JP2005180196A - 車両用運転操作補助装置および車両用運転操作補助装置を備えた車両 - Google Patents

Abstract

【課題】
ドライバの運転意図を精度よく推定し、ドライバの意図に合った反力制御および減速度制御を行う車両用運転操作補助装置を提供する。
【解決手段】
車両用運転操作補助装置は、自車両周囲のリスクポテンシャルを算出し、リスクポテンシャルに基づいてアクセルペダルに発生させる操作反力の指令値および自車両に発生させる減速度を算出する。そして、運転意図推定装置においてドライバの車線変更意図が推定されると、推定した車線変更意図の確信度に基づいて反力指令値および減速度指令値を減衰する。
【選択図】 図１０

Description

本発明は、走行中の運転者の運転行動意図を推定し、推定した運転行動意図に応じて運転者の操作を補助する車両用運転操作補助装置に関する。

運転行動意図を推定する従来の装置としては、運転者の視線行動を用いて運転意図を推定するものがある（例えば特許文献１参照）。この装置は、運転者の視線方向を前方投影平面に投影し、投影平面上の分割された複数の領域における視線方向頻度分布を用いて運転者の運転意図を推定する。

本願発明に関連する先行技術文献としては次のものがある。
特開２００２−３３１８５０号公報

上述した従来の装置は、運転者の視線方向や視線の注視頻度等を用いて運転者の運転行動意図を推定することができる。ただし、運転者の視線行動は車両走行環境の差異に影響され、さらに運転者の個人差も大きく意図推定の精度が変動してしまうという問題があるため、常に高い精度で運転意図を推定し、車両制御することが望まれている。

本発明による車両用運転操作補助装置は、自車両周囲の障害物状況を検出する障害物検出手段と、障害物検出手段による検出結果に基づいて、自車両周囲のリスクポテンシャルを算出するリスクポテンシャル算出手段と、リスクポテンシャル算出手段によって算出されるリスクポテンシャルに基づいて、車両操作機器を操作する際に発生する操作反力を制御する操作反力制御手段と、自車両の車両状態および車両周囲状態を検出する車両状態検出手段と、ドライバによる運転操作量を検出する運転操作量検出手段と、車両状態検出手段および運転操作量検出手段による検出結果に基づいて前記ドライバの運転意図を推定する運転意図推定手段と、運転意図推定手段による運転意図の推定結果の確信度を算出する確信度算出手段と、確信度算出手段によって算出される確信度に基づいて、操作反力制御手段によって制御する操作反力を変更する操作反力変更手段とを備える。
また、本発明による車両用運転操作補助装置は、自車両周囲の障害物状況を検出する障害物検出手段と、障害物検出手段による検出結果に基づいて、自車両周囲のリスクポテンシャルを算出するリスクポテンシャル算出手段と、リスクポテンシャル算出手段によって算出されるリスクポテンシャルに基づいて、自車両に発生させる減速度を制御する減速度制御手段と、自車両の車両状態および車両周囲状態を検出する車両状態検出手段と、ドライバによる運転操作量を検出する運転操作量検出手段と、車両状態検出手段および運転操作量検出手段による検出結果に基づいてドライバの運転意図を推定する運転意図推定手段と、運転意図推定手段による運転意図の推定結果の確信度を算出する確信度算出手段と、確信度算出手段によって算出される確信度に基づいて、減速度制御手段によって制御する減速度を変更する減速度変更手段とを備える。

推定された運転意図の確信度に基づいて車両操作機器に発生する操作反力を変更するので、自車両周囲のリスクポテンシャルを操作反力としてドライバに知らせながら、ドライバの運転意図を反映した操作反力制御を行うことができる。
推定された運転意図の確信度に基づいて自車両に発生させる減速度を変更するので、ドライバの運転意図を反映しながら減速度を発生させ、ドライバの注意を喚起することができる。

《第１の実施の形態》
本発明の第１の実施の形態による運転意図推定装置および車両用運転操作補助装置について、図面を用いて説明する。図１（ａ）は、本発明の第１の実施の形態による運転意図推定装置１の構成を示すシステム図、（ｂ）は本発明の第１の実施の形態による車両用運転操作補助装置１００の構成を示すシステム図である。まず、第１の実施の形態による運転意図推定装置１の構成を説明する。

運転意図推定装置１は、自車両周囲の状態を検出する車両周囲状態検出部１０と、車両状態を検出する車両状態検出部２０と、ドライバの操作による運転操作量を検出する運転操作量検出部３０と、仮想ドライバ運転意図系列動的決定部４０と、仮想ドライバ操作量計算部５０と、仮想ドライバ運転操作量近似度合計算部６０と、運転意図推定部７０と、確信度推定部８０とを備えている。

運転意図推定装置１は、運転意図を有する仮想のドライバを複数設定し、実際のドライバの運転操作と仮想ドライバの運転操作とを比較する。そして、実際のドライバの運転操作と仮想ドライバの運転操作がどれだけ近似しているかに基づいて、例えば車線維持や車線変更といった実際のドライバの運転意図を推定する。運転意図を推定するために、現在から過去の直近の所定時間における仮想ドライバの運転意図系列を動的に決定する。そして、動的に決定した運転意図系列を用いて運転操作の系列的な近似度合を算出し、実際のドライバの運転意図を推定する。さらに、推定した実際のドライバの運転意図について、その運転意図がどれほど確実かを表す確信度を推定する。

車両周囲状態検出部１０は、例えば自車両の前方道路状況を画像として取得する前方カメラおよびヨー角センサ等を備え、自車両の車線内横方向位置、および車線に対する自車両のヨー角等を検出する。なお、車両周囲状態検出部１０は、前方カメラで取得した画像信号を画像処理する画像処理装置も備えている。

車両状態検出部２０は、例えば自車速を検出する車速センサを備えている。運転操作量検出部３０は、例えば操舵系に組み込まれた操舵角センサを備え、自車両の操舵角を検出する。

仮想ドライバ運転意図系列動的決定部４０，仮想ドライバ操作量計算部５０、仮想ドライバ運転操作量近似度合計算部６０、運転意図推定部７０および確信度推定部８０は、例えばそれぞれマイクロコンピュータから構成される。またはＣＰＵと、ＲＯＭおよびＲＡＭ等のＣＰＵ周辺部品とから構成されるコントローラにおいて、ＣＰＵのソフトウェア形態によりそれぞれを構成することもできる。

仮想ドライバ運転意図系列動的決定部４０は、現在から過去の直近の所定時間において、複数の仮想ドライバの運転意図系列を動的に決定する。ここで、仮想ドライバの運転意図系列を動的に決定するとは、時間によって仮想ドライバの運転意図、さらには仮想ドライバすなわち運転意図系列の数が変化することを表している。従って、例えば現在の運転意図が右車線変更であっても、過去の運転意図は車線維持である仮想ドライバが設定される可能性もある。

仮想ドライバ運転操作量計算部５０は、それぞれ異なる運転意図を与えられた複数の仮想ドライバが、それぞれの運転意図を遂行するために必要な運転操作量を計算する。仮想ドライバ運転操作量近似度合計算部６０は、仮想ドライバ運転操作量計算部５０で算出した仮想ドライバの運転操作量と、運転操作量検出部３０で検出された実際のドライバの運転操作量との近似度合を、仮想ドライバ運転意図系列動的決定部４０で決定した運転意図系列毎に算出する。

運転意図推定部７０は、複数の仮想ドライバと実際のドライバについて算出された運転操作量に関する運転意図系列毎の近似度合を比較することにより、実際のドライバの運転意図を推定する。確信度推定部８０は、推定した実際のドライバの運転意図の確信度を推定する。

つぎに、車両用運転操作補助装置１００の構成を説明する。
レーザレーダ１１０は、車両の前方グリル部もしくはバンパ部等に取り付けられ、水平方向に赤外光パルスを照射して自車両の前方領域を走査する。レーザレーダ１１０は、前方にある複数の反射物（通常、先行車の後端）で反射された赤外光パルスの反射波を計測し、反射波の到達時間より、先行車までの車間距離と相対速度を検出する。検出した車間距離及び相対速度はコントローラ１５０へ出力される。レーザレーダ１１０によりスキャンされる前方の領域は、自車正面に対して±６deg 程度であり、この範囲内に存在する前方物体が検出される。

前方カメラ１２０は、フロントウィンドウ上部に取り付けられた小型のＣＣＤカメラ、またはＣＭＯＳカメラ等であり、前方道路の状況を画像として検出する。前方カメラ１２０からの画像信号は画像処理装置１３０で画像処理を施され、コントローラ１５０へと出力される。前方カメラ１２０による検知領域は車両の前後方向中心線に対して水平方向に±３０deg程度であり、この領域に含まれる前方道路風景が画像として取り込まれる。

車速センサ１４０は、車輪の回転数や変速機の出力側の回転数を計測することにより自車両の車速を検出し、検出した自車速をコントローラ１５０に出力する。
さらに、上述した運転意図推定装置１によって推定された実際のドライバの運転意図λrdおよび確信度Ｓｃがコントローラ１５０へ入力される。

コントローラ１５０は、ＣＰＵと、ＲＯＭおよびＲＡＭ等のＣＰＵ周辺部品とから構成される。コントローラ１５０は、例えばＣＰＵのソフトウェア形態により、リスクポテンシャル計算部１５１，アクセルペダル反力指令値計算部１５２，およびアクセルペダル反力指令値補正部１５３を構成する。

リスクポテンシャル計算部１５１は、レーザレーダ１１０および車速センサ１４０から入力される自車速、車間距離および先行車両との相対車速と、画像処理装置１３０から入力される車両周辺の画像情報とから、自車両周囲のリスクポテンシャルＲＰを算出する。アクセルペダル反力指令値計算部１５２は、リスクポテンシャル計算部１５１で算出されたリスクポテンシャルＲＰに基づいて、アクセルペダル１６０に発生させるアクセルペダル反力の指令値ＦＡを算出する。

アクセルペダル反力指令値補正部１５３は、運転意図推定装置１から入力される運転意図推定結果および確信度Ｓｃに基づいて、アクセルペダル反力指令値計算部１５２で算出されたアクセルペダル反力指令値ＦＡを補正する。アクセルペダル反力指令値補正部１５３で補正されたアクセルペダル反力指令値ＦＡｃは、アクセルペダル反力制御装置１７０へ出力される。

アクセルペダル反力制御装置１７０は、コントローラ１５０からの指令値に応じてアクセルペダル操作反力を制御する。アクセルペダル１６０には、リンク機構を介してサーボモータ１８０およびアクセルペダルストロークセンサ１８１が接続されている（図１２参照）。サーボモータ１８０は、アクセルペダル反力制御装置１７０からの指令に応じてトルクと回転角とを制御し、運転者がアクセルペダル１６０を操作する際に発生する操作反力を任意に制御する。アクセルペダルストロークセンサ１８１は、リンク機構を介してサーボモータ１８０の回転角に変換されたアクセルペダル１６０のストローク量Ｓを検出する。

なお、アクセルペダル反力制御を行わない場合の通常のアクセルペダル反力特性は、例えば、ストローク量Ｓが大きくなるほどアクセルペダル反力がリニアに大きくなるよう設定されている。通常のアクセルペダル反力特性は、例えばアクセルペダル１６０の回転中心に設けられたねじりバネ（不図示）のバネ力によって実現することができる。

以下に、第１の実施の形態による運転意図推定装置１の動作を、図２〜図６を用いて詳細に説明する。図２は、運転意図推定装置１における運転意図推定処理プログラムの処理手順を示すフローチャートである。図３は、仮想ドライバの運転操作量の算出方法を説明する図、図４および図５（ａ）（ｂ）は、仮想ドライバの動的運転意図系列の設定方法を説明する図、図６は、運転操作量の系列近似度合の算出方法を説明する図である。図２に示す処理の処理内容は、一定間隔（例えば５０msec）毎に連続的に行われる。

ステップＳ１０１では、車両周囲状態検出部１０によって検出される現在の自車両の車線内横位置ｙと自車両のヨー角ψを読み込む。図３に示すように、車線内横位置ｙは、自車線の車線中央線から自車両中心点Ｏまでの左右方向距離であり、ヨー角ψは、自車線の直進方向に対する自車両の回転角である。

ステップＳ１０２では、複数の仮想ドライバの運転操作量Oidを算出する。ここでは、車線維持（ＬＫ）、右車線変更（ＬＣＲ）、および左車線変更（ＬＣＬ）の運転意図を持つ３人の仮想ドライバを設定する。そして、それぞれの仮想ドライバがその運転意図を遂行するために必要な運転操作量Oidを算出する。ここでは、仮想ドライバが行う操舵操作の操舵角θidを、運転操作量Oidとして算出する。以下に、仮想ドライバの運転操作量Oidの算出方法を説明する。

（１）仮想ドライバの運転意図が車線維持の場合
仮想ドライバの操舵角θidを算出するために、まず仮想ドライバの運転意図が車線維持である場合の前方参照点ＬＫ（ｉ）を設定し、前方参照点ＬＫ（ｉ）の横位置p_lkを算出する。前方参照点ＬＫ（ｉ）の個数は任意であるが、ここでは自車両の前後方向中心線上に２つの前方参照点ＬＫ１，ＬＫ２を設定した場合を例として説明する。図３に示すように、自車両中心点Ｏから前方参照点ＬＫ１，ＬＫ２までの距離px(i)は、例えばpx(1)＝１０ｍ、px(2)＝３０ｍに設定する（px＝｛１０ｍ、３０ｍ｝）。距離px(i)は、例えば自車速に応じて設定することもできる。

現在自車両が走行する車線の中央線から前方参照点ＬＫ（ｉ）までの左右方向距離lat_pos(px(i))は、自車両のヨー角ψと前方地点ＬＫ（ｉ）までの距離ｐｘ（ｉ）に依存し、例えば前方カメラからの画像信号に基づいて算出することができる。車線維持の場合の前方参照点ＬＫ（ｉ）の横位置p_lk(px(i))は、以下の（式１）で表すことができる。
p_lk(px(i))=lat_pos(px(i)) i={1,...,n}・・・（式１）
ここで、ｎ＝２である。

前方参照点ＬＫ（ｉ）の横位置p_lk(px(i))を用いて、車線維持の場合の仮想ドライバの操舵角θid_lkを以下の（式２）から算出することができる。
θid_lk＝Σ｛a(i)×p_lk(px(i))｝ ・・・（式２）
ここで、a(i)は前方参照点ＬＫ（ｉ）における横位置p_lk(px(i))に重み付けをする重み付け係数であり、予め適切な値を設定しておく。

（２）仮想ドライバの運転意図が右車線変更の場合
仮想ドライバの操舵角θidを算出するために、仮想ドライバの運転意図が右車線変更である場合の前方参照点ＬＣＲ（ｉ）を設定する。図３には、自車両の前方に２つの前方参照点ＬＣＲ１，ＬＣＲ２を設定した場合を例として示している。

右車線変更の場合の前方参照点ＬＣＲ（ｉ）の横位置p_lcr(px(i))は、以下の（式３）で表すように、車線維持の場合の前方参照点ＬＫ（ｉ）の左右方向距離lat_pos(px(i))にオフセット量lc_offset_lcrを加算して算出することができる。
p_lcr(px(i))=lat_pos(px(i))+lc_offset_lcr i={1,...,n}・・・（式３）
ここで、ｎ＝２である。オフセット量lc_offset_lcrは、右車線変更の場合の前方参照点ＬＣＲ（ｉ）の横位置p_lcr(px(i))を設定するために予め適切な値、例えばlc_offset_lcr＝−１．７５に設定する。

前方参照点ＬＣＲ（ｉ）の車線内横位置p_lcr(px(i))を用いて、右車線変更の場合の操舵角θid_lcrを以下の（式４）から算出することができる。
θid_lcr＝Σ｛a(i)×p_lcr(px(i))｝ ・・・（式４）
ここで、a(i)は前方参照点ＬＣＲ（ｉ）における車線内横位置p_lcr(px(i))に重み付けをする重み付け係数であり、予め適切な値を設定しておく。

（３）仮想ドライバの運転意図が左車線変更の場合
仮想ドライバの操舵角θidを算出するために、仮想ドライバの運転意図が左車線変更である場合の前方参照点ＬＣＬ（ｉ）を設定する。図３には、自車両の前方に２つの前方参照点ＬＣＬ１，ＬＣＬ２を設定した場合を例として示している。

左車線変更の場合の前方参照点ＬＣＬ（ｉ）の横位置p_lcl(px(i))は、以下の（式５）で表すように、車線維持の場合の前方参照点ＬＫ（ｉ）の左右方向距離lat_pos(px(i))にオフセット量lc_offset_lclを加算して算出することができる。
p_lcl(px(i))=lat_pos(px(i))+lc_offset_lcl i={1,...,n}・・・（式５）
ここで、ｎ＝２である。オフセット量lc_offset_lclは、左車線変更の場合の前方参照点ＬＣＬ（ｉ）の横位置p_lcl(px(i))を設定するために予め適切な値、例えばlc_offset_lcl＝１．７５に設定する。

前方参照点ＬＣＬ（ｉ）の車線内横位置p_lcl(px(i))を用いて、左車線変更の場合の仮想ドライバの操舵角θid_lclを以下の（式６）から算出することができる。
θid_lcl＝Σ｛a(i)×p_lcl(px(i))｝ ・・・（式６）
ここで、a(i)は前方参照点ＬＣＬ（ｉ）における車線内横位置p_lcl(px(i))に重み付けをする重み付け係数であり、予め適切な値を設定しておく。

このようにステップＳ１０２で仮想ドライバの運転操作量Oidを算出した後、ステップＳ１０３へ進む。ステップＳ１０３では、運転操作量検出部３０によって検出される現在の操舵角θrdを、実際のドライバの運転操作量Ordとして読み込む。

ステップＳ１０４では、仮想ドライバの動的運転意図系列を生成する。ここでは、図４に示すように、現時点ｔから過去の時点（ｔ−ｍ＋１）までのｍ個の時間フレームにおいて可能性のある運転意図を組み合わせて仮想ドライバの運転意図系列を生成する。例えば、運転意図系列Ｌ１は、過去の時点（ｔ−ｍ＋１）から（ｔ−１）の時点までは車線維持ＬＫの運転意図を有していたが、現時点ｔで運転意図が右車線変更ＬＣＲに変化した仮想ドライバを表している。運転意図系列Ｌ２は、１フレーム前の時点（ｔ−１）で運転意図が車線維持ＬＫから右車線変更ＬＣＲに変化した仮想ドライバを表し、運転意図系列Ｌ３は、過去の時点（ｔ−ｍ＋３）で運転意図が車線維持ＬＫから右車線変更ＬＣＲに変化した仮想ドライバを表している。

以下に、仮想ドライバの動的運転意図系列の設定方法について説明する。過去の時点（ｔ−ｍ＋１）から時間（ｔ−１）までの運転意図系列は、時間（ｔ−１）で設定した運転意図系列を継続して使用する。現時点ｔにおける仮想ドライバの運転意図は、１フレーム前の時間（ｔ−１）における仮想ドライバの運転意図および運転意図系列の生成則に基づいて動的に決定する。

図５（ａ）に示すように、時間（ｔ−１）における仮想ドライバの運転意図が車線維持ＬＫの場合、時間ｔにおいて可能性のある仮想ドライバの運転意図は、車線維持ＬＫ、右車線変更ＬＣＲおよび左車線変更ＬＣＬである。従って、時間（ｔ−１）までは一つであった運転意図系列が、時間ｔにおいて３つに増加する。このとき、３つの運転意図系列は分岐元の時間（ｔ−ｍ＋１）から時間（ｔ−１）までの運転意図系列をそれぞれ継承する。

一方、時間（ｔ−１）における仮想ドライバの運転意図が車線変更の場合、時間ｔにおいて可能性のある仮想ドライバの運転意図は同一方向の車線変更のみである。図５（ｂ）に示すように、時間（ｔ−１）における仮想ドライバの運転意図が右車線変更ＬＣＲの場合、時間ｔにおいて可能性のある仮想ドライバの運転意図は右車線変更ＬＣＲのみである。具体的には、時間ｔにおいて自車両が右車線変更を継続していると判定される場合は運転意図を右車線変更ＬＣＲとし、その運転意図系列を存続させる。一方、例えば右隣接車線への車線変更を完了し、時間ｔでは車線変更を実行していない場合は、その運転意図系列自体を消滅させる。

車線変更継続判定方法としては、例えば自車両の横位置および走行車線検出結果を用いて、時間（ｔ−１）の運転意図が右車線変更ＬＣＲの場合、時間ｔにおいて自車両がまだ同じ車線内を走行しているときは車線変更継続中であると判断する。一方、時間ｔにおいて時間（ｔ−１）とは異なる車線を走行している場合は、車線変更の実行中ではないと判断する。時間（ｔ−１）の運転意図が左車線変更ＬＣＬの場合も、同様にして時間ｔの運転意図を設定する。

このように、ステップＳ１０４では、時間（ｔ−１）の仮想ドライバの運転意図および現時点ｔでの自車両の車両周囲状態に基づいて運転意図系列を新たに形成または消滅して、現時点ｔから過去の時点（ｔ−ｍ＋１）の間の複数の運転意図系列を生成する。

なお、運転意図系列を生成する際のｍ個の時間フレームは、常に現在までの直近のｍ個の時間フレームであり、次周期（ｔ＋１）において運転意図系列を生成する時は、時間（ｔ＋１）から過去の時間（ｔ−ｍ＋２）までのｍ個の時間フレームを用いる。

ステップＳ１０５では、ステップＳ１０２で算出した各運転意図における仮想ドライバの運転操作量Oidと、ステップＳ１０３で検出した実際のドライバの運転操作量Ordとを用いて、仮想ドライバの運転操作量近似度合Pidを算出する。ここでは、運転意図が車線維持の場合、右車線変更の場合、および左車線変更の場合の近似度合Pid_lk, Pid_lcr, Pid_lclをまとめてPidで表す。同様に、運転意図が車線維持の場合、右車線変更の場合、および左車線変更の場合の仮想ドライバの操舵角θid_lk, θid_lcr, θid_lclをまとめてθidで表す。

仮想ドライバ運転操作量近似度合Pidは、実際のドライバの操舵角θrdを平均値、所定値ρrdを標準偏差とする正規分布に対して、仮想ドライバの操舵角θidの正規化（規準化）値の対数確率として、以下の（式７）から算出することができる。
Pid＝log｛Probn（（θid−θrd）／ρrd）｝ ・・・（式７）
ここで、Probnは、与えられた標本が、正規分布で表される母集団から観測される確率を計算するための確率密度変換関数である。

このように、ステップＳ１０５では、（式７）を用いて車線維持の場合の近似度合Pid_lk、右車線変更の場合の近似度合Pid_lcr、および左車線変更の場合の近似度合Pid_lclをそれぞれ算出する。その後、ステップＳ１０６へ進む。

つづくステップＳ１０６では、ステップＳ１０４で生成した複数の仮想ドライバの動的運転意図系列について、それぞれ仮想ドライバ運転操作量系列近似度合Pidsを算出する。ここでは、図６に示すように、各動的運転意図系列ｊに属する過去の時点（ｔ−ｍ＋１）から現時点ｔまでのｍ個の運転操作量近似度合Pid(j)(t-m+1)〜Pid(j)(t)を用いて、動的運転意図系列ｊの系列的な近似度合P(j)idsを算出する。なお、過去の運転操作量近似度合Pidは不図示のメモリに記憶されているとする。動的仮想ドライバ運転操作量系列近似度合P(j)idsは、以下の（式８）から算出することができる。

ここで、Πは、動的運転意図系列ｊにおける現時点ｔでの仮想ドライバ運転操作量近似度合Pid(j)(t)から過去の時点（ｔ−ｍ＋１）での仮想ドライバ運転操作量近似度合Pid(j)(t-m+1)までを全て積算した積和を表す。

このように、ステップＳ１０６で、（式８）を用いて各動的運転意図系列ｊの近似度合P(j)idsをそれぞれ算出した後、ステップＳ１０７へ進む。

ステップＳ１０７では、以下の（式９）に表すように、ステップＳ１０６で算出した動的仮想ドライバ運転操作量系列近似度合P(j)idsの最大値を有する仮想ドライバの運転意図系列ｊを、最大の尤度を持つ運転意図系列Ｌmaxとして選択する。そして、運転意図系列Ｌmaxを持つ仮想ドライバの現在の運転意図を、実際のドライバの運転意図λrdとして選択する。
λrd＝max{Pids_lk, Pids_lcr, Pids_lcl} ・・・（式９）

ステップＳ１０８では、ステップＳ１０７で推定した実際のドライバの運転意図λrdの確信度Ｓｃを推定する。そこで、仮想ドライバの現在の運転意図が車線維持ＬＫである運転意図系列ｊから、最も確率の高い仮想ドライバを選択する。また、仮想ドライバの現在の運転意図が車線変更ＬＣである運転意図系列ｊから、最も確率の高い仮想ドライバを選択する。

具体的には、例えば図６に示すように系列Ｌ１，Ｌ２，Ｌ３の現在の運転意図が右車線変更ＬＣＲの場合、それぞれの運転操作量系列近似度合P(1)ids, P(2)ids, P(3)idsから最大値を選択する。そして、最も大きな運転操作量系列近似度合P(j)idsを持つ運転意図系列ｊを、最も確率の高い右車線変更ＬＣＲの仮想ドライバとして選択する。

ここで、右車線変更ＬＣＲおよび左車線変更ＬＣＬをまとめて車線変更ＬＣと表す。ステップＳ１０７で実際のドライバの運転意図λrdが右車線変更ＬＣＲであると推定されたときは、仮想ドライバの現在の運転意図が右車線変更ＬＣＲである運転意図系列ｊから、最も確率の高い仮想ドライバを選択する。実際のドライバの運転意図λrdが左車線変更ＬＣＬであると推定されたときは、仮想ドライバの現在の運転意図が左車線変更ＬＣＬである運転意図系列ｊから、最も確率の高い仮想ドライバを選択する。また、実際のドライバの運転意図λrdが車線維持ＬＫであると推定されたときは、仮想ドライバの現在の運転意図が右車線変更ＬＣＲまたは左車線変更ＬＣＬである運転意図系列ｊから、最も確率の高い仮想ドライバを選択する。

車線維持ＬＫの最も確率の高い仮想ドライバの確率Ｐｒ（ＬＫ）と、車線変更ＬＣの最も高い仮想ドライバの確率Ｐｒ（ＬＣ）とを用いて、ステップＳ１０７で推定した運転意図λrdの確信度Ｓｃを以下の（式１０）から算出する。なお、確率Ｐｒ（ＬＫ）は、最も確率の高い車線維持ＬＫの仮想ドライバの運転操作量系列近似度合P(j)ids、確率Ｐｒ（ＬＣ）は、最も確率の高い車線変更ＬＣの仮想ドライバの運転操作量系列近似度合P(j)idsである。
Ｓｃ＝１／｛１＋exp（−２×ｋ×Ｐｒ（ＬＣ）／Ｐｒ（ＬＫ））｝ ・・・（式１０）
（式１０）において、ｋは任意の係数である。

（式１０）で算出される確信度Ｓｃは、０〜１の範囲で変化し、車線変更ＬＣの確率が車線維持ＬＫの確率よりも相対的に高いほど大きな値をとる。例えば、車線変更ＬＣと車線維持ＬＫの確率が50:50のときに、確信度Ｓｃ＝０．５となり、車線変更ＬＣの確率が１のときに、確信度Ｓｃ＝１となる。

続くステップＳ１０９では、ステップＳ１０７で推定した実際のドライバの運転意図λrd、およびステップＳ１０８で算出した運転意図λrdの確信度Ｓｃを出力する。これにより、今回の処理を終了する。

つぎに、第１の実施の形態による車両用運転操作補助装置１００の動作を、図７を用いて詳細に説明する。図７は、コントローラ１５０における運転操作補助制御プログラムの処理手順を示すフローチャートである。本処理内容は、一定間隔（例えば５０msec）毎に連続的に行われる。

ステップＳ２０１で、レーザレーダ１１０、前方カメラ１２０および車速センサ１４０によって検出される自車両周囲の走行環境を表す環境状態量を読み込む。具体的には、自車両と先行車との車間距離Ｄ、先行車速Ｖ２および自車速Ｖ１を読み込む。ステップＳ２０２では、ステップＳ２０１で読み込んだ走行環境に基づいて、自車両周囲のリスクポテンシャルＲＰを算出する。ここでは、自車両周囲のリスクポテンシャルＲＰを算出するために、先行車に対する余裕時間ＴＴＣと車間時間ＴＨＷとを算出する。

余裕時間ＴＴＣは、先行車に対する現在の自車両の接近度合を示す物理量である。余裕時間ＴＴＣは、現在の走行状況が継続した場合、つまり自車速Ｖ１、先行車速Ｖ２および相対車速Ｖｒ（Ｖｒ＝Ｖ２−Ｖ１）が一定の場合に、何秒後に車間距離Ｄがゼロとなり自車と先行車両とが接触するかを示す値である。余裕時間ＴＴＣは、以下の（式１１）により求められる。
ＴＴＣ＝−Ｄ／Ｖｒ ・・・（式１１）

余裕時間ＴＴＣの値が小さいほど、先行車への接触が緊迫し、先行車への接近度合が大きいことを意味している。例えば先行車への接近時には、余裕時間ＴＴＣが４秒以下となる前に、ほとんどの運転者が減速行動を開始することが知られている。

車間時間ＴＨＷは、自車両が先行車に追従走行している場合に、想定される将来の先行車の車速変化による余裕時間ＴＴＣへの影響度合、つまり相対車速ｖｒが変化すると仮定したときの影響度合を示す物理量である。車間時間ＴＨＷは、以下の（式１２）で表される。
ＴＨＷ＝Ｄ／Ｖ１ ・・・（式１２）

車間時間ＴＨＷは、車間距離Ｄを自車速Ｖ１で除したものであり、先行車の現在位置に自車両が到達するまでの時間を示す。この車間時間ＴＨＷが大きいほど、周囲の環境変化に対する予測影響度合が小さくなる。つまり、車間時間ＴＨＷが大きい場合には、もしも将来に先行車の車速が変化しても、先行車までの接近度合には大きな影響を与えず、余裕時間ＴＴＣはあまり大きく変化しないことを示す。なお、自車両が先行車に追従し、自車速Ｖ１＝先行車速Ｖ２である場合は、（式１２）において自車速Ｖ１の代わりに先行車速Ｖ２を用いて車間時間ＴＨＷを算出することもできる。

そして、算出した余裕時間ＴＴＣと車間時間ＴＨＷとを用いて先行車に対するリスクポテンシャルＲＰを算出する。先行車に対するリスクポテンシャルＲＰは、以下の（式１３）を用いて算出することができる。
ＲＰ＝ａ／ＴＨＷ＋ｂ／ＴＴＣ ・・・（式１３）

（式１３）に示すように、リスクポテンシャルＲＰは、余裕時間ＴＴＣと車間時間ＴＨＷとから連続的に表現される物理量である。ここで、ａ、ｂは、車間時間ＴＨＷおよび余裕時間ＴＴＣにそれぞれ適切な重み付けをするための定数であり、予め適切な値を設定しておく。定数ａ、ｂは、例えばａ＝１，ｂ＝８（ａ＜ｂ）に設定する。

ステップＳ２１１では、アクセルペダルストロークセンサ１８１によって検出されるアクセルペダル１６０のストローク量Ｓを読み込む。ステップＳ２１２では、ステップＳ２０２で算出したリスクポテンシャルＲＰに基づいて、アクセルペダル反力指令値ＦＡを算出する。まず、リスクポテンシャルＲＰに応じた反力増加量ΔＦを算出する。

図８に、先行車に対するリスクポテンシャルＲＰと反力増加量ΔＦとの関係を示す。図８に示すように、リスクポテンシャルＲＰが最小値ＲＰmin以下の場合は、反力増加量ΔＦを０とする。これは、自車両周囲のリスクポテンシャルＲＰが非常に小さいときにアクセルペダル反力ＦＡを増加することによって、運転者に煩わしさを与えてしまうことを避けるためである。最小値ＲＰminは、予め適切な値を設定しておく。

リスクポテンシャルＲＰが最小値ＲＰminを超える領域では、リスクポテンシャルＲＰに応じて反力増加量ΔＦが指数関数的に増加するように設定する。反力増加量ΔＦは、以下の（式１４）で表される。
ΔＦ＝ｋ・ＲＰ^ｎ ・・・（式１４）
ここで、定数ｋ、ｎはそれぞれ車種等によって異なり、ドライブシミュレータや実地試験によって取得される結果に基づいて、リスクポテンシャルＲＰを効果的に反力増加量ΔＦに変換できるように予め適切に設定しておく。

さらに、（式１４）に従って算出した反力増加量ΔＦを、アクセルペダルストローク量Ｓに応じた通常の反力特性に加算することにより、アクセルペダル反力指令値ＦＡを算出する。

ステップＳ２１３では、運転意図推定装置１によって推定された運転意図λrdを読み込み、ステップＳ２１４で、推定された運転者の運転意図λrdが車線変更であるか否かを判定する。運転者の運転意図λrdが車線変更の場合は、ステップＳ２１５へ進む。ステップＳ２１５では、運転意図推定装置１によって算出された運転意図λrdの確信度Ｓｃ、すなわちドライバの車線変更意図の確信度Ｓｃを読み込む。

ステップＳ２１６では、ステップＳ２１５で読み込んだ車線変更意図の確信度Ｓｃに基づいて、ステップＳ２１２で算出したアクセルペダル反力指令値ＦＡを補正する。具体的には、ステップＳ２１２で算出したアクセルペダル反力指令値ＦＡにローパスフィルタ等のフィルタ処理を施して減衰させる。

補正後のアクセルペダル反力指令値ＦＡは、以下の（式１５）を用いて表すことができる。なお、（式１５）において補正後の反力指令値ＦＡを制御用の反力指令値としてＦＡｃで表す。
ＦＡｃ＝ｇｆ_Ｆ（ＦＡ）
＝ｋｆ・｛１／（１＋Ｔsf）｝・ＦＡ ・・・（式１５）
ここで、ｋｆは適切に設定された定数、Ｔsfは反力指令値ＦＡを減衰させる際の時定数である。なお、時定数Ｔsfは、以下の（式１６）に示すように車線変更意図の確信度Ｓｃの関数として設定される。
Ｔsf＝ｆ_ｆ（Ｓｃ） ・・・（式１６）

図９に、車線変更意図の確信度Ｓｃと時定数Ｔsfとの関係を示す。図９に示すように、確信度Ｓｃが高くなるほど時定数Ｔsfが小さくなるように設定する。具体的には、確信度Ｓｃが０．５以上の領域で車線変更の確率が車線維持の確率よりも相対的に大きい場合は、確信度Ｓｃが大きくなるほど時定数Ｔsfが小さくなる。確信度Ｓｃが高いほど時定数Ｔsfを小さくすることにより、アクセルペダル反力を速やかに減衰させることができる。

一方、ステップＳ２１４において運転意図推定装置１によって推定された運転意図λrdが車線維持であると判定された場合は、ステップＳ２１７へ進み、ステップＳ２１２で算出したアクセルペダル反力指令値ＦＡをそのまま制御用の指令値ＦＡｃとして設定する。

ステップＳ２１８では、ステップＳ２１６またはＳ２１７で設定したアクセルペダル反力指令値ＦＡｃを、アクセルペダル反力制御装置１７０へ出力する。アクセルペダル反力制御装置１７０は、コントローラ１５０から入力された指令に従ってサーボモータ１８０を制御する。これにより、今回の処理を終了する。

このように、以上説明した第１の実施の形態においては、以下のような作用効果を奏することができる。
（１）運転意図推定装置１は、自車両の車両状態および車両周囲状態、および実際のドライバによる運転操作量に基づいて、実際のドライバの運転意図λrdを推定し、推定した運転意図λrdの確信度Ｓｃを算出する。これにより、運転意図推定装置１の推定結果がどれほど確実であるかを確信度Ｓｃとして表すことができる。そして、車両用運転操作補助装置１００は、自車両周囲のリスクポテンシャルＲＰに基づいてアクセルペダル操作反力制御を行うときに、運転意図推定装置１による推定結果に基づいてアクセルペダル操作反力を変更する。これにより、自車両周囲のリスクポテンシャルＲＰを車両操作機器であるアクセルペダル１６０の操作反力としてドライバに伝えながら、ドライバの運転意図に合った操作反力制御を行うことができる。
（２）運転意図推定装置１は、現時点ｔを含む過去の所定時間区間における複数の仮想ドライバの運転意図系列を動的に生成し、運転意図系列ｊ毎に、仮想ドライバの運転操作量Oidと実際のドライバの運転操作量Ordとの系列的な近似度合を表す運転操作量系列近似度合P(j)idsを算出する。そして、複数の運転操作量系列近似度合P(j)idsを比較することによって実際のドライバの運転意図λrdを推定する。これにより、実際のドライバの運転意図λrdを精度よく推定することができる。

なお、上述した第１の実施の形態においては、推定された運転意図λrdについて確信度Ｓｃを算出したが、車線変更意図が推定された場合のみに確信度Ｓｃを算出することも可能である。

なお、上述した第１の実施の形態においては、実際のドライバの運転操作量Ordと仮想ドライバの運転操作量Oidとして、操舵角θrd、θidを用いた。ただし、これには限定されず、例えば運転操作量としてアクセルペダルの操作量を用いることもできる。この場合、仮想ドライバのペダル操作量Sidは、例えば自車両と先行車との車間距離および車間時間ＴＨＷ等で表される先行車に対する接近度合に基づいて算出することができる。そして、実際のドライバのペダル操作量Srdと仮想ドライバのペダル操作量Sidとの近似度合に基づいて、実際のドライバの運転意図を推定する。

上述した第１の実施の形態においては、仮想ドライバの運転操作量Oidを算出するために、図３に示すように各運転意図において２つの前方参照点を設定したが、前方車参照点の数は任意に設定することができる。

上述した第１の実施の形態においては、複数の規範的な仮想ドライバの運転意図系列を動的に生成し、複数の仮想ドライバの運転操作と実際のドライバの運転操作とを比較することによって実際のドライバの運転意図λrdを推定した。ただし、これには限定されず、例えば予め学習された運転操作パターンと、実際のドライバの運転操作パターンとの合致度に基づいて、実際のドライバの運転意図を推定することもできる。

パターン識別による運転意図の検出手法としては、例えば、Support Vector Machine （ＳＶＭ）を用いる方法、またはRelevance Vector Machine （ＲＶＭ）を用いる方法がある。ＳＶＭはノンパラメトリックなパターン分類器の一つである。ＳＶＭは分離平面と入力パターンの距離を表すマージンを最大化するような分離平面を求めるもので、カーネルの特性により線形分離器として定式化されている。この定式化によってＳＶＭによるパターン分離平面を二次最適化問題の解として得ることができる。ＲＶＭはTippingによって提案されたカーネル学習器の一つである。ＲＶＭでは、学習データから目的とする関数を推定するときに、推定関数の重みパラメータに対して平均０の事前分布を与え、その分散をＥＭアルゴリズムによって重みパラメータに関する周辺尤度について最適化している。

ＳＶＭおよびＲＶＭのいずれにおいても、識別したい対象（ここでは車線維持および車線変更）に対応する正しい運転操作パターンを予め学習させておく。そして、実際の認識時には、実際のドライバによる運転操作パターンをリアルタイムに入力し、予め学習した運転操作パターンと実際のドライバの運転操作パターンとの合致度から、実際のドライバの運転意図が車線維持であるか、車線変更であるかを判別する。

以下の（式１７）に、ＳＶＭまたはＲＶＭを用いる場合の、実際のドライバの運転意図推定の判別式を示す。

ここで、ｗｎは予め学習された識別用のパラメータであり、複数の運転操作量（例えば操舵角、アクセルペダル操作量等）や車両状態量（例えば車速、車線からの側方距離等）を配列としてＫに入力する。（式１７）の結果ｙとして、実際のドライバの運転意図が車線維持あるいは車線変更であるかという判別結果を得ることができる。

さらに、ＳＶＭおよびＲＶＭのいずれの手法においても、パターン識別結果として実際のドライバの運転意図λrdを推定するとともに、パターン識別の合致度を用いて、推定した運転意図λrdの確信度Ｓｃを算出することが可能である。このようなパターン識別手法を用いても、上述した第１の実施の形態と同様に運転意図推定装置１の推定結果がどれほど確実であるかを確信度Ｓｃとして表すことができる。

《第２の実施の形態》
本発明の第２の実施の形態による車両用運転操作補助装置について、図面を用いて説明する。図１０は、本発明の第２の実施の形態による車両用運転操作補助装置２００の構成を示すシステム図であり、図１１は、車両用運転操作補助装置２００を搭載した車両の構成図である。

まず、車両用運転操作補助装置２００の構成を説明する。
レーザレーダ１１０は、車両の前方グリル部もしくはバンパ部等に取り付けられ、水平方向に赤外光パルスを照射して自車両の前方領域を走査する。レーザレーダ１１０は、前方にある複数の反射物（通常、先行車の後端）で反射された赤外光パルスの反射波を計測し、反射波の到達時間より、先行車までの車間距離と相対速度を検出する。検出した車間距離及び相対速度はコントローラ１５０Ａへ出力される。レーザレーダ１１０によりスキャンされる前方の領域は、自車正面に対して±６deg 程度であり、この範囲内に存在する前方物体が検出される。

前方カメラ１２０は、フロントウィンドウ上部に取り付けられた小型のＣＣＤカメラ、またはＣＭＯＳカメラ等であり、前方道路の状況を画像として検出する。前方カメラ１２０からの画像信号は画像処理装置１３０で画像処理を施され、コントローラ１５０Ａへと出力される。前方カメラ１２０による検知領域は車両の前後方向中心線に対して水平方向に±３０deg程度であり、この領域に含まれる前方道路風景が画像として取り込まれる。

車速センサ１４０は、車輪の回転数や変速機の出力側の回転数を計測することにより自車両の車速を検出し、検出した自車速をコントローラ１５０Ａに出力する。
さらに、上述した運転意図推定装置１によって推定された実際のドライバの運転意図λrdおよび確信度Ｓｃがコントローラ１５０Ａへ入力される。運転意図推定装置１は、上述したように複数の仮想ドライバを用いる方法、またはＳＶＭ、ＲＶＭ等のパターン識別による方法を用いることが可能である。

コントローラ１５０Ａは、ＣＰＵと、ＲＯＭおよびＲＡＭ等のＣＰＵ周辺部品とから構成される。コントローラ１５０Ａは、例えばＣＰＵのソフトウェア形態により、リスクポテンシャル計算部１５１，アクセルペダル反力指令値計算部１５２，アクセルペダル反力指令値補正部１５３，減速度制御指令値計算部１５４および減速指令値補正部１５５を構成する。

リスクポテンシャル計算部１５１は、レーザレーダ１１０および車速センサ１４０から入力される自車速、車間距離および先行車両との相対車速と、画像処理装置１３０から入力される車両周辺の画像情報とから、自車両周囲のリスクポテンシャルＲＰを算出する。アクセルペダル反力指令値計算部１５２は、リスクポテンシャル計算部１５１で算出されたリスクポテンシャルＲＰに基づいて、アクセルペダル１６０に発生させるアクセルペダル反力の指令値ＦＡを算出する。

アクセルペダル反力指令値補正部１５３は、運転意図推定装置１から入力される運転意図推定結果および確信度Ｓｃに基づいて、アクセルペダル反力指令値計算部１５２で算出されたアクセルペダル反力指令値ＦＡを補正する。アクセルペダル反力指令値補正部１５３で補正されたアクセルペダル反力指令値ＦＡｃは、アクセルペダル反力制御装置１７０へ出力される。

減速度制御指令値計算部１５４は、リスクポテンシャル計算部１５１で算出されたリスクポテンシャルＲＰに基づいて、自車両に発生させる減速度Ｘｇを算出する。減速度制御指令値補正部１５５は、運転意図推定装置１から入力される運転意図推定結果および確信度Ｓｃに基づいて、減速度制御指令値計算部１５４で算出された減速度Ｘｇを補正する。減速度制御指令値補正部１５５で補正された減速度Ｘｇは、自動ブレーキ制御装置１９０へ出力される。

アクセルペダル反力制御装置１７０は、コントローラ１５０Ａからの指令値に応じてアクセルペダル操作反力を制御する。図１２に示すように、アクセルペダル１６０には、リンク機構を介してサーボモータ１８０およびアクセルペダルストロークセンサ１８１が接続されている。サーボモータ１８０は、アクセルペダル反力制御装置１７０からの指令に応じてトルクと回転角とを制御し、運転者がアクセルペダル１６０を操作する際に発生する操作反力を任意に制御する。アクセルペダルストロークセンサ１８１は、リンク機構を介してサーボモータ１８０の回転角に変換されたアクセルペダル１６０のストローク量Ｓを検出する。

なお、アクセルペダル反力制御を行わない場合の通常のアクセルペダル反力特性は、例えば、ストローク量Ｓが大きくなるほどアクセルペダル反力がリニアに大きくなるよう設定されている。通常のアクセルペダル反力特性は、例えばアクセルペダル１６０の回転中心に設けられたねじりバネ（不図示）のバネ力によって実現することができる。

自動ブレーキ制御装置１９０は、コントローラ１５０Ａからの指令値に応じてブレーキ液圧指令を出力する。自動ブレーキ制御装置１９０は、ブレーキ液圧指令を出力することにより、各車輪に設けられたブレーキ装置（不図示）を作動し、コントローラ１５０Ａからの指令値に応じた減速度を自車両に発生させる。

次に、第２の実施の形態による車両用運転操作補助装置２００の動作を、図１３を用いて詳細に説明する。図１３は、コントローラ１５０Ａにおける運転操作補助制御プログラムの処理手順を示すフローチャートである。本処理内容は、一定間隔（例えば５０msec）毎に連続的に行われる。

ステップＳ２０１で、レーザレーダ１１０、前方カメラ１２０および車速センサ１４０によって検出される自車両周囲の走行環境を表す環境状態量を読み込む。具体的には、自車両と先行車との車間距離Ｄ、先行車速Ｖ２および自車速Ｖ１を読み込む。ステップＳ２０２では、ステップＳ２０１で読み込んだ走行環境に基づいて、自車両周囲のリスクポテンシャルＲＰを算出する。ここでは、自車両周囲のリスクポテンシャルＲＰを算出するために、先行車に対する余裕時間ＴＴＣと車間時間ＴＨＷとを算出する。

余裕時間ＴＴＣは、先行車に対する現在の自車両の接近度合を示す物理量である。余裕時間ＴＴＣは、現在の走行状況が継続した場合、つまり自車速Ｖ１、先行車速Ｖ２および相対車速Ｖｒ（Ｖｒ＝Ｖ２−Ｖ１）が一定の場合に、何秒後に車間距離Ｄがゼロとなり自車と先行車両とが接触するかを示す値である。余裕時間ＴＴＣは、以下の（式１８）により求められる。
ＴＴＣ＝−Ｄ／Ｖｒ ・・・（式１８）

余裕時間ＴＴＣの値が小さいほど、先行車への接触が緊迫し、先行車への接近度合が大きいことを意味している。例えば先行車への接近時には、余裕時間ＴＴＣが４秒以下となる前に、ほとんどの運転者が減速行動を開始することが知られている。

車間時間ＴＨＷは、自車両が先行車に追従走行している場合に、想定される将来の先行車の車速変化による余裕時間ＴＴＣへの影響度合、つまり相対車速ｖｒが変化すると仮定したときの影響度合を示す物理量である。車間時間ＴＨＷは、以下の（式１９）で表される。
ＴＨＷ＝Ｄ／Ｖ１ ・・・（式１９）

車間時間ＴＨＷは、車間距離Ｄを自車速Ｖ１で除したものであり、先行車の現在位置に自車両が到達するまでの時間を示す。この車間時間ＴＨＷが大きいほど、周囲の環境変化に対する予測影響度合が小さくなる。つまり、車間時間ＴＨＷが大きい場合には、もしも将来に先行車の車速が変化しても、先行車までの接近度合には大きな影響を与えず、余裕時間ＴＴＣはあまり大きく変化しないことを示す。なお、自車両が先行車に追従し、自車速Ｖ１＝先行車速Ｖ２である場合は、（式１９）において自車速Ｖ１の代わりに先行車速Ｖ２を用いて車間時間ＴＨＷを算出することもできる。

そして、算出した余裕時間ＴＴＣと車間時間ＴＨＷとを用いて先行車に対するリスクポテンシャルＲＰを算出する。先行車に対するリスクポテンシャルＲＰは、以下の（式２０）を用いて算出することができる。
ＲＰ＝ａ／ＴＨＷ＋ｂ／ＴＴＣ ・・・（式２０）

（式２０）に示すように、リスクポテンシャルＲＰは、余裕時間ＴＴＣと車間時間ＴＨＷとから連続的に表現される物理量である。ここで、ａ、ｂは、車間時間ＴＨＷおよび余裕時間ＴＴＣにそれぞれ適切な重み付けをするための定数であり、予め適切な値を設定しておく。定数ａ、ｂは、例えばａ＝１，ｂ＝８（ａ＜ｂ）に設定する。

ステップＳ２１１では、アクセルペダルストロークセンサ１８１によって検出されるアクセルペダル１６０のストローク量Ｓを読み込む。ステップＳ２１２では、ステップＳ２０２で算出したリスクポテンシャルＲＰに基づいて、アクセルペダル反力指令値ＦＡを算出する。まず、リスクポテンシャルＲＰに応じた反力増加量ΔＦを算出する。

図１４に、先行車に対するリスクポテンシャルＲＰと反力増加量ΔＦとの関係を示す。図１４に示すように、リスクポテンシャルＲＰが最小値ＲＰmin以下の場合は、反力増加量ΔＦを０とする。これは、自車両周囲のリスクポテンシャルＲＰが非常に小さいときにアクセルペダル反力ＦＡを増加することによって、運転者に煩わしさを与えてしまうことを避けるためである。最小値ＲＰminは、予め適切な値を設定しておく。

リスクポテンシャルＲＰが最小値ＲＰminを超える領域では、リスクポテンシャルＲＰに応じて反力増加量ΔＦが指数関数的に増加するように設定する。反力増加量ΔＦは、以下の（式２１）で表される。
ΔＦ＝ｋ・ＲＰ^ｎ ・・・（式２１）
ここで、定数ｋ、ｎはそれぞれ車種等によって異なり、ドライブシミュレータや実地試験によって取得される結果に基づいて、リスクポテンシャルＲＰを効果的に反力増加量ΔＦに変換できるように予め適切に設定しておく。

さらに、（式２１）に従って算出した反力増加量ΔＦを、アクセルペダルストローク量Ｓに応じた通常の反力特性に加算することにより、アクセルペダル反力指令値ＦＡを算出する。

ステップＳ２１３では、運転意図推定装置１によって推定された運転意図λrdを読み込み、ステップＳ２１４で、推定された運転者の運転意図λrdが車線変更であるか否かを判定する。運転者の運転意図λrdが車線変更の場合は、ステップＳ２１５へ進む。ステップＳ２１５では、運転意図推定装置１によって算出された運転意図λrdの確信度Ｓｃ、すなわちドライバの車線変更意図の確信度Ｓｃを読み込む。

ステップＳ２１６では、ステップＳ２１５で読み込んだ車線変更意図の確信度Ｓｃに基づいて、ステップＳ２１２で算出したアクセルペダル反力指令値ＦＡを補正する。具体的には、ステップＳ２１２で算出したアクセルペダル反力指令値ＦＡにローパスフィルタ等のフィルタ処理を施して減衰させる。

補正後のアクセルペダル反力指令値ＦＡは、以下の（式２２）を用いて表すことができる。なお、（式２２）において補正後の反力指令値ＦＡを制御用の反力指令値としてＦＡｃで表す。
ＦＡｃ＝ｇｆ_Ｆ（ＦＡ）
＝ｋｆ・｛１／（１＋Ｔsf）｝・ＦＡ ・・・（式２２）
ここで、ｋｆは適切に設定された定数、Ｔsfは反力指令値ＦＡを減衰させる際の時定数である。なお、時定数Ｔsfは、以下の（式２３）に示すように車線変更意図の確信度Ｓｃの関数として設定される。
Ｔsf＝ｆ_ｆ（Ｓｃ） ・・・（式２３）

図１５に、車線変更意図の確信度Ｓｃと時定数Ｔsfとの関係を示す。図１５に示すように、確信度Ｓｃが高くなるほど実線で示す時定数Ｔsfが小さくなるように設定する。具体的には、確信度Ｓｃが０．５以上の領域で車線変更の確率が車線維持の確率よりも相対的に大きい場合は、確信度Ｓｃが大きくなるほど時定数Ｔsfが小さくなる。確信度Ｓｃが高いほど時定数Ｔsfを小さくすることにより、アクセルペダル反力を速やかに減衰させることができる。なお、図１５に破線で示す時定数Ｔsgは、後述する減速度補正に用いる。

一方、ステップＳ２１４において運転意図推定装置１によって推定された運転意図λrdが車線維持であると判定された場合は、ステップＳ２１７へ進み、ステップＳ２１２で算出したアクセルペダル反力指令値ＦＡをそのまま制御用の指令値ＦＡｃとして設定する。

ステップＳ２１８では、ステップＳ２１６またはＳ２１７で設定したアクセルペダル反力指令値ＦＡｃを、アクセルペダル反力制御装置１７０へ出力する。アクセルペダル反力制御装置１７０は、コントローラ１５０Ａから入力された指令に従ってサーボモータ１８０を制御する。

ステップＳ２２１では、ステップＳ２０２で算出したリスクポテンシャルＲＰに基づいて、自車両に発生させる減速度の指令値Ｘｇを算出する。図１６に、先行車に対するリスクポテンシャルＲＰと減速度指令値Ｘｇとの関係を示す。図１６に示すように、リスクポテンシャルＲＰが大きくなるほど減速度指令値Ｘｇが例えば指数関数的に大きくなるように設定する。リスクポテンシャルＲＰが最小値ＲＰmin以下の場合は、減速度指令値Ｘｇを０とし、リスクポテンシャルＲＰが非常に小さいときに運転者に煩わしさを与えないようにする。

ステップＳ２２２では、運転意図推定装置１によって推定された運転意図λrdを読み込み、ステップＳ２２３で、推定された運転者の運転意図λrdが車線変更であるか否かを判定する。運転者の運転意図λrdが車線変更の場合は、ステップＳ２２４へ進む。ステップＳ２２４では、運転意図推定装置１によって算出された運転意図λrdの確信度Ｓｃ、すなわちドライバの車線変更意図の確信度Ｓｃを読み込む。

ステップＳ２２５では、ステップＳ２２４で読み込んだ車線変更意図の確信度Ｓｃに基づいて、ステップＳ２２１で算出した減速度指令値Ｘｇを補正する。具体的には、ステップＳ２２１で算出した減速度指令値Ｘｇにローパスフィルタ等のフィルタ処理を施して減衰させる。

補正後の減速度指令値Ｘｇは、以下の（式２４）を用いて表すことができる。なお、（式２４）において補正後の減速度指令値Ｘｇを制御用の指令値としてＸｇｃで表す。
Ｘｇｃ＝ｇｆ_Ｇ（Ｘｇ）
＝ｋｇ・｛１／（１＋Ｔsg）｝・Ｘｇ ・・・（式２４）
ここで、ｋｇは適切に設定された定数、Ｔsgは減速度指令値Ｘｇを減衰させる際の時定数である。なお、時定数Ｔsgは、以下の（式２５）に示すように車線変更意図の確信度Ｓｃの関数として設定される。
Ｔsg＝ｆ_g（Ｓｃ） ・・・（式２５）

図１５に示すように、確信度Ｓｃが高くなるほど破線で示す時定数Ｔsgが小さくなるように設定する。具体的には、確信度Ｓｃが０．５以上の領域で車線変更の確率が車線維持の確率よりも相対的に大きい場合は、確信度Ｓｃが大きくなるほど時定数Ｔsgが小さくなる。確信度Ｓｃが高いほど時定数Ｔsgを小さくすることにより、自車両に発生する減速度を速やかに減衰させることができる。

なお、図１５に示すように、同じ確信度Ｓｃに対して、アクセルペダル反力の時定数Ｔsfを減速度の時定数Ｔsgよりも小さく設定する。これにより、ドライバの車線変更意図を検出した場合に、まずアクセルペダル反力を減衰させ、その後、自車両に発生する減速度を徐々に減衰させる。

一方、ステップＳ２２３において運転意図推定装置１によって推定された運転意図λrdが車線維持であると判定された場合は、ステップＳ２２６へ進み、ステップＳ２２１で算出した減速度Ｘｇをそのまま制御用の指令値Ｘｇｃとして設定する。

ステップＳ２２７では、ステップＳ２２５またはＳ２２６で設定した減速度指令値Ｘｇｃを、自動ブレーキ制御装置１９０へ出力する。自動ブレーキ制御装置１９０は、コントローラ１５０Ａから入力された指令に応じてブレーキ装置を作動し、自車両に減速度を発生させる。これにより、今回の処理を終了する。

図１７（ａ）〜（ｃ）を用いて、車両用運転操作補助装置１００の作用を説明する。図１７（ａ）は自車両が走行車線から左側の追い越し車線に車線変更を行っていく様子を表し、図１７（ｂ）（ｃ）は車線変更を行うときのアクセルペダル反力指令値ＦＡｃの時間変化および減速度指令値Ｘｇｃの時間変化をそれぞれ示している。なお、図１７（ｂ）（ｃ）において、車線変更意図の確信度Ｓｃ＝０．６の場合の指令値ＦＡｃ、Ｘｇｃを実線で示し、車線変更意図の確信度Ｓｃ＝０．８の場合の指令値ＦＡｃ、Ｘｇｃを破線で示す。

図１７（ｂ）（ｃ）に示すように、車線変更意図が検出される前は、他車両に接近しリスクポテンシャルＲＰが増加するに従って、アクセルペダル反力指令値ＦＡｃおよび減速度指令値Ｘｇｃが増加する。そして、時間ｔ＝ｔａで運転者の車線変更意図が検出されるとアクセルペダル反力指令値ＦＡｃおよび減速度指令値Ｘｇｃが徐々に低下する。このとき、車線変更意図の確信度Ｓｃが高いほど、指令値ＦＡｃ、Ｘｇｃが速やかに低下する。

これにより、ドライバが車線変更を意図しているときに、ドライバのペダル操作や加速動作を妨げることなくドライバの期待に合致したアクセルペダル反力制御および減速度制御を行うことが可能となる。また、同じ確信度Ｓｃに対して、減速度指令値Ｘｇｃよりもアクセルペダル反力指令値ＦＡｃが大きく減衰する。これにより、ドライバの車線変更意図を検出したときに、まずアクセルペダル反力を低下して車線変更意図を検出したことをドライバに伝え、その後、減速度制御が徐々に解除されるので、ドライバに与える違和感を効果的に軽減することができる。

このように、以上説明した第２の実施の形態においては、以下のような作用効果を奏することができる。
（１）コントローラ１５０Ａは、自車両周囲の障害物状況に基づいてリスクポテンシャルＲＰを算出し、リスクポテンシャルＲＰに基づいてアクセルペダル操作反力制御を行う。このとき、推定された運転意図λrdおよび運転意図λrdの確信度Ｓｃに基づいて、アクセルペダル１６０に発生させる操作反力を変更する。これにより、自車両周囲のリスクポテンシャルＲＰを車両操作機器の操作反力としてドライバに知らせながら、実際のドライバの運転意図を反映し、ドライバの感覚に合ったアクセルペダル反力制御を行うことができる。
（２）コントローラ１５０Ａは、推定された運転意図λrdが車線変更である場合に、車線変更意図の確信度Ｓｃが高いほど、アクセルペダル１６０に発生させる操作反力を小さくする。これにより、車線変更意図の推定結果が確実であるほどアクセルペダル反力が速やか低下するので、ドライバの意図に合ったアクセルペダル反力制御を行うことができる。
（３）コントローラ１５０Ａは、車線変更意図の確信度Ｓｃに応じてリスクポテンシャルＲＰと操作反力との関係を補正するアクセルペダル反力指令値補正部１５３を備えている。これにより、確信度Ｓｃが高く車線変更意図が確実なものであるほどアクセルペダル反力が速やかに減少し、ドライバの感覚に合ったアクセルペダル反力制御を行うことができる。
（４）コントローラ１５０Ａは、自車両周囲の障害物状況に基づいてリスクポテンシャルＲＰを算出し、リスクポテンシャルＲＰに基づいて自車両に減速度を発生させる減速度制御を行う。このとき、推定された運転意図λrdおよび運転意図λrdの確信度Ｓｃに基づいて、自車両に発生させる減速度を変更する。これにより、自車両周囲のリスクポテンシャルＲＰ、とくに先行車に対するリスクを減速度として運転者に伝え、ドライバの注意を喚起しながら、実際のドライバの運転意図を反映し、ドライバの感覚に合った減速度制御を行うことができる。
（５）コントローラ１５０Ａは、推定された運転意図λrdが車線変更である場合に、車線変更意図の確信度Ｓｃが高いほど、減速度を小さくする。これにより、車線変更意図の推定結果が確実であるほど減速度が速やか低下するので、ドライバの加速操作を妨げることなく、ドライバの意図に合った減速度制御を行うことができる。
（６）コントローラ１５０Ａは、車線変更意図の確信度Ｓｃに応じてリスクポテンシャルＲＰと減速度との関係を補正する減速度制御指令値補正部１５５を備えている。これにより、確信度Ｓｃが高く車線変更意図が確実なものであるほど減速度が速やかに減少し、ドライバの感覚に合った減速度制御を行うことができる。
（７）コントローラ１５０Ａは、運転意図λrdが車線変更であると推定された場合に、車線変更意図の確信度Ｓｃに対する操作反力の減少割合を、同一の確信度Ｓｃに対する減速度の減少割合よりも大きくなるように設定する。具体的には、図１５に示すように操作反力を減衰するための時定数Ｔsfを減速度を減衰するための時定数Ｔsgよりも小さく設定し、運転意図推定装置１によって車線変更意図を推定した場合に、まずアクセルペダル反力を減少し、その後減速度制御を徐々に解除する。このようにアクセルペダル反力を先行して減少することにより車線変更を検出したことをドライバに伝えるので、ドライバに与える違和感を効果的に減少することが可能となる。

なお、上述した第２の実施の形態においては、車線変更意図の確信度Ｓｃに基づいてアクセルペダル反力指令値ＦＡおよび減速度指令値Ｘｇを補正した。しかし、これには限定されず、車線変更意図の確信度Ｓｃに基づいて自車両周囲のリスクポテンシャルＲＰを補正し、補正したリスクポテンシャルＲＰに基づいてアクセルペダル反力指令値ＦＡおよび減速度指令値Ｘｇを算出することもできる。また、確信度Ｓｃに応じて時定数Ｔsf、Ｔsgを変更する代わりに、確信度Ｓｃに応じて変化する係数ｋ１，ｋ２をそれぞれ予め設定した時定数Ｔsf、Ｔsgに掛けて時定数項（ｋ１×Ｔsf）、（ｋ２×Ｔsg）を設定することも可能である。

上述した第２の実施の形態においては、自車両周囲のリスクポテンシャルＲＰに基づくアクセルペダル反力制御および減速度制御を行った。しかし、これには限定されず、アクセルペダル反力制御および減速度制御のいずれか一方を行うことも可能である。

上述した第２の実施の形態においては、自車両と先行車との余裕時間ＴＴＣおよび車間時間ＴＨＷとを用いてリスクポテンシャルＲＰを算出した。ただしこれには限定されず、例えば余裕時間ＴＴＣの逆数をリスクポテンシャルとして用いることもできる。また、同一のリスクポテンシャルＲＰに基づいてアクセルペダル反力指令値ＦＡおよび減速度指令値Ｘｇを算出したが、これには限定されない。例えば、アクセルペダル反力指令値ＦＡと減速度指令値Ｘｇを算出するためのリスクポテンシャルをそれぞれ別々に設定することもできる。この場合、減速度指令値Ｘｇを算出するためのリスクポテンシャルは、とくに、車間距離や車間時間等の自車両と先行車との関係に基づいて設定することが可能である。

以上説明した第１および第２の実施の形態においては、障害物検出手段としてレーザレーダ１１０，前方カメラ１２０および車速センサ１４０を用い、リスクポテンシャル算出手段としてリスクポテンシャル計算部１５１，操作反力制御手段としてアクセルペダル反力制御装置１７０，減速度制御手段として自動ブレーキ制御装置１９０を用いた。また、車両状態検出手段として車両周囲状態検出部１０および車両状態検出部２０を用い、運転操作量検出手段として運転操作量検出部３０を用い、運転意図推定手段として運転意図推定部７０，確信度算出手段として確信度推定部８０を用い、操作反力変更手段としてアクセルペダル反力指令値補正部１５３，減速度変更手段として減速度制御指令値補正部１５５を用いた。さらに、仮想ドライバ運転操作量計算手段として仮想ドライバ運転操作量計算部５０，運転意図系列生成手段として仮想ドライバ運転意図系列動的決定部４０，運転操作量系列近似度合計算手段として仮想ドライバ運転操作量近似度合計算部６０を用いた。また、設定手段としてコントローラ１５０Ａを用いた。ただし、これらには限定されず、障害物検出手段として、別方式のミリ波レーダ等を用いることもできる。また、車両操作機器として操舵装置を用い、操作反力制御手段として操舵反力を制御する操舵反力制御装置を用いることも可能である。

（ａ）本発明の第１の実施の形態による運転意図推定装置のシステム図、（ｂ）本発明の第１の実施の形態による車両用運転操作補助装置のシステム図。 第１の実施の形態における運転意図推定処理の処理手順を示すフローチャート。 仮想ドライバの運転操作量の算出方法を説明する図。 仮想ドライバの動的運転意図系列の例を示す図。 （ａ）（ｂ）仮想ドライバの動的運転意図系列の設定方法を説明する図。 運転意図系列毎の運転操作量系列近似度合の算出方法を説明する図。 第１の実施の形態における運転操作補助制御処理の処理手順を示すフローチャート。 リスクポテンシャルと反力増加量との関係を示す図。 車線変更意図の確信度と時定数との関係を示す図。 第２の実施の形態による車両用運転操作補助装置のシステム図。 図１０に示す車両用運転操作補助装置を搭載した車両の構成図。 アクセルペダルおよびその周辺の構成を示す図。 第２の実施の形態における運転操作補助制御処理の処理手順を示すフローチャート。 リスクポテンシャルと反力増加量との関係を示す図。 車線変更意図の確信度と時定数との関係を示す図。 リスクポテンシャルと反力増加量との関係を示す図。 （ａ）自車両が車線変更を行う様子を示す図、（ｂ）車線変更時のアクセルペダル反力の時間変化を示す図、（ｃ）車線変更時の減速度の時間変化を示す図。

符号の説明

１：運転意図推定装置
１０：車両周囲状態検出部
２０：車両状態検出部
３０：運転操作量検出部
４０：仮想ドライバ運転意図系列動的決定部
５０：仮想ドライバ運転操作量計算部
６０：仮想ドライバ運転操作量近似度合計算部
７０：運転意図推定部
８０：確信度推定部
１００，２００：車両用運転操作補助装置
１５０，１５０Ａ：コントローラ
１７０：アクセルペダル反力制御装置
１８０：自動ブレーキ制御装置

Claims (12)

1. 自車両周囲の障害物状況を検出する障害物検出手段と、
   前記障害物検出手段による検出結果に基づいて、前記自車両周囲のリスクポテンシャルを算出するリスクポテンシャル算出手段と、
   前記リスクポテンシャル算出手段によって算出される前記リスクポテンシャルに基づいて、車両操作機器を操作する際に発生する操作反力を制御する操作反力制御手段と、
   前記自車両の車両状態および車両周囲状態を検出する車両状態検出手段と、
   ドライバによる運転操作量を検出する運転操作量検出手段と、
   前記車両状態検出手段および前記運転操作量検出手段による検出結果に基づいて前記ドライバの運転意図を推定する運転意図推定手段と、
   前記運転意図推定手段による前記運転意図の推定結果の確信度を算出する確信度算出手段と、
   前記確信度算出手段によって算出される前記確信度に基づいて、前記操作反力制御手段によって制御する前記操作反力を変更する操作反力変更手段とを備えることを特徴とする車両用運転操作補助装置。
2. 自車両周囲の障害物状況を検出する障害物検出手段と、
   前記障害物検出手段による検出結果に基づいて、前記自車両周囲のリスクポテンシャルを算出するリスクポテンシャル算出手段と、
   前記リスクポテンシャル算出手段によって算出される前記リスクポテンシャルに基づいて、前記自車両に発生させる減速度を制御する減速度制御手段と、
   前記自車両の車両状態および車両周囲状態を検出する車両状態検出手段と、
   ドライバによる運転操作量を検出する運転操作量検出手段と、
   前記車両状態検出手段および前記運転操作量検出手段による検出結果に基づいて前記ドライバの運転意図を推定する運転意図推定手段と、
   前記運転意図推定手段による前記運転意図の推定結果の確信度を算出する確信度算出手段と、
   前記確信度算出手段によって算出される前記確信度に基づいて、前記減速度制御手段によって制御する前記減速度を変更する減速度変更手段とを備えることを特徴とする車両用運転操作補助装置。
3. 請求項１または請求項２に記載の車両用運転操作補助装置において、
   前記運転意図推定手段は、（ａ）運転意図を与えられた複数の異なる仮想のドライバについて、前記車両状態検出手段によって検出される前記自車両の車両周囲状態に基づいて、各仮想ドライバが前記運転意図を遂行するために必要な運転操作量を計算する仮想ドライバ運転操作量計算手段と、（ｂ）現時点を含む過去の所定時間区間の各時間フレームにおいて前記複数の仮想ドライバの前記運転意図をそれぞれ決定し、前記所定時間区間における前記複数の仮想ドライバの運転意図系列を動的に生成する運転意図系列生成手段と、（ｃ）前記所定時間区間における前記複数の仮想ドライバの前記運転操作量と実際のドライバの前記運転操作量との系列的な近似度合（以降、運転操作量系列近似度合とする）を、前記運転意図系列生成手段によって生成された前記運転意図系列毎に計算する運転操作量系列近似度合計算手段とを有し、前記運転操作量系列近似度合計算手段によって計算された複数の前記運転操作量系列近似度合を比較することによって、前記実際のドライバの運転意図を推定することを特徴とする車両用運転操作補助装置。
4. 請求項１または請求項２に記載の車両用運転操作補助装置において、
   前記運転意図推定手段は、予め学習した運転操作パターンを用いたパターン識別を行い、前記運転操作量検出手段によって検出される実際のドライバの運転操作パターンと前記予め学習した運転操作パターンとの合致度に基づいて、前記実際のドライバの運転意図を推定することを特徴とする車両用運転操作補助装置。
5. 請求項４に記載の車両用運転操作補助装置において、
   前記運転意図推定手段は、Support Vector Machine（ＳＶＭ）またはRelevance Vector Machine（ＲＶＭ）を用いて前記パターン識別を行うことを特徴とする車両用運転操作補助装置。
6. 請求項１に記載の車両用運転操作補助装置において、
   前記車両操作機器は、アクセルペダルであり、
   前記操作反力変更手段は、前記運転意図推定手段によって前記運転意図が車線変更であると推定されると、前記確信度が高いほど前記操作反力を小さくすることを特徴とする車両用運転操作操作補助装置。
7. 請求項６に記載の車両用運転操作補助装置において、
   前記操作反力変更手段は、前記確信度に応じて、前記リスクポテンシャルと前記アクセルペダルの前記操作反力との関係を変更することを特徴とする車両用運転操作操作補助装置。
8. 請求項２に記載の車両用運転操作補助装置において、
   前記減速度変更手段は、前記運転意図推定手段によって前記運転意図が車線変更であると推定されると、前記確信度が高いほど前記減速度を小さくすることを特徴とする車両用運転操作操作補助装置。
9. 請求項８に記載の車両用運転操作補助装置において、
   前記減速度変更手段は、前記確信度に応じて、前記リスクポテンシャルと前記減速度との関係を変更することを特徴とする車両用運転操作操作補助装置。
10. 請求項１に記載の車両用運転操作補助装置において、
    前記リスクポテンシャル算出手段によって算出される前記リスクポテンシャルに基づいて、前記自車両に発生させる減速度を制御する減速度制御手段と、
    前記確信度算出手段によって算出される前記確信度に基づいて、前記減速度制御手段によって制御する前記減速度を変更する減速度変更手段とをさらに備え、
    前記前記運転意図推定手段によって前記運転意図が車線変更であると推定されると、前記操作反力変更手段は前記確信度が高いほど前記操作反力を小さくし、前記減速度変更手段は前記確信度が高いほど前記減速度を小さくすることを特徴とする車両用運転操作操作補助装置。
11. 請求項１０に記載の車両用運転操作補助装置において、
    前記運転意図推定手段によって前記運転意図が車線変更であると推定された場合に、前記確信度に対する前記操作反力の減少割合を、同一の確信度に対する前記減速度の減少割合よりも大きくなるように設定する設定手段をさらに備えることを特徴とする車両用運転操作補助装置。
12. 請求項１から請求項１１のいずれかに記載の車両用運転操作補助装置を備えることを特徴とする車両。

Images