JP2018173816A - 運転支援方法およびそれを利用した運転支援装置、自動運転制御装置、車両、プログラム、運転支援システム - Google Patents

Abstract

【課題】センサにおける検出精度の悪化の影響を低減する技術を提供する。【解決手段】運転支援装置４０は、センサ２２での検出結果をもとに学習させた運転行動モデルで車両の運転行動を推定する処理を行う。検出情報入力部５２には、検出結果を含む検出情報が入力される。選択部７０は、検出情報入力部５２に入力された検出情報に含まれた検出結果のうち、センサ２２が検出可能な範囲よりも狭い、かつ予め定められた選択範囲内に含まれる検出結果を選択する。処理部７２は、選択部７０において選択した検出結果をもとに処理を実行する。【選択図】図３

Description

本発明は、車両、車両に設けられる運転支援方法およびそれを利用した運転支援装置、自動運転制御装置、プログラム、運転支援システムに関する。

運転行動等をセンシングしたデータを使用して、運転者の運転が支援される。例えば、測定データをパラメータとしてドライバモデルに入力し、ドライバモデルからは次の運転操作が出力される（例えば、特許文献１参照）。

特開２００９−２３７９３７号公報

車両に搭載したセンサでの検出結果を使用して、運転行動モデルを学習させたり、運転行動を推定したりすることがなされる。このようなセンサは、性能限界に近づくほど、誤検出および未検出が多くなる。誤検出および未検出が多くなった検出結果を使用して学習させた運転行動モデルは好適でなくなる。また、そのような運転行動モデルを使用して推定した運転行動も好適でなくなる。

本発明はこうした状況に鑑みなされたものであり、その目的は、センサにおける検出精度の悪化の影響を低減する技術を提供することにある。

上記課題を解決するために、本発明のある態様の運転支援装置は、センサでの検出結果をもとに学習させた運転行動モデルで車両の運転行動を推定する処理を行う運転支援装置であって、検出結果を含む検出情報が入力される検出情報入力部と、検出情報入力部に入力された検出情報に含まれた検出結果のうち、センサが検出可能な範囲よりも狭い、かつ予め定められた選択範囲内に含まれる検出結果を選択する選択部と、選択部において選択した検出結果をもとに処理を実行する処理部と、を備える。

本発明の別の態様は、自動運転制御装置である。この装置は、センサでの検出結果をもとに学習させた運転行動モデルで車両の運転行動を推定する処理を行う自動運転装置であって、検出結果を含む検出情報が入力される検出情報入力部と、検出情報入力部に入力された検出情報に含まれた検出結果のうち、センサが検出可能な範囲よりも狭い、かつ予め定められた選択範囲内に含まれる検出結果を選択する選択部と、選択部において選択した検出結果をもとに処理を実行する処理部と、処理部における処理結果をもとに車両の自動運転を制御する自動運転制御部と、を備える。

本発明のさらに別の態様は、車両である。この車両は、センサでの検出結果をもとに学習させた運転行動モデルで車両の運転行動を推定する処理を行う運転支援装置を備える車両であって、運転支援装置は、検出結果を含む検出情報が入力される検出情報入力部と、検出情報入力部に入力された検出情報に含まれた検出結果のうち、センサが検出可能な範囲よりも狭い、かつ予め定められた選択範囲内に含まれる検出結果を選択する選択部と、選択部において選択した検出結果をもとに処理を実行する処理部と、を備える。

本発明のさらに別の態様は、運転支援方法である。この方法は、センサでの検出結果をもとに学習させた運転行動モデルで車両の運転行動を推定する処理を行う運転支援方法であって、検出結果を含む検出情報が入力されるステップと、入力された検出情報に含まれた検出結果のうち、センサが検出可能な範囲よりも狭い、かつ予め定められた選択範囲内に含まれる検出結果を選択するステップと、選択した検出結果をもとに処理を実行するステップと、を備える。

本発明のさらに別の態様は、運転支援システムである。この運転支援システムは、センサプロファイルを保持する保持装置と、保持装置からセンサプロファイルを取得するとともに、センサでの検出結果をもとに学習させた運転行動モデルで車両の運転行動を推定する処理を行う運転支援装置とを備える。運転支援装置は、検出結果を含む検出情報が入力される検出情報入力部と、検出情報入力部に入力された検出情報に含まれた検出結果のうち、センサが検出可能な範囲よりも狭い、かつ予め定められた選択範囲内に含まれる検出結果を選択する選択部と、選択部において選択した検出結果をもとに処理を実行する処理部と、を備える。選択部は、センサプロファイルから選択範囲を取得する。

なお、以上の構成要素の任意の組合せ、構成要素の一部、例えば強化学習部を通信網を介したコンピュータで逐次あるいは一日など所定時間分をまとめて処理する構成、本発明の表現を装置、システム、方法、プログラム、プログラムを記録した記録媒体、本装置を搭載した車両などの間で変換したものもまた、本発明の態様として有効である。

本発明によれば、センサにおける検出精度の悪化の影響を低減できる。

実施の形態１乃至４に係る車両の構成を示す図である。 実施の形態１乃至４に係る車両の室内を模式的に示す図である。 （ａ）−（ｂ）は、実施の形態１乃至４に係る運転支援装置の構成を示す図である。 実施の形態１乃至４に係るセンサによる検出の概要を示す図である。 実施の形態１乃至４に係る運転支援装置に取得されるセンサプロファイルのデータ構造を示す図である。 （ａ）−（ｂ）は、実施の形態１乃至４に係る処理部の処理概要を示す図である。 （ａ）−（ｂ）は、実施の形態１乃至４に係るセンサによる検出の別の概要を示す図である。 実施の形態１乃至４に係る運転支援装置による学習手順を示すフローチャートである。 実施の形態１乃至４に係る運転支援装置による推定手順を示すフローチャートである。 （ａ）−（ｂ）は、実施の形態２に係る運転支援装置の構成を示す図である。 （ａ）−（ｂ）は、実施の形態２に係るセンサによる検出の概要を示す図である。 （ａ）−（ｂ）は、実施の形態３に係る運転支援装置の構成を示す図である。 （ａ）−（ｂ）は、実施の形態３に係るセンサによる検出の概要を示す図である。 （ａ）−（ｂ）は、実施の形態４に係る運転支援装置の構成を示す図である。 実施の形態４に係るセンサによる検出の概要を示す図である。

（実施の形態１）
本発明を具体的に説明する前に、概要を述べる。本実施の形態は、自動車の自動運転に関する。特に、本実施の形態は、車両の運転行動に関する情報を車両の乗員（例えば運転者）との間でやり取りするためのＨＭＩ（Ｈｕｍａｎ Ｍａｃｈｉｎｅ Ｉｎｔｅｒｆａｃｅ）を制御する装置（以下「運転支援装置」とも呼ぶ。）に関する。また、運転支援装置は、自動運転のために運転行動モデルを学習させること（以下、「学習処理」という）、運転行動モデルをもとに運転行動を推定すること（以下、「推定処理」という）の少なくとも一方を実行する。

本実施の形態における各種の用語は次のように定義される。「運転行動」は、車両の走行中または停止時の操舵や制動などの作動状態、もしくは自動運転制御に係る制御内容を含んでおり、例えば、定速走行、加速、減速、一時停止、停止、車線変更、進路変更、右左折、駐車などである。また、運転行動は、巡航（車線維持で車速維持）、車線維持、先行車追従、追従時のストップアンドゴー、追越、合流車両への対応、高速道への進入と退出を含めた乗換（インターチェンジ）、合流、工事ゾーンへの対応、緊急車両への対応、割込み車両への対応、右左折専用レーンへの対応、歩行者・自転車とのインタラクション、車両以外の障害物回避、標識への対応、右左折・Ｕターン制約への対応、車線制約への対応、一方通行への対応、交通標識への対応、交差点・ラウンドアバウトへの対応などであってもよい。

