具体实施方式

接着，参照附图，详细地说明实施方式。

(第一实施方式)

第一实施方式的其它车辆动作预测装置以及其它车辆动作预测方法例如在图4A及图4B所示的行驶场景下有效地发挥作用。图4A表示在由双车道(G1、G2)形成的单向通行道路上、本车辆11行驶在左侧车道G1(本车道)、其它车辆12行驶在与本车道邻接的车道即右侧车道G2(邻接车道)的行驶场景。其它车辆12行驶在本车辆11的斜前方。另一方面，图4B表示由车道的宽度(以后称为“车道宽度”)比图4A的双车道(G1、G2)更宽的双车道(G1、G2)形成的单向通行道路这一方面不同、但其它都与图4A相同的行驶场景。

在图4A及图4B的行驶场景中，其它车辆12可以通过自动驾驶以及手动驾驶的任一方式行驶。“自动驾驶”是指规定的车辆行驶控制装置独立地进行与车辆驾驶相关的识别/判断/操作的一部分或者全体的驾驶模式。另外，“手动驾驶”是指其它车辆12的乘员(人)即驾驶者进行车辆驾驶的驾驶模式。

第一实施方式基于其它车辆12的行为，计算车道变更可能性，利用车道变更可能性与阈值，预测其它车辆12进行车道变更。换言之，利用车道变更可能性与阈值，来判定其它车辆12是否进行车道变更。“车道变更可能性”表示其它车辆12在本车辆11的前方从邻接车道G2向本车道G1进行车道变更的可能性。“车道变更”是其它车辆12的动作的一个例子。

如图4A及图4B所示，当邻接车道G2的车道宽度(32a、32b)不同时，进行行进路线变更时其它车辆12的行为也会不同。例如，进行行进路线变更时其它车辆12的姿态(包括行进方向、车轴方向、偏航角)、移动方向、向车宽方向的移动距离(接近量)、以及行驶轨迹根据邻接车道G2的车道宽度(32a、32b)而变化。因此，第一实施方式获取表示邻接车道G2的车道宽度(32a、32b)的信息，并基于车道宽度(32a、32b)，对车道变更可能性及阈值的至少一方进行校正。而且，第一实施方式通过比较校正后的车道变更可能性与校正前的阈值、或者比较校正前的车道变更可能性与校正后的阈值、或者比较校正后的车道变更可能性与校正后的阈值，预测其它车辆12进行车道变更。通过考虑邻接车道G2的车道宽度(32a、32b)来预测车道变更，能够抑制错误预测车道变更、以及预测延迟。使用者(例如本车辆11的驾驶员)可以选择对车道变更可能性及阈值的任意一个进行校正。

下面，针对第一实施方式的其它车辆动作预测方法以及其它车辆动作预测装置详细地进行说明。需要说明的是，图4A及图4B所示的行驶场景是第一实施方式的其它车辆动作预测方法以及其它车辆动作预测装置有效发挥作用的行驶场景的一个例子，并非是对应用第一实施方式的其它车辆动作预测方法以及其它车辆动作预测装置的范围进行限定。

参照图1，说明第一实施方式的其它车辆动作预测装置的结构。其它车辆动作预测装置具有控制部。控制部基于在邻接车道G2行驶的其它车辆12的行为，预测其它车辆12在本车辆11的前方从邻接车道G2向本车道G1进行车道变更。控制部具有：物体检测部102、本车位置推定部101、车道结构获取部104、以及微型计算机。

物体检测部102具有在本车辆11搭载的、激光雷达、毫米波雷达、相机、以及光探测与测距(LiDAR：Light Detection and Ranging)等对本车辆11周围的物体进行检测的、多个不同种类的物体检测传感器。物体检测部102利用多个物体检测传感器，对本车辆11周围的物体进行检测。物体检测部102对包括二轮车的其它车辆12、包括自行车的轻型车辆、以及行人等移动物体、以及停放车辆等静止物体进行检测。例如，对移动物体及静止物体相对于本车辆11的位置、姿态、移动方向、大小、速度、加速度、减速度、以及横摆角速度进行检测。需要说明的是，将物体的位置、姿态、移动方向、大小、速度、加速度、减速度、以及横摆角速度归纳称为物体的“行为”。物体之中、成为车道变更的判定对象的其它车辆12的行为相当于在计算车道变更可能性时所利用的“状态量”。

物体检测部102对从多个物体检测传感器各自得到的多个检测结果进行整合，相对于各物体输出一个检测结果。具体而言，根据从物体检测传感器各自得到的物体的行为，在考虑了各物体检测传感器的误差特性等的基础上，计算误差最小的、最合理的物体的行为。具体而言，通过利用已知的传感器/融合技术，对由多种传感器获取到的检测结果进行综合评估，得到更准确的检测结果。

物体检测部102对检测的物体进行追踪。具体而言，根据整合的检测结果，由在不同时刻输出的物体的行为，进行不同时刻间物体的同一性验证(关联)，并且以该关联为基础，预测物体的行为。需要说明的是，在不同时刻输出的物体的行为在微型计算机内的存储器中存储，应用在后面叙述的其它车辆12的动作预测中。

物体检测部102例如输出从本车辆11的上方空中眺望的俯瞰图中、二维的物体的行为作为检测结果。

其它车辆12的行为由包括其它车辆12的绝对位置及相对位置在内的位置、姿态、移动方向、速度、加速度、以及行驶轨迹之中的任意一个或两个以上的组合来表现。需要说明的是，其它车辆12的行驶轨迹表示其它车辆12的位置的时间序列。例如，在由行驶轨迹与速度的组合表现其它车辆12的行为的情况下，其它车辆12的行为具有：不同时刻的其它车辆12的位置曲线、以及各位置的其它车辆12的速度曲线。

或者，其它车辆12的行为也可以由其它车辆12的姿态或者移动方向与邻接车道(右侧车道G2)或者本车道(左侧车道G1)的车道方向所成的角度、其它车辆12在邻接车道之中车宽方向的位置、其它车辆12的速度、其它车辆12的加速度、以及其它车辆12的减速度之中任意一个、或者两个以上的组合来表现。

本车位置推定部101具有搭载于本车辆11的、接收GPS(全球定位系统)信号的接收装置等、对本车辆11的地球坐标中的位置(绝对位置)及姿态(绝对姿态)进行测量的位置检测传感器。此外，本车位置推定部101具有进行测距及航位推算的运算处理回路。具体而言，本车位置推定部101利用对本车辆11的各车轮的车轮速进行检测的车轮速度传感器、对操舵轮的转舵角进行检测的舵角传感器、以及运算处理回路，能够对本车辆11相对于规定的基准点的相对位置、相对姿态及速度进行测量。将表示本车辆11的绝对位置、绝对姿态、相对位置、以及相对姿态的信息称为“表示本车辆11的位置及姿态的信息”。本车位置推定部101根据表示本车辆11的位置及姿态的信息，能够检测本车辆11在地图上的位置及姿态。地图由预先存储在地图数据库111中的地图数据来表示。

车道结构获取部104获取表示包括左侧车道G1及右侧车道G2的道路的结构以及构成道路的各车道(G1、G2)的结构的信息。当然在未指定车道变更的判断对象的情况下，也可以不指定车道，而是获取与左侧车道G1的两侧邻接的车道的相关信息。例如，其它车辆动作预测装置也可以具有地图数据库111。在地图数据库111中存储的地图数据包括表示包括本车道G1及右侧车道G2的道路的结构、以及构成道路的各车道的结构的数据。车道结构获取部104访问地图数据库111，能够获取表示道路结构及车道结构的信息(地图数据)。车道结构获取部104不仅获取地图数据，也可以获取表示与本车辆11的周围道路相关的交通规则的信息(交通规则信息)。地图数据库111与道路结构及车道结构链接而存储有交通规则信息。需要说明的是，车道结构获取部104获取的、表示车道结构的信息包括表示各车道(G1、G2)的车道宽度的信息。地图数据库111也可以存储表示各车道(G1、G2)的车道宽度的信息。车道结构获取部104获取到的信息临时存储在后面叙述的微型计算机的存储器中。

需要说明的是，地图数据库111可以搭载于本车辆11，也可以不搭载于本车辆。在未搭载的情况下，车道结构获取部104例如可以通过智能交通系统(ITS)或者新型交通管理系统(UTMS)中的车与车之间/车与路之间的通信、或3G及LTE等移动通信，从车外获取地图数据及交通规则信息。

另外，车道结构获取部104也可以根据利用物体检测部102所具有的相机获取到的本车辆11周围的图像，识别附着于路面的、分隔线以及表示与道路交通相关的限制或指令的道路标识。车道结构获取部104根据识别的分隔线，能够获取道路结构、车道结构、以及交通规则信息。附着于路面的分隔线包括：划分邻接车道(右侧车道G2)与本车道(左侧车道G1)的车道分界线31、划分左侧车道G1与邻接于左侧车道G1的路肩或者路边区域的分隔线(包括外侧车道线)35、以及划分右侧车道G2与邻接于右侧车道G2的路肩或者路边区域的分隔线(包括外侧车道线)36。即，车道结构获取部104可以根据车道分界线31及分隔线35获取表示左侧车道G1的车道宽度的信息，也可以根据车道分界线31及分隔线36获取表示右侧车道G2的车道宽度的信息。

微型计算机基于物体检测部102的检测结果、本车位置推定部101的推定结果、以及车道结构获取部104获取的信息，判定其它车辆12是否进行车道变更。

微型计算机是具有CPU(中央处理装置)、RAM及ROM等存储器、以及输入输出部的通用微型计算机。微型计算机中安装有用于作为其它车辆动作预测装置的一部分而发挥作用的计算机程序(其它车辆动作预测程序)。通过运行计算机程序，微型计算机作为其它车辆动作预测装置所具有的多个信息处理回路(103、105、108)而发挥作用。需要说明的是，在此，例示了通过软件实现其它车辆动作预测装置所具有的多个信息处理回路(103、105、108)的例子。当然，也可以准备用于执行如下所示的各信息处理的专用硬件，来构成信息处理回路(103、105、108)。另外，也可以由单独的硬件构成多个信息处理回路(103、105、108)。此外，信息处理回路(103、105、108)也可以兼而用作在与本车辆11相关的其它控制中使用的电子控制单元(ECU)。在本实施方式中，作为一个例子，微型计算机也实现了基于其它车辆动作的预测结果来执行本车辆11的自动驾驶的信息处理回路(109、110)。

微型计算机作为多个信息处理回路(103、105、108～110)而具有：动作候选生成部103、可能性计算部105、预测动作判定部108、本车路线生成部109、以及车辆控制部110。

动作候选生成部103基于道路结构及车道结构，对其它车辆12在不久的将来可能行动的动作候选进行预测。动作候选生成部103预测的动作候选中也包括车道变更。动作候选生成部103根据道路结构及其它车辆12所属的车道(邻接车道G2)的结构，对其它车辆12下一步如何行驶的动作意图进行预测，对基于该动作意图的其它车辆的基本轨迹进行运算。“动作候选”是包括动作意图及基本轨迹的上位概念。“基本轨迹”不仅表示不同时刻的其它车辆的位置曲线，也表示各位置的其它车辆12的速度曲线。

例如，如图4A所示，动作候选生成部103对其它车辆12继续在邻接车道(右侧车道G2)行驶的动作意图进行预测，对沿右侧车道G2的形状行驶的基本轨迹进行运算。此外，动作候选生成部103对在本车辆11的前方其它车辆12从邻接车道(右侧车道G2)向本车道(左侧车道G1)进行车道变更的动作意图进行预测。而且，动作候选生成部103根据右侧车道G2的结构及左侧车道G1的结构，对在本车辆11的前方从右侧车道G2向左侧车道G1进行车道变更的基本轨迹进行运算。

在本实施方式中，如图4A所示，“车道变更”包括在本车辆11的前方的左侧车道G1上未形成有车流的行驶场景下的车道变更、即所谓的“正常的车道变更”。“车道变更”此外也包括在本车辆11的前方的本车道G1上形成有车流的行驶场景下插入该车流中的、所谓的“插入”。需要说明的是，“插入”是与“超车(cut in)”相同的意思。

(关于可能性计算部105)

可能性计算部105基于作为与其它车辆12的车道变更相关的状态量(下面简单称为状态量)的一个例子的行为，计算车道变更可能性。“车道变更可能性”表示其它车辆12在本车辆11的前方从邻接车道(右侧车道G2)向本车道(左侧车道G1)进行车道变更的可能性。例如，可能性计算部105基于其它车辆12的移动方向与右侧车道G2的车道方向所成的角度θ(行为的一个例子)，计算车道变更可能性。可能性计算部105参照图8所示的表，根据其它车辆12的行进方向与车道分界线31所成的角度θ(下面简单记为角度θ)，计算车道变更可能性。在角度θ为0的情况下，车道变更可能性为0。在角度θ为15°、30°的情况下，车道变更可能性为0.5、1.0。也就是说，角度θ越大，车道变更可能性越高。右侧车道G2的车道方向相当于车辆沿右侧车道G2行驶的情况下的行进方向。也可以替代车道方向，而利用划分左侧车道G1与右侧车道G2的车道分界线31的方向。角度θ比规定的基准值越大，其它车辆12的移动方向越向左侧车道G1侧倾斜。由此，角度θ越大，可能性计算部105能够计算越高的车道变更可能性。需要说明的是，作为其它车辆12的状态量，可能性计算部105不仅利用上述角度θ，也可以利用其它车辆12的姿态(相对于右侧车道G2的偏航角)、或者以右侧车道G2以外的、例如本车辆为基准的其它车辆12的移动方向等其它车辆12的行为，计算车道变更可能性。

另外，例如状态量也可以是作为表示其它车辆12向本车辆11的接近程度的量(下面简单称为接近量)的、后面叙述的第一接近量或者第二接近量。“第一接近量”表示本车辆11的中心至其它车辆12的中心的车宽方向的距离(33a、33b)。当然，“第一接近量”也可以是本车辆11的右侧面至其它车辆12的左侧面的车宽方向的距离。“第二接近量”表示车道分界线31至其它车辆12的中心的车宽方向的距离(34a、34b)。当然，“第二接近量”也可以为车道分界线31至其它车辆12的左侧面的车宽方向的距离。

例如，在利用第二接近量计算车道变更可能性的情况下，可能性计算部105可以参照图8的表。在第二接近量为2.0[m]的情况下，车道变更可能性为0。在第二接近量为1.0[m]、0[m]的情况下，车道变更可能性为0.5、1.0。也就是说，第二接近量越小，可能性计算部105计算越高的车道变更可能性。例如，对于第一接近量，也可以预先准备与图8相同的表，并预先存储在微型计算机的存储器中。

图8的表所表示的数据预先存储在微型计算机的存储器中。

可能性计算部105基于邻接车道(右侧车道G2)的车道宽度(32a、32b)，对车道变更可能性进行校正。具体而言，可能性计算部105根据车道宽度(32a、32b)改变权重，该权重相对于基于计算车道变更可能性时所利用的状态量(包括上述的“行为”及“接近量”)而计算的车道变更可能性来赋予。例如，将图4A所示的车道宽度(32a)较窄的情况下的角度θ与图4B所示的车道宽度(32b)较宽的情况下的角度θ进行比较。假设在车道宽度(32a)较窄的情况下，其它车辆12以比车道宽度(32b)较宽的情况下更小的角度θ进行车道变更。由此，在车道变更的判定中，判定车道宽度越窄，其它车辆12越以更小的角度θ进行车道变更。因此，车道宽度越窄，可能性计算部105越增加相对于基于角度θ计算的车道变更可能性而赋予的权重。通过乘以向利用角度θ计算的车道变更可能性而增加的权重，强调车道变更可能性的计算中的角度θ(角度θ对车道变更可能性的影响增大)。这样，可能性计算部105根据车道宽度(32a、32b)，改变相对于基于状态量的一个例子即角度θ计算的车道变更可能性而赋予的权重，由此，能够对利用角度θ计算的车道变更可能性进行校正。换言之，可能性计算部105相对于相同的角度θ，能够进行校正，以使车道宽度(32b)越窄，车道变更可能性越高。需要说明的是，上述说明是作为行为而利用了角度θ的情况下的一个例子，可能性计算部105在作为行为而利用其它车辆12的姿态或者其它车辆12的移动方向的情况下，也与利用角度θ的情况相同，根据车道宽度(32a、32b)，改变相对于基于其它车辆12的姿态或者其它车辆12的移动方向计算的车道变更可能性而赋予的权重。

可能性计算部105根据车道宽度(32a、32b)，改变相对于基于车道变更可能性计算时所利用的接近量(第一接近量、及第二接近量)计算的车道变更可能性而赋予的权重。例如，在车道宽度(32a)较窄的情况下，能够判断其它车辆12以比车道宽度(32b)较宽的情况下更小的接近量进行车道变更。另外，车道宽度(32a、32b)越窄，其它车辆12为了进行车道变更所移动的车宽方向的距离越短，容易进行车道变更。由此，在车道变更的判定中，车道宽度越窄，判定其它车辆12越以更小的第一接近量、及第二接近量进行车道变更。因此，车道宽度越窄，可能性计算部105越增加相对于基于接近量(第一接近量、及第二接近量)计算的车道变更可能性而赋予的权重。由于权重的增加，通过将利用状态量(第一接近量、及第二接近量)计算的车道变更可能性与权重相乘，能够强调车道变更可能性的计算中的第一接近量、及第二接近量(第一接近量、及第二接近量对车道变更可能性的影响增大)。这样，根据车道宽度(32a、32b)，改变相对于基于第一接近量、或者第二接近量计算的车道变更可能性而赋予的权重，由此，能够对利用第一接近量、或者第二接近量计算的车道变更可能性进行校正。

状态量也可以是其它车辆12的加速度、或者在邻接车道(右侧车道G2)中其它车辆12与在其它车辆12的前方行驶的第一前车13a的接近程度。如图5A及图5B所示，“接近程度”表示其它车辆12的前端至第一前车13a的后端的行进方向(沿着车道的方向)的距离37、或者与第一前车13a接近的方向上的加速度。加速度越高，或者距离37越短，也就是接近程度越高，则车道变更可能性越高。由此，其它车辆12的加速度或者接近程度越高，可能性计算部105计算越高的车道变更可能性。例如，对于其它车辆12的加速度或接近程度，也可以预先准备与图8相同的表，并预先存储在微型计算机的存储器中。

车道宽度(32a、32b)越窄，其它车辆12为了进行车道变更所移动的车宽方向的距离越短，容易进行车道变更。由此，在车道变更的判定中，车道宽度越窄，判定其它车辆12越以较小的加速度、或者距离37进行车道变更。因此，车道宽度(32a、32b)越窄，可能性计算部105越增加相对于基于加速度、或者距离37计算的车道变更可能性而赋予的权重。由此，与车道宽度(32a、32b)较宽的情况相比较，越窄越能够强调加速度、或者距离37(加速度或者距离37对车道变更可能性的影响增大)。由此，可能性计算部105相对于相同的加速度、或者接近程度，能够进行校正，以使车道宽度(32a、32b)越窄，车道变更可能性越高。由此，即使距离37相同，车道宽度较窄时(图5A)的车道变更可能性比车道宽度较宽(图5B)时更高。

如图6A及图6B所示，状态量也可以是其它车辆12与本车辆11的车距(以后称为“第一车距(38a、38b)”)。第一车距(38a、38b)是本车辆11的前端至其它车辆12的后端的行进方向的距离。当然，第一车距(38a、38b)也可以是本车辆11的重心位置11g至其它车辆12的重心位置12g的距离。与图8的表所示的第二接近量相反，第一车距(38a、38b)越短，可能性计算部105计算越低的车道变更可能性。对于第一车距(38a、38b)，例如也可以预先准备与图8类似的表，并预先存储在微型计算机的存储器中。

车道宽度(32a、32b)越宽，其它车辆12为了进行车道变更所移动的车宽方向的距离越长，难以进行车道变更。另外，在车道变更的判定中，车道宽度(32a、32b)越窄，判定其它车辆12越以较短的第一车距(38a、38b)进行车道变更。因此，车道宽度(32a、32b)越窄，可能性计算部105越增加相对于基于第一车距计算的车道变更可能性而赋予的权重。由此，与车道宽度(32a、32b)较宽的情况相比较，宽度越窄，越能够强调第一车距(第一车距对车道变更可能性的影响增大)。由此，可能性计算部105相对于相同的第一车距，能够进行校正，以使车道宽度(32a、32b)越窄，车道变更可能性越高。

如图7A～图7C所示，状态量也可以是本车辆11与在本车道(左侧车道G1)中在本车辆11的前方行驶的第二前车14的距离(以后称为“第二车距(39a、39b)”)。第二车距(39a、39b)是本车辆11的前端至第二前车14的后端的行进方向的距离。因为第二车距(39a、39b)越长，在本车辆11与第二前车14之间其它车辆12用于插入的空间越大，所以，其它车辆12容易进行车道变更。另一方面，第二车距(39a、39b)越短，在本车辆11与第二前车14之间其它车辆12用于插入的空间越小，所以，其它车辆12难以进行车道变更。因此，第二车距(39a、39b)越短，可能性计算部105计算越低的车道变更可能性。对于第二车距(39a、39b)，例如也可以预先准备与图8相同的表，并存储在微型计算机的存储器中。

车道宽度(32a、32b)越宽，其它车辆12为了进行车道变更所移动的车宽方向的距离越长，难以进行车道变更。另外，在车道变更的判定中，车道宽度(32a、32b)越窄，判定其它车辆12越以较短的第二车距(39a、39b)进行车道变更。因此，车道宽度(32a、32b)越窄，可能性计算部105越增加相对于基于第二车距(39a、39b)计算的车道变更可能性而赋予的权重。由此，与车道宽度(32a、32b)较宽的情况相比较，宽度越窄，越能够强调第二车距(39a、39b)。由此，可能性计算部105相对于相同的第二车距，能够进行校正，以使车道宽度(32a、32b)越窄，车道变更可能性越高。

如图5A及图5C所示，状态量也可以是其它车辆12的大小与在邻接车道(右侧车道G2)中在其它车辆12的前方行驶的第一前车(13a、13b)的大小的差。车辆的“大小”是包括车辆的高度及车宽的概念。例如，如图5C所示，在第一前车13b比其它车辆12大的情况下，由第一前车13b形成的其它车辆12在行进方向前方的死角比图5A大。由此，其它车辆12难以掌握行进方向前方的状况，所以，车道变更可能性降低。因此，例如从第一前车13b的车高减去其它车辆12的车高后的值(车高之差)越大，可能性计算部105计算越低的车道变更可能性。对于车高之差，例如可以预先准备与图8相同的表，并预先存储在微型计算机的存储器中。

车道宽度(32a、32b)越窄，其它车辆12越难掌握邻接车道(右侧车道G2)的行进方向前方，难以进行车道变更。由此，在车道变更的判定中，车道宽度(32a、32b)越窄，判定其它车辆12以越小的车高之差进行车道变更。因此，车道宽度(32a、32b)越窄，可能性计算部105越增加相对于基于其它车辆12的大小与第一前车(13a、13b)的大小之差计算的车道变更可能性而赋予的权重。由此，与车道宽度(32a、32b)较宽的情况相比较，宽度越窄，越能够强调车高之差(车高之差对车道变更可能性的影响增大)。由此，可能性计算部105相对于相同的车高之差，能够进行校正，以使车道宽度(32a、32b)越窄，车道变更可能性越低。需要说明的是，可能性计算部105也可以车道宽度(32a、32b)越窄、越增加向车高之差(状态量的一个例子)赋予的权重。

状态量也可以是其它车辆12相对于本车辆11的相对速度。相对速度越大，其它车辆12越容易进行车道变更。另一方面，相对速度越小，其它车辆12越难以进行车道变更。因此，相对速度越小，可能性计算部105计算越低的车道变更可能性。对于相对速度，例如也可以预先准备与图8相同的表，并预先存储在微型计算机的存储器中。

车道宽度(32a、32b)越宽，其它车辆12为了进行车道变更而移动的车宽方向的距离越长，难以进行车道变更。由此，在车道变更的判定中，车道宽度(32a、32b)越宽，判定其它车辆12越以较高的其它车辆12相对于本车辆11的相对速度进行车道变更。因此，车道宽度(32a、32b)越宽，可能性计算部105越增加向相对速度赋予的权重。由此，与车道宽度(32a、32b)较窄的情况相比较，宽度越宽，越能够强调相对速度(相对速度对车道变更可能性的影响增大)。由此，可能性计算部105相对于相同的相对速度，能够进行校正，以使车道宽度(32a、32b)越宽，车道变更可能性越低。

可能性计算部105基于多个状态量(x、θ)、以及向基于状态量(x、θ)计算的车道变更可能性(p(x)、p(θ))赋予的权重(α、β)，能够计算车道变更可能性。也就是说，可能性计算部105针对多个状态量(x、θ)的各状态量，计算车道变更可能性(p(x)、p(θ))，并基于车道宽度(32a、32b)，调整向各状态量(x、θ)赋予的权重(α、β)。而且，也可以整合多个校正后的车道变更可能性(α·p(x)、β·p(θ))，最终计算一个车道变更可能性(P)。例如，也可以依照(1)式，由多个校正后的车道变更可能性(α·p(x)、β·p(θ))，计算一个校正后的车道变更可能性(P)。在(1)式中，N是校正后的车道变更可能性的数量或者权重的合计。另外，L例如为基于上述的加速度、车距、其它车辆的大小、相对速度等(x、θ)以外的状态量的车道变更可能性。需要说明的是，关于车道变更可能性L，也可以与车道变更可能性(p(x)、p(θ))相同地乘以基于车道宽度而设定的权重来进行校正。另外，下面的(1)式中的θ如上所述，表示其它车辆12的移动方向与右侧车道G2的车道方向所成的角度，x表示上述的第一接近量或第二接近量。

[数1]

(关于预测动作判定部108)

预测动作判定部108利用车道变更可能性与预先设定的阈值，判断其它车辆12是否进行车道变更。预测动作判定部108基于邻接车道(右侧车道G2)的车道宽度(32a、32b)，对阈值进行校正。

具体而言，预测动作判定部108利用如下所示的三个方法(第一方法～第三方法)，判断其它车辆12是否进行车道变更。三种方法可选取其一。

作为第一方法，预测动作判定部108可以将由可能性计算部105校正的车道变更可能性(称为“校正后的车道变更可能性”)与校正前的阈值进行比较。“校正前的阈值”是由预测动作判定部108进行校正前的阈值。预测动作判定部108在校正后的车道变更可能性比校正前的阈值大的情况下，判定其它车辆12进行车道变更。另一方面，预测动作判定部108在校正后的车道变更可能性为校正前的阈值以下的情况下，判定其它车辆12不进行车道变更。在选择第一方法的情况下，预测动作判定部108也可以不基于邻接车道(右侧车道G2)的车道宽度(32a、32b)对阈值进行校正。

作为第二方法，预测动作判定部108可以将由可能性计算部105计算的车道变更可能性与由预测动作判定部108进行校正的阈值(称为“校正后的阈值”)进行比较。由可能性计算部105计算的车道变更可能性是由可能性计算部105进行校正前的车道变更可能性(称为“校正前的车道变更可能性”)。预测动作判定部108在校正前的车道变更可能性比校正后的阈值大的情况下，判定其它车辆12进行车道变更。另一方面，预测动作判定部108在校正前的车道变更可能性为校正后的阈值以下的情况下，判定其它车辆12不进行车道变更。在选择第二方法的情况下，可能性计算部105也可以不基于邻接车道(右侧车道G2)的车道宽度(32a、32b)对车道变更可能性进行校正。

作为第三方法，预测动作判定部108可以将校正后的车道变更可能性与校正后的阈值进行比较。预测动作判定部108在校正后的车道变更可能性比校正后的阈值大的情况下，判定其它车辆12进行车道变更。另一方面，预测动作判定部108在校正后的车道变更可能性为校正后的阈值以下的情况下，判定其它车辆12不进行车道变更。

这样，预测动作判定部108将基于车道宽度(32a、32b)进行了校正的车道变更可能性或者阈值的一方与未基于车道宽度(32a、32b)进行校正的车道变更可能性或者阈值的另一方进行比较。或者，预测动作判定部108将基于车道宽度(32a、32b)而分别进行了校正的车道变更可能性与阈值进行比较。预测动作判定部108基于上述对比结果的任一结果，判定其它车辆12是否进行车道变更。

针对基于车道宽度(32a、32b)的、阈值的校正进行说明。预测动作判定部108预先对每个车道宽度(32a、32b)设定一个或者多个阈值。例如，对较窄的车道宽度32a与较宽的车道宽度32b各自设定一个或者多个阈值。需要说明的是，已设定的阈值存储在微型计算机的存储器中。预测动作判定部108选择与车道结构获取部104获取到的车道宽度对应的一个或者多个阈值。这样，预测动作判定部108预先对每个车道宽度设定不同的阈值，从阈值之中选择与实际的车道宽度对应的阈值，由此来对阈值进行校正。预测动作判定部108通过比较选择的阈值(校正后的阈值的一个例子)与车道变更可能性，预测其它车辆12进行车道变更。

“设定多个阈值”是指对于计算车道变更可能性时所利用的每个状态量设定阈值。例如如参照(1)式进行的说明，在利用多个状态量(x、θ、…)计算车道变更可能性的情况下，对每个状态量(x、θ、…)设定阈值。预测动作判定部108通过对每个状态量(x、θ、…)比较选择的阈值与车道变更可能性(p(x)、p(θ)、…)，判定其它车辆12是否进行车道变更。

“设定多个阈值”是指，为了多阶段地控制第一车距(38a、38b)或者本车辆11的速度，对于计算车道变更可能性时所利用的状态量或者车道变更可能性，设定多个阈值。具体而言，多阶段地准备多个阈值。而且，通过将多个阈值与车道变更可能性进行比较，多阶段地判断其它车辆12是否进行车道变更。能够进行用于确保其它车辆12相对于车道变更的安全性的多阶段的本车辆11的车辆控制。

在基于车道宽度(32a、32b)对阈值进行校正的情况下，可能性计算部105也可以假定其它车辆12位于车道分界线31上，计算车道变更可能性。使计算车道变更可能性时所利用的状态量的一个例子即其它车辆12的位置为车道分界线31上的位置。通过考虑其它车辆12的位置，能够使车道变更可能性的计算或者车道变更的判定稳定。

本车路线生成部109基于由预测动作判定部108预测的其它车辆12的动作(包括车道变更)，生成本车辆11的路线。在预测了其它车辆12向本车道G1的车道变更的情况下，能够在预测了其它车辆12的车道变更的基础上生成路线。由此，能够生成与其它车辆12确保足够的车距、且不会因其它车辆12的动作而使本车辆11急减速或者急转向的顺畅的本车辆11的路线“。本车辆11的路线”不仅表示不同时刻的本车辆11的位置曲线，也表示各位置的本车辆11的速度曲线。本车路线生成部109生成与车道变更结合的本车辆11的路线。此外，也可以使其它车辆12与本车辆11的相对距离增大而生成本车辆11的路线。另外，在本车辆11的前方形成有车流的情况下，本车路线生成部109为了在车流之间形成其它车辆12用于插入的车间空间，也可以计算本车辆11进行减速的本车辆11的路线。能够更安全地控制本车辆11。

车辆控制部110为了使本车辆11依照由本车路线生成部109生成的路线行驶，基于由本车位置推定部101运算的自我位置，驱动转向促动器、加速器踏板促动器、以及制动踏板促动器的至少一个促动器。需要说明的是，在第一实施方式中，表示了依照本车辆11的路线进行控制的情况，但也可以不生成本车辆11的路线，来控制本车辆11。在该情况下，也可以基于与其它车辆12的相对距离、或其它车辆12与本车辆11的姿态角之差进行控制。在多阶段地判断其它车辆12是否进行车道变更的情况下，车辆控制部110能够进行用于确保其它车辆12相对于车道变更的安全性的多阶段的本车辆11的车辆控制。或者，也可以使用车道变更可能性的值自身，控制本车辆11与其它车辆12的车距、以及本车辆11的车速。

参照图2，说明图1的其它车辆动作预测装置的动作例，来作为第一实施方式的其它车辆动作预测方法。从本车辆11的点火开关接通(电动汽车的情况下接通电源)至断开期间以规定的周期反复实施图2。另外，图2的控制流程以本车辆11通过自动驾驶来行驶为前提。

首先，在步骤S201中，本车位置推定部101对本车辆11的自我位置(绝对位置及相对位置)进行测量。而且，对地图上的本车辆11的位置及姿态进行检测。进入步骤S202，物体检测部102获取其它车辆12的行为。具体而言，物体检测部102利用物体检测传感器对其它车辆12进行检测，追踪其它车辆12。作为检测结果，例如输出从本车辆11的上方空中眺望的俯瞰图中的、其它车辆12的行为。

进入步骤S203，车道结构获取部104获取表示本车辆11的周围的道路结构以及构成道路的各车道(G1、G2)的结构的信息。至少获取本车辆11的周围的道路之中、表示车道变更的判断对象即其它车辆12所行驶的邻接车道(右侧车道G2)的结构的信息。邻接车道(右侧车道G2)的结构包括邻接车道(右侧车道G2)的车道宽度。根据地图数据或者本车辆11周围的图像的分析，能够获取表示道路结构及车道结构的信息。进入步骤S204，动作候选生成部103基于道路结构及车道结构，预测其它车辆12在不久的将来可能行动的动作候选。动作候选中也包括车道变更。

进入步骤S205，其它车辆动作预测装置在预测的动作候选之中，判断是否具有车道变更。在具有车道变更的情况下(在S205中为YES)，进入步骤S206。另一方面，在没有车道变更的情况下(在S205为NO)，进入步骤S213，车辆控制部110执行未利用其它车辆动作预测装置的判定结果的、正常的车辆控制。

在步骤S206中，其它车辆动作预测装置基于与车道变更可能性的校正相关的使用者的选择状态，判断是否对车道变更可能性进行校正。在使用者选择基于车道宽度(32a、32b)对车道变更可能性进行校正的情况下(在S206中为YES)，进入步骤S207，另一方面，在使用者选择不基于车道宽度(32a、32b)对车道变更可能性进行校正的情况下(在S206中为NO)，进入步骤S208。

在步骤S208中，可能性计算部105基于状态量，计算车道变更可能性。状态量是其它车辆12的姿态、移动方向、角度θ、第一接近量、第二接近量、其它车辆12的加速度、其它车辆12与第一前车13a的接近程度、第一车距(38a、38b)、第二车距(39a、39b)、其它车辆12或者第一前车(13a、13b)的大小、以及其它车辆12相对于本车辆11的相对速度的任意一个或者两个以上的组合。之后，进入步骤S210。

在步骤S207中，可能性计算部105与步骤S208相同，基于状态量，计算车道变更可能性。此外，可能性计算部105基于邻接车道(右侧车道G2)的车道宽度(32a、32b)，对车道变更可能性进行校正。具体而言，可能性计算部105通过根据车道宽度(32a、32b)改变向计算车道变更可能性时所利用的状态量赋予的权重，对车道变更可能性进行校正。之后，进入步骤S209。

在步骤S209中，其它车辆动作预测装置基于与阈值的校正相关的使用者的选择状态，判断是否校正阈值。在使用者选择了基于车道宽度(32a、32b)对阈值进行校正的情况下(在S209中为YES)，进入步骤S210，另一方面，在使用者选择了不基于车道宽度(32a、32b)对阈值进行校正的情况下(在S209中为NO)，进入步骤S211。

在步骤S211中，预测动作判定部108将在步骤S207中进行了校正的车道变更可能性(校正后的车道变更可能性)与校正前的阈值进行比较。预测动作判定部108在校正后的车道变更可能性比校正前的阈值大的情况下，判定其它车辆12进行车道变更。另一方面，预测动作判定部108在校正后的车道变更可能性为校正前的阈值以下的情况下，判定其它车辆12不进行车道变更。之后，进入步骤S212。

在步骤S210中，首先，预测动作判定部108基于邻接车道(右侧车道G2)的车道宽度(32a、32b)，对阈值进行校正。而且，在经由步骤S208的情况下，预测动作判定部108将在步骤S208中计算的车道变更可能性(校正前的车道变更可能性)与被校正的阈值(校正后的阈值)进行比较。预测动作判定部108在校正前的车道变更可能性比校正后的阈值大的情况下，判定其它车辆12进行车道变更。另一方面，预测动作判定部108在校正前的车道变更可能性为校正后的阈值以下的情况下，判定其它车辆12不进行车道变更。

另一方面，在经由步骤S207的情况下，预测动作判定部108将在步骤S207中被校正的车道变更可能性(校正后的车道变更可能性)与校正后的阈值进行比较。预测动作判定部108在校正后的车道变更可能性比校正后的阈值大的情况下，判定其它车辆12进行车道变更。另一方面，预测动作判定部108在校正后的车道变更可能性为校正后的阈值以下的情况下，判定其它车辆12不进行车道变更。之后，进入步骤S212。

在步骤S212中，本车路线生成部109基于在步骤S210或者S211中预测的其它车辆12的动作，生成本车辆11的路线。在预测了其它车辆12向本车道G1进行车道变更的情况下，在预测了其它车辆12的车道变更的基础上生成路线。作为本车辆11的路线，本车路线生成部109确定其它车辆12相对于本车辆11的相对距离，并确定用于维持相对距离所需要的本车辆11的轨迹及车速。

进入步骤S213，车辆控制部110为了使本车辆11依照在步骤S212中生成的路线来行驶，基于由本车位置推定部101运算的自我位置，驱动各种促动器。车辆控制部110也可以不生成本车辆11的路线，控制本车辆11。

如上所述，根据第一实施方式，可以得到如下的作用效果。

如图4A及图4B所示，在实际环境中车辆在道路宽度或者车道宽度不同的地方行驶。当车道宽度不同时，其它车辆12在车道变更时的动作也不同。因此，其它车辆动作预测装置基于车道宽度(32a、32b)，对车道变更可能性及阈值的至少一方进行校正。预测动作判定部108将基于车道宽度进行校正的车道变更可能性或者阈值的一方与未基于车道宽度进行校正的车道变更可能性或者阈值的另一方进行比较。或者，预测动作判定部108将基于车道宽度分别被校正的车道变更可能性与阈值进行比较。预测动作判定部108基于上述对比结果的任一结果，判定其它车辆12是否进行车道变更。通过考虑邻接车道G2的车道宽度(32a、32b)来预测车道变更，能够抑制错误预测车道变更、以及预测延迟。此外，能够抑制因错误预测引起的本车辆11减速、以及因预测延迟引起的本车辆11急减速。

可能性计算部105通过根据车道宽度改变向根据状态量计算的车道变更可能性赋予的权重，基于车道宽度对车道变更可能性进行校正。在车道宽度不同的道路上，也能够计算不受车道宽度影响的车道变更可能性。

状态量也可以是其它车辆12的位置、其它车辆12向本车辆11接近的量即第一接近量、或者其它车辆12向车道分界线31接近的量即第二接近量。车道宽度越宽，可能性计算部105越增加向其它车辆12的位置、第一接近量、以及第二接近量赋予的权重。车道宽度越宽，在车道变更的判定中，越能够重视其它车辆12的位置、第一接近量、以及第二接近量。能够计算不受车道宽度影响的、适当的车道变更可能性。

状态量也可以是其它车辆12的姿态、或其它车辆12的移动方向、或其它车辆12的移动方向与右侧车道G2的车道方向所成的角度θ。车道宽度越窄，可能性计算部105越增加向姿态、移动方向或角度θ赋予的权重。车道宽度越窄，在车道变更的判定中，越能够重视姿态、移动方向或角度θ。能够计算不受车道宽度影响的、适当的车道变更可能性。

状态量也可以是其它车辆12的加速度、或者其它车辆12与第一前车13a的接近程度。车道宽度(32a、32b)越窄，可能性计算部105越增加向加速度、或者接近程度赋予的权重。车道宽度越窄，在车道变更的判定中，越能够重视加速度、或者接近程度。能够计算不受车道宽度影响的、适当的车道变更可能性。

如图6A及图6B所示，状态量也可以是第一车距(38a、38b)。车道宽度(32a、32b)越宽，可能性计算部105越增加向第一车距赋予的权重。车道宽度越宽，在车道变更的判定中，越能够重视第一车距。能够计算不受车道宽度影响的、适当的车道变更可能性。

如图7A～图7C所示，状态量也可以是第二车距(39a、39b)。车道宽度(32a、32b)越宽，可能性计算部105越增加向第二车距赋予的权重。车道宽度越宽，在车道变更的判定中，越能够重视第二车距。能够计算不受车道宽度影响的、适当的车道变更可能性。

如图5A及图5C所示，状态量也可以是其它车辆12的大小、第一前车(13a、13b)的大小、或者车高之差。车道宽度(32a、32b)越窄，可能性计算部105越增加向其它车辆12的大小、第一前车(13a、13b)的大小、或者车高之差赋予的权重。车道宽度越窄，在车道变更的判定中，越能够重视其它车辆12的大小、第一前车(13a、13b)的大小、或者车高之差。能够计算不受车道宽度影响的、适当的车道变更可能性。

状态量也可以是其它车辆12相对于本车辆11的相对速度。车道宽度(32a、32b)越宽，可能性计算部105越增加向相对速度赋予的权重。车道宽度越宽，在车道变更的判定中，越能够重视相对速度。能够计算不受车道宽度影响的、适当的车道变更可能性。

可能性计算部105基于状态量(x、状态θ)、以及向各状态量赋予的权重(α、β)，计算各自的车道变更可能性(p(x)、p(θ))。根据车道宽度，对向上述状态量赋予的权重(α、β)进行调整，计算多个校正后的车道变更可能性(α·p(x)、β·p(θ))。利用(1)式，由多个校正后的车道变更可能性计算一个校正后的车道变更可能性(P)。由此，提高车道变更可能性的计算精度。

预测动作判定部108对每个车道宽度设定一个或者多个阈值，并选择与车道结构获取部104获取到的信息所表示的车道宽度对应的一个或者多个阈值。预测动作判定部108通过比较选择的阈值(校正后的阈值的一个例子)与车道变更可能性，预测其它车辆12进行车道变更。能够不受车道宽度影响地、适当地预测车道变更。

“设定多个阈值”是指对计算车道变更可能性时所利用的每个状态量设定阈值。预测动作判定部108通过对每个状态量(x、θ、…)比较选择的阈值与车道变更可能性(p(x)、p(θ)、…)，判定其它车辆12是否进行车道变更。能够不受车道宽度影响地、适当地预测车道变更。

“设定多个阈值”是指为了多阶段的控制第一车距(38a、38b)或者本车辆11的速度，对于计算车道变更可能性时所利用的状态量或者车道变更可能性设定多个阈值。能够不受车道宽度影响地、进行用于确保其它车辆12相对于车道变更的安全性的多阶段的本车辆11的车辆控制。

在基于车道宽度(32a、32b)对阈值进行校正的情况下，可能性计算部105也可以假定其它车辆12位于车道分界线31上，计算车道变更可能性。能够不受车道宽度影响地、适当地计算车道变更可能性。

(第二实施方式)

第二实施方式的其它车辆动作预测装置以及其它车辆动作预测方法与第一实施方式的不同之处在于，替代邻接车道G2的车道宽度(32a、32b)，基于邻接车道G2中其它车辆12的位置，对车道变更可能性及阈值的至少一方进行校正。如图4A及图4B所示，假设车辆(11、12)正常地在车道(G1、G2)的车道宽度方向的中央行驶。由此，当车道宽度(32a、32b)发生变化时，与此对应，其它车辆12相对于本车辆11或者车道分界线31的位置也发生变化。例如，当车道宽度(32a、32b)发生变化时，与此对应，本车辆11或者车道分界线31至其它车辆12的车道宽度方向的距离、即其它车辆12相对于本车辆11或者车道分界线31的相对位置也发生变化。因此，替代邻接车道G2的车道宽度(32a、32b)，利用车道宽度方向上其它车辆12相对于本车辆11或者车道分界线31的位置，对车道变更可能性及阈值的至少一方进行校正，由此能够得到与第一实施方式相同的作用效果。

与第一实施方式相同，第二实施方式的其它车辆动作预测装置以及其它车辆动作预测方法例如在图4A及图4B所示的行驶场景中有效地发挥作用。需要说明的是，图4A及图4B所示的行驶场景是第二实施方式的其它车辆动作预测方法以及其它车辆动作预测装置有效地发挥作用的行驶场景的一个例子，并非是对应用第二实施方式的其它车辆动作预测方法以及其它车辆动作预测装置的范围进行限定。

第二实施方式基于其它车辆12的状态量，计算车道变更可能性，利用车道变更可能性与阈值，预测其它车辆12进行车道变更。换言之，利用车道变更可能性与阈值，来判定其它车辆12是否进行车道变更。

如图4A及图4B所示，当其它车辆12相对于本车辆11或者车道分界线31的位置不同时，进行行进路线变更时其它车辆12的状态量也产生差异。例如，进行行进路线变更时的其它车辆12的姿态(相对于车道分界线31的偏航角)、移动方向、向车道宽度方向的移动距离(接近量)、以及行驶轨迹等状态量根据其它车辆12的位置而发生变化。因此，第二实施方式获取车道宽度方向上其它车辆12相对于本车辆11的位置、或者其它车辆12相对于车道分界线31的位置，基于获取到的其它车辆12的位置，对车道变更可能性及阈值的至少一方进行校正。而且，第二实施方式通过比较校正后的车道变更可能性与校正前的阈值、或者比较校正前的车道变更可能性与校正后的阈值、或者比较校正后的车道变更可能性与校正后的阈值，预测其它车辆12进行车道变更。通过考虑其它车辆12的位置来预测车道变更，能够抑制错误预测车道变更、以及预测延迟。

第二实施方式的其它车辆动作预测装置的结构在如下的方面与第一实施方式的其它车辆动作预测装置的结构不同。

可能性计算部105基于其它车辆12的位置(即，车道宽度方向上本车辆11或者车道分界线31至其它车辆12的距离)，对车道变更可能性进行校正。例如，可能性计算部105根据本车辆11或者车道分界线31至其它车辆12的车道宽度方向的距离(33a、33b、34a、34b)，改变向计算车道变更可能性时所利用的状态量赋予的权重。例如，假设在距离(33a、34a)较短的情况下，其它车辆12以比距离(33b、34b)较长的情况下更小的角度θ(状态)进行车道变更。另外，在车道变更的判定中，希望距离(33a、33b、34a、34b)越短，越重视角度θ。因此，距离(33a、33b、34a、34b)越短，可能性计算部105越增加向角度θ赋予的权重。换言之，其它车辆12的位置越接近本车辆11或者车道分界线31，越增加向角度θ赋予的权重。可能性计算部105也可以与角度θ的情况相同地根据其它车辆12的位置，改变向其它车辆12的姿态或者其它车辆12的移动方向赋予的权重。

可能性计算部105针对其它的状态量，也替代车道宽度(32a、32b)，而是根据其它车辆12的位置，调整向状态量赋予的权重。

状态量也可以是其它车辆12的加速度、或者在邻接车道(右侧车道G2)中其它车辆12与在其它车辆12的前方行驶的第一前车13a的接近程度。其它车辆12的位置越接近本车辆11或者车道分界线31，可能性计算部105越增加向加速度、或者接近程度赋予的权重。

如图6A及图6B所示，状态量也可以是第一车距(38a、38b)。其它车辆12的位置距离本车辆11或者车道分界线31越远，可能性计算部105越增加向第一车距赋予的权重。

如图7A～图7C所示，状态量也可以是第二车距(39a、39b)。其它车辆12的位置距离本车辆11或者车道分界线31越远，可能性计算部105越增加向第二车距(39a、39b)赋予的权重。

如图5A及图5C所示，状态量也可以是其它车辆12的大小、以及第一前车(13a、13b)的大小。其它车辆12的位置越接近本车辆11或者车道分界线31，可能性计算部105越增加向其它车辆12的大小与第一前车(13a、13b)的大小赋予的权重。

状态量也可以是其它车辆12相对于本车辆11的相对速度。其它车辆12的位置距离本车辆11或者车道分界线31越远，可能性计算部105越增加向相对速度赋予的权重。

可能性计算部105也可以基于状态量(x、θ)、以及向状态量(x、θ)赋予的权重(α、β)，计算一个车道变更可能性(P)。

预测动作判定部108基于其它车辆12的位置，对阈值进行校正。例如，预测动作判定部108基于本车辆11或者车道分界线31至其它车辆12的车道宽度方向的距离(33a、33b、34a、34b)，对阈值进行校正。

具体而言，预测动作判定部108预先对其它车辆12的每个位置设定一个或者多个阈值。例如，对于距离(33a、34a)较短的情况、以及距离(33b、34b)较长的情况分别设定一个或者多个阈值。预测动作判定部108选择与车道结构获取部104获取到的距离(33a、33b、34a、34b)对应的一个或者多个阈值。这样，预测动作判定部108预先对其它车辆12的每个位置设定不同的阈值，并从阈值之中选择与实际的其它车辆12的位置对应的阈值，由此对阈值进行校正。

第二实施方式的其它车辆动作预测装置的结构除了上述的方面外，其它都与参照图1说明的第一实施方式的其它车辆动作预测装置的结构相同。

参照图3，说明第二实施方式的其它车辆动作预测装置的动作例，作为第二实施方式的其它车辆动作预测方法。在本车辆11的点火开关接通(电动汽车的情况下接通电源)至断开期间以规定的周期反复实施图3。另外，图3的控制流程以本车辆11通过自动驾驶进行行驶为前提。

在步骤S301～S305中，执行与图2的步骤S201～S205相同的处理动作。

在步骤S306中，其它车辆动作预测装置基于与车道变更可能性的校正相关的使用者的选择状态，判断是否对车道变更可能性进行校正。在使用者选择基于其它车辆12的位置对车道变更可能性进行校正的情况下(在S306中为YES)，进入步骤S307，另一方面，在使用者选择不基于其它车辆12的位置对车道变更可能性进行校正的情况下(在S306中为NO)，进入步骤S308。

在步骤S308中，可能性计算部105基于状态量，计算车道变更可能性。状态量是其它车辆12的姿态、移动方向、角度θ、其它车辆12的加速度、其它车辆12与第一前车13a的接近程度、第一车距(38a、38b)、第二车距(39a、39b)、其它车辆12或者第一前车(13a、13b)的大小、以及其它车辆12相对于本车辆11的相对速度的任意一个或者两个以上的组合。之后，进入步骤S310。

在步骤S307中，可能性计算部105与步骤S308相同，基于状态量，计算车道变更可能性。此外，可能性计算部105基于其它车辆12的位置，对车道变更可能性进行校正。具体而言，可能性计算部105通过根据其它车辆12的位置，改变向在计算车道变更可能性时所利用的状态量赋予的权重，对车道变更可能性进行校正。之后，进入步骤S309。

在步骤S309中，其它车辆动作预测装置基于与阈值的校正相关的使用者的选择状态，判断是否对阈值进行校正。在使用者选择基于其它车辆12的位置对阈值进行校正的情况下(在S309中为YES)，进入步骤S310，另一方面，在使用者选择不基于其它车辆12的位置对阈值进行校正的情况下(在S309中为NO)，进入步骤S311。

在步骤S311中，预测动作判定部108将在步骤S307中被校正的车道变更可能性(校正后的车道变更可能性)与校正前的阈值进行比较。预测动作判定部108在校正后的车道变更可能性比校正前的阈值大的情况下，判定其它车辆12进行车道变更。另一方面，预测动作判定部108在校正后的车道变更可能性为校正前的阈值以下的情况下，判定其它车辆12不进行车道变更。之后，进入步骤S312。

在步骤S310中，首先，预测动作判定部108基于其它车辆12的位置，对阈值进行校正。而且，在经由步骤S308的情况下，预测动作判定部108将在步骤S308中计算的车道变更可能性(校正前的车道变更可能性)与被校正后的阈值(校正后的阈值)进行比较。预测动作判定部108在校正前的车道变更可能性比校正后的阈值大的情况下，判定其它车辆12进行车道变更。另一方面，预测动作判定部108在校正前的车道变更可能性为校正后的阈值以下的情况下，判定其它车辆12不进行车道变更。

另一方面，在经由步骤S307的情况下，预测动作判定部108将在步骤S307中被校正的车道变更可能性(校正后的车道变更可能性)与校正后的阈值进行比较。预测动作判定部108在校正后的车道变更可能性比校正后的阈值大的情况下，判定其它车辆12进行车道变更。另一方面，预测动作判定部108在校正后的车道变更可能性为校正后的阈值以下的情况下，判定其它车辆12不进行车道变更。之后，进入步骤S312。

在步骤S312及S313中，执行与图2的步骤S212及S213相同的处理动作。

如上所述，根据第二实施方式，能够得到如下的作用效果。

如图4A及图4B所示，在实际环境中车辆在道路宽度或者车道宽度不同的地方行驶。当车道宽度不同时，其它车辆12相对于本车辆11或者车道分界线31的位置也发生变化，车道变更时其它车辆12的动作也发生变化。因此，其它车辆动作预测装置基于车道宽度方向上其它车辆12相对于本车辆11或者车道分界线31的位置，对车道变更可能性及阈值的至少一方进行校正。预测动作判定部108将基于其它车辆12的位置进行校正的车道变更可能性或者阈值的一方与未基于其它车辆12的位置进行校正的车道变更可能性或者阈值的另一方进行比较。或者，预测动作判定部108将基于其它车辆12的位置而分别被校正的车道变更可能性与阈值进行比较。预测动作判定部108基于上述对比结果的任意一个结果，判定其它车辆12是否进行车道变更。通过考虑邻接车道G2的车道宽度(32a、32b)来预测车道变更，能够抑制错误预测车道变更、以及预测延迟。此外，能够抑制因错误预测引起的本车辆11减速、以及因预测延迟引起的本车辆11急减速。

可能性计算部105通过根据其它车辆12的位置改变向状态量赋予的权重，基于其它车辆12的位置，对车道变更可能性进行校正。在车道宽度不同的道路上也能够计算不受车道宽度影响的车道变更可能性。

状态量也可以是其它车辆12的姿态、或者其它车辆12的移动方向、或者其它车辆12的移动方向与右侧车道G2的车道方向所成的角度θ。其它车辆12的位置越接近本车辆11或者车道分界线31，可能性计算部105越增加向姿态、移动方向或角度θ赋予的权重。其它车辆12的位置越接近本车辆11或者车道分界线31，在车道变更的判定中，越能够重视姿态、移动方向或角度θ。能够计算不受车道宽度影响的、适当的车道变更可能性。

状态量也可以是其它车辆12的加速度、或者其它车辆12相对于第一前车13a的接近程度。其它车辆12的位置越接近本车辆11或者车道分界线31，可能性计算部105越增加向加速度、或者接近程度赋予的权重。其它车辆12的位置越接近本车辆11或者车道分界线31，在车道变更的判定中，越重视加速度、或者接近程度。能够计算不受车道宽度影响的、适当的车道变更可能性。

如图6A及图6B所示，状态量也可以是第一车距(38a、38b)。其它车辆12的位置距离本车辆11或者车道分界线31越远，可能性计算部105越增加向第一车距赋予的权重。其它车辆12的位置距离本车辆11或者车道分界线31越远，在车道变更的判定中，越能够重视第一车距。能够计算不受车道宽度影响的、适当的车道变更可能性。

如图7A～图7C所示，状态量也可以是第二车距(39a、39b)。其它车辆12的位置距离本车辆11或者车道分界线31越远，可能性计算部105越增加向第二车距赋予的权重。其它车辆12的位置距离本车辆11或者车道分界线31越远，在车道变更的判定中，越能够重视第二车距。能够计算不受车道宽度影响的、适当的车道变更可能性。

如图5A及图5C所示，状态量也可以是其它车辆12的大小、第一前车(13a、13b)的大小、或者车高之差。其它车辆12的位置越接近本车辆11或者车道分界线31，可能性计算部105越增加向其它车辆12的大小、第一前车(13a、13b)的大小、或者车高之差赋予的权重。其它车辆12的位置越接近本车辆11或者车道分界线31，在车道变更的判定中越能够重视其它车辆12的大小、第一前车(13a、13b)的大小、或者车高之差。能够计算不受车道宽度影响的、适当的车道变更可能性。

状态量也可以是其它车辆12相对于本车辆11的相对速度。其它车辆12的位置距离本车辆11或者车道分界线31越远，可能性计算部105越增加向相对速度赋予的权重。其它车辆12的位置距离本车辆11或者车道分界线31越远，在车道变更的判定中越能够重视相对速度。能够计算不受车道宽度影响的、适当的车道变更可能性。

可能性计算部105基于状态量(x、θ)，计算各车道变更可能性(p(x)、p(θ))。根据车道宽度，对向上述多个状态量各自赋予的权重(α、β)进行调整，计算多个校正后的车道变更可能性(α·p(x)、β·p(θ))。利用(1)式，由多个校正后的车道变更可能性计算一个校正后的车道变更可能性(P)。由此，提高车道变更可能性的计算精度。

预测动作判定部108对其它车辆12的每个位置设定一个或者多个阈值，选择与车道结构获取部104获取到的信息所表示的其它车辆12的位置对应的一个或者多个阈值。预测动作判定部108通过比较选择的阈值(校正后的阈值的一个例子)与车道变更可能性，预测其它车辆12进行车道变更。能够不受车道宽度影响地、适当地预测车道变更。

“设定多个阈值”是指，对计算车道变更可能性时所利用的每个状态量设定阈值。预测动作判定部108通过对于每个状态量(x、θ、…)，将选择的阈值与车道变更可能性(p(x)、p(θ)、…)进行比较，判定其它车辆12是否进行车道变更。能够不受车道宽度影响地、适当地预测车道变更。

“设定多个阈值”是指，为了多阶段的控制第一车距(38a、38b)或者本车辆11的速度，对于计算车道变更可能性时所利用的状态量或者车道变更可能性设定多个阈值。能够不受车道宽度影响，进行用于确保其它车辆12相对于车道变更的安全性的多阶段的本车辆11的车辆控制。

上述各实施方式所示的各功能可由一个或者多个处理回路来实现。处理回路包括具有电子回路的处理装置等可编程的处理装置。处理装置另外包括被安排面向指定用途的集成回路(ASIC)及常规回路配件之类的装置，以执行实施方式所述的功能。

需要说明的是，上述实施方式是本发明的一个例子。因此，本发明不限于上述实施方式，该实施方式以外的方式在不脱离本发明的技术思想的范围内，当然也可以根据设计等进行各种变更。

附图标记说明

11本车辆；12其它车辆；13a、13b第一前车；14第二前车；32a、32b车道宽度；33a，33b距离(第一接近量)；34a，34b距离(第二接近量)；37距离(接近程度)；38a、38b第一车距；39a、39b第二车距；G1本车道；G2邻接车道