CN107924631B - 车辆控制装置、车辆控制方法及存储车辆控制程序的介质 - Google Patents
车辆控制装置、车辆控制方法及存储车辆控制程序的介质 Download PDFInfo
- Publication number
- CN107924631B CN107924631B CN201680045649.2A CN201680045649A CN107924631B CN 107924631 B CN107924631 B CN 107924631B CN 201680045649 A CN201680045649 A CN 201680045649A CN 107924631 B CN107924631 B CN 107924631B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- probability density
- lane
- density distribution
- unit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 19
- 238000001514 detection method Methods 0.000 claims abstract description 84
- 238000009826 distribution Methods 0.000 claims description 140
- 230000009471 action Effects 0.000 description 24
- 238000010586 diagram Methods 0.000 description 20
- 230000008859 change Effects 0.000 description 19
- 238000012545 processing Methods 0.000 description 19
- 230000006870 function Effects 0.000 description 11
- 102100040678 Programmed cell death protein 1 Human genes 0.000 description 9
- 238000006073 displacement reaction Methods 0.000 description 9
- 230000006399 behavior Effects 0.000 description 8
- 239000000523 sample Substances 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 230000001133 acceleration Effects 0.000 description 4
- 239000000446 fuel Substances 0.000 description 3
- 238000002485 combustion reaction Methods 0.000 description 2
- 238000009795 derivation Methods 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 1
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 1
- 101100519293 Neurospora crassa (strain ATCC 24698 / 74-OR23-1A / CBS 708.71 / DSM 1257 / FGSC 987) pdx-1 gene Proteins 0.000 description 1
- 101710089372 Programmed cell death protein 1 Proteins 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/0097—Predicting future conditions
-
- G—PHYSICS
- 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
- G08G1/16—Anti-collision systems
- G08G1/167—Driving aids for lane monitoring, lane changing, e.g. blind spot detection
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2554/00—Input parameters relating to objects
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Human Computer Interaction (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Traffic Control Systems (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
- Navigation (AREA)
Abstract
车辆控制装置具备:检测部,其检测在第一车辆的周边行驶的第二车辆;以及预测部,其基于所述检测部的检测结果和所述第二车辆的周边的道路的车道信息来预测所述第二车辆的将来位置。
Description
技术领域
本发明涉及车辆控制装置、车辆控制方法及存储车辆控制程序的介质。
本申请基于在2015年8月19日申请的日本国专利申请2015-162299号而主张优先权,并将其内容援引于此。
背景技术
以往,提出有一种行驶安全装置,在变成不从雷达装置输出障碍物的信息的情况下,推测机构基于直至变成不从雷达装置输出障碍物的信息的时刻为止存储于存储部的信息来至少对本车辆(以下,也称作第一车辆或仅称作车辆)与障碍物之间的距离的当前值进行持续规定时间地推测,并且接触可能性判断机构基于来自推测机构的信息来判断本车辆与障碍物接触的可能性(例如,参照专利文献1)。
上述装置具备推测时间变更机构,该推测时间变更机构根据变成不从雷达装置输出障碍物的信息时的状况来变更由推测机构推测的推测时间。例如即将变成不输出障碍物的信息时的与障碍物的距离越长,推测时间变更机构使推测时间越长。
在先技术文献
专利文献
专利文献1:日本国特开平6-174847号公报
然而,在以往的技术中,有时无法精度良好地预测车辆的位置。
发明内容
发明要解决的课题
本发明的方案考虑到这样的情况而提出,其目的之一在于精度良好地预测车辆的位置。
用于解决课题的方案
(1)本发明的一方案为车辆控制装置,其至少设置于第一车辆,其中,所述车辆控制装置具备:检测部,其检测在所述第一车辆的周边行驶的第二车辆;以及预测部,其基于所述检测部的检测结果和所述第二车辆的周边的道路的车道信息来预测所述第二车辆的将来位置。
(2)在上述(1)的方案的基础上,也可以是,所述预测部将所述第二车辆的将来位置作为每个车道上的存在概率来预测。
(3)在上述(1)或(2)的方案的基础上,也可以是,所述道路的车道信息至少包括表示车道的边界的信息或表示所述车道的中央的信息。
(4)在上述(1)至(3)中任一项的方案的基础上,也可以是,所述预测部导出相对于所述道路的车道信息的所述第二车辆存在的概率密度分布,并基于所述导出的概率密度分布来将所述第二车辆的将来位置作为每个车道上的存在概率来预测。
(5)在上述(4)的方案的基础上,也可以是,所述预测部基于所述第二车辆的位置的历史来导出所述概率密度分布。
(6)在上述(4)或(5)的方案的基础上,也可以是,所述预测部基于车道的增减的信息来导出所述概率密度分布。
(7)在上述(4)至(6)中任一项的方案的基础上,也可以是,所述检测部还检测在所述第二车辆的周边行驶的第三车辆,所述预测部反映由所述检测部检测出的第三车辆的位置而导出相对于所述道路的车道信息的所述第二车辆存在的概率密度分布。
(8)在上述(4)至(7)中任一项的方案的基础上,也可以是,所述预测部基于对所述第二车辆的行为带来影响的信息来导出所述概率密度分布。
(9)在上述(1)至(8)中任一项的方案的基础上,也可以是,所述预测部基于所述预测部预测出的所述第二车辆的将来位置,来对与所述预测出的所述第二车辆的将来位置相比更将来的所述第二车辆的将来位置进行预测。
(10)在上述(1)至(9)中任一项的方案的基础上,也可以是,所述车辆控制装置还具备其他车辆追踪部,在变成由所述检测部未检测出所述第二车辆的情况下,该其他车辆追踪部基于由所述预测部预测出的第二车辆的将来位置来推定变成由所述检测部未检测出的所述第二车辆的位置。
