KR102350197B1 - 주행경로 설정장치 및 주행경로 설정방법 - Google Patents

주행경로 설정장치 및 주행경로 설정방법 Download PDF

Info

Publication number
KR102350197B1
KR102350197B1 KR1020200020278A KR20200020278A KR102350197B1 KR 102350197 B1 KR102350197 B1 KR 102350197B1 KR 1020200020278 A KR1020200020278 A KR 1020200020278A KR 20200020278 A KR20200020278 A KR 20200020278A KR 102350197 B1 KR102350197 B1 KR 102350197B1
Authority
KR
South Korea
Prior art keywords
route
vehicle
driving
information
setting
Prior art date
Application number
KR1020200020278A
Other languages
English (en)
Other versions
KR20210106049A (ko
Inventor
박성민
이진희
쿠마 아재이
권순
황종락
Original Assignee
재단법인대구경북과학기술원
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 재단법인대구경북과학기술원 filed Critical 재단법인대구경북과학기술원
Priority to KR1020200020278A priority Critical patent/KR102350197B1/ko
Publication of KR20210106049A publication Critical patent/KR20210106049A/ko
Application granted granted Critical
Publication of KR102350197B1 publication Critical patent/KR102350197B1/ko

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
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R21/00—Arrangements or fittings on vehicles for protecting or preventing injuries to occupants or pedestrians in case of accidents or other traffic risks
    • B60R21/01—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents
    • B60R21/013—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents including means for detecting collisions, impending collisions or roll-over
    • B60R21/0134—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents including means for detecting collisions, impending collisions or roll-over responsive to imminent contact with an obstacle, e.g. using radar systems
    • 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
    • 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
    • B60W40/10—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 vehicle motion
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0268—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means
    • G05D1/0274—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means using mapping information stored in a memory device
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/20—Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles
    • 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
    • B60W2050/0001—Details of the control system
    • B60W2050/0019—Control system elements or transfer functions
    • B60W2050/0026—Lookup tables or parameter maps
    • 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
    • B60W2520/00—Input parameters relating to overall vehicle dynamics
    • B60W2520/10—Longitudinal speed
    • 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
    • B60W2554/00—Input parameters relating to objects
    • 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
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • 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
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/402—Type
    • B60W2554/4029—Pedestrians

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Mechanical Engineering (AREA)
  • Transportation (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Medical Informatics (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Human Computer Interaction (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Traffic Control Systems (AREA)

Abstract

본 출원은 주행경로 설정장치 및 주행경로 설정방법에 관한 것으로서, 본 발명의 일 실시예에 의한 주행경로 설정방법은 주행 중 자차가 획득한 측정정보 및 지도정보를 이용하여, 상기 자차의 주변에 위치하는 주변차량의 예상경로를 생성하는 단계; 및 자차의 주행정보, 지도정보 및 상기 주변차량의 예상경로를 이용하여, 자차의 주행경로를 설정하는 단계를 포함할 수 있다.

Description

주행경로 설정장치 및 주행경로 설정방법 {Apparatus and method for setting driving route}
본 출원은 주행경로 설정장치 및 주행경로 설정방법에 관한 것으로, 자율주행차량의 주행경로를 자동으로 설정할 수 있는 주행경로 설정장치 및 주행경로 설정방법에 관한 것이다.
자율주행자동차에 대한 관심이 커지면서 자율주행을 가능하게 해주는 기술들이 주목을 받고 있다. 운전자가 조작하지 않고 자동차가 스스로 움직이기 위해서는 ① 자동차 외부 환경을 인식하는 기술, ② 인식된 정보를 종합해 가속, 정지, 선회 등의 동작을 결정하고 주행 경로를 판단하는 기술, ③ 판단된 정보를 이용해 자동차의 움직임을 제어하는 기술 등이 필요하다. 자율주행이 되기 위해서는 모든 기술들이 유기적으로 결합돼야겠지만, 자동차의 외부 환경을 인식하는 기술이 점점 중요해지고 있다. 외부 환경을 인식하는 것이 자율주행의 첫 번째 요소일 뿐만 아니라, 외부 환경을 인식하기 위해서는 전기전자, IT기술과의 융합이 필요하기 때문이다.
외부 환경을 인식하는 기술은 크게 센서기반 인식기술과 연결기반 인식기술 두 가지로 분류될 수 있다. 자율주행을 위해 차량에 장착되는 센서는 초음파(Ultrasonic), 카메라(Camera), 레이다(Radar), 라이다(Lidar) 등이 있는데, 이들 센서들은 자동차에 장착되어 단독으로 또는 다른 센서와 같이 자동차의 외부 환경 및 지형을 인식하여 운전자와 차량에 정보를 제공한다.
자율주행을 위한 연결기반 인식기술은 V2X와 정밀 측위 기술이 있다. V2X는 Vehicle to Something의 약자로, 자동차간 통신하는 V2V(Vehicle to Vehicle), 인프라와 통신하는 V2I(Vehicle to Infrastructure), 보행자와 통신하는 V2P(Vehicle to Pedestrian) 등이 있다. V2X는 운행중인 자동차와 주위의 자동차, 교통 인프라, 보행자들을 연결해주는 무선 통신 기술이다. 연결된 통신망을 통해 자동차간 위치, 거리, 속도 등의 정보를 주고 받을수 있고, 주변의 교통 정보 및 보행자의 위치 등의 정보를 자동차에게 제공할 수 있다.
본 출원은, 딥러닝 모델을 이용하여, 다양한 상황에 대하여 확률적으로 주행판단을 수행하여 적응적으로 주행경로를 설정할 수 있는 주행경로 설정장치 및 주행경로 설정방법을 제공하고자 한다.
본 발명의 일 실시예에 의한 주행경로 설정방법은, 자율주행을 수행하는 자차(ego vehicle)의 주행경로 설정방법에 관한 것으로, 주행 중 자차가 획득한 측정정보 및 지도정보를 이용하여, 상기 자차의 주변에 위치하는 주변차량의 예상경로를 생성하는 단계; 및 자차의 주행정보, 지도정보 및 상기 주변차량의 예상경로를 이용하여, 자차의 주행경로를 설정하는 단계를 포함할 수 있다.
여기서 상기 예측경로를 생성하는 단계는, 자차의 센서부를 이용하여, 주변에 위치하는 객체들에 대한 분류정보, 객체위치정보 및 객체속도정보를 포함하는 상기 측정정보를 획득하는 단계; 상기 측정정보를 이용하여, 상기 주변차량을 검출하고, 상기 자차의 운행조건을 검증하는 단계; 및 상기 주변차량이 검출되고, 상기 운행조건에 대한 검증을 통과하면, 지도정보 및 상기 주변차량에 대한 측정정보를 예측모델에 입력하여, 상기 주변차량의 예상경로를 연산하는 단계를 포함할 수 있다.
여기서 상기 예측모델은, 복수의 측정정보 및 지도정보에 따른 주변차량들의 주행경로들을 기계학습기법으로 학습하여 생성할 수 있다.
여기서 상기 운행조건을 검증하는 단계는, 상기 주변차량이 검출되지 않으면, 상기 예상경로 생성을 중단할 수 있다.
여기서 상기 운행조건을 검증하는 단계는, 상기 운행조건이 검증을 통과하지 못하면 상기 자차를 정지시키되, 상기 운행조건은 교통신호가 주행신호에 해당하고, 동시에 도로 내 보행자가 미검출되는 경우일 수 있다.
여기서 상기 자차의 주행경로를 설정하는 단계는, 자차의 위치정보 및 속도정보를 포함하는 주행정보를 획득하는 단계; 상기 주행정보를 이용하여, 상기 자차의 경로정보를 도출하는 단계; 및 지도정보, 상기 경로정보 및 상기 예측경로를 경로설정모델에 입력하여, 복수의 후보경로 중에서 추천경로를 도출하고, 상기 추천경로로 상기 자차의 주행경로를 설정하는 단계를 포함할 수 있다.
여기서 상기 경로설정모델은, 자차가 주행가능한 복수의 후보경로들에 대하여, 각각의 경로정보, 지도정보 및 예측경로에 따른 사고확률을 기계학습기법으로 학습하여 생성할 수 있다.
여기서 상기 경로설정모델은, 상기 자차의 경로정보로부터 주행가능한 복수의 후보경로들을 추출하고, 상기 후보경로에 대한 각각의 사고확률을 연산한 후, 상기 사고확률이 가장 낮은 후보경로를 상기 추천경로로 도출할 수 있다.
여기서 상기 자차의 주행경로를 설정하는 단계는, 상기 추천경로의 사고확률이 설정값 이하이면, 상기 자차를 정지시킬 수 있다.
본 발명의 일 실시예에 의하면, 상술한 주행경로 설정방법을 실행하기 위하여 매체에 저장된 컴퓨터 프로그램이 존재할 수 있다.
본 발명의 일 실시예에 의한 주행경로 설정장치는, 자율주행을 수행하는 자차(ego vehicle)의 주행경로 설정장치에 관한 것으로, 주행 중 자차가 획득한 측정정보 및 지도정보를 이용하여, 주변에 위치하는 주변차량의 예상경로를 생성하는 경로예측부; 및 자차의 주행정보, 지도정보 및 상기 주변차량의 예상경로를 이용하여, 자차의 주행경로를 설정하는 경로설정부를 포함할 수 있다.
덧붙여 상기한 과제의 해결수단은, 본 발명의 특징을 모두 열거한 것이 아니다. 본 발명의 다양한 특징과 그에 따른 장점과 효과는 아래의 구체적인 실시형태를 참조하여 보다 상세하게 이해될 수 있을 것이다.
본 발명의 일 실시예에 의한 주행경로 설정장치 및 주행경로 설정방법에 의하면, 계층적 구조를 가지는 딥러닝 모델을 이용하여 주변환경에 따른 확률적 주행판단을 수행하므로, 돌발상황 등 다양한 상황에서 가장 사고확률이 낮은 주행경로를 적응적으로 설정할 수 있다.
다만, 본 발명의 일 실시예에 따른 주행경로 설정장치 및 주행경로 설정방법이 달성할 수 있는 효과는 이상에서 언급한 것들로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
도1은 본 발명의 일 실시예에 의한 자율주행차량의 주행경로 설정을 나타내는 개략도이다.
도2는 본 발명의 일 실시예에 의한 주행경로 설정장치를 나타내는 블록도이다.
도3은 본 발명의 일 실시예에 의한 경로예측부의 동작을 나타내는 개략도이다.
도4는 본 발명의 일 실시예에 의한 경로설정부의 동작을 나타내는 개략도이다.
도5는 본 발명의 일 실시예에 의한 경로설정모델의 추천경로 설정을 나타내는 개략도이다.
도6은 본 발명의 일 실시예에 의한 자율주행을 수행하는 자차의 주행경로 설정방법을 나타내는 순서도이다.
이하, 첨부된 도면을 참조하여 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있도록 바람직한 실시예를 상세히 설명한다. 다만, 본 발명의 바람직한 실시예를 상세하게 설명함에 있어, 관련된 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략한다. 또한, 유사한 기능 및 작용을 하는 부분에 대해서는 도면 전체에 걸쳐 동일한 부호를 사용한다.
덧붙여, 명세서 전체에서, 어떤 부분이 다른 부분과 '연결'되어 있다고 할 때, 이는 '직접적으로 연결'되어 있는 경우뿐만 아니라, 그 중간에 다른 소자를 사이에 두고 '간접적으로 연결'되어 있는 경우도 포함한다. 또한, 어떤 구성요소를 '포함'한다는 것은, 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있다는 것을 의미한다. 또한, 명세서에 기재된 "~부", "모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있다.
도1은 본 발명의 일 실시예에 의한 자율주행차량의 주행경로 설정을 나타내는 개략도이다. 도1을 참조하면, 자율주행차량(A)은 주변환경을 인식하여, 주행경로를 설정할 수 있으며, 설정된 주행경로에 따라 스스로 주행할 수 있다. 여기서, 자율주행차량(A)은 주행경로 설정을 위한 주행경로 설정장치(미도시)를 포함할 수 있다. 즉, 자율주행차량(A)은 주행경로 설정장치를 이용하여, 주행경로를 설정하도록 할 수 있다. 실시예에 따라서는, 자율주행차량 이외에, 운전자 보조 시스템(ADAS: Advanced Driver Assistance System)을 이용하는 차량에 주행경로 설정장치를 적용하여, 해당 차량에 대한 주행경로를 제공하도록 하는 것도 가능하다.
주행경로 설정장치는 자율주행차량(A) 또는 자체에 구비된 센싱부로부터 센싱정보를 수신할 수 있으며, 수신한 센싱정보를 이용하여 자차(ego vehicle, A)으로부터 소정 거리 내에 존재하는 주변차량(B)을 인식할 수 있다. 여기서, 주변차량(B)은 자차(A)와 동일한 차선 또는 상이한 차선을 주행하는 차량일 수 있으며, 경우에 따라서는 정차 중인 차량일 수도 있다.
자율주행차량 또는 주행경로 설정장치 내에 포함된 센싱부는, 이미지 센서(예컨대, 전방 스테레오 카메라, 어라운드 뷰 카메라 등), 라이다(LiDAR: Light Detecting And Ranging) 센서, 레이더(Radar: Radio Detecting And Ranging) 센서, 초음파 센서, 적외선 센서(예컨대, 열감지 적외선 카메라), 레이저 스캐너, 깊이 센서, 위치 센서(예컨대, GPS(Global Positioning System), DGPS(Differential GPS), 관성항법장치(INS: Inertial Navigation System)) 등을 포함할 수 있다.
도1을 참조하면, 자율주행차량(A)은 주행 중에 획득한 센싱정보 등을 이용하여, 자차(A)의 주행경로를 설정할 수 있다. 예를들어, 도1에 도시한 바와 같이, 자차(A)의 전방에 주변차량(B)이 존재하는 경우, 자차(A)는 주변차량(B)을 따라 직진하는 제1 주행경로(①), 주변차량(B)의 좌측으로 차선변경 후 추월하는 제2 주행경로(②) 및 주변차량(B)의 좌측 전방으로 차선변경 후 추월하는 제3 주행경로(③) 등을 고려할 수 있다. 여기서, 자율주행차량(A)은 주변차량(B)과, 인식한 주변환경 등을 고려하여, 가장 적절한 주행경로를 선택하여 주행할 수 있다.
종래의 자율주행차량의 경우, 주변환경 등이 미리 정의된 상황에 해당하면, 그에 대응하여 정해진 주행경로로 주행하도록 하였으므로, 자율주행차량의 주행경로 설정 알고리즘 구축시, 모든 주행상황을 정의한 후 각각의 주행상황에 대응하는 주행경로를 설정하도록 설계할 필요가 있었다. 그러나, 실제 주행시에는 예측하지 못한 상황 등이 발생할 수 있으므로, 주행 중 발생할 수 있는 다양한 상황에 대한 적절한 대처가 어려운 문제점이 존재하였다. 또한, 초기 설정한 주행경로 설정 알고리즘에 대한 지속적인 수정과 추가 작업이 필요하므로, 많은 시간과 인력이 소모되었다.
반면에, 본 발명의 일 실시예에 의한 주행경로 설정장치에 의하면, 딥러닝 모델을 이용하여, 다양한 상황에 대하여 확률적으로 주행판단을 수행하여 적응적으로 주행경로를 설정하여 안정적으로 주행하는 것이 가능하다. 또한, 본 발명의 일 실시예에 의한 주행경로 설정장치는, 주변차량(B)의 주행경로를 예측한 후, 이를 바탕으로 자차(A)의 주행경로를 설정하는 계층적 구조의 딥러닝 모델을 활용하므로, 보다 다양하고 돌발적인 상황에 대한 적절한 주행경로 설정이 가능하다. 이하, 도2를 참조하여 본 발명의 일 실시예에 의한 주행경로 설정장치를 설명한다.
도2는 본 발명의 일 실시예에 의한 주행경로 설정장치를 나타내는 블록도이다. 도2를 참조하면 본 발명의 일 실시예에 의한 주행경로 설정장치(100)는, 경로예측부(110) 및 경로설정부(120)를 포함할 수 있다.
경로예측부(110)는 주행 중 자차(A)가 획득한 측정정보 및 지도정보를 이용하여, 주변에 위치하는 주변차량(B)의 예상경로를 생성할 수 있다. 경로예측부(110)는 자차(A) 또는 주행경로 설정장치(100) 자체의 센서부(10)로부터 주변환경에 대한 측정정보를 수신할 수 있으며, 현재 주행 중인 도로에 대한 지도정보는 미리 저장하고 있을 수 있다. 여기서, 지도정보에는 자차(A)가 주행 중인 도로의 도로정보 등이 포함될 수 있다. 도로정보에는 각각의 도로의 링크, 각 링크의 속성, 각 링크별 교차로의 노드 리스트, 각 노드의 좌표 등이 포함될 수 있다. 또한, 각 링크의 속성에는 링크 ID, 링크 거리, 링크의 연결유형, 도로등급, 차선개수, 각각의 차선 ID 등이 포함될 수 있다.
구체적으로, 도3에 도시한 바와 같이, 경로예측부(110)는 먼저 센서부를 이용하여, 자차(A)의 주변에 위치하는 객체들에 대한 측정정보를 획득할 수 있다. 이때 측정정보에는 각각의 객체들에 대한 분류정보, 객체위치정보 및 객체속도정보 등이 포함될 수 있다. 즉, 자차(A)의 주변에 차량 등 객체가 위치하는지를 판별할 수 있으며, 객체가 검출된 경우 해당 객체가 차량인지, 보행자인지 등을 구별하여 분류정보를 생성할 수 있다. 여기서, 분류정보에는 각각의 차량을 승용차, 화물차, 버스 등으로 구별한 차량종류정보도 포함될 수 있다. 또한, 차량인 경우에는 해당 차량의 위치와 속도를 판별하여, 각각의 객체위치정보와 객체속도정보를 생성할 수 있다. 나아가, 측정정보에는 교통신호 등에 대한 정보도 포함될 수 있으며, 측정정보는 실시간으로 수집하거나, 일정한 시간간격마다 주기적으로 수집할 수 있다(S11).
이후, 경로예측부(110)는 측정정보를 바탕으로, 자차(A)에 대한 운행조건을 검증할 수 있으며(S12), 운행조건을 만족하지 못하는 경우에는 자차(A)를 정지시킬 수 있다(S13). 여기서, 운행조건은 교통신호가 주행신호에 해당하는지 여부, 도로 내에 보행자가 존재하는지 여부 등일 수 있다. 즉, 교통신호가 주행신호(파란불)이고, 동시에 도로 내 보행자가 미검출되는 경우에 한하여 운행조건을 만족하는 것으로 판단하고, 자차(A)를 주행하도록 할 수 있다. 반면에, 교통신호가 정지신호(빨간불)이거나, 도로 내 보행자가 존재하는 경우에는 자차(A)를 정지시켜 사고를 방지하도록 할 수 있다.
운행조건이 검증을 통과한 경우에는, 주변차량(B)의 검출여부를 확인할 수 있으며(S14), 주변차량(B)이 검출되지 않은 경우에는 예상경로 생성을 중단할 수 있다(S15). 즉, 주변차량(B)이 검출되지 않은 경우에는 주변차량(B)에 대한 예상경로를 생성할 필요가 없으므로, 예상경로 생성을 중단하고 다음 주기의 주행차량 검출 등을 대기할 수 있다.
반면에, 운행조건에 대한 검증을 통과하고(S14), 주변차량이 검출된 경우(S15)에는, 지도정보 및 주변차량에 대한 측정정보를 예측모델에 입력하여, 주변차량의 예상경로를 연산할 수 있다(S16).
여기서 예측모델은, 복수의 측정정보 및 지도정보에 따른 주변차량들의 주행경로들을 기계학습기법으로 학습하여 생성한 것일 수 있다. 실시예에 따라서는, 베이지안 신경망(Bayesian Neural Network) 기법을 이용하여 예측모델을 형성할 수 있으며, 자차(A)와 주변차량(B)의 위치를 미리 설정한 후, 각각의 상황에 대응하는 측정정보를 수집하는 지도학습(supervised learning) 기법 등을 활용하는 것도 가능하다. 이외에도 다양한 종류의 딥러닝 모델 등을 적용하여 예측모델을 구축할 수 있다.
예측모델에 각각의 지도정보와 측정정보를 입력하면, 대응하는 주변차량(B)의 예측경로를 추출될 수 있으며, 예를들어, 복수의 차선 중에서 주변차량(B)이 주행할 것으로 예측되는 차선에 대응하는 차선 ID가 예측경로로 추출될 수 있다.
경로설정부(120)는 자차(A)의 주행정보, 지도정보 및 주변차량(B)의 예상경로를 이용하여, 자차의 주행경로를 설정할 수 있다. 경로설정부(120)는 자차(A)의 ECU(Electronic Control Unit, 20)으로부터 자차(A)의 위치정보, 속도정보 등을 포함하는 주행정보를 획득할 수 있으며, 기존에 설정된 자차(A)의 주행경로에 대한 정보도 제공받을 수 있다.
이후, 도4에 도시한 바와 같이, 자차(A)의 위치정보, 속도정보, 기존 주행경로 등을 가공하여 전처리할 수 있으며(S21), 전처리된 정보들을 이용하여, 자차(A)의 경로정보를 도출할 수 있다(S24). 여기서, 자차(A의 경로정보는 현재 자차(A)의 전역경로(Global path)에 해당한다.
또한, 경로설정부(120)는 제공받은 지도정보(S22), 주변차량(B)의 예상경로(S23)와, 자차(A)의 경로정보(S24)를 경로설정모델(S25)에 입력할 수 있으며, 이를 통하여 복수의 후보경로들 중에서 추천경로를 도출할 수 있다.
구체적으로, 경로설정모델은 자차(A)가 주변차량(B)과의 관계에서 주행가능한 복수의 후보경로들을 추출할 수 있으며, 각각의 후보경로들에 대한 각각의 사고확률들을 연산할 수 있다. 이후, 사고확률이 가장 낮은 후보경로를 추천경로로 도출할 수 있으며, 경로설정부(120)는 해당 추천경로를 자차(A)의 주행경로로 설정할 수 있다.
예를들어, 도5에 도시한 바와 같이, 경로설정모델은 좌측으로 차선변경한 후 추월하는 제1 경로, 좌측 전방으로 차선변경한 후 추월하는 제2 경로, 주변차량(B)을 따라가는 제3 경로를, 각각 가속, 정속, 감속하는 9가지의 후보 경로를 추출할 수 있다. 여기서, 각각의 후보 경로들에 대한 사고확률은 각각의 우측에 표시한 바와 같이 연산될 수 있다. 이때, 경로설정모델은 각각의 경로 중에서 사고확률이 가장 낮은 경로를 추천경로로 설정할 수 있으며, 여기서는 도5(b)의 제1 경로로 정속 주행하는 후보 경로의 사고확률이 2%로 가장 낮음을 확인할 수 있다. 따라서, 경로설정모델은 도5(b)의 후보경로를 추천경로로 제공할 수 있으며, 경로설정부(120)는 해당 추천경로를 자차(A)의 주행경로로 설정할 수 있다.
추가적으로, 경로설정모델은 가능한 후보 경로 중에는 자차(A)를 정지시키는 경로도 포함할 수 있으나, 자차(A)를 정지시키는 경로는 전체 후보경로들의 사고확률이 설정값(예를들어, 10%) 이하인 경우에 한하여 선택가능하도록 할 수 있다. 일반적으로 자차(A)를 정지시키면 사고확률이 가장 낮은 것으로 판단될 수 있으나, 자차(A)가 정지하게 되면 목적지로의 이동이 불가하므로, 일반적으로는 자차(A)를 정지시키는 경로는 제외시킬 수 있다. 다만, 나머지 후보경로들의 사고확률이 모두 설정값 이상으로 높은 경우에는 주행의 안전이 보장되지 않으므로, 자차(A)를 일단 정지시켜 위험에서 벗어나도록 할 수 있다. 그러나, 실시예에 따라서는, 자차(A)를 정지하는 경우의 사고확률이 더 높은 경우도 존재할 수 있으므로, 이 경우에는 나머지 후보경로들의 사고확률이 설정값 이상인 경우에도 정지시키지 않고, 사고확률이 가장 낮은 후보경로를 추천경로로 설정할 수 있다.
한편, 경로설정모델은, 자차가 주행가능한 복수의 후보경로들에 대하여, 각각의 경로정보, 지도정보 및 예측경로에 따른 사고확률을 기계학습기법으로 학습하여 생성하는 것일 수 있다. 실시예에 따라서는, 베이지안 신경망(Bayesian Neural Network) 기법을 이용하여 예측모델을 형성할 수 있으며, 주변차량(B)의 주행경로와, 그에 따른 자차(A)의 각각의 주행경로에 따른 사고발생여부를 나타내는 학습데이터들을 이용하는 지도학습 기법 등을 활용할 수 있다. 여기서, 경로설정모델은 예측모델의 예상경로를 입력으로 하므로, 계층적 구조를 가지는 병렬적 모델로 경로설정모델을 구현할 수 있다.
도6은 본 발명의 일 실시예에 의한 자율주행을 수행하는 자차(ego vehicle)의 주행경로 설정방법을 나타내는 순서도이다.
도6을 참조하면, 자율주행차량은 주행 중 자차가 획득한 측정정보 및 지도정보를 이용하여, 자차의 주변에 위치하는 주변차량의 예상경로를 생성할 수 있다(S110). 자율주행차량은, 자차의 센서부로부터 주변환경에 대한 측정정보를 수신할 수 있으며, 현재 주행 중인 도로에 대한 지도정보는 미리 저장하고 있을 수 있다. 여기서, 지도정보에는 자차가 주행 중인 도로의 도로정보 등이 포함될 수 있다. 도로정보에는 각각의 도로의 링크, 각 링크의 속성, 각 링크별 교차로의 노드 리스트, 각 노드의 좌표 등이 포함될 수 있다. 또한, 각 링크의 속성에는 링크 ID, 링크 거리, 링크의 연결유형, 도로등급, 차선개수, 각각의 차선 ID 등이 포함될 수 있다.
구체적으로, 자율주행차량은 먼저 센서부를 이용하여, 자차의 주변에 위치하는 객체들에 대한 측정정보를 획득할 수 있다. 이때 측정정보에는 각각의 객체들에 대한 분류정보, 객체위치정보 및 객체속도정보 등이 포함될 수 있다. 즉, 자차의 주변에 차량 등 객체가 위치하는지를 판별할 수 있으며, 객체가 검출된 경우 해당 객체가 차량인지, 보행자인지 등을 구별하여 분류정보를 생성할 수 있다. 여기서, 분류정보에는 각각의 차량을 승용차, 화물차, 버스 등으로 구별한 차량종류정보도 포함될 수 있다. 또한, 차량인 경우에는 해당 차량의 위치와 속도를 판별하여, 각각의 객체위치정보와 객체속도정보를 생성할 수 있다. 나아가, 측정정보에는 교통신호 등에 대한 정보도 포함될 수 있으며, 측정정보는 실시간으로 수집하거나, 일정한 시간간격마다 주기적으로 수집할 수 있다.
이후, 자율주행차량은 측정정보를 바탕으로, 자차에 대한 운행조건을 검증할 수 있으며, 운행조건을 만족하지 못하는 경우에는 자차를 정지시킬 수 있다. 여기서, 운행조건은 교통신호가 주행신호에 해당하는지 여부, 도로 내에 보행자가 존재하는지 여부 등일 수 있다. 즉, 교통신호가 주행신호(파란불)이고, 동시에 도로 내 보행자가 미검출되는 경우에 한하여 운행조건을 만족하는 것으로 판단하고, 자차를 주행하도록 할 수 있다. 반면에, 교통신호가 정지신호(빨간불)이거나, 도로 내 보행자가 존재하는 경우에는 자차를 정지시켜 사고를 방지하도록 할 수 있다.
운행조건이 검증을 통과한 경우에는, 주변차량의 검출여부를 확인할 수 있으며, 주변차량이 검출되지 않은 경우에는 예상경로 생성을 중단할 수 있다. 즉, 주변차량이 검출되지 않은 경우에는 주변차량에 대한 예상경로를 생성할 필요가 없으므로, 예상경로 생성을 중단하고 다음 주기의 주행차량 검출 등을 대기할 수 있다.
반면에, 운행조건에 대한 검증을 통과하고, 주변차량이 검출된 경우에는, 지도정보 및 주변차량에 대한 측정정보를 예측모델에 입력하여, 주변차량의 예상경로를 연산할 수 있다.
여기서 예측모델은, 복수의 측정정보 및 지도정보에 따른 주변차량들의 주행경로들을 기계학습기법으로 학습하여 생성한 것일 수 있다. 실시예에 따라서는, 베이지안 신경망(Bayesian Neural Network) 기법을 이용하여 예측모델을 형성할 수 있으며, 자차와 주변차량의 위치를 미리 설정한 후, 각각의 상황에 대응하는 측정정보를 수집하는 지도학습 기법 등을 활용하는 것도 가능하다. 이외에도 다양한 종류의 딥러닝 모델 등을 적용하여 예측모델을 구축할 수 있다.
예측모델에 각각의 지도정보와 측정정보를 입력하면, 대응하는 주변차량의 예측경로를 추출될 수 있으며, 예를들어, 복수의 차선 중에서 주변차량이 주행할 것으로 예측되는 차선에 대응하는 차선 ID가 예측경로로 추출될 수 있다.
자율주행차량은, 자차의 주행정보, 지도정보 및 주변차량의 예상경로를 이용하여, 자차의 주행경로를 설정할 수 있다(S120). 자율주행차량은 자차의 ECU(Electronic Control Unit)으로부터 자차의 위치정보, 속도정보 등을 포함하는 주행정보를 획득할 수 있으며, 기존에 설정된 자차의 주행경로에 대한 정보도 제공받을 수 있다.
이후, 자차의 위치정보, 속도정보, 기존 주행경로 등을 가공하여 전처리할 수 있으며, 전처리된 정보들을 이용하여, 자차의 경로정보를 도출할 수 있다. 여기서, 자차의 경로정보는 현재 자차의 전역경로(Global path)에 해당한다.
또한, 자율주행차량은 제공받은 지도정보, 주변차량의 예상경로와, 자차의 경로정보를 경로설정모델에 입력할 수 있으며, 이를 통하여 복수의 후보경로들 중에서 추천경로를 도출할 수 있다.
구체적으로, 경로설정모델은 자차가 주변차량과의 관계에서 주행가능한 복수의 후보경로들을 추출할 수 있으며, 각각의 후보경로들에 대한 각각의 사고확률들을 연산할 수 있다. 이후, 사고확률이 가장 낮은 후보경로를 추천경로로 도출할 수 있으며, 해당 추천경로를 자차의 주행경로로 설정할 수 있다.
여기서, 경로설정모델은 가능한 후보 경로 중에는 자차를 정지시키는 경로도 포함할 수 있으나, 자차를 정지시키는 경로는 전체 후보경로들의 사고확률이 설정값(예를들어, 10%) 이하인 경우에 한하여 선택가능하도록 할 수 있다. 일반적으로 자차를 정지시키면 사고확률이 가장 낮은 것으로 판단될 수 있으나, 자차가 정지하게 되면 목적지로의 이동이 불가하므로, 일반적으로는 자차를 정지시키는 경로는 제외시킬 수 있다. 다만, 나머지 후보경로들의 사고확률이 모두 설정값 이상으로 높은 경우에는 주행의 안전이 보장되지 않으므로, 자차를 일단 정지시켜 위험에서 벗어나도록 할 수 있다.
한편, 경로설정모델은, 자차가 주행가능한 복수의 후보경로들에 대하여, 각각의 경로정보, 지도정보 및 예측경로에 따른 사고확률을 기계학습기법으로 학습하여 생성하는 것일 수 있다. 실시예에 따라서는, 베이지안 신경망(Bayesian Neural Network) 기법을 이용하여 예측모델을 형성할 수 있으며, 주변차량의 주행경로와, 그에 따른 자차의 각각의 주행경로에 따른 사고발생여부를 나타내는 학습데이터들을 이용하는 지도학습 기법 등을 활용할 수 있다. 여기서, 경로설정모델은 예측모델의 예상경로를 입력으로 하므로, 계층적 구조를 가지는 병렬적 모델로 경로설정모델을 구현할 수 있다.
전술한 본 발명은, 프로그램이 기록된 매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 매체는, 컴퓨터로 실행 가능한 프로그램을 계속 저장하거나, 실행 또는 다운로드를 위해 임시 저장하는 것일 수도 있다. 또한, 매체는 단일 또는 수개 하드웨어가 결합된 형태의 다양한 기록수단 또는 저장수단일 수 있는데, 어떤 컴퓨터 시스템에 직접 접속되는 매체에 한정되지 않고, 네트워크 상에 분산 존재하는 것일 수도 있다. 매체의 예시로는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium), 및 ROM, RAM, 플래시 메모리 등을 포함하여 프로그램 명령어가 저장되도록 구성된 것이 있을 수 있다. 또한, 다른 매체의 예시로, 애플리케이션을 유통하는 앱 스토어나 기타 다양한 소프트웨어를 공급 내지 유통하는 사이트, 서버 등에서 관리하는 기록매체 내지 저장매체도 들 수 있다. 따라서, 상기의 상세한 설명은 모든 면에서 제한적으로 해석되어서는 아니되고 예시적인 것으로 고려되어야 한다. 본 발명의 범위는 첨부된 청구항의 합리적 해석에 의해 결정되어야 하고, 본 발명의 등가적 범위 내에서의 모든 변경은 본 발명의 범위에 포함된다.
본 발명은 전술한 실시예 및 첨부된 도면에 의해 한정되는 것이 아니다. 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 있어, 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 본 발명에 따른 구성요소를 치환, 변형 및 변경할 수 있다는 것이 명백할 것이다.
10: 센서부 20: ECU(Electronic Control Unit)
100: 주행경로 설정장치 110: 경로예측부
120: 경로설정부

Claims (11)

  1. 자율주행을 수행하는 자차(ego vehicle)의 주행경로 설정방법에 있어서,
    주행 중 자차가 획득한 측정정보 및 지도정보를 이용하여, 상기 자차의 주변에 위치하는 주변차량의 예상경로를 생성하는 단계; 및
    자차의 주행정보, 지도정보 및 상기 주변차량의 예상경로를 이용하여, 자차의 주행경로를 설정하는 단계를 포함하고,
    상기 자차의 주행경로를 설정하는 단계는
    자차의 위치정보 및 속도정보를 포함하는 주행정보를 획득하는 단계;
    상기 주행정보를 이용하여, 상기 자차의 경로정보를 도출하는 단계; 및
    지도정보, 상기 경로정보 및 상기 예상경로를 경로설정모델에 입력하여, 복수의 후보경로들 중에서 추천경로를 도출하고, 상기 추천경로로 상기 자차의 주행경로를 설정하는 단계를 포함하고,
    상기 경로설정모델은
    자차가 주행가능한 복수의 후보경로들에 대하여, 각각의 경로정보, 지도정보 및 예상경로에 따른 사고확률을 기계학습기법으로 학습하여 생성하되, 상기 자차의 경로정보로부터 주행가능한 복수의 후보경로들로서, 적어도 서로 다른 제1 경로, 제2 경로 및 제3 경로를, 각각 가속, 정속, 감속하며 이동하는 적어도 9가지의 후보 경로를 추출하고, 상기 후보경로들에 대한 각각의 사고확률을 연산한 후, 상기 사고확률이 가장 낮은 후보경로를 상기 추천경로로 도출하는 것을 특징으로 하는 주행경로 설정방법.
  2. 제1항에 있어서, 상기 예상경로를 생성하는 단계는
    자차의 센서부를 이용하여, 주변에 위치하는 객체들에 대한 분류정보, 객체위치정보 및 객체속도정보를 포함하는 상기 측정정보를 획득하는 단계;
    상기 측정정보를 이용하여, 상기 주변차량을 검출하고, 상기 자차의 운행조건을 검증하는 단계; 및
    상기 주변차량이 검출되고, 상기 운행조건에 대한 검증을 통과하면, 지도정보 및 상기 주변차량에 대한 측정정보를 예측모델에 입력하여, 상기 주변차량의 예상경로를 연산하는 단계를 포함하는 주행경로 설정방법.
  3. 제2항에 있어서, 상기 예측모델은
    복수의 측정정보 및 지도정보에 따른 주변차량들의 주행경로들을 기계학습기법으로 학습하여 생성하는 것을 특징으로 하는 주행경로 설정방법.
  4. 제2항에 있어서, 상기 운행조건을 검증하는 단계는
    상기 주변차량이 검출되지 않으면, 상기 예상경로 생성을 중단하는 것을 특징으로 하는 주행경로 설정방법.
  5. 제2항에 있어서, 상기 운행조건을 검증하는 단계는
    상기 운행조건이 검증을 통과하지 못하면 상기 자차를 정지시키되,
    상기 운행조건은 교통신호가 주행신호에 해당하고, 동시에 도로 내 보행자가 미검출되는 경우인 것을 특징으로 하는 주행경로 설정방법.
  6. 삭제
  7. 삭제
  8. 제1항에 있어서, 상기 자차의 주행경로를 설정하는 단계는
    상기 후보경로들의 사고확률이 모두 설정값 이상이면, 상기 자차를 정지시키되, 상기 자차를 정지시킬 때 사고확률이 더 높을 경우, 상기 자차를 정지시키지 않고, 상기 후보경로들 중 사고확률이 가장 낮은 후보경로를 추천경로로 설정하는 것을 특징으로 하는 주행경로 설정방법.
  9. 제1항에 있어서, 상기 자차의 주행경로를 설정하는 단계는
    상기 추천경로의 사고확률이 설정값 이상이면, 상기 자차를 정지시키는 것을 특징으로 하는 주행경로 설정방법.
  10. 하드웨어와 결합되어, 제1항 내지 제5항, 제8항, 제9항 중 어느 한 항의 주행경로 설정방법을 실행하기 위하여 매체에 저장된 컴퓨터 프로그램.
  11. 자율주행을 수행하는 자차(ego vehicle)의 주행경로 설정장치에 있어서,
    주행 중 자차가 획득한 측정정보 및 지도정보를 이용하여, 주변에 위치하는 주변차량의 예상경로를 생성하는 경로예측부; 및
    자차의 주행정보, 지도정보 및 상기 주변차량의 예상경로를 이용하여, 자차의 주행경로를 설정하는 경로설정부를 포함하고,
    상기 경로설정부는
    자차의 위치정보 및 속도정보를 포함하는 주행정보를 획득하고, 상기 주행정보를 이용하여, 상기 자차의 경로정보를 도출하고, 지도정보, 상기 경로정보 및 상기 예상경로를 경로설정모델에 입력하여, 복수의 후보경로들 중에서 추천경로를 도출하고, 상기 추천경로로 상기 자차의 주행경로를 설정하고,
    상기 경로설정모델은
    자차가 주행가능한 복수의 후보경로들에 대하여, 각각의 경로정보, 지도정보 및 예상경로에 따른 사고확률을 기계학습기법으로 학습하여 생성하되, 상기 자차의 경로정보로부터 주행가능한 복수의 후보경로들로서, 적어도 서로 다른 제1 경로, 제2 경로 및 제3 경로를, 각각 가속, 정속, 감속하며 이동하는 적어도 9가지의 후보 경로를 추출하고, 상기 후보경로들에 대한 각각의 사고확률을 연산한 후, 상기 사고확률이 가장 낮은 후보경로를 상기 추천경로로 도출하는 주행경로 설정장치.
KR1020200020278A 2020-02-19 2020-02-19 주행경로 설정장치 및 주행경로 설정방법 KR102350197B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200020278A KR102350197B1 (ko) 2020-02-19 2020-02-19 주행경로 설정장치 및 주행경로 설정방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200020278A KR102350197B1 (ko) 2020-02-19 2020-02-19 주행경로 설정장치 및 주행경로 설정방법

Publications (2)

Publication Number Publication Date
KR20210106049A KR20210106049A (ko) 2021-08-30
KR102350197B1 true KR102350197B1 (ko) 2022-01-12

Family

ID=77502019

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200020278A KR102350197B1 (ko) 2020-02-19 2020-02-19 주행경로 설정장치 및 주행경로 설정방법

Country Status (1)

Country Link
KR (1) KR102350197B1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116878531B (zh) * 2023-07-14 2024-03-12 山东科技大学 基于道路资源预测的智能导航方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180075745A1 (en) 2016-09-15 2018-03-15 Volkswagen Ag Method for providing information about a vehicle's anticipated driving intention
US20180292833A1 (en) 2017-04-05 2018-10-11 Hyundai Motor Company Autonomous driving control system and control method using the same
JP2019106049A (ja) 2017-12-13 2019-06-27 株式会社豊田中央研究所 車両制御装置、リスクマップ生成装置、及びプログラム

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102215325B1 (ko) * 2017-02-28 2021-02-15 현대자동차주식회사 차량의 위치 추정 장치 및 방법과 이를 이용한 차량
KR102007249B1 (ko) * 2017-12-08 2019-08-06 현대모비스 주식회사 자율 주행 장치, 방법 및 시스템
KR102463720B1 (ko) * 2017-12-18 2022-11-07 현대자동차주식회사 차량의 경로 생성 시스템 및 방법

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180075745A1 (en) 2016-09-15 2018-03-15 Volkswagen Ag Method for providing information about a vehicle's anticipated driving intention
US20180292833A1 (en) 2017-04-05 2018-10-11 Hyundai Motor Company Autonomous driving control system and control method using the same
JP2019106049A (ja) 2017-12-13 2019-06-27 株式会社豊田中央研究所 車両制御装置、リスクマップ生成装置、及びプログラム

Also Published As

Publication number Publication date
KR20210106049A (ko) 2021-08-30

Similar Documents

Publication Publication Date Title
CN112368662B (zh) 用于自主运载工具操作管理的定向调整动作
JP6822564B2 (ja) 車両用情報記憶方法、車両の走行制御方法、及び車両用情報記憶装置
JP7098883B2 (ja) 車両の制御方法及び装置
US9494438B1 (en) System and method for verifying map data for a vehicle
JP6838241B2 (ja) 移動体挙動予測装置
EP3971526B1 (en) Path planning in autonomous driving environments
WO2019089015A1 (en) Autonomous vehicle operation with explicit occlusion reasoning
WO2019030916A1 (ja) 車線情報管理方法、走行制御方法及び車線情報管理装置
CN103158705A (zh) 用于控制本车的方法和***
JP7247042B2 (ja) 車両制御システム、車両制御方法、及びプログラム
CN110568847B (zh) 一种车辆的智能控制***、方法，车载设备和存储介质
US10836405B2 (en) Continual planning and metareasoning for controlling an autonomous vehicle
US20220327935A1 (en) Systems and methods for cooperatively managing mixed traffic at an intersection
CN110562269A (zh) 一种智能驾驶车辆故障处理的方法、车载设备和存储介质
CN113734193A (zh) 用于估计接管时间的***和方法
JP7035204B2 (ja) 車両制御装置、自動運転車開発システム、車両制御方法、およびプログラム
KR102350197B1 (ko) 주행경로 설정장치 및 주행경로 설정방법
US20210206392A1 (en) Method and device for operating an automated vehicle
US20200035093A1 (en) Systems and methods for managing vehicles using pattern recognition
CN110599790B (zh) 一种智能驾驶车辆进站停靠的方法、车载设备和存储介质
US20220270356A1 (en) Platform for perception system development for automated driving system
KR20190115435A (ko) 차량용 전자 장치 및 차량용 전자 장치의 동작 방법
KR102366073B1 (ko) 주행경로 설정장치 및 주행경로 설정방법
US20240140472A1 (en) Data Determining Interface for Vehicle Decision-Making
US12030509B1 (en) Realism in log-based simulations

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant