KR20220067874A - V2i 통신을 이용한 동적 자율주행 지원 시스템 - Google Patents
V2i 통신을 이용한 동적 자율주행 지원 시스템 Download PDFInfo
- Publication number
- KR20220067874A KR20220067874A KR1020200154607A KR20200154607A KR20220067874A KR 20220067874 A KR20220067874 A KR 20220067874A KR 1020200154607 A KR1020200154607 A KR 1020200154607A KR 20200154607 A KR20200154607 A KR 20200154607A KR 20220067874 A KR20220067874 A KR 20220067874A
- Authority
- KR
- South Korea
- Prior art keywords
- driving
- autonomous driving
- vehicle
- information
- data
- Prior art date
Links
- 238000004891 communication Methods 0.000 title claims abstract description 72
- 238000000034 method Methods 0.000 claims abstract description 54
- 238000013461 design Methods 0.000 claims abstract description 33
- 230000008859 change Effects 0.000 claims description 13
- 230000006403 short-term memory Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 10
- 238000001514 detection method Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000013473 artificial intelligence Methods 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000015654 memory Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000003213 activating effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000004883 computer application Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 238000004092 self-diagnosis Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
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
- 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
-
- 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
- G05D1/0088—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
-
- 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
-
- 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
- B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
-
- 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60Y—INDEXING SCHEME RELATING TO ASPECTS CROSS-CUTTING VEHICLE TECHNOLOGY
- B60Y2400/00—Special features of vehicle units
- B60Y2400/30—Sensors
-
- G05D2201/0213—
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Human Computer Interaction (AREA)
- Mathematical Physics (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Game Theory and Decision Science (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Business, Economics & Management (AREA)
- Traffic Control Systems (AREA)
Abstract
V2I 통신을 이용한 동적 자율주행 지원 시스템이 개시되며, 본원의 일 실시예에 따른 V2I 통신을 이용한 동적 자율주행 지원 방법은, 차량의 운행설계영역(Operation Design Domain, ODD) 및 주행 경로를 포함하는 주행 데이터 및 상기 차량에 설치된 센서에 의해 수집된 센서 데이터를 수신하는 단계, 상기 주행 경로와 연계된 주행환경 데이터를 수집하는 단계, 상기 주행 데이터, 상기 센서 데이터 및 상기 주행환경 데이터에 기초하여 상기 운행설계영역을 동적으로 변경하는 단계 및 상기 변경된 운행설계영역에 대한 정보를 상기 차량에 전송하는 단계를 포함할 수 있다.
Description
본원은 V2I 통신을 이용한 동적 자율주행 지원 시스템에 관한 것이다. 예를 들면, 본원은 V2I(Vehicle to Infrastructure) 통신을 이용한 동적 자율주행 지원 장치 및 방법과 V2I 통신을 이용한 동적 자율주행 방법에 관한 것이다.
미국 자동차 공학회(SAE)에 따른 자율주행 레벨을 기준으로 Level 5(완전자율주행) 이하의 레벨의 자율주행자동차는 해당 자동차의 제조업체가 부여한 운행설계영역(Operation Design Domain, ODD) 내에서만 자율주행이 가능하고, 통상적으로 운행설계영역(ODD)을 벗어나게 되면 자율주행이 불가능하다. 즉, 운행설계영역(ODD)은 자율주행자동차의 제조업체가 자율주행 가능한 상황을 명시하여 놓은 구간을 의미하는 정적인 개념으로 활용되고 있다.
그러나, 교통 상황, 날씨, 조도 등 다양한 자율주행자동차가 통행 가능한 도로의 환경적 요소는 시간의 흐름, 상황 등에 따라 유동적으로 변화할 수 있고, 이에 따라 자율주행이 가능한 운행설계영역(ODD) 내로 설정된 구간에서도 날씨, 조도 등에 의한 노면상태, 그림자 존부, 장애물, 유고상황 등으로 인하여 자율주행이 어려운 상황이 발생할 수 있다.
따라서, 인프라와 자율주행자동차가 V2I 통신 등을 통해 상호 작용하며 자율주행의 안정성 및 신뢰성을 향상시킬 수 있는 자율주행 지원 시스템의 개발 및 도입이 요구된다.
본원의 배경이 되는 기술은 한국등록특허공보 제10-2107466호에 개시되어 있다.
본원은 전술한 종래 기술의 문제점을 해결하기 위한 것으로서, 자율주행자동차에 대한 운행설계영역(ODD)을 도로 상황 등에 따라 능동적으로 판단하여 자율주행을 지원하는 V2I 통신을 이용한 동적 자율주행 지원 시스템을 제공하려는 것을 목적으로 한다.
본원은 전술한 종래 기술의 문제점을 해결하기 위한 것으로서, 안전하고 신뢰성 높은 자율주행을 지원하는 V2I 통신을 이용한 동적 자율주행 지원 시스템을 제공하려는 것을 목적으로 한다.
다만, 본원의 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제들로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.
상기한 기술적 과제를 달성하기 위한 기술적 수단으로서, 본원의 일 실시예에 따른 V2I 통신을 이용한 동적 자율주행 지원 방법은, 차량의 운행설계영역(Operation Design Domain, ODD) 및 주행 경로를 포함하는 주행 데이터 및 상기 차량에 설치된 센서에 의해 수집된 센서 데이터를 수신하는 단계, 상기 주행 경로와 연계된 주행환경 데이터를 수집하는 단계, 상기 주행 데이터, 상기 센서 데이터 및 상기 주행환경 데이터에 기초하여 상기 운행설계영역을 동적으로 변경하는 단계 및 상기 변경된 운행설계영역에 대한 정보를 상기 차량에 전송하는 단계를 포함할 수 있다.
또한, 상기 동적으로 변경하는 단계는, 상기 주행 데이터, 상기 센서 데이터 및 상기 주행환경 데이터에 기초하여 상기 주행 경로의 구간별 자율주행 가부에 대한 판단 정보를 생성할 수 있다.
또한, 상기 판단 정보는, 상기 차량이 상기 센서 데이터에 기초하여 자율주행이 가능한 상태인 제1판단 정보, 상기 차량이 상기 센서 데이터 및 상기 주행환경 데이터에 기초하여 자율주행이 가능한 상태인 제2판단 정보 또는 상기 차량의 자율주행이 불가능한 상태인 제3판단 정보를 포함할 수 있다.
또한, 상기 판단 정보를 생성하는 단계는, 상기 주행 경로를 링크 단위로 분할하는 단계 및 상기 분할된 링크마다 상기 판단 정보를 생성하는 단계를 포함할 수 있다.
또한, 본원의 일 실시예에 따른 V2I 통신을 이용한 동적 자율주행 지원 방법은, 상기 전송하는 단계 이후에, 상기 제2판단 정보가 생성된 링크에 대하여 수집되는 상기 주행환경 데이터를 상기 차량으로 전송하는 단계를 포함할 수 있다.
또한, 상기 링크마다 상기 판단 정보를 생성하는 단계는, 상기 주행환경 데이터에 기초하여 상기 차량이 통과할 링크에 대한 노면상태 정보 및 음영 정보를 예측하는 단계 및 상기 예측된 노면상태 정보 및 음영 정보에 기초하여 해당 링크에 대한 상기 판단 정보를 생성하는 단계를 포함할 수 있다.
또한, 상기 주행환경 데이터는, 상기 링크의 노면상태에 대한 시계열 데이터를 포함할 수 있다.
또한, 상기 예측하는 단계는, 상기 시계열 데이터가 입력되면 상기 노면상태의 변화를 예측하도록 미리 학습된 LSTM(Long Short-Term Memory) 기반의 모델에 기초하여 상기 노면상태 정보를 예측할 수 있다.
또한, 상기 주행환경 데이터는, 상기 링크의 노면에 대한 영상 데이터를 포함할 수 있다.
또한, 상기 예측하는 단계는, 상기 영상 데이터가 입력되면 상기 노면 상의 그림자 존부 및 그림자 길이의 변화를 예측하도록 미리 학습된 YOLO(You Only Look Once) 기반의 모델에 기초하여 상기 음영 정보를 예측할 수 있다.
한편, 본원의 일 실시예에 따른 V2I 통신을 이용한 동적 자율주행 방법은, 차량의 운행설계영역(Operation Design Domain, ODD) 및 주행 경로를 포함하는 주행 데이터 및 상기 차량에 설치된 센서에 의해 수집된 센서 데이터를 동적 자율주행 지원 장치로 전송하는 단계, 상기 주행 데이터, 상기 센서 데이터 및 상기 주행 경로와 연계되어 수집된 주행환경 데이터에 기초하여 생성된 상기 주행 경로의 구간별 자율주행 가부에 대한 판단 정보를 상기 동적 자율주행 지원 장치로부터 수신하는 단계 및 상기 판단 정보에 기초하여 상기 차량의 구간별 자율주행 수행 여부를 결정하는 단계를 포함할 수 있다.
