JP7355001B2 - 運転支援システム、運転支援方法、及び運転支援プログラム - Google Patents

Description

本発明は、車両の運転を支援する運転支援システム、運転支援方法、及び運転支援プログラムに関する。

壁や駐車車両の死角から突然の歩行者・自転車飛び出しがあった場合、従来のＡＥＢＳブレーキでは十分な減速回避をすることができず、衝突の恐れがある。そこで、死角位置認識を行い、自車と死角との距離・横隙間・相対速度から仮想的な歩行者飛び出しを想定した際のＡＥＢＳ作動後の衝突予測速度を潜在リスク値として定義した「リスクフィールド手法」が特許文献１において提案されている。ここで想定された潜在リスク値（衝突予測速度）をゼロにするまで減速、もしくは横回避すれば、その死角を安全に通過することができる。

特開２０１７－２０６１１７号公報

例えば一般道路において潜在リスクを回避するために操舵を行う場合、道路幅が狭いために十分な回避を行うことはできない。その場合、減速に頼って回避することになるが、完全にリスクゼロを目指すと著しい減速が発生し、ドライバに煩わしさを感じさせる場合がある。逆に、常に同じような回避制御を行っていたのでは、状況によってはドライバに不安を与える場合がある。

本発明は、上記の課題に鑑みてなされたものであり、ドライバに与える煩わしさや不安感を抑制しながら、車両の前方に存在する物標によって生じる衝突リスクを低減することができる運転支援システム、運転支援方法、及び運転支援プログラムを提供することを目的とする。

本発明に係る運転支援システムは、１つ又は複数のプログラムを記憶した１つ又は複数のメモリと、１つ又は複数のメモリと結合された１つ又は複数のプロセッサとを備える。１つ又は複数のプロセッサは、１つ又は複数のプログラムの実行時、以下の第１乃至第４の処理を実行する。第１の処理は、車両の周辺状況の情報から車両に衝突リスクを生じさせる存在であるリスク物標に関するリスク物標情報を抽出する処理である。第２の処理は、リスク物標とは別に存在する因子であって、衝突リスクに影響を与える因子である影響因子に関する影響因子情報を取得する処理である。第３の処理は、リスク物標情報と影響因子情報とに基づいて衝突リスクを定量化したリスク値を決定する処理である。第４の処理は、決定されたリスク値に基づいて、衝突リスクを低減するように車両の運動を制御するアクチュエータの操作量を決定する処理である。

上記のように構成された運転支援システムによれば、リスク物標情報と影響因子情報とに基づいて衝突リスクを定量化したリスク値が決定され、そのリスク値に基づいて、衝突リスクを低減するようにアクチュエータの操作量が決定される。リスク物標情報は、車両に衝突リスクを生じさせる存在であるリスク物標に関する情報であるが、影響因子情報は、リスク物標とは別に存在し、衝突リスクに影響を与える影響因子に関する情報である。リスク物標情報に影響因子情報を加えてリスク値を決定することで、衝突リスクの低減のために行われるアクチュエータ操作への介入を適度なものにすることができる。

本発明に係る運転支援システムの第１の態様として、１つ又は複数のプロセッサは、１つ又は複数のプログラムの実行時、車両の前方に存在し、車両から死角となる領域を作る潜在リスク物標に関する情報をリスク物標情報として抽出してもよい。この第１の態様においては、潜在リスク物標の周辺環境に関する情報が影響因子情報として取得されてもよい。或いは、第１の態様においては、潜在リスク物標の背後に存在する移動体に関する情報が影響因子情報として取得されてもよい。或いは、第１の態様においては、潜在リスク物標が作る死角へ作用する動的因子に関する情報が影響因子情報として取得されてもよい。或いは、第１の態様においては、潜在リスク物標が検出された時間と場所に関する情報が影響因子情報として取得されてもよい。

本発明に係る運転支援システムの第２の態様として、１つ又は複数のプロセッサは、車両の前方に存在し、車両に衝突する可能性のある顕在リスク物標に関する情報をリスク物標情報として抽出してもよい。この第２の態様においては、顕在リスク物標が駐車車両であるならば、駐車車両内の運転者の有無に関する情報が影響因子情報として取得されてもよい。或いは、第２の態様においては、顕在リスク物標が検出された道路の状態に関する情報が影響因子情報として取得されてもよい。或いは、第２の態様においては、顕在リスク物標が検出された時間と場所に関する情報が影響因子情報として取得されてもよい。

本発明に係る運転支援方法は、以下の第１乃至第４の工程を有する。第１の工程は、車両の周辺状況の情報から車両に衝突リスクを生じさせる存在であるリスク物標に関するリスク物標情報を抽出する工程である。第２の工程は、リスク物標とは別に存在する因子であって、衝突リスクに影響を与える因子である影響因子に関する影響因子情報を取得する工程である。第３の工程は、第１の工程で抽出されたリスク物標情報と第２の工程で取得された影響因子情報とに基づいて衝突リスクを定量化したリスク値を決定する工程である。そして、第４の工程は、第３の工程で決定されたリスク値に基づいて、衝突リスクを低減するように車両の運動を制御するアクチュエータの操作量を決定する工程である。

本発明に係る運転支援プログラムは、以下の第１乃至第４の処理をコンピュータに実行させる。第１の処理は、車両の周辺状況の情報から車両に衝突リスクを生じさせる存在であるリスク物標に関するリスク物標情報を抽出する処理である。第２の処理は、リスク物標とは別に存在する因子であって、衝突リスクに影響を与える因子である影響因子に関する影響因子情報を取得する処理である。第３の処理は、第１の処理で抽出されたリスク物標情報と第２の処理で取得された影響因子情報とに基づいて衝突リスクを定量化したリスク値を決定する処理である。そして、第４の処理は、第３の処理で決定されたリスク値に基づいて、衝突リスクを低減するように車両の運動を制御するアクチュエータの操作量を決定する処理である。

本発明に係る運転支援システム、運転支援方法、及び運転支援プログラムによれば、リスク物標情報に影響因子情報を加えてリスク値を決定することで、衝突リスクの低減のために行われるアクチュエータ操作への介入を適度なものにすることができる。これにより、ドライバに与える煩わしさや不安感を抑制しながら、車両の前方に存在する物標によって生じる衝突リスクを低減することができる。

本発明の実施形態に係る運転支援システムによる運転支援制御のうちの潜在リスク回避制御の概要を説明するための概念図である。 本発明の実施形態に係る運転支援システムによる運転支援制御のうちの潜在リスク回避制御の概要を説明するための概念図である。 本発明の実施形態に係る運転支援システムによる運転支援制御のうちの顕在リスク回避制御の概要を説明するための概念図である。 本発明の実施形態に係る運転支援システムによる運転支援制御のうちの顕在リスク回避制御の概要を説明するための概念図である。 本発明の実施形態に係る運転支援システムとそれが適用された車両の構成例を示すブロック図である。 本発明の実施形態に係るプロセッサにより実行される処理を示すブロック図である。 本発明の実施形態に係る運転支援システムによる運転支援制御の第１実施例を説明するための概念図である。 本発明の実施形態に係る運転支援システムによる運転支援制御の第１実施例を説明するための概念図である。 本発明の実施形態に係る運転支援システムによる運転支援制御の第２実施例を説明するための概念図である。 本発明の実施形態に係る運転支援システムによる運転支援制御の第２実施例を説明するための概念図である。 本発明の実施形態に係る運転支援システムによる運転支援制御の第３実施例を説明するための概念図である。 本発明の実施形態に係る運転支援システムによる運転支援制御の第３実施例を説明するための概念図である。 本発明の実施形態に係る運転支援システムによる運転支援制御の第４実施例を説明するための概念図である。 本発明の実施形態に係る運転支援システムによる運転支援制御の第４実施例を説明するための概念図である。 本発明の実施形態に係る運転支援システムによる運転支援制御の第５実施例を説明するための概念図である。 本発明の実施形態に係る運転支援システムによる運転支援制御の第５実施例を説明するための概念図である。 本発明の実施形態に係る運転支援システムによる運転支援制御の第５実施例を説明するための概念図である。 本発明の実施形態に係る運転支援システムによる運転支援制御の第６実施例を説明するための概念図である。 本発明の実施形態に係る運転支援システムによる運転支援制御の第６実施例を説明するための概念図である。 本発明の実施形態に係る運転支援システムによる運転支援制御の第７実施例を説明するための概念図である。 本発明の実施形態に係る運転支援システムによる運転支援制御の第７実施例を説明するための概念図である。 本発明の実施形態に係る運転支援システムによる運転支援制御の第７実施例を説明するための概念図である。

以下、図面を参照して本発明の実施形態について説明する。ただし、以下に示す実施形態において各要素の個数、数量、量、範囲等の数に言及した場合、特に明示した場合や原理的に明らかにその数に特定される場合を除いて、その言及した数に、この発明が限定されるものではない。また、以下に示す実施形態において説明する構造等は、特に明示した場合や明らかに原理的にそれに特定される場合を除いて、この発明に必ずしも必須のものではない。

１．本実施形態に係る運転支援システムの概要
１－１．運転支援制御の概要
本実施形態に係る運転支援システムは、車両がその前方の物体と衝突するリスクを回避するように車両の運転を支援する運転支援制御を実行する。車両が回避すべき衝突リスクには、潜在リスクと顕在リスクとがある。潜在リスクは、車両からの死角に潜在する衝突リスクである。顕在リスクは、道路にはみ出すおそれのある歩行者のような顕在する衝突リスクである。本実施形態に係る運転支援システムは、これら２種類の衝突リスクの両方を回避対象とする。

運転支援制御では、衝突リスクを定量化したリスク値が用いられる。リスク値は、車両座標系或いは絶対座標系における分布として与えられる。このリスク値の分布はリスクポテンシャル場と定義される。典型的には、リスク値は、衝突を回避する対象物体の位置、対象物体からの距離、対象物体の種別、対象物体の大きさ、対象物体の変位速度などの対象物体に関する情報に応じて定義される。なお、車両座標系と絶対座標系とは座標変換が可能である。

