JP7313298B2 - 車両制御装置、車両制御方法、およびプログラム - Google Patents

Description

本発明は、車両制御装置、車両制御方法、およびプログラムに関する。

従来、他車両の周囲における、少なくとも車線を含む道路構造における交通規則を取得し、交通規則に基づいて他車両が走行する経路を予測する車両挙動予測方法が開示されている（特許文献１参照）。

国際公開第２０１８／１３４９７３号 特開２０１７－４５１３０号公報

しかしながら、上記の車両挙動予測方法では、精度よく他車両が走行する経路を予測することができない場合があった。

本発明は、このような事情を考慮してなされたものであり、より精度よく他車両が走行する経路を予測することができる車両制御装置、車両制御方法、およびプログラムを提供することを目的の一つとする。

この発明に係る車両制御装置、車両制御方法、およびプログラムは、以下の構成を採用した。
（１）：この発明の一態様に係る車両制御装置は、車両の周辺の道路構造および他車両を含む周辺環境を認識する認識部と、前記認識部により認識された前記他車両が走行する道路に、前記他車両が進行可能な複数の経路が想定される場合、前記想定される経路のそれぞれに対して、前記他車両が将来走行する予測確率を導出する導出部と、前記導出部により導出された前記予測確率に基づいて、前記車両の挙動を制御する走行制御部とを備える車両制御装置である。

（２）：上記（１）の態様において、前記導出部は、前記認識部により認識された周辺環境から得られた、前記他車両が存在する道路構造と、前記他車両が明示的に示す明示的行動と、前記他車両が暗黙的に示す暗黙的行動とに基づいて、前記予測確率を導出する。

（３）：上記（２）の態様において、前記導出部は、前記道路構造、前記明示的行動、および前記暗黙的行動に関連付けられた優劣を加味して前記予測確率を導出する。

（４）：上記（２）または（３）の態様において、前記導出部は、前記他車両が走行する道路の特性に基づいて、前記道路構造、前記明示的行動、および前記暗黙的行動に関連付けられた優劣を設定し、設定した優劣を加味して前記予測確率を導出する。

（５）：上記（２）から（４）のいずれかの態様において、前記導出部は、前記暗黙的行動よりも前記明示的行動を優先して前記予測確率を導出する。

（６）：上記（２）から（５）いずれかの態様において、前記導出部は、前記明示的行動よりも前記道路構造を優先して前記予測確率を導出する。

（７）：上記（２）から（６）のいずれかの態様において、前記導出部は、前記他車両が車線変更した後に前記明示的行動を行った場合、前記他車両が車線変更せずに前記明示的行動を行った場合よりも、前記明示的行動が前記予測確率に与える影響度を大きくする。

（８）：上記（２）から（７）のいずれかの態様において、前記道路構造は、前記車両が存在する道路の周辺の交差点の有無、前記道路の車線の種別、または前記道路に設けられた標識の種別のうち少なくとも一つを含み、前記明示的行動は、前記他車両に設けられた方向指示器の制御状態、或いは前記方向指示器の制御と前記他車両が行った車線変更の有無との組み合わせを含み、前記暗黙的行動は、前記他車両の位置、速度、または加速度のうち少なくとも一つを含む。

（９）：上記（２）から（８）のいずれかの態様において、前記複数の経路は、前記他車両が直進する第１経路と、前記他車両が左折または右折する第２経路とを含み、前記導出部は、前記第１経路に対する第１予測確率と、前記第２経路に対する第２予測確率とを導出し、前記走行制御部は、前記導出部により導出された前記第１予測確率と前記第２予測確率とに基づいて、前記車両の挙動を制御する。

（１０）：上記（２）から（９）のいずれかの態様において、前記複数の経路は、前記他車両が直進する第１経路と、前記他車両が車線変更する第３経路とを含み、前記導出部は、前記第１経路に対する第１予測確率と、前記第３経路に対する第３予測確率とを導出し、前記走行制御部は、前記導出部により導出された前記第１予測確率と前記第３予測確率とに基づいて、前記車両の挙動を制御する。

（１１）：上記（１）から（１０）のいずれかの態様において、前記走行制御部は、想定される前記他車両の挙動に応じた前記車両の挙動を、前記導出部により導出された前記予測確率に基づいて統合し、統合後の前記車両の挙動に基づいて、前記車両の挙動を制御する。

（１２）：この発明の一態様に係る車両制御方法は、コンピュータが、車両の周辺の道路構造および他車両を含む周辺環境を認識し、前記認識された前記他車両が走行する道路に、前記他車両が進行可能な複数の経路が想定される場合、前記想定される経路のそれぞれに対して、前記他車両が将来走行する予測確率を導出し、前記導出された前記予測確率に基づいて、前記車両の挙動を制御する車両制御方法である。

（１３）：この発明の一態様に係るプログラムは、コンピュータに、車両の周辺の道路構造および他車両を含む周辺環境を認識させ、前記認識された前記他車両が走行する道路に、前記他車両が進行可能な複数の経路が想定される場合、前記想定される経路のそれぞれに対して、前記他車両が将来走行する予測確率を導出させ、前記導出された前記予測確率に基づいて、前記車両の挙動を制御させるプログラムである。

（１）～（１３）によれば、車両制御装置が、他車両が進行可能な複数の経路のそれぞれに対して、他車両が将来走行する予測確率を導出することにより、より精度よく他車両が走行する経路を予測することができる。更に、車両制御装置は、上記の予測した経路に基づいて、車両の挙動を制御することにより、より車両を滑らかに走行させることができる。

（３）または（４）によれば、導出部は、道路構造、明示的行動、および暗黙的行動に関連付けられた優劣を加味して予測確率を導出することにより、より精度よく予測確率を導出することができる。

（５）、（６）によれば、導出部が、道路構造、明示的行動、暗黙的行動の順で、予測確率に反映される度合を高くすることにより、より精度よく予測確率を導出することができる。

（１１）によれば、走行制御部は、想定される他車両の挙動に応じた車両の挙動を、予測確率に基づいて統合し、統合後の前記車両の挙動に基づいて、車両の挙動を制御することにより、他車両の挙動によって所定度合以上の車両の挙動の変化が発生することを抑制させることができる。

実施形態に係る車両制御装置を利用した車両システム１の構成図である。 第１制御部１２０および第２制御部１６０の機能構成図である。 行動計画生成部１２６の機能構成の一例を示す図である。 構造情報１７２の内容の一例を示す図である。 道路構造の特定について説明するための図である。 道路構造および道路構造の詳細について説明するための図（その１）である。 道路構造および道路構造の詳細について説明するための図（その２）である。 状態情報１７４の内容の一例を示す図である。 状態情報１７４Ａの内容の一例を示す図である。 他車両が右方向指示器のランプを点滅させているときに左レーンチェンジを行った場面の一例を示す図である。 状態モデル１７６の処理の概念図である。 統合指標が導出される処理について説明するため図である。 重み情報１７８の内容の一例を示す図である。 他車両の進行方向を推定する処理について説明するための図である。 車両Ｍの挙動の一例を示す図である。 車両Ｍの挙動の他の一例を示す図である。 比較例の車両の加減速度の度合と、実施形態の車両Ｍの加減速度の度合とを比較するための図である。 自動運転制御装置１００により実行される処理の流れの一例を示すフローチャートである。 実施形態の自動運転制御装置１００のハードウェア構成の一例を示す図である。

