推定装置的制作方法

1.本发明涉及一种推定装置，其对关于移动体与移动体前方的交通参与者碰撞的风险程度进行推定。


背景技术：

2.日本发明专利公开公报特开2017
‑
121933号中示出了一种车辆控制装置，其在本车辆变更前进路线而通过交叉路口时，使本车辆以不会与其他交通参与者(对向车辆、行人等)碰撞的方式起步和加速。具体而言，该车辆控制装置计算交通参与者的位置、移动方向和速度，确定本车辆的预测前进路线与交通参与者的预测前进路线的交叉位置，使本车辆以不与交通参与者同时通过交叉位置的方式起步和加速。


技术实现要素：

3.如日本发明专利公开公报特开2017
‑
121933号的装置那样，确定本车辆的预测前进路线与交通参与者的预测前进路线的交叉位置的处理的运算量较大。因此，如果交通参与者的人数增多，则运算负荷增大。
4.本发明是考虑到这样的技术问题而完成的，其目的在于，提供一种能够减小运算负荷的推定装置。
5.本发明的第1技术方案的推定装置具有：外界识别部，其识别移动体的周边环境；距离获取部，其获取距所述移动体的第1距离和比所述第1距离长的第2距离；场景存储部，其将场景与风险程度建立对应关系来进行存储，其中，所述场景由道路的形态、所述移动体的位置和所述移动体周边的交通参与者的位置规定，所述风险程度与所述移动体和所述交通参与者的碰撞相关；推定部，其针对所述移动体与所述交通参与者之间的间隔距离为所述第1距离以下的所述交通参与者进行第1推定，针对所述间隔距离为所述第2距离以上的所述交通参与者进行第2推定，所述第1推定是基于所述交通参与者的速度、所述交通参与者的加速度和所述交通参与者的行进方向来推定所述风险程度，所述第2推定是基于当时的所述场景来推定所述风险程度。
6.本发明的第2技术方案的推定装置具有：外界识别部，其识别移动体的周边环境；时间运算部，其计算所述移动体和对向车道侧的交通参与者接近的接近预定时间；场景存储部，其将场景与风险程度建立对应关系来进行存储，其中，所述场景由道路的形态、所述移动体的位置和所述移动体周边的所述交通参与者的位置规定，所述风险程度与所述移动体和所述交通参与者的碰撞相关；推定部，其针对所述接近预定时间为第1时间以下的所述交通参与者进行第1推
定，针对所述接近预定时间为比所述第1时间长的第2时间以上的所述交通参与者进行第2推定，所述第1推定是基于所述交通参与者的速度、所述交通参与者的加速度和所述交通参与者的行进方向来推定所述风险程度，所述第2推定是基于当时的所述场景来推定所述风险程度。
7.根据本发明，能够减小为了推定与移动体和交通参与者的碰撞相关的风险程度而进行的运算的负荷。
8.上述的目的、特征和优点根据参照附图说明的下面的实施方式的说明应容易理解。
附图说明
9.图1是包括推定装置的移动体控制装置的框图。图2是第1实施方式的运算装置的功能框图。图3是表示场景
‑
风险程度信息的图。图4a～图4e是表示图3的各场景的具体例子的图。图5是表示推定风险程度的状况的图。图6是主处理的流程图。图7是执行判定处理的流程图。图8是d1校正处理的流程图。图9是推定处理的流程图。图10是与图7不同的执行判定处理的流程图。图11是目标车道判定处理的流程图。图12是第2实施方式的运算装置的功能框图。
具体实施方式
10.下面，列举优选的实施方式，参照附图对发明所涉及的推定装置详细地进行说明。
11.[1.第1实施方式][1.1.移动体控制装置10和推定装置36的结构]使用图1对包括推定装置36的移动体控制装置10的结构进行说明。移动体控制装置10被设置于第1移动体120(图5)。第1移动体120例如是车辆(本车辆)。移动体控制装置10具有所谓驾驶辅助功能或自动驾驶功能，即与驾驶员的意图无关地执行第1移动体120的速度v和操舵的控制。
[0012]
移动体控制装置10具有：主控制装置12；输入装置组，其向主控制装置12输入各种信息；和输出装置组，其基于主控制装置12输出的各种信息来使第1移动体120动作。输入装置组包括外界传感器14、导航装置16、定位装置18、接收装置20、车体行为传感器22和操作传感器24。输出装置组包括驱动装置28、制动装置30、操舵装置32和hmi34。本实施方式所涉及的推定装置36例如由主控制装置12、外界传感器14、导航装置16、定位装置18、接收装置20和车体行为传感器22构成。
[0013]
[1.1.1.输入装置组的结构]外界传感器14包括多个摄像头40、多个雷达42和多个lidar44。摄像头40对第1移
动体120的周边进行拍摄，并将图像信息输出到主控制装置12。雷达42和lidar44对第1移动体120周边的目标进行检测，并将检测信息输出到主控制装置12。
[0014]
导航装置16使用gps来测定第1移动体120的位置，生成从第1移动体120的位置到驾驶员指定的目的地为止的预定行驶路线。导航装置16将所生成的表示预定行驶路线的路径信息输出给主控制装置12。
[0015]
定位装置18具有gnss(global navigation satellite system，全球导航卫星系统)46、imu(inertial measurement unit，惯性测量单元)48和地图db(map database,地图数据库)50。定位装置18使用gnss46和imu48来测定第1移动体120的位置，并将表示第1移动体120的位置的位置信息输出到主控制装置12。另外，定位装置18将地图db50所保存的地图信息输出到主控制装置12。此外，地图db50所保存的地图信息的精度比导航装置16所保存的地图信息的精度高，且包括各种信息(以车道为单位的信息等)。
[0016]
接收装置20包括第1～第3接收终端(未图示)。第1接收终端接收广播电台广播的广域信息。第2接收终端接收由设置在道路130(图5)上的路侧装置发送的本地信息。第3接收终端接收第1移动体120以外的交通参与者发送的信息。第1～第3接收终端将接收到的各种信息输出到主控制装置12。
[0017]
车体行为传感器22包括用于测定第1移动体120的行为(速度v、加速度、偏航角速率等)的各传感器。各传感器将检测到的各种信息输出到主控制装置12。
[0018]
操作传感器24包括自动化开关52。自动化开关52根据驾驶员进行的开关操作，来向主控制装置12输出指示速度v和操舵中的任一方的控制的自动化或自动化解除的指示信息。操作传感器24包括检测驾驶操作件(加速踏板、制动踏板、方向盘)的操作量的各种传感器。
[0019]
[1.1.2.主控制装置12的结构]主控制装置12由ecu(electronic control unit，电子控制单元)构成。主控制装置12具有输入输出装置56、运算装置58和存储装置60。输入输出装置56具有a/d转换电路和通信接口等。运算装置58例如具有cpu等处理器。运算装置58通过执行存储装置60所存储的程序来实现各种功能。关于运算装置58的各种功能，在下述[1.1.4]中进行说明。存储装置60具有ram(random access memory，随机存取存储器)和rom(read
‑
only memory，只读存储器)等。存储装置60存储各种程序和在运算装置58进行的处理中使用的阈值等数值信息。另外，存储装置60存储场景
‑
风险程度信息88。关于场景
‑
风险程度信息88，在下述[1.1.5]中进行说明。
[0020]
[1.1.3.输出装置组的结构]驱动装置28具有驱动力输出ecu和驱动力输出ecu的控制对象(均未图示)。驱动装置28根据主控制装置12输出的指示信息(驱动指示)来调整驱动力。
[0021]
制动装置30具有制动ecu和制动ecu的控制对象(均未图示)。制动装置30根据主控制装置12输出的指示信息(制动指示)来调整制动力。
[0022]
操舵装置32具有eps(电动助力转向)ecu和eps ecu的控制对象(均未图示)。操舵装置32根据主控制装置12输出的指示信息(操舵指示)来调整操舵量。
[0023]
hmi34包括显示装置62和音频装置64。显示装置62根据主控制装置12输出的指示信息(告知指示)来输出影像。音频装置64根据主控制装置12输出的指示信息(告知指示)来
输出语音。
[0024]
[1.1.4.运算装置58的各种功能]使用图2对运算装置58实现的各种功能进行说明。运算装置58作为控制状态设定部66、手动控制部68、外界识别部70、自身位置识别部72、行动计划部74、移动体控制部76和告知控制部78发挥功能。
[0025]
控制状态设定部66根据由自动化开关52进行的操作来确定是通过手动控制还是通过自动控制来执行各种行驶控制(速度v的控制和操舵的控制)。
[0026]
手动控制部68根据操作传感器24输出的驾驶操作件(加速踏板、制动踏板、方向盘)的操作量来进行与手动控制相关的行驶控制。手动控制部68将与手动控制相关的指示信息(驱动指示、制动指示、操舵指示)输出到驱动装置28、制动装置30和操舵装置32。
[0027]
外界识别部70基于外界传感器14输出的图像信息和检测信息，来识别第1移动体120的周边环境。自身位置识别部72基于定位装置18输出的位置信息和地图信息，来识别第1移动体120的位置。
[0028]
行动计划部74根据外界识别部70的识别结果和自身位置识别部72的识别结果制定与自动控制相关的行动计划。例如，行动计划部74生成包括第1移动体120周围的静态信息和动态信息的本地地图(动态地图)。然后，行动计划部74基于本地地图和第1移动体120的状态(速度v、舵角、位置)，来判断最佳行动，并求出用于实现该行动的速度v和行驶轨迹。
[0029]
行动计划部74包括距离获取部84和推定部86。距离获取部84和推定部86进行与风险程度的推定相关的处理。距离获取部84获取到第1移动体120的第1距离d1和比第1距离d1长的第2距离d2。推定部86求出第1移动体120与第1移动体120前方的交通参与者之间的间隔距离d，并根据该间隔距离d来推定风险程度。行动计划部74根据由推定部86推定出的风险程度来判断第1移动体120的行进或停止，在行进时求出适当的速度v。
[0030]
在本实施方式中，如图5所示，第1移动体120前方的交通参与者是指向第1移动体120进入的交叉路口132行驶的第2移动体122。另外，在本实施方式中，风险程度是指第1移动体120与第2移动体122在交叉路口132碰撞的可能性。在本实施方式中，风险程度单纯地分为2个值。在第1移动体120和第2移动体122有可能碰撞的情况下，风险程度被设为“1”，在第1移动体120和第2移动体122没有可能碰撞的情况下，风险程度被设为“0”。在本实施方式中，在第1移动体120的行驶轨迹(预定)与第2移动体122的行驶轨迹(推定)交叉的情况下，判定为第1移动体120与第2移动体122有可能碰撞。另外，在本实施方式中，在通过交叉路口132后的第1移动体120的行进方向(预定)与通过交叉路口132后的第2移动体122的行进方向(推定)一致的情况下，判定为第1移动体120与第2移动体122有可能碰撞。
[0031]
移动体控制部76按照行动计划来进行与自动控制相关的行驶控制。例如，移动体控制部76计算用于使第1移动体120以行动计划部74所求出的速度v行驶的加速度。另外，移动体控制部76计算用于使第1移动体120沿着由行动计划部74求出的行驶轨迹行驶的舵角。移动体控制部76将与自动控制相关的指示信息(驱动指示、制动指示、操舵指示)输出到驱动装置28、制动装置30和操舵装置32。在行动计划中产生告知的情况下，告知控制部78将指示信息(告知指示)输出到hmi34。
[0032]
[1.1.5.场景
‑
风险程度信息88]使用图3和图4a～图4e来说明存储装置60所存储的场景
‑
风险程度信息88。场景
‑
风险程度信息88将由道路130的形态、第1移动体120的位置和第2移动体122的位置规定的场景与关于第1移动体120和第2移动体122碰撞的风险程度对应起来。
[0033]
图3所示的场景
‑
风险程度信息88包括场景信息90和风险程度信息92。场景信息90包括第1信息94～第5信息102。第1信息94是表示图4a等所示的道路130的信息，具体而言是交叉路口132的形态的信息。第2信息96是表示第1移动体120的位置的信息，具体而言是表示第1移动体120进入交叉路口132之前行驶的车道的位置的信息。第3信息98是表示第1移动体120的行进方向的信息，具体而言是表示第1移动体120通过交叉路口132而行进的方向的信息。第4信息100是表示第2移动体122的位置的信息，具体而言是表示第2移动体122进入交叉路口132之前行驶的车道的位置的信息。第5信息102是表示第2移动体122的行进方向的信息，具体而言是表示第2移动体122的方向指示器的亮灯方向的信息。风险程度信息92是表示根据场景信息90所表示的场景而设想的风险程度的信息。
[0034]
[1.2.本实施方式的概要]使用图5来说明本实施方式的概要。在第1移动体120通过交叉路口132时，推定部86按每个第2移动体122进行风险程度的推定。此时，推定部86根据第1移动体120与第2移动体122之间的间隔距离d来改变风险程度的推定方法。
[0035]
在第1移动体120和第2移动体122之间的间隔距离d为第1距离d1以下的情况下，推定部86基于第2移动体122的行为(速度、加速度和行进方向)来推定风险程度。将该推定称为第1推定。
[0036]
在第1移动体120与第2移动体122之间的间隔距离d为第2距离d2(＞d1)以上的情况下，推定部86基于此时的场景来推定风险程度。将该推定称为第2推定。
[0037]
在第1移动体120与第2移动体122之间的间隔距离d大于第1距离d1且小于第2距离d2的情况下，推定部86进行第1推定和第2推定，并选择2个推定结果中可靠度高的一方。将该推定称为第3推定。
[0038]
[1.3.推定装置36进行的处理][1.3.1.主处理]使用图6来说明主处理。图6所示的主处理每隔规定时间来执行。
[0039]
在步骤s1中，推定部86进行执行判定处理，即对是否是执行推定处理(步骤s4)的时机进行判定。关于执行判定处理，在下述[1.3.2](图7)中进行说明。当步骤s1的处理结束时，处理进入到步骤s2。
[0040]
在步骤s2中，距离获取部84基于速度传感器(车体行为传感器22)的检测结果来求出第1移动体120的速度v。然后，距离获取部84基于速度v来获取第1距离d1和比第1距离d1长的第2距离d2。第1距离d1是第1规定距离和第1可变距离的相加值。第2距离d2是第2规定距离和第2可变距离的相加值。第1规定距离和第2规定距离被预先存储在存储装置60中。第1可变距离和第2可变距离根据速度v来确定。例如，距离获取部84通过将速度v乘以规定系数来求出第1可变距离和第2可变距离。求出第1可变距离时使用的规定系数和求出第2可变距离时使用的规定系数可以相同，也可以不同。当步骤s2的处理结束时，处理进入到步骤s3。
[0041]
在步骤s3中，推定部86执行d1校正处理，即对在步骤s2中计算出的第1距离d1进行校正。关于d1校正处理，在下述[1.3.3](图8)中进行说明。当步骤s3的处理结束时，处理进
入到步骤s4。
[0042]
在步骤s4中，推定部86进行按每个第2移动体122推定风险程度的推定处理。关于推定处理，在下述[1.3.4](图9)中进行说明。当步骤s4的处理结束时，主处理结束。
[0043]
[1.3.2.执行判定处理]使用图7来说明在图6的步骤s1中进行的执行判定处理。
[0044]
在步骤s11中，推定部86基于自身位置识别部72的识别结果，来判定是否为第1移动体120进入交叉路口132的状况。在是第1移动体120进入交叉路口132的状况的情况下(步骤s11：是)，处理进入到步骤s12。另一方面，在不是第1移动体120进入交叉路口132的状况的情况下(步骤s11：否)，图6所示的主处理结束。
[0045]
在步骤s12中，推定部86基于外界识别部70的识别结果，来判定是否存在向交叉路口132行驶的第2移动体122。在有第2移动体122的情况下(步骤s12：是)，处理进入到步骤s13。另一方面，在没有第2移动体122的情况下(步骤s12：否)，结束图6所示的主处理。
[0046]
在步骤s13中，推定部86基于自身位置识别部72的识别结果，来判定第1移动体120的位置是否为执行风险程度的推定的位置(推定执行位置)。在本实施方式中，将推定执行位置设为交叉路口132的边界位置pb。这里所说的边界位置pb是指第1移动体120从交叉路口132的外侧进入内侧时通过的边界的位置。在第1移动体120的位置是推定执行位置的情况下(步骤s13：是)，执行判定处理结束，处理进入到图6的步骤s2。另一方面，在第1移动体120的位置不是推定执行位置的情况下(步骤s13：否)，图6所示的主处理结束。
[0047]
[1.3.3.d1校正处理]使用图8来说明在图6的步骤s3中进行的d1校正处理。
[0048]
在步骤s21中，推定部86基于外界识别部70的识别结果，来对在第1距离d1内的对向车道134上行驶的第2移动体122的数量(移动体数量n)进行计数。当步骤s21的处理结束时，处理进入到步骤s22。
[0049]
在步骤s22中，推定部86比较移动体数量n和规定的阈值nth。在移动体数量n为阈值nth以上的情况下(步骤s22：是)，处理进入到步骤s23。另一方面，在移动体数量n小于阈值nth的情况下(步骤s22：否)，d1校正处理结束，处理进入到图6的步骤s4。在该情况下，保持第1距离d1而不进行校正。
[0050]
在步骤s23中，推定部86对第1距离d1进行校正。在第1距离d1内有许多第2移动体122的情况下，推定部86需要针对许多第2移动体122进行第1推定。于是，运算装置58的运算负荷变大。因此，推定部86为了减小运算负荷，而通过缩小第1距离d1来减少作为进行第1推定的对象的第2移动体122。在存储装置60中存储有规定的缩小率，推定部86通过将第1距离d1乘以该缩小率来缩小第1距离d1。缩小率可以是固定的值，也可以是根据移动体数量n而规定的值。例如，移动体数量n越多，缩小率也越大。当步骤s23的处理结束时，d1校正处理结束，处理进入到图6的步骤s4。
[0051]
[1.3.4.推定处理]使用图9来说明在图6的步骤s4中进行的推定处理。
[0052]
在步骤s31中，推定部86基于外界识别部70的识别结果，来对第1移动体120与所有识别出的第2移动体122之间的间隔距离d进行识别。当步骤s31的处理结束时，处理进入到步骤s32。
[0053]
在步骤s32中，推定部86按每个第2移动体122判定以第1推定～第3推定中的哪一个进行风险程度的推定。在间隔距离d为第1距离d1以下的情况下(步骤s32：d≤d1)，处理进入到步骤s33。在间隔距离d为第2距离d2以上的情况下(步骤s32：d≥d2)，处理进入到步骤s34。在间隔距离d大于第1距离d1且小于第2距离d2的情况下(步骤s32：d1＜d＜d2)，处理进入到步骤s35。
[0054]
在步骤s33中，推定部86通过精度高的第1推定来判定风险程度。在此，说明第1推定的一例。推定部86基于第2移动体122的光流(optical flow)和方向指示器的动作状况，来推定第2移动体122通过交叉路口132时的行驶轨迹。另外，推定部86生成第1移动体120通过交叉路口132时的行驶轨迹(预定)。在2个行驶轨迹交叉或接近的情况下，推定部86基于第2移动体122的速度和加速度，来求出第2移动体122到达2个行驶轨迹的交叉位置或接近位置的时间。同样，推定部86基于第1移动体120的速度v和加速度，来求出第1移动体120到达2个行驶轨迹的交叉位置或接近位置的时间。然后，推定部86判定2个时间的时间差，在时间差为规定时间以内的情况下将风险程度推定为“1”，在时间差为规定时间以上的情况下将风险程度推定为“0”。此外，推定部86在2个行驶轨迹不交叉且不接近的情况下也将风险程度推定为“0”。当步骤s33的处理结束时，推定处理结束。
[0055]
在步骤s34中，推定部86通过运算负荷小的第2推定来判定风险程度。在此，说明第2推定的一例。推定部86如下这样来判定该时刻的场景。推定部86基于外界识别部70的识别结果或者地图db50的信息来确定道路130(交叉路口132)的形态。另外，推定部86基于外界识别部70的识别结果或自身位置识别部72的识别结果，来确定第1移动体120行驶的车道。另外，推定部86根据此时的行驶状况(例如是向目的地行驶还是顺着道路行驶)来确定第1移动体120的行进方向。另外，推定部86基于外界识别部70的识别结果，来确定第2移动体122行驶的车道和方向指示器的工作状况。推定部86如上那样来确定场景，并将所确定的场景与场景
‑
风险程度信息88的场景信息90进行对照。然后，推定部86将与符合所确定的场景的场景信息90建立对应关系的风险程度作为推定结果。当步骤s34的处理结束时，推定处理结束。
[0056]
在步骤s35中，推定部86通过第3推定来确定风险程度。如上所述，第3推定是进行第1推定和第2推定，在2个推定结果不同的情况下选择可靠度高的一方的推定方法。可以通过人工智能来判断可靠度，也可以基于预定的模式来判断可靠度。例如，推定部86基本上判断为第1推定的可靠度高，但在符合例外模式的情况下判断为第2推定的可靠度高。作为例外模式的一例，有与现有场景的偏离度大等情况，例如第2移动体122的中心相对于车道中心的偏离量大于规定值的情况，或者该偏离量的时间变化大于规定值的情况等。另外，作为例外模式的一例，有成为对象的第2移动体122的识别度低的情况(可识别的部分少的情况等)。例外模式被预先存储在存储装置60中。当步骤s35的处理结束时，推定处理结束。
[0057]
[2.变形例]上述实施方式有各种变形例。在下面，对一部分变形例进行说明。此外，上述实施方式和下面所说明的各变形例能适宜地组合或置换。
[0058]
[2.1.变形例1：执行判定处理]
[0059]
在图6所示的步骤s1中，可以进行图10所示的执行判定处理，来代替进行图7所示的执行判定处理。图10所示的处理中的步骤s42和步骤s43的处理与图7所示的步骤s12和步
骤s13的处理相同。因此，在下面仅进行步骤s41的说明。
[0060]
在步骤s41中，推定部86对是否处于第1移动体120横穿对向车道134的延长范围136的状况进行判定。即，在左侧通行的情况下，推定部86对第1移动体120是否在交叉路口132右转进行判定，在右侧通行的情况下，推定部86对第1移动体120是否在交叉路口132左转进行判定。在处于第1移动体120横穿对向车道134的延长范围136的状况的情况下(步骤s41：是)，处理进入步骤s42。另一方面，在不处于第1移动体120横穿对向车道134的延长范围136的状况的情况下(步骤s41：否)，图6所示的主处理结束。
[0061]
[2.2.变形例2：目标车道判定处理]在图6所示的步骤s4中，可以执行图11所示的目标车道确定处理，来代替执行图9所示的推定处理。
[0062]
在步骤s51中，推定部86对第1移动体120是否能够进入目标车道138进行判定。具体而言，推定部86对是否有停在目标车道138的规定范围内的第3移动体124进行判定。目标车道138是指第1移动体120从交叉路口132出来后进入的车道。规定范围是指从目标车道138的入口、即交叉路口132与目标车道138的边界部分向行进方向距该边界部分的距离在规定距离以内的范围。作为规定距离，例如设定为第1移动体120的车长以下的长度。在规定范围内停有第3移动体124从而第1移动体120不能进入目标车道138的情况下(步骤s51：否)，处理进入到步骤s52。作为具体例子，可举出目标车道138拥堵的状况。另一方面，在规定范围内未停有第3移动体从而第1移动体120能够进入目标车道138的情况下(步骤s51：是)，处理进入到步骤s53。
[0063]
在步骤s52中，推定部86以所有第2移动体122为对象，通过第2推定来判定风险程度。第1移动体120在不能进入目标车道138的情况下停止。在该情况下，风险程度的推定精度不高也没有问题。因此，推定部86不进行精度高的第1推定，而优先进行运算负荷小的第2推定。
[0064]
在步骤s53中，推定部86进行图9所示的推定处理。
[0065]
[2.3.变形例3]在上述实施方式中，推定部86进行风险程度推定的推定执行位置是交叉路口132的边界位置pb。不过，推定执行位置可以适宜地设定。例如，推定部86可以在第1移动体120接近交叉路口132，并到达边界位置pb时进行风险程度的第1次推定，在第1移动体120横穿对向车道134的延长范围136时进行风险程度的第2次推定。在通过交叉路口132时进行多次推定的情况下，推定部86可以在第2次以后的推定中使用第1次推定中的第2推定的推定结果。
[0066]
[2.4.变形例4]在对向车道134拥堵的情况下，推定部86可以仅以间隔距离d为第1距离d1以下的第2移动体122为对象来推定风险程度。在该情况下，推定部86通过第1推定来判定风险程度。推定部86根据第2移动体122的速度或密集度等来判定有无拥堵。
[0067]
[2.5.变形例5]在上述实施方式中，具有推定装置36的第1移动体120具有驾驶辅助功能或自动驾驶功能。但是，具有推定装置36的第1移动体120也可以不具有驾驶辅助功能或自动驾驶功能。在该情况下，风险程度用于与第1移动体120的行驶相关的判定以外的处理。例如，风险
程度被告知给乘员。
[0068]
[3.第2实施方式]在上述的实施方式及变形例中，推定部86根据第1移动体120与第2移动体122之间的间隔距离d来改变风险程度的推定方法。取而代之，推定部86也可以根据第1移动体120和第2移动体122的接近预定时间来改变风险程度的推定方法。
[0069]
在该情况下，如图12所示，行动计划部74包括进行与风险程度的推定相关的处理的时间运算部184和推定部86。针对各第2移动体122，时间运算部184计算第1移动体120和对向车道134接近的接近预定时间。
[0070]
推定部86针对接近预定时间为第1时间以下的第2移动体122，通过第1推定来推定风险程度。推定部86针对接近预定时间为比第1时间长的第2时间以上的第2移动体122，通过第2推定来推定风险程度。另外，推定部86对接近预定时间比第1时间长且短于第2时间的第2移动体122，通过第3推定来推定风险程度。
[0071]
在第2实施方式中，也能够适宜地应用第1实施方式的变形例。
[0072]
[4.其他实施方式]在第1实施方式及其变形例中，推定部86可以不进行第3推定。例如，在第1移动体120与第2移动体122之间的间隔距离d大于第1距离d1且小于第2距离d2的情况下，推定部86可以进行第1推定，也可以进行第2推定。同样，在第2实施方式及其变形例中，推定部86可以不进行第3推定。例如，在第1移动体120和第2移动体122的接近预定时间比第1时间长且短于第2时间的情况下，推定部86可以进行第1推定，也可以进行第2推定。
[0073]
[5.从实施方式获得的技术思想]关于能够从上述实施方式和变形例把握的技术思想，记载如下。
[0074]
本发明的第1方式的推定装置具有：外界识别部70，其识别移动体(第1移动体120)的周边环境；距离获取部84，其获取距所述第1移动体120的第1距离d1和比所述第1距离长的第2距离d2；场景存储部(存储装置60)，其将场景与风险程度建立对应关系来进行存储，其中，所述场景由道路130的形态、所述移动体的位置和所述移动体周边的交通参与者(第2移动体122)的位置规定，所述风险程度与所述移动体和所述交通参与者的碰撞相关；推定部86，其针对所述移动体与所述交通参与者之间的间隔距离d为所述第1距离d1以下的所述交通参与者进行第1推定，针对所述间隔距离d为所述第2距离d2以上的所述交通参与者进行第2推定，其中，所述第1推定是基于所述交通参与者的速度、所述交通参与者的加速度和所述交通参与者的行进方向来推定所述风险程度，所述第2推定是基于当时的所述场景来推定所述风险程度。
[0075]
在上述结构中，推定部86针对与第1移动体120之间的间隔距离d为近距离的第2移动体122进行精度高的第1推定，针对与第1移动体120之间的间隔距离d为远距离的第2移动体122进行运算负荷小的第2推定。这样，推定部86按照需要高精度的推定的第2移动体122(间隔距离d为近距离的第2移动体122)和不需要高精度的推定的第2移动体122(间隔距离d为远距离的第2移动体122)而改变风险程度的推定方法。因此，根据上述结构，能够减小为了推定与移动体(第1移动体120)和交通参与者(第2移动体122)的碰撞相关的风险程度而
进行的运算的负荷。
[0076]
在本发明的第1方式中，可以为：推定部86针对所述间隔距离d大于所述第1距离d1且小于所述第2距离d2的所述交通参与者(第2移动体122)进行所述第1推定和所述第2推定，并选择所述第1推定的推定结果和所述第2推定的推定结果中可靠度高的一方作为所述风险程度的推定结果。
[0077]
在本发明的第1方式中，可以为：所述交通参与者(第2移动体122)在对向车道134上向交叉路口132移动，在所述移动体(第1移动体120)从所述交叉路口132的外部到达所述交叉路口132的边界位置pb时，所述推定部86进行所述风险程度的第1次推定，在所述移动体横穿所述对向车道134的延长范围136时，所述推定部86进行所述风险程度的第2次推定，所述推定部86在第2次推定中也使用第1次推定中的所述第2推定的推定结果。
[0078]
根据上述结构，由于在第2次推定中也使用第1次推定中的第2推定的推定结果，因此，第2次推定的运算负荷变小。
[0079]
在本发明的第1方式中，可以为：所述交通参与者(第2移动体122)在对向车道134上向交叉路口132移动，在所述移动体(第1移动体120)在所述交叉路口132横穿所述对向车道134的延伸范围136而进入位于所述交叉路口132前方的目标车道138的状况下，所述推定部86进行所述风险程度的推定，在由于存在在所述目标车道138的规定范围内停止的其他的所述交通参与者(第3移动体124)而使得所述移动体不能进入所述目标车道138的情况下，所述推定部86针对所述间隔距离d为所述第1距离d1以下的所述交通参与者(第2移动体122)也进行所述第2推定，而不是进行所述第1推定。
[0080]
根据上述结构，推定部86在不需要高精度的推定的状况下，针对近处的第2移动体122进行运算负荷小的第2推定。因此，根据上述结构，能够减小风险程度的推定处理的运算负荷。
[0081]
在本发明的第1方式中，可以为：在所述间隔距离d为所述第1距离d1以下的所述交通参与者(第2移动体122)的数量(移动体数量n)比规定数量(阈值nth)多的情况下，所述推定部86在将所述第1距离d1变更为短距离后推定所述风险程度。
[0082]
若成为第1推定的对象的第2移动体122多，则第1推定的精度下降。如上述结构所示，通过将第1距离d1变更为短距离，能够减少成为第1推定的对象的第2移动体122的数量。其结果，能够抑制第1推定的精度的下降。
[0083]
在本发明的第1方式中，可以为：所述第1距离d1是第1规定距离和根据所述移动体(第1移动体120)的速度v而确定的第1可变距离的相加值，所述第2距离d2是比所述第1规定距离长的第2规定距离和根据所述移动体的速度v而确定的第2可变距离的相加值。
[0084]
本发明的第2方式的推定装置具有：外界识别部70，其识别移动体(第1移动体120)的周边环境；时间运算部184，其计算所述移动体和对向车道134侧的交通参与者(第2移动体
122)接近的接近预定时间；场景存储部(存储装置60)，其将场景与风险程度建立对应关系来进行存储，其中，所述场景由道路130的形态、所述移动体的位置和所述交通参与者的位置规定，所述风险程度与所述移动体和所述交通参与者的碰撞相关；推定部86，其针对所述接近预定时间为第1时间以下的所述交通参与者进行第1推定，针对所述接近预定时间为比所述第1时间长的第2时间以上的所述交通参与者进行第2推定，其中，所述第1推定是基于所述交通参与者的速度、所述交通参与者的加速度和所述交通参与者的行进方向来推定所述风险程度，所述第2推定是基于当时的所述场景来推定所述风险程度。
[0085]
根据上述结构，能够减小风险程度的推定处理的运算负荷。
[0086]
在本发明的第2方式中，可以为：所述推定部86针对所述接近预定时间比所述第1时间长且短于所述第2时间的所述交通参与者(第2移动体122)进行所述第1推定和所述第2推定，并选择所述第1推定的推定结果和所述第2推定的推定结果中可靠度高的一方作为所述风险程度的推定结果。
[0087]
此外，本发明所涉及的推定装置不限于上述的实施方式，当然可以在不脱离本发明的主旨的范围内采用各种结构。