驾驶辅助装置及记录有计算机程序的记录介质

技术领域

本公开涉及一种基于车辆与周围的障碍物的碰撞风险对车辆的驾驶进行辅助的驾驶辅助装置及记录有计算机程序的记录介质。

背景技术

近年来，主要以减少交通事故和减轻驾驶负荷为目的，而推进搭载有驾驶辅助功能、自动驾驶功能的车辆的实际应用化。例如已知如下装置：该装置基于通过设置于本车辆的车外拍摄相机、LiDAR(Light Detection and Ranging：光探测与测距)等各种传感器检测到的信息来检测存在于本车辆周围的障碍物，并以规避本车辆与障碍物的碰撞的方式辅助本车辆的驾驶。

作为这样的驾驶辅助装置，在专利文献1中提出了判定规避路径是否是安全的行驶路径的碰撞规避控制装置。具体地，在专利文献1中公开了一种碰撞规避控制装置，其具备：规避路径设定单元，其设定用于规避与前方障碍物的碰撞的规避路径；可靠度计算单元，其计算规避路径的可靠度；自动转向控制单元，其判定是否执行沿着规避路径的自动转向；以及单位区域确定单元，其确定将车辆前方的区域分割为多个区域而成的单位区域是障碍物区域还是不明区域，在距本车辆相同的距离处，障碍物区域的价值被设定得比不明区域的价值高，可靠度计算单元基于存在于包含规避路径的规避区域内的障碍物区域的个数和价值以及不明区域的个数和价值来计算规避区域价值，并基于规避区域价值来计算规避路径的可靠度。

此外，在专利文献2中提出了确定或识别障碍物在其环境内试图进行的行为，降低碰撞风险的系统。具体地，在专利文献2中公开了如下系统：该系统基于地图和路线信息计算针对各对象的一个或多个预测轨迹，生成针对该对象的预测轨迹集合，使用预测轨迹集合来列举对象有可能在驾驶环境内移动的预测轨迹的多个组合，针对每个组合计算风险值，生成多个对应的风险值，基于具有对应的风险值中包含的最低风险值的组合来控制自动驾驶车辆。

现有技术文献

专利文献

专利文献1：日本特开2018-197048号公报

专利文献2：日本特开2020-015493号公报

发明内容

技术问题

然而，专利文献1所记载的碰撞规避控制装置未考虑本车辆周围的其他车辆的移动，因此根据其他车辆的移动，有可能使碰撞的风险和/或在碰撞时产生的障碍的风险变高。此外，专利文献2所记载的系统虽然考虑了其他车辆的移动，但只不过是考虑地图和路线信息以及交通规则来预测其他车辆的左转、右转、直行或后退等的移动意图，无法预测根据地图和路线所不能预测的其他车辆的移动。因此，在专利文献2所记载的系统中，也根据其他车辆的移动，有可能使碰撞的风险和/或在碰撞时产生的障碍的风险变高。

本公开是鉴于上述问题而完成的，本公开的目的在于提供一种能够考虑所预测的、移动体的移动而降低本车辆与移动体的碰撞的风险的驾驶辅助装置以及记录有计算机程序的记录介质。

技术方案

为了解决上述问题，根据本公开的一个观点，提供一种驾驶辅助装置，其基于本车辆与周围的障碍物的碰撞风险来设定本车辆的驾驶条件，该驾驶辅助装置具备一个或多个处理器、以及与一个或多个处理器以能够通信的方式连接的一个或多个存储器，处理器执行的处理包括：检测本车辆周围的移动体和周围环境；预测检测到的移动体的驾驶行动；针对预测的、移动体的驾驶行动中的每一个驾驶行动，基于预定时间后的移动体与本车辆的距离、以及移动体进行各个驾驶行动的概率，计算预定时间后的移动体与本车辆的碰撞风险；以及设定碰撞风险为最小的本车辆的驾驶条件。

此外，为了解决上述问题，根据本公开的另一观点，提供一种记录介质，该记录介质记录有计算机程序，该计算机程序应用于基于本车辆与周围的障碍物的碰撞风险来设定本车辆的驾驶条件的驾驶辅助装置，该计算机程序使处理器执行的处理包括：检测本车辆周围的移动体和周围环境；预测检测到的移动体的驾驶行动；针对预测的、移动体的驾驶行动中的每一个驾驶行动，基于预定时间后的移动体与本车辆的距离、以及移动体进行各个驾驶行动的概率，计算预定时间后的移动体与本车辆的碰撞风险；以及设定碰撞风险为最小的本车辆的驾驶条件。

技术效果

如以上所述，根据本公开，能够考虑所预测的、移动体的移动而降低本车辆与移动体的碰撞的风险。

附图说明

图1是示出具备本公开的一个实施方式的驾驶辅助装置的车辆的构成例的示意图。

图2是示出该实施方式的驾驶辅助装置的构成例的框图。

图3是示出由该实施方式的驾驶辅助装置执行的处理的一例的流程图。

图4是示出由该实施方式的驾驶辅助装置执行的风险运算处理的一例的流程图。

图5是示出由该实施方式的驾驶辅助装置执行的预测其他车辆的驾驶行动的例子的说明图。

图6是示出利用该实施方式的驾驶辅助装置所预测的预定时间后的其他车辆和本车辆的位置的说明图。

图7是示出利用该实施方式的驾驶辅助装置计算出预定时间后的风险的例子的说明图。

图8是示出其他车辆的转向角速度的概率数据的例子的说明图。

图9是示出其他车辆的加速度的概率数据的例子的说明图。

图10是示出利用该实施方式的变形例的驾驶辅助装置来考虑故障风险计算预定时间后的风险的例子的说明图。

图11是示出利用该实施方式的变形例的驾驶辅助装置来考虑碰撞位置风险计算预定时间后的风险的例子的说明图。

符号说明

1：车辆(本车辆)；9：驱动力源；13：方向盘；15：电动转向装置；20：制动液压控制单元；31：周围环境传感器；35：车辆状态传感器；41：车辆控制装置；50：驾驶辅助装置；51：处理部；53：存储部；61：周围环境信息获取部；63：本车辆信息获取部；65：风险运算部；67：驾驶条件设定部；90：其他车辆；αe：本车辆的加速度；αo：其他车辆的加速度；ωe：本车辆的转向角速度；ωo：其他车辆的转向角速度

