JP7788979B2 - 推定装置、推定方法、およびプログラム - Google Patents

Description

本発明は、推定装置、推定方法、およびプログラムに関する。

従来、移動体が走行車線から隣接車線に車線変更する際に、当該移動体の走行を制御する技術が知られている。例えば、特許文献１には、車両の操作に関連する受動的に収集されたデータに基づいて学習された制御ポリシーに従って、当該車両を第２の車両と第３の車両との間に合流させる技術が記載されている。

特開２０１９－３１２６８号公報

特許文献１に記載の技術は、車両の操作に関連する受動的に収集されたデータに対して、受動的ａｃｔｏｒ－ｃｒｉｔｉｃ強化学習方法を適用することによって、制御ポリシーを学習するものである。しかしながら、従来技術では、移動体が合流する対象となる他移動体のデータが有効に活用されていない場合があった。その結果、移動体の合流時における他移動体の挙動が高精度に推定できない場合があった。

本発明は、このような事情を考慮してなされたものであり、移動体が合流する対象となる他移動体のデータが有効に活用することによって、移動体の合流時における他移動体の挙動を高精度に推定することができる、推定装置、推定方法、およびプログラムを提供することを目的の一つとする。

この発明に係る推定装置、推定方法、およびプログラムは、以下の構成を採用した。
（１）：この発明の一態様に係る推定装置は、移動体に対する他移動体の行動を推定する推定装置であって、前記他移動体が所定行動を行った第１場面における前記移動体と前記他移動体との関係を表す時系列の第１パラメータを学習データ、前記第１場面における前記他移動体の状態を表す第２パラメータを正解データとし、前記第１パラメータが入力されると前記第２パラメータの分布情報を出力するように学習された第１学習済みモデルと、前記他移動体が前記所定行動を行なわなかった第２場面における前記第１パラメータを学習データ、前記第２場面における前記第２パラメータを正解データとし、前記第１パラメータが入力されると前記第２パラメータの分布情報を出力するように学習された第２学習済みモデルとに、前記第１パラメータである実パラメータを入力することによって、前記第２パラメータである予測パラメータを取得する取得部と、前記予測パラメータと、前記予測パラメータの対象時点における実パラメータとを比較することによって、前記他移動体が前記所定行動を行うか否かを推定する推定部と、を備えるものである。

（２）：上記（１）の態様において、前記第１パラメータは、前記他移動体と前記移動体との相対速度、前記他移動体と前記移動体との相対位置、および前記移動体の速度を少なくとも含むものである。

（３）：上記（１）の態様において、前記第１学習済みモデルから出力される前記第２パラメータの分布情報は、前記他移動体が前記所定行動を行った場合に予測される前記他移動体と前記移動体との相対速度および相対位置に関する第１分布情報であり、前記第２学習済みモデルから出力される前記第２パラメータの分布情報は、前記他移動体が前記所定行動を行わなかった場合に予測される前記他移動体と前記移動体との相対速度および相対位置に関する第２分布情報であるものである。

（４）：上記（３）の態様において、前記推定部は、前記他移動体が前記所定行動を行うか否かを確率値として繰り返し推定するものであり、前記推定部は、前記推定を行った前回時点における前記確率値と、前記推定を行う今回時点における前記第１分布情報と、前記推定を行う今回時点における前記第２分布情報と、に基づいて、前記今回時点における前記確率値を推定するものである。

（５）：上記（４）の態様において、前記推定部は、前記繰り返し推定における初回時点における前記確率値を、前記移動体と前記他移動体との関係を表すパラメータが入力されると、前記他移動体が前記所定行動を行うか否かを確率値として出力するように学習された第３学習済みモデルを用いて、推定するものである。

（６）：上記（４）の態様において、前記推定装置は、前記確率値に基づいて、前記移動体の運転を支援する運転支援部を更に備えるものである。

（７）：上記（１）から（６）の態様において、前記所定行動は、前記移動体が走行車線から隣接車線に車線変更する際に、前記隣接車線を走行する前記他移動体が、前記移動体による先行を許可することを示す行動であるものである。

（８）：この発明の別の態様に係る推定方法は、移動体に対する他移動体の行動を推定するコンピュータによって実行される推定方法であって、前記コンピュータが、前記他移動体が所定行動を行った第１場面における前記移動体と前記他移動体との関係を表す時系列の第１パラメータを学習データ、前記第１場面における前記他移動体の状態を表す第２パラメータを正解データとし、前記第１パラメータが入力されると前記第２パラメータの分布情報を出力するように学習された第１学習済みモデルと、前記他移動体が前記所定行動を行なわなかった第２場面における前記第１パラメータを学習データ、前記第２場面における前記第２パラメータを正解データとし、前記第１パラメータが入力されると前記第２パラメータの分布情報を出力するように学習された第２学習済みモデルとに、前記第１パラメータである実パラメータを入力することによって、前記第２パラメータである予測パラメータを取得し、前記予測パラメータと、前記予測パラメータの対象時点における実パラメータとを比較することによって、前記他移動体が前記所定行動を行うか否かを推定するものである。

（９）：この発明の別の態様に係るプログラムは、移動体に対する他移動体の行動を推定するコンピュータによって実行されるプログラムであって、前記コンピュータに、前記他移動体が所定行動を行った第１場面における前記移動体と前記他移動体との関係を表す時系列の第１パラメータを学習データ、前記第１場面における前記他移動体の状態を表す第２パラメータを正解データとし、前記第１パラメータが入力されると前記第２パラメータの分布情報を出力するように学習された第１学習済みモデルと、前記他移動体が前記所定行動を行なわなかった第２場面における前記第１パラメータを学習データ、前記第２場面における前記第２パラメータを正解データとし、前記第１パラメータが入力されると前記第２パラメータの分布情報を出力するように学習された第２学習済みモデルとに、前記第１パラメータである実パラメータを入力することによって、前記第２パラメータである予測パラメータを取得させ、前記予測パラメータと、前記予測パラメータの対象時点における実パラメータとを比較することによって、前記他移動体が前記所定行動を行うか否かを推定させるものである。

（１）～（９）の態様によれば、移動体が合流する対象となる他移動体のデータが有効に活用することによって、移動体の合流時における他移動体の挙動を高精度に推定することができる。

実施形態の運転支援装置１００が搭載される車両Ｍの構成図である。 合流認識部１１０によって認識される合流車線の一例を示す図である。 第１学習済みモデル１５２および第２学習済みモデル１５４を生成するために用いる学習データと正解データの構成の一例を示す図である。 学習によって生成された第１学習済みモデル１５２と第２学習済みモデル１５４による入出力の構成の一例を示す図である。 パラメータ取得部１２０によって取得される予測パラメータの分布情報の一例を示す図である。 本実施形態に係る推定装置によって実行される処理の流れの一例を示すフローチャートである。

以下、図面を参照し、本発明の推定装置、推定方法、およびプログラムの実施形態について説明する。本実施形態に係る推定装置は、他車両が所定行動を行ったことを前提として収集された学習データに基づいて生成された第１学習済みモデルと、他車両が所定行動を行わなかったことを前提として収集された学習データに基づいて生成された第２学習済みモデルとによって出力された他車両の状態の予測分布と、他車両の実パラメータとを比較することによって、当該他車両が所定行動を行うか否かを推定するものである。以下、一例として、車両の合流時に、被合流車線を走行する他車両が所定行動として道を譲るか否かを推定するために本実施形態に係る推定装置が適用されるものとして説明する。

［全体構成］
図１は、実施形態の運転支援装置１００が搭載される車両Ｍの構成図である。車両Ｍは、例えば、二輪や三輪、四輪等の車両であり、その駆動源は、ディーゼルエンジンやガソリンエンジンなどの内燃機関、電動機、或いはこれらの組み合わせである。電動機は、内燃機関に連結された発電機による発電電力、或いは二次電池や燃料電池の放電電力を使用して動作する。車両Ｍは、「移動体」の一例である。

車両Ｍには、例えば、カメラ１０と、レーダ装置１２と、ＬＩＤＡＲ（Light Detection and Ranging）１４と、物体認識装置１６と、ＨＭＩ（Human Machine Interface）３０と、車両センサ４０と、ナビゲーション装置５０と、ドライバモニタカメラ６０と、運転操作子７０と、運転支援装置１００と、走行駆動力出力装置２００と、ブレーキ装置２１０と、ステアリング装置２２０とが搭載される。これらの装置や機器は、ＣＡＮ（Controller Area Network）通信線等の多重通信線やシリアル通信線、無線通信網等によって互いに接続される。なお、図１に示す構成はあくまで一例であり、構成の一部が省略されてもよいし、更に別の構成が追加されてもよい。

カメラ１０は、例えば、ＣＣＤ（Charge Coupled Device）やＣＭＯＳ（Complementary Metal Oxide Semiconductor）等の固体撮像素子を利用したデジタルカメラである。カメラ１０は、車両システム１が搭載される車両（以下、自車両Ｍ）の任意の箇所に取り付けられる。前方を撮像する場合、カメラ１０は、フロントウインドシールド上部やルームミラー裏面等に取り付けられる。カメラ１０は、例えば、周期的に繰り返し自車両Ｍの周辺を撮像する。カメラ１０は、ステレオカメラであってもよい。

レーダ装置１２は、自車両Ｍの周辺にミリ波などの電波を放射すると共に、物体によって反射された電波（反射波）を検出して少なくとも物体の位置（距離および方位）を検出する。レーダ装置１２は、自車両Ｍの任意の箇所に取り付けられる。レーダ装置１２は、ＦＭ－ＣＷ（Frequency Modulated Continuous Wave）方式によって物体の位置および速度を検出してもよい。

ＬＩＤＡＲ１４は、自車両Ｍの周辺に光（或いは光に近い波長の電磁波）を照射し、散乱光を測定する。ＬＩＤＡＲ１４は、発光から受光までの時間に基づいて、対象までの距離を検出する。照射される光は、例えば、パルス状のレーザー光である。ＬＩＤＡＲ１４は、自車両Ｍの任意の箇所に取り付けられる。

物体認識装置１６は、カメラ１０、レーダ装置１２、およびＬＩＤＡＲ１４のうち一部または全部による検出結果に対してセンサフュージョン処理を行って、物体の位置、種類、速度などを認識する。物体認識装置１６は、認識結果を運転支援装置１００に出力する。物体認識装置１６は、カメラ１０、レーダ装置１２、およびＬＩＤＡＲ１４の検出結果をそのまま運転支援装置１００に出力してよい。車両システム１から物体認識装置１６が省略されてもよい。

ＨＭＩ３０は、自車両Ｍの乗員に対して各種情報を提示すると共に、乗員による入力操作を受け付ける。ＨＭＩ３０は、各種表示装置、スピーカ、ブザー、振動発生装置（バイブレータ）、タッチパネル、スイッチ、キーなどを含む。

車両センサ４０は、自車両Ｍの速度を検出する車速センサ、加速度を検出する加速度センサ、鉛直軸回りの角速度を検出するヨーレートセンサ、自車両Ｍの向きを検出する方位センサ等を含む。

ナビゲーション装置５０は、例えば、ＧＮＳＳ（Global Navigation Satellite System）受信機や案内制御部、地図情報を記憶した記憶部等を有する。ＧＮＳＳ受信機は、ＧＮＳＳ衛星から受信した信号に基づいて、自車両Ｍの位置を特定する。自車両Ｍの位置は、車両センサ４０の出力を利用したＩＮＳ（Inertial Navigation System）によって特定または補完されてもよい。案内制御部は、例えば、ＧＮＳＳ受信機により特定された自車両Ｍの位置（或いは入力された任意の位置）から、乗員により入力された目的地までの経路を、地図情報を参照して決定し、自車両Ｍが経路に沿って走行するようにＨＭＩ３０に案内情報を出力させる。地図情報は、例えば、道路を示すリンクと、リンクによって接続されたノードとによって道路形状が表現された情報である。地図情報は、道路の曲率やＰＯＩ（Point Of Interest）情報などを含んでもよい。ナビゲーション装置５０は、通信装置を介してナビゲーションサーバに自車両Ｍの現在位置と目的地を送信し、ナビゲーションサーバから経路を取得してもよい。

ドライバモニタカメラ６０は、例えば、ＣＣＤやＣＭＯＳ等の固体撮像素子を利用したデジタルカメラである。ドライバモニタカメラ６０は、自車両Ｍの運転席に着座した乗員の頭部を正面から撮像可能な位置および向きで、自車両Ｍにおける任意の箇所に取り付けられる。ドライバモニタカメラ６０は、配置された位置から自車両Ｍの運転者を含む車室内を撮影した画像を、運転支援装置１００に出力する。

運転操作子７０は、例えば、アクセルペダル、ブレーキペダル、ステアリングホイール、シフトレバー、その他の操作子を含む。運転操作子７０には、操作量あるいは操作の有無を検出するセンサが取り付けられており、その検出結果は、走行駆動力出力装置２００、ブレーキ装置２１０、およびステアリング装置２２０のうち一部または全部に出力される。

走行駆動力出力装置２００は、車両が走行するための走行駆動力（トルク）を駆動輪に出力する。走行駆動力出力装置２００は、例えば、内燃機関、電動機、および変速機などの組み合わせと、これらを制御するＥＣＵ（Electronic Control Unit）とを備える。ＥＣＵは、運転支援装置１００から入力される情報、或いは運転操作子７０から入力される情報に従って、上記の構成を制御する。

ブレーキ装置２１０は、例えば、ブレーキキャリパーと、ブレーキキャリパーに油圧を伝達するシリンダと、シリンダに油圧を発生させる電動モータと、ＥＣＵとを備える。ＥＣＵは、運転支援装置１００から入力される情報、或いは運転操作子７０から入力される情報に従って電動モータを制御し、制動操作に応じたブレーキトルクが各車輪に出力されるようにする。ブレーキ装置２１０は、運転操作子７０に含まれるブレーキペダルの操作によって発生させた油圧を、マスターシリンダを介してシリンダに伝達する機構をバックアップとして備えてよい。なお、ブレーキ装置２１０は、上記説明した構成に限らず、運転支援装置１００から入力される情報に従ってアクチュエータを制御して、マスターシリンダの油圧をシリンダに伝達する電子制御式油圧ブレーキ装置であってもよい。

ステアリング装置２２０は、例えば、ステアリングＥＣＵと、電動モータとを備える。電動モータは、例えば、ラックアンドピニオン機構に力を作用させて転舵輪の向きを変更する。ステアリングＥＣＵは、運転支援装置１００から入力される情報、或いは運転操作子７０から入力される情報に従って、電動モータを駆動し、転舵輪の向きを変更させる。

［運転支援装置］
運転支援装置１００は、例えば、合流認識部１１０と、パラメータ取得部１２０と、合流推定部１３０と、運転支援部１４０と、記憶部１５０と、を備える。合流認識部１１０と、パラメータ取得部１２０と、合流推定部１３０と、運転支援部１４０は、例えば、ＣＰＵ（Central Processing Unit）などのハードウェアプロセッサがプログラム（ソフトウェア）を実行することにより実現される。また、これらの構成要素のうち一部または全部は、ＬＳＩ（Large Scale Integration）やＡＳＩＣ（Application Specific Integrated Circuit）、ＦＰＧＡ（Field-Programmable Gate Array）、ＧＰＵ（Graphics Processing Unit）などのハードウェア（回路部；circuitryを含む）によって実現されてもよいし、ソフトウェアとハードウェアの協働によって実現されてもよい。プログラムは、予め運転支援装置１００のＨＤＤやフラッシュメモリなどの記憶装置（非一過性の記憶媒体を備える記憶装置）に格納されていてもよいし、ＤＶＤやＣＤ－ＲＯＭなどの着脱可能な記憶媒体に格納されており、記憶媒体（非一過性の記憶媒体）がドライブ装置に装着されることで運転支援装置１００のＨＤＤやフラッシュメモリにインストールされてもよい。

記憶部１５０は、例えば、ＲＯＭ（Read Only Memory）、フラッシュメモリ、ＳＤカード、ＲＡＭ（Random Access Memory）、ＨＤＤ（Hard Disk Drive）、レジスタ等によって実現される。記憶部１５０は、例えば、第１学習済みモデル１５２と、第２学習済みモデル１５４と、第３学習済みモデル１５６と、を記憶する。少なくともパラメータ取得部１２０と、合流推定部１３０と、記憶部１５０に記憶される第１学習済みモデル１５２および第２学習済みモデル１５４とを含む装置は、「推定装置」の一例である。また、本実施形態において、第１学習済みモデル１５２と、第２学習済みモデル１５４と、第３学習済みモデル１５６は、記憶部１５０に記憶され、運転支援装置１００の機能部によって利用されるものとするが、代替的に、これらの学習済みモデルの一部又は全ては、例えば、運転支援装置１００の外部のクラウド上に記憶され、ネットワークを介して、運転支援装置１００によって利用されるものであってもよい。

合流認識部１１０は、自車両Ｍの走行車線が、隣接車線への車線変更が必要とされる合流車線であることを認識する。図２は、合流認識部１１０によって認識される合流車線の一例を示す図である。図２は、自車両Ｍの走行車線Ｌ１が、隣接車線Ｌ２への車線変更が必要とされる合流車線であることを表している。例えば、合流認識部１１０は、カメラ１０によって認識された道路区画線情報に基づいて、自車両Ｍの走行車線の幅員が進行方向に関してゼロまで減少し、かつ隣接車線への車線変更が可能であることを認識した場合に、自車両Ｍの走行車線が合流車線であることを認識することができる。また、例えば、合流認識部１１０は、ナビゲーション装置５０を用いて、ＧＮＳＳ受信機により特定された自車両Ｍの現在位置と地図情報とを照合することによって、自車両Ｍの走行車線が合流車線であることを認識することができる。

