KR101970931B1 - 차량 도로망의 주행에 사용되는 예측 차량 정보의 생성 방법 및 장치 - Google Patents

차량 도로망의 주행에 사용되는 예측 차량 정보의 생성 방법 및 장치 Download PDF

Info

Publication number
KR101970931B1
KR101970931B1 KR1020187014643A KR20187014643A KR101970931B1 KR 101970931 B1 KR101970931 B1 KR 101970931B1 KR 1020187014643 A KR1020187014643 A KR 1020187014643A KR 20187014643 A KR20187014643 A KR 20187014643A KR 101970931 B1 KR101970931 B1 KR 101970931B1
Authority
KR
South Korea
Prior art keywords
vehicle
remote vehicle
lane
road network
information
Prior art date
Application number
KR1020187014643A
Other languages
English (en)
Other versions
KR20180072801A (ko
Inventor
유에 자오
알리 모르타자비
Original Assignee
닛산 지도우샤 가부시키가이샤
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 닛산 지도우샤 가부시키가이샤 filed Critical 닛산 지도우샤 가부시키가이샤
Publication of KR20180072801A publication Critical patent/KR20180072801A/ko
Application granted granted Critical
Publication of KR101970931B1 publication Critical patent/KR101970931B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/161—Decentralised systems, e.g. inter-vehicle communication
    • G08G1/163—Decentralised systems, e.g. inter-vehicle communication involving continuous checking
    • 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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/10—Path keeping
    • B60W30/12—Lane keeping
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/14—Adaptive cruise control
    • B60W30/16—Control of distance between vehicles, e.g. keeping a distance to preceding vehicle
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/08—Interaction between the driver and the control system
    • B60W50/12—Limiting control by the driver depending on vehicle state, e.g. interlocking means for the control input for preventing unsafe operation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G01S19/50—Determining position whereby the position solution is constrained to lie upon a particular curve or surface, e.g. for locomotives on railway tracks
    • 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
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
    • 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
    • G08G1/0125—Traffic data processing
    • G08G1/0133—Traffic data processing for classifying traffic situation
    • 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
    • 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
    • G08G1/0141—Measuring and analyzing of parameters relative to traffic conditions for specific applications for traffic information dissemination
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/07—Controlling traffic signals
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096708—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control
    • G08G1/096725—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control where the received information generates an automatic action on the vehicle control
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096766—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096766—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission
    • G08G1/096775—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission where the origin of the information is a central station
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096766—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission
    • G08G1/096783—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission where the origin of the information is a roadside individual element
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096766—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission
    • G08G1/096791—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission where the origin of the information is another vehicle
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/161—Decentralised systems, e.g. inter-vehicle communication
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/164—Centralised systems, e.g. external to vehicles
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2556/00—Input parameters relating to data
    • B60W2600/00—
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/167—Driving aids for lane monitoring, lane changing, e.g. blind spot detection

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Human Computer Interaction (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Traffic Control Systems (AREA)
  • Aviation & Aerospace Engineering (AREA)

Abstract

호스트 차량은, 리모트 차량을 위한 리모트 차량 공간적 상태 정보를 수신하고, 그 정보에 기초하여 도로망의 일부분을 나타내는 차량 도로망 정보를 특정한다. 초기 시점에 있어서 공간적 상태 정보와 도로망 정보를 비교하는 것에 기초하여 적어도 하나의 초기 확률값이 생성되고, 각 초기 확률값은, 리모트 차량이 도로망 내의 어떠한 차선을 따라갈 우도를 나타낸다. 공간적 상태 정보를 위한 인접값의 사이에서의 도로망 정보에 대한 편차가, 복수의 시점에 대하여 생성된다. 각 단일 차선 및 편차에 대하여, 편차에 기초하는 새로운 확률값을 사용하여, 리모트 차량이 그 차선을 따라갈 우도를 갱신하고, 갱신된 우도를 사용하여, 차량 도로망을 호스트 차량에게 주행시키는 경우에 차량 도로망 정보와 함께 사용되는, 리모트 차량을 위한 궤도를 생성한다.

Description

차량 도로망의 주행에 사용되는 예측 차량 정보의 생성 방법 및 장치
본 개시는 경로 탐색 제어 및 경로 유도 제어를 포함하는 차량 제어에 관한 것이다.
차량은, 주행 경로를 생성, 유지하고, 주행 경로를 주행(왕래/왔다갔다함, 이하 동일함)하도록 차량을 제어하는 제어 시스템을 구비하는 경우가 있다. 예를 들어, 자율주행 차량은, 출발지에서 목적지까지의 주행 경로를 왕래하기 위해, 직접적인 인간의 개입없이 자율적으로 제어되는 경우가 있다. 자율주행 차량인지 여부에 상관없이, 리모트 차량이 당해 경로를 따라 어디에 있는지를 아는 것이 바람직하다.
리모트 차량 운전 계획 예측을 사용하여 호스트 차량이 동작하는 것을 가능하게 하는, 차량 도로망을 주행하는 경우에 있어서 사용되는 예측 차량 정보를 생성하는 여러 가지 관점, 특징, 요소, 실장 및 실시 형태가 본 명세서, 특허청구범위 및 도면에 개시된다.
개시되는 여러 가지 실시 형태의 하나의 관점은, 차량 도로망의 주행에 사용되는 예측 차량 정보를 생성하는 방법이다. 이 방법은, 리모트 차량에 있어서의 리모트 차량 공간적 상태 정보를 호스트 차량에서 수신하는 처리, 리모트 차량 공간적 상태 정보에 기초하여 차량 도로망의 일부분에 대응하는 차량 도로망 정보를 특정하는 처리, 컴퓨터 기록 매체에 기억된 명령에 응답하는 프로세서에, 초기 시점에 있어서의 리모트 차량 공간적 상태 정보와 초기 시점에 있어서의 차량 도로망 정보의 비교에 기초하여, 각각의 초기 확률값이 차량 도로망 정보 내에 있어서의 단일 차선을 리모트 차량이 따라갈 우도(likelihood)를 나타내는, 당해 초기 확률값을 적어도 하나 이상 생성시키는 처리, 초기 시점을 포함하는 복수의 시점에 대하여, 리모트 차량 공간적 상태 정보를 위한 인접값의 사이에서의, 차량 도로망 정보에 대한 리모트 차량의 편차를 생성하고, 각 단일 차선 및 각 편차에 대하여, 편차에 기초하는 새로운 확률값을 사용하여, 리모트 차량이 단일 차선을 따라갈 우도를 갱신하는 처리, 갱신된 우도를 사용하여, 차량 도로망을 호스트 차량에게 주행시키는 경우에 차량 도로망 정보와 함께 사용되는, 리모트 차량을 위한 궤도를 생성하는 처리를 실행한다. 각 처리가 실행되는 순서는, 이것에 한정되지 않는다.
개시되는 여러 가지 실시 형태의 다른 관점은, 프로세서를 포함하는 호스트 차량의 차량 탑재 장치이며, 이 프로세서는, 비일시적 컴퓨터 가독 매체에 기억된 명령을 실행함으로써, 리모트 차량에 있어서의 리모트 차량 공간적 상태 정보를 호스트 차량에서 수신하고, 리모트 차량 공간적 상태 정보에 기초하여 차량 도로망의 일부분에 대응하는 차량 도로망 정보를 특정하고, 컴퓨터 기록 매체에 기억된 명령에 응답하는 프로세서에, 초기 시점에 있어서의 리모트 차량 공간적 상태 정보와 초기 시점에 있어서의 차량 도로망 정보의 비교에 기초하여, 각각의 초기 확률값이 차량 도로망 정보 내에 있어서의 단일 차선을 리모트 차량이 따라갈 우도를 나타내는, 당해 초기 확률값을 적어도 하나 이상 생성시키고, 초기 시점을 포함하는 복수의 시점에 대하여, 리모트 차량 공간적 상태 정보를 위한 인접값의 사이에서의, 차량 도로망 정보에 대한 리모트 차량의 편차를 생성하고, 각 단일 차선 및 각 편차에 대하여, 편차에 기초하는 새로운 확률값을 사용하여, 리모트 차량이 단일 차선을 따라갈 우도를 갱신하고, 갱신된 우도를 사용하여, 차량 도로망을 호스트 차량에게 주행시키는 경우에 차량 도로망 정보와 함께 사용되는, 리모트 차량을 위한 궤도를 생성한다. 각 처리가 실행되는 순서는, 이것에 한정되지 않는다.
개시되는 여러 가지 실시 형태의 또 다른 관점은, 비일시적 메모리와 프로세서를 포함하는 장치이다. 이 프로세서는, 프로세서가, 비일시적 메모리에 기억된 명령을 실행함으로써, 리모트 차량을 위한 리모트 차량 공간적 상태 정보를 수신하는 처리, 리모트 차량 공간적 상태 정보에 기초하여 차량 도로망의 일부분을 나타내는 차량 도로망 정보를 특정하는 처리, 각각의 초기 확률값이 차량 도로망 정보 내에 있어서의 단일 차선을 리모트 차량이 따라갈 우도를 나타내는, 당해 초기 확률값 중 적어도 하나를, 초기 시점에 있어서의 리모트 차량 공간적 상태 정보 및 차량 도로망 정보의 비교에 기초하여 생성하는 처리, 초기 시점을 포함하는 복수의 시점에 대하여, 리모트 차량 공간적 상태 정보를 위한 인접값의 사이에서의, 차량 도로망 정보에 대한 리모트 차량의 편차를 생성하는 처리, 각 단일 차선 및 각 편차에 대하여, 편차에 기초하는 새로운 확률값을 사용하여, 리모트 차량이 단일 차선을 따라갈 우도를 갱신하는 처리, 갱신된 우도를 사용하여, 차량 도로망을 호스트 차량에게 주행시키는 경우에 차량 도로망 정보와 함께 사용되는, 리모트 차량을 위한 궤도를 생성하는 처리를 실행 가능하도록 구성된다. 각 처리가 실행되는 순서는, 이것에 한정되지 않는다.
이하, 여기에 개시되는 다양한 방법, 장치, 수속 및 알고리즘 및 다른 다양한 관점, 특징, 요소, 실장 및 실시 형태를 더욱 상세하게 설명한다.
이하의 설명 및 도면에 있어서 제공되는 여러 가지 예를 참조함으로써, 여기에 개시되는 방법 및 장치의 다양한 관점이 보다 뚜렸해진다.
도 1은, 여기에 개시되는 여러 가지 관점, 특징 및 요소가 실장 가능한 차량의 일부분의 일례의 개략도이다.
도 2는, 여기에 개시되는 여러 가지 관점, 특징 및 요소가 실장 가능한 차량 수송 및 통신 시스템의 일부분의 일례의 개략도이다.
도 3은, 여기서의 다양한 교시에 따라 차량 도로망을 주행하는 경우에 있어서의 사용을 위한 예측 차량 정보를 생성하는 방법의 흐름도이다.
도 4a는, 본 개시에 따라 예측 차량 정보를 생성하는 경우에 있어서의 사용을 위한 초기 시점에서의 차량 도로망의 일부분 내의 리모트 차량을 도시하는 개략도이다.
도 4b는, 본 개시에 따라 예측 차량 정보를 생성하는 경우에 있어서의 사용을 위한, 도 4a의 시점의 후에 이어지는 어떠한 시점에서의 차량 도로망의 당해 부분 내의 리모트 차량을 도시하는 개략도이다.
