WO2020194018A1 - 挙動予測方法及び挙動予測装置並びに車両制御装置 - Google Patents

Abstract

挙動予測装置は、車両周囲の物体の知から、車両の挙動に影響を与える第１物体を 特定する。挙動予測装置は、第１物体周囲に存在する複数の物体の知で、第１物体の 挙動に影響を与える第２物体を抽出して挙動を予測する予測処知を行う。挙動予測装 置は、抽出された第２物体を新たな第１物体として、新たな第１物体の挙動に影響を 与える新たな第２物体を抽出して挙動を予測する予測処知を行う。挙動予測装置は、 この予測処知を所定の回数繰り返す。挙動予測装置は、予測処知が行われた第２物体 それぞれの挙動に基づいて、最初の予測処知における第１物体の挙動を予測する。

Description

挙動予測方法及び挙動予測装置並びに車両制御装置

　本発明は、挙動予測方法及び挙動予測装置並びに車両制御装置に関する。

　従来より、車両周囲の物体の挙動を予測し、予測した物体の挙動に基づいて車両を制御する技術が知られている。例えば特許文献１には、自車両の前方を走行する先行車両の走行状態に基づいて自車両の走行を制御する走行制御装置が開示されている。走行制御装置は、自車両の前方を走行する先行車両の運転操作情報に基づいて先行車両の運転特性を判定し、判定した運転特性に基づき先行車両の走行状態を予測する。そして、走行制御装置は、予測した先行車両の走行状態に基づいて自車両の走行を制御する。

特開２００８−８７５４５号公報

　しかしながら、特許文献１に記載された技術によれば、先行車両の運転特性から先行車両の挙動を予測しているため、短期的な状況しか予測することができないという不都合がある。

　本発明は、かかる課題に鑑みてなされたものであり、その目的は、車両周囲の長期的な状況を予測することができる挙動予測方法及び挙動予測装置並びに車両制御装置を提供することである。

　本発明の一態様に係る挙動予測方法は、車両周囲の物体の中から、車両の挙動に影響を与える第１物体を特定する。また、挙動予測方法は、第１物体周囲に存在する複数の物体の中で、第１物体の挙動に影響を与える第２物体を抽出して挙動を予測する予測処理を行う。挙動予測方法は、抽出された第２物体を新たな第１物体として、この新たな第１物体の挙動に影響を与える新たな第２物体を抽出して挙動を予測する予測処理を行う。挙動予測方法は、予測処理を所定回数繰り返す。そして、挙動予測方法は、予測処理が行われた第２物体それぞれの挙動に基づいて、第１物体の挙動を予測する。

　本発明によれば、車両周囲の長期的な状況を予測することができる。

図１は、本実施形態に係る挙動予測装置の構成を示すブロック図である。 図２は、本実施形態に係る挙動予測の処理手順を示すフローチャートである。 図３は、抽出回数を設定する処理手順を示すフローチャートである。 図４は、第１領域を設定する処理手順を示すフローチャートである。 図５Ａは、直線道路において自車両の周囲に設定される第１領域の左右方向の範囲の一例を示す説明図である。 図５Ｂは、高速道路において自車両の周囲に設定される第１領域の左右方向の範囲の一例を示す説明図である。 図５Ｃは、高速道路において自車両の周囲に設定される第１領域の左右方向の範囲の一例を示す説明図である。 図６は、高速道路において自車両の周囲に設定される第１領域の前後方向の範囲の一例を示す説明図である。 図７Ａは、信号機のない交差点において自車両の周囲に設定される第１領域の範囲の一例を示す説明図である。 図７Ｂは、信号機のない交差点において自車両の周囲に設定される第１領域の範囲の一例を示す説明図である。 図８Ａは、一般道路の直進道路において自車両の周囲に設定される第１領域の範囲の一例を示す説明図である。 図８Ｂは、一般道路の直進道路において自車両の周囲に設定される第１領域の範囲の一例を示す説明図である。 図８Ｃは、一般道路の直進道路において自車両の周囲に設定される第１領域の範囲の一例を示す説明図である。 図８Ｄは、一般道路の直進道路において自車両の周囲に設定される第１領域の範囲の一例を示す説明図である。 図９は、交差点における第１物体の抽出概念を示す説明図である。 図１０Ａは、直進道路における第１物体の抽出概念を示す説明図である。 図１０Ｂは、直進道路における第１物体の抽出概念を示す説明図である。 図１１は、直進道路における第１物体の抽出概念を示す説明図である。 図１２Ａは、直進道路における第２物体の抽出概念を示す説明図である。 図１２Ｂは、直進道路における第２物体の抽出概念を示す説明図である。 図１２Ｃは、直進道路における第２物体の抽出概念を示す説明図である。 図１３Ａは、直進道路における第２物体の抽出概念を示す説明図である。 図１３Ｂは、直進道路における第２物体の抽出概念を示す説明図である。 図１３Ｃは、直進道路における第２物体の抽出概念を示す説明図である。 図１４Ａは、挙動予測が行われる物体を示す説明図である。 図１４Ｂは、挙動予測が行われる物体を示す説明図である。 図１５Ａは、物体を抽出から除外する例を示す説明図である。 図１５Ｂは、物体を抽出から除外する例を示す説明図である。 図１５Ｃは、物体を抽出から除外する例を示す説明図である。

　以下、本発明の実施形態について、図面を参照して説明する。図面の記載において同一部分には同一符号を付して説明を省略する。

　図１を参照して、本実施形態に係る挙動予測装置の構成を説明する。挙動予測装置は、物体検出装置１と、自車位置推定装置４と、地図取得装置５と、交通規則取得装置６と、マイクロコンピュータ５０とを有している。

　挙動予測装置は、自動運転機能を有する車両に適用されてもよく、自動運転機能を有しない車両に適用されてもよい。また、挙動予測装置は、自動運転と手動運転とを切り替えることが可能な車両に適用されてもよい。以下、挙動予測装置が適用された車両を自車両という。

　自動運転とは、例えば、ブレーキ、アクセル、ステアリングなどのアクチュエータのうち、少なくとも一つのアクチュエータが乗員の操作なしに制御されている状態のことを指す。そのため、その他のアクチュエータが乗員の操作により作動していたとしても構わない。また、自動運転とは、加減速制御、横位置制御などのいずれかの制御が実行されている状態であればよい。また、本実施形態における手動運転とは、例えば、ブレーキ、アクセル、ステアリングを乗員が操作している状態のことを指す。

　物体検出装置１は、自車両に搭載された、レーザレーダ、ミリ波レーダ、カメラなどの複数の物体検出センサを備える。物体検出装置１は、複数の物体検出センサを用いて自車両周囲の物体を検出する。物体検出装置１は、他車両、バイク、自転車、歩行者を含む移動物体、及び、駐車車両、建物を含む静止物体を検出する。例えば、物体検出装置１は、移動物体及び静止物体の自車両に対する位置、姿勢（ヨー角）、大きさ、速度、加速度、減速度、ヨーレートを検出する。

　自車位置推定装置４は、ＧＰＳ（グローバル・ポジショニング・システム）、オドメトリなどの位置推定技術を利用して、自車両の絶対位置を計測する。自車位置推定装置４は、位置検出センサを用いて、自車両の絶対位置、すなわち、所定の基準点に対する自車両の位置、車速、加速度、操舵角、姿勢を計測する。自車位置推定装置４には、ＧＰＳ受信器、慣性航法装置、ブレーキペダルやアクセルペダルに設けられたセンサ、車輪速センサやヨーレートセンサなど車両の挙動を取得するセンサ、レーザレーダ、カメラなどが含まれている。

　地図取得装置５は、自車両が走行する道路の構造を示す地図情報を取得する。地図取得装置５が取得する地図情報には、道路環境、車線の絶対位置、車線の接続関係、相対位置関係などの道路構造、交通規則、道路標識などが含まれる。また、地図取得装置５が取得する地図情報には、駐車場、ガソリンスタンドなどの施設情報も含まれる。地図取得装置５は、地図情報を格納した地図データベースを所有してもよいし、クラウドコンピューティングにより地図情報を外部の地図データサーバから取得してもよい。また、地図取得装置５は、車車間通信、路車間通信を用いて地図情報を取得してもよい。

