JPWO2018008082A1 - 走行車線推定システム - Google Patents

Abstract

本発明は、車線毎の詳細形状を含む高精度地図データベースを活用した走行車線推定システムの提供を目的とする。ＧＮＳＳ受信機１１０と、車速算出手段１２０と、角速度計測手段１３０と、ＧＮＳＳ座標から車両の基準座標及び基準方位を算出し、車両位置の時系列データを算出する自車位置測位部２００と、車線毎の区画線の位置情報を含む地図情報を記憶する地図情報記憶部５０と、複数の誤差パターンによる時系列データの事前発生確率と、誤差パターンが発生した条件下で補正後の時系列データ及び区画線の相対的な位置関係に基づいて算出される尤度との積で算出される事後確率が最大となる誤差パターンを最適補正量とし、時系列データを最適補正量で補正して区画線との比較で車両の走行車線を推定する車線推定部３００とを備えたので、車両軌跡から車線変更の検出及び現在の走行車線の推定を精度良く行うことができる。

Description

本発明は、運転者本人が運転している自動車である自車が走行している車線を推定する技術に関するものである。

ナビゲーションシステムは、通常、衛星から受信するＧＮＳＳ（Ｇｌｏｂａｌ Ｎａｖｉｇａｔｉｏｎ Ｓａｔｅｌｌｉｔｅ Ｓｙｓｔｅｍ、全地球航法衛星システム）座標情報に、車両の車輪回転数から計算される車速信号情報、ジャイロセンサから得られる角速度情報等を加味し、デッドレコニング処理を行って得られる自車位置推定座標を保持している。

また、道路をリンクとノード及びそれらに紐づく属性情報のみで表現する通常のナビゲーション向け地図を用いる場合には、マップマッチング処理を行うことにより、どの道路リンク上のどの位置を自車（自分が運転している自動車）が走行しているのかを算出することができ、地図上での車両位置（カーマーク）の表示位置を決定している。

しかしながら、上記ナビゲーション向けの地図は車線レベルの詳細形状情報を含んでおらず、複数の車線を含む道路全体を線分列または曲線等で表現しているため、マップマッチング処理を行っても、どの道路を走行しているかを推定することはできるが、どの車線を走行しているかまでは推定することはできない。また、通常、デッドレコニング処理によって得られる自車位置の推定精度は、マルチパス等衛星受信環境による影響を受けやすく、受信環境によっては１０ｍ程度の誤差を含んでいる。このため、たとえ車線毎の詳細形状を入手して、上記デッドレコニング処理の結果得られる位置に最も近い車線を算出しても、実際の走行車線を正しく推定できる可能性は低いのが現状である。

一方、走行車線を特定するための手法としては、カメラ画像の分析結果を利用する技術が主流である。カメラから得られる画像情報を解析することで、自車に対する周辺の白線情報を取得し、自車から白線情報までの距離の時系列データから、車線をまたいだ事実を検知し、車線変更を検出することが可能となる。

しかしながら、走行車線の特定への利用が期待されるカメラは専用のスペックを備えたものでなければならず、その目的のみのためにカメラを設置することはユーザへの経済的な負担が大きく、上記カメラ画像を利用した走行車線推定技術を適用した製品の市場普及はあまり進んでいない。

この問題に対し、特許文献１ではカメラを使用せずに自車位置の補正を行う技術が示されている。この技術によれば、走行道路特定手段において、パターンマッチングの技術を利用することで、まず、地図の形状情報を基に自車の座標や方位を修正するとともに走行道路を特定する。その後、車線算出手段により、ナビゲーション向けの地図に含まれる車線数や幅員の情報を基に作成した仮想的な車線毎の形状データと、各時刻での測位座標とを基に、自車がそれぞれの走行車線を走行している確率を算出している。

特開平１１−２１１４９１

特許文献１の技術では、地図データを基に作成した車両軌跡のテンプレートを作成し、実際の車両軌跡が上記テンプレートに収まるように測位結果の時系列の補正を行うアイディアが提案されている。しかしながら、上記テンプレートは道路全体の走行可能領域をテンプレートとしてマッチングするものであり、各車線の走行可能領域をテンプレートとしてマッチングするものではない。このため、複数車線が存在する道路においては、車線レベルでの方位補正を行うことができず、パターンマッチングによって期待する精度の方位補正が実現できないことがある。

本発明は上述の問題点に鑑み、車線毎の区画線の位置情報を利用し、車両位置の地図に含まれる区画線に対する相対的な位置関係に基づいて算出されるパスの尤もらしさの評価値を用いて、方位（必要に応じて座標も）の補正量についての事後確率を算出し、事後確率の値が最大となる自車の方位（必要に応じて座標も）の最適補正値を求め、補正の結果得られる車両軌跡から車線変更の検出及び現在の走行車線の推定を行うことを目的とする。

この発明に係る走行車線推定システムは、ＧＮＳＳによって車両の座標を受信するＧＮＳＳ受信機と、車両の走行距離から車速を算出する車速算出手段と、車両の方位の変化量から角速度を計測する角速度計測手段と、座標から車両の基準座標及び基準方位を算出し、基準座標及び基準方位並びに車速及び角速度から車両の測位座標及び測位方位の時系列データを算出する自車位置測位部と、車線毎の区画線の位置情報を含む地図情報を記憶する地図情報記憶部と、複数の誤差パターンによる時系列データの事前発生確率と、誤差パターンが発生した条件下で補正後の時系列データ及び区画線の相対的な位置関係に基づいて算出される尤度との積で算出される事後確率が最大となる誤差パターンを最適補正量とし、時系列データを最適補正量で補正して区画線との比較で車両の走行車線を推定する車線推定部とを備えた走行車線推定システムである。

また、この発明に係る走行車線推定システムは、ＧＮＳＳによって車両の座標を受信するＧＮＳＳ受信機と、車両の走行距離から車速を算出する車速算出手段と、車両の方位の変化量から角速度を計測する角速度計測手段と、座標から車両の基準座標及び基準方位を算出し、基準座標及び基準方位並びに車速及び角速度から車両の測位座標及び測位方位の時系列データを算出する自車位置測位部と、道路リンクを構成するノード座標、道路の幅員、車線数及び通行可能方向の情報を含む地図情報を記憶する簡易版地図情報記憶部と、地図情報から車線毎の区画線を算出する区画線算出部と、複数の誤差パターンによる時系列データの事前発生確率と、誤差パターンが発生した条件下で補正後の時系列データ及び区画線の相対的な位置関係に基づいて算出される尤度との積で算出される事後確率が最大となる誤差パターンを最適補正量とし、時系列データを最適補正量で補正して区画線との比較で車両の走行車線を推定する車線推定部とを備えた走行車線推定システムである。

本発明の走行車線推定システムは、車線毎の区画線の位置情報を利用して事後確率を求め最適補正量で補正するので、車両軌跡から車線変更の検出及び現在の走行車線の推定を精度良く行うことができる。

図１は実施の形態１に係る走行車線推定システムの構成図である。 図２は実施の形態１に係る走行車線推定システムの自車位置測位部における自車位置測位動作を示すフローチャートである。 図３は実施の形態１に係る走行車線推定システムの測位結果蓄積部における測位結果蓄積動作を示すフローチャートである。 図４は実施の形態１に係る走行車線推定システムの中間出力結果の具体例を示す図である。 図５は実施の形態１に係る走行車線推定システムの基準座標及び基準方位、並びに測位座標及び測位方位の時系列データのイメージ図である。 図６は実施の形態１に係る走行車線推定システムの誤差パターンの具体例を示す図である。 図７は実施の形態１に係る走行車線推定システムの事象のイメージ図である。 図８は実施の形態１に係る走行車線推定システムの補正前後のパスのイメージ図である。 図９は実施の形態１に係る走行車線推定システムの補正前後の測位結果蓄積データの具体例を示す図である。 図１０は実施の形態１に係る走行車線推定システムの最適補正量の具体例を示す図である。 図１１は実施の形態２に係る走行車線推定システムの構成図である。 図１２は実施の形態３に係る走行車線推定システムの構成図である。 図１３は実施の形態３に係る走行車線推定システムの誤差パターンの具体例を示す図である。 図１４は実施の形態３に係る走行車線推定システムの補正前後の測位結果蓄積データの具体例を示す図である。 図１５は実施の形態３に係る走行車線推定システムの最適補正量の具体例を示す図である。 図１６は実施の形態４に係る走行車線推定システムの構成図である。 図１７は実施の形態５に係る走行車線推定システムの構成図である。 図１８は実施の形態６に係る走行車線推定システムの構成図である。

実施の形態１．
図１は実施の形態１に係る走行車線推定システムの構成図１である。車両等の移動体を制御対象とし、制御対象である移動体が走行している車線を推定するものである。走行車線推定システム１は、地図情報記憶部５０、ＧＮＳＳ受信機１１０、車速算出手段１２０、角速度計測手段１３０、自車位置測位部２００、車線推定部３００を備えている。

地図情報記憶部５０には、少なくとも車線毎の詳細位置情報を含む地図情報を記憶している。ここで、車線毎の詳細位置情報とは、車線毎の区画線の位置情報のことである。車線毎の区画線の位置情報としては、例えば、区画線上の座標列の情報でよい。区画線上の座標列で互いに隣り合う２つの座標を結ぶ線分列として、車線毎の区画線の位置情報を表現できる。さらに、この車線毎の区画線の位置情報から車線毎の車線中心線及び車線幅を算出することもできる。

また、車線毎の区画線の位置情報としては、その他の例として、車線毎の車線中心線の座標列及び車線幅の情報でもよい。車線毎の車線中心線の座標列で互いに隣り合う２つの座標を結ぶ線分列として車線毎の車線中心線を算出でき、車線幅の半分の距離の位置が車線毎の左右の区画線の位置情報となるからである。このような線分列で区画線又は車線中心線の位置情報を表現する方法以外にも、複数の円弧列などの曲線列によって区画線又は車線中心線の位置情報を表現する方法もある。円弧列によって表現する場合、例えば、円弧は、円弧の円弧始点、円弧終点、円弧半径の組によって一意に表現することができるからである。

地図情報記憶部５０は、車線毎の詳細形状を含む高精度地図データを格納する記憶媒体を含んでおり、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）やメモリスティック等により構成される。地図情報記憶部５０には、この他にも道路リンクを構成するノード座標、道路の幅員、車線数及び通行可能方向の情報などによって構成される通常のナビゲーション向け地図情報が含まれることも当然にある。

ＧＮＳＳ受信機１１０は、ＧＮＳＳによって車両の座標を受信する受信機である。ＧＮＳＳ受信機１１０は、衛星からの電波を受信するＧＮＳＳアンテナが接続されており、衛星からの電波により位置を計測して車両の位置データを出力する。

車速算出手段１２０は、車両の走行距離から車速を算出するものである。例えば、車速算出手段１２０は、車両の走行距離に応じて出力される距離センサのパルス信号を用いて車両の走行距離を計測して、車両の車速を算出する。

角速度計測手段１３０は、車両の方位の変化量から角速度を計測するものである。例えば、角速度計測手段１３０は、ジャイロで検知した車両の角速度データを計測する。

自車位置測位部２００は、ＧＮＳＳ受信機１１０が受信する車両の座標から車両の基準座標及び基準方位を算出し、基準座標及び基準方位、並びに車速算出手段１２０が算出する
車速及び角速度計測手段１３０が計測する角速度から車両の測位座標及び測位方位の時系列データを算出する。自車位置測位部２００は、走行車線推定システム１が制御対象とする車両等の移動体の現在の位置情報を取得する。

車線推定部３００は、測位結果蓄積部３１０、補正量候補生成部３２０、事後確率演算部３３０、最適補正量演算部３４０、走行車線推定部３５０から構成されている。

測位結果蓄積部３１０は、自車位置測位部２００から取得した各時刻における測位結果である測位座標及び測位方位を時刻の古い順に時系列データとして記憶しておき、バッファが上限に達した場合には古いデータから順に削除していく。

補正量候補生成部３２０は、まず、基準座標のＧＮＳＳ受信精度等に基づき、測位座標及び測位方位の誤差の分布を算出する。次に、測位座標及び測位方位が所定の範囲内に収まる確率が事前に指定した閾値を上回るように誤差（座標、方位）の範囲を決定し、その範囲内に位置する誤差（座標、方位）のパターンを生成する。例えば、誤差分布をＸ方向の誤差標準偏差σ_Ｘ、Ｙ方向の誤差標準偏差σ_Ｙ、及び方位Θの誤差標準偏差σ_Θをもつ三次元正規分布とみなし、誤差パターンは、例えば、上記標準偏差に基づく直方体−２σ_Ｘ＜Ｘ＜２σ_Ｘ，−２σ_Ｙ＜Ｙ＜２σ_Ｙ，−２σ_Θ＜Θ＜２σ_Θに含まれる全ての格子点を補正量候補（誤差パターン）とすればよい。ＧＮＳＳ受信機１１０から取得される座標は経度及び緯度であるが、ここでは経度をＸ座標、緯度をＹ座標に変換している。

なお、本アルゴリズムを適用する際の時系列データの座標の範囲は長くても２〜３ｋｍであるため、局所的に地表面を平面とみなし、経度とＸ座標を、緯度とＹ座標を線形変換によってそれぞれ対応づけることが可能である。そのため、経度をＸ座標、緯度をＹ座標に変換することなく、経度、緯度のままで演算をすることも当然できる。その際は、当該地点における経度１度あたりの距離、緯度１度当たりの距離を考慮して計算を行う必要がある。経度、緯度のままで演算する場合、誤差パターンも経度、緯度、方位の組合せとすることができる。

事後確率演算部３３０は、補正量候補生成部３２０で生成された全ての補正量候補に対して、実現の可能性を定量的に表す事後確率を演算する。より具体的には、事後確率演算部３３０は、まず、補正量候補生成部３２０で生成された全ての誤差パターンによる時系列データの事前発生確率を演算することになる。次に、誤差パターンが発生した条件下で補正後の時系列データ及び区画線の相対的な位置関係に基づいて算出される尤度（時系列データの尤もらしさの評価値）との積で算出される事後確率を演算する。

補正量候補決定部３４０は、事後確率演算部３３０で演算した各補正量候補である誤差パターンの事後確率の演算結果を基に、事後確率が最大となる誤差パターンを最適補正量として算出する。

走行車線推定部３５０は、補正量候補決定部３４０で算出された最適補正量（最尤補正量）を採用し、時系列データを最適補正量で補正して区画線との比較で車両の走行車線を推定することになる。

次に、走行車線推定システム１における走行車線推定動作について説明する。図２は、自車位置測位部２００における自車位置測位動作を示すフローチャートである。まず、自車位置測位部２００は、ＧＮＳＳ受信機１１０から座標（ＧＮＳＳ座標）、車速算出手段１２０から車速、角速度計測手段１３０から角速度を周期的に受信する（ステップＳ２０１）。次に、自車座標の基準座標、基準方位が登録済みかどうかを確認する（ステップＳ２０２）。初回のＧＮＳＳ座標受信時等は、基準座標、基準方位が未登録であるため、Ｎの方向に進む。

続いて、過去の所定期間のＧＮＳＳ受信機１１０から受信した座標から各時刻における方位を算出する（ステップＳ２０３）。方位の算出結果に対して、全ての方位が所定のばらつきの範囲何に収まっているかのチェックを行う（ステップＳ２０４）。収まっている場合（Ｙの方向）は、現在のＧＮＳＳ座標を基準座標に、過去所定期間の方位の平均を基準方位に登録する（ステップＳ２０５）。一方、収まっていない場合（Ｎの方向）は何も処理せずに最初に戻る。

ステップＳ２０４は車両の直進安定性の判定処理に相当し、直進安定性を満たす地点でのＧＮＳＳ座標に基づいて算出された基準座標及び基準方位を採用して計算を開始するために必要となる。ここまでの過程で、基準座標及び基準方位を算出してきたが、これは一例であり、この算出方法に特定されるものではない。例えば、基準座標は座標の移動平均で、基準方位は方位の移動平均で算出することもできる。また、車両の直進安定性をどこまで考慮するかによっても変わってくる。

ステップＳ２０２で既に基準座標及び基準方位が登録済みで合った場合はＹの方向に進み、続いて基準座標及び基準方位、並びに車速及び角速度から車両の測位結果として測位座標及び測位方位を算出する（ステップＳ２０６）。次に、今回算出した測位結果と、今回受信したＧＮＳＳ座標との差が所定の範囲内かどうかのチェックを行う（ステップＳ２０７）。チェックの結果、範囲内と判定された場合（Ｙの方向）には、算出した測位結果である測位座標及び測位方位を測位結果蓄積部３１０へ送信する（ステップＳ２０８）。

範囲外と判定された場合（Ｎの方向）には、これまでの基準位置及び基準方位、並びに
最適補正量をリセットする必要があるため、測位結果蓄積部３１０へこれまでの測位結果蓄積データの削除要求を送信する（ステップＳ２０９）。これを受けて、測位結果蓄積部３１０に登録済みの基準座標及び基準方位を削除する（ステップＳ２１０）。この場合、再度、基準座標及び基準方位の登録が行われた後、測位処理が動作することとなる。

例えば、ステップＳ２０３のＧＮＳＳ方位の算出方法として、下記の算出方法が考えられる。

（時刻ｔのＧＮＳＳ方位）
＝ａｒｃｔａｎ（（（時刻ｔのＹ座標）−（時刻ｔ−１のＹ座標））
／（（時刻ｔのＸ座標）−（時刻ｔ−１のＸ座標））） ・・・（式１）
但し、Ｘ座標及びＹ座標はＧＮＳＳ座標を表すものとする。また、現在の時刻をｔとし、時刻ｔ−１は前回のデータ受信時刻を表すものとする。

例えば、ステップＳ２０４の判定方法として、下記の判定基準が考えられる。
判定基準：（方位の最大値）−（方位の最小値）＜（方位閾値θ_ｔｈ）
但し、方位はステップＳ２０３でＧＮＳＳ座標から算出した値であり、連続する２回の方位算出結果が、１８０度を超えないように、方位に３６０度の整数倍を加算して調整した値を使用する。

例えば、ステップＳ２０６における測位結果の算出方法として、下記の計算式群が考えられる。

（時刻ｔの方位）
＝（時刻ｔ−１の方位）＋（角速度）×（計測間隔）
（時刻ｔのＸ座標）
＝（時刻ｔ−１のＸ座標）＋（時刻ｔ−１〜ｔの間の車両走行距離）
×ｃｏｓ（（（時刻ｔの方位）＋（時刻ｔ−１の方位））／２）
（時刻ｔのＹ座標）
＝（時刻ｔ−１のＹ座標）＋（時刻ｔ−１〜ｔの間の車両走行距離）
×ｓｉｎ（（（時刻ｔの方位）＋（時刻ｔ−１の方位））／２） ・・・（式群２）

但し、車両走行距離は車速算出手段１２０から、角速度は角速度計測手段１３０から、それぞれ得るものとする。また、現在の時刻をｔとし、時刻ｔ−１は前回のデータ受信時刻を表すものとする。さらに、明細書中、方位は真北の方向を０度として時計回りに計測した場合の車両（自車）が走行している向き（角度）を表している。

例えば、ステップ２０７の判定方法としては、下記の判定基準が考えられる。
判定基準：（ＧＮＳＳ座標と測位結果座標との距離）＜（距離閾値ｄ_ｔｈ）

図３は、測位結果蓄積部３１０における測位結果蓄積動作を示すフローチャートである。測位結果蓄積部３１０は自車位置測位部２００から測位結果を受信する（ステップＳ３１１）。より具体的には、測位結果である車両の測位座標及び測位方位の時系列データを受け取ることになる。次に、測位結果の蓄積データの数が規定量に達したかどうかを確認する（ステップＳ３１２）。規定量に達した場合（Ｙの方向）は、事後確率演算部３３０へ蓄積データを送信し（ステップＳ３１３）、元に戻る。一方、規定量に達していない場合（Ｎの方向）は、自車位置測位部２００から受信した今回の測位結果を蓄積データに追加し（ステップＳ３１４）、元に戻る。

図４は、走行車線推定システムの１の中間出力結果の具体例を示す図である。より具体的には、基準座標及び基準方位の例を示し、測位結果蓄積データでは時刻が１０時の最初のデータレコードの時に基準座標及び基準方位と一致していることを示している。その後、測位結果蓄積データは時系列でＸ座標、Ｙ座標、方位が変化していることを示している。

また、図５は、基準座標及び基準方位、並びに測位座標及び測位方位の時系列データ（実際は数字のデータ）のイメージ図である。二重の白丸は基準座標及び基準方位、白丸は測位座標及び測位方位、黒点は車線毎の区画線のノードを示している。白線の実線及び破線は車線毎の区画線を示している。方位は各点における車両の進行方向になる。例えば、白線の実線である車線の区画線の外側は、路側帯、路肩などになる。

次に、補正量候補生成部３２０での処理を説明する。補正量候補生成部３２０では、補正可能な位置及び方位の誤差範囲を定め、上記誤差範囲に対応する補正量候補のリストを作成する。以下に具体的な処理内容の例を記す。

Ｘ，Ｙ，Θは確率変数であり、パス開始点（測位結果蓄積データのうち最も古いレコード）における、それぞれＸ方向、Ｙ方向、方位の誤差量を表すこととする。なお、ここで、パスとは測位結果の時系列のことである。例えば、Ｘ，Ｙ，ΘがＧＮＳＳ受信精度等に基づいたパラメータをもつ３次元正規分布に従うことを想定したモデル化方法等が考えられる。具体的には、Ｘ及びＹは平均０、標準偏差σ_ｐｏｓであり、Θは平均０、標準偏差σ_ｄｉｒのであり、Ｘ，Ｙ，Θは互いに独立な確率変数で、３次元正規分布と従うと仮定してもよい。また、例えば、σ_ｐｏｓはＧＮＳＳの受信状況から、σ_ｄｉｒはジャイロセンサから出力される情報の信頼度から決定してもよい。

この場合、例えば補正可能範囲を、位置に関しては−２σ_ｐｏｓ〜＋２σ_ｐｏｓの範囲に、方位に関しては−２σ_ｄｉｒ〜＋２σ_ｄｉｒの範囲に制限することで、発生の可能性が高い補正量のパターンをカバーしつつ（各変数のカバー率＝約９５．４％）、補正量候補を生成することができる。具体的には、上記の範囲に含まれている等間隔の格子点を全て列挙し、補正量候補として登録する方法をとることが考えられる。

図６は自車走行車線推定システム１の誤差パターンの具体例を示す図である。ここでは、誤差パターン毎に、X方向の誤差、Y方向の誤差、方位誤差を示している。誤差パターンの刻み方は例示に過ぎず、より小さくも、反対により大きくもとることができる。

次に、事後確率演算部３３０での処理を説明する。補正量候補である誤差パターン毎に事後確率Ｐ（ｘ，ｙ，θ）を算出する。具体的には、事後確率の算出式は式３のとおり、第一の確率モデルに従う誤差の事前発生確率Ｐ_１（ｘ，ｙ，θ）と、第二の確率モデルに従うパスの尤もらしさの評価値（以下、「パス尤度」と表記する。）Ｐ_２（ｘ，ｙ，θ）の積によって算出される。より具体的には、事後確率Ｐ（ｘ，ｙ，θ）は、誤差パターン（Ｘ方向の誤差がｘ、Ｙ方向の誤差がｙ、方位誤差がθである事象）の事前発生確率Ｐ_１（ｘ，ｙ，θ）と、誤差パターンが発生した条件下で補正後の時系列データ及び区画線の相対的な位置関係に基づいて算出される尤度Ｐ_２（ｘ，ｙ，θ）との積で算出される。この関係式では、ベイズ推定を応用して用いている。

Ｐ（ｘ，ｙ，θ）
＝Ｐ_１（ｘ，ｙ，θ）×Ｐ_２（ｘ，ｙ，θ） ・・・（式３）

ここで、Ｘ，Ｙ，Θは確率変数であり、パス開始点における、それぞれＸ方向、Ｙ方向、方位の誤差量を表す。Ｐ（ｘ，ｙ，θ）は、観測されたパス（測位結果の時系列データ）を証拠とした場合の、ｘ＝Ｘかつｙ＝Ｙかつθ＝Θとなる事後確率を表す。

誤差の事前発生確率Ｐ_１（ｘ，ｙ，θ）は、Ｘ方向、Ｙ方向、方位の誤差量がそれぞれｘ、ｙ、θである現象が発生する確率密度関数を表す。例えば、Ｘ，Ｙ，ΘがＧＮＳＳ受信精度等に基づいたパラメータをもつ３次元正規分布に従うことを想定したモデル化方法等が考えられる。この場合、Ｐ_１（ｘ，ｙ，θ）は式４で与えられる。

Ｐ_１（ｘ，ｙ，θ）
＝（（１／（２πσ_ｐｏｓ ^２））・（１／（２πσ_ｄｉｒ ^２）））^１／２
・ｅｘｐ［−ｘ^２／（２σ_ｐｏｓ ^２）−ｙ^２／（２σ_ｐｏｓ ^２）−θ^２／（２σ_ｄｉｒ ^２）］ ・・・（式４）

ベイズ推定の枠組みにおいては、Ｐ_１（ｘ，ｙ，θ）は誤差ｘ、ｙ、θの事前確率に相当する。

パス尤度Ｐ_２（ｘ，ｙ，θ）は、特定の誤差パターンが発生した条件下で、その誤差パターンで補正した後の時系列データ及び区画線の相対的な位置関係に基づいて算出される尤度である。ここで、時系列データ及び区画線の相対的な位置関係には、時系列データを結ぶ線分列と区画線とが交差する関係、及び時系列データと区画線との距離の継続関係の内、少なくとも一方を含んでいる。ここで、時系列データを結ぶ線分列とは、誤差パターンで補正した後の時系列データの点と点とを順番に結んでいく線分の列のことであり、例えば、時刻（ｔ+α）の点と時刻（ｔ＋α＋１）の点とを結ぶ線分などが含まれる。

また、時系列データと区画線との距離の継続関係とは、誤差パターンで補正した後の時系列データの点と、区画線（線分列、曲線列によって表現される。）との距離が所定の範囲内にある状態が継続している関係である。この場合、誤差パターンで補正した後の時系列データの点の集合は、車線変更が発生している時間帯を除き、ある区画線とそれと隣接する区画線の間に挟まれた領域内（車線内）を走行し、時系列データを結ぶ線と区画線とが交差することはない。また、誤差パターンで補正した後の時系列データの点と区画線とが重なっただけで、交差とまでは言えない場合には、例えば、時系列データと区画線との距離の継続関係に含まれるとして処理することができる。

時系列データを結ぶ線と区画線とが交差する関係（事象）の中には、例えば、＜１＞道路外（道路の区画線の外）にはみ出す事象、＜２＞短時間に車線の区画線を何度かまたぐ事象、＜３＞緩やかな車線変更が発生する事象、＜４＞車線変更禁止区間での車線変更が発生する事象、＜５＞運転手による方向指示器操作を伴わない車線変更が発生する事象、＜６＞運転手によるハンドル舵角の変化を伴わない車線変更が発生する事象、＜７＞カメラによる白線横断検出を伴わない車線変更が発生する事象などがある。一方、時系列データと区画線との距離の継続関係（事象）には、例えば、＜８＞車線内の左寄り又は右寄りの走行を継続する事象、＜９＞車線の中央を安定して走行を継続する事象などがある。

図７は、事象のイメージ図であり、より具体的には、上記の事象の一部を取り上げて具体的に説明するためのイメージ図である。例えば、事象＜１＞の道路外（道路の区画線の外）にはみ出す事象の例では、道路外にはみ出すのはNGであることを示している。また、事象＜２＞の短時間に車線の区画線を何度かまたぐ事象の例では、車線のまたぎ回数の最小化を示している。さらに、事象＜９＞の車線の中央を安定して走行を継続する事象の例では、車線中心付近の走行距離の最大化を示している。

例えば、＜４＞車線変更禁止区間での車線変更が発生する事象では、地図情報記憶部５０で記憶している車線毎の詳細形状には、車線が変更禁止区間であるとの情報も含まれることになる。また、＜５＞運転手による方向指示器操作を伴わない車線変更が発生する事象では、方向指示器の操作情報を入手する手段が必要となる。さらに、＜６＞運転手によるハンドル舵角の変化を伴わない車線変更が発生する事象では、ハンドル舵角の情報を入手する手段が必要となる。また、＜７＞カメラによる白線横断検出を伴わない車線変更が発生する事象では、カメラによって白線を車両が横断したか検知する白線横断検知手段が必要となる。

パス尤度Ｐ_２（ｘ，ｙ，θ）は、観測されたパスを誤差量（誤差パターン）ｘ，ｙ，θを基に補正を行った後のパスの尤もらしさの評価値（尤度）を表す。パス尤度Ｐ_２（ｘ，ｙ，θ）を算出する際には、補正後のパスが、＜１＞道路外にはみ出す事象、＜２＞短時間に車線の区画線を何度かまたぐ事象、＜３＞緩やかな車線変更が発生する事象、＜４＞車線変更禁止区間での車線変更が発生する事象、＜５＞運転手による方向指示器操作を伴わない車線変更が発生する事象、＜６＞運転手によるハンドル舵角の変化を伴わない車線変更が発生する事象、＜７＞カメラによる白線横断検出を伴わない車線変更が発生する事象、＜８＞車線内の左寄り又は右寄りの走行を継続する事象などを考慮し、その発生頻度や程度に応じて発生確率を減少させる。なお、補正後の時系列データ及び区画線の相対的な位置関係として想定する事象は多い方が望ましいが、一つの事象だけでも、事後確率Ｐ（ｘ，ｙ，θ）を算出することはでき、本発明は成立する。

具体的には、次のようなパス尤度Ｐ_２（ｘ，ｙ，θ）の計算方法が考えられる。なお、＜ ＞内の数字は、上記の各事象に対応している。例えば、＜１＞路外逸脱発生回数の確率過程が平均間隔１／λ_ｄｅｖ（＜＜１）のポアソン過程に従うとみなせる。以下、同様に、＜２＞車線変更発生回数の確率過程が平均間隔１／λ_ｃｈｇのポアソン過程に従うとみなせる。＜３＞車線変更時の車線に対するヨー角を平均μ_ｙａｗ、標準偏差σ_ｙａｗの正規分布に従う各々独立な確率変数とみなせる。＜４＞車線変更禁止区間での車線変更確率をｐ_ｐｒｈとし、車両走行位置の車線中心線からのずれを、平均０、標準偏差σ_ｃｅｎの正規分布に従う各々独立な確率変数とみなせる。＜５＞車線変更時点から最も時間的に近い車線変更と同一方向への方向指示器操作時点までの時間間隔を平均１／λ_ｗｉｎの指数分布に従うとみなせる。＜６＞車線変更時点から最も時間的に近い車線変更と同一方向へのハンドル舵角操作時点までの時間間隔を平均１／λ_ｈｎｄの指数分布に従うとみなせる。＜７＞車線変更時点から最も時間的に近い車線変更と同一方向へのカメラでの白線横断検出時点までの時間間隔を平均１／λ_ｃａｍの指数分布に従うとみなせる。＜８＞車線中心線からの距離を平均０、標準偏差σ_ｃｅｎの正規分布に従うとみなせる。とすれば、Ｐ_２（ｘ，ｙ，θ）は式５として定式化できる。

Ｐ_２（ｘ，ｙ，θ）
＝Ｐ_２Ａ（ｘ，ｙ，θ）×Ｐ_２Ｂ（ｘ，ｙ，θ）×Ｐ_２Ｃ（ｘ，ｙ，θ）
×Ｐ_２Ｄ（ｘ，ｙ，θ）×Ｐ_２Ｅ（ｘ，ｙ，θ）×Ｐ_２Ｆ（ｘ，ｙ，θ）
×Ｐ_２Ｇ（ｘ，ｙ，θ）×Ｐ_２Ｈ（ｘ，ｙ，θ） ・・・（式５）
ここで、
Ｐ_２Ａ（ｘ，ｙ，θ）＝ｅｘｐ［−λ_ｄｅｖ・ｔ］・（λ_ｄｅｖ・ｔ）^ｄ／（ｄ！）
Ｐ_２Ｂ（ｘ，ｙ，θ）＝ｅｘｐ［−λ_ｃｈｇ・ｔ］・（λ_ｃｈｇ・ｔ）^ｋ／（ｋ！）
Ｐ_２Ｃ（ｘ，ｙ，θ）＝Π_ｉ＝１ ^ｋ（１／（２πσ_ｙａｗ ^２））^１／２
・ｅｘｐ［−（ｗ（ｉ）−μ_ｙａｗ）^２／（２σ_ｙａｗ ^２）］
Ｐ_２Ｄ（ｘ，ｙ，θ）＝Π_ｉ＝１ ^ｋ（ｐ（ｉ））
Ｐ_２Ｅ（ｘ，ｙ，θ）＝Π_ｉ＝１ ^ｋｅｘｐ［−λ_ｗｉｎ・ｔ_１（ｉ）］
Ｐ_２Ｆ（ｘ，ｙ，θ）＝Π_ｉ＝１ ^ｋｅｘｐ［−λ_ｈｎｄ・ｔ_２（ｉ）］
Ｐ_２Ｇ（ｘ，ｙ，θ）＝Π_ｉ＝１ ^ｋｅｘｐ［−λ_ｃａｍ・ｔ_３（ｉ）］
Ｐ_２Ｈ（ｘ，ｙ，θ）
＝Π_ｊ＝１ ^ｎ（１／（２πσ_ｃｅｎ ^２））^１／２
・ｅｘｐ［−（ｌ（ｊ））^２／（２σ_ｃｅｎ ^２）］

式５におけるＰ_２Ａ（ｘ，ｙ，θ）は、＜１＞道路外（＝道路区画線外）にはみ出す事象の発生頻度を反映している。以下、同様に、Ｐ_２Ｂ（ｘ，ｙ，θ）は、＜２＞車線変更（＝車線区画線をまたぐ）が発生する事象の発生頻度を反映している。Ｐ_２Ｃ（ｘ，ｙ，θ）は、＜３＞緩やかな車線変更が発生する事象の発生頻度を反映している。Ｐ_２Ｄ（ｘ，ｙ，θ）は、＜４＞車線変更禁止区間での車線変更が発生する事象の発生頻度を反映している。Ｐ_２Ｅ（ｘ，ｙ，θ）は、＜５＞運転手による方向指示器操作を伴わない車線変更が発生する事象の発生頻度を反映している。Ｐ_２Ｆ（ｘ，ｙ，θ）は、＜６＞運転手によるハンドル舵角の変化を伴わない車線変更が発生する事象の発生頻度を反映している。Ｐ_２Ｇ（ｘ，ｙ，θ）は、＜７＞カメラによる白線横断検出を伴わない車線変更が発生する事象の発生頻度を反映している。Ｐ_２Ｈ（ｘ，ｙ，θ）は、＜８＞車線内の左寄り又は右寄りの走行を継続する事象の発生頻度反映している。

ここで、ｄは補正後のパスで路外逸脱が発生した回数を表し、ｋは補正後のパスで車線変更が行われた回数を表している。また、ｐ（ｉ）はｉ回目の車線変更が車線変更禁止区間で行われた場合はｐ_ｐｒｈ、そうでない場合は１を返す関数である。さらに、ｗ（ｉ）はｉ回目の車線変更時のヨー角を表している。また、ｔ_１（ｉ）はｉ回目の車線変更時点から最も時間的に近い車線変更と同一方向への方向指示器操作時点までの時間間隔を表している。さらに、ｔ_２（ｉ）はｉ回目の車線変更時点から最も時間的に近い車線変更と同一方向へのハンドル舵角操作時点までの時間間隔を表している。また、ｔ_３（ｉ）はｉ回目の車線変更時点から最も時間的に近い車線変更と同一方向へのカメラでの白線横断検出時点までの時間間隔を表している。ｎは観測した座標点数を表し、ｌ（ｊ）はｊ番目の観測点から、その観測点が所属する車線の車線中心線までの垂線距離を表すものとする。

但し、λ_ｄｅｖ、λ_ｃｈｇ、μ_ｙａｗ、σ_ｙａｗ、ｐ_ｐｒｈ、λ_ｗｉｎ、λ_ｈｎｄ、λ_ｃａｍ、σ_ｃｅｎはパラメータであり、定数を設定する方法の他に、過去の走行プローブデータ等の実績を基に算出してもよい。また、ドライバー個人の過去の走行実績に基づいてパラメータ調整することで、より個人の運転特徴を反映した正確な車線変更の判定が検出となる。

一方、ｄ、ｋ、ｐ（ｉ）、ｗ（ｉ）、ｔ_１（ｉ）、ｔ_２（ｉ）、ｔ_３（ｉ）、ｎ、ｌ（ｊ）は、誤差ｘ、ｙ、θによる補正後のパスから算出される数値であるため、観測されたパスに依存することはもちろん、ｘ、ｙ、θの関数でもあることに注意が必要である。

また、ｘ、ｙ、θはパス開始点（測位結果蓄積部３１０のデータのうち最も古いレコード）である基準座標及び基準方位に対する補正量である。このため、補正前の座標に対して、パス開始点からの相対位置ベクトルの算出を行い、この相対位置ベクトルに対して回転角θの回転を行い、オフセットｘ、ｙを加算することで、相対位置ベクトルから絶対位置ベクトルへ変換でき、補正後の座標を得ることができる。この処理を測位結果蓄積部３１０の全レコードに対して行うことで、補正後のパスを得る。

式５の具体例では、＜１＞で路外逸脱発生回数の確率過程が平均λ_ｄｅｖ（＜＜１）のポアソン過程に従うとみなしたが、路外逸脱が１回以上発生した場合には、無条件にＰ_２（ｘ，ｙ，θ）＝０とするモデル化も可能である。

また、計算機上で事前確率、パス尤度、事後分布の演算処理を行う場合には、上記Ｘ，Ｙ，Θを離散確率変数とみなし、Ｐ_１（ｘ，ｙ，θ）を離散確率分布として置き換えてもよい。

図８は、補正前後のパスのイメージ図である。より具体的には、左側の図が補正前のパスを、右側の図が補正後のパスを表している。また、二重丸は基準座標及び基準方位を示し、白丸は測位座標及び測位方位を示している。補正後のパスの図では、θによる回転（方位の補正）、ｘ及びｙによる変位（座標の補正）で、基準座標及び基準方位を含めて、測位結果の時系列データであるパスが補正されていることを表している。

図９は、補正前後の測位結果蓄積データの具体例を示す図である。より具体的には、基準座標及び基準方位を補正し、測位結果蓄積データでは時刻が１０時の最初のデータレコードの時に基準座標及び基準方位の補正と一致していることを表している。測位結果蓄積データでは、各レコードデータは基準座標及び基準方位と同じ誤差パターンによる補正がなされている。もっとも、θによる回転（方位の補正）の補正があるため、X座標及びY座標については単純に値を加減したものには、なっていないことを表している。

ベイズ推定の枠組みにおいて、Ｐ_２（ｘ，ｙ，θ）は誤差ｘ、ｙ、θを仮定した条件下での観測事象の発生確率に相当する。

次に、最適補正量演算部３４０での処理を説明する。補正量候補生成部３２０で生成された複数の誤差パターンである各補正量候補（ｘ，ｙ，θ）のうち、事後確率演算部３３０で算出された事後確率Ｐ（ｘ，ｙ，θ）が最大となるような、最適な補正量候補（ｘ＾，ｙ＾，θ＾）を算出する。すなわち、複数の誤差パターンによる時系列データの事前発生確率Ｐ_１（ｘ，ｙ，θ）と、誤差パターンが発生した条件下で補正後の時系列データ及び区画線の相対的な位置関係に基づいて算出される尤度Ｐ_２（ｘ，ｙ，θ）との積で算出される事後確率Ｐ（ｘ，ｙ，θ）が最大となる誤差パターンを最適補正量（ｘ＾，ｙ＾，θ＾）として算出する。

ベイズ推定の枠組みにおいては、Ｐ（ｘ，ｙ，θ）は誤差ｘ、ｙ、θの事後確率（の定数倍）に相当するため、事後確率Ｐ（ｘ，ｙ，θ）が最大となるような補正量候補（ｘ＾，ｙ＾，θ＾）は、ベイズ推定により得られる、観測されたパスを証拠とする推定結果を表している。

図１０は、最適補正量の具体例を示す図である。より具体的には、事後確率演算部３３０で演算される事後確率データと、最適補正量演算部３４０で選択された最適補正量を示す図である。この例では、誤差パターンのＮｏ４の場合に、事後確率が最大になっていることを表している。

次に、走行車線推定部３５０での処理を説明する。走行車線推定部３５０では、最適補正量演算部３４０で算出した最適補正量を、測位結果蓄積部３１０が保持している測位結果蓄積データに対して適用する。補正後のパスの算出方法は、上記と同様である。続いて、地図情報提供部５０から提供される車線区画線によって区切られた各車線の走行可能領域と最適補正量による補正後のパスとの比較を行う。地図情報に含まれる区画線に対する走行方法としての実現可能性を考慮した補正量の算出が可能となるからである。補正後のパスが上記車線区画線によって区切られた車線領域のうち、どの車線の走行可能領域に所属しているかに応じて、走行車線を推定する。車線変更の発生とその方向（右または左）を検出できるからである。この結果を走行車線推定結果として出力する。

さらに、車線変更検出部３５０での処理が完了した後、測位結果蓄積部３１０が保持している測位結果蓄積データのうち、最新のレコード１件を基準座標・基準方位として再登録し、測位結果蓄積データの全レコードを削除する。

以上のように、ＧＮＳＳによって車両の座標を受信するＧＮＳＳ受信機と、車両の走行距離から車速を算出する車速算出手段と、車両の方位の変化量から角速度を計測する角速度計測手段と、座標から車両の基準座標及び基準方位を算出し、基準座標及び基準方位並びに車速及び角速度から車両の測位座標及び測位方位の時系列データを算出する自車位置測位部と、車線毎の区画線の位置情報を含む地図情報を記憶する地図情報記憶部と、複数の誤差パターンによる時系列データの事前発生確率と、誤差パターンが発生した条件下で補正後の時系列データ及び区画線の相対的な位置関係に基づいて算出される尤度との積で算出される事後確率が最大となる誤差パターンを最適補正量とし、時系列データを最適補正量で補正して区画線との比較で車両の走行車線を推定する車線推定部とを備えた走行車線推定システムである。

走行車線推定システムは、車線毎の区画線の位置情報を利用して事後確率を求め最適補正量で補正するので、車両軌跡から車線変更の検出及び現在の走行車線の推定を精度良く行うことができる。また、車線変更の発生とその方向（右または左）を検出することができる。

また、時系列データ及び区画線の相対的な位置関係には、時系列データを結ぶ線と区画線とが交差する関係、及び時系列データと区画線との距離の継続関係の内、少なくとも一方を含んでいる。さらに、誤差パターンは、座標誤差及び方位誤差の組合せである。

この走行車線推定システムを用いることで、ナビゲーションシステムにおいては自車が走行している車線を把握できるので、より適切なアナウンス等の指示をすることができるようになる。また、この走行車線推定システムを用いることで、車両の自動運転や運転支援機能などをより容易に行うことができる。

実施の形態２．
図１１は実施の形態２に係る走行車線推定システム２の構成図である。実施の形態１に係る走行車線推定システム１とは異なり、地図情報記憶部５０の代わりに、簡易版地図情報記憶部５１と区画線算出部５２とを備えている。簡易版地図情報記憶部５１と区画線算出部５２とで、車線毎の区画線の位置情報を含む地図情報を記憶していた地図情報記憶部５０を代用する以外の点においては、異なる点は無い。

ＧＮＳＳ受信機１１０、車速算出手段１２０、角速度計測手段１３０、自車位置測位部２００、測位結果蓄積部３１０、補正量候補生成部３２０、事後確率演算部３３０、最適補正量演算部３４０、走行車線推定部３５０及び車線推定部３００は、実施の形態１と同様の構成、同様の動作を行うので説明を省略する。このため、以下、異なる点を中心に説明をする。

地図情報記憶部５０は少なくとも車線毎の区画線の位置情報を含む地図情報を記憶していたが、簡易版地図情報記憶部５１は車線毎の区画線の位置情報を記憶していない。簡易版地図情報記憶部５１は、道路リンクを構成するノード座標、道路の幅員、車線数及び通行可能方向の情報を含む地図情報を記憶するものである。一般的なナビゲーションの地図情報には、道路リンクを構成するノード座標及び通行可能方向の情報は少なくとも含まれていると考えられるが、簡易版地図情報記憶部５１はそれら加えて、道路の幅員及び車線数の情報が必須となる。

また、簡易版地図情報記憶部５１は、道路リンクを構成するノード座標、道路の幅員、車線数及び通行可能方向の情報を含む地図情報を記憶する記憶媒体を含んでおり、ＨＤＤやメモリスティック等により構成されている。なお、ノード座標には、道路が他の道路と交わることの無い一本道であっても、カーナビ画面にカーブ等の道路形状を表示するために必要となる補間的な座標である補助ノード座標も含まれている。

区画線算出部５２は、簡易版地図情報記憶部５１の地図情報から車線毎の区画線を算出する。例えば、道路の幅員Ｗを道路の合計車線数Ｎで除することで、各車線の車線幅ｗ＝Ｗ／Ｎを算出できる。次に、ノード座標間を結ぶ道路リンクを中心として、横方向距離[ −（Ｎ／２）×ｗ，（−（Ｎ／２）＋１）×ｗ，・・・，（Ｎ／２−１）×ｗ，（Ｎ／２）×ｗ ]を加えることで、それぞれの車線を区切る（Ｎ＋１）本の区間線の位置情報を算出することができる。これは一例に過ぎず、道路リンクを構成するノード座標、道路の幅員、車線数及び通行可能方向の情報があれば、上記以外の方法でも車線毎の区画線の位置情報を算出することはできる。

区画線算出部５２から車線毎の区画線の位置情報が得られるので、事後確率演算部３３０及び走行車線推定部３５０でも、実施の形態１と同様の演算およぶ推定ができるので、実施の形態１と同様の効果を得ることができる。また、図において、同一の符号を付したものは、同一またはこれに相当するものであり、このことは明細書の全文、図面の全図において共通することである。さらに、明細書全文に表れている構成要素の形態は、あくまで例示であってこれらの記載に限定されるものではない。

走行車線推定システム２を用いることで、ナビゲーションシステムにおいて使用されている地図情報がそのまま利用でき、自車が走行している車線を把握できるので、より適切なアナウンス等の指示を容易にすることができるようになる。また、この走行車線推定システム２を用いることで、車両の自動運転でも容易に走行車線の推定を行うことができる。

以上のように、ＧＮＳＳによって車両の座標を受信するＧＮＳＳ受信機と、車両の走行距離から車速を算出する車速算出手段と、車両の方位の変化量から角速度を計測する角速度計測手段と、座標から車両の基準座標及び基準方位を算出し、基準座標及び基準方位並びに車速及び角速度から車両の測位座標及び測位方位の時系列データを算出する自車位置測位部と、道路リンクを構成するノード座標、道路の幅員、車線数及び通行可能方向の情報を含む地図情報を記憶する簡易版地図情報記憶部と、地図情報から車線毎の区画線を算出する区画線算出部と、複数の誤差パターンによる時系列データの事前発生確率と、誤差パターンが発生した条件下で補正後の時系列データ及び区画線の相対的な位置関係に基づいて算出される尤度との積で算出される事後確率が最大となる誤差パターンを最適補正量とし、時系列データを最適補正量で補正して区画線との比較で車両の走行車線を推定する車線推定部とを備えた走行車線推定システムであるので、車両軌跡から車線変更の検出及び現在の走行車線の推定を精度良く行うことができる。

また、時系列データ及び区画線の相対的な位置関係には、時系列データを結ぶ線と区画線とが交差する関係、及び時系列データと区画線との距離の継続関係の内、少なくとも一方を含んでいる。さらに、誤差パターンは、座標誤差及び方位誤差の組合せである。

実施の形態３．
実施の形態１に係る走行車線推定システム１では、誤差パターンとしてＸ座標、Ｙ座標、方位の３つを用いていたが、実施の形態３では誤差パターンとしては方位のみを用いている。換言すれば、実施の形態１の誤差パターンは、座標誤差及び方位誤差の組合せであったのに対して、実施の形態３の誤差パターンは、方位誤差のみである。

図１２は実施の形態３に係る走行車線推定システム３の構成図である。誤差パターンのみが異なるため、補正量候補生成部３２１、事後確率演算部３３１、最適補正量演算部３４１、走行車線推定部３５１及び車線推定部３０１は実施の形態１と相異している。一方、地図情報記憶部５０、ＧＮＳＳ受信機１１０、車速算出手段１２０、角速度計測手段１３０、自車位置測位部２００及び測位結果蓄積部３１０は、実施の形態１と同様の構成、同様の動作を行うので説明を省略する。このため、以下、異なる点を中心に説明をする。

自車位置測位部２００は基準座標及び基準方位並びに車速及び角速度から車両の測位座標及び測位方位の時系列データを算出する。また、測位結果蓄積部３１０は、自車位置測位部２００から取得した各時刻における測位結果である測位座標及び測位方位を時刻の古い順に時系列データとして記憶しておき、バッファが上限に達した場合には古いデータから順に削除していく。

図１３は、誤差パターンの具体例を示す図である。図６と異なり、X方向誤差及びY方向誤差が省略されており、誤差パターンは方位誤差θのみになっている。実施の形態１の補正量候補生成部３２０では、Ｘ、Ｙ、Θの３変数に関して誤差の発生を想定したが、実施の形態３の補正量候補生成部３２１では、方位のΘのみの誤差の発生を想定する。補正量候補生成部３２１は、まず、基準座標のＧＮＳＳ受信精度等に基づき、測位方位の誤差の分布を算出する。次に、測位方位が所定の範囲内に収まる確率が事前に指定した閾値を上回るように誤差の範囲を決定し、その範囲内に位置する方位誤差のパターンを生成する。

事後確率演算部３３１は、補正量候補生成部３２１で生成された全ての補正量候補に対して、実現の可能性を定量的に表す事後確率を演算する。より具体的には、事後確率演算部３３１は、まず、補正量候補生成部３２１で生成された全ての誤差パターンによる時系列データの事前発生確率を演算することになる。次に、誤差パターンが発生した条件下で補正後の時系列データ及び区画線の相対的な位置関係に基づいて算出される尤度（時系列データの尤もらしさの評価値）との積で算出される事後確率を演算する。

より具体的には、事後確率Ｐ（θ）は、誤差パターン（方位誤差がθである事象）の事前発生確率Ｐ_１（θ）と、誤差パターンが発生した条件下で補正後の時系列データ及び区画線の相対的な位置関係に基づいて算出される尤度Ｐ_２（θ）との積で算出される。この関係式では、ベイズ推定を応用して用いている。

パス尤度Ｐ_２（θ）は、特定の誤差パターンが発生した条件下で、その誤差パターンで補正した後の時系列データ及び区画線の相対的な位置関係に基づいて算出される尤度である。ここで、時系列データ及び区画線の相対的な位置関係には、時系列データを結ぶ線と区画線とが交差する関係、及び時系列データと区画線との距離の継続関係の内、少なくとも一方を含んでいる。ここで、時系列データを結ぶ線とは、誤差パターンで補正した後の時系列データの点と点とを順番に結んでいく線のことであり、例えば、時刻（ｔ＋α）の点と時刻（ｔ＋α＋１）の点とを結ぶ線のことである。

また、時系列データと区画線との距離の継続関係とは、誤差パターンで補正した後の時系列データの点と、区画線（線分列、曲線列によって表現される。）との距離が所定の範囲内にある状態が継続している関係である。この場合、誤差パターンで補正した後の時系列データの点の集合は、車線変更が発生している時間帯を除き、ある区画線とそれと隣接する区画線の間に挟まれた領域内に位置し、時系列データを結ぶ線と区画線とが交差することはない。また、誤差パターンで補正した後の時系列データの点と区画線とが重なっただけで、交差とまでは言えない場合には、例えば、時系列データと区画線との距離の継続関係に含まれるとして処理することができる。なお、補正後の時系列データ及び区画線の相対的な位置関係として想定する事象は多い方が望ましいが、一つの事象だけでも、事後確率Ｐ（θ）を算出することはでき、本発明は成立する。

事後確率演算部３３１でも方位の補正量のみを変数とするため、例えば、Ｐ（θ）は式６で算出される。
Ｐ（θ）＝Ｐ_１（θ）×Ｐ_２（θ） ・・・（式６）
Ｐ_１（θ）＝（１／（２πσ_ｄｉｒ ^２））^１／２・ｅｘｐ［−θ^２／（２σ_ｄｉｒ ^２）］
Ｐ_２（θ）＝Ｐ_２Ａ（θ）×Ｐ_２Ｂ（θ）×Ｐ_２Ｃ（θ）×Ｐ_２Ｄ（θ）
×Ｐ_２Ｅ（θ）×Ｐ_２Ｆ（θ）×Ｐ_２Ｇ（θ）×Ｐ_２Ｈ（θ）
Ｐ_２Ａ（θ）＝ｅｘｐ［−λ_ｄｅｖ・ｔ］・（λ_ｄｅｖ・ｔ）^ｄ／（ｄ！）
Ｐ_２Ｂ（θ）＝ｅｘｐ［−λ_ｃｈｇ・ｔ］・（λ_ｃｈｇ・ｔ）^ｋ／（ｋ！）
Ｐ_２Ｃ（θ）＝Π_ｉ＝１ ^ｋ（１／（２πσ_ｙａｗ ^２））^１／２
・ｅｘｐ［−（ｗ（ｉ）−μ_ｙａｗ）^２／（２σ_ｙａｗ ^２）］
Ｐ_２Ｄ（θ）＝Π_ｉ＝１ ^ｋ（ｐ（ｉ））
Ｐ_２Ｅ（θ）＝Π_ｉ＝１ ^ｋｅｘｐ［−λ_ｗｉｎ・ｔ_１（ｉ）］
Ｐ_２Ｆ（θ）＝Π_ｉ＝１ ^ｋｅｘｐ［−λ_ｈｎｄ・ｔ_２（ｉ）］
Ｐ_２Ｇ（θ）＝Π_ｉ＝１ ^ｋｅｘｐ［−λ_ｃａｍ・ｔ_３（ｉ）］
Ｐ_２Ｈ（θ）
＝Π_ｊ＝１ ^ｎ（１／２πσ_ｃｅｎ ^２）^１／２
・ｅｘｐ［−（ｌ（ｊ））^２／（２σ_ｃｅｎ ^２）］

ここで、Ｐ_１、Ｐ_２、Ｐ_２Ａ〜Ｐ_２Ｈ、ｄ、ｋ、ｐ（ｉ）、ｗ（ｉ）、ｔ_１（ｉ）、ｔ_２（ｉ）、ｔ_３（ｉ）、ｎ、ｌ（ｊ）の意味するところは、式５と同様である。

なお、θはパス開始点（測位結果蓄積データのうち最も古いレコード）に対する補正量であるため、補正前の座標に対して、パス開始点からの相対位置ベクトルの算出を行う。相対位置ベクトルに対して回転角θの回転を行い、絶対位置への変換を行うことで、補正後の座標を得る。この処理を測位結果蓄積部３１０のデータ内の全レコードに対して行うことで、補正後のパスを得る。同じく、走行車線推定部３５１でも、回転角θ＾のみを考慮して補正後の座標を得る。

図１４は、補正前後の測位結果蓄積データの具体例を示す図である。より具体的には、基準座標及び基準方位を補正し、測位結果蓄積データでは時刻が１０時の最初のデータレコードの時に基準座標及び基準方位の補正と一致していることを表している。測位結果蓄積データでは、各レコードデータは基準方位と同じ誤差パターンによる補正がなされている。もっとも、θによる回転（方位の補正）の補正があるため、基準Ｘ座標及び基準Ｙ座標も、補正の前後で値が変わってくる。

補正量候補決定部３４１は、事後確率演算部３３１で演算した各補正量候補である誤差パターンの事後確率の演算結果を基に、事後確率が最大となる誤差パターンを最適補正量（回転角θ＾）として算出する。

換言すれば、補正量候補決定部３４１は、補正量候補生成部３２０で生成された複数の誤差パターンである各補正量候補θのうち、事後確率演算部３３１で算出された事後確率Ｐ（θ）が最大となるような、最適な補正量候補θ＾を算出する。すなわち、複数の誤差パターンによる時系列データの事前発生確率Ｐ_１（θ）と、誤差パターンが発生した条件下で補正後の時系列データ及び区画線の相対的な位置関係に基づいて算出される尤度Ｐ_２（θ）との積で算出される事後確率Ｐ（θ）が最大となる誤差パターンを最適補正量θ＾として算出する。

ベイズ推定の枠組みにおいては、Ｐ（θ）は誤差θの事後確率（の定数倍）に相当するため、事後確率Ｐ（θ）が最大となるような補正量候補θ＾は、ベイズ推定により得られる、観測されたパスを証拠とする推定結果を表している。

図１５は、最適補正量の具体例を示す図である。実施の形態１とは異なり、X方向誤差及びY方向誤差は全て０になっていることを強調する意味で、X方向誤差及びY方向誤差についても示している。この具体例では、事後確率Ｐ（θ）が最大となるのは、パターン３になっている。

走行車線推定部３５１は、補正量候補決定部３４１で算出された最適補正量（最尤補正量）を採用し、時系列データを最適補正量で補正して区画線との比較で車両の走行車線を推定することになる。また、車線変更検出部３５１での処理が完了した後、測位結果蓄積部３１０が保持している測位結果蓄積データのうち、最新のレコード１件を基準座標・基準方位として再登録し、測位結果蓄積データの全レコードを削除する。

より具体的に走行車線推定部３５１での処理を説明する。まず最適補正量演算部３４１で算出した最適補正量を、測位結果蓄積部３１０が保持している測位結果蓄積データに対して適用し、補正後のパスを算出する。補正後のパスの算出方法は、実施の形態１と同様である。補正後のパスと区画線との比較で車両の走行車線を推定する。

その他の走行車線推定部３５１での処理の例として、地図情報記憶部５０から提供される車線の区画線の位置情報（形状情報）と最適補正量による補正後のパスとの比較を行い、補正後のパスの開始点から終了点までの間での、車線に対する横断方向の移動量（＝横方向移動量）を算出する。例えば、横方向移動量は、右方向への移動を正とし、左方向への移動を負とする。この横方向移動量を累積（積算）して、区画線との比較で車両の走行車線を推定することもできる。

横方向移動量の累積について例をあげて説明する。各車線の車線幅が３．５［ｍ］であると仮定する。前回の走行車線推定結果が「左から２車線目の、車線中心線から左に２．０［ｍ］」であって、かつ、今回の横方向移動量が「左へ３．５［ｍ］」であったとする。この場合、走行車線は左から２車線目から左から１車線目に車線を変更したと判断し、今回の走行車線推定結果は「左から１車線目の、車線中心線から左に２．０［ｍ］」となる。

また、高速道路等（高規格道路）の実際の道路形状に鑑みると、同一道路の隣接する車線の形状は非常に良く似ていることが多い。このため、仮にｘ、ｙ、θの３変数の補正を行ったとしても、ｘ、ｙの補正量を正確に算出することは困難であり、補正後の自車位置座標のみから、走行中の車線を正確に検出することは困難である。例えば、実際には第一車線を走行し続けていても、第二車線を走行し続けていると判定されてしまう等の問題が発生しうる。このことは、即ち、位置のオフセット量ｘ、ｙを正確に検出することが困難であるとともに、走行車線（車線番号）ではなく車線変更（移動量）を検出するためには、方位誤差量θの正確な推定が重要であることを意味する。以上のことから、方位のオフセット量θの検出に計算リソースを集中投下することにより、高規格道路では高精度な計算が可能となる場合がある。

高規格道路の本線への進入時の走行車線はほとんどの場合には一意に定まる。例えば、左側から高規格道路の本線に合流する形状のインターチェンジから進入する場合には、高規格道路への進入時には必ず左側車線を走行していることになる。従って、高規格道路の本線への進入時点で最も左側車線を走っていることは自明であり、その後の高規格道路の本線への進入以降に走行車線推定部３５１が検出した横方向移動量を累積することで、任意の時刻における走行車線を推定することが可能となる。

横方向移動量の情報だけでは、現在どの車線を走行しているかの判定が困難な場合がある。そこで、例えば、高規格道路の本線への合流時等に、初期走行車線を演算する必要がある。高規格道路の本線への合流部における、地図情報に含まれる区画線の形状を参照することで、初期走行車線を判断することができる。

走行車線推定システム３では、走行車線推定システム１及び２と異なり、考慮する誤差の範囲を３次元から１次元に縮退することで、補正量候補生成部３２１で生成される補正量候補数が大幅に削減できるため、補正量計算量を大幅に削減することができる。このため、同じ計算量とするならば、方位Θの分解能を狭めることで、より精度良く最適補正量の計算を行うことができ、車線変更の検出精度を向上することができる。逆に、方位Θの分解能を同程度とするならば、演算量が減るため、より迅速に走行車線の推定結果を得ることができる。高規格道路では高速走行が想定され、走行車線推定がより迅速に行われる必要があるため、より効果的である。ここで、高規格道路とは、平面交差点や信号機などの速度抑制要因が存在せず、上記速度抑制要因が存在する道路と比較して、高速での走行が可能な道路のことを指す。日本においては、高速自動車国道や自動車専用道路を包括した高速道路などが、ここでの高規格道路に該当する。なお、この高規格道路の定義は、明細書及び特許請求の範囲の全文で共通している。なお、この高規格道路の定義は、明細書及び特許請求の範囲の全文で共通している。

以上のように、ＧＮＳＳによって車両の座標を受信するＧＮＳＳ受信機と、車両の走行距離から車速を算出する車速算出手段と、車両の方位の変化量から角速度を計測する角速度計測手段と、座標から車両の基準座標及び基準方位を算出し、基準座標及び基準方位並びに車速及び角速度から車両の測位座標及び測位方位の時系列データを算出する自車位置測位部と、車線毎の区画線の位置情報を含む地図情報を記憶する地図情報記憶部と、複数の誤差パターンによる時系列データの事前発生確率と、誤差パターンが発生した条件下で補正後の時系列データ及び区画線の相対的な位置関係に基づいて算出される尤度との積で算出される事後確率が最大となる誤差パターンを最適補正量とし、時系列データを最適補正量で補正して区画線との比較で車両の走行車線を推定する車線推定部とを備えた走行車線推定システムである。

走行車線推定システムは、車線毎の区画線の位置情報を利用して事後確率を求め最適補正量で補正するので、車両軌跡から車線変更の検出及び現在の走行車線の推定を精度良く行うことができる。また、車線変更の発生とその方向（右または左）を検出することができる。

また、時系列データ及び区画線の相対的な位置関係には、時系列データを結ぶ線と区画線とが交差する関係、及び時系列データと区画線との距離の継続関係の内、少なくとも一方を含んでいる。

さらに、誤差パターンは、方位誤差のみである。これによって、演算量を大幅に削減でき、高速走行が想定される高規格道路では、走行車線推定がより迅速に行われる必要があり、より効果が高くなる。

実施の形態４．
図１６は実施の形態４に係る走行車線推定システム４の構成図である。実施の形態３に係る走行車線推定システム３とは異なり、地図情報記憶部５０の代わりに、簡易版地図情報記憶部５１と区画線算出部５２とを備えている。簡易版地図情報記憶部５１と区画線算出部５２とで、車線毎の区画線の位置情報を含む地図情報を記憶していた地図情報記憶部５０を代用する以外の点においては、異なる点は無い。

また、実施の形態１に係る走行車線推定システム１との相違点は、地図情報記憶部５０の代わりに、簡易版地図情報記憶部５１と区画線算出部５２とを備えていること以外に、実施の形態１では、誤差パターンとしてＸ座標、Ｙ座標、方位の３つを用いていたが、実施の形態４では誤差パターンとしては方位のみを用いている点である。

図１６において、ＧＮＳＳ受信機１１０、車速算出手段１２０、角速度計測手段１３０、自車位置測位部２００及び測位結果蓄積部３１０は、実施の形態１、２，３と同様の構成であり、同様の動作を行うものである。また、簡易版地図情報記憶部５１及び区画線算出部５２は、実施の形態２と同様の構成であり、同様の動作を行うものである。さらに、補正量候補生成部３２１、事後確率演算部３３１、最適補正量演算部３４１、走行車線推定部３５１及び車線推定部３０１は実施の形態３と同様の構成であり、同様の動作を行うものである。詳細な説明は、共通するので省略する。

以上のように、ＧＮＳＳによって車両の座標を受信するＧＮＳＳ受信機と、車両の走行距離から車速を算出する車速算出手段と、車両の方位の変化量から角速度を計測する角速度計測手段と、座標から車両の基準座標及び基準方位を算出し、基準座標及び基準方位並びに車速及び角速度から車両の測位座標及び測位方位の時系列データを算出する自車位置測位部と、道路リンクを構成するノード座標、道路の幅員、車線数及び通行可能方向の情報を含む地図情報を記憶する簡易版地図情報記憶部と、地図情報から車線毎の区画線を算出する区画線算出部と、複数の誤差パターンによる時系列データの事前発生確率と、誤差パターンが発生した条件下で補正後の時系列データ及び区画線の相対的な位置関係に基づいて算出される尤度との積で算出される事後確率が最大となる誤差パターンを最適補正量とし、時系列データを最適補正量で補正して区画線との比較で車両の走行車線を推定する車線推定部とを備えた走行車線推定システムであるので、車両軌跡から車線変更の検出及び現在の走行車線の推定を精度良く行うことができる。

また、時系列データ及び区画線の相対的な位置関係には、時系列データを結ぶ線と区画線とが交差する関係、及び時系列データと区画線との距離の継続関係の内、少なくとも一方を含んでいる。さらに、誤差パターンは、方位誤差のみである。

走行車線推定システム４を用いることで、ナビゲーションシステムにおいて使用されている地図情報がそのまま利用でき、自車が走行している車線を把握できるので、より適切なアナウンス等の指示を容易にすることができるようになる。また、この走行車線推定システム４を用いることで、車両の自動運転や運転支援機能でも容易に走行車線の推定を行うことができる。

誤差パターンは、方位誤差のみである。これによって、演算量を大幅に削減でき、高速走行が想定される高規格道路では、走行車線推定がより迅速に行われる必要があり、より効果が高くなる。

実施の形態５．
図１７は実施の形態５に係る走行車線推定システム５の構成図である。実施の形態１及び実施の形態３を組み合わせたものに、高規格道路判定部４００が更に加わった構成である。

高規格道路判定部４００では、自車位置測位部２００から自車のＧＮＳＳ座標を取得する一方で、地図情報記憶部５０の道路情報から自車がいる道路の種類が、高規格道路であるか否かを判定する。高規格道路であった場合には、車線推定部を迅速に行えるように誤差パターンが方位誤差のみで車線を推定する車線推定部３０１で車線の推定を行う。この車線推定部３０１は、実施の形態３及び実施の形態４の車線推定部３０１と同一の構成及び機能となるので、ここでは説明を省略する。

一方、高規格道路ではなかった場合には、車線推定に高規格道路ほどの迅速さを要求されないので、誤差パターンが座標誤差及び方位誤差の組合せで車線を推定する車線推定部３００で車線の推定を行う。この車線推定部３００は、実施の形態１及び実施の形態２の車線推定部３００と同一の構成及び機能となるので、ここでは説明を省略する。

地図情報記憶部５０が記憶する情報には、道路の種別、特に高規格道路であるか否かの情報が含まれている。また、高規格道路判定部４００は自車位置測位部２００から自車のＧＮＳＳ座標を取得するとしたが、ＧＮＳＳ受信機１１０から直接ＧＮＳＳ座標を取得してもよい。

以上のように、ＧＮＳＳによって車両の座標を受信するＧＮＳＳ受信機と、車両の走行距離から車速を算出する車速算出手段と、車両の方位の変化量から角速度を計測する角速度計測手段と、座標から車両の基準座標及び基準方位を算出し、基準座標及び基準方位並びに車速及び角速度から車両の測位座標及び測位方位の時系列データを算出する自車位置測位部と、車線毎の区画線の位置情報を含む地図情報を記憶する地図情報記憶部と、複数の誤差パターンによる時系列データの事前発生確率と、誤差パターンが発生した条件下で補正後の時系列データ及び区画線の相対的な位置関係に基づいて算出される尤度との積で算出される事後確率が最大となる誤差パターンを最適補正量とし、時系列データを最適補正量で補正して区画線との比較で車両の走行車線を推定する車線推定部とを備えた走行車線推定システムである。

走行車線推定システムは、車線毎の区画線の位置情報を利用して事後確率を求め最適補正量で補正するので、車両軌跡から車線変更の検出及び現在の走行車線の推定を精度良く行うことができる。また、車線変更の発生とその方向（右または左）を検出することができる。

また、時系列データ及び区画線の相対的な位置関係には、時系列データを結ぶ線と区画線とが交差する関係、及び時系列データと区画線との距離の継続関係の内、少なくとも一方を含んでいる。

誤差パターンは、高規格道路では方位誤差のみとし、高規格道路以外の道路では座標誤差及び方位誤差の組合せとすることで、より迅速に、かつ効率的に車両軌跡から車線変更の検出及び現在の走行車線の推定を精度良く行うことができる。

実施の形態６．
図１８は実施の形態６に係る走行車線推定システム６の構成図である。実施の形態２及び実施の形態４を組み合わせたものに、高規格道路判定部４００が更に加わった構成である。

高規格道路判定部４００では、自車位置測位部２００から自車のＧＮＳＳ座標を取得する一方で、簡易版地図情報記憶部５１の道路情報から自車がいる道路の種類が、高規格道路であるか否かを判定する。高規格道路であった場合には、車線推定部を迅速に行えるように誤差パターンが方位誤差のみで車線を推定する車線推定部３０１で車線の推定を行う。この車線推定部３０１は、実施の形態３及び実施の形態４の車線推定部３０１と同一の構成及び機能となるので、ここでは説明を省略する。

一方、高規格道路ではなかった場合には、車線推定に高規格道路ほどの迅速さを要求されないので、誤差パターンが座標誤差及び方位誤差の組合せで車線を推定する車線推定部３００で車線の推定を行う。この車線推定部３００は、実施の形態１及び実施の形態２の車線推定部３００と同一の構成及び機能となるので、ここでは説明を省略する。

簡易版地図情報記憶部５１が記憶する情報には、道路の種別、特に高規格道路であるか否かの情報が含まれている。また、高規格道路判定部４００は自車位置測位部２００から自車のＧＮＳＳ座標を取得するとしたが、ＧＮＳＳ受信機１１０から直接ＧＮＳＳ座標を取得してもよい。

以上のように、ＧＮＳＳによって車両の座標を受信するＧＮＳＳ受信機と、車両の走行距離から車速を算出する車速算出手段と、車両の方位の変化量から角速度を計測する角速度計測手段と、座標から車両の基準座標及び基準方位を算出し、基準座標及び基準方位並びに車速及び角速度から車両の測位座標及び測位方位の時系列データを算出する自車位置測位部と、車線毎の区画線の位置情報を含む地図情報を記憶する地図情報記憶部と、複数の誤差パターンによる時系列データの事前発生確率と、誤差パターンが発生した条件下で補正後の時系列データ及び区画線の相対的な位置関係に基づいて算出される尤度との積で算出される事後確率が最大となる誤差パターンを最適補正量とし、時系列データを最適補正量で補正して区画線との比較で車両の走行車線を推定する車線推定部とを備えた走行車線推定システムである。

走行車線推定システムは、車線毎の区画線の位置情報を利用して事後確率を求め最適補正量で補正するので、車両軌跡から車線変更の検出及び現在の走行車線の推定を精度良く行うことができる。また、車線変更の発生とその方向（右または左）を検出することができる。

また、時系列データ及び区画線の相対的な位置関係には、時系列データを結ぶ線と区画線とが交差する関係、及び時系列データと区画線との距離の継続関係の内、少なくとも一方を含んでいる。

誤差パターンは、高規格道路では方位誤差のみとし、高規格道路以外の道路では座標誤差及び方位誤差の組合せとすることで、より迅速に、かつ効率的に車両軌跡から車線変更の検出及び現在の走行車線の推定を精度良く行うことができる。

なお、本発明は、その発明の範囲内において、各実施の形態を自由に組み合わせたり、各実施の形態を適宜、変形、省略したりすることが可能である。本発明について詳細に説明をしたが、これまでの説明は、すべての態様において、例示であって、発明がこれまでの説明に限定されるものではない。例示されていない無数の変形例が、この発明の技術的思想の範囲から外れることなく想定され得るものと解される。

１，２，３，４ 走行車線推定システム、５０ 地図情報記憶部、５１ 簡易版地図情報記憶部、５２区画線算出部、１１０ ＧＮＳＳ受信機、１２０ 車速算出手段、１３０ 角速度計測手段、２００ 自車位置測位部、３００，３０１ 車線推定部、３１０ 測位結果蓄積部、３２０，３２１ 補正量候補生成部、３３０，３３１ 事後確率演算部、３４０，３４１ 最適補正量演算部、３５０，３５１ 走行車線推定部、４００ 高規格道路判定部。

本発明は、運転者本人が運転している自動車である自車が走行している車線を推定する
技術に関するものである。

ナビゲーションシステムは、通常、衛星から受信するＧＮＳＳ（Ｇｌｏｂａｌ Ｎａｖ
ｉｇａｔｉｏｎ Ｓａｔｅｌｌｉｔｅ Ｓｙｓｔｅｍ、全地球航法衛星システム）座標情
報に、車両の車輪回転数から計算される車速信号情報、ジャイロセンサから得られる角速
度情報等を加味し、デッドレコニング処理を行って得られる自車位置推定座標を保持して
いる。

また、道路をリンクとノード及びそれらに紐づく属性情報のみで表現する通常のナビゲ
ーション向け地図を用いる場合には、マップマッチング処理を行うことにより、どの道路
リンク上のどの位置を自車（自分が運転している自動車）が走行しているのかを算出する
ことができ、地図上での車両位置（カーマーク）の表示位置を決定している。

しかしながら、上記ナビゲーション向けの地図は車線レベルの詳細形状情報を含んでお
らず、複数の車線を含む道路全体を線分列または曲線等で表現しているため、マップマッ
チング処理を行っても、どの道路を走行しているかを推定することはできるが、どの車線
を走行しているかまでは推定することはできない。また、通常、デッドレコニング処理に
よって得られる自車位置の推定精度は、マルチパス等衛星受信環境による影響を受けやす
く、受信環境によっては１０ｍ程度の誤差を含んでいる。このため、たとえ車線毎の詳細
形状を入手して、上記デッドレコニング処理の結果得られる位置に最も近い車線を算出し
ても、実際の走行車線を正しく推定できる可能性は低いのが現状である。

一方、走行車線を特定するための手法としては、カメラ画像の分析結果を利用する技術
が主流である。カメラから得られる画像情報を解析することで、自車に対する周辺の白線
情報を取得し、自車から白線情報までの距離の時系列データから、車線をまたいだ事実を
検知し、車線変更を検出することが可能となる。

しかしながら、走行車線の特定への利用が期待されるカメラは専用のスペックを備えた
ものでなければならず、その目的のみのためにカメラを設置することはユーザへの経済的
な負担が大きく、上記カメラ画像を利用した走行車線推定技術を適用した製品の市場普及
はあまり進んでいない。

この問題に対し、特許文献１ではカメラを使用せずに自車位置の補正を行う技術が示さ
れている。この技術によれば、走行道路特定手段において、パターンマッチングの技術を
利用することで、まず、地図の形状情報を基に自車の座標や方位を修正するとともに走行
道路を特定する。その後、車線算出手段により、ナビゲーション向けの地図に含まれる車
線数や幅員の情報を基に作成した仮想的な車線毎の形状データと、各時刻での測位座標と
を基に、自車がそれぞれの走行車線を走行している確率を算出している。

特開平１１−２１１４９１号公報

特許文献１の技術では、地図データを基に作成した車両軌跡のテンプレートを作成し、
実際の車両軌跡が上記テンプレートに収まるように測位結果の時系列の補正を行うアイデ
ィアが提案されている。しかしながら、上記テンプレートは道路全体の走行可能領域をテ
ンプレートとしてマッチングするものであり、各車線の走行可能領域をテンプレートとし
てマッチングするものではない。このため、複数車線が存在する道路においては、車線レ
ベルでの方位補正を行うことができず、パターンマッチングによって期待する精度の方位
補正が実現できないことがある。

本発明は上述の問題点に鑑み、車線毎の区画線の位置情報を利用し、車両位置の地図に
含まれる区画線に対する相対的な位置関係に基づいて算出されるパスの尤もらしさの評価
値を用いて、方位（必要に応じて座標も）の補正量についての事後確率を算出し、事後確
率の値が最大となる自車の方位（必要に応じて座標も）の最適補正値を求め、補正の結果
得られる車両軌跡から車線変更の検出及び現在の走行車線の推定を行うことを目的とする
。

この発明に係る走行車線推定システムは、全地球航法衛星システム（ＧＮＳＳ）によっ
て車両の座標を受信するＧＮＳＳ受信機と、車両の走行距離から車速を算出する車速算出
手段と、車両の方位の変化量から角速度を計測する角速度計測手段と、座標から車両の基
準座標及び基準方位を算出し、基準座標及び基準方位並びに車速及び角速度から車両の測
位座標及び測位方位の時系列データを算出する自車位置測位部と、車線毎の区画線の位置
情報を含む地図情報を記憶する地図情報記憶部と、複数の誤差パターンによる時系列デー
タの事前発生確率と、誤差パターンが発生した条件下で補正後の時系列データ及び区画線
の相対的な位置関係に基づいて算出される尤度との積で算出される事後確率が最大となる
誤差パターンを最適補正量とし、時系列データを最適補正量で補正して区画線との比較で
車両の走行車線を推定する車線推定部とを備えた走行車線推定システムである。

また、この発明に係る走行車線推定システムは、全地球航法衛星システム（ＧＮＳＳ）
によって車両の座標を受信するＧＮＳＳ受信機と、車両の走行距離から車速を算出する車
速算出手段と、車両の方位の変化量から角速度を計測する角速度計測手段と、座標から車
両の基準座標及び基準方位を算出し、基準座標及び基準方位並びに車速及び角速度から車
両の測位座標及び測位方位の時系列データを算出する自車位置測位部と、道路リンクを構
成するノード座標、道路の幅員、車線数及び通行可能方向の情報を含む地図情報を記憶す
る簡易版地図情報記憶部と、地図情報から車線毎の区画線を算出する区画線算出部と、複
数の誤差パターンによる時系列データの事前発生確率と、誤差パターンが発生した条件下
で補正後の時系列データ及び区画線の相対的な位置関係に基づいて算出される尤度との積
で算出される事後確率が最大となる誤差パターンを最適補正量とし、時系列データを最適
補正量で補正して区画線との比較で車両の走行車線を推定する車線推定部とを備えた走行
車線推定システムである。

本発明の走行車線推定システムは、車線毎の区画線の位置情報を利用して事後確率を求
め最適補正量で補正するので、車両軌跡から車線変更の検出及び現在の走行車線の推定を
精度良く行うことができる。

図１は実施の形態１に係る走行車線推定システムの構成図である。 図２は実施の形態１に係る走行車線推定システムの自車位置測位部における自車位置測位動作を示すフローチャートである。 図３は実施の形態１に係る走行車線推定システムの測位結果蓄積部における測位結果蓄積動作を示すフローチャートである。 図４は実施の形態１に係る走行車線推定システムの中間出力結果の具体例を示す図である。 図５は実施の形態１に係る走行車線推定システムの基準座標及び基準方位、並びに測位座標及び測位方位の時系列データのイメージ図である。 図６は実施の形態１に係る走行車線推定システムの誤差パターンの具体例を示す図である。 図７は実施の形態１に係る走行車線推定システムの事象のイメージ図である。 図８は実施の形態１に係る走行車線推定システムの補正前後のパスのイメージ図である。 図９は実施の形態１に係る走行車線推定システムの補正前後の測位結果蓄積データの具体例を示す図である。 図１０は実施の形態１に係る走行車線推定システムの最適補正量の具体例を示す図である。 図１１は実施の形態２に係る走行車線推定システムの構成図である。 図１２は実施の形態３に係る走行車線推定システムの構成図である。 図１３は実施の形態３に係る走行車線推定システムの誤差パターンの具体例を示す図である。 図１４は実施の形態３に係る走行車線推定システムの補正前後の測位結果蓄積データの具体例を示す図である。 図１５は実施の形態３に係る走行車線推定システムの最適補正量の具体例を示す図である。 図１６は実施の形態４に係る走行車線推定システムの構成図である。 図１７は実施の形態５に係る走行車線推定システムの構成図である。 図１８は実施の形態６に係る走行車線推定システムの構成図である。

実施の形態１．
図１は実施の形態１に係る走行車線推定システム１の構成図である。車両等の移動体を
制御対象とし、制御対象である移動体が走行している車線を推定するものである。走行車
線推定システム１は、地図情報記憶部５０、ＧＮＳＳ受信機１１０、車速算出手段１２０
、角速度計測手段１３０、自車位置測位部２００、車線推定部３００を備えている。

地図情報記憶部５０には、少なくとも車線毎の詳細位置情報を含む地図情報を記憶して
いる。ここで、車線毎の詳細位置情報とは、車線毎の区画線の位置情報のことである。車
線毎の区画線の位置情報としては、例えば、区画線上の座標列の情報でよい。区画線上の
座標列で互いに隣り合う２つの座標を結ぶ線分列として、車線毎の区画線の位置情報を表
現できる。さらに、この車線毎の区画線の位置情報から車線毎の車線中心線及び車線幅を
算出することもできる。

また、車線毎の区画線の位置情報としては、その他の例として、車線毎の車線中心線の
座標列及び車線幅の情報でもよい。車線毎の車線中心線の座標列で互いに隣り合う２つの
座標を結ぶ線分列として車線毎の車線中心線を算出でき、車線幅の半分の距離の位置が車
線毎の左右の区画線の位置情報となるからである。このような線分列で区画線又は車線中
心線の位置情報を表現する方法以外にも、複数の円弧列などの曲線列によって区画線又は
車線中心線の位置情報を表現する方法もある。円弧列によって表現する場合、例えば、円
弧は、円弧の円弧始点、円弧終点、円弧半径の組によって一意に表現することができるか
らである。

地図情報記憶部５０は、車線毎の詳細形状を含む高精度地図データを格納する記憶媒体
を含んでおり、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）やメモリースティック（登録
商標）等により構成される。地図情報記憶部５０には、この他にも道路リンクを構成する
ノード座標、道路の幅員、車線数及び通行可能方向の情報などによって構成される通常の
ナビゲーション向け地図情報が含まれることも当然にある。

ＧＮＳＳ受信機１１０は、ＧＮＳＳによって車両の座標を受信する受信機である。ＧＮ
ＳＳ受信機１１０は、衛星からの電波を受信するＧＮＳＳアンテナが接続されており、衛
星からの電波により位置を計測して車両の位置データを出力する。

車速算出手段１２０は、車両の走行距離から車速を算出するものである。例えば、車速
算出手段１２０は、車両の走行距離に応じて出力される距離センサのパルス信号を用いて
車両の走行距離を計測して、車両の車速を算出する。

角速度計測手段１３０は、車両の方位の変化量から角速度を計測するものである。例え
ば、角速度計測手段１３０は、ジャイロで検知した車両の角速度データを計測する。

自車位置測位部２００は、ＧＮＳＳ受信機１１０が受信する車両の座標から車両の基準
座標及び基準方位を算出し、基準座標及び基準方位、並びに車速算出手段１２０が算出す
る車速及び角速度計測手段１３０が計測する角速度から車両の測位座標及び測位方位の時
系列データを算出する。自車位置測位部２００は、走行車線推定システム１が制御対象と
する車両等の移動体の現在の位置情報を取得する。

車線推定部３００は、測位結果蓄積部３１０、補正量候補生成部３２０、事後確率演算
部３３０、最適補正量演算部３４０、走行車線推定部３５０から構成されている。

測位結果蓄積部３１０は、自車位置測位部２００から取得した各時刻における測位結果
である測位座標及び測位方位を時刻の古い順に時系列データとして記憶しておき、バッフ
ァが上限に達した場合には古いデータから順に削除していく。

補正量候補生成部３２０は、まず、基準座標のＧＮＳＳ受信精度等に基づき、測位座標
及び測位方位の誤差の分布を算出する。次に、測位座標及び測位方位が所定の範囲内に収
まる確率が事前に指定した閾値を上回るように誤差（座標、方位）の範囲を決定し、その
範囲内に位置する誤差（座標、方位）のパターンを生成する。例えば、誤差分布をＸ方向
の誤差標準偏差σ_Ｘ、Ｙ方向の誤差標準偏差σ_Ｙ、及び方位Θの誤差標準偏差σ_Θをもつ
三次元正規分布とみなし、誤差パターンは、例えば、上記標準偏差に基づく直方体−２σ
_Ｘ＜Ｘ＜２σ_Ｘ，−２σ_Ｙ＜Ｙ＜２σ_Ｙ，−２σ_Θ＜Θ＜２σ_Θに含まれる全ての格子点
を補正量候補（誤差パターン）とすればよい。ＧＮＳＳ受信機１１０から取得される座標
は経度及び緯度であるが、ここでは経度をＸ座標、緯度をＹ座標に変換している。

なお、本アルゴリズムを適用する際の時系列データの座標の範囲は長くても２〜３ｋｍ
であるため、局所的に地表面を平面とみなし、経度とＸ座標を、緯度とＹ座標を線形変換
によってそれぞれ対応づけることが可能である。そのため、経度をＸ座標、緯度をＹ座標
に変換することなく、経度、緯度のままで演算をすることも当然できる。その際は、当該
地点における経度１度あたりの距離、緯度１度当たりの距離を考慮して計算を行う必要が
ある。経度、緯度のままで演算する場合、誤差パターンも経度、緯度、方位の組合せとす
ることができる。

事後確率演算部３３０は、補正量候補生成部３２０で生成された全ての補正量候補に対
して、実現の可能性を定量的に表す事後確率を演算する。より具体的には、事後確率演算
部３３０は、まず、補正量候補生成部３２０で生成された全ての誤差パターンによる時系
列データの事前発生確率を演算することになる。次に、誤差パターンが発生した条件下で
補正後の時系列データ及び区画線の相対的な位置関係に基づいて算出される尤度（時系列
データの尤もらしさの評価値）との積で算出される事後確率を演算する。

補正量候補決定部３４０は、事後確率演算部３３０で演算した各補正量候補である誤差
パターンの事後確率の演算結果を基に、事後確率が最大となる誤差パターンを最適補正量
として算出する。

走行車線推定部３５０は、補正量候補決定部３４０で算出された最適補正量（最尤補正
量）を採用し、時系列データを最適補正量で補正して区画線との比較で車両の走行車線を
推定することになる。

次に、走行車線推定システム１における走行車線推定動作について説明する。図２は、
自車位置測位部２００における自車位置測位動作を示すフローチャートである。まず、自
車位置測位部２００は、ＧＮＳＳ受信機１１０から座標（ＧＮＳＳ座標）、車速算出手段
１２０から車速、角速度計測手段１３０から角速度を周期的に受信する（ステップＳ２０
１）。次に、自車座標の基準座標、基準方位が登録済みかどうかを確認する（ステップＳ
２０２）。初回のＧＮＳＳ座標受信時等は、基準座標、基準方位が未登録であるため、Ｎ
の方向に進む。

続いて、過去の所定期間のＧＮＳＳ受信機１１０から受信した座標から各時刻における
方位を算出する（ステップＳ２０３）。方位の算出結果に対して、全ての方位が所定のば
らつきの範囲内に収まっているかのチェックを行う（ステップＳ２０４）。収まっている
場合（Ｙの方向）は、現在のＧＮＳＳ座標を基準座標に、過去所定期間の方位の平均を基
準方位に登録する（ステップＳ２０５）。一方、収まっていない場合（Ｎの方向）は何も
処理せずに最初に戻る。

ステップＳ２０４は車両の直進安定性の判定処理に相当し、直進安定性を満たす地点で
のＧＮＳＳ座標に基づいて算出された基準座標及び基準方位を採用して計算を開始するた
めに必要となる。ここまでの過程で、基準座標及び基準方位を算出してきたが、これは一
例であり、この算出方法に特定されるものではない。例えば、基準座標は座標の移動平均
で、基準方位は方位の移動平均で算出することもできる。また、車両の直進安定性をどこ
まで考慮するかによっても変わってくる。

ステップＳ２０２で既に基準座標及び基準方位が登録済みであった場合はＹの方向に進
み、続いて基準座標及び基準方位、並びに車速及び角速度から車両の測位結果として測位
座標及び測位方位を算出する（ステップＳ２０６）。次に、今回算出した測位結果と、今
回受信したＧＮＳＳ座標との差が所定の範囲内かどうかのチェックを行う（ステップＳ２
０７）。チェックの結果、範囲内と判定された場合（Ｙの方向）には、算出した測位結果
である測位座標及び測位方位を測位結果蓄積部３１０へ送信する（ステップＳ２０８）。

範囲外と判定された場合（Ｎの方向）には、これまでの基準位置及び基準方位、並びに
最適補正量をリセットする必要があるため、測位結果蓄積部３１０へこれまでの測位結果
蓄積データの削除要求を送信する（ステップＳ２０９）。これを受けて、測位結果蓄積部
３１０に登録済みの基準座標及び基準方位を削除する（ステップＳ２１０）。この場合、
再度、基準座標及び基準方位の登録が行われた後、測位処理が動作することとなる。

例えば、ステップＳ２０３のＧＮＳＳ方位の算出方法として、下記の算出方法が考えら
れる。

（時刻ｔのＧＮＳＳ方位）
＝ａｒｃｔａｎ（（（時刻ｔのＹ座標）−（時刻ｔ−１のＹ座標））
／（（時刻ｔのＸ座標）−（時刻ｔ−１のＸ座標））） ・・・（式１）
但し、Ｘ座標及びＹ座標はＧＮＳＳ座標を表すものとする。また、現在の時刻をｔとし、
時刻ｔ−１は前回のデータ受信時刻を表すものとする。

例えば、ステップＳ２０４の判定方法として、下記の判定基準が考えられる。
判定基準：（方位の最大値）−（方位の最小値）＜（方位閾値θ_ｔｈ）
但し、方位はステップＳ２０３でＧＮＳＳ座標から算出した値であり、連続する２回の方
位算出結果が、１８０度を超えないように、方位に３６０度の整数倍を加算して調整した
値を使用する。

例えば、ステップＳ２０６における測位結果の算出方法として、下記の計算式群が考え
られる。

（時刻ｔの方位）
＝（時刻ｔ−１の方位）＋（角速度）×（計測間隔）
（時刻ｔのＸ座標）
＝（時刻ｔ−１のＸ座標）＋（時刻ｔ−１〜ｔの間の車両走行距離）
×ｃｏｓ（（（時刻ｔの方位）＋（時刻ｔ−１の方位））／２）
（時刻ｔのＹ座標）
＝（時刻ｔ−１のＹ座標）＋（時刻ｔ−１〜ｔの間の車両走行距離）
×ｓｉｎ（（（時刻ｔの方位）＋（時刻ｔ−１の方位））／２） ・・・（式群２）

但し、車両走行距離は車速算出手段１２０から、角速度は角速度計測手段１３０から、
それぞれ得るものとする。また、現在の時刻をｔとし、時刻ｔ−１は前回のデータ受信時
刻を表すものとする。さらに、明細書中、方位は真北の方向を０度として時計回りに計測
した場合の車両（自車）が走行している向き（角度）を表している。

例えば、ステップ２０７の判定方法としては、下記の判定基準が考えられる。
判定基準：（ＧＮＳＳ座標と測位結果座標との距離）＜（距離閾値ｄ_ｔｈ）

図３は、測位結果蓄積部３１０における測位結果蓄積動作を示すフローチャートである
。測位結果蓄積部３１０は自車位置測位部２００から測位結果を受信する（ステップＳ３
１１）。より具体的には、測位結果である車両の測位座標及び測位方位の時系列データを
受け取ることになる。次に、測位結果の蓄積データの数が規定量に達したかどうかを確認
する（ステップＳ３１２）。規定量に達した場合（Ｙの方向）は、事後確率演算部３３０
へ蓄積データを送信し（ステップＳ３１３）、元に戻る。一方、規定量に達していない場
合（Ｎの方向）は、自車位置測位部２００から受信した今回の測位結果を蓄積データに追
加し（ステップＳ３１４）、元に戻る。

図４は、走行車線推定システム１の中間出力結果の具体例を示す図である。より具体的
には、基準座標及び基準方位の例を示し、測位結果蓄積データでは時刻が１０時の最初の
データレコードの時に基準座標及び基準方位と一致していることを示している。その後、
測位結果蓄積データは時系列でＸ座標、Ｙ座標、方位が変化していることを示している。

また、図５は、基準座標及び基準方位、並びに測位座標及び測位方位の時系列データ（
実際は数字のデータ）のイメージ図である。二重の白丸は基準座標及び基準方位、白丸は
測位座標及び測位方位、黒点は車線毎の区画線のノードを示している。白線の実線及び破
線は車線毎の区画線を示している。方位は各点における車両の進行方向になる。例えば、
白線の実線である車線の区画線の外側は、路側帯、路肩などになる。

次に、補正量候補生成部３２０での処理を説明する。補正量候補生成部３２０では、補
正可能な位置及び方位の誤差範囲を定め、上記誤差範囲に対応する補正量候補のリストを
作成する。以下に具体的な処理内容の例を記す。

Ｘ，Ｙ，Θは確率変数であり、パス開始点（測位結果蓄積データのうち最も古いレコー
ド）における、それぞれＸ方向、Ｙ方向、方位の誤差量を表すこととする。なお、ここで
、パスとは測位結果の時系列のことである。例えば、Ｘ，Ｙ，ΘがＧＮＳＳ受信精度等に
基づいたパラメータをもつ３次元正規分布に従うことを想定したモデル化方法等が考えら
れる。具体的には、Ｘ及びＹは平均０、標準偏差σ_ｐｏｓであり、Θは平均０、標準偏差
σ_ｄｉｒ であり、Ｘ，Ｙ，Θは互いに独立な確率変数で、３次元正規分布と従うと仮定し
てもよい。また、例えば、σ_ｐｏｓはＧＮＳＳの受信状況から、σ_ｄｉｒはジャイロセン
サから出力される情報の信頼度から決定してもよい。

この場合、例えば補正可能範囲を、位置に関しては−２σ_ｐｏｓ〜＋２σ_ｐｏｓの範囲
に、方位に関しては−２σ_ｄｉｒ〜＋２σ_ｄｉｒの範囲に制限することで、発生の可能性
が高い補正量のパターンをカバーしつつ（各変数のカバー率＝約９５．４％）、補正量候
補を生成することができる。具体的には、上記の範囲に含まれている等間隔の格子点を全
て列挙し、補正量候補として登録する方法をとることが考えられる。

図６は自車走行車線推定システム１の誤差パターンの具体例を示す図である。ここでは
、誤差パターン毎に、X方向の誤差、Y方向の誤差、方位誤差を示している。誤差パターン
の刻み方は例示に過ぎず、より小さくも、反対により大きくもとることができる。

次に、事後確率演算部３３０での処理を説明する。補正量候補である誤差パターン毎に
事後確率Ｐ（ｘ，ｙ，θ）を算出する。具体的には、事後確率の算出式は式３のとおり、
第一の確率モデルに従う誤差の事前発生確率Ｐ_１（ｘ，ｙ，θ）と、第二の確率モデルに
従うパスの尤もらしさの評価値（以下、「パス尤度」と表記する。）Ｐ_２（ｘ，ｙ，θ）
の積によって算出される。より具体的には、事後確率Ｐ（ｘ，ｙ，θ）は、誤差パターン
（Ｘ方向の誤差がｘ、Ｙ方向の誤差がｙ、方位誤差がθである事象）の事前発生確率Ｐ_１
（ｘ，ｙ，θ）と、誤差パターンが発生した条件下で補正後の時系列データ及び区画線の
相対的な位置関係に基づいて算出される尤度Ｐ_２（ｘ，ｙ，θ）との積で算出される。こ
の関係式では、ベイズ推定を応用して用いている。

Ｐ（ｘ，ｙ，θ）
＝Ｐ_１（ｘ，ｙ，θ）×Ｐ_２（ｘ，ｙ，θ） ・・・（式３）

ここで、Ｘ，Ｙ，Θは確率変数であり、パス開始点における、それぞれＸ方向、Ｙ方向
、方位の誤差量を表す。Ｐ（ｘ，ｙ，θ）は、観測されたパス（測位結果の時系列データ
）を証拠とした場合の、ｘ＝Ｘかつｙ＝Ｙかつθ＝Θとなる事後確率を表す。

誤差の事前発生確率Ｐ_１（ｘ，ｙ，θ）は、Ｘ方向、Ｙ方向、方位の誤差量がそれぞれ
ｘ、ｙ、θである現象が発生する確率密度関数を表す。例えば、Ｘ，Ｙ，ΘがＧＮＳＳ受
信精度等に基づいたパラメータをもつ３次元正規分布に従うことを想定したモデル化方法
等が考えられる。この場合、Ｐ_１（ｘ，ｙ，θ）は式４で与えられる。

Ｐ_１（ｘ，ｙ，θ）
＝（（１／（２πσ_ｐｏｓ ^２））・（１／（２πσ_ｄｉｒ ^２）））^１／２
・ｅｘｐ［−ｘ^２／（２σ_ｐｏｓ ^２）−ｙ^２／（２σ_ｐｏｓ ^２）−θ^２／（２σ_ｄｉ
ｒ ^２）］ ・・・（式４）

ベイズ推定の枠組みにおいては、Ｐ_１（ｘ，ｙ，θ）は誤差ｘ、ｙ、θの事前確率に相
当する。

パス尤度Ｐ_２（ｘ，ｙ，θ）は、特定の誤差パターンが発生した条件下で、その誤差パ
ターンで補正した後の時系列データ及び区画線の相対的な位置関係に基づいて算出される
尤度である。ここで、時系列データ及び区画線の相対的な位置関係には、時系列データを
結ぶ線分列と区画線とが交差する関係、及び時系列データと区画線との距離の継続関係の
内、少なくとも一方を含んでいる。ここで、時系列データを結ぶ線分列とは、誤差パター
ンで補正した後の時系列データの点と点とを順番に結んでいく線分の列のことであり、例
えば、時刻（ｔ+α）の点と時刻（ｔ＋α＋１）の点とを結ぶ線分などが含まれる。

また、時系列データと区画線との距離の継続関係とは、誤差パターンで補正した後の時
系列データの点と、区画線（線分列、曲線列によって表現される。）との距離が所定の範
囲内にある状態が継続している関係である。この場合、誤差パターンで補正した後の時系
列データの点の集合は、車線変更が発生している時間帯を除き、ある区画線とそれと隣接
する区画線の間に挟まれた領域内（車線内）を走行し、時系列データを結ぶ線と区画線と
が交差することはない。また、誤差パターンで補正した後の時系列データの点と区画線と
が重なっただけで、交差とまでは言えない場合には、例えば、時系列データと区画線との
距離の継続関係に含まれるとして処理することができる。

時系列データを結ぶ線と区画線とが交差する関係（事象）の中には、例えば、＜１＞道
路外（道路の区画線の外）にはみ出す事象、＜２＞短時間に車線の区画線を何度かまたぐ
事象、＜３＞緩やかな車線変更が発生する事象、＜４＞車線変更禁止区間での車線変更が
発生する事象、＜５＞運転手による方向指示器操作を伴わない車線変更が発生する事象、
＜６＞運転手によるハンドル舵角の変化を伴わない車線変更が発生する事象、＜７＞カメ
ラによる白線横断検出を伴わない車線変更が発生する事象などがある。一方、時系列デー
タと区画線との距離の継続関係（事象）には、例えば、＜８＞車線内の左寄り又は右寄り
の走行を継続する事象、＜９＞車線の中央を安定して走行を継続する事象などがある。

図７は、事象のイメージ図であり、より具体的には、上記の事象の一部を取り上げて具
体的に説明するためのイメージ図である。例えば、事象＜１＞の道路外（道路の区画線の
外）にはみ出す事象の例では、道路外にはみ出すのはNGであることを示している。また、
事象＜２＞の短時間に車線の区画線を何度かまたぐ事象の例では、車線のまたぎ回数の最
小化を示している。さらに、事象＜９＞の車線の中央を安定して走行を継続する事象の例
では、車線中心付近の走行距離の最大化を示している。

例えば、＜４＞車線変更禁止区間での車線変更が発生する事象では、地図情報記憶部５
０で記憶している車線毎の詳細形状には、車線が変更禁止区間であるとの情報も含まれる
ことになる。また、＜５＞運転手による方向指示器操作を伴わない車線変更が発生する事
象では、方向指示器の操作情報を入手する手段が必要となる。さらに、＜６＞運転手によ
るハンドル舵角の変化を伴わない車線変更が発生する事象では、ハンドル舵角の情報を入
手する手段が必要となる。また、＜７＞カメラによる白線横断検出を伴わない車線変更が
発生する事象では、カメラによって白線を車両が横断したか検知する白線横断検知手段が
必要となる。

パス尤度Ｐ_２（ｘ，ｙ，θ）は、観測されたパスを誤差量（誤差パターン）ｘ，ｙ，θ
を基に補正を行った後のパスの尤もらしさの評価値（尤度）を表す。パス尤度Ｐ_２（ｘ，
ｙ，θ）を算出する際には、補正後のパスが、＜１＞道路外にはみ出す事象、＜２＞短時
間に車線の区画線を何度かまたぐ事象、＜３＞緩やかな車線変更が発生する事象、＜４＞
車線変更禁止区間での車線変更が発生する事象、＜５＞運転手による方向指示器操作を伴
わない車線変更が発生する事象、＜６＞運転手によるハンドル舵角の変化を伴わない車線
変更が発生する事象、＜７＞カメラによる白線横断検出を伴わない車線変更が発生する事
象、＜８＞車線内の左寄り又は右寄りの走行を継続する事象などを考慮し、その発生頻度
や程度に応じて発生確率を減少させる。なお、補正後の時系列データ及び区画線の相対的
な位置関係として想定する事象は多い方が望ましいが、一つの事象だけでも、事後確率Ｐ
（ｘ，ｙ，θ）を算出することはでき、本発明は成立する。

具体的には、次のようなパス尤度Ｐ_２（ｘ，ｙ，θ）の計算方法が考えられる。なお、
＜ ＞内の数字は、上記の各事象に対応している。例えば、＜１＞路外逸脱発生回数の確
率過程が平均間隔１／λ_ｄｅｖ（＜＜１）のポアソン過程に従うとみなせる。以下、同様
に、＜２＞車線変更発生回数の確率過程が平均間隔１／λ_ｃｈｇのポアソン過程に従うと
みなせる。＜３＞車線変更時の車線に対するヨー角を平均μ_ｙａｗ、標準偏差σ_ｙａｗの
正規分布に従う各々独立な確率変数とみなせる。＜４＞車線変更禁止区間での車線変更確
率をｐ_ｐｒｈとし、車両走行位置の車線中心線からのずれを、平均０、標準偏差σ_ｃｅｎ
の正規分布に従う各々独立な確率変数とみなせる。＜５＞車線変更時点から最も時間的に
近い車線変更と同一方向への方向指示器操作時点までの時間間隔を平均１／λ_ｗｉｎの指
数分布に従うとみなせる。＜６＞車線変更時点から最も時間的に近い車線変更と同一方向
へのハンドル舵角操作時点までの時間間隔を平均１／λ_ｈｎｄの指数分布に従うとみなせ
る。＜７＞車線変更時点から最も時間的に近い車線変更と同一方向へのカメラでの白線横
断検出時点までの時間間隔を平均１／λ_ｃａｍの指数分布に従うとみなせる。＜８＞車線
中心線からの距離を平均０、標準偏差σ_ｃｅｎの正規分布に従うとみなせる。とすれば、
Ｐ_２（ｘ，ｙ，θ）は式５として定式化できる。

Ｐ_２（ｘ，ｙ，θ）
＝Ｐ_２Ａ（ｘ，ｙ，θ）×Ｐ_２Ｂ（ｘ，ｙ，θ）×Ｐ_２Ｃ（ｘ，ｙ，θ）
×Ｐ_２Ｄ（ｘ，ｙ，θ）×Ｐ_２Ｅ（ｘ，ｙ，θ）×Ｐ_２Ｆ（ｘ，ｙ，θ）
×Ｐ_２Ｇ（ｘ，ｙ，θ）×Ｐ_２Ｈ（ｘ，ｙ，θ） ・・・（式５）
ここで、
Ｐ_２Ａ（ｘ，ｙ，θ）＝ｅｘｐ［−λ_ｄｅｖ・ｔ］・（λ_ｄｅｖ・ｔ）^ｄ／（ｄ！）
Ｐ_２Ｂ（ｘ，ｙ，θ）＝ｅｘｐ［−λ_ｃｈｇ・ｔ］・（λ_ｃｈｇ・ｔ）^ｋ／（ｋ！）
Ｐ_２Ｃ（ｘ，ｙ，θ）＝Π_ｉ＝１ ^ｋ（１／（２πσ_ｙａｗ ^２））^１／２
・ｅｘｐ［−（ｗ（ｉ）−μ_ｙａｗ）^２／（２σ_ｙａｗ ^２）］
Ｐ_２Ｄ（ｘ，ｙ，θ）＝Π_ｉ＝１ ^ｋ（ｐ（ｉ））
Ｐ_２Ｅ（ｘ，ｙ，θ）＝Π_ｉ＝１ ^ｋｅｘｐ［−λ_ｗｉｎ・ｔ_１（ｉ）］
Ｐ_２Ｆ（ｘ，ｙ，θ）＝Π_ｉ＝１ ^ｋｅｘｐ［−λ_ｈｎｄ・ｔ_２（ｉ）］
Ｐ_２Ｇ（ｘ，ｙ，θ）＝Π_ｉ＝１ ^ｋｅｘｐ［−λ_ｃａｍ・ｔ_３（ｉ）］
Ｐ_２Ｈ（ｘ，ｙ，θ）
＝Π_ｊ＝１ ^ｎ（１／（２πσ_ｃｅｎ ^２））^１／２
・ｅｘｐ［−（ｌ（ｊ））^２／（２σ_ｃｅｎ ^２）］

式５におけるＰ_２Ａ（ｘ，ｙ，θ）は、＜１＞道路外（＝道路区画線外）にはみ出す事
象の発生頻度を反映している。以下、同様に、Ｐ_２Ｂ（ｘ，ｙ，θ）は、＜２＞車線変更
（＝車線区画線をまたぐ）が発生する事象の発生頻度を反映している。Ｐ_２Ｃ（ｘ，ｙ，
θ）は、＜３＞緩やかな車線変更が発生する事象の発生頻度を反映している。Ｐ_２Ｄ（ｘ
，ｙ，θ）は、＜４＞車線変更禁止区間での車線変更が発生する事象の発生頻度を反映し
ている。Ｐ_２Ｅ（ｘ，ｙ，θ）は、＜５＞運転手による方向指示器操作を伴わない車線変
更が発生する事象の発生頻度を反映している。Ｐ_２Ｆ（ｘ，ｙ，θ）は、＜６＞運転手に
よるハンドル舵角の変化を伴わない車線変更が発生する事象の発生頻度を反映している。
Ｐ_２Ｇ（ｘ，ｙ，θ）は、＜７＞カメラによる白線横断検出を伴わない車線変更が発生す
る事象の発生頻度を反映している。Ｐ_２Ｈ（ｘ，ｙ，θ）は、＜８＞車線内の左寄り又は
右寄りの走行を継続する事象の発生頻度を反映している。

ここで、ｄは補正後のパスで路外逸脱が発生した回数を表し、ｋは補正後のパスで車線
変更が行われた回数を表している。また、ｐ（ｉ）はｉ回目の車線変更が車線変更禁止区
間で行われた場合はｐ_ｐｒｈ、そうでない場合は１を返す関数である。さらに、ｗ（ｉ）
はｉ回目の車線変更時のヨー角を表している。また、ｔ_１（ｉ）はｉ回目の車線変更時点
から最も時間的に近い車線変更と同一方向への方向指示器操作時点までの時間間隔を表し
ている。さらに、ｔ_２（ｉ）はｉ回目の車線変更時点から最も時間的に近い車線変更と同
一方向へのハンドル舵角操作時点までの時間間隔を表している。また、ｔ_３（ｉ）はｉ回
目の車線変更時点から最も時間的に近い車線変更と同一方向へのカメラでの白線横断検出
時点までの時間間隔を表している。ｎは観測した座標点数を表し、ｌ（ｊ）はｊ番目の観
測点から、その観測点が所属する車線の車線中心線までの垂線距離を表すものとする。

但し、λ_ｄｅｖ、λ_ｃｈｇ、μ_ｙａｗ、σ_ｙａｗ、ｐ_ｐｒｈ、λ_ｗｉｎ、λ_ｈｎｄ、λ
_ｃａｍ、σ_ｃｅｎはパラメータであり、定数を設定する方法の他に、過去の走行プローブ
データ等の実績を基に算出してもよい。また、ドライバー個人の過去の走行実績に基づい
てパラメータ調整することで、より個人の運転特徴を反映した正確な車線変更の判定が検
出となる。

一方、ｄ、ｋ、ｐ（ｉ）、ｗ（ｉ）、ｔ_１（ｉ）、ｔ_２（ｉ）、ｔ_３（ｉ）、ｎ、ｌ（
ｊ）は、誤差ｘ、ｙ、θによる補正後のパスから算出される数値であるため、観測された
パスに依存することはもちろん、ｘ、ｙ、θの関数でもあることに注意が必要である。

また、ｘ、ｙ、θはパス開始点（測位結果蓄積部３１０のデータのうち最も古いレコー
ド）である基準座標及び基準方位に対する補正量である。このため、補正前の座標に対し
て、パス開始点からの相対位置ベクトルの算出を行い、この相対位置ベクトルに対して回
転角θの回転を行い、オフセットｘ、ｙを加算することで、相対位置ベクトルから絶対位
置ベクトルへ変換でき、補正後の座標を得ることができる。この処理を測位結果蓄積部３
１０の全レコードに対して行うことで、補正後のパスを得る。

式５の具体例では、＜１＞で路外逸脱発生回数の確率過程が平均λ_ｄｅｖ（＜＜１）の
ポアソン過程に従うとみなしたが、路外逸脱が１回以上発生した場合には、無条件にＰ_２
（ｘ，ｙ，θ）＝０とするモデル化も可能である。

また、計算機上で事前確率、パス尤度、事後分布の演算処理を行う場合には、上記Ｘ，
Ｙ，Θを離散確率変数とみなし、Ｐ_１（ｘ，ｙ，θ）を離散確率分布として置き換えても
よい。

図８は、補正前後のパスのイメージ図である。より具体的には、左側の図が補正前のパ
スを、右側の図が補正後のパスを表している。また、二重丸は基準座標及び基準方位を示
し、白丸は測位座標及び測位方位を示している。補正後のパスの図では、θによる回転（
方位の補正）、ｘ及びｙによる変位（座標の補正）で、基準座標及び基準方位を含めて、
測位結果の時系列データであるパスが補正されていることを表している。

図９は、補正前後の測位結果蓄積データの具体例を示す図である。より具体的には、基
準座標及び基準方位を補正し、測位結果蓄積データでは時刻が１０時の最初のデータレコ
ードの時に基準座標及び基準方位の補正と一致していることを表している。測位結果蓄積
データでは、各レコードデータは基準座標及び基準方位と同じ誤差パターンによる補正が
なされている。もっとも、θによる回転（方位の補正）の補正があるため、X座標及びY座
標については単純に値を加減したものには、なっていないことを表している。

ベイズ推定の枠組みにおいて、Ｐ_２（ｘ，ｙ，θ）は誤差ｘ、ｙ、θを仮定した条件下
での観測事象の発生確率に相当する。

次に、最適補正量演算部３４０での処理を説明する。補正量候補生成部３２０で生成さ
れた複数の誤差パターンである各補正量候補（ｘ，ｙ，θ）のうち、事後確率演算部３３
０で算出された事後確率Ｐ（ｘ，ｙ，θ）が最大となるような、最適な補正量候補（ｘ＾
，ｙ＾，θ＾）を算出する。すなわち、複数の誤差パターンによる時系列データの事前発
生確率Ｐ_１（ｘ，ｙ，θ）と、誤差パターンが発生した条件下で補正後の時系列データ及
び区画線の相対的な位置関係に基づいて算出される尤度Ｐ_２（ｘ，ｙ，θ）との積で算出
される事後確率Ｐ（ｘ，ｙ，θ）が最大となる誤差パターンを最適補正量（ｘ＾，ｙ＾，
θ＾）として算出する。

ベイズ推定の枠組みにおいては、Ｐ（ｘ，ｙ，θ）は誤差ｘ、ｙ、θの事後確率（の定
数倍）に相当するため、事後確率Ｐ（ｘ，ｙ，θ）が最大となるような補正量候補（ｘ＾
，ｙ＾，θ＾）は、ベイズ推定により得られる、観測されたパスを証拠とする推定結果を
表している。

図１０は、最適補正量の具体例を示す図である。より具体的には、事後確率演算部３３
０で演算される事後確率データと、最適補正量演算部３４０で選択された最適補正量を示
す図である。この例では、誤差パターンのＮｏ４の場合に、事後確率が最大になっている
ことを表している。

次に、走行車線推定部３５０での処理を説明する。走行車線推定部３５０では、最適補
正量演算部３４０で算出した最適補正量を、測位結果蓄積部３１０が保持している測位結
果蓄積データに対して適用する。補正後のパスの算出方法は、上記と同様である。続いて
、地図情報提供部５０から提供される車線区画線によって区切られた各車線の走行可能領
域と最適補正量による補正後のパスとの比較を行う。地図情報に含まれる区画線に対する
走行方法としての実現可能性を考慮した補正量の算出が可能となるからである。補正後の
パスが上記車線区画線によって区切られた車線領域のうち、どの車線の走行可能領域に所
属しているかに応じて、走行車線を推定する。車線変更の発生とその方向（右または左）
を検出できるからである。この結果を走行車線推定結果として出力する。

さらに、車線変更検出部３５０での処理が完了した後、測位結果蓄積部３１０が保持し
ている測位結果蓄積データのうち、最新のレコード１件を基準座標・基準方位として再登
録し、測位結果蓄積データの全レコードを削除する。

以上のように、ＧＮＳＳによって車両の座標を受信するＧＮＳＳ受信機と、車両の走行
距離から車速を算出する車速算出手段と、車両の方位の変化量から角速度を計測する角速
度計測手段と、座標から車両の基準座標及び基準方位を算出し、基準座標及び基準方位並
びに車速及び角速度から車両の測位座標及び測位方位の時系列データを算出する自車位置
測位部と、車線毎の区画線の位置情報を含む地図情報を記憶する地図情報記憶部と、複数
の誤差パターンによる時系列データの事前発生確率と、誤差パターンが発生した条件下で
補正後の時系列データ及び区画線の相対的な位置関係に基づいて算出される尤度との積で
算出される事後確率が最大となる誤差パターンを最適補正量とし、時系列データを最適補
正量で補正して区画線との比較で車両の走行車線を推定する車線推定部とを備えた走行車
線推定システムである。

走行車線推定システムは、車線毎の区画線の位置情報を利用して事後確率を求め最適補
正量で補正するので、車両軌跡から車線変更の検出及び現在の走行車線の推定を精度良く
行うことができる。また、車線変更の発生とその方向（右または左）を検出することがで
きる。

また、時系列データ及び区画線の相対的な位置関係には、時系列データを結ぶ線と区画
線とが交差する関係、及び時系列データと区画線との距離の継続関係の内、少なくとも一
方を含んでいる。さらに、誤差パターンは、座標誤差及び方位誤差の組合せである。

この走行車線推定システムを用いることで、ナビゲーションシステムにおいては自車が
走行している車線を把握できるので、より適切なアナウンス等の指示をすることができる
ようになる。また、この走行車線推定システムを用いることで、車両の自動運転や運転支
援機能などをより容易に行うことができる。

実施の形態２．
図１１は実施の形態２に係る走行車線推定システム２の構成図である。実施の形態１に
係る走行車線推定システム１とは異なり、地図情報記憶部５０の代わりに、簡易版地図情
報記憶部５１と区画線算出部５２とを備えている。簡易版地図情報記憶部５１と区画線算
出部５２とで、車線毎の区画線の位置情報を含む地図情報を記憶していた地図情報記憶部
５０を代用する以外の点においては、異なる点は無い。

ＧＮＳＳ受信機１１０、車速算出手段１２０、角速度計測手段１３０、自車位置測位部
２００、測位結果蓄積部３１０、補正量候補生成部３２０、事後確率演算部３３０、最適
補正量演算部３４０、走行車線推定部３５０及び車線推定部３００は、実施の形態１と同
様の構成であり、同様の動作を行うので説明を省略する。このため、以下、異なる点を中
心に説明をする。

地図情報記憶部５０は少なくとも車線毎の区画線の位置情報を含む地図情報を記憶して
いたが、簡易版地図情報記憶部５１は車線毎の区画線の位置情報を記憶していない。簡易
版地図情報記憶部５１は、道路リンクを構成するノード座標、道路の幅員、車線数及び通
行可能方向の情報を含む地図情報を記憶するものである。一般的なナビゲーションの地図
情報には、道路リンクを構成するノード座標及び通行可能方向の情報は少なくとも含まれ
ていると考えられるが、簡易版地図情報記憶部５１はそれらに加えて、道路の幅員及び車
線数の情報が必須となる。

また、簡易版地図情報記憶部５１は、道路リンクを構成するノード座標、道路の幅員、
車線数及び通行可能方向の情報を含む地図情報を記憶する記憶媒体を含んでおり、ＨＤＤ
やメモリースティック等により構成されている。なお、ノード座標には、道路が他の道路
と交わることの無い一本道であっても、カーナビ画面にカーブ等の道路形状を表示するた
めに必要となる補間的な座標である補助ノード座標も含まれている。

区画線算出部５２は、簡易版地図情報記憶部５１の地図情報から車線毎の区画線を算出
する。例えば、道路の幅員Ｗを道路の合計車線数Ｎで除することで、各車線の車線幅ｗ＝
Ｗ／Ｎを算出できる。次に、ノード座標間を結ぶ道路リンクを中心として、横方向距離[
−（Ｎ／２）×ｗ，（−（Ｎ／２）＋１）×ｗ，・・・，（Ｎ／２−１）×ｗ，（Ｎ／
２）×ｗ ]を加えることで、それぞれの車線を区切る（Ｎ＋１）本の区間線の位置情報
を算出することができる。これは一例に過ぎず、道路リンクを構成するノード座標、道路
の幅員、車線数及び通行可能方向の情報があれば、上記以外の方法でも車線毎の区画線の
位置情報を算出することはできる。

区画線算出部５２から車線毎の区画線の位置情報が得られるので、事後確率演算部３３
０及び走行車線推定部３５０でも、実施の形態１と同様の演算および推定ができるので、
実施の形態１と同様の効果を得ることができる。また、図において、同一の符号を付した
ものは、同一またはこれに相当するものであり、このことは明細書の全文、図面の全図に
おいて共通することである。さらに、明細書全文に表れている構成要素の形態は、あくま
で例示であってこれらの記載に限定されるものではない。

走行車線推定システム２を用いることで、ナビゲーションシステムにおいて使用されて
いる地図情報がそのまま利用でき、自車が走行している車線を把握できるので、より適切
なアナウンス等の指示を容易にすることができるようになる。また、この走行車線推定シ
ステム２を用いることで、車両の自動運転でも容易に走行車線の推定を行うことができる
。

以上のように、ＧＮＳＳによって車両の座標を受信するＧＮＳＳ受信機と、車両の走行
距離から車速を算出する車速算出手段と、車両の方位の変化量から角速度を計測する角速
度計測手段と、座標から車両の基準座標及び基準方位を算出し、基準座標及び基準方位並
びに車速及び角速度から車両の測位座標及び測位方位の時系列データを算出する自車位置
測位部と、道路リンクを構成するノード座標、道路の幅員、車線数及び通行可能方向の情
報を含む地図情報を記憶する簡易版地図情報記憶部と、地図情報から車線毎の区画線を算
出する区画線算出部と、複数の誤差パターンによる時系列データの事前発生確率と、誤差
パターンが発生した条件下で補正後の時系列データ及び区画線の相対的な位置関係に基づ
いて算出される尤度との積で算出される事後確率が最大となる誤差パターンを最適補正量
とし、時系列データを最適補正量で補正して区画線との比較で車両の走行車線を推定する
車線推定部とを備えた走行車線推定システムであるので、車両軌跡から車線変更の検出及
び現在の走行車線の推定を精度良く行うことができる。

また、時系列データ及び区画線の相対的な位置関係には、時系列データを結ぶ線と区画
線とが交差する関係、及び時系列データと区画線との距離の継続関係の内、少なくとも一
方を含んでいる。さらに、誤差パターンは、座標誤差及び方位誤差の組合せである。

実施の形態３．
実施の形態１に係る走行車線推定システム１では、誤差パターンとしてＸ座標、Ｙ座標
、方位の３つを用いていたが、実施の形態３では誤差パターンとしては方位のみを用いて
いる。換言すれば、実施の形態１の誤差パターンは、座標誤差及び方位誤差の組合せであ
ったのに対して、実施の形態３の誤差パターンは、方位誤差のみである。

図１２は実施の形態３に係る走行車線推定システム３の構成図である。誤差パターンの
みが異なるため、補正量候補生成部３２１、事後確率演算部３３１、最適補正量演算部３
４１、走行車線推定部３５１及び車線推定部３０１は実施の形態１と相異している。一方
、地図情報記憶部５０、ＧＮＳＳ受信機１１０、車速算出手段１２０、角速度計測手段１
３０、自車位置測位部２００及び測位結果蓄積部３１０は、実施の形態１と同様の構成で
あり、同様の動作を行うので説明を省略する。このため、以下、異なる点を中心に説明を
する。

自車位置測位部２００は基準座標及び基準方位並びに車速及び角速度から車両の測位座
標及び測位方位の時系列データを算出する。また、測位結果蓄積部３１０は、自車位置測
位部２００から取得した各時刻における測位結果である測位座標及び測位方位を時刻の古
い順に時系列データとして記憶しておき、バッファが上限に達した場合には古いデータか
ら順に削除していく。

図１３は、誤差パターンの具体例を示す図である。図６と異なり、X方向誤差及びY方向
誤差が省略されており、誤差パターンは方位誤差θのみになっている。実施の形態１の補
正量候補生成部３２０では、Ｘ、Ｙ、Θの３変数に関して誤差の発生を想定したが、実施
の形態３の補正量候補生成部３２１では、方位のΘのみの誤差の発生を想定する。補正量
候補生成部３２１は、まず、基準座標のＧＮＳＳ受信精度等に基づき、測位方位の誤差の
分布を算出する。次に、測位方位が所定の範囲内に収まる確率が事前に指定した閾値を上
回るように誤差の範囲を決定し、その範囲内に位置する方位誤差のパターンを生成する。

事後確率演算部３３１は、補正量候補生成部３２１で生成された全ての補正量候補に対
して、実現の可能性を定量的に表す事後確率を演算する。より具体的には、事後確率演算
部３３１は、まず、補正量候補生成部３２１で生成された全ての誤差パターンによる時系
列データの事前発生確率を演算することになる。次に、誤差パターンが発生した条件下で
補正後の時系列データ及び区画線の相対的な位置関係に基づいて算出される尤度（時系列
データの尤もらしさの評価値）との積で算出される事後確率を演算する。

より具体的には、事後確率Ｐ（θ）は、誤差パターン（方位誤差がθである事象）の事
前発生確率Ｐ_１（θ）と、誤差パターンが発生した条件下で補正後の時系列データ及び区
画線の相対的な位置関係に基づいて算出される尤度Ｐ_２（θ）との積で算出される。この
関係式では、ベイズ推定を応用して用いている。

パス尤度Ｐ_２（θ）は、特定の誤差パターンが発生した条件下で、その誤差パターンで
補正した後の時系列データ及び区画線の相対的な位置関係に基づいて算出される尤度であ
る。ここで、時系列データ及び区画線の相対的な位置関係には、時系列データを結ぶ線と
区画線とが交差する関係、及び時系列データと区画線との距離の継続関係の内、少なくと
も一方を含んでいる。ここで、時系列データを結ぶ線とは、誤差パターンで補正した後の
時系列データの点と点とを順番に結んでいく線のことであり、例えば、時刻（ｔ＋α）の
点と時刻（ｔ＋α＋１）の点とを結ぶ線のことである。

また、時系列データと区画線との距離の継続関係とは、誤差パターンで補正した後の時
系列データの点と、区画線（線分列、曲線列によって表現される。）との距離が所定の範
囲内にある状態が継続している関係である。この場合、誤差パターンで補正した後の時系
列データの点の集合は、車線変更が発生している時間帯を除き、ある区画線とそれと隣接
する区画線の間に挟まれた領域内に位置し、時系列データを結ぶ線と区画線とが交差する
ことはない。また、誤差パターンで補正した後の時系列データの点と区画線とが重なった
だけで、交差とまでは言えない場合には、例えば、時系列データと区画線との距離の継続
関係に含まれるとして処理することができる。なお、補正後の時系列データ及び区画線の
相対的な位置関係として想定する事象は多い方が望ましいが、一つの事象だけでも、事後
確率Ｐ（θ）を算出することはでき、本発明は成立する。

事後確率演算部３３１でも方位の補正量のみを変数とするため、例えば、Ｐ（θ）は式
６で算出される。
Ｐ（θ）＝Ｐ_１（θ）×Ｐ_２（θ） ・・・（式６）
Ｐ_１（θ）＝（１／（２πσ_ｄｉｒ ^２））^１／２・ｅｘｐ［−θ^２／（２σ_ｄｉｒ ^２）］
Ｐ_２（θ）＝Ｐ_２Ａ（θ）×Ｐ_２Ｂ（θ）×Ｐ_２Ｃ（θ）×Ｐ_２Ｄ（θ）
×Ｐ_２Ｅ（θ）×Ｐ_２Ｆ（θ）×Ｐ_２Ｇ（θ）×Ｐ_２Ｈ（θ）
Ｐ_２Ａ（θ）＝ｅｘｐ［−λ_ｄｅｖ・ｔ］・（λ_ｄｅｖ・ｔ）^ｄ／（ｄ！）
Ｐ_２Ｂ（θ）＝ｅｘｐ［−λ_ｃｈｇ・ｔ］・（λ_ｃｈｇ・ｔ）^ｋ／（ｋ！）
Ｐ_２Ｃ（θ）＝Π_ｉ＝１ ^ｋ（１／（２πσ_ｙａｗ ^２））^１／２
・ｅｘｐ［−（ｗ（ｉ）−μ_ｙａｗ）^２／（２σ_ｙａｗ ^２）］
Ｐ_２Ｄ（θ）＝Π_ｉ＝１ ^ｋ（ｐ（ｉ））
Ｐ_２Ｅ（θ）＝Π_ｉ＝１ ^ｋｅｘｐ［−λ_ｗｉｎ・ｔ_１（ｉ）］
Ｐ_２Ｆ（θ）＝Π_ｉ＝１ ^ｋｅｘｐ［−λ_ｈｎｄ・ｔ_２（ｉ）］
Ｐ_２Ｇ（θ）＝Π_ｉ＝１ ^ｋｅｘｐ［−λ_ｃａｍ・ｔ_３（ｉ）］
Ｐ_２Ｈ（θ）
＝Π_ｊ＝１ ^ｎ（１／２πσ_ｃｅｎ ^２）^１／２
・ｅｘｐ［−（ｌ（ｊ））^２／（２σ_ｃｅｎ ^２）］

ここで、Ｐ_１、Ｐ_２、Ｐ_２Ａ〜Ｐ_２Ｈ、ｄ、ｋ、ｐ（ｉ）、ｗ（ｉ）、ｔ_１（ｉ）、ｔ_２
（ｉ）、ｔ_３（ｉ）、ｎ、ｌ（ｊ）の意味するところは、式５と同様である。

なお、θはパス開始点（測位結果蓄積データのうち最も古いレコード）に対する補正量
であるため、補正前の座標に対して、パス開始点からの相対位置ベクトルの算出を行う。
相対位置ベクトルに対して回転角θの回転を行い、絶対位置への変換を行うことで、補正
後の座標を得る。この処理を測位結果蓄積部３１０のデータ内の全レコードに対して行う
ことで、補正後のパスを得る。同じく、走行車線推定部３５１でも、回転角θ＾のみを考
慮して補正後の座標を得る。

図１４は、補正前後の測位結果蓄積データの具体例を示す図である。より具体的には、
基準座標及び基準方位を補正し、測位結果蓄積データでは時刻が１０時の最初のデータレ
コードの時に基準座標及び基準方位の補正と一致していることを表している。測位結果蓄
積データでは、各レコードデータは基準方位と同じ誤差パターンによる補正がなされてい
る。もっとも、θによる回転（方位の補正）の補正があるため、基準Ｘ座標及び基準Ｙ座
標も、補正の前後で値が変わってくる。

補正量候補決定部３４１は、事後確率演算部３３１で演算した各補正量候補である誤差
パターンの事後確率の演算結果を基に、事後確率が最大となる誤差パターンを最適補正量
（回転角θ＾）として算出する。

換言すれば、補正量候補決定部３４１は、補正量候補生成部３２０で生成された複数の
誤差パターンである各補正量候補θのうち、事後確率演算部３３１で算出された事後確率
Ｐ（θ）が最大となるような、最適な補正量候補θ＾を算出する。すなわち、複数の誤差
パターンによる時系列データの事前発生確率Ｐ_１（θ）と、誤差パターンが発生した条件
下で補正後の時系列データ及び区画線の相対的な位置関係に基づいて算出される尤度Ｐ_２
（θ）との積で算出される事後確率Ｐ（θ）が最大となる誤差パターンを最適補正量θ＾
として算出する。

ベイズ推定の枠組みにおいては、Ｐ（θ）は誤差θの事後確率（の定数倍）に相当する
ため、事後確率Ｐ（θ）が最大となるような補正量候補θ＾は、ベイズ推定により得られ
る、観測されたパスを証拠とする推定結果を表している。

図１５は、最適補正量の具体例を示す図である。実施の形態１とは異なり、X方向誤差
及びY方向誤差は全て０になっていることを強調する意味で、X方向誤差及びY方向誤差に
ついても示している。この具体例では、事後確率Ｐ（θ）が最大となるのは、パターン３
になっている。

走行車線推定部３５１は、補正量候補決定部３４１で算出された最適補正量（最尤補正
量）を採用し、時系列データを最適補正量で補正して区画線との比較で車両の走行車線を
推定することになる。また、車線変更検出部３５１での処理が完了した後、測位結果蓄積
部３１０が保持している測位結果蓄積データのうち、最新のレコード１件を基準座標・基
準方位として再登録し、測位結果蓄積データの全レコードを削除する。

より具体的に走行車線推定部３５１での処理を説明する。まず最適補正量演算部３４１
で算出した最適補正量を、測位結果蓄積部３１０が保持している測位結果蓄積データに対
して適用し、補正後のパスを算出する。補正後のパスの算出方法は、実施の形態１と同様
である。補正後のパスと区画線との比較で車両の走行車線を推定する。

その他の走行車線推定部３５１での処理の例として、地図情報記憶部５０から提供され
る車線の区画線の位置情報（形状情報）と最適補正量による補正後のパスとの比較を行い
、補正後のパスの開始点から終了点までの間での、車線に対する横断方向の移動量（＝横
方向移動量）を算出する。例えば、横方向移動量は、右方向への移動を正とし、左方向へ
の移動を負とする。この横方向移動量を累積（積算）して、区画線との比較で車両の走行
車線を推定することもできる。

横方向移動量の累積について例をあげて説明する。各車線の車線幅が３．５［ｍ］であ
ると仮定する。前回の走行車線推定結果が「左から２車線目の、車線中心線から左に２．
０［ｍ］」であって、かつ、今回の横方向移動量が「左へ３．５［ｍ］」であったとする
。この場合、走行車線は左から２車線目から左から１車線目に車線を変更したと判断し、
今回の走行車線推定結果は「左から１車線目の、車線中心線から左に２．０［ｍ］」とな
る。

また、高速道路等（高規格道路）の実際の道路形状に鑑みると、同一道路の隣接する車
線の形状は非常に良く似ていることが多い。このため、仮にｘ、ｙ、θの３変数の補正を
行ったとしても、ｘ、ｙの補正量を正確に算出することは困難であり、補正後の自車位置
座標のみから、走行中の車線を正確に検出することは困難である。例えば、実際には第一
車線を走行し続けていても、第二車線を走行し続けていると判定されてしまう等の問題が
発生しうる。このことは、即ち、位置のオフセット量ｘ、ｙを正確に検出することが困難
であるとともに、走行車線（車線番号）ではなく車線変更（移動量）を検出するためには
、方位誤差量θの正確な推定が重要であることを意味する。以上のことから、方位のオフ
セット量θの検出に計算リソースを集中投下することにより、高規格道路では高精度な計
算が可能となる場合がある。

高規格道路の本線への進入時の走行車線はほとんどの場合には一意に定まる。例えば、
左側から高規格道路の本線に合流する形状のインターチェンジから進入する場合には、高
規格道路への進入時には必ず左側車線を走行していることになる。従って、高規格道路の
本線への進入時点で最も左側車線を走っていることは自明であり、その後の高規格道路の
本線への進入以降に走行車線推定部３５１が検出した横方向移動量を累積することで、任
意の時刻における走行車線を推定することが可能となる。

横方向移動量の情報だけでは、現在どの車線を走行しているかの判定が困難な場合があ
る。そこで、例えば、高規格道路の本線への合流時等に、初期走行車線を演算する必要が
ある。高規格道路の本線への合流部における、地図情報に含まれる区画線の形状を参照す
ることで、初期走行車線を判断することができる。

走行車線推定システム３では、走行車線推定システム１及び２と異なり、考慮する誤差
の範囲を３次元から１次元に縮退することで、補正量候補生成部３２１で生成される補正
量候補数が大幅に削減できるため、補正量計算量を大幅に削減することができる。このた
め、同じ計算量とするならば、方位Θの分解能を狭めることで、より精度良く最適補正量
の計算を行うことができ、車線変更の検出精度を向上することができる。逆に、方位Θの
分解能を同程度とするならば、演算量が減るため、より迅速に走行車線の推定結果を得る
ことができる。高規格道路では高速走行が想定され、走行車線推定がより迅速に行われる
必要があるため、より効果的である。ここで、高規格道路とは、平面交差点や信号機など
の速度抑制要因が存在せず、上記速度抑制要因が存在する道路と比較して、高速での走行
が可能な道路のことを指す。日本においては、高速自動車国道や自動車専用道路を包括し
た高速道路などが、ここでの高規格道路に該当する。なお、この高規格道路の定義は、明
細書及び特許請求の範囲の全文で共通している。

以上のように、ＧＮＳＳによって車両の座標を受信するＧＮＳＳ受信機と、車両の走行
距離から車速を算出する車速算出手段と、車両の方位の変化量から角速度を計測する角速
度計測手段と、座標から車両の基準座標及び基準方位を算出し、基準座標及び基準方位並
びに車速及び角速度から車両の測位座標及び測位方位の時系列データを算出する自車位置
測位部と、車線毎の区画線の位置情報を含む地図情報を記憶する地図情報記憶部と、複数
の誤差パターンによる時系列データの事前発生確率と、誤差パターンが発生した条件下で
補正後の時系列データ及び区画線の相対的な位置関係に基づいて算出される尤度との積で
算出される事後確率が最大となる誤差パターンを最適補正量とし、時系列データを最適補
正量で補正して区画線との比較で車両の走行車線を推定する車線推定部とを備えた走行車
線推定システムである。

走行車線推定システムは、車線毎の区画線の位置情報を利用して事後確率を求め最適補
正量で補正するので、車両軌跡から車線変更の検出及び現在の走行車線の推定を精度良く
行うことができる。また、車線変更の発生とその方向（右または左）を検出することがで
きる。

また、時系列データ及び区画線の相対的な位置関係には、時系列データを結ぶ線と区画
線とが交差する関係、及び時系列データと区画線との距離の継続関係の内、少なくとも一
方を含んでいる。

さらに、誤差パターンは、方位誤差のみである。これによって、演算量を大幅に削減で
きる。また、高速走行が想定される高規格道路では、走行車線推定がより迅速に行われる
必要があり、より効果が高くなる。

実施の形態４．
図１６は実施の形態４に係る走行車線推定システム４の構成図である。実施の形態３に
係る走行車線推定システム３とは異なり、地図情報記憶部５０の代わりに、簡易版地図情
報記憶部５１と区画線算出部５２とを備えている。簡易版地図情報記憶部５１と区画線算
出部５２とで、車線毎の区画線の位置情報を含む地図情報を記憶していた地図情報記憶部
５０を代用する以外の点においては、異なる点は無い。

また、実施の形態１に係る走行車線推定システム１との相違点は、地図情報記憶部５０
の代わりに、簡易版地図情報記憶部５１と区画線算出部５２とを備えていること以外に、
実施の形態１では、誤差パターンとしてＸ座標、Ｙ座標、方位の３つを用いていたが、実
施の形態４では誤差パターンとしては方位のみを用いている点である。

図１６において、ＧＮＳＳ受信機１１０、車速算出手段１２０、角速度計測手段１３０
、自車位置測位部２００及び測位結果蓄積部３１０は、実施の形態１、２，３と同様の構
成であり、同様の動作を行うものである。また、簡易版地図情報記憶部５１及び区画線算
出部５２は、実施の形態２と同様の構成であり、同様の動作を行うものである。さらに、
補正量候補生成部３２１、事後確率演算部３３１、最適補正量演算部３４１、走行車線推
定部３５１及び車線推定部３０１は実施の形態３と同様の構成であり、同様の動作を行う
ものである。詳細な説明は、共通するので省略する。

以上のように、ＧＮＳＳによって車両の座標を受信するＧＮＳＳ受信機と、車両の走
行距離から車速を算出する車速算出手段と、車両の方位の変化量から角速度を計測する角
速度計測手段と、座標から車両の基準座標及び基準方位を算出し、基準座標及び基準方位
並びに車速及び角速度から車両の測位座標及び測位方位の時系列データを算出する自車位
置測位部と、道路リンクを構成するノード座標、道路の幅員、車線数及び通行可能方向の
情報を含む地図情報を記憶する簡易版地図情報記憶部と、地図情報から車線毎の区画線を
算出する区画線算出部と、複数の誤差パターンによる時系列データの事前発生確率と、誤
差パターンが発生した条件下で補正後の時系列データ及び区画線の相対的な位置関係に基
づいて算出される尤度との積で算出される事後確率が最大となる誤差パターンを最適補正
量とし、時系列データを最適補正量で補正して区画線との比較で車両の走行車線を推定す
る車線推定部とを備えた走行車線推定システムであるので、車両軌跡から車線変更の検出
及び現在の走行車線の推定を精度良く行うことができる。

また、時系列データ及び区画線の相対的な位置関係には、時系列データを結ぶ線と区画
線とが交差する関係、及び時系列データと区画線との距離の継続関係の内、少なくとも一
方を含んでいる。さらに、誤差パターンは、方位誤差のみである。

走行車線推定システム４を用いることで、ナビゲーションシステムにおいて使用されて
いる地図情報がそのまま利用でき、自車が走行している車線を把握できるので、より適切
なアナウンス等の指示を容易にすることができるようになる。また、この走行車線推定シ
ステム４を用いることで、車両の自動運転や運転支援機能でも容易に走行車線の推定を行
うことができる。

誤差パターンは、方位誤差のみである。これによって、演算量を大幅に削減できる。ま
た、高速走行が想定される高規格道路では、走行車線推定がより迅速に行われる必要があ
り、より効果が高くなる。

実施の形態５．
図１７は実施の形態５に係る走行車線推定システム５の構成図である。実施の形態１及
び実施の形態３を組み合わせたものに、高規格道路判定部４００が更に加わった構成であ
る。

高規格道路判定部４００では、自車位置測位部２００から自車のＧＮＳＳ座標を取得す
る一方で、地図情報記憶部５０の道路情報から自車がいる道路の種類が、高規格道路であ
るか否かを判定する。高規格道路であった場合には、車線推定部を迅速に行えるように誤
差パターンが方位誤差のみで車線を推定する車線推定部３０１で車線の推定を行う。この
車線推定部３０１は、実施の形態３及び実施の形態４の車線推定部３０１と同一の構成及
び機能となるので、ここでは説明を省略する。

一方、高規格道路ではなかった場合には、車線推定に高規格道路ほどの迅速さを要求さ
れないので、誤差パターンが座標誤差及び方位誤差の組合せで車線を推定する車線推定部
３００で車線の推定を行う。この車線推定部３００は、実施の形態１及び実施の形態２の
車線推定部３００と同一の構成及び機能となるので、ここでは説明を省略する。

地図情報記憶部５０が記憶する情報には、道路の種別、特に高規格道路であるか否かの
情報が含まれている。また、高規格道路判定部４００は自車位置測位部２００から自車の
ＧＮＳＳ座標を取得するとしたが、ＧＮＳＳ受信機１１０から直接ＧＮＳＳ座標を取得し
てもよい。

以上のように、ＧＮＳＳによって車両の座標を受信するＧＮＳＳ受信機と、車両の走行
距離から車速を算出する車速算出手段と、車両の方位の変化量から角速度を計測する角速
度計測手段と、座標から車両の基準座標及び基準方位を算出し、基準座標及び基準方位並
びに車速及び角速度から車両の測位座標及び測位方位の時系列データを算出する自車位置
測位部と、車線毎の区画線の位置情報を含む地図情報を記憶する地図情報記憶部と、複数
の誤差パターンによる時系列データの事前発生確率と、誤差パターンが発生した条件下で
補正後の時系列データ及び区画線の相対的な位置関係に基づいて算出される尤度との積で
算出される事後確率が最大となる誤差パターンを最適補正量とし、時系列データを最適補
正量で補正して区画線との比較で車両の走行車線を推定する車線推定部とを備えた走行車
線推定システムである。

走行車線推定システムは、車線毎の区画線の位置情報を利用して事後確率を求め最適補
正量で補正するので、車両軌跡から車線変更の検出及び現在の走行車線の推定を精度良く
行うことができる。また、車線変更の発生とその方向（右または左）を検出することがで
きる。

また、時系列データ及び区画線の相対的な位置関係には、時系列データを結ぶ線と区画
線とが交差する関係、及び時系列データと区画線との距離の継続関係の内、少なくとも一
方を含んでいる。

誤差パターンは、高規格道路では方位誤差のみとし、高規格道路以外の道路では座標誤
差及び方位誤差の組合せとすることで、より迅速に、かつ効率的に車両軌跡から車線変更
の検出及び現在の走行車線の推定を精度良く行うことができる。

実施の形態６．
図１８は実施の形態６に係る走行車線推定システム６の構成図である。実施の形態２及
び実施の形態４を組み合わせたものに、高規格道路判定部４００が更に加わった構成であ
る。

高規格道路判定部４００では、自車位置測位部２００から自車のＧＮＳＳ座標を取得す
る一方で、簡易版地図情報記憶部５１の道路情報から自車がいる道路の種類が、高規格道
路であるか否かを判定する。高規格道路であった場合には、車線推定を迅速に行えるよう
に誤差パターンが方位誤差のみで車線を推定する車線推定部３０１で車線の推定を行う。
この車線推定部３０１は、実施の形態３及び実施の形態４の車線推定部３０１と同一の構
成及び機能となるので、ここでは説明を省略する。

一方、高規格道路ではなかった場合には、車線推定に高規格道路ほどの迅速さを要求さ
れないので、誤差パターンが座標誤差及び方位誤差の組合せで車線を推定する車線推定部
３００で車線の推定を行う。この車線推定部３００は、実施の形態１及び実施の形態２の
車線推定部３００と同一の構成及び機能となるので、ここでは説明を省略する。

簡易版地図情報記憶部５１が記憶する情報には、道路の種別、特に高規格道路であるか
否かの情報が含まれている。また、高規格道路判定部４００は自車位置測位部２００から
自車のＧＮＳＳ座標を取得するとしたが、ＧＮＳＳ受信機１１０から直接ＧＮＳＳ座標を
取得してもよい。

以上のように、ＧＮＳＳによって車両の座標を受信するＧＮＳＳ受信機と、車両の走行
距離から車速を算出する車速算出手段と、車両の方位の変化量から角速度を計測する角速
度計測手段と、座標から車両の基準座標及び基準方位を算出し、基準座標及び基準方位並
びに車速及び角速度から車両の測位座標及び測位方位の時系列データを算出する自車位置
測位部と、車線毎の区画線の位置情報を含む地図情報を記憶する地図情報記憶部と、複数
の誤差パターンによる時系列データの事前発生確率と、誤差パターンが発生した条件下で
補正後の時系列データ及び区画線の相対的な位置関係に基づいて算出される尤度との積で
算出される事後確率が最大となる誤差パターンを最適補正量とし、時系列データを最適補
正量で補正して区画線との比較で車両の走行車線を推定する車線推定部とを備えた走行車
線推定システムである。

走行車線推定システムは、車線毎の区画線の位置情報を利用して事後確率を求め最適補
正量で補正するので、車両軌跡から車線変更の検出及び現在の走行車線の推定を精度良く
行うことができる。また、車線変更の発生とその方向（右または左）を検出することがで
きる。

また、時系列データ及び区画線の相対的な位置関係には、時系列データを結ぶ線と区画
線とが交差する関係、及び時系列データと区画線との距離の継続関係の内、少なくとも一
方を含んでいる。

誤差パターンは、高規格道路では方位誤差のみとし、高規格道路以外の道路では座標誤
差及び方位誤差の組合せとすることで、より迅速に、かつ効率的に車両軌跡から車線変更
の検出及び現在の走行車線の推定を精度良く行うことができる。

なお、本発明は、その発明の範囲内において、各実施の形態を自由に組み合わせたり、
各実施の形態を適宜、変形、省略したりすることが可能である。本発明について詳細に説
明をしたが、これまでの説明は、すべての態様において、例示であって、発明がこれまで
の説明に限定されるものではない。例示されていない無数の変形例が、この発明の技術的
思想の範囲から外れることなく想定され得るものと解される。

１，２，３，４，５，６ 走行車線推定システム、５０ 地図情報記憶部、５１ 簡易版
地図情報記憶部、５２区画線算出部、１１０ ＧＮＳＳ受信機、１２０ 車速算出手段、
１３０ 角速度計測手段、２００ 自車位置測位部、３００，３０１ 車線推定部、３１
０ 測位結果蓄積部、３２０，３２１ 補正量候補生成部、３３０，３３１ 事後確率演
算部、３４０，３４１ 最適補正量演算部、３５０，３５１ 走行車線推定部、４００
高規格道路判定部。

Claims (6)

1. ＧＮＳＳによって車両の座標を受信するＧＮＳＳ受信機と、
   前記車両の走行距離から車速を算出する車速算出手段と、
   前記車両の方位の変化量から角速度を計測する角速度計測手段と、
   前記座標から前記車両の基準座標及び基準方位を算出し、前記基準座標及び前記基準方位並びに前記車速及び前記角速度から前記車両の測位座標及び測位方位の時系列データを算出する自車位置測位部と、
   車線毎の区画線の位置情報を含む地図情報を記憶する地図情報記憶部と、
   複数の誤差パターンによる前記時系列データの事前発生確率と、前記誤差パターンが発生した条件下で補正後の前記時系列データ及び前記区画線の相対的な位置関係に基づいて算出される尤度との積で算出される事後確率が最大となる前記誤差パターンを最適補正量とし、前記時系列データを前記最適補正量で補正して前記区画線との比較で前記車両の走行車線を推定する車線推定部と
   を備えたことを特徴とする走行車線推定システム。
2. ＧＮＳＳによって車両の座標を受信するＧＮＳＳ受信機と、
   前記車両の走行距離から車速を算出する車速算出手段と、
   前記車両の方位の変化量から角速度を計測する角速度計測手段と、
   前記座標から前記車両の基準座標及び基準方位を算出し、前記基準座標及び前記基準方位並びに前記車速及び前記角速度から前記車両の測位座標及び測位方位の時系列データを算出する自車位置測位部と、
   道路リンクを構成するノード座標、道路の幅員、車線数及び通行可能方向の情報を含む地図情報を記憶する簡易版地図情報記憶部と、
   前記地図情報から車線毎の区画線を算出する区画線算出部と、
   複数の誤差パターンによる前記時系列データの事前発生確率と、前記誤差パターンが発生した条件下で補正後の前記時系列データ及び前記区画線の相対的な位置関係に基づいて算出される尤度との積で算出される事後確率が最大となる前記誤差パターンを最適補正量とし、前記時系列データを前記最適補正量で補正して前記区画線との比較で前記車両の走行車線を推定する車線推定部と
   を備えたことを特徴とする走行車線推定システム。
3. 請求項１または請求項２に記載の走行車線推定システムであって、
   前記時系列データ及び前記区画線の相対的な位置関係には、前記時系列データを結ぶ線と前記区画線とが交差する関係、及び前記時系列データと前記区画線との距離の継続関係の内、少なくとも一方を含んでいることを特徴とする走行車線推定システム。
4. 請求項１から請求項３のいずれか１項に記載の走行車線推定システムであって、
   前記誤差パターンは、座標誤差及び方位誤差の組合せであることを特徴とする走行車線推定システム。
5. 請求項１から請求項３のいずれか１項に記載の走行車線推定システムであって、
   前記誤差パターンは、方位誤差のみであることを特徴とする走行車線推定システム。
6. 請求項１から請求項３のいずれか１項に記載の走行車線推定システムであって、
   前記誤差パターンは、高規格道路では方位誤差のみとし、前記高規格道路以外の道路では座標誤差及び前記方位誤差の組合せであることを特徴とする走行車線推定システム。

Images