JP2018067234A - Automatic driving support system of vehicle - Google Patents
Automatic driving support system of vehicle Download PDFInfo
- Publication number
- JP2018067234A JP2018067234A JP2016206778A JP2016206778A JP2018067234A JP 2018067234 A JP2018067234 A JP 2018067234A JP 2016206778 A JP2016206778 A JP 2016206778A JP 2016206778 A JP2016206778 A JP 2016206778A JP 2018067234 A JP2018067234 A JP 2018067234A
- Authority
- JP
- Japan
- Prior art keywords
- vehicle
- traveling
- lane
- prediction
- travel
- 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.)
- Granted
Links
- 238000001514 detection method Methods 0.000 claims abstract description 160
- 238000004364 calculation method Methods 0.000 claims abstract description 64
- 238000012937 correction Methods 0.000 claims abstract description 28
- 238000004891 communication Methods 0.000 claims abstract description 21
- 230000004397 blinking Effects 0.000 claims description 10
- 238000004088 simulation Methods 0.000 abstract description 8
- 238000005259 measurement Methods 0.000 description 20
- 238000011144 upstream manufacturing Methods 0.000 description 16
- 238000010586 diagram Methods 0.000 description 15
- 238000012545 processing Methods 0.000 description 11
- 238000000034 method Methods 0.000 description 10
- 230000001133 acceleration Effects 0.000 description 5
- 238000009434 installation Methods 0.000 description 5
- 238000013459 approach Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 2
- 239000000470 constituent Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000010191 image analysis Methods 0.000 description 2
- 230000001678 irradiating effect Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000009933 burial Methods 0.000 description 1
- 230000009194 climbing Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Images
Landscapes
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
- Traffic Control Systems (AREA)
Abstract
Description
本発明は、自動運転機能を搭載した自動車に対して、その自動運転を支援する自動車自動運転支援システムに関する。例えば、一般道や交差点での自動運転、さらには、高速道路などの道路の合流箇所や分岐箇所を通行しようとする自動車の自動運転制御装置に対して自動運転に必要な諸情報を提供し、合流分岐の自動運転を支援する機能を備えた自動車自動運転支援システムに関する。 The present invention relates to an automobile automatic driving support system that supports automatic driving of an automobile equipped with an automatic driving function. For example, providing automatic driving on general roads and intersections, as well as various information necessary for automatic driving to automatic driving control devices for automobiles that attempt to pass through junctions and branching points of highways and other roads, The present invention relates to an automatic driving assistance system having a function for supporting automatic driving of a merge branch.
近年、自動車の自動運転支援システムが本格的に導入され始めている。一般車にも自動運転支援システムが搭載され始めている。現在普及している自動運転システムは、自動車に独立して搭載されているリソースを活用して自律運転するものである。例えば、車体の天井に取り付けられたレーザーレーダー、車体の前・後部などに装備されたミリ波レーダー、バックミラー付近に搭載された車載カメラ、車体に取り付けられた振動センサ等、各種センサから得られるデータもとに、カルマンフィルタなどを用いた計算により周囲の物体を検知・把握し、人工知能システムによって運転方向や運転速度を判断し、その結果を運転制御装置に伝達するという自動運転システムが多い。 In recent years, automatic driving support systems for automobiles have begun to be introduced in earnest. Autonomous driving assistance systems are beginning to be installed in ordinary cars. Autonomous driving systems currently in widespread use are autonomous driving by utilizing resources that are independently installed in automobiles. For example, it can be obtained from various sensors such as a laser radar mounted on the ceiling of the vehicle body, a millimeter wave radar mounted on the front or rear of the vehicle body, an in-vehicle camera mounted near the rearview mirror, a vibration sensor mounted on the vehicle body, etc. There are many automatic driving systems in which surrounding data is detected and grasped by calculation using a Kalman filter or the like based on data, the driving direction and driving speed are judged by an artificial intelligence system, and the result is transmitted to a driving control device.
自動車の走行において、道路の合流、分岐がある箇所は、他の自動車との距離も接近しやすく、また、他の自動車の運転状況も急変しやすい箇所であるため、通常の走行よりも一層注意を要する。
従来技術において、道路の合流、分岐がある箇所をカバーする運転支援装置としては、例えば、特許文献１や特許文献２に記載の従来技術がある。
特許文献１では、合流地点が前方に存在し、自車両が合流車線、相手車両が本線を走っている場合、自動運転車両が合流地点に到達するまでの時間と、本線車線を走行する相手車両が合流地点に到達するまでの時間を算出し、算出した２つの時間の差が設定値以下である場合に、自動運転車両と本線車線を走行する相手車両が干渉すると判定するものである。干渉すると判定すると車線変更案内を提示する機能も開示されている。
ここで、特許文献１に記載の技術では、本線車線を走行する自動車の有無は、本線車線を走行する相手車両も自動運転機能を備えており、自らの存在を周囲に発信しながら走行する構造であることを前提としたものである。
When driving a car, where there is a road junction or branch, the distance to other cars is easy to approach, and the driving conditions of other cars are also likely to change suddenly. Cost.
In the prior art, as a driving support device that covers a place where roads meet and branch, there are conventional techniques described in
In
Here, in the technology described in
特許文献２では、合流地点が前方に存在し、自車両が合流車線、相手車両が本線を走っている場合、特許文献１と同様、自動運転車両が合流地点に到達するまでの時間と、本線車線を走行する相手車両が合流地点に到達するまでの時間を算出し、算出した２つの時間の差が設定値以下である場合に、自動運転車両と本線車線を走行する相手車両が干渉すると判定するものであるが、自車両の加速能力、特に、普通乗用車、軽自動車、トラックなどの別による加速能力を加味するものである。
In
ここで、特許文献２に記載の技術では、本線車線を走行する自動車の有無は、特許文献１と同様、本線車線を走行する相手車両も自動運転機能を備えている場合に相手方車両から受信するデータで判断するほか、自車両に搭載したレーダー装置によって検知することが開示されている。また、車載ＣＣＤカメラの画像によって検知することが開示されている。つまり、相手方車両が、自動運転機能を搭載していない一般車両であっても、自車両に搭載したレーダー装置の反射波データや車載ＣＣＤカメラの撮像画像データから、合流車線を走行する自動車の有無を判断することができるものとなっている。
Here, in the technique described in
しかし、上記従来の運転支援システムには、問題があった。
特許文献１に記載の従来技術では、本線車線を走行する相手車両が、同様の自動運転機能を備えていない場合、相手方車両に関する情報が得ることができず、合流の自動運転制御が成立しない。
However, the conventional driving support system has a problem.
In the prior art described in
特許文献２に記載の従来技術では、本線車線を走行する相手車両が、同様の自動運転機能を備えていない場合でも、自らに搭載したレーダー装置やＣＣＤカメラにより周囲の状況に関する情報を得て分析することにより、本線車線を走行する相手車両をある程度検知することが可能である。しかし、高速道路の合流地点などでは、ランプ車線に高低差があることが多く、本線とランプ車線との間に法面などがあればレーダー装置やＣＣＤカメラでは十分なデータが得られない場合が多いと考えられる。
In the prior art described in
さらに、特許文献１も特許文献２も、本線を走行する車両が、速度も変えず、車線も変えず、一定速度のまま走行することを前提としたシステムとなっている。しかし、現実には、合流地点や分岐地点の前後の箇所では、本線を走行する車両も速度を変えたり車線変更したりする可能性が高い。本線を走行する車両の速度は、合流に伴って車両間が狭まったために変化することもあれば、自らが分岐する準備をするために車線を変更することもあれば、合流箇所を嫌って走行車線から追い越し車線へ乗り換えることもあり、多様な要因で走行速度や走行車線を変更する可能性がある。
特許文献１や特許文献２の技術では、このように、多様な要因で変化しうる走行速度や走行車線の変更に対して臨機応変に対応することまでは開示されていない。
Further, both
As described above, the techniques of
上記問題点に鑑み、本発明は、一般道や交差点のある道路、さらに道路の合流箇所や分岐箇所を走行しようとする自動車の自動運転制御装置に対して、周囲を走行する車両の検知と、その周囲の走行車両の速度変化や車線変更を的確に捉え、また、予測して自動運転に必要な諸情報を提供し、道路の合流・分岐の自動運転を支援する機能を備えた自動車自動運転支援システムを提供することを目的とする。 In view of the above problems, the present invention is directed to an automatic driving control device for an automobile that is about to travel on a general road, a road with an intersection, and a junction or branch point of the road, Automobile driving with the ability to accurately detect changes in speed and lane changes of surrounding vehicles, provide information necessary for automatic driving by prediction, and support automatic driving of road merging / branching The purpose is to provide a support system.
上記目的を達成するため、本発明にかかる自動車自動運転支援システムは、道路の所定位置に設置され、車両の通過を検出して得られた検出データをもとに走行車両ごとの通過時刻、通過速度および車種を含む車両走行データを出力する通過車両検出手段と、前記通過車両検出手段を設置した前記所定位置の通過時刻以降における走行車両ごとの走行軌跡を演算して予測する車両走行軌跡予測演算手段と、前記車両走行軌跡予測演算手段で得られた各走行車両の前記走行軌跡の予測データを前記走行車両に通知する無線通信手段を備えた自動車自動運転支援システムである。なお、本発明の自動車自動運転支援システムでは、車両が走行中に周囲の走行車両の走行軌跡の予測データを生成して利用させるという即時性が必要である。本発明の自動車自動運転支援システムでは上記処理を即時性をもって行う。 In order to achieve the above object, an automatic driving assistance system according to the present invention is installed at a predetermined position on a road, and is based on detection data obtained by detecting the passage of a vehicle. Passing vehicle detection means for outputting vehicle traveling data including speed and vehicle type, and vehicle traveling locus prediction calculation for calculating and predicting a traveling locus for each traveling vehicle after the passage time of the predetermined position where the passing vehicle detection means is installed. And an automatic vehicle driving support system provided with wireless communication means for notifying the traveling vehicle of predicted data of the traveling locus of each traveling vehicle obtained by the vehicle traveling locus prediction calculating means. Note that the automatic vehicle driving support system according to the present invention requires the immediacy that the prediction data of the traveling locus of the surrounding traveling vehicle is generated and used while the vehicle is traveling. In the automatic vehicle driving support system of the present invention, the above processing is performed with immediacy.
さらに、上記構成に加え、道路の所定区間に存在する各走行車両の撮影画像から、前記所定区間内に存在する各走行車両の走行位置データを出力する区間内車両概略位置検出手段と、前記区間内車両概略位置検出手段で得た各走行車両の走行位置データを基に、前記走行車両ごとの走行車線を時系列に追ってトレースする車両走行軌跡演算手段と、前記車両走行軌跡予測演算手段から得られる各走行車両の前記走行軌跡の予測データを、前記車両走行軌跡演算手段から得られた前記走行車両のトレース結果によって逐次修正する車両走行軌跡予測演算修正手段を備えた構成とすることができる。この構成では無線通信手段が車両走行軌跡予測演算修正手段により逐次修正された走行軌跡の予測データを前記走行車両に通知するものとなる。上記処理も即時性をもって行う。 Further, in addition to the above configuration, an in-section vehicle approximate position detecting means for outputting travel position data of each traveling vehicle existing in the predetermined section from a captured image of each traveling vehicle existing in the predetermined section of the road, and the section Based on the traveling position data of each traveling vehicle obtained by the inner vehicle approximate position detecting means, the vehicle traveling locus calculating means for tracing the traveling lane of each traveling vehicle in time series and the vehicle traveling locus prediction calculating means are obtained. The travel locus prediction data of each traveling vehicle can be configured to include vehicle travel locus prediction calculation correction means that sequentially corrects the travel vehicle trace data obtained from the vehicle travel locus calculation means. In this configuration, the wireless communication means notifies the traveling vehicle of the prediction data of the traveling locus sequentially corrected by the vehicle traveling locus prediction calculation correcting means. The above processing is also performed with immediacy.
さらに、上記構成に加え、前記撮影画像から前記走行車両の走行車線の変更を解析し、車線変更予測データとして出力する車線変更予測部と、前記車両走行軌跡予測演算修正手段により前記逐次修正された前記走行軌跡の予測データを、前記車線変更予測部の前記車線変更予測データによって逐次修正する車線変更予測修正手段を備えた構成とすることができる。この構成では無線通信手段が車線変更予測修正手段により逐次修正された走行軌跡の予測データを前記走行車両に通知することとなる。上記処理も即時性をもって行う。 Further, in addition to the above-described configuration, the lane change prediction unit that analyzes the change in the travel lane of the traveling vehicle from the captured image and outputs the lane change prediction data, and the vehicle travel locus prediction calculation correction unit sequentially corrects the lane change prediction data. A lane change prediction correction unit that sequentially corrects the prediction data of the travel locus with the lane change prediction data of the lane change prediction unit may be provided. In this configuration, the wireless communication unit notifies the traveling vehicle of the predicted data of the traveling locus that has been sequentially corrected by the lane change prediction correcting unit. The above processing is also performed with immediacy.
上記構成において、通過車両検出手段として、道路に埋設されたループコイルを用い、そのループコイルを道路の流れに沿って複数箇所設置した構成とすることができる。
また、上記構成において、通過車両検出手段として、道路にレーザーを照射するレーザー式検出装置を用い、そのレーザー式検出装置を道路の流れに沿って複数箇所設置した構成とすることもできる。
設置個所、設置個数については、道路の状況などに応じて設定すれば良い。
また、上記構成において、区間内車両概略位置検出手段が利用するカメラも、道路の流れに沿って複数箇所設置されたものとすることが好ましい。
In the above configuration, a loop coil embedded in the road may be used as the passing vehicle detection means, and the loop coil may be installed at a plurality of locations along the road flow.
Moreover, in the said structure, it can also be set as the structure which used the laser type detection apparatus which irradiates a road with a laser as a passing vehicle detection means, and installed the laser type detection apparatus in multiple places along the flow of the road.
The installation location and the number of installations may be set according to the road conditions.
In the above configuration, it is preferable that a plurality of cameras used by the in-section vehicle approximate position detection unit are also installed along the road flow.
また、上記構成において、車両走行軌跡演算手段が、時系列に並べられた撮影画像から走行車両の形状および色の情報から当該走行車両を特定して当該走行車両ごとの走行車線を時系列に追ってトレースするものとすることが好ましい。
さらに、車線変更予測部が、時系列に並べられた画像データから走行車両のウインカーの点滅を検知すれば、当該走行車両の走行車線の変更があると予測して車線変更予測データを出力する構成も好ましい。
Further, in the above configuration, the vehicle travel locus calculating means identifies the travel vehicle from the captured image arranged in time series from the shape and color information of the travel vehicle, and follows the travel lane for each travel vehicle in time series. It is preferable to trace.
Furthermore, if the lane change prediction unit detects blinking of the blinker of the traveling vehicle from the image data arranged in time series, the lane change prediction unit predicts that there is a change in the traveling lane of the traveling vehicle and outputs lane change prediction data Is also preferable.
このように、本発明では、自動走行する車両に搭載したレーダーや車載カメラのみに頼ることなく、一般道路や交差点や高速道路などの合流箇所や分岐箇所に複数設置された通過車両検出手段やカメラにより得た定点観測した客観的データに基づいて、十分なシステムリソースを用いて、その周囲を走行するすべての走行車両の位置、速度、車線変更などを捉えてシミュレートし、さらに予測まで行った結果を、走行車両に通知することができ、自動車の自動運転制御装置に対して十分な自動運転支援を与えることができる。 As described above, in the present invention, a plurality of passing vehicle detection means and cameras installed at junctions and branch points such as general roads, intersections, and highways without relying only on radars and on-vehicle cameras mounted on vehicles that automatically travel. Based on the objective data obtained from the fixed-point observation obtained by, the simulation was performed by capturing and simulating the position, speed, lane change, etc. of all the vehicles traveling around the system using sufficient system resources. The result can be notified to the traveling vehicle, and sufficient automatic driving assistance can be given to the automatic driving control device of the automobile.
さらに、上記構成において、走行車線を変更しない車両をモデル化したカーフォローイングモデルと、走行車線を変更する車両をモデル化したデシジョンメイキングモデルを保持記憶する走行予測モデル記憶部を備え、車線変更予測部が、画像処理の結果、画像データから走行車両のウインカー点滅などの状態変化を検出した場合は当該走行車両に関してはデシジョンメイキングモデルを適用し、走行車両の状態変化がない場合は当該走行車両に関してはカーフォローイングモデルを適用するという構成も可能である。
上記構成にすれば、柔軟かつ適切にモデルを選択することができ、走行シミュレートや走行予測の精度が向上する。
Furthermore, in the above configuration, a lane change prediction is provided, which includes a car following model that models a vehicle that does not change the travel lane, and a travel prediction model storage unit that stores and stores a decision making model that models a vehicle that changes the travel lane. When the section detects a change in the state of the traveling vehicle, such as blinking of the blinker of the traveling vehicle, as a result of the image processing, the decision making model is applied to the traveling vehicle, and when there is no state variation of the traveling vehicle, the traveling vehicle Can be configured to apply a car following model.
With the above configuration, a model can be selected flexibly and appropriately, and the accuracy of travel simulation and travel prediction is improved.
本発明の自動車自動運転支援システムは、道路が本線とランプ車線が合流する合流車線を備え、本線を走行する走行車両とランプ車線を走行する走行車両がある場合にも適用することができる。この場合、上記構成に加えて合流支援手段を備えた構成とし、本線を走行する走行車両についての走行軌跡の予測データと、ランプ車線を走行する走行車両の走行軌跡の予測データを通知することにより、本線を走行する各々の走行車両の車列中における合流に適した割り込み推奨箇所の選定情報および時々刻々進行してゆくその割り込み推奨箇所の位置情報と、その前後の走行車両の速度情報、およびその前後の走行車両間の距離情報から算出した合流に適した速度情報を含む合流支援情報を、ランプ車線を走行する走行車両に取得させることができ、さらに本線を走行する走行車両にも取得させることもできる。上記処理も即時性をもって行う。 The automatic vehicle driving support system of the present invention can also be applied to a case where a road has a merging lane where a main line and a ramp lane merge and there is a traveling vehicle traveling on the main line and a traveling vehicle traveling on the ramp lane. In this case, in addition to the above-described configuration, a confluence support means is provided, and by notifying the prediction data of the traveling locus for the traveling vehicle traveling on the main line and the prediction data of the traveling locus of the traveling vehicle traveling on the ramp lane, Selection information of recommended interrupt points suitable for merging in the train of each traveling vehicle traveling on the main line, position information of recommended interrupt points that progress every moment, speed information of traveling vehicles before and after that, and The merging support information including speed information suitable for merging calculated from the distance information between the preceding and following traveling vehicles can be acquired by the traveling vehicle traveling on the ramp lane, and further by the traveling vehicle traveling on the main line. You can also. The above processing is also performed with immediacy.
以下、図面を参照しつつ、本発明にかかる自動車自動運転支援システムの実施例を説明する。ただし、本発明の範囲は以下の実施例に示した具体的な用途、形状、個数などには限定されないことは言うまでもない。 Hereinafter, embodiments of an automatic vehicle driving support system according to the present invention will be described with reference to the drawings. However, it goes without saying that the scope of the present invention is not limited to the specific application, shape, number, etc. shown in the following examples.
本実施例１に示す自動車自動運転支援システム１００について説明する。
なお、自動運転制御機能付き自動車２００の自動運転制御装置の処理についても併せて説明する。
The automatic vehicle driving
The processing of the automatic driving control device of the
実施例１にかかる本発明の自動車自動運転支援システム１００を簡単に説明する。
図１は本発明の自動車自動運転支援システム１００の構成例を簡単に示した図である。この例は道路の合流地点における自動車自動運転支援システム１００の設置例として説明しているが、あらゆる道路においても同様に考えることができる。
図１において、構成要素のうち通過車両検出手段１１０およびカメラ１３０については道路上に配置して図示しており、その他の構成要素は自動車自動運転支援システム１００としてまとめて図示しているが、後述するように、カメラ１３０を設置しない構成も可能である。
A vehicle automatic
FIG. 1 is a diagram simply showing a configuration example of an automatic vehicle driving
In FIG. 1, the passing vehicle detection means 110 and the
図２は、自動車自動運転支援システム１００の構成要素を示した図である。
自動車自動運転支援システム１００は構成要素の組み合わせにより複数パターンがあり得る。
第１のパターンは、図２（ａ）に示すように、通過車両検出手段１１０、車両走行軌跡予測演算手段１２０、無線通信手段１９０を備えた構成である。
第２のパターンは、図２（ｂ）に示すように、通過車両検出手段１１０、車両走行軌跡予測演算手段１２０、カメラ１３０、区間内車両概略位置検出手段１４０、車両走行軌跡演算手段１５０、車両走行軌跡予測演算修正手段１６０、無線通信手段１９０を備えた構成となっている。
第３のパターンは、図２（ｃ）に示すように、通過車両検出手段１１０、車両走行軌跡予測演算手段１２０、カメラ１３０、区間内車両概略位置検出手段１４０、車両走行軌跡演算手段１５０、車両走行軌跡予測演算修正手段１６０、車線変更予測部１７０、走行予測モデル記憶部１７１、車線変更予測修正手段１８０、無線通信手段１９０を備えた構成となっている。
なお、いずれもパターンにおいても、後述する合流支援手段を備えた構成とすることも可能である。
FIG. 2 is a diagram showing components of the automobile automatic
The automatic vehicle driving
As shown in FIG. 2A, the first pattern is configured to include passing vehicle detection means 110, vehicle travel locus prediction calculation means 120, and wireless communication means 190.
As shown in FIG. 2B, the second pattern includes a passing vehicle detection means 110, a vehicle travel locus prediction calculation means 120, a
As shown in FIG. 2C, the third pattern includes a passing vehicle detection means 110, a vehicle travel locus prediction calculation means 120, a
In either case, it is also possible to adopt a configuration provided with a joining support means to be described later.
以下、各構成要素について説明しつつ、図２（ａ）の第１のパターンの構成例の場合の出力、図２（ｂ）の第２のパターンの構成例の場合の出力、図２（ｃ）の第３のパターンの構成例の場合の出力についても説明する。 Hereinafter, while describing each component, the output in the case of the first pattern configuration example in FIG. 2A, the output in the second pattern configuration example in FIG. 2B, FIG. The output in the case of the third pattern configuration example will also be described.
通過車両検出手段１１０は、道路の所定位置において各車線をカバーするように設置され、車両の通過を検出し、得られた検出データをもとに走行車両ごとの通過時刻、通過速度および車種を含む車両走行データを出力するものである。
通過車両検出手段１１０は、道路の流れに沿って複数箇所設置することが好ましい。車両走行軌跡予測演算手段１２０で精度の良い走行軌跡の予測を行うためには、時系列に複数のデータを収集して走行車両を分析することが好ましいので、合流車線が設けられている範囲の前後にわたり通過車両検出手段１１０を複数箇所設置する。このように通過車両検出手段１１０を複数箇所に設置しておくことにより、車両通過の検出精度が上がり、各々の走行車両の通過時刻、通過速度および車種を含む車両走行データを細かく検出することができる。例えば、５０ｍ〜５００ｍの間隔で設置する。なお、本線のみならず、合流車線、ランプ車線にも設置する構成が好ましい。
The passing vehicle detection means 110 is installed so as to cover each lane at a predetermined position on the road, detects the passing of the vehicle, and determines the passing time, the passing speed and the vehicle type for each traveling vehicle based on the obtained detection data. Including vehicle travel data.
The passing vehicle detection means 110 is preferably installed at a plurality of locations along the road flow. In order for the vehicle travel locus prediction calculation means 120 to predict a travel locus with high accuracy, it is preferable to collect a plurality of data in time series and analyze the traveling vehicle. A plurality of passing vehicle detection means 110 are installed in the front and rear. By setting the passing vehicle detection means 110 in a plurality of places in this way, the detection accuracy of passing the vehicle is improved, and the vehicle traveling data including the passing time, the passing speed, and the vehicle type of each traveling vehicle can be detected in detail. it can. For example, it is installed at intervals of 50 m to 500 m. In addition, the structure installed in not only a main line but a confluence lane and a ramp lane is preferable.
通過車両検出手段１１０として様々なタイプが適用可能である。
図３は、様々なタイプの通過車両検出手段１１０の例を簡単に示した図である。
図３（ａ）は、道路内に埋設されたループコイルを利用した例である。
ループコイル式の通過車両検出手段１１０は、ループコイルと呼ばれる導体を道路地中に埋設した検出装置である。金属車体である車両が通過すると、地中に埋設したループコイルのインダクタンスが変化する。ループコイル式の通過車両検出手段１１０は、このループコイルを２カ所セットとして道路上に所定間隔Ｄ（ｍ）（例えば６．９ｍ）をあけて埋設しておき、これら２カ所のループコイルのインダクタンスの変化をそれぞれ検知することで２ヶ所の地点での車両の通過を検出し、交通量を計測する装置となっている。図３（ａ）では、道路の上流側のループコイル１１０Ａと下流側のループコイル１１０Ｂが埋設された例となっている。この２つのループコイル１１０Ａとループコイル１１０Ｂがセットとなって１つのループコイル式の通過車両検出手段１１０となっている。図１における各々の通過車両検出手段１１０が、図３（ａ）のように２つのループコイルを装備したものとなっている。
Various types of passing vehicle detection means 110 are applicable.
FIG. 3 is a diagram simply showing examples of various types of passing vehicle detection means 110.
FIG. 3A shows an example in which a loop coil embedded in a road is used.
The loop coil type passing vehicle detection means 110 is a detection device in which a conductor called a loop coil is embedded in the road ground. When a vehicle that is a metal body passes, the inductance of the loop coil buried in the ground changes. The loop coil type passing vehicle detection means 110 embeds the loop coil as two sets and embeds them on the road with a predetermined interval D (m) (for example, 6.9 m), and the inductance of the loop coils at these two locations. By detecting the change of each, the passage of the vehicle at two points is detected and the traffic volume is measured. FIG. 3A shows an example in which a
ループコイルのインダクタンス変化は精度良く検知することができ、また、ループコイルを埋設した２ヶ所の地点での車両の通過時刻を検知することができるため、ループコイル式の車両検出手段を用いることにより、車両の通過台数のみならず、車両ごとの通過速度や車長などを精度良く計測することができる。現在の技術では、それらデータを９９％以上の精度で検知できるとされている。 The change in inductance of the loop coil can be detected with high accuracy, and the passage time of the vehicle at two points where the loop coil is embedded can be detected. In addition to the number of passing vehicles, it is possible to accurately measure the passing speed and the vehicle length of each vehicle. In the current technology, it is said that such data can be detected with an accuracy of 99% or more.
次に、図３（ｂ）は、通過車両検出手段１１０として、道路に対してレーザーを照射し、その反射波を得るレーザー式検出装置を利用した例である。
レーザー式検出装置は、レーザー照射装置と受光装置を備えており、図３（ｂ）に示すように、レーザー照射装置から所定箇所の道路に向けてレーザービームを照射し、照射されたレーザービームが道路面または道路上を通行する車両の表面という対象物から反射されて受光装置に受信されるまでの時間を計測し、計測された時間に基づいて対象物までの往復距離を測定するものである。その測定データを制御装置において解析すれば、レーザービームの照射対象物がフラット、つまり、道路上を通行する車両がなく道路面から反射して受信されたパターンであれば道路上に通過車両がないと判断でき、レーザービームの照射対象物に凹凸があれば、その一部が道路上を通行する車両から反射して受信されたパターンとして道路上に通過車両があると判断できる。
Next, FIG. 3B is an example in which a laser detection device that irradiates a road with laser and obtains a reflected wave is used as the passing vehicle detection means 110.
The laser detection device includes a laser irradiation device and a light receiving device. As shown in FIG. 3B, the laser irradiation device irradiates a laser beam toward a predetermined road from the laser irradiation device. Measures the time it takes for the light receiving device to receive the light reflected from the object on the road surface or the surface of the vehicle passing on the road, and measures the round-trip distance to the object based on the measured time. . If the measurement data is analyzed by the control device, the object to be irradiated with the laser beam is flat, that is, if there is no vehicle passing on the road and there is a pattern reflected and received from the road surface, there is no passing vehicle on the road. If there is unevenness on the object to be irradiated with the laser beam, it can be determined that there is a passing vehicle on the road as a pattern that is partly reflected from the vehicle passing on the road.
このレーザー式検出装置を用いた通過車両検出手段１１０は、道路を毀損することなく空間に設置することができるため、ループコイルでは敷設に必要となる道路埋設工事が不要となり、コストも比較的低廉で、耐久年数も比較的長い。レーザー式検出装置を用いた通過車両検出手段１１０であれば、スキャン速度、スキャン密度などを工夫することにより検知精度を上げることができるため、精度に起因する問題は発生しない。そのためレーザー式検出装置を用いた通過車両検出手段１１０は、道路上を通過する車両の台数などは精度良く検出することができる優れたシステムであると考えられる。 Since the passing vehicle detection means 110 using this laser type detection device can be installed in a space without damaging the road, the loop coil does not require road burial work required for laying, and the cost is relatively low. And the durability is relatively long. With the passing vehicle detection means 110 using a laser type detection device, the detection accuracy can be increased by devising the scan speed, the scan density, etc., so that no problem due to the accuracy occurs. Therefore, the passing vehicle detection means 110 using the laser detection device is considered to be an excellent system capable of accurately detecting the number of vehicles passing on the road.
通過車両検出手段１１０としてレーザー式検出装置を用いる場合も、レーザー照射装置と受光装置のセットを２つ備え、レーザーを近接する２地点に向けて照射してデータを得て、これら２カ所のレーザー反射波をそれぞれ検知・解析することで２ヶ所の地点での車両の通過を検出し、交通量を計測する装置となっている。図３（ｂ）では、道路の上流側の地点に向けてレーザーを照射してその反射波を受光するレーザー式検出装置１１０Ａと下流側の地点に向けてレーザーを照射してその反射波を受光するレーザー式検出装置１１０Ｂが設置された例となっている。この２つのレーザー式検出装置１１０Ａとレーザー式検出装置１１０Ｂがセットとなって１つの通過車両検出手段１１０となっている。図１における各々の通過車両検出手段１１０の各々が、図３（ｂ）のように２つのレーザー式検出装置を装備したものとなっている。
例えば、レーザー１１０Ａが、設置個所から仰角約４５度で２０ｍ〜３０ｍ先の道路面（エリアＳ１）を照射するように設定されており、レーザー１１０Ｂが設置個所の直下の道路面（エリアＳ２）を照射するように設定されている。例えば、この例ではレーザー１１０の２カ所の検知エリアの間隔Ｄ（ｍ）は３０ｍとする。
Even when a laser type detection device is used as the passing vehicle detection means 110, two sets of a laser irradiation device and a light receiving device are provided, and data is obtained by irradiating the laser toward two adjacent points, and these two lasers are obtained. By detecting and analyzing each reflected wave, it is possible to detect the passage of vehicles at two points and measure the traffic volume. In FIG. 3 (b), a laser-
For example, the
なお、図３（ｂ）のレーザー式検出装置のほか、超音波式検出装置を用いる方式も可能である。超音波式検出装置は比較的短い距離に適しており、比較的に長い距離であればレーザー式検出装置を用いた方が有利である。また、解像度においても、レーザー式検出装置を用いた方が有利である。 In addition to the laser detection device shown in FIG. 3B, a method using an ultrasonic detection device is also possible. The ultrasonic detection apparatus is suitable for a relatively short distance, and it is advantageous to use a laser detection apparatus if the distance is relatively long. Also in terms of resolution, it is more advantageous to use a laser detection device.
次に、通過車両検出手段１１０における走行車両ごとの通過時刻、通過速度および車種を含む車両走行データの演算について述べる。
通過車両検出手段１１０は、車両検出データをもとに解析して通過した車両データを得る。走行車両ごとにその通過時刻と走行速度と走行車線情報を含む車両走行データを得るが、その解析・計算を、走行車両が合流箇所を通過するまでに計算して出力する。本発明ではそのような車両が通過中に車両走行データを生成する即時性が必要であり、即時性を象徴して"リアルタイム"と呼ぶことがある。
Next, calculation of the vehicle travel data including the passage time, the passage speed, and the vehicle type for each traveling vehicle in the passing vehicle detection means 110 will be described.
The passing vehicle detection means 110 obtains passing vehicle data by analyzing based on the vehicle detection data. Vehicle travel data including the passage time, travel speed, and travel lane information is obtained for each traveling vehicle, and the analysis / calculation is calculated and output until the traveling vehicle passes the junction. In the present invention, the immediacy of generating vehicle travel data while such a vehicle is passing is necessary, and may be referred to as “real time” symbolizing immediacy.
図４は、通過車両検出手段１１０で得た車両検出データの例を簡単に示す図である。
図５は、通過車両検出手段１１０がレーザー式検出装置の場合において、図４の信号のタイミングにおける走行車両の状態を簡単に示す図である。
上記したように、通過車両検出手段１１０は、ループコイル式検出装置の場合と、レーザー式検出装置の場合があり得るが、図４および図５は、レーザー式検出装置を用いた場合の例である。
図４において上図の縦軸が上流側のレーザー式検出装置１１０Ａと反射物体との間の往復の計測距離、横軸は経過時間となっており、時系列にレーザー式検出装置１１０Ａと反射物体との間の往復の計測距離の変化を捉えるものとなる。同様に、下図の縦軸が下流側のレーザー式検出装置１１０Ｂと反射物体との間の往復の計測距離、横軸は経過時間となっており、時系列にレーザー式検出装置１１０Ｂと反射物体との間の往復の計測距離の変化を捉えるものとなる。なお、ループコイルの場合は、縦軸がインダクタンスとなり、横軸は経過時間となり、時系列にインダクタンスの変化を捉えることとなる。
FIG. 4 is a diagram simply showing an example of vehicle detection data obtained by the passing vehicle detection means 110.
FIG. 5 is a diagram simply showing the state of the traveling vehicle at the timing of the signal in FIG. 4 when the passing vehicle detection means 110 is a laser type detection device.
As described above, the passing vehicle detection means 110 may be a loop coil type detection device or a laser type detection device, but FIGS. 4 and 5 are examples of using a laser type detection device. is there.
In FIG. 4, the vertical axis in the upper diagram indicates the reciprocal measurement distance between the upstream laser-
以下、レーザー式検出装置１１０Ａおよび１１０Ｂの出力をもとにした、通過車両検出手段１１０における推定処理の説明とするが、ループコイル式検出装置の場合であれば、レーザー式検出装置の縦軸の計測距離の変化を、縦軸のインダクタンスの変化に読み替えれば良い。
Hereinafter, the estimation process in the passing
（１）Ｔ＜Ｔ１１（時刻Ｔ１１の直前）
上流側のレーザー式検出装置１１０Ａのレーザー照射装置が照射したレーザー光は途中で遮られることなく道路に照射され、再び道路の表面から反射したレーザー光を受光装置において受光する。上流側のレーザー照射装置がレーザー光を照射してレーザー式検出装置１１０Ａの受光装置で受光するまでの計測距離はＲ１とする。
(1) T <T11 (immediately before time T11)
The laser light emitted from the laser irradiation device of the upstream laser
（２）Ｔ＝Ｔ１１（時刻Ｔ１１のとき）
図４（ａ）および図５（ａ）に示すように、時刻Ｔ１１において、ある車両が上流側のレーザー式検出装置１１０Ａのレーザー照射装置の照射エリアＳ１へ進入したとする。上流側のレーザー式検出装置１１０Ａのレーザー照射装置から照射されたレーザー光は通過車両の表面で反射して受光装置において受光される。ここで、計測距離はＲ２となったものとする。ここでＲ２＜Ｒ１である。つまり、道路ではなく車両表面で反射するために計測距離が短くなったわけである。
通過車両検出手段１１０は、上流側のレーザー照射装置の照射エリアＳ１に車両の進入があったものと推定する。
(2) T = T11 (at time T11)
As shown in FIGS. 4A and 5A, it is assumed that a certain vehicle enters the irradiation area S1 of the laser irradiation device of the laser
The passing vehicle detection means 110 estimates that the vehicle has entered the irradiation area S1 of the laser irradiation device on the upstream side.
（３）Ｔ１１＜Ｔ＜Ｔ１２（時刻Ｔ１１から時刻Ｔ１２までの間）
時刻Ｔ１１から時刻Ｔ１２までの間、図４（ａ）および、図５（ａ）から図５（ｂ）に示すように、上流側のレーザー式検出装置１１０Ａのレーザー照射装置から照射されたレーザー光は通過中の車両に持続的に反射して受光装置に受光される。つまり計測距離としてはＲ２が維持される。
なお、実際には車両の高さに応じてＲ２の値が変わるため、車高の高い大型車、車高の中ぐらいの普通車、車高の低い小型車など概ねの車種の推定も可能となる。また、実際には車両における凹凸によってレーザー式検出装置の計測距離は細かく変化し得るが、ここでは説明を簡単にするため車高を一様の高さとして説明し、形状の凹凸に合わせて細かく変化し得る説明は省略する。
(3) T11 <T <T12 (between time T11 and time T12)
From time T11 to time T12, as shown in FIG. 4 (a) and FIGS. 5 (a) to 5 (b), laser light emitted from the laser irradiation device of the upstream laser
Actually, since the value of R2 changes according to the height of the vehicle, it is possible to estimate a general vehicle type such as a large vehicle having a high vehicle height, a normal vehicle having a medium vehicle height, and a small vehicle having a low vehicle height. . Actually, the measurement distance of the laser-type detection device may vary finely due to unevenness in the vehicle, but here the vehicle height is described as a uniform height for simplicity of explanation, and the measurement distance is finely matched to the unevenness of the shape. Descriptions that may change are omitted.
（４）Ｔ＝Ｔ１２（時刻Ｔ１２のとき）
図４（ａ）および図５（ｂ）に示すように、時刻Ｔ１２において、車両がレーザー式検出装置１１０Ａのレーザー照射装置の照射エリアＳ１から離脱したとする。レーザー式検出装置１１０Ａの計測距離がＲ１に戻る。
通過車両検出手段１１０は、上流側のレーザー式検出装置１１０Ａのレーザー照射装置から得たデータにおいて、Ｒ２であったデータがＲ１に変化したことを解析し、ここに、時刻Ｔ１２において上流側のレーザー式検出装置１１０Ａのレーザー照射装置の照射エリアＳ１から車両の離脱があったものと推定する。
(4) T = T12 (at time T12)
As shown in FIGS. 4A and 5B, it is assumed that the vehicle has left the irradiation area S1 of the laser irradiation device of the laser
The passing vehicle detection means 110 analyzes that the data obtained from the laser irradiation device of the upstream laser
（５）Ｔ１２＜Ｔ＜Ｔ２１（時刻Ｔ１２後、時刻Ｔ２１までの間）
この期間は、当該車両が下流側のレーザー式検出装置１１０Ｂのレーザー照射装置の照射エリアＳ２に到達するまでの期間であり、図４（ａ）から図４（ｂ）、および、図５（ｂ）から図５（ｃ）に示すように、この間は上流側のレーザー式検出装置１１０Ａのレーザー照射装置で検出される計測距離はＲ１、下流側のレーザー式検出装置１１０Ｂのレーザー照射装置で検出される計測距離はＲ３である。
(5) T12 <T <T21 (between time T12 and time T21)
This period is a period until the vehicle reaches the irradiation area S2 of the laser irradiation device of the laser
（６）Ｔ＝Ｔ２１（時刻Ｔ２１のとき）
図４（ｂ）および図５（ｃ）に示すように、時刻Ｔ２１において、車両が下流側のレーザー式検出装置１１０Ｂのレーザー照射装置の照射エリアＳ２へ進入したとする。ここで、図４（ｂ）に示すように、下流側のレーザー式検出装置１１０Ｂのレーザー照射装置から照射されたレーザー光は通過車両の表面で反射して受光装置において受光される。ここで、計測距離はＲ４とする。ここでＲ４＜Ｒ３である。つまり、道路ではなく車両表面で反射して受光されるために計測距離が短くなったわけである。
通過車両検出手段１１０は、下流側のレーザー式検出装置１１０Ｂから得たデータにおいて、Ｒ３であったデータがＲ４に変化したことが解析される。ここに、通過車両検出手段１１０は時刻Ｔ２１において下流側のレーザー式検出装置１１０Ｂのレーザー照射装置の照射エリアＳ２に車両の進入があったものと推定する。
(6) T = T21 (at time T21)
As shown in FIGS. 4B and 5C, it is assumed that the vehicle enters the irradiation area S2 of the laser irradiation device of the laser
The passing vehicle detection means 110 analyzes that the data obtained from the
（７）Ｔ２１＜Ｔ＜Ｔ２２（時刻Ｔ２１から時刻Ｔ２２までの間）
時刻Ｔ２１から時刻Ｔ２２までの間、計測距離はＲ４が維持される。
(7) T21 <T <T22 (between time T21 and time T22)
R4 is maintained as the measurement distance from time T21 to time T22.
（８）Ｔ＝Ｔ２２（時刻Ｔ２２のとき）
時刻Ｔ２２において、車両が下流側のレーザー式検出装置１１０Ｂのレーザー照射装置の照射エリアＳ２から離脱したとする。図４（ｂ）および図５（ｄ）に示すように、下流側のレーザー式検出装置１１０Ｂで検出される計測距離はＲ３に戻っている。つまり、車両が通過して道路からの反射光を受光することとなり計測距離が元に戻ったわけである。
通過車両検出手段１１０は、下流側のレーザー式検出装置１１０Ｂから得たデータにおいて、Ｒ４であったデータがＲ３に変化したことを解析し、ここに、時刻Ｔ２２において下流側のレーザー照射装置の照射エリアＳ２から車両の離脱があったものと推定する。
(8) T = T22 (at time T22)
Assume that at time T22, the vehicle leaves the irradiation area S2 of the laser irradiation device of the laser
The passing
（９）車両情報推定
通過車両検出手段１１０は、上記の（１）から（８）の手順により得られた各々のデータより、車両情報を推定する。なお、上流側のレーザー式検出装置１１０Ａのレーザー照射装置の照射エリアＳ１と下流側のレーザー式検出装置１１０Ｂのレーザー照射装置の照射エリアＳ２との間の距離Ｄはあらかじめ通過車両検出手段１１０が既知であるとする。
(9) Vehicle Information Estimation The passing vehicle detection means 110 estimates vehicle information from each data obtained by the above procedures (1) to (8). The distance D between the irradiation area S1 of the laser irradiation device of the upstream
（ａ）車両の通過検出
通過車両検出手段１１０は、上流側のレーザー式検出装置１１０Ａのレーザー照射装置の照射エリアＳ１への車両の進入時刻Ｔ１１と離脱時刻Ｔ１２、または、下流側のレーザー式検出装置１１０Ｂのレーザー照射装置の照射エリアＳ２への車両の進入時刻Ｔ２１と離脱時刻Ｔ２２のパターンを捉えることにより、車線ごとに走行車両の通過の有無を検出することができる。
(A) Passage detection of vehicle The passing vehicle detection means 110 is configured to detect the time T11 and the time T12 when the vehicle enters and exits the irradiation area S1 of the
（ｂ）車両速度Ｖ
通過車両検出手段１１０は、上流側のレーザー式検出装置１１０Ａのレーザー照射装置の照射エリアＳ１への車両の進入時刻Ｔ１１と下流側のレーザー式検出装置１１０Ｂのレーザー照射装置の照射エリアＳ２への車両の進入時刻Ｔ２１との差分と、既知の距離Ｄから車両の速度Ｖを推定する。つまり下記の［数１］により推定できる。なお、ここでは、速度Ｖは秒速で得られるものとするが、時速への変換も容易である。
［数１］
Ｖ＝Ｄ／（Ｔ２１−Ｔ１１）
なお、レーザー式検出装置１１０が道路に沿って細かく設置されておれば、速度Ｖの変化から加速度も推定できる場合がある。
(B) Vehicle speed V
The passing vehicle detection means 110 is a vehicle approach time T11 to the irradiation area S1 of the laser irradiation device of the upstream
[Equation 1]
V = D / (T21-T11)
If the
（ｃ）車両長Ｌ
通過車両検出手段１１０は、上流側のレーザー式検出装置１１０Ａのレーザー照射装置の照射エリアＳ１への車両の進入時刻Ｔ１１と離脱時刻Ｔ１２との差分、または、下流側のレーザー式検出装置１１０Ｂのレーザー照射装置の照射エリアＳ２への車両の進入時刻Ｔ２１と離脱時刻Ｔ２２との差分と車両の速度Ｖより車両の車長Ｌを推定する。つまり下記の［数２］により推定できる。
［数２］
Ｌ＝（Ｔ１２−Ｔ１１）・Ｖ または Ｌ＝（Ｔ２２−Ｔ２１）・Ｖ
(C) Vehicle length L
The passing vehicle detection means 110 is the difference between the vehicle entry time T11 and the departure time T12 of the laser irradiation device S1 of the upstream
[Equation 2]
L = (T12-T11) .V or L = (T22-T21) .V
（ｄ）車両の種別
通過車両検出手段１１０は、上記したように、車両の表面で反射して得られる計測距離Ｒ２またはＲ４から車両の高さを概ね推定することも可能である。車高から、例えば、大型トラック類、中型の乗用車類、小型の軽自動車類などを推定できる。また、車長Ｌからも大型トラック類、中型の乗用車類、小型の軽自動車類などを推定できる。車高と車長を兼ね合わせれば、大型トラック、中型の乗用車類、小型の軽自動車類との区別は概ね可能である。
(D) Vehicle type As described above, the passing vehicle detection means 110 can roughly estimate the height of the vehicle from the measurement distance R2 or R4 obtained by reflection on the surface of the vehicle. From the vehicle height, for example, large trucks, medium-sized passenger cars, small light cars, and the like can be estimated. Further, from the vehicle length L, it is possible to estimate large trucks, medium-sized passenger cars, small light cars, and the like. If the vehicle height and vehicle length are combined, it is possible to distinguish large trucks, medium-sized passenger cars, and small mini-cars.
以上が基本的な通過車両検出手段１１０における処理である。
通過車両検出手段１１０は、走行車両１台ごとに、走行位置、速度、加速度などは比較的正確に把握することができる。
The above is the basic processing in the passing vehicle detection means 110.
The passing vehicle detection means 110 can grasp the traveling position, speed, acceleration, etc. relatively accurately for each traveling vehicle.
次に、車両走行軌跡予測演算手段１２０を説明する。
車両走行軌跡予測演算手段１２０は、現時刻においてそれまでに得られている各々の通過車両検出手段１１０で検出した走行車両ごとの走行データをもとに、現時刻以降の走行車両ごとの走行軌跡を演算して予測するものである。
図６は、車両走行軌跡予測演算手段１２０により演算した走行車両ごとの走行軌跡の予測（点線部分）を図示したものである。
つまり、自動車自動運転支援システム１００の構成が、図２（ａ）に示した第１のパターンの構成である場合、この図６に示す車両走行軌跡予測演算手段１２０により演算した走行車両ごとの走行軌跡の予測データが出力データとなり、無線通信手段１９０より送信される。
Next, the vehicle travel locus
The vehicle travel locus prediction calculation means 120 is based on the travel data for each traveling vehicle detected by each passing vehicle detection means 110 obtained so far at the current time, and the travel locus for each traveling vehicle after the current time. Is calculated and predicted.
FIG. 6 illustrates the prediction (dotted line portion) of the traveling locus for each traveling vehicle calculated by the vehicle traveling locus
That is, when the configuration of the automatic vehicle driving
なお、図２（ａ）の第１のパターンの構成において、道路が合流箇所を備えた地点であり本線とランプ車線がある場合、合流支援手段を提供することができる。この場合、車両走行軌跡予測演算手段１２０が出力する本線を走行する走行車両についての走行軌跡の予測データと、同様に車両走行軌跡予測演算手段１２０が出力するランプ車線を走行する走行車両の走行軌跡の予測データを通知することにより、ランプ車線を走行する走行車両が本線を走行する各々の走行車両の車列中における合流に適した割り込み推奨箇所を選定し、時々刻々進行してゆくその割り込み推奨箇所の位置情報と、その前後の走行車両の速度情報と、さらにその前後の走行車両間の距離情報から合流に適した速度情報を含む合流支援情報を取得できるよう支援するものである。また、無線通信手段を介して本線を走行する走行車両にも、本線を走行する各走行車両についての走行軌跡の予測データと、ランプ車線を走行してくる走行車両の走行軌跡の予測データを与えることが可能であり、本線走行車両３００が自動運転制御機能付きの自動車であれば、合流箇所における安全走行を確保する上で有用な合流支援情報を取得することができ、合流支援につながる。
In the configuration of the first pattern in FIG. 2A, when the road is a point having a confluence point and there are a main line and a ramp lane, a confluence support means can be provided. In this case, the traveling locus prediction data for the traveling vehicle traveling on the main line output by the vehicle traveling locus
次に、図２（ｂ）の第２のパターンの構成とする工夫について述べる。
上記したように、車両走行軌跡予測演算手段１２０は、通過車両検出手段１１０で検出した走行車両が検出した走行位置、速度、加速度でそのままの走行を続けたものと予測して走行軌跡を演算して描いた例となっている。
つまり、図６の例では、車両走行軌跡予測演算手段１２０は、時刻ｔ（３）の時点で走行車線の走行が検出されている車両Ｂ、Ｄ、Ｆがそのまま時刻ｔ（３）以降もそのまま走行が続くものとして予測演算し、その走行軌跡の予測演算結果は点線で示されるものとなる。同様に、車両走行軌跡予測演算手段１２０は、時刻ｔ（３）の時点で追い越し車線の走行が検出されている車両Ａ、Ｃ、Ｅがそのまま時刻ｔ（３）以降もそのまま走行が続くものとして演算し、その走行軌跡の予測演算結果は点線で示されるものとなる。
Next, a device for configuring the second pattern in FIG. 2B will be described.
As described above, the vehicle travel locus
In other words, in the example of FIG. 6, the vehicle travel trajectory
このように、図２（ａ）に示す第１のパターンの構成例では、車両走行軌跡予測演算手段１２０が演算した図６に示すような走行軌跡の予測データが無線通信手段１９０を介して出力される。
しかし、通過車両検出手段１１０は、走行車両の車線変更などの変化の検出や予測には適していない。また、道路に沿って５０ｍ〜５００ｍ間隔で設置した場合、細かい変化を捉えるには分解能が不足している。自動車自動運転支援システム１００としては、各車両の走行軌跡の予測において、走行車両の車線変更を反映することが重要である。
そこで、図２（ｂ）の第２のパターンの構成とする工夫がある、第２のパターンではカメラ１３０の撮影データを用いる。カメラ１３０の撮影データを解析して区間内車両概略位置検出手段１４０で検出した各走行車両の位置をもとに、車両走行軌跡演算手段１５０で得た車両軌跡のトレース結果と、車両走行軌跡予測演算手段１２０で得た走行軌跡の予測データを比較することで、車両走行軌跡予測演算修正手段１６０によって車両走行軌跡予測演算手段１２０で得た走行軌跡の予測データを修正する。
As described above, in the configuration example of the first pattern shown in FIG. 2A, the prediction data of the travel locus as shown in FIG. 6 calculated by the vehicle travel locus prediction calculation means 120 is output via the wireless communication means 190. Is done.
However, the passing
In view of this, there is a contrivance for the configuration of the second pattern in FIG. Based on the position of each traveling vehicle detected by the in-section vehicle approximate position detection means 140 by analyzing the shooting data of the
図２（ｂ）の第２のパターンとして追加された各構成要素について説明する。
カメラ１３０は、撮像方向が道路の所定箇所の路面に向けられた状態で設置されており、所定箇所の画像を定期的に撮影して撮影画像を得る。
カメラ１３０も、道路の合流箇所の前後にわたり複数箇所設置することが好ましい。
図１に示す例では、道路に沿って、複数個のカメラ１３０が設置されている。
カメラ１３０は、例えば、５０ｍ〜５００ｍの間隔で設置する。なお、合流箇所よりも離れた位置では５００ｍ間隔、合流箇所に近い箇所では１００ｍ間隔など間隔の設定を変えることも可能である。合流箇所がある場合、合流箇所の直前および本線と合流車線が並行して走る合流帯において通過車両検出手段１１０を設置する間隔は細かい方が良い。
カメラ１３０の撮影時間間隔は、例えば、約３０ｍｓｅｃ（１秒間に３０フレーム）間隔とする。
カメラ１３０の撮影画像は撮影時間データとともに区間内車両概略位置検出手段１４０に渡される。
Each component added as the second pattern in FIG. 2B will be described.
The
It is preferable that a plurality of
In the example shown in FIG. 1, a plurality of
For example, the
The shooting time interval of the
The captured image of the
区間内車両概略位置検出手段１４０は、各カメラ１３０から送られてきた画像データを時系列に並べ、道路の所定区間に存在する各走行車両の撮影画像から、所定区間内に存在する各走行車両の走行位置データを出力するものである。
区間内車両概略位置検出手段１４０は各カメラ１３０から送られてきた画像データを基に走行車両の大雑把な走行位置を３０ｍｓｅｃ間隔で検出できるので、区間にわたる走行車両の車線変更などを捉えやすく、通過車両検出手段１１０の解析・計算結果を補足できる。一方、逆に、区間内車両概略位置検出手段１４０は仰角のある撮影画像を基にしているため走行車両の道路上の走行詳細位置や走行速度などは捉えにくいが、車両通過の検出や走行速度の検出は通過車両検出手段１１０を用いた車両走行軌跡予測演算手段１２０の方が優れているため、両者は補完的関係に立っていると言える。
The intra-section vehicle approximate position detecting means 140 arranges the image data sent from each
The in-section vehicle approximate position detection means 140 can detect the rough traveling position of the traveling vehicle at intervals of 30 msec based on the image data sent from each
図７は、区間内車両概略位置検出手段１４０が、時系列に並べられた画像データから所定区間内に存在する各走行車両の走行位置データを検出する様子を示す図である。
カメラ１３０は各車両の正面方向から撮影しているので、図中の奥側から手前側に向けて走行している。そのため、図中右側が走行車線、図中左側が追い越し車線となっている。
図７（ａ）は、あるカメラ１３０からある時刻に送られてきた画像データである。この例では、図１におけるカメラ１３０（１）によって、時刻ｔ（２）における撮影画像とする。およそ道路の１００ｍぐらいの区間を捉えている画像となっているものとする。
図７（ｂ）は、図７（ａ）のデータを撮影したカメラ１３０よりも下流側のカメラ１３０によって図７（ａ）の撮影時刻よりも後のある時刻に撮影された画像である。この例では、図１におけるカメラ１３０（２）によって、時刻ｔ（３）における撮影画像とする。つまり、図７（ａ）から図７（ｂ）は時系列に並んだ画像である。
FIG. 7 is a diagram showing how the in-section vehicle approximate
Since the
FIG. 7A shows image data sent from a
FIG. 7B is an image photographed at a certain time after the photographing time of FIG. 7A by the
図７（ａ）および図７（ｂ）には、車両Ａから車両Ｆまでが映り込んでいる。
区間内車両概略位置検出手段１４０は、時系列に並べられた画像データから走行車両の形状および色の情報をもとに走行車両を１台ごとに特定する。図７（ａ）では図中左側の追い越し車線に車両Ａ、車両Ｃ、車両Ｅが走行しており、図中右側の走行車線に車両Ｂ、車両Ｄ、車両Ｆが走行している。区間内車両概略位置検出手段１４０はそれらを画像解析により認識する。図７（ｂ）では図中左側の追い越し車線に車両Ａ、車両Ｂ、車両Ｃ、車両Ｅが走行しており、右側の走行車線に車両Ｄ、車両Ｆが走行している。区間内車両概略位置検出手段１４０はそれらを画像解析により認識する。
この画像処理に基づく結果は、通過車両検出手段１１０による走行車両の位置、走行車線の検出結果と突合させることにより検出結果の精度を向上させることに役立つ。
In FIG. 7A and FIG. 7B, the vehicle A to the vehicle F are reflected.
The intra-section vehicle approximate position detection means 140 identifies each traveling vehicle based on the shape and color information of the traveling vehicle from the image data arranged in time series. In FIG. 7A, the vehicles A, C, and E are traveling in the overtaking lane on the left side in the drawing, and the vehicles B, D, and F are traveling in the traveling lane on the right side in the drawing. The intra-section vehicle approximate position detection means 140 recognizes them by image analysis. In FIG. 7B, vehicle A, vehicle B, vehicle C, and vehicle E are traveling in the overtaking lane on the left side in the drawing, and vehicle D and vehicle F are traveling in the right traveling lane. The intra-section vehicle approximate position detection means 140 recognizes them by image analysis.
The result based on the image processing is useful for improving the accuracy of the detection result by colliding with the detection result of the position of the traveling vehicle and the traveling lane by the passing
車両走行軌跡演算手段１５０は、区間内車両概略位置検出手段１４０で得た各走行車両の走行位置データを基に、各走行車両の移動状態をトレースするものである。
車両走行軌跡演算手段１５０は、時系列に並べられた画像データから走行車両の形状および色の情報をもとに走行車両を１台ごとに特定して当該走行車両の走行車線を時系列で追うように演算し、特に車線変更の有無を正確に検出できる。
The vehicle travel locus calculation means 150 traces the movement state of each travel vehicle based on the travel position data of each travel vehicle obtained by the intra-section vehicle approximate position detection means 140.
The vehicle travel locus calculating means 150 identifies each traveling vehicle from the image data arranged in time series based on the shape and color information of the traveling vehicle and tracks the traveling lane of the traveling vehicle in time series. In particular, the presence / absence of a lane change can be accurately detected.
この例では、車両走行軌跡演算手段１５０は、区間内車両概略位置検出手段１４０で得た各走行車両の走行位置データを基に車両Ａから車両Ｆまでの走行軌跡を演算し、時刻ｔ（２）では走行車線に車両Ｂ、車両Ｄ、車両Ｆが走行し、追い越し車線に車両Ａ、車両Ｃ、車両Ｅが走行している走行軌跡が演算されるが、時刻ｔ（３）では走行車線に車両Ｄ、車両Ｆが走行し、追い越し車線に車両Ａ、車両Ｂ、車両Ｃ、車両Ｅが走行している走行軌跡が演算される。
車両走行軌跡演算手段１５０は、演算した走行軌跡から、時刻ｔ（２）から時刻ｔ（３）までの間において、車両Ｂが走行車線から追い越し車線に車線変更したことを認識する。このように走行車両の車線変更を認識すれば、"車線変更データ"として出力する。
In this example, the vehicle travel locus calculation means 150 calculates a travel locus from the vehicle A to the vehicle F based on the travel position data of each travel vehicle obtained by the intra-section vehicle approximate position detection means 140, and the time t (2 ), Vehicle B, vehicle D, and vehicle F travel in the travel lane, and the travel trajectory in which vehicle A, vehicle C, and vehicle E travel in the overtaking lane is calculated, but at time t (3), the travel lane A travel locus in which the vehicle D, the vehicle F travel, and the vehicle A, the vehicle B, the vehicle C, and the vehicle E travel in the overtaking lane is calculated.
The vehicle travel locus calculation means 150 recognizes from the calculated travel locus that the vehicle B has changed from the travel lane to the overtaking lane between time t (2) and time t (3). If the lane change of the traveling vehicle is recognized in this way, it is output as “lane change data”.
車両走行軌跡予測演算修正手段１６０は、車両走行軌跡演算手段１５０から得られた走行車両のトレース結果によって、車両走行軌跡予測演算手段１２０が得ている走行軌跡の予測を逐次修正するものである。
この例では、時刻ｔ２から時刻ｔ３の間に、車両Ｂが走行車線から追い越し車線に車線変更した走行軌跡となるように修正を行う。
The vehicle travel trajectory prediction calculation correcting means 160 sequentially corrects the prediction of the travel trajectory obtained by the vehicle travel trajectory prediction calculating means 120 based on the trace result of the traveling vehicle obtained from the vehicle travel trajectory calculating means 150.
In this example, the correction is performed so that the vehicle B has a travel locus in which the lane is changed from the travel lane to the overtaking lane between time t2 and time t3.
図８は、車両走行軌跡予測演算修正手段１６０により修正が加えられた走行軌跡の予測データを示す図である。図８に示すように、時刻ｔ（２）から時刻ｔ（３）の間に走行車線を走行していた車両Ｂが追い越し車線へ車線変更した走行軌跡となっている。
このように、図６で示した車両走行軌跡予測演算手段１２０による走行軌跡の予測に比べて捉えきれていなかった車両Ｂの車線変更が、図８で示した車両走行軌跡予測演算修正手段１６０による修正後の走行軌跡では車両Ｂの車線変更が捉えられた走行軌跡の予測となって精度が向上している。
FIG. 8 is a diagram showing the prediction data of the travel locus corrected by the vehicle travel locus prediction
In this way, the lane change of the vehicle B that has not been grasped in comparison with the prediction of the travel locus by the vehicle travel locus prediction calculation means 120 shown in FIG. The corrected travel locus is a prediction of the travel locus in which the lane change of the vehicle B is captured, and the accuracy is improved.
なお、図２（ｂ）に示した第２のパターンの構成である場合に得られる図８に示す車両走行軌跡予測演算修正手段１６０による修正後の走行軌跡の予測においても、時刻ｔ（３）以降の走行軌跡は、そのままの走行が続くものとして演算され、その走行軌跡の予測演算結果を点線で示されている。
つまり、自動車自動運転支援システム１００の構成が、図２（ｂ）に示した第２のパターンの構成である場合、この図８に示す車両走行軌跡予測演算修正手段１６０により修正が加えられた走行軌跡の予測データが出力データとなり、無線通信手段１９０より送信される。
It should be noted that time t (3) is also used in the prediction of the travel locus after correction by the vehicle travel locus prediction calculation correcting means 160 shown in FIG. 8 obtained in the case of the configuration of the second pattern shown in FIG. Subsequent travel trajectories are computed as if the travel is continued as it is, and the predicted computation results of the travel trajectories are indicated by dotted lines.
That is, when the configuration of the automobile automatic
なお、図２（ｂ）に示す第２のパターンの構成においても、道路が合流箇所を備えた地点であり本線とランプ車線がある場合、合流支援手段を提供することができる。この場合、車両走行軌跡予測演算修正手段１６０が出力する本線を走行する走行車両についての走行軌跡の予測データと、同様に車両走行軌跡予測演算修正手段１６０が出力するランプ車線を走行する走行車両の走行軌跡の予測データを通知することにより、ランプ車線を走行する走行車両が本線を走行する各々の走行車両の車列中における合流に適した割り込み推奨箇所を選定し、時々刻々進行してゆくその割り込み推奨箇所の位置情報と、その前後の走行車両の速度情報と、さらにその前後の走行車両間の距離情報から合流に適した速度情報を含む合流支援情報を取得できるよう支援するものである。また、無線通信手段を介して本線を走行する走行車両にも、本線を走行する各走行車両についての走行軌跡の予測データと、ランプ車線を走行してくる走行車両の走行軌跡の予測データを与えることが可能であり、本線走行車両３００が自動運転制御機能付きの自動車であれば、合流箇所における安全走行を確保する上で有用な合流支援情報を取得することができ、合流支援につながる。
In the configuration of the second pattern shown in FIG. 2 (b), a merging support means can be provided when the road is a point having a merging point and there are a main line and a ramp lane. In this case, the prediction data of the traveling locus about the traveling vehicle traveling on the main line output by the vehicle traveling locus prediction calculation correcting means 160 and the traveling vehicle traveling on the ramp lane similarly output by the vehicle traveling locus prediction calculation correcting means 160 are provided. By notifying the prediction data of the driving trajectory, the traveling vehicle traveling on the ramp lane selects the recommended interrupting point suitable for joining in the train of each traveling vehicle traveling on the main lane, and progresses from moment to moment. This is to assist in obtaining merging support information including speed information suitable for merging from position information of recommended interrupting points, speed information of the traveling vehicles before and after that, and distance information between the preceding and following traveling vehicles. In addition, traveling vehicle traveling on the main line via the wireless communication means is also provided with prediction data for the traveling locus for each traveling vehicle traveling on the main line and prediction data for the traveling locus of the traveling vehicle traveling on the ramp lane. If the main
このように、図２（ｂ）に示す第２のパターンの構成例では、車両走行軌跡予測演算手段１２０が演算した図６に示すような走行軌跡の予測データを、カメラ１３０の撮影データをもとに車線変更の有無を検出し、車両走行軌跡予測演算修正手段１６０によって図８に示すような走行軌跡の予測データとして修正が加えられ、無線通信手段１９０を介して出力されるわけである。
しかし、自動車自動運転支援システム１００としては、実際の車線変更の有無の反映だけでなく、各走行車両の車線変更が予測でき、その車線変更の予測を織り込んだ走行軌跡を提示できればより一層、自動車の自動走行支援には役立つ。
そこで、図２（ｃ）に示す第３のパターンの構成例では、カメラ１３０の撮影データを画像解析して、各走行車両の車線変更の予測を立て、その予測をもとに、車両走行軌跡予測演算修正手段１６０による修正後の走行軌跡の予測データに対してさらに修正を加える。
従来技術では、走行車両の車線変更の"予測"を行うものは知られていないが、本発明の自動車自動運転支援システム１００は、さらなる工夫として、車線変更予測部１７０と車線変更予測修正手段１８０を用いた車線変更の予測も織り込んだ走行軌跡を生成する。
As described above, in the configuration example of the second pattern shown in FIG. 2B, the prediction data of the traveling locus as shown in FIG. In addition, the presence / absence of a lane change is detected, and the vehicle travel locus prediction calculation / correction means 160 corrects it as prediction data of a travel locus as shown in FIG. 8 and outputs it via the wireless communication means 190.
However, the automatic vehicle driving
Therefore, in the configuration example of the third pattern shown in FIG. 2 (c), the image data of the
In the prior art, what performs “prediction” of the lane change of the traveling vehicle is not known, but the automatic vehicle driving
車線変更予測部１７０は、カメラ１３０で撮影された画像中の各々の走行車両の変化を検出し、捉えた各々の走行車両の変化から車線変更を予測する。例えば、ウインカーの点滅を検知することにより、当該走行車両の走行車線の変更があると予測して"車線変更予測データ"を予測できる。
The lane
図９は、車線変更予測部１７０による走行車両の車線変更の予測処理を簡単に説明する図である。カメラ１３０は各車両の正面方向から撮影しているので、図中の奥側から手前側に向けて走行している。そのため、図中右側が走行車線、図中左側が追い越し車線となっている。
FIG. 9 is a diagram for briefly explaining the lane change prediction process of the traveling vehicle by the lane
図９（ａ）は、あるカメラ１３０からある時刻に送られてきた画像データである。この例では、図１におけるカメラ１３０（２）によって、時刻ｔ（２）における撮影画像とする。ただし、この例では、車両Ｂのウインカーの点滅について捉えた画像となっている。
FIG. 9A shows image data sent from a
また、図９（ｂ）は、図９（ａ）のデータを撮影したカメラ１３０よりも下流側のカメラ１３０によって図９（ａ）の撮影時刻よりも後のある時刻に撮影された画像である。この例では、図１におけるカメラ１３０（３）によって、時刻ｔ（３）における撮影画像とする。この例では、車両Ｅのウインカーの点滅について捉えた画像となっている。
図９（ａ）および図９（ｂ）には、車両Ａから車両Ｆまでが映り込んでいる。
FIG. 9B is an image taken at a certain time after the shooting time of FIG. 9A by the
In FIG. 9A and FIG. 9B, the vehicle A to the vehicle F are reflected.
図９（ａ）の撮影画像では、図中右側の走行車線を走行中の車両Ｂのウインカー（追い越し車線への車線変更を示すウインカー）が点滅している。車線変更予測部１７０は画像処理により画像の変化としてウインカーの点滅を捉える。
In the captured image of FIG. 9A, the blinker of the vehicle B traveling in the traveling lane on the right side in the drawing (the blinker indicating the lane change to the overtaking lane) flashes. The lane
なお、ウインカーは通常は１秒間隔で点滅を繰り返す車種が多いため、撮影した瞬間にウインカーが点灯していない場合もあり得るが、上記したようにこの例では、カメラ１３０は毎秒３０フレームの撮影しているため、走行車両がウインカーを点滅させていれば、カメラ１３０で撮影したいずれかのショットで点灯の瞬間が捉えられる。
この図９（ａ）を撮影した時刻ｔ（２）において、車線変更予測部１７０は、車両Ｂについて"車線変更予測データ"を予測情報として出力することができる。
In addition, since there are many types of blinkers that usually blink repeatedly at intervals of 1 second, the blinker may not be lit at the moment of shooting, but as described above, in this example, the
At time t (2) when this FIG. 9A is captured, the lane
次に、図９（ｂ）の撮影画像では、車両Ｂは車線変更を終えており、車両Ｂのウインカーは点滅していない。一方、図中左側の追い越し車線を走行中の車両Ｅのウインカー（走行車線への車線変更を示すウインカー）は点滅している。
この図９（ｂ）を撮影した時刻ｔ（３）において、車線変更予測部１７０は、車両Ｂは車線変更を終了した事実の把握と、車両Ｅについては引き続き"車線変更予測データ"を予測情報として出力することができる。
Next, in the captured image of FIG. 9B, the vehicle B has finished changing lanes and the blinker of the vehicle B is not blinking. On the other hand, the blinker of the vehicle E traveling in the overtaking lane on the left side of the figure (the blinker indicating the lane change to the traveling lane) is blinking.
At time t (3) when this FIG. 9B is photographed, the lane
このように、車線変更予測部１７０は画像処理によりこれらのウインカーの点滅を認識すると、車線変更が行われることを予測して、"車線変更予測データ"を予測情報として出力することができる。この例では車両Ｅの車線変更を予測した"車線変更予測データ"を出力する。
As described above, when the lane
車線変更予測修正手段１８０は、図８で示した車両走行軌跡予測演算修正手段１６０による修正後の走行軌跡の予測データに対して、車線変更を予測する"車線変更予測データ"を織り込むように走行軌跡の予測データをさらに修正する。 The lane change prediction correction means 180 travels so that “lane change prediction data” for predicting lane change is incorporated into the prediction data of the travel locus corrected by the vehicle travel locus prediction calculation correction means 160 shown in FIG. The trajectory prediction data is further corrected.
図１０は、車線変更予測修正手段１８０による車線変更予測データによる予測も織り込んだ走行軌跡の予測データを示す図である。
図１０（ａ）の走行車線の走行シミュレート結果を見ると、時刻ｔ（３）以前の状況として、車両Ｂ、車両Ｄ、車両Ｆが走行していた軌跡が読み取れる。
ここで、図１０（ａ）において、車両Ｂの軌跡が途切れているが、これは、車両Ｂが車線変更を行い、走行車線を離脱し、追い越し車線へ移行したためである。
FIG. 10 is a diagram illustrating travel locus prediction data that incorporates prediction based on lane change prediction data by the lane change prediction correction means 180.
Looking at the travel simulation result of the travel lane in FIG. 10A, the trajectory in which the vehicle B, the vehicle D, and the vehicle F were traveling can be read as the situation before the time t (3).
Here, in FIG. 10A, the trajectory of the vehicle B is interrupted because the vehicle B changes the lane, leaves the traveling lane, and shifts to the overtaking lane.
図１０（ａ）の走行車線の時刻ｔ（３）以後の走行シミュレート結果として、各々の車両の予測軌跡が点線で示されている。車両Ｄは走行状況において何らの変化も見て取れないので、ｔ（３）以降も、そのままの速度で走行することが予測され、点線で示されている。車両Ｆについても同様である。
一方、車両Ｅについては、図９（ｂ）に示すように、ウインカーが点滅しており、やがて追い越し車線を離脱し、走行車線への車線変更が予測されているため、車両Ｅの走行車線への出現を予測して、図１０（ａ）には点線で車両Ｅが描かれている。
As a travel simulation result after time t (3) of the travel lane in FIG. 10A, the predicted trajectory of each vehicle is indicated by a dotted line. Since the vehicle D cannot see any change in the traveling state, it is predicted that the vehicle D will travel at the same speed after t (3) and is indicated by a dotted line. The same applies to the vehicle F.
On the other hand, for the vehicle E, as shown in FIG. 9B, the blinker blinks, and eventually the vehicle overtakes the overtaking lane and the lane change to the traveling lane is predicted. The vehicle E is drawn with a dotted line in FIG.
一方、図１０（ｂ）の追い越し車線には、時刻ｔ（３）以前には、車両Ａ、車両Ｂ、車両Ｃ、車両Ｅが走行していた軌跡が読み取れる。図１０（ｂ）において、車両Ｂの軌跡が突然現れているが、上記したように、走行車線から追い越し車線へ車線変更してきたので、車線変更のタイミングで追い越し車線上の軌跡として図示され始めている。 On the other hand, in the overtaking lane of FIG. 10B, the trajectory on which the vehicle A, the vehicle B, the vehicle C, and the vehicle E were traveling before the time t (3) can be read. In FIG. 10B, the trajectory of the vehicle B suddenly appears, but as described above, since the lane has been changed from the traveling lane to the overtaking lane, it is starting to be shown as a trajectory on the overtaking lane at the timing of the lane change. .
図１０（ｂ）の追い越し車線の時刻ｔ（３）以後の走行シミュレート結果として、各々の車両の予測軌跡が点線で示されている。車両Ａは走行状況において何らの変化も見て取れないので、ｔ（３）以降も、そのままの速度で走行することが予測され、点線で示されている。車両Ｂ、車両Ｃについても同様である。
一方、車両Ｅについては、図９（ｂ）に示したように、ウインカーが点滅しており、やがて追い越し車線を離脱し、走行車線への車線変更が予測されているため、車両Ｅの追い越し車線からの離脱を予測して、図１０（ｂ）には点線で車両Ｅの予測軌跡が途切れている。
As a driving simulation result after time t (3) of the overtaking lane in FIG. 10B, the predicted trajectory of each vehicle is indicated by a dotted line. Since the vehicle A cannot see any change in the traveling state, it is predicted that the vehicle A will travel at the same speed after t (3) and is indicated by a dotted line. The same applies to the vehicles B and C.
On the other hand, for the vehicle E, as shown in FIG. 9B, the blinker blinks, and eventually, the vehicle E leaves the overtaking lane and a lane change to the traveling lane is predicted. In FIG. 10B, the predicted locus of the vehicle E is interrupted by a dotted line.
図１０に示すように、時刻ｔ（３）以降は予測として点線で示されているが、正確な時刻までは予測できないが、車両Ｅが追い越し車線から走行車線へ車線変更することが予測された走行軌跡となっている。
図８の車両走行軌跡予測演算修正手段１６０による修正後の走行軌跡の予測データでは、車両Ｅの車線変更の予測が織り込まれていなかったが、図１０の車線変更予測修正手段１８０による車線変更予測データによる予測も織り込んだ走行軌跡の予測データでは、車両Ｅの車線変更が織り込まれた形となっている。
As shown in FIG. 10, after the time t (3), it is indicated by a dotted line as a prediction. However, although it cannot be predicted until an accurate time, it is predicted that the vehicle E will change the lane from the overtaking lane to the traveling lane. It is a running track.
In the prediction data of the travel locus corrected by the vehicle travel locus prediction calculation correcting means 160 in FIG. 8, the lane change prediction of the vehicle E is not factored in, but the lane change prediction by the lane change prediction correcting means 180 in FIG. In the prediction data of the travel locus including the prediction based on the data, the lane change of the vehicle E is incorporated.
次に、車線変更予測部１７０が保持する走行予測モデルについて述べる。
車線変更予測部１７０は、図２（ｃ）に示すように、走行予測モデル記憶部１７１を備えており、その中に、例えば、合流箇所において走行車線を変更しない車両をモデル化したカーフォローイングモデルや、合流箇所において走行車線を変更する車両をモデル化したデシジョンメイキングモデルなどの走行予測モデルを装備している。
Next, the travel prediction model held by the lane
As shown in FIG. 2C, the lane
車線変更予測部１７０は画像データから走行車両の状態変化がある場合は当該走行車両に関してはデシジョンメイキングモデルを適用し、走行車両の状態変化がない場合は当該走行車両に関してはカーフォローイングモデルを適用する。
この走行予測モデルは必須の構成ではないが、車線変更予測部１７０が走行予測モデル記憶部１７１を備え、走行予測モデルを用いた予測を行うことにより、車線変更予測部１７０の予測精度が向上する。
The lane
Although the travel prediction model is not an essential configuration, the lane
以上のように得た結果をもとに、本発明の自動車自動運転システム１００は、図１０で示すような各々の走行車両の走行軌跡の予測データを、道路に合流しようとする自動運転制御機能付き自動車２００の自動運転制御装置に対して無線通信手段１９０を介して送信する。
Based on the results obtained as described above, the automatic
なお、図２（ｃ）の第３のパターンの構成においても、道路が合流箇所を備えた地点であり本線とランプ車線がある場合、合流支援手段を提供することができる。この場合、車線変更予測修正手段１８０が出力する本線を走行する走行車両についての走行軌跡の予測データと、同様に車線変更予測修正手段１８０が出力するランプ車線を走行する走行車両の走行軌跡の予測データを通知することにより、ランプ車線を走行する走行車両が本線を走行する各々の走行車両の車列中における合流に適した割り込み推奨箇所を選定し、時々刻々進行してゆくその割り込み推奨箇所の位置情報と、その前後の走行車両の速度情報と、さらにその前後の走行車両間の距離情報から合流に適した速度情報を含む合流支援情報を取得できるよう支援するものである。また、無線通信手段を介して本線を走行する走行車両にも、本線を走行する各走行車両についての走行軌跡の予測データと、ランプ車線を走行してくる走行車両の走行軌跡の予測データを与えることが可能であり、本線走行車両３００が自動運転制御機能付きの自動車であれば、合流箇所における安全走行を確保する上で有用な合流支援情報を取得することができ、合流支援につながる。
In the configuration of the third pattern in FIG. 2C, when the road is a point provided with a merge point and there are a main line and a ramp lane, a merge support means can be provided. In this case, the prediction data of the traveling locus about the traveling vehicle traveling on the main line output from the lane change prediction correcting means 180 and the prediction of the traveling locus of the traveling vehicle traveling on the ramp lane similarly output from the lane change
以上が本発明の自動車自動運転支援システム１００が提供する自動運転支援機能である。
このように、自動車自動運転支援システム１００は、通過車両検出手段１１０と車両走行軌跡予測演算手段１２０を備えた第１の構成の場合は、図６で示した車両走行軌跡予測演算手段１２０が予測した走行軌跡の予測データを出力することとなる。
さらに、自動車自動運転支援システム１００が、区間内車両概略位置検出手段１４０と車両走行軌跡演算手段１５０と車両走行軌跡予測演算修正手段１６０を備えた第２の構成であれば、図８で示した車両走行軌跡予測演算修正手段１６０による修正後の走行軌跡の予測データを出力することができる。
さらに、自動車自動運転支援システム１００が、車線変更予測部１７０と車線変更予測修正手段１８０を備えた第３の構成であれば、図１０で示した車線変更予測部１７０による車線変更予測データによる予測も織り込んだ走行軌跡の予測データを出力することができる。
The above is the automatic driving support function provided by the automatic
Thus, in the case of the first configuration in which the automatic vehicle driving
Furthermore, if the automatic vehicle driving
Further, if the automatic vehicle driving
次に、自動運転制御機能付き自動車２００における自動運転制御について述べる。
自動運転制御機能付き自動車２００は、自動車自動運転支援システム１００の無線通信手段１９０を介して走行軌跡データを受信すると、自動運転制御装置において自動運転制御を行う。
自動運転制御機能付き自動車２００の走行シミュレーターは、周囲の走行車両の走行軌跡と、自車の走行軌跡を重ね合わせてシミュレートする。
この例では、道路が合流箇所を備えた地点であり本線とランプ車線があり、自動運転制御機能付き自動車２００がランプ車線を走行しており、本線に合流する場合の走行をシミュレートする例として説明する。
Next, automatic driving control in the
When the
The traveling simulator of the
In this example, as an example of simulating traveling when the road is a point having a merge point, there are a main line and a ramp lane, and the
図１１は、自動運転制御機能付き自動車２００のランプ車線での走行軌跡の予測データである。
なお、自動運転制御機能付き自動車２００は、自車のランプ車線での走行軌跡の予測データを、ランプ車線用に設置された自動車自動運転支援システム１００より別途得ておくものとする。
この例では、図１に示すように、道路合流箇所に向けてアクセスしてくるランプ車線においても、車両通過検出手段１１０（９）〜１１０（１１）およびカメラ１３０（９）〜１３０（１１）が設置されている。それぞれの車両通過検出手段１１０（９）〜１１０（１１）の車両通過検出データをもとに、通過車両検出手段１１０が車両走行データを生成し、自動車自動運転支援システム１００は、車両走行軌跡予測演算手段１２０によりランプ車線を登ってくる自動運転制御機能付き自動車２００の走行軌跡を得る。この例ではランプ車線は４００ｍ程度であるものとし、合流車線も４００ｍ程度とする。
FIG. 11 is prediction data of a travel locus on the ramp lane of the
Note that the
In this example, as shown in FIG. 1, the vehicle passage detection means 110 (9) to 110 (11) and the cameras 130 (9) to 130 (11) are also used in the ramp lane that is accessed toward the road junction. Is installed. Based on the vehicle passage detection data of each of the vehicle passage detection means 110 (9) to 110 (11), the passing vehicle detection means 110 generates vehicle travel data, and the automatic vehicle driving
図１１の縦軸は走行位置を示している。この例では、ランプ車線として合流地点の４００ｍ前からランプ車線の終わりまで（つまり合流車線の開始地点０ｍまで）と、合流車線０ｍ〜４００ｍまでと、その後の走行車線（合流地点から４００ｍから１０００ｍ）を示しているものとし、それらを併せて縦軸としている。そのため縦軸には−４００ｍ〜０ｍ〜１０００ｍが示されている。
図１１の横軸は時刻を示している。今、時刻ｔ（３）の時点におけるシミュレート結果となっている。
図１１の時刻ｔ（３）以前の時刻のデータは実線で描かれているが、これらはｔ（３）の時刻で得られている、通過車両検出手段１１０から得た車両走行データをもとに作成した実測の自動運転制御機能付き自動車２００の過去の走行軌跡である。
The vertical axis in FIG. 11 indicates the travel position. In this example, the ramp lane is 400 m before the merge point to the end of the ramp lane (that is, until the merge lane start point 0 m), the merge lane 0 m to 400 m, and the subsequent lane (400 m to 1000 m from the merge point). These are shown together as a vertical axis. Therefore, −400 m to 0 m to 1000 m is shown on the vertical axis.
The horizontal axis in FIG. 11 indicates time. Now, it is a simulation result at the time t (3).
The data at the time before time t (3) in FIG. 11 is drawn with a solid line, but these are based on the vehicle travel data obtained from the passing vehicle detection means 110 obtained at the time t (3). 6 is a past travel locus of the
図１１のランプ車線の走行シミュレート結果を見ると、時刻ｔ（３）以前の状況として、自動運転制御機能付き自動車２００はランプ車線を一定の速度で登ってきている軌跡が読み取れる。
また、図１１に示すように、合流箇所（０ｍ）まで同じ速度でアプローチすることが予測されているが、走行車線に安全に進入するため、走行車線の他の走行車両と近いスピードまで加速することが点線で予測されている。
Looking at the driving simulation result of the ramp lane in FIG. 11, as a situation before the time t (3), the
Moreover, as shown in FIG. 11, although it is predicted that the approaching point (0 m) is approached at the same speed, in order to safely enter the traveling lane, the vehicle is accelerated to a speed close to other traveling vehicles in the traveling lane. This is predicted with a dotted line.
次に、自動運転制御機能付き自動車２００における自動運転処理について説明する。
自動運転制御機能付き自動車２００の自動運転制御部は、道路の合流地点に向かう途上、自動車自動運転支援システム１００が提供する自動運転支援機能により、図１０（ａ）および図１０（ｂ）で示すような各々の走行車両の走行軌跡の予測データを時々刻々得ることができる。また、自身のアプローチ走行軌跡の予測データについても図１１で示すように時々刻々得ることができる。
Next, the automatic driving process in the
The automatic driving control unit of the
今、自動運転制御機能付き自動車２００が合流地点に到達するやや前の時刻ｔ（３）における自動運転制御処理について述べる。
図１２は、自動運転制御機能付き自動車２００の自動運転制御部における処理の内容を模式的に示した図である。
図１２の左上段にある図は、自動車自動運転支援システム１００が提供する、時刻ｔ（３）における走行車線を走行する各々の走行車両の走行軌跡の予測データである。この例では図１０（ａ）と同様のものとなっている。
図１２左下段にある図は、自動車自動運転支援システム１００が提供する、時刻ｔ（３）における自動運転制御機能付き自動車２００の走行軌跡の予測データである。この例では図１１と同様のものとなっている。
図１２右側にある図は、自動運転制御機能付き自動車２００の自動運転制御部が、自動車自動運転支援システム１００が提供する走行車線を走行する各々の走行車両の走行軌跡の予測データと、自分自身である自動運転制御機能付き自動車２００の走行車線での走行軌跡の予測データを重畳させた結果である。
Now, the automatic driving control process at time t (3) just before the
FIG. 12 is a diagram schematically showing the contents of processing in the automatic driving control unit of the
The figure in the upper left of FIG. 12 is the prediction data of the traveling trajectory of each traveling vehicle traveling on the traveling lane at time t (3) provided by the automatic vehicle driving
The figure in the lower left part of FIG. 12 is prediction data of the travel locus of the
The diagram on the right side of FIG. 12 shows that the automatic driving control unit of the
時刻ｔ（３）において、自動運転制御機能付き自動車２００の自動運転制御部は、図１２の右側にある図の結果として、時刻ｔ（４）（合流地点に到達する時刻）において、合流地点（０ｍ）を走行する他の車両がなく、自車である自動運転制御機能付き自動車２００の走行に干渉する車両がないことが予測できる。そのため、自動運転制御機能付き自動車２００の自動運転制御部はこのまま合流地点まで現在の走行を継続し、合流地点に到達すれば、そのまま走行車線に進入すれば良いと判断できる。
さらに、合流地点でそのまま走行車線に進入した後、走行車線の流れに沿った走行とするために、少し加速して速度を上げる必要があることを判断する。
At time t (3), the automatic driving control unit of the
Further, after entering the travel lane as it is at the junction, it is determined that it is necessary to increase the speed by slightly accelerating in order to travel along the flow of the travel lane.
なお、併せて、自動運転制御機能付き自動車２００の自動運転制御部は、追い越し車線を走行中の車両が急に走行車線に車線変更してくる可能性をチェックするため、図１０（ｂ）の追い越し車線の走行軌跡の予測データもチェックすると、時刻ｔ（４）において、合流地点付近を走行する追い越し車線の車両も存在しないことが分かる。
In addition, the automatic driving control unit of the
ここに、自動運転制御機能付き自動車２００の自動運転制御部は、本発明の自動車自動運転支援システム１００が提供する道路合流分岐自動運転支援機能を利用して、安全に道路合流箇所における自動運転を安全に行うことができる。
Here, the automatic driving control unit of the
なお、時刻ｔ（４）（合流地点に到達する時刻）において、合流車線開始地点（０ｍ）付近を走行する他の車両があり、自車である自動運転制御機能付き自動車２００の走行に干渉する車両があると判断した場合、自動運転制御機能付き自動車２００の自動運転制御部はこのまま合流地点に至っても、そのまま走行車線には進入せず、しばらく合流車線を低速にて走行しつつ、走行車線の走行車両の間に、自動運転制御機能付き自動車２００が、割り込んで車線変更できるスペースが空くまで待つという制御が必要となる。
At time t (4) (time to reach the merge point), there is another vehicle that travels near the merge lane start point (0 m), which interferes with the travel of the
なお、合流支援手段を加えた構成の場合、合流支援手段が提示する、合流に適した割り込み推奨箇所の位置情報、その前後の走行車両の速度情報と、合流に適した速度情報などを含む合流支援情報を受け、自動運転制御機能付き自動車２００がその合流支援情報を利用して合流に向けた自動運転制御を行えば良い。
In addition, in the case of a configuration in which merging support means is added, the merging including position information of recommended interrupt points suitable for merging, speed information of traveling vehicles before and after that, and speed information suitable for merging, which is presented by the merging support means. Upon receiving the support information, the
以上が、本発明の道路合流分岐の運転支援機能を備えた自動車自動運転支援システム１００の構成例における各構成要素の説明と、合流する場合の道路合流分岐自動運転支援機能の例である。
なお、分岐についても同様に考えることができる。道路の走行車線、追い越し車線における走行車両の走行軌跡データを得て、また、道路の分岐道路における走行車両の走行軌跡データを得て、自動車自動運転支援システム１００が自動運転支援機能として自動運転制御機能付き自動車２００に対してデータを出力する。自動運転制御機能付き自動車２００の自動運転制御部は、分岐のための走行車線への車線変更、さらには、分岐車線への車線変更が安全に行えるか否かを判断し、安全に行えることを確認して分岐すれば良い。
The above is description of each component in the structural example of the automatic vehicle driving
The branching can be considered similarly. Obtaining the travel locus data of the traveling vehicle on the road lane and the overtaking lane, and obtaining the travel locus data of the traveling vehicle on the branch road of the road, the automatic vehicle driving
なお、上記例では、道路合流分岐の運転支援機能を中心に説明したが、合流や分岐のない道路、交差点、高速道路の料金所などであっても上記した自動車自動運転支援機能を応用して適用することができる。 In the above example, the driving support function for road merging and branching has been mainly described. However, the above-described automatic driving support function for automobiles is applied even to roads without intersections and branches, intersections, tollgates, etc. Can be applied.
以上、本発明の好ましい実施形態を図示して説明してきたが、自動車自動運転支援システムとして広く適用することができる。
本発明の技術的範囲を逸脱することなく種々の変更が可能であることは理解されるであろう。従って本発明の技術的範囲は添付された特許請求の範囲の記載によってのみ限定されるものである。
As mentioned above, although preferred embodiment of this invention was illustrated and demonstrated, it can apply widely as a motor vehicle automatic driving assistance system.
It will be understood that various modifications can be made without departing from the scope of the invention. Therefore, the technical scope of the present invention is limited only by the description of the appended claims.
１００ 自動車自動運転支援システム
１１０ 通過車両検出手段
１２０ 車両走行軌跡予測演算手段
１３０ カメラ
１４０ 区間内車両概略位置検出手段
１５０ 車両走行軌跡演算手段
１６０ 車両走行軌跡予測演算修正手段
１７０ 車線変更予測部
１７１ 走行予測モデル記憶部
１８０ 車線変更予測修正手段
１９０ 無線通信手段
２００ 自動運転制御機能付き自動車
３００ 本線走行自動車
DESCRIPTION OF
Claims (10)
前記通過車両検出手段を設置した前記所定位置の通過時刻以降における前記走行車両ごとの走行軌跡を演算して予測する車両走行軌跡予測演算手段と、
前記車両走行軌跡予測演算手段で得られた各々の前記走行車両の前記走行軌跡の予測データを前記走行車両に通知する無線通信手段を備えた自動車自動運転支援システム。 Passing vehicle detection means that is installed at a predetermined position on the road and outputs vehicle traveling data including a passing time, a passing speed and a vehicle type for each traveling vehicle based on detection data obtained by detecting passage of the vehicle;
Vehicle traveling locus prediction calculating means for calculating and predicting a traveling locus for each traveling vehicle after the passage time of the predetermined position where the passing vehicle detection means is installed;
An automatic vehicle driving support system comprising wireless communication means for notifying the traveling vehicle of prediction data of the traveling locus of each traveling vehicle obtained by the vehicle traveling locus prediction calculating means.
前記区間内車両概略位置検出手段で得た前記走行車両ごとの走行位置データを基に、前記走行車両ごとの走行車線を時系列に追ってトレースする車両走行軌跡演算手段と、
前記車両走行軌跡予測演算手段から得られる各々の前記走行車両の前記走行軌跡の予測データを、前記車両走行軌跡演算手段から得られた前記走行車両のトレース結果によって逐次修正する車両走行軌跡予測演算修正手段を備え、
前記無線通信手段が、前記車両走行軌跡予測演算修正手段により前記逐次修正された前記走行軌跡の予測データを前記走行車両に通知する請求項１に記載の自動車自動運転支援システム。 An in-section vehicle approximate position detecting means for outputting travel position data for each of the traveling vehicles existing in the predetermined section from the captured images of the respective traveling vehicles existing in the predetermined section of the road;
Vehicle travel locus calculation means for tracing the travel lane of each travel vehicle in time series based on the travel position data for each travel vehicle obtained by the in-section vehicle approximate position detection means;
Vehicle travel locus prediction calculation correction that sequentially corrects the prediction data of the travel locus of each traveling vehicle obtained from the vehicle travel locus prediction calculation means based on the trace result of the traveling vehicle obtained from the vehicle travel locus calculation means. With means,
2. The automatic vehicle driving support system according to claim 1, wherein the wireless communication unit notifies the traveling vehicle of the prediction data of the traveling locus sequentially corrected by the vehicle traveling locus prediction calculation correcting unit.
前記車両走行軌跡予測演算修正手段により前記逐次修正された前記走行軌跡の予測データを、前記車線変更予測部の前記車線変更予測データによって逐次修正する車線変更予測修正手段を備え、
前記無線通信手段が、前記車線変更予測修正手段により前記逐次修正された前記走行軌跡の予測データを前記走行車両に通知する請求項２に記載の自動車自動運転支援システム。 A lane change prediction unit that analyzes the change of the traveling lane for each traveling vehicle from the captured image and outputs the lane change prediction data;
Lane change prediction correction means for sequentially correcting the prediction data of the travel locus corrected sequentially by the vehicle travel locus prediction calculation correcting means with the lane change prediction data of the lane change prediction unit;
The automatic vehicle driving support system according to claim 2, wherein the wireless communication unit notifies the traveling vehicle of the prediction data of the travel locus corrected sequentially by the lane change prediction correction unit.
前記車線変更予測部が、前記画像データから前記走行車両の状態変化がある場合は当該走行車両に関しては前記デシジョンメイキングモデルを適用し、前記走行車両の状態変化がない場合は当該走行車両に関しては前記カーフォローイングモデルを適用することを特徴とする請求項３または８に記載の自動車自動運転支援システム。 A car following model that models a vehicle that does not change the driving lane, and a travel prediction model storage unit that holds and stores a decision making model that models a vehicle that changes the driving lane,
The lane change predicting unit applies the decision making model for the traveling vehicle when there is a change in the state of the traveling vehicle from the image data, and when there is no change in the state of the traveling vehicle, the lane change prediction unit 9. The automatic vehicle driving support system according to claim 3, wherein a car following model is applied.
前記無線通信手段を介して、前記本線を走行する前記走行車両についての前記走行軌跡の予測データと、前記ランプ車線を走行する前記走行車両の前記走行軌跡の予測データを通知することにより、前記本線を走行する各々の前記走行車両の車列中における合流に適した割り込み推奨箇所の選定情報および時々刻々進行してゆくその割り込み推奨箇所の位置情報と、その前後の前記走行車両の速度情報、およびその前後の前記走行車両間の距離情報から算出した合流に適した速度情報を含む合流支援情報を前記走行車両に取得させる合流支援手段を備えた請求項１から９のいずれかに記載の自動車自動運転支援システム。 In the case where the road has a merging lane where a main line and a ramp lane merge, and the traveling vehicle includes a traveling vehicle traveling on the main line and a traveling vehicle traveling on the ramp lane,
By notifying the predicted data of the traveling locus of the traveling vehicle traveling on the main line and the predicted data of the traveling locus of the traveling vehicle traveling on the ramp lane via the wireless communication means, the main line Selection information of recommended interrupt points suitable for merging in the train of each of the traveling vehicles traveling on the road, position information of the recommended interrupt points that progress every moment, speed information of the traveling vehicles before and after that, and The automobile automatic according to any one of claims 1 to 9, further comprising merging support means for causing the traveling vehicle to acquire merging support information including speed information suitable for merging calculated from distance information between the traveling vehicles before and after the vehicle. Driving support system.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2016206778A JP6754925B2 (en) | 2016-10-21 | 2016-10-21 | Autonomous driving support system. |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2016206778A JP6754925B2 (en) | 2016-10-21 | 2016-10-21 | Autonomous driving support system. |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2018067234A true JP2018067234A (en) | 2018-04-26 |
| JP6754925B2 JP6754925B2 (en) | 2020-09-16 |
Family
ID=62086202
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2016206778A Active JP6754925B2 (en) | 2016-10-21 | 2016-10-21 | Autonomous driving support system. |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP6754925B2 (en) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110969864A (en) * | 2018-09-28 | 2020-04-07 | 杭州海康威视数字技术股份有限公司 | Vehicle speed detection method, vehicle driving event detection method and electronic equipment |
| CN111650944A (en) * | 2019-07-12 | 2020-09-11 | 西华大学 | Automobile automatic driving and wire-combining control method for improving driving safety |
| CN113284344A (en) * | 2021-04-04 | 2021-08-20 | 北方工业大学 | Parallel lane blocking behavior analysis method based on license plate recognition and trajectory data |
| JP2021531462A (en) * | 2018-08-17 | 2021-11-18 | ベイジン ジンドン ３６０ ディグリー イー—コマース カンパニー リミテッド | Intelligent navigation methods and systems based on topology maps |
| CN114067559A (en) * | 2021-09-27 | 2022-02-18 | 北京交通大学 | Confluence optimization control method for merging special lane for automatic vehicle into common lane |
| CN114265411A (en) * | 2021-12-28 | 2022-04-01 | 上汽大众汽车有限公司 | Method for solving problem that vehicle prediction model performance is limited by perception data performance |
| CN114512052A (en) * | 2021-12-31 | 2022-05-17 | 武汉中海庭数据技术有限公司 | Method and device for generating branch and confluence road junction by fusing remote sensing image and track data |
| CN116884257A (en) * | 2023-06-30 | 2023-10-13 | 武汉理工大学 | Method for controlling continuous flow in confluence area of heterogeneous traffic flow |
| CN117198082A (en) * | 2023-11-06 | 2023-12-08 | 北京理工大学前沿技术研究院 | Double-layer optimization-based vehicle ramp afflux decision method and system |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH1153685A (en) * | 1997-07-31 | 1999-02-26 | Toyota Motor Corp | Confluence support device |
| JPH11345396A (en) * | 1998-06-02 | 1999-12-14 | Pub Works Res Inst Ministry Of Constr | Main lane traffic flow predicting method for confluence control system of running support road system |
| JP2011095914A (en) * | 2009-10-28 | 2011-05-12 | Nec Corp | System, method and program for tracking vehicle |
-
2016
- 2016-10-21 JP JP2016206778A patent/JP6754925B2/en active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH1153685A (en) * | 1997-07-31 | 1999-02-26 | Toyota Motor Corp | Confluence support device |
| JPH11345396A (en) * | 1998-06-02 | 1999-12-14 | Pub Works Res Inst Ministry Of Constr | Main lane traffic flow predicting method for confluence control system of running support road system |
| JP2011095914A (en) * | 2009-10-28 | 2011-05-12 | Nec Corp | System, method and program for tracking vehicle |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP7351487B2 (en) | 2018-08-17 | 2023-09-27 | ベイジン ジンドン ３６０ ディグリー イー―コマース カンパニー リミテッド | Intelligent navigation method and system based on topology map |
| JP2021531462A (en) * | 2018-08-17 | 2021-11-18 | ベイジン ジンドン ３６０ ディグリー イー—コマース カンパニー リミテッド | Intelligent navigation methods and systems based on topology maps |
| CN110969864A (en) * | 2018-09-28 | 2020-04-07 | 杭州海康威视数字技术股份有限公司 | Vehicle speed detection method, vehicle driving event detection method and electronic equipment |
| CN111650944A (en) * | 2019-07-12 | 2020-09-11 | 西华大学 | Automobile automatic driving and wire-combining control method for improving driving safety |
| CN111650944B (en) * | 2019-07-12 | 2021-05-04 | 西华大学 | Automobile automatic driving and wire-combining control method for improving driving safety |
| CN113284344A (en) * | 2021-04-04 | 2021-08-20 | 北方工业大学 | Parallel lane blocking behavior analysis method based on license plate recognition and trajectory data |
| CN114067559A (en) * | 2021-09-27 | 2022-02-18 | 北京交通大学 | Confluence optimization control method for merging special lane for automatic vehicle into common lane |
| CN114265411A (en) * | 2021-12-28 | 2022-04-01 | 上汽大众汽车有限公司 | Method for solving problem that vehicle prediction model performance is limited by perception data performance |
| CN114265411B (en) * | 2021-12-28 | 2023-10-03 | 上汽大众汽车有限公司 | Method for solving problem that performance of vehicle prediction model is limited by perceived data performance |
| CN114512052A (en) * | 2021-12-31 | 2022-05-17 | 武汉中海庭数据技术有限公司 | Method and device for generating branch and confluence road junction by fusing remote sensing image and track data |
| CN116884257A (en) * | 2023-06-30 | 2023-10-13 | 武汉理工大学 | Method for controlling continuous flow in confluence area of heterogeneous traffic flow |
| CN116884257B (en) * | 2023-06-30 | 2024-05-28 | 武汉理工大学 | Method for controlling continuous flow in confluence area of heterogeneous traffic flow |
| CN117198082A (en) * | 2023-11-06 | 2023-12-08 | 北京理工大学前沿技术研究院 | Double-layer optimization-based vehicle ramp afflux decision method and system |
| CN117198082B (en) * | 2023-11-06 | 2024-04-05 | 北京理工大学前沿技术研究院 | Double-layer optimization-based vehicle ramp afflux decision method and system |
Also Published As
| Publication number | Publication date |
|---|---|
| JP6754925B2 (en) | 2020-09-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6754925B2 (en) | Autonomous driving support system. | |
| CN105774806B (en) | Controlling device for vehicle running | |
| CN106080597B (en) | Automatic driving vehicle system | |
| CN106080601B (en) | Travel controlling system | |
| JP6325670B2 (en) | Lane selection device, vehicle control system, and lane selection method | |
| JP4507815B2 (en) | Signal information creating method, signal guide information providing method, and navigation apparatus | |
| CN110099834A (en) | Vehicle control system, control method for vehicle and vehicle control program | |
| CN106114217A (en) | Travel controlling system | |
| CN106064626A (en) | Controlling device for vehicle running | |
| CN106240565A (en) | Collision alleviates and hides | |
| US20210070289A1 (en) | Vehicle control device, vehicle control method, and storage medium | |
| US20200312052A1 (en) | Method for acquiring data captured by a capture module embedded in a mobile device following a predetermined trajectory, corresponding computer program and device | |
| JP6103265B2 (en) | Pedestrian image acquisition device for vehicles | |
| JP2009251953A (en) | Moving object trajectory estimating device | |
| WO2019106789A1 (en) | Processing device and processing method | |
| CN102735253A (en) | Apparatus and method for displaying road guide information on windshield | |
| CN110167811A (en) | Vehicle control system, control method for vehicle and vehicle control program | |
| CN110456758A (en) | The outer reporting device of vehicle | |
| US20190344795A1 (en) | Vehicle control system, vehicle control method, and vehicle control program | |
| US20200159234A1 (en) | Vehicle control device, vehicle control method, and storage medium | |
| JP2019067295A (en) | Vehicle control device, vehicle control method, and program | |
| CN110481420A (en) | The outer reporting device of vehicle | |
| JP2022103505A (en) | Vehicle control device, vehicle control method, and program | |
| JP5760542B2 (en) | Moving object information measuring apparatus and moving object information measuring method | |
| WO2017013692A1 (en) | Travel lane determination device and travel lane determination method |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20170830 |
|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20180227 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20180227 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20181227 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190122 |
|
| A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20190319 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190522 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20191015 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20191205 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20200501 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200615 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6754925 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |