KR20080053302A - 자동차와 보행자 사이의 충돌 예측 방법 및 시스템 - Google Patents

Abstract

본 발명은, 자동차와 감지된 이동하는 보행자 사이의 충돌 예측 방법에 관한 것이다. 본 발명은, 몬테 카를로 방법에 따른 자동차와 보행자의 경로(trajectory)들의 쌍들을 나타내는 N 파티클(particle)들을 생성하고, 그 다음으로 각각의 파티클의 결과를 평가한다. 여기서, 상기 파티클 상태 공간은 가변하는 중요성의 영역들로 분할되고, 상기 중요성은 각 파티클에 따른 상기 관심 사항(interest)과 직접적으로 관련된 숫자 값에 의해서 정의되고, 그것의 현재의 운동 상태에 의존하고, 그리고 예측된 비충돌(non-impact) 경우에서, 상기 방법은 이전 순간에서 그것의 중요성(significance)에 대하여 상기 현재 상태에서 상기 파티클의 중요성의 상기 비율(β)을 계산하여, 그 중요성이 증가하고 있는 파티클의 경우, 새로운 중량이 할당된(assigned) 각각의 파티클들에 대하여, 1 보다 큰 정수 n으로 그것의 규모를 축소하는 경우인지 결정하고, 그 중요성이 감소하고 있는 파티클의 경우, 상기 중요성 비율의 함수로서 그것을 제거하고, 그것의 생존 개연성이 상기 중요성 비율(β)과 동일한 경우인지를 결정하여, 충돌의 상기 개연성(probabilistic)과 상기 예측된 충돌의 특성들을 N 파티클들의 세트의 상기 결과상에 통계를 적용함으로써 구해지는 것을 특징으로 한다.

Description

자동차와 보행자 사이의 충돌 예측 방법 및 시스템{Method and system for predicting the impact between a vehicle and a pedestrian}

본 발명은 보행자의 안전을 향상시키는 것을 목적으로 하는, 자동차와 이동하는 보행자 사이의 충돌을 예측하는 방법에 관한 것이다. 더욱 상세하게는, 본 발명은 충돌 방지(pre-crash) 타입의 보행자를 보호하기 위한 시스템에 적용된다. 상기 시스템은, 자동차의 전방 근처에서 감지된 보행자와의 충돌 이전에 비상 제동(emergency braking) 또는 자동차의 경로(trajectory)의 변경과 같은 적절한 대응(counter-measure)을 유발한다. 이것은 또한 상술한 방법을 수행하기 위한 차내(onboard) 시스템에 관한 것이다.

보행자 충돌 방지 시스템은, 예측된 충돌을 피하기 위하여 또는 그 결과를 제한하기 위하여 적절한 반응을 유발함으로써, 수백 밀리 초에서 일 초 사이의 매우 짧은 시간 간격 동안 충돌의 위험을 평가하여 자동차-보행자 충돌을 예측할 수 있어야 한다.

이 시스템은, 자동차-보행자 충돌이 두 개의 시간 t₀와 t₀+ΔT 사이에서 발 생할 위험을 평가하기 위해서, 자동차의 동적인 상태, 그 엔진 회전수, 운전자의 다양한 컨트롤들의 위치, 그 크기, 그 위치 또는 그 속도와 같은 감지된 보행자 또는 보행자들의 정보에 관한 정보를 수신한다.

프랑스 특허 출원 FR 2 864673에 기술된 바와 같이, 개연성(probabilistic) 타입의 충돌 예측 방법과 관련하여, 현실적이고 적절한 모델들에 기초하여 자동차와 보행자의 장래의 경로를 만드는 것이 필요하다. 그리고 나서, 각 시간 단계의 증가에 따라, 각각의 상태 변수가, 상기 위험을 정량화(quantify)하도록 개연성이 결합된 한 세트의 값을 취하도록 간주함으로써, 충돌이 발생하는지 아닌지 테스트하는 것이 필요하다. 이러한 정량화(quantification)는 몬테 카를로 시뮬레이션(Monte Carlo simulation)에 의해서 수행될 수 있다. 이것은 예를 들어, "지적인(intelligent) 몬테 카를로 시뮬레이션(Monte Carlo simulation)과 모순 민감성(discrepancy sensitivity)"이라는 제목으로, 하기하는 공개 참조 자료와 함께 공개된, E.A. JOHNSON, L.A. BERGMAN 및 B. F.SPENCER에 의한 본문에 기술되어 있다: P.D.Spanos (ed.), Computational Stochastic Mechanics, Balkema, Rotterdam, 1999, 31-39.

이러한 정량화(quantification)는 다음을 포함한다:

- 상기 시스템의 장애물들을 감지하기 위해 상기 센서에 의해 수행되는 상기 측정과 평가에 의존하는 상기 파티클들의 상태인, 상기 충돌 특성들을 평가하고자 하는 상황을 기원으로 하는, 자동차와 보행자 경로들의 쌍에 대응하는 초기 개수 N의 파티클들을 묘사,

- 상기 파티클(particle)의 경로들을 예측,

- 그리고 각각의 이산 시간 단계(discrete timestep)를 위한, 상기 자동차와 상기 보행자에 대응하는 각 파티클 사이에 충돌이 있을지 여부에 대한 테스트.

단순한 몬테 카를로 시뮬레이션의 경우, 경로들의 쌍에 대응하는 각각의 N 파티클 i는, 상기 시뮬레이션의 기간 ΔT 동안, 모든 파티클 세트에 걸쳐 균일한, 중량 p = 1/N로 정해진다. 상기 순간 t₀와 t₀+ΔT 사이의 충격량 P_impact의 개연성을 평가하기 위하여, 상기 시뮬레이션이 충돌에서 종료하도록 그 파티클들에 할당된 상기 중량들을 합산하는 것을 만족시킨다. 충돌 전의 상기 시간은 충돌을 종료하는 상기 경로들의 충돌 이전의 상기 시간들의 평균에 의해 평가될 수 있다. 상기 보행자의 경로의 전개에 따르는 불확실성들(uncertainties)은 상기 개연성의 분배(distribution)에 의해 정량화된다. 다수의 시나리오들이 의사 무작위 추출(pseudo-random) 숫자 발생기의 도움으로 상기 시뮬레이션 기간 동안 만들어지고, 경로들 또는 파티클 각 쌍의 상기 결과는 평가된다. 충돌 이벤트에서, 상기 특성들은 저장되고, 경로들의 상기 세트의 결과상의 통계학의 적용은 상기 충돌, 즉 충돌 전의 시간, 충돌 영역(zone), 충돌 속도 및 충돌 개연성을 묘사하는 다양한 데이터의 분배를 평가하는 것이 가능하도록 한다.

몬테 카를로 시뮬레이션을 사용하는 현재의 개연성 충돌 예측 과정의 단점은, 상기 결과들의 정확성을 희생하지 않고, 그 실시간(real-time) 사용을 방해하는, 전원을 필요로 하는 상기 계산에 의해 수행된다는 것이다. 더욱이, 네 개의 이산 상태들에 기초한, 인용된 종래 기술에서 개발된 보행자 경로 모델에서, 경로들의 수 N이 100 이상이면, 이러한 예측 방법은 실시간 수행을 버틸 수 없다.

본 발명의 목적은 개연성 타입의 자동차와 보행자 간 충돌의 발전된 예측을 제공하는 것이다.

