JP2021068423A - 将来行動推定装置、車両制御装置、将来行動推定方法、およびプログラム - Google Patents

Abstract

【課題】実際の交通場面に即した予測を行うことが可能な将来行動推定装置、車両制御装置、将来行動推定方法、およびプログラムを提供すること。【解決手段】複数の交通参加者の位置を認識する物***置認識部と、前記物***置認識部の認識結果に基づいて、前記複数の交通参加者のそれぞれが将来に到達しようとする仮ゴールを決定する仮ゴール決定部と、前記複数の交通参加者のそれぞれの将来の行動を推定するために、移動モデルを用いて、前記複数の交通参加者のそれぞれが前記仮ゴール決定部により決定された仮ゴールに向かう移動過程をシミュレートするシミュレート部と、を備える将来行動推定装置。【選択図】図２

Description

本発明は、将来行動推定装置、車両制御装置、将来行動推定方法、およびプログラムに関する。

従来、道路に存在する歩行者や自転車などの将来の行動（移動）を推定することについいて研究が進められている（例えば、非特許文献１〜５）。

D. Helbing and P. Molnar, "Social Force Model for Pedestrian Dynamics", 20 May 1998. G. Arechavaleta and J. Laumond, "The nonholonomic nature of human locomotion: a modeling study", February 2001. K. Mombaur and A. Truong, "From human to humanoid locomotion-An inverse optimal control approach From human to humanoid locomotion - an inverse optimal",31 December, 2009. M. Luber, J. A. Stork, G. D. Tipaldi, and K. O. Arras, "People tracking with human motion predictions from social forces," Proc. - IEEE Int. Conf. Robot. Autom., pp. 464-469, 2010. F. Farina, D. Fontanelli, A. Garulli, A. Giannitrapani, and D. Prattichizzo, "When Helbing Meets Laumond: The Headed Social Force Model." 12-14 December, 2016.

非特許文献１に記載の技術は、歩行者のゴール（目的地）などが既知の情報として与えられることを前提として推定を行うものであり、実際の交通場面に即した予測を行うことができない場合があった。

本発明は、このような事情を考慮してなされたものであり、実際の交通場面に即した予測を行うことが可能な将来行動推定装置、車両制御装置、将来行動推定方法、およびプログラムを提供することを目的の一つとする。

この発明に係る将来行動推定装置、車両制御装置、将来行動推定方法、およびプログラムは、以下の構成を採用した。
（１）：この発明の一態様に係る将来行動推定装置は、複数の交通参加者の位置を認識する物***置認識部と、前記物***置認識部の認識結果に基づいて、前記複数の交通参加者のそれぞれが将来に到達しようとする仮ゴールを決定する仮ゴール決定部と、前記複数の交通参加者のそれぞれの将来の行動を推定するために、移動モデルを用いて、前記複数の交通参加者のそれぞれが前記仮ゴール決定部により決定された仮ゴールに向かう移動過程をシミュレートするシミュレート部と、を備えるものである。

（２）：上記（１）の態様において、前記仮ゴール決定部は、前記複数の交通参加者のそれぞれについて、前記物***置認識部により認識された前記複数の交通参加者の位置の履歴と、道路構造を示す情報とに基づいて、複数の仮ゴール候補を設定し、前記交通参加者が前記複数の仮ゴール候補のそれぞれに向かうシミュレーションを行った結果と、前記交通参加者の姿勢に基づく移動方向との乖離を求め、乖離が最も小さかった仮ゴール候補を、前記仮ゴールとして決定するものである。

（３）：上記（１）または（２）の態様において、前記移動モデルは、前記複数の交通参加者のそれぞれに作用する仮想的な力を反映させて、将来の各ステップにおける前記交通参加者の移動過程をシミュレートするものであり、前記複数の交通参加者の周辺環境に基づいて前記仮想的な力を推定する力推定部を更に備えるものである。

（４）：上記（３）の態様において、前記力推定部は、前記複数の交通参加者のそれぞれに前記仮想的な力を及ぼす影響因子は、それぞれの交通参加者の正面方向を中心とした扇形の範囲に存在する影響因子に限定され、範囲から外れる影響因子は力を及ぼさないものとして、前記仮想的な力を推定するものである。

（５）：上記（３）または（４）の態様において、前記力推定部が推定する仮想的な力は、前記交通参加者自身が希望速度で移動しようとして加減速するための力を含み、前記交通参加者の過去の位置の履歴に基づいて前記希望速度を推定する希望速度推定部を更に備えるものである。

（６）：上記（３）から（５）のうちいずれかの態様において、前記力推定部が推定する仮想的な力は、前記交通参加者の間で互いに反発し合う力を含み、前記力推定部は、前記複数の交通参加者のうちグループを形成している交通参加者を推定し、同じグループに属すると推定される交通参加者の間では、前記互いに反発し合う力を、同じグループに属すると推定されない交通参加者の間に比して小さくするものである。

（７）：本発明の他の態様に係る車両制御装置は、上記（１）から（６）のうちいずれかの態様の将来行動推定装置と、前記将来行動推定装置により推定される前記複数の交通参加者のそれぞれの将来の行動に基づいて、車両の走行制御を行う運転制御部と、を備えるものである。

（８）：本発明の他の態様に係る将来行動推定方法は、コンピュータを用いて実行される将来行動推定方法であって、複数の交通参加者の位置を認識することと、前記認識の結果に基づいて、前記複数の交通参加者のそれぞれが将来に到達しようとする仮ゴールを決定することと、前記複数の交通参加者のそれぞれの将来の行動を推定するために、移動モデルを用いて、前記複数の交通参加者のそれぞれが前記決定された仮ゴールに向かう移動過程をシミュレートすることと、を備えるものである。

（９）：本発明の他の態様に係るプログラムは、コンピュータに、複数の交通参加者の位置を認識することと、前記認識の結果に基づいて、前記複数の交通参加者のそれぞれが将来に到達しようとする仮ゴールを決定することと、前記複数の交通参加者のそれぞれの将来の行動を推定するために、移動モデルを用いて、前記複数の交通参加者のそれぞれが前記決定された仮ゴールに向かう移動過程をシミュレートすることと、を実行させるものである。

（１０）：本発明の他の態様に係る記憶媒体は、コンピュータに、複数の交通参加者の位置を認識することと、前記認識の結果に基づいて、前記複数の交通参加者のそれぞれが将来に到達しようとする仮ゴールを決定することと、前記複数の交通参加者のそれぞれの将来の行動を推定するために、移動モデルを用いて、前記複数の交通参加者のそれぞれが前記仮ゴール決定部により決定された仮ゴールに向かう移動過程をシミュレートすることと、を実行させるプログラムを記憶した非一時的記憶媒体である。

上記（１）〜（１０）の態様によれば、実際の交通場面に即した予測を行うことができる。

実施形態に係る将来行動推定装置および車両制御装置を利用した車両システム１の構成図である。 第１制御部１２０および第２制御部１８０の機能構成図である。 交通参加者監視部１４０が認識する自車両Ｍの周囲の状況を模式的に示す図である。 仮ゴール選択部１４２Ｂによる処理の内容について説明するための図である。 希望速度推定部１４４による処理について説明するための図である。 ローカルフレームの力を求める処理について説明するための図である。 自動運転制御装置１００により実行される処理の流れの一例を示すフローチャートである。 実施形態の自動運転制御装置１００のハードウェア構成の一例を示す図である。

以下、図面を参照し、本発明の将来行動推定装置、車両制御装置、将来行動推定方法、およびプログラムの実施形態について説明する。

［全体構成］
図１は、実施形態に係る将来行動推定装置および車両制御装置を利用した車両システム１の構成図である。車両システム１が搭載される車両は、例えば、二輪や三輪、四輪等の車両であり、その駆動源は、ディーゼルエンジンやガソリンエンジンなどの内燃機関、電動機、或いはこれらの組み合わせである。電動機は、内燃機関に連結された発電機による発電電力、或いは二次電池や燃料電池の放電電力を使用して動作する。

車両システム１は、例えば、カメラ１０と、レーダ装置１２と、ＬＩＤＡＲ（Light Detection and Ranging）１４と、物体認識装置１６と、通信装置２０と、ＨＭＩ（Human Machine Interface）３０と、車両センサ４０と、ナビゲーション装置５０と、ＭＰＵ（Map Positioning Unit）６０と、運転操作子８０と、自動運転制御装置１００と、走行駆動力出力装置２００と、ブレーキ装置２１０と、ステアリング装置２２０とを備える。これらの装置や機器は、ＣＡＮ（Controller Area Network）通信線等の多重通信線やシリアル通信線、無線通信網等によって互いに接続される。なお、図１に示す構成はあくまで一例であり、構成の一部が省略されてもよいし、更に別の構成が追加されてもよい。

カメラ１０は、例えば、ＣＣＤ（Charge Coupled Device）やＣＭＯＳ（Complementary Metal Oxide Semiconductor）等の固体撮像素子を利用したデジタルカメラである。カメラ１０は、車両システム１が搭載される車両（以下、自車両Ｍ）の任意の箇所に取り付けられる。前方を撮像する場合、カメラ１０は、フロントウインドシールド上部やルームミラー裏面等に取り付けられる。カメラ１０は、例えば、周期的に繰り返し自車両Ｍの周辺を撮像する。カメラ１０は、ステレオカメラであってもよい。

レーダ装置１２は、自車両Ｍの周辺にミリ波などの電波を放射すると共に、物体によって反射された電波（反射波）を検出して少なくとも物体の位置（距離および方位）を検出する。レーダ装置１２は、自車両Ｍの任意の箇所に取り付けられる。レーダ装置１２は、ＦＭ−ＣＷ（Frequency Modulated Continuous Wave）方式によって物体の位置および速度を検出してもよい。

ＬＩＤＡＲ１４は、自車両Ｍの周辺に光（或いは光に近い波長の電磁波）を照射し、散乱光を測定する。ＬＩＤＡＲ１４は、発光から受光までの時間に基づいて、対象までの距離を検出する。照射される光は、例えば、パルス状のレーザー光である。ＬＩＤＡＲ１４は、自車両Ｍの任意の箇所に取り付けられる。

物体認識装置１６は、カメラ１０、レーダ装置１２、およびＬＩＤＡＲ１４のうち一部または全部による検出結果に対してセンサフュージョン処理を行って、物体の位置、種類、速度などを認識する。物体認識装置１６は、認識結果を自動運転制御装置１００に出力する。物体認識装置１６は、カメラ１０、レーダ装置１２、およびＬＩＤＡＲ１４の検出結果をそのまま自動運転制御装置１００に出力してよい。車両システム１から物体認識装置１６が省略されてもよい。

通信装置２０は、例えば、セルラー網やＷｉ−Ｆｉ網、Ｂｌｕｅｔｏｏｔｈ（登録商標）、ＤＳＲＣ（Dedicated Short Range Communication）などを利用して、自車両Ｍの周辺に存在する他車両と通信し、或いは無線基地局を介して各種サーバ装置と通信する。

ＨＭＩ３０は、自車両Ｍの乗員に対して各種情報を提示すると共に、乗員による入力操作を受け付ける。ＨＭＩ３０は、各種表示装置、スピーカ、ブザー、タッチパネル、スイッチ、キーなどを含む。

車両センサ４０は、自車両Ｍの速度を検出する車速センサ、加速度を検出する加速度センサ、鉛直軸回りの角速度を検出するヨーレートセンサ、自車両Ｍの向きを検出する方位センサ等を含む。

ナビゲーション装置５０は、例えば、ＧＮＳＳ（Global Navigation Satellite System）受信機５１と、ナビＨＭＩ５２と、経路決定部５３とを備える。ナビゲーション装置５０は、ＨＤＤ（Hard Disk Drive）やフラッシュメモリなどの記憶装置に第１地図情報５４を保持している。ＧＮＳＳ受信機５１は、ＧＮＳＳ衛星から受信した信号に基づいて、自車両Ｍの位置を特定する。自車両Ｍの位置は、車両センサ４０の出力を利用したＩＮＳ（Inertial Navigation System）によって特定または補完されてもよい。ナビＨＭＩ５２は、表示装置、スピーカ、タッチパネル、キーなどを含む。ナビＨＭＩ５２は、前述したＨＭＩ３０と一部または全部が共通化されてもよい。経路決定部５３は、例えば、ＧＮＳＳ受信機５１により特定された自車両Ｍの位置（或いは入力された任意の位置）から、ナビＨＭＩ５２を用いて乗員により入力された目的地までの経路（以下、地図上経路）を、第１地図情報５４を参照して決定する。第１地図情報５４は、例えば、道路を示すリンクと、リンクによって接続されたノードとによって道路形状が表現された情報である。第１地図情報５４は、道路の曲率やＰＯＩ（Point Of Interest）情報などを含んでもよい。地図上経路は、ＭＰＵ６０に出力される。ナビゲーション装置５０は、地図上経路に基づいて、ナビＨＭＩ５２を用いた経路案内を行ってもよい。ナビゲーション装置５０は、例えば、乗員の保有するスマートフォンやタブレット端末等の端末装置の機能によって実現されてもよい。ナビゲーション装置５０は、通信装置２０を介してナビゲーションサーバに現在位置と目的地を送信し、ナビゲーションサーバから地図上経路と同等の経路を取得してもよい。

ＭＰＵ６０は、例えば、推奨車線決定部６１を含み、ＨＤＤやフラッシュメモリなどの記憶装置に第２地図情報６２を保持している。推奨車線決定部６１は、ナビゲーション装置５０から提供された地図上経路を複数のブロックに分割し（例えば、車両進行方向に関して１００［ｍ］毎に分割し）、第２地図情報６２を参照してブロックごとに推奨車線を決定する。推奨車線決定部６１は、左から何番目の車線を走行するといった決定を行う。推奨車線決定部６１は、地図上経路に分岐箇所が存在する場合、自車両Ｍが、分岐先に進行するための合理的な経路を走行できるように、推奨車線を決定する。

第２地図情報６２は、第１地図情報５４よりも高精度な地図情報である。第２地図情報６２は、例えば、車線の中央の情報あるいは車線の境界の情報等を含んでいる。また、第２地図情報６２には、道路情報、交通規制情報、住所情報（住所・郵便番号）、施設情報、電話番号情報などが含まれてよい。第２地図情報６２は、通信装置２０が他装置と通信することにより、随時、アップデートされてよい。

運転操作子８０は、例えば、アクセルペダル、ブレーキペダル、シフトレバー、ステアリングホイール、異形ステア、ジョイスティックその他の操作子を含む。運転操作子８０には、操作量あるいは操作の有無を検出するセンサが取り付けられており、その検出結果は、自動運転制御装置１００、もしくは、走行駆動力出力装置２００、ブレーキ装置２１０、およびステアリング装置２２０のうち一部または全部に出力される。

自動運転制御装置１００は、例えば、第１制御部１２０と、第２制御部１８０とを備える。第１制御部１２０と第２制御部１８０は、それぞれ、例えば、ＣＰＵ（Central Processing Unit）などのハードウェアプロセッサがプログラム（ソフトウェア）を実行することにより実現される。また、これらの構成要素のうち一部または全部は、ＬＳＩ（Large Scale Integration）やＡＳＩＣ（Application Specific Integrated Circuit）、ＦＰＧＡ（Field-Programmable Gate Array）、ＧＰＵ（Graphics Processing Unit）などのハードウェア（回路部；circuitryを含む）によって実現されてもよいし、ソフトウェアとハードウェアの協働によって実現されてもよい。プログラムは、予め自動運転制御装置１００のＨＤＤやフラッシュメモリなどの記憶装置（非一過性の記憶媒体を備える記憶装置）に格納されていてもよいし、ＤＶＤやＣＤ−ＲＯＭなどの着脱可能な記憶媒体に格納されており、記憶媒体（非一過性の記憶媒体）がドライブ装置に装置に装着されることで自動運転制御装置１００のＨＤＤやフラッシュメモリにインストールされてもよい。

図２は、第１制御部１２０および第２制御部１８０の機能構成図である。第１制御部１２０は、例えば、認識部１３０と、行動計画生成部１６０とを備える。第１制御部１２０は、例えば、ＡＩ（Artificial Intelligence；人工知能）による機能と、予め与えられたモデルによる機能とを並行して実現する。例えば、「交差点を認識する」機能は、ディープラーニング等による交差点の認識と、予め与えられた条件（パターンマッチング可能な信号、道路標示などがある）に基づく認識とが並行して実行され、双方に対してスコア付けして総合的に評価することで実現されてよい。これによって、自動運転の信頼性が担保される。行動計画生成部１６０と第２制御部１８０とを合わせたものが、「運転制御部」の一例である。

認識部１３０は、例えば、自車位置認識部１３２と、物***置認識部１３４と、交通参加者監視部１４０とを備える。物***置認識部１３４と交通参加者監視部１４０とを合わせたものが、「将来行動推定装置」の一例である。

自車位置認識部１３２は、カメラ１０、レーダ装置１２、およびＬＩＤＡＲ１４から物体認識装置１６を介して入力された情報に基づいて、自車両Ｍが走行している車線（走行車線）と、走行車線に対する自車両Ｍの位置とを認識する。例えば、自車位置認識部１３２は、第２地図情報６２から得られる道路区画線のパターン（例えば実線と破線の配列）と、カメラ１０によって撮像された画像から認識される自車両Ｍの周辺の道路区画線のパターンとを比較することで、走行車線を認識する。なお、自車位置認識部１３２は、道路区画線に限らず、道路区画線や路肩、縁石、中央分離帯、ガードレールなどを含む走路境界（道路境界）を認識することで、走行車線を認識してもよい。この認識において、ナビゲーション装置５０から取得される自車両Ｍの位置やＩＮＳによる処理結果が加味されてもよい。

自車位置認識部１３２は、走行車線に対する自車両Ｍの位置や姿勢を認識する。自車位置認識部１３２は、例えば、自車両Ｍの基準点（例えば重心や後輪軸中心など）の走行車線の中央部からの乖離、および自車両Ｍの進行方向が、走行車線の中央部を連ねた線に対してなす角度を、走行車線に対する自車両Ｍの相対位置および姿勢として認識してもよい。これに代えて、自車位置認識部１３２は、走行車線のいずれかの側端部（道路区画線または道路境界）に対する自車両Ｍの基準点の位置などを、走行車線に対する自車両Ｍの相対位置として認識してもよい。

物***置認識部１３４は、カメラ１０、レーダ装置１２、およびＬＩＤＡＲ１４から物体認識装置１６を介して入力された情報に基づいて、カルマンフィルタなどの処理を行うことで、自車両Ｍの周辺にある物体の位置、種類、速度、加速度等を認識する。物体の位置は、例えば、自車両Ｍの代表点（重心や駆動軸中心など）を原点とした絶対座標上の位置として認識され、制御に使用される。物体の位置は、その物体の重心やコーナー等の代表点で表されてもよいし、表現された領域で表されてもよい。物体の「状態」とは、物体の加速度やジャーク、あるいは「行動状態」（例えば車線変更をしている、またはしようとしているか否か）を含んでもよい。物体の種類とは、歩行者、自転車、車両、障害物といったものに分類される。物体のうち、歩行者、或いは歩行者と自転車を含めたものを「交通参加者」と称する。従って、物***置認識部１３４は、交通参加者を含む物体の位置などを認識するものである。

交通参加者監視部１４０は、物体認識部により認識された交通参加者の行動を監視する。交通参加者監視部１４０の構成および動作については後述する。

行動計画生成部１６０は、原則的には推奨車線決定部６１により決定された推奨車線を走行し、更に、自車両Ｍの周辺状況に対応できるように、自車両Ｍが自動的に（運転者の操作に依らずに）将来走行する目標軌道を生成する。「自車両Ｍの周辺状況に対応できるように」とは、交通参加者の将来の位置に対してなるべく接近しないうように目標軌道を生成することを含む。目標軌道は、例えば、速度要素を含む。例えば、目標軌道は、自車両Ｍの到達すべき地点（軌道点）を順に並べたものとして表現される。軌道点は、道なり距離で所定の走行距離（例えば数［ｍ］程度）ごとの自車両Ｍの到達すべき地点であり、それとは別に、所定のサンプリング時間（例えば０コンマ数［ｓｅｃ］程度）ごとの目標速度および目標加速度が、目標軌道の一部として生成される。また、軌道点は、所定のサンプリング時間ごとの、そのサンプリング時刻における自車両Ｍの到達すべき位置であってもよい。この場合、目標速度や目標加速度の情報は軌道点の間隔で表現される。

第２制御部１８０は、行動計画生成部１６０によって生成された目標軌道を、予定の時刻通りに自車両Ｍが通過するように、走行駆動力出力装置２００、ブレーキ装置２１０、およびステアリング装置２２０を制御する。

第２制御部１８０は、例えば、取得部１８２と、速度制御部１８４と、操舵制御部１８６とを備える。取得部１８２は、行動計画生成部１６０により生成された目標軌道（軌道点）の情報を取得し、メモリ（不図示）に記憶させる。速度制御部１８４は、メモリに記憶された目標軌道に付随する速度要素に基づいて、走行駆動力出力装置２００またはブレーキ装置２１０を制御する。操舵制御部１８６は、メモリに記憶された目標軌道の曲がり具合に応じて、ステアリング装置２２０を制御する。速度制御部１８４および操舵制御部１８６の処理は、例えば、フィードフォワード制御とフィードバック制御との組み合わせにより実現される。一例として、操舵制御部１８６は、自車両Ｍの前方の道路の曲率に応じたフィードフォワード制御と、目標軌道からの乖離に基づくフィードバック制御とを組み合わせて実行する。

走行駆動力出力装置２００は、車両が走行するための走行駆動力（トルク）を駆動輪に出力する。走行駆動力出力装置２００は、例えば、内燃機関、電動機、および変速機などの組み合わせと、これらを制御するＥＣＵ（Electronic Control Unit）とを備える。ＥＣＵは、第２制御部１８０から入力される情報、或いは運転操作子８０から入力される情報に従って、上記の構成を制御する。

ブレーキ装置２１０は、例えば、ブレーキキャリパーと、ブレーキキャリパーに油圧を伝達するシリンダと、シリンダに油圧を発生させる電動モータと、ブレーキＥＣＵとを備える。ブレーキＥＣＵは、第２制御部１８０から入力される情報、或いは運転操作子８０から入力される情報に従って電動モータを制御し、制動操作に応じたブレーキトルクが各車輪に出力されるようにする。ブレーキ装置２１０は、運転操作子８０に含まれるブレーキペダルの操作によって発生させた油圧を、マスターシリンダを介してシリンダに伝達する機構をバックアップとして備えてよい。なお、ブレーキ装置２１０は、上記説明した構成に限らず、第２制御部１８０から入力される情報に従ってアクチュエータを制御して、マスターシリンダの油圧をシリンダに伝達する電子制御式油圧ブレーキ装置であってもよい。

ステアリング装置２２０は、例えば、ステアリングＥＣＵと、電動モータとを備える。電動モータは、例えば、ラックアンドピニオン機構に力を作用させて転舵輪の向きを変更する。ステアリングＥＣＵは、第２制御部１８０から入力される情報、或いは運転操作子８０から入力される情報に従って、電動モータを駆動し、転舵輪の向きを変更させる。

［将来行動の推定］
以下、交通参加者監視部１４０による処理の内容について説明する。図３は、交通参加者監視部１４０が認識する自車両Ｍの周囲の状況を模式的に示す図である。図示するように、交通参加者監視部１４０が認識する自車両Ｍの周囲の状況には、例えば、歩道ＳＷ、車道ＲＷ、横断歩道ＣＲ、建物ＦＣ（具体的にはその壁面、入口など）、障害物ＯＢなどが存在する。交通参加者監視部１４０は、それらが地上座標系などの座標系に占める範囲を認識する。また、交通参加者監視部１４０は、物***置認識部１３４の認識結果に基づいて、複数の交通参加者ＴＰの位置を時系列で認識する。交通参加者監視部１４０は、これらの認識の結果に基づいて以下に説明する処理を行う。

交通参加者監視部１４０は、例えば、仮ゴール決定部１４２と、希望速度推定部１４４と、力推定部１４６と、シミュレート部１４８とを備える。

仮ゴール決定部１４２は、複数の交通参加者ＴＰのそれぞれが将来に到達しようとする目的地である仮ゴールを決定する。仮ゴールの設定は、時間の経過と共に繰り返し行われる。仮ゴールはやがて、本ゴールに近づいていくものである。仮ゴールは、第１期間Ｔ１（例えば４［ｓｅｃ］）後に到達すると予測される地点である。仮ゴールは、各予測ステップにおいて更新される。

仮ゴール決定部１４２は、例えば、仮ゴール候補設定部１４２Ａと、仮ゴール選択部１４２Ｂとを備える。

仮ゴール候補設定部１４２Ａは、現在から第２期間Ｔ２（例えば２［ｓｅｃ］）遡った時点からの交通参加者ＴＰの位置の履歴と、カメラ１０、レーダ装置１２、およびＬＩＤＡＲ１４から物体認識装置１６を介して入力された情報や地図情報に基づいて認識される道路構造に関する情報とに基づいて、ｍ−１個の仮ゴール候補Ｇｐｃ（ｐ）（ｐ＝１〜ｍ−１）を設定する。例えば、仮ゴール候補設定部１４２Ａは、（１）交通参加者ＴＰが歩道ＳＷを移動し続ける、（２）交通参加者ＴＰが横断歩道ＣＲを渡る、（３）交通参加者ＴＰが最寄りの施設ＦＣに向かう、といった予め想定されているシナリオに基づいて仮ゴール候補Ｇｐｃ（ｋ）を決定する。例えば、仮ゴール候補設定部１４２Ａは、離散的選択モデル（各選択には一時的な目標の選択が含まれている）に基づいて仮ゴール候補Ｇｐｃ（ｋ）を決定する。この離散的選択モデルは、自車両Ｍが交差点にいる、横断歩道がある、商店街にいる、といった内容で分類される運転シーンに基づいて、あらかじめ決められた可能性のある選択のセット（一時的な目標の候補）を定義するものである。仮ゴール候補設定部１４２Ａは、物***置認識部１３４により認識された歩道、横断歩道、交差点などの存在と、ＭＰＵ６０によって認識されるフリーウェイや商店街等の位置とに基づいて、どの離散集合（シナリオ）を選択するかを決定する。図の例では、仮ゴール候補設定部１４２Ａは、（１）のシナリオに基づいて、交通参加者ＴＰの現在の移動方向の先である歩道ＳＷの一地点を仮ゴール候補Ｇｐｃ（１）とし、（２）のシナリオに基づいて、交通参加者ＴＰが存在する側と反対側の歩道ＳＷと横断歩道ＣＲの交点を仮ゴール候補Ｇｐｃ（２）とし、（３）のシナリオに基づいて、施設ＦＣの入口を仮ゴール候補Ｇｐｃ（３）とする。なお、交通参加者ＴＰが現に横断歩道ＣＲを渡っている場合、シナリオとして上記（２）または（４）引き返す、の２つが選択されてよい。

更に、仮ゴール候補設定部１４２Ａは、物***置認識部１３４におけるカルマンフィルタ処理の予測結果を外挿して、交通参加者が現在の移動方向を継続すると仮定して、他の仮ゴール候補Ｇｐｃ（ｍ）を設定する。これによって、仮ゴール候補設定部１４２Ａは、計ｍ個の仮ゴール候補Ｇｐｃ（ｐ）を設定する。

仮ゴール選択部１４２Ｂは、交通参加者ＴＰの意図する移動方向θを計算し、移動方向θを用いて参照ゴール位置Ｇｒｅｆを求める。移動方向θは、式（１）によって求められる。式中、ｗ１、ｗ２、ｗ３、ｗ４は係数である。これらの係数は固定値であってもよいし、随時、機械学習などによって更新されてもよい。例えば、仮ゴール選択部１４２Ｂは、カメラ１０により撮像された画像を、上体の向きおよび顔向きを導出する学習済みモデルに入力することで、上体の向きおよび顔向きの情報を取得する。これに代えて、仮ゴール選択部１４２Ｂは、カメラ１０により撮像された画像に対して何らかのルールベースの処理を行うことで、上体の向きおよび顔向きの情報を取得してもよい。例えば、仮ゴール選択部１４２Ｂは、鼻梁などの特徴箇所が顔領域に占める位置の偏りと、黒目の位置等に基づく視線の向きとを入力パラメータとする演算を行って、顔向きを計算してもよい。認識速度ベクトルは、物***置認識部１３４により認識される情報である。道路構造による影響は、例えば、上体の向き、顔向き、および認識速度ベクトルが横断歩道や歩道から逸脱する方向に向かっているような場合に、その成分を打ち消すための補正項である。

移動方向θ＝ｗ１×（上体の向き）＋ｗ２×（顔向き）＋ｗ３×（認識速度ベクトル）＋ｗ４×（道路構造による影響） …（１）

上記に代えて、仮ゴール選択部１４２Ｂは、上体の向き、顔向き、認識速度ベクトル、道路構造による影響などを入力すると、移動方向θを出力するモデルに対して、上体の向き、顔向き、認識速度ベクトル、道路構造による影響などを入力することで、移動方向θを取得してもよい。

仮ゴール選択部１４２Ｂは、移動方向θに向かって所定の速度で第１期間Ｔ１の間、交通参加者ＴＰが移動すると仮定して参照ゴール位置Ｇｒｅｆを求める。例えば、所定サイクル（例えば２サイクル）前に取得された交通参加者ＴＰの速度が所定速度として使用される。そして、仮ゴール選択部１４２Ｂは、それぞれの仮ゴール候補Ｇｐｃ（ｐ）を移動シミュレーションモデルに入力し、将来の第１期間Ｔ１の間の複数時点における交通参加者ＴＰの推定位置を求める。移動シミュレーションモデルとは、例えば、後述するシミュレート部１４８が実行するシミュレーションに使用されるモデルと同じものである。そして、仮ゴール選択部１４２Ｂは、交通参加者ＴＰの現在の位置から参照ゴール位置Ｇｒｅｆまでを直線あるいは道路構造に応じた曲線、折れ線などで結んだ基準線と、仮ゴール候補Ｇｐｃ（ｐ）ごとの複数時点における交通参加者ＴＰの推定位置とを比較し、乖離が最も小さかった仮ゴール候補Ｇｐｃ（ｐ）を、仮ゴールＧｐに決定する。図４は、仮ゴール選択部１４２Ｂによる処理の内容について説明するための図である。例えば、仮ゴール選択部１４２Ｂは、基準線と、仮ゴール候補Ｇｐｃ（ｐ）ごとに計算した複数時点（例えば１〜ｕ）における交通参加者ＴＰの推定位置Ｐ_１〜Ｐ_ｕとの距離を二乗した値の合計（二乗和）Σ_ｑ＝１ ^ｕｄ_ｑが最も小さかった仮ゴール候補Ｇｐｃ（ｐ）を、仮ゴールＧｐに決定する。

上記に代えて、仮ゴール決定部１４２は、自車両Ｍの周辺状況をコンテキスト情報として用い、ＳＶＭ（Support Vector Machine）モデルや多変量回帰分析の手法によるモデルを用いて、交通参加者ＴＰの仮ゴールＧｐを決定してもよい。このモデルは、実際の交通局面で収集された交通参加者ＴＰの行動に基づいて学習される。コンテキスト情報とは、例えば、横断歩道と交通参加者ＴＰとの距離、道路構造物の影響、車両との位置関係、交通参加者ＴＰの頭部の動きなどである。

希望速度推定部１４４は、交通参加者ＴＰの過去の位置の履歴を用いて、交通参加者ＴＰｉの希望速度ベクトル→ｖｉ０を推定する。以下、「→」はベクトルを示すものとする。また、物***置認識部１３４が認識しているｉ番目の交通参加者ＴＰを交通参加者ＴＰｉと称する。ｉは交通参加者ＴＰの識別情報である。希望速度の大きさｖｉ０を求めるため、希望速度推定部１４４は、過去の第３期間Ｔ３（例えば２［ｓｅｃ］）分の複数のステップにおける速度の重み付き移動平均を求める。図５は、希望速度推定部１４４による処理について説明するための図である。希望速度推定部１４４は、例えば、第３期間Ｔ３の終端に近い（現在に近い）第４期間Ｔ４（例えば０．５［ｓｅｃ］）の重みを、それ以外の期間に比して大きくしてもよい。希望速度推定部１４４は、希望速度ベクトル→ｖｉ０の方向を、交通参加者ＴＰｉの現在の位置から仮ゴールＧＰｉに向かう方向とする。

力推定部１４６は、複数の交通参加者ＴＰのそれぞれに作用する仮想的な力を、複数の交通参加者ＴＰの周辺環境に基づいて推定する。力推定部１４６は、例えば、交通参加者ＴＰごとに、自身から受ける力、互いに作用を及ぼす力、および物体から及ぼされる力を推定する。なお、これらの力は推定対象となる仮想的な力である。力推定部１４６は、自発力Ｆ１ｉ、社会力Ｆ２ｉ、物理力Ｆ３ｉをそれぞれ推定し、それらを合計して交通参加者ＴＰｉに作用する力（以下、「仮想的な」を省略する）を求める。以下、数式を用いて力推定部１４６が行う演算、処理の内容を説明する。式（２）は、力推定部１４６が交通参加者ＴＰについて計算する力を示すものである。式（２）において、ベクトルを示す「→」を省略している。式中、ｋは交通参加者ＴＰｉ以外の交通参加者ＴＰと、車両、障害物、壁、横断状態（車道を横断中であるという事実）、歩道境界を含むものであり（以下、これらを影響因子と称する）、ｎ個存在するものとしている。力推定部１４６は、交通参加者ＴＰｉに力を及ぼす影響因子は交通参加者ＴＰｉの正面方向を中心とした扇形の範囲に存在する影響因子に限定され、範囲から外れる影響因子は力を及ぼさないものとして以下の計算を行う。式（２）におけるＦ^motivationは自発力であり、Ｆ^pedestrianは影響因子である歩行者から及ぼされる力であり、Ｆ^vehicleは影響因子である車両から及ぼされる力であり、Ｆ^obstacleは影響因子である障害物から及ぼされる力であり、Ｆ^wallは影響因子である壁から及ぼされる力であり、Ｆ^crosswalkは影響因子である横断状態から及ぼされる力であり、Ｆ^sidewalkは影響因子である歩道境界から及ぼされる力である。

自発力Ｆ１ｉは、交通参加者ＴＰｉが希望速度で移動するために交通参加者ＴＰｉが自分自身に対して作用させる力である。力推定部１４６は、希望速度ベクトル→ｖｉ０に基づいて自発力Ｆ１ｉを算出する。自発力Ｆ１ｉは、希望速度ベクトル→ｖｉ０で移動しようとする結果、交通参加者ＴＰｉが加減速することを力の次元で表したものである。自発力→Ｆ１ｉは、例えば式（３）で表される。式中、→ｖｉは、交通参加者ＴＰｉの現在の速度ベクトルであり、τは、速度ベクトル→ｖｉを希望速度ベクトル→ｖｉ０に合わせるのに要する時間である。

Ｆ１（Ｆ^motivation）＝（１／τ）・（→ｖｉ０−→ｖｉ） …（３）

社会力Ｆ２ｉと物理力Ｆ３ｉのそれぞれは、影響因子から及ぼされる反発力、圧迫力、摩擦力の３成分の和（あるいは加重和）を求めることで推定される。

式（２）のうちＦ_k ^pedestrianは、ｋ番目の影響因子である歩行者から及ぼされる力でありＦ_k ^wallは、ｋ番目の影響因子である壁から及ぼされる力であり、Ｆ_k ^obstacleはｋ番目の影響因子である障害物から及ぼされる力である。これらは、式（４）で表される。式中、repulsionが反発力、compressionが圧迫力、frictionが摩擦力をそれぞれ表している。

Ｆ_k ^pedestrianの各項は、式（５）で表される。式中、Aped、Bped、Cped、Kpedは、実験等により得られた適合値である。ｒ_ｉｋは、交通参加者ＴＰｉと影響因子ｋとのそれぞれに対して予め設定される私的空間の半径の和である。私的空間とは、その中に他者が入り込むのを回避するように交通参加者ＴＰが振る舞う空間である。影響因子が交通参加者でない場合、疑似的に私的空間が設定される。ｄ_ｉｋは、交通参加者ＴＰｉと影響因子ｋとの間のユークリッド距離である。ｎ_ｉｋは式（６）で表され、ｔ_ｉｋは式（７）で表される。式（７）における（１）はｘ要素を、（２）はｙ要素をそれぞれ示す。Φは、交通参加者ＴＰｉと影響因子ｋの移動方向（速度ベクトルの方向）の差分の角度である。また、ｄｖ_ｉｋは交通参加者ＴＰｉの速度ベクトルと影響因子ｋの速度ベクトルとの差分ベクトルである。Ｆ_k ^pedestrianの各項は、マイナスになる場合はゼロに置換されてよい。Bpedは、Ｅｘｐ関数によって生成される力のマグニチュードの係数である。まず、各要素の社会力によって生成される力の最小値・最大値を定め、Bpedを調整することにより、ｒ_ｉｋ−ｄ_ｉｋの変化に対する社会力の変化率をコントロールすることができる。なお式（８）、（９）においてもBpedは同様に作用する。

式（５）におけるApedに関して、力推定部１４６は、交通参加者ＴＰｉと影響因子ｋ（この場合は他の交通参加者）がグループを形成しているか否かを予め推定しておき、同じグループに属すると推定される交通参加者の間では、同じグループに属すると推定されない交通参加者の間に比して、値を小さくしてもよい（ゼロ近辺、或いはマイナスにしてもよい）。グループを形成している交通参加者同士は、距離が一定の距離以内である状態を維持して移動することが多いからである。力推定部１４６は、二人の交通参加者の過去の一定期間における位置が所定範囲内に収まり、且つ一定期間における移動方向（速度ベクトルの方向）の差が閾値未満である場合に、その二人の交通参加者はグループを形成していると推定する、三人以上の場合も同様に、波及的に推定を行ってよい。

自転車に関しては、歩行者として扱い、Ｆ_k ^pedestrianに含めてよい。但し、私的空間の半径を歩行者の１．５倍とする。

Ｆ_k ^obstacleの各項は、式（８）で表される。式中、Aobs、Cobs、Kobsは、実験等により得られた適合値である。Ｆ_k ^obstacleの各項は、マイナスになる場合はゼロに置換されてよい。

Ｆ_k ^wallの各項は、式（９）で表される。式中、Awall、Cwall、Kwallは、実験等により得られた適合値である。Ｆ_k ^wallの各項は、マイナスになる場合はゼロに置換されてよい。壁についてのｎ_ｉｋやｔ_ｉｋを求める際に、力推定部１４６は、例えば、外挿によって求められる交通参加者ＴＰｉの移動先と交差する点を基準とすればよい。

Ｆ_k ^sidewalkは、ｋ番目の影響因子である壁から及ぼされる力である。Ｆ_k ^sidewalkは、式（１０）で表される。式中、Ｋ_ｓｉｄｅは、実験等により得られた適合値である。ｎ_ｓｋは、交通参加者ＴＰｉを歩道内に収めるために移動すべき方向の単位ベクトルである。ｄ_{ｓａｆｅ＿ｓ}は、歩道の境界が縁石やガードレールなどの物理的な境界で示されていない場合に設定されるクリアランス分の距離である。Ｆ_k ^crossswalkは、ｋ番目の影響因子である横断状態から及ぼされる力である。Ｆ_k ^crossswalkは、式（１１）で表される。式中、Ｋ_{ｃｒｏｓｓ}は、実験等により得られた適合値である。ｎ_ｃｋは、交通参加者ＴＰｉの位置から近い方の歩道に向かう単位ベクトルである。ｄ_{ｓａｆｅ＿ｃ}は、横断歩道の境界が縁石やガードレールなどの物理的な境界で示されていない場合に設定されるクリアランス分の距離である。Ｆ_k ^vehicleは、ｋ番目の影響因子である車両から及ぼされる力である。Ｆ_k ^vehicleは、式（１２）で表される。但し、式（１２）が適用されるのは移動している車両であり、駐車または停車している車両は障害物として扱われ、式（８）が適用される。式中、ｎ_ｋｃａｒは、交通参加者ＴＰｉが車道に居る場合に、交通参加者の位置から近い方の歩道に向かう単位ベクトルである。ＴＴＣは、time to collsion すなわち交通参加者の位置を車道に射影した位置と車両の位置との間で計算した衝突時間である。ｈはＴＴＣを正規化するためのパラメータであり、想定されるＴＴＣの最大値に設定される。ｈはデータ解析とシミュレーションを繰り返すことによって実験的に求められるパラメータ（ユーザ設定パラメータ）である。

このようにして仮ゴールＧｐ、希望速度→ｖｉ０、および各種の力が求められると、シミュレート部１４８が、物***置認識部１３４が認識している全ての交通参加者および車両について、仮ゴールＧｐ、希望速度→ｖｉ０、および各種の力を移動モデルに入力することで、将来の第１期間Ｔ１の間の複数ステップ（時点）における位置をシミュレーションによって求める。第２期間Ｔ２の間、仮ゴールＧｐおよび希望速度→ｖｉ０は固定される。第２期間Ｔ２が経過すると、シミュレート部１４８は、仮ゴール候補設定部１４２Ａおよび仮ゴール選択部１４２Ｂと同様に仮ゴールＧｐを選択し、仮ゴールＧｐに向かって移動する前提で交通参加者の移動をシミュレートする。このシミュレーションにおいて交通参加者は、何ら力が作用しなければ最短経路で仮ゴールＧｐに向かって移動し、力が作用している場合は、例えば、仮ゴールＧｐに向かう方向と力の方向とを、力の大きさに応じた比率で合成した方向に向かって移動する。すなわち、シミュレート部１４８は、複数の交通参加者のそれぞれの将来の行動を推定するために、移動モデルを用いて、複数の交通参加者のそれぞれが仮ゴール決定部１４２により決定された仮ゴールＧｐに向かう移動過程をシミュレートする。移動モデルは、例えば非特許文献２に記載のヒューマンロコモーションモデルである。これに限らず、移動モデルは、上記の入力情報に基づいて将来の複数時点における位置をシミュレーションによって推定するものであれば、任意のモデルであってよい。この際に、シミュレート部１４８は、他者の接近による力の作用する方向をそのまま交通参加者に作用させるのではなく、ローカルフレームの力に変換して演算を行ってもよい。図６は、ローカルフレームの力を求める処理について説明するための図である。図中、→ｖｉは交通参加者ＴＰｉの速度ベクトルであり、→ｖｋは影響因子ｋの速度ベクトルであり、→Ｆ_ｋは影響因子ｋが交通参加者ＴＰｉに及ぼす力である。この場合、→ｖｉと→Ｆ_ｋが略反対方向を向いているため、シミュレート部１４８は、力→Ｆ_ｋをそのまま交通参加者ＴＰｉに作用させるのではなく、力→Ｆ_ｋに対して回り込む方向（例えば図中、→Ｆｋ＊）に修正してもよい。こうすれば、交通参加者が不自然に行ったり来たりするようなシミュレーション結果が出るのを抑制することができる。

図７は、自動運転制御装置１００により実行される処理の流れの一例を示すフローチャートである。本フローチャートでは、交通参加者の将来行動予測の部分に着目し、自車位置認識などの処理について説明を省略する。

まず、物***置認識部１３４が、交通参加者を含む物体の位置を認識する（ステップＳ１００）。

次に、仮ゴール決定部１４２および希望速度推定部１４４が、ステップＳ１０２〜Ｓ１０８の処理を交通参加者ごとに実行する（ステップＳ１０２）。まず、仮ゴール候補設定部１４２Ａが仮ゴール候補Ｇｐｃ（ｐ）を設定し、仮ゴール選択部１４２Ｂが仮ゴール候補Ｇｐｃ（ｐ）ごとにシミュレーションを実施する（ステップＳ１０４）。仮ゴール選択部１４２Ｂは、参照ゴール位置Ｇｒｅｆまでの経路との乖離の最も小さかったＧｐｃ（ｐ）を仮ゴールとして選択する（ステップＳ１０６）。また、希望速度推定部１４４が希望速度を推定する（ステップＳ１０８）。

次に、力推定部１４６が、ステップＳ１００で認識された現在位置、または次のステップＳ１１２で求められた将来位置に基づいて、交通参加者ごとに作用する力を推定する（ステップＳ１１０）。シミュレート部１４８は、移動モデルを用いて仮ゴールＧｐおよび力に基づくシミュレートを行い、１サイクル後の交通参加者の将来位置を求める（ステップＳ１１２）。交通参加者監視部１４０は、ステップＳ１１０およびＳ１１２の処理を所定サイクル数、実行したか否かを判定する（ステップＳ１１４）。所定サイクル数、実行していないと判定された場合、ステップＳ１１０に処理が戻される。所定サイクル数、実行したと判定された場合、行動計画生成部１６０が、交通参加者等の現在位置および将来位置に基づいて車両制御を行う（ステップＳ１１６）。例えば、行動計画生成部１６０は、自車両Ｍの将来の行動を決定する際に、将来の時点における交通参加者等の位置を中心としたリスク領域を設定し、リスク領域への接近を抑制した目標軌道を生成する。

［ハードウェア構成］
図８は、実施形態の自動運転制御装置１００のハードウェア構成の一例を示す図である。図示するように、自動運転制御装置１００は、通信コントローラ１００−１、ＣＰＵ１００−２、ワーキングメモリとして使用されるＲＡＭ（Random Access Memory）１００−３、ブートプログラムなどを格納するＲＯＭ（Read Only Memory）１００−４、フラッシュメモリやＨＤＤ（Hard Disk Drive）などの記憶装置１００−５、ドライブ装置１００−６などが、内部バスあるいは専用通信線によって相互に接続された構成となっている。通信コントローラ１００−１は、自動運転制御装置１００以外の構成要素との通信を行う。記憶装置１００−５には、ＣＰＵ１００−２が実行するプログラム１００−５ａが格納されている。このプログラムは、ＤＭＡ（Direct Memory Access）コントローラ（不図示）などによってＲＡＭ１００−３に展開されて、ＣＰＵ１００−２によって実行される。これによって、認識部１３０、行動計画生成部１６０、第２制御部１８０のうち一部または全部が実現される。

以上説明した実施形態によれば、複数の交通参加者の位置を認識する物***置認識部（１３４）と、物***置認識部の認識結果に基づいて、複数の交通参加者のそれぞれが将来に到達しようとする仮ゴールを決定する仮ゴール決定部（１４２）と、複数の交通参加者のそれぞれの将来の行動を推定するために、移動モデルを用いて、複数の交通参加者のそれぞれが仮ゴール決定部により決定された仮ゴールに向かう移動過程をシミュレートするシミュレート部（１４８）と、を備えることにより、実際の交通場面に即した予測を行うことができる。

上記説明した実施形態は、以下のように表現することができる。
プログラムを記憶した記憶装置と、
ハードウェアプロセッサと、を備え、
前記ハードウェアプロセッサが前記記憶装置に記憶されたプログラムを実行することにより、
複数の交通参加者の位置を認識し、
前記認識の結果に基づいて、前記複数の交通参加者のそれぞれが将来に到達しようとする仮ゴールを決定し、
前記複数の交通参加者のそれぞれの将来の行動を推定するために、移動モデルを用いて、前記複数の交通参加者のそれぞれが前記仮ゴール決定部により決定された仮ゴールに向かう移動過程をシミュレートする、
ように構成されている、将来行動推定装置。

以上、本発明を実施するための形態について実施形態を用いて説明したが、本発明はこうした実施形態に何等限定されるものではなく、本発明の要旨を逸脱しない範囲内において種々の変形及び置換を加えることができる。

１ 車両システム
１０ カメラ
１２ レーダ装置
１４ ＬＩＤＡＲ
１６ 物体認識装置
１００ 自動運転制御装置
１２０ 第１制御部
１３０ 認識部
１３２ 自車位置認識部
１３４ 物***置認識部
１４０ 交通参加者監視部
１４２ 仮ゴール決定部
１４２Ａ 仮ゴール候補設定部
１４２Ｂ 仮ゴール選択部
１４４ 希望速度推定部
１４６ 力推定部
１４８ シミュレート部
１６０ 行動計画生成部
１８０ 第２制御部

Claims (9)

1. 複数の交通参加者の位置を認識する物***置認識部と、
   前記物***置認識部の認識結果に基づいて、前記複数の交通参加者のそれぞれが将来に到達しようとする仮ゴールを決定する仮ゴール決定部と、
   前記複数の交通参加者のそれぞれの将来の行動を推定するために、移動モデルを用いて、前記複数の交通参加者のそれぞれが前記仮ゴール決定部により決定された仮ゴールに向かう移動過程をシミュレートするシミュレート部と、
   を備える将来行動推定装置。
2. 前記仮ゴール決定部は、前記複数の交通参加者のそれぞれについて、
   前記物***置認識部により認識された前記複数の交通参加者の位置の履歴と、道路構造を示す情報とに基づいて、複数の仮ゴール候補を設定し、
   前記交通参加者が前記複数の仮ゴール候補のそれぞれに向かうシミュレーションを行った結果と、前記交通参加者の姿勢に基づく移動方向との乖離を求め、乖離が最も小さかった仮ゴール候補を、前記仮ゴールとして決定する、
   請求項１記載の将来行動推定装置。
3. 前記移動モデルは、前記複数の交通参加者のそれぞれに作用する仮想的な力を反映させて、将来の各ステップにおける前記交通参加者の移動過程をシミュレートするものであり、
   前記複数の交通参加者の周辺環境に基づいて前記仮想的な力を推定する力推定部を更に備える、
   請求項１または２記載の将来行動推定装置。
4. 前記力推定部は、前記複数の交通参加者のそれぞれに前記仮想的な力を及ぼす影響因子は、それぞれの交通参加者の正面方向を中心とした扇形の範囲に存在する影響因子に限定され、範囲から外れる影響因子は力を及ぼさないものとして、前記仮想的な力を推定する、
   請求項３記載の将来行動推定装置。
5. 前記力推定部が推定する仮想的な力は、前記交通参加者自身が希望速度で移動しようとして加減速するための力を含み、
   前記交通参加者の過去の位置の履歴に基づいて前記希望速度を推定する希望速度推定部を更に備える、
   請求項３または４記載の将来行動推定装置。
6. 前記力推定部が推定する仮想的な力は、前記交通参加者の間で互いに反発し合う力を含み、
   前記力推定部は、前記複数の交通参加者のうちグループを形成している交通参加者を推定し、同じグループに属すると推定される交通参加者の間では、前記互いに反発し合う力を、同じグループに属すると推定されない交通参加者の間に比して小さくする、
   請求項３から５のうちいずれか１項記載の将来行動推定装置。
7. 請求項１から６のうちいずれか１項記載の将来行動推定装置と、
   前記将来行動推定装置により推定される前記複数の交通参加者のそれぞれの将来の行動に基づいて、車両の走行制御を行う運転制御部と、
   を備える車両制御装置。
8. コンピュータを用いて実行される将来行動推定方法であって、
   複数の交通参加者の位置を認識することと、
   前記認識の結果に基づいて、前記複数の交通参加者のそれぞれが将来に到達しようとする仮ゴールを決定することと、
   前記複数の交通参加者のそれぞれの将来の行動を推定するために、移動モデルを用いて、前記複数の交通参加者のそれぞれが前記決定された仮ゴールに向かう移動過程をシミュレートすることと、
   を備える将来行動推定方法。
9. コンピュータに、
   複数の交通参加者の位置を認識することと、
   前記認識の結果に基づいて、前記複数の交通参加者のそれぞれが将来に到達しようとする仮ゴールを決定することと、
   前記複数の交通参加者のそれぞれの将来の行動を推定するために、移動モデルを用いて、前記複数の交通参加者のそれぞれが前記決定された仮ゴールに向かう移動過程をシミュレートすることと、
   を実行させるプログラム。

Images