具体实施方式

下面，一边参照附图一边对本发明一实施方式所涉及的交通环境识别装置和车辆控制装置进行说明。另外，本实施方式的车辆控制装置还兼作交通环境识别装置，因此，在以下的说明中对车辆控制装置进行说明，并且还对其中的交通环境识别装置的功能和结构进行说明。

如图1所示，该车辆控制装置1被适用于四轮型的汽车(以下称为“本车辆”)3，具有ECU2。在该ECU2上电气连接有状况检测装置4、原动机5、致动器6和车辆导航系统(以下称为“车载导航仪”)7。

该状况检测装置4由摄像头、毫米波雷达、LIDAR、声呐、GPS和各种传感器等构成，向ECU2输出表示本车辆3的当前位置和本车辆3的行进方向的周边状况(交通环境、交通参与者等)的周边状况数据D_info。该周边状况数据D_info构成为，包括由摄像头获取到的图像数据和由LIDAR等测量到的距离数据。

如后述那样，ECU2根据来自该状况检测装置4的周边状况数据D_info，识别本车辆3周边的交通环境，计算行车风险R_risk，并且按照该行车风险R_risk等来控制本车辆3的行驶状态。另外，在本实施方式中，状况检测装置4相当于周边状况数据获取部和当前位置获取部，车载导航仪7相当于数据通信部。

原动机5例如由电动马达等构成，如后述那样，在确定了本车辆3的行驶轨迹时，通过ECU2来控制原动机5的输出以使本车辆3按该行驶轨迹行驶。

另外，致动器6由制动用致动器和操舵用致动器等构成，如后述那样，在确定了本车辆3的行驶轨迹时，通过ECU2来控制致动器6的动作以使本车辆3按该行驶轨迹行驶。

并且，车载导航仪7由显示器、存储装置、无线通信装置和控制器(均未图示)等构成。在该车载导航仪7中，根据本车辆3的当前位置，从存储在存储装置中的地图数据中读出本车辆3的当前位置周边的地图数据，且将其显示在显示器上。

并且，在车载导航仪7中，通过无线通信装置，与其他车辆的车载导航仪及外部服务器31(参照图14)等之间执行无线数据通信。如后述那样，车载导航仪7在从外部服务器31接收到交通法规数据时，将其输出给ECU2。

另一方面，ECU2由微型计算机构成，该微型计算机由CPU、RAM、ROM、E2PROM、I/O接口和各种电路(均未图示)等构成。ECU2根据来自上述的状况检测装置4的周边状况数据D_info等，如下述那样执行行车风险R_risk的计算处理等。

另外，在本实施方式中，ECU2相当于识别部、存储部、第1移动体名词选择部、第1目标物名词选择部、位置关系用语选择部、交通环境场景数据创建部、第2移动体名词选择部、道路种类识别部、第1道路种类用语选择部、风险模型存储部、风险获取部、风险存储部、交通法规数据存储部、交通法规数据获取部、当前位置法规数据获取部和控制部。

接着，一边参照图2一边对车辆控制装置1中的风险推定装置10的结构进行说明。如下面所述的那样，该风险推定装置10按照周边状况数据D_info推定(获取)本车辆3行驶中的基于交通环境的风险即行车风险R_risk。

如该图所示，风险推定装置10具有识别部11、选择部12、第1存储部13、场景数据创建部14、风险获取部15和第2存储部16，具体而言，这些结构要素11～16由ECU2构成。

另外，在本实施方式中，识别部11相当于道路种类识别部，选择部12相当于第1移动体名词选择部、第1目标物名词选择部、位置关系用语选择部、第2移动体名词选择部和第1道路种类用语选择部。并且，第1存储部13相当于存储部，场景数据创建部14相当于交通环境场景数据创建部，第2存储部16相当于风险模型存储部和风险存储部。

在该识别部11中，根据周边状况数据D_info所包含的图像数据，通过规定的图像识别方法(例如，深度学习法)识别位于本车辆3的行进方向的规定范围(例如数十米)内的移动体、交通参与者、目标物和道路的种类。

在该情况下，作为移动体和交通参与者，识别自行车、行人和汽车等，作为目标物，识别泊车车辆和防护栏等。除此以外，作为道路的种类，识别车道和人行道等。另外，本说明书中的“自行车”是指由驾驶员骑着的自行车。

另外，在以下的说明中，将由识别部11识别到的移动体称为“第1移动体”，将由识别部11识别到的目标物称为“第1目标物”。该情况下的第1移动体相当于在与本车辆3的关系中风险最高，识别部11应该最优先识别的移动体。

在本实施方式中，以图3和图4所示的交通环境下为例进行说明。如这两个图所示，在本车辆3正在车道20上行驶，且自行车21和行人22位于带有护栏23的人行道24上的交通环境下，识别到自行车21作为第1移动体，识别到行人22作为交通参与者(第2移动体)。并且，识别到护栏23作为第1目标物，识别到车道20和人行道24作为道路的种类。

另一方面，虽然未图示，但在不存在自行车21而仅存在一位行人22的条件下，识别到行人22作为第1移动体。并且，虽然未图示，但在不存在自行车21而存在两位以上的行人的交通环境下，识别到最接近本车辆3的行人作为第1移动体，并且识别到其以外的行人作为交通参与者。

如以上所述，自行车21优先于行人22被识别为第1移动体的理由在于，自行车21能视为风险比行人22高的移动体。即，其理由在于，在自行车21的情况下，与仅在人行道24上移动的可能性高的行人22不同，该自行车21在人行道24与车道20之间往来的可能性高，其结果，该自行车21从人行道24向车道20侧比较快速地驶出的可能性高。

另外，在该识别部11中，出于通过规定的图像识别方法来识别移动体等的关系，第1移动体和交通参与者的位置关系等通过在图像数据内的尺寸的大小来识别。例如，如图5所示，在执行图像识别处理的过程中，自行车21的检测框21a比行人22的检测框22a大，据此，识别到自行车21位于比行人22靠近前侧这样的二者的位置关系。

另外也可以构成为，在如以上那样由识别部11识别到第1移动体等的情况下，根据周边状况数据D_info所包含的距离数据，获取存在于交通环境下的第1移动体、交通参与者及第1目标物与本车辆3的位置关系。并且，也可以构成为，使用周边状况数据D_info所包含的图像数据和距离数据双方来识别第1移动体、交通参与者和第1目标物的位置关系。

如以上那样，识别部11识别存在于交通环境下的第1移动体、交通参与者、第1目标物和道路的种类，还识别第1移动体与其以外的对象的位置关系，并且识别第1移动体的行进方向与本车辆3是否为同一方向。然后，将这些识别结果从识别部11输出给选择部12。

在从识别部11输入了上述识别结果的情况下，选择部12从存储在第1存储部13中的各种名词和位置关系用语中，获取与识别结果对应的用语。该位置关系用语是表示以第1移动体为基准的情况下与各对象的位置关系的用语。

在该第1存储部13中，将移动体的名词、交通参与者的名词、目标物的名词、道路的种类的名词和位置关系用语均作为英语表达的用语进行存储。在移动体或者交通参与者的情况下，作为其一例，将自行车存储为“bicycle”，将行人存储为“walker”，将汽车存储为“car”。另外，在目标物的情况下，作为其一例，将泊车车辆存储为“parked vehicle”，将防护栏存储为“fence”，将交通信号灯存储为“signal”。并且，在道路的种类的情况下，作为其一例，将车道存储为“drive way”，将人行道存储为“sidewalk”，将人行横道存储为“cross-walk”，将铁路存储为“line”。

另一方面，作为第1移动体与交通参与者的位置关系用语，将第1移动体正位于交通参与者的后侧的状态的用语存储为“behind”。另外，将第1移动体正位于交通参与者的旁边的状态的用语存储为“next to(或者side)”，将第1移动体正位于交通参与者的近前侧的状态的用语存储为“in front of”。并且，在第1移动体与第1目标物的位置关系用语的情况下，也存储与上述相同的用语。

另一方面，在第1移动体与道路的位置关系用语的情况下，将第1移动体正沿道路移动的状态的用语存储为“on”，将第1移动体横穿道路而移动的状态的用语存储为“across”。

根据以上结构，在该选择部12的情况下，在图3和图4所示的交通环境下下，选择“bicycle”作为第1移动体，选择“walker”作为交通参与者，选择“fence”作为第1目标物，选择“sidewalk”作为道路的种类。另外，在本实施方式中，“bicycle”相当于第1移动体名词，“fence”相当于第1目标物名词，“walker”相当于第2移动体名词，“sidewalk”相当于第1道路种类用语。

另外，作为第1移动体与交通参与者的位置关系用语，由于作为第1移动体的自行车21位于作为交通参与者的行人22的后侧，因此，选择“behind”。并且，作为第1移动体与第1目标物的位置关系用语，由于作为第1移动体的自行车21位于作为第1目标物的防护栏的后侧，因此，选择“behind”。另外，在本实施方式中，“behind”相当于第1位置关系用语和第2位置关系用语。

另一方面，在第1移动体与道路的位置关系用语的情况下，由于作为第1移动体的自行车21位于人行道24上，因此选择“on”。并且，由于作为第1移动体的自行车21的行进方向与本车辆3的行进方向相同，因此，选择“同一方向”作为第1移动体的行进方向。另外，在本实施方式中，“on”相当于第3位置关系用语。

并且，在如以上那样在选择部12中选择了第1移动体等的名词、位置关系用语及第1移动体的行进方向的情况下，向场景数据创建部14输出这些选择结果。另外，在本车辆3的行进方向的交通环境下不存在交通参与者和第1目标物中的一方的对象的情况下，在选择部12中不选择不存在的对象的名词、第1移动体与该对象的位置关系用语，也不将这些输出给场景数据创建部14。

在场景数据创建部14中，在从选择部12输入了上述的选择结果的情况下，根据这些选择结果创建场景数据。在该情况下，例如当从选择部12输入了图3和图4所示的交通环境下的选择结果时，分别创建图6～8所示的第1～第3场景数据。另外，在本实施方式中，第1～第3场景数据相当于交通环境场景数据。

如图6所示，第1场景数据创建为，将第1移动体“bicycle”、第1移动体相对于第1目标物的位置关系用语“behind”、第1目标物“fence”、第1移动体与本车辆3的行进方向的关系“同一方向”彼此建立关联的数据。

另外，如图7所示，第2场景数据创建为，将第1移动体“bicycle”、第1移动体相对于交通参与者的位置关系用语“behind”、交通参与者“walker”、第1移动体与本车辆3的行进方向的关系“同一方向”彼此建立关联的数据。

并且，如图8所示，第3场景数据创建为，将第1移动体“bicycle”、第1移动体相对于道路的位置关系用语“on”、道路种类“sidewalk”彼此建立关联的数据。

在该场景数据创建部14的情况下，如前述那样，在本车辆3的行进方向的交通环境下不存在第1目标物的情况下，不从选择部12输入第1目标物的名词，据此，第1场景数据中的第1目标物及位置关系用语的栏被设定为空白。另外，在本车辆3的行进方向的交通环境下不存在交通参与者的情况下，不从选择部12输入交通参与者的名词，据此，第2场景数据中的交通参与者及位置关系用语的栏被设定为空白。

在如以上那样创建第1～第3场景数据的情况下，将这些数据从场景数据创建部14输出给风险获取部15。在风险获取部15中，在从场景数据创建部14输入了上述第1～第3场景数据的情况下，如下面所述的那样，按照第1～第3场景数据，获取(计算)第1～第3风险Risk_1～3。

具体而言，按照第1场景数据，通过参照图9所示的第1风险映射(风险模型)来计算第1风险Risk_1。例如，在前述的图6的第1场景数据的情况下，第1移动体“bicycle”、位置关系用语“behind”、第1目标物“fence”以及行进方向“同一方向”的组合与第1风险映射的加粗字所示的第n(n为整数)组数据中的组合一致，据此，计算出第1风险Risk_1为值3。

另外，在该风险获取部15中，当在图9的第1风险映射中不存在第1场景数据中的第1移动体、位置关系用语、第1目标物及行进方向的组合时，通过以下所述的方法来计算第1风险Risk_1。

如该图9所示，在该第1风险映射中，设定了与第1移动体对应的个别风险(第1移动体风险)、与位置关系用语对应的个别风险(第1位置风险)、和与第1目标物对应的个别风险。因此，首先，如上所述，按照第1场景数据中的第1移动体、位置关系用语和第1目标物从第1风险映射中读出3个个别风险，通过下式(1)计算出暂定第1风险Risk_tmp1。

Risk_tmp1＝(个别风险A×KA)×(个别风险B×KB)×(个别风险C×KC)

……(1)

上式(1)的个别风险A表示与第1移动体对应的个别风险，KA是预先设定的规定的乘法系数。另外，个别风险B表示与位置关系用语对应的个别风险，KB是预先设定的规定的乘法系数。并且，个别风险C表示与第1目标物对应的个别风险，KC是预先设定的规定的乘法系数。

通过上式(1)计算出暂定第1风险Risk_tmp1之后，通过规定方法(例如四舍五入法)将暂定第1风险Risk_tmp1整数化。接着，判定是否处于在第1移动体的行进方向上存在风险的状况，当处于在第1移动体的行进方向上不存在风险的状况时，暂定第1风险Risk_tmp1的整数化值被设定为第1风险Risk_1。

另一方面，当处于在第1移动体的行进方向上存在风险的状况时，将在暂定第1风险Risk_tmp1的整数化值上加上值1得到的值设定为第1风险Risk_1。在该情况下，具体如以下所述的那样来执行第1移动体的行进方向的风险判定。

例如，在设想在前述的图3中作为第1移动体的自行车21位于行人22的前方(背面)的状态的情况下，当自行车21正向与本车辆3相反的方向移动时，即当自行车21正向本车辆3移动时，判定为处于在第1移动体的行进方向上存在风险的状况。另一方面，在自行车21正向与本车辆3相同的方向移动时，判定为处于在第1移动体的行进方向上不存在风险的状况。

另外，按照第2场景数据，通过参照图10所示的第2风险映射(风险模型)来计算第2风险Risk_2。例如，在前述的图7的第2场景数据的情况下，第1移动体“bicycle”、位置关系用语“behind”、交通参与者“walker”和行进方向“同一方向”的组合与第2风险映射的加粗字所示的第1组数据中的组合一致，据此，计算出第2风险Risk_2为值3。

另外，当在图10的第2风险映射中不存在第2场景数据中的第1移动体、位置关系用语、交通参与者和行进方向的组合时，通过与上述的第1风险Risk_1的计算方法同样的方法来计算第2风险Risk_2。

即，按照第2场景数据中的第1移动体、位置关系用语和交通参与者，从第2风险映射中读出3个个别风险，通过下式(2)计算出暂定第2风险Risk_tmp2。

Risk_tmp2＝(个别风险A×KA)×(个别风险B×KB)×(个别风险D×KD)

……(2)

上式(2)的个别风险D表示与交通参与者对应的个别风险，KD是预先设定的规定的乘法系数。通过上式(2)计算出暂定第2风险Risk_tmp2之后，通过前述的规定方法将暂定第2风险Risk_tmp2整数化。

接着，判定是否处于在第1移动体的行进方向上存在风险的状况，当处于在第1移动体的行进方向上不存在风险的状况时，暂定第2风险Risk_tmp2的整数化值被设定为第2风险Risk_2。另一方面，当处于在第1移动体的行进方向上存在风险的状况时，将在暂定第2风险Risk_tmp2的整数化值上加上值1得到的值设定为第2风险Risk_2。

并且，按照第3场景数据，通过参照图11所示的第3风险映射(风险模型)来计算第3风险Risk_3。在该情况下，当第3场景数据的第1移动体“bicycle”、位置关系用语“on”及道路种类“sidewalk”的组合与第3风险映射的数据中的组合一致时，读出与该组合对应的第3风险Risk_3。

另一方面，在第1移动体“bicycle”、位置关系用语“on”及道路种类“sidewalk”的组合与第3风险映射的数据中的组合不一致的情况下，例如在前述的图8的第3场景数据的情况下，通过与上述的第1风险Risk_1及第2Risk_2的计算方法大致同样的方法来计算第3风险Risk_3。

即，按照第3场景数据中的第1移动体、位置关系用语及道路种类，从第3风险映射中读出3个个别风险，通过下式(3)来计算暂定第3风险Risk_tmp3。

Risk_tmp3＝(个别风险A×KA)×(个别风险B×KB)×(个别风险E×KE)

……(3)

上式(3)的个别风险E表示与道路种类对应的个别风险，KE是预先设定的规定的乘法系数。

通过上式(3)计算出暂定第3风险Risk_tmp3之后，通过前述的规定方法将暂定第3风险Risk_tmp3整数化。然后，将暂定第3风险Risk_tmp3的整数化值设定为第3风险Risk_3。

在风险获取部15中，如以上那样计算出第1～第3风险Risk_3，根据上述第1～第3风险Risk_3，通过规定计算方法(例如加权平均计算方法和映射检索方法等)，最终计算出行车风险R_risk。通过以上的方法，在风险推定装置10中计算出行车风险R_risk。

另外，该行车风险R_risk可以推定为是包含第1移动体和目标物或交通参与者的规定空间的风险，也可以推定为是第1移动体本身的风险。例如，可以在除第1移动体以外不存在其他交通参与者的情况下，推定为仅是第1移动体的风险，也可以在第1～第3场景数据中存在能够推定为第1移动体的风险的场景数据的情况下，推定为仅是第1移动体的风险。据此，也可以变更在道路上的哪一空间存在风险的推定。

接着，一边参照图12一边对本实施方式的车辆控制装置1的自动驾驶控制处理进行说明。如下面叙述的那样，该自动驾驶控制处理是使用行车风险R_risk来执行本车辆3的自动驾驶控制的处理，由ECU2按规定的控制周期来执行。另外，在以下的说明中计算出的各种值被存储在ECU2的E2PROM内。

如图12所示，首先，计算行车风险R_risk(图12/步骤1)。具体而言，通过与前述的风险推定装置10相同的计算方法来计算行车风险R_risk。

接着，按照前述的第1～第3场景数据，从E2PROM内读出交通法规数据(图12/步骤2)。该交通法规数据通过后述的交通法规数据获取处理来获取，且被存储在E2PROM内。

接着，执行行驶轨迹计算处理(图12/步骤3)。在该处理中，根据如以上那样计算出的行车风险R_risk、交通法规数据和周边状况数据D_info，通过规定的计算算法，计算出二维坐标系的时序数据作为本车辆3未来的行驶轨迹。即，计算出规定了本车辆3的在xy坐标轴上的位置、x轴方向速度及y轴方向速度的时序数据作为行驶轨迹。

接着，以使本车辆3按行驶轨迹行驶的方式来控制原动机5(图12/步骤4)。接着，以使本车辆3按行驶轨迹行驶的方式来控制致动器6(图12/步骤5)。在此之后，结束本处理。

通过如以上那样执行自动驾驶控制处理，按照行车风险R_risk和交通法规数据来控制本车辆3的行驶状态。例如，当行车风险R_risk高时，本车辆3一边减速一边将行驶路线变更为靠近中央车道来行驶。另一方面，当行车风险R_risk低时，一边保持车速和行驶路线一边行驶。

在本实施方式中，如以上所述，以所谓的“主语”、“形容词”、“谓语”的形态用英语创建作为交通环境场景数据的第1～第3场景数据。因此，在能够直接使用交通法规数据且交通法规数据处于通过自然语言处理等识别出特征点的状态的情况下，能够按照创建的交通环境场景数据来检索交通法规数据。

例如，在本车辆3正在日本国内行驶且第2场景数据是第1移动体“bicycle”、位置关系用语“behind”及交通参与者(第2移动体)“bicycle”的组合的情况下，即在第1移动体“bicycle”位于交通参与者“bicycle”的后侧的情况下，由于第1移动体“bicycle”和交通参与者“bicycle”均为非机动车，因此检索到日本道路交通法第28条的“当超越其他车辆时，基本上必须向右进行行进道路变更，通过超车的车辆的右侧来进行超车。”。据此，能够推测为第1移动体“bicycle”向右侧的行驶车道驶出的风险高。

接着，一边参照图13一边对本实施方式的车辆控制装置1的交通法规数据获取处理进行说明。如在下面叙述的那样，该交通法规数据获取处理是用于获取交通法规数据的处理，由ECU2按规定的控制周期来执行。另外，仅在本车辆3启动时执行该交通法规数据获取处理。

如图13所示，首先，判定通信控制标志F_CONNECT是否为“1”(图13/步骤10)。当该判定为否定(图13/步骤10…否)，在上一次以前的控制时间后述的通信控制处理未处于执行过程中时，通过GPS获取当前位置(图13/步骤11)。

接着，判定是否需要获取交通法规数据(图13/步骤12)。在该判定处理中，根据如以上那样获取到的当前位置，在ECU2的E2PROM内没有存储与该当前位置对应的交通法规数据时，判定为需要获取交通法规数据，在除此以外的情况下，判定为不需要获取交通法规数据。

当该判定为否定(图13/步骤12…否)，在ECU2的E2PROM内存储有与当前位置对应的交通法规数据时，直接结束本处理。

另一方面，当该判定为肯定(图13/步骤12…是)，在ECU2的E2PROM内没有存储与当前位置对应的交通法规数据时，判定为应该执行用于获取该数据的通信控制处理，为了表示该情况，将通信控制标志F_CONNECT设定为“1”(图13/步骤13)。

当这样将通信控制标志F_CONNECT设定为“1”时，或者前述的判定为肯定(图13/步骤10…是)，在上一次以前的控制时间通信控制处理处于执行过程中时，接着这些步骤来执行通信控制处理(图13/步骤14)。

在该通信控制处理中，如图14所示，通过车载导航仪7的无线通信装置(未图示)和无线通信网30，在ECU2与外部服务器31之间执行无线数据通信。在该外部服务器31中存储有与当前位置对应的交通法规数据。根据以上结构，通过执行该通信控制处理，在由车载导航仪7接收到存储在外部服务器31内的交通法规数据之后，将其输入ECU2。

在如以上那样执行了通信控制处理之后，判定交通法规数据的获取是否已完成(图13/步骤15)。在该判定为否定(图13/步骤15…否)，交通法规数据的获取没有完成时，直接结束本处理。

另一方面，当该判定为肯定(图13/步骤15…是)，交通法规数据的获取已完成时，即交通法规数据已被存储在ECU2的E2PROM内时，判定为应该结束通信控制处理，为了表示该情况，将通信控制标志F_CONNEC设定为“0”(图13/步骤16)，结束本处理。

如以上那样，根据本实施方式的车辆控制装置1，基于周边状况数据D_info来制作第1～第3场景数据。然后，通过按照第1～第3场景数据分别参照第1～第3风险映射，计算第1～第3风险Risk_1～3，且按照上述第1～第3风险Risk_1～3，最终计算出行车风险R_risk。然后，按照该行车风险R_risk来控制本车辆3的行驶状态。

在该情况下，通过将第1移动体名词、第1目标物名词、位置关系用语和行进方向建立关联来创建第1场景数据，因此，能够迅速地创建第1场景数据。与此同样，通过将第1移动体名词、位置关系用语、交通参与者名词和行进方向建立关联来创建第2场景数据，通过将第1移动体名词、位置关系用语和道路种类用语建立关联来创建第3场景数据，因此，还能够迅速地创建第2场景数据和第3场景数据。据此，能够迅速地识别本车辆3的行进方向上的交通环境。

另外，能够使用一般的图像识别方法来容易地获取作为第1移动体的自行车21、作为第1目标物的防护栏23与作为交通参与者的行人22的位置关系，据此，能够容易地创建第1～第3场景数据。

并且，通过按照如以上那样迅速且容易地创建的第1～第3场景数据分别参照第1～第3风险映射，来计算出第1～第3风险Risk_1～3，根据上述第1～第3风险Risk_1～3最终计算出行车风险R_risk，因此也能够迅速且容易地获取到该行车风险R_risk。

除此以外，即使在第1风险模型中不存在第1场景数据时，也使用第1移动体的个别风险、第1目标物的个别风险、位置关系用语的个别风险和第1移动体的行进方向来获取第1风险Risk_1，通过与上述同样的方法，还获取第2Risk_2和第3风险Risk_3。据此，能够可靠地获取相对于本车辆3的行车风险R_risk。

另外，按照第1～第3场景数据获取当前位置的交通法规数据，按照行车风险R_risk和交通法规数据来控制本车辆3的行驶状态，因此，能够一边遵守当前位置的交通法规一边按照风险使本车辆3迅速且适宜地行驶。

除此之外，在本车辆3起动时，通过无线数据通信从外部服务器31获取与当前位置对应的交通法规数据，且将其存储在ECU2中，因此，能够在开始本车辆3的行驶状态的控制的时间点实现存储有与当前位置对应的交通法规数据的状态。

另外，虽然实施方式为按照第1～第3风险Risk_1～3来计算出行车风险R_risk的例子，但也可以构成为，按照第1～第3风险Risk_1～3中的至少1个来计算行车风险R_risk。

另外，虽然实施方式为按照行车风险R_risk来控制本车辆3的行驶状态的例子，但也可以按照第1～第3风险Risk_1～3中的至少1个来控制本车辆3的行驶状态。

并且，虽然实施方式为使第1场景数据构成为将第1移动体名词、第1目标物名词、第1位置关系用语和第1移动体的行进方向建立关联的数据的例子，但也可以使第1场景数据构成为将第1移动体名词、第1目标物名词和第1位置关系用语建立关联的数据。

另一方面，虽然实施方式为使第2场景数据构成为将第1移动体名词、第2移动体名词、第2位置关系用语及第1移动体的行进方向建立关联的数据的例子，但也可以使第2场景数据构成为将第1移动体名词、第2移动体名词及第2位置关系用语建立关联的数据。

另外，虽然实施方式是使用车辆导航系统7作为数据通信部的例子，但本发明的数据通信部并不限定于此，只要是与不同于本车辆的外部存储部之间执行数据通信的通信部即可。例如，也可以使用不同于车辆导航系统的无线通信电路等。

并且，虽然实施方式为使用第1～第3风险映射作为风险模型的例子，但本发明的风险模型并不限定于此，只要是定义了交通环境场景数据与风险的关系的模型即可。例如，也可以使用定义了交通环境场景数据与风险的关系的曲线图。

另一方面，虽然实施方式为按照行车风险R_risk和交通法规数据来控制本车辆3的行驶状态的例子，但在即使无视交通法规也没有问题的交通环境(例如，赛车场、荒野)下，也可以仅按照行车风险R_risk来控制本车辆3的行驶状态。

附图标记说明

1：车辆控制装置、交通环境识别装置；2：ECU(识别部、存储部、第1移动体名词选择部、第1目标物名词选择部、位置关系用语选择部、交通环境场景数据创建部、第2移动体名词选择部、道路种类识别部、第1道路种类用语选择部、风险模型存储部、风险获取部、风险存储部、交通法规数据存储部、交通法规数据获取部、当前位置法规数据获取部、控制部)；3：本车辆；4：状况检测装置(周边状况数据获取部、当前位置获取部)；7：车辆导航系统(数据通信部)；11：识别部(道路种类识别部)；12：选择部(第1移动体名词选择部、第1目标物名词选择部、位置关系用语选择部、第2移动体名词选择部、第1道路种类用语选择部)；13：第1存储部(存储部)；14：场景数据创建部(交通环境场景数据创建部)；15：风险获取部；16：第2存储部(风险模型存储部、风险存储部)；21：自行车(第1移动体、移动体)；22：行人(第2移动体、移动体)；23：防护栏(第1目标物、目标物)；D_info：周边状况数据；bicycle：第1移动体名词；fence：第1目标物名词；walker：第2移动体名词；behind：第1位置关系用语、第2位置关系用语；on：第3位置关系用语；Risk_1：第1风险(风险)；Risk_2：第2风险(风险)；Risk_3：第3风险(风险)；R_risk：行车风险(风险)。