또한, 상기 판단 정보는, 상기 주행 경로에 포함된 링크 각각에 대하여 개별 생성되고, 상기 결정하는 단계는, 상기 링크 각각에 대하여 수신된 상기 판단 정보에 기초하여 상기 링크 각각에 대한 자율주행 수행 여부를 결정할 수 있다.
또한, 본원의 일 실시예에 따른 V2I 통신을 이용한 동적 자율주행 방법은, 상기 제2판단 정보가 생성된 링크에 대한 주행환경 데이터 요청 신호를 상기 동적 자율주행 지원 장치에 전송하는 단계, 상기 동적 자율주행 지원 장치로부터 상기 주행환경 데이터를 수신하는 단계 및 상기 센서 데이터 및 상기 주행환경 데이터에 기초하여 해당 링크에 대한 자율주행을 수행하는 단계를 포함할 수 있다.
한편, 본원의 일 실시예에 따른 V2I 통신을 이용한 동적 자율주행 지원 장치는, 차량의 운행설계영역(Operation Design Domain, ODD) 및 주행 경로를 포함하는 주행 데이터 및 상기 차량에 설치된 센서에 의해 수집된 센서 데이터를 수신하는 통신부, 상기 주행 경로와 연계된 주행환경 데이터를 수집하는 수집부 및 상기 주행 데이터, 상기 센서 데이터 및 상기 주행환경 데이터에 기초하여 상기 운행설계영역을 동적으로 변경하는 판단부를 포함할 수 있다.
또한, 상기 통신부는, 상기 변경된 운행설계영역에 대한 정보를 상기 차량에 전송할 수 있다.
또한, 상기 판단부는, 상기 주행 데이터, 상기 센서 데이터 및 상기 주행환경 데이터에 기초하여 상기 주행 경로의 구간별 자율주행 가부에 대한 판단 정보를 생성할 수 있다.
또한, 상기 판단부는, 상기 주행 경로를 링크 단위로 분할하고, 상기 분할된 링크마다 상기 판단 정보를 생성할 수 있다.
또한, 상기 통신부는, 상기 제2판단 정보가 생성된 링크에 대하여 수집되는 상기 주행환경 데이터를 상기 차량으로 전송할 수 있다.
또한, 상기 판단부는, 상기 주행환경 데이터에 기초하여 상기 차량이 통과할 링크에 대한 노면상태 정보 및 음영 정보를 예측하고, 상기 예측된 노면상태 정보 및 음영 정보에 기초하여 해당 링크에 대한 상기 판단 정보를 생성할 수 있다.
상술한 과제 해결 수단은 단지 예시적인 것으로서, 본원을 제한하려는 의도로 해석되지 않아야 한다. 상술한 예시적인 실시예 외에도, 도면 및 발명의 상세한 설명에 추가적인 실시예가 존재할 수 있다.
전술한 본원의 과제 해결 수단에 의하면, 자율주행자동차에 대한 운행설계영역(ODD)을 도로 상황 등에 따라 능동적으로 판단하여 자율주행을 지원하는 V2I 통신을 이용한 동적 자율주행 지원 시스템을 제공할 수 있다.
전술한 본원의 과제 해결 수단에 의하면, 안전하고 신뢰성 높은 자율주행을 지원하는 V2I 통신을 이용한 동적 자율주행 지원 시스템을 제공할 수 있다.
다만, 본원에서 얻을 수 있는 효과는 상기된 바와 같은 효과들로 한정되지 않으며, 또 다른 효과들이 존재할 수 있다.
도 1은 본원의 일 실시예에 따른 V2I 통신을 이용한 동적 자율주행 지원 시스템의 개략적인 구성도이다.
도 2는 도로의 노면상태의 변화를 예측하도록 미리 학습되는 LSTM 기반 모델을 설명하기 위한 개념도이다.
도 3은 도로의 음영 정보의 변화를 예측하도록 미리 학습되는 YOLO 기반 모델을 설명하기 위한 개념도이다.
도 4는 본원의 일 실시예에 따른 V2I 통신을 이용한 동적 자율주행 지원 장치의 개략적인 구성도이다.
도 5는 본원의 일 실시예에 따른 V2I 통신을 이용한 동적 자율주행 수행 장치의 개략적인 구성도이다.
도 6은 본원의 일 실시예에 따른 V2I 통신을 이용한 동적 자율주행 지원 방법에 대한 동작 흐름도이다.
도 7은 본원의 일 실시예에 따른 V2I 통신을 이용한 동적 자율주행 방법에 대한 동작 흐름도이다.
도 8은 본원의 일 실시예에 따른 V2I 통신을 이용한 동적 자율주행 지원 시스템의 동작 방법에 대한 세부 동작 흐름도이다.
도 2는 도로의 노면상태의 변화를 예측하도록 미리 학습되는 LSTM 기반 모델을 설명하기 위한 개념도이다.
도 3은 도로의 음영 정보의 변화를 예측하도록 미리 학습되는 YOLO 기반 모델을 설명하기 위한 개념도이다.
도 4는 본원의 일 실시예에 따른 V2I 통신을 이용한 동적 자율주행 지원 장치의 개략적인 구성도이다.
도 5는 본원의 일 실시예에 따른 V2I 통신을 이용한 동적 자율주행 수행 장치의 개략적인 구성도이다.
도 6은 본원의 일 실시예에 따른 V2I 통신을 이용한 동적 자율주행 지원 방법에 대한 동작 흐름도이다.
도 7은 본원의 일 실시예에 따른 V2I 통신을 이용한 동적 자율주행 방법에 대한 동작 흐름도이다.
도 8은 본원의 일 실시예에 따른 V2I 통신을 이용한 동적 자율주행 지원 시스템의 동작 방법에 대한 세부 동작 흐름도이다.
아래에서는 첨부한 도면을 참조하여 본원이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본원의 실시예를 상세히 설명한다. 그러나 본원은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본원을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
본원 명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결" 또는 "간접적으로 연결"되어 있는 경우도 포함한다.
본원 명세서 전체에서, 어떤 부재가 다른 부재 "상에", "상부에", "상단에", "하에", "하부에", "하단에" 위치하고 있다고 할 때, 이는 어떤 부재가 다른 부재에 접해 있는 경우뿐 아니라 두 부재 사이에 또 다른 부재가 존재하는 경우도 포함한다.
본원 명세서 전체에서, 어떤 부분이 어떤 구성 요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성 요소를 제외하는 것이 아니라 다른 구성 요소를 더 포함할 수 있는 것을 의미한다.
본원은 V2I 통신을 이용한 동적 자율주행 지원 시스템에 관한 것이다. 예를 들면, 본원은 V2I(Vehicle to Infrastructure) 통신을 이용한 동적 자율주행 지원 장치 및 방법과 V2I 통신을 이용한 동적 자율주행 방법에 관한 것이다.
도 1은 본원의 일 실시예에 따른 V2I 통신을 이용한 동적 자율주행 지원 시스템의 개략적인 구성도이다.
도 1을 참조하면, 본원의 일 실시예에 따른 V2I 통신을 이용한 동적 자율주행 지원 시스템(10)(이하, '동적 자율주행 지원 시스템(10)'이라 한다.)은, 본원의 일 실시예에 따른 V2I 통신을 이용한 동적 자율주행 지원 장치(100)(이하, '동적 자율주행 지원 장치(100)'라 한다.), 동적 자율주행 수행 장치(200) 및 인프라(300)를 포함할 수 있다.
동적 자율주행 지원 장치(100), 동적 자율주행 수행 장치(200) 및 인프라(300) 상호간은 네트워크(20)를 통해 통신할 수 있다. 네트워크(20)는 단말들 및 서버들과 같은 각각의 노드 상호간에 정보 교환이 가능한 연결 구조를 의미하는 것으로, 이러한 네트워크(20)의 일 예에는, 3GPP(3rd Generation Partnership Project) 네트워크, LTE(Long Term Evolution) 네트워크, 5G 네트워크, WIMAX(World Interoperability for Microwave Access) 네트워크, 인터넷(Internet), LAN(Local Area Network), Wireless LAN(Wireless Local Area Network), WAN(Wide Area Network), PAN(Personal Area Network), wifi 네트워크, 블루투스(Bluetooth) 네트워크, 위성 방송 네트워크, 아날로그 방송 네트워크, DMB(Digital Multimedia Broadcasting) 네트워크 등이 포함되나 이에 한정되지는 않는다.
본원의 일 실시예에 따르면, 동적 자율주행 지원 장치(100) 및 동적 자율주행 수행 장치(200) 중 적어도 하나는 사용자 단말(미도시)에 탑재(설치)되거나 사용자 단말(미도시)에 연동(페어링)되는 형태로 동작하는 것일 수 있다. 사용자 단말(미도시)은 예를 들면, 스마트폰(Smartphone), 스마트패드(SmartPad), 태블릿 PC등과 PCS(Personal Communication System), GSM(Global System for Mobile communication), PDC(Personal Digital Cellular), PHS(Personal Handyphone System), PDA(Personal Digital Assistant), IMT(International Mobile Telecommunication)-2000, CDMA(Code Division Multiple Access)-2000, W-CDMA(W-Code Division Multiple Access), Wibro(Wireless Broadband Internet) 단말기 같은 모든 종류의 무선 통신 장치일 수 있다. 다른 예로, 동적 자율주행 지원 장치(100)는 차량(1) 및 인프라(300) 사이에서 V2I 통신에 기반하여 필요한 데이터를 송수신하는 서버 형태로 구현될 수 있다.
본원의 일 실시예에 따르면, 동적 자율주행 수행 장치(200)는 차량(1)에 대하여 설치되는 것일 수 있다. 예를 들면, 동적 자율주행 수행 장치(200)는 내비게이션 모듈, 하이패스 모듈 또는 커넥티드 카 모빌리티 서비스 모듈 등 차량(1)에 탑재되어, 차량(1)의 운행 정보를 수집할 수 있는 각종 디바이스, 전술한 디바이스 내에 탑재될 수 있는 하위 모듈 등의 형태로 다양하게 구현될 수 있다.
예시적으로, 커넥티드 카 모빌리티 서비스 모듈은 예시적으로 블루링크, UVO 등 원격 시동 서비스, 원격 공조기 제어 서비스 등을 제공하기 위하여 차량 내부에 탑재되며 다른 차량이나 교통 및 통신 인프라, 보행자 단말 등과 실시간으로 통신하며 운전자의 편의와 교통 안전을 돕는 단말을 의미할 수 있다.
또한, 동적 자율주행 수행 장치(200)는 차량의 운전석 하부 또는 차량의 대시보드에 설치되어, 차량 상태, 연비 정보, 연료 정보, 가속도 정보, 차량 고장 내역 등을 저장하는 운행기록 저장 기기인 운행기록 자가 진단 장치(미도시)와 연계된 것일 수 있다.
또한, 본원의 일 실시예에 따르면, 인프라(300)는, 사물 인터넷(IoT) 장비, 과속 탐지기, 톨게이트 장비, 하이패스 단말, 감시 카메라 등 주행 도로 일 영역 등에 설치되어 인접 주행 차량의 운행 정보를 수집할 수 있는 각종 디바이스를 폭넓게 포함하는 개념으로 이해될 수 있다. 보다 구체적으로, 인프라(300)는 도로의 노면에 대한 영상 데이터를 획득하는 촬영 디바이스(301)를 포함할 수 있다. 예를 들면, 촬영 디바이스(301)는 도로 주변 소정의 위치에 설치되는 CCTV 단말 등일 수 있다.
또한, 본원의 일 실시예에 따르면, 인프라(300)는 도시 교통 정보 시스템(302)을 포함할 수 있다. 여기서, 도시 교통 정보 시스템(302)은 각 도시의 교통 정보를 생산 및 제공하는 교통 정보 시스템 또는 그와 연계된 서버를 의미할 수 있으며, 구체적으로 주요 도시 각각에 마련된 교통 정보 센터, 수집 제공 장치, 감시 카메라, 가변 전광 표지판(VMS) 등의 도로기반 시설과 연계하여 각종 교통 정보를 생산, 가공 및 제공하는 시스템 또는 서버를 의미할 수 있다.
이하에서는, 동적 자율주행 지원 장치(100) 및 동적 자율주행 수행 장치(200)의 기능 및 동작에 대해 상세히 서술하도록 한다.
동적 자율주행 지원 장치(100)는 차량(1)의 운행설계영역(Operation Design Domain, ODD) 및 주행 경로를 포함하는 주행 데이터 및 차량(1)에 설치된 센서에 의해 수집된 센서 데이터를 수신할 수 있다. 예를 들어, 동적 자율주행 지원 장치(100)는 동적 자율주행 수행 장치(200)로부터 주행 데이터 및 센서 데이터를 수신하는 것일 수 있다. 다른 예로, 동적 자율주행 지원 장치(100)는 동적 자율주행 수행 장치(200)로부터는 주행 데이터를, 차량(1)에 설치된 센서로부터는 센서 데이터를 각각 수신하도록 동작할 수 있다.
참고로, 자율주행차량은 운전자의 개입 없이 스스로 주행하거나 또는 운전자의 개입을 최소로 하면서 주행하기 때문에, 운행 중 도로종류, 날씨 등의 여러 제약 사항 발생시 어떤 기능들이 실행되어야 하는지를 사전에 정의한 운행설계영역(ODD)를 참조하여 주행을 하게 된다. 즉, 본원에서의 운행설계영역(ODD)는 유사 케이스, 주행 시나리오 등을 바탕으로 해당 차량(1)에 대한 제어성능과 안전의 한계성을 사전에 설정한 개념으로 이해될 수 있다.
또한, 본원의 일 실시예에 따르면, 센서 데이터를 획득하기 위해 차량(1)에 설치되는 센서는 예를 들어 레이더 센서, 라이다(LiDAR) 센서, 비전 센서, 장애물 감지 센서, 차선 감지 센서, 속도 센서, 압력 센서, 가속도 센서 등을 포함할 수 있다.
또한, 동적 자율주행 지원 장치(100)는 차량(1)의 주행 경로와 연계된 주행환경 데이터를 수집할 수 있다. 예를 들어, 동적 자율주행 지원 장치(100)는 인프라(300)로부터 주행환경 데이터를 미리 설정된 단위 시간마다 획득하고, 획득된 주행환경 데이터 중에서 차량(1)의 주행 경로와 연계된 주행환경 데이터를 선별하는 방식으로 필요한 주행환경 데이터를 수집하는 것일 수 있다.
또한, 본원의 일 실시예에 따르면, 동적 자율주행 지원 장치(100)는 주행환경 데이터를 제공한 인프라(300)의 세부 유형(예를 들면, 촬영 디바이스(301), 도로 교통 정보 시스템(302) 등)에 대응하는 신뢰도 정보를 보유할 수 있다. 또한, 동적 자율주행 지원 장치(100)는 복수의 주체(인프라 단말)로부터 동일한 도로(링크)에 대한 주행환경 데이터가 수신된 경우 보유한 신뢰도 정보에 기초하여 수집 주체에 따라 불일치하는 주행환경 데이터를 어느 하나의 수집 주체에 대응하는 데이터로 할당할 수 있다. 예시적으로, 신뢰도 정보는 촬영 디바이스(301)의 경우, 촬영 디바이스(301)에 의해 촬영되는 도로(노면)의 면적 정보, 해상도 정보 등에 기초하여 설정되는 것일 수 있다. 이해를 돕기 위해 예시하면, 도로(노면)을 보다 넓은 면적으로 촬영하도로 설치되는 촬영 디바이스(301)에 대하여는 해당 촬영 디바이스(301)보다 작은 면적으로 해당 도로(노면)을 촬영하는 촬영 디바이스(301) 대비 높은 신뢰도가 부여되는 것일 수 있다.
또한, 본원의 일 실시예에 따르면, 인프라(300)에 의해 획득되어 동적 자율주행 지원 장치(100)로 전송되는 주행환경 데이터는 도로(노면)의 온도 정보, 도로(노면)의 상태 정보, 도로(노면)에 대한 이미지(영상) 정보, 장애물 정보, 도로 시설물 정보, 교통량 정보, 사고 발생 지역 정보 등을 포함할 수 있다. 달리 말해, 인프라(300)를 통해 수집되는 주행환경 데이터는 차량(1)의 주행에 영향을 미칠 수 있으나 차량(1)에 설치되는 차량 센서만으로는 획득하기 어려운 각종 정보를 포함할 수 있다. 특히, 도로(노면)의 상태 정보는 건조 상태, 습윤 상태, 결빙 상태 등 차량(1)의 주행 및 제동에 큰 영향을 미칠 수 있는 도로(노면)의 상태를 분석한 결과를 포함할 수 있다. 특히, 도로(노면)의 상태 정보는 해당 도로에서의 결빙 구간의 위치 정보를 포함할 수 있다.
