道路曲率見積もりシステムおよび自動車目標状態見積もりシステム
【課題】道路の曲率を見積もる。
【解決手段】第一のカルマンフィルター（５２）は、ヨーレートおよび速さの測定値をホスト車両内のそれぞれのセンサー（１６、１８）の測定値から見積もり、第二のカルマンフィルター（５４）はそれらから道路曲率のクロソイドモデルのパラメータを見積もる。レーダーシステム（１４）からのレンジ、レンジレートおよびアジマス角の測定値は、目標車両３６の状態の非束縛の見積もりを提供するために拡張されたカルマンフィルター（５６）によって処理される。関連する道路に束縛された目標の状態の見積もりは一または二以上の道路のレーンについて発生され、独立でまたは組み合わせで非束縛の見積もりと比較される。もし束縛された目標の状態の見積もりが非束縛の見積もりに対応しているなら、目標車両の状態は非束縛及び束縛の見積もりの統合で発生され、そうでないならば、非束縛の見積もりのみで与えられる。
【解決手段】第一のカルマンフィルター（５２）は、ヨーレートおよび速さの測定値をホスト車両内のそれぞれのセンサー（１６、１８）の測定値から見積もり、第二のカルマンフィルター（５４）はそれらから道路曲率のクロソイドモデルのパラメータを見積もる。レーダーシステム（１４）からのレンジ、レンジレートおよびアジマス角の測定値は、目標車両３６の状態の非束縛の見積もりを提供するために拡張されたカルマンフィルター（５６）によって処理される。関連する道路に束縛された目標の状態の見積もりは一または二以上の道路のレーンについて発生され、独立でまたは組み合わせで非束縛の見積もりと比較される。もし束縛された目標の状態の見積もりが非束縛の見積もりに対応しているなら、目標車両の状態は非束縛及び束縛の見積もりの統合で発生され、そうでないならば、非束縛の見積もりのみで与えられる。
【発明の詳細な説明】
【技術分野】
【０００１】
態様の説明
図１を参照すると、予測的衝突検出システム１０はホスト車両１２に組み込まれ、ホスト車両１２の外部にある物体を検出するレーダーシステム１４、および、例えばジャイロスコープセンサーなどのヨーレートセンサー１６、ホスト車両１２の運動を検出するためのスピードセンサー１８などのセンサー群を含む。ヨーレートセンサー１６とスピードセンサー１８はそれぞれホスト車両１２のヨーレートとスピードの測定値を与える。例えばドップラーレーダーシステムなどのレーダーシステム１４は、アンテナ２０およびレーダープロセッサー２２を含み、レーダープロセッサー２２はアンテナ２０から送信され、その視野角内の物体に反射するＲＦ信号を発生する。レーダープロセッサー２２は、反射し、アンテナ２０で受信された関連するＲＦ信号を復調し、アンテナ２０から送信されたＲＦ信号を照射された一または二以上の物体に応答する信号を検知する。例えば、レーダーシステム１４は、ホスト車両１２に固定された座標における目標のレンジ、レンジレート、およびアジマス角の測定値を提供する。図２を参照すると、アンテナ２０は、ビームコントロール部２４に応答して、例えば電気的あるいは機械的に、例えば±５０度などの±γのアジマス角にわたってスキャンするＲＦエネルギーのレーダービーム２３を発生するように適合し、レーダービーム２３は、予想される事故を避けあるいはそれによる損害あるいは負傷を緩和するためにホスト車両１２が採る有力な行動を緩和することができるように、ホスト車両１２との予想される衝突の前十分遠くで目標を検出できるように、例えば１００メートルのなどの十分に遠い距離範囲を持っている。レーダープロセッサー２２、ヨーレートセンサー１６、およびスピードセンサー１８は、例えば目標車両３６（図３に図示）などの物体との衝突が起こりそうか否かを決定し、もし起こりそうであれば、加えて例えば一または二以上の関連する警告システム２８または安全システム３０（例えばエアバッグ）の作動または予測される事故を避け、またはその帰結を軽減するために回避行動をとるための車両制御システム３２（例えば関連するブレーキまたはステアリングシステム）の使用などの採るべき行動を決定する関連する予測的衝突アルゴリズムに従って動作するシグナルプロセッサー２６に動作可能に連結している。
【０００２】
図３を参照すると、ホスト車両１２はレーンが複数ある直線またはカーブの道路３４を走行しており、目標車両３６は逆方向、すなわちホスト車両１２に向かって走行していることが示されている。一般的に、それぞれホスト車両１２と同じ方向または逆方向に走行している目標車両３６は、道路３４上であれば、何台でも良い。目標車両３６はホストレーン３８にいても良いし、隣接レーン４０にいてもよく、隣接レーン４０はホストレーン３８と近接していてもよいし分離していても良いが、一般的にはそれと平行である。解析する目的のために、ホスト車両１２はレーン３８のセンターライン４１に沿ってレーン内でふらつくことなく走行していると仮定し、全ての平行レーン３８、４０の曲率は等しいと仮定する。ホスト車両１２と検出可能な全ての目標車両３６の進行角度（heading angle）の差が１５度以下となるように、道路曲率は小さいと仮定する。
【０００３】
図４を参照すると、予測的衝突検出システム１０は、ホストに固定した座標における各測定時のそれぞれの目標車両の二次元的な位置、速度、加速度
【数１】
を見積もるために、好ましくは誤差を可能な限り小さくして、
そのスピードセンサー１８およびヨーレートセンサー１６それぞれからのホスト車両１２の速さＵｈおよびヨーレートωｈ；
ホスト車両１２に装着されたレーダーシステム１４から得られる、全ての目標車両３６のレンジｒ、レンジレート
【数２】
およびアジマス角η；
の測定値を、全ての測定値の誤差共分散行列との対応に従って用いる。予測的衝突検出システム１０は、(1)ホスト車両の運動センサー、換言すればヨーレートセンサー１６とスピードセンサー１８からの測定値を用いた、道路３４の曲率を見積もるための道路曲率見積もりサブシステム４２、(2)レーダービーム２３によって照らされ、レーダープロセッサー２２によって検出された目標車両の状態を見積もるための非束縛目標状態見積もりサブシステム４４、(3)目標が道路３４のホストレーン３８か隣接レーン４０のいずれか可能なレーンに束縛されていると仮定し、目標の束縛の状態を見積もるための束縛目標状態見積もりサブシステム４６、(4)非束縛目標状態といずれかの束縛に束縛された目標の状態のいずれが目標の状態として最適かを決定する目標状態決定サブシステム４８、および、(5)統合された目標の状態を発生するために、非束縛目標状態を目標状態決定サブシステム４８によって特定された適切な束縛と統合するための目標状態統合サブシステム５０、を含む。ホスト車両１２が目標と衝突する危険があるのか否かを決定し、もしあるなら、例えば警告システム２８、安全システム３０または車両制御システム３２のいずれかまたはこれらの組み合わせの行動によって、衝突の結果を和らげるために最適な行動を決定し、生じさせるために、最良の見積もり（非束縛目標状態か統合された目標の状態のいずれか）は決定または制御サブシステムに用いられる。可能な場合には、道路３４の幾何学的構造を目標の運動に対する束縛として使用することは、より正確な目標の状態の見積もりを提供し、それに応じて採られる行動の信頼性を向上させる。
【０００４】
図５を参照すると、ホスト車両１２の視野角内の目標の状態、換言すれば運動学的変数を検出する方法５００が示されており、そのステップは例えばシグナルプロセッサー２６で実行される。ステップ５０２および５０４では、道路３４に対するホスト車両１２の速さＵｈとヨーレートωｈがそれぞれスピードセンサー１８およびヨーレートセンサー１６からそれぞれ読み込まれる。その後、ステップ５０６で、道路３４の曲率パラメータとそれに関連する共分散が、それぞれホスト車両１２の状態（換言すれば、ホスト車両１２の運動状態変数）とそれに関連する共分散を見積もりその後道路３４の曲率パラメータとそれに関連する共分散を見積もる第一のカルマンフィルター５２と第二のカルマンフィルター５４を用いて、見積もられる。ここで、後文に説明するとおり、道路３４の曲率パラメータおよびその共分散は、次いで、予測的に目標車両３６が存在する有力な位置における関連する束縛を発生するために、束縛目標状態見積もりサブシステム４６に用いられる。
【０００５】
良くデザインされ、構成されている道路３４は、曲率を含む一組のパラメータで記述することができ、ここで、道路３４のある弧の曲率は、
【数３】
と定義される。ここで、Ｒはその弧の半径である。一般的に、なめらかな道路３４では、曲率の変動は、いわゆるクロソイドモデル、換言すれば、
【数４】
によって、道路３４に沿った距離ｌの関数として記述できる。ここで、Ｃ１＝１／Ａ２であり、Ａはクロソイドパラメータと呼ばれる。
【０００６】
図６を参照すると、進行方向を定義する進行角度θは、
【数５】
により得られる。等式（２）を等式（３）に代入すると、
【数６】
が得られる。
【０００７】
図６を参照すると、x-y座標での道路３４の等式は、
【数７】
および
【数８】
で与えられる。
進行角度θが１５度以下である、すなわち
【数９】
と仮定すると、等式（５）および（６）はおよそ、
【数１０】
【数１１】
とすることができる。
【０００８】
従って、道路３４は、付加的な曲率の係数Ｃ０とＣ１によってモデル化される。この付加的な道路の等式は広範囲の道路の形状を以下のごとく記述する；(1)直線の道路３４では、Ｃ０＝０かつＣ１＝０；(2)円状の道路３４では、Ｃ１＝０；(3)進行角度θが１５度以下であって任意の形状を持つ一般的な道路３４では、Ｃ０＞０である。
道路曲率パラメータＣ０とＣ１は、ホスト車両１２が道路３４のセンターライン４１または関連するホストレーン３８に沿って動いているとの仮定の下、ホスト車両１２内の運動センサー（ヨーレートセンサー１６とスピードセンサー１８）からのデータを用いて見積もられる。
【０００９】
道路曲率パラメータＣ０とＣ１は、ホスト車両１２の運動センサーから手に入るホスト車両１２のヨーレートωｈと速さＵｈに応答する
【数１２】
のデータから計算できる。しかしながら、一般的にヨーレートセンサー１６とスピードセンサー１８からそれぞれえられる、ヨーレートωｈと速さＵｈの測定値はノイズが多い。関連するノイズの多いヨーレートωｈと速さＵｈの測定値から
【数１３】
の見積もりを発生するために、第一のカルマンフィルター５２によって実行されるホスト状態フィルターが有益である。その後、曲率パラメータＣ０とＣ１の平滑化した見積もりを発生するために、第二のカルマンフィルター５４によって実行される曲率フィルターが用いられる。ホスト状態フィルターのためのホスト車両１２の力学は、以下に与えられる所定の運動学的等式（この場合は一定の速度）に従う：
【００１０】
【数１４】
【数１５】
ここで、
【数１６】
であり、Ｔはサンプリング周期であり、上付の(・)ｈはこのフィルターがホストフィルターであることを示し、Ｕｈとωｈはホスト車両１２の速さとヨーレートの測定値である。第一のカルマンフィルター５２は、図４に示されるとおり、ホスト状態
【数１７】
とその誤差共分散
【数１８】
を見積もるために実行される。
【００１１】
第一のカルマンフィルター５２、すなわちホスト状態フィルターからのホスト状態の見積もりは、その後第二のカルマンフィルター５４、すなわち曲率係数フィルターにインプットされる統合的な測定値（synthetic measurement）を発生するために用いられる。ここで、関連するカルマンフィルター５２と５４は、後掲の付録にて全体を説明するカルマンフィルタリングプロセスに従って動作する。道路曲率パラメータＣ０とＣ１とホスト状態変数
【数１９】
との関係は以下の通りである。
【００１２】
図７に示されるように、等式（４）から道路の半径Ｒは一般的に道路に沿った距離ｌの関数Ｒ（ｌ）として表される。等式（４）の両辺の時間微分をとると、次の等式が得られる。
【数２０】
ここで、
【数２１】
すなわちホスト車両１２のヨーレートであり、
【数２２】
すなわちホスト車両１２の速さであることに注目すべきである。そして、クロソイドモデルの等式（２）を等式（１２）に代入すると、以下の式が得られる。
【００１３】
【数２３】
または、
【数２４】
クロソイドパラメータＣ０は、ｌ＝０の地点における曲率の値Ｃまたは
【数２５】
として与えられる。
【００１４】
等式（１４）の両辺の微分をとると、
【数２６】
となる。
等式（２）からＣ１の定義を用いると、Ｃ１はホスト状態に関して以下のように表される。
【数２７】
【００１５】
曲率の見積もり
【数２８】
を発生する、第二のカルマンフィルター５４、すなわち曲率フィルターのシステム方程式（system equation）は、
【数２９】
【数３０】
によって与えられる。ここで、
【数３１】
であり、Δｔは第二のカルマンフィルター５４の更新周期であり、測定値ベクトル
【数３２】
の要素の値は曲率フィルターの状態変数に対応する値−−すなわちクロソイドパラメータＣ０とＣ１−−によって与えられる。
【００１６】
測定値
【数３３】
は見積もられた状態
【数３４】
から以下のように変換される。
【数３５】
そして、測定値の関連する共分散は、
【数３６】
で与えられる。ここで、
【数３７】
である。
【００１７】
道路３４の曲率パラメータを見積もる他のシステムおよび方法が、上述の道路曲率見積もりサブシステム４２と置換されても良いということが理解されるべきである。例えば、道路曲率パラメータは、関連するセンサーから得られる速さＵｈとヨーレートωｈの測定値を基にした上述のシステムの代わりに、またはこれと協働で、道路３４の画像から視覚システムによって見積もっても良い。さらに、ヨーレートは様々な方法によりまたは様々な手段を用いて測定または決定することができることが理解されるべきである。これに限定されるものではないが、例えば、ヨージャイロセンサー（yaw gyro sensor）、ステアリング角センサー、微分式車輪速度センサー（differential wheel speed sensor）、またはＧＰＳを基にしたセンサーやこれらの組み合わせ、またはこれらの測定値の関数（例えば、特に、ステアリング角比率）を用いることができる。
【００１８】
再び図５を参照すると、ステップ５０８において、目標のレンジｒ、レンジレート
【数３８】
およびアジマス角ηがレーダープロセッサー２２から読み込まれ、それはその後拡張されたカルマンフィルター５６、すなわちメインフィルターの入力として利用される。メインフィルターは、ステップ５１０で非束縛目標状態、すなわち目標の運動学的な状態の変数を見積もるものであり、その見積もり値はホスト車両１２と共に動くローカル座標系（すなわちホストに固定された座標）における相対的な値である。束縛目標状態の見積もりを発生するために後述する関連する束縛での等式の中で使う場合に、道路に束縛される等式が由来し関連する曲率パラメータが一定であると仮定される絶対座標系と一致するように、ステップ５１２で非束縛目標状態、すなわち目標の速度および加速度は図３に示されるようにその瞬間のホスト車両１２に固定された絶対座標系の絶対座標に変換される。絶対座標系はその瞬間の空間における移動座標系を重ね、そのため、ステップ５１２での変換は、ｘ方向、ｙ方向の両方で、ホスト車両１２の速度および加速度を応答する目標の見積もりに加算することで実現される。
【００１９】
ステップ５１２での拡張されたカルマンフィルター５６の出力の座標変換の結果は、ホスト車両１２に対する目標車両３６の相対的なｘとｙのそれぞれの位置に対応して、以下のような部分に分配される。ここで上付の１は目標車両３６の非束縛目標状態であることをしめす。
【数３９】
【００２０】
再び図５を参照すると、ステップ５０６と５１２に続く、後文でより全体を説明するステップ５１４から５２４では、目標車両３６が有力な束縛に従って運動していると考えられるかどうかを決定するために、目標車両３６の有力な軌道の様々な束縛が適用されテストされる。例えば、束縛条件はホストレーン３８および有力な隣接レーン４０を含むレーンの組を形成すると仮定され、また、有力な束縛条件に従って運動すると考えられる目標車両３６はホストレーン３８または有力な隣接レーン４０の内の一つのいずれかの上を運動していると考えられるであろう。ステップ５２４では、目標車両３６はホストレーン３８または有力な隣接レーン４０の内の一つのいずれかの上を運動しているという仮説はそれぞれの有力なレーンについてテストされる。もし、有力なレーンの一つについてその仮説が満足しないのであれば、ステップ５２６で目標の状態は非束縛目標状態であると仮定され、それは次の予測的衝突検出解析およびそれに応答する制御に用いられる。そうでなければ、ステップ５２４から、ステップ５２８で目標の状態は目標状態統合サブシステム５０によって、非束縛目標状態とステップ５２４で最も適当であると特定された関連する束縛の状態との統合として計算される。
【００２１】
目標が束縛条件に束縛されていると考えられるかどうかを決定し、もしそうなら何が最も適当な束縛条件かを決定するステップ５１４から５２４のプロセスについて議論する前に、非束縛目標状態と束縛状態との統合のプロセスを、目標車両３６がホスト車両１２と同じレーンを動いている場合においてまず説明する。束縛条件はｙ方向のみアクティブであると仮定され、ホスト車両１２はレーン３８のセンターライン４１に沿ってレーン内をふらつくことなく安定走行し、かつ平行レーン３８、４０の曲率は等しいとの仮定と一致し、また絶対座標系はその瞬間のホスト車両１２に固定されていることから与えられる。ステップ５１４で、目標車両３６がホスト車両１２と同じレーン３８を走行していると仮定し、見積もられた係数と共に道路の束縛の等式を用いるので、束縛の状態の変数は横方向の運動学的変数に関して以下のように与えられる。
【００２２】
【数４０】
および
【数４１】
ここで、
【数４２】
であり、また、
【数４３】
である。
【００２３】
ステップ５２８で、一つはメインフィルターからで他方は道路の束縛条件からの二つのｙ座標の見積もりは以下の通り統合される。
【数４４】
【数４５】
最終的に作られた目標の状態の見積もりは、
【数４６】
および
【数４７】
であり、ここで、
【数４８】
である。
【００２４】
もしステップ５１４から５２４において目標車両３６がホストレーン３８を走行していると決定されたならば、ステップ５３０でこの作られた見積もりが目標の状態の見積もりとして出力される。
【００２５】
目標が束縛に束縛されていると考えられるかどうかを決定し、もしそうなら何が最も適当な束縛条件かを決定するステップ５１４から５２４のプロセスに戻る。目標は同じ道路３４に従っているという仮定に従うと、もし目標車両３６が特定のレーン内を走行していると分かったならば、そのレーンの見積もられた道路のパラメータを目標の運動を見積もるメインフィルター内の束縛条件として使うことが望まれるであろう。しかしながら、現在目標車両３６が走行しているレーンの知識は、一般的に得ることができず、特に目標が曲がった道路３４を走行しているときは得られない。道路の等式（８）はホストを中心とした座標内のホストレーン３８についてのみの式であるから、束縛のフィルタリングは目標がどちらのレーンにいるかが分かっていることを必要とするであろうし、また異なったレーンには異なった束縛の等式が必要であろう。これらの平行レーン間の曲率を無視する、すなわちそれぞれのレーンの曲率が等しいと仮定すると、任意のレーンについての道路の等式は
【数４９】
と書ける。ここで、Ｂはレーンの幅であり、ｍは記述すべきレーンを表す（ｍ＝０はホストレーン３８に対応し、ｍ＝１は右の隣接レーン４０に対応し、ｍ＝−１は左の隣接レーン４０に対応し、以下は同様である。）。目標のレーン位置についての事前知識なしに、複数束縛系（multiple constraint system）（いわゆる複数モデル系（multiple model system）と似ている）を構成する複数の束縛は、もしあれば、どの束縛がアクティブであるかを決定するためにテストされる。複数束縛（ＭＣ：multipul constraint）系は、一つの有限の数ＮＣに従う。いずれの与えられた時間においても一つの束縛のみが有効である。このようなシステムはハイブリッドと呼ばれ、不連続な数の束縛と同様に連続的（ノイズ）な状態変数を持つ。
【００２６】
以下の定義およびモデリング仮定はこの問題の解決を促進する。
束縛の等式：
【数５０】
ここで、
【数５１】
はｔｋで終了するサンプリング周期の間有効な、時間ｔｋにおける束縛条件を意味する。
【００２７】
可能なＮＣの束縛条件の間の束縛条件：
【数５２】
【数５３】
：束縛条件
【数５４】
を用いた時間ｔｋにおける状態の見積もり
【数５５】
：束縛条件
【数５６】
下での時間ｔｋにおける共分散行列
【数５７】
：時間ｔｋ−１において目標が束縛条件ｊに従っている確率
【００２８】
束縛条件のジャンププロセス（constraint jump process）は既知の遷移確率を用いたマルコフチェーンである：
【数５８】
一以上の有力な束縛の状態を有する系にマルコフモデルを導入するために、それぞれのスキャン時間に目標が束縛の状態ｉからｊへと遷移する確率が存在すると仮定する。これらの確率は事前に分かっており、以下に示す確率遷移行列として表すことができると仮定する。
【数５９】
【数６０】
が正しい（
【数６１】
が有効）という事前の確率は
【数６２】
であり、ここで、Ｚ０は事前の情報であり、正しい束縛条件は仮定されたＮＣの束縛条件の中にあるので、
【数６３】
である。
【００２９】
束縛目標状態見積もりサブシステム４６は、目標の状態が有力な束縛の状態に対応するかどうかの決定を提供し、もしそうであれば、最も適切な束縛の状態の決定を提供する。
【００３０】
これを決定する方法の一つは、バーシャローム（Bar-Shalom）によって提案された複数モデルフィルタリングアルゴリズム（multiple model filtering algorithm）であり、ここではＮＣの並列フィルターが同時に実行される。
【００３１】
他の方法では、複数束縛（ＭＣ）見積もりアルゴリズムは、それぞれの束縛の状態に関する尤度関数および確率の計算に伴う尺度として非束縛の状態の見積もり
【数６４】
を用いることで、ＮＣの束縛された状態の見積もりを調和させ、更新する。複数束縛（ＭＣ）見積もりアルゴリズムの一つの実施態様では、束縛の状態の見積もりの出力は全ての束縛された状態の見積もりの組み合わせからなる。もしこの束縛された状態が有効であれば、すなわちもし束縛の状態の見積もりが非束縛の状態の見積もりに応答していれば、目標状態は束縛の状態と非束縛の状態の見積もりの統合から得られる。そうでなければ、目標状態は非束縛の状態の見積もりから得られる。この複数束縛（ＭＣ）見積もりアルゴリズムの実施態様は以下のステップを含む。
【００３２】
１．複数束縛からの状態変数の見積もり
ステップ５１４では、等式（２４）の第一行を置き換えるために複数レーン道路の等式（３３）を用いるので、複数束縛の状態の見積もりは、
【数６５】
によって与えられ、ここで、
【数６６】
であり、Ｂはレーンの幅である。別に述べたように、束縛の状態の見積もりは、目標車両３６が位置することができるそれぞれの有力なレーンのセンターラインのｙ座標に応答する。
関連する共分散は
【数６７】
で与えられる。ここで、
【数６８】
は等式（２６）と（２７）によって与えられ、
【数６９】
は等式（２３）から、
【数７０】
は曲率フィルターから得られる。
【００３３】
２．束縛された状態の更新
ステップ５１６では、有効な束縛の状態にある状態の見積もりと共分散は、尤度関数と同様に、
【数７１】
のそれぞれの束縛の状態について更新される。束縛の状態ｊに対応する更新された状態の見積もりと共分散は尺度
【数７２】
を用いることで以下のように得られる。
【数７３】
【数７４】
【数７５】
【００３４】
３．尤度計算
ステップ５１８では、束縛の状態ｊに対応する尤度関数は、尺度が
【数７６】
のそれぞれの束縛の状態における束縛された状態の見積もりの周囲にガウス分布すると仮定して、非束縛目標状態の見積もりの値
【数７７】
において以下のように評価される。
【数７８】
ここで、ガウス分布Ｎ（ ; , ）は平均値
【数７９】
と関連する共分散
【数８０】
を持つ。
【００３５】
４．束縛確率評価
ステップ５２０では、
【数８１】
のそれぞれの束縛の状態において、更新された束縛確率が以下のように計算される。
【数８２】
ここで、
【数８３】
は束縛ｊが有効である遷移の後の確率であり、
【数８４】
により与えられ、規格化定数は
【数８５】
である。
【００３６】
５．全体的な状態見積もりと共分散
ステップ５２２では、最新の束縛の状態の見積もりと共分散の組み合わせが、
【数８６】
【数８７】
【数８８】
によって与えられる。
【００３７】
上記のアルゴリズム内のステップ５２２からの見積もり器の出力は、等式（２８）と（２９）で表される統合プロセスの束縛された見積もりとして用いられ、等式（３２）の結果の代わりに等式（５１）の結果が等式（３１）に用いられる。
目標車両３６が道路３４に従っていないとき、またはレーンを変更しているときには、運動学的状態変数に道路の束縛を課すことは、関連した非束縛の見積もりを用いるよりも悪いであろう間違った見積もりに終わるであろう。しかしながら、ノイズに関連した見積もりの誤差は、正しい道路の束縛条件を無効であると思わせる原因となりうる。従って、
有効な場合、すなわち目標車両３６が特定のレーンにいる場合、に束縛を有効であるように保ち、無効である場合、すなわち、目標車両３６がレーンを離れている場合にそれを即座に引き上げる手段を導入することは有益である。独立した目標の状態の見積もりを提供するので、非束縛目標状態は道路の束縛変数にとって重要な役割を担う。
【００３８】
一つのやり方は、非束縛目標状態は道路の束縛の等式を満足するという仮説、または同様に束縛の状態の見積もりと非束縛の状態の見積もりはそれぞれ同じ目標に対応しているという仮説を検証することである。最善の検証はこれまでの時間ｔｋにおける全ての入手可能な目標状態の見積もりを使用することを要求するであろうし、これは一般的に実用的ではない。実用的なやり方は、最も新しい状態の見積もりのみに基づいて実行される逐次仮説検証である。上文で使用した表記法に従って、束縛と非束縛の目標状態の見積もり（ｙ方向のみ）は、
【数８９】
で示され、これは、
【数９０】
の見積もりとしてのものである。ここで、
【数９１】
は実際の目標状態で、
【数９２】
は道路３４（またはレーン）に沿って動く目標の実際の状態である。ステップ５２４では、「同じ目標」仮説が検証される。すなわち、
【数９３】
対
【数９４】
である。
【００３９】
メインフィルター誤差
【数９５】
は束縛から生じる誤差
【数９６】
から独立であると仮定される。差
【数９７】
の共分散は仮定Ｈ０の下、
【数９８】
で与えられる。
見積もりの誤差がガウシアンであると仮定すると、Ｈ０対Ｈ１の検証は、以下のようになる。
【数９９】
閾値は、
【数１００】
のように選ばれ、ここで、αは所定の許容誤差値である。
【００４０】
ここで、上述のガウシアン誤差仮説に基づくと、
【数１０１】
は自由度ｎｙのカイ二乗分布をもつことに留意すべきである。この閾値の選択は重要な設計要素であり、特定の用途における必要性に基づくべきである。道路での車両衝突予測では、ホストレーン３８内の目標は衝突するコースにいるとみなされ、隣接レーン４０の一つにいる目標よりも危険であると判断される。それ故、束縛フィルタリングは、「レーン変更」操作中にそのような目標はホスト車両に衝突する恐れを生じさせないという正確な目標の状態の見積もりを提供できるので、ホストレーン３８内にいる目標に対して高い閾値（低い許容誤差値）が望ましい。一方で、隣接レーン４０にいる目標は通常は通り過ぎる車両であると考えられる。束縛フィルタリングは誤った警報の割合を下げるであろうが、目標の「レーン変更」操作（ホストレーン３８に入ってくる）は実際にホスト車両１２に衝突する危険を生じさせうる。それ故、もし誤った警報の割合が十分に低いのであれば、隣接レーン内の目標に対しては低い閾値（高い許容誤差値）が望ましい。
【００４１】
上述の解析に基づくと、仮説の検証スキームは、現在目標がどちらのレーン内にいるのが最も有力かについての知識を提供する複数束縛フィルタリングアルゴリズムとともに、効率的には異なったレーンの目標に対しては異なった閾値を用いる。道路３４にはＮＣの有力なレーンがありそれぞれのレーンは束縛の等式で記述されると仮定するので、最も高い確率
【数１０２】
を用いた目標についての束縛の等式は、時間ｔｋ（現在の時間）において目標がいるとして最も有力なレーンに対応する。この最も有力なレーンをｌｔと表すと、
【数１０３】
となる。
【００４２】
非束縛の状態の見積もりとレーンｌｔの束縛の状態の見積もり（ｙ方向のみ）の間の差は、
【数１０４】
で示され、これは、
【数１０５】
の見積もりである。ここで、
【数１０６】
は実際の目標状態で、
【数１０７】
はレーンｌｔに沿って動く目標の実際の状態である。「同じ目標」仮説の検証は、
【数１０８】
対
【数１０９】
で与えられる。
【００４３】
束縛の状態の見積もりの誤差は、
【数１１０】
で与えられる。
見積もりの誤差は独立でありガウシアンであると仮定するので、Ｈ０対Ｈ１の検証は、以下のようになる。
【数１１１】
ここで、
【数１１２】
であり、閾値は
【数１１３】
である。ここで、
【数１１４】
である。
【００４４】
束縛フィルタリングによって見積もりの正確さは大幅に改善しているが、このようなレーンに適応した仮説の検証スキームは、目標車両３６が現在のレーンを離れた場合に目標状態の見積もりの出力のプロンプトスイッチを非束縛の状態に提供する。
【００４５】
複数束縛（ＭＣ）見積もりアルゴリズムのための他の態様では、仮説の検証に用いられる束縛の状態の見積もりは、全ての束縛された目標状態の見積もりからなる組み合わせではなく、最も有力な個々の目標状態の見積もり（すなわち「勝者総獲得」戦略）である。もしこの最も有力な束縛の状態の見積もりが有効であれば、すなわちその最も有力な束縛の状態の見積もりが非束縛の状態の見積もりに対応していれば、目標の状態は最も有力な束縛の状態の見積もりと非束縛の状態の見積もりとの統合から得られ、そうでなければ目標の状態は非束縛の状態の見積もりから得られる。
【００４６】
複数束縛（ＭＣ）見積もりアルゴリズムのためのさらにその他の態様では、仮説の検証はそれぞれの束縛の状態の見積もりに対して行われる。もし満足する仮説がなかったら、目標の状態は非束縛の状態の見積もりから得られる。もしただ一つの仮説が満足するのであれば、目標の状態は対応する束縛の状態の見積もりと非束縛の状態の見積もりとの統合から得られる。もし複数の仮説が満足するのであれば、複数の試みからの投票結果または異なった閾値での再度の仮説検証により、最も有力な束縛の状態が特定される。
【００４７】
一般的に、ホスト車両１２の環境の変化に対応するように、関連するパラメータと共に束縛条件の数（すなわち道路のレーンの数）は時間に応じて変化しうる。例えば、１レーンの道路、反対車線がある２レーンの道路、中央に右左折レーンがある３レーンの道路、反対車線が２レーンある４レーンの道路、または複数のレーンが分離されている高速道路を、ホスト車両１２は一回のドライブで走ることができる。
【００４８】
束縛および非束縛フィルタリングを用いた道路車両追跡シミュレーションが４つのシナリオについて実行された。全てのシナリオにおいて、ホスト車両１２は１５．５ｍ／ｓで走行しており、目標車両３６は同じ道路３４上を１５．５ｍ／ｓで接近している。目標の最初の位置はホストからｘ方向に１２５メートル離れており、全てのレーンの幅を３．６メートルと仮定した。車両スピードセンサーの測定の分散は０．０２ｍ／ｓであり、ジャイロスコープヨーレート測定の分散は０．００６３ｒａｄ／ｓであった。レーダーレンジ、レンジレート、およびアジマス角の測定の分散はそれぞれ、０．５ｍ、１ｍ／ｓ、１．５度であった。シミュレーションの結果は、関連する追跡フィルターの１００回のモンテカルロの実行によって生成された。
【００４９】
第一のシナリオでは、ホスト車両１２と目標車両３６は直線道路３４（Ｃ０＝０かつＣ１＝０）を走行しており、目標車両３６は同じレーンをホスト車両１２に向かって走行している。図８ａ〜ｄは、非束縛および束縛のフィルタリングスキームにおける、目標の状態の見積もりと道路曲率の見積もりの結果を示し、図９ａ〜ｂは、非束縛および束縛のフィルタリングスキームにおける、目標車両３６の横方向の位置、速度、および加速度のＲＭＳ誤差の平均を示している。束縛フィルタリングからの見積もりの誤差は実質的に減少している。目標車両３６がホスト車両１２から６５メートル以上離れている４８回目のレーダースキャンの前、束縛フィルタリングは、目標の横方向速度の見積もりでは誤差が４０パーセント以上減少し、横方向加速度の見積もりでは誤差が６０パーセント以上減少する結果を得た。目標車両３６がホスト車両１２から６５メートル以内にいるときには、より適切な状況であり、束縛フィルタリングによって、横方向位置の見積もりでは誤差が５０パーセント以上、横方向速度の見積もりおよび加速度の見積もりでは誤差が９０パーセント以上減少した。
【００５０】
第二のシナリオでは、ホスト車両１２と目標車両３６は曲がった道路３４（Ｃ０＝−１０−５かつＣ１＝−３×１０−５）を走行しており、目標車両３６は同じレーンをホスト車両１２に向かって走行している。図１０ａ〜ｄは非束縛および束縛のフィルタリングスキームにおける、目標の状態の見積もりと道路曲率の見積もりの結果を示し、図１１ａ〜ｂは、非束縛および束縛のフィルタリングスキームにおける、目標車両３６の横方向位置、速度、および加速度のＲＭＳ誤差の平均を示している。束縛フィルタリングからの見積もりの誤差は、目標車両３６がホスト車両１２から６５メートル以内にいるときである４８回目のレーダースキャン以降、実質的に減少している。目標車両３６がホスト車両１２からおよそ１００メートル離れているときである２０回目のレーダースキャン以前は、束縛フィルタリングと非束縛フィルタリングの見積もりの誤差は同じである。目標車両３６がホスト車両１２から６５メートル〜１００メートルの間に位置している間では束縛フィルタリングは、横方向速度および加速度の見積もりで誤差がおよそ３０パーセント減少する結果となり、目標車両３６がホスト車両１２から６５メートル以内の時には束縛フィルタリングによって、横方向位置の見積もりでは誤差が５０パーセント以上、横方向速度の見積もりおよび加速度の見積もりでは誤差が９０パーセント以上減少した。目標車両３６が遠くにあるときの束縛フィルタリングの改善の欠如は、束縛の誤差がホスト車両１２と目標車両３６の間の距離に比例する原因である道路曲率パラメータの見積もり誤差に起因する。これは、曲率の見積もり誤差は大きくなりそれがレーン位置の曖昧さを大きくする原因となる曲がった道路３４の場合により明らかである。
【００５１】
第三のシナリオでは、ホスト車両１２と目標車両３６は直線道路３４（Ｃ０＝０かつＣ１＝０）を走行しており、目標車両３６は最初左の隣接レーン内にいて接近しきている。ｔ＝２．２秒（５５回目のレーダースキャン）のとき、目標車両３６はそのレーンをそれてホストレーン３８の方へと向きを変え、ｔ＝４秒（１００回目のレーダースキャン）のとき衝突する結果となる。図１２ａ〜ｄは、非束縛および束縛フィルタリングスキームにおける、目標状態の見積もりの結果と横方向位置および速度のＲＭＳ誤差を示している。束縛妥当性仮説検証（等式（６９））における誤差許容レベルは、ホストレーン３８については
【数１１５】
、全ての隣接レーン４０についてはα＝０．５と選んだ。検証なしの束縛フィルタリングは目標車両３６が向きを変えるまでは実質的に低い見積もり誤差を生じるが、目標車両３６がそのレーン（左の隣接レーン）から向きを変え始めた後は、関連する目標の状態の見積もりは正しくなく、ＲＭＳ誤差も非束縛フィルタリングのそれよりもはるかに大きい。これは、目標車両３６がそのレーンをそれ始めた後は無効になる道路の束縛条件は、即座に引き上げられないということを暗示している。一方で、検証を用いる束縛フィルタリングは、目標車両３６が向きを変えるまではやや小さい見積もり誤差を生じ、目標車両３６が向きを変えた後は目標の状態の見積もりおよびＲＭＳ誤差で非束縛フィルタリングと同じであることを示しており、束縛フィルタリングの性能は非束縛フィルタリングのそれに迫っている。これは、目標車両３６がそのレーンをそれ始めると即座に道路の束縛条件が引き上げられるということを暗示している。
【００５２】
第四のシナリオは第三のシナリオに似ており、唯一の違いは、車両が直線道路ではなく曲がった道路３４
【数１１６】
にいるということである。目標車両３６はｔ＝２．２秒のときそれはじめて、ｔ＝４秒のとき衝突する結果となる。図１３ａ〜ｄは、非束縛および束縛フィルタリングスキームにおける、目標状態の見積もりの結果と横方向位置および速度のＲＭＳ誤差を示している。誤差許容レベルは第三のシナリオと同じで、結果および観測結果も第三のシナリオのそれと類似していた。提案された束縛の検証によって、目標車両３６がそのレーンをそれ始めた後即座に、道路の束縛条件は引き上げられた。一般的に、目標車両３６の横方向の運動の見積もりの正確さにおける束縛フィルタリングによる全体的な改善は、実質的に、目標車両３６の横方向の運動の見積もりの正確さはしばしばレーダーの角度分解能の低さによって制限されるという事実によって与えられる。
【００５３】
従って、直線および曲線の道路３４における道路車両追跡のシミュレーション結果は、予測的衝突検出システム１０は、目標車両３６がホストレーン３８にいるときに、目標車両３６の横方向の運動の見積もりの誤差を実質的に減らすことができることを示している。目標車両３６が隣接レーンからホストレーン３８へ入る操作をするとき、予測的衝突検出システム１０は即座にこの操作を検出し、誤った束縛の状態の結果を避けるために道路の束縛を引き上げる。レーダーの角度分解能の低さが横方向の運動の見積もりを悪くするという事実を考慮して、予測的衝突検出システム１０は、目標車両３６の横方向の運動の見積もりの正確さに実質的な改善を提供し、これは早くかつ信頼の置ける道路車両衝突予測に有益である。
【００５４】
特定の実施態様が上述の詳細な説明で詳細に説明され、貼付の図面に図示されたが、当業者は、本明細書による教示の全体に照らしてその細部について多種の改変および代替を加えうることを認識するであろう。したがって、本明細書に開示される特定の構成は説明することのみを目的とし、本発明の範囲について限定を加えるものではなく、本発明の範囲は、貼付の請求の範囲の全範囲およびその均等物に対して与えられる。
【００５５】
付録：カルマンフィルタリングの説明
ノイズの多い測定の組から、ノイズを前提として、状態と関連する動的システムの測定値を見積もるためにカルマンフィルターが用いられる。
システム力学は
【数１１７】
と定義される。ここで、
【数１１８】
は系の状態ベクトルであり、Ｆｋは系の行列であり、
【数１１９】
はそれぞれの状態変数に対応するノイズ変数であり、それぞれのノイズ変数は平均値０と関連する分散ベクトルＱｋの対応する要素によって与えられる分散を有する。
【００５６】
関連する系の測定の力学は
【数１２０】
によって与えられる。ここで、
【数１２１】
は系の測定のベクトルであり、Ｈｋは系の測定の行列であり、
【数１２２】
はそれぞれの測定変数に対応するノイズ変数であり、それぞれのノイズ変数は平均値０と関連する分散ベクトルＲｋの対応する要素によって与えられる分散を有する。関連する分散ベクトルＲｋの要素の値は、関連する典型的な動作環境の組における関連する系の典型的な測定の解析から事前に決めることができる。関連する分散ベクトルＱｋの要素の値は、モデリング誤差からなる。一般的に、関連する行列
【数１２３】
は時間と共に変化できる。
【００５７】
時間ｋにおける測定値
【数１２４】
および時間ｋ−１における状態の値
【数１２５】
と
【数１２６】
を与えられて、カルマンフィルターは、時間ｋにおける関連する状態
【数１２７】
と関連する共分散
【数１２８】
を見積もるために用いられる。
【００５８】
フィルタリングプロセスの最初のステップは、時間ｋ−１の見積もりに基づいて、時間ｋにおける状態
【数１２９】
および関連する共分散
【数１３０】
を以下のように見積もる。
【数１３１】
【数１３２】
【００５９】
次のステップは、時間ｋにおける尺度
【数１３３】
および関連する共分散行列Ｓｋを以下のように予測する。
【数１３４】
【数１３５】
【００６０】
次のステップは、状態ベクトル
【数１３６】
および関連する共分散行列
【数１３７】
を更新するために用いるゲイン行列Ｇｋを、以下のように計算する。
【数１３８】
【００６１】
最後に、時間ｋにおける状態ベクトル
【数１３９】
および関連する共分散行列
【数１４０】
が、関連する尺度
【数１４１】
に応答して以下のように見積もられる。
【数１４２】
【数１４３】
【図面の簡単な説明】
【００６２】
【図１】予測的衝突検出システムに関するハードウェアのブロック図である。
【図２】予測的衝突検出システムで使用されるレーダービームの捕捉範囲のパターンである。
【図３】予測的衝突検出システムの動作を説明するための運転シナリオである。
【図４】予測的衝突検出システムのハードウェアおよび関連する信号処理アルゴリズムのブロック図である。
【００６３】
【図５】予測的衝突検出システムの関連する信号処理アルゴリズムのフローチャートである。
【図６】道路曲率パラメータを決定するために使用する幾何学である。
【図７】円弧の幾何学である。
【００６４】
【図８ａ】直線道路における目標の位置、横向きの速度、および道路曲率パラメータの見積もりの例である。
【図８ｂ】直線道路における目標の位置、横向きの速度、および道路曲率パラメータの見積もりの例である。
【図８ｃ】直線道路における目標の位置、横向きの速度、および道路曲率パラメータの見積もりの例である。
【図８ｄ】直線道路における目標の位置、横向きの速度、および道路曲率パラメータの見積もりの例である。
【００６５】
【図９ａ】図８ａ〜ｄに対応する、直線道路における非束縛フィルタリングおよび束縛フィルタリングからのＲＭＳ誤差である。
【図９ｂ】図８ａ〜ｄに対応する、直線道路における非束縛フィルタリングおよび束縛フィルタリングからのＲＭＳ誤差である。
【００６６】
【図１０ａ】曲がった道路における目標の位置、横向きの速度、および道路曲率パラメータの見積もりの例である。
【図１０ｂ】曲がった道路における目標の位置、横向きの速度、および道路曲率パラメータの見積もりの例である。
【図１０ｃ】曲がった道路における目標の位置、横向きの速度、および道路曲率パラメータの見積もりの例である。
【図１０ｄ】曲がった道路における目標の位置、横向きの速度、および道路曲率パラメータの見積もりの例である。
【００６７】
【図１１ａ】図１０ａ〜ｄに対応する、曲がった道路における非束縛フィルタリングおよび束縛フィルタリングからのＲＭＳ誤差である。
【図１１ｂ】図１０ａ〜ｄに対応する、曲がった道路における非束縛フィルタリングおよび束縛フィルタリングからのＲＭＳ誤差である。
【００６８】
【図１２ａ】レーン変更を含む場合の、直線道路における目標の位置、横向きの速度、道路曲率パラメータおよび関連するＲＭＳ誤差の見積もりの例である。
【図１２ｂ】レーン変更を含む場合の、直線道路における目標の位置、横向きの速度、道路曲率パラメータおよび関連するＲＭＳ誤差の見積もりの例である。
【図１２ｃ】レーン変更を含む場合の、直線道路における目標の位置、横向きの速度、道路曲率パラメータおよび関連するＲＭＳ誤差の見積もりの例である。
【図１２ｄ】レーン変更を含む場合の、直線道路における目標の位置、横向きの速度、道路曲率パラメータおよび関連するＲＭＳ誤差の見積もりの例である。
【００６９】
【図１３ａ】レーン変更を含む場合の、曲がった道路における目標の位置、横向きの速度、道路曲率パラメータおよびそのＲＭＳ誤差の見積もりの例である。
【図１３ｂ】レーン変更を含む場合の、曲がった道路における目標の位置、横向きの速度、道路曲率パラメータおよびそのＲＭＳ誤差の見積もりの例である。
【図１３ｃ】レーン変更を含む場合の、曲がった道路における目標の位置、横向きの速度、道路曲率パラメータおよびそのＲＭＳ誤差の見積もりの例である。
【図１３ｄ】レーン変更を含む場合の、曲がった道路における目標の位置、横向きの速度、道路曲率パラメータおよびそのＲＭＳ誤差の見積もりの例である。
【技術分野】
【０００１】
態様の説明
図１を参照すると、予測的衝突検出システム１０はホスト車両１２に組み込まれ、ホスト車両１２の外部にある物体を検出するレーダーシステム１４、および、例えばジャイロスコープセンサーなどのヨーレートセンサー１６、ホスト車両１２の運動を検出するためのスピードセンサー１８などのセンサー群を含む。ヨーレートセンサー１６とスピードセンサー１８はそれぞれホスト車両１２のヨーレートとスピードの測定値を与える。例えばドップラーレーダーシステムなどのレーダーシステム１４は、アンテナ２０およびレーダープロセッサー２２を含み、レーダープロセッサー２２はアンテナ２０から送信され、その視野角内の物体に反射するＲＦ信号を発生する。レーダープロセッサー２２は、反射し、アンテナ２０で受信された関連するＲＦ信号を復調し、アンテナ２０から送信されたＲＦ信号を照射された一または二以上の物体に応答する信号を検知する。例えば、レーダーシステム１４は、ホスト車両１２に固定された座標における目標のレンジ、レンジレート、およびアジマス角の測定値を提供する。図２を参照すると、アンテナ２０は、ビームコントロール部２４に応答して、例えば電気的あるいは機械的に、例えば±５０度などの±γのアジマス角にわたってスキャンするＲＦエネルギーのレーダービーム２３を発生するように適合し、レーダービーム２３は、予想される事故を避けあるいはそれによる損害あるいは負傷を緩和するためにホスト車両１２が採る有力な行動を緩和することができるように、ホスト車両１２との予想される衝突の前十分遠くで目標を検出できるように、例えば１００メートルのなどの十分に遠い距離範囲を持っている。レーダープロセッサー２２、ヨーレートセンサー１６、およびスピードセンサー１８は、例えば目標車両３６（図３に図示）などの物体との衝突が起こりそうか否かを決定し、もし起こりそうであれば、加えて例えば一または二以上の関連する警告システム２８または安全システム３０（例えばエアバッグ）の作動または予測される事故を避け、またはその帰結を軽減するために回避行動をとるための車両制御システム３２（例えば関連するブレーキまたはステアリングシステム）の使用などの採るべき行動を決定する関連する予測的衝突アルゴリズムに従って動作するシグナルプロセッサー２６に動作可能に連結している。
【０００２】
図３を参照すると、ホスト車両１２はレーンが複数ある直線またはカーブの道路３４を走行しており、目標車両３６は逆方向、すなわちホスト車両１２に向かって走行していることが示されている。一般的に、それぞれホスト車両１２と同じ方向または逆方向に走行している目標車両３６は、道路３４上であれば、何台でも良い。目標車両３６はホストレーン３８にいても良いし、隣接レーン４０にいてもよく、隣接レーン４０はホストレーン３８と近接していてもよいし分離していても良いが、一般的にはそれと平行である。解析する目的のために、ホスト車両１２はレーン３８のセンターライン４１に沿ってレーン内でふらつくことなく走行していると仮定し、全ての平行レーン３８、４０の曲率は等しいと仮定する。ホスト車両１２と検出可能な全ての目標車両３６の進行角度（heading angle）の差が１５度以下となるように、道路曲率は小さいと仮定する。
【０００３】
図４を参照すると、予測的衝突検出システム１０は、ホストに固定した座標における各測定時のそれぞれの目標車両の二次元的な位置、速度、加速度
【数１】
を見積もるために、好ましくは誤差を可能な限り小さくして、
そのスピードセンサー１８およびヨーレートセンサー１６それぞれからのホスト車両１２の速さＵｈおよびヨーレートωｈ；
ホスト車両１２に装着されたレーダーシステム１４から得られる、全ての目標車両３６のレンジｒ、レンジレート
【数２】
およびアジマス角η；
の測定値を、全ての測定値の誤差共分散行列との対応に従って用いる。予測的衝突検出システム１０は、(1)ホスト車両の運動センサー、換言すればヨーレートセンサー１６とスピードセンサー１８からの測定値を用いた、道路３４の曲率を見積もるための道路曲率見積もりサブシステム４２、(2)レーダービーム２３によって照らされ、レーダープロセッサー２２によって検出された目標車両の状態を見積もるための非束縛目標状態見積もりサブシステム４４、(3)目標が道路３４のホストレーン３８か隣接レーン４０のいずれか可能なレーンに束縛されていると仮定し、目標の束縛の状態を見積もるための束縛目標状態見積もりサブシステム４６、(4)非束縛目標状態といずれかの束縛に束縛された目標の状態のいずれが目標の状態として最適かを決定する目標状態決定サブシステム４８、および、(5)統合された目標の状態を発生するために、非束縛目標状態を目標状態決定サブシステム４８によって特定された適切な束縛と統合するための目標状態統合サブシステム５０、を含む。ホスト車両１２が目標と衝突する危険があるのか否かを決定し、もしあるなら、例えば警告システム２８、安全システム３０または車両制御システム３２のいずれかまたはこれらの組み合わせの行動によって、衝突の結果を和らげるために最適な行動を決定し、生じさせるために、最良の見積もり（非束縛目標状態か統合された目標の状態のいずれか）は決定または制御サブシステムに用いられる。可能な場合には、道路３４の幾何学的構造を目標の運動に対する束縛として使用することは、より正確な目標の状態の見積もりを提供し、それに応じて採られる行動の信頼性を向上させる。
【０００４】
図５を参照すると、ホスト車両１２の視野角内の目標の状態、換言すれば運動学的変数を検出する方法５００が示されており、そのステップは例えばシグナルプロセッサー２６で実行される。ステップ５０２および５０４では、道路３４に対するホスト車両１２の速さＵｈとヨーレートωｈがそれぞれスピードセンサー１８およびヨーレートセンサー１６からそれぞれ読み込まれる。その後、ステップ５０６で、道路３４の曲率パラメータとそれに関連する共分散が、それぞれホスト車両１２の状態（換言すれば、ホスト車両１２の運動状態変数）とそれに関連する共分散を見積もりその後道路３４の曲率パラメータとそれに関連する共分散を見積もる第一のカルマンフィルター５２と第二のカルマンフィルター５４を用いて、見積もられる。ここで、後文に説明するとおり、道路３４の曲率パラメータおよびその共分散は、次いで、予測的に目標車両３６が存在する有力な位置における関連する束縛を発生するために、束縛目標状態見積もりサブシステム４６に用いられる。
【０００５】
良くデザインされ、構成されている道路３４は、曲率を含む一組のパラメータで記述することができ、ここで、道路３４のある弧の曲率は、
【数３】
と定義される。ここで、Ｒはその弧の半径である。一般的に、なめらかな道路３４では、曲率の変動は、いわゆるクロソイドモデル、換言すれば、
【数４】
によって、道路３４に沿った距離ｌの関数として記述できる。ここで、Ｃ１＝１／Ａ２であり、Ａはクロソイドパラメータと呼ばれる。
【０００６】
図６を参照すると、進行方向を定義する進行角度θは、
【数５】
により得られる。等式（２）を等式（３）に代入すると、
【数６】
が得られる。
【０００７】
図６を参照すると、x-y座標での道路３４の等式は、
【数７】
および
【数８】
で与えられる。
進行角度θが１５度以下である、すなわち
【数９】
と仮定すると、等式（５）および（６）はおよそ、
【数１０】
【数１１】
とすることができる。
【０００８】
従って、道路３４は、付加的な曲率の係数Ｃ０とＣ１によってモデル化される。この付加的な道路の等式は広範囲の道路の形状を以下のごとく記述する；(1)直線の道路３４では、Ｃ０＝０かつＣ１＝０；(2)円状の道路３４では、Ｃ１＝０；(3)進行角度θが１５度以下であって任意の形状を持つ一般的な道路３４では、Ｃ０＞０である。
道路曲率パラメータＣ０とＣ１は、ホスト車両１２が道路３４のセンターライン４１または関連するホストレーン３８に沿って動いているとの仮定の下、ホスト車両１２内の運動センサー（ヨーレートセンサー１６とスピードセンサー１８）からのデータを用いて見積もられる。
【０００９】
道路曲率パラメータＣ０とＣ１は、ホスト車両１２の運動センサーから手に入るホスト車両１２のヨーレートωｈと速さＵｈに応答する
【数１２】
のデータから計算できる。しかしながら、一般的にヨーレートセンサー１６とスピードセンサー１８からそれぞれえられる、ヨーレートωｈと速さＵｈの測定値はノイズが多い。関連するノイズの多いヨーレートωｈと速さＵｈの測定値から
【数１３】
の見積もりを発生するために、第一のカルマンフィルター５２によって実行されるホスト状態フィルターが有益である。その後、曲率パラメータＣ０とＣ１の平滑化した見積もりを発生するために、第二のカルマンフィルター５４によって実行される曲率フィルターが用いられる。ホスト状態フィルターのためのホスト車両１２の力学は、以下に与えられる所定の運動学的等式（この場合は一定の速度）に従う：
【００１０】
【数１４】
【数１５】
ここで、
【数１６】
であり、Ｔはサンプリング周期であり、上付の(・)ｈはこのフィルターがホストフィルターであることを示し、Ｕｈとωｈはホスト車両１２の速さとヨーレートの測定値である。第一のカルマンフィルター５２は、図４に示されるとおり、ホスト状態
【数１７】
とその誤差共分散
【数１８】
を見積もるために実行される。
【００１１】
第一のカルマンフィルター５２、すなわちホスト状態フィルターからのホスト状態の見積もりは、その後第二のカルマンフィルター５４、すなわち曲率係数フィルターにインプットされる統合的な測定値（synthetic measurement）を発生するために用いられる。ここで、関連するカルマンフィルター５２と５４は、後掲の付録にて全体を説明するカルマンフィルタリングプロセスに従って動作する。道路曲率パラメータＣ０とＣ１とホスト状態変数
【数１９】
との関係は以下の通りである。
【００１２】
図７に示されるように、等式（４）から道路の半径Ｒは一般的に道路に沿った距離ｌの関数Ｒ（ｌ）として表される。等式（４）の両辺の時間微分をとると、次の等式が得られる。
【数２０】
ここで、
【数２１】
すなわちホスト車両１２のヨーレートであり、
【数２２】
すなわちホスト車両１２の速さであることに注目すべきである。そして、クロソイドモデルの等式（２）を等式（１２）に代入すると、以下の式が得られる。
【００１３】
【数２３】
または、
【数２４】
クロソイドパラメータＣ０は、ｌ＝０の地点における曲率の値Ｃまたは
【数２５】
として与えられる。
【００１４】
等式（１４）の両辺の微分をとると、
【数２６】
となる。
等式（２）からＣ１の定義を用いると、Ｃ１はホスト状態に関して以下のように表される。
【数２７】
【００１５】
曲率の見積もり
【数２８】
を発生する、第二のカルマンフィルター５４、すなわち曲率フィルターのシステム方程式（system equation）は、
【数２９】
【数３０】
によって与えられる。ここで、
【数３１】
であり、Δｔは第二のカルマンフィルター５４の更新周期であり、測定値ベクトル
【数３２】
の要素の値は曲率フィルターの状態変数に対応する値−−すなわちクロソイドパラメータＣ０とＣ１−−によって与えられる。
【００１６】
測定値
【数３３】
は見積もられた状態
【数３４】
から以下のように変換される。
【数３５】
そして、測定値の関連する共分散は、
【数３６】
で与えられる。ここで、
【数３７】
である。
【００１７】
道路３４の曲率パラメータを見積もる他のシステムおよび方法が、上述の道路曲率見積もりサブシステム４２と置換されても良いということが理解されるべきである。例えば、道路曲率パラメータは、関連するセンサーから得られる速さＵｈとヨーレートωｈの測定値を基にした上述のシステムの代わりに、またはこれと協働で、道路３４の画像から視覚システムによって見積もっても良い。さらに、ヨーレートは様々な方法によりまたは様々な手段を用いて測定または決定することができることが理解されるべきである。これに限定されるものではないが、例えば、ヨージャイロセンサー（yaw gyro sensor）、ステアリング角センサー、微分式車輪速度センサー（differential wheel speed sensor）、またはＧＰＳを基にしたセンサーやこれらの組み合わせ、またはこれらの測定値の関数（例えば、特に、ステアリング角比率）を用いることができる。
【００１８】
再び図５を参照すると、ステップ５０８において、目標のレンジｒ、レンジレート
【数３８】
