特許 7427556 運転制御装置、運転制御方法及びプログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】

(24)【登録日】2024-01-26

(45)【発行日】2024-02-05

(54)【発明の名称】運転制御装置、運転制御方法及びプログラム

(51)【国際特許分類】

   G08G 1/16 20060101AFI20240129BHJP

   B60W 40/04 20060101ALI20240129BHJP

【ＦＩ】

G08G1/16 C

B60W40/04

【請求項の数】 20

(21)【出願番号】P 2020126572

(22)【出願日】2020-07-27

(65)【公開番号】P2022023558

(43)【公開日】2022-02-08

【審査請求日】2022-08-25

(73)【特許権者】

【識別番号】000003078

【氏名又は名称】株式会社東芝

(74)【代理人】

【識別番号】110002147

【氏名又は名称】弁理士法人酒井国際特許事務所

(72)【発明者】

【氏名】皆本 岳

(72)【発明者】

【氏名】金子 敏充

(72)【発明者】

【氏名】関根 真弘

【審査官】佐々木 佳祐

(56)【参考文献】

【文献】特開２０１９－１５５９７４（ＪＰ，Ａ）

【文献】特開２０１９－１９２２２８（ＪＰ，Ａ）

【文献】国際公開第２０１９／１９８４８１（ＷＯ，Ａ１）

【文献】国際公開第２０１５／１９０２１２（ＷＯ，Ａ１）

【文献】特開２０１９－１８４５８３（ＪＰ，Ａ）

【文献】国際公開第２０１９／２２０２０６（ＷＯ，Ａ１）

【文献】特開２０１９－１２４５３８（ＪＰ，Ａ）

【文献】特開２０２０－０５１９０２（ＪＰ，Ａ）

【文献】国際公開第２０１８／１３４９４１（ＷＯ，Ａ１）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｇ０８Ｇ １／００－９９／００

Ｂ６０Ｗ １０／００－１０／３０

Ｂ６０Ｗ ３０／００－６０／００

(57)【特許請求の範囲】

【請求項1】

自車両の位置情報と速度情報とを含む自車両情報、前記自車両の周辺に存在する他車両の位置情報と速度情報とを含む他車両情報、出発地点から目的地点に至るまでに走行すべき道路を示す道路情報と前記道路内で走行すべき車線を示す情報とを含む経路情報、及び、前記道路内の車線情報と前記道路の法定速度情報と前記道路の車線変更可否情報と前記道路の工事範囲を示す工事情報とを含む地図情報を取得する取得部と、
前記自車両情報と前記他車両情報と前記経路情報と前記地図情報とに基づいて、前記車線情報に含まれる各車線の車線推奨度、前記各車線の走行可否、及び、前記各車線の目標速度のうち少なくとも１つを含む車線属性情報を算出する算出部と、
前記自車両情報と前記他車両情報と前記経路情報と前記地図情報と前記車線属性情報とを入力とし、走行車線及び速度を出力する機械学習モデルを用い、前記機械学習モデルにより出力された走行車線及び速度によって、前記自車両の走行車線及び速度を決定する決定部と、を備え、
前記機械学習モデルは、前記各車線の目標速度との差分、及び、前記目的地点までの距離に基づく報酬が用いられた強化学習によって学習される、
運転制御装置。

【請求項2】

前記算出部は、前記工事情報から、前記工事範囲を特定し、前記工事範囲を含む車線の走行可否を走行不可にする、
請求項１に記載の運転制御装置。

【請求項3】

前記算出部は、前記自車両の位置情報と前記他車両の位置情報と前記車線情報とから、前記自車両が走行する車線の周辺の車線で走行する前記他車両と前記自車両との相対距離を算出し、前記自車両の速度情報と前記他車両の速度情報とから前記自車両と前記他車両との相対速度を算出し、前記相対距離が第１閾値より小さく、かつ、前記相対速度が第２閾値より大きい場合に、前記周辺の車線の走行可否を走行不可にする、
請求項１又は２に記載の運転制御装置。

【請求項4】

前記算出部は、前記道路情報から前記各車線と前記走行すべき車線との距離ｄを特定し、前記距離ｄが小さいほど前記各車線の車線推奨度を高く算出する、
請求項１乃至３のいずれか１項に記載の運転制御装置。

【請求項5】

前記算出部は、前記道路情報から前記車線の分岐点を特定し、前記走行すべき車線が前記分岐点で別の車線に変更される場合、前記分岐点までの距離ｌが小さいほど、前記分岐点で分岐する車線の車線推奨度が高くなるように算出する、
請求項１乃至４のいずれか１項に記載の運転制御装置。

【請求項6】

前記算出部は、前記自車両の位置情報と前記自車両の速度情報と前記他車両の位置情報と前記他車両の速度情報と前記法定速度情報とから、前記各車線の目標速度を算出する、
請求項１乃至５のいずれか１項に記載の運転制御装置。

【請求項7】

前記自車両情報と前記他車両情報と前記経路情報と前記地図情報と前記車線属性情報とから、前記自車両の周辺の走行可否、車線推奨度及び目標速度の少なくとも１つを画素値により表す１以上の画像を生成する生成部を更に備え、
前記決定部は、前記自車両情報と前記他車両情報と前記経路情報と前記地図情報と前記車線属性情報との入力を前記１以上の画像によって受け付ける、
請求項１乃至６のいずれか１項に記載の運転制御装置。