도 4c는, 본 개시에 따라 예측 차량 정보를 생성하는 경우에 있어서의 사용을 위한, 도 4b의 시점의 후에 이어지는 어떠한 시점에서의 차량 도로망의 당해 부분 내의 리모트 차량을 도시하는 개략도이다.
도 5는, 리모트 차량 공간적 상태 정보를 위한 인접값의 사이에서의, 차량 도로망 정보에 대한 편차의 계산을 도시하는 개략도이다.
도 6은, 속도 및 맵 곡률에 기초하여 예측된 궤도의 가중치 부여 평균에 기초하는, 시간 경과에 수반하는 리모트 차량의 궤도의 생성을 도시하는 개략도이다.
도 7은, 도 6의 궤도를 생성하기 위해 사용되어도 되는 가중치 부여 함수를 도시하는 도면이다.
도 8은, 시간의 경과에 수반하는(계시적인) 리모트 차량의 궤도를 생성하는 것을 도시하는 개략도이다.
도 9는, 차량 도로망 정보 및 리모트 차량을 위한 궤도를 사용하여 차량 도로망을 주행하는 호스트 차량을 도시하는 개략도이다.
차량은, 차량 도로망 내에 있어서, 출발 지점에서 목적지까지 주행할 수 있다. 차량이 차량 도로망 내를 주행하고 있을 때, 다른 차량의 운전 계획은 유용한 정보이다. 자율주행차 또는 도로 내의 기반 시설의 의사 결정층(의사 결정 단계)에서는, 그러한 운전 계획은, 상세한 정보를 얻은 상태에서의 결정을 지원한다. 예를 들어, 차량은, 운전 예정(운전 계획)을 세우기(운전 계획 입안 또는 이동 예정 입안이라고도 함) 전에, 어떠한 장면에 있어서의 다른 물체가 무엇을 하려고 하고 있는지를 예측 가능한 상태일 필요가 있다. 다른 예로서, 기반 시설은, 그러한 예측을 사용하여, 어떠한 교차점에 진입하려고 하고 있는 몇 대의 차량 중 어느 차량이 그 교차점을 통과할 우선권을 갖고 있는지에 관하여 결정할 수 있다.
소나(SONAR: Sound navigation and ranging), 레이더(RADAR: radio detection and ranging) 및/또는 레이저(LIDAR: Laser Imaging Detection and Ranging) 등을 사용하여 차량의 위치, 진행 방향(차량의 방향), 가속도 등에 주목하는 것은, 정지 물체에 대해서는 유효하게 작용한다(유효하다). 그러나, 이들 시스템은, 그 상태 그대로로는 운전자의 의도/차량의 운전 계획을 인식하는 능력이 부족하여, 이동하고 있는 차량의 궤도를 생성할 수는 없다. 이에 비해, 여기서의 교시는, 이 정보를 사용하여 및/또는 예를 들어 위치 정보를 포함하는 기본 안전 메시지(basic safety message)의 차량간 통신(vehicle-to-vehicle(약칭: V2V))을 사용하여, 차량 운전 의도를 예측할 수 있다. 상세는, 여기서의 교시가 실장되기 좋은 환경의 설명과 함께 이하에 설명된다.
여기서 사용되는 「컴퓨터」 또는 「컴퓨팅 디바이스」라는 용어는, 여기에 개시되는 임의의 방법 또는 그 임의의 일부분 혹은 복수 부분을 실행할 수 있는 임의의 유닛 또는 복수 유닛의 조합을 포함한다.
여기서 사용되는 「프로세서」라는 용어는, 하나 이상의 전용 프로세서, 하나 이상의 디지털 신호 프로세서, 하나 이상의 마이크로 프로세서, 하나 이상의 제어기, 하나 이상의 마이크로 컨트롤러, 하나 이상의 애플리케이션 프로세서, 하나 이상의 특정 용도용 집적 회로(Application Specific Integrated Circuits), 하나 이상의 특정 용도용 표준 제품(Application Specific Standard Products), 예를 들어 하나 이상의 필드 프로그래머블 게이트 어레이(Field Programmable Gate Arrays), 임의의 다른 종류의 집적 회로 혹은 그의 조합, 하나 이상의 상태 기계, 또는 그들의 임의의 조합 등의 하나 이상의 프로세서를 나타낸다.
여기서 사용되는 「메모리」라는 용어는, 임의의 프로세서에 의해 사용되거나 또는 임의의 프로세서에 관련된 임의의 신호 또는 정보를 유형적(물리적인 존재 로서)으로 포함하고, 기억하고, 통신하고 또는 전송할 수 있는 임의의 컴퓨터 사용 가능(computer-usable) 또는 컴퓨터 가독(computer-readable)의 매체 또는 디바이스를 나타낸다. 예를 들어, 메모리는, 하나 이상의 리드 온리 메모리(ROM), 하나 이상의 랜덤 액세스 메모리(RAM), 하나 이상의 레지스터, 저전력 더블 데이터 레이트(LPDDR) 메모리, 하나 이상의 캐시 메모리, 하나 이상의 반도체 메모리 디바이스, 하나 이상의 자기 매체, 하나 이상의 광학 매체, 하나 이상의 자기 광학 매체, 또는 그들의 임의의 조합이어도 된다.
여기서 사용되는 「명령」이라는 용어는, 여기에 개시되는 임의의 방법 또는 그 임의의 일부분 혹은 복수 부분을 실행하기 위한 지시 또는 표현을 포함하고 있어도 되고, 하드웨어, 소프트웨어 또는 그들의 임의의 조합에 있어서 실현되어도 된다. 예를 들어, 명령은, 여기에 설명되는 임의의 각각의 방법, 알고리즘, 관점 또는 그들의 조합을 행하는 프로세서에 의해 실행되어도 되는 컴퓨터 프로그램 등의 메모리에 기억된 정보로서 실장되어도 된다. 몇몇 실시 형태에서는, 명령 또는 그의 일부분은, 여기에 설명되는 임의의 방법, 알고리즘, 관점 또는 그들의 조합을 실시하기 위한 전용 하드웨어를 포함하고 있어도 되는 전용 프로세서 또는 회로로서 실장되어도 된다. 몇몇 실장에 있어서는, 명령의 복수 부분은, 단일 디바이스 상 또는 다중화 디바이스 상의 다중화 프로세서에 걸쳐 분산되어도 되고, 이들은 직접적으로 통신해도 되고, 혹은 로컬 에어리어 네트워크, 광역 네트워크, 인터넷 또는 그들의 조합 등의 네트워크를 통하여 통신해도 된다.
여기서 사용되는 「예」, 「실시 형태」, 「실장」, 「관점」, 「특징」 또는 「요소」라는 용어는, 예, 실례 또는 예시로서의 역할을 하는 것을 나타낸다. 명시적으로 정한 것이 없는 한, 임의의 예, 실시 형태, 실장, 관점, 특징 또는 요소는, 다른 예, 실시 형태, 실장, 관점, 특징 또는 요소로부터 독립되어 있고, 임의의 다른 예, 실시 형태, 실장, 관점, 특징 또는 요소와의 조합에 있어서 사용되어도 된다.
여기서 사용되는 「결정한다」, 「특정하거나 또는 식별한다」 및 「생성한다」라는 용어, 또는 그들의 임의의 변화형의 용어는, 선택하는 것, 해명하는 것, 연산하는 것, 참조하는 것, 판단하는 것, 수신하거나 또는 정보를 접수하는 것, 확립하는 것, 취득하거나 또는 정보를 요구하는 것, 또는 여기에 나타나고 설명되는 디바이스의 하나 이상을 사용하는 임의의 방법으로 특정하거나(식별하거나) 혹은 결정하는 것을 포함한다.
여기서 사용되는 「또는, 그렇지 않으면, 혹은」("or")이라는 용어는, 배타적인 「또는, 그렇지 않으면, 혹은」이 아니라, 포괄적인 「또는, 그렇지 않으면, 혹은」을 의미하는 것이 의도된다. 즉, 특별히 언급하지 않는 한, 또는 문맥으로부터 명확하지 않은 한, 「X는 A 또는 B를 포함한다」란, 임의의 자연스러운 포괄적 순열(natural inclusive permutations)을 나타내는 것이 의도된다. 즉, X가 A를 포함하고, X가 B를 포함하고, 또는 X가 A 및 B의 양쪽을 포함하는 경우, 상기 실례 중 어느 것 하에서도 「X는 A 또는 B를 포함한다」가 만족된다. 또한, 본 출원 및 첨부의 특허청구범위에서 사용되는 「어느(어떤), 하나의, 단일의」(articles "a" and "an")란, 특별히 언급하지 않는 한, 또는 단수형을 가리키고 있음이 문맥으로부터 명확하지 않는 한, 「하나 이상의」를 의미하는 것으로 일반적으로는 해석되어야 한다.
또한, 설명을 간단하게 하기 위해, 여기서의 도면 및 설명은, 일련의 복수의 스텝 또는 단계를 포함하는 경우가 있지만, 여기에 개시되는 다양한 방법의 요소는, 여러 가지 순서로 또는 동시에 생성되어도 된다. 또한, 여기에 개시되는 다양한 방법의 요소는, 여기에 명시적으로는 제시되어 있지 않고 설명되어 있지 않은 다른 요소와 함께 생성되어도 된다. 또한, 여기에 설명되는 다양한 방법의 모든 요소가, 본 개시에 따르는 방법을 실장할 것을 요구받는 것은 아니다. 여러 가지 관점, 특징 및 요소는, 여기서는 특히 조합에 있어서 설명되지만, 각 관점, 특징 또는 요소는, 독립적으로 사용되어도 되고, 혹은 다른 관점, 특징 및 요소를 수반하거나 또는 수반하지 않고 여러 가지 조합에 있어서 사용되어도 된다.
도 1은, 여기에 개시되는 여러 가지 관점, 특징 및 요소가 실장되어도 되는 차량(1000)의 일례의 개략도이다. 몇몇 실시 형태에서는, 차량(1000)은, 섀시(1100), 파워 트레인(1200), 제어기(1300), 차륜(1400), 또는 차량의 임의의 다른 요소 혹은 복수 요소의 조합을 포함하고 있어도 된다. 차량(1000)은 간략화를 위해 4개의 차륜(1400)을 포함하는 것으로서 도시되어 있지만, 프로펠러 또는 트레드 등의 임의의 다른 하나 이상의 추진 디바이스가 사용되어도 된다. 도 1에 있어서, 파워 트레인(1200), 제어기(1300) 및 차륜(1400) 등의 복수의 요소를 상호 접속하고 있는 선은, 데이터 혹은 제어 신호 등의 정보, 전력 혹은 토크 등의 파워, 또는 정보 및 파워의 양쪽이 각각의 요소의 사이에서 주고받을 수 있음을 나타내고 있다. 예를 들어, 제어기(1300)는, 파워 트레인(1200)으로부터 파워를 받아도 되고, 파워 트레인(1200), 차륜(1400), 또는 이들 양쪽과 통신하여 차량(1000)을 제어해도 되며, 이 제어는 차량(1000)의 가속, 감속, 조타, 또는 다른 제어를 포함하고 있어도 된다.
파워 트레인(1200)은, 파워원(1210), 트랜스미션(1220), 조타 유닛(1230), 액추에이터(1240), 또는 서스펜션, 드라이브 샤프트, 액슬 혹은 배기 시스템 등의 파워 트레인의 임의의 다른 요소 혹은 복수 요소의 조합을 포함하고 있어도 된다. 차륜(1400)은 파워 트레인(1200)과는 별도로 도시되어 있지만, 차륜(1400)은 파워 트레인(1200)에 포함되어 있어도 된다.