이러한 목적을 위하여, 본 발명의 제1 주제는 그 충돌 특성들이 평가될 수 있는 상황을 기준으로 하여, 여러 분리된 상태들을 가지는 자동차 모델과 보행자 모델, 상기 자동차와 상기 보행자의 초기 위치들과 그것들 각각의 운동 상태들(kinematic states)에 관한 정보를 기초로 하는, 자동차와 보행자의 경로(trajectory)들의 쌍들을 나타내는 N 파티클(particle)들을 생성하는 단계와, 그 다음으로 각각의 파티클의 결과를 평가하는 단계를 포함하는, 자동차와 감지된 이동하는 보행자 사이의 충돌 예측 방법에 있어서, 상기 파티클 상태 공간은 가변하는 중요성의 영역들로 분할되고, 상기 중요성은 각 파티클에 따른 상기 관심 사항(interest)과 직접적으로 관련된 숫자 값에 의해서 정의되고, 그것의 현재의 운동 상태에 의존하고, 그리고 예측된 비충돌(non-impact) 경우에서, 상기 방법은 이전 순간에서 그것의 중요성(significance)에 대하여 상기 현재 상태에서 상기 파티클의 중요성의 상기 비율(β)을 계산하여, 그 중요성이 증가하고 있는 파티클의 경우, 새로운 중량이 할당된(assigned) 각각의 파티클들에 대하여, 1 보다 큰 정수 n으로 그것의 규모를 축소하는 경우인지 결정하고, 그 중요성이 감소하고 있는 파티클의 경우, 상기 중요성 비율의 함수로서 그것을 제거하고, 그것의 생존 개연성이 상기 중요성 비율(β)과 동일한 경우인지를 결정하여, 충돌의 상기 개연성(probabilistic)과 상기 예측된 충돌의 특성들을 N 파티클들의 세트의 상기 결과상에 통계를 적용함으로써 구해지는 것을 특징으로 하는, 자동차와 감지된 이동하는 보행자 사이의 충돌 예측 방법이다.

유용하게, 본 발명에 따라, 상기 자동차-보행자 충돌 예측 계산은 실시간 결과를 제공한다.

충돌 예측의 상기 방법의 다른 특성에 따라, 상기 자동차의 전방에 결합된 순간적인(instantaneous) 정규직교 참조 프레임(orthonormal reference frame)에 따라, 상기 자동차의 전방의 중요성 영역들 내에서 상기 공간의 상기 분할은, 상기 자동차와 상기 보행자 사이의 상기 상대적인 거리에 기초하여 수행되고, 상기 자동차의 상기 범퍼의 가운데에 중심이 있고 그 직경이 상기 범퍼인, 환형의(circular annuli) 형태로 상기 중요성 영역들을 형성하는 것을 특징으로 한다.

충돌 예측의 상기 방법의 다른 특성에 따라, 상기 자동차 전방의 중요성 영역들에서 상기 공간의 상기 분할은, 상기 자동차 전방에 결합된 순간적인(instantaneous) 정규직교 참조 프레임(orthonormal reference frame)에 따라, 상기 자동차에 기인한 상기 상대 속도의 길이 방향 요소와 상기 보행자의 그것이라고 간주되는 그 가로 방향 요소에 기초하여 수행되고, 상기 자동차의 상기 범퍼의 상기 가운데에 중심이 있고, 상기 세로 축(ordinate axis) 상의 세미 마이너 축(semi minor axis)과 상기 횡 축(abscissa axis) 상의 세미 메이저 축(semi major axis)을 갖는, 타원형(ellipse)들의 형태로 상기 중요성 영역들이 형성되는 것을 특징으로 한다.

충돌 예측의 상기 방법의 다른 특성에 따라, 상기 자동차 전방의 중요성 영역들에서 상기 공간의 상기 분할은, 상기 자동차 전방에 결합된 순간적인(instantaneous) 정규직교 참조 프레임(orthonormal reference frame)에 따라, 필수적으로 상기 시뮬레이션의 각각의 순간 (t_i)에서, 상기 보행자의 상기 세로 방향 위치가 상기 자동차의 상기 전면과 평평하도록, 상기 파티클의 상기 생존기간 (τ) 또는 추월(overtaking) 전 시간의 값에 따라 수행되고, 이 생존기간 (τ)가 더 짧아질수록, 상기 영역의 상기 중요성은 더 커지고, 오직 상기 보행자의 상기 세로 방향 위치 (x)와 그의 속도 (v_p)만이 고려되고, 상기 중요성 영역들은 상기 세로 축(ordinate axis)과 평행한 밴드(band)의 형태로 형성되는 것을 특징으로 한다.

충돌 예측의 상기 방법의 다른 특성에 따라, 상기 자동차 전방의 중요성 영역들에서 상기 공간의 상기 분할은, 상기 자동차 전방에 결합된 순간적인(instantaneous) 정규직교 참조 프레임(orthonormal reference frame)에 따라, 상기 자동차의 상기 참조 프레임의 상기 축들(Ox와 Oy)에 의해 형성되는 상기 평면에서 상기 보행자의 상기 각 위치(angular position)를 고려함으로써 수행되고, 상기 세로 방향 위치 (x)에 대한 상기 가로 방향 위치 (y)의 상기 비율에서 구해지고, 상기 중요성 영역들은 원점 (O)의 부채꼴(sector)들의 형태로 형성되고, 상기 횡 방향 축 (Ox), 이 두 개의 위치들의 상기 비율의 상기 아크 탄젠트(arc tangent)와 동일한 각 (θ): θ = arc tan (y/x) 에 대하여 만들어지는 것을 특징으로 한다.

충돌 예측의 상기 방법의 다른 특성에 따라, 상기 자동차 전방의 중요성 영역들에서 상기 공간의 상기 분할은, 상기 자동차 전방에 결합된 순간적인(instantaneous) 정규직교 참조 프레임(orthonormal reference frame)에 따라, 상기 자동차에 대한 상기 보행자의 상기 상대 속도의 상기 방향에 기초하여 수행되고, 그것의 가로 속도에 대한 그것의 세로 속도의 비율의 아크 탄젠트에 의하여, 또는 상기 자동차의 속도 (V_veh)에 대한 상기 보행자의 속도 (V_ped)의 상기 비율의 상기 아크 탄젠트에 의하여 구해지고:

α = arc tan (V_ped/V_veh),

상기 중요성 영역들은, 상기 횡 방향 축 (Ox) 상의 높이와 상기 가로 축 (Oy)에 기초하고, 상기 자동차의 속도에 대한 상기 보행자의 속도의 상기 비율의 상기 아크 탄젠트에 의하여 정의되는 최고점에서 각 (α)인 이등변 삼각형(isoscele triangles)의 형태로 형성되는 것을 특징으로 한다:

α = arc tan (V_ped/V_veh).

다른 특성에 따라, 충돌 예측의 상기 방법은 다음 단계들을 포함한다:

- 상기 자동차의 초기 운동 상태 (initial kinematic state) [E_v(t₀)]와 상기 보행자의 초기 운동 상태 [E_p(t₀)]를 결정하고, 다음으로 각각 중량 (p_i)를 할당받고, 순간 (t_i)에서 상기 자동차와 상기 보행자를 위해, 그리고 시뮬레이트 되고 이후 초기상태와 비교되는 운동 상태 [E_v(t_i) 및 E_p(t_i)] 각각을 위해, 시뮬레이트 된 경로들의 쌍과 대응하는, (N_i) 개의 파티클들을 생성하고,

- 충돌이 있는 경우, 고려되는 상기 파티클을 제거하고 N_i ^th번째 파티클까지 다음 파티클로 상기 시뮬레이션을 계속하기 이전에, 상기 충돌의 상기 특성들을 평가 및 저장하고,

- 상기 충돌 영역으로부터 빠져나간 경우, 어떤 충돌의 발생도 없이, 그 제거와 N_i ^th번째 파티클까지 다음 파티클로 상기 시뮬레이션을 계속하기 이전에, 고려되는 상기 경로의 상기 특성들을 저장하고,

- 충돌이 없을 경우, 상기 시뮬레이션이 종료되지 않았다는 것을 증명하고, 반면 만약 시뮬레이션이 충돌없이 종료된다면, 최종 경로의 저장과 그 제거가 다시 계속되고,

- 충돌이 없을 경우, 고려되는 상기 파티클은 살아남고, 이전 순간 (t_{i -1})에서의 그 값에 상기 상태 공간 내에 상기 순간 (t_i)에서 그것의 새로운 상태와 결합된 상기 중요성 (I_{i ,k})의 값의 상기 비율(ratio) (β_i,k)을 계산하고, 이후 그것을 1과 비교하고,

ㆍ 만약, 상기 비율 β_i,k가 1과 동일하다면, 이 경로는 성장하는 관심을 보여주지 않고, 상기 방법은 다음 시뮬레이트 되는 경로로 넘어가고,

ㆍ 만약, 상기 비율 β_i,k가 1보다 작다면, 만약 그것이 살아남으면 새로운 중량 (p_k)가 할당되면서, 관심없는 상기 파티클이 "러시안 룰렛(Russian roulette)"의 단계에 의하여 무작위로 제거되고,

ㆍ 만약, 상기 비율 β_i,k가 1보다 크다면, 상기 중요한 파티클의 그것과는 다른, 각각에 중량이 할당되는 n(k) 개의 새로운 파티클들로 중요하다고 생각되는 상기 파티클의 "분할(splitting)"의 단계에 의하여 규모를 축소하고, 여기서 파티클들은 다음 순간 (t_{i +1})에서 다음으로 진행되고,

- 모든 Ni 파티클들이 진행되었다고 증명한 이후에, 상기 충돌의 상기 개연성과 저장된 상기 중량들 상의 상기 통계에 기초한 충돌의 가능성의 상기 특성들을 평가하는 단계를 포함하는 것을 특징으로 한다.

본 발명의 제2 주제는 그것들의 위치와 속도를 평가하기 위한 수단과 결합되고, 자동차/보행자 충돌 예측 수단과 연결된, 상기 자동차의 상기 환경에서 장애물들을 감지하기 위한 수단을 포함하고, 상기 예측 수단은 부가적으로 상기 자동차의 상기 컨트롤들과 연결된 센서들의 상기 일부 상에 상기 시스템을 구비한 상기 자동차의 상기 역학(dynamics)에 관한 정보를 수신하고, 충돌의 개연성, 충돌 전 시간, 관찰된 충돌 영역 및 가능한 충돌 상의 속도의 개연성의 각각의 감지된 장애물과 연결되고, 각각의 장애물에 관한 상기 정보는 이후 상기 시스템이 지적된(pinpointed) 보행자를 보호하기 위한 비상 상황에 적용되어야 한다는 상기 최적의 대응책(counter measure)을 선택하기 위한 수단에 보내지는 것을 특징으로 하는, 상기 자동차 안에서 수행되고, 상기 자동차와 감지된 이동하는 보행자 사이의 충돌을 예측하는 방법을 수행하기 위한 시스템이다.

본 발명의 다른 특성들과 장점들은 하기하는 도면들에 의해 묘사되는, 상기 방법에 대한 기술을 읽음으로써 명확해질 것이다.

- 도 1은 상기 자동차-보행자 충돌 예측 방법의 전형적인 무제한적(nonlimiting) 흐름도이고,

- 도 2는 상기 자동차의 상기 참조 프레임(reference frame)에서, N개의 파티클들을 가지는, 몬테 카를로 시뮬레이션의 무제한적인 예이고,

- 도 3은 정규직교 참조 프레임(orthonormal reference frame)에 부여된, 자동차와 보행자를 위에서 본 개략적인(diagrammatic) 도면이고,

- 도 4는 자동차와 보행자 사이의 전면 충돌의 전형적인 기하학적 모델링이고,

- 도 5는 상기 충돌 영역(zone)의 상이한 정의이고,

- 도 6 내지 11은 중요성 영역(significance zone)들의 무제한적인 예들이다.

본 발명에 따른 자동차와 움직이는 보행자 사이의 충돌 예측 방법은 개연성(probabilistic) 타입, 즉 상기 보행자 경로 모델의 각각의 상태 변수가 개연성들과 결합된 한 세트의 값들을 취할 수 있고, 그 때문에 상기 위험들의 정량화가 가능하도록 하는 타입이다. 상기 방법의 목적은, 주어진 자동차-보행자 상황에서, 현재 순간(present instant) t₀와 예측의 제한 순간(limit instant) t₀+ΔT 사이의 충돌의 개연성을 평가하는 것이다. 여기서, ΔT는 일시적인 예측 지평선(temporal prediction horizon)이고, 예를 들면 충돌 전의 시간, 충돌 영역(zone), 특히 충돌 속도와 같은, 상기 충격의 특성들을 평가하기 위한 것이다.

본 발명에 따라, 상기 방법은, 상기 다양한 파티클의 경로가 모두 같은 관심(interest)을 나타내는 것은 아니라는 사실을 참작한다. 자동차-보행자 충돌을 예측하기 위하여, 상기 충돌 영역으로부터 이격되어 위치한 상기 파티클들은 상기 충돌 영역의 인근에 위치한 파티클들보다 훨씬 적은 관심(interest)을 나타낸다. 예를 들어 이것은 30 미터보다 큰 거리에서 상기 자동차의 전방을 건너가는 보행자에 해당한다. 이것이, 몬테 카를로 타입의 경로 시뮬레이션들에 의해 수행되는 상기 위험들의 정량화인, 본 발명에 따른 상기 방법이, 상기 시뮬레이션의 성능을 향상시키기 위해서 상기 상태들에 대한 중요한 샘플링 적용을 포함하는 "분할(splitting)" 또는 "러시안 룰렛(Russian roulette)"과 같은 변수 감소 과정들을 사용하는 이유이다.

상기 방법은 가장 먼저, 각각이 상기 자동차와 보행자의 경로들의 쌍과 대응되는, 파티클들의 초기 개수 N을 생성하는 것을 포함한다. 여기서 상기 파티클들의 상태는 상기 자동차에 맞춰진 시스템의 보행자들을 감지하기 위해 상기 센서에 의 해 수행되는 측정과 평가에 의존한다. 그리고 나서, 상기 자동차와 보행자 사이에 충돌이 있는지 여부를, 각각의 파티클들에 대해 각 순간에서, 테스트함으로써 상기 N 파티클을 처리하는 것을 포함한다. 이후, 상기 방법은 경로들의 각각의 쌍의 결과를 평가하고, 한편 그것들의 중량, 그것들의 위치 및 속도 특성들과 함께 충돌을 경험하는 데 책임이 있는 파티클들의 개수를 저장하고, 반면, 이 파티클에 따르고 "중요성(significance)"이라 불리는 상기 관심 사항에 직접적으로 연관된 숫자 값이, 각각의 순간에, 각각의 파티클에 대하여, 비-충돌(non-impact)이 예상되는 경우에 할당된다. 그것은 상기 파티클의 현재의 운동(kinematic) 상태(위치, 속도 등)에 의존한다. 그것은 하기되는 중요성 영역(significance zone)에 의존할 그것의 최종 중량을 계산하기 위해 상기 파티클의 중요성의 발전을 도표로 만든다. 마지막으로, 상기 시뮬레이션 기간에 걸쳐 충돌의 가능성을 평가하기 위해서, 상기 시뮬레이션이 충돌을 종료하고, 충돌 전 시간, 충돌 영역 또는 충돌 속도와 같은, 통계학에 기초하여 예측한 충돌의 특성들을 평가하기 위하여, 상기 방법은 상기 파티클들의 중량을 합산한다.

따라서, 본 발명의 특성에 따라, 충돌이 없는 케이스에서, 상기 방법은 이전순간에서의 그것의 상태에서 상기 파티클의 현재 상태의 중요도(significance ratio) β를 계산한다.

만약, 상기 이전 상태의 중요성의 비와 상기 현재 상태의 중요성의 비가 1과 같다면, 상기 방법은 다음 파티클에 관심을 가진다.

만약, 상기 보행자의 상기 현재 상태가 그것의 이전 상태보다 더 중요하다면, 상기 방법은 "분할(splitting)" 단계를 수행할 것이다. 이것은 그것의 중요성이 증가하고 있는 파티클의 규모 축소(scale down)를 말한다. 그것은 1 보다 큰, 새 파티클들의, 정수 n으로 나누어지고, 각각의 새 파티클은 n으로 나누어지는 상기 초기 파티클의 중량에 할당되고, 이 새 중량은 충돌의 상기 개연성의 계산에 제공된다. 이 숫자 n은 고려되는 상기 파티클의 상기 중요도(significance ratio) β의 증가 함수이다.