衝突リスクが潜在リスクである場合、対象物体は潜在リスクを生じさせている物標（以下、この物標を潜在リスク物標と称する）の死角に潜む仮想の物体である。この場合、リスク値を定義するための対象物体に関する情報として、潜在リスク物標に紐づけられた仮想の情報が与えられる。ゆえに、衝突リスクが潜在リスクである場合、リスク値の分布は潜在リスク物標に紐づけられる。一方、衝突リスクが顕在リスクである場合、対象物体は顕在リスクを生じさせている物標（以下、この物標を顕在リスク物標と称する）そのものである。この場合、顕在リスク物標に関す情報に基づいてリスク値が決定され、リスク値の分布は顕在リスク物標に紐づけられる。

以上のように、運転支援制御に係るリスク値は、潜在リスク物標或いは顕在リスク物標に関する情報に基づいて決定される。以下、この情報をリスク物標情報と称する。リスク物標情報は、車両に衝突リスクを生じさせる存在であるリスク物標に関する情報であり、車両に搭載された自律センサにより取得される周辺状況情報から抽出される。ただし、本実施形態に係る運転支援システムでは、リスク値の決定に用いられる情報はリスク物標情報だけではない。

本実施形態に係る運転支援システムは、リスク物標とは別に存在する因子であって、衝突リスクに影響を与える因子に関する情報をリスク値の決定に使用する。衝突リスクは、リスク物標それだけで決まるのではなく、それを取り巻く様々な因子の影響を受けている。以下、衝突リスクに影響を与える因子を影響因子と称し、影響因子に関する情報を影響因子情報と称する。リスク物標情報はリスク値の基本値を決定する情報であり、影響因子情報は基本値を補正する補正項又は補正係数を与える情報であるともいえる。

運転支援制御では、衝突リスクを回避するように車両を動作させる車両制御が行われる。リスク回避のための車両制御には、制動アクチュエータを操作して車両を制動する制動制御と、操舵アクチュエータを操作して車両を操舵する操舵制御の少なくとも１つが含まれる。上述のリスク値、より詳しくは、リスク値の分布であるリスクポテンシャル場は、各アクチュエータの操作量の決定に用いられる。

以下、潜在リスクを回避対象として行われる運転支援制御を潜在リスク回避制御と称し、顕在リスクを回避対象として行われる運転支援制御を顕在リスク回避制御と称する。次の章では、潜在リスク回避制御と顕在リスク回避制御のそれぞれについてより詳細に説明する。

１－２．潜在リスク回避制御
図１及び図２は、本実施形態に係る運転支援システム１００による潜在リスク回避制御の概要を説明するための概念図である。図１及び図２には、車両ＶＨが２本の区画線ＣＬ１，ＣＬ２で定義される走行車線を走行している様子が描かれている。走行車線の右側には脇道が接続している。脇道の存在は地図情報から取得することができる。脇道の手前には、潜在リスク物標ＰＲとしての建物が認識されている。潜在リスク物標ＰＲは、車両ＶＨの前方に存在し、車両ＶＨから死角となる領域を作る物標と定義される。車両ＶＨから死角となる領域とは、より詳しくは、車両ＶＨに搭載された自律センサにとって死角となる領域を意味する。潜在リスク物標ＰＲそれ自体は自律センサによって認識することができる。

潜在リスク物標ＰＲによって、脇道には車両ＶＨからは見えない死角が生成される。潜在リスク回避制御では、潜在リスク物標ＰＲの陰には仮想歩行者ＶＰが存在しているものと仮定される。そして、仮想歩行者ＶＰを中心に広がるリスクポテンシャル場ＲＦ０１，ＲＦ０２が生成される。リスクポテンシャル場ＲＦ０１，ＲＦ０２は、例えば、図１及び図２に示すように、リスク値の大きさが同じ点の集合をつないだ等高線で表すことができる。この例では、中心に近い等高線ほどリスク値が大きく、外側の等高線ほどリスク値が小さい。なお、図１及び図２に示すリスクポテンシャル場ＲＦ０１，ＲＦ０２は、リスク値が一定以上の大きさの領域を示している。一定以上のリスク値とは、車両ＶＨが避けるべき大きさのリスク値である。このことは本出願で用いられている他の図においても共通であり、リスク値が一定以上の大きさの領域がリスクポテンシャル場として等高線で図示されている。

リスクポテンシャル場ＲＦ０１，ＲＦ０２を形成する各位置のリスク値は運転支援システム１００によって決定される。潜在リスク回避制御の場合、運転支援システム１００は、自律センサにより取得された車両ＶＨの周辺状況情報から潜在リスク物標ＰＲに関するリスク物標情報を抽出するとともに、影響因子ＩＦ０１，ＩＦ０２に関する影響因子情報を取得する。潜在リスク物標ＰＲの他の例として、交差点やＴ字路のコーナー部分に存在するブロック塀、壁、路側帯に存在する駐車車両等が挙げられる。影響因子の具体例は、後述する潜在リスク回避制御の実施例において説明される。

運転支援システム１００は、リスク物標情報と影響因子情報とに基づいてリスク値を決定する。決定されたリスク値の分布がリスクポテンシャル場ＲＦ０１，ＲＦ０２である。図１及び図２では、車両ＶＨの横方向をＸ軸とし車両ＶＨの進行方向をＹ軸とする車両座標系における分布が示されている。このことは本出願で用いられている他の図においても共通である。

潜在リスク物標ＰＲが共通の場合、リスク物標情報には違いはないため、影響因子ＩＦ０１，ＩＦ０２の違いによって、リスクポテンシャル場ＲＦ０１，ＲＦ０２の大きさに違いが生じる。例えば、図２に示すリスクポテンシャル場ＲＦ０２は、図１に示すリスクポテンシャル場ＲＦ０１よりも広い。これは、図２における影響因子ＩＦ０２の方が図１における影響因子ＩＦ０１よりも衝突リスクに与える影響が大きいことによる。

運転支援システム１００は、リスクポテンシャル場ＲＦ０１，ＲＦ０２に基づいて車両ＶＨの目標軌跡ＴＲ０１，ＴＲ０２を生成する。目標軌跡ＴＲ０１，ＴＲ０２は、目標ルートにおいて車両ＶＨが進む軌跡であり、車両座標系での車両ＶＨの目標位置の集合と、各目標点での目標速度とを含む。典型的には、車両ＶＨが走行車線の中央を法定速度に則って走行するように目標軌跡ＴＲ０１，ＴＲ０２は生成される。図１に示す例では、リスクポテンシャル場ＲＦ０１は狭いために、リスクポテンシャル場ＲＦ０１と干渉しないように目標軌跡ＴＲ０１を引くことができる。図２に示す例では、リスクポテンシャル場ＲＦ０２は、車両ＶＨが走行する車線の方へ拡大されている。このため、図２に示す例では、リスクポテンシャル場ＲＦ０２を迂回するような目標軌跡ＴＲ０２が生成される。

運転支援システム１００は、車両ＶＨが目標軌跡ＴＲ０１，ＴＲ０２に追従するように各アクチュエータの操作量を決定する。目標軌跡ＴＲ０１，ＴＲ０２はリスクポテンシャル場ＲＦ０１，ＲＦ０２に基づいて生成されているので、車両ＶＨを目標軌跡ＴＲ０１，ＴＲ０２に追従させることは、潜在リスク物標ＰＲにより生じた衝突リスクを低減するように各アクチュエータの操作量が決定されることを意味する。

このような概要の潜在リスク回避制御によれば、リスク物標情報に影響因子情報を加えてリスクポテンシャル場ＲＦ０１，ＲＦ０２を決定することで、衝突リスクの低減のために行われるアクチュエータ操作への介入を適度なものにすることができる。これにより、ドライバに与える煩わしさや不安感を抑制しながら、車両ＶＨの前方に存在する潜在リスク物標ＰＲによって生じる衝突リスクを低減することができる。

１－３．顕在リスク回避制御
図３及び図４は、本実施形態に係る運転支援システム１００による顕在リスク回避制御の概要を説明するための概念図である。図３及び図４には、２本の区画線ＣＬ１，ＣＬ２で定義される走行車線を車両ＶＨが走行している様子が描かれている。左側の区画線ＣＬ１とその外側のブロック塀ＢＷとの間は路側帯である。図３及び図４には、路側帯内の区画線ＣＬ１の近くを歩いている顕在リスク物標ＥＲとしての歩行者ＲＰが認識されている。この歩行者ＲＰは仮想歩行者ではなく、自律センサによって認識される実在の歩行者である。

顕在リスク物標ＥＲの周りには、顕在リスク物標ＥＲを中心に広がるリスクポテンシャル場ＲＦ０３，ＲＦ０４が生成される。顕在リスク物標ＥＲによるリスクポテンシャル場ＲＦ０３，ＲＦ０４は、中心に近い等高線ほどリスク値が大きく、外側の等高線ほどリスク値が小さい。

リスクポテンシャル場ＲＦ０３，ＲＦ０４を形成する各位置のリスク値は運転支援システム１００によって決定される。顕在リスク回避制御の場合、運転支援システム１００は、自律センサにより取得された車両ＶＨの周辺状況情報から顕在リスク物標ＥＲに関するリスク物標情報を抽出するとともに、影響因子ＩＦ０３，ＩＦ０４に関する影響因子情報を取得する。顕在リスク物標ＥＲの他の例として、路側帯に存在する自転車、二輪車、駐車車両等が挙げられる。顕在リスク物標ＥＲの更に他の例として、車線に存在する自転車、二輪車、先行車両等も挙げられる。顕在リスク物標ＥＲに関係する影響因子の具体例は、後述する顕在リスク回避制御の実施例において説明される。

運転支援システム１００は、リスク物標情報と影響因子情報とに基づいてリスク値を決定する。決定されたリスク値の分布がリスクポテンシャル場ＲＦ０３，ＲＦ０４である。顕在リスク物標ＥＲが共通の場合、リスク物標情報には違いはないため、影響因子ＩＦ０３，ＩＦ０４の違いによって、リスクポテンシャル場ＲＦ０３，ＲＦ０４の大きさに違いが生じる。例えば、図４に示すリスクポテンシャル場ＲＦ０４は、図３に示すリスクポテンシャル場ＲＦ０３よりも広い。これは、図４における影響因子ＩＦ０４の方が図１における影響因子ＩＦ０３よりも衝突リスクに与える影響が大きいことによる。

運転支援システム１００は、リスクポテンシャル場ＲＦ０３，ＲＦ０４に基づいて車両ＶＨの目標軌跡ＴＲ０３，ＴＲ０４を生成する。図３に示す例では、リスクポテンシャル場ＲＦ０３は狭いため、目標軌跡ＴＲ０３をリスクポテンシャル場ＲＦ０３と干渉させないためには、目標軌跡ＴＲ０３をわずかに右側に膨らませればよい。図４に示す例では、リスクポテンシャル場ＲＦ０４は、車両ＶＨが走行する車線の中程まで大きく広がっている。このため、図４に示す例では、リスクポテンシャル場ＲＦ０４を右側に大きく迂回するような目標軌跡ＴＲ０４が生成される。

運転支援システム１００は、車両ＶＨが目標軌跡ＴＲ０３，ＴＲ０４に追従するように各アクチュエータの操作量を決定する。目標軌跡ＴＲ０３，ＴＲ０４はリスクポテンシャル場ＲＦ０３，ＲＦ０４に基づいて生成されているので、車両ＶＨを目標軌跡ＴＲ０３，ＴＲ０４に追従させることは、顕在リスク物標ＥＲにより生じた衝突リスクを低減するように各アクチュエータの操作量が決定されることを意味する。

このような概要の顕在リスク回避制御によれば、リスク物標情報に影響因子情報を加えてリスクポテンシャル場ＲＦ０３，ＲＦ０４を決定することで、衝突リスクの低減のために行われるアクチュエータ操作への介入を適度なものにすることができる。これにより、ドライバに与える煩わしさや不安感を抑制しながら、車両ＶＨの前方に存在する顕在リスク物標ＥＲによって生じる衝突リスクを低減することができる。

２．本実施形態に係る運転支援システムの構成及び機能
２－１．運転支援システムの構成
図５は、本実施形態に係る運転支援システム１００とそれが適用された車両ＶＨの構成例を示す図である。車両ＶＨは、車両ＶＨを制御する制御装置２０と、制御装置２０に情報を入力するセンサ群１０と、制御装置２０から出力される信号によって動作する車両アクチュエータ３０とを備える。制御装置２０と、センサ群１０及び車両アクチュエータ３０とは車内ネットワークによって接続されている。運転支援システム１００は、少なくとも制御装置２０を含む。ただし、運転支援システム１００は、制御装置２０に加えてセンサ群１０を含んでいてもよい。また、運転支援システム１００は、さらに車両アクチュエータ３０を含んでいてもよい。

センサ群１０は、自律センサ１１、車両状態センサ１２及び位置センサ１３を含む。自律センサ１１は、車両ＶＨの前方の領域を含む車両の周辺状況の情報を取得するセンサである。自律センサ１１は、カメラ、ミリ波レーダ、及びＬｉＤＡＲ（Laser Imaging Detection and Ranging）のうちの少なくとも１つを含む。自律センサ１１で得られた情報に基づき、車両ＶＨの周囲に存在する物体の検知、検知した物体の車両ＶＨに対する相対位置や相対速度の計測、及び検知した物体の形状の認識等の処理が行われる。車両状態センサ１２は、車両ＶＨの運動に関する情報を取得するセンサである。車両状態センサ１２は、例えば車輪速センサ、加速度センサ、ヨーレートセンサ、及び操舵角センサのうちの少なくとも１つを含む。位置センサ１３は、車両ＶＨの現在位置に関する情報の取得に用いられる。位置センサ１３としては、ＧＰＳ（Global Positioning System）受信機が例示される。

車両アクチュエータ３０は、車両ＶＨの運動を制御するアクチュエータである。車両アクチュエータ３０は、車両ＶＨを操舵する操舵アクチュエータ３１、車両ＶＨを駆動する駆動アクチュエータ３２、及び車両ＶＨを制動する制動アクチュエータ３３を含む。操舵アクチュエータ３１には、例えば、パワーステアリングシステム、ステアバイワイヤ操舵システム、及び後輪操舵システムが含まれる。駆動アクチュエータ３２には、例えば、エンジン、ＥＶシステム、及びハイブリッドシステムが含まれる。制動アクチュエータ３３には、例えば、油圧ブレーキ、及び電力回生ブレーキが含まれる。

制御装置２０は、車両ＶＨに搭載されるＥＣＵ（Electronic Control Unit）、或いは、複数のＥＣＵの集合体である。或いは、制御装置２０は、その一部の機能或いは全部の機能を外部のサーバに配置されてもよい。その場合、車両ＶＨとサーバとは移動体通信ネットワークで接続される。いずれにしても、制御装置２０は１つ又は複数のプロセッサ２１と１つ又は複数のメモリ２２とを有する。メモリ２２は主記憶装置と補助記憶装置とを含む。メモリ２２には、プロセッサ２１で実行可能なプログラムとそれに関連する種々の情報とが記憶されている。プログラムには前述の運転支援制御をプロセッサ２１に実行させるための運転支援プログラム２３が含まれる。運転支援プログラム２３は、主記憶装置に記憶されることもできるし、補助記憶装置であるコンピュータ読み取り可能な記録媒体に記憶されることもできる。メモリ２２に記憶される情報には運転環境情報２４とリスク情報２５とが含まれる。

２－２．メモリに記憶される情報
運転環境情報２４は、車両ＶＨの運転環境を示す情報である。運転環境情報２４は、例えば、車両位置情報、車両状態情報、及び地図情報を含む。車両位置情報は、位置センサ１３による検出結果から得られる車両ＶＨの位置及び方位を示す情報である。車両状態情報は、車両状態センサ１２による検出結果から得られる車速、ヨーレート、横加速度、操舵角などの情報である。地図情報は、例えば、車線配置と道路形状とを含む。制御装置２０は、地図データベースから必要なエリアの地図情報を取得する。地図データベースは、車両ＶＨに搭載されている所定のメモリに格納されていてもよいし、車両ＶＨの外部のサーバから取得されてもよい。運転環境情報２４は、さらに、車両ＶＨの周囲の状況を示す周辺状況情報を含む。

運転環境情報２４は、さらに、車両ＶＨの周囲の状況を示す周辺状況情報を含む。周辺状況情報は、自律センサ１１によって得られた情報、例えば、カメラによって撮像された車両ＶＨの周囲の状況を示す画像情報と、ミリ波レーダやＬｉＤＡＲによって計測された計測情報とを含む。

周辺状況情報は、さらに、道路構成情報を含む。道路構成情報は、車両ＶＨの周囲の道路構成の車両ＶＨに対する相対位置に関する情報である。車両ＶＨの周囲の道路構成は、区画線及び道路端物体を含む。道路端物体は、道路の端を示す立体物であって、例えば、縁石、ガードレール、壁、及び中央分離帯を含む。これらの道路構成の相対位置は、例えば、カメラによって得られた画像情報を解析することによって取得することができる。

周辺状況情報は、さらに、物標情報を含む。物標情報は、車両ＶＨの周囲の物標に関する情報である。物標情報は、車両ＶＨに対する物標の相対位置及び相対速度を含む。例えば、カメラによって得られた画像情報を解析することによって物標を識別し、その物標の相対位置を算出することができる。また、レーダ計測情報に基づいて物標を識別し、その物標の相対位置と相対速度を取得することもできる。また、物標情報は、認識された物標の大きさと種類を含む。物標情報は、物標の移動方向や移動速度を含んでいてもよい。さらに、物標情報は、過去の一定期間の間の物標の相対位置、相対速度、移動方向、及び移動速度の履歴を含んでいてもよい。物標は前述の潜在リスク物標と顕在リスク物標とを含み、物標情報は前述のリスク物標情報を含む。

運転環境情報２４は、さらに、影響因子情報を含む。影響因子情報は、車両ＶＨの衝突リスクに影響を与える影響因子に関する情報である。潜在リスク物標から生じる衝突リスクに影響を与える影響因子に関する情報と、潜在リスク物標から生じる衝突リスクに影響を与える影響因子に関する情報との２種類の影響因子情報が存在する。前者の例としては、潜在リスク物標の周辺環境に関する情報、潜在リスク物標の背後に存在する移動体に関する情報、潜在リスク物標が作る死角へ作用する動的因子に関する情報、潜在リスク物標が検出された時間と場所に関する情報を挙げることができる。後者の例としては、顕在リスク物標が駐車車両である場合における駐車車両内の運転者の有無に関する情報、顕在リスク物標が検出された道路の状態に関する情報、顕在リスク物標が検出された時間と場所に関する情報を挙げることができる。影響因子情報は、リスク物標情報と関連付けて記憶される。

リスク情報２５は、車両ＶＨが走行する道路上のリスクポテンシャル場に関する情報である。車両座標系或いは絶対座標系におけるリスク値の分布がリスク情報２５として記憶される。リスク値は、リスク物標情報と影響因子情報とに基づいてプロセッサ２１により計算される。

２－３．プロセッサにより実行される処理
図６は、運転支援プログラム２３の実行時、プロセッサ２１により実行される処理を示すブロック図である。運転支援プログラム２３の実行により、プロセッサ２１は、処理２１１、処理２１２、処理２１３、処理２１４、及び処理２１５を実行する。

まず、プロセッサ２１は処理２１１を実行する。処理２１１により、自律センサ１１から周辺状況情報が取得される。厳密に言えば、自律センサ１１で検出された周辺状況情報はメモリ２２に一時記憶され、一時記憶された周辺状況情報がプロセッサ２１に読み出される。

次に、プロセッサ２１は処理２１２を実行する。処理２１２により、周辺状況情報に含まれる物標情報の中から、衝突リスクを生じさせる存在であるリスク物標に関するリスク物標情報が抽出される。車両ＶＨの前方に存在する物標がリスク物標かどうかは、物標の相対位置、相対速度、大きさ、及び種類などから判定される。車両ＶＨの前方に存在する全てのリスク物標について、周辺状況情報からリスク物標情報が抽出される。

プロセッサ２１は処理２１２と並行して処理２１３を実行する。処理２１３により、認識されたリスク物標に関連する影響因子情報がセンサ群１０から取得される。衝突リスクに影響を与える影響因子は、その衝突リスクを生じさせているリスク物標の種類ごとに異なる。プロセッサ２１は、認識されたリスク物標ごとに、そのリスク物標から生じる衝突リスクに影響を与える全ての影響因子について、センサ群１０から影響因子情報を取得する。

処理２１２及び処理２１３の実行後、プロセッサ２１は処理２１４を実行する。処理２１４により、リスク物標情報と影響因子情報とに基づいて衝突リスクを定量化したリスク値が決定される。プロセッサ２１は、リスク物標情報に基づいてリスク値の基本分布を計算する。リスク物標情報が同じであれば、リスク値の基本分布は等しく、等高線で表されるリスクポテンシャル場の形状も等しい。次に、プロセッサ２１は、影響因子情報に基づいてリスク値の分布を基本分布から補正する。例えば、影響因子が衝突リスクを増大させるように影響するのであれば、プロセッサ２１は、リスク値の基本分布に対して各位置におけるリスク値を増大させるようにリスク値の分布を補正する。また、例えば、影響因子が横方向の衝突リスクを増大させるように影響するのであれば、プロセッサ２１は、リスク値の基本分布に対して横方向にリスク値を増大させるようにリスク値の分布を補正する。

処理２１４の実行後、プロセッサ２１は処理２１５を実行する。処理２１５により、処理２１４で決定されたリスク値の分布に基づいてアクチュエータ操作量が決定される。詳しくは、リスク値の分布に基づいて衝突リスクが小さい目標軌跡が生成され、車両ＶＨを目標軌跡に追従させるためのアクチュエータ操作量が決定される。プロセッサ２１は処理２１５で決定されたアクチュエータ操作量に従って車両アクチュエータ３０を操作する。プロセッサ２１による操舵アクチュエータ３１の操作によって車両ＶＨの操舵が制御される。プロセッサ２１による駆動アクチュエータ３２の操作によって車両ＶＨの駆動が制御される。プロセッサ２１による制動アクチュエータ３３の操作によって車両ＶＨの制動が制御される。

３．運転支援制御の実施例
３－１．第１実施例
図７及び図８は、運転支援システム１００による運転支援制御の第１実施例を説明するための概念図である。運転支援制御の第１実施例は、潜在リスク回避制御の実施例である。第１実施例では、２本の区画線ＣＬ１，ＣＬ２で定義される走行車線の右側に脇道が接続している。走行車線の右側及び脇道の両側にはブロック塀ＢＷが立てられている。このため、走行車線を走行している車両ＶＨから見たとき、走行車線に脇道が接続するコーナー部分には、ブロック塀ＢWによる死角ができている。運転支援システム１００は、車両ＶＨの前方に存在し、車両ＶＨから死角となる領域を作っているブロック塀ＢWを潜在リスク物標ＰＲ１１，ＰＲ１２として認識する。

潜在リスク回避制御では、潜在リスク物標ＰＲ１１，ＰＲ１２の死角に仮想歩行者ＶＰが存在しているものと仮定される。運転支援システム１００は、仮想歩行者ＶＰに関係するリスク物標情報を周辺状況情報から抽出するとともに、仮想歩行者ＶＰに関係する影響因子情報を取得する。リスク物標情報は、潜在リスク物標ＰＲ１１，ＰＲ１２であるブロック塀ＢWに関する物標情報であって、図７に示す例と図８に示す例とで共通する。一方、影響因子情報は、図７に示す例と図８に示す例とで異なる。

第１実施例では、運転支援システム１００は、潜在リスク物標ＰＲ１１，ＰＲ１２であるブロック塀ＢWの周辺環境に関する情報を影響因子情報として取得する。潜在リスク物標の周辺環境とは、例えば、学校、公園、商店街、住宅街、工場地帯、空き地などを指す。図７に示す例では、衝突リスクに影響を与える影響因子ＩＦ１１は、潜在リスク物標ＰＲ１１の周辺に存在する住宅街である。図８に示す例では、衝突リスクに影響を与える影響因子ＩＦ１２は、潜在リスク物標ＰＲ１２の周辺に存在する学校である。学校の近くは子供の飛び出しのリスクが高いため、影響因子ＩＦ１１と影響因子ＩＦ１２とでは、衝突リスクに与える影響は影響因子ＩＦ１２の方が大きい。

図７に示す例では、影響因子ＩＦ１１としての住宅街に関する情報が影響因子情報として取得される。図７に示す例では、影響因子ＩＦ１２としての学校に関する情報が影響因子情報として取得される。これらの影響因子情報は、潜在リスク物標ＰＲ１１，ＰＲ１２の周辺環境に関する情報であるので、例えば、地図情報と車両位置情報とに基づいて取得することができる。

運転支援システム１００は、仮想歩行者ＶＰに関係するリスク物標情報と影響因子情報とに基づき、仮想歩行者ＶＰを中心に広がるリスクポテンシャル場ＲＦ１１，ＲＦ１２を生成する。上記のように、学校である影響因子ＩＦ１２が衝突リスクに与える影響は、住宅街である影響因子ＩＦ１１が衝突リスクに与える影響よりも大きい。また、第１実施例において想定される衝突リスクは、仮想歩行者ＶＰの脇道からの飛び出しによるリスクであるので、衝突リスクが高まるほどリスク値の分布は飛び出し先へ広がっていく。

第１実施例では、運転支援システム１００は、リスクポテンシャル場ＲＦ１１，ＲＦ１２を脇道から走行車線のほうへ広がる楕円に設定する。仮想歩行者ＶＰ飛び出しのリスクがより高い図８に示す例では、運転支援システム１００は、図７に示す例におけるリスクポテンシャル場ＲＦ１１よりも、リスクポテンシャル場ＲＦ１２を脇道から走行車線のほうへより大きく拡大する。

運転支援システム１００は、リスクポテンシャル場ＲＦ１１，ＲＦ１２に基づいて車両ＶＨの目標軌跡ＴＲ１１，ＴＲ１２を生成する。図７に示す例では、リスクポテンシャル場ＲＦ１１と干渉しないように走行車線の中央に沿って目標軌跡ＴＲ１１が引かれている。運転支援システム１００は、車両ＶＨが目標軌跡ＴＲ１１に追従するように各アクチュエータの操作量を決定する。図８に示す例では、走行車線の中央付近まで張り出したリスクポテンシャル場ＲＦ１２を迂回するような目標軌跡ＴＲ１２が生成されている。運転支援システム１００は、車両ＶＨが目標軌跡ＴＲ１２に追従するように各アクチュエータの操作量を決定する。

３－２．第２実施例
図９及び図１０は、運転支援システム１００による運転支援制御の第２実施例を説明するための概念図である。運転支援制御の第２実施例は、潜在リスク回避制御の実施例である。図９及び図１０のそれぞれには、走行車線を上方から見た平面図と併せて、車両ＶＨの車内から前方を見た図が描かれている。第２実施例では、左側の区画線ＣＬ１とその外側のブロック塀ＢＷとの間の路側帯に駐車車両ＰＶＬ，ＰＶＳが存在する。走行車線を走行している車両ＶＨから見たとき、駐車車両ＰＶＬ，ＰＶＳの背後には死角ができる。運転支援システム１００は、車両ＶＨの前方に存在し、車両ＶＨから死角となる領域を作っている駐車車両ＰＶＬ，ＰＶＳを潜在リスク物標ＰＲ２１，ＰＲ２２として認識する。

潜在リスク回避制御では、死角に仮想歩行者ＶＰが存在しているものと仮定される。図９に示す例では、駐車車両ＰＶＬは大型車両であるため、駐車車両ＰＶＬの背後に歩行者が実在したとしても、その歩行者は完全に死角に隠れてしまう。ゆえに、図９に示す例の場合、駐車車両ＰＶＬの死角に仮想歩行者ＶＰが存在しているという仮定は維持される。一方、図１０に示す例では、駐車車両ＰＶＳは小型車両であるため、駐車車両ＰＶＳの背後に実在する歩行者ＲＰは完全には駐車車両ＰＶＳの死角には隠れない。運転支援システム１００は、実在歩行者ＲＰを物標として認識することができる。図１０に示す例の場合、駐車車両ＰＶＳの死角に仮想歩行者ＶＰが存在しているという仮定は、駐車車両ＰＶＳの背後に実在歩行者ＲＰを存在するという事実に置き換えられる。

図９に示す例では、運転支援システム１００は、潜在リスク物標ＰＲ２１である駐車車両ＰＶＬに関する物標情報を周辺状況情報からリスク物標情報として抽出する。図１０に示す例では、運転支援システム１００は、潜在リスク物標ＰＲ２２である駐車車両ＰＶＳに関する物標情報を周辺状況情報からリスク物標情報として抽出する。なお、駐車車両ＰＶＬ，ＰＶＳは、死角を作り出す潜在リスク物標であると同時に、それ自体が顕在リスク物標でもある。

第２実施例では、運転支援システム１００は、潜在リスク物標ＰＲ２１，ＰＲ２２の背後に存在する移動体に関する情報を影響因子情報として取得する。図９に示す例では、潜在リスク物標ＰＲ２１である駐車車両ＰＶＬの背後は完全に死角になっているため、移動体の存在は不明である。運転支援システム１００は、潜在リスク物標ＰＲ２１の背後に移動体が存在するかどうかは不明ということを影響因子情報として取得する。一方、図１０に示す例では、潜在リスク物標ＰＲ２２である駐車車両ＰＶＳの背後に実在歩行者ＲＰが認識されている。図１０に示す例では、潜在リスク物標ＰＲ２２が生じさせる衝突リスクに影響を与える影響因子ＩＦ２２は実在歩行者ＲＰである。運転支援システム１００は、実在歩行者ＲＰに関する物標情報を影響因子情報として取得する。

運転支援システム１００は、リスク物標情報と影響因子情報とに基づいてリスクポテンシャル場ＲＦ２１，ＲＦ２２を生成する。図９に示す例では、潜在リスク物標ＰＲ２１の背後に移動体が存在するかどうかは不明であるので、運転支援システム１００は、死角に存在すると仮定された仮想歩行者ＶＰを中心に広がるリスクポテンシャル場ＲＦ２１を生成する。この場合、運転支援システム１００は、潜在リスク物標ＰＲ２１のリスク物標情報から決まる標準的な大きさのリスクポテンシャル場ＲＦ２１を生成する。また、潜在リスク物標ＰＲ２１である駐車車両ＰＶＬは顕在リスク物標でもあることから、運転支援システム１００は、駐車車両ＰＶＬの周囲に拡がるリスクポテンシャル場ＲＦ２１０も併せて生成する。

図１０に示す例では、運転支援システム１００は、仮想歩行者ＶＰに代えて実在歩行者ＲＰを中心に広がるリスクポテンシャル場ＲＦ２２を生成する。歩行者がいるかもしないとして設定されるリスクポテンシャル場ＲＦ２１に比較して、実在歩行者ＲＰとの衝突を回避するために設定されるリスクポテンシャル場ＲＦ２２は、より大きなものとされる。実在歩行者ＲＰの物標情報に移動方向及び移動速度が含まれているのであれば、移動方向及び移動速度に基づいてリスクポテンシャル場ＲＦ２２を拡大する方向と拡大幅を決定してもよい。また、潜在リスク物標ＰＲ２２である駐車車両ＰＶＳは顕在リスク物標でもあることから、運転支援システム１００は、駐車車両ＰＶＳの周囲に拡がるリスクポテンシャル場ＲＦ２２０も併せて生成する。

運転支援システム１００は、図９に示す例では、リスクポテンシャル場ＲＦ２１，ＲＦ２１０に基づいて車両ＶＨの目標軌跡ＴＲ２１を生成する。詳しくは、駐車車両ＰＶＬの周りに設定されたリスクポテンシャル場ＲＦ２１０と仮想歩行者ＶＰを中心に設定されたリスクポテンシャル場ＲＦ２１とに干渉しないように目標軌跡ＴＲ２１が生成されている。運転支援システム１００は、車両ＶＨが目標軌跡ＴＲ２１に追従するように各アクチュエータの操作量を決定する。

運転支援システム１００は、図１０に示す例では、リスクポテンシャル場ＲＦ２２，ＲＦ２２０に基づいて車両ＶＨの目標軌跡ＴＲ２２を生成する。詳しくは、駐車車両ＰＶＳの周りに設定されたリスクポテンシャル場ＲＦ２２０と実在歩行者ＲＰを中心に設定されたリスクポテンシャル場ＲＦ２２とに干渉しないように目標軌跡ＴＲ２２が生成されている。リスクポテンシャル場ＲＦ２２は走行車線の中央付近まで張り出しているので、目標軌跡ＴＲ２２はこれを迂回するように生成されている。運転支援システム１００は、車両ＶＨが目標軌跡ＴＲ２２に追従するように各アクチュエータの操作量を決定する。

３－３．第３実施例
図１１及び図１２は、運転支援システム１００による運転支援制御の第３実施例を説明するための概念図である。運転支援制御の第３実施例は、潜在リスク回避制御の実施例である。第３実施例では、左側の区画線ＣＬ１とその外側のブロック塀ＢＷとの間の路側帯に駐車車両ＰＶが存在する。走行車線を走行している車両ＶＨから見たとき、駐車車両ＰＶの背後には死角ができる。運転支援システム１００は、車両ＶＨの前方に存在し、車両ＶＨから死角となる領域を作っている駐車車両ＰＶを潜在リスク物標ＰＲ３１，ＰＲ３２として認識する。

第３実施例では、運転支援システム１００は、潜在リスク物標ＰＲ３１，ＰＲ３２である駐車車両ＰＶに関する物標情報を周辺状況情報からリスク物標情報として抽出する。なお、駐車車両ＰＶは、死角を作り出す潜在リスク物標であると同時に、それ自体が顕在リスク物標でもある。

潜在リスク回避制御では、図１１及び図１２に示すように、潜在リスク物標ＰＲ３１，ＰＲ３２によって作られる死角に仮想歩行者ＶＰが存在しているものと仮定される。ただし、その仮定は、もしかすると歩行者がいるかもしれないという弱い可能性のもとでの仮定である。ところが、図１２に示す例のように、走行車線の反対側に実在歩行者ＲＰが立っており、その実在歩行者ＲＰが駐車車両ＰＶの背後に向けて手を振る等、何らかの合図しているのであれば、その合図している先に人がいる可能性は高い。つまり、潜在リスク物標ＰＲ３２によって作られた死角に歩行者がいる可能性は高い。

第３実施例では、運転支援システム１００は、潜在リスク物標ＰＲ３１，ＰＲ３２が作る死角へ作用する動的因子に関する情報を影響因子情報として取得する。図１１に示す例では、潜在リスク物標ＰＲ３１である駐車車両ＰＶの周囲には何も存在しないため、潜在リスク物標ＰＲ３１が作る死角へ作用する動的因子も存在しない。運転支援システム１００は、潜在リスク物標ＰＲ３１が作る死角へ作用する動的因子は存在しないことを影響因子情報として取得する。一方、図１２に示す例では、潜在リスク物標ＰＲ３１が作る死角へ作用する動的因子としての実在歩行者ＲＰが認識されている。図１２に示す例では、潜在リスク物標ＰＲ３２が生じさせる衝突リスクに影響を与える影響因子ＩＦ３２は実在歩行者ＲＰである。より詳しくは、潜在リスク物標ＰＲ３１が作る死角へ向けて合図を送っている実在歩行者ＲＰが影響因子ＩＦ３２である。運転支援システム１００は、実在歩行者ＲＰに関する物標情報を影響因子情報として取得する。

運転支援システム１００は、リスク物標情報と影響因子情報とに基づいて仮想歩行者ＶＰを中心に広がるリスクポテンシャル場ＲＦ３１，ＲＦ３２を生成する。図１１に示す例では、潜在リスク物標ＰＲ３１が作る死角へ作用する動的因子は存在しないので、運転支援システム１００は、潜在リスク物標ＰＲ３１のリスク物標情報から決まる標準的な大きさのリスクポテンシャル場ＲＦ３１を生成する。また、潜在リスク物標ＰＲ３１である駐車車両ＰＶは顕在リスク物標でもあることから、運転支援システム１００は、駐車車両ＰＶＬの周囲に拡がるリスクポテンシャル場ＲＦ３１０も併せて生成する。

図１２に示す例では、潜在リスク物標ＰＲ３２が作る死角へ作用する実在歩行者ＲＰに関する情報が影響因子情報として用いられる。実在歩行者ＲＰが死角に向けて合図していることにより、死角には歩行者が実在している可能性が高い。運転支援システム１００は、歩行者がいるかもしれないとして設定されるリスクポテンシャル場ＲＦ３１に比較して、実在歩行者ＲＰの方向により拡大されたリスクポテンシャル場ＲＦ３２を生成する。また、潜在リスク物標ＰＲ３２である駐車車両ＰＶは顕在リスク物標でもあることから、運転支援システム１００は、駐車車両ＰＶの周囲に拡がるリスクポテンシャル場ＲＦ３２０も併せて生成する。さらに、実在歩行者ＲＰそれ自身も顕在リスク物標であるので、運転支援システム１００は、実在歩行者ＲＰを中心に拡がるリスクポテンシャル場ＲＦ３２１も併せて生成する。

運転支援システム１００は、図１１に示す例では、リスクポテンシャル場ＲＦ３１，ＲＦ３１０に基づいて車両ＶＨの目標軌跡ＴＲ３１を生成する。詳しくは、図１１に示す例では、駐車車両ＰＶの周りに設定されたリスクポテンシャル場ＲＦ３１０と仮想歩行者ＶＰを中心に設定されたリスクポテンシャル場ＲＦ３１とに干渉しないように目標軌跡ＴＲ３１が生成されている。運転支援システム１００は、車両ＶＨが目標軌跡ＴＲ３１に追従するように各アクチュエータの操作量を決定する。

運転支援システム１００は、図１２に示す例では、リスクポテンシャル場ＲＦ３２，ＲＦ３２０，ＲＦ３２１に基づいて車両ＶＨの目標軌跡ＴＲ３２を生成する。詳しくは、図１２に示す例では、仮想歩行者ＶＰを中心に設定されたリスクポテンシャル場ＲＦ３２と、実在歩行者ＲＰを中心に設定されたリスクポテンシャル場ＲＦ３２１との間を通るように目標軌跡ＴＲ３２が生成されている。運転支援システム１００は、車両ＶＨが目標軌跡ＴＲ３２に追従するように各アクチュエータの操作量を決定する。

３－４．第４実施例
図１３及び図１４は、運転支援システム１００による運転支援制御の第４実施例を説明するための概念図である。運転支援制御の第４実施例は、潜在リスク回避制御の実施例である。第４実施例では、２本の区画線ＣＬ１，ＣＬ２で定義される走行車線の右側に脇道が接続している。走行車線の右側及び脇道の両側にはブロック塀ＢＷが立てられている。このため、走行車線を走行している車両ＶＨから見たとき、走行車線に脇道が接続するコーナー部分には、ブロック塀ＢWによる死角ができている。運転支援システム１００は、車両ＶＨの前方に存在し、車両ＶＨから死角となる領域を作っているブロック塀ＢWを潜在リスク物標ＰＲ４１，ＰＲ４２として認識する。

潜在リスク回避制御では、潜在リスク物標ＰＲ４１，ＰＲ４２の死角に仮想歩行者ＶＰが存在しているものと仮定される。運転支援システム１００は、仮想歩行者ＶＰに関係するリスク物標情報を周辺状況情報から抽出するとともに、仮想歩行者ＶＰに関係する影響因子情報を取得する。リスク物標情報は、潜在リスク物標ＰＲ４１，ＰＲ４２であるブロック塀ＢWに関する物標情報であって、図１３に示す例と図１４に示す例とで共通する。一方、影響因子情報は、図１３に示す例と図１４に示す例とで異なる。

第４実施例では、運転支援システム１００は、潜在リスク物標ＰＲ４１，ＰＲ４２が検出された時間と場所に関する情報を影響因子情報として取得する。潜在リスク物標ＰＲ４１，ＰＲ４２によって生じる衝突リスクの大きさは、時間と場所とに関係する。より詳しくは、時間と場所との組み合わせが、潜在リスク物標ＰＲ４１，ＰＲ４２によって生じる衝突リスクの大きさを左右する。

図１３に示す例と図１４に示す例では、衝突リスクに影響を与える場所の影響因子ＩＦ４１１，ＩＦ４２１は共に学校である。しかし、衝突リスクに影響を与える時間の影響因子ＩＦ４１２，ＩＦ４２２は、図１３に示す例と図１４に示す例とで異なる。図１３に示す例では、影響因子ＩＦ４１２としての時間は通学時間外の１０時であるのに対し、図１４に示す例では、影響因子ＩＦ４２２としての時間は通学時間内の８時である。通学時間は学校の周辺をたくさんの子供が歩いているため、必然的に通学時間の子供の飛び出しのリスクは高くなる。つまり、図１４に示す例は、図１３に示す例よりも仮想歩行者ＶＰの飛び出しのリスクはより高い。

運転支援システム１００は、仮想歩行者ＶＰに関係するリスク物標情報と影響因子情報とに基づき、仮想歩行者ＶＰを中心に広がるリスクポテンシャル場ＲＦ４１，ＲＦ４２を生成する。図１３に示す例では、場所が学校であることと、時間が通学時間外である１０時であることとが影響因子情報として取得される。図１４に示す例では、場所が学校であることと、時間が通学時間内である８時であることとが影響因子情報として取得される。影響因子情報のうち場所に関する情報は地図情報から取得することができ、時間に関する情報は制御装置２０の内蔵時計から取得することができる。

第４実施例では、運転支援システム１００は、リスクポテンシャル場ＲＦ４１，ＲＦ４２を脇道から走行車線のほうへ広がる楕円に設定する。仮想歩行者ＶＰの飛び出しのリスクがより高い図１４に示す例では、運転支援システム１００は、図１３に示す例におけるリスクポテンシャル場ＲＦ４１よりも、リスクポテンシャル場ＲＦ４２を脇道から走行車線のほうへより大きく拡大する。

運転支援システム１００は、リスクポテンシャル場ＲＦ４１，ＲＦ４２に基づいて車両ＶＨの目標軌跡ＴＲ４１，ＴＲ４２を生成する。図１３に示す例では、リスクポテンシャル場ＲＦ４１と干渉しないように走行車線の中央に沿って目標軌跡ＴＲ４１が引かれている。運転支援システム１００は、車両ＶＨが目標軌跡ＴＲ４１に追従するように各アクチュエータの操作量を決定する。図１４に示す例では、走行車線の中央付近まで張り出したリスクポテンシャル場ＲＦ４２を迂回するような目標軌跡ＴＲ４２が生成されている。運転支援システム１００は、車両ＶＨが目標軌跡ＴＲ４２に追従するように各アクチュエータの操作量を決定する。

３－５．第５実施例
図１５乃至図１７は、運転支援システム１００による運転支援制御の第５実施例を説明するための概念図である。運転支援制御の第５実施例は、顕在リスク回避制御の実施例である。第５実施例では、左側の区画線ＣＬ１とその外側のブロック塀ＢＷとの間の路側帯に駐車車両ＰＶが存在する。運転支援システム１００は、車両ＶＨの前方に存在し、車両ＶＨに衝突する可能性のある駐車車両ＰＶを顕在リスク物標ＥＲ５１，ＥＲ５２，ＥＲ５３として認識する。

第５実施例では、運転支援システム１００は、顕在リスク物標ＥＲ５１，ＥＲ５２，ＥＲ５３である駐車車両ＰＶに関する物標情報を周辺状況情報からリスク物標情報として抽出する。なお、駐車車両ＰＶは、車両ＶＨに衝突する可能性のある顕在リスク物標であると同時に、車両ＶＨから死角となる領域を作る潜在リスク物標でもある。

駐車車両ＰＶによって生じる衝突リスクとは、その駐車車両ＰＶが動き出すことによって車両ＶＨと衝突するリスクである。駐車車両ＰＶが無人である場合と駐車車両ＰＶの中に運転者が乗っている場合とでは、駐車車両ＰＶが動き出す可能性は後者の方が高い。運転者が検出されていないことは駐車車両ＰＶが無人であることを意味するものではないが、駐車車両ＰＶが動き出す可能性は運転者が実際に検出されている方が高い。なお、駐車車両ＰＶ内の運転者はカメラの画像から検出することができる。

また、駐車車両ＰＶの中に運転者が乗っている場合、運転者が操作をしてない場合と何らかの操作をしている場合とでは、駐車車両ＰＶが動き出す可能性は後者の方が高い。ブレーキランプの点灯は外見的に検出可能な運転者の操作である。駐車車両ＰＶが動き出す可能性は、ブレーキランプの点灯が検出されていないよりもブレーキランプの点灯が検出されている方が高い。なお、ブレーキランプの点灯はカメラの画像から検出することができる。

第５実施例では、運転支援システム１００は、顕在リスク物標ＥＲ５１，ＥＲ５２，ＥＲ５３である駐車車両ＰＶ内の運転者の有無に関する情報を影響因子情報として取得する。また、運転支援システム１００は、駐車車両ＰＶのブレーキランプの点灯の有無に関する情報を影響因子情報として取得する。図１５に示す例では、駐車車両ＰＶの中に運転者は検出されておらず、ブレーキランプの点灯も検出されていない。運転支援システム１００は、駐車車両ＰＶ内に運転者は検出されずブレーキランプは点灯していないことを影響因子情報として取得する。

図１６に示す例では、駐車車両ＰＶ内に運転者ＤＶが検出されている。しかし、ブレーキランプの点灯は検出されていない。図１６に示す例では、運転者ＤＶの存在は、駐車車両ＰＶが生じさせる衝突リスクに影響を与える影響因子ＩＦ５２となる。運転支援システム１００は、駐車車両ＰＶ内に運転者ＤＶがいることを影響因子情報として取得する。

図１７に示す例では、駐車車両ＰＶ内に運転者ＤＶが検出されている。さらに、ブレーキランプＢＬの点灯も検出されている。図１７に示す例では、運転者ＤＶの存在は、駐車車両ＰＶが生じさせる衝突リスクに影響を与える影響因子ＩＦ５３１となる。また、ブレーキランプＢＬの点灯も、駐車車両ＰＶが生じさせる衝突リスクに影響を与える影響因子ＩＦ５３２となる。運転支援システム１００は、駐車車両ＰＶ内に運転者ＤＶがいることと、ブレーキランプＢＬが点灯していることとを影響因子情報として取得する。

運転支援システム１００は、リスク物標情報と影響因子情報とに基づいて顕在リスク物標ＥＲ５１，ＥＲ５２，ＥＲ５３である駐車車両ＰＶを中心に広がるリスクポテンシャル場ＲＦ５１，ＲＦ５２，ＲＦ５３を生成する。図１５に示す例では、駐車車両ＰＶが動き出す可能性を高める影響因子は存在しないので、運転支援システム１００は、駐車車両ＰＶのリスク物標情報から決まる標準的な大きさのリスクポテンシャル場ＲＦ５１を生成する。また、顕在リスク物標ＥＲ５１である駐車車両ＰＶは潜在リスク物標でもあることから、運転支援システム１００は、駐車車両ＰＶの死角に存在すると仮定される仮想歩行者ＶＰを中心に拡がるリスクポテンシャル場ＲＦ５１０も併せて生成する。

図１６に示す例では、駐車車両ＰＶの中に運転者ＤＶが乗っているので、駐車車両ＰＶが動きだす可能性は図１５に示す例に比較して増大し、衝突リスクも増大する。運転支援システム１００は、図１５に示す例で設定されるリスクポテンシャル場ＲＦ５１に比較して、より拡大されたリスクポテンシャル場ＲＦ５２を生成する。また、運転支援システム１００は、駐車車両ＰＶの死角内の仮想歩行者ＶＰを中心に拡がるリスクポテンシャル場ＲＦ５２０も併せて生成する。

図１７に示す例では、駐車車両ＰＶの中に運転者ＤＶが乗っており、さらに、ブレーキランプＢＬも点灯しているので、駐車車両ＰＶが動きだす可能性は図１６に示す例に比較してさらに増大し、衝突リスクもさらに増大する。運転支援システム１００は、図１６に示す例で設定されるリスクポテンシャル場ＲＦ５２に比較して、より拡大されたリスクポテンシャル場ＲＦ５３を生成する。また、運転支援システム１００は、駐車車両ＰＶの死角内の仮想歩行者ＶＰを中心に拡がるリスクポテンシャル場も併せて生成する。ただし、図１７に示す例では、仮想歩行者ＶＰを中心とするリスクポテンシャル場は、駐車車両ＰＶの周りに生成された大きなリスクポテンシャル場ＲＦ５３によって覆われている。

運転支援システム１００は、図１５に示す例では、リスクポテンシャル場ＲＦ５１，ＲＦ５１０に基づいて車両ＶＨの目標軌跡ＴＲ５１を生成する。詳しくは、図１５に示す例では、駐車車両ＰＶの周りに設定されたリスクポテンシャル場ＲＦ５１と仮想歩行者ＶＰを中心に設定されたリスクポテンシャル場ＲＦ５１０とに干渉しないように目標軌跡ＴＲ５１が生成されている。運転支援システム１００は、車両ＶＨが目標軌跡ＴＲ５１に追従するように各アクチュエータの操作量を決定する。

運転支援システム１００は、図１６に示す例では、リスクポテンシャル場ＲＦ５２，ＲＦ５２０に基づいて車両ＶＨの目標軌跡ＴＲ５２を生成する。詳しくは、図１６に示す例では、拡大されたリスクポテンシャル場ＲＦ５２を迂回するように目標軌跡ＴＲ５２が生成されている。運転支援システム１００は、車両ＶＨが目標軌跡ＴＲ５２に追従するように各アクチュエータの操作量を決定する。

運転支援システム１００は、図１７に示す例では、リスクポテンシャル場ＲＦ５３に基づいて車両ＶＨの目標軌跡ＴＲ５３を生成する。詳しくは、図１７に示す例では、さらに拡大されたリスクポテンシャル場ＲＦ５３を大きく迂回するように目標軌跡ＴＲ５３が生成されている。運転支援システム１００は、車両ＶＨが目標軌跡ＴＲ５３に追従するように各アクチュエータの操作量を決定する。

３－６．第６実施例
図１８及び図１９は、運転支援システム１００による運転支援制御の第６実施例を説明するための概念図である。運転支援制御の第６実施例は、顕在リスク回避制御の実施例である。第６実施例では、左側の区画線ＣＬ１の外側に実在の歩行者ＲＰが存在する。運転支援システム１００は、車両ＶＨの前方に存在し、車両ＶＨに衝突する可能性のある歩行者ＲＰを顕在リスク物標ＥＲ６１，ＥＲ６２として認識する。

第６実施形態では、運転支援システム１００は、顕在リスク物標ＥＲ６１，ＥＲ６２である歩行者ＲＰに関する物標情報を周辺状況情報からリスク物標情報として抽出する。

歩行者ＲＰによって生じる衝突リスクは、歩行者ＲＰがいる道路の状態の影響を受ける。例えば、車道と歩道との間がガードレール、縁石、ポール等で区切られている場合、歩道にいる歩行者ＲＰによって生じる衝突リスクは、そのような構造物が無い場合に比較して低下する。また、図１９に示す例のように周りを複数のロードコーンＲＣで囲まれた道路工事の現場では、歩行者ＲＰがロードコーンＲＣの外に出る可能性は低いために、歩行者ＲＰによって生じる衝突リスクは低下する。

第６実施例では、運転支援システム１００は、顕在リスク物標ＥＲ６１，ＥＲ６２が検出された道路の状態に関する情報を影響因子情報として取得する。図１８に示す例では、顕在リスク物標ＥＲ６１である歩行者ＲＰの周囲には、歩行者ＲＰの車道への侵入を妨げるような物は何もない。運転支援システム１００は、歩行者ＲＰが検出された道路には歩行者ＲＰの自由な移動を妨げるものが無いことを影響因子情報として取得する。

図１９に示す例では、歩行者ＲＰがいる場所は道路工事の現場であり、歩行者ＲＰの周囲には工事現場と車道とを区切る複数のロードコーンＲＣが検出されている。図１９に示す例では、歩行者ＲＰが立っている道路の状態が工事現場であることは、歩行者ＲＰが生じさせる衝突リスクに影響を与える影響因子ＩＦ６２となる。運転支援システム１００は、歩行者ＲＰが検出された道路が道路工事中であることを影響因子情報として取得する。影響因子ＩＦ６２に関する情報は、例えば、カメラ画像から取得することもできるし、道路交通情報システムから送信される道路交通情報から取得することもできる。

運転支援システム１００は、リスク物標情報と影響因子情報とに基づいて顕在リスク物標ＥＲ６１，ＥＲ６２である歩行者ＲＰを中心に広がるリスクポテンシャル場ＲＦ６１，ＲＦ６２を生成する。図１８に示す例では、歩行者ＲＰの移動を妨げるような影響因子は存在しないので、運転支援システム１００は、歩行者ＲＰのリスク物標情報から決まる標準的な大きさのリスクポテンシャル場ＲＦ６１を生成する。

図１９に示す例では、歩行者ＲＰは複数のロードコーンＲＣで囲まれた道路工事の現場に立っている。道路工事中の歩行者ＲＰ、すなわち、作業者がロードコーンＲＣを越えて車道の方へ移動する可能性は低い。つまり、図１８に示す例に比較して歩行者ＲＰが走行車線の方へ飛び出してくる可能性は低く、歩行者ＲＰによって生じる衝突リスクも低い。運転支援システム１００は、図１８に示す例で設定されるリスクポテンシャル場ＲＦ６１に比較して、より縮小されたリスクポテンシャル場ＲＦ６２を生成する。

運転支援システム１００は、リスクポテンシャル場ＲＦ６１，ＲＦ６２に基づいて車両ＶＨの目標軌跡ＴＲ６１，ＴＲ６２を生成する。図１８に示す例では、走行車線まで広がるリスクポテンシャル場ＲＦ６１を迂回するような目標軌跡ＴＲ６１が生成されている。運転支援システム１００は、車両ＶＨが目標軌跡ＴＲ６１に追従するように各アクチュエータの操作量を決定する。図１９に示す例では、リスクポテンシャル場ＲＦ６２は複数のロードコーンＲＣで囲まれた領域に制限されているので、目標軌跡ＴＲ６２は走行車線の中央に沿うように生成されている。運転支援システム１００は、車両ＶＨが目標軌跡ＴＲ６２に追従するように各アクチュエータの操作量を決定する。

３－７．第７実施例
図２０乃至図２２は、運転支援システム１００による運転支援制御の第７実施例を説明するための概念図である。運転支援制御の第７実施例は、顕在リスク回避制御の実施例である。第７実施例では、区画線のない道路に歩行者ＲＰが存在する。運転支援システム１００は、車両ＶＨの前方に存在し、車両ＶＨに衝突する可能性のある歩行者ＲＰを顕在リスク物標ＥＲ７１，ＥＲ７２，ＥＲ７３として認識する。

第７実施例では、運転支援システム１００は、顕在リスク物標ＥＲ７１，ＥＲ７２，ＥＲ７３である歩行者ＲＰに関する物標情報を周辺状況情報からリスク物標情報として抽出する。

歩行者ＲＰによって生じる衝突リスクは、歩行者ＲＰが検出された時間と場所の影響を受ける。より詳しくは、時間と場所との組み合わせが歩行者ＲＰによって生じる衝突リスクを左右する。例えば、歩行者ＲＰが昼間に繁華街ではないところを歩いている場合と、歩行者ＲＰが夜間に繁華街を歩いている場合とでは、後者の方が歩行者ＲＰに車両ＶＨが衝突するリスクは高い。歩行者ＲＰが飲酒している可能性があるからである。さらに、時間と場所との組み合わせに歩行者ＲＰの動きを組みわせることで、衝突リスクの推定精度をより高めることができる。例えば、夜間に繁華街を真っすぐ歩いている歩行者ＲＰとふらつきながら歩いている歩行者ＲＰとでは、後者の方が酒に酔っている可能性が高く、衝突リスクはさらに高い。

第７実施例では、運転支援システム１００は、顕在リスク物標ＥＲ７１，ＥＲ７２，ＥＲ７３としての歩行者ＲＰが検出された時間と場所に関する情報を影響因子情報として取得する。さらに、運転支援システム１００は、歩行者ＲＰの過去の位置履歴に関する情報も影響因子情報として取得する。過去の位置履歴より歩行者ＲＰが真っすぐ歩いているのかふらついているのかを判断することができる。影響因子情報のうち場所に関する情報は地図情報から取得することができ、時間に関する情報は制御装置２０の内蔵時計から取得することができる。歩行者ＲＰの過去の位置履歴は、歩行者ＲＰの物標情報から取得することができる。

図２０に示す例では、顕在リスク物標ＥＲ７１である歩行者ＲＰは、昼間に繁華街でない場所を真っすぐに歩いている。運転支援システム１００は、歩行者ＲＰが検出された時間が昼間であること、歩行者ＲＰが検出された場所が繁華街でない場所であること、歩行者ＲＰが真っすぐに歩いていることを影響因子情報として取得する。

図２１に示す例では、顕在リスク物標ＥＲ７２である歩行者ＲＰは、夜間に繁華街を真っすぐに歩いている。時間としての夜間は、歩行者ＲＰが生じさせる衝突リスクに影響を与える影響因子ＩＦ７２１として検出される。また、場所としての繁華街も、歩行者ＲＰが生じさせる衝突リスクに影響を与える影響因子ＩＦ７２２として検出される。運転支援システム１００は、歩行者ＲＰが検出された時間が夜間であること、歩行者ＲＰが検出された場所が繁華街であること、歩行者ＲＰが真っすぐに歩いていることを影響因子情報として取得する。

図２２に示す例では、顕在リスク物標ＥＲ７３である歩行者ＲＰは、夜間に繁華街をふらつきながら歩いている。時間としての夜間は、歩行者ＲＰが生じさせる衝突リスクに影響を与える影響因子ＩＦ７３１として検出される。また、場所としての繁華街も、歩行者ＲＰが生じさせる衝突リスクに影響を与える影響因子ＩＦ７３２として検出される。さらに、位置履歴としてのふらつきも、歩行者ＲＰが生じさせる衝突リスクに影響を与える影響因子ＩＦ７３３として検出される。運転支援システム１００は、歩行者ＲＰが検出された時間が夜間であること、歩行者ＲＰが検出された場所が繁華街であること、歩行者ＲＰがふらついていることを影響因子情報として取得する。

