KR102290008B1 - Adas mode control device using driving route of vehicle - Google Patents

Adas mode control device using driving route of vehicle Download PDF

Info

Publication number
KR102290008B1
KR102290008B1 KR1020190175078A KR20190175078A KR102290008B1 KR 102290008 B1 KR102290008 B1 KR 102290008B1 KR 1020190175078 A KR1020190175078 A KR 1020190175078A KR 20190175078 A KR20190175078 A KR 20190175078A KR 102290008 B1 KR102290008 B1 KR 102290008B1
Authority
KR
South Korea
Prior art keywords
vehicle
information
road
predicted path
bsm
Prior art date
Application number
KR1020190175078A
Other languages
Korean (ko)
Other versions
KR20210082787A (en
Inventor
신우재
김용태
오충재
장승현
Original Assignee
주식회사 켐트로닉스
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 켐트로닉스 filed Critical 주식회사 켐트로닉스
Priority to KR1020190175078A priority Critical patent/KR102290008B1/en
Publication of KR20210082787A publication Critical patent/KR20210082787A/en
Application granted granted Critical
Publication of KR102290008B1 publication Critical patent/KR102290008B1/en

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/10—Path keeping
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
    • B60W40/06—Road conditions
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/02—Ensuring safety in case of control system failures, e.g. by diagnosing, circumventing or fixing failures
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/08—Interaction between the driver and the control system
    • B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2556/00—Input parameters relating to data
    • B60W2556/45—External transmission of data to or from the vehicle
    • B60W2556/50—External transmission of data to or from the vehicle of positioning data, e.g. GPS [Global Positioning System] data
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60Y—INDEXING SCHEME RELATING TO ASPECTS CROSS-CUTTING VEHICLE TECHNOLOGY
    • B60Y2300/00—Purposes or special features of road vehicle drive control systems
    • B60Y2300/08—Predicting or avoiding probable or impending collision
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60Y—INDEXING SCHEME RELATING TO ASPECTS CROSS-CUTTING VEHICLE TECHNOLOGY
    • B60Y2300/00—Purposes or special features of road vehicle drive control systems
    • B60Y2300/10—Path keeping

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Traffic Control Systems (AREA)

Abstract

본 출원의 일 실시예에 따른 ADAS 모드 제어 장치는, 자기 차량의 운행 정보로부터 도로 형상을 추정하는 추정부, 상기 운행 정보와 상기 도로 형상에 따라, 상기 자기 차량의 예측 경로 정보를 생성하는 생성부 및 상기 예측 경로 정보에 기초하여, 상기 자기 차량으로 전달된 BSM 정보에 대해 위험 요소 및 비위험 요소 중 어느 하나로 판단하는 제어부를 포함한다. ADAS mode control apparatus according to an embodiment of the present application includes an estimator for estimating a road shape from driving information of the own vehicle, and a generator for generating predicted path information of the own vehicle according to the driving information and the road shape and a control unit that determines one of a risk factor and a non-risk factor with respect to the BSM information transmitted to the own vehicle, based on the predicted path information.

Description

차량의 주행 경로를 이용한 ADAS 모드 제어 장치{ADAS MODE CONTROL DEVICE USING DRIVING ROUTE OF VEHICLE}ADAS mode control device using the driving route of the vehicle {ADAS MODE CONTROL DEVICE USING DRIVING ROUTE OF VEHICLE}

본 출원은 차량의 주행 경로를 이용한 ADAS 모드 제어 장치에 관한 것이다. The present application relates to an ADAS mode control apparatus using a driving path of a vehicle.

자율주행 기술이 발전함에 따라 ADAS 모드는 V2X 기술을 통해 GPS 모듈 하나만을 이용해 개발할 수 있게 되었다. 예를 들면, ADAS 모드는 FCW(Forward Crash Warning), EEBL(Emergency Electronic Brake Lights), BSW(Blind Spot Warning), LCW(Lane Change Warning) 등의 기술을 포함한다. As autonomous driving technology advances, ADAS mode can be developed using only one GPS module through V2X technology. For example, the ADAS mode includes technologies such as Forward Crash Warning (FCW), Emergency Electronic Brake Lights (EEBL), Blind Spot Warning (BSW), and Lane Change Warning (LCW).

GPS 모듈을 이용한 ADAS 모드는 위험 요소를 분별하기 위하여, 아핀 매트릭스(Affine Matrix)를 이용한 직선 도로 한정 구동 방식을 채택하고 있다. The ADAS mode using the GPS module adopts a straight-road limited driving method using an affine matrix in order to identify risk factors.

특히, 아핀 매트릭스는 자기 차량을 기준으로 수신받은 BSM의 좌표를 헤딩(Heading) 값 만큼 좌표를 변환시킨다. 이러한 좌표를 변환시키는 과정에서, 지구 곡률상 정확한 좌표로 변환하는데 많은 어려움이 존재한다. In particular, the affine matrix transforms the coordinates of the received BSM based on the own vehicle by the heading value. In the process of transforming these coordinates, there are many difficulties in transforming the coordinates into accurate coordinates on the curvature of the earth.

또한 아핀 매트릭스는 좌표 변환 과정에서, 실제로 위험요소가 자차보다 앞에 존재하지만 변환된 좌표값은 자차보다 뒤에 존재하는 것으로 표기되는 문제 또는 위험 요소가 아닌데 운전자에게 경고를 주거나 위험 요소 임에도 경고를 발생하지 않는 문제가 있다. In addition, during the coordinate transformation process, the affine matrix warns the driver or does not issue a warning even though the risk factor is actually present in front of the own vehicle, but the converted coordinate value is not a problem or risk factor that is indicated as being present behind the own vehicle. there is a problem.

본 출원의 목적은 아핀 매트릭스를 대신하여 차량의 주행 경로를 통해 도로의 위험 요소를 판별하기 위한 ADAS 모드 제어 장치와 그 동작 방법을 제공하기 위한 것이다. It is an object of the present application to provide an ADAS mode control apparatus and an operating method thereof for determining a risk factor of a road through a driving path of a vehicle instead of an affine matrix.

본 출원의 일 실시예에 따른 ADAS 모드 제어 장치는, 자기 차량의 운행 정보로부터 도로 형상을 추정하는 추정부, 상기 운행 정보와 상기 도로 형상에 따라, 상기 자기 차량의 예측 경로 정보를 생성하는 생성부 및 상기 예측 경로 정보에 기초하여, 상기 자기 차량으로 전달된 BSM 정보에 대해 위험 요소 및 비위험 요소 중 어느 하나로 판단하는 제어부를 포함한다. ADAS mode control apparatus according to an embodiment of the present application includes an estimator for estimating a road shape from driving information of the own vehicle, and a generator for generating predicted path information of the own vehicle according to the driving information and the road shape and a control unit that determines one of a risk factor and a non-risk factor with respect to the BSM information transmitted to the own vehicle, based on the predicted path information.

실시예에 있어서, 상기 제어부는, 상기 BSM 정보가 상기 예측 경로 정보에 대응되는 경우, 상기 BSM 정보를 위험 요소로 판단하고, 상기 BSM 정보가 상기 예측 경로 정보에 대응되지 않는 경우, 상기 BSM 정보를 비위험 요소로 판단한다. In an embodiment, when the BSM information corresponds to the predicted path information, the controller determines the BSM information as a risk factor, and when the BSM information does not correspond to the predicted path information, the BSM information It is considered as a non-risk factor.

실시예에 있어서, 상기 제어부는, 상기 BSM 정보가 위험 요소로 판단된 경우, 복수의 대상 차량들 중 상기 BSM 정보에 대응되는 대상 차량을 식별하고, 상기 대상 차량에 대하여 ADAS(Advanced Driver Assistance System)를 동작시키고 차량용 HMI(Human Machine Interface)를 통해 경보한다.In an embodiment, when it is determined that the BSM information is a risk factor, the controller identifies a target vehicle corresponding to the BSM information among a plurality of target vehicles, and provides an Advanced Driver Assistance System (ADAS) for the target vehicle operates and alarms through the vehicle HMI (Human Machine Interface).

실시예에 있어서, 상기 생성부는, 상기 도로 형상이 직선 도로로 추정된 경우, 상기 자기 차량의 위치, 진행 방향, 속도 및 헤딩값에 기초하여, 직선 도로에 대한 상기 예측 경로 정보를 생성한다.In an embodiment, when the shape of the road is estimated to be a straight road, the generator generates the predicted path information for the straight road based on a position, a traveling direction, a speed, and a heading value of the own vehicle.

실시예에 있어서, 상기 생성부는, 상기 도로 형상이 곡선 도로로 추정된 경우, 상기 자기 차량의 위치, 진행 방향, 속도, 헤딩값 및 헤딩값 변화량에 기초하여, 곡선 도로에 대한 상기 예측 경로 정보를 생성한다.In an embodiment, when the shape of the road is estimated to be a curved road, the generation unit generates the predicted path information for the curved road based on a position, a traveling direction, a speed, a heading value, and a heading value change amount of the vehicle. do.

실시예에 있어서, 상기 직선 도로에 대한 상기 예측 경로 정보는, 한쌍의 노드 사이에 평행한 복수의 가상의 선들을 포함하는 직선 도로 영역을 포함하고, 상기 복수의 가상의 선들은 시간별 자기 차량의 위치 정보를 포함한다.In an embodiment, the predicted path information for the straight road includes a straight road region including a plurality of virtual lines parallel between a pair of nodes, and the plurality of virtual lines are the location of the vehicle by time. include information.

실시예에 있어서, 상기 곡선 도로에 대한 상기 예측 경로 정보는, 중심 노드를 중심점으로 하고, 하나의 링크를 외주선으로 하는 원형의 반지름에 대응되는 복수의 가상의 선들을 포함하는 곡선 도로 영역을 포함하고, 상기 복수의 가상의 선들은 시간별 자기 차량의 위치 정보를 포함한다.In an embodiment, the predicted path information for the curved road includes a curved road area including a plurality of virtual lines corresponding to a radius of a circle with a central node as a central point and one link as an outer periphery. and, the plurality of virtual lines includes location information of the own vehicle for each time.

실시예에 있어서, 상기 추정부는, 상기 자기 차량의 시동 여부에 기초하여, GPS 모듈을 통해 수신 및 감지된 위치 정보, 헤딩값 및 헤딩값 변화량과 자가진단장치를 통해 감지된 진단 정보를 상기 운행 정보로 수집한다.In an embodiment, the estimator may include, based on whether the vehicle is started, location information received and sensed through the GPS module, a heading value and a change amount of a heading value, and diagnostic information detected through the self-diagnosis device, the driving information collected with

실시예에 있어서, 상기 추정부는, 상기 운행 정보를 상기 자기 차량의 BSM 정보로 변환하여 송신하는 통신부를 포함한다. In an embodiment, the estimator includes a communication unit that converts the driving information into BSM information of the own vehicle and transmits the converted information.

본 출원의 일 실시예에 따른 ADAS 모드 제어 장치의 동작 방법으로, 추정부가 자기 차량의 운행 정보로부터 도로 형상을 직선 및 곡선 중 어느 하나로 추정하는 단계, 생성부가 상기 도로 형상과 상기 운행 정보에 따라, 도로 구간을 이용하여 상기 자기 차량의 예측 경로 정보를 생성하는 단계 및 제어부가 상기 예측 경로 정보에 기초하여, 상기 자기 차량으로 전달된 BSM 정보에 대해 위험 요소 및 비위험 요소 중 어느 하나로 판단하는 단계를 포함한다.In an operating method of an ADAS mode control apparatus according to an embodiment of the present application, the step of estimating, by an estimator, any one of a straight line and a curve, a road shape from driving information of the vehicle, a generating unit according to the road shape and the driving information, Generating the predicted path information of the own vehicle by using a road section, and determining, by the control unit, as any one of a risk factor and a non-risk factor for the BSM information transmitted to the own vehicle based on the predicted path information include

실시예에 있어서, 상기 추정하는 단계는, 상기 자기 차량의 시동 여부에 기초하여, 자가진단장치 및 GPS 모듈을 통해 상기 자기 차량의 위치 정보와 진단 정보를 수신하는 단계, 상기 자기 차량의 속도가 기설정된 속도 이상이고, 대상 차량으로부터 통신부를 통해 BSM 정보를 수신한 경우, 상기 GPS 모듈을 통해 감지된 헤딩값 및 헤딩값 변화량을 수신하는 단계 및 상기 헤딩값 및 헤딩값 변화량에 기초하여, 도로 형상을 직선 및 곡선 중 어느 하나로 추정하는 단계를 포함한다. In an embodiment, the estimating includes: receiving location information and diagnostic information of the own vehicle through a self-diagnosis device and a GPS module based on whether the vehicle is started; When the speed is higher than the set speed and BSM information is received from the target vehicle through the communication unit, receiving the heading value and the amount of change in the heading value detected through the GPS module, and the shape of the road based on the heading value and the amount of change in the heading value It includes the step of estimating any one of a straight line and a curve.

실시예에 있어서, 상기 생성하는 단계는, 도로 형상이 직선으로 추정된 경우, 상기 자기 차량의 위치, 속도 및 헤딩값에 기초하여, 직선 도로에 대한 예측 경로 정보를 생성하는 단계를 포함한다. In an embodiment, the generating includes generating predicted path information for a straight road based on the location, speed, and heading values of the own vehicle when the shape of the road is estimated as a straight line.

실시예에 있어서, 상기 생성하는 단계는, 상기 도로 형상이 곡선으로 추정된 경우, 상기 자기 차량의 위치, 속도, 헤딩값 및 헤딩값 변화량에 기초하여, 곡선 도로에 대한 상기 예측 경로 정보를 생성하는 단계를 포함한다. In an embodiment, the generating comprises generating the predicted path information for the curved road based on the location, speed, heading value, and amount of change in the heading value of the own vehicle when the shape of the road is estimated as a curve includes steps.

실시예에 있어서, 상기 판단하는 단계는, 상기 BSM 정보가 위험 요소로 판단된 경우, 복수의 대상 차량들 중 상기 BSM 정보에 대응되는 대상 차량을 위험 차량으로 식별하는 단계, 상기 위험 차량에 대한 대한 ADAS 모드를 동작시키고, 차량용 HMI를 통해 경보하는 단계를 포함한다.In an embodiment, the determining comprises: when the BSM information is determined to be a risk factor, identifying a target vehicle corresponding to the BSM information among a plurality of target vehicles as a dangerous vehicle; operating the ADAS mode and alerting through the vehicle HMI.

본 출원의 실시 예에 따른 ADAS 모드 제어 장치는 연산량이 많은 아핀 매트릭 알고리즘을 대체하고, 위험 차량을 보다 정확하고 빠르게 판별할 수 있다. The ADAS mode control apparatus according to an embodiment of the present application can replace the affine metric algorithm with a large amount of computation, and can more accurately and quickly determine a dangerous vehicle.

또한, ADAS 모드 제어 장치는 위험 차량 및 비위험 차량에 대해 보다 정확한 ADAS 모드로 동작할 수 있도록 지원할 수 있다. In addition, the ADAS mode control device may support operation in a more accurate ADAS mode for hazardous and non-hazardous vehicles.

도 1은 본 출원의 일 실시예에 따른 ADAS 모드 제어 장치에 대한 블록도이다.
도 2는 직선 도로에 대한 예측 경로 정보의 일 예이다.
도 3은 곡선 도로에 대한 예측 경로 정보의 일 예이다.
도 4는 도 1의 제어부의 동작을 구체적으로 보여주는 도이다.
도 5는 도 1의 추정부의 동작을 구체적으로 보여주는 도이다.
도 6은 도 1의 생성부의 동작을 구체적으로 보여주는 도이다.
도 7은 본 출원의 일 실시예에 따른 ADAS 모드 제어 장치에 대한 동작 프로세스이다.
도 8은 도 7의 ADAS 모드 제어 장치의 동작 프로세스를 보다 구체적으로 보여주는 동작 프로세스이다. 1 is a block diagram of an ADAS mode control apparatus according to an embodiment of the present application.
2 is an example of predicted path information for a straight road.
3 is an example of predicted path information for a curved road.
4 is a diagram specifically illustrating an operation of the control unit of FIG. 1 .
FIG. 5 is a diagram specifically illustrating an operation of the estimator of FIG. 1 .
FIG. 6 is a diagram specifically illustrating an operation of the generator of FIG. 1 .
7 is an operation process for the ADAS mode control apparatus according to an embodiment of the present application.
8 is an operation process showing the operation process of the ADAS mode control apparatus of FIG. 7 in more detail.

이하, 구체적인 실시형태 및 첨부된 도면을 참조하여 본 출원의 실시형태를 설명한다. 그러나, 본 출원의 실시 형태는 여러 가지 다른 형태로 변형될 수 있으며, 본 출원의 범위가 이하 설명하는 실시형태로 한정되는 것은 아니다. 또한, 본 출원의 실시형태는 통상의 기술자에게 본 발명을 더욱 완전하게 설명하기 위해서 제공되는 것이다. 따라서, 도면에서의 요소들의 형상 및 크기 등은 보다 명확한 설명을 위해 과장될 수 있으며, 도면상의 동일한 부호로 표시되는 요소는 동일한 요소이다.Hereinafter, embodiments of the present application will be described with reference to specific embodiments and the accompanying drawings. However, the embodiments of the present application may be modified in various other forms, and the scope of the present application is not limited to the embodiments described below. In addition, the embodiments of the present application are provided in order to more completely explain the present invention to those skilled in the art. Accordingly, the shapes and sizes of elements in the drawings may be exaggerated for clearer description, and elements indicated by the same reference numerals in the drawings are the same elements.

그리고 도면에서 본 출원을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하고, 여러 층 및 영역을 명확하게 표현하기 위하여 두께를 확대하여 나타내었으며, 동일한 사상의 범위 내의 기능이 동일한 구성요소는 동일한 참조부호를 사용하여 설명한다. 나아가, 명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함"한다고 할때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.And in order to clearly explain the present application in the drawings, parts irrelevant to the description are omitted, and the thickness is enlarged to clearly express various layers and regions, and components having the same function within the scope of the same idea are referred to as the same reference. It is explained using symbols. Furthermore, throughout the specification, when a part "includes" a certain element, it means that other elements may be further included, rather than excluding other elements, unless otherwise stated.

도 1은 본 출원의 일 실시예에 따른 ADAS 모드 제어 장치(1000)에 대한 블록도이고, 도 2는 직선 도로에 대한 예측 경로 정보의 일 예이고, 도 3은 곡선 도로에 대한 예측 경로 정보의 일 예이다. 1 is a block diagram of an ADAS mode control apparatus 1000 according to an embodiment of the present application, FIG. 2 is an example of predicted path information for a straight road, and FIG. 3 is a prediction path information for a curved road One example.

도 1 내지 도 3을 참조하면, ADAS 모드 제어 장치(1000)는 추정부(100), 생성부(200) 및 제어부(300)를 포함할 수 있다. 1 to 3 , the ADAS mode control apparatus 1000 may include an estimator 100 , a generator 200 , and a controller 300 .

먼저, 추정부(100)는 자기 차량(1)의 운행 정보에 기초하여, 도로 형상을 추정할 수 있다. 여기서, 운행 정보는 자기 차량(1)의 위치, 속도, 진행 방향, 가속도, 헤딩값(방위각) 및 헤딩값 변화량(방위각 변화량) 중 적어도 어느 하나를 포함할 수 있다. 이때, 도로 형상은 직선 도로 및 곡선 도로 중 어느 하나를 의미할 수 있다. First, the estimator 100 may estimate a road shape based on driving information of the own vehicle 1 . Here, the driving information may include at least one of a position, a speed, a traveling direction, an acceleration, a heading value (azimuth), and a heading value change amount (azimuth angle change amount) of the own vehicle 1 . In this case, the road shape may mean any one of a straight road and a curved road.

다음으로, 생성부(200)는 추정부(100)를 통해 추정된 도로 형상과 추정부(100)를 통해 전달받는 운행 정보에 기초하여, 자기 차량(1)의 예측 경로 정보를 생성할 수 있다. 여기서, 예측 경로 정보는 복수의 노드들과 복수의 링크들로 맵핑된 전체 도로 구간들 중 어느 하나의 도로 구간에 대한 정보를 포함할 수 있다. 예를 들면, 생성부(200)는 추정부(100)를 통해 추정된 도로 형상과 추정부(100)를 통해 전달받는 운행 정보에 기초하여, 미리 저장된 전체 도로 구간들을 통해 어느 하나의 도로 구간에 대한 정보를 생성할 수 있다. Next, the generation unit 200 may generate predicted path information of the own vehicle 1 based on the road shape estimated through the estimator 100 and the driving information received through the estimator 100 . . Here, the predicted path information may include information on any one road section among all road sections mapped to a plurality of nodes and a plurality of links. For example, the generating unit 200 may be configured to apply to any one road segment through pre-stored all road segments based on the road shape estimated through the estimator 100 and the driving information received through the estimator 100 . information can be generated.

이때, 도로 구간은 자기 차량(1)의 현재 위치를 기준으로 진행 방향에 위치한 한쌍의 노드(21, 23)와 상기 한쌍의 노드를 연결하는 하나의 링크(25)를 포함할 수 있다. 예를 들면, 한쌍의 노드 각각은 도로 영역에서 분기의 역할을 수행하는 장소일 수 있고, 링크는 한쌍의 노드를 연결하는 가상의 도로 라인일 수 있다. In this case, the road section may include a pair of nodes 21 and 23 positioned in a traveling direction based on the current location of the vehicle 1 and a link 25 connecting the pair of nodes. For example, each of the pair of nodes may be a place serving as a branch in the road area, and the link may be a virtual road line connecting the pair of nodes.

일 실시예에 따라, 생성부(200)는 추정부(100)를 통해 전달받는 자기 차량(1)의 위치, 진행 방향, 속도 및 헤딩값에 기초하여, 한쌍의 노드(21, 23)와 하나의 링크(25)를 통해 직선 도로에 대한 예측 경로 정보를 생성할 수 있다. 여기서, 직선 도로에 대한 예측 경로 정보는 한쌍의 노드(21, 23)에 평행한 복수의 가상선들(31_1~31_N)을 포함하는 직선 도로 영역(25)을 포함할 수 있다. According to an embodiment, the generating unit 200 is configured with a pair of nodes 21 and 23 and one based on the position, traveling direction, speed, and heading value of the own vehicle 1 received through the estimator 100 . It is possible to generate predicted path information for a straight road through the link 25 of . Here, the predicted path information for the straight road may include a straight road region 25 including a plurality of virtual lines 31_1 to 31_N parallel to the pair of nodes 21 and 23 .

또한, 도로 구간은 자기 차량(1)의 현재 위치를 기준으로 진행 방향에 위치한 한쌍의 노드(21, 23), 상기 한쌍의 노드를 연결하는 하나의 링크(25) 및 하나의 링크(25)를 외주선으로 하는 원형의 중심점인 중심 노드(27)를 포함할 수 있다. In addition, the road section includes a pair of nodes 21 and 23 located in the traveling direction based on the current location of the vehicle 1 , one link 25 and one link 25 connecting the pair of nodes. It may include a central node 27 which is a center point of a circle defined as an outer periphery.

