物体路线预测方法、装置和程序以及自动操作系统

具体实施方式

下面将参照附图说明用于实施本发明的最佳方式(下文称为“实施方式”)。

(第一实施方式)

图1是示出根据本发明第一实施方式的物体路线预测装置的功能结构的框图。图中示出的物体路线预测装置1是一种安装在诸如四轮车辆的可移动体上以检测存在于主车辆周围的预定范围内的物体并预测检测到的物体和主车辆的路线的装置。

物体路线预测装置1包括从外部输入各种信息的输入段2、用于检测存在于预定范围内的物体的位置和内部状态的传感器段3、用于基于传感器段3的检测结果根据随时间流逝物体可采取的位置的变化在由时间和空间构成的时空中生成轨迹的轨迹生成段4、用于利用轨迹生成段4生成的轨迹对物体的路线进行概率性预测的预测段5、用于输出至少包括预测段5作出的预测结果的各种信息的输出段6以及用于存储包括轨迹生成单元4生成在时空中的轨迹和预测段5作出的预测结果的信息的存储段7。

输入段2具有输入各种用于预测物体的路线的设定信息等的功能并通过利用遥控器、键盘(包括输入操作可在屏幕上执行的触摸屏型)、点击设备(诸如鼠标和跟踪板)等实现。可将麦克风设为输入段2，通过麦克风形成声音信息的入口。如果预设各种设定信息，则具有存储此类信息的ROM(只读存储器)的存储段7可取代输入段2的功能。

传感器段3通过利用毫米波雷达、激光雷达、或图像传感器等实现。传感器段3具有各种传感器，诸如速度传感器、加速度传感器、舵角传感器和角速度传感器，并且也可检测主车辆的移动情形。传感器段3检测到的物体的内部状态是一种可用于预测物体的有用状态并且优选地是物理量，诸如速度(具有速率和方向)和角速度(具有大小和方向)。当然，物理量取0值的情况(物体处于静止的状态)也包括在内。

轨迹生成段4预测并生成在经过预定时间之前物体能够遵循的轨迹，并且具有用于从多个操作中选择用于使物体以模拟方式虚拟移动的操作的操作选择部41、用于在一预定时段执行操作选择部41选择的操作的物体操作部42、以及用于判断在物体操作部42执行所述操作后物体的位置和内部状态是否满足预定条件的判断部43。

预测段5具有用于通过利用从轨迹生成段4输出的每个物体的轨迹来执行概率性预测计算的预测计算部51和用于根据预测计算部51的预测计算的结果生成要由输出段6显示和输出的图像的图像生成部52。

输出段6具有用于显示和输出由预测段5中的图像生成部52生成的图像的显示部61。显示部61通过利用液晶、等离子、电致发光等显示器实现。第一实施方式中，投影器设置在驾驶座后面的上部作为显示部61。投影器具有允许通过叠加在四轮车辆的挡风玻璃上显示的功能。将声音信息输出至外部的扬声器可被设置为输出段6。

除传感器段3的检测结果外，存储段7还存储轨迹生成段4生成的轨迹、预测段5的预测结果、轨迹生成段4中的操作选择部41选择的操作等。存储段7通过利用ROM和RAM(随机存取存储器)实现，ROM中预先存储有用于启动预定OS(操作系统)的程序、根据第一实施方式的物体路线预测程序等，RAM中存储有操作参数、数据等。存储段7也可通过为物体路线预测装置1设置可以装备计算机可读记录介质的接口和配备与所述接口对应的记录介质实现。

具有以上功能结构的物体路线预测装置1是一种设有CPU(中央处理单元)的电子装置(计算机)，所述CPU具有操作和控制功能。设有物体路线预测装置1的CPU通过从存储段7读取存储在存储段7中的信息和包括物体路线预测程序的各种程序执行用于根据第一实施方式的物体路线预测方法的处理。

根据第一实施方式的物体路线预测程序可通过记录于诸如硬盘、软盘、CD-ROM、DVD-ROM、闪存、MO盘等的计算机可读记录介质中而广泛发布。

接下来，将说明根据本发明第一实施方式的物体路线预测方法。图2是示出根据第一实施方式的物体路线预测方法的处理概况的流程图。以下说明中，假定所有要预测的物体在二维平面上移动。

首先，传感器段3检测在相对于主车辆的预定范围内的物体的位置和内部状态并将检测到的信息存储在存储段7中(步骤S1)。此后，假定物体的位置由物体的中心值表示并且物体的内部状态由速度(速率v，方向θ)指定。在步骤S1，主车辆的内部状态自然也被检测并存储在存储段7中。

接下来，轨迹生成单元4通过利用传感器段3输入的检测结果为每个物体生成轨迹(步骤S2)。图3是示出轨迹生成单元4执行的轨迹生成处理的细节的流程图。该图中，假定传感器段3检测到的物体(包括主车辆)的总数是K并且为一个物体O_k(1≤k≤K，k是自然数)生成轨迹的操作被执行N_k次(从这个角度讲，K和N_k都是自然数)。假定轨迹生成时期的时间(轨迹生成时间)是T(>0)。

第一实施方式中，可通过适当设定轨迹生成时间T(以及后述的操作时间Δt)在实用的计算时间内预测外界的变化——诸如其他车辆的路线的变化。这也适用于本发明的其他实施方式。

首先，将识别物体的计数器k的值初始化为1并且也将表示用于同一物体O_k的轨迹生成次数的计数器n_k初始化为1(步骤201)。下文中，将通过参照普通物体O_k说明处理。

接下来，轨迹生成段4从存储段7读取传感器段3检测的结果并将读取到的检测结果设定为初始状态(步骤S202)。更具体地，将时间t设定为0并且分别从传感器段3将初始位置(x_k(0)，y_k(0))和初始内部状态(v_k(0)，θ_k(0))设定为输入信息(x_k0，y_k0)和(v_k0，θ_k0)。

随后，操作选择部41根据事先附加于每个操作的操作选择概率从多个可选操作中选择要在接下来的时间Δt中执行的操作u_k(t)(步骤S203)。例如，通过将作为u_k(t)的可选操作组{u_kc}中的元素和预定随机数对应来定义选择操作u_kc的操作选择概率。在此意义上，可赋予每个操作u_kc不同的操作选择概率p(u_kc)或可赋予操作组{u_kc}中的所有元素相等的概率。后一种情况中，p(u_kc)＝1/(所有可选操作数)固定。也可将操作选择概率p(u_kc)定义为取决于主车辆的位置和内部状态以及周围路况的函数。

操作u_kc通常由取决于物体o_k的类型的可选操作的多个元素和内容构成。例如，如果物体o_k是四轮车辆，则该四轮车辆的加速度或角速度由如何转动方向盘或如何踩踏加速器决定。有鉴于此，在物体o_k(其为四轮车辆)上执行的操作u_kc由包括加速度和角速度的元素决定。相反，如果物体o_k是人，则操作u_kc可由速度指定。

将给出操作u_kc的更具体的设定示例。如果物体o_k是汽车，将加速度设定在-10至+30(km/h/sec)的范围内并将转向角设定在-7至+7(deg/sec)的范围内(两种情况中，方向都由符号指定)。如果物体O_k是人，将速率设定在0至+36(km/h)的范围内并将方向设定在0至360(deg)的范围内。在此所述的量都是连续量。这种情况中，通过执行适当的离散使每个操作的元素数是有限的以构成每个操作的操作组{u_kc}。

然后，物体操作部42使在步骤203选择的操作u_kc执行时间Δt(步骤S204)。时间Δt优选地在精度方面小，但在实践中可以是约0.1至0.5(sec)的值。以下说明中，假定轨迹生成时间T是Δt的整数倍，然而，T的值可根据物体O_k的速率变化并且可以不是Δt的整数倍。

随后，判断部43判断物体O_k的内部状态在使操作u_kc在步骤204执行后是否满足预定控制条件(步骤S205)并且也判断物体O_k的位置在操作u_kc执行后是否在可移动区域内(步骤S206)。根据物体O_k的类型判断用于在步骤S205判断的控制条件，并且如果例如物体O_k是四轮车辆，则通过在步骤S204的操作后的速率范围、在步骤S204的操作后的最大加速度的车辆G等进行判断。另一方面，在步骤S206判断的可移动区域是指道路(包括行车道和人行道)等的区域。当物体位于可移动区域内时，以下将使用“满足移动条件”的表达方式。

如果判断部43的判断结果为不满足任何所述条件(在步骤S205为“否”或在步骤S206为“否”)，所述处理返回至步骤S202。相反，如果判断部43的判断结果为物体O_k的位置和内部状态在步骤S204的操作u_kc后满足所有条件(在步骤S205为“是”和在步骤S206为“是”)，将时间向前推Δt(t←t+Δt)并且将在步骤S204的操作后的位置设定为(x_k(t)，y_k(t))并将内部状态设定为(v_k(t)，θ_k(t))(步骤S207)。

重复执行上述在步骤S202至S207的处理直到经过轨迹生成时间T为止。亦即，如果在步骤S207新生成的时间t未达到T(在步骤S208为“否”)，则通过返回至步骤S203重复处理。另一方面，如果在步骤S207新生成的时间达到T(在步骤S208为“是”)，将用于物体O_k的轨迹输出并存储在存储段7中(步骤S209)。

图4是示意性地示出通过重复一组范围从步骤S203至步骤S207的处理在时间t＝0，Δt，2Δt，...，T所生成的物体O_k的轨迹的图表。在该图中示出的轨迹P_k(m)(1≤m≤N_k，m是自然数)穿过空间二维(x，y)和时间一维(t)构成的三维时空(x，y，t)。通过将P_k(m)投影在x-y平面上，可得到物体O_k在二维空间(x，y)中的预测路线。

如果在步骤S209后计数器n_k的值未达到N_k(在步骤S210为“否”)，则将计数器n_k的值加1(步骤S211)并且通过返回至步骤S202而重复执行从步骤S202至S207的处理直到达到轨迹生成时间T为止。

如果计数器n_k在步骤S210达到N_k(在步骤S210为“是”)，则完成针对物体O_k的全部轨迹的生成。图5是示意性地示出由N_k个在所述三维时空中针对一个物体O_k生成的轨迹P_k(1)，P_k(2)，...，P_k(N_k)所组成的轨迹组{P_k(n_k)}的说明图。构成轨迹组{P_k(n_k)}的元素的每个轨迹的起点——亦即初始位置(x_k0，y_k0，t)——相同(指步骤S202)。再有，图5在严格意义上是一种示意图并且N_k的值可取诸如几百至几万的值。

如果计数器n_k在步骤S210达到N_k并且用于物体识别的计数器k未达到物体的总数K(在步骤S212为“否”)，则在返回至步骤S202之前将计数器k的值加1并且将轨迹生成次数的计数器n_k的值初始化为1(步骤S213)以重复所述处理。相反，如果所述物体的计数器k达到K(在步骤S212为“是”)，则针对所有物体的轨迹生成已完成并且在步骤S2的轨迹生成处理在进行至下面的步骤S3之前终止。

如以上所述，通过以预定次数为传感器段3检测到的所有物体执行轨迹生成处理，形成由存在于三维时空的预定范围内的多个物体遵循的轨迹组所组成的时空环境。图6是示意性地示出时空环境的结构示例的说明图。图中示出的时空环境Env(P₁，P₂)由物体O₁的轨迹组{P₁(n₁)}(在图6中用实线表示)和物体O₂的轨迹组{P₂(n₂)}(在图6中用实线表示)组成。更具体地，时空环境Env(P1，P2)代表当两物体O₁和O₂在诸如高速公路的平直道路R上沿+y轴方向移动时的时空环境。由于在第一实施方式中独立地为每个物体生成轨迹而没有考虑物体之间的相关性，不同物体的轨迹可能在该时空中交叉。

在图6中，时空的每个区域中的轨迹组{P_k(n_k)}(k＝1，2)的每单位体积的密度给出物体O_k在所述时空的每个区域中的存在概率的密度(下文称为“时空概率密度”)。因此，通过利用在步骤S2的由轨迹生成处理构建的时空环境Env(P₁，P₂)，可确定物体O_k穿过所述三维时空中的预定区域的概率。由于上述时空概率密度在严格意义上是时空中的概率的概念，在与一个物体相关的时空中其值的总和可能不是1。

如果轨迹生成时间T应预先设定为固定值，其具体值优选地是使得如果轨迹超过时间T生成则时空中概率密度的分布将是一样的从而没有必要去计算。如果例如所述物体是四轮车辆并且该四轮车辆正常行驶，则可将T至多设定为5(sec)左右。这种情况中，如果在步骤S204的操作时间Δt是约0.1至0.5(sec)，则为了将生成一个轨迹P_k(m)而进行的从步骤S203至步骤S207的一组处理重复10至50次。

再有，在为诸如高速公路、普通道路和双车道道路的不同道路设定轨迹生成时间T后，优选地基于通过其利用位置数据从地图数据读取当前运行的道路类型的方法或通过由应用图像识别等的道路识别装置读取道路类型的方法来转换时间T。

也优选的是执行自适应控制，其中，在利用计算出的轨迹以统计方式评价所述时空中的概率密度的分布，直到轨迹生成时间T，如果所述分布是均匀的，则减少轨迹生成时间T，并且如果所述分布不是均匀的，则增加所述生成时间。

进一步地，也可通过预先准备多个可由主车辆采取的路线并且利用主车辆的路线与另一物体的路线相交叉的概率变得恒定时的时间作为轨迹生成时间T来作出预测。这种情况中，也可采用当主车辆可采取的每个路线的风险增量在预测时间仅增加Δt后变得恒定时的时间作为终止条件。这种方式中，在主车辆可采取的路线的将来侧上的端点自然地被设定为在空间上广泛分布以得到为了确保安全性对当前要采取的路线的判断的依据。

在针对上述每个物体的轨迹生成处理后，预测段5对每个物体可采取的路线作出概率性预测(步骤S3)。下面将说明从针对物体O_k生成的轨迹组{P_k(n_k)}中选择的指定轨迹P_k(m)的概率，其为预测段5中的预测计算部51执行的具体预测计算处理，但是此预测计算当然只是一个示例。

当物体O_k的N_k个轨迹生成时，如下面所示计算N_k个轨迹中的一个轨迹P_k(m)成为实际轨迹的概率。首先，如果实现物体O_k的轨迹P_k(m)的操作序列{u_km(t)}是{u_km(0)，u_km(Δt)，u_km(2Δt)，...，，u_km(T)}，则在时间t选择操作u_km(t)的概率是p(u_km(t))，因此，在时间t＝0至T执行的操作序列{u_km(t)}的概率通过公式1得出：

[公式1]

$p\left(u_{\mathrm{km}}\left(0\right)\right)·p\left(u_{\mathrm{km}}\left(\mathrm{\Delta t}\right)\right)·p\left(u_{\mathrm{km}}\left(2\mathrm{\Delta t}\right)\right)···p\left(u_{\mathrm{km}}\left(T\right)\right)=\underset{t=0}{\overset{T}{\Pi }}p\left(u_{\mathrm{km}}\left(t\right)\right)---\left(1\right)$

因此，当给出对于物体O_k的N_k个轨迹组{P_k(n_k)}时，所选择的物体O_k可遵循的一个轨迹P_k(m)的概率p(P_k(m))通过公式2得出：

[公式2]

$p\left(P_k\left(m\right)\right)=\frac{\underset{t=0}{\overset{T}{\Pi }}p\left(u_{\mathrm{km}}\left(t\right)\right)}{\underset{n=1}{\overset{N_k}{\Sigma }}\left(\underset{t=0}{\overset{T}{\Pi }}p\left(u_{\mathrm{kn}}\left(t\right)\right)\right)}---\left(2\right)$

如果用相等的概率p0(此处0<p0<1)选择所有操作u_km(t)，公式1可简化成：

$\underset{t=0}{\overset{T}{\Pi }}p\left(u_{\mathrm{km}}\left(t\right)\right)=p_0^s---\left(3\right)$

这里，s是操作时间Δt从t＝0至T的总数，亦即，操作次数。因此，包括在物体O_k可遵循的N_k个轨迹内的轨迹P_k(m)的概率的总和变成N_kp₀^s并且通过将公式(3)代入公式(2)得到所选择的在它们中的一个轨迹P_k(m)的概率p(P_k(m))。

[公式4]

$p\left(P_k\left(m\right)\right)=\frac{1}{N_k}---\left(4\right)$

亦即，概率p(P_k(m))不取决于轨迹P_k(m)。

如果在公式(4)中针对所有物体所要生成的轨迹数相同(N)，则从N₁＝N₂＝...＝N_k＝N(常数)得出p(P_k(m))＝1/N，其示出所述概率独立于物体O_k是恒定的。通过在这种情况中使概率p(P_k(m))的值标准化为1，可简化预测计算部51执行的预测计算，从而更快地执行预定的预测计算。再有，可通过从输入段2输入而使操作u_km(t)被选择的概率p(u_km(t))能适当设定或变化。

基于针对每个物体O_k(k＝1，2，...，K)计算出的概率，预测计算部51判断在所述三维时空的每个区域中每单位体积物体O_k的存在概率。此存在概率与在轨迹组{P_k(n_k)}的三维时空中的时空概率密度对应并且经过轨迹的密度高的区域通常具有更高的存在概率。

在至此所说明的预测计算部51执行的操作后，图像生成部52在发送图像信息至输出段6之前根据所得到的操作结果生成与要由输出段6的显示部61显示的图像有关的图像信息。

在上述步骤S3之后，显示/输出与预测计算部51的操作结果一致的信息，亦即，预测结果(步骤S4)。图7是示出显示部61的预测结果显示/输出示例的图表并且是示意性地示出当通过利用由两物体O₁(主车辆)和O₂构成的时空环境Env(P1，P2)(见图6)作出预测时预测结果的显示/输出示例。更具体地，图7示出通过在物体O₁(主车辆)的挡风玻璃F上的半透明叠置来显示另一物体O₂在预定时间后的存在概率超过预定阈值的区域时的情况。半透明显示的区域D_a和区域D_b具有不同照度(区域D_a更亮)。这种照度差异反映了预测计算部51的预测结果并且根据所判断出的存在概率的值通过在挡风玻璃F上的叠置来显示具有不同照度的半透明区域。

通过将图像生成部52生成的图像从设置在物体O₁的驾驶座后方上部的投影仪(其是输出段6的一部分并且未示出)投影在挡风玻璃F上实现上述叠置显示。相应地，物体O₁的驾驶者在目视主车辆的前进方向驾驶时可立即识别出在不久的将来有可能发生危险的区域。因此，可通过使所述识别结果在驾驶中反映出来而准确地避开危险。

然而，输出段6的显示/输出示例不限于此，并且，例如，预测段5的预测结果可通过使汽车导航系统的显示屏CN(见图)具有显示部61的功能进行显示。这种情况中，与图8所示的区域D_a和D_b一样，可用颜色渐变显示出显示在显示屏CN上的二维平面上的每个区域。或通过使声音经由麦克风产生而从输出段6输出与周围路况一致的信息、警报音或声音。

根据本发明上述第一实施方式，具有存储物体的位置和包括物体的速度的内部状态的存储单元的计算机从存储单元读取物体的位置和内部状态，基于所读取的物体的位置和内部状态根据随时间流逝物体可采取的位置的变化在由时间和空间组成的时空中生成轨迹，并且通过利用所生成的轨迹概率性地预测物体的路线使得即使在实际会发生的情形中也可确保安全性。

同样，根据第一实施方式，通过利用形成在由时间和空间组成的时空中的时空环境作出物体的路线预测，不但能够精确地作出静止物体的路线预测，而且也能够精确地作出动态物体的路线预测。

进一步地，根据第一实施方式，由于独立地生成所检测到的物体的轨迹，所以可将指定物体(例如主车辆)与其他物体区分开来。所以，可在实用的时间段内容易并精确地预测可能隐藏在所述指定物体和其他物体之间的危险。

另外，根据第一实施方式，由于可通过输出利用时空环境预测的结果提示包括危险的信息，主车辆的驾驶者可在迅速并精确地避开驾驶期间在不久的将来中可能发生的危险。

再有，如以上所述，第一实施方式也适用于四维时空(三维空间和一维时间)中。第一实施方式当然可应用于在具有高度差的道路上运行的汽车，另外还可在诸如飞机或直升机的在空中移动的可移动体进行对其他同样地在空中移动的可移动体的路线预测时应用。

这里，将说明在上述背景技术中引用的非专利文献1与第一实施方式的区别。尽管这两种技术都利用概率概念作出物体的路线预测，但是非专利文献1中的技术并非独立地在预定范围内预测物体的路线并且仅基于相互关系作出概率计算。因此，当多个物体中的任意两物体碰撞时，这两个物体的路线预测在两物体碰撞时终止。当在三维时空中考虑时，这意味着将不会执行在两个不同物体的轨迹交叉后的碰撞判断处理。

相反，第一实施方式中，独立地针对每个物体生成物体轨迹，因此，即使不同物体的轨迹在所述三维时空中交叉，碰撞判断处理也会继续直到经过预定时间为止。因此，根据非专利文献1生成的时空环境和根据第一实施方式生成的时空环境在性质上完全不同。另外，由于在第一实施方式中在不考虑物体碰撞的情况下独立地针对每个物体执行路线找寻，计算量比非专利文献1中的情况小。

另外，根据非专利文献1，即使可预测碰撞事件，但是也不能预测何时发生这样的碰撞。这是因为，非专利文献1中的技术着眼于在每时每刻针对每个状态搜索有无碰撞，而不是判断物体在时间流中碰撞的概率。换言之，在非专利文献1中没有明确地使用时空环境并且也没有采用时空概率密度的概念。

尽管由于都利用概率概念作出路线预测而使第一实施方式和非专利文献1在初看时给人以类似技术的印象，但是其技术原理在本质上完全不同，并且即使对本领域的技术人员而言也很难从非专利文献1实现第一实施方式。

(第一实施方式的改型)

轨迹生成部4的操作选择部41可仅为主车辆维持目前的操作。这种情况中，维持主车辆在预测时刻的内部状态并且将继续执行唯一的操作，因此选择所述操作的操作选择概率是1并且在时空中只生成一个轨迹作为主车辆的轨迹组。

图9示出当主车辆的操作如上述地维持时所生成的时空环境，并且其是与图6对应的图表。在图9中示出的时空环境Env’(P₁，P₂)中，物体O₁(主题车辆)在所述三维时空中的轨迹组中仅由一个直线轨迹组成(与针对物体O₂的图6类似)。如以上所述，通过应用维持主车辆O₁的操作的模式，当例如有很多周围物体时可简化预测情形，从而在轨迹生成段和预测段中的计算量减少。

(第二实施方式)

本发明第二实施方式的特征在于：当为每个物体生成轨迹时，为轨迹生成执行所有可选操作。根据第二实施方式的物体路线预测装置的功能结构与根据第一实施方式的物体路线预测装置1的功能结构相同(见图1)。除了针对每个物体的轨迹生成处理之外，根据第二实施方式的物体路线预测方法与根据第一实施方式的方法相同。

图10是示出根据第二实施方式的物体路线预测方法执行的轨迹生成处理(与图2中步骤S2对应)的概况的流程图。在图中示出的轨迹生成处理中，首先，执行初始化以将用于识别每个物体的计数器k的值设定为1(步骤S21)。同样，在第二实施方式中，将要针对其生成轨迹的物体总数假定为K。

接下来，轨迹生成段4从存储段7读取由传感器段3检测的结果并将所读取的检测结果设定为初始状态(步骤S22)。更具体地，将时间t设定为0并将初始位置(x_k(0)，y_k(0))和初始状态(v_k(0)，θ_k(0))分别设定为传感器段3的输入信息(x_k0，y_k0)和(v_k0，θ_k0)。

随后，生成物体O_k在三维时空(x，y，t)中的轨迹(步骤S23)。图11是示出在步骤S23执行的轨迹生成处理的细节的流程图。以下说明中，假定轨迹生成时间T用每个操作执行的操作时间Δt以T＝JΔt(J是自然数)表示。

首先，循环处理(循环1)在时间t＝0开始(步骤S231-1)。此循环1中，在t＝0时的操作u_k(0)在Δt的时间形成。与第一实施方式一样，根据物体O_k的类型确定操作u_k(0)的具体内容(如果物体是车辆，则可由加速度或角速度指定操作，并且，如果物体是人，则可由速度指定操作)。操作组{u_kc}由有限的元素组成，并且，如果可选操作是连续量，则操作组{u_kc}的元素通过适当间隔的离散化构成。

将说明在步骤S231-1的更具体的处理。首先，操作选择部41选择一个操作u_kc(0)并且物体操作部42使所选择的操作u_kc(0)执行Δt的时间。该操作后，判断部43判断物体O_k的位置和内部状态是否满足与第一实施方式中类似的控制条件和移动条件。如果所有条件都满足(OK)，则判断部43在下一时刻t＝Δt进行至循环处理(循环2)。相反，如果所述控制条件或所述移动条件的任一个都不满足(NG)，则前面刚刚执行的操作u_kc(0)在进行至步骤S233-1后被取消。由于在第二实施方式中操作选择部41选择所有操作，选择每个操作的次序是任意的。这也适用于后续的循环处理(循环1，循环2，...，循环J)。

下面将首先说明直到生成一个轨迹的处理。循环2中，与在上述循环1中一样，操作选择部41选择一操作并且操作u_kc(Δt)只执行Δt的时间。然后，如果物体O_k的位置在所述操作后满足与上述类似的控制条件和移动条件(OK)，则该处理在时刻2Δt进行至循环处理(循环3)。另一方面，如果不满足所述控制条件或移动条件的任一个(NG)，则前面刚刚执行的操作u_kc(Δt)在在进行至步骤S233-2后被取消。

下文，通过重复执行与在上述循环1或循环2中类似的处理，连续执行循环处理J次。亦即，只要物体O_k在操作在时间3Δt、4Δt、...执行后满足控制条件和移动条件，则所述处理顺序进行至循环4、循环5、...。然后，如果物体O_k满足控制条件和移动条件直到最后的循环J，则所述处理进行至随后的步骤S232。在步骤S232，将从t＝0至t＝T(＝JΔt)的一个轨迹输出并存储在存储段7中。该轨迹与在图4中示出的轨迹一样穿过三维时空。

在步骤S232之后的步骤S233-J，在最近时间所执行的操作u_kc(T-Δt)＝u_kc((J-1)Δt)被取消，并且如果循环J将继续(循环J继续)，则处理返回至步骤S231-J。另一方面，如果循环J将终止(循环J终止)，则处理进行至随后的步骤S233-(J-1)。

在步骤233-(J-1)，在循环(J-1)中执行的操作u_kc(T-2Δt)被取消，并且，如果循环(J-1)将继续(循环(J-1)继续)，亦即，如果任意要执行为操作u_kc(T-2Δt)的元素保留，则处理返回至步骤S231-(J-1)以重复处理。另一方面，如果循环(J-1)将终止(循环(J-1)终止)，亦即，没有要执行为操作u_kc(T-2Δt)的元素保留，则处理进行至随后的步骤S233-(J-2)。

下文中，以循环(J-2)、...、循环2、循环1的顺序重复与上述循环J或循环(J-1)中类似的处理。由此，当在最后在步骤S233-1完成循环1后进行至在步骤S24的处理时，已经生成物体O_k所有可能遵循的轨迹，亦即生成轨迹组{P_k(n_k)}，如图5所示。

接下来，将说明当在步骤S231-1不满足(NG)控制条件或移动条件的任一个时的情况。这种情况中，前面刚刚执行的操作在进行至步骤S233-1后被取消。然后，如果循环1将继续，则处理返回至步骤S231-1，并且，如果循环1将终止，则处理进行至随后的步骤S24。

如果在使在步骤S231-2、S231-3、...、或S231-J所选择的操作执行后物体O_k不满足任何控制条件或移动条件，则执行与上述步骤S231-1的处理类似的处理。亦即，通常如果物体O_k在步骤S231-j(j＝2，3，...，J)不满足任何执行条件或移动条件，则在进行至步骤S233-j后可取消前面刚刚执行的操作。相应地，如果在某时刻t_k不满足任何条件，则可略去t_k后的轨迹生成处理，实现计算量的减少。

上述轨迹生成处理的算法等于基于深度优先搜索、利用递归调用法搜索所有可能的操作的算法。因此，这种情况中，直到对物体O_k的轨迹生成处理完成为止，针对一个物体O_k在终点生成的轨迹组{P_k(n_k)}的元素数——亦即轨迹数——都是未知的。

可利用广度优先搜索而不是执行上述轨迹生成处理来搜索所有可能的操作。为了通过搜索所有可实施的操作来生成可由每个物体遵循的轨迹，可选择一种如下的搜索方法，所述搜索方法具有根据操作u_kc(t)在操作时间Δt中的元素数(当操作u_kc(t)是连续量时的离散度)的最佳计算量。

如果在上述步骤S23的轨迹生成处理后用于物体识别的计数器k还未达到K(在步骤S24中为“否”)，则计数器的值加1(步骤S25)，在返回至步骤S22后基于传感器段3的检测结果执行初始化，并且对另一物体O_k+1执行上述轨迹生成处理(步骤S23)。另一方面，如果用于物体识别的计数器k达到K(在步骤S24为“是”)，则已经完成对预定范围内存在的所有物体的轨迹生成处理，因此终止轨迹生成处理(与图2中步骤S2对应)。由此，生成与在图6中示出的时空环境类似的时空环境Env(P₁，P₂)并将其存储在存储段7中。

此后的处理，亦即，预测段5执行的物体路线概率性预测(与图2中步骤S3对应)和输出段6的预测结果输出(与图2中步骤S4对应)与第一实施方式类似。

根据本发明上述第二实施方式，具有存储物体的位置和包括物体的速度的内部状态的存储单元的计算机从存储单元读取物体的位置和内部状态，基于所读取的物体的位置和内部状态根据随时间流逝物体可采取的位置的变化在由时间和空间组成的时空中生成轨迹，并且通过利用生成的轨迹概率性地预测物体的路线使得即使在会实际发生的情形中也可确保安全性。

同样，根据第二实施方式，通过利用形成在由时间和空间组成的时空中的时空环境作出物体的路线预测，不但能够精确地作出静止物体的路线预测，而且能够精确地作出动态物体的路线预测。

再有，在第二实施方式中执行在时空中利用递归调用法的轨迹生成处理，但是也不能绝对肯定地讲，当与上述第一实施方式中的轨迹生成处理相比较时，该轨迹生成处理需要更少的计算量。换言之，这种用来在时空中生成物体轨迹的算法取决于各种条件变化，所述条件包括操作时间Δt、轨迹生成时间T和操作组中的元素数。因此，可按照作出预测的条件采用最佳算法。

(第三实施方式)

图12是示出根据本发明第三实施方式的物体路线预测装置的功能结构的框图。图中所示的物体路线预测装置101是一种安装在诸如四轮车辆的可移动体上的装置，用以检测存在于作为指定物体的主车辆周围的预定范围内的物体、预测所检测出的物体和主车辆的路线、并且基于预测结果定量地评价可由所述指定物体——主车辆——可采取的路线与可由其他物体可采取的路线之间的干扰度。

物体路线预测装置101包括从外部输入各种信息的输入段2、用于检测存在于预定范围内的物体的位置和内部状态的传感器段3、用于基于传感器段3检测出的结果根据随时间流逝物体采取的位置的变化在由时间和空间构成的时空中生成轨迹的轨迹生成段4、用于利用轨迹生成段4生成的轨迹对物体的路线作出概率性预测的预测段105、用于基于预测段105作出的预测结果计算定量地表示主车辆可采取的路线和其他物体可采取的路线之间的干扰程度的干扰度的干扰度计算部106、用于输出包括干扰度计算部106的评价结果的各种信息的输出段107、以及用于存储包括传感器段3检测出的物体的位置和内部状态的各种信息的存储段108。图12中，对具有与根据图1所示的第一实施方式的物体路线预测装置1相同的功能结构的组件给予相同参考标号。

输出段107具有用于根据干扰度计算部106的评价结果显示/输出图像的显示部171和用于根据其评价结果发出警报音的警报音发出部172。警报音发出部172通过利用扬声器等实现。

除传感器段3的检测结果外，存储段108还存储轨迹生成段4生成的轨迹、预测段105作出的预测结果、干扰度计算部106的干扰度计算结果、轨迹生成段4中的操作选择部41选择的操作等。

接下来，将说明根据本发明第三实施方式的物体路线预测方法。图13是示出根据第三实施方式的物体路线预测方法的处理概况的流程图。在第三实施方式中，也将所有带预测的物体都假定为在二维平面上移动来进行说明。

第三实施方式中，对每个物体的位置和内部状态的检测处理(步骤S31)、在时空中针对每个物体执行的轨迹生成处理(步骤S32)和利用轨迹执行的物体路线的概率性预测处理(步骤S33)分别与上述步骤S1、步骤S2和步骤S3相同。以下说明中，假定通过基于在第一实施方式中说明的操作选择概率的方法执行在步骤S32的轨迹生成处理，但是也可采用在第二实施方式中说明的方法，亦即，通过执行所有可选操作生成轨迹的方法。

再有，当在步骤S32在时空中针对每个物体执行轨迹生成处理时，就技术原理而言，重要的是基于轨迹生成时间T终止预测计算，而不是基于主车辆是否已到达预设位置(目的地或类似于目的地的中间位置)。在普通道路上没有可预先确保安全性的地点。例如，如图14所示，当通过假定运行在三车道道路Rd上的主车辆O₁依次到达预设位置Q₁、Q₂和Q₃来进行预测时，考虑到主车辆O₁几乎成直线地向所述预设位置行驶的情况，存在另一车辆Q₂为了避开采取路线B₃的另一车辆O₃造成的危险而采取路线B₂移动到主车辆O₁所正行驶的行车道上的危险。相应地，常规路线预测计算没有达到事先确保主车辆O₁安全地向预设位置行驶的程度。

由于第三实施方式中每次都是在没有预设诸如主车辆O₁所要到达的目的地等的位置的情况中判断最佳路线，例如，在与图14中相同的情形下可选择在图15中示出的路线B₁作为主车辆O₁的路线，使得可在主车辆O₁行驶时通过精确地避开危险而确保安全性。

代替轨迹生成时间T，可通过示出要生成的轨迹的长度的轨迹生成长度来判断用于终止预测计算的条件。这种情况中，优选的是根据物体的速度(或主车辆的速度)以适应性地改变轨迹生成长度。

下面将详细说明在步骤S34及其后的处理。在步骤S34，通过干扰度计算部106计算主车辆与另一车辆之间的干扰度(步骤S34)。图16是示出干扰度计算处理的细节的流程图。第三实施方式中，假定物体O₁是主车辆。为了便于说明，将其他物体O_k(k＝2，3，...，K)都假定为也是四轮车辆并称为其他车辆O_k。在图16中示出的干扰度计算处理由四个循环的处理组成并用其他车辆O_k的所有轨迹组{P_k(n_k)}逐一地计算在步骤S33判断出的主车辆O₁的轨迹组{P₁(n₁)}的所有元素的干扰度。

干扰度计算部106在步骤S34接收到的输入包括主车辆O₁的轨迹组{P₁(n₁)}、其他车辆O_k的所有轨迹组{P_k(n_k)}、以及用以评价主车辆O₁与其他车辆O_k之间的干扰度的干扰度评价函数。在第三实施方式中假定干扰度计算部106包含干扰度评价函数，但是该干扰度评价函数可从外部输入。或者，可使干扰度评价函数可以根据道路类型和主车辆O₁的速度适应性地变化。

通过评价其他车辆的轨迹组与具有互不相同的端点的主车辆的轨迹组之间的干扰度，如利用图15所述，每次都在没有预设诸如主车辆所要到达的目的地等的位置的情况下判断最佳路线以在主车辆行驶时精确地避开危险，从而可以确保安全性。由此，如图14所示，即使主车辆向道路上的预设位置行驶也可解决未确保安全性的致命问题。

图16中，干扰度计算部106首先开始对主车辆O₁的所有轨迹的重复处理(循环1)(步骤S401)。基于此目的，从轨迹组{P₁(n₁)}中选择一个轨迹并对所选择的轨迹执行后续处理。

接下来，干扰度计算部106开始对其他车辆O_k的重复处理(循环2)(步骤S402)。在此循环2中，将用于识别其他车辆的计数器k初始化为k＝2并且每次完成重复处理时将k的值递增。

在循环2内，执行对在步骤33为其他车辆O_k所生成的轨迹组{P_k(n_k)}的所有元素的重复处理(循环3)(步骤S403)。在此重复处理中，将用于重复循环1亦即用于识别为主车辆O₁生成的轨迹的计数器n₁和用于识别其他车辆的计数器k确定的干扰度设定为r₁(n₁，k)并将r₁(n₁，k)的值设定为0(步骤S404)。

随后，干扰度计算部106开始重复处理(循环4)以评价主车辆O₁的轨迹P₁(n₁)与其他车辆O_k的轨迹P_k(n_k)之间的干扰(步骤S405)。在此循环4中，依次在时刻t＝0，Δt，...，T确定轨迹P₁(n₁)与轨迹P_k(n_k)之间在同一时刻的距离。由于将每个轨迹在二维时空中的位置定义为每个车辆的中心，如果两轨迹之间的空间距离变得比预定值小(例如，车辆的标准宽度或长度)，则可以假定主车辆与其他车辆O_k已经碰撞。在此意义上，即使两车辆的坐标值不一致也可判定两物体已碰撞。下文中，将允许认为两物体已经碰撞的距离的最大值(两物体互相干扰的空间距离)称为干扰距离。

图17是示意性地示出主车辆O₁的轨迹P₁(n₁)与其他车辆O_k的轨迹P_k(n_k)在时空中的关系的图表。图中所示的情况中，轨迹P₁(n₁)与轨迹P_k(n_k)在两个点C₁和C₂交叉。因此，在这两个点C₁和C₂附近存在在同一时刻所述两轨迹之间的距离小于干扰距离的区域A₁和A₂。亦即，当轨迹P₁(n₁)和轨迹P_k(n_k)分别包含在区域A₁和A₂内时作出主车辆O₁与其他车辆O_k碰撞的判断。换言之，在时刻t＝0，Δt，...，T穿过区域A₁和A₂的次数是主车辆O₁与其他车辆O_k之间碰撞的次数。

从图17可以显现，在第三实施方式中形成的时空环境中，即使两轨迹碰撞，也会生成碰撞以后的轨迹。这是因为独立地为每个物体生成轨迹的缘故。

如果对主车辆O₁与其他车辆O_k之间的距离的判断结果为在上述意义上作出主车辆O₁与其他车辆O_k已经碰撞的判断(在步骤S406为“是”)，则干扰度计算部106将干扰度r₁(n₁，k)的值设定为：

[公式5]

r₁(n₁，k)←r₁(n₁，k)+c_1k·p(P_k(n_k))·F(t)   (5)

(步骤S407)。这里，将说明第二项c_1k·p(P_k(n_k))·F(t)。系数c_1k是正的常数并且例如可设定为c_1k＝1。p(P_k(n_k))是公式2定义的量并且是从其他车辆O_k选择一个轨迹P_k(n_k)的概率。最后一项F(t)是给出一次碰撞中物体之间的时间依赖性的量。因此，如果不允许物体之间的干扰有时间依赖性，则F(t)的值可被设定为常数。相反，如果允许物体之间的干扰有时间依赖性，如图例如在图18中所示的，F(t)可被定义为值随时间流逝而减少的函数。在图18中示出的F(t)在对最后一次碰撞授予重要性时适用。

如果在步骤S407后时间t还未达到T，则干扰度计算部106重复循环4(在步骤S408中为“否”)。这种情况中，t的值增加Δt(步骤S409)并在返回至步骤S405后重复循环4。另一方面，如果在步骤S407后时间t达到T，则终止循环4(在步骤S408为“是”)。如果主车辆O₁和其他车辆O_k在某一时间t没有碰撞，则干扰度计算部106直接进行至是否重复循环4的判断处理(步骤S408)。

通过上述循环4的重复处理，干扰度r₁(n₁，k)的值随碰撞次数增加而增加。在循环4完成后，在步骤S410执行是否重复循环3的判断处理。亦即，如果为其他车辆O_k生成的轨迹中存在任意与主车辆O₁的一个轨迹P₁(n₁)的干扰评价还未执行的轨迹(在步骤S410中为“否”)，则将n_k递增至n_k+1(步骤S411)并在返回至步骤S403后重复循环3。

相反，如果为其他车辆O_k生成的轨迹与主车辆O₁的一个轨迹P₁(n₁)的所有干扰评价都已经执行(在步骤S410中为“是”)，则将评价主车辆O₁的轨迹P₁(n₁)与其他车辆O_k的所有轨迹之间的最终干扰度r₁(n₁，k)附上(步骤S412)并将所附上的值输出并存储在存储段108中(步骤S413)。

在步骤S413从干扰度计算部106输出的最终干扰度r₁(n₁，k)的值取决于从其他车辆O_k的所有轨迹中选择一个轨迹P_k(n_k)的概率p(P_k(n_k))。因此，如果假定公式(5)中系数c_1k不取决于k并且是常数(例如，c_1k＝1)，F(t)是常数(例如，1)，并且主车辆O₁的轨迹P₁(n₁)与其他车辆O_k的轨迹P_k(n_k)之间的碰撞次数是M_1k(n₁，n_k)，通过将每个轨迹P_k(n_k)的概率p(P_k(n_k))乘以M_1k(n₁，n_k)并将所有轨迹组{P_k(n_k)}的元素相加得到干扰度r₁(n₁，k)的值。所得的和正是主车辆O₁的轨迹P₁(n₁)与其他车辆O_k可遵循的轨迹碰撞的碰撞概率。因此，最终获得作为干扰度r₁(n₁，k)的值与主车辆O₁的轨迹P₁(n₁)和其他车辆O_k碰撞的碰撞概率成比例地增加。

步骤S413之后，干扰度计算部106执行是否重复循环2的判断处理。如果还余留有应执行与主车辆O₁的干扰评价的另一车辆O_k(在步骤S414中为“否”)，则干扰度计算部106将k的值加1(步骤S415)并在返回至步骤S402后重复循环2。另一方面，如果已没有余留应执行与主车辆O₁的干扰评价的车辆O_k(在步骤S414中为“是”)，则干扰度计算部106进行至随后的步骤S416。

在步骤S416，执行是否重复循环1的判断处理。更具体地，如果主车辆O₁的轨迹组{P₁(n₁)}中余留有应执行干扰评价的轨迹(在步骤S416为“否”)，则干扰度计算部106将n₁的值加1(步骤S417)并在返回至步骤S401后重复循环1。另一方面，如果主车辆O₁的轨迹组{P₁(n₁)}中已没有余留应执行干扰评价的轨迹(在步骤S416为“是”)，则干扰度计算部106在终止干扰度计算处理之前终止循环1(步骤S34)。

然后，输出段107根据在步骤S34计算出的干扰度输出信息作为评价结果(步骤S35)。下面将说明输出段107中的显示部171通过如图7所示在主车辆O₁的挡风玻璃F上的叠置而执行半透明显示的情况。这种情况中可将图7理解为示出一种以下的情况，即，在由主车辆O₁和另一车辆O₂构成的时空环境Env(P₁，P₂)中，通过叠置显示出在主车辆O₁根据主车辆O₁与其他车辆O₂之间的干扰度r₁(n₁，2)而可在二维平面上采取的路线中干扰度r₁(n₁，2)的值超过预设的阈值的区域。

显示部171具有根据干扰度r₁(n₁，2)的值改变照度的功能。例如，如果设定随干扰度r₁(n₁，2)的值的增加而增加照度，则在图7所示的区域D_a和D_b中，区域D_a的照度更大。这种情况中，主车辆O₁的驾驶者可通过在目视前方驾驶时参照挡风玻璃F上的叠置显示而立即辨认出可通过采取朝干扰度r₁(n₁，2)的值相对较小的区域D_b的路线驾驶以避开危险。通过使这种辨认结果反映在驾驶操作中，驾驶者可精确地避开在不久的将来可能发生在主车辆O₁上的危险。

除显示部171进行显示外，警报音发出部172可在针对与当前操作对应的预期路线所得到的干扰度r₁(n₁，2)的值超过预定阈值时发出警报音(包括声音)。

同样，与第一实施方式中一样，干扰度计算部106的干扰评价结果可通过使汽车导航系统的显示屏CN(见图8)具有显示部171的功能进行显示。

根据本发明上述第三实施方式，具有至少存储多个物体的位置和包括每个物体的速度的内部状态的存储单元的计算机从存储单元读取多个物体的位置和内部状态，基于所读取的物体的位置和内部状态根据随时间流逝多个物体中每个物体可采取的位置的变化在由时间和空间组成的时空中生成轨迹，并且通过利用生成的轨迹概率性地预测多个物体的路线，并接基于预测结果计算定量地表示指定物体可遵循的轨迹与其他物体可遵循的轨迹之间的干扰程度的干扰度，使得即使在会实际发生的情形中也可确保安全性。

同样，根据第三实施方式，通过应用利用在时空中的碰撞概率定义的干扰度，可在一可行的时段内精确地预测与其他物体碰撞的概率。

进一步地，根据第三实施方式，通过利用形成在由时间和空间组成的时空中的时空环境作出物体的路线预测，不但能够精确地作出静止物体的路线预测，而且能够精确地作出动态物体的路线预测。

另外，根据第三实施方式，由于独立地生成所检测出的物体的轨迹，可将指定物体(例如，主车辆)与其他物体区分开来。所以，可容易并精确地预测隐藏在指定物体和其他物体之间的危险。

再有，公式(5)中用于增加干扰度r₁(n₁，k)的值的系数c_1k可以不是常数。例如，系数c_1k可以是主车辆O₁与其他车辆O_k之间在碰撞时的相对速度的大小。通常，当相对速度的大小增加时，碰撞期间的冲击增加。因此，如果系数c_1k是车辆之间在碰撞时的相对速度的大小，车辆之间碰撞的冲击度将增加到干扰度r₁(n₁，k)上。

或者，可将表示损坏严重程度的值分派给系数c_1k。这种情况中，例如，在从存储段108读取的存储值分派给系数c_1k之前，可将用于以数值方式评价碰撞造成的损坏等级的损坏等级评价值或由碰撞造成的损坏损失量与碰撞时车辆之间的相对速度的大小对应地存储在存储段108中。如果传感器段3具有能够检测物体类型的功能，可根据物体类型确定损坏等级评价值或损坏损失量。这种情况中，例如，当与之碰撞的物体是人或车辆时，优选地通过例如将用于与人碰撞的系数c_1k的值设定为远大于用于与其他物体碰撞的系数c_1k的值而将与人碰撞的可能性降到最小。

再有，第三实施方式中，干扰度可通过假定维持主车辆O₁的操作而计算出。这种情况中，输出段107中的显示部171不但可显示主车辆O₁的预测路线，而且可以根据干扰度的计算结果显示在预定范围内运行的其他车辆的危险。

如以上所述，通过应用维持主车辆O1的操作的模式，当例如有很多周围物体时可简化预测情形，从而使轨迹生成段、预测段和干扰度计算部中的计算量减少。

这里，将说明在上述背景技术中引用的非专利文献1和第三实施方式之间的区别。由于第三实施方式中在没有考虑物体的相关性的情况下针对每个物体独立地执行路线找寻，计算量小于非专利文献1。特别是，在第三实施方式中计算每轨迹的干扰度的次数通过

[公式6]

$n_1\times \underset{k=2}{\overset{K}{\Sigma }}{n}_k$

得出并且，大约轨迹数的平方的计算量就已足够而与构成时空环境的物体数无关。相反，当根据非专利文献1对干扰评价时，未将指定物体(主车辆)和其他物体(其他车辆)进行区分并且用于对相互干扰进行评价的计算量(与第一实施方式中计算干扰度的次数对应)通过

[公式7]

$n_1\times \underset{k=2}{\overset{K}{\Pi }}{n}_k$

得出，因此，需要大约轨迹数的K次幂的计算量。由此，当构成时空环境的物体数增加时，与第三实施方式间的计算量的差将显著地更大。

除上述区别外，非专利文献1和第三实施方式之间的区别与针对第一实施方式所述的区别相同。因此，与在第一实施方式相同地，即使对于本领域的技术人员而言也很难从非专利文献1实现第三实施方式。

(第四实施方式)

本发明第四实施方式的特征在于通过利用主车辆与其他车辆之间的最小碰撞时间来定义评价干扰时的干扰度。根据第四实施方式的物体路线预测装置的功能结构与根据第三实施方式的物体路线预测装置101(见图12)相同。除干扰度计算处理外，根据第四实施方式的物体路线预测方法与第三实施方式相同。

图19是示出由根据第四实施方式的物体路线预测方法执行的干扰度计算处理(与图13中步骤S34对应)的细节的流程图。在第四实施方式中也假定物体O₁是主车辆。为了便于说明，将其他物体O_k(k＝2，3，...，K)都假定为也是四轮车辆并称为其他车辆O_k。

干扰度计算部106首先开始对主车辆O₁的所有轨迹的重复处理(循环1)(步骤S421)。基于此目的，从轨迹组{P₁(n₁)}中选择一个轨迹并对所选择的轨迹执行后续处理。

接下来，干扰度计算部106开始对其他车辆Ok的重复处理(循环2)(步骤S422)。在此循环2中，将用于识别其他车辆的计数器k初始化为k＝2并在每次完成重复处理时将k的值递增。

干扰度计算部106执行对在步骤S33生成的轨迹组{P_k(n_k)}的所有元素的重复处理(循环3)并且也执行对其他车辆O_k的重复处理(步骤S423)。在此重复处理中，将用于重复循环1亦即用于识别为主车辆O₁生成的轨迹的计数器n₁和用于识别其他车辆的计数器N₁确定的干扰度设定为r₁(n₁，k)并将轨迹生成时间T设定为r₁(n₁，k)的值(步骤S424)。

随后，干扰度计算部106开始重复处理(循环4)以评价主车辆O₁的轨迹P₁(n₁)与其他车辆O_k的轨迹P_k(n_k)之间的干扰(步骤S425)。在此循环4中，依次在时刻t＝0、Δt、...、T确定轨迹P₁(n₁)与轨迹P_k(n_k)之间在同一时刻的距离，以判断主车辆O₁与其他车辆O_k是否已经碰撞。对于此判断而言，碰撞的定义与在第三实施方式中相同并且在主车辆O₁与其他车辆O_k之间的距离比干扰距离短时作出碰撞已经发生的判断。

如果对主车辆O₁与其他车辆O_k之间的距离的判断结果为干扰度计算部106判断主车辆O₁与其他车辆O_k已经碰撞(在步骤S426为“是”)，并且干扰度r₁(n₁，k)的值大于在该时刻的时间t(从所述初始位置到碰撞所需的时间)(在步骤S427为“是”)，则将t设定为r₁(n₁，k)的值并且然后将t设定为T(步骤S428)。因此，这种情况中，循环4终止(在步骤S429为“是”)。

相反，如果主车辆O₁与其他车辆O_k碰撞(在步骤S426为“是”)并且干扰度r₁(n₁，k)的值等于或小于在该时刻的时间t(在步骤S427为“否”)，则干扰度计算部106进行至步骤S429以判断是否终止循环4。当主车辆O₁与其他车辆O_k没有碰撞时(在步骤S426为“否”)，干扰度计算部106也进行至步骤S429。

如果在步骤S429时间t还未达到T，则重复循环4(在步骤S429为“否”)。这种情况中，干扰度计算部106将t的值增加Δt(步骤S430)并在重复循环4之前返回至步骤S425。另一方面，如果在步骤S429时间t已经达到T，则干扰度计算部106终止循环4(在步骤S429为“是”)。

在上述循环4的重复处理的情况下，干扰度r₁(n₁，k)的值将是最小碰撞时间，该最小碰撞时间是在主车辆O₁与其他车辆O_k之间发生的碰撞中从所述初始位置到碰撞所需的最短时间。

在终止循环4后，干扰度计算部106执行是否重复循环3的判断处理。亦即，如果为其他车辆O_k生成的轨迹中存在任意与主车辆O₁的一个轨迹P₁(n₁)的干扰评价还未执行的轨迹(在步骤S431中为“否”)，将n_k递增至n_k+1(步骤S432)并在返回至步骤S423后重复循环3。

另一方面，如果所有为其他车辆O_k生成的轨迹与主车辆O₁的一个轨迹P₁(n₁)的干扰评价都已经执行(在步骤S431中为“是”)，则与其他车辆O_k的一个轨迹P_k(n_k)的干扰评价已经完成。因此，这种情况中，干扰度计算部106分派评价主车辆O₁的轨迹P₁(n₁)与其他车辆O_k的所有轨迹之间的干扰的最终干扰度r₁(n₁，k)(步骤S433)并且输出所分派的值以将其存储在存储段108中(步骤S434)。

接下来的步骤S435至S438涉及重复循环2和循环1的判断处理并且与用于针对第三实施方式说明的干扰度计算处理的步骤S414至S417相同。

根据上述本发明第四实施方式，具有至少存储多个物体的位置和包括每个物体的速度的内部状态的存储单元的计算机从存储单元读取多个物体的位置和内部状态，基于所读取的物体的位置和内部状态根据随时间流逝多个物体中每个物体可采取的位置的变化在由时间和空间组成的时空中生成轨迹，通过利用生成的轨迹概率性地预测多个物体的路线，并且基于预测的结果，计算定量地表示在时空中指定物体可遵循的轨迹和其他物体可遵循的轨迹之间的干扰程度的干扰度，使得即使在会实际发生的情形中也可确保安全性。

同样，根据第四实施方式，通过应用利用最小碰撞时间定义的干扰度，可在一可行的时段内精确地预测与其他物体碰撞的可能性。

(第五实施方式)

本发明第五实施方式的特征在于通过合计以与第三实施方式相同的方式得到的主车辆与其他车辆之间的干扰度的结果来评价主车辆与周围时空环境之间的干扰。根据第五实施方式的物体路线预测装置的功能结构与根据第三实施方式的物体路线预测装置101(见图12)相同。除干扰度计算处理外，根据第五实施方式的物体路线预测方法与第三实施方式相同。

图20是示出根据本发明第五实施方式的物体路线预测方法执行的干扰度计算处理(与图13中步骤S34对应)的细节的流程图。干扰度计算部106首先开始对主车辆O₁的所有轨迹的重复处理(循环1)(步骤S441)。基于此目的，从轨迹组{P₁(n₁)}中选择一个轨迹并对所选择的轨迹执行后续处理。

第五实施方式中，对其他车辆O_k的重复处理(循环2)、对其他车辆的轨迹组{P_k(n_k)}的所有元素的重复处理(循环3)、以及用于评价主车辆O₁的轨迹P₁(n₁)与其他车辆O_k的轨迹P_k(n_k)之间的干扰的重复处理(循环4)与第三实施方式相同。亦即，在图20所示的步骤S442至S455的处理与在第三实施方式的干扰度计算处理中说明的步骤S402至S415相同。

在循环2的重复处理终止后，干扰度计算部106根据其他车辆O_k对从循环2至循环4得到的干扰度r₁(n₁，k)分派权数α(k)(>0)，通过：

[公式8]

$R_1\left(n_1\right)=\underset{k=2}{\overset{K}{\Sigma }}\alpha \left(k\right)r_1(n_1,k)---\left(6\right)$

计算出总干扰度作为这些干扰度的总和并且输出其计算结果以将其存储在存储段108中(步骤S456)。权数α(k)的值可全部相等并是常数(例如，1)，或可分派根据诸如其他车辆O_k的类型等条件的值。由此，可以对主车辆O₁的轨迹P₁(n₁)与包括所有其他车辆O₂、...、O_k的整体环境之间的干扰进行评价。

总干扰度R₁(n₁)可通过：

[公式9]

$R_1\left(n_1\right)=\underset{k}{\max }\left(\alpha \left(k\right)r_1(n_1,k)\right)---\left(7\right)$

定义。这种情况中，最危险的物体O_k的危险度将被处理为总干扰度。如果按照公式(6)的定义，则当例如主车辆O₁与少数物体相干扰但是与多数其余的物体不相干扰时有可能计算出的总干扰度低。因此，即使是其中由于少数车辆靠近主车辆O₁运行使人在直觉上觉得很危险的情形，有可能与直觉相反地将这种情形判断为安全。另一方面，通过基于公式(7)等的定义执行干扰评价，可减少如以上所述作出与直觉相反的判断的可能性。

随后，干扰度计算部106执行是否重复循环1的判断处理。亦即，如果主车辆O₁的轨迹组{P₁(n₁)}中还余留有应执行干扰评价的轨迹(在步骤S457为“否”)，则干扰度计算部106将n₁的值加1(步骤S458)并在返回至步骤S411后重复循环1。另一方面，如果主车辆O₁的轨迹组{P₁(n₁)}中已没有应执行干扰评价的轨迹(在步骤S457为“是”)，则干扰度计算部106在终止干扰度计算处理之前终止循环1(步骤S34)。

图21是示意性地示出应用了根据第五实施方式的物体路线预测方法的时空环境的结构的图表。图中所示的时空环境Env(P₁，P₂，P₃)示出相对于主车辆O₁存在两个其他车辆的情况。主车辆O₁的轨迹P₁(n₁)以实线表示，第二车辆O₂的轨迹P₂(n₂)以虚线表示，第三车辆O₃的轨迹P₃(n₃)以粗线表示。通过利用与时空环境Env(P₁，P₂，P₃)的总干扰度R₁(n₁)执行干扰评价，而不是分开处理与第二车辆O₂的干扰度r₁(n₁，2)和与第三车辆O₃的干扰度r₁(n₁，3)，可根据周围环境避开主车辆O₁的危险。

根据本发明上述第五实施方式，具有至少存储多个物体的位置和包括每个物体的速度的内部状态的存储单元的计算机从存储单元读取多个物体的位置和内部状态，基于所读取的物体的位置和内部状态根据随时间流逝多个物体中每个物体可采取的位置的变化在由时间和空间组成的时空中生成轨迹，通过利用生成的轨迹概率性地预测多个物体的路线，并且基于预测的结果，计算定量地表示指定物体可遵循的轨迹与其他物体可遵循的轨迹之间的干扰程度的干扰度，使得即使在会实际发生的情形中也可确保安全性。

根据第五实施方式，通过利用总干扰度，当构成所述时空环境的物体数量大时也可精确地执行干扰评价。

再有，在第五实施方式中，当干扰度r₁(n₁，k)由于碰撞增加时也可采用与第三实施方式中相似的各种定义中任意定义作为系数c_1k或F(t)的值。干扰度r₁(n₁，3)也可与第四实施方式中相似地定义为最小碰撞时间。

另外，在第五实施方式中执行干扰评价时，可结合总干扰度R₁(n₁)和单个干扰度r₁(n₁，k)来进行干扰评价。

(第六实施方式)

图22是示出通过利用根据本发明第六实施方式的物体路线预测装置构成的自动操作系统的功能结构的框图。图中所示的自动操作系统1000安装在诸如四轮车辆的可移动体上并且包括：物体路线预测装置201，用于通过预测可由作为指定物体的主车辆采取的路线和可由其他物体(包括车辆、人和障碍物)采取的路线而设定要由主车辆采取的路线；以及，致动装置211，用于根据致动信号操作主车辆来实现物体路线预测装置201设定的路线。

物体路线预测装置201包括从外部输入各种信息的输入段2、用于检测存在于预定范围内的物体的位置和内部状态的传感器段3、用于基于传感器段3的检测结果根据随时间流逝物体可采取的位置的变化在由时间和空间构成的时空中生成轨迹的轨迹生成段4、用于利用轨迹生成段4生成的轨迹对物体的路线作出概率性预测的预测段105、用于基于预测段5作出的预测结果计算定量地表示主车辆可采取的路线与其他物体可采取的路线之间的干扰程度的干扰度的干扰度计算部106、用于根据干扰度计算部106计算出的干扰度选择主车辆应采取的路线的路线选择部207、用于在生成与路线选择部207作出的选择的结果对应的致动信号后将致动信号传输至致动装置211的致动信号传输部208、用于将与物体路线预测装置201执行的处理有关的各种信息输出的输出段209、以及用于存储包括传感器段3检测到的物体的位置和内部状态的各种信息的存储段210。图22中，对具有与根据图12所示的第三实施方式的物体路线预测装置101相同的功能结构的组件授予相同的参考标号。

输出段209具有：显示部291，用于将与预测段105、干扰度计算部106和路线选择部207执行的处理有关的信息显示/输出为包括图像的信息；以及，警报音发出部292，用于根据预测段105作出的预测结果或干扰度计算部106作出的计算结果发出警报音。

除传感器段3的检测结果外，存储段210还存储轨迹生成段4生成的轨迹、预测段105作出的预测结果、干扰度计算部106的干扰度计算结果、路线选择部207的执行的路线选择结果、轨迹生成段4中的操作选择部41选择的操作等。

接下来，将说明根据第六实施方式的物体路线预测方法。图23是示出根据第六实施方式的物体预测方法的处理的概况的流程图。在第六实施方式中，也将所有待预测的物体都假定为在二维平面上移动来进行说明。

第六实施方式中，每个物体的位置和内部状态的检测处理(步骤S61)、在时空中每个物体的轨迹生成处理(步骤S62)、利用轨迹对物体路线的概率性预测处理(步骤S63)、以及基于预测结果对主车辆和其他车辆之间的干扰度计算处理(步骤S64)分别与在第三实施方式中说明的步骤S31、步骤S32、步骤S33、以及步骤S34相同。

下面将详细说明在步骤S65及其后续步骤的处理。在步骤S65，执行根据在步骤S64的干扰度计算处理中计算出的干扰度的路线选择处理(步骤S65)。在诸如汽车的在宽范围内移动的可移动体的自动操作技术中，如以上所述，除其中未考虑至少其他动态障碍物的影响或其影响在实践中不需要计算的路线找寻技术外，还需要一种路线计算技术，通过该技术在实用的时间内实现避免与动态障碍物碰撞所需的计算以在需要运行时避开危险。第六实施方式中，在路线选择处理中利用两个评价值来避开危险。第一评价值是在干扰度计算处理中计算出的干扰度并且通过利用干扰度执行第一路线选择处理。如果选择多个路线作为第一路线选择处理的结果，利用存储在存储段210中的第二评价值来执行第二路线选择处理。在第二路线选择处理中，除了判断路线是否具有沿着到达目的地的路径的成分所依据的选择标准外，优选的是通过适当地组合附加选择标准(在后面说明)作为第二评价值以进一步限制路线。

通过评价其他车辆的轨迹组与具有互相不同的端点的主车辆的轨迹组之间的干扰度并如以上所述根据所评价出的干扰度选择路线，每次在没有预设诸如目的地等主车辆所要到达的位置的情况下判断最佳路线以在主车辆行驶时精确地避开危险使得可确保安全性(见图15)。由此，即使主车辆向道路上的预设位置行驶也可解决图14所示的问题，亦即，没有确保安全性的致命问题。

图24是示出路线选择处理的细节的流程图。图24中，路线选择部207选择在干扰度计算处理中计算出的干扰度r₁(n₁，k)的值最小的路线(步骤S501)。

如果由于选择了干扰度r₁(n₁，k)最小的轨迹使得只余留一个轨迹(在步骤S502中为“否”)，则路线选择部207从存储段210读取与所选轨迹对应的位置(x(t)，y(t))的记录和在t＝0至T时的操作序列{u(t)}并将它们输出至致动信号传输部208(步骤S504)。相反，如果由于选择了干扰度r₁(n₁，k)最小的轨迹使得还余留有多个轨迹(在步骤S502为“是”)，则路线选择部207进行至步骤S503)。

在步骤S503，路线选择部207通过利用路线包含沿路线至目的地的组件所依据的选择标准和事先设定并存储在存储段210中的附加选择标准从在步骤S501选择的多个轨迹中选择与附加选择标准最佳匹配的轨迹(步骤S503)。可将在轨迹中几乎不可能具有重复值的条件设定为附加选择标准。

下面给出附加选择标准的几个示例：

(1)在操作后(在Δt后)的主车辆O₁的各位置中，在道路宽度方向上最接近主车辆所行驶的车道的中心的位置(在图4等中的x坐标)。这种情况中，选择在道路上运行最期望的位置的轨迹。如果选择了在t＝0至T期间采取最稳定定位的轨迹，可选择使得在t＝0至T的每个操作后沿道路宽度方向的位置的和最小的轨迹。

(2)在操作后(在Δt后)的主车辆O₁的各位置中，在行驶方向(在图4等中是y坐标方向)上的位置最大。这种情况中，选择最快的轨迹。或者，可选择在t＝T时位置最大的轨迹。

(3)加速度在初始时刻(t＝0)的大小最小。这种情况中，选择加速最平稳的轨迹。如果选择在t＝0至T的操作序列中加速最平稳的轨迹，择可选择使得在t＝0至T时的每个操作后加速度的大小的和最小的轨迹。

(4)角速度在初始时刻(t＝0)的大小最小。这种情况中，选择转向最平稳的轨迹。如果选择在t＝0至T的操作序列中转向最平稳的轨迹，则与(3)相似，可选择使得在t＝0至T的每个操作后角速度的大小的和最大的轨迹。

根据上述路线选择处理，通过选择最有可能避开主车辆O₁的危险的轨迹作为时空中的轨迹，由此，已经选择了主车辆O₁应在实际二维平面上采取的路线。

如果在步骤S503只余留一个轨迹，路线选择部207进行至上述步骤S504。如果即使在应用附加选择标准后仍然余留多个轨迹，例如可进行设定使得自动选择计数器n₁或k的值取最小或最大值的那个轨迹。

在上述路线选择处理之后，致动信号传输部208生成与根据步骤S65的选择结果输出的轨迹相对应的位置(x(t)，y(t))的记录以及对应于t＝0至T的操作序列{u(t)}的致动信号，并将它们传输至致动装置211(步骤S66)。

通过致动信号传输部208在步骤S66生成和传输的致动信号取决于致动装置211的结构。例如，如果致动装置211是一种机械装置，诸如转向齿轮、加速器和制动器，则致动信号传输部208可输出从路线选择部207接收到的位置(x(t)，y(t))的记录和操作{u(t)}直接作为致动信号。

相反，如果致动装置211是一种用于对诸如转向齿轮、加速器和制动器的机械装置增加操作扭矩的装置，致动信号传输部208可传输从路线选择部接收到的位置(x(t)，y(t))的记录和操作{u(t)}直接作为致动信号的或在计算后要在操作期间增加至这种机械装置的操作扭矩。前一种情况中，操作扭矩将在致动装置211侧计算。

如果致动装置211是一种用于增加操作扭矩的装置，并且驾驶者可通过增加比致动装置211的操作扭矩大的操作扭矩转换至手动操作，亦即，该装置可由驾驶者超驰，则自动操作系统1000也可应用为操作的附属装置使得在选择路线时可实现反映驾驶者意向的操作。

再有，通过利用传感器段3检测主车辆O₁所行驶的路面的条件，可基于根据路面条件的反馈来控制致动装置211。

图25是示出在输出段209的显示部291中的路线选择结果等的显示输出示例的图表并且是示意性地示出在由主车辆O₁和另一车辆O₂构成的时空环境Env’(P₁，P₂)(见图6)中进行路线选择时显示输出示例的图表。更具体地，图25示出一种如下的情况，其中，通过用半透明箭头H在挡风玻璃F上的叠置而显示设置路线，并且在主车辆O₁根据主车辆O₁与其他车辆O₂之间的干扰度r₁(n₁，2)而可在二维平面上采取的路线中干扰度r₁(n₁，2)的值超过预设的阈值的区域也通过叠置在物体O₁(主车辆)的挡风玻璃F上而半透明地显示。图25所示的情况示意性地示出一种如下的情形，其中，致动装置211使方向盘ST产生操作扭矩，从而产生了使方向盘ST沿顺时针方向旋转的操作扭矩以采取设置路线。

图25中也半透明地显示了两个区域，区域D_a和区域D_b具有不同照度(这里，区域D_a更亮)。这种照度上的差异与干扰度r₁(n₁，2)的值的差异对应并且所述照度意味着如果选择靠近区域D_a的路线则干扰度r₁(n₁，2)的值增加。从这个意义讲，图25在视觉上表示采取通向干扰度r₁(n₁，2)的值较小的区域D_b的路线能够使驾驶避开危险行驶。

除了通过显示部291显示外，警报音发出部292可在针对根据当前操预期的路线所得到的干扰度r₁(n₁，2)的值超过预定阈值时发出警报音(包括声音)。

输出段209的显示输出示例不限于此，并且例如可通过使汽车导航系统的显示屏CN(见图26)具有显示部291的功能显示设置路线和干扰评价结果。这种情况中，如图26所示，所述设置路线通过箭头H显示并且两个区域——区域D_a和区域D_b——之间的干扰度的差异也通过在显示屏CN上显示的二维平面上每个区域的颜色渐变显示。

根据本发明上述第六实施方式，具有至少存储多个物体的位置和包括每个物体的速度的内部状态的存储单元的计算机从存储单元读取多个物体的位置和内部状态，基于所读取的物体的位置和内部状态根据随时间流逝多个物体中每个物体可采取的位置的变化在由时间和空间组成的时空中生成轨迹，通过利用生成的轨迹概率性地预测多个物体的路线，基于预测的结果，计算定量地表示指定物体可遵循的轨迹与其他物体可遵循的轨迹之间的干扰程度的干扰度，并且根据在实用时间内计算出的干扰度选择指定车辆所要采取的路线，使得即使在会实际发生的情形中也可确保安全性。

同样，根据第六实施方式，通过应用利用指定物体与其他物体之间在时空中的碰撞概率定义的干扰度并在所述时空中选择干扰度最小的轨迹，可从指定物体可采取的路线中精确地设定与其他物体碰撞的概率最低的路线。

进一步地，根据第六实施方式，通过利用在由时间和空间组成的时空中形成的时空环境作出的物体的路线预测，不但可精确地作出静止物体的路线预测，而且可精确地作出动态物体的路线预测。

另外，根据第六实施方式，由于所检测出的物体的轨迹是独立生成的，可将指定物体(例如主车辆)与其他物体区分开来。由此，可容易并精确地预测可能隐藏在所述指定物体与其他物体之间的危险。

再有，第六实施方式中，公式(5)中用于增加干扰度r₁(n₁，k)的值的系数c_1k可以不是常数，并且例如系数c_1k可以是主车辆O₁与其他车辆O_k之间在碰撞时的相对速度的大小。或者，可将表示损坏严重程度的值分派给系数c_1k。

此外，在第六实施方式中，干扰度可通过假定维持主车辆O₁的操作而计算出。从而，可在例如有许多周围物体时将情形简化以进行预测，从而在轨迹生成段、预测段、干扰度计算部和路线选择部中计算量减少。

(第七实施方式)

本发明第七实施方式的特征在于通过合计以与第六实施方式相同的方式得到的主车辆(指定物体)与其他车辆之间的干扰度计算结果评价主车辆与周围时空环境之间的干扰并且基于评价结果选择主车辆所要采取的路线。根据第七实施方式的的物体路线预测装置的功能结构与根据第六实施方式的物体路线预测装置201(见图22)的功能结构相同。除干扰度计算处理外，根据第七实施方式的物体路线预测方法与根据第六实施方式的方法相同。

图27是示出根据第七实施方式的物体路线预测方法执行的干扰度计算处理(与图23中步骤S64对应)的细节的流程图。干扰度计算部106首先开始对主车辆O₁的所有轨迹的重复处理(循环1)(步骤S461)。基于此目的，从轨迹组{P₁(n₁)}中选择一个轨迹并对所选择的轨迹执行后续处理。

然后，干扰度计算部106在步骤S462至S472执行的处理与第四实施方式的步骤S422至S432的处理相同。因此，下面将说明在步骤S473及其后续步骤的处理。

在循环3的重复完成时(在步骤S471为“是”)执行步骤S473，亦即，执行与相对于其他车辆O_k生成的轨迹中主车辆O₁的一个轨迹P₁(n₁)的所有干扰评价。以此步骤S473，干扰度计算部106将完成对其他车辆O_k的一个轨迹P_k(n_k)的干扰评价。因此，这种情况中，干扰度计算部106分派对主车辆O₁的轨迹P₁(n₁)与其他车辆O_k的所有轨迹之间的干扰进行评价的干扰度r₁(n₁，k)(步骤S473)并将所分派的值输出以将其存储在存储段210中(步骤S474)。

然后，干扰度计算部106执行是否重复循环2的判断处理。如果还余留有应执行与主车辆O₁的干扰评价的另一车辆O_k(在步骤S475为“否”)，干扰度计算部106将k的值加1(步骤S476)并在返回至步骤S462后重复循环2。另一方面，如果没有余留应执行与主车辆O₁的干扰评价应的车辆O_k(在步骤S475为“是”)，干扰度计算部106在完成循环2的重复后进行至后续步骤S477。

在步骤S477，干扰度计算部106利用在循环2至循环4中得到的干扰度r₁(n₁，k)计算公式(6)给出的总干扰度R₁(n₁)并输出计算结果以将其存储在存储段210中(步骤S477)。再有，也可采用公式(7)作为总干扰度R₁(n₁)。

随后，干扰度计算部106执行是否重复循环1的判断处理。亦即，如果主车辆O₁的轨迹组{P₁(n₁)}中还有应执行干扰评价的轨迹(在步骤S478为“否”)，则干扰度计算部106将n₁的值加1(步骤S479)并在返回至步骤S461后重复循环1。另一方面，如果主车辆O₁的轨迹组{P₁(n₁)}中已没有应执行干扰评价的轨迹(在步骤S478为“是”)，则干扰度计算部106在终止干扰度计算处理之间终止循环1(步骤S64)。

接下来，将说明路线选择处理(与图23中步骤S65对应)。图28是示出根据第七实施方式的物体路线预测方法执行的路线选择处理的细节的流程图。图28中，路线选择部207选择在干扰度计算处理中计算出的总干扰度R₁(n₁)最大的轨迹(步骤S511)。

如果选择了干扰度最大的轨迹的结果为只余留有一个轨迹(在步骤S512为“否”)，则路线选择部207从存储段210读取与所选择的轨迹对应的位置(x(t)，y(t))的记录和在t＝0至T的操作序列，并将它们输出至致动信号传输部208(步骤S514)。相反，如果选择了干扰度最大的轨迹的结果为还余留有多个轨迹(在步骤S512为“是”)，则路线选择部207进行至步骤S513。

在步骤S513，路线选择部207通过利用存储在存储段210中的预设选择标准从在步骤S511选择的多个轨迹中选择与附加选择标准最佳匹配的轨迹(步骤S513)。可将与第六实施方式中相似的条件设定为附加选择标准。

如果在步骤S513只余留一个轨迹，则路线选择部207进行至上述步骤S514。如果即使在应用附加选择标准后仍然余留多个轨迹，则例如可进行设定使得自动选择计数器n₁或k的值取最小或最大值的那个轨迹。

根据上述路线选择处理，通过选择最有可能避开主题车辆O₁的危险的轨迹作为时空中的轨迹，由此，已经选择了主车辆O₁应在实际二维平面上采取的路线。

在步骤S65的路线选择处理之后由致动信号传输部208执行的处理(步骤S66)与第六实施方式中相同。从致动信号传输部208接收致动信号后致动装置211执行的处理也与第六实施方式中相同。

根据本发明上述第七实施方式，具有至少存储多个物体的位置和包括每个物体的速度的内部状态的存储单元的计算机从存储单元读取所述多个物体的位置和内部状态，基于所读取的物体的位置和内部状态根据随时间流逝多个物体中每个物体可采取的位置的变化在由时间和空间组成的时空中生成轨迹，通过利用生成的轨迹概率性地预测所述多个物体的路线，基于预测的结果计算定量地表示指定物体可遵循的路线与其他物体可遵循的路线之间的干扰程度的干扰度，并且根据在实用时间内计算出的干扰度选择指定车辆所要采取的路线，使得与第六实施方式一样即使在会实际发生的情形中也可确保安全性。

同样，根据第七实施方式，通过应用在为每个物体分派权数后将利用最小碰撞时间定义的干扰度相加(进行加权后相加)得到的总干扰度并且选择在时空中总干扰度最大的轨迹，即使在组成时空环境的物体数量大时也可精确地设定与其他物体碰撞的可能性最低的路线。

第七实施方式中，可与第六实施方式相似地定义干扰度r₁(n₁，k)并且当干扰度r₁(n₁，k)由于碰撞增加时可采用任意与第三实施方式相似的各种定义作为系数c_1k或F(t)的值。这种情况中，在路线选择处理中可选择R₁(n₁)变成最小的轨迹。

另外，同样在第七实施方式中执行干扰评价时，可将总干扰度R₁(n₁)和单独的干扰度r₁(n₁，k)组合以进行干扰评价。

(其他实施方式)

至此，已详细说明第一至第七实施方式作为实施本发明的最佳方式，但是本发明不限于这些实施方式。例如，根据本发明的物体路线预测方法中，除通过传感器段检测存在的物体外，可通过设置虚拟物体来作出对所设虚拟物体的路线预测。更具体地，可通过构建对主车辆表现出不利行为的虚拟物体模型并将该物体模型设置在预定位置进行路线预测。利用这种虚拟物体模型，当对在由于例如遮蔽物的存在而不能提供宽广视角的交叉路口附近运行的车辆(主车辆)进行路线预测时，可通过将模型设置在主车辆无法检测到的位置使得可以预测可能从交叉路口飞出的物体碰撞等危险。在预先将与虚拟物体模型有关的信息存储在存储段后可将此信息根据输入段的条件设定设置在期望的位置上。

当根据本发明的物体路线预测装置应用在诸如假定仅运行车辆的高速公路这样的领域时，通过使每部车辆具有用于车辆间通讯的通讯装置，在附近运行的车辆可借助车辆间通讯互相交换运行状况。这种情况中，可通过在车辆存储段中存储每部车辆的操作记录并基于操作记录附加每个操作的操作选择概率而将与操作选择概率有关的信息传输至其他车辆。从而提高路线预测的精度使得运行时可更可靠地避开危险。

进一步地，本发明中，可采用GPS(全球定位系统)作为位置检测单元。这种情况中，可通过参照存储在所述GPS中的三维地图信息校正传感器段检测到的物体的位置信息和移动信息。进一步地，可通过GPS的输出的相互通讯使GPS具有传感器段的功能。所有情况中，可通过采用GPS实现高精度路线预测，进一步提高预测结果的可靠性。

本发明适用于在三维空间内移动的物体。本发明也适用于具有多个自由度度的物体(例如，像具有六个自由度的机械手这样的物体)。

从以上说明可以显现，本发明可包括未在此说明的各种实施方式并且在不偏离所附权利要求明确的技术原理的范围的前提下可作出各种设计改型。

工业适用性

根据本发明的物体路线预测方法、装置和程序以及自动操作系统适于作为一种通过在驾驶诸如四轮车辆的可移动体时避开危险而确保安全性的技术。