WO2022065078A1 - 自動運転装置 - Google Patents

自動運転装置 Download PDF

Info

Publication number
WO2022065078A1
WO2022065078A1 PCT/JP2021/033325 JP2021033325W WO2022065078A1 WO 2022065078 A1 WO2022065078 A1 WO 2022065078A1 JP 2021033325 W JP2021033325 W JP 2021033325W WO 2022065078 A1 WO2022065078 A1 WO 2022065078A1
Authority
WO
WIPO (PCT)
Prior art keywords
vehicle
collision risk
driving behavior
calculation unit
potential
Prior art date
Application number
PCT/JP2021/033325
Other languages
English (en)
French (fr)
Inventor
英之 原
Original Assignee
いすゞ自動車株式会社
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by いすゞ自動車株式会社 filed Critical いすゞ自動車株式会社
Publication of WO2022065078A1 publication Critical patent/WO2022065078A1/ja

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
    • B60W40/04—Traffic conditions
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
    • B60W40/06—Road conditions
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems

Definitions

  • the present invention relates to an automatic driving device.
  • the cost function is evaluated by the cumulative value of the potential at each time within the predicted future predetermined time.
  • the risk of collision with surrounding objects of the own vehicle is also evaluated by the cumulative value. Therefore, when there are a plurality of surrounding objects at risk of collision, there is a possibility that the large object is preferentially avoided and the driving action is taken toward the small object that should normally avoid the collision.
  • the present invention has been made in view of these points, and an object thereof is to determine safer driving behavior during automatic driving.
  • an automatic driving device that determines the driving behavior of the own vehicle based on the potential field, and the basic driving potential indicating the recommended degree of the traveling position in which the own vehicle will travel in the future is set at predetermined intervals.
  • the first calculation unit for sequentially obtaining the maximum collision risk of the own vehicle with respect to the object as the actual risk indicated by the objects around the own vehicle, and the first calculation unit sequentially obtained the first calculation unit.
  • the driving behavior is determined by obtaining a value that minimizes the cost function with the driving behavior of the own vehicle as a parameter, including the cumulative value of the basic driving potential and the maximum collision risk obtained by the second calculation unit.
  • an automatic driving device including a driving action determination unit.
  • the second calculation unit may obtain the maximum collision risk by applying a discount rate for discounting the future collision risk to the current collision risk.
  • the cost function includes a regularization term of the parameter of the driving behavior
  • the driving behavior determining unit obtains a value that minimizes the cost function in which the influence of the regularization term becomes smaller as the collision risk increases.
  • the driving behavior may be determined.
  • the driving behavior determination unit may determine the acceleration / deceleration speed and the yaw rate of the own vehicle as the driving behavior.
  • a function processing unit that non-linearly changes the influence of the maximum collision risk on the cost function may be further provided.
  • the second calculation unit may obtain the collision risk for each of the plurality of objects around the own vehicle, and may obtain the maximum collision risk from the obtained plurality of collision risks.
  • the driving behavior determining unit determines the driving behavior to drive according to the basic driving potential when the maximum collision risk is smaller than the predetermined value, and the collision when the maximum collision risk is larger than the predetermined value. It may be decided to determine the driving behavior to avoid the above.
  • FIG. 1 is a schematic diagram for explaining an example of the configuration of the automatic driving device 1 according to the embodiment.
  • the automatic driving device 1 is mounted on a vehicle such as a truck and supports the driving of the own vehicle. For example, during automatic driving, the automatic driving device 1 sets a driving behavior of its own vehicle and determines a driving route based on the set driving behavior. The automatic driving device 1 sets the driving behavior of the own vehicle based on the potential field. The own vehicle travels according to the driving behavior set by the automatic driving device 1. Further, the own vehicle can travel along the driving route determined by the automatic driving device 1.
  • the automatic driving device 1 has a vehicle detection unit 2, an environment recognition unit 4, a map database 6, and a control device 10.
  • the vehicle detection unit 2 detects the state of the own vehicle.
  • the vehicle detection unit 2 detects the position and speed of the own vehicle.
  • the vehicle detection unit 2 has a GPS (Global Positioning System) receiver, and detects the position of the own vehicle by the radio wave received by the GPS receiver.
  • the vehicle detection unit 2 outputs the detection result to the control device 10.
  • GPS Global Positioning System
  • the environmental recognition unit 4 recognizes the environmental conditions around the own vehicle.
  • the environment recognition unit 4 has an external sensor such as a camera or a radar.
  • the environment recognition unit 4 recognizes an object (for example, another vehicle, a bicycle, a pedestrian, etc.) around the own vehicle based on the output of the external sensor. Further, the environment recognition unit 4 can recognize, for example, the position and width of the lane in which the own vehicle travels.
  • the environment recognition unit 4 outputs the recognition result to the control device 10.
  • Map database 6 stores road map information.
  • the road map information includes, for example, data showing three-dimensional coordinates of the latitude, longitude and altitude of the road.
  • the road map information includes information on the number of lanes and the lane structure of the road on which the own vehicle travels.
  • the map database 6 can instead acquire information on the lane recognized by the environment recognition unit 4 based on the position of the own vehicle detected by the vehicle detection unit 2.
  • the control device 10 controls the operation of the automatic driving device 1.
  • the control device 10 uses the potential field to determine the driving behavior of the own vehicle.
  • the potential field is usually obtained by adding the basic running potential and the actual risk potential.
