CN112849134A - 风险推断装置以及车辆控制装置 - Google Patents

Abstract

本发明提供一种风险推断装置以及车辆控制装置，风险推断装置即便在交通参加者与道路状况的关系不适当的条件下，也可以适当地推断本车辆的前进方向上的风险。风险推断装置(10)根据周边状况数据(D_info)，识别本车辆(3)的前进方向上的交通参加者、道路状况及交通参加者的状况(步骤11)，使用基准关系模型来判定交通参加者与道路状况的关系是否适当(步骤12)，在已判定交通参加者与道路状况的关系适当的情况下，使用风险模型来推断行驶风险(R_risk)，在已判定交通参加者与道路状况的关系不适当的情况下，对应于交通参加者的状况来推断行驶风险(R_risk)(步骤13～步骤16)。

Description

风险推断装置以及车辆控制装置

技术领域

本发明涉及一种对应于本车辆的前进方向的交通环境来推断风险的风险推断装置以及车辆控制装置。

背景技术

以往，作为推断车辆驾驶时的风险的风险推断装置，已知有专利文献1中记载的风险推断装置。在所述风险推断装置中，根据本车辆的周边状况等观测信息，利用观测逻辑式等来推断车辆驾驶时的风险度。

[现有技术文献]

[专利文献]

[专利文献1]日本专利特开2016-091039号公报

发明内容

[发明所要解决的问题]

在现实的交通环境下，并不限定于汽车等交通参加者与交通参加者所在的道路状况(道路的类别等)的关系适当的情况，存在两者的关系不适当的情况。对此，在所述专利文献1的风险推断装置的情况下，因未设想交通参加者与道路状况的关系不适当的情况的关系，而存在无法适当地推断此种条件下的本车辆的前进方向上的风险的问题。

本发明是为了解决所述课题而形成的发明，其目的在于提供一种即便在交通参加者与道路状况的关系不适当的条件下，亦可适当地推断本车辆的前进方向上的风险的风险推断装置等。

[解决问题的技术手段]

为了达成所述目的，技术方案1的风险推断装置10包括：周边状况数据获取部(状况检测装置4)，获取表示本车辆3的前进方向上的周边状况的周边状况数据D_info；识别部11(ECU 2，步骤11)，根据周边状况数据D_info，识别本车辆3的前进方向上的交通参加者(汽车7)、道路状况(人行横道8)及交通参加者的状况；基准关系模型存储部(ECU 2)，存储对成为交通参加者与道路状况之间的基准的关系进行了定义的基准关系模型(图3)；风险模型存储部(ECU 2)，存储对交通参加者及道路状况的关系、与本车辆的前进方向上的风险的关系进行了定义的风险模型(图7)；关系判定部12(ECU 2，步骤12)，在由识别部识别了交通参加者及道路状况的情况下，使用基准关系模型，判定交通参加者与道路状况的关系是否适当；以及风险推断部13(ECU 2，步骤13～步骤16)，在由关系判定部判定了交通参加者与道路状况的关系适当的情况下，使用风险模型，推断对应于交通参加者与道路状况的关系的风险(行驶风险R_risk)，并且在由关系判定部判定了交通参加者与道路状况的关系不适当的情况下，对应于交通参加者的状况来推断风险(行驶风险R_risk)。

根据所述风险推断装置，获取表示本车辆的前进方向上的周边状况的周边状况数据，基于所述周边状况数据，识别本车辆的前进方向上的交通参加者、道路状况及交通参加者的状况。在由识别部识别了交通参加者及道路状况的情况下，使用对成为交通参加者与道路状况之间的基准的关系进行了定义的基准关系模型，判定交通参加者与道路状况的关系是否适当。而且，在已判定交通参加者与道路状况的关系适当的情况下，使用对交通参加者及道路状况的关系、与本车辆的前进方向上的风险的关系进行了定义的风险模型，推断对应于交通参加者与道路状况的关系的风险。另一方面，在已判定交通参加者与道路状况的关系不适当的情况下，对应于交通参加者的状况来推断风险。

