JP2019105789A - 道路構造データ生成装置、道路構造データベース - Google Patents

Abstract

【課題】道路脇の施設まで含めた道路ネットワークを生成し、ナビゲーションや自動運転を含む運転支援を、高精度、かつ、効率的に実現すると共に、運転支援装置に用いられることで、先行車や対向車が次の瞬間にどのように動くかを精度よく予測する。【解決手段】レーンレベルの道路ネットワーク情報に加え、車両が出入する可能性のある路側領域の情報を自動生成する。交差点以外で車両の右折、左折及び停止が発生する可能性のある場所をデータベースとして蓄える。道路を走った大量の車両データをレーン単位で集約・分析することで運転挙動を網羅的に抽出する。このため、レーンから進入可能なエリアとの接続情報、適切な進入・退出経路を抽出することができる。【選択図】図１

Description

本発明は、車両が出入する可能性のある路側領域の情報を生成する道路構造データ生成装置、及び、周辺の道路ネットワークとの接続関係を表現する処理を実行するときに用いられる道路構造データベースに関する。

近年、運転支援装置として、プローブデータを活用して道路情報を作成するシステムが提案されている。

特許文献１には、車載センサの情報を集めてレーンレベルの道路ネットワークを自動生成することが記載されている。特許文献１では、ノードとリンクで構成される従来のナビ地図とは違い、レーン単位でその中心線を検出し、交差点ではレーン毎の接続関係を自動生成する。自動運転システムはこれらの情報を手掛かりに目的地までの自車経路を設計する。

特許文献２には、新規道路の判定を目的として、既存の地図情報に存在しない車両軌跡を抽出することで新規道路を検出することが記載されている。

非特許文献１では、人間らしい経路計画を立てるため、ポテンシャルマップの考え方を利用することが記載されている。すなわち、非特許文献１には、地図情報や先行車軌跡などに基づいて生成される顕在リスクポテンシャルと、経験的に獲得した交通参加者に対する潜在リスクポテンシャルを統合して、自車周辺のポテンシャルマップを生成し、それに基づいて最適な経路を生成することが記載されている。

特開２０１５−４８１４号公報 特開２０１４-１３０５２９号公報

「Chunzhao Guo,et al.,"Human-like Behavior Generation for Intelligent Vehicles in Urban Environment based on a Hybrid Potential Map,"Proc.of 2017 IEEE Intelligent Vehicles Symp.(IV),pp.197-203,2017.」

しかしながら、主として、一般道では道路脇に店舗や駐車場等（以下、施設という）が数多く存在し、車両が、当該施設を目的地とする場合が多い。

道路脇の施設は、周辺道路と繋がる出入口（誘導路を含む）を備えている。場合によっては、出入口は、複数存在する。車両は出入口の付近で減速・停車したり、右左折したりする。

例えば、特許文献２では、ＧＰＳ(Global Positioning System)の測位結果を手掛かりとしているため、路側の出入口付近の車両位置変化を的確に抽出して、その位置をデータベース化するには、情報量及び制御機能が不足している。

本発明は、道路脇の施設まで含めた道路ネットワークを生成することができ、ナビゲーションや自動運転を含む運転支援を、高精度、かつ、効率的に実現することができる道路構造データ生成装置を得ることが目的である。

また、上記目的に加え、運転支援装置に用いられることで、先行車や対向車が次の瞬間にどのように動くかを精度よく予測することができる道路構造データベースを得ることが目的である。

本発明の道路構造データ生成装置は、車両に搭載された車載センサから、当該車両の運転に関わる運転情報を取得する取得手段と、前記取得手段で取得した運転情報、及び予め既知の道路構造情報に基づいて、道路構造を認識するための基盤となる基盤情報を生成する基盤情報生成手段と、前記基盤情報生成手段で生成した基盤情報に基づき、車両の走行時の軌跡情報を解析する解析手段と、前記解析手段で解析した軌跡情報を、走行路のレーン単位で分類する分類手段と、車両の走行軌跡の統計処理により、道路の境界の端点、道路分岐点、施設への出入口の基点を含む注目点を抽出する抽出手段と、前記分類手段で分類された軌跡情報に基づいて、前記注目点と接続可能なレーンを選定して、選定したレーンと前記注目点を結ぶ走行経路を生成する道路接続情報生成手段と、を有している。

本発明によれば、取得手段が車両に搭載された車載センサから、当該車両の運転に関わる運転情報を取得する。基盤情報生成手段では、取得手段で取得した運転情報、及び予め既知の道路構造情報に基づいて、道路構造を認識するための基盤となる基盤情報を生成する。

この基盤情報に基づき、車両の走行時の軌跡情報を解析し、かつ、解析した軌跡情報を、走行路のレーン単位で分類する（解析手段、分類手段）。

一方、抽出手段では、車両の走行軌跡の統計処理により、道路の境界の端点、道路分岐点、施設への出入口の基点を含む注目点を抽出する。

道路接続情報生成手段では、前記分類手段で分類された軌跡情報に基づいて、前記注目点と接続可能なレーンを選定して、選定したレーンと注目点を結ぶ走行経路を生成する。

これにより、道路脇の施設まで含めた道路ネットワークを生成することができ、ナビゲーションや自動運転を含む運転支援を、高精度、かつ、効率的に実現することができる。

本発明において、前記解析手段で解析した軌跡情報の各々について、走行路のレーン変更、障害物回避行動の少なくとも１つを含む例外走行があったか否かを判別する例外走行判別手段とをさらに有し、例外走行と判別された走行軌跡は、前記分類手段による分類対象から除外する、ことを特徴としている。

軌跡情報の各々について、走行路のレーン変更、障害物回避行動の少なくとも１つを含む例外走行があったか否かを判別し、例外走行と判別された走行軌跡は、分類対象から除外する。これにより、より精度の高い道路構造データを生成することができる。

本発明において、前記基盤情報生成手段で生成する基盤情報が、前記運転情報及び前記道路構造情報に基づいて、車両の走行情報、自車位置情報、走行路の道路情報、及び走行路の周辺情報を含む、ことを特徴としている。

基盤情報として、運転情報及び前記道路構造情報に基づいて、車両の走行情報、自車位置情報、走行路の道路情報、及び走行路の周辺情報を生成することで、より精細な運転支援が可能となる。

本発明において、前記注目点が前記道路との出入口となり、かつ、車両が走行可能な領域を持つ施設であり、前記施設内における、車両が走行可能な経路網、駐車スペース、走行可能範囲の境界、ランドマークを含む施設内の空間情報を生成する空間情報生成手段をさらに有することを特徴としている。

道路とは異なる施設内の走行空間においての運転支援が可能となる。

本発明において、前記空間情報生成手段が、前記施設に関する車両の走行案内情報、並びに、データ配信される市街地地図及び航空写真を含む公開情報の少なくとも１つの情報を取得することで、前記空間情報生成手段で生成した施設内の空間情報を検証、更新、修正を含む編集を行う編集手段をさらに有している。

施設内の駐車スペース等、頻繁に変化する空間情報を、逐次編集することで、施設内でも最適な運転支援が可能となる。

例えば、施設内の空間情報を検証、更新、修正を含む編集を行う場合に、施設の情報を取得する必要がある。この施設の情報の取得という観点では、Open Sreet Map等のオープンな地図データが利用可能である。また、施設が屋外駐車場であれば、航空写真を画像処理して駐車位置や走行経路、出入口の情報を取得することができる。すなわち、施設から配信され走行案内情報だけでなく、公開情報から施設の情報を作成することが可能である。

本発明において、走行路に沿って設置された監視カメラを含むインフラセンサから移動物情報を検出する移動物情報検出手段をさらに有し、前記移動物情報検出手段で検出された移動物情報を、前記インフラセンサが設置された領域の走行路を通過する前記基盤情報に付加することを特徴としている。

インフラセンサの活用により、道路構造データベースを作成する要素となる情報量を各段に増やすことができる。

本発明の道路構造データベースは、運転支援装置が、道路を走行する車両の軌跡情報と、当該道路の境界の端点、道路分岐点、施設への出入口の基点を含む注目点との接続関係の案内を実行するときに用いられ、注目点と前記軌跡情報とを接続可能なレーンを選定して、選定したレーンと前記注目点を結ぶ走行経路を含む道路構造データが記憶されたことを特徴としている。

本発明によれば、注目点と前記軌跡情報とを接続可能なレーンを選定して、選定したレーンと前記注目点を結ぶ走行経路を含む道路構造データを道路構造データベースとして記憶し、運転支援装置に活用することで、先行車や対向車が次の瞬間にどのように動くかを精度よく予測することができる。

以上説明した如く本発明では、道路脇の施設まで含めた道路ネットワークを生成することができ、ナビゲーションや自動運転を含む運転支援を、高精度、かつ、効率的に実現することができる。

また、上記効果に加え、運転支援装置に用いられることで、先行車や対向車が次の瞬間にどのように動くかを精度よく予測することができる。

第１の実施の形態に係る道路構造データベース生成装置の概略構成図である。 第１の実施の形態に係る基盤情報源を示す斜視図である 第１の実施の形態に係る道路境界を示す正面図である。 第１の実施の形態に係る周辺道路画像の一例を示す正面図である。 第１の実施の形態に係る自車位置を推定するための目標を示す平面図である。 第１の実施の形態に係る走行軌跡の例外データの一例を示す平面図である。 第１の実施の形態に係る経路と速度の分布を可視化した平面図であり、（Ａ）は交差点周辺の平面図、（Ｂ）は交差点の平面図の上に経路と速度の分布を可視化して表示した分布図である。 第１の実施の形態に係る合流経路及び分岐経路を示す平面図であり、（Ａ）は片側一車線道路、（Ｂ）は片側二車線道路、（Ｃ）中央分離帯がある道路を示す。 第１の実施の形態に係る道路構造データベース生成手順を示す制御フローチャートである。 第２の実施の形態に係る運転行動データベース生成装置の概略構成図である。 第２の実施の形態に係る基盤情報源を示す斜視図である （Ａ）〜（Ｄ）は、第２の実施の形態に係るインフラセンサとして適用されたカメラの設置状態を示す斜視図である。 第２の実施の形態に係り、三角測量に基づきカメラで自車位置を推定するときの自車とカメラとの位置関係を示す斜視図である。 第２の実施の形態に係る最終的に生成される道路構造データベースで表現される道路の平面図である。 第２の実施の形態に係る道路構造データベース生成手順を示す制御フローチャートである。

本発明では、レーンレベル(車線単位）の道路ネットワーク地図に、路側の施設（店舗や駐車場等）、すなわち、車両が出入りできる道路以外の路側領域への接続情報を自動的に追加生成するためのデータベースを自動生成するものである。

以下の第１の実施の形態及び第２の実施の形態において、本発明を詳細に説明するが、第１の実施の形態及び第２の実施の形態では、同一の道路を走行した複数の車両から走行時に収集・検出したデータを大量に収集し、統計処理によって、道路ネットワークと路側領域の接続情報（路側領域へ出入りする場所とレーンへの接続関係）を自動生成するものである。

なお、第１の実施の形態及び第２の実施の形態では、車両側のデータ処理と、後述する基盤情報生成部１４及び路側領域情報生成部１６としての機能を有するセンターサーバー側のデータ処理とを明確には区別しない。車両側／センターサーバー側のデータ処理の振り分けは車載された計算機の能力とセンターサーバーとの通信の制約によって様々なパターンが考えられるが、その機能配置がシステム全体の処理内容を大きく左右するものではないからである。

「第１の実施の形態」
図１は、第１の実施の形態に係る道路構造データ生成装置１０の概略構成図である。

図１に示される如く、道路構造データ生成装置１０は、車載センサ群１２、基盤情報生成部１４、及び路側領域情報生成部１６を備えている。また、情報を記憶する記憶媒体として、基盤情報生成部１４及び路側領域情報生成部１６には、道路構造データベースである道路構造記憶部１８が接続されている。

（車載センサ群１２）
第１の実施の形態において利用する車載センサ群１２には、環境認識センサ２４、車両運動センサ２６、測位センサ３０が含まれる。

環境認識センサ２４は、カメラやレーザレーダを想定し、自車周辺に存在している物体を画像データとして取得したり、距離情報を得たりする。

この環境認識センサ２４により取得した画像データや距離情報を処理することで、走行しているレーンや道路境界、先行車や対向車等の自車周辺に存在する移動物を検出する。

観測範囲は、環境認識センサ２４の仕様に依存するが、ここでは自車がこれから進んでいく前方領域を監視することを想定する。

車両運動センサ２６は、ジャイロや車輪速センサなどで構成され、車両の速度やヨーレイトを所定の周期で計測する。

測位センサ３０は、主にＧＰＳ(Global Positioning System)を想定し、自車の絶対位置や移動方向・速度を計測する。

（基盤情報生成部１４）
基盤情報生成部１４は、車載センサ群１２の各センサから受け取る検出（計測）情報に基づいて、道路構造データベースの生成に必要となる道路情報や軌跡情報等の基盤情報を生成する。

なお、第１の実施の形態では、図２に示すように、各種データは、複数の車両１５のそれぞれに搭載されている車載センサ群１２(図１参照）から、センターサーバーＣＳ（第１の実施の形態では、基盤情報生成部１４、及び路側領域情報生成部１６を含むシステム）へ送信されることを想定する。

図１に示すように、基盤情報生成部１４は、道路情報抽出部３２、走行情報抽出部３４、周辺情報抽出部３６、及び自車位置推定部３８を有している。

道路情報抽出部３２は、環境認識センサ２４の観測情報を利用して、物理的な道路境界の存在を検出する。検出対象はガードレールや縁石などである。

道路情報抽出部３２では、ガードレールや縁石など、車両の通過を妨げる障害物がない領域をすべて検出してもよいし、車両が通行可能な長さ以上の間隔を持つ領域のみを抽出してもよい。道路境界の例を図３に示す。

図３（Ａ）に示す道路構造画像５０は、直線道路５２の一方の端部に設けられた縁石５４に沿ってガードレール５６が敷設されており、ガードレール５６が途切れた位置が十字路５８となっている。

また、図３（Ｂ）に示す道路構造画像６０は、直線道路６２に沿ってガードレールは存在せず、Ｔ字路６４が存在する。なお、自車位置を推定に用いる特徴として、図３（Ｂ）に示される如く、レーンマーク６６や停止線６８などの路面ペイントを抽出するようにしてもよい。

図１に示される如く、走行情報抽出部３４は、右折及び左折を含む自車の走行軌跡を検出する。また、走行情報抽出部３４は、速度情報に基づいて停止した場所や減速した場所を抽出する。

周辺情報抽出部３６は、環境認識センサ２４を用いて、先行車や対向車などの自車周辺に存在する移動物を検出し、自車位置を考慮しながら時間方向に追跡して軌跡を抽出する。

なお、周辺情報抽出部３６は、路側領域からレーンに出る車両、出ようとして停車している車両（自車から見て車両側面が観測できる）も検出対象としている。

図４は周辺情報画像７０Ａ、７０Ｂ、７０Ｃの一例であり、図４（Ａ）及び（Ｂ）の周辺情報画像７０Ａ及び７０Ｂは、車両７２が、路地から主道路７４に出ようとして、停車している状態を示しており、図４（Ｃ）の周辺情報画像７０Ｃは、車両７２が、主道路７４から路地へ入ろうとしている状態を示す周辺情報画像である。

なお、図４では図示していないが、後述する自車位置推定部３８で自車位置を推定するときに用いる特徴として、標識や信号、看板、円柱物体などのランドマークを検出することが好ましい。

自車位置推定部３８は、ＧＰＳからの測位情報から地図データを引き、地図に登録されているランドマークと、周辺情報抽出部３６や道路情報抽出部３２で検出したランドマークを照合することで地図データ内での自車位置を推定する。この結果により、自車がどのレーンを走行しているか、今どの位置にいるかを知ることができる。

図５に自車位置推定のイメージを示す。

図５に示される如く、自車７６から見える、レーンマーク７８、８０、Ｕターン禁止標識８２及び速度制限標識８４の方向によって、自車７６の位置が推定可能である。

（路側領域情報生成部１６）
図１に示される如く、路側領域情報生成部１６では、車両単位で生成された基盤情報を集約し、レーンと路側領域との接続情報を生成する。

路側領域情報生成部１６は、データ分類・統計処理部４０及び道路接続情報生成部４２を有している。

データ分類・統計処理部４０は、基盤情報生成部１４から基盤情報を受ける。

データ分類・統計処理部４０では、基盤情報を予め設定された道路ブロックごとに分類する。道路ブロックは交差点から交差点までのリンク単位で分割してもよいし、リンクをさらに所定の基準で細分化しても構わない。

また、データ分類・統計処理部４０は、自車位置推定の結果により基盤情報をレーン単位に振り分ける。このとき、自車軌跡や自車位置推定の結果から、車両がレーンマークを跨いで走行したような走行データは、例外データとして除去することが望ましい。

図６は、レーンマーク８６によって区画された複数のレーン（車線８８Ａ、８８Ｂ・・・）が存在する道路９０において、車両９２（実線参照）が走行方向左側の車線８８Ａを走行しているとき、前方に二輪車９４の存在に気が付いて、レーンマーク８６を跨いで走行しているときの軌跡（点線参照）を示す平面図である。

このような車線変更の走行を行ったときの走行データは、例外データとして除去する。

また、データ分類・統計処理部４０は、自車や周辺車両の軌跡を集約し、車両が出入りできる道路以外の路側領域へ退出する、或いは、路側領域から合流する軌跡の空間分布を生成する。

例えば、二次元占有グリッドマップの形式で、軌跡の分布を確率やヒストグラムの形式で表現し、多くの軌跡が重なる領域を抽出できるようにする。確率値やヒストグラムの度数に対してしきい値を設け、所定のしきい値を上回る領域を信頼度の高い領域として抽出してもよい。さらに、物理的な道路境界の検出結果を重ね合わせ、軌跡の情報と矛盾しないかどうかを検証する（信頼度判定）。

図７は、経路と速度の分布を可視化した一例である。

図７（Ａ）は２本の道路Ｒ１、Ｒ２が交差する交差点Ｘ（点線枠内）及びその周辺に存在する路側領域９６の平面図である。この図７（Ａ）の交差点Ｘの平面図の上に、経路と速度の分布を可視化して表示したのが図７（Ｂ）である。なお、路側領域９６の先には、施設９８（駐車場等、車両が進入可能な領域）が存在するが、第１の実施の形態では、施設９８内までは運転支援対象としていない。

図７（Ｂ）では、交差点Ｘの画像上に濃度の異なる帯状の線Ｌが経路を表現し、当該線Ｌの濃度差が速度を表現している。濃度が濃いほど速度が多いことを示す。

図７（Ｂ）によれば、車両が出入りできる道路Ｒ１、Ｒ２以外の路側領域９６へ退出する、或いは、路側領域９６から道路Ｒ１、Ｒ２に合流する軌跡の空間分布が可視化できる。なお、可視化する場合には、濃度による識別に限らず、色別にしてもよい。

図７では、交差点Ｘを示したが、交差点Ｘ以外で車両の右折、左折、及び停止が発生する可能性のある場所をデータベースとして蓄えるようにしてもよい。

図１に示される如く、道路接続情報生成部４２では、路側領域への出入り口（位置）、各レーンとの接続情報を生成する。出入り口の位置や、レーンからの分岐点を決める際には、車両の速度分布を利用する。

車両は、出入り口やレーン分岐点付近では、安全確認のため、減速または停止するケースが多い。このようなケースを軌跡分布に速度分布を重ねることで、統計処理の結果から、これらのポイントを決定することができる。

また、接続情報に関しては、例えば中央分離帯のない単路で一般的には出入り口は、共に対向する２つのレーンへの接続が必要である。中央分離帯があれば、路側領域に近いレーンからのみの進入となる。また、複数車線の道路であれば両方向の最近接レーンから進入するような接続情報が必要である（図８参照）。

図８（Ａ）は、片側一車線の道路における、合流経路１００及び分岐経路１０２を示す平面図である。

図８（Ｂ）は、片側二車線の道路における、合流経路１００及び分岐経路１０２を示す平面図である。

図８（Ｃ）は、中央分離帯１０４が存在する片側二車線の道路における、合流経路１００及び分岐経路１０２を示す平面図である。

合流経路１００及び分岐経路１０２の状況は、図８（Ａ）から図８（Ｃ）に示される如く、車線数や道路構造に依存するが、軌跡情報を集約することにより、接続関係を自然に抽出することができる。

最終的にはレーン毎の分岐位置と路側領域の出入り口のポイント、及びそれらを結ぶ経路により接続情報を規定する。図８に示される如く、合流経路１００及び分岐経路１０２は、スプライン等の曲線で滑らかに繋いでもよいし、単に接続方向を示すだけの表現としてもよい。路側領域の出入り口からレーンへの合流も収集した軌跡分布に基づいて設定する。

図１に示される如く、道路接続情報生成部４２は、路側情報追加・更新部４４を介して道路構造記憶部１８に接続されている。

路側情報追加・更新部４４は、生成した接続情報（分岐位置、出入口、及び経路情報）を道路構造記憶部１８に追加する。既に、生成された情報があり、それと重なる場合には、新しい方に更新したり、古い情報と統計的に合成することによって更新することができる。

道路構造記憶部１８は、生成した接続情報（分岐位置、出入り口、経路情報）を道路構造記憶部１８に追加する。すなわち、道路構造記憶部１８には、既に生成された情報があり、道路構造記憶部１８では、情報が重なる場合には新しい情報に更新したり、古い情報と新しい情報とを統計的に合成することによって更新することができる。

以下に、第１の実施の形態の作用を、図９のフローチャートに従い説明する。

ステップ１５０では、車載センサ群１２で検出したデータを取得し、次いで、ステップ１５２へ移行して車載センサ群１２で検出したデータ（センサデータ）に基づいて、基盤情報を生成する。

次のステップ１５３では、生成した基盤情報をセンターサーバーＣＳへ送信し、集約して、ステップ１５４へ移行する。

ステップ１５４では、集約した走行データを分類する。分類項目としては、車載センサ群１２の各センサ別、車種別、道路別、レーン単位等が挙げられる。

次のステップ１５６では、統計処理により収集した情報の信頼度を判定し、ステップ１５８へ移行する。

ステップ１５８では、ステップ１５６での判定の結果、信頼度がしきい値以上か否かを判断する。

このステップ１５８で信頼度がしきい値未満（信頼度＜しきい値）と判定された場合は、集約したデータ量が不足していると判断し、ステップ１５３へ移行する。

また、ステップ１５８で信頼度がしきい値以上（信頼度≧しきい値）と判定された場合は、集約したデータ量が十分であると判断し、ステップ１６０へ移行する。

ステップ１６０では、道路と路側領域との接続情報を生成し、次いで、ステップ１６２へ移行して、路側領域内の空間情報を自動生成する。すなわち、路側領域内に存在するランドマークの空間配置や車両の停車位置等を生成する。

次のステップ１６４では、道路接続や領域内空間情報の変化を判定し、ステップ１６６へ移行する。

ステップ１６６では、ステップ１６４での判定の結果、道路接続や領域内空間情報に変化があったか否かを判断する。

このステップ１６６で変化なしと判定された場合は、既に記憶している道路構造を更新する必要がないと判断し、ステップ１５３へ移行する。

また、ステップ１６６で変化ありと判定された場合は、既に記憶している道路構造を更新する必要があると判断し、ステップ１６８へ移行する。

ステップ１６８では、変化点を含む情報を道路構造記憶部１８に保存して、このルーチンは終了する。

第１の実施の形態によれば、レーンレベルの道路ネットワーク情報に加え、車両が出入する可能性のある路側領域の情報を自動生成することができる。

また、交差点以外で車両の右折、左折及び停止が発生する可能性のある場所をデータベースとして蓄えることができる。

また、道路を走った大量の車両データをレーン単位で集約・分析することで運転挙動を網羅的に抽出することができ、当該レーンから進入可能なエリアとの接続情報、適切な進入・退出経路を抽出することができる。

さらに、道路構造データベースは、道路を走行する車両に搭載された車載センサ群１２で検出した情報を集約して、計算機上の自動処理によって生成されるため、オペレータによるデータ処理を抑え、低コストでシステムを実現することができる。

「第２の実施の形態」
以下に、本発明の第２の実施の形態について説明する。第２の実施の形態において、第１の実施の形態と同一構成については、同一の符号を付してその構成の説明を省略する。

前述した第１の実施の形態に対して、第２の実施の形態の特徴は、以下の特徴が挙げられる。

（特徴ａ） 監視カメラなど道路近傍に設置されたインフラセンサの情報を利用する点
（特徴ｂ） 取得可能な外部の地図データベース情報を合成する点
（特徴ｃ） 路側領域との接続情報だけでなく、路側領域内の空間情報まで生成する点
図１０は、本発明の第２の実施の形態に係る運転行動データ生成装置１０Ａの概略構成図である。

図１０に示される如く、道路構造データ生成装置１０Ａは、車載センサ群１２、基盤情報生成部１４、及び路側領域情報生成部１６Ａを備えている。また、第２の実施の形態では、インフラセンサ１０６が利用される。

なお、第２の実施の形態では、図１１に示すように、各種データは、複数の車両１５のそれぞれに搭載されている車載センサ群１２(図１０参照）、及びインフラセンサ１０６から、センターサーバーＣＳ（第２の実施の形態では、基盤情報生成部１４、及び路側領域情報生成部１６Ａを含むシステム）へ送信されることを想定する。

第２の実施の形態において利用する車載センサ群１２には、環境認識センサ２４、車両運動センサ２６、測位センサ３０が含まれる。

基盤情報生成部１４は、道路情報抽出部３２、走行情報抽出部３４、周辺情報抽出部３６、及び自車位置推定部３８を有している。

また、路側領域情報生成部１６Ａは、データ分類・統計処理部４０、道路接続情報生成部４２、地図情報取得部１０８、及び領域内空間情報生成部１１０を有している。

さらに、情報を記憶する記憶媒体として、基盤情報生成部１４及び路側領域情報生成部１６には道路構造記憶部１８が接続され、路側領域情報生成部１６には外部地図記憶部１１２が接続されている。

（インフラセンサ１０６の利用）
ここで、前述の第１の実施の形態では、車両に搭載された車載センサ群１２の情報を収集する構成であった。これに対して、第２の実施の形態では、車載センサ群１２とは別の情報源として、インフラセンサ１０６を活用することが１つの特徴である。

インフラセンサ１０６としては、図１２（Ａ）〜図１２（Ｄ）に示される如く、それぞれの用途に応じたカメラ１０６Ａ、１０６Ｂ、１０６Ｃ、１０６Ｄが適用可能である。

すなわち、交差点を中心とした道路周辺には、監視用のカメラ１０６Ａ、１０６Ｂ（図１２（Ａ）及び図１２（Ｂ）参照）が設置されていることが多い。また、道路脇の店舗や建物には防犯等の目的で監視用のカメラ１０６Ｃ（図１２（Ｃ）参照）等が設置されていることが多い。さらに、道路脇の駐車場には、駐車車両を監視するカメラ１０６Ｄ（図１２（Ｄ）参照）等が設置されていることが多い。

ＩｏＴ（Internet of Things）の普及が進む中、将来的に、カメラ１０６Ａ、１０６Ｂ、１０６Ｃ、１０６Ｄを代表とするインフラセンサ１０６による検出（測定）データが利用できる可能性は十分ある。道路状況を観測する上で、固定されたインフラセンサ１０６の情報は非常に有用である。

図１０に示される如く、インフラセンサ１０６は、移動物情報抽出部１１１に接続されており、当該インフラセンサ６０で撮像された画像データは、インフラセンサ１０６の位置・姿勢情報と共に移動物情報抽出部１１１に送られる。

インフラセンサ１０６として適用したカメラ１０６Ａ、１０６Ｂ、１０６Ｃ、１０６Ｄ（図１２参照）は、基本的に固定されており、絶対的な位置は変化しないため、設置時に一度だけ位置情報を設定すればよい。なお、カメラ１０６Ａ、１０６Ｂ、１０６Ｃ、１０６Ｄの姿勢（撮像光軸）が、パン・チルト・ズーム等で光軸方向を制御できる場合には、撮像時の光軸方向情報を含むパラメータを画像に関連付けることが好ましい。

移動物情報抽出部１１１では、以下の手順（１）及び（２）により、例えば、カメラ１０６Ａ、１０６Ｂ、１０６Ｃ、１０６Ｄで撮像した画像から移動する車両を抽出し、その位置を時間方向に追跡して走行軌跡を検出する。

（手順１） 最初に、背景差分や時間差分を利用して画像中で移動物領域の候補を検出する。候補領域を含む形で画面内に探索領域を設定し、パターン認識処理を利用して車両を検出する。

（手順２） カメラ１０６Ａ、１０６Ｂ、１０６Ｃ、１０６Ｄの設置高さや視線方向は既知であることを前提とし、三角測量の原理等の手段（図１３参照）を用いて、レーンレベルの車両位置を推定する。

図１３に示される如く、車両Ｖが路面上に位置し、当該車両Ｖから路面に沿って距離ｄだけ離れた位置の直上に、カメラ１０６Ａ、１０６Ｂ、１０６Ｃ、１０６Ｄの何れか（例えば、カメラ１０６Ａ）が設置されている。カメラ１０６Ａは、路面から高さｈの位置に設置されているものとする。

このカメラ１０６Ａにより車両Ｖを撮像するときの方向が、カメラ１０６Ａの垂線を基準として角度θであることで、車両Ｖの位置を特定することができる。

なお、カメラ１０６Ａに十分な解像度があれば路面のレーンマークも検出できるため、走行レーンを確定することもできる。

図１０に示される如く、移動物情報抽出部１１１は、路側領域情報生成部１６Ａに接続されている。

移動物情報抽出部１１１では、以上の手順で検出した移動物の軌跡情報を路側領域情報生成部１６Ａに送信し、車載センサ群１２からの情報と統合して利用する。

インフラセンサ１０６の情報を、車載センサ群１２の情報に対して適切な重みを設定してマージ(統合）することも有効である。重みは撮像対象の位置に応じて変更するようにしてもよい。インフラセンサ１０６の情報の統合により生成情報の精度や信頼性を向上したり、変化点をいち早く検出したりすることができる。

（外部地図情報の利用）
大型店舗や公共施設などの場合、一般地図データの中に駐車場への出入り口が記述されていることがある。

また、駐車スペースの配置など、駐車場内の情報が通信により提供されている場合もある。

将来的には駐車場入り口でゲートを通過する際に駐車場内の地図や空きスペースなどの情報が無線通信で車両側に提供されるサービスなどが考えられる。このような公開情報（外部地図や航空写真）が入手できれば、情報を加工・統合して領域内空間情報の不足を補ったり、生成した構造を検証したりすることができる。

すなわち、Open Street Map等のオープンな地図データや、施設が屋外駐車場であれば航空写真を画像処理して駐車位置や走行経路、出入口の情報を取得することができる。すなわち、施設から配信される走行案内情報だけでなく、公開情報から施設の情報を作成することが可能である。

そこで、第２の実施の形態では、路側領域情報生成部１６Ａに地図情報取得部１０８を追加し、外部地図記憶部１１２から提供される情報を統合するためのデータ変換を行うようにした。

例えば、路側領域の出入り口の位置、領域内の走行可能な経路、駐車スペース、特徴的な構造物（コンクリート柱や路面ペイント、案内や規制などの看板・標識、人工的なマーカなど）の配置などの情報を読み込み、所望の形式に変換して、道路接続情報生成部４２及び領域内空間情報生成部１１０に送出する。

（路側の領域内空間情報生成）
領域内空間情報生成部１１０では、道路接続情報生成部４２における道路ネットワークと路側領域の出入り口の接続に加え、路側領域内を経路案内するために必要となる空間情報を自動生成する。

技術的にはＳＬＡＭ（Simultaneous Localization and Mapping）と呼ばれる手法をベースとして利用する。

屋外などで、ＧＰＳ測位が可能ならば絶対位置情報も付与する。

例えば、特許文献１では、レーンマークを抽出するために路面画像を生成しているが、路側領域の走路には適切なマークがあるとは限らない。

例えば、車載センサ群１２としてカメラを利用した場合、Ｖ−ＳＬＡＭ（Visual SLAM）と呼ばれる手法では、画像から顕著な特徴点を抜き出し、移動前後で同一の特徴点を探索・照合して、三角測量の原理で特徴点の3次元位置を推定することができる。

多くの特徴点の三次元位置を記憶しておけば、それらと現在の観測結果を照合することで、異なる時刻においても自車の位置を推定することができる。

しかしながら、多くの特徴点を記憶しておくには多くのメモリを必要とする。また、特徴点の抽出は照明変化の影響を受けるため、時間や天候に対するロバスト性が課題である。

そこで、特徴点は最小限に、空間的・時間的に安定したものだけに留める。代わりに、前述した「外部地図情報の利用」においても説明したように、特徴的な構造物を抽出し、その空間配置をデータベース化する。

例えば、領域内の走行可能な走路の境界線、駐車スペースや一旦停止などの路面ペイント、コンクリート柱やポール、案内や規制などの看板・標識、人工的なマーカなどである。

これらの物体はパターン認識などの画像処理技術を利用してカメラ画像から自動で抽出することができる。複数の車両から集められた情報を近傍領域で照合し、統計処理により観測の信頼度を算出する。所定の信頼度を満足する対象物の三次元位置を空間情報として登録する。

第２の実施の形態によれば、前述の第１の実施の形態における図７で示した最終的に生成される道路構造データベース（図７（Ｂ）参照）において、路側領域４８と道路ネットワーク４７の接続関係路線４９を、より詳細に生成することができる。

最終的に生成される道路構造データベースの例を図１４に示す。

図１４（Ａ）は、一般的な道路地図４６であり、図１４（Ｂ）は、道路構造データ生成装置１０において、当該道路地図４６の中から、特定の領域に特化して生成した詳細地図４６Ａである。

レーンレベルの道路ネットワーク４７（図１４（Ｂ）の点線で表示）に追加する形で、路側領域４８が設定され、路側領域４８と道路ネットワーク４７の接続関係路線４９（図１４（Ｂ）の実線で表示）が追記されている。また、路側領域４８内ではランドマーク４８Ａ、停車位置４８Ｂ、及び走行可能経路４８Ｃが自動生成される。

以下に、第２の実施の形態の作用を、図１５のフローチャートに従い説明する。なお、前述の第１の実施の形態における所定手順（図９参照）と同一の処理ステップについては、符号の末尾に「Ａ」を付す。

ステップ１５０Ａでは、車載センサ群１２で検出したデータを取得し、次いで、ステップ１５２Ａへ移行して車載センサ群１２で検出したデータ（センサデータ）に基づいて、基盤情報を生成する。

次のステップ１５３Ａでは、生成した基盤情報をセンターサーバーＣＳへ送信し、集約して、ステップ１５４Ａへ移行する。

ステップ１５４Ａでは、集約した走行データを分類する。分類項目としては、車載センサ群１２の各センサ別、車種別、道路別、レーン単位等が挙げられる。

ここで、第２の実施の形態では、分類する基盤情報として、インフラセンサ１０６で検出したデータを付加する。

すなわち、ステップ１７０では、インフラセンサ１０６で検出したデータを取得し、次いで、ステップ１７２へ移行して移動物の軌跡を含む基盤情報を生成する。

次のステップ１７４では、生成した基盤情報をセンターサーバーＣＳへ送信し、集約して、ステップ１５４Ａへ移行する。

これにより、センターサーバーＣＳには、車載センサ群１２で検出したデータに基づく基盤情報と、インフラセンサ１０６で検出したデータに基づく基盤情報とが集約されることになる。

次のステップ１５６Ａでは、統計処理により収集した情報の信頼度を判定し、ステップ１５８Ａへ移行する。

ステップ１５８Ａでは、ステップ１５６Ａでの判定の結果、信頼度がしきい値以上か否かを判断する。

このステップ１５８Ａで信頼度がしきい値未満（信頼度＜しきい値）と判定された場合は、集約したデータ量が不足していると判断し、ステップ１５３Ａへ移行する。

また、ステップ１５８Ａで信頼度がしきい値以上（信頼度≧しきい値）と判定された場合は、集約したデータ量が十分であると判断し、ステップ１６０Ａへ移行する。

ここで、第２の実施の形態では、道路と路側領域との接続情報を生成する場合に、既存の地図データから得た関連情報を付加する。地図データから得た関連情報には、道路接続情報及び駐車位置情報が含まれる。

すなわち、ステップ１７６では、既存の地図データから関連情報を取得し、ステップ１６０Ａへ移行する。

ステップ１６０Ａでは、道路と路側領域との接続情報を生成する。このとき、第２の実施の形態では、道路に関する基盤情報に加え、既存の地図データから道路接続情報や、駐車位置情報等を取得しているため、道路と路側領域との接続情報を生成する精度を高めることができる。

次のステップ１６２Ａでは、路側領域内の空間情報を自動生成する。すなわち、路側領域内に存在するランドマークの空間配置や車両の停車位置等を生成する。

次のステップ１６４Ａでは、道路接続や領域内空間情報の変化を判定し、ステップ１６６Ａへ移行する。

ステップ１６６Ａでは、ステップ１６４Ａでの判定の結果、道路接続や領域内空間情報に変化があったか否かを判断する。

このステップ１６６Ａで変化なしと判定された場合は、既に記憶している道路構造を更新する必要がないと判断し、ステップ１５３Ａへ移行する。

また、ステップ１６６Ａで変化ありと判定された場合は、既に記憶している道路構造を更新する必要があると判断し、ステップ１６８Ａへ移行する。

ステップ１６８Ａでは、変化点を含む情報を道路構造記憶部１８に保存して、このルーチンは終了する。

第２の実施の形態によれば、道路構造データベースは道路を走行する車両に搭載された車載センサ群１２や、図１２に示すカメラ１０６Ａ〜１０６Ｄ等のインフラセンサ１０６の情報を集約して、計算機上の自動処理によって生成される。オペレータによるデータ処理を抑え、低コストでシステムを実現することができる。

なお、第１の実施の形態及び第２の実施の形態において、道路接続や領域内空間情報に変化があった場合に道路構造記憶部１８に保存するようにしたが（図９のステップ１６６→１６８、及び図１５のステップ１６６Ａ→１６８Ａの処理）、道路構造記憶部１８のデータが古い場合（前回の更新からある程度の時間が経過した場合）や、時間経過に関わらず信頼度が所定以上高くなったと判断された場合は、道路接続や領域内空間情報に変化がなくても更新するようにしてもよい。さらに、変化があった場合と併用して、定期的に更新するようにしてもよいし、手動指示操作で更新を行ってもよい。

１０ 道路構造データ生成装置
１２ 車載センサ群
１４ 基盤情報生成部
１６ 路側領域情報生成部
１８ 道路構造記憶部
２４ 環境認識センサ
２６ 車両運動センサ
３０ 測位センサ
３２ 道路情報抽出部
３４ 走行情報抽出部
３６ 周辺情報抽出部
３８ 自車位置推定部
４０ データ分類・統計処理部
４２ 道路接続情報生成部
４４ 路側情報追加・更新部
４６ 道路地図
４６Ａ 詳細地図
４８Ａ ランドマーク
４８Ｂ 停車位置
４８Ｃ 走行可能経路
５０ 道路構造画像
５２ 直線道路
５４ 縁石
５６ ガードレール
６０ 道路構造画像
６２ 直線道路
６４ Ｔ字路
６６ レーンマーク
６８ 停止線
７０Ａ、７０Ｂ、７０Ｃ 周辺情報画像
７２ 車両
７４ 主道路
７６ 自車
７８、８０ レーンマーク
８２ Ｕターン禁止標識
８４ 速度制限標識
８６ レーンマーク
８８Ａ、８８Ｂ 車線
９０ 道路
９２ 車両
９４ 二輪車
９６ 路側領域
９８ 施設
１００ 合流経路
１０２ 分岐経路
１０４ 中央分離帯
Ｒ１、Ｒ２ 道路
Ｘ 交差点
（第２の実施の形態）
１０Ａ 道路構造データ生成装置
１６Ａ 路側領域情報生成部
１０６ インフラセンサ
１０６Ａ、１０６Ｂ、１０６Ｃ、１０６Ｄ カメラ
１０８ 地図情報取得部
１１０ 領域内空間情報生成部
１１１ 移動物情報抽出部
１１２ 外部地図記憶部

Claims (7)

1. 車両に搭載された車載センサから、当該車両の運転に関わる運転情報を取得する取得手段と、
   前記取得手段で取得した運転情報、及び予め既知の道路構造情報に基づいて、道路構造を認識するための基盤となる基盤情報を生成する基盤情報生成手段と、
   前記基盤情報生成手段で生成した基盤情報に基づき、車両の走行時の軌跡情報を解析する解析手段と、
   前記解析手段で解析した軌跡情報を、走行路のレーン単位で分類する分類手段と、
   車両の走行軌跡の統計処理により、道路の境界の端点、道路分岐点、施設への出入口の基点を含む注目点を抽出する抽出手段と、
   前記分類手段で分類された軌跡情報に基づいて、前記注目点と接続可能なレーンを選定して、選定したレーンと前記注目点を結ぶ走行経路を生成する道路接続情報生成手段と、
   を有する道路構造データ生成装置。
2. 前記解析手段で解析した軌跡情報の各々について、走行路のレーン変更、障害物回避行動の少なくとも１つを含む例外走行があったか否かを判別する例外走行判別手段とをさらに有し、
   例外走行と判別された走行軌跡は、前記分類手段による分類対象から除外する、
   ことを特徴とする請求項１記載の道路構造データ生成装置。
3. 前記基盤情報生成手段で生成する基盤情報が、
   前記運転情報及び前記道路構造情報に基づいて、車両の走行情報、自車位置情報、走行路の道路情報、及び走行路の周辺情報を含む、
   ことを特徴とする請求項１又は請求項２記載の道路構造データ生成装置。
4. 前記注目点が前記道路との出入口となり、かつ、車両が走行可能な領域を持つ施設であり、前記施設内における、車両が走行可能な経路網、駐車スペース、走行可能範囲の境界、ランドマークを含む施設内の空間情報を生成する空間情報生成手段をさらに有することを特徴とする請求項１〜請求項３の何れか１項記載の道路構造データ生成装置。
5. 前記空間情報生成手段が、
   前記施設に関する車両の走行案内情報、並びに、データ配信される市街地地図及び航空写真を含む公開情報の少なくとも１つの情報を取得することで、前記空間情報生成手段で生成した施設内の空間情報を検証、更新、修正を含む編集を行う編集手段をさらに有する請求項４記載の道路構造データ生成装置。
6. 走行路に沿って設置された監視カメラを含むインフラセンサから移動物情報を検出する移動物情報検出手段をさらに有し、
   前記移動物情報検出手段で検出された移動物情報を、前記インフラセンサが設置された領域の走行路を通過する前記基盤情報に付加することを特徴とする請求項１〜請求項5の何れか１項記載の道路構造データ生成装置。
7. 運転支援装置が、道路を走行する車両の軌跡情報と、当該道路の境界の端点、道路分岐点、施設への出入口の基点を含む注目点との接続関係の案内を実行するときに用いられ、
   注目点と前記軌跡情報とを接続可能なレーンを選定して、選定したレーンと前記注目点を結ぶ走行経路を含む道路構造データが記憶されたことを特徴とする道路構造データベース。