JP2018203034A - 走行軌道決定装置及び自動運転装置 - Google Patents

Abstract

【課題】自車両の未来の走行軌道を迅速かつ適切に決定することができる走行軌道決定装置及びそれを備えた自動運転装置を提供する。
【解決手段】走行軌道決定装置１は、ＥＣＵ２を備える。ＥＣＵ２は、状況検出装置５で検出された周辺状況データＤ＿ｉｎｆｏに応じて、自車両３の周辺における、交通参加者が現在から未来において存在する可能性のある領域を表すリスクポテンシャルＰｒｉｓｋを算出し、自車両３が走行すべき理想的な未来の走行領域を表すベネフィットポテンシャルＰｂｎｆを算出し、リスクポテンシャルＰｒｉｓｋ及びベネフィットポテンシャルＰｂｎｆを用いて、自車両３の未来の走行軌道Ｔｒ＿ｓｋを決定する。
【選択図】図１９

Description

本発明は、自車両の未来の走行軌道を決定する走行軌道決定装置及び自動運転装置に関する。

自車両の未来の走行軌道を決定する走行軌道決定装置として、特許文献１に記載されたものが知られている。この走行軌道決定装置は、移動ロボット車両（以下「自車両」という）を制御する移動ロボット制御装置に適用されたものである。この移動ロボット制御装置は、自車両と、その移動方向の障害物との距離データを測定する外界センサと、ＧＰＳなどからの位置情報を受信するためのアンテナと、走行ルールを含む地図情報を記憶する記憶部と、障害物地図作成部などを備えている。この障害物地図作成部は、外界センサが測定した距離データに基づいて、障害物地図を作成する。

この走行軌道決定装置では、同文献の図１０に示すアルゴリズムにより、現在位置から目標位置までの未来の走行軌道を決定する。すなわち、自車両の移動量に基づいて、自車両の現在位置を計算し、外界センサが測定した距離データに基づいて、障害物地図を作成するとともに、記憶部から地図情報を読み込む（ステップ２０１〜２０３）。

次いで、障害物地図及び地図情報を参照して、障害物が地図情報に記憶された軌道上に存在するか否かを判定し（ステップ２０４）、障害物が軌道上に存在する場合には、走行軌道の探索をＡ＊探索アルゴリズムにより実行する（ステップ２０５）。具体的には、現在位置情報、障害物地図及び地図情報に基づいて、グリッドマップ上の自車両を取り囲む多数のグリッドにおける障害物の存在確率（経路探索コスト）を算出し、障害物の存在確率が最も低いグリッドを未来の走行軌道として決定／選択する。そして、決定された走行軌道で自車両を走行させるための制御指令信号値を算出し、それに相当する制御指令信号が自車両の駆動部に入力される（ステップ２０６〜２０７）。

特開２０１０−１９１５０２号公報

上記特許文献１の走行軌道決定装置によれば、１回の演算周期で、現在位置情報、障害物地図及び地図情報に基づき、自車両を取り囲む多数のグリッドにおける障害物の存在確率を算出しなければならないので、演算装置の演算が負荷が高くなってしまう。その結果、演算装置の製造コストの上昇を招いてしまうとともに、現在の自動車に搭載されている演算装置の能力では、演算が困難となる可能性がある。

また、同じ理由により、演算装置の演算時間が長くなることで、演算が１回の演算周期で終了しない状態となるおそれがあり、その場合には、走行軌道が決定されていないことで、自車両が走行停止したり、演算時間を確保するために、自車両が低速走行しかできない状態となる。その結果、一般道や高速道路を走行する自動運転車両のような、高速走行が要求される車両には適用することができず、商品性の低下を招いてしまう。

さらに、障害物の存在確率が最も低いグリッドが多数存在する条件下では、円滑かつより安全性の高い最適な走行軌道を選択することができないという問題があり、この問題は、上述した自動運転車両の場合にはより顕著となる。また、以上の問題は、走行軌道の探索において、Ａ＊探索アルゴリズムに代えて、ＣＣ−ＲＲＴ法を用いた場合にも同様に発生する。

本発明は、上記課題を解決するためになされたもので、自車両の未来の走行軌道を迅速かつ適切に決定することができる走行軌道決定装置及びそれを備えた自動運転装置を提供することを目的とする。

上記目的を達成するために、請求項１に係る走行軌道決定装置１は、自車両３の周辺状況を表す周辺状況データＤ＿ｉｎｆｏを取得する周辺状況データ取得手段（状況検出装置５）と、周辺状況データＤ＿ｉｎｆｏを用いて、自車両３の周辺における、交通参加者（他車両７７ａ〜７ｅ、歩行者８，８ａ，８ｂ）が現在から未来において存在する可能性のある領域又は未来において存在する可能性のある領域である存在領域を表す存在領域データ（リスクポテンシャルＰｒｉｓｋ）を算出する存在領域データ算出手段（ＥＣＵ２、リスクポテンシャル算出部２０）と、存在領域データ（リスクポテンシャルＰｒｉｓｋ）と所定の関数値（基準走行軌道ｗｂｓ、軌道重み関数値Ｗｔｒ＿ｉ、基準道なり方向速度ｖ＿ｂｓ）を補正値（縦方向速度補正係数ｋｖ、軌道補正係数ｋｔｒ，ｋｔｒ＿２，ｋｔｒ２＿ｉ、速度補正係数ｋｖ＿ｉ、探索軌道補正ベクトルＫθ）で補正した値とを用いて、自車両３の未来の走行軌道Ｔｒ＿ｓｋを決定する走行軌道決定手段（ＥＣＵ２、走行環境モデル推定部４０）と、所定のアルゴリズム（式（１）〜（３０））を用いて、未来の走行軌道Ｔｒ＿ｓｋと存在領域データが表す存在領域との交錯度合いが最小値を含む当該最小値付近の値になるように、補正値（探索軌道補正ベクトルＫθ）を算出する補正値算出手段（ＥＣＵ２、極値探索コントローラ５０）と、を備えることを特徴とする。

この走行軌道決定装置によれば、自車両の周辺状況を表す周辺状況データが取得され、この周辺状況データを用いて、自車両の周辺における、交通参加者が現在から未来において存在する可能性のある領域又は未来において存在する可能性のある領域である存在領域を表す存在領域データが算出され、存在領域データと所定の関数値を補正値で補正した値とを用いて、自車両の未来の走行軌道が決定される。この補正値は、所定のアルゴリズムを用いて、未来の走行軌道と存在領域データが表す存在領域との交錯度合いが最小値を含む当該最小値付近の値になるように算出されるので、自車両の未来の走行軌道を算出する際、特許文献１の場合と異なり、自車両を取り囲む多数のグリッドにおける障害物などの存在確率を算出／推定する必要がなくなることで、自車両の未来の走行軌道が交通参加者の存在領域と交錯するのを回避しながら、自車両の未来の走行軌道を迅速かつ適切に決定することができる。それにより、この走行軌道決定装置を自動運転車両に適用した場合には、熟練ドライバが運転した場合と同様に、安全かつ理想的な走行状態を自動運転によって実現することができ、高い商品性を確保することができる（なお、本明細書における「周辺状況データを取得」の「取得」は、センサなどにより周辺状況データを直接検出することに限らず、周辺状況データを他のパラメータに基づいて算出することを含む。また、本明細書における「交通参加者」は、歩行者、他車両及び障害物などを含む）。

請求項２に係る発明は、請求項１に記載の走行軌道決定装置１において、所定の関数値（基準走行軌道ｗｂｓ）は、自車両３が進路変更するときの形態をマップとして予め定義した関数値であることを特徴とする。

この走行軌道決定装置によれば、自車両が進路変更するときの形態をマップとして予め定義した関数値を補正値で補正した値を用いて、自車両の未来の走行軌道が決定されるので、自車両の未来の走行軌道が交通参加者の存在領域と交錯するのを回避しながら、自車両が追従できないような未来の走行軌道に決定されるのを回避することができる。それにより、この走行軌道決定装置を自動運転車両に適用した場合には、車両がスピンや蛇行などの不安定な挙動を示すのを防止しながら、安全かつ理想的な走行状態を自動運転によって実現することができる。

請求項３に係る発明は、請求項２に記載の走行軌道決定装置１において、所定の関数値（基準走行軌道ｗｂｓ）は、自車両３が進路変更するときの進路変更速度を定義した関数値であり、補正値（縦方向速度補正係数ｋｖ、軌道補正係数ｋｔｒ，ｋｔｒ＿２）は、進路変更速度を補正するように構成されていることを特徴とする。

この走行軌道決定装置によれば、所定の関数値が自車両が進路変更するときの進路変更速度を定義した関数値であり、補正値が進路変更速度を補正するように構成されているので、自車両の横方向の速度を適切に設定できる。それにより、この走行軌道決定装置を自動運転車両に適用した場合には、円滑な自動運転を実現することができる。

請求項４に係る発明は、請求項１に記載の走行軌道決定装置１において、所定の関数値は、互いに交差する複数の関数値で構成され、補正値は、複数の補正値（軌道補正係数ｋｔｒ２＿ｉ）で構成され、走行軌道決定手段は、複数の関数値（軌道重み関数値Ｗｔｒ＿ｉ）を複数の補正値（軌道補正係数ｋｔｒ２＿ｉ）でそれぞれ補正した複数の値を合成することにより、未来の走行軌道Ｔｒ＿ｓｋを決定することを特徴とする。

この走行軌道決定装置によれば、所定の関数値が互いに交差する複数の関数値で構成され、補正値は、複数の補正値で構成されているとともに、複数の関数値を複数の補正値でそれぞれ補正した複数の値を合成することにより、未来の走行軌道が決定されるので、自車両の未来の走行軌道が交通参加者の存在領域と交錯するのを回避しながら、自車両が左側に進路変更した後、右側に進路変更する場合や、ジグザグ走行を繰り返す場合のような条件下での未来の走行軌道を適切に設定することができる。それにより、この走行軌道決定装置を自動運転車両に適用した場合には、自車両が左側に進路変更した後、右側に進路変更する場合や、ジグザグ走行を繰り返す場合などにおいて、円滑かつ安全な自動運転を実現することができる。

請求項５に係る発明は、請求項１に記載の走行軌道決定装置１において、所定の関数値は、複数の線分を互いの間に角度を存する状態で結合した関数値で構成され、補正値（速度補正係数ｋｖ＿ｉ）は、複数の線分の長さ及び角度の少なくとも一方を補正するように構成されていることを特徴とする。

この走行軌道決定装置によれば、所定の関数値が複数の線分を互いの間に角度を存する状態で結合した関数値で構成され、補正値が複数の線分の長さ及び角度の少なくとも一方を補正するように構成されているので、自車両の未来の走行軌道が交通参加者の存在領域と交錯するのを回避しながら、自車両が交差点で左折又は右折する場合や、高速道路で合流する場合のような条件下での未来の走行軌道を適切に設定することができる。それにより、この走行軌道決定装置を自動運転車両に適用した場合には、自車両が交差点で左折又は右折する場合や、高速道路で合流する場合のような条件下で、円滑かつ安全な自動運転を実現することができる。

請求項６に係る発明は、請求項１ないし５のいずれかに記載の走行軌道決定装置１において、補正値算出手段は、所定のアルゴリズム（式（１）〜（３０））を用いて、未来の走行軌道Ｔｒ＿ｓｋを変化させたときの未来の走行軌道Ｔｒ＿ｓｋと存在領域データが表す存在領域との交錯度合いの変化の方向を表す方向値（移動平均値Ｐａ＿ｉ）を算出するとともに、方向値（移動平均値Ｐａ＿ｉ）を用いて、未来の走行軌道Ｔｒ＿ｓｋを存在領域との交錯度合いが減少する方向に変化させるように、補正値（探索軌道補正ベクトルＫθ）を算出することを特徴とする。

この走行軌道決定装置によれば、所定のアルゴリズムを用いて、未来の走行軌道を変化させたときの未来の走行軌道と存在領域データが表す存在領域との交錯度合いの変化の方向を表す方向値が算出されるとともに、方向値を用いて、未来の走行軌道を存在領域との交錯度合いが減少する方向に変化させるように、補正値が算出されるので、未来の走行軌道を算出する際の算出時間を短縮できると同時に、算出負荷を低減することができる。その結果、走行軌道決定装置の製造コストを削減することができるとともに、比較的、低い能力の演算装置を用いて、走行軌道決定装置を実現することができる。また、上記の理由により、この走行軌道決定装置を自動運転車両に適用した場合には、自動運転車両の高速走行を実現することができる。

請求項７に係る発明は、請求項１ないし６のいずれかに記載の走行軌道決定装置１において、周辺状況データＤ＿ｉｎｆｏを用いて、自車両３が走行すべきでない走行不可領域を表す走行不可領域データ（リスクポテンシャルＰｒｉｓｋ）を算出する走行不可領域データ算出手段（ＥＣＵ２、リスクポテンシャル算出部２０）をさらに備え、補正値算出手段は、所定のアルゴリズム（式（１）〜（３０））を用いて、未来の走行軌道Ｔｒ＿ｓｋと存在領域データが表す存在領域（リスクポテンシャルＰｒｉｓｋ）との交錯度合いに加えて、未来の走行軌道Ｔｒ＿ｓｋと走行不能領域データが表す走行不可領域（リスクポテンシャルＰｒｉｓｋ）との交錯度合いが最小値を含む当該最小値付近の値になるように、補正値（探索軌道補正ベクトルＫθ）を算出することを特徴とする。

この走行軌道決定装置によれば、周辺状況データを用いて、自車両が走行すべきでない走行不可領域を表す走行不可領域データが算出され、所定のアルゴリズムを用いて、未来の走行軌道と存在領域データが表す存在領域との交錯度合いに加えて、未来の走行軌道と走行不能領域データが表す走行不可領域との交錯度合いが最小値を含む当該最小値付近の値になるように、補正値が算出されるので、自車両の未来の走行軌道が走行不可領域と交錯するのを回避できる。それにより、この走行軌道決定装置を自動運転車両に適用した場合には、より高い安全性を確保しながら、理想的な走行状態を自動運転によって実現することができる。

請求項８に係る発明は、請求項１ないし６のいずれかに記載の走行軌道決定装置１において、自車両３が走行すべき理想的な未来の走行領域を表す走行領域データ（ベネフィットポテンシャルＰｂｎｆ）を算出する走行領域データ算出手段（ＥＣＵ２、ベネフィットポテンシャル算出部２１）をさらに備え、補正値算出手段は、所定のアルゴリズム（式（１）〜（３０））を用いて、未来の走行軌道Ｔｒ＿ｓｋと存在領域データが表す存在領域との交錯度合いが最小値を含む当該最小値付近の値になるとともに、未来の走行軌道Ｔｒ＿ｓｋと走行領域データが表す走行領域との交錯度合いが最大値を含む当該最大値付近の値になるように、補正値（探索軌道補正ベクトルＫθ）を算出することを特徴とする。

この走行軌道決定装置によれば、自車両が走行すべき理想的な未来の走行領域を表す走行領域データが算出され、所定のアルゴリズムを用いて、未来の走行軌道と存在領域データが表す存在領域との交錯度合いが最小値を含む当該最小値付近の値になるとともに、未来の走行軌道と走行領域データが表す走行領域との交錯度合いが最大値を含む当該最大値付近の値になるように、補正値が算出されるので、自車両の未来の走行軌道を、交通参加者の存在領域と交錯するのを回避しながら、理想的な未来の走行領域とできるだけ交錯するように迅速かつ適切に決定することができる。

請求項９に係る発明は、請求項８に記載の走行軌道決定装置１において、補正値手段は、走行領域データが表す走行領域と存在領域データが表す存在領域とが交錯している場合には、交錯した領域における交通参加者の存在確率が高いほど、未来の走行軌道Ｔｒ＿ｓｋと存在領域データが表す存在領域との交錯度合いがより減少するように、補正値（探索軌道補正ベクトルＫθ）を算出することを特徴とする

この走行軌道決定装置によれば、走行領域データが表す走行領域と存在領域データが表す存在領域とが交錯している場合には、交錯した領域における交通参加者の存在確率が高いほど、未来の走行軌道と存在領域データが表す存在領域との交錯度合いがより減少するように、補正値が算出されるので、理想的な未来の走行領域と交通参加者の存在領域とが交錯する条件下では、自車両の未来の走行軌道を、その走行軌道上に交通参加者が存在する確率を減少させながら迅速かつ適切に決定することができる。

請求項１０に係る走行軌道決定装置１は、自車両３の周辺状況を表す周辺状況データＤ＿ｉｎｆｏを取得する周辺状況データ取得手段（状況検出装置５）と、周辺状況データＤ＿ｉｎｆｏを用いて、自車両３の周辺における、交通参加者（他車両７，７ａ〜７ｅ、歩行者８，８ａ，８ｂ）が現在から未来において存在する可能性のある領域又は未来において存在する可能性のある領域である存在領域を表す存在領域データ（リスクポテンシャルＰｒｉｓｋ）を算出する存在領域データ算出手段（ＥＣＵ２、リスクポテンシャル算出部２０）と、自車両３が走行すべき理想的な未来の走行領域を表す走行領域データ（ベネフィットポテンシャルＰｂｎｆ）を算出する走行領域データ算出手段（ＥＣＵ２、ベネフィットポテンシャル算出部２１）と、存在領域データ（リスクポテンシャルＰｒｉｓｋ）及び走行領域データ（ベネフィットポテンシャルＰｂｎｆ）を用いて、自車両３の未来の走行軌道Ｔｒ＿ｓｋを決定する走行軌道決定手段（ＥＣＵ２、走行環境モデル推定部４０）と、を備えることを特徴とする。

この走行軌道決定装置によれば、自車両の周辺状況を表す周辺状況データが取得され、周辺状況データを用いて、自車両の周辺における、交通参加者が現在から未来において存在する可能性のある領域又は未来において存在する可能性のある領域である存在領域を表す存在領域データが算出され、自車両が走行すべき理想的な未来の走行領域を表す走行領域データが算出される。そして、存在領域データ及び走行領域データを用いて、自車両の未来の走行軌道が決定されるので、自車両の未来の走行軌道を算出する際、特許文献１の場合と異なり、自車両を取り囲む多数のグリッドにおける障害物などの存在確率を算出／推定する必要がなくなることで、自車両の未来の走行軌道が交通参加者の存在領域と交錯するのを回避しながら、自車両の未来の走行軌道を迅速かつ適切に決定することができる。それにより、この走行軌道決定装置を自動運転車両に適用した場合には、熟練ドライバが運転した場合と同様に、安全かつ理想的な走行状態を自動運転によって実現することができるとともに、高速走行状態を自動運転によって実現することができる。それにより、高い商品性を確保することができる。

請求項１１に係る発明は、請求項１０に記載の走行軌道決定装置１において、走行軌道決定手段は、未来の走行軌道Ｔｒ＿ｓｋと存在領域データ（リスクポテンシャルＰｒｉｓｋ）が表す存在領域との交錯度合いが最小値を含む当該最小値付近の値になるとともに、未来の走行軌道Ｔｒ＿ｓｋと走行領域データ（ベネフィットポテンシャルＰｂｎｆ）が表す走行領域との交錯度合いが最大値を含む当該最大値付近の値になるように、未来の走行軌道Ｔｒ＿ｓｋを決定することを特徴とする。

この走行軌道決定装置によれば、未来の走行軌道と存在領域データが表す存在領域との交錯度合いが最小値を含む当該最小値付近の値になるとともに、未来の走行軌道と走行領域データが表す走行領域との交錯度合いが最大値を含む当該最大値付近の値になるように、未来の走行軌道が決定されるので、自車両の未来の走行軌道を、交通参加者の存在領域と交錯するのを回避しながら、理想的な未来の走行領域とできるだけ交錯するように迅速かつ適切に決定することができる。それにより、この走行軌道決定装置を自動運転車両に適用した場合には、熟練ドライバが運転した場合と同様に、安全かつ理想的な走行状態を自動運転によって実現することができ、高い商品性を確保することができる。

請求項１２に係る発明は、請求項１０又は１１に記載の走行軌道決定装置１において、走行軌道決定手段は、未来の走行軌道Ｔｒ＿ｓｋの基準となる基準走行軌道（基準軌道ｗｂｓ）を決定し、基準走行軌道（基準軌道ｗｂｓ）を、未来の走行軌道Ｔｒ＿ｓｋと存在領域データが表す領域との交錯度合いが最小値を含む当該最小値付近の値になるとともに、未来の走行軌道Ｔｒ＿ｓｋと走行領域データが表す走行領域との交錯度合いが最大値を含む当該最大値付近の値になるように補正することにより、未来の走行軌道Ｔｒ＿ｓｋを決定することを特徴とする。

この走行軌道決定装置によれば、未来の走行軌道の基準となる基準走行軌道が決定され、この基準走行軌道を、未来の走行軌道と存在領域データが表す領域との交錯度合いが最小値を含む当該最小値付近の値になるとともに、未来の走行軌道と走行領域データが表す走行領域との交錯度合いが最大値を含む当該最大値付近の値になるように補正することにより、未来の走行軌道が決定されるので、未来の走行軌道を、交通参加者の存在領域と交錯するのを回避しながら、理想的な未来の走行領域と可能な限り交錯するように迅速かつ適切に決定することができる。

請求項１３に係る発明は、請求項１１に記載の走行軌道決定装置１において、走行軌道決定手段は、走行領域データが表す走行領域と存在領域データが表す存在領域とが交錯している場合には、交錯した領域における交通参加者の存在確率が高いほど、未来の走行軌道Ｔｒ＿ｓｋと存在領域データが表す存在領域との交錯度合いがより減少するように、未来の走行軌道Ｔｒ＿ｓｋを決定することを特徴とする。

この走行軌道決定装置によれば、走行領域データが表す走行領域と存在領域データが表す存在領域とが交錯している場合には、交錯した領域における交通参加者の存在確率が高いほど、未来の走行軌道と存在領域データが表す存在領域との交錯度合いがより減少するように、未来の走行軌道が決定されるので、理想的な未来の走行領域と交通参加者の存在領域とが交錯する場合には、自車両の未来の走行軌道を、その走行軌道上に交通参加者が存在する確率を減少させながら迅速かつ適切に決定することができる。

請求項１４に係る自動運転装置１は、請求項１ないし１３のいずれかに記載の走行軌道決定装置１を備え、走行軌道決定装置１によって決定された未来の走行軌道Ｔｒ＿ｓｋで走行するように、自車両３の走行状態を制御することを特徴とする。

この自動運転装置によれば、請求項１ないし１３のいずれかに記載の走行軌道決定装置によって決定された未来の走行軌道で走行するように、自車両の走行状態が制御されるので、安全かつ理想的な走行状態を自動運転によって実現することができ、高い商品性を確保することができる。

本発明の一実施形態に係る自動運転装置及び走行軌道決定装置と、これらを適用した車両の構成を模式的に示す図である。 自動運転装置の機能的な構成を示すブロック図である。 他車両のリスクポテンシャルＰｒｉｓｋの算出結果の一例を示す図である。 歩行者のリスクポテンシャルＰｒｉｓｋの算出結果の一例を示す図である。 交通参加者が自車両の走行レーン上に存在しない走行環境下でのリスクポテンシャルＰｒｉｓｋの算出結果の一例を示す図である。 交通参加者が自車両の走行レーン上に存在しない走行環境下でのベネフィットポテンシャルＰｂｎｆの算出結果の一例を示す図である。 交通参加者が存在する走行環境下でのベネフィットポテンシャルＰｂｎｆ及びリスクポテンシャルＰｒｉｓｋの算出結果の一例を示す図である。 走行軌道算出部の構成を示すブロック図である。 タイプ１の走行軌道算出手法で用いる基準走行軌道ｗｂｓを定義した関数値を示す図である。 タイプ１の走行軌道算出手法における、ｋｖ＞１，ｋｔｒ＜１が成立しているときの縦方向速度ｖｌの算出結果の一例を示す図である。 タイプ１の走行軌道算出手法における、ｋｖ＞１，ｋｔｒ＜１が成立しているときの走行軌道Ｔｒ＿ｓｋの算出結果の一例を示す図である。 タイプ１の走行軌道算出手法で用いる基準走行軌道ｗｂｓを定義した関数値の変形例を示す図である。 タイプ２の走行軌道算出手法で用いる基準走行軌道ｗｂｓを定義した関数値を示す図である。 タイプ２の走行軌道算出手法における、ｋｖ＞１，ｋｔｒ＿１＝０．５，ｋｔｒ＿２＜１が成立しているときの走行軌道Ｔｒ＿ｓｋの算出結果の一例を示す図である。 タイプ２の走行軌道算出手法で用いる基準走行軌道ｗｂｓを定義した関数値の変形例を示す図である。 タイプ３の走行軌道算出手法で用いる軌道重み関数値Ｗｔｒ＿ｉを示す図である。 タイプ３の走行軌道算出手法における、ｋｖ＝１又はｋｖ＞１が成立しているときの走行軌道Ｔｒ＿ｓｋの算出結果の一例を示す図である。 タイプ４の走行軌道算出手法を説明するための図である。 走行環境モデルの算出結果の一例を示す図である。 ベネフィットポテンシャル補正係数Ｋｂｎｆの算出に用いるマップの一例を示す図である。 図１９のＡ−Ａ線に沿う時刻でのリスクポテンシャルＰｒｉｓｋ及びベネフィットポテンシャルＰｂｎｆを示す図である。 最も理想的な走行軌道Ｔｒ＿ｓｋの位置を説明するための図である。 評価関数値Ｊと最終探索軌道補正ベクトルＫθ＿ｓｋの１つの要素ｋθ＿１＿ｓｋとの関係を説明するための図である。 移動平均値Ｐａ＿ｉと最終探索軌道補正ベクトルＫθ＿ｓｋの１つの要素ｋθ＿１＿ｓｋとの関係を説明するための図である。 走行軌道探索処理を示すフローチャートである。 自動運転制御処理を示すフローチャートである。 走行軌道探索処理のシミュレーションを実行した走行環境条件を示す図である。 本実施形態による走行軌道探索処理を実行したときの（ａ）自車両などの横位置、（ｂ）評価関数値Ｊ’及び（ｃ）軌道補正係数ｋｔｒのシミュレーション結果を示す図である。 比較のために、ベネフィットポテンシャルＰｂｎｆを省略して走行軌道探索処理を実行したときの（ａ）自車両などの横位置、（ｂ）評価関数値Ｊ’及び（ｃ）軌道補正係数ｋｔｒのシミュレーション結果を示す図である。 比較のために、最終探索軌道補正ベクトルＫθ＿ｓｋを省略して走行軌道探索処理を実行したときの（ａ）自車両などの横位置、（ｂ）評価関数値Ｊ’及び（ｃ）軌道補正係数ｋｔｒのシミュレーション結果を示す図である。

以下、図面を参照しながら、本発明の一実施形態に係る走行軌道決定装置及び自動運転装置について説明する。なお、本実施形態の自動運転装置は走行軌道決定装置も兼用しているので、以下の説明では、自動運転装置について説明するとともに、その中で、走行軌道決定装置の機能及び構成についても説明する。

図１に示すように、この自動運転装置１は、四輪車両３に適用されたものであり、ＥＣＵ２を備えている。なお、以下の説明では、この自動運転装置１を備えた車両３を「自車両３」という。

このＥＣＵ２には、状況検出装置４、原動機５及びアクチュエータ６が電気的に接続されている。この状況検出装置４（周辺状況データ取得手段）は、カメラ、ミリ波レーダー、レーザーレーダ、ソナー、ＧＰＳ及び各種のセンサなどで構成されており、自車両３の位置及び自車両３の進行方向の周辺状況（交通環境や交通参加者など）を表す周辺状況データＤ＿ｉｎｆｏをＥＣＵ２に出力する。

ＥＣＵ２は、後述するように、この状況検出装置４からの周辺状況データＤ＿ｉｎｆｏに基づいて、自車両３の位置及び自車両３の周辺の交通環境や交通参加者などを認識し、自車両３の未来の走行軌道を決定する。

原動機５は、例えば、電気モータなどで構成されており、後述するように、自車両３の未来の走行軌道が決定されたときに、自車両３がこの走行軌道で走行するように、ＥＣＵ２によって原動機５の出力が制御される。

また、アクチュエータ６は、制動用アクチュエータ及び操舵用アクチュエータなどで構成されており、後述するように、自車両３の未来の走行軌道が決定されたときに、自車両３がこの走行軌道で走行するように、ＥＣＵ２によってアクチュエータ６の動作が制御される。

一方、ＥＣＵ２は、ＣＰＵ、ＲＡＭ、ＲＯＭ、Ｅ２ＰＲＯＭ、Ｉ／Ｏインターフェース及び各種の電気回路（いずれも図示せず）などからなるマイクロコンピュータで構成されており、上述した状況検出装置４からの周辺状況データＤ＿ｉｎｆｏなどに基づいて、後述するように、走行軌道決定処理などを実行する。なお、本実施形態では、ＥＣＵ２が、存在領域データ算出手段、走行軌道決定手段、走行不可領域データ算出手段及び走行領域データ算出手段に相当する。

次に、図２を参照しながら、本実施形態の自動運転装置１の機能的な構成について説明する。この自動運転装置１は、以下に述べる算出アルゴリズムによって、走行軌道Ｔｒ＿ｓｋを算出し、この走行軌道Ｔｒ＿ｓｋで走行するように、自車両３の走行状態を制御するものである。

同図２に示すように、自動運転装置１は、リスクポテンシャル算出部２０、ベネフィットポテンシャル算出部２１及び走行軌道算出部３０を備えており、これらの要素２０，２１，３０は、具体的にはＥＣＵ２によって構成されている。

まず、リスクポテンシャル算出部２０について説明する。このリスクポテンシャル算出部２０では、前述した周辺状況データＤ＿ｉｎｆｏに基づき、交通参加者（歩行者や車両）の現在から未来における存在確率や、走行してはいけない領域を表すマップ（図示せず）を作成し、走行軌道Ｔｒ＿ｓｋに応じて、このマップを検索することにより、リスクポテンシャルＰｒｉｓｋが算出される。このリスクポテンシャルＰｒｉｓｋは、現在から未来において、自車両３の進行方向の周辺における交通参加者が存在する可能性（確率）がある領域、及び自車両３が走行すべきでない走行不可能域が存在する可能性（確率）がある領域などを表す値であり、具体的には、図３〜５に示すように算出される。

まず、図３は、自車両３の進行方向に他車両７が存在する走行環境下での、他車両７のリスクポテンシャルＰｒｉｓｋの算出結果の一例を表している。同図の横軸の値ｘｒは、自車両３の進行方向に直交する横方向において、自車両３と他車両７との相対位置を表している。この相対位置ｘｒは、他車両７の中心位置を値０として、他車両７の左側が負値に設定され、右側が正値に設定される。同図に示すように、他車両７のリスクポテンシャルＰｒｉｓｋは、他車両７の存在確率が低い領域では値０として算出されるとともに、存在確率が高いほど、より大きい正値として算出される。なお、図３〜５では、リスクポテンシャルＰｒｉｓｋは、便宜上、直線を組み合わせた形で表現されている。

また、図４は、自車両３の進行方向に歩行者８が存在する走行環境下での、歩行者８のリスクポテンシャルＰｒｉｓｋの算出結果の一例を表している。同図に示すように、歩行者８のリスクポテンシャルＰｒｉｓｋは、他車両７の場合と同様に、歩行者８の存在確率が低い領域では値０として算出され、存在確率が高いほど、より大きい正値になるように算出される。

さらに、図５は、自車両３の進行方向に交通参加者が存在しない走行環境下でのリスクポテンシャルＰｒｉｓｋの算出結果の一例を表している。この場合のリスクポテンシャルＰｒｉｓｋは、同図に示す歩道９ａなどのような、自車両３が走行すべきでない走行不可領域における走行を回避すべき確率を表す値である。同図において、横軸の値ｘは、自車両３の幅方向すなわち横方向における自車両３の絶対位置を表しており、この絶対位置ｘは、自車両３の中心位置を値０として、自車両３の左側が負値に設定され、右側が正値に設定されている。この点は、後述する図６においても同様である。

同図に示すように、自車両３の進行方向に交通参加者が存在しない走行環境下でのリスクポテンシャルＰｒｉｓｋは、絶対位置ｘに対するマップ値として算出される。より具体的には、リスクポテンシャルＰｒｉｓｋは、車道９ｂと歩道９ａの境界付近において上昇するとともに、歩道９ａ内では車道９ｂから遠ざかるほど、より大きい正値になるように算出される。

なお、本実施形態では、リスクポテンシャル算出部２０が存在領域データ算出手段及び走行不可領域データ算出手段に相当し、リスクポテンシャルＰｒｉｓｋが存在領域データ及び走行不可領域データに相当する。

次に、ベネフィットポテンシャル算出部２１について説明する。このベネフィットポテンシャル算出部２１では、周辺状況データＤ＿ｉｎｆｏ及び走行軌道Ｔｒ＿ｓｋ（これまで自車両３が走行してきた走行軌道Ｔｒ＿ｓｋ）に応じて、図示しないマップを検索することにより、ベネフィットポテンシャルＰｂｎｆが算出される。このベネフィットポテンシャルＰｂｎｆは、自車両３が走行するときの、進行方向における理想的な走行領域の存在確率を表す値であり、具体的には、例えば、図６〜７に示すように算出される。

この図６は、自車両３の進行方向に交通参加者が存在しない走行環境下でのベネフィットポテンシャルＰｂｎｆの算出結果の一例を表している。同図に示すように、ベネフィットポテンシャルＰｂｎｆは、負値又は値０になるように算出され、最も理想的な走行位置（☆で示すポイント）で最小値となるとともに、最も理想的な走行位置から横方向に遠ざかるほど、その絶対値が減少するように算出される。なお、図６では、ベネフィットポテンシャルＰｂｎｆは、便宜上、直線を組み合わせた形で表現されている。

また、自車両３の実際の走行中は、例えば、図７に示すような、歩行者８ａ及び他車両７ａなどの交通参加者などが存在する走行環境となる。図７に示す走行環境下の場合、ベネフィットポテンシャルＰｂｎｆ及びリスクポテンシャルＰｒｉｓｋは、図中に示すように算出される。

また、ベネフィットポテンシャルＰｂｎｆを、周辺状況データＤ＿ｉｎｆｏ及び走行軌道Ｔｒ＿ｓｋを入力とし、ベネフィットポテンシャルＰｂｎｆを出力とする深層ニューラルネットワークを用い、熟練ドライバの走行データを学習することによって算出してもよい。さらに、逆強化学習の手法を用いて、熟練ドライバの走行データから熟練ドライバの最適経路を判断する関数値を抽出し、この関数値を用いて、ベネフィットポテンシャルＰｂｎｆを算出してもよい。

なお、本実施形態では、ベネフィットポテンシャル算出部２１が走行領域データ算出手段に相当し、ベネフィットポテンシャルＰｂｎｆが走行領域データに相当する。

次に、図８を参照しながら、前述した走行軌道算出部３０について説明する。この走行軌道算出部３０は、以下に述べるように、走行軌道Ｔｒ＿ｓｋを算出（探索）するものであり、この走行軌道Ｔｒ＿ｓｋは、自車両３が現在から未来にかけて走行すべき軌道に相当する。同図に示すように、走行軌道算出部３０は、走行環境モデル推定部４０及び極値探索コントローラ５０を備えている。

この走行環境モデル推定部４０（走行軌道決定手段）は、後述するように、周辺状況データＤ＿ｉｎｆｏと、極値探索コントローラ５０からの最終探索軌道補正ベクトルＫθ＿ｓｋとを用いて、走行軌道Ｔｒ＿ｓｋを算出し、評価関数値Ｊを算出するとともに、この評価関数値Ｊを極値探索コントローラ５０に出力する。

また、極値探索コントローラ５０（補正値算出手段）は、走行環境モデル推定部４０から入力された評価関数値Ｊを用いて、上述した最終探索軌道補正ベクトルＫθ＿ｓｋを算出し、これを走行環境モデル推定部４０に出力する。

次に、上述した走行環境モデル推定部４０について説明する。この走行環境モデル推定部４０では、まず、以下に述べるように、周辺状況データＤ＿ｉｎｆｏに応じて、タイプ１〜４の走行軌道算出手法のいずれかを選択し、選択した走行軌道算出手法によって、走行軌道Ｔｒ＿ｓｋが算出される。なお、以下の説明では、自車両３の進行方向の位置を「縦位置」と呼び、幅方向の位置を「横位置」という。

まず、タイプ１の走行軌道算出手法について説明する。このタイプ１の走行軌道算出手法の場合、走行軌道Ｔｒ＿ｓｋの基準となる基準走行軌道ｗｂｓを、図９に示す関数値のように定義する。この基準走行軌道ｗｂｓ（所定の関数値）は、自車両３が基準縦方向速度ｖｌ＿ｂｓで進行方向に走行したときの、自車両３の相対横位置ｘｆと正規化時刻ｔｎとの関係を定義したもの、すなわち自車両３の進路変更速度を定義したものである。

この場合、縦軸の相対横位置ｘｆは、自車両３の中心位置を値０として、右側の相対位置を正値で、左側の相対位置を負値でそれぞれ表したものである。また、横軸の正規化時刻ｔｎは、自車両３が基準縦方向速度ｖｌ＿ｂｓで進行方向に走行した際の未来時刻を表す値であり、正規化時刻ｔｎ＝０は現在の時刻を表している。以上のように、基準走行軌道ｗｂｓは、基準縦方向速度ｖｌ＿ｂｓとともに定義されている関係上、現在からの未来の経過時間である未来時刻をｔｆとし、基準縦方向速度ｖｌ＿ｂｓで走行したときの現在位置に対する相対縦位置をｙｆとした場合、未来時刻ｔｆにおける相対縦位置ｙｆと縦方向速度ｖｌを表すものとなる。したがって、基準走行軌道ｗｂｓは、図９の横軸の正規化時刻ｔｎを、未来時刻ｔｆ又は相対縦位置ｙｆに置き換えて定義することも可能である。

図９に示す基準走行軌道ｗｂｓと、これを補正するための軌道補正係数ｋｔｒ及び縦方向速度補正係数ｋｖを用いて、任意の未来時刻ｔｆ^*における走行軌道Ｔｒ＿ｓｋは、以下のように算出される。この軌道補正係数ｋｔｒ（補正値）は、前述した周辺状況データＤ＿ｉｎｆｏに応じて、正負の所定範囲（例えば、ｗｂｓ・ｋｔｒの絶対値が走路幅を超えない範囲）内の値に設定され、基準縦方向速度ｖｌ＿ｂｓが法定速度又はドライバの要求設定速度のどちらか小さい方に設定されたとした場合、縦方向速度補正係数ｋｖは、前述した周辺状況データＤ＿ｉｎｆｏに応じて、１≦ｋｖが成立する範囲内の値に設定される。

まず、下式（１）により、任意の未来時刻ｔｆ^*における縦方向速度ｖｌを算出する。

次いで、下式（２）により、任意の未来時刻ｔｆ^*における相対縦位置ｙｆ^*を算出する。

次に、下式（３）により、任意の正規化時刻ｔｎ^*を算出する。

さらに、上式（３）で算出した任意の正規化時刻ｔｎ^*に応じて、図９を検索することにより、基準走行軌道ｗｂｓを算出する。

そして、最終的に、下式（４）により、走行軌道Ｔｒ＿ｓｋを算出する。

以上の手法により算出されるので、走行軌道Ｔｒ＿ｓｋは、軌道補正係数ｋｔｒ、縦方向速度補正係数ｋｖ及び任意の未来時刻ｔｆ^*を独立変数とする関数Ｆ（ｋｔｒ，ｋｖ，ｔｆ^*）として算出されることになる。ここで、探索軌道補正ベクトルＫθ（補正値）を下式（５）に示すように定義した場合、走行軌道Ｔｒ＿ｓｋは、探索軌道補正ベクトルＫθ及び任意の未来時刻ｔｆ^*を独立変数とする関数Ｆ（Ｋθ，ｔｆ^*）として算出されることになる。

以上のタイプ１の算出手法の場合、例えば、ｋｖ＝１，ｋｔｒ＝１が成立しているときには、上式（１），（４）を参照すると明らかなように、ｖｌ＝ｖｌ＿ｂｓ，Ｔｒ＿ｓｋ＝ｗｂｓが成立することになるので、走行軌道Ｔｒ＿ｓｋは、図９に示す基準走行軌道ｗｂｓと同一になるように算出されることになる。

一方、例えば、ｋｖ＞１，ｋｔｒ＜１が成立しているときには、上式（１），（４）を参照すると明らかなように、縦方向速度ｖｌは、基準縦方向速度ｖｌ＿ｂｓよりも大きい値になる（図１０参照）とともに、走行軌道Ｔｒ＿ｓｋの相対横位置は、基準走行軌道ｗｂｓよりも小さい値になる。その結果、走行軌道Ｔｒ＿ｓｋは、図１１に示すように算出されることになる。この図１１は、理解の容易化のために、横軸を相対縦位置ｙｆで表したものである。

同図において、ｙｆ'，ｙｆ^*は、ｋｖ＝１，ｋｔｒ＝１が成立しているとき及びｋｖ＞１，ｋｔｒ＜１が成立しているときの、任意の正規化時刻ｔｎ^*に対応する相対縦位置を表している。同図に示すように、ｋｖ＞１，ｋｔｒ＜１が成立している場合、ｖｌ＞ｖｌ＿ｂｓが成立することで、相対縦位置ｙｆ^*は、ｋｖ＝１，ｋｔｒ＝１が成立しているときの相対縦位置ｙｆ'よりも前方に移動した位置になるとともに、相対横位置もｋｖ＝１，ｋｔｒ＝１が成立しているときよりも小さい値になる。

この場合、図１１は、理解の容易化のために、横軸を相対縦位置ｙｆで表したものであるが、前述したように、横軸を正規化時刻ｔｎや未来時刻ｔｆに置き換えて表すことも可能である。そのため、このタイプ１の走行軌道算出手法の場合には、実際の走行軌道Ｔｒ＿ｓｋは、未来時刻ｔｆと関連付けられた状態で算出される。この点は、後述するタイプ２やタイプ３の走行軌道算出手法などにおいても同様である。

以上のタイプ１の走行軌道算出手法は、例えば、前方の走行車両を追い抜く走行環境下（後述する図２７参照）や、車線変更などを実行する走行環境下で、走行軌道Ｔｒ＿ｓｋを算出するのに最適な手法である。

なお、タイプ１の走行軌道算出手法において、基準走行軌道ｗｂｓとして、図９に示す関数値に代えて、図１２に示すような、車両の操舵特性を考慮した関数値を用いてもよい。

次に、前述したタイプ２の走行軌道算出手法について説明する。このタイプ２の走行軌道算出手法の場合、基準軌道Ｗｂｓを図１３に示す関数値のように定義する。この図１３の関数値と前述した図９の関数値を比較すると明らかなように、図１３の関数値の場合、複数の基準走行軌道ｗｂｓが設定されているとともに、これらの複数の基準走行軌道ｗｂｓは、第１軌道設定値ｋｔｒ＿１に応じたマップ値として設定されている。この第１軌道設定値ｋｔｒ＿１は、走行軌道の左右方向の位置変更の際における移動速度を設定（選択）するためのものであり、前述した周辺状況データＤ＿ｉｎｆｏに応じて、正負の所定範囲（例えば、ｗｂｓ・ｋｔｒ＿１の絶対値が走路幅を超えない範囲）内の値に設定されている。

また、このタイプ２の走行軌道算出手法の場合、前述したタイプ１の走行軌道算出手法における軌道補正係数ｋｔｒに相当する値が、第２軌道補正係数ｋｔｒ＿２（補正値）として設定される。すなわち、基準縦方向速度ｖｌ＿ｂｓが法定速度又はドライバの要求設定速度のどちらか小さい方に設定されたとした場合、第２軌道補正係数ｋｔｒ＿２は、前述した周辺状況データＤ＿ｉｎｆｏに応じて、−１≦ｋｔｒ＿２≦１が成立する範囲内の値に設定される。そして、図１３に示す基準走行軌道ｗｂｓの関数値、第１軌道設定値ｋｔｒ＿１、第２軌道補正係数ｋｔｒ＿２及び縦方向速度補正係数ｋｖを用いて、任意の未来時刻ｔｆ^*における走行軌道Ｔｒ＿ｓｋは、以下のように算出される。

まず、下式（６）により、任意の未来時刻ｔｆ^*における縦方向速度ｖｌを算出する。

次いで、下式（７）により、任意の未来時刻ｔｆ^*における相対縦位置ｙｆ^*を算出する。

次に、下式（８）により、任意の正規化時刻ｔｎ^*を算出する。

さらに、上式（８）で算出した任意の正規化時刻ｔｎ^*及び第１軌道設定値ｋｔｒ＿１に応じて、図１３を検索することにより、基準走行軌道ｗｂｓを算出する。

そして、最終的に、下式（９）により、走行軌道Ｔｒ＿ｓｋを算出する。

以上の手法により算出されるので、走行軌道Ｔｒ＿ｓｋは、第１軌道設定値ｋｔｒ＿１、第２軌道補正係数ｋｔｒ＿２、縦方向速度補正係数ｋｖ及び任意の未来時刻ｔｆ^*を独立変数とする関数Ｆ（ｋｔｒ＿１，ｋｔｒ＿２，ｋｖ，ｔｆ^*）として算出されることになる。ここで、探索軌道補正ベクトルＫθ（補正値）を下式（１０）に示すように定義した場合、走行軌道Ｔｒ＿ｓｋは、探索軌道補正ベクトルＫθ及び任意の未来時刻ｔｆ^*を独立変数とする関数Ｆ（Ｋθ，ｔｆ^*）として算出されることになる。

以上のタイプ２の走行軌道算出手法の場合、例えば、ｋｖ＝１，ｋｔｒ＿１＝０，ｋｔｒ＿２＝１が成立しているときには、上式（６），（９）を参照すると明らかなように、ｖｌ＝ｖｌ＿ｂｓ，Ｔｒ＿ｓｋ＝ｗｂｓが成立することになるので、走行軌道Ｔｒ＿ｓｋは、図１３に示すｋｔｒ＿１＝０のときの基準走行軌道ｗｂｓと同一になるように算出されることになる。

一方、例えば、ｋｖ＞１，ｋｔｒ＿１＝０．５，ｋｔｒ＿２＜１が成立しているときには、上式（６），（９）を参照すると明らかなように、縦方向速度ｖｌは、基準縦方向速度ｖｌ＿ｂｓよりも大きい値になる（前述した図１０参照）とともに、走行軌道Ｔｒ＿ｓｋの相対横位置は、ｋｔｒ＿１＝０．５のときの基準走行軌道ｗｂｓよりも小さい値になる。その結果、走行軌道Ｔｒ＿ｓｋは、図１４に示すように算出されることになる。

すなわち、同図に示すように、ｋｖ＞１，ｋｔｒ＿１＝０．５，ｋｔｒ＿２＜１が成立しているときには、その相対縦位置ｙｆ^*は、ｋｖ＝１，ｋｔｒ＿１＝０．５，ｋｔｒ＿２＝１が成立しているときの相対縦位置ｙｆ'よりも前方に移動した位置になるとともに、相対横位置もｋｖ＝１，ｋｔｒ＿１＝０．５，ｋｔｒ＿２＝１が成立しているときよりも小さい値になる。

この場合、図１４は、理解の容易化のために、横軸を相対縦位置ｙｆで表したものであるが、このタイプ２の走行軌道算出手法の場合、実際の走行軌道Ｔｒ＿ｓｋは、未来時刻ｔｆと関連付けられた状態で算出される。

以上のタイプ２の走行軌道算出手法は、タイプ１の走行軌道算出手法と同様に、例えば、前方の走行車両を追い抜く走行環境下や、車線変更などを実行する走行環境下で、走行軌道Ｔｒ＿ｓｋを算出するのに最適な手法である。

なお、タイプ２の走行軌道算出手法において、基準走行軌道ｗｂｓとして、図１３に示す関数値に代えて、図１５に示すような、車両の操舵特性を考慮した関数値を用いてもよい。

次に、前述したタイプ３の走行軌道算出手法について説明する。このタイプ３の走行軌道算出手法の場合、まず、図１６に示すように、４つの軌道重み関数値Ｗｔｒ＿ｉ（ｉ＝１〜４）を正規化時刻ｔｎに対して定義する。

同図に示すように、４つの軌道重み関数値Ｗｔｒ＿ｉ（所定の関数値）は、正規化時刻ｔｎの４つの所定値ｔｎ＿１〜４によって規定される領域に対応して設定されている。第１の軌道重み関数値Ｗｔｒ＿１は、０〜ｔｎ＿２の期間で規定される第１領域に対応し、第２の軌道重み関数値Ｗｔｒ＿２は、ｔｎ＿１〜ｔｎ＿３の期間で規定される第２領域に対応し、第３の軌道重み関数値Ｗｔｒ＿３は、ｔｎ＿２〜ｔｎ＿４と規定される第３領域に対応し、第４の軌道重み関数値Ｗｔｒ＿４は、ｔｎ＿４〜未来と規定される第４領域に対応するように設定されている。

また、４つの軌道重み関数値Ｗｔｒ＿ｉの各々は、上述した対応する領域では値１以下の正値にかつそれ以外の領域では値０に設定されており、隣り合う各２つの軌道重み関数値は、互いにオーバーラップするように設定されているとともに、オーバーラップ部分の２つの軌道重み関数値の和が値１になるように設定されている。

さらに、このタイプ３の走行軌道算出手法では、４つの軌道補正係数ｋｔｒ２＿ｉ（ｉ＝１〜４）が用いられる。これらの４つの軌道補正係数ｋｔｒ２＿ｉ（補正値）は、周辺状況データＤ＿ｉｎｆｏに応じて、正負の所定範囲（例えば、Ｗｔｒ＿ｉ・ｋｔｒ２＿ｉの絶対値が走路幅を超えない範囲）内の値に設定される。

そして、図１６に示す４つの軌道重み関数値Ｗｔｒ＿ｉ、縦方向速度補正係数ｋｖ、４つの軌道補正係数ｋｔｒ２＿ｉを用いて、任意の未来時刻ｔｆ^*における走行軌道Ｔｒ＿ｓｋは、以下のように算出される。

まず、下式（１１）により、任意の未来時刻ｔｆ^*における縦方向速度ｖｌを算出する。

次いで、下式（１２）により、任意の未来時刻ｔｆ^*における相対縦位置ｙｆ^*を算出する。

次に、下式（１３）により、任意の正規化時間ｔｎ^*を算出する。

さらに、上式（１３）で算出した任意の正規化時間ｔｎ^*に応じて、図１６を検索することにより、４つの軌道重み関数値Ｗｔｒ＿ｉを算出する。

そして、最終的に、下式（１４）により、走行軌道Ｔｒ＿ｓｋを算出する。

このタイプ３の走行軌道算出手法の場合、走行軌道Ｔｒ＿ｓｋは、以上の手法により算出されるので、４つの軌道補正係数ｋｔｒ２＿ｉ、縦方向速度補正係数ｋｖ及び任意の未来時刻ｔｆ^*を独立変数とする関数Ｆ（ｋｔｒ２＿ｉ，ｋｖ，ｔｆ^*）として算出されることになる。ここで、探索軌道補正ベクトルＫθ（補正値）を下式（１５）に示すように定義した場合、走行軌道Ｔｒ＿ｓｋは、探索軌道補正ベクトルＫθ及び任意の未来時刻ｔｆ^*を独立変数とする関数Ｆ（Ｋθ，ｔｆ^*）として算出されることになる。なお、この探索軌道補正ベクトルＫθの値は、前述した極値探索コントローラ５０において、後述する手法により算出される。

以上のタイプ３の走行軌道算出手法の場合、走行軌道Ｔｒ＿ｓｋは、ｋｖ＝１が成立しているときには、例えば、図１７の実線で示す値として算出され、ｋｖ＞１が成立しているときには、図１７の破線で示す値として算出される。同図において、ｙｆ＿１〜４は、ｋｖ＝１が成立しているときの正規化時間ｔｎ＿１〜４に対応する相対縦位置ｙｆの値である。

同図において、ｙｆ'，ｙｆ^*はそれぞれ、ｋｖ＝１及びｋｖ＞１が成立しているときの、任意の正規化時刻ｔｎ^*に対応する相対縦位置を表している。同図に示すように、ｋｖ＞１が成立しているときの相対縦位置ｙｆ^*は、ｖｌ＞ｖｌ＿ｂｓが成立することで、ｋｖ＝１が成立しているときの相対縦位置ｙｆ'よりも前方に移動した位置になる。

この場合、図１７は、理解の容易化のために、横軸を相対縦位置ｙｆで表したものであるが、このタイプ３の走行軌道算出手法の場合、実際の走行軌道Ｔｒ＿ｓｋは、未来時刻ｔｆと関連付けられた状態で算出される。

以上のタイプ３の走行軌道算出手法は、繁華街を走行する場合や、交通参加者をジグザグに回避しながら走行する場合（後述する図１９参照）などの、複雑な走行環境下で、走行軌道Ｔｒ＿ｓｋを算出するのに最適な手法である。

なお、タイプ３の走行軌道算出手法においては、軌道重み関数値Ｗｔｒ＿ｉとして４つの値Ｗｔｒ＿１〜４を用いたが、軌道重み関数値Ｗｔｒ＿ｉの数はこれに限らず、２〜３又は５つ以上の関数値を用いてもよい。その場合には、軌道補正係数ｋｔｒ２＿ｉも、軌道重み関数値Ｗｔｒ＿ｉと同じ数の値を用いればよい。

次に、前述したタイプ４の走行軌道算出手法について説明する。このタイプ４の走行軌道算出手法の場合、図１８に示すように、自車両３の相対横位置ｘｆを横軸とし、相対縦位置ｙｆを縦軸とする平面において、ｎ（ｎ≧２）個の線分の各２つを互いの間に角度を付けた状態で組み合わせて、走行軌道Ｔｒ＿ｓｋを決定／算出するものである。

具体的には、まず、下式（１６）により、ローカル軌道距離Ｌｉ（ｉ＝１〜ｎ）を算出する。このローカル軌道距離Ｌｉは、ｎ個の線分の各々の長さに相当する。

上式（１６）において、ｋｖ＿ｉ（ｉ＝１〜ｎ）は速度補正係数（補正値）を、ｖ＿ｂｓは基準道なり方向速度（所定の関数値）を、Δｔはローカル区間走行時間をそれぞれ表している。このローカル区間走行時間Δｔは、自車両３がローカル軌道距離Ｌｉを走行するのに要する時間である。

次いで、下式（１７）により、任意の未来時刻ｔｆ^*における相対縦位置ｙｆ^*を算出する。

上式（１７）のθｉは、図１８に示すように、各線分の自車両３の現時点での中心線に対する角度である。

次に、下式（１８）により、任意の未来時刻ｔｆ^*における相対横位置ｘｆ^*を算出する。

そして、下式（１９）により、走行軌道Ｔｒ＿ｓｋを算出する。

さらに、下式（２０）により、道なり方向速度ｖを算出する。この道なり方向速度ｖは、自車両３の走行方向の速度である。

走行軌道Ｔｒ＿ｓｋは、以上の手法により算出されるので、ｎ個の速度補正係数ｋｖ＿ｉ、ｎ個の角度θｉ及び任意の未来時刻ｔｆ^*を独立変数とする関数Ｆ（ｋｖ＿ｉ，θｉ，ｔｆ^*）として算出されることになる。ここで、探索軌道補正ベクトルＫθ（補正値）を下式（２１）に示すように定義した場合、走行軌道Ｔｒ＿ｓｋは、探索軌道補正ベクトルＫθ及び任意の未来時刻ｔｆ^*を独立変数とする関数Ｆ（Ｋθ，ｔｆ^*）として算出されることになる。なお、この探索軌道補正ベクトルＫθの値は、前述した極値探索コントローラ５０において、後述する手法により算出される。

このタイプ４の走行軌道算出手法の場合、探索軌道補正ベクトルＫθの算出式（１７），（１８）において、角度θｉが含まれているので、走行軌道Ｔｒ＿ｓｋを算出する際、隣り合う各２つの線分の間の角度が探索軌道補正ベクトルＫθによって補正（変更）されることになる。

なお、タイプ４の走行軌道算出手法において、探索軌道補正ベクトルＫθをｎ個の速度補正係数ｋｖ＿ｉのみ又はｎ個の角度θｉのみを要素とするベクトルとして構成してもよい。

以上のように、走行環境モデル推定部４０では、周辺状況データＤ＿ｉｎｆｏに基づき、タイプ１〜４の走行軌道算出手法のいずれかを選択し、選択した走行軌道算出手法を用いて、走行軌道Ｔｒ＿ｓｋが算出される。

なお、以上の説明では、タイプ１〜４の走行軌道算出手法において、探索軌道補正ベクトルＫθを用いて、走行軌道Ｔｒ＿ｓｋを算出するように説明したが、走行軌道Ｔｒ＿ｓｋの実際の演算では、後述する理由により、探索軌道補正ベクトルＫθに代えて、極値探索コントローラ５０で算出された最終探索軌道補正ベクトルＫθ＿ｓｋが用いられる。

さらに、走行環境モデル推定部４０は、走行軌道Ｔｒ＿ｓｋ、リスクポテンシャルＰｒｉｓｋ及びベネフィットポテンシャルＰｂｎｆに基づいて、例えば、図１９に示す走行環境モデルを作成するとともに、この図１９の走行環境モデルを用いて、以下に述べる手法により、評価関数値Ｊを所定の算出周期（探索周期）ΔＴｓｋで算出する。

同図１９は、交通参加者として、歩行者８ｂ、反対車線で停止中の他車両３ｂ及び反対車線を走行中の他車両３ｃが存在する走行環境下での走行環境モデルを平面的に示したものである。

この走行環境モデル推定部４０では、まず、図１９中の探索インデックスｚｊ（ｊ＝０〜ｍ：ｍは整数）の時刻又は距離で、走行環境モデルを探索（検索）することにより、探索インデックスｚｊに対応するベネフィットポテンシャルＰｂｎｆ（ｚｊ）及びリスクポテンシャルＰｒｉｓｋ（ｚｊ）を算出する。この場合、探索インデックスｚｊとしては、タイプ１〜３の走行軌道算出手法を実行している場合には、未来時刻ｔｆが用いられ、タイプ４の走行軌道算出手法を実行している場合には、道なり距離ｘが用いられる。

そして、探索したベネフィットポテンシャルＰｂｎｆ（ｚｊ）及びリスクポテンシャルＰｒｉｓｋ（ｚｊ）を用いて、下式（２２）により、評価関数値Ｊを算出する。

上式（２２）において、ｋは算出時刻（探索時刻）であり、Ｋｂｎｆは、ベネフィットポテンシャル補正係数である。このベネフィットポテンシャル補正係数Ｋｂｎｆは、リスクポテンシャルＰｒｉｓｋに応じて、図２０に示すマップを検索することにより算出される。

同図のＰｒｉｓｋ１〜２は、Ｐｒｉｓｋ１＜Ｐｒｉｓｋ２が成立するように設定されるリスクポテンシャルＰｒｉｓｋの所定値である。このマップでは、ベネフィットポテンシャル補正係数Ｋｂｎｆは、Ｐｒｉｓｋ≦Ｐｒｉｓｋ１の領域では、値１に設定され、Ｐｒｉｓｋ２≦Ｐｒｉｓｋの領域では、値０に設定されているとともに、Ｐｒｉｓｋ１＜Ｐｒｉｓｋ＜Ｐｒｉｓｋ２の領域では、リスクポテンシャルＰｒｉｓｋが大きいほど、より小さい値に設定されている。以上のようなベネフィットポテンシャル補正係数Ｋｂｎｆの設定理由については後述する。また、以上の評価関数値Ｊの算出手法の原理についても後述する。

次に、前述した極値探索コントローラ５０について説明する。図８に示すように、極値探索コントローラ５０は、ウォッシュアウトフィルタ５１、ｎ個の参照信号発生器５２＿ｉ（ｉ＝１〜ｎ）、ｎ個の乗算器５３＿ｉ（ｉ＝１〜ｎ）、ｎ個の移動平均フィルタ５４＿ｉ、ｎ個の探索コントローラ５５＿ｉ（ｉ＝１〜ｎ）及びベクトル算出部５６を備えている。

このウォッシュアウトフィルタ５１では、下式（２３）により、フィルタ値Ｐｗが算出される。

上式（２３）に示すように、フィルタ値Ｐｗは、評価関数値の今回値Ｊ（ｋ）と前回値Ｊ（ｋ−１）の差分として算出される。また、ウォッシュアウトフィルタ５１は、評価関数値Ｊに含まれている、後述する参照信号値ｗ＿ｉに起因する周波数成分を通過させるためのものである。この場合、上式（２３）に代えて、後述するｎ個の参照信号値ｗ＿ｉの周波数成分を通過させるバタワースハイパスフィルタアルゴリズムにより、フィルタ値Ｐｗを算出してもよく、ｎ個の参照信号値ｗ＿ｉの各々の周波数成分のみを通過させるｎ個のバンドパスフィルタアルゴリズムにより、ｎ個のフィルタ値Ｐｗを算出するように構成してもよい。

また、ｎ個の参照信号発生器５２＿ｉからは、ｎ個の参照信号値ｗ＿ｉ（ｉ＝１〜ｎ）がそれぞれ出力される。これらのｎ個の参照信号値ｗ＿ｉは、互いに異なる周期の周期関数値に設定されており、それらの周期は互いに異なるｎ個の値ｍ＿ｉ（ｉ＝１〜ｎ）と算出周期ΔＴｓｋの積ｍ＿ｉ・ΔＴｓｋに設定されている。さらに、周期関数の波形としては、例えば、正弦波、余弦波、三角波、台形波及び矩形波などが用いられる。

さらに、ｎ個の乗算器５３＿ｉでは、下式（２４）により、ｎ個の中間値Ｐｃ＿ｉ（ｉ＝１〜ｎ）がそれぞれ算出される。

また、ｎ個の移動平均フィルタ５４＿ｉでは、下式（２５）により、ｎ個の移動平均値Ｐａ＿ｉが算出される。

上式（２５）のｍｌｃｍは、上述した値ｍ＿ｉの最大公倍数である。このように、移動平均値Ｐａ＿ｉのサンプリング個数を値ｍｌｃｍ＋１に設定した理由は、移動平均値Ｐａ＿ｉから参照信号値ｗ＿ｉの周波数成分を除去するためである。

次いで、ｎ個の探索コントローラ５５＿ｉでは、下式（２６），（２７）に示すスライディングモード制御アルゴリズムにより、ｎ個の補正係数ｋθ＿ｉ（ｉ＝１〜ｎ）が算出される。

上式（２６）のσ＿ｉ（ｉ＝１〜ｎ）は切換関数であり、Ｓ＿ｉ（ｉ＝１〜ｎ）は−１＜Ｓ＿ｉ＜０が成立するように設定される応答指定パラメータである。また、式（２７）のＫｓｋ＿ｉ（ｉ＝１〜ｎ）は、所定のゲインである。上式（２６），（２７）を参照すると明らかなように、ｎ個の補正係数ｋθ＿ｉは、適応則入力のみのスライディングモード制御アルゴリズムによって、ｎ個の移動平均値Ｐａ＿ｉを値０に収束させる機能を有するように算出される。

この場合、ｎ個の補正係数ｋθ＿ｉは、下式（２８）に示す探索軌道補正ベクトルＫθとして表すことができる。

上式（２８）の場合、その右辺の要素は、前述したタイプ１の走行軌道算出手法を用いる場合には前述した式（５）の右辺の要素に、タイプ２の走行軌道算出手法を用いる場合には、前述した式（１０）の右辺の要素に、タイプ３の走行軌道算出手法を用いる場合には、前述した式（１５）の右辺の要素にそれぞれ相当する。さらに、タイプ４の走行軌道算出手法を用いる場合には、以上の所定値ｎに代えて、その２倍値２ｎを用いて式（２２）〜（２８）の算出が実行されるとともに、その場合の式（２８）の右辺が前述した式（２１）の右辺の要素に相当することになる。

そして、ベクトル算出部５６では、下式（２９），（３０）により、最終探索軌道補正ベクトルＫθ＿ｓｋが算出される。

上式（２９），（３０）と、前述した式（２７），（２８）を比較すると明らかなように、最終探索軌道補正ベクトルＫθ＿ｓｋの場合、その各要素ｋθ＿ｉ＿ｓｋは、探索軌道補正ベクトルＫθの各要素ｋθ＿ｉに参照信号値ｗ＿ｉをそれぞれ加算した値として算出される。したがって、結果的に、走行軌道Ｔｒ＿ｓｋは、探索軌道補正ベクトルＫθを用いて算出されることになる。例えば、タイプ１，２の走行軌道算出手法の場合には、探索軌道補正ベクトルＫθで基準軌道ｗｂｓを補正することによって算出されることになる。

以上のように、走行環境モデル推定部４０では、前述した算出手法により、評価関数値Ｊが算出され、極値探索コントローラ５０では、前述した算出手法により、最終探索軌道補正ベクトルＫθ＿ｓｋが算出される。次に、これらの評価関数値Ｊ及び最終探索軌道補正ベクトルＫθ＿ｓｋの算出手法の原理について説明する。

まず、評価関数値Ｊの算出手法の原理について説明する。例えば、タイプ１〜４の走行軌道算出手法のいずれかで走行軌道Ｔｒ＿ｓｋを算出している場合、図１９のＡ−Ａ線で示す探索インデックスの時刻においては、リスクポテンシャルＰｒｉｓｋ及びベネフィットポテンシャルＰｂｎｆは、例えば、図２１に示すものとなる。

同図に示すように、リスクポテンシャルＰｒｉｓｋは正値で表され、ベネフィットポテンシャルＰｂｎｆは負値で表されるので、最も理想的な走行軌道Ｔｒ＿ｓｋの位置は、図２２に示すような、リスクポテンシャルＰｒｉｓｋとベネフィットポテンシャルＰｂｎｆの和Ｐｒｉｓｋ＋Ｐｂｎｆが極小値（すなわち最小値）になるポイント（☆で示すポイント）となる。

したがって、走行軌道Ｔｒ＿ｓｋを最も理想的な走行軌道になるように決定する場合、その評価関数値Ｊを、２つの値の和Ｐｒｉｓｋ＋Ｐｂｎｆを用いて定義することが考えられる。しかしながら、ベネフィットポテンシャルＰｂｎｆの領域とリスクポテンシャルＰｒｉｓｋの領域が平面的に見て重なっている条件下（例えば、図１９の探索インデックスｚｍ−ｘの時刻）では、走行軌道Ｔｒ＿ｓｋを２つの値の和Ｐｒｉｓｋ＋Ｐｂｎｆの最小値の位置になるように決定すると、自車両３が交通参加者に接触する可能性が高まってしまう。

この事象を回避するために、本実施形態の評価関数値Ｊは、その算出式（２２）に示すように、ベネフィットポテンシャル補正係数ＫｂｎｆをベネフィットポテンシャルＰｂｎｆに乗算した値Ｋｂｎｆ・Ｐｂｎｆを用いるとともに、このベネフィットポテンシャル補正係数Ｋｂｎｆを、前述した図２０に示すように、リスクポテンシャルＰｒｉｓｋが所定値Ｐｒｉｓｋ２よりも大きい領域では値０に設定することによって、評価関数値Ｊの算出において、リスクポテンシャルＰｒｉｓｋを優先させるように構成している。

これにより、ベネフィットポテンシャルＰｂｎｆの領域とリスクポテンシャルＰｒｉｓｋの領域が平面的に見て重なっている条件下では、走行軌道Ｔｒ＿ｓｋがリスクポテンシャルＰｒｉｓｋの大きい領域と交錯するのを回避でき、自車両３が交通参加者に接触するのを回避できることになる。以上の理由により、評価関数値Ｊは、ベネフィットポテンシャル補正係数Ｋｂｎｆを用いて算出される。

次に、最終探索軌道補正ベクトルＫθ＿ｓｋの算出原理について説明する。まず、走行軌道Ｔｒ＿ｓｋの最適な軌道を算出するには、リスクポテンシャルＰｒｉｓｋが存在する領域との交錯度合いが最小値となるとともに、ベネフィットポテンシャルＰｂｎｆが存在する領域との交錯度合いが最大値となるように、走行軌道Ｔｒ＿ｓｋを算出すればよいことになる。

言い換えれば、リスクポテンシャルＰｒｉｓｋとベネフィットポテンシャルＰｂｎｆとの和が最小値になるポイントが、その時刻での走行軌道Ｔｒ＿ｓｋの最適な軌道となるので、評価関数値Ｊが極小値（すなわち最小値）となるように、走行軌道Ｔｒ＿ｓｋを決定すればよいことになる。この場合、走行軌道Ｔｒ＿ｓｋは、前述したように、最終探索軌道補正ベクトルＫθ＿ｓｋを用いて算出される関係上、評価関数値Ｊが極小値となるように、最終探索軌道補正ベクトルＫθ＿ｓｋを算出すればよいことになる。

したがって、本実施形態の場合、評価関数値Ｊが極小値となるように、最終探索軌道補正ベクトルＫθ＿ｓｋを算出するために、以下の原理を用いている。まず、走行軌道Ｔｒ＿ｓｋは、最終探索軌道補正ベクトルＫθ＿ｓｋを用いて算出される関係上、最終探索軌道補正ベクトルＫθ＿ｓｋに含まれる参照信号値ｗ＿ｉの特性（周期関数）に起因して、所定振幅の振動的な挙動を示すことになる。さらに、そのような走行軌道Ｔｒ＿ｓｋを用いて、リスクポテンシャルＰｒｉｓｋ及びベネフィットポテンシャルＰｂｎｆが算出される関係上、評価関数値Ｊも所定振幅の振動的な挙動を示すことになる。

ここで、最終探索軌道補正ベクトルＫθ＿ｓｋの１つの要素ｋθ＿１＿ｓｋと評価関数値Ｊの関係が図２３に示す曲線として表されると仮定した場合、参照信号値ｗ＿ｉに起因する評価関数値Ｊの振動的な挙動は、図中の矢印Ｙ１又はＹ２に示すように、ある傾きを持った状態となる。一方、前述した移動平均値Ｐａ＿ｉは、評価関数値Ｊのフィルタ値Ｐｗと参照信号値ｗ＿ｉの積の移動平均値であるので、評価関数値Ｊと参照信号値ｗ＿ｉの相関関数に相当する値となる。

そのため、相関関数に相当する移動平均値Ｐａ＿ｉが正値であれば、評価関数値Ｊの傾きが正値を示し、移動平均値Ｐａ＿ｉが負値であれば、評価関数値Ｊの傾きは負値を示すことになる。これに加えて、移動平均値Ｐａ＿ｉは、前述した式（２５）で算出されることにより、参照信号値ｗ＿ｉの周波数成分が除去した状態で算出される。以上の理由により、移動平均値Ｐａ＿ｉと要素ｋθ＿１＿ｓｋの関係は、例えば、図２４に示すような単調増加の関数として表すことができる。すなわち、移動平均値Ｐａ＿ｉは、走行軌道Ｔｒ＿ｓｋを変更したときに、評価関数値Ｊが変化する方向を表すことになる。

したがって、評価関数値Ｊが極小値（最小値）になるように、最終探索軌道補正ベクトルＫθ＿ｓｋを算出するには、図２４に示す関数の傾きが値０になるように、移動平均値Ｐａ＿ｉを算出すればよいことになる。すなわち、移動平均値Ｐａ＿ｉが値０に収束するように、フィードバック制御アルゴリズムを用いて、最終探索軌道補正ベクトルＫθ＿ｓｋを算出すればよいことになる。

以上の理由により、本実施形態の極値探索コントローラ５０では、フィードバック制御アルゴリズムとしてのスライディングモード制御アルゴリズム（２６），（２７）を含む、式（２３）〜（３０）の算出アルゴリズムを用いて、最終探索軌道補正ベクトルＫθ＿ｓｋが算出される。

このように評価関数値Ｊの極小値を探索する場合、一般的な極値探索アルゴリズムでは、評価関数値Ｊの傾きのデータが必要となるのに対して、本実施形態の算出アルゴリズムでは、評価関数値Ｊの傾きのデータが不要となる。その結果、本実施形態の算出アルゴリズムの場合、一般的な極値探索アルゴリズムと比べて、演算負荷を低減でき、演算精度を向上させることができるという利点がある。同じ理由により、自動運転装置における走行軌道を決定するシステムのような、時間的に変化するシステムに適用した場合、一般的な極値探索アルゴリズムでは、ロバスト性が低下してしまうのに対して、本実施形態の算出アルゴリズムでは、高いロバスト性を確保することができるという利点がある。

また、前述したように、移動平均値Ｐａ＿ｉは、走行軌道Ｔｒ＿ｓｋを変更したときに、評価関数値Ｊの傾きすなわち評価関数値Ｊが変化する方向を表す値（方向値）であるので、評価関数値Ｊが最小値になるように（すなわち移動平均値Ｐａ＿ｉが値０に収束するように）、最終探索軌道補正ベクトルＫθ＿ｓｋを算出することは、リスクポテンシャルＰｒｉｓｋが存在する領域との交錯度合いが最小値となるとともに、ベネフィットポテンシャルＰｂｎｆが存在する領域との交錯度合いが最大値となるように、最終探索軌道補正ベクトルＫθ＿ｓｋを算出することに相当する。

さらに、評価関数値Ｊが、ベネフィットポテンシャル補正係数Ｋｂｎｆを用いて算出されるので、リスクポテンシャルＰｒｉｓｋが存在する領域とベネフィットポテンシャルＰｂｎｆが存在する領域とが交錯している場合には、リスクポテンシャルＰｒｉｓｋが大きいほど、走行軌道Ｔｒ＿ｓｋとリスクポテンシャルＰｒｉｓｋが存在する領域との交錯度合いが減少するように、最終探索軌道補正ベクトルＫθ＿ｓｋが算出されることになる。その結果、自車両３が交通参加者に接触するのを回避できることになる。

次に、図２５を参照しながら、走行軌道探索処理について説明する。この走行軌道探索処理は、前述した算出手法によって、走行軌道Ｔｒ＿ｓｋ、評価関数値Ｊ及び最終探索軌道補正ベクトルＫθ＿ｓｋなどを算出するものであり、ＥＣＵ２によって、前述した所定の算出周期ΔＴｓｋで実行される。なお、以下の説明において算出される各種の値は、ＥＣＵ２のＥ２ＰＲＯＭ内に記憶されるものとする。

同図に示すように、まず、ステップ１（図では「Ｓ１」と略す。以下同じ）で、状況検出装置５からの周辺状況データＤ＿ｉｎｆｏを読み込む。

次いで、ステップ２に進み、Ｅ２ＰＲＯＭ内の走行軌道Ｔｒ＿ｓｋ及び周辺状況データＤ＿ｉｎｆｏに応じて、図示しないマップを検索することにより、リスクポテンシャルＰｒｉｓｋを算出する。この場合、リスクポテンシャルＰｒｉｓｋは、探索インデックスｚ０〜ｚｍまでの値が算出され、それらの値がＥ２ＰＲＯＭ内に記憶されている前回値（探索インデックスｚ０〜ｚｍまでの値）に上書きされる。

次に、ステップ３で、Ｅ２ＰＲＯＭ内の走行軌道Ｔｒ＿ｓｋ及び周辺状況データＤ＿ｉｎｆｏに応じて、図示しないマップを検索することにより、ベネフィットポテンシャルＰｂｎｆを算出する。この場合、ベネフィットポテンシャルＰｂｎｆは、探索インデックスｚ０〜ｚｍまでの値が算出され、それらの値がＥ２ＰＲＯＭ内に記憶されている前回値（探索インデックスｚ０〜ｚｍまでの値）に上書きされる。

ステップ３に続くステップ４で、走行軌道Ｔｒ＿ｓｋを算出する。具体的には、周辺状況データＤ＿ｉｎｆｏに基づいて、前述したタイプ１〜４の走行軌道算出手法の算出式、すなわち式（１）〜（５）、式（６）〜（１０）、式（１１）〜（１５）及び式（１６）〜（２１）のいずれかを選択し、選択した算出式における探索軌道補正ベクトルＫθの要素を、最終探索軌道補正ベクトルＫθ＿ｓｋの要素に置き換えて、走行軌道Ｔｒ＿ｓｋを算出する。

この場合、走行軌道Ｔｒ＿ｓｋは、探索インデックスｚ０〜ｚｍまでの値が算出され、それらの値がＥ２ＰＲＯＭ内に記憶されている前回値（探索インデックスｚ０〜ｚｍまでの値）に上書きされる。すなわち、走行軌道Ｔｒ＿ｓｋは、算出周期ΔＴｓｋで逐次、更新されることになる。

次いで、ステップ５に進み、前述した式（２２）により、評価関数値Ｊを算出した後、ステップ６で、前述した式（２３）により、フィルタ値Ｐｗを算出する。

次に、ステップ７で、前述した式（２４）により、ｎ個の中間値Ｐｃ＿ｉを算出した後、ステップ８に進み、前述した式（２５）により、ｎ個の移動平均値Ｐａ＿ｉを算出する。

次いで、ステップ９に進み、前述した式（２６）〜（２８）により、探索軌道補正ベクトルＫθを算出する。

次に、ステップ１０で、前述した式（２９）〜（３０）により、最終探索軌道補正ベクトルＫθ＿ｓｋを算出した後、本処理を終了する。

以上のように、本実施形態の自動運転装置１では、所定の算出周期ΔＴｓｋで、最終探索軌道補正ベクトルＫθ＿ｓｋが、逐次更新されるとともに、次の算出タイミングで、そのように更新された最終探索軌道補正ベクトルＫθ＿ｓｋを用いて、走行軌道Ｔｒ＿ｓｋが逐次更新されることになる。

次に、図２６を参照しながら、自動運転制御処理について説明する。この自動運転制御処理は、自車両３を、算出された走行軌道Ｔｒ＿ｓｋで走行するように制御するものであり、ＥＣＵ２によって、前述した所定の算出周期ΔＴｓｋよりも長い所定の制御周期ΔＴａｄで実行される。

同図に示すように、まず、ステップ２０で、Ｅ２ＰＲＯＭ内に記憶されている走行軌道Ｔｒ＿ｓｋを読み込む。

次いで、ステップ２１に進み、自車両３が読み込んだ走行軌道Ｔｒ＿ｓｋで走行するように、原動機５を駆動する。

次に、ステップ２２で、自車両３が読み込んだ走行軌道Ｔｒ＿ｓｋで走行するようにアクチュエータ６を駆動した後、本処理を終了する。

次に、以上のように構成された本実施形態の自動運転装置１による走行軌道決定処理のシミュレーション結果について説明する。以下に述べるシミュレーション結果は、図２７に示すような、先行車両７ｄ及び対向車両７ｅが存在する走行環境条件下において、前述したタイプ１の走行軌道算出手法を用い、先行車両７ｄを追い越すときのものである。

まず、図２８は、本実施形態の自動運転装置１による走行軌道決定処理のシミュレーション結果（以下「本願結果」という）を示しており、図２９は、比較のために、ベネフィットポテンシャルＰｂｎｆを省略したときの走行軌道決定処理のシミュレーション結果（以下「第１比較結果」という）を示しており、図３０は、比較のために、最終探索軌道補正ベクトルＫθ＿ｓｋを省略したときの走行軌道決定処理のシミュレーション結果（以下「第２比較結果」という）を示している。

また、図２８〜図３０におけるＪ’は、自車両３の先端位置のみでの評価関数値であり、下式（３１）により算出される。

この式（３１）のｚ’は、自車両３の先端位置での探索インデックスである。

まず、第２比較結果を参照すると、時刻ｔ２１で、評価関数値Ｊ’が所定値Ｊ１’付近まで急増していることが判る。この所定値Ｊ１’は、自車両３が交通参加者に衝突したことなどを表す値であり、この時刻ｔ２１における評価関数値Ｊ’の急増は、自車両３が先行車両７ｄに衝突したことに起因するものである。

また、時刻ｔ２２で、車線変更を開始した後、時刻ｔ２３で、評価関数値Ｊ’が再度、所定値Ｊ１’付近まで急増していることが判る。これは、自車両３が対向車両７ｅと衝突したことに起因するものである。

これに対して、本願結果の場合、時刻ｔ１で、追い越し動作を開始し、車線変更を実行した後、時刻ｔ２で、理想的な走行位置に復帰している。その間、第２比較結果のような他車両と衝突を生じる場合と異なり、評価関数値Ｊ’がほとんど上昇しておらず、走行軌道Ｔｒ＿ｓｋを適切に決定できていることが判る。

さらに、第１比較結果を参照すると、この第１比較結果の場合、時刻ｔ１１で、追い越し動作を開始し、車線変更を実行した後、時刻ｔ１２で、元の走行位置に復帰している。その間、評価関数値Ｊ’は、本願結果と同様にほとんど上昇しておらず、その点では、走行軌道Ｔｒ＿ｓｋを適切に決定できていることが判る。

しかしながら、第１比較結果の場合、時刻ｔ１２以降、自車両３が理想的な走行位置から離間しているのに対して、本願結果の場合、前述したように、時刻ｔ２以降、自車両３が理想的な走行位置に復帰していることが判る。すなわち、本願結果の場合、ベネフィットポテンシャルＰｂｎｆを用いることで、自車両３を理想的な走行位置に復帰させることができ、走行軌道Ｔｒ＿ｓｋをより適切に決定できていることが判る。

以上のように、本実施形態の自動運転装置１によれば、状況検出装置５で検出された周辺状況データＤ＿ｉｎｆｏ及び走行軌道Ｔｒ＿ｓｋを用いて、リスクポテンシャルＰｒｉｓｋ及びベネフィットポテンシャルＰｂｎｆが算出される。そして、周辺状況データＤ＿ｉｎｆｏに基づいて、タイプ１〜４の走行軌道算出手法のいずれかを選択し、選択した走行軌道算出手法及び最終探索軌道補正ベクトルＫθ＿ｓｋを用いて、現在から未来までの走行軌道Ｔｒ＿ｓｋが算出される。

この最終探索軌道補正ベクトルＫθ＿ｓｋの場合、リスクポテンシャルＰｒｉｓｋ、ベネフィットポテンシャルＰｂｎｆ及びベネフィットポテンシャル補正係数Ｋｂｎｆを用いて、式（２２）により、評価関数値Ｊを算出し、この評価関数値Ｊが極小値となるように、最終探索軌道補正ベクトルＫθ＿ｓｋ（すなわち探索軌道補正ベクトルＫθ）が算出される。これは、リスクポテンシャルＰｒｉｓｋが存在する領域との交錯度合いが最小となるとともに、ベネフィットポテンシャルＰｂｎｆが存在する領域との交錯度合いが最大となるように、最終探索軌道補正ベクトルＫθ＿ｓｋを算出することに相当する。

さらに、そのような最終探索軌道補正ベクトルＫθ＿ｓｋで基準軌道ｗｂｓ及び軌道重み関数値Ｗｔｒ＿ｉなどを補正することにより、走行軌道Ｔｒ＿ｓｋが算出されるので、走行軌道Ｔｒ＿ｓｋを算出する際、特許文献１の場合と異なり、自車両３を取り囲む多数のグリッドにおける障害物の存在確率を算出／推定する必要がなくなることで、走行軌道Ｔｒ＿ｓｋを迅速かつ適切に算出することができる。それにより、自車両３を、熟練ドライバが運転した場合と同様に、安全かつ理想的な走行状態を自動運転によって実現することができ、高い商品性を確保することができる。

また、タイプ１，２の走行軌道算出手法の場合、マップ状に定義された基準軌道ｗｂｓを最終探索軌道補正ベクトルＫθ＿ｓｋ（すなわち探索軌道補正ベクトルＫθ）で補正することによって、走行軌道Ｔｒ＿ｓｋが決定されるので、自車両３の走行軌道Ｔｒ＿ｓｋが交通参加者の存在領域と交錯するのを回避しながら、自車両３が追従できないような走行軌道Ｔｒ＿ｓｋに決定されるのを回避することができるとともに、自車両３の横方向の速度を適切に設定することができる。それにより、自車両３がスピンや蛇行などの不安定な挙動を示すのを防止しながら、安全かつ理想的な走行状態を自動運転によって実現することができる。

さらに、タイプ３の走行軌道算出手法の場合、軌道重み関数値Ｗｔｒ＿ｉを最終探索軌道補正ベクトルＫθ＿ｓｋ（すなわち探索軌道補正ベクトルＫθ）で補正した値を合成することにより、走行軌道Ｔｒ＿ｓｋが決定されるので、自車両３の走行軌道Ｔｒ＿ｓｋが交通参加者の存在する可能性がある存在領域と交錯するのを回避しながら、自車両３が左側に進路変更した後、右側に進路変更する場合や、ジグザグ走行を繰り返す場合のような走行環境下での走行軌道Ｔｒ＿ｓｋを適切に設定することができ、そのような走行環境下において、円滑かつ安全な自動運転を実現することができる。

これに加えて、タイプ４の走行軌道算出手法の場合、走行軌道Ｔｒ＿ｓｋがｎ個の線分をｎ個の角度で結合した状態で決定されるとともに、最終探索軌道補正ベクトルＫθ＿ｓｋを用いて、走行軌道Ｔｒ＿ｓｋが補正されるので、自車両３の走行軌道Ｔｒ＿ｓｋが交通参加者の存在領域と交錯するのを回避しながら、自車両３が交差点で左折又は右折する場合や、高速道路で合流する場合のような走行環境下での走行軌道Ｔｒ＿ｓｋを適切に設定することができ、そのような走行環境下で、円滑かつ安全な自動運転を実現することができる。

また、最終探索軌道補正ベクトルＫθ＿ｓｋを算出する際、移動平均値Ｐａ＿ｉが、走行軌道Ｔｒ＿ｓｋを変化させたときの走行軌道Ｔｒ＿ｓｋと存在領域データが表す存在領域との交錯度合いの変化の方向を表す値として算出され、この移動平均値Ｐａ＿ｉが値０になるように最終探索軌道補正ベクトルＫθ＿ｓｋが算出されるので、走行軌道Ｔｒ＿ｓｋを算出する際の算出時間を短縮できると同時に、算出負荷を低減することができる。その結果、自動運転装置１の製造コストを削減することができるとともに、比較的、低い能力の演算装置を用いて、自動運転装置１を実現することができる。同じ理由により、この自動運転装置１を用いて、自動運転車両の高速走行を実現することができる。

なお、実施形態は、存在領域データとして、リスクポテンシャルＰｒｉｓｋを用いた例であるが、本発明の存在領域データはこれに限らず、自車両の周辺における、交通参加者が現在から未来において存在する可能性のある領域又は未来において存在する可能性のある領域である存在領域を表すものであればよい。例えば、自車両の周辺における、交通参加者が未来において存在する可能性のある領域を存在領域を表す存在領域データとして、リスクポテンシャルＰｒｉｓｋを算出するように構成してもよい。

また、実施形態は、走行領域データとして、ベネフィットポテンシャルＰｂｎｆを用いた例であるが、本発明の存在領域データはこれに限らず、自車両が走行すべき理想的な未来の走行領域を表すものであればよい。

さらに、実施形態は、リスクポテンシャルＰｒｉｓｋ及びベネフィットポテンシャルＰｂｎｆの双方を用いて、走行軌道Ｔｒ＿ｓｋを決定した例であるが、リスクポテンシャルＰｒｉｓｋのみを用いて、走行軌道Ｔｒ＿ｓｋを決定してもよい。その場合、評価関数値Ｊの算出式として、前述した式（２２）でＰｂｎｆ（ｚｊ）＝０と設定したものを用いればよい。さらに、リスクポテンシャルＰｒｉｓｋのみを用いて、走行軌道Ｔｒ＿ｓｋを決定する場合において、リスクポテンシャルＰｒｉｓｋ、周辺状況データＤ＿ｉｎｆｏ及び最終探索軌道補正ベクトルＫθ＿ｓｋに加えて、他のパラメータを用いて、走行軌道Ｔｒ＿ｓｋを決定してもよい。

一方、実施形態は、周辺状況データＤ＿ｉｎｆｏ、リスクポテンシャルＰｒｉｓｋ、ベネフィットポテンシャルＰｂｎｆ及び最終探索軌道補正ベクトルＫθ＿ｓｋを用いて、走行軌道Ｔｒ＿ｓｋを決定した例であるが、これら以外のパラメータをさらに用いて、走行軌道Ｔｒ＿ｓｋを決定してもよい。

また、実施形態は、探索軌道補正ベクトルＫθの算出アルゴリズムとして、式（１）〜（３０）を用いた例であるが、探索軌道補正ベクトルＫθの算出アルゴリズムはこれに限らず、未来の走行軌道と存在領域データが表す存在領域との交錯度合いが最小値を含む当該最小値付近の値になるように、探索軌道補正ベクトルＫθを算出できるものや、未来の走行軌道と存在領域データが表す存在領域との交錯度合いが最小値を含む当該最小値付近の値になるとともに、未来の走行軌道と走行領域データが表す走行領域との交錯度合いが最大値を含む当該最大値付近の値になるように、探索軌道補正ベクトルＫθを算出できるものであればよい。

さらに、実施形態は、本発明の自動運転装置１及び走行軌道決定装置１を４輪車両に適用した例であるが、本発明の自動運転装置及び走行軌道決定装置は、これに限らず、２輪車両、３輪車両及び５輪以上の車両にも適用可能である。

１ 自動運転装置、走行軌道決定装置
２ ＥＣＵ（存在領域データ算出手段、走行軌道決定手段、走行不可領域データ 算出手段、走行領域データ算出手段）
３ 自車両
５ 状況検出装置（周辺状況データ取得手段）
７ 他車両（交通参加者）
７ａ〜７ｅ 他車両（交通参加者）
８ 歩行者（交通参加者）
８ａ〜８ｂ 歩行者（交通参加者）
２０ リスクポテンシャル算出部（存在領域データ算出手段、走行不可領域データ 算出手段）
２１ ベネフィットポテンシャル（走行領域データ算出手段）
４０ 走行環境モデル推定部（走行軌道決定手段）
５０ 極値探索コントローラ（補正値算出手段）
Ｄ＿ｉｎｆｏ 周辺状況データ
Ｐｒｉｓｋ リスクポテンシャル（存在領域データ、走行不可領域データ）
Ｐｂｎｆ ベネフィットポテンシャル（走行領域データ）
ｗｂｓ 基準走行軌道（所定の関数値）
ｋｖ 縦方向速度補正係数（補正値）
ｋｔｒ 軌道補正係数（補正値）
ｋｔｒ＿２ 第２軌道補正係数（補正値）
Ｗｔｒ＿ｉ 軌道重み関数値（所定の関数値）
ｋｔｒ２＿ｉ 軌道補正係数（補正値）
ｖ＿ｂｓ 基準道なり方向速度（所定の関数値）
ｋｖ＿ｉ 速度補正係数（補正値）
Ｋθ 探索軌道補正ベクトル（補正値）
Ｔｒ＿ｓｋ 走行軌道
Ｐａ＿ｉ 移動平均値（方向値）

Claims (14)

1. 自車両の周辺状況を表す周辺状況データを取得する周辺状況データ取得手段と、
   当該周辺状況データを用いて、前記自車両の周辺における、交通参加者が現在から未来において存在する可能性のある領域又は未来において存在する可能性のある領域である存在領域を表す存在領域データを算出する存在領域データ算出手段と、
   前記存在領域データと所定の関数値を補正値で補正した値とを用いて、前記自車両の未来の走行軌道を決定する走行軌道決定手段と、
   所定のアルゴリズムを用いて、前記未来の走行軌道と前記存在領域データが表す前記存在領域との交錯度合いが最小値を含む当該最小値付近の値になるように、前記補正値を算出する補正値算出手段と、
   を備えることを特徴とする走行軌道決定装置。
2. 前記所定の関数値は、前記自車両が進路変更するときの形態をマップとして予め定義した関数値であることを特徴とする請求項１に記載の走行軌道決定装置。
3. 前記所定の関数値は、前記自車両が進路変更するときの進路変更速度を定義した関数値であり、
   前記補正値は、当該進路変更速度を補正するように構成されていることを特徴とする請求項２に記載の走行軌道決定装置。
4. 前記所定の関数値は、互いに交差する複数の関数値で構成され、
   前記補正値は、複数の補正値で構成され、
   前記走行軌道決定手段は、当該複数の関数値を複数の補正値でそれぞれ補正した複数の値を合成することにより、前記未来の走行軌道を決定することを特徴とする請求項１に記載の走行軌道決定装置。
5. 前記所定の関数値は、複数の線分を互いの間に角度を存する状態で結合した関数値で構成され、前記補正値は、当該複数の線分の長さ及び当該角度の少なくとも一方を補正するように構成されていることを特徴とする請求項１に記載の走行軌道決定装置。
6. 前記補正値算出手段は、前記所定のアルゴリズムを用いて、前記未来の走行軌道を変化させたときの当該未来の走行軌道と前記存在領域データが表す存在領域との交錯度合いの変化の方向を表す方向値を算出するとともに、当該方向値を用いて、前記未来の走行軌道を前記存在領域との交錯度合いが減少する方向に変化させるように、前記補正値を算出することを特徴とする請求項１ないし５のいずれかに記載の走行軌道決定装置。
7. 前記周辺状況データを用いて、前記自車両が走行すべきでない走行不可領域を表す走行不可領域データを算出する走行不可領域データ算出手段をさらに備え、
   前記補正値算出手段は、前記所定のアルゴリズムを用いて、前記未来の走行軌道と前記存在領域データが表す存在領域との交錯度合いに加えて、前記未来の走行軌道と前記走行不能領域データが表す走行不可領域との交錯度合いが最小値を含む当該最小値付近の値になるように、前記補正値を算出することを特徴とする請求項１ないし６のいずれかに記載の走行軌道決定装置。
8. 前記自車両が走行すべき理想的な未来の走行領域を表す走行領域データを算出する走行領域データ算出手段をさらに備え、
   前記補正値算出手段は、前記所定のアルゴリズムを用いて、前記未来の走行軌道と前記存在領域データが表す前記存在領域との交錯度合いが最小値を含む当該最小値付近の値になるとともに、前記未来の走行軌道と前記走行領域データが表す走行領域との交錯度合いが最大値を含む当該最大値付近の値になるように、前記補正値を算出することを特徴とする請求項１ないし６のいずれかに記載の走行軌道決定装置。
9. 前記補正値手段は、前記走行領域データが表す走行領域と前記存在領域データが表す前記存在領域とが交錯している場合には、当該交錯した領域における前記交通参加者の存在確率が高いほど、前記未来の走行軌道と前記存在領域データが表す前記存在領域との交錯度合いがより減少するように、前記補正値を算出することを特徴とする請求項８に記載の走行軌道決定装置。
10. 自車両の周辺状況を表す周辺状況データを取得する周辺状況データ取得手段と、
    当該周辺状況データを用いて、前記自車両の周辺における、交通参加者が現在から未来において存在する可能性のある領域又は未来において存在する可能性のある領域である存在領域を表す存在領域データを算出する存在領域データ算出手段と、
    前記自車両が走行すべき理想的な未来の走行領域を表す走行領域データを算出する走行領域データ算出手段と、
    前記存在領域データ及び前記走行領域データを用いて、前記自車両の未来の走行軌道を決定する走行軌道決定手段と、
    を備えることを特徴とする走行軌道決定装置。
11. 前記走行軌道決定手段は、前記未来の走行軌道と前記存在領域データが表す存在領域との交錯度合いが最小値を含む当該最小値付近の値になるとともに、前記未来の走行軌道と前記走行領域データが表す走行領域との交錯度合いが最大値を含む当該最大値付近の値になるように、前記未来の走行軌道を決定することを特徴とする請求項１０に記載の走行軌道決定装置。
12. 前記走行軌道決定手段は、前記未来の走行軌道の基準となる基準走行軌道を決定し、当該基準走行軌道を、前記未来の走行軌道と前記存在領域データが表す領域との交錯度合いが最小値を含む当該最小値付近の値になるとともに、前記未来の走行軌道と前記走行領域データが表す走行領域との交錯度合いが最大値を含む当該最大値付近の値になるように補正することにより、前記未来の走行軌道を決定することを特徴とする請求項１０又は１１に記載の走行軌道決定装置。
13. 前記走行軌道決定手段は、前記走行領域データが表す走行領域と前記存在領域データが表す前記存在領域とが交錯している場合には、当該交錯した領域における前記交通参加者の存在確率が高いほど、前記未来の走行軌道と前記存在領域データが表す前記存在領域との交錯度合いがより減少するように、前記未来の走行軌道を決定することを特徴とする請求項１１に記載の走行軌道決定装置。
14. 請求項１ないし１３のいずれかに記載の走行軌道決定装置を備え、
    当該走行軌道決定装置によって決定された前記未来の走行軌道で走行するように、前記自車両の走行状態を制御することを特徴とする自動運転装置。

Images