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

WO2013161467A1 - 先行車特定装置 - Google Patents

先行車特定装置 Download PDF

Info

Publication number
WO2013161467A1
WO2013161467A1 PCT/JP2013/058290 JP2013058290W WO2013161467A1 WO 2013161467 A1 WO2013161467 A1 WO 2013161467A1 JP 2013058290 W JP2013058290 W JP 2013058290W WO 2013161467 A1 WO2013161467 A1 WO 2013161467A1
Authority
WO
WIPO (PCT)
Prior art keywords
vehicle
preceding vehicle
data
vehicles
speed
Prior art date
Application number
PCT/JP2013/058290
Other languages
English (en)
French (fr)
Inventor
充広 木下
雄介 根本
Original Assignee
トヨタ自動車株式会社
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by トヨタ自動車株式会社 filed Critical トヨタ自動車株式会社
Priority to EP13780760.8A priority Critical patent/EP2843645B1/en
Priority to US14/397,003 priority patent/US20150178247A1/en
Priority to CN201380021810.9A priority patent/CN104246851B/zh
Publication of WO2013161467A1 publication Critical patent/WO2013161467A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V99/00—Subject matter not provided for in other groups of this subclass
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096766—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission
    • G08G1/096791—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission where the origin of the information is another vehicle
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/161—Decentralised systems, e.g. inter-vehicle communication
    • 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
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/22—Platooning, i.e. convoy of communicating vehicles