파워원(1210)은, 엔진, 전지, 또는 그들의 조합을 포함하고 있어도 된다. 파워원(1210)은, 전기 에너지, 열 에너지 또는 운동 에너지 등의 에너지를 공급하도록 동작하는 임의의 디바이스 또는 복수 디바이스의 조합이어도 된다. 예를 들어, 파워원(1210)은, 내연 기관 등의 엔진, 전기 모터, 또는 내연 기관 및 전기 모터의 조합을 포함하고 있어도 되고, 원동력이 되는 운동 에너지를 차륜(1400)의 하나 이상에 공급하도록 동작해도 된다. 몇몇 실시 형태에서는, 파워원(1210)은, 잠재적 에너지 유닛, 예를 들어 니켈-카드뮴(NiCd), 니켈-아연(NiZn), 니켈 금속 수소화물(NiMH), 리튬 이온(Li-ion) 등의 건전지, 태양 전지, 연료 전지, 또는 에너지를 공급 가능한 임의의 다른 디바이스를 포함하고 있어도 된다.
트랜스미션(1220)은, 파워원(1210)으로부터 운동 에너지 등의 에너지를 수취해도 되고, 그 에너지를 차륜(1400)에 전달하여 원동력을 가져와도 된다. 트랜스미션(1220)은, 제어기(1300), 액추에이터(1240), 또는 그들 양쪽에 의해 제어되어도 된다. 조타 유닛(1230)은, 제어기(1300), 액추에이터(1240), 또는 그들 양쪽에 의해 제어되어도 되고, 차륜(1400)을 제어하여 차량(1000)을 조타해도 된다. 차량의 액추에이터(1240)는, 제어기(1300)로부터 신호를 수신해도 되고, 파워원(1210), 트랜스미션(1220), 조타 유닛(1230), 또는 그들의 임의의 조합을 작동시키거나 또는 제어하여 차량(1000)을 동작시켜도 된다.
몇몇 실시 형태에서는, 제어기(1300)는, 로케이션 유닛(1310), 전자 통신 유닛(1320), 프로세서(1330), 메모리(1340), 유저 인터페이스(1350), 센서(1360), 전자 통신 인터페이스(1370), 또는 그들의 임의의 조합을 포함하고 있어도 된다. 제어기(1300)의 임의의 하나 이상의 요소는 각각 단일의 유닛으로서 도시되어 있지만, 이들은 임의의 수의 별개의 물리 유닛과 일체화되어도 된다. 예를 들어, 유저 인터페이스(1350) 및 프로세서(1330)는 제1 물리 유닛 내에 일체화되어도 되고, 메모리(1340)는 제2 물리 유닛 내에 일체화되어도 된다. 도 1에는 도시되어 있지 않지만, 제어기(1300)는 전지 등의 전력원을 포함하고 있어도 된다. 로케이션 유닛(1310), 전자 통신 유닛(1320), 프로세서(1330), 메모리(1340), 유저 인터페이스(1350), 센서(1360) 및 전자 통신 인터페이스(1370)는 별개의 요소로서 도시되어 있지만, 이들 또는 이들 임의의 조합은 하나 이상의 전자 유닛, 회로 또는 칩 내에 일체화되어도 된다.
몇몇 실시 형태에서는, 프로세서(1330)는, 신호 또는 다른 정보를 조작하거나 또는 처리하는 것이 가능한 임의의 디바이스 또는 복수 디바이스의 조합을 포함하고 있어도 되며, 이들은 광학 프로세서, 양자 프로세서, 분자 프로세서, 또는 그들의 조합을 포함하는 기존의 또는 금후 개발될 디바이스여도 된다. 예를 들어, 프로세서(1330)는, 하나 이상의 전용 프로세서, 하나 이상의 디지털 신호 프로세서, 하나 이상의 마이크로 프로세서, 하나 이상의 제어기, 하나 이상의 마이크로 컨트롤러, 하나 이상의 집적 회로, 하나 이상의 특정 용도용 집적 회로, 하나 이상의 필드 프로그래머블 게이트 어레이, 하나 이상의 프로그램 가능 논리 어레이, 하나 이상의 프로그램 가능 논리 제어기, 하나 이상의 상태 기계, 또는 그들의 임의의 조합을 포함하고 있어도 된다. 프로세서(1330)는, 로케이션 유닛(1310), 메모리(1340), 전자 통신 인터페이스(1370), 전자 통신 유닛(1320), 유저 인터페이스(1350), 센서(1360), 파워 트레인(1200), 또는 그들의 임의의 조합에 동작 가능하게 결합되어 있어도 된다. 예를 들어, 프로세서는, 통신 버스(1380)를 통하여 메모리(1340)에 동작 가능하게 결합되어도 된다.
메모리(1340)는, 임의의 유형의 비일시적인 컴퓨터 사용 가능의, 또는 컴퓨터 가독의 매체를 포함하고 있어도 되며, 이 매체는, 예를 들어 프로세서(1330)에 의한 사용 또는 프로세서(1330)에 관련된 사용을 위해, 기계 가독의 명령 또는 그것에 부수되는 임의의 정보를 포함하고, 기억하고, 통신하거나, 또는 이송하는 것이 가능하다. 메모리(1340)는, 예를 들어 하나 이상의 반도체 드라이브, 하나 이상의 메모리 카드, 하나 이상의 제거 가능 매체, 하나 이상의 리드 온리 메모리, 하나 이상의 랜덤 액세스 메모리, 하드 디스크나 플로피 디스크, 광학 디스크를 포함하는 하나 이상의 디스크, 자기 카드, 광학 카드, 그 밖의 전자 정보를 기억하기에 적합한 임의의 종류의 비일시적 기록 매체, 또는 그들의 임의의 조합이어도 된다.
전자 통신 인터페이스(1370)는, 도시한 바와 같은 와이어리스 안테나, 유선 통신 포트, 광통신 포트, 또는 유선 혹은 와이어리스의 전자 통신 매체(1500)와 인터페이스 가능한 임의의 다른 유선 유닛 혹은 와이어리스 유닛이어도 된다. 도 1은 단일의 통신 링크를 통하여 통신하는 전자 통신 인터페이스(1370)를 도시하고 있지만, 전자 통신 인터페이스(1370)는 다중화 통신 링크를 통하여 통신하도록 구성되어도 된다.
전자 통신 유닛(1320)은, 전자 통신 인터페이스(1370)를 통하거나 하여 유선 또는 와이어리스의 전자 통신 매체(1500)를 통하여 신호를 송신하거나 또는 수신하도록 구성되어도 된다. 도 1에는 명시적으로는 도시되어 있지 않지만, 전자 통신 유닛(1320)은, 라디오 주파수(RF), 자외선(UV), 가시광, 광파이버, 와이어선, 또는 그들의 조합 등의 임의의 유선 또는 와이어리스의 통신 매체를 통하여, 송신하고, 수신하고, 또는 그 양쪽을 행하도록 구성되어도 된다. 도 1은 단일의 전자 통신 유닛(1320) 및 단일의 전자 통신 인터페이스(1370)를 도시하고 있지만, 임의의 수의 통신 유닛 및 임의의 수의 전자 통신 인터페이스가 사용되어도 된다.
로케이션 유닛(1310)은, 차량(1000)의 경도, 위도, 고도, 진행 방향 또는 속도 등의 지리 위치 정보(geolocation information)를 결정해도 된다. 예를 들어, 로케이션 유닛은, 광역 보강 시스템(Wide Area Augmentation System)(WAAS)이 가능한 미국 해양 전자 기기 협회(National Marine Electronics Association)(NMEA) 유닛, 라디오 삼각 측량 유닛 또는 그들의 조합 등의 글로벌 포지셔닝 시스템(GPS) 유닛을 포함하고 있어도 된다. 로케이션 유닛(1310)을 사용하여, 예를 들어 차량(1000)의 현재의 진행 방향 또는 차량의 방향(heading), 차량(1000)의 현재의 2차원 위치 혹은 3차원 위치, 차량(1000)의 현재의 각도 방위(angular orientation) 또는 그들의 조합을 나타내는 정보를 얻을 수 있다.
유저 인터페이스(1350)는, 가상 키보드, 물리적 키보드, 터치 패드, 디스플레이, 터치 디스플레이, 스피커, 마이크로폰, 비디오 카메라, 센서, 프린터 또는 그들의 임의의 조합 등, 사람과 인터페이스 가능한 임의의 유닛을 포함하고 있어도 된다. 유저 인터페이스(1350)는, 도시한 바와 같이 프로세서(1330)와 동작 가능하게 결합되어도 되고, 또는 제어기(1300)의 임의의 다른 요소와 동작 가능하게 결합되어도 된다. 유저 인터페이스(1350)는 단일의 유닛으로서 도시되어 있지만, 유저 인터페이스(1350)는 하나 이상의 물리 유닛을 포함하고 있어도 된다. 예를 들어, 유저 인터페이스(1350)는, 사람과의 음성에 의한 커뮤니케이션을 행하기 위한 음성 인터페이스 및/또는 시각 인식과 터치 조작에 기초하는 사람과의 커뮤니케이션을 행하기 위한 터치 디스플레이(터치 조작에 의한 입력이 가능한 디스플레이)를 포함하고 있어도 된다.
센서(1360)는, 대부분의 경우, 복수의 센서의 어레이 등의 하나 이상의 센서(1360)를 포함하고, 센서(1360)는, 차량(1000)을 제어하는 데 사용되어도 되는 정보를 제공하도록 동작 가능해도 된다. 센서(1360)는, 차량의 현재의 동작 특성에 관한 정보를 제공해도 된다. 다중의 센서(1360)가 포함되는 경우, 그것들은, 예를 들어 속도 센서, 가속도 센서, 조타각 센서, 마찰 관련 센서, 제동 관련 센서, 또는 차량(1000)의 현재의 동적 상황의 어떠한 관점에 관한 정보를 보고하도록 동작 가능한 임의의 센서 혹은 그러한 센서의 조합을 포함할 수 있다.
몇몇 실시 형태에서는, 그들 센서(1360)는, 차량(1000)을 포위하고 있는 물리적 환경에 관한 정보를 취득하도록 동작 가능한 하나 이상의 센서를 포함하고 있어도 된다. 예를 들어, 하나 이상의 센서(1360)는, 도로 형상(road geometry), 그리고 고정 장해물, 차량 및 보행자 등의 장해를 검지해도 된다. 몇몇 실시 형태에서는, 센서(1360)는, 비디오 카메라, 레이저 감지 시스템, 적외선 감지 시스템, 음향 감지 시스템, 또는 현재 알려져 있거나 혹은 장래 개발될 임의의 적절한 종류의 차량 탑재형 환경 감지 디바이스 혹은 그러한 디바이스의 조합이어도 되고, 혹은 그것들을 포함하고 있어도 된다. 몇몇 실시 형태에서는, 센서(1360) 및 로케이션 유닛(1310)은 결합되어 있어도 된다.
개별적으로는 도시되어 있지 않지만, 몇몇 실시 형태에서는, 차량(1000)은 궤도 제어기를 포함하고 있어도 된다. 궤도 제어기는, 차량(1000)의 현재의 상태 및 차량(1000)을 위해 계획된 경로를 기술하는 정보를 얻어 이 정보에 기초하여 차량(1000)을 위한 궤도를 결정하여 최적화하도록 동작해도 된다. 몇몇 실시 형태에서는, 궤도 제어기는, 차량(1000)이 궤도 제어기에 의해 결정되는 궤도를 따라가도록 차량(1000)을 제어하기 위해 동작 가능한 신호(차량의 동작을 제어하는 신호)를 출력해도 된다. 예를 들어, 궤도 제어기의 출력은, 파워 트레인(1200), 차륜(1400), 또는 그들 양쪽에 공급될 수 있는 최적화된 궤도일 수 있다. 몇몇 실시 형태에서는, 최적화된 궤도는, 각각이 어떠한 시점 또는 어떠한 위치에 대응하는 일련의 조타각 등의 복수의 제어 입력일 수 있다. 몇몇 실시 형태에서는, 최적화된 궤도는, 하나 이상의 차선, 라인, 커브, 진로, 또는 그들의 조합일 수 있다. 궤도 제어기는, 적어도 부분적으로는 제어기(1300)의 하나 이상 요소를 사용하여 실장되어도 된다.
차륜(1400)의 하나 이상은, 조타 유닛(1230)의 제어 하에서 조타각을 향하여 선회될 수 있는 조타륜(steered wheel)이어도 되고, 트랜스미션(1220)의 제어 하에서 토크가 제공되어 차량(1000)을 추진시킬 수 있는 구동륜(propelled wheel)이어도 되고, 또는 차량(1000)을 조타하여 추진시킬 수 있는 조타 및 구동륜이어도 된다.
도 1에는 도시되어 있지 않지만, 차량(1000)은, 하우징, 블루투스(등록 상표)(Bluetooth(등록 상표)) 모듈, 주파수 변조(FM) 라디오 유닛, 근거리 무선 통신(Near Field Communication)(NFC) 모듈, 액정 디스플레이(LCD) 디스플레이 유닛, 유기 발광 다이오드(OLED) 디스플레이 유닛, 스피커 또는 그들의 임의의 조합 등의 도 1에는 도시되지 않은 유닛 또는 요소를 포함하고 있어도 된다.
도 2는, 여기에 개시되는 여러 가지 관점, 특징 및 요소가 실장되어도 되는 차량 수송 및 통신 시스템의 일부분의 일례의 개략도이다. 차량 수송 및 통신 시스템(2000)은 적어도 2대의 차량(2100/2110)을 포함하고 있어도 되며, 차량(2100/2110)의 각각은 도 1에 도시되는 차량(1000)과 마찬가지로 구성되어도 되고, 차량(2100/2110)은, 하나 이상의 차량 도로망(2200)의 하나 이상의 부분을 통과하여 주행하고, 또한 하나 이상의 전자 통신 네트워크(2300)를 통하여 통신해도 된다. 도 2에는 명시적으로는 도시되어 있지 않지만, 차량은, 오프로드 구역 등의, 차량 도로망 내에 명확하게 또는 완전하게 포함되는 일이 없는 구역을 주행해도 된다.
몇몇 실시 형태에서는, 전자 통신 네트워크(2300)는, 예를 들어 다중 액세스 시스템이어도 되고, 각 차량(2100/2110)과 하나 이상의 통신 디바이스(2400)의 사이에서의, 음성 통신, 데이터 통신, 비디오 통신, 메시지 통신 또는 그들의 임의의 조합 등의 통신을 제공해도 된다. 예를 들어, 차량(2100/2110)은, 차량 도로망(2200)을 나타내는 정보 등의 정보를, 통신 디바이스(2400)로부터 전자 통신 네트워크(2300)를 통하여 수신해도 된다. 여기에 설명되는 소정의 실시 형태에 있어서는, 전자 통신 네트워크(2300)는, 차량(2100)의 위치 정보 및 궤도 정보를 포함하는 기본 안전 메시지의 차량 대 차량 통신에 있어서 사용할 수 있다. 각 차량(2100/2110)은, 이하에 의해 상세하게 논의되는 바와 같이, 이 정보를 하나 이상의 다른 차량과 직접적으로 통신해도 된다.
몇몇 실시 형태에서는, 차량(2100/2110)은, 유선 통신 링크(도시하지 않음), 와이어리스 통신 링크(2310/2320/2370), 또는 임의의 수의 유선 혹은 와이어리스의 통신 링크의 조합을 통하여 통신해도 된다. 예를 들어, 도시하는 바와 같이, 차량(2100/2110)은, 지상파 와이어리스 통신 링크(2310)를 통하여, 비지상파 와이어리스 통신 링크(2320)를 통하여, 또는 그들의 조합을 통하여 통신해도 된다. 몇몇 실장에 있어서는, 지상파 와이어리스 통신 링크(2310)는, 이더넷(등록 상표)(Ethernet(등록 상표)) 링크, 시리얼 링크, 블루투스 링크, 적외선(IR) 링크, 자외선(UV) 링크, 또는 전자 통신을 제공 가능한 임의의 링크를 포함하고 있어도 된다.
몇몇 실시 형태에서는, 차량(2100/2110)은, 다른 차량(2100/2110)과 통신해도 된다. 예를 들어, 호스트 차량, 즉 주체가 되는 차량(HV)(2100)은, 기본 안전 메시지 등의 하나 이상의 자동화 차량간 메시지를, 직접 통신 링크(2370)를 통하거나 또는 전자 통신 네트워크(2300)를 통하여 리모트 차량, 즉 목표가 되는 차량(RV)(2110)으로부터 수신해도 된다. 예를 들어, 리모트 차량(2110)은, 300미터 등의 규정된 송신 범위 내의 복수의 호스트 차량에 대하여 메시지를 광범위하게 송신/배신해도 된다. 몇몇 실시 형태에서는, 호스트 차량(2100)은, 신호 중계기(도시하지 않음) 또는 다른 리모트 차량(도시하지 않음) 등의 제3자를 통하여 메시지를 수신해도 된다. 몇몇 실시 형태에서는, 차량(2100/2110)은, 하나 이상의 자동화 차량간 메시지를 10밀리초 등의 규정된 간격에 기초하여 주기적으로 송신해도 된다.
자동화 차량간 메시지는, 차량 식별 정보; 경도, 위도 및/또는 고도 정보, 지리 공간 위치 정밀도 정보 등의 공간적 상태 정보; 차량 가속도 정보, 요우 레이트 정보, 속도 정보, 차량 진행 방향 정보, 제동 시스템 상태 정보, 스로틀 정보, 조타륜 각도 정보 등의 운동학적 상태 정보; 차량 경로 정보; 차량 사이즈 정보, 헤드라이트 상태 정보, 방향 지시기 정보, 와이퍼 상태 정보, 트랜스미션 정보 등의 차량 동작 상태 정보; 또는 차량 상태를 송신하는 것에 관련된 임의의 다른 정보 혹은 그러한 정보의 조합을 포함하고 있어도 된다. 예를 들어, 트랜스미션 상태 정보는, 차량의 트랜스미션이 뉴트럴 상태, 주차 상태, 전진 상태 또는 후진 상태 중 어느 것에 있는지를 나타내도 된다.
호스트 차량(2100) 및/또는 리모트 차량(2110)에 관한 상기 정보의 몇 개 또는 전부는, 자동화 차량간 메시지로부터가 아니라 각종 센서로부터 수신되어도 된다. 일례로서, 전자 통신 유닛(1320)은, SONAR, RADAR 및/또는 LIDAR의 신호를 수신할 수 있고, 이들 신호로부터 차량의 위치, 속도, 가속도 및 순간적인 차량의 진행 방향 또는 차량의 방향을 산출할 수 있다.
몇몇 실시 형태에서는, 차량(2100)은, 액세스 포인트(2330)를 통하여 전자 통신 네트워크(2300)와 통신해도 된다. 액세스 포인트(2330)는, 컴퓨팅 디바이스를 포함하고 있어도 되고, 유선 또는 와이어리스의 통신 링크(2310/2340)를 통하여 차량(2100), 전자 통신 네트워크(2300), 하나 이상의 통신 디바이스(2400) 또는 그들의 조합과 통신하도록 구성되어도 된다. 예를 들어, 액세스 포인트(2330)는, 기지국, 송수신 기지국(base transceiver station)(BTS), 노드 B(Node-B), 강화 노드 B(eNode-B), 홈 노드 B(Home Node-B)(HNode-B), 와이어리스 라우터, 유선 라우터, 허브, 중계기, 스위치, 또는 임의의 유사한 유선 혹은 와이어리스의 디바이스여도 된다.
몇몇 실시 형태에서는, 차량(2100)은, 위성(2350) 또는 다른 비육상 통신 디바이스를 통하여 전자 통신 네트워크(2300)와 통신해도 된다. 위성(2350)은, 컴퓨팅 디바이스를 포함하고 있어도 되고, 하나 이상의 통신 링크(2320/2360)를 통하여 차량(2100), 전자 통신 네트워크(2300), 하나 이상의 통신 디바이스(2400) 또는 그들의 조합과 통신하도록 구성되어도 된다. 위성은 단일의 유닛으로서 도시되어 있지만, 위성은 임의의 수의 상호 접속된 요소를 포함하고 있어도 된다.
차량(2110)은, 마찬가지로 하여 액세스 포인트(2330) 및/또는 위성(2350)을 통하여 전자 통신 네트워크(2300)와 통신해도 된다.
전자 통신 네트워크(2300)는, 음성 통신, 데이터 통신, 또는 임의의 다른 종류의 전자 통신을 제공하도록 구성된 임의의 종류의 네트워크여도 된다. 예를 들어, 전자 통신 네트워크(2300)는, 로컬 에어리어 네트워크(LAN), 광역 네트워크(WAN), 가상 프라이빗 네트워크(VPN), 휴대 전화 네트워크, 셀룰러 전화 네트워크, 인터넷, 또는 임의의 다른 전자 통신 시스템을 포함하고 있어도 된다. 전자 통신 네트워크(2300)는, 통신 제어 프로토콜(TCP), 유저 데이터그램 프로토콜(UDP), 인터넷 프로토콜(IP), 리얼타임 트랜스포트 프로토콜(RTP), 하이퍼 텍스트 트랜스포트 프로토콜(HTTP) 또는 그들의 조합 등의 통신 프로토콜을 사용해도 된다. 전자 통신 네트워크는 단일의 유닛으로서 도시되어 있지만, 임의의 수의 상호 접속된 요소를 포함하고 있어도 된다.
몇몇 실시 형태에서는, 차량(2100)은, 차량 도로망(2200)의 일부분 또는 상태를 특정할 수 있다. 예를 들어, 차량은, 도 1에 도시되는 센서(1360) 등의 하나 이상의 차량 탑재 센서(2150)를 포함하고 있어도 되고, 이들 차량 탑재 센서(2150)는, 속도 센서, 차륜 속도 센서, 카메라, 자이로스코프, 광학 센서, 레이저 센서, 레이더 센서, 음향 센서, 또는 차량 도로망(2200)의 일부분 혹은 상태를 결정하거나 혹은 특정하는 것이 가능한 임의의 다른 센서 혹은 디바이스 혹은 그들의 조합을 포함하고 있어도 된다.
몇몇 실시 형태에서는, 차량(2100)은, 차량 도로망(2200)을 나타내는 정보, 하나 이상의 차량 탑재 센서(2150)에 의해 특정된 정보 또는 그들의 조합 등의, 전자 통신 네트워크(2300)를 통하여 통신된 정보를 사용하여, 하나 이상의 차량 도로망(2200)의 일부분 또는 복수 부분을 주행해도 된다.
간소화를 위해 도 2는 하나의 차량 도로망(2200), 하나의 전자 통신 네트워크(2300) 및 하나의 통신 디바이스(2400)를 도시하고 있지만, 임의의 수의 네트워크 또는 통신 디바이스가 사용되어도 된다. 몇몇 실시 형태에서는, 차량 수송 및 통신 시스템(2000)은, 도 2에 도시되어 있지 않은 디바이스, 유닛 또는 요소를 포함하고 있어도 된다. 각 차량(2100/2110)은 단일의 유닛으로서 도시되어 있지만, 차량은 임의의 수의 상호 접속된 요소를 포함하고 있어도 된다.
차량(2100)은 전자 통신 네트워크(2300)를 통하여 통신 디바이스(2400)와 통신하는 것으로서 도시되어 있지만, 차량(2100) 및/또는 차량(2110)은, 임의의 수의 직접적 또는 간접적인 통신 링크를 통하여 통신 디바이스(2400)와 통신해도 된다. 예를 들어, 각 차량(2100/2110)은, 블루투스 통신 링크 등의 직접적인 통신 링크를 통하여 통신 디바이스(2400)와 통신해도 된다.
도 3은, 여기서의 다양한 교시에 따라 차량 도로망을 주행하는 경우에 있어서의 사용을 위한 예측 차량 정보를 생성하는 방법의 흐름도이다. 몇몇 실시 형태에서는, 이 방법은, 도 1에 도시되는 차량(1000) 또는 도 2에 도시되는 차량(2100/2110) 등의 차량에 있어서 실시되어도 된다. 다른 실시 형태에 있어서는, 이 방법은, 그 전부 또는 일부가 통신 디바이스(2400)의 하나 이상의 프로세서 내 등의 차량의 외부에 실장되어도 되며, 이 경우, 리모트 차량 궤도 또는 생성된 경로 등의 관련 정보가 1대 이상의 차량에 송신된다.
몇몇 실시 형태에서는, 이 방법은, 스텝 3000에서 리모트 차량 정보를 수신하는 것과, 스텝 3010에서 차량 도로망 정보를 특정하는 것과, 스텝 3020에서 차량 도로망 정보 내에서 하나 이상의 차선을 위한 초기 확률값을 생성하는 것과, 스텝 3030에서 그 후의 시점에 대한 차선에 따른 차량의 편차를 생성하는 것과, 스텝 3040에서 차선을 위한 확률값을 갱신하는 것과, 스텝 3050에서 시간 경과에 수반하는 리모트 차량 궤도를 생성하는 것과, 스텝 3060에서 입력으로서의 리모트 차량 궤도를 사용하여 차량 도로망을 주행하는 것을 포함한다.
호스트 차량은, 스텝 3000에서 차량 도로망의 일부분을 주행하면서 리모트 차량 정보를 수신한다. 스텝 3000에서 호스트 차량에 의해 수신되는 리모트 차량 정보는, 리모트 차량 공간적 상태 정보를 포함하고, 또한 리모트 차량을 위한 리모트 차량 운동학적 상태 정보 또는 이 정보를 생성할 수 있는 데이터를 포함하고 있어도 된다. 리모트 차량 공간적 상태 정보는, 예를 들어 리모트 차량의 복수의 지리 공간 좌표를 포함하고 있어도 된다. 이들 좌표는, 몇몇 실시 형태에서는, 리모트 차량의 위도 및 경도에 대한 GPS 좌표여도 된다. 리모트 차량 운동학적 상태 정보는, 속도, 가속도, 향하고 있는 각도 등 또는 이 정보를 결정할 수 있는 정보를 포함하고 있어도 된다.
예를 들어, 리모트 차량 공간적 상태 정보는, 하나 이상의 데이터 세트로부터의 정보를 임포트함으로써 수신되어도 된다. 일례에 있어서, 이 정보는, 도 1의 로케이션 유닛(1310)으로부터 와이어리스의 전자 통신 매체(1500)를 통하여 송신된 신호로부터 임포트된다. 이 정보는, 단일의 리모트 차량 또는 복수의 리모트 차량으로부터의 기록에 관련되어 있어도 된다. 데이터 세트 내의 각 기록은 차량 식별자와 관련지어져 있어도 되고, 개개의 리모트 차량은 각각의 차량 식별자에 기초하여 일의적으로 특정 또는 식별되어도 된다. 이들 기록은, 데이터 및 타임 스탬프를 포함하고 있어도 되고, 또한 주기적으로 판독되어도 되고, 또는 차량이 주행하고 있는 차량 도로망이 변화될 때 등, 필요에 따라 판독되어도 된다.
몇몇 실시 형태에서는, 리모트 차량 공간적 상태 정보는, 차량 도로망 내의 기반 시설 디바이스의 위치로부터 수신되어도 된다. 그러한 기반 시설 디바이스는, 신호기, 도로 센서, 도로 카메라 등의 스마트 디바이스, 또는 차량 도로망에 부수되어 차량을 검출 가능한 다른 임의의 비차량 디바이스를 포함하고 있어도 된다.
몇몇 실시 형태에서는, 리모트 차량 공간적 상태 정보는, 차량에 부수되어 있는 동안에 있어서의 포터블 디바이스로부터 수신되어도 된다. 예를 들어, 차량의 탑승원이 소지하는 스마트폰 등의 포터블 디바이스는, GPS 정보 또는 보조 GPS(assisted GPS)(AGPS) 정보 등의 지리적 위치 정보를 포함하는 경우가 있으며, 그 탑승원을 그 차량에 관련짓는 정보를 포함할 수 있다.
차량 공간적 상태 정보의 수집은, 당해 기술이 차량 공간적 상태 정보를 시간 등 중 적어도 하나의 다른 정보 및 특정한 리모트 차량에 관련짓는 것이 가능한 한, 어떠한 특정한 기술에도 한정되지 않는다. 예를 들어, 차량 또는 기반 시설 디바이스에 장비된 소나(SONAR), 레이더(RADAR) 및/또는 레이저(LIDAR)는, 스텝 3000에서 차량 공간적 상태 정보를 계산하거나 또는 생성하기 위해 사용될 수 있는 입력을 제공해도 된다.
동일한 기술을 사용하여 리모트 차량 운동학적 상태 정보를 수신해도 된다. 예를 들어, 리모트 차량이 2개의 측정 동안에 동일한 장소에 머물러 있는 경우, 리모트 차량은 이동하고 있지 않다고 판단할 수 있다. 이에 비해, 2개의 측정 동안에, 어떠한 리모트 차량에 대하여 리모트 차량 공간적 상태 정보가 상이한 경우, 그 정보 및 2개의 측정 동안의 시간을 사용하여 그 리모트 차량의 속도를 생성할 수 있다.
몇몇 실장에 있어서는, 스텝 3000에서 호스트 차량에 의해 수신되는 리모트 차량 정보는, 상술한 자동화 차량간 메시지의 형태에 있어도 된다. 이 정보는, 그 전부 또는 일부를 차량 대 차량(V2V) 및 차량 대 기반 시설(V2I)의 단거리 와이어리스 통신에 있어서의 전용의 단거리 통신(DSRC)을 통하여 수신되어도 된다.
리모트 차량 정보는, 후속 처리를 위해, 호스트 차량의 메모리 내 또는 후속 처리를 위해 형성된 다른 처리 영역에 기억되어도 되고, 또한 타임 스탬프와 함께 기억되어도 된다. 임의로, 유사한 기술을 사용하여 호스트 차량 정보가 수신되어 기억되어도 된다. 도 3에는 명확하게는 도시되어 있지 않지만, 잡음 및 신호 파손을 최소화하기 위해, 관찰 결과를 유도하는 직접적인 검지 신호(예를 들어 위치 및 속도)가 필터링되어도 된다.
스텝 3010에서는, 차량 도로망의 일부분에 대응하는 차량 도로망 정보가 특정된다. 이 특정은 리모트 차량 공간적 상태 정보에 기초하여 실행되는 것이 가능하며, 리모트 차량은 차량 도로망 정보 내에 위치한다.
차량 도로망은, 건물 등의 하나 이상의 항행 불능 구역(주행 불능 구역), 주차장 등의 하나 이상의 부분적 항행 가능 구역, 도로 등의 하나 이상의 항행 가능 구역(주행 가능 구역), 또는 그들의 조합을 포함하고 있어도 된다. 차량 도로망은, 하나 이상의 항행 가능 또는 부분적 항행 가능 구역간의 하나 이상의 인터체인지를 포함하고 있어도 된다. 도로 등의 차량 도로망의 일부분은, 하나 이상의 차선을 포함하고 있어도 되고, 또한 하나 이상의 주행 방향에 관련지어져 있어도 된다. 차선 표지는 있어도 되고 없어도 된다.
몇몇 실시 형태에서는, 차량 도로망, 또는 이하에서 논하는 차량 도로망 부분 등의 차량 도로망의 일부분은, 차량 도로망 정보로서 표현되어도 된다. 예를 들어, 차량 도로망 정보는, 데이터베이스 또는 파일 내에 기억되어 있어도 되는 마크업 언어 요소 등의 요소의 계층으로서 표현되어도 된다. 간단하게 하기 위해, 여기서의 도면에서는, 차량 도로망의 복수 부분에 대응하는 차량 도로망 정보가 개략도 또는 맵으로서 표현되어 있지만, 차량 도로망 정보는, 차량 도로망 또는 그의 일부분에 대응하는 것이 가능한 임의의 컴퓨터 사용 가능 형태여도 된다. 몇몇 실시 형태에서는, 차량 도로망 정보는, 주행 방향 정보, 속도 제한 정보, 통행 요금 정보, 경사 정보나 각도 정보와 같은 구배 정보, 표면 재료 정보, 심미 정보 또는 그들의 조합 등의 차량 도로망 제어 정보를 포함하고 있어도 된다.
몇몇 실시 형태에서는, 차량 도로망은, 보행자용 보도교 혹은 보도 등의 보행자 도로망, 또는 하나 이상의 자전거용 차선 등의 자전거 도로망과 관련지어져 있어도 되고, 혹은 그들을 포함하고 있어도 된다. 보행자 도로망은, 차량 도로망의 항행 불능 구역 또는 부분적 항행 가능 구역에 일치하고 있어도 된다. 마찬가지로, 자전거 도로망은, 차량 도로망의 항행 불능 구역 또는 부분적 항행 가능 구역에 일치하고 있어도 된다. 여기서의 설명은 자동차를 사용하고 있지만, 본 교시는 원동기 부착 자전거 또는 오토바이 등의, 차량 도로망 내에서 정해졌거나 또는 규정된 차선을 따라 주행하는 다른 이동체에도 적용 가능하다.
도 4a는, 본 개시에 따라 예측 차량 정보를 생성하는 경우에 있어서의 사용을 위한 초기 시점에서의 차량 도로망의 일부분 내의 리모트 차량을 도시하는 개략도이다. 상술한 바와 같이, 차량 도로망의 일부분에 대응하는 차량 도로망 정보는, 리모트 차량 공간적 상태 정보에 기초하여 특정 가능하다. 당해 부분은, 리모트 차량이 주행하고 있는 현재의 차선에 추가하여, 현재의 차선 뒤에 이어지는 차선, 현재의 차선에 선행하는 차선, 및 리모트 차량의 근처에 있는(옆 차선에 한정되지 않는) 임의의 하나 또는 복수의 인접 차선(관련 차선[sibling lanes]이라고도 함)을 포함하고 있어도 된다. 또한, 당해 부분은, 소정의 거리여도 되고, 혹은 리모트 차량의 주행 속도에 기초하여 가변이어도 된다. 예를 들어, 당해 부분은, 리모트 차량이 그 현재의 속도로 얼마만큼 멀리까지 주행할 수 있는지에 따라 소정의 반경에 기초하여 특정할 수 있다.
