CN110692094B - 用于自动驾驶车的控制的车辆控制装置及方法 - Google Patents

用于自动驾驶车的控制的车辆控制装置及方法 Download PDF

Info

Publication number
CN110692094B
CN110692094B CN201780091031.4A CN201780091031A CN110692094B CN 110692094 B CN110692094 B CN 110692094B CN 201780091031 A CN201780091031 A CN 201780091031A CN 110692094 B CN110692094 B CN 110692094B
Authority
CN
China
Prior art keywords
vehicle
value
distribution
information
determined
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201780091031.4A
Other languages
English (en)
Other versions
CN110692094A (zh
Inventor
喜住祐纪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Honda Motor Co Ltd
Original Assignee
Honda Motor Co Ltd
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 Honda Motor Co Ltd filed Critical Honda Motor Co Ltd
Publication of CN110692094A publication Critical patent/CN110692094A/zh
Application granted granted Critical
Publication of CN110692094B publication Critical patent/CN110692094B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3407—Route searching; Route guidance specially adapted for specific applications
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R21/00—Arrangements or fittings on vehicles for protecting or preventing injuries to occupants or pedestrians in case of accidents or other traffic risks
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60T—VEHICLE BRAKE CONTROL SYSTEMS OR PARTS THEREOF; BRAKE CONTROL SYSTEMS OR PARTS THEREOF, IN GENERAL; ARRANGEMENT OF BRAKING ELEMENTS ON VEHICLES IN GENERAL; PORTABLE DEVICES FOR PREVENTING UNWANTED MOVEMENT OF VEHICLES; VEHICLE MODIFICATIONS TO FACILITATE COOLING OF BRAKES
    • B60T7/00—Brake-action initiating means
    • B60T7/12—Brake-action initiating means for automatic initiation; for initiation not subject to will of driver or passenger
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
    • B62D—MOTOR VEHICLES; TRAILERS
    • B62D6/00—Arrangements for automatically controlling steering depending on driving conditions sensed and responded to, e.g. control circuits
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • 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
    • G05D1/0088—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • Mechanical Engineering (AREA)
  • Transportation (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Game Theory and Decision Science (AREA)
  • Medical Informatics (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Traffic Control Systems (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
  • Regulating Braking Force (AREA)

Abstract

一种车辆控制装置，其进行车辆的自动驾驶的控制，其中，获取与车辆的周围的状况相关的信息，基于与车辆的周围的状况相关的信息获取针对多个位置的、与在将来的时间点存在于周围的物体所存在的概率相关的第一值、和基于规定的驾驶员的行驶数据的第二值，在此，使用针对车辆行驶的区域中的一部分所定义的模型来确定第二值，在此，在车辆行驶于未定义模型的区域的情况下，对使用在夹着车辆所行驶的位置的两个区域中所定义的两个模型而分别获取的两个值进行组合，由此确定第二值，基于第一值与第二值的组合，从多个位置选择在多个将来的时间点中的使车辆存在的位置来决定使车辆移动的轨道。