Definitions

  • the present invention relates to a preceding vehicle identifying device that identifies an other vehicle (preceding vehicle) traveling immediately before the own vehicle from among other vehicles (other vehicles) traveling in the vicinity of the own vehicle (own vehicle, own vehicle). .
  • One of the conventional preceding vehicle specifying devices includes the speed of another vehicle acquired using a sensor (own vehicle sensor) mounted on the own vehicle, and inter-vehicle communication (one vehicle and another vehicle).
  • the speed difference ⁇ V between the speed of the other vehicle acquired using the wireless communication between the vehicle and the other vehicle is obtained.
  • the conventional apparatus obtains the speed coincidence Mv as a function of the speed difference ⁇ V.
  • the conventional device extracts other vehicles having a matching degree Mv equal to or greater than a threshold value as first preceding vehicle candidates.
  • the conventional apparatus When there are a plurality of first preceding vehicle candidates, the conventional apparatus, for each of the first preceding vehicle candidates, the size (area) of those other vehicles acquired using the own vehicle sensor, and inter-vehicle communication. The difference [Delta] S between the size (area) of those other vehicles acquired by using is calculated. Next, the conventional apparatus obtains the magnitude coincidence Ms as a function of the difference ⁇ S. Further, the conventional device extracts, from the first preceding vehicle candidates, other vehicles whose matching degree Ms is equal to or greater than a threshold value as second preceding vehicle candidates.
  • the conventional device acquires the position of those other vehicles acquired using the own vehicle sensor and inter-vehicle communication for each of the second preceding vehicle candidates.
  • the distance I between the positions of those other vehicles to be obtained is obtained.
  • the conventional apparatus obtains the position matching degree Mp as a function of the distance I.
  • the conventional device extracts, from the second preceding vehicle candidates, other vehicles whose matching degree Mp is equal to or greater than a threshold value as third leading vehicle candidates.
  • the conventional device determines that one of the vehicles is a vehicle (that is, a preceding vehicle or a communication preceding vehicle) whose speed is detected by the own vehicle sensor ( For example, see Patent Document 1.)
  • the threshold values are set for the speed coincidence Mv, the magnitude coincidence Ms, and the position coincidence Mp. There is a problem that the preceding vehicle cannot be identified.
  • the threshold value for the degree of coincidence of speeds Mv is the detection. It is necessary to set a value that allows for errors. Therefore, the first preceding vehicle candidate extracted based on the speed coincidence Mv is highly likely to be a plurality of other vehicles.
  • an object of the present invention is to acquire a plurality of types of statistics indicating the similarity between data obtained based on the vehicle detection device and data obtained based on inter-vehicle communication, and the plurality of types of statistics.
  • an object of the present invention is to acquire a plurality of types of statistics indicating the similarity between data obtained based on the vehicle detection device and data obtained based on inter-vehicle communication, and the plurality of types of statistics.
  • the preceding vehicle specifying device of the present invention is a device for specifying a preceding vehicle that runs immediately before the own vehicle from among a plurality of other vehicles that run in the vicinity of the own vehicle.
  • the preceding vehicle specifying device of the present invention includes a data acquisition unit and a specifying unit.
  • the data acquisition unit Using a detection device of the own vehicle, obtaining "a first data group including a plurality of data representing driving state quantities of other vehicles traveling immediately before the own vehicle”; and Using “inter-vehicle communication between the host vehicle and each of the plurality of other vehicles”, a “second data group including a plurality of data representing the driving state quantities of the plurality of other vehicles” is acquired. At this time, the data acquisition unit also acquires data specifying another vehicle that is transmitting the second data group using inter-vehicle communication.
  • the acquired operating state quantity is, for example, speed and position.
  • the specifying unit acquires a plurality of types of statistics indicating the similarity of data between the first data group and the second data group of each of the plurality of other vehicles. That is, a plurality of types of statistics are acquired for each of a plurality of other vehicles.
  • the specific part relates to any one of the plurality of other vehicles, Based on each of the acquired plurality of types of statistics and a predetermined relationship predetermined for each of the plurality of types of statistics, preceding with respect to each of the acquired types of statistics
  • the vehicle probability ( ⁇ 1, ⁇ 2,..., ⁇ n) is acquired.
  • the specifying unit calculates a final leading vehicle probability based on the acquired plurality of preceding vehicle probabilities for any one of the plurality of other vehicles.
  • specification part specifies the said preceding vehicle based on the last preceding vehicle probability about each other vehicle.
  • the preceding vehicle probability for each of the acquired plural types of statistics is acquired according to the type of each statistics.
  • one of the statistics maximum speed difference and correlation coefficient, which will be described later
  • ⁇ If the statistics of the preceding vehicle are within the range that can be satisfied in most traffic environments, -If the average error of the data (for example, the delay of inter-vehicle communication and the detection error of the detection device of the own vehicle, etc.) is considered, the statistics of the preceding vehicle are within the range that can be satisfied, -If the statistics of the preceding vehicle are within the range that can be satisfied when considering the maximum error of the data, and ⁇ If the statistics of the preceding vehicle are within the range that cannot be satisfied even if the data error is taken into account, the appropriate preceding vehicle probability for that statistic is obtained depending on which case can do.
  • a final preceding vehicle probability ( ⁇ k) is calculated based on a plurality of preceding vehicle probabilities acquired for the other vehicle k, and the preceding vehicle is calculated based on the final leading vehicle probability for each other vehicle. Is identified. That is, instead of narrowing down the candidates for the preceding vehicle for each statistic, the preceding vehicle is comprehensively identified based on the final preceding vehicle probability that reflects the prior vehicle probability appropriately obtained for each statistic. The Therefore, the preceding vehicle specifying device of the present invention can specify the preceding vehicle with high accuracy and within a short time.
  • the plurality of data included in the first data group includes time-series data of data related to the speed of another vehicle traveling immediately before the host vehicle, and the plurality of data included in the second data group.
  • the data can include time-series data of data related to the respective speeds of the plurality of other vehicles.
  • the data related to the speed is generally more accurate than the data related to the position acquired by the GPS device or the like.
  • location data cannot be used in situations where the GPS device cannot receive signals (eg, in a tunnel), but velocity data can be used in such situations. Therefore, according to the above configuration, the preceding vehicle can be specified with higher accuracy.
  • the plurality of data included in the first data group includes “only time-series data” of data related to the speed of another vehicle traveling immediately before the host vehicle, and the plurality of data included in the second data group
  • the data may include “time series data only” of data related to the speeds of the plurality of other vehicles.
  • the specific unit is Time-series data of data related to the speed of the other vehicle included in the first data group; time-series data of data related to the speed of each of the plurality of other vehicles included in the second data group; Based on the above, a statistic related to two or more types of speeds is acquired as a statistic indicating the similarity of the data (similarity between the data in the first data group and the data in the second data group at the same time). It is preferable to be configured as described above.
  • data related to speed is generally more accurate than data related to position. Therefore, according to the above-described configuration, it is possible to perform multifaceted evaluation using “data related to accurate speed”. As a result, the preceding vehicle can be identified with higher accuracy.
  • the specific part is Time-series data of data related to the speed of the other vehicle included in the first data group; time-series data of data related to the speed of each of the plurality of other vehicles included in the second data group;
  • the absolute value decreases as the similarity between the time-series data included in the first data group and the time-series data of each of the plurality of other vehicles included in the second data group increases.
  • a maximum value among the values obtained in a time series may be obtained as one of the statistics related to the two or more types of speeds. Typical examples of this statistic include a maximum speed difference (maximum value of the absolute value of the speed difference) and a maximum speed mean square error (the maximum value of the mean square error of speed).
  • the speed of the other vehicle acquired using the detection device of the own vehicle and the speed of the “other vehicle that is not the preceding vehicle” acquired by inter-vehicle communication may take an extremely close value instantaneously. . That is, the similarity between these data may increase momentarily. However, there are times when these velocities have a large difference when observed over a period of some length.
  • the speed of the other vehicle acquired using the detection device of the own vehicle and the speed of the “other vehicle that is a true preceding vehicle” acquired by inter-vehicle communication generally change with the same tendency. When these speeds are observed within a certain length of time, there is little possibility that they will deviate greatly. From the above, according to the above configuration, a significant statistic can be obtained by a simple method in order to identify the preceding vehicle.
  • the specific part is Time-series data of data related to the speed of the other vehicle included in the first data group; time-series data of data related to the speed of each of the plurality of other vehicles included in the second data group; Based on the above, the correlation coefficient between the time series data included in the first data group and the time series data of each of the plurality of other vehicles included in the second data group is calculated in a time series.
  • the minimum value of the correlation coefficient calculated in time series may be acquired as one of the statistics related to the two or more kinds of speeds. This also makes it possible to acquire a significant statistic for specifying the preceding vehicle by a simple method.
  • the specifying unit includes: A value based on a product of the plurality of preceding vehicle probabilities acquired for each of the plurality of other vehicles is calculated as a final preceding vehicle probability of each of the plurality of other vehicles, and the final leading vehicle probability is greater than a predetermined threshold value. Can be determined to determine that the other vehicle corresponding to the final preceding vehicle probability is not the preceding vehicle.
  • the specifying unit includes: A value based on a product of the plurality of preceding vehicle probabilities acquired for each of the plurality of other vehicles is calculated as a final preceding vehicle probability of each of the plurality of other vehicles, and among the plurality of final preceding vehicle probabilities When only one of the vehicle is larger than a predetermined threshold value, the other vehicle corresponding to the final preceding vehicle probability larger than the predetermined threshold value may be specified as the preceding vehicle.
  • the parameters for comprehensively specifying the preceding vehicle that is, the final preceding vehicle probability
  • the preceding vehicle can be accurately determined based on the final preceding vehicle probability. Can be identified.
  • the specifying unit includes: Each of the plurality of other vehicles is corrected by correcting the product of the plurality of preceding vehicle probabilities for each of the plurality of other vehicles according to the number of data of the same type included in the time series data of each of the other vehicles. The final preceding vehicle probability of the vehicle may be calculated.
  • the predetermined threshold value may be corrected according to the number of time series data. That is, the specifying unit may be configured to correct the predetermined threshold value for each of the plurality of other vehicles according to the number of the same type of data included in the time series data for each of the plurality of other vehicles. .
  • the specific part is Based on the time-series data of the data related to the speed of the other vehicle included in the first data group, a variation amount of the speed of the other vehicle traveling immediately before the host vehicle in a predetermined time is calculated, and the calculated The final preceding vehicle probability or the predetermined threshold value for each of the plurality of other vehicles may be corrected according to a variation amount.
  • the amount of significant information for identifying the preceding vehicle increases substantially as the amount of change in the speed of the other vehicle traveling immediately before the host vehicle increases in a predetermined time. Therefore, with the above configuration, the preceding vehicle can be identified with higher accuracy at an earlier stage.
  • the data acquisition unit A fluctuation amount per predetermined time of the speed of another vehicle traveling immediately before the own vehicle is acquired using the detection device of the own vehicle, and the larger the fluctuation amount, the more the first data group and the second data group. It can be configured to increase the acquisition frequency.
  • the data acquisition frequency is further increased. Thereby, since significant data can be acquired at an earlier stage, the preceding vehicle can be identified more accurately at an earlier stage.
  • FIG. 1 is a schematic configuration diagram of a vehicle equipped with a preceding vehicle specifying device according to the first embodiment of the present invention and the preceding vehicle specifying device.
  • FIG. 2 is a flowchart showing a routine executed by a CPU (hereinafter referred to as “CPU”) of the vehicle control ECU shown in FIG.
  • FIG. 3 is a diagram for explaining data acquired by the preceding vehicle specifying device.
  • FIG. 4 is a diagram showing temporal changes in the speed of the preceding vehicle and the speed of the other vehicle acquired by the own vehicle sensor.
  • FIG. 5 is a lookup table referred to by the CPU.
  • FIG. 6 is a table that generalizes the look-up table referred to by the CPU.
  • FIG. 7 is a lookup table referred to by the CPU.
  • FIG. 1 is a schematic configuration diagram of a vehicle equipped with a preceding vehicle specifying device according to the first embodiment of the present invention and the preceding vehicle specifying device.
  • FIG. 2 is a flowchar
  • FIG. 8 is a lookup table referred to by the CPU.
  • FIG. 9 is a lookup table referred to by the CPU.
  • FIG. 10 is a lookup table referred to by the preceding vehicle specifying device according to the second embodiment of the present invention.
  • FIG. 11 is a flowchart showing a part of a routine executed by the CPU of the preceding vehicle specifying device according to the second embodiment of the present invention.
  • FIG. 12 is a flowchart showing a part of a routine executed by the CPU of the preceding vehicle specifying device according to the third embodiment of the present invention.
  • FIG. 13 is a diagram for explaining the operation of the preceding vehicle specifying device according to the fourth embodiment of the present invention.
  • the own vehicle means “own vehicle (vehicle to which attention is paid)”
  • the other vehicle means “vehicle other than the own vehicle”.
  • the preceding vehicle means “a vehicle that is traveling immediately before the host vehicle and whose driving control may be changed based on information acquired from the vehicle by inter-vehicle communication”.
  • the preceding vehicle is “another vehicle captured by a later-described sensor (own vehicle sensor) mounted on the own vehicle”.
  • the preceding vehicle specifying device is mounted on a vehicle (own vehicle) 10.
  • the host vehicle 10 includes a vehicle control ECU 20, a sensor ECU 30, a host vehicle sensor 31, a GPS device 40, a vehicle speed sensor 50, a radio control ECU 60, a radio antenna 61, an engine control ECU 70, a brake control ECU 80, and a steering control ECU 90.
  • Other vehicles 11 to 13 have the same configuration. Although the number of other vehicles is not limited, the other vehicles 11 to 13 are illustrated as examples of vehicles that exist within a range in which inter-vehicle communication with the own vehicle 10 is possible.
  • the vehicle control ECU 20 is a communication / sensor system CAN (Controller Area Data is exchangeable (communicable) with the sensor ECU 30, the GPS device 40, the vehicle speed sensor 50, and the radio control ECU 60 via the (Network) 101. Further, the vehicle control ECU 20 is configured to be able to exchange data with the engine control ECU 70, the brake control ECU 80, and the steering control ECU 90 via the control system CAN102.
  • the ECU is an abbreviation for an electric control unit and is an electronic control circuit having a microcomputer including a CPU, a ROM, a RAM, an interface, and the like as main components.
  • the sensor ECU 30 is connected to the vehicle sensor 31.
  • the vehicle sensor 31 is a well-known millimeter wave radar sensor.
  • the own vehicle sensor 31 transmits a millimeter wave in front of the own vehicle 10.
  • the millimeter wave is reflected by the preceding vehicle.
  • the own vehicle sensor 31 receives this reflected wave.
  • the sensor ECU 30 determines the relative speed of the preceding vehicle, The inter-vehicle distance, the relative azimuth of the preceding vehicle, and the like are acquired in a time series every predetermined time.
  • the GPS device 40 is well known, and acquires the latitude and longitude of the point where the host vehicle 10 is traveling based on the GPS signal transmitted from the artificial satellite.
  • the vehicle speed sensor 50 detects the speed of the host vehicle 10.
  • the vehicle speed sensor 50 may be a sensor that detects the rotational speed of the wheel, or may be a sensor that detects the rotational speed of the propeller shaft.
  • the sensor ECU 30, the host vehicle sensor 31, the GPS device 40, and the vehicle speed sensor 50 constitute a detection device mounted on the host vehicle 10.
  • the radio control ECU 60 is connected to a radio antenna 61 for performing vehicle-to-vehicle communication.
  • the radio control ECU 60 can transmit a plurality of types of data representing the driving state amount of the host vehicle 10 together with data for identifying the host vehicle 10 to the other vehicles 11 to 13.
  • the data representing the driving state quantity includes, for example, the speed of the host vehicle 10 detected by the vehicle speed sensor 50, the position of the host vehicle 10 acquired by the GPS device 40, and the like.
  • the radio control ECU 60 stores a plurality of types of data representing the driving state quantity of the specific vehicle transmitted from any of the other vehicles 11 to 13 (referred to as “specific vehicle” for convenience) for the specific vehicle. Can be received and held with data identifying the.
  • the engine control ECU 70 is well known and controls an internal combustion engine (not shown).
  • the engine control ECU 70 acquires detection signals from sensors that detect various engine operating state quantities and drives an engine actuator (not shown).
  • the brake control ECU 80 is well known and controls a braking device (not shown).
  • the brake control ECU 80 acquires detection signals from sensors that detect various vehicle driving state quantities and drives a brake actuator (not shown).
  • the steering control ECU 90 is well known and controls a steering device (not shown).
  • the steering control ECU 90 obtains detection signals from sensors that detect various vehicle driving state quantities and drives a steering actuator (not shown).
  • Data based on sensor signals acquired by the engine control ECU 70, the brake control ECU 80, the steering control ECU 90, and the like, and some of the states of the actuators, etc., are wireless as necessary as data representing the amount of driving state of the vehicle 10. It is transmitted to the outside by the control ECU 60. Therefore, the own vehicle 10 can acquire those data of the specific vehicle by the radio control ECU 60.
  • the CPU of the vehicle control ECU 20 executes the “preceding vehicle determination routine” shown by the flowchart in FIG. 2 every time a predetermined time (sampling time cyctime) elapses in order to realize the function of the preceding vehicle specifying device. Yes. Accordingly, the CPU starts processing from step 200 at an appropriate timing and proceeds to step 205, where various data (ps (n), ts k (n), pp (n), and tp k (n)) and data And the data specifying the other vehicle k that has been transmitted by inter-vehicle communication. These data are as follows (see FIG. 3).
  • n in parentheses indicates the latest data. Therefore, the smaller the numerical values in parentheses are “n ⁇ 1”, “n-2”, and “n-3”, the older the data.
  • ps (n) means the latest preceding vehicle speed acquired by the own vehicle sensor 31 or the like
  • ps (n ⁇ q) is acquired by the own vehicle sensor 31 or the like before the time “q ⁇ cyctime” from the present time. Means the preceding vehicle speed.
  • the subscript “k” is an identification code that identifies another vehicle that exists in the vicinity of the host vehicle 10 (running within a range in which the host vehicle 10 and the vehicle can communicate).
  • “m” is the number of elements used for calculating each statistic. When a total of L data is obtained for one type of data, “m” is equal to or less than “L”.
  • the preceding vehicle speed ps (n) is obtained by adding “the own vehicle speed obtained by the vehicle speed sensor 50 of the own vehicle 10” to “the relative speed of the preceding vehicle obtained by the own vehicle sensor 31”.
  • the speed ts k (n) of the other vehicle k is the speed of the other vehicle k acquired by the vehicle speed sensor mounted on the other vehicle k, and is the speed of the other vehicle k transmitted to the host vehicle 10 by inter-vehicle communication.
  • Speed The preceding vehicle position pp (n) is based on the position of the host vehicle 10 acquired by the GPS device 40 of the host vehicle 10 and takes into account the inter-vehicle distance to the preceding vehicle acquired by the host vehicle sensor 31, the relative orientation, and the like.
  • the position tp k (n) of the other vehicle k is the position of the other vehicle k acquired by the GPS device mounted on the other vehicle k, and the position of the other vehicle k transmitted to the host vehicle 10 by inter-vehicle communication. It is.
  • the preceding vehicle speed ps (n) and the preceding vehicle position pp (n) can be acquired using the own vehicle detection device (that is, the own vehicle sensor 31, the GPS device 40, and the vehicle speed sensor 50). This is data representing the amount of driving state. Further, the speed ts k (n) of the other vehicle k and the position tp k (n) of the other vehicle k are data representing the driving state quantity of the other vehicle k that can be acquired using inter-vehicle communication.
  • the CPU proceeds to step 210 and calculates the maximum speed difference A1 for the other vehicle k according to the following equation (1).
  • prenum indicates the maximum speed difference A1 obtained from the start time t0 of the inter-vehicle communication with the other vehicle k to immediately before the current time now. That is, the maximum speed difference A1 is the maximum value of the difference between the preceding vehicle speed ps (i) and the speed ts k (i) of the other vehicle k from the vehicle-to-vehicle communication start time t0 to the current time now.
  • the own vehicle 10 tends to travel while following the preceding vehicle. Therefore, for example, in the traveling situation shown in FIG. 3, the similarity between the speed of the host vehicle 10 and the speed of the preceding vehicle 11 is often high. Therefore, as the speed of the preceding vehicle obtained by the vehicle sensor 31 when changes as shown in line ps in FIG. 4, the speed of the other vehicle 11 is a preceding vehicle of the own vehicle 10 is shown in line ts 11 In many cases, it has changed. On the other hand, the speed of the other vehicle 12 that is not the preceding vehicle often changes in a state where the similarity with the speed ps of the preceding vehicle acquired by the own vehicle sensor 31 is low as indicated by the line ts 12 .
  • the speed ts 12 of the other vehicle 12 is closer to the speed ps of the preceding vehicle than the speed ts 11 of the other vehicle 11. Therefore, if the preceding vehicle of the own vehicle 10 is determined using only the absolute value of the speed difference at the present time now, there is a possibility that an erroneous determination that the preceding vehicle of the own vehicle 10 is 12 is made.
  • the maximum speed difference A1 (11) for the other vehicle 11 is a small value obtained at time t2
  • the maximum speed difference A1 (12) for the other vehicle 12 is a large value obtained at time t1.
  • the maximum speed difference A1 is obtained as a value that decreases as the similarity between the “speed of the other vehicle k” and the “speed of the preceding vehicle calculated by the detection device of the host vehicle 10” increases. It can be said that it is a statistic.
  • the CPU proceeds to step 215 to acquire the preceding vehicle probability ⁇ 1 (possibility that the other vehicle k is a preceding vehicle) based on the maximum speed difference A1 for the other vehicle k. More specifically, the CPU obtains the preceding vehicle probability ⁇ 1 by applying the maximum speed difference A1 to the lookup table (map) Map ⁇ 1 (A1) shown in FIG.
  • the maximum speed difference A1 is a statistic that decreases as the similarity between “the speed of another vehicle k” and “the speed of the preceding vehicle calculated by the detection device of the host vehicle 10” increases. Therefore, according to the table Map ⁇ 1 (A1), when the maximum speed difference A1 is equal to or less than the first threshold value A1th1, the preceding vehicle probability ⁇ 1 is 100%.
  • the condition that the maximum speed difference A1 is equal to or less than the first threshold value A1th1 is a condition that can be satisfied only by the preceding vehicle in most traffic environments.
  • the preceding vehicle probability ⁇ 1 is 100 as the maximum speed difference A1 increases.
  • the value gradually decreases from 90% to 90%.
  • the second threshold A1th2 is larger than the first threshold A1th1.
  • the condition that the maximum speed difference A1 is greater than the first threshold value A1th1 and less than or equal to the second threshold value A1th2 is caused by an average error in data (for example, a delay in inter-vehicle communication and an individual difference in the vehicle sensor 31).
  • This is a condition that the preceding vehicle can satisfy when the average error) is considered. Therefore, this condition can be satisfied with a certain probability (relatively low probability) even in other vehicles that are not preceding vehicles.
  • the preceding vehicle probability ⁇ 1 increases as the maximum speed difference A1 increases.
  • the value gradually decreases from 90% to 80%.
  • the third threshold A1th3 is larger than the second threshold A1th2.
  • the condition that the maximum speed difference A1 is greater than the second threshold value A1th2 and less than or equal to the third threshold value A1th3 is caused by a maximum data error (for example, a delay in inter-vehicle communication and an individual difference in the vehicle sensor 31).
  • a maximum data error for example, a delay in inter-vehicle communication and an individual difference in the vehicle sensor 31.
  • the preceding vehicle probability ⁇ 1 is a value that rapidly decreases from 80% as the maximum speed difference A1 increases.
  • the condition that the maximum speed difference A1 is larger than the third threshold value A1th3 is a condition that the preceding vehicle rarely satisfies.
  • the CPU uses a plurality of time-series data (eg, ps (n), ps (n ⁇ 1), ps (n ⁇ 2) ”) and a plurality of time-series data (for example, ts k (n), ts k (n-1), ts k (n -2) ”) and a statistic Ax (statistic that changes according to the similarity, for example, maximum speed difference A1) is obtained.
  • a statistic Ax statistic that changes according to the similarity, for example, maximum speed difference A1
  • the CPU applies the statistic Ax to, for example, the preceding vehicle probability conversion table Map ⁇ x (Ax) shown in a generalized manner in FIG. 6, and the probability that the other vehicle k is the preceding vehicle with respect to the statistic Ax (preceding vehicle).
  • Car probability) ⁇ x is calculated. Similar to the table shown in FIG. 5, the preceding vehicle probability conversion table Map ⁇ x (Ax) classifies the statistic Ax into the following four regions, and determines the preceding vehicle probability ⁇ x according to each region. The concept for calculating the probability ⁇ x is as described below, and the same applies to other statistics.
  • Region 1 (Axth0 to Axth1): This is a region that can be satisfied only by the statistic Ax of the preceding vehicle in most traffic environments. When the statistic Ax is in the region 1, the preceding vehicle probability ⁇ x is determined as 100%.
  • Region 2 (Axth1 to Axth2): When taking into consideration the average error of data (for example, the average value of errors caused by inter-vehicle communication delays and individual differences of the own vehicle detection device, etc.), the statistic Ax of the preceding vehicle is An area that can be filled. When the statistic Ax is within the region 2, the preceding vehicle probability ⁇ x is determined as a predetermined value within the first probability to 100%. The first probability is 90%, for example.
  • Region 3 (Axth2 to Axth3): When taking into account the maximum error of data (for example, the maximum value of error caused by inter-vehicle communication delay and individual difference of the own vehicle detection device, etc.), the statistic Ax of the preceding vehicle is An area that can be filled. When the statistic Ax is in the region 3, the preceding vehicle probability ⁇ x is determined as a predetermined value within the “second probability smaller than the first probability” to the “first probability”. The second probability is 80%, for example.
  • step 220 in FIG. 2 the CPU proceeds to step 220 in FIG. 2 to calculate the maximum speed mean square error A2 for the other vehicle k according to the following equation (2).
  • prenum indicates the maximum speed average square error A2 obtained from the start time t0 of the inter-vehicle communication with the other vehicle k to immediately before the current time now. That is, the maximum average speed square error A2 is the vehicle-to-vehicle communication start time t0 of the mean square error between the latest m preceding vehicle speeds ps (i) and the speed m ts k (i) of the latest m other vehicles k. To the maximum value from now to tnow.