具体实施方式

以下，参照附图对本公开的优选实施方式详细地进行说明。应予说明，在本说明书和附图中，对实质上具有相同的功能构成的构成要素通过标记相同的符号从而省略重复说明。

<1.车辆的整体构成>

图1是示出具备本实施方式的驾驶辅助装置50的车辆1的构成例的示意图。图1所示的车辆1被构成为将从生成车辆1的驱动扭矩的驱动力源9输出的驱动扭矩向左前轮3LF、右前轮3RF、左后轮3LR以及右后轮3RR(以下，在不需要特别区分的情况下总称为“车轮3”)传递的四轮驱动车。驱动力源9可以是汽油发动机、柴油发动机等内燃机，也可以是驱动用马达，还可以共同具备内燃机和驱动用马达。

应予说明，车辆1可以是具备例如前轮驱动用马达和后轮驱动用马达这两个驱动用马达的电动汽车，也可以是具备与各个车轮3对应的驱动用马达的电动汽车。此外，在车辆1为电动汽车或混合动力电动汽车的情况下，在车辆1搭载有储存向驱动用马达供给的电力的二次电池和/或产生对电池进行充电的电力的马达、燃料电池等发电机。

车辆1具备驱动力源9、电动转向装置15以及制动液压控制单元20作为用于车辆1的驾驶控制的设备。驱动力源9输出介由未图示的变速器、前轮差速机构7F和后轮差速机构7R传递到前轮驱动轴5F和后轮驱动轴5R的驱动扭矩。驱动力源9和/或变速器的驱动由包括一个或多个电子控制装置(ECU：Electronic Control Unit)而构成的车辆控制装置41来控制。

在前轮驱动轴5F设置有电动转向装置15。电动转向装置15包括未图示的电动马达和/或齿轮机构。电动转向装置15通过被车辆控制装置41控制来调节左前轮3LF和右前轮3RF的转向角。车辆控制装置41在手动驾驶过程中，基于驾驶员所操作的方向盘13的转向角来控制电动转向装置15。此外，车辆控制装置41在自动驾驶过程中基于由驾驶辅助装置50和/或未图示的自动驾驶控制装置设定的目标转向角来控制电动转向装置15。

车辆1的制动系统被构成为液压式的制动系统。制动液压控制单元20分别调节向分别设置于前后左右的驱动轮3LF、3RF、3LR、3RR的制动钳17LF、17RF、17LR、17RR(以下，在不需要特别区分的情况下总称为“制动钳17”)供给的液压，并产生制动力。制动液压控制单元20的驱动由车辆控制装置41来控制。在车辆1为电动汽车或混合动力电动汽车的情况下，制动液压控制单元20与由驱动用马达进行的再生制动并用。

车辆控制装置41包括对输出车辆1的驱动扭矩的驱动力源9、控制方向盘13或转向轮的转向角的电动转向装置15、以及控制车辆1的制动力的制动液压控制单元20的驱动进行控制的一个或多个电子控制装置。车辆控制装置41也可以具备对将从驱动力源9输出的输出变速而向车轮3传递的变速器的驱动进行控制的功能。车辆控制装置41被构成为能够获取从驾驶辅助装置50或未图示的自动驾驶控制装置发送的信息，并被构成为能够执行车辆1的自动驾驶控制。此外，车辆控制装置41在车辆1的手动驾驶时，获取基于驾驶员的驾驶的操作量的信息，对输出车辆1的驱动扭矩的驱动力源9、控制方向盘13或者转向轮的转向角的电动转向装置15、以及控制车辆1的制动力的制动液压控制单元20的驱动进行控制。

此外，车辆1具备前方拍摄相机31LF、31RF、LiDAR(Light Detection AndRanging：光探测与测距)31S以及车辆状态传感器35。

前方拍摄相机31LF、31RF和LiDAR 31S构成用于获取车辆1的周围环境的信息的周围环境传感器。前方拍摄相机31LF、31RF拍摄车辆1的前方，并生成图像数据。前方拍摄相机31LF、31RF具备CCD(Charged-Coupled Devices：电荷耦合器件)或者CMOS(ComplementaryMetal-Oxide-Semiconductor：互补金属氧化物半导体)等摄像元件，并向驾驶辅助装置50发送所生成的图像数据。

虽然在图1所示的车辆1中，前方拍摄相机31LF、31RF构成为包括左右一对的相机的立体相机，但也可以是单目相机。车辆1除了前方拍摄相机31LF、31RF以外，也可以具备例如设置于车辆1的后部而拍摄后方的后方拍摄相机或者设置于侧后视镜11L、11R而拍摄左后方或者右后方的相机。

LiDAR 31S发送光学波并且接收该光学波的反射波，基于从发送光学波起到接收反射波为止的时间来检测障碍物、到障碍物的距离以及障碍物的位置。LiDAR 31S向驾驶辅助装置50发送检测数据。作为用于获取周围环境的信息的周围环境传感器，车辆1也可以具备毫米波雷达等雷达传感器、超声波传感器中的任意一个或者多个传感器来代替LiDAR31S或者与LiDAR 31S一并具备。

车辆状态传感器35包括检测车辆1的操作状态和行为的一个或多个传感器。车辆状态传感器35包括例如转向角传感器、加速器位置传感器、制动器行程传感器、制动压力传感器或发动机转速传感器中的至少一个。这些传感器分别检测方向盘13或者转向轮的转向角、加速器开度、制动器操作量或者发动机转速等车辆1的操作状态。此外，车辆状态传感器35包括例如车速传感器、加速度传感器、角速度传感器中的至少一个。这些传感器分别检测车速、纵向加速度、横向加速度、横摆角速度等车辆的行为。此外，车辆状态传感器35也可以包括检测方向指示器的操作的传感器。车辆状态传感器35向驾驶辅助装置50发送包含检测到的信息的传感器信号。

<2.驾驶辅助装置>

接下来，对本实施方式的驾驶辅助装置50具体地进行说明。

在以下的说明中，将搭载有驾驶辅助装置50的辅助对象的车辆称为本车辆，将本车辆1的周围的车辆称为其他车辆。

(2-1.构成例)

图2是示出本实施方式的驾驶辅助装置50的构成例的框图。

驾驶辅助装置50作为通过一个或多个CPU(Central Processing Unit：中央处理单元)等处理器执行计算机程序来辅助本车辆1的驾驶的装置而发挥功能。该计算机程序是用于使处理器执行驾驶辅助装置50应该执行的后述的动作的计算机程序。由处理器执行的计算机程序可以记录于作为在驾驶辅助装置50设置的存储部(存储器)53而发挥功能的记录介质，也可以记录于内置于驾驶辅助装置50的记录介质或者能够外接于驾驶辅助装置50的任意的记录介质。

作为记录计算机程序的记录介质，可以是硬盘、软盘以及磁带等磁性介质、CD-ROM(Compact Disk Read Only Memory：光盘只读存储器)、DVD(Digital Versatile Disk：数字多功能盘)、以及Blu-ray(注册商标)等光记录介质、光磁软盘(Floptical Disk)等光磁介质、RAM(Random Access Memory：随机存取存储器)和ROM(Read Only Memory：只读存储器)等存储元件、以及USB(Universal Serial Bus：通用串行总线)存储器和SSD(SolidState Drive：固态驱动器)等闪存、其他能够保存程序的介质。

在驾驶辅助装置50经由专用线或者CAN(Controller Area Network：控制器局域网)和/或LIN(Local Inter Net：局域互联网)等通信手段连接有周围环境传感器31和车辆状态传感器35。此外，在驾驶辅助装置50经由专用线或者CAN和/或LIN等通信手段连接有车辆控制装置41。应予说明，驾驶辅助装置50并不限于搭载于本车辆1的电子控制装置，也可以是智能手机和/或可穿戴设备等终端装置。

驾驶辅助装置50具备处理部51和存储部53。处理部51构成为具备一个或多个CPU等处理器。处理部51的一部分或全部可以由固件等能够更新的部件构成，此外，也可以是根据来自CPU等的指令而执行的程序模块等。存储部53由RAM或ROM等存储器构成。存储部53以能够与处理部51通信的方式连接。其中，存储部53的数量、种类没有特别限定。存储部53存储由处理部51执行的计算机程序、用于运算处理的各种参数、检测数据、运算结果等信息。

(2-2.功能构成)

如图2所示，驾驶辅助装置50的处理部51具备周围环境信息获取部61、本车辆信息获取部63、风险运算部65以及驾驶条件设定部67。这些各部是通过CPU等处理器执行计算机程序而实现的功能。其中，这些各部的一部分也可以构成为包含模拟电路。以下，在简单地说明处理部51的各部的功能之后，对具体的处理动作进行说明。

(周围环境信息获取部)

周围环境信息获取部61基于从周围环境传感器31发送的检测数据来检测本车辆1的周围环境。具体地，周围环境信息获取部61至少检测出存在于本车辆1的周围的障碍物和行驶车道。周围环境信息获取部61求出检测到的障碍物的种类、尺寸、位置、速度、从本车辆1到障碍物的距离、以及本车辆1与障碍物的相对速度等与障碍物相关的信息。所检测的障碍物包括行驶中的其他车辆、停车车辆、行人、自行车、侧壁、路缘石、建筑物、电线杆、交通标志、交通信号机、自然物以及其他存在于本车辆1的周围的所有物体。此外，周围环境信息获取部61也可以计算出从本车辆1到行驶车道的边界为止的距离。行驶车道的边界利用例如白线、侧壁、路缘石等来识别。

此外，周围环境信息获取部61在检测到其他车辆的情况下，求出该其他车辆的横摆角速度。其他车辆的横摆角速度例如基于从前方拍摄相机31LF、31RF的图像数据得到的其他车辆的姿势变化通过运算而求出。在本车辆1和其他车辆能够进行车车间通信的情况下，周围环境信息获取部61也可以通过车车间通信从该其他车辆获取横摆角速度、横摆加速度、横摆角加速度、车速以及加速度等所需的信息。周围环境信息获取部61以预定的周期检测周围环境的信息，并将其存储于存储部53。

(本车辆信息获取部)

本车辆信息获取部63基于从车辆状态传感器35发送的检测数据来获取本车辆1的操作状态和行为的信息。本车辆信息获取部63获取方向盘或转向轮的转向角、加速器开度、制动器操作量或发动机转速等本车辆1的操作状态的信息。此外，本车辆信息获取部63获取车速、纵向加速度、横向加速度、横摆角速度等本车辆1的行为的信息。本车辆信息获取部63针对每个预定的运算周期获取这些信息，并将其存储于存储部53。

(风险运算部)

风险运算部65通过运算求出本车辆1对由周围环境信息获取部61检测到的移动体的碰撞风险。碰撞风险不仅包括移动体与本车辆1碰撞的风险，还可以包括在本车辆1对移动体进行了碰撞时产生的障碍的风险。具体地，风险运算部65预测检测到的移动体的多个驾驶行动。此外，风险运算部65设定本车辆1的多个驾驶条件。然后，风险运算部65针对本车辆1的驾驶条件中的每个驾驶条件，基于所预测的预定时间后的移动体与本车辆1之间的距离、以及移动体进行各个驾驶行动的操作的概率，分别计算出预定时间后的移动体与本车辆1的碰撞风险。

移动体的驾驶行动是指由移动体的转向角速度ωo和加速度αo定义的移动体的运动状态。此外，本车辆1的驾驶条件是指由本车辆1的方向盘的转向角速度ωe和加速度αe定义的本车辆1的驾驶条件。

(驾驶条件设定部)

驾驶条件设定部67基于由风险运算部65求出的碰撞风险，选择碰撞风险为最小的本车辆1的驾驶条件。驾驶条件设定部67将与选择的驾驶条件对应的转向角速度ωe和加速度αe作为目标值，并向车辆控制装置41发送这些信息。接收到驾驶条件的信息的车辆控制装置41基于所设定的驾驶条件的信息来控制各个控制装置的驱动。由此，降低本车辆1对移动体进行碰撞的风险。或者，降低在本车辆1对移动体进行了碰撞的情况下产生的障碍的风险。

<3.驾驶辅助装置的具体处理>

接下来，对本实施方式的驾驶辅助装置50的动作例具体地进行说明。应予说明，在以下的说明中，对移动体是其他车辆的例子进行说明。

图3表示示出由驾驶辅助装置50的处理部51执行的处理的一例的流程图。

首先，如果包括驾驶辅助装置50的车载系统被启动(步骤S11)，则处理部51的本车辆信息获取部63获取本车辆1的信息(步骤S13)。具体地，本车辆信息获取部63基于从车辆状态传感器35发送的检测数据来获取本车辆1的操作状态和行为的信息。本车辆信息获取部63至少获取方向盘或者转向轮的转向角、加速器开度、制动器操作量或发动机转速等本车辆1的操作状态、以及车速、纵向加速度、横向加速度、横摆角速度等本车辆1的行为的信息。本车辆信息获取部63将获取到的这些信息存储于存储部53。

接着，处理部51的周围环境信息获取部61获取本车辆1的周围环境信息(步骤S15)。具体地，周围环境信息获取部61基于从周围环境传感器31发送的检测数据来检测存在于本车辆1的周围的障碍物以及本车辆1的行驶车道。此外，周围环境信息获取部61计算检测到的障碍物的位置、尺寸、朝向、速度、从本车辆1到障碍物的距离以及障碍物相对于本车辆1的相对速度。进一步地，周围环境信息获取部61计算从本车辆1起到检测出的行驶车道的端部为止的距离。

例如，周围环境信息获取部61通过对从前方拍摄相机31LF、31RF发送的图像数据进行图像处理，从而使用图案匹配技术等检测本车辆1的前方的障碍物以及该障碍物的种类。此外，周围环境信息获取部61基于图像数据中的障碍物的位置、障碍物在图像数据中所占的尺寸以及左右的前方拍摄相机31LF、31RF的视差信息，计算从本车辆1观察到的障碍物的位置、尺寸以及到障碍物的距离。此外，周围环境信息获取部61通过对距离的变化进行时间微分来计算障碍物相对于本车辆1的相对速度。进一步地，周围环境信息获取部61通过在障碍物相对于本车辆1的相对速度上加上本车辆1的速度来计算障碍物的速度。

此外，周围环境信息获取部61也可以基于从LiDAR 31S发送的检测数据来检测障碍物。例如，周围环境信息获取部61可以基于从自LiDAR 31S发送电磁波起到接收反射波为止的时间、接收反射波的方向以及反射波的测定点群的范围的信息，计算障碍物的位置、种类、尺寸、从本车辆1到障碍物的距离、障碍物相对于本车辆1的相对速度以及障碍物的速度。

此外，周围环境信息获取部61在检测到其他车辆的情况下，计算该其他车辆的朝向。其他车辆的朝向例如能够基于其他车辆的前部或者后部相对于前方拍摄相机31LF、31RF或者LiDAR 31S的视角的倾斜度来推定。但是，其他车辆的朝向的计算方法并不限于上述的例子。

进一步地，周围环境信息获取部61在检测到其他车辆的情况下，计算该其他车辆的横摆角速度。其他车辆的横摆角速度例如能够基于从前方拍摄相机31LF、31RF或者LiDAR31S的检测数据得到的其他车辆的姿势变化来推定。但是，其他车辆的横摆角速度的计算方法并不限于上述的例子。此外，在本车辆1与其他车辆能够进行车车间通信的情况下，周围环境信息获取部61也可以通过车车间通信从其他车辆获取横摆角速度、横摆加速度、横摆角加速度、车速以及加速度等信息。周围环境信息获取部61将获取到的周围环境信息存储于存储部53。

接着，处理部51的风险运算部65判定是否作为由周围环境信息获取部61检测到的障碍物而检测到其他车辆(步骤S17)。在未检测到其他车辆的情况下(S17/否)，处理部51判定车载系统是否停止(步骤S25)。只要车载系统未停止(S25/否)，就返回到步骤S13，反复执行到此为止说明的各步骤的处理。另一方面，在检测到其他车辆的情况下(S17/是)，风险运算部65运算本车辆1与其他车辆的碰撞风险(步骤S19)。

图4表示示出风险运算处理的流程图。

首先，风险运算部65预测其他车辆的多个驾驶行动(步骤S31)。风险运算部65在根据由周围环境信息获取部61检测到的其他车辆的当前的横摆角速度和车速等行驶状态而设想的范围内设定其他车辆的多个转向角速度ωo和多个加速度αo。例如，将预先设定了根据横摆角速度的值设想的转向角速度ωo的范围的数据、以及预先设定了根据车速设想的加速度αo的范围的数据预先存储于存储部53，风险运算部65参照这些数据来设定其他车辆的多个转向角速度ωo和多个加速度αo。此外，风险运算部65基于设定的转向角速度ωo和加速度αo、以及由周围环境信息获取部61检测到的其他车辆的位置、朝向、车速和横摆角速度，分别计算预定时间后的其他车辆的位置。

图5是示出预测其他车辆90的驾驶行动的例子的说明图。图5所示的其他车辆90是与本车辆1朝向相同的方向并行的其他车辆90。风险运算部65在根据其他车辆90的车速和横摆角速度设想的范围内，设定其他车辆90的多个转向角速度ωo和多个加速度αo。在图5中，转向角速度ωo和加速度αo的组合(ωo，αo)被设定为(-5，0)、(0，0)、(5，0)、(5，-1)这4个类型。此外，计算在其他车辆90按照各个驾驶行动行驶的情况下的、1秒后和2秒后的其他车辆90的位置。转向角速度ωo以右旋(顺时针)方向为正的值。

应予说明，虽然在图5中设定有四个驾驶行动，但是所设定的驾驶行动的数量并不限于四个，可以在能够设定转向角速度ωo和加速度αo的范围内设定为任意的数量。此外，表示其他车辆90的位置的时间间隔也可以不是间隔1秒，可以设定为任意的时间。风险运算部65在存在多个其他车辆的情况下，针对各个其他车辆，计算设想的多个驾驶行动和在其他车辆90以各个驾驶行动行驶的情况下的预定时间后的其他车辆90的位置。

此外，风险运算部65可以在预测其他车辆90的驾驶行动时，考虑其他车辆90周围的障碍物的存在来预测驾驶行动。例如，风险运算部65可以考虑其他车辆90采取规避与障碍物的碰撞的驾驶行动的情况来限制所设定的转向角速度ωo和加速度αo的范围。

接着，风险运算部65设定本车辆1的多个驾驶条件(步骤S33)。风险运算部65在根据由本车辆信息获取部63获取到的本车辆1的当前的行驶状态而设想的范围内设定本车辆1的多个转向角速度ωe和多个加速度αe。例如，对于本车辆1也同样地，风险运算部65参照预先存储于存储部53的数据来设定本车辆1的多个转向角速度ωe和多个加速度αe。此外，风险运算部65基于设定的转向角速度ωe和加速度αe、以及当前的本车辆1的位置、朝向、车速和转向角，分别计算预定时间后的本车辆1的位置。

接着，风险运算部65针对在步骤S33中设定的本车辆1的驾驶条件中的每一个驾驶条件，通过运算求出本车辆1与其他车辆90的碰撞风险(步骤S35)。在本实施方式中，风险运算部65针对设定的本车辆1的驾驶条件中的每一个驾驶条件，基于在其他车辆90按照设定的各个驾驶行动行驶的情况下的预定时间后的本车辆1与其他车辆90之间的距离D、以及其他车辆90采取各个驾驶行动的概率来计算碰撞风险R。更具体地，在本实施方式中，风险运算部65针对本车辆1的驾驶条件与其他车辆90的驾驶行动的组合中的每一个组合，将从时刻0秒起到任意的时刻t秒为止的各时刻下的风险r之和设为碰撞风险R。

图6～图9是示出计算在预定时刻下的风险r的例子的说明图。图6示出了作为本车辆1的驾驶条件而将转向角速度ωe和加速度αe的组合(ωe，αe)设为(5，0)的情况下的1秒后的本车辆1的位置。在该情况下，如图7所示，例如，作为其他车辆90的驾驶行动而将转向角速度ωo和加速度αo的组合(ωo，αo)设为(5，-1)的情况下的1秒后的其他车辆90与本车辆1的距离D成为2m。应予说明，其他车辆90和本车辆1的位置可以分别是预先设定的车辆的重心位置，也可以是车辆的前部中央的位置，也可以设定为任意的位置。

风险运算部65使用下述式(1)，基于预定时间后的本车辆1与其他车辆90的距离D以及其他车辆90按各个驾驶行动进行操作的概率来计算风险r。下述式(1)所示的风险r是针对各个时刻下的本车辆1的位置，对同一时刻下的其他车辆90与本车辆1的距离D的倒数乘以其他车辆90存在于该位置的概率而得到的。在下述式(1)中，其他车辆90存在于该位置的概率表示为实现设定的其他车辆90的转向角速度ωo的概率Ps与实现设定的其他车辆90的加速度αo的概率Pa之积。

风险r＝(1/D)×(Ps)×(Pa)…(1)

r：各个时刻下的风险

D：其他车辆90与本车辆1的距离

Ps：其他车辆90的转向角速度ωo的概率

Pa：其他车辆90的加速度αo的概率

图8和图9是分别示出其他车辆90的转向角速度ωo的概率Ps[％]和加速度αo的概率Pa[％]的例子的说明图。各个概率Ps、Pa的数据基于从过去的车辆的操作量的统计数据得到的操作量的频率而求出。该概率Ps、Pa的数据也可以根据车辆的横摆角加速度或纵向加速度中的至少一者来设定。通过根据其他车辆90的横摆角加速度或纵向加速度求出各个概率Ps、Pa，从而能够更加精度良好地求出其他车辆90能够操作的转向角速度ωo和加速度αo的概率Ps、Pa。该概率Ps、Pa的数据可以预先准备并保存于存储部53，也可以保存于能够介由移动无线通信手段与驾驶辅助装置50进行通信的外部服务器。

或者，风险运算部65也可以计算在检测到的其他车辆90的行驶状态和周围环境下其他车辆90进行各个驾驶行动的概率Ps、Pa。在该情况下，驾驶辅助装置50具备不限于本车辆1和特定的其他车辆90，还将多个车辆过去进行的驾驶行动与车辆行驶时的行驶状态和周围环境的信息相关联地进行存储的驾驶行动数据库。然后，风险运算部65基于检测到的其他车辆90的行驶状态和周围环境，从驾驶行动数据库提取在相同的环境下获取的驾驶行动数据，并求出转向角速度ωo的概率Ps和加速度αo的概率Pa。由此，能够更准确地求出其他车辆90采取各个驾驶行动的概率。

在图7所示的例子中，1秒后的本车辆1与其他车辆90的距离D为2m，转向角速度ωo的概率Ps为10(％)，加速度αo的概率Pa为20(％)，通过下述式(1)求出的风险r为“100(＝1/2×10×20)”。风险运算部65针对本车辆1的驾驶条件和其他车辆90的驾驶行动的各个组合，进行从时刻0秒起到任意的时间t秒为止的该风险r的运算，并将计算出的风险r之和设为针对本车辆1的各驾驶条件的碰撞风险R。因此，针对本车辆1的各驾驶条件，计算出与所设定的其他车辆90的驾驶行动的数量相当的碰撞风险R。

返回到图3，在执行步骤S19中的风险运算处理之后，驾驶条件设定部67选择所求出的碰撞风险R为最小的本车辆1的驾驶条件(步骤S21)。具体地，驾驶条件设定部67从根据风险运算处理求出的碰撞风险R之中确定最小的碰撞风险R，并将用于该碰撞风险R的运算的本车辆1的驾驶条件设定为向车辆控制装置41输出的驾驶条件。

接着，驾驶条件设定部67向车辆控制装置41发送作为驾驶条件而设定的转向角速度ωe和加速度αo的信息(步骤S23)。接收到转向角速度ωe和加速度αo的信息的车辆控制装置41将转向角速度ωe和加速度αo作为目标值来执行本车辆1的自动驾驶控制。由此，能够降低本车辆1与其他车辆90的碰撞风险。

如上所述，本实施方式的驾驶辅助装置50在本车辆1的周围检测到其他车辆90的情况下，预测其他车辆90的多个驾驶行动，并针对本车辆1能够设定的驾驶条件中的每一个驾驶条件，通过运算求出其他车辆90采取各个驾驶行动时的预定时间后的碰撞风险R。然后，驾驶辅助装置50选择所求出的碰撞风险R为最小的本车辆1的驾驶条件，设定为向车辆控制装置41输出的驾驶条件。由此，能够基于反映了其他车辆90的预测的驾驶行动的碰撞风险R来设定本车辆1的驾驶条件，并降低本车辆1与其他车辆90的碰撞的风险。

此外，本实施方式的驾驶辅助装置50针对本车辆1能够设定的驾驶条件分别求出预定时间后的本车辆1的位置。此外，驾驶辅助装置50基于检测到的其他车辆90的当前的横摆角速度和速度、由设想的其他车辆90的转向角速度ωo和加速度αo得到的预定时间后的其他车辆90与本车辆1的距离、其他车辆90按设定的转向角速度ωo进行操作的概率Ps、以及其他车辆90按设定的加速度αo进行操作的概率Pa，针对其他车辆90的各个驾驶行动计算预定时间后的风险r。然后，驾驶辅助装置50将从时刻0秒起到任意的时刻t秒后为止的风险r之和设为针对本车辆1的各个驾驶条件的、其他车辆90的每个驾驶行动的碰撞风险R。由此，其他车辆90采取各个驾驶行动的概率越高则碰撞风险R越高，能够提高降低本车辆1与其他车辆90的碰撞风险的效果。此外，由于基于遍及预定的期间的碰撞风险来设定本车辆1的驾驶条件，因此能够提高降低本车辆1与其他车辆90的碰撞风险的效果。

此外，驾驶辅助装置50还能够基于将多个车辆过去进行的驾驶行动与车辆行驶时的行驶状态和周围环境的信息相关联地进行存储的驾驶行动数据库，计算其他车辆90采取各个驾驶行动的概率。由此，能够更准确地求出其他车辆90采取各个驾驶行动的概率。此外，在将该驾驶行动数据库保存于能够介由移动通信手段从驾驶辅助装置50访问的服务器的情况下，能够将多个车辆的驾驶行动的数据与车辆行驶时的行驶状态和周围环境的信息相关联地依次更新或者储存。因此，能够提高其他车辆90采取各个驾驶行动的概率的精度，并提高降低本车辆1与其他车辆90的碰撞风险的效果。

<4.变形例>

至此，对本公开的技术的一个实施方式进行了说明，但上述实施方式能够进行各种变形或功能追加。以下，对上述实施方式的驾驶辅助装置50的几个变形例进行说明。

(4-1.第一变形例)

在上述实施方式的驾驶辅助装置50中，运算了考虑本车辆1与其他车辆90的碰撞的可能性的碰撞风险R，但是也可以进一步考虑在发生本车辆1与其他车辆90的碰撞时产生的障碍的风险(以下，也简称为“障碍风险”)来运算碰撞风险R。

例如，风险运算部65也可以基于其他车辆90相对于本车辆1的相对速度ΔV、或者本车辆1的朝向与其他车辆90的朝向所成的角度θ中的至少一者来计算预定时间后的风险r1。通常地，其他车辆90相对于本车辆1的相对速度ΔV越大，在碰撞发生时产生的障碍越大。此外，本车辆1的朝向与其他车辆90的朝向所成的角度θ越小，碰撞时的冲击越大而产生的障碍越大。

例如，风险运算部65使用下述式(2)，基于预定时间后的本车辆1与其他车辆90的距离D、其他车辆90按各个驾驶行动进行操作的概率、其他车辆90相对于本车辆1的相对速度ΔV、以及本车辆1的朝向与其他车辆90的朝向所成的角度θ来计算风险r1。下述式(2)所示的风险r1是对由上述式(1)求出的风险r加上其他车辆90相对于本车辆1的相对速度ΔV以及本车辆1的朝向与其他车辆90的朝向所成的角度θ的倒数而得到的。

风险r1＝(1/D)×(Ps)×(Pa)+(ΔV)+(1/θ)…(2)

r1：各个时刻下的风险

D：其他车辆90与本车辆1的距离

Ps：其他车辆90的转向角速度ωo的概率

Pa：其他车辆90的加速度αo的概率

ΔV：其他车辆90相对于本车辆1的相对速度

θ：本车辆1的朝向与其他车辆90的朝向所成的角度

应予说明，在仅考虑其他车辆90相对于本车辆1的相对速度ΔV、或者本车辆1的朝向与其他车辆90的朝向所成的角度θ中的任意一者来计算风险r1的情况下，只要将上述式(2)的相对速度ΔV、或者角度θ的倒数中的一者省略、或者设为零来计算即可。

图10是示出考虑故障风险计算预定时刻下的风险r1的例子的说明图。图10是在图7所示的1秒后的本车辆1和其他车辆90的位置分别表示本车辆1和其他车辆90的朝向的图。预定时间后的本车辆1的朝向能够基于设定的转向角速度ωe和加速度αe、以及当前的本车辆1的车速、加速度、横摆角速度等行驶状态的信息来推定。此外，预定时间后的其他车辆90的朝向能够基于设定的转向角速度ωo和加速度αo、以及当前的其他车辆90的车速、加速度、横摆角速度等行驶状态的信息来推定。风险运算部65也可以进一步考虑路面摩擦状态而推定本车辆1或其他车辆90的朝向。

风险运算部65针对本车辆1的驾驶条件和其他车辆90的驾驶行动的各个组合，进行从时刻0秒起到任意的时间t秒为止的该风险r1的运算，并将计算出的风险r1之和设为针对本车辆1的各驾驶条件的碰撞风险R。如此，通过加入其他车辆90相对于本车辆1的相对速度ΔV、或者本车辆1的朝向与其他车辆90的朝向所成的角度θ中的至少一者来计算预定时间后的风险r1，从而能够降低本车辆1与其他车辆90的碰撞的风险，并且即使在发生了碰撞的情况下也能够降低产生的障碍的风险。

进一步地，风险运算部65也可以基于本车辆1与其他车辆90的碰撞位置来计算预定时间后的风险r2。在该情况下，例如，使用下述式(3)，基于预定时间后的本车辆1与其他车辆90的距离D、其他车辆90按各个驾驶行动进行操作的概率、以及对应于本车辆1与其他车辆90的碰撞位置的碰撞位置风险Q来计算风险r2。下述式(3)所示的风险r2是对由上述式(1)求出的风险r加上与设想的碰撞位置对应的碰撞位置风险Q而得到的。

风险r2＝(1/D)×(Ps)×(Pa)+(Q)…(3)

r1：各个时刻下的风险

D：其他车辆90与本车辆1的距离

Ps：其他车辆90的转向角速度ωo的概率

Pa：其他车辆90的加速度αo的概率

Q：本车辆1与其他车辆90的碰撞位置风险

碰撞位置风险Q例如可以是基于表示本车辆1因碰撞而受到的冲击的影响的特性而针对本车辆1的每个碰撞位置设定的风险值。在该情况下，基于表示本车辆1因碰撞而受到的冲击的影响的特性而针对本车辆1的每个碰撞位置设定的碰撞位置风险的数据被预先存储于存储部53。此外，碰撞位置风险Q也可以是根据本车辆1的乘员的位置和/或体格等针对每个碰撞位置设定的风险值。在该情况下，例如在开始本车辆1的驾驶时，驾驶辅助装置50获取由用户输入的乘员的位置以及体格或年龄等信息，并将该信息存储于存储部53。

图11是示出考虑碰撞位置风险计算预定时刻下的风险r2的例子的说明图。图11是在图7所示的1秒后的本车辆1和其他车辆90的位置分别表示本车辆1和其他车辆90的朝向、以及本车辆1的乘员的信息和碰撞位置风险的图。在图11所示的例子中，在本车辆1乘坐有坐在驾驶席的驾驶员D、以及坐在后部座席右侧的婴儿B。因此，靠近婴儿B的本车辆1的左后部的碰撞位置风险被设定为100(分)，左前部和右后部的碰撞位置风险被设定为10(分)，前部的碰撞位置风险被设定为1(分)。因此，本车辆1与其他车辆90的碰撞位置能够成为左后部的本车辆1的驾驶条件的风险r2变高。但是，碰撞位置风险的设定并不限于图11所示的例子。

如此，通过设定本车辆1与其他车辆90的碰撞位置风险，计算预定时间后的风险r2，从而能够使设想为在碰撞时产生的障碍变大的驾驶条件被设定的隐患消失，并降低本车辆1与其他车辆90的碰撞的风险，并且即使在发生了碰撞的情况下也能够降低产生的障碍的风险。

应予说明，障碍风险并不限于根据本车辆1的碰撞位置而设定的碰撞位置风险，也可以任意地设定为其他与认为在碰撞时产生的障碍相关联的风险。例如，在其他车辆90的重量大的情况下，认为碰撞能量变大而产生的障碍变大。因此，风险运算部65也可以加上基于根据其他车辆90的种类或尺寸推定的其他车辆90的重量设定的重量风险来计算出碰撞风险。

(4-2.第二变形例)

在上述实施方式的驾驶辅助装置50中，没有考虑其他车辆90的驾驶行动的倾向而计算了其他车辆90采取各个驾驶行动的概率，但也可以基于表示其他车辆90的驾驶行动的倾向的驾驶特性，计算其他车辆90采取各个驾驶行动的概率。例如，在驾驶辅助装置50能够介由无线通信手段访问的外部服务器中具备驾驶行动数据库，该驾驶行动数据库不限于本车辆1和特定的其他车辆90，还将多个车辆过去进行的驾驶行动与各个车辆的识别信息、车辆行驶时的行驶状态和周围环境的信息相关联地进行存储。

在此，表示驾驶行动的倾向的“驾驶特性”是指驾驶风格、对驾驶感到恐惧的方式等与对驾驶的意向、驾驶动作的倾向相关联的个人特性。例如，作为驾驶风格，例示出“想要遵守限制速度”、“想要充分确保与前方车辆的车间距离”、“想要在进入弯道前充分地减速”、“即使变道也想要尽可能向前方前进”、“想要尽可能缩短与前方车辆的车间距离”等。此外，作为对驾驶感到恐惧的方式，例如设想在怎样的行驶环境下感到恐惧，而例示出“路上停车多的道路”、“在深夜驾驶”、“死角多的道路”、“车速快的车辆多的状况”、“交通量大的状况”等。驾驶特性作为以例如5个等级对谨慎度或急躁度这样的表示一个或多个驾驶特性的项目进行评价而得到的数据，与车辆的识别信息相关联地进行存储。

风险运算部65将能够识别其他车辆90的信息与检测到的其他车辆90的行驶状态和周围环境的信息一并发送到外部服务器，并确定其他车辆90的驾驶特性。能够识别其他车辆90的信息例如可以是根据前方拍摄相机31LF、31RF的检测数据确定的车牌的数字例，也可以是通过车车间通信从其他车辆90获取的识别信息。应予说明，在其他车辆90记录有其他车辆90的驾驶特性的信息的情况下，风险运算部65也可以通过车车间通信从其他车辆90获取驾驶特性的信息。

此外，风险运算部65从驾驶行动数据库提取驾驶特性与其他车辆90的驾驶特性相同的车辆在相同的环境下在过去进行的驾驶行动数据。然后，风险运算部65基于从驾驶行动数据库提取出的在相同的环境下在过去进行的驾驶行动数据，预测其他车辆90的多个驾驶行动，并且计算在其他车辆90的行驶状态和周围环境下其他车辆90进行各个驾驶行动的概率。由此，能够考虑检测到的其他车辆90的驾驶特性而求出其他车辆90采取各个驾驶行动的概率。因此，能够更准确地求出反映了其他车辆90的预测的驾驶行动的碰撞风险R，并设定本车辆1与其他车辆90的碰撞风险低的驾驶条件。

(4-3.第三变形例)

在上述实施方式中，风险运算部65设定了其他车辆90的驾驶行动，但在其他车辆90是自动驾驶中的车辆的情况下，风险运算部65也可以从其他车辆90获取驾驶条件的信息。在该情况下，风险运算部65例如通过介由车车间通信获取其他车辆90的计划行驶轨迹、车速以及加速度的信息，从而能够推定预定时间后的其他车辆90的位置。风险运算部65将其他车辆90进行该驾驶行动的概率设定为100％，计算预定时刻下的本车辆1的风险r。由此，能够基于其他车辆90的准确度高的驾驶行动的信息来计算预定时间后的本车辆1与其他车辆90的碰撞风险R，并设定本车辆1与其他车辆90的碰撞风险低的驾驶条件。

以上，参照附图对本公开的优选实施方式详细地进行了说明，但是本公开不限于该例。如果是具有本公开所属技术领域中的通常的知识的人员，则知晓在权利要求书所记载的技术思想的范畴内，能够想到各种变更例或修正例，并了解这些变更例或修正例当然也属于本公开的技术范围。

例如，在上述实施方式中，驾驶辅助装置50的全部功能搭载于本车辆1，但本公开并不限于该例。例如，也可以构成为驾驶辅助装置50所具有的一部分功能设置于能够介由移动通信手段进行通信的服务器装置，驾驶辅助装置50对该服务器装置收发数据。

此外，在上述实施方式中，作为驾驶辅助装置50的具体的处理例，而对移动体是其他车辆90的例子进行了说明，但移动体并不限于车辆。移动体可以是自行车，也可以是行人。在该情况下，各个移动体的驾驶行动的概率能够基于与例如移动体的种类、朝向、周围环境等相关联地存储的移动体的驾驶行动的统计数据来设定。此外，认为与移动体是车辆的情况相比，在移动体是行人、自行车的情况下，在碰撞时产生的障碍变大。因此，也可以设定与移动体的种类相对应的移动体风险，并加上该移动体风险而计算出碰撞风险。