　交通規則取得装置６は、自車両が走行している道路環境、道路標識などに基づいて、自車両に適用される交通規則を取得する。交通規則取得装置６は、通信装置、カメラなどを備え、車車間通信又は路車間通信を用いて若しくカメラなどから得られる情報を用いて、道路環境、道路標識などを取得する。交通規則取得装置６は、取得した道路環境、道路標識などに基づいて、自車両に適用される交通規則を取得する。なお、地図取得装置５が地図情報の一つとして交通規則を取得することができる場合、交通規則取得装置６は、地図取得装置５によって代用されてもよい。

　マイクロコンピュータ５０は、物体検出装置１の検出結果、自車位置推定装置４による推定結果、地図取得装置５の取得結果、及び交通規則取得装置６の取得結果に基づいて、自車両周囲に存在する物体（典型的には、移動物体）の挙動を予測する。また、マイクロコンピュータ５０は、予測した物体の挙動に基づいて、自車両の走行状態を制御する。

　本実施形態に係る挙動予測は、自車両の挙動に影響を与える物体（以下「第１物体」という）の挙動を予測するものである。また、本実施形態に係る挙動予測は、第１物体の挙動に影響を与える第２物体の挙動を予測し、この第２物体の挙動に基づいて第１物体の挙動を予測する。

　マイクロコンピュータ５０は、ＣＰＵ（中央処理装置）、メモリ、及び入出力部を備える汎用のマイクロコンピュータである。マイクロコンピュータには、挙動予測装置として機能させるためのコンピュータプログラム（挙動予測プログラム）がインストールされている。コンピュータプログラムを実行することにより、マイクロコンピュータは、挙動予測装置が備える複数の情報処理回路として機能する。なお、本実施形態では、ソフトウェアによって挙動予測装置が備える複数の情報処理回路を実現する例を示す。しかしながら、以下に示す各情報処理を実行するための専用のハードウェアを用意して、それぞれの情報処理回路を構成することも可能である。また、複数の情報処理回路を個別のハードウェアにより構成してもよい。

　マイクロコンピュータ５０は、複数の情報処理回路として、検出統合部２と、物体追跡部３と、地図内位置推定部７と、挙動予測部１０と、車両制御部２０とを備えている。

　検出統合部２は、物体検出装置１が備える複数の物体検出センサの各々から得られた複数の検出結果を統合して、各物体に対して一つの検出結果を出力する。具体的には、物体検出センサの各々から得られた物体の挙動から、各物体検出センサの誤差特性などを考慮した上で最も誤差が少なくなる合理的な物体の挙動を算出する。具体的には、既知のセンサ・フュージョン技術を用いることにより、複数の物体検出センサで取得した検出結果を総合的に評価して、より正確な検出結果を得る。

　物体追跡部３は、検出統合部２によって検出された物体を追跡する。具体的に、物体追跡部３は、異なる時刻に出力された物体の挙動から、異なる時刻間における物体の同一性の検証（対応付け）を行い、かつ、その対応付けを基づいて物体を追跡する。

　地図内位置推定部７は、自車位置推定装置４により得られた自車両の絶対位置、及び地図取得装置５により取得された地図情報から、地図上における自車両の位置、向きを推定する。地図内位置推定部７は、自車両がどの走行車線に位置しているかを推定する。

　挙動予測部１０は、自車両周囲の物体の挙動を予測する。挙動予測部１０は、進路候補取得部１１と、進路取得部１２と、走行環境取得部１３と、物体抽出部１４と、予測部１５とを有している。

　進路候補取得部１１は、地図情報、自車両周囲の物体の検出結果、自車両の位置情報、交通規則に基づいて、物体の進路候補を算出する。物体の進路候補とは、その物体が選択し得る進路の候補である。

　進路取得部１２は、自車両の進路を取得する。例えば、進路取得部１２は、ナビゲーション装置（図示せず）において画定された経路情報を取得し、この経路情報から自車両の進路を取得する。なお、進路取得部１２は、目的地の情報と、地図情報とに基づいて、自車両の進路を計算してもよい。

　走行環境取得部１３は、自車両の位置情報、地図情報などに基づいて、自車両が現在走行している道路の道路環境を取得する。道路環境は、高速道路、交差点、合流区間といった道路種別、及び道路に発生している渋滞状況をいう。

　物体抽出部１４は、物体の進路候補、自車両の進路及び走行状態、自車両の道路環境、交通規則などに基づいて、自車両周囲の物体の中から、挙動予測の対象となる物体を抽出する。具体的には、物体抽出部１４は、自車両周囲の物体の中から、自車両の挙動に影響を与える第１物体（最初の第１物体）を特定（抽出）する。また、物体抽出部１４は、第１物体周囲に存在する複数の物体の中から、第１物体の挙動に影響を与える第２物体を抽出する処理（予測処理）を行う。更に、物体抽出部１４は、抽出した第２物体を新たな第１物体として、この新たな第１物体の挙動に影響を与える第２物体（新たな第２物体）を抽出する処理（予測処理）を行う。このようにして、物体抽出部１４は、挙動を予測する対象物体である第２物体の抽出を予め定められた所定の抽出回数まで繰り返して行う。

　予測部１５は、物体抽出部１４で抽出された第２物体の挙動を予測する処理（予測処理）を、挙動を予測する対象物体が抽出される毎に行うことにより、予め定められた所定の抽出回数繰り返し行う。また、予測部１５は、予測処理が行われたｎ（ｎ：抽出回数に対応する自然数）個の第２物体の挙動に基づいて、最初に特定した第１物体（最初の第１物体）の挙動を予測する。

　車両制御部２０は、挙動予測部１０において予測された第１物体の挙動に基づいて、自車両の車両制御を行う。車両制御部２０は、自車両の各種アクチュエータ（ステアリングアクチュエータ、アクセルペダルアクチュエータ、ブレーキアクチュエータなど）を制御して、自動運転制御又は運転支援制御（例えば減速制御）を実行する。

　なお、本実施形態では、マイクロコンピュータ５０が車両制御部２０の機能を備えた構成となっており、挙動予測装置は車両制御装置としての適用が可能となっている。もっとも、挙動予測装置は、車両制御部２０の機能を備えずに、自車両周囲の物体の挙動を予測する機能のみを備えるものであってもよい。

　つぎに、図２を参照し、本実施形態に係る挙動予測の処理手順を説明する。この処理手順は、イグニッションスイッチ（ＩＧＮ）のオンをトリガーとして呼び出され、マイクロコンピュータ５０によって実行される。なお、自車両が電気自動車である場合、イグニッションスイッチの代わりに、パワースイッチのオンをトリガーとすればよい。

　まず、ステップＳ１０において、検出統合部２は、物体検出装置１から物体情報、すなわち、自車両周囲の物体情報を取得する。物体情報が取得されると、検出統合部２は、物体情報に基づいて物体の挙動を算出する。また、物体追跡部３は、検出統合部２によって検出された物体を追跡する。

　ステップＳ１１において、地図内位置推定部７は、自車位置推定装置４から自車両の位置情報を取得する。

　ステップＳ１２において、地図内位置推定部７は、地図情報を取得する。地図内位置推定部７は、地図上における自車両の位置情報、すなわち、どの走行車線を走行しているか、及び走行車線での自車両の向きを算出する。また、進路候補取得部１１は、自車両の位置情報と、自車両周囲の物体情報とに基づいて、地図上における物体の位置情報、すなわち、地図上での物体の位置（走行車線、歩道など）及び向きなどを算出する。進路候補取得部１１は、物体を中心とする一定範囲内に含まれる車線情報、及び交通規則を取得する。また、進路候補取得部１１は、これらの情報に基づいて、物体の進路候補を算出することができる。