  • the maximum speed mean square error A2 is a large value when the speed difference is continuously generated even when the maximum speed difference A1 is not relatively significantly increased. Therefore, the maximum speed mean square error A2 is a statistic obtained as a value that becomes smaller as the similarity between “the speed of the other vehicle k” and “the speed of the preceding vehicle calculated by the detection device of the host vehicle 10” is higher. I can say that there is.
  • the CPU proceeds to step 225, and acquires the preceding vehicle probability ⁇ 2 based on the maximum speed mean square error A2 for the other vehicle k. More specifically, the CPU obtains the preceding vehicle probability ⁇ 2 by applying the maximum speed mean square error A2 to the table Map ⁇ 2 (A2) shown in FIG.
  • Map ⁇ 2 A2 shown in FIG. 7
  • the range from “0” to the threshold A2th1 corresponds to the region 1
  • the range from the threshold A2th1 to the threshold A2th2 corresponds to the region 2
  • the range from the threshold A2th2 to the threshold A2th3 corresponds to the region 3.
  • a range larger than the threshold A2th3 corresponds to the region 4.
  • the CPU proceeds to step 230 in FIG. 2, and calculates the maximum acceleration fluctuation amount difference A3 for the other vehicle k according to the following equation (3).
  • ps (i + 1) ⁇ ps (i) is a value (that is, acceleration) corresponding to a change amount per unit time of the speed of the preceding vehicle acquired using the own vehicle sensor 31.
  • ts k (i + 1) ⁇ ts k (i) is a value (that is, acceleration) corresponding to the amount of change per unit time in the speed of the other vehicle k acquired using inter-vehicle communication.
  • prenum represents the maximum acceleration fluctuation amount difference A3 obtained from the start time t0 of the inter-vehicle communication with the other vehicle k to immediately before the current time tow.
  • the maximum acceleration fluctuation amount difference A3 is expressed as “acceleration of the preceding vehicle calculated by the preceding vehicle speed ps (i)” and “acceleration of the other vehicle k calculated by the speed ts k (i) of the other vehicle k”. This is the maximum absolute value of the average value of the difference between the vehicle and the maximum value from the vehicle-to-vehicle communication start time t0 to the current time now.
  • This maximum acceleration fluctuation amount difference A3 is a statistic obtained as a value that decreases as the similarity between “the speed of the other vehicle k” and “the speed of the preceding vehicle calculated by the detection device of the host vehicle 10” increases. Can be said.
  • the CPU proceeds to step 235, and acquires the preceding vehicle probability ⁇ 3 based on the maximum acceleration fluctuation amount difference A3 for the other vehicle k. More specifically, the CPU obtains the preceding vehicle probability ⁇ 3 by applying the maximum acceleration fluctuation amount difference A3 to a table Map ⁇ 3 (A3) (not shown) having the same tendency as the table shown in FIG. .
  • step 240 the CPU proceeds to step 240 to calculate the minimum correlation coefficient A4 of the speed for the other vehicle k according to the following equation (4).
  • prenum indicates “speed correlation coefficient minimum value A4” obtained from the start time t0 of the inter-vehicle communication with the other vehicle k to immediately before the current time now. Therefore, the minimum value A4 of the correlation coefficient of the speed is obtained by calculating “the inter-vehicle distance” of the correlation coefficient coef between the latest m preceding vehicle speeds ps (i) and the speed ts k (i) of the latest m other vehicles k. The minimum value from the communication start time t0 to the current time tnow.
  • ave (x) means the average value of parameter x.
  • the correlation coefficient coef is a statistic indicating a correlation (degree of similarity) between two parameters.
  • the correlation coefficient is a real number between ⁇ 1 and 1, and the closer the correlation coefficient is to 1, the more positive the two parameters are, and the higher the similarity between the two parameters is.
  • the correlation coefficient approaches 0, the correlation between the two parameters becomes weaker.
  • the CPU proceeds to step 245, and acquires the preceding vehicle probability ⁇ 4 based on the minimum value A4 of the correlation coefficient of the speed for the other vehicle k. More specifically, the CPU obtains the preceding vehicle probability ⁇ 4 by applying the speed correlation coefficient minimum value A4 to the table Map ⁇ 4 (A4) shown in FIG.
  • A4 the range from “1” to “threshold value A4th1 smaller than 1” corresponds to the region 1
  • the range from the threshold value A4th1 to the threshold value A4th2 smaller than the threshold value A4th1 corresponds to the region 2
  • the threshold value A range from A4th2 to a threshold A4th3 smaller than the threshold A4th2 corresponds to the region 3
  • a range smaller than the threshold A4th3 corresponds to the region 4.
  • step 250 the CPU proceeds to step 250 to calculate a speed correlation coefficient average value A5 for the other vehicle k according to the following equation (5).
  • the average value A5 of the correlation coefficient of the speed is the “inter-vehicle communication” of the correlation coefficient between the latest m preceding vehicle speeds ps (i) and the speed ts k (i) of the latest m other vehicles k.
  • the CPU proceeds to step 255, and acquires the preceding vehicle probability ⁇ 5 based on the average value A5 of the correlation coefficient of the speed for the other vehicle k. More specifically, the CPU acquires the preceding vehicle probability ⁇ 5 by applying the speed correlation coefficient average value A5 to the table Map ⁇ 5 (A5) shown in FIG.
  • the range from “1” to “threshold A5th1 smaller than 1” corresponds to the region 1
  • the range from threshold A5th1 to threshold A5th2 smaller than the threshold A5th1 corresponds to region 2
  • a range from A5th2 to a threshold A5th3 smaller than the threshold A5th2 corresponds to the region 3
  • a range smaller than the threshold A5th3 corresponds to the region 4.
  • step 260 the CPU proceeds to step 260 to calculate the maximum distance displacement error A6 for the other vehicle k according to the following equation (6).
  • (ps (i) ⁇ ts k (i)) ⁇ cyctime is “the amount of change in the distance between the preceding vehicle and the other vehicle k acquired by the own vehicle sensor 31” during the sampling time cyctime. Indicates.
  • prenum indicates the maximum distance displacement error A6 obtained from the start time t0 of the inter-vehicle communication with the other vehicle k to immediately before the current time now. That is, the maximum distance displacement error A6 is the maximum value of the distance displacement error (the integrated value of the amount of change in the distance between the preceding vehicle and the other vehicle k acquired by the own vehicle sensor 31) at the time when m pieces of data are obtained. is there. Therefore, the maximum distance displacement error A6 is a statistic obtained as a value that decreases as the similarity between the “speed of the other vehicle k” and the “speed of the preceding vehicle calculated by the detection device of the host vehicle 10” increases. Can be said.
  • the CPU proceeds to step 265, and acquires the preceding vehicle probability ⁇ 6 based on the maximum distance displacement error A6 for the other vehicle k. More specifically, the CPU obtains the preceding vehicle probability ⁇ 6 by applying the maximum distance displacement error A6 to a table Map ⁇ 6 (A6) (not shown) having the same tendency as the table shown in FIG.
  • step 270 calculates the maximum relative position mean square error A7 for the other vehicle k according to the following equation (7).
  • prenum indicates the maximum relative position mean square error A7 obtained from the start time t0 of the inter-vehicle communication with the other vehicle k to immediately before the current time now.
  • the maximum relative position mean square error A7 is the time when the vehicle-to-vehicle communication start of the mean square error between the most recent m preceding vehicle positions pp (i) and the most recent m other vehicle k positions tp k (i). This is the maximum value from t0 to the present tnow.
  • the maximum relative position mean square error A7 is a large value when the difference between the preceding vehicle position pp (i) and the position tp k (i) of the other vehicle k continuously occurs. Therefore, the maximum relative position mean square error A7 is a statistic obtained as a value that decreases as the similarity between the “position of the other vehicle k” and the “position of the preceding vehicle captured by the host vehicle sensor 31” increases. I can say that there is.
  • the CPU proceeds to step 275, and acquires the preceding vehicle probability ⁇ 7 based on the maximum relative position mean square error A7 for the other vehicle k. More specifically, the CPU obtains the preceding vehicle probability ⁇ 7 by applying the maximum relative position mean square error A7 to a table Map ⁇ 7 (A7) (not shown) having the same tendency as the table shown in FIG. To do.
  • the CPU proceeds to step 280 to calculate the final preceding vehicle probability ⁇ k according to the following equation (8). That is, the final preceding vehicle probability ⁇ k is a product of the preceding vehicle probabilities ⁇ 1 to ⁇ 7, and is a value that increases as the possibility that the other vehicle k is the preceding vehicle increases (closer to “1”).
  • the CPU proceeds to step 285, and determines whether or not the final preceding vehicle probability ⁇ k has been calculated for all of the other vehicles with which the vehicle 10 is currently communicating between vehicles. If this determination condition is not satisfied, the CPU returns to step 210 and calculates the final preceding vehicle probability for another vehicle.
  • the CPU may calculate the preceding vehicle probability and the final preceding vehicle probability for each statistic of each other vehicle simultaneously and in parallel for all of the other vehicles with which the host vehicle 10 is currently communicating between vehicles. .
  • the CPU makes a “Yes” determination at step 285 to determine step 290. Then, it is determined whether or not there is only one other vehicle having a final preceding vehicle probability ⁇ k equal to or greater than a predetermined threshold (final determination threshold) ⁇ th.
  • the CPU makes a “No” determination at step 290. Then, the process proceeds to step 292, where it is determined that there is no preceding vehicle (a preceding vehicle performing inter-vehicle communication). Thereafter, the CPU proceeds to step 295 to end the present routine tentatively.
  • the CPU makes a “Yes” determination at step 290 to proceed to step 294, where the final leading preceding the threshold value ⁇ th or higher.
  • the other vehicle k corresponding to the vehicle probability ⁇ k is determined as the preceding vehicle (the preceding vehicle performing inter-vehicle communication). Thereafter, the CPU proceeds to step 295 to end the present routine tentatively.
  • the CPU After executing the processing of step 280, the CPU “determines whether or not the final preceding vehicle probability ⁇ k is equal to or greater than the predetermined threshold ⁇ th”. If the final leading vehicle probability ⁇ k is less than the predetermined threshold ⁇ th, the final It may be determined that the other vehicle k corresponding to the preceding vehicle probability ⁇ k is not the preceding vehicle.
  • the preceding vehicle specifying device includes the data acquisition unit and the specifying unit.
  • the data acquisition unit A plurality of data (ps (n), pp) representing driving state quantities of other vehicles traveling immediately before the own vehicle 10 using the detection device (the own vehicle sensor 31, the GPS device 40, the vehicle speed sensor 50, etc.) of the own vehicle 10. (N)) is acquired, and a plurality of driving state quantities of the plurality of other vehicles are expressed using inter-vehicle communication between the host vehicle 10 and each of the plurality of other vehicles.
  • the second data group including the data (ts k (n), tp k (n)) is acquired together with the data specifying the other vehicle transmitting the second data group (see step 205 in FIG. 2). ).
  • a plurality of types of statistics (A1 to A7) indicating data similarity between the first data group and the second data group of each of the plurality of other vehicles are acquired (steps 210, 220, FIG. 2). 230, 240, 250, 260, and 270.), each of the acquired plural types of statistics (A1 to A7) and “predetermined predetermined relationship with respect to each of the plurality of types of statistics”.
  • the preceding vehicle probabilities ( ⁇ 1 to ⁇ 7) for each of the obtained plural types of statistics are obtained (step 215 in FIG.
  • the preceding vehicle probability is accurately obtained according to each statistic, and the final preceding vehicle probability ⁇ k of the other vehicle k is obtained based on the preceding vehicle probability. Further, the preceding vehicle is specified based on the final preceding vehicle probability ⁇ k. Therefore, the preceding vehicle specifying device according to the first embodiment of the present invention can specify the preceding vehicle with high accuracy and early.
  • Time series data (eg, ps (n), ps (n ⁇ 1), ps (n ⁇ 2)) Of data related to the speed of the other vehicle included in the first data group, and the second data.
  • Time series data (eg, ts k (n), ts k (n ⁇ 1), ts k (n ⁇ 2)?) Of data related to the speeds of the plurality of other vehicles included in the group.
  • the “data related to the speed obtained by the own vehicle sensor and the vehicle speed sensor” is generally more accurate than the “data related to the position obtained by the GPS device”. Accordingly, in the first embodiment, it is possible to evaluate whether or not each other vehicle is a preceding vehicle in a multifaceted manner using “data related to a speed with high accuracy”. As a result, the preceding vehicle can be identified with higher accuracy.
  • the preceding vehicle specifying device is the data (pp (n), tp k ) related to the position obtained by “the GPS device of the host vehicle 10” and / or “the GPS device of another vehicle and inter-vehicle communication”. When (n)) cannot be acquired, a constant value may be set for all of the data corresponding to them, or the scheduled preceding vehicle probability obtained based on them may be set to “1”.
  • second device a preceding vehicle specifying device (hereinafter referred to as “second device”) according to a second embodiment of the present invention.
  • the second device is different from the preceding vehicle specifying device according to the first embodiment in that the time until the preceding vehicle is specified is shortened by considering the following two points. 1. As the data acquisition period becomes longer (in other words, as the number of time-series data of the same type of data increases), a highly reliable statistic can be acquired. 2. A statistic with higher reliability may be obtained when there is a fluctuation in the driving state quantity (particularly, speed) than when there is no fluctuation in speed (particularly, a statistic relating to the correlation coefficient).
  • the second device uses the look-up table Map ⁇ shown in FIG. 10 to transmit the inter-vehicle communication time (hence, the number of time-series data of the same type of data) and the preceding vehicle speed acquired using the own vehicle sensor 31.
  • a correction coefficient ⁇ by applying the change amount ⁇ tks per unit time and correct the final preceding vehicle probability ⁇ k by using the correction coefficient ⁇ , so that the last preceding vehicle used when specifying the preceding vehicle
  • the probability ⁇ k is calculated.
  • the correction coefficient ⁇ increases as the inter-vehicle communication time increases and as the amount of change per unit (predetermined) time of the preceding vehicle speed acquired using the own vehicle sensor 31 increases. It is determined to be larger in the range of 1 or more.
  • the CPU of the second device executes the processing of step 1110 and step 1120 shown in FIG. 11 between step 280 and step 285 of FIG. That is, when the CPU calculates the final preceding vehicle probability ⁇ k in step 280, the CPU proceeds to step 1110, and calculates the correction coefficient ⁇ by applying the inter-vehicle communication time and the change amount ⁇ tks to the above-described table Map ⁇ .
  • step 1120 the CPU proceeds to step 1120 to calculate the corrected final preceding vehicle probability ⁇ k by multiplying the final leading vehicle probability ⁇ k obtained in step 280 by the correction coefficient ⁇ . Thereafter, the CPU proceeds to step 285 and subsequent steps, and identifies the preceding vehicle using the corrected final preceding vehicle probability ⁇ k. As a result, the second device can identify the preceding vehicle with higher accuracy at an earlier stage.
  • the second device may determine the correction coefficient ⁇ based only on the inter-vehicle communication time (hence, the number of time-series data of the same type of data). Also in this case, the correction coefficient ⁇ is calculated so as to increase as the inter-vehicle communication time increases. Further, the second device may determine the correction coefficient ⁇ based only on the change amount ⁇ tks. Also in this case, the correction coefficient ⁇ is calculated so as to increase as the change amount ⁇ tks increases.
  • the correction coefficient ⁇ is determined so as to decrease as the inter-vehicle communication time increases and / or as the change amount ⁇ tks increases. Also good. According to this, the number of other vehicles whose final preceding vehicle probability ⁇ k exceeds the predetermined threshold value ⁇ th can be quickly reduced to only one.
  • the change amount ⁇ tks may be replaced with the maximum absolute value of the change amount ⁇ tks from the time point t0 when the vehicle-to-vehicle communication is started to the current time now.
  • a preceding vehicle specifying device (hereinafter referred to as “third device”) according to a third embodiment of the present invention will be described.
  • the third device is different from the second device only in that the predetermined threshold ⁇ th is corrected by the correction coefficient ⁇ instead of correcting the final preceding vehicle probability ⁇ k by the correction coefficient ⁇ .
  • the correction coefficient ⁇ is determined so as to decrease as the inter-vehicle communication time increases and / or as the change amount ⁇ tks increases.
  • the predetermined threshold value ⁇ th is set to a relatively low value
  • the correction coefficient ⁇ is determined so as to increase as the inter-vehicle communication time increases and / or as the change amount ⁇ tks increases. Also good.
  • the change amount ⁇ tks may be replaced with the maximum absolute value of the change amount ⁇ tks from the time point t0 when the vehicle-to-vehicle communication is started to the current time now.
  • the CPU of the third device executes the processing of Step 1210 and Step 1220 shown in FIG. 12 between Step 285 and Step 290 of FIG. That is, if the CPU determines “Yes” in step 285 in FIG. 2, the CPU proceeds to step 1210 in FIG. 12, and increases the correction coefficient ⁇ as the inter-vehicle communication time increases and / or as the change amount ⁇ tks increases. Calculate to be smaller.
  • the CPU proceeds to step 1220, and calculates the corrected threshold value ⁇ th by multiplying the predetermined threshold value ⁇ th by the correction coefficient ⁇ . Thereafter, the CPU proceeds to step 290 and the subsequent steps, and identifies the preceding vehicle using the corrected threshold value ⁇ th. As a result, the second device can identify the preceding vehicle with higher accuracy at an earlier stage.
  • the data acquisition unit of the fourth device acquires the fluctuation amount per predetermined time of the speed of the other vehicle acquired using the own vehicle sensor 31, and the first data group (ps (n)) as the fluctuation amount increases. , Pp (n)) and the second data group (ts k (n), tp k (n)) are increased in frequency.
  • a vehicle (communication leading vehicle) that travels immediately before the own vehicle 10 and performs inter-vehicle communication with the own vehicle 10. ) Can be identified early and accurately.
  • the vehicle sensor 31 is a millimeter wave radar sensor, but may be a front monitoring camera (particularly a stereo camera).
  • the fourth device increases the data acquisition frequency when the fluctuation amount per predetermined time of the speed of the other vehicle acquired using the own vehicle sensor 31 is large, but the traffic situation in front (for example, there is traffic jam ahead). Depending on whether it has occurred, whether the front signal has changed to a red signal, etc.), predict the case where the amount of fluctuation in the speed of the preceding vehicle will increase, and increase the data acquisition frequency in such a case May be.
  • the final preceding vehicle probability ⁇ k is a product of the preceding vehicle probabilities ⁇ 1 to ⁇ 7, but may be obtained as the sum of the preceding vehicle probabilities.
  • the statistics are statistics A1 to A7, only some of them (however, a plurality of types of statistics) may be used.
  • a vehicle equipped with the preceding vehicle specifying device is configured so that, after the preceding vehicle is specified, the driving state amount of the preceding vehicle transmitted from the preceding vehicle via inter-vehicle communication (for example, depression of the brake pedal)
  • the driving state amount of the host vehicle 10 may be changed based on the amount, the accelerator operation amount AP, the steering angle, and the like.

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Computational Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Optimization (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Geophysics (AREA)
  • Algebra (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Traffic Control Systems (AREA)

Abstract

本発明の一態様に係る先行車特定装置は、複数の他車の中から自車の先行車を特定するために、データ取得部と特定部とを備える。データ取得部は、自車の検出装置を用いて自車の直前を走行する他車の運転状態量データ（ｐｓ（ｎ）、ｐｐ（ｎ））を取得し、車車間通信を用いて複数の他車ｋのそれぞれの運転状態量データ（ｔｓｋ（ｎ）、ｔｐｋ（ｎ））を取得する（ステップ２０５）。特定部は、それらのデータ間の類似性を示す統計量（Ａ１～Ａ７）を取得し（ステップ２１０、２２０、２３０等）、統計量（Ａ１～Ａ７）のそれぞれと所定の関係とに基づいて先行車確率（α１～α７）を取得する（ステップ２１５、２２５、２３５等）。そして、特定装置は、複数の先行車確率（α１～α７）に基づいて各他車ｋの最終先行車確率αｋを算出し（ステップ２８０）、その最終先行車確率αｋに基づいて前記先行車を特定する（ステップ２９０、２９４）。

Description

先行車特定装置
　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他車（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。即ち、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）、ｔｓｋ（ｎ）、ｐｐ（ｎ）及びｔｐｋ（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
　ｔｓｋ（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
　ｔｐｋ（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ｔｓｋ（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ｔｐｋ（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ｔｓｋ（ｎ）及び他車ｋの位置ｔｐｋ（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。
Figure JPOXMLDOC01-appb-M000001
 　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ｔｓｋ（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ｔｓ１１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ｔｓ１２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ｔｓ１２の方が他車１１の速度ｔｓ１１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、ｔｓｋ（ｎ）、ｔｓｋ（ｎ－１）、ｔｓｋ（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。
Figure JPOXMLDOC01-appb-M000002
　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ｔｓｋ（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。
Figure JPOXMLDOC01-appb-M000003
　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。ｔｓｋ（ｉ＋１）－ｔｓｋ（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ｔｓｋ（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。
Figure JPOXMLDOC01-appb-M000004
　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ｔｓｋ（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ｔｓｋ（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。
Figure JPOXMLDOC01-appb-M000005
　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ｔｓｋ（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ｔｓｋ（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）－ｔｓｋ（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。
Figure JPOXMLDOC01-appb-M000006
　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。
Figure JPOXMLDOC01-appb-M000007
　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ｔｐｋ（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ｔｐｋ（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。
Figure JPOXMLDOC01-appb-M000008
　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（ｔｓｋ（ｎ）、ｔｐｋ（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、ｔｓｋ（ｎ）、ｔｓｋ（ｎ－１）、ｔｓｋ（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）、ｔｐｋ（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（ｔｓｋ（ｎ）、ｔｐｋ（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）、ｔｓｋ（ｎ）、ｐｐ（ｎ）及びｔｐｋ（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）、ｔｓｋ（ｎ）、ｐｐ（ｎ）及びｔｐｋ（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。

Claims (12)

  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、
    　を備える先行車特定装置。
  2. 　請求項１に記載の先行車特定装置において、
    　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、ことを特徴とする先行車特定装置。
  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。
  4. 　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。
  5. 　請求項３又は請求項４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。
  6. 　請求項１乃至請求項５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。
  7. 　請求項１乃至請求項５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。
  8. 　請求項６又は請求項７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。
  9. 　請求項６又は請求項７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。
  10. 　請求項６又は請求項７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。
  11. 　請求項６又は請求項７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。
  12. 　請求項１乃至請求項１１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。
PCT/JP2013/058290 2012-04-24 2013-03-22 先行車特定装置 WO2013161467A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
EP13780760.8A EP2843645B1 (en) 2012-04-24 2013-03-22 Preceding vehicle specifying device
US14/397,003 US20150178247A1 (en) 2012-04-24 2013-03-22 Preceding vehicle detection device
CN201380021810.9A CN104246851B (zh) 2012-04-24 2013-03-22 前车确定装置

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2012-098993 2012-04-24
JP2012098993A JP5522193B2 (ja) 2012-04-24 2012-04-24 先行車特定装置

Publications (1)

Publication Number Publication Date
WO2013161467A1 true WO2013161467A1 (ja) 2013-10-31

Family

ID=49482804

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2013/058290 WO2013161467A1 (ja) 2012-04-24 2013-03-22 先行車特定装置

Country Status (5)

Country Link
US (1) US20150178247A1 (ja)
EP (1) EP2843645B1 (ja)
JP (1) JP5522193B2 (ja)
CN (1) CN104246851B (ja)
WO (1) WO2013161467A1 (ja)

Families Citing this family (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11458970B2 (en) 2015-06-29 2022-10-04 Hyundai Motor Company Cooperative adaptive cruise control system based on driving pattern of target vehicle
KR101664716B1 (ko) * 2015-06-29 2016-10-10 현대자동차주식회사 Ｃａｃｃ 시스템의 속도 제어 장치 및 그 방법
JP6265191B2 (ja) 2015-09-15 2018-01-24 トヨタ自動車株式会社 車両の制御装置
JP6418116B2 (ja) * 2015-09-15 2018-11-07 トヨタ自動車株式会社 車両制御装置
JP6380308B2 (ja) * 2015-09-15 2018-08-29 トヨタ自動車株式会社 車両走行制御装置
JP6347243B2 (ja) * 2015-09-15 2018-06-27 トヨタ自動車株式会社 車両制御装置
JP6365476B2 (ja) * 2015-09-15 2018-08-01 トヨタ自動車株式会社 車両制御装置
JP6380309B2 (ja) 2015-09-15 2018-08-29 トヨタ自動車株式会社 車両の制御装置
JP2017058891A (ja) 2015-09-15 2017-03-23 トヨタ自動車株式会社 車両の制御装置及び追従走行システム
JP6520596B2 (ja) * 2015-09-15 2019-05-29 トヨタ自動車株式会社 通信追従対象車特定装置
JP6350465B2 (ja) * 2015-09-15 2018-07-04 トヨタ自動車株式会社 車両の制御装置
JP6361886B2 (ja) * 2015-09-15 2018-07-25 トヨタ自動車株式会社 車両走行制御装置
DE102015217793A1 (de) * 2015-09-17 2017-03-23 Volkswagen Aktiengesellschaft Vorrichtung, Verfahren und Computerprogramm zum Bereitstellen von Stauinformation über eine Fahrzeug-zu-Fahrzeug-Schnittstelle
EP3151216A1 (en) * 2015-10-01 2017-04-05 Volvo Car Corporation Method for providing an alert to a driver and an alert system
WO2017148516A1 (en) * 2016-03-03 2017-09-08 Volvo Truck Corporation A vehicle with autonomous driving capability
JP6690521B2 (ja) * 2016-12-26 2020-04-28 トヨタ自動車株式会社 車両特定装置
JP6822197B2 (ja) 2017-02-16 2021-01-27 トヨタ自動車株式会社 車両認識装置
JP6850065B2 (ja) 2017-08-07 2021-03-31 フォルシアクラリオン・エレクトロニクス株式会社 車車間通信装置および走行支援装置
JP7267874B2 (ja) * 2019-08-27 2023-05-02 本田技研工業株式会社 交通流推定装置、交通流推定方法、およびプログラム
EP4002320B1 (en) * 2020-11-24 2024-10-30 Volvo Autonomous Solutions AB A method for cooperative adaptive cruise control

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008046873A (ja) * 2006-08-16 2008-02-28 Toyota Motor Corp 車両同定装置、位置算出装置
JP2010086269A (ja) 2008-09-30 2010-04-15 Mazda Motor Corp 車両同定装置及びそれを用いた運転支援装置
JP2010231358A (ja) * 2009-03-26 2010-10-14 Toyota Motor Corp 車両特定装置
WO2010137135A1 (ja) * 2009-05-27 2010-12-02 パイオニア株式会社 ナビゲーション装置、サーバ、ナビゲーション方法及びナビゲーションプログラム

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE10257842A1 (de) * 2002-05-07 2003-11-27 Bosch Gmbh Robert Verfahren zur Bestimmung einer Unfallgefahr eines ersten Objekts mit wenigstens einem zweiten Objekt
DE10360890A1 (de) * 2003-12-19 2005-07-21 Robert Bosch Gmbh Radarsensor und Verfahren zu dessen Betrieb
US20050203877A1 (en) * 2004-02-27 2005-09-15 Baggenstoss Paul M. Chain rule processor
CN101488283B (zh) * 2009-02-09 2010-08-04 浙江天地人科技有限公司 基于无线网络的车辆自动识别警示系统
JP5152244B2 (ja) * 2010-04-06 2013-02-27 トヨタ自動車株式会社 追従対象車特定装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008046873A (ja) * 2006-08-16 2008-02-28 Toyota Motor Corp 車両同定装置、位置算出装置
JP2010086269A (ja) 2008-09-30 2010-04-15 Mazda Motor Corp 車両同定装置及びそれを用いた運転支援装置
JP2010231358A (ja) * 2009-03-26 2010-10-14 Toyota Motor Corp 車両特定装置
WO2010137135A1 (ja) * 2009-05-27 2010-12-02 パイオニア株式会社 ナビゲーション装置、サーバ、ナビゲーション方法及びナビゲーションプログラム

Also Published As

Publication number Publication date
JP2013228804A (ja) 2013-11-07
EP2843645A1 (en) 2015-03-04
EP2843645A4 (en) 2015-06-17
US20150178247A1 (en) 2015-06-25
CN104246851B (zh) 2016-11-23
EP2843645B1 (en) 2018-12-19
CN104246851A (zh) 2014-12-24
JP5522193B2 (ja) 2014-06-18

Similar Documents

Publication Publication Date Title
JP5522193B2 (ja) 先行車特定装置
JP6256531B2 (ja) 物体認識処理装置、物体認識処理方法および自動運転システム
US10890658B2 (en) Vehicle group control device
JP6800565B2 (ja) 適合化予測のために広域的シーンコンテクストを使用する方法およびシステム並びに対応するプログラム、該システムを備えた乗り物
US8427361B2 (en) Radar apparatus for use in vehicle
US9500748B2 (en) Target recognition apparatus
JP5402335B2 (ja) 信頼度評価装置、信頼度評価方法および信頼度評価プログラム
EP2690460A1 (en) Apparatus and method for calculating inter-vehicle distance
US20140297063A1 (en) Vehicle specifying apparatus
WO2011013189A1 (ja) 車両用情報処理装置
US9499156B2 (en) On-board apparatus
CN108702311B (zh) 接收装置和事态检测时刻的估计方法
EP3330669A1 (en) Control method for travel control device, and travel control device
US12091006B2 (en) Proactive message transmitter identification system
EP3657461A1 (en) Information processing system and server
US20210070311A1 (en) Method and apparatus for multi vehicle sensor suite diagnosis
CN108283019B (zh) 车辆的碰撞时间的改进型计算
US11501539B2 (en) Vehicle control system, sensing device and sensing data processing method
US20230260395A1 (en) Correction data generation device, correction data generation method and computer readable medium
CN112970051A (zh) 信息处理装置以及驾驶支援装置
JP5768646B2 (ja) 走行車線認識装置
JP6480101B2 (ja) 車両制御装置
EP3709057B1 (en) Radar enhanced v2x communications
JP6578967B2 (ja) 交通情報処理装置、車両位置推定プログラムおよび車両位置推定方法
US20230110895A1 (en) Method for selecting data packages

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 13780760

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 2013780760

Country of ref document: EP

NENP Non-entry into the national phase

Ref country code: DE

WWE Wipo information: entry into national phase

Ref document number: 14397003

Country of ref document: US