JP7520444B2 - 乗り物に基づくデータ処理方法、データ処理装置、コンピュータ機器、及びコンピュータプログラム - Google Patents

Description

本願は、２０２０年９月１０日に提出された、出願番号が２０２０１０９４７８３４．９であり、発明の名称が「乗り物に基づくデータ処理方法、装置、コンピュータ、及び記憶媒体」である中国特許出願に基づく優先権を主張する。

本願は、コンピュータの技術分野に関し、特に、乗り物に基づくデータ処理方法、装置、コンピュータ、及び可読記憶媒体に関する。

自動運転車両は、無人運転車両又はコンピュータ運転車両などとも呼ばれ、コンピュータシステムによって無人運転を実現するスマートな車両である。テクノロジーの発達に伴い、自動運転車両の研究・開発はますます広がりつつある。無人運転は、一般的に、レベル０（Ｌ０：Ｌｅｖｅｌ０）からレベル５（Ｌ５：Ｌｅｖｅｌ５）まで、即ち、自動化されていないものから完全自動化されたものまで分けられる。従来の自動運転車両技術は、一般的に、キャデラックのＣＴ６自動運転システムやテスラ（Ｔｅｓｌａ）の自動運転（Ａｕｔｏｐｉｌｏｔ）システムなどに基づいたものである。自車（無人運転車両）が車線を変更しようとする場合には、ある程度で環境車両の協力、譲りなどが必要となり、そうしてこそ、自車は十分な車線変更スペースを確保し、車線を変更することができる。このため、自車の車線変更のキーポイントは、環境車両が自車に道を譲るか否か、即ち、自車に道の権利がないことにある。実際の運転では、全ての車両が自車のウィンカー信号に基づいて自車に道を譲るわけではない。そこで、自車の車線変更を実現するために、自車は、運転者が手動で車線変更をトリガーするか、又は、進入する必要がる車線の環境車両が自車に道を譲るのを待つのが一般的である。

本願の実施例は、現在の乗り物の車線変更の効率を向上させることができる、乗り物に基づくデータ処理方法、装置、コンピュータ、及び可読記憶媒体を提供する。

本願の実施例の一態様では、乗り物に基づくデータ処理方法が提供されている。この方法は、
第１乗り物の少なくとも２つの予測オフセット、第１乗り物の第１走行状態、及び第２乗り物の第２走行状態を決定するステップであって、第２乗り物は、第１乗り物が車線を変更する際に参照する乗り物である、ステップと、
第１走行状態及び第２走行状態に基づいて、第２乗り物が「譲る」予測状態にある場合の各予測オフセットの第１車線変更利得を決定するとともに、第２乗り物が「譲らない」予測状態にある場合の各予測オフセットの第２車線変更利得を決定するステップと、
第２乗り物の予測譲り確率を決定し、予測譲り確率と、各予測オフセットの第１車線変更利得及び第２車線変更利得とに基づいて、各予測オフセットのターゲット車線変更利得を生成し、ターゲット車線変更利得が最大となる予測オフセットをターゲット予測オフセットとして決定するステップであって、ターゲット予測オフセットは、第１乗り物に対して予測された側方車線変更走行距離を示すためのものである、ステップと、を含む。

本願の実施例の一態様では、乗り物に基づくデータ処理装置が提供されている。この装置は、
第１乗り物の少なくとも２つの予測オフセット、第１乗り物の第１走行状態、及び第２乗り物の第２走行状態を決定する状態取得モジュールであって、第２乗り物は、第１乗り物が車線を変更する際に参照する乗り物である、状態取得モジュールと、
第１走行状態及び第２走行状態に基づいて、第２乗り物が「譲る」予測状態にある場合の各予測オフセットの第１車線変更利得を決定するとともに、第２乗り物が「譲らない」予測状態にある場合の各予測オフセットの第２車線変更利得を決定する利得取得モジュールと、
第２乗り物の予測譲り確率を決定し、予測譲り確率と、各予測オフセットの第１車線変更利得及び第２車線変更利得とに基づいて、各予測オフセットのターゲット車線変更利得を生成し、ターゲット車線変更利得が最大となる予測オフセットをターゲット予測オフセットとして決定するオフセット選択モジュールであって、ターゲット予測オフセットは、第１乗り物に対して予測された側方車線変更走行距離を示すためのものである、オフセット選択モジュールと、を含む。

本願の実施例の一態様では、コンピュータプログラムを記憶したコンピュータ可読記憶媒体が提供されている。コンピュータプログラムにプログラム命令が含まれ、プログラム命令は、プロセッサによって実行されると、本願の実施例の一態様の乗り物に基づくデータ処理方法を実行させる。

本願の実施例の一態様では、コンピュータ命令を含むコンピュータプログラム製品又はコンピュータプログラムが提供されている。該コンピュータ命令は、コンピュータ可読記憶媒体に記憶される。コンピュータ機器のプロセッサは、コンピュータ可読記憶媒体から該コンピュータ命令を読み取り、プロセッサが該コンピュータ命令を実行すると、該コンピュータ機器に本願の実施例の一態様の各種の実施形態で提供される方法を実行させる。

本願の実施例又は従来技術の構成をより明確に説明するために、以下に、実施例又は従来技術の説明に必要な図面を簡単に紹介する。明らかに、以下の説明における図面は本願のいくつかの実施例を示しているに過ぎず、当業者であれば、創造的な労働をすることなく、これらの図面から他の図面を得ることもできる。

本願の実施例で提供される乗り物に基づくデータ処理のネットワークアーキテクチャ図である。 本願の実施例で提供される適応シナリオの模式図である。 本願の実施例で提供される適応シナリオの模式図である。 本願の実施例で提供される適応シナリオの模式図である。 本願の実施例で提供される誘導乗り物の決定シナリオの模式図である。 本願の実施例で提供される乗り物に基づくデータ処理方法のフローチャートである。 本願の実施例で提供される走行意思決定シナリオの模式図である。 本願の実施例で提供される譲り距離決定シナリオの模式図である。 本願の実施例で提供される乗り物に基づくデータ処理の具体的な方法のフローチャートである。 本願の実施例で提供される決定木のツリー構造の模式図である。 本願の実施例で提供される乗り物に基づくデータ処理装置の模式図である。 本願の実施例で提供されるコンピュータ機器の構成の模式図である。

以下、本願の実施例の図面を参照しながら、本願の実施例の構成を明確かつ完全に説明する。明らかなように、説明する実施例は、本願の一部の実施例に過ぎず、全部の実施例ではない。当業者が創造的な労働をせずに本願の実施例から得る全ての他の実施例は、本願の保護範囲に属する。

本願の実施例は、乗り物における自動運転システムによって実現することができる。この自動運転システムは、アルゴリズム側、クライアント側、及びクラウド側を含んでもよいが、これらに限定されない。そのうち、アルゴリズム側は、センシング、感知、及び意思決定などに向けた関連アルゴリズムを含み、クライアント側は、ロボットオペレーティングシステム及びハードウェアプラットフォームを含み、クラウド側は、データ記憶、シミュレーション、高精度地図描画、及び深層学習モデルの訓練や予測などを行うことができる。

自動運転システムは、自動運転技術によって実現されてもよい。自動運転技術は、通常、高精細地図、環境感知、行動意思決定、経路計画、動き制御などの技術を含む。自動運転技術には幅広い応用の見通しがある。

アルゴリズム側は、センサが収集した生データから有効な情報を抽出し、自車（Ｅｇｏ ｖｅｈｉｃｌｅ）の周囲の環境情報を取得し、周囲の環境情報に基づいて、意思決定を行う（例えば、どのようなルートで走行するか、どのような速度で走行するか、又は障害物をどのように回避するかなど）。従来の自動運転システムに使われているセンサは、一般的に、全地球測位システム（ＧＰＳ：Ｇｌｏｂａｌ Ｐｏｓｉｔｉｏｎｉｎｇ Ｓｙｓｔｅｍ）／慣性計測ユニット（ＩＭＵ：Ｉｎｅｒｔｉａｌ ｍｅａｓｕｒｅｍｅｎｔ ｕｎｉｔ）、ライダー（ＬＩＤＡＲ：Ｌｉｇｈｔ Ｄｅｔｅｃｔｉｏｎ ａｎｄ Ｒａｎｇｉｎｇ）、カメラ、レーダー、ソナーなどを含む。アルゴリズム側は、一般的に、センサなどによって、自車の誘導車（Ｌｅａｄｉｎｇ ｃａｒ）、推定リーダー（ＰＬ：Ｐｕｔａｔｉｖｅ Ｌｅａｄｅｒ）、又は推定フォロワー（ＰＦ：Ｐｕｔａｔｉｖｅ Ｆｏｌｌｏｗｅｒ）などに関する情報を取得する。誘導車は、分かりやすく言えば、自車の走行中に、自車の前方に現れるかまもなく現れ、かつ自車に近い車両を指し、自車の走行の参照物とすることができる。本願では、自車と推定フォロワーＰＦとの間の走行状態を協調することができる。自車は、センサによって、自車が進入しようとする車線に存在する乗り物を取得することができる。例えば、自車は、進入しようとする車線に存在する乗り物Ａ及び乗り物Ｂを取得する。そのうち、自車が乗り物Ａと乗り物Ｂとの間に入るように車線を変更しようとし、乗り物Ａが乗り物Ｂの前方に位置する場合、該乗り物Ａは自車の推定リーダーＰＬであり、乗り物Ｂは自車の推定フォロワーＰＦである。「前方」は、それぞれの乗り物の走行方向に基づく。

感知部は、センシング部から有効データを取得し、該有効データに基づいて、第２乗り物に対して位置特定、物体認識、及び物体追跡などを行うことができる。意思決定部は、行動予測（例えば、周囲環境の予測、第１乗り物の後続動作の予測など）、第１乗り物の経路計画及び障害物回避メカニズムなどを含むことができる。本願の実施例は、意思決定部の改善を含む。

具体的には、図１を参照する。図１は、本願の実施例で提供される乗り物に基づくデータ処理のネットワークアーキテクチャ図である。本願の実施例で実現される機能は、自動運転システムを有する任意の乗り物に適用することができる。その乗り物を第１乗り物と記す。第１乗り物が車線変更を行うことを決定し、第１乗り物が推定フォロワーＰＦを取得した場合、第１乗り物は、本願の実施例で実現される機能によって、車線を変更することができる。

図１に示すように、第１乗り物（即ち、自車）１０１の自動運転システムは、感知モジュール、予測モジュール、及び意思決定モジュールなどを含んでもよい。ここでの感知モジュールは、上記のセンシング部及び感知部の機能を実現する。第１乗り物１０１の自動運転システムは、センシングモジュール、感知モジュール、予測モジュール、及び意思決定モジュールなどを含んでもよい。例えば、第１乗り物１０１は、感知モジュールによって、他の乗り物、例えば、乗り物１０２ａ、乗り物１０２ｂ、又は乗り物１０２ｃなどを検出する。第１乗り物１０１が車線を変更しようとする場合、第１乗り物１０１は、感知モジュールによって、進入しようとする車線における乗り物を取得し、その中から第２乗り物（即ち、推定フォロワーＰＦ）を決定し、該第１乗り物１０１に対して意思決定を行うことにより、第１乗り物１０１の少なくとも２つの予測オフセットを取得する。各予測オフセットのそれぞれは、該第１乗り物１０１の１つの決定に相当する。各予測オフセットの利得値を取得することにより、最大の利得値に対応する予測オフセットをターゲット予測オフセットとして選択し、即ち、該第１乗り物１０１の最適な決定を決定して、該第１乗り物１０１の次の時刻での走行ルートを決定し、第２乗り物の走行スペースへの主動的な割り込みを実現し、無理に第２乗り物に、自車に道を譲らせることができる。これにより、自車が車線を変更する際に、ある程度で道の権利を持つことが可能となり、第１乗り物の車線変更効率が向上する。

本願の実施例では、人工知能技術を使用することができる。人工知能（ＡＩ：Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ）は、デジタルコンピュータ、又はデジタルコンピュータにより制御される機械を用いて、人間の知能のシミュレーション、延長や拡張をし、環境を感知し、知識を取得し、知識を用いて最適な結果を取得する理論、方法、技術、及び応用システムである。言い換えれば、人工知能は、コンピュータ科学の総合的な技術であり、知能の実質を了解することと、人間の知能に類似する方式で反応できる新たな知能機械を生産することとを図る。人工知能は、各種の知能機械の設計原理及び実現方法を研究し、感知、推理、及び意思決定の機能を機械に持たせるものである。

人工知能技術は、総合的な学科であり、関連する分野が幅広く、ハードウェアレベルの技術もソフトウェアレベルの技術もある。人工知能の基礎技術には、一般的に、例えば、センサ、人工知能専用チップ、クラウドコンピューティング、分散記憶、ビッグデータ処理技術、操作／インタラクティブシステム、メカトロニクスなどの技術が含まれる。人工知能のソフトウェア技術は、主に、コンピュータビジョン技術、音声処理技術、自然言語処理技術、及び機械学習／深層学習などのいくつかの方面を含む。

人工知能技術の研究及び進歩に伴い、人工知能技術は、例えば、ありふれたスマートホーム、スマート・ウェアラブルデバイス、バーチャルアシスタント、スマートスピーカー、スマート・マーケティング、無人運転、自動運転、無人航空機、ロボット、スマート医療、スマート顧客サービスなどの多くの分野において、研究及び応用が展開されている。技術の発展に伴って、人工知能技術はより多くの分野に応用され、ますます重要な価値を発揮すると信じている。本願の実施例は、自動運転分野における人工知能の応用である。