만약, 상기 보행자의 상기 시뮬레이트 된 현재의 상태가 그 이전의 상태보다 덜 중요하다면, 상기 방법은 "러시안 룰렛(Russian roulette)" 단계를 수행할 것이다. 이것은 관심이 없다고 생각되는 상기 파티클의 무작위 제거를 말한다. 그것은 상기 중요도(significance ratio) β와 동일한 살아남을 개연성 p를 갖는다. 두 가지 경우가 발생할 수 있다: 그것이 살아남고, 충돌의 개연성을 위해 제공되는 그것의 중량이 상기 중요도(significance ratio) β의 역수(inverse)에 의해 곱해지거나, 또는 그것이 죽고, 그것의 중량은 0이 되고, 이 경로는 더 이상 사용되지 않는 것이다.

이 두 가지 단계들을 통한 추가적인 경향을 소개하지 않기 위하여, 각각의 파티클은, 나머지와 함께 그것을 구성하는, 상기 클러스터(cluster)의 총 질량에 대한 공헌도를 결정하는 중량에 할당된다. 즉, 충돌의 상기 기대값(expectation)의 상기 최종적인 계산이라는 것이다. 간혹, 다수의 파티클들 N(t)가 상기 컴퓨터의 수행 기능으로써 정의되는 최대값 N_max보다 클 때, 파티클들의 수를 제한하여 유지하도록, 상기 클러스터를 다시 표본 추출(resample)하는 것이 필요하다.

상기 자동차-보행자 충돌 예측 방법의 전형적인 흐름도가 도 1에 도시되어 있다. 상기 자동차-보행자 충돌 예측 방법은, 상기 자동차의 초기 운동 상태 (kinematic state) E_v(t₀)와 상기 보행자의 초기 운동 상태 E_p(t₀), 즉 상기 시뮬레이션의 초기 순간 t₀에서의 그들 각각의 위치와 속도를 결정하는 제1 단계 e1)과, 이어서 각각이 중량 p_i를 할당받은, 순간 t_i = t_{i -1} + δt에서 상기 자동차와 상기 보행자를 위해 시뮬레이트 된 N_i 쌍의 경로들과 대응하는, N_i 개의 파티클들을 생성하는 제2 단계 e2)를 포함한다. 여기서 δt는 t_{i -1}에서 그들의 상태가 알려진 상기 샘플링 시간 단계이다.

단계 e3)에서는, 상기 순간 t_i에서 시뮬레이트 된 상기 N_i 파티클들의 각각의 파티클 k를 위해, 상기 방법은 상기 자동차를 위해 시뮬레이트 된 상태 E_v(t_i)과 상기 보행자를 위해 시뮬레이트 된 상태 E_p(t_i)을 생성한다. 이것은, 이어지는 단계 e4)에서, 상기 간격[t_{i -1,} t_i] 동안 충돌이 있는지, 또는 충돌이 없는지, 또는 상기 보행자가 상기 보행자와 상기 자동차의 상기 전면 사이에 정의된 상기 충돌 영역으로부터 나왔는지 여부를 결정하기 위하여, 이 두 상태들을 비교하기 위한 테스트를 수행하기 위함이다. 이 충돌 영역의 결정은 하기되는 도 3, 4 및 5에서 제시된다.

충돌이 있는 경우, 상기 방법은 상기 충돌의 상기 특성들, 특히 예상된 충돌 순간, 충돌 영역 및 충돌 개연성을 평가하는 단계 e5)를 수행한다. 그리고 나서, 단계 e7)에서 고려되는 상기 파티클 k의 제거 이전에, 단계 e6)에서 그것들을 저장한다. 그리고, N_i번째 파티클까지 다음 파티클 k+1로 상기 시뮬레이션을 계속한다.

상기 충돌 영역으로부터 빠져나간 경우, 어떤 충돌의 발생도 없이, 상기 방법은 또한 단계 e7)에서 그것을 제거하기 이전에, 단계 e6)에서 상기 경로 k의 상기 특성들을 저장한다. 그리고, 이전 경우처럼, N_i번째 파티클까지 다음 파티클 k+1로 상기 시뮬레이션을 계속한다.

충돌이 없을 경우, 상기 방법은 상기 시뮬레이션이 종료되지 않는 단계 e8)에서 증명하고, 따라서 상기 시뮬레이션의 상기 순간 t_i는 t₀ + ΔT와 동일하지 않 다. 여기서, ΔT는 상기 시뮬레이션의 상기 제한(limit)이다. 만약, 상기 시뮬레이션이 충돌없이 종료된다면, 이전의 두 경우에서처럼, 마지막 경로의 저장과 그 제거가 다시 반복된다.

충돌이 없고, 상기 시뮬레이션이 종료되지 않을 경우, 상기 파티클 k는 따라서 살아남고 상기 방법은 단계 e9)에서, 이전 순간 t_{i -1}에서의 그 값에 상기 순간 t_i에서의 이 파티클 k의 상기 중요도(the ratio of significance) β_i,k처럼, 상기 상태 공간 내에 상기 순간 t_i에서 그것의 새로운 상태와 결합된, 상기 중요성 I_{i ,k}의 값을 계산한다. 이 비율 β_i,k는 고려된 상기 파티클 k의 상기 중요성의 발전의 측정을 가능하게 하고, 이것이 그것의 값이 이후 단계 e10)에서 1과 비교되는 이유이다. 만약, 상기 비율 β_i,k가 1과 동일하다면, 이 경로는 성장하는 관심을 보여주지 않고, 상기 방법은 다음 시뮬레이트 되는 경로 k + 1로 넘어간다. 만약, 상기 비율 β_i,k가 1보다 작다면, 상기 방법은 관심없는 상기 파티클을 무작위로 제거하는 전략인 "러시안 룰렛(Russian roulette)"의 단계 e11)을 수행한다. 따라서, 상기 파티클 k가 단계 e7)에서 제거되든지 또는 그것이 살아남고 새로운 중량 p_k가 단계 e12)에서 그것에 할당된다.

만약, 상기 비율 β_i,k가 1보다 크다면, 상기 방법은 상기 중요한 파티클 k의 그것과는 다른, 각각에 중량이 할당되는 n(k) 개의 새로운 파티클들로 중요하다고 생각되는 상기 파티클의 규모를 축소하는 "분할(splitting)" 전략의 단계 e13)을 적용한다. 여기서, 파티클들은 다음 순간 t_{i +1}에서 다음으로 진행된다. 새로운 샘플링 단계가 합리적인 수의 파티클들을 유지하기 위해 필요할 수 있다.

상기 "러시안 룰렛(Russian roulette)" 또는 "분할(splitting)" 전략으로부터 나온 상기 파티클들은 다음 시간 단계에서 진행될 것이고, 충돌에서 종료되는 것들은 저장되고 상기 통계를 위해 사용될 것이다. 그것들의 중량은 그것들이 제거될 때까지 저장될 것이다.

상기 시뮬레이션이 단계 e14)에서 모든 Ni 파티클들을 고려했다고 증명되면, 다음 시간 단계에서 진행되는 파티클들이 있을 것이라고 증명되고, 따라서 상기 수 N_i+1은 단계 e15)에서 양수이다. 특히, 만약 예를 들어 모든 상기 파티클들이 상기 순간 t_i 또는 이전 순간들에서 충돌의 최고점에 달하면, 더 이상 어떤 파티클도 다음 시간 단계 t_{i +1}에서 진행되지 않을 것이고, 따라서 더 이상 경로를 시뮬레이션 할 필요가 없을 것이다. 이후, 상기 방법은 상기 마지막 단계 e16)에서, 충돌의 개연성과 상기 저장된 결과상에서 상기 통계에 기초하여 상기 가능한 충돌의 특성들을 평가한다. 상기 순간 t₀와 t₀+ΔT 사이의 충격 P_impact의 개연성을 평가하기 위하 여, 상기 방법은 충돌에서 상기 시뮬레이션을 종료하기 위해 상기 파티클들에 할당된 상기 중량들을 합산한다.

도 2는 상기 자동차의 상기 참조 프레임(reference frame)에서, 250 차수(order)의, N개의 파티클들을 가지는 전형적인 몬테 카를로 시뮬레이션이다. 자동차 A 와 보행자 P 를 위에서 본 개략적인(diagrammatic) 도면인 도 3에 도시된 것처럼, 이것의 원점 O는 상기 자동차의 상기 범퍼의 상기 가운데에 상기 충돌 영역의 상기 중심이고, 상기 횡 축(abscissa axis) Ox는 상기 자동차의 상기 전방 쪽으로 상기 로드의 평면을 향하고, 상기 로드의 상기 평면에 역시 포함되는 세로 축(ordinate axis) Oy는 상기 자동차의 오른쪽에서 왼쪽을 향한다. 단순화(simplicity)와 재생산성(reproducibility)을 위하여, 상기 경로 예측은 상기 자동차의 순간적인(instantaneous) 정규직교 참조 프레임(orthonormal reference frame)에서 만들어지고, 상기 충돌 테스트는 상기 보행자의 상기 위치를 상기 자동차의 상기 전면의 이러한 참조 프레임으로 바꾸는 것을 필요로 한다. 상기 자동차에 관한 상기 보행자의 상기 상대적인 경로를 고려하여, 상기 후자의 속도는 상기 보행자의 그것에 비하여 일반적으로 크고, 상기 방법은 상기 자동차의 상기 전면의 이러한 참조 프레임에서, 상기 보행자의 횡좌표가 항상 감소하고 있다는 것을 고려한다.

상기 자동차의 상대적인 참조 프레임 내에서, 보행자 경로의 결과는 세 종류 일 수 있다:

- 상기 자동차와 보행자 사이에 충돌이 있고, 상기 순간 t_impact에서 상기 방법은 고려된 상기 파티클을 위해 상기 시뮬레이션을 중단한다;

- 상기 보행자가 상기 순간 t_exit로부터 앞으로 상기 충돌 영역 뒤를 지나가기 때문에 충돌이 없고, 상기 보행자가 더 이상 충돌할 위험이 없고, 횡좌표(abscissa)가 음(negative)이 되기 때문에 상기 방법은 이 순간에 상기 시뮬레이션을 중단한다;

- 상기 방법이 그 제한인 ΔT 까지 상기 보행자의 상기 경로를 시뮬레이션하는 단계를 유지하는 것과 마찬가지로, 충돌은 없지만 상기 보행자의 상대적인 위치의 횡좌표는 상기 자동차의 상기 참조 프레임 내에서 양(positive)을 유지한다.

충돌 예측의 상기 기간 ΔT 는 따라서 경로들의 결과들의 이러한 세 가지 타입들에 속하는 경우들의 비율에 의존한다. 횡좌표가 0에 가까운 상기 처음 두 결과들을 종결하는 경로들의 상기 기간은, 만약 상기 축 Ox를 따라 상기 보행자의 상기 상대적인 길이 방향의 움직임이 상기 자동차의 상기 변위에 필수적으로 기인한다는 것을 받아들이면, 실질적으로 동일하다. 이 두 경우들에서, 상기 상대적인 길이방향 거리 x와 상기 자동차의 상기 속도 V_veh의 상기 표준(norm)의 상기 몫(quotient)과 동일한, 상기 파티클의 상기 생존기간 τ는 각각 상기 순간들 t_impact와 t_exit에 의존한다.

τ = x/V_veh

동일한 전체 계산 시간을 위해서, τ의 값이 작아질수록, 파티클들의 수 N은 더 커질 수 있다.

상기 경로의 상기 계산이 상기 기간 ΔT 전체에 걸쳐 수행되는 상기 세 번째 경우를 위해서, 미세한 시간 단계 δt에 관한 계산을 필요로 하지 않고, 따라서 계산 시간의 관점에서 보면 비싸지 않다.

본 발명은, 도 3에 도시된 바와 같이 상기 자동차의 폭 L을 가지는 부분(segment)에 의해 모델링 되는 상기 자동차의 상기 전면과 보행자 사이의 전방 충돌의 예측과 단지 관련된다. 자동차와 보행자 사이의 전면 충돌의 전형적인 기하학적 모델링인 도 4에 도시된 바와 같이, 상기 자동차 A의 상기 전면을 나타내는 부분과 상기 보행자 P의 상기 외피(envelope)를 나타내는 디스크 사이의 교차점(intersection)에 대응하는 자동차/보행자 충돌 영역을 형성하는 것이 가능하도록, 상기 보행자 P 는, 평균적인 보행자의 최대 폭과 동일한 지름 2R과 이러한 평균 보행자와 동일한 높이를 갖는 원통으로 간주된다. 예를 들어, 상기 직경 2R은 60cm과 동일하다.

세 가지 경우가 기술된다:

ㆍ 상기 자동차의 전면이 상기 보행자의(빗금 친 영역 C) 가장 큰 부분에 오버랩될 때 충돌이 발생하고,

ㆍ 상기 보행자 모델과 상기 전면 사이가 오버랩되지 않을 때 충돌이 발생하지 않고,

ㆍ 상기 보행자를 둘러싼 원의 절반 이하가 상기 전방(점 영역 B)에 포함될 때 충돌/비충돌의 모호성(ambiguity)이 존재한다.

상기 모호성(ambiguity) 내에서, 0(충돌하지 않음)부터 1까지 연속적으로 통과하는, 상기 충돌 형태의 상기 중력의 함수를 정의하는 것이 가능하다. 상기 충돌의 개념은 정해진 한계값(threshold)을 넘어가는 것과 대응한다. 충돌의 중요성 또는 심각성에 가중치를 주는 이러한 가능성은 실제 시스템을 평가할 때 유리한 것으로 밝혀질 수 있다: 선험적으로(priori), 상기 자동차의 상기 전면의 가운데에서 발생하는 충돌을 예측하는 것은 왼쪽 또는 오른쪽 모서리 중 하나에서 발생하는 전면 충돌보다 단순하다.

상기 충돌 영역의 두 가지 다른 정의들이 도 5 및 4에 나타나 있다. 이들은 각각 상기 단순한 충돌 영역(simple impact zone)과 상기 "미세한(fine)" 충돌 영역의 기술에 대응된다. 모호성(ambiguity)이 없는 영역인 상기 단순한 충돌 영역 Z_s 은 2R과 동일한 폭과 상기 자동차의 폭 L의 합과 동일한 길이와 상기 보행자의 상기 모델의 상기 직경 2R의 직사각형이다. 상기 "미세한(fine)" 충돌 영역 Z_f는 길이 L과 폭 2R의 직사각형과 각 단부에 반지름 R의 두 개의 반원(half-circle)의 집합체이다.

자동차와 보행자 사이의 충돌을 예측하기 위한 상기 테스트는 일반적으로 70 내지 95% 사이에 있는 입구(threshold)에서 계산된 충돌의 개연성을 비교하는 것을 포함한다. 만약 p가 충돌의 개연성이라면, 전통적인 몬테 카를로 시뮬레이션에 의한 이 개연성의 상기 평가의 상기 변화는 p와 동일하다. (1-p)/N과, 여기서 N은 도시된 파티클들의 수(數), 상기 감지 입구의 상기 근처에서의 이러한 변화는 상대적으로 중요하다. 본 발명의 필수적인 특성에 따라, 상기 방법은 다음과 같이 중요성 지역들(regions) 또는 영역들(zones)을 형성한다. 즉, 파티클이 더 높은 중요성 영역에 들어갈 때, 그것의 규모는 축소되고, 반면 역으로 그것이 더 낮은 중요성 영역에 들어갈 때, 그것은 "러시안 룰렛(Russian roulette)"에 의해 무작위로 제거될 수 있다. 상기 전면의 상기 참조 프레임에서, 자동차와 보행자 사이의 상기 시뮬레이션들에 관한 다양한 범주가 상기 중요성 영역들의 다양한 분할들(slicings)을 이끌어낸다.

도 6 내지 11은 상기 자동차의 균일한 직선 운동(uniform rectilinear movement)의 경우에서 중요성 영역(significance zone)들의 무제한적인(nonlimiting) 예들이다. 여기서, 상기 자동차 전방의 상기 공간은 예를 들어 상기 충돌의 중력을 예측하는 것과 관련된 세 영역들에 따라 분할된다: 충돌(impact), 비충돌(non-impact) 또는 충돌이 불확실함.

도 6의 예는, 그것들의 상대적인 속도의 고려 없이 오직 상기 자동차와 상기 보행자 사이의 상대적인 거리에 기초하여 수행되는 상기 자동차 전방의 공간의 분할을 나타낸다. 따라서, 상기 자동차의 상기 범퍼의 가운데에 중심이 있고 그 직경이 상기 범퍼를 구성하는, 환형의(circular annuli) 영역들을 발생시킨다. 상기 자동차의 상기 범퍼의 두 단부들에 대응하는 세로 좌표 +Y_impact와 -Y_impact 사이에 놓인 상기 제1 반원(semi-circular) 영역 S₁은, 상기 충돌 y가 확실하기 때문에, 높은 중요성 I₁을 나타낸다. 상기 제1 S₁을 따르고, 불확실한 충돌에 대응하는 세로 좌표 +_yunc와 -_yunc 사이에 놓인 제2 환형 영역 S₂는, 최대 중요성 I₂를 나타낸다. 예를 들어 상기 자동차의 상기 속도 V_veh에 0.5초를 곱한 것(x₃ = 0.5*V_veh)과 동일한 상기 보행자 P의 횡좌표에 대응하는, x₃와 동일한 외부 반경의 상기 제3 환형 영역 S₃는, I₁보다 작은 중요성 I₃를 나타낸다. 상기 자동차의 상기 속도에 1초를 곱한 것(x₄ = 1*V_veh)과 동일한 상기 보행자의 횡좌표에 대응하는, x₄와 동일한 외부 반경의, 상당 히 작은 중요성 I₄의 제4 영역 S₄와, 상기 양의 횡좌표의 상기 절반 평면의 나머지에 대응하는 제5 영역 S₅가 정의되는 것이 또한 가능하다.

도 7에 도시된 바와 같이, 상기 상대 속도의 상기 세로 방향 요소가 상기 자동차에 기인하고 그것의 가로 방향 요소가 상기 보행자의 그것으로 간주된다고 가정하면, 상기 중요성 영역들은 상기 자동차의 상기 범퍼의 상기 가운데에 중심이 있는 타원형(ellipse)들에 따라 분할된다. 상기 제1 타원형 E₁은 상기 세로 좌표 Y_impact인 세미 마이너 축(semi minor axis)과, Y_impact와 상기 자동차와 상기 보행자의 속도들의 비의 곱인 세미 메이저 축(semi major axis)을 갖는다: Y_impact * V_{veh /}V_{ped .} 상기 제2 타원형 E₂는 상기 세로 좌표 Y_unc인 세미 마이너 축(semi minor axis)과, Y_unc와 상기 자동차와 상기 보행자의 속도들의 비의 곱: Y_impact * V_{veh /}V_ped인 세미 메이저 축(semi major axis)을 갖고, 최대 중요성(maximum significance)을 나타낸다. 상기 제3 타원형 E₃는 상기 양의 횡좌표의 상기 절반 평면의 나머지에 대응한다.

상기 속도의 함수로서 상기 거리상의 조건들을 적용하기 위해서, 상기 방법은, 상기 자동차 전방에 결합된 순간적인(instantaneous) 정규직교 참조 프레 임(orthonormal reference frame)에 따라, 상기 시뮬레이션의 각각의 순간 t_i에서 상기 파티클의 상기 생존기간 τ 의 값에 따라 수행되는, 상기 자동차 전방의 공간의 분할을 제안한다(도 8). 이 시간 τ는 또한, 상기 자동차의 상기 전면을 평평하게 하는 상기 보행자의 상기 세로 방향 위치를 위해 필요한, 추월(overtaking) 전 시간이라 불린다. 이 생존기간 τ가 더 짧아질수록, 상기 영역의 상기 중요성이 더 커진다. 이 경우, 오직 상기 보행자의 상기 세로 방향 위치 x와 그의 속도 v_p만이 고려된다. 따라서, 도 8에서, 상기 중요성 영역들은 상기 세로 축(ordinate axis)과 평행한 밴드(band)의 형태를 가진다. 더 높은 중요성의 상기 영역 Z₁은 0에서 0.5초 사이에 있는 생존기간 τ₁에 대응하고 상기 자동차와 가장 가깝게 위치하고, 덜 높은 중요성의 제2 영역 Z₂는 0.5에서 1초 사이에 있는 생존기간 τ₂에 대응하고, 제3 영역 Z₃는 1에서 2초 사이의 생존기간 τ₃에 있고, 마지막 제4 영역 Z₄는 상기 양의 횡좌표의 상기 절반 평면의 나머지에 대응한다.

도 9의 예에서, 상기 공간의 상기 분할은, 상기 자동차의 상기 참조 프레임의 상기 축 Ox와 Oy에 의해 정의되는 상기 평면에서 상기 보행자의 상기 각의 위치를 고려함으로써 수행된다. 여기서, 위치는 그것의 세로 위치 x에 대한 그것의 가로 위치 y의 비율에 의해 구해진다. 상기 중요성 영역들은, 상기 횡 방향 축 Ox, 이 두 개의 위치들의 상기 비율의 상기 아크 탄젠트(arc tangent)와 동일한 각 θ: θ = arc tan (y/x) 에 대하여 만들어지는 원점 O의 부채꼴(sector)에 의해 정의된다. 상기 각이 커질수록, 상기 중요성은 작아지고 다수의 부채꼴들은 상기 중요성의 연속적인 변화에 접근하는 것이 가능하게 한다.

도 10의 예에서, 상기 공간의 분할은, 그것의 가로 속도에 대한 그것의 세로 속도의 비율의 아크 탄젠트에 의하여, 또는 상기 자동차의 속도 V_veh에 대한 상기 보행자의 속도 V_ped의 상기 비율의 상기 아크 탄젠트에 의하여 구해지는, 상기 자동차에 대한 상기 보행자의 상기 상대 속도의 상기 방향에 기초하여 수행된다:

α = arc tan (V_ped/V_veh).

상기 중요성 영역들은, 상기 횡 방향 축 Ox 상의 높이가 h₁ 이고 상기 가로 축 Oy에 기초하고, 상기 자동차의 속도 V_veh에 대한 상기 보행자의 속도 V_ped의 상기 비율의 상기 아크 탄젠트에 의하여 정의되는, 최고점에서의 각 α인 이등변 삼각형(isoscele triangles)들에 의하여 정의된다.

α = arc tan (V_ped/V_veh).

제1 영역 A₁은 2 Y_impact와 동일한 밑변과, 상기 축 Ox, α = arc tan (V_ped/V_veh)에 의해 정의되는 각 α에 대해 만들어지는, Y_impact와 상기 보행자의 속도에 대한 상기 자동차의 속도의 비의 곱인 높이 h₂를 가진다. 그것의 중요성 I₁은 크다. 제2 영역 A₂는 2 Y_unc와 동일한 밑변과, Y_unc와 상기 보행자의 속도에 대한 상기 자동차의 속도의 비의 곱인 높이를 가지고, 그것의 중요성은 최대이다. 제3 영역 A₃는 상기 양의 횡좌표의 상기 절반 평면의 나머지에 대응하고, 제1 영역의 중요성보다 작은 중요성을 가진다.

이렇게 앞에서 기술한 범주들은 오직 마주친 어떤 경우들에만 유효하기 때문에, 이러한 중요성 분할들의 조합이 선호된다. 예를 들어, 상기 방법은 결정론적인 예측(deterministic prediction)을 사용한다. 이것은, 상기 파티클의 상기 생존기간 τ와, 그 세로 위치가 영일 때 그리고, 도 11에 도시된 바와 같이, 다음 식에 의해서 정의되는, 상기 보행자 P의 상기 가로 방향 위치를 평가하는 상기 세로 축 y^*을 사용하여 동시에 도달한다.

y^* = y + τ * V_y ^ped

V_y ^ped는 상기 보행자의 가로 방향 속도이다.

세 가지 중요성 레벨은 y^* 의 상기 절대값의 함수로서 정의될 수 있다:

- 만약,

< y_impact이면, 상기 중요성은 높고,

- 만약, y_impact ≤

≤ Y_unc이면, 상기 중요성은 최대이고,

- 만약, Y_unc <

이면, 상기 중요성은 작고, 첫 번째보다 작다.

자동차와 감지된 보행자 사이의 충돌을 예측하는 이러한 방법을 수행하기 위하여, 상기 자동차 상에서 수행되는 상기 실행 시스템(implementation system)은, 그것들의 위치와 속도를 평가하기 위한 수단과 결합되고, 자동차/보행자 충돌 예측 수단과 연결된, 상기 자동차의 상기 환경에서 장애물들을 감지하기 위한 수단을 포함한다. 이것은 부가적으로 상기 자동차의 상기 컨트롤들과 연결된 센서들의 상기 일부 상에 상기 시스템을 구비한 상기 자동차의 상기 역학(dynamics)에 관한 정보를 수신한다. 이러한 충돌 방지 수단은 충돌의 개연성, 충돌 전 시간, 관찰된 충돌 영역 및 가능한 충돌 상의 속도의 개연성의 각각의 감지된 장애물과 연결된다. 그것들은, 상기 시스템이 정확하게 지적된(pinpointed) 보행자를 보호하기 위한 비상 상황에 적용되어야 한다는 상기 최적의 대응책(counter measure)을 선택하기 위한 수단을 신속하게 처리한다.

상기 네 단계의 보행자 모델의 의하여, 프랑스 특허 출원 FR 03 15548에서 기술되고, 구분적이고(piecewise) 결정론적이고(deterministic), 상기 경로의 무작위의 구성 요소들이 획득되었을 때, 상기 보행자의 상기 경로와, 따라서 주어진 위치에서의 그의 위치는, 분석적인 방법으로 표현될 수 있다. 이 특성은 상기 경로 예측의 상기 기간 ΔT에 걸쳐 생산되는 변화 점들의 수를 실질적으로 감소하는 것이 가능하도록 하고, 따라서 다수의 충돌 테스트들이 수행된다.

"분할(splitting)" 또는 "러시안 룰렛(Russian roulette)"에 의한 변수 감소를 갖는 지적인 몬테 카를로 과정과 결합하여, 상기 보행자 모델의 이러한 특정한 형상들은, 정확한 예측의 비율과 잘못된 알람의 관점에서 훌륭한 성능을 유지하는 상기 모델의 품질을 유지하는 동안, 실시간(real-time) 사용을 허용한다. 초기의 해법들과 대조적으로, 본 발명에 따른 상기 방법은 더 적은 정보, 즉 오직 상기 자동차로부터 상기 보행자까지의 거리만을 필요로 하고, 예를 들면 특히 그 속도의 방향을 필요로 하지 않는다. 이것은 작업량과 전원을 감소시키고, 따라서 상기 제공된 전자 컴퓨터 및 이와 결합된 센서들의 상기 크기 및 상기 비용을 감소시킨다.

충돌 방지(pre-crash) 타입의 보행자를 보호하기 위한 시스템에서, 충돌 전에 상기 예측된 시간의 평가와 결합된 상기 충돌 예측은, 상기 운전자 및/또는 상기 보행자가 상기 상황의 중력을 평가할 수 있도록 하는 한편, 대응책을 자동으로 유발시킨다. 상기 운전자 및/또는 상기 보행자는 또한 경로의 변화, 비상 정지 또 는 이와 유사한 것을 통하여, 방지 또는 충돌 속도 감소 대책을 유발하도록, 알릴 수 있다.

Claims (10)

1. 그 충돌 특성들이 평가될 수 있는 상황을 기준으로 하여, 여러 분리된 상태들을 가지는 자동차 모델과 보행자 모델, 상기 자동차와 상기 보행자의 초기 위치들과 그것들 각각의 운동 상태들(kinematic states)에 관한 정보를 기초로 하는, 자동차와 보행자의 경로(trajectory)들의 쌍들을 나타내는 N 파티클(particle)들을 생성하는 단계와, 그 다음으로 각각의 파티클의 결과를 평가하는 단계를 포함하는, 자동차와 감지된 이동하는 보행자 사이의 충돌 예측 방법에 있어서,

   상기 파티클 상태 공간은 가변하는 중요성의 영역들로 분할되고, 상기 중요성은 각 파티클에 따른 상기 관심 사항(interest)과 직접적으로 관련된 숫자 값에 의해서 정의되고, 그것의 현재의 운동 상태에 의존하고, 그리고 예측된 비충돌(non-impact) 경우에서, 상기 방법은 이전 순간에서 그것의 중요성(significance)에 대하여 상기 현재 상태에서 상기 파티클의 중요성의 상기 비율(β)을 계산하여, 그 중요성이 증가하고 있는 파티클의 경우, 새로운 중량이 할당된(assigned) 각각의 파티클들에 대하여, 1 보다 큰 정수 n으로 그것의 규모를 축소하는 경우인지 결정하고, 그 중요성이 감소하고 있는 파티클의 경우, 상기 중요성 비율의 함수로서 그것을 제거하고, 그것의 생존 개연성이 상기 중요성 비율(β)과 동일한 경우인지를 결정하여, 충돌의 상기 개연성(probabilistic)과 상기 예측된 충돌의 특성들을 N 파티클들의 세트의 상기 결과상에 통계를 적용함으로써 구해지는 것을 특징으로 하는, 자동차와 감지된 이동하는 보행자 사이의 충돌 예측 방법.
2. 제 1 항에 있어서,

   상기 자동차의 전방에 결합된 순간적인(instantaneous) 정규직교 참조 프레임(orthonormal reference frame)에 따라, 상기 자동차의 전방의 중요성 영역들 내에서 상기 공간의 상기 분할은, 상기 자동차와 상기 보행자 사이의 상기 상대적인 거리에 기초하여 수행되고, 상기 자동차의 상기 범퍼의 가운데에 중심이 있고 그 직경이 상기 범퍼인, 환형의(circular annuli) 형태로 상기 중요성 영역들을 형성하는 것을 특징으로 하는 충돌 예측 방법.
3. 제 1 항에 있어서,

   상기 자동차 전방의 중요성 영역들에서 상기 공간의 상기 분할은, 상기 자동차 전방에 결합된 순간적인(instantaneous) 정규직교 참조 프레임(orthonormal reference frame)에 따라, 상기 자동차에 기인한 상기 상대 속도의 길이 방향 요소와 상기 보행자의 그것이라고 간주되는 그 가로 방향 요소에 기초하여 수행되고, 상기 자동차의 상기 범퍼의 상기 가운데에 중심이 있고, 상기 세로 축(ordinate axis) 상의 세미 마이너 축(semi minor axis)과 상기 횡 축(abscissa axis) 상의 세미 메이저 축(semi major axis)을 갖는, 타원형(ellipse)들의 형태로 상기 중요성 영역들이 형성되는 것을 특징으로 하는 충돌 예측 방법.
4. 제 1 항에 있어서,

   상기 자동차 전방의 중요성 영역들에서 상기 공간의 상기 분할은, 상기 자동차 전방에 결합된 순간적인(instantaneous) 정규직교 참조 프레임(orthonormal reference frame)에 따라, 필수적으로 상기 시뮬레이션의 각각의 순간 (t_i)에서, 상기 보행자의 상기 세로 방향 위치가 상기 자동차의 상기 전면과 평평하도록, 상기 파티클의 상기 생존기간 (τ) 또는 추월(overtaking) 전 시간의 값에 따라 수행되고, 이 생존기간 (τ)가 더 짧아질수록, 상기 영역의 상기 중요성은 더 커지고, 오직 상기 보행자의 상기 세로 방향 위치 (x)와 그의 속도 (v_p)만이 고려되고, 상기 중요성 영역들은 상기 세로 축(ordinate axis)과 평행한 밴드(band)의 형태로 형성되는 것을 특징으로 하는 충돌 예측 방법.
5. 제 1 항에 있어서,

   상기 자동차 전방의 중요성 영역들에서 상기 공간의 상기 분할은, 상기 자동차 전방에 결합된 순간적인(instantaneous) 정규직교 참조 프레임(orthonormal reference frame)에 따라, 상기 자동차의 상기 참조 프레임의 상기 축들(Ox와 Oy)에 의해 형성되는 상기 평면에서 상기 보행자의 상기 각 위치(angular position)를 고려함으로써 수행되고, 상기 세로 방향 위치 (x)에 대한 상기 가로 방향 위치 (y)의 상기 비율에서 구해지고, 상기 중요성 영역들은 원점 (O)의 부채꼴(sector)들의 형태로 형성되고, 상기 횡 방향 축 (Ox), 이 두 개의 위치들의 상기 비율의 상기 아크 탄젠트(arc tangent)와 동일한 각 (θ): θ = arc tan (y/x) 에 대하여 만들어지는 것을 특징으로 하는 충돌 예측 방법.
6. 제 1 항에 있어서,

   상기 자동차 전방의 중요성 영역들에서 상기 공간의 상기 분할은, 상기 자동차 전방에 결합된 순간적인(instantaneous) 정규직교 참조 프레임(orthonormal reference frame)에 따라, 상기 자동차에 대한 상기 보행자의 상기 상대 속도의 상기 방향에 기초하여 수행되고, 그것의 가로 속도에 대한 그것의 세로 속도의 비율의 아크 탄젠트에 의하여, 또는 상기 자동차의 속도 (V_veh)에 대한 상기 보행자의 속도 (V_ped)의 상기 비율의 상기 아크 탄젠트에 의하여 구해지고:

   α = arc tan (V_ped/V_veh)

   상기 중요성 영역들은, 상기 횡 방향 축 (Ox) 상의 높이와 상기 가로 축 (Oy)에 기초하고, 상기 자동차의 속도에 대한 상기 보행자의 속도의 상기 비율의 상기 아크 탄젠트에 의하여 정의되는 최고점에서 각 (α)인 이등변 삼각형(isoscele triangles)의 형태로 형성되는 것을 특징으로 하는:

   α = arc tan (V_ped/V_veh)

   충돌 예측 방법.
7. 제 1 항에 있어서,

   상기 자동차 전방의 중요성 영역들에서 상기 공간의 상기 분할은, 상기 자동차 전방에 결합된 순간적인(instantaneous) 정규직교 참조 프레임(orthonormal reference frame)에 따라, 결정론적인 예측(deterministic prediction)을 기초로 하여 수행되고,

   이것은 상기 파티클의 상기 생존기간 (τ)와, 그 세로 위치가 영이고, 상기 보행자의 상기 가로 방향 속도(V_y ^ped)를 가지고, 다음 식에 의해서 정의되는, 상기 보행자의 상기 가로 방향 위치 (y)를 평가하는 상기 세로 방향 축 (y^*)을 동시에 사용하고, :

   y^* = y + τ * V_y ^ped

   세 가지 중요성 레벨은 y^* 의 상기 절대값의 함수로서 정의되고:

   - 만약,

   

   < y_impact이면, 상기 중요성은 높고,

   - 만약, y_impact ≤

   

   ≤ Y_unc이면, 상기 중요성은 최대이고,

   - 만약, Y_unc <

   

   이면, 상기 중요성은 작고, 첫 번째보다 작은 것을 특징으로 하는 충돌 예측 방법.
8. 제 1 항 내지 제 7 항 중 어느 한 항에 있어서,

   - 상기 자동차의 초기 운동 상태 (initial kinematic state) [E_v(t₀)]와 상기 보행자의 초기 운동 상태 [E_p(t₀)]를 결정하고, 다음으로 각각 중량 (p_i)를 할당받고, 순간 (t_i)에서 상기 자동차와 상기 보행자를 위해, 그리고 시뮬레이트 되고 이후 초기상태와 비교되는 운동 상태 [E_v(t_i) 및 E_p(t_i)] 각각을 위해, 시뮬레이트 된 경로들의 쌍과 대응하는, (N_i) 개의 파티클들을 생성하고,

   - 충돌이 있는 경우, 고려되는 상기 파티클을 제거하고 N_i ^th번째 파티클까지 다음 파티클로 상기 시뮬레이션을 계속하기 이전에, 상기 충돌의 상기 특성들을 평가 및 저장하고,

   - 상기 충돌 영역으로부터 빠져나간 경우, 어떤 충돌의 발생도 없이, 그 제거와 N_i ^th번째 파티클까지 다음 파티클로 상기 시뮬레이션을 계속하기 이전에, 고려되는 상기 경로의 상기 특성들을 저장하고,

   - 충돌이 없을 경우, 상기 시뮬레이션이 종료되지 않았다는 것을 증명하고, 반면 만약 시뮬레이션이 충돌없이 종료된다면, 최종 경로의 저장과 그 제거가 다시 계속되고,

   - 충돌이 없을 경우, 고려되는 상기 파티클은 살아남고, 이전 순간 (t_{i -1})에서의 그 값에 상기 상태 공간 내에 상기 순간 (t_i)에서 그것의 새로운 상태와 결합 된 상기 중요성 (I_{i ,k})의 값의 상기 비율(ratio) (β_i,k)을 계산하고, 이후 그것을 1과 비교하고,

   ㆍ 만약, 상기 비율 β_i,k가 1과 동일하다면, 이 경로는 성장하는 관심을 보여주지 않고, 상기 방법은 다음 시뮬레이트 되는 경로로 넘어가고,

   ㆍ 만약, 상기 비율 β_i,k가 1보다 작다면, 만약 그것이 살아남으면 새로운 중량 (p_k)가 할당되면서, 관심없는 상기 파티클이 "러시안 룰렛(Russian roulette)"의 단계에 의하여 무작위로 제거되고,

   ㆍ 만약, 상기 비율 β_i,k가 1보다 크다면, 상기 중요한 파티클의 그것과는 다른, 각각에 중량이 할당되는 n(k) 개의 새로운 파티클들로 중요하다고 생각되는 상기 파티클의 "분할(splitting)"의 단계에 의하여 규모를 축소하고, 여기서 파티클들은 다음 순간 (t_{i +1})에서 다음으로 진행되고,

   - 모든 Ni 파티클들이 진행되었다고 증명한 이후에, 상기 충돌의 상기 개연성과 저장된 상기 중량들 상의 상기 통계에 기초한 충돌의 가능성의 상기 특성들을 평가하는 단계를 포함하는 것을 특징으로 하는 충돌 예측 방법.
9. 제 1 항 내지 제 8 항 중 어느 한 항에 있어서,

   그것들의 위치와 속도를 평가하기 위한 수단과 결합되고, 자동차/보행자 충 돌 예측 수단과 연결된, 상기 자동차의 상기 환경에서 장애물들을 감지하기 위한 수단을 포함하고, 상기 예측 수단은 부가적으로 상기 자동차의 상기 컨트롤들과 연결된 센서들의 상기 일부 상에 상기 시스템을 구비한 상기 자동차의 상기 역학(dynamics)에 관한 정보를 수신하고, 충돌의 개연성, 충돌 전 시간, 관찰된 충돌 영역 및 가능한 충돌 상의 속도의 개연성의 각각의 감지된 장애물과 연결되고, 각각의 장애물에 관한 상기 정보는 이후 상기 시스템이 지적된(pinpointed) 보행자를 보호하기 위한 비상 상황에 적용되어야 한다는 상기 최적의 대응책(counter measure)을 선택하기 위한 수단에 보내지는 것을 특징으로 하는,

   상기 자동차 안에서 수행되고, 상기 자동차와 감지된 이동하는 보행자 사이의 충돌을 예측하는 방법을 수행하기 위한 시스템.
10. 제 9 항에 있어서,

    상기 충돌 예측 수단은 각각의 감지된 장애물을 충돌 속도와 관련되는 것을 특징으로 하는 수행 시스템.

Images