JP5522193B2 - 先行車特定装置 - Google Patents

Description

本発明は、自車（自己の車両、自車両）の近傍を走行する他車（他車両）の中から、自車の直前を走行する先行車を特定する先行車特定装置に関する。

従来の先行車特定装置の一つ（従来装置）は、自車に搭載されたセンサ（自車センサ）を用いて取得される他車の速度と、車車間通信（一の車両と他の車両との間の無線通信）を用いて取得される他車の速度と、の速度差ΔＶを求める。次いで、従来装置は、速度の一致度Ｍｖを速度差ΔＶの関数として求める。更に、従来装置は、一致度Ｍｖが閾値以上となる他車を第１先行車候補として抽出する。

第１先行車候補が複数存在する場合、従来装置は、その第１先行車候補のそれぞれに対し、自車センサを用いて取得されるそれらの他車の大きさ（面積）と、車車間通信を用いて取得されるそれらの他車の大きさ（面積）と、の差ΔＳを求める。次いで、従来装置は、大きさの一致度Ｍｓを差ΔＳの関数として求める。更に、従来装置は、第１先行車候補の中から、一致度Ｍｓが閾値以上となる他車を第２先行車候補として抽出する。

第２先行車候補が複数存在する場合、従来装置は、その第２先行車候補のそれぞれに対し、自車センサを用いて取得されるそれらの他車の位置と、車車間通信を用いて取得されるそれらの他車の位置と、の間の距離Ｉを求める。次いで、従来装置は、位置の一致度Ｍｐを距離Ｉの関数として求める。更に、従来装置は、第２先行車候補の中から、一致度Ｍｐが閾値以上となる他車を第３先行車候補として抽出する。そして、従来装置は、第３先行車候補が一台である場合、その一台を自車センサにより速度等を検出している車両（即ち、先行車又は通信先行車）であると決定する（例えば、特許文献１を参照。）。

特開２０１０−８６２６９号公報

しかしながら、上記従来技術によれば、速度の一致度Ｍｖ、大きさの一致度Ｍｓ及び位置の一致度Ｍｐに対して閾値をそれぞれ設定しているので、以下に述べる理由により、結果的に精度良く先行車を特定できないという問題がある。

例えば、速度に関して述べると、各センサの検出誤差及び通信の遅延に起因する誤差等（以下、「検出誤差」と総称する）が不可避的に存在するため、速度の一致度Ｍｖに対する閾値はその検出誤差を見込んだ値に設定する必要がある。よって、速度の一致度Ｍｖに基づいて抽出される第１先行車候補は複数の他車となる可能性が高い。

同様に、車両の大きさについても検出誤差を考慮する必要がある。加えて、複数の略同じ大きさの乗用車が自車の近傍を走行している場合がある。従って、第１先行車候補から大きさの一致度Ｍｓにより絞り込みを行うこと（第２先行車候補を抽出すること）は困難な場合が多い。

同様に、車両の位置についても、検出誤差を考慮する必要がある。しかも、ＧＰＳを用いた位置標定の精度は相対的に高くない。その結果、第２先行車候補から位置の一致度Ｍｐにより更に絞り込みを行うこと（第３先行車候補を抽出すること）は困難である。

本発明は、上述した課題に鑑みてなされたものである。即ち、本発明の目的は、自車の検出装置に基づいて得られたデータと車車間通信に基づいて得られたデータとの類似性を表す統計量を複数種類取得し、その複数種類の統計量からそれぞれの統計量に対する先行車確率を求め、その複数の先行車確率に基づいて各他車の最終先行車確率を算出し且つその算出した最終先行車確率を用いることにより、精度良く且つ短時間内に先行車を特定することが可能な先行車特定装置を提供することにある。

本発明の先行車特定装置は、自車の近傍を走行する複数の他車の中から同自車の直前を走行する先行車を特定する装置である。本発明の先行車特定装置は、データ取得部と、特定部と、を含む。

前記データ取得部は、
自車の検出装置を用いて「前記自車の直前を走行する他車の運転状態量を表す複数のデータを含む第１データ群」を取得し、且つ、
「前記自車と前記複数の他車のそれぞれとの車車間通信」を用いて「前記複数の他車のそれぞれの運転状態量を表す複数のデータを含む第２データ群」を取得する。このとき、前記データ取得部は、前記第２データ群を送信している他車を特定するデータも車車間通信を用いて取得する。
取得される運転状態量は、例えば、速度及び位置等である。

前記特定部は、前記第１データ群と前記複数の他車のそれぞれの前記第２データ群との間のデータの類似性を示す統計量を複数種類取得する。つまり、複数種類の統計量が複数の他車のそれぞれに対して取得される。

更に、前記特定部は、前記複数の他車の任意の一つに関し、
前記取得された複数種類の統計量のそれぞれと、前記複数種類の統計量のそれぞれに対して予め定められた所定の関係と、に基づいて、前記取得された複数種類の統計量のそれぞれに対する先行車確率（α１、α２、・・・、αｎ）を取得する。

加えて、前記特定部は、前記複数の他車の任意の一つに関し、前記取得された複数の先行車確率に基づいて最終先行車確率を算出する。そして、前記特定部は、それぞれの他車についての最終先行車確率に基づいて前記先行車を特定する。

これによれば、取得された複数種類の統計量のそれぞれに対する先行車確率が、それぞれの統計量の種類に応じて取得される。
従って、例えば、統計量の一つ（後述する、最大速度差及び相関係数等）が、
・大半の交通環境下において先行車の統計量のみが満たすことができる範囲内である場合、
・データの平均誤差（例えば、車車間通信の遅延及び自車の検出装置の検出誤差等）を考慮したときに先行車の統計量が満たし得る範囲内である場合、
・データの最大誤差を考慮したときに先行車の統計量が満たし得る範囲内である場合、及び、
・データの誤差を考慮しても先行車の統計量が満たすことがあり得ない範囲内である場合、等
の何れの場合に該当するかに応じ、その統計量に対する適切な先行車確率を取得することができる。

そして、ある他車ｋについて、その他車ｋに関して取得された複数の先行車確率に基づいて最終先行車確率（αｋ）が算出され、それぞれの他車についての最終先行車確率に基づいて前記先行車が特定される。従って、統計量毎に先行車の候補を絞り込むのではなく、それぞれの統計量に対して適切に求められた先行車確率が反映された最終先行車確率に基づいて先行車が総合的に特定される。よって、本発明の先行車特定装置は、精度良く且つ短時間内に先行車を特定することができる。

この場合、前記第１データ群に含まれる前記複数のデータは前記自車の直前を走行する他車の速度に関連するデータの時系列データを含み、前記第２データ群に含まれる前記複数のデータは前記複数の他車のそれぞれの速度に関連するデータの時系列データを含むことができる。

速度に関するデータは、ＧＰＳ装置等により取得される位置に関するデータよりも一般的に精度が高い。加えて、位置のデータはＧＰＳ装置が信号を受信できない状況下（例えば、トンネル内）において使用できないが、速度に関するデータはそのような状況下においても使用することができる。従って、上記構成によれば、より精度良く先行車を特定することができる。

前記第１データ群に含まれる前記複数のデータは前記自車の直前を走行する他車の速度に関連するデータの「時系列データのみ」を含み、前記第２データ群に含まれる前記複数のデータは前記複数の他車のそれぞれの速度に関連するデータの「時系列データのみ」を含んでもよい。

この場合、前記特定部は、
前記第１データ群に含まれる前記他車の速度に関連するデータの時系列データと、前記第２データ群に含まれる前記複数の他車のそれぞれの速度に関連するデータの時系列データと、に基づいて、前記データの類似性（同時刻における第１データ群内のデータと第２データ群内のデータの類似性）を示す統計量として２種類以上の速度に関連する統計量を取得するように構成されることが好ましい。

前述したように、速度に関連するデータは位置に関連するデータよりも一般的に精度が良い。従って、上記構成によれば「精度の良い速度に関連するデータ」を用いて多面的に評価することができる。その結果、より精度良く先行車を特定することができる。

例えば、前記特定部は、
前記第１データ群に含まれる前記他車の速度に関連するデータの時系列データと、前記第２データ群に含まれる前記複数の他車のそれぞれの速度に関連するデータの時系列データと、に基づいて、前記第１データ群に含まれる前記時系列データと前記第２データ群に含まれる前記複数の他車のそれぞれの前記時系列データとの類似性が高いほど絶対値が小さくなる値を時系列的に取得するとともに、前記時系列的に取得された値のうちの最大値を前記２種類以上の速度に関連する統計量の一つとして取得するように構成され得る。この統計量の代表例は、最大速度差（速度差の絶対値の最大値）及び最大速度平均二乗誤差（速度の平均二乗誤差の最大値）等である。

例えば、自車の検出装置を用いて取得される他車の速度と、車車間通信により取得される「先行車ではない他車」の速度と、は瞬間的に極めて近い値をとる場合がある。すなわち、それらのデータの類似度は瞬間的に高くなる場合がある。しかしながら、それらの速度はある程度の長さの期間で観察すると、大きな差を有している時点がある。これに対し、自車の検出装置を用いて取得される他車の速度と、車車間通信により取得される「真の先行車である他車」の速度と、は一般に同じ傾向をもって変化するから、それらの速度はある程度の長さの期間内において観察した場合、大きく乖離する可能性は小さい。以上から、上記構成によれば、先行車を特定するために有意な統計量を簡単な手法により取得することができる。

更に、上記事実に基けば、前記特定部は、
前記第１データ群に含まれる前記他車の速度に関連するデータの時系列データと、前記第２データ群に含まれる前記複数の他車のそれぞれの速度に関連するデータの時系列データと、に基づいて、前記第１データ群に含まれる前記時系列データと前記第２データ群に含まれる前記複数の他車のそれぞれの前記時系列データとの間の相関係数を時系列的に算出するとともに、前記時系列的に算出された相関係数の最小値（速度の相関係数最小値）を前記２種類以上の速度に関連する統計量の一つとして取得するように構成され得る。これによっても、先行車を特定するために有意な統計量を簡単な手法により取得することができる。

本発明の先行車特定装置の態様において、前記特定部は、
前記複数の他車のそれぞれに対して取得された前記複数の先行車確率の積に基づく値を同複数の他車のそれぞれの最終先行車確率として算出し、前記最終先行車確率が所定閾値よりも小さい場合には同最終先行車確率に対応する他車が前記先行車でないと判定するように構成され得る。

本発明の先行車特定装置の態様において、前記特定部は、
前記複数の他車のそれぞれに対して取得された前記複数の先行車確率の積に基づく値を同複数の他車のそれぞれの最終先行車確率として算出し、前記複数の最終先行車確率のうちの一つのみが所定閾値よりも大きいとき、前記所定閾値よりも大きい最終先行車確率に対応する他車が前記先行車であると特定するように構成され得る。これにより、得られたデータから先行車を総合的に特定するためのパラメータ、即ち、最終先行車確率を極めて容易に取得することができ、その最終先行車確率に基づいて精度良く先行車を特定することができる。

本発明の先行車特定装置の態様において、前記特定部は、
前記複数の他車のそれぞれに対する前記複数の先行車確率の積を同他車のそれぞれの前記時系列データに含まれる同一種のデータの数に応じて補正することによって同複数の他車のそれぞれの前記最終先行車確率を算出するように構成され得る。

時系列データの数が多いほど、各先行車確率の精度が高くなるので、最終先行車確率の精度も高くなる。従って、上記構成によれば、より早期に先行車を精度良く特定することができる。

更に、時系列データの数に応じて最終先行車確率を補正する代わりに、時系列データの数に応じて前記所定閾値を補正してもよい。即ち、前記特定部は、前記複数の他車のそれぞれに対する前記時系列データに含まれる同一種のデータの数に応じて同複数の他車のそれぞれに対する前記所定閾値を補正するように構成され得る。

更に、前記特定部は、
前記第１データ群に含まれる前記他車の速度に関連するデータの時系列データに基づいて同自車の直前を走行する他車の速度の所定時間における変動量を算出し、前記算出された変動量に応じて、前記複数の他車のそれぞれに対する前記最終先行車確率又は前記所定閾値を補正するように構成され得る。

前記自車の直前を走行する他車の速度の所定時間における変動量が大きいほど、先行車を特定するための有意な情報の量が実質的に増大する。従って、上記構成により、より早期に精度良く先行車を特定することができる。

更に、前記データ取得部は、
前記自車の検出装置を用いて同自車の直前を走行する他車の速度の所定時間あたりの変動量を取得し、前記変動量が大きいほど前記第１データ群及び前記第２データ群の取得頻度を増加させるように構成され得る。

前記自車の直前を走行する他車の速度の所定時間における変動量が大きいほど、先行車を特定するための有意な情報の量が実質的に増大する。従って、その場合に更にデータ取得頻度を増大する。これにより、一層早期に有意なデータを取得することができるので、より早期に精度良く先行車を特定することができる。

本発明の他の目的、他の特徴及び付随する利点は、以下の図面を参照しつつ記述される本発明の実施形態についての説明から容易に理解されるであろう。

図１は、本発明の第１実施形態に係る先行車特定装置を搭載した車両及び同先行車特定装置の概略構成図である。 図２は、図１に示した車両制御ＥＣＵのＣＰＵ（以下、「ＣＰＵ」と称呼する。）が実行するルーチンを示したフローチャートである。 図３は、先行車特定装置が取得するデータを説明するための図である。 図４は、自車センサによって取得された先行車の速度及び他車の速度の時間的変化を示した図である。 図５は、ＣＰＵが参照するルックアップテーブルである。 図６は、ＣＰＵが参照するルックアップテーブルを一般化したテーブルである。 図７は、ＣＰＵが参照するルックアップテーブルである。 図８は、ＣＰＵが参照するルックアップテーブルである。 図９は、ＣＰＵが参照するルックアップテーブルである。 図１０は、本発明の第２実施形態に係る先行車特定装置が参照するルックアップテーブルである。 図１１は、本発明の第２実施形態に係る先行車特定装置のＣＰＵが実行するルーチンの一部を示したフローチャートである。 図１２は、本発明の第３実施形態に係る先行車特定装置のＣＰＵが実行するルーチンの一部を示したフローチャートである。 図１３は、本発明の第４実施形態に係る先行車特定装置の作動を説明するための図である。

以下、本発明の各実施形態に係る先行車特定装置について図面を参照しながら説明する。なお、本明細書、図面及び特許請求の範囲等において、自車は「自己の車両（着目している車両）」を意味し、他車は「自車以外の車両」を意味する。更に、先行車は「自車の直前を走行している車両であって且つ車車間通信によりその車両から取得された情報に基づいて自車の走行制御を変更しても良い車両」を意味する。換言すると、先行車は「自車が搭載している後述するセンサ（自車センサ）が捕捉している他車」である。

（第１実施形態）
図１に示したように、本発明の実施形態に係る先行車特定装置は車両（自車）１０に搭載される。自車１０は、車両制御ＥＣＵ２０、センサＥＣＵ３０、自車センサ３１、ＧＰＳ装置４０、車速センサ５０、無線制御ＥＣＵ６０、無線アンテナ６１、エンジン制御ＥＣＵ７０、ブレーキ制御ＥＣＵ８０及びステアリング制御ＥＣＵ９０を含んでいる。他車１１〜１３も同様な構成を備える。なお、他車の数に制限はないが、他車１１〜１３は自車１０と車車間通信可能な範囲内に存在する車両の例として図示されている。

車両制御ＥＣＵ２０は、通信・センサ系ＣＡＮ（Controller Area
Network）１０１を介して、センサＥＣＵ３０、ＧＰＳ装置４０、車速センサ５０及び無線制御ＥＣＵ６０とデータ交換可能（通信可能）となるように構成されている。更に、車両制御ＥＣＵ２０は、制御系ＣＡＮ１０２を介して、エンジン制御ＥＣＵ７０、ブレーキ制御ＥＣＵ８０及びステアリング制御ＥＣＵ９０とデータ交換可能となるように構成されている。なお、ＥＣＵは、エレクトリックコントロールユニットの略称であり、ＣＰＵ、ＲＯＭ、ＲＡＭ及びインターフェース等を含むマイクロコンピュータを主要構成部品として有する電子制御回路である。

センサＥＣＵ３０は自車センサ３１と接続されている。自車センサ３１は、ここでは、周知のミリ波レーダセンサである。自車センサ３１は自車１０の前方にミリ波を送信する。そのミリ波は先行車により反射される。自車センサ３１はこの反射波を受信する。センサＥＣＵ３０は、自車センサ３１から送信されたミリ波と受信した反射波との位相差、反射波の減衰レベル及び反射波の検出時間等に基づいて、先行車の相対速度、先行車との車間距離、先行車の相対方位等を所定の時間の経過毎に時系列的に取得するようになっている。

ＧＰＳ装置４０は周知であって、人工衛星から送信されたＧＰＳ信号に基づいて、自車１０が走行している地点の緯度・経度を取得する。
車速センサ５０は自車１０の速度を検出する。車速センサ５０は、車輪の回転速度を検出するセンサでもよく、プロペラシャフトの回転速度を検出するセンサであってもよい。
なお、センサＥＣＵ３０、自車センサ３１、ＧＰＳ装置４０及び車速センサ５０は、自車１０に搭載された検出装置を構成している。

無線制御ＥＣＵ６０は車車間通信を行うための無線アンテナ６１と接続されている。無線制御ＥＣＵ６０は、自車１０の運転状態量を表す複数種類のデータを自車１０を識別するデータと共に他車１１〜１３に送信することができる。運転状態量を表すデータには、例えば、車速センサ５０により検出された自車１０の速度及びＧＰＳ装置４０により取得された自車１０の位置等を含む。更に、無線制御ＥＣＵ６０は他車１１〜１３のうちの任意の車両（便宜上、「特定車両」と称呼する。）から送信されて来る特定車両の運転状態量を表す複数種類のデータを、特定車両を識別するデータと共に受信し且つ保持することができる。

エンジン制御ＥＣＵ７０は周知であり、図示しない内燃機関を制御する。エンジン制御ＥＣＵ７０は、種々の機関運転状態量を検出するセンサから検出信号を取得するとともに、図示しない機関アクチュエータを駆動する。
ブレーキ制御ＥＣＵ８０は周知であり、図示しない制動装置を制御する。ブレーキ制御ＥＣＵ８０は、種々の車両運転状態量を検出するセンサから検出信号を取得するとともに、図示しないブレーキアクチュエータを駆動する。
ステアリング制御ＥＣＵ９０は周知であり、図示しないステアリング装置を制御する。ステアリング制御ＥＣＵ９０は、種々の車両運転状態量を検出するセンサから検出信号を取得するとともに、図示しないステアリングアクチュエータを駆動する。

エンジン制御ＥＣＵ７０、ブレーキ制御ＥＣＵ８０及びステアリング制御ＥＣＵ９０等が取得しているセンサ信号に基づくデータ、並びに、各アクチュエータの状態等の幾つかは、自車１０の運転状態量を表すデータとして必要に応じ無線制御ＥＣＵ６０により外部に送信される。従って、自車１０は、特定車両のそれらのデータを無線制御ＥＣＵ６０により取得することができる。

次に、本実施形態に係る先行車特定装置の作動について説明する。車両制御ＥＣＵ２０のＣＰＵは、先行車特定装置の機能を実現するため、所定時間（サンプリング時間cyctime）が経過する毎に図２にフローチャートにより示した「先行車判定ルーチン」を実行するようになっている。従って、ＣＰＵは適当なタイミングにてステップ２００から処理を開始してステップ２０５に進み、各種データ（ｐｓ（ｎ）、ｔｓ_ｋ（ｎ）、ｐｐ（ｎ）及びｔｐ_ｋ（ｎ））と、データを車車間通信により送信してきている他車ｋを特定するデータと、を取得する。これらのデータは以下の通りである（図３を参照。）。

ｐｓ（ｎ）：自車センサ３１を用いて取得される先行車速度
ｔｓ_ｋ（ｎ）：車車間通信を用いて取得される他車ｋの速度
ｐｐ（ｎ）：自車センサ３１及びＧＰＳ装置４０を用いて取得される先行車位置
ｔｐ_ｋ（ｎ）：車車間通信を用いて取得される他車ｋの位置

ここで、括弧内の「ｎ」は最新のデータであることを示す。従って、括弧内の数値が「ｎ−１」、「ｎ−２」、「ｎ−３」と小さくなるほど古いデータであることを示す。例えば、ｐｓ（ｎ）は自車センサ３１等によって取得された最新の先行車速度を意味し、ｐｓ（ｎ−ｑ）は、現時点から時間「ｑ・cyctime」前に自車センサ３１等によって取得された先行車速度を意味する。これらのデータは、車車間通信が開始されてから継続している限りメモリに保存される。添え字「ｋ」は自車１０の周辺に存在する（自車１０と車車間通信可能範囲内を走行している）他車を特定する識別符号である。なお、以下の説明において、「ｍ」は各統計量の計算に使用する要素数である。一つの種類のデータについて全部でＬ個のデータが得られている場合、「ｍ」は「Ｌ」以下である。

これらの取得されるデータについて説明を加える。
先行車速度ｐｓ（ｎ）は、「自車センサ３１によって取得された先行車の相対速度」に「自車１０の車速センサ５０によって取得された自車速度」を加えることにより取得される。
他車ｋの速度ｔｓ_ｋ（ｎ）は、他車ｋが搭載している車速センサによって取得された他車ｋの速度であって、車車間通信によって自車１０に送信された他車ｋの速度である。
先行車位置ｐｐ（ｎ）は、自車１０のＧＰＳ装置４０が取得した自車１０の位置を基準とし、自車センサ３１によって取得された先行車までの車間距離及び相対方位等を加味することによって取得される。
他車ｋの位置ｔｐ_ｋ（ｎ）は、他車ｋが搭載しているＧＰＳ装置が取得した他車ｋの位置であって、車車間通信によって自車１０に送信された他車ｋの位置である。

従って、先行車速度ｐｓ（ｎ）及び先行車位置ｐｐ（ｎ）は自車の検出装置（即ち、自車センサ３１、ＧＰＳ装置４０及び車速センサ５０）を用いて取得することができる先行車の運転状態量を表すデータである。また、他車ｋの速度ｔｓ_ｋ（ｎ）及び他車ｋの位置ｔｐ_ｋ（ｎ）は、車車間通信を用いて取得することができる他車ｋの運転状態量を表すデータである。

次に、ＣＰＵはステップ２１０に進み、他車ｋについての最大速度差Ａ１を下記（１）式に従って算出する。

ここで、prenumは、他車ｋとの車車間通信の開始時点ｔ０から現時点ｔnowの直前までに得られた最大速度差Ａ１を示す。即ち、最大速度差Ａ１は、先行車速度ｐｓ（ｉ）と他車ｋの速度ｔｓ_ｋ（ｉ）との差の絶対値の車車間通信開始時点ｔ０から現時点ｔnowまでの最大値である。

一般には、自車１０は先行車に追従しながら走行する傾向にある。よって、例えば、図３に示した走行状況において、自車１０の速度と先行車１１の速度との類似性は高い場合が多い。従って、自車センサ３１によって取得された先行車の速度が図４の線ｐｓに示したように変化するとき、自車１０の先行車である他車１１の速度は線ｔｓ_１１に示したように変化している場合が多い。一方、先行車ではない他車１２の速度は線ｔｓ_１２に示したように自車センサ３１によって取得された先行車の速度ｐｓとの類似性が低い状態にて推移する場合が多い。ところが、従来装置のように、現時点ｔnowにおける速度差の絶対値に注目すると、他車１２の速度ｔｓ_１２の方が他車１１の速度ｔｓ_１１よりも先行車の速度ｐｓに近い。よって、現時点ｔnowにおける速度差の絶対値のみを用いて自車１０の先行車を判定すると、自車１０の先行車は１２であるという誤った判定がなされる可能性がある。

これに対し、他車１１についての最大速度差Ａ１（１１）は時刻ｔ２において得られる小さい値であり、他車１２についての最大速度差Ａ１（１２）は時刻ｔ１において得られる大きい値である。以上から明らかなように、最大速度差Ａ１は、「他車ｋの速度」と「自車１０の検出装置により算出された先行車の速度」との類似性が高いほど小さくなる値として得られる統計量であると言うことができる。

再び、図２を参照すると、ＣＰＵはステップ２１５に進み、他車ｋについての最大速度差Ａ１に基づいて先行車確率α１（他車ｋが先行車である可能性）を取得する。より具体的に述べると、ＣＰＵは、最大速度差Ａ１を図５に示したルックアップテーブル（マップ）Ｍａｐα１（Ａ１）に適用することにより先行車確率α１を取得する。

前述したように、最大速度差Ａ１は、「他車ｋの速度」と「自車１０の検出装置により算出された先行車の速度」との類似性が高いほど小さくなる統計量である。そこで、テーブルＭａｐα１（Ａ１）によれば、最大速度差Ａ１が第１閾値Ａ１ｔｈ１以下であるとき先行車確率α１は１００％となる。換言すると、最大速度差Ａ１が第１閾値Ａ１ｔｈ１以下であるとの条件は、大半の交通環境下において先行車のみが満たすことができる条件である。

更に、テーブルＭａｐα１（Ａ１）によれば、最大速度差Ａ１が「第１閾値Ａ１ｔｈ１よりも大きく且つ第２閾値Ａ１ｔｈ２以下である」とき、先行車確率α１は、最大速度差Ａ１が大きくなるにつれて１００％から９０％に向けて次第に低下する値となる。第２閾値Ａ１ｔｈ２は第１閾値Ａ１ｔｈ１よりも大きい。換言すると、最大速度差Ａ１が第１閾値Ａ１ｔｈ１よりも大きく第２閾値Ａ１ｔｈ２以下であるとの条件は、データの平均誤差（例えば、車車間通信の遅延及び自車センサ３１の個体差等に起因する誤差の平均値）を考慮したとき、先行車が満たすことができる条件である。従って、先行車ではない他車でも、ある確率（相対的に低い確率）をもってこの条件を満たすことができる。

加えて、テーブルＭａｐα１（Ａ１）によれば、最大速度差Ａ１が「第２閾値Ａ１ｔｈ２よりも大きく且つ第３閾値Ａ１ｔｈ３以下である」とき、先行車確率α１は、最大速度差Ａ１が大きくなるにつれて９０％から８０％に向けて次第に低下する値となる。第３閾値Ａ１ｔｈ３は第２閾値Ａ１ｔｈ２よりも大きい。換言すると、最大速度差Ａ１が第２閾値Ａ１ｔｈ２よりも大きく第３閾値Ａ１ｔｈ３以下であるとの条件は、データの最大誤差（例えば、車車間通信の遅延及び自車センサ３１の個体差等に起因する誤差の最大値）を考慮したとき、先行車が満たすことができる条件である。従って、先行車ではない他車でも、相対的に高い確率をもってこの条件を満たすことができる。

更に、テーブルＭａｐα１（Ａ１）によれば、最大速度差Ａ１が第３閾値Ａ１ｔｈ３よりも大きいとき、先行車確率α１は、最大速度差Ａ１が大きくなるにつれて８０％から急激に低下する値となる。換言すると、最大速度差Ａ１が第３閾値Ａ１ｔｈ３よりも大きいとの条件は、先行車が満たすことは極めて稀である条件である。

このように、ＣＰＵは、自車の検出装置を用いて取得される先行車の運転状態量を表す複数の時系列データ（例えば、ｐｓ（ｎ）、ｐｓ（ｎ−１）、ｐｓ（ｎ−２）…）と、車車間通信を用いて取得される他車ｋの運転状態量を表す複数の時系列データ（例えば、ｔｓ_ｋ（ｎ）、ｔｓ_ｋ（ｎ−１）、ｔｓ_ｋ（ｎ−２）…）との間の類似性を示す統計量Ａｘ（類似性に応じて変化する統計量、例えば、最大速度差Ａ１）を取得する。

更に、ＣＰＵは、その統計量Ａｘを、例えば、図６に一般化して示した先行車確率変換テーブルＭａｐαｘ（Ａｘ）に適用し、その統計量Ａｘに関して他車ｋが先行車である確率（先行車確率）αｘを算出する。先行車確率変換テーブルＭａｐαｘ（Ａｘ）は、図５に示したテーブルと同様、統計量Ａｘを以下に述べる４つの領域に分類し、それぞれの領域に応じて先行車確率αｘを定める。なお、この確率αｘの算出についての考え方は以下に述べるとおりであり、他の統計量についても同様に適用される。

領域１（Ａｘｔｈ０〜Ａｘｔｈ１）：大半の交通環境下において先行車の統計量Ａｘのみが満たすことができる領域である。統計量Ａｘが領域１内にある場合、先行車確率αｘは１００％として決定される。
領域２（Ａｘｔｈ１〜Ａｘｔｈ２）：データの平均誤差（例えば、車車間通信の遅延及び自車の検出装置の個体差等に起因する誤差の平均値）を考慮したとき、先行車の統計量Ａｘが満たすことができる領域である。統計量Ａｘが領域２内にある場合、先行車確率αｘは、第１確率〜１００％内の所定値として決定される。第１確率は例えば９０％である。
領域３（Ａｘｔｈ２〜Ａｘｔｈ３）：データの最大誤差（例えば、車車間通信の遅延及び自車の検出装置の個体差等に起因する誤差の最大値）を考慮したとき、先行車の統計量Ａｘが満たすことができる領域である。統計量Ａｘが領域３内にある場合、先行車確率αｘは、「第１確率よりも小さい第２確率」〜「第１確率」内の所定値として決定される。第２確率は例えば８０％である。
領域４（Ａｘｔｈ３〜）：先行車の統計量Ａｘが満たすことは極めて稀である領域である。よって、統計量Ａｘが領域４内にある場合、先行車確率αｘは第２確率よりも小さい確率として決定される。しかも、統計量Ａｘが領域３と領域４との境界値（Ａｘｔｈ３）から遠ざかるにつれて、先行車確率αｘは急激に小さくなる。

次に、ＣＰＵは図２のステップ２２０に進み、他車ｋについての最大速度平均二乗誤差Ａ２を下記（２）式に従って算出する。

ここで、prenumは、他車ｋとの車車間通信の開始時点ｔ０から現時点ｔnowの直前までに得られた最大速度平均二乗誤差Ａ２を示す。即ち、最大速度平均二乗誤差Ａ２は、直近のｍ個の先行車速度ｐｓ（ｉ）と直近のｍ個の他車ｋの速度ｔｓ_ｋ（ｉ）との平均二乗誤差の車車間通信開始時点ｔ０から現時点ｔnowまでの最大値である。

最大速度平均二乗誤差Ａ２は、最大速度差Ａ１が相対的に顕著に大きくならない場合であっても、速度差が継続的に発生している場合、大きい値になる。従って、最大速度平均二乗誤差Ａ２は、「他車ｋの速度」と「自車１０の検出装置により算出された先行車の速度」との類似性が高いほど小さくなる値として得られる統計量であると言うことができる。

次にＣＰＵはステップ２２５に進み、他車ｋについての最大速度平均二乗誤差Ａ２に基づいて先行車確率α２を取得する。より具体的に述べると、ＣＰＵは、最大速度平均二乗誤差Ａ２を図７に示したテーブルＭａｐα２（Ａ２）に適用することにより先行車確率α２を取得する。なお、図７において、「０」から閾値Ａ２ｔｈ１の範囲が上記領域１に相当し、閾値Ａ２ｔｈ１から閾値Ａ２ｔｈ２の範囲が上記領域２に相当し、閾値Ａ２ｔｈ２から閾値Ａ２ｔｈ３の範囲が上記領域３に相当し、閾値Ａ２ｔｈ３よりも大きい範囲が上記領域４に相当する。

次に、ＣＰＵは図２のステップ２３０に進み、他車ｋについての最大加速度変動量差Ａ３を下記（３）式に従って算出する。

ここで、ｐｓ（ｉ＋１）−ｐｓ（ｉ）は自車センサ３１を用いて取得される先行車の速度の単位時間あたりの変化量に相当する値（即ち、加速度）である。ｔｓ_ｋ（ｉ＋１）−ｔｓ_ｋ（ｉ）は車車間通信を用いて取得される他車ｋの速度の単位時間あたりの変化量に相当する値（即ち、加速度）である。prenumは、他車ｋとの車車間通信の開始時点ｔ０から現時点ｔnowの直前までに得られた最大加速度変動量差Ａ３を示す。従って、最大加速度変動量差Ａ３は、「先行車速度ｐｓ（ｉ）により算出される先行車の加速度」と「他車ｋの速度ｔｓ_ｋ（ｉ）により算出される他車ｋの加速度」との差の平均値の絶対値の最大値であって、車車間通信開始時点ｔ０から現時点ｔnowまでの最大値である。この最大加速度変動量差Ａ３は、「他車ｋの速度」と「自車１０の検出装置により算出された先行車の速度」との類似性が高いほど小さくなる値として得られる統計量であると言うことができる。

次にＣＰＵはステップ２３５に進み、他車ｋについての最大加速度変動量差Ａ３に基づいて先行車確率α３を取得する。より具体的に述べると、ＣＰＵは、最大加速度変動量差Ａ３を図６に示したテーブルと同様な傾向を有するテーブルＭａｐα３（Ａ３）（図示省略）に適用することにより先行車確率α３を取得する。

次に、ＣＰＵはステップ２４０に進み、他車ｋについての速度の相関係数最小値Ａ４を下記（４）式に従って算出する。

ここで、prenumは、他車ｋとの車車間通信の開始時点ｔ０から現時点ｔnowの直前までに得られた「速度の相関係数最小値Ａ４」を示す。従って、速度の相関係数最小値Ａ４は、直近のｍ個の先行車速度ｐｓ（ｉ）と直近のｍ個の他車ｋの速度ｔｓ_ｋ（ｉ）との相関係数coefの「車車間通信開始時点ｔ０から現時点ｔnowまでの最小値」である。なお、（４）式及び他の式において、ave（ｘ）はパラメータｘの平均値を意味する。

周知なように、相関係数coef（correlation coefficient）は、２つのパラメータの間の相関（類似性の度合い）を示す統計量である。原則的には、相関係数は−１から１の間の実数であり、相関係数が１に近いほど２つのパラメータには正の相関があり、２つのパラメータの類似度は高い。相関係数が０に近くなるにつれ２つのパラメータの相関は弱くなる。相関係数が−１に近いほど２つのパラメータには負の相関がある。従って、本例において、速度の相関係数最小値Ａ４が１に近いほど、先行車速度ｐｓ（ｉ）と他車ｋの速度ｔｓ_ｋ（ｉ）との類似性は高い。

次にＣＰＵはステップ２４５に進み、他車ｋについての速度の相関係数最小値Ａ４に基づいて先行車確率α４を取得する。より具体的に述べると、ＣＰＵは、速度の相関係数最小値Ａ４を図８に示したテーブルＭａｐα４（Ａ４）に適用することにより先行車確率α４を取得する。なお、図８において、「１」から「１よりも小さい閾値Ａ４ｔｈ１」までの範囲が上記領域１に相当し、閾値Ａ４ｔｈ１から閾値Ａ４ｔｈ１よりも小さい閾値Ａ４ｔｈ２の範囲が上記領域２に相当し、閾値Ａ４ｔｈ２から閾値Ａ４ｔｈ２よりも小さい閾値Ａ４ｔｈ３の範囲が上記領域３に相当し、閾値Ａ４ｔｈ３よりも小さい範囲が上記領域４に相当する。

次に、ＣＰＵはステップ２５０に進み、他車ｋについての速度の相関係数平均値Ａ５を下記（５）式に従って算出する。

即ち、速度の相関係数平均値Ａ５は、直近のｍ個の先行車速度ｐｓ（ｉ）と直近のｍ個の他車ｋの速度ｔｓ_ｋ（ｉ）との相関係数の「車車間通信開始時点ｔ０から現時点ｔnowまでの平均値」である。従って、本例において、速度の相関係数平均値Ａ５が１に近いほど、先行車速度ｐｓ（ｉ）と他車ｋの速度ｔｓ_ｋ（ｉ）との類似性は高い。

次にＣＰＵはステップ２５５に進み、他車ｋについての速度の相関係数平均値Ａ５に基づいて先行車確率α５を取得する。より具体的に述べると、ＣＰＵは、速度の相関係数平均値Ａ５を図９に示したテーブルＭａｐα５（Ａ５）に適用することにより先行車確率α５を取得する。なお、図９において、「１」から「１よりも小さい閾値Ａ５ｔｈ１」までの範囲が上記領域１に相当し、閾値Ａ５ｔｈ１から閾値Ａ５ｔｈ１よりも小さい閾値Ａ５ｔｈ２の範囲が上記領域２に相当し、閾値Ａ５ｔｈ２から閾値Ａ５ｔｈ２よりも小さい閾値Ａ５ｔｈ３の範囲が上記領域３に相当し、閾値Ａ５ｔｈ３よりも小さい範囲が上記領域４に相当する。

次に、ＣＰＵはステップ２６０に進み、他車ｋについての最大距離変位誤差Ａ６を下記（６）式に従って算出する。この（６）式において、（ｐｓ（ｉ）−ｔｓ_ｋ（ｉ））・cyctimeは、サンプリング時間cyctime間における「自車センサ３１によって取得された先行車と他車ｋとの距離の変化量」を示す。

更に、prenumは、他車ｋとの車車間通信の開始時点ｔ０から現時点ｔnowの直前までに得られた最大距離変位誤差Ａ６を示す。即ち、最大距離変位誤差Ａ６は、距離変位誤差（自車センサ３１によって取得された先行車と他車ｋとの距離の変化量の積算値）の、データがｍ個得られる時間における最大値である。よって、最大距離変位誤差Ａ６は、「他車ｋの速度」と「自車１０の検出装置により算出された先行車の速度」との類似性が高いほど小さくなる値として得られる統計量であると言うことができる。

次にＣＰＵはステップ２６５に進み、他車ｋについての最大距離変位誤差Ａ６に基づいて先行車確率α６を取得する。より具体的に述べると、ＣＰＵは、最大距離変位誤差Ａ６を図６に示したテーブルと同様な傾向を有するテーブルＭａｐα６（Ａ６）（図示省略）に適用することにより先行車確率α６を取得する。

次に、ＣＰＵはステップ２７０に進み、他車ｋについての最大相対位置平均二乗誤差Ａ７を下記（７）式に従って算出する。

ここで、prenumは、他車ｋとの車車間通信の開始時点ｔ０から現時点ｔnowの直前までに得られた最大相対位置平均二乗誤差Ａ７を示す。即ち、最大相対位置平均二乗誤差Ａ７は、直近のｍ個の先行車位置ｐｐ（ｉ）と直近のｍ個の他車ｋの位置ｔｐ_ｋ（ｉ）との平均二乗誤差の車車間通信開始時点ｔ０から現時点ｔnowまでの最大値である。

最大相対位置平均二乗誤差Ａ７は、先行車位置ｐｐ（ｉ）と他車ｋの位置ｔｐ_ｋ（ｉ）との差が継続的に発生している場合、大きい値になる。従って、最大相対位置平均二乗誤差Ａ７は、「他車ｋの位置」と「自車センサ３１によって捕捉されている先行車の位置」との類似性が高いほど小さくなる値として得られる統計量であると言うことができる。

次にＣＰＵはステップ２７５に進み、他車ｋについての最大相対位置平均二乗誤差Ａ７に基づいて先行車確率α７を取得する。より具体的に述べると、ＣＰＵは、最大相対位置平均二乗誤差Ａ７を図６に示したテーブルと同様な傾向を有するテーブルＭａｐα７（Ａ７）（図示省略）に適用することにより先行車確率α７を取得する。

次に、ＣＰＵはステップ２８０に進み、最終先行車確率αｋを下記（８）式に従って算出する。即ち、最終先行車確率αｋは、先行車確率α１〜α７の積であり、他車ｋが先行車である可能性が高いほど大きくなる（「１」に近づく）値である。

次に、ＣＰＵはステップ２８５に進み、現時点において自車１０が車車間通信を行っている他車の総てについて、最終先行車確率αｋを算出したか否かを判定する。この判定条件が満たされない場合、ＣＰＵはステップ２１０に戻り、別の他車についての最終先行車確率を算出する。なお、ＣＰＵは、現時点において自車１０が車車間通信を行っている他車の総てについて同時並列的に各他車の統計量毎の先行車確率及び最終先行車確率を算出してもよい。

これに対し、現時点において自車１０が車車間通信を行っている他車の総てについて最終先行車確率αｋが算出されている場合、ＣＰＵはステップ２８５にて「Ｙｅｓ」と判定してステップ２９０に進み、所定の閾値（最終判定閾値）αｔｈ以上の最終先行車確率αｋを有する他車が１つだけ存在するか否かを判定する。

閾値αｔｈ以上の最終先行車確率αｋを有する他車が複数存在する場合、及び、閾値αｔｈ以上の最終先行車確率αｋを有する他車が存在しない場合、ＣＰＵはステップ２９０にて「Ｎｏ」と判定してステップ２９２に進み、先行車（車車間通信を行っている先行車）は存在しないと判定する。その後、ＣＰＵはステップ２９５に進み、本ルーチンを一旦終了する。

これに対し、閾値αｔｈ以上の最終先行車確率αｋを有する他車が１つだけ存在する場合、ＣＰＵはステップ２９０にて「Ｙｅｓ」と判定してステップ２９４に進み、その閾値αｔｈ以上の最終先行車確率αｋに対応する他車ｋを先行車（車車間通信を行っている先行車）と判定する。その後、ＣＰＵはステップ２９５に進み、本ルーチンを一旦終了する。

なお、ＣＰＵはステップ２８０の処理を実行した後に「最終先行車確率αｋが所定閾値αｔｈ以上であるか否かを判定」し、最終先行車確率αｋが所定閾値αｔｈ未満である場合にはその最終先行車確率αｋに対応する他車ｋを先行車ではないと判定してもよい。

以上、説明したように、本発明の第１実施形態に係る先行車特定装置は、データ取得部と特定部とを備える。

データ取得部は、
自車１０の検出装置（自車センサ３１、ＧＰＳ装置４０及び車速センサ５０等）を用いて自車１０の直前を走行する他車の運転状態量を表す複数のデータ（ｐｓ（ｎ）、ｐｐ（ｎ））を含む第１データ群を取得し、且つ、前記自車１０と前記複数の他車のそれぞれとの車車間通信を用いて前記複数の他車のそれぞれの運転状態量を表す複数のデータ（ｔｓ_ｋ（ｎ）、ｔｐ_ｋ（ｎ））を含む第２データ群を同第２データ群を送信している他車を特定するデータとともに取得する（図２のステップ２０５を参照。）。

特定部は、
前記第１データ群と前記複数の他車のそれぞれの前記第２データ群との間のデータの類似性を示す統計量（Ａ１〜Ａ７）を複数種類取得し（図２のステップ２１０、２２０、２３０、２４０、２５０、２６０及び２７０を参照。）、前記取得された複数種類の統計量（Ａ１〜Ａ７）のそれぞれと「前記複数種類の統計量のそれぞれに対して予め定められた所定の関係（テーブルＭａｐαｈ（Ａｈ）：ｈは１〜７の整数）」とに基づいて前記取得された複数種類の統計量のそれぞれに対する先行車確率（α１〜α７）を取得し（図２のステップ２１５、２２５、２３５、２４５、２５５、２６５及び２７５を参照。）、前記取得された複数の先行車確率に基づいて前記複数の他車のそれぞれの最終先行車確率を算出し（図２のステップ２８０、２８５を参照。）、前記最終先行車確率に基づいて前記先行車を特定する（図２のステップ２９０、２９２、２９４を参照。）。

従って、各統計量に応じて精度良く先行車確率が求められ、その先行車確率に基づいて他車ｋの最終先行車確率αｋが求められる。更に、その最終先行車確率αｋに基づいて先行車が特定される。従って、本発明の第１実施形態に係る先行車特定装置は、精度良く且つ早期に先行車を特定することができる。

更に、前記特定部は、
前記第１データ群に含まれる前記他車の速度に関連するデータの時系列データ（例えば、ｐｓ（ｎ）、ｐｓ（ｎ−１）、ｐｓ（ｎ−２）…）と、前記第２データ群に含まれる前記複数の他車のそれぞれの速度に関連するデータの時系列データ（例えば、ｔｓ_ｋ（ｎ）、ｔｓ_ｋ（ｎ−１）、ｔｓ_ｋ（ｎ−２）…）と、に基づいて、前記データの同じ時刻における（同時系列）のデータ同士の類似性を示す統計量として２種類以上の速度に関連する統計量（例えば、最大速度差Ａ１、最大速度平均二乗誤差Ａ２、最大加速度変動量差Ａ３、速度の相関係数最小値Ａ４及び速度の相関係数平均値Ａ５等、更には、最大距離変位誤差Ａ６）を取得するように構成されている（図２を参照。）。

「自車センサ及び車速センサ等によって得られる速度に関連するデータ」は「ＧＰＳ装置によって得られる位置に関連するデータ」よりも一般的に精度が良い。従って、第１実施形態は、「精度の良い速度に関連するデータ」を用いて多面的に各他車が先行車であるかどうかの評価を行うことができる。その結果、より精度良く先行車を特定することができる。なお、第１実施形態に係る先行車特定装置は、「自車１０のＧＰＳ装置」及び／又は「他車のＧＰＳ装置及び車車間通信」により得られる位置に関するデータ（ｐｐ（ｎ）、ｔｐ_ｋ（ｎ））が取得できない場合、それらに対応するデータの総てに一定値を設定するか、それらに基づいて得られる予定の先行車確率を「１」に設定してもよい。

（第２実施形態）
次に、本発明の第２実施形態に係る先行車特定装置（以下、「第２装置」と称呼する。）について説明する。第２装置は、以下の２点を考慮することにより、先行車特定までの時間をより短くする点において第１実施形態に係る先行車特定装置と相違している。
１．データの取得期間が長くなるほど（換言すると、同一種のデータの時系列データの数が多くなるほど）信頼度の高い統計量が取得され得る。
２．運転状態量（特に、速度）の変動がある場合の方が速度の変動がない場合よりも信頼度の高い統計量が取得され得る場合がある（特に、相関係数に係る統計量）。

そこで、第２装置は、図１０に示したルックアップテーブルＭａｐβに、車車間通信時間（従って、同一種のデータの時系列データ数）と、自車センサ３１を用いて取得される先行車速度の単位時間あたりの変化量Δｔｋｓと、を適用して補正係数βを取得し、その補正係数βにより最終先行車確率αｋを補正することにより、先行車の特定を行う際に使用する最終先行車確率αｋを算出する。

このテーブルＭａｐβによれば、補正係数βは、車車間通信時間が長いほど、及び、自車センサ３１を用いて取得される先行車速度の単位（所定）時間あたりの変化量が大きいほど、０よりも大きく且つ１以下の範囲で大きくなるように決定される。

より具体的に述べると、第２装置のＣＰＵは、図２のステップ２８０とステップ２８５との間に図１１に示したステップ１１１０及びステップ１１２０の処理を実行する。即ち、ＣＰＵは、ステップ２８０にて最終先行車確率αｋを算出するとステップ１１１０に進み、前述のテーブルＭａｐβに車車間通信時間及び変化量Δｔｋｓを適用することによって、補正係数βを算出する。

次いで、ＣＰＵはステップ１１２０に進み、ステップ２８０にて求めた最終先行車確率αｋに補正係数βを乗じることにより補正後の最終先行車確率αｋを算出する。その後、ＣＰＵはステップ２８５以降に進み、その補正後の最終先行車確率αｋを用いて先行車を特定する。この結果、第２装置は、より早期に精度良く先行車を特定することができる。

なお、第２装置は、補正係数βを車車間通信時間（従って、同一種のデータの時系列データ数）のみに基づいて決定してもよい。この場合にも、補正係数βは車車間通信時間が長いほど大きくなるように算出される。更に、第２装置は、補正係数βを変化量Δｔｋｓのみに基づいて決定してもよい。この場合にも、補正係数βは変化量Δｔｋｓが大きいほど大きくなるように算出される。

更に、補正係数βは、所定閾値αｔｈが相対的に低い値に設定されている場合において、車車間通信時間が長くなるほど、及び／又は、変化量Δｔｋｓが大きくなるほど、小さくなるように決定されてもよい。これによれば、最終先行車確率αｋが所定閾値αｔｈを超える他車の台数を迅速に１台のみにすることができる。なお、変化量Δｔｋｓは、車車間通信が開始された時点ｔ０から現時点ｔnowまでの変化量Δｔｋｓの絶対値の最大値に置換されてもよい。

（第３実施形態）
次に、本発明の第３実施形態に係る先行車特定装置（以下、「第３装置」と称呼する。）について説明する。第３装置は、最終先行車確率αｋを補正係数βにより補正する代わりに、所定閾値αｔｈを補正係数γにより補正する点のみにおいて、第２装置と相違している。この補正係数γは、車車間通信時間が長くなるほど、及び／又は、変化量Δｔｋｓが大きくなるほど、小さくなるように決定される。但し、補正係数γは、所定閾値αｔｈが相対的に低い値に設定されている場合において、車車間通信時間が長くなるほど、及び／又は、変化量Δｔｋｓが大きくなるほど、大きくなるように決定されてもよい。また、変化量Δｔｋｓは、車車間通信が開始された時点ｔ０から現時点ｔnowまでの変化量Δｔｋｓの絶対値の最大値に置換されてもよい。

より具体的に述べると、第３装置のＣＰＵは、図２のステップ２８５とステップ２９０との間に図１２に示したステップ１２１０及びステップ１２２０の処理を実行する。即ち、ＣＰＵは、図２のステップ２８５にて「Ｙｅｓ」と判定すると図１２のステップ１２１０に進み、補正係数γを、車車間通信時間が長くなるほど、及び／又は、変化量Δｔｋｓが大きくなるほど、小さくなるように算出する。

次いで、ＣＰＵはステップ１２２０に進み、所定の閾値αｔｈに補正係数γを乗じることにより補正後の閾値αｔｈを算出する。その後、ＣＰＵはステップ２９０以降に進み、その補正後の閾値αｔｈを用いて先行車を特定する。この結果、第２装置は、より早期に精度良く先行車を特定することができる。

（第４実施形態）
次に、本発明の第４実施形態に係る先行車特定装置（以下、「第４装置」と称呼する。）について説明する。第４装置のデータ取得部は、自車センサ３１を用いて取得された他車の速度の所定時間あたりの変動量を取得し、前記変動量が大きいほど前記第１データ群（ｐｓ（ｎ）、ｐｐ（ｎ））及び前記第２データ群（ｔｓ_ｋ（ｎ）、ｔｐ_ｋ（ｎ））の取得頻度を増加させるように構成されている。

より具体的に述べると、図１３に例示したように、自車センサ３１を用いて取得された他車の速度ｖ（線Ｃを参照。）が変化する場合において、所定時間あたりの速度ｖの変動量Δｖが閾値Δｖｔｈよりも小さい期間（時刻ｔ１以前、時刻ｔ２〜時刻ｔ３、及び、時刻ｔ４以降）においては、各種データ（ｐｓ（ｎ）、ｔｓ_ｋ（ｎ）、ｐｐ（ｎ）及びｔｐ_ｋ（ｎ））のサンプリング時間ＴｓはＴｓ１と比較的長く設定される。これに対し、速度ｖの変動量Δｖが閾値Δｖｔｈよりも大きい期間（時刻ｔ１〜時刻ｔ２、及び、時刻ｔ３〜時刻ｔ４）においては、各種データ（ｐｓ（ｎ）、ｔｓ_ｋ（ｎ）、ｐｐ（ｎ）及びｔｐ_ｋ（ｎ））のサンプリング時間Ｔｓは「Ｔｓ１よりも短いＴｓ２」と短い時間に設定される。即ち、速度ｖの変動量Δｖが大きい期間において、各種データの取得頻度がそれ以外の期間に比べ増大させられる。これにより、一層早期に有意なデータを取得することができるので、より早期に精度良く先行車を特定することができる。

以上、説明したように、本発明の各実施形態に係る先行車特定装置によれば、自車１０の直前を走行し、且つ、自車１０と車車間通信を行っている車両（通信先行車）を早期に且つ精度良く特定することができる。

本発明は上記実施形態に限定されることはなく、本発明の範囲内において種々の変形例を採用することができる。例えば、自車センサ３１は、ミリ波レーダセンサであったが、前方監視カメラ（特に、ステレオカメラ）であってもよい。

第４装置は、自車センサ３１を用いて取得された他車の速度の所定時間あたりの変動量が大きいときデータ取得頻度を増大していたが、前方の交通状況（例えば、前方に渋滞が発生しているか否か、前方の信号が赤信号に変化したか否か等）に応じて、先行車の速度の変動量が大きくなる場合を予測し、そのような場合にデータ取得頻度を増大してもよい。

更に、最終先行車確率αｋは、先行車確率α１〜α７の積であったが、先行車確率の和として求められてもよい。更に、統計量は統計量Ａ１〜Ａ７であったが、このうちの幾つかのみ（但し、複数種類の統計量）が用いられてもよい。

加えて、この先行車特定装置を搭載した車両は、先行車が特定された後において、その先行車から車車間通信を介して送信されてくる先行車の運転状態量（例えば、ブレーキペダルの踏み込み量、アクセル操作量ＡＰ及びステアリング操舵角等）に基づいて、自車１０の運転状態量を変更してもよい。

１０…自車、１１〜１３…他車、２０…車両制御ＥＣＵ、３０…センサＥＣＵ、３１…自車センサ、４０…ＧＰＳ装置、５０…車速センサ、６０…無線制御ＥＣＵ、６１…無線アンテナ。

Claims (11)

1. 自車の近傍を走行する複数の他車の中から同自車の直前を走行する先行車を特定する先行車特定装置であって、
   自車の検出装置を用いて同自車の直前を走行する他車の運転状態量を表す複数のデータを含む第１データ群を取得し、且つ、前記自車と前記複数の他車のそれぞれとの車車間通信を用いて前記複数の他車のそれぞれの運転状態量を表す複数のデータを含む第２データ群を同第２データ群を送信している他車を特定するデータとともに取得するデータ取得部と、
   前記第１データ群と前記複数の他車のそれぞれの前記第２データ群との間のデータの類似性を示す統計量としての、最大速度差Ａ１、最大速度平均二乗誤差Ａ２、最大加速度変動量差Ａ３、速度の相関係数最小値Ａ４、速度の相関係数平均値Ａ５、最大距離変位誤差Ａ６及び最大相対位置平均二乗誤差Ａ７、のうちの複数の統計量を取得し、前記取得された複数の統計量のそれぞれと前記複数の統計量のそれぞれに対して予め定められたルックアップテーブルＭａｐαｈ（Ａｈ）（ｈは１〜７のうちの２つ以上の任意の整数）とに基づいて前記取得された複数の統計量のそれぞれに対する先行車確率（αｈ）を取得し、前記取得された複数の先行車確率（αｈ）に基づいて前記複数の他車のそれぞれの最終先行車確率を算出し、前記最終先行車確率に基づいて前記先行車を特定する特定部と、
   を備える先行車特定装置。
2. 自車の近傍を走行する複数の他車の中から同自車の直前を走行する先行車を特定する先行車特定装置であって、
   自車の検出装置を用いて同自車の直前を走行する他車の運転状態量を表す複数のデータを含む第１データ群を取得し、且つ、前記自車と前記複数の他車のそれぞれとの車車間通信を用いて前記複数の他車のそれぞれの運転状態量を表す複数のデータを含む第２データ群を同第２データ群を送信している他車を特定するデータとともに取得するデータ取得部と、
   前記第１データ群と前記複数の他車のそれぞれの前記第２データ群との間のデータの類似性を示す統計量を複数種類取得し、前記取得された複数種類の統計量のそれぞれと前記複数種類の統計量のそれぞれに対して予め定められたルックアップテーブルとに基づいて前記取得された複数種類の統計量のそれぞれに対する先行車確率を取得し、前記取得された複数の先行車確率に基づいて前記複数の他車のそれぞれの最終先行車確率を算出し、前記最終先行車確率に基づいて前記先行車を特定する特定部と、
   を備え、
   前記第１データ群に含まれる前記複数のデータは前記自車の直前を走行する他車の速度に関連するデータの時系列データを含み、前記第２データ群に含まれる前記複数のデータは前記複数の他車のそれぞれの速度に関連するデータの時系列データを含み、
   前記第１データ群に含まれる前記他車の速度に関連するデータの時系列データと、前記第２データ群に含まれる前記複数の他車のそれぞれの速度に関連するデータの時系列データと、に基づいて、前記データの類似性を示す統計量として２種類以上の速度に関連する統計量を取得するように構成された先行車特定装置。
3. 請求項２に記載の先行車特定装置において、
   前記特定部は、
   前記第１データ群に含まれる前記他車の速度に関連するデータの時系列データと、前記第２データ群に含まれる前記複数の他車のそれぞれの速度に関連するデータの時系列データと、に基づいて、前記第１データ群に含まれる前記時系列データと前記第２データ群に含まれる前記複数の他車のそれぞれの前記時系列データとの類似性が高いほど絶対値が小さくなる値を時系列的に取得するとともに、前記時系列的に取得された値のうちの最大値を前記２種類以上の速度に関連する統計量の一つとして取得するように構成された先行車特定装置。
4. 請求項２又は請求項３に記載の先行車特定装置において、
   前記特定部は、
   前記第１データ群に含まれる前記他車の速度に関連するデータの時系列データと、前記第２データ群に含まれる前記複数の他車のそれぞれの速度に関連するデータの時系列データと、に基づいて、前記第１データ群に含まれる前記時系列データと前記第２データ群に含まれる前記複数の他車のそれぞれの前記時系列データとの間の相関係数を時系列的に算出するとともに、前記時系列的に算出された相関係数の最小値を前記２種類以上の速度に関連する統計量の一つとして取得するように構成された先行車特定装置。
5. 請求項１乃至請求項４の何れか一項に記載の先行車特定装置において、
   前記特定部は、
   前記複数の他車のそれぞれに対して取得された前記複数の先行車確率の積に基づく値を同複数の他車のそれぞれの最終先行車確率として算出し、前記最終先行車確率が所定閾値よりも小さい場合には同最終先行車確率に対応する他車が前記先行車でないと判定するように構成された先行車特定装置。
6. 請求項１乃至請求項４の何れか一項に記載の先行車特定装置において、
   前記特定部は、
   前記複数の他車のそれぞれに対して取得された前記複数の先行車確率の積に基づく値を同複数の他車のそれぞれの最終先行車確率として算出し、前記複数の最終先行車確率のうちの一つのみが所定閾値よりも大きいとき、前記所定閾値よりも大きい最終先行車確率に対応する他車が前記先行車であると特定するように構成された先行車特定装置。
7. 請求項５又は請求項６に記載の先行車特定装置において、
   前記特定部は、
   前記複数の他車のそれぞれに対する前記複数の先行車確率の積を同他車のそれぞれの前記時系列データに含まれる同一種のデータの数に応じて補正することによって同複数の他車のそれぞれの前記最終先行車確率を算出するように構成された先行車特定装置。
8. 請求項５又は請求項６に記載の先行車特定装置において、
   前記特定部は、
   前記複数の他車のそれぞれに対する前記時系列データに含まれる同一種のデータの数に応じて同複数の他車のそれぞれに対する前記所定閾値を補正するように構成された先行車特定装置。
9. 請求項５又は請求項６に記載の先行車特定装置において、
   前記特定部は、
   前記第１データ群に含まれる前記他車の速度に関連するデータの時系列データに基づいて同自車の直前を走行する他車の速度の所定時間における変動量を算出し、前記算出された変動量に応じて前記複数の他車のそれぞれに対する前記複数の先行車確率の積を補正することにより、同複数の他車のそれぞれの前記最終先行車確率を算出するように構成された先行車特定装置。
10. 請求項５又は請求項６に記載の先行車特定装置において、
    前記特定部は、
    前記第１データ群に含まれる前記他車の速度に関連するデータの時系列データに基づいて同自車の直前を走行する他車の速度の所定時間における変動量を算出し、前記算出された変動量に応じて前記複数の他車のそれぞれに対する前記所定閾値を補正するように構成された先行車特定装置。
11. 請求項１乃至請求項１０の何れか一項に記載の先行車特定装置において、
    前記データ取得部は、
    前記自車の検出装置を用いて同自車の直前を走行する他車の速度の所定時間あたりの変動量を取得し、前記変動量が大きいほど前記第１データ群及び前記第２データ群の取得頻度を増加させるように構成された先行車特定装置。

Images