「運転行動推定エンジン」として、ＤＬ（Ｄｅｅｐ Ｌｅａｒｎｉｎｇ：深層学習）、ＭＬ（Ｍａｃｈｉｎｅ Ｌｅａｒｎｉｎｇ：機械学習）、フィルタ等のいずれか、あるいはそれらの組合せが使用される。Ｄｅｅｐ Ｌｅａｒｎｉｎｇは、例えば、ＣＮＮ（Ｃｏｎｖｏｌｕｔｉｏｎａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ：畳み込みニューラルネットワーク)、ＲＮＮ（Ｒｅｃｕｒｒｅｎｔ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ：リカレント・ニューラル・ネットワーク)である。また、Ｍａｃｈｉｎｅ Ｌｅａｒｎｉｎｇは、例えば、ＳＶＭ（Ｓｕｐｐｏｒｔ Ｖｅｃｔｏｒ Ｍａｃｈｉｎｅ）である。さらに、フィルタは、例えば、協調フィルタリングである。

「運転行動モデル」は、運転行動推定エンジンに応じて一意に定められる。ＤＬの場合の運転行動モデルは学習されたニューラルネットワーク（Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）であり、ＳＶＭの場合の運転行動モデルは学習された予測モデルであり、協調フィルタリングの場合の運転行動モデルは走行環境データと運転行動データとを紐付けたデータである。ルールの場合の運転行動モデルは入力と出力とを紐付けたデータである。

このような定義のもと、運転支援装置は、センサにおける検出結果と教師付けデータを使用して学習処理を実行するとともに、センサにおける検出結果と運転行動モデルを使用して推定処理を実行する。センサの検出精度は、検出可能範囲に近づくほど悪化し、誤検出および未検出が増加する。そのような状態でセンサを使用した場合、前述のごとく、誤検出および未検出の影響によって、学習させた運転行動モデルは好適でなくなるとともに、推定した運転行動も好適でなくなる。そのため、このようなセンサの使用を抑制するために、一般的に、センサの製造元あるいは販売元は、センサの検出精度が規定値を満たす範囲として性能仕様範囲を定め、性能仕様範囲内でのセンサの仕様を推奨する。ここで、規定値は、例えば、検出結果が正確である確率が９０％のように定められる。また、性能仕様範囲は検出可能範囲よりも狭くなるように定められる。

本実施の形態では、センサにおける検出精度の悪化の影響を低減するために、性能仕様範囲よりもさらに狭くなるような選択範囲を規定する。運転支援装置は、選択範囲に含まれた検出結果のみを使用して、学習処理あるいは推定処理を実行する。以下、本発明の実施の形態について、図面を参照して詳細に説明する。なお、以下に説明する各実施の形態は一例であり、本発明はこれらの実施の形態により限定されるものではない。

図１は、車両１００の構成を示し、特に自動運転車両に関する構成を示す。車両１００は、自動運転モードで走行可能であり、報知装置２、入力装置４、無線装置８、運転操作部１０、検出部２０、自動運転制御装置３０、運転支援装置４０を含む。図１に示す各装置の間は、専用線あるいはＣＡＮ（Ｃｏｎｔｒｏｌｌｅｒ Ａｒｅａ Ｎｅｔｗｏｒｋ）等の有線通信で接続されてもよい。また、ＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ）、Ｅｔｈｅｒｎｅｔ（登録商標）、Ｗｉ−Ｆｉ（登録商標）、Ｂｌｕｅｔｏｏｔｈ（登録商標）等の有線通信または無線通信で接続されてもよい。

報知装置２は、車両１００の走行に関する情報を乗員に報知する。報知装置２は、例えば、車内に設置されているカーナビゲーションシステム、ヘッドアップディスプレイ、センタディスプレイである。報知装置２は、ステアリングホイール、ピラー、ダッシュボード、メータパネル周りなどに設置されているＬＥＤ（Ｌｉｇｈｔ Ｅｍｉｔｔｉｎｇ Ｄｉｏｄｅ）などの発光体などのような情報を表示する表示部でもよい。また、報知装置２は、情報を音声に変換して乗員に報知するスピーカであってもよいし、あるいは、乗員が感知できる位置（例えば、乗員の座席、ステアリングホイールなど）に設けられる振動体であってもよい。さらに、報知装置２は、これらの組合せであってもよい。

入力装置４は、乗員による操作入力を受けつけるユーザインタフェース装置である。例えば入力装置４は、タッチパネル、レバー、ボタン、スイッチ、ジョイスティックやボリューム等のコントローラ、非接触でジェスチャーを認識するカメラ等のセンサ、音声を認識するマイク等のセンサや、それらの組合せであり、乗員が入力した自車の自動運転に関する情報を受けつける。また、自動運転と手動運転を切りかえるための操作信号を受けつけてもよい。入力装置４は、受けつけた情報を操作信号として運転支援装置４０に出力する。

図２は、車両１００の室内を模式的に示す。報知装置２は、ヘッドアップディスプレイ（ＨＵＤ、Ｈｅａｄ−Ｕｐ Ｄｉｓｐｌａｙ）２ａであってもよく、センタディスプレイ２ｂであってもよい。入力装置４は、ステアリング１１に設けられた第１操作部４ａであってもよく、運転席と助手席との間に設けられた第２操作部４ｂであってもよく、ジェスチャーを認識するカメラ等のセンサである第３操作部４ｃであってもよい。なお、報知装置２と入力装置４は一体化されてもよく、例えばタッチパネルディスプレイとして実装されてもよい。車両１００には、自動運転に関する情報を音声にて乗員へ提示するスピーカ６がさらに設けられてもよい。この場合、運転支援装置４０は、自動運転に関する情報を示す画像を報知装置２に表示させ、それとともに、またはそれに代えて、自動運転に関する情報を示す音声をスピーカ６から出力させてもよい。図１に戻る。

無線装置８は、携帯電話通信システム、ＷＭＡＮ（Ｗｉｒｅｌｅｓｓ Ｍｅｔｒｏｐｏｌｉｔａｎ Ａｒｅａ Ｎｅｔｗｏｒｋ）等に対応しており、無線通信を実行する。運転操作部１０は、ステアリング１１、ブレーキペダル１２、アクセルペダル１３、ウィンカスイッチ１４を備える。ステアリング１１、ブレーキペダル１２、アクセルペダル１３、ウィンカスイッチ１４は、ステアリングＥＣＵ、ブレーキＥＣＵ、エンジンＥＣＵとモータＥＣＵおよびウィンカコントローラにより電子制御が可能である。自動運転モードにおいて、ステアリングＥＣＵ、ブレーキＥＣＵ、エンジンＥＣＵ、モータＥＣＵは、自動運転制御装置３０から供給される制御信号に応じて、アクチュエータを駆動する。またウィンカコントローラは、自動運転制御装置３０から供給される制御信号に応じてウィンカランプを点灯あるいは消灯する。

検出部２０は、車両１００の周囲状況および走行状態を検出する。検出部２０は、例えば、車両１００の速度、車両１００に対する先行車両の相対速度、車両１００と先行車両との距離、車両１００に対する側方車線の車両の相対速度、車両１００と側方車線の車両との距離、車両１００の位置情報を検出する。検出部２０は、検出した各種情報（以下、「検出情報」という）を自動運転制御装置３０に出力する。また、検出部２０は、自動運転制御装置３０を介して運転支援装置４０に検出情報を出力してもよいし、運転支援装置４０に直接出力してもよい。検出部２０は、位置情報取得部２１、センサ２２、速度情報取得部２３、地図情報取得部２４を含む。

