WO2022065084A1 - 自動運転装置 - Google Patents

自動運転装置 Download PDF

Info

Publication number
WO2022065084A1
WO2022065084A1 PCT/JP2021/033370 JP2021033370W WO2022065084A1 WO 2022065084 A1 WO2022065084 A1 WO 2022065084A1 JP 2021033370 W JP2021033370 W JP 2021033370W WO 2022065084 A1 WO2022065084 A1 WO 2022065084A1
Authority
WO
WIPO (PCT)
Prior art keywords
short
term
ultra
term prediction
prediction unit
Prior art date
Application number
PCT/JP2021/033370
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 WO2022065084A1 publication Critical patent/WO2022065084A1/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
    • 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
    • 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 driving behavior also referred to as driving operation
  • the cost function is evaluated by the cumulative value of the potential at each time within the predicted future time, and the driving behavior is determined based on the evaluation result.
  • an object of the present invention is to enable safe driving behavior against risks that suddenly occur during automatic driving.
  • the automatic driving device of one aspect of the present invention is an automatic driving device that determines the driving behavior of the own vehicle based on a potential field, and includes a short-term collision risk during running from the present to a short-term predicted time as a parameter.
  • a short-term prediction unit that calculates a short-term cost function for each of a plurality of driving behaviors, and a case where all the short-term collision risks calculated by the short-term prediction unit are equal to or greater than a threshold value, or a case where the short-term cost function is minimized.
  • the ultra-short-term collision risk when the short-term collision risk is equal to or greater than the threshold value, the ultra-short-term collision risk during running from the present to the ultra-short-term predicted time shorter than the short-term predicted time, and the ultra-short-term cost including the ultra-short-term collision risk as parameters.
  • the ultra-short-term prediction unit that calculates the function and the ultra-short-term prediction unit calculates the ultra-short-term cost function the driving behavior is determined based on the ultra-short-term cost function, and the ultra-short-term prediction unit determines the driving behavior.
  • the short-term cost function is not calculated, the driving behavior determination unit for determining the driving behavior based on the short-term cost function is provided.
  • the short-term prediction unit may calculate the short-term cost function including the short-term collision risk, destination potential, and lane potential as parameters.
  • the ultra-short-term prediction unit may calculate the ultra-short-term cost function including the ultra-short-term collision risk and lane potential as parameters.
  • the ultra-short-term prediction unit may calculate the ultra-short-term cost function including the ultra-short-term collision risk, destination potential, and lane potential as parameters.
  • the short-term prediction unit calculates the short-term cost function including the regularization term of the driving behavior of the own vehicle, and the ultra-short-term prediction unit calculates the regularization term of the driving behavior having a weight smaller than that of the short-term cost function.
  • the ultra-short-term cost function including the above may be calculated.
  • the short-term prediction unit may calculate the short-term cost function including the acceleration / deceleration speed and yaw rate of the own vehicle as parameters, and determine the optimum acceleration / deceleration speed and yaw rate that minimizes the short-term cost function.
  • the short-term prediction unit causes the ultra-short-term prediction unit to determine the driving behavior when the short-term collision risk when the own vehicle is driven by the determined optimum acceleration / deceleration and yaw rate is equal to or higher than the threshold value. May be good.
  • the short-term prediction unit may determine the acceleration / deceleration and yaw rate of the own vehicle as the driving behavior of the own vehicle.
  • the driving behavior may be determined based on the short-term collision risk calculated for the vehicle.
  • the ultra-short-term prediction unit may calculate the ultra-short-term cost function including the distance to obstacles around the own vehicle as a parameter.
  • the automatic driving device according to the present embodiment is, for example, a device mounted on a vehicle and executing various processes for automatically traveling the vehicle.
  • FIG. 1 is a schematic diagram for explaining an example of the configuration of the automatic driving device 1.
  • the automatic driving device 1 is mounted on a vehicle such as a truck and supports the driving of the own vehicle.
  • the automatic driving device 1 determines a driving mode and a driving behavior, for example, during automatic driving.
  • the driving mode is determined by a combination of a traveling route starting from the current position of the own vehicle and a target traveling speed.
  • the driving behavior is, for example, the movement of the own vehicle starting from the current time, which is determined by the acceleration / deceleration speed and the turning angular velocity (hereinafter referred to as “yaw rate”) of the own vehicle.
  • the automatic driving device 1 determines the driving mode and driving behavior of the own vehicle based on the potential field.
  • 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 to the control device 10 travel information indicating the position and speed of the own vehicle based on the detection result of the own vehicle position.
  • 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, a travelable area in addition to the position and width of the lane in which the own vehicle travels.
  • the environment recognition unit 4 outputs peripheral information indicating the recognition result of the surrounding environment 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, for example, a destination potential, an obstacle potential, or a lane potential.
  • the destination potential is a potential based on a preset attractive or repulsive force to the destination.
  • the obstacle potential is a potential based on the repulsive force from the obstacle.
  • the lane potential is the potential to follow a predetermined lane.
  • control device 10 of the present embodiment determines a driving behavior that can minimize a cost function including a cumulative value of potential over a predetermined period and a maximum collision risk as an actual risk. ..
  • the automatic driving device 1 can prevent the determination of the driving behavior depending on the size of the obstacle, and can realize safer automatic driving.
  • the control device 10 uses long-term prediction, short-term prediction, and ultra-short-term prediction, which have different prediction times and prediction methods, in order to determine driving behavior.
  • 2 and 3 are diagrams showing an outline of these plurality of predictions.
  • the long-term prediction is a process of determining which of a plurality of driving modes is best to select by calculating the collision risk over the longest period, for example, a lane change process.
  • FIG. 3A shows a plurality of operation modes that are candidates to be selected in the long-term prediction.
  • the driving mode I 0 in which the own vehicle stays in the driving lane
  • the driving mode IR in which the own vehicle changes lane to the right lane of the driving lane
  • the driving mode IR in which the own vehicle is driving. From the driving modes IL that change lanes to the left lane, the driving mode in which the collision risk is relatively small and the mileage within the time for which long-term prediction is to be made is relatively large is selected.
  • This is a process for selecting, and since it involves a large amount of calculation load as compared with the short-term prediction described later, it is executed in a cycle of, for example, about 200 milliseconds to 1 second.
  • Equation (1) defines a long-term cost function as the weighted sum of these two terms.
  • V target is the target velocity
  • S tend is the distance to the end point of the route
  • R max coll is the maximum collision risk in the route
  • R th coll is the threshold value of the risk of terminating the route generation.
  • the long-term forecast time is relatively long, it is unlikely that moving dynamic obstacles will continue to stay in the same place.
  • the long-term collision risk detected in the long-term prediction can be avoided by changing the driving behavior. Therefore, in the long-term prediction, the dynamic obstacles around the own vehicle have the same speed and acceleration / deceleration as the current speed and acceleration / deceleration.
  • the cost function is calculated on the assumption that it keeps moving at the acceleration / deceleration.
  • the short-term forecast is a forecast regarding the near future state based on the potential field corresponding to the driving mode determined in the long-term forecast, and executes a driving action corresponding to, for example, a lane keeping system, an inter-vehicle distance control device, or a vehicle speed maintaining system. do.
  • the short-term prediction is a process of selecting a driving behavior by predicting a collision risk in a short-term prediction time shorter than the long-term prediction time.
  • the short-term prediction is executed in a cycle of, for example, about 10 milliseconds to 50 milliseconds because it is necessary to determine the latest driving behavior.
  • FIG. 3B shows a plurality of candidate driving behaviors selected in the short-term prediction with a plurality of arrows.
  • the driving behavior that minimizes the short-term cost function is selected from these plurality of driving behaviors.
  • the short-term cost function is expressed by, for example, the following equation (2).
  • the first term in equation (2) is the cumulative value of the basic driving potential U base within the short-term predicted time, and the second term is the product of the maximum risk R max coll and the predicted time among the collision risks of each of the multiple driving behaviors. Is.
  • (X t front , Y t front ) represents the coordinates of the front position of the own vehicle.
  • the basic driving potential includes the destination potential and the lane potential.
  • U dst (X, Y) is the destination potential and U lane is the lane potential. The value obtained by adding these is the basic running potential U base in the equation (2).
  • the basic driving potential includes a destination potential for directing the own vehicle to a preset destination at a set speed (for example, a speed limit) and a lane potential for making the own vehicle follow the lane.
  • the destination 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. be.
  • 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 driving behavior is determined in consideration of the risks in both the case where the dynamic obstacle moves and the case where the dynamic obstacle stays in the same place, for example.
  • FIG. 3C shows a plurality of candidate driving behaviors selected in the ultra-short-term prediction with a plurality of arrows.
  • the driving behavior that minimizes the ultra-short-term cost function is selected from these plurality of driving behaviors.
  • the ultra-short-term cost function is expressed by, for example, the following equation (3).
  • the danger is imminent, so we will search for a safe area where collisions can be avoided on the assumption that the position of the dynamic obstacle will move over the ultra-short-term prediction time. Since it is important to avoid obstacles in an emergency in the ultra-short-term prediction, the allowable values of the acceleration / deceleration speed and the turning angular velocity of the own vehicle when searching for driving behavior are made larger than those in the short-term prediction.
  • the automatic driving device 1 determines the driving behavior by using the long-term prediction, the short-term prediction, and the ultra-short-term prediction for different purposes. Then, the automatic driving device 1 executes the long-term prediction, the short-term prediction, and the ultra-short-term prediction in parallel at different cycles. Short-term forecasts and ultra-short-term forecasts are carried out in the same cycle, and long-term forecasts are carried out in a longer cycle than the short-term forecast and ultra-short-term forecast cycles. By operating the automatic driving device 1 in this way, the delay time from the completion of the long-term prediction to the determination of the driving behavior can be reduced as compared with the case where the short-term prediction and the ultra-short-term prediction are performed. , Driving behavior during automatic driving can be determined in real time.
  • the configuration and operation of the control device 10 will be described in detail.
  • FIG. 4 is a diagram showing the configuration of the control device 10.
  • 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).
  • the control unit 14 functions as an information acquisition unit 141, a long-term prediction unit 142, a short-term prediction unit 143, an ultra-short-term prediction unit 144, and a driving behavior determination unit 145 by executing a program stored in the storage unit 12.
  • the information acquisition unit 141 acquires the driving information of the own vehicle. For example, the information acquisition unit 141 acquires the position and speed of the running own vehicle. The information acquisition unit 141 acquires the position and speed of the own vehicle from the detection result of the vehicle detection unit 2 (FIG. 1).
  • the information acquisition unit 141 acquires information on objects around the own vehicle. For example, the information acquisition unit 141 acquires peripheral 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).
  • the information acquisition unit 141 acquires target information regarding the target position to be traveled and the target speed.
  • the target position is, for example, a position ahead of the own vehicle by a predetermined distance (200 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 information acquisition unit 141 can acquire target information by referring to, for example, the road map information stored in the map database 6.
  • the information acquisition unit 141 inputs the acquired driving information, surrounding information, and road map information to the long-term prediction unit 142, the short-term prediction unit 143, and the ultra-short-term prediction unit 144.
  • the long-term forecasting unit 142 executes the long-term forecasting.
  • the long-term prediction unit 142 can be used between a plurality of operation modes having different combinations of travel routes and target speeds, a long-term collision risk when traveling on a travel route from the present to the long-term forecast time, and a long-term forecast time. Select the driving mode in which the own vehicle travels based on the mileage and the travelable distance.
  • the long-term prediction unit 142 calculates a long-term cost function C path (I) for each of a plurality of operation mode candidates using, for example, the above formula (1), and based on the following formula (4), the long-term is long-term. Select the operating mode that minimizes the cost function.
  • the long-term prediction unit 142 shifts to the selected driving mode by determining a state such as whether the own vehicle can run stably or whether the winker is ON.
  • the long-term prediction unit 142 notifies the driving behavior determination unit 145 of the shifted operation mode.
  • the long-term prediction unit 142 may notify the short-term prediction unit 143 of the shifted operation mode.
  • the long-term prediction unit 142 may calculate the long-term collision risk on the assumption that the obstacle detected by the own vehicle continues to move over the long-term prediction time.
  • the long-term prediction unit 142 may calculate the long-term collision risk, for example, assuming that the obstacle continues to move at the speed and acceleration at the time when the obstacle is detected.
  • the short-term prediction unit 143 is based on the short-term collision risk from the present to the short-term prediction time shorter than the long-term prediction time while the own vehicle is running based on the driving mode selected by the long-term prediction unit 142. Determine driving behavior.
  • the short-term prediction unit 143 acquires the operation mode selected by the long-term prediction unit 142, and determines the optimum short-term driving behavior in the potential field in the acquired operation mode. That is, the short-term prediction unit 143 determines the short-term driving behavior based on the short-term collision risk and the destination potential and lane potential corresponding to the driving mode selected by the long-term prediction unit 142.
  • the short-term prediction unit 143 determines the short-term driving behavior by updating the parameters related to the potential field based on the operation mode determined by the long-term prediction unit 142 and calculating the short-term cost function.
  • the short-term prediction unit 143 notifies the driving behavior determination unit 145 of the determined short-term driving behavior.
  • the short-term prediction unit 143 may notify the ultra-short-term prediction unit 144 of the determined short-term driving behavior.
  • the short-term prediction unit 143 calculates a short-term cost function including the short-term collision risk during running from the present to the short-term prediction time as a parameter for each of a plurality of driving behaviors.
  • the short-term prediction unit 143 can calculate a short-term cost function for each of a plurality of driving behavior candidates based on, for example, the above equation (2), but the short-term prediction unit 143 has a short-term collision risk and a destination.
  • a short-term cost function may be calculated that includes the potential and the lane potential as parameters.
  • the short-term prediction unit 143 may determine the acceleration / deceleration speed and the yaw rate of the own vehicle as the driving behavior of the own vehicle. Then, the short-term prediction unit 143 may calculate a short-term cost function having a regularization term for the driving behavior including the acceleration / deceleration speed and the yaw rate of the own vehicle as parameters, as shown by the following equation (5).
  • the short-term prediction unit 143 specifies the basic driving potential by specifying the destination potential and the lane potential using the information acquired by the information acquisition unit 141.
  • ⁇ means acceleration / deceleration
  • ⁇ means yaw rate
  • w ⁇ is the weight of acceleration / deceleration
  • w ⁇ is the weight of yaw rate
  • the short-term prediction unit 143 obtains the collision risk with an object around the own vehicle within a predetermined prediction time as the actual risk included in the short-term cost function. For example, the short-term prediction unit 143 obtains the maximum collision risk with respect to the object detected by the environment recognition unit 4. When there are a plurality of objects in the vicinity, the short-term prediction unit 143 obtains the maximum collision risk for each object. The short-term prediction unit 143 obtains the maximum collision risk from the obtained maximum collision risks for a plurality of objects.
  • the maximum collision risk has the following advantages.
  • a large object for example, another vehicle
  • a small object for example, a pedestrian
  • the driving behavior depends on the size of the object, so that there is a possibility of avoiding a large object and heading for a small object.
  • the maximum collision risk is used, small objects with high risk can be avoided, and safe driving behavior becomes possible.
  • the short-term prediction unit 143 determines the optimum driving behavior (acceleration / deceleration and yaw rate) that minimizes the short-term cost function based on the following equation (6).
  • the short-term prediction unit 143 selects the driving behavior when the value of the short-term prediction cost function is minimized, an obstacle in front or an obstacle in the rear approaching the own vehicle exists at a very close position. At that time, even if any of the driving behaviors (acceleration / deceleration and yaw rate) that can be selected by the short-term prediction unit 143 is selected, the collision risk may become a high value. If the own vehicle performs such driving behavior, speed maintenance or lane maintenance is prioritized, and there is a risk of collision with an obstacle.
  • the short-term prediction unit 143 may drive the own vehicle by the optimum driving behavior by comparing the short-term collision risk when the determined optimum driving behavior is performed with the threshold value R th , or it is dangerous in the optimum driving behavior. Is inevitable, and it is determined whether other driving behavior based on ultra-short-term prediction is necessary.
  • the threshold value R th is determined based on the likelihood of sudden acceleration / deceleration (for example, sudden braking), and the smaller the threshold value R th is, the more sudden acceleration / deceleration is performed by the ultra-short-term prediction unit 144. Is easier to select.
  • the short-term prediction unit 143 instructs the ultra-short-term prediction unit 144 to determine the driving behavior, at least one of a warning sound or a display indicating that there is a risk of collision or that sudden acceleration / deceleration is performed. Depending on the situation, the occupants of the own vehicle may be notified.
  • the short-term prediction unit 143 determines that the obstacle detected by the own vehicle moves over the short-term prediction time, stands still for the short-term prediction time, or is a part of the short-term prediction time.
  • the short-term driving behavior may be determined based on the short-term collision risk calculated for the case of moving only.
  • the short-term prediction unit 143 may determine short-term driving behavior based on the short-term collision risk calculated for a plurality (for example, all) of these cases.
  • the short-term prediction unit 143 selects, for example, a short-term driving behavior when the short-term collision risk is less than the threshold value R th among the short-term collision risks based on all the calculated driving behaviors, and determines the selected short-term driving behavior. Notify 145. When a plurality of short-term collision risks are less than the threshold value R th , the short-term prediction unit 143 selects the short-term driving behavior that minimizes the short-term collision risk.
  • the short-term prediction unit 143 is based on the ultra-short-term prediction. Instruct the ultra-short-term prediction unit 144 to determine the driving behavior.
  • the ultra-short-term prediction unit 144 performs ultra-short-term driving behavior different from the short-term driving behavior based on the ultra-short-term collision risk from the present to the ultra-short-term prediction time shorter than the short-term prediction time. To decide.
  • the ultra-short-term prediction unit 144 starts from the present when, for example, all the short-term collision risks calculated by the short-term prediction unit 143 are equal to or greater than the threshold, or when the short-term collision risk when the short-term cost function is minimized is equal to or greater than the threshold.
  • the ultra-short-term collision risk during driving up to the ultra-short-term predicted time shorter than the short-term predicted time, and the ultra-short-term cost function including the ultra-short-term collision risk as parameters are calculated.
  • the ultra-short-term prediction unit 144 may calculate an ultra-short-term cost function including ultra-short-term collision risk, destination potential, and lane potential as parameters.
  • the ultra-short-term prediction unit 144 can perform an ultra-short-term cost function including ultra-short-term collision risk and lane potential as parameters for each of a plurality of driving behavior candidates, for example, based on the above equation (3). As shown by the following equation (7), the ultra-short-term prediction unit 144 determines the driving behavior using the maximum risk R max coll in the ultra-short-term prediction as a long-term and short-term cost function. Alternatively, as shown in equations (8), (9), and (10), an ultra-short-term cost function that considers only the lane potential as the basic driving potential, an ultra-short-term cost function that considers both the destination potential and the lane potential, and further. An ultra-short-term cost function having a regularization term including the acceleration / deceleration of the own vehicle and the yaw rate as parameters may be calculated.
  • the acceleration / deceleration weight w' ⁇ and the yaw rate weight w' ⁇ in the third and fourth terms of the equation (10) are the third and fourth terms of the short-term cost prediction function (formula (5)) in the short-term prediction. It is smaller than the weight of acceleration / deceleration w ⁇ and the weight of yaw rate w ⁇ contained in. That is, in the ultra-short-term cost function, the effect of the acceleration / deceleration and the yaw rate is smaller than the effect of the acceleration / deceleration and the yaw rate in the short-term cost function, and the ultra-short-term prediction unit 144 tends to increase the acceleration / deceleration and the yaw rate.
  • the short-term prediction unit 143 calculates a short-term cost function including a regularization term for the driving behavior of the own vehicle, and the ultra-short-term prediction unit 144 includes a regularization term for the driving behavior having a smaller weight than the short-term cost function.
  • the ultra-short-term prediction unit 144 may calculate the ultra-short-term cost function including the acceleration / deceleration rate and the yaw rate having a smaller weight than the short-term cost function as parameters.
  • the ultra-short-term prediction unit 144 determines the optimum driving behavior (acceleration / deceleration and yaw rate) that minimizes the ultra-short-term cost function based on the following equation (11).
  • the ultra-short-term prediction unit 144 replaces the optimum driving behavior determined by the short-term prediction unit 143 with the optimum driving behavior determined based on the ultra-short-term cost function.
  • the ultra-short-term prediction unit 144 sets the ultra-short-term collision risk when the obstacle detected by the own vehicle moves over the ultra-short-term prediction time or stands still for the ultra-short-term prediction time, and the operation mode selected by the long-term prediction unit.
  • Ultra-short-term driving behavior may be determined based on the corresponding lane potential. By operating the ultra-short-term prediction unit 144 in this way, safe driving behavior is selected on the assumption that the position of the dynamic obstacle will continue to move during the ultra-short-term prediction time in a situation where danger is imminent. can do.
  • the ultra-short-term prediction unit 144 may calculate an ultra-short-term cost function including the distance to the obstacles around the own vehicle as a parameter. That is, the ultra-short-term prediction unit 144 may determine the driving behavior based on the ultra-short-term cost function including the distance to the surrounding object as a parameter.
  • the ultra-short-term cost function introduced as a parameter of the distance to the obstacle with respect to the equation (7) is expressed by the following equation (12).
  • d min is the minimum distance to surrounding objects
  • d ave is the average distance to multiple peripheral objects.
  • d min and d ave are calculated by the following equation (13).
  • (X ts'ego , Y ts' ego ) indicates the position of the own vehicle after the time ts '
  • (X i, ts' obj , Y i, ts' obj ) is the i-th after the time ts ' . Indicates the position of the object.
  • the ultra-short-term prediction unit 144 determines the driving behavior based on the collision risk of the ultra-short-term prediction time, which is shorter than the short-term prediction time, which is the time for the short-term prediction unit 143 to select the driving behavior. By making predictions in such a short time by the ultra-short-term prediction unit 144, even if the short-term collision risk corresponding to the driving behavior selected by the short-term prediction unit 143 is large, the ultra-short-term prediction time is shorter than the short-term prediction time. It is easy to distinguish between relatively dangerous driving behavior and relatively safe driving behavior within the range of.
  • the long-term prediction unit 142, the short-term prediction unit 143, and the ultra-short-term prediction unit 144 determine the driving behavior on the assumption that the obstacle moves according to both the speed and the acceleration at the time when the obstacle is detected. May be good.
  • the driving behavior determination unit 145 determines to drive the own vehicle with the driving behavior notified by the ultra-short-term prediction unit 144 or the driving behavior notified by the driving behavior determination unit 145, and the driving behavior data indicating the determined driving behavior. Is notified to the device or unit that controls the running of the own vehicle. That is, when the ultra-short-term prediction unit 144 calculates the ultra-short-term cost function, the driving behavior determination unit 145 determines the driving behavior based on the ultra-short-term cost function, and the ultra-short-term prediction unit 144 calculates the ultra-short-term cost function. If not, determine driving behavior based on a short-term cost function.
  • FIG. 5 is a flowchart showing the flow of processing in the control device 10.
  • the control device 10 repeats the processes from S11 to S18 shown in FIG. 5 while the engine of the own vehicle is running.
  • the information acquisition unit 141 acquires various information from the vehicle detection unit 2, the environment recognition unit 4, and the map database 6 (S11), and calculates a potential map based on the acquired information (S12).
  • the potential map is data showing the destination potential and the lane potential.
  • the long-term prediction unit 142 selects the optimum operation mode from a plurality of operation modes based on the potential map (S13). Subsequently, the short-term prediction unit 143 selects the optimum driving behavior by executing the short-term prediction using the potential corresponding to the operation mode selected by the long-term prediction unit 142 (S14). The flow of processing for short-term forecasts will be described later.
  • the ultra-short-term prediction unit 144 executes ultra-short-term prediction based on the instruction (S16). The flow of processing for ultra-short-term forecasts will be described later.
  • the driving behavior determination unit 145 uses the short-term driving behavior selected by the short-term prediction unit 143 as its own vehicle. (S17).
  • the driving behavior determination unit 145 determines the ultra-short-term driving behavior selected by the ultra-short-term prediction unit 144. Determines the driving behavior of the own vehicle (S17). The control device 10 repeats the processes from S11 to S18 until the operation is completed (NO in S18).
  • FIG. 6 is a flowchart showing the flow of short-term forecast.
  • the short-term prediction unit 143 selects a driving behavior to be investigated for suitability by calculating a short-term cost function from a plurality of driving behaviors (S141).
  • the short-term prediction unit 143 identifies the state of the own vehicle at time t s (S142). Specifically, the short-term prediction unit 143 specifies the position of the own vehicle (for example, the X coordinate and the Y coordinate of the center of the rear wheel axis), the yaw angle, and the speed.
  • the short-term prediction unit 143 calculates the basic running potential (S143). Specifically, the short-term prediction unit 143 calculates the basic driving potential by adding the destination potential and the lane potential. Further, the short-term prediction unit 143 calculates the collision risk within the short-term prediction time (S144). The short-term prediction unit 143 calculates the cost based on the short-term cost function including the calculated basic running potential and collision risk as parameters (S145), and stores the calculated cost in the storage unit 12 in association with the driving behavior.
  • the short-term prediction unit 143 determines whether or not the cost has been calculated for all the selectable driving behaviors (S146), and when all the driving behaviors have been selected and the cost has not been calculated (NO in S146), S141 Return the process to.
  • the short-term prediction unit 143 calculates the cost for all selectable driving behaviors (YES in S146)
  • the short-term driving behavior is the driving behavior with the minimum cost among the plurality of driving behaviors stored in the storage unit 12. (S147).
  • FIG. 7 is a flowchart showing the flow of ultra-short-term prediction.
  • the ultra-short-term prediction unit 144 selects an ultra-short-term cost function from a plurality of driving behaviors to be investigated for suitability (S161). Subsequently, the ultra-short-term prediction unit 144 identifies the state of the own vehicle (S162). Specifically, the ultra-short-term prediction unit 144 specifies the position, yaw angle, and speed of the own vehicle at time t s' .
  • the ultra-short-term prediction unit 144 calculates the lane potential (S163). Further, the ultra-short-term prediction unit 144 calculates the collision risk within the short-term prediction time (S164). The ultra-short-term prediction unit 144 calculates the cost based on the ultra-short-term cost function including the calculated lane potential and collision risk as parameters (S165), and stores the calculated cost in the storage unit 12 in association with the driving behavior.
  • the ultra-short-term prediction unit 144 determines whether or not the cost has been calculated for all the selectable driving behaviors (S166), and when all the driving behaviors have been selected and the cost has not been calculated (NO in S166). The process is returned to S161.
  • the ultra-short-term prediction unit 144 calculates the cost for all selectable driving behaviors (YES in S166)
  • the ultra-short-term prediction unit 144 determines the driving behavior with the minimum cost among the plurality of driving behaviors stored in the storage unit 12. Determine the driving behavior (S167).
  • the control device 10 includes the potential as a parameter and determines the final driving behavior by minimizing the cost functions of the different long-term prediction, short-term prediction, and ultra-short-term prediction.
  • the control device 10 can determine the optimum driving behavior according to the traffic conditions around the own vehicle by changing the parameters included in the cost function according to the purpose of each prediction.
  • various types such as lane change (ALC), vehicle speed maintenance system (CC), inter-vehicle distance control device (ACC), lane maintenance system (LKS), collision damage mitigation brake (AEB), automatic steering avoidance (AES), etc. It can be optimally operated according to the situation around the driving behavior corresponding to the function. Therefore, it is possible to ensure safety against complicated traffic environments in autonomous driving and to determine driving behavior with excellent versatility and robustness in accordance with driving standards, which improves safety and enables normative driving. realizable.
  • the operation mode is determined based on the long-term prediction, and the short-term prediction and the ultra-short-term prediction are used based on the potential of running in the determined operation mode.
  • the ultra-short-term prediction unit 144 superimposes when all the short-term collision risks calculated by the short-term prediction unit 143 are equal to or greater than the threshold value, or when the short-term collision risk when the short-term cost function is minimized is equal to or greater than the threshold value.
  • the short-term collision risk is calculated, and the driving behavior is determined based on the ultra-short-term cost function including the ultra-short-term collision risk as a parameter. In this way, when the risk is not sufficiently reduced by the driving behavior determined in the short-term prediction, the control device 10 performs the driving behavior that can avoid the risk by the ultra-short-term prediction in which the conditions of acceleration / deceleration and yaw rate are relaxed. decide.
  • control device 10 By operating the control device 10 in this way, it becomes possible to avoid a collision risk that cannot be avoided if the automatic operation is performed based on the predicted time of a single length. It also facilitates proper driving behavior to ensure maximum safety against sudden jumps and interruptions.

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Traffic Control Systems (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)

Abstract

自動運転装置１は、現在から短期予測時間までの間の走行中の短期衝突リスクをパラメータとして含む短期コスト関数を複数の運転行動それぞれに対して算出する短期予測部１４３と、短期予測部１４３が算出した全ての短期衝突リスクが閾値以上である場合、又は短期コスト関数が最小になる場合の短期衝突リスクが閾値以上である場合に、現在から短期予測時間よりも短い超短期予測時間までの間の走行中の超短期衝突リスクと、超短期衝突リスクをパラメータとして含む超短期コスト関数と、を算出する超短期予測部１４４と、超短期予測部１４４が超短期コスト関数を算出した場合、超短期コスト関数に基づいて運転行動を決定し、超短期予測部が超短期コスト関数を算出していない場合、短期コスト関数に基づいて運転行動を決定する運転行動決定部１４５と、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（運転操作ともいう）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、将来の予測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し、評価結果に基づいて運転行動が決定される。
特開２０１０－１８０６２号公報
　車両の走行中には、他の車両が急に割り込んできたり、歩行者が飛び出してきたりする場合がある。単一の予測時間ごとに評価したコスト関数に基づいて運転行動が決定される場合、通常走行時と緊急時の運転行動の区別が困難となり、前述のように急激に生じるリスクに対応することが困難であるという問題があった。
　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、自動運転中に急激に生じるリスクに対して安全な運転行動を実行できるようにすることを目的とする。
　本発明の一態様の自動運転装置は、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、現在から短期予測時間までの間の走行中の短期衝突リスクをパラメータとして含む短期コスト関数を複数の運転行動それぞれに対して算出する短期予測部と、前記短期予測部が算出した全ての前記短期衝突リスクが閾値以上である場合、又は前記短期コスト関数が最小になる場合の前記短期衝突リスクが閾値以上である場合に、現在から前記短期予測時間よりも短い超短期予測時間までの間の走行中の超短期衝突リスクと、前記超短期衝突リスクをパラメータとして含む超短期コスト関数と、を算出する超短期予測部と、前記超短期予測部が前記超短期コスト関数を算出した場合、前記超短期コスト関数に基づいて運転行動を決定し、前記超短期予測部が前記超短期コスト関数を算出していない場合、前記短期コスト関数に基づいて前記運転行動を決定する運転行動決定部と、を備える。
　前記短期予測部は、前記短期衝突リスク、目的地ポテンシャル及び車線ポテンシャルをパラメータとして含む前記短期コスト関数を算出してもよい。
　前記超短期予測部は、前記超短期衝突リスク及び車線ポテンシャルをパラメータとして含む前記超短期コスト関数を算出してもよい。
　前記超短期予測部は、前記超短期衝突リスク、目的地ポテンシャル及び車線ポテンシャルをパラメータとして含む前記超短期コスト関数を算出してもよい。
　前記短期予測部は、前記自車両の運転行動の正則化項を含む前記短期コスト関数を算出し、前記超短期予測部は、前記短期コスト関数よりも重みが小さい前記運転行動の正則化項を含む前記超短期コスト関数を算出してもよい。
　前記短期予測部は、前記自車両の加減速度及びヨーレートをパラメータとして含む前記短期コスト関数を算出し、前記短期コスト関数が最小になる最適な加減速度及びヨーレートを決定してもよい。
　前記短期予測部は、決定した最適な加減速度及びヨーレートにより前記自車両を運転させた場合の前記短期衝突リスクが前記閾値以上である場合に、前記超短期予測部に前記運転行動を決定させてもよい。
　前記短期予測部は、前記自車両の運転行動として、自車両の加減速度及びヨーレートを決定してもよい。
　前記短期予測部は、前記自車両が検出した障害物が、前記短期予測時間にわたって移動する場合、前記短期予測時間にわたって静止している場合、又は前記短期予測時間の一部の時間だけ移動する場合に対して算出した前記短期衝突リスクに基づいて前記運転行動を決定してもよい。
　前記超短期予測部は、前記自車両の周辺の障害物との距離をパラメータとして含む前記超短期コスト関数を算出してもよい。
　本発明によれば、自動運転中に急激に生じるリスクに対応して安全な運転行動を実行できるという効果を奏する。
自動運転装置の構成の一例を説明するための模式図である。 複数の予測の概要を示す図である。 複数の予測の概要を示す図である。 制御装置の構成を示す図である。 制御装置における処理の流れを示すフローチャートである。 短期予測の流れを示すフローチャートである。 超短期予測の流れを示すフローチャートである。
［自動運転装置の概要］
　本発明の一の実施形態に係る自動運転装置の概要について、図１を参照しながら説明する。本実施形態に係る自動運転装置は、例えば車両に搭載されており、車両を自動走行させるための各種の処理を実行する装置である。
　図１は、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運転モード及び運転行動を決定する。運転モードは、自車両の現在位置を起点とする走行経路及び目標走行速度の組み合わせにより定められる。運転行動は、例えば自車両の加減速度及び旋回角速度（以下、「ヨーレート」という）により定められる、現時刻を起点とする自車両の動きである。自動運転装置１は、ポテンシャル場に基づいて、自車両の運転モード及び運転行動を決定する。
　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、自車両位置の検出結果に基づく自車両の位置及び速度を示す走行情報を制御装置１０に出力する。
　環境認識部４は、自車両の周辺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、自車両の周辺の物体（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に加え、走行可能領域を認識しうる。環境認識部４は、周辺環境の認識結果を示す周辺情報を制御装置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、例えば、目的地ポテンシャル、障害物ポテンシャル又は車線ポテンシャルである。目的地ポテンシャルは、予め設定された目的地への引力又は斥力に基づくポテンシャルである。障害物ポテンシャルは、障害物からの斥力に基づくポテンシャルである。車線ポテンシャルは、所定の車線に追従しようとするポテンシャルである。
　詳細は後述するが、本実施形態の制御装置１０は、所定の期間にわたる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ことができる運転行動を決定する。これにより、自動運転装置１は、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は、運転行動を決定するために、それぞれ予測時間及び予測方法が異なる長期予測、短期予測及び超短期予測を用いる。図２及び図３は、これらの複数の予測の概要を示す図である。
　長期予測は、最も長い期間にわたる衝突リスクを算出することにより、複数の運転モードのうちどの運転モードを選択することが最良かを決定する処理であり、例えば自動車線変更処理である。図３（ａ）は、長期予測において選択される候補となる複数の運転モードを示している。長期予測においては、例えば、自車両が走行中の車線をそのまま走行する運転モードI０、自車両が走行中の車線の右側の車線に車線変更する運転モードIＲ、自車両が走行中の車線の左側の車線に車線変更する運転モードIＬのうちから、衝突リスクが比較的小さく、長期予測を行う対象となる時間内での走行距離が比較的大きくなる運転モードが選択される。
　長期予測は、例えばΔｔＬ＝１０秒間にわたる衝突リスク（以下、「長期衝突リスク」という場合がある）と、ΔｔＬの間に走行可能な距離とをパラメータとする長期コスト関数に基づいて運転モードを選択する処理であり、後述の短期予測と比較して多くの計算負荷を伴うことから、例えば２００ミリ秒から１秒程度の周期で実行される。
　長期予測で用いられる長期コスト関数は、たとえば以下の式（１）により表される。
Figure JPOXMLDOC01-appb-M000001
