JP6708535B2 - 車両軌道用グラフ生成装置 - Google Patents
車両軌道用グラフ生成装置 Download PDFInfo
- Publication number
- JP6708535B2 JP6708535B2 JP2016227976A JP2016227976A JP6708535B2 JP 6708535 B2 JP6708535 B2 JP 6708535B2 JP 2016227976 A JP2016227976 A JP 2016227976A JP 2016227976 A JP2016227976 A JP 2016227976A JP 6708535 B2 JP6708535 B2 JP 6708535B2
- Authority
- JP
- Japan
- Prior art keywords
- node
- risk
- reachable
- nodes
- graph
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000006870 function Effects 0.000 claims description 70
- 230000002787 reinforcement Effects 0.000 claims description 20
- 230000009467 reduction Effects 0.000 claims description 5
- 238000000034 method Methods 0.000 description 75
- 230000008569 process Effects 0.000 description 60
- 238000012545 processing Methods 0.000 description 28
- 230000001133 acceleration Effects 0.000 description 9
- 239000000470 constituent Substances 0.000 description 8
- 238000010586 diagram Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
Landscapes
- Traffic Control Systems (AREA)
Description
[1.実施形態]
[1−1.構成]
運転支援装置1は、例えば乗用車等の車両に搭載されている。運転支援装置1は、軌道を生成する対象となる車両を表す対象車両の走行状態に応じて、複数のノードとこれらのノードを接続するリンクとを有する軌道生成用グラフを生成し、この軌道生成用グラフを用いて運転支援を実施する。
制御部10を構成するこれらの要素を実現する手法はソフトウェアに限るものではなく、その一部または全部の要素について、一つあるいは複数のハードウェアを用いて実現してもよい。例えば、上記機能がハードウェアである電子回路によって実現される場合、その電子回路は多数の論理回路を含むデジタル回路、またはアナログ回路、あるいはこれらの組合せによって実現してもよい。
制御部10が有する機能の構成は、情報処理によって実現される。
軌道を生成する際の処理については図2を用いて説明する。図2に示すように、軌道を生成する際において、情報収集部31の機能は、自車両の現在の走行環境に応じた交通オブジェクト情報Ojを取得する。
リンク追加処理では、図5に示すように、基準ノードから到達可能ノードにリンクを追加して設定する。なお、図6はリンク追加処理の一例を示す疑似コードである。参考のために提示するものである。
例えば、自車両の状態が、連続な状態
拡張ヤコビ行列Jについては下記のように表すことができる。
続いて、S250にて、制御入力uτ+1:τ+κが収束したか否かを判定する。制御入力uτ+1:τ+κが収束する場合とは、制御入力uτ+1:τ+κの値の変化がごく小さくなったことを表す。制御入力uτ+1:τ+κが収束する場合には、誤差δxが充分小さくなった場合と、制御入力uτ+1:τ+κが上限値または下限値と一致した場合とがある。
このようなリンク追加処理では、例えば、図7に示すように、ノードx1を基準ノードとすると、基準ノードx1からステップ数κで到達可能な自車両の位置xτ+κの範囲が図8の破線にて示すような領域として求められる。つまり、制御入力uτ+1:τ+κを変更しつつ誤差δxを演算することによって、自車両の位置xτ+κが領域として求められる。
次に、リスク関数を求めるための構成については図15を用いて説明する。
情報収集部31の機能が、軌道Wrとして、自車両の軌道を取得する際には、例えば、各種センサ21による検知結果を用いて軌道を推定し、この軌道を自車両の軌道とする。軌道Wrとして、他車両の軌道を取得する際には、例えば、周知の通信技術を用いて、他車両やサーバ等において蓄積された他車両の軌道を取得する。取得した軌道は、車両軌道DB32に記録される。
軌道データ離散化部34としての機能では、グラフ情報Grとを用いて、車両軌道DB32から得られる軌道Wrを離散化する。すなわち、グラフ情報Grに基づいて、走行履歴として車両軌道DB32に記録されている軌道のそれぞれを、グラフ上で形状が最も類似している離散軌道に変換し、離散軌道上のノードの座標値の系列Wdとして得る。例えば、連続値で測定された軌道{s1,...,sT}に対し、次式で定義するコストを最小化するグラフ上のノードxn∈Vを逐次的に求めることで、離散的な状態系列Wdとする。