位置情報取得部２１は、ＧＮＳＳ（Ｇｌｏｂａｌ Ｎａｖｉｇａｔｉｏｎ Ｓａｔｅｌｌｉｔｅ Ｓｙｓｔｅｍ（ｓ））受信機から車両１００の現在位置を取得する。センサ２２は、車外の状況および車両１００の状態を検出するための各種センサの総称である。車外の状況を検出するためのセンサとして例えばカメラ、ミリ波レーダ、ＬＩＤＡＲ（Ｌｉｇｈｔ Ｄｅｔｅｃｔｉｏｎ ａｎｄ Ｒａｎｇｉｎｇ、Ｌａｓｅｒ Ｉｍａｇｉｎｇ Ｄｅｔｅｃｔｉｏｎ ａｎｄ Ｒａｎｇｉｎｇ）、ソナー、気温センサ、気圧センサ、湿度センサ、照度センサ等が搭載される。車外の状況は、車線情報を含む自車の走行する道路状況、天候を含む環境、自車周辺状況、近傍位置にある他車両（隣接車線を走行する他車両等）を含む。なお、センサ２２が検出できる車外の情報であれば何でもよい。また車両１００の状態を検出するためのセンサ２２として例えば、加速度センサ、ジャイロセンサ、地磁気センサ、傾斜センサ等が搭載される。

速度情報取得部２３は、車速センサから車両１００の現在速度を取得する。地図情報取得部２４は、地図データベースから車両１００の現在位置周辺の地図情報を取得する。地図データベースは、車両１００内の記録媒体に記録されていてもよいし、使用時にネットワークを介して地図サーバからダウンロードしてもよい。なお、地図情報には、道路、交差点に関する情報が含まれている。

自動運転制御装置３０は、自動運転制御機能を実装した自動運転コントローラであり、自動運転における車両１００の行動を決定する。自動運転制御装置３０は、制御部３１、記憶部３２、Ｉ／Ｏ（Ｉｎｐｕｔ／Ｏｕｔｐｕｔ部、入出力部）部３３を備える。制御部３１の構成はハードウェア資源とソフトウェア資源の協働、またはハードウェア資源のみにより実現できる。ハードウェア資源としてプロセッサ、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、その他のＬＳＩを利用でき、ソフトウェア資源としてオペレーティングシステム、アプリケーション、ファームウェア等のプログラムを利用できる。記憶部３２は、フラッシュメモリ等の不揮発性記録媒体を備える。Ｉ／Ｏ部３３は、各種の通信フォーマットに応じた通信制御を実行する。例えば、Ｉ／Ｏ部３３は、自動運転に関する情報を運転支援装置４０に出力するとともに、制御コマンドを運転支援装置４０から入力する。また、Ｉ／Ｏ部３３は、検出情報を検出部２０から入力する。

制御部３１は、運転支援装置４０から入力した制御コマンド、検出部２０あるいは各種ＥＣＵから収集した各種情報を自動運転アルゴリズムに適用して、車両１００のアクセルスロットル開度、ステアリング舵角等の自動制御対象を制御するための制御値を算出する。制御部３１は算出した制御値を、各制御対象のＥＣＵまたはコントローラに伝達する。本実施の形態ではステアリングＥＣＵ、ブレーキＥＣＵ、エンジンＥＣＵ、ウィンカコントローラに伝達する。なお電気自動車あるいはハイブリッドカーの場合、エンジンＥＣＵに代えてまたは加えてモータＥＣＵに制御値を伝達する。

運転支援装置４０は、車両１００と乗員との間のインタフェース機能を実行するＨＭＩコントローラであり、制御部４１、記憶部４２、Ｉ／Ｏ部４３を備える。制御部４１は、ＨＭＩ制御等の各種データ処理を実行する。制御部４１は、ハードウェア資源とソフトウェア資源の協働、またはハードウェア資源のみにより実現できる。ハードウェア資源としてプロセッサ、ＲＯＭ、ＲＡＭ、その他のＬＳＩを利用でき、ソフトウェア資源としてオペレーティングシステム、アプリケーション、ファームウェア等のプログラムを利用できる。

記憶部４２は、制御部４１により参照され、または更新されるデータを記憶する記憶領域である。例えばフラッシュメモリ等の不揮発の記録媒体により実現される。Ｉ／Ｏ部４３は、各種の通信フォーマットに応じた各種の通信制御を実行する。Ｉ／Ｏ部４３は、操作信号入力部５０、画像・音声出力部５１、検出情報入力部５２、コマンドＩＦ（Ｉｎｔｅｒｆａｃｅ、インタフェース）５３、通信ＩＦ５６を備える。

操作信号入力部５０は、入力装置４に対してなされた乗員もしくは車外にいるユーザの操作による操作信号を入力装置４から受信し、制御部４１へ出力する。画像・音声出力部５１は、制御部４１が生成した画像データあるいは音声メッセージを報知装置２へ出力して表示させる。検出情報入力部５２は、検出部２０による検出処理の結果であり、車両１００の現在の周囲状況および走行状態を示す検出情報を検出部２０から受信し、制御部４１へ出力する。

コマンドＩＦ５３は、自動運転制御装置３０とのインタフェース処理を実行し、行動情報入力部５４とコマンド出力部５５を含む。行動情報入力部５４は、自動運転制御装置３０から送信された車両１００の自動運転に関する情報を受信し、制御部４１へ出力する。コマンド出力部５５は、自動運転制御装置３０に対して自動運転の態様を指示する制御コマンドを、制御部４１から受けつけて自動運転制御装置３０へ送信する。

通信ＩＦ５６は、無線装置８とのインタフェース処理を実行する。通信ＩＦ５６は、制御部４１から出力されたデータを無線装置８へ送信し、無線装置８から車外の装置へ送信させる。また、通信ＩＦ５６は、無線装置８により転送された、車外の装置からのデータを受信し、制御部４１へ出力する。

なお、ここでは、自動運転制御装置３０と運転支援装置４０は別個の装置として構成される。変形例として、図１の破線で示すように、自動運転制御装置３０と運転支援装置４０を１つのコントローラに統合してもよい。言い換えれば、１つの自動運転制御装置が、図１の自動運転制御装置３０と運転支援装置４０の両方の機能を備える構成であってもよい。

図３（ａ）−（ｂ）は、運転支援装置４０の構成を示す。図３（ａ）は、学習処理に関する構成を示し、図３（ｂ）は、推定処理に関する構成を示す。ここでは、学習処理を説明してから推定処理を説明する。図３（ａ）において、制御部４１は、選択部７０、処理部７２を含み、処理部７２は、学習部８０、教師付けデータ８２、運転行動モデル８４を含む。また、センサ２２は、検出情報入力部５２に接続され、検出情報入力部５２は、選択部７０に接続される。

センサ２２は、前述のごとく、カメラ、ミリ波レーダ、ＬＩＤＡＲ、ソナー、気温センサ、気圧センサ、湿度センサ、照度センサ等である。一般的に、車両１００には、複数種類のセンサ２２が搭載されるが、ここでは、説明を明瞭にするために１つのセンサ２２だけが搭載されるとする。図４は、センサ２２による検出の概要を示す。センサ２２は、検出可能範囲２００内に存在する物体、例えば障害物を検出可能である。ここで、正検出結果２５０は、センサ２２によって正しく検出された物体を示し、誤検出結果２５２は、本来は物体が存在していないにもかかわらず、センサ２２によって誤って検出された物体を示す。また、未検出２５４は、本来は物体が存在しているにもかかわらず、センサ２２によって検出されなかった物体を示す。正検出結果２５０の割合が多いほど検出精度が高いといえ、誤検出結果２５２および未検出２５４の割合が多いほど検出精度が低いといえる。

