[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

JP7274014B1 - 車線変更予測装置、車線変更予測方法およびプログラム - Google Patents

車線変更予測装置、車線変更予測方法およびプログラム Download PDF

Info

Publication number
JP7274014B1
JP7274014B1 JP2022031568A JP2022031568A JP7274014B1 JP 7274014 B1 JP7274014 B1 JP 7274014B1 JP 2022031568 A JP2022031568 A JP 2022031568A JP 2022031568 A JP2022031568 A JP 2022031568A JP 7274014 B1 JP7274014 B1 JP 7274014B1
Authority
JP
Japan
Prior art keywords
vehicle
lane
index
lane change
information
Prior art date
Legal status (The legal status 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 status listed.)
Active
Application number
JP2022031568A
Other languages
English (en)
Other versions
JP2023127712A (ja
Inventor
拓 梅田
卓爾 森本
響介 小西
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Mitsubishi Electric Corp
Original Assignee
Mitsubishi Electric Corp
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 Mitsubishi Electric Corp filed Critical Mitsubishi Electric Corp
Priority to JP2022031568A priority Critical patent/JP7274014B1/ja
Priority to US18/158,529 priority patent/US20230278548A1/en
Priority to DE102023200831.9A priority patent/DE102023200831A1/de
Application granted granted Critical
Publication of JP7274014B1 publication Critical patent/JP7274014B1/ja
Publication of JP2023127712A publication Critical patent/JP2023127712A/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
    • 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
    • B60W30/09—Taking automatic action to avoid collision, e.g. braking and steering
    • 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
    • B60W30/095—Predicting travel path or likelihood of collision
    • 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
    • B60W30/095—Predicting travel path or likelihood of collision
    • B60W30/0953—Predicting travel path or likelihood of collision the prediction being responsive to vehicle dynamic parameters
    • 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
    • B60W30/095—Predicting travel path or likelihood of collision
    • B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
    • 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
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/0097—Predicting future conditions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/62—Extraction of image or video features relating to a temporal dimension, e.g. time-based feature extraction; Pattern tracking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/84—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using probabilistic graphical models from image or video features, e.g. Markov models or Bayesian networks
    • G06V10/85—Markov-related models; Markov random fields
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/167—Driving aids for lane monitoring, lane changing, e.g. blind spot detection
    • 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
    • B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
    • B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
    • B60W2420/403—Image sensing, e.g. optical camera
    • 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
    • B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
    • B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
    • B60W2420/408—Radar; Laser, e.g. lidar
    • 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
    • B60W2552/00—Input parameters relating to infrastructure
    • 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
    • B60W2552/00—Input parameters relating to infrastructure
    • B60W2552/10—Number of lanes
    • 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
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/404—Characteristics
    • B60W2554/4045—Intention, e.g. lane change or imminent movement
    • 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
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/404—Characteristics
    • B60W2554/4046—Behavior, e.g. aggressive or erratic
    • 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
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/404—Characteristics
    • B60W2554/4049—Relationship among other objects, e.g. converging dynamic objects
    • 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
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/80—Spatial relation or speed relative to objects
    • B60W2554/802—Longitudinal distance
    • 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
    • B60W2556/00—Input parameters relating to data
    • B60W2556/45—External transmission of data to or from the vehicle
    • B60W2556/50—External transmission of data to or from the vehicle of positioning data, e.g. GPS [Global Positioning System] data
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/164—Centralised systems, e.g. external to vehicles

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Multimedia (AREA)
  • Software Systems (AREA)
  • Probability & Statistics with Applications (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Algebra (AREA)
  • Computational Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Human Computer Interaction (AREA)
  • Traffic Control Systems (AREA)

Abstract

Figure 0007274014000001
【課題】運転者の行動意図を考慮した車線変更予測を行うことができる、車線変更予測装置、車線変更予測方法およびプログラムを提供する。
【解決手段】車線変更予測装置は、周辺車両情報および道路情報を用いて、第１車両の周辺に存在する第２車両の走行車線を示す走行車線情報を算出する走行車線算出部と、走行車線情報を第２車両ごとに記憶する走行車線記憶部と、走行車線記憶部に記憶された走行車線情報が示す第２車両の走行車線に関する時系列の情報に基づいて、第２車両の走行車線の維持および第２車両の走行車線の変更の条件付き確率である第１指標を算出する第１指標算出部と、周辺車両情報に基づいて、第２車両の走行車線の変更または減速に関する第２指標を算出する第２指標算出部と、第１指標および第２指標に基づいて、第２車両が走行車線を変更する車線変更確率を算出する車線変更予測部を備える。
【選択図】図１