在此情况下，交通参加者的状况可看作即便在交通参加者与道路状况的关系不适当的条件下，也适当地表示交通参加者的风险的状况。因此，对应于此种交通参加者的状况，推断本车辆的前进方向上的风险，由此即便在交通参加者与道路状况的关系不适当的条件下，也可以适当地推断本车辆的前进方向上的风险(另外，本说明书中的“交通参加者”包含行人、其他车辆及障碍物等。另外，本说明书中的“道路状况”除人行道及车道等道路的类别以外，包含人行横道等道路的划分的类别、或停车场等道路以外的路面的类别。进而，本说明书中的“交通参加者的状况”包含推断行人及汽车的司机等的意图的结果)。

另外，为了达成所述目的，技术方案2的风险推断装置10包括：周边状况数据获取部(状况检测装置4)，获取表示本车辆3的前进方向上的周边状况的周边状况数据D_info；识别部(ECU 2，步骤31)，根据周边状况数据D_info，识别本车辆3的前进方向上的交通参加者(汽车7)、道路状况(人行横道8)、交通参加者的状况；基准关系模型存储部(ECU 2)，存储对成为交通参加者与道路状况之间的基准的关系进行了定义的基准关系模型(图3)；关系判定部(ECU 2，步骤32)，在由识别部识别了交通参加者及道路状况的情况下，使用基准关系模型，判定交通参加者与道路状况的关系是否适当；第一风险推断部(ECU 2，步骤34、步骤39)，对应于交通参加者及道路状况的关系，推断本车辆3的前进方向上的第一风险Risk1；第二风险推断部(ECU 2，步骤35、步骤40)，对应于交通参加者的状况，推断本车辆3的前进方向上的第二风险Risk2；以及风险算出部(ECU 2，步骤37～步骤38)，使用包含第一风险及第二风险作为自变量的加权运算式(5)，算出本车辆3的前进方向上的风险(行驶风险R_risk)，风险算出部在由关系判定部判定了交通参加者与道路状况的关系不适当的情况下，将对于第二风险的权重设定成比对于第一风险的权重大的值(步骤41)。

根据所述风险推断装置，获取表示本车辆的前进方向上的周边状况的周边状况数据，基于所述周边状况数据，识别本车辆的前进方向上的交通参加者、道路状况及交通参加者的状况。在由识别部识别了交通参加者及道路状况的情况下，使用对成为交通参加者与道路状况之间的基准的关系进行了定义的基准关系模型，判定交通参加者与道路状况的关系是否适当。进而，对应于交通参加者及道路状况的关系，推断本车辆的前进方向上的第一风险，对应于交通参加者的状况，推断本车辆的前进方向上的第二风险。而且，使用包含第一风险及第二风险作为自变量的加权运算式，算出本车辆的前进方向上的风险。

此时，在已判定交通参加者与道路状况的关系不适当的情况下，将对于第二风险的权重设定成比对于第一风险的权重大的值。由此，可在使交通参加者及道路状况的关系的反映程度下降的同时，一边提高交通参加者的状况的反映程度，一边算出本车辆的前进方向上的风险。其结果，即便在交通参加者与道路状况的关系不适当的条件下，也可以适当地推断本车辆的前进方向上的风险。

技术方案3的发明中，在技术方案1或技术方案2中记载的风险推断装置10中，在交通参加者为汽车7的情况下，当道路状况为人行横道8时，关系判定部判定交通参加者与道路状况的关系不适当。

根据所述风险推断装置，在交通参加者为汽车的情况下，当道路状况为人行横道时，判定交通参加者与道路状况的关系不适当。在一般的交通环境下，汽车存在于人行横道上的状态可看作两者的关系并非适当，而是不适当。因此，根据所述风险推断装置，可准确地判定此种不适当的关系。

技术方案4的发明中，在技术方案3中记载的风险推断装置10中，在汽车7的前后方向处于沿着人行横道8的延设方向的状态的情况下，关系判定部判定交通参加者与道路状况的关系不适当。

根据所述风险推断装置，在汽车的前后方向处于沿着人行横道的延设方向的状态的情况下，判定交通参加者与道路状况的关系不适当。在一般的交通环境下，汽车的前后方向变成沿着人行横道的延设方向的状态可看作两者的关系并非适当，而是极不适当。因此，根据所述风险推断装置，可准确地判定此种不适当的关系(另外，本说明书中的“汽车的前后方向处于沿着人行横道的延设方向的状态”并不限定于汽车的前后方向处于与人行横道的延设方向平行的状态，包含汽车的前后方向处于相对于人行横道的延设方向倾斜了规定角度(例如±几度)的状态)。

技术方案5的车辆控制装置1包括：技术方案1至技术方案4的任一项中记载的风险推断装置10；以及控制部(ECU 2，步骤3)，当本车辆3穿过交通参加者的周边区域时，在已判定交通参加者与道路状况的关系不适当的情况下，以与已判定交通参加者与道路状况的关系适当的情况相比，本车辆3的减速度及对于交通参加者的回避程度变得更大的方式，执行本车辆3的自动驾驶控制。

通常，可推断在已判定交通参加者与道路状况的关系不适当的情况下，与已判定交通参加者与道路状况的关系适当的情况相比，本车辆通过交通参加者的周边区域时的风险高。因此，根据所述车辆控制装置，在如所述那样推断本车辆通过交通参加者的周边区域时的风险高的情况下，以本车辆的减速度及对于交通参加者的回避程度变得更大的方式，执行本车辆的自动驾驶控制，因此可提升自动驾驶时的安全性。

附图说明

图1是示意性地表示本发明的一实施方式的风险推断装置及车辆控制装置的结构的图。

图2是表示风险推断装置的功能结构的框图。

图3是表示用于关系判定部中的判定的图表的图。

图4是表示其他车辆停止在本车辆的前方的人行横道上的状态的平面图。

图5是表示图4的停止车辆及其周边的立体图。

图6是表示场景数据的一例的图。

图7是表示风险图表的一例的图。

图8是表示自动驾驶控制处理的流程图。

图9是表示行驶风险R_risk的算出处理的流程图。

图10是表示第二实施方式的行驶风险R_risk的算出处理的流程图。

[附图标记说明]

1：车辆控制装置

2：ECU

3：本车辆

4：状况检测装置

7：汽车

8：人行横道

10：风险推断装置

11：识别部

12：关系判定部

13：风险推断部

D_info：周边状况数据

R_risk：行驶风险

Risk1：第一风险

Risk2：第二风险

具体实施方式

以下，一边参照附图，一边对本发明的第一实施方式的风险推断装置及车辆控制装置进行说明。另外，本实施方式的车辆控制装置也兼作风险推断装置用，因此在以下的说明中，对车辆控制装置进行说明，并且在其中也对风险推断装置的功能及结构进行说明。

如图1所示，此车辆控制装置1应用于四轮型的汽车(以下称为“本车辆”)3，包括电子控制单元(Electronic Control Unit，ECU)2。所述ECU 2与状况检测装置4、原动机5及致动器6电性连接。

所述状况检测装置4包含相机、毫米波雷达、激光雷达(LIDAR)、声纳、全球定位***(Global Positioning System，GPS)及各种传感器等，将本车辆3的当前位置及表示本车辆3的前进方向的周边状况(交通环境或交通参加者等)的周边状况数据D_info输出至ECU2。

所述周边状况数据D_info以包含由相机所获取的图像数据、及由LIDAR等所测量的距离数据的方式构成。另外，在本实施方式中，状况检测装置4相当于周边状况数据获取部。

ECU 2如后述那样，根据来自所述状况检测装置4的周边状况数据D_info，识别本车辆3的周边的交通环境，算出行驶风险R_risk，并且对应于所述行驶风险R_risk等，控制本车辆3的行驶状态。

原动机5例如包含电动机等，如后述那样，当决定了本车辆3的行驶轨道时，通过ECU 2以本车辆3在所述行驶轨道上行驶的方式控制原动机5的输出。

另外，致动器6包含制动用致动器及操舵用致动器等，如后述那样，当决定了本车辆3的行驶轨道时，通过ECU 2以本车辆3在所述行驶轨道上行驶的方式控制致动器6的动作。

另一方面，ECU 2包含微型计算机，所述微型计算机包括：中央处理器(CentralProcessing Unit，CPU)、随机存取存储器(Random Access Memory，RAM)、只读存储器(ReadOnly Memory，ROM)、带电可擦可编程只读存储器(Electrically Erasable ProgrammableRead Only Memory，E2PROM)13、输入/输出(Input/Output，I/O)接口及各种电路(均未图示)等。ECU 2根据来自所述状况检测装置4的周边状况数据D_info等，如以下所述那样执行行驶风险R_risk的算出处理等。另外，在本实施方式中，ECU 2相当于识别部、基准关系模型存储部、风险模型存储部、关系判定部、风险推断部及控制部。

继而，一边参照图2，一边对车辆控制装置1中的风险推断装置10的结构进行说明。所述风险推断装置10如以下所述那样，对应于周边状况数据D_info，推断(算出)本车辆3的行驶中的前进方向的风险即行驶风险R_risk。

在所述风险推断装置10中，通过以下所述的方法，将行驶风险R_risk作为值1～值3的范围内的整数值来算出。在此情况下，以所述值越大，表示本车辆3的前进方向上的风险越高的方式设定行驶风险R_risk。

如图2所示，风险推断装置10包括识别部11、关系判定部12及风险推断部13，具体而言，这些元件11～13包含ECU 2。

在所述识别部11中，根据周边状况数据D_info中所包含的图像数据，通过规定的图像识别方法(例如，深度学习法)，识别存在于本车辆3的前进方向的规定范围(例如几十米)内的交通参加者、道路状况及交通参加者的状况等。除此以外，识别交通参加者与道路状况的位置关系。

在此情况下，作为交通参加者，识别自行车、行人及汽车等。另外，作为道路状况，识别车道、人行道及人行横道等。进而，在交通参加者为汽车的情况下，作为交通参加者的状况，识别刹车灯的熄灯、方向指示灯的闪烁、危险灯的闪烁及车门的开闭状态等。

如上所述，在识别部11中，识别存在于本车辆3的前进方向上的交通参加者、道路状况、交通参加者的状况、以及交通参加者与道路状况的关系等。而且，它们的识别结果被从识别部11朝关系判定部12及风险推断部13输出。

另外，在关系判定部12中，当从识别部11输入了所述识别结果时，判定交通参加者与交通参加者所在的道路状况的关系是否适当。在此情况下，若排除汽车为交通参加者，十字路口的人行横道为道路状况的情况，则如以下所述那样进行判定。

即，当交通参加者与道路状况的组合与图3中所示的图表中记载的组合一致时，判定两者的关系适当，除此以外时判定不适当。

另一方面，在汽车为交通参加者，十字路口的人行横道为道路状况的情况下，除与所述图3中所示的图表的组合的一致/不一致以外，将汽车的前后方向是否处于沿着人行横道的延设方向的状态作为条件，判定两者的关系是否适当。

即，如图4及图5所示，在汽车7位于(停止在)十字路口的人行横道8上的情况下，当汽车7的前后方向处于沿着人行横道8的延设方向的状态时，判定两者的关系不适当，除此以外时判定两者的关系适当。

其原因在于：汽车7位于十字路口的人行横道8上的状态有可能因等待红绿灯或堵车等而产生，因此回避与此种状态混为一谈，判定两者的关系必定处于不适当的状态。

另外，在汽车为交通参加者，十字路口的人行横道为道路状况的情况下，也可以仅根据与所述图3中所示的图表中记载的组合的一致/不一致，判定交通参加者与道路状况的关系是否适当。

另外，在风险推断部13中，当分别输入了来自识别部11的识别结果及来自关系判定部12的判定结果时，如以下所述那样，根据交通参加者与道路状况的关系是否适当，算出行驶风险R_risk。

首先，在交通参加者与道路状况的关系不适当的情况下，通过下式(1)～下式(2)来算出第一暂定风险Risk_tmp1。

Risk_tmp1＝(Risk_A×KA)×(Risk_B×KB)×Risk_CND……(1)

Risk_CND＝(Risk_C×KC)×(Risk_D×KD)×……×(Risk_X×KX)……(2)

上式(1)的Risk_A表示对应于交通参加者的个别风险，KA是事先设定的规定的乘法系数。另外，Risk_B表示对应于位置关系词的个别风险，KB是事先设定的规定的乘法系数。进而，式(1)的Risk_CND是对应于交通参加者的状况的状况风险，如式(2)那样定义。

在式(2)中，Risk_C表示对应于道路状况的个别风险，在此情况下，被设定成最高的值(例如值3)。另外，KC是事先设定的规定的乘法系数。进而，Risk_D～Risk_X分别是对应于交通参加者的各种状况的各种状况风险，KD～KX是事先设定的规定的乘法系数。

在此情况下，当交通参加者为汽车7时，作为交通参加者的各种状况，可使用刹车灯的熄灯/点灯、进发侧方向指示灯的闪烁/停止、及车门的开闭状态等，对应于这些交通参加者的各种状况，设定状况风险Risk_D～状况风险Risk_X的值。

更具体而言，当刹车灯熄灯时，与刹车灯点灯时相比，汽车7进发的可能性高，藉此状况风险被设定成更大的值。根据相同的理由，当进发侧方向指示灯闪烁时，与进发侧方向指示灯停止时相比，状况风险被设定成更大的值。进而，当汽车7的车门打开时(参照图5)，与汽车7的车门关闭相比，乘员从汽车7跑出去的可能性高，藉此状况风险被设定成更大的值。

如以上那样通过上式(1)～上式(2)来算出第一暂定风险Risk_tmp1，并利用规定方法(例如四舍五入法)将其算出结果整数化，由此算出暂定风险Risk_tmp。在此情况下，当汽车7处于图4及图5中所示的状态时，暂定风险Risk_tmp作为值3来算出。而且，暂定风险Risk_tmp被设定成行驶风险R_risk。

另一方面，在交通参加者与道路状况的关系适当的情况下，制作如图6所示的场景数据。所述场景数据是作为交通参加者的汽车位于作为道路状况的车道上的情况的例子，作为将交通参加者“汽车(car)”、交通参加者相对于道路状况的位置关系词“在...上(on)”、及道路状况“车道(driveway)”相互建立了关联的数据来制作。

而且，根据所述场景数据来算出暂定风险Risk_tmp。具体而言，根据场景数据，通过参照图7的风险图表来算出场景数据一致时的复合风险，将其作为暂定风险Risk_tmp来设定。例如，在图6中所示的场景数据的情况下，复合风险作为值2来算出。而且，行驶风险R_risk最终被设定成暂定风险Risk_tmp。

在风险推断装置10中，利用以上的方法将行驶风险R_risk作为值1～值3的范围内的整数值来算出。

继而，一边参照图8及图9，一边对利用本实施方式的车辆控制装置1的自动驾驶控制处理进行说明。所述自动驾驶控制处理如以下所述那样算出行驶风险R_risk，对应于所述行驶风险R_risk，执行本车辆3的自动驾驶控制，通过ECU 2而以规定的控制周期来执行。另外，将以下的说明中所算出的各种值设为被存储在ECU 2的E2PROM内的值。

如图8所示，首先算出行驶风险R_risk(图8/步骤1)。具体而言，所述行驶风险R_risk的算出处理如图9所示那样执行。

如所述图9所示，首先读入周边状况数据D_info(图9/步骤10)。

其次，执行识别处理(图9/步骤11)。在所述识别处理中，利用与所述识别部11相同的方法，识别存在于本车辆3的前进方向上的交通参加者、道路状况、交通参加者的状况、以及交通参加者与道路状况的关系。

继而，根据交通参加者与道路状况的关系，判定交通参加者与道路状况的关系是否适当(图9/步骤12)。

当所述判定为肯定(图9/步骤12…是(YES))，交通参加者与道路状况的关系适当时，制作所述场景数据(图9/步骤13)。

继而，根据场景数据，通过参照所述图7的风险图表来算出暂定风险Risk_tmp(图9/步骤14)。具体而言，将场景数据一致时的复合风险作为暂定风险Risk_tmp来算出。

另一方面，当所述判定为否定(图9/步骤12…否(NO))，交通参加者与道路状况的关系不适当时，通过所述式(1)～式(2)来算出第一暂定风险Risk_tmp1，并将其算出结果整数化，由此算出暂定风险Risk_tmp(图9/步骤15)。

继而，如所述那样将暂定风险Risk_tmp作为行驶风险R_risk来设定(图9/步骤16)，结束本处理。

回到图8，如以上那样算出行驶风险R_risk后，判定是否R_risk＝3(图8/步骤2)。当所述判定为肯定(图8/步骤2…是)，R_risk＝3时，执行第三控制处理(图8/步骤3)。

具体而言，所述第三控制处理如以下那样执行。首先，根据行驶风险R_risk及周边状况数据D_info，并通过规定的算出算法，将本车辆3的未来的行驶轨道作为二维坐标系的时间序列数据来算出。其次，以本车辆3在行驶轨道上行驶的方式控制原动机5及致动器6。

由此，例如在图4、图5中所示的交通环境下，本车辆3一边减速，一边将行驶路线变更成靠近中央车道来行驶，以回避汽车7。此时，本车辆3以与后述的第二控制处理及第一控制处理时相比，减速程度及行驶路线的变更程度变得更大的方式，控制其行驶状态。如以上那样执行第三控制处理后，结束本处理。