図示のごとく、センサ２２から離れて検出可能範囲２００の境界に近づくほど、誤検出結果２５２および未検出２５４の割合が多くなる。前述のごとく、センサ２２の製造元あるいは販売元は、誤検出結果２５２および未検出２５４の割合が多くなるような状況下でのセンサ２２の使用を抑制するために、性能仕様範囲２０２を規定する。性能仕様範囲２０２は、センサ２２の検出精度が規定値を満たす範囲であり、検出可能範囲２００よりも狭くなるように定められる。つまり、性能仕様範囲２０２において物体を検出する場合に、センサ２２は、規定値を満たす検出精度を有する。なお、センサ２２の種類が変われば、検出可能範囲２００の広さ、性能仕様範囲２０２の広さが変わる。また、同一種類のセンサ２２においても、検出可能範囲２００の広さ、性能仕様範囲２０２の広さが変わることもある。図３に戻る。

検出情報入力部５２には、センサ２２からの検出情報が入力される。検出情報にはセンサ２２での検出結果が含まれ、検出結果では、センサ２２が検出した物体の距離と方向とが、センサ２２を起点として示される。検出情報入力部５２は、検出情報を選択部７０に出力する。選択部７０は、検出情報入力部５２から検出情報を受けつける。また、選択部７０は、検出結果と比較すべき選択範囲をセンサプロファイル６０から取得する。図４に示されるように、選択範囲２０４は、性能仕様範囲２０２よりも狭くなるように規定される。このような選択範囲２０４は、性能仕様範囲２０２よりもセンサ２２の検出精度が高くなる範囲であるといえる。図３に戻る。選択部７０は、検出結果での距離と方向によって示される位置が選択範囲２０４に含まれるかを判定する。選択部７０は、含まれた検出結果を選択する。選択部７０は、選択した検出結果を学習部８０に出力する。

ここで、選択範囲２０４はセンサプロファイル６０に含まれており、選択部７０はセンサプロファイル６０から選択範囲２０４を取得する。特に、選択部７０は、センサプロファイル６０を運転支援装置４０の外部から取得してもよいし、運転支援装置４０の内部で保持してもよい。前者の場合、センサプロファイル６０は、例えば、運転支援装置４０の外部に設けられる保持装置（図示せず）に保持される。なお、保持装置と運転支援装置４０との組合せが運転支援システムと定義されてもよい。このセンサプロファイル６０は、最長の検知距離を最小の構成とする情報とする。なお、センサプロファイル６０には、検知角度、車体の陰となって検知できないため発生する最短の検知距離、レーダなどの場合の距離方向の検知分解能、角度方向の分解能、複数の選択範囲から１つの選択範囲を特定するための情報が追加されてもよい。

図５は、運転支援装置４０に取得されるセンサプロファイル６０のデータ構造を示す。図５において、１つ以上のセンサプロファイル６０は、それぞれを識別するためのプロファイルＩＤを属性情報として持つ。１つのセンサプロファイル６０は、１つ以上のセンサ情報を持つ。１つのセンサ情報は、センサを識別するセンサＩＤと、ステレオカメラ、単眼カメラ、ミリ波レーダ、ＬＩＤＡＲ、ソナーなどのセンサの種別情報を持ってもよい。さらに、センサ情報は、１つ以上の検知範囲情報、０個以上の検知分解能情報、１つの優先度情報を構成要素として持つ。１つの検知範囲情報は、構成要素として、少なくとも１つの最長検知距離情報を持ち、最短検知距離情報や検知角度情報を持ってもよい。１つの検知角度は、構成要素として最左検知角度情報と最右検知角度情報を持つ。１つの検知分解能情報は、構成要素として、距離分解能情報と角度分解能情報を持ってもよい。優先度は、複数のセンサや範囲、分解能情報のうち優先されるものを指定することができる。

なお、センサプロファイル６０の構成はこれに限定されない。また、センサプロファイル６０は異なるセンサ構成毎に保持してもよいし、同じセンサ構成であっても、選択範囲２０４をさらに限定することによって適用車種が増えるなどの目的で、複数のセンサプロファイル６０を保持してもよい。なお、異なったセンサ構成は、例えば、実施の形態３、４に示される。また、歩行者、車両、二輪車など検知する対象毎に、センサプロファイル６０を保持してもよい。その際に、センサプロファイル６０の属性に検知対象情報を持つ構成でもよいし、センサプロファイルＩＤを参照することで、検知対象情報が特定できるように構成してもよい。図３（ａ）に戻る。

学習部８０は、選択部７０において選択した検出結果である走行状況を入力パラメータ９０として受けつける。また、学習部８０は、走行状況に関係付けられている運転行動を教師付けデータ８２として取得する。学習部８０は、入力パラメータ９０をもとに処理、具体的には運転行動モデル８４を学習させる学習処理を実行する。具体的に説明すると、学習部８０は、入力パラメータ９０である走行状況と教師付けデータ８２とによって、運転行動モデル８４を調整する。つまり、学習部８０は、入力パラメータ９０をニューラルネットワークに入力することによって、教師付けデータ８２が出力として得られるように、ニューラルネットワークの重みパラメータなどを調整する。このような調整によって、学習部８０は、入力パラメータ９０と教師付けデータ８２との関係を、ニューラルネットワークに学習させる。その結果、運転行動モデル８４が構築される。

図６（ａ）−（ｂ）は、処理部７２の処理概要を示す。図６（ａ）は、学習部８０における学習処理の概要を示す。学習部８０は、走行状況として示されるパラメータｐａおよびｐｂなどを含む複数の入力パラメータ９０を、ニューラルネットワークに入力する。学習部８０は、そのニューラルネットワークからの出力が教師付けデータ８２であって、かつ入力パラメータ９０に関係付けられた教師付けデータに一致するように、ニューラルネットワークの重みパラメータを最適化する。このように構築されたニューラルネットワークが運転行動モデル８４である。図６（ｂ）は後述する。

次に、図３（ｂ）を使用して推定処理を説明する。図３（ｂ）において、制御部４１は、選択部７０、処理部７２を含み、処理部７２は、運転行動モデル８４、推定部８６、推定値８８を含む。また、センサ２２は、検出情報入力部５２に接続され、検出情報入力部５２は、選択部７０に接続される。なお、図３（ｂ）のセンサ２２、運転支援装置４０が搭載された車両１００は、図３（ａ）のセンサ２２、運転支援装置４０が搭載された車両１００と同一であってもよく、異なってもよい。後者の場合、図３（ｂ）のセンサ２２の検出可能範囲２００、性能仕様範囲２０２は、図３（ａ）の検出可能範囲２００、性能仕様範囲２０２と異なってもよい。その場合のセンサ２２による検出を図７（ａ）−（ｂ）を使用しながら説明する。

図７（ａ）−（ｂ）は、センサ２２による検出の別の概要を示す。図７（ａ）は、図３（ａ）におけるセンサ２２、運転支援装置４０を搭載した第１車両１００ａを示す。ここでは、センサ２２を第１センサ２２ａと示す。また、図７（ｂ）は、図３（ｂ）におけるセンサ２２、運転支援装置４０を搭載した第２車両１００ｂを示す。ここでは、センサ２２を第２センサ２２ｂと示す。また、説明を明瞭にするために、第１センサ２２ａと第２センサ２２ｂは同一種類、例えばカメラである。一方、第１センサ２２ａにおける第１検出可能範囲２００ａ、第２検出可能範囲２００ｂは、第２センサ２２ｂにおける第２検出可能範囲２００ｂ、第２性能仕様範囲２０２ｂと異なる。しかしながら、図７（ａ）−（ｂ）において選択範囲２０４は共通に設定される。このような規定によって、学習処理を実行する車両１００と推定処理を実行する車両１００とが、同一であるか異なるかに関係なく推定処理を共通化できる。図３（ｂ）に戻る。

また、選択範囲２０４は、運転行動あるいは運転行動のサブセット毎に複数設定してもよい。例えば、ＴＴＣ（Ｔｉｍｅ Ｔｏ Ｃｏｌｌｉｓｉｏｎ）１．５秒以内の急ブレーキという運転行動のサブセットに対しては、その時点の車速にＴＴＣをかけた値あるいは、その値に所定の割合のマージン距離を追加した値を検知距離とした選択範囲が好適である。このような選択範囲２０４もセンサプロファイル６０に含まれる。

センサ２２、検出情報入力部５２、選択部７０は、図３（ａ）と同様の処理を実行するので、ここでは説明を省略する。選択部７０は、選択した検出結果を推定部８６に出力する。推定部８６は、選択部７０において選択した検出結果である走行状況を入力データ９２として受けつける。推定部８６は、入力データ９２をもとに処理、具体的には運転行動を推定する推定処理を実行する。具体的に説明すると、推定部８６は、入力データ９２を運転行動モデル８４に入力するとともに、運転行動モデル８４からの推定値８８を取得する。推定値８８が運転行動である。

図６（ｂ）は、推定部８６における推定処理の概要を示す。推定部８６は、走行状況として示される入力データ９２をニューラルネットワークに入力する。これにより、推定部８６は、ニューラルネットワークから出力される運転行動、例えば、車線変更を推定値８８として取得する。推定部８６において取得した運転行動をもとに、図１の自動運転制御装置３０は車両１００の自動運転を制御する。

以上の構成による運転支援装置４０の動作を説明する。図８は、運転支援装置４０による学習手順を示すフローチャートである。検出情報入力部５２には検出情報が入力される（Ｓ１０）。検出結果が選択範囲２０４の内に含まれるのであれば（Ｓ１２のＹ）、選択部７０は検出結果を選択する（Ｓ１４）。一方、検出結果が選択範囲２０４の内に含まれないのであれば（Ｓ１２のＮ）、スキップ１４はスキップされる。学習部８０は、選択された検出結果を入力パラメータ９０として学習処理を実行する（Ｓ１６）。

図９は、運転支援装置４０による推定手順を示すフローチャートである。検出情報入力部５２には検出情報が入力される（Ｓ５０）。検出結果が選択範囲２０４の内に含まれるのであれば（Ｓ５２のＹ）、選択部７０は検出結果を選択する（Ｓ５４）。一方、検出結果が選択範囲２０４の内に含まれないのであれば（Ｓ５２のＮ）、スキップ５４はスキップされる。推定部８６は、選択された検出結果を入力データ９２として推定処理を実行する（Ｓ５６）。

本実施の形態によれば、センサの性能仕様範囲よりも狭い、かつ予め定められた選択範囲に含まれる検出結果を選択して処理に使用するので、センサにおける検出精度の悪化の影響を低減できる。また、選択した検出結果を学習処理に使用するので、構築される運転行動モデルの精度を向上できる。また、選択した検出結果を推定処理に使用するので、運転行動の推定精度を向上できる。また、センサにおける検出精度の悪化の影響が低減された検出結果を使用するので、自動運転の制御の精度を向上できる。

（実施の形態２）
次に、実施の形態２を説明する。実施の形態２は、実施の形態１と同様に、学習処理と推定処理の少なくとも一方を実行する運転支援装置に関する。実施の形態１における運転支援装置は、選択範囲に含まれた検出結果を選択することによって、センサにおける検出精度の悪化の影響を低減する。しかしながら、道路の形状によっては、道路外の部分を選択範囲が含むことがある。一般的に道路外の部分に障害物が存在しても、このような障害物は運転行動に影響を与えないので、道路外の部分での障害物を検出しなくてもよい。仮に検出した場合、学習精度あるいは推定精度が悪化するおそれがある。これを防止するために、実施の形態２では、地図情報を利用して選択範囲を限定する。実施の形態２に係る車両１００の構成は、図１、図２と同様のタイプである。ここでは、実施の形態１との差異を中心に説明する。

図１０（ａ）−（ｂ）は、運転支援装置４０の構成を示す。図１０（ａ）は、学習処理に関する構成を示し、図１０（ｂ）は、推定処理に関する構成を示す。ここでは、学習処理を説明してから推定処理を説明する。図１０（ａ）では、図３（ａ）に示した構成に位置情報取得部２１、地図情報取得部２４が加えられる。検出情報入力部５２には、センサ２２からの検出情報、位置情報取得部２１からの位置情報、地図情報取得部２４からの地図情報が入力される。検出情報入力部５２は、検出情報、位置情報、地図情報を選択部７０に出力する。

選択部７０は、検出情報入力部５２から検出情報、位置情報、地図情報を受けつける。選択部７０は、位置情報をもとに地図情報を参照することによって、現在走行している道路の形状を特定する。なお、直接地図情報の中の地形情報を使ってもよい。例えば、道路の形状として、直進道路、左への曲線道路が特定される。また、選択部７０は、前述のごとく選択範囲をセンサプロファイル６０から取得する。さらに、選択部７０は、地図情報から特定した道路の形状によって選択範囲を制限する。

図１１（ａ）−（ｂ）は、センサ２２による検出の概要を示す。図１１（ａ）−（ｂ）において、車両１００、センサ２２、検出可能範囲２００、性能仕様範囲２０２、選択範囲２０４は、図４と同様に示される。図１１（ａ）では、道路の形状として直線道路３００が特定される。選択部７０は、直線道路３００によって選択範囲２０４を制限することによって、第１制限選択範囲２０６ａを導出する。一方、図１１（ｂ）では、道路の形状として曲線道路３０２が特定される。選択部７０は、曲線道路３０２によって選択範囲２０４を制限することによって、第２制限選択範囲２０６ｂを導出する。図１０（ａ）に戻る。

選択部７０は、検出結果での距離と方向によって示される位置が制限選択範囲２０６に含まれるかを判定する。選択部７０は、制限選択範囲２０６に含まれた検出結果を選択する。選択部７０は、選択した検出結果を学習部８０に出力する。学習部８０の処理はこれまでと同様であるので、ここでは説明を省略する。

次に、図１０（ｂ）を使用して推定処理を説明する。図１０（ｂ）では、図３（ｂ）に示した構成に位置情報取得部２１、地図情報取得部２４が加えられる。位置情報取得部２１、地図情報取得部２４が加えられたことによる選択部７０の処理は、図１０（ａ）と同様であるので、ここでは説明を省略する。また、推定部８６の処理はこれまでと同様であるので、ここでは説明を省略する。

本実施の形態によれば、地図情報を使用するので、選択範囲のうち検出不要な領域を除外できる。また、選択範囲のうち検出不要な領域が除外されるので、センサにおける検出精度の悪化の影響を低減できる。また、センサにおける検出精度の悪化の影響が低減されるので、学習精度を向上できる。また、センサにおける検出精度の悪化の影響が低減されるので、推定精度を向上できる。

（実施の形態３）
次に、実施の形態３を説明する。実施の形態３は、これまでと同様に、学習処理と推定処理の少なくとも一方を実行する運転支援装置に関する。実施の形態１における運転支援装置は、選択範囲に含まれた検出結果を選択することによって、センサにおける検出精度の悪化の影響を低減する。一般的に、車両には、カメラ、ミリ波レーダ、ＬＩＤＡＲのような複数種類のセンサが搭載されるので、それらでの検出結果を使用して学習処理と推定処理の少なくとも一方が実行されるべきである。しかしながら、複数種類のセンサのそれぞれにおいて、検出可能範囲、検出可能範囲、選択範囲が大きく異なる。実施の形態３では、複数種類のセンサが車両に搭載される場合であっても、センサにおける検出精度の悪化の影響を低減することを目的とする。実施の形態３に係る車両１００の構成は、図１、図２と同様のタイプである。ここでは、これまでとの差異を中心に説明する。

図１２（ａ）−（ｂ）は、運転支援装置４０の構成を示す。図１２（ａ）は、学習処理に関する構成を示し、図１２（ｂ）は、推定処理に関する構成を示す。ここでは、学習処理を説明してから推定処理を説明する。図１２（ａ）では、図３（ａ）に示した構成におけるセンサ２２の代わりに、第１センサ２２ａ、第２センサ２２ｂ、第３センサ２２ｃが加えられる。第１センサ２２ａ、第２センサ２２ｂ、第３センサ２２ｃは、互いの異なった種類のセンサである。例えば、第１センサ２２ａはカメラに相当し、第２センサ２２ｂはミリ波レーダに相当し、第３センサ２２ｃはＬＩＤＡＲに相当する。なお、車両１００に搭載されるセンサ２２の種類は３種類に限定されない。

検出情報入力部５２には、複数のセンサ２２のそれぞれからの検出情報が入力される。検出情報には、前述のごとく、センサ２２での検出結果が含まれる。検出情報入力部５２は、複数のセンサ２２のそれぞれからの検出情報を選択部７０に出力する。選択部７０は、複数のセンサ２２のそれぞれからの検出情報を検出情報入力部５２から受けつける。選択部７０は、複数のセンサ２２のそれぞれに対する選択範囲２０４をセンサプロファイル６０から取得する。

図１３（ａ）−（ｂ）は、第１センサ２２ａ、第２センサ２２ｂによる検出の概要を示す。図１３（ａ）には、第１センサ２２ａに対する第１検出可能範囲２００ａ、第１性能仕様範囲２０２ａ、第１選択範囲２０４ａが示される。また、図１３（ｂ）には、第２センサ２２ｂに対する第２検出可能範囲２００ｂ、第２性能仕様範囲２０２ｂ、第２選択範囲２０４ｂが示される。第１選択範囲２０４ａ、第２選択範囲２０４ｂは、選択範囲２０４と総称されるが、これらの範囲は異なる。図１２（ａ）に戻る。

選択部７０は、選択範囲２０４による検出結果の選択をセンサ２２毎に並行して実行する。つまり、選択部７０は、第１選択範囲２０４ａに含まれた、第１センサ２２ａからの検出結果を選択するとともに、第２選択範囲２０４ｂに含まれた、第２センサ２２ｂからの検出結果を選択する。選択部７０は、選択した検出結果を学習部８０に出力する。学習部８０の処理はこれまでと同様であるので、ここでは説明を省略する。なお、学習部８０は、複数のセンサ２２を混ぜるように学習処理を実行することによって、１つの運転行動モデル８４を出力してもよい。また、学習部８０は、センサ２２毎に学習処理を実行することによって、センサ２２毎の運転行動モデル８４を出力してもよい。

次に、図１２（ｂ）を使用して推定処理を説明する。図１２（ｂ）では、図３（ｂ）に示した構成におけるセンサ２２の代わりに、第１センサ２２ａ、第２センサ２２ｂ、第３センサ２２ｃが加えられる。第１センサ２２ａ、第２センサ２２ｂ、第３センサ２２ｃが加えられたことによる選択部７０の処理は、図１２（ａ）と同様であるので、ここでは説明を省略する。また、推定部８６の処理はこれまでと同様であるので、ここでは説明を省略する。なお、推定部８６は、１つの運転行動モデル８４が構築されている場合、複数のセンサ２２を混ぜるように推定処理を実行し、センサ２２毎の運転行動モデル８４が構築されている場合、センサ２２毎に推定処理を実行する。

本実施の形態によれば、センサ毎に選択範囲を予め定めて検出結果を選択するので、複数のセンサに対する選択処理を並列に実行できる。また、複数のセンサに対する選択処理が並列に実行されるので、複数のセンサを使用する場合であっても、センサにおける検出精度の悪化の影響を低減できる。また、センサにおける検出精度の悪化の影響が低減されるので、学習精度を向上できる。また、センサにおける検出精度の悪化の影響が低減されるので、推定精度を向上できる。

（実施の形態４）
次に、実施の形態４を説明する。実施の形態４は、これまでと同様に、学習処理と推定処理の少なくとも一方を実行する運転支援装置に関する。実施の形態１における運転支援装置は、選択範囲に含まれた検出結果を選択することによって、センサにおける検出精度の悪化の影響を低減する。実施の形態４では、センサフュージョンを処理の対象とする。センサフュージョンとは、複数のセンサ、例えばカメラやミリ波レーダなどから得た多くの検出結果を統合的に処理することによって、単一のセンサからは得られない高度な認識機能を実現する技術である。ここでは、センサフュージョンが使用される場合であっても、センサフュージョンにおける検出精度の悪化の影響を低減することを目的とする。実施の形態４に係る車両１００の構成は、図１、図２と同様のタイプである。ここでは、これまでとの差異を中心に説明する。

図１４（ａ）−（ｂ）は、運転支援装置４０の構成を示す。図１４（ａ）は、学習処理に関する構成を示し、図１４（ｂ）は、推定処理に関する構成を示す。ここでは、学習処理を説明してから推定処理を説明する。図１４（ａ）では、図１２（ａ）に示した構成に、合成部７４が加えられる。合成部７４は、複数のセンサ２２のそれぞれからの検出結果を検出情報入力部５２から受けつける。合成部７４は、複数のセンサ２２のそれぞれからの検出結果を合成する。合成部７４における合成処理がセンサフュージョンに相当するが、合成処理には行為の技術が使用されればよいので、ここでは説明を省略する。合成部７４は、合成した検出結果（以下、これもまた「検出結果」という）を選択部７０に出力する。

選択部７０は、合成部７４からの検出結果を受けつける。また、選択部７０は、検出結果に対する選択範囲をセンサプロファイル６０から取得する。図１５は、センサ２２による検出の概要を示す図である。ここでは、２種類のセンサ２２が車両１００に搭載される場合を想定するが、図１５には、２種類のセンサ２２をまとめた形で１つのセンサ２２だけが示される。ここでは、１つ目のセンサ２２における性能仕様範囲２０２が第１性能仕様範囲２０２ａと示され、２つ目のセンサ２２における性能仕様範囲２０２が第２性能仕様範囲２０２ｂと示される。選択範囲２０４は、第１性能仕様範囲２０２ａと第２性能仕様範囲２０２ｂとを合成した範囲をもとに定められる。つまり、選択範囲２０４は、合成部７４による合成がなされた場合の検出可能な範囲をもとに選択範囲を予め定められる。このような選択範囲２０４もセンサプロファイル６０に含まれる。図１４（ａ）に戻る。

選択部７０は、検出結果での距離と方向によって示される位置が選択範囲２０４に含まれるかを判定する。選択部７０は、選択範囲２０４に含まれた検出結果を選択する。選択部７０は、選択した検出結果を学習部８０に出力する。学習部８０の処理はこれまでと同様であるので、ここでは説明を省略する。

次に、図１４（ｂ）を使用して推定処理を説明する。図１４（ｂ）では、図１２（ｂ）に示した構成に、合成部７４が加えられる。合成部７４が加えられたことによる選択部７０の処理は、図１４（ａ）と同様であるので、ここでは説明を省略する。また、推定部８６の処理はこれまでと同様であるので、ここでは説明を省略する。

本実施の形態によれば、複数のセンサのそれぞれの性能仕様範囲を合成した範囲をもとに選択範囲を予め定めるので、センサフュージョンを使用する場合であっても、選択範囲によって検出結果を選択できる。また、センサフュージョンを使用する場合であっても、選択範囲によって検出結果が選択されるので、センサにおける検出精度の悪化の影響を低減できる。また、センサにおける検出精度の悪化の影響が低減されるので、学習精度を向上できる。また、センサにおける検出精度の悪化の影響が低減されるので、推定精度を向上できる。

