KR101952037B1 - 차량의 속도를 예측하는 방법 - Google Patents

차량의 속도를 예측하는 방법 Download PDF

Info

Publication number
KR101952037B1
KR101952037B1 KR1020170137616A KR20170137616A KR101952037B1 KR 101952037 B1 KR101952037 B1 KR 101952037B1 KR 1020170137616 A KR1020170137616 A KR 1020170137616A KR 20170137616 A KR20170137616 A KR 20170137616A KR 101952037 B1 KR101952037 B1 KR 101952037B1
Authority
KR
South Korea
Prior art keywords
speed
vehicle
model
predicting
traveling
Prior art date
Application number
KR1020170137616A
Other languages
English (en)
Inventor
선우명호
신재욱
연규환
Original Assignee
한양대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 한양대학교 산학협력단 filed Critical 한양대학교 산학협력단
Priority to KR1020170137616A priority Critical patent/KR101952037B1/ko
Application granted granted Critical
Publication of KR101952037B1 publication Critical patent/KR101952037B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
    • G01P3/00—Measuring linear or angular speed; Measuring differences of linear or angular speeds
    • G01P3/42—Devices characterised by the use of electric or magnetic means
    • G01P3/50—Devices characterised by the use of electric or magnetic means for measuring linear speed
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
    • G01P3/00—Measuring linear or angular speed; Measuring differences of linear or angular speeds
    • G01P3/64—Devices characterised by the determination of the time taken to traverse a fixed distance
    • G01P3/66—Devices characterised by the determination of the time taken to traverse a fixed distance using electric or magnetic means
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G08G1/0145—Measuring and analyzing of parameters relative to traffic conditions for specific applications for active traffic flow control

Abstract

차량에 대한 유효 속도 범위 모델과 주행 속도 확률 모델을 이용하여 차량의 속도를 예측하는 방법이 개시된다. 개시된 차량의 속도를 예측하는 방법은, 타겟 도로에 대한 차량의 샘플 주행 데이터에 기반하여, 상기 타겟 도로의 위치 구간에 따른 상기 차량의 유효 속도 범위 모델을 생성하는 단계; 상기 샘플 주행 데이터에 기반하여, 상기 타겟 도로에 대한 상기 차량의 주행 속도 확률 모델을 생성하는 단계; 및 상기 유효 속도 범위 모델에 따른 최대 속도 및 최소 속도 범위 내에서, 상기 주행 속도 확률 모델을 이용하여 상기 타겟 도로를 주행하는 차량의 미래 속도를 예측하는 단계를 포함한다.

