JP2020132151A - 車両走行軌跡の予測方法、装置、端末、記憶媒体、及びプログラム - Google Patents

Abstract

【課題】 車両走行軌跡の予測方法、装置、端末、記憶媒体、及びプログラムを提供する。【解決手段】 本発明は、車両走行軌跡の予測方法、装置、端末、記憶媒体、及びプログラムを提供する。この予測方法は、主車両の検知範囲内の目標車両が予め設定された時間内に走行する可能性のある複数の位置を算出することと、前記複数の位置から少なくとも２つの位置を目標位置として選定することと、前記目標車両の走行状態情報に基づいて、前記目標車両が前記目標位置に到着する複数の走行軌跡を予測することと、前記目標車両の周囲の環境情報に基づいて、前記複数の走行軌跡から少なくとも１つの走行軌跡を予測結果として選定することとを含む。本発明によれば、走行状態情報及び環境情報に基づいて、主車両の周囲の目標車両の走行軌跡を正確に予測することができる。【選択図】図１

Description

本発明は、自動運転技術分野に関し、特に、車両走行軌跡の予測方法、装置、端末、記憶媒体、及びプログラムに関する。

自動運転車両が道路を走行する場合、周囲車両の走行軌跡を予測することによって主車両自体の走行軌跡を決定する必要がある。従来技術において、主車両の周囲の車両の走行軌跡予測方法としては、周囲車両の現在状態、車道境界線、地図参照線等に基づいて、周囲車両の将来の長時間内の走行軌跡を予測する。しかし、実際の道路走行において、周囲車両の急ブレーキや追い越しにより交通事故が発生した場合、周囲車両の現在状態や車線情報のみに基づいて、物理的な論理に沿った走行軌跡を予測することが困難であるため、主車両の走行軌跡計画に対する参照価値が低くなる。一方、有人運転車両の運転者の運転意図は時間に従って変化するため、従来技術において周囲車両の走行軌跡を長時間予測することは、有人運転車両の運転意図を反映していない。

背景技術において開示された上記の情報は、本発明の背景に対する理解を深めるために記載されたものであり、したがって、当業者に把握された従来技術をなっていない情報を含む可能性がある。

本発明は、従来技術における１つ又は複数の技術課題を解決するための車両走行軌跡の予測方法、装置、端末及び記憶媒体を提供する。

本発明の第１態様は、車両走行軌跡の予測方法を提供する。当該車両走行軌跡の予測方法は、
主車両の検知範囲内の目標車両が予め設定された時間内に走行する可能性のある複数の位置を算出することと、
前記複数の位置から少なくとも２つの位置を目標位置として選定することと、
前記目標車両の走行状態情報に基づいて、前記目標車両が前記目標位置に到着する複数の走行軌跡を予測することと、
前記目標車両の周囲の環境情報に基づいて、前記複数の走行軌跡から少なくとも１つの走行軌跡を予測結果として選定することとを含む。

１つの実施形態において、
前記主車両の検知範囲内の各前記目標車両を取得することと、
前記各目標車両の履歴フレーム走行データ及び前記各目標車両の周囲の道路情報を取得することとをさらに含む。

１つの実施形態において、主車両の検知範囲内の目標車両が予め設定された時間内に走行する可能性のある複数の位置を算出することは、
前記目標車両の周囲の道路情報に基づいて、前記目標車両の走行可能な道路の情報を選定することと、
前記目標車両の履歴フレーム走行データ及び前記走行可能な道路の情報に基づいて、予測モデルにより、前記目標車両が予め設定された時間内に走行する可能性のある前記複数の位置を算出することとを含む。

１つの実施形態において、前記複数の位置から少なくとも２つの位置を目標位置として選定することは、
前記目標車両が前記複数の位置の各位置に到着する確率を取得することと、
確率が最も高い少なくとも２つの位置を前記目標位置として選定することと、を含み、
ここで、前記目標車両が現在に位置する道路に複数の車線を有する場合、前記各目標位置が異なる前記車線にそれぞれ位置する。

１つの実施形態において、前記目標車両の走行状態情報に基づいて、前記目標車両が前記目標位置に到着する複数の走行軌跡を予測することは、
前記目標車両の予め設定された時間内の各履歴フレーム走行状態情報を取得することと、
前記目標車両の予め設定された時間内の各履歴フレーム走行状態情報に基づいて、予め設定されたアルゴリズムにより、前記目標車両が前記目標位置に到着する前記複数の走行軌跡を算出することとを含む。

１つの実施形態において、前記目標車両の周囲の環境情報に基づいて、前記複数の走行軌跡から少なくとも１つの走行軌跡を予測結果として選定することは、
前記目標車両の周囲の環境情報内の道路情報及び障害物情報を取得することと、
前記道路情報及び前記障害物情報に基づいて、予め設定されたアルゴリズムにより、前記複数の走行軌跡から少なくとも１つの走行軌跡を前記予測結果として選定することと、を含む。

本発明の第２態様は、車両走行軌跡の予測装置を提供する。当該車両走行軌跡の予測装置は、
主車両の検知範囲内の目標車両が予め設定された時間内に走行する可能性のある複数の位置を算出する位置算出モジュールと、
前記複数の位置から少なくとも２つの位置を目標位置として選定する選定モジュールと、
前記目標車両の走行状態情報に基づいて、前記目標車両が前記目標位置に到着する複数の走行軌跡を予測する走行軌跡モジュールと、
前記目標車両の周囲の環境情報に基づいて、前記複数の走行軌跡から少なくとも１つの走行軌跡を予測結果として選定する予測モジュールと、を含む。

１つの実施形態において、
前記主車両の検知範囲内の各前記目標車両を取得する第１の取得モジュールと、
前記各目標車両の履歴フレーム走行データ及び前記各目標車両の周囲の道路情報を取得する第２の取得モジュールと、をさらに含む。

１つの実施形態において、位置算出モジュールは、
前記目標車両の周囲の道路情報に基づいて、前記目標車両の走行可能な道路の情報を選定する道路選定サブモジュールと、
前記目標車両の履歴フレーム走行データ及び前記走行可能な道路の情報に基づいて、予測モデルにより、前記目標車両が予め設定された時間内に走行する可能性のある前記複数の位置を算出する位置算出サブモジュールと、を含む。

１つの実施形態において、選定モジュールは、
前記目標車両が前記複数の位置の各位置に到着する確率を取得する確率取得サブモジュールと、
確率が最も高い少なくとも２つの位置を前記目標位置として選定する確率選定サブモジュールと、を含み、
前記目標車両が現在に位置する道路に複数の車線を有する場合、前記各目標位置が異なる前記車線にそれぞれ位置する。

１つの実施形態において、走行軌跡モジュールは、
前記目標車両の予め設定された時間内の各履歴フレーム走行状態情報を取得する履歴フレーム取得サブモジュールと、
前記目標車両の予め設定された時間内の各履歴フレーム走行状態情報に基づいて、予め設定されたアルゴリズムにより、前記目標車両が前記目標位置に到着する前記複数の走行軌跡を算出する算出サブモジュールとを含む。

１つの実施形態において、予測モジュールは、
前記目標車両の周囲の環境情報内の道路情報及び障害物情報を取得する情報取得サブモジュールと、
前記道路情報及び前記障害物情報に基づいて、予め設定されたアルゴリズムにより、前記複数の走行軌跡から少なくとも１つの走行軌跡を前記予測結果として選定する選定サブモジュールと、を含む。

本発明の第３態様は、車両走行軌跡の予測端末を提供する。当該車両走行軌跡の予測端末の機能は、ハードウェアで実現してもよいし、対応するソフトウェアをハードウェアで実行することで実現してもよい。ハードウェア又はソフトウェアは、上述の機能に対応する１つ又は複数のモジュールを含む。

ある実施形態において、車両走行軌跡の予測端末は、プロセッサ及びメモリを含み、前記メモリは、車両走行軌跡の予測端末が上記の第１態様の車両走行軌跡の予測方法を実行するためのプログラムを記憶し、前記プロセッサは、前記メモリに記憶されたプログラムを実行する。車両走行軌跡の予測端末は、他の機器又は通信ネットワークと通信する通信インターフェースをさらに含んでもよい。

本発明の第４態様は、コンピュータ可読記憶媒体を提供し、車両走行軌跡の予測端末が使用するコンピュータソフトウェア命令を記憶し、上記の第１態様の車両走行軌跡の予測方法を実行する車両走行軌跡の予測端末に関するプログラムを含む。

上記の実施形態は、走行状態情報及び環境情報に基づいて、主車両の周囲の目標車両の走行軌跡を精度良く予測することができ、主車両が周囲の目標車両の予測走行軌跡に基づく主車両の走行軌跡を正確に計画できるという優れた効果を有する。

上記の略述は、単に説明のために過ぎず、いかなる限定をも目的としない。上記に記載されている例示的な様態、実施形態、及び特徴以外に、図面及び下記の詳細説明を参照することによって、本発明のさらなる様態、実施形態、及び特徴の理解を促す。

本発明の実施形態における車両走行軌跡の予測方法のフローチャートである。 本発明の他の実施形態における車両走行軌跡の予測方法のフローチャートである。 本発明の実施形態における車両走行軌跡の予測方法のステップＳ１００の具体的なフローチャートである。 本発明の実施形態における車両走行軌跡の予測方法のステップＳ２００の具体的なフローチャートである。 本発明の実施形態における車両走行軌跡の予測方法のステップＳ３００の具体的なフローチャートである。 本発明の実施形態における車両走行軌跡の予測方法のステップＳ４００の具体的なフローチャートである。 本発明の実施形態における車両走行軌跡の予測方法の応用シーンの模式図である。 本発明の実施形態における車両走行軌跡の予測装置の構成図である。 本発明の他の実施形態における車両走行軌跡の予測装置の構成図である。 本発明の実施形態における車両走行軌跡の予測端末の構成図である。

図面において特に規定されない限り、複数の図面において同様の図面符号は、同様又は類似的な部材又はエレメントを示す。これらの図面は必ずしも実際の比例に従って製図されたものではない。これらの図面は本発明に基づいて開示された幾つかの実施形態を描いたものに過ぎず、本発明の範囲に対する制限としてはならないことを理解すべきである。

下記において、幾つかの例示的実施形態を簡単に説明する。当業者が把握出来るよう、本発明の主旨又は範囲を逸脱しない限り、様々な方式により説明された実施形態に変更可能である。従って、図面と説明は制限を加えるものでなく、本質的には例示的なものである。

本発明の実施形態は、車両走行軌跡の予測方法を提供し、図１に示すように、Ｓ１００〜Ｓ４００を含む。
Ｓ１００において、主車両の検知範囲内の目標車両が予め設定された時間内に走行する可能性のある複数の位置を算出する。

なお、主車両の検知範囲は、主車両に設置されるレーダ、センサ及びカメラ等の収集デバイスの検知範囲を含んでもよく、主車両の周囲の環境情報を取得することができる。
目標車両は、主車両の検知範囲内に存在する全ての車両を含み得る。例えば、有人運転車両、自動運転車両、自転車、バイク、電気自動車など、任意の種類の車両に適用することができる。
目標車両が非自動車道を走行している場合、算出された複数の位置は、目標車両の周囲の任意領域に存在することができる。目標車両が自動車道を走行している場合、算出された複数の位置は、それぞれ、その道路の異なる車線に位置してもよい。ここで、主車両が高精細地図に従い走行する場合、車線は高精細地図における車道境界線により区割されてもよい。高精細地図は、高精度で精細に定義された地図であり、その精度は、デシメートルまでにのぼる。高精細地図は、現実の３次元世界を構築するため、絶対位置の形状情報やトポロジー関係の他に、ポイントクラウド、文言の意味、特徴などの属性まで含む。道路レベルの案内情報、車線レベルの案内情報だけでなく、正確な車両位置情報や豊富な道路要素データ情報を提供することができる。従って、算出された位置に応じて、主車両は、その位置との絶対位置、地図における相対位置、その位置周囲の道路環境情報、及びその位置に関連する任意の情報を正確に取得することができる。

また、予め設定された時間は、走行軌跡の予測需要に応じて、カスタマイズすることができる。例えば、予測を必要とする目標車両の軌跡の長さや予測精度等の条件に応じて、予め設定された時間を選択する。算出された目標車両の走行する可能性のある複数の位置の参照性を確保するため、予め設定された時間が短すぎたり長すぎたりすることを回避すべきである。予め設定された時間が短すぎると、算出された目標車両の走行する可能性のある位置と目標車両の現在位置との差が顕著にならず、目標車両の走行意図が現れることができない点がある。予め設定された時間が長すぎると、算出される目標車両の走行する可能性のある位置の正確度を低下させる。車両が走行しても、周囲状況に応じて走行軌跡をリアルタイムに調整する可能性があるため、算出された位置と実際に到着した位置が大きくずれてしまい、後続の正確な走行軌跡の予測に対して影響を与えることがある。

Ｓ２００において、複数の位置から少なくとも２つの位置を目標位置として選定する。
なお、主車両及び周囲の目標車両の走行環境の差異に基づいて、多くの目標車両の走行する可能性のある位置が算出される。しかし、これらの位置は、必ずしも主車両の将来の走行軌跡に影響を与えるものではない。そこで、主車両の算出コストを低減させるために、複数の位置から、カスタムルールに従って少ない位置を目標位置として選定するようにしてもよい。例えば、カスタムルールは、各位置に到達する確率、注目車線、位置点周囲の環境複雑度などによるものである。

Ｓ３００において、目標車両の走行状態情報に基づいて、目標車両が目標位置に到着する複数の走行軌跡を予測する。
ここで、走行状態情報は、主車両が収集した目標車両に関する任意の情報を含んでもよい。例えば、走行状態情報は、車両の速度、車両の加速度、車両の位置、車両のヨー角（先頭向き）、車両と車道境界線との距離、車両と主車両との距離等の情報を含む。
なお、目標車両前方の道路が異なり、目標車両周囲の障害物の挙動が異なり、あるいは目標車両の運転者の運転意図が異なる場合、目標車両が同一位置に到達する走行軌跡も複数存在する。例えば、直線軌跡、円弧軌跡、折れ線軌跡等が挙げられる。このため、予測される走行軌跡の精度を高めるためには、目標位置までの目標車両の走行軌跡をできるだけ増やす必要がある。

Ｓ４００において、目標車両の周囲の環境情報に基づいて、複数の走行軌跡から少なくとも１つの走行軌跡を予測結果として選定する。
なお、予測の要求に応じて走行軌跡の選定方式を予め設けておいてもよい。例えば、主車両のユーザの試験要求に応じて、ある特定の走行軌跡を予測結果として選定し、後続の主車両走行軌跡に対する決定判断用の試験対象とする。また、例えば、目標車両周囲の環境情報に基づいて各走行軌跡の発生可能性を採点し、点数の高い走行軌跡を予測結果として選定する。

１つの実施形態において、図２に示すように、車両走行軌跡の予測方法は、Ｓ５００〜Ｓ６００をさらに含む。
Ｓ５００において、主車両の検知範囲内の各目標車両を取得する。
Ｓ６００において、各目標車両の履歴フレーム走行データ及び各目標車両の周囲の道路情報を取得する。

ここで、履歴フレーム走行データは、目標車両の現在時刻の走行データと、目標車両の履歴走行中の走行データと、を含むことができる。目標車両の周囲の道路情報には、目標車両の現時点での周囲の道路情報が含まれていてもよい。また、主車両は、高精細地図に従い走行している場合、目標車両の周囲の道路情報を高精細地図により取得してもよい。

１つの実施形態において、図３に示すように、主車両の検知範囲内の目標車両が予め設定された時間内に走行する可能性のある複数の位置を算出することは、Ｓ１１０〜Ｓ１２０を含む。
Ｓ１１０において、目標車両の周囲の道路情報に基づいて、目標車両の走行可能な道路の情報を選定する。
ここで、道路情報は、交通ルール情報及び道路種別情報等を含んでもよい。交通ルール情報は、例えば、前方左折禁止、現在道路の車線変更禁止等である。道路種別情報は、例えば、道路タイプ（例えば、交差点、直線路、分岐路等）、道路曲率、道路接続関係等である。目標車両の周囲の道路情報を利用することで、不要な位置演算を迅速に排除し、演算コストを低減させることができる。

一適用例では、道路情報から目標車両の前方の道路が交差点であり、当該交差点において車両の左折が禁止されていることがわかる。これにより、目標車両の走行する可能性のある道路が前方の直進道路又は右折の道路であると判断することができる。また、交差点の情報を参照することで、目標車両の走行する可能性のある位置を算出する前に、発生することのない走行位置を予め除外することができ、算出コストを低減させ、算出効率を向上させることができる。
Ｓ１２０において、目標車両の履歴フレーム走行データ及び走行可能な道路の情報に基づいて、予測モデルにより、目標車両が予め設定された時間内に走行する可能性のある複数の位置を算出する。履歴フレーム走行データは、目標車両が走行する可能性の意図を予測し、即ち、目標車両の運動方向を予測するために用いられる。

なお、予測モデルは、履歴フレーム走行データ及び走行可能な道路の情報に基づいて車両走行位置を予測すれば、従来技術の任意のモデルを採用することができる。履歴フレーム走行データは、車両の速度、車両の加速度、車両の位置、車両のヨー角、車両と車道境界線との距離、車両と主車両との距離等の情報を含んでもよい。
例えば、予測モデルは、ＬＳＴＭ（Ｌｏｎｇ Ｓｈｏｒｔ−Ｔｅｒｍ Ｍｅｍｏｒｙ：長期短期記憶）モデルを採用し得る。予め設定された時間と目標車両の履歴フレーム走行データとに基づいてＬＳＴＭモデルにより各走行可能な道路の情報がそれぞれ予測され、目標車両が各走行可能な道路の位置に到着する確率と平均加速度が与えられる。

１つの実施形態において、図４に示すように、複数の位置から少なくとも２つの位置を目標位置として選定することは、Ｓ２１０〜Ｓ２２０を含む。
Ｓ２１０において、目標車両が複数の位置の各位置に到着する確率を取得する。
Ｓ２２０において、確率が最も高い少なくとも２つの位置を目標位置として選定し、ここで、目標車両が現在に位置する道路に複数の車線を有する場合、各目標位置が異なる車線にそれぞれ位置する。

１つの実施形態において、図５に示すように、目標車両の走行状態情報に基づいて、目標車両が目標位置に到着する複数の走行軌跡を予測することは、Ｓ３１０〜Ｓ３２０を含む。
Ｓ３１０において、目標車両の予め設定された時間内の各履歴フレーム走行状態情報を取得する。
ここで、予め設定された時間は、予測の要求に応じてカスタマイズされる。１秒当たりは複数の履歴フレーム走行データを含んでもよい。履歴フレーム走行データは、車両の速度、車両の加速度、車両の位置、車両のヨー角、車両と車道境界線との距離、車両と主車両との距離などの目標車両の過去走行状態を示す情報を含んでもよい。

なお、目標車両の現時点における走行データも履歴フレーム走行データと考えられる。すなわち、目標車両の既に発生した走行データを履歴フレーム走行データとみなすことができる。
Ｓ３２０において、目標車両の予め設定された時間内の各履歴フレーム走行状態情報に基づいて、予め設定されたアルゴリズムにより、目標車両が目標位置に到着する複数の走行軌跡を算出する。

１つの実施形態において、図６に示すように、目標車両の周囲の環境情報に基づいて、複数の走行軌跡から少なくとも１つの走行軌跡を予測結果として選定することは、Ｓ４１０〜Ｓ４２０を含む。
Ｓ４１０において、目標車両の周囲の環境情報内の道路情報及び障害物情報を取得する。
ここで、道路情報は、道路種別、道路曲率、道路接続関係等の情報を含む。障害物情報には、目標車両の周囲の他の走行車両、歩行者、バリケード等、目標車両以外の視認可能な物体が含まれる。
Ｓ４２０において、道路情報及び障害物情報に基づいて、予め設定されたアルゴリズムにより、複数の走行軌跡から少なくとも１つの走行軌跡を予測結果として選定する。

１つの実施形態では、主車両が高精細地図に依存して走行している場合、高精細地図に基づいて、現在位置から目標位置に到着した過程中における全ての道路情報と全ての障害物情報を取得することができ、合理的な走行軌跡を最終的な予測結果としてより正確に選定することができる。
また、本発明の他の実施形態では、目標車両の走行可能な複数の位置を算出するステップにおいて、選定された予め設定された時間が短い場合、すなわち、目標車両の現在位置と算出された走行する可能性のある位置との距離が近い場合、目標車両の現在位置の周囲の道路情報と障害物情報のみに基づいて走行軌跡を選定することもできる。

なお、ステップＳ３２０における目標車両が目標位置に到着する複数の走行軌跡を算出するための予め設定されたアルゴリズムと、ステップＳ４２０における複数の走行軌跡から少なくとも１つの走行軌跡を予測結果として選択するための予め設定されたアルゴリズムとは、同一のアルゴリズムであってもよい。