運転支援システム１００は、リスク物標情報と影響因子情報とに基づいて顕在リスク物標ＥＲ７１，ＥＲ７２，ＥＲ７３である歩行者ＲＰを中心に広がるリスクポテンシャル場ＲＦ７１，ＲＦ７２，ＲＦ７３を生成する。図２０に示す例では、歩行者ＲＰが飲酒している可能性を示す影響因子は存在しない。このため、運転支援システム１００は、歩行者ＲＰのリスク物標情報から決まる標準的な大きさのリスクポテンシャル場ＲＦ７１を生成する。

図２１に示す例では、歩行者ＲＰは夜間に繁華街を歩いているので、歩行者ＲＰが飲酒している可能性は図２０に示す例に比較して大きい。歩行者ＲＰが飲酒している場合、判断能力の低下によって車両ＶＨに気付かない可能性がある。したがって、歩行者ＲＰが飲酒している可能性が高いほど、衝突リスクも大きくなる。ゆえに、運転支援システム１００は、図２０に示す例で設定されるリスクポテンシャル場ＲＦ７１に比較して、全方向により拡大されたリスクポテンシャル場ＲＦ７２を生成する。

図２２に示す例では、歩行者ＲＰは夜間に繁華街を歩いており、しかも足元がふらついているので、歩行者ＲＰが酒に酔っている可能性は図２１に示す例に比較してさらに大きい。足元がふらつくほどに歩行者ＲＰが酒に酔っている場合、歩行者ＲＰは予測不能な動きをする可能性がある。したがって、歩行者ＲＰが酒に酔っている可能性が高ければ、衝突リスクはより大きくなる。ゆえに、運転支援システム１００は、図２１に示す例で設定されるリスクポテンシャル場ＲＦ７２に比較して、全方向により拡大されたリスクポテンシャル場ＲＦ７３を生成する。

運転支援システム１００は、リスクポテンシャル場ＲＦ７１，ＲＦ７２，Ｒ７３に基づいて車両ＶＨの目標軌跡ＴＲ７１，ＴＲ７２，ＴＲ７３を生成する。図２０に示す例では、歩行者ＲＰを中心に設定されたリスクポテンシャル場ＲＦ７１と干渉しないように目標軌跡ＴＲ７１が生成されている。運転支援システム１００は、車両ＶＨが目標軌跡ＴＲ７１に追従するように各アクチュエータの操作量を決定する。図２１に示す例では、拡大されたリスクポテンシャル場ＲＦ７２を迂回するように目標軌跡ＴＲ７２が生成されている。運転支援システム１００は、車両ＶＨが目標軌跡ＴＲ７２に追従するように各アクチュエータの操作量を決定する。図２２に示す例では、さらに拡大されたリスクポテンシャル場ＲＦ７３を大きく迂回するように目標軌跡ＴＲ７３が生成されている。運転支援システム１００は、車両ＶＨが目標軌跡ＴＲ７３に追従するように各アクチュエータの操作量を決定する。

４．その他実施形態
衝突リスクを定量化したリスク値を決定するにあたり、リスクポテンシャル場に代えて、上述の特許文献１（特開２０１７－２０６１１７号公報）に開示されたリスクフィールドを計算してもよい。

上述の潜在リスク回避制御の各実施例は適宜組み合わせて実施することができる。上述の顕在リスク回避制御の各実施例は適宜組み合わせて実施することができる。さらに、上述の潜在リスク回避制御の各実施例と、上述の顕在リスク回避制御の各実施例とを適宜組み合わせて実施することもできる。

１０ センサ群
１１ 自律センサ
１２ 車両状態センサ
１３ 位置センサ
２０ 制御装置
２１ プロセッサ
２２ メモリ
２３ 運転支援プログラム
２４ 運転環境情報
２５ リスク情報
３０ 車両アクチュエータ
３１ 操舵アクチュエータ
３２ 駆動アクチュエータ
３３ 制動アクチュエータ
１００ 運転支援システム
ＶＨ 車両
ＣＬ１，ＣＬ２ 区画線
ＶＰ 仮想歩行者
ＲＰ 実在歩行者
ＢＷ ブロック塀
ＤＶ 運転者
ＢＬ ブレーキランプ
ＲＣ ロードコーン
ＰＶ，ＰＶＬ，ＰＶＳ 駐車車両
ＰＲ，ＰＲ１１，ＰＲ１２，ＰＲ２１，ＰＲ２２，ＰＲ３１，ＰＲ３２，ＰＲ４１，ＰＲ４２ 潜在リスク物標
ＥＲ，ＥＲ５１，ＥＲ５２，ＥＲ５３，ＥＲ６１，ＥＲ６２，ＥＲ７１，ＥＲ７２，ＥＲ７３ 顕在リスク物標
ＩＦ０１，ＩＦ０２，ＩＦ０３，ＩＦ０４，ＩＦ１１，ＩＦ２２，ＩＦ３２，ＩＦ４１１，ＩＦ４１２，ＩＦ４２１，ＩＦ４２２，ＩＦ５２，ＩＦ５３１，ＩＦ５３２，ＩＦ６２，ＩＦ７２１，ＩＦ７２２，ＩＦ７３１，ＩＦ７３２，ＩＦ７３３ 影響因子
ＲＦ０１，ＲＦ０２，ＲＦ０３，ＲＦ０４，ＲＦ１１，ＲＦ１２，ＲＦ２１，ＲＦ２２，ＲＦ３１，ＲＦ３２，ＲＦ４１，ＲＦ４２，ＲＦ５１，ＲＦ５２，ＲＦ５３，ＲＦ６１，ＲＦ６２，ＲＦ７１，ＲＦ７２，ＲＦ７３ リスクポテンシャル場
ＴＲ０１，ＴＲ０２，ＴＲ０３，ＴＲ０４，ＴＲ１１，ＴＲ１２，ＴＲ２１，ＴＲ２２，ＴＲ３１，ＴＲ３２，ＴＲ４１，ＴＲ４２，ＴＲ５１，ＴＲ５２，ＴＲ５３，ＴＲ６１，ＴＲ６２，ＴＲ７１，ＴＲ７２，ＴＲ７３ 目標軌跡

Claims (7)

1. 車両の運転を支援する運転支援システムであって、
   １つ又は複数のプログラムを記憶した１つ又は複数のメモリと、
   前記１つ又は複数のメモリと結合された１つ又は複数のプロセッサと、を備え、
   前記１つ又は複数のプロセッサは、前記１つ又は複数のプログラムの実行時、
   前記車両の周辺状況の情報から、前記車両の前方に存在し、前記車両から死角となる 領域を作る潜在リスク物標に関するリスク物標情報を抽出し、
   前記潜在リスク物標とは別に存在する因子であって、前記車両の衝突リスクに影響を与える因子である影響因子に関する影響因子情報を取得し、
   前記リスク物標情報と前記影響因子情報とに基づいて前記衝突リスクを定量化したリスク値を、車両座標系或いは絶対座標系の各位置において決定し、
   前記リスク値の分布を示すリスクポテンシャル場を生成し、
   前記リスクポテンシャル場と干渉しないような前記車両の目標軌跡を生成し、
   前記目標軌跡に追従するように、前記車両の運動を制御するアクチュエータの操作量を決定する
   ことを特徴とする運転支援システム。
2. 請求項１に記載の運転支援システムにおいて、
   前記１つ又は複数のプロセッサは、前記潜在リスク物標の周辺環境に関する情報を前記影響因子情報として取得する
   ことを特徴とする運転支援システム。
3. 請求項１に記載の運転支援システムにおいて、
   前記１つ又は複数のプロセッサは、前記潜在リスク物標の背後に存在する移動体に関する情報を前記影響因子情報として取得する
   ことを特徴とする運転支援システム。
4. 請求項１に記載の運転支援システムにおいて、
   前記１つ又は複数のプロセッサは、前記潜在リスク物標が検出された時間と場所に関する情報を前記影響因子情報として取得する
   ことを特徴とする運転支援システム。
5. 請求項１に記載の運転支援システムにおいて、
   前記１つ又は複数のプロセッサは、
   前記潜在リスク物標が作る前記死角へ作用する動的因子に関する情報を前記影響因子情報として取得し、
   前記動的因子が存在する場合、前記動的因子が存在しない場合に生成される前記リス クポテンシャル場と比較して前記リスク値の分布を前記動的因子の方向により拡大した前 記リスクポテンシャル場を生成する
   ことを特徴とする運転支援システム。
6. 請求項１に記載の運転支援システムにおいて、
   前記１つ又は複数のプロセッサは、前記影響因子が前記衝突リスクに与える影響が大き いほど、前記死角に存在していると仮定される移動体の飛び出し先となる方向へ前記リス ク値の分布をより拡大した前記リスクポテンシャル場を生成する
   ことを特徴とする運転支援システム。
7. コンピュータに、
   車両の周辺状況の情報から、前記車両の前方に存在し、前記車両から死角となる領域を 作る潜在リスク物標に関するリスク物標情報を抽出させ、
   前記潜在リスク物標とは別に存在する因子であって、前記車両の衝突リスクに影響を与える因子である影響因子に関する影響因子情報を取得させ、
   前記リスク物標情報と前記影響因子情報とに基づいて前記衝突リスクを定量化したリスク値を、車両座標系或いは絶対座標系の各位置における値として決定させ、
   前記リスク値の分布を示すリスクポテンシャル場を生成させ、
   前記リスクポテンシャル場と干渉しないような前記車両の目標軌跡を生成させ、
   前記目標軌跡に追従するように、前記車両の運動を制御するアクチュエータの操作量を決定させる
   ことを特徴とする運転支援プログラム。

Images