Description

本開示は、車線変更予測装置、車線変更予測方法およびプログラムに関する。
従来、自車両の隣接車線を走行する車両による自車両の走行車線への割り込みを予測する技術が提案されている。例えば、特許文献１に記載される車線変更推定装置は、自車両の周辺の状況に基づいて、自車両、第１車両、第２車両および第３車両のうち、２台の車両間の進行方向に関する関係に基づく第１指標値を複数組の２台の車両について導出し、第１指標値と第３車両の横方向の位置とに基づいて第３車両が車線変更する可能性を推定する。
特許第６４９４１２１号公報
従来の車線変更予測装置は、自車両の周辺で検出された対象車両との関係性に基づいて対象車両の車線変更を予測する。特許文献１に記載された装置は、自車両の周辺の状況に基づいて車両間の進行方向に関する関係（速度、位置等）に基づく指標値を導出し、導出した指標値に用いて対象車両の車線変更を予測する。このため、従来の車線変更予測装置では、対象車両が車線変更すると予測され得る関係性にならないと、対象車両の運転者に車線を変更する行動意図があっても、対象車両の車線変更が予測されない可能性があるという課題があった。
例えば、自車両が分岐に繋がる車線を走行しており、自車両の後方から対象車両が分岐に向けて車線変更している場合、対象車両の運転者には、分岐に進むために自車両の前方に車線変更する行動意図があると予想される。また、自車両の後方で追い越し車線を走行している対象車両が存在する場合、対象車両の運転者には、自車両を追い越した後に自車両の前方に車線変更する行動意図があると予想される。しかしながら、従来の技術では、対象車両と自車両が車線変更すると予測され得る関係性にならなければ、対象車両の運転者に車線を変更する行動意図があっても車線変更が予測されない。
本開示は上記課題を解決するものであり、運転者の行動意図を考慮した車線変更予測を行うことができる、車線変更予測装置、車線変更予測方法およびプログラムを得ることを目的とする。
本開示に係る車線変更予測装置は、第１車両の周辺に存在する第２車両に関する周辺車両情報および第１車両が走行する道路に関する道路情報を用いて、１または複数の第２車両の走行車線を示す走行車線情報を算出する走行車線算出部と、走行車線情報を第２車両ごとに記憶する走行車線記憶部と、走行車線記憶部に記憶された走行車線情報が示す第２車両の走行車線に関する時系列の情報に基づいて、第２車両の走行車線の維持および第２車両の走行車線の変更の条件付き確率である第１指標を算出する第１指標算出部と、周辺車両情報に基づいて、第２車両の走行車線の変更または減速に関する第２指標を算出する第２指標算出部と、第１指標および第２指標に基づいて、第２車両が走行車線を変更する車線変更確率を算出する車線変更予測部と、を備える。
本開示によれば、第２車両の走行車線に関する時系列の情報に基づいて、第２車両の走行車線の維持および第２車両の走行車線の変更の条件付き確率である第１指標を算出し、周辺車両情報に基づいて、第２車両の走行車線の変更または減速に関する第２指標を算出し、第１指標および第２指標に基づいて、第２車両が走行車線を変更する車線変更確率を算出する。第２車両の走行車線に関する時系列の情報は、過去から現在までの第２車両の運転者の行動意図が反映された走行経路を示す情報である。このため、第２車両の走行車線に関する時系列の情報を用いることにより、第２車両の運転者の過去から現在までの行動意図を反映させた第１指標を算出することが可能である。本開示に係る車線変更予測装置は、第２車両の運転者の行動意図を反映させた第１指標を用いることにより、車両の運転者の行動意図を考慮した車線変更予測を行うことができる。
実施の形態１に係る車線変更予測装置の構成を示すブロック図である。 図２Ａ、図２Ｂおよび図２Ｃは、車線変更の概要を示す概要図である。 図３Ａおよび図３Ｂは、仮経路生成の概要を示す概要図である。 車線変更確率の算出処理の概要を示す概要図である。 実施の形態１に係る車線変更予測方法を示すフローチャートである。 図６Ａおよび図６Ｂは、実施の形態１に係る車線変更予測装置の機能を実現するハードウェア構成を示すブロック図である。 実施の形態２に係る車線変更予測装置の構成を示すブロック図である。 実施の形態２に係る車線変更予測装置が備える第１指標算出部の構成を示すブロック図である。 実施の形態２に係る車線変更予測方法を示すフローチャートである。 実施の形態３に係る車線変更予測装置の構成を示すブロック図である。 実施の形態３に係る車線変更予測方法を示すフローチャートである。
実施の形態１．
図１は、実施の形態１に係る車線変更予測装置１の構成を示すブロック図である。図１において、車線変更予測装置１は、第１車両に設けられ、当該第１車両の周辺を走行する１または複数の第２車両の車線変更を予測する。第１車両には、ロケータ２、カメラ３およびレーダ４が搭載され、車両制御判断部５は、第１車両が備える電子制御装置（ＥＣＵ）が有する機能の一つである。なお、車線変更予測装置１は、第１車両に搭載されてもよいし、第１車両に搭載されたロケータ２、カメラ３、レーダ４および車両制御判断部５と無線通信可能なサーバが備える機能として実現されてもよい。
車線変更予測装置１は、ロケータ２、カメラ３およびレーダ４の各検出情報を用いて、過去から現在に至る第２車両の走行車線に基づく第１指標と、第２車両の走行車線の変更または減速に関する第２指標を算出し、第１指標および第２指標を用いて第２車両の車線変更を予測する。車両制御判断部５は、第２車両の車線変更予測情報に基づいて第１車両を運転制御する内容を判断する。
ロケータ２は、第１車両の位置情報を検出する。例えば、ロケータ２は、ＧＰＳセンサを用いて第１車両の位置情報を検出し、検出した第１車両の位置情報に対応する道路情報を、道路情報が登録された不図示の道路情報データベースから取得する。道路情報には、道路の形状、車線数および走行している車線の車線幅等が含まれる。
カメラ３は、第１車両の周辺を撮影する車外カメラである。例えば、カメラ３は、第１車両の周辺を走行する第２車両を撮影する。レーダ４は、第１車両の周辺に存在する物体までの距離、物体の速度および物体の方位を検出する装置である。レーダ４には、例えばミリ波レーダが用いられる。
車線変更予測装置１は、道路情報取得部６と演算部７とを備える。ロケータ２は、第１車両の位置情報に対応する道路情報を、道路情報取得部６に出力する。道路情報取得部６は、ロケータ２が出力した第１車両の位置情報に対応する道路情報を取得する。演算部７は、ロケータ２、カメラ３およびレーダ４の各検出情報を用いて、第２車両の車線変更を予測する。演算部７は、周辺車両認識部７１および予測部７２を備える。
周辺車両認識部７１は、カメラ３が撮影した映像情報とレーダ４が検出した物体情報とを用いて、第１車両の周辺に存在する第２車両を認識する。例えば、周辺車両認識部７１は、カメラ３が撮影した映像のフレーム画像を画像解析して特定した第２車両の車両種別および位置情報と、レーダ４が検出した第２車両の距離情報とに基づいて、第１車両から第２車両までの距離を算出する。さらに、周辺車両認識部７１は、第２車両の距離情報の時間変化を解析することにより、第１車両に対する第２車両の相対速度および相対加速度を算出する。
周辺車両認識部７１が算出した第２車両の位置情報、相対速度、相対加速度および車両種別を含む周辺車両情報は、予測部７２に出力される。なお、周辺車両情報には、第２車両の検出精度を示す信頼度が含まれてもよい。信頼度は、周辺車両情報に含まれる検出値が信頼区間に含まれる確率であり、例えば、信頼度９５％であれば、検出値は９５％信頼できる。
予測部７２は、第１車両の周辺を走行している、１または複数の第２車両の車線変更を予測し、第２車両の車線変更予測情報を、車両制御判断部５に出力する。図２Ａ、図２Ｂおよび図２Ｃは、車線変更の概要を示す概要図であり、第１車両１００の周辺に第２車両１０１Ａおよび第２車両１０１Ｂが走行しており、第２車両１０１Ａの車線変更の態様を示している。図２Ａ、図２Ｂおよび図２Ｃにおいて、第２車両１０１Ａが、車線変更予測の対象車両である。実線の矢印は、第２車両１０１Ａが実際に走行した経路であり、破線の矢印は、第２車両１０１Ａが将来走行すると思われる予測経路である。
図２Ａでは、第１車両１００、第２車両１０１Ａおよび第２車両１０１Ｂが２車線道路を走行しており、第１車両１００と同一の車線を走行していた第２車両１０１Ａが、第１車両１００の後方で隣接車線に変更し、変更後の車線において第１車両１００の斜め前方を走行している。このため、第２車両１０１Ａの運転者には「第１車両１００を追い越したい」という行動意図があるものと予想される。一方、第２車両１０１Ｂは、第１車両１００の前方を走行しており、第１車両１００と第２車両１０１Ｂとの間には、第２車両１０１Ａが、第１車両１００の前方に車線変更するために必要な距離が空いているものとする。
予測部７２は、実線の矢印で示す走行車線の時系列の情報に基づいて、第２車両１０１の運転者の「第１車両１００を追い越したい」という行動意図を反映した第１指標を算出する。さらに、予測部７２は、第１車両１００、第２車両１０１Ａおよび第２車両１０１Ｂのそれぞれの位置および速度を示す情報を用いて、現在の車両同士の位置関係に基づいた第２車両１０１Ａの走行車線の変更または減速に関する第２指標を算出する。ここで、第１車両１００と第２車両１０１Ｂとの間には、第２車両１０１Ａが第１車両１００の前方に車線変更するために必要な距離が空いている。このため、予測部７２は、第２指標ではなく、第２車両１０１Ａの運転者の行動意図が反映された第１指標に基づいて、第２車両１０１Ａが破線の矢印で示す経路で車線を変更すると予測し、第２車両１０１Ａの車線変更予測情報を車両制御判断部５に出力する。