文献1:“Algorithms for inverse reinforcement learning”, Ng, A. and Russel, S., ICML, 2000、
文献2:“Maximum Entropy Inverse Reinforcement Learning”, Ziebart B., et al., AAAI, 2008。
逆強化学習部35の機能で得られたリスク関数は、リスク関数DB36に記録される。逆強化学習によって得られたリスク関数を用いると、実際に走行された軌道Wrはより安全な軌道であるものとして、よりリスク量が低く設定される。
これらのリスク関数は走行状態として自車速度や自車・障害物の位置を入力としているが、例えば加速度や、相対速度にもとづいたものを設計してもよい。得られたリスク関数は、リスク関数DB36に記録される。
続いて、S440にて、例えば軌道Wgに沿って自車両を走行させるための制御量を演算する。ここでの制御量には、アクセル開度、ブレーキ量、操舵量等、自車両の走行に影響を与えうるパラメータが含まれうる。また、例えば、軌道Wgと実際の自車両の軌道との逸脱程度に応じて報知部26から出力する警報についての制御量を演算してもよい。
このような処理が終了すると、支援処理を終了する。
以上詳述した第1実施形態によれば、以下の効果を奏する。
(1a)上記の運転支援装置1において、グラフ生成部33は、軌道を求める対象となる対象車両の走行状態を取得する。また、グラフ生成部33は、走行状態に応じて、複数のノードのうちの基準となるノードを表す基準ノードから対象車両が到達可能な1または複数のノードを表す到達可能ノードを探索する。また、グラフ生成部33は、基準ノードから到達可能ノードのそれぞれにリンクを設定し、最適パス探索部38は、到達可能ノードのそれぞれにリスク量を対応付ける。
(1d)上記の運転支援装置1において、最適パス探索部38は、リスク量を求めるために予め準備されたリスク関数に到達可能ノードの座標を入力することによって得られた値をリスク量として対応付ける。
(1e)上記の運転支援装置1において、逆強化学習部35は、運転支援装置1が生成した軌道生成用グラフを用いて任意の車両が走行した経路上に位置する到達可能ノードを探索し、該探索結果に応じてリスク関数を補正する。
このような運転支援装置1によれば、逆強化学習によって到達可能ノードのリスク量を最適化することができる。
(1h)上記の運転支援装置1において、グラフ生成部33は、基準ノードに設定されたリンクの数と予め設定された基準数とを比較し、リンクの数が基準数未満である場合に、リンクの数が基準数となるように、対象車両が到達可能な領域を表す可能領域内に、ノードを追加するとともに、基準ノードから追加したノードに対してリンクを追加して設定する。
以上、本開示の実施形態について説明したが、本開示は上述の実施形態に限定されることなく、種々変形して実施することができる。
実施形態において運転支援装置1は本開示でいうグラフ生成装置に相当し、実施形態において情報収集部31は本開示でいう経路取得部に相当する。また、実施形態において軌道データ離散化部34、逆強化学習部35は本開示でいうリスク低減部および関数補正部に相当し、実施形態において最適パス探索部38は本開示でいう軌道設定部およびリスク対応部に相当する。
Claims (9)
- 複数のノードとノード間を接続するリンクとを有し車両の軌道の基となる軌道生成用グラフ、を生成するように構成されたグラフ生成装置(1)であって、
軌道を求める対象となる対象車両の走行状態を取得するように構成された状態取得部(S100)と、
前記走行状態に応じて、基準となるノードを表す基準ノードから前記対象車両が到達可能な1または複数のノードを表す到達可能ノードを探索するように構成されたノード探索部(S220、S230、S240、S250)と、
前記基準ノードから前記到達可能ノードのそれぞれにリンクを設定するように構成されたリンク設定部(S270)と、
前記到達可能ノードのそれぞれにリスク量を対応付けるように構成されたリスク対応部(38)と、
前記基準ノードに設定されたリンクの数と予め設定された基準数とを比較し、前記リンクの数が前記基準数未満である場合に、前記リンクの数が前記基準数となるように、前記対象車両が到達可能な領域を表す可能領域内に、ノードを追加するとともに、前記基準ノードから追加したノードに対してリンクを追加して設定するように構成された追加設定部(S320、S330)と、
前記複数のノードのうちから始点ノードおよび終点ノードを設定し、前記始点ノードから前記終点ノードまでを前記リンクに沿って移動するものとして、通過する到達可能ノードに対応付けられたリスク量の総和が最小となるパスを探索するパス探索部(38)と、
を備えたグラフ生成装置。 - 請求項1に記載のグラフ生成装置であって、
任意の車両が走行した経路を取得するように構成された経路取得部(31)と、
前記経路上に位置する到達可能ノードのリスク量を低減させるように構成されたリスク低減部(34、35)と、
を更に備えるグラフ生成装置。 - 複数のノードとノード間を接続するリンクとを有し車両の軌道の基となる軌道生成用グラフ、を生成するように構成されたグラフ生成装置(1)であって、
軌道を求める対象となる対象車両の走行状態を取得するように構成された状態取得部(S100)と、
前記走行状態に応じて、基準となるノードを表す基準ノードから前記対象車両が到達可能な1または複数のノードを表す到達可能ノードを探索するように構成されたノード探索部(S220、S230、S240、S250)と、
前記基準ノードから前記到達可能ノードのそれぞれにリンクを設定するように構成されたリンク設定部(S270)と、
前記到達可能ノードのそれぞれにリスク量を対応付けるように構成されたリスク対応部(38)と、
任意の車両が走行した経路を取得するように構成された経路取得部(31)と、
前記経路上に位置する到達可能ノードのリスク量を低減させるように構成されたリスク低減部(34、35)と、
前記複数のノードのうちから始点ノードおよび終点ノードを設定し、前記始点ノードから前記終点ノードまでを前記リンクに沿って移動するものとして、通過する到達可能ノードに対応付けられたリスク量の総和が最小となるパスを探索するパス探索部(38)と、
を備えたグラフ生成装置。 - 請求項2または請求項3に記載のグラフ生成装置であって、
前記リスク対応部は、リスク量を求めるために予め準備されたリスク関数に前記到達可能ノードの座標を入力することによって得られた値を前記リスク量として対応付けるように構成され、
前記リスク低減部は、前記経路に応じてリスク関数を補正する
ように構成されたグラフ生成装置。 - 請求項4に記載のグラフ生成装置であって、
前記リスク低減部は、当該グラフ生成装置が生成した軌道生成用グラフを用いて前記経路上に位置する到達可能ノードを探索し、該探索結果に応じてリスク関数を補正する
ように構成されたグラフ生成装置。 - 請求項2から請求項5までのいずれか1項に記載のグラフ生成装置であって、
前記リスク低減部は、逆強化学習によって前記経路上に位置する到達可能ノードのリスク量を低減させる
ように構成されたグラフ生成装置。 - 請求項1から請求項3までのいずれか1項に記載のグラフ生成装置であって、
前記リスク対応部は、リスク量を求めるために予め準備されたリスク関数に前記到達可能ノードの座標を入力することによって得られた値を前記リスク量として対応付ける
ように構成されたグラフ生成装置。 - 請求項1から請求項7までのいずれか1項に記載のグラフ生成装置であって、
前記ノード探索部は、前記リンク設定部がリンクを設定した到達可能ノードのそれぞれを前記基準ノードとして、新たな到達可能ノードを探索するように構成され、
前記リンク設定部は、前記新たな到達可能ノードが探索される度に、それぞれの基準ノードからそれぞれの到達可能ノードにリンクを設定する
ように構成されたグラフ生成装置。 - 請求項1から請求項8までのいずれか1項に記載のグラフ生成装置であって、
前記パス探索部は、前記リスク量の総和が最小となるパスを前記対象車両の軌道として設定する
ように構成されたグラフ生成装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016227976A JP6708535B2 (ja) | 2016-11-24 | 2016-11-24 | 車両軌道用グラフ生成装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016227976A JP6708535B2 (ja) | 2016-11-24 | 2016-11-24 | 車両軌道用グラフ生成装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018084972A JP2018084972A (ja) | 2018-05-31 |
JP6708535B2 true JP6708535B2 (ja) | 2020-06-10 |
Family
ID=62238364
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016227976A Active JP6708535B2 (ja) | 2016-11-24 | 2016-11-24 | 車両軌道用グラフ生成装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6708535B2 (ja) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7219609B2 (ja) * | 2018-12-27 | 2023-02-08 | 株式会社Subaru | 最適経路生成システム |
WO2021084731A1 (ja) * | 2019-11-01 | 2021-05-06 | 三菱電機株式会社 | 情報処理装置、情報処理システム、情報処理方法、及び情報処理プログラム |
JP2022030664A (ja) * | 2020-08-07 | 2022-02-18 | 株式会社東芝 | 情報処理装置、情報処理方法、プログラム、情報処理システム、および、車両制御システム |
CN113212454B (zh) * | 2021-05-20 | 2023-05-12 | 中国第一汽车股份有限公司 | 车辆行驶状态的调整方法、装置、计算机设备和存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4604683B2 (ja) * | 2004-11-25 | 2011-01-05 | 日産自動車株式会社 | 危険状況警報装置 |
WO2011101988A1 (ja) * | 2010-02-22 | 2011-08-25 | トヨタ自動車株式会社 | 危険度算出装置 |
-
2016
- 2016-11-24 JP JP2016227976A patent/JP6708535B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2018084972A (ja) | 2018-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6673293B2 (ja) | 車両システム | |
JP6708535B2 (ja) | 車両軌道用グラフ生成装置 | |
CN110834644B (zh) | 一种车辆控制方法、装置、待控制车辆及存储介质 | |
US11465650B2 (en) | Model-free reinforcement learning | |
WO2020243162A1 (en) | Methods and systems for trajectory forecasting with recurrent neural networks using inertial behavioral rollout | |
JP2017016645A (ja) | 半自律車両、及び、半自律車両を制御する方法 | |
WO2017002590A1 (ja) | 走行指令生成装置 | |
US20210192347A1 (en) | Method for Determining Continuous Information on an Expected Trajectory of an Object | |
CN112440990A (zh) | 用于自主和半自主车辆的路径规划 | |
WO2018100836A1 (ja) | 連続値最適化問題の非線形最適化プログラム、経路探索プログラム、及び経路探索装置 | |
US20220227391A1 (en) | Systems and methods for scenario dependent trajectory scoring | |
US11100372B2 (en) | Training deep neural networks with synthetic images | |
WO2020054345A1 (ja) | 電子制御装置、ニューラルネットワーク更新システム | |
Wei et al. | Planning a Continuous Vehicle Trajectory for an Automated Lane Change Maneuver by Nonlinear Programming considering Car‐Following Rule and Curved Roads | |
CN117302224A (zh) | 一种变道方法、自动驾驶方法、装置及车辆 | |
JP2019199185A (ja) | 車両制御値決定装置、車両制御値決定方法、およびプログラム | |
US11945456B2 (en) | Vehicle control for optimized operation | |
US20230162039A1 (en) | Selective dropout of features for adversarial robustness of neural network | |
Ren et al. | Intelligent path planning and obstacle avoidance algorithms for autonomous vehicles based on enhanced rrt algorithm | |
CN114879665A (zh) | 用于车辆远程召唤***的安全节能运动规划方法及*** | |
US20210287531A1 (en) | Systems and methods for heterogeneous multi-agent multi-modal trajectory prediction with evolving interaction graphs | |
CN114442634A (zh) | 一种车辆的路径规划方法、装置、设备及介质 | |
EP4394538A1 (en) | Trajectory correction system and method therefor | |
CN114852058B (zh) | 自动泊车路径规划方法、装置、***及可读存储介质 | |
KR102490011B1 (ko) | 로드 유저 예측 기반 자율주행 차량의 주행 계획 결정방법, 장치 및 컴퓨터프로그램 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190311 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200107 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20191226 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200309 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20200428 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200521 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6708535 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |