JP7414612B2 - 車両制御装置、車両制御方法、およびプログラム - Google Patents

Description

本発明は、車両制御装置、車両制御方法、およびプログラムに関する。

従来、道路の幅方向の一方に停止中の他車両が存在し且つ道路の幅方向の他方に歩行者が存在する場合、他車両に対して、道路の幅方向の一方に停止中の他車両が存在し且つ道路の幅方向の他方に歩行者が存在しない場合における第１の警戒領域よりも広い第２の警戒領域を設定する処理装置が開示されている（例えば特許文献１参照）。

特開２０１８－２０５９０７号公報

しかしながら、上記の装置は、交通参加者の状況によってはリスクを精度よく設定することができない場合がある。この場合、車両は、適切な制御がされない場合があった。

本発明は、このような事情を考慮してなされたものであり、交通参加者と、交通参加者の周辺の環境に応じた適切な車両の制御が実現することができる車両制御装置、車両制御方法、およびプログラムを提供することを目的の一つとする。

この発明に係る車両制御装置、車両制御方法、およびプログラムは、以下の構成を採用した。
（１）：車両制御装置は、車両の周辺を認識する認識部と、前記認識部により認識された交通参加者に対してリスク指標を設定する設定部と、前記設定部により設定されたリスク指標に基づいて、前記車両の車載機器を制御する制御部と、を備え、前記設定部は、歩道を進行する前記交通参加者が将来進入する領域における前記歩道から前記歩道に隣接する車道への前記交通参加者の進入のしやすさに基づいて、前記交通参加者が将来存在する位置に対するリスク指標を設定し、前記交通参加者が前記車道へ進入しやすいほど前記車道側に設定するリスク指標を大きくする。

（２）：上記（１）の態様において、前記制御部は、前記設定されたリスク指標に基づいて、前記車両の速度および操舵を制御する。

（３）：上記（１）または（２）の態様において、前記制御部は、前記設定されたリスク指標に基づいて、前記車両の乗員に前記交通参加者を注視させるための情報を、出力装置に出力させる。

（４）：上記（１）から（３）のいずれかの態様において、前記交通参加者は、自転車である。

（５）：上記（１）から（４）のいずれかの態様において、前記設定部は、前記歩道と前記車道との境界の構造が前記歩道から前記車道に前記交通参加者が進入可能な構造である場合に前記車道側に設定するリスク指標を、前記構造が進入可能でない構造である場合に前記車道側に設定する前記リスク指標よりも大きくする。

（６）：上記（１）から（５）のいずれかの態様において、前記設定部は、前記歩道と前記車道との境界の構造の種類に応じて前記リスク指標を設定する。

（７）：上記（６）の態様において、前記構造は、前記境界に設けられた縁石の種別である。

（８）：上記（１）から（７）のいずれかの態様において、前記設定部は、少なくとも前記リスク指標が閾値以上である場合、少なくとも前記車道側に設定する前記リスク指標に対応する特定領域を前記歩道側にオフセットする。

（９）：上記（１）から（８）のいずれかの態様において、前記設定部は、前記交通参加者の顔または体の向きが前記車道側に向いている場合に前記車道側に設定する前記リスク指標を、前記交通参加者の顔または体の向きが前記車道側に向いていない場合に前記車道側に設定する前記リスク指標よりも大きくする。

（１０）：上記（１）から（９）のいずれかの態様において、前記交通参加者は、人物または人物が乗車した移動体を含み、前記設定部は、前記交通参加者または前記移動体の中心軸が鉛直方向に対して傾いている場合に前記車道側に設定するリスク指標を、前記交通参加者または前記移動体の中心軸が鉛直方向に対して傾いていない場合に前記車道側に設定するリスク指標よりも大きくする。

（１１）：上記（１）から（１０）のいずれかの態様において、前記設定部は、前記歩道を進行する前記交通参加者が将来進入する領域の前方に前記交通参加者の進行に影響する物体が存在する場合に前記車道側に設定する前記リスク指標を、前記交通参加者の進行に影響する物体が存在しない場合に前記車道側に設定する前記リスク指標よりも大きくする。

（１２）：この発明の一態様に係る車両制御方法は、コンピュータが、車両の周辺を認識し、前記認識された交通参加者に対してリスク指標を設定し、前記設定されたリスク指標に基づいて、前記車両の車載機器を制御し、歩道を進行する前記交通参加者が将来進入する領域における前記歩道から前記歩道に隣接する車道への前記交通参加者の進入のしやすさに基づいて、前記交通参加者が将来存在する位置に対するリスク指標を設定し、前記交通参加者が前記車道へ進入しやすいほど前記車道側に設定するリスク指標を大きくする車両制御方法である。

（１３）：この発明の一態様に係るプログラムは、コンピュータに、車両の周辺を認識する処理と、前記認識された交通参加者に対してリスク指標を設定する処理と、前記設定されたリスク指標に基づいて、前記車両の車載機器を制御する処理と、歩道を進行する前記交通参加者が将来進入する領域における前記歩道から前記歩道に隣接する車道への前記交通参加者の進入のしやすさに基づいて、前記交通参加者が将来存在する位置に対するリスク指標を設定し、前記交通参加者が前記車道へ進入しやすいほど前記車道側に設定するリスク指標を大きくする処理と、を実行させるプログラムである。

（１）～（１３）によれば、車両制御装置が、歩道を進行する交通参加者が将来進入する領域における歩道から歩道に隣接する車道への交通参加者の進入のしやすさに基づいて、交通参加者が将来存在する位置に対するリスク指標を設定し、交通参加者が車道へ進入しやすいほど車道側に設定するリスク指標を大きくすることにより、交通参加者と、交通参加者の周辺の環境に応じた適切な車両の制御が実現することができる。

（８）によれば、車両制御装置は、少なくとも車道側に設定するリスク指標に対応する特定領域（リスク領域）を歩道側にオフセットすることにより、車両を滑らかに走行させることができる。

実施形態に係る車両制御装置を利用した車両システム１の構成図である。 第１制御部１２０および第２制御部１６０の機能構成図である。 リスク領域を設定する処理の概要を説明するための図である。 自転車の有無の情報について説明するための図である。 歩道Ｗと車道との間に設けられたガードレールＧの切れ目の一例を示す図である。 歩道Ｗと車道との間に設けられた植栽の切れ目の一例を示す図である。 構造（Ａ）の一例を示す図である。 構造（Ｂ）の一例を示す図である。 構造（Ｃ）の一例を示す図である。 構造（Ｄ）の一例を示す図である。 構造（Ｅ）の一例を示す図である。 自転車Ｂが車道方向に傾いている様子の一例を示す図である。 自転車Ｂの前方に存在する歩行者ＰＤの一例を示す図である。 リスク領域と行動計画と車両Ｍの挙動との一例を示す図である。 リスク領域と、リスク領域におけるリスクポテンシャルとの一例を示す図である。 図１５のリスク領域Ｒ１のＡ－Ａ´におけるリスクポテンシャルの大きさの一例を示す図である。 自転車Ｂが車道側に進入する可能性が比較的低い場合に設定されるリスク領域Ｒ２の一例を示す図である。 自転車Ｂが車道側に進入する可能性が比較的高い場合に設定されるリスク領域Ｒ３の一例を示す図である。 図１８のＡ－Ａ´において設定されたリスクポテンシャルの一例を示す図である。 リスク領域がオフセットされない場合とされた場合の車両Ｍの挙動を比較する図である。 比較例の車両の挙動と本実施形態の車両の挙動とを比較するための図である。 実施形態の自動運転制御装置１００のハードウェア構成の一例を示す図である。

以下、図面を参照し、本発明の車両制御装置、車両制御方法、およびプログラムの実施形態について説明する。

［全体構成］
図１は、実施形態に係る車両制御装置を利用した車両システム１の構成図である。車両システム１が搭載される車両は、例えば、二輪や三輪、四輪等の車両であり、その駆動源は、ディーゼルエンジンやガソリンエンジンなどの内燃機関、電動機、或いはこれらの組み合わせである。電動機は、内燃機関に連結された発電機による発電電力、或いは二次電池や燃料電池の放電電力を使用して動作する。

車両システム１は、例えば、カメラ１０と、レーダ装置１２と、ＬＩＤＡＲ（Light Detection and Ranging）１４と、物体認識装置１６と、通信装置２０と、ＨＭＩ（Human Machine Interface）３０と、車両センサ４０と、ナビゲーション装置５０と、ＭＰＵ（Map Positioning Unit）６０と、運転操作子８０と、自動運転制御装置１００と、走行駆動力出力装置２００と、ブレーキ装置２１０と、ステアリング装置２２０とを備える。これらの装置や機器は、ＣＡＮ（Controller Area Network）通信線等の多重通信線やシリアル通信線、無線通信網等によって互いに接続される。なお、図１に示す構成はあくまで一例であり、構成の一部が省略されてもよいし、更に別の構成が追加されてもよい。

カメラ１０は、例えば、ＣＣＤ（Charge Coupled Device）やＣＭＯＳ（Complementary Metal Oxide Semiconductor）等の固体撮像素子を利用したデジタルカメラである。カメラ１０は、車両システム１が搭載される車両（以下、自車両Ｍ）の任意の箇所に取り付けられる。前方を撮像する場合、カメラ１０は、フロントウインドシールド上部やルームミラー裏面等に取り付けられる。カメラ１０は、例えば、周期的に繰り返し自車両Ｍの周辺を撮像する。カメラ１０は、ステレオカメラであってもよい。

レーダ装置１２は、自車両Ｍの周辺にミリ波などの電波を放射すると共に、物体によって反射された電波（反射波）を検出して少なくとも物体の位置（距離および方位）を検出する。レーダ装置１２は、自車両Ｍの任意の箇所に取り付けられる。レーダ装置１２は、ＦＭ－ＣＷ（Frequency Modulated Continuous Wave）方式によって物体の位置および速度を検出してもよい。

ＬＩＤＡＲ１４は、自車両Ｍの周辺に光（或いは光に近い波長の電磁波）を照射し、散乱光を測定する。ＬＩＤＡＲ１４は、発光から受光までの時間に基づいて、対象までの距離を検出する。照射される光は、例えば、パルス状のレーザー光である。ＬＩＤＡＲ１４は、自車両Ｍの任意の箇所に取り付けられる。

物体認識装置１６は、カメラ１０、レーダ装置１２、およびＬＩＤＡＲ１４のうち一部または全部による検出結果に対してセンサフュージョン処理を行って、物体の位置、種類、速度などを認識する。物体認識装置１６は、認識結果を自動運転制御装置１００に出力する。物体認識装置１６は、カメラ１０、レーダ装置１２、およびＬＩＤＡＲ１４の検出結果をそのまま自動運転制御装置１００に出力してよい。車両システム１から物体認識装置１６が省略されてもよい。

通信装置２０は、例えば、セルラー網やＷｉ－Ｆｉ網、Ｂｌｕｅｔｏｏｔｈ（登録商標）、ＤＳＲＣ（Dedicated Short Range Communication）などを利用して、自車両Ｍの周辺に存在する他車両と通信し、或いは無線基地局を介して各種サーバ装置と通信する。

ＨＭＩ３０は、自車両Ｍの乗員に対して各種情報を提示すると共に、乗員による入力操作を受け付ける。ＨＭＩ３０は、各種表示装置、スピーカ、ブザー、タッチパネル、スイッチ、キーなどを含む。

車両センサ４０は、自車両Ｍの速度を検出する車速センサ、加速度を検出する加速度センサ、鉛直軸回りの角速度を検出するヨーレートセンサ、自車両Ｍの向きを検出する方位センサ等を含む。

ナビゲーション装置５０は、例えば、ＧＮＳＳ（Global Navigation Satellite System）受信機５１と、ナビＨＭＩ５２と、経路決定部５３とを備える。ナビゲーション装置５０は、ＨＤＤ（Hard Disk Drive）やフラッシュメモリなどの記憶装置に第１地図情報５４を保持している。ＧＮＳＳ受信機５１は、ＧＮＳＳ衛星から受信した信号に基づいて、自車両Ｍの位置を特定する。自車両Ｍの位置は、車両センサ４０の出力を利用したＩＮＳ（Inertial Navigation System）によって特定または補完されてもよい。ナビＨＭＩ５２は、表示装置、スピーカ、タッチパネル、キーなどを含む。ナビＨＭＩ５２は、前述したＨＭＩ３０と一部または全部が共通化されてもよい。経路決定部５３は、例えば、ＧＮＳＳ受信機５１により特定された自車両Ｍの位置（或いは入力された任意の位置）から、ナビＨＭＩ５２を用いて乗員により入力された目的地までの経路（以下、地図上経路）を、第１地図情報５４を参照して決定する。第１地図情報５４は、例えば、道路を示すリンクと、リンクによって接続されたノードとによって道路形状が表現された情報である。第１地図情報５４は、道路の曲率やＰＯＩ（Point Of Interest）情報などを含んでもよい。地図上経路は、ＭＰＵ６０に出力される。ナビゲーション装置５０は、地図上経路に基づいて、ナビＨＭＩ５２を用いた経路案内を行ってもよい。ナビゲーション装置５０は、例えば、乗員の保有するスマートフォンやタブレット端末等の端末装置の機能によって実現されてもよい。ナビゲーション装置５０は、通信装置２０を介してナビゲーションサーバに現在位置と目的地を送信し、ナビゲーションサーバから地図上経路と同等の経路を取得してもよい。

ＭＰＵ６０は、例えば、推奨車線決定部６１を含み、ＨＤＤやフラッシュメモリなどの記憶装置に第２地図情報６２を保持している。推奨車線決定部６１は、ナビゲーション装置５０から提供された地図上経路を複数のブロックに分割し（例えば、車両進行方向に関して１００［ｍ］毎に分割し）、第２地図情報６２を参照してブロックごとに推奨車線を決定する。推奨車線決定部６１は、左から何番目の車線を走行するといった決定を行う。推奨車線決定部６１は、地図上経路に分岐箇所が存在する場合、自車両Ｍが、分岐先に進行するための合理的な経路を走行できるように、推奨車線を決定する。

第２地図情報６２は、第１地図情報５４よりも高精度な地図情報である。第２地図情報６２は、例えば、車線の中央の情報あるいは車線の境界の情報等を含んでいる。また、第２地図情報６２には、道路情報、交通規制情報、住所情報（住所・郵便番号）、施設情報、電話番号情報などが含まれてよい。第２地図情報６２は、通信装置２０が他装置と通信することにより、随時、アップデートされてよい。

運転操作子８０は、例えば、アクセルペダル、ブレーキペダル、シフトレバー、ステアリングホイール、異形ステア、ジョイスティックその他の操作子を含む。運転操作子８０には、操作量あるいは操作の有無を検出するセンサが取り付けられており、その検出結果は、自動運転制御装置１００、もしくは、走行駆動力出力装置２００、ブレーキ装置２１０、およびステアリング装置２２０のうち一部または全部に出力される。

自動運転制御装置１００は、例えば、第１制御部１２０と、第２制御部１６０と、記憶部１８０とを備える。第１制御部１２０と第２制御部１６０は、それぞれ、例えば、ＣＰＵ（Central Processing Unit）などのハードウェアプロセッサがプログラム（ソフトウェア）を実行することにより実現される。また、これらの構成要素のうち一部または全部は、ＬＳＩ（Large Scale Integration）やＡＳＩＣ（Application Specific Integrated Circuit）、ＦＰＧＡ（Field-Programmable Gate Array）、ＧＰＵ（Graphics Processing Unit）などのハードウェア（回路部；circuitryを含む）によって実現されてもよいし、ソフトウェアとハードウェアの協働によって実現されてもよい。プログラムは、予め自動運転制御装置１００のＨＤＤやフラッシュメモリなどの記憶装置（非一過性の記憶媒体を備える記憶装置）に格納されていてもよいし、ＤＶＤやＣＤ－ＲＯＭなどの着脱可能な記憶媒体に格納されており、記憶媒体（非一過性の記憶媒体）がドライブ装置に装着されることで自動運転制御装置１００のＨＤＤやフラッシュメモリにインストールされてもよい。自動運転制御装置１００は「車両制御装置」の一例である。

記憶部１８０は、例えば、ＨＤＤ、フラッシュメモリ、ＥＥＰＲＯＭ（Electrically Erasable Programmable Read Only Memory、ＲＯＭ（Read Only Memory）、またはＲＡＭ（Random Access Memory）等により実現される。記憶部１８０には、例えば、学習済モデル１８２、およびパターン情報１８４が記憶されている。これらの情報の詳細については後述する。

図２は、第１制御部１２０および第２制御部１６０の機能構成図である。第１制御部１２０は、例えば、認識部１３０と、行動計画生成部１４０とを備える。第１制御部１２０は、例えば、ＡＩ（Artificial Intelligence；人工知能）による機能と、予め与えられたモデルによる機能とを並行して実現する。例えば、「交差点を認識する」機能は、ディープラーニング等による交差点の認識と、予め与えられた条件（パターンマッチング可能な信号、道路標示などがある）に基づく認識とが並行して実行され、双方に対してスコア付けして総合的に評価することで実現されてよい。これによって、自動運転の信頼性が担保される。

認識部１３０は、カメラ１０、レーダ装置１２、およびＬＩＤＡＲ１４から物体認識装置１６を介して入力された情報に基づいて、自車両Ｍの周辺にある物体の位置、および速度、加速度等の状態を認識する。物体の位置は、例えば、自車両Ｍの代表点（重心や駆動軸中心など）を原点とした絶対座標上の位置として認識され、制御に使用される。物体の位置は、その物体の重心やコーナー等の代表点で表されてもよいし、表現された領域で表されてもよい。物体の「状態」とは、物体の加速度やジャーク、あるいは「行動状態」（例えば車線変更をしている、またはしようとしているか否か）を含んでもよい。

また、認識部１３０は、例えば、自車両Ｍが走行している車線（走行車線）を認識する。例えば、認識部１３０は、第２地図情報６２から得られる道路区画線のパターン（例えば実線と破線の配列）と、カメラ１０によって撮像された画像から認識される自車両Ｍの周辺の道路区画線のパターンとを比較することで、走行車線を認識する。なお、認識部１３０は、道路区画線に限らず、道路区画線や路肩、縁石、中央分離帯、ガードレールなどを含む走路境界（道路境界）を認識することで、走行車線を認識してもよい。この認識において、ナビゲーション装置５０から取得される自車両Ｍの位置やＩＮＳによる処理結果が加味されてもよい。また、認識部１３０は、一時停止線、障害物、赤信号、料金所、その他の道路事象を認識する。

認識部１３０は、走行車線を認識する際に、走行車線に対する自車両Ｍの位置や姿勢を認識する。認識部１３０は、例えば、自車両Ｍの基準点の車線中央からの乖離、および自車両Ｍの進行方向の車線中央を連ねた線に対してなす角度を、走行車線に対する自車両Ｍの相対位置および姿勢として認識してもよい。これに代えて、認識部１３０は、走行車線のいずれかの側端部（道路区画線または道路境界）に対する自車両Ｍの基準点の位置などを、走行車線に対する自車両Ｍの相対位置として認識してもよい。

認識部１３０は、例えば、車両Ｍの周辺の状況を認識する。認識部１３０は、車道や、歩道、交通参加者を認識する。交通参加者は、歩道に存在する歩行者や、自転車、自転車以外の移動体、これらの進行に影響する物体等を含む。

行動計画生成部１４０は、原則的には推奨車線決定部６１により決定された推奨車線を走行し、更に、自車両Ｍの周辺状況に対応できるように、自車両Ｍが自動的に（運転者の操作に依らずに）将来走行する目標軌道を生成する。目標軌道は、例えば、速度要素を含んでいる。例えば、目標軌道は、自車両Ｍの到達すべき地点（軌道点）を順に並べたものとして表現される。軌道点は、道なり距離で所定の走行距離（例えば数［ｍ］程度）ごとの自車両Ｍの到達すべき地点であり、それとは別に、所定のサンプリング時間（例えば０コンマ数［ｓｅｃ］程度）ごとの目標速度および目標加速度が、目標軌道の一部として生成される。また、軌道点は、所定のサンプリング時間ごとの、そのサンプリング時刻における自車両Ｍの到達すべき位置であってもよい。この場合、目標速度や目標加速度の情報は軌道点の間隔で表現される。

行動計画生成部１４０は、目標軌道を生成するにあたり、自動運転のイベントを設定してよい。自動運転のイベントには、定速走行イベント、低速追従走行イベント、車線変更イベント、分岐イベント、合流イベント、テイクオーバーイベントなどがある。行動計画生成部１４０は、起動させたイベントに応じた目標軌道を生成する。

行動計画生成部１４０は、例えば、予測部１４２と、設定部１４４とを含む。予測部１４２は、認識部１３０により認識された交通参加者の将来の位置を予測する。予測部１４２は、例えば、過去の交通参加者の位置の変化に基づいて交通参加者の将来の位置を予測する。

設定部１４４は、認識部１３０により認識された交通参加者に対してリスク指標を設定する。この処理の詳細については後述する。

第２制御部１６０は、行動計画生成部１４０によって生成された目標軌道を、予定の時刻通りに自車両Ｍが通過するように、走行駆動力出力装置２００、ブレーキ装置２１０、およびステアリング装置２２０を制御する。

図２に戻り、第２制御部１６０は、例えば、取得部１６２と、速度制御部１６４と、操舵制御部１６６とを備える。取得部１６２は、行動計画生成部１４０により生成された目標軌道（軌道点）の情報を取得し、メモリ（不図示）に記憶させる。速度制御部１６４は、メモリに記憶された目標軌道に付随する速度要素に基づいて、走行駆動力出力装置２００またはブレーキ装置２１０を制御する。操舵制御部１６６は、メモリに記憶された目標軌道の曲がり具合に応じて、ステアリング装置２２０を制御する。速度制御部１６４および操舵制御部１６６の処理は、例えば、フィードフォワード制御とフィードバック制御との組み合わせにより実現される。一例として、操舵制御部１６６は、自車両Ｍの前方の道路の曲率に応じたフィードフォワード制御と、目標軌道からの乖離に基づくフィードバック制御とを組み合わせて実行する。

走行駆動力出力装置２００は、車両が走行するための走行駆動力（トルク）を駆動輪に出力する。走行駆動力出力装置２００は、例えば、内燃機関、電動機、および変速機などの組み合わせと、これらを制御するＥＣＵ（Electronic Control Unit）とを備える。ＥＣＵは、第２制御部１６０から入力される情報、或いは運転操作子８０から入力される情報に従って、上記の構成を制御する。

ブレーキ装置２１０は、例えば、ブレーキキャリパーと、ブレーキキャリパーに油圧を伝達するシリンダと、シリンダに油圧を発生させる電動モータと、ブレーキＥＣＵとを備える。ブレーキＥＣＵは、第２制御部１６０から入力される情報、或いは運転操作子８０から入力される情報に従って電動モータを制御し、制動操作に応じたブレーキトルクが各車輪に出力されるようにする。ブレーキ装置２１０は、運転操作子８０に含まれるブレーキペダルの操作によって発生させた油圧を、マスターシリンダを介してシリンダに伝達する機構をバックアップとして備えてよい。なお、ブレーキ装置２１０は、上記説明した構成に限らず、第２制御部１６０から入力される情報に従ってアクチュエータを制御して、マスターシリンダの油圧をシリンダに伝達する電子制御式油圧ブレーキ装置であってもよい。

ステアリング装置２２０は、例えば、ステアリングＥＣＵと、電動モータとを備える。電動モータは、例えば、ラックアンドピニオン機構に力を作用させて転舵輪の向きを変更する。ステアリングＥＣＵは、第２制御部１６０から入力される情報、或いは運転操作子８０から入力される情報に従って、電動モータを駆動し、転舵輪の向きを変更させる。

［リスク領域を設定する処理］
設定部１４４は、歩道を進行する交通参加者が将来進入する領域における歩道から歩道に隣接する車道への交通参加者の進入のしやすさに基づいて、交通参加者が将来存在する位置に対するリスクポテンシャル（リスク指標）を設定する。設定部１４４は、交通参加者が車道へ進入しやすいほど車道側に設定するリスクポテンシャルを大きくする。車道側に設定するリスクポテンシャルを大きくするとは、交通参加者が車道へ進入しやすいほど車道側のリスク領域が大きく設定されることや、交通参加者が車道へ進入しやすいほど車道側のリスク領域におけるリスクポテンシャルが高く設定されることである。

「リスク領域」とは、リスクポテンシャルが設定される領域である。「リスクポテンシャル」とは、リスクポテンシャルが設定された領域に車両Ｍが進入した場合のリスクの高さを示す指標値である。リスク領域は、所定の大きさの指標値（ゼロを超える指標値）であるリスクポテンシャルが設定された領域である。「進入のしやすさ」とは、車道と歩道との境界における構造に基づいて推定される進入の容易度である。以下の説明では、交通参加者は、自転車であるものとして説明するが、交通参加者は、歩行者や、他の移動体でもよい。

図３は、リスク領域を設定する処理の概要を説明するための図である。設定部１４４は、以下の（１）－（５）の情報に基づいて、リスク領域を設定する。
（１）歩道上の自転車の有無の情報
（２）自転車が車道へ下りられる場所の有無の情報
（３）自転車が車道へ下りられる場所の構造の情報
（４）自転車の振る舞いに関する情報
（５）自転車の前方に存在する歩行者・障害物の有無の情報

上記の（１）－（５）は、認識部１３０が、カメラ１０により撮像された画像の認識結果に基づいて認識した情報である。例えば、上記（１）または（５）は、認識部１３０が、ＬＩＤＡＲ１４の検知結果に基づいて認識してもよい。

自動運転制御装置１００は、設定部１４４により設定されたリスク領域に基づいて車載機器を制御する。例えば、自動運転制御装置１００は、リスク領域に基づいて、車両Ｍの行動計画を生成し、行動計画に応じて車両Ｍを制御する。また、自動運転制御装置１００は、リスク領域に基づいて、車両Ｍの乗員に対して、自転車に注視することを示す情報（警報）をスピーカや表示部に表示させる。

（１．歩道上の自転車の有無の情報）
図４は、自転車の有無の情報について説明するための図である。以下、車両Ｍの進行方向をＸ方向と称し、車両Ｍの幅方向をＹ方向と称する場合がある。図示するように、車線Ｌ１および車線Ｌ２を含む車道と、歩道Ｗとが存在している。車両Ｍは、車線Ｌ１を走行している。自転車Ｂは、歩道Ｗに存在し、車両Ｍの進行方向と同方向（プラスＸ方向）に進行している。歩行者ＰＤは、車両Ｍおよび自転車Ｂの前方の歩道に存在し、マイナスＸ方向に進行している。また、車道と歩道Ｗとの間にはガードレールＧが設けられている。

認識部１３０は、車両Ｍの前方に存在する自転車Ｂを認識する。設定部１４４は、式（１－１）に基づいて、Ｋ＿ｃｙｃ（ｋ）を取得する。歩道上に自転車Ｂが存在する場合、Ｋ＿ｃｙｃ（ｋ）は「１」である。歩道上に自転車Ｂが存在しない場合、Ｋ＿ｃｙｃ（ｋ）は「０」である。

（２．自転車が車道へ下りられる場所の有無の情報）
認識部１３０は、自転車Ｂの前方に自転車Ｂが歩道Ｗから車道に進入可能な領域の存在の有無を認識する。歩道Ｗから車道に進入可能な領域とは、図５に示すように歩道Ｗと車道との間に設けられたガードレールＧの切れ目の領域ＡＲ１や、歩道Ｗと車道との間に設けられた柵の切れ目の領域である。また、歩道Ｗから車道に進入可能な領域とは、図６に示すように歩道Ｗと車道との間に設けられた植栽の切れ目の領域ＡＲ２である。

設定部１４４は、式（１－２）に基づいて、Ｋ＿ｇｕ（ｋ）を取得する。切れ目が存在する場合、Ｋ＿ｇｕ（ｋ）は「１」である。切れ目が存在しない場合、Ｋ＿ｇｕ（ｋ）は「０」である。

（３．自転車が車道へ下りられる場所の構造の情報）
認識部１３０は、自転車Ｂの前方に自転車Ｂが歩道Ｗから車道に進入可能な領域の種別を認識する。種別は、下記の図７－図１１に示す構造（Ａ）－（Ｅ）の種別を含む。図７は、構造（Ａ）の一例を示す図である。構造（Ａ）は、車道に設けられた側道（図７の領域ＡＲ３）や、車道に交差する道路、駐車場の入口などの構造である。

例えば、認識部１３０は、学習済モデル１８２またはパターン情報１８４を用いて上記の構造を認識する。学習済モデル１８２は、画像が入力されると、画像の構造の種別を示す情報を出力するモデルである。学習済モデル１８２は、上記の構造を含む画像と、その画像の構造の種別とを示す情報とを含む学習データが学習されたモデルである。パターン情報１８４は、構造の種別と構造の特徴量とが関連付けられた情報である。特徴量は、画像から得られた輝度値の変化度合などの特徴である。認識部１３０は、例えば、カメラ１０により撮像された画像から得られた特徴量と、パターン情報１８４の特徴量とを比較し、比較結果に基づいて構造の種別を特定する。

図８は、構造（Ｂ）の一例を示す図である。構造（Ｂ）は、車道と歩道との間に設けられた段差（縁石）が第１高さ（例えば３ｃｍ）以下である構造である。構造（Ｂ）は、例えば、歩道の高さが車道の高さに対して第１高さ以下である。構造（Ｂ）は、例えば、バリアフリー対応の縁石である。

図９は、構造（Ｃ）の一例を示す図である。構造（Ｃ）は、車道と歩道との間にスロープが設けられた構造である。

図１０は、構造（Ｄ）の一例を示す図である。構造（Ｄ）は、車道と歩道との間に設けられた段差（縁石）が第１高さを超え第２高さ（例えば５ｃｍ）以下である構造である。構造（Ｄ）は、例えば、歩道の高さが車道の高さに対して第２高さ以下である構造である。

図１１は、構造（Ｅ）の一例を示す図である。構造（Ｅ）は、車道と歩道との間に設けられた段差（縁石）が第２高さを超える構造である。構造（Ｅ）は、例えば、歩道と車道とを分離する目的で設けられた縁石である。構造（Ｅ）は、例えば、歩道の高さが車道の高さに対して第３高さ程度（１０ｃｍ）高い構造である。

設定部１４４は、式（１－３）に基づいて、Ｋ＿ｓｔ（ｋ）を取得する。構造が構造（Ａ）である場合、Ｋ＿ｓｔ（ｋ）は「３」である。構造が構造（Ｂ）である場合、Ｋ＿ｓｔ（ｋ）は「２」である。構造が構造（Ｃ）または構造（Ｄ）である場合、Ｋ＿ｓｔ（ｋ）は「１」である。構造が構造（Ｅ）である場合、Ｋ＿ｓｔ（ｋ）は「０」である。

（４．自転車の振る舞いに関する情報）
認識部１３０は、自転車Ｂ（または乗員）の振る舞いを認識する。振る舞いとは、自転車Ｂが車道に進入することが予見される振る舞いである。振る舞いとは、乗員の顔や頭、体の向きが車道方向に向いている（向いた）振る舞いや、自転車Ｂが車道方向に傾いている振る舞いである。例えば、設定部１４４は、交通参加者の顔または体の向きが車道側に向いている場合に車道側に設定するリスクポテンシャルを、交通参加者の顔または体の向きが車道側に向いていない場合に車道側に設定するリスクポテンシャルよりも大きくする。

図１２は、自転車Ｂが車道方向に傾いている様子の一例を示す図である。例えば、自転車Ｂの乗員の顔が歩道の延在方向に対して所定角度以上横方向（延在方向に対して車道方向）に向いている場合、認識部１３０は、車道方向を見たため、自転車Ｂは車道に進入する振る舞いを行ったと認識する。

また、設定部１４４は、交通参加者または移動体の中心軸が鉛直方向に対して傾いている場合に車道側に設定するリスクポテンシャルを、交通参加者または移動体の中心軸が鉛直方向に対して傾いていない場合に車道側に設定するリスクポテンシャルよりも大きくする。例えば、認識部１３０は、自転車Ｂが直立している状態よりも、自転車が車道側に傾いていること（鉛直方向に対して所定度合以上傾いていること）を認識した場合、自転車Ｂは車道に進入する振る舞いを行ったと認識する。例えば、図１２に示すように、自転車Ｂの中心軸が、鉛直方向Ｔｓに対して、角度θ傾き、方向Ｔである場合、認識部１３０は、自転車Ｂは車道に進入する振る舞いを行ったと認識する。

また、自転車Ｂの乗員が手を車道側に出して車道に進入するような動作を行った場合、認識部１３０は、自転車Ｂは車道に進入する振る舞いを行ったと認識してもよい。

設定部１４４は、式（１－４）に基づいてＤ＿ｆｄ（ｋ）を取得する。現在から過去の所定時間以内に、自転車Ｂの乗員が車道方向を見た場合、Ｄ＿ｆｄ（ｋ）は「１」である。現在から過去の所定時間以内に、自転車Ｂの乗員が車道方向を見ていない場合、Ｄ＿ｆｄ（ｋ）は「０」である。

設定部１４４は、式（１－５）に基づいてＤ＿ｂａｎｋ（ｋ）を取得する。自転車が基準方向（鉛直方向）に対して所定角度以上車道方向に傾いている場合、Ｋ＿ｂａｎｋ（ｋ）は「１」である。自転車が基準方向（鉛直方向）に対して所定角度以上車道方向に傾いていない場合、Ｋ＿ｂａｎｋ（ｋ）は「０」である。

（５．自転車の前方に存在する歩行者・障害物の有無の情報）
認識部１３０は、図１３に示すように自転車Ｂの前方に存在する歩行者ＰＤまたは障害物を認識する。歩行者または障害物は、例えば、自転車Ｂが歩道を走行した場合に自転車Ｂの走行に影響する物体である。影響するとは、例えば、自転車Ｂが速度を低下させたり、自転車Ｂが干渉する可能性が存在したりすることである。この際、車道の広さが加味されてもよい。例えば、車道が広いほど、自転車Ｂの前方に存在する歩行者または障害物の影響度が低くされてもよい。

設定部１４４は、式（１－６）に基づいてＫ＿оｂｓ（ｋ）を取得する。自転車Ｂの前方に歩行者または障害物が存在する場合、Ｄ＿оｂｓ（ｋ）は「３」である。自転車Ｂの前方に歩行者または障害物が存在する場合、Ｄ＿оｂｓ（ｋ）は「０」である。

（リスク領域を導出する処理）
設定部１４４は、上記の（１）－（５）の情報を統合してリスク領域を設定する。設定部１４４は、例えば、上記の式（１－１）－（１－６）で得られたスコア（リスクレベル）を統合して統合スコアを導出し、導出した統合スコアに基づいてリスク領域を設定する。統合スコアが大きいほど、例えば、車道側に設定されるリスク領域は大きくなる。また、統合スコアが大きいほど、例えば、車道側に設定されるリスク領域のリスクポテンシャルは大きくなるように設定されてもよい。

設定部１４４は、式（１－７）に基づいて、統合スコアであるＲｉｓｋ＿ｌｅｖｅｌ（ｋ）を取得する。Ｒｉｓｋ＿ｌｅｖｅｌ（ｋ）は、第１スコアと、第２スコアとを乗算して得られるスコアである。第１スコアは、Ｋ＿ｃｙｃ（ｋ）、Ｋ＿ｇｕ（ｋ）およびＫ＿ｓｔ（ｋ）を乗算したスコアである。第２スコアは、基準値（例えば「１」）、Ｄ＿ｆｄ（ｋ）、Ｄ＿ｂａｎｋ（ｋ）およびＤ＿оｂｓ（ｋ）を加算したスコアである。

上記のようにＫ＿ｇｕ（ｋ）が「０」である場合、リスクレベルは「０」または所定値に設定される。つまり、設定部１４４は、歩道と車道との境界の構造が歩道から車道に交通参加者が進入可能な構造（車道へ進入しやすい構造）である場合に車道側に設定するリスクポテンシャルを、構造が進入可能でない構造である場合に車道側に設定するリスクポテンシャルよりも大きくする。

上記のようにＫ＿ｓｔ（ｋ）のスコアに応じてリスクレベルが設定される。つまり、設定部１４４は、歩道と車道との境界の構造の種類（例えば縁石の種別などの車道への進入のしやすさ）に応じてリスクポテンシャルを設定する。

上記のようにＤ＿ｆｄ（ｋ）のスコアに応じてリスクレベルが設定される。例えば、設定部１４４は、交通参加者が車道方向を見た場合、交通参加者が車道方向を見ない場合に設定するリスク領域よりも大きいリスク領域を設定する。

上記のようにＤ＿ｂａｎｋ（ｋ）のスコアに応じてリスクレベルが設定される。例えば、例えば、設定部１４４は、交通参加者の中心軸が鉛直方向に対して傾いている場合に車道側に設定するリスクポテンシャルを、交通参加者の中心軸が鉛直方向に対して傾いていない場合に車道側に設定するリスクポテンシャルよりも大きくする。

上記のようにＤ＿оｂｓ（ｋ）のスコアに応じてリスクレベルが設定される。設定部１４４は、歩道を進行する交通参加者が将来進入する領域の前方に交通参加者の進行に影響する物体が存在する場合に車道側に設定するリスクポテンシャルを、交通参加者の進行に影響する物体が存在しない場合に車道側に設定するリスクポテンシャルよりも大きくする。

なお、上記（１－１）－（１－６）で用いられた各スコアは、一例であり、スコアは適宜設定されてもよい。また、統合スコアを導出は、上記（１－７）に代えて、所定の関数が用いられてもよい。

（リスク領域に基づく処理）
自動運転制御装置１００は、設定部１４４により設定されたリスク領域に基づいて、車両Ｍの車載機器を制御する。例えば、自動運転制御装置１００は、リスク領域に車両Ｍの行動計画を生成し、生成した行動計画に基づいて車両Ｍを制御する。図１４は、リスク領域と行動計画と車両Ｍの挙動との一例を示す図である。例えば、リスク領域が車道側に拡大するほど、リスク領域を避けるように車両ＭはプラスＹ方向側の位置を走行するように制御される。

上記の例では、車両Ｍは、自動運転がされるものとして説明したが、これに加えて（または代えて）運転支援機能を備えてもよい。運転支援機能とは、車両Ｍの速度または操舵のうち少なくとも一方が車両Ｍの制御装置により実行される機能である。運転支援機能は、例えば、前走車両との車間距離を一定に維持しながら走行するように車両Ｍを制御するＡＣＣ（Adaptive Cruise Control）や、道路区画線との距離を所定距離に維持しながら走行するように車両Ｍを制御するＬＫＡＳ（Lane Keeping Assist System）などである。

運転支援機能が実行されている場合、自動運転制御装置１００は、リスク領域に応じて、車両Ｍの乗員に警報を通知する。例えば、リスク領域が車道側に拡大するほど、警報の報知の度合を大きくする。警報とは、音声を利用した警報や、画像を利用した警報、ステアリングホイールなどの振動を利用した警報等である。

また、車両ＭがＡＩコンシェルジュ機能を有する場合、ＡＩコンシェルジュが、リスク領域に応じて処理を実行してもよい。ＡＩコンシェルジュは、人工知能を用いて、乗員と会話したり、乗員の運転を支援したりする機能である。例えば、リスク領域が第１閾値以上であり、第２閾値未満である場合、ＡＩコンシェルジュは、間接誘導を行う。間接誘導とは、乗員の操作を間接的に誘導することである。例えば、出力装置が、ＡＩコンシェルジュ機能によって、自転車Ｂが車道に進入してくるリスクが高いことを示す情報を乗員に提供し、乗員にリスクが高いリスク領域に近づかいように誘導する。

例えば、リスク領域が第２閾値以上である場合、ＡＩコンシェルジュは、直接誘導を行う。直接誘導とは、乗員の操作を直接的に誘導することである。例えば、自動運転制御装置１００が、ＡＩコンシェルジュ機能によって、リスク領域に近づかいように車両Ｍの操舵または速度を直接制御することで車両Ｍをリスク領域から離れた位置に誘導したり、近づかないように誘導したりする。

（リスクポテンシャルの一例）
図１５は、リスク領域と、リスク領域におけるリスクポテンシャルとの一例を示す図である。設定部１４４は、自転車Ｂの将来の軌道を予測し、予測した軌道上での将来の各時刻の存在確率に基づいて、リスクポテンシャルとリスク領域とを設定する。図１５では、現在の時刻ｔを基準に、時刻ｔ＋１、時刻ｔ＋２、・・・時刻ｔ＋ｎのときに自転車Ｂの軌道に対して設定されたリスクポテンシャルを含むリスク領域Ｒ１を示している。例えば、時刻ｔから時間が経過するほど、自転車Ｂが存在する可能性を示すリスク領域は分散する。

図１６は、図１５のリスク領域Ｒ１のＡ－Ａ´におけるリスクポテンシャルの大きさの一例を示す図である。リスク領域Ｒ１のＡ－Ａ´は、時刻ｔ＋ｘに自転車Ｂが存在すると推定されるリスク領域である。例えば、自転車Ｂが車道を走行する可能性が、歩道を走行する可能性よりも高いと推定された場合、車道側のリスクポテンシャルは、歩道側のリスクポテンシャルよりも大きく設定される。

（リスクポテンシャルの他の一例）
設定部１４４は、上記のリスク領域の設定手法に代えて、以下のようにリスク領域を設定してもよい。予測部１４２は、過去の自転車Ｂの行動履歴に含まれる速度や加速度、移動方向に基づいて、所定時間後（将来の単位時間ごと）の自転車Ｂの位置Ｘ（例えばＸ方向の位置）を予測する。設定部１４４は、上述した処理により求められた自転車Ｂが車道側に進入する可能性に基づいて、所定時間後の自転車Ｂの位置に対するリスク領域を設定する。

更に、設定部１４４は、設定したリスク領域を歩道側にオフセットする。設定部１４４は、少なくともリスクポテンシャルが閾値以上である場合、少なくとも車道側に設定するリスクポテンシャルに対応する特定領域を歩道側にオフセットする。

図１７は、自転車Ｂが車道側に進入する可能性が比較的低い場合に設定されるリスク領域Ｒ２の一例を示す図である。設定部１４４は、所定時間後の自転車Ｂの位置Ｘを中心に、リスク領域を設定した後、リスク領域の中心を位置Ｘ＃にオフセットとして、リスク領域Ｒ２を設定する。

図１８は、自転車Ｂが車道側に進入する可能性が比較的高い場合に設定されるリスク領域Ｒ３の一例を示す図である。設定部１４４は、所定時間後の自転車Ｂの位置Ｘを中心に、リスク領域を設定した後、リスク領域の中心を位置Ｘ＃にオフセットとして、リスク領域Ｒ３を設定する。リスク領域Ｒ３は、リスク領域Ｒ２よりも大きい領域である。リスク領域Ｒ２およびリスク領域Ｒ３は、例えば円状の領域である。

図１９は、図１８のＡ－Ａ´において設定されたリスクポテンシャルの一例を示す図である。設定部１４４は、例えば、予測された自転車Ｂが車道側に進入する可能性に基づいて、位置ごとのリスクポテンシャルの大きさと、リスクポテンシャルのＹ方向の分布を調整してリスクポテンシャルを設定する。設定部１４４は、予め設定されたマップや関数に基づいてリスクポテンシャルを設定する。マップとは、例えば、自転車Ｂが、歩道を進行する確率と車道に進入する確率とに対して、リスクポテンシャルの分布が関連付けられたものである。

（リスクポテンシャルの一例）で説明したように、自転車Ｂの将来の軌道に対して、自転車Ｂが存在確率を予測するのは、自動運転制御装置にとって処理負荷が大きい場合がある。この場合、自動運転制御装置１００は、自転車Ｂの状態をより詳細に観測する必要があったり、不確実性を排除するために複雑な処理を行う必要があったりするためである。自転車Ｂの挙動は、乗員の意思の影響が大きいことから不確実が高いためである。

これに対して、（リスクポテンシャルの他の一例）では、自動運転制御装置１００は、自転車Ｂの速度に基づいて予測した将来の自転車Ｂの位置と、リスクポテンシャルの大きさと分布と、自転車Ｂが車道に進入する可能性とに基づいて、リスク領域（リスクポテンシャル）を設定することにより、より簡易にリスク領域を設定することができる。

また、リスク領域は、歩道側にオフセットされるため、車両Ｍは、リスク領域を避けながら滑らかに走行することができる。図２０は、リスク領域がオフセットされない場合とされた場合の車両Ｍの挙動を比較する図である。例えば、図２０の（Ａ）に示すように、リスク領域Ｒ４がオフセットされない場合、車両はリスク領域Ｒ４を回避するためにリスク領域Ｒ４のプラスＹ方向側をリスク領域Ｒ４の円弧に基づいて円弧状に走行する。このとき、車両Ｍが交通参加者の回避を開始する際の操舵量の変化が急激になり、乗り心地が悪くなり搭乗者に不安を感じさせることとなる。

これに対して、図２０の（Ｂ）に示すように、リスク領域Ｒ５がオフセットされ、更にリスク領域Ｒ５が拡大されると、操舵量の変化が緩やかになり、乗り心地が向上し搭乗者に安心感を与えることができる。車両Ｍはリスク領域Ｒ５を回避するためにリスク領域Ｒ５のプラスＹ方向側をリスク領域Ｒ５の円弧に基づいて円弧状に走行する。このとき、車両Ｍが交通参加者の回避を開始する際の操舵量の変化は、図２０（Ａ）の操舵量の変化よりも抑制される。なぜなら、リスク領域Ｒ５の円弧の曲率は、リスク領域Ｒ４の円弧の曲率よりも小さいためである。例えば、図２０（Ｂ）の領域ｂの軌道の曲率は、図２０（Ａ）の領域ａの軌道の曲率よりも小さくなる。このように、車両Ｍは、緩やかな軌道でリスク領域Ｒ５を回避することができる。更に、車両Ｍの操舵量の急激な変化が抑制され、乗り心地を向上させて搭乗者の不安を軽減させることができる。なお、オフセットされる距離や、リスク領域Ｒ５の拡大度合は、自転車Ｂが車道側に進入するリスクや、周辺環境に応じて好適に設定される。例えば、リスク領域Ｒ５のプラスＹ方向側の端部の位置は、オフセット前のリスク領域Ｒ４のプラスＹ方向側の端部の位置に合致するように設定される。

（まとめ）
図２１は、比較例の車両の挙動と本実施形態の車両の挙動とを比較するための図である。比較例では、自転車Ｂが車道側に進入するリスクが十分に加味されないため、自転車Ｂが、例えば柵と柵との間から車道に進入してきた場合、車両Ｍは、自転車Ｂとの距離を十分にとるために、急峻に旋回したり、強い制動力をブレーキ装置に出力させたりする必要がある（図２１の（Ｃ）参照）。

これに対して、本実施形態では、自転車Ｂが車道側に進入するリスクが十分に加味されるため、自転車Ｂが、例えば柵と柵との間から車道に進入してきても、車両Ｍは、自転車Ｂの挙動を予め予測しているため、余裕をもって自転車Ｂとの距離を十分にとることができる。このため、車両Ｍは、急峻に旋回したり、強い制動力をブレーキ装置に出力させたりすることを抑制する（図２１の（Ｄ）参照）。

また、本実施形態では、処理負荷を軽減しつつリスク領域を設定し、更にリスク領域がオフセットされるため、車両Ｍは、滑らかな軌道を走行してリスク領域を回避しつつ進行することができる。

以上説明した実施形態によれば、自動運転制御装置１００は、歩道を進行する交通参加者が将来進入する領域における歩道から歩道に隣接する車道への交通参加者の進入のしやすさに基づいて、交通参加者将来存在する位置に対するリスクポテンシャルを設定し、交通参加者が車道へ進入しやすいほど車道側に設定するリスクポテンシャルを大きくすることにより、交通参加者と、交通参加者の周辺の環境に応じた適切な車両の制御が実現することができる。

［ハードウェア構成］
図２２は、実施形態の自動運転制御装置１００のハードウェア構成の一例を示す図である。図示するように、自動運転制御装置１００は、通信コントローラ１００－１、ＣＰＵ１００－２、ワーキングメモリとして使用されるＲＡＭ（Random Access Memory）１００－３、ブートプログラムなどを格納するＲＯＭ（Read Only Memory）１００－４、フラッシュメモリやＨＤＤ（Hard Disk Drive）などの記憶装置１００－５、ドライブ装置１００－６などが、内部バスあるいは専用通信線によって相互に接続された構成となっている。通信コントローラ１００－１は、自動運転制御装置１００以外の構成要素との通信を行う。記憶装置１００－５には、ＣＰＵ１００－２が実行するプログラム１００－５ａが格納されている。このプログラムは、ＤＭＡ（Direct Memory Access）コントローラ（不図示）などによってＲＡＭ１００－３に展開されて、ＣＰＵ１００－２によって実行される。これによって、第１制御部１２０、第２制御部１６０、およびこれらに含まれる機能部のうち一部または全部が実現される。

上記説明した実施形態は、以下のように表現することができる。
プログラムを記憶した記憶装置と、
ハードウェアプロセッサと、を備え、
前記ハードウェアプロセッサが前記記憶装置に記憶されたプログラムを実行することにより、
車両の周辺を認識し、
前記認識された交通参加者に対してリスク領域を設定し、
前記設定されたリスク領域に基づいて、前記車両の車載機器を制御し、
歩道を進行する前記交通参加者が将来進入する領域における前記歩道から前記歩道に隣接する車道への前記交通参加者の進入のしやすさに基づいて、前記交通参加者が将来存在する位置に対するポテンシャルを設定し、前記交通参加者が前記車道へ進入しやすいほど前記車道側に設定するポテンシャルを大きくする、実行するように構成されている、車両制御装置。

以上、本発明を実施するための形態について実施形態を用いて説明したが、本発明はこうした実施形態に何等限定されるものではなく、本発明の要旨を逸脱しない範囲内において種々の変形及び置換を加えることができる。

１‥車両システム、１００‥自動運転制御装置、１２０‥第１制御部、１３０‥認識部、１４０‥行動計画生成部、１４２‥予測部、１４４‥設定部、１６０‥第２制御部

Claims (12)

1. 車両の周辺を認識する認識部と、
   前記認識部により認識された交通参加者に対してリスク指標を設定する設定部と、
   前記設定部により設定されたリスク指標に基づいて、前記車両の車載機器を制御する制御部と、を備え、
   前記設定部は、歩道を進行する前記交通参加者が将来進入する領域における前記歩道から前記歩道に隣接する車道への前記交通参加者の進入のしやすさに基づいて、前記交通参加者が将来存在する位置に対するリスク指標を設定し、前記交通参加者が前記車道へ進入しやすいほど前記車道側に設定するリスク指標を大きくし、
   前記設定部は、少なくとも前記リスク指標が閾値以上である場合、少なくとも前記車道側に設定する前記リスク指標に対応する特定領域を前記歩道側にオフセットする、
   車両制御装置。
2. 前記制御部は、前記設定されたリスク指標に基づいて、前記車両の速度および操舵を制御する、
   請求項１に記載の車両制御装置。
3. 前記制御部は、前記設定されたリスク指標に基づいて、前記車両の乗員に前記交通参加者を注視させるための情報を、出力装置に出力させる、
   請求項１または２に記載の車両制御装置。
4. 前記交通参加者は、自転車である、
   請求項１から３のうちいずれか１項に記載の車両制御装置。
5. 前記設定部は、前記歩道と前記車道との境界の構造が前記歩道から前記車道に前記交通参加者が進入可能な構造である場合に前記車道側に設定するリスク指標を、前記構造が進入可能でない構造である場合に前記車道側に設定する前記リスク指標よりも大きくする、
   請求項１から４のうちいずれか１項に記載の車両制御装置。
6. 前記設定部は、前記歩道と前記車道との境界の構造の種類に応じて前記リスク指標を設定する、
   請求項１から５のうちいずれか１項に記載の車両制御装置。
7. 前記構造は、前記境界に設けられた縁石の種別である、
   請求項６に記載の車両制御装置。
8. 前記設定部は、前記交通参加者の顔または体の向きが前記車道側に向いている場合に前記車道側に設定する前記リスク指標を、前記交通参加者の顔または体の向きが前記車道側に向いていない場合に前記車道側に設定する前記リスク指標よりも大きくする、
   請求項１から７のうちいずれか１項に記載の車両制御装置。
9. 前記交通参加者は、人物または人物が乗車した移動体を含み、
   前記設定部は、前記交通参加者または前記移動体の中心軸が鉛直方向に対して傾いている場合に前記車道側に設定するリスク指標を、前記交通参加者または前記移動体の中心軸が鉛直方向に対して傾いていない場合に前記車道側に設定するリスク指標よりも大きくする、
   請求項１から８のうちいずれか１項に記載の車両制御装置。
10. 前記設定部は、前記歩道を進行する前記交通参加者が将来進入する領域の前方に前記交通参加者の進行に影響する物体が存在する場合に前記車道側に設定する前記リスク指標を、前記交通参加者の進行に影響する物体が存在しない場合に前記車道側に設定する前記リスク指標よりも大きくする、
    請求項１から９のうちいずれか１項に記載の車両制御装置。
11. コンピュータが、
    車両の周辺を認識し、
    前記認識された交通参加者に対してリスク指標を設定し、
    前記設定されたリスク指標に基づいて、前記車両の車載機器を制御し、
    歩道を進行する前記交通参加者が将来進入する領域における前記歩道から前記歩道に隣接する車道への前記交通参加者の進入のしやすさに基づいて、前記交通参加者が将来存在する位置に対するリスク指標を設定し、前記交通参加者が前記車道へ進入しやすいほど前記車道側に設定するリスク指標を大きくし、
    少なくとも前記リスク指標が閾値以上である場合、少なくとも前記車道側に設定する前記リスク指標に対応する特定領域を前記歩道側にオフセットする、
    車両制御方法。
12. コンピュータに、
    車両の周辺を認識する処理と、
    前記認識された交通参加者に対してリスク指標を設定する処理と、
    前記設定されたリスク指標に基づいて、前記車両の車載機器を制御する処理と、
    歩道を進行する前記交通参加者が将来進入する領域における前記歩道から前記歩道に隣接する車道への前記交通参加者の進入のしやすさに基づいて、前記交通参加者が将来存在する位置に対するリスク指標を設定し、前記交通参加者が前記車道へ進入しやすいほど前記車道側に設定するリスク指標を大きくする処理と、
    少なくとも前記リスク指標が閾値以上である場合、少なくとも前記車道側に設定する前記リスク指標に対応する特定領域を前記歩道側にオフセットする処理と、
    を実行させるプログラム。

Images