 　式（１）における第１項は、各運転モードに対応する経路における無次元化された最終到達距離（ΔｔＬの間に走行可能な距離）であり、第２項は、各経路を通過する際の正規化された最大リスクである。式（１）は、これらの２項の重み付き和として長期コスト関数を定義している。ここで、Vtargetは目標速度、Stendは経路の終点までの道のり距離、Rmax collは経路中の最大衝突リスク、Rth collは経路生成を打ち切るリスクの閾値である。
　長期予測時間は比較的長いので、移動する動的障害物が同じ場所に留まり続ける可能性は低い。また、長期予測において検知された長期衝突リスクは、運転行動を変化させることにより回避が可能なので、長期予測においては、自車両の周辺の動的障害物が現時点の速度及び加減速度と同じ速度及び加減速度で移動し続けると仮定してコスト関数が算出される。
　短期予測においては、長期予測において決定された運転モードに対応するポテンシャル場に基づく近い将来の状態に関する予測であり、例えば車線維持システム、車間距離制御装置、又は車速維持システムに相当する運転行動を実行する。短期予測は、長期予測時間よりも短い短期予測時間における衝突リスクを予測することにより運転行動を選択する処理である。短期予測は、例えばΔｔＳ＝２秒～５秒間にわたる衝突リスク（以下、「短期衝突リスク」という場合がある）と、目的地ポテンシャル及び車線ポテンシャルをパラメータとする短期コスト関数に基づいて運転行動を選択する処理である。短期予測は、直近の運転行動を決定する必要があることから例えば１０ミリ秒から５０ミリ秒程度の周期で実行される。
　図３（ｂ）は、短期予測において選択される候補となる複数の運転行動を複数の矢印で示している。短期予測においては、これらの複数の運転行動のうち、短期コスト関数が最小になる運転行動が選択される。
　短期コスト関数は、例えば以下の式（２）により表される。
Figure JPOXMLDOC01-appb-M000002
 　式（２）における第１項は基本走行ポテンシャルUbaseの短期予測時間内における累積値であり、第２項は複数の運転行動それぞれの衝突リスクのうち最大のリスクRmax collと予測時間の積である。また、(Xt front, Yt front)は自車両前面位置の座標を表す。なお、基本走行ポテンシャルは目的地ポテンシャル及び車線ポテンシャルを含んでいる。Udst(X,Y)は目的地ポテンシャルであり、Ulaneは車線ポテンシャルである。これらを加算した値が式（２）における基本走行ポテンシャルUbaseである。
　基本走行ポテンシャルは、自車両を予め設定された目的地に設定速度（例えば制限速度）で向かわせるための目的地ポテンシャルと、自車両を車線追従させるための車線ポテンシャルとを含む。目的地ポテンシャルは、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。
　短期予測においては、自車両が自ら危険な状況にならないようにすることが重要である。そこで、短期予測においては、例えば動的障害物が移動する場合と、動的障害物が同じ場所に留まる場合の両方の場合のリスクを考慮して運転行動が決定される。
　超短期予測は、短期予測時間よりも短い超短期予測時間における衝突リスクを予測することにより運転行動を選択する処理であり、例えば自動操舵回避処理、又は衝突被害軽減ブレーキの少なくともいずれかの機能に相当する。超短期予測は、例えばΔｔＳ’＝１秒程度の時間にわたる衝突リスク（以下、「超短期衝突リスク」という場合がある）をパラメータとする超短期コスト関数に基づいて運転行動を選択する処理である。
　図３（ｃ）は、超短期予測において選択される候補となる複数の運転行動を複数の矢印で示している。超短期予測においては、これらの複数の運転行動のうち、超短期コスト関数が最小になる運転行動が選択される。
　超短期コスト関数は、例えば以下の式（３）により表される。
Figure JPOXMLDOC01-appb-M000003
 　超短期予測においては、危険が目前に迫っている状況なので、動的障害物の位置が超短期予測時間にわたって移動するという前提で、衝突を回避可能な安全な領域を探索する。超短期予測においては、障害物を緊急回避することが重要なので、運転行動を探索する際の自車両の加減速度及び旋回角速度の許容値を短期予測よりも大きくする。
　以上のとおり、自動運転装置１は、長期予測、短期予測及び超短期予測をそれぞれ異なる目的で使用して運転行動を決定する。そして、自動運転装置１は、長期予測と、短期予測及び超短期予測とを異なる周期で並行して実施する。短期予測と超短期予測は同一の周期で実施され、長期予測は、短期予測及び超短期予測の周期よりも長い周期で実施される。自動運転装置１がこのように動作することで、長期予測が完了してから短期予測と超短期予測を行う場合に比べて、運転行動が決定されるまでの遅延時間を小さくすることができるので、自動運転時の運転行動を実時間で決定できる。
　以下、制御装置１０の構成及び動作を詳細に説明する。
［制御装置１０の詳細構成］
　図４は、制御装置１０の構成を示す図である。制御装置１０は、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、情報取得部１４１、長期予測部１４２、短期予測部１４３、超短期予測部１４４及び運転行動決定部１４５として機能する。
　情報取得部１４１は、自車両の走行情報を取得する。例えば、情報取得部１４１は、走行中の自車両の位置や速度を取得する。情報取得部１４１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、情報取得部１４１は、自車両の周辺の物体に関する情報を取得する。例えば、情報取得部１４１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）に関する周辺情報を取得する。
　また、情報取得部１４１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２００ｍ）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。情報取得部１４１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。情報取得部１４１は、取得した走行情報、周辺情報及び道路地図情報を長期予測部１４２、短期予測部１４３及び超短期予測部１４４に入力する。
［長期予測］
　長期予測部１４２は、長期予測を実行する。長期予測部１４２は、走行経路及び目標速度の組み合わせがそれぞれ異なる複数の運転モードから、現在から長期予測時間までの間に走行経路を走行する際の長期衝突リスクと、長期予測時間までの間に走行可能な距離と、に基づいて、自車両が走行する運転モードを選択する。長期予測部１４２は、例えば上記の式（１）を用いて、複数の運転モードの候補それぞれに対して長期コスト関数Cpath(I)を算出し、以下の式（４）に基づいて、長期コスト関数が最小になる運転モードを選択する。さらに、長期予測部１４２は、自車両が安定に走行できているか、ウィンカーがＯＮになっているかなどの状態を判定して選択した運転モードに移行する。
Figure JPOXMLDOC01-appb-M000004
 　長期予測部１４２は、移行した運転モードを運転行動決定部１４５に通知する。長期予測部１４２は、移行した運転モードを短期予測部１４３に通知してもよい。
　なお、長期予測部１４２は、自車両が検出した障害物が、長期予測時間にわたって移動し続けると仮定して長期衝突リスクを算出してもよい。長期予測部１４２は、例えば、当該障害物が検出された時点の速度及び加速度で移動し続けると仮定して長期衝突リスクを算出してもよい。
［短期予測］
　短期予測部１４３は、長期予測部１４２が選択した運転モードに基づいて自車両が走行している間に、現在から長期予測時間よりも短い短期予測時間までの間の短期衝突リスクに基づいて短期運転行動を決定する。短期予測部１４３は、長期予測部１４２が選択した運転モードを取得し、取得した運転モードにおけるポテンシャル場での最適な短期運転行動を決定する。すなわち、短期予測部１４３は、短期衝突リスクと、長期予測部１４２が選択した運転モードに対応する目的地ポテンシャル及び車線ポテンシャルと、に基づいて短期運転行動を決定する。
　短期予測部１４３は、長期予測部１４２が決定した運転モードに基づいてポテンシャル場に係るパラメータを更新して短期コスト関数を算出することにより短期運転行動を決定する。短期予測部１４３は、決定した短期運転行動を運転行動決定部１４５に通知する。短期予測部１４３は、決定した短期運転行動を超短期予測部１４４に通知してもよい。
　短期予測部１４３は、現在から短期予測時間までの間の走行中の短期衝突リスクをパラメータとして含む短期コスト関数を複数の運転行動それぞれに対して算出する。短期予測部１４３は、例えば上記の式（２）に基づいて、複数の運転行動の候補それぞれに対して短期コスト関数を算出することができるが、短期予測部１４３は、短期衝突リスク、目的地ポテンシャル及び車線ポテンシャルをパラメータとして含む短期コスト関数を算出してもよい。また、短期予測部１４３は、自車両の運転行動として、自車両の加減速度及びヨーレートを決定してもよい。そして、短期予測部１４３は、以下の式（５）で示されるように、自車両の加減速度及びヨーレートをパラメータとして含む運転行動に対する正則化項を持つ短期コスト関数を算出してもよい。
Figure JPOXMLDOC01-appb-M000005
　短期予測部１４３は、情報取得部１４１が取得した情報を用いて、目的地ポテンシャル及び車線ポテンシャルを特定することにより、基本走行ポテンシャルを特定する。
　式（５）における第３項及び第４項は、滑らかな運転をするために必要な正則化項である。αは加減速度を意味し、γはヨーレートを意味し、ｗαは加減速度の重みであり、ｗγはヨーレートの重みである。
　短期予測部１４３は、短期コスト関数に含まれる顕在リスクとして、所定の予測時間内の自車両の周辺の物体に対する衝突リスクを求める。例えば、短期予測部１４３は、環境認識部４が検出した物体に対する最大衝突リスクを求める。周辺に物体が複数ある場合には、短期予測部１４３は、各物体に対する最大衝突リスクを求める。短期予測部１４３は、求めた複数の物体に対する最大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。ここでは、自車両の進行方向の前方に、大きい物体（例えば、他車両）と小さい物体（例えば、歩行者）とがあり、安全のために小さい物体を確実に回避する必要があるものとする。衝突リスク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るので、大きい物体を回避して小さい物体へ向かうおそれがある。これに対して、最大衝突リスクを用いると、リスクの高い小さい物体を回避するようになり、安全な運転行動が可能となる。
　短期予測部１４３は、以下の式（６）に基づいて、短期コスト関数が最小になる最適運転行動（加減速度及びヨーレート）を決定する。
Figure JPOXMLDOC01-appb-M000006
　このように短期予測部１４３が短期予測コスト関数の値が最小になる場合の運転行動を選択した場合、前方の障害物、又は自車両に近づいている後方の障害物が非常に近い位置に存在するとき、短期予測部１４３が選択可能ないずれの運転行動（加減速度及びヨーレート）を選択しても、衝突リスクが高い値になってしまうという場合がある。このような運転行動を自車両が行うと、速度維持又は車線維持が優先されてしまい、障害物と衝突してしまうおそれがある。
　そこで、短期予測部１４３は、決定した最適運転行動を行った場合の短期衝突リスクを閾値Rthと比較することにより、最適運転行動により自車両を運転させてもよいか、最適運転行動では危険を回避し切れず、超短期予測に基づく他の運転行動が必要であるかを判定する。閾値Rthは、例えば急な加減速（例えば急ブレーキ）の生じやすさに基づいて定められており、閾値Rthが小さければ小さいほど、超短期予測部１４４により急な加減速を行う運転行動が選択されやすくなる。短期予測部１４３は、超短期予測部１４４に運転行動を決定することを指示した場合に、衝突するおそれがあること、又は急な加減速が行われることを示す警告を音又は表示の少なくともいずれかによって自車両の乗員に通知してもよい。
　安全性を向上させるために、短期予測部１４３は、自車両が検出した障害物が、短期予測時間にわたって移動する場合、短期予測時間にわたって静止している場合、又は短期予測時間の一部の時間だけ移動する場合に対して算出した短期衝突リスクに基づいて短期運転行動を決定してもよい。短期予測部１４３は、これらの場合のうち複数（例えば全て）の場合に対して算出した短期衝突リスクに基づいて短期運転行動を決定してもよい。短期予測部１４３は、例えば算出した全ての運転行動に基づく短期衝突リスクのうち、短期衝突リスクが閾値Rth未満になる場合の短期運転行動を選択し、選択した短期運転行動を運転行動決定部１４５に通知する。複数の短期衝突リスクが閾値Rth未満である場合、短期予測部１４３は短期衝突リスクが最小となる短期運転行動を選択する。
　一方、算出した全ての短期衝突リスクが閾値以上である場合、又は短期コスト関数が最小になる場合の短期衝突リスクが閾値Rth以上である場合に、短期予測部１４３は、超短期予測に基づいて運転行動を決定することを超短期予測部１４４に指示する。
［超短期予測］
　超短期予測部１４４は、短期衝突リスクが閾値以上である場合に、現在から短期予測時間よりも短い超短期予測時間までの間の超短期衝突リスクに基づいて短期運転行動と異なる超短期運転行動を決定する。超短期予測部１４４は、例えば短期予測部１４３が算出した全ての短期衝突リスクが閾値以上である場合、又は短期コスト関数が最小になる場合の短期衝突リスクが閾値以上である場合に、現在から短期予測時間よりも短い超短期予測時間までの間の走行中の超短期衝突リスクと、超短期衝突リスクをパラメータとして含む超短期コスト関数と、を算出する。超短期予測部１４４は、超短期衝突リスク、目的地ポテンシャル及び車線ポテンシャルをパラメータとして含む超短期コスト関数を算出してもよい。
　超短期予測部１４４は、例えば上記の式（３）に基づいて、複数の運転行動の候補それぞれに対して、超短期衝突リスク及び車線ポテンシャルをパラメータとして含む超短期コスト関数をすることができるが、超短期予測部１４４は、以下の式（７）で示されるように、超短期予測中の最大リスクRmax collを長短期コスト関数として運転行動を決定する。または、式（８）、（９）、（１０）に示すように基本走行ポテンシャルとして車線ポテンシャルのみを考慮する超短期コスト関数、目的地ポテンシャルと車線ポテンシャルの双方を考慮する超短期コスト関数、さらに自車両の加減速度及びヨーレートをパラメータとして含む正則化項を持つ超短期コスト関数を算出してもよい。
Figure JPOXMLDOC01-appb-M000007
Figure JPOXMLDOC01-appb-M000008
Figure JPOXMLDOC01-appb-M000009
Figure JPOXMLDOC01-appb-M000010
　式（１０）の第３項及び第４項における加減速度の重みｗ’α及びヨーレートの重みｗ’αは、短期予測における短期コスト予測関数（式（５））の第３項及び第４項に含まれていた加減速度の重みｗα及びヨーレートの重みｗγよりも小さい。すなわち、超短期コスト関数においては、加減速度及びヨーレートが与える影響が、短期コスト関数において加減速度及びヨーレートが与える影響よりも小さく、超短期予測部１４４は、加減速度及びヨーレートを大きくしやすい。この場合、短期予測部１４３は、自車両の運転行動の正則化項を含む短期コスト関数を算出し、超短期予測部１４４は、短期コスト関数よりも重みが小さい運転行動の正則化項を含む超短期コスト関数を算出する。このように、超短期予測部１４４は、短期コスト関数よりも重みが小さい加減速度及びヨーレートをパラメータとして含む超短期コスト関数を算出してもよい。超短期予測部１４４がこのような超短期コスト関数を用いることにより、急ブレーキをかけたり急加速をしたりすることにより危険を回避することが可能になる。
　超短期予測部１４４は、以下の式（１１）に基づいて、超短期コスト関数が最小になる最適運転行動（加減速度及びヨーレート）を決定する。超短期予測部１４４は、短期予測部１４３が決定していた最適運転行動を、超短期コスト関数に基づいて決定した最適運転行動に置き換える。
Figure JPOXMLDOC01-appb-M000011
　超短期予測部１４４は、自車両が検出した障害物が超短期予測時間にわたって移動する場合又は超短期予測時間にわたって静止している場合の超短期衝突リスクと、長期予測部が選択した運転モードに対応する車線ポテンシャルとに基づいて超短期運転行動を決定してもよい。超短期予測部１４４がこのように動作することで、危険が目前に迫っている状況において、動的障害物の位置が超短期予測時間の間に移動し続けるという前提で安全な運転行動を選択することができる。
　超短期予測部１４４は、リスクの最小化により周辺障害物を回避できない場合、自車両の周囲の障害物との距離をパラメータとして含む超短期コスト関数を算出してもよい。すなわち、超短期予測部１４４は、周辺の物体との距離をパラメータとして含む超短期コスト関数に基づいて運転行動を決定してもよい。式（７）に対して障害物との距離のパラメータとして導入した超短期コスト関数は、以下の式（１２）により表される。
Figure JPOXMLDOC01-appb-M000012
 　ここで、dminは周辺の物体との最小の距離であり、daveは複数の周辺物体との平均距離である。