(11)在上述(1)至(10)中任一项的方案的基础上,也可以是,所述车辆控制装置还具备其他车辆追踪部,该其他车辆追踪部基于由所述检测部过去检测出且由所述预测部预测出的所述第二车辆的将来位置与由所述检测部检测出的第二车辆的位置的比较,来判定由所述检测部过去检测出的第二车辆与由所述检测部检测出的第二车辆是否为同一车辆。
(12)本发明的另一方案为车辆控制方法,其中,检测在第一车辆的周边行驶的第二车辆,基于所述检测出的第二车辆的检测结果和道路的车道信息来预测所述第二车辆的将来位置。
(13)本发明的再一方案为存储车辆控制程序的介质,其中,所述车辆控制程序使至少设置于第一车辆的车辆控制装置的计算机执行如下处理:检测在所述第一车辆的周边行驶的第二车辆;以及基于所述检测出的第二车辆的检测结果和道路的车道信息来预测所述第二车辆的将来位置。
发明效果
根据上述(1)、(3)、(4)、(5)、(12)、(13)的方案,预测部基于由检测部检测出的第二车辆的检测结果和第二车辆的周边的道路的车道信息来预测第二车辆的将来位置,从而能够精度良好地预测车辆的位置。
根据上述(2)的方案,预测部将第二车辆的将来位置作为每个车道上的存在概率来预测,从而能够精度良好地预测将来第二车辆所位于的车道。
根据上述(6)的方案,预测部基于车道的增减的信息来导出相对于所述道路的车道信息的概率密度分布,从而能够预测考虑了存在分支车道的情况、车道增加或减少的情况的车辆的位置。
根据上述(7)的方案,预测部反映由所述检测部检测出的第三车辆的位置而导出相对于所述道路的车道信息的第二车辆存在的概率密度分布,从而能够预测考虑了第二车辆的周边车辆的车辆的位置。
根据上述(8)的方案,所述预测部基于对所述第二车辆的行为带来影响的信息来导出概率密度分布,从而能够更加精度良好地预测车辆的位置。
根据上述(9)的方案,基于预测部预测出的所述第二车辆的将来位置,来对与所述预测出的所述第二车辆的将来位置相比更将来的所述第二车辆的将来位置进行预测,从而能够更加精度良好地进行车辆的将来位置的预测。
根据上述(10)的方案,其他车辆追踪部在变成由所述检测部未检测出所述第二车辆的情况下,基于由所述预测部预测出的第二车辆的将来位置来推定变成由所述检测部未检测出的所述第二车辆的位置,从而能够继续追踪对象的第二车辆。
根据上述(11)的方案,其他车辆追踪部判定由所述检测部过去检测出的第二车辆与由所述检测部检测出的第二车辆是否为同一车辆,从而能够精度良好地预测在不同的时刻检测出的第二车辆的同一性。
附图说明
图1是表示搭载有第一实施方式的车辆控制装置的车辆所具有的构成要素的图。
图2是以第一实施方式的车辆控制装置为中心的车辆的功能结构图。
图3是表示地图信息的一例的图。
图4是表示每个线路信息的一例的图。
图5是表示由本车位置识别部识别出车辆相对于行驶车道的相对位置的情形的图。
图6是表示针对某一区间生成的行动计划的一例的图。
图7是表示由其他车辆追踪部及其他车位置预测部执行的处理的流程的一例的流程图。
图8是表示其他车位置预测部导出概率密度分布的处理的流程的一例的流程图。
图9是示意性地表示导出了概率密度分布的情形的图。
图10是不考虑车道信息而导出的情况下的概率密度分布的一例。
图11是考虑车道信息而导出的情况下的概率密度分布的一例。
图12是在存在道路的分支的场景下不考虑车道信息而导出的情况下的概率密度分布的一例。
图13是在存在道路的分支的场景下考虑车道信息而导出的情况下的概率密度分布的一例。
图14是用于说明第二车辆的将来位置的概率密度分布的导出的图。
图15是使用第二车辆的位置历史来导出概率密度分布的场景的一例。
图16是表示基于第三车辆的位置的将来预测来导出第二车辆的概率密度分布的场景的一例的图。
图17是用于说明对概率密度分布进行修正的场景的图。
图18是考虑车道的种类而导出的情况下的概率密度分布的一例。
具体实施方式
以下,参照附图来说明本发明的实施方式的车辆控制装置、车辆控制方法及存储车辆控制程序的介质。
<第一实施方式>
[车辆结构]
图1是表示搭载有第一实施方式的车辆控制装置100的车辆M(以下,也称作第一车辆M)所具有的构成要素的图。搭载有车辆控制装置100的车辆例如为二轮、三轮、四轮等的机动车,包括以柴油发动机、汽油发动机等内燃机为动力源的机动车、以电动机为动力源的电动机动车、兼具备内燃机及电动机的混合动力机动车等。另外,上述的电动机动车例如使用由二次电池、氢燃料电池、金属燃料电池、醇类燃料电池等电池放出的电力来进行驱动。
如图1所示,车辆中搭载有探测器20-1~20-7、雷达30-1~30-6及相机40等传感器、导航装置50、车辆控制装置100。探测器20-1~20-7例如是测定相对于照射光的散射光而测定直至对象为止的距离的LIDAR(Light Detection and Ranging、或者Laser ImagingDetection and Ranging)。例如,探测器20-1安装于前格栅等,探测器20-2及探测器20-3安装于车身的侧面、车门上后视镜、前照灯内部、侧灯附近等。探测器20-4安装在行李箱盖等,探测器20-5及探测器20-6安装在车身的侧面、尾灯内部等。探测器20-1-20-6例如在水平方向上具有150度左右的检测范围。另外,探测器20-7安装于车顶等。探测器20-7例如在水平方向上具有360度的检测范围。
雷达30-1及雷达30-4例如是进深方向的检测范围比其他雷达宽的长距离毫米波雷达。另外,雷达30-2、30-3、30-5、30-6是比雷达30-1及雷达30-4的进深方向的检测范围窄的中距离毫米波雷达。以下,在不对探测器20-1~20-7进行特别区分的情况下,仅记载为“探测器20”,在不对雷达30-1~30-6进行特别区分的情况下,仅记载为“雷达30”。雷达30例如通过FM-CW(Frequency Modulated Continuous Wave)方式来检测物体。
相机40例如是利用了CCD(Charge Coupled Device)、CMOS(Complementary MetalOxide Semiconductor)等固体摄像元件的数码相机。相机40安装于前风窗玻璃上部、车室内后视镜背面等。相机40例如周期性地反复对车辆M的前方进行拍摄。
需要说明的是,图1所示的结构只是一例,可以省略结构的一部分,也可以进一步追加其他的结构。
图2是以第一实施方式的车辆控制装置100为中心的车辆M的功能结构图。在车辆M上除了搭载有探测器20、雷达30及相机40以外,还搭载有导航装置50、车辆传感器60、操作器件70、操作检测传感器72、切换开关80、行驶驱动力输出装置90、转向装置92、制动装置94及车辆控制装置100。
导航装置50具有GNSS(Global Navigation Satellite System)接收机、地图信息(导航地图)、作为用户界面发挥功能的触摸面板式显示装置、扬声器、话筒等。导航装置50通过GNSS接收机来确定车辆M的位置,根据该位置导出直至由用户指定的目的地为止的路径。由导航装置50导出的路径作为路径信息134而保存于存储部130。车辆M的位置也可以通过利用了车辆传感器60的输出的INS(Inertial Navigation System)来确定或补充。另外,导航装置50在车辆控制装置100正执行手动驾驶模式时,通过声音、导航显示来对直至目的地的路径进行引导。需要说明的是,用于确定车辆M的位置的结构也可以与导航装置50独立地设置。另外,导航装置50例如也可以通过用户持有的智能手机、平板终端等终端装置的一个功能来实现。在该情况下,在终端装置与车辆控制装置100之间通过无线或通信来进行信息的收发。
车辆传感器60包括检测车辆M的速度(车速)的车速传感器、检测加速度的加速度传感器、检测绕铅垂轴的角速度的横摆角速度传感器、以及检测车辆M的朝向的方位传感器等。
操作器件70例如包括油门踏板、转向盘、制动踏板、变速杆等。在操作器件70上安装有检测驾驶员的操作的有无、操作量的操作检测传感器72。操作检测传感器72例如包括油门开度传感器、转向转矩传感器、制动传感器、档位传感器等。操作检测传感器72将作为检测结果的油门开度、转向转矩、制动踩踏量、档位等向行驶控制部120输出。需要说明的是,也可以代替于此,将操作检测传感器72的检测结果直接向行驶驱动力输出装置90、转向装置92或制动装置94输出。
切换开关80是由驾驶员等操作的开关。切换开关80可以是机械式的开关,也可以是设置于导航装置50的触摸面板式显示装置的GUI(Graphical User Interface)开关。切换开关80接受手动驾驶模式与自动驾驶模式的切换指示,并生成将由行驶控制部120控制的控制模式向自动驾驶模式或手动驾驶模式中的任一方指定的控制模式指定信号,所述手动驾驶模式是驾驶员手动地进行驾驶的模式,所述自动驾驶模式是以驾驶员不进行操作(或者与手动驾驶模式相比,操作量小或操作频率低)的状态进行行驶的模式。
行驶驱动力输出装置90例如包括发动机和行驶用马达中的一方或双方。在行驶驱动力输出装置90仅具有发动机的情况下,行驶驱动力输出装置90还包括对发动机进行控制的发动机ECU(Electronic Control Unit)。发动机ECU例如按照从行驶控制部120输入的信息,来对节气门开度、档级等进行调整,由此对用于使车辆行驶的行驶驱动力(转矩)进行控制。在行驶驱动力输出装置90仅具有行驶用马达的情况下,行驶驱动力输出装置90包括对行驶用马达进行驱动的马达ECU。马达ECU例如通过调整向行驶用马达施加的PWM信号的占空比来对用于使车辆行驶的行驶驱动力进行控制。在行驶驱动力输出装置90包括发动机和行驶用马达这双方的情况下,发动机ECU和马达ECU这双方协调地对行驶驱动力进行控制。
转向装置92例如具备在齿条-小齿轮功能等中使力作用而能够变更转向轮的方向的电动马达、检测转向角(或实际舵角)的转向角传感器等。转向装置92按照从行驶控制部120输入的信息来对电动马达进行驱动。
制动装置94具备将对制动踏板施加的制动操作作为液压来传递的主液压缸、蓄积制动液的贮存箱、对向各车轮输出的制动力进行调节的制动致动器等。制动装置94按照从行驶控制部120输入的信息来对制动致动器等进行控制,以便将所期望的大小的制动转矩向各车轮输出。需要说明的是,制动装置94不限于上述说明的通过液压进行工作的电子控制式制动装置,也可以是通过电动致动器进行工作的电子控制式制动装置。
[车辆控制装置]
以下,说明车辆控制装置100。车辆控制装置100例如具备外界识别部102、本车位置识别部104、行动计划生成部106、其他车辆追踪部108、其他车位置预测部113、控制计划生成部114、行驶控制部120、控制切换部122及存储部130。外界识别部102、本车位置识别部104、行动计划生成部106、其他车辆追踪部108、其他车位置预测部113、控制计划生成部114、行驶控制部120及控制切换部122中的一部分或全部是通过CPU(Central ProcessingUnit)等处理器执行程序而发挥功能的软件功能部。另外,它们中的一部分或全部也可以是LSI(Large Scale Integration)、ASIC(Application Specific Integrated Circuit)等硬件功能部。另外,存储部130通过ROM(Read Only Memory)、RAM(Random Access Memory)、HDD(Hard Disk Drive)、闪存器等来实现。程序可以预先保存于存储部130,也可以经由车载互联网设备等从外部装置下载。另外,也可以是,通过将保存有程序的可移动型存储介质装配于未图示的驱动装置而安装于存储部130。
外界识别部102基于探测器20、雷达30、相机40等的输出,来识别其他车辆的位置及速度等状态。本实施方式中的其他车辆是指在车辆M的周边行驶且沿着与车辆M相同的方向行驶的车辆。以下,将其他车辆称作第二车辆。需要说明的是,在车辆M(第一车辆)的周边行驶且沿着与车辆M相同的方向行驶的车辆未必是一台。因而,有时将其他车辆称作第二车辆、第三车辆、第四车辆等。即,其他车辆包括车辆M以外的一个以上的车辆。在以下的说明中,第二车辆表示其他车辆、即车辆M以外的车辆。第二车辆的位置可以由第二车辆的重心、角部等代表点来表示,也可以通过由第二车辆的轮廓表现的区域来表示。第二车辆的“状态”也可以基于上述各种设备的信息而包括第二车辆的加速度、是否正进行车道变更(或者是否要进行车道变更)。外界识别部102基于第二车辆的位置的历史、方向指示器的工作状态等来识别是否正进行车道变更(或者要进行车道变更)。另外,外界识别部102除了识别第二车辆以外,还可以识别护栏、电线杆、驻车车辆、行人及其他物体的位置。以下,将探测器20、雷达30、相机40、以及外界识别部102组合成的部件称作对第二车辆进行检测的“检测部DT”。检测部DT还可以通过与第二车辆进行通信来识别第二车辆的位置、速度等状态。
本车位置识别部104基于保存于存储部130的地图信息132、以及从探测器20、雷达30、相机40、导航装置50或车辆传感器60输入的信息,来识别车辆M正行驶的车道(本车道、行驶车道)、以及车辆M相对于行驶车道的相对位置。
地图信息132例如是比导航装置50具有的导航地图精度高的地图信息。地图信息132例如是高精度地图,包括表示车道的中央的信息或者表示车道的边界的信息等。在行动计划生成部106生成行动计划时、或者在其他车位置预测部113预测第二车辆的将来位置时,参照地图信息132。地图信息132包括每个线路信息132A、物标信息及道路车道对应表。
地图信息132是规定车道基准线上的基准点即车道节点的信息的一览。车道基准线例如是车道间的中央线。图3是表示地图信息132的一例的图。在地图信息132中将坐标点、连接车道线路数及连接车道线路ID与多个车道节点ID建立对应关系来保存。另外,每个线路信息132A(车道信息)与地图信息132的连接车道线路ID建立对应关系。
每个线路信息132A是表示多个车道节点间的车道的区间样态的信息的一览。图4是表示每个线路信息132A的一例的图。每个线路信息132A将作为车道线路的起点而连接的车道节点ID(起点车道节点ID)、作为车道线路的终点而连接的车道节点ID(终点车道节点ID)、表示是朝向车道的车辆行进方向时的从左侧起的第几个车道的车道编号、车道种类(例如分支车道、汇合车道等)、车道的宽度信息、表示朝向车道的车辆行进方向时的左侧和右侧的车道的车道类别的车道类别(右侧车道类别、左侧车道类别)、表示车道上的交通限制的状况的交通限制信息、以及车道线路所表示的车道区间的车道基准线的形状的坐标点列与多个车道线路ID建立对应关系来保存。另外,每个线路信息132A在车道的形状特殊的情况下,也可以保存车道的形状描绘用的信息(曲率等)。
物标信息是表示存在于道路上的物标的信息的一览。物标信息中的存在于道路上的物标例如是广告牌、建筑物、交通信号、立柱、电线杆等。在物标信息中将物标的名称、表示物标的轮廓的坐标点列、以及物标所存在的车道节点ID与多个物标ID建立对应关系。
道路车道对应表是指与导航地图的道路对应的车道节点或车道线路的一览。例如道路车道对应表中保存有表示处于道路的附近的车道节点ID和车道线路ID的信息。
图5是表示由本车位置识别部104识别出车辆M相对于行驶车道的相对位置的情形的图。本车位置识别部104例如识别车辆M的基准点(例如重心)从行驶车道中央CL的偏离OS、以及车辆M的行进方向相对于将行驶车道中央CL相连的线所成的角度θ,来作为车辆M相对于行驶车道的相对位置。需要说明的是,也可以代替于此,本车位置识别部104识别车辆M的基准点相对于车辆M行驶的车道L1中的任一侧端部的位置等,来作为车辆M相对于行驶车道的相对位置。
行动计划生成部106生成规定的区间中的行动计划。规定的区间例如是由导航装置50导出的路径中的通过高速道路等收费道路的区间。需要说明的是,不限定于此,行动计划生成部106也可以针对任意的区间生成行动计划。另外,行动计划生成部106也可以基于由其他车位置预测部113预测出的第二车辆的位置来生成行动计划。
行动计划例如由依次执行的多个事件构成。事件中例如包括使车辆M减速的减速事件、使车辆M加速的加速事件、使车辆M以不脱离行驶车道的方式行驶的车道保持事件、变更行驶车道的车道变更事件、使车辆M赶超前方车辆的赶超事件、使车辆M在分支点变更为所期望的车道或以不脱离当前的行驶车道的方式行驶的分支事件、使车辆M在车道汇合点进行加减速并变更行驶车道的汇合事件等。例如在收费道路(例如高速道路等)中存在汇接点(分支点)的情况下,车辆控制装置100在自动驾驶模式下需要变更车道或者维持车道,以使车辆M向目的地的方向行进。因此,行动计划生成部106在参照地图信息132而判明为在路径上存在汇接点的情况下,设定在从当前的车辆M的位置(坐标)到该汇接点的位置(坐标)之间用于将车道变更为能够向目的地的方向行进的所期望的车道的车道变更事件。
图6是表示针对某一区间生成的行动计划的一例的图。如图所示,行动计划生成部106对在按照直至目的地为止的路径进行行驶的情况下产生的场景进行分类,并以执行切合各个场景的事件的方式生成行动计划。需要说明的是,行动计划生成部106也可以根据车辆M的状况变化而动态地变更行动计划。
其他车辆追踪部108基于由检测部DT过去检测出且由其他车位置预测部113预测出的第二车辆的将来位置与由检测部DT检测出的第二车辆的位置的比较,来判定由检测部DT过去检测出的第二车辆与由检测部DT检测出的第二车辆是否为同一车辆。
其他车位置预测部113针对其他车辆来预测将来位置。需要说明的是,成为预测的对象的其他车辆可以是一台车辆(第二车辆),也可以多台车辆(第二车辆、第三车辆、第四车辆等)同时成为位置预测的对象。其他车位置预测部113基于检测部DT的检测结果和第二车辆的周边的地图信息132所包含的与车道相关的信息即车道信息,来预测第二车辆的将来位置。其他车位置预测部113例如将第二车辆的将来位置作为每个车道上的存在概率来预测。其他车位置预测部113例如将预测出的第二车辆的将来位置向控制计划生成部114输出。需要说明的是,其他车位置预测部113的处理的详细情况后述。
[控制计划]