合流認識部１１０は、自車両Ｍの走行車線が合流車線であることを認識すると、次に、自車両Ｍが合流する対象となる隣接車線（すなわち、被合流車線）に他車両が存在するか否かを判定する。より具体的には、例えば、合流認識部１１０は、物体認識装置１６によって認識された情報に基づいて、自車両Ｍの重心Ｃを基準として、隣接車線の延在方向に関して所定距離ｄ以内（すなわち、所定範囲内）に他車両が存在するか否かを判定する。所定距離ｄ以内に他車両が存在しないと判定された場合、運転支援部１４０は、例えば、ＨＭＩ３０に、自車両Ｍが走行車線から隣接車線への車線変更を行うことを推奨する推奨情報を表示させる。一方、所定距離ｄ以内に他車両が存在すると判定された場合、合流認識部１１０は、当該他車両を、以下で説明するパラメータ取得部１２０と合流推定部１３０によって処理が実行される処理対象であると認識する。図２に示す場面の場合、合流認識部１１０は、他車両Ｍ１を、パラメータ取得部１２０と合流推定部１３０によって処理が実行される処理対象であると認識する。

パラメータ取得部１２０は、合流認識部１１０によって処理対象として認識された他車両について、自車両Ｍと他車両との関係を表す第１パラメータを時系列に（所定の制御サイクルで）取得する。第１パラメータは、例えば、他車両と自車両Ｍとの相対速度、他車両と自車両Ｍとの相対位置、および自車両Ｍの速度を少なくとも含む。例えば、パラメータ取得部１２０は、カメラ１０によって時系列に撮像された他車両の画像に基づいて、他車両と自車両Ｍとの相対速度および相対位置を算出することができる。また、例えば、パラメータ取得部１２０は、車両センサ４０から、自車両Ｍの速度を取得することができる。図２に示す場面の場合、合流認識部１１０は、他車両Ｍ１について、他車両Ｍ１と自車両Ｍとの相対速度、他車両Ｍ１と自車両Ｍとの相対位置、および自車両Ｍの速度を取得する。以下、他車両と自車両Ｍとの相対速度および他車両と自車両Ｍとの相対位置を、それぞれ「他車両の相対速度」および「他車両の相対位置」と称する場合がある。

パラメータ取得部１２０は、合流認識部１１０によって処理対象として認識された他車両について第１パラメータを取得すると、取得した第１パラメータを第１学習済みモデル１５２および第２学習済みモデル１５４に入力することによって、当該他車両の状態を表す第２パラメータの分布情報を取得する。ここで、他車両の状態を表す第２パラメータとは、例えば、上記制御サイクルの次ステップにおける他車両の相対速度および相対位置を表す。以下、第１学習済みモデル１５２および第２学習済みモデル１５４の詳細について説明する。

図３は、第１学習済みモデル１５２および第２学習済みモデル１５４を生成するために用いる学習データと正解データの構成の一例を示す図である。図３に示すテーブルにおいて、入力は学習データに対応し、出力は正解データに対応する。符号ｓは、他車両の状態を表す。より具体的には、入力される学習データの状態ｓは、他車両の相対速度および相対位置、並びに自車両Ｍの速度を表し、出力される正解データの状態ｓは、他車両の相対速度および相対位置を表す。符号ｔは、制御サイクルにおける時点を表す。例えば、図３に示すテーブルのｔ＝５のレコードは、制御サイクルにおける時点０から４までの他車両の状態ｓ_０からｓ_４を表すデータに対して、制御サイクルにおける時点５の他車両の状態ｓ_５を表すデータが対応付けられていることを表す。

上記のデータ構成に基づいて、第１学習済みモデル１５２を生成するために用いる学習データと正解データは、自車両Ｍが走行車線から隣接車線に車線変更する際に、当該隣接車線を走行する他車両が、自車両Ｍによる先行を許可することを示す行動（すなわち、道を譲る行動）を意図的に行ったことを前提として、収集されるデータである。例えば、図２に示す場面において、他車両Ｍ１を運転する被験者は、自車両Ｍによる隣接車線への接近に応じて、意図的に道を譲る行動を行い、意図的に道を譲る行動を行った際に取得された他車両の状態データが、学習データおよび正解データとして記憶される。ここで、意図的に道を譲る行動とは、例えば、自車両Ｍによる隣接車線への接近に応じて、被験者が他車両Ｍ１を減速させて、先行車両Ｍ２との間にスペースを空ける行動を意味する。道を譲る行動は、「所定行動」の一例である。

一方、第２学習済みモデル１５４を生成するために用いる学習データと正解データは、自車両Ｍが走行車線から隣接車線に車線変更する際に、当該隣接車線を走行する他車両が、自車両Ｍによる先行を許可しないことを示す行動（すなわち、道を譲らない行動）を行ったことを前提として、収集されるデータである。例えば、図２に示す場面において、他車両Ｍ１を運転する被験者は、自車両Ｍによる隣接車線への接近に応じて、意図的に道を譲らない行動を行い、意図的に道を譲らない行動を行った際に取得された他車両の状態データが、学習データおよび正解データとして記憶される。ここで、意図的に道を譲らない行動とは、例えば、自車両Ｍによる隣接車線への接近に応じて、被験者が他車両Ｍ１を加速させて（又は減速させることなく）、先行車両Ｍ２との間のスペースを詰める行動を意味する。

このように、第１学習済みモデル１５２は、被験者が意図的に道を譲る行動を行うことによって取得された他車両の状態データを記憶した学習データと正解データに基づいて生成されるものであり、第２学習済みモデル１５４は、被験者が意図的に道を譲らない行動を行うことによって取得された他車両の状態データを記憶した学習データと正解データに基づいて生成されるものである。これらの学習データと正解データを用いて、例えば、時系列を考慮するＲＮＮ（Recurrent Neural Network）の一種であるＬＳＴＭ（Long Short Term Memory）などの手法を用いて、学習を行い、第１学習済みモデル１５２と第２学習済みモデル１５４とを生成する。

図４は、学習によって生成された第１学習済みモデル１５２と第２学習済みモデル１５４による入出力の構成の一例を示す図である。図４に示す通り、第１学習済みモデル１５２と第２学習済みモデル１５４は、制御サイクルにおける今回ステップの他車両の相対速度および相対位置、並びに自車両Ｍの速度の入力に応じて、次ステップの他車両の相対速度および相対位置に関する予測分布を出力するものである。より具体的には、本実施形態において、次ステップにおける他車両の相対速度および相対位置は正規分布に従うものと仮定し、第１学習済みモデル１５２と第２学習済みモデル１５４は、次ステップにおける他車両の相対速度および相対位置を表す正規分布の期待値および分散を出力するように学習される。

換言すると、第１学習済みモデル１５２は、仮に他車両が自車両Ｍに対して道を譲るのであれば、次ステップにおいて、どのような相対速度および相対位置を当該他車両が取っている確率が高いかを示す分布情報である。一方、第２学習済みモデル１５４は、仮に他車両が自車両Ｍに対して道を譲らないのであれば、次ステップにおいて、どのような相対速度および相対位置を当該他車両が取っている確率が高いかを示す分布情報である。第１学習済みモデル１５２と第２学習済みモデル１５４とに入力される、制御サイクルにおける今回ステップの他車両の相対速度および相対位置、並びに自車両Ｍの速度は「実パラメータ」の一例であり、第１学習済みモデル１５２と第２学習済みモデル１５４とから出力される、次ステップにおける他車両の相対速度および相対位置を表す正規分布の期待値および分散は、「予測パラメータ」の一例である。

図５は、パラメータ取得部１２０によって取得される予測パラメータの分布情報の一例を示す図である。図５は、一例として、予測パラメータのうち、相対位置に関する分布情報を第１学習済みモデル１５２と第２学習済みモデル１５４がそれぞれ正規分布として出力した例を表している。このとき出力される正規分布の期待値は、他車両による移動先の期待値を表すものであり、分散は、他車両による移動に関する個人差とセンサ誤差（すなわち、カメラ１０の誤差および車両センサ４０の誤差を含む）を表すものである。合流推定部１３０は、パラメータ取得部１２０によって取得された予測パラメータと、予測パラメータの対象 時点において計測された実パラメータ（すなわち、次ステップにおいて計測された実パラメータ）とを比較することによって、他車両が道を譲るか否かを推定する。以下、合流推定部１３０によって実行される推定処理について詳細に説明する。

まず、合流推定部１３０は、合流認識部１１０によって処理対象として認識された他車両が道を譲るか否かについて、第３学習済みモデル１５６を用いて、初期時点における確率（すなわち、初期確率）を推定する。第３学習済みモデル１５６は、自車両Ｍと他車両との関係を表す第１パラメータが入力されると、当該他車両が道を譲るか否かを確率値として出力するように学習された学習済みモデルである。第３学習済みモデル１５６を生成するために用いる学習データは、所定時点における（すなわち、非時系列の）第１パラメータのデータであり、正解データは、当該所定時点における第１パラメータの状態を前提として、他車両が道を譲ったか否かを示す情報（例えば、譲った場合には１、譲らなかった場合には０）である。第３学習済みモデル１５６を生成するために用いる学習データと正解データは、第１学習済みモデル１５２および第２学習済みモデル１５４とは異なり、被験者が自身の判断に基づいて道を譲る／譲らないように他車両を運転することによって、収集されたデータであるものとする。以下、Ｐ（譲り＝１｜ｓ_０）は、初期時点０の第１パラメータｓ_０の入力に応じて第３学習済みモデル１５６によって出力された、他車両が道を譲る初期確率を表し、Ｐ（譲り＝０｜ｓ_０）は、初期時点０の第１パラメータｓ_０の入力に応じて第３学習済みモデル１５６によって出力された、他車両が道を譲らない初期確率を表す。

このとき、第３学習済みモデル１５６によって出力された初期確率が閾値（例えば、０．８）以上である場合、合流推定部１３０が第１学習済みモデル１５２および第２学習済みモデル１５４を用いた処理を実行することなく、運転支援部１４０は、例えば、ＨＭＩ３０に、自車両Ｍが走行車線から隣接車線への車線変更を行うことを推奨する推奨情報を表示させてもよい。また、例えば、第３学習済みモデル１５６によって出力された初期確率が他の閾値（例えば、０．２）未満である場合、合流推定部１３０が第１学習済みモデル１５２および第２学習済みモデル１５４を用いた処理を実行することなく、運転支援部１４０は、例えば、ＨＭＩ３０に、自車両Ｍが走行車線から隣接車線への車線変更を行わないことを推奨する推奨情報を表示させてもよい。

次に、合流推定部１３０は、他車両について初期確率を算出すると、以下の手順に従って、ベイズ推定により、当該他車両が道を譲る確率を時系列に（すなわち、時点ｋ（ｋ＝１、２、・・・）について）更新する。より具体的には、合流推定部１３０は、時点０における第１パラメータｓ_０を第１学習済みモデル１５２と第２学習済みモデル１５４に入力し、時点１における予測分布ｐ（ｓ_１｜譲り＝１、ｓ_０）およびｐ（ｓ_１｜譲り＝０、ｓ_０）を取得する。合流推定部１３０は、次に、取得した予測分布ｐ（ｓ_１｜譲り＝１、ｓ_０）およびｐ（ｓ_１｜譲り＝０、ｓ_０）に対して、時点１において計測された実パラメータ（すなわち、他車両の相対位置および相対速度）を代入することによって、実際の確率値を取得する。図５は、時点１における他車両Ｍ１の相対位置を代入することによって得られた確率値を表し、図５の場合、一例として、ｐ（ｓ_１｜譲り＝１、ｓ_０）＞ｐ（ｓ_１｜譲り＝０、ｓ_０）が成立している状況を表している。このように、上述した予測パラメータと実パラメータとの「比較」とは、次ステップにおいて実際に計測された実パラメータを、予測パラメータによって定義される予測分布に代入することによって、確率値を取得することを意味する。

次に、合流推定部１３０は、他車両が道を譲る前回の確率値Ｐ（譲り＝１｜ｓ_０）に、他車両が道を譲る今回ステップの確率値ｐ（ｓ_１｜譲り＝１、ｓ_０）を乗算することによって、α＝ｐ（ｓ_１｜譲り＝１、ｓ_０）Ｐ（譲り＝１｜ｓ_０）として算出し、他車両が道を譲らない前回の確率値Ｐ（譲り＝０｜ｓ_０）に、他車両が道を譲らない今回ステップの確率値ｐ（ｓ_１｜譲り＝０、ｓ_０）を乗算することによって、β＝ｐ（ｓ_１｜譲り＝１、ｓ_０）Ｐ（譲り＝０｜ｓ_０）を算出する。αおよびβの値は、前回の確率値が考慮された今回ステップの確率値を意味する。次に、合流推定部１３０は、αおよびβの値を確率値として正規化し、時点０の状態ｓ_０が考慮された時点１における確率値Ｐ（譲り＝１｜ｓ_０：１）＝α／（α＋β）およびＰ（譲り＝０｜ｓ_０：１）＝β／（α＋β）を得る。合流推定部１３０は、得られた確率値Ｐ（譲り＝１｜ｓ_０：１）およびＰ（譲り＝０｜ｓ_０：１）を、時点２の確率値を推定する上での前回値として用いる。

以上の通り説明した確率値の計算処理を一般化すると、合流推定部１３０は、時点０からｔ－１までの状態ｓ_{０：ｔ－１}が考慮された、他車両が道を譲る前回の確率値Ｐ（譲り＝１｜ｓ_{０：ｔ－１}）および他車両が道を譲らない前回の確率値Ｐ（譲り＝０｜ｓ_{０：ｔ－１}）と、時点ｔ－１の状態ｓ_ｔ－１に基づいて、仮に他車両が道を譲るのであれば、時点ｔにおいて、どのような相対速度および相対位置を当該他車両が取っているか表す予測分布ｐ（ｓ_ｔ｜譲り＝１、ｓ_ｔ－１）を算出するとともに、仮に他車両が道を譲らないのであれば、時点ｔにおいて、どのような相対速度および相対位置を当該他車両が取っているか表す予測分布ｐ（ｓ_ｔ｜譲り＝０、ｓ_ｔ－１）を算出する。次に、合流推定部１３０は、α＝ｐ（ｓ_ｔ｜譲り＝１、ｓ_ｔ－１）Ｐ（譲り＝１｜ｓ_{０：ｔ－１}）およびβ＝ｐ（ｓ_ｔ｜譲り＝１、ｓ_ｔ－１）Ｐ（譲り＝１｜ｓ_{０：ｔ－１}）を算出し、αおよびβの値を正規化することによって、他車両が道を譲る今回ステップの確率値Ｐ（譲り＝１｜ｓ_０：ｔ）＝α／（α＋β）および他車両が道を譲らない今回ステップの確率値Ｐ（譲り＝０｜ｓ_０：ｔ）＝β／（α＋β）を算出する。これにより、他車両の時系列状態を考慮して、当該他車両が道を譲るか譲らないかを正確に推定することができる。

運転支援部１４０は、合流推定部１３０によって時系列に更新される、他車両が道を譲る今回ステップの確率値Ｐ（譲り＝１｜ｓ_０：ｔ）が閾値以上であるか否かを判定し、今回ステップの確率値Ｐ（譲り＝１｜ｓ_０：ｔ）が閾値以上であると判定された場合、ＨＭＩ３０に、自車両Ｍが走行車線から隣接車線への車線変更を行うことを推奨する推奨情報を表示させる。また、例えば、運転支援部１４０は、合流推定部１３０によって時系列に更新される、他車両が道を譲らない今回ステップの確率値Ｐ（譲り＝０｜ｓ_０：ｔ）が閾値以上であるか否かを判定し、今回ステップの確率値Ｐ（譲り＝０｜ｓ_０：ｔ）が閾値以上であると判定された場合、ＨＭＩ３０に、自車両Ｍが走行車線から隣接車線への車線変更を行わないことを推奨する推奨情報を表示させてもよい。

次に、図６を参照して、本実施形態に係る推定装置によって実行される処理の流れについて説明する。図６は、本実施形態に係る推定装置によって実行される処理の流れの一例を示すフローチャートである。図６に示すフローチャートの処理は、自車両Ｍが走行中、繰り返し実行されるものである。

まず、合流認識部１１０は、例えば、カメラ１０によって認識された道路区画線情報に基づいて、自車両Ｍの走行車線が合流車線であることを認識したか否かを判定する（ステップＳ１００）。自車両Ｍの走行車線が合流車線であることを認識していないと判定された場合、合流認識部１１０は、処理をステップＳ１００に戻す。一方、自車両Ｍの走行車線が合流車線であることを認識したと判定された場合、合流認識部１１０は、被合流車線の所定範囲に他車両を認識したか否かを判定する（ステップＳ１０２）。被合流車線の所定範囲に他車両を認識していないと判定された場合、合流認識部１１０は、処理を後述するステップＳ１１４に進める。

一方、被合流車線の所定範囲に他車両を認識したと判定された場合、パラメータ取得部１２０は、認識した他車両の第１パラメータ（すなわち、他車両と自車両Ｍとの相対速度、他車両と自車両Ｍとの相対位置、および自車両Ｍの速度）を取得する（ステップＳ１０４）。次に、合流推定部１３０は、取得された第１パラメータを第３学習済みモデル１５６に入力して、他車両が道を譲る初期確率を取得する（ステップＳ１０６）。

次に、運転支援部１４０は、取得された初期確率が閾値以上であるか否かを判定する（ステップＳ１０８）。取得された初期確率が閾値以上であると判定された場合、運転支援部１４０は、処理をステップＳ１１４に進める。一方、取得された初期確率が閾値未満であると判定された場合、合流推定部１３０は、第１学習済みモデル１５２と、第２学習済みモデル１５４と、前回ステップの確率値（初回の場合は初期確率）とを用いて、他車両が道を譲る今回ステップの確率値を算出する（ステップＳ１１０）。

次に、運転支援部１４０は、算出された今回ステップの確率値が閾値以上であるか否かを判定する（ステップＳ１１２）。算出された今回ステップの確率値が閾値以上であると判定された場合、運転支援部１４０は、ＨＭＩ３０に、自車両Ｍが走行車線から隣接車線への車線変更を行うことを推奨する推奨情報を表示させる（ステップＳ１１４）。一方、算出された今回ステップの確率値が閾値未満であると判定された場合、合流推定部１３０は、算出された今回ステップの確率値を、前回ステップの確率値として設定して、再度ステップＳ１１０の処理を実行する。これにより、本フローチャートの処理が終了する。

なお、上記の実施形態では、運転支援部１４０は、合流推定部１３０によって時系列に推定される確率値に基づいて、自車両Ｍの運転を支援している。しかし、本発明はそのような構成に限定されず、本発明は、自車両Ｍの自動運転にも適用することができる。例えば、運転支援装置１００は、運転支援部１４０に代えて、走行制御部を備え、走行制御部は、例えば、推定された確率値が閾値以上である場合に、自車両Ｍが車線変更するように制御をステアリングの制御を行っても良い。

さらに、上記の実施形態では、所定行動として、自車両Ｍによる合流時に他車両が道を譲るか否かを推定している。しかし、本発明はそのような構成に限定されず、本発明は合流時以外の制御にも適用することができる。例えば、本発明は、所定行動として、自車両Ｍによる交差点での右左折時に、対向車である他車両が道を譲るか否かに関する推定にも適用することができる。その場合、第１学習済みモデル１５２は、対向車両が道を譲ったことを前提として収集された学習データおよび正解データに基づいて生成され、第２学習済みモデル１５４は、対向車両が道を譲らなかったことを前提として収集された学習データおよび正解データに基づいて生成される。また、例えば、本発明は、所定行動として、自車両Ｍによる駐車場での停車時に、対向車両が駐車スペースを譲るか否かに関する推定にも適用することができる。その場合、第１学習済みモデル１５２は、対向車両が駐車スペースを譲ったことを前提として収集された学習データおよび正解データに基づいて生成され、第２学習済みモデル１５４は、対向車両が駐車スペースを譲らなかったことを前提として収集された学習データおよび正解データに基づいて生成される。

さらに、上記の実施形態では、推定装置が自車両Ｍに搭載されている。しかし、本発明は、そのような構成に限定されず、例えば、推定装置の機能は、合流路に設置され車両を監視するインフラカメラに搭載されていても良い。その場合、図６のフローチャートにおいて、ステップＳ１００は省略され、ステップＳ１０２の処理において、合流車線を走行するある車両と、被合流車線を走行する他車両との間の距離が所定範囲内にある場合、ステップＳ１０４からステップＳ１１２までの処理が実行されることとなる。ステップＳ１１２において、他車両が道を譲る確率が閾値以上であると判定した場合、インフラカメラは、合流車線を走行する車両に、車線変更を推奨する情報を無線通信により送信しても良い。

以上の通り説明した本実施形態によれば、車両の合流時に、他車両が道を譲ったことを前提として収集された学習データに基づいて生成された第１学習済みモデルと、他車両が道を譲らなかったことを前提として収集された学習データに基づいて生成された第２学習済みモデルとによって出力された他車両の状態の予測分布と、他車両の実パラメータとを比較することによって、当該他車両が道を譲るか否かを推定する。これにより、移動体が合流する対象となる他移動体のデータが有効に活用することによって、移動体の合流時における他移動体の挙動を高精度に推定することができる。

上記説明した実施形態は、以下のように表現することができる。
移動体に対する他移動体の行動を推定するコンピュータによって読み込み可能な命令（computer-readable instructions）を格納する記憶媒体（storage medium）と、
前記記憶媒体に接続されたプロセッサと、を備え、
前記プロセッサは、前記コンピュータによって読み込み可能な命令を実行することにより（the processor executing the computer-readable instructions to:）
前記他移動体が所定行動を行った第１場面における前記移動体と前記他移動体との関係を表す時系列の第１パラメータを学習データ、前記第１場面における前記他移動体の状態を表す第２パラメータを正解データとし、前記第１パラメータが入力されると前記第２パラメータを出力するように学習された第１学習済みモデルと、
前記他移動体が前記所定行動を行なわなかった第２場面における前記第１パラメータを学習データ、前記第２場面における前記第２パラメータを正解データとし、前記第１パラメータが入力されると前記第２パラメータを出力するように学習された第２学習済みモデルとに、
前記第１パラメータである実パラメータを入力することによって、前記第２パラメータである予測パラメータを取得し、
前記予測パラメータと、前記他移動体の前記予測パラメータ出力時における実パラメータとを比較することによって、前記他移動体が前記所定行動を行うか否かを推定する、
ように構成されている、推定装置。

以上、本発明を実施するための形態について実施形態を用いて説明したが、本発明はこうした実施形態に何等限定されるものではなく、本発明の要旨を逸脱しない範囲内において種々の変形及び置換を加えることができる。

１０ カメラ
１２ レーダ装置
１４ ＬＩＤＡＲ
１６ 物体認識装置
３０ ＨＭＩ
４０ 車両センサ
５０ ナビゲーション装置
６０ ドライバモニタカメラ
７０ 運転操作子
１００ 運転支援装置
１１０ 合流認識部
１２０ パラメータ取得部
１３０ 合流推定部
１４０ 運転支援部
１５０ 記憶部
１５２ 第１学習済みモデル
１５４ 第２学習済みモデル
１５６ 第３学習済みモデル
２００ 走行駆動力出力装置
２１０ ブレーキ装置
２２０ ステアリング装置

Claims (8)

1. 移動体に対する他移動体の行動を推定する推定装置であって、
   前記他移動体が所定行動を行った第１場面における前記移動体と前記他移動体との関係を表す時系列の第１パラメータを学習データ、前記第１場面における前記他移動体の状態を表す第２パラメータを正解データとし、前記第１パラメータが入力されると前記第２パラメータの分布情報を出力するように学習された第１学習済みモデルと、
   前記他移動体が前記所定行動を行なわなかった第２場面における前記第１パラメータを学習データ、前記第２場面における前記第２パラメータを正解データとし、前記第１パラメータが入力されると前記第２パラメータの分布情報を出力するように学習された第２学習済みモデルとに、
   前記第１パラメータである実パラメータを入力することによって、前記第２パラメータの分布情報である予測パラメータを取得する取得部と、
   前記予測パラメータと、前記予測パラメータの対象時点における実パラメータとを比較することによって、前記他移動体が前記所定行動を行うか否かを推定する推定部と、を備え、
   前記推定部は、前記他移動体が前記所定行動を行うか否かを確率値として繰り返し推定するものであり、
   前記推定部は、前記推定を行った前回時点における前記確率値と、前記推定を行う今回時点における、前記第１学習済みモデルから出力される前記第２パラメータの分布情報と、前記推定を行う今回時点における、前記第２学習済みモデルから出力される前記第２パラメータの分布情報と、に基づいて、前記今回時点における前記確率値を推定する、
   推定装置。
2. 前記第１パラメータは、前記他移動体と前記移動体との相対速度、前記他移動体と前記移動体との相対位置、および前記移動体の速度を少なくとも含む、
   請求項１に記載の推定装置。
3. 前記第１学習済みモデルから出力される前記第２パラメータの分布情報は、前記他移動体が前記所定行動を行った場合に予測される前記他移動体と前記移動体との相対速度および相対位置に関する第１分布情報であり、前記第２学習済みモデルから出力される前記第２パラメータの分布情報は、前記他移動体が前記所定行動を行わなかった場合に予測される前記他移動体と前記移動体との相対速度および相対位置に関する第２分布情報である、
   請求項１に記載の推定装置。
4. 前記推定部は、前記繰り返し推定における初回時点における前記確率値を、前記移動体と前記他移動体との関係を表すパラメータが入力されると、前記他移動体が前記所定行動を行うか否かを確率値として出力するように学習された第３学習済みモデルを用いて、推定する、
   請求項１に記載の推定装置。
5. 前記確率値に基づいて、前記移動体の運転を支援する運転支援部を更に備える、
   請求項１に記載の推定装置。
6. 前記所定行動は、前記移動体が走行車線から隣接車線に車線変更する際に、前記隣接車線を走行する前記他移動体が、前記移動体による先行を許可することを示す行動である、
   請求項１から５のいずれか１項に記載の推定装置。
7. 移動体に対する他移動体の行動を推定するコンピュータによって実行される推定方法であって、前記コンピュータが、
   前記他移動体が所定行動を行った第１場面における前記移動体と前記他移動体との関係を表す時系列の第１パラメータを学習データ、前記第１場面における前記他移動体の状態を表す第２パラメータを正解データとし、前記第１パラメータが入力されると前記第２パラメータの分布情報を出力するように学習された第１学習済みモデルと、
   前記他移動体が前記所定行動を行なわなかった第２場面における前記第１パラメータを学習データ、前記第２場面における前記第２パラメータを正解データとし、前記第１パラメータが入力されると前記第２パラメータの分布情報を出力するように学習された第２学習済みモデルとに、
   前記第１パラメータである実パラメータを入力することによって、前記第２パラメータの分布情報である予測パラメータを取得し、
   前記予測パラメータと、前記予測パラメータの対象時点における実パラメータとを比較することによって、前記他移動体が前記所定行動を行うか否かを推定し、
   前記推定は、前記他移動体が前記所定行動を行うか否かを確率値として繰り返し推定するものであり、
   前記推定を行った前回時点における前記確率値と、前記推定を行う今回時点における、前記第１学習済みモデルから出力される前記第２パラメータの分布情報と、前記推定を行う今回時点における、前記第２学習済みモデルから出力される前記第２パラメータの分布情報と、に基づいて、前記今回時点における前記確率値を推定する、
   推定方法。
8. 移動体に対する他移動体の行動を推定するコンピュータによって実行されるプログラムであって、前記コンピュータに、
   前記他移動体が所定行動を行った第１場面における前記移動体と前記他移動体との関係を表す時系列の第１パラメータを学習データ、前記第１場面における前記他移動体の状態を表す第２パラメータを正解データとし、前記第１パラメータが入力されると前記第２パラメータの分布情報を出力するように学習された第１学習済みモデルと、
   前記他移動体が前記所定行動を行なわなかった第２場面における前記第１パラメータを学習データ、前記第２場面における前記第２パラメータを正解データとし、前記第１パラメータが入力されると前記第２パラメータの分布情報を出力するように学習された第２学習済みモデルとに、
   前記第１パラメータである実パラメータを入力することによって、前記第２パラメータである予測パラメータを取得させ、
   前記予測パラメータと、前記予測パラメータの対象時点における実パラメータとを比較することによって、前記他移動体が前記所定行動を行うか否かを推定させ、
   前記推定は、前記他移動体が前記所定行動を行うか否かを確率値として繰り返し推定するものであり、
   前記推定を行った前回時点における前記確率値と、前記推定を行う今回時点における、前記第１学習済みモデルから出力される前記第２パラメータの分布情報と、前記推定を行う今回時点における、前記第２学習済みモデルから出力される前記第２パラメータの分布情報と、に基づいて、前記今回時点における前記確率値を推定する、
   プログラム。