　dmin及びdaveは以下の式（１３）により算出される。（Xts’ ego, Yts’ ego）は時刻ｔｓ’後における自車両の位置を示し、（Xi,ts’ obj, Y i,ts’ obj）は時刻ｔｓ’後におけるｉ番目の物体の位置を示す。
Figure JPOXMLDOC01-appb-M000013
　超短期予測部１４４は、短期予測部１４３が運転行動を選択するための時間である短期予測時間よりも短い超短期予測時間の衝突リスクに基づいて運転行動を決定する。超短期予測部１４４がこのように短い時間で予測することで、短期予測部１４３が選択した運転行動に対応する短期衝突リスクが大きい場合であっても、短期予測時間よりも短い超短期予測時間の範囲内で比較的危険な運転行動と比較的安全な運転行動を判別しやすい。なお、長期予測部１４２、短期予測部１４３及び超短期予測部１４４は、障害物の移動を当該障害物が検出された時点の速度及び加速度の双方に従って移動すると仮定して運転行動を決定してもよい。
［運転行動の決定］
　運転行動決定部１４５は、超短期予測部１４４から通知された運転行動又は運転行動決定部１４５から通知された運転行動で自車両を走行させることを決定し、決定した運転行動を示す運転行動データを、自車両の走行を制御する装置又はユニットに通知する。すなわち、運転行動決定部１４５は、超短期予測部１４４が超短期コスト関数を算出した場合、超短期コスト関数に基づいて運転行動を決定し、超短期予測部１４４が超短期コスト関数を算出していない場合、短期コスト関数に基づいて運転行動を決定する。
［制御装置１０における処理のフローチャート］
　図５は、制御装置１０における処理の流れを示すフローチャートである。制御装置１０は、自車両のエンジンが起動している間、図５に示すＳ１１からＳ１８までの処理を繰り返す。
　まず、情報取得部１４１は、車両検出部２、環境認識部４及び地図データベース６から各種の情報を取得し（Ｓ１１）、取得した情報に基づいてポテンシャルマップを算出する（Ｓ１２）。ポテンシャルマップは、目的地ポテンシャル及び車線ポテンシャルを示すデータである。
　長期予測部１４２は、ポテンシャルマップに基づいて、複数の運転モードから最適な運転モードを選択する（Ｓ１３）。続いて、短期予測部１４３は、長期予測部１４２が選択した運転モードに対応するポテンシャルを用いて短期予測を実行することにより、最適な運転行動を選択する（Ｓ１４）。短期予測の処理の流れについては後述する。
　短期予測部１４３が選択した最適な短期運転行動に対応する短期衝突リスクが閾値以上である場合（Ｓ１５においてＹＥＳ）、超短期予測が必要であると判定し、超短期予測を実行するように超短期予測部１４４に指示する。超短期予測部１４４は、指示に基づいて超短期予測を実行する（Ｓ１６）。超短期予測の処理の流れについては後述する。
　短期予測部１４３が選択した最適な短期運転行動に対応する短期衝突リスクが閾値未満である場合（Ｓ１５においてＮＯ）、運転行動決定部１４５は、短期予測部１４３が選択した短期運転行動を自車両の運転行動に決定する（Ｓ１７）。短期予測部１４３が選択した最適な短期運転行動に対応する短期衝突リスクが閾値以上である場合（Ｓ１５においてＹＥＳ）、運転行動決定部１４５は、超短期予測部１４４が選択した超短期運転行動を自車両の運転行動に決定する（Ｓ１７）。制御装置１０は、運転を終了するまでの間（Ｓ１８においてＮＯ）、Ｓ１１からＳ１８までの処理を繰り返す。
［短期予測のフローチャート］
　図６は、短期予測の流れを示すフローチャートである。まず、短期予測部１４３は、複数の運転行動から、短期コスト関数を算出して適否を調査する対象とする運転行動を選択する（Ｓ１４１）。続いて、短期予測部１４３は、時刻tsにおける自車両の状態を特定する（Ｓ１４２）。具体的には、短期予測部１４３は、自車両の位置（例えば後輪軸の中心のＸ座標、Ｙ座標）、ヨー角及び速度を特定する。
　続いて、短期予測部１４３は、基本走行ポテンシャルを算出する（Ｓ１４３）。具体的には、短期予測部１４３は、目的地ポテンシャルと車線ポテンシャルを加算することにより、基本走行ポテンシャルを算出する。また、短期予測部１４３は、短期予測時間内の衝突リスクを算出する（Ｓ１４４）。短期予測部１４３は、算出した基本走行ポテンシャル及び衝突リスクをパラメータとして含む短期コスト関数に基づいてコストを算出し（Ｓ１４５）、算出したコストを運転行動に関連付けて記憶部１２に記憶させる。
　短期予測部１４３は、選択可能な全ての運転行動についてコストを算出したか否かを判定し（Ｓ１４６）、全ての運転行動を選択してコストを算出していない場合（Ｓ１４６においてＮＯ）、Ｓ１４１に処理を戻す。短期予測部１４３は、選択可能な全ての運転行動についてコストを算出した場合（Ｓ１４６においてＹＥＳ）、記憶部１２に記憶された複数の運転行動のうちコストが最小になった運転行動を短期運転行動に決定する（Ｓ１４７）。
［超短期予測のフローチャート］
　図７は、超短期予測の流れを示すフローチャートである。まず、超短期予測部１４４は、複数の運転行動から、超短期コスト関数を算出して適否を調査する対象とする運転行動を選択する（Ｓ１６１）。続いて、超短期予測部１４４は、自車両の状態を特定する（Ｓ１６２）。具体的には、超短期予測部１４４は、時刻ts’における自車両の位置、ヨー角及び速度を特定する。
　続いて、超短期予測部１４４は、車線ポテンシャルを算出する（Ｓ１６３）。また、超短期予測部１４４は、短期予測時間内の衝突リスクを算出する（Ｓ１６４）。超短期予測部１４４は、算出した車線ポテンシャル及び衝突リスクをパラメータとして含む超短期コスト関数に基づいてコストを算出し（Ｓ１６５）、算出したコストを運転行動に関連付けて記憶部１２に記憶させる。
　超短期予測部１４４は、選択可能な全ての運転行動についてコストを算出したか否かを判定し（Ｓ１６６）、全ての運転行動を選択してコストを算出していない場合（Ｓ１６６においてＮＯ）、Ｓ１６１に処理を戻す。超短期予測部１４４は、選択可能な全ての運転行動についてコストを算出した場合（Ｓ１６６においてＹＥＳ）、記憶部１２に記憶された複数の運転行動のうちコストが最小になった運転行動を超短期運転行動に決定する（Ｓ１６７）。
［制御装置１０による効果］
　以上説明したように、制御装置１０は、ポテンシャルをパラメータに含み、それぞれ異なる長期予測、短期予測、超短期予測のそれぞれのコスト関数の最小化を実施することで最終的な運転行動を決定する。制御装置１０は、それぞれの予測の目的に応じてコスト関数に含まれるパラメータを変えることで、自車両の周辺の交通状況に応じて最適な運転行動を決定することができる。その結果、自動車線変更（ＡＬＣ）、車速維持システム（ＣＣ）、車間距離制御装置（ＡＣＣ）、車線維持システム（ＬＫＳ）、衝突被害軽減ブレーキ（ＡＥＢ）、自動操舵回避（ＡＥＳ）等の各種の機能に相当する運転行動周辺の状況に応じて最適に動作させることができる。したがって、自動運転における複雑な交通環境に対して安全を確保するとともに運転規範に従う汎用性及びロバスト性に優れた運転行動を決定することが可能になり、安全性が向上するとともに規範的な走行を実現できる。
　前述のような複数の運転支援機能の組み合わせを、自車両の周辺の交通状況ごとに予め設定しようとすると、膨大な数の組み合わせの動作を開発段階で決定する必要があるため、大きな開発工数が要する。また、市街地又は高速道路の合流部等のように複雑な交通環境に対する汎用性やロバスト性も不十分である。これに対して、本実施形態に係る制御装置１０のように、長期予測に基づいて運転モードを決定し、決定された運転モードで走行中のポテンシャルに基づいて短期予測及び超短期予測を用いて運転行動を決定することで、汎用性及びロバスト性を向上させることができる。
　また、超短期予測部１４４は、短期予測部１４３が算出した全ての短期衝突リスクが閾値以上である場合、又は短期コスト関数が最小になる場合の短期衝突リスクが閾値以上である場合に、超短期衝突リスクを算出し、超短期衝突リスクをパラメータとして含む超短期コスト関数に基づいて運転行動を決定する。このように、制御装置１０は、短期予測において決定した運転行動では十分にリスクが小さくならなかった場合に、加減速度やヨーレートの条件を緩和した超短期予測により、リスクを回避可能な運転行動を決定する。
　制御装置１０がこのように動作することで、単一の長さの予測時間に基づいて自動運転をしていた場合には回避できない衝突リスクを回避することが可能になる。また、急な飛び出しや割り込みに対しても最大限安全を確保するような適切な運転行動を実行しやすくなる。
　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
２　車両検出部
４　環境認識部
６　地図データベース
１０　制御装置
１２　記憶部
１４　制御部
１４１　情報取得部
１４２　長期予測部
１４３　短期予測部
１４４　超短期予測部
１４５　運転行動決定部

Claims (10)

  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、
    　現在から短期予測時間までの間の走行中の短期衝突リスクをパラメータとして含む短期コスト関数を複数の運転行動それぞれに対して算出する短期予測部と、
    　前記短期予測部が算出した全ての前記短期衝突リスクが閾値以上である場合、又は前記短期コスト関数が最小になる場合の前記短期衝突リスクが閾値以上である場合に、現在から前記短期予測時間よりも短い超短期予測時間までの間の走行中の超短期衝突リスクと、前記超短期衝突リスクをパラメータとして含む超短期コスト関数と、を算出する超短期予測部と、
    　前記超短期予測部が前記超短期コスト関数を算出した場合、前記超短期コスト関数に基づいて運転行動を決定し、前記超短期予測部が前記超短期コスト関数を算出していない場合、前記短期コスト関数に基づい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. 　前記短期予測部は、前記短期衝突リスク、目的地ポテンシャル及び車線ポテンシャルをパラメータとして含む前記短期コスト関数を算出する、
    　請求項１に記載の自動運転装置。
  3. 　前記超短期予測部は、前記超短期衝突リスク及び車線ポテンシャルをパラメータとして含む前記超短期コスト関数を算出する、
    　請求項１又は２に記載の自動運転装置。
  4. 　前記超短期予測部は、前記超短期衝突リスク、目的地ポテンシャル及び車線ポテンシャルをパラメータとして含む前記超短期コスト関数を算出する、
    　請求項１から３のいずれかに記載の自動運転装置。
  5. 　前記短期予測部は、前記自車両の運転行動の正則化項を含む前記短期コスト関数を算出し、
    　前記超短期予測部は、前記短期コスト関数よりも重みが小さい前記運転行動の正則化項を含む前記超短期コスト関数を算出する、
    　請求項１から４のいずれか一項に記載の自動運転装置。
  6. 　前記短期予測部は、前記自車両の加減速度及びヨーレートをパラメータとして含む前記短期コスト関数を算出し、前記短期コスト関数が最小になる最適な加減速度及びヨーレートを決定する、
    　請求項５に記載の自動運転装置。
  7. 　前記短期予測部は、決定した最適な加減速度及びヨーレートにより前記自車両を運転させた場合の前記短期衝突リスクが前記閾値以上である場合に、前記超短期予測部に前記運転行動を決定させる、
    　請求項６に記載の自動運転装置。
  8. 　前記短期予測部は、前記自車両の運転行動として、自車両の加減速度及びヨーレートを決定する、
    　請求項１から７のいずれか一項に記載の自動運転装置。
  9. 　前記短期予測部は、前記自車両が検出した障害物が、前記短期予測時間にわたって移動する場合、前記短期予測時間にわたって静止している場合、又は前記短期予測時間の一部の時間だけ移動する場合に対して算出した前記短期衝突リスクに基づいて前記運転行動を決定する、
    　請求項１から８のいずれか一項に記載の自動運転装置。
  10. 　前記超短期予測部は、前記自車両の周辺の障害物との距離をパラメータとして含む前記超短期コスト関数を算出する、
    　請求項１から９のいずれか一項に記載の自動運転装置。
PCT/JP2021/033370 2020-09-25 2021-09-10 自動運転装置 WO2022065084A1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2020161347A JP7259821B2 (ja) 2020-09-25 2020-09-25 自動運転装置
JP2020-161347 2020-09-25

Publications (1)

Publication Number Publication Date
WO2022065084A1 true WO2022065084A1 (ja) 2022-03-31

Family

ID=80846518

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2021/033370 WO2022065084A1 (ja) 2020-09-25 2021-09-10 自動運転装置

Country Status (2)

Country Link
JP (1) JP7259821B2 (ja)
WO (1) WO2022065084A1 (ja)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7384258B1 (ja) 2022-09-26 2023-11-21 いすゞ自動車株式会社 自動運転装置
JP7400911B1 (ja) 2022-09-26 2023-12-19 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
JP2011096105A (ja) * 2009-10-30 2011-05-12 Toyota Motor Corp 運転支援装置
JP2019214318A (ja) * 2018-06-13 2019-12-19 本田技研工業株式会社 車両制御装置、車両制御方法、およびプログラム

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
JP2011096105A (ja) * 2009-10-30 2011-05-12 Toyota Motor Corp 運転支援装置
JP2019214318A (ja) * 2018-06-13 2019-12-19 本田技研工業株式会社 車両制御装置、車両制御方法、およびプログラム

Also Published As

Publication number Publication date
JP7259821B2 (ja) 2023-04-18
JP2022054264A (ja) 2022-04-06

Similar Documents

Publication Publication Date Title
EP3819182B1 (en) Delay decision making for autonomous driving vehicles in response to obstacles based on confidence level and distance
CN111775945B (zh) 用于自动驾驶的用于检测最接近的路径内对象的方法和装置
CN109002041B (zh) 一种车辆避障方法
WO2022065084A1 (ja) 自動運転装置
CN113552870A (zh) 基于感知结果的动态速度限制调整系统及方法
US11097731B2 (en) Vehicle overspeed avoidance based on map
WO2022065078A1 (ja) 自動運転装置
EP3447449B1 (en) Host vehicle position confidence degree calculation device
CN112985435B (zh) 用于操作自主驾驶车辆的方法及系统
US11904890B2 (en) Lane change system for lanes with different speed limits
US11787440B2 (en) Lane boundary and vehicle speed based nudge decision
US11577758B2 (en) Autonomous vehicle park-and-go scenario design
US11407419B2 (en) Central line shifting based pre-change lane path planning
US11608056B2 (en) Post collision damage reduction brake system incorporating front obstacle avoidance
WO2022065085A1 (ja) 自動運転装置
CN115871712A (zh) 操作自主驾驶车辆的方法和系统
US11325529B2 (en) Early brake light warning system for autonomous driving vehicle
US11724717B2 (en) Implementation of dynamic cost function of self-driving vehicles
CN113753071A (zh) 预防减速规划
CN113492848A (zh) 用于自主驾驶车辆安全操作员的前方碰撞告警警报系统
US20230202516A1 (en) Planning under prediction with confidence region for an autonomous driving vehicle
US11807274B2 (en) L4 auto-emergency light system for future harsh brake
US11577644B2 (en) L3-level auto-emergency light system for ego vehicle harsh brake
US20240005066A1 (en) Decoupled prediction evaluation

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: 21872215

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: 21872215

Country of ref document: EP

Kind code of ref document: A1