本願の実施例は、自動運転車両の任意の車線変更シナリオに使用することができる。例えば、図２Ａから図２Ｃを参照すればよい。図２Ａから図２Ｃは、本願の実施例で提供される適応シナリオの模式図である。図２Ａに示すように、第１乗り物（即ち、自車）２０１１がランプ２００を走行して車線２１０に進入しようとする場合（ｏｎ－ｒａｍｐ ｍｅｒｇｅ）、該第１乗り物２０１１が進入しようとする車線２１０に存在する乗り物を決定し、具体的には、該第１乗り物２０１１の車線変更時の推定リーダー２０１３及び推定フォロワー２０１２などを決定する。ここで、第１乗り物２０１１は、推定リーダー２０１３及び推定フォロワー２０１２が位置する車線２１０に進入しようとする。第１乗り物２０１１における自動運転システムは、本願の実施例に基づき、ターゲット予測オフセットを決定し、ターゲット予測オフセットに基づいて走行することにより、推定フォロワー２０１２の走行スペースに割り込み、一定の主動的な道の権利を占有し、第１乗り物２０１１の車線変更効率を向上させることができる。ここで、ランプは、インターチェンジに不可欠な構成部分であり、上下が交差するための道路である。ｔ型（ｙ型）インターチェンジでは、通常、交差する主要道路を本線と定義し、交差する副次的な道路を引き込み線と定義し、引き込み線と主線をつなぐ線をランプと呼ぶ。

図２Ｂに示すように、第１乗り物（即ち、自車）２０２１がランプ２０２に進入しようとする場合（ｏｆｆ－ｒａｍｐ ｍｅｒｇｅ）、第１乗り物２０２１の推定リーダー２０２３及び推定フォロワー２０２２を決定し、本願の実施例で実現される方法によって、ターゲット予測オフセットを決定し、ターゲット予測オフセットに基づいて走行することにより、推定フォロワー２０２２の走行スペースに割り込み、一定の主動的な道の権利を占有し、第１乗り物２０２１の車線変更効率を向上させる。ここで、第１乗り物２０２１と同一の車線２０３に位置し、かつ第１乗り物２０２１の前方を走行している乗り物は、第１乗り物２０２１の誘導車２０２４である。誘導車は、自車と同一の車線に位置し、かつ自車の前方を走行している乗り物を指すことができ、推定リーダーは、自車の進入先の車線において、自車の前方を走行している乗り物を指すことができる。

同様に、図２Ｃに示すように、第１乗り物２０３１が、該第１乗り物２０３１の推定リーダー２０３３及び推定フォロワー２０３２が位置する車線に進入し、即ち、推定リーダー２０３３と推定フォロワー２０３２との間に入る場合、本願の実施例によって、第１乗り物２０３１の走行ルートの計画を実現し、第１乗り物２０３１の車線変更効率を向上させることができる。ここで、図２Ａから図２Ｃは、本願を適用するいくつかの可能な適用シナリオを列挙したものに過ぎず、他の車線変更シナリオにも本願の実施例で実現される構成を適用することができるが、ここでは制限しない。

例えば、図３を参照する。図３は、本願の実施例で提供される誘導乗り物の決定シナリオの模式図である。図３に示すように、第１乗り物３０１１が位置する交通道路は、左１車線、左２車線、左３車線、及び左４車線を含み、第１乗り物３０１１が位置する車線は左２車線であり、第１乗り物３０１１は、推定リーダー３０１２と推理フォロワー３０１３との間に入るために、左２車線から左３車線へ車線を変更しようとすると仮定する。該推理フォロワー３０１３を第２乗り物と記す。第１乗り物３０１１における自動運転システムは、第１乗り物３０１１に対して意思決定を行い、該第１乗り物３０１１の少なくとも２つの予測オフセットを決定することができる。該予測オフセットは、予測された、第１乗り物３０１１が次の時刻で左３車線（変換先の車線）へオフセットする距離を示すためのものである。該少なくとも２つの予測オフセットは、ｎ個（ｎは正の整数）の予測オフセット、例えば、予測オフセット１、…及び予測オフセットｎを含む。自動運転システムは、第１乗り物３０１１及び第２乗り物３０１３の走行状態に基づいて、各予測オフセットのターゲット車線変更利得を決定することにより、予測オフセット１のターゲット車線変更利得１、…及び予測オフセットｎのターゲット車線変更利得ｎを取得する。ターゲット車線変更利得１からターゲット車線変更利得ｎのうち、ターゲット車線変更利得３が最も大きいと仮定すると、自動運転システムは、ターゲット車線変更利得３に対応する予測オフセット３をターゲット予測オフセットとして決定し、ターゲット予測オフセットに基づいて第１乗り物３０１１の予測オフセット軌跡３０２を決定し、予測オフセット軌跡３０２に沿って走行するように第１乗り物３０１１を制御する。これにより、第２乗り物３０１３が予測オフセット軌跡３０２に基づいて第１乗り物３０１１に道を譲る確率を増加させ、第１乗り物３０１１が左３車線への車線変更に成功する確率を増加させ、第１乗り物３０１１の車線変更効率を向上させる。

さらに、図４を参照する。図４は、本願の実施例で提供される乗り物に基づくデータ処理方法のフローチャートである。図４に示すように、該乗り物に基づくデータ処理プロセスは、以下のステップを含む。

ステップＳ４０１では、第１乗り物の少なくとも２つの予測オフセット、第１乗り物の第１走行状態、及び第２乗り物の第２走行状態を決定する。

本願の実施例において、第１乗り物における自動運転システムは、自車（即ち、第１乗り物）の車線変更を制御する際に、自車の変更先の車線の交通情報を決定し、決定した交通情報に基づいて、該車線に第１乗り物の推定フォロワーＰＦが存在するか否かを検出する。該推定フォロワーＰＦを、第１乗り物の車線変更に影響を与える乗り物と見なすことができ、該推定フォロワーＰＦを第２乗り物と記す。言い換えれば、第２乗り物が第１乗り物に道を譲らない場合、第１乗り物は、該第２乗り物が位置する車線に進入することができない。第１乗り物における自動運転システムは、第２乗り物を検出した後、第１乗り物が第２乗り物の位置する車線へ走行する際のオフセットを意思決定することにより、第１乗り物の少なくとも２つの予測オフセットを取得し、第１乗り物の第１走行状態、及び第２乗り物の第２走行状態を決定する。該自動運転システムは、自車が進入しようとする車線に第１乗り物の推定フォロワーＰＦ及び推定リーダーＰＬが存在しないことを検出した場合、直接に車線を変更するように第１乗り物を制御する。該自動運転システムは、自車が進入しようとする車線に、第１乗り物の推定フォロワーＰＦが存在しないが、第１乗り物の推定リーダーＰＬが存在することを検出した場合、推定リーダーＰＬとの間の縦方向の距離を調整するように第１乗り物を制御し、調整が完了すると、車線を変更するように第１乗り物を制御する。

第２乗り物は、第１乗り物が車線を変更する際に参照する乗り物である。自動運転システムは、車線の車線幅及び決定数を決定することができる。前記決定数は、予め定められてもよい。この場合、自動運転システムは、例えば、メモリから所定の決定数を取得してもよい。自動運転システムは、第１乗り物と、第１乗り物が位置する第１車線の車線境界線との間の横方向の距離を決定し、車線幅、横方向の距離、及び決定数に基づいて、第１乗り物の少なくとも２つの予測オフセットを決定してもよい。前記少なくとも２つの予測オフセットの数は、決定数に等しくてもよい。例えば、図５を参照する。図５は、本願の実施例で提供される走行意思決定シナリオの模式図である。図５に示すように、第１乗り物５０１の自動運転システムは、推定リーダーＰＬ及び推定フォロワーＰＦを決定する。該推定フォロワーＰＦを第２乗り物５０２と記し、該推定リーダーＰＬを第３乗り物５０３と記し、車線幅をｌａｎｅ＿ｗｉｄｔｈと記し、決定数がｎであると仮定する。自動運転システムは、第１乗り物５０１と、第１乗り物５０１が位置する第１車線５０４の車線境界線５１１との間の横方向の距離５０４１を決定する。車線境界線５１１は、第１車線５０４と、第２乗り物５０２が位置する第２車線との共通の境界線である。自動運転システムは、車線幅ｌａｎｅ＿ｗｉｄｔｈ及び横方向の距離５０４１に基づいて、ｎ個の予測オフセットｏｆｆｓｅｔを決定してもよい。例えば、このｎ個の予測オフセットは、最小で０であってもよく、最大で車線幅ｌａｎｅ＿ｗｉｄｔｈであってもよい。自動運転システムは、０と車線幅ｌａｎｅ＿ｗｉｄｔｈとの間でｎ個の予測オフセットを決定してもよい。例えば、車線幅ｌａｎｅ＿ｗｉｄｔｈが３．５メートルであり、ｎが５であり、第１乗り物５０１と第１車線５０４の車線境界線との間の横方向の距離５０４１が０．９メートルである場合、自動運転システムで決定される少なくとも２つの予測オフセットは、「予測オフセットｏｆｆｓｅｔ＝０、予測オフセットｏｆｆｓｅｔ＝０．３メートル、予測オフセットｏｆｆｓｅｔ＝０．６メートル、予測オフセットｏｆｆｓｅｔ＝０．９メートル、及び予測オフセットｏｆｆｓｅｔ＝３．５メートル」などを含んでもよい。ここで、該少なくとも２つの予測オフセットは、変更元車線オフセット及び変更先車線オフセットなどに分けられてもよい。変更元車線オフセットは、横方向の距離５０４１以下の予測オフセットを指し、変更先車線オフセットは、横方向の距離５０４１よりも大きくてかつ車線幅ｌａｎｅ＿ｗｉｄｔｈ以下である予測オフセットを指す。自動運転システムは、決定数に基づいて、変更元車線オフセットに含まれる予測オフセットの数ｎ１と、変更先車線オフセットに含まれる予測オフセットの数ｎ２とを決定し、横方向の距離５０４１と、変更元車線オフセットに含まれる予測オフセットの数ｎ１とに基づいて、ｎ１個の予測オフセットを決定し、横方向の距離５０４１、車線幅ｌａｎｅ＿ｗｉｄｔｈ、及び変更先車線オフセットに含まれる予測オフセットの数ｎ２に基づいて、ｎ２個の予測オフセットを決定してもよい。ここで、ｎ１及びｎ２は、いずれも正の整数であり、ｎ１とｎ２の和は、ｎである。

さらに、自動運転システムは、第１乗り物が位置する第１車線を決定し、第１車線の中央線を座標縦軸とし、第１乗り物が座標縦軸上にマッピングされた点を座標原点とし、座標縦軸に対応する法線を座標横軸とし、座標原点、座標横軸、及び座標縦軸に基づいて、道路座標系を確立してもよい。ここで、第１乗り物を座標縦軸上にマッピングする際に、第１乗り物と座標縦軸との最短距離を決定し、座標縦軸における、該最短距離に対応する点を座標原点としてもよく、あるいは、該第１乗り物から座標縦軸へのマッピングルートが座標縦軸に垂直であるように、第１乗り物を座標縦軸上にマッピングし、第１乗り物が座標縦軸上にマッピングされた点を座標原点として決定してもよい。

第１乗り物の第１走行状態は、第１乗り物の第１位置情報、第１走行速度、及び第１走行方向などを含んでもよいが、これらに限定されない。第２乗り物の第２走行状態は、第２乗り物の第２位置情報、第２走行速度、及び第２走行方向などを含んでもよいが、これらに限定されない。第１乗り物の第１走行状態、及び第２乗り物の第２走行状態は、自動運転システムにおける感知モジュールによって決定されてもよい。具体的には、自動運転システムは、道路座標系における第１乗り物の第１位置情報を決定し、第１位置情報に基づいて第１乗り物の第１走行状態を決定し、道路座標系における第２乗り物の第２位置情報を決定し、第２位置情報に基づいて第２乗り物の第２走行状態を決定してもよい。該第１走行速度、第１走行方向、第２走行速度、及び第２走行方向なども、道路座標系に基づいて決定されてもよい。

例えば、図５を参照すると、自動運転システムによって、座標原点Ｏ、座標縦軸Ｓ、及び座標横軸Ｄが決定される。該座標原点Ｏ、座標縦軸Ｓ、及び座標横軸Ｄによって、道路座標系５０５が構成される。該座標縦軸Ｓの方向は、第１乗り物５０１の走行方向であってもよい。例えば、図５において、該第１乗り物５０１の第１位置情報は、（ｘ１，ｙ１）である。第１乗り物５０１が座標原点Ｏに位置する場合、ｘ１は０であり、ｙ１は０である。第１走行速度は、第１乗り物５０１の速度（例えば、ダッシュボードに表示される速度）を取得することなどにより直接決定することができる。第１走行方向は、第１単位ベクトルで表すことができる。第１単位ベクトルが（０，１）である場合は、第１走行方向が座標縦軸Ｓに沿った走行方向であることを表す。第１位置情報、第１走行速度、及び第１走行方向などによって、第１乗り物５０１の第１走行状態が構成される。第２乗り物５０２の第２位置情報は（ｘ２，ｙ２）であり、第２走行方向は、第２単位ベクトルで表すことができる。該第２位置情報、第２走行方向、及び第２走行速度などは、道路座標系５０５に基づいて決定され、ここで、該第２位置情報、第２走行方向、及び第２走行速度などによって、第２乗り物５０２の第２走行状態が構成される。

ステップＳ４０２では、第１走行状態及び第２走行状態に基づいて、第２乗り物が「譲る」予測状態にある場合の各予測オフセットの第１車線変更利得（ｐａｙｏｆｆ）を決定するとともに、第２乗り物が「譲らない」予測状態にある場合の各予測オフセットの第２車線変更利得を決定する。

本願の実施例において、第１乗り物における自動運転システムで決定された各予測オフセットの第１車線変更利得及び各予測オフセットの第２車線変更利得は、表１で表すことができる。

ここで、表１に示すように、該表１には、自車ＥＶ（即ち、第１乗り物）の少なくとも２つの予測オフセットと、第２乗り物（即ち、推定フォロワーＰＦ）の２種類の予測状態とが含まれる。例えば、該少なくとも２つの予測オフセットは、ｎ個の予測オフセットを含む（ｎが５であると仮定する）。該少なくとも２つの予測オフセットを

と記すことができ、

は、ｉ番目の予測オフセットを表す。第２乗り物の２種類の予測状態を

と記すことができ、

は、第２乗り物の第ｊ種類の予測状態を表す。該少なくとも２つの予測オフセットは、「予測オフセット１：ｏｆｆｓｅｔ＝０、予測オフセット２：ｏｆｆｓｅｔ＝０．３メートル、予測オフセット３：ｏｆｆｓｅｔ＝０．６メートル、予測オフセット４：ｏｆｆｓｅｔ＝０．９メートル、及び予測オフセット５：ｏｆｆｓｅｔ＝３．５メートル」を含む。第２乗り物の２種類の予測状態は、「譲る」予測状態（Ｙｉｅｌｄ）及び「譲らない」予測状態（Ｎｏｔ Ｙｉｅｌｄ）を含む。ａ_ｉ，ｊは、第２乗り物が第ｊ種類の予測状態にある場合、ｉ番目の予測オフセットのｊ番目の車線変更利得を表すことができる。ここで、ｉ及びｊは正の整数であり、ｉはｎ以下であり、ｎは少なくとも２つの予測オフセットに含まれる予測オフセットの数であり、ｊは２以下である。例えば、ａ_１，１は、第２乗り物が「譲る」予測状態にある場合、１番目の予測オフセット（即ち、予測オフセット１）の第１車線変更利得を表す。

であり、ここで、S^EVは、第１乗り物の第１走行状態を表し、S^PFは、第２乗り物の第２走行状態を表す。第１走行状態及び第２走行状態は、例えば、現在の時刻での第１走行状態及び第２走行状態である。

一例において、自動運転システムは、譲り確率モデルを取得してもよい。該譲り確率モデルは、予め定められてもよい。第１走行状態、第２走行状態、及びｉ番目の予測オフセットを譲り確率モデルに入力することにより、ｉ番目の予測オフセットに対応する「譲る」予測状態の確率及び「譲らない」予測状態の確率を取得する。ｉは、正の整数であり、少なくとも２つの予測オフセットの数以下である。「譲る」予測状態の確率を、第２乗り物が「譲る」予測状態にある場合のｉ番目の予測オフセットの第１車線変更利得として決定する。「譲らない」予測状態の確率を、第２乗り物が「譲らない」予測状態にある場合のｉ番目の予測オフセットの第２車線変更利得として決定する。

ステップＳ４０３では、第２乗り物の予測譲り確率を決定し、予測譲り確率と、各予測オフセットの第１車線変更利得及び第２車線変更利得とに基づいて、各予測オフセットのターゲット車線変更利得を生成し、ターゲット車線変更利得が最大となる予測オフセットをターゲット予測オフセットとして決定する。

本願の実施例において、自動運転システムは、過去縦方向衝突時間と、過去縦方向衝突時間に対応する過去衝突距離とを取得し、過去縦方向衝突時間及び過去衝突距離に基づいて、衝突時間平均値及び衝突時間標準偏差を決定してもよい。過去縦方向衝突時間、及び過去縦方向衝突時間に対応する過去衝突距離は、試験中に予め収集された１つ又は複数の乗り物の縦方向衝突時間サンプル、及び縦方向衝突時間サンプルに対応する衝突距離サンプルであってもよい。例えば、車両Ａが車線変更のためにウィンカーを点灯させ、その横後方の車両が車両Ａに道を譲る場合の縦方向衝突時間の分布の法則、及びそれに対応する縦方向衝突距離を複数回統計する。過去縦方向衝突距離は、異なる衝突距離区間において試験及びデータ収集をそれぞれ行うことで取得されてもよい。衝突時間平均値をμ_ttcと記し、衝突時間標準偏差をσ_ttcと記す。過去衝突距離は、過去縦方向衝突時間の区分に用いることができる。例えば、統計距離範囲を取得し、該統計距離範囲内にある過去衝突距離を取得し、該統計距離範囲内にある過去衝突距離に対応する過去縦方向衝突時間に基づいて、衝突時間平均値及び衝突時間標準偏差を決定する。乗り物１と乗り物２との間の衝突距離が該統計距離範囲に属する場合は、該乗り物１及び乗り物２が、車線変更のために両者（即ち、乗り物１及び乗り物２）の間に入る乗り物の車線変更に影響を及ぼす可能性があることを表す。衝突時間（ＴＴＣ：Ｔｉｍｅ ｔｏ Ｃｏｌｌｉｓｉｏｎ）は、予想衝突時間とも呼ばれ、両車が現在の速度及び走行軌跡を変えないように保持したまま、いかなる衝突回避行動もしない場合、現在の時刻から衝突の発生までの時間を表す。例えば、ＴＴＣ＝両車の距離／両車の相対速度である。衝突時間は、縦方向衝突時間を指すこともある。衝突距離（Ｄｉｓｔａｎｃｅ ｔｏ Ｃｏｌｌｉｓｉｏｎ）又は予想衝突距離は、衝突時間に対応する。

第２乗り物（ＰＦ）が第１乗り物（ＥＶ）に道を譲るか否かについては、縦方向の衝突リスク及び側方の距離安全の２つの要因が考慮される。縦方向の要因については、第２乗り物が道の権利を占有しているため、第１乗り物が車線変更の意図を示した場合、第２乗り物は、譲るための時間が十分でないと、譲らないことを選択して、元の状態のまま、ひいては加速して走行することが多い。この確率関係は、ガウス変数で記述することができる。自動運転システムは、第２乗り物と第１乗り物の縦方向衝突時間を決定し、縦方向衝突時間を、衝突時間平均値及び衝突時間標準偏差から生成された第１確率密度関数にマッピングすることにより、第２乗り物の初期譲り確率を決定してもよい。該初期譲り確率は、数式(1)で表すことができる。

ここで、p(Yield; ttc(EV,PF))は、第１乗り物と第２乗り物の縦方向衝突時間が与えられた場合、第２乗り物の初期譲り確率を表し、ttc(EV,PF)は、第１乗り物と第２乗り物の縦方向衝突時間を表し、∝は、正比例することを表し、

は、第１確率密度関数である。

さらに、側方の要因については、後車は、一般的に、横前方の車両との側方距離が近すぎるため譲るが、側方距離が遠い場合、譲らないことが多い。自動運転システムは、過去交通側方間隔を取得し、過去交通側方間隔に基づいて、間隔平均値及び間隔標準偏差を決定してもよい。間隔平均値をμ_dyと記し、間隔標準偏差をσ_dyと記す。過去縦方向衝突時間及び過去衝突距離に類似して、過去交通側方間隔は、予め収集され又は取得された１つ又は複数の乗り物の過去交通側方間隔サンプルを指す。自動運転システムは、第２乗り物と第１乗り物の交通側方間隔を取得し、交通側方間隔を、間隔平均値及び間隔標準偏差から生成された第２確率密度関数にマッピングすることにより、第２乗り物の走行保持確率を決定してもよい。該走行保持確率は、第２乗り物が第１乗り物に道を譲らない確率（即ち、第２乗り物が第２予測状態にある確率）を表すことができる。該走行保持確率は、数式(2)で表すことができる。

ここで、p(Not Yield; dy(EV,PF))は、第１乗り物と第２乗り物との交通側方間隔が与えられた場合、第２乗り物の走行保持確率を表し、dy(EV,PF)は、第１乗り物と第２乗り物との交通側方間隔を表し、∝は、正比例することを表し、

は、第２確率密度関数である。

一例において、本願の実施例で言及される各標準偏差（例えば、衝突時間標準偏差や間隔標準偏差など）を取得する際に、各標準偏差のそれぞれに対応する分散（例えば、衝突時間標準偏差に対応する衝突時間分散、又は間隔標準偏差に対応する間隔分散）を取得してもよい。ここで、標準偏差は、それに対応する分散の算術的平方根である。分散を取得するにしても、標準偏差を取得するにしても、本願の実施例の実現に影響しなく、換言すれば、数式(1)及び数式(2)の実現に影響しないので、ここではこれ以上の説明をしない。

自動運転システムは、初期譲り確率及び走行保持確率に基づいて、第２乗り物の予測譲り確率を決定してもよい。該予測譲り確率は、数式(3)で表すことができる。

数式(3)は、初期譲り確率及び走行保持確率が独立したイベントである場合に予測譲り確率を生成する数式である。初期譲り確率及び走行保持確率が従属イベントである場合、初期譲り確率及び走行保持確率に基づいて予測譲り確率を生成する数式は、初期譲り確率と走行保持確率との間の関係に基づいて決定してもよい。

自動運転システムは、予測譲り確率と、各予測オフセットの第１車線変更利得及び第２車線変更利得とに基づいて、各予測オフセットのターゲット車線変更利得を生成した後、ターゲット車線変更利得が最大となる予測オフセットをターゲット予測オフセットとして決定してもよい。ここで、該ターゲット予測オフセットは、前記第１乗り物に対して予測された側方車線変更走行距離を示すためのものである。

さらに、ステップＳ４０２において、第１乗り物の第１車線変更利得及び第２車線変更利得を決定する際に、具体的なプロセスは、以下の通りである。

ここで、表１における各々の車線変更利得は、複数の利得パラメータによって決定されてもよい。ｍ個の利得パラメータがあると仮定すると、各々の車線変更利得は、ｍ個の利得パラメータのうちのいずれか１つ又は任意のｈ個の利得パラメータによって決定されてもよい。ここで、ｍは正の整数であり、ｈはｍ以下の正の整数である。例えば、ｍが３であり、即ち、３つの利得パラメータがある場合、各々の車線変更利得は、１つの利得パラメータによって決定されてもよく、任意の２つの利得パラメータによって決定されてもよく、又は、３つの利得パラメータによって決定されてもよい。ここでは制限しない。ｐ番目の利得ラメータに基づいて決定された、第２乗り物がｊ番目の予測状態にある場合のｉ番目の予測オフセットのｊ番目の車線変更利得を

で表すことができる。ここで、ｐはｍ以下の正の整数である。

車線変更利得決定の一態様において、自動運転システムは、第１位置情報に基づいて第１乗り物のオフセット距離を決定し、ｉ番目の予測オフセットを取得し、ｉ番目の予測オフセットとオフセット距離との差に基づいて、第２乗り物が「譲る」予測状態にある場合のｉ番目の予測オフセットの第１車線変更利得を決定するとともに、第２乗り物が「譲らない」予測状態にある場合のｉ番目の予測オフセットの第２車線変更利得を決定してもよい。該オフセット距離は、第１乗り物と、第１乗り物が位置する第１車線の中央線との間の距離であり、ｉは、正の整数であり、少なくとも２つの予測オフセットの数以下である。ｉ番目の予測オフセットとオフセット距離との差に基づいて決定された利得パラメータを、第２乗り物が異なる予測状態にある場合のｉ番目の予測オフセットの１番目の利得パラメータと記し、ｉ番目の予測オフセットの１番目の利得パラメータをｉ番目の予測オフセットの第１車線変更利得及び第２車線変更利得として決定してもよい。例えば、該１番目の利得パラメータは、自車の快適性を示すためのものであり、該自車の快適性は、数式(4)で表すことができる。

ここで、

は、１番目の利得パラメータを表し、ｉ番目の予測オフセットでかつ第２乗り物がｊ番目の予測状態にある場合の第１乗り物の快適性を示すことができ、φ^EV(S^EV)は、第１乗り物と、第１乗り物が位置する第１車線の中央線との間の距離である。φ^EV(S^EV)=0と仮定すると、表１を例として、

である。１番目の利得パラメータに基づいて第１車線変更利得及び第２車線変更利得を直接決定する場合、

と記すことができる。

車線変更利得決定の一態様において、自動運転システムは、第１位置情報における第１縦方向座標値と、第２位置情報における第２縦方向座標値とを取得し、第１縦方向座標値、第１走行速度、第２縦方向座標値、及び第２走行速度に基づいて、第１乗り物と第２乗り物の縦方向衝突時間を決定してもよい。また、自動運転システムは、第１位置情報における第１横方向座標値と、第２位置情報における第２横方向座標値とを取得し、ｉ番目の予測オフセットを取得し、第１横方向座標値、第２横方向座標値、及びｉ番目の予測オフセットに基づいて、ｉ番目の予測オフセットに対応する交通側方間隔を決定してもよい。ｉは、正の整数であり、少なくとも２つの予測オフセットの数以下である。また、自動運転システムは、縦方向衝突時間と、ｉ番目の予測オフセットに対応する交通側方間隔とに基づいて、第２乗り物が「譲る」予測状態にある場合のｉ番目の予測オフセットの第１車線変更利得を決定するとともに、第２乗り物が「譲らない」予測状態にある場合のｉ番目の予測オフセットの第２車線変更利得を決定してもよい。自動運転システムは、縦方向衝突時間と、ｉ番目の予測オフセットに対応する交通側方間隔とに基づいて、複数の利得パラメータ、例えば、２番目の利得パラメータ「側方安全性」、３番目の利得パラメータ「衝突安全性」、及び４番目の利得パラメータ「車線変更ほうび」などを決定してもよく、そのうちの１つの利得パラメータに基づいて第１車線変更利得及び第２車線変更利得を直接決定してもよく、各利得パラメータをランダムに組み合わせ、任意の１組の利得パラメータに基づいて第１車線変更利得及び第２車線変更利得を決定してもよい。

例えば、該２番目の利得パラメータは、側方安全性を示すためのものであり、該側方安全性は、数式(5)で表すことができる。

ここで、

は、２番目の利得パラメータを表し、ｉ番目の予測オフセットでかつ第２乗り物がｊ番目の予測状態にある場合の第１乗り物の側方安全性を示すことができ、ttc(EV,PF)は、第１乗り物と第２乗り物の縦方向衝突時間を表し、

は、ｉ番目の予測オフセット

が与えられた場合、ｉ番目の予測オフセットに対応する交通側方間隔を表す。数式(5)は、縦方向衝突時間が２秒未満でありかつｉ番目の予測オフセットの交通側方間隔が１メートル未満である場合、ｉ番目の予測オフセットの２番目の利得パラメータを－１に決定し、それ以外の場合（即ち、ｏｔｈｅｒｗｉｓｅ）、ｉ番目の予測オフセットの２番目の利得パラメータを０に決定してもよい、ということを表すことができる。２番目の利得パラメータに基づいて第１車線変更利得及び第２車線変更利得を直接決定する場合、

と記すことができる。

上記数式(5)において、縦方向衝突時間と比較される第１時間閾値、及び交通側方間隔と比較される第１間隔閾値は、必要に応じて変更することができる。例えば、数式(5)における第１時間閾値「２秒」及び第１間隔閾値「１メートル」は、経験値であり、他の数値であってもよい。ここでは制限しない。縦方向衝突時間が第１時間閾値未満でありかつｉ番目の予測オフセットの交通側方間隔が第１間隔閾値未満である場合、決定されたｉ番目の予測オフセットの２番目の利得パラメータも、必要に応じて変更することができる。

ここで、ttc(EV,PF)は、数式(6)で表すことができる。

ここで、l_EVは、道路座標系における第１乗り物の第１縦方向座標値を表し、l_PFは、道路座標系における第２乗り物の第２縦方向座標値を表し、v_PFは、第２乗り物の第２走行速度を表し、v_EVは、第１乗り物の第１走行速度を表す。

例えば、該３番目の利得パラメータは、衝突安全性を示すためのものであり、該衝突安全性は、数式(7)で表すことができる。

ここで、

は、３番目の利得パラメータを表し、ｉ番目の予測オフセットでかつ第２乗り物がｊ番目の予測状態にある場合の第１乗り物の衝突安全性を示すことができ、ttc(EV,PF)及び

の意味は、数式(5)の関連説明を参照すればよい。数式(7)は、縦方向衝突時間が２秒未満でありかつｉ番目の予測オフセットの交通側方間隔が０メートル未満である場合、ｉ番目の予測オフセットの３番目の利得パラメータを－１０に決定し、それ以外の場合、ｉ番目の予測オフセットの３番目の利得パラメータを０に決定してもよい、ということを表すことができる。３番目の利得パラメータに基づいて第１車線変更利得及び第２車線変更利得を直接決定する場合、

と記すことができる。

上記数式(7)において、縦方向衝突時間と比較される第２時間閾値、及び交通側方間隔と比較される第２間隔閾値は、必要に応じて変更することができる。例えば、数式(7)における第２時間閾値「２秒」及び第２間隔閾値「０メートル」は、経験値であり、他の数値であってもよい。ここでは制限しない。縦方向衝突時間が第２時間閾値未満でありかつｉ番目の予測オフセットの交通側方間隔が第２間隔閾値未満である場合、決定されたｉ番目の予測オフセットの３番目の利得パラメータも、必要に応じて変更することができる。

例えば、該４番目の利得パラメータは、車線変更ほうびを示すためのものであり、該車線変更ほうびは、数式(8)で表すことができる。

ここで、

は、４番目の利得パラメータを表し、ｉ番目の予測オフセットでかつ第２乗り物がｊ番目の予測状態にある場合の第１乗り物の車線変更ほうびを示すことができ、ttc(EV,PF)及び

の意味は、数式(5)の関連説明を参照すればよい。数式(8)は、縦方向衝突時間が３秒よりも大きくかつｉ番目の予測オフセットの交通側方間隔が０メートル未満である場合、ｉ番目の予測オフセットの４番目の利得パラメータを５に決定し、それ以外の場合、ｉ番目の予測オフセットの４番目の利得パラメータを０に決定してもよい、ということを表すことができる。４番目の利得パラメータに基づいて第１車線変更利得及び第２車線変更利得を直接決定する場合、

と記すことができる。

上記数式(8)において、縦方向衝突時間と比較される第３時間閾値、及び交通側方間隔と比較される第３間隔閾値は、必要に応じて変更することができる。例えば、数式(8)における第３時間閾値「３秒」及び第３間隔閾値「０メートル」は、経験値であり、他の数値であってもよい。ここでは制限しない。ここで、縦方向衝突時間が第３時間閾値よりも大きくかつｉ番目の予測オフセットの交通側方間隔が第３間隔閾値未満である場合、決定されたｉ番目の予測オフセットの４番目の利得パラメータも、必要に応じて変更することができる。

車線変更利得取得の他の態様において、自動運転システムは、第３乗り物の第３位置情報を取得し、第２位置情報及び第３位置情報に基づいて、第２乗り物と第３乗り物との間の誘導縦方向距離を決定してもよい。第２乗り物は第３乗り物と同一の車線に位置し、第３乗り物と第２乗り物の走行方向は同じであり、第３乗り物は第２乗り物の前方に位置し、該前方は第２乗り物の走行方向を基準とする。該第３乗り物は、第１乗り物の推定リーダーＰＬと見なすことができる。自動運転システムは、さらに、第３乗り物の第３走行速度を取得してもよい。ｉ番目の予測オフセット及び誘導縦方向距離に基づいて、自動運転システムは、第２乗り物のｉ番目の譲り距離を決定し、第２走行速度、第３走行速度、及びｉ番目の譲り距離に基づいて、第２乗り物が「譲る」予測状態にある場合のｉ番目の予測オフセットの第１車線変更利得を決定するとともに、第２乗り物が「譲らない」予測状態にある場合のｉ番目の予測オフセットの第２車線変更利得を決定してもよい。ｉは、正の整数であり、少なくとも２つの予測オフセットの数以下である。ｉ番目の譲り距離は、ｉ番目の予測オフセットでかつ第２乗り物が「譲る」予測状態にある場合、第２乗り物と第３乗り物との間の、誘導縦方向距離から増加した距離を指す。

図６を参照すればよい。図６は、本願の実施例で提供される譲り距離決定シナリオの模式図である。図６に示すように、第１乗り物６０１１の自動運転システムは、第２乗り物６０１２の第２縦方向座標値、第３乗り物６０１３の第３位置情報、該第３位置情報における第３縦方向座標値を取得し、第２縦方向座標値及び第３縦方向座標値に基づいて、第２乗り物６０１２と第３乗り物６０１３との間の誘導縦方向距離６０２を決定する。自動運転システムは、ｉ番目の予測オフセット６０３を取得し、ｉ番目の予測オフセット６０３及び誘導縦方向距離６０２に基づいて、前記第２乗り物のｉ番目の譲り距離を決定する。該ｉ番目の譲り距離は、ｉ番目の予測オフセット６０３でかつ第２乗り物６０１２が「譲る」予測状態にある場合、第２乗り物６０１２と第３乗り物６０１３との間の、誘導縦方向距離６０２から増加した距離６０４を指す。

また、自動運転システムは、第２走行速度、第３走行速度、及びｉ番目の譲り距離に基づいて、５番目の利得パラメータを決定してもよい。該５番目の利得パラメータは、交通渋滞コスト（Ｔｒａｆｆｉｃ ｂｌｏｃｋ ｃｏｓｔ）を示すためのものである。該交通渋滞コストは、数式(9)で表すことができる。

ここで、

は、第１乗り物の第１走行状態S^EV、ｉ番目の予測オフセット

、及びｊ番目の予測状態

が与えられた場合、第２乗り物が第１乗り物に道を譲ると（即ち、第２乗り物が「譲る」予測状態にあると）、第２乗り物に必要な減速度を表す。一実施形態では、第１走行状態、第２走行状態、ｉ番目の予測オフセット、及びｊ番目の予測状態などをインテリジェントドライバーモデル（ＩＤＭ：Ｉｎｔｅｌｌｉｇｅｎｔ Ｄｒｉｖｅｒ Ｍｏｄｅｌ）に入力し、該インテリジェントドライバーモデルに基づいて第２乗り物の減速度を決定してもよい。数式(9)は、第２乗り物の減速度が－１未満である場合、ｉ番目の予測オフセットの５番目の利得パラメータを－５に決定し、それ以外の場合（即ち、ｏｔｈｅｒｗｉｓｅ）、ｉ番目の予測オフセットの５番目の利得パラメータを０に決定してもよい、ということを表すことができる。５番目の利得パラメータに基づいて第１車線変更利得及び第２車線変更利得を直接決定する場合、

と記すことができる。

上記の１番目の利得パラメータから５番目の利得パラメータは、例示的ないくつかの利得パラメータであり（この場合、ｍは５である）、必要に応じて他の利得パラメータを追加してもよい。ここでは制限しない。該第１車線変更利得及び第２車線変更利得は、ｍ個の利得パラメータのうちのいずれか１つ又は任意のｈ個の利得パラメータに基づいて決定されてもよい。ｈ個の利得パラメータに基づいて第１車線変更利得及び第２車線変更利得を決定する場合、ｉ番目の予測オフセット及びｊ番目の予測状態でのｈ個の利得パラメータを重み付け加算することにより、ｉ番目の予測オフセット及びｊ番目の予測状態でのｊ番目の車線変更利得を取得してもよい。例えば、該第１車線変更利得及び第２車線変更利得が、ｍ個の利得パラメータに基づいて決定される場合、該第１車線変更利得及び第２車線変更利得は、数式(10)で表すことができる。

ここで、λ_pは、各利得パラメータの重要度に応じて決定してもよい。例えば、各利得パラメータの重要度が同じである場合、ｐの値が何であっても、λ_pは１である。

本願の実施例では、第１乗り物の少なくとも２つの予測オフセット、第１乗り物の第１走行状態、及び第２乗り物の第２走行状態を決定し、第１走行状態及び第２走行状態に基づいて、第２乗り物が「譲る」予測状態にある場合の各予測オフセットの第１車線変更利得を決定するとともに、第２乗り物が「譲らない」予測状態にある場合の各予測オフセットの第２車線変更利得を決定し、第２乗り物の予測譲り確率を決定し、予測譲り確率と、各予測オフセットの第１車線変更利得及び第２車線変更利得とに基づいて、各予測オフセットのターゲット車線変更利得を生成し、ターゲット車線変更利得が最大となる予測オフセットをターゲット予測オフセットとして決定する。ターゲット予測オフセットは、第１乗り物に対して予測された側方車線変更走行距離を示すためのものである。以上の過程を通じて、第１乗り物（即ち、自車）に対して意思決定を行う。該決定は、第１乗り物の可能なオフセット距離（即ち、少なくとも２つの予測オフセット）を示すためのものである。各決定の利得値を取得することにより、第１乗り物に最大の利得をもたらせる決定を取得する。第１乗り物の車線変更効率を向上させるために、該決定（ターゲット予測オフセット）に基づいて、第１乗り物の走行を制御してもよい。これにより、第１乗り物は、ある程度で道の権利を持つことができ、決定に基づいて車線変更を主動的に行うことができる。

さらに、図７を参照する。図７は、本願の実施例で提供される乗り物に基づくデータ処理の具体的な方法のフローチャートである。この方法において、自動運転システムは、決定木を構築してもよい。決定木における決定エッジは、少なくとも２つの予測オフセット、「譲る」予測状態、及び「譲らない」予測状態を含む。決定木における木ノードは、第１乗り物及び第２乗り物を含む。決定木の少なくとも２つの決定層において、決定木のルートノードにおける各予測オフセットのツリー利得値が取得されるまで、階層毎に、予測譲り確率及び決定エッジに基づいて、各予測オフセットの第１車線変更利得及び第２車線変更利得を重み付け加算する。ルートノードにおける各予測オフセットのツリー利得値を各予測オフセットのターゲット車線変更利得として決定する。