【請求項8】

運転制御装置が、自車両の位置情報と速度情報とを含む自車両情報、前記自車両の周辺に存在する他車両の位置情報と速度情報とを含む他車両情報、出発地点から目的地点に至るまでに走行すべき道路を示す道路情報と前記道路内で走行すべき車線を示す情報とを含む経路情報、及び、前記道路内の車線情報と前記道路の法定速度情報と前記道路の車線変更可否情報と前記道路の工事範囲を示す工事情報とを含む地図情報を取得するステップと、
前記運転制御装置が、前記自車両情報と前記他車両情報と前記経路情報と前記地図情報とに基づいて、前記車線情報に含まれる各車線の車線推奨度、前記各車線の走行可否、及び、前記各車線の目標速度のうち少なくとも１つを含む車線属性情報を算出するステップと、
前記運転制御装置が、前記自車両情報と前記他車両情報と前記経路情報と前記地図情報と前記車線属性情報とを入力とし、走行車線及び速度を出力する機械学習モデルを用い、前記機械学習モデルにより出力された走行車線及び速度によって、前記自車両の走行車線及び速度を決定するステップと、を含み、
前記機械学習モデルは、前記各車線の目標速度との差分、及び、前記目的地点までの距離に基づく報酬が用いられた強化学習によって学習される、
運転制御方法。

【請求項9】

前記算出するステップは、前記工事情報から、前記工事範囲を特定し、前記工事範囲に含まれる車線の走行可否を走行不可にするステップを含む、
請求項８に記載の運転制御方法。

【請求項10】

前記算出するステップは、前記自車両の位置情報と前記他車両の位置情報と前記車線情報とから、前記自車両が走行する車線の周辺の車線で走行する前記他車両と前記自車両との相対距離を算出し、前記自車両の速度情報と前記他車両の速度情報とから前記自車両と前記他車両との相対速度を算出し、前記相対距離が第１閾値より小さく、かつ、前記相対速度が第２閾値より大きい場合に、前記周辺の車線の走行可否を走行不可にするステップを含む、
請求項８又は９に記載の運転制御方法。

【請求項11】

前記算出するステップは、前記道路情報から前記各車線と前記走行すべき車線との距離ｄを特定し、前記距離ｄが小さいほど前記各車線の車線推奨度を高く算出する、
請求項８乃至１０のいずれか１項に記載の運転制御方法。

【請求項12】

前記算出するステップは、前記道路情報から前記車線の分岐点を特定し、前記走行すべき車線が前記分岐点で別の車線に変更される場合、前記分岐点までの距離ｌが小さいほど、前記分岐点で分岐する車線の車線推奨度が高くなるように算出する、
請求項８乃至１１のいずれか１項に記載の運転制御方法。

【請求項13】

前記算出するステップは、前記自車両の位置情報と前記自車両の速度情報と前記他車両の位置情報と前記他車両の速度情報と前記法定速度情報とから、前記各車線の目標速度を算出する、
請求項８乃至１２のいずれか１項に記載の運転制御方法。

【請求項14】

前記自車両情報と前記他車両情報と前記経路情報と前記地図情報と前記車線属性情報とから、前記自車両の周辺の走行可否、車線推奨度及び目標速度の少なくとも１つを画素値により表す１以上の画像を生成するステップを更に含み、
前記決定するステップは、前記自車両情報と前記他車両情報と前記経路情報と前記地図情報と前記車線属性情報との入力を前記１以上の画像によって受け付けるステップを含む、
請求項８乃至１３のいずれか１項に記載の運転制御方法。

【請求項15】

コンピュータを、
自車両の位置情報と速度情報とを含む自車両情報、前記自車両の周辺に存在する他車両の位置情報と速度情報とを含む他車両情報、出発地点から目的地点に至るまでに走行すべき道路を示す道路情報と前記道路内で走行すべき車線を示す情報とを含む経路情報、及び、前記道路内の車線情報と前記道路の法定速度情報と前記道路の車線変更可否情報と前記道路の工事範囲を示す工事情報とを含む地図情報を取得する取得部と、
前記自車両情報と前記他車両情報と前記経路情報と前記地図情報とに基づいて、前記車線情報に含まれる各車線の車線推奨度、前記各車線の走行可否、及び、前記各車線の目標速度のうち少なくとも１つを含む車線属性情報を算出する算出部と、
前記自車両情報と前記他車両情報と前記経路情報と前記地図情報と前記車線属性情報とを入力とし、走行車線及び速度を出力する機械学習モデルを用い、前記機械学習モデルにより出力された走行車線及び速度によって、前記自車両の走行車線及び速度を決定する決定部、として機能させ、
前記機械学習モデルは、前記各車線の目標速度との差分、及び、前記目的地点までの距離に基づく報酬が用いられた強化学習によって学習される、
プログラム。

【請求項16】

前記算出部は、前記工事情報から、前記工事範囲を特定し、前記工事範囲に含まれる車線の走行可否を走行不可にする、
請求項１５に記載のプログラム。

【請求項17】

前記算出部は、前記自車両の位置情報と前記他車両の位置情報と前記車線情報とから、前記自車両が走行する車線の周辺の車線で走行する前記他車両と前記自車両との相対距離を算出し、前記自車両の速度情報と前記他車両の速度情報とから前記自車両と前記他車両との相対速度を算出し、前記相対距離が第１閾値より小さく、かつ、前記相対速度が第２閾値より大きい場合に、前記周辺の車線の走行可否を走行不可にする、
請求項１５又は１６に記載のプログラム。

【請求項18】

前記算出部は、前記道路情報から前記各車線と前記走行すべき車線との距離ｄを特定し、前記距離ｄが小さいほど前記各車線の車線推奨度を高く算出する、
請求項１５乃至１７のいずれか１項に記載のプログラム。

【請求項19】

前記算出部は、前記道路情報から前記車線の分岐点を特定し、前記走行すべき車線が前記分岐点で別の車線に変更される場合、前記分岐点までの距離ｌが小さいほど、前記分岐点で分岐する車線の車線推奨度が高くなるように算出する、
請求項１５乃至１８のいずれか１項に記載のプログラム。

【請求項20】

前記算出部は、前記自車両の位置情報と前記自車両の速度情報と前記他車両の位置情報と前記他車両の速度情報と前記法定速度情報とから、前記各車線の目標速度を算出する、
請求項１５乃至１９のいずれか１項に記載のプログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明の実施形態は運転制御装置、運転制御方法及びプログラムに関する。

【背景技術】

【0002】

自動運転において、走行車線及び速度を決定する技術として、機械学習を用いた方法と、ルールベースの方法とがある。機械学習を用いた方法では、相当な学習時間を要するのに加え、安全性が担保されない。一方、ルールベースの方法では、安全であるが、走行効率が悪い。

【先行技術文献】

【非特許文献】

【0003】

【文献】”Ｈｉｇｈ－ｌｅｖｅｌ Ｄｅｃｉｓｉｏｎ Ｍａｋｉｎｇ ｆｏｒ Ｓａｆｅ ａｎｄ Ｒｅａｓｏｎａｂｌｅ Ａｕｔｏｎｏｍｏｕｓ Ｌａｎｅ Ｃｈａｎｇｉｎｇ ｕｓｉｎｇ Ｒｅｉｎｆｏｒｃｅｍｅｎｔ Ｌｅａｒｎｉｎｇ”， Ｂ．Ｍｉｒｃｈｅｖｓｋａ（ＢＭＷ）， ＩＴＳＣ２０１８．

【発明の概要】

【発明が解決しようとする課題】

【0004】

従来の技術では、安全性と走行効率とを両立して、自動運転における走行車線及び速度を決定することが難しかった。

【課題を解決するための手段】

【0005】

実施形態の運転制御装置は、取得部と算出部と決定部とを備える。取得部は、自車両の位置情報と速度情報とを含む自車両情報、前記自車両の周辺に存在する他車両の位置情報と速度情報とを含む他車両情報、出発地点から目的地点に至るまでに走行すべき道路を示す道路情報と前記道路内で走行すべき車線を示す情報とを含む経路情報、及び、前記道路内の車線情報と前記道路の法定速度情報と前記道路の車線変更可否情報と前記道路の工事範囲を示す工事情報とを含む地図情報を取得する。算出部は、前記自車両情報と前記他車両情報と前記経路情報と前記地図情報とに基づいて、前記車線情報に含まれる各車線の車線推奨度、前記各車線の走行可否、及び、前記各車線の目標速度のうち少なくとも１つを含む車線属性情報を算出する。決定部は、前記自車両情報と前記他車両情報と前記経路情報と前記地図情報と前記車線属性情報とを入力とし、走行車線及び速度を出力する機械学習モデルを用い、前記機械学習モデルにより出力された走行車線及び速度によって、前記自車両の走行車線及び速度を決定する。前記機械学習モデルは、前記各車線の目標速度との差分、及び、前記目的地点までの距離に基づく報酬が用いられた強化学習によって学習される。

【図面の簡単な説明】

【0006】

【図1】第１実施形態の移動体の例を示す図。

【図2】第１実施形態の移動体の機能構成の例を示す図。

【図3】第１実施形態の経路情報の例を示す図。

【図4】第１実施形態の車線推奨度の算出例を説明するための図。

【図5】第１実施形態の走行可否の算出例を説明するための図。

【図6】第１実施形態の目標速度の算出例を説明するための図。

【図7】第１実施形態の運転制御方法の例を示すフローチャート。

【図8】第２実施形態の移動体の機能構成の例を示す図。

【図9A】第２実施形態の生成部により生成される画像を説明するための図。

【図9B】図９Ａの地点Ａ付近の情報を示す画像の例を示す図。

【図9C】図９Ｂの地点Ｂ付近の情報を示す画像の例を示す図。

【図10A】第２実施形態の生成部により生成される画像を説明するための図。

【図10B】図１０Ａの地点Ａ付近の情報を示す画像の例を示す図。

【図10C】図１０Ｂの地点Ｂ付近の情報を示す画像の例を示す図。

【図11A】第２実施形態の生成部により生成される画像を説明するための図。

【図11B】図１１Ａの自車両付近の情報を示す画像の例を示す図。

【図12】第１及び第２実施形態の運転制御装置のハードウェア構成の例を示す図。

【発明を実施するための形態】

【0007】

以下に添付図面を参照して、運転制御装置、運転制御方法及びプログラムの実施形態を詳細に説明する。

【0008】

（第１実施形態）
第１実施形態の推定装置は、例えば移動体に搭載される。

【0009】

［移動体の例］
図１は第１実施形態の移動体１０の例を示す図である。

【0010】

移動体１０は、運転制御装置２０、出力部１０Ａ、センサ１０Ｂ、センサ１０Ｃ、動力制御部１０Ｇ及び動力部１０Ｈを備える。

【0011】

移動体１０は任意でよい。移動体１０は、例えば車両、台車及び移動ロボット等である。車両は、例えば自動二輪車、自動四輪車及び自転車等である。また、移動体１０は、例えば人による運転操作を介して走行する移動体でもよいし、人による運転操作を介さずに自動的に走行（自律走行）可能な移動体でもよい。

【0012】

運転制御装置２０は、ＥＣＵ（Ｅｌｅｃｔｒｏｎｉｃ Ｃｏｎｔｒｏｌ Ｕｎｉｔ）として構成される。運転制御装置２０は、移動体１０が走行する走行車線及び速度の少なくとも一方を決定する。例えば、運転制御装置２０は、移動体１０が走行する走行車線が１つしかない状況等では、速度のみを決定してもよい。

【0013】

なお、運転制御装置２０は、移動体１０に搭載された形態に限定されない。運転制御装置２０は、静止物に搭載されていてもよい。静止物は、例えば地面に固定された物等の移動不可能な物である。地面に固定された静止物は、例えばガードレール、ポール、駐車車両及び道路標識等である。また例えば、静止物は、地面に対して静止した状態の物である。また、運転制御装置２０は、クラウドシステム上で処理を実行するクラウドサーバに搭載されていてもよい。

【0014】

動力部１０Ｈは、移動体１０に搭載された駆動デバイスである。動力部１０Ｈは、例えば、エンジン、モータ及び車輪等である。

【0015】

動力制御部１０Ｇは、処理部２０Ａの決定部２３から走行車線及び速度の少なくとも一方を示す情報を受け付け、動力部１０Ｈの駆動制御をする。

【0016】

出力部１０Ａは情報を出力する。第１実施形態では、出力部１０Ａは、運転制御装置２０により決定された走行車線及び速度の少なくとも一方を示す情報を出力する。

【0017】

出力部１０Ａは、例えば、走行車線及び速度の少なくとも一方を示す情報を送信する通信機能、走行車線及び速度の少なくとも一方を示す情報を表示する表示機能、及び、走行車線及び速度の少なくとも一方を示す情報を示す音を出力する音出力機能等を備える。出力部１０Ａは、例えば通信部１０Ｄ、ディスプレイ１０Ｅ及びスピーカ１０Ｆの少なくとも１つを備える。なお、第１実施形態では、出力部１０Ａは、通信部１０Ｄ、ディスプレイ１０Ｅ及びスピーカ１０Ｆを備えた構成を例にして説明する。

【0018】

通信部１０Ｄは、走行車線及び速度の少なくとも一方を示す情報を他の装置へ送信する。例えば、通信部１０Ｄは、通信回線を介して走行車線及び速度の少なくとも一方を示す情報を他の装置へ送信する。ディスプレイ１０Ｅは、走行車線及び速度の少なくとも一方を示す情報を表示する。ディスプレイ１０Ｅは、例えばＬＣＤ（Ｌｉｑｕｉｄ Ｃｒｙｓｔａｌ Ｄｉｓｐｌａｙ）、投影装置及びライト等である。スピーカ１０Ｆは、走行車線及び速度の少なくとも一方を示す情報を示す音を出力する。

【0019】

センサ１０Ｂは移動体１０の周辺の情報を取得するセンサである。例えば単眼カメラ、ステレオカメラ、魚眼カメラ及び赤外線カメラ、ミリ波レーダ、ＬＩＤＡＲ（Ｌｉｇｈｔ Ｄｅｔｅｃｔｉｏｎ ａｎｄ Ｒａｎｇｉｎｇ、Ｌａｓｅｒ Ｉｍａｇｉｎｇ Ｄｅｔｅｃｔｉｏｎ ａｎｄ Ｒａｎｇｉｎｇ）等である。ここでは、センサ１０Ｂの一例としてカメラを用いて説明する。カメラ（１０Ｂ）の数は任意でよい。また、撮像される画像はＲＧＢの３チャネルで構成されたカラー画像であってもよく、グレースケールで表現された１チャネルのモノクロ画像であってもよい。カメラ（１０Ｂ）は、移動体１０周辺の時系列の画像を撮像する。カメラ（１０Ｂ）は、例えば移動体１０の周辺を時系列に撮像することにより、時系列の画像を撮像する。移動体１０の周辺は、例えば当該移動体１０から予め定められた範囲内の領域である。この範囲は、例えばカメラ（１０Ｂ）の撮像可能な範囲である。

【0020】

第１実施形態では、カメラ（１０Ｂ）が、移動体１０の前方を撮影方向として含むように設置されている場合を例にして説明する。すなわち、第１実施形態では、カメラ（１０Ｂ）は、移動体１０の前方を時系列に撮像する。

【0021】

センサ１０Ｃは、移動体１０の状態を測定するセンサである。測定情報は、例えば移動体１０の速度、並びに、移動体１０のハンドルの舵角を含む。センサ１０Ｃは、例えば慣性計測装置（ＩＭＵ：Ｉｎｅｒｔｉａｌ Ｍｅａｓｕｒｅｍｅｎｔ Ｕｎｉｔ）、速度センサ及び舵角センサ等である。ＩＭＵは、移動体１０の三軸加速度及び三軸角速度を含む測定情報を測定する。速度センサは、タイヤの回転量から速度を測定する。舵角センサは、移動体１０のハンドルの舵角を測定する。

【0022】

次に、第１実施形態の移動体１０の機能構成の例について詳細に説明する。

【0023】

［機能構成の例］
図２は第１実施形態の移動体１０の機能構成の例を示す図である。第１実施形態の説明では、移動体１０が車両である場合を例にして説明する。

【0024】

移動体１０は、運転制御装置２０、出力部１０Ａ、センサ１０Ｂ、センサ１０Ｃ、動力制御部１０Ｇ及び動力部１０Ｈを備える。運転制御装置２０は、処理部２０Ａ及び記憶部２０Ｂを備える。出力部１０Ａは、通信部１０Ｄ、ディスプレイ１０Ｅ及びスピーカ１０Ｆを備える。

【0025】

処理部２０Ａ、記憶部２０Ｂ、出力部１０Ａ、センサ１０Ｂ、センサ１０Ｃ及び動力制御部１０Ｇは、バス１０Ｉを介して接続されている。動力部１０Ｈは、動力制御部１０Ｇに接続されている。

【0026】

なお、出力部１０Ａ（通信部１０Ｄ、ディスプレイ１０Ｅ及びスピーカ１０Ｆ）、センサ１０Ｂ、センサ１０Ｃ、動力制御部１０Ｇ及び記憶部２０Ｂは、ネットワークを介して接続されていてもよい。接続に使用されるネットワークの通信方式は、有線方式であっても無線方式であってもよい。また、接続に使用されるネットワークは、有線方式と無線方式とを組み合わせることにより実現されていてもよい。

【0027】

記憶部２０Ｂは情報を記憶する。記憶部２０Ｂは、例えば半導体メモリ素子、ハードディスク及び光ディスク等である。半導体メモリ素子は、例えばＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）及びフラッシュメモリ等である。なお、記憶部２０Ｂは、運転制御装置２０の外部に設けられた記憶装置であってもよい。また、記憶部２０Ｂは、記憶媒体であってもよい。具体的には、記憶媒体は、プログラムや各種情報を、ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）やインターネットなどを介してダウンロードして記憶または一時記憶したものであってもよい。また、記憶部２０Ｂを、複数の記憶媒体から構成してもよい。

【0028】

処理部２０Ａは、取得部２１、算出部２２及び決定部２３を備える。取得部２１、算出部２２及び決定部２３は、例えば１又は複数のプロセッサにより実現される。

【0029】

処理部２０Ａは、例えばＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）等のプロセッサにプログラムを実行させること、すなわちソフトウェアにより実現されてもよい。また例えば、処理部２０Ａは、専用のＩＣ（Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）等のプロセッサ、すなわちハードウェアにより実現されてもよい。また例えば、処理部２０Ａは、ソフトウェア及びハードウェアを併用することにより実現されてもよい。

【0030】

なお、実施形態において用いられる「プロセッサ」の文言は、例えば、ＣＰＵ、ＧＰＵ（Ｇｒａｐｈｉｃａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、特定用途向け集積回路（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ：ＡＳＩＣ）、及び、プログラマブル論理デバイスを含む。プログラマブル論理デバイスは、例えば単純プログラマブル論理デバイス（Ｓｉｍｐｌｅ Ｐｒｏｇｒａｍｍａｂｌｅ Ｌｏｇｉｃ Ｄｅｖｉｃｅ：ＳＰＬＤ）、複合プログラマブル論理デバイス（Ｃｏｍｐｌｅｘ Ｐｒｏｇｒａｍｍａｂｌｅ Ｌｏｇｉｃ Ｄｅｖｉｃｅ：ＣＰＬＤ）、及び、フィールドプログラマブルゲートアレイ（Ｆｉｅｌｄ Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ：ＦＰＧＡ）等を含む。

【0031】

プロセッサは、記憶部２０Ｂに保存されたプログラムを読み出し実行することで、処理部２０Ａを実現する。なお、記憶部２０Ｂにプログラムを保存する代わりに、プロセッサの回路内にプログラムを直接組み込むよう構成してもよい。この場合、プロセッサは回路内に組み込まれたプログラムを読み出し実行することで、処理部２０Ａを実現する。

【0032】

次に、処理部２０Ａの各機能について説明する。

【0033】

取得部２１は自車両情報、他車両情報、経路情報及び地図情報等の情報を運転制御装置２０の外部から取得する。

【0034】

自車両情報は、少なくとも自車両の位置情報と速度情報とを含む。例えば、自車両の位置情報は例えば、ＧＮＳＳ（Ｇｌｏｂａｌ Ｎａｖｉｇａｔｉｏｎ Ｓａｔｅｌｌｉｔｅ Ｓｙｓｔｅｍ）によって車両の現在座標を特定し、さらにセンサによって車両の方位を特定することにより取得される。また、自車両の速度情報は、例えば、車両に搭載したセンサ１０Ｃ等から取得される。

【0035】

他車両情報は、自車両周辺に存在する他車両の位置情報と速度情報とを含む。他車両情報は、例えばセンサ１０Ｂから得られた自車両との相対的な位置関係及び相対速度を基に計算される。また例えば、他車両情報は、車車間通信により周辺に存在する他車両から自車両に送信される情報を基に計算される。

【0036】

地図情報は、道路の座標、交差点の位置、道路における合流点、分岐点、道路標識情報、路面標識情報、道路ネットワーク及び道路工事情報などを含む。

【0037】

図３は第１実施形態の経路情報の例を示す図である。経路情報は、車両が走行する予定である走行予定経路上の情報を含む。走行予定経路は、例えば車両が搭載しているカーナビゲーションシステムから取得される。図３の例では、経路情報は、車線３２０上の出発地点１０１から、車線３２３上の目的地点１０２まで走行する道路の車線、当該車線の数、及び、走行すべき車線１０４を含む。道路の車線を示すデータは、例えば位置座標情報と、その位置で走行すべき方位の情報とを含むウェイポイント１０３の配列として表現される。図３の例では、各車線３２０～３２３が、ウェイポイント１０３の点列（ウェイポイント列）で示されている。

【0038】

経路情報は、道路区分毎に示される。図３の例では、道路区分３１０及び３１１が、車線３２２が車線３２２及び３２３に分岐する分岐点で区切られている。目的地点１０２は道路区分３１１の車線３２３上にあるため、道路区分３１１の走行すべき車線１０４は車線３２３である。また、道路区分３１０においては車線３２３が存在しないため、車線３２３に最も近い車線３２２が走行すべき車線１０４である。後述の決定部２３が、経路情報に含まれる車線の中から走行車線を決定する。

【0039】

図２に戻り、算出部２２は、取得部２１により取得された情報を基にルールベースで各車線の車線推奨度、走行可否及び目標速度のうち少なくとも１つを算出し、各車線の属性値として出力する。

【0040】

車線推奨度は、走行予定経路の目的地点１０２に到達するために自車両が走行することがどの程度望ましいかを表す情報である。例えば、車線推奨度は、現在位置から走行すべき車線までの距離の逆数として算出される。また例えば、車線推奨度に、自車両の現在位置から分岐点までの距離に応じた重みをつけてもよい。

【0041】

図４は第１実施形態の車線推奨度ｒの算出例を説明するための図である。例えば、算出部２２は、道路区分４１０において走行すべき車線１０４が車線４２２である場合に、自車両（移動体１０）が車線４２０上の地点Ａに存在し、走行すべき車線４２２の中央までの距離がｄである時、車線４２０の車線推奨度ｒを距離ｄの逆数１／ｄで算出する。すなわち、算出部２２は、道路情報から各車線と走行すべき車線との距離ｄを特定し、距離ｄが小さいほど各車線の車線推奨度ｒを高く算出する。

【0042】

また、道路区分４１１では車線４２３を走行していなければ、車線４２３の先にある目的地に到達できない。そのため、分岐点に到達する時点で車線４２２上を走行する必要がある。この場合、算出部２２は、自車両の現在位置から分岐点までの距離ｌに応じて、車線４２２の車線推奨度ｒを算出する。図４の地点Ａでは分岐点まで十分に離れており、算出部２２は、地点Ａ付近では分岐点までの距離ｌに関わらず、車線４２２までの距離ｄに応じて車線推奨度ｒを算出する。算出部２２は、分岐点までの距離ｌがより短くなった地点Ｂ付近では、車線４２２の車線推奨度ｒを分岐点までの距離ｌが短くなるにつれて大きく算出する。すなわち、算出部２２は、道路情報から車線の分岐点を特定し、走行すべき車線が分岐点で別の車線に変更される場合、分岐点までの距離ｌが小さいほど、分岐点で分岐する車線（図４では車線４２２）の車線推奨度ｒが高くなるように算出する。

【0043】

また、車線推奨度ｒを算出する場合に、追越しにおいて右側から追い越すべきか、左側から追い越すべきかといった交通マナーを考慮してもよい。例えば、算出部２２は、追越しが行われる場合には、自車両が走行している車線の左側の車線の車線推奨度ｒ１よりも、右側の車線の車線推奨度ｒ２を大きく算出する。

【0044】

算出部２２が、経路情報を基にした車線推奨度ｒを示す車線属性情報を算出し、当該車線属性情報を決定部２３に入力することで、決定部２３が走行車線及び速度の少なくとも一方を決定する際に、走行すべき車線を考慮して走行車線（速度）を決定することができる。

【0045】

図５は第１実施形態の走行可否の算出例を説明するための図である。算出部２２は、自車両情報、他車両情報及び地図情報から各車線の走行可否を算出する。例えば、算出部２２は、図５の地点Ａにおいては、地図情報から車線５２０において道路の工事範囲１０５が存在するという情報を特定し、工事範囲１０５を含む車線５２０を走行不可とする。走行可否を示す属性値は、例えば走行可能であれば１、走行不可であれば０により表される。

【0046】

また、算出部２２は、図５のＢ地点においては、自車両情報と他車両情報と地図情報とを用いて、自車両周辺の車線５２０上に他車両１０６が存在することを特定し、自車両（移動体１０）と他車両１０６の相対距離、相対速度が閾値を満たさない場合に、走行不可と判定する。具体的には、例えば算出部２２は、自車両の位置情報と他車両１０６の位置情報と車線情報とから、自車両が走行する車線の周辺の車線で走行する他車両１０６と自車両との相対距離を算出する。算出部２２は、自車両の速度情報と他車両の速度情報とから自車両と他車両１０６との相対速度を算出する。そして、算出部２２は、相対距離が第１閾値より小さく、かつ、相対速度が第２閾値より大きい場合に、周辺の車線（図５では車線５２０）の走行可否を走行不可にする。

【0047】

算出部２２が、自車両情報、他車両情報及び地図情報から走行可否を示す車線属性情報を算出し、当該車線属性情報を決定部２３に入力することで、決定部２３が自車両の走行車線及び速度の少なくとも一方を決定する際に、衝突を避け安全性を考慮して走行車線（速度）を決定することができる。

【0048】

図６は第１実施形態の目標速度の算出例を説明するための図である。目標速度は、自車両が走行する車線で目標にする速度である。算出部２２は、自車両の位置情報と自車両の速度情報と他車両の位置情報と他車両の速度情報と法定速度情報とから、各車線の目標速度を算出する。

【0049】

例えば、図６では、自車両（移動体１０）が、速度４０ｋｍ／ｈで車線６２１を走行し、自車両の前方を他車両１０６ｂが速度４０ｋｍ／ｈで走行している。車線６２０では、他車両１０６ａが速度２０ｋｍ／ｈで走行している。車線６２２上は他車両が存在しない。この場合、例えば、算出部２２は、車線６２０での目標速度を、前方の他車両１０６ａに追従するように、時速２０ｋｍ／ｈと算出する。同様に、算出部２２は、車線６２１での目標速度を、前方の他車両１０６ｂに追従するように、時速４０ｋｍ／ｈと算出する。また、算出部２２は、車線６２２は他車両が存在しないため、地図情報から、この道路の法定速度を特定し、車線６２２での目標速度を法定速度（例えば６０ｋｍ／ｈ）で算出する。

【0050】

算出部２２が、自車両情報と他車両情報と地図情報とから目標速度を示す車線属性情報を算出し、当該目標速度を決定部２３に入力することで、決定部２３が自車両の走行車線及び速度の少なくとも一方を決定する際に、走行効率を考慮して走行車線（速度）を決定することができる。

【0051】

図２に戻り、決定部２３は、取得部２１により取得された情報（自車両情報、他車両情報、経路情報及び地図情報）と、算出部２２により出力された車線属性情報とを入力とし、走行車線及び速度の少なくとも一方を出力する機械学習モデルを用いて、走行車線及び速度の少なくとも一方を決定する。

【0052】

決定部２３は、この機械学習モデルを例えば強化学習により学習する。学習における報酬は、例えば、算出部２２により算出された目標速度との差分を用いる。機械学習モデルは、例えば取得部２１により取得された自車両情報及び他車両情報等、並びに、算出部２２によって算出された走行可否等を基に、走行車線が存在しない範囲、他車両との衝突する危険性がある車線、及び、道路工事が存在し走行できない車線等を選択せずに、走行速度が目標速度に近づくように走行車線及び速度の少なくとも一方を決定する。その結果、安全を担保しつつ、効率のよい走行を実現できる。

【0053】

また、強化学習において、目標速度との差分と目的地までの距離とを報酬とし、算出部２２によって算出された経路情報を考慮した車線推奨度及び目標速度を機械学習モデルに入力することで、経路情報を考慮して走行車線及び速度の少なくとも一方を決定できる。その結果、効率の良い走行を保ちつつ、目的地へ到達することができる。具体的には、例えば、走行すべき車線において自車両前方に自車両より速度が遅い他車両１０６が存在する時、走行すべき車線を一旦、離れ、速度が遅い車両１０６を追越した後、走行すべき車線に再び戻るように走行車線及び速度を決定することができる。

【0054】

また、強化学習における報酬は、衝突回数、走行するべき車線との距離、及び、現在車線からの車線変更回数等を用いてもよい。

【0055】

［運転制御方法の例］
図７は第１実施形態の運転制御方法の例を示すフローチャートである。はじめに、取得部２１が、自車両（移動体１０）の位置情報と速度情報とを含む自車両情報、自車両の周辺に存在する他車両１０６の位置情報と速度情報とを含む他車両情報、出発地点１０１から目的地点１０２に至るまでに走行すべき道路を示す道路情報と道路内で走行すべき車線を示す情報とを含む経路情報、及び、道路内の車線情報と道路の法定速度情報と道路の車線変更可否情報と道路の工事範囲１０５を示す工事情報とを含む地図情報を取得する（ステップＳ１）。

【0056】

次に、算出部２２が、自車両情報と他車両情報と経路情報と地図情報とに基づいて、車線情報に含まれる各車線の車線推奨度ｒ、各車線の走行可否、及び、各車線の目標速度のうち少なくとも１つを含む車線属性情報を算出する（ステップＳ２）。

【0057】

次に、決定部２３が、自車両情報と他車両情報と経路情報と地図情報と車線属性情報とを入力とし、走行車線及び速度の少なくとも一方を出力する機械学習モデルを用いることによって、安全が担保された範囲から自車両の走行車線及び速度の少なくとも一方を決定する（ステップＳ３）。

【0058】

［第１実施形態の効果］
以上、説明した第１実施形態の運転制御装置２０によれば、安全性と走行効率とを両立して、自動運転における走行車線及び速度を決定することができる。具体的には、算出部２２により算出された各車線の車線属性情報を機械学習モデルに入力することで、ルールベースでの最低限の安全を担保することができる。そして、決定部２３が、機械学習モデルで自車両の走行車線及び速度の少なくとも一方を決定することで、学習ベースで走行効率の良い運転行動を決定できる。

【0059】

（第２実施形態）
次に第２実施形態について説明する。第２実施形態の説明では、第１実施形態と同様の説明については省略し、第１実施形態と異なる箇所について説明する。

【0060】

第１実施形態では、取得部２１により出力された情報（自車両情報、他車両情報、経路情報及び地図情報）と、算出部２２により出力された車線属性情報をそのまま決定部２３に入力していた。第２実施形態では、学習の効率化のために、取得部２１及び算出部２２により出力された情報から画像を生成し、当該画像を機械学習モデルに入力する場合について説明する。

【0061】

［機能構成の例］
図８は第２実施形態の移動体１０の機能構成の例を示す図である。移動体１０は、運転制御装置２０－２、出力部１０Ａ、センサ１０Ｂ、センサ１０Ｃ、動力制御部１０Ｇ及び動力部１０Ｈを備える。運転制御装置２０－２は、処理部２０Ａ及び記憶部２０Ｂを備える。

【0062】

処理部２０Ａは、取得部２１、算出部２２、決定部２３及び生成部２４を備える。第２実施形態では、生成部２４が更に追加されている。

【0063】

生成部２４は、自車両情報と他車両情報と経路情報と地図情報と車線属性情報とから、自車両（移動体１０）の周辺の走行可否、車線推奨度及び目標速度の少なくとも１つを画素値により表す１以上の画像を生成する。生成部２４は、算出部２２が出力する車線属性情報のうち少なくとも一つを用いて少なくとも一枚の画像を生成する。なお、生成部２４は、複数の属性値を用いて、複数の画像を生成し、当該複数の画像を決定部２３に入力してもよい。

【0064】

図９Ａは第２実施形態の生成部２４により生成される画像を説明するための図である。図９Ｂは、図９Ａの地点Ａ付近の情報を示す画像の例を示す図である。図９Ｃは、図９Ｂの地点Ｂ付近の情報を示す画像の例を示す図である。図９Ｂ及びＣの例では、画像上側が自車両（移動体１０）の進行方向を示す。縦方向に三分割された領域１２０～１２２は、それぞれ左から車線９２０、９２１、９２２を表す領域である。画像中央の矩形１１０は自車両を表し、車線９２１上を走行していることを表す。

【0065】

図９Ｂ及びＣの画像では、車線９２０～９２２の走行可否が、各車線の領域１２０～１２２を塗りつぶす色の濃淡（画素値）で表現されている。例えば、図９Ｂの例では、自車両近傍に障害物が存在しないため、算出部２２が、全車線が走行可であることを示す車線属性情報を出力する。そのため、生成部２４は、全ての車線が走行可であることを表す図９Ｂの画像を生成する。一方、図９Ｃの例では、車線９２０上の自車両近傍に障害物（他車両１０６）が存在するため、算出部２２が車線９２０は走行不可であることを示す車線属性情報を出力する。そのため、生成部２４が、車線９２０を表す領域１２０は走行不可であり、車線９２１及び９２２を表す領域１２１及び１２２は走行可であることを表す図９Ｃの画像を生成する。

【0066】

図１０Ａは第２実施形態の生成部２４により生成される画像を説明するための図である。図１０Ｂは、図１０Ａの地点Ａ付近の情報を示す画像の例を示す図である。図１０Ｃは、図１０Ｂの地点Ｂ付近の情報を示す画像の例を示す図である。

【0067】

図１０Ｂ及びＣの画像では、車線９２０～９２２の車線推奨度が、各車線の領域１２０～１２２を塗りつぶす色の濃淡（画素値）で表現されている。例えば、図１０Ｂ及びＣの例では、車線推奨度が高い車線を示す領域ほど濃い色で表されている。図１０Ｂの例では、車線１０２２を表す領域１２２が最も車線推奨度が高いため最も濃い色となる。また図１０Ｃの例では、自車両周辺の車線９２２において分岐点に近いほど車線推奨度が高くなるため、車線９２２を表す領域１２２については自車進行方向に向かって色がより濃くなっている。

【0068】

図１１Ａは第２実施形態の生成部２４により生成される画像を説明するための図である。図１１Ｂは、図１１Ａの自車両付近の情報を示す画像の例を示す図である。図１１Ｂの画像では、車線９２０～９２２の目標速度が、各車線の領域１２０～１２２を塗りつぶす色の濃淡（画素値）で表現されている。例えば、図１１Ｂの例では、目標速度が高い車線を示す領域ほど濃い色で表されている。図１１Ｂの例では、車線１１２２を表す領域１２２が最も目標速度が高い（６０ｋｍ／ｈ）ため最も濃い色となる。

【0069】

以上説明したように、第２実施形態の運転制御装置２０－２では、生成部２４が、自車両情報と他車両情報と経路情報と地図情報と車線属性情報とから、自車両（移動体１０）の周辺の走行可否、車線推奨度及び目標速度の少なくとも１つを画素値により表す１以上の画像を生成する。そして、決定部２３が、自車両情報と他車両情報と経路情報と地図情報と車線属性情報との入力を、１以上の画像によって受け付ける。

【0070】

これにより第２実施形態の運転制御装置２０－２によれば、機械学習モデルの入力を画像データ形式にすることで、当該機械学習モデルの学習をより効率化できる。

【0071】

最後に、第１及び第２実施形態の運転制御装置２０（２０－２）のハードウェア構成の例について説明する。

【0072】

［ハードウェア構成の例］
図１２は第１及び第２実施形態の運転制御装置２０（２０－２）のハードウェア構成の例を示す図である。運転制御装置２０は、制御装置２０１、主記憶装置２０２、補助記憶装置２０３、表示装置２０４、入力装置２０５及び通信装置２０６を備える。制御装置２０１、主記憶装置２０２、補助記憶装置２０３、表示装置２０４、入力装置２０５及び通信装置２０６は、バス２１０を介して接続されている。

【0073】

なお、運転制御装置２０は、表示装置２０４、入力装置２０５及び通信装置２０６は備えていなくてもよい。例えば、運転制御装置２０が他の装置と接続される場合、当該他の装置の表示機能、入力機能及び通信機能を利用してもよい。

【0074】

制御装置２０１は補助記憶装置２０３から主記憶装置２０２に読み出されたプログラムを実行する。制御装置２０１は、例えばＣＰＵ等の１以上のプロセッサである。主記憶装置２０２はＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、及び、ＲＡＭ等のメモリである。補助記憶装置２０３はメモリカード、及び、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）等である。

【0075】

表示装置２０４は情報を表示する。表示装置２０４は、例えば液晶ディスプレイである。入力装置２０５は、情報の入力を受け付ける。入力装置２０５は、例えばハードウェアキー等である。なお表示装置２０４及び入力装置２０５は、表示機能と入力機能とを兼ねる液晶タッチパネル等でもよい。通信装置２０６は他の装置と通信する。

【0076】

運転制御装置２０で実行されるプログラムは、インストール可能な形式又は実行可能な形式のファイルでＣＤ－ＲＯＭ、メモリカード、ＣＤ－Ｒ、及び、ＤＶＤ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｃ）等のコンピュータで読み取り可能な記憶媒体に記憶されてコンピュータ・プログラム・プロダクトとして提供される。

【0077】

また運転制御装置２０で実行されるプログラムを、インターネット等のネットワークに接続されたコンピュータ上に格納し、ネットワーク経由でダウンロードさせることにより提供するように構成してもよい。また運転制御装置２０が実行するプログラムを、ダウンロードさせずにインターネット等のネットワーク経由で提供するように構成してもよい。

【0078】

また運転制御装置２０で実行されるプログラムを、ＲＯＭ等に予め組み込んで提供するように構成してもよい。

【0079】

運転制御装置２０で実行されるプログラムは、運転制御装置２０の機能のうち、プログラムにより実現可能な機能を含むモジュール構成となっている。

【0080】

プログラムにより実現される機能は、制御装置２０１が補助記憶装置２０３等の記憶媒体からプログラムを読み出して実行することにより、主記憶装置２０２にロードされる。すなわちプログラムにより実現される機能は、主記憶装置２０２上に生成される。

【0081】

なお運転制御装置２０の機能の一部を、ＩＣ等のハードウェアにより実現してもよい。ＩＣは、例えば専用の処理を実行するプロセッサである。

【0082】

また複数のプロセッサを用いて各機能を実現する場合、各プロセッサは、各機能のうち１つを実現してもよいし、各機能のうち２つ以上を実現してもよい。

【0083】

本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら新規な実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれる。

【符号の説明】

【0084】

１０ 移動体
１０Ａ 出力部
１０Ｂ センサ
１０Ｃ センサ
１０Ｄ 通信部
１０Ｅ ディスプレイ
１０Ｆ スピーカ
１０Ｇ 動力制御部
１０Ｈ 動力部
１０Ｉ バス
２０ 運転制御装置
２１ 取得部
２２ 算出部
２３ 決定部
２４ 生成部
２０１ 制御装置
２０２ 主記憶装置
２０３ 補助記憶装置
２０４ 表示装置
２０５ 入力装置
２０６ 通信装置
２１０ バス

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9A】

【図9B】

【図9C】

【図10A】

【図10B】

【図10C】

【図11A】

【図11B】

【図12】