JP7276067B2 - 走行支援システム、走行支援方法、及びプログラム - Google Patents

走行支援システム、走行支援方法、及びプログラム Download PDF

Info

Publication number
JP7276067B2
JP7276067B2 JP2019189383A JP2019189383A JP7276067B2 JP 7276067 B2 JP7276067 B2 JP 7276067B2 JP 2019189383 A JP2019189383 A JP 2019189383A JP 2019189383 A JP2019189383 A JP 2019189383A JP 7276067 B2 JP7276067 B2 JP 7276067B2
Authority
JP
Japan
Prior art keywords
vehicle
parking
stopping
parked
unit
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
Application number
JP2019189383A
Other languages
English (en)
Other versions
JP2021064251A (ja
Inventor
理天 孫
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Denso Corp
Original Assignee
Denso Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Denso Corp filed Critical Denso Corp
Priority to JP2019189383A priority Critical patent/JP7276067B2/ja
Priority to US17/071,885 priority patent/US11567507B2/en
Publication of JP2021064251A publication Critical patent/JP2021064251A/ja
Application granted granted Critical
Publication of JP7276067B2 publication Critical patent/JP7276067B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
    • 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
    • B60W30/18163—Lane change; Overtaking manoeuvres
    • 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
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0133—Traffic data processing for classifying traffic situation
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096708—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control
    • G08G1/096725—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control where the received information generates an automatic action on the vehicle control
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096733—Systems involving transmission of highway information, e.g. weather, speed limits where a selection of the information might take place
    • G08G1/096741—Systems involving transmission of highway information, e.g. weather, speed limits where a selection of the information might take place where the source of the transmitted information selects which information to transmit to each vehicle
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096766—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission
    • G08G1/096775—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission where the origin of the information is a central station
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
    • G08G1/096833—Systems involving transmission of navigation instructions to the vehicle where different aspects are considered when computing the route
    • G08G1/096838—Systems involving transmission of navigation instructions to the vehicle where different aspects are considered when computing the route where the user preferences are taken into account or the user selects one route out of a plurality
    • 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
    • B60W2554/20—Static objects
    • 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
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/402—Type
    • 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
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/404—Characteristics
    • B60W2554/4041—Position
    • 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
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/404—Characteristics
    • B60W2554/4045—Intention, e.g. lane change or imminent movement
    • 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
    • B60W2756/00—Output or target parameters relating to data
    • B60W2756/10—Involving external transmission of data to or from the vehicle

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Remote Sensing (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Human Computer Interaction (AREA)
  • Mathematical Physics (AREA)
  • Traffic Control Systems (AREA)

Description

本開示は、走行支援システム、走行支援方法、及びプログラムに関する。
自車両が走行する走行予定経路を自車両よりも先行して走行する他車両によって取得された障害物の地図上の位置を含む障害物情報を、自車両の外部から取得し、走行予定経路の車線情報と障害物情報とに基づいて、走行予定経路を走行する自車両において実施する自動運転支援に用いる支援情報として、自車両の目標速度と走行軌道候補とを生成する手法がある（特許文献１）。
また、出発地から目的地までの移動に利用可能な複数の経路を取得し、出発地から目的地まで移動する移動体の交通量を所定の分配割合で複数の経路に分配し、複数の経路ごとの交通量を示す経路交通量を算出し、当該経路交通量と、経路に含まれる各区間の距離である区間距離または各区間を通過するのに要する時間である区間所要時間とに基づいて、各時間帯に各区間を通過する移動体の交通量である時間帯毎区間毎交通量を算出し、時間帯毎区間毎交通量に基づいて各時刻における各区間の混雑レベルを算出することにより、出発地から目的地まで移動体が移動する経路にて混雑の発生する区間を予測する手法がある（特許文献２）。
特開２０１７－１１７０８０号公報 特開２０１９－０２８５２６号公報
しかし、従来の手法では、走路上に駐停車された車両の駐停車持続時間を予測することはできない。このため、駐停車車両を考慮した適切な走行支援を行うことができない、という問題があった。
本開示は上記の点に鑑みてなされたものであり、走路上の駐停車車両の駐停車持続時間を予測することができる走行支援システム、走行支援方法、及び走行支援プログラムを提供することを目的とする。
本開示に係る走行支援システムは、受信部と、予測部とを含み、前記受信部は、走行中の先行車両又は走路上のセンサから、走路上の駐停車車両を検出したことを示す駐停車情報を受信し、前記予測部は、前記駐停車情報と、駐停車車両が駐停車を持続する時間である駐停車持続時間を予測する持続時間予測モデルとに基づいて、前記駐停車持続時間を予測するように構成される。
また、本開示に係る走行支援方法は、受信部が、走行中の先行車両又は走路上のセンサから、走路上の駐停車車両を検出したことを示す駐停車情報を受信し、予測部が、前記駐停車情報と、駐停車車両が駐停車を持続する時間である駐停車持続時間を予測する持続時間予測モデルとに基づいて、前記駐停車持続時間を予測する。
また、本開示に係るプログラムは、受信部が、走行中の先行車両又は走路上のセンサから、走路上の駐停車車両を検出したことを示す駐停車情報を受信し、予測部が、前記駐停車情報と、駐停車車両が駐停車を持続する時間である駐停車持続時間を予測する持続時間予測モデルとに基づいて、前記駐停車持続時間を予測することを含む処理をコンピュータに実行させるためのプログラムである。
本開示に係る走行支援システム、走行支援方法及びプログラムによれば、受信部が、走行中の先行車両又は走路上のセンサから、走路上の駐停車車両を検出したことを示す駐停車情報を受信し、予測部が、駐停車情報と、駐停車車両が駐停車を持続する時間である駐停車持続時間を予測する持続時間予測モデルとに基づいて、駐停車持続時間を予測する。
このように、走行中の先行車両又は走路上のセンサから、走路上の駐停車車両を検出したことを示す駐停車情報を受信し、駐停車情報と、駐停車車両が駐停車を持続する時間である駐停車持続時間を予測する持続時間予測モデルとに基づいて、駐停車持続時間を予測することにより、走路上の駐停車車両の駐停車持続時間を予測することができる。
また、本開示に係る走行支援システムは、第１学習部を更に含み、前記第１学習部は、予め収集された複数の前記駐停車持続時間に基づいて、前記持続時間予測モデルが、前記駐停車持続時間毎に駐停車車両がいる確率を表す確率分布モデルとなるように、前記持続時間予測モデルのパラメータを学習し、前記予測部は、前記第１学習部により学習された前記持続時間予測モデルに基づいて、前記駐停車車両の駐停車持続時間を予測することができる。
また、本開示に係る走行支援システムは、第２学習部を更に含み、前記駐停車情報は、車両の用途を示す車種を更に含み、前記第１学習部は、予め収集された、前記複数の駐停車持続時間、前記駐停車持続時間の駐停車車両の車種、及び前記駐停車持続時間における前記車種の駐停車の持続時間に影響を与える影響要素に基づいて、前記車種と前記影響要素とのペア毎に前記持続時間予測モデルのパラメータを学習し、前記第２学習部は、前記第１学習部により学習された前記持続時間予測モデルと、予め収集された、前記複数の駐停車持続時間、前記駐停車持続時間の駐停車車両の車種及び前記駐停車持続時間における前記車種の駐停車の持続時間に影響を与える影響要素とに基づいて、複数の車種の各々について、前記影響要素を入力することにより前記車種に応じた前記持続時間予測モデルのパラメータを出力するパラメータモデルを学習し、前記予測部は、前記駐停車情報の前記車種に応じた、前記第２学習部により学習された前記パラメータモデルと、前記駐停車情報の前記影響要素とに基づいて得られる前記持続時間予測モデルが表す確率分布を予測結果とすることができる。
また、本開示に係る走行支援システムの前記駐停車情報は、前記検出した走路上の駐停車車両の位置を更に含み、前記影響要素は、駐停車車両近傍に位置する施設情報を含み、前記予測部は、前記駐停車情報に含まれる前記駐停車車両の位置に基づいて、前記施設情報を求め、前記第２学習部により学習された前記パラメータモデルと、前記施設情報とに基づいて得られる前記持続時間予測モデルが表す確率分布を予測結果とすることができる。
また、本開示に係る走行支援システムは、到達時刻算出部と、判定部と、支援情報生成部とを更に含み、前記駐停車情報は、前記検出した走路上の駐停車車両の位置と、前記先行車両又は前記センサが前記駐停車車両を検出した時刻とを更に含み、前記到達時刻算出部は、前記検出した走路上の駐停車車両の位置と、前記走路上の走行車両の運行情報とに基づいて、前記走行車両が前記駐停車車両の位置に到達する時刻である到達時刻を算出し、前記判定部は、前記検出した時刻と、前記予測部が予測した前記確率分布とに基づいて、前記到達時刻に前記駐停車車両が存在するか否かを判定し、支援情報生成部は、前記判定部が、前記到達時刻に前記駐停車車両が存在すると判定した場合、前記走行車両の走行支援を行うための支援情報を生成することができる。
また、本開示に係る走行支援システムの前記判定部は、前記検出した時刻と、前記予測部が予測した前記確率分布とに基づいて、前記検出した時刻と、前記走行車両が前記駐停車車両の位置に到達する時刻との差で表される時間を前記駐停車持続時間として駐停車車両がいる確率を算出し、算出した前記駐停車車両がいる確率が、予め定めた閾値以上である場合に、前記到達時刻に前記駐停車車両が存在すると判定することができる。
また、本開示に係る走行支援システムの前記支援情報生成部は、前記判定部が、前記駐停車車両が存在すると判定した場合、前記支援情報として、車線変更の指示又は車線変更の提案を生成することができる。
また、本開示に係る走行支援システムの前記支援情報生成部は、前記判定部が、前記駐停車車両が存在しないと判定した場合、前記駐停車車両の位置を駐停車候補位置とする前記支援情報を生成することができる。
また、本開示に係る走行支援システムは、送信部を更に含み、前記送信部は、前記支援情報生成部により生成された前記支援情報を、前記走行車両に送信することができる。
本開示の走行支援システム、走行支援方法、及びプログラムによれば、走路上の駐停車車両の駐停車持続時間を予測することができる。
走行支援システムの構成を示すブロック図である。 走行支援システムにおいて想定される場面の例を示すイメージ図である。 車載器のハードウェア構成を示すブロック図である。 車載器の機能構成を示すブロック図である。 自動運転センタのハードウェア構成を示すブロック図である。 自動運転センタの機能構成を示すブロック図である。 学習データのサンプルの一例を示すイメージ図である。 駐停車持続時間毎のサンプルの割合を示すグラフである。 持続時間予測モデルが表す確率分布の一例を示すグラフである。 駐停車車両がいる確率と閾値との比較による判定のイメージを表すイメージ図である。 車載器の駐停車車両検出処理ルーチンを示すフローチャートである。 自動運転センタの支援情報生成処理ルーチンを示すフローチャートである。 車載器の車線変更処理ルーチンを示すフローチャートである。 自動運転センタの学習処理ルーチンを示すフローチャートである。 学習データのサンプルの一例を示すイメージ図である。 駐停車持続時間毎のサンプルの割合を示すグラフである。 センサ装置の機能構成を示すブロック図である。
以下、本開示の実施形態について図面を用いて説明する。
＜本開示の実施形態に係る走行支援システムの構成＞
図１及び図２を参照して、本開示の実施形態に係る走行支援システム１について説明する。
図１は、本開示の実施形態に係る走行支援システム１の構成を示すブロック図である。図１に示すように、本開示の実施形態に係る走行支援システム１は、カメラ１０と、車載器２０と、自動運転センタ４０と、基地局６０と、ネットワーク７０により構成される。なお、走行支援システム１は、自動運転センタ４０により生成された走行支援情報に基づいて、車載器２０を搭載した車両が自動運転を実施している場合を例に説明する。
走行支援システム１は、例えば、図２に示すように、複数車線を有する走路において、駐停車車両１２０がある車線に駐停車され、先行車両１００が駐停車車両１２０を検知するように構成され、走行車両１１０が当該車線を走行する予定であるような場面に用いられる。図２において、先行車両１００及び走行車両１１０は、走行方向に向かって走行している。
基地局６０は、ネットワーク７０に接続され、無線通信により車載器２０と通信を行う無線基地局である。ネットワーク７０は、インターネットや広域イーサ網等の公衆網である。
カメラ１０は、先行車両１００及び走行車両１１０に搭載されたカメラである。カメラ１０は、車両の周辺を撮影するカメラである。例えば、カメラ１０は、図２示すように、車両の前方を広角に撮影する。カメラ１０は、撮影した画像を、車載器２０に渡す。
車載器２０は、自動運転制御を実行する。図３及び図４を参照して、車載器２０の構成について説明する。
図３は、本実施形態に係る車載器２０のハードウェア構成を示すブロック図である。図３に示すように、車載器２０は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）１１、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）１２、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）１３、ストレージ１４、入力部１５、表示部１６及びアンテナ１７を有する。各構成は、バス１９を介して相互に通信可能に接続されている。
ＣＰＵ１１は、中央演算処理ユニットであり、各種プログラムを実行したり、各部を制御したりする。すなわち、ＣＰＵ１１は、ＲＯＭ１２又はストレージ１４からプログラムを読み出し、ＲＡＭ１３を作業領域としてプログラムを実行する。ＣＰＵ１１は、ＲＯＭ１２又はストレージ１４に記憶されているプログラムに従って、上記各構成の制御及び各種の演算処理を行う。本実施形態では、ＲＯＭ１２又はストレージ１４には、駐停車車両検出処理を実行するための駐停車車両検出プログラムと、車線変更処理を実行するための車線変更プログラムとが記憶されている。
ＲＯＭ１２は、各種プログラム及び各種データを記憶する。ＲＡＭ１３は、作業領域として一時的にプログラム又はデータを記憶する。ストレージ１４は、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）又はＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）により構成され、オペレーティングシステムを含む各種プログラム、及び各種データを記憶する。
入力部１５は、マウス等のポインティングデバイス、キーボード、及び音声入力デバイスを含み、各種の入力を行うために使用される。
表示部１６は、例えば、液晶ディスプレイ又はスピーカーであり、各種の情報を表示又は再生する。表示部１６は、タッチパネル方式を採用して、入力部１５として機能しても良い。
アンテナ１７は、他の機器と無線通信するための無線通信アンテナであり、例えば、ＬＴＥ、５Ｇ、Ｗｉ－Ｆｉ（登録商標）等の規格が用いられる。
図４は、本実施形態に係る車載器２０の機能構成を示すブロック図である。図４に示すように、本実施形態に係る車載器２０は、画像取得部２０１と、駐停車検出部２０２と、車種検出部２０３と、駐停車情報生成部２０４と、通信部２０５と、自動運転制御部２０６とを備えて構成される。
画像取得部２０１は、カメラ１０により撮影された画像を取得する。そして、画像取得部２０１は、取得した画像を、駐停車検出部２０２に渡す。
駐停車検出部２０２は、画像取得部２０１が取得した画像から、駐停車車両１２０を検出する。具体的には、駐停車検出部２０２は、まず、画像を解析することにより、当該画像に駐停車車両１２０を抽出する。例えば、走路の路側帯と、車両とを画像解析により抽出し、車両が路側帯内に入っている場合に、当該車両を駐停車車両１２０と判断し、検出結果とする。そして、駐停車検出部２０２は、駐停車車両１２０が検出された場合、駐停車車両１２０の検出結果を車種検出部２０３に渡す。
また、駐停車検出部２０２は、駐停車車両１２０が検出された場合、カメラ１０が画像を撮影した位置と、駐停車車両１２０の画像上の位置とに基づいて、走路上の駐停車車両１２０の位置を算出する。なお、カメラ１０が画像を撮影した位置は、例えばＧＰＳ装置（図示しない）等により取得すればよい。また、駐停車検出部２０２は、駐停車車両１２０が検出された場合、当該駐停車車両１２０の走路の占有度を算出する。駐停車検出部２０２は、走路が複数車線の場合、駐停車車両１２０が駐停車している側の車線の占有度を算出する。そして、駐停車検出部２０２は、駐停車車両１２０の検出結果と、走路上の駐停車車両１２０の位置と、算出した占有度とを、駐停車情報生成部２０４に渡す。
車種検出部２０３は、駐停車検出部２０２により検出された駐停車車両１２０の車種を検出する。本実施形態において、車種とは、車両の用途を意味し、ＯＥＭの車種のことではない。車種は、例えば、物を運ぶ用途に用いる車両の種類であるトラック類、複数人を運ぶ用途に用いる車両の種類であるバス類、工事に用いられる車両の種類である工事類、一般的に用いられる車両の種類である自家用車類等とすることができる。本実施形態では、車種として、上記４種類の車種を例に説明する。なお、タクシーは、自家用車類に含めるものとするが、別の車種として定義してもよい。
具体的には、車種検出部２０３は、駐停車車両１２０について、画像解析を行い、車種を抽出する。例えば、車種検出部２０３は、駐停車車両１２０の全体の形状、車種において判断材料となる特徴等に基づいて、特徴量を取得し、当該特徴量に基づいて車種を抽出する。そして、車種検出部２０３は、抽出した車種を、駐停車情報生成部２０４に渡す。
駐停車情報生成部２０４は、検出した走路上の駐停車車両１２０の位置、駐停車車両１２０を検出した時刻、車両の用途を示す車種、及び当該駐停車車両１２０の走路の占有度を含む駐停車情報を生成する。具体的には、駐停車情報生成部２０４は、カメラ１０が画像を撮影した時刻を、駐停車車両１２０を検出した時刻として、駐停車情報を生成する。
そして、駐停車情報生成部２０４は、生成した駐停車情報を、通信部２０５に渡す。
通信部２０５は、駐停車情報を、自動運転センタ４０に送信する。また、通信部２０５は、自動運転センタ４０から、走行支援情報を受信する。そして、通信部２０５は、受信した走行支援情報を、自動運転制御部２０６に渡す。
自動運転制御部２０６は、車載器２０が搭載されている車両について自動運転制御を行う。なお、自動運転制御そのものについては説明を省略するが、周知の自動運転制御技術又は将来の自動運転制御技術を用いればよい。また、自動運転制御部２０６は、車載器２０が搭載されている車両の自動運転に関する情報である運転情報を、通信部２０５を介して自動運転センタ４０に、定期的に送信する。運転情報には、例えば、車両の位置、走行ルート、車速等が含まれる。
また、自動運転制御部２０６は、通信部２０５が受信した走行支援情報に車線変更の指示が含まれている場合、車線の変更を行う。
自動運転センタ４０は、本開示の実施形態に係る走行支援システムにおける車両が自動運転を行うための走行支援を行う。図５及び図６を参照して、本開示の実施形態に係る自動運転センタ４０の構成について説明する。図５は、本実施形態に係る自動運転センタ４０のハードウェア構成を示すブロック図である。図５に示すように、自動運転センタ４０は、ＣＰＵ１１、ＲＯＭ１２、ＲＡＭ１３、ストレージ１４、入力部１５、表示部１６及び通信インタフェース（Ｉ／Ｆ）１８を有する。各構成は、バス１９を介して相互に通信可能に接続されている。なお、車載器２０と同様のハードウェアについては説明を省略する。自動運転センタ４０では、ＲＯＭ１２又はストレージ１４には、支援情報生成処理を実行するための支援情報生成プログラムと、学習処理を実行するための学習プログラムとが記憶されている。
通信インタフェース１８は、他の機器と通信するためのインタフェースであり、例えば、イーサネット（登録商標）、ＦＤＤＩ、Ｗｉ－Ｆｉ（登録商標）等の規格が用いられる。
次に、自動運転センタ４０の機能構成について説明する。図６は、自動運転センタ４０の機能構成の例を示すブロック図である。図６に示すように、本実施形態に係る自動運転センタ４０は、通信部４０１と、運転情報格納部４０２と、第１判定部４０３と、施設情報生成部４０４と、モデル格納部４０５と、予測部４０６と、到達時刻算出部４０７と、第２判定部４０８と、支援情報生成部４０９と、学習データ格納部４１０と、第１学習部４１１と、第２学習部４１２と、比較部４１３とを備えて構成される。
通信部４０１は、ネットワーク７０を介して、車載器２０と通信を行う。具体的には、通信部４０１は、車載器２０から、駐停車情報を受信する。そして、通信部４０１は、受信した駐停車情報を、第１判定部４０３及び比較部４１３に渡す。また、通信部４０１は、車載器２０から運転情報を受信する。そして、通信部４０１は、受信した運転情報を運転情報格納部４０２に格納する。また、通信部４０１は、支援情報生成部４０９より生成された走行支援情報を、ネットワーク７０を介して、車載器２０に送信する。
運転情報格納部４０２には、自動運転センタ４０が管理する複数の車両の各々についての運転情報が格納されている。
第１判定部４０３は、走路上の駐停車車両１２０が駐停車を持続する時間である駐停車持続時間を予測するか否かの判定を行う。具体的には、第１判定部４０３は、まず、通信部４０１が受信した駐停車情報に含まれる駐停車車両１２０の走路の占有度に基づいて、車線変更が必要か否かを判定する。例えば、第１判定部４０３は、走路の占有度が予め定めた第１閾値以上である場合に、車線変更が必要であると判定する。第１閾値は、車線変更が必要となる割合を定めておけばよい。
次に、第１判定部４０３は、自動運転センタ４０が管理する複数の車両のうち、駐停車情報に含まれる走路上の駐停車車両１２０の位置の車線に到達する走行車両１１０があるか否かを検出する。より具体的には、第１判定部４０３は、運転情報格納部４０２に格納された複数の車両の各々についての運転情報を取得し、当該運転情報に基づいて、当該駐停車車両１２０の位置の車線に到達する走行車両１１０を検出する。
当該駐停車車両１２０の位置の車線に到達する走行車両１１０が存在する場合、第１判定部４０３は、駐停車持続時間を予測すると判定し、施設情報生成部４０４に駐停車情報と、検出した走行車両１１０の運転情報とを渡す。
施設情報生成部４０４は、駐停車車両１２０の周辺に位置する施設に関する情報である施設情報を生成する。具体的には、施設情報生成部４０４は、まず、駐停車情報に含まれる走路上の駐停車車両１２０の位置と、予め保有している地図情報とに基づいて、当該駐停車車両１２０に近い施設を抽出する。次に、施設情報生成部４０４は、抽出した施設の施設情報を生成する。抽出する施設は、車両が駐停車することに影響のある施設であり、例えば商業施設、バス停、建築現場である。施設情報には、例えば、当該施設の出入口、当該施設の出入口と駐停車車両１２０との距離、商業施設であれば当該施設の商業タイプ等を含める。そして、施設情報生成部４０４は、生成した施設情報を、予測部４０６に渡す。
モデル格納部４０５には、第１学習部４１１により予め学習された駐停車車両１２０が駐停車を持続する時間である駐停車持続時間を予測する持続時間予測モデルが格納されている。また、モデル格納部４０５には、第２学習部４１２により予め学習された複数の車種の各々について、影響要素を入力することにより当該車種に応じた持続時間予測モデルである車種持続時間予測モデルのパラメータを出力するパラメータモデルが車種毎に格納されている。
＜＜各モデルの学習＞＞
ここで、モデル格納部４０５に格納される各モデルの学習について説明する。
学習データ格納部４１０には、学習データが複数格納されている。学習データは、駐停車車両１２０の車種と、駐停車持続時間における当該車種の駐停車の持続時間に影響を与える影響要素と、駐停車車両１２０が駐停車を持続する時間である駐停車持続時間とを含む。
当該影響要素として、施設情報、及び駐停車車両１２０が駐停車された時刻である時情報の少なくとも何れかを採用することができる。時情報には、時刻の代わりに、曜日、季節等を用いることができる。これは、時刻、曜日、季節により、駐停車の持続時間に変化があると考えられるからである。例えば、大型デパート等の商業施設の近くでは、日曜日の日中に買い物のために駐停車する車両と、平日夜間のトラック等による荷物の搬入のために駐停車する車両とでは、駐停車の持続時間が異なるからである。本実施形態では、影響要素として、施設情報及び時情報を用いる場合を例に説明するが、車種持続時間予測モデルを学習する際に、他の影響要素を用いてもよいし、他の影響要素と組合せて用いてもよい。
駐停車持続時間は、駐停車車両１２０の駐停車の開始時刻及び終了時刻のペアで表すことができる。図７に示すように、駐停車持続時間のサンプルＳ１～サンプルＳ２は、開始時刻及び終了時刻に基づいて表される。学習データは、例えば、路上センサにより検知されたデータや、駐停車車両のログにより収集される。収集された学習データは、図８のように、駐停車持続時間毎のサンプルの割合を示すグラフとして表すことができる。
第１学習部４１１は、予め収集された複数の駐停車持続時間に基づいて、持続時間予測モデルが、駐停車持続時間毎に駐停車車両１２０がいる確率を表す確率分布モデルとなるように、持続時間予測モデルのパラメータを学習する。
具体的には、第１学習部４１１は、まず、学習データ格納部４１０から、学習データを取得する。第１学習部４１１は、持続時間予測モデルが、図９に示すような曲線で示されるような、図８のグラフに近似し、駐停車持続時間毎に駐停車車両１２０がいる確率を表す確率分布となるように、持続時間予測モデルのパラメータを学習する。持続時間予測モデルは、例えば下記式（１）で表されるような確率分布を採用することができる。
Figure 0007276067000001
ここで、上記式（１）において、ｋ及びａはパラメータであり、ｔは駐停車持続時間である。持続時間予測モデルは、他に、Ｇａｕｓｓｉａｎ分布等の他の確率分布を用いても、ニューラルネットワークであってもよい。
第１学習部４１１は、回帰近似や誤差逆伝搬法等の機械学習手法を用いて、持続時間予測モデルのパラメータを学習する。そして、第１学習部４１１は、学習した持続時間予測モデルを、モデル格納部４０５に格納する。第１学習部４１１は、学習データの車種と影響要素とのペア毎に、当該ペアの持続時間予測モデルのパラメータを学習し、格納することを行う。すなわち、同じ車種及び同じ影響要素の複数の学習データから、当該車種と当該影響要素のペアの持続時間予測モデルのパラメータを学習することとなる。また、第１学習部４１１は、学習データと、学習した持続時間予測モデルとを、第２学習部４１２に渡す。
第２学習部４１２は、第１学習部４１１により学習された持続時間予測モデルと、予め収集された、複数の駐停車持続時間、駐停車持続時間の駐停車車両１２０の車種及び影響要素とに基づいて、複数の車種の各々について、影響要素を入力することにより当該車種に応じた持続時間予測モデルでのパラメータを出力するパラメータモデルを学習する。
パラメータモデルは、対応する車種について、影響要素と駐停車持続時間予測モデルが表す確率分布のパラメータとの関係をモデリングしたものである。すなわち、パラメータモデルは、影響要素を入力すると、当該パラメータモデルの車種に応じた持続時間予測モデルのパラメータを出力する。すなわち、車種ｖ１についての持続時間予測モデルは、施設情報及び時情報を影響要素として入力した場合にパラメータモデルにより出力されたａ１及びｋ１を、パラメータとする確率分布となる。
第２学習部４１２は、第１学習部４１１により学習された持続時間予測モデルと、学習データとを用いて、回帰近似や誤差逆伝搬法等の機械学習手法により、車種毎にパラメータモデルのパラメータを学習する。そして、第２学習部４１２は、車種毎に学習したパラメータモデルをモデル格納部４０５に格納する。
以上が各モデルの学習についての説明である。
予測部４０６は、駐停車情報と、第２学習部４１２により学習されたパラメータモデルとに基づいて、当該車種に応じた確率分布を予測する。具体的には、予測部４０６は、まず、モデル格納部４０５から、第２学習部４１２により学習された車種毎のパラメータモデルのうち、駐停車情報の車種に応じたパラメータモデルを取得する。次に、予測部４０６は、取得したパラメータモデルに、駐停車情報の影響要素を入力することにより、持続時間予測モデルのパラメータを算出する。予測部４０６は、算出したパラメータを用いた持続時間予測モデルにより表される確率分布を、予測結果とする。そして、予測部４０６は、予測結果の確率分布を、到達時刻算出部に渡す。
到達時刻算出部４０７は、駐停車情報に含まれる検出した走路上の駐停車車両１２０の位置と、走路上の走行車両１１０の運行情報とに基づいて、走行車両１１０が駐停車車両１２０の位置に到達する時刻である到達時刻を算出する。そして、到達時刻算出部４０７は、算出した到達時刻を、第２判定部４０８に渡す。なお、到達時刻算出部４０７は、第１判定部４０３により複数の走行車両１１０が検出された場合、複数の走行車両１１０の各々について、到達時刻を算出する。
第２判定部４０８は、検出した時刻と、予測部４０６が予測した確率分布とに基づいて、検出した時刻と、走行車両１１０が駐停車車両１２０の位置に到達する時刻との差で表される時間を駐停車持続時間として、駐停車車両１２０がいる確率を算出する。第２判定部４０８は、算出した駐停車車両１２０がいる確率が、予め定めた閾値以上である場合に、到達時刻算出部４０７により算出された到達時刻に駐停車車両１２０が存在すると判定し、予め定めた閾値未満である場合に、到達時刻算出部４０７により算出された到達時刻に駐停車車両１２０が存在しないと判定する（図１０）。
ここで、閾値は、初期において任意の値を設定することができる。例えば、短時間の駐停車を考慮した走行支援をするために、例えば、０．９５等のように閾値の初期値を高く設定しておくことができる。この場合、収集した実測データを更に学習データとすることにより、各モデルの再学習し、精度の向上により閾値を徐々に低くしていくことができる。この場合、初期においては駐停車車両が存在する方に判定されやすいため、誤って駐停車車両が存在するにも関わらず駐停車車両が存在しないという誤判定を防ぐことができる。
閾値の調整する方法としては、例えば下記式（２）によりＦ１が最大となる値を用いる方法を採用することができる。
Figure 0007276067000002
ここで、Ｍは駐停車車両を回避することに必要な時間のペナルティ、Ｎは車線変更のために必要となった時間・操作のペナルティであり、Ｍ＞Ｎである。式（２）を複数の閾値を用いてＰｒｅｃｉｓｉｏｎとＲｅｃａｌｌとを計算することにより、閾値を最大化させる。なお、上記式（２）では、判定結果としては駐停車車両が無かったが、実際には駐停車車両があった場合を避けるために、Ｒｅｃａｌｌによる重みをかけている。
第２判定部４０８は、第１判定部４０３により複数の走行車両１１０が検出された場合、複数の走行車両１１０の各々について、当該判定を行う。そして、第２判定部４０８は、複数の走行車両１１０の各々についての判定結果を、支援情報生成部４０９に渡す。
支援情報生成部４０９は、第２判定部４０８の判定結果に基づいて、走行車両１１０の走行支援を行うための支援情報を生成する。具体的には、支援情報生成部４０９は、第２判定部４０８が、駐停車車両１２０が存在すると判定した場合、支援情報として、車線変更の指示を生成する。そして、支援情報生成部４０９は、生成した支援情報を、通信部４０１に渡す。
比較部４１３は、走行車両１１０の車載器２０から受信した駐停車情報と、先行車両１００の車載器２０から受信した駐停車情報とを比較する。
具体的には、比較部４１３は、走行車両１１０の車載器２０から受信した駐停車情報と、先行車両１００の車載器２０から受信した駐停車情報とを比較し、駐停車車両及び車種が一致するか否かを判定する。一致しない場合、比較部４１３は、走行車両１１０を先行車両１００として、第１判定部４０３に判定を行わせる。一方、一致する場合、当該駐停車情報を学習データとして、学習データ格納部４１０に格納し、第１学習部４１１及び第２学習部４１２に再度学習を行わせる。
＜本開示の第１の実施形態に係る走行支援システムの作用＞
図１１は、本開示の実施形態に係る車載器２０の駐停車車両検出処理ルーチンを示すフローチャートである。
ステップＳ１０１において、画像取得部２０１は、カメラ１０により撮影された画像を取得する。
ステップＳ１０２において、駐停車検出部２０２は、上記ステップＳ１０１により取得した画像から、駐停車車両１２０を検出する。
ステップＳ１０３において、駐停車検出部２０２は、上記ステップＳ１０１により取得した画像から、駐停車車両１２０が検出されたか否かを判定する。
駐停車車両１２０を検出しなかった場合（上記ステップＳ１０３のＮＯ）、処理を終了する。
一方、駐停車車両１２０を検出した場合（上記ステップＳ１０３のＹＥＳ）、ステップＳ１０４において、車種検出部２０３は、駐停車検出部２０２により検出された駐停車車両１２０の車種を検出する。
ステップＳ１０５において、駐停車情報生成部２０４は、検出した走路上の駐停車車両１２０の位置、駐停車車両１２０を検出した時刻、車両の用途を示す車種、及び当該駐停車車両１２０の走路の占有度を含む駐停車情報を生成する。
ステップＳ１０６において、通信部２０５は、上記ステップＳ１０５により生成した駐停車情報を、自動運転センタ４０に送信し、処理を終了する。
図１２は、本開示の実施形態に係る自動運転センタ４０の支援情報生成処理ルーチンを示すフローチャートである。
ステップＳ２０１において、通信部４０１は、車載器２０から、駐停車情報を受信する。
ステップＳ２０２において、第１判定部４０３は、走路上の駐停車車両１２０が駐停車を持続する時間である駐停車持続時間を予測するか否かの判定を行う。例えば、第１判定部４０３は、上記ステップＳ２０１により受信した駐停車情報に含まれる走路の占有度が予め定めた第１閾値以上である場合に、駐停車持続時間を予測すると判定する。
駐停車持続時間を予測しない場合（上記ステップＳ２０２のＮＯ）、処理を終了する。
一方、駐停車持続時間を予測する場合（上記ステップＳ２０２のＹＥＳ）、ステップＳ２０３において、施設情報生成部４０４は、駐停車車両１２０の周辺に位置する施設に関する情報である施設情報を生成する。
ステップＳ２０４において、予測部４０６は、モデル格納部４０５から、第２学習部４１２により学習された車種毎のパラメータモデルのうち、上記ステップＳ２０１により受信した駐停車情報の車種に応じたパラメータモデルを取得する。
ステップＳ２０５において、予測部４０６は、上記ステップＳ２０４により取得したパラメータモデルに、上記ステップＳ２０１により受信した駐停車情報の影響要素を入力することにより、持続時間予測モデルのパラメータを算出し、算出したパラメータを用いた持続時間予測モデルにより表される確率分布を予測結果とする。
ステップＳ２０６において、到達時刻算出部４０７は、駐停車情報に含まれる検出した走路上の駐停車車両１２０の位置と、走路上の走行車両１１０の運行情報とに基づいて、走行車両１１０が駐停車車両１２０の位置に到達する時刻である到達時刻を算出する。
ステップＳ２０７において、第２判定部４０８は、検出した時刻と、上記ステップＳ２０５により予測した確率分布とに基づいて、検出した時刻と、走行車両１１０が駐停車車両１２０の位置に到達する時刻との差で表される時間を駐停車持続時間として、駐停車車両１２０がいる確率を算出する。
ステップＳ２０８において、第２判定部４０８は、算出した駐停車車両１２０がいる確率が、予め定めた閾値以上であるか否かを判定する。
予め定めた閾値以上でない場合（上記ステップＳ２０８のＮＯ）、処理を終了する。
一方、予め定めた閾値以上である場合（上記ステップＳ２０８のＹＥＳ）、ステップＳ２０９において、支援情報生成部４０９は、上記ステップＳ２０８の判定結果に基づいて、走行車両１１０の走行支援を行うための支援情報を生成する。
ステップＳ２１０において、通信部４０１は、上記ステップＳ２０９により生成された走行支援情報を、ネットワーク７０を介して、走行車両１１０の車載器２０に送信し、処理を終了する。なお、複数の走行車両１１０が検知された場合、複数の走行車両１１０の各々について、ステップＳ２０６～Ｓ２１０を実行する。
図１３は、本開示の実施形態に係る車載器２０の車線変更処理ルーチンを示すフローチャートである。
ステップＳ３０１において、通信部２０５は、自動運転センタ４０から、走行支援情報を受信する。
ステップＳ３０２において、自動運転制御部２０６は、上記ステップＳ３０１により受信した走行支援情報に車線変更の指示が含まれている場合、車線の変更を行い、処理を終了する。
図１４は、本開示の実施形態に係る自動運転センタ４０の学習処理ルーチンを示すフローチャートである。
ステップＳ４０１において、第１学習部４１１は、学習データ格納部４１０から、学習データを取得する。
ステップＳ４０２において、第１学習部４１１は、予め収集された、複数の駐停車持続時間、駐停車持続時間の駐停車車両の車種、及び駐停車持続時間における当該車種の駐停車の持続時間に影響を与える影響要素に基づいて、車種と影響要素とのペア毎に、持続時間予測モデルが、駐停車持続時間毎に駐停車車両１２０がいる確率を表す確率分布モデルとなるように、当該ペアの持続時間予測モデルのパラメータを学習する。
ステップＳ４０３において、第２学習部４１２は、第１学習部４１１により学習された持続時間予測モデルと、予め収集された、複数の駐停車持続時間、駐停車持続時間の駐停車車両１２０の車種及び影響要素とに基づいて、複数の車種の各々について、影響要素を入力することにより当該車種に応じた持続時間予測モデルでのパラメータを出力するパラメータモデルを学習する。
ステップＳ４０４において、第２学習部４１２は、車種毎に学習したパラメータモデルをモデル格納部４０５に格納し、処理を終了する。
以上説明したように、本開示の実施形態に係る走行支援システムによれば、走行中の先行車両又は走路上のセンサから、走路上の駐停車車両を検出したことを示す駐停車情報を受信し、駐停車情報と、駐停車車両が駐停車を持続する時間である駐停車持続時間を予測する持続時間予測モデルとに基づいて、駐停車持続時間を予測することにより、走路上の駐停車車両の駐停車持続時間を予測することができる。特に、予め取得した路上の状態に基づいて想定された走行ルートに、駐停車車両という短時間発生する想定外の障害物がある場合、駐停車車両の発見が遅くなると、発見後に一旦減速・停止してから、車線変更を行うことになるため、不要な時間が掛かってしまう。このような場合に、予め駐停車の検知及び駐停車持続時間を予測することにより、車速を保持して車線変更を行うことができ、スムーズな走行を実現することができる。
また、第１学習部が、予め収集された複数の駐停車持続時間に基づいて、持続時間予測モデルが、駐停車持続時間毎に駐停車車両がいる確率を表す確率分布モデルとなるように、持続時間予測モデルのパラメータを学習し、第２学習部が、第１学習部により学習された持続時間予測モデルと、予め収集された、複数の駐停車持続時間、駐停車持続時間の駐停車車両の車種及び駐停車持続時間における当該車種の駐停車の持続時間に影響を与える影響要素とに基づいて、複数の車種の各々について、影響要素を入力することにより当該車種に応じた持続時間予測モデルのパラメータを出力するパラメータモデルを学習し、予測部が、駐停車情報の車種に応じた、第２学習部により学習されたパラメータモデルと、駐停車情報の影響要素とに基づいて得られる持続時間予測モデルが表す確率分布を予測結果とすることにより、走路上の駐停車車両の駐停車持続時間を精度よく予測することができる。
また、駐停車情報は、検出した走路上の駐停車車両の位置を更に含み、影響要素は、駐停車車両近傍に位置する施設情報を含み、予測部が、駐停車情報に含まれる駐停車車両の位置に基づいて、施設情報を求め、第２学習部により学習されたパラメータモデルと、施設情報とに基づいて得られる持続時間予測モデルが表す確率分布を予測結果とすることにより、駐停車の持続時間に与える影響を考慮することができる。このため、走路上の駐停車車両の駐停車持続時間を精度よく予測することができる。
また、駐停車情報が、検出した走路上の駐停車車両の位置と、先行車両が駐停車車両を検出した時刻とを更に含み、到達時刻算出部が、検出した走路上の駐停車車両の位置と、走路上の走行車両の運行情報とに基づいて、走行車両が駐停車車両の位置に到達する時刻である到達時刻を算出し、判定部が、検出した時刻と、予測部が予測した確率分布とに基づいて、到達時刻に駐停車車両が存在するか否かを判定し、支援情報生成部が、判定部が、到達時刻に駐停車車両が存在すると判定した場合、走行車両の走行支援を行うための支援情報を生成する。これにより、自動運転車が事前車線変更をすることができる。
なお、本開示は、上述した実施形態に限定されるものではなく、この発明の要旨を逸脱しない範囲内で様々な変形や応用が可能である。
例えば、上述の実施形態では、走行支援システムとして、各処理部を別の装置として構成したが、これに限定されるものではなく、同一の装置、例えば、車載器に全ての処理部を構成してもよい。また、先行車両１００の車載器２０と、走行車両１１０の車載器２０とは必ずしも同様の構成である必要はない。例えば、先行車両１００の車載器２０では、駐停車検出処理を行う構成とし、走行車両１１０の車載器２０では、車線変更処理を行う構成とすることもできる。すなわち、走行支援システム１内において、駐停車検出のみを行う車両と、走行支援を受けるのみの車両とが混在してもよい。
また、上述の実施形態では、レベル４自動運転（限定区画自動運転）を背景として説明したが、これに限定されるものではなく、他の自動運転レベルにおいても適用することができる。例えば、走行車両１１０がドライバーの操作により走行している場合、支援情報生成部４０９は、車線の変更指示の代わりに、車線の変更提示を支援情報として生成する。この場合、自動運転制御部２０６は、ドライバーに車線変更を提示する。例えば、表示部１６により音声出力されるようにドライバーに提示させることができる。また、自動運転車両で無い場合、すなわち、ＰＯＶのような一般車両にも用いることができる。この場合、画像取得部２０１と通信部２０５とのみを車載器２０に構成し、他の機能を自動運転センタ４０に構成すればよい。
また、上述の実施形態では、駐停車持続時間として、駐停車車両１２０の駐停車の開始時刻及び終了時刻のペアを用いる場合を例に説明したが、これに限定されるものではない。例えば、駐停車車両からログを収集していない等、正確な駐停車の開始時刻及び終了時刻が収集できない場合がある。この場合、駐停車持続時間は、駐停車車両１２０の駐停車を車載器２０又は自動運転センタ４０が検出した時刻と、当該車載器２０又は自動運転センタ４０が当該駐停車車両１２０を最後に検出した時刻、又は検出しなくなった時刻とを用いて、駐停車持続時間とすればよい。図１５の駐停車持続時間のサンプルＳ１は、駐停車車両１２０の駐停車を車載器２０が検出した時刻と、当該車載器２０が当該駐停車車両１２０を最後に検出した時刻とに基づいて表される。また、図１５の駐停車持続時間のサンプルＳ２は、駐停車車両１２０の駐停車を車載器２０が検出した時刻と、当該車載器２０が当該駐停車車両１２０を検出しなくなった時刻とに基づいて表される。このように収集された学習データは、図１６のように、駐停車持続時間毎に、サンプルの駐停車車両１２０が存在するか否かを表すように、サンプルの割合と駐停車持続時間との関係を表すグラフとなる。図１６のグラフは、ヒストグラムのように割合を求めた場合である。なお、図８のケースと図１６のケースとでは、必ずしも似ている確率分布とはならないため、別々にモデル構築が必要である。
また、図１に示すように、センサ装置３０を走行支援システム１に含めることができる。センサ装置３０は、例えば、図２に示すように、駐停車車両１２０を撮影できるようなインフラセンサとして機能する。また、上記学習データを、センサ装置３０により収集する構成としてもよい。センサ装置３０は、ＣＰＵと、ＲＡＭと、後述する処理を実行するためのプログラムを記憶したＲＯＭとを備えたコンピュータ、及びカメラ１０で構成される。センサ装置３０は、機能的には、例えば図１７に示すように、画像取得部２０１と、駐停車検出部２０２と、車種検出部２０３と、駐停車情報生成部２０４と、通信部２０５とを備えて構成される。構成されている。なお、車載器２０と同様の構成については、同一の符号を付して詳細な説明は省略する。このような構成により、走行中の走路上のセンサから、走路上の駐停車車両を検出したことを示す駐停車情報を受信し、駐停車情報と、駐停車車両が駐停車を持続する時間である駐停車持続時間を予測する持続時間予測モデルとに基づいて、駐停車持続時間を予測することにより、走路上の駐停車車両の駐停車持続時間を予測することができる。なお、走行車両１１０が一般車両である場合、駐停車検出部２０２と、車種検出部２０３と、駐停車情報生成部２０４とは、自動運転センタ４０に構成してもよい。
また、走行支援システム１は、駐停車持続時間を予測することにより、走路上において駐停車が可能であるか否かを走行車両１１０に通知し、事前に車線変更を推奨する構成とすることもできる。この場合、支援情報生成部４０９は、走行車両１１０の到達時刻において、第２判定部４０８により駐停車車両１２０が存在しないと判定された場合、駐停車車両の位置を駐停車候補位置とする支援情報を生成する。そして、車載器２０の自動運転制御部２０６は、走行支援情報に基づいて、車線変更を行う、又は車線変更の提示を行う。
また、ドライバーから予め駐停車したい位置の入力を受け付け、駐停車したい位置の駐停車支援情報を先行車両１００の車載器２０又はセンサ装置３０に生成させる構成とすることもできる。これにより、走行車両１１０が安全に駐停車を行うことができる。この場合、図２のシーンだけでなく、駐車場においても走行支援システム１を用いることができる。
また、同一車種の複数の走行車両１１０の過去の駐停車位置を記録しておき、当該過去の駐停車位置に走行車両１１０が到達する時刻に駐停車車両が存在するか否かを予測する構成とすることもできる。この場合、過去の駐停車位置に駐停車車両が存在しなければ、ＭＲＭ（Ｍｉｎｉｍｕｍ Ｒｉｓｋ Ｍａｎｏｅｕｖｅｒ）の停車候補として用いることができる。この場合、第２判定部４０８の閾値は、例えば、０．３５等のように閾値の初期値を低く設定しておくことができる。この場合、収集した実測データを更に学習データとすることにより、各モデルの再学習し、精度の向上により閾値を徐々に高くしていくことができる。初期においては駐停車車両が存在しない方に判定されやすいため、誤って駐停車車両が存在しないにも関わらず駐停車車両が存在するという誤判定を防ぐことができる。閾値の調整する方法としては、例えば上記式（２）と同様に、Ｆ１が最大となる値を用いる方法を採用することができる。また、駐停車したいエリアについて、複数の駐停車可能位置を提示する構成とすることもできる。
なお、上記実施形態でＣＰＵがソフトウェア（プログラム）を読み込んで実行したプログラムを、ＣＰＵ以外の各種のプロセッサが実行してもよい。この場合のプロセッサとしては、ＦＰＧＡ（Ｆｉｅｌｄ－Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）等の製造後に回路構成を変更可能なＰＬＤ（Ｐｒｏｇｒａｍｍａｂｌｅ Ｌｏｇｉｃ Ｄｅｖｉｃｅ）、及びＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）等の特定の処理を実行させるために専用に設計された回路構成を有するプロセッサである専用電気回路等が例示される。また、上記各プログラムを、これらの各種のプロセッサのうちの１つで実行してもよいし、同種又は異種の２つ以上のプロセッサの組み合わせ（例えば、複数のＦＰＧＡ、及びＣＰＵとＦＰＧＡとの組み合わせ等）で実行してもよい。また、これらの各種のプロセッサのハードウェア的な構造は、より具体的には、半導体素子等の回路素子を組み合わせた電気回路である。
また、上記各実施形態では、プログラムがＲＯＭ１２又はストレージ１４に予め記憶（インストール）されている態様を説明したが、これに限定されない。プログラムは、ＣＤ－ＲＯＭ（Ｃｏｍｐａｃｔ Ｄｉｓｋ Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＤＶＤ－ＲＯＭ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｋ Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、及びＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ）メモリ等の非一時的（ｎｏｎ－ｔｒａｎｓｉｔｏｒｙ）記憶媒体に記憶された形態で提供されてもよい。また、上記各プログラムは、ネットワークを介して外部装置からダウンロードされる形態としてもよい。
以上の実施形態に関し、更に以下の付記を開示する。
（付記項１）
メモリと、
前記メモリに接続された少なくとも１つのプロセッサと、
を含み、
前記プロセッサは、
走行中の先行車両又は走路上のセンサから、走路上の駐停車車両を検出したことを示す駐停車情報を受信し、
前記駐停車情報と、駐停車車両が駐停車を持続する時間である駐停車持続時間を予測する持続時間予測モデルとに基づいて、前記駐停車持続時間を予測する
ように構成されている走行支援装置。
（付記項２）
走行中の先行車両又は走路上のセンサから、走路上の駐停車車両を検出したことを示す駐停車情報を受信し、
前記駐停車情報と、駐停車車両が駐停車を持続する時間である駐停車持続時間を予測する持続時間予測モデルとに基づいて、前記駐停車持続時間を予測する
ことをコンピュータに実行させる走行支援プログラムを記憶した非一時的記憶媒体。
１ 走行支援システム
１０ カメラ
１４ ストレージ
１５ 入力部
１６ 表示部
１７ アンテナ
１８ 通信インタフェース
１９ バス
２０ 車載器
３０ センサ装置
４０ 自動運転センタ
６０ 基地局
７０ ネットワーク
１００ 先行車両
１１０ 走行車両
１２０ 駐停車車両
２０１ 画像取得部
２０２ 駐停車検出部
２０３ 車種検出部
２０４ 駐停車情報生成部
２０５ 通信部
２０６ 自動運転制御部
４０１ 通信部
４０２ 運転情報格納部
４０３ 第１判定部
４０４ 施設情報生成部
４０５ モデル格納部
４０６ 予測部
４０７ 到達時刻算出部
４０８ 第２判定部
４０９ 支援情報生成部
４１０ 学習データ格納部
４１１ 第１学習部
４１２ 第２学習部
４１３ 比較部

Claims (9)

  1. 受信部（４０１）と、予測部（４０６）と、パラメータモデルを格納したモデル格納部（４０５）とを備え、
    前記パラメータモデルが、
    予め収集された、複数の駐停車持続時間、前記駐停車持続時間の駐停車車両の車種、及び前記駐停車持続時間における前記車種の駐停車の持続時間に影響を与える影響要素を含む学習データに基づいて、前記車種と前記影響要素とのペア毎に、前記駐停車持続時間毎に駐停車車両がいる確率を表す確率分布モデルとなるように学習された持続時間予測モデルのパラメータと、前記学習データとに基づいて、
    前記車種の各々について、前記影響要素を入力することにより前記車種に応じた前記持続時間予測モデルのパラメータを出力するように学習されており、
    前記受信部は、走行中の先行車両又は走路上のセンサから、走路上の駐停車車両を検出したことを示す駐停車情報であって、前記車種及び前記影響要素に関連する駐停車情報を受信し、
    前記予測部は、前記モデル格納部に格納され、かつ前記受信部が受信した前記駐停車情報に含まれる前記車種に応じたパラメータモデルと、前記駐停車情報の前記影響要素とに基づいて得られる、前記持続時間予測モデルが表す確率分布を予測結果とする、
    走行支援システム。
  2. 前記駐停車情報は、前記検出した走路上の駐停車車両の位置を更に含み、
    前記影響要素は、駐停車車両近傍に位置する施設情報を含み、
    前記予測部は、前記駐停車情報に含まれる前記駐停車車両の位置に基づいて、前記施設情報を求め、前記パラメータモデルと、前記施設情報とに基づいて得られる前記持続時間予測モデルが表す確率分布を予測結果とする
    請求項１記載の走行支援システム。
  3. 到達時刻算出部（４０７）と、判定部（４０８）と、支援情報生成部（４０９）とを更に含み、
    前記駐停車情報は、前記検出した走路上の駐停車車両の位置と、前記先行車両又は前記センサが前記駐停車車両を検出した時刻とを更に含み、
    前記到達時刻算出部は、前記検出した走路上の駐停車車両の位置と、前記走路上の走行車両の運行情報とに基づいて、前記走行車両が前記駐停車車両の位置に到達する時刻である到達時刻を算出し、
    前記判定部は、前記検出した時刻と、前記予測部が予測した前記確率分布とに基づいて、前記到達時刻に前記駐停車車両が存在するか否かを判定し、
    支援情報生成部は、前記判定部が、前記到達時刻に前記駐停車車両が存在すると判定した場合、前記走行車両の走行支援を行うための支援情報を生成する
    請求項１又は請求項２記載の走行支援システム。
  4. 前記判定部は、前記検出した時刻と、前記予測部が予測した前記確率分布とに基づいて、前記検出した時刻と、前記走行車両が前記駐停車車両の位置に到達する時刻との差で表される時間を前記駐停車持続時間として駐停車車両がいる確率を算出し、算出した前記駐停車車両がいる確率が、予め定めた閾値以上である場合に、前記到達時刻に前記駐停車車両が存在すると判定する
    請求項３記載の走行支援システム。
  5. 前記支援情報生成部は、前記判定部が、前記駐停車車両が存在すると判定した場合、前記支援情報として、車線変更の指示又は車線変更の提案を生成する
    請求項３又は請求項４記載の走行支援システム。
  6. 前記支援情報生成部は、前記判定部が、前記駐停車車両が存在しないと判定した場合、前記駐停車車両の位置を駐停車候補位置とする前記支援情報を生成する
    請求項３又は請求項４記載の走行支援システム。
  7. 送信部（４０１）を更に含み、
    前記送信部は、前記支援情報生成部により生成された前記支援情報を、前記走行車両に送信する
    請求項５又は請求項６記載の走行支援システム。
  8. 受信部が、走行中の先行車両又は走路上のセンサから、走路上の駐停車車両を検出したことを示す駐停車情報であって、車種及び影響要素に関連する駐停車情報を受信し、
    予測部が、モデル格納部に格納され、かつ前記受信部が受信した前記駐停車情報に含まれる前記車種に応じたパラメータモデルと、前記駐停車情報の前記影響要素とに基づいて得られる、持続時間予測モデルが表す確率分布を予測結果とし、
    前記パラメータモデルが、
    予め収集された、複数の駐停車持続時間、前記駐停車持続時間の駐停車車両の車種、及び前記駐停車持続時間における前記車種の駐停車の持続時間に影響を与える影響要素を含む学習データに基づいて、前記車種と前記影響要素とのペア毎に、前記駐停車持続時間毎に駐停車車両がいる確率を表す確率分布モデルとなるように学習された持続時間予測モデルのパラメータと、前記学習データとに基づいて、
    前記車種の各々について、前記影響要素を入力することにより前記車種に応じた前記持続時間予測モデルのパラメータを出力するように学習されている、
    走行支援方法。
  9. 受信部が、走行中の先行車両又は走路上のセンサから、走路上の駐停車車両を検出したことを示す駐停車情報であって、車種及び影響要素に関連する駐停車情報を受信し、
    予測部が、モデル格納部に格納され、かつ前記受信部が受信した前記駐停車情報に含まれる前記車種に応じたパラメータモデルと、前記駐停車情報の前記影響要素とに基づいて得られる、持続時間予測モデルが表す確率分布を予測結果とする、
    ことを含む処理をコンピュータに実行させるためのプログラムであって、
    前記パラメータモデルが、
    予め収集された、複数の駐停車持続時間、前記駐停車持続時間の駐停車車両の車種、及び前記駐停車持続時間における前記車種の駐停車の持続時間に影響を与える影響要素を含む学習データに基づいて、前記車種と前記影響要素とのペア毎に、前記駐停車持続時間毎に駐停車車両がいる確率を表す確率分布モデルとなるように学習された持続時間予測モデルのパラメータと、前記学習データとに基づいて、
    前記車種の各々について、前記影響要素を入力することにより前記車種に応じた前記持続時間予測モデルのパラメータを出力するように学習されている、
    プログラム。
JP2019189383A 2019-10-16 2019-10-16 走行支援システム、走行支援方法、及びプログラム Active JP7276067B2 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2019189383A JP7276067B2 (ja) 2019-10-16 2019-10-16 走行支援システム、走行支援方法、及びプログラム
US17/071,885 US11567507B2 (en) 2019-10-16 2020-10-15 Travelling support system, travelling support method and program therefor

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2019189383A JP7276067B2 (ja) 2019-10-16 2019-10-16 走行支援システム、走行支援方法、及びプログラム

Publications (2)

Publication Number Publication Date
JP2021064251A JP2021064251A (ja) 2021-04-22
JP7276067B2 true JP7276067B2 (ja) 2023-05-18

Family

ID=75486336

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2019189383A Active JP7276067B2 (ja) 2019-10-16 2019-10-16 走行支援システム、走行支援方法、及びプログラム

Country Status (2)

Country Link
US (1) US11567507B2 (ja)
JP (1) JP7276067B2 (ja)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20220121213A1 (en) * 2020-10-21 2022-04-21 Automotive Research & Testing Center Hybrid planning method in autonomous vehicle and system thereof
DE102022201287A1 (de) 2022-02-08 2023-08-10 Volkswagen Aktiengesellschaft Verfahren zum Steuern eines Frontkollisionsassistenzsystems basierend auf Schwarmdaten, Frontkollisionsassistenzsystem und Kraftfahrzeug

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017117080A (ja) 2015-12-22 2017-06-29 アイシン・エィ・ダブリュ株式会社 自動運転支援システム、自動運転支援方法及びコンピュータプログラム
WO2017136283A1 (en) 2016-02-05 2017-08-10 Pcms Holdings, Inc. System and method for adaptively informing road users about a temporary traffic disturbance
JP2018185596A (ja) 2017-04-25 2018-11-22 株式会社日立製作所 情報提供装置及び情報提供方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8949676B2 (en) * 2012-05-11 2015-02-03 International Business Machines Corporation Real-time event storm detection in a cloud environment
US20150175149A1 (en) * 2013-12-19 2015-06-25 Ford Global Technologies, Llc System and method for engine idle stop control
US9476719B2 (en) * 2014-08-29 2016-10-25 Ford Global Technologies, Llc Route-based distance to empty calculation for a vehicle
US10175054B2 (en) * 2015-01-11 2019-01-08 Microsoft Technology Licensing, Llc Predicting and utilizing variability of travel times in mapping services
JP2019028526A (ja) 2017-07-26 2019-02-21 株式会社日立製作所 混雑予測装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017117080A (ja) 2015-12-22 2017-06-29 アイシン・エィ・ダブリュ株式会社 自動運転支援システム、自動運転支援方法及びコンピュータプログラム
WO2017136283A1 (en) 2016-02-05 2017-08-10 Pcms Holdings, Inc. System and method for adaptively informing road users about a temporary traffic disturbance
JP2018185596A (ja) 2017-04-25 2018-11-22 株式会社日立製作所 情報提供装置及び情報提供方法

Also Published As

Publication number Publication date
US11567507B2 (en) 2023-01-31
JP2021064251A (ja) 2021-04-22
US20210116931A1 (en) 2021-04-22

Similar Documents

Publication Publication Date Title
CN110782654B (zh) 拥堵区域通行能力估测方法、装置及数据处理设备
EP3358303B1 (en) An apparatus and associated methods for use in updating map data
JP5900454B2 (ja) 車両用車線案内システム及び車両用車線案内方法
JP5263312B2 (ja) 渋滞判定装置、及び車両制御装置
US20210014643A1 (en) Communication control device, communication control method, and computer program
JP6537631B2 (ja) 予測装置、予測システム、予測方法および予測プログラム
US20170337816A1 (en) Wireless Vehicle Data-Enhanced Micro-Navigation Lane Suggestion
JP2016051467A (ja) 適合化予測のために広域的シーンコンテクストを使用する方法およびシステム並びに対応するプログラム、該システムを備えた乗り物
CN105474285A (zh) 用于预测至少一个拥堵参数的方法、分析系统和车辆
EP3528231B1 (en) Vehicle travel control method and vehicle travel control device
WO2018180688A1 (ja) 渋滞推定装置、渋滞推定方法およびそのプログラムを格納した記録媒体
JP5745070B2 (ja) 局地的な交通流を推計するシステムおよび方法
JP7362733B2 (ja) 道路環境情報の自動化クラウドソーシング
CN114274972A (zh) 自主驾驶环境中的场景识别
JP7276067B2 (ja) 走行支援システム、走行支援方法、及びプログラム
US11727806B2 (en) Identifying a parking spot based on congestion-dependent parking navigation preferences
CN114207627A (zh) 用于路径规划系统的极端情况检测和收集
CN114968187A (zh) 用于自动驾驶系统的感知系统开发的平台
JP5563495B2 (ja) 交差点における進行方向予測装置、進行方向予測方法およびプログラム
CN109313852B (zh) 用于逆行驾驶员识别的方法、设备和系统
US20240085193A1 (en) Automated dynamic routing unit and method thereof
CN109313851B (zh) 用于逆行驾驶员识别的方法、设备和系统
JP4357983B2 (ja) 遅れ時間推定装置、遅れ時間推定方法、遅れ時間推定システムおよび遅れ時間推定プログラム
JP2012160126A (ja) 情報処理装置、運転支援装置および車両制御装置
US20230419200A1 (en) Decentralized parking fulfillment service

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20220119

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20221219

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20230124

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20230322

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: 20230404

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20230417

R151 Written notification of patent or utility model registration

Ref document number: 7276067

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R151