또한, 동적 자율주행 지원 장치(100)는 수신한 주행 데이터, 센서 데이터 및 주행환경 데이터에 기초하여 차량(1)에 대하여 미리 설정된 운행설계영역(ODD)을 동적으로 변경할 수 있다. 보다 구체적으로, 동적 자율주행 지원 장치(100)는 주행 데이터, 센서 데이터 및 주행환경 데이터에 기초하여 차량(1)의 주행 경로의 구간별 자율주행 가부에 대한 판단 정보를 생성할 수 있다. 참고로, 본원의 실시예에 관하 설명에서 주행 경로를 분할하는 단위인 주행 경로의 구간은 교차로와 교차로 사이의 도로를 의미하는 '링크'를 단위로 할 수 있다. 달리 말해, 본원의 구현예에 따라 주행 경로의 구간 각각은 적어도 하나의 링크를 포함하도록 분할될 수 있다.
또한, 동적 자율주행 지원 장치(100)는 변경된 운행설계영역(ODD)에 대한 정보를 차량(1)에 전송할 수 있다. 보다 구체적으로, 동적 자율주행 지원 장치(100)는 변경된 운행설계영역(ODD)에 대한 정보인 구간별 자율주행 가부에 대한 판단 정보를 동적 자율주행 수행 장치(200)로 전송할 수 있다. 이와 관련하여, 동적 자율주행 수행 장치(200)는 후술하는 바와 같이 수신한 변경된 운행설계영역(ODD)에 대한 정보 내지 판단 정보를 기초로 자율주행 수행(지속) 여부를 결정할 수 있다.
또한, 본원의 일 실시예에 따르면, 동적 자율주행 지원 장치(100)에 의해 생성되는 판단 정보는 차량(1)이 센서 데이터에 기초하여 자율주행이 가능한 상태인 것으로 판단된 경우에 생성되는 제1판단 정보, 차량(1)이 센서 데이터 및 주행환경 데이터에 기초하여 자율주행이 가능한 상태인 것으로 판단된 경우에 생성되는 제2판단 정보 또는 차량(1)의 자율주행이 불가능한 상태인 것으로 판단된 경우에 생성되는 제3판단 정보를 포함할 수 있다.
구체적으로, 동적 자율주행 지원 장치(100)는 해당 구간(링크)에서 차량(1)이 인프라(300)에 의해 수집된 각종 정보(주행환경 데이터) 없이도 차량(1) 내에서 획득되는 센서 데이터만으로 자율주행이 가능한 것으로 판단되면, 제1판단 정보를 생성할 수 있다. 달리 말해, 제1판단 정보는 차량(1)이 자율주행 '가능' 단계인 것으로 판단되는 경우에 생성되는 것으로 이해될 수 있다.
또한, 동적 자율주행 지원 장치(100)는 해당 구간(링크)에서 차량(1)이 자체적으로 수집한 센서 데이터만으로는 자율주행이 어려우나 인프라(300)에 의해 수집된 각종 정보(주행환경 데이터)를 추가로 수신하여 센서 데이터와 주행환경 데이터를 융합(센서 퓨전)하여 자율주행이 가능한 것으로 판단되면, 제2판단 정보를 생성할 수 있다. 달리 말해, 제2판단 정보는 차량(1)이 자율주행 '보통' 단계인 것으로 판단되는 경우에 생성되는 것으로 이해될 수 있다. 또한, 본원의 구현예에 따라 제2판단 정보에 대응하는 자율주행 단계는 '인프라 협력 필요' 단계로 달리 지칭될 수 있다.
또한, 동적 자율주행 지원 장치(100)는 해당 구간(링크)에서 차량(1)이 자체적으로 수집한 센서 데이터 및 인프라(300)에 의해 수집되는 주행환경 데이터를 함께 활용하더라도 노면상태 등에 의해 자율주행이 불가한 것으로 판단되면, 제3판단 정보를 생성할 수 있다. 달리 말해, 제3판단 정보는 차량(1)이 자율주행 '불가능' 단계인 것으로 판단되는 경우에 생성되는 것으로 이해될 수 있다.
종합하면, 동적 자율주행 지원 장치(100)는 차량(1)으로부터 수신한 주행 경로를 링크 단위로 분할하고, 분할된 링크마다 또는 적어도 하나의 링크를 포함하는 단위 구간마다 자율주행 가능 여부에 대한 판단 결과를 포함하는 판단 정보를 생성할 수 있다.
보다 구체적으로, 동적 자율주행 지원 장치(100)는 인프라(300)로부터 수신한 주행환경 데이터에 기초하여 차량(1)이 통과할 링크에 대한 노면상태 정보 및 음영 정보를 예측할 수 있다. 이하에서는, 동적 자율주행 지원 장치(100)가 미리 구축된 인공지능 모델에 기초하여 노면상태 정보 및 음영 정보를 예측하는 프로세스에 대해 상세히 설명하도록 한다.
도 2는 도로의 노면상태의 변화를 예측하도록 미리 학습되는 LSTM 기반 모델을 설명하기 위한 개념도이다.
도 2를 참조하면, 동적 자율주행 지원 장치(100)는 인프라(300)로부터 링크의 노면상태(예를 들면, 노면의 온도, 기온, 습도 등의 날씨 정보 등)에 대한 시계열 데이터를 포함하는 주행환경 데이터를 수신할 수 있다. 또한, 동적 자율주행 지원 장치(100)는 소정의 시계열 데이터가 입력되면 해당 시계열 데이터에 기초하여 노면상태의 변화(달리 말해, 다음 시간단위에 대하여 예측되는 노면상태)를 예측하도록 미리 학습된 LSTM(Long Short-Term Memory) 기반의 인공지능 모델에 기초하여 노면상태 정보를 예측할 수 있다.
LSTM(Long-Short Term Memory) 알고리즘은 딥러닝 분야에서 사용되는 인공 재귀 신경 네트워크(RNN) 아키텍처의 하나로, 피드 포워드 신경망과 달리 피드백 연결이 존재한다. 따라서, LSTM 알고리즘에 의하면 단일 데이터 포인트뿐만 아니라 전체 데이터 시퀀스에 대한 학습 및 처리를 수행 할 수 있다.
이러한 LSTM 알고리즘은 시계열 데이터를 기반으로 예측을 분류, 처리 및 예측하는 데 적합하며, LSTM은 전통적인 RNN을 통한 훈련에서 발생 가능한 Vanishing Gradient 문제를 해소하는 장점이 있다.
다만, 노면상태의 변화를 예측하기 위한 인공지능 모델의 유형은 전술한 LSTM 알고리즘에만 한정되는 것은 아니며, 본원의 구현예에 따라, 동적 자율주행 지원 장치(100)는 LSTM 알고리즘 외에도, Attention 알고리즘, Transformer 알고리즘, BERT(Bidirectional Encoder Representations from Transformers) 알고리즘 등 과거부터 현재까지의 해당 링크의 노면상태를 반영하는 시계열 데이터에 대한 분석을 통해 향후의 노면상태를 예측할 수 있는 시계열 데이터 분석 기반의 인공지능 알고리즘에 기초하여 노면상태 정보를 예측할 수 있다. 즉, 본원에서는 종래에 이미 공지되었거나 향후 개발되는 다양한 시계열 데이터 분석 기반의 알고리즘 모델이 적용될 수 있다.
도 3은 도로의 음영 정보의 변화를 예측하도록 미리 학습되는 YOLO 기반 모델을 설명하기 위한 개념도이다.
도 3을 참조하면, 동적 자율주행 지원 장치(100)는 인프라(300)로부터 링크의 노면에 대한 영상 데이터를 포함하는 주행환경 데이터를 수신할 수 있다. 또한, 동적 자율주행 지원 장치(100)는 소정의 영상 데이터(도 3의 Images)가 입력되면 해당 영상 데이터에 기초하여 노면 상의 그림자의 존부 및 그림자의 길이의 변화를 예측하도록 미리 학습된 YOLO(You Only Look Once) 기반의 모델에 기초하여 음영 정보를 예측할 수 있다.
YOLO(욜로) 알고리즘은 실시간으로 영상의 의미 영역을 검출하도록 학습되는 객체 탐지 알고리즘의 일 예로, 예시적으로 의미 영역은 소정의 영상 데이터 내에 포함될 수 있는 얼굴, 자동차, 나무, 안경 등과 같은 미리 설정된 객체에 대응하는 영상 패턴일 수 있다. 특히, YOLO 알고리즘에 의할 때 영상 데이터(이미지) 내에 소정의 객체가 포함되어 있는지 여부 또는 소정의 객체가 미등장하고 배경만 단독으로 존재하는지 여부 등이 판단될 수 있다.
구체적으로 YOLO 알고리즘은 교사 학습(supervised learning) 방식 기계학습 알고리즘으로써 인식할 의미 영역과 이에 대한 분류 정보(즉, 라벨링)를 쌍으로 학습 데이터를 생성하고, 다수의 학습 데이터를 입력 파라미터로 하는 학습 모델을 생성하여 임의의 영상에서 학습된 의미 영역을 추출하는 객체 분류를 수행할 수 있다.
또한, 본원의 일 실시예에 따르면, YOLO 알고리즘에 의해 객체 분류가 이루어지는 경우, 추출된 의미 영역이 경계 상자(Bounding Box) 형태로 제공될 수 있으며, 각각의 경계 상자(Bounding Box)에 대한 분류 정보(Object Class)가 함께 제공될 수 있다. 이러한 YOLO 알고리즘은 기계학습 영상 인식 분야에서 성능 및 정확도가 높고 수행 속도가 빠르기 때문에 자율주행 자동차, 영상 내 인물 탐지 등 실시간 사물 인지 분야 등에 활용될 수 있으며, 본원에서 개시하는 동적 자율주행 지원 장치(100)는 YOLO 알고리즘을 활용하여 노면을 촬영한 영상 데이터에서의 그림자의 존재 여부를 판단할 뿐만 아니라, 딥러닝 기법에 기초하여 해당 시점(그림자 존부 판단 시점) 이후의 그림자의 존부 변화, 그림자의 길이 변화에 대한 경향을 예측할 수 있다.
또한, 동적 자율주행 지원 장치(100)는 예측된 노면상태 정보 및 음영 정보에 기초하여 해당 링크에 대한 판단 정보를 생성할 수 있다.
또한, 동적 자율주행 지원 장치(100)는 변경된 운행설계영역(ODD)에 대한 정보를 차량(1)에 전송할 수 있다. 보다 구체적으로, 동적 자율주행 지원 장치(100)는 링크별 또는 적어도 하나의 링크를 포함하는 단위 구간별로 생성된 자율주행 가부에 대한 판단 정보(예를 들면, 제1 내지 제3판단 정보 중 어느 하나)를 차량(1)에 탑재된 동적 자율주행 수행 장치(200)로 전송할 수 있다. 또한, 링크별 또는 적어도 하나의 링크를 포함하는 단위 구간별로 생성되는 판단 정보의 유형은 상황에 따라 각각 상이할 수 있다.
다만, 동적 자율주행 지원 장치(100)는 차량(1)의 주행 경로 상의 모든 링크 또는 단위 구간에 대한 판단 정보의 유형이 제1판단 정보인 경우(달리 말해, 차량(1)이 전체 주행 경로에서 자체적인 자율주행이 가능한 자율주행 '가능' 상태로 판단되는 경우) 전체 주행 경로에 대한 판단 정보를 제1판단 정보로 통합하여 동적 자율주행 수행 장치(200)로 전송할 수 있다.
또한, 본원의 일 실시예에 따르면, 동적 자율주행 지원 장치(100)는 제2판단 정보가 생성된 링크에 대하여 수집되는 주행환경 데이터를 차량(1)으로 전송할 수 있다.
이와 관련하여, 동적 자율주행 지원 장치(100)로부터 변경된 운행설계영역(ODD)에 대한 정보를 수신한 동적 자율주행 수행 장치(200)가 최종적으로 제2판단 정보가 생성된 링크에 대하여 자율주행을 수행(달리 말해, 차량(1)의 자율주행 기능을 활성화)하는 것으로 결정한 경우, 동적 자율주행 지원 장치(100)는 동적 자율주행 수행 장치(200)로부터 제2판단 정보가 생성된 링크에 대한 주행환경 데이터 요청 신호를 수신할 수 있다. 또한, 동적 자율주행 지원 장치(100)는 수신한 주행환경 데이터 요청 신호에 대응하여 제2판단 정보가 생성된 링크에 대하여 수집된 주행환경 데이터 중 차량(1)의 자율주행에 필요한 정보를 동적 자율주행 수행 장치(200)로 전송함으로써, 차량(1)이 센서 데이터 및 인프라(300)를 통해 수집되는 인프라 협력 정보인 주행환경 데이터를 통합하여 자율주행을 수행하도록 지원할 수 있다.
또한, 본원의 일 실시예에 따르면, 주행환경 데이터 요청 신호에 대응하여 차량(1)(구체적으로, 동적 자율주행 수행 장치(200)를 의미할 수 있다.)으로 전송되는 주행환경 데이터에는 해당 링크의 노면 상의 장애물의 위치 정보, 전술한 음영 정보에 기초하여 판단되는 해당 링크에서의 그림자의 위치 정보, 전술한 노면상태 정보에 기초하여 판단되는 해당 링크의 노면 상에서의 결빙 위치 정보 등이 포함될 수 있다.
도 4는 본원의 일 실시예에 따른 V2I 통신을 이용한 동적 자율주행 지원 장치의 개략적인 구성도이다.
도 4를 참조하면, 동적 자율주행 지원 장치(100)는 통신부(110), 수집부(120) 및 판단부(130)를 포함할 수 있다.
통신부(110)는 차량(1)의 운행설계영역(Operation Design Domain, ODD) 및 주행 경로를 포함하는 주행 데이터 및 차량(1)에 설치된 센서에 의해 수집된 센서 데이터를 수신할 수 있다. 또한, 통신부(110)는 변경된 운행설계영역(ODD)에 대한 정보를 차량(1)에 전송할 수 있다.
수집부(120)는 차량(1)의 주행 경로와 연계된 주행환경 데이터를 수집할 수 있다.
판단부(130)는 주행 데이터, 센서 데이터 및 주행환경 데이터에 기초하여 차량(1)의 운행설계영역(ODD)을 동적으로 변경할 수 있다. 구체적으로, 판단부(130)는 수신 및 수집한 주행 데이터, 센서 데이터 및 주행환경 데이터에 기초하여 차량(1)의 주행 경로의 구간별 자율주행 가부에 대한 판단 정보를 생성할 수 있다. 특히, 판단부(130)에 의해 생성되는 판단 정보는 차량(1)이 센서 데이터에 기초하여 자율주행이 가능한 상태인 제1판단 정보, 차량(1)이 센서 데이터 및 주행환경 데이터에 기초하여 자율주행이 가능한 상태인 제2판단 정보 또는 차량(1)의 자율주행이 불가능한 상태인 제3판단 정보를 포함할 수 있다.
도 5는 본원의 일 실시예에 따른 V2I 통신을 이용한 동적 자율주행 수행 장치의 개략적인 구성도이다.
도 5를 참조하면, 동적 자율주행 수행 장치(200)는 센서부(210), 통신부(220) 및 결정부(230)를 포함할 수 있다.
센서부(210)는 및 차량(1)에 설치되는 각종 센서를 포함하고, 전술한 센서에 기초하여 센서 데이터를 수집할 수 있다. 예시적으로, 센서부(210)는 레이더 센서, 라이다(LiDAR) 센서, 비전 센서, 장애물 감지 센서, 차선 감지 센서, 속도 센서, 압력 센서, 가속도 센서 등을 포함할 수 있다.
통신부(220)는 차량의 운행설계영역(Operation Design Domain, ODD) 및 주행 경로를 포함하는 주행 데이터 및 센서부(210)에 의해 획득된 센서 데이터를 동적 자율주행 지원 장치(100)로 전송할 수 있다.
또한, 통신부(220)는 주행 데이터, 센서 데이터 및 주행 경로와 연계되어 수집된 주행환경 데이터에 기초하여 생성된 주행 경로의 구간별 자율주행 가부에 대한 판단 정보를 동적 자율주행 지원 장치(100)로부터 수신할 수 있다.
결정부(230)는 동적 자율주행 지원 장치(100)로부터 수신한 판단 정보에 기초하여 차량(1)의 구간별 자율주행 수행 여부를 결정할 수 있다. 특히, 판단 정보는 주행 경로에 포함된 링크 각각에 대하여 개별 생성되고, 결정부(230)는 링크 각각에 대하여 수신된 판단 정보에 기초하여 링크 각각에 대한 자율주행 수행 여부를 결정할 수 있다.
또한, 본원의 일 실시예에 따르면, 결정부(230)는 동적 자율주행 수행 장치(200)에 마련되는 표시부(미도시) 또는 동적 자율주행 수행 장치(200)와 연동되는 사용자 단말(미도시)을 통해 수신한 판단 정보를 사용자(예를 들면, 운전자)에게 시각화하여 제공하는 인터페이스를 표출하고, 표출된 인터페이스에 기초하여 수신되는 사용자 입력되는 링크별 자율주행 선택 입력에 기초하여 링크마다의 자율주행 여부를 결정하는 것일 수 있다. 예시적으로, 자율주행 선택 입력은 링크 마다 생성된 판단 정보에 대응하는 표시(예를 들면, 제1판단 정보가 생성된 구간은 녹색으로, 제2판단 정보가 생성된 구간은 황색으로, 제3판단 정보가 생성된 구간은 적색으로 구분하여 주행 경로를 표시하는 지도 형태의 인터페이스 등) 중 자율주행을 수행할 구간을 선택하는 터치 입력일 수 있다. 다른 예로, 자율주행 선택 입력은 음성 입력일 수 있다.