以上、本発明に係る実施の形態について図面を参照して詳述してきたが、上述した装置や各処理部の機能は、コンピュータプログラムにより実現されうる。上述した機能をプログラムにより実現するコンピュータは、キーボードやマウス、タッチパッドなどの入力装置、ディスプレイやスピーカなどの出力装置、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＲＯＭ、ＲＡＭ、ハードディスク装置やＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）などの記憶装置、ＤＶＤ−ＲＯＭ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｋ Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）やＵＳＢメモリなどの記録媒体から情報を読み取る読取装置、ネットワークを介して通信を行うネットワークカードなどを備え、各部はバスにより接続される。

また、読取装置は、上記プログラムを記録した記録媒体からそのプログラムを読み取り、記憶装置に記憶させる。あるいは、ネットワークカードが、ネットワークに接続されたサーバ装置と通信を行い、サーバ装置からダウンロードした上記各装置の機能を実現するためのプログラムを記憶装置に記憶させる。また、ＣＰＵが、記憶装置に記憶されたプログラムをＲＡＭにコピーし、そのプログラムに含まれる命令をＲＡＭから順次読み出して実行することにより、上記各装置の機能が実現される。

本発明の一態様の概要は、次の通りである。本発明のある態様の運転支援装置は、センサでの検出結果をもとに学習させた運転行動モデルで車両の運転行動を推定する処理を行う運転支援装置であって、検出結果を含む検出情報が入力される検出情報入力部と、検出情報入力部に入力された検出情報に含まれた検出結果のうち、センサが検出可能な範囲よりも狭い、かつ予め定められた選択範囲内に含まれる検出結果を選択する選択部と、選択部において選択した検出結果をもとに処理を実行する処理部と、を備える。

この態様によると、センサが検出可能な範囲よりも狭い、かつ予め定められた選択範囲に含まれる検出結果を選択して処理に使用するので、センサにおける検出精度の悪化の影響を低減できる。

選択部は、センサプロファイルから選択範囲を取得してもよい。この場合、センサプロファイルを選択部に使用させることによって、選択範囲を選択部に設定できる。

選択部は、センサプロファイルを本運転支援装置の外部から取得してもよい。この場合、センサプロファイルを本運転支援装置の外部から取得するので、センサプロファイルを複数の運転支援装置で共通化できる。

選択部は、センサプロファイルを本運転支援装置の内部で保持してもよい。この場合、センサプロファイルを本運転支援装置の内部で保持するので、構成を簡易にできる。

選択部が取得したセンサプロファイルには少なくとも距離情報が含まれる。また、距離情報が含まれるので、距離情報を使用して検出結果を選択できる。

選択部は、地図情報をもとに選択範囲を制限してもよい。この場合、検出不要な領域が地図情報によって制限されるので、センサにおける検出精度の悪化の影響を低減できる。

検出情報入力部には、複数のセンサのそれぞれからの検出情報であって、かつ各センサでの検出結果を含む検出情報が入力され、選択部は、複数のセンサのそれぞれに対する選択範囲による検出結果の選択をセンサ毎に実行してもよい。この場合、センサ毎に選択範囲を予め定めて検出結果を選択するので、複数のセンサを使用する場合であっても、センサにおける検出精度の悪化の影響を低減できる。

検出情報入力部には、複数のセンサのそれぞれからの検出情報であって、かつ各センサでの検出結果を含む検出情報が入力されており、複数のセンサのそれぞれでの検出結果を合成する合成部をさらに備えてもよい。選択部は、合成部による合成がなされた場合の検出可能な範囲をもとに定められた選択範囲を使用してもよい。この場合、合成がなされた場合の検出可能な範囲をもとに選択範囲を使用するので、センサフュージョンを使用する場合であっても、センサにおける検出精度の悪化の影響を低減できる。

処理部における処理は、運転行動モデルを学習させる学習処理であり、処理部は、選択部において選択した検出結果を入力パラメータとして、入力パラメータと教師付けデータとによって運転行動モデルを構築してもよい。この場合、選択した検出結果を学習処理に使用するので、学習精度を向上できる。

処理部における処理は、運転行動を推定する推定処理であり、処理部は、選択部において選択した検出結果を入力データとして運転行動モデルに入力するとともに、運転行動モデルからの出力を運転行動として取得してもよい。この場合、選択した検出結果を推定処理に使用するので、推定精度を向上できる。

処理部における処理は、運転行動モデルを学習させる学習処理と、運転行動を推定する推定処理であり、処理部は、学習処理を実行する場合、選択部において選択した検出結果を入力パラメータとして、入力パラメータと教師付けデータとによって運転行動モデルを構築し、推定処理を実行する場合、選択部において選択した検出結果を入力データとして運転行動モデルに入力するとともに、運転行動モデルからの出力を運転行動として取得してもよい。この場合、選択した検出結果を学習処理および推定精度に使用するので、学習精度および推定精度を向上できる。

本発明の別の態様は、自動運転制御装置である。この装置は、センサでの検出結果をもとに学習させた運転行動モデルで車両の運転行動を推定する処理を行う自動運転装置であって、検出結果を含む検出情報が入力される検出情報入力部と、検出情報入力部に入力された検出情報に含まれた検出結果のうち、センサが検出可能な範囲よりも狭い、かつ予め定められた選択範囲内に含まれる検出結果を選択する選択部と、選択部において選択した検出結果をもとに処理を実行する処理部と、処理部における処理結果をもとに車両の自動運転を制御する自動運転制御部と、を備える。

この態様によると、センサが検出可能な範囲よりも狭い、かつ予め定められた選択範囲に含まれる検出結果を選択して処理に使用するので、センサにおける検出精度の悪化の影響を低減しながら、自動運転の制御の精度を向上できる。

本発明のさらに別の態様は、車両である。この車両は、センサでの検出結果をもとに学習させた運転行動モデルで車両の運転行動を推定する処理を行う運転支援装置を備える車両であって、運転支援装置は、検出結果を含む検出情報が入力される検出情報入力部と、検出情報入力部に入力された検出情報に含まれた検出結果のうち、センサが検出可能な範囲よりも狭い、かつ予め定められた選択範囲内に含まれる検出結果を選択する選択部と、選択部において選択した検出結果をもとに処理を実行する処理部と、を備える。

この態様によると、センサが検出可能な範囲よりも狭い、かつ予め定められた選択範囲に含まれる検出結果を選択して処理に使用するので、センサにおける検出精度の悪化の影響を低減できる。

本発明のさらに別の態様は、運転支援方法である。この方法は、センサでの検出結果をもとに学習させた運転行動モデルで車両の運転行動を推定する処理を行う運転支援方法であって、検出結果を含む検出情報が入力されるステップと、入力された検出情報に含まれた検出結果のうち、センサが検出可能な範囲よりも狭い、かつ予め定められた選択範囲内に含まれる検出結果を選択するステップと、選択した検出結果をもとに処理を実行するステップと、を備える。

本発明のさらに別の態様は、運転支援システムである。この運転支援システムは、センサプロファイルを保持する保持装置と、保持装置からセンサプロファイルを取得するとともに、センサでの検出結果をもとに学習させた運転行動モデルで車両の運転行動を推定する処理を行う運転支援装置とを備える。運転支援装置は、検出結果を含む検出情報が入力される検出情報入力部と、検出情報入力部に入力された検出情報に含まれた検出結果のうち、センサが検出可能な範囲よりも狭い、かつ予め定められた選択範囲内に含まれる検出結果を選択する選択部と、選択部において選択した検出結果をもとに処理を実行する処理部と、を備える。選択部は、センサプロファイルから選択範囲を取得する。

以上、本発明を実施の形態をもとに説明した。これらの実施の形態は例示であり、それらの各構成要素や各処理プロセスの組合せにいろいろな変形例が可能なこと、またそうした変形例も本発明の範囲にあることは当業者に理解されるところである。

実施の形態１乃至４において、処理部７２は、学習部８０あるいは推定部８６を含む。しかしながらこれに限らず例えば、処理部７２は、学習部８０および推定部８６を含んでもよい。この場合、処理部７２は、学習処理および推定処理を実行する。本変形例によれば、選択した検出結果を学習処理および推定精度に使用するので、学習精度および推定精度を向上できる。

２ 報知装置、 ２ａ ヘッドアップディスプレイ、 ２ｂ センタディスプレイ、 ４ 入力装置、 ４ａ 第１操作部、 ４ｂ 第２操作部、 ４ｃ 第３操作部、 ６ スピーカ、 ８ 無線装置、 １０ 運転操作部、 １１ ステアリング、 １２ ブレーキペダル、 １３ アクセルペダル、 １４ ウィンカスイッチ、 ２０ 検出部、 ２１ 位置情報取得部、 ２２ センサ、 ２３ 速度情報取得部、 ２４ 地図情報取得部、 ３０ 自動運転制御装置、 ３１ 制御部、 ３２ 記憶部、 ３３ Ｉ／Ｏ部、 ４０ 運転支援装置、 ４１ 制御部、 ４２ 記憶部、 ４３ Ｉ／Ｏ部、 ５０ 操作信号入力部、 ５１ 画像・音声出力部、 ５２ 検出情報入力部、 ５３ コマンドＩＦ、 ５４ 行動情報入力部、 ５５ コマンド出力部、 ５６ 通信ＩＦ、 ７０ 選択部、 ７２ 処理部、 ７４ 合成部、 ８０ 学習部、 ８２ 教師付けデータ、 ８４ 運転行動モデル、 ８６ 推定部、 ８８ 推定値、 ９０ 入力パラメータ、 ９２ 入力データ、 １００ 車両。

Claims (16)

1. センサでの検出結果をもとに学習させた運転行動モデルで車両の運転行動を推定する処理を行う運転支援装置であって、
   前記検出結果を含む検出情報が入力される検出情報入力部と、
   前記検出情報入力部に入力された検出情報に含まれた検出結果のうち、前記センサが検出可能な範囲よりも狭い、かつ予め定められた選択範囲内に含まれる検出結果を選択する選択部と、
   前記選択部において選択した検出結果をもとに前記処理を実行する処理部と、
   を備えることを特徴とする運転支援装置。
2. 前記選択部は、センサプロファイルから選択範囲を取得することを特徴とする請求項１に記載の運転支援装置。
3. 前記選択部は、センサプロファイルを本運転支援装置の外部から取得することを特徴とする請求項２に記載の運転支援装置。
4. 前記選択部は、センサプロファイルを本運転支援装置の内部で保持することを特徴とする請求項２に記載の運転支援装置。
5. 前記選択部が取得したセンサプロファイルには少なくとも距離情報が含まれることを特徴とする請求項１から４のいずれかに記載の運転支援装置。
6. 前記選択部は、地図情報をもとに選択範囲を制限することを特徴とする請求項１から５のいずれかに記載の運転支援装置。
7. 前記検出情報入力部には、複数のセンサのそれぞれからの検出情報であって、かつ各センサでの検出結果を含む検出情報が入力され、
   前記選択部は、前記複数のセンサのそれぞれに対する選択範囲による検出結果の選択をセンサ毎に実行することを特徴とする請求項１から６のいずれかに記載の運転支援装置。
8. 前記検出情報入力部には、複数のセンサのそれぞれからの検出情報であって、かつ各センサでの検出結果を含む検出情報が入力されており、前記複数のセンサのそれぞれでの検出結果を合成する合成部をさらに備え、
   前記選択部は、前記合成部による合成がなされた場合の検出可能な範囲をもとに定められた選択範囲を使用することを特徴とする請求項１から６のいずれかに記載の運転支援装置。
9. 前記処理部における処理は、運転行動モデルを学習させる学習処理であり、
   前記処理部は、前記選択部において選択した検出結果を入力パラメータとして、入力パラメータと教師付けデータとによって運転行動モデルを構築することを特徴とする請求項１から８のいずれかに記載の運転支援装置。
10. 前記処理部における処理は、運転行動を推定する推定処理であり、
    前記処理部は、前記選択部において選択した検出結果を入力データとして運転行動モデルに入力するとともに、運転行動モデルからの出力を運転行動として取得することを特徴とする請求項１から８のいずれかに記載の運転支援装置。
11. 前記処理部における処理は、運転行動モデルを学習させる学習処理と、運転行動を推定する推定処理であり、
    前記処理部は、学習処理を実行する場合、前記選択部において選択した検出結果を入力パラメータとして、入力パラメータと教師付けデータとによって運転行動モデルを構築し、推定処理を実行する場合、前記選択部において選択した検出結果を入力データとして運転行動モデルに入力するとともに、運転行動モデルからの出力を運転行動として取得することを特徴とする請求項１から８のいずれかに記載の運転支援装置。
12. センサでの検出結果をもとに学習させた運転行動モデルで車両の運転行動を推定する処理を行う自動運転装置であって、
    前記検出結果を含む検出情報が入力される検出情報入力部と、
    前記検出情報入力部に入力された検出情報に含まれた検出結果のうち、前記センサが検出可能な範囲よりも狭い、かつ予め定められた選択範囲内に含まれる検出結果を選択する選択部と、
    前記選択部において選択した検出結果をもとに前記処理を実行する処理部と、
    前記処理部における処理結果をもとに車両の自動運転を制御する自動運転制御部と、
    を備えることを特徴とする自動運転制御装置。
13. センサでの検出結果をもとに学習させた運転行動モデルで車両の運転行動を推定する処理を行う運転支援装置を備える車両であって、
    前記運転支援装置は、
    前記検出結果を含む検出情報が入力される検出情報入力部と、
    前記検出情報入力部に入力された検出情報に含まれた検出結果のうち、前記センサが検出可能な範囲よりも狭い、かつ予め定められた選択範囲内に含まれる検出結果を選択する選択部と、
    前記選択部において選択した検出結果をもとに前記処理を実行する処理部と、
    を備えることを特徴とする車両。
14. センサでの検出結果をもとに学習させた運転行動モデルで車両の運転行動を推定する処理を行う運転支援方法であって、
    前記検出結果を含む検出情報が入力されるステップと、
    入力された検出情報に含まれた検出結果のうち、前記センサが検出可能な範囲よりも狭い、かつ予め定められた選択範囲内に含まれる検出結果を選択するステップと、
    選択した検出結果をもとに前記処理を実行するステップと、
    を備えることを特徴とする運転支援方法。
15. センサでの検出結果をもとに学習させた運転行動モデルで車両の運転行動を推定する処理を行うプログラムであって、
    前記検出結果を含む検出情報が入力されるステップと、
    入力された検出情報に含まれた検出結果のうち、前記センサが検出可能な範囲よりも狭い、かつ予め定められた選択範囲内に含まれる検出結果を選択するステップと、
    選択した検出結果をもとに前記処理を実行するステップとをコンピュータに実行させるためのプログラム。
16. センサプロファイルを保持する保持装置と、
    前記保持装置からセンサプロファイルを取得するとともに、センサでの検出結果をもとに学習させた運転行動モデルで車両の運転行動を推定する処理を行う運転支援装置とを備え、
    前記運転支援装置は、
    前記検出結果を含む検出情報が入力される検出情報入力部と、
    前記検出情報入力部に入力された検出情報に含まれた検出結果のうち、前記センサが検出可能な範囲よりも狭い、かつ予め定められた選択範囲内に含まれる検出結果を選択する選択部と、
    前記選択部において選択した検出結果をもとに前記処理を実行する処理部と、
    を備え、
    前記選択部は、センサプロファイルから選択範囲を取得することを特徴とする運転支援システム。

Images