特開 2024-89824 走行支援装置、及び走行支援方法

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】P2024089824

(43)【公開日】2024-07-04

(54)【発明の名称】走行支援装置、及び走行支援方法

(51)【国際特許分類】

   G08G 1/16 20060101AFI20240627BHJP

   B60W 40/04 20060101ALI20240627BHJP

   B60W 30/08 20120101ALI20240627BHJP

   G06T 7/00 20170101ALI20240627BHJP

【ＦＩ】

G08G1/16 D

B60W40/04

B60W30/08

G06T7/00 350C

G06T7/00 650Z

【審査請求】未請求

【請求項の数】22

【出願形態】ＯＬ

(21)【出願番号】P 2022205275

(22)【出願日】2022-12-22

(71)【出願人】

【識別番号】509186579

【氏名又は名称】日立Ａｓｔｅｍｏ株式会社

(74)【代理人】

【識別番号】110000350

【氏名又は名称】ポレール弁理士法人

(72)【発明者】

【氏名】伊藤 浩朗

(72)【発明者】

【氏名】岸本 真

(72)【発明者】

【氏名】小松 咲絵

【テーマコード（参考）】

3D241

5H181

5L096

【Ｆターム（参考）】

3D241BA31

3D241BA50

3D241CD09

3D241CD19

3D241CE05

3D241DC02Z

3D241DC05Z

3D241DC11Z

3D241DC18Z

3D241DC25Z

3D241DC30Z

5H181AA01

5H181BB20

5H181CC03

5H181CC04

5H181CC12

5H181CC14

5H181FF27

5H181LL01

5H181LL02

5H181LL04

5H181LL09

5H181LL15

5L096BA04

5L096HA11

5L096JA16

5L096KA04

(57)【要約】

【課題】危険性の早期認識（安全の確保）と演算能力の適切な割り振りを図ることで、コンピュータ資源を有効に活用しながら、安全な走行支援を行うことができる走行支援装置、及び走行支援方法を提供する。
【解決手段】センサデータの画像情報の中から自車両の周囲の交通参加物が含まれる特定領域を抽出する領域抽出部１１と、抽出した特定領域の交通参加物について、自車両にとって安全に走行する上でのリスク度合いを導出するリスク導出部１５と、リスク度合いに対応して特定領域の処理優先度を設定する優先度設定部１６と、処理優先度に対応して、特定領域の情報の処理負荷を設定する処理負荷設定部１８と、前記処理負荷設定部からの処理負荷情報に基づいて交通参加物の認識を行う認識処理部１９とを有する。
【選択図】図１

【特許請求の範囲】

【請求項1】

センサで取得したセンサデータの情報を処理する情報処理部と、前記情報処理部によって処理された情報を用いて車両の走行支援を行う車両制御部とを有する走行支援装置において、
前記情報処理部は、
前記センサデータの情報の中から自車両の周囲の交通参加物が含まれる特定領域を抽出する領域抽出部と、
抽出した前記特定領域の前記交通参加物について、前記自車両にとって安全に走行する上でのリスク度合いを導出するリスク導出部と、
前記リスク度合いに対応して前記特定領域の処理優先度を設定する優先度設定部と、
前記処理優先度に対応して、前記特定領域の前記交通参加物の情報の処理負荷を設定する処理負荷設定部と、
前記処理負荷設定部からの処理負荷情報に基づいて前記交通参加物の認識を行う認識処理部とを有する
ことを特徴とする走行支援装置。

【請求項2】

請求項１に記載の走行支援装置において、
前記優先度設定部は、
前記リスク度合いが高い前記特定領域を高リスク特定領域と設定し、前記高リスク特定領域に比べて前記リスク度合いが低い前記特定領域を低リスク特定領域と設定する
ことを特徴とする走行支援装置。

【請求項3】

請求項２に記載の走行支援装置において、
前記センサデータは、カメラによる画像情報であり、
前記領域抽出部は、前記画像情報から前記自車両の周囲の前記交通参加物が含まれる前記特定領域を抽出する
ことを特徴とする走行支援装置。

【請求項4】

請求項３に記載の走行支援装置において、
前記領域抽出部は、一枚の前記画像情報から前記特定領域を抽出する
ことを特徴とする走行支援装置。

【請求項5】

請求項４に記載の走行支援装置において、
前記領域抽出部は、前記画像情報から全体領域と、前記全体領域に存在する特定領域とを抽出し、
前記優先度設定部は、前記全体領域の処理優先度を前記特定領域の処理優先度よりも低く設定する
ことを特徴とする走行支援装置。

【請求項6】

請求項１に記載の走行支援装置において、
前記リスク導出部は、移動する移動交通参加物の挙動から、前記移動交通参加物の移動を予測して前記リスク度合いを導き出す
ことを特徴とする走行支援装置。

【請求項7】

請求項６に記載の走行支援装置において、
前記リスク導出部は、前記移動交通参加物の挙動に加えて、移動しない非移動交通参加物から前記移動交通参加物の移動を予測して前記リスク度合いを導き出す
ことを特徴とする走行支援装置。

【請求項8】

請求項６に記載の走行支援装置において、
前記リスク導出部は、前記移動交通参加物が前記自車両にとって安全に走行する上での障害になるまでの推定接触時間を推定し、前記推定接触時間に対応して前記リスク度合いを導き出す
ことを特徴とする走行支援装置。

【請求項9】

請求項８に記載の走行支援装置において、
前記リスク導出部によって推定される推定接触時間は、前記移動交通参加物が前記自車両と接触するまでの推定接触時間であり、前記推定接触時間に対応して前記リスク度合いを導き出す
ことを特徴とする走行支援装置。

【請求項10】

請求項９に記載の走行支援装置において、
前記リスク導出部は、前記移動交通参加物の大きさ、走行方向、走行速度、走行加速度を用いて前記推定接触時間を推定する
ことを特徴とする走行支援装置。

【請求項11】

請求項７に記載の走行支援装置において、
前記非移動交通参加物は、前記移動交通参加物の周囲の障害物、及び/または道路状況であり、
前記リスク導出部は、前記障害物、及び/または前記道路状況から前記移動交通参加物の挙動を予測し、前記移動交通参加物の移動を予測して前記リスク度合いを導き出す
ことを特徴とする走行支援装置。

【請求項12】

請求項１において、
前記車両制御部は、
前記リスク導出部のリスク度合いに関係する統計値によって危険な走行状態を検出し、危険な走行状態を脱するように制御出力を修正する
ことを特徴とする走行支援装置。

【請求項13】

請求項１において、
前記車両制御部は、
前記リスク導出部のリスク度合いの統計値によって危険な走行状態を検出し、警告を報知する
ことを特徴とする走行支援装置。

【請求項14】

請求項２に記載の走行支援装置において、
前記処理負荷設定部は、前記処理優先度に対応して前記高リスク特定領域の画像の解像度を、前記高リスク特定領域以外の画像の解像度に比べて高く設定する
ことを特徴とする走行支援装置。

【請求項15】

請求項２に記載の走行支援装置において、
前記処理負荷設定部は、前記処理優先度に対応して前記高リスク特定領域の画像の解像度を、前記低リスク特定領域の画像の解像度に比べて高く設定する
ことを特徴とする走行支援装置。

【請求項16】

請求項２に記載の走行支援装置において、
前記処理負荷設定部は、前記処理優先度に対応して前記高リスク特定領域の演算の処理周期を、前記高リスク特定領域以外の演算の処理周期に比べて短く設定する
ことを特徴とする走行支援装置。

【請求項17】

請求項２に記載の走行支援装置において、
前記処理負荷設定部は、前記処理優先度に対応して前記高リスク特定領域の演算の処理周期を、前記低リスク特定領域の演算の処理周期に比べて短く設定する
ことを特徴とする走行支援装置。

【請求項18】

請求項２に記載の走行支援装置において、
前記特定領域の画像は、畳み込みニューラルネットワークを用いて画像認識され、
前記処理負荷設定部は、前記処理優先度に対応して前記高リスク特定領域の前記畳み込みニューラルネットワークの縮約率を、前記特定領域以外の領域の前記畳み込みニューラルネットワークの前記縮約率に比べて小さく設定する
ことを特徴とする走行支援装置。

【請求項19】

請求項１８に記載の走行支援装置において、
前記処理負荷設定部は、前記特定領域と前記特定領域以外の領域の合計処理時間が、目標処理時間以下となるように前記畳み込みニューラルネットワークの前記縮約率を設定する
ことを特徴とする走行支援装置。

【請求項20】

請求項１に記載の走行支援装置において、
前記領域抽出部は、前記センサデータの画像情報から死角領域を抽出し、
前記リスク導出部は、前記死角領域が前記自車両にとって安全に走行する上での障害になるまでの推定接触時間を推定し、前記推定接触時間に対応して前記リスク度合いを導き出す
ことを特徴とする走行支援装置。

【請求項21】

請求項１に記載の走行支援装置において、
前記センサは、レーザー距離センサとカメラであって、
前記レーザー距離センサの点群情報は前記領域抽出部に入力され、
前記カメラの画像情報は前記認識処理部に入力される
ことを特徴とする走行支援装置。

【請求項22】

センサで取得したセンサデータの情報を処理する情報処理部と、前記情報処理部によって処理された情報を用いて車両の走行支援を行う車両制御部とを有する走行支援装置の走行支援方法において、
前記情報処理部は、
前記センサデータの情報の中から自車両の周囲の交通参加物が含まれる特定領域を抽出し、
抽出した前記特定領域の前記交通参加物について、前記自車両にとって安全に走行する上でのリスク度合いを導出し、
前記リスク度合いに対応して前記特定領域の処理優先度を設定し、
前記処理優先度に対応して、前記特定領域の前記交通参加物の情報の処理負荷を設定し、
前記処理負荷に基づいて前記交通参加物の認識を行う
ことを特徴とする走行支援装置の走行支援方法。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は車両の走行を支援する走行支援装置、及び走行支援方法に係り、特に自動運転を行う車両に好適な走行支援装置、及び走行支援方法に関する。

【背景技術】

【0002】

最近では、高速道での高度な自動運転や、一般道での複雑な走行環境での運転支援等で走行制御の高度化が求められており、このためには精度の高い外界認識が必要である。外界認識の精度を高めるには、外界認識用センサの高性能化(例えば、カメラの高解像度化)や、外界認識用センサの搭載台数の増加といったことが考えられる。

【0003】

そして、外界認識の認識処理をリアルタイムに実行するには、画像処理を行うコンピュータの高い演算能力が必要であるが、現在のコンピュータの演算能力は十分であるとは言えない状況である。したがって、コンピュータ資源を有効に活用する手法が必要である。

【0004】

このための対策として、例えば特開２０１８－５６８３８３号公報（特許文献1）に記載されているように、認識処理する対象に優先度を設定し、この優先度に対応して演算能力を設定して、外界認識の精度向上と演算能力の適切な割り振りを図ることが提案されている。

【0005】

特許文献１においては、撮像画像を矩形状の複数の領域に分割し、直進方向、左折方向、及び右折方向に対応して、複数の領域に異なる解像度を設定している。具体的には、直進方向では撮像画像の中央領域付近の解像度を高く、中央領域以外は解像度を低く設定し、また左折方向では撮像画像の左側領域付近の解像度を高く、左側領域以外は解像度を低く設定し、同様に右折方向では撮像画像の右側領域付近の解像度を高く、右側領域以外は解像度を低く設定している。

【0006】

このように、車両の進行方向に対応して解像度の優先度を設定することで、外界認識の精度向上と演算能力の適切な割り振りを図ることができるようになる。これによって、コンピュータ資源を有効に活用することができる。

【先行技術文献】

【特許文献】

【0007】

【特許文献1】特開２０１８－５６８３８号公報

【発明の概要】

【発明が解決しようとする課題】

【0008】

ところで、特許文献１に記載されている外界認識では、車両の進行方向に対応して複数の領域に異なる解像度を設定している。しかしながら、この方法だと以下に述べるような状況には対応できないことが想定される。

【0009】

例えば、直進走行を行っている状況では、撮像画像の中央領域付近の解像度を高くしているので、この中央領域付近の外側の領域では解像度は高くない。このため、左側の領域や右側の領域に、自車両に接近してくる他車両が存在している場合、この他車両を認識する認識精度が高くないので、接近してくる他車両を認識するまでに時間が掛かり自車両と接触する恐れがある。もちろん左折方向や右折方向に自車両が進行している場合も同様の恐れがある。

【0010】

このように、接触等に代表される安全上の危険性の早期認識と演算能力の適切な割り振りを図り、コンピュータ資源を有効に活用しながら、安全な走行支援を行うことが求められている。

【0011】

本発明の目的は、危険性の早期認識（安全の確保）と演算能力の適切な割り振りを図ることで、コンピュータ資源を有効に活用しながら、安全な走行支援を行うことができる走行支援装置、及び走行支援方法を提供することにある。

【課題を解決するための手段】

【0012】

本発明は、
センサで取得したセンサデータの情報を処理する情報処理部と、情報処理部によって処理された情報を用いて車両の走行支援を行う車両制御部とを有する走行支援装置において、
情報処理部は、
センサデータの画像情報の中から自車両の周囲の交通参加物が含まれる特定領域を抽出する領域抽出部と、
抽出した特定領域の交通参加物について、自車両にとって安全に走行する上でのリスク度合いを導出するリスク導出部と、
リスク度合いに対応して特定領域の処理優先度を設定する優先度設定部と、
処理優先度に対応して、特定領域の情報の処理負荷を設定する処理負荷設定部と、
処理負荷設定部からの処理負荷情報に基づいて交通参加物の認識を行う認識処理部とを有する
ことを特徴とする。

【発明の効果】

【0013】

本発明によれば、危険性の早期認識（安全の確保）と演算能力の適切な割り振りを図ることができる。これによって、コンピュータ資源を有効に活用しながら、安全な走行支援を行うことができるようになる。

【図面の簡単な説明】

【0014】

【図1】本発明の第1の実施形態になる走行支援装置の構成図である。

【図2】図1に示す走行支援装置における処理優先度を設定する制御フローを説明するフローチャート図である。

【図3】カメラによって撮影された車両の前方画像であって、交通参加物の例を示す説明図である。

【図4】図３に示す画像の中の交通参加物が含まれる特定領域の例を示す説明図である。

【図5】図４に示す特定領域の交通参加物の衝突リスクを求める制御フローを説明するフローチャート図である。

【図6A】衝突リスクの第１の例を示す説明図である。

【図6B】衝突リスクの第２の例を示す説明図である。

【図6C】衝突リスクの第３の例を示す説明図である。

【図7】交通参加物の衝突リスクに基づく処理優先度を求める制御フローを説明するフローチャート図である。

【図8】交通参加物の処理優先度に基づき解像度を調整する制御フローを説明するフローチャート図である。

【図9】図８の制御フローに基づいて調整された解像度による特定領域の画像の例を示す説明図である。

【図10】交通参加物の処理優先度に基づき認識処理のレベルを調整する制御フローを説明するフローチャート図である。

【図11】危険な走行状態を検出するためのパラメータを示す説明図である。

【図12】危険な走行状態を検出するためのパラメータの具体例を示す説明図である。

【図13A】危険な状態を避けるための第1の制御例の制御フローを説明するフローチャート図である。

【図13B】危険な状態を避けるための第２の制御例の制御フローを説明するフローチャート図である。

【図13C】危険な状態を避けるための第３の制御例の制御フローを説明するフローチャート図である。

【図14】本発明の第２の実施形態になる交通参加物の処理優先度に基づき処理周期を調整する制御フローを説明するフローチャート図である。

【図15】図１４の制御フローに基づき調整される処理周期の具体的な例を示す説明図である。

【図16】本発明の第３の実施形態になる認識処理のための画像認識用ニューラルネットワークの構成を示す説明図である。

【図17】本発明の第３の実施形態になる交通参加物の処理優先度に基づきニューロンの数を調整する制御フローを説明するフローチャート図である。

【図18】図１７に示す制御フローによって調整される縮約率が大きい画像認識用ニューラルネットワークの例を示す説明図である。

【図19】図１７に示す制御フローによって調整される縮約率が小さい画像認識用ニューラルネットワークの例を示す説明図である。

【図20】図１７の制御フローに基づき調整された縮約率に基づいた処理スロットの処理の具体的な例を示す説明図である。

【図21】カメラによって撮影された車両の前方画像であって、増加した交通参加物が含まれる特定領域の例を示す説明図である。

【図22】本発明の第３の実施形態の変形例になる交通参加物の処理優先度に基づきニューロンの数を調整する制御フローを説明するフローチャート図である。

【図23】図２２の制御フローに基づき調整された縮約率に基づいた処理スロットの処理の具体的な例を示す説明図である。

【図24】カメラによって撮影された車両の前方画像であって、死角領域が含まれる特定領域の例を示す説明図である。

【図25】本発明の第４の実施形態になる死角領域の衝突リスクを求める制御フローを説明するフローチャート図である。

【図26】本発明の第５の実施形態になる走行支援装置の構成図である。

【図27】図２６に示す処理負荷設定部に入力されるカメラの画像の例を示す説明図である。

【図28】本発明の第６の実施形態になる走行支援装置の構成図である。

【発明を実施するための形態】

【0015】

以下、本発明の実施形態について図面を用いて詳細に説明するが、本発明は以下の実施形態に限定されることなく、本発明の技術的な概念の中で種々の変形例や応用例をもその範囲に含むものである。

【実施例0016】

［全体のシステム構成の説明］
図１は、本発明の実施形態に係る走行支援装置の構成を示す機能ブロックを示している。尚、この走行支援装置は「車両の自動運転」や「車両の走行支援」を行うものである。また車両は代表的には自動車であるが、これ以外の走行車両（例えば、倉庫等で使用される荷物運搬車両）を対象とすることもできる。

【0017】

走行支援装置１０は、少なくとも情報処理部１１と車両制御部１２とを備えており、車両制御部１２からの制御出力は、アクチュエータ１３に供給されている。制御出力は車両の走行状態を制御するものであり、代表的にはブレーキ制御、アクセル制御、ステアリング制御等の制御出力を、アクチュエータ１３に与えて車両の走行を制御する。ブレーキ制御、アクセル制御、ステアリング制御等のアクチュエータは、公知のアクチュエータを使用することができる。

【0018】

情報処理部１１は、例えば、中央演算処理装置であるＣＰＵ（Central Processing Unit）を含んで構成される。ただし、ＣＰＵに加えて、ＧＰＵ（Graphics Processing Unit）、ＦＰＧＡ（Field-Programmable Gate Array）、ＡＳＩＣ（Application Specific Integrated Circuit）等を含んで構成されても良いし、いずれか１つにより構成されても良い。

【0019】

本発明では情報処理部１１を対象とするので、以下では主に情報処理部１１の実施形態について説明を行うが、本実施形態の基本的な考え方は以下の通りである。

【0020】

本実施形態では図1に示すように、情報処理部１１は少なくとも、センサデータの画像情報の中から自車両の周囲の交通参加物が含まれる特定領域を抽出する領域抽出部１４と、抽出した特定領域の交通参加物について、自車両にとって安全に走行する上でのリスク度合いを導出するリスク導出部１５と、リスク度合いに対応して特定領域の処理優先度を設定する優先度設定部１６と、処理優先度に対応して、特定領域の情報の処理負荷を設定して画像の認識を行う画像認識部１７を有することを特徴とする。

【0021】

ここで、画像認識部１７は、情報の処理負荷に関する設定を行う処理負荷設定部１８と、認識処理部１９を備えている。尚、以下では画像認識部１７として説明する場合と、交通参加物を認識する処理負荷設定部１８と認識処理部１９として説明することもある。

【0022】

情報処理部１１は、上述のように、領域抽出部１４、リスク導出部１５、優先度設定部１６、画像認識部１７を有しているが、これらの制御機能は、情報処理部１1が備える記憶部に格納されている所定の制御プログラムを実行することで実現することができる。

【0023】

図２は、処理優先度を設定する代表的な制御フローを示しており、これは上述の制御プログラムによって実行されるものである。

【0024】

≪Ｓ０１≫
ステップＳ０１においては、撮像した画像の画面全体を同一の優先度で設定する。この優先度は、初期設定なのでいずれの優先度であっても良い。初期設定の優先度を設定するとステップＳ０２に移行する。

【0025】

≪Ｓ０２≫
ステップＳ０２においては、撮像した画像の画面全体の中で、自車両と接触の可能性がある交通参加物があるか否かを検出する。自車両と接触の可能性がある交通参加物があると判断される場合は交通参加物の含まれる領域を検出する。そして、接触可能性がある交通参加物が無いと判断されると再びステップＳ０２の処理を実行する。一方、接触可能性がある交通参加物があると判断されるとステップＳ０３に移行する。尚、接触可能性においても「大/中/小」いったレベルを付与することもできる。

【0026】

≪Ｓ０３≫
ステップＳ０３においては、接触可能性のレベルや交通参加物の数に対応して各領域の処理優先度を設定する。処理優先度を設定するとステップＳ０４に移行する。ここで、優先度が設定されると、処理優先度に対応した演算処理が実行される。

【0027】

例えば、処理優先度に対応した演算処理として、画像の解像度、画像処理の周期、認識処理の処理内容、ニューラルネットワークでの縮約率といった処理を処理優先度に対応して変更することができる。尚、これらについては後述する。

【0028】

≪Ｓ０４≫
ステップＳ０４においては、前回の処理動作の結果に比べて接触可能性のある交通参加物の増減が発生したか否かを検出する。接触可能性のある交通参加物に増減が発生していない場合は再びステップＳ０４の処理を実行する。一方、接触可能性のある交通参加物に増減が発生した場合はステップＳ０５に移行する。

【0029】

≪Ｓ０５≫
ステップＳ０５においては、接触可能性がある全ての交通参加物が消滅したか否かを検出する。接触可能性のある交通参加物が消滅していない場合は再びステップＳ０３の処理を実行する。一方、接触可能性のある交通参加物が消滅した場合はステップＳ０１に戻って同じ処理を繰り返すことになる。

【0030】

これによれば、接触等に代表される危険性の早期認識（安全の確保）と演算能力の適切な割り振りを図ることができ、コンピュータ資源を有効に活用しながら、安全な走行支援を行うことができるようになる。

【0031】

次に、図1に戻って走行支援装置１０を構成する夫々の構成要素の機能について説明する。

【0032】

［領域抽出部の説明］
領域抽出部１４には、カメラ、レーダ（RADAR）、ライダー（LiDAR）等のセンサ群２０からのセンサデータが入力されている。例えば、本実施形態では図３にカメラによる画像情報（センサデータ）が示されている。この画像情報は、自車両から見た前方の或る時刻での一枚の画像情報であり、自車両付近の駐車車両２０１、対向車両２０２、２０３、及び自転車２０４が撮像されて示されている。そして、領域抽出部１４は、この一枚の画像情報から交通参加物（いわゆるオブジェクト）が存在する特定領域を抽出する。

【0033】

ここで、交通参加物は、移動する移動交通参加物と移動しない非移動交通参加物とがある。移動交通参加物は、例えば、対向車両２０２、２０３や自転車２０４である。また、非移動交通参加物は、駐車車両２０１や道路状況（道路の形状、縁石等の道路の構成物、落下した荷物等）である。

【0034】

そして、画像情報から交通参加物が存在する特定領域を抽出する方法として、例えば、(１)Region Proposal Network、(２)Selective Search、(３)CPMC(Constrained Parametric Min-Cuts)等の手法を用いれば、交通参加物が含まれる領域を特定することができる。

【0035】

図４に特定領域を抽出した例を示しており、例えば、駐車車両２０１を含む矩形の特定領域３０１、対向車両２０２、２０３を含む矩形の特定領域３０２、３０３、及び自転車２０４を含む矩形の特定領域３０４が抽出されて示されている。尚、このとき特定領域の抽出と共に、画像情報の全体領域３０５を同時に抽出している。これは、後述するが、特定領域３０１～３０４と特定領域を除く全体領域３０５とで、演算能力を割り振るために抽出しているものである。

【0036】

領域抽出部１４で特定領域の抽出が行われると、これらの特定領域のリスク度合いが、リスク導出部１５で判断される。

【0037】

［リスク導出部の説明］
リスク導出部１５は、領域抽出部１４で抽出された交通参加物２０１～２０４が自車両に対して危険な挙動を行っていないかどうかのリスク度合いの判断を実行する。リスク度合いとは、自車両に対して安全に走行する上でのリスクの大きさ、つまり「危険度」であり、例えば、自車両に他車両が接近して接触、衝突するといった状況である。このため、接触、衝突しそうな他車両を速い時期に認識しなければならず、この認識に演算能力を多く割り当てることが必要である。

【0038】

本実施形態では、推定接触時間ＴＴＣ(Time To Collision)を用いてリスク度合いの判断に利用している。このため、リスク導出部１５には、ＧＰＳ部２１から位置情報が入力され、ＭＡＰ部２２から地図情報が入力され、車速センサ２３から車速情報が入力されている。尚、これら以外の情報を用いることもできる。これらの情報によって自車両に他車両が接触、衝突するまでの推定接触時間が求められる。そして、この推定接触時間ＴＴＣが短いほどリスク度合いが高いと見做される。尚、推定接触時間ＴＴＣの算出方法は良く知られているので詳細な説明は省略する。

【0039】

次にこのリスク度合いを判断する制御フローについて図５を用いて説明する。尚、特定領域の個数は（Ｎ）個であり、図４では特定領域は４個である。

【0040】

≪ステップＳ１０≫
ステップＳ１０においては、1個目の第1特定領域のリスク判断であることを示すため、「（ｉ）＝１」にセットする。これによって、第1特定領域のリスク度合いの判断を実行する。（ｉ）が「１」にセットされるとステップＳ１１に移行する。

【0041】

≪ステップＳ１１≫
ステップＳ１１においては、自車両の速度を取得する。この自車両の速度は自身の速度センサからの出力によって求めることができる。尚、ＧＰＳ部２１からの位置信号の変化によっても求めることができ、その手段は限定されないものである。自車両の速度を取得するとステップＳ１２に移行する。

【0042】

≪ステップＳ１２≫
ステップＳ１２においては、特定領域（ｉ＝１）の速度を取得する。この特定領域（ｉ＝１）の速度は、画像情報から求めることができ、この速度を求める手法も良く知られている。特定領域（ｉ＝１）の速度を取得するとステップＳ１３に移行する。

【0043】

≪ステップＳ１３≫
ステップＳ１３においては、特定領域（ｉ＝１）と自車両との間の距離（車間距離）を取得する。この車間距離も画像情報から取得でき、この車間距離を求める手法も良く知られている。特定領域（ｉ＝１）と自車両の間の距離を取得するとステップＳ１４に移行する。

【0044】

≪ステップＳ１４≫
ステップＳ１４においては、特定領域（ｉ＝１）の進行経路を予測する。この進行経路は、地図情報を基に予測することができる。また、地図情報から道路形状、道路領域、白線、交通標識等の道路状況を求めることができる。特定領域（ｉ＝１）の進行経路を予測するとステップＳ１５に移行する。

【0045】

≪ステップＳ１５≫
ステップＳ１５においては、上述した制御ステップで求めた特定領域（ｉ＝１）の進行経路と自車両の進行経路の交点があるか、つまり接触、衝突の恐れがあるか否かの判断を実行する。自車両の進行経路と特定領域（ｉ＝１）の進行経路の交点があると判断されるとステップＳ１６に移行し、進行経路の交点がないと判断されるとステップＳ１９に移行する。

【0046】

≪ステップＳ１６≫
ステップＳ１６においては、特定領域（ｉ＝１）と自車両の推定接触時間ＴＴＣ（ｉ＝１）を算出する。推定接触時間ＴＴＣ（ｉ＝１）の算出は、上述した制御ステップで求めた特定領域（ｉ＝１）と自車両の速度差（相対速度）と、自車両と特定領域（ｉ＝１）の間の距離とから求めることができる。推定接触時間ＴＴＣ（ｉ＝１）が求まると、ステップＳ１７に移行する。

【0047】

≪ステップＳ１７≫
ステップＳ１７においては、ステップＳ１７で求めた推定接触時間ＴＴＣ（ｉ＝１）が、予め定めた推定接触時間閾値ＴＴＣｔｈに比べて、短いか否かが判断される。推定接触時間ＴＴＣ（ｉ＝１）が、予め定めた推定接触時間閾値ＴＴＣｔｈに比べて短いと判断されると接触、衝突の危険性が高いと見做してステップＳ１８に移行し、推定接触時間ＴＴＣ（ｉ＝１）が、予め定めた推定接触時間閾値ＴＴＣｔｈに比べて長いと判断されると接触、衝突の危険性が低いと見做してステップＳ１９に移行する。

【0048】

≪ステップＳ１８≫
ステップＳ１８においては、ステップＳ１７で接触、衝突の危険性が高いと見做されているので、リスク度合いを「ｒｉｓｋ(ｉ)＝１」として、ステップＳ２０に移行する。ここで、右辺の「１」は高リスクであることを示している。これによって、特定領域（ｉ＝１）は高リスク特定領域とされる。

【0049】

≪ステップＳ１９≫
ステップＳ１９においては、ステップＳ１５で進行経路の交点がないと見做されている、或いはステップＳ１７で接触、衝突の危険性が低いと見做されているので、リスク度合いを「ｒｉｓｋ(ｉ)＝０」としてステップＳ２０に移行する。ここで、右辺の「０」は低リスクであることを示している。これによって、特定領域（ｉ＝１）は低リスク特定領域とされる。

【0050】

≪ステップＳ２０≫
ステップＳ２０においては、現在のリスク度合いの判断が全ての特定領域（Ｎ）に対して実行されたか否かを判断している。したがって、全ての特定領域（Ｎ）に対してリスク度合いの判断が実行された場合は終了に抜けることになる。

【0051】

一方、全ての特定領域（Ｎ）に対してリスク度合いの判断が実行されていない場合、ここでは特定領域（ｉ＝１）のリスク度合いの判断を実行しているので、ステップＳ２１に移行する。

【0052】

≪ステップＳ２１≫
ステップＳ２１においては、（ｉ）を「ｉ＋１」にセットすることによって、再びステップＳ１２に戻って第２特定領域のリスク度合いの判断を実行する。以下、（ｉ）が「Ｎ」に達するまで、上述の制御ステップが実行される。図３では、自転車２０４が駐車車両２０１を避けて右側に寄ると推測され、自車両と衝突の恐れがあるので、図４において、特定領域３０４は高リスク特定領域となり、特定領域３０１～３０２は対向車両なので、自車両の走行に影響を及ぼさず衝突の恐れがないので、低リスク特定領域となる。また、特定領域３０１は駐車車両なので、自車両の走行に影響を及ぼさず衝突の恐れがないので、低リスク特定領域となる。

【0053】

ここで、特定領域のリスクの判定は高リスクと低リスクの２つのレベルで説明しているが、これに限らず３つ以上のレベルに設定することもできる。例えば、特定領域を除いた画像情報を背景レベルとすることによって、図４にあるように、リスク度合いを「高リスク特定領域３０４＞低リスク特定領域３０１、３０２、３０３＞背景領域３０５」のように設定できる。もちろん、高リスク特定領域、低リスク特定領域を更に細かくレベル分けすることも可能である。

【0054】

このように、本実施形態では、推定接触時間ＴＴＣを利用してリスク度合いを判断することができる。尚、図６Ａ～図６Ｃに高リスク特定領域の例を示している。

【0055】

図６Ａでは、駐車車両を避けるために自車両に他車両が接触する可能性がある場合の例である。自車両の周囲に駐車車両３０１、対向車両３０２、３０３、自転車３０４が存在している。駐車車両３０１、対向車両３０２、３０３は自車両と接触、衝突する危険性は低く、低リスク特定領域と判断される。一方、上述したように自転車３０４は側方に位置する駐車車両３０１を避けるため、自車両の前に移動することが予測されるので、高リスク特定領域と判断される。尚、対向車両３０２、３０３や自転車３０４は、「移動交通参加物」の一種である。

【0056】

図６Ｂは、道路状況の変化により自車両に周辺車両３０５が接触する可能性がある場合の例である。周辺車両３０５の前方には、自車両の進行方向に向けて道路の方向が変化する曲がり形状領域３０６が存在している。このため周辺車両３０５は現在の走行車線から自車両の走行車線に進入して自車両の前に移動することが予測されるので、高リスク特定領域と判断される。尚、地図情報から求められる曲がり形状領域３０６等の道路状況は、「非移動交通参加物」の一種である。

【0057】

図６Ｃは、後方からの追い抜き等により、自車両に他車両が接触する可能性がある場合の例である。自車両と周辺車両３０５とが併進している状態で、後方から高速の自動二輪車３０７が追い抜きを行い、自車両の前に移動することが予測されるので、高リスク特定領域と判断される。尚、周辺車両３０５や自動二輪車３０７は、「移動交通参加物」の一種である。

【0058】

このように、リスク導出部１５は、領域抽出部１４で抽出された、自車両の前方、側方、及び後方に存在する交通参加物が、自車両に対して危険な挙動を行うか否かを予測してリスク度合いの判断を実行する機能を備えている。

【0059】

更に詳しくは、リスク導出部１５は、移動する移動交通参加物の挙動から、移動交通参加物の移動を予測してリスク度合いを導き出す機能を備えている。また、リスク導出部１５は、移動交通参加物の挙動に加えて、移動しない非移動交通参加物から、移動交通参加物の移動を予測して上記リスク度合いを導き出す機能を備えている。

【0060】

更に、リスク導出部１５は、移動交通参加物が自車両にとって安全に走行する上での障害になるまでの推定接触時間を推定し、推定接触時間に対応してリスクを導き出す機能を備えている。また、リスク導出部１５によって推定される推定接触時間は、移動交通参加物が自車両と接触するまでの推定接触時間であり、推定接触時間に対応してリスクを導き出す機能を備えている。

【0061】

更に、リスク導出部１５は、移動交通参加物の大きさ、走行方向、走行速度、走行加速度を用いて推定接触時間を推定する機能を備えている。また、非移動交通参加物は、移動交通参加物の周囲の障害物、及び/または道路状況であり、リスク導出部１５は、障害物、及び/または道路状況から移動交通参加物の挙動を予測し、移動交通参加物の移動を予測してリスク度合いを導き出す機能を備えている。

【0062】

ここで、図５の制御フローでは、自車両との推定接触時間ＴＴＣを元にリスク度合いを、高リスクと低リスクの２レベルで判定しているが、これとは別に自車両との接触可能性が低くても、通常と異なる挙動をしている移動交通参加物の場合は高リスクとすることもできる。

【0063】

例えば、(１)移動交通参加物の走行軌跡がふらついている、(２)周辺車両に対して極端に車間を詰めている、(３)周辺車両より極端に速い、或いは遅い、(４)加速・減速が激しい、などといった挙動であり、これらの挙動に基づいてリスク度合いを求めることもできる。

【0064】

また、移動交通参加物以外もリスク度合いを算出する対象物としても良い。例えば、(１)道路上の落下物、(２)走行道路に接続された路地から飛び出してくるボールや動物、(３)周辺車両から落ちた荷物、外れたタイヤ、などといった事物である。

【0065】

更に図５では、自車両との推定接触時間ＴＴＣを元にリスク度合いを判定しているが、自車両との接触の危険性が小さい特定領域であっても、自車両との距離が短い場合にはリスク度合いを高く設定することも可能である。これにより、何らかの状況の変化が発生した場合に、特定領域に対する認識処理の優先度を高く設定することが可能になる。

【0066】

リスク導出部１５で、特定領域のリスク度合いが導き出されると、リスク度合いに対応した処理優先度が設定される。

【0067】

［優先度設定部の説明］
優先度設定部１６は、リスク導出部１５で導き出された特定領域のリスク度合いに対応して特定領域の処理優先度を設定する機能を実行する。この処理優先度は、コンピュータの演算能力を割り振るための指標であり、リスク度合いと紐付けられている。後述するが、処理優先度の高い特定領域では、認識処理の処理負荷は大きいが、認識精度が高くできる。逆に処理優先度の低い特定領域では、認識精度はさほど高くないが、認識処置の処理負荷を低減することができる。

【0068】

次にこの処理優先度を設定する制御フローについて図７を用いて説明する。尚、特定領域の個数は（Ｎ）個であり、図４では特定領域は４個である。

【0069】

≪ステップＳ３０≫
ステップＳ３０においては、1個目の第1特定領域の処理優先度を設定することを示すため、「（ｉ）＝１」にセットする。これによって、第1特定領域の処理優先度の設定を実行する。（ｉ）が「１」にセットされるとステップＳ３１に移行する。

【0070】

≪ステップＳ３１≫
ステップＳ３１においては、第1特定領域のリスク度合いが高リスク「１」かどうかを判断する。このリスク度合いは、図５のステップＳ１８～Ｓ１９の判断結果を参照している。そして、リスク度合いが高リスク「１」と判断されるとステップＳ３２に移行し、リスク度合いが高リスク「１」でない、言い換えると低リスク「０」と判断されるとステップＳ３３に移行する。

【0071】

≪ステップＳ３２≫
ステップＳ３１でリスク度合いが高リスク「１」と判断されているので、ステップＳ３２においては、処理優先度を高処理優先度「ｐｒｉｏｒｉｔｙ(ｉ)＝１」と設定する。ここで、右辺の「１」は高処理優先度であることを示している。これは上述したように、認識処理の処理負荷は大きいが、認識精度を高くすることができるようにコンピュータの演算能力を割り振るものである。処理優先度を設定するとステップＳ３４に移行する。

【0072】

≪ステップＳ３３≫
ステップＳ３１でリスク度合いが低リスク「０」と判断されているので、ステップＳ３３においては、処理優先度を低処理優先度「ｐｒｉｏｒｉｔｙ(ｉ)＝０」と設定する。ここで、右辺の「０」は低処理優先度であることを示している。これは上述したように、認識精度はさほど高くないが、認識処置の処理負荷を低減することができるようにコンピュータの演算能力を割り振るものである。処理優先度を設定するとステップＳ３４に移行する。

【0073】

≪ステップＳ３４≫
ステップＳ３４においては、現在の処理優先度の設定が全ての特定領域（Ｎ）に対して実行されたか否かを判断している。したがって、全ての特定領域（Ｎ）に対して処理優先度の設定が実行された場合は、終了に抜けることになる。

【0074】

一方、全ての特定領域（Ｎ）に対して処理優先度の設定が実行されていない場合、ここでは特定領域（ｉ＝１）の処理優先度の設定を実行しているので、ステップＳ３５に移行する。

【0075】

≪ステップＳ３５≫
ステップＳ３５においては、（ｉ）を「ｉ＋１」にセットすることによって、再びステップＳ３１に戻って第２特定領域のリスク度合いの判断を実行する。以下、（ｉ）が「Ｎ」に達するまで、上述の制御ステップが実行される。図４では、特定領域３０４は処理優先度が高くなり、特定領域３０１～３０３は処理優先度が低くなる。

【0076】

優先度設定部１６で特定領域の処理優先度が設定されると、処理優先度に対応した優先処理が画像認識部１７で実行される。

【0077】

［画像認識部の説明］
画像認識部１７は、少なくとも処理負荷設定部１８と認識処理部１９とから構成されている。

【0078】

［（１）処理負荷設定部の説明］
画像認識部１７を構成する処理負荷設定部１８は、優先度設定部１６で設定された特定領域の処理優先度に対応して特定領域の処理負荷を設定して実行する機能を備える。この処理負荷設定部１８は、後続する認識処理部１９での認識処理の負荷を、特定領域の処理優先度に合せて割り振るものである。

【0079】

次にこの特定領域の処理負荷を設定して実行する制御フローについて図８を用いて説明する。尚、特定領域の個数は（Ｎ）個であり、図４では特定領域は４個である。また、処理負荷の設定として画像の解像度を調整する事例を説明する。

【0080】

≪ステップＳ４０≫
ステップＳ４０においては、1個目の第1特定領域の処理負荷を設定/実行することを示すため、「（ｉ）＝１」にセットする。これによって、以下の第1特定領域の処理負荷が設定されて実行される。（ｉ）が「１」にセットされるとステップＳ４１に移行する。

【0081】

≪ステップＳ４１≫
ステップＳ４１においては、第1特定領域の処理優先度が高処理優先度「１」かどうかを判断する。この処理優先度は、図７のステップＳ３２～Ｓ３３の判断結果を参照している。そして、処理優先度が高処理優先度「１」と判断されるとステップＳ４２に移行し、処理優先度が高処理優先度「１」でない、言い換えると低処理優先度「０」と判断されるとステップＳ４３に移行する。

【0082】

≪ステップＳ４２≫
ステップＳ４１で処理優先度が高処理優先度「１」と判断されているので、ステップＳ４２においては、画像の解像度を縦/横とも「１」と設定する。これは特定領域の画像情報をそのまま使用して認識処理を実行することになる。特定領域の画像情報の処理を実行するとステップＳ４４に移行する。

【0083】

≪ステップＳ４３≫
ステップＳ４１で処理優先度が低処理優先度「０」と判断されているので、ステップＳ４３においては、画像の解像度を縦/横とも「１/２」と設定する。これは特定領域の画像情報を１/２に圧縮して画像情報を低減して認識処理を実行することになる。特定領域の画像情報の処理を実行するとステップＳ４４に移行する。

【0084】

≪ステップＳ４４≫
ステップＳ４４においては、現在の処理負荷の設定と実行が全ての特定領域（Ｎ）に対して実行されたか否かを判断している。したがって、全ての特定領域（Ｎ）に対して処理負荷の設定と実行が完了された場合は終了に抜けることになる。

【0085】

一方、全ての特定領域（Ｎ）に対して処理負荷の設定と実行が完了されていない場合、ここでは特定領域（ｉ＝１）の処理負荷の設定と実行を行っているので、ステップＳ４５に移行する。

【0086】

≪ステップＳ４５≫
ステップＳ４５においては、（ｉ）を「ｉ＋１」にセットすることによって、再びステップＳ４１に戻って第２特定領域の処理優先度の判断を実行する。以下、（ｉ）が「Ｎ」に達するまで、上述の制御ステップが実行される。図４では、特定領域３０４の解像度は「１/１」であり、特定領域３０１～３０３の解像度は「１/２」である。

【0087】

図８に示す制御フローによって実行される画像情報の処理を、図９によって簡単に説明する。図９は、特定領域と、特定領域で抽出した画像と、処理負荷設定部１８での処理負荷の設定と、認識処理部１９に入力される特定領域の画像を示している。この場合、図４に示す状態を基礎としている。

【0088】

特定領域３０１は駐車車両であり、リスク度合い、及び処理優先度は「０」である。このため、処理負荷設定部１８では、解像度を縦横とも「１/２」に設定して画像情報を１/２に低減して認識処理部１９に送ることになる。

【0089】

同様に、特定領域３０２、３０３は対向車両であり、リスク度合い、及び処理優先度は「０」である。このため、処理負荷設定部１８では、解像度を縦横とも「１/２」に設定して画像情報を１/２に低減して認識処理部１９に送ることになる。

【0090】

一方、特定領域３０４は自転車であり、リスク度合い、及び処理優先度は「１」である。このため、処理負荷設定部１８では、解像度を縦横とも「１」に設定して画像情報をそのまま認識処理部１９に送ることになる。

【0091】

［（２）認識処理部の説明］
次に、画像認識部１７を構成する認識処理部１９においては、処理負荷設定部１８から送られてきた画像情報から、特定領域の交通参加物のクラスを識別する。ここでクラスとは例えば、車両、二輪車、歩行者等を意味しており、これらの種類を識別して認識することができる。更に、これらの車両、二輪車、歩行者等の移動方向、移動速度、移動加速度等についても識別して認識することができる。

【0092】

したがって、処理負荷設定部１８で、処理優先度に応じて特定領域の解像度（画像サイズ)を設定しているため、認識処理部１９は、優先度の高い特定領域では高い解像度が設定されているため、認識処理の処理負荷は大きいが、高い認識精度が期待できる。一方、優先度の低い特定領域では低い解像度が設定されているため、処理負荷の低減が期待できる。

【0093】

尚、認識処理部１９では、処理優先度に対応して認識すべき項目を調整して設定することも可能である。図１０にその制御フローを示している。

【0094】

≪ステップＳ５０≫
ステップＳ５０においては、1個目の第1特定領域の処理負荷を設定/実行することを示すため、「（ｉ）＝１」にセットする。これによって、以下の第1特定領域の認識処理が設定されて実行される。（ｉ）が「１」にセットされるとステップＳ５１に移行する。

【0095】

≪ステップＳ５１≫
ステップＳ５１においては、第1特定領域の処理優先度が高処理優先度「１」かどうかを判断する。この処理優先度は、図７のステップＳ３２～Ｓ３３の判断結果を参照している。そして、処理優先度が高処理優先度「１」と判断されるとステップＳ５２に移行し、処理優先度が高処理優先度「１」でない、言い換えると低処理優先度「０」と判断されるとステップＳ５３に移行する。

【0096】

≪ステップＳ５２≫
ステップＳ５１で処理優先度が高処理優先度「１」と判断されているので、ステップＳ５２においては、詳細な認識処理を実行する。詳細な認識処理とは、特定領域の交通参加物のクラス（車両/二輪車/歩行者等）の識別と、車両/二輪車/歩行者等の移動方向、移動速度、移動加速度等を認識する処理である。特定領域の交通参加物の認識処理を実行するとステップＳ５４に移行する。

【0097】

≪ステップＳ５３≫
ステップＳ５１で処理優先度が低処理優先度「０」と判断されているので、ステップＳ５３においては、簡易な認識処理を実行する。簡易な認識処理とは、特定領域の交通参加物のクラス（車両/二輪車/歩行者等）を識別する処理である。車両/二輪車/歩行者等の移動方向、移動速度、移動加速度等を認識する処理は実行されない。特定領域の交通参加物の認識処理を実行するとステップＳ５４に移行する。

【0098】

≪ステップＳ５４≫
ステップＳ５４においては、認識処理が全ての特定領域（Ｎ）に対して実行されたか否かを判断している。したがって、全ての特定領域（Ｎ）に対して認識処理が完了された場合は終了に抜けることになる。

【0099】

一方、全ての特定領域（Ｎ）に対して認識処理が完了されていない場合、ここでは特定領域（ｉ＝１）の認識処理を行っているので、ステップＳ５５に移行する。

【0100】

≪ステップＳ５５≫
ステップＳ５５においては、（ｉ）を「ｉ＋１」にセットすることによって、再びステップＳ５１に戻って第２特定領域の認識処理を実行する。以下、（ｉ）が「Ｎ」に達するまで、上述の制御ステップが実行される。

【0101】

これによれば、更に演算能力の適切な割り振りを図ることができ、コンピュータ資源を有効に活用することができる。

【0102】

［車両制御部、及びアクチュエータの説明］
車両制御部１２は、認識処理部１９で認識された交通参加物の挙動等に合せてアクチュエータに送る制御信号を演算する。代表的にはブレーキ制御、アクセル制御、ステアリング制御等の制御出力を、アクチュエータ１３に与えて自車両の走行を制御する。

【0103】

尚、車両制御部１２は、上述したリスク導出部１５のリスク度合い、推定接触時間ＴＴＣや、アクチュエータ１３による車両の加速度、減速度、操舵角速度等の統計値によって危険な走行状態を検出して、走行制御のために制御出力を修正したり、運転者等に警告を報知したりすることができる。以下、その具体的な例を説明する。

【0104】

図１１は、危険な走行状態を検出するためのパラメータを示している。第１のパラメータは、リスク導出部１５において求められるリスク度合いが「高い」と設定された特定領域数の統計値（例えば、単位時間当たりの平均個数など)であり、第２のパラメータは、リスク導出部１５において求められたリスク度合いが「高い」と設定された特定領域における接触推定時間ＴＴＣの統計値（例えば、平均値等)であり、第３のパラメータは、アクチュエータ１３における加速度、減速度、操舵角速度の統計値（平均値等）である。

【0105】

図１２にその具体例を示している。図１２においては、（１）走行エリア、（2）走行日、（３）単位時間あたりの高リスク特定領域の平均個数、（４）高リスク特定領域の平均接触推定時間ＴＴＣ、（５）自車両の平均加速度の５項目に対する異なった日時の夫々の平均値を示している。また、これ以外にも自車両の速度をパラメータとすることもできる。尚、全体的な夫々の統計値（平均値）は図示している計算式（１）～（３）で求めている。

【0106】

そして、これらのパラメータを使用して、通常動作時の状態を算出、或いは学習し、通常状態から大きく外れる状態の場合には、走行状態が危険になっているとして、制御出力を修正したり、運転者に警告を報知したりすることができる。

【0107】

次に、これの具体的な制御フローを図１３Ａ～図１３Ｃに基づいて説明する。図１３Ａは運転者に警告を報知する例である。

【0108】

≪ステップＳ６０≫
ステップＳ６０においては、図１１、図１２に示すような手法によって、リスク度合いが「高い」と設定された特定領域数の平均個数Ｎａｖｅを取得し、更に現時点のリスク度合いが「高い」と設定された特定領域数Ｎｃｕｒｒを取得する。これらの情報を取得するとステップＳ６１に移行する。

【0109】

≪ステップＳ６１≫
ステップＳ６１においては、現時点のリスク度合いが「高い」と設定された特定領域数Ｎｃｕｒｒが、リスク度合いが「高い」と設定された特定領域数の平均個数Ｎａｖｅより大きいか否かを判断する。これによって、通常走行時に比べてリスク度合いが「高い」と設定された特定領域数Ｎｃｕｒｒが大きい場合は危険な状態と判断することができる。

【0110】

そして、現時点のリスク度合いが「高い」と設定された特定領域数Ｎｃｕｒｒがリスク度合いが「高い」と設定された特定領域数の平均個数Ｎａｖｅより大きいとステップＳ６９に移行し、現時点のリスク度合いが「高い」と設定された特定領域数Ｎｃｕｒｒが、リスク度合いが「高い」と設定された特定領域数の平均個数Ｎａｖｅより小さいと終了に抜けて処理を終了する。

【0111】

≪ステップＳ６９≫
ステップＳ６１で、現時点のリスク度合いが「高い」と設定された特定領域数Ｎｃｕｒｒが、リスク度合いが「高い」と設定された特定領域数の平均個数Ｎａｖｅより大きいと判断されて危険な状態と見做されている。このためステップＳ６９では、現在の状況に危険があることを表示装置やスピーカで報知して運転者に注意を促すことを行っている。

【0112】

次に、図１３Ｂは制御出力として自車両と他車両の目速車両間隔を修正する例である。尚、車両間隔は接触推定時間ＴＴＣを代替パラメータとして使用している。

【0113】

≪ステップＳ６３≫
ステップＳ６３においては、図１１、図１２に示すような手法によって、リスク度合いが「高い」と設定された特定領域の平均ＴＴＣ値ＴＴＣａｖｅを取得し、更に現時点のリスク度合いが「高い」と設定された特定領域のＴＴＣ値ＴＴＣｃｕｒｒを取得する。これらの情報を取得するとステップＳ６４に移行する。

【0114】

≪ステップＳ６４≫
ステップＳ６４においては、現時点のリスク度合いが「高い」と設定された特定領域のＴＴＣ値ＴＴＣｃｕｒｒが、リスク度合いが「高い」と設定された特定領域の平均ＴＴＣ値ＴＴＣａｖｅより大きいか否かを判断する。これによって、通常走行時に比べて現時点のリスク度合いが「高い」と設定された特定領域のＴＴＣ値ＴＴＣｃｕｒｒが小さいので危険な状態と判断することができる。そして、現時点のリスク度合いが「高い」と設定された特定領域のＴＴＣ値ＴＴＣｃｕｒｒが、リスク度合いが「高い」と設定された特定領域の平均ＴＴＣ値ＴＴＣａｖｅより小さいとステップＳ６５に移行し、現時点のリスク度合いが「高い」と設定された特定領域のＴＴＣ値ＴＣＣｃｕｒｒが、リスク度合いが「高い」と設定された特定領域の平均ＴＴＣ値ＴＴＣａｖｅより大きいと終了に抜けて処理を終了する。

【0115】

≪ステップＳ６５≫
ステップＳ６４で、現時点のリスク度合いが「高い」と設定された特定領域のＴＴＣ値ＴＴＣｃｕｒｒが、リスク度合いが「高い」と設定された特定領域の平均ＴＴＣ値ＴＴＣａｖｅより小さいと判断されて危険な状態と見做されている。このためステップＳ６５においては、リスク度合いが「高い」と設定された特定領域の平均ＴＴＣ値ＴＣＣａｖｅから補正値ＴＴＣｃｏｍを加算して、新たな目標車両間隔ＴＴＣｔａｒを求める。これによって，自車両が危険な車両間隔で走行されるのを防ぐことができる。この処理を完了すると、終了に抜けて処理を終了する。

【0116】

尚。ステップＳ６５に替えてステップＳ６９を実行することもできる。ステップＳ６９では、現在の状況に危険があることを表示装置やスピーカで報知して運転者に注意を促すことを行っている。また、ステップＳ６５とステップＳ６９の両方の制御を行うこと可能である。

【0117】

次に、図１３Ｃは制御出力として自車両の目標加速度を修正する例である。

【0118】

≪ステップＳ６６≫
ステップＳ６６においては、図１１、図１２に示すような手法によって、通常加速度ＡＣＣａｖｅを取得し、更に現在の制御出力である加速度ＡＣＣｃｕｒｒを取得する。これらの情報を取得するとステップＳ６７に移行する。

【0119】

≪ステップＳ６７≫
ステップＳ６７においては、現時点の加速度ＡＣＣｃｕｒｒが通常加速度ＡＣＣａｖｅより大きいか否かを判断する。これによって、通常走行時に比べて現時点の加速度ＡＣＣｃｕｒｒが大きいので危険な状態と判断することができる。

【0120】

そして、現時点の加速度ＡＣＣｃｕｒｒが通常加速度ＡＣＣａｖｅより大きいとステップＳ６８に移行し、現時点の加速度ＡＣＣｃｕｒｒが通常加速度ＡＣＣａｖｅより小さいと終了に抜けて処理を終了する。

【0121】

≪ステップＳ６８≫
ステップＳ６７で、現時点の加速度ＡＣＣｃｕｒｒが通常加速度ＡＣＣａｖｅより大きいと判断されて危険な状態と見做されている。このためステップＳ６８においては、通常加速度ＡＣＣａｖｅから補正値ＡＣＣｃｏｍを減算して、新たな目標加速度ＡＣＣｔａｒを求める。これによって、自車両が危険な加速度で走行されるのを防ぐことができる。この処理を完了すると、終了に抜けて処理を終了する。

【0122】

尚。ステップＳ６８に替えてステップＳ６９を実行することもできる。ステップＳ７０では、現在の状況に危険があることを表示装置やスピーカで報知して運転者に注意を促すことを行っている。また、ステップＳ６８とステップＳ６９の両方の制御を行うこと可能である。

【0123】

以上に述べたように、本実施形態によれば接触等に代表される危険性の早期認識（安全の確保）と演算能力の適切な割り振りを図ることができ、コンピュータ資源を有効に活用しながら、安全な走行支援を行うことができるようになる。

【0124】

次に本実施形態に関係する他の実施形態（変形例も含む）について説明する

【実施例0125】

本発明の第１の実施形態では、処理負荷設定部１８は、入力された特定領域の画像の解像度を処理優先度に対応して調整しているが、第２の実施形態では、処理負荷設定部１８は、入力された画像の処理周期を処理優先度に対応して調整する点で異なっている。

【0126】

ここで、領域抽出部１４、リスク導出部１５、優先度設定部１６の機能は、第１の実施例と同様の機能であるので、ここでは説明を省略する。

【0127】

本実施形態では、処理負荷設定部１８に入力された特定領域の画像情報は、処理優先度が高い場合は短い周期で画像処理が実行され、処理優先度が低い場合は長い周期で画像処理が実行される。尚、画像処理は、入力された画像の取り込み処理や転送処理等を含むものである。

【0128】

図１４にその具体的な制御フローを示しているので、以下、図面を用いて説明する。尚、この説明の場合も図３、図４に示す状態を基礎にしている。

【0129】

≪ステップＳ７０≫
ステップＳ７０においては、1個目の第1特定領域の処理負荷を設定/実行することを示すため、「（ｉ）＝１」にセットする。これによって、以下の第1特定領域の画像処理が設定されて実行される。（ｉ）が「１」にセットされるとステップＳ７１に移行する。

【0130】

≪ステップＳ７１≫
ステップＳ７１においては、第1特定領域の処理優先度が高処理優先度「１」かどうかを判断する。この処理優先度は、図７のステップＳ３２～Ｓ３３の判断結果を参照している。そして、処理優先度が高処理優先度「１」と判断されるとステップＳ７２に移行し、処理優先度が高処理優先度「１」でない、言い換えると低処理優先度「０」と判断されるとステップＳ７３に移行する。

【0131】

≪ステップＳ７２≫
ステップＳ７１で処理優先度が高処理優先度「１」と判断されているので、ステップＳ７２においては、短い処理周期を設定する。処理周期とは画像処理（画像の取り込み処理や転送処理等を含む）の周期であり、短いほど多くの画像処理が可能となる。特定領域の画像処理の周期を設定するとステップＳ７４に移行する。

【0132】

≪ステップＳ７３≫
ステップＳ７１で処理優先度が低処理優先度「０」と判断されているので、ステップＳ７３においては、長い処理周期を設定する。処理周期とは画像処理の周期であり、長いほど少ない画像処理（画像の取り込み処理や転送処理等を含む）となる。特定領域の画像処理の周期を設定するとステップＳ７４に移行する。

【0133】

≪ステップＳ７４≫
ステップＳ７４においては、画像の処理周期の設定が全ての特定領域（Ｎ）に対して実行されたか否かを判断している。したがって、全ての特定領域（Ｎ）に対して画像の処理周期の設定が完了された場合は終了に抜けることになる。

【0134】

一方、全ての特定領域（Ｎ）に対して画像の処理周期の設定が完了されていない場合、ここでは特定領域（ｉ＝１）の画像処理を行っているので、ステップＳ７５に移行する。

【0135】

≪ステップＳ７５≫
ステップＳ７５においては、（ｉ）を「ｉ＋１」にセットすることによって、再びステップＳ７１に戻って第２特定領域の画像の処理周期の設定を実行する。以下、（ｉ）が「Ｎ」に達するまで、上述の制御ステップが実行される。

【0136】

図１５に短い処理周期と長い処理周期における画像処理の違いを示している。尚、図中の「Ｔ」は処理周期を示しており、この処理周期内で処理スロットの処理が実行される。

【0137】

高処理優先度が設定された特定領域３０４の処理スロットＳＬＴ３０４は、処理周期毎に実行されている。これに対して、低処理優先度が設定された特定領域３０1～特定領域３０３の処理スロットＳＬＴ３０１～処理スロット３０３は、２回の処理周期に対して1回の処理が実行されている。このように、低処理優先度が付与された特定領域は、高処理優先度が付与された特定領域より処理実行回数が少なくなっている。

【0138】

したがって、認識処理部１９の演算負荷を小さくすることが可能となり、コンピュータ資源を有効に活用しながら、安全な走行支援を行うことができるようになる。