  • the basic running potential is a potential that indicates the recommended degree of running position in which the own vehicle will run in the future.
  • the actual risk potential is the potential according to the actual risk indicated by the obstacles around the own vehicle.
  • the driving behavior of the own vehicle is determined by obtaining a value that minimizes the cost function including the cumulative value of the basic running potential and the maximum collision risk as the actual risk. decide. As a result, it is possible to prevent the determination of driving behavior depending on the size of the obstacle, and it is possible to realize safer automatic driving.
  • FIG. 2 is a block diagram for explaining an example of the detailed configuration of the control device 10. As shown in FIG. 2, the control device 10 has a storage unit 12 and a control unit 14.
  • the storage unit 12 includes, for example, a ROM (Read Only Memory) and a RAM (Random Access Memory).
  • the storage unit 12 stores programs and various data for execution by the control unit 14.
  • the control unit 14 is, for example, a CPU (Central Processing Unit). By executing the program stored in the storage unit 12, the control unit 14 includes the vehicle information acquisition unit 142, the target information acquisition unit 143, the first calculation unit 144, the second calculation unit 145, and the function processing unit 146. , It functions as a driving action determination unit 148 and a driving route determination unit 149.
  • a CPU Central Processing Unit
  • the vehicle information acquisition unit 142 acquires the driving information of the own vehicle. For example, the vehicle information acquisition unit 142 acquires the position and speed of the own vehicle while the vehicle is running. The vehicle information acquisition unit 142 acquires the position and speed of the own vehicle from the detection result of the vehicle detection unit 2 (FIG. 1). Further, the vehicle information acquisition unit 142 acquires information about an object around the own vehicle. For example, the vehicle information acquisition unit 142 acquires information about an object (another vehicle, a pedestrian, etc.) existing in the traveling direction of the own vehicle from the detection result of the environment recognition unit 4 (FIG. 1).
  • FIG. 3 is a schematic diagram for explaining the position of the own vehicle and the target position.
  • the position of the vehicle 100 which is the own vehicle, is the center of gravity of the vehicle, and here, as shown in FIG. 3, the center of the rear wheel axle of the vehicle 100.
  • the front from the center of gravity of the vehicle is defined as the X-axis direction
  • the left and right from the center of gravity of the vehicle are defined as the Y-axis direction.
  • the target position on which the vehicle 100 should travel is the position T in front of the vehicle 100.
  • the target information acquisition unit 143 acquires target information regarding the target position and target speed to be traveled.
  • the target position is, for example, a position ahead of the own vehicle by a predetermined distance (100 m as an example).
  • the target position may be an arbitrary point set in the road map information stored in the map database 6.
  • the target speed is, for example, the legal speed of the lane.
  • the target information acquisition unit 143 can acquire the target information by referring to the road map information stored in the map database 6, for example.
  • the first calculation unit 144 sequentially obtains the basic traveling potential indicating the recommended degree of the traveling position in which the own vehicle will travel in the future at predetermined intervals. That is, the first calculation unit 144 obtains the basic running potential at predetermined time intervals.
  • the basic traveling potential includes, for example, a target potential for directing the own vehicle in a target direction at a target speed and a lane potential for the own vehicle to position a predetermined position in the lane. Therefore, the first calculation unit 144 obtains the basic traveling potential by using the information acquired by the vehicle information acquisition unit 142 and the target information acquisition unit 143. The first calculation unit 144 adds the target potential and the lane potential to obtain the basic driving potential.
  • the basic driving potential U base is expressed by the following equation (1) using the target potential U dst (X, Y) and the lane potential U lane .
  • the target potential is, for example, the potential obtained by adding the speed difference potential proportional to the speed difference between the target speed and the speed of the own vehicle and the directional difference potential proportional to the directional difference between the target position and the position of the own vehicle.
  • the lane potential includes, for example, an attractive force potential that generates the own vehicle in the center of a predetermined lane and a repulsive force potential that is generated at both ends of the lane.
  • the second calculation unit 145 obtains the collision risk with an object around the own vehicle within a predetermined predicted time as the actual risk. For example, the second calculation unit 145 obtains the maximum collision risk within the predicted time for the object detected by the environment recognition unit 4. When there are a plurality of objects in the surroundings, the second calculation unit 145 obtains the collision risk for each object. Find the maximum collision risk from the multiple collision risks found. Using the maximum collision risk has the following advantages.
  • FIG. 4 is a schematic diagram for explaining the advantage of using the maximum collision risk.
  • there is a large object 200 for example, another vehicle
  • a small object 210 for example, a pedestrian
  • the cumulative value for the collision risk time it is easy to take a driving action depending on the size of the object, so that there is a possibility that the large object 200 is avoided and the small object 210 is headed.
  • the maximum collision risk the small object 210 can be reliably avoided by setting a higher risk for pedestrians who are small objects but should avoid the collision than the vehicle, and safe driving. You can act.
  • the cumulative risk is not minimized by overcoming obstacles, it becomes difficult to select a driving behavior overcoming obstacles.
  • the second calculation unit 145 may obtain the maximum collision risk by applying a discount rate that discounts the future collision risk to the current collision risk. As a result, when the collision risk in the near future and the collision risk in the distant future are the same, the discount rate is applied, so that the collision risk in the distant future is reduced and it becomes easier to avoid the collision in the near future.
  • the maximum collision risk considering the future discount rate is expressed by the following equation (2).
  • the function processing unit 146 sets a cost function for determining the driving behavior of the own vehicle.
  • the function processing unit 146 sets a cost function to which the basic running potential and the maximum collision risk are applied.
  • the cost function is a function whose parameters are the driving behavior of the own vehicle.
  • the driving behavior is, for example, the acceleration / deceleration of the own vehicle and the yaw rate.
  • the function processing unit 146 applies the cumulative value within a predetermined predicted time to the cost function for the basic running potential.
  • the function processing unit 146 does not apply the cumulative value to the cost function for the collision risk, but applies the maximum collision risk to the cost function.
  • the cost function includes the cumulative value of the basic running potential sequentially obtained by the first calculation unit 144 and the maximum collision risk obtained by the second calculation unit 145.
  • the function processing unit 146 further sets the cost function to include the regularization term of the parameter of the driving behavior.
  • the cost function set in this way is shown by the following equation (3) using the equations (1) and (2).
  • equation (3) w ⁇ ⁇ 2 + w ⁇ ⁇ 2 is a regularization term.
  • ⁇ means the acceleration / deceleration
  • ⁇ means the yaw rate
  • w ⁇ means the weight of the regularization of the acceleration / deceleration
  • w ⁇ means the weight of the regularization term of the yaw rate.
  • the function processing unit 146 may set the cost function so that the influence of the regularization term becomes smaller when the collision risk becomes large. That is, when the risk is high, it may be easy to execute a sudden change in driving behavior such as sudden braking or sudden steering.
  • a cost function is expressed by the following equation (4).
  • Equations (5) to (6) are equations for showing the influence of the maximum collision risk represented by the sigmoid function on the regularization term. Note that ⁇ 1 and ⁇ 2 mean the slope parameter of the sigmoid function, and d 1 and d 2 mean the offset parameter of the sigmoid function.
  • the function processing unit 146 may change the influence of the maximum collision risk on the cost function non-linearly.
  • a cost function is expressed by the following equation (7).
  • equation (8) represents a non-linear transformation of the effect of maximum collision risk on the cost function.
  • FIG. 5 is a schematic diagram for explaining the non-linear transformation of the maximum collision risk.
  • the driving behavior determination unit 148 determines the driving behavior of the own vehicle using the cost function set by the function processing unit 146.
  • the driving behavior determination unit 148 determines the driving behavior by obtaining a value that minimizes the cost function.
  • the driving behavior determination unit 148 determines the driving behavior based on the cost function represented by the equation (4). That is, the driving behavior determination unit 148 determines the driving behavior by seeking a value that minimizes the cost function in which the influence of the regularization term becomes smaller as the collision risk increases. Specifically, the driving behavior determination unit 148 obtains the optimum value of the acceleration / deceleration as the driving behavior and the optimum value of the yaw rate.
  • the own vehicle can be decelerated or steered sharply in order to avoid contact with another vehicle.
  • the present invention is not limited to the above, and the driving behavior determination unit 148 may determine the driving behavior based on the cost function represented by the equation (3).
  • the driving route determination unit 149 determines the driving route of the own vehicle based on the set driving behavior. For example, the driving route determination unit 149 repeatedly sets the short-term driving behavior by the driving behavior determination unit 148 to determine the long-term driving route of the own vehicle. This makes it possible to determine the optimum driving route.
  • FIG. 6 is a flowchart for explaining an operation example of the automatic driving device 1. The processing shown in this flowchart is performed when the vehicle is traveling. Here, it is assumed that the vehicle is automatically driving at high speed.
  • the first calculation unit 144 of the control device 10 calculates the basic running potential of the own vehicle (step S102). Specifically, the first calculation unit 144 obtains the basic running potential at predetermined intervals during the predetermined predicted time.
  • the second calculation unit 145 obtains the maximum collision risk as an actual risk (S104). For example, the second calculation unit 145 obtains the maximum collision risk among the collision risks with a plurality of objects around the own vehicle.
  • the function processing unit 146 applies the cumulative value of the basic running potential obtained in step S102 and the maximum collision risk obtained in step S104 to the cost function (step S106).
  • the function processing unit 146 applies the cumulative value of the basic running potential and the maximum collision risk to the cost functions represented by the equations (4) and (7).
  • the driving behavior determination unit 148 determines the driving behavior of the own vehicle by obtaining a value that minimizes the cost function (step S108). For example, the driving behavior determination unit 148 obtains the optimum value of the acceleration / deceleration of the own vehicle and the optimum value of the yaw rate.
  • the driving route determination unit 149 determines the driving route of the own vehicle using the determined driving behavior (step S110). For example, the driving route determination unit 149 repeatedly sets the driving behavior, which is a short-term prediction, to determine the driving route.
  • the automatic driving device 1 of the above-described embodiment determines the driving behavior of the own vehicle by obtaining a value that minimizes the cost function including the cumulative value of the basic traveling potential and the maximum collision risk as the actual risk.
  • the maximum collision risk to the cost function, it is possible to determine driving behavior that does not turn to a small object even if there is another large object, for example, when it is necessary to reliably avoid even a small object. Will be. That is, it is possible to determine safer driving behavior during automatic driving.

Abstract

ポテンシャル場に基づいて自車両の運転行動を決定する自動運転装置１は、自車両が将来走行する走行位置の推奨度合いを示す基本走行ポテンシャルを、所定間隔で順次求める第１算出部１４４と、自車両の周囲の物体により示される顕在リスクとして、自車両の物体に対する最大衝突リスクを求める第２算出部１４５と、第１算出部１４４が順次求めた基本走行ポテンシャルの累積値と、第２算出部１４５が求めた最大衝突リスクとを含み、自車両の運転行動をパラメータとするコスト関数を最小化する値を求めて、運転行動を決定する運転行動決定部１４８を備える。

Description

自動運転装置
　本発明は、自動運転装置に関する。
　従来、自動運転の分野において、リスクポテンシャル法により自車両の運転行動を決定する試みが行われている。リスクポテンシャル法では、予測する将来の所定時間内における各時刻のポテンシャルの累積値によって、コスト関数を評価する。
特開２０１０－１８０６２号公報
　しかし、上記のコスト関数の評価方法では、自車両の周囲物体との衝突リスクについても累積値で評価してしまう。このため、衝突リスクがある複数の周囲物体が存在する場合に、大きい物体を優先的に回避して、本来なら衝突を避けるべき小さい物体の方へ向かう運転行動をとるおそれがある。
　そこで、本発明はこれらの点に鑑みてなされたものであり、自動運転中により安全な運転行動を決定することを目的とする。
　本発明の一の態様においては、ポテンシャル場に基づいて自車両の運転行動を決定する自動運転装置であって、前記自車両が将来走行する走行位置の推奨度合いを示す基本走行ポテンシャルを、所定間隔で順次求める第１算出部と、前記自車両の周囲の物体により示される顕在リスクとして、前記自車両の前記物体に対する最大衝突リスクを求める第２算出部と、前記第１算出部が順次求めた基本走行ポテンシャルの累積値と、前記第２算出部が求めた前記最大衝突リスクとを含み、前記自車両の運転行動をパラメータとするコスト関数を最小化する値を求めて、前記運転行動を決定する運転行動決定部と、を備える、自動運転装置を提供する。
　また、前記第２算出部は、将来の衝突リスクを現在の衝突リスクに割り引く割引率を適用した前記最大衝突リスクを求めることとしてもよい。
　また、前記コスト関数は、前記運転行動のパラメータの正則化項を含み、前記運転行動決定部は、衝突リスクが大きくなると前記正則化項の影響が小さくなる前記コスト関数を最小化する値を求めて、前記運転行動を決定することとしてもよい。
　また、前記運転行動決定部は、前記運転行動として、前記自車両の加減速度とヨーレートを決定することとしてもよい。
　また、前記最大衝突リスクの前記コスト関数への影響を非線形に変化させる関数処理部を更に備えることとしてもよい。
　また、前記第２算出部は、前記自車両の周囲の複数の物体の各々に対する衝突リスクを求め、求めた複数の衝突リスクの中から最大衝突リスクを求めることとしてもよい。
　また、前記運転行動決定部は、前記最大衝突リスクが所定値よりも小さい場合には前記基本走行ポテンシャルに従って走行する運転行動に決定し、前記最大衝突リスクが前記所定値よりも大きい場合には衝突を回避する運転行動を決定することとしてもよい。
　本発明によれば、自動運転中により安全な運転行動を決定できるという効果を奏する。
一の実施形態に係る自動運転装置１の構成の一例を説明するための模式図である。 制御装置１０の詳細構成の一例を説明するためのブロック図である。 自車両の位置を説明するための模式図である。 最大衝突リスクを用いる利点を説明するための模式図である。 最大衝突リスクの非線形な変換を説明するための模式図である。 自動運転装置１の動作例を説明するためのフローチャートである。
　＜自動運転装置の構成＞
　本発明の一の実施形態に係る自動運転装置の構成について、図１を参照しながら説明する。
　図１は、一の実施形態に係る自動運転装置１の構成の一例を説明するための模式図である。自動運転装置１は、例えばトラック等の車両に搭載されており、自車両の運転を支援する。自動運転装置１は、例えば自動運転時に、自車両の運転行動を設定し、設定した運転行動に基づいて運転経路を決定する。自動運転装置１は、ポテンシャル場に基づいて、自車両の運転行動を設定する。自車両は、自動運転装置１が設定した運転行動に沿って走行する。また、自車両は、自動運転装置１が決定した運転経路に沿って走行可能となっている。
　自動運転装置１は、図１に示すように、車両検出部２と、環境認識部４と、地図データベース６と、制御装置１０とを有する。
　車両検出部２は、自車両の状態を検出する。車両検出部２は、自車両の位置や速度を検出する。例えば、車両検出部２は、ＧＰＳ（Global Positioning System）受信機を有しており、ＧＰＳ受信機が受信した電波により自車両の位置を検出する。車両検出部２は、検出結果を制御装置１０に出力する。
　環境認識部４は、自車両の周囲の環境状況を認識する。例えば、環境認識部４は、カメラ、レーダ等の外部センサを有する。環境認識部４は、外部センサの出力に基づいて、自車両の周囲の物体（例えば、他車両、自転車、歩行者等）を認識する。また、環境認識部４は、例えば自車両が走行する車線の位置や幅等を認識しうる。環境認識部４は、認識結果を制御装置１０に出力する。
　地図データベース６は、道路地図情報を記憶している。道路地図情報には、例えば、道路の緯度、経度及び標高の３次元座標を示すデータが含まれている。また、道路地図情報には、自車両が走行する道路の車線数や車線構造の情報が含まれている。さらに、地図データベース６は、車両検出部２が検出した自車両の位置に基づいて、環境認識部４で認識する車線の情報を代わりに取得することができる。
　制御装置１０は、自動運転装置１の動作を制御する。制御装置１０は、ポテンシャル場を用いて、自車両の運転行動を決定する。ポテンシャル場は、通常、基本走行ポテンシャルや顕在リスクポテンシャルを加算することで求められる。基本走行ポテンシャルは、自車両が将来走行する走行位置の推奨度合いを示すポテンシャルである。顕在リスクポテンシャルは、自車両の周囲の障害物により示される顕在リスクに応じたポテンシャルである。
　本実施形態の制御装置１０は、詳細は後述するが、基本走行ポテンシャルの累積値と、顕在リスクとしての最大衝突リスクとを含むコスト関数を最小化する値を求めて、自車両の運転行動を決定する。これにより、障害物の大きさに依存した運転行動の決定を防止でき、より安全な自動運転を実現できる。
　＜制御装置１０の詳細構成＞
　制御装置１０の詳細構成について、図２を参照しながら説明する。
　図２は、制御装置１０の詳細構成の一例を説明するためのブロック図である。制御装置１０は、図２に示すように、記憶部１２と、制御部１４とを有する。
　記憶部１２は、例えばＲＯＭ（Read Only Memory）及びＲＡＭ（Random Access Memory）を含む。記憶部１２は、制御部１４が実行するためのプログラムや各種データを記憶する。
　制御部１４は、例えばＣＰＵ（Central Processing Unit）である。制御部１４は、記憶部１２に記憶されたプログラムを実行することにより、車両情報取得部１４２、目標情報取得部１４３、第１算出部１４４と、第２算出部１４５と、関数処理部１４６と、運転行動決定部１４８及び運転経路決定部１４９として機能する。
　車両情報取得部１４２は、自車両の走行情報を取得する。例えば、車両情報取得部１４２は、走行中の自車両の位置や速度を取得する。車両情報取得部１４２は、車両検出部２（図１）の検出結果から、自車両の位置や速度を取得する。また、車両情報取得部１４２は、自車両の周囲の物体に関する情報を取得する。例えば、車両情報取得部１４２は、環境認識部４（図１）の検出結果から、自車両の進行方向に存在する物体（他車両や歩行者等）に関する情報を取得する。
　図３は、自車両の位置と目標位置とを説明するための模式図である。自車両である車両１００の位置は、車両重心であり、ここでは図３に示すように車両１００の後輪軸中心である。以下では、車両重心から前方をＸ軸方向とし、車両重心から左右をＹ軸方向とする。車両１００が走行すべき目標位置は、車両１００の前方の位置Ｔであるものとする。
　目標情報取得部１４３は、走行すべき目標位置や目標速度に関する目標情報を取得する。目標位置は、例えば自車両から所定距離（一例として１００ｍ）だけ前方の位置である。目標位置は、地図データベース６に記憶された道路地図情報に設定された任意地点であってもよい。目標速度は、例えば車線の法定速度である。目標情報取得部１４３は、例えば、地図データベース６に記憶された道路地図情報を参照して、目標情報を取得しうる。
　第１算出部１４４は、自車両が将来走行する走行位置の推奨度合いを示す基本走行ポテンシャルを、所定間隔で順次求める。すなわち、第１算出部１４４は、所定時刻毎に、基本走行ポテンシャルを求める。
　基本走行ポテンシャルは、例えば、自車両を目的の方向へ目標速度で向かわせるための目標ポテンシャルと、自車両が車線内の所定位置を位置するための車線ポテンシャルとを含む。このため、第１算出部１４４は、車両情報取得部１４２及び目標情報取得部１４３が取得した情報を用いて、基本走行ポテンシャルを求める。第１算出部１４４は、目標ポテンシャルと車線ポテンシャルとを加算して、基本走行ポテンシャルを求める。基本走行ポテンシャルUbaseは、目標ポテンシャルUdst(X,Y)及び車線ポテンシャルUlaneを用いて、下記の式（１）のように示される。
Figure JPOXMLDOC01-appb-I000001
　なお、目標ポテンシャルは、例えば、目標速度と自車両の速度との速度差に比例した速度差ポテンシャルと、目標位置と自車両の位置の間の方位差に比例した方位差ポテンシャルとを加算したポテンシャルである。また、車線ポテンシャルは、例えば、自車両を所定の車線の中央に発生させる引力ポテンシャルと、車線の両端に発生させる斥力ポテンシャルとを含む。
　第２算出部１４５は、顕在リスクとして、所定の予測時間内の自車両の周囲の物体に対する衝突リスクを求める。例えば、第２算出部１４５は、環境認識部４が検出した物体に対する予測時間内での最大衝突リスクを求める。周囲に物体が複数ある場合には、第２算出部１４５は、各物体に対する衝突リスクを求め。求めた複数の衝突リスクの中から最大衝突リスクを求める。
　最大衝突リスクを用いると、以下のような利点がある。
　図４は、最大衝突リスクを用いる利点を説明するための模式図である。ここでは、自車両１００の進行方向の前方に、大きい物体２００（例えば、他車両）と小さい物体２１０（例えば、歩行者）とがあり、安全のために小さい物体２１０を確実に回避する必要があるものとする。衝突リスクの時間についての累積値を用いた場合には、物体の大きさに依存した運転行動をとりやすいため、大きい物体２００を回避して小さい物体２１０へ向かう恐れがある。これに対して、最大衝突リスクを用いると、小さい物体であるが車両より衝突を回避すべき歩行者などに高いリスクを設定することで小さい物体２１０を確実に回避するようになり、安全な運転行動が可能となる。また、障害物を乗り越えることにより累積リスクを最小化することがなくなるため、障害物を乗り越える運転行動を選択しにくくなる。
　第２算出部１４５は、将来の衝突リスクを現在の衝突リスクに割り引く割引率を適用した最大衝突リスクを求めてもよい。これにより、近い将来の衝突リスクと遠い将来の衝突リスクが同じ場合には、割引率が適用されることで、遠い将来の衝突リスクが小さくなり、近い将来の衝突をより回避しやすくなる。
　例えば、将来の割引率を考慮した最大衝突リスクは、下記の式（２）のように示される。
Figure JPOXMLDOC01-appb-I000002
Figure JPOXMLDOC01-appb-I000003
　関数処理部１４６は、自車両の運転行動を決定するためのコスト関数を設定する。関数処理部１４６は、基本走行ポテンシャルと最大衝突リスクとを適用したコスト関数を設定する。コスト関数は、自車両の運転行動をパラメータとする関数である。ここで、運転行動は、例えば、自車両の加減速度とヨーレートである。
　本実施形態では、関数処理部１４６は、基本走行ポテンシャルについては所定の予測時間内の累積値をコスト関数に適用する。一方で、関数処理部１４６は、衝突リスクについては累積値をコスト関数に適用せず、最大衝突リスクをコスト関数に適用する。具体的には、コスト関数は、第１算出部１４４が順次求めた基本走行ポテンシャルの累積値と、第２算出部１４５が求めた最大衝突リスクとを含む。
　関数処理部１４６は、更に、コスト関数に運転行動のパラメータの正則化項を含めるように設定する。このように設定したコスト関数は、式（１）及び式（２）を用いて下記の式（３）のように示される。
Figure JPOXMLDOC01-appb-I000004
　なお、式（３）において、ｗαα２＋ｗγγ２が正則化項である。
　αは加減速度を意味し、γはヨーレートを意味し、ｗαは加減速度の正則項化の重みを意味し、ｗγはヨーレートの正則化項の重みを意味する。
　ところで、関数処理部１４６は、衝突リスクが大きくなると正則化項の影響が小さくなるようにコスト関数を設定してもよい。すなわち、リスクが大きいときには急ブレーキや急操舵などの急激な運転行動の変化を実行しやすくしてもよい。このようなコスト関数は、下記の式（４）のように示される。
Figure JPOXMLDOC01-appb-I000005
　ここで、
Figure JPOXMLDOC01-appb-I000006
　式（５）～（６）は、シグモイド関数で示される最大衝突リスクによる正則化項への影響を示すための式である。なお、α１及びα２はシグモイド関数の傾きのパラメータを意味し、ｄ１及びｄ２はシグモイド関数のオフセットパラメータを意味する。
　さらに、関数処理部１４６は、最大衝突リスクのコスト関数への影響を非線形に変化させてもよい。このようなコスト関数は、下記の式（７）のように示される。
Figure JPOXMLDOC01-appb-I000007
　ここで、
Figure JPOXMLDOC01-appb-I000008
　であり、式（８）は最大衝突リスクによるコスト関数への影響の非線形な変換を表す。
　図５は、最大衝突リスクの非線形な変換を説明するための模式図である。
Figure JPOXMLDOC01-appb-I000009
　上述した式（７）のコスト関数を用いることで、最大衝突リスクが所定値よりも小さい場合には基本走行ポテンシャルに従って走行する運転行動を決定でき、最大衝突リスクが所定値よりも大きい場合には衝突を回避する運転行動（例えば、急ブレーキや急操舵）を決定できる。
　運転行動決定部１４８は、関数処理部１４６が設定したコスト関数を用いて、自車両の運転行動を決定する。運転行動決定部１４８は、コスト関数を最小化する値を求めることで、運転行動を決定する。例えば、運転行動決定部１４８は、式（４）で示されるコスト関数に基づいて、運転行動を決定する。すなわち、運転行動決定部１４８は、衝突リスクが大きくなると正則化項の影響が小さくなるコスト関数を最小化する値を求めて、運転行動を決定する。具体的には、運転行動決定部１４８は、運転行動としての加減速度の最適値やヨーレートの最適値を求める。これにより、例えば、他車両との接触を回避するために、自車両を減速したり、急操舵したりできる。
　ただし、上記に限定されず、運転行動決定部１４８は、式（３）で示されるコスト関数に基づいて、運転行動を決定してもよい。
　運転経路決定部１４９は、設定した運転行動に基づいて、自車両の運転経路を決定する。例えば、運転経路決定部１４９は、運転行動決定部１４８による短期的な運転行動の設定を繰り返して、自車両の長期的な運転経路を決定する。これにより、最適な運転経路を決定できる。
　＜自動運転装置の動作例＞
　自動運転装置１の動作例について、図６を参照しながら説明する。
　図６は、自動運転装置１の動作例を説明するためのフローチャートである。本フローチャートに示す処理は、車両が走行している際に行われる。ここでは、車両が高速走行で自動運転を行っているものとする。
　まず、制御装置１０の第１算出部１４４は、自車両の基本走行ポテンシャルを算出する（ステップＳ１０２）。具体的には、第１算出部１４４は、所定の予測時間の間に、所定間隔で基本走行ポテンシャルを求める。
　次に、第２算出部１４５は、顕在リスクとしての最大衝突リスクを求める（Ｓ１０４）。例えば、第２算出部１４５は、自車両の周囲の複数の物体に対する衝突リスクのうちの最大衝突リスクを求める。
　次に、関数処理部１４６は、コスト関数に、ステップＳ１０２で求めた基本走行ポテンシャルの累積値と、ステップＳ１０４で求めた最大衝突リスクを適用する（ステップＳ１０６）。例えば、関数処理部１４６は、式（４）や式（７）で示されるコスト関数に、基本走行ポテンシャルの累積値と、最大衝突リスクを適用する。
　次に、運転行動決定部１４８は、コスト関数を最小化する値を求めることで、自車両の運転行動を決定する（ステップＳ１０８）。例えば、運転行動決定部１４８は、自車両の加減速度の最適値やヨーレートの最適値を求める。
　次に、運転経路決定部１４９は、決定した運転行動を用いて、自車両の運転経路を決定する（ステップＳ１１０）。例えば、運転経路決定部１４９は、短期的な予測である運転行動の設定を繰り返して、運転経路を決定する。
　＜本実施形態における効果＞
　上述した実施形態の自動運転装置１は、基本走行ポテンシャルの累積値と、顕在リスクとしての最大衝突リスクとを含むコスト関数を最小化する値を求めて、自車両の運転行動を決定する。
　最大衝突リスクをコスト関数に適用することで、例えば小さい物体でも確実に回避する必要がある場合に、他に大きい物体があっても、小さい物体に向かわないような運転行動を決定することが可能となる。すなわち、自動運転中により安全な運転行動を決定できる。
　以上、本発明を実施の形態を用いて説明したが、本発明の技術的範囲は上記実施の形態に記載の範囲には限定されず、その要旨の範囲内で種々の変形及び変更が可能である。例えば、装置の全部又は一部は、任意の単位で機能的又は物理的に分散・統合して構成することができる。また、複数の実施の形態の任意の組み合わせによって生じる新たな実施の形態も、本発明の実施の形態に含まれる。組み合わせによって生じる新たな実施の形態の効果は、もとの実施の形態の効果を併せ持つ。
　１　　自動運転装置
　１４４　　第１算出部
　１４５　　第２算出部
　１４６　　関数処理部
　１４８　　運転行動決定部
 

Claims (7)

  1. 　ポテンシャル場に基づいて自車両の運転行動を決定する自動運転装置であって、
    　前記自車両が将来走行する走行位置の推奨度合いを示す基本走行ポテンシャルを、所定間隔で順次求める第１算出部と、
    　前記自車両の周囲の物体により示される顕在リスクとして、前記自車両の前記物体に対する最大衝突リスクを求める第２算出部と、
    　前記第１算出部が順次求めた基本走行ポテンシャルの累積値と、前記第２算出部が求めた前記最大衝突リスクとを含み、前記自車両の運転行動をパラメータとするコスト関数を最小化する値を求めて、前記運転行動を決定する運転行動決定部と、
    　を備える、自動運転装置。
  2. 　前記第２算出部は、将来の衝突リスクを現在の衝突リスクに割り引く割引率を適用した前記最大衝突リスクを求める、
    　請求項１に記載の自動運転装置。
  3. 　前記コスト関数は、前記運転行動のパラメータの正則化項を含み、
    　前記運転行動決定部は、衝突リスクが大きくなると前記正則化項の影響が小さくなる前記コスト関数を最小化する値を求めて、前記運転行動を決定する、
    　請求項１又は２に記載の自動運転装置。
  4. 　前記運転行動決定部は、前記運転行動として、前記自車両の加減速度とヨーレートを決定する、
    　請求項１から３のいずれか１項に記載の自動運転装置。
  5. 　前記最大衝突リスクの前記コスト関数への影響を非線形に変化させる関数処理部を更に備える、
    　請求項１から４のいずれか１項に記載の自動運転装置。
  6. 　前記第２算出部は、前記自車両の周囲の複数の物体の各々に対する衝突リスクを求め、求めた複数の衝突リスクの中から最大衝突リスクを求める、
    　請求項１から５のいずれか１項に記載の自動運転装置。
  7. 　前記運転行動決定部は、前記最大衝突リスクが所定値よりも小さい場合には前記基本走行ポテンシャルに従って走行する運転行動に決定し、前記最大衝突リスクが前記所定値よりも大きい場合には衝突を回避する運転行動を決定する、
    　請求項１から６のいずれか１項に記載の自動運転装置。
     
PCT/JP2021/033325 2020-09-24 2021-09-10 自動運転装置 WO2022065078A1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2020159380A JP7259818B2 (ja) 2020-09-24 2020-09-24 自動運転装置
JP2020-159380 2020-09-24

Publications (1)

Publication Number Publication Date
WO2022065078A1 true WO2022065078A1 (ja) 2022-03-31

Family

ID=80846530

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2021/033325 WO2022065078A1 (ja) 2020-09-24 2021-09-10 自動運転装置

Country Status (2)

Country Link
JP (1) JP7259818B2 (ja)
WO (1) WO2022065078A1 (ja)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7400911B1 (ja) 2022-09-26 2023-12-19 いすゞ自動車株式会社 自動運転装置
JP7384258B1 (ja) 2022-09-26 2023-11-21 いすゞ自動車株式会社 自動運転装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010018062A (ja) * 2008-07-08 2010-01-28 Fuji Heavy Ind Ltd 車両の運転支援装置
JP2011248445A (ja) * 2010-05-24 2011-12-08 Toyota Central R&D Labs Inc 可動物予測装置及びプログラム
WO2020044512A1 (ja) * 2018-08-30 2020-03-05 三菱電機株式会社 車載装置、情報処理方法及び情報処理プログラム

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010018062A (ja) * 2008-07-08 2010-01-28 Fuji Heavy Ind Ltd 車両の運転支援装置
JP2011248445A (ja) * 2010-05-24 2011-12-08 Toyota Central R&D Labs Inc 可動物予測装置及びプログラム
WO2020044512A1 (ja) * 2018-08-30 2020-03-05 三菱電機株式会社 車載装置、情報処理方法及び情報処理プログラム

Also Published As

Publication number Publication date
JP2022052876A (ja) 2022-04-05
JP7259818B2 (ja) 2023-04-18

Similar Documents

Publication Publication Date Title
JP6934544B2 (ja) 車輪姿勢を使用した将来の進行方向の決定
US11636362B1 (en) Predicting trajectory intersection by another road user
EP3378707B1 (en) Collision prediction and forward airbag deployment system for autonomous driving vehicles
EP3315388B1 (en) Spring system-based change lane approach for autonomous vehicles
US10507813B2 (en) Method and system for automated vehicle emergency light control of an autonomous driving vehicle
EP3352039A1 (en) Method for keeping distance between an autonomous driving vehicle and a following vehicle using a braking light
EP3655298B1 (en) A tunnel-based planning system for autonomous driving vehicles
US10915766B2 (en) Method for detecting closest in-path object (CIPO) for autonomous driving
EP3405374B1 (en) Deceleration curb-based direction checking and lane keeping system for autonomous driving vehicles
EP3612435A1 (en) Lane curb assisted off-lane checking and lane keeping system for autonomous driving vehicles
US11485360B2 (en) Dynamic speed limit adjustment system based on perception results
EP3694756B1 (en) Spiral curve based vertical parking planner system for autonomous driving vehicles
WO2022065078A1 (ja) 自動運転装置
KR20190045308A (ko) 차량 판정 방법, 주행 경로 보정 방법, 차량 판정 장치, 및 주행 경로 보정 장치
US11731692B2 (en) Driving support device that performs steering control and deceleration control for avoiding an object
JP2022038620A (ja) 自動運転装置
JP6658968B2 (ja) 運転支援方法及び運転支援装置
WO2022065084A1 (ja) 自動運転装置
EP3447449B1 (en) Host vehicle position confidence degree calculation device
WO2020148561A1 (ja) 運転支援方法及び運転支援装置
US11787440B2 (en) Lane boundary and vehicle speed based nudge decision
US11518404B2 (en) Static-state curvature error compensation control logic for autonomous driving vehicles
EP3838696A1 (en) A post collision, damage reduction brake system
US20210206397A1 (en) Autonomous vehicle park-and-go scenario design
WO2022025086A1 (ja) 経路確認装置、経路確認方法および車両制御方法

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 21872209

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 21872209

Country of ref document: EP

Kind code of ref document: A1