図２Ｂでは、第１車両１００、第２車両１０１Ａおよび第２車両１０１Ｂが３車線道路を走行しており、第１車両１００の走行車線の先には、分岐点があるものとする。第１車両１００の走行車線から最も離れた車線を走行していた第２車両１０１Ａが、第１車両１００の後方で隣接車線に変更し、変更後の車線において第１車両１００の斜め前方を走行している。このため、第２車両１０１の運転者には「第１車両１００を追い越して分岐点に進みたい」という行動意図があるものと予想される。一方、第２車両１０１Ｂは、第１車両１００の前方を走行しており、第１車両１００と第２車両１０１Ｂとの間には、第２車両１０１Ａが、第１車両１００の前方に車線変更するために必要な距離が空いているものとする。
予測部７２は、実線の矢印で示す走行車線の時系列の情報に基づいて、第２車両１０１の運転者の「第１車両１００を追い越して分岐点に進みたい」という行動意図を反映した第１指標を算出する。さらに、予測部７２は、第１車両１００、第２車両１０１Ａおよび第２車両１０１Ｂのそれぞれの位置および速度を示す情報を用いて、車両同士の位置関係に基づいた第２車両１０１Ａの走行車線の変更または減速に関する第２指標を算出する。ここで、第１車両１００と第２車両１０１Ｂとの間には、第２車両１０１Ａが第１車両１００の前方に車線変更するために必要な距離が空いている。このため、予測部７２は、第２指標ではなく第２車両１０１Ａの運転者の行動意図が反映された第１指標に基づいて、第２車両１０１Ａが破線の矢印で示す経路で車線を変更すると予測し、第２車両１０１Ａの車線変更予測情報を車両制御判断部５に出力する。
図２Ｃでは、第１車両１００、第２車両１０１Ａおよび第２車両１０１Ｂが、２車線の道路を走行している。第２車両１０１Ａが、第１車両１００の後方で隣接車線に変更し、変更後の車線において第１車両１００の斜め前方を走行している。また、第２車両１０１Ｂは、第１車両１００の前方を走行している。この場合、第２車両１０１の運転者には、「第１車両１００を追い越したい」という行動意図があるものと予想されるが、第１車両１００と第２車両１０１Ｂとの車間距離では、第２車両１０１Ａが第１車両１００の走行車線に変更ができない状態である。
予測部７２は、実線の矢印で示す走行車線の時系列の情報に基づいて、第２車両１０１の運転者の「第１車両１００を追い越したい」という行動意図を反映した第１指標を算出する。さらに、予測部７２は、第１車両１００、第２車両１０１Ａおよび第２車両１０１Ｂのそれぞれの位置および速度を示す情報を用いて、車両同士の位置関係に基づいた第２車両１０１Ａの走行車線の変更または減速に関する第２指標を算出する。
第１車両１００と第２車両１０１Ｂとの間には、第２車両１０１Ａが第１車両１００の前方に車線変更するために必要な距離が空いていない。このため、予測部７２は、第１指標ではなく、現在の第１車両１００、第２車両１０１Ａおよび第２車両１０１Ｂの位置関係が反映された第２指標に基づいて、破線の矢印で示すように、第２車両１０１Ａが車線を変更しないと予測し、第２車両１０１Ａの車線変更予測情報を車両制御判断部５に出力する。このように、車線変更予測情報には、対象車両が車線変更をしないという予測結果を含めてもよい。以降の説明では、適宜、第１車両１００の周辺に存在する第２車両を、第２車両１０１と総称する。
予測部７２は、図１に示すように、走行車線算出部７２１、走行車線記憶部７２２、第１指標算出部７２３、第２指標算出部７２４、および、車線変更予測部７２５を備える。走行車線算出部７２１は、第１車両１００の周辺に存在する第２車両１０１に関する周辺車両情報と、第１車両１００が走行する道路に関する道路情報を用いて、第２車両１０１の走行車線を示す走行車線情報を算出する。
例えば、走行車線算出部７２１は、道路情報が示す第１車両１００の走行道路の複数の車線のうち、周辺車両情報が示す第２車両１０１の位置に最も近い車線を第２車両１０１の走行車線であると決定し、当該走行車線についての走行車線情報を算出する。さらに、走行車線算出部７２１は、道路情報が示す第１車両１００の走行道路の車線のうち、第１車両１００の位置に最も近い車線を、第１車両１００の走行車線であると決定して、当該走行車線についての走行車線情報を算出する。
走行車線記憶部７２２は、走行車線算出部７２１が算出した走行車線情報を、第２車両１０１ごとに記憶する。例えば、走行車線算出部７２１は、第１車両１００の周辺で第２車両１０１が認識された時点で第２車両１０１の走行車線を特定し、特定した走行車線に関する走行車線情報を算出する。走行車線記憶部７２２は、走行車線算出部７２１が算出した第２車両１０１の走行車線情報を逐次記憶する。
例えば、走行車線記憶部７２２は、第２車両１０１が初めて認識された時刻から現時点までの期間に、走行車線算出部７２１が算出した第２車両１０１の走行車線情報を、全て記憶する。現在から３０秒前に第２車両１０１が初めて認識された場合、走行車線記憶部７２２は、現在から３０秒前までの走行車線情報のみを記憶して、それよりも前の時刻に得られた走行車線情報を消去する。
第１指標算出部７２３は、走行車線記憶部７２２に記憶された走行車線情報が示す第２車両１０１の走行車線に関する時系列の情報に基づいて、第２車両１０１の走行車線の維持と走行車線の変更の条件付き確率である、第１指標を算出する。例えば、第１指標算出部７２３は、走行車線記憶部７２２に記憶された走行車線情報が示す過去から現在までの予め設定された区間における第２車両１０１の走行車線系列を取得し、取得した走行車線系列を用いて第１指標を算出する。これにより、第１指標算出部７２３は、第１指標として、第２車両１０１の運転者の過去から現在までの行動意図を反映させた指標値を算出することが可能である。
第１指標は、第２車両１０１から現在までの予め設定された区間における走行車線系列に基づいて算出された、第２車両１０１の走行車線の維持と走行車線の変更に関する条件付き確率である。第１指標算出部７２３は、走行車線系列に含まれる、第２車両１０１が右または左の車線への変更がどのタイミングで何回あるかという情報を用いて、車線維持および車線変更の条件付き確率を算出する。
例えば、ある車両がどのような車線変更を行ったから、次に、当該車両が、このような車線変更を行った、といった走行車線系列の傾向を実験的に求めて、さらに、走行車線系列の傾向に応じた第１指標を生成するための生成ルールを事前に用意しておく。第１指標算出部７２３は、過去から現在までに得られた第２車両１０１の走行車線系列と第１指標の生成ルールとを用いて、第２車両に関する第１指標を算出する。例えば、数秒後に第２車両１０１の車線変更が発生する確率と車線維持が発生する確率が、第１指標として算出される。
例えば、第２車両１０１の走行車線系列の中に走行車線から追い越し車線への車線変更を示す走行車線系列が含まれており、現在、第２車両１０１が、追い越し車線を走行している場合、第１指標算出部７２３は、第２車両１０１が走行車線に戻る車線変更が行われる確率を、走行車線を維持する確率よりも高くする生成ルールを用いて、第１指標を算出する。また、第２車両１０１の走行車線系列の中に車線変更が含まれていない場合には、第１指標算出部７２３は、車線変更する確率よりも走行車線を維持する確率を高くする生成ルールを用いて、第１指標を算出する。
また、第１指標算出部７２３は、第２車両１０１の走行車線系列が入力されると、第１指標を出力する学習モデルを用いて、第１指標を算出してもよい。例えば、第１指標算出部７２３は、隠れマルコフモデルを用いて、第２車両１０１の車線変更および車線維持についての条件付き確率である第１指標を算出する。学習用データとして第２車両１０１の走行車線系列データを用いることにより、隠れマルコフモデルのパラメータを事前に推定する。隠れマルコフモデルは、第２車両１０１の走行車線系列が入力されると、第２車両１０１の車線変更と車線維持とが発生する条件付き確率を、第１指標として出力する。
第２指標算出部７２４、周辺車両情報に基づいて、第２車両１０１の走行車線の変更または減速に関する第２指標を算出する。例えば、第２指標算出部７２４は、周辺車両情報が示す第２車両１０１が現在の運転行動を維持すると仮定した際に、第１車両１００との衝突または第２車両１０１同士での衝突の可能性がある場合に、衝突を回避するために、第２車両１０１が走行車線を変更する仮経路および第２車両１０１が減速する仮経路を生成し、これらの仮経路で第２車両１０１がそれぞれ走行した場合を想定して第２指標を算出する。これにより、第２指標算出部７２４は、第２指標として、第１車両１００と第２車両１０１との位置関係および異なる第２車両１０１間の現在の位置関係にそれぞれ応じた指標値を算出することが可能である。
図３Ａおよび図３Ｂは、仮経路生成の概要を示す概要図であり、第１車両１００の周辺に第２車両１０１Ａおよび第２車両１０１Ｂが存在し、第２車両１０１Ａについての第２指標を求めるときに用いる第２車両１０１Ａの仮経路の態様を示している。図３Ａおよび図３Ｂにおいて、第１車両１００、第２車両１０１Ａおよび第２車両１０１Ｂは、２車線道路を走行している。第２車両１０１Ａは、車線変更予測の対象車両である。
第２指標算出部７２４は、周辺車両情報を用いて、第１車両１００の走行車線に隣接する車線を走行している第２車両１０１Ａが現在の位置から現在の速度を維持して走行した場合、図３Ａにおける符号Ａで示す範囲内に存在する第２車両１０１Ｂと衝突する可能性があると判定する。この場合、第２指標算出部７２４は、図３Ｂに示すように、第２車両１０１Ａが第２車両１０１Ｂとの衝突を回避するために、第２車両１０１Ａが走行車線を変更する仮経路Ｒ１と第２車両１０１Ａが減速する仮経路Ｒ２を生成する。
例えば、第２指標算出部７２４は、周辺車両情報を用いて、第２車両１０１Ａが車線変更する仮経路Ｒ１を算出し、第２車両１０１Ｂがとり得る確率が最も高い仮経路を算出する。次に、第２指標算出部７２４は、これらの仮経路を比較して第２車両１０１Ａと第２車両１０１Ｂとが最も接近する距離Ｄ１を算出する。
同様に、第２指標算出部７２４は、周辺車両情報を用いて、第２車両１０１Ａが減速する仮経路Ｒ２を算出し、第２車両１０１Ｂがとり得る確率が最も高い仮経路を算出する。次に、第２指標算出部７２４は、これらの仮経路を比較して第２車両１０１Ａと第２車両１０１Ｂとが最も接近する距離Ｄ２を算出する。
第２指標算出部７２４は、第２車両１０１Ａが仮経路Ｒ１および仮経路Ｒ２をそれぞれ走行した場合を想定して第２指標を算出する。例えば、第２指標算出部７２４は、下記式（１）に基づいて、第２車両１０１Ａが車線変更する車線変更確率Ｐ１を算出し、下記式（２）に基づいて、第２車両１０１Ａが減速する減速確率Ｐ２を算出する。車線変更確率Ｐ１および減速確率Ｐ２が第２指標である。なお、車線変更確率Ｐ１と減速確率Ｐ２との和は１である。
車線変更確率Ｐ１＝Ｄ１/(Ｄ１＋Ｄ２) （１）
減速確率Ｐ２＝Ｄ２/(Ｄ１＋Ｄ２) （２）
車線変更予測部７２５は、第１指標および第２指標に基づいて、第２車両１０１が走行車線を変更する車線変更確率を算出する。例えば、車線変更予測部７２５は、第１指標および第２指標についての予め設定められた割合での加重平均を算出し、加重平均における第１指標の重みと第２指標の重みを変更して車線変更確率を算出する。これにより、車線変更予測部７２５は、第１指標と第２指標が所望の割合で反映された車線変更確率を算出することができる。
例えば、第１指標算出部７２３は、走行車線記憶部７２２に記憶された走行車線情報が示す過去から現在までの予め設定された区間における、第２車両１０１の走行車線系列を取得し、取得した走行車線系列を用いて第１指標を算出する。車線変更予測部７２５は、第１指標の算出に用いられた走行車線系列の長さに応じて、加重平均における第１指標の重みを変更する。
図４は、車線変更確率の算出処理の概要を示す概要図である。図４に示すタイムラインは、過去から現在までに設定された区間である。第１指標算出部７２３は、第２車両１０１の走行車線系列を用いて、第１指標を算出する。例えば、図４に示すタイムラインにおける時刻Ｔ１で第２車両１０１が認識された場合に、第１指標算出部７２３は、時刻Ｔ１から現在までの区間における第２車両１０１の走行車線系列を取得し、走行車線系列を用いて第１指標を算出する。
車線変更予測部７２５は、第１指標の算出に用いられた走行車線系列の時間長さに応じて、加重平均における第１指標の重みを変更する。例えば、過去から現在までに予め設定された区間の時間長さがＬ１であり、第２車両１０１の走行車線系列の時間長さがＬ２であり、図４に示すようにＬ２がＬ１よりも短い場合、車線変更予測部７２５は、第１指標の重みを小さくする。例えば、割合Ｌ２／Ｌ１を第１指標の重みとする。第１指標である確率と第２指標である確率とを加算した値は、１である。車線変更予測部７２５は、第１指標である確率と第２指標である確率を加重平均して得られる確率を、最終的な車線変更確率として算出する。
図５は実施の形態１に係る車線変更予測方法を示すフローチャートであり、予測部７２の動作を示している。走行車線算出部７２１は、第１車両１００の周辺に存在する第２車両１０１に関する周辺車両情報と、第１車両１００が走行する道路に関する道路情報とを用いて、第２車両１０１の走行車線を示す走行車線情報を算出して、走行車線情報を第２車両１０１ごとに走行車線記憶部７２２に記憶する（ステップＳＴ１）。
第１指標算出部７２３は、走行車線記憶部７２２に記憶された走行車線情報が示す第２車両１０１の走行車線系列に基づいて、第２車両１０１の走行車線の維持および第２車両１０１の走行車線の変更の条件付き確率である第１指標を算出する（ステップＳＴ２）。例えば、第１指標が、第２車両１０１の走行車線系列の中に第２車両１０１の追い越し車線への車線変更が含まれ、現在、第２車両１０１が、当該追越車線を走行している場合、第２車両１０１が走行車線に戻る（車線変更する）確率を高くする指標である。当該第１指標を用いることにより、車線変更予測装置１は、第２車両１０１が追い越し車線を利用して第１車両１００を追い越した後に元の走行車線へ戻るための車線変更を予測できる。
また、第１指標が、第２車両１０１の走行車線系列に車線変更が含まれていない場合、第２車両１０１が車線変更しない確率を高くした指標である。当該第１指標を用いることにより、車線変更予測装置１は、特定の車線に留まりたいという、第２車両１０１の運転者の行動意図を予測できる。
第２指標算出部７２４は、周辺車両情報に基づいて、第２車両１０１の走行車線の変更または減速に関する第２指標を算出する（ステップＳＴ３）。例えば、第２指標は、第２車両１０１で想定される複数の仮経路のうち、他車両との衝突可能性が低い仮経路を走行する確率を高くした指標である。当該第２指標を用いることにより、車線変更予測装置１は、他車両との衝突可能性が低い経路が選択されやすくなる。
なお、ステップＳＴ２の第１指標算出処理とステップＳＴ３の第２指標算出処理とは、この順に限定されるものではない。例えば、第１指標算出処理と第２指標算出処理が入れ替わってもよいし、これらの処理が同時に行われてもよい。
車線変更予測部７２５は、第１指標および第２指標に基づいて、第２車両１０１が走行車線を変更する車線変更確率を算出する（ステップＳＴ４）。これにより、車線変更予測装置１は、第２車両１０１の運転者の行動意図を反映しつつ他車両との衝突可能性が低い車線変更を予測することができる。
次に、車線変更予測装置１の機能を実現するハードウェア構成について説明する。
車線変更予測装置１が備える走行車線算出部７２１、走行車線記憶部７２２、第１指標算出部７２３、第２指標算出部７２４および車線変更予測部７２５の機能は、処理回路により実現される。すなわち、車線変更予測装置１は、図５に示したステップＳＴ１からステップＳＴ４までの処理を実行するための処理回路を備える。処理回路は、専用ハードウェアであってもよいが、メモリに記憶されたプログラムを実行するＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）であってもよい。
図６Ａは、車線変更予測装置１の機能を実現するハードウェア構成を示すブロック図である。図６Ｂは、車線変更予測装置１の機能を実現するソフトウェアを実行するハードウェア構成を示すブロック図である。図６Ａおよび図６Ｂにおいて、入力インタフェース２００は、車線変更予測装置１がロケータ２、カメラ３およびレーダ４から入力する情報を中継するものであり、道路情報取得部６および周辺車両認識部７１の情報取得機能を実現するインタフェースである。出力インタフェース２０１は、車線変更予測装置１から車両制御判断部５へ出力される情報を中継するインタフェースである。
処理回路が図６Ａに示す専用のハードウェアの処理回路２０２である場合に、処理回路２０２は、例えば、単一回路、複合回路、プログラム化したプロセッサ、並列プログラム化したプロセッサ、ＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）、ＦＰＧＡ（Ｆｉｅｌｄ－Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）またはこれらを組み合わせたものが該当する。車線変更予測装置１が備える走行車線算出部７２１、走行車線記憶部７２２、第１指標算出部７２３、第２指標算出部７２４および車線変更予測部７２５の機能を別々の処理回路で実現してもよく、これらの機能をまとめて一つの処理回路で実現してもよい。
処理回路が図６Ｂに示すプロセッサ２０３である場合、車線変更予測装置１が備える走行車線算出部７２１、走行車線記憶部７２２、第１指標算出部７２３、第２指標算出部７２４および車線変更予測部７２５の機能は、ソフトウェア、ファームウェアまたはソフトウェアとファームウェアとの組み合わせにより実現される。なお、ソフトウェアまたはファームウェアは、プログラムとして記述されてメモリ２０４に記憶される。
プロセッサ２０３は、メモリ２０４に記憶されたプログラムを読み出して実行することにより、車線変更予測装置１が備える走行車線算出部７２１、走行車線記憶部７２２、第１指標算出部７２３、第２指標算出部７２４および車線変更予測部７２５の機能を実現する。例えば、車線変更予測装置１は、プロセッサ２０３により実行されるときに、図２に示したステップＳＴ１からステップＳＴ４の処理が結果的に実行されるプログラムを記憶するためのメモリ２０４を備える。
これらのプログラムは、走行車線算出部７２１、走行車線記憶部７２２、第１指標算出部７２３、第２指標算出部７２４および車線変更予測部７２５が行う処理の手順または方法を、コンピュータに実行させる。メモリ２０４は、コンピュータを、走行車線算出部７２１、走行車線記憶部７２２、第１指標算出部７２３、第２指標算出部７２４および車線変更予測部７２５として機能させるためのプログラムが記憶されたコンピュータ可読記憶媒体であってもよい。
メモリ２０４は、例えば、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、フラッシュメモリ、ＥＰＲＯＭ（Ｅｒａｓａｂｌｅ Ｐｒｏｇｒａｍｍａｂｌｅ Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＥＥＰＲＯＭ（Ｅｌｅｃｔｒｉｃａｌｌｙ－ＥＰＲＯＭ）などの不揮発性または揮発性の半導体メモリ、磁気ディスク、フレキシブルディスク、光ディスク、コンパクトディスク、ミニディスク、ＤＶＤなどが該当する。
車線変更予測装置１が備える走行車線算出部７２１、走行車線記憶部７２２、第１指標算出部７２３、第２指標算出部７２４および車線変更予測部７２５の機能の一部を専用のハードウェアで実現し、一部を、ソフトウェアまたはファームウェアで実現してもよい。例えば、走行車線記憶部７２２は、専用のハードウェアである処理回路２０２により機能を実現し、走行車線算出部７２１、第１指標算出部７２３、第２指標算出部７２４および車線変更予測部７２５は、プロセッサ２０３がメモリ２０４に記憶されたプログラムを読み出して実行することにより機能を実現する。このように、処理回路は、ハードウェア、ソフトウェア、ファームウェアまたはこれらの組み合わせにより上記機能を実現することができる。
以上のように、実施の形態１に係る車線変更予測装置１は、周辺車両情報および道路情報を用いて、第１車両１００の周辺に存在する第２車両１０１の走行車線を示す走行車線情報を算出する走行車線算出部７２１と、走行車線情報を第２車両１０１ごとに記憶する走行車線記憶部７２２と、走行車線記憶部７２２に記憶された走行車線情報が示す第２車両１０１の走行車線に関する時系列の情報に基づいて、第２車両１０１の走行車線の維持および第２車両１０１の走行車線の変更の条件付き確率である第１指標を算出する第１指標算出部７２３と、周辺車両情報に基づいて、第２車両１０１の走行車線の変更または減速に関する第２指標を算出する第２指標算出部７２４と、第１指標および第２指標に基づいて、第２車両１０１が走行車線を変更する車線変更確率を算出する車線変更予測部７２５を備える。第２車両１０１の走行車線に関する時系列の情報は、過去から現在までの第２車両１０１の運転者の行動意図が反映された走行経路を示す情報である。このため、第２車両１０１の走行車線に関する時系列の情報を用いることにより、第２車両１０１の運転者の過去から現在までの行動意図を反映させた第１指標を算出することが可能である。車線変更予測装置１は、第２車両１０１の運転者の行動意図を反映させた第１指標を用いることにより、第２車両１０１の運転者の行動意図を考慮した車線変更予測を行うことができる。
実施の形態１に係る車線変更予測装置１において、第１指標算出部７２３は、走行車線記憶部７２２に記憶された走行車線情報が示す過去から現在までの予め設定された区間における、第２車両１０１の走行車線系列を取得し、走行車線系列を用いて第１指標を算出する。これにより、第１指標算出部７２３は、第１指標として、第２車両１０１の運転者の過去から現在までの行動意図を反映させた指標値を算出することが可能である。
実施の形態１に係る車線変更予測装置１において、第２指標算出部７２４は、周辺車両情報が示す第２車両１０１が現在の運転行動を維持すると仮定した際に、第１車両１００との衝突または第２車両１０１同士での衝突の可能性がある場合に、衝突を回避するために、第２車両１０１が走行車線を変更する仮経路および第２車両１０１が減速する仮経路を生成し、これらの仮経路で第２車両１０１がそれぞれ走行した場合を想定して第２指標を算出する。これにより、第２指標算出部７２４は、第２指標として、第１車両１００と第２車両１０１との間の位置関係および異なる第２車両１０１同士の現在の位置関係にそれぞれ応じた指標値を算出することが可能である。
実施の形態１に係る車線変更予測装置１において、車線変更予測部７２５は、第１指標および第２指標についての予め設定められた割合での加重平均を算出し、加重平均における第１指標の重みと第２指標の重みとを変更して車線変更確率を算出する。これにより、車線変更予測部７２５は、第１指標と第２指標が所望の割合で反映された車線変更確率を算出することができる。
実施の形態１に係る車線変更予測装置１において、車線変更予測部７２５は、第１指標の算出に用いられた走行車線系列の時間長さに応じて、加重平均における第１指標の重みを変更する。これにより、車線変更予測装置１は、第２車両１０１の運転者の行動意図を反映しつつ他車両との衝突可能性が低い車線変更を予測することができる。
実施の形態１に係る車線変更予測方法において、走行車線算出部７２１が、第１車両１００の周辺に存在する第２車両１０１に関する周辺車両情報と第１車両１００が走行する道路に関する道路情報とを用いて、第２車両１０１の走行車線を示す走行車線情報を算出し、走行車線情報を第２車両１０１ごとに走行車線記憶部７２２に記憶するステップと、第１指標算出部７２３が、走行車線記憶部７２２に記憶された走行車線情報が示す第２車両１０１の走行車線に関する時系列の情報に基づいて、第２車両１０１の走行車線の維持および第２車両１０１の走行車線の変更の条件付き確率である第１指標を算出するステップと、第２指標算出部７２４が、周辺車両情報に基づいて、第２車両１０１の走行車線の変更に関する第２指標を算出するステップと、車線変更予測部７２５が、第１指標および第２指標に基づいて第２車両１０１が走行車線を変更する車線変更確率を算出するステップと、を備える。第２車両１０１の運転者の行動意図を反映させた第１指標を用いた車線変更予測方法を実行することにより、第２車両１０１の運転者の行動意図を考慮した車線変更予測を行うことができる。
実施の形態１に係るプログラムは、コンピュータに実行されることにより、第２車両１０１の運転者の行動意図を考慮した車線変更予測を行うことができる車線変更予測装置１として当該コンピュータを機能させることができる。
実施の形態２．
図７は、実施の形態２に係る車線変更予測装置１Ａの構成を示すブロック図である。図７において、車線変更予測装置１Ａは、第１車両１００に設けられ、第１車両１００の周辺を走行する１または複数の第２車両１０１の車線変更を予測する。第１車両１００にはロケータ２、カメラ３およびレーダ４が搭載され、車両制御判断部５は、第１車両１００が備えるＥＣＵが有する機能の一つである。なお、車線変更予測装置１Ａは、第１車両に搭載されてもよいし、第１車両１００に搭載されたロケータ２、カメラ３、レーダ４および車両制御判断部５と無線通信可能なサーバが備える機能として実現されてもよい。
記憶装置８は、車両の走行車線系列が入力されると当該車両についての第１指標を出力する学習モデルが、当該車両のオブジェクト種別に対応づけて登録されたデータベースを記憶する。なお、図７では、記憶装置８の記憶データを明確にするため、「学習モデル」と記載している。車両のオブジェクト種別は、車両種別を示す情報であり、例えば、大型車、普通車、自動二輪等である。学習モデルは、オブジェクト種別ごとの車両の走行車線系列を学習データとした学習により、オブジェクト種別に応じた第１指標を出力するようにパラメータが更新されている。
車線変更予測装置１Ａは、記憶装置８に記憶されたデータベースから、第２車両１０１のオブジェクト種別に応じた学習モデルを取得し、取得した学習モデルを用いて第２車両１０１についての第１指標を算出する。さらに、車線変更予測装置１Ａは、周辺車両情報を用いて第２車両１０１についての第２指標を算出し、第１指標と第２指標とを用いて、第２車両１０１の車線変更を予測する。実施の形態１に係る車線変更予測装置１は、第２車両１０１のオブジェクト種別に依存しない第１指標を算出するものであったが、実施の形態２に係る車線変更予測装置１Ａは、オブジェクト種別に応じた第１指標を算出する。これにより、車線変更予測装置１Ａは、第２車両１０１のオブジェクト種別ごとに第２車両１０１の運転者の行動意図を考慮した車線変更予測を行うことができる。
また、車線変更予測装置１Ａは、道路情報取得部６および演算部７Ａを備える。演算部７Ａは、周辺車両認識部７１および予測部７２Ａを備える。予測部７２Ａは、第１車両１００の周辺を走行している１または複数の第２車両１０１の車線変更を予測し、第２車両１０１の車線変更予測情報を車両制御判断部５に出力する。
予測部７２Ａは、図７に示すように、走行車線算出部７２１、走行車線記憶部７２２、第１指標算出部７２３Ａ、第２指標算出部７２４および車線変更予測部７２５を備える。第１指標算出部７２３Ａは、周辺車両情報に含まれる第２車両１０１のオブジェクト種別を特定し、記憶装置８に記憶されたデータベースから第２車両１０１のオブジェクト種別に対応する学習モデルを取得し、当該学習モデルを用いて第１指標を算出する。例えば、学習モデルは、第２車両１０１の走行車線系列が入力されると、第２車両１０１についての第１指標を出力する。
図８は、車線変更予測装置１Ａが備える第１指標算出部７２３Ａの構成を示すブロック図である。図８に示すように、第１指標算出部７２３Ａは、走行車線系列抽出部７２３１および指標算出部７２３２を備える。走行車線系列抽出部７２３１は、走行車線記憶部７２２に記憶された走行車線情報から、過去から現在までの第２車両１０１の走行車線系列を抽出する。指標算出部７２３２は、周辺車両認識部７１が出力した周辺車両情報から、第２車両１０１のオブジェクト種別を特定し、特定したオブジェクト種別に対応する学習モデルを、記憶装置８に記憶されたデータベースから選択し、選択した学習モデルを用いて第１指標を算出する。これにより、指標算出部７２３２は、オブジェクト種別に応じた第１指標を算出することが可能である。
図９は、実施の形態２に係る車線変更予測方法を示すフローチャートであり、予測部７２Ａの動作を示している。走行車線算出部７２１は、第１車両１００の周辺に存在する第２車両１０１に関する周辺車両情報と、第１車両１００が走行する道路に関する道路情報とを用いて、第２車両１０１の走行車線を示す走行車線情報を算出して、走行車線情報を第２車両１０１ごとに走行車線記憶部７２２に記憶する（ステップＳＴ１Ａ）。
第１指標算出部７２３Ａは、周辺車両認識部７１が出力した周辺車両情報から、第２車両１０１のオブジェクト種別を特定し、特定したオブジェクト種別に対応する学習モデルを、記憶装置８に記憶されたデータベースから選択する（ステップＳＴ２Ａ）。そして、第１指標算出部７２３Ａは、第１指標算出に用いる学習モデルを、データベースから選択した学習モデルに切り替え（ステップＳＴ３Ａ）、切り替え後の学習モデルを用いて第１指標を算出する（ステップＳＴ４Ａ）。ここで、第１指標は、オブジェクト種別ごとの第２車両１０１の走行車線の維持および第２車両１０１の走行車線の変更の条件付き確率である。
