JP7841718B2 - 車両走行パターン分析方法及びシステム - Google Patents

Description

本開示は、車両走行パターン分析方法及びシステムに関し、具体的には、実際の道路環境から取得したデータに基づいて、車両の走行パターンを分析する方法及びシステムに関する。

最近、自動運転技術の発展に伴い、自動運転車両の市場が急速に拡大されている。しかしながら、こうした発展と共に自動運転技術の信頼性に対する不安も大きくなっており、これは自動運転人工知能（ＡＩ）の未成熟や、予期せぬ状況に対応できる能力の不足による。これを考慮して、自動運転ＡＩを学習及び検証する方法を改善させる必要がある。

自動運転ＡＩに対する学習は、主にルールベースのヒューリスティックや実際の道路で遂行される反復実験により行われた。しかしながら、その方法は、予期せぬ状況に対応するのに困難さがあり、リソース集約的である。

また、大部分の軌跡は、移動式データ収集車両から収集されるため、他の交通参加者により遮断される場合が多くて、短時間にのみ収集される。例えば、Ｗａｙｍｏモーションデータセットから収集された軌跡のうちで、３０％のみが１０秒以上持続し、１２％のみが全体シナリオを包括する。よって、再生されたトラフィックシナリオは、仮想走行システムをより正確かつ徹底的に評価するのには不完全で不充分である。

韓国公開特許第１０－２０２０－００７５０５３号公報

本開示は、前記問題を解決するために、車両走行パターン分析方法、コンピュータプログラム及びシステムを提供する。

本開示は、方法、システム（装置）又はコンピュータプログラムを含む多様な方式により具現化できる。

本開示の一実施例に係る少なくとも一つのプロセッサにより遂行される車両走行パターン分析方法は、第１の地域内の実際の道路を走行する第１の複数の車両と関連した第１の実際走行データを取得するステップと、第１の実際走行データに基づいて、実際の道路内の複数の区間別の車両走行パターンを生成するステップとを含み、第１の実際走行データは、車両の速力データ、走行方向データ及び位置データを含む。

本開示の一実施例によれば、車両走行パターン分析方法をコンピュータで実行するためのコンピュータプログラムが提供される。

本開示の一実施例によれば、情報処理システムが提供される。情報処理システムは、通信モジュールと、メモリと、メモリと連結され、メモリに含まれたコンピュータ読み取り可能な少なくとも一つのプログラムを実行するように構成される少なくとも一つのプロセッサとを含み、少なくとも一つのプログラムは、第１の地域内の実際の道路を走行する第１の複数の車両と関連した第１の実際走行データを取得し、第１の実際走行データに基づいて、実際の道路内の複数の区間別の車両走行パターンを生成し、第１の実際走行データは、車両の速力データ、走行方向データ及び位置データを含む。

本開示の一実施例によれば、実際の道路を走行する車両と関連した大規模データを自動で分析して、大規模データに含まれた多様な車両走行パターンを抽出でき、これにより、多様な車両走行パターンの抽出にかかる時間及び費用を低減できる。

本開示の一実施例によれば、抽出された多様な車両パターンを用いて、自動運転シナリオを生成することで、実際の道路と類似する多様な道路状況をより正確にシミュレーションできる。

本開示の効果は、これに制限されず、言及されない他の効果等が、以下の記載から当業者に明確に理解されるべきである。

本開示の実施例等は、以下の添付図面に基づいて説明される。ここで、類似の参照符号は類似の要素を示すが、これに限定されるものではない。
本開示の一実施例に係る車両走行パターン分析装置が、入力データに基づいて車両走行パターンを分析する例を示す図である。 本開示の一実施例に係るデータ処理と関連して、情報処理システムが複数のユーザ端末と通信可能であるように連結される構成を示す概要図である。 本開示の一実施例に係るユーザ端末及び情報処理システムの内部構成を示すブロック図である。 本開示の一実施例に係る情報処理システムのプロセッサの構成を説明するための図である。 走行経路リンク及びノードを含む道路地図データを用いて、第１の実際走行データを取得する方法の例を示す図である。 衛星地図データを用いて、第１の実際走行データを取得する方法の例を示す図である。 図６で設定された関心領域別の第１の実際走行データのパターンの例を示す図である。 データ選択結果、１次フィルタリング結果及び２次フィルタリング結果の例を示す図である。 複数の区間別の速力割合グラフの例を示す図である。 車両走行パターンの例を示す図である。 本開示の一実施例に係る車両走行パターン分析方法を説明するための図である。

＜発明の概要＞
一実施例によれば、複数の区間別の車両走行パターンを生成するステップは、受信された第１の実際走行データに対するノイズの除去を遂行するステップと、ノイズが除去された第１の実際走行データに対するクラスタリングを遂行して、第１のクラスタ及び第２のクラスタを生成するステップと、第１のクラスタに含まれたデータに基づいて、第１の区間と関連した車両走行パターンを生成するステップと、第２のクラスタに含まれたデータに基づいて、第２の区間と関連した車両走行パターンを生成するステップとを含む。

一実施例によれば、第１の実際走行データを取得するステップは、第１の地域を含む第２の地域と関連し、複数の走行経路リンク及び複数のノードを含む道路地図データを受信するステップと、第２の地域内の実際の道路を走行する第２の複数の車両と関連した第２の実際走行データを取得するステップと、複数の走行経路リンクに基づいて、第１の地域を関心領域（Region of Interest）に設定するステップと、第２の実際走行データから、関心領域と関連した第１の実際走行データを抽出するステップとを含み、複数の区間は、関心領域内に含まれる。

一実施例によれば、実際走行データを取得するステップは、第１の地域を含む第２の地域と関連した衛星地図データを受信するステップと、第２の地域内の実際の道路を走行する第２の複数の車両と関連した第２の実際走行データを取得するステップと、衛星地図データ上の車線を含む少なくとも一つの領域に関する情報を受信するステップと、第２の実際走行データから、少なくとも一つの領域と関連した第１の実際走行データを抽出するステップとを含む。

一実施例によれば、ノイズの除去を遂行するステップは、第１の実際走行データを、走行方向データに基づいて１次フィルタリングするステップと、１次フィルタリングした第１の実際走行データに対して線形回帰分析を遂行して、２次フィルタリングするステップとを含む。

一実施例によれば、第１のクラスタ及び第２のクラスタを生成するステップは、ノイズが除去された第１の実際走行データの速力データを用いたクラスタリングを遂行して、複数のクラスタ候補を生成するステップと、複数のクラスタ候補のうち、既定の閾値以上の分散均一度を持つクラスタ候補を、第１のクラスタ及び第２のクラスタに決定するステップと、第１のクラスタに対する速力データの統計値を生成するステップと、第２のクラスタに対する速力データの統計値を生成するステップとを含む。

一実施例によれば、複数の区間別の車両走行パターンは、車両の走行速力の増減に関するパターンを示す。

一実施例によれば、複数の区間のうちで特定区間は、第１の車両走行パターン及び第２の車両走行パターンを含み、第１の車両走行パターン及び第２の車両走行パターンは、互いに異なる。

一実施例によれば、生成された複数の区間別の車両走行パターンに基づいて、第１の地域内の実際の道路と関連した自動運転シミュレーションを遂行するステップをさらに含む。

＜発明の詳細な説明＞
添付図面において、同一又は対応する構成要素には同一の参照符号が付与される。また、以下の実施例の説明において、同一又は対応する構成要素について重複する記述は省略され得る。しかしながら、構成要素に関する記述が省略されても、そのような構成要素が、ある実施例に含まれないものと意図してはならない。

開示の実施例の利点及び特徴、そして、それらを達成する方法は、添付図面に基づいて、後述する実施例を参照すれば明確になる。しかしながら、本開示は、以下で開示される実施例に限定されず、互いに異なる多様な形態で具現化され得る。但し、本実施例は、本開示が完全されるようにし、本開示が当業者に発明のカテゴリを正確に認識させるために提供されるだけである。

本開示で使用される用語について簡略に説明し、開示の実施例について具体的に説明する。本開示で使用される用語は、本開示での機能を考慮しつつ、可能な限り現在広く使用される一般的な用語を選択したが、これは、関連分野に従事する技術者の意図又は判例、新技術の出現などにより変化し得る。また、特定の場合は、出願人が任意で選定した用語もあり得るが、これらの意味は当該発明の説明の部分において詳細に記載する。よって、本開示で使用される用語は、単純な用語の名称ではなく、その用語が持つ意味と本開示の全般にわたる内容に基づいて定義されるべきである。

本開示において、文脈上において明確に特定しない限り、単数の表現は複数の表現を含み、複数の表現は単数の表現を含むことができる。明細書の全般に渡り、ある部分がある構成要素を「含む」とすれば、これは、特に反対の記載がない限り、他の構成要素を排除するものではなく、他の構成要素をさらに含むこともできることを意味する。

また、明細書で使用される「モジュール」又は「部」という用語は、ソフトウェアやハードウェア構成要素を意味し、「モジュール」又は「部」はある役割を遂行する。しかしながら、「モジュール」又は「部」はソフトウェアやハードウェアに限定される意味ではない。「モジュール」又は「部」は、アドレッシング可能な保存媒体にあるように構成してもよく、一つ又はそれ以上のプロセッサを再生させるように構成してもよい。したがって、一例として、「モジュール」又は「部」は、ソフトウェア構成要素、オブジェクト指向ソフトウェア構成要素、クラス構成要素、タスク構成要素のような構成要素、並びに、プロセス、関数、属性、プロシージャ、サブルーチン、プログラムコードのセグメント、ドライバー、ファームウェア、マイクロコード、回路、データ、データベース、データ構造、テーブル、アレイ、又は変数のうちで少なくとも一つを含むことができる。構成要素と「モジュール」又は「部」は、内部で提供される機能がさらに少ない数の構成要素及び「モジュール」又は「部」で結合されたり、追加的な構成要素と「モジュール」又は「部」にさらに分離されたりし得る。

本開示の一実施例によれば、「モジュール」又は「部」は、プロセッサ及びメモリで具現化され得る。「プロセッサ」は、汎用プロセッサ、中央処理装置（ＣＰＵ）、マイクロプロセッサ、デジタル信号プロセッサ（ＤＳＰ）、コントローラ、マイクロコントローラ、状態マシンなどを含むように広く解釈されるべきである。いくつかの環境では、「プロセッサ」は、特定用途向け集積回路（ＡＳＩＣ）、プログラム可能ロジックデバイス（ＰＬＤ）、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）等を指すこともできる。「プロセッサ」は、例えば、ＤＳＰとマイクロプロセッサの組合せ、複数のマイクロプロセッサの組合せ、ＤＳＰコアと結合した一つ以上のマイクロプロセッサの組合せ、若しくは、任意の他のそのような構成等の組合せといった処理デバイスの組合せを指すこともできる。また、「メモリ」は、電子情報を保存可能な任意の電子コンポーネントを含むように、広く解釈されるべきである。「メモリ」は、ＲＡＭ（Random Access Memory）、ＲＯＭ（Read Only Memory）、ＮＶＲＡＭ（Non-Volatile Random Access Memory）、ＰＲＯＭ（Programmable Read-Only Memory）、ＥＰＲＯＭ（Erasable Programmable Read-Only Memory）、ＥＥＰＲＯＭ（Electrically Erasable Programmable Reda-Only Memory）、フラッシュメモリ、磁気又は光学データストレージ装置、レジスターなどのようなプロセッサで読み取り可能な媒体の多様な類型を指すこともできる。プロセッサがメモリから情報を読み取り／読み取ったりメモリに情報を記録できる場合、メモリは、プロセッサと電子通信状態にあると言われる。プロセッサに集積されたメモリは、プロセッサと電子通信状態にある。

また、以下の実施例等で使用される第１、第２、Ａ、Ｂ、（ａ）、（ｂ）などの用語は、ある構成要素を他の構成要素と区別するために使用されるだけであり、その用語により当該構成要素の本質や順序又は手順などが限定されるものではない。

また、以下の実施例等において、ある構成要素が他の構成要素に「連結」、「結合」又は「接続」されるとすれば、互いに直接的に連結又は接続され得るが、各構成要素間にまた他の構成要素が「連結」、「結合」又は「接続」されることもできると理解しなければならない。

また、以下の実施例等で使用される「含む（comprise、comprising）」は、言及した構成要素、ステップ、動作及び／又は素子は、一つ以上の他の構成要素、ステップ、動作及び／又は素子の存在又は付加を排除するものではない。

本開示において、「システム」は、サーバー装置及びクラウド装置の少なくとも一つを含むことのできるが、これに限定されるものではない。例えば、システムは一つ以上のサーバー装置からなることができる。他の例として、システムは一つ以上のクラウド装置からなることができる。また他の例として、システムはサーバー装置及びクラウド装置の全部からなって動作されることもできる。

本開示において、「リンク（link）」は、精密道路地図のデータに含まれた車両が、車線変更なしに進行できる経路を定義するための直線／曲線形態の線及び／又はバーテックス（vertex）を指すことができ、ノードとノードを連結できる。付加的に、「リンク（link）」は、線と関連した方向データを含むことができる。リンクは、車両が車線変更なしに進行できる経路を示す車両走行リンクと、人が徒歩で移動できる徒歩リンクとを含むことができる。リンクは、車両走行リンク及び／又は徒歩リンクを指すことができる。

本開示において、「バーテックス（vertex）」は、精密道路地図のデータ又はデジタルツインの仮想環境のデータに含まれた点、もしくは多角形を構成する点、点群、頂点などを指すことができる。

以下、添付図面に基づいて、本開示の多様な実施例を詳細に説明する。

図１は、本開示の一実施例に係る車両走行パターン分析装置１１０が、入力データ１１２、１１４、１１６に基づいて車両走行パターンを分析する例を示す図である。

図１を参照すれば、車両走行パターン分析装置１１０は、実際の道路を走行している複数の車両と関連した実際走行データ１１２、複数の車両が走行している道路地図データ１１４、又は衛星地図データ１１６の入力を受けて保存できる。

実際走行データ１１２は、初期にインフラセンサーにより収集され、座標系変換により変換された車両の正確な位置データ、車両の速力データ及び車両の走行方向データ（heading data）を含む大量のＲＡＷデータを含むことができる。インフラセンサーは、車両に付着されるカメラ、ライダー（Lidar）、レーダー、及び実際の道路に具備されたＣＣＴＶ（Closed-Circuit Television）の少なくとも一つを含むことができる。

道路地図データ１１４は、実際走行データ１１２が収集した実際の道路と関連した地図データであって、複数の走行経路リンク及び複数のノードを含むことができる。一例において、道路地図データ１１４は、精密道路地図データであり得る。

衛星地図データ１１６は、実際走行データ１１２が収集した実際の道路と関連した地図データであって、衛星座標に基づいたものであり得る。

一実施例によれば、車両走行パターン分析装置１１０は、実際走行データ１１２及び地図データ１１４又は１１６に基づいて、実際の道路内の複数の区間別の車両走行パターンを自動で生成できる。このために、車両走行パターン分析装置１１０は、地図データ１１４又は１１６に所望の地域を設定し、実際走行データ１１２から、設定された地域を走行する複数の車両と関連した第１の実際走行データを選択できる。設定された地域は、実際の道路を含む複数の区間を含むことができる。

車両走行パターン分析装置１１０は、第１の実際走行データに対するノイズの除去を遂行できる。車両走行パターン分析装置１１０は、走行方向データの一貫性を維持するために、基準値（例えば、第１の実際走行データのうち、走行方向データの中央値（Ｍｅｄｉａｎ）又は平均値（Ｍｅａｎ））の１ＳＤ（標準偏差）以内のデータを、１次フィルタリングにより選択できる。次に、車両走行パターン分析装置１１０は、１次フィルタリングした第１の実際走行データに対して線形回帰分析を適用して、２次フィルタリングできる。

車両走行パターン分析装置１１０は、２次フィルタリングした第１の実際走行データから最適のクラスタを選択するために、複数のクラスタを生成してからさらにクラスタリングでき、これは９０％以上の最小クラスタ数を目標としてさらにクラスタリングすることで、最適のクラスタ選択を保証できる。クラスタリングは、２次フィルタリングした第１の実際走行データのうち、速力データに対して遂行できる。

車両走行パターン分析装置１１０は、クラスタリングしたデータに対して、各クラスタの速力データの統計値及び割合を算出して、地図データ１１４又は１１６に設定された複数の区間別の車両走行パターンを生成できる。複数の区間別の車両走行パターンは、各区間における車両の走行速力の増減に関するパターンであり得る。複数の区間のうちで特定区間は、第１の車両走行パターン及び第２の車両走行パターンを含み、第１の車両走行パターン及び第２の車両走行パターンは、互いに異なることができる。

自動運転シミュレーション装置１２０又は車両走行パターン分析装置１１０は、生成された複数の区間別の車両走行パターンを活用して、車両割合による速力値をシミュレーション内の交通量に適用して、実際の道路環境を反映できる。一実施例によれば、自動運転シミュレーション装置１２０又は車両走行パターン分析装置１１０は、生成された複数の区間別の車両走行パターンに基づいて、実際の道路に対応する仮想空間の各区間で区間別の車両群が走行するようにシミュレーションできる。シミュレーションは、自車両（ego-vehicle）に対する自動運転シミュレーションであり得る。

前述したように、本開示の一実施例に係る車両走行パターン分析装置１１０は、実際走行データ１１２及び地図データ１１４又は１１６に基づいて、実際の道路内の複数の区間別の車両走行パターンを生成し、生成された複数の区間別の車両走行パターンに基づいて、実際の道路と関連した自動運転シミュレーションを遂行することで、正確かつ多様に実際の道路環境を反映したデジタルツインが具現化されるようにサポートできる。

図２は、本開示の一実施例に係るデータ処理と関連して、情報処理システム２３０が複数のユーザ端末２１０＿１、２１０＿２、２１０＿３と通信可能であるように連結される構成を示す概要図である。

図２を参照すれば、情報処理システム２３０は、データ処理サービス（例えば、車両走行パターン分析サービス）を提供できるシステムを含むことができる。一実施例において、情報処理システム２３０は、データ処理サービスと関連したコンピュータ実行可能なプログラム（例えば、ダウンロード可能なアプリケーション）及びデータを保存、提供及び実行できる一つ以上のサーバー装置及び／又はデータベース、或いは、クラウドコンピューティングサービス基盤の一つ以上の分散コンピューティング装置及び／又は分散データベースを含むことができる。例えば、情報処理システム２３０は、データ処理サービスのための別個のシステム（例えば、サーバー）を含むことができる。

情報処理システム２３０により提供されるデータ処理サービスなどは、複数のユーザ端末２１０＿１、２１０＿２、２１０＿３の各々にインストールされたデータ処理アプリケーション、ウェブブラウザアプリケーションなどを介して、ユーザに提供できる。

複数のユーザ端末２１０＿１、２１０＿２、２１０＿３は、ネットワーク２２０を介して、情報処理システム２３０と通信できる。ネットワーク２２０は、複数のユーザ端末２１０＿１、２１０＿２、２１０＿３及び情報処理システム２３０間の通信が可能であるように構成できる。ネットワーク２２０は、設置環境に応じて、例えば、イーサネット（Ethernet）（登録商標）、ＰＬＣ（Power Line Communication）、電話線通信装置及びＲＳ－ｓｅｒｉａｌ通信などのような有線ネットワーク、移動通信網、ＷＬＡＮ（Wireless LAN）、Ｗｉ－Ｆｉ（登録商標）、Ｂｌｕｅｔｏｏｔｈ（登録商標）及びＺｉｇＢｅｅなどのような無線ネットワーク又はその組合せからなることができる。通信方式は、制限されず、ネットワーク２２０を含むことができる通信網（例えば、移動通信網、有線インターネット、無線インターネット、放送網、衛星網など）を活用する通信方式だけでなく、ユーザ端末２１０＿１、２１０＿２、２１０＿３間の近距離無線通信も含まれる。

例えば、複数のユーザ端末２１０＿１、２１０＿２、２１０＿３は、ネットワーク２２０を介して、データ処理要請、データ処理のためのユーザ要請と関連した命令語を情報処理システム２３０に送信し、これを情報処理システム２３０が受信できる。

図２において、携帯電話端末２１０＿１、タブレット端末２１０＿２及びＰＣ端末２１０＿３がユーザ端末の例として示されるが、これに限定されず、ユーザ端末２１０＿１、２１０＿２、２１０＿３は、有線及び／又は無線通信が可能であり、データ処理アプリケーションなどがインストールされて実行できる任意のコンピューティング装置であり得る。例えば、ユーザ端末は、スマートフォン、携帯電話、ナビゲーション、デスクトップコンピュータ、ラップトップコンピュータ、デジタル放送用端末、ＰＤＡ（Personal Digital Assistants）、ＰＭＰ（Portable Multimedia Player）、タブレットＰＣ、ゲームコンソール（game console）、ウェアラブルデバイス（wearable device）、ＩｏＴ（internet of things）デバイス、ＶＲ（仮想現実（virtual reality））デバイス及びＡＲ（拡張現実（augmented reality））デバイスなどを含むことができる。また、図２では、３つのユーザ端末２１０＿１、２１０＿２、２１０＿３が、ネットワーク２２０を介して情報処理システム２３０と通信するものと示されるが、これに限定されず、異なる数のユーザ端末がネットワーク２２０を介して情報処理システム２３０と通信するように構成されることもできる。

情報処理システム２３０が車両走行パターン分析サービスを提供する場合、ユーザ端末２１０＿１、２１０＿２、２１０＿３から複数の実際走行データ（例えば、図１の１１２）、道路地図データ（例えば、図１の１１４）又は衛星地図データ（例えば、図１の１１６）を受信できる。このとき、情報処理システム２３０は、複数の実際走行データ、道路地図データ又は衛星地図データに基づいて、所望の地域内の実際の道路を走行する車両の実際走行データを取得し、取得された実際走行データに基づいて、複数の区間別の車両走行パターンを生成できる。

例えば、情報処理システム２３０は、ユーザ端末２１０＿１、２１０＿２、２１０＿３から受信された道路地図データ又は衛星地図データに車両が走行する関心領域を設定し、設定された関心領域に基づいて、位置基盤の第１の実際走行データを、受信された実際走行データから取得できる。情報処理システム２３０は、取得された第１の実際走行データに対するノイズの除去を遂行し、ノイズが除去された第１の実際走行データに対するクラスタリングにより第１のクラスタ及び第２のクラスタを生成し、第１のクラスタに含まれたデータに基づいて、第１の区間と関連した車両走行パターンを生成し、第２のクラスタに含まれたデータに基づいて、第２の区間と関連した車両走行パターンを生成できる。その後、情報処理システム２３０は、生成された車両走行パターンをユーザ端末２１０＿１、２１０＿２、２１０＿３に転送できる。

図３は、本開示の一実施例に係るユーザ端末２１０及び情報処理システム２３０の内部構成を示すブロック図である。

ユーザ端末２１０は、データ処理アプリケーションなどが実行可能であり、有／無線通信が可能な任意のコンピューティング装置を指すことができ、例えば、図２の携帯電話端末２１０＿１、タブレット端末２１０＿２及びＰＣ端末２１０＿３などを含むことができる。図に示すように、ユーザ端末２１０は、メモリ３１２、プロセッサ３１４、通信モジュール３１６及び入出力インタフェース３１８を含むことができる。これと同様に、情報処理システム２３０は、メモリ３３２、プロセッサ３３４、通信モジュール３３６及び入出力インタフェース３３８を含むことができる。図３に示すように、ユーザ端末２１０及び情報処理システム２３０は、各々の通信モジュール３１６、３３６を用いて、ネットワーク２２０を介して情報及び／又はデータが通信できるように構成できる。また、入出力装置３２０は、入出力インタフェース３１８を介して、ユーザ端末２１０に情報及び／又はデータを入力したり、ユーザ端末２１０から生成された情報及び／又はデータを出力したりするように構成できる。

メモリ３１２、３３２は、非一時的な任意のコンピュータ読み取り可能な記録媒体を含むことができる。一実施例によれば、メモリ３１２、３３２は、ＲＯＭ（read only memory）、ディスクドライブ、ＳＳＤ（solid state drive）、及びフラッシュメモリ（flash memory）などのような永久的な大容量ストレージ装置（permanent mass storage device）を含むことができる。他の例として、ＲＯＭ、ＳＳＤ、フラッシュメモリ及びディスクドライブなどのような永久的な大容量ストレージ装置は、メモリとは区分される別個の永久ストレージ装置としてユーザ端末２１０又は情報処理システム２３０に含まれ得る。また、メモリ３１２、３３２には、オペレーティングシステムと少なくとも一つのプログラムコード（例えば、データ処理サービスと関連したアプリケーションなどのためのコード）が保存され得る。

このようなソフトウェア構成要素は、メモリ３１２、３３２とは別個のコンピュータ読み取り可能な記録媒体からローディングできる。このような別個のコンピュータ読み取り可能な記録媒体は、このようなユーザ端末２１０及び情報処理システム２３０に直接連結可能な記録媒体を含むことができ、例えば、フロッピー（登録商標）ドライブ、ディスク、テープ、ＤＶＤ／ＣＤ－ＲＯＭドライブ、及びメモリカードなどのようなコンピュータ読み取り可能な記録媒体を含むことができる。他の例として、ソフトウェア構成要素等は、コンピュータ読み取り可能な記録媒体ではなく、通信モジュール３１６、３３６を介して、メモリ３１２、３３２にローディングできる。例えば、少なくとも一つのプログラムは、開発者又はアプリケーションのインストールファイルを配信するファイル配信システムが、ネットワーク２２０を介して提供するファイルによりインストールされるコンピュータプログラム（例えば、データ処理サービスと関連したアプリケーション等）に基づいて、メモリ３１２、３３２にローディングできる。

プロセッサ３１４、３３４は、基本的な算術、ロジック及び入出力演算を遂行することで、コンピュータプログラムの命令を処理するように構成できる。命令は、メモリ３１２、３３２又は通信モジュール３１６、３３６により、プロセッサ３１４、３３４に提供され得る。例えば、プロセッサ３１４、３３４は、メモリ３１２、３３２のような記録装置に保存されたプログラムコードによって受信される命令を実行するように構成できる。

通信モジュール３１６、３３６は、ネットワーク２２０を介して、ユーザ端末２１０と情報処理システム２３０とが互いに通信するための構成や機能を提供でき、ユーザ端末２１０及び／又は情報処理システム２３０が、他のユーザ端末又は他のシステム（例えば、別個のクラウドシステムなど）と通信するための構成や機能を提供できる。一例として、ユーザ端末２１０のプロセッサ３１４がメモリ３１２などのような記録装置に保存されたプログラムコードによって生成した要請やデータ（例えば、データ処理要請又はデータなど）は、通信モジュール３１６の制御により、ネットワーク２２０を介して情報処理システム２３０に伝達され得る。反対に、情報処理システム２３０のプロセッサ３３４の制御により提供される制御信号や命令が、通信モジュール３３６及びネットワーク２２０を経て、ユーザ端末２１０の通信モジュール３１６を介してユーザ端末２１０に受信され得る。

入出力インタフェース３１８は、入出力装置３２０とのインタフェースのための手段であり得る。一例として、入力装置は、オーディオセンサー及び／又はイメージセンサーを含むカメラ、キーボード、マイクロホン、マウスなどのような装置を含み、出力装置は、ディスプレイ、スピーカー、ハプティック（触覚）フィードバックデバイス（haptic feedback device）などのような装置を含むことができる。他の例として、入出力インタフェース３１８は、タッチスクリーンなどのように入力及び出力を遂行するための構成又は機能が一つで統合された装置とのインタフェースのための手段であり得る。図３では、入出力装置３２０がユーザ端末２１０に含まれないように示されるが、これに限定されず、ユーザ端末２１０と一体に構成することもできる。また、情報処理システム２３０の入出力インタフェース３３８は、情報処理システム２３０と連結する又は情報処理システム２３０が含むことのできる入力や出力のための装置（図示せず）とのインタフェースのための手段であり得る。図３では、入出力インタフェース３１８、３３８をプロセッサ３１４、３３４と別個に構成された要素として示されるが、これに限定されず、入出力インタフェース３１８、３３８がプロセッサ３１４、３３４に含まれるように構成することもできる。

ユーザ端末２１０及び情報処理システム２３０は、図３に示す構成要素よりも多くの構成要素を含むことができる。しかしながら、大部分の従来技術的構成要素を明確に示す必要はない。一実施例によれば、ユーザ端末２１０は、前述した入出力装置３２０の少なくとも一部を含むように具現化できる。また、ユーザ端末２１０は、トランシーバー（transceiver）、ＧＰＳ（Global Positioning system）モジュール、カメラ、各種センサー及びデータベースなどのような他の構成要素をさらに含むことができる。例えば、ユーザ端末２１０がスマートフォンである場合、一般に、スマートフォンが持つ構成要素を含むことができ、例えば、加速度センサー、ジャイロセンサー、マイクモジュール、カメラモジュール、各種物理的なボタン、タッチパネルを用いたボタン、入出力ポート、及び振動のための振動器などのような多様な構成要素が、ユーザ端末２１０にさらに含まれるように具現化できる。

一実施例によれば、ユーザ端末２１０のプロセッサ３１４は、データ処理サービスを提供するデータ処理アプリケーション（例えば、車両走行パターン分析サービスを提供するアプリケーション）又はウェブブラウザアプリケーションが動作するように構成できる。このとき、該アプリケーションと関連したプログラムコードをユーザ端末２１０のメモリ３１２にローディングできる。アプリケーションが動作する際に、ユーザ端末２１０のプロセッサ３１４は、入出力装置３２０から提供された情報及び／又はデータを、入出力インタフェース３１８を介して受信したり、通信モジュール３１６を介して情報処理システム２３０から情報及び／又はデータを受信したりでき、受信された情報及び／又はデータを処理してメモリ３１２に保存できる。また、このような情報及び／又はデータは、通信モジュール３１６を介して情報処理システム２３０に提供できる。

データ処理アプリケーションが動作される際に、プロセッサ３１４は、入出力インタフェース３１８と連結されたタッチスクリーン、キーボード、オーディオセンサー及び／又はイメージセンサーを含むカメラ、マイクロホンなどのような入力装置により入力又は選択された音声データ、テキスト、イメージ、映像などが受信でき、受信された音声データ、テキスト、イメージ及び／又は映像などをメモリ３１２に保存したり、通信モジュール３１６及びネットワーク２２０を介して情報処理システム２３０に提供したりできる。一実施例において、プロセッサ３１４は、入力装置により入力されるユーザ入力を受信し、受信されたユーザ入力に対応するデータ／要請を、ネットワーク２２０及び通信モジュール３１６を介して、情報処理システム２３０に提供できる。

ユーザ端末２１０のプロセッサ３１４は、情報及び／又はデータを、入出力インタフェース３１８を介して入出力装置３２０に転送して出力できる。例えば、ユーザ端末２１０のプロセッサ３１４は、ディスプレイ出力可能な装置（例えば、タッチスクリーンやディスプレイなど）、音声出力可能な装置（例えば、スピーカー）などの入出力装置３２０を介して処理された情報及び／又はデータを出力できる。

情報処理システム２３０のプロセッサ３３４は、複数のユーザ端末２１０及び／又は複数の外部システムから受信された情報及び／又はデータを管理、処理及び／又は保存するように構成できる。プロセッサ３３４により処理された情報及び／又はデータは、通信モジュール３３６及びネットワーク２２０を介してユーザ端末２１０に提供できる。

図３では、情報処理システム２３０を単一のシステムとして示しているが、これに限定されず、デジタルツインの仮想環境と関連した多様なサービスを提供するための複数のシステム／サーバーとして構成できる。例えば、情報処理システム２３０は、デジタルツインの仮想環境の自動運転車両シミュレーションモデルを含む別個のサーバーなどを含むことができる。デジタルツインの仮想環境の自動運転車両シミュレーションモデルは、例えば、情報処理システム２３０が生成した複数の区間別の車両走行パターンに基づいて、第１の地域内の実際の道路と対応する仮想空間において、自車両に対する自動運転シミュレーションを遂行するようにするモデルであり得る。

図４は、本開示の一実施例に係る情報処理システムのプロセッサ３３４の構成を説明するための図である。

図４を参照すれば、情報処理システムのプロセッサ３３４は、データ選択部４１０、１次フィルタリング部４２０、２次フィルタリング部４３０、クラスタリング部４４０、及び走行パターン生成部４５０を含むことができる。図４では、プロセッサ３３４の各々の構成要素を機能的に区分しているが、複数の構成要素が実際の物理的環境で互いに統合される形態で具現化することもできる。代替的に、情報処理システム２３０の各々の構成要素は、実際の物理的環境で互いに別個に具現化することもできる。また、図４において、情報処理システム２３０は、データ選択部４１０、１次フィルタリング部４２０、２次フィルタリング部４３０、クラスタリング部４４０、及び走行パターン生成部４５０に区分して具現化されたが、これに限定されず、一部の構成が省略されたり、他の構成が追加されたりできる。また、図４において、データ選択部４１０、１次フィルタリング部４２０、２次フィルタリング部４３０、クラスタリング部４４０、及び走行パターン生成部４５０の少なくとも一つは、メモリ３３２に保存される命令語の形態で具現化することもできる。

一実施例によれば、データ選択部４１０は、入力される実際走行データ（例えば、図１の１１２）及び地図データ（例えば、図１の１１４及び／又は１１６）に基づいて、第１の地域内の実際の道路を走行する第１の複数の車両と関連した第１の実際走行データを取得できる。例えば、実際走行データ１１２は、Ａｎｎ Ａｒｂｏｒ Ｉｎｔｅｒｓｅｃｔｉｏｎ Ｔｒａｊｅｃｔｏｒｙ Ｄａｔａから提供するＭａｉｎ ａｎｄ Ｓｔａｄｉｕｍ Ｉｎｔｅｒｓｅｃｔｉｏｎの部分データセットを活用できる。データ選択部４１０は、そのデータセットから、交差点の特定区間内の特定車線から直進、左折、右折、Ｕターンなどの多様な方向に走行する第１の複数の車両の第１の実際走行データを、位置基盤により選択できる。

図５は、走行経路リンク及びノードを含む道路地図データを用いて、第１の実際走行データを取得する方法の例を示す図である。

図５を参照すれば、データ選択部４１０は、第１の地域５１０を含む第２の地域５００と関連した道路地図データ（例えば、図１の１１４）、及び実際走行データ（例えば、図１の１１２）を受信できる。受信される道路地図データは、複数のバーテックス、複数の走行経路リンク及び複数のノードを含み、各バーテックスは、座標値及び属性値を有することができる。データ選択部４１０は、受信される実際走行データから、第２の地域５００内の実際の道路を走行する第２の複数の車両と関連した第２の実際走行データを取得できる。データ選択部４１０は、複数の走行経路リンクに基づいて、複数の第１の車両が移動できる経路を道路地図データ内で自動又はユーザ命令により選択し、選択された経路を含む第１の地域５１０を関心領域（ＲＯＩ：Region Of Interest）に設定できる。データ選択部４１０は、第２の実際走行データから、関心領域と関連した第１の実際走行データを、位置基盤（例えば、ＧＰＳ座標基盤）により抽出できる。これにより、データ選択部４１０は、第１の地域内の実際の道路を走行する第１の複数の車両と関連した第１の実際走行データを取得できる。

図５において、第１の地域５１０、すなわち、関心領域は、交差点の特定区間内の特定車線から直進する車両の位置座標を抽出するために設定される領域であり得る。関心領域内には、車両走行パターンが生成される複数の区間を含むことができる。

図６は、衛星地図データを用いて、第１の実際走行データを取得する方法の例を示す図である。

図６を参照すれば、データ選択部４１０は、第１の地域６１０を含む第２の地域６００と関連した衛星地図データ（例えば、図１の衛星地図データ１１６）、及び実際走行データ（例えば、図１の実際走行データ１１２）を受信できる。データ選択部４１０は、受信される実際走行データから、第２の地域６００内の実際の道路を走行する第２の複数の車両と関連した第２の実際走行データを取得できる。データ選択部４１０は、衛星地図データ上の車線を含む少なくとも一つの領域に関する情報を、入出力インタフェース３１８又は３３８を介してユーザから受信し、少なくとも一つの領域を関心領域Ａ～Ｄに設定できる。関心領域は、第１の地域６１０と同一であったり、第１の地域６１０に含まれたりでき、関心領域内には、車両走行パターンが生成される複数の区間Ａ～Ｄを含むことができる。以下では、少なくとも一つの関心領域及び複数の区間Ａ～Ｄを同じ意味として使用できる。

データ選択部４１０は、第２の実際走行データから、少なくとも一つの関心領域、すなわち複数の区間Ａ～Ｄと関連した第１の実際走行データを、位置基盤（例えば、ＧＰＳ座標基盤）により抽出できる。これにより、データ選択部４１０は、第１の地域内の実際の道路を走行する第１の複数の車両と関連した第１の実際走行データを取得できる。図６において、第１の地域６１０、すなわち、複数の区間Ａ～Ｄは、交差点の特定区間内の特定車線から直進する車両の位置座標を抽出するために設定される領域であり、走行方向は、ＤからＡへ移動する方向であり得る。

図６で設定された関心領域別に選択される第１の実際走行データを統計的に分析すれば、次の表１のように値が分布される。

表１において、Ａｒｅａ Ａ～ Ａｒｅａ Ｄは、図６に示す関心領域Ａ～Ｄであり、Ｍｉｎ、１Ｑ、Ｍｅｄｉａｎ、Ｍｅａｎ、３Ｑ、Ｍａｘ及びＮは、第１の実際走行データの統計値である。具体的に、Ｍｉｎは第１の実際走行データからなるデータセットの最小値、１Ｑはデータセットの最小値及び中央値間の中間値、 Ｍｅｄｉａｎはデータセットの中央値、Ｍｅａｎはデータセットの平均値、３Ｑはデータセットの中央値及び最大値間の中間値、Ｍａｘはデータセットの最大値、Ｎはデータセットのデータポイント数を示す。

図７は、図６で設定された関心領域別の第１の実際走行データのパターンの例を示す図である。表１の統計結果に基づいて、図７に示すように、第１の複数の車両が交差点を通過している間に速力が増加するパターンを観察できる。速力による車両の具体的な走行パターンは、後述するクラスタリングにより分析できる。

再度、図４を参照すれば、一実施例によれば、１次フィルタリング部４２０は、データ選択部４１０から選択された第１の実際走行データを、走行方向データに基づいて１次フィルタリングできる。１次フィルタリング部４２０は、次の数１の式を用いてフィルタリングできる。

数１において、Ｘは方向値、ｋは標準偏差の倍数、ＳＤ（Ｘ）は変数Ｘの標準偏差である。１次フィルタリング部４２０は、数１の式を用いて、第１の実際走行データセットの統計値の標準偏差に基づいてフィルタリングできる。例えば、１次フィルタリング部４２０は、データ選択部４１０から位置基盤（例えば、ＧＰＳ座標基盤）により抽出された第１の実際走行データの入力を受け、入力された第１の実際走行データのうち、走行方向データの中央値（Ｍｅｄｉａｎ）又は平均値（Ｍｅａｎ）の１ＳＤ以内に相当するデータを、１次フィルタリングできる。

一実施例によれば、２次フィルタリング部４３０は、１次フィルタリングした第１の実際走行データに対して線形回帰分析を遂行して、２次フィルタリングできる。２次フィルタリング部４３０は、次の数２及び数３の式を用いてフィルタリングできる。

数２及び数３において、Ｙは実際緯度値（actual latitude value）、Ｙ´は数３の式を用いて予測される緯度値（latitude value）、Ｂ_０は切片（intercept）、Ｂ_１は係数（coefficient）、Ｘは経度（longitude coordinate）である。例えば、２次フィルタリング部４３０は、１次フィルタリングした第１の実際走行データに対して数２の線形回帰を適用して、第１の実際走行データのうち、線形パターンのデータを２次フィルタリングできる。これにより、第１の実際走行データから所望の走行方向のデータを選別でき、残りはノイズとして除去できる。

前述した数１～数３は、第１の実際走行データのうち、交差点を直進するデータを取得するためのものであって、右折などのようなデータを除去できる。左折又は右折をする車両のデータは、条件を変更して取得できる。

図８は、データ選択結果８１０、１次フィルタリング結果８２０及び２次フィルタリング結果８３０の例を示す図である。

図８を参照すれば、一例において、データ選択部４１０は、実際走行データ１１２から、座標基盤抽出により関心領域と関連した３４，１４０個の第１の実際走行データを選択できる。１次フィルタリング部４２０は、３４，１４０個の第１の実際走行データに対して、１ＳＤ以内の方向値（heading data）に基づいて１次フィルタリングして、３０，３８２個の第１の実際走行データを取得できる。２次フィルタリング部４３０は、３０，３８２個の第１の実際走行データに対して線形回帰分析を適用して、２０，０２９個の第１の実際走行データを取得できる。

再度、図４を参照すれば、一実施例によれば、クラスタリング部４４０は、２次フィルタリング部４３０によりノイズが除去された第１の実際走行データに対するクラスタリングを遂行して、複数のクラスタ（例えば、第１のクラスタ及び第２のクラスタ）を生成できる。

例えば、クラスタリング部４４０は、ノイズが除去された第１の実際走行データ（例えば、直進走行データ）に対してＫ－平均クラスタ分析技法を適用して、複数のクラスタ候補を生成できる。このとき、クラスタリング部４４０は、ノイズが除去された第１の実際走行データの速力データを用いたクラスタリングを遂行して、複数のクラスタ候補を生成できる。クラスタリング部４４０は、生成された複数のクラスタ候補のうち、既定の閾値（例えば、９０％）以上の分散均一度を持つクラスタ候補を、第１のクラスタ及び第２のクラスタとして決定できる。

クラスタリング部４４０は、ＴＳＳ（Total Sum of Squares、二乗の総和）及びＷＣＳＳ（Within-Cluster Sum of Squares、クラスタ内二乗和）を用いて、クラスタ分散均一度を分析できる。ＴＳＳは、データセット（ノイズが除去された第１の実際走行データ）の全てのデータポイントに対する二乗距離の和であって、データ分散を測定する。ＷＣＳＳは、各クラスタ内のデータポイント間の二乗距離の和であって、各クラスタ内のデータ集計を測定する。よって、ＴＳＳは、データの全体変動性を示し、ＷＣＳＳは、クラスタリングプロセスの際に、各クラスタ内のデータが当該クラスタの中心周囲にクラスタリングされる程度を示す。これは、各クラスタ内のデータポイントが、当該クラスタの中心周囲にどれくらい密接にクラスタリングされたかを示す相対的な尺度として用いられる。クラスタリング部４４０は、分散均一度が９０％以上であるクラスタを最小個数として選択でき、これと関連したクラスタ分析結果は、表２の通りである。

表２は、第１及び第２のクラスタを含む複数のクラスタのＷＣＳＳ結果を、複数の区間Ａ～Ｄ別に示す。例えば、区間Ａの場合、分散均一度が９０％以上であるクラスタ５～８のデータは、クラスタリング分析結果として選択され、以後の車両走行パターンの分析に用いられる。

第１及び第２のクラスタを含む複数のクラスタが決定されると、クラスタリング部４４０は、各クラスタ別に速力データを平均化できる。クラスタリング部４４０は、各クラスタ別に（例えば、第１及び第２のクラスタの各々）速力データの統計値を生成できる。例えば、クラスタリング部４４０は、第１のクラスタの速力データに対する平均値と、第２のクラスタの速力データに対する平均値とを、各クラスタの速力データの統計値として生成できる。

図９は、複数の区間Ａ～Ｄ別の速力割合グラフ９００の例を示す図である。

図９において、ｘ軸は各クラスタ別に算出される速力データの平均値（Ｓｐｅｅｄ）、ｙ軸はクラスタの割合（Ｒａｔｉｏ）を示す。区間Ｃ及び区間Ｄでは、交差点の停止信号により速力＝０である停止データが多数確認される。特に、区間Ｄでは、第１の複数の車両が停止又は減速するパターンを主に観察できる。

再度、図４を参照すれば、一実施例によれば、走行パターン生成部４５０は、クラスタリング部４４０のクラスタリング分析結果に基づいて、複数の区間別の車両走行パターンを生成できる。第１及び第２の区間を含む複数の区間別の車両走行パターンは、各区間における車両の走行速力の増減に関するパターンである。複数の区間のうちで特定区間は、第１の車両走行パターン及び第２の車両走行パターンを含み、第１の車両走行パターン及び第２の車両走行パターンは、互いに異なることができる。一実施例によれば、走行パターン生成部４５０は、第１のクラスタに含まれたデータに基づいて、第１の区間と関連した第１の車両走行パターンを生成できる。また、走行パターン生成部４５０は、第２のクラスタに含まれたデータに基づいて、第２の区間と関連した第２の車両走行パターンを生成できる。

図１０は、車両走行パターンの例を示す図である。

図１０を参照すれば、走行パターン生成部４５０は、図９に基づいて説明した速力割合グラフ１０００を分析して、複数の区間別に車両走行パターンを生成できる。グラフ１０００において、ｘ軸は速力（Ｓｐｅｅｄ）、ｙ軸はクラスタの割合（Ｒａｔｉｏ）、円の大きさはクラスタの偏差を示す。走行パターン生成部４５０は、複数の区間Ａ～Ｄ別に主要割合（Significant Proportion、例えば、大きな割合）を示す速力データの統計値（例えば、速力データの平均値）をｎ個ずつ選択できる。ｎは１以上の整数である。走行パターン生成部４５０は、停止状況を意味する速力＝０であるクラスタは排除し、次に高いデータを選択できる。一例として、走行パターン生成部４５０は、複数の区間Ａ～Ｄに相当する各クラスタ別に算出された速力データの統計値（例えば、速力データの平均値）のうち、高い割合を示す値を２個ずつ選択できる（１０１０）。図１０の場合、区間Ｄでは、１．８５９ｍ／ｓ及び３．７２１ｍ／ｓが選択され、区間Ｃでは２．５１ｍ／ｓ及び６．０８５ｍ／ｓが選択される。

走行パターン生成部４５０は、選択されたデータを分析して、交差点を通過している車両が、交差点進入前の区間Ｄにおいて１．８５９ｍ／ｓで通過し、区間Ｂにおいて４．４２４ｍ／ｓで加速し、交差点から出る区間Ａにおいて５．７２９ｍ／ｓで一層増加するような車両走行パターンを生成できる。また、走行パターン生成部４５０は、交差点を通過している車両が、交差点進入前の区間Ｄにおいて３．７２１ｍ／ｓで通過し、区間Ｂにおいて５．２２７ｍ／ｓで加速し、交差点から出る区間Ａにおいて６．７２８ｍ／ｓで一層増加するような車両走行パターンを生成できる。

図１１は、本開示の一実施例に係る車両走行パターン分析方法を説明するための図である。

図１１を参照すれば、車両走行パターンを分析する電子装置（例えば、図１の車両走行パターン分析装置１１０もしくは図３の情報処理システム２３０、又はこれらの少なくとも一つのプロセッサ）は、ステップＳ１１１０において、入力された実際走行データ及び地図データ（道路地図データ又は衛星地図データ）に基づいて、実際走行データのうち、第１の地域内の実際の道路を走行する第１の複数の車両と関連した第１の実際走行データを取得できる。道路地図データ及び衛星地図データは、特定地域（例えば、図５の第１の地域５１０及び第２の地域５００、又は、図６の第１の地域６１０及び第２の地域６００）の道路を含む地図データであり得る。一実施例によれば、電子装置は、地図データに第１の地域が関心領域に設定されると、設定された第１の地域内の実際の道路を走行する第１の複数の車両と関連した第１の実際走行データを、入力された実際走行データから取得できる。第１の実際走行データは、車両の速力データ、走行方向データ及び位置データを含むことができる。

ステップＳ１１２０において、電子装置は、取得された第１の実際走行データに基づいて、実際の道路内の複数の区間別の車両走行パターンを生成できる。一実施例によれば、電子装置は、第１の実際走行データに対するノイズの除去を遂行できる。電子装置は、第１の実際走行データのうち、走行方向データの一貫性を維持するために、基準値（例えば、走行方向データの中央値又は平均値の１ＳＤ）以内のデータを、１次フィルタリングにより選択できる。次に、車両走行パターン分析装置１１０は、１次フィルタリングした第１の実際走行データに対して線形回帰分析を適用して、２次フィルタリングできる。これにより、電子装置は、第１の複数の車両のうち、同じ方向（例えば、直進、左折、右折及びＵターンのうち、手動又は自動で設定された方向）に走行する車両の第１の実際走行データを選択し、残りのデータはノイズとして除去できる。

一実施例によれば、電子装置は、ノイズが除去された第１の実際走行データに対するクラスタリングを遂行して、第１及び第２のクラスタを含む複数のクラスタを生成し、各クラスタの速力データの統計値及び割合を算出して、地図データに設定された複数の区間別の車両走行パターンを生成できる。複数の区間別の車両走行パターンは、各区間における車両の走行速力の増減に関するパターンである。複数の区間のうちで特定区間は、第１の車両走行パターン及び第２の車両走行パターンを含み、第１の車両走行パターン及び第２の車両走行パターンは、互いに異なることができる。

ステップＳ１１３０において、電子装置は、生成された複数の区間別の車両走行パターンを活用して、車両の割合による速力値をシミュレーション（例えば、自車両（ego-vehicle）に対する自動運転シミュレーション）内の交通量に適用して、実際の道路環境を反映できる。一実施例によれば、電子装置は、自車両及び周辺車両が実際の道路と対応する仮想空間の各区間において、区間別の車両走行パターンに基づいて走行するようにシミュレーションできる。

前述したフローチャート及び上述した説明は、一つの例示に過ぎず、一部の実施例では異なるように具現化できる。例えば、一部の実施例では、各ステップの順序が変化したり、一部のステップが繰り返して遂行されたり、一部のステップが省略されたり、一部のステップが追加されたりできる。

前述した方法は、コンピュータで実行するために、コンピュータ読み取り可能な記録媒体に保存されたコンピュータプログラムとして提供され得る。媒体は、コンピュータで実行可能なプログラムを継続的に保存したり、実行又はダウンロードのために一時保存したりするものであり得る。また、媒体は、単一又は多数のハードウェアが結合された形態の多様な記録手段又は保存手段であり得るが、あるコンピュータシステムに直接的に接続される媒体に限定されず、ネットワーク上に分散して存在するものであり得る。媒体の例としては、ハードディスク、フロッピーディスク及び磁気テープのような磁気媒体、ＣＤ－ＲＯＭやＤＶＤのような光記録媒体、フロプティカルディスク（floptical disk）のような磁気－光媒体（magneto-optical medium）、及び、ＲＯＭ、ＲＡＭ、フラッシュメモリなどを含み、プログラム命令語が保存されるように構成されたものが挙げられる。また、他の媒体の例としては、アプリケーションを流通するアプリストアやその他の多様なソフトウェアを供給乃至流通するサイト、サーバーなどで管理する記録媒体乃至保存媒体も挙げられる。

本開示の方法、動作、又は技法は、多様な手段により具現化できる。例えば、このような技法は、ハードウェア、ファームウェア、ソフトウェア、若しくは、これらの組合せで具現化できる。本願の開示により説明された多様な例示的な論理ブロック、モジュール、回路、及びアルゴリズムステップは、電子ハードウェア、コンピュータソフトウェア、若しくは、両方の組合せで具現化できることを、当業者であれば理解できるはずである。ハードウェア及びソフトウェアのこのような相互の代替を明確に説明するために、多様な例示的な構成要素、ブロック、モジュール、回路、及びステップが、それらの機能的観点から一般的に前述された。そのような機能が、ハードウェアとして具現化されるか、若しくは、ソフトウェアとして具現化されるかは、特定アプリケーション及び全体システムに付加される設計要求事項によって変化する。当業者は、各々の特定アプリケーションのために多様な方式により説明された機能を具現化することもできるが、そのような具現化は、本開示の範囲から逸脱するものと解釈してはならない。

ハードウェアの具現化において、技法の遂行に利用されるプロセッシングユニットは、一つ以上のＡＳＩＣ、ＤＳＰ、デジタル信号処理デバイス（digital signal processing devices DSPD）、プログラム可能な論理デバイス（programmable logic devices PLD）、フィールドプログラムブルゲートアレイ（field programmable gate arrays FPGA）、プロセッサ、コントローラ、マイクロコントローラ、マイクロプロセッサ、電子デバイス、本開示に説明された機能を遂行するように設計された他の電子ユニット、コンピュータ、若しくは、これらの組合せにおいても具現化され得る。

したがって、本開示により説明された多様な例示的な論理ブロック、モジュール、及び回路は、汎用プロセッサ、ＤＳＰ、ＡＳＩＣ、ＦＰＧＡや他のプログラム可能な論理デバイス、ディスクリートのゲートやトランジスタロジック、ディスクリートのハードウェアコンポーネント、若しくは、本願に説明された機能を遂行するように設計されたもの等の任意の組合せで、具現化又は遂行されることもできる。汎用プロセッサは、マイクロプロセッサであり得るが、代替的に、プロセッサは、任意の従来のプロセッサ、コントローラ、マイクロコントローラ、若しくは、状態マシンであり得る。プロセッサは、また、コンピューティングデバイスの組合せ、例えば、ＤＳＰとマイクロプロセッサ、複数のマイクロプロセッサ、ＤＳＰコアと関連した一つ以上のマイクロプロセッサ、若しくは、任意の他の構成の組合せで具現化されることもできる。

ファームウェア及び／又はソフトウェアの具現化において、技法は、ＲＡＭ（random access memory）、ＲＯＭ（read-only memory）、ＮＶＲＡＭ（non-volatile random access memory）、ＰＲＯＭ（programmable read-only memory）、ＥＰＲＯＭ（erasable programmable read-only memory）、ＥＥＰＲＯＭ（electrically erasable programmable read-only memory）、フラッシュメモリ、ＣＤ（compact disc）、磁気又は光学データストレージデバイスなどのようなコンピュータ読み取り可能な媒体上に保存された命令で具現化できる。命令は、一つ以上のプロセッサによって実行可能であり、プロセッサ等が、本開示に説明された機能の特定様態を遂行するようにできる。

ソフトウェアとして具現化される場合、前記技法は、一つ以上の命令又はコードとしてコンピュータ読み取り可能な媒体上に保存されたり、コンピュータ読み取り可能な媒体を介して転送されたりできる。コンピュータ読み取り可能な媒体は、ある場所から他の場所にコンピュータプログラムの転送を容易にする任意の媒体を含み、コンピュータ保存媒体及び通信媒体の両方を含む。保存媒体は、コンピュータによってアクセスできる任意の利用可能な媒体であり得る。非制限的な例として、このようなコンピュータ読み取り可能な媒体は、ＲＡＭ、ＲＯＭ、ＥＥＰＲＯＭ、ＣＤ－ＲＯＭや他の光学ディスクストレージ、磁気ディスクストレージや他の磁気ストレージデバイス、若しくは、所望のプログラムコードを命令又はデータ構造の形態に移送又は保存するために使用されることができ、コンピュータによってアクセスできる任意の他の媒体を含むことができる。また、任意の接続がコンピュータ読み取り可能な媒体として適切に称することができる。

例えば、ソフトウェアが同軸ケーブル、光ファイバーケーブル、鉛線、デジタル加入者回線（ＤＳＬ）、又は、赤外線、無線及びマイクロ波のような無線技術を用いて、ウェブサイト、サーバー又は他の遠隔ソースから転送される場合、同軸ケーブル、光ファイバーケーブル、鉛線、デジタル加入者回線、又は、赤外線、無線及びマイクロ波などのような無線技術は、媒体の定義内に含まれる。本願で使用されたディスク（disk）及びディスク（disc）は、ＣＤ、レーザーディスク、光ディスク、ＤＶＤ（digital versatile disc）、フロッピーディスク及びブルーレイディスクを含み、ここで、通常、ディスク（disk）は磁気的にデータを再生するのに対し、ディスク（disc）はレーザーを用いて光学的にデータを再生する。前記組合せ等も、コンピュータ読み取り可能な媒体等の範囲内に含まれなければならない。

ソフトウェアモジュールは、ＲＡＭメモリ、フラッシュメモリ、ＲＯＭメモリ、ＥＰＲＯＭメモリ、ＥＥＰＲＯＭメモリ、レジスター、ハードディスク、移動式ディスク、ＣＤ－ＲＯＭ、又は、公知された任意の他の形態の保存媒体内に常駐することもできる。例示的な保存媒体は、プロセッサが保存媒体から情報を読み取る、或いは、保存媒体に情報を書き込むように、プロセッサに連結できる。代替的に、保存媒体はプロセッサに統合されることもできる。プロセッサ及び保存媒体はＡＳＩＣ内に存在することもできる。ＡＳＩＣはユーザ端末内に存在することもできる。代替的に、プロセッサ及び保存媒体はユーザ端末で個別構成要素として存在することもできる。

前述した実施例は、一つ以上の独立型コンピュータシステムで現在開示された主題の態様を活用するものとして記述されているが、本開示は、これに限定されず、ネットワークや分散コンピューティング環境のような任意のコンピューティング環境によって具現化できる。さらに、本開示における主題の態様は、複数のプロセッシングチップや装置で具現化されることもでき、ストレージは、複数の装置にわたって類似に影響を受けることもできる。このような装置は、ＰＣ、ネットワークサーバー、及び携帯用装置を含むこともできる。

本明細書では、本開示が一部の実施例によって説明されてきたが、本開示の発明が属する技術分野における通常の技術者が理解し得る本開示から逸脱しない範囲内で、多様な変形や変更が可能である。また、そのような変形や変更は、本明細書に添付された特許請求の範囲内に属するものと理解されるべきである。

１１０ 車両走行パターン分析装置
１２０ 自動運転シミュレーション装置
４１０ データ選択部
４２０ １次フィルタリング部
４３０ ２次フィルタリング部
４４０ クラスタリング部
４５０ 走行パターン生成部

Claims (9)

1. 少なくとも一つのプロセッサにより遂行される車両走行パターン分析方法において、
   第１の地域内の実際の道路を走行する複数の第１の車両と関連した第１の実際走行データを取得するステップと、
   前記第１の実際走行データに基づいて、前記実際の道路内の複数の区間別の車両走行パターンを生成するステップと、を含み、
   前記第１の実際走行データは、車両の速力データ、走行方向データ及び位置データを含み、
   前記複数の区間別の車両走行パターンを生成するステップは、
   前記取得された第１の実際走行データに対するノイズの除去を遂行するステップと、
   前記ノイズが除去された第１の実際走行データに対するクラスタリングを遂行して、第１のクラスタ及び第２のクラスタを生成するステップと、
   前記第１のクラスタに含まれたデータに基づいて、第１の区間と関連した車両走行パターンを生成するステップと、
   前記第２のクラスタに含まれたデータに基づいて、第２の区間と関連した車両走行パターンを生成するステップと、を含み、
   前記第１のクラスタ及び第２のクラスタを生成するステップは、
   前記ノイズが除去された第１の実際走行データの速力データを用いたクラスタリングを遂行して、複数のクラスタ候補を生成するステップと、
   前記複数のクラスタ候補のうち、既定の閾値以上の分散均一度を持つクラスタ候補を、前記第１のクラスタ及び第２のクラスタに決定するステップと、
   前記第１のクラスタに対する速力データの統計値を生成するステップと、
   前記第２のクラスタに対する速力データの統計値を生成するステップと、を含む、車両走行パターン分析方法。
2. 前記第１の実際走行データを取得するステップは、
   前記第１の地域を含む第２の地域と関連し、複数の走行経路リンク及び複数のノードを含む道路地図データを受信するステップと、
   前記第２の地域内の実際の道路を走行する複数の第２の車両と関連した第２の実際走行データを取得するステップと、
   前記複数の走行経路リンクに基づいて、前記第１の地域を関心領域に設定するステップと、
   前記第２の実際走行データから、前記関心領域と関連した前記第１の実際走行データを抽出するステップと、を含み、
   前記複数の区間は、前記関心領域内に含まれる、請求項１に記載の車両走行パターン分析方法。
3. 前記第１の実際走行データを取得するステップは、
   前記第１の地域を含む第２の地域と関連した衛星地図データを受信するステップと、
   前記第２の地域内の実際の道路を走行する複数の第２の車両と関連した第２の実際走行データを取得するステップと、
   前記衛星地図データ上の車線を含む少なくとも一つの領域に関する情報を受信するステップと、
   前記第２の実際走行データから、前記少なくとも一つの領域と関連した前記第１の実際走行データを抽出するステップと、を含む、請求項１に記載の車両走行パターン分析方法。
4. 前記ノイズの除去を遂行するステップは、
   前記第１の実際走行データを、前記走行方向データに基づいて１次フィルタリングするステップと、
   前記１次フィルタリングした第１の実際走行データに対して線形回帰分析を遂行して、２次フィルタリングするステップと、を含む、請求項１に記載の車両走行パターン分析方法。
5. 前記複数の区間別の車両走行パターンは、車両の走行速力の増減に関するパターンを示す、請求項１に記載の車両走行パターン分析方法。
6. 前記複数の区間のうちで特定区間は、第１の車両走行パターン及び第２の車両走行パターンを含み、
   前記第１の車両走行パターン及び第２の車両走行パターンは、互いに異なる、請求項１に記載の車両走行パターン分析方法。
7. 前記生成された複数の区間別の車両走行パターンに基づいて、前記第１の地域内の実際の道路と関連した自動運転シミュレーションを遂行するステップをさらに含む、請求項１に記載の車両走行パターン分析方法。
8. 請求項１乃至７のいずれか一項に記載の方法をコンピュータで実行するためのコンピュータ読み取り可能なプログラム。
9. 情報処理システムであって、
   通信モジュールと、
   メモリと、
   前記メモリと連結され、前記メモリに含まれたコンピュータ読み取り可能な少なくとも一つのプログラムを実行するように構成される少なくとも一つのプロセッサと、を含み、
   前記少なくとも一つのプログラムは、
   第１の地域内の実際の道路を走行する複数の第１の車両と関連した第１の実際走行データを取得し、
   前記第１の実際走行データに基づいて、前記実際の道路内の複数の区間別の車両走行パターンを生成し、
   前記第１の実際走行データは、車両の速力データ、走行方向データ及び位置データを含み、
   前記複数の区間別の車両走行パターンを生成することは、
   前記取得された第１の実際走行データに対するノイズの除去を遂行し、
   前記ノイズが除去された第１の実際走行データに対するクラスタリングを遂行して、第１のクラスタ及び第２のクラスタを生成し、
   前記第１のクラスタに含まれたデータに基づいて、第１の区間と関連した車両走行パターンを生成し、
   前記第２のクラスタに含まれたデータに基づいて、第２の区間と関連した車両走行パターンを生成すること、を含み、
   前記第１のクラスタ及び第２のクラスタを生成することは、
   前記ノイズが除去された第１の実際走行データの速力データを用いたクラスタリングを遂行して、複数のクラスタ候補を生成し、
   前記複数のクラスタ候補のうち、既定の閾値以上の分散均一度を持つクラスタ候補を、前記第１のクラスタ及び第２のクラスタに決定し、
   前記第１のクラスタに対する速力データの統計値を生成し、
   前記第２のクラスタに対する速力データの統計値を生成すること、を含む、情報処理システム。