KR20190099475A

KR20190099475A - 차량 거동 예측 방법 및 차량 거동 예측 장치

Info

Publication number: KR20190099475A
Application number: KR1020197021184A
Authority: KR
Inventors: 팡 팡; 다쿠야 난리
Original assignee: 닛산 지도우샤 가부시키가이샤
Priority date: 2017-01-20
Filing date: 2017-01-20
Publication date: 2019-08-27
Also published as: US20190333373A1; JPWO2018134973A1; EP3573035A4; CA3050411A1; EP3573035A1; CN110199336A; RU2741129C1; WO2018134973A1; MX2019008618A; BR112019014912A2

Abstract

차량 거동 예측 장치(1)는, 자차량의 주위에 있어서의 타차량의 위치를 검출하는 물체 검출부(10)와, 타차량의 위치의 주위에 있어서의, 적어도 차선을 포함하는 도로 구조를 취득하는 컨트롤러(40)를 구비한다. 컨트롤러(40)는, 도로 구조에 있어서의 교통 규칙을 취득하고, 취득한 교통 규칙에 기초하여 타차량이 주행할 경로를 예측한다.

Description

차량 거동 예측 방법 및 차량 거동 예측 장치

본 발명은 차량 거동 예측 방법 및 차량 거동 예측 장치에 관한 것이다.

종래부터, 타차량의 정보를 검출하여 운전자를 지원하는 운전 지원 장치가 알려져 있다(특허문헌 1). 특허문헌 1에 관한 운전 지원 장치는, 검출한 타차량의 주행 이력에 기초하여 타차량의 주행 차선을 예측하여, 자차량과 타차량의 충돌 가능성을 판정한다.

일본 특허 공개 제2013-134567호 공보

그러나, 특허문헌 1에 관한 운전 지원 장치는, 타차량의 차속이 낮은 경우를 고려하고 있지 않다. 차속이 낮은 타차량으로부터는 자세나 주행 이력 등의 정보를 취득하기가 어려운 경우가 있어, 타차량이 주행할 차선을 예측하지 못할 우려가 있다.

본 발명은 상기 문제를 감안하여 이루어진 것이며, 그 목적은, 차속이 낮은 타차량의 자세나 주행 이력의 검출이 어려운 경우에도 타차량이 주행할 경로의 예측 정밀도를 향상시킬 수 있는 차량 거동 예측 방법 및 차량 거동 예측 장치를 제공하는 것이다.

본 발명의 일 양태에 관한 차량 거동 예측 방법은, 자차량의 주위에 있어서의 타차량의 위치를 검출하고, 타차량의 위치의 주위에 있어서의, 적어도 차선을 포함하는 도로 구조를 취득하고, 도로 구조에 있어서의 교통 규칙을 취득하고, 교통 규칙에 기초하여 타차량이 주행할 경로를 예측한다.

타차량의 자세나 주행 이력의 검출이 어려운 경우에도 타차량이 주행할 경로의 예측 정밀도를 향상시킬 수 있다.

도 1은, 본 발명의 제1 실시 형태에 관한 차량 거동 예측 장치의 구성도이다.
도 2는, 본 발명의 제1 실시 형태에 관한 차량 거동 예측 장치의 동작예를 설명하는 도면이다.
도 3은, 본 발명의 제1 실시 형태에 관한 차량 거동 예측 장치의 동작예를 설명하는 흐름도이다.
도 4는, 본 발명의 제2 실시 형태에 관한 차량 거동 예측 장치의 구성도이다.
도 5는, 본 발명의 제2 실시 형태에 관한 교차점의 영역을 설명하는 도면이다.
도 6은, 본 발명의 제2 실시 형태에 관한 차량 거동 예측 장치의 동작예를 설명하는 도면이다.
도 7은, 본 발명의 제2 실시 형태에 관한 차량 거동 예측 장치의 다른 동작예를 설명하는 도면이다.
도 8은, 본 발명의 제2 실시 형태에 관한 차량 거동 예측 장치의 다른 동작예를 설명하는 도면이다.
도 9는, 본 발명의 제2 실시 형태에 관한 차량 거동 예측 장치의 다른 동작예를 설명하는 도면이다.
도 10은, 본 발명의 제2 실시 형태에 관한 압축 결과를 나타내는 표이다.
도 11은, 본 발명의 제2 실시 형태에 관한 압축 결과를 나타내는 표이다.
도 12는, 본 발명의 제2 실시 형태에 관한 차량 거동 예측 장치의 다른 동작예를 설명하는 도면이다.
도 13은, 본 발명의 제2 실시 형태에 관한 차량 거동 예측 장치의 다른 동작예를 설명하는 도면이다.
도 14는, 본 발명의 제2 실시 형태에 관한 차량 거동 예측 장치의 동작예를 설명하는 흐름도이다.
도 15는, 본 발명의 제2 실시 형태에 관한 차량 거동 예측 장치의 동작예를 설명하는 흐름도이다.
도 16은, 본 발명의 제2 실시 형태에 관한 차량 거동 예측 장치의 동작예를 설명하는 흐름도이다.
도 17은, 본 발명의 그 밖의 실시 형태에 관한 차량 거동 예측 장치의 동작예를 설명하는 도면이다.

이하, 본 발명의 실시 형태에 대하여, 도면을 참조하여 설명한다. 도면의 기재에 있어서 동일 부분에는 동일 부호를 붙여 설명을 생략한다.

[제1 실시 형태]

도 1을 참조하여, 제1 실시 형태에 관한 차량 거동 예측 장치(1)에 대하여 설명한다. 도 1에 도시하는 바와 같이, 차량 거동 예측 장치(1)는, 물체 검출부(10)와, GPS 수신기(20)와, 지도 데이터베이스(30)와, 컨트롤러(40)를 구비한다.

물체 검출부(10)는, 자차량의 주위에 존재하는 물체(보행자, 자전거, 이륜차, 타차량 등)를 검출하는 센서이며, 자차량에 설치된다. 이에 의해, 자차량의 주위에 존재하는 물체의 속도, 위치 등 물체의 정보를 취득한다. 제1 실시 형태에서는 물체 검출부(10)는, 레이저 레인지 파인더로서 설명한다. 레이저 레인지 파인더는, 레이저광을 어떤 각도 범위 내에서 주사하고, 그때의 반사광을 수광하여, 레이저 발사 시점과 반사광의 수광 시점의 시간차를 검지함으로써, 자차량과 물체의 거리나 각도를 검지하는 센서이다. 또한, 레이저 레인지 파인더는, 자차량에 대한 물체의 상대 위치나 상대 거리도 검출할 수 있다. 물체 검출부(10)는, 검출한 정보를 컨트롤러(40)에 출력한다. 또한, 물체 검출부(10)는 레이저 레인지 파인더에 한정되는 것은 아니며, 밀리미터파 레이더나 초음파 센서 등을 사용해도 된다.

GPS 수신기(20)는, 인공위성으로부터의 전파를 수신함으로써, 자차량의 현재 위치를 검출한다. GPS 수신기(20)는, 검지한 자차량의 현재 위치를 컨트롤러(40)에 출력한다.

지도 데이터베이스(30)에는, 도로 정보나 시설 정보 등 경로 안내에 필요한 각종 데이터가 기억되어 있다. 또한, 도로 정보에는, 도로 구조에 관한 데이터가 포함된다. 도로 구조에 관한 데이터란, 교차점, 도로의 차선수, 도로폭 정보, 좌회전 전용 레인 또는 우회전 전용 레인, 신호기, 횡단보도, 보도교 등에 관한 데이터이다.

또한, 지도 데이터베이스(30)에는, 도로 구조에 있어서의 교통 규칙이 기억되어 있다. 교통 규칙이란, 예를 들어 법률로 정해져 있는 규칙이며, 차량은, 주행하는 차선에 대면하는 신호기를 따르지 않으면 안되는 등의 규칙이다. 또한, 교통 규칙에는, 신호가 적색인 경우, 차량은 정지 위치를 넘어 진행하면 안되는 등의 규칙도 포함된다. 또한, 교통 규칙에는, 일시 정지, 제한 속도, 일방 통행, 진입 금지, 우/좌회전 금지 등의 표지에 의한 규칙 등도 포함된다. 또한, 도로 정보, 교통 규칙, 표지는, 반드시 지도 데이터베이스(30)로부터 취득하는 것에 한정되지는 않으며, 자차량(M1)이 구비하는 센서에 의해 취득하는 것이어도 되고, 또한 차차간 통신, 노차간 통신을 사용하여 취득하도록 해도 된다.

지도 데이터베이스(30)는, 컨트롤러(40)의 요구에 따라 도로 정보나 교통 규칙을 컨트롤러(40)에 출력한다. 또한, 지도 데이터베이스(30)는, 반드시 자차량에 기억될 필요는 없으며, 서버 상에 기억되어도 된다. 지도 데이터베이스(30)가 서버 상에 기억되어 있는 경우, 컨트롤러(40)는, 통신에 의해 수시로 지도 정보를 취득할 수 있다.

컨트롤러(40)는, 물체 검출부(10)와 GPS 수신기(20)와 지도 데이터베이스(30)로부터 취득한 데이터를 처리하는 회로이며, 예를 들어 IC, LSI 등에 의해 구성된다. 컨트롤러(40)는, 이것을 기능적으로 파악하는 경우, 정보 취득부(41)와 경로 예측부(42)로 분류할 수 있다.

정보 취득부(41)는, 물체 검출부(10)와 GPS 수신기(20)와 지도 데이터베이스(30)로부터 데이터를 취득한다. 정보 취득부(41)는, 취득한 데이터를 경로 예측부(42)에 출력한다.

경로 예측부(42)는, 정보 취득부(41)로부터 취득한 데이터에 기초하여, 타차량이 주행할 경로를 예측한다. 경로 예측부(42)의 상세에 대해서는 후술한다. 또한, 예측되는 타차량의 경로에는, 타차량이 앞으로 주행할 방향, 영역, 차선 등이 포함되며, 타차량이 앞으로 주행할 곳이라면, 특별히 한정되는 것은 아니다.

다음으로 도 2를 참조하여, 차량 거동 예측 장치(1)의 동작예를 설명한다. 제1 실시 형태에서는 도 2에 도시하는 바와 같이 주행 씬으로서 교차점을 예로 들어 설명한다.

도 2에 도시하는 바와 같이, 물체 검출부(10)가 자차량(M1)의 주위에 존재하는 타차량(M2)을 검출한 경우, 물체 검출부(10)는 타차량(M2)의 위치 정보를 컨트롤러(40)에 출력한다. 또한, 타차량은, 자동차 등에 한정되지 않고, 도로를 주행하는 자전거, 바이크 등이어도 된다.

경로 예측부(42)는, 타차량(M2)의 위치 정보를 취득한 경우, 타차량(M2)의 차속이 소정값 이하인지를 판단한다. 타차량(M2)의 차속이 소정값 이하(예를 들어, 10km/h)인지 여부에 대하여, 경로 예측부(42)는, 자차량(M1)에 대한 타차량(M2)의 상대 속도나 상대 위치로부터도 판단할 수 있다. 경로 예측부(42)는, 타차량(M2)의 차속이 소정값 이하라고 판단된 경우, GPS 수신기(20)로부터 취득한 자차량(M1)의 현재 위치와 자차량에 대한 타차량(M2)의 상대 위치로부터, 지도 데이터베이스(30)를 참조하여, 타차량(M2)의 위치의 주위에 있어서의 도로 구조를 취득한다. 도 2에 도시하는 바와 같이, 경로 예측부(42)는, 타차량(M2)의 위치의 주위에 있어서의 도로 구조가 편측 2차선의 교차점인 것을 취득한다. 또한, 차속이 낮을수록, 이동량이 작아져, 이동 방향을 산출하기 어려워지기 때문에, 타차량의 자세를 취득하기가 곤란하다. 그렇다면, 타차량(M2)의 차속이 소정값 이하인지 여부를 판단하는 대신에, 타차량(M2)이 정지하고 있는지 여부로 판단하도록 해도 된다. 이에 의해, 타차량(M2)이 정지하고 있어 타차량의 자세를 취득하기가 어려운 경우에도, 타차량(M2)의 자세를 예측할 수 있게 된다.

이어서, 경로 예측부(42)는, 지도 데이터베이스(30)를 참조하여, 취득한 도로 구조에 있어서의 교통 규칙을 취득한다. 즉 경로 예측부(42)는, 도 2에 도시하는 교차점에 있어서의 교통 규칙을 취득한다. 여기서, 타차량(M2)이 존재하는 차선이 좌회전 전용 레인이라고 하자. 이 경우, 교통 규칙에 의해, 타차량(M2)은 좌회전 이외의 것이 금지된다. 따라서, 경로 예측부(42)는, 타차량(M2)이 주행할 경로는 도 2의 화살표로 나타내는 바와 같이 좌회전 경로 R1이라고 판단할 수 있다. 이와 같이, 경로 예측부(42)는, 교통 규칙에 기초하여 타차량(M2)이 주행할 경로를 예측함으로써, 타차량(M2)이 주행할 경로의 예측 정밀도를 향상시킬 수 있다. 또한, 경로 예측부(42)는, 타차량(M2)이 존재하는 차선이 좌회전 전용 레인이라는 것은, 지도 데이터베이스(30)로부터 취득한 도로 구조로부터 판단할 수 있다.

이어서, 도 3에 도시하는 흐름도를 참조하여, 차량 거동 예측 장치(1)의 일 동작예에 대하여 설명한다. 이 흐름도는, 이그니션 스위치가 온되었을 때에 개시된다.

스텝 S101에 있어서, 물체 검출부(10)는, 자차량(M1)의 주위의 타차량을 검출한다.

스텝 S102에 있어서, 경로 예측부(42)는, 스텝 S101에서 검출된 타차량(M2)의 차속이 소정값 이하인지 여부를 판단한다. 타차량(M2)의 차속이 소정값 이하인 경우(스텝 S102에서 "예"), 처리는 스텝 S103으로 진행한다. 한편, 타차량(M2)의 차속이 소정값 이하가 아닌 경우, 처리는 스텝 S101로 되돌아간다.

스텝 S103에 있어서, GPS 수신기(20)는, 자차량(M1)의 현재 위치에 있어서의 도로 구조를 취득하기 위해 자차량(M1)의 현재 위치를 검출한다. 그리고, 자차량(M1)에 대한 타차량(M2)의 상대 위치를 검출한다.

스텝 S104에 있어서, 경로 예측부(42)는, 자차량(M1)에 대한 타차량(M2)의 상대 위치와 지도 데이터베이스(30)를 참조하여, 타차량(M2)의 위치의 주위에 있어서의 도로 구조를 취득한다. 도로 구조는, 예를 들어 교차점이다. 도로 구조에는, 차선의 수나 좌회전 전용 레인 또는 우회전 전용 레인의 유무 등, 적어도 차선에 관한 정보가 포함된다.

스텝 S105에 있어서, 경로 예측부(42)는, 도로 구조에 있어서의 교통 규칙을 취득한다. 교통 규칙을 취득하는 이유는, 교통 규칙으로부터 타차량(M2)이 주행할 경로를 예측할 수 있는 경우가 있기 때문이다.

스텝 S106에 있어서, 경로 예측부(42)는, 타차량(M2)의 위치에 있어서의 교통 규칙에 기초하여 타차량(M2)이 주행할 경로를 예측한다. 타차량(M2)이 존재하고 있는 차선이 좌회전 전용 레인 또는 우회전 전용 레인인 경우, 교통 규칙에 의해 타차량(M2)이 주행할 경로는 일의적으로 결정되기 때문에, 경로 예측부(42)는, 타차량(M2)이 주행할 경로를 예측할 수 있다.

스텝 S107에 있어서, 컨트롤러(40)는, 이그니션 스위치가 오프인지 여부를 판단한다. 이그니션 스위치가 오프인 경우(스텝 S107에서 "예"), 일련의 처리는 종료된다. 이그니션 스위치가 오프가 아닌 경우(스텝 S107에서 "아니오"), 처리는 스텝 S101로 되돌아간다. 또한, 타차량(M2)의 차량 궤적을 검출하도록 하여, 차량 궤적을 검출한 경우에는, 차량 궤적으로부터 타차량(M2)의 주행 경로를 예측하도록 해도 된다. 더불어, 교통 규칙에 기초하는 예측과, 차량 궤적에 기초하는 예측을 조합하여, 타차량의 주행 경로를 예측함으로써, 예측 정밀도를 향상시킬 수 있다.

이상 설명한 바와 같이, 제1 실시 형태에 관한 차량 거동 예측 장치(1)에 따르면, 이하의 작용 효과가 얻어진다.

차량 거동 예측 장치(1)는, 자차량(M1)의 주위에 있어서의 타차량(M2)을 검출한 경우, 타차량(M2)의 위치 및 자차량(M1)의 위치를 취득한다. 차량 거동 예측 장치(1)는, 타차량(M2)의 위치와 지도 데이터베이스(30)를 참조하여, 타차량(M2)의 위치의 주위에 있어서의 적어도 차선을 포함하는 도로 구조를 취득하고, 취득한 도로 구조에 있어서의 교통 규칙을 취득한다. 그리고, 차량 거동 예측 장치(1)는, 교통 규칙에 기초하여 타차량(M2)이 주행할 경로를 예측한다. 이에 의해, 차량 거동 예측 장치(1)는 타차량(M2)의 자세나 주행 이력의 검출이 어려운 경우에도, 타차량(M2)이 주행할 경로의 예측 정밀도를 향상시킬 수 있다.

차량 거동 예측 장치(1)는, 자차량(M1)의 주위에 있어서의 타차량(M2)을 검출한 경우, 물체 검출부(10)에 의해 타차량(M2)의 차속을 검출한다. 그리고, 차량 거동 예측 장치(1)는, 타차량(M2)의 차속이 소정값 이하인 경우에, 타차량(M2)이 주행할 경로를 예측한다. 이에 의해, 차량 거동 예측 장치(1)는, 타차량(M2)의 자세나 주행 이력의 검출이 어려운 경우에도, 타차량(M2)의 차속이 소정값 이하인 경우에, 타차량(M2)이 주행할 경로의 예측 정밀도를 보다 향상시킬 수 있다.

차량 거동 예측 장치(1)는, 타차량(M2)의 주행 궤적을 검출하고, 주행 궤적 및 교통 규칙에 기초하여 타차량(M2)이 주행할 경로를 예측한다. 이에 의해, 교통 규칙에 기초하는 예측에 추가하여, 주행 궤적에 기초하는 예측을 조합하여, 타차량(M2)이 주행할 경로를 예측할 수 있게 되므로, 타차량(M2)이 주행할 경로의 예측 정밀도를 더 향상시킬 수 있다.

[제2 실시 형태]

다음으로 도 4를 참조하여, 제2 실시 형태에 관한 차량 거동 예측 장치(2)에 대하여 설명한다. 도 4에 도시하는 바와 같이 제2 실시 형태가 제1 실시 형태와 상이한 점은, 차량 거동 예측 장치(2)가 통신기(50)를 구비한다는 점이다. 제1 실시 형태와 중복되는 구성에 대해서는 부호를 인용하여 그 설명은 생략하기로 하고, 이하, 상위점을 중심으로 설명한다.

통신기(50)는, 도로측에 마련된 노측 통신 장치와의 사이에서 무선 통신을 행하는 장치이다. 노측 통신 장치는, 설치된 통신 에어리어를 주행하는 차량에 대하여 인프라 정보를 송신하는 장치이다. 인프라 정보에는, 예를 들어 신호기의 점등 상태에 관한 신호기 정보가 포함된다. 통신기(50)는, 노측 통신 장치로부터 취득한 신호기 정보를 정보 취득부(41)에 출력한다. 또한, 신호기 정보는, 차량에 구비되는 센서나, 차차간 통신, 노차간 통신을 사용하여 취득하도록 해도 된다.

다음으로 도 5 내지 도 9를 참조하여 차량 거동 예측 장치(2)의 동작예를 설명한다. 제2 실시 형태에 있어서도 제1 실시 형태와 마찬가지로 주행 씬으로서 교차점을 예로 들어 설명한다. 제2 실시 형태에서는, 도 5에 도시하는 바와 같이, 경로 예측부(42)는, 타차량(M2)의 위치가 교차점의 내측인지 외측인지를 판단한다. 교차점의 내측이란, 도 5에 도시하는 바와 같이 교차하는 차선과 교차하는 영역(T1)을 의미한다. 한편, 교차점의 외측이란, 도 5에 도시하는 바와 같이 영역(T1)을 제외한 교차점 주변의 영역(T2)을 의미한다. 또한, 교차점의 내측 및 외측의 정의는 이것에 한정되지 않고, 예를 들어 교차점의 내측은 정지선이나 횡단보도를 넘은 교차점 내의 범위로 해도 된다. 또한, 도 5 이후의 도면에서는, 영역(T1) 및 영역(T2)의 도시는 생략한다.

다음으로 도 6을 참조하여, 타차량(M2)이 교차점의 내측(도 5에 도시하는 영역(T1))을 소정값 이하의 차속으로 주행하고 있는 경우에 대하여 설명한다. 도 6에 도시하는 바와 같이, 물체 검출부(10)가 교차점의 내측에 존재하는 타차량(M2)을 검출한 경우, 경로 예측부(42)는, 타차량(M2)의 위치와, 도로 구조에 기초하여 타차량(M2)이 주행할 복수의 경로 후보를 추출한다. 이때, 경로 예측부(42)는, 타차량(M2)으로부터 일정 거리 내, 예를 들어 1m 이내의 경로를 후보 경로로서 추출한다. 도 6에 도시하는 도로 구조상, 후보 경로로서 3개의 경로가 추출된다. 즉, 경로 예측부(42)는, 자차량(M1)의 진행 방향과 교차하는 방향으로 직진하는 직진 경로 R2와, 자차량(M1)의 진행 방향과 동일한 방향으로 직진하는 직진 경로 R3과, 자차량(M1)의 진행 방향과 교차하는 방향으로 좌회전하는 좌회전 경로 R4의 3개의 후보 경로를 추출한다.

다음으로 경로 예측부(42)는, 추출한 3개의 후보 경로에 대하여 교통 규칙이나 교통 상황을 사용하여 압축한다. 우선 경로 예측부(42)는, 후보 경로 상의 교통량이 소정량 이상인지 여부를 판단한다. 예를 들어, 도 6에 도시하는 바와 같이 직진 경로 R3 상을 주행하는 타차량(M3, M4)이 존재하고, 직진 경로 R3 상의 교통량이 소정량 이상인 경우, 타차량(M2)이 주행할 경로가 직진 경로 R3일 가능성은 낮다. 이유로서, 직진 경로 R3을 주행하는 데 있어서, 도로 상에서 차속이 낮아질 가능성은 낮고, 또한 교통의 흐름을 저해하게 되기 때문이다. 따라서, 경로 예측부(42)는, 직진 경로 R3을 후보로부터 제외한다. 또한, 교통량이 소정량 이상이란, 어떤 지점에 있어서 30초간 5대 이상의 차량이 통과하는 경우를 말한다. 또한, 본 실시 형태에 있어서는, 후보를 제외시켜 주행할 경로를 예측하였지만, 반드시 이것에 한정되지는 않으며, 각각의 후보 경로를 주행할 우도(가능성)를 산출하고, 우도를 조정하여, 타차량(M2)이 주행할 경로를 예측하도록 해도 된다. 우도를 사용하여 타차량(M2)이 주행할 경로를 예측하는 경우에는, 예를 들어 도 6에 도시하는 바와 같이 직진 경로 R3 상을 주행하는 타차량(M3, M4)이 존재하고, 직진 경로 R3 상의 교통량이 소정량 이상인 경우, 타차량(M2)이 주행할 경로가 직진 경로 R3일 가능성은 낮으므로, 경로 예측부(42)가, 직진 경로 R3을 주행할 우도를 낮춘다. 혹은, 경로 예측부(42)가, 그 밖의 후보 경로를 주행할 우도를 높인다. 이에 의해, 타차량(M2)이 주행할 경로를 예측하도록 해도 된다.

계속해서 경로 예측부(42)는, 통신기(50)로부터 취득한 신호기 정보를 사용하여 후보 경로를 압축한다. 도 6에 도시하는 바와 같이 자차량(M1)의 진행 방향에 설치된 신호기(80)가 청색이고, 자차량(M1)의 진행 방향과 교차하는 방향에 설치된 신호기(81)가 적색인 경우, 타차량(M2)이 주행할 경로가 직진 경로 R2일 가능성이 낮다. 타차량(M2)이 직진 경로 R2로 진행하는 경우, 신호기(81)가 적색이기 때문에, 타차량(M2)이 교차점의 중앙 부근에서 정지하는 것은 교통 규칙상, 가능성은 낮다. 신호기(81)로, 타차량(M2)의 차속이 낮아지는 경우에는, 정지선 앞일 가능성이 높다. 따라서, 경로 예측부(42)는, 직진 경로 R2를 후보로부터 제외한다. 이상으로부터, 3개의 후보 경로 중, 2개가 제외되었기 때문에, 경로 예측부(42)는, 남은 1개의 후보 경로인 좌회전 경로 R4가, 타차량(M2)이 주행할 경로라고 예측한다.

또한, 경로 예측부(42)는, 신호기 정보를 취득할 수 없는 경우, 횡단보도에 관한 보행자 정보를 사용하여 후보 경로를 압축해도 된다. 횡단보도에 관한 보행자 정보란, 횡단보도를 건너는 보행자의 정보나 횡단보도 앞에서 정지하는 보행자의 정보이다. 도 7에 도시하는 바와 같이, 직진 경로 R2 상의 횡단보도(90)를 보행자가 건너고 있고, 자차량(M1)의 진행 방향 상의 횡단보도(91) 앞에서 보행자가 정지하고 있는 경우, 경로 예측부(42)는, 보행자의 움직임으로부터 자차량(M1)의 진행 방향에 설치된 신호기(80)가 청색이고, 자차량(M1)의 진행 방향과 교차하는 방향에 설치된 신호기(81)가 적색이라고 추정한다. 이와 같이 경로 예측부(42)는, 보행자 정보를 사용함으로써, 신호기 정보를 취득할 수 없는 경우에도 신호기 정보를 추정할 수 있다. 그리고 경로 예측부(42)는, 추정한 신호기 정보를 사용함으로써, 직진 경로 R2를 후보 경로로부터 제외할 수 있다. 또한, 경로 예측부(42)는, 신호기 정보를 취득한 경우에 있어서도, 보행자 정보를 사용해도 된다. 즉, 경로 예측부(42)는, 신호기 정보와 보행자 정보의 양쪽을 사용하여 후보 경로를 압축해도 된다.

다음으로 도 8을 참조하여, 타차량(M2)이 교차점의 외측(도 5에 도시하는 영역(T2))에서 차속이 소정값 이하인 경우에 대하여 설명한다. 도 8에 도시하는 바와 같이, 물체 검출부(10)가 교차점의 외측에 존재하는 타차량(M2)을 검출한 경우, 경로 예측부(42)는, 자차량(M1)에 대한 타차량(M2)의 상대 위치와 지도 데이터베이스(30)를 참조하여, 타차량(M2)의 위치의 주위에 있어서의 도로 구조를 취득한다. 도 8에 도시하는 바와 같이, 경로 예측부(42)는, 타차량(M2)의 위치에 있어서의 도로 구조가 편측 1차선의 교차점인 것을 취득한다. 다음으로 경로 예측부(42)는, 타차량(M2)의 위치와, 도로 구조에 기초하여 타차량(M2)이 주행할 복수의 경로 후보를 추출한다. 도 8에 도시하는 도로 구조상, 후보 경로로서 3개의 경로가 추출된다. 즉, 경로 예측부(42)는, 자차량(M1)의 진행 방향과 교차하는 방향으로 우회전하는 우회전 경로 R5와, 자차량(M1)의 진행 방향과 반대 방향으로 직진하는 직진 경로 R6과, 자차량(M1)의 진행 방향과 교차하는 방향으로 좌회전하는 좌회전 경로 R7의 3개의 후보 경로를 추출한다.

다음으로 경로 예측부(42)는, 추출한 3개의 후보 경로에 대하여 교통 규칙이나 교통 상황을 사용하여 압축한다. 구체적으로는 우선 경로 예측부(42)는, 물체 검출부(10)로부터 취득한 자차량(M1)의 주위의 교통 상황이나 신호기 정보를 사용하여 후보 경로를 압축한다. 물체 검출부(10)로부터 취득한 자차량(M1)의 주위의 교통 상황이란, 예를 들어 지체 상황이나 횡단보도 상의 보행자의 유무이다. 도 8에 도시하는 바와 같이, 자차량(M1)의 진행 방향에 설치된 신호기(80)가 청색이고, 자차량(M1)의 주위에 있어서 타차량이 존재하지 않고 지체가 발생하지 않은 경우, 경로 예측부(42)는, 직진 경로 R6을 후보로부터 제외한다. 이유로서, 도 8에 도시하는 교통 상황에 있어서 타차량(M2)은 직진 경로 R6으로 진행하고 싶다면 진행할 수 있기 때문이다. 그럼에도 불구하고 교차점의 외측에서 차속을 낮추고 있음은 진행하고 싶은 경로가 우회전 경로 R5 또는 좌회전 경로 R7일 가능성이 높음을 의미한다.

이어서, 경로 예측부(42)는, 타차량(M2)이 주행할 경로가 우회전 경로 R5 또는 좌회전 경로 R7 중 어느 쪽인지 압축한다. 여기서, 타차량(M2)이 주행할 경로가 좌회전 경로 R7인 경우, 도 8에 도시하는 바와 같이 자차량(M1)의 주위에 있어서 지체가 발생하고 있지 않기 때문에, 타차량(M2)은 교차점의 내측으로 진행하여, 좌회전하기 쉬운 위치에서 차속을 낮출 가능성이 높다. 그럼에도 불구하고 교차점의 외측에서 차속을 낮추는 것은 진행하고 싶은 경로가 우회전 경로 R5일 가능성이 높기 때문이다. 따라서, 경로 예측부(42)는, 좌회전 경로 R7을 후보 경로로부터 제외하고, 남은 1개의 후보인 우회전 경로 R5가, 타차량(M2)이 주행할 경로라고 예측한다.

한편, 도 9에 도시하는 바와 같이, 좌회전 경로 R7에 타차량(M3, M4)이 정지(또는 저속 주행)하고 있고, 타차량(M3)의 후방에 비어 있는 공간이 없는 경우, 경로 예측부(42)는, 좌회전 경로 R7에 지체가 발생하고 있다고 판단한다. 이와 같이 좌회전 경로 R7에 지체가 발생한 경우에 있어서, 타차량(M2)이 진행하고 싶은 경로가 좌회전 경로 R7인 경우, 타차량(M2)은 교차점의 외측에서 정지하는 것이 통상이다. 이 상황에서 타차량(M2)이 교차점 내측으로 진행하여, 지체가 해소되지 않고 신호 등이 바뀐 경우, 교차 차선의 교통을 저해하게 되기 때문이다. 즉, 도 9에 도시하는 교통 상황에 있어서, 경로 예측부(42)는, 타차량의 위치 정보를 사용해도 타차량(M2)이 주행할 경로가 우회전 경로 R5 또는 좌회전 경로 R7 중 어느 쪽인지 예측할 수 없는 경우가 있다.

그래서, 경로 예측부(42)는, 추가로 횡단보도에 관한 보행자 정보를 사용하여 후보 경로를 압축한다. 도 9에 도시하는 바와 같이 우회전 경로 R5와 교차하는 횡단보도(90)에 보행자가 없는 경우, 경로 예측부(42)는, 우회전 경로 R5를 후보 경로로부터 제외하고, 좌회전 경로 R7이 타차량(M2)이 주행할 경로라고 예측한다. 이유는, 우회전 경로 R5 상에 지체가 발생하지 않고, 또한 우회전 경로 R5에 교차하는 횡단보도(90)에 보행자가 없기 때문에, 타차량(M2)은 우회전 경로 R5로 진행하고 싶다면 진행할 수 있기 때문이다. 그럼에도 불구하고 교차점의 외측에서 차속을 낮추고 있음은 진행하고 싶은 경로가 좌회전 경로 R7임을 의미한다. 이와 같이 지체 상황이나 보행자 정보를 사용하여 후보 경로를 압축한 결과를 도 10 및 도 11에 도시한다. 도 10에 도시하는 압축 결과는, 직진 경로 R6에 지체가 발생하고 있지 않은 경우에 있어서, 우회전 경로 R5 및 좌회전 경로 R7의 지체 유무를 사용하여 후보 경로를 압축한 결과이다. 도 11에 도시하는 압축 결과는, 도 10에 있어서의 우회전 경로 R5에 지체가 발생하지 않고, 좌회전 경로 R7에 지체가 발생한 경우에 있어서(도 10에 도시하는 가장 밑의 케이스), 보행자 정보를 사용하여 후보 경로를 압축한 결과이다. 또한, 도 10 및 도 11에 도시하는 예에서는, 경로 예측부(42)는, 지체 상황을 판단한 후에 보행자 정보를 사용하여 후보 경로를 압축하였지만, 이것에 한정되지 않는다. 경로 예측부(42)는, 보행자 정보를 사용한 후에 지체 상황을 판단하여 후보 경로를 압축해도 된다.

도 10 및 도 11에 도시하는 바와 같이, 지체 상황이나 보행자 정보를 사용해도 타차량(M2)이 주행할 경로가 우회전 경로 R5 또는 좌회전 경로 R7 중 어느 쪽인지 예측할 수 없는 케이스가 있다. 이 경우, 경로 예측부(42)는, 도 12에 도시하는 바와 같이 차선의 중심선(CL)에 대한 타차량(M2)의 위치를 사용하여 후보 경로를 압축한다.

구체적으로는 도 12에 도시하는 바와 같이, 경로 예측부(42)는, 타차량(M2)이 위치하고 있는 차선의 중심선(CL)에서부터, 타차량(M2)의 중심 위치까지의 거리 D를 산출한다. 타차량(M2)의 중심 위치란 차 폭의 중심 위치이다. 경로 예측부(42)는, 물체 검출부(10)가 취득한 타차량(M2)의 차 폭을 사용하여 거리 D를 산출한다. 그리고 경로 예측부(42)는, 산출한 거리 D를 사용하여 후보 경로를 압축한다. 교통 규칙상, 운전자는, 우회전 또는 좌회전할 때 차선의 우측 또는 좌측에 차량을 가까이 댈 것이 요구된다. 또한, 일반적으로 운전자는 직진하는 경우, 차선의 중심선을 주행한다. 따라서, 거리 D가 소정값(예를 들어 0.3m) 이하인 경우, 경로 예측부(42)는, 타차량(M2)이 주행할 경로는 직진 경로 R6이라고 예측한다. 또한, 경로 예측부(42)는, 교통 상황 등에 따라 직진 경로 R6을 후보 경로로부터 제외한 경우에는, 예측을 중지한다.

도 12에 도시하는 바와 같이, 거리 D가 소정값보다 크고, 또한 거리 D가 자차량(M1)으로부터 보아 좌측으로 큰 경우, 즉 중심선(CL)을 Y 좌표로 하면 거리 D<0인 경우, 경로 예측부(42)는, 타차량(M2)이 주행할 경로는 우회전 경로 R5라고 예측한다. 또한, 거리 D가 소정값보다 크고, 또한 거리 D가 자차량(M1)으로부터 보아 우측으로 큰 경우, 즉 중심선(CL)을 Y 좌표로 하면 거리 D>0인 경우, 경로 예측부(42)는, 타차량(M2)이 주행할 경로는 좌회전 경로 R7이라고 예측한다. 이와 같이, 지체 상황이나 보행자 정보를 사용해도 타차량(M2)이 주행할 경로를 예측할 수 없는 경우에도, 경로 예측부(42)는, 거리 D를 사용함으로써 타차량(M2)이 주행할 경로를 예측할 수 있다.

또한, 도 13에 도시하는 바와 같이, 타차량에 가려지는 등의 이유에 의해 물체 검출부(10)가 타차량(M2)의 차 폭 W를 정확하게 검출할 수 없는 경우가 있다. 경로 예측부(42)는, 검출된 차 폭 W가 소정값(예를 들어 차종의 8할)보다 작은 경우에는, 거리 D를 사용한 후보 경로의 압축을 행하지 않는다. 검출된 차 폭 W가 소정값보다 작은 경우, 차 폭 전체의 어느 부분이 검출되었는지 판단할 수 없어, 중심선(CL)에 대한 타차량(M2)의 위치를 정확하게 산출할 수 없는 케이스가 있기 때문이다.

이어서, 도 14 내지 도 16에 도시하는 흐름도를 참조하여, 제2 실시 형태에 관한 차량 거동 예측 장치(2)의 일 동작예를 설명한다. 또한, 스텝 S201 내지 스텝 S205, 스텝 S215의 동작은 각각, 도 3의 스텝 S101 내지 스텝 S105, 스텝 S107의 동작과 동일하므로 상세한 설명을 생략한다.

스텝 S206에 있어서, 경로 예측부(42)는, 타차량(M2)이 교차점의 내측에 위치하고 있는지, 교차점의 외측에 위치하고 있는지 판단한다. 교차점의 내측과 외측에서는, 추출하는 후보 경로가 상이한 경우가 있기 때문이다. 타차량(M2)이 교차점의 내측에 위치하고 있는 경우(스텝 S206에서 "예"), 처리는 스텝 S207로 진행한다. 한편, 타차량(M2)이 교차점의 외측에 위치하고 있는 경우(스텝 S206에서 "아니오"), 처리는 스텝 S220으로 진행한다.

스텝 S207에 있어서, 경로 예측부(42)는, 타차량(M2)의 위치와, 도로 구조에 기초하여 타차량(M2)이 주행할 복수의 후보 경로를 추출한다. 도로 구조에 기초하여 추출한다는 것은, 도로 구조상, 타차량(M2)의 위치로부터 주행 가능한 경로를 추출하는 것을 말한다.

스텝 S208에 있어서, 경로 예측부(42)는, 자차량(M1)의 주위에 존재하는 타차량(M3, M4)의 정보를 사용하여 후보 경로 상의 교통량이 소정량 이상인지 여부를 판단한다. 타차량(M3, M4)의 정보란, 위치, 속도, 가속도, 진행 방향 등이다. 교통량이 소정량 이상인 도로 상에서 머무르는 것은 통상적으로는 생각하기 어렵고, 또한 교통의 흐름을 저해하게 되어 교통 규칙상 바람직하지 않다. 따라서, 후보 경로 상의 교통량이나 교통 규칙을 사용함으로써 경로 예측부(42)는, 후보 경로를 압축할 수 있다. 후보 경로 상의 교통량이 소정량 이상인 경우(스텝 S208에서 "예"), 처리는 스텝 S209로 진행한다. 한편, 교통량이 소정량보다 작은 경우(스텝 S208에서 "아니오"), 처리는 스텝 S210으로 진행한다.

스텝 S209에 있어서, 경로 예측부(42)는, 후보 경로 상의 교통량이나 교통 규칙을 사용하여 후보 경로를 압축한다. 도 6에 도시하는 바와 같이 직진 경로 R3 상의 교통량이 소정량 이상인 경우, 경로 예측부(42)는, 직진 경로 R3을 후보로부터 제외한다.

스텝 S210에 있어서, 경로 예측부(42)는, 후보 경로가 2개 이상 있는지 여부를 판단한다. 후보 경로가 1개인 경우(스텝 S210에서 "아니오"), 경로 예측부(42)는, 남은 1개의 후보 경로가 타차량(M2)이 주행할 경로라고 예측하고, 처리는 스텝 S215로 진행한다. 한편, 후보 경로가 2개 이상 있는 경우(스텝 S210에서 "예"), 처리는 스텝 S211로 진행한다.

스텝 S211에 있어서, 경로 예측부(42)는, 후보 경로를 압축하기 위해 자차량(M1)의 주위의 신호기 정보를 취득한다. 경로 예측부(42)가 신호기 정보를 취득한 경우(스텝 S211에서 "예"), 처리는 스텝 S214로 진행한다. 한편, 경로 예측부(42)가 신호기 정보를 취득하지 않은 경우(스텝 S211에서 "아니오"), 처리는 스텝 S212로 진행한다.

스텝 S212에 있어서, 경로 예측부(42)는, 횡단보도에 관한 보행자 정보를 취득한다. 신호기 정보를 취득할 수 없는 경우에도 보행자 정보를 사용함으로써, 경로 예측부(42)는, 신호기 정보를 추정할 수 있기 때문이다.

스텝 S213에 있어서, 경로 예측부(42)는, 취득한 보행자 정보를 사용하여 신호기 정보를 추정한다. 도 7에 도시하는 바와 같이, 직진 경로 R2 상의 횡단보도(90)를 보행자가 건너고 있고, 자차량(M1)의 진행 방향 상의 횡단보도(91) 앞에서 보행자가 정지하고 있는 경우, 경로 예측부(42)는, 보행자의 움직임으로부터 자차량(M1)의 진행 방향에 설치된 신호기(80)가 청색이고, 자차량(M1)의 진행 방향과 교차하는 방향에 설치된 신호기(81)가 적색이라고 추정한다.

스텝 S214에 있어서, 경로 예측부(42)는, 스텝 S211에서 취득한 신호기 정보, 또는 스텝 S213에서 추정한 신호기 정보를 사용하여 후보 경로를 압축한다. 또한, 경로 예측부(42)는, 스텝 S211에서 취득한 신호기 정보와, 스텝 S213에서 추정한 신호기 정보의 양쪽을 사용하여 후보 경로를 압축해도 된다.

이어서, 도 15에 도시하는 스텝 S220에 있어서, 경로 예측부(42)는, 타차량(M2)의 위치와, 도로 구조에 기초하여 타차량(M2)이 주행할 복수의 후보 경로를 추출한다.

스텝 S221에 있어서, 물체 검출부(10)는, 경로 예측부(42)에 의해 추출된 후보 경로의 전방을 검출한다. 후보 경로의 전방이란 후보 경로의 앞을 의미한다. 물체 검출부(10)는, 검출 가능한 범위에 있어서 후보 경로의 전방을 검출하지만, 자차량(M1)의 주위의 타차량이나 건물 등의 영향을 받는다. 즉, 물체 검출부(10)는, 타차량이나 건물이 많을수록 후보 경로의 전방을 검출하기 어려워지고, 타차량이나 건물이 적을수록 후보 경로의 전방을 검출하기 쉬워진다. 물체 검출부(10)가 후보 경로의 전방을 검출하기 쉬운 경우(스텝 S221에서 "예"), 처리는 스텝 S222로 진행한다. 한편, 물체 검출부(10)가 후보 경로의 전방을 검출하기 어려운 경우(스텝 S221에서 "아니오"), 처리는 스텝 S225로 진행한다.

스텝 S222에 있어서, 경로 예측부(42)는, 물체 검출부(10)에 의해 검출된 후보 경로의 전방의 정보에 기초하여 후보 경로의 전방의 지체 상황을 취득한다. 지체 상황에 기초하여 후보 경로의 압축이 가능하게 되는 경우가 있기 때문이다.

스텝 S223에 있어서, 경로 예측부(42)는, 지도 데이터베이스(30)를 참조하여, 자차량(M1)의 주위에 있어서 보도교가 있는지 여부를 검출한다. 보도교가 있는지 여부를 검출하는 이유는, 자차량(M1)의 주위에 있어서 횡단보도에 관한 보행자 정보를 이용 가능한지 간단하게 판단할 수 있기 때문이다. 즉, 자차량(M1)의 주위에 있어서 보도교가 있다면, 경로 예측부(42)는, 교차점에 횡단보도가 없음을 간단하게 판단할 수 있다. 횡단보도가 없는 교차점에 있어서, 보행자 정보는 후보 경로의 압축에 기여하지 않기 때문에, 경로 예측부(42)는 보행자 정보를 취득할 필요가 없어진다. 경로 예측부(42)가 보행자 정보를 취득하지 않는 경우, 처리할 정보가 줄어들기 때문에 리소스 절약이 된다. 자차량(M1)의 주위에 보도교가 있는 경우(스텝 S223에서 "예"), 처리는 스텝 S228로 진행한다. 한편, 자차량(M1)의 주위에 보도교가 없는 경우(스텝 S223에서 "아니오"), 처리는 스텝 S224로 진행한다.

스텝 S224에 있어서, 경로 예측부(42)는, 횡단보도에 관한 보행자 정보를 취득한다. 보행자 정보를 사용함으로써, 후보 경로의 압축이 가능하게 되는 경우가 있기 때문이다.

스텝 S225에 있어서, 물체 검출부(10)가 후보 경로의 전방을 검출하기 어렵기 때문에, 경로 예측부(42)는, 취득하기 쉬운 정보부터 취득한다. 그래서 경로 예측부(42)는, 지도 데이터베이스(30)를 참조하여, 자차량(M1)의 주위에 있어서 보도교가 있는지 여부를 검출한다. 보도교가 있는지 여부를 검출하는 이유는, 상술한 바와 같다. 자차량(M1)의 주위에 보도교가 있는 경우(스텝 S225에서 "예"), 처리는 스텝 S228로 진행한다. 한편, 자차량(M1)의 주위에 보도교가 없는 경우(스텝 S225에서 "아니오"), 처리는 스텝 S226으로 진행한다.

스텝 S226에 있어서, 경로 예측부(42)는, 횡단보도에 관한 보행자 정보를 취득한다. 보행자 정보를 사용함으로써, 후보 경로의 압축이 가능하게 되는 경우가 있기 때문이다.

스텝 S227에 있어서, 물체 검출부(10)는 검출 가능한 범위에 있어서 후보 경로의 전방을 검출한다. 경로 예측부(42)는, 물체 검출부(10)에 의해 검출된 정보에 기초하여 후보 경로의 전방의 지체 상황을 취득한다. 지체 상황에 기초하여 후보 경로의 압축이 가능하게 되는 경우가 있기 때문이다.

스텝 S228에 있어서, 경로 예측부(42)는, 후보 경로의 전방의 지체 상황이나, 횡단보도에 관한 보행자 정보를 사용하여 후보 경로를 압축한다. 또한, 경로 예측부(42)는, 지체 상황과 보행자 정보의 양쪽을 이용하여 후보 경로를 압축해도 되고, 지체 상황만 또는 보행자 정보만을 사용하여 후보 경로를 압축해도 된다.

이어서, 도 16에 도시하는 스텝 S230에 있어서, 경로 예측부(42)는, 후보 경로가 2개 이상 있는지 여부를 판단한다. 후보 경로가 1개인 경우(스텝 S230에서 "아니오"), 경로 예측부(42)는, 남은 1개의 후보 경로를 타차량(M2)이 주행할 경로라고 예측하고, 처리는 스텝 S215로 진행한다. 한편, 후보 경로가 2개 이상 있는 경우(스텝 S230에서 "예"), 처리는 스텝 S231로 진행한다.

스텝 S231에 있어서, 물체 검출부(10)는, 타차량(M2)이 위치하고 있는 차선의 중심선(CL)에서부터, 타차량(M2)의 중심 위치까지의 거리 D를 산출하기 위해, 타차량(M2)의 차 폭 W를 검출한다. 경로 예측부(42)는, 검출된 차 폭 W가 소정값보다 작은 경우에는, 거리 D를 사용한 후보 경로의 압축을 행하지 않는다. 검출된 차 폭 W가 소정값보다 작은 경우, 차 폭 전체 중 어느 부분이 검출된 것인지 판단할 수 없어, 중심선(CL)에 대한 타차량(M2)의 위치를 정확하게 산출할 수 없는 케이스가 있기 때문이다. 검출된 차 폭 W가 소정값 이상인 경우(스텝 S231에서 "예"), 처리는 스텝 S232로 진행한다. 한편, 검출된 차 폭 W가 소정값보다 작은 경우(스텝 S231에서 "아니오"), 처리는 스텝 S215로 진행한다.

스텝 S232에 있어서, 경로 예측부(42)는, 물체 검출부(10)가 검출한 타차량(M2)의 차 폭 W를 사용하여, 차선의 중심선(CL)에서부터 타차량(M2)의 중심 위치까지의 거리 D를 산출한다. 지체 상황이나 보행자 정보를 사용해도 타차량(M2)이 주행할 경로를 예측할 수 없는 경우에도, 거리 D를 사용함으로써 경로 예측부(42)는 타차량(M2)이 주행할 경로를 예측할 수 있는 경우가 있기 때문이다.

스텝 S233에 있어서, 경로 예측부(42)는, 산출한 거리 D가 소정값 이하인지 여부를 판단한다. 이에 의해, 경로 예측부(42)는, 후보 경로를 압축할 수 있다. 거리 D가 소정값 이하인 경우(스텝 S233에서 "예"), 처리는 스텝 S234로 진행한다. 한편, 거리 D가 소정값보다 큰 경우(스텝 S233에서 "아니오"), 처리는 스텝 S235로 진행한다.

스텝 S234에 있어서, 경로 예측부(42)는, 도 8에 도시하는 바와 같이 타차량(M2)이 주행할 경로는 직진 경로 R6이라고 예측한다. 또한, 경로 예측부(42)는, 교통 상황 등에 따라 직진 경로 R6을 후보 경로로부터 제외한 경우에는, 예측을 중지한다.

스텝 S235에 있어서, 경로 예측부(42)는, 거리 D가 자차량(M1)으로부터 보아 좌측으로 큰지, 우측으로 큰지를 판단한다. 즉 경로 예측부(42)는, 중심선(CL)을 Y 좌표로 하여 거리 D<0인지, 거리 D>0인지를 판단한다. 거리 D가 자차량(M1)으로부터 보아 우측으로 큰 경우, 즉 거리 D>0인 경우(스텝 S235에서 "예"), 처리는 스텝 S236으로 진행한다. 한편, 거리 D가 자차량(M1)으로부터 보아 좌측으로 큰 경우, 즉 거리 D<0인 경우(스텝 S235에서 "아니오"), 처리는 스텝 S237로 진행한다.

스텝 S236에 있어서, 경로 예측부(42)는, 타차량(M2)이 주행할 경로는 좌회전 경로 R7이라고 예측한다. 스텝 S237에 있어서, 경로 예측부(42)는, 타차량(M2)이 주행할 경로는 우회전 경로 R5라고 예측한다.

이상 설명한 바와 같이, 제2 실시 형태에 관한 차량 거동 예측 장치(2)에 따르면, 이하의 작용 효과가 얻어진다.

차량 거동 예측 장치(2)는, 타차량(M2)의 위치와, 도로 구조에 기초하여 타차량(M2)이 주행할 복수의 경로 후보를 추출한다. 차량 거동 예측 장치(2)는, 추출한 후보 경로에 대하여 교통 규칙을 사용하여 압축한다. 이에 의해, 차량 거동 예측 장치(2)는, 타차량(M2)의 자세나 주행 이력의 검출이 어려운 경우에도 타차량(M2)이 주행할 경로의 예측 정밀도를 향상시킬 수 있다.

또한, 교통 규칙에는, 신호기, 횡단보도 또는 표지에 관한 규칙 중 적어도 하나가 포함된다. 차량 거동 예측 장치(2)는, 신호기 색에 관한 교통 규칙을 사용하여 후보 경로를 압축한다. 또한, 차량 거동 예측 장치(2)는, 신호기 정보를 취득할 수 없는 경우, 횡단보도에 관한 보행자 정보를 사용하여 신호기 정보를 추정하여, 후보 경로를 압축한다. 이와 같이 신호기, 횡단보도 또는 표지에 관한 규칙을 사용하여 후보 경로를 압축함으로써, 차량 거동 예측 장치(2)는, 타차량(M2)의 자세나 주행 이력의 검출이 어려운 경우에도 타차량(M2)이 주행할 경로의 예측 정밀도를 향상시킬 수 있다.

또한, 차량 거동 예측 장치(2)는, 후보 경로 상에 있어서의 타차량(M2) 이외의 타차량(M3, M4)의 위치를 검출하고, 후보 경로의 전방이 지체되어 있는지 여부를 판단한다. 그리고, 차량 거동 예측 장치(2)는, 교통 규칙과 지체 상황에 기초하여 후보 경로를 압축한다. 이에 의해, 차량 거동 예측 장치(2)는, 타차량(M2)의 자세나 주행 이력을 검출할 수 없는 경우에도 타차량(M2)이 주행할 경로의 예측 정밀도를 향상시킬 수 있다.

상기한 바와 같이 본 발명의 실시 형태를 기재하였지만, 이 개시의 일부를 이루는 논술 및 도면은 본 발명을 한정하는 것이라고 이해해서는 안된다. 이 개시로부터 당업자에게는 여러 가지 대체 실시 형태, 실시예 및 운용 기술이 명확해질 것이다.

예를 들어, 제2 실시 형태에서는, 통신기(50)를 사용하여 신호기 정보를 취득하였지만, 신호기 정보를 취득하는 방법은 이것에 한정되지 않고, 예를 들어 카메라를 사용하여 신호기 정보를 취득해도 된다.

또한, 제2 실시 형태에서는, 경로 예측부(42)는 타차량(M3, M4)의 위치 정보를 사용하여 후보 경로의 전방이 지체되어 있는지 여부를 판단하였지만, 도 17에 도시하는 바와 같이 물체 검출부(10)는 건물(92)에 의해 은폐되는 영역(S1)의 정보를 검출하지 못하는 경우가 있다. 도 17에 도시하는 바와 같이, 타차량(M3, M4)이 좌회전 경로 R7의 전방에 존재하고 있어도, 물체 검출부(10)는 타차량(M3, M4)을 검출할 수 없고, 경로 예측부(42)는 좌회전 경로 R7의 전방에 지체가 발생하고 있는지를 판단할 수 없다. 이와 같이 물체 검출부(10)가 후보 경로의 전방을 검출할 수 없는 경우, 경로 예측부(42)는, 잘못된 예측을 피하기 위해, 타차량(M2)이 주행할 경로의 예측을 중지한다.

또한, 제1 실시 형태 및 제2 실시 형태에 있어서, 우측 통행의 도로에 대하여 설명하였지만, 본 발명은 좌측 통행의 도로에도 적용할 수 있다. 또한, 본 발명은 자동 운전 기능을 구비하는 차량에 적용할 수 있다.

또한, 상술한 실시 형태의 각 기능은, 하나 또는 복수의 처리 회로에 의해 실장될 수 있다. 처리 회로는, 전기 회로를 포함하는 처리 장치 등의 프로그램된 처리 장치를 포함한다. 처리 회로는, 또한 실시 형태에 기재된 기능을 실행하도록 어레인지된 특정 용도용 집적 회로(ASIC)나 종래형의 회로 부품과 같은 장치를 포함한다.

1, 2: 차량 거동 예측 장치
10: 물체 검출부
20: GPS 수신기
30: 지도 데이터베이스
40: 컨트롤러
41: 정보 취득부
42: 경로 예측부
50: 통신기

Claims

자차량의 주위에 있어서의 타차량의 위치를 검출하는 센서를 구비하고, 상기 타차량이 주행할 경로를 예측하는 차량 거동 예측 방법에 있어서,
상기 타차량의 위치의 주위에 있어서의, 적어도 차선을 포함하는 도로 구조를 취득하고,
상기 도로 구조에 있어서의 교통 규칙을 취득하고,
상기 교통 규칙에 기초하여 상기 타차량이 주행할 경로를 예측하는 것을 특징으로 하는 차량 거동 예측 방법.
제1항에 있어서,
상기 교통 규칙에는, 신호기, 횡단보도, 표지에 관한 규칙 중 적어도 하나가 포함되는 것을 특징으로 하는 차량 거동 예측 방법.
제1항 또는 제2항에 있어서,
상기 도로 구조에 기초하여 상기 타차량이 주행할 복수의 후보 경로를 추출하고,
상기 교통 규칙에 기초하여 상기 복수의 후보 경로로부터 상기 타차량이 주행할 경로를 예측하는 것을 특징으로 하는 차량 거동 예측 방법.
제3항에 있어서,
상기 복수의 후보 경로 상에 있어서의 상기 타차량 이외의 차량의 위치를 검출하고,
상기 타차량 이외의 차량의 위치와 상기 교통 규칙에 기초하여 상기 복수의 후보 경로로부터 상기 타차량이 주행할 경로를 예측하는 것을 특징으로 하는 차량 거동 예측 방법.
제3항 또는 제4항에 있어서,
상기 복수의 후보 경로의 전방을 검출할 수 없는 경우, 상기 타차량이 주행할 경로의 예측을 중지하는 것을 특징으로 하는 차량 거동 예측 방법.
제1항 내지 제5항 중 어느 한 항에 있어서,
상기 타차량의 차속을 검출하고,
상기 타차량의 차속이 소정값 이하인 경우에, 상기 타차량이 주행할 경로를 예측하는 것을 특징으로 하는 차량 거동 예측 방법.
제1항 내지 제6항 중 어느 한 항에 있어서,
상기 타차량의 주행 궤적을 검출하고,
상기 주행 궤적 및 상기 교통 규칙에 기초하여 상기 타차량이 주행할 경로를 예측하는 것을 특징으로 하는 차량 거동 예측 방법.
자차량의 주위에 있어서의 타차량의 위치를 검출하는 센서와,
상기 타차량의 위치의 주위에 있어서의, 적어도 차선을 포함하는 도로 구조를 취득하는 컨트롤러를 구비하고,
상기 컨트롤러는, 상기 도로 구조에 있어서의 교통 규칙을 취득하고, 취득한 상기 교통 규칙에 기초하여 상기 타차량이 주행할 경로를 예측하는 것을 특징으로 하는 차량 거동 예측 장치.