JP7347523B2 - 車両制御装置及び車両制御方法 - Google Patents

Description

関連出願の相互参照

本出願は、２０１９年１０月９日に日本に出願された特許出願第２０１９－１８６２７０号を基礎としており、基礎の出願の内容を、全体的に、参照により援用している。

本開示は、車両制御装置、車両制御方法、自動運転装置及び自動運転方法に関するものである。

従来、車両の運転操作を自動化する自動運転が知られている。また、安全運転の概念を数式化した数学的公式モデルを自動運転に利用することも考えられている。

例えば、特許文献１には、自動運転において、ＲＳＳ（Responsibility Sensitive Safety）モデルと呼ばれる数学的公式モデルによって算出される、安全性を評価するための基準となる距離（以下、安全距離）を、他車、歩行者といった障害物との間で最低限保つようにすることが記載されている。特許文献１には、安全距離を、車両の速度、最大減速度、最大加速度等の挙動に関する情報から決定することが記載されている。先行技術文献の記載内容は、この明細書における技術的要素の説明として、参照により援用される。

国際公開第２０１８／１１５９６３号

特許文献１に開示の技術では、安全距離を車両の挙動に関する情報から決定しているが、歩行者の飛び出しやすい場所が存在するといったように、車両の挙動以外の周辺環境によっても障害物との近接の可能性は変化する。よって、特許文献１に開示の技術には、障害物との近接を回避しやすくするための改善など、車両の走行中に生じる可能性がある危険を低減する観点において改善が望まれる。

この開示のひとつの目的は、車両制御において、車両の走行中に生じる可能性がある危険を低減できる車両制御装置、車両制御方法、自動運転装置及び自動運転方法を提供することにある。

上記目的は独立請求項に記載の特徴の組み合わせにより達成され、また、下位請求項は、開示の更なる有利な具体例を規定する。特許請求の範囲に記載した括弧内の符号は、ひとつの態様として後述する実施形態に記載の具体的手段との対応関係を示すものであって、本開示の技術的範囲を限定するものではない。

上記目的を達成するために、本開示の車両制御装置は、車両を走行させる１以上の候補経路を算出する走行計画部を備える車両に搭載される車両制御装置であって、
車両と車両の周辺に存在する少なくとも１つの移動体とを含んでいる予測対象移動体の行動を予測する行動予測部と、行動予測部が予測した行動をもとに、車両が候補経路を走行した場合に想定される潜在的な事故に対する責任を判断する責任判断部と、
車両の周辺の障害物以外についての車両のおかれた環境に関する情報である環境情報を取得する環境情報取得部とを備え、
行動予測部は、環境情報取得部が取得した環境情報に基づく潜在的な車両と障害物との近接が発生する可能性を推定し、推定した可能性に基づいて予測対象移動体の行動を予測する。

上記目的を達成するために、本開示の車両制御方法は、車両の周辺の障害物以外についての車両のおかれた環境に関する情報である環境情報を取得し、
環境情報に基づく潜在的な車両と障害物との近接が発生する可能性を推定し、推定した可能性に基づいて、車両と車両の周辺に存在する少なくとも１つの移動体とを含んでいる予測対象移動体の行動を予測し、
予測した行動をもとに、車両を走行させる経路の候補となる候補経路を車両が走行した場合に想定される潜在的な事故に対する責任を判断する。

この車両制御装置及び車両制御方法は、車両が候補経路を走行した場合に想定される潜在的な事故に対する責任を判断するので、車両が候補経路を走行して事故が生じてしまった場合に、その事故の責任が車両に生じるかどうかを事前に判断できる。

加えて、この車両制御装置及び車両制御方法は、環境情報から決定できる、潜在的な車両と障害物との近接が発生する可能性を取得しており、この可能性も考慮して予測対象移動体の行動を予測する。これにより、予測対象移動体の行動予測の信頼性が向上する。従って、車両の走行中に生じる可能性がある種々の危険を低減しやすくなる。

車両用システム１及び自動運転装置２の概略的な構成図。 要因別に要因と歩行者の飛び出し可能性との関係を示す図。 基準として自車の前方、左右方向の安全距離の一例を説明する図。 安全距離の増加分と左右のカウント数の比との関係を示す図。 自車の前方の安全距離を増加させる例を説明する図。 安全距離を増加させる際の好ましい範囲を説明する図。 潜在発生確率関連処理の流れの一例を示すフローチャート。 実施形態８の車両用システム８０１の構成図。 実施形態９の車両用システム９０１の構成図。

図面を参照しながら、開示のための複数の実施形態を説明する。なお、説明の便宜上、複数の実施形態の間において、それまでの説明に用いた図に示した部分と同一の機能を有する部分については、同一の符号を付し、その説明を省略する場合がある。同一の符号を付した部分については、他の実施形態における説明を参照することができる。

（実施形態１）
＜車両用システム１の概略構成＞
以下、本開示の実施形態１について図面を用いて説明する。図１に示す車両用システム１は、自動運転が可能な車両（以下、自動運転車両）で用いられる。車両用システム１は、図１に示すように、自動運転装置２、ロケータ３、地図データベース（以下、地図ＤＢ）４、周辺監視センサ５、車両制御ＥＣＵ６、及び通信モジュール７を含んでいる。車両用システム１を用いる車両は、必ずしも自動車に限るものではないが、以下では自動車に用いる場合を例に挙げて説明を行う。

実施形態１での自動運転車両は、前述したように自動運転が可能な車両であればよい。自動運転の度合い（以下、自動化レベル）としては、例えばＳＡＥが定義しているように、複数のレベルが存在し得る。自動化レベルは、例えばＳＡＥの定義では、以下のようにレベルＬｖ０～５に区分される。

レベルＬｖ０は、システムが介入せずに運転者が全ての運転タスクを実施するレベルである。運転タスクは、例えば操舵及び加減速とする。レベルＬｖ０は、いわゆる手動運転に相当する。レベルＬｖ１は、システムが操舵と加減速とのいずれかを支援するレベルである。レベルＬｖ２は、システムが操舵と加減速とのいずれをも支援するレベルである。レベルＬｖ１～２は、いわゆる運転支援に相当する。

レベルＬｖ３は、高速道路等の特定の場所ではシステムが全ての運転タスクを実施可能であり、緊急時に運転者が運転操作を行うレベルである。レベルＬｖ３では、システムから運転交代の要求があった場合に、運転手が迅速に対応可能であることが求められる。レベルＬｖ３は、いわゆる条件付き自動運転に相当する。レベルＬｖ４は、対応不可能な道路、極限環境等の特定状況下を除き、システムが全ての運転タスクを実施可能なレベルである。レベルＬｖ４は、いわゆる高度自動運転に相当する。レベルＬｖ５は、あらゆる環境下でシステムが全ての運転タスクを実施可能なレベルである。レベルＬｖ５は、いわゆる完全自動運転に相当する。レベルＬｖ３～５は、いわゆる自動運転に相当する。

実施形態１での自動運転車両は、例えば自動化レベルがレベルＬｖ３の自動運転車両であってもよいし、自動化レベルがレベルＬｖ４以上の自動運転車両であってもよい。また、自動化レベルは切り替え可能であってもよい。一例として、自動化レベルがレベルＬｖ３以上の自動運転と、レベルＬｖ０の手動運転とに切り替え可能であってもよい。以降では、自動運転車両が少なくとも自動化レベルがレベルＬｖ３以上の自動運転を行う場合を例に挙げて説明を行う。

ロケータ３は、ＧＮＳＳ（Global Navigation Satellite System）受信機及び慣性センサを備えている。ＧＮＳＳ受信機は、複数の測位衛星からの測位信号を受信する。慣性センサは、例えばジャイロセンサ及び加速度センサを備える。ロケータ３は、ＧＮＳＳ受信機で受信する測位信号と、慣性センサの計測結果とを組み合わせることにより、ロケータ３を搭載した自車の車両位置を逐次測位する。車両位置は、例えば緯度経度の座標で表されるものとする。なお、車両位置の測位には、車両に搭載された車速センサから逐次出力される信号から求めた走行距離を用いる構成としてもよい。

地図ＤＢ４は、不揮発性メモリであって、リンクデータ、ノードデータ、道路形状、構造物等の地図データを格納している。地図データは、道路形状及び構造物の特徴点の点群からなる３次元地図であってもよい。地図データとして、道路形状及び構造物の特徴点の点群からなる３次元地図を用いる場合、ロケータ３は、ＧＮＳＳ受信機を用いずに、この３次元地図と、道路形状及び構造物の特徴点の点群を検出するＬＩＤＡＲ（Light Detection and Ranging/Laser Imaging Detection and Ranging）若しくは周辺監視カメラ等の周辺監視センサ５での検出結果とを用いて、自車位置を特定する構成としてもよい。なお、３次元地図は、ＲＥＭ（Road Experience Management）によって撮像画像をもとに生成されたものであってもよい。

周辺監視センサ５は、自車の周辺を監視する自律センサである。一例として、周辺監視センサ５は、歩行者、人間以外の動物、自車以外の車両等の移動する物体（以下、移動体）、及びガードレール、縁石、樹木等の静止している静止物体といった自車周辺の物体を検出する。他にも、自車周辺の走行区画線等の路面標示も検出する。周辺監視センサ５としては、例えば、自車周囲の所定範囲を撮像する周辺監視カメラ、自車周囲の所定範囲に探査波を送信するミリ波レーダ、ソナー、ＬＩＤＡＲ等の測距センサがある。なお、移動体とは、自律して移動可能な物体であって、必ずしも移動している状態に限るものではなく、静止している状態も含んでもよい。

車両制御ＥＣＵ６は、自車の走行制御を行う電子制御装置（すなわち走行制御装置）である。走行制御としては、加減速制御及び／又は操舵制御が挙げられる。車両制御ＥＣＵ６としては、操舵制御を行う操舵ＥＣＵ、加減速制御を行うパワーユニット制御ＥＣＵ及びブレーキＥＣＵ等がある。車両制御ＥＣＵ６は、自車に搭載された電子制御スロットル、ブレーキアクチュエータ、ＥＰＳ（Electric Power Steering）モータ等の各走行制御デバイスへ制御信号を出力することで走行制御を行う。

通信モジュール７は、自車の外部のセンタとの間で公衆通信網を介して情報の送受信を行う。一例として、通信モジュール７は、センタから、気象情報、イベント情報、施設の利用情報等のインフラ情報をダウンロードする。

気象情報は、所定の区画単位ごとの天候、気温等の情報である。区画単位は、地図のメッシュ単位であってもよいし、行政区画単位であってもよいし、他の区画単位であってもよい。イベント情報は、コンサート等の人が集まるイベントの開催についての情報である。イベント情報には、イベント会場の位置、イベントの開催日、イベントの時間帯等を含む構成とすればよい。施設の利用情報は、学校、駅等の人が集まる施設の利用についての情報である。施設の利用情報には、利用される曜日、利用される時間帯等を含む構成とすればよい。施設が学校の場合には、登校時刻から下校時刻までを利用される時間帯とすればよい。施設が駅の場合には、時間帯別の平均利用者数を施設の利用情報に含ませてもよい。

通信モジュール７は、路側に設置された路側機との間での路車間通信によって、路側機から送信される前述のインフラ情報を受信する構成としてもよい。通信モジュール７は、地図データを配信する外部サーバから配信される地図データを受信し、地図ＤＢ４に格納してもよい。

自動運転装置２は、例えばプロセッサ、メモリ、Ｉ／Ｏ、これらを接続するバスを備え、メモリに記憶された制御プログラムを実行することで自動運転に関する処理を実行する。ここで言うところのメモリは、コンピュータによって読み取り可能なプログラム及びデータを非一時的に格納する非遷移的実体的記憶媒体（non-transitory tangible storage medium）である。また、非遷移的実体的記憶媒体は、半導体メモリ又は磁気ディスクなどによって実現される。なお、自動運転装置２の詳細については、以下で述べる。

＜自動運転装置２の概略構成＞
続いて、図１を用いて、自動運転装置２の概略構成を説明する。図１に示すように、自動運転装置２は、自車位置取得部２１、センシング情報取得部２２、環境情報取得部２３、走行環境認識部２４、確率算出部２５、及び自動運転部２６を機能ブロックとして備えている。なお、自動運転装置２が実行する機能の一部又は全部を、一つ或いは複数のＩＣ等によりハードウェア的に構成してもよい。また、自動運転装置２が備える機能ブロックの一部又は全部は、プロセッサによるソフトウェアの実行とハードウェア部材の組み合わせによって実現されてもよい。

自車位置取得部２１は、ロケータ３で逐次測位する自車の車両位置を取得する。センシング情報取得部２２は、周辺監視センサ５で逐次検出する検出結果（つまり、センシング情報）を取得する。環境情報取得部２３は、自車周辺の障害物以外についての自車のおかれた環境に関する情報（以下、環境情報）を取得する。環境情報には、自車周辺の障害物以外についての情報であって、移動体が道路に現れる頻度に関する情報が含まれる。また、環境情報から除外している自車周辺の障害物についての情報は、自車周辺の障害物を自車が備えるセンサにより検出して得られる情報を意味している。環境情報は、その内容自体は、移動体が道路に現れる頻度、換言すれば、移動体の位置が時間経過により道路でないところから道路に変化する可能性に関する情報を含んでいる。一方、環境情報の取得タイミングの違いによる内容の変化は、上記具体例から分かるように、移動体の位置の時間変化に比較してはるかに少ない。環境情報は、移動体の位置の時間変化と比較すると、静的な情報であると言える。

環境情報取得部２３は、地図情報取得部２３１及びインフラ情報取得部２３２をサブ機能ブロックとして備えている。地図情報取得部２３１は、地図ＤＢ４に格納されている地図データを取得する。地図情報取得部２３１が取得する地図データには、例えば、学校、駅等の人が集まる施設の座標、道路の縦断勾配、及びカーブの曲率等も含まれるものとすればよい。地図情報取得部２３１が取得する地図データが、前述の環境情報に相当する。地図情報取得部２３１は、自車位置取得部２１で取得する自車の車両位置に応じて、自車周辺の地図データを取得してもよい。地図情報取得部２３１は、周辺監視センサ５の検出範囲よりも広い範囲についての地図データを取得することが好ましい。

インフラ情報取得部２３２は、通信モジュール７でセンタから受信したインフラ情報を取得する。インフラ情報としては、前述した気象情報、イベント情報、施設の利用情報等が挙げられる。インフラ情報取得部２３２で取得するインフラ情報が、前述の環境情報に相当する。

走行環境認識部２４は、自車位置取得部２１で取得する自車の車両位置、地図情報取得部２３１で取得する地図データ、センシング情報取得部２２で取得するセンシング情報等から、自車の走行環境を認識する。一例として、走行環境認識部２４は、これらの情報を用いて、自車の周辺物体の位置、形状、及び移動状態を認識し、実際の走行環境を再現した仮想空間を生成する。走行環境認識部２４では、センシング情報取得部２２で取得したセンシング情報から、自車の周辺物体との距離、自車に対する周辺物体の相対速度等も走行環境として認識するものとすればよい。また、車車間通信によって周辺車両の位置情報、速度情報を取得できる場合には、これらの情報も用いて走行環境を認識する構成としてもよい。

走行環境認識部２４は、周辺監視センサ５で検出する周辺物体が移動体であるか静止物体であるかを区別して認識することが好ましい。また、周辺物体の種別も区別して認識することが好ましい。周辺物体の種別については、例えば周辺監視カメラの撮像画像にパターンマッチングを行うことで種別を区別して認識すればよい。

種別については、例えばガードレール等の構造物、路上落下物、歩行者、自転車、自動二輪車、自動車等を区別して認識すればよい。周辺物体が移動体であるか静止物体であるかについては、周辺物体の種別に応じて認識すればよい。例えば、周辺物体の種別が構造物、路上落下物の場合は静止物体と認識すればよい。周辺物体の種別が歩行者、自転車、自動二輪車、自動車の場合は移動体と認識すればよい。なお、駐車車両のように直ちに移動する可能性の低い物体は、静止物体として認識してもよい。駐車車両については、停止しており、且つ、画像認識によってブレーキランプが点灯していないことが認識できることから認識すればよい。移動体の種別として、例えば歩行者をさらに細分化して子供と大人とに区別してもよい。子供と大人との区別は、身長によって行う等すればよい。

また、走行環境認識部２４は、認識した移動体の挙動も認識することが好ましい。一例としては、逐次認識する移動体の位置の時系列に沿った変化の有無から、静止中か移動中かを区別して認識すればよい。他にも、移動体の進行方向の変化率を移動体の挙動として認識してもよい。一例として、移動体の進行方向の変化率は、逐次認識する移動体の位置の時系列に沿った変化から移動体の進行方向を特定することで算出すればよい。進行方向の変化率が大きい移動体ほどふらついていると言うことができる。この走行環境認識部２４が認識部に相当する。

走行環境認識部２４は、カウント部２４１をサブ機能ブロックとして備えている。カウント部２４１は、自車の周辺に検出される移動体の数を、自車よりも左側の移動体と右側の移動体とに区別して計数（つまり、カウント）する。このカウント部２４１が計数部に相当する。カウント部２４１は、走行環境認識部２４で静止物体と認識したものについてはカウントせず、移動体と認識したものについてカウントする。

カウント部２４１は、移動体の数を、その移動体の種別が交通上保護されるべき優先度の高い種別ほど大きな重み付けをしてカウントすることが好ましい。交通上保護されるべき優先度は、自車がその移動体と衝突した場合にその移動体側の人体への被害が大きくなる可能性が高いほど高い構成とすればよい。他にも、交通上保護されるべき優先度は、自車がその移動体と衝突した場合に保険における自車の過失割合が高くなるほど高い構成としてもよい。一例として、歩行者への重み付けを他の種別の移動体よりも重くする構成とすればよい。また、例えば種別に応じた重み付けは、歩行者＞自転車＞自動二輪車＞自動車となるようにすればよい。なお、移動体の数に重み付けを行ってカウントする場合には、１に係数を乗算してカウントする構成とすればよい。係数は、整数であってもよいし、整数でなくてもよい。係数が整数でない場合は、カウントされる移動体の数も整数でなくなる。

確率算出部２５は、環境情報取得部２３で取得する環境情報を用いて、潜在的な自車と障害物との近接の発生確率である潜在発生確率を算出する。潜在発生確率は、自車と障害物との近接が発生する潜在的な可能性を表している指標の一例である。本実施形態では、自車と障害物との近接が発生する潜在的な可能性を表す指標として潜在発生確率を用いる。だし、上記可能性は、高中低といったレベルにより表現するなど、確率以外の表現手法により表してもよい。

潜在発生確率は、潜在的な自車と歩行者との近接の発生確率に限定する構成としてもよい。確率算出部２５は、環境情報と潜在発生確率との相関関係に基づき、環境情報を用いて潜在発生確率を算出する。

例えば、潜在発生確率は、歩行者の飛び出しの可能性Ｐが高くなるほど高くなると考えられる。図２のＡに示すように、歩行者の飛び出しの可能性Ｐは、人がより多く集まる場所との距離が近くなるのに応じて高くなると考えられる。よって、確率算出部２５は、自車の車両位置が、学校、駅、イベント会場等の人の集まる施設の位置に近くなるのに応じて、潜在発生確率を高く算出すればよい。学校、駅の位置は、地図情報取得部２３１で取得する地図データから特定すればよい。イベント会場の位置は、インフラ情報取得部２３２で取得するイベント情報から特定すればよい。自車の車両位置は、自車位置取得部２１で取得する自車の車両位置から特定すればよい。

このように、潜在発生確率を高くする要因（以下、対象要因）が場所である場合には、対象要因と自車との距離が長くなるのに応じて、潜在発生確率を低く算出すればよい。言い換えると、確率算出部２５は、潜在発生確率を算出するのに用いる環境情報に、潜在発生確率を高くする要因となる場所の情報を含む場合には、その場所と自車との距離が長くなるのに応じて、潜在発生確率を低く算出すればよい。

また、潜在発生確率は、図２のＢ、Ｃに示すように、時間帯によっても変化すると考えられる。例えば、対象要因が学校である場合には、登校時刻と下校時刻との時間帯に、歩行者の飛び出しの可能性Ｐが図２のＢに示すように２度のピークに達すると考えられる。例えば、対象要因がイベント会場である場合には、イベントの時間帯前後に、歩行者の飛び出しの可能性Ｐが図２のＣに示すように２度のピークに達すると考えられる。例えば、対象要因が駅である場合には、時間帯別の平均利用者数に応じて、歩行者の飛び出しの可能性Ｐが変化すると考えられる。よって、確率算出部２５は、対象要因別に、時間帯に応じて潜在発生確率を算出すればよい。学校の登下校時刻、駅の時間帯別の平均利用者数は、インフラ情報取得部２３２で取得する施設の利用情報から特定すればよい。イベント終了時刻は、インフラ情報取得部２３２で取得するイベント情報のうちのイベントの時間帯から特定すればよい。なお、対象要因が駅の場合には、歩行者以外の移動体の飛び出しの可能性Ｐも、平均利用者数の多い時間帯ほど多くなると考えられる。

潜在発生確率は、天候によっても変化すると考えられる。例えば、天候が雪の場合には、移動体が停止しきれずに飛び出してきたり、自車の制動距離が延びたりする可能性が高くなると考えられる。よって、確率算出部２５は、天候が雪の場合に、天候が雪でない場合よりも高い潜在発生確率を算出すればよい。また、天候が雨の場合には、送り迎えのために駅等の施設において歩行者以外の移動体の飛び出しの可能性Ｐも高くなったり、自車の制動距離が延びたりすると考えられる。よって、確率算出部２５は、天候が雨の場合に、駅等の対象要因について、天候が雨でない場合よりも高い潜在発生確率を算出すればよい。

潜在発生確率は、気温によっても変化すると考えられる。例えば、路面が凍結するほど気温が低い場合には、移動体が停止しきれずに飛び出してきたり、自車の制動距離が延びたりする可能性が高くなると考えられる。よって、確率算出部２５は、気温が、路面が凍結すると推定される閾値温度以下の場合に、この閾値温度よりも気温が高い場合よりも高い潜在発生確率を算出すればよい。

潜在発生確率は、走行する場所によっても変化すると考えられる。例えば、人の多い地域であるほど、歩行者、自転車が飛び出してくる可能性が高くなると考えられる。よって、確率算出部２５は、自車の走行する地域が、人の多い地域であるほど、高い潜在発生確率を算出すればよい。一例として、地域の種別は、人の多い地域順に、繁華街＞郊外路＞高速道路とすればよい。また、カーブ曲率の大きい道路ほど、対向車線の自動二輪車、自動車が自車線にはみ出してくる可能性が高くなると考えられる。よって、確率算出部２５は、自車の走行する道路が、カーブ曲率の大きい道路であるほど、高い潜在発生確率を算出すればよい。他にも、下りの縦断勾配が大きくなるほど、自車の制動距離が延びると考えられる。よって、確率算出部２５は、自車の走行する車線の下りの縦断勾配が大きくなるのに応じて、高い潜在発生確率を算出すればよい。

潜在発生確率は、片側複数車線道路における車線ごとでも異なると考えられる。例えば、歩道に近い車線であるほど、歩行者、自転車が飛び出してくる可能性が高くなると考えられる。よって、確率算出部２５は、自車の走行する道路が片側複数車線道路である場合に、自車の走行する車線が歩道に近い車線であるほど、高い潜在発生確率を算出すればよい。

また、確率算出部２５は、センシング情報取得部２２で取得するセンシング情報も補強的に用いて、潜在発生確率を算出する構成としてもよい。歩行者の飛び出しの可能性Ｐは、図２のＤ、Ｅに示すように、歩行者の密度、平均身長によっても変化すると考えられる。歩行者の密度とは、所定の範囲あたりの歩行者の数である。例えば、確率算出部２５は、周辺監視センサ５で検出する周辺物体のうち、走行環境認識部２４で歩行者と認識している移動体のセンシング情報から、センシング範囲あたりの歩行者の数（つまり、密度）及び／又は平均身長を算出すればよい。

例えば、図２のＤに示すように、歩行者の密度が高くなるのに応じて、歩行者の飛び出しの可能性も高くなると考えられる。また、歩行者が子供であるほど飛び出しの可能性も高くなると考えられる。よって、図２のＥに示すように、歩行者の平均身長が低くなるのに応じて、歩行者の飛び出しの可能性も高くなると考えられる。従って、確率算出部２５は、歩行者の密度が高くなるのに応じて、高い潜在発生確率を算出すればよい。また、確率算出部２５は、歩行者の平均身長が短くなるのに応じて、高い潜在発生確率を算出すればよい。

また、確率算出部２５は、複数の要因を総合して潜在発生確率を算出してもよい。例えば、図２を例に挙げると、対象要因が学校の場合に、図２のＡ、Ｂ、Ｄ、Ｅの飛び出し可能性をそれぞれ尤度ＬＡ、ＬＢ、ＬＤ、ＬＥとして統合して潜在発生確率を算出してもよい。例えば、尤度ＬＡ、ＬＢを統合した尤度Ｘ１を、Ｘ１＝ＬＡ×ＬＢ／｛ＬＡ×ＬＢ＋（１－ＬＡ）×（１－ＬＢ）｝の式によって算出する。続いて、尤度Ｘ１、ＬＤを統合した尤度Ｘ２を、Ｘ２＝Ｘ１×ＬＤ／｛Ｘ１×ＬＤ＋（１－Ｘ１）×（１－ＬＤ）｝の式によって算出する。最後に、尤度Ｘ２、ＬＥを統合した尤度Ｘ３を、Ｘ３＝Ｘ２×ＬＥ／｛Ｘ２×ＬＥ＋（１－Ｘ２）×（１－ＬＥ）｝の式によって算出する。そして、得られた尤度Ｘ３を、Ａ、Ｂ、Ｄ、Ｅの尤度を統合した潜在発生確率とする。なお、総合する要因の組み合わせは、前述した例に限らない。

自動運転部２６は、運転者による運転操作の代行に関する処理を行う。自動運転部２６は、図１に示すように、走行計画部２７、確認部２８、及び自動運転機能部２９をサブ機能ブロックとして備えている。

走行計画部２７は、走行環境認識部２４で認識する走行環境を用いて、自動運転によって自車を走行させるための走行計画を生成する。例えば、中長期の走行計画として、経路探索処理を行って、自車位置から目的地へ向かわせるための推奨経路を生成する。また、中長期の走行計画に沿った走行を行うための短期の走行計画として、車線変更の走行計画、レーン中心を走行する走行計画、先行車に追従する走行計画、及び障害物回避の走行計画等が生成される。走行計画部２７での走行計画の生成は、例えば、認識した走行区画線から一定距離又は中央となる経路を算出したり、認識した先行車の挙動又は走行軌跡に沿うように経路を算出したりして生成すればよい。

また、走行計画部２７での走行計画の生成は、機械学習等によって最適と判断される経路を算出することで行う構成としてもよい。機械学習によって最適と判断される経路を算出する場合、経路を算出する経路算出アルゴリズムはニューラルネットワークを含む。ニューラルネットワークへ入力する値の一例は、自車と周辺車両との距離、自車に対する周辺車両の相対速度である。他にも、走行環境認識部２４が認識した種々の走行環境をニューラルネットワークへ入力してもよい。ニューラルネットワークの出力は経路である。

このニューラルネットワークは強化学習などの機械学習により学習される。また、経路算出アルゴリズムは、複数種類用意することができる。複数の経路算出アルゴリズムの相互の相違は、運転ポリシの違いである。運転ポリシは、車両を自動運転する際の加減速、操舵制御の程度や頻度を示すものである。運転ポリシは、たとえば、加減速が急であるか、ゆっくりであるか、という違いに現れる。複数の運転ポリシにそれぞれ対応する複数の経路算出アルゴリズムのうち、どの経路算出アルゴリズムを用いるかは車両の乗員が選択できる。ある１つの選択された経路算出アルゴリズムに従って経路が算出される場合、その経路算出アルゴリズムに対応する運転ポリシに基づいて経路が算出されると言える。

走行計画部２７は、短期の走行計画として、１以上の経路を算出する。例えば、走行計画部２７は、短期の走行計画として、算出した経路における速度調整のための加減速の情報も含む構成とすればよい。

確認部２８は、走行計画部２７で生成する走行計画の安全性を評価する。一例として、確認部２８は、走行計画の安全性の評価をより容易にするために、安全運転の概念を数式化した数学的公式モデルを用いて、走行計画の安全性を評価すればよい。確認部２８は、自車と周辺物体との対象間の距離（以下、対象間距離）が、予め設定された数学的公式モデルによって算出される、対象間の安全性を評価するための基準となる距離（以下、安全距離）以上か否かで安全性を評価すればよい。対象間距離は、一例として、自車の前後方向及び／又は左右方向の距離とすればよい。

なお、数学的公式モデルは、事故が完全に生じないことを担保するものではなく、安全距離未満となった場合に衝突回避のための適切な行動を取りさえすれば事故の責任を負う側にならないことを担保するためのものである。数学的公式モデルによって算出される安全距離は、自車と障害物との近接をさけるために自車が障害物との間に最低限空けるべき自車からの距離と言い換えることができる。

また、確認部２８は、安全距離設定部２８１及び安全距離調整部２８２をサブ機能ブロックとして備え、状況に応じて安全距離にマージンをもたせる。より詳しくは、確率算出部２５で算出する潜在発生確率が高くなるのに応じて、数学的公式モデルを用いて算出される安全距離にマージンをもたせる。

安全距離設定部２８１は、前述した数学的公式モデルを用いて安全距離を算出し、算出した安全距離を安全距離として設定する。安全距離設定部２８１は、少なくとも車両の挙動の情報を用いて安全距離を算出して設定するものとする。安全距離設定部２８１は、数学的公式モデルとしては、例えばＲＳＳ（Responsibility Sensitive Safety）モデルを用いればよい。

安全距離設定部２８１は、自車の前方及び／又は左右方向の安全距離を設定する。以下では、安全距離設定部２８１が自車の前方及び左右方向の安全距離を設定する場合を例に挙げて説明を行う。安全距離設定部２８１が、自車の前方又は左右方向の安全距離を設定する構成を採用する場合は、安全距離を設定する方向について以降で説明する処理を行う構成とすればよい。

安全距離設定部２８１は、基準として、自車の前方については、自車の挙動情報から、例えば自車が最短で停止できる距離を安全距離と算出すればよい。図３を例に挙げると、図３のＨＶが自車を示しており、Ｆｗが基準としての前方の安全距離を示している。具体例として、自車の速度、最大加速度、最大減速度、応答時間から、自車が現在の車速から応答時間の間に最大加速度で前方に走行した後、最大減速度で減速して停止できる距離を前方の安全距離と算出すればよい。ここでの自車の速度、最大加速度、最大減速度は、自車の前後方向についてのものとする。ここでの応答時間は、自動運転によって自車を停止させる際の、制動装置への動作の指示から動作開始までの時間とすればよい。

安全距離設定部２８１は、自車の前方に移動体は認識していないが静止物体を認識している場合も、この基準としての前方の安全距離を設定すればよい。安全距離設定部２８１は、自車の前方に移動体を認識している場合は、自車と移動体との挙動の情報から、自車と移動体とが接触せずに停止できる距離を前方の安全距離と算出すればよい。

安全距離設定部２８１は、基準として、自車の左右方向については、自車の挙動情報から、自車が左右方向の速度を最短で０にできるまでに左右方向に移動する距離を安全距離と算出すればよい。例えば、自車の左右方向の速度、最大加速度、最大減速度、応答時間から、自車が現在の左右方向の速度から応答時間の間に最大加速度で左右方向に移動した後、最大減速度で減速して左右方向の速度が０にできるまでに自車が左右方向に移動する距離を、左右方向の安全距離と算出すればよい。ここでの応答時間は、自動運転によって自車を操舵させる際の、操舵装置への動作の指示から動作開始までの時間とすればよい。安全距離設定部２８１は、基準として、図３に示すように、自車の左右の安全距離の比率を均等に設定する構成とすればよい。図３のＬが自車の左方向の安全距離、Ｒが自車の右方向の安全距離を示している。

安全距離設定部２８１は、自車の左右方向に移動体は認識していないが静止物体を認識している場合も、この基準としての左右方向の安全距離を設定すればよい。安全距離設定部２８１は、自車の左右方向に移動体を認識している場合は、移動体が存在する方向については、自車と移動体との挙動の情報から、自車と移動体とが接触せずにお互いの左右方向の速度が０にできるまでに左右方向に移動する距離をその方向の安全距離と算出すればよい。よって、自車の左右方向に移動体を認識している場合は、自車の左右の安全距離の比率が均等に保たれなくなる場合がある。

また、安全距離設定部２８１は、自車の後続車にとっての前方の安全距離も推定する構成としてもよい。この場合、自車の後続車にとっての前方の安全距離は、現在の車速の自車が最大減速度で減速した場合に、現在の車速の後続車が応答時間の間に最大加速度で前方に走行した後、最大減速度で減速して自車に接触しない距離とすればよい。ここでの後続車の速度、最大加速度、最大減速度は、後続車の前後方向についてのものとする。ここでの応答時間は、自動運転によって自車を停止させる際の、制動装置への動作の指示から動作開始までの時間とすればよい。

後続車の最大加速度、最大減速度、応答時間は、車車間通信によって後続車から取得できる場合には、車車間通信によって取得した情報を安全距離設定部２８１が用いる構成とすればよい。後続車の車速は、走行環境認識部２４で認識したものを用いればよい。他にも、後続車の最大加速度、最大減速度、応答時間について、一般的な車両の値を自動運転装置２の不揮発性メモリに予め格納しておくことで、この一般的な車両の値を安全距離設定部２８１が用いる構成としてもよい。なお、安全距離設定部２８１は、推定したこの後続車にとっての前方の安全距離を自車の後方の安全距離と設定してもよい。

安全距離調整部２８２は、確率算出部２５で算出する潜在発生確率が高くなるのに応じて、安全距離設定部２８１で設定する安全距離を増加させる。増加させる安全距離は、自車の前方の安全距離であってもよいし、自車の左右方向の安全距離であってもよい。

例えば、安全距離調整部２８２は、確率算出部２５で算出する潜在発生確率が高くなるのに応じて、安全距離設定部２８１で設定する自車の前方の安全距離を増加させる。潜在発生確率と自車の前方の安全距離の増加分との対応関係は、任意に設定可能である。

以上の構成によれば、歩行者といった移動体の飛び出しの可能性が高くなるのに応じて、自車の前方の安全距離を増加させることが可能になる。よって、自車の前方への移動体の飛び出しがあった場合でも、早めにこの移動体との近接を避けるための回避行動をとることが可能になる。従って、車両の自動運転時において、障害物との近接をより回避しやすくすることが可能になる。

例えば、安全距離調整部２８２は、確率算出部２５で算出する潜在発生確率が高くなるのに応じて、安全距離設定部２８１で設定する自車の左右方向の安全距離を増加させてもよい。潜在発生確率と自車の左右方向の安全距離の増加分との対応関係は、任意に設定可能である。

以上の構成によれば、歩行者といった移動体の飛び出しの可能性が高くなるのに応じて、自車の左右方向の安全距離を増加させることが可能になる。よって、自車の左右方向からの移動体の飛び出しがあった場合でも、早めにこの移動体との近接を避けるための回避行動をとることが可能になる。従って、車両の自動運転時において、障害物との近接をより回避しやすくすることが可能になる。他にも、自車の左右方向の安全距離を増加させる場合、自車の左右方向の駐車車両、構造物との空間をより広くとって走行することになるので、この駐車車両、構造物の陰から飛び出そうとしている移動体から自車が見え易くなる。よって、移動体側で自車を確認し易くすることによって移動体の飛び出しを抑制することも可能になる。

また、安全距離調整部２８２は、確率算出部２５で算出する潜在発生確率が閾値以上である場合に、安全距離設定部２８１で設定する自車の左右の安全距離のうち、カウント部２４１でカウントした移動体の数が多い側の安全距離のみを増加させてもよい。ここで言うところの閾値は、移動体の飛び出しの可能性が高いか否かを区別するための値であって、任意に設定可能な値とすればよい。なお、自車の左右方向に移動体を認識していない場合は、この左右いずれかの方向の安全距離の増加によって、左右均等の安全距離の比率を変更することになる。

以上の構成によれば、歩行者といった移動体の飛び出しの可能性が高くなる場合に、移動体の数が多い側の安全距離のみを増加させることが可能になる。よって、自車の左右のうち、移動体の飛び出しの可能性がより高い側の安全のみを増加させることが可能になる。左右いずれからの移動体の飛び出しの可能がより高いかにかかわらず自車の左右の安全距離を増加させる場合、無駄な方向に安全距離を増加させて無駄な回避行動を自車がとってしまうおそれがある。これに対して、自車の左右のうち、移動体の飛び出しの可能性がより高い側の安全のみを増加させることで、このような無駄を省きつつ、車両の自動運転時において、障害物との近接をより回避しやすくすることが可能になる。

また、カウント部２４１でカウントした移動体の数が多い側の安全距離のみを増加させる際は、図４に示すように、カウント部２４１でカウントした自車の左右の移動体の数（以下、カウント数）の比率が大きくなるのに応じて、安全距離を増加させる量を増やせばよい。図４は、安全距離の増加分と自車の左右の移動体のカウント数の比率（以下、左右比）との関係の一例を示す図である。

自車の左右の両側に同程度のカウント数の移動体が分布している場合は、左右いずれの方向からの移動体の飛び出しにも備えるために、左右の移動体に対して中央付近を走行することが好ましく、左右の安全距離を左右の一方に偏らせ過ぎないことが好ましい。一方、自車の左右の一方に分布が偏っている場合には、この一方の側からの移動体の飛び出しに備えるため、分布が偏っている側に安全距離も偏らせることが好ましい。これに対して、以上の構成によれば、自車の左右の移動体のカウント数の比率が大きくなるのに応じて、安全距離を増加させる量を増やすので、自車の左右の両側に同程度のカウント数の移動体が分布している場合と、自車の左右の一方に分布が偏っている場合とで、一律に同じ安全距離の増加分とせずに済む。よって、自車の左右の移動体の分布に応じて、障害物との近接をより回避しやすくすることが可能になる。

さらに、カウント部２４１で、移動体の数を、その移動体の種別が交通上保護されるべき優先度の高い種別ほど大きな重み付けをしてカウントする構成を採用する場合は、自車の左右のうちの、交通上保護されるべき優先度の高い側に、自車の左右の安全距離を偏らせることが可能になる。よって、自車の左右のうちの、交通上保護されるべき優先度の高い側ほど、障害物との近接をより回避しやすくすることが可能になる。

安全距離調整部２８２は、安全距離設定部２８１で設定する安全距離を増加させる際に、走行環境認識部２４で認識する移動体の種別に応じて、安全距離の増加率を変更してもよい。例えば、移動体の種別が、飛び出しの可能性が高いと推定される種別であるほど、安全距離の増加率を高くすればよい。この場合、走行環境認識部２４で認識できている移動体のうち、飛び出しの可能性が最も高いと推定される種別の移動体のその種別に応じて、安全距離の増加率を変更する等すればよい。これによれば、認識できている移動体の飛び出しの可能性が高いほど、安全距離を多く増加させることで、障害物との近接をより回避しやすくすることが可能になる。一例として、移動体の種別が子供の場合に、移動体の種別が大人の場合よりも、安全距離の増加率を高く変更すればよい。

また、移動体の種別が前述の交通上保護されるべき優先度の高い種別ほど、安全距離の増加率を高くしてもよい。一例として、走行環境認識部２４で認識できている移動体のうち、交通上保護されるべき優先度の最も高い種別の移動体のその種別に応じて、安全距離の増加率を変更する等すればよい。これによれば、認識できている移動体の交通上保護されるべき優先度の高いほど、安全距離を多く増加させることで、交通上保護されるべき優先度の高い移動体ほど近接を回避しやすくすることが可能になる。

安全距離調整部２８２は、安全距離設定部２８１で設定する安全距離を増加させる際に、走行環境認識部２４で認識する移動体の挙動に応じて、安全距離の増加率を変更してもよい。例えば、移動体の挙動が、飛び出しの可能性が高いと推定される挙動であるほど、安全距離の増加率を高くすればよい。この場合、走行環境認識部２４で認識できている移動体のうち、飛び出しの可能性が最も高いと推定される挙動の移動体のその挙動に応じて、安全距離の増加率を変更する等すればよい。これによれば、認識できている移動体の飛び出しの可能性が高いほど、安全距離を多く増加させることで、障害物との近接をより回避しやすくすることが可能になる。一例として、移動体の挙動が移動中にあたる場合に、移動体の挙動が静止中の場合よりも、安全距離の増加率を高く変更すればよい。また、移動体の挙動として、移動体の進行方向の変化率が大きくなるのに応じて、安全距離の増加率を高く変更すればよい。つまり、移動体のふらつきが大きくなるのに応じて、安全距離の増加率を高く変更すればよい。

安全距離調整部２８２は、図５に示すように、自車の後続車との距離（以下、後続車距離）が、安全距離設定部２８１で推定する後続車の前方の安全距離未満となる場合に、後続車距離がその安全距離に満たない分の距離を、安全距離設定部２８１で設定する自車の前方の安全距離に加えて増加させる構成としてもよい。図５のＨＶが自車、ＳＶが後続車、Ｆｗが自車の前方の安全距離、Ｒｅが後続車の前方の安全距離に相当する距離を示している。また、図５のＥｘａが、後続車距離が後続車の前方の安全距離に満たない分の距離を示している。なお、後続車距離については、走行環境認識部２４で認識する構成とすればよい。

以上の構成によれば、後続車にとって足りない前方の安全距離分を、自車の前方の安全距離に足すことになる。ここで、自車が自車の前方の障害物との距離が安全距離となった停止し、後続車も停止する場合について述べる。自車の前方の安全距離を増加させると、自車が最大減速度で減速しなくても安全距離分の距離で停止することが可能になる。自車の後続車の前方の安全距離は、自車の最大減速度で減速すると仮定した場合の値であるので、自車が最大減速度よりも低い減速度で減速する分だけ、後続車が自車に接触せずに走行可能な距離も伸びる。ここで、自車の前方の安全距離を増加する量は、後続車にとって足りない前方の安全距離分なので、後続車は、この伸びた距離によって、自車に接触せずに停止することが可能になる。よって、この点でも、車両の自動運転時において、障害物との近接をより回避しやすくすることが可能になる。

また、安全距離調整部２８２は、安全距離設定部２８１で設定する安全距離を増加させる場合に、図６に示すように、自動運転によって自車を停止させることのできる最短距離（図６のＡＤ参照）以上、且つ、手動運転によって自車を停止させると仮定した場合に推定される空走距離と制動距離とを合わせた停止距離（図６のＭＤ参照）未満の範囲におさまるように、その安全距離を増加させることが好ましい。つまり、停止距離から安全距離設定部２８１で設定する安全距離を差し引いた距離を、安全距離を増加する際の上限値とすればよい。図６のＦｗが自車の前方の安全距離、Ｅｘｂが、安全距離の増加分の距離を示している。停止距離については、予め自車の速度別の停止距離の対応関係を自動運転装置２の不揮発性メモリに格納しておくことで、この対応関係と自車の車速とから安全距離調整部２８２が特定して用いる構成とすればよい。

以上の構成によれば、安全距離を増加させる場合も、安全距離を手動運転による停止距離未満とすることで、手動運転時よりも迅速に回避行動をとることを可能にしつつ、回避できなかった場合でも、手動運転でも回避できなかったことを主張可能とすることが可能になる。

確認部２８は、対象間距離が、安全距離設定部２８１で設定された安全距離以上の場合に、走行計画部２７で生成する走行計画の安全性有りと評価すればよい。一方、確認部２８は、対象間距離が、この安全距離未満の場合に、走行計画部２７で生成する走行計画の安全性無しと評価すればよい。確認部２８は、安全性有りと評価した走行計画を自動運転機能部２９に出力すればよい。一方、確認部２８は、安全性無しと評価した走行計画については、例えば安全性有りと評価される走行計画に修正して自動運転機能部２９に出力すればよい。つまり、走行計画部２７で算出する経路を自動運転に用いるか否かを、対象間距離が安全距離以上であるか否かによって評価する。

自動運転機能部２９は、確認部２８から出力される走行計画に従い、自車の加減速及び／又は操舵を車両制御ＥＣＵ６に自動で行わせることで、運転者による運転操作の代行（つまり、自動運転）を行わせればよい。自動運転機能部２９は、確認部２８で自動運転に用いると評価された経路に沿った自動運転を行わせる。自動運転機能部２９は、確認部２８から出力される走行計画に従い自動運転を行わせることで、自車と周辺物体との近接を避けるための回避行動を自動運転で行わせる。

また、自動運転機能部２９は、応答時間調整部２９１及び車線変更部２９２をサブ機能ブロックとして備えている。応答時間調整部２９１は、自動運転によって自車を停止させる際の、制動装置への動作の指示から動作開始までの応答時間を調整する。一例として、制動装置は、自動運転時のデフォルトとして、この応答時間に、短縮不能な最低限度の時間以外の一定の余裕（以下、遊び時間）を設けているものとする。応答時間調整部２９１は、制動装置のこの遊び時間を変更させる制御を行うものとすればよい。

応答時間調整部２９１は、確率算出部２５で算出する潜在発生確率が前述の閾値未満である場合には、応答時間に余裕をもたせている一方、確率算出部２５で算出する潜在発生確率が閾値以上である場合には、応答時間を、確率算出部２５で算出する潜在発生確率が閾値未満である場合よりも短く調整することが好ましい。

一例としては、応答時間調整部２９１は、潜在発生確率が閾値未満である場合に、遊び時間をデフォルトよりも短く変更させる構成とすればよい。これによれば、移動体の飛び出しの可能性が高くなった場合に、応答時間を短く変更して、障害物との近接をさらに回避しやすくすることが可能になる。応答時間を短くするほど、障害物との近接は回避しやすくなるため、応答時間調整部２９１は、潜在発生確率が閾値未満である場合に、遊び時間を０に変更させることがより好ましい。

車線変更部２９２は、自動運転によって自車の車線変更を行わせる。車線変更部２９２は、走行計画部２７で生成する車線変更の走行計画に従い、自動運転によって自車の車線変更を行わせればよい。一例として、走行計画部２７が、確率算出部２５で算出する潜在発生確率が前述の閾値以上である場合であって、自車の走行中の道路が片側複数車線道路の場合であって、且つ、自車の走行中の車線が、その片側複数車線道路のうちの確率算出部２５で算出する潜在発生確率が最も低くなる車線でない場合に、潜在発生確率がより低くなる車線に車線変更を行わせるための走行計画を生成すればよい。これにより、車線変更部２９２は、上述の条件下において、潜在発生確率がより低くなる車線に車線変更を行わせることになる。なお、車線変更の対象とする車線は、自車の走行車線とリンク方向の同じ車線に限る構成とする。

以上の構成によれば、移動体の飛び出しの可能性のより低い車線に車線変更する分だけ、移動体の飛び出しの可能性が下がる。よって、移動体の飛び出しの可能性が下がる分だけ、障害物との近接をより回避しやすくすることが可能になる。

＜自動運転装置２での潜在発生確率関連処理＞
ここで、図７のフローチャートを用いて、自動運転装置２での潜在発生確率に応じた処理（以下、潜在発生確率関連処理）の流れの一例について説明を行う。コンピュータによって潜在発生確率関連処理に含まれるステップが実行されることが、自動運転方法が実行されることに相当する。図７のフローチャートは、自車の内燃機関又はモータジェネレータを始動させるためのスイッチ（以下、パワースイッチ）がオンになって自動運転が開始される場合に開始する構成とすればよい。他にも、自車の手動運転と自動運転とを切り替えることができる構成の場合には、自動運転を行う設定となっている状態でパワースイッチがオンされる場合に開始する構成とすればよい。他にも、手動運転中に自動運転を行う設定がオンに切り替えられて自動運転に切り替わる場合に開始する構成としてもよい。

まず、ステップＳ１では、各種情報を取得する。Ｓ１では、自車位置取得部２１が自車の車両位置を取得する。Ｓ１では、センシング情報取得部２２がセンシング情報を取得する。Ｓ１では、環境情報取得部２３が環境情報を取得する。環境情報としては、地図情報取得部２３１が地図データを取得し、インフラ情報取得部２３２がインフラ情報を取得する。

Ｓ２では、走行環境認識部２４が自車の走行環境を認識する。ステップＳ３では、カウント部２４１が、自車の周辺に検出される移動体の数を、移動体の種別に応じた重み付けをして、自車よりも左側の移動体と右側の移動体とに区別してカウントする。

ステップＳ４では、安全距離設定部２８１が、数学的公式モデルを用いて安全距離を算出し、算出した安全距離を安全距離として設定する。ここでは、自車の前方の安全距離、自車の左右方向の安全距離を設定する。また、Ｓ４では、Ｓ２で自車の周辺物体として移動体を認識していた場合には、その移動体の認識された方向の安全距離については、その移動体の挙動の情報も用いて安全距離を算出する。Ｓ２で自車の後続車を認識していた場合には、安全距離設定部２８１がこの後続車の前方の安全距離も推定する。

ステップＳ５では、確率算出部２５がＳ１で取得した環境情報を用いて潜在発生確率を算出する。ステップＳ６では、安全距離調整部２８２が、Ｓ５で算出した潜在発生確率が高くなるのに応じて、Ｓ４で設定した自車の前方の安全距離を増加させる。

ステップＳ７では、Ｓ２で自車の後続車を認識しており、この後続車との後続車距離が、Ｓ４で推定したこの後続車の前方の安全距離未満となる場合、つまり、後続車前方の安全距離不足の場合（Ｓ７でＹＥＳ）には、ステップＳ８に移る。一方、後続車前方の安全距離不足でない場合（Ｓ７でＮＯ）には、ステップＳ９に移る。ステップＳ８では、安全距離調整部２８２が、後続車距離が後続車前方の安全距離に満たない分の距離を、Ｓ４で設定した自車の前方の安全距離に加える。

ステップＳ９では、Ｓ５で算出した潜在発生確率が前述の閾値以上である場合（Ｓ９でＹＥＳ）には、ステップＳ１０に移る。一方、Ｓ５で算出した潜在発生確率が閾値未満である場合（Ｓ９でＮＯ）には、ステップＳ１２に移る。

ステップＳ１０では、安全距離調整部２８２が、Ｓ４で設定する自車の左右の安全距離のうち、Ｓ３でカウントした移動体の数が多い側の安全距離のみを増加させる。ステップＳ１１では、応答時間調整部２９１が、応答時間に設ける遊び時間をなしとして、ステップＳ１３に移る。一方、ステップＳ１２では、応答時間調整部２９１が、応答時間に設ける遊び時間をありとする。

ステップＳ１３では、自車の走行中の道路が片側複数車線道路の場合であって、且つ、自車の走行中の車線よりも、確率算出部２５で算出する潜在発生確率が低い車線がある場合（Ｓ１３でＹＥＳ）には、ステップＳ１４に移る。一方、自車の走行中の車線よりも、確率算出部２５で算出する潜在発生確率が低い車線がない場合（Ｓ１３でＮＯ）には、ステップＳ１５に移る。ステップＳ１４では、車線変更部２９２が、自車の走行中の車線よりも、確率算出部２５で算出する潜在発生確率が低い車線に、自動運転によって自車の車線変更を行わせる。

ステップＳ１５では、潜在発生確率関連処理の終了タイミングであった場合（Ｓ１５でＹＥＳ）には、潜在発生確率関連処理を終了する。一方、潜在発生確率関連処理の終了タイミングでなかった場合（Ｓ１５でＮＯ）には、Ｓ１に戻って処理を繰り返す。潜在発生確率関連処理の終了タイミングの一例としては、自車のパワースイッチがオフになった場合、手動運転に切り替わった場合等がある。なお、図７のフローチャートはあくまで一例であって、処理の順番が一部入れ替わっても構わない。

＜実施形態１のまとめ＞
実施形態１の構成によれば、自車の挙動以外の周辺環境によっても変化する障害物との近接の可能性を潜在発生確率で表す。そして、少なくとも車両の挙動の情報を用いて設定する安全距離を、潜在発生確率が高くなるのに応じて増加させるので、車両の挙動以外の周辺環境によっても変化する障害物との近接の可能性が高くなるのに応じて安全距離を増加させることが可能になる。従って、自車の挙動以外の周辺環境を要因として障害物との近接の可能性が高まった場合でも、安全距離を増加させた分だけ、障害物との近接を回避しやすくなる。その結果、車両の自動運転時において、障害物との近接をより回避しやすくすることが可能になる。

（実施形態２）
実施形態１では、応答時間調整部２９１で応答時間に設ける遊び時間を調整する構成を示したが、必ずしもこれに限らない。例えば、自動運転機能部２９に応答時間調整部２９１を備えず、応答時間に設ける遊び時間を調整しない構成としてもよい。

（実施形態３）
実施形態１では、車線変更部２９２が、自車の走行中の車線よりも、確率算出部２５で算出する潜在発生確率が低い車線に、自動運転によって自車の車線変更を行わせる構成を示したが、必ずしもこれに限らない。例えば、片側複数車線道路の車線別に潜在発生確率を算出せず、車線別の潜在発生確率に応じた車線変更を行わない構成としてもよい。

（実施形態４）
実施形態１では、安全距離設定部２８１で設定する自車の左右の安全距離のうち、カウント部２４１でカウントした移動体の数が多い側の安全距離のみを増加させる構成を示したが、必ずしもこれに限らない。例えば、カウント部２４１を走行環境認識部２４に備えず、安全距離設定部２８１で設定する自車の左右の安全距離のそれぞれを、確率算出部２５で算出する潜在発生確率が高くなるのに応じて増加させる構成としてもよい。

（実施形態５）
実施形態１では、確率算出部２５で潜在発生確率を算出するのに、地図情報取得部２３１で取得する地図データとインフラ情報取得部２３２で取得するインフラ情報とのいずれも用いる構成を示したが、必ずしもこれに限らない。例えば、確率算出部２５で潜在発生確率を算出するのに、地図情報取得部２３１で取得する地図データとインフラ情報取得部２３２で取得するインフラ情報とのいずれか一方のみを用いる構成としてもよい。

（実施形態６）
実施形態１では、確率算出部２５で潜在発生確率を算出する構成を示したが、必ずしもこれに限らない。例えば、潜在発生確率を算出せずに、潜在発生確率の高さの異なる状況を区別することで、潜在発生確率の高さに応じて安全距離を増加させることを可能にする構成としてもよい。潜在発生確率の高さの異なる状況としては、例えば、潜在発生確率が前述の閾値以上となる場合と、潜在発生確率が前述の閾値未満となる場合とが挙げられる。なお、潜在発生確率の高さの異なる状況は、３段階以上に区分される構成であってもよい。潜在発生確率を算出せずに、潜在発生確率の高さの異なる状況を区別する場合には、環境情報取得部２３で取得する環境情報の組み合わせと潜在発生確率の高さの異なる状況とを予め対応付けたテーブル、マップ等を参照することで、環境情報取得部２３で取得する環境情報に基づき、潜在発生確率の高さの異なる状況を区別して特定する構成とすればよい。

実施形態６の構成によれば、自車と障害物との近接をさけるために自車が障害物との間に最低限空けるべき自車からの安全距離を、自車周辺の障害物以外についての自車のおかれた環境に関する情報である環境情報に基づく潜在的な車両と障害物との近接の発生確率である潜在発生確率が高くなるのに応じて増加させることが可能になる。この潜在発生確率は、環境情報に基づくものであるので、安全距離を潜在発生確率が高くなるのに応じて増加させることで、自車の挙動以外の周辺環境によっても変化する障害物との近接の可能性が高くなるのに応じて安全距離を増加させることが可能になる。自車の挙動以外の周辺環境によっても変化する障害物との近接の可能性が高くなるのに応じて安全距離を増加させることが可能になると、自車の挙動以外の周辺環境を要因として障害物との近接の可能性が高まった場合でも、安全距離を増加させた分だけ、障害物との近接を回避しやすくなる。その結果、車両の自動運転時において、障害物との近接をより回避しやすくすることが可能になる。

（実施形態７）
実施形態１では、デフォルトの安全距離を数学的公式モデルによって算出する構成を示したが、必ずしもこれに限らない。例えば、デフォルトの安全距離を数学的公式モデル以外で算出する構成としてもよい。例えばＴＴＣ（Time To Collision）等の他の指標によって自車及び自車周辺の移動体の挙動の情報を用いて安全距離設定部２８１が安全距離を算出する構成としてもよい。

（実施形態８）
次に実施形態８を説明する。図８に実施形態８の車両用システム８０１の構成図を示す。実施形態８の車両用システム８０１は、実施形態１の車両用システム１と異なる構成として、自動運転装置８０２、挙動検出センサ８０５、ルールＤＢ記憶部８０６を備える。

挙動検出センサ８０５は、複数のセンサを備えたセンサ群であり、実施形態１で説明した周辺監視センサ５を含み、さらに、自車の挙動を検出するセンサを含んでいる。周辺監視センサ５により、自車の周辺に存在する移動体の挙動、および、自車の周辺に存在する移動しない障害物を検出することができる。自車の挙動を検出するセンサは、自車の速度、加速度を検出するセンサと、自車の移動方向を検出するセンサとを含んでいる。なお、実施形態１においても、自動運転装置２は自車の挙動を検出するセンサから検出値を取得するようにしてもよい。

自車の周辺とする領域は、たとえば、自車を中心とし、自車の前後方向および左右方向に平行な辺を持つ矩形領域とすることができる。矩形の大きさは、自車の前方向を、自車の停止距離程度とすることができる。自車の後方は前方向と同じとしてもよいし、それよりも短くしてもよい。自車の左右方向における矩形の大きさは、１又は数車線分の長さとすることができる。なお、周辺領域大きさは、種々に設定可能である。また、周辺領域の形状も種々に設定可能である。たとえば、周辺領域の形状は、真円形あるいは楕円形であってもよい。

ルールＤＢ記憶部８０６は、ルールデータベース（以下、ルールＤＢ）が記憶された記憶部である。ルールＤＢは、後述する潜在的な事故に対する責任を判断するための基準となるルール（以下、事故責任ルール）が格納されたデータベースである。このルールＤＢには、場所別の事故責任ルールが格納されている。場所別の事故責任ルールには、一方通行などの通行方向、制限速度、優先非優先の区別などが含まれる。もちろん、事故責任ルールには、場所によらないルールも含まれている。場所によらない事故責任ルールには、信号灯色と走行停止の対応、車両よりも歩行者を優先して通行させるなどのルールがある。

自動運転装置８０２は、車両を自動運転させる装置であり、車両制御装置の一例である。自動運転装置８０２は、自動運転装置２と同様、自車を自動運転させる自動運転方法を実行する。自動運転方法は車両制御方法の一例である。

自動運転装置８０２は、実施形態１の車両用システム１が備える自動運転装置２とは構成が一部相違する。自動運転装置８０２は、自動運転装置２と同様、自車位置取得部２１、センシング情報取得部２２、環境情報取得部２３、確率算出部２５を備える。また、自動運転装置８０２は、走行環境認識部８２４と、自動運転部８２６と、記憶媒体８４０とを備える。

走行環境認識部８２４は、サブ機能として、実施形態１で説明したカウント部２４１を備えている点では、実施形態１の走行環境認識部２４と同じである。また、走行環境認識部８２４は、実施形態１の走行環境認識部２４が備える機能を全部備える。加えて、走行環境認識部８２４は、現在の自車の挙動も認識する。自車の挙動は、挙動検出センサ８０５に含まれている自車の挙動を検出するセンサの検出値に基づいて決定する。自車の挙動は、たとえば、自車の現在の速度と、加速度と、ヨーレートとを含む所定の指標により表現できる。

自動運転部８２６は、実施形態１で説明した走行計画部２７、確認部２８、自動運転機能部２９に加え、行動予測部８２８、シーン判定部８２９、責任判断部８３０を備える。

行動予測部８２８は、予測対象移動体の行動を予測する。予測対象移動体は、車両用システム８０１が搭載されている車両（すなわち自車）と、自車の周辺に存在する少なくとも１つの移動体を含んでいる概念である。以下、自車の周辺に存在する移動体を周辺移動体とする。周辺移動体の一例は、前述した周辺車両、歩行者である。行動予測部８２８は、予測対象移動体の行動を、事前に設定した一定時間分、予測する。一定時間は、たとえば、候補経路を走行するのに要する時間と同等又は、それよりも少し長い時間である。予測対象移動体の行動は、現時点からの経過時間とそのときの位置を含んで表現される。予測対象移動体の行動を表現する経過時間は、単位経過時間を１単位とする離散的な値をとる。単位経過時間は、装置の処理能力にもよるが、数ミリ秒から数十ミリ秒である。

行動予測部８２８は、予測対象移動体の行動を予測するために、走行環境認識部８２４の認識結果を取得する。走行環境認識部８２４の認識結果には、周辺車両の挙動、周辺車両以外に自車の周辺に存在する移動体の挙動、自車の周辺の移動しない障害物が含まれる。

また、行動予測部８２８は、自車と障害物との近接が発生する潜在的な可能性を表している指標の一例である潜在発生確率を確率算出部２５から取得する。そして、行動予測部８２８は、この潜在発生確率も考慮して、予測対象移動体の行動を予測する。たとえば、予測対象移動体である自車については、潜在発生確率が高いほど速度を制限する行動をすると予測する。また、自車は、潜在発生確率が高いほど車間距離を長くすると予測してもよい。

また、行動予測部８２８は、予測対象移動体の行動を、確率分布を伴って予測することもできる。確率分布の一例は、予測対象移動体の行動を予測する各時刻における、その予測対象移動体が存在する位置の確率分布である。そして、潜在発生確率が高いほど上記確率分布を広くした予測対象移動体の行動予測をしてもよい。

予測対象移動体が周辺車両である場合についても、自車と同様、潜在発生確率が高いほど、速度を制限する、車間距離を長くする、確率分布を広くする、といった予測をしてもよい。

さらに、本実施形態では、行動予測部８２８は、走行計画部２７が短期の走行計画として算出した経路も取得する。なお、以下の実施形態では、走行計画部２７が短期の走行計画として算出した経路を候補経路とする。「候補」経路とする理由は、短期の走行計画として算出した経路は、自動運転に用いる経路の候補であって、責任判断部８３０における判断結果によっては自動運転に用いない可能性もあるからである。候補経路は、自車が走行する位置に加えて、経路上の各位置を通過する時刻も含んで表現される。同じ位置であっても、時刻が異なれば周辺移動体との距離が異なるので、同じ位置であっても、時刻が異なると、事故の可能性が異なるからである。

行動予測部８２８が予測する予測対象移動体の行動の一例として、自車について予測する行動を説明する。まず、現時点の自車の挙動に基づき、単位経過時間が経過したときの自車の位置を予測する。その後、走行計画部２７から取得した候補経路を走行するように車両制御ＥＣＵ６が自車の挙動を制御するとして、自車の行動を予測する。ただし、周辺移動体を回避する経路に変更する必要があるなど、走行環境により、自車が候補経路を走行できない状況になるか否かも予測して、自車の行動を予測する。

周辺車両の行動は、周辺車両が逐次、その周辺車両が走行する走行予定経路を無線送信しており、その走行予定経路を通信モジュール７を介して取得できる場合には、その経路を走行するように周辺車両が制御されることを基本として周辺車両の行動を予測する。ただし、周辺車両の周囲に存在する障害物により、周辺車両が走行予定の経路を走行できるかどうかも判断して、周辺車両の行動を予測する。

走行予定の経路が取得できない周辺車両、歩行者など、移動予定経路が取得できない予測対象移動体の場合には、現時点での予測対象移動体の移動速度と移動方向に基づいて、その予測対象移動体の行動を予測する。

シーン判定部８２９は、現在の自車位置および候補経路上の各位置における事故責任ルールを取得する。換言すれば、シーン判定部８２９は、現在の自車位置および候補経路上の各位置において、どういった事故責任ルールを採用すべきかを判定する。

事故責任ルールには、場所により異なる事故責任ルールと、場所によらない事故責任ルールとが含まれる。場所により異なる事故責任ルールの一例として、交差道路における優先関係を例示できる。この優先関係は、道路形状あるいは道路標識から定まる。また、場所により異なる事故責任ルールの他の例としては、場所ごとに定められている交通ルールがある。場所ごとに定められている交通ルールには、たとえば、制限速度がある。場所によらないルールには、たとえば、速度に応じて定まる必要車間距離がある。

候補経路が示す種々の地点での場所により異なる事故責任ルールを取得するために、シーン判定部８２９は候補経路を取得する。ただし、候補経路の長さを考慮して場所により異なる事故責任ルールを取得するようにすれば、シーン判定部８２９は、候補経路を取得する必要はない。

責任判断部８３０は、行動予測部８２８が予測した行動をもとに、自車が候補経路を走行した場合に想定される潜在的な事故に対する自車の責任を判断する。責任判断部８３０は、この判断をするために、行動予測部８２８が予測した予測対象移動体の行動を取得するとともに、シーン判定部８２９が取得した事故責任ルールを、シーン判定部８２９から取得する。そして、行動予測部８２８が予測した予測対象移動体の行動を、シーン判定部８２９が取得した事故責任ルールに当てはめることで、自車が候補経路を走行した場合に想定される潜在的な事故に対する自車の責任を判断する。

この責任は、自車と障害物との間に、実施形態１で説明した安全距離が確保できているかどうかを１つの指標として判断する。従って、責任判断部８３０は、実施形態１で説明した確認部２８を含んだ構成である。

潜在的な事故に対する責任は、値（以下、潜在事故責任値）として表すことができる。自車の潜在事故責任値をα％とすれば、自車との間で潜在的な事故を想定する周辺移動体の責任の程度も、１００－α（％）などの数値で表すことができる。

上記潜在事故責任値は、たとえば、特許文献１に開示されている数学的公式モデルなど、事前に設定した計算式から算出することができる。また、行動予測部８２８が予測した自車および周辺移動体の行動と、事故責任ルールとから潜在事故責任値が定まるマップを用いて潜在事故責任値を決定することができる。また、潜在的な事故に対する責任を数値で表さずに、責任の有無のみを決定してもよいし、潜在事故責任値を閾値と比較して、結果として責任の有無を決定する構成でもよい。

責任判断部８３０は、自車が候補経路を走行しても、潜在的な事故の責任が自車に生じないと判断した場合に、自動運転機能部２９にその候補経路を自車が走行する経路として指示する。走行計画部２７が１つのみ候補経路を出力する場合であって、責任判断部８３０は、その候補経路を自車が走行すると、潜在的な事故に対する責任を自車が有すると判断する場合には、走行計画部２７に候補経路の再計算を指示する。

また、走行計画部２７が、同じ時間帯に走行する候補経路として複数の候補経路を出力する場合には、責任判断部８３０は、それら複数の候補経路について、それぞれ、潜在的な事故に対する自車の責任を判断する。複数の候補経路のすべてについて、潜在的な事故に対する責任を自車が有すると判断する場合には、走行計画部２７に候補経路の再計算を指示する。複数の候補経路のうち２つ以上の候補経路に対して、潜在的な事故に対する責任が自車に無いと判断する場合、事前に決定した基準に基づき１つの候補経路を選択する。そして、選択した候補経路を自動運転機能部２９に出力する。事前に設定した基準は、たとえば、中長期の走行計画と最も整合するという基準、速度変化が最も少ないという基準など、種々の基準を設定しておくことができる。この基準は、複数の候補経路の優先順位を判断する基準と考えることもできる。

なお、責任判断部８３０は、潜在的な事故に対する責任を自車が有すると判断する場合に、走行計画部２７に候補経路の再計算を指示することに代えて、単に判断対象の候補経路に沿った走行を禁止するだけでもよい。判断対象の候補経路に沿った走行が禁止された場合に、走行計画部２７は、候補経路の禁止に対応して、候補経路の再計算を実施するか、再計算を実施せずにより低いレベルの手動運転に切り替えるかを選択してもよい。

記憶媒体８４０は、書き込み可能かつ不揮発性であって、自動運転装置８０２に接続される外部装置に記憶内容を出力できる。また、記憶媒体８４０自体が自動運転装置８０２から取り外し可能になっており、外部装置に装着できるようになっていてもよい。記憶媒体８４０は、たとえば、フラッシュメモリである。

記憶媒体８４０は、行動予測部８２８が予測した予測対象移動体の行動を記憶する。記憶媒体８４０に行動予測部８２８が予測した予測対象移動体の行動を記憶しておくことにより、後で、行動予測部８２８が予測対象移動体の行動を正しく予測できていたかどうかを検証することができる。

記憶媒体８４０には、行動予測部８２８が予測した予測対象移動体の行動とともに、走行計画部２７が算出した候補経路も記憶することが好ましい。このようにすれば、候補経路を考慮して、行動予測部８２８が予測した予測対象移動体の行動の妥当性を検証できる。

さらに、記憶媒体８４０には、次のうちの１つ以上が記憶されていることが好ましい。１つは、行動予測部８２８が予測した予測対象移動体の行動又は候補経路に対応付けられた時刻である。他の１つは、責任判断部８３０の判断結果である。他にも、走行環境認識部８２４が認識した挙動、挙動検出センサ８０５の検出値、シーン判定部８２９が取得した事故責任ルールのうちの１つ以上が記憶媒体８４０に記憶されていてもよい。

＜実施形態８のまとめ＞
実施形態８の車両用システム８０１は、自車が候補経路を走行した場合に想定される潜在的な事故に対する責任を判断する責任判断部８３０を備えている。従って、自車が候補経路を走行して事故が生じてしまった場合に、その事故の責任が自車に生じるかどうかを事前に判断できる。なお、自動運転装置８０２が事故の責任を追うことが定められているレベルの自動運転制御により候補経路を自車に走行させるのであれば、自動運転装置８０２に事故の責任が生じるかどうかを事前に判断できることになる。

加えて、この自動運転装置８０２が備える行動予測部８２８は、環境情報から算出できる、潜在的な自車と障害物との近接の発生確率である潜在発生確率を取得しており、この潜在発生確率も考慮して予測対象移動体の行動を予測する。これにより、予測対象移動体の行動予測の信頼性が向上する。また、予測対象移動体の行動予測の信頼性が向上することにより、責任判断部８３０における判断の信頼性も向上する。

（実施形態９）
次に実施形態８を説明する。図９に実施形態９の車両用システム９０１の構成図を示す。実施形態９の車両用システム９０１は、自動運転装置９０２の構成のうち自動運転部９２６の構成が、実施形態８の自動運転部８２６と相違する。

自動運転部９２６は、実施形態８の自動運転部８２６と同様、走行計画部２７を備える。また、自動運転部９２６は、行動予測部９２８、シーン判定部９２９、責任判断部９３０を備える。

走行計画部２７は、実施形態８の走行計画部２７と同様、候補経路を算出する。ただし、実施形態８では、候補経路は行動予測部８２８とシーン判定部８２９に入力されていたのに対し、実施形態９では、候補経路は、行動予測部９２８、シーン判定部９２９には入力されず、責任判断部９３０に入力される。

行動予測部９２８は、走行環境認識部８２４が認識した走行環境を取得するが、候補経路は取得せずに予測対象移動体の行動を予測する。従って、自車、周辺車両、その他の移動体の現時点での挙動から、予測対象移動体の行動を予測することになる。たとえば、自車および周辺車両については、現時点での速度と加速度に基づいて今後の速度を予測し、現時点での操舵角を維持するとして今後の進行方向を予測する。これらに加えて、走行環境認識部８２４で認識する種々の走行環境も考慮して予測対象移動体の高度を予測する。環境情報を考慮して予測する行動を例示すると、たとえば、信号の灯色により停止あるいは減速することが予測されるとか、前方車両の存在により自車は減速すると予測されるとか、道路が曲がっているので道路に沿って進行方向が変化するなどである。なお、行動予測部９２８が予測対象移動体の行動を予測する時間は、実施形態８の行動予測部８２８と同じ時間である。

シーン判定部９２９も走行環境認識部８２４が認識した走行環境を取得するが、候補経路は取得しない。シーン判定部９２９は、現在の自車位置および現在の自車位置周辺の事故責任ルールを取得する。自車位置周辺は、行動予測部９２８が予測した予測対象移動体の行動により、その予測対象移動体が行動できる範囲を含む広さである。

責任判断部９３０は、走行計画部２７が算出した候補経路、行動予測部９２８が予測した予測対象移動体の行動、シーン判定部９２９が取得した事故責任ルールを取得する。そして、責任判断部９３０は、行動予測部９２８が予測した予測対象移動体の行動を参照して、自車が候補経路を走行したときの、自車を含む予想対象移動体の行動を決定する。さらに、その決定した行動を、シーン判定部９２９から取得した事故責任ルールに当てはめることで、自車が候補経路を走行した場合に想定される潜在的な事故に対する自車の責任を判断する。

＜実施形態９のまとめ＞
この実施形態９では、責任判断部９３０は候補経路を取得する一方、行動予測部９２８は候補経路を取得せずに予測対象移動体の行動を予測する。このようにしても、実施形態８の責任判断部８３０と同様、自車が候補経路を走行した場合に想定される潜在的な事故に対する自車の責任を判断できる。

加えて、実施形態９の構成とすると、仮に事故が生じた後、その事故を検証する必要が生じた場合に、候補経路に問題があったのか、行動予測部９２８が予測した行動が不正確であったのかを検証しやすくなる。

（実施形態１０）
実施形態１、８、９では、自動運転装置２と車両制御ＥＣＵ６とが別体である構成を示したが、必ずしもこれに限らない。例えば、自動運転装置２が車両制御ＥＣＵ６の機能も担う構成としてもよい。また、自動運転装置２がロケータ３の機能も担う構成としてもよい。

なお、本開示は、上述した実施形態に限定されるものではなく、請求項に示した範囲で種々の変更が可能であり、異なる実施形態にそれぞれ開示された技術的手段を適宜組み合わせて得られる実施形態についても本開示の技術的範囲に含まれる。また、本開示に記載の制御部及びその手法は、コンピュータプログラムにより具体化された一つ乃至は複数の機能を実行するようにプログラムされたプロセッサを構成する専用コンピュータにより、実現されてもよい。あるいは、本開示に記載の装置及びその手法は、専用ハードウェア論理回路により、実現されてもよい。もしくは、本開示に記載の装置及びその手法は、コンピュータプログラムを実行するプロセッサと一つ以上のハードウェア論理回路との組み合わせにより構成された一つ以上の専用コンピュータにより、実現されてもよい。また、コンピュータプログラムは、コンピュータにより実行されるインストラクションとして、コンピュータ読み取り可能な非遷移有形記録媒体に記憶されていてもよい。

Claims (10)

1. 車両を走行させる１以上の候補経路を算出する走行計画部（２７）を備える前記車両に搭載される車両制御装置であって、
   前記車両と前記車両の周辺に存在する少なくとも１つの移動体とを含んでいる予測対象移動体の行動を予測する行動予測部（８２８、９２８）と、
   前記行動予測部が予測した行動をもとに、前記車両が候補経路を走行した場合に想定される潜在的な事故に対する責任を判断する責任判断部（８３０、９３０）と、
   前記車両の周辺の障害物以外についての前記車両のおかれた環境に関する情報である環境情報を取得する環境情報取得部（２３）とを備え、
   前記行動予測部は、前記環境情報取得部が取得した前記環境情報に基づく潜在的な前記車両と前記障害物との近接が発生する可能性を推定し、推定した前記可能性に基づいて前記予測対象移動体の行動を予測する、車両制御装置。
2. 請求項１に記載の車両制御装置であって、
   前記行動予測部は、前記走行計画部が算出した前記候補経路を取得し、前記車両に備えられている走行制御装置が、前記候補経路を走行させる制御を行った場合の前記予測対象移動体の行動を予測する、車両制御装置。
3. 請求項１に記載の車両制御装置であって、
   前記行動予測部は、前記候補経路を取得せずに前記予測対象移動体の行動を予測し、
   前記責任判断部は、前記走行計画部から前記候補経路を取得するとともに、前記行動予測部が予測した前記予測対象移動体の行動を取得し、取得した前記候補経路と前記予測対象移動体の行動とをもとに、前記責任を判断する、車両制御装置。
4. 請求項１～３のいずれか１項に記載の車両制御装置であって、
   前記走行計画部が前記候補経路を１つ出力するものである場合、前記責任判断部は、前記走行計画部が算出した１つの前記候補経路を前記車両が走行した場合に前記車両に生じる責任の有無を判断し、責任が無いと判断した場合には、前記候補経路を車両制御において採用する経路に決定する一方、責任があると判断した場合には、前記走行計画部に前記候補経路の再計算を指示する、車両制御装置。
5. 請求項１～３のいずれか１項に記載の車両制御装置であって、
   前記走行計画部が複数の前記候補経路を出力するものである場合、前記責任判断部は、前記走行計画部が算出した複数の前記候補経路を前記車両が走行した場合に前記車両に生じる責任の有無を前記候補経路別に判断し、責任が無いと判断した前記候補経路が複数ある場合、事前に設定した基準に基づいて定まる１つの候補経路を車両制御において採用する経路に決定する、車両制御装置。
6. 請求項１～５のいずれか１項に記載の車両制御装置であって、
   前記走行計画部は、事前に設定された運転ポリシに対応するニューラルネットワークを含む経路算出アルゴリズムに基づいて前記候補経路を算出する、車両制御装置。
7. 請求項１～６のいずれか１項に記載の車両制御装置であって、
   前記車両は、前記車両を自動で速度制御および操舵制御して、前記車両を経路に沿って走行させる自動運転機能部（２９）を備えており、
   前記責任判断部は、責任が生じないと判断した前記候補経路を、前記車両が走行する経路として前記自動運転機能部に指示する、車両制御装置。
8. 請求項１～７のいずれか１項に記載の車両制御装置であって、
   前記行動予測部が予測した前記予測対象移動体の行動を記憶する記憶媒体（８４０）を備える、車両制御装置。
9. 請求項８に記載の車両制御装置であって、
   前記記憶媒体は、前記行動予測部が予測した前記予測対象移動体の行動とともに、前記走行計画部が算出した前記候補経路を記憶する、車両制御装置。
10. 車両の周辺の障害物以外についての前記車両のおかれた環境に関する情報である環境情報を取得し、
    前記環境情報に基づく潜在的な前記車両と前記障害物との近接が発生する可能性を推定し、推定した可能性に基づいて、前記車両と前記車両の周辺に存在する少なくとも１つの移動体とを含んでいる予測対象移動体の行動を予測し、
    予測した行動をもとに、前記車両を走行させる経路の候補となる候補経路を前記車両が走行した場合に想定される潜在的な事故に対する責任を判断する、車両制御方法。

Images