例えば、大型車は、追い越し車線を長時間走行すると他の車両の車線変更の妨げとなりやすく、追い越し車線に車線変更してから前方の車両を追い越した後、追い越し車線から元の車線に戻る割合が普通車に比べて多いものとする。この場合、大型車である第２車両１０１の運転者は、追い越し車線で車両を追い越した後、普通車の運転者に比べて、追い越し車線から元の車線に戻る行動意図が強いと考えられる。そこで、実施の形態２では、大型車についての学習モデルが、普通車についての学習モデルに比べて、車線を維持する確率よりも車線を変更する確率が高い第１指標を出力するように学習される。
第２指標算出部７２４は、周辺車両情報に基づいて、第２車両１０１の走行車線の変更または減速に関する第２指標を算出する（ステップＳＴ５Ａ）。例えば、第２指標は、第２車両１０１で想定される複数の仮経路のうち、他車両との衝突可能性が低い仮経路を走行する確率を高くさせる指標である。当該第２指標を用いることにより、車線変更予測装置１は、他車両との衝突可能性が低い経路が選択されやすくなる。
なお、ステップＳＴ４Ａの第１指標算出処理とステップＳＴ５Ａの第２指標算出処理とは、この順に限定されるものではない。例えば、第１指標算出処理と第２指標算出処理が入れ替わってもよいし、これらの処理が同時に行われてもよい。
車線変更予測部７２５は、第１指標および第２指標に基づいて、第２車両１０１が走行車線を変更する車線変更確率を算出する（ステップＳＴ６Ａ）。これにより、車線変更予測装置１は、第２車両１０１の運転者の行動意図をオブジェクト種別ごとに反映しつつ、他車両との衝突可能性が低い車線変更を予測することができる。
なお、車線変更予測装置１Ａが備える走行車線算出部７２１、走行車線記憶部７２２、第１指標算出部７２３Ａ、第２指標算出部７２４および車線変更予測部７２５の機能は、処理回路により実現される。すなわち、車線変更予測装置１Ａは、図９に示したステップＳＴ１ＡからステップＳＴ６Ａの処理を実行するための処理回路を備える。処理回路は、図６Ａに示した専用のハードウェアの処理回路２０２であってもよいし、図６Ｂに示したメモリ２０４に記憶されたプログラムを実行するプロセッサ２０３であってもよい。
以上のように、実施の形態２に係る車線変更予測装置１Ａにおいて、第１指標算出部７２３Ａは、第２車両１０１の走行車線系列が入力されると第１指標を出力する学習モデルが、第２車両１０１のオブジェクト種別に対応づけて登録されたデータベースから、周辺車両情報に含まれる第２車両１０１のオブジェクト種別に対応した学習モデルを取得し、学習モデルを用いて第１指標を算出する。これにより、車線変更予測装置１Ａは、第２車両１０１のオブジェクト種別ごとに運転者の行動意図を考慮した車線変更予測を行うことができる。
実施の形態３．
図１０は、実施の形態３に係る車線変更予測装置１Ｂの構成を示すブロック図である。図１０において、車線変更予測装置１Ｂは、第１車両１００に設けられ、第１車両１００の周辺を走行する１または複数の第２車両１０１の車線変更を予測する。第１車両１００にはロケータ２、カメラ３およびレーダ４が搭載され、車両制御判断部５は、第１車両１００が備えるＥＣＵが有する機能の一つである。なお、車線変更予測装置１Ｂは、第１車両に搭載されてもよいし、第１車両１００に搭載されたロケータ２、カメラ３、レーダ４および車両制御判断部５と無線通信可能なサーバが備える機能として実現されてもよい。
車線変更確率は、第１指標と第２指標とを加重平均した確率である。車線変更予測装置１Ｂでは、第１指標および第２指標とは別に、第２車両１０１が他車両と衝突する可能性を示す値を算出し、衝突可能性を示す値に基づいて第１指標と第２指標の重みを変更した車線変更確率を算出する。これにより、車線変更予測装置１Ｂは、第２車両１０１の衝突可能性に応じて、第２車両１０１の運転者の行動意図を考慮した車線変更予測を行うことができる。
また、車線変更予測装置１Ｂは、道路情報取得部６および演算部７Ｂを備える。演算部７Ｂは、周辺車両認識部７１および予測部７２Ｂを備える。予測部７２Ｂは、第１車両１００の周辺を走行している１または複数の第２車両１０１の車線変更を予測し、第２車両１０１の車線変更予測情報を車両制御判断部５に出力する。
予測部７２Ｂは、図１０に示すように、走行車線算出部７２１、走行車線記憶部７２２、第１指標算出部７２３、第２指標算出部７２４、車線変更予測部７２５Ａおよび衝突可能性予測部７２６を備える。車線変更予測部７２５Ａは、衝突可能性予測部７２６が予測した第２車両１０１の衝突可能性に応じて、加重平均での第１指標と第２指標の重みを変更することにより、車線変更確率を算出する。
衝突可能性予測部７２６は、周辺車両情報に含まれる第２車両１０１の位置および速度に基づいて、第２車両１０１の走行車線および隣接した車線において当該第２車両１０１が他の車両と衝突する衝突可能性を予測する。例えば、衝突可能性予測部７２６は、周辺車両情報を用いて、現在から未来の数秒間、第２車両１０１が等加速度直線運動を行うか車線変更した場合に、第２車両１０１が他車両に最も近づく距離を、衝突可能性を示す値として算出する。また、衝突可能性を示す値は、第２車両１０１と他車両との距離を相対速度で割り算して得られる、Ｔｉｍｅ ｔｏ Ｃｏｌｌｉｓｉｏｎ（ＴＴＣ）であってもよい。
図１１は、実施の形態３に係る車線変更予測方法を示すフローチャートであり、予測部７２Ｂの動作を示している。走行車線算出部７２１が、第１車両１００の周辺に存在する第２車両１０１に関する周辺車両情報と、第１車両１００が走行する道路に関する道路情報とを用いて、第２車両１０１の走行車線を示す走行車線情報を算出して、走行車線情報を第２車両１０１ごとに走行車線記憶部７２２に記憶する（ステップＳＴ１Ｂ）。
第１指標算出部７２３は、走行車線情報が示す第２車両１０１の走行車線系列に基づいて、第２車両１０１の走行車線の維持および第２車両１０１の走行車線の変更の条件付き確率である第１指標を算出する（ステップＳＴ２Ｂ）。第２指標算出部７２４は、周辺車両情報に基づいて、第２車両１０１の走行車線の変更または減速に関する第２指標を算出する（ステップＳＴ３Ｂ）。
なお、ステップＳＴ２Ｂの第１指標算出処理とステップＳＴ３Ｂの第２指標算出処理とは、この順に限定されるものではない。例えば、第１指標算出処理と第２指標算出処理が入れ替わってもよいし、これらの処理が同時に行われてもよい。
次に、衝突可能性予測部７２６は、周辺車両情報を用いて、第２車両１０１の走行車線および隣接した車線において当該第２車両１０１が他の車両と衝突する衝突可能性を予測する（ステップＳＴ４Ｂ）。衝突可能性予測部７２６が算出した第２車両１０１の衝突可能性に関する情報は、車線変更予測部７２５Ａに出力される。
車線変更予測部７２５Ａは、第２車両１０１の衝突可能性に関する情報に基づいて、加重平均における第１指標の重みと第２指標の重みを変更する（ステップＳＴ５Ｂ）。例えば、車線変更予測部７２５Ａは、第２車両１０１の車線変更先の領域で他車両との衝突可能性が高い場合に、第１指標の重みを小さくする。続いて、車線変更予測部７２５Ａは、ステップＳＴ５Ｂで決定した重みを用いた第１指標および第２指標の加重平均を行って、第２車両１０１が走行車線を変更する車線変更確率を算出する（ステップＳＴ６Ｂ）。
これにより、車線変更予測装置１Ｂは、第２車両１０１の衝突可能性に応じて、第２車両１０１の運転者の行動意図を考慮した車線変更予測を行うことができる。
なお、第２指標は、第２車両１０１と他車両とが最も接近する距離が考慮された指標であり、第２車両１０１の衝突可能性を示す値とみなすことができる。そこで、車線変更予測部７２５Ａは、第２指標を、第２車両１０１の衝突可能性を示す値として用いることにより、加重平均における第１指標の重みと第２指標の重みを変更してもよい。
例えば、第２指標の値が閾値よりも大きい場合、第１指標の重みを小さくするか、第２指標の重みを大きくする。
なお、車線変更予測装置１Ｂが備える走行車線算出部７２１、走行車線記憶部７２２、第１指標算出部７２３、第２指標算出部７２４、車線変更予測部７２５Ａおよび衝突可能性予測部７２６の機能は、処理回路により実現される。すなわち、車線変更予測装置１Ｂは、図１１に示したステップＳＴ１ＢからステップＳＴ６Ｂの処理を実行するための処理回路を備える。処理回路は、図６Ａに示した専用のハードウェアの処理回路２０２であってもよいし、図６Ｂに示したメモリ２０４に記憶されたプログラムを実行するプロセッサ２０３であってもよい。
以上のように、実施の形態３に係る車線変更予測装置１Ｂにおいて、周辺車両情報に含まれる第２車両１０１の位置および速度に基づいて、第２車両１０１の走行車線および隣接した車線において第２車両１０１が他の車両と衝突する衝突可能性を予測する衝突可能性予測部７２６を備える。車線変更予測部７２５は、衝突可能性予測部７２６が予測した衝突可能性に基づいて、加重平均における第１指標の重みと第２指標の重みを変更する。これにより、車線変更予測装置１Ｂは、第２車両１０１の衝突可能性に応じて、第２車両１０１の運転者の行動意図を考慮した車線変更予測を行うことができる。
なお、各実施の形態の組み合わせまたは実施の形態のそれぞれの任意の構成要素の変形もしくは実施の形態のそれぞれにおいて任意の構成要素の省略が可能である。
１，１Ａ，１Ｂ 車線変更予測装置、２ ロケータ、３ カメラ、４ レーダ、５ 車両制御判断部、６ 道路情報取得部、７，７Ａ，７Ｂ 演算部、８ 記憶装置、７１ 周辺車両認識部、７２，７２Ａ，７２Ｂ 予測部、１００ 第１車両、１０１，１０１Ａ，１０１Ｂ 第２車両、２００ 入力インタフェース、２０１ 出力インタフェース、２０２ 処理回路、２０３ プロセッサ、２０４ メモリ、７２１ 走行車線算出部、７２２ 走行車線記憶部、７２３，７２３Ａ 第１指標算出部、７２４ 第２指標算出部、７２５，７２５Ａ 車線変更予測部、７２６ 衝突可能性予測部、７２３１ 走行車線系列抽出部、７２３２ 指標算出部。

Claims (9)

  1. 第１車両の周辺に存在する第２車両に関する周辺車両情報と前記第１車両が走行する道路に関する道路情報とを用いて、１または複数の前記第２車両の走行車線を示す走行車線情報を算出する走行車線算出部と、
    前記走行車線情報を前記第２車両ごとに記憶する走行車線記憶部と、
    前記走行車線記憶部に記憶された前記走行車線情報が示す前記第２車両の走行車線に関する時系列の情報に基づいて、前記第２車両の走行車線の維持および前記第２車両の走行車線の変更の条件付き確率である第１指標を算出する第１指標算出部と、
    前記周辺車両情報に基づいて、前記第２車両の走行車線の変更または減速に関する第２指標を算出する第２指標算出部と、
    前記第１指標および前記第２指標に基づいて、前記第２車両が走行車線を変更する車線変更確率を算出する車線変更予測部と、を備えた
    ことを特徴とする車線変更予測装置。
  2. 前記第１指標算出部は、前記走行車線記憶部に記憶された前記走行車線情報が示す過去から現在までの予め設定された区間における前記第２車両の走行車線系列を取得し、取得した走行車線系列を用いて前記第１指標を算出する
    ことを特徴とする請求項１に記載の車線変更予測装置。
  3. 前記第１指標算出部は、前記第２車両の走行車線系列が入力されると、前記第１指標を出力する学習モデルが、前記第２車両のオブジェクト種別に対応づけて登録されたデータベースから、前記周辺車両情報に含まれる前記第２車両のオブジェクト種別に対応した前記学習モデルを取得し、取得した前記学習モデルを用いて前記第１指標を算出する
    ことを特徴とする請求項２に記載の車線変更予測装置。
  4. 前記第２指標算出部は、前記周辺車両情報が示す前記第２車両が現在の運転行動を維持すると仮定した際に、前記第１車両との衝突または前記第２車両同士での衝突の可能性がある場合、衝突を回避するために、前記第２車両が走行車線を変更する仮経路および前記第２車両が減速する仮経路を生成し、これらの仮経路で前記第２車両がそれぞれ走行した場合を想定して前記第２指標を算出する
    ことを特徴とする請求項１に記載の車線変更予測装置。
  5. 前記車線変更予測部は、前記第１指標および前記第２指標についての予め設定められた割合での加重平均を算出し、加重平均における前記第１指標の重みと前記第２指標の重みを変更して前記車線変更確率を算出する
    ことを特徴とする請求項１に記載の車線変更予測装置。
  6. 前記周辺車両情報に含まれる前記第２車両の位置および速度に基づいて、当該第２車両の走行車線および隣接した車線において当該第２車両が他の車両と衝突する衝突可能性を予測する衝突可能性予測部を備え、
    前記車線変更予測部は、前記衝突可能性予測部が予測した衝突可能性に基づいて、加重平均における前記第１指標の重みと前記第２指標の重みを変更する
    ことを特徴とする請求項５に記載の車線変更予測装置。
  7. 前記車線変更予測部は、前記第１指標の算出に用いられた前記走行車線系列の時間長さに応じて、加重平均における前記第１指標の重みを変更する
    ことを特徴とする請求項５に記載の車線変更予測装置。
  8. 車線変更予測装置の車線変更予測方法であって、
    走行車線算出部が、第１車両の周辺に存在する第２車両に関する周辺車両情報と前記第１車両が走行する道路に関する道路情報とを用いて、１または複数の前記第２車両の走行車線を示す走行車線情報を算出し、前記走行車線情報を前記第２車両ごとに走行車線記憶部に記憶するステップと、
    第１指標算出部が、前記走行車線記憶部に記憶された前記走行車線情報が示す前記第２車両の走行車線に関する時系列の情報に基づいて、前記第２車両の走行車線の維持および前記第２車両の走行車線の変更の条件付き確率である第１指標を算出するステップと、
    第２指標算出部が、前記周辺車両情報に基づいて、前記第２車両の走行車線の変更または減速に関する第２指標を算出するステップと、
    車線変更予測部が、前記第１指標および前記第２指標に基づいて、前記第２車両が走行車線を変更する車線変更確率を算出するステップと、を備えた
    ことを特徴とする車線変更予測方法。
  9. コンピュータを、請求項１から請求項８のいずれか１項に記載の車線変更予測装置として機能させるためのプログラム。
JP2022031568A 2022-03-02 2022-03-02 車線変更予測装置、車線変更予測方法およびプログラム Active JP7274014B1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
JP2022031568A JP7274014B1 (ja) 2022-03-02 2022-03-02 車線変更予測装置、車線変更予測方法およびプログラム
US18/158,529 US20230278548A1 (en) 2022-03-02 2023-01-24 Lane-change prediction device, lane-change prediction method, and non-transitory computer readable recording medium
DE102023200831.9A DE102023200831A1 (de) 2022-03-02 2023-02-02 Spurwechselschätzungsvorrichtung, spurwechselschätzungsverfahren und programm

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2022031568A JP7274014B1 (ja) 2022-03-02 2022-03-02 車線変更予測装置、車線変更予測方法およびプログラム

Publications (2)

Publication Number Publication Date
JP7274014B1 true JP7274014B1 (ja) 2023-05-15
JP2023127712A JP2023127712A (ja) 2023-09-14

Family

ID=86321965

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2022031568A Active JP7274014B1 (ja) 2022-03-02 2022-03-02 車線変更予測装置、車線変更予測方法およびプログラム

Country Status (3)

Country Link
US (1) US20230278548A1 (ja)
JP (1) JP7274014B1 (ja)
DE (1) DE102023200831A1 (ja)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017128286A (ja) 2016-01-22 2017-07-27 トヨタ自動車株式会社 車両用走行制御装置
JP2017154614A (ja) 2016-03-02 2017-09-07 トヨタ自動車株式会社 車両走行制御装置
US20210132619A1 (en) 2019-11-06 2021-05-06 Waymo Llc Predicting cut-in probabilities of surrounding agents

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5803844B2 (ja) * 2012-08-21 2015-11-04 トヨタ自動車株式会社 割込予測装置、割込予測方法、及び運転支援システム
JP6494121B2 (ja) 2017-03-01 2019-04-03 本田技研工業株式会社 車線変更推定装置、車線変更推定方法、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
JP2017128286A (ja) 2016-01-22 2017-07-27 トヨタ自動車株式会社 車両用走行制御装置
JP2017154614A (ja) 2016-03-02 2017-09-07 トヨタ自動車株式会社 車両走行制御装置
US20210132619A1 (en) 2019-11-06 2021-05-06 Waymo Llc Predicting cut-in probabilities of surrounding agents

Also Published As

Publication number Publication date
DE102023200831A1 (de) 2023-09-07
US20230278548A1 (en) 2023-09-07
JP2023127712A (ja) 2023-09-14

Similar Documents

Publication Publication Date Title
CN111284493B (zh) 用于控制车辆行驶的装置和方法
CN112498365B (zh) 基于置信度水平和距离、响应于障碍物的自动驾驶车辆的延迟决策
JP6592074B2 (ja) 車両制御装置、車両制御方法、プログラム、および情報取得装置
US10759432B2 (en) Vehicle control apparatus, vehicle control method, and vehicle control program
JP6800575B2 (ja) 自己の乗り物のドライバを支援する方法およびシステム
US20210309214A1 (en) Vehicle controller, method, and computer program for controlling vehicle
US11308717B2 (en) Object detection device and object detection method
JP5278419B2 (ja) 運転シーンの遷移予測装置及び車両用推奨運転操作提示装置
US10803307B2 (en) Vehicle control apparatus, vehicle, vehicle control method, and storage medium
JPWO2018235159A1 (ja) 経路予測装置および経路予測方法
CN110576847A (zh) 基于焦点的对传感器数据的标记
CN113853640B (zh) 电子控制装置
JP7156989B2 (ja) 走行制御装置、走行制御方法、およびプログラム
EP4083959A1 (en) Traffic flow machine-learning modeling system and method applied to vehicles
US20200302233A1 (en) Training data generation apparatus
CN113496201A (zh) 物体状态识别装置、方法、物体状态识别用计算机程序及控制装置
CN113435237B (zh) 物体状态识别装置、识别方法和计算机可读的记录介质以及控制装置
US20220153266A1 (en) Vehicle adaptive cruise control system, method and computer readable medium for implementing the method
US11900690B2 (en) Apparatus, method, and computer program for identifying state of signal light, and controller
CN113454555A (zh) 用于驾驶策略的轨迹预测
CN112230646A (zh) 设计用于单车运行的自动驾驶系统下的车辆队列实施
JP7274014B1 (ja) 車線変更予測装置、車線変更予測方法およびプログラム
JP7532569B2 (ja) 歩行者の位置を決定する方法及び装置
EP4140848A2 (en) Planning under prediction with confidence region for an autonomous driving vehicle
JP7258077B2 (ja) 他車両行動予測装置

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20220302

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20230404

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20230428

R150 Certificate of patent or registration of utility model

Ref document number: 7274014

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150