또한, 본원의 일 실시예에 따르면, 결정부(230)는 동적 자율주행 수행 장치(200) 또는 동적 자율주행 수행 장치(200)와 연동되는 사용자 단말(미도시)을 통해 미리 수신된 자율주행 설정 입력에 기초하여 수신된 판단 정보의 유형에 기초하여 자율주행 여부를 선택적으로 적용할 수 있다. 예시적으로, 미리 수신된 자율주행 설정 입력에 기초하여 해당 차량(1)이 제1판단 정보가 생성된 구간에 대하여만 자율주행을 수행하도록 사전 설정되어 있는 경우, 동적 자율주행 수행 장치(200)는 제1판단 정보가 생성된 구간(링크)에 대하여 별도의 자율주행 선택 입력을 수신하지 않고도 자율주행 기능이 활성화되도록 차량(1)을 제어할 수 있다. 다른 예로, 해당 차량(1)이 제1판단 정보 및 제2판단 정보가 생성된 구간에 대하여 모두 자율주행을 수행하도록 사전 설정되어 있는 경우, 동적 자율주행 수행 장치(200)는 제1판단 정보 또는 제2판단 정보가 생성된 구간(링크)에 대하여 별도의 자율주행 선택 입력을 수신하지 않고도 자율주행 기능이 활성화되도록 차량(1)을 제어할 수 있으며, 제2판단 정보가 생성된 구간(링크)에 대한 주행환경 데이터 요청 신호를 별도의 사용자 입력을 수신하지 않고도 동적 자율주행 지원 장치(100)로 전송하도록 동작할 수 있다.
이하에서는 상기에 자세히 설명된 내용을 기반으로, 본원의 동작 흐름을 간단히 살펴보기로 한다.
도 6은 본원의 일 실시예에 따른 V2I 통신을 이용한 동적 자율주행 지원 방법에 대한 동작 흐름도이다.
도 6에 도시된 V2I 통신을 이용한 동적 자율주행 지원 방법은 앞서 설명된 동적 자율주행 지원 장치(100)에 의하여 수행될 수 있다. 따라서, 이하 생략된 내용이라고 하더라도 동적 자율주행 지원 장치(100)에 대하여 설명된 내용은 V2I 통신을 이용한 동적 자율주행 지원 방법에 대한 설명에도 동일하게 적용될 수 있다.
도 6을 참조하면, 단계 S11에서 통신부(110)는, 차량(1)의 운행설계영역(ODD) 및 주행 경로를 포함하는 주행 데이터 및 차량(1)에 설치된 센서에 의해 수집된 센서 데이터를 수신할 수 있다.
다음으로, 단계 S12에서 수집부(120)는, 차량(1)의 주행 경로와 연계된 주행환경 데이터를 수집할 수 있다. 구체적으로, 단계 S12에서 수집부(120)는 인프라(300)로부터 차량(1)이 주행 경로에 해당하는 도로에 대하여 수집된 주행환경 데이터를 수신할 수 있다.
다음으로, 단계 S13에서 판단부(130)는, 수신한 주행 데이터, 센서 데이터 및 수집된 주행환경 데이터에 기초하여 운행설계영역(ODD)을 동적으로 변경할 수 있다. 구체적으로, 단계 S13에서 판단부(130)는, 수신한 주행 데이터, 센서 데이터 및 수집된 주행환경 데이터에 기초하여 차량(1)의 주행 경로의 구간별 자율주행 가부에 대한 판단 정보를 생성할 수 있다.
본원의 일 실시예에 따르면, 단계 S13에서 판단부(130)는 주행 경로를 링크 단위로 분할할 수 있다. 또한, 단계 S13에서 판단부(130)는 분할된 링크마다 판단 정보를 생성할 수 있다.
또한, 단계 S13에서 판단부(130)는 주행환경 데이터에 기초하여 차량(1)이 통과할 링크에 대한 노면상태 정보 및 음영 정보를 예측할 수 있다. 또한, 단계 S13에서 판단부(130)는 예측된 노면상태 정보 및 음영 정보에 기초하여 해당 링크에 대한 상기 판단 정보를 생성할 수 있다.
다음으로, 단계 S14에서 통신부(110)는, 변경된 운행설계영역(ODD)에 대한 정보를 차량(1)에 전송할 수 있다.
상술한 설명에서, 단계 S11 내지 S14는 본원의 구현예에 따라서, 추가적인 단계들로 더 분할되거나, 더 적은 단계들로 조합될 수 있다. 또한, 일부 단계는 필요에 따라 생략될 수도 있고, 단계 간의 순서가 변경될 수도 있다.
도 7은 본원의 일 실시예에 따른 V2I 통신을 이용한 동적 자율주행 방법에 대한 동작 흐름도이다.
도 7에 도시된 V2I 통신을 이용한 동적 자율주행 방법은 앞서 설명된 동적 자율주행 수행 장치(200)에 의하여 수행될 수 있다. 따라서, 이하 생략된 내용이라고 하더라도 동적 자율주행 수행 장치(200)에 대하여 설명된 내용은 V2I 통신을 이용한 동적 자율주행 방법에 대한 설명에도 동일하게 적용될 수 있다.
도 7을 참조하면, 단계 S21에서 통신부(220)는 차량의 운행설계영역(Operation Design Domain, ODD) 및 주행 경로를 포함하는 주행 데이터 및 차량(1)에 설치된 적어도 하나의 센서를 포함하는 센서부(210)를 통해 수집된 차량(1)의 주행과 연계된 센서 데이터를 동적 자율주행 지원 장치(100)로 전송할 수 있다.
다음으로, 단계 S22에서 통신부(220)는 주행 데이터, 센서 데이터 및 주행 경로와 연계되어 수집된 주행환경 데이터에 기초하여 생성된 차량(1)의 주행 경로의 구간별 자율주행 가부에 대한 판단 정보를 동적 자율주행 지원 장치(100)로부터 수신할 수 있다.
다음으로, 단계 S23에서 결정부(230)는 수신한 판단 정보에 기초하여 차량(1)의 구간별 자율주행 수행 여부를 결정하고, 차량(1)의 자율주행 관련 기능을 구간에 따라 선택적으로 활성화 또는 비활성화할 수 있다.
상술한 설명에서, 단계 S21 내지 S23은 본원의 구현예에 따라서, 추가적인 단계들로 더 분할되거나, 더 적은 단계들로 조합될 수 있다. 또한, 일부 단계는 필요에 따라 생략될 수도 있고, 단계 간의 순서가 변경될 수도 있다.
도 8은 본원의 일 실시예에 따른 V2I 통신을 이용한 동적 자율주행 지원 시스템의 동작 방법에 대한 세부 동작 흐름도이다.
도 8에 도시된 V2I 통신을 이용한 동적 자율주행 지원 시스템의 동작 방법은 앞서 설명된 동적 자율주행 지원 시스템(10)에 의하여 수행될 수 있다. 따라서, 이하 생략된 내용이라고 하더라도 동적 자율주행 지원 시스템(10)에 대하여 설명된 내용은 도 8에 대한 설명에도 동일하게 적용될 수 있다.
도 8을 참조하면, 단계 S31에서 통신부(110)는 차량(1)의 주행 데이터를 수신할 수 있다.
다음으로, 단계 S32에서 수집부(120)는 인프라(300)로부터 수집된 주행환경 데이터 중 차량(1)의 주행경로에 해당(대응)하는 정보를 추출할 수 있다.
다음으로, 단계 S33에서 판단부(130)는 주행 데이터, 센서 데이터 및 주행환경 데이터에 기초하여 차량(1)의 주행 경로의 구간별 자율주행 가부에 대한 판단 정보를 생성할 수 있다.
다음으로, 단계 S34에서 판단부(130)는 차량(1)의 주행 경로 상의 모든 링크(또는 적어도 하나의 링크를 포함하는 단위 구간)에서 차량(1)이 센서 데이터만으로 자율주행이 가능한지 여부(자율주행 '가능' 상태인지 여부)를 판단할 수 있다.
다음으로, 단계 S35에서 통신부(110)는 판단부(130)에 의해 차량(1)의 주행 경로 상의 모든 링크(또는 적어도 하나의 링크를 포함하는 단위 구간)에서 차량(1)이 자율주행이 가능한 것으로 판단되면, 판단 결과를 포함하는 제1판단 정보를 동적 자율주행 수행 장치(200)로 전송할 수 있다.
반대로, 단계 S34의 판단 결과, 차량(1)의 주행 경로 상의 전체 링크(또는 적어도 하나의 링크를 포함하는 단위 구간)에서 자율주행이 가능하지 않은 것으로 판단된 경우, 단계 S36에서 판단부(130)는 자율주행이 차량(1) 단독으로 가능하지 않은 링크(구간) 및 해당 링크(구간)에서의 자율주행 불가능 원인을 도출할 수 있다.
다음으로, 단계 S37에서 판단부(130)는 자율주행이 차량(1) 단독으로 가능하지 않은 것으로 판단된 링크(구간)에 대하여 파악된 자율주행 불가능 원인에 기초하여 링크(구간) 각각이 인프라(300)의 정보 지원을 통해 센서 데이터 및 주행환경 데이터를 통해 자율주행이 가능한지 여부(자율주행 '보통' 상태인지 여부)를 판단할 수 있다.
만일, 단계 S37의 판단 결과, 자율주행 '보통' 상태에 대응하는 링크(구간)가 존재하는 경우, 단계 S38에서 통신부(110)는 해당 링크에 대한 제2판단 정보가 동적 자율주행 수행 장치(200) 또는 동적 자율주행 수행 장치(200)와 연동된 사용자 단말(미도시)을 통해 표출되도록 할 수 있다.
반대로, 단계 S37의 판단 결과, 자율주행 '보통' 상태에 대응하는 링크(구간)가 미존재하는 경우, 단계 S39에서 통신부(110)는 모든 링크(또는 적어도 하나의 링크를 포함하는 단위 구간)에서 차량(1)이 자율주행이 불가능한 것으로 판단된 판단 결과를 포함하는 제3판단 정보를 동적 자율주행 수행 장치(200)로 전송할 수 있다.
상술한 설명에서, 단계 S31 내지 S39는 본원의 구현예에 따라서, 추가적인 단계들로 더 분할되거나, 더 적은 단계들로 조합될 수 있다. 또한, 일부 단계는 필요에 따라 생략될 수도 있고, 단계 간의 순서가 변경될 수도 있다.
본원의 일 실시예에 따른 V2I 통신을 이용한 동적 자율주행 지원 방법 및/또는 V2I 통신을 이용한 동적 자율주행 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
또한, 전술한 V2I 통신을 이용한 동적 자율주행 지원 방법 및/또는 V2I 통신을 이용한 동적 자율주행 방법은 기록 매체에 저장되는 컴퓨터에 의해 실행되는 컴퓨터 프로그램 또는 애플리케이션의 형태로도 구현될 수 있다.
전술한 본원의 설명은 예시를 위한 것이며, 본원이 속하는 기술분야의 통상의 지식을 가진 자는 본원의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.
본원의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본원의 범위에 포함되는 것으로 해석되어야 한다.
10: V2I 통신을 이용한 동적 자율주행 지원 시스템
100: 동적 자율주행 지원 장치
110: 통신부
120: 수집부
130: 판단부
200: 동적 자율주행 수행 장치
210: 센서부
220: 통신부
230: 결정부
300: 인프라
20: 네트워크
100: 동적 자율주행 지원 장치
110: 통신부
120: 수집부
130: 판단부
200: 동적 자율주행 수행 장치
210: 센서부
220: 통신부
230: 결정부
300: 인프라
20: 네트워크
Claims (16)
- V2I 통신을 이용한 동적 자율주행 지원 방법에 있어서,
차량의 운행설계영역(Operation Design Domain, ODD) 및 주행 경로를 포함하는 주행 데이터 및 상기 차량에 설치된 센서에 의해 수집된 센서 데이터를 수신하는 단계;
상기 주행 경로와 연계된 주행환경 데이터를 수집하는 단계;
상기 주행 데이터, 상기 센서 데이터 및 상기 주행환경 데이터에 기초하여 상기 운행설계영역을 동적으로 변경하는 단계; 및
상기 변경된 운행설계영역에 대한 정보를 상기 차량에 전송하는 단계,
를 포함하는, 동적 자율주행 지원 방법. - 제1항에 있어서,
상기 동적으로 변경하는 단계는,
상기 주행 데이터, 상기 센서 데이터 및 상기 주행환경 데이터에 기초하여 상기 주행 경로의 구간별 자율주행 가부에 대한 판단 정보를 생성하는 것인, 동적 자율주행 지원 방법. - 제2항에 있어서,
상기 판단 정보는,
상기 차량이 상기 센서 데이터에 기초하여 자율주행이 가능한 상태인 제1판단 정보, 상기 차량이 상기 센서 데이터 및 상기 주행환경 데이터에 기초하여 자율주행이 가능한 상태인 제2판단 정보 또는 상기 차량의 자율주행이 불가능한 상태인 제3판단 정보를 포함하는 것인, 동적 자율주행 지원 방법. - 제3항에 있어서,
상기 판단 정보를 생성하는 단계는,
상기 주행 경로를 링크 단위로 분할하는 단계; 및
상기 분할된 링크마다 상기 판단 정보를 생성하는 단계,
를 포함하는 것인, 동적 자율주행 지원 방법. - 제4항에 있어서,
상기 전송하는 단계 이후에,
상기 제2판단 정보가 생성된 링크에 대하여 수집되는 상기 주행환경 데이터를 상기 차량으로 전송하는 단계,
를 더 포함하는 것인, 동적 자율주행 지원 방법. - 제4항에 있어서,
상기 링크마다 상기 판단 정보를 생성하는 단계는,
상기 주행환경 데이터에 기초하여 상기 차량이 통과할 링크에 대한 노면상태 정보 및 음영 정보를 예측하는 단계; 및
상기 예측된 노면상태 정보 및 음영 정보에 기초하여 해당 링크에 대한 상기 판단 정보를 생성하는 단계,
를 포함하는 것인, 동적 자율주행 지원 방법. - 제6항에 있어서,
상기 주행환경 데이터는,
상기 링크의 노면상태에 대한 시계열 데이터를 포함하고,
상기 예측하는 단계는,
상기 시계열 데이터가 입력되면 상기 노면상태의 변화를 예측하도록 미리 학습된 LSTM(Long Short-Term Memory) 기반의 모델에 기초하여 상기 노면상태 정보를 예측하는 것인, 동적 자율주행 지원 방법. - 제6항에 있어서,
상기 주행환경 데이터는,
상기 링크의 노면에 대한 영상 데이터를 포함하고,
상기 예측하는 단계는,
상기 영상 데이터가 입력되면 상기 노면 상의 그림자 존부 및 그림자 길이의 변화를 예측하도록 미리 학습된 YOLO(You Only Look Once) 기반의 모델에 기초하여 상기 음영 정보를 예측하는 것인, 동적 자율주행 지원 방법. - V2I 통신을 이용한 동적 자율주행 방법에 있어서,
차량의 운행설계영역(Operation Design Domain, ODD) 및 주행 경로를 포함하는 주행 데이터 및 상기 차량에 설치된 센서에 의해 수집된 센서 데이터를 동적 자율주행 지원 장치로 전송하는 단계;
상기 주행 데이터, 상기 센서 데이터 및 상기 주행 경로와 연계되어 수집된 주행환경 데이터에 기초하여 생성된 상기 주행 경로의 구간별 자율주행 가부에 대한 판단 정보를 상기 동적 자율주행 지원 장치로부터 수신하는 단계; 및
상기 판단 정보에 기초하여 상기 차량의 구간별 자율주행 수행 여부를 결정하는 단계,
를 포함하는, 동적 자율주행 방법. - 제9항에 있어서,
상기 판단 정보는,
상기 차량이 상기 센서 데이터에 기초하여 자율주행이 가능한 상태인 제1판단 정보, 상기 차량이 상기 센서 데이터 및 상기 주행환경 데이터에 기초하여 자율주행이 가능한 상태인 제2판단 정보 또는 상기 차량의 자율주행이 불가능한 상태인 제3판단 정보를 포함하는 것인, 동적 자율주행 방법. - 제10항에 있어서,
상기 판단 정보는,
상기 주행 경로에 포함된 링크 각각에 대하여 개별 생성되고,
상기 결정하는 단계는,
상기 링크 각각에 대하여 수신된 상기 판단 정보에 기초하여 상기 링크 각각에 대한 자율주행 수행 여부를 결정하는 것인, 동적 자율주행 방법. - 제11항에 있어서,
상기 제2판단 정보가 생성된 링크에 대한 주행환경 데이터 요청 신호를 상기 동적 자율주행 지원 장치에 전송하는 단계;
상기 동적 자율주행 지원 장치로부터 상기 주행환경 데이터를 수신하는 단계; 및
상기 센서 데이터 및 상기 주행환경 데이터에 기초하여 해당 링크에 대한 자율주행을 수행하는 단계,
를 더 포함하는 것인, 동적 자율주행 방법. - V2I 통신을 이용한 동적 자율주행 지원 장치에 있어서,
차량의 운행설계영역(Operation Design Domain, ODD) 및 주행 경로를 포함하는 주행 데이터 및 상기 차량에 설치된 센서에 의해 수집된 센서 데이터를 수신하는 통신부;
상기 주행 경로와 연계된 주행환경 데이터를 수집하는 수집부; 및
상기 주행 데이터, 상기 센서 데이터 및 상기 주행환경 데이터에 기초하여 상기 운행설계영역을 동적으로 변경하는 판단부,
를 포함하고,
상기 통신부는,
상기 변경된 운행설계영역에 대한 정보를 상기 차량에 전송하는 것인, 동적 자율주행 지원 장치. - 제13항에 있어서,
상기 판단부는,
상기 주행 데이터, 상기 센서 데이터 및 상기 주행환경 데이터에 기초하여 상기 주행 경로의 구간별 자율주행 가부에 대한 판단 정보를 생성하되,
상기 판단 정보는,
상기 차량이 상기 센서 데이터에 기초하여 자율주행이 가능한 상태인 제1판단 정보, 상기 차량이 상기 센서 데이터 및 상기 주행환경 데이터에 기초하여 자율주행이 가능한 상태인 제2판단 정보 또는 상기 차량의 자율주행이 불가능한 상태인 제3판단 정보를 포함하는 것인, 동적 자율주행 지원 장치. - 제14항에 있어서,
상기 판단부는,
상기 주행 경로를 링크 단위로 분할하고, 상기 분할된 링크마다 상기 판단 정보를 생성하고,
상기 통신부는,
상기 제2판단 정보가 생성된 링크에 대하여 수집되는 상기 주행환경 데이터를 상기 차량으로 전송하는 것인, 동적 자율주행 지원 장치. - 제15항에 있어서,
상기 판단부는,
상기 주행환경 데이터에 기초하여 상기 차량이 통과할 링크에 대한 노면상태 정보 및 음영 정보를 예측하고, 상기 예측된 노면상태 정보 및 음영 정보에 기초하여 해당 링크에 대한 상기 판단 정보를 생성하는 것인, 동적 자율주행 지원 장치.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020200154607A KR102505533B1 (ko) | 2020-11-18 | 2020-11-18 | V2i 통신을 이용한 동적 자율주행 지원 시스템 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020200154607A KR102505533B1 (ko) | 2020-11-18 | 2020-11-18 | V2i 통신을 이용한 동적 자율주행 지원 시스템 |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20220067874A true KR20220067874A (ko) | 2022-05-25 |
KR102505533B1 KR102505533B1 (ko) | 2023-03-02 |
Family
ID=81800423
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020200154607A KR102505533B1 (ko) | 2020-11-18 | 2020-11-18 | V2i 통신을 이용한 동적 자율주행 지원 시스템 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR102505533B1 (ko) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102523600B1 (ko) * | 2022-11-09 | 2023-04-20 | 재단법인 지능형자동차부품진흥원 | 위험도 기반의 운영설계영역을 공유하는 자율주행 안전 시스템 및 그 방법 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20170129539A (ko) * | 2016-05-17 | 2017-11-27 | 현대자동차주식회사 | 사용자 설정을 고려한 자율 주행 제어 장치 및 방법 |
KR20190057501A (ko) * | 2017-11-20 | 2019-05-29 | 디토닉 주식회사 | 기상 상황에 따른 도로 위험도 예측 시스템 및 방법 |
JP2019139316A (ja) * | 2018-02-06 | 2019-08-22 | 国立大学法人 東京大学 | 識別システム、識別装置、識別方法及び識別プログラム |
KR20200058272A (ko) * | 2018-11-19 | 2020-05-27 | 건국대학교 산학협력단 | 도로 주행 영상의 전처리를 통한 도로 주행 상황 제공 방법 및 시스템 |
KR20200101517A (ko) * | 2019-01-30 | 2020-08-28 | 한국자동차연구원 | 차량-도로인프라 정보융합 기반 자율협력주행 방법 및 시스템 |
KR102167291B1 (ko) * | 2020-04-24 | 2020-10-20 | 한국건설기술연구원 | 도로 상태 정보 수집 시스템 및 방법 |
-
2020
- 2020-11-18 KR KR1020200154607A patent/KR102505533B1/ko active IP Right Grant
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20170129539A (ko) * | 2016-05-17 | 2017-11-27 | 현대자동차주식회사 | 사용자 설정을 고려한 자율 주행 제어 장치 및 방법 |
KR20190057501A (ko) * | 2017-11-20 | 2019-05-29 | 디토닉 주식회사 | 기상 상황에 따른 도로 위험도 예측 시스템 및 방법 |
JP2019139316A (ja) * | 2018-02-06 | 2019-08-22 | 国立大学法人 東京大学 | 識別システム、識別装置、識別方法及び識別プログラム |
KR20200058272A (ko) * | 2018-11-19 | 2020-05-27 | 건국대학교 산학협력단 | 도로 주행 영상의 전처리를 통한 도로 주행 상황 제공 방법 및 시스템 |
KR20200101517A (ko) * | 2019-01-30 | 2020-08-28 | 한국자동차연구원 | 차량-도로인프라 정보융합 기반 자율협력주행 방법 및 시스템 |
KR102167291B1 (ko) * | 2020-04-24 | 2020-10-20 | 한국건설기술연구원 | 도로 상태 정보 수집 시스템 및 방법 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102523600B1 (ko) * | 2022-11-09 | 2023-04-20 | 재단법인 지능형자동차부품진흥원 | 위험도 기반의 운영설계영역을 공유하는 자율주행 안전 시스템 및 그 방법 |
EP4369323A1 (en) * | 2022-11-09 | 2024-05-15 | KIAPI (Korea Intelligent Automotive Parts Promotion Institute) | Autonomous driving safety system for sharing risk-based operation design domain and method thereof |
Also Published As
Publication number | Publication date |
---|---|
KR102505533B1 (ko) | 2023-03-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11776279B2 (en) | Method and apparatus for providing unknown moving object detection | |
CN112888611B (zh) | 用于检测和记录异常车辆事件的***和方法 | |
JP2021179971A (ja) | 小目標を検出するための方法及び装置、電子デバイス、コンピュータ可読記憶媒体及びコンピュータプログラム | |
KR20210070273A (ko) | 도로 세그먼트 유사성 결정 | |
US11076022B2 (en) | Systems and methods for implementing robotics frameworks | |
US10733463B1 (en) | Systems and methods for augmenting perception data with supplemental information | |
US11691634B1 (en) | On-vehicle driving behavior modelling | |
Li et al. | DBUS: Human driving behavior understanding system | |
CN115366920A (zh) | 用于自动驾驶车辆的决策方法及装置、设备和介质 | |
KR20220067874A (ko) | V2i 통신을 이용한 동적 자율주행 지원 시스템 | |
CN113868862A (zh) | 一种车辆在环测试方法和*** | |
Shukla et al. | Real-Time Parking Space Detection and Management with Artificial Intelligence and Deep Learning System | |
CN116880462A (zh) | 自动驾驶模型、训练方法和自动驾驶方法和车辆 | |
US20230154127A1 (en) | 2-d image reconstruction in a 3-d simulation | |
US11697435B1 (en) | Hierarchical vehicle action prediction | |
US20240177452A1 (en) | Adaptive image classification | |
KR102594804B1 (ko) | 메모리 연동 가능한 계층적 구조 기반의 이벤트 검출 방법 및 장치 | |
US20230192092A1 (en) | Interaction Auto-Labeling Using Spatial Overlap of Track Footprints For Mining Interactions | |
Lv et al. | The University of Central Florida’s Smart and Safe Transportation Lab [Its Research Lab] | |
US12033399B1 (en) | Turn and brake action prediction using vehicle light detection | |
US20230351772A1 (en) | Framework for evaluation of machine learning based model used for autonomous vehicle | |
US20230195970A1 (en) | Estimating object kinematics using correlated data pairs | |
Valeja et al. | Speed Limit Sign Detection using Deep Learning | |
US11454966B2 (en) | Programmatic application of router flags for vehicle limitations | |
US20240246569A1 (en) | Trajectory prediction through semantic interaction |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
E902 | Notification of reason for refusal | ||
AMND | Amendment | ||
E601 | Decision to refuse application | ||
AMND | Amendment | ||
X701 | Decision to grant (after re-examination) |