Description

차량의 속도를 예측하는 방법{METHOD FOR PREDICTING SPEED OF VEHICLE}
본 발명은 차량의 속도를 예측하는 방법에 관한 것으로서, 더욱 상세하게는 차량에 대한 유효 속도 범위 모델과 주행 속도 확률 모델을 이용하여 차량의 속도를 예측하는 방법에 관한 것이다.
자동차 산업은 강화되는 배기규제를 만족하는 동시에 연비 효율을 향상시키기 위한 연구를 계속하고 있다. 이러한 방법 중 하나로 예측된 차속을 바탕으로 에너지 관리를 최적화하는 연구가 진행되고 있으며, 이러한 연구는 미래의 주행 속도를 정확하게 예측하는 것이 성능 향상에 큰 영향을 미치는 것으로 분석되고 있다. 차량의 주행 속도를 미리 예측할 수 있으면, 차량의 변속기 단수를 조절하거나 회생 제동 비율을 조절하는 등의 방법으로 차량의 에너지 관리를 최적화할 수 있다.
차량의 속도를 예측하는 연구는 ITS(Intelligent Transport System)의 발전으로 활발하게 진행될 것으로 기대되고 있으며 현재는 크게 두 가지 방법으로 진행되고 있다.
첫 번째 방법은 결정론적 기법에 기반한 차량 속도 예측 방법이다. 주행구간의 구간별 평균 속도와 제한 속도, 경사도, 주행거리와 같은 주행정보를 ITS로부터 얻은 후, 이들 정보를 바탕으로 최적화 이론을 이용하여 주행구간의 속도 프로파일을 예측하는 방법이다. 하지만 실제 주행 시 차량 속도는 다양한 주행 환경뿐 아니라 운전자의 행동에 의해서 결정되기 때문에 위와 같은 결정론적 방법으로는 예측하기 어렵다.
따라서 이러한 문제점을 해결하기 위해 확률, 통계적 접근을 통한 속도 예측 기법이 연구되고 있다. 확률·통계적 접근을 통한 속도 예측 기법이란 도로 상의 주행 데이터를 충분히 많이 수집 한 후 과거 데이터를 통해 차량이 앞으로 주행하게 될 속도 프로파일을 예측하는 방법이다.
관련된 선행문헌으로 특허 문헌인 일본 공개특허 제2012-168037호, 비특허 문헌인 "Velocity Predictors for Predictive Energy Management in Hybrid Electric Vehicles, Chao Sun, Xiaosong Hu, IEEE TRANSACTIONS ON CONTROL SYSTEMS TECHNOLOGY, VOL. 23, NO. 3, MAY 2015" 가 있다.
본 발명은 차량에 대한 유효 속도 범위 모델과 주행 속도 확률 모델을 이용하여 차량의 속도롤 보다 정확하게 예측할 수 있는 방법을 제공하기 위한 것이다.
특히 본 발명은, 차량의 속도가 급변하는 구간에서 보다 정확하게 차량의 속도를 예측할 수 있는 방법을 제공하기 위한 것이다.
상기한 목적을 달성하기 위한 본 발명의 일 실시예에 따르면, 타겟 도로에 대한 차량의 샘플 주행 데이터에 기반하여, 상기 타겟 도로의 위치 구간에 따른 상기 차량의 유효 속도 범위 모델을 생성하는 단계; 상기 샘플 주행 데이터에 기반하여, 상기 타겟 도로에 대한 상기 차량의 주행 속도 확률 모델을 생성하는 단계; 및 상기 유효 속도 범위 모델에 따른 최대 속도 및 최소 속도 범위 내에서, 상기 주행 속도 확률 모델을 이용하여 상기 타겟 도로를 주행하는 차량의 미래 속도를 예측하는 단계를 포함하는 차량의 속도를 예측하는 방법이 제공된다.
또한 상기한 목적을 달성하기 위한 본 발명의 다른 실시예에 따르면, 타겟 도로에 대한 차량의 유효 속도 범위 모델 및 상기 타겟 도로에 대한 주행 속도 확률 모델을 입력받는 단계; 및 주행 유효 속도 범위 모델에 따른 최대 속도 및 최소 속도 범위 내에서, 상기 주행 속도 확률 모델을 이용하여 상기 타겟 도로를 주행하는 차량의 미래 속도를 예측하는 단계를 포함하며, 상기 유효 속도 범위 모델 및 주행 속도 확률 모델은 상기 타겟 도로에 대한 상기 차량의 샘플 주행 데이터에 기반하여 생성되는 모델이며, 상기 유효 속도 범위 모델은 상기 타겟 도로의 위치 구간에 따른 모델인 차량의 속도를 예측하는 방법이 제공된다.
본 발명에 따르면, 주행 속도 확률 모델뿐만 아니라 유효 속도 범위 모델를 이용함으로써, 차량의 속도 예측에 대한 정확도가 향상될 수 있다.
또한 본 발명에 따르면, 차량의 미래 속도를 정확하게 예측함으로써, 차량의 에너지 관리 효율이 증가할 수 있다.
도 1은 확률, 통계적 접근을 통해 차량의 속도를 예측하는 방법을 설명하기 위한 도면이다.
도 2는 마르코브 모델을 이용한 차량의 속도 예측의 정확도를 설명하기 위한 도면이다.
도 3은 본 발명의 일실시예에 따른 차량 속도 예측 장치를 설명하기 위한 도면이다.
도 4는 본 발명의 일실시예에 따른 차량의 속도를 예측하는 방법을 설명하기 위한 흐름도이다.
도 5는 본 발명의 일실시예에 따른 유효 속도 범위 모델을 설명하기 위한 도면이다.
도 6은 본 발명의 다른 실시예에 따른 차량의 속도를 예측하는 방법을 설명하기 위한 흐름도이다.
도 7은 본 발명의 일실시예에 따른 차량의 속도를 예측하는 방법의 정확도를 설명하기 위한 도면이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다.
이하에서, 본 발명에 따른 실시예들을 첨부된 도면을 참조하여 보다 상세하게 설명한다.
도 1은 확률, 통계적 접근을 통해 차량의 속도를 예측하는 방법을 설명하기 위한 도면이며, 도 2는 마르코브 모델을 이용한 차량의 속도 예측의 정확도를 설명하기 위한 도면이다.
확률, 통계적 접근을 통해 차량의 속도를 예측하기 위해, 도 1에 도시된 마르코브 모델이 이용될 수 있다. 마르코브 모델은 차량의 주행 속도 확률 모델로서, 차량의 현재 주행 속도(current velocity)에 따른 차량의 다음 가속도(next acceleration)에 대한 확률값을 나타내는 모델이다.
미리 지정된 도로를 주행하는 차량의 샘플 주행 데이터로부터 마르코브 모델이 만들어질 수 있다. 다양한 주행 패턴으로 차량을 운행시키고, 미리 정해진 시간 구간 별로 차량의 현재 속도와 다음 가속도와의 관계를 분석하여 마르코브 모델을 생성할 수 있다. 예컨대, 샘플 주행 데이터에서 제1시간 구간에서의 차량의 속도가 5m/s일 때, 다음 구가인 제2시간 구간에서의 차량의 가속도가 1m/s2인 빈도가 가장 많을 경우, 차량의 현재 속도가 5m/s일 때, 다음 가속도가 1m/s2일 확률값이 가장 큰 마르코브 모델이 만들어질 수 있다.
차량의 현재 속도에 대응되는 다음 가속도의 확률값 중 가장 큰 확률값을 나타내는 다음 가속도가 차량의 속도를 예측하기 위한 가속도로 이용될 수 있다. 현재 속도에 다음 가속도를 반영함으로써, 차량의 미래 속도가 예측될 수 있다.
하지만, 마르코브 모델과 같은 주행 속도 확률 모델을 이용하여 차량의 속도를 예측하는 경우, 속도가 급변하는 구간에서의 속도 예측 정확도가 낮아지는 문제가 있다. 도 2는 차량의 실제 속도(파란선)와 마르코브 모델을 이용한 차량의 예측 속도(빨간선)를 함께 표시한 도면인데, 도 2를 참조하면 차량의 실제 속도가 급변하는 구간에서 마르코브 모델을 이용하여 예측된 속도가 실제 속도와 차이가 많음을 알 수 있다.
따라서, 차량의 속도를 보다 정확하게 예측할 수 있는 방법이 요구되고 있으며, 차량 속도 예측의 정확도가 증가할수록 차량의 에너지를 보다 효율적으로 관리할 수 있다.
본 발명에 따른 차량의 속도를 예측하는 방법은, 주행 속도 확률 모델을 이용하되, 차량의 속도가 급변하는 구간에서의 속도 예측의 정확도를 높이기 위해 유효 속도 범위 모델을 추가로 이용한다. 유효 속도 범위 모델이란, 주행 속도 확률 모델에서 차량의 속도 예측을 위해 고려해야할 속도 범위를 결정하기 위한 모델로서, 유효 속도 범위 모델에 의해 주행 속도 확률 모델에서 고려되는 속도 중 최대 속도와 최소 속도가 결정된다. 유효 속도 범위 모델은 타겟 도로를 주행하는 차량의 샘플 주행 데이터에 기반하여 결정될 수 있다.
따라서, 본 발명에 따르면, 주행 속도 확률 모델에서 고려되는 모든 속도를 고려할 필요없이, 유효 속도 범위 모델에 의한 최대 속도 및 최소 속도 범위 내의 확률값만을 고려하여 차량의 속도를 예측할 수 있다. 유효 속도 범위 모델에 의한 최대 속도 및 최소 속도 범위를 벗어난 확률값이 고려되지 않으므로, 유효 속도 범위 모델에 의한 최대 속도 및 최소 속도 범위를 벗어난 확률값에 의해 차량의 속도 예측이 부정확해지는 문제가 감소하고 정확도가 증가할 수 있다.
이하에서, 본 발명에 따른 차량의 속도를 예측하는 방법에 대해 자세히 설명하기로 한다.
도 3은 본 발명의 일실시예에 따른 차량 속도 예측 장치를 설명하기 위한 도면이다.
도 3을 참조하면, 본 발명에 따른 차량 속도 예측 장치는 모델 생성부(310) 및 속도 예측부(320)를 포함하며, 차량에 탑재될 수 있다. 실시예에 따라서, 본 발명에 따른 차량 속도 예측 장치는 모델 생성부(310)를 포함하지 않고, 외부에서 생성된 유효 속도 범위 모델 및 주행 속도 확률 모델을 제공받아, 속도 예측에 이용할 수 있다.
모델 생성부(310)는 차량의 유효 속도 범위 모델 및 주행 속도 확률 모델을 생성한다. 미리 정해진 타겟 도로를 주행한 차량의 샘플 주행 데이터로부터 모델이 생성될 수 있다. 샘플 주행 데이터는 차량의 위치 및 해당 위치에서의 차량의 속도 데이터가 포함될 수 있다. 모델 생성부(310)는 차량이 주행할 때마다 새로 생성되는 샘플 주행 데이터를 이용하여, 유효 속도 범위 모델 및 주행 속도 확률 모델을 갱신할 수 있다.
모델 생성부(310)는 주행 속도 확률 모델로서, 도 1에서 설명된 마르코브 모델을 생성할 수 있으며, 실시예에 따라서 다양한 확률 모델을 생성할 수 있다.
모델 생성부(310)는 차량의 유효 속도 범위 모델을 생성할 때, 시간 단위가 아닌 공간 단위로 유효 속도 범위 모델을 생성한다. 즉, 모델 생성부(310)는 타겟 도로의 위치 구간에 따른 차량의 유효 속도 범위 모델을 생성한다. 차량의 실제 속도는 시간보다는 차량이 주행하는 도로의 형상에 많은 영향을 받기 때문에, 타겟 도로의 위치 구간을 고려하여 유효 속도 범위 모델을 보다 용이하게 생성할 수 있다.
예컨대, 샘플 주행 데이터로부터 도로의 특정 위치 구간에서의 차량의 주행 속도가 20~40m/s였을 경우, 모델 생성부(310)는 해당 위치 구간에서의 차량의 유효 속도 범위가 20~40m/s 임을 나타내는 유효 속도 범위 모델을 생성할 수 있다.
속도 예측부(320)는 유효 속도 범위 모델에 따른 최대 속도 및 최소 속도 범위 내에서, 주행 속도 확률 모델을 이용하여 타겟 도로를 주행하는 차량의 미래 속도를 예측한다.
유효 속도 범위 모델 및 주행 속도 확률 모델은 행렬(matrix) 형태일 수 있으며, 유효 속도 범위 모델 및 주행 속도 확률 모델의 행렬이 곱해질 경우, 유효 속도 범위 모델에 따른 최대 속도 및 최소 속도 범위 내에서의 주행 속도 확률 모델의 확률값만이 속도 예측을 위한 값으로 결정될 수 있다. 속도 예측부(320)는 이와 같이 결정된 확률값 중에서 최대 확률값을 나타내는 차량의 다음 가속도를 결정하고, 차량의 미래 속도를 예측할 수 있다.
도 4는 본 발명의 일실시예에 따른 차량의 속도를 예측하는 방법을 설명하기 위한 흐름도이며, 도 5는 본 발명의 일실시예에 따른 유효 속도 범위 모델을 설명하기 위한 도면이다.
본 발명에 따른 차량의 속도를 예측하는 방법은 전술된 차량 속도 예측 장치 또는 차량의 ECU에서 수행될 수 있다. 이하에서는 차량 속도 예측 장치에서 수행되는 차량 속도 예측 방법이 일실시예로서 설명된다.
본 발명에 따른 차량 속도 예측 장치는 타겟 도로에 대한 차량의 샘플 주행 데이터에 기반하여, 타겟 도로의 위치 구간에 따른 차량의 유효 속도 범위 모델을 생성(S410)하고, 샘플 주행 데이터에 기반하여, 타겟 도로에 대한 차량의 주행 속도 확률 모델을 생성(S420)한다. 타겟 도로를 차량이 반복적으로 주행하며 얻어지는 샘플 주행 데이터로부터 차량의 유효 속도 범위 모델 및 주행 속도 확률 모델이 생성될 수 있다. 그리고 실시예에 따라서, 유효 속도 범위 모델과, 주행 속도 확률 모델의 생성 순서는 반대여도 무방하다.
보다 구체적으로, 단계 S410에서, 차량 속도 예측 장치는 위치 구간별로, 샘플 주행 데이터에 따른 차량의 주행 속도를 확인한다. 타겟 도로의 위치 구간은 실시예에 따라서 다양하게 구분될 수 있으며, 일실시예로서 곡선 좌표계(curvilinear coordinate)에 기반하여 위치 구간이 나누어질 수 있다.
곡선 좌표계는 도로에서의 차량의 진행 방향과 진행 방향에 수직한 방향을 좌표축으로 이용하는 좌표계로서, 곡선 좌표계에 따라서 차량의 진행 방향에 의해 만들어지는 라인을 미리 설정된 길이만큼씩 분할함으로써 위치 구간이 나누어질 수 있다.
그리고 차량 속도 예측 장치는 미리 설정된 속도 구간 별로 유효값 또는 무효값이 포함된 대각 행렬 형태의 유효 속도 범위 모델을 타겟 도로의 위치 구간별로 생성한다. 여기서, 유효값은 샘플 주행 데이터에 따른 차량의 주행 속도가 속도 구간에 포함됨을 나타내는 값이며, 무효값은 샘플 주행 데이터에 따른 차량의 주행 속도가 속도 구간을 벗어남을 나타내는 값이다.
도 5는 타겟 도로를 500m 단위의 위치 구간으로 분할하고, 속도 구간을 10km/h 단위로 분할하였을 때 유효 속도 범위 모델의 일예를 도시하는 도면이다. 도 5(a)에서 제1실선(510)이 샘플 주행 데이터에 따른 차량의 속도 중 최대 속도를 나타내며, 제2실선(520)이 샘플 주행 데이터에 따른 차량의 속도 중 최소 속도를 나타낸다. 샘플 주행 데이터에 따른 차량의 주행 속도가 도 5(a)와 같으며, 총 n개의 위치 구간으로 분할된 경우, 도 5(b)와 같이 총 n개의 유효 속도 범위 모델이 생성될 수 있다. 타겟 도로의 시점(0m) 및 종점(3000m)은 실시예에 따라서 다양하게 설정될 수 있다. 그리고 총 n개의 휴효 속도 범위 모델 중 하나가 도 5(c)와 같이 선택되어 차량 속도 예측에 이용된다.
유효 속도 범위 모델은 도 5에 도시된 바와 같이, 대각 행렬(diagonal matrix) 형태일 수 있으며, 1이 유효값, 0이 무효값으로 사용될 수 있다. 예를 들어 제1구간(S1)에서, 샘플 주행 데이터에 따른 차량의 속도 범위는 제1 및 제2실선(510, 520)에 의해 제1 내지 제4속도 구간(I1, I2, I3, I4) 중에서 제2 내지 제4속도 구간(I2, I3, I4)에 포함되어 있으므로, 행렬에서 제2 내지 제4속도 구간(I2, I3, I4)에 대응되는 위치에 유효값이 할당되고 나머지 위치에 무효값이 할당된다.
차량 속도 예측 장치는 단계 S420에서 샘플 주행 데이터에 따른 차량의 현재 주행 속도별로, 다음 가속도에 대한 확률값을 계산하고, 속도 구간별로, 확률값이 포함된 행렬 형태의 주행 속도 확률 모델을 생성한다. 주행 속도 확률 모델은 단계 S410의 속도 구간에 따른 다음 가속도의 확률값이 포함된 행렬일 수 있다. 일실시예로서 도 1에 도시된 마르코프 모델이 모델은 단계 S410의 속도 구간에 따라 그리고 미리 설정된 가속도 구간에 따라 이산화된 행렬 형태로 생성될 수 있다.
그리고, 차량 속도 예측 장치는 유효 속도 범위 모델에 따른 최대 속도 및 최소 속도 범위 내에서, 주행 속도 확률 모델을 이용하여 타겟 도로를 주행하는 차량의 미래 속도를 예측(S430)한다.
일실시예로서, 차량 속도 예측 장치는 유효 속도 범위 모델의 행렬과 주행 속도 확률 모델의 행렬을 곱하여, 최대 확률값을 나타내는 차량의 다음 가속도를 결정하고, 차량의 현재 속도 및 결정된 다음 가속도로부터, 차량의 미래 속도를 예측할 수 있다. 전술된 바와 같이, 유효 속도 범위 모델의 행렬은 유효값과 무효값을 포함하기 때문에, 무효값에 의해, 유효 속도 범위 모델에 따른 최대 속도 및 최소 속도 범위를 벗어나는 주행 속도 확률 모델의 확률값은 제거될 수 있다.
유효 속도 범위 모델의 행렬과 주행 속도 확률 모델의 행렬이 곱하여질 수 있도록, 유효 속도 범위 모델의 행렬의 행과, 주행 속도 확률 모델의 행렬의 열의 길이는 동일하거나 또는 유효 속도 범위 모델의 행렬 및 주행 속도 확률 모델의 행렬의 사이즈가 동일한 것이 바람직하다.
단계 S430에서 차량 속도 예측 장치는 위치 구간별 유효 속도 범위 모델 중에서, 차량의 현재 위치에 따른 유효 속도 범위 모델을 이용하여 최대 확률값을 나타내는 차량의 다음 가속도를 결정할 수 있다.
도 6은 본 발명의 다른 실시예에 따른 차량의 속도를 예측하는 방법을 설명하기 위한 흐름도이다.
도 5에서 설명된 차량 속도 예측 방법과 달리, 도 6에서 설명되는 차량 속도 예측 방법은 외부로부터 수신되는 유효 범위 속도 모델 및 주행 속도 확률 모델을 이용한다. 유효 범위 속도 모델 및 주행 속도 확률 모델은 차량의 샘플 주행 데이터를 제공받는 별도의 모델 생성 장치나 컴퓨팅 장치로부터 생성될 수 있다.
본 발명에 따른 차량 속도 예측 장치는 타겟 도로에 대한 차량의 유효 속도 범위 모델 및 타겟 도로에 대한 주행 속도 확률 모델을 수신(S610) 즉, 입력받고, 주행 유효 속도 범위 모델에 따른 최대 속도 및 최소 속도 범위 내에서, 주행 속도 확률 모델을 이용하여 타겟 도로를 주행하는 차량의 미래 속도를 예측(S620)한다.
전술된 바와 같이, 유효 속도 범위 모델 및 주행 속도 확률 모델은 타겟 도로에 대한 차량의 샘플 주행 데이터에 기반하여 생성되는 모델이며, 유효 속도 범위 모델은 상기 타겟 도로의 위치 구간에 따른 모델이다. 이후 차량의 속도를 예측하는 과정은 도 5와 동일하므로 자세한 설명은 생략하기로 한다.
도 7은 본 발명의 일실시예에 따른 차량의 속도를 예측하는 방법의 정확도를 설명하기 위한 도면이다.
도 7은 동일한 샘플 주행 데이터에 기반하여 생성된 모델들을 이용하여 실제 도로를 주행한 차량의 속도를 예측한 결과를 도시하는 도면으로서, 도 7(a)는 마르코프 모델만을 이용한 경우의 속도 예측 결과를 도시하며, 도 7(b)는 본 발명에 따른 속도 예측 결과를 도시한다. 그리고 도 7에서, 파란선은 실제 주행 데이터를 나타내며, 적색선은 예측 결과를 나타낸다.
도 7(a)와 비교하여 도 7(b)의 경우, 차량의 속도가 급변하는 구간에서 적색선과 파란색 선 사이의 차이가 보다 적음을 알 수 있다 다시 말해, 본 발명에 따른 속도 예측 결과가 마르코프 모델만을 이용할 때의 속도 예측 결과보다 정확함을 알 수 있다.
앞서 설명한 기술적 내용들은 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 실시예들을 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. 하드웨어 장치는 실시예들의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 본 발명에서는 구체적인 구성 요소 등과 같은 특정 사항들과 한정된 실시예 및 도면에 의해 설명되었으나 이는 본 발명의 보다 전반적인 이해를 돕기 위해서 제공된 것일 뿐, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 본 발명이 속하는 분야에서 통상적인 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다. 따라서, 본 발명의 사상은 설명된 실시예에 국한되어 정해져서는 아니되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등하거나 등가적 변형이 있는 모든 것들은 본 발명 사상의 범주에 속한다고 할 것이다.

Claims (10)

  1. 타겟 도로에 대한 차량의 샘플 주행 데이터에 기반하여, 상기 타겟 도로의 위치 구간에 따른 상기 차량의 유효 속도 범위 모델을 생성하는 단계;
    상기 샘플 주행 데이터에 기반하여, 상기 타겟 도로에 대한 상기 차량의 주행 속도 확률 모델을 생성하는 단계; 및
    상기 유효 속도 범위 모델에 따른 최대 속도 및 최소 속도 범위 내에서, 상기 주행 속도 확률 모델을 이용하여 상기 타겟 도로를 주행하는 차량의 미래 속도를 예측하는 단계
    를 포함하는 차량의 속도를 예측하는 방법.
  2. 제 1항에 있어서,
    상기 유효 속도 범위 모델을 생성하는 단계는
    상기 위치 구간별로, 상기 샘플 주행 데이터에 따른 상기 차량의 주행 속도를 확인하는 단계; 및
    미리 설정된 속도 구간 별로 유효값 또는 무효값이 포함된 대각 행렬 형태의 상기 유효 속도 범위 모델을 상기 위치 구간별로 생성하는 단계를 포함하며,
    상기 유효값은 상기 샘플 주행 데이터에 따른 상기 주행 속도가 상기 속도 구간에 포함됨을 나타내는 값이며, 상기 무효값은 상기 샘플 주행 데이터에 따른 상기 주행 속도가 상기 속도 구간을 벗어남을 나타내는 값인
    차량의 속도를 예측하는 방법.
  3. 제 2항에 있어서,
    상기 주행 속도 확률 모델을 생성하는 단계는
    상기 샘플 주행 데이터에 따른 상기 차량의 현재 주행 속도별로, 다음 가속도에 대한 확률값을 계산하는 단계; 및
    상기 속도 구간별로, 상기 확률값이 포함된 행렬 형태의 상기 주행 속도 확률 모델을 생성하는 단계
    를 포함하는 차량의 속도를 예측하는 방법.
  4. 제 3항에 있어서,
    상기 차량의 미래 속도를 예측하는 단계는
    상기 유효 속도 범위 모델의 행렬과 상기 주행 속도 확률 모델의 행렬을 곱하여, 최대 확률값을 나타내는 상기 차량의 다음 가속도를 결정하는 단계; 및
    상기 차량의 현재 속도 및 상기 결정된 다음 가속도로부터, 상기 차량의 미래 속도를 예측하는 단계
    를 포함하는 차량의 속도를 예측하는 방법.
  5. 제 4항에 있어서,
    상기 차량의 다음 가속도를 결정하는 단계는
    상기 차량의 현재 위치에 따른 상기 유효 속도 범위 모델의 행렬을 이용하여 상기 차량의 다음 가속도를 결정하는
    차량의 속도를 예측하는 방법.
  6. 타겟 도로에 대한 차량의 유효 속도 범위 모델 및 상기 타겟 도로에 대한 상기 차량의 주행 속도 확률 모델을 입력받는 단계; 및
    주행 유효 속도 범위 모델에 따른 최대 속도 및 최소 속도 범위 내에서, 상기 주행 속도 확률 모델을 이용하여 상기 타겟 도로를 주행하는 차량의 미래 속도를 예측하는 단계를 포함하며,
    상기 유효 속도 범위 모델 및 주행 속도 확률 모델은 상기 타겟 도로에 대한 상기 차량의 샘플 주행 데이터에 기반하여 생성되는 모델이며,
    상기 유효 속도 범위 모델은 상기 타겟 도로의 위치 구간에 따른 모델인
    차량의 속도를 예측하는 방법.
  7. 제 6항에 있어서,
    상기 주행 유효 속도 범위 모델은
    미리 설정된 속도 구간 별로 유효값 또는 무효값이 포함된 대각 행렬 형태이며,
    상기 유효값은 상기 샘플 주행 데이터에 따른 상기 주행 속도가 상기 속도 구간에 포함됨을 나타내는 값이며, 상기 무효값은 상기 샘플 주행 데이터에 따른 상기 주행 속도가 상기 속도 구간을 벗어남을 나타내는 값인
    차량의 속도를 예측하는 방법.
  8. 제 7항에 있어서,
    상기 주행 속도 확률 모델은
    상기 속도 구간에 대한 상기 차량의 다음 가속도에 대한 확률값이 포함된 행렬 형태인
    차량의 속도를 예측하는 방법.
  9. 제 8항에 있어서,
    상기 차량의 미래 속도를 예측하는 단계는
    상기 유효 속도 범위 모델의 행렬과 상기 주행 속도 확률 모델의 행렬을 곱하여, 최대 확률값을 나타내는 상기 차량의 다음 가속도를 결정하는 단계; 및
    상기 차량의 현재 속도 및 상기 결정된 다음 가속도로부터, 상기 차량의 미래 속도를 예측하는 단계
    를 포함하는 차량의 속도를 예측하는 방법.
  10. 제 9항에 있어서,
    상기 차량의 다음 가속도를 결정하는 단계는
    상기 차량의 현재 위치에 따른 상기 유효 속도 범위 모델의 행렬을 이용하여 상기 차량의 다음 가속도를 결정하는
    차량의 속도를 예측하는 방법.
KR1020170137616A 2017-10-23 2017-10-23 차량의 속도를 예측하는 방법 KR101952037B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020170137616A KR101952037B1 (ko) 2017-10-23 2017-10-23 차량의 속도를 예측하는 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170137616A KR101952037B1 (ko) 2017-10-23 2017-10-23 차량의 속도를 예측하는 방법

Publications (1)

Publication Number Publication Date
KR101952037B1 true KR101952037B1 (ko) 2019-02-25

Family

ID=65584894

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170137616A KR101952037B1 (ko) 2017-10-23 2017-10-23 차량의 속도를 예측하는 방법

Country Status (1)

Country Link
KR (1) KR101952037B1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112834775A (zh) * 2021-01-04 2021-05-25 腾讯科技（深圳）有限公司 一种车辆速度的预测方法、装置、电子设备和存储介质
KR20230085567A (ko) 2021-12-07 2023-06-14 현대자동차주식회사 배터리 냉난방 제어시스템

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20020017535A (ko) * 2000-08-30 2002-03-07 박종헌 차량의 진행방향별 구간속도 실시간 예측 방법
JP2011162181A (ja) * 2010-02-05 2011-08-25 Harman Becker Automotive Systems Gmbh 加速度を決定するための自動車用システムおよび方法
KR20120049846A (ko) * 2009-04-22 2012-05-17 인릭스, 인코퍼레이티드 이력 및 현재 데이터에 기초하는 예상된 도로 교통 조건의 예측
KR20140118153A (ko) * 2013-03-28 2014-10-08 주식회사 한라홀딩스 차량 충돌 방지 장치 및 그 방법
KR20180057458A (ko) * 2016-11-22 2018-05-30 삼성전자주식회사 차량 제어 장치 및 그 동작 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20020017535A (ko) * 2000-08-30 2002-03-07 박종헌 차량의 진행방향별 구간속도 실시간 예측 방법
KR20120049846A (ko) * 2009-04-22 2012-05-17 인릭스, 인코퍼레이티드 이력 및 현재 데이터에 기초하는 예상된 도로 교통 조건의 예측
JP2011162181A (ja) * 2010-02-05 2011-08-25 Harman Becker Automotive Systems Gmbh 加速度を決定するための自動車用システムおよび方法
KR20140118153A (ko) * 2013-03-28 2014-10-08 주식회사 한라홀딩스 차량 충돌 방지 장치 및 그 방법
KR20180057458A (ko) * 2016-11-22 2018-05-30 삼성전자주식회사 차량 제어 장치 및 그 동작 방법

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112834775A (zh) * 2021-01-04 2021-05-25 腾讯科技（深圳）有限公司 一种车辆速度的预测方法、装置、电子设备和存储介质
CN112834775B (zh) * 2021-01-04 2022-04-08 腾讯科技（深圳）有限公司 一种车辆速度的预测方法、装置、电子设备和存储介质
KR20230085567A (ko) 2021-12-07 2023-06-14 현대자동차주식회사 배터리 냉난방 제어시스템

Similar Documents

Publication Publication Date Title
EP3650297B1 (en) Method and apparatus for determining information related to a lane change of a target vehicle, and computer program
CN108248609B (zh) 混合动力车辆和在混合动力车辆中预测驾驶样式的方法
Thibault et al. A unified approach for electric vehicles range maximization via eco-routing, eco-driving, and energy consumption prediction
US8660723B2 (en) Method for determining run-curves for vehicles in real-time subject to dynamic travel time and speed limit constraint
Lemieux et al. Vehicle speed prediction using deep learning
US9296301B2 (en) Environment-aware regenerative braking energy calculation method
US11577750B2 (en) Method and apparatus for determining a vehicle comfort metric for a prediction of a driving maneuver of a target vehicle
US20130151046A1 (en) System and method for eco driving of electric vehicle
KR20160135265A (ko) 전기 차량의 배터리 전력 요구량 예측
Hyeon et al. Short-term speed forecasting using vehicle wireless communications
CN109635914B (zh) 基于混合智能遗传粒子群的优化极限学习机轨迹预测方法
KR101952037B1 (ko) 차량의 속도를 예측하는 방법
CN113127466B (zh) 一种车辆轨迹数据预处理方法及计算机存储介质
US20150258979A1 (en) Vehicle energy-management device
Valera et al. Driving cycle and road grade on-board predictions for the optimal energy management in EV-PHEVs
KR101945103B1 (ko) 플러그인 하이브리드 자동차의 운전 모드 제어 방법 장치
CN104951655B (zh) 一种基于频繁模式树的车辆运动模式挖掘方法
CN113415288A (zh) 分段式纵向车速规划方法、装置、设备及存储介质
Deshpande et al. In-vehicle test results for advanced propulsion and vehicle system controls using connected and automated vehicle information
KR101878617B1 (ko) 궤적 데이터 처리 방법 및 궤적 데이터 처리 시스템
Motallebiaraghi et al. Mobility energy productivity evaluation of prediction-based vehicle powertrain control combined with optimal traffic management
Khanra et al. Optimal driving based trip planning of electric vehicles using evolutionary algorithms: A driving assistance system
Zhao et al. Path-forecasting for HEV optimal energy management (POEM)
CN117079482A (zh) 一种基于交叉路口的车辆通行预测方法、设备及介质
KR101385371B1 (ko) 대기 시간을 이용한 전기 자동차의 경로 스케쥴링 방법 및 시스템

Legal Events

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