例えば、予め設定されたアルゴリズムは、Ｌａｔｔｉｃｅ Ｐｌａｎｎｅｒ計画アルゴリズムを採用し得る。Ｌａｔｔｉｃｅ Ｐｌａｎｎｅｒ計画アルゴリズムは、目標車両の履歴フレーム走行状態情報を取得することにより、目標車両が現在位置から目標位置に到着する複数の横方向の一次元軌跡と複数の縦方向の一次元軌跡を算出する。各横方向の一次元軌跡と各縦方向の一次元軌跡を組み合わせることにより、目標車両が現在位置から目標位置に到着する複数の２次元軌跡を合成する。そして、Ｌａｔｔｉｃｅ Ｐｌａｎｎｅｒの計画アルゴリズムは、損失関数によって各走行軌跡を採点し、その中から点数が最も高い走行軌跡を少なくとも１つ選定して予測結果として出力する。主車両は、検知範囲内の各目標車両の予測結果に基づいて、主車両の走行軌道を計画する。本発明の実施形態に係る方法によって得られる目標車両の走行軌跡がより正確になるので、主車両が計画した走行軌跡もより合理的になり、主車両の走行安全性が向上する。

１つの実施形態において、最終的に選定された走行軌跡は、目標車両が当該走行軌跡に沿って目標位置に到着した過程に予測された目標車両の各フレームの走行データを含む。
図７に示すように、一つの応用シーンにおいて、主車両１は、図示の方向に従って左から右へ順にＡ、Ｂ、Ｃ、Ｄ四個の車線を含む自動車道を走行している。主車両１は、収集デバイスによって、その検知範囲内に目標車両２、目標車両３、目標車両４が含まれることが分かる。ここで、主車両１と目標車両３は車線Ｃに位置し、目標車両２は車線Ｂに位置し、目標車両４は車線Ｄに位置する。本発明の実施形態に係る車両走行軌跡の予測方法をより理解するために、目標車両２の予測を例として説明する。

具体的には、目標車両２の現在位置に基づいて、目標車両２の周囲の道路情報を取得することにより、目標車両２の左側の車線Ａの前方に交通事故が発生し、車線Ａの道路が渋滞していることが分かる。これにより、車線Ｂ、車線Ｃ、車線Ｄの位置が目標車両２の走行可能な道路として選定される。
予測モデルを用いて、主車両１が収集した目標車両２の履歴フレーム走行データと走行可能な道路の情報から、目標車両２が３秒後にａ、ｂ、ｃの３つの位置に到着する可能性があることを算出する。ここで、位置ａは車線Ｂにあり、位置ａに到着する確率は８０％である。位置ｂは車線Ｃにあり、位置ｂに到着する確率は７０％である。位置ｃは車線Ｄにあり、位置ｃに到着する確率は２０％である。確率に基づいて、位置ａと位置ｂを目標位置として選定する。

Ｌａｔｔｉｃｅ Ｐｌａｎｎｅｒの計画アルゴリズムにより、目標車両２の履歴フレーム走行データから、位置ａまでの走行可能な軌跡を、走行軌跡ａ１、ａ２、ａ３、ａ４の４本として算出する。目標車両による位置ｂまでの走行可能軌跡は、走行軌跡ｂ１、ｂ２、ｂ３の３本である。
走行軌跡ａ１、ａ２、ａ３、ａ４、ｂ１、ｂ２、ｂ３は、目標車両２の周囲の環境情報に基づいて、Ｌａｔｔｉｃｅ Ｐｌａｎｎｅｒの計画アルゴリズムにより採点される。この採点結果から、目標車両２の位置ａに到着する点数が最も高い走行軌跡は、ａ１及びａ４であることがわかる。位置ｂに到着する点数が最も高い走行軌跡はｂ２である。従って、走行軌跡ａ１、ａ４との２つの軌跡を、目標車両２が位置ａに到着する最終予測軌跡とする。走行軌跡ｂ２を目標車両２が位置ｂに到着する最終予測軌跡とする。

本発明の実施形態は、車両走行軌跡の予測装置を提供し、図８に示すように、位置算出モジュール１０、選定モジュール２０、走行軌跡モジュール３０及び予測モジュール４０を含む。
位置算出モジュール１０は、主車両の検知範囲内の目標車両が予め設定された時間内に走行する可能性のある複数の位置を算出するように構成される。
選定モジュール２０は、複数の位置から少なくとも２つの位置を目標位置として選定するように構成される。
走行軌跡モジュール３０は、目標車両の走行状態情報に基づいて、目標車両が前記目標位置に到着する複数の走行軌跡を予測するように構成される。
予測モジュール４０は、目標車両の周囲の環境情報に基づいて、複数の走行軌跡から少なくとも１つの走行軌跡を予測結果として選定するように構成される。

１つの実施形態において、図９に示すように、位置算出モジュールは、第１の取得モジュール５０及び第２の取得モジュール６０を含む。
第１の取得モジュール５０は、主車両の検知範囲内の各目標車両を取得するように構成される。
第２の取得モジュール６０は、各目標車両の履歴フレーム走行データ及び各目標車両の周囲の道路情報を取得するように構成される。

１つの実施形態において、位置算出モジュールは、
目標車両の周囲の道路情報に基づいて、目標車両の走行可能な道路の情報を選定するように構成される道路選定サブモジュールと、
目標車両の履歴フレーム走行データ及び走行可能な道路の情報に基づいて、予測モデルにより、目標車両が予め設定された時間内に走行する可能性のある複数の位置を算出するように構成される位置算出サブモジュールとを含む。

１つの実施形態において、選定モジュールは、
目標車両が複数の位置の各位置に到着する確率を取得するように構成される確率取得サブモジュールと、
確率が最も高い少なくとも２つの位置を目標位置として選定するように構成される確率選定サブモジュールとを含み、
ここで、目標車両が現在に位置する道路に複数の車線を有する場合、各目標位置が異なる車線にそれぞれ位置する。

１つの実施形態において、走行軌跡モジュールは、
目標車両の予め設定された時間内の各履歴フレーム走行状態情報を取得するように構成される履歴フレーム取得サブモジュールと、
目標車両の予め設定された時間内の各履歴フレーム走行状態情報に基づいて、予め設定されたアルゴリズムにより、目標車両が目標位置に到着する複数の走行軌跡を算出するように構成される算出サブモジュールとを含む。

１つの実施形態において、予測モジュールは、
目標車両の周囲の環境情報内の道路情報及び障害物情報を取得するように構成される情報取得サブモジュールと、
道路情報及び障害物情報に基づいて、予め設定されたアルゴリズムにより、複数の走行軌跡から少なくとも１つの走行軌跡を予測結果として選定するように構成される選定サブモジュールとを含む。

本発明の実施形態は、車両走行軌跡の予測端末を提供し、図１０に示すように、メモリ９１０とプロセッサ９２０とを備え、メモリ９１０には、プロセッサ９２０で実行可能なコンピュータプログラムが記憶されている。プロセッサ９２０がコンピュータプログラムを実行することにより、上記実施例に係る車両走行軌跡の予測方法が実現される。メモリ９１０およびプロセッサ９２０の数は、１つまたは複数であってもよい。
さらに、通信インターフェース９３０を含み、
通信インターフェース９３０は、メモリ９１０とプロセッサ９２０が外部機器との通信を行う。

メモリ９１０は、高速度ＲＡＭメモリを含んでもよく、また、少なくとも１つのディスクメモリなどの不揮発性メモリ（ｎｏｎ−ｖｏｌａｔｉｌｅ ｍｅｍｏｒｙ）を含んでもよい。
メモリ９１０、プロセッサ９２０、及び通信インターフェース９３０が互いに独立して具現される場合、メモリ９１０、プロセッサ９２０、及び通信インターフェース９３０は、バスによって相互接続して相互通信を行うことができる。前記バスは、インダストリスタンダードアーキテクチャ（ＩＳＡ、Ｉｎｄｕｓｔｒｙ Ｓｔａｎｄａｒｄ Ａｒｃｈｉｔｅｃｔｕｒｅ）バス、外部デバイス相互接続（ＰＣＩ、Ｐｅｒｉｐｈｅｒａｌ Ｃｏｍｐｏｎｅｎｔ Ｉｎｔｅｒｃｏｎｎｅｃｔ）バス、又は拡張インダストリスタンダードアーキテクチャ（ＥＩＳＡ、Ｅｘｔｅｎｄｅｄ Ｉｎｄｕｓｔｒｙ Ｓｔａｎｄａｒｄ Ｃｏｍｐｏｎｅｎｔ）バス等であってもよい。前記バスは、アドレスバス、データバス、制御バス等として分けられることが可能である。表示の便宜上、図１０に１本の太線のみで表示するが、バスが１つ又は１種類のみであることを意味しない。

任意選択で、具体的な実現において、メモリ９１０、プロセッサ９２０、および通信インターフェース９３０が、１つのチップ上に集積される場合、メモリ９１０、プロセッサ９２０、および通信インターフェース９３０は、内部インターフェースを通じて相互通信を行うことができる。

本発明の実施形態は、プロセッサによって実行されると、上記の実施形態のいずれかに記載の車両走行軌跡の予測方法を実現するコンピュータプログラムを記憶したコンピュータ可読記憶媒体を提供する。

本明細書において、「１つの実施形態」、「幾つかの実施形態」、「例」、「具体例」或いは「一部の例」などの用語とは、当該実施形態或いは例で説明された具体的特徴、構成、材料或いは特点を結合して、本発明の少なくとも１つの実施形態或いは実施例に含まれることを意味する。また、説明された具体的特徴、構成、材料或いは特点は、いずれか１つ或いは複数の実施形態または例において適切に結合することが可能である。また、矛盾しない限り、当業者は、本明細書の異なる実施形態または例、および、異なる実施形態または例における特徴を結合したり、組み合わせたりすることができる。
また、用語「第１」、「第２」とは比較的重要性を示している又は暗示しているわけではなく、単に説明のためのものであり、示される技術的特徴の数を暗示するわけでもない。そのため、「第１」、「第２」で限定される特徴は、少なくとも１つの当該特徴を明示又は暗示的に含むことが可能である。本出願の記載の中において、「複数」の意味とは、明確に限定される以外に、２つ又は２つ以上を意味する。

フローチャート又はその他の方式で説明された、いかなるプロセス又は方法に対する説明は、特定な論理的機能又はプロセスのステップを実現するための命令のコードを実行可能な１つ又はそれ以上のモジュール、断片若しくはセグメントとして理解することが可能であり、さらに、本発明の好ましい実施形態の範囲はその他の実現を含み、示された、又は、記載の順番に従うことなく、係る機能に基づいてほぼ同時にまたは逆の順序に従って機能を実行することを含み、これは当業者が理解すべきことである。
フローチャートに示された、又はその他の方式で説明された論理及び／又はステップは、例えば、論理機能を実現させるための実行可能な命令のシーケンスリストとして見なされることが可能であり、命令実行システム、装置、又はデバイス（プロセッサのシステム、又は命令実行システム、装置、デバイスから命令を取得して実行することが可能なその他のシステムを含むコンピュータによるシステム）が使用できるように提供し、又はこれらの命令を組み合わせて使用する命令実行システム、装置、又はデバイスに使用されるために、いかなるコンピュータ読取可能媒体にも具体的に実現されることが可能である。本明細書において、「コンピュータ読取可能媒体」は、命令実行システム、装置、デバイス、又はこれらの命令を組み合わせて実行するシステム、装置又はデバイスが使用できるように提供するため、プログラムを格納、記憶、通信、伝搬又は伝送する装置であってもよい。コンピュータ読み取り可能媒体のより具体的例（非網羅的なリスト）として、１つ又は複数の布配線を含む電気接続部（電子装置）、ポータブルコンピュータディスク（磁気装置）、ランダム・アクセス・メモリ（ＲＡＭ）、リード・オンリー・メモリ（ＲＯＭ）、消去書き込み可能リード・オンリー・メモリ（ＥＰＲＯＭ又はフラッシュメモリ）、光ファイバー装置、及びポータブル読み取り専用メモリ（ＣＤＲＯＭ）を少なくとも含む。また、コンピュータ読み取り可能媒体は、そのうえで前記プログラムを印字できる紙又はその他の適切な媒体であってもよく、例えば紙又はその他の媒体に対して光学的スキャンを行い、そして編集、解釈又は必要に応じてその他の適切な方式で処理して電子的方式で前記プログラムを得、その後コンピュータメモリに記憶することができるためである。

なお、本発明の各部分は、ハードウェア、ソフトウェア、ファームウェア又はこれらの組み合わせによって実現されることができる。上記実施形態において、複数のステップ又は方法は、メモリに記憶された、適当な命令実行システムによって実行されるソフトウェア又はファームウェアによって実施されることができる。例えば、ハードウェアによって実現するとした場合、別の実施形態と同様に、データ信号に対して論理機能を実現する論理ゲート回路を有する離散論理回路、適切な混合論理ゲート回路を有する特定用途向け集積回路、プログラマブルゲートアレイ（ＧＰＡ）、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）などといった本技術分野において公知である技術のうちのいずれか１つ又はそれらの組み合わせによって実現される。
当業者は、上記の実施形態における方法に含まれるステップの全部又は一部を実現するのは、プログラムによって対応するハードウェアを指示することによって可能であることを理解することができる。前記プログラムは、コンピュータ読取可能な媒体に記憶されてもよく、当該プログラムが実行されるとき、方法の実施形態に係るステップのうちの１つ又はそれらの組み合わせを含むことができる。

また、本発明の各実施形態における各機能ユニットは、１つの処理モジュールに統合されてよく、別個の物理的な個体であってもよく、２つ又は３つ以上のユニットが１つのモジュールに統合されてもよい。上記の統合モジュールは、ハードウェアで実現されてもよく、ソフトウェア機能モジュールで実現されてもよい。上記の統合モジュールが、ソフトウェア機能モジュールで実現され、しかも独立した製品として販売又は使用される場合、コンピュータ読取可能な記憶媒体に記憶されてもよい。前記記憶媒体は読取専用メモリ、磁気ディスク又は光ディスク等であってもよい。

上記の記載は、単なる本発明の具体的な実施形態に過ぎず、本発明の保護範囲はそれに限定されることなく、当業者が本発明に開示されている範囲内において、容易に想到し得る変形又は置換は、全て本発明の範囲内に含まれるべきである。そのため、本発明の範囲は、記載されている特許請求の範囲に準じるべきである。

Claims (15)

1. 主車両の検知範囲内の目標車両が予め設定された時間内に走行する可能性のある複数の位置を算出することと、
   前記複数の位置から少なくとも２つの位置を目標位置として選定することと、
   前記目標車両の走行状態情報に基づいて、前記目標車両が前記目標位置に到着する複数の走行軌跡を予測することと、
   前記目標車両の周囲の環境情報に基づいて、前記複数の走行軌跡から少なくとも１つの走行軌跡を予測結果として選定することとを含む、
   ことを特徴とする車両走行軌跡の予測方法。
2. 前記主車両の検知範囲内の各前記目標車両を取得することと、
   前記各目標車両の履歴フレーム走行データ及び前記各目標車両の周囲の道路情報を取得することと、をさらに含む、
   ことを特徴とする請求項１に記載の車両走行軌跡の予測方法。
3. 主車両の検知範囲内の目標車両が予め設定された時間内に走行する可能性のある複数の位置を算出することは、
   前記目標車両の周囲の道路情報に基づいて、前記目標車両の走行可能な道路の情報を選定することと、
   前記目標車両の履歴フレーム走行データ及び前記走行可能な道路の情報に基づいて、予測モデルにより、前記目標車両が予め設定された時間内に走行する可能性のある前記複数の位置を算出することとを含む、
   ことを特徴とする請求項２に記載の車両走行軌跡の予測方法。
4. 前記複数の位置から少なくとも２つの位置を目標位置として選定することは、
   前記目標車両が前記複数の位置の各位置に到着する確率を取得することと、
   確率が最も高い少なくとも２つの位置を前記目標位置として選定することと、を含み、
   前記目標車両が現在に位置する道路に複数の車線を有する場合、前記各目標位置が異なる前記車線にそれぞれ位置する、
   ことを特徴とする請求項１に記載の車両走行軌跡の予測方法。
5. 前記目標車両の走行状態情報に基づいて、前記目標車両が前記目標位置に到着する複数の走行軌跡を予測することは、
   前記目標車両の予め設定された時間内の各履歴フレーム走行状態情報を取得することと、
   前記目標車両の予め設定された時間内の各履歴フレーム走行状態情報に基づいて、予め設定されたアルゴリズムにより、前記目標車両が前記目標位置に到着する前記複数の走行軌跡を算出することとを含む、
   ことを特徴とする請求項１に記載の車両走行軌跡の予測方法。
6. 前記目標車両の周囲の環境情報に基づいて、前記複数の走行軌跡から少なくとも１つの走行軌跡を予測結果として選定することは、
   前記目標車両の周囲の環境情報内の道路情報及び障害物情報を取得することと、
   前記道路情報及び前記障害物情報に基づいて、予め設定されたアルゴリズムにより、前記複数の走行軌跡から少なくとも１つの走行軌跡を前記予測結果として選定することと、を含む、
   ことを特徴とする請求項１に記載の車両走行軌跡の予測方法。
7. 主車両の検知範囲内の目標車両が予め設定された時間内に走行する可能性のある複数の位置を算出する位置算出モジュールと、
   前記複数の位置から少なくとも２つの位置を目標位置として選定する選定モジュールと、
   前記目標車両の走行状態情報に基づいて、前記目標車両が前記目標位置に到着する複数の走行軌跡を予測する走行軌跡モジュールと、
   前記目標車両の周囲の環境情報に基づいて、前記複数の走行軌跡から少なくとも１つの走行軌跡を予測結果として選定する予測モジュールと、を含む、
   ことを特徴とする車両走行軌跡の予測装置。
8. 前記主車両の検知範囲内の各前記目標車両を取得する第１の取得モジュールと、
   前記各目標車両の履歴フレーム走行データ及び前記各目標車両の周囲の道路情報を取得する第２の取得モジュールと、をさらに含む、
   ことを特徴とする請求項７に記載の車両走行軌跡の予測装置。
9. 位置算出モジュールは、
   前記目標車両の周囲の道路情報に基づいて、前記目標車両の走行可能な道路の情報を選定する道路選定サブモジュールと、
   前記目標車両の履歴フレーム走行データ及び前記走行可能な道路の情報に基づいて、予測モデルにより、前記目標車両が予め設定された時間内に走行する可能性のある前記複数の位置を算出する位置算出サブモジュールと、を含む、
   ことを特徴とする請求項８に記載の車両走行軌跡の予測装置。
10. 前記選定モジュールは、
    前記目標車両が前記複数の位置の各位置に到着する確率を取得する確率取得サブモジュールと、
    確率が最も高い少なくとも２つの位置を前記目標位置として選定する確率選定サブモジュールと、を含み、
    前記目標車両が現在に位置する道路に複数の車線を有する場合、前記各目標位置が異なる前記車線にそれぞれ位置する、
    ことを特徴とする請求項７に記載の車両走行軌跡の予測装置。
11. 前記走行軌跡モジュールは、
    前記目標車両の予め設定された時間内の各履歴フレーム走行状態情報を取得する履歴フレーム取得サブモジュールと、
    前記目標車両の予め設定された時間内の各履歴フレーム走行状態情報に基づいて、予め設定されたアルゴリズムにより、前記目標車両が前記目標位置に到着する前記複数の走行軌跡を算出する算出サブモジュールとを含む、
    ことを特徴とする請求項７に記載の車両走行軌跡の予測装置。
12. 前記予測モジュールは、
    前記目標車両の周囲の環境情報内の道路情報及び障害物情報を取得する情報取得サブモジュールと、
    前記道路情報及び前記障害物情報に基づいて、予め設定されたアルゴリズムにより、前記複数の走行軌跡から少なくとも１つの走行軌跡を前記予測結果として選定する選定サブモジュールと、を含む、
    ことを特徴とする請求項７に記載の車両走行軌跡の予測装置。
13. １つ又は複数のプロセッサと、
    １つ又は複数のプログラムを記憶する記憶装置とを含み、
    前記１つ又は複数のプロセッサは、前記１つ又は複数のプログラムを実行する場合、請求項１〜６のいずれか１項に記載の車両走行軌跡の予測方法を実行させる、
    ことを特徴とする車両走行軌跡の予測端末。
14. コンピュータプログラムが記憶されたコンピュータ可読記憶媒体であって、
    プロセッサは、当該プログラムを実行する場合、請求項１〜６のいずれか１項に記載の車両走行軌跡の予測方法を実行させる、
    ことを特徴とするコンピュータ可読記憶媒体。
15. コンピュータにおいて、プロセッサにより実行される場合、請求項１〜６のいずれか１項に記載の車両走行軌跡の予測方法を実現することを特徴とするプログラム。

Images