図７に示すように、該データ処理プロセスは、以下のステップを含んでもよい。

ステップＳ７０１では、決定木と、決定木の各層における第１乗り物の第１走行状態及び第２乗り物の第２走行状態とを決定する。

本願の実施例において、自動運転システムは、決定木を決定することができる。この決定木にＴ個の決定層が含まれ、各決定層は、第１乗り物及び第２乗り物が交互に木ノードとされる構造を含むと仮定する。即ち、第１乗り物の親ノードは第２乗り物であってもよく、第２乗り物の親ノードは第１乗り物であってもよい。各々の決定層は、第１乗り物の少なくとも２つの予測オフセット、並びに、第２乗り物の「譲る」予測状態及び「譲らない」予測状態などによって構成される決定エッジを含む。ここで、Ｔは、正の整数であり、決定木に含まれる決定層の数である。例えば、第１乗り物はｎ個の決定エッジに対応し、各々の決定エッジは第１乗り物の１つの予測オフセットに対応し、第２乗り物は２つの決定エッジに対応し、各決定エッジは、それぞれ、「譲る」予測状態及び「譲らない」予測状態に対応する。自動運転システムは、決定木の各層における第１乗り物の第１走行状態、及び第２乗り物の第２走行状態を取得してもよい。第１走行状態は、第１実際走行状態及び（Ｔ－１）個の第１予測走行状態を含み、ここで、各々の第１走行状態は、１つの決定層に対応する。第２走行状態は、第２実際走行状態及び（Ｔ－１）個の第２予測走行状態を含み、ここで、各々の第２走行状態は、１つの決定層に対応する。例えば、自動運転システムは、第１実際走行状態及び第２実際走行状態を取得し、第１実際走行状態に対して予測を行うことにより、２番目の決定層の第１予測走行状態を取得し、第２実際走行状態に対して予測を行うことにより、２番目の決定層の第２予測走行状態を取得し、２番目の決定層の第１予測走行状態に対して予測を行うことにより、３番目の決定層の第１予測走行状態を取得し、２番目の決定層の第２予測走行状態に対して予測を行うことにより、３番目の決定層の第２予測走行状態を取得し、…、（Ｔ－１）番目の決定層の第１予測走行状態に対して予測を行うことにより、Ｔ番目の決定層の第１予測走行状態を取得し、（Ｔ－１）番目の決定層の第２予測走行状態に対して予測を行うことにより、Ｔ番目の決定層の第２予測走行状態を取得してもよい。

ステップＳ７０２では、第ｋ層の第１走行状態及び第２走行状態に基づいて、各予測オフセットの第ｋ層における第１車線変更利得及び第２車線変更利得を決定する。

本願の実施例において、自動運転システムは、第ｋ層の第１予測走行状態及び第２予測走行状態に基づいて、各予測オフセットの第ｋ層における第１車線変更利得及び第２車線変更利得を決定してもよい。ここで、ｋは、Ｔ以下の正の整数である。ここで、自動運転システムは、第ｋ層の第１予測走行状態及び第２予測走行状態に基づいて、各予測オフセットの第ｋ層における第１車線変更利得及び第２車線変更利得を決定するプロセスは、図４のステップＳ４０２に示された具体的な説明を参照すればよい。ここでは、これ以上の説明を省略する。

ステップＳ７０３では、第２乗り物の第ｋ層における予測譲り確率を決定し、第ｋ層における予測譲り確率、第（ｋ＋１）層のパラメータ値、各予測オフセットの第ｋ層における第１車線変更利得及び第２車線変更利得に基づいて、各予測オフセットの第ｋ層におけるツリー車線変更利得を生成する。

本願の実施例において、自動運転システムは、第２乗り物の第ｋ層における予測譲り確率を決定することができる。第２乗り物の第ｋ層における予測譲り確率の決定プロセスは、図４のステップＳ４０３に示された具体的な説明を参照すればよい。例えば、数式(1)におけるttc(EV,PF)は、第ｋ層の第１予測走行状態及び第２予測走行状態に基づいて決定された、第１乗り物と第２乗り物との間の縦方向衝突時間を表す。ここで、第ｋ層の第１予測走行状態及び第２予測走行状態に基づいて、第２乗り物の第ｋ層における予測譲り確率を決定してもよい。ここで、第ｋ層における各予測オフセットのツリー利得値は、数式１を参照すればよい。

ステップＳ７０４では、ｋ＝１を検出する。

本願の実施例において、自動運転システムは、ｋが１であるか否かを判断し、ｋが１である場合、ステップＳ７０６を実行し、ｋが１ではない場合、ステップＳ７０５を実行する。

ステップＳ７０５では、各予測オフセットの第ｋ層におけるツリー車線変更利得に基づいて、第ｋ層のパラメータ値を決定する。

本願の実施例において、自動運転システムは、各予測オフセットの第ｋ層におけるツリー車線変更利得に基づいて、第ｋ層のパラメータ値を決定することができる。該第ｋ層のパラメータ値の決定方式は、数式２を参照すればよい。

ここで、ｋ＝Ｔ＋１の場合、該パラメータ値を所定のパラメータ値にセットする。例えば、数式２において、所定のパラメータ値は０である。k≦Tの場合、第ｋ層のパラメータ値は、各予測オフセットの第ｋ層におけるツリー車線変更利得のうちの最大のツリー車線変更利得である。

ステップＳ７０６では、各予測オフセットのターゲット車線変更利得を決定する。

本願の実施例において、自動運転システムは、ルートノードにおける各予測オフセットのツリー利得値を各予測オフセットのターゲット車線変更利得として決定し、ターゲット車線変更利得が最大となる予測オフセットをターゲット予測オフセットとして決定してもよい。該ターゲット予測オフセットの決定方式は、数式３を参照すればよい。

ここで、ａｒｇｍａｘ（ｆ（ｘ））は、ｆ（ｘ）が最大値となる変数点ｘ（又はｘの集合）である。一実施形態では、数式３によって、ターゲット車線変更利得が最大となる予測オフセットが１つだけではない場合、ターゲット車線変更利得が最大となりかつ値が最大となる予測オフセットをターゲット予測オフセットとして決定してもよい。

自動運転システムは、ターゲット予測オフセットと、第２乗り物が位置する第２車線とに基づいて、予測オフセット軌跡を決定してもよい。車線における予測オフセット軌跡に対応する側方走行距離は、ターゲット予測オフセットである。予測オフセット軌跡に沿って走行するように第１乗り物を制御する。

例えば、決定木に２つの決定層が含まれ、即ち、該決定木における少なくとも２つの決定層は、決定層ｋ１及び決定層ｋ２を含み、決定層ｋ１はルートノードを含む。第１走行状態は、第１実際走行状態及び第１予測走行状態を含み、第２走行状態は、第２実際走行状態及び第２予測走行状態を含む。第１車線変更利得は、決定層ｋ１の第１車線変更利得と、決定層ｋ２の第１車線変更利得とを含み、第２車線変更利得は、決定層ｋ１の第２車線変更利得と、決定層ｋ２の第２車線変更利得とを含む。例えば、図８を参照する。図８は、本願の実施例で提供される決定木のツリー構造の模式図である。図８に示すように、該決定木において、円形は第２乗り物を表し、７角形は第１乗り物を表す。該決定木は、決定層ｋ１（即ち、ｋ＝１）及び決定層ｋ２（ｋ＝２）を含む。該決定木のルートノードは、第２乗り物ａ１である。ルートノードａ１は、「譲る」予測状態及び「譲らない」予測状態をそれぞれ表す２つの決定エッジを含む。この２つの決定エッジは、それぞれ、第１乗り物ｂ２１及び第１乗り物ｂ２２に接続される。第１乗り物ｂ２１は、予測オフセット１、…及び予測オフセットｎをそれぞれ表すｎ個の決定エッジに対応し、第１乗り物ｂ２１に対応するｎ個の決定エッジは、第２乗り物ａ３１、…及び第２乗り物ａ３２にそれぞれ接続される。第１乗り物ｂ２２は、予測オフセット１、…及び予測オフセットｎをそれぞれ表すｎ個の決定エッジに対応し、第１乗り物ｂ２２に対応するｎ個の決定エッジは、第２乗り物ａ３３、…及び第２乗り物ａ３４にそれぞれ接続される。該決定木のリーフノード、例えば、第２乗り物ａ５１、第２乗り物ａ５２、…及び第２乗り物ａ６６など（具体的には、図８における各木ノードの符号を参照）が取得されるまで、このようにして、該決定木を生成する。ここで、Ｔが２よりも大きい場合、図８の２つの決定層に加えてさらに決定層を生成することにより、Ｔ個の決定層を取得して、決定木を生成する。

具体的には、自動運転システムは、第１実際走行状態及び第２実際走行状態に基づいて、第２乗り物が「譲る」予測状態にある場合の各予測オフセットの決定層ｋ１における第１車線変更利得を決定するとともに、第２乗り物が「譲らない」予測状態にある場合の各予測オフセットの決定層ｋ１における第２車線変更利得を決定してもよい。第１実際走行状態に基づいて第１乗り物の第１予測走行状態を予測し、第２実際走行状態に基づいて第２乗り物の第２予測走行状態を予測する。第１予測走行状態及び第２予測走行状態に基づいて、第２乗り物が「譲る」予測状態にある場合の各予測オフセットの決定層ｋ２における第１車線変更利得を決定するとともに、第２乗り物が「譲らない」予測状態にある場合の各予測オフセットの決定層ｋ２における第２車線変更利得を決定する。

自動運転システムは、第２乗り物の、決定層ｋ１における予測譲り確率、及び決定層ｋ２における予測譲り確率を取得してもよい。決定層ｋ２における予測譲り確率に基づいて、各予測オフセットの決定層ｋ２における第１車線変更利得及び第２車線変更利得を重み付け加算することにより、各予測オフセットの決定層ｋ２におけるツリー利得値を取得する。各予測オフセットの決定層ｋ２におけるツリー利得値のうちの最大のツリー利得値を決定層ｋ２のパラメータ値として決定する。決定層ｋ１における予測譲り確率に基づいて、決定層ｋ２のパラメータ値、各予測オフセットの決定層ｋ１における第１車線変更利得及び第２車線変更利得を重み付け加算することにより、各予測オフセットの決定層ｋ１におけるツリー利得値を取得する。各予測オフセットの決定層ｋ１におけるツリー利得値は、決定木のルートノードにおける各予測オフセットのツリー利得値である。ルートノードにおける、ツリー利得値が最大となる予測オフセットをターゲット予測オフセットとして決定し、該ターゲット予測オフセットに基づいて第１乗り物の予測オフセット軌跡を決定し、該予測オフセット軌跡に沿って走行して第２乗り物の走行スペースに主動的に割り込むように第１乗り物を制御する。これにより、第２乗り物が位置する第２車線へのオフセットを可能な限り大きくして、かつ第２乗り物との間の交通事故を最小化する場合で、第１乗り物の第２車線への車線変更操作を実現することができ、第１乗り物の車線変更効率を向上させる。

本願の実施例では、上記のプロセスを通じて、第１乗り物は、第２乗り物が主動的に道を譲るのを待ってから車線を変更する必要はなく、第２乗り物が位置する第２車線に可能な限りオフセットして、第２乗り物の走行スペースに割り込み、第２乗り物に自分の車線変更の意思をより明確に表現することが可能になる。これにより、第１乗り物の車線変更効率を向上させる。

さらに、図９を参照する。図９は、本願の実施例で提供される乗り物に基づくデータ処理装置の模式図である。該乗り物に基づくデータ処理装置は、コンピュータ機器で実行するコンピュータプログラム（プログラムコードを含む）であってもよい。例えば、該乗り物に基づくデータ処理装置は、アプリケーションソフトウェアである。該装置は、本願の実施例で提供される方法における相応のステップの実行に使用可能である。図９に示すように、該乗り物に基づくデータ処理装置９００は、図４に対応する実施例におけるコンピュータ機器に使用可能である。具体的には、該装置は、状態取得モジュール１１と、利得取得モジュール１２と、オフセット選択モジュール１３とを含んでもよい。

状態取得モジュール１１は、第１乗り物の少なくとも２つの予測オフセット、第１乗り物の第１走行状態、及び第２乗り物の第２走行状態を決定し、第２乗り物は、第１乗り物が車線を変更する際に参照する乗り物であり、
利得取得モジュール１２は、第１走行状態及び第２走行状態に基づいて、第２乗り物が「譲る」予測状態にある場合の各予測オフセットの第１車線変更利得を決定するとともに、第２乗り物が「譲らない」予測状態にある場合の各予測オフセットの第２車線変更利得を決定し、
オフセット選択モジュール１３は、第２乗り物の予測譲り確率を決定し、予測譲り確率と、各予測オフセットの第１車線変更利得及び第２車線変更利得とに基づいて、各予測オフセットのターゲット車線変更利得を生成し、ターゲット車線変更利得が最大となる予測オフセットをターゲット予測オフセットとして決定し、ターゲット予測オフセットは、第１乗り物に対して予測された側方車線変更走行距離を示すためのものである。

ここで、第１乗り物の少なくとも２つの予測オフセットを取得することについて、該状態取得モジュール１１は、
車線の車線幅及び決定数を決定する決定取得ユニット１１１と、
第１乗り物と、第１乗り物が位置する第１車線の車線境界線との間の横方向の距離を決定し、車線幅、横方向の距離、及び決定数に基づいて、第１乗り物の少なくとも２つの予測オフセットを決定する決定生成ユニット１１２であって、少なくとも２つの予測オフセットの数が決定数である、決定生成ユニット１１２と、を含む。

該装置９００は、
第１乗り物が位置する第１車線を決定し、第１車線の中央線を座標縦軸とし、第１乗り物が座標縦軸上にマッピングされた点を座標原点とし、座標縦軸に対応する法線を座標横軸とし、座標原点、座標横軸、及び座標縦軸に基づいて、道路座標系を確立する座標確立モジュール１４をさらに含み、
第１乗り物の第１走行状態、及び第２乗り物の第２走行状態を決定することについて、状態取得モジュール１１は、
道路座標系における第１乗り物の第１位置情報を決定し、第１位置情報に基づいて第１乗り物の第１走行状態を決定する第１取得ユニット１１３と、
道路座標系における第２乗り物の第２位置情報を決定し、第２位置情報に基づいて第２乗り物の第２走行状態を決定する第２取得ユニット１１４と、を含む。

ここで、第１走行状態は第１位置情報を含み、第２走行状態は第２位置情報を含み、
該利得取得モジュール１２は、
第１位置情報に基づいて第１乗り物のオフセット距離を決定する距離決定ユニット１２１であって、オフセット距離は、第１乗り物と、第１乗り物が位置する第１車線の中央線との間の距離である、距離決定ユニット１２１と、
ｉ番目（ｉは、少なくとも２つの予測オフセットの数以下の正の整数である）の予測オフセットを取得し、ｉ番目の予測オフセットとオフセット距離との差に基づいて、第２乗り物が「譲る」予測状態にある場合のｉ番目の予測オフセットの第１車線変更利得を決定するとともに、第２乗り物が「譲らない」予測状態にある場合のｉ番目の予測オフセットの第２車線変更利得を決定する利得取得ユニット１２２と、を含む。

ここで、第１走行状態は第１位置情報及び第１走行速度を含み、第２走行状態は第２位置情報及び第２走行速度を含み、
該利得取得モジュール１２は、
第１位置情報における第１縦方向座標値と、第２位置情報における第２縦方向座標値とを取得し、第１縦方向座標値、第１走行速度、第２縦方向座標値、及び第２走行速度に基づいて、第１乗り物と第２乗り物の縦方向衝突時間を決定する時間取得ユニット１２３と、
第１位置情報における第１横方向座標値と、第２位置情報における第２横方向座標値とを取得し、ｉ番目（ｉは、少なくとも２つの予測オフセットの数以下の正の整数である）の予測オフセットを取得し、第１横方向座標値、第２横方向座標値、及びｉ番目の予測オフセットに基づいて、ｉ番目の予測オフセットに対応する交通側方間隔を決定する間隔取得ユニット１２４と、を含み、
該利得取得ユニット１２２は、さらに、縦方向衝突時間と、ｉ番目の予測オフセットに対応する交通側方間隔とに基づいて、第２乗り物が「譲る」予測状態にある場合のｉ番目の予測オフセットの第１車線変更利得を決定するとともに、第２乗り物が「譲らない」予測状態にある場合のｉ番目の予測オフセットの第２車線変更利得を決定する。

ここで、第１走行状態は第１位置情報及び第１走行速度を含み、第２走行状態は第２位置情報及び第２走行速度を含み、
該利得取得モジュール１２は、
第３乗り物の第３位置情報を決定し、第２位置情報及び第３位置情報に基づいて、第２乗り物と第３乗り物との間の誘導縦方向距離を決定する車両取得ユニット１２５であって、第２乗り物は第３乗り物と同一の車線に位置し、第３乗り物と第２乗り物の走行方向は同じである、車両取得ユニット１２５と、
第３乗り物の第３走行速度を決定する速度取得ユニット１２６と、を含み、
該利得取得ユニット１２２は、さらに、ｉ番目（ｉは、少なくとも２つの予測オフセットの数以下の正の整数である）の予測オフセット及び誘導縦方向距離に基づいて、第２乗り物のｉ番目の譲り距離を決定し、第２走行速度、第３走行速度、及びｉ番目の譲り距離に基づいて、第２乗り物が「譲る」予測状態にある場合のｉ番目の予測オフセットの第１車線変更利得を決定するとともに、第２乗り物が「譲らない」予測状態にある場合のｉ番目の予測オフセットの第２車線変更利得を決定する。

ここで、該利得取得モジュール１２は、
譲り確率モデルを取得するモジュール取得ユニット１２７と、
第１走行状態、第２走行状態、及びｉ番目（ｉは、少なくとも２つの予測オフセットの数以下の正の整数である）の予測オフセットを譲り確率モデルに入力することにより、ｉ番目の予測オフセットに対応する「譲る」予測状態の確率及び「譲らない」予測状態の確率を取得する確率予測ユニット１２８と、を含み、
該利得取得ユニット１２２は、さらに、「譲る」予測状態の確率を、第２乗り物が「譲る」予測状態にある場合のｉ番目の予測オフセットの第１車線変更利得として決定し、
該利得取得ユニット１２２は、さらに、「譲らない」予測状態の確率を、第２乗り物が「譲らない」予測状態にある場合のｉ番目の予測オフセットの第２車線変更利得として決定する。

ここで、第２乗り物の予測譲り確率を取得することについて、該オフセット選択モジュール１３は、
過去縦方向衝突時間と、過去縦方向衝突時間に対応する過去衝突距離とを取得し、過去縦方向衝突時間及び過去衝突距離に基づいて、衝突時間平均値及び衝突時間標準偏差を決定する衝突取得ユニット１３１と、
第２乗り物と第１乗り物の縦方向衝突時間を決定し、縦方向衝突時間を、衝突時間平均値及び衝突時間標準偏差から生成された第１確率密度関数にマッピングすることにより、第２乗り物の初期譲り確率を決定する第１確率取得ユニット１３２と、
過去交通側方間隔を取得し、過去交通側方間隔に基づいて、間隔平均値及び間隔標準偏差を決定する過去間隔取得ユニット１３３と、
第２乗り物と第１乗り物の交通側方間隔を取得し、交通側方間隔を、間隔平均値及び間隔標準偏差から生成された第２確率密度関数にマッピングすることにより、第２確率密度関数に基づいて第２乗り物の走行保持確率を決定する第２確率取得ユニット１３４と、
初期譲り確率及び走行保持確率に基づいて、第２乗り物の予測譲り確率を決定する譲り確率決定ユニット１３５と、を含む。

ここで、予測譲り確率と、各予測オフセットの第１車線変更利得及び第２車線変更利得とに基づいて、各予測オフセットのターゲット車線変更利得を生成することについて、該オフセット選択モジュール１３は、
決定木を構築する木取得ユニット１３６であって、決定木における決定エッジは、少なくとも２つの予測オフセット、「譲る」予測状態、及び「譲らない」予測状態を含み、決定木における木ノードは、第１乗り物及び第２乗り物を含む、木取得ユニット１３６と、
決定木の少なくとも２つの決定層において、決定木のルートノードにおける各予測オフセットのツリー利得値が取得されるまで、階層毎に、予測譲り確率及び決定エッジに基づいて、各予測オフセットの第１車線変更利得及び第２車線変更利得を重み付け加算する利得反復ユニット１３７と、
ルートノードにおける各予測オフセットのツリー利得値を各予測オフセットのターゲット車線変更利得として決定する利得決定ユニット１３８と、を含む。

ここで、決定木における少なくとも２つの決定層は、決定層ｋ１及び決定層ｋ２を含み、決定層ｋ１はルートノードを含み、第１走行状態は第１実際走行状態及び第１予測走行状態を含み、第２走行状態は第２実際走行状態及び第２予測走行状態を含み、第１車線変更利得は、決定層ｋ１における第１車線変更利得と、決定層ｋ２における第１車線変更利得とを含み、第２車線変更利得は、決定層ｋ１における第２車線変更利得と、決定層ｋ２における第２車線変更利得とを含み、
該利得取得モジュール１２は、
第１実際走行状態及び第２実際走行状態に基づいて、第２乗り物が「譲る」予測状態にある場合の各予測オフセットの決定層ｋ１における第１車線変更利得を決定するとともに、第２乗り物が「譲らない」予測状態にある場合の各予測オフセットの決定層ｋ１における第２車線変更利得を決定する実際処理ユニット１２９ａと、
第１実際走行状態に基づいて第１乗り物の第１予測走行状態を予測し、第２実際走行状態に基づいて第２乗り物の第２予測走行状態を予測する状態予測ユニット１２９ｂと、
第１予測走行状態及び第２予測走行状態に基づいて、第２乗り物が「譲る」予測状態にある場合の各予測オフセットの決定層ｋ２における第１車線変更利得を決定するとともに、第２乗り物が「譲らない」予測状態にある場合の各予測オフセットの決定層ｋ２における第２車線変更利得を決定する予測処理ユニット１２９ｃと、を含む。

ここで、予測譲り確率は、決定層ｋ１における予測譲り確率と、決定層ｋ２における予測譲り確率とを含み、
該利得反復ユニット１３７は、
決定層ｋ２における予測譲り確率に基づいて、各予測オフセットの決定層ｋ２における第１車線変更利得及び第２車線変更利得を重み付け加算することにより、各予測オフセットの決定層ｋ２におけるツリー利得値を取得する層利得取得サブユニット１３７１と、
各予測オフセットの決定層ｋ２におけるツリー利得値のうちの最大のツリー利得値を決定層ｋ２のパラメータ値として決定するパラメータ決定サブユニット１３７２と、含み、
該層利得取得サブユニット１３７１は、さらに、決定層ｋ１における予測譲り確率に基づいて、決定層ｋ２のパラメータ値、各予測オフセットの決定層ｋ１における第１車線変更利得及び第２車線変更利得を重み付け加算することにより、各予測オフセットの決定層ｋ１におけるツリー利得値を取得し、各予測オフセットの決定層ｋ１におけるツリー利得値は、決定木のルートノードにおける各予測オフセットのツリー利得値である。

該装置９００は、
ターゲット予測オフセットに基づいて予測オフセット軌跡を決定する軌跡決定モジュール１５であって、車線における予測オフセット軌跡に対応する側方走行距離は、ターゲット予測オフセットである、軌跡決定モジュール１５と、
予測オフセット軌跡に沿って走行するように第１乗り物を制御する走行制御モジュール１６と、をさらに含む。

本願の実施例では、乗り物に基づくデータ処理装置が提供されている。該装置は、第１乗り物の少なくとも２つの予測オフセットを取得し、第１乗り物の第１走行状態を取得し、第２乗り物の第２走行状態を取得し、第１走行状態及び第２走行状態に基づいて、第２乗り物が「譲る」予測状態にある場合の各予測オフセットの第１車線変更利得を決定するとともに、第２乗り物が「譲らない」予測状態にある場合の各予測オフセットの第２車線変更利得を決定し、第２乗り物の予測譲り確率を決定し、予測譲り確率と、各予測オフセットの第１車線変更利得及び第２車線変更利得とに基づいて、各予測オフセットのターゲット車線変更利得を生成し、ターゲット車線変更利得が最大となる予測オフセットをターゲット予測オフセットとして決定する。第２乗り物は、第１乗り物が車線を変更する際に参照する乗り物であり、ターゲット予測オフセットは、第１乗り物に対して予測された側方車線変更走行距離を示すためのものである。以上のプロセスを通じて、第１乗り物（即ち、自車）に対して意思決定を行う。該決定は、第１乗り物の可能なオフセット距離（即ち、少なくとも２つの予測オフセット）を示すためのものである。各決定の利得値を取得することにより、第１乗り物に最大の利得をもたらせる決定を取得する。第１乗り物の車線変更効率を向上させるために、該決定（ターゲット予測オフセット）に基づいて、第１乗り物の走行を制御してもよい。これにより、第１乗り物は、ある程度で道の権利を持つことができ、決定に基づいて車線変更を主動的に行うことができる。

図１０を参照する。図１０は、本願の実施例で提供されるコンピュータ機器の構成の模式図である。図１０に示すように、本願の実施例におけるコンピュータ機器は、１つ又は複数のプロセッサ１００１と、メモリ１００２と、入出力インタフェース１００３とを含んでもよい。該プロセッサ１００１、メモリ１００２、及び入出力インタフェース１００３は、バス１００４を介して接続される。メモリ１００２は、プログラム命令を含むコンピュータプログラムを記憶し、入出力インタフェース１００３は、データを受信して、データを出力し、プロセッサ１００１は、メモリ１００２に記憶されたプログラム命令を実行して、
第１乗り物の少なくとも２つの予測オフセット、第１乗り物の第１走行状態、及び第２乗り物の第２走行状態を決定するステップであって、第２乗り物は、第１乗り物が車線を変更する際に参照する乗り物である、ステップと、
第１走行状態及び第２走行状態に基づいて、第２乗り物が「譲る」予測状態にある場合の各予測オフセットの第１車線変更利得を決定するとともに、第２乗り物が「譲らない」予測状態にある場合の各予測オフセットの第２車線変更利得を決定するステップと、
第２乗り物の予測譲り確率を決定し、予測譲り確率と、各予測オフセットの第１車線変更利得及び第２車線変更利得とに基づいて、各予測オフセットのターゲット車線変更利得を生成し、ターゲット車線変更利得が最大となる予測オフセットをターゲット予測オフセットとして決定するステップであって、ターゲット予測オフセットは、第１乗り物に対して予測された側方車線変更走行距離を示すためのものである、ステップと、を実行する。

いくつかの実行可能な実施形態において、該プロセッサ１００１は、中央処理装置（ＣＰＵ：ｃｅｎｔｒａｌ ｐｒｏｃｅｓｓｉｎｇ ｕｎｉｔ）であってもよく、他の汎用プロセッサ、デジタルシグナルプロセッサ（ＤＳＰ：ｄｉｇｉｔａｌ ｓｉｇｎａｌ ｐｒｏｃｅｓｓｏｒ）、特定用途向け集積回路（ＡＳＩＣ：ａｐｐｌｉｃａｔｉｏｎ ｓｐｅｃｉｆｉｃ ｉｎｔｅｇｒａｔｅｄ ｃｉｒｃｕｉｔ）、フィールドプログラマブルゲートアレイ（ＦＰＧＡ：ｆｉｅｌｄ－ｐｒｏｇｒａｍｍａｂｌｅ ｇａｔｅ ａｒｒａｙ）又は他のプログラマブル論理デバイス、ディスクリートゲート又はトランジスタ論理デバイス、ディスクリートハードウェアコンポーネントなどであってもよい。汎用プロセッサは、マイクロプロセッサであってもよく、任意の通常のプロセッサなどであってもよい。

該メモリ１００２は、読み出し専用メモリ及びランダムアクセスメモリを含んでもよく、プロセッサ１００１及び入出力インタフェース１００３に命令及びデータを提供する。メモリ１００２の一部は、不揮発性ランダムアクセスメモリを含んでもよい。例えば、メモリ１００２は、機器タイプの情報を記憶してもよい。

具体的な実現において、該コンピュータ機器は、それに内蔵される各機能モジュールによって、該図４の各ステップで提供される実現形態を実行してもよい。具体的には、該図４の各ステップで提供される実現形態を参照すればよいが、ここではこれ以上の説明を省略する。

本願の実施例では、プロセッサと、入出力インタフェースと、メモリとを備えるコンピュータ機器が提供されており、プロセッサがメモリにおけるコンピュータ命令を取得することにより、該図４に示された方法の各ステップを実行して、乗り物に基づくデータ処理操作を行う。本願の実施例では、第１乗り物の少なくとも２つの予測オフセット、第１乗り物の第１走行状態、及び第２乗り物の第２走行状態を決定し、第１走行状態及び第２走行状態に基づいて、第２乗り物が「譲る」予測状態にある場合の各予測オフセットの第１車線変更利得を決定するとともに、第２乗り物が「譲らない」予測状態にある場合の各予測オフセットの第２車線変更利得を決定し、第２乗り物の予測譲り確率を決定し、予測譲り確率と、各予測オフセットの第１車線変更利得及び第２車線変更利得とに基づいて、各予測オフセットのターゲット車線変更利得を生成し、ターゲット車線変更利得が最大となる予測オフセットをターゲット予測オフセットとして決定することが実現され、第２乗り物は、第１乗り物が車線を変更する際に参照する乗り物であり、ターゲット予測オフセットは、第１乗り物に対して予測された側方車線変更走行距離を示すためのものである。以上のプロセスを通じて、第１乗り物（即ち、自車）に対して意思決定を行う。該決定は、第１乗り物の可能なオフセット距離（即ち、少なくとも２つの予測オフセット）を示すためのものである。各決定の利得値を取得することにより、第１乗り物に最大の利得をもたらせる決定を取得する。第１乗り物の車線変更効率を向上させるために、該決定（ターゲット予測オフセット）に基づいて、第１乗り物の走行を制御してもよい。これにより、第１乗り物は、ある程度で道の権利を持つことができ、決定に基づいて車線変更を主動的に行うことができる。

本願の実施例では、コンピュータプログラムを記憶したコンピュータ可読記憶媒体がさらに提供されている。該コンピュータプログラムにプログラム命令が含まれ、該プログラム命令は、該プロセッサによって実行されると、図４の各ステップで提供される乗り物に基づくデータ処理方法を実現させることができる。具体的には、該図４の各ステップで提供される実現形態を参照すればよいが、ここではこれ以上の説明を省略する。なお、同様の方法を用いた有益な効果についても、これ以上の説明を省略する。本願に係るコンピュータ可読記憶媒体の実施例に披露されていない技術的詳細については、本願の方法の実施例の説明を参照する。例として、プログラム命令は、１つのコンピュータ機器で実行されたり、１つの場所にある複数のコンピュータ機器で実行されたり、複数の場所に分散されて通信ネットワークを介して互いに接続される複数のコンピュータ機器で実行されたりするように配置されてもよい。

該コンピュータ可読記憶媒体は、前述したいずれか１つの実施例で提供される乗り物に基づくデータ処理装置又は該コンピュータ機器の内部記憶ユニット、例えば、コンピュータ機器のハードディスク又は内部メモリであってもよい。該コンピュータ可読記憶媒体は、該コンピュータ機器の外部記憶デバイス、例えば、該コンピュータ機器に搭載されたプラグ式ハードディスク、スマートメディアカード（ＳＭＣ：ｓｍａｒｔ ｍｅｄｉａ ｃａｒｄ）、セキュアデジタル（ＳＤ：ｓｅｃｕｒｅ ｄｉｇｉｔａｌ）カード、フラッシュカード（ｆｌａｓｈ ｃａｒｄ）などであってもよい。さらに、該コンピュータ可読記憶媒体は、該コンピュータ機器の内部記憶ユニット及び外部記憶デバイスの両方を含んでもよい。該コンピュータ可読記憶媒体は、該コンピュータプログラム、並びに、該コンピュータ機器に必要な他のプログラム及びデータを記憶するために使用される。該コンピュータ可読記憶媒体は、出力されたデータ又は出力しようとするデータを一時的に記憶するために使用されてもよい。

本願の実施例では、コンピュータ命令を含むコンピュータプログラム製品又はコンピュータプログラムがさらに提供されている。該コンピュータ命令は、コンピュータ可読記憶媒体に記憶される。コンピュータ機器のプロセッサは、コンピュータ可読記憶媒体から該コンピュータ命令を読み取り、該コンピュータ命令を実行することにより、該コンピュータ機器に、図４の各種の例示的な形態で提供される方法を実行させ、第１乗り物のターゲット予測オフセットの決定を実現し、該ターゲット予測オフセットで決定された予測オフセット軌跡に沿って走行するように第１乗り物を制御し、第１乗り物の車線変更効率を向上させる。

本願の実施例の明細書、特許請求の範囲、及び図面における「第１」、「第２」などの用語は、異なる対象を区別するためのものであり、特定の順序を記述するためのものではない。また、用語「含む」及びその任意の変形は、非排他的な包含をカバーすることを意図するものである。例えば、一連のステップ又はユニットを含む過程、方法、装置、製品、又は機器は、並べられたステップ又はモジュールに限定されず、並べられていないステップ又はモジュールを含んでもよく、あるいは、これらの過程、方法、装置、製品、又は機器に固有の他のステップ又はユニットを含んでもよい。

当業者であれば、本明細書に開示された実施例を参照して説明された各例示的なユニット及びアルゴリズムのステップが、電子ハードウェア、コンピュータソフトウェア、又は両者の組み合わせで実現できることを意識することができる。ハードウェアとソフトウェアとの互換性を明確に説明するために、該説明では、機能毎に、各例示的な構成及びステップを一般的に説明している。これらの機能がハードウェアで実行されるかソフトウェアで実行されるかは、発明の特定の応用及び設計制約条件に依存する。専門技術者は、各特定の応用について異なる方法を使用して、説明された機能を実現することができるが、このような実現は、本願の範囲を超えるものと考えられるべきではない。

本願の実施例で提供される方法及び関連装置は、本願の実施例で提供される方法のフローチャート及び／又は構成の模式図を参照して説明されている。具体的には、コンピュータプログラム命令によって、方法のフローチャート及び／又は構成の模式図の各フロー及び／又はブロック、並びに、フローチャート及び／又はブロック図におけるフロー及び／又はブロックの組み合わせを実現してもよい。これらのコンピュータプログラム命令は、１つのマシンを生成するために、汎用コンピュータ、専用コンピュータ、埋め込み式ハンドラ、又は他のプログラマブルデータ処理機器のプロセッサに提供されてもよい。これにより、コンピュータ又は他のプログラマブルデータ処理機器のプロセッサによって実行される命令は、フローチャートの１つのフロー又は複数のフロー、及び／又は、構成の模式図の１つのブロック又は複数のブロックにおいて指定される機能を実現するための装置を生成させる。これらのコンピュータプログラム命令は、コンピュータ又は他のプログラマブルデータ処理機器を特定の方式で動作させることができるコンピュータ可読メモリに記憶されてもよい。これにより、このコンピュータ可読メモリに記憶された命令は、命令装置を含む製品を生成させ、該命令装置は、フローチャートの１つのフロー又は複数のフロー、及び／又は、構成の模式図の１つのブロック又は複数のブロックにおいて指定される機能を実現する。これらのコンピュータプログラム命令は、コンピュータ又は他のプログラマブルデータ処理機器にロードされてもよい。これにより、コンピュータ又は他のプログラマブルデータ処理機器で一連の操作ステップを実行して、コンピュータで実現される処理を生成させ、コンピュータ又は他のプログラマブルデータ処理機器で実行される命令は、フローチャートの１つのフロー又は複数のフロー、及び／又は、構成の模式図の１つのブロック又は複数のブロックにおいて指定される機能を実現するためのステップを提供する。

上記で掲示されるのは、本願の好ましい実施例に過ぎず、もちろん、これで本願の権利範囲を限定するわけにはいかない。それゆえ、本願の特許請求の範囲に従った同等な変更は、依然として、本願に含まれる範囲に属する。

１０１ 乗り物
１０２ 乗り物

Claims (15)

1. 乗り物に基づくデータ処理方法であって、
   第１車線を走行する第１乗り物の少なくとも２つの予測オフセット、前記第１乗り物の第１走行状態、及び前記第１車線と異なる第２車線を走行する第２乗り物の第２走行状態を決定するステップであって、前記第２乗り物は、前記第１乗り物が車線を変更する際に参照する乗り物である、ステップと、
   前記第１走行状態及び前記第２走行状態に基づいて、前記少なくとも２つの予測オフセットの中のそれぞれの予測オフセットについて、前記第２乗り物が「譲る」予測状態にある場合の第１車線変更利得を決定するとともに、前記第２乗り物が「譲らない」予測状態にある場合の第２車線変更利得を決定するステップであって、前記第１車線変更利得および前記第２車線変更利得のそれぞれは、前記少なくとも２つの予測オフセットそれぞれに対応する少なくとも２つの利得パラメータに基づいて決定され、前記少なくとも２つの利得パラメータのそれぞれは、前記少なくとも２つの利得パラメータのそれぞれに対応する車線変更において求められる要件を満たすために予め規定された計算式に基づいて計算される、ステップと、
   前記第２乗り物の予測譲り確率を決定し、前記予測譲り確率と、前記各予測オフセットの前記第１車線変更利得及び前記第２車線変更利得とに基づいて、前記各予測オフセットのターゲット車線変更利得を生成し、ターゲット車線変更利得が最大となる予測オフセットをターゲット予測オフセットとして決定するステップであって、前記各予測オフセットの前記ターゲット車線変更利得は、前記各予測オフセットにより第１乗り物に対してもたらされる利得を示し、前記ターゲット予測オフセットは、前記第１乗り物に対して予測された車線変更走行距離の側方成分を示すためのものである、ステップと、
   を含むことを特徴とする方法。
2. 前記第１乗り物の少なくとも２つの予測オフセットを決定することは、
   前記車線の車線幅を決定するステップと、
   前記第１乗り物と、前記第１乗り物が位置する第１車線の車線境界線との間の横方向の距離を決定し、前記車線幅、及び前記横方向の距離に基づいて、前記第１乗り物の少なくとも２つの予測オフセットを決定するステップと、を含む、
   ことを特徴とする請求項１に記載の方法。
3. 前記第１乗り物が位置する第１車線を決定し、前記第１車線の中央線を座標縦軸とし、前記第１乗り物が前記座標縦軸上にマッピングされた点を座標原点とし、前記座標縦軸に対応する法線を座標横軸とし、前記座標原点、前記座標横軸、及び前記座標縦軸に基づいて、道路座標系を確立するステップをさらに含み、
   前記第１乗り物の第１走行状態、及び第２乗り物の第２走行状態を決定することは、
   前記道路座標系における前記第１乗り物の第１位置情報を決定し、前記第１位置情報に基づいて前記第１乗り物の第１走行状態を決定するステップと、
   前記道路座標系における前記第２乗り物の第２位置情報を決定し、前記第２位置情報に基づいて前記第２乗り物の第２走行状態を決定するステップと、を含む、
   ことを特徴とする請求項１乃至２のいずれか１項に記載の方法。
4. 前記第１走行状態は第１位置情報を含み、前記第２走行状態は第２位置情報を含み、
   前記第１走行状態及び前記第２走行状態に基づいて、前記第２乗り物が「譲る」予測状態にある場合の各予測オフセットの第１車線変更利得を決定するとともに、前記第２乗り物が「譲らない」予測状態にある場合の前記各予測オフセットの第２車線変更利得を決定する前記ステップは、
   前記第１位置情報に基づいて前記第１乗り物のオフセット距離を決定するステップであって、前記オフセット距離は、前記第１乗り物と、前記第１乗り物が位置する第１車線の中央線との間の距離である、ステップと、
   前記少なくとも２つの予測オフセットの中から、ｉ番目（ｉは、前記少なくとも２つの予測オフセットの数以下の正の整数である）の予測オフセットを取得し、前記ｉ番目の予測オフセットと前記オフセット距離との差に基づいて、前記第２乗り物が「譲る」予測状態にある場合の前記ｉ番目の予測オフセットの第１車線変更利得を決定するとともに、前記第２乗り物が「譲らない」予測状態にある場合の前記ｉ番目の予測オフセットの第２車線変更利得を決定するステップと、を含む、
   ことを特徴とする請求項１に記載の方法。
5. 前記第１走行状態は第１位置情報及び第１走行速度を含み、前記第２走行状態は第２位置情報及び第２走行速度を含み、
   前記第１走行状態及び前記第２走行状態に基づいて、前記第２乗り物が「譲る」予測状態にある場合の各予測オフセットの第１車線変更利得を決定するとともに、前記第２乗り物が「譲らない」予測状態にある場合の前記各予測オフセットの第２車線変更利得を決定する前記ステップは、
   前記第１位置情報における第１縦方向座標値と、前記第２位置情報における第２縦方向座標値とを取得し、前記第１縦方向座標値、前記第１走行速度、前記第２縦方向座標値、及び前記第２走行速度に基づいて、前記第１乗り物と前記第２乗り物の縦方向衝突時間を決定するステップと、
   前記第１位置情報における第１横方向座標値と、前記第２位置情報における第２横方向座標値とを取得し、ｉ番目（ｉは、前記少なくとも２つの予測オフセットの数以下の正の整数である）の予測オフセットを取得し、前記第１横方向座標値、前記第２横方向座標値、及び前記ｉ番目の予測オフセットに基づいて、前記ｉ番目の予測オフセットに対応する交通側方間隔を決定するステップであって、前記交通側方間隔は、前記第１乗り物と前記第２乗り物との間の横方向距離を示す、ステップと、
   前記縦方向衝突時間と、前記ｉ番目の予測オフセットに対応する交通側方間隔とに基づいて、前記第２乗り物が「譲る」予測状態にある場合の前記ｉ番目の予測オフセットの第１車線変更利得を決定するとともに、前記第２乗り物が「譲らない」予測状態にある場合の前記ｉ番目の予測オフセットの第２車線変更利得を決定するステップと、を含む、
   ことを特徴とする請求項１に記載の方法。
6. 前記第１走行状態は第１位置情報及び第１走行速度を含み、前記第２走行状態は第２位置情報及び第２走行速度を含み、
   前記第１走行状態及び前記第２走行状態に基づいて、前記第２乗り物が「譲る」予測状態にある場合の各予測オフセットの第１車線変更利得を決定するとともに、前記第２乗り物が「譲らない」予測状態にある場合の前記各予測オフセットの第２車線変更利得を決定するステップは、
   第３乗り物の第３位置情報を決定し、前記第２位置情報及び前記第３位置情報に基づいて、前記第２乗り物と前記第３乗り物との間の距離である誘導縦方向距離を決定するステップであって、前記第２乗り物は前記第３乗り物と同一の車線に位置し、前記第３乗り物と前記第２乗り物の走行方向は同じである、ステップと、
   前記第３乗り物の第３走行速度を決定するステップと、
   ｉ番目（ｉは、前記少なくとも２つの予測オフセットの数以下の正の整数である）の予測オフセット及び前記誘導縦方向距離に基づいて、前記第２乗り物のｉ番目の譲り距離を決定し、前記第２走行速度、前記第３走行速度、及び前記ｉ番目の譲り距離に基づいて、前記第２乗り物が「譲る」予測状態にある場合の前記ｉ番目の予測オフセットの第１車線変更利得を決定するとともに、前記第２乗り物が「譲らない」予測状態にある場合の前記ｉ番目の予測オフセットの第２車線変更利得を決定するステップであって、前記ｉ番目の譲り距離は、ｉ番目の予測オフセットでかつ前記第２乗り物が前記「譲る」予測状態にある場合、前記誘導縦方向距離と、所定の測定期間経過後の前記誘導縦方向距離との差分を指す、ステップと、を含む、
   ことを特徴とする請求項１に記載の方法。
7. 前記第１走行状態及び前記第２走行状態に基づいて、前記第２乗り物が「譲る」予測状態にある場合の各予測オフセットの第１車線変更利得を決定するとともに、前記第２乗り物が「譲らない」予測状態にある場合の前記各予測オフセットの第２車線変更利得を決定する前記ステップは、
   譲り確率モデルを取得するステップと、
   前記第１走行状態、前記第２走行状態、及びｉ番目（ｉは、前記少なくとも２つの予測オフセットの数以下の正の整数である）の予測オフセットを、前記譲り確率モデルに入力することにより、前記ｉ番目の予測オフセットに対応する前記「譲る」予測状態の確率及び前記「譲らない」予測状態の確率を取得するステップと、
   前記「譲る」予測状態の確率を、前記第２乗り物が前記「譲る」予測状態にある場合の前記ｉ番目の予測オフセットの第１車線変更利得として決定するステップと、
   前記「譲らない」予測状態の確率を、前記第２乗り物が前記「譲らない」予測状態にある場合の前記ｉ番目の予測オフセットの第２車線変更利得として決定するステップと、を含む、
   ことを特徴とする請求項１に記載の方法。
8. 前記第２乗り物の予測譲り確率を決定することは、
   過去縦方向衝突時間と、前記過去縦方向衝突時間に対応する過去衝突距離とを取得し、前記過去縦方向衝突時間及び前記過去衝突距離に基づいて、衝突時間平均値及び衝突時間標準偏差を決定するステップと、
   前記第２乗り物と前記第１乗り物の縦方向衝突時間を決定し、前記縦方向衝突時間を、前記衝突時間平均値及び前記衝突時間標準偏差から生成された第１確率密度関数にマッピングすることにより、前記第１確率密度関数に基づいて前記第２乗り物の初期譲り確率を決定するステップと、
   過去交通側方間隔を取得し、前記過去交通側方間隔に基づいて、間隔平均値及び間隔標準偏差を決定するステップと、
   前記第２乗り物と前記第１乗り物の交通側方間隔を決定し、前記交通側方間隔を、前記間隔平均値及び前記間隔標準偏差から生成された第２確率密度関数にマッピングすることにより、前記第２確率密度関数に基づいて前記第２乗り物の走行保持確率を決定するステップと、
   前記初期譲り確率及び前記走行保持確率に基づいて、前記第２乗り物の予測譲り確率を決定するステップと、を含む、
   ことを特徴とする請求項１に記載の方法。
9. 前記予測譲り確率と、前記各予測オフセットの前記第１車線変更利得及び前記第２車線変更利得とに基づいて、前記各予測オフセットのターゲット車線変更利得を生成することは、
   決定木を構築するステップであって、前記決定木における決定エッジは、前記少なくとも２つの予測オフセット、前記「譲る」予測状態、及び前記「譲らない」予測状態を含み、前記決定木における木ノードは、前記第１乗り物及び前記第２乗り物を含む、ステップと、
   前記決定木の少なくとも２つの決定層において、前記決定木のルートノードにおける前記各予測オフセットのツリー利得値が取得されるまで、階層毎に、前記予測譲り確率及び前記決定エッジに基づいて、前記各予測オフセットの前記第１車線変更利得及び前記第２車線変更利得を重み付け加算するステップと、
   前記ルートノードにおける前記各予測オフセットのツリー利得値を、前記各予測オフセットのターゲット車線変更利得として決定するステップと、を含む、
   ことを特徴とする請求項１に記載の方法。
10. 前記決定木における少なくとも２つの決定層は、決定層ｋ１及び決定層ｋ２を含み、前記決定層ｋ１は前記ルートノードを含み、前記第１走行状態は第１実際走行状態及び第１予測走行状態を含み、前記第２走行状態は第２実際走行状態及び第２予測走行状態を含み、前記第１車線変更利得は、決定層ｋ１における第１車線変更利得と、決定層ｋ２における第１車線変更利得とを含み、前記第２車線変更利得は、決定層ｋ１における第２車線変更利得と、決定層ｋ２における第２車線変更利得とを含み、
    前記第１走行状態及び前記第２走行状態に基づいて、前記第２乗り物が「譲る」予測状態にある場合の各予測オフセットの第１車線変更利得を決定するとともに、前記第２乗り物が「譲らない」予測状態にある場合の前記各予測オフセットの第２車線変更利得を決定する前記ステップは、
    前記第１実際走行状態及び前記第２実際走行状態に基づいて、前記第２乗り物が「譲る」予測状態にある場合の各予測オフセットの決定層ｋ１における前記第１車線変更利得を決定するとともに、前記第２乗り物が「譲らない」予測状態にある場合の前記各予測オフセットの決定層ｋ１における第２車線変更利得を決定するステップと、
    前記第１実際走行状態に基づいて前記第１乗り物の前記第１予測走行状態を予測し、前記第２実際走行状態に基づいて前記第２乗り物の前記第２予測走行状態を予測するステップと、
    前記第１予測走行状態及び前記第２予測走行状態に基づいて、前記第２乗り物が前記「譲る」予測状態にある場合の前記各予測オフセットの決定層ｋ２における前記第１車線変更利得を決定するとともに、前記第２乗り物が前記「譲らない」予測状態にある場合の前記各予測オフセットの決定層ｋ２における前記第２車線変更利得を決定するステップと、を含む、
    ことを特徴とする請求項９に記載の方法。
11. 前記予測譲り確率は、決定層ｋ１における予測譲り確率と、決定層ｋ２における予測譲り確率とを含み、
    前記決定木の少なくとも２つの決定層において、前記決定木のルートノードにおける前記各予測オフセットのツリー利得値が取得されるまで、階層毎に、前記予測譲り確率及び前記決定エッジに基づいて、前記各予測オフセットの前記第１車線変更利得及び前記第２車線変更利得を重み付け加算する前記ステップは、
    決定層ｋ２における前記予測譲り確率に基づいて、前記各予測オフセットの決定層ｋ２における前記第１車線変更利得及び前記第２車線変更利得を重み付け加算することにより、前記各予測オフセットの前記決定層ｋ２におけるツリー利得値を取得するステップと、
    前記各予測オフセットの前記決定層ｋ２におけるツリー利得値のうちの最大のツリー利得値を、前記決定層ｋ２のパラメータ値として決定するステップと、
    前記決定層ｋ１における予測譲り確率に基づいて、前記決定層ｋ２のパラメータ値、前記各予測オフセットの決定層ｋ１における前記第１車線変更利得及び前記第２車線変更利得を重み付け加算することにより、前記各予測オフセットの前記決定層ｋ１におけるツリー利得値を取得するステップであって、前記各予測オフセットの前記決定層ｋ１におけるツリー利得値は、前記決定木のルートノードにおける前記各予測オフセットのツリー利得値である、ステップと、を含む、
    ことを特徴とする請求項１０に記載の方法。
12. 前記ターゲット予測オフセットと、前記第２乗り物が位置する第２車線とに基づいて、予測オフセット軌跡を決定するステップであって、前記第１車線及び／又は前記第２車線における、前記予測オフセット軌跡に対応する走行距離の側方成分は、前記ターゲット予測オフセットである、ステップと、
    前記予測オフセット軌跡に沿って走行するように前記第１乗り物を制御するステップと、
    をさらに含むことを特徴とする請求項１に記載の方法。
13. 乗り物に基づくデータ処理装置であって、
    第１車線を走行する第１乗り物の少なくとも２つの予測オフセット、前記第１乗り物の第１走行状態、及び前記第１車線と異なる第２車線を走行する第２乗り物の第２走行状態を決定する状態取得モジュールであって、前記第２乗り物は、前記第１乗り物が車線を変更する際に参照する乗り物である、状態取得モジュールと、
    前記第１走行状態及び前記第２走行状態に基づいて、前記少なくとも２つの予測オフセットの中のそれぞれの予測オフセットについて、前記第２乗り物が「譲る」予測状態にある場合の第１車線変更利得を決定するとともに、前記第２乗り物が「譲らない」予測状態にある場合の第２車線変更利得を決定する利得取得モジュールであって、前記第１車線変更利得および前記第２車線変更利得のそれぞれは、前記少なくとも２つの予測オフセットそれぞれに対応する少なくとも２つの利得パラメータに基づいて決定され、前記少なくとも２つの利得パラメータのそれぞれは、前記少なくとも２つの利得パラメータのそれぞれに対応する車線変更において求められる要件を満たすために予め規定された計算式に基づいて計算される、利得取得モジュールと、
    前記第２乗り物の予測譲り確率を決定し、前記予測譲り確率と、前記各予測オフセットの前記第１車線変更利得及び前記第２車線変更利得とに基づいて、前記各予測オフセットのターゲット車線変更利得を生成し、ターゲット車線変更利得が最大となる予測オフセットをターゲット予測オフセットとして決定するオフセット選択モジュールであって、前記各予測オフセットの前記ターゲット車線変更利得は、前記各予測オフセットにより第１乗り物に対してもたらされる利得を示し、前記ターゲット予測オフセットは、前記第１乗り物に対して予測された車線変更走行距離の側方成分を示すためのものである、オフセット選択モジュールと、
    を含むことを特徴とする装置。
14. コンピュータ機器であって、プロセッサと、メモリと、入出力インタフェースと、を備え、前記プロセッサは、前記メモリ及び前記入出力インタフェースにそれぞれ接続され、前記入出力インタフェースは、データを受信して、データを出力し、前記メモリは、コンピュータプログラムを記憶し、前記プロセッサは、前記コンピュータプログラムを呼び出すことにより、請求項１乃至１２のいずれか１項に記載の方法を実行する、
    ことを特徴とするコンピュータ機器。
15. 請求項１乃至１２のいずれか１項に記載の方法をコンピュータに実行させることを特徴とするコンピュータプログラム。

Images