およびアジマス角ηがレーダープロセッサー２２から読み込まれ、それはその後拡張されたカルマンフィルター５６、すなわちメインフィルターの入力として利用される。メインフィルターは、ステップ５１０で非束縛目標状態、すなわち目標の運動学的な状態の変数を見積もるものであり、その見積もり値はホスト車両１２と共に動くローカル座標系（すなわちホストに固定された座標）における相対的な値である。束縛目標状態の見積もりを発生するために後述する関連する束縛での等式の中で使う場合に、道路に束縛される等式が由来し関連する曲率パラメータが一定であると仮定される絶対座標系と一致するように、ステップ５１２で非束縛目標状態、すなわち目標の速度および加速度は図３に示されるようにその瞬間のホスト車両１２に固定された絶対座標系の絶対座標に変換される。絶対座標系はその瞬間の空間における移動座標系を重ね、そのため、ステップ５１２での変換は、ｘ方向、ｙ方向の両方で、ホスト車両１２の速度および加速度を応答する目標の見積もりに加算することで実現される。
【００１９】
ステップ５１２での拡張されたカルマンフィルター５６の出力の座標変換の結果は、ホスト車両１２に対する目標車両３６の相対的なｘとｙのそれぞれの位置に対応して、以下のような部分に分配される。ここで上付の１は目標車両３６の非束縛目標状態であることをしめす。
【数３９】
【００２０】
再び図５を参照すると、ステップ５０６と５１２に続く、後文でより全体を説明するステップ５１４から５２４では、目標車両３６が有力な束縛に従って運動していると考えられるかどうかを決定するために、目標車両３６の有力な軌道の様々な束縛が適用されテストされる。例えば、束縛条件はホストレーン３８および有力な隣接レーン４０を含むレーンの組を形成すると仮定され、また、有力な束縛条件に従って運動すると考えられる目標車両３６はホストレーン３８または有力な隣接レーン４０の内の一つのいずれかの上を運動していると考えられるであろう。ステップ５２４では、目標車両３６はホストレーン３８または有力な隣接レーン４０の内の一つのいずれかの上を運動しているという仮説はそれぞれの有力なレーンについてテストされる。もし、有力なレーンの一つについてその仮説が満足しないのであれば、ステップ５２６で目標の状態は非束縛目標状態であると仮定され、それは次の予測的衝突検出解析およびそれに応答する制御に用いられる。そうでなければ、ステップ５２４から、ステップ５２８で目標の状態は目標状態統合サブシステム５０によって、非束縛目標状態とステップ５２４で最も適当であると特定された関連する束縛の状態との統合として計算される。
【００２１】
目標が束縛条件に束縛されていると考えられるかどうかを決定し、もしそうなら何が最も適当な束縛条件かを決定するステップ５１４から５２４のプロセスについて議論する前に、非束縛目標状態と束縛状態との統合のプロセスを、目標車両３６がホスト車両１２と同じレーンを動いている場合においてまず説明する。束縛条件はｙ方向のみアクティブであると仮定され、ホスト車両１２はレーン３８のセンターライン４１に沿ってレーン内をふらつくことなく安定走行し、かつ平行レーン３８、４０の曲率は等しいとの仮定と一致し、また絶対座標系はその瞬間のホスト車両１２に固定されていることから与えられる。ステップ５１４で、目標車両３６がホスト車両１２と同じレーン３８を走行していると仮定し、見積もられた係数と共に道路の束縛の等式を用いるので、束縛の状態の変数は横方向の運動学的変数に関して以下のように与えられる。
【００２２】
【数４０】
および
【数４１】
ここで、
【数４２】
であり、また、
【数４３】
である。
【００２３】
ステップ５２８で、一つはメインフィルターからで他方は道路の束縛条件からの二つのｙ座標の見積もりは以下の通り統合される。
【数４４】
【数４５】
最終的に作られた目標の状態の見積もりは、
【数４６】
および
【数４７】
であり、ここで、
【数４８】
である。
【００２４】
もしステップ５１４から５２４において目標車両３６がホストレーン３８を走行していると決定されたならば、ステップ５３０でこの作られた見積もりが目標の状態の見積もりとして出力される。
【００２５】
目標が束縛に束縛されていると考えられるかどうかを決定し、もしそうなら何が最も適当な束縛条件かを決定するステップ５１４から５２４のプロセスに戻る。目標は同じ道路３４に従っているという仮定に従うと、もし目標車両３６が特定のレーン内を走行していると分かったならば、そのレーンの見積もられた道路のパラメータを目標の運動を見積もるメインフィルター内の束縛条件として使うことが望まれるであろう。しかしながら、現在目標車両３６が走行しているレーンの知識は、一般的に得ることができず、特に目標が曲がった道路３４を走行しているときは得られない。道路の等式（８）はホストを中心とした座標内のホストレーン３８についてのみの式であるから、束縛のフィルタリングは目標がどちらのレーンにいるかが分かっていることを必要とするであろうし、また異なったレーンには異なった束縛の等式が必要であろう。これらの平行レーン間の曲率を無視する、すなわちそれぞれのレーンの曲率が等しいと仮定すると、任意のレーンについての道路の等式は
【数４９】
と書ける。ここで、Ｂはレーンの幅であり、ｍは記述すべきレーンを表す（ｍ＝０はホストレーン３８に対応し、ｍ＝１は右の隣接レーン４０に対応し、ｍ＝−１は左の隣接レーン４０に対応し、以下は同様である。）。目標のレーン位置についての事前知識なしに、複数束縛系（multiple constraint system）（いわゆる複数モデル系（multiple model system）と似ている）を構成する複数の束縛は、もしあれば、どの束縛がアクティブであるかを決定するためにテストされる。複数束縛（ＭＣ：multipul constraint）系は、一つの有限の数ＮＣに従う。いずれの与えられた時間においても一つの束縛のみが有効である。このようなシステムはハイブリッドと呼ばれ、不連続な数の束縛と同様に連続的（ノイズ）な状態変数を持つ。
【００２６】
以下の定義およびモデリング仮定はこの問題の解決を促進する。
束縛の等式：
【数５０】
ここで、
【数５１】
はｔｋで終了するサンプリング周期の間有効な、時間ｔｋにおける束縛条件を意味する。
【００２７】
可能なＮＣの束縛条件の間の束縛条件：
【数５２】
【数５３】
：束縛条件
【数５４】
を用いた時間ｔｋにおける状態の見積もり
【数５５】
：束縛条件
【数５６】
下での時間ｔｋにおける共分散行列
【数５７】
：時間ｔｋ−１において目標が束縛条件ｊに従っている確率
【００２８】
束縛条件のジャンププロセス（constraint jump process）は既知の遷移確率を用いたマルコフチェーンである：
【数５８】
一以上の有力な束縛の状態を有する系にマルコフモデルを導入するために、それぞれのスキャン時間に目標が束縛の状態ｉからｊへと遷移する確率が存在すると仮定する。これらの確率は事前に分かっており、以下に示す確率遷移行列として表すことができると仮定する。
【数５９】
【数６０】
が正しい（
【数６１】
が有効）という事前の確率は
【数６２】
であり、ここで、Ｚ０は事前の情報であり、正しい束縛条件は仮定されたＮＣの束縛条件の中にあるので、
【数６３】
である。
【００２９】
束縛目標状態見積もりサブシステム４６は、目標の状態が有力な束縛の状態に対応するかどうかの決定を提供し、もしそうであれば、最も適切な束縛の状態の決定を提供する。
【００３０】
これを決定する方法の一つは、バーシャローム（Bar-Shalom）によって提案された複数モデルフィルタリングアルゴリズム（multiple model filtering algorithm）であり、ここではＮＣの並列フィルターが同時に実行される。
【００３１】
他の方法では、複数束縛（ＭＣ）見積もりアルゴリズムは、それぞれの束縛の状態に関する尤度関数および確率の計算に伴う尺度として非束縛の状態の見積もり
【数６４】
を用いることで、ＮＣの束縛された状態の見積もりを調和させ、更新する。複数束縛（ＭＣ）見積もりアルゴリズムの一つの実施態様では、束縛の状態の見積もりの出力は全ての束縛された状態の見積もりの組み合わせからなる。もしこの束縛された状態が有効であれば、すなわちもし束縛の状態の見積もりが非束縛の状態の見積もりに応答していれば、目標状態は束縛の状態と非束縛の状態の見積もりの統合から得られる。そうでなければ、目標状態は非束縛の状態の見積もりから得られる。この複数束縛（ＭＣ）見積もりアルゴリズムの実施態様は以下のステップを含む。
【００３２】
１．複数束縛からの状態変数の見積もり
ステップ５１４では、等式（２４）の第一行を置き換えるために複数レーン道路の等式（３３）を用いるので、複数束縛の状態の見積もりは、
【数６５】
によって与えられ、ここで、
【数６６】
であり、Ｂはレーンの幅である。別に述べたように、束縛の状態の見積もりは、目標車両３６が位置することができるそれぞれの有力なレーンのセンターラインのｙ座標に応答する。
関連する共分散は
【数６７】
で与えられる。ここで、
【数６８】
は等式（２６）と（２７）によって与えられ、
【数６９】
は等式（２３）から、
【数７０】
は曲率フィルターから得られる。
【００３３】
２．束縛された状態の更新
ステップ５１６では、有効な束縛の状態にある状態の見積もりと共分散は、尤度関数と同様に、
【数７１】
のそれぞれの束縛の状態について更新される。束縛の状態ｊに対応する更新された状態の見積もりと共分散は尺度
【数７２】
を用いることで以下のように得られる。
【数７３】
【数７４】
【数７５】
【００３４】
３．尤度計算
ステップ５１８では、束縛の状態ｊに対応する尤度関数は、尺度が
【数７６】
のそれぞれの束縛の状態における束縛された状態の見積もりの周囲にガウス分布すると仮定して、非束縛目標状態の見積もりの値
【数７７】
において以下のように評価される。
【数７８】
ここで、ガウス分布Ｎ（ ; , ）は平均値
【数７９】
と関連する共分散
【数８０】
を持つ。
【００３５】
４．束縛確率評価
ステップ５２０では、
【数８１】
のそれぞれの束縛の状態において、更新された束縛確率が以下のように計算される。
【数８２】
ここで、
【数８３】
は束縛ｊが有効である遷移の後の確率であり、
【数８４】
により与えられ、規格化定数は
【数８５】
である。
【００３６】
５．全体的な状態見積もりと共分散
ステップ５２２では、最新の束縛の状態の見積もりと共分散の組み合わせが、
【数８６】
【数８７】
【数８８】
によって与えられる。
【００３７】
上記のアルゴリズム内のステップ５２２からの見積もり器の出力は、等式（２８）と（２９）で表される統合プロセスの束縛された見積もりとして用いられ、等式（３２）の結果の代わりに等式（５１）の結果が等式（３１）に用いられる。
目標車両３６が道路３４に従っていないとき、またはレーンを変更しているときには、運動学的状態変数に道路の束縛を課すことは、関連した非束縛の見積もりを用いるよりも悪いであろう間違った見積もりに終わるであろう。しかしながら、ノイズに関連した見積もりの誤差は、正しい道路の束縛条件を無効であると思わせる原因となりうる。従って、
有効な場合、すなわち目標車両３６が特定のレーンにいる場合、に束縛を有効であるように保ち、無効である場合、すなわち、目標車両３６がレーンを離れている場合にそれを即座に引き上げる手段を導入することは有益である。独立した目標の状態の見積もりを提供するので、非束縛目標状態は道路の束縛変数にとって重要な役割を担う。
【００３８】
一つのやり方は、非束縛目標状態は道路の束縛の等式を満足するという仮説、または同様に束縛の状態の見積もりと非束縛の状態の見積もりはそれぞれ同じ目標に対応しているという仮説を検証することである。最善の検証はこれまでの時間ｔｋにおける全ての入手可能な目標状態の見積もりを使用することを要求するであろうし、これは一般的に実用的ではない。実用的なやり方は、最も新しい状態の見積もりのみに基づいて実行される逐次仮説検証である。上文で使用した表記法に従って、束縛と非束縛の目標状態の見積もり（ｙ方向のみ）は、
【数８９】
で示され、これは、
【数９０】
の見積もりとしてのものである。ここで、
【数９１】
は実際の目標状態で、
【数９２】
は道路３４（またはレーン）に沿って動く目標の実際の状態である。ステップ５２４では、「同じ目標」仮説が検証される。すなわち、
【数９３】
対
【数９４】
である。
【００３９】
メインフィルター誤差
【数９５】
は束縛から生じる誤差
【数９６】
から独立であると仮定される。差
【数９７】
の共分散は仮定Ｈ０の下、
【数９８】
で与えられる。
見積もりの誤差がガウシアンであると仮定すると、Ｈ０対Ｈ１の検証は、以下のようになる。
【数９９】
閾値は、
【数１００】
のように選ばれ、ここで、αは所定の許容誤差値である。
【００４０】
ここで、上述のガウシアン誤差仮説に基づくと、
【数１０１】
は自由度ｎｙのカイ二乗分布をもつことに留意すべきである。この閾値の選択は重要な設計要素であり、特定の用途における必要性に基づくべきである。道路での車両衝突予測では、ホストレーン３８内の目標は衝突するコースにいるとみなされ、隣接レーン４０の一つにいる目標よりも危険であると判断される。それ故、束縛フィルタリングは、「レーン変更」操作中にそのような目標はホスト車両に衝突する恐れを生じさせないという正確な目標の状態の見積もりを提供できるので、ホストレーン３８内にいる目標に対して高い閾値（低い許容誤差値）が望ましい。一方で、隣接レーン４０にいる目標は通常は通り過ぎる車両であると考えられる。束縛フィルタリングは誤った警報の割合を下げるであろうが、目標の「レーン変更」操作（ホストレーン３８に入ってくる）は実際にホスト車両１２に衝突する危険を生じさせうる。それ故、もし誤った警報の割合が十分に低いのであれば、隣接レーン内の目標に対しては低い閾値（高い許容誤差値）が望ましい。
【００４１】
上述の解析に基づくと、仮説の検証スキームは、現在目標がどちらのレーン内にいるのが最も有力かについての知識を提供する複数束縛フィルタリングアルゴリズムとともに、効率的には異なったレーンの目標に対しては異なった閾値を用いる。道路３４にはＮＣの有力なレーンがありそれぞれのレーンは束縛の等式で記述されると仮定するので、最も高い確率
【数１０２】
を用いた目標についての束縛の等式は、時間ｔｋ（現在の時間）において目標がいるとして最も有力なレーンに対応する。この最も有力なレーンをｌｔと表すと、
【数１０３】
となる。
【００４２】
非束縛の状態の見積もりとレーンｌｔの束縛の状態の見積もり（ｙ方向のみ）の間の差は、
【数１０４】
で示され、これは、
【数１０５】
の見積もりである。ここで、
【数１０６】
は実際の目標状態で、
【数１０７】
はレーンｌｔに沿って動く目標の実際の状態である。「同じ目標」仮説の検証は、
【数１０８】
対
【数１０９】
で与えられる。
【００４３】
束縛の状態の見積もりの誤差は、
【数１１０】
で与えられる。
見積もりの誤差は独立でありガウシアンであると仮定するので、Ｈ０対Ｈ１の検証は、以下のようになる。
【数１１１】
ここで、
【数１１２】
であり、閾値は
【数１１３】
である。ここで、
【数１１４】
である。
【００４４】
束縛フィルタリングによって見積もりの正確さは大幅に改善しているが、このようなレーンに適応した仮説の検証スキームは、目標車両３６が現在のレーンを離れた場合に目標状態の見積もりの出力のプロンプトスイッチを非束縛の状態に提供する。
【００４５】
複数束縛（ＭＣ）見積もりアルゴリズムのための他の態様では、仮説の検証に用いられる束縛の状態の見積もりは、全ての束縛された目標状態の見積もりからなる組み合わせではなく、最も有力な個々の目標状態の見積もり（すなわち「勝者総獲得」戦略）である。もしこの最も有力な束縛の状態の見積もりが有効であれば、すなわちその最も有力な束縛の状態の見積もりが非束縛の状態の見積もりに対応していれば、目標の状態は最も有力な束縛の状態の見積もりと非束縛の状態の見積もりとの統合から得られ、そうでなければ目標の状態は非束縛の状態の見積もりから得られる。
【００４６】
複数束縛（ＭＣ）見積もりアルゴリズムのためのさらにその他の態様では、仮説の検証はそれぞれの束縛の状態の見積もりに対して行われる。もし満足する仮説がなかったら、目標の状態は非束縛の状態の見積もりから得られる。もしただ一つの仮説が満足するのであれば、目標の状態は対応する束縛の状態の見積もりと非束縛の状態の見積もりとの統合から得られる。もし複数の仮説が満足するのであれば、複数の試みからの投票結果または異なった閾値での再度の仮説検証により、最も有力な束縛の状態が特定される。
【００４７】
一般的に、ホスト車両１２の環境の変化に対応するように、関連するパラメータと共に束縛条件の数（すなわち道路のレーンの数）は時間に応じて変化しうる。例えば、１レーンの道路、反対車線がある２レーンの道路、中央に右左折レーンがある３レーンの道路、反対車線が２レーンある４レーンの道路、または複数のレーンが分離されている高速道路を、ホスト車両１２は一回のドライブで走ることができる。
【００４８】
束縛および非束縛フィルタリングを用いた道路車両追跡シミュレーションが４つのシナリオについて実行された。全てのシナリオにおいて、ホスト車両１２は１５．５ｍ／ｓで走行しており、目標車両３６は同じ道路３４上を１５．５ｍ／ｓで接近している。目標の最初の位置はホストからｘ方向に１２５メートル離れており、全てのレーンの幅を３．６メートルと仮定した。車両スピードセンサーの測定の分散は０．０２ｍ／ｓであり、ジャイロスコープヨーレート測定の分散は０．００６３ｒａｄ／ｓであった。レーダーレンジ、レンジレート、およびアジマス角の測定の分散はそれぞれ、０．５ｍ、１ｍ／ｓ、１．５度であった。シミュレーションの結果は、関連する追跡フィルターの１００回のモンテカルロの実行によって生成された。
【００４９】
第一のシナリオでは、ホスト車両１２と目標車両３６は直線道路３４（Ｃ０＝０かつＣ１＝０）を走行しており、目標車両３６は同じレーンをホスト車両１２に向かって走行している。図８ａ〜ｄは、非束縛および束縛のフィルタリングスキームにおける、目標の状態の見積もりと道路曲率の見積もりの結果を示し、図９ａ〜ｂは、非束縛および束縛のフィルタリングスキームにおける、目標車両３６の横方向の位置、速度、および加速度のＲＭＳ誤差の平均を示している。束縛フィルタリングからの見積もりの誤差は実質的に減少している。目標車両３６がホスト車両１２から６５メートル以上離れている４８回目のレーダースキャンの前、束縛フィルタリングは、目標の横方向速度の見積もりでは誤差が４０パーセント以上減少し、横方向加速度の見積もりでは誤差が６０パーセント以上減少する結果を得た。目標車両３６がホスト車両１２から６５メートル以内にいるときには、より適切な状況であり、束縛フィルタリングによって、横方向位置の見積もりでは誤差が５０パーセント以上、横方向速度の見積もりおよび加速度の見積もりでは誤差が９０パーセント以上減少した。
【００５０】
第二のシナリオでは、ホスト車両１２と目標車両３６は曲がった道路３４（Ｃ０＝−１０−５かつＣ１＝−３×１０−５）を走行しており、目標車両３６は同じレーンをホスト車両１２に向かって走行している。図１０ａ〜ｄは非束縛および束縛のフィルタリングスキームにおける、目標の状態の見積もりと道路曲率の見積もりの結果を示し、図１１ａ〜ｂは、非束縛および束縛のフィルタリングスキームにおける、目標車両３６の横方向位置、速度、および加速度のＲＭＳ誤差の平均を示している。束縛フィルタリングからの見積もりの誤差は、目標車両３６がホスト車両１２から６５メートル以内にいるときである４８回目のレーダースキャン以降、実質的に減少している。目標車両３６がホスト車両１２からおよそ１００メートル離れているときである２０回目のレーダースキャン以前は、束縛フィルタリングと非束縛フィルタリングの見積もりの誤差は同じである。目標車両３６がホスト車両１２から６５メートル〜１００メートルの間に位置している間では束縛フィルタリングは、横方向速度および加速度の見積もりで誤差がおよそ３０パーセント減少する結果となり、目標車両３６がホスト車両１２から６５メートル以内の時には束縛フィルタリングによって、横方向位置の見積もりでは誤差が５０パーセント以上、横方向速度の見積もりおよび加速度の見積もりでは誤差が９０パーセント以上減少した。目標車両３６が遠くにあるときの束縛フィルタリングの改善の欠如は、束縛の誤差がホスト車両１２と目標車両３６の間の距離に比例する原因である道路曲率パラメータの見積もり誤差に起因する。これは、曲率の見積もり誤差は大きくなりそれがレーン位置の曖昧さを大きくする原因となる曲がった道路３４の場合により明らかである。
【００５１】
第三のシナリオでは、ホスト車両１２と目標車両３６は直線道路３４（Ｃ０＝０かつＣ１＝０）を走行しており、目標車両３６は最初左の隣接レーン内にいて接近しきている。ｔ＝２．２秒（５５回目のレーダースキャン）のとき、目標車両３６はそのレーンをそれてホストレーン３８の方へと向きを変え、ｔ＝４秒（１００回目のレーダースキャン）のとき衝突する結果となる。図１２ａ〜ｄは、非束縛および束縛フィルタリングスキームにおける、目標状態の見積もりの結果と横方向位置および速度のＲＭＳ誤差を示している。束縛妥当性仮説検証（等式（６９））における誤差許容レベルは、ホストレーン３８については
【数１１５】
、全ての隣接レーン４０についてはα＝０．５と選んだ。検証なしの束縛フィルタリングは目標車両３６が向きを変えるまでは実質的に低い見積もり誤差を生じるが、目標車両３６がそのレーン（左の隣接レーン）から向きを変え始めた後は、関連する目標の状態の見積もりは正しくなく、ＲＭＳ誤差も非束縛フィルタリングのそれよりもはるかに大きい。これは、目標車両３６がそのレーンをそれ始めた後は無効になる道路の束縛条件は、即座に引き上げられないということを暗示している。一方で、検証を用いる束縛フィルタリングは、目標車両３６が向きを変えるまではやや小さい見積もり誤差を生じ、目標車両３６が向きを変えた後は目標の状態の見積もりおよびＲＭＳ誤差で非束縛フィルタリングと同じであることを示しており、束縛フィルタリングの性能は非束縛フィルタリングのそれに迫っている。これは、目標車両３６がそのレーンをそれ始めると即座に道路の束縛条件が引き上げられるということを暗示している。
【００５２】
第四のシナリオは第三のシナリオに似ており、唯一の違いは、車両が直線道路ではなく曲がった道路３４
【数１１６】
にいるということである。目標車両３６はｔ＝２．２秒のときそれはじめて、ｔ＝４秒のとき衝突する結果となる。図１３ａ〜ｄは、非束縛および束縛フィルタリングスキームにおける、目標状態の見積もりの結果と横方向位置および速度のＲＭＳ誤差を示している。誤差許容レベルは第三のシナリオと同じで、結果および観測結果も第三のシナリオのそれと類似していた。提案された束縛の検証によって、目標車両３６がそのレーンをそれ始めた後即座に、道路の束縛条件は引き上げられた。一般的に、目標車両３６の横方向の運動の見積もりの正確さにおける束縛フィルタリングによる全体的な改善は、実質的に、目標車両３６の横方向の運動の見積もりの正確さはしばしばレーダーの角度分解能の低さによって制限されるという事実によって与えられる。
【００５３】
従って、直線および曲線の道路３４における道路車両追跡のシミュレーション結果は、予測的衝突検出システム１０は、目標車両３６がホストレーン３８にいるときに、目標車両３６の横方向の運動の見積もりの誤差を実質的に減らすことができることを示している。目標車両３６が隣接レーンからホストレーン３８へ入る操作をするとき、予測的衝突検出システム１０は即座にこの操作を検出し、誤った束縛の状態の結果を避けるために道路の束縛を引き上げる。レーダーの角度分解能の低さが横方向の運動の見積もりを悪くするという事実を考慮して、予測的衝突検出システム１０は、目標車両３６の横方向の運動の見積もりの正確さに実質的な改善を提供し、これは早くかつ信頼の置ける道路車両衝突予測に有益である。
【００５４】
特定の実施態様が上述の詳細な説明で詳細に説明され、貼付の図面に図示されたが、当業者は、本明細書による教示の全体に照らしてその細部について多種の改変および代替を加えうることを認識するであろう。したがって、本明細書に開示される特定の構成は説明することのみを目的とし、本発明の範囲について限定を加えるものではなく、本発明の範囲は、貼付の請求の範囲の全範囲およびその均等物に対して与えられる。
【００５５】
付録：カルマンフィルタリングの説明
ノイズの多い測定の組から、ノイズを前提として、状態と関連する動的システムの測定値を見積もるためにカルマンフィルターが用いられる。
システム力学は
【数１１７】
と定義される。ここで、
【数１１８】
は系の状態ベクトルであり、Ｆｋは系の行列であり、
【数１１９】
はそれぞれの状態変数に対応するノイズ変数であり、それぞれのノイズ変数は平均値０と関連する分散ベクトルＱｋの対応する要素によって与えられる分散を有する。
【００５６】
関連する系の測定の力学は
【数１２０】
によって与えられる。ここで、
【数１２１】
は系の測定のベクトルであり、Ｈｋは系の測定の行列であり、
【数１２２】
はそれぞれの測定変数に対応するノイズ変数であり、それぞれのノイズ変数は平均値０と関連する分散ベクトルＲｋの対応する要素によって与えられる分散を有する。関連する分散ベクトルＲｋの要素の値は、関連する典型的な動作環境の組における関連する系の典型的な測定の解析から事前に決めることができる。関連する分散ベクトルＱｋの要素の値は、モデリング誤差からなる。一般的に、関連する行列
【数１２３】
は時間と共に変化できる。
【００５７】
時間ｋにおける測定値
【数１２４】
および時間ｋ−１における状態の値
【数１２５】
と
【数１２６】
を与えられて、カルマンフィルターは、時間ｋにおける関連する状態
【数１２７】
と関連する共分散
【数１２８】
を見積もるために用いられる。
【００５８】
フィルタリングプロセスの最初のステップは、時間ｋ−１の見積もりに基づいて、時間ｋにおける状態
【数１２９】
および関連する共分散
【数１３０】
を以下のように見積もる。
【数１３１】
【数１３２】
【００５９】
次のステップは、時間ｋにおける尺度
【数１３３】
および関連する共分散行列Ｓｋを以下のように予測する。
【数１３４】
【数１３５】
【００６０】
次のステップは、状態ベクトル
【数１３６】
および関連する共分散行列
【数１３７】
を更新するために用いるゲイン行列Ｇｋを、以下のように計算する。
【数１３８】
【００６１】
最後に、時間ｋにおける状態ベクトル
【数１３９】
および関連する共分散行列
【数１４０】
が、関連する尺度
【数１４１】
に応答して以下のように見積もられる。
【数１４２】
【数１４３】
【図面の簡単な説明】
【００６２】
【図１】予測的衝突検出システムに関するハードウェアのブロック図である。
【図２】予測的衝突検出システムで使用されるレーダービームの捕捉範囲のパターンである。
【図３】予測的衝突検出システムの動作を説明するための運転シナリオである。
【図４】予測的衝突検出システムのハードウェアおよび関連する信号処理アルゴリズムのブロック図である。
【００６３】
【図５】予測的衝突検出システムの関連する信号処理アルゴリズムのフローチャートである。
【図６】道路曲率パラメータを決定するために使用する幾何学である。
【図７】円弧の幾何学である。
【００６４】
【図８ａ】直線道路における目標の位置、横向きの速度、および道路曲率パラメータの見積もりの例である。
【図８ｂ】直線道路における目標の位置、横向きの速度、および道路曲率パラメータの見積もりの例である。
【図８ｃ】直線道路における目標の位置、横向きの速度、および道路曲率パラメータの見積もりの例である。
【図８ｄ】直線道路における目標の位置、横向きの速度、および道路曲率パラメータの見積もりの例である。
【００６５】
【図９ａ】図８ａ〜ｄに対応する、直線道路における非束縛フィルタリングおよび束縛フィルタリングからのＲＭＳ誤差である。
【図９ｂ】図８ａ〜ｄに対応する、直線道路における非束縛フィルタリングおよび束縛フィルタリングからのＲＭＳ誤差である。
【００６６】
【図１０ａ】曲がった道路における目標の位置、横向きの速度、および道路曲率パラメータの見積もりの例である。
【図１０ｂ】曲がった道路における目標の位置、横向きの速度、および道路曲率パラメータの見積もりの例である。
【図１０ｃ】曲がった道路における目標の位置、横向きの速度、および道路曲率パラメータの見積もりの例である。
【図１０ｄ】曲がった道路における目標の位置、横向きの速度、および道路曲率パラメータの見積もりの例である。
【００６７】
【図１１ａ】図１０ａ〜ｄに対応する、曲がった道路における非束縛フィルタリングおよび束縛フィルタリングからのＲＭＳ誤差である。
【図１１ｂ】図１０ａ〜ｄに対応する、曲がった道路における非束縛フィルタリングおよび束縛フィルタリングからのＲＭＳ誤差である。
【００６８】
【図１２ａ】レーン変更を含む場合の、直線道路における目標の位置、横向きの速度、道路曲率パラメータおよび関連するＲＭＳ誤差の見積もりの例である。
【図１２ｂ】レーン変更を含む場合の、直線道路における目標の位置、横向きの速度、道路曲率パラメータおよび関連するＲＭＳ誤差の見積もりの例である。
【図１２ｃ】レーン変更を含む場合の、直線道路における目標の位置、横向きの速度、道路曲率パラメータおよび関連するＲＭＳ誤差の見積もりの例である。
【図１２ｄ】レーン変更を含む場合の、直線道路における目標の位置、横向きの速度、道路曲率パラメータおよび関連するＲＭＳ誤差の見積もりの例である。
【００６９】
【図１３ａ】レーン変更を含む場合の、曲がった道路における目標の位置、横向きの速度、道路曲率パラメータおよびそのＲＭＳ誤差の見積もりの例である。
【図１３ｂ】レーン変更を含む場合の、曲がった道路における目標の位置、横向きの速度、道路曲率パラメータおよびそのＲＭＳ誤差の見積もりの例である。
【図１３ｃ】レーン変更を含む場合の、曲がった道路における目標の位置、横向きの速度、道路曲率パラメータおよびそのＲＭＳ誤差の見積もりの例である。
【図１３ｄ】レーン変更を含む場合の、曲がった道路における目標の位置、横向きの速度、道路曲率パラメータおよびそのＲＭＳ誤差の見積もりの例である。
【特許請求の範囲】
【請求項１】
道路曲率を見積もる方法であって：
ａ．道路を走行中のホスト車両の縦方向速さを測定することにより速さの測定値を発生すること；
ｂ．前記ホスト車両のヨーレートを測定または決定することによりヨーレートの測定値を発生すること；および
ｃ．少なくとも一つの曲率パラメータを見積もること、
を含み、
ここで、前記少なくとも一つの曲率バラメータは道路曲率を表現し、前記少なくとも一つの曲率パラメータの見積もりの操作は前記速さの測定値および前記ヨーレートの測定値に応答する、前記方法。
【請求項２】
少なくとも一つの曲率パラメータは少なくとも一つの曲率のクロソイドモデルのパラメータを含み、前記曲率のクロソイドモデルは前記ホスト車両の座標系に関する、請求項１に記載の道路曲率を見積もる方法。
【請求項３】
少なくとも一つの曲率パラメータは第一及び第二のクロソイドモデルのパラメータを含み、ここで、前記第一のパラメータは定数であって、前記第二のパラメータは道路に沿った距離に対する曲率の感度である、請求項２に記載の道路曲率を見積もる方法。
【請求項４】
少なくとも一つの曲率パラメータの見積もりの操作は速さと角速度の測定値を少なくとも一つのカルマンフィルターで処理することを含む、請求項１に記載の道路曲率を見積もる方法。
【請求項５】
少なくとも一つのカルマンフィルターは第一及び第二のカルマンフィルターを含み、前記第一のカルマンフィルターは速さの測定値及びヨーレートの測定値から状態変数の第一の組を見積もるように適合し、前記第二のカルマンフィルターは前記状態変数の前記第一の組の見積もりから少なくとも一つの曲率パラメータを見積もるように適合する、請求項１に記載の道路曲率を見積もる方法。
【請求項６】
状態変数の第一の組は、車両速度、車両加速度、車両ヨーレートおよび車両ヨー加速度を含む、請求項５に記載の道路曲率を見積もる方法。
【請求項７】
道路上の目標車両の状態を見積もる方法であって：
ａ．道路曲率の見積もりを発生すること；
ｂ．目標車両の非束縛の状態とその関連する共分散を見積もること；
ｃ．前記道路曲率の見積もりに応答する、少なくとも一つの将来の目標車両の束縛を構築すること；
ｄ．少なくとも一つの将来の目標車両の束縛に対応する、目標車両の少なくとも一つの束縛の状態及びその関連する共分散を見積もること；
ｅ．目標車両の非束縛の状態および少なくとも一つの目標車両の束縛の状態から選ばれる、最も有力な目標車両の状態を決定すること；および
ｆ．もし前記少なくとも一つの目標車両の束縛の状態が最も有力な状態であれば、非束縛の目標車両の状態およびその共分散を、関連する前記最も有力な状態の束縛の状態およびその共分散と統合し、目標車両の統合された状態およびその関連する統合された共分散の少なくとも一つを目標の見積もられた状態または共分散として出力し；そうでなければ、目標の非束縛の状態またはその関連する非束縛の共分散の少なくとも一つを、目標の見積もられた状態または共分散として出力すること
を含む、前記方法。
【請求項８】
道路曲率を見積もる操作が；
ａ．道路を走行中のホスト車両の縦方向速さを測定することにより速さの測定値を発生すること；
ｂ．ホスト車両のヨーレートを測定または決定することによりヨーレートの測定値を発生すること；および
ｃ．少なくとも一つの曲率パラメータを見積もること、
を含み、
ここで、少なくとも一つの曲率パラメータは道路曲率を表現し、前記少なくとも一つの曲率パラメータの見積もりの操作は前記速さの測定値および前記ヨーレートの測定値に応答する、請求項７に記載の道路上の目標車両の状態を見積もる方法。
【請求項９】
少なくとも一つの曲率パラメータは少なくとも一つの曲率のクロソイドモデルのパラメータを含み、前記曲率のクロソイドモデルは前記ホスト車両の座標系に関する、請求項８に記載の道路上の目標車両の状態を見積もる方法。
【請求項１０】
少なくとも一つの曲率パラメータは第一及び第二のクロソイドモデルのパラメータを含み、ここで、前記第一のパラメータは定数であって、前記第二のパラメータは道路に沿った距離に対する曲率の感度である、請求項９に記載の道路上の目標車両の状態を見積もる方法。
【請求項１１】
少なくとも一つの曲率パラメータ見積もりの操作は速さと角速度の測定値を少なくとも一つのカルマンフィルターで処理することを含む、請求項８に記載の道路上の目標車両の状態を見積もる方法。
【請求項１２】
少なくとも一つのカルマンフィルターは第一及び第二のカルマンフィルターを含み、前記第一のカルマンフィルターは速さの測定値及びヨーレートの測定値から状態変数の第一の組を見積もるように適合し、前記第二のカルマンフィルターは前記状態変数の前記第一の組の見積もりから少なくとも一つの曲率パラメータを見積もるように適合する、請求項１１に記載の道路上の目標車両の状態を見積もる方法。
【請求項１３】
状態変数の第一の組は、車両速度、車両加速度、車両ヨーレートおよび車両ヨー加速度を含む、請求項１２に記載の道路上の目標車両の状態を見積もる方法。
【請求項１４】
目標車両の非束縛の状態および関連する共分散を見積もる操作が；
ａ．ホスト車両対して相対的なレンジ、レンジレート、アジマス角を測定すること；および
ｂ．ホスト車両に対して相対的なレンジ、レンジレート、アジマス角の前記測定値から目標車両の前記非束縛の状態を見積もること
を含む、請求項７に記載の道路上の目標車両の状態を見積もる方法。
【請求項１５】
目標車両の前記非束縛の状態を、道路曲率の見積もりに対応する座標系に変換する操作をさらに含む、請求項７に記載の道路上の目標車両の状態を見積もる方法。
【請求項１６】
少なくとも一つの将来の目標車両の束縛は目標車両の横方向位置に適用され、目標車両の縦方向位置は非束縛である、請求項７に記載の道路上の目標車両の状態を見積もる方法。
【請求項１７】
少なくとも一つの将来の目標車両の束縛は、複数の将来の束縛を含み、道路の異なったレーンに対応する少なくとも二つの異なった将来の束縛を含む、請求項７に記載の道路上の目標車両の状態を見積もる方法。
【請求項１８】
最も有力な目標車両の状態を決定する操作は；
ａ．アクティブな少なくとも一つの将来の目標車両の束縛に対応し、目標車両の非束縛の状態に対応する値において評価される対応する少なくとも一つの分布関数に応答する、少なくとも一つの有力な値を決定すること；
ｂ．前記少なくとも一つの有力な値に応答する、目標車両の第一の束縛の状態の確率を決定すること；
ｃ．少なくとも一つの、目標車両の前記非束縛の状態は前記第一の束縛の状態に対応するという仮説を検証すること；および
ｄ．前記少なくとも一つの仮説の検証の操作に応答して最も有力な目標車両の状態を識別すること
を含む、請求項７に記載の道路上の目標車両の状態を見積もる方法。
【請求項１９】
最も有力な目標車両の状態を決定する操作は、目標車両が第一の状態から第二の状態に遷移する少なくとも一つの事前の確率を構築することを含み、
ここで、前記第一の状態と第二の状態は同じ状態であっても異なった状態であっても良く、前記目標車両の第一の束縛の状態の確率は、前記少なくとも一つの事前の確率に応答する、
請求項１８に記載の道路上の目標車両の状態を見積もる方法。
【請求項２０】
少なくとも一つの分布関数は目標車両の特定の束縛の状態の共分散に応答する、請求項１８に記載の道路上の目標車両の状態を見積もる方法。
【請求項２１】
少なくとも一つの束縛の状態は、複数の束縛の状態を含み、第一の束縛の状態は前記複数の束縛の状態の組み合わせである、請求項１８に記載の道路上の目標車両の状態を見積もる方法。
【請求項２２】
第一の束縛の状態は、目標車両の少なくとも一つの束縛の状態の最も有力な状態を含む、請求項１８に記載の道路上の目標車両の状態を見積もる方法。
【請求項２３】
第一の束縛の状態は、目標車両の少なくとも一つの束縛の状態の一つを含む、請求項１８に記載の道路上の目標車両の状態を見積もる方法。
【請求項２４】
少なくとも一つの仮説の検証の操作は目標車両の状態の最新の見積もりに応答する、請求項１８に記載の道路上の目標車両の状態を見積もる方法。
【請求項２５】
少なくとも一つの仮説の検証の操作は、
目標車両の最も有力な少なくとも一つの束縛の状態に対応する目標車両の特定の束縛の状態を識別すること、
非束縛の状態と前記特定の束縛の状態の差に応答する関数の値を計算すること、および
前記関数の値と閾値とを比較すること、
を含み、
前記仮説は、前記関数の値が前記閾値よりも低い場合に満足する、請求項１８に記載の道路上の目標車両の状態を見積もる方法。
【請求項２６】
閾値は、目標車両の特定の束縛の状態に関連する特定の束縛に応答する、請求項２５に記載の道路上の目標車両の状態を見積もる方法。
【請求項２７】
閾値は、目標車両によるホスト車両に対する危険が増加することに対応する特定の束縛の状態に対して相対的に小さくなる、請求項２６に記載の道路上の目標車両の状態を見積もる方法。
【請求項２８】
目標車両によるホスト車両に対する危険が増加することに対応する特定の束縛の状態は、ホスト車両と同じレーンを走行している目標車両、およびホスト車両と同じレーンにレーン変更をする目標車両、から選択される、請求項２７に記載の道路上の目標車両の状態を見積もる方法。
【請求項２９】
道路曲率を見積もるシステムであって：
ａ．道路上の車両の縦方向速さを測定するように適合したスピードセンサー；
ｂ．前記車両のヨーレートを測定するように適合したヨーレートセンサー；および
ｃ．前記スピードセンサーと前記ヨーレートセンサーに動作可能に連結したプロセッサー
を含み、
ここで、前記プロセッサーは、前記スピードセンサーおよび前記ヨーレートセンサーからの測定値に応答して道路曲率を見積もるように適合する、前記システム。
【請求項３０】
プロセッサーは少なくとも一つのカルマンフィルターを含み、前記少なくとも一つのカルマンフィルターは、縦方向速さ及びヨーレートの測定値に応答して少なくとも一つの曲率パラメータの見積もりを生成するように適合し、ここで、前記少なくとも一つの曲率パラメータは道路曲率を表現する、請求項２９に記載の道路曲率を見積もるシステム。
【請求項３１】
少なくとも一つのカルマンフィルターは、第一および第二のカルマンフィルターを含み、前記第一のカルマンフィルターは、縦方向速さ及びヨーレートの測定値に応答する、ヨーレート、ヨー加速度、縦方向速さおよび縦方向加速度の見積もりを含む出力を発生するように適合し；前記第二のカルマンフィルターは、前記第一のカルマンフィルターの出力に応答する、少なくとも一つの曲率パラメータの見積もりを発生するように適合する、請求項３０に記載の道路曲率を見積もるシステム。
【請求項３２】
道路上の目標車両の状態を見積もるシステムであって：
ａ．ホスト車両が走行している道路曲率を見積もるための道路曲率見積もりサブシステム；
ｂ．動作可能に前記ホスト車両に連結し、道路上の目標車両を追跡するように適合した目標状態見積もりサブシステム；および
ｃ．前記道路曲率見積もりサブシステムおよび前記目標状態見積もりサブシステムに動作可能に連結するか、またはその一部である、少なくとも一つのプロセッサー
を含み、
ここで、前記プロセッサーは、前記道路曲率見積もりサブシステムによって見積もられた前記曲率および前記目標状態見積もりサブシステムからの目標の運動の測定値に対応して、目標車両が道路の特定のレーンを走行していると考えられるかどうかを決定するように適合する、前記システム。
【請求項３３】
道路曲率を見積もるための道路曲率見積もりサブシステムが：
ａ．道路上のホスト車両の縦方向速さを測定するように適合したスピードセンサー；および
ｂ．前記道路上のホスト車両のヨーレートを測定するように適合したヨーレートセンサー
を含み、
ここで、少なくとも一つのプロセッサーは前記スピードセンサーおよび前記ヨーレートセンサーに動作可能に連結し、前記プロセッサーは前記スピードセンサーおよび前記ヨーレートセンサーからの測定値に応答して道路曲率を見積もるように適合する、請求項３２に記載の道路上の目標車両の状態を見積もるシステム。
【請求項３４】
目標状態見積もりサブシステムはホスト車両に動作可能に連結したレーダーシステムを含む、請求項３２に記載の道路上の目標車両の状態を見積もるシステム。
【請求項３５】
プロセッサーが、前記目標状態見積もりサブシステムのレンジ、レンジレートおよびアジマス角に応答する目標の運動の測定値を見積もるように適合した拡張されたカルマンフィルターを含む、請求項３２に記載の道路上の目標車両の状態を見積もるシステム。
【請求項３６】
目標の運動の測定値はホスト車両の座標に関する目標の位置の測定値を含む、請求項３５に記載の道路上の目標車両の状態を見積もるシステム。
【請求項３７】
目標の運動の測定値は、ホスト車両の座標に関する目標の速度の測定値をさらに含む、請求項３６に記載の道路上の目標車両の状態を見積もるシステム。
【請求項１】
道路曲率を見積もる方法であって：
ａ．道路を走行中のホスト車両の縦方向速さを測定することにより速さの測定値を発生すること；
ｂ．前記ホスト車両のヨーレートを測定または決定することによりヨーレートの測定値を発生すること；および
ｃ．少なくとも一つの曲率パラメータを見積もること、
を含み、
ここで、前記少なくとも一つの曲率バラメータは道路曲率を表現し、前記少なくとも一つの曲率パラメータの見積もりの操作は前記速さの測定値および前記ヨーレートの測定値に応答する、前記方法。
【請求項２】
少なくとも一つの曲率パラメータは少なくとも一つの曲率のクロソイドモデルのパラメータを含み、前記曲率のクロソイドモデルは前記ホスト車両の座標系に関する、請求項１に記載の道路曲率を見積もる方法。
【請求項３】
少なくとも一つの曲率パラメータは第一及び第二のクロソイドモデルのパラメータを含み、ここで、前記第一のパラメータは定数であって、前記第二のパラメータは道路に沿った距離に対する曲率の感度である、請求項２に記載の道路曲率を見積もる方法。
【請求項４】
少なくとも一つの曲率パラメータの見積もりの操作は速さと角速度の測定値を少なくとも一つのカルマンフィルターで処理することを含む、請求項１に記載の道路曲率を見積もる方法。
【請求項５】
少なくとも一つのカルマンフィルターは第一及び第二のカルマンフィルターを含み、前記第一のカルマンフィルターは速さの測定値及びヨーレートの測定値から状態変数の第一の組を見積もるように適合し、前記第二のカルマンフィルターは前記状態変数の前記第一の組の見積もりから少なくとも一つの曲率パラメータを見積もるように適合する、請求項１に記載の道路曲率を見積もる方法。
【請求項６】
状態変数の第一の組は、車両速度、車両加速度、車両ヨーレートおよび車両ヨー加速度を含む、請求項５に記載の道路曲率を見積もる方法。
【請求項７】
道路上の目標車両の状態を見積もる方法であって：
ａ．道路曲率の見積もりを発生すること；
ｂ．目標車両の非束縛の状態とその関連する共分散を見積もること；
ｃ．前記道路曲率の見積もりに応答する、少なくとも一つの将来の目標車両の束縛を構築すること；
ｄ．少なくとも一つの将来の目標車両の束縛に対応する、目標車両の少なくとも一つの束縛の状態及びその関連する共分散を見積もること；
ｅ．目標車両の非束縛の状態および少なくとも一つの目標車両の束縛の状態から選ばれる、最も有力な目標車両の状態を決定すること；および
ｆ．もし前記少なくとも一つの目標車両の束縛の状態が最も有力な状態であれば、非束縛の目標車両の状態およびその共分散を、関連する前記最も有力な状態の束縛の状態およびその共分散と統合し、目標車両の統合された状態およびその関連する統合された共分散の少なくとも一つを目標の見積もられた状態または共分散として出力し；そうでなければ、目標の非束縛の状態またはその関連する非束縛の共分散の少なくとも一つを、目標の見積もられた状態または共分散として出力すること
を含む、前記方法。
【請求項８】
道路曲率を見積もる操作が；
ａ．道路を走行中のホスト車両の縦方向速さを測定することにより速さの測定値を発生すること；
ｂ．ホスト車両のヨーレートを測定または決定することによりヨーレートの測定値を発生すること；および
ｃ．少なくとも一つの曲率パラメータを見積もること、
を含み、
ここで、少なくとも一つの曲率パラメータは道路曲率を表現し、前記少なくとも一つの曲率パラメータの見積もりの操作は前記速さの測定値および前記ヨーレートの測定値に応答する、請求項７に記載の道路上の目標車両の状態を見積もる方法。
【請求項９】
少なくとも一つの曲率パラメータは少なくとも一つの曲率のクロソイドモデルのパラメータを含み、前記曲率のクロソイドモデルは前記ホスト車両の座標系に関する、請求項８に記載の道路上の目標車両の状態を見積もる方法。
【請求項１０】
少なくとも一つの曲率パラメータは第一及び第二のクロソイドモデルのパラメータを含み、ここで、前記第一のパラメータは定数であって、前記第二のパラメータは道路に沿った距離に対する曲率の感度である、請求項９に記載の道路上の目標車両の状態を見積もる方法。
【請求項１１】
少なくとも一つの曲率パラメータ見積もりの操作は速さと角速度の測定値を少なくとも一つのカルマンフィルターで処理することを含む、請求項８に記載の道路上の目標車両の状態を見積もる方法。
【請求項１２】
少なくとも一つのカルマンフィルターは第一及び第二のカルマンフィルターを含み、前記第一のカルマンフィルターは速さの測定値及びヨーレートの測定値から状態変数の第一の組を見積もるように適合し、前記第二のカルマンフィルターは前記状態変数の前記第一の組の見積もりから少なくとも一つの曲率パラメータを見積もるように適合する、請求項１１に記載の道路上の目標車両の状態を見積もる方法。
【請求項１３】
状態変数の第一の組は、車両速度、車両加速度、車両ヨーレートおよび車両ヨー加速度を含む、請求項１２に記載の道路上の目標車両の状態を見積もる方法。
【請求項１４】
目標車両の非束縛の状態および関連する共分散を見積もる操作が；
ａ．ホスト車両対して相対的なレンジ、レンジレート、アジマス角を測定すること；および
ｂ．ホスト車両に対して相対的なレンジ、レンジレート、アジマス角の前記測定値から目標車両の前記非束縛の状態を見積もること
を含む、請求項７に記載の道路上の目標車両の状態を見積もる方法。
【請求項１５】
目標車両の前記非束縛の状態を、道路曲率の見積もりに対応する座標系に変換する操作をさらに含む、請求項７に記載の道路上の目標車両の状態を見積もる方法。
【請求項１６】
少なくとも一つの将来の目標車両の束縛は目標車両の横方向位置に適用され、目標車両の縦方向位置は非束縛である、請求項７に記載の道路上の目標車両の状態を見積もる方法。
【請求項１７】
少なくとも一つの将来の目標車両の束縛は、複数の将来の束縛を含み、道路の異なったレーンに対応する少なくとも二つの異なった将来の束縛を含む、請求項７に記載の道路上の目標車両の状態を見積もる方法。
【請求項１８】
最も有力な目標車両の状態を決定する操作は；
ａ．アクティブな少なくとも一つの将来の目標車両の束縛に対応し、目標車両の非束縛の状態に対応する値において評価される対応する少なくとも一つの分布関数に応答する、少なくとも一つの有力な値を決定すること；
ｂ．前記少なくとも一つの有力な値に応答する、目標車両の第一の束縛の状態の確率を決定すること；
ｃ．少なくとも一つの、目標車両の前記非束縛の状態は前記第一の束縛の状態に対応するという仮説を検証すること；および
ｄ．前記少なくとも一つの仮説の検証の操作に応答して最も有力な目標車両の状態を識別すること
を含む、請求項７に記載の道路上の目標車両の状態を見積もる方法。
【請求項１９】
最も有力な目標車両の状態を決定する操作は、目標車両が第一の状態から第二の状態に遷移する少なくとも一つの事前の確率を構築することを含み、
ここで、前記第一の状態と第二の状態は同じ状態であっても異なった状態であっても良く、前記目標車両の第一の束縛の状態の確率は、前記少なくとも一つの事前の確率に応答する、
請求項１８に記載の道路上の目標車両の状態を見積もる方法。
【請求項２０】
少なくとも一つの分布関数は目標車両の特定の束縛の状態の共分散に応答する、請求項１８に記載の道路上の目標車両の状態を見積もる方法。
【請求項２１】
少なくとも一つの束縛の状態は、複数の束縛の状態を含み、第一の束縛の状態は前記複数の束縛の状態の組み合わせである、請求項１８に記載の道路上の目標車両の状態を見積もる方法。
【請求項２２】
第一の束縛の状態は、目標車両の少なくとも一つの束縛の状態の最も有力な状態を含む、請求項１８に記載の道路上の目標車両の状態を見積もる方法。
【請求項２３】
第一の束縛の状態は、目標車両の少なくとも一つの束縛の状態の一つを含む、請求項１８に記載の道路上の目標車両の状態を見積もる方法。
【請求項２４】
少なくとも一つの仮説の検証の操作は目標車両の状態の最新の見積もりに応答する、請求項１８に記載の道路上の目標車両の状態を見積もる方法。
【請求項２５】
少なくとも一つの仮説の検証の操作は、
目標車両の最も有力な少なくとも一つの束縛の状態に対応する目標車両の特定の束縛の状態を識別すること、
非束縛の状態と前記特定の束縛の状態の差に応答する関数の値を計算すること、および
前記関数の値と閾値とを比較すること、
を含み、
前記仮説は、前記関数の値が前記閾値よりも低い場合に満足する、請求項１８に記載の道路上の目標車両の状態を見積もる方法。
【請求項２６】
閾値は、目標車両の特定の束縛の状態に関連する特定の束縛に応答する、請求項２５に記載の道路上の目標車両の状態を見積もる方法。
【請求項２７】
閾値は、目標車両によるホスト車両に対する危険が増加することに対応する特定の束縛の状態に対して相対的に小さくなる、請求項２６に記載の道路上の目標車両の状態を見積もる方法。
【請求項２８】
目標車両によるホスト車両に対する危険が増加することに対応する特定の束縛の状態は、ホスト車両と同じレーンを走行している目標車両、およびホスト車両と同じレーンにレーン変更をする目標車両、から選択される、請求項２７に記載の道路上の目標車両の状態を見積もる方法。
【請求項２９】
道路曲率を見積もるシステムであって：
ａ．道路上の車両の縦方向速さを測定するように適合したスピードセンサー；
ｂ．前記車両のヨーレートを測定するように適合したヨーレートセンサー；および
ｃ．前記スピードセンサーと前記ヨーレートセンサーに動作可能に連結したプロセッサー
を含み、
ここで、前記プロセッサーは、前記スピードセンサーおよび前記ヨーレートセンサーからの測定値に応答して道路曲率を見積もるように適合する、前記システム。
【請求項３０】
プロセッサーは少なくとも一つのカルマンフィルターを含み、前記少なくとも一つのカルマンフィルターは、縦方向速さ及びヨーレートの測定値に応答して少なくとも一つの曲率パラメータの見積もりを生成するように適合し、ここで、前記少なくとも一つの曲率パラメータは道路曲率を表現する、請求項２９に記載の道路曲率を見積もるシステム。
【請求項３１】
少なくとも一つのカルマンフィルターは、第一および第二のカルマンフィルターを含み、前記第一のカルマンフィルターは、縦方向速さ及びヨーレートの測定値に応答する、ヨーレート、ヨー加速度、縦方向速さおよび縦方向加速度の見積もりを含む出力を発生するように適合し；前記第二のカルマンフィルターは、前記第一のカルマンフィルターの出力に応答する、少なくとも一つの曲率パラメータの見積もりを発生するように適合する、請求項３０に記載の道路曲率を見積もるシステム。
【請求項３２】
道路上の目標車両の状態を見積もるシステムであって：
ａ．ホスト車両が走行している道路曲率を見積もるための道路曲率見積もりサブシステム；
ｂ．動作可能に前記ホスト車両に連結し、道路上の目標車両を追跡するように適合した目標状態見積もりサブシステム；および
ｃ．前記道路曲率見積もりサブシステムおよび前記目標状態見積もりサブシステムに動作可能に連結するか、またはその一部である、少なくとも一つのプロセッサー
を含み、
ここで、前記プロセッサーは、前記道路曲率見積もりサブシステムによって見積もられた前記曲率および前記目標状態見積もりサブシステムからの目標の運動の測定値に対応して、目標車両が道路の特定のレーンを走行していると考えられるかどうかを決定するように適合する、前記システム。
【請求項３３】
道路曲率を見積もるための道路曲率見積もりサブシステムが：
ａ．道路上のホスト車両の縦方向速さを測定するように適合したスピードセンサー；および
ｂ．前記道路上のホスト車両のヨーレートを測定するように適合したヨーレートセンサー
を含み、
ここで、少なくとも一つのプロセッサーは前記スピードセンサーおよび前記ヨーレートセンサーに動作可能に連結し、前記プロセッサーは前記スピードセンサーおよび前記ヨーレートセンサーからの測定値に応答して道路曲率を見積もるように適合する、請求項３２に記載の道路上の目標車両の状態を見積もるシステム。
【請求項３４】
目標状態見積もりサブシステムはホスト車両に動作可能に連結したレーダーシステムを含む、請求項３２に記載の道路上の目標車両の状態を見積もるシステム。
【請求項３５】
プロセッサーが、前記目標状態見積もりサブシステムのレンジ、レンジレートおよびアジマス角に応答する目標の運動の測定値を見積もるように適合した拡張されたカルマンフィルターを含む、請求項３２に記載の道路上の目標車両の状態を見積もるシステム。
【請求項３６】
目標の運動の測定値はホスト車両の座標に関する目標の位置の測定値を含む、請求項３５に記載の道路上の目標車両の状態を見積もるシステム。
【請求項３７】
目標の運動の測定値は、ホスト車両の座標に関する目標の速度の測定値をさらに含む、請求項３６に記載の道路上の目標車両の状態を見積もるシステム。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８ａ】
【図８ｂ】
【図８ｃ】
【図８ｄ】
【図９ａ】
【図９ｂ】
【図１０ａ】
【図１０ｂ】
【図１０ｃ】
【図１０ｄ】
【図１１ａ】
【図１１ｂ】
【図１２ａ】
【図１２ｂ】
【図１２ｃ】
【図１２ｄ】
【図１３ａ】
【図１３ｂ】
【図１３ｃ】
【図１３ｄ】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８ａ】
【図８ｂ】
【図８ｃ】
【図８ｄ】
【図９ａ】
【図９ｂ】
【図１０ａ】
【図１０ｂ】
【図１０ｃ】
【図１０ｄ】
【図１１ａ】
【図１１ｂ】
【図１２ａ】
【図１２ｂ】
【図１２ｃ】
【図１２ｄ】
【図１３ａ】
【図１３ｂ】
【図１３ｃ】
【図１３ｄ】
【公開番号】特開２０１０−２８０３７８（Ｐ２０１０−２８０３７８Ａ）
【公開日】平成２２年１２月１６日（２０１０．１２．１６）
【国際特許分類】
【出願番号】特願２０１０−１３６４８３（Ｐ２０１０−１３６４８３）
【出願日】平成２２年６月１５日（２０１０．６．１５）
【分割の表示】特願２００４−５２１８８８（Ｐ２００４−５２１８８８）の分割
【原出願日】平成１５年７月１５日（２００３．７．１５）
【出願人】（３９９０４２２４７）オートモーティブ システムズ ラボラトリー インコーポレーテッド (28)
【Ｆターム（参考）】
【公開日】平成２２年１２月１６日（２０１０．１２．１６）
【国際特許分類】
【出願日】平成２２年６月１５日（２０１０．６．１５）
【分割の表示】特願２００４−５２１８８８（Ｐ２００４−５２１８８８）の分割
【原出願日】平成１５年７月１５日（２００３．７．１５）
【出願人】（３９９０４２２４７）オートモーティブ システムズ ラボラトリー インコーポレーテッド (28)
【Ｆターム（参考）】
[ Back to top ]