另一方面，当所述判定为否定(图8/步骤2…否)，R_risk≠3时，判定是否R_risk＝2(图8/步骤4)。当所述判定为肯定(图8/步骤4…是)，R_risk＝2时，执行第二控制处理(图8/步骤5)。

在所述第二控制处理中，利用与所述第三控制处理相同的方法来算出本车辆3的未来的行驶轨道，并以本车辆3在行驶轨道上行驶的方式控制原动机5及致动器6。由此，本车辆3一边减速，一边将行驶路线变更成靠近中央车道来行驶，以回避交通参加者。此时，本车辆3以与所述第三控制处理时相比，减速程度及行驶路线的变更程度变得更小的方式控制行驶状态。如以上那样执行第二控制处理后，结束本处理。

另一方面，当所述判定为否定(图8/步骤4…否)，R_risk＝1时，执行第一控制处理(图8/步骤6)。在所述第一控制处理中，利用与所述第三控制处理相同的方法来算出本车辆3的未来的行驶轨道，并以本车辆3在行驶轨道上行驶的方式控制原动机5及致动器6。由此，本车辆3以维持车速及行驶路线的方式控制其行驶状态。如以上那样执行第一控制处理后，结束本处理。

如上所述，根据第一实施方式的车辆控制装置1的风险推断装置10，获取表示本车辆3的前进方向上的周边状况的周边状况数据D_info，根据所述周边状况数据D_info，识别本车辆3的前进方向上的交通参加者、道路状况、及交通参加者的状况。进而，根据交通参加者及道路状况，通过参照图3的图表来判定交通参加者与道路状况的关系是否适当。

而且，在已判定交通参加者与道路状况的关系适当的情况下，制作图6的场景数据，对应于所述场景数据，通过参照图7的风险图表来算出行驶风险R_risk。另一方面，在已判定交通参加者与道路状况的关系不适当的情况下，通过所述式(1)～式(2)来算出第一暂定风险Risk_tmp1，并将其算出结果整数化，由此算出行驶风险R_risk。

在所述式(1)～式(2)中，包含对应于交通参加者的各种状况所设定的状况风险Risk_D～状况风险Risk_X，可将交通参加者的各种状况看作即便在交通参加者与道路状况的关系不适当的条件下，也适当地表示交通参加者的风险的状况。因此，通过使用包含此种状况风险Risk_D～状况风险Risk_X的式(1)～式(2)，即便在交通参加者与道路状况的关系不适当的条件下，也可以适当地算出/推断本车辆3的前进方向上的行驶风险R_risk。

另外，在交通参加者为汽车7，并且道路状况为人行横道8的情况下，当汽车7的前后方向处于沿着人行横道8的延设方向的状态时，判定交通参加者与道路状况的关系不适当。在一般的交通环境下，汽车7的前后方向变成沿着人行横道8的延设方向的状态可看作两者的关系并非适当，而是极不适当。因此，根据所述风险推断装置10，可准确地判定此种不适当的关系。

进而，在已判定交通参加者与道路状况的关系不适当的情况下，将行驶风险R_risk设定成最高的值3。由此，在图8的自动驾驶控制处理中，以与行驶风险R_risk＝1、2的情况，即已判定交通参加者与道路状况的关系适当的情况相比，本车辆3的减速度及对于交通参加者的回避程度变得更大的方式，控制本车辆3的驾驶状态，因此可提升自动驾驶时的安全性。

另外，第一实施方式是在交通参加者为汽车且道路状况为人行横道的情况下，交通参加者与道路状况的关系不适当的例子，但本发明的交通参加者与道路状况的关系不适当的情况不限定于此。例如，也可以是交通参加者为自行车或行人，道路状况为高速公路或汽车专用道路的情况。进而，也可以是交通参加者为汽车、自行车或行人，道路状况为有轨电车线路的情况。

另外，第一实施方式是将图3中所示的图表用作基准关系模型的例子，但本发明的基准关系模型并不限定于此，只要是对成为交通参加者与道路状况之间的基准的关系进行了定义者即可。例如，作为基准关系模型，也可以使用与图3不同的图表或表，也可以使用对交通参加者与道路状况之间处于不适当的关系的状态进行了定义的图表，也可以使用数学式。

进而，第一实施方式是将图7的风险图表用作风险模型的例子，但本发明的风险模型并不限定于此，只要是对交通参加者及道路状况的关系、与本车辆的前进方向上的风险的关系进行了定义者即可。例如，作为风险模型，也可以使用与图7的风险图表不同的图表或表，也可以使用数学式。

另一方面，第一实施方式是在风险推断部13中，当已判定交通参加者与道路状况的关系不适当时，通过式(1)～式(2)来算出风险的例子，但本发明的风险推断部并不限定于此，只要是对应于交通参加者的状况，推断本车辆的前进方向上的风险者即可。例如，作为风险推断部，也可以使用对应于交通参加者的状况，通过图表检索来推断风险者。

继而，对第二实施方式的车辆控制装置进行说明。在此车辆控制装置的情况下，与第一实施方式的车辆控制装置1相比，仅所述行驶风险R_risk的算出处理的结构不同，因此以下一边参照图10，一边对第二实施方式的行驶风险R_risk的算出处理进行说明。

另外，在本实施方式中，ECU 2相当于识别部、基准关系模型存储部、关系判定部、第一风险推断部、第二风险推断部、风险算出部及控制部。

在所述图10的情况下，步骤30～步骤32与所述图9的步骤10～步骤12同样地构成，因此省略其说明。

当步骤32的判定为肯定，交通参加者与道路状况的关系适当时，制作所述场景数据(图10/步骤33)。

继而，通过参照所述图7的风险图表来算出第一风险Risk1(图10/步骤34)。具体而言，根据场景数据，通过参照图7的风险图表而将场景数据一致时的复合风险作为第一风险Risk1来算出。

继而，通过下式(3)～下式(4)来算出第二风险Risk2(图10/步骤35)。

Risk2＝(Risk_A×KA)×(Risk_B×KB)×Risk_CND……(3)

Risk_CND＝(Risk_C×KC)×(Risk_D×KD)×……×(Risk_X×KX)……(4)

这些式(3)～式(4)相当于将所述式(1)～式(2)的第一暂定风险Risk_tmp1替换成第二风险Risk2的式。

继而，分别将第一权重系数K1设定成第一规定值Kref1，将第二权重系数K2设定成第二规定值Kref2(图10/步骤36)。这些第一规定值Kref1及第二规定值Kref2是Kref1≧Kref2成立的正的规定值。

其后，通过下式(5)来算出第三暂定风险Risk_tmp3(图10/步骤37)。

Risk_tmp3＝K1×Risk1+K2×Risk2……(5)

继而，通过将第三暂定风险Risk_tmp3整数化来算出行驶风险R_risk(图10/步骤38)。其后，结束本处理。

另一方面，当步骤32的判定为否定，交通参加者与道路状况的关系不适当时(例如图4、图5中所示的关系时)，将第一风险Risk1设定成规定值Rref(例如值3)(图10/步骤39)。

继而，通过所述式(3)～式(4)来算出第二风险Risk2(图10/步骤40)。

其后，分别将第一权重系数K1设定成第三规定值Kref3，将第二权重系数K2设定成第四规定值Kref4(图10/步骤41)。这些第三规定值Kref3及第四规定值Kref4是Kref3<Kref4或Kref3＜＜Kref4成立的正的规定值。

继而，如所述那样算出第三暂定风险Risk_tmp3及行驶风险R_risk(图10/步骤37、步骤38)。其后，结束本处理。

在图10的算出处理中，利用以上的方法将行驶风险R_risk作为值1～值3的范围内的整数值来算出。

如上所述，根据第二实施方式的风险推断装置，使用包含第一风险Risk1及第二风险Risk2作为自变量的加权运算式(5)，算出第三暂定风险Risk_tmp3，并将其整数化，由此算出行驶风险R_risk。

此时，在已判定交通参加者与道路状况的关系不适当的情况(例如图4、图5中所示的关系的情况)下，将与第二风险Risk2相乘的第二权重系数K2设定成比与第一风险Risk1相乘的第一权重系数K1大的值Kref4。由此，与已判定交通参加者与道路状况的关系适当的情况相比，可一边提高交通参加者的状况的反映程度，一边算出行驶风险R_risk。其结果，即便在交通参加者与道路状况的关系不适当的条件下，也可以适当地推断行驶风险R_risk。

另一方面，在已判定交通参加者与道路状况的关系适当的情况下，将第一风险Risk1设定成第二权重系数K2以上的值。由此，与已判定交通参加者与道路状况的关系不适当的情况相比，可一边提高交通参加者与道路状况的关系的反映程度，一边算出行驶风险R_risk。其结果，即便在交通参加者与道路状况的关系适当的条件下，也可以适当地推断行驶风险R_risk。

另外，第二实施方式是将通过参照图7的风险图表来算出第一风险Risk1者用作第一风险推断部的例子，但本发明的第一风险推断部并不限定于此，只要是对应于交通参加者及道路状况的关系，推断本车辆的前进方向上的第一风险者即可。例如，也可以对应于交通参加者及道路状况的关系，通过检索图7的风险图表以外的图表来算出第一风险，也可以对应于交通参加者及道路状况的关系，通过数学式来算出第一风险。

另外，第二实施方式是将通过式(3)～式(4)来算出第二风险Risk2者用作第二风险推断部的例子，但本发明的第二风险推断部并不限定于此，只要是对应于交通参加者的状况，推断本车辆的前进方向上的第二风险者即可。例如，也可以对应于交通参加者的状况，通过参照图表来算出第二风险。

Claims (5)

1.一种风险推断装置，其特征在于，包括：

周边状况数据获取部，获取周边状况数据，所述周边状况数据表示本车辆的前进方向上的周边状况；

识别部，根据所述周边状况数据，识别所述本车辆的前进方向上的交通参加者、道路状况及所述交通参加者的状况；

基准关系模型存储部，存储基准关系模型，所述基准关系模型对成为所述交通参加者与所述道路状况之间的基准的关系进行了定义；

风险模型存储部，存储风险模型，所述风险模型对所述交通参加者及所述道路状况的关系、与所述本车辆的前进方向上的风险的关系进行了定义；

关系判定部，在由所述识别部识别了所述交通参加者及所述道路状况的情况下，所述关系判定部使用所述基准关系模型判定所述交通参加者与所述道路状况的关系是否适当；以及

风险推断部，在由所述关系判定部判定了所述交通参加者与所述道路状况的关系适当的情况下，所述风险推断部使用所述风险模型推断对应于所述交通参加者与所述道路状况的关系的所述风险，并且在由所述关系判定部判定了所述交通参加者与所述道路状况的关系不适当的情况下，所述风险推断部对应于所述交通参加者的状况推断所述本车辆的前进方向上的所述风险。

2.一种风险推断装置，其特征在于，包括：

周边状况数据获取部，获取周边状况数据，所述周边状况数据表示本车辆的前进方向上的周边状况；

识别部，根据周边状况数据，识别所述本车辆的前进方向上的交通参加者、道路状况及所述交通参加者的状况；

基准关系模型存储部，存储基准关系模型，所述基准关系模型对成为所述交通参加者与所述道路状况之间的基准的关系进行了定义；

关系判定部，在由所述识别部识别了所述交通参加者及所述道路状况的情况下，所述关系判定部使用所述基准关系模型判定所述交通参加者与所述道路状况的关系是否适当；

第一风险推断部，对应于所述交通参加者及所述道路状况的关系，推断所述本车辆的前进方向上的第一风险；

第二风险推断部，对应于所述交通参加者的状况，推断所述本车辆的前进方向上的第二风险；以及

风险算出部，使用包含所述第一风险及所述第二风险作为自变量的加权运算式，算出所述本车辆的前进方向上的风险，

所述风险算出部在由所述关系判定部判定了所述交通参加者与所述道路状况的关系不适当的情况下，将对于所述第二风险的权重设定成比对于所述第一风险的权重大的值。

3.根据权利要求1或2所述的风险推断装置，其特征在于，

在所述交通参加者为汽车的情况下，当所述道路状况为人行横道时，所述关系判定部判定所述交通参加者与所述道路状况的关系不适当。

4.根据权利要求3所述的风险推断装置，其特征在于，

在所述汽车的前后方向处于沿着人行横道的延设方向的状态的情况下，所述关系判定部判定所述交通参加者与所述道路状况的关系不适当。

5.一种车辆控制装置，其特征在于，包括：

如权利要求1至4中任一项所述的风险推断装置；以及

控制部，当所述本车辆通过所述交通参加者的周边区域时，在已判定所述交通参加者与所述道路状况的关系不适当的情况下，以与已判定所述交通参加者与所述道路状况的关系适当的情况相比，所述本车辆的减速度及对于所述交通参加者的回避程度变得更大的方式，执行所述本车辆的自动驾驶控制。

Images