以下、図面を参照し、本発明の車両制御装置、車両制御方法、およびプログラムの実施形態について説明する。

［全体構成］
図１は、実施形態に係る車両制御装置を利用した車両システム１の構成図である。車両システム１が搭載される車両は、例えば、二輪や三輪、四輪等の車両であり、その駆動源は、ディーゼルエンジンやガソリンエンジンなどの内燃機関、電動機、或いはこれらの組み合わせである。電動機は、内燃機関に連結された発電機による発電電力、或いは二次電池や燃料電池の放電電力を使用して動作する。

車両システム１は、例えば、カメラ１０と、レーダ装置１２と、ＬＩＤＡＲ（Light Detection and Ranging）１４と、物体認識装置１６と、通信装置２０と、ＨＭＩ（Human Machine Interface）３０と、車両センサ４０と、ナビゲーション装置５０と、ＭＰＵ（Map Positioning Unit）６０と、運転操作子８０と、自動運転制御装置１００と、走行駆動力出力装置２００と、ブレーキ装置２１０と、ステアリング装置２２０とを備える。これらの装置や機器は、ＣＡＮ（Controller Area Network）通信線等の多重通信線やシリアル通信線、無線通信網等によって互いに接続される。なお、図１に示す構成はあくまで一例であり、構成の一部が省略されてもよいし、更に別の構成が追加されてもよい。

カメラ１０は、例えば、ＣＣＤ（Charge Coupled Device）やＣＭＯＳ（Complementary Metal Oxide Semiconductor）等の固体撮像素子を利用したデジタルカメラである。カメラ１０は、車両システム１が搭載される車両（以下、車両Ｍ）の任意の箇所に取り付けられる。前方を撮像する場合、カメラ１０は、フロントウインドシールド上部やルームミラー裏面等に取り付けられる。カメラ１０は、例えば、周期的に繰り返し車両Ｍの周辺を撮像する。カメラ１０は、ステレオカメラであってもよい。

レーダ装置１２は、車両Ｍの周辺にミリ波などの電波を放射すると共に、物体によって反射された電波（反射波）を検出して少なくとも物体の位置（距離および方位）を検出する。レーダ装置１２は、車両Ｍの任意の箇所に取り付けられる。レーダ装置１２は、ＦＭ－ＣＷ（Frequency Modulated Continuous Wave）方式によって物体の位置および速度を検出してもよい。

ＬＩＤＡＲ１４は、車両Ｍの周辺に光（或いは光に近い波長の電磁波）を照射し、散乱光を測定する。ＬＩＤＡＲ１４は、発光から受光までの時間に基づいて、対象までの距離を検出する。照射される光は、例えば、パルス状のレーザー光である。ＬＩＤＡＲ１４は、車両Ｍの任意の箇所に取り付けられる。

物体認識装置１６は、カメラ１０、レーダ装置１２、およびＬＩＤＡＲ１４のうち一部または全部による検出結果に対してセンサフュージョン処理を行って、物体の位置、種類、速度などを認識する。物体認識装置１６は、認識結果を自動運転制御装置１００に出力する。物体認識装置１６は、カメラ１０、レーダ装置１２、およびＬＩＤＡＲ１４の検出結果をそのまま自動運転制御装置１００に出力してよい。車両システム１から物体認識装置１６が省略されてもよい。

通信装置２０は、例えば、セルラー網やＷｉ－Ｆｉ網、Ｂｌｕｅｔｏｏｔｈ（登録商標）、ＤＳＲＣ（Dedicated Short Range Communication）などを利用して、車両Ｍの周辺に存在する他車両と通信し、或いは無線基地局を介して各種サーバ装置と通信する。

ＨＭＩ３０は、車両Ｍの乗員に対して各種情報を提示すると共に、乗員による入力操作を受け付ける。ＨＭＩ３０は、各種表示装置、スピーカ、ブザー、タッチパネル、スイッチ、キーなどを含む。

車両センサ４０は、車両Ｍの速度を検出する車速センサ、加速度を検出する加速度センサ、鉛直軸回りの角速度を検出するヨーレートセンサ、車両Ｍの向きを検出する方位センサ等を含む。

ナビゲーション装置５０は、例えば、ＧＮＳＳ（Global Navigation Satellite System）受信機５１と、ナビＨＭＩ５２と、経路決定部５３とを備える。ナビゲーション装置５０は、ＨＤＤ（Hard Disk Drive）やフラッシュメモリなどの記憶装置に第１地図情報５４を保持している。ＧＮＳＳ受信機５１は、ＧＮＳＳ衛星から受信した信号に基づいて、車両Ｍの位置を特定する。車両Ｍの位置は、車両センサ４０の出力を利用したＩＮＳ（Inertial Navigation System）によって特定または補完されてもよい。ナビＨＭＩ５２は、表示装置、スピーカ、タッチパネル、キーなどを含む。ナビＨＭＩ５２は、前述したＨＭＩ３０と一部または全部が共通化されてもよい。経路決定部５３は、例えば、ＧＮＳＳ受信機５１により特定された車両Ｍの位置（或いは入力された任意の位置）から、ナビＨＭＩ５２を用いて乗員により入力された目的地までの経路（以下、地図上経路）を、第１地図情報５４を参照して決定する。第１地図情報５４は、例えば、道路を示すリンクと、リンクによって接続されたノードとによって道路形状が表現された情報である。第１地図情報５４は、道路の曲率やＰＯＩ（Point Of Interest）情報などを含んでもよい。地図上経路は、ＭＰＵ６０に出力される。ナビゲーション装置５０は、地図上経路に基づいて、ナビＨＭＩ５２を用いた経路案内を行ってもよい。ナビゲーション装置５０は、例えば、乗員の保有するスマートフォンやタブレット端末等の端末装置の機能によって実現されてもよい。ナビゲーション装置５０は、通信装置２０を介してナビゲーションサーバに現在位置と目的地を送信し、ナビゲーションサーバから地図上経路と同等の経路を取得してもよい。

ＭＰＵ６０は、例えば、推奨車線決定部６１を含み、ＨＤＤやフラッシュメモリなどの記憶装置に第２地図情報６２を保持している。推奨車線決定部６１は、ナビゲーション装置５０から提供された地図上経路を複数のブロックに分割し（例えば、車両進行方向に関して１００［ｍ］毎に分割し）、第２地図情報６２を参照してブロックごとに推奨車線を決定する。推奨車線決定部６１は、左から何番目の車線を走行するといった決定を行う。推奨車線決定部６１は、地図上経路に分岐箇所が存在する場合、車両Ｍが、分岐先に進行するための合理的な経路を走行できるように、推奨車線を決定する。

第２地図情報６２は、第１地図情報５４よりも高精度な地図情報である。第２地図情報６２は、例えば、車線の中央の情報あるいは車線の境界の情報等を含んでいる。また、第２地図情報６２には、道路情報、交通規制情報、住所情報（住所・郵便番号）、施設情報、電話番号情報などが含まれてよい。第２地図情報６２は、通信装置２０が他装置と通信することにより、随時、アップデートされてよい。道路情報は、道路構造に関する情報（例えば、車線の種類や、車線の数、車線の種別、路面標示、信号機、標識、道路規則に関する情報）を含む。車線の種別とは、左折専用レーンや、複数の車線のうち車両がどの車線を走行しているかなどの情報である。

運転操作子８０は、例えば、アクセルペダル、ブレーキペダル、シフトレバー、ステアリングホイール、異形ステア、ジョイスティックその他の操作子を含む。運転操作子８０には、操作量あるいは操作の有無を検出するセンサが取り付けられており、その検出結果は、自動運転制御装置１００、もしくは、走行駆動力出力装置２００、ブレーキ装置２１０、およびステアリング装置２２０のうち一部または全部に出力される。

自動運転制御装置１００は、例えば、第１制御部１２０と、第２制御部１６０と、記憶部１７０とを備える。第１制御部１２０と第２制御部１６０は、それぞれ、例えば、ＣＰＵ（Central Processing Unit）などのハードウェアプロセッサがプログラム（ソフトウェア）を実行することにより実現される。また、これらの構成要素のうち一部または全部は、ＬＳＩ（Large Scale Integration）やＡＳＩＣ（Application Specific Integrated Circuit）、ＦＰＧＡ（Field-Programmable Gate Array）、ＧＰＵ（Graphics Processing Unit）などのハードウェア（回路部；circuitryを含む）によって実現されてもよいし、ソフトウェアとハードウェアの協働によって実現されてもよい。プログラムは、予め自動運転制御装置１００のＨＤＤやフラッシュメモリなどの記憶装置（非一過性の記憶媒体を備える記憶装置）に格納されていてもよいし、ＤＶＤやＣＤ－ＲＯＭなどの着脱可能な記憶媒体に格納されており、記憶媒体（非一過性の記憶媒体）がドライブ装置に装着されることで自動運転制御装置１００のＨＤＤやフラッシュメモリにインストールされてもよい。記憶部１７０は、ＲＯＭ（Read Only Memory）やＲＡＭ（Random Access Memory）、ＨＤＤ（Hard Disk Drive）、フラッシュメモリ等で実現される。記憶部１７０には、例えば、構造情報１７２、状態情報１７４、状態モデル１７６、および重み情報１７８が記憶されている。これらの情報の詳細については後述する。自動運転制御装置１００は「車両制御装置」の一例である。

図２は、第１制御部１２０および第２制御部１６０の機能構成図である。第１制御部１２０は、例えば、認識部１２２と、情報管理部１２４と、行動計画生成部１２６とを備える。第１制御部１２０は、例えば、ＡＩ（Artificial Intelligence；人工知能）による機能と、予め与えられたモデルによる機能とを並行して実現する。例えば、「交差点を認識する」機能は、ディープラーニング等による交差点の認識と、予め与えられた条件（パターンマッチング可能な信号、道路標示などがある）に基づく認識とが並行して実行され、双方に対してスコア付けして総合的に評価することで実現されてよい。これによって、自動運転の信頼性が担保される。

認識部１２２は、カメラ１０、レーダ装置１２、およびＬＩＤＡＲ１４から物体認識装置１６を介して入力された情報に基づいて、車両Ｍの周辺にある物体の位置、および速度、加速度等の状態を認識する。物体の位置は、例えば、車両Ｍの代表点（重心や駆動軸中心など）を原点とした絶対座標上の位置として認識され、制御に使用される。物体の位置は、その物体の重心やコーナー等の代表点で表されてもよいし、表現された領域で表されてもよい。物体の「状態」とは、物体の加速度やジャーク、あるいは「行動状態」（例えば車線変更をしている、またはしようとしているか否か）を含んでもよい。

また、認識部１２２は、例えば、車両Ｍが走行している車線（走行車線）を認識する。例えば、認識部１２２は、第２地図情報６２から得られる道路区画線のパターン（例えば実線と破線の配列）と、カメラ１０によって撮像された画像から認識される車両Ｍの周辺の道路区画線のパターンとを比較することで、走行車線を認識する。なお、認識部１２２は、道路区画線に限らず、道路区画線や路肩、縁石、中央分離帯、ガードレールなどを含む走路境界（道路境界）を認識することで、走行車線を認識してもよい。この認識において、ナビゲーション装置５０から取得される車両Ｍの位置やＩＮＳによる処理結果が加味されてもよい。また、認識部１２２は、一時停止線、障害物、赤信号、料金所、その他の道路事象、道路構造を認識する。

認識部１２２は、走行車線を認識する際に、走行車線に対する車両Ｍの位置や姿勢を認識する。認識部１２２は、例えば、車両Ｍの基準点の車線中央からの乖離、および車両Ｍの進行方向の車線中央を連ねた線に対してなす角度を、走行車線に対する車両Ｍの相対位置および姿勢として認識してもよい。これに代えて、認識部１２２は、走行車線のいずれかの側端部（道路区画線または道路境界）に対する車両Ｍの基準点の位置などを、走行車線に対する車両Ｍの相対位置として認識してもよい。

情報管理部１２４は、行動計画生成部１２６が処理に用いる情報を取得する。例えば、情報管理部１２４は、第１地図情報５４や、第２地図情報６２、記憶部１７０に記憶された情報、認識部１２２の認識結果を取得し、取得した情報を行動計画生成部１２６に提供する。

行動計画生成部１２６は、原則的には推奨車線決定部６１により決定された推奨車線を走行し、更に、車両Ｍの周辺状況に対応できるように、車両Ｍが自動的に（運転者の操作に依らずに）将来走行する目標軌道を生成する。目標軌道は、例えば、速度要素を含んでいる。例えば、目標軌道は、車両Ｍの到達すべき地点（軌道点）を順に並べたものとして表現される。軌道点は、道なり距離で所定の走行距離（例えば数［ｍ］程度）ごとの車両Ｍの到達すべき地点であり、それとは別に、所定のサンプリング時間（例えば０コンマ数［ｓｅｃ］程度）ごとの目標速度および目標加速度が、目標軌道の一部として生成される。また、軌道点は、所定のサンプリング時間ごとの、そのサンプリング時刻における車両Ｍの到達すべき位置であってもよい。この場合、目標速度や目標加速度の情報は軌道点の間隔で表現される。

行動計画生成部１２６は、目標軌道を生成するにあたり、自動運転のイベントを設定してよい。自動運転のイベントには、定速走行イベント、低速追従走行イベント、車線変更イベント、分岐イベント、合流イベント、テイクオーバーイベントなどがある。行動計画生成部１２６は、起動させたイベントに応じた目標軌道を生成する。行動計画生成部１２６の詳細については後述する。

第２制御部１６０は、行動計画生成部１２６によって生成された目標軌道を、予定の時刻通りに車両Ｍが通過するように、走行駆動力出力装置２００、ブレーキ装置２１０、およびステアリング装置２２０を制御する。

第２制御部１６０は、例えば、取得部１６２と、速度制御部１６４と、操舵制御部１６６とを備える。取得部１６２は、行動計画生成部１２６により生成された目標軌道（軌道点）の情報を取得し、メモリ（不図示）に記憶させる。速度制御部１６４は、メモリに記憶された目標軌道に付随する速度要素に基づいて、走行駆動力出力装置２００またはブレーキ装置２１０を制御する。操舵制御部１６６は、メモリに記憶された目標軌道の曲がり具合に応じて、ステアリング装置２２０を制御する。速度制御部１６４および操舵制御部１６６の処理は、例えば、フィードフォワード制御とフィードバック制御との組み合わせにより実現される。一例として、操舵制御部１６６は、車両Ｍの前方の道路の曲率に応じたフィードフォワード制御と、目標軌道からの乖離に基づくフィードバック制御とを組み合わせて実行する。

走行駆動力出力装置２００は、車両が走行するための走行駆動力（トルク）を駆動輪に出力する。走行駆動力出力装置２００は、例えば、内燃機関、電動機、および変速機などの組み合わせと、これらを制御するＥＣＵ（Electronic Control Unit）とを備える。ＥＣＵは、第２制御部１６０から入力される情報、或いは運転操作子８０から入力される情報に従って、上記の構成を制御する。

ブレーキ装置２１０は、例えば、ブレーキキャリパーと、ブレーキキャリパーに油圧を伝達するシリンダと、シリンダに油圧を発生させる電動モータと、ブレーキＥＣＵとを備える。ブレーキＥＣＵは、第２制御部１６０から入力される情報、或いは運転操作子８０から入力される情報に従って電動モータを制御し、制動操作に応じたブレーキトルクが各車輪に出力されるようにする。ブレーキ装置２１０は、運転操作子８０に含まれるブレーキペダルの操作によって発生させた油圧を、マスターシリンダを介してシリンダに伝達する機構をバックアップとして備えてよい。なお、ブレーキ装置２１０は、上記説明した構成に限らず、第２制御部１６０から入力される情報に従ってアクチュエータを制御して、マスターシリンダの油圧をシリンダに伝達する電子制御式油圧ブレーキ装置であってもよい。

ステアリング装置２２０は、例えば、ステアリングＥＣＵと、電動モータとを備える。電動モータは、例えば、ラックアンドピニオン機構に力を作用させて転舵輪の向きを変更する。ステアリングＥＣＵは、第２制御部１６０から入力される情報、或いは運転操作子８０から入力される情報に従って、電動モータを駆動し、転舵輪の向きを変更させる。

［行動計画生成部の詳細］
図３は、行動計画生成部１２６の機能構成の一例を示す図である。行動計画生成部１２６は、例えば、第１導出部１３０と、第２導出部１３２と、第３導出部１３４と、指標導出部（導出部）１３６と、推定部１３８と、行動決定部１４０と、を備える。

第１導出部１３０は、第１指標を導出する。第２導出部１３２は、第２指標を導出する。第３導出部１３４は、第３指標を導出する。指標導出部１３６は、第１指標、第２指標、および第３指標に基づいて、予測確率を導出する。予測確率は、例えば、他車両が走行する道路に、他車両が進行可能な複数の経路が想定される場合、想定される経路のそれぞれに対して、他車両が将来走行する予定の予測確率である。推定部１３８は、統合指標に基づいて、他車両の進行方向を推定する。行動決定部１４０は、推定された他車両の進行方向（予測確率）に基づいて、車両を制御する。以下、各機能部の詳細、および指標の導出手法に説明する。

（第１指標の導出手法）
第１導出部１３０は、他車両が存在する道路構造に基づいて、第１指標（確率）を導出する。第１導出部１３０は、例えば、認識部１２２により認識された道路構造と、構造情報１７２とに基づいて、第１指標を導出する。第１導出部１３０は、地図情報（第２地図情報６２）に道路構造を示す情報が関連付けられている場合、他車両が存在している位置を推定し、地図情報において推定した位置に関連付けられた道路構造を特定してもよい。

図４は、構造情報１７２の内容の一例を示す図である。構造情報１７２は、識別情報に対して、道路構造、道路構造の詳細、確率に対する重み、他車両が左折方向に進行する確率、他車両が直進方向に進行する確率、および他車両が右折方向に進行する確率が関連付けられた情報である。図４の例では、確率Ａ、確率Ｂ、確率Ｃの順で、確率が高い。確率Ａと、確率Ｂと、確率Ｃとの合計は、例えば「１」である。図４の例では、道路構造に関連付けられた重みは同一であるものとして示しているが、異なる大きさの重みが付与されていてもよい。重みの付与の詳細については後述する。

図４、後述する図８、図９、および図１２において、「Ａ」、「Ｂ」、「Ｃ」という記載をしているが、各図の「Ａ」、「Ｂ」、「Ｃ」は、傾向を示しているだけであり、それぞれ異なる値であってもよい。

第１導出部１３０は、構造情報１７２の道路構造のうち、認識部１２２により認識された道路構造と合致する道路構造を特定する。図５に示すように、第１導出部１３０が、認識部１２２の認識結果に基づいて他車両ｍが走行するベースパスＰＡ１の所定距離Ｌ内に次のベースパスＰＡ２が存在し、３つのベースパス（ＰＡ２－ＰＡ４）の分岐点が存在すると判定した場合、道路構造は交差点であると判定する。

第１導出部１３０は、構造情報１７２において特定した道路構造に関連付けられた確率と重みを導出する。例えば、第１導出部１３０は、他車両が走行するベースパスに右パスも左パスも存在しないと判定した場合、道路は単車線であると判定し、単車線に関連付けられた確率を導出する（図４、図６のＮｏ１０１参照）。単車線では、例えば、直進方向確率が最も確率が高く、左折方向確率と右折方向確率とは同程度である。「パス」とは、他車両が通過可能であると推定される経路である。

以下、他車両が存在する道路構造の詳細（具体例）について、単車線以外の道路構造について説明する。セミコロンの左側の記載は他車両が存在する道路構造であり、右側は道路構造の詳細（具体例）である。

複数車線の右端；車両が走行するベースパスに右パスが存在せず、左パスが存在する（図４、図６のＮｏ１０２参照）。この場合、例えば、直進方向確率、左折方向確率（左方向に進行する確率、左車線に進行する確率）、右折方向確率（右方向に進行する確率、右車線に進行する確率）の順で確率が高い。

複数車線の真ん中；車両が走行するベースパスに右パスおよび左パスが存在する（図４、図６のＮｏ１０３参照）。この場合、例えば、直進方向確率が左折方向確率および右折方向確率よりも高く、左折方向確率と右折方向確率とは同程度である。

複数車線の左端；車両が走行するベースパスに右パスが存在し、左パスが存在しない（図４、図６のＮｏ１０４参照）。この場合、例えば、直進方向確率、右折方向確率、左折方向確率の順で確率が高い。

交差点；車両が走行するベースパスから所定距離内に次のベースパスが存在し、３つのベースパスの分岐点が存在する（図４、図６のＮｏ１０５参照）。この場合、例えば、直進方向確率、左折方向確率、右折方向確率は同程度である。

右折専用レーン；車両が走行するベースパスから所定距離内に次のベースパスが存在し、車両の前方のベースパスの属性に「右折」が関連付けられているレーンを走行している（図４、図６のＮｏ１０６参照）。この場合、例えば、右折方向確率、直進方向確率、左折方向確率の順で確率が高い。

例えば、第１導出部１３０は、認識部１２２の認識結果または地図情報に関連付けられた情報に基づいて、ベースパス（道路）に関連付けられた属性を取得する。属性とは、例えば、道路の交通規則に関する制約に関する情報である。道路の交通に関する制約（法律や規則）を遵守する方向に進む確率は、上記制約を遵守しないことになる方向に進む確率よりも高くなる。

左折専用レーン；車両が走行するベースパスから所定距離内に次のベースパスが存在し、車両の前方のベースパスの属性に「左折」が関連付けられているレーンを走行している（図４、図６のＮｏ１０７参照）。この場合、例えば、左折方向確率、直進方向確率、右折方向確率の順で確率が高い。

直進右折専用レーン；車両が走行するベースパスから所定距離内に次のベースパスが存在し、車両の前方のベースパスの属性に「右折」が関連付けられ、「左折」が関連付けられていない（直進が関連付けられている）レーンを走行している（図４、図７のＮｏ１０８参照）。この場合、例えば、直進方向確率および右折方向確率が、同程度であり、且つ左折方向確率よりも高い。

直進左折専用レーン；車両が走行するベースパスの所定距離内に次のベースパスが存在し、車両の前方のベースパスの属性に「左折」が関連付けられ、「右折」が関連付けられていない（直進が関連付けられている）レーンを走行している（図４、図７のＮｏ１０９参照）。この場合、例えば、直進方向確率および左折方向確率が、同程度であり、且つ右折方向確率よりも高い。

右折矢印信号；ベースパスから所定距離以内において、右矢印信号がベースパス上の交差点に存在する（図４、図７のＮｏ１１０参照）。この場合、例えば、右折方向確率、直進方向確率、左折方向確率の順で確率が高い。

直進矢印信号；ベースパスから所定距離以内において、直進矢印信号がベースパス上の交差点に存在する（図４、図７のＮｏ１１１参照）。この場合、例えば、直進方向確率が右折方向確率および左折方向確率よりも高く、右折方向確率および左折方向確率は同程度の確率である。

左矢印信号；ベースパスから所定距離以内において、左矢印信号がベースパス上の交差点に存在する（図４、図７のＮｏ１１２参照）。この場合、例えば、左折方向確率、直進方向確率、右折方向確率の順で確率が高い。

上述したように、第１導出部１３０は、道路構造に基づいて、経路に対する確率（第１指標）を導出する。

（第２指標の導出手法）
第２導出部１３２は、他車両の明示的な行動に基づいて、第２指標（確率）を導出する。明示的な行動とは、例えば、方向指示器が示す方向や、ブレーキランプの点灯状態である。明示的な行動は、方向指示器が示す方向の他、車両または車両の乗員が示す明示的な行動であればよく、例えば、乗員が明示するジェスチャーであってもよい。

第２導出部１３２は、認識部１２２により認識された他車両の明示的な行動と、状態情報１７４とに基づいて、第２指標を導出する。図８は、状態情報１７４の内容の一例を示す図である。状態情報１７４は、識別情報に対して、明示的な行動に関するイベント、イベントの内容、確率に対する重み、他車両が左折方向に進行する確率、他車両が直進方向に進行する確率、および他車両が右折方向に進行する確率が関連付けられた情報である。図８の例では、確率Ａ、確率Ｂ、確率Ｃの順で、確率が高い。確率Ａと、確率Ｂと、確率Ｃとの合計は、例えば「１」である。

第２導出部１３２は、認識部１２２により認識された他車両の明示的な行動に合致する、状態情報１７４のイベント（イベントの内容）を特定し、特定したイベントに関連付けられた確率と重みを導出する。例えば、右方向指示器のランプを点滅している場合、右折方向確率、直進方向確率、左折方向確率の順で確率が高く、左方向指示器のランプを点滅している場合、左折方向確率、直進方向確率、右折方向確率の順で確率が高い。ブレーキランプが点滅している場合、左折方向確率、直進方向確率、および右折方向確率は同程度である。

第２導出部１３２は、状態情報１７４に代えて、状態情報１７４Ａを用いて確率を導出してもよい。図９は、状態情報１７４Ａの内容の一例を示す図である。状態情報１７４Ａは、状態情報１７４の内容に加え、更に以下の内容を含む。

例えば、他車両の右方向指示器が点滅しているときに、他車両が左にレーンチェンジした場合、例えば、確率は、右折方向確率、直進方向確率、左折方向確率の順で高くなる（図９のＮｏ２１１、図１０参照）。

図１０は、他車両が右方向指示器のランプを点滅させているときに左レーンチェンジを行った場面の一例を示す図である。図１０に示すように、他車両が、時刻ｔで右方向指示器のランプを点滅させて、時刻ｔ＋１、時刻ｔ＋２で左レーンチェンジを行った場合、第２導出部１３２は、前述した図９のＮо２１１の状態に該当すると判定し、例えば、左折方向確率「Ｃ」、直進方向確率「Ｂ」、および右折方向確率「Ａ」を導出する。

例えば、他車両の右方向指示器が点滅しているときに、他車両が右にレーンチェンジした場合、例えば、確率は、右折方向確率、直進方向確率、左折方向確率の順で高くなる（図９のＮｏ２１２参照）。

例えば、他車両の左方向指示器が点滅しているときに、他車両が左にレーンチェンジした場合、例えば、確率は、左折方向確率、直進方向確率、右折方向確率の順で高くなる（図９のＮｏ２１３参照）。

例えば、他車両の左方向指示器が点滅しているときに、他車両が右にレーンチェンジした場合、例えば、確率は、左折方向確率、直進方向確率、右折方向確率の順で高くなる（図９のＮｏ２１４参照）。

例えば、他車両のブレーキランプが点滅（または点灯）しているときに、他車両が左にレーンチェンジした場合、例えば、左折方向確率が、直進方向確率および右折方向確率よりも高く、直進方向確率および右折方向確率は同等である（図９のＮｏ２１５参照）。

例えば、他車両のブレーキランプが点滅（または点灯）しているときに、他車両が右にレーンチェンジした場合、例えば、右折方向確率が、直進方向確率および左折方向確率よりも高く、直進方向確率および左折方向確率は同等である（図９のＮｏ２１６参照）。

上記以外のイベントである場合、左折方向確率が、直進方向確率および右折方向確率は同等である（図９のＮｏ２１７参照）。

上記の第２指標に関連付けられている重みは、イベントごとに異なっていてもよい。例えば、他車両が車線変更を行った後、明示的行動を行うイベントに関連付けられた重みは、他車両が車線変更を行わずに明示的行動を行うイベントに関連付けられた重みよりも大きい。例えば、図９のＮｏ２１２、およびＮｏ２１３のように、方向指示器のランプの点滅状態と他車両の行動とが矛盾しないイベントに関連付けられた重みは他のイベントに関連付けられた重みよりも大きい。図９のＮｏ２１１、およびＮｏ２１４のように、方向指示器のランプの点滅状態と他車両の行動とが矛盾するイベントに関連付けられた重みは、図９のＮо２０１またはＮｏ２０２のように、単に方向指示器が点滅したイベントに関連付けられた重みよりも小さい。

上述したように、第２導出部１３２は、認識部１２２により認識された方向指示器の状態および他車両のレーンチェンジの状態に基づいて、経路に対する確率（第２指標）を導出する。

（第３指標の導出手法）
第３導出部１３４は、他車両が暗黙的に示す暗黙的行動に基づいて、第３指標（確率）を導出する。暗黙的な行動とは、例えば、車両が行き先を明示する行動とは異なる行動であって、例えば、他車両の走行状態を示す行動である。暗黙的な行動は、他車両の速度、他車両の加速度、他車両の位置のうち一以上の情報で表される。他車両の位置とは、例えば、他車両が走行する車線に対する他車両の位置である。

第３導出部１３４は、認識部１２２により認識された他車両の暗黙的な行動と、状態モデル１７６とに基づいて、第３指標を導出する。図１１は、状態モデル１７６の処理の概念図である。状態モデル１７６は、他車両の暗黙的な行動を示す情報が入力されると、左折方向確率、直進方向確率、および右折方向確率を導出するモデルである。状態モデル１７６は、学習データを学習した学習済モデルである。学習データは、他車両の暗黙的な行動を示す情報（速度、加速度、および位置）と、第３指標とが関連付けられた複数の情報である。状態モデル１７６は、他車両の暗黙的な行動を示す情報が入力されると、入力された情報に関連付けられた第３指標を導出するように学習された学習済モデルである。

状態モデル１７６は、サポートベクターマシンや、ニューラルネットワークなどのディープラーニング技術を用いたモデル（機械学習モデル）であってもよいし、所定の関数であってもよい。

上記の例では、状態モデル１７６が、第３指標を導出するものとしたが、行動計画生成部１２６は、速度、加速度、または位置の一以上の情報と、予め設定された情報とを比較し、比較結果に基づいて、第３指標を導出してもよい。例えば、行動計画生成部１２６は、加速が第１所定加速度以上であり、且つ他車両の基準位置と隣接車線との距離が第２距離未満である場合、隣接車線に進行する確率を高くし、現在走行している車線を走行する確率を次に高くし、隣接車線とは反対側の隣接車線に進行する確率を次に高くする。すなわち、第３導出部１３４は、上記のような機械学習によって生成されたモデルを用いずに、所定の関数や規則に基づいて、第３指標を導出してもよい。

上記の例では、行動計画生成部１２６が、認識部１２２により認識された情報を予め用意された情報に当てはめて第１指標または第２指標を導出するものとしたが、行動計画生成部１２６は、サポートベクターマシンや、ニューラルネットワークなどのディープラーニング技術を用いたモデルを用いて、第１指標または第２指標を導出してもよい。例えば、画像や道路構造または明示的行動に関する指標を入力すると、第１指標または第２指標を出力するモデルが用いられてもよい。

（統合指標の導出手法）
指標導出部１３６は、各指標に関連付けられた重み（優劣）、第１指標、第２指標、および第３指標に基づいて、統合指標を導出する。統合指標とは、第１指標、第２指標、および第３指標が反映された左折方向確率、直進方向確率、および右折方向確率である。

図１２は、統合指標が導出される処理について説明するため図である。指標導出部１３６は、例えば、第１指標－第３指標の左折方向確率を合計した第１合計指標と、第１指標－第３指標の直進方向確率を合計した第２合計指標と、第１指標－第３指標の右折方向確率を合計した第３合計指標とを導出する。更に、指標導出部１３６は、所定の関数やモデルに、第１合計指標－第３合計指標を適用して、統合指標を導出する。指標導出部１３６は、例えば、ソフトマックス関数を用いて、第１合計指標－第３合計指標を正規化して左折方向確率、直進方向確率、および右折方向確率を導出する。図１２の例では、統合指標は、左折方向確率「ｃ％」、直進方向確率「ｂ％」、および右折方向確率「ａ％」である。

（重みの設定手法）
ここで、第１指標、第２指標、または第３指標に関連付けられている重みは、指標ごとに予め設定されているものとしたが、指標導出部１３６は、他車両が走行する道路の特性に基づいて、第１指標－第３指標の重みを設定してもよい。道路の特性とは、道路構造や、道路の所在（位置）と道路の構造との組み合わせ、道路の所在、他車両が走行している道路における制約（例えば法律や規則）等である。例えば、指標導出部１３６は、道路における制約が存在し、他車両がその制約を遵守して走行する必要がある場合、第１指標の重みを他の指標の重みよりも高く設定してもよい。例えば、他車両が左折専用レーンを走行している場合、第２指標または第３指標に関わらず他車両は左折する確率が高いためである。

例えば、指標導出部１３６は、記憶部１７０に記憶された重み情報を参照して、各指標の重みを設定してもよい。図１３は、重み情報１７８の内容の一例を示す図である。図１３の例では、道路の位置と道路構造との組み合わせ（道路の特性）ごとに、各指標の重みが対応付けられた情報である。重み情報１７８は、その位置を走行する車両の挙動や、シミュレーション結果に基づいて、生成された情報である。

指標導出部１３６は、例えば、第１指標の重みを、第２指標の重みおよび第３指標の重みよりも高く設定する。例えば、指標導出部１３６は、第１指標の重みの傾向と、第２指標の重みの傾向または第３指標の重みの傾向とが相反する場合、第１指標の重みを、第２指標の重みまたは第３指標の重みよりも高く設定してもよい。他車両は、道路構造の特徴に応じた行動を行う可能性が高いためである。

指標導出部１３６は、重み情報１７８を用いることに代えて（または加えて）、道路の特性ごとに設定された規則や、基準、関数を用いて、第１指標－第３指標に対する重みを導出してもよい。

指標導出部１３６は、第２指標の重みを、第３指標の重みよりも高く設定してもよい。例えば、指標導出部１３６は、第２指標の重みの傾向と、第３指標の重みの傾向とが相反する場合、第２指標の重みを、第３指標よりも高く設定してもよい。他車両が明示的な行動の意思を示している場合、暗黙的行動に関わらず、他車両は明示的な行動の意思に合致した行動を行う確率が高いためである。

特定の道路においては、第３指標の重みを第１指標の重みまたは第２指標の重みよりも大きくしてもよい。例えば、特定の道路では、第１指標または第２指標に関わらず他車両が第３指標に合致する傾向で行動する確率が高い場合があるためである。

指標導出部１３６は、他車両が予め設定された所定の行動を行った場合、第２指標の重みを第１指標の重みまたは第３指標の重みよりも大きくしてもよい。所定の行動は、例えば記憶部１７０に予め記憶されている。所定の行動とは、例えば、他車両が右折専用レーンに車線変更した後に右方向指示器のランプを点滅させる第１行動や、他車両が右折専用レーンに車線変更した後に左方向指示器のランプを点滅させる第２行動等の行動である。第１行動を行った他車両は、右折する確率が高いためである。第２行動を行った他車両は、誤って右折専用レーンに進入してしまったことが想定され、交差点に進入する前に車線変更する前の車線に戻る確率が高いいためである。

（推定結果の導出手法）
推定部１３８は、統合指標に基づいて、他車両の進行方向を推定する。図１４は、他車両の進行方向を推定する処理について説明するための図である。推定部１３８は、道路構造と、予め設定された軌道モデルとに基づいて、他車両が進行する軌道を予測する。軌道モデルとは、道路構造ごとに予め設定された他車両が進行する軌道パターンである。

図１４に示すように、他車両ｍの前方に交差点が存在する場合、他車両ｍは、交差点に向かって直進して交差点を右折する軌道ＯＲ１、交差点に向かって直進して交差点を通過する軌道ＯＲ２、または交差点に向かって直進して交差点を左折する軌道ＯＲ３の軌道に沿って走行することが予測される。このように道路構造に基づいて軌道パターンは予め設定されている。軌道ＯＲ１は右折方向に関連付けられ、軌道ＯＲ２は直進方向に関連付けられ、軌道ＯＲ３は左折方向に関連付けられている。更に、これらの各軌道に対して、時刻ごとの車両の位置が対応付けられている。時刻ごとの車両の位置は、実験データや、観測データ、シミュレーション結果に基づく車両の位置である。観測データは、道路構造を走行する車両の軌跡が観測されたデータである。

行動決定部１４０は、推定部１３８の推定結果に基づいて、車両Ｍの行動を決定する。行動決定部１４０は、想定される他車両の挙動に応じた車両の挙動を、予測確率に基づいて統合し、統合後の車両の挙動に基づいて、車両の挙動を制御する。例えば、行動決定部１４０は、時刻ごとの他車両の位置に基づいて車両の速度や加速度、位置を決定する。行動決定部１４０は、例えば、他車両が軌道ＯＲ１－ＯＲ３に基づいて走行する走行パターンごとに、車両の挙動を導出する。そして、行動決定部１４０は、走行パターンに対応する総合指標に基づいて、車両の挙動を導出する。行動決定部１４０は、例えば、走行パターンごとの総合指標に基づいて車両の挙動に対する反映率を導出し、更に導出した反映率に基づいて車両の挙動を決定する。例えば、軌道ＯＲ１の走行パターンに対応する総合指標が、他の軌道の走行パターンの総合指標よりも大きい場合、軌道ＯＲ１の走行パターンに応じた車両の挙動の反映率が、他の軌道の走行パターンに応じた車両の挙動の反映率よりも大きくなる。他車両が軌道ＯＲ１の走行パターンである場合、交差点の手前で減速することが予測されるため、行動決定部１４０は、例えば、他車両と車両との車間距離が閾値以下にならないように、車両Ｍを減速させる。反映率は、例えば、予め設定された関数や、予め規定された統計的な処理の手法に基づいて導出される。

上述した例では、主に他車両ｍが交差点に近づいた場合における他車両ｍが進行する方向を推定するものとしたが、上記と同様の考え方に基づいて、車両Ｍが走行する車線に他車両ｍがレーンチェンジする確率が導出されてもよい。

図１５は、車両Ｍの挙動の一例を示す図である。図１５に示すように、他車両ｍが車線Ｒ１を走行し、車両Ｍが車線Ｒ２（車線Ｒ１に隣接する車線）を走行している。他車両ｍが直進する確率が、車線Ｒ２に進入してくる確率よりも所定度合以上高い場合、車両Ｍは、予め設定された閾値以下の挙動を維持しながら走行する。例えば車両Ｍは、他車両ｍが車線変更する２０％の確率を考慮して少し減速（後述する図１６の減速度よりも小さい減速度で減速）しつつ走行する。行動決定部１４０は、例えば、所定の関数に他車両ｍが車線Ｒ２を走行する確率を適用して車両Ｍの速度を決定する。所定の関数とは、例えば、式（１）などの速度を導出するための関数である。「Ｖ」は速度であり、「Ｃ」は係数であり、「Ｐ」は確率である。
Ｖ＝Ｃ（１－Ｐ）…（１）

図１６は、車両Ｍの挙動の他の一例を示す図である。図１６に示すように、他車両ｍが車線Ｒ２に進入してくる確率が、直進する確率よりも所定度合以上高い場合、車両Ｍは、減速して車線Ｒ２を走行する。

図１７は、比較例の車両の加減速度の度合と、実施形態の車両Ｍの加減速度の度合とを比較するための図である。比較例の車両は、本実施形態の車両Ｍのように、他車両ｍの将来の進行方向や他車両ｍが将来走行する車線等を予測する機能を有さない車両（または精度よく予測する機能を有さない車両）である。比較例の車両は、将来の他車両ｍの位置を推定せずに走行を行うため、他車両が、車両Ｍが走行する車線に進入してきたり、右折または左折のために減速したりすると、その他車両の挙動に応じて閾値以上の加減速が、比較的頻繁に生じる場合がある。

これに対して、実施形態の車両Ｍは、将来の他車両ｍの動きや意図に基づいて他車両が進行可能な複数の経路のそれぞれに対して他車両が将来走行する予測経路を導出し、更に上記の複数の経路のそれぞれに応じた車両Ｍの挙動を導出する。そして、車両Ｍは、他車両ｍが将来走行する予測確率に基づいて、他車両ｍの複数の経路のそれぞれに応じた車両Ｍの挙動を統合して車両Ｍの挙動を決定する。これにより、車両Ｍは、閾値以下の挙動を多くしつつ、閾値を超える挙動の頻度を少なくすることができる。例えば、車両Ｍは、他車両が、車両Ｍが走行する車線に進入してきたり、右折または左折のために減速したりする前に、推定された他車両の挙動に基づいて、閾値以上の加減速が生じないように振る舞うことができ、閾値Ｔｈ以上の加速または減速が生じる頻度が、比較例の車両において閾値Ｔｈ以上の加速または減速が生じる頻度に比較して少ない。

上記のように、行動計画生成部１２６は、他車両ｍが進行する経路を精度よく予測することができる。これにより車両Ｍは、より滑らかに走行を行うことができ、乗員の車両Ｍの乗り心地を向上させることができる。

なお、推定部１３８は、閾値以上の確率に関連付けられた軌道に沿って他車両が走行する可能性が存在すると推定してもよい。例えば、推定部１３８は、左折方向に関連付けられた軌道ＯＲ３に進行する確率が閾値未満である場合、軌道ＯＲ１または軌道ＯＲ２に進行する確率が存在すると推定してもよい。

そして、行動決定部１４０は、他車両が軌道ＯＲ１に沿って走行した場合における車両Ｍの第１挙動と、他車両が軌道ＯＲ２に沿って走行した場合における車両Ｍの第２挙動とのうち、より他車両ｍの挙動の変化が大きくなる軌道に基づいて車両Ｍを走行させる。例えば軌道ＯＲ１は、他車両ｍが直進する軌道であり、軌道ＯＲ２は、他車両ｍが左折する軌道である。この場合、行動計画生成部１２６は、左折の際に他車両が減速することが予測される軌道ＯＲ２に基づいて、車両Ｍを制御する。

このように、自動運転制御装置１００は、他車両ｍの挙動を一つに絞らずに、車両Ｍの加速度の変化が大きくならないように車両Ｍを制御することで、乗員の車両Ｍの乗り心地を向上させることができる。例えば、自動運転制御装置１００は、他車両ｍの行動を予測し、この予測結果に基づいて予め車両Ｍを制御することにより、車両Ｍの加減速度が所定値以上になることを抑制することができる。自動運転制御装置１００は、上記の抑制度合を、予測した所定時間後の他車両ｍの位置に基づいて決定することができるため、より滑らかな車両Ｍの制御を実現することができる。

なお、行動決定部１４０は、予測確率の大きさに対応した車両（自車両）の挙動変化量に基づいて車両の挙動を決定してもよい。例えば、行動決定部１４０は、他車両が所定の経路に沿って走行する予測確率が〇〇パーセントである場合、その予測確率の経路を走行する際の他車両の挙動に対応する車両の挙動における挙動変化量に〇〇パーセントを乗算したものを最終的な車両の挙動としてもよい。

また、推定部１３８は、例えば、統合指標のうち最も大きい確率に関連付けられた軌道に沿って他車両が進行すると推定してもよい。この場合、行動決定部１４０は、推定された他車両の軌道に基づく走行パターンに基づいて車両Ｍの挙動を決定する。

［フローチャート］
図１８は、自動運転制御装置１００により実行される処理の流れの一例を示すフローチャートである。本処理は、例えば、所定間隔で実行される。

まず、第１制御部１２０が、車両Ｍの周辺に処理対象の他車両が存在するか否かを判定する（ステップＳ１００）。処理対象の他車両は、例えば、車両Ｍから所定距離以内に存在する車両である。より具体的には、処理対象の他車両は、車両Ｍの前方に存在し、且つ車両Ｍから所定距離以内に存在する車両である。

処理対象の他車両が存在する場合、情報管理部１２４が、以降の処理に用いる情報を取得する（ステップＳ１０２）。以降の処理に用いる情報とは、上述した第１指標－第３指標を導出する処理に利用される情報である。

次に、行動計画生成部１２６は、処理対象の他車両の周辺の道路構造を特定する（ステップＳ１０４）。次に、第１導出部１３０が、特定した道路構造と構造情報１７２とに基づいて、第１指標を導出する（ステップＳ１０６）。次に、第２導出部１３２が、方向指示器の状態と、状態情報１７４とに基づいて、第２指標を導出する（ステップＳ１０８）。次に、第３導出部１３４が、速度、加速度、他車両の位置、および状態モデル１７６に基づいて、第３指標を導出する（ステップＳ１１０）。

次に、指標導出部１３６が、ステップＳ１０６－Ｓ１１０で導出された第１指標－第３指標に基づいて、統合指標を導出する（ステップＳ１１２）。次に、推定部１３８が、ステップＳ１１４で導出された統合指標に基づいて、他車両の行動を推定する（ステップＳ１１４）。次に、行動決定部１４０が、ステップＳ１１６で推定された他車両の行動に基づいて、車両Ｍの行動を決定する（ステップＳ１１６）。これにより本フローチャートの１ルーチンの処理は終了する。

上記のように自動運転制御装置１００は、複数の経路に対して他車両が進行する予測確率を導出することで、より精度よく他車両が走行する経路を予測することができる。更に、自動運転制御装置１００は、他車両が走行する経路に基づいて、車両を制御することで、より車両を滑らかに走行させることができる。

［ハードウェア構成］
図１９は、実施形態の自動運転制御装置１００のハードウェア構成の一例を示す図である。図示するように、自動運転制御装置１００は、通信コントローラ１００－１、ＣＰＵ１００－２、ワーキングメモリとして使用されるＲＡＭ（Random Access Memory）１００－３、ブートプログラムなどを格納するＲＯＭ（Read Only Memory）１００－４、フラッシュメモリやＨＤＤ（Hard Disk Drive）などの記憶装置１００－５、ドライブ装置１００－６などが、内部バスあるいは専用通信線によって相互に接続された構成となっている。通信コントローラ１００－１は、自動運転制御装置１００以外の構成要素との通信を行う。記憶装置１００－５には、ＣＰＵ１００－２が実行するプログラム１００－５ａが格納されている。このプログラムは、ＤＭＡ（Direct Memory Access）コントローラ（不図示）などによってＲＡＭ１００－３に展開されて、ＣＰＵ１００－２によって実行される。これによって、認識部１２２、情報管理部１２４、および行動計画生成部１２６のうち一部または全部が実現される。

上記説明した実施形態は、以下のように表現することができる。
プログラムを記憶した記憶装置と、
ハードウェアプロセッサと、を備え、
前記ハードウェアプロセッサが前記記憶装置に記憶されたプログラムを実行することにより、
車両の周辺の道路構造および他車両を含む周辺環境を認識し、
前記認識された前記他車両が走行する道路に、前記他車両が進行可能な複数の経路が想定される場合、前記想定される経路のそれぞれに対して、前記他車両が将来走行する予測確率を導出し、
前記導出された前記予測確率に基づいて、前記車両の挙動を制御する、
ように構成されている、車両制御装置。

以上、本発明を実施するための形態について実施形態を用いて説明したが、本発明はこうした実施形態に何等限定されるものではなく、本発明の要旨を逸脱しない範囲内において種々の変形及び置換を加えることができる。

１‥車両システム、１０‥カメラ、１２‥レーダ装置、１６‥物体認識装置、１００‥自動運転制御装置、１２２‥認識部、１２４‥情報管理部、１２６‥行動計画生成部、１３０‥第１導出部、１３２‥第２導出部、１３４‥第３導出部、１３６‥指標導出部、１４０‥行動決定部、１６０‥第２制御部、１７０‥記憶部、１７２‥構造情報、１７４、１７４Ａ‥状態情報、１７６‥状態モデル

Claims (12)

1. 車両の周辺の道路構造および他車両を含む周辺環境を認識する認識部と、
   前記認識部により認識された前記他車両が走行する道路に、前記他車両が進行可能な複数の経路が想定される場合、複数の道路構造の種別のうちから前記他車両が走行する道路の道路構造の種別を特定し、特定した種別の道路構造における前記想定される経路のそれぞれに対して、前記他車両が将来走行する第１確率、第２確率、および予測確率を導出する導出部であって、前記認識部により認識された周辺環境から得られた前記他車両が存在する道路構造に基づく前記第１確率と、前記他車両が明示的に示す明示的行動に基づく前記第２確率とを統合して、統計処理を行って前記予測確率を導出する導出部と、
   前記導出部により導出された前記予測確率に基づいて、前記車両の速度を制御する走行制御部と、
   を備える車両制御装置。
2. 前記複数の経路は、前記他車両が直進する第１経路と、前記他車両が左折または右折する第２経路とを含み、
   前記導出部は、前記第１経路に対する第１予測確率と、前記第２経路に対する第２予測確率とを導出し、
   前記走行制御部は、前記導出部により導出された前記第１予測確率と前記第２予測確率とに基づいて、前記車両の速度を制御する、
   請求項１に記載の車両制御装置。
3. 前記走行制御部は、想定される前記他車両の挙動に応じた前記車両の挙動を、前記導出部により導出された前記予測確率に基づいて統合し、統合後の前記車両の挙動に基づいて、前記車両の速度を含む挙動を制御する、
   請求項１に記載の車両制御装置。
4. 前記導出部は、前記認識部により認識された周辺環境から得られた、前記他車両が存在する道路構造と、前記他車両が明示的に示す明示的行動と、前記他車両が暗黙的に示す暗黙的行動とに基づいて、前記予測確率を導出する、
   請求項１から３のうちいずれか１項に記載の車両制御装置。
5. 前記導出部は、前記道路構造、前記明示的行動、および前記暗黙的行動に関連付けられた優劣を加味して前記予測確率を導出する、
   請求項４に記載の車両制御装置。
6. 前記導出部は、前記他車両が走行する道路の特性に基づいて、前記道路構造、前記明示的行動、および前記暗黙的行動に関連付けられた優劣を設定し、設定した優劣を加味して前記予測確率を導出する、
   請求項４または５に記載の車両制御装置。
7. 前記導出部は、前記暗黙的行動よりも前記明示的行動を優先して前記予測確率を導出する、
   請求項４から６のうちいずれか１項に記載の車両制御装置。
8. 前記導出部は、前記明示的行動よりも前記道路構造を優先して前記予測確率を導出する、
   請求項４から７のうちいずれか１項に記載の車両制御装置。
9. 前記導出部は、前記他車両が車線変更した後に前記明示的行動を行った場合、前記他車両が車線変更せずに前記明示的行動を行った場合よりも、前記明示的行動が前記予測確率に与える影響度を大きくする、
   請求項４から８のうちいずれか１項に記載の車両制御装置。
10. 前記道路構造は、前記車両が存在する道路の周辺の交差点の有無、前記道路の車線の種別、または前記道路に設けられた標識の種別のうち少なくとも一つを含み、
    前記明示的行動は、前記他車両に設けられた方向指示器の制御状態、或いは前記方向指示器の制御と前記他車両が行った車線変更の有無との組み合わせを含み、
    前記暗黙的行動は、前記他車両の位置、速度、または加速度のうち少なくとも一つを含む、
    請求項４から９のうちいずれか１項に記載の車両制御装置。
11. コンピュータが、
    車両の周辺の道路構造および他車両を含む周辺環境を認識し、
    前記認識された前記他車両が走行する道路に、前記他車両が進行可能な複数の経路が想定される場合、複数の道路構造の種別のうちから前記他車両が走行する道路の道路構造の種別を特定し、特定した種別の道路構造における前記想定される経路のそれぞれに対して、前記他車両が将来走行する第１確率、第２確率、および予測確率を導出し、
    前記認識された周辺環境から得られた前記他車両が存在する道路構造に基づく前記第１確率と、前記他車両が明示的に示す明示的行動に基づく前記第２確率とを統合して、統計処理を行って前記予測確率を導出し、
    前記導出された前記予測確率に基づいて、前記車両の速度を制御する、
    車両制御方法。
12. コンピュータに、
    車両の周辺の道路構造および他車両を含む周辺環境を認識させ、
    前記認識された前記他車両が走行する道路に、前記他車両が進行可能な複数の経路が想定される場合、複数の道路構造の種別のうちから前記他車両が走行する道路の道路構造の種別を特定し、特定した種別の道路構造における前記想定される経路のそれぞれに対して、前記他車両が将来走行する第１確率、第２確率、および予測確率を導出させ、
    前記認識された周辺環境から得られた前記他車両が存在する道路構造に基づく前記第１確率と、前記他車両が明示的に示す明示的行動に基づく前記第２確率とを統合して、統計処理を行って前記予測確率を導出させ、
    前記導出された前記予測確率に基づいて、前記車両の速度を制御させる、
    プログラム。

Images