JP7337211B1 - 走行車線判定装置 - Google Patents

Abstract

【課題】車線分岐のある道路区間において、運転者の操作により、自車両が車線分岐のいずれの車線を走行するかを推定することができる走行車線判定装置、走行車線学習装置、及び走行車線学習判定システムを提供する。【解決手段】自車が車線分岐のある対象道路区間を走行していることが検知された場合に、自車の運転状態及び走行状態である及び自車の周辺の道路情報に基づいて、運転者の操作により、自車が前記車線分岐のいずれの車線を走行するかを推定する走行車線判定装置。【選択図】図１

Description

本願は、走行車線判定装置、走行車線学習装置、及び走行車線学習判定システムに関するものである。

近年、自動車の運転支援制御及び自動運転制御に関する様々な技術が開発され、実用化されている。このような制御では、自車が道路上のどの車線を走行しているのか検知することが重要になる。

特に、車線の分岐がある道路区間における車線推定の正確さ及び素早さは、運転者のフィーリングに影響を与える要素である。例えば、ルート選択の主体が運転者にある車両システムの場合、車線分岐のある道路区間において運転者が選択した車線を速やかにかつ精度良くシステムが検知することで、選択された車線に応じた適切な運転支援を開始できるタイミングが早まり、また運転者に安心感を与えることができる。ルート選択が主にシステムによってなされる車両システムの場合でも、車線分岐のある道路区間において運転者がオーバーライドを行って進路を選択する場合が想定される。このような場合でも、自車の走行車線を速やかにかつ精度良く検知することで、適切な運転支援を再開できるタイミングが早まり、運転者に安心感を与えることができる。

自車が走行している車線の推定は、ＧＮＳＳアンテナの信号及びカメラの信号から自車位置を特定し、地図データに記憶された車線の情報を参照することで行われるのが一般的である。

しかし、車線分岐のある道路区間では、分岐車線の区画線は、分岐元車線の区画線に不連続に接続されており、また、分岐元車線と分岐車線との間の区画線が、分岐車線を走行する車両の通行により劣化しているため、カメラによって区画線を安定して検知することが難しい。また、ＧＮＳＳアンテナの信号によって特定された自車位置には一定の誤差が含まれている。分岐開始地点付近では、分岐元車線のノードと、分岐車線のノードの間隔が狭く、自車両の位置情報だけでは、自車位置の誤差による影響を受けて自車の走行車線を誤って判定してしまう場合があった。

特許文献１には、車線分岐のある道路区間において、レーダを使って計測された側方の静止物標までの距離に基づいて走行車線を推定する技術が開示されている。

特開２０１４－２３８２９７号公報

しかしながら、特許文献１の技術では、レーダによる側方の静止物標の検知結果を用いて、分岐元車線を進行した場合と、分岐先車線を進行した場合の検知結果の差分から車線推定を行っているが、分岐開始地点付近を走行している段階では差分が小さく、十分に車線推定できる検知結果が得られないため、分岐開始地点からある程度の距離を走行しないと車線推定できない。また、車線分岐のある道路区間によっては推定に使える静止物標がない場合もある。

そこで、本願は、車線分岐のある道路区間において、運転者の操作により、自車両が車線分岐のいずれの車線を走行するかを推定することができる走行車線判定装置を提供することを目的としている。

本願に係る走行車線判定装置は、
自車の位置情報を取得する自車位置取得部と、
自車の周辺の道路情報を取得する周辺情報取得部と、
前記位置情報及び前記道路情報に基づいて、自車が車線分岐のある対象道路区間を走行しているか否かを検知する車線分岐検知部と、
自車の運転状態及び走行状態である自車状態を取得する自車状態取得部と、
自車が前記車線分岐のある対象道路区間を走行していることが検知された場合に、前記自車状態及び前記道路情報に基づいて、運転者の操作により、自車が前記車線分岐のいずれの車線を走行するかを推定する走行車線推定部と、を備え、
前記走行車線推定部は、前記自車状態取得部から、運転開始時からの経過時間を取得し、前記経過時間がしきい値以上であって、分岐車線の接続先の施設がサービスエリア又はパーキングエリアである場合に、当該分岐車線を走行する可能性を増加させて、自車が前記車線分岐のいずれの車線を走行するかを推定するものである。

本願に係る走行車線判定装置、走行車線学習装置、及び走行車線学習判定システムによれば、自車の運転状態及び走行状態である自車状態及び自車の周辺の道路情報に基づいて、運転者の操作により、自車両が車線分岐のいずれの車線を走行するかを精度よく推定できる。

実施の形態１に係る走行車線判定装置の概略ブロック図である。 実施の形態１に係る走行車線判定装置の概略ハードウェア構成図である。 実施の形態１に係る走行車線判定装置の概略ハードウェア構成図である。 実施の形態１に係る車線分岐のある対象道路区間を説明する図である。 実施の形態１に係る各評価項目の評価点を説明する図である。 実施の形態１に係る走行車線判定装置の処理を説明するフローチャートである。 実施の形態２に係る走行車線判定装置及び走行車線学習装置の概略ブロック図である。 実施の形態２に係る意思推定モデルに用いられるニューラルネットワークを説明する図である。 実施の形態２に係る走行車線学習装置の処理を説明するフローチャートである。 実施の形態２に係る走行車線判定装置の処理を説明するフローチャートである。 実施の形態３に係る走行車線判定装置の概略ブロック図である。 実施の形態３に係る予測走行軌道を説明する図である。 実施の形態３に係る走行車線判定装置の処理を説明するフローチャートである。 実施の形態４に係る走行車線判定装置の処理を説明するフローチャートである。 実施の形態４に係る走行車線判定装置の処理を説明するフローチャートである。

１．実施の形態１
実施の形態１に係る走行車線判定装置１について図面を参照して説明する。本実施の形態では、走行車線判定装置１は、自車に搭載されている。図１に示すように、自車は、走行車線判定装置１、センサ群２、ナビゲーション装置３、無線通信装置４、車両制御装置５、駆動制御装置６、動力機７、電動操舵装置８、及びライト装置９等を備えている。

ナビゲーション装置３は、自車の現在地から目的地までの走行ルートを演算する。目的地は、運転者によって設定される。ナビゲーション装置３は、演算した走行ルートを運転者に提示する。また、ナビゲーション装置３は、道路情報などを記憶した地図情報データベースを有している。なお、地図情報データベースは、ネットワーク網に接続された車外のサーバに設けられてもよく、ナビゲーション装置３は、必要な道路情報を、無線通信装置４を介して車外のサーバから取得してもよい。また、地図情報データベースは、ナビゲーション装置３から独立して車内に設けられてもよい。

道路情報として、車線の位置及び形状、車線幅、車線の種別、車線数、制限速度、分岐車線の情報等が得られる。地図情報データベースには、例えば、道路ノードデータが用いられる。道路ノードデータは、各車線を線形表現したデータである。道路ノードデータには、例えば、各車線のノードの絶対位置、車線幅、車線種別、制限速度、カント角、傾斜角に関する情報が含まれる。絶対位置とは、緯度、経度、及び高度である。車線のノードの絶対位置は、車線の中央位置である。また、分岐車線に接続先が存在する場合、車線種別には接続先の情報も含まれる。接続先の情報は、例えば、サービスエリア、パーキングエリア、ジャンクション、及びインターチェンジ等である。車線種別を参照することで接続先の情報が取得される。また、ナビゲーション装置３は、渋滞情報及び交通規制情報等の車線の交通情報を取得できる。例えば、ＶＩＣＳ（登録商標）及び車外のサーバとの通信によって、交通情報が取得される。

無線通信装置４は、４Ｇ、５Ｇ等のセルラー方式の無線通信の規格を用いて、基地局と無線通信を行い、ネットワーク網に接続する。

センサ群２には、周辺監視装置１０、位置検出装置１１、車両状態検出装置１２、及び車内監視装置１３等が含まれる。

周辺監視装置１０は、自車の周辺を監視するカメラ、レーダ等の装置である。カメラとして、少なくとも自車の前方を監視するカメラが設けられる。レーダとして、ミリ波レーダ、レーザレーダ、超音波レーダ等が設けられる。

位置検出装置１１は、自車の現在位置（緯度、経度、高度）を検出する装置であり、ＧＮＳＳ（Global Navigation Satellite System）等の人工衛星から出力される信号を受信するＧＮＳＳアンテナ等が用いられる。位置検出装置１１は、ＧＮＳＳ情報によって検出される位置情報のＤＯＰ（Dilution Of Precision）を出力する。ＤＯＰは、位置情報の信頼度を表す。

車両状態検出装置１２は、自車の運転状態及び走行状態である自車状態を検出する検出装置である。本実施の形態では、車両状態検出装置１２は、自車の走行状態として、自車の車両速度、加速度、ヨーレート、操舵角、横加速度などを検出する。例えば、車両状態検出装置１２として、車輪の回転速度を検出する速度センサ、加速度センサ、角速度センサ、及び操舵角センサ等が設けられる。

また、車両状態検出装置１２は、自車の走行状態として、動力源の残量を検出する。例えば、動力機構として内燃機関が設けられている場合は、動力源の残量として燃料の残量が検出され、燃料レベルゲージセンサが設けられる。動力機構としてモータが設けられている場合は、動力源の残量として蓄電装置の充電量が検出され、充電量検出センサが設けられる。

自車の運転状態として、運転者による加減速操作、舵角操作、及び車線変更操作が検出される。例えば、車両状態検出装置１２として、アクセルポジションセンサ、ブレーキポジションセンサ、操舵角センサ（ハンドル角センサ）、操舵トルクセンサ、及び方向指示器ポジションスイッチ等が設けられる。

車内監視装置１３は、車内を監視する装置である。車内監視装置１３として、運転者の状態を監視する車内カメラが設けられている。

車両制御装置５は、車両制御のための各種の指令値を演算し、駆動制御装置６に伝達する。自動運転制御を行う場合は、車両制御装置５は、公知の各種の方法を用いて、目標走行軌道に沿って自動走行するための車両制御の指令値を演算する。運転者によるマニュアル運転を行う場合は、車両制御装置５は、運転者によるアクセルペダルの操作、ブレーキペダルの操作、及びハンドル操作に基づいて、車両制御の指令値を演算する。運転支援制御を行う場合は、目標走行状態から逸脱しないように、運転者の運転操作をアシストするように、車両制御の指令値を演算する。

車両制御装置５は、走行車線推定部５５から運転者の操作による分岐元車線又は分岐車線の推定走行車線が伝達された場合は、推定走行車線を用いて車両制御を行う。具体的には、車両制御装置５は、後述するように、自車が、車線分岐がある対象道路区間を走行しており、走行車線推定部５５から分岐元車線又は分岐車線の推定走行車線が伝達され、且つ運転支援制御又は自動運転制御を行う場合は、伝達された推定走行車線に沿って走行するように、運転支援制御又は自動運転制御を行う。なお、車両制御装置５は、自車が、車線分岐がある対象道路区間を走行しており、走行車線推定部５５から分岐元車線又は分岐車線の推定走行車線が伝達されても、マニュアル運転を行う場合は、運転者の運転操作に基づいて、車両制御の指令値を演算する。

駆動制御装置６は、車両制御装置５から伝達された車両制御のための各種の指令値に従って、動力機７、電動操舵装置８、及びライト装置９を駆動制御する。駆動制御装置６として、動力制御装置、ブレーキ制御装置、自動操舵制御装置、及びライト制御装置等が備えられている。動力制御装置は、内燃機関、モータ等の出力を制御する。ブレーキ制御装置は、電動ブレーキ装置のブレーキ動作を制御する。自動操舵制御装置は、電動操舵装置８を制御する。ライト制御装置は、方向指示器、ブレーキランプ、前照灯、ハザードランプ等のライト装置９を制御する。

１－１．走行車線判定装置１
走行車線判定装置１は、自車位置取得部５１、周辺情報取得部５２、車線分岐検知部５３、自車状態取得部５４、及び走行車線推定部５５等の機能部を備えている。走行車線判定装置１の各機能は、走行車線判定装置１が備えた処理回路により実現される。具体的には、図２に示すように、走行車線判定装置１は、ＣＰＵ（Central Processing Unit）等の演算処理装置９０、記憶装置９１、演算処理装置９０に外部の信号を入出力する入出力装置９２等を備えている。なお、走行車線判定装置１は、車両制御装置５、ナビゲーション装置３等の他の装置と一体化されてもよい。

演算処理装置９０として、ＡＳＩＣ（Application Specific Integrated Circuit）、ＩＣ（Integrated Circuit）、ＤＳＰ（Digital Signal Processor）、ＦＰＧＡ（Field Programmable Gate Array）、ＧＰＵ（Graphics Processing Unit）、ＡＩ（Artificial Intelligence）チップ、各種の論理回路、及び各種の信号処理回路等が備えられてもよい。また、演算処理装置９０として、同じ種類のもの又は異なる種類のものが複数備えられ、各処理が分担して実行されてもよい。記憶装置９１として、ＲＡＭ（Random Access Memory）、ＲＯＭ（Read Only Memory）、フラッシュメモリ、ＥＥＰＲＯＭ（Electrically Erasable Programmable Read Only Memory）、ハードディスク、ＤＶＤ装置等の各種の記憶装置が用いられる。

入出力装置９２には、通信装置、Ａ／Ｄ変換器、入出力ポート、駆動回路等が備えられる。入出力装置９２は、センサ群２、ナビゲーション装置３、無線通信装置４、車両制御装置５、駆動制御装置６等に接続され、これらの装置と通信を行う。

そして、走行車線判定装置１が備える各機能部５１から５５等の各機能は、演算処理装置９０が、記憶装置９１に記憶されたソフトウェア（プログラム）を実行し、記憶装置９１及び入出力装置９２等の走行車線判定装置１の他のハードウェアと協働することにより実現される。なお、各機能部５１から５５等が用いるしきい値等の設定データは、ＥＥＰＲＯＭ等の記憶装置９１に記憶されている。

或いは、走行車線判定装置１は、処理回路として、図３に示すように、専用のハードウェア９３、例えば、単一回路、複合回路、プログラム化されたプロセッサ、並列プログラム化されたプロセッサ、ＡＳＩＣ、ＦＰＧＡ、ＧＰＵ、ＡＩチップ、又はこれらを組み合わせた回路等が備えられてもよい。以下、走行車線判定装置１の各機能について詳細に説明する。

１－１－１．自車位置取得部５１
自車位置取得部５１は、自車の位置情報を取得する。本実施の形態では、周辺情報取得部５２は、位置検出装置１１から自車の位置情報を取得する。なお、自車の位置情報の取得には、マップマッチング法、デッドレコニング法、自車の走行車線番号を用いた方法、自車の周辺の検出情報を用いた方法等の各種の方法が用いられてもよい。

１－１－２．周辺情報取得部５２
周辺情報取得部５２は、自車の周辺情報を取得する。本実施の形態では、周辺情報取得部５２は、自車の周辺の道路情報を取得する。周辺情報取得部５２は、自車の位置情報に基づいて、地図情報データベースから自車の周辺の道路情報を取得する。上述したように、地図情報データベースから取得される自車周辺の道路情報には、道路の各ノードの絶対位置、道路種別、車線数、各車線の種別、各車線の形状、車線幅、分岐車線の情報等が含まれる。また、分岐車線に接続先が存在する場合、車線種別には接続先の情報も含まれる。接続先の情報は、例えば、サービスエリア、パーキングエリア、ジャンクション、及びインターチェンジ等である。車線種別を参照することで接続先の情報が取得される。

また、周辺情報取得部５２は、自車の周辺の道路情報として、渋滞情報及び交通規制情報等の車線の交通情報を取得する。渋滞情報は、渋滞区間情報、渋滞時間情報などである。交通規制情報は、通行止め情報、工事中情報、故障車などの障害物情報、路面情報、速度制限情報などである。例えば、ＶＩＣＳ（登録商標）及び車外のサーバとの通信によって、交通情報が取得される。実施の形態では、周辺情報取得部５２は、ナビゲーション装置３から自車周辺の道路情報を取得する。なお、周辺情報取得部５２は、ナビゲーション装置３を介さずに、地図情報データベース、ＶＩＣＳ（登録商標）、及び車外のサーバから直接自車周辺の道路情報を取得してもよい。

周辺情報取得部５２は、自車が車線分岐のある対象道路区間を走行中である場合は、車線分岐の各車線に関係する交通情報を取得する。周辺情報取得部５２は、車線分岐の各車線に関係する交通情報として、各車線に関係する渋滞情報を取得する。また、走行車線推定部５５は、車線分岐の各車線に関係する交通情報として、各車線に関係する交通規制情報を取得する。

また、周辺情報取得部５２は、周辺監視装置１０が検知した自車の周辺の道路情報を取得する。例えば、周辺情報取得部５２は、周辺監視装置１０から取得した白線、路肩等の区画線の検知情報に基づいて、道路の区画線等の形状及び相対位置を検知し、検知した道路の区画線等の形状及び位置に基づいて、車線の形状及び相対位置、車線の数、車線分岐等を検知する。相対位置は、自車に対する相対位置である。

また、周辺情報取得部５２は、自車の周囲に存在する他車両、障害物、歩行者、標識、走行可能な道路範囲等を検知する。例えば、周辺情報取得部５２は、周辺監視装置１０から取得した検知情報、及び位置検出装置１１から取得した自車の位置情報に基づいて、他車両の位置、移動方向、及び移動速度などを検知する。

１－１－３．車線分岐検知部５３
車線分岐検知部５３は、自車の位置情報、及び自車の周辺の道路情報に基づいて、自車が車線分岐のある対象道路区間を走行しているか否かを検知する。車線分岐のある対象道路区間には、実際に車線が分岐している道路区間だけでなく、分岐している道路区間の直前の道路区間も含まれる。

例えば、図４に示すように、車線分岐のある対象道路区間は、実際に分岐している道路区間Ｄ２、及び分岐している道路区間（分岐開始地点Ｐ２）の直前のＤ１区間に設定される。車線分岐のある対象道路区間に、分岐している道路区間の直後のＤ３区間が含まれてもよい。図４には、道路情報に含まれる各車線のノード位置が、点で表されている。例えば、分岐している道路区間Ｄ２は、分岐元車線のノード位置と分岐車線のノード位置との距離が、車線幅に対応する距離を上限として、次第に増加している道路区間に設定される。例えば、直前の道路区間Ｄ１の距離、及び直後の道路区間Ｄ３の距離のそれぞれは、固定値に設定されてもよいし、車線分岐ごとに設定されてもよいし、分岐元車線の制限速度に応じて設定されてもよい。

車線分岐検知部５３は、自車の位置が、車線分岐のある対象道路区間の範囲内にあり、分岐元車線を走行している場合に、車線分岐のある対象道路区間を走行していると判定し、それ以外の場合に、車線分岐のある対象道路区間を走行していないと判定する。例えば、車線分岐は、高速道路などの自動車専用道路に設けられ、分岐車線は、サービスエリア、パーキングエリア、ジャンクション、及びインターチェンジ等に接続される。

１－１－４．自車状態取得部５４
自車状態取得部５４は、自車の運転状態及び走行状態である自車状態を取得する。本実施の形態では、自車状態取得部５４は、自車の運転状態として、運転者の運転操作、及び運転者の運転傾向の一方又は双方（本例では、双方）を取得する。自車状態取得部５４は、自車の走行状態として、自車の車両状態を取得する。

＜運転操作＞
本実施の形態では、自車状態取得部５４は、運転者の運転操作として、運転者の舵角操作を取得する。自車状態取得部５４は、操舵角センサの出力信号、及び操舵トルクセンサの出力信号に基づいて、舵角操作として、操舵トルク及び操舵角を取得する。

また、自車状態取得部５４は、運転者の運転操作として、運転者による自車の加減速操作を取得する。自車状態取得部５４は、アクセルポジションセンサの検出情報及びブレーキポジションセンサの検出情報に基づいて、運転者の加減速操作として、アクセルポジションの操作量及びブレーキポジションの操作量を取得する。

また、自車状態取得部５４は、運転者の運転操作として、方向指示器の操作を取得する。自車状態取得部５４は、方向指示器ポジションスイッチの検出情報に基づいて、方向指示器の左側への操作又は右側への操作を取得する。

＜運転傾向＞
自車状態取得部５４は、運転者の運転傾向として、運転者の視線の向き及び顔の向きの一方又は双方を取得する。自車状態取得部５４は、車内カメラにより撮像された運転者の画像に基づいて、自車の前後方向に対する運転者の視線の向き及び顔の向きを判定する。

自車状態取得部５４は、運転者の運転傾向として、分岐元車線の中央位置に対する自車の位置の横方向の偏差を取得する。自車状態取得部５４は、周辺情報取得部５２が取得した車線の形状及び相対位置に基づいて、分岐元車線を判定し、分岐元車線の形状及び相対位置に基づいて、車線の道路幅方向における、分岐元車線の中央位置に対する自車の位置の横方向の偏差を演算する。

自車状態取得部５４は、運転者の運転傾向として、運転開始時からの経過時間を取得する。例えば、自車状態取得部５４は、自車の車両速度が断続的に０よりも大きくなっている期間を、運転開始時からの経過時間として取得する。車両速度が０である期間が判定期間よりも長くなると、運転者が休憩を取ったと判定できるため、経過時間が０にリセットされる。

＜車両状態＞
自車状態取得部５４は、自車の車両状態として、動力源の残量を検出する。例えば、動力機構として内燃機関が設けられている場合は、自車状態取得部５４は、車両状態検出装置１２（燃料レベルゲージセンサ）の検出情報に基づいて、動力源の残量として燃料の残量を取得する。動力機構としてモータが設けられている場合は、自車状態取得部５４は、車両状態検出装置１２（充電量検出センサ）の検出情報に基づいて、動力源の残量として蓄電装置の充電量を取得する。

１－１－５．走行車線推定部５５
＜車線分岐における走行車線の推定の必要性＞
例えば、ルート選択の主体が運転者にある運転支援システム、又は自動運転システムの場合では、車線分岐において、運転者がどの車線を進路として選択したか推定することが必要である。車線選択の推定精度が悪くなれば、運転者が選択した車線とは違う車線に基づいた運転支援制御又は自動運転制御が行われ、運転者に不安感を与える可能性がある。また、車線分岐区間に対して推定タイミングが遅くなれば、適切な運転支援制御又は自動運転制御を継続できず、これらの制御が中断されてしまう可能性がある。

一方、ルート選択の主体がシステムにある自動運転システムの場合では、車線分岐においてシステムが車線を選択するため、基本的には運転者の車線選択を推定する必要はない。しかし、運転者がオーバーライド、すなわちシステムに介入して車両の進行方向を変更することが想定される。このような場合に、精度良くかつ速やかに運転者が望む進路を推定することができれば、オーバーライド及びオーバーライド後の車両制御のフィーリングを向上させることができる。

しかし、図４に示すように、分岐開始地点Ｐ２付近では、分岐元車線のノードと、分岐車線のノードの間隔が狭く、自車の位置情報だけでは、運転者がいずれの車線を走行するか推定することが難しい。また、分岐車線の区画線は、分岐元車線の区画線に不連続に接続されており、また、分岐元車線と分岐車線との間の区画線が、分岐車線を走行する車両の通行により劣化しているため、周辺監視装置１０により検出される区画線の位置から走行車線を推定できない場合がある。

そこで、車線分岐のある道路区間において、運転者の操作により、自車が車線分岐のいずれの車線を走行するかを推定することができる走行車線判定装置が望まれる。

＜推定処理＞
そこで、走行車線推定部５５は、自車が車線分岐のある対象道路区間を走行していることが検知された場合に、自車の運転状態及び走行状態である自車状態、及び自車の周辺の道路情報に基づいて、運転者の操作により、自車が車線分岐のいずれの車線を走行するかを推定する。

この構成によれば、自車の運転状態及び走行状態である自車状態及び自車の周辺の道路情報に基づいて、運転者の操作により、自車が車線分岐のいずれの車線を走行するかを精度よく推定できる。

本実施の形態では、走行車線推定部５５は、運転者意思推定部５５１、及び走行車線判定部５５２を備えている。

＜運転者意思推定部＞
運転者意思推定部５５１は、自車状態及び自車の周辺の道路情報に基づいて、運転者が車線分岐のいずれの車線を走行する意思があるかの車線選択の意思を推定する。そして、走行車線判定部５５２は、推定した車線選択の意思に基づいて、自車が車線分岐のいずれの車線を走行するかを推定する。走行車線判定部５５２は、運転者意思推定部５５１により運転者が分岐車線を走行する意思があると推定された場合は、分岐車線を走行すると推定し、運転者意思推定部５５１により運転者が分岐元車線を走行する意思があると推定された場合は、分岐元車線を走行すると推定し、走行車線の推定結果を車両制御装置５などに伝達する。

この構成によれば、推定した車線選択の意思に基づいて、運転者の操作により、自車が車線分岐のいずれの車線を走行するかを精度よく推定できる。

運転者意思推定部５５１は、自車状態及び自車の周辺の道路情報から、運転者の運転操作、運転者の運転傾向、車線分岐の各車線に関係する交通情報、及び自車の車両状態のいずれか一つ以上（本例では全て）である意思推定用情報を取得し、意思推定用情報に基づいて、車線選択の意思を推定する。

この構成によれば、運転者による車線選択に関係する運転者の運転操作、運転者の運転傾向、車線分岐の各車線に関係する交通情報、及び自車の車両状態のいずれか一つ以上により、車線選択の意思を精度よく推定することができる。

＜評価点による推定＞
本実施の形態では、運転者意思推定部５５１は、意思推定用情報に基づいて、意思推定用情報に対応する複数の評価項目のそれぞれについて、分岐車線を走行する意思の高低を表す評価点を算出し、複数の評価項目の評価点の合計値に基づいて、車線選択の意思を推定する。

この構成によれば、複数の評価項目を総合的に評価することで、推定精度を向上させることができる。

図５に、各評価項目の判定結果と、各判定結果に対応する評価点を示している。図５には、評価点を「＋」及び「－」で表している。１つの「＋」は、１点の加点を表し、１つの「－」は、１点の減点を表している。評価点が高いほど、分岐車線を走行する意思が高いことを表している。

本実施の形態では、運転者意思推定部５５１は、分岐車線の種別に基づいて、車線選択の意思の推定に用いるパラメータを変化させる。この構成によれば、分岐車線の種別が、各評価項目に与える影響を考慮することができ、推定精度を向上させることができる。

図５には、分岐車線の種別として、サービスエリア（ＳＡ）又はパーキングエリア（ＰＡ）に接続される分岐車線、インターチェンジ（ＩＣ）の出口に接続される分岐車線、及びジャンクション（ＪＣＴ）に接続される分岐車線が設定されている。図５では、交通情報及び車両状態の分類について、分岐車線の種別に応じて、各評価項目の判定結果の評価点が変化されている。なお、図５には、高速道路の走行時の評価点が設定されているが、一般道路の走行時の評価点が設定されてもよい。

運転者意思推定部５５１は、評価点の合計値がしきい値以上である場合は、運転者が分岐車線を走行する意思があると推定し、評価点の合計値がしきい値未満である場合は、運転者が分岐元車線を走行する意思があると推定する。ここで、分岐元車線の判定用のしきい値を、分岐車線の判定用のしきい値よりも低くして、分岐車線及び分岐元車線のいずれにも判定されない、不感帯が設けられてもよい。これにより、不確実な推定結果に基づいて、運転支援制御又は自動運転制御が行われることを防止できる。

＜分岐車線の方向の判定＞
運転者意思推定部５５１は、分岐元車線の位置情報及び分岐車線の位置情報等の道路情報に基づいて、分岐元車線に対して分岐車線がある左又は右の方向を判定する。分岐車線がある方向（以下、分岐車線の方向と称す）の反対方向が、分岐元車線がある方向（以下、分岐元車線の方向と称す）になる。

＜運転者の運転操作＞
運転者意思推定部５５１は、自車状態取得部５４から、運転者の運転操作として、運転者による舵角操作を取得し、取得した舵角操作に基づいて、車線選択の意思を推定する。上述したように、舵角操作として、操舵トルク及び操舵角の一方又は双方が取得される。そして、運転者意思推定部５５１は、操舵トルク及び操舵角の一方又は双方に基づいて、分岐車線の方向に、運転者が舵角操作を行う意思が高くなるか否かを判定する。例えば、運転者意思推定部５５１は、分岐車線の方向への操舵トルクが、しきい値以上になった場合に、分岐車線を走行する意思が高くなると判定し（評価点を加算し）、分岐元車線の方向への操舵トルクが、しきい値以上になった場合は、分岐車線を走行する意思が低くなると判定する（評価点を減算する）。また、例えば、運転者意思推定部５５１は、判定期間における、分岐車線の方向への操舵角の変化量がしきい値以上になった場合に、分岐車線を走行する意思が高くなると判定し（評価点を加算し）、判定期間における、分岐元車線の方向への操舵角の変化量がしきい値以上になった場合に、分岐車線を走行する意思が低くなると判定する（評価点を減算する）。これらの判定に、分岐元車線の曲率が考慮されてもよい。また、操舵トルクの大きさ、又は操舵角の変化量に応じて、加算又は減算される評価点が変化されてもよい。

運転者意思推定部５５１は、自車状態取得部５４から、運転者の運転操作として、運転者による自車の加減速操作を取得し、取得した加減速操作に基づいて、車線選択の意思を推定する。上述したように、自車の加減速操作として、アクセルポジション及びブレーキポジションが取得される。例えば、運転者意思推定部５５１は、判定期間のアクセルポジションの減少量がしきい値以上になった場合に、分岐車線を走行する意思が高くなると判定し（評価点を加算し）、判定期間のアクセルポジションの増加量がしきい値以上になった場合に、分岐車線を走行する意思が低くなると判定する（評価点を減算する）。運転者意思推定部５５１は、判定期間のブレーキポジションの増加量がしきい値以上になった場合に、分岐車線を走行する意思が高くなると判定する。これらの判定に、分岐元車線の勾配が考慮されてもよい。また、アクセルポジションの減少量、又はブレーキポジションの増加量に応じて、加算又は減算される評価点が変化されてもよい。

運転者意思推定部５５１は、自車状態取得部５４から、運転者の運転操作として、方向指示器の操作を取得し、取得した方向指示器の操作に基づいて、車線選択の意思を推定する。例えば、運転者意思推定部５５１は、分岐車線の方向に方向指示器の操作が行われた場合は、分岐車線を走行する意思が高くなると判定し（評価点を加算し）、分岐元車線の方向に、方向指示器の操作が行われた場合は、分岐車線を走行する意思が低くなると判定する（評価点を減算する）。

＜運転者の運転傾向＞
運転者意思推定部５５１は、自車状態取得部５４から、運転者の運転傾向として、運転者の視線の向き及び顔の向きの一方又は双方を取得し、取得した顔の向き及び視線の向きの一方又は双方に基づいて、車線選択の意思を推定する。例えば、運転者意思推定部５５１は、視線の向きが、分岐車線の方向に向いている場合は、分岐車線を走行する意思が高くなると判定し（評価点を加算し）、視線の向きが、分岐元車線の方向に向いている場合は、分岐車線を走行する意思が低くなると判定する（評価点を減算する）。運転者意思推定部５５１は、顔の向きが、分岐車線の方向に向いている場合は、分岐車線を走行する意思が高くなると判定し（評価点を加算し）、顔の向きが、分岐元車線の方向に向いている場合は、分岐車線を走行する意思が低くなると判定する（評価点を減算する）。これらの判定に、分岐元車線の曲率が考慮されてもよい。また、各方向への視線の向きの度合い又は頻度、又は各方向への顔の向きの度合い又は頻度に応じて、加算又は減算される評価点が変化されてもよい。

運転者意思推定部５５１は、自車状態取得部５４から、運転者の運転傾向として、分岐元車線の中央位置に対する自車の位置の横方向の偏差を取得し、取得した横方向の偏差に基づいて、車線選択の意思を推定する。例えば、運転者意思推定部５５１は、分岐車線の方向への横方向の偏差が、しきい値以上である場合は、分岐車線を走行する意思が高くなると判定し（評価点を加算し）、分岐元車線の方向への横方向の偏差が、しきい値以上である場合は、分岐車線を走行する意思が低くなると判定する（評価点を減算する）。横方向の偏差の大きさに応じて、加算又は減算される評価点が変化されてもよい。

運転者意思推定部５５１は、自車状態取得部５４から、運転者の運転傾向として、運転開始時からの経過時間を取得し、取得した経過時間に基づいて、車線選択の意思を推定する。例えば、運転者意思推定部５５１は、経過時間が、しきい値以上である場合に、分岐車線を走行する意思が高くなると判定する（評価点を加算する）。経過時間が長いと、休憩のために、サービスエリア（ＳＡ）又はパーキングエリア（ＰＡ）が接続された分岐車線を走行する可能性が高くなる。よって、図５に示すように、運転者意思推定部５５１は、経過時間がしきい値以上であって、分岐車線が、サービスエリア（ＳＡ）又はパーキングエリア（ＰＡ）に接続されている場合に、評価点を加算する。一方、運転者意思推定部５５１は、経過時間がしきい値以上であっても、分岐車線が、サービスエリア（ＳＡ）又はパーキングエリア（ＰＡ）に接続されていない場合は、評価点を加算しない。なお、経過時間に応じて、加算される評価点が変化されてもよい。

＜交通情報＞
運転者意思推定部５５１は、周辺情報取得部５２から、車線分岐の各車線に関係する交通情報として、各車線に関係する渋滞情報を取得し、取得した渋滞情報に基づいて、車線選択の意思を推定する。例えば、運転者意思推定部５５１は、分岐元車線が渋滞中である場合は、分岐車線を走行する意思が高くなると判定する（評価点を加算する）。例えば、図５に示すように、運転者意思推定部５５１は、分岐元車線が渋滞中であって、分岐車線が、インターチェンジ（ＩＣ）の出口、又はジャンクション（ＪＣＴ）に接続されている場合に、評価点を加算し、それ以外の場合は、評価点を加算しない。なお、渋滞距離及び渋滞時間などの渋滞の程度に応じて、加算される評価点が変化されてもよい。

運転者意思推定部５５１は、周辺情報取得部５２から、各車線に関係する交通情報として、各車線に関係する交通規制情報を取得し、取得した交通規制情報に基づいて、車線選択の意思を推定する。例えば、運転者意思推定部５５１は、分岐元車線が通行止めである場合は、分岐車線を走行する意思が高くなると判定する（評価点を加算する）。例えば、図５に示すように、運転者意思推定部５５１は、分岐元車線が通行止めであって、分岐車線が、インターチェンジ（ＩＣ）の出口、又はジャンクション（ＪＣＴ）に接続されている場合に、評価点を加算し、それ以外の場合は、評価点を加算しない。また、運転者意思推定部５５１は、分岐元車線に交通規制がある場合は、分岐車線を走行する意思が高くなると判定する（評価点を加算する）。交通規制の内容に応じて、加算される評価点が変化されてもよい。

＜車両状態＞
運転者意思推定部５５１は、自車状態取得部５４から、車両状態として、自車の動力源の残量を取得し、取得した動力源の残量に基づいて、車線選択の意思を推定する。上述したように、動力機構として内燃機関が設けられている場合は、動力源の残量として燃料の残量が取得される。動力機構としてモータが設けられている場合は、動力源の残量として蓄電装置の充電量が取得される。例えば、運転者意思推定部５５１は、動力源の残量が、しきい値以下になった場合に、分岐車線を走行する意思が高くなると判定する（評価点を加算する）。例えば、図５に示すように、運転者意思推定部５５１は、動力源の残量が、しきい値以下であって、分岐車線が、サービスエリア（ＳＡ）、パーキングエリア（ＰＡ）、又はインターチェンジ（ＩＣ）の出口に接続されている場合に、評価点を加算し、それ以外の場合は、評価点を加算しない。また、動力源の残量に応じて、加算される評価点が変化されてもよい。

以上のように、複数の評価項目を総合的に評価することにより、推定精度を向上することができる。また、一部の情報に欠損があったり、運転者の意思に反するものがあったりしても、他の情報から正しく運転者の意思を推定することができる。例えば、運転者が誤った方向に方向指示器を操作しても、他の評価項目を総合的に評価することで、運転者の本当の意思を精度よく推定することができる。

＜判定タイミング＞
図４を用いて説明したように、車線選択の推定が行われる車線分岐のある対象道路区間は、分岐開始地点より前の道路区間を含む。運転者意思推定部５５１は、自車が分岐開始地点より前の道路区間に位置する場合に、意思推定用情報として、運転者の運転操作及び運転者の運転傾向の一方又は双方（本例では双方）を取得し、運転者の運転操作及び運転者の運転傾向の一方又は双方に基づいて、車線選択の意思を推定する。

この構成によれば、分岐開始地点の通過前から運転者の意思を推定できるため、車線分岐区間に対して推定タイミングが遅れることを抑制し、早期化することができる。よって、車線分岐区間において、運転者が望む車線に対して円滑な運転支援制御又は自動運転制御を行うことができる。

車線分岐のある対象道路区間において、各評価項目の判定が行われる判定区間は、評価項目ごとに異なってもよい。例えば、アクセルポジション又はブレーキポジション、顔の向き又は視線の向き、又は横方向の偏差による判定は、自車が、図４の分岐開始地点Ｐ２の直前のＤ１区間に位置する場合に行われる。経過時間、交通情報、又は車両状態による判定は、自車が、図４の分岐開始地点Ｐ２を通過したＤ２、及びＤ３の区間に位置する場合に行われる。方向指示器の操作による判定は、自車が、図４のＤ４、Ｄ２、及びＤ３の区間に位置する場合に行われる。各評価項目の判定区間は、これに限定されず、車線分岐のある対象道路区間において、任意の区間に設定されてもよい。

＜フローチャート＞
図６は、本実施の形態に係る走行車線判定装置１の処理を説明するフローチャートである。図６の処理は、例えば、所定の演算周期ごとに実行される。

ステップＳ１０１で、上述したように、自車位置取得部５１は、自車の位置情報を取得する。ステップＳ１０２で、上述したように、周辺情報取得部５２は、車両の周辺の道路情報を取得する。

ステップＳ１０３で、上述したように、車線分岐検知部５３は、自車の位置情報、及び自車の周辺の道路情報に基づいて、自車が車線分岐のある対象道路区間を走行しているか否かを検知し、対象道路区間を走行している場合は、ステップＳ１０４に進み、走行していない場合は、処理を終了する。

ステップＳ１０４で、上述したように、自車状態取得部５４は、自車の運転状態及び走行状態である自車状態を取得する。

そして、ステップＳ１０５で、上述したように、運転者意思推定部５５１は、自車状態及び自車の周辺の道路情報に基づいて、運転者が車線分岐のいずれの車線を走行する意思があるかの車線選択の意思を推定する。

ステップＳ１０６で、上述したように、走行車線判定部５５２は、運転者意思推定部５５１により運転者が分岐車線を走行する意思があると推定された場合は、ステップＳ１０７に進み、車両制御装置５に自車が分岐車線を走行するという推定結果を伝達し、それ以外の場合は、ステップＳ１０８に進み、車両制御装置５に自車が分岐元車線を走行するという推定結果を伝達する。

２．実施の形態２
次に、実施の形態２に係る走行車線判定装置１及び走行学習装置６０について説明する。上記の実施の形態１と同様の構成部分は説明を省略する。本実施の形態に係る走行車線判定装置１の基本的な構成及び処理は実施の形態１と同様であるが、運転者意思推定部５５１が、走行学習装置６０により学習された意思推定モデルを用いて運転者の車線選択の意思を推定する点などが実施の形態１と異なる。図７に、本実施の形態に係る走行車線判定装置１及び走行学習装置６０の概略ブロック図を示す。

本実施の形態では、走行車線判定装置１は、運転者特定部５６を備えている。運転者特定部５６は、自車の運転者を特定する。運転者特定部５６は、車内カメラにより撮像された運転者の画像に基づいて、運転者を特定する。或いは、運転者特定部５６は、指紋、音声、静脈、又は網膜などによる生体認証により運転者を特定してもよいし、車内に設置されたボタン又はスイッチの入力により、運転者を特定してもよい。

運転者意思推定部５５１は、特定された運転者に応じて、車線選択の意思の推定に用いるパラメータを変化させる。例えば、実施の形態１の図５に示したような、各評価項目の判定結果と各判定結果に対応する評価点との関係を設定した評価点のテーブルデータが、運転者ごとに設定されており、運転者意思推定部５５１は、特定した運転者に対応する評価点のテーブルデータを用いて、実施の形態１と同様に、車線選択の意思を推定すればよい。

しかし、本実施の形態では、以下で説明するように、走行学習装置６０が意思推定モデルを学習し、走行車線判定装置１は、走行学習装置６０が学習した意思推定モデルを用いて、車線選択の意思を推定する構成について説明する。

＜走行学習装置６０＞
走行学習装置６０は、学習用データ取得部６１、モデル学習部６２、及び学習後モデル記憶部６３を備えている。本実施の形態では、走行学習装置６０は、自車に備えられているが、クラウドサーバ等の車外のサーバに備えられてもよい。以下では、走行学習装置６０は、走行車線判定装置１と一体的に構成されている例を説明するが、走行学習装置６０は、走行車線判定装置１と別体とされ、相互に通信するように構成されてもよい。走行学習装置６０が、走行車線判定装置１と別体に構成される場合は、走行学習装置６０の処理回路は、図２及び図３に示した走行車線判定装置１と同様に構成されればよい。

学習用データ取得部６１は、対象車両（本例では自車）が車線分岐のある対象道路区間を走行しているときの、運転者の運転操作、運転者の運転挙動、車線分岐の各車線に関係する交通情報、及び自車の車両状態のいずれか一つ以上（本例では、全て）である意思推定用情報と、車線分岐において対象車両（自車）が実際に走行した実走行車線と、を取得する。なお、走行学習装置６０が、車外のサーバに備えられている場合は、対象車両は、意思推定用情報及び実走行車線を取得した各車両に設定され、後述するモデル学習部６２は、各対象車両専用の意思推定モデルを学習する。

学習用データ取得部６１で取得する意思推定用情報は、運転者意思推定部５５１で取得する意思推定用情報と同じに設定されている。意思推定用情報の各内容は、実施の形態１と同様である。

例えば、運転者の運転操作として、運転者による舵角操作が取得される。運転者の運転操作として、運転者による自車の加減速操作が取得される。運転者の運転操作として、方向指示器の操作が取得される。運転者の運転傾向として、運転者の視線の向き及び顔の向きの一方又は双方が取得される。運転者の運転傾向として、分岐元車線の中央位置に対する自車の位置の横方向の偏差が取得される。運転者の運転傾向として、運転開始時からの経過時間が取得される。車線分岐の各車線に関係する交通情報として、各車線に関係する渋滞情報が取得される。各車線に関係する交通情報として、各車線に関係する交通規制情報が取得される。車両状態として、自車の動力源の残量が取得される。また、分岐元車線に対して分岐車線がある左又は右の方向の情報が取得される。

例えば、運転者意思推定部５５１は、自車が対象道路区間を走行しているときに取得した意思推定情報の各内容と、自車が対象道路区間の走行終了時に実際に走行している車線の情報を、記憶装置９１に記憶する。例えば、実際の走行車線が分岐車線である場合は、実際の走行車線の情報は、第１の値（例えば、１）に設定され、実際の走行車線が分岐元車線である場合は、実際の走行車線の情報は、第２の値（例えば、０）に設定される。

また、本実施の形態では、運転者意思推定部５５１は、対象道路区間を走行しているときに特定された運転者の情報も合わせて記憶装置９１に記憶する。運転者意思推定部５５１は、対象道路区間の走行ごとに、累積的に、意思推定情報、実際の走行車線、及び運転者の学習用データセットを記憶装置９１に記憶してもよい。

学習用データ取得部６１は、記憶装置９１に記憶された、対象道路区間の走行ごとの意思推定情報、実際の走行車線、及び運転者の学習用データセットを取得する。なお、走行学習装置６０が、車外のサーバに備えられている場合は、学習用データ取得部６１は、無線通信装置４を介して、記憶装置９１に記憶された学習用データセットを取得する。

モデル学習部６２は、学習用データ取得部６１により取得した意思推定用情報と実走行車線とを用いて、意思推定用情報に対して実走行車線を出力する意思推定モデルを学習する。本実施の形態では、モデル学習部６２は、運転者に応じて、意思推定モデルのパラメータを変化させる。例えば、モデル学習部６２は、運転者ごとに専用の意思推定モデルを設け、運転者ごとに意思推定モデルを切り替えて学習する。学習された各運転者の意思推定モデルは、学習後モデル記憶部６３に記憶される。本例では、学習後モデル記憶部６３は、走行学習装置６０の記憶装置に設けられる。

意思推定モデルの学習アルゴリズムには、教師あり学習、教師なし学習、強化学習などの公知のアルゴリズムを用いることができる。一例として、意思推定モデルにニューラルネットワークを用いた場合について説明する。

ニューラルネットワークには、運転者の運転操作、運転者の運転挙動、交通情報、及び車両状態などの意思推定用情報が入力され、ニューラルネットワークは、実際の走行車線を出力する。モデル学習部６２は、複数回の対象道路区間の走行時の学習用データセットを用いて、いわゆる教師あり学習により、ニューラルネットワークを学習させる。ここで、教師あり学習とは、入力情報と出力情報とからなる学習用データセットをニューラルネットワークに与え、入力情報と出力情報との間にある特徴をニューラルネットワークに学習させる方法であり、各種の公知の方法が用いられる。

ニューラルネットワークは、複数のニューロンからなる入力層、複数のニューロンからなる中間層（隠れ層）、及び単数又は複数のニューロンからなる出力層で構成される。中間層は、１層、又は２層以上でもよい。図８に、簡易的な３層のニューラルネットワークの例を示す。意思推定用情報の各内容に対応する複数の入力情報が、入力層（Ｘ１～Ｘ３）に入力されると、その値に重みＷ１（ｗ１１～ｗ１６）を掛けた値が中間層（Ｙ１～Ｙ２）に入力され、その結果にさらに重みＷ２（ｗ２１～ｗ２２）を掛けた値が、実際の走行車線を表す出力値として出力層（Ｚ１）から出力される。出力値は、各重みＷ１、Ｗ２の値によって変わる。

意思推定用情報の入力に対して、ニューラルネットワークから出力される出力値が、実際の走行車線に近づくように、教師あり学習により、各重みＷ１、Ｗ２の値が変化される。本実施の形態では、運転者ごとに専用のニューラルネットワークのパラメータ（例えば、各重みの値）が記憶されており、運転者ごとに学習するニューラルネットワークのパラメータ（各重みの値）を切り替える。すなわち、各運転者に対応する専用のニューラルネットワークのパラメータ（各重みの値）が学習され、各運転者に対応付けて、専用のニューラルネットワークのパラメータ（各重みの値）が学習後モデル記憶部６３（記憶装置）に記憶される。なお、運転者ごとに専用のニューラルネットワーク（意思推定モデル）を設けない場合は、運転者ごとにニューラルネットワークを切り替えず、各運転者に共通のニューラルネットワーク（意思推定モデル）が学習されればよい。

＜走行学習装置６０のフローチャート＞
図９は、本実施の形態に係る走行学習装置６０の処理を説明するフローチャートである。図９の処理は、例えば、学習用データセットの取得ごとに実行される。

ステップＳ２０１で、上述したように、学習用データ取得部６１は、対象車両（本例では自車）が車線分岐のある対象道路区間を走行しているときの、運転者の運転操作、運転者の運転挙動、車線分岐の各車線に関係する交通情報、及び自車の車両状態のいずれか一つ以上（本例では、全て）である意思推定用情報と、車線分岐において対象車両（自車）が実際に走行した実走行車線と、を取得する。本実施の形態では、学習用データ取得部６１は、そのときの運転者の情報も取得する。

そして、ステップＳ２０２で、上述したように、モデル学習部６２は、学習用データ取得部６１により取得した意思推定用情報と実走行車線とを用いて、意思推定用情報に対して実走行車線を出力する意思推定モデルを学習する。本実施の形態では、モデル学習部６２は、そのときの運転者の情報も用いて、意思推定モデルを学習する。ステップＳ２０３で、学習後の意思推定モデルを、学習後モデル記憶部６３に記憶する。

本実施の形態では、教師あり学習の一例として、ニューラルネットワークを用いた例を示したが、他の公知の手法が用いられてもよい。例えば、サポートベクターマシン（ＳＶＭ）、ｋ近傍法（ｋ－ＮＮ）といった手法が用いられもよい。

本実施の形態では、意思推定モデルで学習する意思推定用情報として、運転者の運転操作、運転者の運転挙動、車線分岐の各車線に関係する交通情報、及び自車の車両状態の全てを用いる場合を例に説明した。しかし、それらの一部の情報だけが、意思推定モデルで学習する意思推定用情報として用いられてもよい。例えば、特に運転者によって傾向が変化する、横方向の偏差、視線の向き、及び運転開始時からの経過時間などが学習用データセットに設定されてもよい。

いわゆるオフライン学習のように、所定の回数の対象道路区間の走行時の学習用データが取得されるごとに、学習用データ取得部６１による学習用データの取得、及びモデル学習部６２による学習が行われてもよい。また、いわゆるオンライン学習のように、対象道路区間の走行ごとに、学習用データの取得、及び学習が行われてもよい。

＜意思推定モデルを用いた意思推定＞
実施の形態１と同様に、運転者意思推定部５５１は、自車状態及び自車の周辺の道路情報から、運転者の運転操作、運転者の運転傾向、車線分岐の各車線に関係する交通情報、及び自車の車両状態のいずれか一つ以上（本例では全て）である意思推定用情報を取得する。本実施の形態では、運転者意思推定部５５１は、学習後モデル記憶部６３から学習後の意思推定モデルを取得し、学習後の意思推定モデルに、自車状態及び道路情報から取得した意思推定用情報を入力し、学習後の意思推定モデルから出力される実走行車線を運転者の車線選択の意思として推定する。意思推定用情報の各内容は、上述したように、実施の形態１と同様である。

運転者意思推定部５５１は、運転者特定部５６により特定された運転者の情報を取得する。そして、運転者意思推定部５５１は、特定された運転者に対応する専用の意思推定モデル（本例では、ニューラルネットワーク）に、意思推定用情報を入力し、意思推定モデルから出力された実走行車線を、運転者の車線選択の意思として推定する。例えば、モデル学習部６２により学習され、学習後モデル記憶部６３に記憶されている複数の運転者の意思推定モデルから、特定された運転者に対応する意思推定モデルを取得する。

なお、意思推定モデルから出力された実走行車線に、確度の情報が含まれる場合は、運転者意思推定部５５１は、確度がしきい値以上である場合に、運転者の車線選択の意思の推定を行い、それ以外の場合は、運転者の車線選択の意思の推定を行わなくてもよい。

また、運転者意思推定部５５１は、実施の形態１と同様に、各評価項目の評価点の合計値に基づいて、運転者の車線選択の意思を推定する処理も並列して行い、評価点の合計値に基づく車線選択の意思の推定結果と、意思推定モデルを用いた車線選択の意思の推定結果とを組み合わせて、最終的な車線選択の意思を推定してもよい。

例えば、運転者によって傾向が変化しやすい、横方向の偏差、視線の向き、及び運転開始時からの経過時間に基づく、車線選択の意思の推定は、意思推定モデルを用いて行われる。他の情報（舵角操作、加減速操作、方向指示器の操作、渋滞情報、交通規制情報、動力源の残量等）に基づく、車線選択の意思の推定は、評価点の合計値に基づいて行われる。そして、双方の推定結果を組み合わせて、最終的な車線選択の意思が推定されるとよい。例えば、一方又は双方の推定結果が、分岐車線への車線変更である場合に、最終的に分岐車線を走行する意思があると判定され、それ以外の場合は、分岐元車線を走行する意思があると判定される。これにより、運転者の違いによって傾向の差が生じやすい情報に対して、学習及び推定を行うことができ、意思推定モデルの規模、及び学習の難易度を低下させることができる。

図１０は、本実施の形態に係る走行車線判定装置１の処理を説明するフローチャートである。図１０の処理は、例えば、所定の演算周期ごとに実行される。

ステップＳ３０１で、実施の形態１で説明したように、自車位置取得部５１は、自車の位置情報を取得する。ステップＳ３０２で、実施の形態１で説明したように、周辺情報取得部５２は、車両の周辺の道路情報を取得する。ステップＳ３０３で、上述したように、運転者特定部５６は、自車の運転者を特定する。

ステップＳ３０４で、実施の形態１で説明したように、車線分岐検知部５３は、自車の位置情報、及び自車の周辺の道路情報に基づいて、自車が車線分岐のある対象道路区間を走行しているか否かを検知し、対象道路区間を走行している場合は、ステップＳ３０５に進み、走行していない場合は、処理を終了する。

ステップＳ３０５で、実施の形態１で説明したように、自車状態取得部５４は、自車の運転状態及び走行状態である自車状態を取得する。

そして、ステップＳ３０６で、上述したように、運転者意思推定部５５１は、学習後モデル記憶部６３に記憶された学習後の複数の運転者の意思推定モデルから、特定された運転者に対応する意思推定モデルを取得する。ステップＳ３０７で、運転者意思推定部５５１は、特定された運転者に対応する意思推定モデルに意思推定用情報を入力し、意思推定モデルから出力された実走行車線を、運転者の車線選択の意思として推定する。

ステップＳ３０８で、上述したように、走行車線判定部５５２は、運転者意思推定部５５１により運転者が分岐車線を走行する意思があると推定された場合は、ステップＳ３０９に進み、車両制御装置５に自車が分岐車線を走行するという推定結果を伝達し、それ以外の場合は、ステップＳ３１０に進み、車両制御装置５に自車が分岐元車線を走行するという推定結果を伝達する。

３．実施の形態３
次に、実施の形態３に係る走行車線判定装置１について説明する。上記の実施の形態１と同様の構成部分は説明を省略する。本実施の形態に係る走行車線判定装置１の基本的な構成及び処理は実施の形態１と同様であるが、運転者意思推定部５５１が備えられておらず、自車軌道予測部５５３が設けられている点が実施の形態１と異なる。図１１に、本実施の形態に係る走行車線判定装置１の概略ブロック図を示す。

本実施の形態では、走行車線推定部５５は、自車軌道予測部５５３、及び走行車線判定部５５２を備えている。

自車状態取得部５４は、車両状態検出装置１２（速度センサ、角速度センサ、加速度センサ、操舵角センサ等）の検出情報に基づいて、自車状態として、車両速度、加速度、ヨーレート、操舵角、横加速度等を取得する。

自車軌道予測部５５３は、自車状態及び自車の周辺の道路情報に基づいて、車線分岐の各車線に対する自車の走行軌道を予測し、予測した走行軌道に基づいて、自車が車線分岐のいずれの車線を走行するかを推定する。

自車軌道予測部５５３は、自車状態取得部５４から取得した車両速度、加速度、ヨーレート、操舵角、横加速度から、自車の走行軌道を予測する。走行軌道の予測方法として、例えば、車両速度とヨーレートから旋回半径を求めて予測してもよいし、二輪モデル等の公知の車両運動モデルを用いて、予測してもよい。

図１２に示すように、自車軌道予測部５５３は、自車の周辺の道路情報から得られる分岐車線及び分岐元車線の位置情報と、予測した走行軌道の位置情報とに基づいて、車線分岐における走行車線を推定する。走行車線判定部５５２は、自車軌道予測部５５３により分岐車線を走行すると推定された場合は、分岐車線を走行すると推定し、自車軌道予測部５５３により分岐元車線を走行すると推定された場合は、分岐元車線を走行すると推定し、推定結果を車両制御装置５などに伝達する。

具体的には、図１２に示すように、分岐開始地点後に設定された判定区間Ｓ１において、予測走行軌道と、分岐元車線のノード位置（中央位置）及び分岐車線のノード位置（中央位置）とを比較し、予測走行軌道が、分岐元車線と分岐車線とのいずれに近いか判定し、近い方の車線を、自車の走行車線として推定する。

判定区間Ｓ１において、分岐元車線の各ノード位置に対する予測走行軌道の横方向の偏差ｄ１が算出され、分岐車線の各ノード位置に対する予測走行軌道の横方向の偏差ｄ２が算出される。そして、各ノード位置において、偏差ｄ１と偏差ｄ２との小さい方の車線が、予測走行軌道に近いことになる。例えば、自車軌道予測部５５３は、分岐元車線の各ノード位置の偏差ｄ１の合計値Σｄ１から、分岐車線の各ノード位置の偏差ｄ２の合計値Σｄ２を減算した値が、しきい値以上であれば、自車が分岐車線を走行すると推定し、それ以外は、自車が分岐元車線を走行すると推定する。図１２には、横方向は、分岐元車線の道路幅方向に設定されているが、別の定義でもよい。例えば、横方向は、各車線のノード位置から予測走行軌道におろした垂線の方向とされてもよい。しきい値は、固定値でもよいし、道路形状に合わせて変化されてもよい。例えば、しきい値は、判定区間Ｓ１における分岐車線の各ノード位置と分岐元車線の各ノード位置との間の距離ｄ３の合計値に基づいて設定されてもよい。これにより、分岐元車線及び分岐車線の道路形状が異なっても、精度良く推定することができる。

判定区間Ｓ１は、車両速度に応じて変化されてもよい。例えば、車両速度が大きいほど、判定区間Ｓ１の始点及び終点が自車から遠くに設定される。ただし、終点については、分岐車線が、分岐元車線に対して平行または離れていくように存在している道路区間の終了地点を超えないものとする。これにより、分岐車線が最終的に分岐元車線と立体交差するような道路形状の場合でも、予測走行軌道に基づいて走行車線を正しく推定することができる。

以上のように、予測走行軌道と道路情報を用いて走行車線を推定することで、車線分岐において精度良く走行車線を推定することができる。

＜フローチャート＞
図１３は、本実施の形態に係る走行車線判定装置１の処理を説明するフローチャートである。図１３の処理は、例えば、所定の演算周期ごとに実行される。

ステップＳ４０１で、実施の形態１で説明したように、自車位置取得部５１は、自車の位置情報を取得する。ステップＳ４０２で、実施の形態１で説明したように、周辺情報取得部５２は、車両の周辺の道路情報を取得する。

ステップＳ４０３で、実施の形態１で説明したように、車線分岐検知部５３は、自車の位置情報、及び自車の周辺の道路情報に基づいて、自車が車線分岐のある対象道路区間を走行しているか否かを検知し、対象道路区間を走行している場合は、ステップＳ４０４に進み、走行していない場合は、処理を終了する。

ステップＳ４０４で、実施の形態１で説明したように、自車状態取得部５４は、自車状態を取得する。本実施の形態では、自車状態取得部５４は、自車状態として車両速度、加速度、ヨーレート、操舵角、横加速度等を取得する。

そして、ステップＳ４０５で、上述したように、自車軌道予測部５５３は、自車状態及び自車の周辺の道路情報に基づいて、車線分岐の各車線に対する自車の走行軌道を予測し、予測した走行軌道に基づいて、自車が車線分岐のいずれの車線を走行するかを推定する。

ステップＳ４０６で、上述したように、走行車線判定部５５２は、自車軌道予測部５５３により分岐車線を走行すると推定された場合は、ステップＳ４０７に進み、車両制御装置５に自車が分岐車線を走行するという推定結果を伝達し、それ以外の場合は、ステップＳ４０８に進み、車両制御装置５に自車が分岐元車線を走行するという推定結果を伝達する。

４．実施の形態４
次に、実施の形態４に係る走行車線判定装置１について説明する。上記の実施の形態１と同様の構成部分は説明を省略する。本実施の形態に係る走行車線判定装置１の基本的な構成及び処理は実施の形態１又は３と同様であるが、運転者意思推定部５５１及び自車軌道予測部５５３が設けられている点が実施の形態１又は３と異なる。図１４に、本実施の形態に係る走行車線判定装置１の概略ブロック図を示す。

本実施の形態では、走行車線判定装置１は、実施の形態１と同様の運転者意思推定部５５１と、実施の形態３と同様の自車軌道予測部５５３とを備えている。各部の処理自体は、各実施の形態と同様であるので説明を省略する。

走行車線判定部５５２は、運転者意思推定部５５１により推定された車線選択の意思、及び自車軌道予測部５５３により走行車線の推定結果に基づいて、自車が車線分岐のいずれの車線を走行するかを推定する。

例えば、走行車線判定部５５２は、運転者意思推定部５５１により推定された車線選択の意思による推定走行車線と、自車軌道予測部５５３により推定された予測走行軌道による推定走行車線とが一致する場合は、一致した推定走行車線を、自車が車線分岐で走行する車線として推定する。一方、走行車線判定部５５２は、車線選択の意思による推定走行車線と、予測走行軌道による推定走行車線とが一致しない場合は、自車が車線分岐のいずれの車線を走行するかを推定しない。或いは、走行車線判定部５５２は、一致しない場合は、可能性の高い推定結果として、分岐元車線を、自車が車線分岐で走行する車線として推定してもよい。

このように、２つの推定方法を組み合わせることで、より信頼性の高い走行車線の推定を行うことができる。

なお、運転者意思推定部５５１として、学習後の意思推定モデルを用いる実施の形態２の運転者意思推定部５５１が用いられてもよい。この場合は、走行学習装置６０も用いられてもよい。

＜フローチャート＞
図１５は、本実施の形態に係る走行車線判定装置１の処理を説明するフローチャートである。図１５の処理は、例えば、所定の演算周期ごとに実行される。

ステップＳ５０１で、実施の形態１で説明したように、自車位置取得部５１は、自車の位置情報を取得する。ステップＳ５０２で、実施の形態１で説明したように、周辺情報取得部５２は、車両の周辺の道路情報を取得する。

ステップＳ５０３で、実施の形態１で説明したように、車線分岐検知部５３は、自車の位置情報、及び自車の周辺の道路情報に基づいて、自車が車線分岐のある対象道路区間を走行しているか否かを検知し、対象道路区間を走行している場合は、ステップＳ５０４に進み、走行していない場合は、処理を終了する。

ステップＳ５０４で、実施の形態１及び３で説明したように、自車状態取得部５４は、自車状態を取得する。

そして、ステップＳ５０５で、実施の形態１で説明したように、運転者意思推定部５５１は、自車状態及び自車の周辺の道路情報に基づいて、運転者が車線分岐のいずれの車線を走行する意思があるかの車線選択の意思を推定する。

また、ステップＳ５０６で、実施の形態３で説明したように、自車軌道予測部５５３は、自車状態及び自車の周辺の道路情報に基づいて、車線分岐の各車線に対する自車の走行軌道を予測し、予測した走行軌道に基づいて、自車が車線分岐のいずれの車線を走行するかを推定する。

ステップＳ５０７で、上述したように、走行車線判定部５５２は、運転者意思推定部５５１により推定された車線選択の意思による推定走行車線と、自車軌道予測部５５３により推定された予測走行軌道による推定走行車線とが一致するか否かを判定し、一致する場合は、ステップＳ５０８に進み、一致した分岐車線又は分岐元車線を走行するという推定結果を車両制御装置５に伝達し、一致しない場合は、推定結果を車両制御装置５に伝達せずに処理を終了する。

本願は、様々な例示的な実施の形態及び実施例が記載されているが、１つ、または複数の実施の形態に記載された様々な特徴、態様、及び機能は特定の実施の形態の適用に限られるのではなく、単独で、または様々な組み合わせで実施の形態に適用可能である。従って、例示されていない無数の変形例が、本願明細書に開示される技術の範囲内において想定される。例えば、少なくとも１つの構成要素を変形する場合、追加する場合または省略する場合、さらには、少なくとも１つの構成要素を抽出し、他の実施の形態の構成要素と組み合わせる場合が含まれるものとする。

１ 走行車線判定装置、５１ 自車位置取得部、５２ 周辺情報取得部、５３ 車線分岐検知部、５４ 自車状態取得部、５５ 走行車線推定部、５６ 運転者特定部、６０ 走行学習装置、６１ 学習用データ取得部、６２ モデル学習部、６３ 学習後モデル記憶部、５５１ 運転者意思推定部、５５２ 走行車線判定部、５５３ 自車軌道予測部

Claims (18)

1. 自車の位置情報を取得する自車位置取得部と、
   自車の周辺の道路情報を取得する周辺情報取得部と、
   前記位置情報及び前記道路情報に基づいて、自車が車線分岐のある対象道路区間を走行しているか否かを検知する車線分岐検知部と、
   自車の運転状態及び走行状態である自車状態を取得する自車状態取得部と、
   自車が前記車線分岐のある対象道路区間を走行していることが検知された場合に、前記自車状態及び前記道路情報に基づいて、運転者の操作により、自車が前記車線分岐のいずれの車線を走行するかを推定する走行車線推定部と、を備え、
   前記走行車線推定部は、前記自車状態取得部から、運転開始時からの経過時間を取得し、前記経過時間がしきい値以上であって、分岐車線の接続先の施設がサービスエリア又はパーキングエリアである場合に、当該分岐車線を走行する可能性を増加させて、自車が前記車線分岐のいずれの車線を走行するかを推定する走行車線判定装置。
2. 自車の位置情報を取得する自車位置取得部と、
   自車の周辺の道路情報を取得する周辺情報取得部と、
   前記位置情報及び前記道路情報に基づいて、自車が車線分岐のある対象道路区間を走行しているか否かを検知する車線分岐検知部と、
   自車の運転状態及び走行状態である自車状態を取得する自車状態取得部と、
   自車が前記車線分岐のある対象道路区間を走行していることが検知された場合に、前記自車状態及び前記道路情報に基づいて、運転者の操作により、自車が前記車線分岐のいずれの車線を走行するかを推定する走行車線推定部と、を備え、
   前記走行車線推定部は、前記周辺情報取得部から、各車線に関係する渋滞情報及び交通規制情報を取得し、分岐元車線に渋滞、通行止め、又は交通規制があり、分岐車線がインターチェンジの出口又はジャンクションに接続されている場合に、当該分岐車線を走行する可能性を増加させて、自車が前記車線分岐のいずれの車線を走行するかを推定する走行車線判定装置。
3. 自車の位置情報を取得する自車位置取得部と、
   自車の周辺の道路情報を取得する周辺情報取得部と、
   前記位置情報及び前記道路情報に基づいて、自車が車線分岐のある対象道路区間を走行しているか否かを検知する車線分岐検知部と、
   自車の運転状態及び走行状態である自車状態を取得する自車状態取得部と、
   自車が前記車線分岐のある対象道路区間を走行していることが検知された場合に、前記自車状態及び前記道路情報に基づいて、運転者の操作により、自車が前記車線分岐のいずれの車線を走行するかを推定する走行車線推定部と、を備え、
   前記走行車線推定部は、前記自車状態取得部から、自車の燃料の残量及び蓄電装置の充電量を取得し、前記燃料の残量又は前記蓄電装置の充電量がしきい値以下であって、分岐車線の接続先の施設がサービスエリア、パーキングエリア、又はインターチェンジの出口である場合に、当該分岐車線を走行する可能性を増加させて、自車が前記車線分岐のいずれの車線を走行するかを推定する走行車線判定装置。
4. 自車の位置情報を取得する自車位置取得部と、
   自車の周辺の道路情報を取得する周辺情報取得部と、
   前記位置情報及び前記道路情報に基づいて、自車が車線分岐のある対象道路区間を走行しているか否かを検知する車線分岐検知部と、
   自車の運転状態及び走行状態である自車状態を取得する自車状態取得部と、
   自車が前記車線分岐のある対象道路区間を走行していることが検知された場合に、前記自車状態及び前記道路情報に基づいて、運転者の操作により、自車が前記車線分岐のいずれの車線を走行するかを推定する走行車線推定部と、を備え、
   前記走行車線推定部は、前記自車状態及び前記道路情報から、運転者の運転操作、運転者の運転傾向、前記車線分岐の各車線に関係する交通情報、及び自車の車両状態のいずれか一つ以上である意思推定用情報を取得し、
   前記意思推定用情報に基づいて、前記意思推定用情報に対応する複数の評価項目のそれぞれについて、分岐車線を走行する意思の高低を表す評価点を算出し、前記複数の評価項目の評価点の合計値に基づいて、運転者が前記車線分岐のいずれの車線を走行する意思があるかの車線選択の意思を推定し、推定した前記車線選択の意思に基づいて、自車が前記車線分岐のいずれの車線を走行するかを推定し、
   前記分岐車線の種別に応じて、各前記評価項目の判定結果の前記評価点を変化させる走行車線判定装置。
5. 自車の位置情報を取得する自車位置取得部と、
   自車の周辺の道路情報を取得する周辺情報取得部と、
   前記位置情報及び前記道路情報に基づいて、自車が車線分岐のある対象道路区間を走行しているか否かを検知する車線分岐検知部と、
   自車の運転状態及び走行状態である自車状態を取得する自車状態取得部と、
   自車が前記車線分岐のある対象道路区間を走行していることが検知された場合に、前記自車状態及び前記道路情報に基づいて、運転者の操作により、自車が前記車線分岐のいずれの車線を走行するかを推定する走行車線推定部と、を備え、
   前記走行車線推定部は、前記自車状態及び前記道路情報に基づいて、運転者が前記車線分岐のいずれの車線を走行する意思があるかの車線選択の意思を推定し、
   前記自車状態及び前記道路情報に基づいて、前記車線分岐の各車線に対する自車の走行軌道を予測し、予測した前記走行軌道と、分岐元車線の中央位置及び分岐車線の中央位置とを比較し、近い方の車線を、自車が走行すると推定し、
   推定した前記車線選択の意思、及び前記走行軌道による走行車線の推定結果に基づいて、自車が前記車線分岐のいずれの車線を走行するかを推定する走行車線判定装置。
6. 前記車線分岐のある対象道路区間は、分岐開始地点より手前の道路区間を含み、
   前記走行車線推定部は、自車が前記分岐開始地点より手前の道路区間に位置する場合に、前記意思推定用情報として、前記運転者の運転操作及び前記運転者の運転傾向の一方又は双方を取得し、前記運転者の運転操作及び前記運転者の運転傾向の一方又は双方に基づいて、対応する前記評価項目の前記評価点を算出する請求項４に記載の走行車線判定装置。
7. 前記走行車線推定部は、前記自車状態取得部から、前記運転者の運転操作として、運転者による舵角操作を取得し、前記舵角操作に基づいて、対応する前記評価項目の前記評価点を算出する請求項４又は６に記載の走行車線判定装置。
8. 前記走行車線推定部は、前記自車状態取得部から、前記運転者の運転操作として、運転者による自車の加減速操作を取得し、前記加減速操作に基づいて、対応する前記評価項目の前記評価点を算出する請求項４、６及び７のいずれか一項に記載の走行車線判定装置。
9. 前記走行車線推定部は、前記自車状態取得部から、前記運転者の運転傾向として、運転者の顔の向き及び視線の向きの一方又は双方を取得し、前記顔の向き及び前記視線の向きの一方又は双方に基づいて、対応する前記評価項目の前記評価点を算出する請求項４、６から８のいずれか一項に記載の走行車線判定装置。
10. 前記走行車線推定部は、前記自車状態取得部から、前記運転者の運転傾向として、分岐元車線の中央位置に対する自車の位置の横方向の偏差を取得し、前記横方向の偏差に基づいて、対応する前記評価項目の前記評価点を算出する請求項４、６から９のいずれか一項に記載の走行車線判定装置。
11. 前記走行車線推定部は、前記自車状態取得部から、前記運転者の運転傾向として、運転開始時からの経過時間を取得し、前記経過時間に基づいて、対応する前記評価項目の前記評価点を算出する請求項４、６から１０のいずれか一項に記載の走行車線判定装置。
12. 前記走行車線推定部は、前記周辺情報取得部から、前記各車線に関係する交通情報として、各車線に関係する渋滞情報を取得し、前記渋滞情報に基づいて、対応する前記評価項目の前記評価点を算出する請求項４、６から１１のいずれか一項に記載の走行車線判定装置。
13. 前記走行車線推定部は、前記周辺情報取得部から、前記各車線に関係する交通情報として、各車線に関係する交通規制情報を取得し、前記交通規制情報に基づいて、対応する前記評価項目の前記評価点を算出する請求項４、６から１２のいずれか一項に記載の走行車線判定装置。
14. 前記走行車線推定部は、前記自車状態取得部から、前記車両状態として、自車の燃料の残量を取得し、前記燃料の残量に基づいて、対応する前記評価項目の前記評価点を算出する請求項４、６から１３のいずれか一項に記載の走行車線判定装置。
15. 前記走行車線推定部は、前記自車状態取得部から、前記車両状態として、蓄電装置の充電量を取得し、前記充電量に基づいて、対応する前記評価項目の前記評価点を算出する請求項４、６から１４のいずれか一項に記載の走行車線判定装置。
16. 前記走行車線推定部は、判定区間における、分岐元車線の各中央位置に対する予測した前記走行軌道の横方向の偏差の合計値から、分岐車線の各中央位置に対する予測した前記走行軌道の横方向の偏差の合計値を減算した減算値が、しきい値以上であれば、自車が分岐車線を走行すると推定し、前記減算値が前記しきい値未満であれば、自車が分岐元車線を走行すると推定する請求項５に記載の走行車線判定装置。
17. 前記走行車線推定部は、前記判定区間における、分岐車線の各中央位置と分岐元車線の各中央位置との間の距離の合計値に基づいて、前記しきい値を設定する請求項１６に記載の走行車線判定装置。
18. 前記走行車線推定部は、推定した前記車線選択の意思による推定走行車線と、予測した前記走行軌道による推定走行車線とが一致する場合は、一致した推定走行車線を、自車が前記車線分岐で走行する車線として推定し、
    推定した前記車線選択の意思による推定走行車線と、予測した前記走行軌道による推定走行車線とが一致しない場合は、自車が前記車線分岐のいずれの車線を走行するかを推定しない請求項５、１６、及び１７のいずれか一項に記載の走行車線判定装置。

Images