控制计划生成部114加进其他车位置预测部113的预测结果来生成控制计划。控制计划例如是用于进行车道变更的计划、用于追随在车辆M的前方行驶的第二车辆而行驶的计划等。
以下,参照流程图来说明其他车位置预测部113的处理。图7是表示由其他车辆追踪部108及其他车位置预测部113执行的处理的流程的一例的流程图。本流程图的处理例如是在车辆M的车速为基准速度以上的情况下反复执行的处理。
首先,其他车辆追踪部108判定是否由检测部DT检测出第二车辆的当前位置(步骤S100)。在步骤S100中未由检测部DT检测出第二车辆的当前位置的情况下,其他车辆追踪部108将如下位置推定为第二车辆的位置(步骤S102),该位置是上次以前的例程中在后述的步骤S112中作为将来位置而预测出的(在该例程中为当前的)第二车辆的位置。
在步骤S100中由检测部DT检测出第二车辆的当前位置的情况下,其他车辆追踪部108对在步骤S100中检测出的第二车辆的当前位置与在上次以前的例程的步骤S112中作为将来位置而预测出的第二车辆的位置进行比较,来判定比较结果是否一致(步骤S104)。在步骤S104中判定为比较结果不一致的情况下,其他车辆追踪部108判定为在步骤S100中检测出的第二车辆与在上次以前的例程中检测或预测出位置的(过去追踪着位置的)第二车辆不是同一车辆(步骤S106)。在步骤S104中判定为比较结果一致的情况下,其他车辆追踪部108判定为在步骤S100中检测出的第二车辆与在上次以前的例程中检测或预测出位置的(过去追踪着位置的)第二车辆是同一车辆(步骤S108)。
例如,其他车辆追踪部108根据基于第二车辆的概率密度分布PD而预测出的第二车辆的将来位置与在步骤S100中由检测部DT检测出的第二车辆的位置的比较,来判定第二车辆与由检测部DT检测出的第二车辆是否为同一车辆,其中,所述第二车辆的概率密度分布PD在上次以前的例程的步骤S112中由其他车位置预测部113导出。例如,步骤S100中检测出的第二车辆的位置在上次以前的例程的步骤S112中预测出的第二车辆的将来位置的概率密度分布PD中为第一阈值以下的存在概率的情况下,其他车辆追踪部108判定为在步骤S100中检测出的第二车辆和与在步骤S112中预测出的第二车辆对应的第二车辆不是同一车辆。另外,例如也可以是,在步骤S100中检测出的第二车辆存在于第一车道、且在上次以前的例程的步骤S112中预测出的第二车辆预测为存在于与第一车道相邻的第二车道的情况下,其他车辆追踪部108判定为在步骤S100中检测出的第二车辆和与在步骤S112中预测出的第二车辆对应的第二车辆不是同一车辆。
另一方面,步骤S100中检测出的第二车辆的位置在上次以前的例程的步骤S112中预测出的第二车辆的位置的概率密度分布PD中为超过第一阈值的存在概率的情况下、或者预测为第二车辆存在于第一车道的情况下,其他车辆追踪部108判定为在步骤S100中检测出的第二车辆与在上次以前的例程的步骤S112中预测出的第二车辆是同一车辆。
接着,其他车位置预测部113针对第二车辆来导出将来位置的概率密度分布PD(步骤S110)。概率密度分布PD是表示将来的第二车辆相对于横向及纵向的存在概率的分布。横向是与车道方向正交的方向。纵向是车道方向(第二车辆的行进方向)。需要说明的是,概率密度分布PD的详细情况及概率密度分布PD的导出方法见后述。另外,在本流程图的处理中,其他车位置预测部113基于检测出的第二车辆的位置、过去检测出的第二车辆的位置或者过去(作为将来位置)预测出的第二车辆的位置,来导出第二车辆的将来的概率密度分布PD。
接着,其他车位置预测部113基于在步骤S110中导出的概率密度分布PD,来预测第二车辆的将来位置(步骤S112)。例如,其他车位置预测部113基于概率密度分布PD算出每个车道上的存在概率来作为概率密度,并根据算出结果来预测第二车辆存在的车道。由此,本流程图的一个例程的处理结束。
如上所述,其他车辆追踪部108通过将检测部DT对第二车辆检测的检测结果和基于概率密度分布PD得到的第二车辆的位置的预测结果进行比较,从而能够更加精度良好地检测第二车辆的位置。其结果是,其他车辆追踪部108能够更可靠地进行第二车辆的追踪。
在具体的例子中,其他车辆追踪部108例如在时刻T1(第一个例程的处理)检测出的第二车辆在时刻T2(第二个例程的处理)无法检测出而在时刻T3(第三个例程的处理)检测出的情况下,可以判定在时刻T1与时刻T3检测出的车辆是否为同一车辆。例如,其他车位置预测部113将在时刻T3检测出的车辆的位置与通过时刻T1或时刻T2的处理导出的概率密度分布PD中的对应于时刻T3的概率密度分布PD进行比较,从而判定在时刻T1检测出的车辆与在时刻T3检测出的车辆是否为同一车辆。
例如,其他车辆追踪部108在通过时刻T1(或时刻T2)的处理导出的概率密度分布PD的对应于时刻T3的概率密度分布中,在通过时刻T3的处理检测出的车辆的位置为阈值以下的存在概率的情况下,预测为通过时刻T1(或时刻T2)的处理检测或预测出的第二车辆与通过时刻T3的处理检测出的车辆不是同一车辆。
另一方面,其他车辆追踪部108在通过时刻T1(或时刻T2)的处理导出的概率密度分布PD的对应于时刻T3的概率密度分布中,在通过时刻T3的处理检测出的车辆的位置为超过阈值的存在概率的情况下,预测为通过时刻T3的处理检测出的车辆与通过时刻T1(或时刻T2)的处理检测或预测出的第二车辆是同一车辆。由此,其他车辆追踪部108即使在暂时变成无法检测出第二车辆的情况下,也能够通过参照第二车辆的位置的概率密度分布PD而不会看丢了目前为止追踪着的车辆,能够继续追踪。
[概率密度分布的导出方法]
图8是表示其他车位置预测部113导出将来位置的概率密度分布PD的处理的流程的一例的流程图。首先,其他车位置预测部113将参数i设定为初始值即1(步骤S150)。参数i例如是在按时间性的步骤宽度t进行预测的情况下,表示进行几个步骤后的预测的参数。参数i的数字越大,表示为越靠后的步骤的预测。
接着,其他车位置预测部113取得第二车辆的将来位置的预测所需的车道信息(步骤S152)。接着,其他车位置预测部113从检测部DT取得第二车辆的当前位置及过去位置(步骤S154)。在步骤S154~S160的循环处理的期间,在步骤S154中取得的当前位置也可以在下次以后的处理中作为“过去位置”对待。
接着,其他车位置预测部113基于在步骤S152中取得的车道信息、在步骤S154中取得的第二车辆的当前位置及过去位置、以及过去预测的第二车辆的位置,来导出第二车辆的将来位置的概率密度分布PD(步骤S156)。需要说明的是,其他车位置预测部113在步骤S154中无法从检测部DT取得第二车辆的当前位置的情况下,也可以将过去预测的第二车辆的位置用作第二车辆的当前位置。
接着,其他车位置预测部113判定是否导出了决定的步骤数的概率密度分布PD(步骤S158)。在判定为未导出决定的步骤数的概率密度分布PD的情况下,其他车位置预测部113使参数i增加1(步骤S160),并进入步骤S152的处理。在判定为导出了决定的步骤数的概率密度分布PD的情况下,本流程图的处理结束。需要说明的是,决定的步骤数为1以上即可。其他车位置预测部113既可以导出一个步骤的概率密度分布PD,也可以导出多个步骤的概率密度分布PD。
图9是示意性地表示导出了概率密度分布PD的情形的图。其他车位置预测部113基于车道信息、第二车辆m的当前位置、过去位置、以及预测出的将来位置而按步骤(与参数i对应)导出概率密度分布PD。在图9的例子中,其他车位置预测部113导出四个步骤的量的概率密度分布PD1~PD4-1、PD4-2。
首先,其他车位置预测部113基于第二车辆m的当前位置及过去位置来导出第一个步骤的概率密度分布PD1。接着,其他车位置预测部113基于第二车辆m的当前位置、过去位置、以及在第一个步骤中导出的概率密度分布PD1,来导出第二个步骤的概率密度分布PD2。接着,其他车位置预测部113基于第二车辆m的当前位置、过去位置、在第一个步骤中导出的概率密度分布PD1、以及在第二个步骤中导出的概率密度分布PD2,来导出第三个步骤的概率密度分布PD3-1及概率密度分布PD3-2。另外,同样,其他车位置预测部113基于第二车辆m的当前位置、过去位置、以及在各步骤中导出的概率密度分布PD(PD1~PD3-2),来导出第四个步骤的概率密度分布PD4-1、PD4-2。
例如在导出了概率密度分布PD1的情况下,其他车位置预测部113能够基于概率密度分布PD1来预测与第一个步骤对应的第二车辆的位置。另外,例如在导出了概率密度分布PD1~PD4-2的情况下,其他车位置预测部113能够基于概率密度分布PD1~PD4-2来预测第一个步骤~第四个步骤的第二车辆的位置。这样,其他车位置预测部113能够基于导出的概率密度分布PD来预测与任意的步骤对应的第二车辆的将来位置。
需要说明的是,其他车位置预测部113例如在第二车辆m正行驶的情况下,以随着趋向将来而增大概率密度分布PD的展宽的趋势来导出概率密度分布PD。对此后述。
另外,其他车位置预测部113也可以代替按时间性的步骤导出概率密度分布PD而按基准距离导出概率密度分布PD。另外,其他车位置预测部113也可以将导出概率密度分布PD的范围限定为比由外界识别部102识别出第二车辆的范围靠近前的范围。
这样,其他车位置预测部113使用车道信息来预测第二车辆m的位置,因此能够精度良好地预测车辆的位置。
在假设其他车位置预测部113不使用车道信息而基于第二车辆m的当前位置、过去位置、以及预测出的将来位置来导出概率密度分布PD的情况下,不考虑道路的车道、道路的宽度等而导出概率密度分布PD。
图10是不考虑车道信息而导出的情况下的概率密度分布PD的一例。
纵轴P表示第二车辆m的存在概率密度,横轴表示道路的横向的位移。另外,由虚线划分出的L1及L2的区域表示为了进行说明而假想地示出的车道L1及车道L2。在不使用车道信息的情况下,有时也在不存在道路的区域NL1及区域NL2中算出第二车辆m的存在概率密度。
与此相对,在本实施方式中,其他车位置预测部113使用地图信息132的车道信息来导出概率密度分布PD,因此能够导出考虑了道路的车道、道路的宽度等车道信息的概率密度分布PD。其结果是,能够精度良好地预测车辆的位置。
图11是考虑车道信息而导出的情况下的概率密度分布PD的一例。在该情况下,在不存在车道的部分不算出第二车辆m的存在概率密度(算出为零),而限定在道路的宽度内来算出第二车辆m的存在概率密度。
其他车位置预测部113例如在导出不考虑车道信息的概率密度分布PD之后,基于车道信息来对概率密度分布PD进行修正,从而导出考虑了车道信息的概率密度分布PD。其他车位置预测部113例如使成为零的部分的概率密度与其他的部分相加来导出修正后的概率密度分布PD。相加的方法没有特别的限定,例如可以是以y方向的平均值为中心而以依据正态分布的分配来进行相加。
图12是在存在道路的分支的场景下不考虑车道信息而导出的情况下的概率密度分布PD的一例。由虚线划分出的L1、L2、L3的区域表示为了进行说明而假想地示出的车道L1、L2、L3。在图12中,L3是车道L1及车道L2的道路分支目的地的车道(参照图9)。在不使用车道信息的情况下,有时也在不存在道路的区域NL1、NL2、NL3中算出第二车辆m的存在概率。
与此相对,图13是在存在道路的分支的场景下考虑车道信息而导出的情况下的概率密度分布PD的一例。在本实施方式中,其他车位置预测部113使用车道信息而导出概率密度分布PD,因此能够导出考虑了分支车道的概率密度分布PD。其他车位置预测部113将不存在道路的区域NL3的概率密度向车道L1及车道L2、分支车道L3分配,由此能够导出考虑了分支车道的概率密度分布PD。例如,其他车位置预测部113通过根据车道L1及车道L2的概率密度与分支车道L3的概率密度的比率来分配区域NL3的概率密度,从而导出考虑了分支车道的概率密度分布PD。
由此,其他车位置预测部113能够导出考虑了分支车道的概率密度分布PD。
这样,其他车位置预测部113基于概率密度分布PD来预测第二车辆m的位置。另外,控制计划生成部114能够基于由其他车位置预测部113预测出的第二车辆m的位置来生成例如用于进行车道变更的控制计划。
具体而言,例如其他车位置预测部113基于第二车辆m的位置、车道信息、以及作为概率密度函数的下述(1)式,来导出第二车辆m的将来位置的概率密度分布PD。其他车位置预测部113按位移(x,y)算出函数f的值。x例如是第二车辆m相对于车辆M的在行进方向上的相对位移。y例如是第二车辆m的横向的位移。μx为第二车辆m相对于车辆M的在行进方向上的相对位移(过去、当前或将来的相对位移)的平均值。μy为第二车辆m的横向上的位置(过去、当前或将来的位置)的平均值。σx 2是第二车辆m的行进方向上的相对位移的方差。σy 2是第二车辆m的横向上的位置的方差。
[式1]
其他车位置预测部113基于第二车辆m的当前位置、过去位置或将来位置的推移、车道信息、概率密度函数f,来导出概率密度分布PD。图14是用于说明第二车辆m的将来位置的概率密度分布PD的导出的图。需要说明的是,第二车辆m在图14中向d方向行进。
若t为当前位置,则在求概率密度分布PD1时,以当前位置(xt,yt)及过去位置(xt-1,yt-1)、(xt-2,yt-2)为参数来计算概率密度函数f,其结果是,求出概率密度分布PD。在求PD2时,以当前位置(xt,yt)、过去位置(xt-1,yt-1)、(xt-2,yt-2)、以及将来位置(xt+1,yt+1)为参数来计算概率密度函数f,其结果是,求出概率密度分布PD。在求PD3时,以当前位置(xt,yt)、过去位置(xt-1,yt-1)、(xt-2,yt-2)、以及将来位置(xt+1,yt+1)、(xt+2,yt+2)为参数来计算概率密度函数f,其结果是,求出概率密度分布PD。
这样,反映预测结果而扩展地进行预测。其结果是,在第二车辆m例如正向左方向改变前进道路的情况下,平均值μy追随该趋势,因此概率密度分布PD产生在左侧变厚的趋势。因此,在第二车辆m要进行车道变更的情况下,能够较高地预测该车道变更目的地的存在概率。
其他车位置预测部113基于导出的f(t)中的概率密度分布PD而将第二车辆m的将来位置作为每个车道上的存在概率来预测。例如,其他车位置预测部113通过按车道对车道上的概率密度进行积分来导出每个车道上的存在概率。
而且,其他车位置预测部113也可以使用第二车辆m的位置历史来导出概率密度分布PD。例如在第二车辆m的y方向位移向一侧持续移动的情况下,可以与平均值μ追随的范围相比使概率分布更向y方向位移移动的方向偏颇。具体而言,其他车位置预测部113可以通过调整正态分布中的偏态(偏度:三阶矩)来使概率密度在y方向上偏颇。
图15是使用第二车辆m的位置历史来导出概率密度分布PD的场景的一例。周边其他车辆mp是位于第二车辆m的周边的车辆。以下,将周边其他车辆mp称作第三车辆mp。在该场景下,第二车辆m与第三车辆mp在x方向上的距离小,认为第二车辆m向左方向进行车道变更的可能性低。在该情况下,其他车位置预测部113使概率密度分布PD向从第二车辆m观察时与第三车辆mp相反的一侧偏颇。其他车位置预测部113例如使概率密度具有和第二车辆m与第三车辆mp的x方向的距离相应的偏颇。此时,可以参照第二车辆m与第三车辆的相对速度,第二车辆m与第三车辆的x方向的距离将来越接近,则使偏颇越大。
另外,其他车位置预测部113也可以预测第三车辆mp的将来位置,并基于预测结果来对第二车辆m的概率密度进行修正。图16是表示基于第三车辆mp的位置的将来预测来导出第二车辆m的概率密度分布PDy的场景的一例的图。其他车位置预测部113在第三车辆mp一边维持相同的行进方向一边行驶的情况下,预测将来存在的位置,并在第二车辆m躲避该位置这样的前提下预测第二车辆m的将来位置。在该场景下认为第二车辆m向右方向进行车道变更的可能性高,因此其他车位置预测部113使概率密度在y方向上偏颇,由此能够如图16中的概率密度分布PDy所示那样,将第二车辆m将来位于右方向的概率密度设定得高。需要说明的是,其他车位置预测部113也可以不使概率密度偏颇,而使通过偏颇而降低概率密度的一侧的车道的存在概率下降为零或者微小的值。
另外,其他车位置预测部113在x方向上也同样,基于第三车辆mp的位置的将来预测来导出第二车辆m的概率密度分布PDx1。例如,在第二车辆m与第三车辆mp的相对距离为阈值以下且第三车辆mp一边维持相同的行进方向一边行驶的情况下,在预测为第三车辆mp将来存在的位置位于第二车辆m前方时,若第二车辆m不向右方向进行车道变更,则预测为第二车辆m减速(即使进行车道变更的情况下也预测为第二车辆m减速)。在该情况下,其他车位置预测部113既可以使概率密度在x方向上向后方侧偏颇,也可以增大方差或者减小峰度(峰态:四阶矩)。需要说明的是,图16中的概率密度分布PDx是不考虑第三车辆mp的位置的将来预测的情况下的概率密度分布。
[行驶控制]
行驶控制部120通过由控制切换部122进行的控制来将控制模式设定为自动驾驶模式或者手动驾驶模式,并按照设定的控制模式来对控制对象进行控制。行驶控制部120在自动驾驶模式时读入由行动计划生成部106生成的行动计划信息136,并基于读入的行动计划信息136所包含的事件来对控制对象进行控制。在该事件为车道变更事件的情况下,行驶控制部120按照由控制计划生成部114生成的控制计划,来决定转向装置92中的电动马达的控制量(例如转速)和行驶驱动力输出装置90中的ECU的控制量(例如发动机的节气门开度、档级等)。行驶控制部120将表示按事件决定出的控制量的信息向对应的控制对象输出。由此,控制对象的各装置(行驶驱动力输出装置90、转向装置92、制动装置94)能够按照从行驶控制部120输入的表示控制量的信息来对该控制对象的装置进行控制。另外,行驶控制部120基于车辆传感器60的检测结果来对决定的控制量进行适当调整。
另外,行驶控制部120在手动驾驶模式时基于由操作检测传感器72输出的操作检测信号来对控制对象进行控制。例如,行驶控制部120将由操作检测传感器72输出的操作检测信号直接向控制对象的各装置输出。
控制切换部122基于由行动计划生成部106生成的行动计划信息136来将行驶控制部120对车辆M的控制模式从自动驾驶模式向手动驾驶模式切换,或者从手动驾驶模式向自动驾驶模式切换。另外,控制切换部122基于从切换开关80输入的控制模式指定信号,来将行驶控制部120对车辆M的控制模式从自动驾驶模式向手动驾驶模式切换,或者从手动驾驶模式向自动驾驶模式切换。即,行驶控制部120的控制模式能够通过驾驶员等的操作而在行驶中、停车中任意变更。
另外,控制切换部122基于从操作检测传感器72输入的操作检测信号,来将行驶控制部120对车辆M的控制模式从自动驾驶模式向手动驾驶模式切换。例如,控制切换部122在操作检测信号所包含的操作量超过阈值的情况下,即在操作器件70以超过阈值的操作量接受到操作的情况下,将行驶控制部120的控制模式从自动驾驶模式向手动驾驶模式切换。例如,在通过设定为自动驾驶模式的行驶控制部120使车辆M正进行自动行驶的情况下,在由驾驶员以超过阈值的操作量对转向盘、油门踏板或制动踏板进行了操作时,控制切换部122将行驶控制部120的控制模式从自动驾驶模式向手动驾驶模式切换。由此,车辆控制装置100在人等物体突然出现在车道上,或者前方车辆紧急停止时,能够通过由驾驶员瞬间进行的操作,不经由切换开关80的操作地立即向手动驾驶模式切换。其结果是,车辆控制装置100能够应对由驾驶员进行的紧急时的操作,能够提高行驶时的安全性。
根据以上说明的第一实施方式的车辆控制装置100,其他车位置预测部113基于由检测部DT检测出的第二车辆m的检测结果和地图信息132的车道信息来导出概率密度分布PD,并基于导出的概率密度分布PD来预测第二车辆m的将来位置,由此能够精度良好地预测第二车辆的位置。
<第二实施方式>
以下,说明第二实施方式。第二实施方式中的车辆控制装置100与第一实施方式不同点在于,基于地图信息132所包含的对第二车辆m的行为带来影响的信息,来使概率密度分布PD的概率密度偏颇。以下,以这样的不同点为中心进行说明。
其他车位置预测部113基于第二车辆m的当前位置、过去位置、以及预测出的将来位置、概率密度函数,来导出概率密度分布PD。而且,其他车位置预测部113基于地图信息132所包含的例如车辆M行驶的车道的种类等对第二车辆m的行为带来影响的信息来使概率密度分布PD的概率密度偏颇。
图17是用于说明对概率密度分布PD进行修正的场景的图。第二车辆m行驶的车道例如是以d方向为行进方向的两车道的道路(L1及L2),中央线CL表示车道变更禁止。另外,其他车位置预测部113导出了时刻(t)下的概率密度分布PD。
图18是考虑车道的种类而导出的情况下的概率密度分布PD#的一例。
其他车位置预测部113基于地图信息132所包含的中央线CL表示车道变更禁止的信息,来使概率密度分布PD的概率密度偏颇。在该情况下,例如其他车位置预测部113以使将来第二车辆m存在于正行驶的车道L1的概率变高的方式使概率密度分布PD的概率密度偏颇。
另外,其他车位置预测部113也可以使用地图信息132所包含的交通限制信息、表示禁止赶超的情况的信息等对第二车辆m的行为带来影响的信息来使概率密度分布PD的概率密度偏颇。例如在第二车辆m的行进方向上对车道L1存在交通限制的情况下,其他车位置预测部113基于表示交通限制的信息,以使将来第二车辆m存在于相邻车道L2的概率变高的方式使概率密度偏颇。
另外,其他车位置预测部113也可以使用地图信息132所包含的信息来导出相对于第二车辆m的行进方向的概率密度。例如在第二车辆m的行进方向上存在车道的减少、车道的增加的情况下,其他车位置预测部113基于地图信息132所包含的表示车道的减少、车道的增加的信息,与不存在车道的减少或增加的情况相比,使概率密度向车辆m的行进方向或者行进方向的相反方向偏颇,或者增大相对于第二车辆m的行进方向或行进方向的相反方向的方差。
例如在第二车辆m的行进方向上存在车道的减少的情况下,与不存在车道的减少的情况相比,其他车位置预测部113可以使相对于第二车辆m的行进方向的概率密度向第二车辆m的行进方向的相反方向偏颇,也可以增大方差。这是因为在该情况下第二车辆m减速的可能性高的缘故。例如在第二车辆m的行进方向上存在车道的增加的情况下,与不存在车道的增加的情况相比,其他车位置预测部113可以使相对于第二车辆m的行进方向的概率密度向第二车辆m的行进方向偏颇,也可以增大方差。这是因为在该情况下第二车辆m加速的可能性高的缘故。
另外,在本实施方式中,其他车位置预测部113使用对第二车辆m的行为带来影响的信息来对概率密度分布PD进行修正,但其他车位置预测部113也可以基于对第二车辆m的行为带来影响的信息、第二车辆m的位置、第三车辆mp及概率密度函数来导出概率密度分布PD。
根据以上说明的第二实施方式中的车辆控制装置100,其他车位置预测部113基于地图信息132所包含的对第二车辆m的行为带来影响的信息来对概率密度分布PD进行修正,从而能够更加精度良好地预测第二车辆m的将来位置。
需要说明的是,其他车位置预测部113也可以通过将上述的第一实施方式及第二实施方式中说明的方法组合来导出概率密度分布PD。
以上,使用附图说明了本发明的实施方式,但本发明丝毫不被这样的实施方式限定,能够在不脱离本发明的主旨的范围内施加各种变形及替换。
符号说明:
20…探测器、30…雷达、40…相机、50…导航装置、60…车辆传感器、70…操作器件、72…操作检测传感器、80…切换开关、90…行驶驱动力输出装置、92…转向装置、94…制动装置、100…车辆控制装置、102…外界识别部、104…本车位置识别部、106…行动计划生成部、108…其他车辆追踪部、113…其他车位置预测部、114…控制计划生成部、120…行驶控制部、122…控制切换部、130…存储部、M…车辆(第一车辆)、m…第二车辆。
Claims (9)
1.一种车辆控制装置,其至少设置于第一车辆,其中,
所述车辆控制装置具备:
检测部,其检测在所述第一车辆的周边行驶的第二车辆;以及
预测部,其基于所述检测部的检测结果、所述第二车辆的周边的道路的车道信息和所述第二车辆的位置的历史,导出相对于所述道路的车道信息的所述第二车辆存在的概率密度分布,并基于所述导出的概率密度分布来将所述第二车辆的将来位置作为每个车道上的考虑了所述车道信息的存在概率来预测。
2.根据权利要求1所述的车辆控制装置,其中,
所述预测部基于车道的增减的信息来导出所述概率密度分布。
3.根据权利要求1所述的车辆控制装置,其中,
所述检测部还检测在所述第二车辆的周边行驶的第三车辆,
所述预测部反映由所述检测部检测出的第三车辆的位置而导出相对于所述道路的车道信息的所述第二车辆存在的概率密度分布。
4.根据权利要求1所述的车辆控制装置,其中,
所述预测部基于对所述第二车辆的行为带来影响的信息来导出所述概率密度分布。
5.一种车辆控制装置,其至少设置于第一车辆,其中,
所述车辆控制装置具备:
检测部,其检测在所述第一车辆的周边行驶的第二车辆;以及
预测部,其基于所述检测部的检测结果、所述第二车辆的周边的道路的车道信息和所述第二车辆的位置的历史,导出相对于所述道路的车道信息的所述第二车辆存在的概率密度分布,并基于所述导出的概率密度分布来将所述第二车辆的将来位置作为考虑了所述车道信息的存在概率来预测,
所述预测部基于所述预测部预测出的所述第二车辆的将来位置,来对与所述预测出的所述第二车辆的将来位置相比更将来的所述第二车辆的将来位置进行预测。
6.一种车辆控制装置,其至少设置于第一车辆,其中,
所述车辆控制装置具备:
检测部,其检测在所述第一车辆的周边行驶的第二车辆;
预测部,其基于所述检测部的检测结果、所述第二车辆的周边的道路的车道信息和所述第二车辆的位置的历史,导出相对于所述道路的车道信息的所述第二车辆存在的概率密度分布,并基于所述导出的概率密度分布来将所述第二车辆的将来位置作为考虑了所述车道信息的存在概率来预测;以及
其他车辆追踪部,在变成由所述检测部未检测出所述第二车辆的情况下,该其他车辆追踪部基于由所述预测部预测出的第二车辆的将来位置来推定变成由所述检测部未检测出的所述第二车辆的位置。
7.一种车辆控制装置,其至少设置于第一车辆,其中,
所述车辆控制装置具备:
检测部,其检测在所述第一车辆的周边行驶的第二车辆;
预测部,其基于所述检测部的检测结果、所述第二车辆的周边的道路的车道信息和所述第二车辆的位置的历史,导出相对于所述道路的车道信息的所述第二车辆存在的概率密度分布,并基于所述导出的概率密度分布来将所述第二车辆的将来位置作为考虑了所述车道信息的存在概率来预测;以及
其他车辆追踪部,其基于由所述检测部过去检测出且由所述预测部预测出的所述第二车辆的将来位置与由所述检测部检测出的第二车辆的位置的比较,来判定由所述检测部过去检测出的第二车辆与由所述检测部检测出的第二车辆是否为同一车辆。
8.一种车辆控制方法,其中,
检测在第一车辆的周边行驶的第二车辆,
基于所述检测出的第二车辆的检测结果、道路的车道信息和所述第二车辆的位置的历史,导出相对于所述道路的车道信息的所述第二车辆存在的概率密度分布,并基于所述导出的概率密度分布来将所述第二车辆的将来位置作为每个车道上的考虑了所述车道信息的存在概率来预测。
9.一种存储车辆控制程序的介质,其中,
所述车辆控制程序使至少设置于第一车辆的车辆控制装置的计算机执行如下处理:
检测在所述第一车辆的周边行驶的第二车辆;以及
基于所述检测出的第二车辆的检测结果、道路的车道信息和所述第二车辆的位置的历史,导出相对于所述道路的车道信息的所述第二车辆存在的概率密度分布,并基于所述导出的概率密度分布来将所述第二车辆的将来位置作为每个车道上的考虑了所述车道信息的存在概率来预测。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015162299 | 2015-08-19 | ||
JP2015-162299 | 2015-08-19 | ||
PCT/JP2016/071205 WO2017029924A1 (ja) | 2015-08-19 | 2016-07-20 | 車両制御装置、車両制御方法、および車両制御プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107924631A CN107924631A (zh) | 2018-04-17 |
CN107924631B true CN107924631B (zh) | 2021-06-22 |
Family
ID=58050799
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201680045649.2A Active CN107924631B (zh) | 2015-08-19 | 2016-07-20 | 车辆控制装置、车辆控制方法及存储车辆控制程序的介质 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20190009787A1 (zh) |
JP (1) | JP6429219B2 (zh) |
CN (1) | CN107924631B (zh) |
DE (1) | DE112016003758T5 (zh) |
WO (1) | WO2017029924A1 (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7111517B2 (ja) * | 2018-06-14 | 2022-08-02 | シャープ株式会社 | 走行装置、走行装置の走行制御方法、走行装置の走行制御プログラムおよび記録媒体 |
US11048260B2 (en) | 2018-11-02 | 2021-06-29 | Zoox, Inc. | Adaptive scaling in trajectory generation |
US11077878B2 (en) * | 2018-11-02 | 2021-08-03 | Zoox, Inc. | Dynamic lane biasing |
US11110918B2 (en) | 2018-11-02 | 2021-09-07 | Zoox, Inc. | Dynamic collision checking |
US11208096B2 (en) | 2018-11-02 | 2021-12-28 | Zoox, Inc. | Cost scaling in trajectory generation |
JP7086021B2 (ja) * | 2019-03-14 | 2022-06-17 | 本田技研工業株式会社 | 挙動予測装置 |
CN113196290A (zh) | 2019-09-26 | 2021-07-30 | 松下电器(美国)知识产权公司 | 信息处理方法、程序以及信息处理装置 |
CN111443709B (zh) * | 2020-03-09 | 2023-08-29 | 北京百度网讯科技有限公司 | 车辆变道路线规划方法、装置、终端和存储介质 |
CN113124894B (zh) * | 2021-03-24 | 2024-05-31 | 联想(北京)有限公司 | 一种信息处理方法、信息处理装置和电子设备 |
DE102021109425B3 (de) * | 2021-04-15 | 2022-07-21 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren zum Steuern eines Fahrzeugs und Steuervorrichtung für ein Fahrzeug |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101389521A (zh) * | 2005-12-28 | 2009-03-18 | 国立大学法人名古屋大学 | 驾驶行动推定装置、驾驶支援装置、车辆评价***、驾驶者模型生成装置、及驾驶行动判定装置 |
CN101681562A (zh) * | 2007-06-20 | 2010-03-24 | 丰田自动车株式会社 | 车辆行驶轨迹推定装置 |
CN101923788A (zh) * | 2009-06-15 | 2010-12-22 | 爱信艾达株式会社 | 驾驶支援装置及程序 |
CN102428505A (zh) * | 2009-05-18 | 2012-04-25 | 丰田自动车株式会社 | 车辆环境估计装置 |
CN102576494A (zh) * | 2009-10-05 | 2012-07-11 | 荷兰应用自然科学研究组织Tno | 公路车辆的防撞***与方法及相关计算机程序产品 |
Family Cites Families (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB1430389A (en) * | 1972-06-21 | 1976-03-31 | Solartron Electronic Group | Computing apparatus for tracking movinb objects |
US7221287B2 (en) * | 2002-03-05 | 2007-05-22 | Triangle Software Llc | Three-dimensional traffic report |
US9341485B1 (en) * | 2003-06-19 | 2016-05-17 | Here Global B.V. | Method and apparatus for representing road intersections |
JP4211794B2 (ja) * | 2006-02-28 | 2009-01-21 | トヨタ自動車株式会社 | 干渉評価方法、装置、およびプログラム |
JP4811147B2 (ja) * | 2006-06-15 | 2011-11-09 | トヨタ自動車株式会社 | 車両制御装置 |
JP4254844B2 (ja) * | 2006-11-01 | 2009-04-15 | トヨタ自動車株式会社 | 走行制御計画評価装置 |
JP5077182B2 (ja) * | 2008-10-14 | 2012-11-21 | トヨタ自動車株式会社 | 車両進路予測装置 |
JP4788778B2 (ja) * | 2009-01-27 | 2011-10-05 | 株式会社デンソー | 逸脱警報装置、および逸脱警報プログラム |
US8630789B2 (en) * | 2010-03-12 | 2014-01-14 | Richard David Speiser | Routing to reduce congestion |
US8401772B2 (en) * | 2010-03-12 | 2013-03-19 | Richard David Speiser | Automated routing to reduce congestion |
JP5691237B2 (ja) * | 2010-05-06 | 2015-04-01 | トヨタ自動車株式会社 | 運転支援装置 |
US8452535B2 (en) * | 2010-12-13 | 2013-05-28 | GM Global Technology Operations LLC | Systems and methods for precise sub-lane vehicle positioning |
EP2698608B1 (en) * | 2011-04-11 | 2015-08-26 | Clarion Co., Ltd. | Position calculation method and position calculation device |
JP2012232639A (ja) * | 2011-04-28 | 2012-11-29 | Toyota Motor Corp | 走行支援装置及び方法 |
JP5786941B2 (ja) * | 2011-08-25 | 2015-09-30 | 日産自動車株式会社 | 車両用自律走行制御システム |
EP2917760B1 (en) * | 2012-11-09 | 2018-03-28 | Nederlandse Organisatie voor toegepast- natuurwetenschappelijk onderzoek TNO | Vehicle spacing control |
CN105074793A (zh) * | 2013-03-15 | 2015-11-18 | 凯利普公司 | 用于车辆路径规划和交通管理的车道级车辆导航 |
JP6321404B2 (ja) | 2014-02-26 | 2018-05-09 | 株式会社ジェイテクト | 蓄電材料の製造装置および製造方法 |
EP2990991A1 (en) * | 2014-08-29 | 2016-03-02 | Honda Research Institute Europe GmbH | Method and system for using global scene context for adaptive prediction and corresponding program, and vehicle equipped with such system |
EP3001272B1 (en) * | 2014-09-26 | 2017-04-12 | Volvo Car Corporation | Method of trajectory planning for yielding manoeuvres |
EP4030378A1 (en) * | 2015-05-10 | 2022-07-20 | Mobileye Vision Technologies Ltd. | Road profile along a predicted path |
US10453337B2 (en) * | 2015-06-25 | 2019-10-22 | Here Global B.V. | Method and apparatus for providing safety levels estimate for a travel link based on signage information |
-
2016
- 2016-07-20 DE DE112016003758.9T patent/DE112016003758T5/de not_active Withdrawn
- 2016-07-20 CN CN201680045649.2A patent/CN107924631B/zh active Active
- 2016-07-20 WO PCT/JP2016/071205 patent/WO2017029924A1/ja active Application Filing
- 2016-07-20 JP JP2017535299A patent/JP6429219B2/ja active Active
- 2016-07-20 US US15/750,572 patent/US20190009787A1/en not_active Abandoned
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101389521A (zh) * | 2005-12-28 | 2009-03-18 | 国立大学法人名古屋大学 | 驾驶行动推定装置、驾驶支援装置、车辆评价***、驾驶者模型生成装置、及驾驶行动判定装置 |
CN101681562A (zh) * | 2007-06-20 | 2010-03-24 | 丰田自动车株式会社 | 车辆行驶轨迹推定装置 |
CN102428505A (zh) * | 2009-05-18 | 2012-04-25 | 丰田自动车株式会社 | 车辆环境估计装置 |
CN101923788A (zh) * | 2009-06-15 | 2010-12-22 | 爱信艾达株式会社 | 驾驶支援装置及程序 |
CN102576494A (zh) * | 2009-10-05 | 2012-07-11 | 荷兰应用自然科学研究组织Tno | 公路车辆的防撞***与方法及相关计算机程序产品 |
Also Published As
Publication number | Publication date |
---|---|
JP6429219B2 (ja) | 2018-11-28 |
US20190009787A1 (en) | 2019-01-10 |
CN107924631A (zh) | 2018-04-17 |
WO2017029924A1 (ja) | 2017-02-23 |
JPWO2017029924A1 (ja) | 2018-03-29 |
DE112016003758T5 (de) | 2018-05-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107924631B (zh) | 车辆控制装置、车辆控制方法及存储车辆控制程序的介质 | |
CN107848533B (zh) | 车辆控制装置、车辆控制方法及存储车辆控制程序的介质 | |
CN107848531B (zh) | 车辆控制装置、车辆控制方法及存储车辆控制程序的介质 | |
JP6653010B2 (ja) | 車両制御装置、車両制御方法、および車両制御プログラム | |
US11072331B2 (en) | Vehicle control device, vehicle control method and vehicle control program | |
JP6446731B2 (ja) | 車両制御装置、車両制御方法、および車両制御プログラム | |
CN109154820B (zh) | 车辆控制***、车辆控制方法及存储介质 | |
CN109070887B (zh) | 车辆控制***、车辆控制方法及存储介质 | |
US20190016338A1 (en) | Vehicle control device, vehicle control method, and vehicle control program | |
US20190084561A1 (en) | Vehicle control apparatus, vehicle control method, and vehicle control program | |
WO2017138513A1 (ja) | 車両制御装置、車両制御方法、および車両制御プログラム | |
CN112208533B (zh) | 车辆控制***、车辆控制方法及存储介质 | |
CN110949376B (zh) | 车辆控制装置、车辆控制方法及存储介质 | |
CN112208532B (zh) | 车辆控制装置、车辆控制方法及存储介质 | |
JP2020163870A (ja) | 車両制御装置、車両制御方法、およびプログラム | |
CN111746550B (zh) | 车辆控制装置、车辆控制方法、及存储介质 | |
CN111746530B (zh) | 车辆控制装置、车辆控制方法、及存储介质 | |
CN111746529B (zh) | 车辆控制装置、车辆控制方法、及存储介质 | |
CN115071755A (zh) | 移动体控制***、移动体控制方法及存储介质 | |
CN111746528B (zh) | 车辆控制装置、车辆控制方法、及存储介质 | |
US20240051529A1 (en) | Vehicle control device, vehicle control method, and storage medium | |
CN112172826B (zh) | 车辆控制装置、车辆控制方法及存储介质 | |
US11495029B2 (en) | Estimation device, estimation method, and storage medium | |
US20230294676A1 (en) | Driving assistance device, driving assistance method, and storage medium | |
US20240051532A1 (en) | Vehicle control device, vehicle control method, and storage medium |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |