JP3550717B2

JP3550717B2 - 車両走行位置推定装置

Info

Publication number: JP3550717B2
Application number: JP6612894A
Authority: JP
Inventors: 邦夫村上; 淳那須田
Original assignee: Denso Corp
Current assignee: Denso Corp
Priority date: 1994-04-04
Filing date: 1994-04-04
Publication date: 2004-08-04
Anticipated expiration: 2019-08-04
Also published as: JPH07280576A

Description

【０００１】
【産業上の利用分野】
本発明は車両走行位置推定装置に関し、特に走行軌跡と道路パターンデータとを比較して、現在位置を推定する車両走行位置推定装置に関する。
【０００２】
【従来の技術】
従来より、車両に搭載されたセンサからの検出信号に基づいて、車両の走行方向と走行距離とを求めて車両の位置を計算し、この計算位置に基づいて、表示された地図上に車両の位置を表示するものが知られている。しかし、走行距離検出手段や方位検出手段の検出値には若干の誤差が含まれるので、これらの検出値を積算して得られる車両の計算位置には誤差が生じる。これらの誤差は人工衛星を用いたＧＰＳシステムでも、人工衛星と車両との間に建物があったりした場合には測定データに誤差が生じる場合があった。
【０００３】
このような誤差を補正するために算出された車両軌跡と地図データの道路パターンとを、所定距離分比較して相関を求め、その一致度（近似度）により、近接しているいずれの道路を走行しているのかを推定する装置が知られており、例えば特開平２−１３８８１３号公報に開示されている。この装置では、更に、所定距離内で測定された複数データの信頼度を考慮して、時間の要因あるいは測定データの外乱要因に応じて重みづけした比較を行って精度を向上させている。
【０００４】
【発明が解決しようとする課題】
しかし、これらの従来技術では、道路パターンと走行軌跡との相関は、一定距離走行時点で、地図データの道路パターンとこの道路パターンの距離に対応する走行軌跡との形状の一致度を演算し、車両位置を決定する、いわゆるパターンマッチング方式が採用されていた。
【０００５】
パターンマッチングを常に一定距離にて比較していると、次のような不都合が生じた。即ち、高速道路などでは急なカーブは存在せず、緩いカーブのみであることから、上記一定距離がかなり長くないと道路間のパターンの差が僅少となり、接近して存在する複数の道路のいずれの道路を走行しているのか判断することが困難となった。
【０００６】
また、市街地走行等で、比較的急なカーブが多数存在する状況では、上記一定距離が長いと、パターンマッチングにおいて小さいカーブ等はほとんど無視されて比較されてしまうので、位置推定の誤差が大きくなり、特に走行位置の詳細かつ精密な決定が望まれる市街地走行で、無視できない位置の誤差が出てしまった。
【０００７】
本発明は、このような問題点を解決するものであり、道路の状況に適合させて、適切なパターンマッチングを可能とする車両走行位置推定装置を提供するものである。
【０００８】
【課題を解決するための手段】
請求項１記載の発明は、
車両の走行軌跡検出手段と、
車速検出手段と、
地図情報記憶手段と、
上記走行軌跡検出手段にて検出された走行軌跡と、上記地図情報記憶手段に記憶されている複数の道路パターンとを、所定距離単位で比較して、道路パターン毎に近似度を求める近似度検出手段と、
上記近似度検出手段により検出された近似度が最も高い道路パターンを現在走行道路と推定する判定手段と、
を備えた車両走行位置推定装置であって、
上記近似度検出手段が、複数種類の所定距離単位で近似度を求めると共に、上記判定手段が、その複数種類の所定距離単位毎に得られた近似度を、上記車速検出手段にて検出された車速に応じて重みづけして道路パターン毎に総合し、その近似度が最も高い道路パターンを現在走行道路と推定することを特徴とする車両走行位置推定装置である。
【０００９】
請求項２記載の発明は、
上記判定手段が、
車速が高くなるほど所定距離単位が長い方の近似度の重みづけを大きくするとともに所定距離単位が短い方の近似度の重みづけを小さくし、車速が低くなるほど所定距離単位が長い方の近似度の重みづけを小さくするとともに所定距離単位が短い方の近似度の重みづけを大きくする請求項１記載の車両走行位置推定装置である。
【００１０】
請求項３記載の発明は、
車両の走行軌跡検出手段と、
道路カーブ検出手段と、
地図情報記憶手段と、
上記走行軌跡検出手段にて検出された走行軌跡と、上記地図情報記憶手段に記憶されている複数の道路パターンとを、所定距離単位で比較して、道路パターン毎に近似度を求める近似度検出手段と、
上記近似度検出手段により検出された近似度が最も高い道路パターンを現在走行道路と推定する判定手段と、
を備えた車両走行位置推定装置であって、
上記近似度検出手段が、複数種類の所定距離単位で近似度を求めると共に、上記判定手段が、その複数種類の所定距離単位毎に得られた近似度を、上記道路カーブ検出手段にて検出された所定カーブの出現頻度に応じて重みづけして道路パターン毎に総合し、その近似度が最も高い道路パターンを現在走行道路と推定することを特徴とする車両走行位置推定装置である。
【００１１】
請求項４記載の発明は、
上記判定手段が、
所定カーブの出現頻度が低くなるほど所定距離単位が長い方の近似度の重みづけを大きくするとともに所定距離単位が短い方の近似度の重みづけを小さくし、所定カーブの出現頻度が高くなるほど所定距離単位が長い方の近似度の重みづけを小さくするとともに所定距離単位が短い方の近似度の重みづけを大きくする請求項３記載の車両走行位置推定装置である。
【００１２】
請求項５記載の発明は、
車両の走行軌跡検出手段と、
車速検出手段と、
地図情報記憶手段と、
上記走行軌跡検出手段にて検出された走行軌跡と、上記地図情報記憶手段に記憶されている複数の道路パターンとを、所定距離単位で比較して、道路パターン毎に近似度を求める近似度検出手段と、
上記近似度検出手段により検出された近似度が最も高い道路パターンを現在走行道路と推定する判定手段と、
を備えた車両走行位置推定装置であって、
上記近似度検出手段が、上記車速検出手段にて検出された車速に応じて所定距離単位の長さを設定することを特徴とする車両走行位置推定装置である。
【００１３】
【作用及び発明の効果】
請求項１記載の発明において、現在走行道路の推定に用いる近似度のデータは、複数種類の所定距離単位毎に得られ車速に応じて重みづけされた近似度を道路パターン毎に総合したものである。尚、近似度とはそのパターン同士の形状が似ていることを示す尺度であり、本発明では道路パターンデータと実際に測定されている走行軌跡との似ている度合を示すものである。
【００１４】
高速道路では一般に車速が高く、市街地では一般に車速が低い。したがって車速に応じて、近似度を求めるべき所定距離の重みづけを決定すれば、道路の状況に適合させた適切なパターンマッチングが可能となる。
請求項２記載の発明は、この重みづけとして、車速が高くなるほど所定距離単位が長い方の近似度の重みづけを大きくするとともに所定距離単位が短い方の近似度の重みづけを小さくし、車速が低くなるほど所定距離単位が長い方の近似度の重みづけを小さくするとともに所定距離単位が短い方の近似度の重みづけを大きくしている。このことにより、高速道路などでは、パターンマッチングにて比較する距離が長くなるので、緩いカーブであっても走行軌跡とのパターンマッチングが正確にできる。したがって接近している複数の道路のいずれの道路を走行しているのかが正確に推定できる。また、市街地走行等では、比較的急なカーブが多数存在する状況で、パターンマッチングにて比較する距離が短くなるので、パターンマッチングにおいて小さいカーブ等も十分にパターンマッチングに反映され、一層正確に位置推定ができる。尚、高速状態ではパターンマッチングの距離が長いことによる検出上の位置ずれがあるが、高速走行時は市街地走行とは異なり、詳細な位置データは運転者には不要なので問題とならない。
【００１５】
請求項３記載の発明において、現在走行道路の推定に用いる近似度のデータは、複数種類の所定距離単位毎に得られ所定カーブの出現頻度に応じて重みづけされた近似度を道路パターン毎に総合したものである。
高速道路では一般にカーブが緩くかつ少なく、市街地ではそれに比較してカーブが急でかつ多い。したがって所定カーブの出現頻度に応じて、近似度を求めるべき所定距離の重みづけを設定すれば、道路の状況に適合させた適切なパターンマッチングが可能となる。請求項１，２の発明に比較して、直接道路の状況を捉えているので、一層現実に即した推定が可能である。
【００１６】
請求項４記載の発明は、この重みづけとして、所定カーブの出現頻度が低くなるほど所定距離単位が長い方の近似度の重みづけを大きくするとともに所定距離単位が短い方の近似度の重みづけを小さくし、所定カーブの出現頻度が高くなるほど所定距離単位が長い方の近似度の重みづけを小さくするとともに所定距離単位が短い方の近似度の重みづけを大きくすることにより、請求項２と同様な作用効果を生じると共に、請求項１，２の発明に比較して、直接道路の状況を捉えているので、一層現実に即した推定が可能である。
【００１７】
更に、請求項５記載の発明のごとく、完全に車速に応じて所定距離を切り替えるように重みづけを設定してもよく、上記請求項１と同様の作用効果を生じる。また同様に所定カーブの出現頻度に応じて完全に所定距離を切り替えていってもよく、上記請求項３と同様の作用効果を生じる。
【００１８】
【実施例】
以下本発明の実施例を図面に基づいて詳細に説明する。
図１は実施例１である車両走行位置表示装置の概略構成図である。車両には、車速センサ１と、方位センサ２とが積載されており、車速センサ１は、車両の走行速度を検出するものである。この走行速度を後述する電子制御回路２０により積分処理することによって、車両の走行距離が求められる構成となっている。方位センサ２は、車両の走行方位を検出するものであり、本実施例では、地磁気を検出して方位を得るものを用いている。但し、この方位センサ２としては、ジャイロコンパスによるものや、左右操舵輪の回転差などから得られる車両のステアリング角を累積して方位を求めるものなどでもよい。勿論、直接位置を検出する装置としてＧＰＳシステムを用いてもよい。
【００１９】
また、地図メモリ４を備えており、これはコンパクトディスク等の大容量の記憶装置で構成されている。この地図メモリ４には、例えば東京都や愛知県あるいは東海地方などの所定範囲の地図データが記憶されている。地図データは、道路形状、道路幅、道路名、建物、地名、地形などの地図を再生するためのデータである。このうち、道路形状のデータは、道路パターンデータとして、車両走行軌跡と比較され、走行位置を補正するために、地図データあるいは実測に基づいて作成されるデータである。
【００２０】
更に、コントロールスイッチ６が設けられており、これは、運転者が初期値を入力したり、表示される地図を選択したりするための各種スイッチで構成されている。
これらの車速センサ１、方位センサ２、地図メモリ４、コントロールスイッチ６は、各々電子制御回路２０に接続されている。この電子制御回路２０は、周知のＣＰＵ２２、制御用のプログラムやデータを予め格納するＲＯＭ２４、読み書き可能なＲＡＭ２６に、入出力回路２８がコモンバス３０を介して相互に接続されて構成されている。ＣＰＵ２２は、車速センサ１、方位センサ２、地図メモリ４、コントロールスイッチ６からの信号を入出力回路２８を介して入力し、これらの信号、ＲＯＭ２４、ＲＡＭ２６内のプログラムやデータ等に基づいて、入出力回路２８、ＣＲＴコントローラ３２を介してＣＲＴ３４に駆動信号を出力する。
【００２１】
このＣＲＴコントローラ３２は、ＣＲＴ３４の表示を制御し、電子制御回路２０から転送される地図データを、ＣＲＴ３４の画面に地図として再生すると共に、電子制御回路２０から転送される車両の計算位置を、現在表示中の地図上に表示する構成のものである。
【００２２】
尚、電子制御回路２０は、車両に搭載することなく、固定局に設けて、適宜の通信装置によってデータを送受信して車両位置を再現する構成のものでもよい。前記電子制御回路２０は、図示しない電源スイッチがオンされると、ＲＯＭ２４に予め設定されたプログラムに従って、ＣＰＵ２２が演算処理を実行開始する。
【００２３】
本実施例では、発進前に車両の乗員が、コントロールスイッチ６を操作して、ＣＲＴ３４に表示される地図を選択し、この地図上に自らの車両位置を初期位置として指示する。あるいは、これ以外にも、前回の車両の運転停止時の計算位置を不揮発性メモリに格納しておき、この位置を初期位置として設定してもよい。
【００２４】
そして、車両が走行を開始すると、車速センサ１から入力される走行速度を積分して得られる走行距離と、方位センサ２から得られる進行方位が検出される。車両がある距離走行して、検出された走行距離と走行方位とに基づいて計算された現在の計算位置が、ＣＲＴ３４の地図上に表示される。更に、この計算位置を蓄積して行くことにより車両の走行軌跡を求め、計算位置近傍の道路パターンデータと比較して、いずれの道路を走行しているかを求め、その位置を補正している。
【００２５】
次に、電子制御回路２０で行われるこの道路の決定処理について、図２に示すフローチャートによって説明する。尚、図示はしないが、別の処理により、車速センサ１から入力される走行速度を積分して得られる走行距離と方位センサ２から得られる進行方位とに基づき所定タイミングで現在位置が算出され、その現在位置が所定個蓄積されることにより、車両の走行軌跡も求められてる。
【００２６】
まず、処理が開始されると、既に求められいる走行軌跡がＲＡＭ２６の所定の作業領域に記憶される（ステップ１０１）。次に現在の車速も同じ作業領域に記憶される（ステップ１０３）。
次に、地図メモリ４から、上記走行軌跡の近傍（例えば車両の現在位置から所定半径内）の道路パターンデータを抽出し、更にその内から、車両の現在の進行方向に対して前方左右６０゜の方向に走っている道路パターンを候補道路パターンとして選択し、ＲＡＭ２６の作業領域に記憶する（ステップ１０４）。次にこの候補道路パターンデータと走行軌跡とを、短距離、中距離、長距離にわけて、その距離毎の相関値（ＲＥＲ＿Ｓ，ＲＥＲ＿Ｍ，ＲＥＲ＿Ｌ）を演算する（ステップ１０５）。これを候補道路パターン毎に行う。
【００２７】
短距離の場合は、候補道路パターンに車両位置から垂線を下ろしてその交点を起点として、例えば車両の２０ｍ走行毎に得られる２０ｍの走行軌跡を、４００ｍ分、即ち２０回分、候補道路パターンに対してパターンマッチングし、得られた２０個の相関値を平均して、ＲＥＲ＿Ｓとする。同様に中距離の場合は、車両の４０ｍ走行毎に得られる４０ｍの走行軌跡を、８００ｍ分、即ち２０回分、候補道路パターンに対してパターンマッチングし、得られた２０個の相関値を平均して、ＲＥＲ＿Ｍとする。同様に長距離の場合は、車両の８０ｍ走行毎に得られる８０ｍの走行軌跡を、１６００ｍ分、即ち２０回分、候補道路パターンに対してパターンマッチングし、得られた２０個の相関値を平均して、ＲＥＲ＿Ｌとする。
【００２８】
上記相関値は、例えば、走行軌跡と候補道路パターンとの方位のずれを所定間隔で一方の端点から他方の端点まで順次最小２乗法により演算して求める。また特開平２−１３８８１３号に示されているように、車両の走行軌跡と道路パターンとをそれぞれ単位長ベクトルを用いて折線近似した上でそれら折線近似されたパターンの各先頭が一致するように両者を重ね合わせたときに両者間のずれによって生じる面積の総和を相関値としてもよい。この場合は、値が大きいほど相関が低い、つまり近似していないことになる。
【００２９】
次にこうして求められた短距離の相関値ＲＥＲ＿Ｓ、中距離の相関値ＲＥＲ＿Ｍ、長距離の相関値ＲＥＲ＿Ｌに、車速により重みづけをおこなって総合的な相関値ＲＥＲを求める（ステップ１０７）。その計算式を次式（１）に示す。
【００３０】
【数１】

【００３１】
ここでα１，α２，α３は、重みづけ係数を表し、α１は短距離重みづけ係数、α２は中距離重みづけ係数、α３は長距離重みづけ係数である。これらは図３に示すごとく車速に応じて設定される。即ち、車速が１２（ｍ／ｓ）以下ではα１＝１，α２＝０，α３＝０である。車速１２→１８（ｍ／ｓ）ではα１は１→０へ、α２は０→１へ直線的に変化し、α３＝０である。車速１８→２４（ｍ／ｓ）ではα１＝０、α２は１→０へ直線的に変化し、α３は０→１へ直線的に変化する。車速２４（ｍ／ｓ）以上ではα１＝０，α２＝０，α３＝１である。即ち、複数種類の所定距離単位毎に得られた相関値（近似度に該当）を、上記車速検出手段にて検出された車速に応じて重みづけして総合したものを総合相関値ＲＥＲとして求めたことになる。
【００３２】
こうして、候補道路パターンデータ毎に、ＲＥＲが求められると、これらの内で、相関の高い（近似度の高い）道路パターンが選択される（ステップ１０９）。即ち総合相関値ＲＥＲの最も小さい道路パターンが最も相関の高い道路パターンであり、車両が現在走行している道路であるとして推定される。
【００３３】
こうして道路の決定処理が終了する。以後、ここで推定された道路パターンに基づいて、図示しない処理にて現在位置が補正される。
このように実施例１では、速度に応じて、パターンマッチングの距離を、車速が高いほど距離の長い方のパターンマッチングの相関値の重みづけを大きくするとともに距離の短い方のパターンマッチングの相関値の重みづけを小さくし、車速が低いほど距離の短い方のパターンマッチングの相関値の重みづけを大きくするとともに距離の長い方のパターンマッチングの相関値の重みづけを小さくしている。このため、高速道路などでは、パターンマッチングにて比較する距離が長くなるので、緩いカーブであっても走行軌跡とのパターンマッチングが正確にできる。したがって接近している複数の道路のいずれの道路を走行しているのかが正確に推定できる。例えば、図４に示すようにカーブの緩い道路パターンＲ１と直線状の道路パターンＲ２とが候補に挙がった場合に、短距離・中距離では区別し難いが、長距離ではカーブの差が明確となり、車両の軌跡とのパターンマッチングによる推測が容易となる。
【００３４】
また、市街地走行等では、比較的急なカーブが多数存在する状況で、パターンマッチングにて比較する距離が短くなるので、パターンマッチングにおいて小さいカーブ等も十分にパターンマッチングに反映され、一層正確に位置推定ができる。
【００３５】
次に実施例２について説明する。実施例２は車速の代わりに所定カーブの出現頻度により、重みづけ係数α１，α２，α３の値を変更している点が異なる。
即ち、図２において実施例１と異なるところを説明すると、ステップ１０３では、所定カーブの出現頻度を算出している。所定カーブとはここでは所定の曲率より小さいカーブをいう。即ちある程度以上の急カーブを意味している。この所定カーブの出現頻度は、走行軌跡からその所定距離毎のベクトルの変化から得ることができる。この他、特別に所定カーブ検出処理を実施し、ある程度以上の急カーブ（例えば１０ｍ走行で４０゜以上の進行方向の変化）が存在する場合に、その数をカウントするようにしてもよい。頻度としては、例えば過去１ｋｍの走行中に、上記急カーブが幾つあったかで表される。
【００３６】
そしてステップ１０７では所定カーブの出現頻度に基づいて重みづけして総合相関値ＲＥＲを求めている。即ち、図３において横軸が車速でなく、所定カーブの出現頻度に置き換える。また境界値も出現頻度に対応した適切な値に変更される。
【００３７】
このように実施例２では、所定カーブの出現頻度に応じて、パターンマッチングの距離を、出現頻度が低いほど距離の長い方のパターンマッチングの相関値の重みづけを大きくするとともに距離の短い方のパターンマッチングの相関値の重みづけを小さくし、出現頻度が高いほど距離の短い方のパターンマッチングの相関値の重みづけを大きくするとともに距離の長い方のパターンマッチングの相関値の重みづけを小さくしている。このため実施例１と同様な効果が生じると共に、実施例１に比較して、直接道路の状況を捉えているので、一層現実に即した推定が可能である。
【００３８】
上記実施例１において、重みづけも図３のごとく傾斜をつけて変化させるのではなく、例えば車速が１５（ｍ／ｓ）以下ではα１＝１，α２＝０，α３＝０とし、車速が１５〜２１（ｍ／ｓ）ではα１＝０，α２＝１，α３＝０とし、車速が２１（ｍ／ｓ）以上ではα１＝０，α２＝０，α３＝１とするごとく、完全に車速に応じて所定距離を切り替えてもよい。実施例２についても同様に、完全に所定カーブの出現頻度に応じて所定距離を切り替えてもよい。
【００３９】
また上記実施例１，２において、短距離、中距離、長距離の３種類の距離に分けたが、短距離と長距離との２つに分けてもよいし、また４種類以上に分けてもよい。更に、短距離を２０ｍ、中距離を４０ｍ、長距離を８０ｍでパターンマッチングしたが、これに限らず短距離を１０ｍとし、中距離を２０ｍとし、長距離を４０ｍとしてもよく、道路環境の状態に合わせて適宜決定すればよい。
【００４０】
上記実施例１において、図１に示した電子制御回路２０が、車両の走行軌跡検出手段、近似度検出手段および判定手段に該当し、車速センサ１が車速検出手段に該当し、地図メモリ４が地図情報記憶手段に該当する。電子制御回路２０が実行する処理の内、車速センサ１から入力される走行速度を積分して得られる走行距離と方位センサ２から得られる進行方位とに基づき所定タイミングで現在位置を算出し、その現在位置を所定個蓄積することにより求められる車両の走行軌跡算出処理が、車両の走行軌跡検出手段としての処理に該当する。またステップ１０５，１０７の処理が近似度検出手段としての処理に該当し、ステップ１０９の処理が判定手段としての処理に該当する。
【００４１】
実施例２においては、図１に示した電子制御回路２０が、車両の走行軌跡検出手段、道路カーブ検出手段、近似度検出手段および判定手段に該当し、地図メモリ４が地図情報記憶手段に該当する。電子制御回路２０が実行する処理の内、車速センサ１から入力される走行速度を積分して得られる走行距離と方位センサ２から得られる進行方位とに基づき所定タイミングで現在位置を算出し、その現在位置を所定個蓄積することにより求められる車両の走行軌跡算出処理が、車両の走行軌跡検出手段としての処理に該当する。またステップ１０３が道路カーブ検出手段としての処理に該当し、すステップ１０５，１０７の処理が近似度検出手段としての処理に該当し、ステップ１０９の処理が判定手段としての処理に該当する。
【図面の簡単な説明】
【図１】実施例１の車両走行位置表示装置のブロック図である。
【図２】電子制御回路２０で行われる道路決定処理のフローチャートである。
【図３】重みづけ係数の車速に応じた変化を表すグラフである。
【図４】道路パターンデータの説明図である。
【符号の説明】
１…車速センサ２…方位センサ４…地図メモリ
６…コントロールスイッチ２０…電子制御回路
２２…ＣＰＵ２４…ＲＯＭ２６…ＲＡＭ
２８…入出力回路３０…コモンバス３２…ＣＲＴコントローラ
３４…ＣＲＴＲ１，Ｒ２…道路パターン

Claims

車両の走行軌跡検出手段と、
車速検出手段と、
地図情報記憶手段と、
上記走行軌跡検出手段にて検出された走行軌跡と、上記地図情報記憶手段に記憶されている複数の道路パターンとを、所定距離単位で比較して、道路パターン毎に近似度を求める近似度検出手段と、
上記近似度検出手段により検出された近似度が最も高い道路パターンを現在走行道路と推定する判定手段と、
を備えた車両走行位置推定装置であって、
上記近似度検出手段が、複数種類の所定距離単位で近似度を求めると共に、上記判定手段が、その複数種類の所定距離単位毎に得られた近似度を、上記車速検出手段にて検出された車速に応じて重みづけして道路パターン毎に総合し、その近似度が最も高い道路パターンを現在走行道路と推定することを特徴とする車両走行位置推定装置。
上記判定手段が、
車速が高くなるほど所定距離単位が長い方の近似度の重みづけを大きくするとともに所定距離単位が短い方の近似度の重みづけを小さくし、車速が低くなるほど所定距離単位が長い方の近似度の重みづけを小さくするとともに所定距離単位が短い方の近似度の重みづけを大きくする請求項１記載の車両走行位置推定装置。
車両の走行軌跡検出手段と、
道路カーブ検出手段と、
地図情報記憶手段と、
上記走行軌跡検出手段にて検出された走行軌跡と、上記地図情報記憶手段に記憶されている複数の道路パターンとを、所定距離単位で比較して、道路パターン毎に近似度を求める近似度検出手段と、
上記近似度検出手段により検出された近似度が最も高い道路パターンを現在走行道路と推定する判定手段と、
を備えた車両走行位置推定装置であって、
上記近似度検出手段が、複数種類の所定距離単位で近似度を求めると共に、上記判定手段が、その複数種類の所定距離単位毎に得られた近似度を、上記道路カーブ検出手段にて検出された所定カーブの出現頻度に応じて重みづけして道路パターン毎に総合し、その近似度が最も高い道路パターンを現在走行道路と推定することを特徴とする車両走行位置推定装置。
上記判定手段が、
所定カーブの出現頻度が低くなるほど所定距離単位が長い方の近似度の重みづけを大きくするとともに所定距離単位が短い方の近似度の重みづけを小さくし、所定カーブの出現頻度が高くなるほど所定距離単位が長い方の近似度の重みづけを小さくするとともに所定距離単位が短い方の近似度の重みづけを大きくする請求項３記載の車両走行位置推定装置。
車両の走行軌跡検出手段と、
車速検出手段と、
地図情報記憶手段と、
上記走行軌跡検出手段にて検出された走行軌跡と、上記地図情報記憶手段に記憶されている複数の道路パターンとを、所定距離単位で比較して、道路パターン毎に近似度を求める近似度検出手段と、
上記近似度検出手段により検出された近似度が最も高い道路パターンを現在走行道路と推定する判定手段と、
を備えた車両走行位置推定装置であって、
上記近似度検出手段が、上記車速検出手段にて検出された車速に応じて所定距離単位の長さを設定することを特徴とする車両走行位置推定装置。