다른 실시예에 따라, 생성부(200)는 추정부(100)를 통해 전달받는 자기 차량(1)의 위치, 진행 방향, 속도, 헤딩값 및 헤딩값 변화량에 기초하여, 한쌍의 노드(21, 23), 하나의 링크(25) 및 중심 노드(27)를 통해 곡선 도로에 대한 예측 경로 정보를 생성할 수 있다. According to another embodiment, the generating unit 200 may generate a pair of nodes 21, 23), it is possible to generate predicted path information for a curved road through one link 25 and a central node 27 .

여기서, 곡선 도로에 대한 예측 경로 정보는 중심 노드(27)를 중심점으로 하고, 하나의 링크(25)를 외주선으로 하는 원형의 반지름에 대응되는 복수의 가상선들(31_1~31_N)을 포함하는 곡선 도로 영역(25)을 포함할 수 있다. 예를 들면, 외주선은 진행 방향을 기준으로 하나의 링크(25)의 외곽선일 수 있다. Here, the predicted path information for the curved road is a curve including a plurality of virtual lines 31_1 to 31_N corresponding to the radius of a circle with the central node 27 as the central point and one link 25 as the outer circumference. It may include a road area 25 . For example, the outer circumferential line may be an outer line of one link 25 based on the traveling direction.

이때, 복수의 가상선들(31_1~31_N)은 시간별 자기 차량(1)의 위치 정보를 포함할 수 있다. 예를 들면, 도 2 및 도 3에 도시된 바와 같이, 제1 가상의 선(31_1)은 자기 차량이 1초 경과 후 위치하게 되는 경도와 위도 정보를 포함하고, 제2 가상의 선(32)은 자기 차량이 2초 경과 후 위치하게 되는 경도와 위도 정보를 포함할 수 있다. In this case, the plurality of virtual lines 31_1 to 31_N may include location information of the own vehicle 1 by time. For example, as shown in FIGS. 2 and 3 , the first imaginary line 31_1 includes longitude and latitude information at which the vehicle is located after 1 second has elapsed, and the second imaginary line 32 . may include longitude and latitude information at which the vehicle is located after 2 seconds have elapsed.

다음으로, 제어부(300)는 생성부(200)를 통해 생성된 예측 경로 정보에 기초하여, 자기 차량으로 전달된 BSM(Basic Safety Message) 정보에 대해 위험 요소 및 비위험 요소 중 어느 하나로 판단할 수 있다. 여기서, BSM 정보는 차량들 간의 무선 통신 방식을 이용하여 송수신되는 차량 안전 정보를 의미하고, 대상 차량의 위치 정보와 대상 차량의 식별 정보를 포함할 수 있다. Next, the control unit 300 may determine, based on the predicted path information generated by the generation unit 200, as any one of a risk factor and a non-risk factor with respect to BSM (Basic Safety Message) information delivered to the own vehicle. have. Here, the BSM information means vehicle safety information transmitted and received using a wireless communication method between vehicles, and may include location information of the target vehicle and identification information of the target vehicle.

구체적으로, BSM 정보에 포함된 위치 정보가 예측 경로 정보에 대응되는 경우, 제어부(300)는 BSM 정보에 대해 위험 요소로 판단하여, BSM 정보에 대응되는 대상 차량을 위험 차량으로 판단할 수 있다. 여기서, 대상 차량들은 자기 차량으로 BSM 정보를 송신하거나 또는 자기 차량 주변을 주행하는 차량들일 수 있다. Specifically, when the location information included in the BSM information corresponds to the predicted path information, the controller 300 may determine the BSM information as a risk factor and determine the target vehicle corresponding to the BSM information as a risk vehicle. Here, the target vehicles may be vehicles that transmit BSM information to the own vehicle or travel around the own vehicle.

또한, 제어부(300)는 BSM 정보의 위치 정보가 예측 경로 정보의 도로 구간 영역에 위치하지 않은 경우, 제어부(300)는 BSM 정보에 대해 비위험 요소로 판단하여, BSM 정보에 대응되는 대상 차량을 비위험 차량으로 판단할 수 있다. In addition, when the location information of the BSM information is not located in the road section area of the predicted path information, the control unit 300 determines the BSM information as a non-risk factor, and selects a target vehicle corresponding to the BSM information. It can be considered a non-hazardous vehicle.

이때, 대상 차량이 위험 차량으로 판단된 경우, 제어부(300)는 복수의 대상 차량들(2_1~2_N) 중 BSM 정보에 대응되는 대상 차량(예컨대, 2_2)을 위험 차량으로 식별할 수 있다. 그런 다음, 제어부(300)는 위험 차량에 대한 ADAS(Advanced Driver Assistance System) 모드를 동작시키고, 차량용 HMI(Human Machine Interface)를 통해 경보할 수 있다. In this case, when it is determined that the target vehicle is a dangerous vehicle, the controller 300 may identify a target vehicle (eg, 2_2 ) corresponding to the BSM information among the plurality of target vehicles 2_1 to 2_N as a dangerous vehicle. Then, the control unit 300 may operate an ADAS (Advanced Driver Assistance System) mode for the dangerous vehicle, and may alert through a human machine interface (HMI) for the vehicle.

여기서, ADAS 모드는 운전자의 편의, 안전을 위해 주행을 보조하기 위하여, 자기 차량의 조향, 가속, 감속 및 정지 등을 포함한 정보를 운전자에게 제공하는 차량 보조 동작 기능이다. Here, the ADAS mode is a vehicle assistance operation function that provides information including steering, acceleration, deceleration, and stopping of the vehicle to the driver in order to assist driving for the driver's convenience and safety.

본 출원의 실시예에 따른 ADAS 모드 제어 장치(1000)는 자기 차량의 예측 경로 정보에 기초하여, 자기 차량으로 전달된 BSM 정보에 대해 위험 요소 및 비위험 요소 중 어느 하나로 판단할 수 있다. 이에 따라, ADAS 모드 제어 장치(1000)는 연산량이 많은 Affine Matrix 알고리즘을 대체하여, 대상 차량들 중 위험 차량을 보다 정확하고 빠르게 판별할 수 있다. 나아가, 자기 차량이 보다 정확한 ADAS 모드로 동작하도록 지원할 수 있게 한다. The ADAS mode control apparatus 1000 according to the embodiment of the present application may determine the BSM information transmitted to the own vehicle as one of a risk factor and a non-risk factor based on the predicted path information of the own vehicle. Accordingly, the ADAS mode control apparatus 1000 may replace the Affine Matrix algorithm with a large amount of computation to more accurately and quickly determine a dangerous vehicle among target vehicles. Furthermore, it enables support for own vehicle to operate in a more accurate ADAS mode.

도 4는 도 1의 제어부(300)의 동작을 구체적으로 보여주는 도이다. 4 is a diagram specifically illustrating the operation of the controller 300 of FIG. 1 .

도 1 내지 도 4를 참조하면, 제어부(300)는 제1 및 제2 추출부(310, 320), 판단부(330) 및 판단부(330)를 포함할 수 있다. 1 to 4 , the control unit 300 may include first and second extraction units 310 and 320 , a determination unit 330 , and a determination unit 330 .

먼저, 제2 추출부(320)는 대상 차량(예컨대, 2_1)으로부터 전송받는 BSM 정보로부터 대상 차량(예컨대, 2_1)의 위치 및 식별 정보를 추출할 수 있다. 여기서, 대상 차량(예컨대, 2_1)의 위치 및 식별 정보는 대상 차량(예컨대, 2_1)의 위도 및 경도 정보와 대상 차량(예컨대, 2_1)을 식별하기 위한 차량 정보를 포함할 수 있다. First, the second extractor 320 may extract the location and identification information of the target vehicle (eg, 2_1) from the BSM information received from the target vehicle (eg, 2_1). Here, the location and identification information of the target vehicle (eg, 2_1) may include latitude and longitude information of the target vehicle (eg, 2_1) and vehicle information for identifying the target vehicle (eg, 2_1).

다음으로, 제1 추출부(310)는 제2 추출부(320)를 통해 추출된 대상 차량(예컨대, 2_1)의 위치 및 식별 정보에 응답하여, 생성부(200)를 통해 생성된 예측 경로 정보로부터 복수의 가상의 선들(31_1_31_N)을 추출할 수 있다. Next, the first extraction unit 310 responds to the location and identification information of the target vehicle (eg, 2_1 ) extracted through the second extraction unit 320 , the predicted path information generated through the generation unit 200 . A plurality of virtual lines 31_1_31_N may be extracted from .

다음으로, 판단부(330)는 대상 차량(예컨대, 2_1)의 위치 및 식별 정보가 예측 경로 정보에 대응되는 지 여부에 기초하여, BSM 정보에 대해 위험 요소 및 비위험 요소 중 어느 하나로 판단할 수 있다. 예를 들면, 판단부(330)는 대상 차량(예컨대, 2_1)의 위치가 예측 경로 정보의 해당 영역에 위치하는 지 여부에 기초하여, BSM 정보에 대해 위험 요소 및 비위험 요소 중 어느 하나로 판단할 수 있다. Next, based on whether the location and identification information of the target vehicle (eg, 2_1) corresponds to the predicted path information, the determination unit 330 may determine one of a risk factor and a non-risk factor for the BSM information. have. For example, the determination unit 330 determines whether the location of the target vehicle (eg, 2_1) is located in the corresponding area of the predicted path information, to determine any one of a risk factor and a non-risk factor with respect to the BSM information. can

구체적으로, 대상 차량(예컨대, 2_1)의 위치 및 식별 정보가 예측 경로 정보에 대응되는 경우, 판단부(330)는 BSM 정보를 위험 요소로 판단할 수 있다. 또한, 대상 차량(예컨대, 2_1)의 위치 및 식별 정보가 예측 경로 정보에 대응되지 않는 경우, 판단부(330)는 BSM 정보를 비위험 요소로 판단할 수 있다. Specifically, when the location and identification information of the target vehicle (eg, 2_1) corresponds to the predicted path information, the determination unit 330 may determine the BSM information as a risk factor. In addition, when the location and identification information of the target vehicle (eg, 2_1 ) does not correspond to the predicted path information, the determination unit 330 may determine the BSM information as a non-risk factor.

다음으로, BSM 정보가 위험 요소로 판단된 경우, 동작 제어부(340)는 BSM 정보에 대응되는 대상 차량(예컨대, 2_1)을 위험 차량으로 식별하고, 위험 차량에 대한 ADAS 모드로 동작시키고, HMI를 통해 경보할 수 있다. Next, when it is determined that the BSM information is a risk factor, the operation control unit 340 identifies the target vehicle (eg, 2_1 ) corresponding to the BSM information as a dangerous vehicle, operates in the ADAS mode for the dangerous vehicle, and operates the HMI can be alerted through.

또한, BSM 정보가 비위험 요소로 판단된 경우, 동작 제어부(340)는 BSM 정보에 대응되는 대상 차량(예컨대, 2_2)을 비위험 차량으로 식별하고, 비위험 차량에 대한 ADAS 모드로 동작시킬 수 있다. In addition, when it is determined that the BSM information is a non-hazardous factor, the operation control unit 340 identifies the target vehicle (eg, 2_2) corresponding to the BSM information as a non-hazardous vehicle, and operates in the ADAS mode for the non-hazardous vehicle. have.

도 5는 도 1의 추정부(100)의 동작을 구체적으로 보여주는 도이다. FIG. 5 is a diagram specifically illustrating an operation of the estimator 100 of FIG. 1 .

도 1과 도 5를 참조하면, 추정부(100)는 통신부(110), 데이터 관리부(120) 및 도로 형상 결정부(130)를 포함할 수 있다. 1 and 5 , the estimator 100 may include a communication unit 110 , a data management unit 120 , and a road shape determination unit 130 .

먼저, 통신부(100)는 복수의 대상 차량들(2_1~2_N)로부터 D2D(Device To Device) 통신을 통해 데이터를 송수신할 수 있다. 구체적으로, 통신부(100)는 복수의 대상 차량들(2_1~2_N)로부터 복수의 BSM 정보를 개별적으로 수신할 수 있다. First, the communication unit 100 may transmit and receive data from the plurality of target vehicles 2_1 to 2_N through D2D (Device To Device) communication. Specifically, the communication unit 100 may individually receive a plurality of BSM information from a plurality of target vehicles 2_1 to 2_N.

실시예에 따라, 통신부(100)는 자가진단장치(41), GPS 모듈(43) 및 복수의 센서부(45)로부터 데이터 관리부(120)를 통해 수신된 자기 차량(1)의 운행 정보를 BSM 정보로 변환하고, 복수의 대상 차량들(2_1~2_N)로 송신할 수 있다. According to an embodiment, the communication unit 100 transmits the driving information of the own vehicle 1 received from the self-diagnosis device 41 , the GPS module 43 , and the plurality of sensor units 45 through the data management unit 120 to the BSM. It may be converted into information and transmitted to a plurality of target vehicles 2_1 to 2_N.

예를 들면, 통신부(100)는 복수의 대상 차량들, 교통 인프라, 휴대용 단말 등과 같은 사물 간의 V2X(Vehicle-to-Everything) 통신을 지원할 수 있다. For example, the communication unit 100 may support V2X (Vehicle-to-Everything) communication between objects such as a plurality of target vehicles, traffic infrastructure, and portable terminals.

다음으로, 데이터 관리부(120)는 복수의 대상 차량들(2_1~2_N)로부터 통신부(100)를 통해 수신되는 BSM 정보에 응답하여, 자기 차량(1)의 운행 정보를 수집할 수 있다. Next, the data management unit 120 may collect the driving information of the own vehicle 1 in response to the BSM information received from the plurality of target vehicles 2_1 to 2_N through the communication unit 100 .

구체적으로, 데이터 관리부(120)는 복수의 대상 차량들(2_1~2_N)로부터 통신부(100)를 통해 수신되는 BSM 정보에 응답하여, 자기 차량(1)에 구비된 자기 진단 장치(OBD, 41), GPS 모듈(43) 및 복수의 센서부(45)를 통해 운행 정보를 전송받을 수 있다. Specifically, the data management unit 120 responds to BSM information received from the plurality of target vehicles 2_1 to 2_N through the communication unit 100 , and the self-diagnosis device OBD 41 provided in the vehicle 1 . , the driving information may be transmitted through the GPS module 43 and the plurality of sensor units 45 .

이러한 자기 차량(1)에 구비된 자기 진단 장치(OBD, 41), GPS 모듈(43) 및 복수의 센서부(45)는 자기 차량(1)의 시동 여부에 기초하여 동작할 수 있다. 예를 들면, 자기 진단 장치(41)는 자기 차량(1)의 속도, 진행 방향, 가속도를 포함하는 진단 정보를 감지하고, GPS 모듈(43)은 자기 차량(1)의 자기 차량(1)의 현재 위치 정보를 수신하고, 자기 차량(1)의 헤딩값 및 헤딩값 변화량을 감지할 수 있다. 여기서, 헤딩값 및 헤딩값 변화량은 자기 차량(1)에 대한 방위각 및 방위각 변화량을 의미한다. 또한, 복수의 센서부(45)는 레이더 센서, 경사 센서, 중량 감지 센서, 자이로 센서 등을 통해 차량의 동작 상태를 감지할 수 있다. The self-diagnosis device OBD 41 , the GPS module 43 , and the plurality of sensor units 45 provided in the vehicle 1 may operate based on whether the vehicle 1 is started. For example, the self-diagnostic device 41 detects diagnostic information including the speed, traveling direction, and acceleration of the own vehicle 1 , and the GPS module 43 detects the The current location information may be received, and the heading value of the own vehicle 1 and the amount of change in the heading value may be sensed. Here, the heading value and the amount of change in the heading value mean the azimuth and the amount of change in the azimuth with respect to the vehicle 1 . In addition, the plurality of sensor units 45 may detect the operating state of the vehicle through a radar sensor, an inclination sensor, a weight sensor, a gyro sensor, or the like.

다음으로, 도로 형상 결정부(130)는 데이터 관리부(120)를 통해 수집된 자기 차량(1)의 운행 정보에 기초하여, 도로 형상을 곡선 도로 및 직선 도로 중 어느 하나로 추정할 수 있다. Next, the road shape determining unit 130 may estimate the road shape as either a curved road or a straight road based on the driving information of the own vehicle 1 collected through the data management unit 120 .

예를 들면, 자기 진단 장치(OBD)를 통해 진단된 핸들의 진행 방향이 일정 반경 이상 회전된 경우 또는 방위각 변화량이 일정 시간 유지되는 경우, 도로 형상 결정부(130)는 도로 형상을 곡선 도로로 추정할 수 있다. 또한, 자기 진단 장치(OBD)를 통해 진단된 핸들의 진행 방향이 일정 반경 미만으로 회전된 경우 또는 방위각 변화량이 일정 시간만 유지되는 경우, 도로 형상 결정부(130)는 도로 형상을 직선 도로로 추정할 수 있다. For example, when the moving direction of the steering wheel diagnosed through the self-diagnostic device (OBD) is rotated by a certain radius or more or the azimuth change is maintained for a certain time, the road shape determiner 130 may estimate the road shape as a curved road. can In addition, when the traveling direction of the steering wheel diagnosed through the self-diagnostic device (OBD) is rotated less than a certain radius or when the azimuth change is maintained only for a certain period of time, the road shape determining unit 130 may estimate the road shape as a straight road. can

도 6은 도 1의 생성부(200)의 동작을 구체적으로 보여주는 도이다. 6 is a diagram specifically illustrating the operation of the generator 200 of FIG. 1 .

도 1 내지 도 3 및 도 6을 참조하면, 생성부(200)는 직선 경로 생성부(210)와 곡선 경로 생성부(220)를 포함할 수 있다. 1 to 3 and 6 , the generating unit 200 may include a straight line path generating unit 210 and a curved path generating unit 220 .

먼저, 도로 형상이 직선 도로로 추정된 경우, 직선 경로 생성부(210)는 데이터 관리부(120)로부터 자기 차량(1)의 위치, 속도, 진행 방향 및 헤딩값을 전송받을 수 있다. First, when the shape of the road is estimated to be a straight road, the straight path generator 210 may receive the position, speed, traveling direction, and heading value of the vehicle 1 from the data management unit 120 .

실시예에 따라, 직선 경로 생성부(210)는 자기 차량(1)의 위치, 속도, 진행 방향 및 헤딩값에 기초하여, 직선 도로에 대한 예측 경로 정보를 생성할 수 있다. According to an embodiment, the straight path generator 210 may generate predicted path information for the straight road based on the position, speed, traveling direction, and heading value of the own vehicle 1 .

다음으로, 도로 형상이 곡선 도로로 추정된 경우, 곡선 경로 생성부(220)는 데이터 관리부(120)로부터 자기 차량(1)의 위치, 속도, 진행 방향, 헤딩값 및 헤딩값의 변화량을 전송받을 수 있다. Next, when the shape of the road is estimated to be a curved road, the curved path generating unit 220 may receive from the data management unit 120 the position, speed, traveling direction, heading value, and the amount of change in the heading value of the vehicle 1 . have.

실시예에 따라, 곡선 경로 생성부(220)는 자기 차량(1)의 위치, 속도, 진행 방향, 헤딩값 및 헤딩값 변화량에 기초하여, 곡선 도로에 대한 예측 경로 정보를 생성할 수 있다. According to an embodiment, the curved path generator 220 may generate predicted path information for the curved road based on the position, speed, traveling direction, heading value, and the amount of change in the heading value of the own vehicle 1 .

도 7은 본 출원의 일 실시예에 따른 ADAS 모드 제어 장치(1000)에 대한 동작 프로세스이다. 7 is an operation process for the ADAS mode control apparatus 1000 according to an embodiment of the present application.

도 1과 도 7을 참조하면, 먼저, S110 단계에서, 추정부(100)는 자기 차량(1)의 운행 정보에 기초하여, 도로 형상을 직선 및 곡선 중 어느 하나로 추정할 수 있다. Referring to FIGS. 1 and 7 , first, in step S110 , the estimator 100 may estimate the shape of a road as any one of a straight line and a curve, based on driving information of the own vehicle 1 .

그런 다음, S120 단계에서, 생성부(200)는 추정부(100)를 통해 추정된 도로 형상과 추정부(100)를 통해 전달받는 운행 정보에 따라, 자기 차량(1)의 예측 경로 정보를 생성할 수 있다. Then, in step S120 , the generator 200 generates predicted path information of the own vehicle 1 according to the road shape estimated through the estimator 100 and the driving information received through the estimator 100 . can do.

이후, S130 단계에서, 제어부(300)는 생성부(200)를 통해 생성된 예측 경로 정보에 기초하여, 자기 차량으로 전달된 BSM(Basic Safety Message) 정보에 대해 위험 요소 및 비위험 요소 중 어느 하나로 판단할 수 있다. Then, in step S130 , the control unit 300 selects one of a risk factor and a non-risk factor for Basic Safety Message (BSM) information delivered to the vehicle based on the predicted path information generated through the generation unit 200 . can judge

도 8은 도 7의 ADAS 모드 제어 장치(1000)의 동작 프로세스를 보다 구체적으로 보여주는 동작 프로세스이다. 8 is an operation process showing the operation process of the ADAS mode control apparatus 1000 of FIG. 7 in more detail.

도 1 내지 도 8을 참조하면, 먼저, S210 단계에서, 추정부(100)는 자기 차량(1)의 시동 여부에 기초하여, 자가진단장치(41) 및 GPS 모듈(43)을 통해 자기 차량(1)의 위치 정보와 진단 정보를 수신할 수 있다. 1 to 8 , first, in step S210 , the estimator 100 performs the self-diagnosis device 41 and the GPS module 43 on the basis of whether the vehicle 1 is started. 1) location information and diagnosis information can be received.

이때, S220 단계에서, 자기 차량(1)의 속도가 기설정된 속도 이상이고, 대상 차량으로부터 통신부(110)를 통해 BSM 정보를 수신한 경우, 추정부(100)는 GPS 모듈(43)을 통해 헤딩값 및 헤딩값 변화량을 감지할 수 있다. At this time, in step S220 , when the speed of the own vehicle 1 is greater than or equal to the preset speed and BSM information is received from the target vehicle through the communication unit 110 , the estimator 100 is headed through the GPS module 43 . It is possible to detect changes in values and header values.

그런 다음, S230 단계에서, 추정부(100)는 헤딩값 변화량에 기초하여, 도로 형상을 직선 및 곡선 중 어느 하나로 추정할 수 있다. Then, in step S230 , the estimator 100 may estimate the shape of the road as any one of a straight line and a curve, based on the amount of change in the heading value.

이때, S240 단계에서, 도로 형상이 직선으로 추정된 경우, 생성부(200)는 자기 차량(1)의 위치, 속도 진행 방향 및 헤딩값에 기초하여, 직선 도로에 대한 예측 경로 정보를 생성할 수 있다. In this case, when the road shape is estimated to be a straight line in step S240 , the generation unit 200 may generate predicted path information for a straight road based on the position of the vehicle 1 , the speed direction, and the heading value. have.

한편, S250 단계에서, 도로 형상이 곡선으로 추정된 경우, 생성부(200)는 자기 차량(1)의 위치, 속도, 진행 방향, 헤딩값 및 헤딩값 변화량에 기초하여, 곡선 도로에 대한 예측 경로 정보를 생성할 수 있다. Meanwhile, in step S250 , when the shape of the road is estimated as a curve, the generator 200 predicts a path for the curved road based on the position, speed, traveling direction, heading value, and the amount of change in the heading value of the vehicle 1 . information can be generated.

그런 다음, S260 단계에서, 제어부(300)는 생성부(200)를 통해 생성된 예측 경로 정보에 기초하여, 자기 차량(1)으로 전달된 BSM 정보에 대해 위험 요소 및 비위험 요소 중 어느 하나로 판단할 수 있다. Then, in step S260 , the control unit 300 determines one of a risk factor and a non-risk factor with respect to the BSM information transmitted to the own vehicle 1 based on the predicted path information generated through the generation unit 200 . can do.

이때, S270 단계에서, BSM 정보가 위험 요소로 판단된 경우, 제어부(300)는 복수의 대상 차량들(2_1~2_N) 중 상기 BSM 정보에 대응되는 대상 차량(예컨대, 2_2)을 위험 차량으로 식별할 수 있다. In this case, in step S270 , if the BSM information is determined to be a risk factor, the controller 300 identifies a target vehicle (eg, 2_2) corresponding to the BSM information among a plurality of target vehicles 2_1 to 2_N as a dangerous vehicle. can do.

그런 다음 S275 단계에서, 제어부(300)는 위험 차량에 대한 대한 ADAS 모드를 동작시키고, 차량용 HMI를 통해 경보할 수 있다. Then, in step S275, the control unit 300 may operate the ADAS mode for the dangerous vehicle, and may be alerted through the vehicle HMI.

한편, S280 단계에서, BSM 정보가 비위험 요소로 판단된 경우, 제어부(300)는 복수의 대상 차량들(2_1~2_N) 중 상기 BSM 정보에 대응되는 대상 차량(예컨대, 2_2)을 비위험 차량으로 식별할 수 있다. Meanwhile, in step S280 , when the BSM information is determined to be a non-risk factor, the controller 300 selects a target vehicle (eg, 2_2) corresponding to the BSM information among a plurality of target vehicles 2_1 to 2_N as a non-risk vehicle. can be identified as

그런 다음, S285 단계에서, 제어부(300)는 비위험 차량에 대한 대한 ADAS 모드를 동작시킬 수 있다. Then, in step S285 , the controller 300 may operate the ADAS mode for the non-dangerous vehicle.

본 출원은 도면에 도시된 일 실시 예를 참고로 설명되었으나 이는 예시적인 것에 불과하며, 본 기술 분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시 예가 가능하다는 점을 이해할 것이다. 따라서, 본 출원의 진정한 기술적 보호 범위는 첨부된 등록청구범위의 기술적 사상에 의해 정해져야 할 것이다. Although the present application has been described with reference to an embodiment shown in the drawings, this is merely exemplary, and those of ordinary skill in the art will understand that various modifications and equivalent other embodiments are possible therefrom. Accordingly, the true technical protection scope of the present application should be determined by the technical spirit of the appended claims.

100: 추정부
200: 생성부
300: 제어부
1000: ADAS 모드 제어 장치100: estimator
200: generator
300: control unit
1000: ADAS mode control device

Claims (14)

자기 차량의 운행 정보로부터 도로 형상을 추정하는 추정부;
상기 운행 정보와 상기 도로 형상에 따라, 상기 자기 차량의 예측 경로 정보를 생성하는 생성부; 및
상기 예측 경로 정보에 기초하여, 상기 자기 차량으로 전달된 BSM 정보에 대해 위험 요소 및 비위험 요소 중 어느 하나로 판단하는 제어부를 포함하고,
상기 생성부는, 상기 도로 형상이 직선 도로로 추정된 경우, 상기 자기 차량의 위치, 진행 방향, 속도 및 헤딩값에 기초하여, 상기 직선 도로에 대한 예측 경로 정보를 생성하며,
상기 직선 도로에 대한 예측 경로 정보는, 한쌍의 노드 사이에 평행한 복수의 가상의 선들을 포함하는 직선 도로 영역을 포함하고,
상기 복수의 가상의 선들은 시간별 자기 차량의 위치 정보를 포함하는, ADAS 모드 제어 장치. an estimator for estimating a road shape from the driving information of the own vehicle;
a generator configured to generate predicted path information of the own vehicle according to the driving information and the shape of the road; and
a control unit that determines as any one of a risk factor and a non-risk factor with respect to the BSM information transmitted to the own vehicle based on the predicted path information,
When the shape of the road is estimated as a straight road, the generation unit generates predicted path information for the straight road based on the location, traveling direction, speed, and heading value of the vehicle,
The predicted path information for the straight road includes a straight road area including a plurality of virtual lines parallel between a pair of nodes,
The plurality of virtual lines includes location information of the own vehicle by time, ADAS mode control device. 제1항에 있어서,
상기 제어부는, 상기 BSM 정보가 상기 예측 경로 정보에 대응되는 경우, 상기 BSM 정보를 위험 요소로 판단하고,
상기 BSM 정보가 상기 예측 경로 정보에 대응되지 않는 경우, 상기 BSM 정보를 비위험 요소로 판단하는, ADAS 모드 제어 장치. According to claim 1,
When the BSM information corresponds to the predicted path information, the control unit determines the BSM information as a risk factor,
When the BSM information does not correspond to the predicted path information, the ADAS mode control device for determining the BSM information as a non-risk factor. 제2항에 있어서,
상기 제어부는, 상기 BSM 정보가 위험 요소로 판단된 경우, 복수의 대상 차량들 중 상기 BSM 정보에 대응되는 대상 차량을 식별하고, 상기 대상 차량에 대하여 ADAS(Advanced Driver Assistance System)를 동작시키고 차량용 HMI(Human Machine Interface)를 통해 경보하는, ADAS 모드 제어 장치. 3. The method of claim 2,
When the BSM information is determined to be a risk factor, the controller identifies a target vehicle corresponding to the BSM information among a plurality of target vehicles, operates an Advanced Driver Assistance System (ADAS) for the target vehicle, and operates a vehicle HMI ADAS mode control device, alarming via (Human Machine Interface). 삭제delete 제1항에 있어서,
상기 생성부는, 상기 도로 형상이 곡선 도로로 추정된 경우, 상기 자기 차량의 위치, 진행 방향, 상기 속도, 상기 헤딩값 및 헤딩값 변화량에 기초하여, 곡선 도로에 대한 상기 예측 경로 정보를 생성하는, ADAS 모드 제어 장치. According to claim 1,
The generator, when the shape of the road is estimated to be a curved road, generates the predicted path information for the curved road based on the location, the traveling direction, the speed, the heading value, and the amount of change in the heading value of the own vehicle, ADAS mode control unit. 삭제delete 제5항에 있어서,
상기 곡선 도로에 대한 상기 예측 경로 정보는, 중심 노드를 중심점으로 하고, 하나의 링크를 외주선으로 하는 원형의 반지름에 대응되는 복수의 가상의 선들을 포함하는 곡선 도로 영역을 포함하고,
상기 복수의 가상의 선들은 시간별 자기 차량의 위치 정보를 포함하는, ADAS 모드 제어 장치. 6. The method of claim 5,
The predicted path information for the curved road includes a curved road area including a plurality of virtual lines corresponding to a radius of a circle with a central node as a central point and one link as an outer circumference,
The plurality of virtual lines includes location information of the own vehicle by time, ADAS mode control device. 제1항에 있어서,
상기 추정부는, 상기 자기 차량의 시동 여부에 기초하여, GPS 모듈을 통해 수신된 상기 위치 정보, 상기 헤딩값 및 헤딩값 변화량과 자가진단장치를 통해 감지된 진단 정보를 상기 운행 정보로 수집하는, ADAS 모드 제어 장치. According to claim 1,
The estimator collects, as the driving information, the location information received through a GPS module, the heading value and the amount of change in the heading value, and diagnostic information sensed through the self-diagnosis device, as the driving information, based on whether the vehicle is started mode control unit. 제1항에 있어서,
상기 추정부는, 상기 운행 정보를 상기 자기 차량의 BSM 정보로 변환하여 송신하는 통신부를 포함하는, ADAS 모드 제어 장치.According to claim 1,
The estimator includes a communication unit that converts the driving information into BSM information of the own vehicle and transmits the converted information. ADAS 모드 제어 장치의 동작 방법으로,
추정부가 자기 차량의 운행 정보로부터 도로 형상을 직선 및 곡선 중 어느 하나로 추정하는 단계;
생성부가 상기 도로 형상과 상기 운행 정보에 따라, 도로 구간을 이용하여 상기 자기 차량의 예측 경로 정보를 생성하는 단계; 및
제어부가 상기 예측 경로 정보에 기초하여, 상기 자기 차량으로 전달된 BSM 정보에 대해 위험 요소 및 비위험 요소 중 어느 하나로 판단하는 단계를 포함하고,
상기 생성하는 단계는, 도로 형상이 직선으로 추정된 경우, 상기 자기 차량의 위치, 속도 및 헤딩값에 기초하여, 직선 도로에 대한 예측 경로 정보를 생성하는 단계를 포함하고,
상기 직선 도로에 대한 예측 경로 정보는, 한쌍의 노드 사이에 평행한 복수의 가상의 선들을 포함하는 직선 도로 영역을 포함하고,
상기 복수의 가상의 선들은 시간별 자기 차량의 위치 정보를 포함하는, ADAS 모드 제어 장치의 동작 방법.As an operation method of ADAS mode control device,
estimating, by an estimator, a road shape as any one of a straight line and a curve from the driving information of the vehicle;
generating, by a generator, predicted path information of the own vehicle using a road section according to the shape of the road and the driving information; and
determining, by the controller, as any one of a risk factor and a non-risk factor for the BSM information delivered to the own vehicle based on the predicted path information,
The generating includes generating predicted path information for a straight road based on the location, speed, and heading values of the vehicle when the shape of the road is estimated as a straight line,
The predicted path information for the straight road includes a straight road region including a plurality of virtual lines parallel between a pair of nodes,
The method of operating the ADAS mode control apparatus, wherein the plurality of virtual lines include location information of the own vehicle by time. 제10항에 있어서,
상기 추정하는 단계는, 상기 자기 차량의 시동 여부에 기초하여, 자가진단장치 및 GPS 모듈을 통해 상기 자기 차량의 위치 정보와 진단 정보를 수신하는 단계;
상기 자기 차량의 속도가 기설정된 속도 이상이고, 대상 차량으로부터 통신부를 통해 BSM 정보를 수신한 경우, 상기 GPS 모듈을 통해 감지된 헤딩값 및 헤딩값 변화량을 수신하는 단계; 및
상기 헤딩값 및 헤딩값 변화량에 기초하여, 도로 형상을 직선 및 곡선 중 어느 하나로 추정하는 단계를 포함하는, ADAS 모드 제어 장치의 동작 방법.11. The method of claim 10,
The estimating may include: receiving location information and diagnostic information of the own vehicle through a self-diagnosis device and a GPS module based on whether the vehicle is started;
receiving a heading value and a change amount of a heading value detected through the GPS module when the speed of the own vehicle is greater than or equal to a preset speed and BSM information is received from the target vehicle through a communication unit; and
Based on the heading value and the amount of change in the heading value, estimating the shape of the road as any one of a straight line and a curved line, the method of operating an ADAS mode control device. 삭제delete 제11항에 있어서,
상기 생성하는 단계는, 상기 도로 형상이 곡선으로 추정된 경우, 상기 자기 차량의 위치, 상기 속도, 상기 헤딩값 및 헤딩값 변화량에 기초하여, 곡선 도로에 대한 상기 예측 경로 정보를 생성하는 단계를 포함하는, ADAS 모드 제어 장치의 동작 방법.12. The method of claim 11,
The generating may include generating the predicted path information for the curved road based on the location of the vehicle, the speed, the heading value, and the amount of change in the heading value when the shape of the road is estimated as a curve A method of operating an ADAS mode control device. 제11항에 있어서,
상기 판단하는 단계는, 상기 BSM 정보가 위험 요소로 판단된 경우, 복수의 대상 차량들 중 상기 BSM 정보에 대응되는 대상 차량을 위험 차량으로 식별하는 단계; 및
상기 위험 차량에 대한 대한 ADAS 모드를 동작시키고, 차량용 HMI를 통해 경보하는 단계를 포함하는, ADAS 모드 제어 장치의 동작 방법.
12. The method of claim 11,
The determining may include: when it is determined that the BSM information is a risk factor, identifying a target vehicle corresponding to the BSM information from among a plurality of target vehicles as a dangerous vehicle; and
Operating the ADAS mode for the dangerous vehicle, comprising the step of alerting through the vehicle HMI, the operating method of the ADAS mode control device.
KR1020190175078A 2019-12-26 2019-12-26 Adas mode control device using driving route of vehicle KR102290008B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190175078A KR102290008B1 (en) 2019-12-26 2019-12-26 Adas mode control device using driving route of vehicle

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190175078A KR102290008B1 (en) 2019-12-26 2019-12-26 Adas mode control device using driving route of vehicle

Publications (2)

Publication Number Publication Date
KR20210082787A KR20210082787A (en) 2021-07-06
KR102290008B1 true KR102290008B1 (en) 2021-08-18

Family

ID=76861122

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190175078A KR102290008B1 (en) 2019-12-26 2019-12-26 Adas mode control device using driving route of vehicle

Country Status (1)

Country Link
KR (1) KR102290008B1 (en)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009025733A (en) * 2007-07-23 2009-02-05 Honda Motor Co Ltd Travel data-processing device
JP2012507780A (en) * 2008-11-06 2012-03-29 ボルボ テクノロジー コーポレイション Method and system for determining road data
JP2018077612A (en) * 2016-11-08 2018-05-17 三菱自動車工業株式会社 Driving assist apparatus

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160321924A1 (en) * 2015-05-01 2016-11-03 Hyundai America Technical Center, Inc. Predictive road hazard identification system

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009025733A (en) * 2007-07-23 2009-02-05 Honda Motor Co Ltd Travel data-processing device
JP2012507780A (en) * 2008-11-06 2012-03-29 ボルボ テクノロジー コーポレイション Method and system for determining road data
JP2018077612A (en) * 2016-11-08 2018-05-17 三菱自動車工業株式会社 Driving assist apparatus

Also Published As

Publication number Publication date
KR20210082787A (en) 2021-07-06

Similar Documents

Publication Publication Date Title
CN108196547B (en) Automatic driving system
US9922554B2 (en) Driving environment risk determination apparatus and driving environment risk notification apparatus
CN109421742B (en) Method and apparatus for monitoring autonomous vehicles
US11117575B2 (en) Driving assistance control system of vehicle
CN106043299B (en) Controller of vehicle
EP3644294B1 (en) Vehicle information storage method, vehicle travel control method, and vehicle information storage device
JP5267570B2 (en) Driving assistance device
US20180090005A1 (en) Method And Apparatus For Vulnerable Road User Incidence Avoidance
JP6866479B2 (en) Driving obstacle detection device and vehicle navigation system
CN106292432B (en) Information processing method and device and electronic equipment
US20170168483A1 (en) Method and device for receiving data values and for operating a vehicle
US20210221403A1 (en) Perception performance evaluation of a vehicle adas or ads
WO2016178613A1 (en) Device and method for managing communication for a vehicle
CN113734193A (en) System and method for estimating take over time
JP2013218377A (en) Vehicle mounted radio communication device
EP3608893A1 (en) Cooperative vehicle safety system and method
KR20220030232A (en) Apparatus and method For Warning a signal violation vehicle at intersection
JP2019174885A (en) Looking-away determination device, looking-away determination system, looking-away determination method, and program
JP2007095038A (en) System and method for determining host lane
CN108428366B (en) Driving assisting method and device
KR102290008B1 (en) Adas mode control device using driving route of vehicle
KR20210043066A (en) Intersection signal violation vehicle warning device and method
WO2015151192A1 (en) Information processing device, information processing method, and program for information processing
US20230132179A1 (en) Tow management systems and methods for autonomous vehicles
US20230079116A1 (en) Adaptive communication for a vehicle in a communication network

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant