JPWO2019093190A1 - 情報処理装置、車両、移動体、情報処理方法、及びプログラム - Google Patents

Abstract

本技術の一形態に係る情報処理装置は、判定部と、算出部とを具備する。前記判定部は、制御対象となる対象移動体の予定経路上に、特定の交通状況が想定される想定領域が存在するか否かを判定する。前記算出部は、前記予定経路上に存在すると判定された前記想定領域に対して、前記想定領域を通過した他の移動体の移動に関する移動情報に基づいて、前記対象移動体の移動計画を算出する。

Description

本技術は、移動体の移動を制御する情報処理装置、車両、移動体、情報処理方法、及びプログラムに関する。

従来、車両等の移動体を自動で運転する技術が知られている。例えば特許文献１には、自動運転を行なう車両制御装置について記載されている。この車両制御装置では、走行制御部により、ユーザが入力した目的地及びＧＰＳ受信機により検知された現在地に基づいて、地図データベースから取得した地図情報から走行車線レベルの走行ルートが決定される。この走行ルートと車両に搭載されたセンサ群から取得した情報とに基づいて、アクセル、ブレーキ、及びステアリング等が制御される。これにより安全なルートを走行する自動走行が実現される。（特許文献１の明細書段落［００１８］［００２４］［００２８］−［００３０］図４、５等）。

国際公開第２０１６−１９４１３４号

このように、自動運転を実行するためには、走行ルートの決定や、センサ情報の取得・解析等の様々な処理が実行される。移動体の走行方向や速度等を速やかに決定して、スムーズに移動体を移動させることを可能とする技術が求められている。

以上のような事情に鑑み、本技術の目的は、移動体の走行方向や速度等を速やかに決定して、スムーズに移動体を移動させることが可能な情報処理装置、車両、移動体、情報処理方法、及びプログラムを提供することにある。

上記目的を達成するため、本技術の一形態に係る情報処理装置は、判定部と、算出部とを具備する。
前記判定部は、制御対象となる対象移動体の予定経路上に、特定の交通状況が想定される想定領域が存在するか否かを判定する。
前記算出部は、前記予定経路上に存在すると判定された前記想定領域に対して、前記想定領域を通過した他の移動体の移動に関する移動情報に基づいて、前記対象移動体の移動計画を算出する。

この情報処理装置では、特定の交通状況が想定される想定領域が、対象移動体の予定経路上に存在するか否かが判定される。予定経路上に想定領域が存在する場合には、その想定領域を通過した他の移動体の移動情報に基づいて、想定領域での対象移動体の移動計画が算出される。移動計画を用いることで、移動体の走行方向や速度等を速やかに決定して、スムーズに移動体を移動させることが可能となる。

前記特定の交通状況は、複雑な交通状況であってもよい。
複雑な交通状況が想定される領域を通過する場合であっても、移動計画を用いることで、スムーズに対象移動体を移動させることが可能となる。

前記移動計画は、前記想定領域内の移動コストに関するコストマップと、当該コストマップに基づいて算出された前記対象移動体の予定軌跡とを含んでもよい。
これにより、予定軌跡を目標として対象移動体を移動させることが可能となる。この結果、移動体の走行方向や速度等を速やかに決定することが可能となる。

前記算出部は、前記対象移動体が前記想定領域に到達する到達予定時刻より所定時間前までに前記移動計画を算出してもよい。
これにより、想定領域に到達する前の適切なタイミングで移動計画を算出することが可能となり、複雑な交通状況においても滞りなく移動制御を行なうことが可能となる。

前記情報処理装置は、さらに、前記他の移動体が前記想定領域を通過した通過時刻に基づいて、前記移動計画の算出に用いられる前記他の移動体の前記移動情報を取得する取得部を具備してもよい。
これにより、例えば対象移動体が到着する直前に通過領域を通過した他の移動体の移動情報が取得可能となり、移動計画の精度を向上することが可能となる。

前記移動情報は、前記想定領域内の前記他の移動体の通過点の情報と、前記通過点を通過するタイミングで検出された前記他の移動体の周辺情報とを含んでもよい。
これにより、他の移動体が通過したときの想定領域の状況等を詳細に解析することが可能となる。この結果、移動計画の精度を向上させることが可能となる。

前記算出部は、前記他の移動体の周辺情報に基づいて、前記他の移動体が前記通過点を通過するタイミングでの前記想定領域内の障害物の位置を表す第１のマップを算出してもよい。
これにより、想定領域内での障害物の有無やその位置に関する情報を精度良く抽出することが可能となる。

前記算出部は、前記第１のマップに基づいて、前記他の移動体が前記想定領域を通過する間の前記障害物の挙動を表す第２のマップを算出してもよい。
これにより、想定領域内での障害物が静止しているか、あるいは移動しているかといった情報を精度良く抽出することが可能となる。

前記算出部は、前記第２のマップに基づいて、前記想定領域内の移動コストに関するコストマップを算出してもよい。
これにより、想定領域における移動に適した位置等を予め算出することが可能となり、対象移動体の移動を容易に計画することが可能となる。

前記情報処理装置は、さらに、前記対象移動体が前記想定領域に進入した場合に、前記対象移動体の周辺情報に基づいて、前記コストマップを更新する更新部を具備してもよい。
これにより、想定領域での移動制御に要する処理を抑制しつつ、実際の交通環境に合わせて安全に対象移動体を移動させることが可能となる。

前記更新部は、前記予定軌跡に基づいて前記対象移動体の周辺情報の検出範囲及び解析範囲の少なくとも一方を設定してもよい。
例えば対象移動体の進行方向等の周辺情報を選択的に検出するといったことが可能となり、周辺情報の検出処理や解析処理等に要する時間を短縮することが可能となる。

前記更新部は、更新前の前記コストマップと更新後の前記コストマップとの差分を算出し、前記差分が生じた領域の前記予定軌跡を更新してもよい。
このように、交通状況が変化した場所を中心に予定軌跡を更新することで、移動体の走行方向や速度等の制御に要する処理時間を大幅に短縮することが可能となる。

前記更新部は、前記差分に基づいて前記予定軌跡を破棄するか否かを判定し、前記予定軌跡の破棄が判定された場合、前記対象移動体を移動させるための軌跡を新しく算出してもよい。
これにより、対象移動体を安全に移動させることが可能となる。

前記想定領域は、交差点、合流点、及び分岐点の少なくとも１つを含んでもよい。
これにより、交差点等の複雑な交通状況を移動する場合でも、最終的なルートの算出処理に要する時間を短縮することが可能となる。

前記想定領域は、一時的に複雑な交通状況が生じた領域である暫定領域を含んでもよい。
これにより、事故渋滞等の一時的な混雑が発生した場合でも、実際の交通環境に合わせて移動計画を算出することが可能となる。

前記暫定領域は、前記他の移動体の交通密度が第１の閾値よりも大きい領域であってもよい。
これにより、一時的な混雑等を精度良く判定することが可能となる。

前記暫定領域は、前記他の移動体の移動制御に要する時間が第２の閾値よりも大きい領域であってもよい。
これにより、一時的な混雑等を精度良く判定することが可能となる。

前記判定部は、前記対象移動体及び前記他の移動体の各々とネットワークを介して通信可能に接続されたサーバから前記想定領域に関する想定領域情報を取得し、取得された前記想定領域情報に基づいて前記予定経路上に前記想定領域が存在するか否かを判定してもよい。
これにより、例えばサーバを用いた想定領域情報の管理等が可能となり、想定領域の判定を精度よく実行することが可能となる。

本技術の一形態に係る車両は、判定部と、算出部と、移動制御部とを具備する。
前記判定部は、制御対象となる自車両の予定経路上に、特定の交通状況が想定される想定領域が存在するか否かを判定する。
前記算出部は、前記予定経路上に存在すると判定された前記想定領域に対して、前記想定領域を通過した他車両の移動に関する移動情報に基づいて、前記自車両の移動計画を算出する。
前記移動制御部は、生成された前記移動計画に基づいて、前記想定領域における前記自車両の移動を制御する。

本技術の一形態に係る移動体は、判定部と、算出部と、移動制御部とを具備する。
前記判定部は、制御対象となる移動体の予定経路上に、特定の交通状況が想定される想定領域が存在するか否かを判定する。
前記算出部は、前記予定経路上に存在すると判定された前記想定領域に対して、前記想定領域を通過した他の移動体の移動に関する移動情報に基づいて、前記制御対象となる移動体の移動計画を算出する。
前記移動制御部は、生成された前記移動計画に基づいて、前記想定領域における前記制御対象となる移動体の移動を制御する。

本技術の一形態に係る情報処理方法は、コンピュータシステムにより実行される情報処理方法であって、制御対象となる対象移動体の予定経路上に、特定の交通状況が想定される想定領域が存在するか否かを判定することを含む。
前記予定経路上に存在すると判定された前記想定領域に対して、前記想定領域を通過した他の移動体の移動に関する移動情報に基づいて、前記対象移動体の移動計画が算出される。

本技術の一形態に係るプログラムは、コンピュータシステムに以下のステップを実行させる。
制御対象となる対象移動体の予定経路上に、特定の交通状況が想定される想定領域が存在するか否かを判定するステップ。
前記予定経路上に存在すると判定された前記想定領域に対して、前記想定領域を通過した他の移動体の移動に関する移動情報に基づいて、前記対象移動体の移動計画を算出するステップ。

以上のように、本技術によれば、移動体の走行方向や速度等を速やかに決定して、スムーズに移動体を移動させることが可能となる。なお、ここに記載された効果は必ずしも限定されるものではなく、本開示中に記載されたいずれかの効果であってもよい。

本技術に係る移動制御システムの構成例を示す模式図である。 自動車の構成例を示す外観図である。 自動車の構成例を示すブロック図である。 ナビゲーション画像の一例を示す模式図である。 自動車の移動情報の構成例を示す模式図である。 自動車の通過軌跡の一例を示す模式図である。 移動計画部の構成例を示す模式図である。 想定領域での移動計画を算出する処理の一例を示すフローチャートである。 占有マップの一例を示す模式図である。 確率マップの一例を示す模式図である。 確率マップの一例を示す模式図である。 確率マップの一例を示す模式図である。 合成された確率マップの一例を示す模式図である。 想定領域での移動制御部の動作の一例を示すフローチャートである。 移動計画の一例を示す模式図である。 更新された移動計画の一例を示す模式図である。

以下、本技術に係る実施形態を、図面を参照しながら説明する。
［移動制御システムの構成］
図１は、本技術に係る移動制御システムの構成例を示す模式図である。移動制御システム１００は、複数の自動車１０と、ネットワーク２０と、サーバ装置２１と、データベース２２とを有する。複数の自動車１０の各々は、目的地までの自動走行が可能な自動運転機能を備えている。なお自動車１０は、本実施形態に係る移動体の一例である。

複数の自動車１０とサーバ装置２１とは、ネットワーク２０を介して通信可能に接続されている。サーバ装置２１は、データベース２２にアクセス可能に接続され、例えば複数の自動車１０からの情報をデータベース２２に記録することや、データベース２２に記録された情報を各自動車１０に送信することが可能である。本実施形態では、ネットワーク２０、サーバ装置２１、及びデータベース２２により、いわゆるクラウドサービスが提供される。従って複数の自動車１０は、クラウドネットワークに接続されているとも言える。

［自動車の構成］
図２は、自動車１０の構成例を示す外観図である。図２Ａは、自動車１０の構成例を示す斜視図であり、図２Ｂは、自動車１０を上方から見た場合の模式図である。図３は、自動車１０の構成例を示すブロック図である。

図２Ａ及び図２Ｂに示すように、自動車１０は、ＧＰＳセンサ３０及び周辺センサ３１を有する。また図３に示すように、自動車１０は、操舵装置４０、制動装置４１、車体加速装置４２、舵角センサ４３、車輪速センサ４４、ブレーキスイッチ４５、アクセルセンサ４６、表示装置４７、通信装置４８、及び制御部５０を有する。

ＧＰＳセンサ３０は、人工衛星からの電波を受信することで、地上における自動車１０の現在値を検出する。現在値の情報は、典型的には自動車１０が位置する緯度及び経度の情報として検出される。検出された現在値の情報は、制御部に出力される。

周辺センサ３１は、自動車１０の周辺情報を検出するセンサである。ここで、周辺情報とは、自動車１０の周辺の画像情報や奥行情報を含む情報である。図３に示すように周辺センサ３１は、画像センサ３２及び距離センサ３３を有する。

画像センサ３２は、自動車１０の周辺の画像を所定のフレームレートで撮影し、自動車１０の周辺の画像情報を検出する。図２Ａ及び図２Ｂには、画像センサ３２として、自動車１０の前方の視野を撮影するフロントカメラ３２ａと、後方の視野を撮影するリアカメラ３２ｂとが図示されている。

画像センサ３２としては、例えばＣＣＤやＣＭＯＳ等のイメージセンサを備えたＲＧＢカメラ等が用いられる。これに限定されず、赤外光や偏光光を検出する画像センサ等が適宜用いられてもよい。赤外光や偏光光を用いることで、例えば天候が変化した場合でも見え方が大きく変わらない画像情報等を生成することが可能である。

距離センサ３３は、例えば自動車１０の周辺に向けて設置される。距離センサ３３は、その検出範囲に含まれる物体との距離に関する情報を検出し、自動車１０の周辺の奥行情報を検出する。図２Ａ及び図２Ｂには、自動車１０の前方、右前方、左前方、右後方、左後方のそれぞれに設置された距離センサ３３ａ〜３３ｅが図示されている。例えば、自動車１０の前方に設置された距離センサ３３ａを用いることで、自動車１０の前方を走行する車両までの距離等を検出することが可能である。

距離センサ３３としては、例えばＬｉＤＡＲ（Laser Imaging Detection and Ranging）センサ等が用いられる。ＬｉＤＡＲセンサを用いることで、例えば奥行情報を持った画像（デプス画像）等を容易に検出することが可能である。また距離センサ３３として、例えばＴＯＦ（Time of Fright）方式のデプスセンサ等が用いられてもよい。この他距離センサ３３の種類等は限定されずレンジファインダー、ミリ波レーダ、及び赤外線レーザ等を用いた任意のセンサが用いられてよい。

操舵装置４０は、典型的にはパワーステアリング装置で構成され、運転者のハンドル操作を操舵輪へ伝達する。制動装置４１は、各車輪に取り付けられたブレーキ作動装置及びこれらを作動させる油圧回路を含み、各車輪の制動力を制御する。車体加速装置４２は、スロットルバルブや燃料噴射装置等を含み、駆動輪の回転加速度を制御する。

舵角センサ４３は、ハンドルの舵角や操舵に伴う車輪の向きの変化等を検出する。車輪速センサ４４は、全車輪又は一部の車輪に設置され車輪の回転速度等を検出する。アクセルセンサ４６は、アクセルペダルの操作量等を検出する。なお、舵角センサ４３、車輪速センサ４４、及びアクセルセンサ４６は、運転者により自動車１０が運転される場合のみならず、自動車１０の自動運転が行なわれる場合にも、ハンドル、車輪、及びアクセル等の状態を検出し、制御部５０に出力することが可能である。

ブレーキスイッチ４５は、運転者のブレーキ操作（ブレーキペダルの踏み込み）を検出するためのもので、ＡＢＳ制御等の際に参照される。この他、自動車１０の各部の動作を検出する任意のセンサが搭載されてよい。

表示装置４７は、例えば液晶やＥＬ（Electro-Luminescence）等を用いた表示部を有する。表示装置４７は、制御部５０から出力される自動車１０の予定経路、自動車１０の現在地、及び周辺の地図情報等を含むナビゲーション画像（図４参照）を表示する。これによりカーナビゲーションサービスを提供することが可能となる。またフロントガラス等の所定の位置に、ＡＲ（Augmented Reality：拡張現実）画像を表示させる装置が用いられてもよい。この他、表示装置４７の具体的な構成や表示される情報の種類等は限定されない。

通信装置４８は、ネットワーク２０に接続するための無線通信を行なう。また通信装置４８は、ネットワーク２０及びサーバ装置２１を介してデータベース２２にアクセス可能に構成される。例えば通信装置４８は、データベース２２からのデータのダウンロードや、データベース２２へのデータのアップロード等を適宜実行する。

通信装置４８としては、例えばＷｉＦｉ等を用いた無線ＬＡＮ（Local Area Network）通信や、ＬＴＥ（Long Term Evolution）等のセルラー通信等が可能な移動体向けの無線通信モジュールが適宜用いられる。この他、通信装置４８の具体的な構成は限定されず、例えばネットワーク２０に接続可能な任意の通信装置４８が用いられてよい。

制御部５０は、自身を搭載する自動車１０の移動制御等を行なう。従って制御部５０にとって、自身を搭載する自動車１０が移動制御の制御対象となる。一方、自身を搭載しない他の自動車１０は、制御対象とは異なる他の自動車となる。本実施形態において、制御対象となる自動車１０は、制御対象となる対象移動体に相当する。また他の自動車１０は、対象移動体とは異なる他の移動体に相当する。

制御部５０は、本実施形態に係る情報処理装置に相当し、例えばＣＰＵ、ＲＡＭ、及びＲＯＭ等のコンピュータに必要なハードウェアを有する。ＣＰＵがＲＯＭに予め記録されている本技術に係るプログラムをＲＡＭにロードして実行することにより、本技術に係る情報処理方法が実行される。

制御部５０の具体的な構成は限定されず、例えばＦＰＧＡ（Field Programmable Gate Array）等のＰＬＤ(Programmable Logic Device)、その他ＡＳＩＣ（Application Specific Integrated Circuit）等のデバイスが用いられてもよい。

図３に示すように、制御部５０は、経路生成部５１と、移動情報生成部５２と、移動計画部５３と、移動制御部５４とを有する。例えば、制御部５０のＣＰＵが所定のプログラムを実行することで、各機能ブロックが構成される。

経路生成部５１は、自動車１０の現在地から自動車１０の目的地までの予定経路を生成する。予定経路６２は、現在地から目的地までの道順（順路）を示す情報であり、典型的には地図情報に含まれる道路を指定する情報である。従って、予定経路６２では、現在地から目的地に到達するまでに通るべき道路等が指定される。

自動車１０の現在地は、例えばＧＰＳセンサ３０により検出された、自動車１０の現在の緯度及び経度である。また自動車１０の目的地は、例えば図示しない入力装置等を介して運転者等により入力される。経路生成部５１は、予定経路の情報を移動計画部５３に出力する。また経路生成部５１は、予定経路を含むナビゲーション画像を生成し表示装置４７に出力する。

図４は、ナビゲーション画像の一例を示す模式図である。図４に示す例では、自動車１０の現在地６０と、目的地６１と、予定経路６２と、予定経路６２の周辺の地図情報とを含むナビゲーション画像６３が模式的に図示されている。なお、予定経路６２には、通過予定の道路内のどの位置を走行するべきかといった情報は含まれない。

移動情報生成部５２は、自身が搭載されている自動車１０の移動に関する移動情報を生成する。本実施形態では、移動情報として、自動車１０が通過した通過軌跡に関する情報が生成される。

図５は、自動車１０の移動情報の構成例を示す模式図である。図６は、自動車１０の通過軌跡の一例を示す模式図である。図６では、片側２車線の道路で車線変更を行なった自動車１０の通過軌跡６５が模式的に図示されている。以下では図５及び図６を参照して自動車１０の移動情報（通過軌跡６５に関する情報）について具体的に説明する。

自動車１０は、自車に搭載されたＧＰＳセンサ３０を用いて、動作中（走行中や停止中）の自動車１０の現在地を所定の時間間隔で検出する。図６に示すように、各タイミングで検出された自動車１０の現在地は、自動車１０の通過軌跡６５上の通過点６６となる。

移動情報生成部５２は、自車の車両ＩＤと、通過点６６の情報（緯度Ｘ及び軽度Ｙ）とが関連付けられた情報を移動情報として生成する。このとき移動情報には、自動車１０が通過点６６を通過した時の日時等が記録される。

また移動情報生成部５２は、通過点６６を通過するタイミングで検出された周辺情報（画像情報及び奥行情報等）を、その通過点６６に関連付けて移動情報を生成する。従って、図５に示すように、自動車１０の移動情報には、自動車１０の車両ＩＤ、通過点６６、日時、通過点６６での周辺情報等が含まれることになる。

なお周辺情報は、周辺センサ３１により、自動車１０が各通過点６６を通過するタイミングで検出される。例えば、通過点６６を通過する際に、フロントカメラ３２ａやリアカメラ３２ｂ等の画像センサにより自動車１０の前方や後方等の画像情報が検出される。またＬｉＤＡＲセンサ等の距離センサ３３により自動車１０の周辺の奥行情報が検出される。

移動情報の形式としては、例えば移動情報Ａ＝（車両ＩＤ、日時、通過点６６の緯度経度、センサ１のデータ、センサ２のデータ、・・・、及びセンサＮのデータ）といった形式が用いられる。なおセンサ１〜センサＮのデータは、自動車１０の各部に搭載された画像センサ３２や距離センサ３３により検出されたデータに対応している。このように通過点６６ごとに各データをまとめたデータ形式とすることで、例えば移動情報Ａの検索等を容易に行なうことが可能となる。この他、移動情報の形式等は限定されず、任意の形式が用いられてよい。

生成された自動車１０の移動情報は、通信装置４８に出力され、データベース２２に適宜アップロードされる。アップロードを行なうタイミング等は限定されない。例えば自動車１０が通過点６６を通過した直後にアップロードが行なわれてもよい。また例えば通信状況等に応じて、複数の通過点６６に関する移動情報がまとめてアップロードされてもよい。

この結果、データベース２２には、複数の自動車１０からの移動情報が格納される。すなわちデータベース２２には、各自動車１０が通過した通過軌跡６５の情報が集まる。この結果、例えばある領域に通過点６６が含まれる移動情報を検索することで、その領域を通過した自動車１０（車両ＩＤ）等を検索することが可能となる。また例えば、日時を指定して移動情報を検索することで、所望の時間帯に目的とする領域を通過した自動車１０等を検索するといったことも可能である。

図７は、移動計画部５３の構成例を示す模式図である。移動計画部５３は、想定領域データベース５５と、判定部５６と、取得部５７と、移動計画算出部５８と、移動計画保持部５９とを有する。

想定領域データベース５５は、特定の交通状況が想定される想定領域に関する想定領域情報が格納されたデータベースである。例えば、自動車１０の移動制御を行う上で想定される交通状況が特定の交通状況として適宜設定される。本実施形態では、特定の交通状況として、複雑な交通状況が設定される。ここで複雑な交通状況とは、例えば自動車１０、自転車、歩行者等の往来が入り組んでいるような状況である。

例えば、図４に示すように、道路が交差する交差点等では、複数の自動車１０や歩行者等が様々な方向に進行するため、複雑な交通状況が生じる可能性が高い。すなわち、想定領域は、複雑な交通局面（交通状況）に遭遇する可能性の高い領域とも言える。想定領域データベース５５には、このような状況が想定される場所（想定領域）に関する情報が想定領域情報として格納される。なお図４では想定領域７０を表す範囲が模式的に図示されている。

想定領域７０は、交差点、合流点、及び分岐点を含む。例えば、交差点に関する想定領域情報として、交差点の中心位置の位置データと、交差点の大きさや形状等を表す領域データとが関連付けられて記憶される。また合流点（分岐点）に関してもその位置を表す位置データ及び領域を表す領域データがそれぞれ記憶される。

また想定領域７０は、一時的に複雑な交通状況が生じた領域である暫定領域を含む。暫定領域は、例えば渋滞や事故等により一時的に往来が混雑している領域である。想定領域データベース５５には、例えばサーバ装置２１により検出された暫定領域に関する位置データや領域データが記憶される。なお暫定領域に関する情報は、一時的なものであり、暫定領域における交通状況が回復すると、想定領域データベース５５から削除される。暫定領域については、後に詳しく説明する。

この他、想定領域７０の種類等は限定されない。例えば、片側２車線や片側３車線といった交通量の多い複数車線が交差する交差点等に限定して想定領域７０が設定されてもよい。例えば事故多発エリアや渋滞多発エリア等に関する情報や、工事中エリアや車線減少エリア等に関する情報が想定領域情報として記憶されてもよい。また想定領域情報の形式等は限定されず、例えば各想定領域７０の位置を特定することが可能な任意の形式が用いられてよい。

判定部５６は、制御対象となる自動車１０の予定経路６２上に、特定の交通状況（複雑な交通状況）が想定される想定領域７０が存在するか否かを判定する。本実施形態では、想定領域データベース５５に記憶された想定領域７０（想定領域情報）が自動車１０の予定経路６２上に存在するか否かが判定される。

取得部５７は、制御対象となる自動車１０とは異なる他の自動車１０の移動に関する移動情報を取得する。具体的には、取得部５７は、通信装置４８を介してデータベース２２にアクセスし、データベース２２に格納された他の自動車１０の移動情報を取得する。

本実施形態では、予定経路６２上に存在すると判定された想定領域７０の位置データ及び領域データに基づいて、想定領域７０を通過した他の自動車１０の移動情報が取得される。従って、取得部５７により取得される移動情報には、想定領域７０内の他の自動車１０の通過点６６の情報と、通過点６６を通過するタイミングで検出された他の自動車１０の周辺情報とが含まれる。

移動計画算出部５８は、予定経路６２上に存在すると判定された想定領域７０に対して、想定領域７０を通過した他の自動車１０の移動に関する移動情報に基づいて、自動車１０の移動計画を算出する。従って自動車１０に想定領域７０を移動させるための計画（移動計画）を、想定領域７０に到達する前に予め算出することが可能となる。

なお、予定経路６２上に複数の想定領域７０が存在すると判定された場合、例えば自動車１０の現在地６０から最も近い直近の想定領域７０に対して、他の自動車１０の移動情報の取得及び移動計画の算出が実行される。そしてその後、次に近い想定領域７０に対して、他の自動車１０の移動情報の取得及び移動計画の算出が実行される。すなわち現在地６０から目的地６１に向かって存在する複数の想定領域７０の各々に対して、順次移動計画が算出される。もちろんこれに限定されずに、複数の想定領域７０の各々に対して、並列に、他の自動車１０の移動情報の取得及び移動計画の算出が実行されてもよい。

本実施形態では、自動車１０が想定領域７０に到達する到達予定時刻より所定時間前までに移動計画が算出される。所定時間は、典型的には自動車１０が想定領域７０に進入する直前に移動計画が算出されるように数秒〜数分の範囲で適宜設定される。これにより、進入直前の想定領域７０の情報に基づいて移動計画を算出することが可能となる。なお所定時間の具体的な値は限定されず、制御部５０の演算能力や交通状況等に応じて、適宜設定されてよい。

移動計画としては、想定領域７０内の移動コストに関するコストマップが算出される。コストマップでは、例えばガードレールや中央分離帯等の障害物が存在する領域や、走行が難しい領域等の移動コストが高く設定される。逆に車線の中央等の走行が可能な領域では、移動コストが低く設定される。

また移動計画として、上記したコストマップに基づいて自動車１０の予定軌跡が算出される。ここで、予定軌跡とは、例えば想定領域７０内での自動車１０の移動の目標となる位置を指定する情報である。例えば予定軌跡を用いることで、交差点を通過する場合に通過するべき交差点内の位置等を指定することが可能である。従って、予定軌跡は、上記した予定経路６２よりも精密な位置指定が可能な情報であるとも言える。コストマップ及び予定軌跡を生成する方法については、後に詳しく説明する。

移動計画保持部５９は、算出された移動計画をメモリ等の記憶素子に一時的に保持（記憶）する。また移動計画保持部５９は、自動車１０が想定領域７０に到着するタイミングで移動計画を移動制御部５４に出力する。なお、移動計画を自動車１０内で保持する場合に限定されず、例えば移動計画をネットワーク２０を介してデータベース２２上に保存するといった構成が採用されてもよい。この場合、想定領域７０に到着する前に、移動計画が適宜ダウンロードされる。

図３に戻り、移動制御部５４は、自動車１０の移動を制御する。例えば制御部５０は、周辺センサ３１により検出された自動車１０の周辺情報等に基づき、主体的に操舵装置４０、制動装置４１、及び車体加速装置４２を制御することで、障害物自動回避を伴う自動運転を実現する。なお制御部５０は、操舵装置４０、制動装置４１、及び車体加速装置４２を個別に制御する場合は勿論、これらの複数を協調制御してもよい。これにより、操舵（旋回）時、制動時、加速時等において、自動車１０を所望とする姿勢に制御することが可能となる。

また移動制御部５４は、移動計画に基づいて、想定領域７０内での自動車１０の移動を制御する。すなわち、自動車１０が想定領域７０に到達すると、移動計画（コストマップ及び予定軌跡）を用いた自動車１０の移動制御が開始されるとも言える。

本実施形態では、移動制御部５４は、自動車１０が想定領域７０に進入した場合に、自動車１０の周辺情報に基づいて、コストマップを更新する。そして更新されたコストマップを使って、想定領域７０での自動運転が行なわれる。本実施形態では、移動制御部５４は、コストマップを更新する更新部として機能する。なお、移動計画を用いた自動運転は、例えば自動車１０が想定領域７０の通過を完了するまで行なわれ、その後は通常の自動運転が実行される。

［移動計画の算出処理］
図８は、想定領域７０での移動計画を算出する処理の一例を示すフローチャートである。以下では、移動制御の制御対象となる自動車１０を自車両１１と記載し、他の自動車１０を他車両１２と記載する場合がある。

まず、判定部５６により自車両１１の予定経路６２上に複雑な交通状況が想定される想定領域７０が存在するか否かが判定される（ステップ１０１及び１０２）。なお、想定領域７０に関する判定処理は、自車両１１の自動運転が行なわれている間に常に行なわれる。

ステップ１０１では、判定部５６により、予定経路６２上の予定通過点が算出される。図４には、算出される予定通過点７１が模式的に図示されている。予定通過点７１は、自車両１１の現在地６０から予定経路６２に沿って所定の間隔で等間隔に配置される点である。最初のステップ１０１では、現在地６０から所定の間隔だけ離れた予定通過点７１の位置（緯度及び経度）が算出される。なお予定通過点７１の間隔（所定の間隔）は、例えば所望の精度で想定領域７０を検出することが可能となるように適宜設定される。

ステップ１０２では、予定通過点７１の周りに、想定領域７０が存在するか否かが判定される。例えば、想定領域データベース５５に記憶された各想定領域７０の位置データから、予定通過点７１を中心とする許容範囲（例えば半径５０ｍの円等）に含まれる想定領域７０が検索され、予定通過点７１の周りの想定領域７０の有無が判定される。この他、判定処理の具体的な方法等は限定されない。例えば想定領域７０の領域データに基づいて、予定通過点７１を含むような想定領域７０が存在するか否かが判定されてもよい。

想定領域７０が存在しなかった場合、すなわち該当する想定領域７０が検索されなかった場合（ステップ１０２のＮｏ）、ステップ１０１に戻り次の予定通過点７１の位置が算出され、その予定通過点７１についての判定が実行される。

想定領域７０が存在した場合、すなわち該当する想定領域７０が検索された場合（ステップ１０２のＹｅｓ）、検索された想定領域７０の想定領域情報（位置データ及び領域データ）が取得部５７に出力される。例えば図４では、現在地６０から４番目の予定通過点７１の周りに想定領域７０（交差点７２）が存在すると判定される。この交差点７２の中心位置及び範囲（想定領域７０）に関する想定領域情報が、取得部５７に出力される。

取得部５７により、想定領域７０を通過した他車両１２の移動情報が取得される（ステップ１０３）。本実施形態では、他車両１２が想定領域７０を通過した通過時刻に基づいて、移動計画の算出に用いられる他車両１２の移動情報が取得される。

例えば、所定のタイミング（時刻）より前の閾値時間内に想定領域７０を通過した他車両１２の移動情報が取得される。所定のタイミングは、例えば自車両１１が想定領域７０に到達する時刻（到達予定時刻）よりも所定時間前までに、移動計画の算出が完了するように適宜設定される。また閾値時間は、所望の精度で移動計画が算出可能となるように、例えば数分〜数十分（例えば３０分）程度の範囲で設定される。

所定のタイミングや閾値時間を適宜設定することで、例えば自車両１１が想定領域７０に到達する略直前に、想定領域７０を通過した他車両１２の移動情報を抽出することが可能となる。これにより、想定領域７０の略直前の状況が記録された他車両１２の周辺情報等が取得される。この結果、移動計画と、自車両１１が想定領域７０に到達した時の状況との整合性を十分に高めることが可能となる。

なお所定のタイミングは、予定経路６２上に想定領域７０が存在すると判定された時刻に一致するとは限らない。例えば自車両１１から十分離れた位置に想定領域７０が存在する場合には、想定領域７０に近づいてから他車両１２の移動情報を取得するといった処理が実行される。所定のタイミングや閾値時間の具体的な値や設定方法等は限定されず、例えば通信環境や処理能力等に応じて適宜設定されてよい。

例えば取得部５７は、所定のタイミングより前の閾値時間内（対象期間）に、想定領域７０を通過した他車両１２の移動情報を検索する旨の指示を、通信装置４８を介してサーバ装置２１に送信する。サーバ装置２１は、まず通過時間でのフィルタリングを行い、データベース２２から対象期間内に生成された他車両１２の移動情報を抽出する。次いで想定領域７０に通過点６６が含まれる他車両１２を抽出する。これにより、対象期間内に生成され、かつ通過点６６が想定領域７０に含まれる他車両１２の移動情報が検索される。検索に該当した他車両１２の移動情報が取得部５７（通信装置４８）に送信される。この他、任意の方法で移動情報が取得されてよい。

移動計画算出部５８により、他車両１２の周辺情報に基づいて、想定領域７０内の障害物の占有マップが算出される（ステップ１０４）。占有マップ（Ｏｃｕｐａｎｃｙ Ｍａｐ）とは、ある瞬間における想定領域７０内に存在する障害物の位置を表すマップである。ここでは、他車両１２が通過点６６を通過するタイミングでの想定領域７０内の障害物の位置を表す占有マップが算出される。本実施形態では、占有マップは、第１のマップに相当する。

図９は、占有マップの一例を示す模式図である。図９では、想定領域７０である交差点７２を通過した他車両１２ａの周辺情報に基づいて算出された占有マップ８０と、他車両１２ａの通過軌跡６５（矢印）と、通過点６６（白丸）とが模式的に図示されている。また交差点７２に存在する障害物８１（車両等）が黒い領域により図示されている。以下では、図中の上下方向及び左右方向に延在する道路を、第１の道路８２ａ及び第２の道路８２ｂと記載する。図９に示すように、他車両１２ａは、第１の道路８２ａに沿って下側から上側に向けて交差点７２を直進する。

占有マップ８０は、他車両１２ａが通過した通過点６６ごとに、その通過点６６で検出された周辺情報をもとに生成される。図９に示す例では、他車両１２ａが通過した複数の通過点６６のうち、通過点６６ａを通過した瞬間の占有マップ８０が示されている。他の通過点６６についても、占有マップ８０が生成される。すなわち、他車両１２ａが交差点７２を通過した際の各時間ステップに対応する占有マップ８０が生成されるとも言える。また、他車両１２ａとは異なる他車両１２についても同様の処理が実行される。従ってステップ１０４では、交差点７２（想定領域７０）を通過した他車両１２ごとに、通過点６６の数に応じて複数の占有マップ８０が生成されることになる。

占有マップ８０は、周辺情報に基づいて他車両１２ａの周辺環境を認識し想定領域７０の環境理解を行なうことで算出される。例えば、周辺情報に含まれる奥行情報（例えばＬｉＤＡＲセンサにより検出されたＬｉＤＡＲ点群情報）から、障害物８１の位置等が検出される。障害物８１の位置を検出する処理は限定されず、例えば３次元特徴量等を用いて障害物８１を判定する方法等が適宜用いられる。

また例えば、周辺情報に含まれる画像情報から、歩行者、自転車、車両等（障害物８１）の検出が行なわれる。歩行者等の検出は、テンプレートマッチングや画像スキャニング等の、任意の画像解析技術により実行されてよい。検出された障害物は、検出位置に応じてマップ上に配置され、交差点７２（想定領域７０）での占有マップ８０が生成される。例えば、障害物が存在する領域及び存在しない領域に対応する値（マップ値）として、１及び０がそれぞれ付与され、２値化された占有マップ８０が生成される。この他、占有マップ８０の具体的な形式等は限定されない。

移動計画算出部５８により、占有マップ８０に基づいて、想定領域７０内の障害物８１の確率マップが算出される（ステップ１０５）。確率マップは、例えばある期間に障害物８１が存在した割合を確率的に表したマップ（Ｏｃｕｐａｎｃｙ Ｍａｐの確率表現）である。本実施形態では、確率マップは、第２のマップに相当する。

確率マップにおいて、例えば障害物８１が静止していた点では、障害物８１が存在した割合（確率）が高く設定される。一方で、障害物８１が通過した点では、その障害物８１が存在した割合（確率）が低く設定される。従って確率マップは、ある期間に障害物８１が移動していたかあるいは静止していたかといった、障害物８１の挙動を表すマップであるとも言える。

本実施形態では、他車両１２が想定領域７０を通過する間の障害物８１の挙動を表す確率マップ８３が算出される。従って確率マップを算出する処理は、各他車両１２ごとに実行される。

例えば他車両１２ａについて、図９に示す各通過点６６で生成された各占有マップ８０が重ね合わせられる。具体的には、各点に付与されているマップ値（１あるいは０）を足し合わせる処理が実行される。足し合わせられたマップ値は、通過点６６の数で割ることで正規化される。なお、占有マップ８０に基づいて確率マップを生成する方法は限定されない。

図１０〜図１２は、確率マップの一例を示す模式図である。図１０は、図９で説明した他車両１２ａが想定領域７０を通過した期間の障害物８１の挙動を表す確率マップ８３である。また図１１及び図１２は、他車両１２ｂ及び１２ｃが想定領域７０を通過した期間の障害物８１の挙動を表す確率マップ８３である。なお図１０〜図１２では、グレーが濃い領域が障害物が存在する確率が高い領域である。

図１０に示すように、他車両１２ａが、第１の道路８２ａに沿って交差点７２直進して通過する間、第２の道路８２ｂから交差点７２に進入する車両８４ａは赤信号により停止している。このため、確率マップ８３では、赤信号により停止した車両８４ａ（障害物８１）が存在する割合は、高い確率値（黒色）で表される。一方で車両等の障害物８１が存在しなかった領域は、低い確率値（白色）となる。

また、車両等の障害物８１が移動した領域では、障害物８１が存在する割合は、障害物８１の移動速度等に応じた中間の確率値（グレースケール）となる。従って、例えば障害物８１が早く通過した領域は確率値が低く薄いグレーで表され、障害物８１がゆっくり通過した領域は確率値が高く濃いグレーで表される。

図１１に示すように、他車両１２ｂは、第１の道路８２ａの下側に存在する障害物８１ａをよけて、第１の道路８２ａに沿って、交差点７２を直進する。なお他車両１２ｂが交差点７２を通過したタイミングは、他車両１２ａが通過したタイミングとは異なる。このため、図１０及び図１１では赤信号により停止している車両８４ｂの位置が異なる。

図１２に示すように、他車両１２ｃは、図中の左側から交差点７２に進入し第２の道路８２ｂに沿って交差点７２を直進する。この場合、第１の道路８２ａから交差点７２に進入する車両８４ｃは赤信号により停止している。このように、様々な方向から、様々なタイミングで交差点７２（想定領域）を通過する他車両１２の確率マップ８３がそれぞれ算出される。また確率マップ８３を算出することで、各タイミングで移動していた動的な障害物８１と、静止していた静的な障害物８１とを容易に識別することが可能となる。

移動計画算出部５８により、確率マップ８３に基づいて、想定領域７０内の移動コストに関するコストマップが算出される（ステップ１０５）。本実施形態では、ステップ１０４で生成された確率マップ８３を重ね合わせる合成処理が実行される。そして合成された確率値を適宜移動コストに変換することで、コストマップが算出される。

図１３は、合成された確率マップ８３の一例を示す模式図である。図１３では、図１０〜図１２で説明した確率マップ８３を合成して得られた合成マップ８５が図示されている。確率マップ８３を合成する処理としては、例えばマップ上の各点の確率値を足し合わせて正規化する処理が実行される。

図１３に示すように、各確率マップ８３を合成することで、赤信号により停止していた車両等の確率値は低下する。一方各確率マップ８３に共通して含まれる静止した障害物８１（第１の道路８２ａの下側にある障害物８１ａ）の確率値は高いまま維持される。例えば路肩に駐車している駐車車両等は、合成マップ８５においても確率値の高い障害物８１として残る可能性が高い。

合成マップ８５の確率値が移動コストに適宜変換され、コストマップが算出される。例えば、合成マップ８５が所定の間隔のグリッドに分割され、各グリッドの確率値の平均値が移動コストに変換される（図１５参照）。

例えば、確率値が高いグリッドの移動コストは高く、低い点の移動コストは低く設定される。これにより、駐車車両等の障害物８１の情報を含む交差点７２のコストマップを容易に算出することが可能となる。また例えば、障害物８１が移動した領域（グレースケールの領域）の移動コストを低めに設定するといった処理が実行されてもよい。これにより、交差点７２内で頻繁に移動が行なわれる領域の移動コストを低く設定することができる。この他、コストマップを算出する方法は限定されない。

コストマップに基づいて、想定領域７０内での自動車１０の予定軌跡が算出される（ステップ１０７）。例えば自車両１１の予定経路６２に沿って想定領域７０を通過する軌跡が算出される。具体的には、コストマップ上で、想定領域７０に入る側から出る側までの最短となる軌跡の探索が実行される。この探索結果が、想定領域７０を通過するための自車両１１の予定軌跡となる。最短となる軌跡を探索する方法は限定されず、例えばＡ＊アルゴリズム等の探索アルゴリズムや、機械学習等を用いた探索が適宜用いられてよい。

移動計画保持部５９より、コストマップと予定軌跡とを含む移動計画が保持される(ステップ１０８)。移動計画は、例えば自車両１１が想定領域７０に到達するまで、メモリ等に保存される。また移動計画保持部５９は、例えば自車両１１の現在地６０に基づいて、自車両１１が想定領域７０に進入するタイミングに合わせて、保持していた移動計画（コストマップ及び予定軌跡）を移動制御部５４に出力する。

［自動車の移動制御］
図１４は、想定領域７０での移動制御部５４の動作の一例を示すフローチャートである。図１５は、移動計画の一例を示す模式図である。図１５には、交差点７２のコストマップ８６と、自車両１１の予定軌跡８７とが模式的に図示されている。なお自車両１１は、図中の下側から交差点７２に進入し左折を行なう。以下では、図１４及び図１５を参照して、交差点７２での移動制御の一例について説明する。

移動制御部５４により移動計画が取得される（ステップ２０１）。本実施形態では、自車両１１が想定領域７０に進入するタイミングで、予め算出されていたコストマップ８６と予定軌跡８７とが取得される。

予定軌跡８７に基づいて、自車両１１の周辺情報の検出範囲及び解析範囲が設定される（ステップ２０２）。例えば、予定軌跡８７に沿って進行した場合の進行方向の周辺情報が選択的に取得されるように、周辺センサ３１の検出・解析範囲が設定される。

ＬｉＤＡＲセンサ等の距離センサでは、予定軌跡８７が示す進行方向の奥行情報が取得されるように、レーザ照射範囲等が狭い範囲に設定される。例えば３６０度の照射範囲を持ったセンサに対して、予定軌跡８７を中心に左右９０度方向に照射範囲を限定するといった設定が行なわれる。もちろんこれに限定されるわけではない。

図１５に示す例では、予定軌跡８７に沿って自車両１１が左折するように制御される。この場合、自車両１１の左前方の奥行情報が取得可能なように、検出範囲が絞られる。これにより、レーザの走査やデータ取得に要する時間が短縮される。また、必要な領域に絞って奥行情報を検出することが可能となり、奥行情報のデータ量を抑制することが可能となる。

また、奥行情報として得られた点群（ポイントクラウド）の解析を、予定軌跡８７が示す進行方向に絞って行うことで、解析の処理速度を向上することが可能である。同様に、画像センサにより検出された画像情報から特定の物体（歩行者、自転車、自動車）等を検出する場合にも、進行方向に合わせて画角を絞る、あるいは画像を切り出して処理を行うことで、ウィンドウサーチ等の物体検出処理に要する処理時間を大幅に短縮することが可能である。

最新の周辺情報に基づいて、コストマップ８６が更新される（ステップ２０３）。例えば周辺情報の解析から障害物８１が検出されたとする。この場合、障害物８１が検出された位置に対応するグリッド８８の移動コストが高い値に上書きされる。

図１６は、更新された移動計画の一例を示す模式図である。図１６では、交差点７２を左折した先に、駐車車両８１ｂが検出される。この場合、駐車車両８１ｂが存在する場所には、高い移動コストが設定され、コストマップ８６が上書きされる。このように、周辺情報を用いてコストマップ８６が最新の状態にアップデートされる。なお、障害物８１等が検出されない場合には、コストマップ８６のアップデートは行われない。

更新前のコストマップ８６と更新後のコストマップ８６との差分が算出される（ステップ２０４）。コストマップ８６の差分は、更新の前後での移動コストの差分であり、グリッド８８ごとに算出される。例えば、障害物８１等が検出されたグリッド８８では差分が大きくなり、障害物８１等が検出されなかったグリッド８８では、差分は約ゼロとなる。なお、コストマップ８６の差分を算出する方法は限定されない。

算出された差分に基づいて、予定軌跡８７を破棄するか否かが判定される（ステップ２０５）。例えば、マップの全域で差分が小さい（移動コストの変化が少ない）場合には、予定軌跡８７を破棄しないと判定され、予定軌跡８７を用いた移動制御が継続される。一方で、マップの全域で高い差分が検出された場合には、想定領域７０での交通状況が著しく変化しているとして、予定軌跡８７の破棄が判定される。

また例えば、予定軌跡８７の周辺の領域に絞って差分を比較するといった処理が実行されてもよい。これにより予定軌跡８７を遮る障害物等を速やかに検出することが可能となり、処理速度が向上する。この他、予定軌跡８７を破棄するか否かの判定処理は限定されず、例えば機械学習等を用いたマッチング処理や、任意の閾値処理等が用いられてよい。

予定軌跡８７を破棄しないと判定された場合（ステップ２０５のＮｏ）、差分が生じた領域の予定軌跡８７が更新される（ステップ２０６）。図１６に示す例では、左折先に駐車車両８１ｂが検出されたために、駐車車両８１ｂ周辺グリッド８８ａ及び８８ｂでは移動コストが増大している。この移動コストの変化（差分）が生じた領域について、更新後のコストマップ８６に基づいて予定軌跡８７が再計算される。

例えば図１６に示すように、元の予定軌跡８７（点線）が通過するグリッド８８よりも移動コストが若干高いグリッド８８を通過するように、予定軌跡８７が更新される。このように、予定軌跡８７の更新を、差分が生じた領域に限定して局所的に行なうことで予定軌跡８７の再計算に要する時間を十分に短縮することが可能である。また新たに生じた障害物８１等にも柔軟に対応することが可能である。

更新された予定軌跡８７を通過するように、自動車１０（自車両１１）の移動制御が実行される（ステップ２０８）。例えば移動制御部５４は、自車両１１が予定軌跡８７に沿って移動するように、操舵装置４０、制動装置４１、及び車体加速装置４２等を制御する。これにより、想定領域７０内での自動運転が実現される。

また予定軌跡８７を破棄すると判定された場合（ステップ２０５のＹｅｓ）、更新後のコストマップ８６を用いて、自車両１１を移動させるための軌跡が新しく算出される（ステップ２０７）。例えば更新後のコストマップ８６上で、Ａ＊アルゴリズム等の探索アルゴリズムを用いて軌跡の探索が実行され、新しい軌跡が算出される。もちろん、機械学習等を用いた軌跡の探索処理が実行されてもよい。なお、更新後のコストマップ８６を用いる場合に限定されず、例えば新しく算出されたコストマップ８６等が用いられてもよい。

新しい軌跡が算出されると、当該軌跡を通過するように自動車１０の移動制御が実行される。これにより、想定領域７０の交通状況が大きく変化したような場合であっても、自動車１０を安全に走行させることが可能となる。

［暫定領域の検出］
以下では、一時的に複雑な交通状況が生じた領域である暫定領域を検出する方法について説明する。

本実施形態では、サーバ装置２１により、データベース２２に蓄積された自動車１０の移動情報に基づいて、暫定領域が検出される。データベース２２には複数の自動車１０から常時移動情報がアップロードされる。このため、例えば各自動車１０が何処を走行しているのか、あるいはある場所にどのくらい滞在していたかといった状況を解析することが可能である。

例えばサーバ装置２１により、ある任意地点での交通密度が算出される。ここで交通密度とは、ある地点を単位時間に走行した自動車１０の数量である。例えば注目地点の緯度経度を中心とした所定の半径（２０ｍ程度）の円を設定し、その円を単位時間当たりに通過した平均の車両数を解析することで、平均の交通密度（通常交通密度）が算出される。なお平均の交通密度は、朝方、日中、夕方、及び深夜といった時間帯ごとに算出されてもよい。

複雑な交通状況が生じた領域を検出する場合には、例えば検出を開始する時刻の３０分前までに、注目地点（所定の半径の円）を通過した自動車１０の移動情報がデータベース２２から抽出される。そして抽出された移動情報に基づいて、３０分の間に注目地点を通過した自動車１０の平均の交通密度（直近交通密度）が算出される。なお、直近交通密度の算出に用いられる自動車１０の通過時間帯等は限定されず、適宜設定されてよい。

サーバ装置２１は、直近交通密度が予め設定された交通密度閾値よりも大きいか否かを判定する。交通密度閾値は、注目地点の通常交通密度に応じて設定され、典型的には、交差点等での通常交通密度と同程度かそれ以上の値に設定される。例えば自動車１０等の往来が少ない場所では交通密度閾値は低く設定され、往来が多い場所では高く設定される。本実施形態では、交通密度閾値は、第１の閾値に相当する。

例えば、注目地点の直近交通密度が交通密度閾値よりも大きい場合には、注目地点では一時的に複雑な交通状況が生じているとして、注目地点を含む領域が暫定領域に設定される。すなわち、暫定領域は、自動車１０の交通密度が交通密度閾値よりも大きい領域である。

このように、交差点等と同程度かそれ以上の交通密度であり、しかも交通密度が短時間の内に著しく増大した領域が暫定領域として設定される。これにより、急激に混雑した地点等を精度良く検出することが可能となる。なお、交通密度閾値を設定する方法は限定されず、例えば注目地点での交通量の一時的な変化を検出可能なように適宜設定されてよい。

またサーバ装置２１は、自動車１０が移動制御を行なう際にかかった時間（制御処理時間）に基づいて、複雑な交通状況が生じた領域を検出する。制御処理時間は、例えば自動車１０が周辺情報を取得してから軌跡等を算出して移動制御を行なうまでに要した時間である。例えば、自動車１０の通過点６６ごとに制御処理時間が測定され、自動車１０の移動情報としてデータベース２２に蓄積される。

例えば、サーバ装置２１により、注目地点を通過する自動車１０の制御処理時間の平均値（通常処理時間）が算出される。平均処理時間は、注目地点を走行するさいに通常要する処理時間であるとも言える。暫定領域を検出する場合には、検出開始時刻の３０分前までに注目地点を通過した自動車１０の移動情報を抽出し、それらの自動車１０の平均の制御処理時間（直近処理時間）が算出される。なお、制御処理時間の算出に用いられる自動車１０の通過時間帯等は限定されず、適宜設定されてよい。

サーバ装置２１は、直近処理時間が予め設定された処理時間閾値よりも大きいか否かを判定する。処理時間閾値は、典型的には、注目地点の通常処理時間よりも大きい値に設定される。処理時間閾値を設定する方法は限定されず、所望の精度で暫定領域が検出可能となるように適宜設定されてよい。本実施形態では、処理時間閾値は、第２の閾値に相当する。

例えば、注目地点の直近処理時間が処理時間閾値よりも大きい場合には、その注目地点を通過する際の制御処理に対する負荷が増大している可能性がある。この場合、注目地点では一時的に複雑な交通状況が生じているとして、注目地点を含む領域が暫定領域に設定される。従って、暫定領域は、自動車１０の移動制御に要する時間が処理時間閾値よりも大きい領域となる。

これにより、急激に混雑した地点等を精度良く検出することが可能となる。また自動車１０の渋滞のみならず、お祭り等で歩行者の往来が多い地点においても、自動車１０の制御処理時間等が増大する可能性がある。このような地点も一時的に複雑な交通状況が生じているとして暫定領域に設定することが可能である。

このように、一時的に複雑な交通状況が発生している領域（暫定領域）を想定領域として設定することで、急なアクシデントにより交通が混乱しているような場所を通過する場合であっても、予定軌跡８７等を予め算出することが可能となる。この結果、自動車１０の走行方向や速度等を速やかに決定して適正に自動車１０を移動させることが可能となる。

以上、本実施形態に係る制御部５０では、特定の交通状況が想定される想定領域７０が、自車両１１の予定経路６２上に存在するか否かが判定される。予定経路６２上に想定領域７０が存在する場合には、その想定領域７０を通過した他車両１２の移動情報に基づいて、想定領域７０での自車両１１の移動計画が算出される。移動計画を用いることで、自車両１１の走行方向や速度等を速やかに決定して、スムーズに自車両１１を移動させることが可能となる。

自動車の移動制御を行なう方法として、自動車の現在地の周辺の情報からこれから移動する軌跡等を決定する方法が考えられる。この方法では、各種センサからの情報を解析し、車両周辺の状況を認識し、認識結果を統合し、周辺環境を障害物占有マップという形で理解し、そのマップ上で経路探索を行なうといった、様々な処理が必要となる。例えば複雑な交通状況に直面した場合、複数の動的障害物や地図データにはない駐車車両等の静的な障害物等が多数存在することが考えられ、移動制御を行なうための各処理に要する時間が増大する可能性がある。また処理時間が増加することで、自動車の制御の時間遅れや、やむを得ない車両停止等が発生する場合があり得る。

本実施形態では、移動計画算出部５８により、自車両１１の予定経路６２上に存在すると判定された想定領域７０に対して、その想定領域７０を移動させるための移動計画が予め算出される。また移動計画は、自車両１１が到達する直前に想定領域７０を通過した他車両１２の周辺情報に基づいて算出される。

これにより、交差点７２等の複雑な交通状況が想定される領域を通過する場合であっても、移動計画に基づいて自車両１１を移動させることで、移動制御に必要な処理を速やかに実行することが可能となる。従って移動制御を行なうための処理時間が増大することを十分に抑制することが可能となり、制御の遅れやそれに伴う車両停止等を十分に回避することが可能となる。

また直前に想定領域７０を通過した他車両１２の周辺情報を用いることで、想定領域７０内での駐車車両や障害物等の位置を想定した移動計画を算出することが可能である。これにより、予め障害物８１の位置を避けるような予定軌跡８７を生成することが可能となり、自車両１１の移動を自然に制御することが可能となる。

実際に想定領域７０に到達した際の交通状況の変化は、動的障害物（歩行者、自転車、他車両等）が中心になると考えられる。従って周辺センサの検出範囲等を、予定軌跡８７に示された進行方向等に絞ることが可能となる。これにより、自車両１１の周辺情報の認識に要する時間、及びそれ以降の処理に要する時間等を十分に短縮することが可能となる。この結果、自車両１１を制御するための制御信号等を実時間で適正に発行することが可能となり、自車両を安全に走行させることが可能となる。

また、本実施形態では、一時的に複雑な交通状況が生じた領域（暫定領域）についても、移動計画を算出することが可能となる。このように、予期しない混雑等に直面した場合であっても、計算時間のかかる軌跡の算出処理等を事前に行なっておくことが可能である。これにより、緊急停止等の発生を十分に抑制し、適正に自車両１１を制御することが可能となる。

＜その他の実施形態＞
本技術は、以上説明した実施形態に限定されず、他の種々の実施形態を実現することができる。

上記の実施形態では、想定領域７０が記憶された想定領域データベース５５を参照して、自動車１０の予定経路６２上に想定領域７０が存在するか否かが判定された。これに限定されず、例えば道路マップ等の情報をもとに、交差点等の想定領域が存在するか否かが判定されてもよい。

例えば、判定部は、予定経路を生成するために使用された地図データ（図４参照）等に基づいて、交差点、分岐点、及び合流点等の複雑な交通状況が想定される領域を適宜検出してもよい。この場合、検出された交差点等が予定経路上に存在するか否かが判定される。判定部により判定された交差点の位置情報等に基づいて、その交差点を通過した他の自動車の移動情報を取得することが可能である。このような構成が採用されてもよい。

上記では、図７に示すように、想定領域データベースが自動車に設けられた。これに限定されず、例えば想定領域データベースがネットワーク上に設けられてもよい。この場合、自車両は、例えば自車両及び他車両の各々とネットワークを介して通信可能に接続されたサーバ装置を介して、想定領域データベースにアクセスする。

判定部は、サーバ装置から想定領域情報を取得し、取得された想定領域情報に基づいて予定経路上に想定領域が存在するか否かを判定する。想定領域データベースをネットワーク上に設けることで、例えば想定領域（交差点や暫定領域等）を新たに追加、あるいは削除するといったことが容易に可能となる。この結果、常に最新の想定領域情報を取得することが可能となり、想定領域の判定を高精度に行うことが可能となる。

上記の実施形態では、自動車に搭載された移動計画部（制御部）により、搭載車両の移動制御に用いられる移動計画（コントラストマップ及び予定軌跡）が生成された。これに限定されず、例えば移動計画等を生成する機能がネットワークに接続されたサーバ装置に備えられてもよい。

例えば、移動制御の対象となる自動車（対象自動車）から、対象自動車の現在地、予定経路、及び周辺情報等を含む移動情報が、サーバ装置に送信される。サーバ装置は、対象自動車の現在の情報に基づいて、その予定経路上に想定領域が存在するか否かを判定する。また予定経路上に存在すると判定された想定領域について、対象自動車の予定経路に合わせた移動計画を予め算出し、到達予定時刻に合わせて対象自動車に送信する。そしてサーバ装置により算出された移動計画を目標として、想定領域における障害物回避等を伴う対象自動車の移動制御が実行される。

サーバ装置により移動計画が生成される場合であっても、その移動計画を用いることで、複雑な交通状況が想定される交差点等での走行方向や速度等を速やかに決定することが可能である。また特定のサーバ装置により移動計画を算出する場合に限定されず、ネットワークに接続された複数のコンピュータ等を用いて並列計算が実行されてもよい。これにより移動計画の算出に要する処理時間等を大幅に短縮することが可能である。

このように、自動車に搭載されたコンピュータ（制御部）と、ネットワーク等を介して通信可能な他のコンピュータ（サーバ装置）とが連動することで、本技術に係る情報処理方法、及びプログラムが実行され、本技術に係る情報処理装置が構築されてもよい。

すなわち本技術に係る情報処理方法、及びプログラムは、単体のコンピュータにより構成されたコンピュータシステムのみならず、複数のコンピュータが連動して動作するコンピュータシステムにおいても実行可能である。なお本開示において、システムとは、複数の構成要素（装置、モジュール（部品）等）の集合を意味し、すべての構成要素が同一筐体中にあるか否かは問わない。したがって、別個の筐体に収納され、ネットワークを介して接続されている複数の装置、及び、１つの筐体の中に複数のモジュールが収納されている１つの装置は、いずれもシステムである。

コンピュータシステムによる本技術に係る情報処理方法、及びプログラムの実行は、例えば予定経路上に想定領域が存在しているか否かの判定、移動計画の算出等が、単体のコンピュータにより実行される場合、及び各処理が異なるコンピュータにより実行される場合の両方を含む。また所定のコンピュータによる各処理の実行は、当該処理の一部または全部を他のコンピュータに実行させその結果を取得することを含む。

すなわち本技術に係る情報処理方法、及びプログラムは、１つの機能をネットワークを介して複数の装置で分担、共同して処理するクラウドコンピューティングの構成にも適用することが可能である。

上記の実施形態では、自動車の移動に関する移動情報として、自動車が通過した通過点の情報や通過点での周辺情報等を例示した。これに限定されず、自動車等の移動に関する任意の情報が、移動情報として用いられてもよい。

上記では、移動制御システムに含まれる複数の自動車の各々が移動情報をアップロードした。そして自車両の移動制御のために、他車両がアップロードした他車両の移動に関する移動情報が取得され、自車両の移動計画が生成された。この構成に限定されず、例えば自身の移動情報をアップロードしない自動車を制御対象として、他車両がアップロードした移動情報が用いられてもよい。

上記では、移動体の一例として自動車を例に説明を行なったが、移動体の種類等に係らず本技術は適用可能である。例えば移動体として、自律飛行が可能な飛行型ドローン等が考えられる。飛行型ドローンは、例えばＧＰＳセンサや周辺センサ等を備え、自身の移動（飛行）に関する移動情報等を、データベースにアップロードする。この結果、データベースには、複数の飛行型ドローンの様々な地点での３次元の飛行軌跡の情報等が蓄積される。

これらの情報を用いることで、例えば経路上にある複雑な交通状況が想定される離発着ポイントや障害物等により通過しにくいポイント等の交通状況に合わせて、飛行計画を予め算出することが可能である。これにより、複雑な交通状況に直面した場合でも、移動制御の処理時間を短縮し、実際の飛行環境等に合わせたスムーズな飛行制御を実現することが可能となる。

この他、本開示に係る技術は、様々な製品へ応用することができる。例えば、本開示に係る技術は、自動車、電気自動車、ハイブリッド電気自動車、自動二輪車、自転車、パーソナルモビリティ、飛行機、ドローン、船舶、ロボット、建設機械、農業機械（トラクター）などのいずれかの種類の移動体に搭載される装置として実現されてもよい。

以上説明した本技術に係る特徴部分のうち、少なくとも２つの特徴部分を組み合わせることも可能である。すなわち各実施形態で説明した種々の特徴部分は、各実施形態の区別なく、任意に組み合わされてもよい。また上記で記載した種々の効果は、あくまで例示であって限定されるものではなく、また他の効果が発揮されてもよい。

なお、本技術は以下のような構成も採ることができる。
（１）制御対象となる対象移動体の予定経路上に、特定の交通状況が想定される想定領域が存在するか否かを判定する判定部と、
前記予定経路上に存在すると判定された前記想定領域に対して、前記想定領域を通過した他の移動体の移動に関する移動情報に基づいて、前記対象移動体の移動計画を算出する算出部と
を具備する情報処理装置。
（２）（１）に記載の情報処理装置であって、
前記特定の交通状況は、複雑な交通状況である
情報処理装置。
（３）（１）または（２）に記載の情報処理装置であって、
前記移動計画は、前記想定領域内の移動コストに関するコストマップと、当該コストマップに基づいて算出された前記対象移動体の予定軌跡とを含む
情報処理装置。
（４）（１）から（３）のうちいずれか１つに記載の情報処理装置であって、
前記算出部は、前記対象移動体が前記想定領域に到達する到達予定時刻より所定時間前までに前記移動計画を算出する
情報処理装置。
（５）（１）から（４）のうちいずれか１つに記載の情報処理装置であって、さらに、
前記他の移動体が前記想定領域を通過した通過時刻に基づいて、前記移動計画の算出に用いられる前記他の移動体の前記移動情報を取得する取得部を具備する
情報処理装置。
（６）（１）から（５）のうちいずれか１つに記載の情報処理装置であって、
前記移動情報は、前記想定領域内の前記他の移動体の通過点の情報と、前記通過点を通過するタイミングで検出された前記他の移動体の周辺情報とを含む
情報処理装置。
（７）（６）に記載の情報処理装置であって、
前記算出部は、前記他の移動体の周辺情報に基づいて、前記他の移動体が前記通過点を通過するタイミングでの前記想定領域内の障害物の位置を表す第１のマップを算出する
情報処理装置。
（８）（７）に記載の情報処理装置であって、
前記算出部は、前記第１のマップに基づいて、前記他の移動体が前記想定領域を通過する間の前記障害物の挙動を表す第２のマップを算出する
情報処理装置。
（９）（８）に記載の情報処理装置であって、
前記算出部は、前記第２のマップに基づいて、前記想定領域内の移動コストに関するコストマップを算出する
情報処理装置。
（１０）（３）から（９）のうちいずれか１つに記載の情報処理装置であって、さらに、
前記対象移動体が前記想定領域に進入した場合に、前記対象移動体の周辺情報に基づいて、前記コストマップを更新する更新部を具備する
情報処理装置。
（１１）（１０）に記載の情報処理装置であって、
前記更新部は、前記予定軌跡に基づいて前記対象移動体の周辺情報の検出範囲及び解析範囲の少なくとも一方を設定する
情報処理装置。
（１２）（１０）または（１１）に記載の情報処理装置であって、
前記更新部は、更新前の前記コストマップと更新後の前記コストマップとの差分を算出し、前記差分が生じた領域の前記予定軌跡を更新する
情報処理装置。
（１３）（１２）に記載の情報処理装置であって、
前記更新部は、前記差分に基づいて前記予定軌跡を破棄するか否かを判定し、前記予定軌跡の破棄が判定された場合、前記対象移動体を移動させるための軌跡を新しく算出する
情報処理装置。
（１４）（１）から（１３）のうちいずれか１つに記載の情報処理装置であって、
前記想定領域は、交差点、合流点、及び分岐点の少なくとも１つを含む
情報処理装置。
（１５）（１）から（１４）のうちいずれか１つに記載の情報処理装置であって、
前記想定領域は、一時的に複雑な交通状況が生じた領域である暫定領域を含む
情報処理装置。
（１６）（１）から（１５）のうちいずれか１つに記載の情報処理装置であって、
前記判定部は、前記対象移動体及び前記他の移動体の各々とネットワークを介して通信可能に接続されたサーバから前記想定領域に関する想定領域情報を取得し、取得された前記想定領域情報に基づいて前記予定経路上に前記想定領域が存在するか否かを判定する
情報処理装置。
（１７）制御対象となる自車両の予定経路上に、特定の交通状況が想定される想定領域が存在するか否かを判定する判定部と、
前記予定経路上に存在すると判定された前記想定領域に対して、前記想定領域を通過した他車両の移動に関する移動情報に基づいて、前記自車両の移動計画を算出する算出部と、
生成された前記移動計画に基づいて、前記想定領域における前記自車両の移動を制御する移動制御部と
を具備する車両。
（１８）制御対象となる移動体の予定経路上に、特定の交通状況が想定される想定領域が存在するか否かを判定する判定部と、
前記予定経路上に存在すると判定された前記想定領域に対して、前記想定領域を通過した他の移動体の移動に関する移動情報に基づいて、前記制御対象となる移動体の移動計画を算出する算出部と、
生成された前記移動計画に基づいて、前記想定領域における前記制御対象となる移動体の移動を制御する移動制御部と
を具備する移動体。
（１９）制御対象となる対象移動体の予定経路上に、特定の交通状況が想定される想定領域が存在するか否かを判定し、
前記予定経路上に存在すると判定された前記想定領域に対して、前記想定領域を通過した他の移動体の移動に関する移動情報に基づいて、前記対象移動体の移動計画を算出する
ことをコンピュータシステムが実行する情報処理方法。
（２０）制御対象となる対象移動体の予定経路上に、特定の交通状況が想定される想定領域が存在するか否かを判定するステップと、
前記予定経路上に存在すると判定された前記想定領域に対して、前記想定領域を通過した他の移動体の移動に関する移動情報に基づいて、前記対象移動体の移動計画を算出するステップと
をコンピュータシステムに実行させるプログラム。

１０…自動車
１１…自車両
１２、１２ａ〜１２ｂ…他車両
２１…サーバ装置
２２…データベース
５０…制御部
５４…移動制御部
５５…想定領域データベース
５６…判定部
５７…取得部
５８…移動計画算出部
６２…予定経路
６６…通過点
７０…想定領域
８６…コストマップ
８７…予定軌跡
１００…移動制御システム

Claims (20)

1. 制御対象となる対象移動体の予定経路上に、特定の交通状況が想定される想定領域が存在するか否かを判定する判定部と、
   前記予定経路上に存在すると判定された前記想定領域に対して、前記想定領域を通過した他の移動体の移動に関する移動情報に基づいて、前記対象移動体の移動計画を算出する算出部と
   を具備する情報処理装置。
2. 請求項１に記載の情報処理装置であって、
   前記特定の交通状況は、複雑な交通状況である
   情報処理装置。
3. 請求項１に記載の情報処理装置であって、
   前記移動計画は、前記想定領域内の移動コストに関するコストマップと、当該コストマップに基づいて算出された前記対象移動体の予定軌跡とを含む
   情報処理装置。
4. 請求項１に記載の情報処理装置であって、
   前記算出部は、前記対象移動体が前記想定領域に到達する到達予定時刻より所定時間前までに前記移動計画を算出する
   情報処理装置。
5. 請求項１に記載の情報処理装置であって、さらに、
   前記他の移動体が前記想定領域を通過した通過時刻に基づいて、前記移動計画の算出に用いられる前記他の移動体の前記移動情報を取得する取得部を具備する
   情報処理装置。
6. 請求項１に記載の情報処理装置であって、
   前記移動情報は、前記想定領域内の前記他の移動体の通過点の情報と、前記通過点を通過するタイミングで検出された前記他の移動体の周辺情報とを含む
   情報処理装置。
7. 請求項６に記載の情報処理装置であって、
   前記算出部は、前記他の移動体の周辺情報に基づいて、前記他の移動体が前記通過点を通過するタイミングでの前記想定領域内の障害物の位置を表す第１のマップを算出する
   情報処理装置。
8. 請求項７に記載の情報処理装置であって、
   前記算出部は、前記第１のマップに基づいて、前記他の移動体が前記想定領域を通過する間の前記障害物の挙動を表す第２のマップを算出する
   情報処理装置。
9. 請求項８に記載の情報処理装置であって、
   前記算出部は、前記第２のマップに基づいて、前記想定領域内の移動コストに関するコストマップを算出する
   情報処理装置。
10. 請求項３に記載の情報処理装置であって、さらに、
    前記対象移動体が前記想定領域に進入した場合に、前記対象移動体の周辺情報に基づいて、前記コストマップを更新する更新部を具備する
    情報処理装置。
11. 請求項１０に記載の情報処理装置であって、
    前記更新部は、前記予定軌跡に基づいて前記対象移動体の周辺情報の検出範囲及び解析範囲の少なくとも一方を設定する
    情報処理装置。
12. 請求項１０に記載の情報処理装置であって、
    前記更新部は、更新前の前記コストマップと更新後の前記コストマップとの差分を算出し、前記差分が生じた領域の前記予定軌跡を更新する
    情報処理装置。
13. 請求項１２に記載の情報処理装置であって、
    前記更新部は、前記差分に基づいて前記予定軌跡を破棄するか否かを判定し、前記予定軌跡の破棄が判定された場合、前記対象移動体を移動させるための軌跡を新しく算出する
    情報処理装置。
14. 請求項１に記載の情報処理装置であって、
    前記想定領域は、交差点、合流点、及び分岐点の少なくとも１つを含む
    情報処理装置。
15. 請求項１に記載の情報処理装置であって、
    前記想定領域は、一時的に複雑な交通状況が生じた領域である暫定領域を含む
    情報処理装置。
16. 請求項１に記載の情報処理装置であって、
    前記判定部は、前記対象移動体及び前記他の移動体の各々とネットワークを介して通信可能に接続されたサーバから前記想定領域に関する想定領域情報を取得し、取得された前記想定領域情報に基づいて前記予定経路上に前記想定領域が存在するか否かを判定する
    情報処理装置。
17. 制御対象となる自車両の予定経路上に、特定の交通状況が想定される想定領域が存在するか否かを判定する判定部と、
    前記予定経路上に存在すると判定された前記想定領域に対して、前記想定領域を通過した他車両の移動に関する移動情報に基づいて、前記自車両の移動計画を算出する算出部と、
    生成された前記移動計画に基づいて、前記想定領域における前記自車両の移動を制御する移動制御部と
    を具備する車両。
18. 制御対象となる移動体の予定経路上に、特定の交通状況が想定される想定領域が存在するか否かを判定する判定部と、
    前記予定経路上に存在すると判定された前記想定領域に対して、前記想定領域を通過した他の移動体の移動に関する移動情報に基づいて、前記制御対象となる移動体の移動計画を算出する算出部と、
    生成された前記移動計画に基づいて、前記想定領域における前記制御対象となる移動体の移動を制御する移動制御部と
    を具備する移動体。
19. 制御対象となる対象移動体の予定経路上に、特定の交通状況が想定される想定領域が存在するか否かを判定し、
    前記予定経路上に存在すると判定された前記想定領域に対して、前記想定領域を通過した他の移動体の移動に関する移動情報に基づいて、前記対象移動体の移動計画を算出する
    ことをコンピュータシステムが実行する情報処理方法。
20. 制御対象となる対象移動体の予定経路上に、特定の交通状況が想定される想定領域が存在するか否かを判定するステップと、
    前記予定経路上に存在すると判定された前記想定領域に対して、前記想定領域を通過した他の移動体の移動に関する移動情報に基づいて、前記対象移動体の移動計画を算出するステップと
    をコンピュータシステムに実行させるプログラム。