　ステップＳ１３において、進路取得部１２は、地図上における自車両の進路を取得する。進路取得部１２は、ナビゲーション装置などで事前に設定された経路情報から、自車両の進路を取得することができる。あるいは、進路取得部１２は、目的地の情報に基づいて経路情報を計算し、進路を取得してもよい。

　ステップＳ１４において、進路取得部１２は、自車両の走行状態を取得する。走行状態は、少なくとも車速、操舵角を取得する。

　ステップＳ１５において、物体抽出部１４は、道路環境に基づいて、抽出回数を設定する。この抽出回数は、第２物体に対して予測処理を繰り返す回数である。図３を参照し、抽出回数を設定する処理の詳細を説明する。

　ステップＳ３０において、走行環境取得部１３は、自車両の位置情報、地図情報に基づいて、自車両が走行している道路の道路種別を取得する。

　ステップＳ３１において、走行環境取得部１３は、自車両が高速道路にいるか否かを判断する。自車両が高速道路にいる場合には、ステップＳ３１において肯定判定され、ステップＳ３３に進む。一方、自車両が高速道路以外の一般道路にいる場合には、ステップＳ３１において否定判定され、ステップＳ３２に進む。

　ステップＳ３２において、走行環境取得部１３は、自車両前方に交差点があるか否かを判断する。走行環境取得部１３は、例えば自車両が交差点中心へ到達するまでの時間、又は自車両と交差点中心との距離に基づいて、交差点の有無を判断する。自車両前方に交差点がある場合には、ステップＳ３２において肯定判定され、ステップＳ３５に進む。一方、自車両前方に交差点がない場合には、ステップＳ３２において否定判定され、ステップＳ３３に進む。

　ステップＳ３３において、走行環境取得部１３は、自車両前方における合流車線の有無を取得する。自車両が合流区間の本線道路を走行している場合、走行環境取得部１３は、自車両前方の所定範囲に合流車線が合流する地点があるという情報を取得する。また、自車両が合流区間の合流道路を走行している場合、走行環境取得部１３は、自車両前方の所定範囲に、本線道路へ合流する地点があるという情報を取得する。

　ステップＳ３４において、走行環境取得部１３は、自車両周囲の渋滞状況を取得する。

　ステップＳ３５において、走行環境取得部１３は、抽出回数を設定する。道路環境によって、物体が交錯する複雑度合いが相違する。通常、一般道路では、自動車、二輪車以外にも、歩行者、自転車などの多様な物体が交錯する。そのため、一般道路は、通行できる物体の種別が制限された高速道路と比べ、物体が交錯する複雑度合いが高い。また、一般道路であっても、交差点でが、自車両と同一方向に走行する他車両及び路肩を歩く歩行者以外にも、対向車両、右左折時における横断歩道上の歩行者などの多様の物体が交錯する。そのため、交差点は、直進道路（交差点を除く一般道路）と比べて物体が交錯する複雑度合いが高い。すなわち、物体が交錯する複雑度合いとは、道路環境において想定される物体同士の進路候補の交わり度合い（交わる数の多さ）をいう。

　物体が交錯する複雑度合いが高い程、予測処理の抽出回数を増やすことで、より多くの物体同士の相互影響を考慮することができるので、自車両周囲の状況を長期的に予測することができる。そこで、走行環境取得部１３は、自車両が走行する道路環境において物体が交錯する複雑度合いに基づいて、抽出回数を設定する。具体的には、走行環境取得部１３は、交差点、一般道路、高速道路の順番で抽出回数が少なくなるように設定する。例えば、交差点は５回、直進道路は３回、高速道路は２回と設定するといった如くである。また、同一の走行環境であっても、渋滞している場合には、渋滞していない場合と比較して、物体が交錯する複雑度合いが低くなる。そこで、渋滞しているときの抽出回数を、渋滞していないときのそれよりも低くするといった如くである。

　走行環境取得部１３は、道路環境と、抽出回数と、渋滞状況との関係を規定したデータを保有している。走行環境取得部１３は、道路環境と、渋滞状況とに基づいて、抽出回数を設定する。

　ステップＳ１６において、物体抽出部１４は、自車両の位置情報、地図情報に基づいて、第１領域を設定する。第１領域は、自車両の挙動に影響を与える第１物体を抽出するための領域であり、自車両の周囲に設定される。図４を参照し、第１領域を設定する処理手順を説明する。

　ステップＳ４０において、走行環境取得部１３は、自車両が走行している道路の車線数を取得する。

　ステップＳ４１において、走行環境取得部１３は、自車両が走行している道路の道路種別を取得する。

　ステップＳ４２において、走行環境取得部１３は、自車両が高速道路にいるか否かを判断する。自車両が高速道路にいる場合には、ステップＳ４２において肯定判定され、ステップＳ４３に進む。一方、自車両が高速道路以外の一般道路にいる場合には、ステップＳ４２において否定判定され、ステップＳ４４に進む。

　ステップＳ４３において、走行環境取得部１３は、中央分離帯の有無を取得する。

　ステップＳ４４において、走行環境取得部１３は、自車両前方に交差点があるか否かを判断する。自車両前方に交差点がある場合には、ステップＳ４４において肯定判定され、ステップＳ４５に進む。自車両前方に交差点がない場合には、ステップＳ４４において否定判定され、ステップＳ４７に進む。

　ステップＳ４５において、走行環境取得部１３は、交差点種別を取得する。交差点の種別は、例えば信号機がある交差点、信号機がない交差点、ラウンドアバウト、４ウェイストップ（４ＷＡＹ　ＳＴＯＰ）、一時停止線のある交差点などである。

　ステップＳ４６において、走行環境取得部１３は、交差点種別、自車両の位置情報に基づいて、交差点での交通規則上の優先度を取得する。例えば信号機のある交差点において、自車両の信号が青の場合、物体抽出部１４は、交差道路より自車両の道路の方が優先度が高いと判定する。また、一時停止線のある交差点において、自車両の前に停止線がある場合、物体抽出部１４は、交差道路より自車両の道路の方が優先度が低いと判定する。逆に、自車両の前に停止線がない場合、物体抽出部１４は、交差道路より自車両の道路の方が優先度が高いと判定する。また、交差点における自車両の進路が右折の場合、物体抽出部１４は、直進する対向車線より自車両の車線の方が優先度が低いと判定する。

　ステップＳ４７において、走行環境取得部１３は、自車両前方の横断歩道の有無を取得する。

　ステップＳ４８において、走行環境取得部１３は自車両前方の脇道の有無を取得する。

　ステップＳ４９において、走行環境取得部１３は、自車両の道路と歩道との分離方式を取得する。分離方式は、例えば、植え込み、フェンス、ガードレール、分離されていないといった各種の方式である。

　ステップＳ５０において、物体抽出部１４は、自車両の走行状態、ステップＳ４０乃至Ｓ４９で取得した道路環境に基づいて、第１領域を設定する。以下、図５Ａ乃至８Ｄを参照し、第１領域の設定方法について説明する。

　図５Ａ乃至図６を参照し、自車両が高速道路を走行している場合での第１領域Ｒ１の設定方法を説明する。同図には、走行車線Ｌ１１と、対向車線Ｌ２１と、自車両Ｖａとが示されている。なお、車線が複数の場合に、走行車線については走行車線Ｌ１１、Ｌ１２などといい、対向車線については対向車線Ｌ２１、Ｌ２２などという。また、自車両Ｖａは、最も路肩側の走行車線Ｌ１１を走行しているものとする。

　まず、第１領域Ｒ１に関する左右方向の範囲を説明する。基本的には、物体抽出部１４は、自車両Ｖａが走行している走行車線を基準に、自車両Ｖａの走行車線、この走行車線からみて対向車線側に隣接する第２車線、第２車線からみて対向車線側に隣接する第３車線を含む範囲を、第１領域Ｒ１として設定する。例えば、片側３車線の道路の場合、図５Ａに示すように、３つの走行車線Ｌ１１、Ｌ１２、Ｌ１３が第１領域Ｒ１となる。

　ここで、図５Ｂに示すように、自車両Ｖａから最も遠い第３車線に対向車線が含まれる場合、第１領域Ｒ１は、自車両Ｖａに最も近い対向車線Ｌ２２までの範囲に設定される。また、図５Ｃに示すように、中央分離帯Ｌ３０がある場合、第１領域Ｒ１は、対向車線を含まない範囲に設定される。

　つぎに、第１領域Ｒ１に関する前後方向の範囲を説明する。物体抽出部１４は、自車両Ｖａから前方にかけてＴＴＣ（Ｔｉｍｅ−Ｔｏ−Ｃｏｌｌｉｓｉｏｎ）が所定時間以内となる距離までを、第１領域Ｒ１として設定する。例えば、ＴＴＣを５秒とし、自車両Ｖａが８０ｋｍ／ｈで走行している場合、第１領域Ｒ１は、自車両Ｖａから前方約１００ｍまでの距離となる。また、自車両Ｖａより後方の範囲は、自車両Ｖａの進路に応じて設定される。例えば自車両Ｖａの進路として車線変更が予定されるような場合、自車両Ｖａの車線変更後の車線を走行している他車両、及び、この車線変更後の車線へ進入する他車両を第１物体として考慮する必要がある。そこで、図６に示すように、物体抽出部１４は、自車両Ｖａから後方にかけてＴＴＣが所定時間（例えば３秒）以内となる距離までを、第１領域Ｒ１として設定する。

　図７Ａ乃至図７Ｂを参照し、自車両が信号機のない交差点に進入する場合での第１領域Ｒ１の設定方法を説明する。同図には、自車両Ｖａの走行車線及び対向車線を含む道路Ｓａと、この道路Ｓａに交差する交差道路Ｓｂと、自車両Ｖａとが示されている。

　まず、第１領域Ｒ１に関する前後方向の範囲を説明する。物体抽出部１４は、自車両Ｖａから前方にかけて所定の基準距離までを、第１領域Ｒ１として設定する。ここで、基準距離は、自車両Ｖａと同じの速度の対向車両がいると仮定した上で、自車両Ｖａが交差点中心に到達するまでの時間と対向車が交差点中心に到達するまでの時間との差が一定時間以内となる距離である。例えば、自車両Ｖａから交差点中心までの距離が３０ｍ、速度が１０ｍ／ｓ、時間差が３秒の場合、交差点中心から対向車両までの距離は、６０ｍとなる。したがって、物体抽出部１４は、自車両Ｖａから前方にかけて９０ｍの距離までを、第１領域Ｒ１として設定する。

　つぎに、第１領域Ｒ１に関する左右方向の範囲を説明する。物体抽出部１４は、自車両Ｖａの交差点における優先度と、自車両Ｖａの進路とに基づいて、第１領域Ｒ１を設定する。図７Ａに示すように、自車両Ｖａの道路の方が優先度が高い場合、物体抽出部１４は、自車両Ｖａの右折進路と交差する横断歩道に所定の余裕幅を加味した範囲を、第１領域Ｒ１として設定する。図７Ｂに示すように、自車両Ｖａの道路の方が優先度が低い場合、物体抽出部１４は、前後方向の範囲設定と同様の考え方で、第１領域Ｒ１を設定する。

　図８Ａ乃至図８Ｄを参照し、自車両Ｖａが一般道路の直進道路を走行する場合での第１領域Ｒ１の設定方法を説明する。まず、第１領域Ｒ１に関する前後方向の範囲を説明する。物体抽出部１４は、自車両Ｖａから前方にかけてＴＴＣが所定時間以内となる距離までを、第１領域Ｒ１として設定する。例えばＴＴＣは３秒である。

　つぎに、第１領域Ｒ１に関する左右方向の範囲を説明する。左右方向の大きさは、前述した車線数のほか、横断歩道の有無、脇道の有無、歩道との分離方式によって設定する。例えば図８Ａに示すように、物体抽出部１４は、上述した３つの車線とともに歩道Ｌ４０を含むように、第１領域Ｒ１を設定する。一方、第１領域Ｒ１に関する前後方向の範囲に、横断歩道、脇道Ｌ５０が含まれる場合には、物体抽出部１４は、これらを含むように左右方向の範囲を拡大する。図８Ｂに示すように、前後方向の範囲に横断歩道が含まれる場合、物体抽出部１４は、横断歩道と対応する領域において左右方向の幅を拡大する。拡大する幅は、横断歩道に所定の余裕幅（例えば２ｍ）を加味したものである。また、図８Ｃに示すように、前後方向の範囲に脇道Ｌ５０との接続位置がある場合、物体抽出部１４は、脇道Ｌ５０と対応する領域においいて左右方向の幅を拡大する。拡大する幅Ｄ１は、例えば４０ｍである。なお、図８Ｄに示すように、歩道Ｌ４０と道路とが分離されている場合、物体抽出部１４は、歩道Ｌ４０を除外して第１領域Ｒ１を設定する。

　以上、各種の道路環境を挙げて第１領域Ｒ１を説明した。なお、これらの方法で設定した第１領域Ｒ１が物体検出装置１の検出範囲よりも大きな範囲となることがある。この場合、物体抽出部１４は、物体検出装置１の検出範囲を上限として第１領域Ｒ１を設定することが好ましい。

　ステップＳ１７において、物体抽出部１４は、設定した第１領域Ｒ１にある物体のうち、自車両Ｖａの挙動に影響を与える第１物体を抽出する。具体的には、進路取得部１２は、自車両の進路を取得する。同様に、進路候補取得部１１は、地図情報、物体の位置情報、交通規則に基づいて、第１領域Ｒ１にある物体の進路候補を算出する。物体抽出部１４は、自車両Ｖａの進路と、第１領域Ｒ１にある物体の進路候補とが交わるかどうかで、自車両Ｖａの挙動に影響を与える否かを判断する。

　図９は、自車両Ｖａが交差点に進入する走行シーンを示している。交差点の周囲には、対向車線を走行する２台の他車両Ｖｂ１，Ｖｂ２及び歩行者Ｐｅ１が存在する。第１領域Ｒ１には、対向車線上の先頭の他車両Ｖｂ１が存在する。自車両Ｖａの進路は交差点の右折である。この場合、他車両Ｖｂ１が直進する場合に自車両Ｖａの進路と交わるので、物体抽出部１４は、他車両Ｖｂ１を第１物体として抽出する。一方、左折側の横断歩道にいる歩行者と自車両Ｖａの進路とは交わらず、また、歩行者Ｐｅ１は第１領域Ｒ１内にないので、物体抽出部１４は、歩行者Ｐｅ１を第１物体として抽出しない。

　図１０Ａ及び１０Ｂは、自車両が高速道路を走行する走行シーンを示している。同図には、走行車線Ｌ１１~Ｌ１４と、対向車線Ｌ２１~Ｌ２３と、中央分離帯Ｌ３０と、自車両Ｖａとが示されている。ここで、自車両Ｖａは、最も路肩側の走行車線Ｌ１１を走行しており、自車両Ｖａの周囲には６台の他車両Ｖｂ１~Ｖｂ６が存在している。また、図１０Ａ及び１０Ｂには、自車両Ｖａの進路及び他車両Ｖｂ１~Ｖｂ６の進路候補が矢印で示されている（なお、図１０Ｂの他車両Ｖｂ１~Ｖｂ６の進路候補は、図１０Ａのそれと同じであるため、直進の進路候補のみが描かれている）。

　まず、自車両Ｖａの進路が直進となるケースを想定する。図１０Ａに示すように、物体抽出部１４は、自車両Ｖａの周囲に、第１領域Ｒ１を設定している。物体抽出部１４は、第１領域Ｒ１に存在する他車両Ｖｂ２、Ｖｂ４、Ｖｂ５のうち、他車両Ｖｂ４を第１物体として抽出する。なぜならば、走行車線Ｌ１２を走行する他車両Ｖｂ４は、自車両Ｖａが直進する走行車線Ｌ１１に対して車線変更する進路候補を備えているからである。

　つぎに、自車両Ｖａの進路が走行車線Ｌ１１から走行車線Ｌ１２へと車線変更するケースを想定する。図１０Ｂに示すように、物体抽出部１４は、自車両Ｖａの周囲に、第１領域Ｒ１を設定している。物体抽出部１４は、第１領域Ｒ１に存在する他車両Ｖｂ１、Ｖｂ２、Ｖｂ４、Ｖｂ５のうち、他車両Ｖｂ１、Ｖｂ２、Ｖｂ４を第１物体として抽出する。なぜならば、他車両Ｖｂ１、Ｖｂ４は、自車両Ｖａが車線変更する走行車線Ｌ１２において、自車両Ｖａの前方及び後方に存在しているからである。また、走行車線Ｌ１３を走行する他車両Ｖｂ２は、自車両Ｖａが車線変更する走行車線Ｌ１２に対して車線変更する進路候補を備えているからである。

　また、物体抽出部１４は、進路候補だけではなく、周囲の物体が自車両Ｖａの挙動を変化させるかという点も考慮して、第１物体を抽出してもよい。例えば図１１に示すように、他車両Ｖｂ４が走行車線Ｌ１１へと車線変更すると、他車両Ｖｂ４が自車両Ｖａの前方に位置する。物体抽出部１４は、他車両Ｖｂ４が走行車線Ｌ１１へ車線変更した場合における進入位置を予測し、自車両Ｖａと他車両Ｖｂ４の進入位置との相対距離Ｄ２が所定値以上かどうかを判断する。所定値は、例えばＴＴＣが３秒となる距離である。相対距離Ｄ２が所定値以上の場合、他車両Ｖｂ４に対して自車両Ｖａを減速させる必要がない状況である。したがって、物体抽出部１４は、他車両Ｖｂ４は、自車両Ｖａの挙動に影響しないと判断し、他車両Ｖｂ４を第１物体として抽出しない。

　ステップＳ１８において、物体抽出部１４は、第２領域Ｒ２を設定する。第２領域Ｒ２は、抽出された第１物体の挙動に影響を与える第２物体を抽出するための領域である。第２領域Ｒ２は、抽出された第１物体毎に、第１物体の周囲に設定される。なお、第２領域Ｒ２の設定方法は、第１領域Ｒ１の設定方法と同様であってもいいし、第１物体の周囲に予め定められた範囲で設定してもよい。

　ステップＳ１９において、物体抽出部１４は、設定された第２領域Ｒ２に物体があるか否かを判断する。第２領域Ｒ２に物体がある場合には、ステップＳ１９において肯定判定され、ステップＳ２０に進む。一方、第２領域Ｒ２に物体がない場合には、ステップＳ１９において否定判定され、ステップＳ２４に進む。

　そして、ステップＳ２０乃至Ｓ２２の処理において、物体抽出部１４及び予測部１５は、第２領域Ｒ２内に存在する複数の物体の中で、第２物体を抽出して挙動を予測する予測処理を行う（最初の予測処理）。第２物体を抽出して挙動を予測した後、物体抽出部１４は、前回挙動が予測された第２物体を新たな第１物体として、この新たな第１物体に対する第２領域Ｒ２を設定すると共に、第２領域Ｒ２内に存在する第２物体（新たな第２物体）の挙動を予測する（新たな予測処理）。この物体抽出部１４及び予測部１５による第２物体を抽出して挙動を予測する予測処理は、所定回数（抽出回数）繰り返される。以下、詳細に説明する。

　ステップＳ２０において、物体抽出部１４は、第２物体を抽出する。物体抽出部１４は、第１物体のすべての進路候補を対象として第２物体を判断するのではなく、自車両Ｖａの挙動に影響を与える進路候補に限定して第２物体を抽出する。

　ステップＳ２１において、物体抽出部１４は、第２物体の挙動を予測する。

　ステップＳ２２において、物体抽出部１４は、第２物体を抽出して予測する予測処理の回数が抽出回数に到達したか否かを判断する。予測処理の回数が抽出回数に到達した場合には、ステップＳ２２で肯定判定され、ステップＳ２３に進む。一方、予測処理の回数が抽出回数に到達していない場合には、ステップＳ２２で否定判定され、ステップＳ２０に戻る。そして、ステップＳ２０において、物体抽出部１４は、最初の予測処理（前回のステップＳ２１）で挙動が予測された第２物体を新たな第１物体として、ステップＳ１８と同様の手法で新たな第１物体に対する第２領域Ｒ２を設定する。そして、物体抽出部１４は、設定された第２領域Ｒ２内に存在する新たな第２物体（すなわち、新たな第１物体とした物体の挙動に影響を与える物体）を抽出する。予測部１５は、物体抽出部１４で抽出された新たな第２物体の挙動を予測する。このようにして第２領域Ｒ２の設定及び第２物体の挙動予測の処理が繰り返される。

　図１２Ａ乃至１２Ｃは、図１０Ａ及び１０Ｂと同様、自車両Ｖａが高速道路を走行する走行シーンを示している。図１２Ａに示すように、物体抽出部１４は、第１領域Ｒ１の中で、他車両Ｖｂ４を第１物体として抽出する。

　図１２Ｂに示すように、物体抽出部１４は、第１物体（他車両Ｖｂ４）の周囲に第２領域Ｒ２を設定する。この例では、第２領域Ｒ２は、他車両Ｖｂ４が下側中央に位置付けられるように、前後方向及び左右方向に所定の範囲で設定されている。図１２Ｂでは、他車両Ｖｂ４の進路候補として、走行車線Ｌ１２から走行車線Ｌ１１へと車線変更する進路候補（実線）が存在する。物体抽出部１４は、第２領域Ｒ２内の物体の中から、他車両Ｖｂ４が進路を取る可能性がある進路候補を備える他車両を第２物体として抽出する。図１２Ｂに示す例では、他車両Ｖｂ５は、走行車線Ｌ１３から走行車線Ｌ１２へと車線変更する進路候補を備えている。他車両Ｖｂ５が走行車線Ｌ１２へと車線変更した影響により、他車両Ｖｂ４は、走行車線Ｌ１１へと車線変更する可能性がある。したがって、物体抽出部１４は、他車両Ｖｂ５を第２物体として抽出する。

　また、図１２Ｃに示すように、物体抽出部１４は更に、第２物体（他車両Ｖｂ５）を新たな第１物体として周囲に第２領域Ｒ２をさらに設定する。この例では、第２領域Ｒ２は、他車両Ｖｂ５が中心に位置付けられるように、前後方向及び左右方向に所定の範囲で設定されている。つぎに、物体抽出部１４は、新たな第１物体である他車両Ｖｂ５が進路を取る可能性がある進路候補を特定する。図１２Ｃでは、走行車線Ｌ１３から走行車線Ｌ１２へと車線変更する進路候補（実線）が存在する。物体抽出部１４は、第２領域Ｒ２内の物体の中から、他車両Ｖｂ５が進路を取る可能性がある進路候補を備える他車両、すなわち他車両Ｖｂ５の挙動に影響する他車両を新たな第２物体として抽出する。図１２Ｃに示す例では、他車両Ｖｂ６は、走行車線Ｌ１４から走行車線Ｌ１３へと車線変更する進路候補を備えている。一方、他車両Ｖｂ４は、走行車線Ｌ１２を直進する進路候補を備えている。他車両Ｖｂ６が走行車線Ｌ１３へと車線変更した影響により、他車両Ｖｂ５は、走行車線Ｌ１２へと車線変更する可能性がある。また、他車両Ｖｂ４との間の車間距離の影響により、他車両Ｖｂ５は、走行車線Ｌ１２へと車線変更する可能性がある。したがって、物体抽出部１４は、他車両Ｖｂ４、Ｖｂ６も第２物体として抽出する。

　このように、第２物体の抽出は、第１物体（他車両Ｖｂ４）の挙動に直接的に影響する物体（他車両Ｖｂ５）についても行われる。なお、本ケースでは、他車両Ｖｂ４は、他車両Ｖｂ５によって挙動に影響が与えられる第１物体であると共に、他車両Ｖｂ５の挙動に影響を与える第２物体にも該当する。

　図１３Ａ乃至１３Ｃは、自車両Ｖａが高速道路を走行しているシーンを示している。図１３Ａに示すように、物体抽出部１４は、第１物体として他車両Ｖｂ１を抽出している場合、第１物体（他車両Ｖｂ１）の周囲に第２領域Ｒ２を設定する。物体抽出部１４は、第１物体である他車両Ｖｂ１の進路候補の中から、自車両Ｖａの挙動に影響する第１影響進路候補を特定する。図１３Ａでは、走行車線Ｌ１２を直進する進路候補が、第１影響進路候補に該当する。物体抽出部１４は、第２領域Ｒ２の中から、他車両Ｖｂ１の第１影響進路候補の進路に影響を与える可能性がある進路候補を備える他車両を第２物体として抽出する。図１３Ａに示す例では、他車両Ｖｂ２は、走行車線Ｌ１１から走行車線Ｌ１２へと車線変更する進路候補を備えている。他車両Ｖｂ２が走行車線Ｌ１２へと車線変更した影響により、他車両Ｖｂ１は、減速を迫られる可能性がある。したがって、物体抽出部１４は、他車両Ｖｂ２を第２物体として抽出する。

　また、図１３Ｂに示すように、物体抽出部１４は、他車両Ｖｂ１の挙動に影響する物体として抽出された第２物体である他車両Ｖｂ２を新たな第１物体として、その周囲に第２領域Ｒ２をさらに設定する。物体抽出部１４は、第２領域Ｒ２内の物体の中から、この新たな第１物体（他車両Ｖｂ２）の挙動に影響する物体である新たな第２物体を抽出する。物体抽出部１４は、新たな第１物体である他車両Ｖｂ２の進路候補に基づいて、他車両Ｖｂ２の挙動に影響する物体としての新たな第２物体として他車両Ｖｂ１及びＶｂ３を抽出する。図１３Ｂにおいて、新たな第１物体としての他車両Ｖｂ２の進路候補として走行車線Ｌ１１から走行車線Ｌ１２へと車線変更する進路候補（実線）が存在する。物体抽出部１４は、第２領域Ｒ２内の物体の中から、他車両Ｖｂ２の進路に影響を与える可能性がある進路候補を備える他車両を新たな第２物体として抽出する。図１３Ｂに示す例では、他車両Ｖｂ１、Ｖｂ３は、走行車線Ｌ１１を直進する進路候補をそれぞれ備えている。他車両Ｖｂ１、Ｖｂ４との間の車間距離の影響により、他車両Ｖｂ２は、走行車線Ｌ１２へと車線変更する可能性がある。したがって、物体抽出部１４は、他車両Ｖｂ１、Ｖｂ３も第２物体として抽出する（図１３Ｃ参照）。

　このように、第２物体の抽出は、第１物体（他車両Ｖｂ１）の挙動に直接的に影響する物体（他車両Ｖｂ２）についても行われる。なお、本ケースでは、他車両Ｖｂ２は、他車両Ｖｂ１、Ｖｂ３によって挙動に影響が与えられる第１物体にも、他車両Ｖｂ１の挙動に影響を与える第２物体にも該当する。

　ステップＳ２３において、予測部１５は、抽出回数に対応するｎ個分の第２物体の挙動に基づいて、最初に第１物体とした物体の挙動を予測する。すなわち、予測部１５は、ｎ回の挙動予測のそれぞれにおいて予測した第２物体の挙動に基づいて、最初に第１物体とした物体の挙動を予測する。

　図１４Ａには、図１２Ａ乃至１２Ｃの例で抽出された第１物体及び第２物体の抽出結果が示されている。すなわち、図１２Ａ乃至１２Ｃの例において自車両Ｖａの挙動に直接的に影響する第１物体は他車両Ｖｂ４であり、自車両Ｖａの挙動に間接的に影響する第２物体がＶｂ５、Ｖｂ６である。また、図１４Ｂには、図１３Ａ乃至１３Ｃの例で抽出された第１物体及び第２物体の抽出結果が示されている。すなわち、図１３Ａ乃至１３Ｃの例において自車両Ｖａの挙動に直接的あるいは間接的に影響する第１物体は他車両Ｖｂ１であり、自車両Ｖａの挙動に間接的に影響する第２物体がＶｂ２、Ｖｂ３である。

　ステップＳ２４において、車両制御部２０は、予測された第１物体の挙動に基づいて、自車両の制御を行う。

　ステップＳ２５において、予測部１５は、イグニッションスイッチがオフされたか否かを判断する。イグニッションスイッチがオフされた場合には、ステップＳ２５において肯定判定され、一連の処理を終了する（ＥＮＤ）。一方、イグニッションスイッチ（ＩＧＮ）がオンの場合には、ステップＳ２５において否定判定され、ステップＳ１０に戻る。

　このように、本実施形態に係る挙動予測方法及び挙動予測装置は、自車両Ｖａ周囲の物体の中から、自車両Ｖａの挙動に影響を与える第１物体を特定する。また、本実施形態に係る挙動予測方法及び挙動予測装置は、第１物体周囲に存在する複数の物体の中で、第１物体の挙動に影響を与える第２物体を抽出して挙動を予測する予測処理（最初の予測処理）を行う。その後、第２物体として抽出された物体を新たな第１物体として、新たな第１物体周囲に存在する複数の物体の中で、新たな第１物体の挙動に影響を与える新たな第２物体を抽出して挙動を予測する予測処理（新たな予測処理）を行う。そして、この第２物体を抽出して挙動を予測する予測処理を所定の抽出回数繰り返す。これにより、本実施形態に係る挙動予測方法及び挙動予測装置は、予測処理が行われたｎ（ｎ：抽出回数に対応する自然数）個の第２物体の挙動に基づいて、最初に第１物体とした物体（最初の予測処理における第１物体）の挙動を予測している。

　この手法によれば、第１物体がその周囲の物体から受ける影響を加味して、第１物体の挙動を予測している。これにより、第１物体の挙動を精度よく予測することができ、ひいては自車両Ｖａ周囲の状況について長期の予測を行うことができる。

　また、自車両Ｖａ周囲の物体が多数存在する場合であっても、予測処理を行う回数が最大でも抽出回数に制限されることとなる。これにより、抽出回数を超えて予測処理を行う場合と比べて、演算負荷の低減、ひいては演算時間の短縮を図ることができる。これにより、高い予測精度を得ながらも、演算負荷の低減及び演算時間の短縮を図ることができる。

　また、本実施形態の手法は、予測された第１物体の挙動に基づいて、自車両Ｖａの制御を行ってもよい。

　この手法によれば、自車両Ｖａ周囲の長期的な状況を考慮して、自車両Ｖａの制御を行うことができる。これにより、自車両Ｖａの制御を適切に行うことができる。

　また、本実施形態の手法は、自車両Ｖａの走行状態又は道路環境に基づいて、自車両Ｖａ周囲に第１領域Ｒ１を設定し、この第１領域Ｒ１内の物体から、第１物体を特定してもよい。

　この手法によれば、第１領域Ｒ１内に限定して第１物体を特定することで、物体を選定した上で第１物体を特定することができる。これにより、高い予測精度を得ながらも、演算負荷の低減及び演算時間の短縮を図ることができる。また、第１領域Ｒ１の範囲が、自車両Ｖａの走行状態、道路環境に応じて設定されるので、自車両Ｖａの挙動に影響を与える物体が存在する範囲を適切にカバーすることができる。これにより、高い予測精度を得ることができる。

　また、本実施形態の手法は、第１領域Ｒ１に関する前後方向の範囲を、自車両Ｖａの速度に応じて設定してもよい。

　この手法によれば、自車両Ｖａの速度に応じて、第１領域Ｒ１に関する前後方向の範囲を最適化することができる。これにより、自車両Ｖａの挙動に影響を与える物体が存在する範囲を適切にカバーすることができるので、高い予測精度を得ることができる。

　また、本実施形態の手法において、自車両Ｖａの道路環境は、自車両Ｖａの前方に交差点が存在する環境である。この場合、本実施形態の手法は、第１領域Ｒ１に関する左右方向の範囲を、交差点における交通規則上の優先度に基づいて設定してもよい。

　この手法によれば、交差点での優先度に応じて、第１領域Ｒ１に関する横方向の範囲を最適化することができる。これにより、自車両Ｖａの挙動に影響を与える物体が存在する範囲を適切にカバーすることができるので、高い予測精度を得ることができる。

　また、本実施形態の手法において、第１領域Ｒ１に関する左右方向の範囲は、自車両Ｖａの道路Ｓａの方が交差道路Ｓｂよりも優先度が高い場合と比べ、自車両Ｖａの道路Ｓａの方が交差道路Ｓｂよりも優先度が低い場合の方が広くてもよい。

　非優先道路から優先道路に進入する場合、優先道路の交通を優先する必要がある。そのため、自車両Ｖａの優先度が低い場合には左右方向の範囲を大きくすることで、自車両Ｖａの挙動に影響を与える物体が存在する範囲を適切にカバーすることができる。これにより、高い予測精度を得ることができる。

　なお、自車両Ｖａの道路の優先度が不明の場合、第１領域Ｒ１に関する左右方向の範囲は、自車両Ｖａの道路Ｓａの方が交差道路Ｓｂよりも優先度が高い場合と比べ、自車両Ｖａの道路の優先度が不明の場合の方が広くてもよい。

　自車両Ｖａの道路の優先度が不明の場合には、交差する道路の優先度が高いと仮定した方が安全に寄与する。そのため、優先度が不明である場合には左右方向の範囲を相対的に大きくすることで、自車両Ｖａの挙動に影響を与える物体が存在する範囲を適切にカバーすることができる。これにより、高い予測精度を得ることができる。

　また、本実施形態の手法において、自車両Ｖａの道路環境は、直進道路である。この場合、本実施形態の手法は、第１領域Ｒ１に関する左右方向の範囲を、直進道路の路肩の構造、又は前記直進道路を横断するための横断歩道の有無に基づいて設定してもよい。

　この手法によれば、直進道路の構造に応じて、第１領域Ｒ１に関する横方向の範囲を最適化することができる。これにより、自車両Ｖａの挙動に影響を与える物体が存在する範囲を適切にカバーすることができるので、高い予測精度を得ることができる。

　また、本実施形態の手法は、第１領域Ｒ１に関する左右方向の範囲を、自車両Ｖａが走行する道路の車線数に基づいて設定してもよい。

　この手法によれば、道路の車線数に応じて、第１領域Ｒ１に関する横方向の範囲を最適化することができる。これにより、自車両Ｖａの挙動に影響を与える物体が存在する範囲を適切にカバーすることができるので、高い予測精度を得ることができる。

　また、本実施形態の手法は、抽出回数を、自車両Ｖａが走行する道路環境において物体が交錯する複雑度合いに基づいて設定してもよい。

　それぞれの物体が交錯する複雑度合いによって、物体間の相互影響が変化する。したがって、この複雑度合いを考慮することで、道路環境に適した回数で予測処理を行うことができる。これにより、第１物体の挙動を予測するにあたり、第２物体の影響を適切に反映することができる。その結果、第１物体の挙動を精度よく予測することができ、ひいては自車両Ｖａ周囲の状況について長期の予測を行うことができる。

　また、本実施形態の手法において、抽出回数は、自車両Ｖａが一般道路を走行する場合よりも、自車両Ｖａが高速道路を走行する場合の方が少なくてもよい。

　一般道路と比べ、交差する道路が少ない高速道路の方が交通の複雑度合いが低い傾向にある。このため、高速道路に対する抽出回数を一般道路のそれよりも低くしても、第２物体の影響を適切に反映することができる。その結果、第１物体の挙動を精度よく予測することができ、ひいては自車両Ｖａ周囲の状況について長期の予測を行うことができる。

　また、本実施形態の手法において、抽出回数は、自車両Ｖａが直進道路を走行する場合よりも、自車両Ｖａが交差点を走行する場合の方が多い。

　交差点がある環境は、交差点がない環境と比べて交通の複雑度合いが高い傾向にある。このため、交差点がある環境の抽出回数を交差点がない環境のそれよりも多くすることで、第２物体の影響を適切に反映することができる。その結果、第１物体の挙動を精度よく予測することができ、ひいては自車両Ｖａ周囲の状況について長期の予測を行うことができる。

　また、本実施形態の手法において、指定回数は、自車両Ｖａが合流区間を走行する場合よりも、自車両Ｖａが非合流区間を走行する場合の方が少なくてもよい。

　合流区間がある環境は、合流区間がない環境と比べて交通の複雑度合いが高い傾向にある。このため、合流区間がある環境の抽出回数を合流車線がない環境のそれよりも多くすることで、第２物体の影響を適切に反映することができる。その結果、第１物体の挙動を精度よく予測することができ、ひいては自車両Ｖａ周囲の状況について長期の予測を行うことができる。

　また、本実施形態の手法において、指定回数は、渋滞が発生している場合よりも、渋滞が発生していない場合の方が少なくてもよい。

　渋滞が発生している環境は、渋滞が発生していない環境と比べて交通の複雑度合いが低い傾向にある。このため、渋滞が発生している場合の指定回数を渋滞が発生していない場合のそれよりも低くしても、第２物体の影響を適切に反映することができる。その結果、第１物体の挙動を精度よく予測することができ、ひいては自車両Ｖａ周囲の状況について長期の予測を行うことができる。

　なお、本実施形態において、物体抽出部１４は、第２領域Ｒ２内の物体のうち、第１物体の挙動に与える影響が相対的に低い物体を第２物体の抽出から除外してもよい。

　図１５Ａには、自車両Ｖａの交差点での走行シーンが示されている。交差点の周囲には、自車両Ｖａの隣接車線に他車両Ｖｂ１~Ｖｂ４、自車両Ｖａの後方に他車両Ｖｂ５、対向車線を走行する対向車両Ｖｃ１、歩行者Ｐｅ１が存在している。自車両のＶａの進路は交差点で右折である。

　対向車両Ｖｃ１が直進する場合、自車両Ｖａの進路と交わるので、物体抽出部１４は、対向車両Ｖｃ１を第１物体として抽出する。また、この対向車両Ｖｃ１が右折する進路候補に対して、歩行者Ｐｅ１、他車両Ｖｂ１~Ｖｂ５が交錯する。よって、通常であれば、物体抽出部１４は、歩行者Ｐｅ１、他車両Ｖｂ１~Ｖｂ５を第２物体として抽出する。

　しかしながら、他車両Ｖｂ１が存在しているため、これよりも後方の車両は、他車両Ｖｂ１よりも前方を走行することはない。また、他車両Ｖｂ２~Ｖｂ５のいずれかが車線変更しても、自車両Ｖａが存在しているため、自車両Ｖａよりも前方を走行することはない。したがって、他車両Ｖｂ２~Ｖｂ５は、対向車両Ｖｃ１と交錯する可能性は低い。すなわち、歩行者Ｐｅ１、他車両Ｖｂ１~Ｖｂ５のうち、他車両Ｖｂ２~Ｖｂ５は、第１物体（対向車両Ｖｃ１）の挙動に与える影響が相対的に低い。よって、図１５Ｂに示すように、物体抽出部１４は、第１物体の挙動に与える影響が相対的に低い他車両Ｖｂ２~Ｖｂ５を第２物体の抽出から除外してもよい。

　なお、図１５Ｃに示す走行シーンでは、他車両Ｖｂ１の後方の他車両Ｖｂ２~Ｖｂ４のうち、他車両Ｖｂ２、Ｖｂ３は、車間距離が短く、車線変更をすることができない。一方、最後尾の他車両Ｖｂ４は、他車両Ｖｂ３との間の車間距離が広く、車線変更が可能である。この場合、他車両Ｖｂ４が車線変更することで、対向車両Ｖｃ１の進路候補と交錯する可能性がある。この場合、他車両Ｖｂ４は、第１物体（対向車両Ｖｃ１）の挙動に与える影響が相対的に高いので、物体抽出部１４は、第２物体として抽出する。

　この手法によれば、第１物体の挙動に与える影響が高い第２物体が処理候補として抽出されるので、第２物体の影響を適切に反映することができる。その結果、第１物体の挙動を精度よく予測することができ、ひいては第１物体の挙動について長期の予測を行うことができる。

　なお、上述した実施形態の手法では、第２領域Ｒ２内の物体の中で、第２物体を抽出して挙動を予測する予測処理を抽出回数繰り返している。しかしながら、予測処理を抽出回数繰り返す方法には、第２物体の抽出とその挙動の予測とを一連の処理として繰り返す方法の他に、第２物体の抽出のみを抽出回数繰り返し、その後、抽出されたｎ個の第２物体についての挙動を予測する方法も含むものとする。

　また、上述した実施形態では、自車両Ｖａの周囲に存在する第１物体について挙動を予測する方法を示した。しかしながら、本実施形態に係る挙動予測方法及び挙動予測装置は、自車両以外の車両（他車両）を基準とし、その他車両の周囲に存在する第１物体について挙動を予測するものであっても適応可能である。

　上記のように、本発明の実施形態を記載したが、この開示の一部をなす論述及び図面はこの発明を限定するものであると理解すべきではない。この開示から当業者には様々な代替実施の形態、実施例及び運用技術が明らかとなろう。

１　物体検出装置
２　検出統合部
３　物体追跡部
４　自車位置推定装置
５　地図取得装置
６　交通規則取得装置
７　地図内位置推定部
１０　挙動予測部
１１　進路候補取得部
１２　進路取得部
１３　走行環境取得部
１４　物体抽出部
１５　予測部
２０　車両制御部
５０　マイクロコンピュータ

Claims (16)

1. 　車両周囲の物体の挙動を予測する挙動予測方法において、
   　前記車両周囲の物体を検出し、
   　前記検出した物体の中から、前記車両の挙動に影響を与える第１物体を特定し、
   　前記第１物体周囲に存在する複数の物体の中で、前記第１物体の挙動に影響を与える第２物体を抽出して挙動を予測する予測処理を行い、
   　前記抽出された第２物体を新たな第１物体として、当該新たな第１物体の挙動に影響を与える新たな第２物体を抽出して挙動を予測する予測処理を行い、
   　前記予測処理を所定回数繰り返し、
   　前記予測処理が行われたｎ（ｎ：前記所定回数に対応する自然数）個の前記第２物体の挙動に基づいて、最初の前記予測処理における前記第１物体の挙動を予測する
   　挙動予測方法。
2. 　前記車両の走行状態又は前記車両の道路環境に基づいて、前記車両周囲に第１領域を設定し、
   　前記第１領域内の物体から、前記第１物体を特定する
   　請求項１記載の挙動予測方法。
3. 　前記第１領域に関する前後方向の範囲を、前記車両の速度に応じて設定する
   　請求項２記載の挙動予測方法。
4. 　前記車両の道路環境は、前記車両の前方に交差点が存在する環境であり、
   　前記第１領域に関する左右方向の範囲を、前記交差点における交通規則上の優先度に基づいて設定する
   　請求項２又は３記載の挙動予測方法。
5. 　前記第１領域に関する左右方向の範囲は、前記車両の道路の方が交差道路よりも優先度が高い場合と比べ、前記車両の道路の方が前記交差道路よりも優先度が低い場合の方が広い
   　請求項４記載の挙動予測方法。
6. 　前記第１領域に関する左右方向の範囲は、前記車両の道路の方が交差道路よりも優先度が高い場合と比べ、前記車両の道路の優先度が不明の場合の方が広い
   　請求項４記載の挙動予測方法。
7. 　前記車両の道路環境は、直進道路であり、
   　前記第１領域に関する左右方向の範囲を、前記直進道路の路肩の構造、又は前記直進道路を横断するための横断歩道の有無に基づいて設定する
   　請求項２又は３記載の挙動予測方法。
8. 　前記第１領域に関する左右方向の範囲を、前記車両が走行する道路の車線数に基づいて設定する
   　請求項２又は３記載の挙動予測方法。
9. 　前記所定回数を、前記車両の道路環境において物体が交錯する複雑度合いに基づいて設定する
   　請求項１から８のいずれか一項記載の挙動予測方法。
10. 　前記所定回数は、前記車両が一般道路を走行する場合よりも、前記車両が高速道路を走行する場合の方が少ない
    　請求項９記載の挙動予測方法。
11. 　前記所定回数は、前記車両が直進道路を走行する場合よりも、前記車両が交差点を走行する場合の方が多い
    　請求項９記載の挙動予測方法。
12. 　前記所定回数は、前記車両が合流区間を走行する場合よりも、前記車両が非合流区間を走行する場合の方が少ない
    　請求項９記載の挙動予測方法。
13. 　前記所定回数は、渋滞が発生している場合よりも、渋滞が発生していない場合の方が少ない
    　請求項９から１２のいずれか一項記載の挙動予測方法。
14. 　前記第１物体の周囲に、前記第２物体を抽出するための第２領域を設定し、
    　前記第２領域内の物体のうち、前記第１物体の挙動に与える影響が相対的に低い物体を前記第２物体の抽出から除外する
    　請求項１から１３のいずれか一項記載の挙動予測方法。
15. 　車両周囲の物体の挙動を予測する挙動予測装置において、
    　車両周囲の物体を検出するセンサと、
    　前記車両周囲の物体の挙動を予測する制御部と、を有し、
    　前記制御部は、
    　前記検出した物体の中から、前記車両の挙動に影響を与える第１物体を特定し、
    　前記第１物体周囲に存在する複数の物体の中で、前記第１物体の挙動に影響を与える第２物体を抽出して挙動を予測する予測処理を行い、
    　前記抽出された第２物体を新たな第１物体として、当該新たな第１物体の挙動に影響を与える新たな第２物体を抽出して挙動を予測する予測処理を行い、
    　上記予測処理所定回数繰り返し、
    　前記予測処理が行われたｎ（ｎ：前記所定回数に対応する自然数）個の前記第２物体の挙動に基づいて、最初の前記予測処理における前記第１物体の挙動を予測する
    　挙動予測装置。
16. 　自車両周囲の物体を検出するセンサと、
    　前記検出した物体の挙動を予測し、前記物体の挙動に基づいて車両を制御する制御部と、を有し、
    　前記制御部は、
    　前記検出した物体の中から、前記車両の挙動に影響を与える第１物体を特定し、
    　前記第１物体周囲に存在する複数の物体の中で、前記第１物体の挙動に影響を与える第２物体を抽出して挙動を予測する予測処理を行い、
    　前記抽出された第２物体を新たな第１物体として、当該新たな第１物体の挙動に影響を与える新たな第２物体を抽出して挙動を予測する予測処理を行い、
    　上記予測処理を所定回数繰り返し、
    　前記予測処理が行われたｎ（ｎ：前記所定回数に対応する自然数）個の前記第２物体の挙動に基づいて、最初の前記予測処理における前記第１物体の挙動を予測し、
    　前記予測された第１物体の挙動に基づいて前記自車両の制御を行う
    　車両制御装置。

Images