ_ｒがランダム確率Ｐ_{ｒａｎｄｏｍ}より大きい場合にはステップ２を実行し、あるいは相互作用確率Ｐ_ｒがランダム確率Ｐ_{ｒａｎｄｏｍ}より大きくない場合にはステップ３を実行する。ステップ２：周囲の対象の相互作用運動モデルを使用することにより、異なる動作意図を有する周囲の対象の運動状態変化を予測する。ステップ３：周囲の対象の直線運動モデルを使用することにより、異なる動作意図を有する周囲の対象の運動状態変化を予測する。

説明の一例として、図１０のシナリオを用いる。歩行者１の動作意図は、ｇ３：車線を真っすぐ横断することであると仮定される。周囲の対象の相互作用運動モデルが使用されない場合、歩行者１は、車両の存在を無視して、図１０における位置（２）に動く。周囲の対象の相互作用運動モデルが使用される場合、歩行者１は、安全のため車両を回避するために位置（１）に動く可能性がかなり高い。同様に、歩行者２と車両との間の衝突までの時間は比較的長く、歩行者２及び車両に関連する相互作用確率は比較的低いため、周囲の対象の直線運動モデルの使用において歩行者２が位置（４）に動く可能性は、周囲の対象の相互作用運動モデルの使用において歩行者２が位置（３）に動く可能性より大きい。

周囲の対象の直線運動モデルでは、周囲の対象の位置及び速度の観測情報の誤差が比較的大きい。したがって、周囲の対象の直線運動モデルにおいて、周囲の対象の運動状態は、比較的大きい分散を有するガウス分布に設定されてもよい。周囲の対象の直線運動モデルは、具体的に以下のように定義される：

Δｔは、予測された時間ステップを表し、通常は比較的小さい。例えば、Δｔは、０．３秒に設定されてもよい。歩行者の動作意図は、Δｔ内で変わらないままである、すなわち、ｇ_{ｐｅｄｅｓｔｒｉａｎ}’＝ｇ_{ｐｅｄｅｓｔｒｉａｎ}であると仮定される。さらに、ｆ_ｓ（ｇ_{ｐｅｄｅｓｔｒｉａｎ}）及びｆ_ｌ（ｇ_{ｐｅｄｅｓｔｒｉａｎ}）は、それぞれ、Ｓ－Ｌ座標系におけるＳ方向及びＬ方向の異なる動作意図の運動向き成分を表す。言い換えれば、異なる動作意図を有する周囲の対象の運動向きは異なる。μ_{ｐｅｄｅｓｔｒｉａｎ ｓ}及びμ_{ｐｅｄｅｓｔｒｉａｎ ｌ}は、それぞれ、Ｓ方向及びＬ方向における周囲の対象の直線運動モデルの運動距離の平均を表し、σ_{ｐｅｄｅｓｔｒｉａｎ ｓ} ^２及びσ_{ｐｅｄｅｓｔｒｉａｎ ｌ} ^２は、それぞれ、Ｓ方向及びＬ方向における周囲の対象の直線運動モデルの運動距離の分散を表し、μ_{ｐｅｄｅｓｔｒｉａｎ ｖ}及びσ_{ｐｅｄｅｓｔｒｉａｎ ｖ} ^２は、それぞれ、Ｓ方向における周囲の対象の直線運動モデルの運動速度の平均と、Ｌ方向におけるの周囲の対象の直線運動モデルの運動速度の分散を表す。

周囲の対象の相互作用運動モデルの具体的な定義は、以下のとおりである：

ｆ_ｓ（ｖ_{ｐｅｄｅｓｔｒｉａｎ}，Δｔ，ｇ_{ｐｅｄｅｓｔｒｉａｎ}）及びｆ_ｌ（ｖ_{ｐｅｄｅｓｔｒｉａｎ}，Δｔ，ｇ_{ｐｅｄｅｓｔｒｉａｎ}）は、それぞれ、異なる動作意図を有する歩行者が車両と相互作用するときのＳ－Ｌ座標系におけるＳ方向及びＬ方向の歩行者の運動変化関数を表す。

ステップ５０３及びステップ５０４は順次的でないことに留意されたい。ステップ５０３は、ステップ５０４の前又は後に実行されてもよく、あるいはステップ５０３及びステップ５０４は同時に実行されてもよい。具体的な方法は限定されない。

ステップ５０５：異なる動作意図の確率再分布、異なる動作意図を有する周囲の対象の運動状態変化、及び異なる移動速度制御動作下の車両の運動状態変化に基づいて、車両の移動速度を決定する。

車両の適切な車両速度は、３つのファクタ、すなわち、異なる動作意図の確率再分布、異なる動作意図を有する周囲の対象の運動状態変化、及び異なる移動速度制御動作下の車両の運動状態変化に基づいて決定されてもよいことが理解され得る。ある場合に、車両の加速度は、前述の３つのファクタに基づいて決定されてもよく、車両は、この加速度で移動するように制御される。別の場合に、車両の加速度は、前述の３つのファクタに基づいて決定されてもよく、それにより、車両が移動すべき移動速度は、車両の加速度及び現在の速度に基づいて決定され、車両は、決定された移動速度で移動するように制御される。

特定の実施の間、ステップ５０５は、以下のＳ５１～Ｓ５３を通じて具体的に実施されてもよい。Ｓ５１：異なる動作意図の確率再分布、異なる動作意図を有する周囲の対象の運動状態変化、及び異なる移動速度制御動作下の車両の運動状態変化に基づいて、異なる移動速度制御動作下でもたらす車両の移動効果を推定する。Ｓ５２：異なる移動速度制御動作下でもたらす車両の移動効果に基づいて、異なる移動速度制御動作から目標移動速度制御動作を選択する。Ｓ５３：目標移動速度制御動作に基づいて車両の移動速度を決定する。

具体的には、Ｓ５１において、車両状態予測モデルが確立されてもよく、車両状態予測モデルに基づいて、異なる移動速度制御下の車両の移動効果、すなわち、車両が異なる加速度で移動するときの車両の運動状態変化が予測されてもよい。

車両状態予測モデルでは、車両の位置及び速度などの状態パラメータの観測情報の誤差は比較的小さい。したがって、車両状態予測モデルにおいて、車両の運動状態は、比較的小さい分散を有するガウス分布に設定されてもよい。車両状態予測モデルは、具体的に以下のとおり定義される：

μ_{ｖｅｈｉｃｌｅ ｓ}及びμ_{ｖｅｈｉｃｌｅ ｌ}は、それぞれ、Ｓ方向及びＬ方向における車両状態予測モデルの運動距離の平均を表し、σ_{ｖｅｈｉｃｌｅ ｓ} ^２及びσ_{ｖｅｈｉｃｌｅ ｌ} ^２は、それぞれ、Ｓ方向及びＬ方向における車両状態予測モデルの運動距離の分散を表し、μ_{ｖｅｈｉｃｌｅ ｖ}及びσ_{ｖｅｈｉｃｌｅ ｖ} ^２は、それぞれ、Ｓ方向における車両状態予測モデルの運動速度の平均と、Ｌ方向における車両状態予測モデルの運動速度の分散を表す。

周囲の対象の動作意図が明確でないことを考慮し、部分観測マルコフ決定過程（英語：Partially Observable Markov Decision Process、略称ＰＯＭＤＰ）が、最適な速度で判断及び計画を実行するために使用されてもよいことが理解され得る。ＰＯＭＤＰは、部分観測の特徴を有することが理解され得る。具体的には、不確かな環境における観測不能な部分の動作意図が、一般的な数学的モデルを使用することにより判断及び計画が実行された後、予測される。数学的モデルは、一般に、状態集合Ｓ、動作集合Ａ、状態遷移関数Ｔ、観測集合Ｏ、観測関数Ｚ、報酬関数Ｒを含むことができる。図１に対応するシナリオを参照し、数学的モデルに含まれる内容は以下のとおり定義される。

状態空間Ｓは、環境内の動的エンティティ及び静的エンティティの全ての有りうる状態の集合であり、すなわち、車両、歩行者１（すなわち、前述の説明における歩行者１０２）、及び歩行者２（すなわち、前述の説明における歩行者１０３）である。

動作空間Ａは、自動運転又は無人車両により使用され得る加速動作の集合である。説明の容易さのため、抽出された共通の加速度範囲は、通常離散化され、あるいは対応するギアとして理解されてもよく、例えば、Ａ＝｛－３，－２，－１，０，０．５，１，２，３｝である。言い換えれば、車両は、８つの異なる初期加速度で移動し得る。

状態遷移関数（Ｔ）は、ＰＯＭＤＰの重要な部分である。この関数Ｔは、ある時間にわたる状態遷移過程を説明し、最適動作の選択のための判断根拠を提供する。車両については、状態遷移関数Ｔは、車両が、状態｛ｓ_{ｖｅｈｉｃｌｅ}，ｌ_{ｖｅｈｉｃｌｅ}，ｖ_{ｖｅｈｉｃｌｅ}｝においてＡの中の加速度ａを使用した後、状態｛ｓ_{ｖｅｈｉｃｌｅ}’，ｌ_{ｖｅｈｉｃｌｅ}’，ｖ_{ｖｅｈｉｃｌｅ}’｝に遷移することを示すことができる。歩行者１については、状態遷移関数Ｔは、歩行者１が現在の状態｛ｓ_{ｐｅｄｅｓｔｒｉａｎ １}，ｌ_{ｐｅｄｅｓｔｒｉａｎ １}，ｖ_{ｐｅｄｅｓｔｒｉａｎ １}，ｇ_{ｐｅｄｅｓｔｒｉａｎ １}｝において動作意図ｇ_{ｐｅｄｅｓｔｒｉａｎ １}の下で動いたとき、状態｛ｓ_{ｐｅｄｅｓｔｒｉａｎ １}’，ｌ_{ｐｅｄｅｓｔｒｉａｎ １}’，ｖ_{ｐｅｄｅｓｔｒｉａｎ １}’，ｇ_{ｐｅｄｅｓｔｒｉａｎ １}’｝に遷移することを示す。

観測空間Ｏは、一般に状態空間に対応し、車両、歩行者１、及び歩行者２の観測情報セット、すなわち、

を表す。Ｏ_{ｖｅｈｉｃｌｅ}＝｛位置：（ｘ_{ｖｅｈｉｃｌｅ}，ｙ_{ｖｅｈｉｃｌｅ}），速度：Ｖ_{ｖｅｈｉｃｌｅ}，加速度：ａ_{ｖｅｈｉｃｌｅ}，進路：θ_{ｖｅｈｉｃｌｅ}｝である。Ｏ_{ｐｅｄｅｓｔｒｉａｎ １}＝｛位置：（ｘ_{ｐｅｄｅｓｔｒｉａｎ １}，ｙ_{ｐｅｄｅｓｔｒｉａｎ １}），運動速度：Ｖ_{ｐｅｄｅｓｔｒｉａｎ １}，運動向き：θ_{ｐｅｄｅｓｔｒｉａｎ １}｝である。Ｏ_{ｐｅｄｅｓｔｒｉａｎ ２}＝｛位置：（ｘ_{ｐｅｄｅｓｔｒｉａｎ ２}，ｙ_{ｐｅｄｅｓｔｒｉａｎ ２}），運動速度：Ｖ_{ｐｅｄｅｓｔｒｉａｎ ２}，運動向き：θ_{ｐｅｄｅｓｔｒｉａｎ ２}｝である。

観測関数Ｚは、加速度ａを用いた後に車両、歩行者１、及び歩行者２が状態ｓ’に遷移した後の観測関数ｚを取得する確率、すなわち、Ｚ（ｚ，ｓ’，ａ）＝Ｐ（ｚ｜ｓ’，ａ）を表す。車両と歩行者の位置及び速度は、実際の位置及び速度に対するガウス分布にマッチすると仮定される。車両の位置及び速度の観測情報の誤差は比較的小さく、歩行者の位置及び速度の観測情報の誤差は比較的大きいため、車両のガウス分布の分散は歩行者のガウス分布の分散と異なる。車両のガウス運動モデルのガウス分布の分散は比較的小さく、歩行者の運動モデルのガウス分布の分散は比較的大きい。

報酬関数Ｒｅｗａｒｄは、決定された加速度に関する定量的な評価を行うために使用される。評価は、衝突度、又は衝突度と交通障害度、又は衝突度と移動不快度、又は衝突度と交通障害度と移動不快度に基づいて実行されてもよい。衝突度は安全性を反映し、交通障害度は交通効率を反映し、移動不快度は快適さを反映することができる。あるいは、決定された加速度は、目的に基づいて評価されてもよいことに留意されたい。

例えば、決定された加速度が衝突度Ｒ＿ｃｏｌのみに基づいて評価される場合、Ｒｅｗａｒｄ＝Ｒ＿ｃｏｌである。別の例として、決定された加速度が衝突度Ｒ＿ｃｏｌ、交通障害度Ｒ＿ｍｏｖｅ、及び移動不快度Ｒ＿ａｃｔｉｏｎに基づいて評価される場合、Ｒｅｗａｒｄ＝Ｒ＿ｃｏｌ＋Ｒ＿ｍｏｖｅ＋Ｒ＿ａｃｔｉｏｎである。

ＰＯＭＤＰにおけるいくつかの定義が説明された後、以下では、ステップ５０５におけるＳ５１の一例示的な具体的な実装について説明する。

車両の全ての可能な加速度がトラバースされる（traversed）可能性があり、動的に変化する［ｓ_{ｖｅｈｉｃｌｅ}’，ｌ_{ｖｅｈｉｃｌｅ}’，ｖ_{ｖｅｈｉｃｌｅ}’］は、対応して車両状態予測モデルを使用することにより予測され、［ｓ_{ｐｅｄｅｓｔｒｉａｎ}’，ｌ_{ｐｅｄｅｓｔｒｉａｎ}’，ｖ_{ｐｅｄｅｓｔｒｉａｎ}’，ｇ_{ｐｅｄｅｓｔｒｉａｎ}’］と比較されて、車両が周囲の対象と衝突するかどうかを決定することが理解され得る。衝突が発生しない場合、加速度に対応する衝突度が０であると決定され、あるいは、衝突が発生する場合、車両が加速度を使用した後に得られる速度は、ｖ_{ｖｅｈｉｃｌｅ}’として決定され得る。言い換えれば、衝突度Ｒ＿ｃｏｌは、初期期待値Ｒｅｗａｒｄとして直接使用される。例えば、移動効果は、以下の式（５）に従って計算を通じて取得されてもよい：

ここで、ｗ１は指定された固定係数であり、ｖ_{ｖｅｈｉｃｌｅ}’は、現在の加速度が使用された後の、車両の衝突における速度を表し、ｃは定数である。

例えば、車両と歩行者が存在すると仮定される。動作集合Ａの中の８つの初期加速度に対して、衝突が発生する３つの加速度が決定される。この場合、３つの加速度に対応する衝突度Ｒ＿ｃｏｌ１、Ｒ＿ｃｏｌ２、及びＲ＿ｃｏｌ３は計算を通じて別個に取得することができ、衝突が発生しない他の５つの加速度の各々に対応する衝突度は０である。

前述の方法で、異なる移動速度制御動作（すなわち、異なる加速度）の下での対応する移動効果が得られた後、Ｓ５２における「異なる移動速度制御動作下でもたらす車両の移動効果に基づいて、異なる移動速度制御動作から目標移動速度制御動作を選択する」動作が実行されてもよい。動作意図の発生確率分布ｂは粒子化され（particlized）、粒子集合Ｐ＝｛ｐａｒｔｉｃｌｅ^１，ｐａｒｔｉｃｌｅ^２，．．．，ｐａｒｔｉｃｌｅ^ｍ｝が得られ、これは、発生確率分布ｂと重みｗ^ｉを有する粒子集合とに関連するマッピング関係ｂ→Ｐを表すことが理解され得る。次いで、様々な動作意図に含まれる粒子の数量と粒子集合内の粒子の重みに基づいて、目標期待値が決定され得る。例えば、歩行者１の動作意図ｇ１については、動作意図ｇ１の発生確率は、

として表されてもよく、ここで、ｋは、以下の条件：ｐａｒｔｉｃｌｅ^ｋの動作意図ｇ_{ｐｅｄｅｓｔｒｉａｎ １} ^ｋ＝ｇ１を満たし、ｗ^ｋは、ｐａｒｔｉｃｌｅ^ｋの重みを表す。

Ｓ５１では、一例として、動作処理は以下のステップを含んでもよい。マッピング関係：現在の初期確率分布ｂ_０→Ｐ＝｛ｐａｒｔｉｃｌｅ^１，ｐａｒｔｉｃｌｅ^２，．．．，ｐａｒｔｉｃｌｅ^ｍ｝に基づいて、Ｎ個のステップを予測し、ここで、予測された時間ステップはΔｔであり、Ｔ＝ＮΔｔを得ることができる。加速度ａについては、ａ∈Ａ＝｛－３，－２，－１，０，０．５，１，２，３｝であり、Ｎ個のステップの移動効果は、

であり、ここで、

である。γは割引ファクタ（discount factor）であり、一般に１より小さい値である。予測されるステップの数量Ｎが増加するとき、現在の時点における判断への割引ファクタの影響はより小さく、割引ファクタは時系列減衰ファクタと同等である。各動作意図の発生確率は、累積される同じ動作意図の粒子により具体的に反映され、同じ動作意図の粒子の数量は、動作意図の発生確率を反映することに留意されたい。各動作意図の衝突のリスク度は、各粒子の重みｗ^ｋに具体的に反映される。

別の例において、各動作意図の衝突時間は相互作用確率にさらに反映されてもよく、調整された目標意図が相互作用確率に基づいて決定され、目標加速度を用いる車両の移動効果に対応する値が目標意図に基づいて計算される。したがって、Ｎ個のステップの目標期待値は、具体的に以下の式：

に従って具体的に計算されてもよく、ここで、

である。各動作意図の発生確率は、具体的に以下において反映される、すなわち、同じ動作意図に対応するある数量の粒子が累積され、同じ動作意図に対応する粒子の数量が動作意図の発生確率を反映することに留意されたい。各動作意図の下で発生する衝突のリスク度は、具体的に以下において反映される、すなわち、相互作用確率が衝突時間に基づいて計算され、各動作意図に対応する目標意図が決定され、Ｒｅｗａｒｄ（ｐａｒｔｉｃｌｅ^ｋ，ａ）が目標意図に基づいて計算される。

さらに別の例において、車両速度を決定することに対してリスク度の重要性をより顕著に反映し、決定された車両速度の信頼性及び安全性を改善するために、前述の２つの例の方法をさらに組み合わせて、各動作意図に基づいて、目標加速度を使用して車両の移動効果に対応する値を計算してもよいことが理解され得る。同じ動作意図に対応する粒子を表す粒子重みは、車両速度に対するリスク度の影響を反映し、相互作用確率も、車両速度に対するリスク度の影響を反映する。例えば、Ｎ個のステップの移動効果に対応する値は、具体的に以下の式：

に従って計算されてもよく、ここで、

である。各動作意図の発生確率は、具体的に以下において反映される、すなわち、同じ動作意図に対応するある数量の粒子が累積され、同じ動作意図に対応する粒子の数量が動作意図の発生確率を反映することに留意されたい。各動作意図の下で発生する衝突のリスク度は、具体的に以下において反映される。すなわち、第１に、各動作意図に対応する各粒子の重みｗ^ｋが使用され、第２に、相互作用確率が衝突時間に基づいて計算され、各動作意図に対応する運動状態変化が決定され、Ｒｅｗａｒｄ（ｐａｒｔｉｃｌｅ^ｋ，ａ）が各動作意図に対応する運動状態変化に基づいて計算される。

前述の例示的な計算方法によれば、Ａにおける８つの初期加速度がトラバースされてもよいことが理解され得る。具体的には、各加速度が目標加速度として使用されて、目標加速度に対応する移動効果を取得する。最後に、８つの対応する移動効果を計算することができ、Ｇ（ｂ_０－３）、Ｇ（ｂ_０－２）、Ｇ（ｂ_０－１）、Ｇ（ｂ_００）、Ｇ（ｂ_００．５）、Ｇ（ｂ_０１）、Ｇ（ｂ_０２）、及びＧ（ｂ_０３）として表すことができる。移動効果は、様々な現在の動作意図の確率再分布に基づいて目標加速度ａが使用された後に得られる報酬関数の値を示すために用いられることに留意されたい。移動効果に対応する、より小さい値は、不十分な安全性を示す。反対に、移動効果に対応する、より大きい値は、良好な安全性を示す。

これに基づいて、移動効果に対応する値の意味に従い、移動効果に対応する、より大きい値は、良好な安全性を示すことが理解され得る。この場合、Ｓ５２において、移動効果に対応する最大値が、具体的に、移動効果に対応する複数の値から選択されてもよく、最大値に対応する加速度が、目標移動速度制御動作、すなわち目標加速度として決定される。

例えば、決定された８つの目標期待値：Ｇ（ｂ_０－３）、Ｇ（ｂ_０－２）、Ｇ（ｂ_０－１）、Ｇ（ｂ_００）、Ｇ（ｂ_００．５）、Ｇ（ｂ_０１）、Ｇ（ｂ_０２）、及びＧ（ｂ_０３）において、最大値はＧ（ｂ_０２）であると仮定される。この場合、Ｇ（ｂ_０２）に対応する対応初期加速度２が目標加速度として選択される。言い換えれば、目標移動速度制御動作ａ＝２である。

Ｓ５３では、ある場合、目標加速度はコントローラに直接送られてもよく、コントローラは、目標加速度で移動するよう車両を制御する。別の場合、車両の目標速度は、目標加速度及び現在の速度に基づいて計算されてもよい。例えば、目標速度は、ｖ＝ｖ_０＋ａ＊Δｔであり、ここで、ａは目標加速度であり、ｖ_０は現在の速度である。次いで、目標速度ｖがコントローラに送られ、コントローラは、目標速度ｖで移動するよう車両を制御する。

前述の実施において、移動効果に対応するＲｅｗａｒｄ値は衝突度Ｒ＿ｃｏｌのみに基づいて決定され、あるいは、移動効果に対応するＲｅｗａｒｄ値は交通障害度Ｒ＿ｍｏｖｅ及び／又は移動不快度Ｒ＿ａｃｔｉｏｎに基づいて決定されてもよいことに留意されたい。交通障害度Ｒ＿ｍｏｖｅは、車線速度制限と、車両が目標加速度を使用したときに達せられる車両速度とに基づいて決定され、さらに、初期期待値Ｒｅｗａｒｄが、車両が目標加速度を使用したときに存在する交通障害度Ｒ＿ｍｏｖｅに基づいて決定される。この場合、Ｒｅｗａｒｄ＝Ｒ＿ｃｏｌ＋Ｒ＿ｍｏｖｅであり、

であり、ここで、ｗ２は指定された固定係数であり、ｖ_{ｖｅｈｉｃｌｅ}’は、車両が目標初期加速度を使用したときに達せられる車両速度であり、ｖｍａｘは現在の車線の速度制限である。移動不快度Ｒ＿ａｃｔｉｏｎは、目標加速度、及び目標加速度と車両の現在の車両速度との間の差に基づいて決定される。あるいは、初期期待値Ｒｅｗａｒｄが、車両が目標加速度を使用したときに存在する移動不快度Ｒ＿ａｃｔｉｏｎに基づいて決定される。この場合、Ｒｅｗａｒｄ＝Ｒ＿ｃｏｌ＋Ｒ＿ａｃｔｉｏｎであり、Ｒ＿ａｃｔｉｏｎ＝ｗ_３＊ｆ（ａｃｔｉｏｎ_{ｃｕｒｒｅｎｔ}）＋ｗ_４＊ｆ（ａｃｔｉｏｎ_{ｃｕｒｒｅｎｔ}－ａｃｔｉｏｎ_ｌａｓｔ）であり、ここで、ｗ３及びｗ４は指定された固定係数であり、ａｃｔｉｏｎ_{ｃｕｒｒｅｎｔ}は、現在の目標加速度を表し、ａｃｔｉｏｎ_ｌａｓｔは、前の時点で使用された目標加速度を表し、ｆ（ａｃｔｉｏｎ_{ｃｕｒｒｅｎｔ}）は、過度に高い加速度により引き起こされる移動の不快さを抑制するために、現在の目標加速度が使用されたときに生成される快適さのリターンを表し、ｆ（ａｃｔｉｏｎ_{ｃｕｒｒｅｎｔ}－ａｃｔｉｏｎ_ｌａｓｔ）は、現在の目標加速度変化に対して生成される快適さのリターンを表し、過度に大きい加速度変化により引き起こされる移動の不快さを抑制するために使用される。あるいは、初期期待報酬は、衝突度Ｒ＿ｃｏｌ、交通障害度Ｒ＿ｍｏｖｅ、及び移動不快度Ｒ＿ａｃｔｉｏｎに基づいて決定されてもよいことに留意されたい。移動効果に対応するＲｅｗａｒｄ値を決定する各方法については、衝突度Ｒ＿ｃｏｌのみに基づいて、移動効果に対応するＲｅｗａｒｄ値を決定する前述の実施を参照する。詳細は本明細書で再度説明されない。

いくつかの実装では、説明の一例として、初期期待値Ｒｅｗａｒｄが衝突度Ｒ＿ｃｏｌに基づいて決定される実装のみが用いられることに留意されたい。初期期待値が別のパラメータに基づいて決定される実装は、この実装と同様であり、詳細は本明細書で再度説明されない。

ステップ５０３及びステップ５０４の特定の実施は、具体的に、図２のＣＰＵ２０５（図３の車載コンピュータシステム２２０における判断及び計画モジュール２２２、又は図４の判断及び計画レイヤ４３０における歩行者意図分布予測及び更新モジュール４３１）により実現され得ることに留意されたい。ステップ５０５は、具体的に、図２のＣＰＵ２０５（図３の車載コンピュータシステム２２０の判断及び計画モジュール２２２における速度判断及び計画ユニット、又は図４の判断及び計画レイヤ４３０における速度判断及び計画モジュール４３２）により実現されてもよい。

本出願のこの実施形態で提供される車両速度を決定する方法による、自動運転等のシナリオでは、動作意図の確率分布は、周囲の対象の観測情報に基づいて計算されてもよく、異なる動作意図の確率再分布は、車両が現在の位置から異なる動作意図に対応するリスクエリアに移動するための移動時間に基づいて計算されることが習得できる。さらに、異なる動作意図を有する周囲の対象の運動状態変化は、車両が異なる動作意図に対応するリスクエリアに移動するための移動時間に基づいて予測される。最後に、車両の移動速度は、異なる動作意図の確率再分布、異なる動作意図を有する周囲の対象の運動状態変化、及び異なる移動速度制御動作下の車両の運動状態変化に基づいて決定される。

したがって、車両の移動過程において、車両の周囲の対象の複数の動作意図に対して、各動作意図の確率を、周囲の対象の観測情報に基づいて予測することができる。さらに、各動作意図に対応し、かつ車両の各加速度の制御下である、周囲の対象と車両と間の衝突のリスク度が予測される。次いで、各動作意図の確率と衝突のリスク度に基づいて、車両速度が決定される。このようにして、車両速度を決定する間、周囲の対象の各有りうる動作意図が考慮され、各動作意図に対応し、かつ車両の各加速度の制御下である、周囲の対象と車両と間の衝突のリスク度がさらに考慮される。このようにして、発生する可能性がより低い、周囲の対象と車両との間の高いリスクは無視されない。したがって、決定された移動速度は現在の運転環境により適切であり、車両の移動中の潜在的な安全性リスクが低減される。

さらに、本出願の一実施形態は、車両速度を決定する装置をさらに提供する。図１１を参照し、装置１１００は、第１の取得ユニット１１０１、第１の計算ユニット１１０２、第２の計算ユニット１１０３、予測ユニット１１０４、及び第１の決定ユニット１１０５を含む。

第１の取得ユニット１１０１は、車両の周囲の対象の観測情報を取得するように構成される。

第１の計算ユニット１１０２は、周囲の対象の観測情報に基づいて、周囲の対象の異なる動作意図の確率分布を計算するように構成される。

第２の計算ユニット１１０３は、車両が現在の位置から異なる動作意図に対応するリスクエリアに移動するための移動時間に基づいて確率分布に対する再分布計算を実行して、異なる動作意図の確率再分布を取得するように構成され、異なる動作意図に対応するリスクエリアは、車両が移動する車線内で、異なる動作意図を有する周囲の対象が通るエリアである。

予測ユニット１１０４は、車両が異なる動作意図に対応するリスクエリアに移動するための移動時間に基づいて、異なる動作意図を有する周囲の対象の運動状態変化を予測するように構成される。

第１の決定ユニット１１０５は、異なる動作意図の確率再分布、異なる動作意図を有する周囲の対象の運動状態変化、及び異なる移動速度制御動作下の車両の運動状態変化に基づいて、車両の移動速度を決定するように構成される。

可能な一実装において、第１の計算ユニット１１０２は、確立サブユニット及び計算サブユニットを含んでもよい。確立サブユニットは、車両が移動する車線に基づく座標系において、周囲の対象の観測情報に基づいて、周囲の対象と車線と間の相対的な位置関係、及び周囲の対象と車線との間の相対的な運動関係を確立するように構成される。計算サブユニットは、周囲の対象と車線との間の相対的な位置関係、及び周囲の対象と車線との間の相対的な運動関係に基づいて、周囲の対象の異なる動作意図の確率分布を計算するように構成される。

別の可能な実装において、装置は、第２の取得ユニット、確立ユニット、第２の決定ユニット、及び第３の計算ユニットをさらに含んでもよい。

第２の取得ユニットは、車両の観測情報を取得するように構成される。確立ユニットは、車両が移動する車線に基づく座標系において、車両の観測情報及び周囲の対象の観測情報に基づいて、車両と車線との間の相対的な位置関係及び車両と車線との間の相対的な運動状態、並びに周囲の対象と車線と間の相対的な位置関係及び周囲の対象と車線との相対的な運動状態を確立するように構成される。第２の決定ユニットは、周囲の対象と車線との間の相対的な位置関係、及び周囲の対象と車線との間の相対的な運動状態に基づいて、異なる動作意図に対応するリスクエリアを決定するように構成される。第３の計算ユニットは、車両と車線との間の相対的な位置関係、車両と車線との間の相対的な運動状態、及び異なる動作意図に対応するリスクエリアに基づいて、車両が車両の現在の位置から異なる動作意図に対応するリスクエリアに移動するための移動時間を計算するように構成される。

さらに別の可能な実装において、第２の計算ユニット１１０３は、処理サブユニット及び調整サブユニットを含んでもよい。処理サブユニットは、確率分布に対する粒子処理を実行するように構成され、異なる動作意図に対応する粒子の数量は、異なる動作意図の確率分布を表すために使用される。調整サブユニットは、計算を通じて取得され、かつ車両が異なる動作意図に対応するリスクエリアに移動するために必要とされる移動時間に基づいて、異なる動作意図に対応する粒子の重みを調整して、異なる動作意図の確率再分布を取得するように構成される。

さらに別の可能な実装において、予測ユニット１１０４は、第１の決定サブユニット及び予測サブユニットを含んでもよい。第１の決定サブユニットは、車両が異なる動作意図に対応するリスクエリアに移動するための移動時間に基づいて、異なる動作意図を有する周囲の対象が動作意図を変える確率を決定するように構成される。予測サブユニットは、異なる動作意図を有する周囲の対象が動作意図を変える確率、及びランダム確率に基づいて、異なる動作意図を有する周囲の対象の運動状態変化を予測するように構成される。

さらなる可能な実装において、第１の決定ユニット１１０５は、推定サブユニット、選択サブユニット、及び第２の決定サブユニットを含んでもよい。推定サブユニットは、異なる動作意図の確率再分布、異なる動作意図を有する周囲の対象の運動状態変化、及び異なる移動速度制御動作下の車両の運動状態変化に基づいて、異なる移動速度制御動作下でもたらす車両の移動効果を推定するように構成される。選択サブユニットは、異なる移動速度制御動作下でもたらす車両の移動効果に基づいて、異なる移動速度制御動作から目標移動速度制御動作を選択するように構成される。第２の決定サブユニットは、目標移動速度制御動作に基づいて車両の移動速度を決定するように構成される。

装置１１００は、図５に対応する実施形態におけるステップを実行するように構成されることに留意されたい。具体的には、取得ユニット１１０１は、具体的にステップ５０１を実行してもよく、第１の計算ユニット１１０２は、具体的にステップ５０２を実行してもよく、第２の計算ユニット１１０３は、具体的にステップ５０３を実行してもよく、予測ユニット１１０４は、具体的にステップ５０４を実行してもよく、第１の決定ユニット１１０５は、具体的にステップ５０５を実行してもよい。

装置１１００は、本出願の実施形態で提供される車両速度を決定する方法に対応することが理解され得る。したがって、装置１１００の実装、及び装置１１００により達成され得る技術的効果については、本出願の実施形態における車両速度を決定する方法の実施の関連する説明を参照する。

さらに、本出願の一実施形態は、車両をさらに提供する。図１２を参照し、車両１２００は、センサ１２０１、プロセッサ１２０２、及び車両速度コントローラ１２０３を含む。

センサ１２０１は、車両の周囲の対象の観測情報を取得し、観測情報をプロセッサ、例えば、レーダ又はカメラに送信するように構成される。

プロセッサ１２０２は、第１の態様の実装のうちいずれか１つにおける方法に従って車両の移動速度を決定し、移動速度を車両速度コントローラに送信するように構成される。

車両速度コントローラ１２０３は、車両の決定された移動速度で移動するよう車両を制御するように構成される。

車両１２００は、本出願の実施形態で提供される車両速度を決定する方法を実行することが理解され得る。したがって、車両１２００の実装、及び車両１２００により達成され得る技術的効果については、本出願の実施形態における車両速度を決定する方法の実施の関連する説明を参照する。

さらに、本出願の一実施形態は、車両をさらに提供する。図１３を参照し、車両１３００は、プロセッサ１３０１及びメモリ１３０２を含む。メモリ１３０２は、命令を記憶し、プロセッサ１３０１が命令を実行したとき、車両１３００は、車両速度を決定する方法の実装のうちいずれか１つにおける方法を実行可能にされる。

車両１３００は、本出願の実施形態で提供される車両速度を決定する方法を実行することが理解され得る。したがって、車両１３００の実装、及び車両１３００により達成され得る技術的効果については、本出願の実施形態における車両速度を決定する方法の実施の関連する説明を参照する。

さらに、本出願の一実施形態は、コンピュータプログラムプロダクトをさらに提供する。コンピュータプログラムプロダクトがコンピュータ上で実行されたとき、コンピュータは、車両速度を決定する方法の実装のうちいずれか１つにおける方法を実行する。

さらに、本出願の一実施形態は、コンピュータ読取可能記憶媒体をさらに提供する。コンピュータ読取可能記憶媒体は命令を記憶する。命令がコンピュータ又はプロセッサ上で実行されたとき、コンピュータ又はプロセッサは、車両速度を決定する方法の実装のうちいずれか１つにおける方法を実行可能にされる。

本出願の実施形態において言及される「第１のリスク度」のような用語における「第１」は、名称の識別のみに使用され、順序における１番目を示すものではない。この規則は、「第２」等にも適用可能である。

前述の実施の説明から、当業者は、前述の実施形態における方法の全部又は一部のステップが、ソフトウェアと汎用ハードウェアプラットフォームの組み合わせを使用することにより実施され得ることを明らかに理解し得る。このような理解に基づいて、本出願の技術的解決策は、ソフトウェアプロダクトの形態で実施されてもよい。ソフトウェアプロダクトは、記憶媒体、例えば、読取専用メモリ（英語：read-only memory、ＲＯＭ）／ＲＡＭ、磁気ディスク、又は光ディスクに記憶されてもよく、コンピュータデバイス（パーソナルコンピュータ、サーバ、又はルータなどのネットワーク通信デバイスであり得る）に、本出願の実施形態又は実施形態の一部の部分に記載される方法を実行するよう指示するためのいくつかの命令を含む。

本明細書の実施形態は全て、漸進的に記載されている。実施形態における同一又は同様の部分については、これらの実施形態を参照することができ、各実施形態は、他の実施形態との差に焦点を合わせている。特に、装置の実施形態は、基本的に方法の実施形態と同様であり、したがって簡潔に説明される。関連する部分については、本方法の実施形態における一部の説明を参照することができる。記載される装置の実施形態は、単なる一例である。別個の部分として記載されるモジュールは、物理的に別個でも又はそうでなくてもよく、モジュールとして表される部分は、物理的モジュールでも又はそうでなくてもよく、１つの位置に配置されてもよく、あるいは複数のネットワークユニット上に分散されてもよい。モジュールの一部又は全部は、実施形態の解決策の目的を達成するために、実際のニーズに基づいて選択されてもよい。当業者は、創造的努力なしに本発明の実施形態を理解し、実施し得る。

前述の説明は、本出願の単なる例示的な実装であり、本出願の保護範囲を制限することは意図されない。

Claims (13)

1. 少なくとも１つのプロセッサにより実行される、車両速度を決定する方法であって、
   車両の周囲の対象の観測情報を取得するステップと、
   前記周囲の対象の前記観測情報に基づいて、前記周囲の対象の異なる動作意図の確率分布を計算するステップと、
   前記車両が前記車両の現在の位置から前記異なる動作意図に対応するリスクエリアに移動するための移動時間に基づいて、前記確率分布に対する再分布計算を実行して、前記異なる動作意図の確率再分布を取得するステップであり、前記異なる動作意図に対応する前記リスクエリアは、前記車両が移動する車線内で、前記異なる動作意図を有する前記周囲の対象が通るエリアである、ステップと、
   前記車両が前記異なる動作意図に対応する前記リスクエリアに移動するための前記移動時間に基づいて、前記異なる動作意図を有する前記周囲の対象の運動状態変化を予測するステップと、
   前記異なる動作意図の前記確率再分布、前記異なる動作意図を有する前記周囲の対象の前記運動状態変化、及び異なる移動速度制御動作下の前記車両の運動状態変化に基づいて、前記車両の移動速度を決定するステップと、
   を含む方法。
2. 前記周囲の対象の前記観測情報に基づいて、前記周囲の対象の異なる動作意図の確率分布を計算するステップは、
   前記車両が移動する前記車線に基づく座標系において、前記周囲の対象の前記観測情報に基づいて、前記周囲の対象と前記車線との間の相対的な位置関係、及び前記周囲の対象と前記車線との間の相対的な運動関係を確立するステップと、
   前記周囲の対象と前記車線との間の前記相対的な位置関係、及び前記周囲の対象と前記車線との間の前記相対的な運動関係に基づいて、前記周囲の対象の前記異なる動作意図の前記確率分布を計算するステップと、
   を含む、請求項１に記載の方法。
3. 前記車両の観測情報を取得するステップと、
   前記車両が移動する前記車線に基づく座標系において、前記車両の前記観測情報及び前記周囲の対象の前記観測情報に基づいて、前記車両と前記車線との間の相対的な位置関係及び前記車両と前記車線との間の相対的な運動状態、並びに前記周囲の対象と前記車線との間の相対的な位置関係及び前記周囲の対象と前記車線との間の相対的な運動状態を確立するステップと、
   前記周囲の対象と前記車線との間の前記相対的な位置関係及び前記周囲の対象と前記車線との間の前記相対的な運動状態に基づいて、前記異なる動作意図に対応する前記リスクエリアを決定するステップと、
   前記車両と前記車線との間の前記相対的な位置関係及び前記車両と前記車線との間の前記相対的な運動状態、並びに前記異なる動作意図に対応する前記リスクエリアに基づいて、前記車両が前記車両の前記現在の位置から前記異なる動作意図に対応する前記リスクエリアに移動するための前記移動時間を計算するステップと、
   をさらに含む請求項１に記載の方法。
4. 前記車両が前記異なる動作意図に対応するリスクエリアに移動するための移動時間に基づいて、前記確率分布に対する再分布計算を実行して、前記異なる動作意図の確率再分布を取得するステップは、
   前記確率分布に対する粒子処理を実行するステップであり、前記異なる動作意図に対応する粒子の数量が、前記異なる動作意図の前記確率分布を表すために使用される、ステップと、
   計算を通じて取得され、前記車両が前記異なる動作意図に対応する前記リスクエリアに移動するための前記移動時間に基づいて、前記異なる動作意図に対応する前記粒子の重みを調整して、前記異なる動作意図の前記確率再分布を取得するステップと、
   を含む、請求項１乃至３のうちいずれか１項に記載の方法。
5. 前記車両が前記異なる動作意図に対応する前記リスクエリアに移動するための前記移動時間に基づいて、前記異なる動作意図を有する前記周囲の対象の運動状態変化を予測するステップは、
   前記車両が前記異なる動作意図に対応する前記リスクエリアに移動するための前記移動時間に基づいて、前記異なる動作意図を有する前記周囲の対象が動作意図を変える確率を決定するステップと、
   前記異なる動作意図を有する前記周囲の対象が前記動作意図を変える確率、及びランダム確率に基づいて、前記異なる動作意図を有する前記周囲の対象の前記運動状態変化を予測するステップであり、前記運動状態変化を予測するために使用される状態予測モデルが、前記車両及び前記周囲の対象に関連する相互作用確率が前記ランダム確率より大きいかどうかに基づいて決定される、ステップと、
   を含む、請求項１乃至４のうちいずれか１項に記載の方法。
6. 前記異なる動作意図の前記確率再分布と、前記異なる動作意図を有する前記周囲の対象の前記運動状態変化と、異なる移動速度制御動作下の前記車両の運動状態変化に基づいて、前記車両の移動速度を決定するステップは、
   前記異なる動作意図の前記確率再分布、前記異なる動作意図を有する前記周囲の対象の前記運動状態変化、及び前記異なる移動速度制御動作下の前記車両の前記運動状態変化に基づいて、前記異なる移動速度制御動作下でもたらす前記車両の移動効果を推定するステップと、
   前記異なる移動速度制御動作下でもたらす前記車両の前記移動効果に基づいて、前記異なる移動速度制御動作から目標移動速度制御動作を選択するステップと、
   前記目標移動速度制御動作に基づいて前記車両の前記移動速度を決定するステップと、
   を含む、請求項１乃至５のうちいずれか１項に記載の方法。
7. 車両速度を決定する装置であって、
   車両の周囲の対象の観測情報を取得するように構成された第１の取得ユニットと、
   前記周囲の対象の前記観測情報に基づいて、前記周囲の対象の異なる動作意図の確率分布を計算するように構成された第１の計算ユニットと、
   前記車両が前記車両の現在の位置から前記異なる動作意図に対応するリスクエリアに移動するための移動時間に基づいて、前記確率分布に対する再分布計算を実行して、前記異なる動作意図の確率再分布を取得するように構成された第２の計算ユニットであり、前記異なる動作意図に対応する前記リスクエリアは、前記車両が移動する車線内で、前記異なる動作意図を有する前記周囲の対象が通るエリアである、第２の計算ユニットと、
   前記車両が前記異なる動作意図に対応する前記リスクエリアに移動するための前記移動時間に基づいて、前記異なる動作意図を有する前記周囲の対象の運動状態変化を予測するように構成された予測ユニットと、
   前記異なる動作意図の前記確率再分布、前記異なる動作意図を有する前記周囲の対象の前記運動状態変化、及び異なる移動速度制御動作下の前記車両の運動状態変化に基づいて、前記車両の移動速度を決定するように構成された第１の決定ユニットと、
   を含む装置。
8. 前記第１の計算ユニットは、
   前記車両が移動する前記車線に基づく座標系において、前記周囲の対象の前記観測情報に基づいて、前記周囲の対象と前記車線との間の相対的な位置関係、及び前記周囲の対象と前記車線との間の相対的な運動関係を確立するように構成された確立サブユニットと、
   前記周囲の対象と前記車線との間の前記相対的な位置関係、及び前記周囲の対象と前記車線との間の前記相対的な運動関係に基づいて、前記周囲の対象の前記異なる動作意図の前記確率分布を計算するように構成された計算サブユニットと、
   を含む、請求項７に記載の装置。
9. 当該装置は、
   前記車両の観測情報を取得するように構成された第２の取得ユニットと、
   前記車両が移動する前記車線に基づく座標系において、前記車両の前記観測情報及び前記周囲の対象の前記観測情報に基づいて、前記車両と前記車線との間の相対的な位置関係及び前記車両と前記車線との間の相対的な運動状態、並びに前記周囲の対象と前記車線との間の相対的な位置関係及び前記周囲の対象と前記車線との間の相対的な運動状態を確立するように構成された確立ユニットと、
   前記周囲の対象と前記車線との間の前記相対的な位置関係及び前記周囲の対象と前記車線との間の前記相対的な運動状態に基づいて、前記異なる動作意図に対応する前記リスクエリアを決定するように構成された第２の決定ユニットと、
   前記車両と前記車線との間の前記相対的な位置関係及び前記車両と前記車線との間の前記相対的な運動状態、並びに前記異なる動作意図に対応する前記リスクエリアに基づいて、前記車両が前記車両の前記現在の位置から前記異なる動作意図に対応する前記リスクエリアに移動するための前記移動時間を計算するように構成された第３の計算ユニットと、
   を含む、請求項７に記載の装置。
10. 前記第２の計算ユニットは、
    前記確率分布に対する粒子処理を実行するように構成された処理サブユニットであり、前記異なる動作意図に対応する粒子の数量が、前記異なる動作意図の前記確率分布を表す、処理サブユニットと、
    計算を通じて取得され、前記車両が前記異なる動作意図に対応する前記リスクエリアに移動するための前記移動時間に基づいて、前記異なる動作意図に対応する前記粒子の重みを調整して、前記異なる動作意図の前記確率再分布を取得するように構成された調整サブユニットと、
    を含む、請求項７乃至９のうちいずれか１項に記載の装置。
11. 前記予測ユニットは、
    前記車両が前記異なる動作意図に対応する前記リスクエリアに移動するための前記移動時間に基づいて、前記異なる動作意図を有する前記周囲の対象が動作意図を変える確率を決定するように構成された第１の決定サブユニットと、
    前記異なる動作意図を有する前記周囲の対象が前記動作意図を変える確率、及びランダム確率に基づいて、前記異なる動作意図を有する前記周囲の対象の前記運動状態変化を予測するように構成された予測サブユニットであり、前記運動状態変化を予測するために使用される状態予測モデルが、前記車両及び前記周囲の対象に関連する相互作用確率が前記ランダム確率より大きいかどうかに基づいて決定される、予測サブユニットと、
    を含む、請求項７乃至１０のうちいずれか１項に記載の装置。
12. 前記第１の決定ユニットは、
    前記異なる動作意図の前記確率再分布、前記異なる動作意図を有する前記周囲の対象の前記運動状態変化、及び前記異なる移動速度制御動作下の前記車両の前記運動状態変化に基づいて、前記異なる移動速度制御動作下でもたらす前記車両の移動効果を推定するように構成された推定サブユニットと、
    前記異なる移動速度制御動作下でもたらす前記車両の前記移動効果に基づいて、前記異なる移動速度制御動作から目標移動速度制御動作を選択するように構成された選択サブユニットと、
    前記目標移動速度制御動作に基づいて前記車両の前記移動速度を決定するように構成された第２の決定サブユニットと、
    を含む、請求項７乃至１１のうちいずれか１項に記載の装置。
13. 命令を含むコンピュータ読取可能記憶媒体であって、コンピューティングデバイスの少なくとも１つのプロセッサが前記命令を実行したとき、前記コンピューティングデバイスは請求項１乃至６のうちいずれか１項に記載の車両速度を決定する方法を実行する、コンピュータ読取可能記憶媒体。

Images