Description

用于自动驾驶车的控制的车辆控制装置及方法
技术领域
本发明涉及一种用于自动驾驶车的控制的车辆控制装置及方法，具体而言，涉及车辆的控制技术。
背景技术
通过对车辆的周围的环境进行认知，基于该认知结果来决定车辆的行进轨道，进而利用使车辆实际地向该轨道行进的转向控制来实现车辆的自动驾驶。在此，在决定轨道时，对路上或者其周边的移动物体以及静止物体的位置进行确定，并且推断移动物体在将来的一个以上的时间点下的预想位置，根据上述确定以及推断的结果来决定车辆在将来的各时间点下应存在的位置。例如，决定在各时间点下车辆应存在的位置以使车辆存在于不存在物体的区域。
发明内容
发明所要解决的问题
在上述那样的轨道的决定中，例如在存在多个移动物体的情况下，某个时间点的物体的预想位置分布广泛，其结果是，在该时间点没有能够供车辆存在的位置，可能无法确立轨道。
本发明至少解决该问题，其目的在于能够在自动驾驶车辆中根据状况来决定适当的轨道。
用于解决问题的方法
本发明的一个方式所涉及的车辆控制装置是进行车辆的自动驾驶的控制的车辆控制装置，其特征在于，所述车辆控制装置构成为，获取与所述车辆的周围的状况相关的信息，基于所述信息获取针对多个位置的、与在将来的时间点存在于所述周围的物体所存在的概率相关的第一值、和基于规定的驾驶员的行驶数据的第二值，在此，使用针对车辆行驶的区域中的一部分所定义的模型来确定所述第二值，在此，在所述车辆行驶于未定义模型的区域的情况下，对使用在夹着该车辆所行驶的位置的两个区域中所定义的两个模型而分别获取的两个值进行组合，由此确定所述第二值，基于所述第一值与所述第二值的组合，从所述多个位置选择在多个将来的时间点中的使所述车辆存在的位置来决定使所述车辆移动的轨道。
发明效果
根据本发明，能够在自动驾驶车辆中根据状况来决定适当的轨道。
通过以附图为参照的以下的说明来明确本发明的其他特征及优点。此外，在附图中，对相同或者同样的构成标注相同的附图标记。
附图说明
附图包含于说明书中且构成其一部分，表示本发明的实施方式并与其记述一起用于说明本发明的原理。
图1是车辆控制装置的框图。
图2是表示假定存在移动物体的范围的例子的图。
图3是表示计算基于规定的驾驶员的行驶数据的值的位置的例子的图。
图4是示出与物体相关的值与基于规定的驾驶员的行驶数据的值的分布、和所决定的车辆的位置的关系的例子的图。
图5是表示所决定的轨道的例子的图。
图6是表示处理的流程的例子的流程图。
图7是说明计算车辆的位置与场景的关系以及第二分布时的处理的概要的图。
图8是说明第一分布与模型的关系的图。
具体实施方式
以下，参照附图对本发明的实施方式进行说明。
(车辆控制装置的构成)
图1表示用于控制车辆1的、本实施方式所涉及的车辆控制装置的框图。在图1中，用俯视图和侧视图表示车辆1的概略。作为一个例子，车辆1是轿车型的四轮的乘用车。
图1的控制装置包括控制单元2。控制单元2包括通过车内网络而连接为能够通信的多个ECU20～ECU29。各ECU(Electronic Control Unit)包括以CPU(Central ProcessingUnit)为代表的处理器、半导体存储器等存储设备、以及与外部设备的接口等。在存储设备中储存有处理器所执行的程序、处理器在处理中所使用的数据等。各ECU可以具备多个处理器、存储设备以及接口等。
以下，对各ECU20～ECU29负责的功能等进行说明。此外，关于ECU的数量、负责的功能，能够进行车辆1的适当设计，能够比本实施方式细化或者整合。
ECU20执行与车辆1的自动驾驶相关的控制。在自动驾驶中，对车辆1的转向和加速减速中的至少任一者进行自动控制。
ECU21控制电动动力转向装置3。电动动力转向装置3包括根据驾驶员对方向盘31的驾驶操作(转向操作)来对前轮进行转向的机构。另外，电动动力转向装置3包括发挥辅助转向操作、或者用于使前轮自动转向的驱动力的马达、检测转向角的传感器等。在车辆1的驾驶状态为自动驾驶的情况下，ECU21与来自ECU20的指示对应地自动控制电动动力转向装置3，控制车辆1的行进方向。
ECU22以及ECU23进行对车辆的周围状况进行检测的检测单元41～43的控制以及检测结果的信息处理。检测单元41是对车辆1的前方进行拍摄的摄像机(以下，有时表述为摄像机41)，在本实施方式的情况下，在车辆1的车顶前部设置有两个。通过对摄像机41拍摄到的图像进行分析，能够提取目标的轮廓、道路上的车道的划分线(白线等)。
检测单元42是光学雷达(激光雷达)(以下，有时表述为光学雷达42)，对车辆1的周围的目标进行检测，或者对与目标之间的距离进行测距。在本实施方式的情况中，设置有五个光学雷达42，在车辆1的前部的各角部各设置有一个，在后部中央设置有一个，在后部各侧方各设置有一个。检测单元43是毫米波雷达(以下，有时表述为雷达43)，对车辆1的周围的目标进行检测，或者对与目标之间的距离进行测距。在本实施方式的情况下，雷达43设置有五个，在车辆1的前部中央设置一个，在前部各角部各设置一个，在后部各角部各设置一个。
ECU22进行对一方的摄像机41和各光学雷达42的控制以及检测结果的信息处理。ECU23进行对另一方的摄像机42和各雷达43的控制以及检测结果的信息处理。通过具备两组检测车辆的周围状况的装置，能够提高检测结果的可靠性，另外，通过具备摄像机、激光雷达、雷达这样的不同种类的检测单元，能够多方面地进行车辆的周边环境的分析。
ECU24进行对陀螺仪传感器5、GPS传感器24b、通信装置24c的控制以及检测结果或通信结果的信息处理。陀螺仪传感器5检测车辆1的旋转运动。能够根据陀螺仪传感器5的检测结果、车轮速度等来判断车辆1的行进路线。GPS传感器24b检测车辆1的当前位置。通信装置24c与提供地图信息、交通信息的服务器进行无线通信，获取这些信息。ECU24能够访问在存储设备中构建的地图信息的数据库24a，ECU24进行从当前位置到目的地的路径探索等。
ECU25具备车与车之间通信用的通信装置25a。通信装置25a与周边的其他车辆进行无线通信，并进行车辆间的信息交换。
ECU26对动力装置6进行控制。动力装置6是输出使车辆1的驱动轮旋转的驱动力的机构，例如包括发动机和变速器。ECU26例如与由设置于油门踏板7A上的操作检测传感器7a所检测到的驾驶员的驾驶操作(油门操作或者加速操作)对应地控制发动机的输出，或者基于车速传感器7c所检测到的车速等信息来切换变速器的变速挡。在车辆1的驾驶状态为自动驾驶的情况下，ECU26与来自ECU20的指示对应地对动力装置6进行自动控制，并控制车辆1的加速减速。
ECU27控制包括方向指示器8在内的照明器件(前照灯、尾灯等)。在图1的例子的情况下，方向指示器8设置于车辆1的前部、车门镜以及后部。
ECU28进行对输入输出装置9的控制。输入输出装置9进行对驾驶员的信息的输出、和对来自驾驶员的信息的输入的接受。语音输出装置91通过语音向驾驶员报告信息。显示装置92通过图像的显示对驾驶员报告信息。显示装置92例如配置于驾驶席前面，并构成仪表盘等。另外，在此举例示出了语音和显示，但是也可以通过振动、光来报告信息。另外，还可以通过组合语音、显示、振动或者光中的多个来报告信息。进一步地，可以根据待报告的信息的等级(例如紧急度)使组合不同或者使报告方式不同。
输入装置93是配置于驾驶员能够操作的位置并对车辆1进行指示的开关组，但是输入装置93也可以包括语音输入装置。
ECU29控制制动装置10、驻车制动器(未图示)。制动装置10例如是盘式制动器装置，设置于车辆1的各车轮中，并通过对车轮的旋转施加阻力来使车辆1减速或者停止。ECU29例如与由设置于制动踏板7B上的操作检测传感器7b所检测到的驾驶员的驾驶操作(制动操作)对应地控制制动装置10的动作。在车辆1的驾驶状态为自动驾驶的情况下，ECU29与来自ECU20的指示对应地对制动装置10进行自动控制，控制车辆1的减速以及停止。制动装置10、驻车制动器能够为了维持车辆1的停止状态而进行动作。另外，在动力装置6的变速器具备驻车锁止机构的情况下，还能够为了维持车辆1的停止状态而进行动作。
(处理的概要)
在本实施方式中，ECU20执行与车辆1的自动驾驶相关的控制。若由驾驶员指示了目的地和自动驾驶，则ECU20按照由ECU24探索到的引导路径而朝向目的地对车辆1的行驶进行自动控制。在进行自动控制时，ECU20从ECU22和ECU23获取与车辆1的周围状况相关的信息，并基于所获取的信息，在较短期间(例如5秒钟)内确定车辆1应行驶的轨道。通过以规定时间(例如0.1秒)为间隔来决定车辆1的位置来进行该轨道的确定。例如，在以0.1秒为间隔来确定5秒钟量的轨道的情况下，分别决定从0.1秒后到5.0秒后的50个时间点的车辆1的位置，将连接该50个点而得的轨道决定为车辆1应行进的轨道。此外，这里的“较短期间”是大幅地短于车辆1行驶的全部行程的期间，例如，基于检测单元能够对周围的环境进行检测的范围、车辆1的制动所需要的时间等来决定“较短期间”。另外，“规定时间”被设定为车辆1能够适应周围的环境的变化那样的较短程度。ECU20按照这样确定的轨道，指示ECU21、ECU26及ECU 29来控制车辆1的转向、驱动、制动。
在此，对ECU20所执行的车辆1的较短期间的轨道的确定进行说明。图2是对某个瞬间下的车辆1行驶中的路上及其周围的状态、和用于预测将来的状态而使用的预想将来存在物体的范围进行表示的图。车辆1在由线201以及线202(例如与车道外侧线、路侧带、护栏、路缘石等对应的线)示出的车辆能够行驶的范围中的、由中央线203划分出的左侧的车道上(在图2中为从下侧向上侧)行驶。在车辆1的行进方向上存在行人204和其他车辆205。此外，在图2中，为了简单起见，仅示出了一台其他车辆和一个行人，但是在路上或其周围可能存在例如自行车或二轮车等其他交通参与者、障碍物等非交通参与者。另外，也可以假定存在两台以上的其他车辆、两人以上的行人的情况。
在图2中，由包围行人204的单点划线211、虚线212以及双点划线213表示假定将来存在行人204的范围。在此，虚线212的范围是假定为在比单点划线211的范围靠后的时间点存在行人204的范围，同样地，双点划线213的范围是假定为在比虚线212的范围靠后的时间点存在行人204的范围。此外，各区域中的行人204的存在概率例如能够遵循以圆的中心为中心的二维正态分布。此外，例如在划分线202的附近存在护栏的情况等、行人难以向车道侧移动的状况下，假定为将来存在行人的范围不呈正圆形。例如，仅图2的范围被线202截取后的左侧的部分或者与其接近的形状可能成为假定为将来存在行人204的范围。另外，根据行人204的面部的朝向而假定行人204向其面部的方向行进，因此假定为将来存在行人204的范围可能成为向面部朝向的方向大幅扩展的椭圆形。此外，对行人204的将来的存在范围的推断方法不限于这些方法，能够通过其他任意的方式推断存在范围以及存在概率。另外，在任一情况下，不仅确定范围，还获取第一分布，在该第一分布中，对范围内的各地点标注与存在行人204的概率相对应的得分，得分越高，表示该位置存在行人204的概率越高。此外，对于范围可以不明确地进行获取，可以仅获取第一分布。
同样地，也对其他车辆205获取关于假定为将来存在的范围(单点划线214、虚线215以及双点划线216所示的范围)的第一分布。在此，虚线215的范围是假定为在比单点划线214的范围靠后的时间点存在其他车辆205的范围，同样地，双点划线216的范围是假定为在比虚线215的范围靠后的时间点存在其他车辆205的范围。这样，ECU20若从ECU22以及ECU23获取与车辆1的周围状况相关的信息，则基于该信息，例如通过执行规定的处理来获取与关于各个移动物体的将来的存在位置的概率相对应的第一分布。
关于静止物体，由于该物体不会移动，因此没有随时刻推移的变动，且假定为该物体也不会消失，因此确定出该物体存在的位置在各时间点相同的第一分布。例如，在沿着线202配置有护栏、路缘石的情况下，物体所存在的范围成为沿着线202上的形式的第一分布被确定为用于该护栏、路缘石的第一分布。ECU20将按照每个位置对关于各物体的第一分布进行合计而得到的值获取为总的第一分布。
在一个例子中，ECU20确定在各时间点不存在物体的区域，并决定轨道以使车辆1进入该位置。由此，能够以车辆1不与物体干扰的方式选择轨道。此外，对于例如护栏、路缘石等静止物体，也可以通过将从其实际的位置向车道侧离开一定距离的范围包含在内的方式来决定与第一分布相关的范围。由此，能够防止车辆1过度接近静止物体而使乘坐在车辆1上的人感到压迫感。另一方面，在像这样基于不存在物体的区域来决定车辆1的轨道的方法中，例如在大量存在行人的环境中，可能形成在一定期间后没有不存在物体的区域或者不足以配置车辆1的状况。在该情况下，ECU20无法决定直至一定期间后的轨道，作为结果，车辆1停止，有时会形成无法进行自动驾驶的状态。
对此，在本实施方式中，ECU20在各种状况下例如进一步考虑规定的驾驶员的行驶和此时检测到的车辆1的周围状况的组合的数据，从而决定车辆1的轨道。规定的驾驶员例如可以是无事故驾驶员、出租车驾驶员、接受了认定的驾驶熟练者等。例如，ECU20获取第二分布，该第二分布关于在同样的状况下规定的驾驶员进行了怎样的行驶、或者表示如果是规定的驾驶员则使车辆1向哪个位置移动。该第二分布是在车辆1所处的状况下规定的驾驶员使车辆1移动的概率越高的位置则具有越高的值、且规定的驾驶员使车辆1移动的概率越低的位置则具有越低的值的分布。此外，这里的“规定的驾驶员”例如可以是专业的驾驶员、优良驾驶员等。另外，也可以从多个车辆收集行驶数据，从中提取满足不进行突然起动、紧急制动、急转弯、或者行驶速度稳定等规定的基准的行驶数据，并将其作为规定的驾驶员的行驶数据进行处理。
通过针对车辆1周围的一定范围内所包含的多个地点确定值来获取第二分布。例如，如图3所示，针对车辆1的周围的一定范围以一定间隔画出直行方向及与其垂直的方向的直线，对这些直线的每个交点确定上述的值。例如，针对表示从ECU22以及ECU23获取的与车辆1的周围状况相关的信息的图3那样的图像的各像素所对应的地点(即，图3的格子的交点与各像素对应)，确定上述的值。此外，图3只不过是一个例子，例如也可以针对以车辆1为中心的多个圆弧与从车辆1放射状地画出的直线的每个交点计算上述的值。
另外，针对较短期间(例如5秒钟)量，以规定间隔(例如0.1秒)获取第二分布。即，例如针对图3的格子的各交点的值的二维分布为以0.1秒为单位生成5秒钟量的50个。此时，例如，至少无法在不久之后的时间点(例如0.1秒后)移动到与车辆1的正侧面对应的区域，这样的行驶即使通过规定的驾驶员也无法进行，因此该区域中的地点处的上述的值必然为0。另一方面，在一定期间后(例如5秒后)，通过规定的驾驶员进行后退操作等而车辆1有可能会存在于当前时间点的车辆1的位置的正侧方的区域。因此，一定期间后的正侧面的地点中的上述的值可能是不为0的值。另外，在图3中，在车辆1的直行方向上，在左侧存在行人，在右侧存在其他车辆。因此，例如在规定的驾驶员平均地与人留出距离并靠近中央线进行驾驶的情况下，右前方向上的地点处的上述的值变高。另一方面，在与行人、其他车辆的距离较远的情况下，直接进行直行的方向的地点处的上述的值变高。这样，在多个时间点以及多个地点，确定基于驾驶熟练者的驾驶的第二分布。
就第二分布而言，作为一个例子，在绝大多数的状况下，获取多个由规定的驾驶员实现的行驶数据，第二分布表现为在车辆1当前所处的状况下规定的驾驶员实际采取过的行为的分布。即，可以将在与车辆1当前所处的状况完全或者几乎相同的状况下规定的驾驶员所进行过的行驶中在之后的各时间点在各位置存在车辆的频率、概率获取为第二分布。由此，获取越是多个规定的驾驶员实际通过的轨道就具有越高的值那样的第二分布。该第二分布例如能够在移动物体较少的状况下顺道路行驶的情况下等特别有用。
另外，能够使用将规定的驾驶员实际驾驶车辆时的车辆的行驶轨道的数据与当时检测到的车辆的周围状况的数据的组合作为示教数据(teaching data)而执行机器学习的结果来获取第二分布。即，ECU20根据事先使用基于规定的驾驶员的多个示教数据来进行机器学习的结果，输入从ECU22和ECU23获取的与车辆1的周围状况相关的信息来计算各地点中的上述的值，从而获取第二分布。此外，机器学习的算法能够使用通用的算法，在此没有特别限定。
ECU20若获取第二分布，则在各时间点从各地点处的第一分布的值中减去第二分布的值，确定其结果的值为最小或规定的阈值以下的地点。图4是表示例如在某个时间点的、到图3的A～A’以及B～B’为止的位置处的第一分布和第二分布的图。在图4中，在A～A’以及B～B’的轴的上侧示出第一分布，在A～A’以及B～B’的轴的下侧示出第二分布。即，图4示出了第一分布和正负反转的第二分布。在第一分布中，曲线401和曲线411是与行人204相关的第一分布，曲线402和曲线412是与其他车辆205相关的第一分布。另外，矩形的曲线404以及曲线414是与未图示的路缘石等静止物体相关的第一分布。关于静止物体，由于确信物体不移动而停留在该位置，因此形成在该位置高而在其他位置为零或具有充分小的值那样的矩形或大致矩形的第一分布。这样，在静止物体和移动物体中，第一分布的底部的形状可能不同。曲线403及曲线413表示第二分布，该第二分布例如通过将从ECU22以及ECU23获取的与车辆1的周围状况相关的信息作为自变量而输入到从机器学习完成的结果得到的函数中得到的结果而得。ECU20在A～A’的轴的各位置上对曲线401～404的各值进行相加，在B～B’的轴的各位置上对曲线411～414的各值进行相加。另外，ECU20也能够在A～A’以及B～B’的轴以外的各位置上对相同的值进行计算。这样，ECU20在各地点计算从第一分布的值减去第二分布的值而得到的值，并选择其结果为最小的位置(根据情况为阈值以下的位置)。在图4的例子中，作为一个例子，ECU20选择地点C。
ECU20在多个时间点执行同样的计算，决定按照时间序列对在各时间点选择出的地点进行连接那样的轨道。将该例子示于图5。在图5中，在车辆1的行进方向上标绘的点501表示，分别针对多个时间点如上述那样基于第一分布和第二分布而决定的、车辆1所应配置的位置。在这些点501中，例如包含如图4那样决定的地点C。此外，图5的点501是在时间序列上越靠后的将来的位置被越向上方绘制而成的点。ECU20通过确定这些点501，将车辆1应行驶的轨道决定为连接这些点501的线502。
关于上述的处理，总结处理的流程的概要。图6是表示上述的处理的流程的例子的流程图。若开始本处理，则首先，ECU20从ECU22以及ECU23获取与周围状况相关的信息(S601)。ECU20在该时间点例如获取从上方观察车辆1及其周围的状况那样的图像、即映射有车辆1的周围的物体的图像。然后，ECU20基于所获取的信息，针对多个地点(例如以上述的各图像中的像素为单位)获取与周围的物体在将来的时间点存在的概率相对应的第一分布(S602)。另外，ECU20例如将获取的信息输入到基于规定的驾驶员的行驶数据和获取到该数据的时间点的车辆周围的状况并通过机器学习而得到的函数中，由此获取第二分布(S603)。第二分布可以是在规定的驾驶员面对步骤S601中获取的信息所表示的周围状况之时使车辆移动的概率越高的位置取得越高的值那样的分布。但是，需要注意的是，机器学习的结果是通过对函数输入表示周围的状况的信息而得到的值，并非一定计算为概率值。此外，S602和S603可以并行地进行，也可以顺序相反地进行。之后，ECU20基于分别针对多个时间点获取的第一分布以及第二分布，分别选择在该多个时间点下车辆1应移动的位置(S604)。然后，ECU20通过按照时间序列对在多个时间点分别选择的车辆1应移动的位置进行连接，由此决定车辆1应行进的轨道(S605)。ECU20反复执行这一系列的处理，一边逐次更新轨道一边使车辆1行驶。
由此，不仅考虑假定存在物体的位置，还考虑基于规定的驾驶员的行驶数据的积存来决定轨道，因此提高了能够决定直至一定期间后的轨道的概率。另外，由此，即使在市区等移动物体较多的环境下，也能够降低无法继续自动驾驶的概率。进一步地，由于基于规定的驾驶员实际采取的行动来决定轨道，因此车辆1依照周围的环境来采取如果是规定的驾驶员则会采取的行动或与其接近的行动。其结果是，进行与行人或其他车辆等交通参与者的动作相应的自然的行驶。
此外，ECU20能够例如以0.1秒为单位的较短的周期从ECU22以及ECU23反复获取与车辆1的周围状况相关的信息，基于该获取的信息而反复执行上述的轨道的决定。由此，能够根据状况的变化来进行轨道的调整。
另外，ECU20可以将与第二分布相关的值的计算限定于作为车辆1能够通行的范围的路面。即，可以针对图3的格子的全部交点计算第二分布，但是也可以仅针对线202以及线203之间的区域所包含的交点来计算与第二分布相关的值。此外，ECU20可以仅对目标行驶路径上进行与第二分布相关的值的计算。例如，在交叉路口中，在目标行驶路径为直行的情况下，对于仅在左右转弯的情况下车辆1才会通过的区域可以不计算与第二分布相关的值。另外，ECU20也可以基于车辆1在该时间点的速度、行进方向来进一步限定进行与第二分布相关的值的计算的范围。例如，针对车辆1的正侧方的区域、或根据速度与经过时间的关系可知其尽管在行进方向上但无法到达的较远的区域等，可以不计算与第二分布相关的值。这是因为，即使计算出这些值，在该处设定轨道的概率也为零或非常低。由此，能够大幅抑制与第二分布相关的计算的次数，因此能够降低处理的复杂性。
此外，静止物体的第一分布例如可以是存在如下的底部的分布：不是当从非车道侧观察而超过实际存在物体的位置时急剧变成零，而是在车道侧的一定范围内逐渐向零衰减。另外，静止物体的第一分布也可以是如下矩形的分布：从非车道侧观察而自实际存在物体的位置起到向车道侧往里一定距离的范围为止具有较高的值，之后急剧变为零。这样，以使在超过了实际存在静止物体的位置的范围中具有非零的值的方式设计第一分布，由此能够防止车辆1过于接近静止物体。
例如能够使用与车辆1存在于直线道路的情况、进入交叉点的情况、临近合流或分支的情况等状况相对应的模型来确定第二分布。即，虽然规定的驾驶员在使车辆行驶时要进行适当的注意，但是一般每个场景下应注意的点不同。因此，通过对每个场景变更模型，可以确定能够使车辆1适当地进行行驶的第二分布。此外，例如针对交叉路口模型，可以形成交叉路口直行模型、交叉路口右转模型、交叉路口左转模型等多个模型。例如，在使用机器学习来确定第二分布的情况下，根据各种状况下的基于规定的驾驶员的行驶数据和其行驶时的周围的状况的数据来进行学习，对每个模型进行该学习。ECU20例如根据车辆1的当前位置和由ECU24探索到的引导路线来确定在该时间点车辆1应遵循的模型。然后，ECU20可以在与该模型对应地通过机器学习而得到的函数中输入从ECU22以及ECU23获取的与车辆1的周围状况相关的信息，从而决定与该模型对应的第二分布。此外，也可以不进行场景的分类，而针对全部状况作为一个模型进行机器学习。但是，在该情况下，可能使学习时间、解的计算(第二分布的确定)长期化。因此，如上所述，通过定义多个场景来确定每个该场景的模型，能够实现学习时间、第二分布的确定所需的时间的缩短。
在此，可以对所有的位置定义场景，也可以仅针对一部分的区域定义场景。
在前者的情况下，ECU20可以确定车辆1的位置，确定与该位置唯一建立关联的场景，使用与该场景对应的模型来决定第二分布。即，ECU20例如在关于所确定的场景通过机器学习而得到的函数中输入从ECU22以及ECU23获取的与车辆1的周围状况相关的信息来决定第二分布。由此，ECU20能够获取与车辆1的位置相应的第二分布。
另一方面，在后者的情况下，针对定义了场景的区域，ECU20在关于该场景通过机器学习而得的函数中输入从ECU22以及ECU23获取的与车辆1的周围状况相关的信息来决定第二分布。与此相对地，针对未定义场景的区域，ECU20对夹着该区域的、定义了场景的两个区域进行确定。然后，ECU20在关于与该确定出的两个区域分别对应的场景通过机器学习而得的两个函数中，输入从ECU22以及ECU23获取的与车辆1的周围状况相关的信息，从而获取两个分布。然后，ECU20组合所获取的两个分布来决定第二分布。此时，例如，根据车辆1与定义了场景的两个区域各自之间的距离，对所获取的两个分布进行组合。
在此，使用图7对两个区域的场景分别被定义为直行道路和交叉路口且车辆1从直行道路朝向交叉路口的状态的例子进行说明。在图7中，区域701是将交叉路口定义为场景的区域，区域702是将直行道路定义为场景的区域。而且，在图7中，设为车辆从位置711经由位置712以及位置713而在位置714处在交叉路口右转。首先，由于车辆在存在于位置711的情况下停留于定义了直行道路的场景的区域702，因此ECU20在与直行道路的模型对应的函数中输入与车辆的周围状况相关的信息来获取第二分布。之后，若车辆直行而到达位置712，则由于未在位置712定义场景，因此ECU20将区域701以及区域702确定为夹着该位置712的、定义了场景的两个区域。然后，ECU20在与直行道路的模型对应的函数中输入与车辆的周围状况相关的信息来获取第一个分布，并且在与交叉路口的模型对应的函数中输入与车辆的周围状况相关的信息来获取第二个分布。此外，根据由ECU24探索到的向目的地的路径而将交叉路口的模型分类为交叉路口直行模型、交叉路口右转模型、交叉路口左转模型等，在此使用交叉路口右转模型。之后，ECU20对第一个分布和第二个分布的值进行加权相加而获取第二分布。
例如，ECU20获取车辆与区域701以及区域702各自之间的距离，进行与该距离相应的加权。例如，位置712离区域702较近，离区域701较远。因此，以基于直行道路的模型获取的第一个分布的影响较强而基于交叉路口模型获取到的第二个分布的影响较弱的方式进行加权。另一方面，位置713离区域701较近，离区域702较远。因此，以基于直行道路的模型获取的第一个分布的影响较弱而基于交叉路口模型获取的第二个分布的影响较强的方式进行加权。例如，在车辆与定义了场景的第一个区域之间的距离为x米、与第二个区域之间的距离为y米的情况下，使对第一个分布的各值乘以y/(x+y)而得到的值和对第二个分布的各值乘以x/(x+y)而得到的值相加。例如，在区域701与区域702的距离为100m且车辆存在于与区域701相距20m的地点的情况下，对基于直行道路模型的第一个分布乘以0.2并对基于交叉路口模型的第二个分布乘以0.8后进行相加，从而确定第二分布。另外，在区域701与区域702的距离为100m，车辆存在于与区域701相距90m的地点的情况下，对基于直行道路模型的第一个分布乘以0.9并对基于交叉路口模型的第二个分布乘以0.1后进行相加，由此确定第二分布。由此，通过简单的构成，例如能够与车辆从直行道路接近交叉路口的情况相应地从基于直行道路模型的分布占支配性的状态起逐渐地变为基于交叉路口模型的分布占支配性。另外，由此，能够防止在车辆的行进中应考虑的要素大不相同的两个场景进行切换的情况下控制变得不稳定。
此外，也可以将所获取的两个分布作为概率分布来进行处理，从而确定第二分布。例如，ECU20在直行道路上行驶中使用直行道路模型来确定第一个分布，并判断在区域701的范围内是否包含在该分布中值不为0的位置。即，当在直行道路模型下进行行驶的情况中，判断在一定期间(例如5秒)的范围内车辆是否有可能进入定义了交叉路口模型的区域701。然后，在第一个分布中具有非零的值的位置被包含于区域701的范围中的情况下，ECU20获取使用了在该位置存在车辆的情况下的交叉路口模型的第二个分布。然后，ECU20将区域701的范围所包含的第一个分布的各位置中的值乘以针对该各位置而获取的第二个分布的值，从而确定第二分布。即，将第一个分布确定为车辆进入与交叉路口模型对应的区域701的概率，将第二个分布确定为与以在区域701内的各地点存在车辆为条件的情况下的规定的驾驶员所行进的轨道相关的、附条件的概率。这样，通过与车辆的行进相应地确定第二分布，能够使对存在于较远的位置处的区域确定出的分布对车辆的行进造成影响的概率降低。
此外，可以根据车辆的速度来决定直行道路模型、交叉路口模型等所对应的地理区域的大小。例如，可以根据能够到达交叉路口的中心的时间的长度来决定区域的大小。即，可以根据直行道路等中的限制速度等对场景被定义为交叉路口的区域的大小进行变更。由此，例如，针对以相对较高的速度行驶中的车辆，交叉路口模型从远离交叉路口的地点起影响第二分布，能够防止以高速度进入交叉路口、或者以高速度进行左右转弯。同样地，应用直行道路模型的范围也能够根据限制速度等车辆的速度来进行决定。例如，应用直线路径模型的范围可以被决定为例如使根据直线路径模型所确定的第二分布的非零区域不被包括在与交叉路口模型对应的区域中那样的范围。即，在车辆以较高速度行驶中的情况下，第二分布的非零的区域扩大至远离车辆的位置，但是能够以使该区域不与对应于交叉路口模型的区域重叠的方式来决定与直行道路模型对应的区域。
此外，对于第一分布，也可以使用与场景相应的模型来进行确定。这是因为，例如在存在于交叉路口附近的行人、和在直行道路上沿直行方向在人行道等区域步行的行人中，移动的方向、速度的倾向不同，作为结果，有时第一分布最好也按每个场景而不同。另外，在行人从直行道路向交叉路口的方向行进的情况下等，可以通过基于多个模型的分布的组合来确定第一分布。使用图8对考虑了这样的场景的情况下的第一分布的例子进行说明。假设行人801从直行道路的区域向交叉路口方向行进。此外，在直行道路中，假设有护栏等使行人801无法进入该直行道路。此时，就行人801而言，将短期地使用直行道路模型而向朝向交叉路口方向的方向扩展并且不进入车道方向的分布802确定为针对行人801的第一分布。之后，若行人801进入交叉路口，则将包括进入车道的区域在内的分布803确定为针对行人801的第一分布。另外，其他车辆的第一分布在直行道路上可以例如如图2所示朝向行进方向扩展。另一方面，其他车辆可能在交叉路口进行左转、直行、右转等各种动作。表示该情形的是图8的与其他车辆804相关的分布805以及分布806。在交叉路口处，其他车辆804可能首先如分布805所示，向直行方向和左转方向扩展，之后，如分布806所示，在直行方向、左转方向和右转方向上扩展。这样，针对第一分布，也能够基于与交通参与者的位置相应的场景来进行确定。由此，能够更适当地进行与交通参与者所存在的位置相关的评估。
进一步地，例如在行人与车辆等属性不同的交通参与者中，由于移动速度大不相同，因此针对上述每个交通参与者，应认为其进入了交叉路口的区域的大小是不同的。即，例如若将能够在规定时间后到达交叉路口的中心部分的区域作为应认为进入了交叉路口的区域，则由于车辆每单位时间能够移动的范围较大，因此该区域较大，另一方面，与行人对应的该区域较小。这样，能够针对每个交通参与者，使用与在该时间点该交通参与者所存在的位置相应的适当的模型来确定第一分布。此外，例如，针对行人也可以不定义交叉路口左转模型、交叉路口右转模型、交叉路口直行模型而定义一个交叉路口模型等，使定义的模型本身因每个交通参与者的属性而不同。由此，能够根据交通参与者的属性来更适当地进行与交通参与者所存在的位置相关的评估。
此外，在存在多个交通参与者的情况下，例如通过将针对每个上述交通参与者计算出的第一分布(均等或加权)相加、或者针对每个位置取它们的最大值来获取。
此外，分别设定用于确定第一分布的模型和用于确定第二分布的模型。即，例如可以如图8的行人801未到达交叉路口时的分布801那样通过直行模型来确定第一分布，通过交叉路口模型来确定第二分布。这样，与第二分布的确定无关地、即与车辆1的位置等无关地确定第一分布。另外，与第一分布的确定无关地、即与交通参与者的位置等无关地确定第二分布。由此，能够适当地确定针对该交通参与者和车辆各自的分布。
在本实施方式中，对作为模型而使用直行道路模型、交叉路口模型的情况进行了说明，但是并不限于此。例如，可以定义车道变更模型、分流模型、合流模型、弯道模型、高速道路/干线道路模型、市区模型等各种模型。此外，例如可以针对每个曲率的范围来决定弯道模型。即，可以针对每个曲率的值的范围来定义各个模型。另外，即使是相同形状的道路，也可以定义针对每一时间的模型、或者针对每一天气、路面状况的模型。由此，即使识别周围环境的精度等根据状况而变化，也能够确定与该状况相应的分布。另外，可以将第一分布定义为与交通参与者的数量相应的模型。即，对于拥堵的道路中的交通参与者的行动和不拥堵的道路中的交通参与者而言，交通参与者能够移动的区域的自由度存在差异，因此可以定义与拥堵度相应的模型。由此，能够根据状况来获取适当的第一分布。
此外，虽然对基于规定的驾驶员的行驶数据来确定第二分布的情况进行了说明，但是这里的“规定的驾驶员”也可以被划分为多个种类。例如，可以设置有较快到达目的地的倾向的、有进行油耗较好的行驶的倾向的、擅长运动驾驶的、擅长在市区的驾驶等的规定的驾驶员的类别。而且，可以构成为能够针对每个类别确定不同的第二分布。这能够通过例如对从每个规定的驾驶员收集到的行驶数据进行分类并例如基于其进行机器学习来准备多个函数而得到实现。而且，例如车辆1的乘员经由车辆1的输入输出装置9输入希望进行怎样的驾驶，ECU20能够根据该输入来选择规定的驾驶员的类别，并决定与该选择结果对应的第二分布。由此，能够实现考虑了车辆1的乘员的嗜好的自动驾驶。
此外，在上述的说明中，使用了“第一分布”以及“第二分布”这样的用语，但是实际上针对各地点所确定的“第一值”以及“第二值”被使用在决定行驶轨道之时，因此也可以不一定对“分布”进行确定。
<实施方式的总结>
1.上述实施方式的车辆控制装置是进行车辆的自动驾驶的控制的车辆控制装置，其特征在于，所述车辆控制装置构成为，
获取与所述车辆的周围的状况相关的信息，
基于所述信息获取针对多个位置的、与在将来的时间点存在于所述周围的物体所存在的概率相关的第一值、和基于规定的驾驶员的行驶数据的第二值，在此，使用针对车辆行驶的区域中的一部分所定义的模型来确定所述第二值，在此，在所述车辆行驶于未定义模型的区域的情况下，对使用在夹着该车辆所行驶的位置的两个区域中所定义的两个模型而分别获取的两个值进行组合，由此确定所述第二值，
基于所述第一值与所述第二值的组合，从所述多个位置选择在多个将来的时间点中的使所述车辆存在的位置来决定使所述车辆移动的轨道。
根据该实施方式，能够根据车辆的位置使用适当的模型来决定轨道。另外，通过一边切换多个模型一边进行使用，从而与将全部状况作为一个模型来进行处理的情况相比，能够实现学习时间、用于第二值的计算的时间的缩短。进一步地，能够防止在车辆的行进中应考虑的要素大不相同的两个场景进行切换的情况下控制变得不稳定。另外，不需要在车辆行驶的所有位置定义场景或模型。
2.上述实施方式的车辆控制装置的特征在于，
在所述车辆行驶于未定义模型的区域的情况下，根据所述车辆与所述两个区域各自之间的距离而将所述第二值确定为下述那样的值，即，使用与离所述车辆的距离近的区域对应的模型所获取的值的影响比使用与离所述车辆的距离远的区域对应的模型所获取的值大。
根据该实施方式，能够防止在不同的场景间的转移时第二值的倾向发生急剧变化，能够防止在车辆的行进中应考虑的要素大为不同的两个场景进行切换的情况下控制变得不稳定。
3.上述实施方式的车辆控制装置的特征在于，
使用根据存在于所述周围的物体所存在的位置而决定的模型来确定所述第一值。
根据该实施方式，由此，能够更适当地进行与交通参与者所存在的位置相关的评估。
4.上述实施方式的车辆控制装置的特征在于，
根据存在于所述周围的物体的属性以及位置来决定在确定所述第一值时使用的模型。
根据该实施方式，能够根据交通参与者的属性来更适当地进行与交通参与者所存在的位置相关的评估。
5.上述实施方式的车辆控制装置的特征在于，
分别设定用于确定所述第一值的模型和用于确定所述第二值的模型。
根据该实施方式，能够适当地确定针对交通参与者和车辆各自的第一值以及第二值。
6.上述实施方式的车辆控制装置的特征在于，
与所述车辆无关地确定所述第一值，
与存在于所述周围的物体无关地确定所述第二值。
根据该实施方式，能够不受确定其他值的处理影响而适当地确定针对交通参与者和车辆各自的第一值以及第二值。
7.上述实施方式的车辆的特征在于，其具有上述的车辆控制装置。
由此，通过在车辆内部迅速地执行上述的处理，能够实时地执行恰当的控制。
8.上述实施方式的方法是为了进行车辆的自动驾驶的控制而通过车辆控制装置执行的方法，其特征在于，其包括：
获取与所述车辆的周围的状况相关的信息；
基于所述信息获取针对多个位置的、与在将来的时间点存在于所述周围的物体所存在的概率相关的第一值、和基于规定的驾驶员的行驶数据的第二值，在此，使用针对车辆行驶的区域中的一部分所定义的模型来确定所述第二值，在此，在所述车辆行驶于未定义模型的区域的情况下，对使用在夹着该车辆所行驶的位置的两个区域中所定义的两个模型而分别获取的两个值进行组合，由此确定所述第二值；以及
基于所述第一值与所述第二值的组合，从所述多个位置选择在多个将来的时间点中的使所述车辆存在的位置来决定使所述车辆移动的轨道。
根据该实施方式，能够根据车辆的位置使用适当的模型来决定轨道。另外，通过一边切换多个模型一边进行使用，从而与将全部状况作为一个模型来进行处理的情况相比，能够实现学习时间、用于第二值的计算的时间的缩短。进一步地，能够防止在车辆的行进中应考虑的要素大为不同的两个场景进行切换的情况下控制变得不稳定。另外，不需要在车辆行驶的所有位置定义场景或模型。
本发明并不受限于上述实施方式，可以不脱离本发明的精神及范围地进行各种变更及变形。因此，为了公开本发明的范围，附上以下的权利要求。

Claims (9)

1.一种车辆控制装置，其进行车辆的自动驾驶的控制，其特征在于，所述车辆控制装置构成为，
获取与所述车辆的周围的状况相关的第一信息，
基于所述第一信息获取针对多个位置的、与在将来的时间点存在于所述周围的物体所存在的概率相关的第一值、和基于规定的驾驶员的行驶数据的第二值，在此，所述第二值是通过向基于与在车辆行驶的区域中的一部分中所述规定的驾驶员使车辆行驶时的行驶数据和在该行驶时获取到的周围的状况相关的第二信息而事先决定的函数输入所述第一信息来确定的值，且是与所述规定的驾驶员在遇到由所述第一信息表示的状况的情况下使所述车辆分别向所述多个位置移动的概率相关的值，在此，在所述车辆行驶于不具有事先决定的函数的区域的情况下，通过对在针对夹着该车辆所行驶的位置的两个区域分别事先决定的两个函数各自中输入所述第一信息而分别获取的两个值进行组合，由此确定所述第二值，
基于所述第一值与所述第二值的组合来决定使所述车辆移动的轨道。
2.根据权利要求1所述的车辆控制装置，其特征在于，
在所述车辆行驶于不具有对应的所述函数的区域的情况下，根据所述车辆与所述两个区域各自之间的距离而将所述第二值确定为下述那样的值，即，通过向与离所述车辆的距离近的区域对应的所述函数输入所述第一信息而获取的值的影响比通过向与离所述车辆的距离远的区域对应的所述函数输入所述第一信息而获取的值大。
3.根据权利要求1所述的车辆控制装置，其特征在于，
根据存在于所述周围的物体从其所存在的位置起能够移动的范围来确定所述第一值。
4.根据权利要求3所述的车辆控制装置，其特征在于，
根据存在于所述周围的物体的属性以及位置来决定在确定所述第一值时使用的函数。
5.根据权利要求3所述的车辆控制装置，其特征在于，
分别设定用于确定所述第一值的函数和用于确定所述第二值的函数。
6.根据权利要求1所述的车辆控制装置，其特征在于，
与所述车辆无关地确定所述第一值，
与存在于所述周围的物体无关地确定所述第二值。
7.根据权利要求1所述的车辆控制装置，其特征在于，所述车辆控制装置构成为，基于所述第一值与所述第二值的组合，从所述多个位置选择在多个将来的时间点中的使所述车辆存在的位置来决定使所述车辆移动的轨道。
8.一种车辆，其特征在于，其具有权利要求1至7中任一项所述的车辆控制装置。
9.一种车辆控制方法，其是为了进行车辆的自动驾驶的控制而通过车辆控制装置执行的方法，其特征在于，其包括：
获取与所述车辆的周围的状况相关的第一信息；
基于所述第一信息获取针对多个位置的、与在将来的时间点存在于所述周围的物体所存在的概率相关的第一值、和基于规定的驾驶员的行驶数据的第二值，在此，所述第二值是通过向基于与在车辆行驶的区域中的一部分中所述规定的驾驶员使车辆行驶时的行驶数据和在该行驶时获取到的周围的状况相关的第二信息而事先决定的函数输入所述第一信息来确定的值，且是与所述规定的驾驶员在遇到由所述第一信息表示的状况的情况下使所述车辆分别向所述多个位置移动的概率相关的值，在此，在所述车辆行驶于不具有事先决定的函数的区域的情况下，通过对在针对夹着该车辆所行驶的位置的两个区域分别事先决定的两个函数各自中输入所述第一信息而分别获取的两个值进行组合，由此确定所述第二值；以及
基于所述第一值与所述第二值的组合来决定使所述车辆移动的轨道。
CN201780091031.4A 2017-06-02 2017-06-02 用于自动驾驶车的控制的车辆控制装置及方法 Active CN110692094B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2017/020698 WO2018220853A1 (ja) 2017-06-02 2017-06-02 自動運転車の制御のための車両制御装置及び方法

Publications (2)

Publication Number Publication Date
CN110692094A CN110692094A (zh) 2020-01-14
CN110692094B true CN110692094B (zh) 2022-02-01

Family

ID=64455289

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201780091031.4A Active CN110692094B (zh) 2017-06-02 2017-06-02 用于自动驾驶车的控制的车辆控制装置及方法

Country Status (4)

Country Link
US (1) US11275379B2 (zh)
JP (1) JP6901555B2 (zh)
CN (1) CN110692094B (zh)
WO (1) WO2018220853A1 (zh)

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110678914A (zh) 2017-06-02 2020-01-10 本田技研工业株式会社 用于自动驾驶车的控制的车辆控制装置及方法
CN110692094B (zh) 2017-06-02 2022-02-01 本田技研工业株式会社 用于自动驾驶车的控制的车辆控制装置及方法
US11273836B2 (en) * 2017-12-18 2022-03-15 Plusai, Inc. Method and system for human-like driving lane planning in autonomous driving vehicles
US11130497B2 (en) 2017-12-18 2021-09-28 Plusai Limited Method and system for ensemble vehicle control prediction in autonomous driving vehicles
US20190185012A1 (en) 2017-12-18 2019-06-20 PlusAI Corp Method and system for personalized motion planning in autonomous driving vehicles
JP7014032B2 (ja) * 2018-04-23 2022-02-01 株式会社デンソー 車両衝突推定装置
DE112019006440T5 (de) 2018-12-27 2021-09-16 Honda Motor Co., Ltd. Pfad-Bestimmungsvorrichtung, Roboter und Pfad-Bestimmungsverfahren
JP2020135672A (ja) * 2019-02-22 2020-08-31 アセントロボティクス株式会社 交通流の推論
US11927967B2 (en) * 2020-08-31 2024-03-12 Woven By Toyota, U.S., Inc. Using machine learning models for generating human-like trajectories
JP7348344B1 (ja) 2022-03-28 2023-09-20 ソフトバンク株式会社 車両およびサーバ
US11491987B1 (en) * 2022-06-22 2022-11-08 Embark Trucks Inc. Merge handling based on merge intentions over time
CN115083208B (zh) * 2022-07-20 2023-02-03 深圳市城市交通规划设计研究中心股份有限公司 人车冲突预警方法、预警分析方法、电子设备及存储介质
CN115056754B (zh) * 2022-08-18 2022-10-28 江苏天一航空工业股份有限公司 一种物流行李牵引车制动控制***及方法
CN118140259A (zh) * 2022-10-03 2024-06-04 株式会社斯巴鲁 信息处理装置、程序

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010149852A1 (en) * 2009-06-24 2010-12-29 Sandvik Mining And Construction Oy Definition of data required for automatic control of mobile mining machine
EP2390862A2 (de) * 2010-05-26 2011-11-30 Audi AG Verfahren zur Steuerung des Betriebs eines vollautomatischen, zur unabhängigen Fahrzeugführung ausgebildeten Fahrerassistenzsystems eines Kraftfahrzeugs und Kraftfahrzeug
CN103531024A (zh) * 2013-10-28 2014-01-22 武汉旭云科技有限公司 一种动态交通路网城市道路要素模型及其建模方法
WO2015074743A1 (de) * 2013-11-19 2015-05-28 Audi Ag Verfahren zum betrieb eines zur vollständig automatisierten führung eines kraftfahrzeugs ausgebildeten fahrzeugsystems und kraftfahrzeug
CN104834776A (zh) * 2015-04-30 2015-08-12 吉林大学 一种微观交通仿真中交通车辆建模仿真***及方法
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
DE102014214506A1 (de) * 2014-07-24 2016-01-28 Bayerische Motoren Werke Aktiengesellschaft Verfahren zur Erstellung eines Umfeldmodells eines Fahrzeugs
CN105809130A (zh) * 2016-03-08 2016-07-27 武汉大学 一种基于双目深度感知的车辆可行驶区域计算方法
CN106408983A (zh) * 2016-10-10 2017-02-15 深圳万发创新进出口贸易有限公司 一种车辆自动驾驶***

Family Cites Families (31)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0913751B1 (de) * 1997-11-03 2003-09-03 Volkswagen Aktiengesellschaft Autonomes Fahrzeug und Verfahren zur Steuerung eines autonomen Fahrzeuges
JPH11337643A (ja) 1998-05-27 1999-12-10 Mitsubishi Motors Corp 車両用後方モニタシステム
JP3902543B2 (ja) * 2002-12-17 2007-04-11 本田技研工業株式会社 道路交通シミュレーション装置
US7233861B2 (en) * 2003-12-08 2007-06-19 General Motors Corporation Prediction of vehicle operator destinations
JP4604683B2 (ja) * 2004-11-25 2011-01-05 日産自動車株式会社 危険状況警報装置
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
US7860813B2 (en) 2008-01-24 2010-12-28 Nec Laboratories America, Inc. Monitoring driving safety using semi-supervised sequential learning
JP5407764B2 (ja) * 2009-10-30 2014-02-05 トヨタ自動車株式会社 運転支援装置
JP5429234B2 (ja) * 2011-03-23 2014-02-26 トヨタ自動車株式会社 車両用情報処理装置
DE102013213339A1 (de) * 2013-07-08 2015-01-08 Ford Global Technologies, Llc Steuereinrichtung für ein autonomes Landfahrzeug
US9165477B2 (en) * 2013-12-06 2015-10-20 Vehicle Data Science Corporation Systems and methods for building road models, driver models, and vehicle models and making predictions therefrom
CN103646561B (zh) * 2013-12-24 2016-03-02 重庆大学 基于道路异常区域评估的路径选择方法及***
DE102014205014A1 (de) 2014-03-18 2015-09-24 Ford Global Technologies, Llc Verfahren und Vorrichtung zum Erfassen von bewegten Objekten in der Umgebung eines Fahrzeugs
EP2950294B1 (en) * 2014-05-30 2019-05-08 Honda Research Institute Europe GmbH Method and vehicle with an advanced driver assistance system for risk-based traffic scene analysis
CN104260725B (zh) * 2014-09-23 2016-09-14 北京理工大学 一种含有驾驶员模型的智能驾驶***
CN104590274A (zh) * 2014-11-26 2015-05-06 浙江吉利汽车研究院有限公司 一种驾驶行为自适应***及驾驶行为自适应方法
CN105808314B (zh) * 2014-12-30 2019-05-10 ***通信集团公司 一种交通仿真的方法及装置
JP6581379B2 (ja) * 2015-03-31 2019-09-25 株式会社デンソー 車両制御装置、及び車両制御方法
US9878710B2 (en) * 2015-05-04 2018-01-30 Honda Research Institute Europe Gmbh Method for improving performance of a method for computationally predicting a future state of a target object, driver assistance system, vehicle including such driver assistance system and respective program storage medium and program
US9934688B2 (en) 2015-07-31 2018-04-03 Ford Global Technologies, Llc Vehicle trajectory determination
CN105574537B (zh) * 2015-11-23 2018-12-28 北京高科中天技术股份有限公司 基于多传感器的危险驾驶行为检测和评估方法
US9493158B2 (en) * 2015-12-14 2016-11-15 Thomas Danaher Harvey Methods and devices for safe operation of undersize autonomous vehicles on public roads
KR102102100B1 (ko) * 2016-03-09 2020-04-20 얀마 가부시키가이샤 작업 차량 및 주행 영역 특정 장치
GB201608233D0 (en) * 2016-05-04 2016-06-22 Tomtom Navigation Bv Methods and systems for determining safe return range
BR112018074698A2 (pt) * 2016-05-30 2019-03-19 Nissan Motor Co., Ltd. método de detecção de objeto e aparelho de detecção de objeto
JP6622148B2 (ja) * 2016-06-17 2019-12-18 日立オートモティブシステムズ株式会社 周辺環境認識装置
CN105892471B (zh) * 2016-07-01 2019-01-29 北京智行者科技有限公司 汽车自动驾驶方法和装置
US10414394B2 (en) * 2016-08-29 2019-09-17 Mazda Motor Corporation Vehicle control system
JP6756661B2 (ja) * 2017-04-28 2020-09-16 日立オートモティブシステムズ株式会社 車両電子制御装置
CN110678914A (zh) 2017-06-02 2020-01-10 本田技研工业株式会社 用于自动驾驶车的控制的车辆控制装置及方法
CN110692094B (zh) 2017-06-02 2022-02-01 本田技研工业株式会社 用于自动驾驶车的控制的车辆控制装置及方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010149852A1 (en) * 2009-06-24 2010-12-29 Sandvik Mining And Construction Oy Definition of data required for automatic control of mobile mining machine
EP2390862A2 (de) * 2010-05-26 2011-11-30 Audi AG Verfahren zur Steuerung des Betriebs eines vollautomatischen, zur unabhängigen Fahrzeugführung ausgebildeten Fahrerassistenzsystems eines Kraftfahrzeugs und Kraftfahrzeug
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
CN103531024A (zh) * 2013-10-28 2014-01-22 武汉旭云科技有限公司 一种动态交通路网城市道路要素模型及其建模方法
WO2015074743A1 (de) * 2013-11-19 2015-05-28 Audi Ag Verfahren zum betrieb eines zur vollständig automatisierten führung eines kraftfahrzeugs ausgebildeten fahrzeugsystems und kraftfahrzeug
DE102014214506A1 (de) * 2014-07-24 2016-01-28 Bayerische Motoren Werke Aktiengesellschaft Verfahren zur Erstellung eines Umfeldmodells eines Fahrzeugs
CN104834776A (zh) * 2015-04-30 2015-08-12 吉林大学 一种微观交通仿真中交通车辆建模仿真***及方法
CN105809130A (zh) * 2016-03-08 2016-07-27 武汉大学 一种基于双目深度感知的车辆可行驶区域计算方法
CN106408983A (zh) * 2016-10-10 2017-02-15 深圳万发创新进出口贸易有限公司 一种车辆自动驾驶***

Also Published As

Publication number Publication date
CN110692094A (zh) 2020-01-14
JP6901555B2 (ja) 2021-07-14
US11275379B2 (en) 2022-03-15
WO2018220853A1 (ja) 2018-12-06
US20200081442A1 (en) 2020-03-12
JPWO2018220853A1 (ja) 2020-04-09

Similar Documents

Publication Publication Date Title
CN110692094B (zh) 用于自动驾驶车的控制的车辆控制装置及方法
JP6592074B2 (ja) 車両制御装置、車両制御方法、プログラム、および情報取得装置
US11130492B2 (en) Vehicle control device, vehicle control method, and storage medium
US11300961B2 (en) Vehicle control apparatus and method for controlling automated driving vehicle
JP7416176B2 (ja) 表示装置
JP7039940B2 (ja) 車両制御装置
CN109421712B (zh) 车辆控制装置、车辆、车辆控制方法以及存储介质
JP7170637B2 (ja) 車両制御システム、車両制御方法、およびプログラム
CN111731295B (zh) 行驶控制装置、行驶控制方法以及存储程序的存储介质
US20200339194A1 (en) Vehicle control apparatus, vehicle, and control method
US20190278286A1 (en) Vehicle control device, vehicle control method, and storage medium
US11556127B2 (en) Static obstacle map based perception system
CN113448329A (zh) 减少用于规划自主驾驶车辆的路径的障碍物的方法及***
CN111731294A (zh) 行驶控制装置、行驶控制方法以及存储程序的存储介质
CN113785252A (zh) 停放自主驾驶车辆用于自主充电的方法
CN111731296A (zh) 行驶控制装置、行驶控制方法以及存储程序的存储介质
CN112829769A (zh) 自动驾驶车辆的混合规划***
US11254326B2 (en) Automatic comfort score system based on human driving reference data
US11300955B2 (en) Method for determining ride stability of an autonomous driving system controlling an autonomous driving vehicle
CN113401056A (zh) 显示控制装置、显示控制方法以及计算机可读取存储介质
CN112985435A (zh) 用于操作自主驾驶车辆的方法及***
JP2019045985A (ja) 車両制御装置、車両、車両制御方法およびプログラム
CN113496189B (zh) 基于静态障碍物地图的感知方法及***
US20230294702A1 (en) Control device, control method, and storage medium
CN115257813A (zh) 通过施工障碍物的智能驾驶控制方法及车辆

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