간소한 설명을 목적으로 하여, 도 4a는, 공통 차선(4000)으로부터 연장되는 2개의 차선, 즉 차선(4100, 4200)만을 도시하고 있고, 이들 각각은 인접 차선(관련 차선)을 갖고 있지 않다. 차선(4200)의 센터 라인(4210)도 도시되어 있다. 리모트 차량(4300)은, 초기 시점에서 차량 도로망 정보의 당해 부분 내에 위치하고 있고, 그 위치가 지점(A)으로서 표시되어 있다. 어떠한 차선 상의 위치는, 리모트 차량의 자세(pose)로서 참조되어도 된다. 차량 도로망 정보 내에서 리모트 차량에 대응하기 위해, 리모트 차량 공간적 상태 정보 및 차량 도로망 정보는, 동일한 좌표계 내에서 특정되어야 한다. 그 때문에, 리모트 차량 공간적 상태 정보의 복수의 좌표가 공통의 좌표계로 변환된다. 이 공통의 좌표계는, 몇몇 실시 형태에서는, 유니버설 횡 메르카토르(Universal Transverse Mercator)(UTM) 좌표계여도 되며, 복수의 입력 지점은 각 UTM 존 내의 복수의 UTM 좌표로 변환된다. 예를 들어, 차량 공간적 상태 정보가 GPS 좌표로서 임포트되는 경우, 데이터 세트로부터 특정된 차량 공간적 상태 정보는, 기지의 변환식에 따라 UTM 좌표로 변환되어도 된다. 선택된 좌표계가 일관되게 사용되는 한, 다른 좌표계도 가능하다.
다시 도 3을 참조하면, 이 방법은, 스텝 3010에서 차량 도로망 정보를 특정한 후에 스텝 3020으로 진행한다. 스텝 3020에서는, 초기 시점에 있어서의 리모트 차량 공간적 상태 정보와 차량 도로망 정보의 비교에 기초하여, 적어도 하나의 초기 확률값이 생성된다. 각 초기 확률값은, 리모트 차량이 차량 도로망 정보 내에서 단일의 차선을 따라갈 우도를 나타낸다. 이 우도는, 차량이 특정한 차선의 연장 방향(방위)을 추종하고 있을 확률로서, 또는 운전 계획 상태로서 생각할 수도 있다. 예를 들어, 리모트 차량이 교차점 내에 있는 경우, 운전 계획 상태는, 직진하고, 좌회전하고, 또는 우회전하는 것일 수 있다. 리모트 차량이 도로 상(비교차점)에 있는 경우, 운전 계획 상태는 직진하고, 왼쪽으로 차선 변경하고, 또는 오른쪽으로 차선 변경하는 것일 수 있다.
도 4a의 예에 도시되는 바와 같이, 리모트 차량(4300)은, 초기 시점에 있어서, 지점(A)(제1 계산 지점 또는 제1 지점이라고도 함)의 위치 정보에 의해 특정 가능한 위치에 있다. 제1 계산 지점은, 리모트 차량을 위한 일련의 수신 데이터 내의 임의의 지점일 수 있다. 그 임의의 지점은, 예를 들어 리모트 차량에 관련지어진 고유 ID가 검출되거나 또는 할당된 제1 지점에 위치하고 있어도 된다. 제1 계산 지점에서의 초기 확률값은, 다양한 방법에 있어서 생성할 수 있다. 일례로서, 리모트 차량이, 어떠한 차선, 즉 인접 차선(관련 차선)을 갖고 있지 않은 차선 상(진행 방향에 있어서 단일의 차선밖에 없는 도로 상)에 있는 경우, 직진할 우도는 100％이기 때문에, 초기 확률값은 1이다. 리모트 차량이 교차점 내에 있는 경우, 당해 확률은, 제1 계산 지점에서 차량에 있어서 이용 가능한 선택지에 기초하여 추측되어도 된다. 예를 들어 도 4a에 있어서는, 교차점에서 2개의 운전 계획 상태만이 존재하며, 이들은 차선, 즉 차선(4100)을 따라가며 직진하는 것과, 차선, 즉 차선(4200)을 따라가며 우회전하는 것이다. 따라서, 직진 또는 우회전의 확률은 동등하게 0.5이다. 교차점에 3차선이 있다고 하면, 이 단순한 확률 추정식에 의해, 직진, 좌회전 및 우회전의 3개의 운전 계획 상태의 각각의 확률로서 1/3이 유도되게 된다.
몇몇 변형에 있어서는, 우도가 다른 변수에 기초하여 변화하는 경우가 있다. 일례로서, 리모트 차량이 V2V 신호 또는 V2I 신호를 송신하는 경우, 당해 신호는 많은 경우에 다른 데이터를 포함한다. 선회 신호를 사용하여, 하나의 운전 계획 상태를 다른 것에 대하여 보다 무겁게 평가해도 된다. 즉, 가능한 선택지 사이에서 당해 확률이 균등하게 분포하지 않는 위치에 리모트 차량이 있거나, 혹은 가능한 선택지 사이에서 당해 확률이 균등하게 분포하지 않도록 하게 하는 다른 사정이 발생하는 상황이 있을 수 있다.
도 3을 다시 참조하면, 스텝 3020에서 각 차선을 위한 초기 확률값이 생성된 후, 스텝 3030에서는, 리모트 차량 공간적 상태 정보에 있어서의 편차가, 나중에 이어지는 복수의 시점에 대하여 생성되고, 스텝 3040에서는, 각 단일 차선에 대하여, 그들 차선을 위한 확률값이 갱신된다. 이들 스텝은 도 4b 및 4c를 참조하여 간단하게 설명되어 있고, 도 5를 참조하여 보다 상세한 설명이 계속된다. 스텝 3030 및 3040에서의 처리는, 리모트 차량이 주행할 수 있는 각 단일 차선에 대하여 생기지만, 설명은 1차선에 대해서만 이루어진다. 다른 차선도 마찬가지로 처리되어도 된다.
도 4b는, 도 4a의 시점 후에 이어지는 어떠한 시점에서의 차량 도로망의 당해 부분 내의 리모트 차량(4300)을 도시하는 개략도이며, 도 4c는, 도 4b의 시점 후에 이어지는 어떠한 시점에서의 차량 도로망의 당해 부분 내의 리모트 차량(4300)을 도시하는 개략도이다. 즉, 리모트 차량(4300)은, 도 4a에 있어서의 제1 지점(A)에 위치한 후에 계속해서 주행하여, 도 4b에 있어서의 제2 지점(B)에서, 이어서 도 4c에 있어서의 제3 지점(C)에서 리모트 차량 공간적 상태 정보에 의해 특정된다. 리모트 차량(4300)은, 제1 지점(A)으로부터 제2 지점(B)으로 전진할 때에는 차선(4200)의 센터 라인(4210)으로부터 서서히 이격되도록 주행하고, 이어서 제2 지점(B)으로부터 제3 지점(C)으로 전진할 때에는 차선(4200)의 센터 라인(4210)에 서서히 근접하도록 주행한다. 이때, 직감적으로는, 리모트 차량(4300)이 차선(4200)을 따라갈 확률은, 제2 지점에서는 감소하고, 그리고 제3 지점(C)에서는 증가한다. 리모트 차량 공간적 상태 정보를 위한 인접값의 사이에서의, 차량 도로망 정보에 대한 리모트 차량(4200)의 편차가 생성되고, 시간의 경과에 대한 새로운 확률을 생성하기 위해 사용될 수 있다.
보다 구체적으로는, 편차는, 제2 지점(B)과 차선(4200)의 센터 라인(4210)의 사이의 유클리드선(4500)으로부터 차선(4200)의 센터 라인(4210)과 평행으로 제1 지점(A)까지 연장되는 파선(4400)을 설정함으로써 생성되어도 된다. 제2 지점(B)과 제1 지점(A)이 파선(4400)에 의해 유클리드선(4500)에 투영되는 지점의 사이의 차는, 제1 지점(A)부터 제2 지점(B)까지의 리모트 차량(4300)의 궤도에 있어서의 편차를 나타낸다. 마찬가지로, 다음 편차는, 제3 지점(C)부터 차선(4200)의 센터 라인(4210)과 평행으로 제2 지점(B)과 차선(4200)의 센터 라인(4210)의 사이의 유클리드선(4500)까지 연장되는 파선(4600)을 설정함으로써 생성되어도 된다. 제2 지점(B)과 제3 지점(C)이 파선(4600)에 의해 유클리드선(4500)에 투영되는 지점의 사이의 차는, 제2 지점(B)부터 제3 지점(C)까지의 리모트 차량(4300)의 궤도에 있어서의 편차를 나타낸다. 대체적으로는, 유클리드선은 센터 라인(4210)으로부터 제3 지점(C)을 통과하여(선(4500)이 제2 지점(B)을 통과하는 것과 마찬가지로) 연장되어 있어도 되고, 제2 지점(B)으로부터 그 유클리드선을 향하여 평행선이 전방으로 투영되어도 된다. 이때, 제3 지점(C)과 제2 지점(B)이 그 평행선에 의해 그 유클리드선에 투영되는 지점의 사이의 차도 또한, 제2 지점(B)부터 제3 지점(C)까지의 리모트 차량(4300)의 궤도에 있어서의 편차를 나타낸다. 이들 편차는 상대 편차라고 칭해지는 경우도 있다.
스텝 3030에서 그들 편차가 일단 생성되면, 스텝 3040에서 확률값을 갱신할 수 있다. 즉, 각 단일 차선 및 각 편차에 대하여, 리모트 차량이 당해 단일 차선을 따라갈 우도를, 새로운 확률값을 사용하여 당해 편차에 기초하여 갱신할 수 있다. 예를 들어, 제1 지점(A)에서 차선(4200)을 따라갈 확률은 0.5이다. 제1 지점(A)과 제2 지점(B)의 사이에서의 상대 편차에 기초하는 새로운 확률값은, 예를 들어 이전의 지점으로부터의 편차의 확률이어도 된다. 예시를 위해 0.8이라는 값을 사용한다. 갱신된 우도는, 따라서 0.5×0.8=0.4이며, 이 값은, 리모트 차량이 차선(4200)을 따라갈 우도가 제1 지점(A)에 비하여 제2 지점(B)에서 저하되었다고 하는 직감적인 결과에 적합하다. 마찬가지로, 제2 지점(B)과 제3 지점(C)의 사이에서의 상대 편차에 기초하는 새로운 확률값은, 이전의 지점으로부터의 편차의 확률이어도 된다. 예시를 위해 0.5라는 값을 사용한다. 이 계산에 있어서는, 갱신된 우도는 0.4(제2 지점(B)에서의 우도)/0.5=0.8이며, 이 값은, 리모트 차량이 차선(4200)을 따라갈 우도가 제2 지점(B)에 비하여 제3 지점(C)에서 높아졌다고 하는 직감적인 결과에 적합하다. 또한, 리모트 차량(4300)은 센터 라인(4210)에 근접해 가도록 이동하고 있고, 갱신된 우도는 높아지지 않으면 안되므로, 새로운 확률값은, 이전의 지점에서의 우도를 나누기 위해 사용된다.
도 4a 내지 4c의 단순한 예는, 리모트 차량이 특정한 차선을 따라갈 우도를 갱신하는 경우의 상대 편차의 사용을 도시하고 있다. 그러나, 필요한 것은, 편차를 확률에 관련짓게 하는 계산 스킴이다. 여러 가지 함수가 사용되어도 된다. 여기서는, 센터 라인(4210) 등의 센터 라인을 따르는 복수 지점의 횡방향 분포가 가우스 분포인 것으로 가정한다. 따라서, 가우스의 누적 분포 함수를 사용하여 상대 편차를 확률에 관련짓게 한다. 평균값이 0이고 표준 편차(σ)가 1.0인 정규 분포 함수에 있어서는, 여러 가지 값의 68.27％는 평균값으로부터 1σ 이내에 있고, 이들 값의 95.45％는 평균값으로부터 2σ 이내에 있고, 이들 값의 99.73％는 평균값으로부터 3σ 이내에 있다. 예시를 위해 누적 분포 함수(cdf)의 좌측 절반을 사용하면, x가 평균값으로부터의 편차를 나타내는 경우에, 이하의 대응 관계가 발생한다.
cdf(x=-2)=cdf(-2.0)=0.2275
cdf(x=-1)=cdf(-1.0)=0.16
cdf(x=0)=cdf(0)=0.5
따라서, 사용되는 확률 함수 f(x)는 다음과 같다.
f(x)=2*cdf(-abs(x))
함수의 절반만이 고려되므로, 누적 분포 함수에 2를 곱하면, 최대 확률은 0.5에서 1로 확대된다. 리모트 차량이 차선의 좌측 또는 우측의 경계까지 이동하였을 때, 리모트 차량이 차선을 따라갈 우도가 0에 가까워지도록, x의 값은, x=±3σ 등의 정해진 범위 내에 있는 것이 바람직하다. 이것은, 특정한 차선에 대한 σ를 LaneWidth/(2*3)으로서 정의함으로써 달성되어도 되고, 여기서 LaneWidth는 차선의 폭(예를 들어 12피트)이다. 예를 들어, x=±(LaneWidth/2)인 차선의 경계까지 이동하였을 때, x는 3σ이므로, 차선을 따라갈 확률은 0에 매우 가까워진다.
도 5를 참조하여, 리모트 차량이 단일 차선을 따라갈 우도를 갱신하기 위한 확률 함수 f(x)의 사용을 설명한다. 도 5는, 리모트 차량 공간적 상태 정보를 위한 인접값의 사이에서의, 차량 도로망 정보에 대한 편차의 계산을 도시하고 있다. 도 5에서는, 일례로서, 좌측에 대한 편차에 대하여 양의 값, 우측에 대한 편차에 대하여 음의 값이 사용되고 있지만, 어느 측이 양인지는 이 기술에는 영향을 미치지 않는다. 좌측 차선 경계(5010), 우측 차선 경계(5020) 및 센터 라인(5030)을 갖는 단일 차선(5000)이 도시되어 있다. 센터 라인(5030)은, 대부분의 경우, 종래의 맵 데이터 내에서는 라벨 부여되어 있지 않거나 또는 도시되어 있지 않고, 여기서의 목적을 위해 좌측 차선 경계(5010)와 우측 차선 경계(5020)의 사이의 중간점으로서 정해도 된다.
도 5에 있어서, 실선(5100)은, 차선(5000)을 따르는 차량의 궤도를 나타내고 있다. 차량은, 시간의 경과에 수반하여(계시적으로) 지점(A, B, C, D, E, F)에서(즉 백색점에서) 관측된 것으로 한다. 흑색점은, 관측 순간에 차량의 위치에 가장 가까운 센터 라인(5030) 상의 지점을 나타낸다. 이에 의해, 도 4b 및 4c에 관하여 간단하게 설명한 바와 같이, 유클리드선이 정해진다. 각각의 백색점 및 흑색점 사이의 유클리드 거리는, 관측 순간에 있어서의 센터 라인(5030)으로부터의 차량의 편차이다. 이것은, 주목의 대상이 되는 지점간 편차이다.
유클리드 거리는, 리모트 차량의 중심선을 차선의 센터 라인과 평행으로 리모트 차량 공간적 상태 정보를 위한 이전의 값으로부터 리모트 차량 공간적 상태 정보를 위한 현재의 값과 센터 라인의 사이에 연장되는 유클리드선을 향하여 투영하고, 리모트 차량 공간적 상태 정보를 위한 현재의 값과 유클리드선 상의 리모트 차량의 중심선의 사이의 거리여도 된다. 이 경우의 편차는, 유클리드 거리에 기초하여, 차선의 센터 라인으로부터의 리모트 차량의 상대 편차로서 생성할 수 있다.
또한, 다른 관점에서, 유클리드 거리는, 리모트 차량의 중심선을 차선의 센터 라인과 평행으로 리모트 차량 공간적 상태 정보를 위한 이전의 값과 센터 라인의 사이에 연장되는 유클리드선으로부터 리모트 차량 공간적 상태 정보를 위한 현재의 값을 향하여 투영하고, 리모트 차량 공간적 상태 정보를 위한 이전의 값과 유클리드선 상의 리모트 차량의 중심선의 사이의 거리여도 된다. 이 경우의 편차는, 유클리드 거리에 기초하여, 차선의 센터 라인으로부터의 리모트 차량의 상대 편차로서 생성할 수 있다.
도 3의 처리에 따라, 리모트 차량은 최초로 지점(A)에서 관측된 것으로 한다. 지점(A)은, 스텝 3020에서 차선(5000)을 위한 초기 확률값이 생성되는 지점이다. 여기서는 1차선만 도시되어 있으므로, 직진할 확률은 1.0이다.
스텝 3030에서는, 후에 이어지는 복수의 지점에 대한 각각의 편차가 생성된다. 예를 들어, 각 편차는, 새로운 지점 및 센터 라인을 통과하도록 유클리드선을 연장하고, 이전의 지점으로부터 유클리드선에 선을 연장하고, 새로운 지점과 이전의 지점으로부터의 선이 유클리드선과 교차하는 지점의 사이의 거리를 계산함으로써, 새로운 지점을 위해 계산되어도 된다. 도 5에 있어서는, 편차는, 도 4b 및 4c에 관하여 설명한 것과 마찬가지의 방법으로 계산된다. 지점(A)에서의 센터 라인(5030)으로부터의 차량의 편차는 devA=0.1이며, 지점(B)에서의 센터 라인(5030)으로부터의 차량의 편차는 devB=0.16이다. 따라서, 지점(A)으로부터 지점(B)으로의 편차의 변화 devΔ는, devB-devA=0.06으로 계산된다. 이것은, 지점(B)과 지점(A)이 평행선(5200)에 의해 유클리드선(5250) 상에 투영되는 지점의 사이의 차이다. 지점(C)에서의 센터 라인(5030)으로부터의 차량의 편차는 devC=0.3이므로, 지점(B)으로부터 지점(C)으로의 편차의 변화 devΔ는, devC-devB=0.14로 계산된다. 이것은, 지점(C)과 지점(B)이 평행선(5300)에 의해 유클리드선(5350) 상에 투영되는 지점의 사이의 차이다. 지점(D)에서의 센터 라인(5030)으로부터의 차량의 편차는 devD=0.4이므로, 지점(C)으로부터 지점(D)으로의 편차의 변화 devΔ는, devD-devC=0.1로 계산된다. 이것은, 지점(D)과 지점(C)이 평행선(5400)에 의해 유클리드선(5450) 상에 투영되는 지점의 사이의 차이다. 지점(E)에서의 센터 라인(5030)으로부터의 차량의 편차는 devE=0.25이므로, 지점(D)으로부터 지점(E)으로의 편차의 변화 devΔ는, devE-devD=-0.15로 계산된다. 이것은, 지점(D)과 지점(E)이 평행선(5500)에 의해 유클리드선(5450) 상에 투영되는 지점의 사이의 차이다. 지점(F)에서의 센터 라인(5030)으로부터의 차량의 편차는 devF=-0.1이므로, 지점(E)으로부터 지점(F)으로의 편차의 변화 devΔ는, devF-devE=-0.35로 계산된다. 이것은, 지점(E)과 지점(F)이 평행선(5600)에 의해 유클리드선(5650) 상에 투영되는 지점의 사이의 차이다.
이들 편차가 스텝 3030에서 생성된 후, 스텝 3040에서 각각의 확률값이 차선(5000)에 대하여 갱신된다. 몇몇 실시 형태에서는, 확률 함수 f(x) 및 생성된 편차를 사용하여 갱신이 행해진다. 도 5의 값을 사용하여, 이하의 원칙에 따라 직진 확률(즉 차선(5000)을 따라갈 우도)을 계산할 수 있다.
차량이 차선(5000)의 센터 라인(5030)으로부터 좌측 차선 경계(5010) 또는 우측 차선 경계(5020)의 어느 것을 향하여 벗어나 가고 있을 때의 지점(Xt)에서의 직진의 확률 GS는, 이하와 같이 계산되어도 된다.
p(지점(Xt)에서의 GS)=p(지점(Xt - 1)에서의 GS)*f(지점(Xt)에서의 devΔ)
차량이 차선(5000)의 센터 라인(5030)을 향하여 이동하고 있을 때의 지점(Xt)에서의 직진의 확률 GS는, 이하와 같이 계산되어도 된다.
p(지점(Xt)에서의 GS)=p(지점(Xt - 1)에서의 GS)/f(지점(Xt)에서의 devΔ)
지점(A)에서의 초기 확률값이 1.0인 것으로 하면, 지점(B)에서의 확률은 다음과 같이 갱신된다.
p(지점(B)에서의 GS)=p(지점(A)에서의 GS)*f(지점(B)에서의 devΔ)
p(지점(B)에서의 GS)=1.0*f(0.06)
p(지점(B)에서의 GS)=1.0*2*cdf(-abs(0.06))=0.952
마찬가지로, 지점(C)에서의 확률은 다음과 같이 갱신된다.
p(지점(C)에서의 GS)=p(지점(B)에서의 GS)*f(지점(C)에서의 devΔ)
p(지점(C)에서의 GS)=0.952*f(0.14)
p(지점(C)에서의 GS)=0.952*2*cdf(-abs(0.14))=0.846
지점(D)에서의 확률은 다음과 같이 갱신된다.
p(지점(D)에서의 GS)=p(지점(C)에서의 GS)*f(지점(D)에서의 devΔ)
p(지점(D)에서의 GS)=0.846*f(0.1)
p(지점(D)에서의 GS)=0.846*2*cdf(-abs(0.1))=0.779
센터 라인(5030)으로부터 이격되는 방향의 상대 편차는 지점(D)까지 계속적으로 증가하고 있으므로, 이들의 결과는 예상된다. 즉, 차량이 센터 라인(5030)으로부터 이격되는 방향으로 이동함에 따라 직진하려고 하는 기도(의도)는 작아진다. 한편, 지점(E)에서는, 차량은 우측으로, 즉 센터 라인(5030)을 향하여 빗겨 간다. 따라서, 직진의 가능성은 높아질 것으로 예상된다. 지점(E)에서의 확률은 다음과 같이 갱신된다.
p(지점(E)에서의 GS)=p(지점(D)에서의 GS)/f(지점(E)에서의 devΔ)
p(지점(E)에서의 GS)=0.779/f(-.15)
p(지점(E)에서의 GS)=0.779/(2*cdf(-abs(-.15))=0.884
지점(F)은, 차량이 센터 라인(5030)을 가로지르므로, 이전의 지점의 분석과는 상이한 상황을 나타낸다. 이 상황에 있어서는, 차량은 우선 차선(5000)의 센터 라인(5030)을 향하여 이동하고, 이어서 차선(5000)의 센터 라인(5030)으로부터 이격되는 방향으로 이동한다. 이 동적 움직임을 포착하기 위해, 지점(E)부터 지점(F)까지의 선이 2개인 부분, 즉 지점(E)부터 센터 라인(5030)까지의 부분과 센터 라인(5030)부터 지점(F)까지의 부분으로 분할되어도 된다. 지점(E)부터 센터 라인(5030)까지는, 확률은 다음과 같이 증가한다.
p(센터 라인에서의 GS)=p(지점(E)에서의 GS)/f(센터 라인에서의 devΔ)
p(센터 라인에서의 GS)=0.884/f(-.25)
p(센터 라인에서의 GS)=0.884/(2*cdf(-abs(-.25))=1.1
확률은 1.0보다 커지는 일은 없으므로, 값 1.1은, 이하의 함수에 의해 상한인 1.0으로 된다.
p(GS)=min(1.0, p(GS))
센터 라인(5030)부터 지점(F)까지는, 확률은 이하와 같이 저하된다.
p(지점(F)에서의 GS)=p(센터 라인에서의 GS)*f(센터 라인부터 지점(F)까지의 devΔ)
p(지점(F)에서의 GS)=1.0*f(-0.1)
p(지점(F)에서의 GS)=1.0*2*cdf(-abs(-0.1))=0.92
모든 확률값은 소수 세자리 이내로 라운드(올림/버림)되지만, 그 미만 또는 그것을 초과하는 정밀도가 사용되어도 된다.
동일한 추론을 사용하여, 그 밖에 상정되는 장면에 있어서, 확률을 갱신할 수 있다. 예를 들어, 차량이 2차선 도로 상을 센터 라인의 우측을 향하여 주행하고 있는 경우, 우측 차선 변경, 즉 우측 차선으로의 변경의 확률은, 다음과 같이 계산된다.
p(RLC)=1-p(GS)
여기서, p(GS)는 직진할 확률이다. 좌측 차선 변경의 확률은 다음과 같이 계산된다.
p(LLC)=0
차량이 2차선 도로 상을 센터 라인의 좌측을 향하여 주행하고 있는 경우, 좌측 차선 변경, 즉 좌측 차선으로의 변경의 확률은, 다음과 같이 계산된다.
p(LLC)=1-p(GS)
또한, 우측 차선 변경의 확률은 다음과 같이 계산된다.
p(RLC)=0
그 밖에 상정되는 장면으로서, 차량이 교차점 내에 있는 경우가 있다. 이 경우, 확률값은, 차량이 갖는 차선 선택지의 수에 의존한다. 각 차선에 대하여, 각각의 센터 라인을 사용하여 p(GS)가 계산된다. 각 차선을 따라갈 확률 또는 우도는 독립적으로 계산되므로, 결합된 값은 100％를 초과할 우도를 가져오는 경우도 있다. 따라서, 각 선택지의 확률은, 예를 들어 1.0의 확률을 초과하지 않도록 다른 선택지에 대하여 정규화된다.
도 3을 다시 참조하면, 운전 의도 확률이 스텝 3040에서 일단 계산되면, 처리는 스텝 3050으로 진행하고, N초까지의 리모트 차량 궤도가 생성된다. 몇몇 실시 형태에서는, 4초까지의 궤도가 생성된다. N에 대한 다른 값이 유저 또는 오퍼레이터에 의해 지정되어도 된다.
도 6은, 속도 및 맵 곡률에 기초하여 예측된 궤도의 가중치 부여 평균에 기초하는, 시간 경과에 수반하는 리모트 차량의 궤도의 생성을 도시하는 개략도이다. 도 6은, 하나의 차선(6100)과 차량(6000)이 차선(6100)을 따라갈 때의 차량(6000)을 위한 궤도를 도시하고 있지만, 계산은, 다른 운전 계획(좌회전, 우회전, 차선 변경 등)에 대해서도 마찬가지여도 된다.
리모트 차량(6000)은, 직전에는 도 6에 도시되는 지점에 위치하고, 이전의 차선(6200)으로부터 차선(6100) 내를 주행하고 있었다고 하자. 도 6에는, 차선(6100)의 센터 라인(6150)도 도시되어 있다. 이미 알고 있는 바와 같이, 차량 속도는, 차량의 방향(진행 방향)과 크기를 갖는 벡터이다. 도 6에 있어서는, 차량 속도에 기초하는 차량(6000)의 예측 궤도는, 시간의 경과에 수반하여 연장되는 것으로서 화살표(6300)에 의해 나타난다. 차량 속도는, 예를 들어 도 3의 처리에 있어서 스텝 3000에서 임의로 수신된 리모트 차량 운동학적 상태 정보로부터 얻어져도 되고, 혹은 스텝 3000에서 수신된 다른 정보로부터 전부 또는 일부가 계산되어도 된다. 리모트 차량(6000)의 속도 및 위치를 아는 것에 의해, K초까지의 궤도를 예측할 수 있다.
또한, 도 6은, 차선(6100)의 곡률에 추종하는 예측 궤도를 도시하고 있다. 화살표(6400)로 표시되는 K초까지의 이 예측 궤도는, 차량(6000)의 속도를 사용하여 차선(6100)의 센터 라인(6150)에 추종한다. 차량 속도는, 예를 들어 도 3의 처리에 있어서 스텝 3000에서 임의로 수신된 리모트 차량 운동학적 상태 정보로부터 얻어져도 되고, 혹은 스텝 3000에서 수신된 다른 정보로부터 전부 또는 일부가 계산되어도 된다. 화살표(6500)는, 화살표(6300)로 표시되는 현재의 속도에 기초하는 궤도 예측과 화살표(6400)로 표시되는 맵 곡률에 기초하는 궤도 예측의 가중치 부여 평균인 차량(6000)의 궤도를 나타낸다.
도 7은, 도 6의 궤도를 생성하기 위해 사용되어도 되는 가중치 부여 함수를 도시하는 도면이다. 숫자 및 선은 관련된 원리를 나타내기 위해 임의적이며, 도 6 내의 값을 나타내고 있지는 않다. 숫자는, 시간의 경과에 수반하는 각 궤도 예측에 대하여 부여되는 가중치를 나타내고 있다. 이 가중치 부여 함수는, 시간의 경과에 수반하여 차량이 화살표(7000)로 표시되는 예측 차선의 센터 라인을 향하여 이동한다고 하는 가정에 기초하고 있다. 즉, 예를 들어 궤도의 속도 예측은 도 7에 있어서의 좌측을 향하고 있고, 궤도의 맵 곡률 예측은 도 7에 있어서의 우측을 향하고 있다. 차량이 위치하는 현재 지점(7100)에서는, 최대 가중치(1.0 등)가 궤도의 속도 예측에 부여되고 있고, 최소 가중치(0 등)가 궤도의 맵 곡률 예측에 부여되고 있다. 현재 지점(7100)으로부터 시간이 경과함에 따라, 2개의 예측 사이에서의 가중치 부여는, 예를 들어 K초에서의 장래의 시점(7200)에서 최대 가중치가 궤도의 맵 곡률 예측에 부여되고, 최소 가중치가 궤도의 속도 예측에 부여되도록 변화한다.
가중치 부여를 행하기 위해 여러 가지 가중치 부여 함수가 사용되어도 된다. 하나의 실장에 있어서는, 2개의 예측의 가중치 부여는 코사인 함수를 사용하여 행해진다. 예를 들어, 맵 예측의 가중치는 다음 식에 따라도 된다.
0.5-0.5*cos((2π/(2*보간 시간 길이))*t)
속도 예측의 가중치는 다음 식을 따라도 된다.
1-(0.5-0.5*cos((2π/(2*보간 시간 길이))*t))
변수의 「보간 시간 길이」는, 맵 예측의 가중치가 0.0에서 1.0으로 변화하는 시간의 길이 또는 속도 예측의 가중치가 1.0에서 0.0으로 변화하는 시간의 길이와 동등하다. 이 변수는 유저에 의해 지정되어도 된다. 변수 t는 현재의 시점부터 계산 중인 보간점까지의 시간의 길이와 동등하다. 예를 들어, 도 7에 있어서의 각 수평선이 1초를 나타내고 있고, 변수의 「보간 시간 길이」가 5초인 것으로 하면, 지점(7300)에서 맵 예측 궤도에 적용되는 가중치의 값 TM은, 다음과 같이 된다.
0.5-0.5*cos((2π/(2*5초))*2초)=0.345
지점(7300)에서 속도 예측 궤도에 적용되는 가중치의 값 TV는, 다음과 같이 된다.
1-0.345=0.655
따라서, 지점(7300)에서 가중치 부여된 궤도는 다음과 동등하다.
0.345*TM+0.655*TV
동일한 계산에 의해, 다른 복수의 시점에서의 리모트 차량을 위한 장래의 궤도를 가져온다.
이상 설명한 바와 같이, 궤도는 장래에 있어서의 K초까지 계산되어도 된다. 도 8에 보이는 바와 같이, 운전 계획은 이 프로세스로의 입력이다. 보다 구체적으로는, 리모트 차량이 차량 도로망을 주행함에 따라, 리모트 차량은, 리모트 차량 궤도의 생성에 있어서 고려될 필요가 있는 차량 도로망 정보의 변화(예를 들어 차선 변경을 하는 장면)에 접근한다. 도 8에 있어서는, 예를 들어 리모트 차량은, 현재의 운전 계획이 직진 행동밖에 될 수 없는 단일 차선(8050) 상의 현재 지점(8000)에 있다. 리모트 차량을 위한 궤도의 일례가 도면 부호 8100으로 표시되어 있다. 그러나, 지점(8200)에 도달하면, 운전 계획은, 차선(8300 및 8400)의 존재에 따라 직진 또는 우회전으로 될 수 있다. 직진할 현재의 기도ㆍ의도에 대한 궤도(8100)가 4초 궤도 계산 중 2초만을 차지한다고 가정하면, 차량의 자세(즉 차량 도로망 정보 내에 있어서의 차량의 위치) 및 속도가 지점(8200)에서 재계산되고, 다른 2초 동안에, 우회전이라고 하는 다음 운전 계획에 대한 궤도(8500) 등의 궤도의 다음 세그먼트가 생성된다. 궤도는 도 6 및 도 7에 관하여 상술한 바와 같이 생성되고, 궤도는 각 운전 계획(예를 들어 차선)에 대하여 생성된다.
도 3을 다시 참조하면, 리모트 차량 궤도가 일단 생성되면, 그것을 사용하여 차량 도로망을 주행하고 있는 호스트 차량을 지원할 수 있다. 예를 들어, 도 9를 참조하면, 호스트 차량(9000)과 리모트 차량(9100)이 차량 도로망의 일부분 내, 여기서는 교차점(9300) 내를 주행하고 있다. 차량 도로망 정보는, 차선(1 내지 8)과 각각이 선(9400)으로 표시되는 4개의 일시 정지 표지를 포함한다. 호스트 차량(9000)은 차선(2) 내에 위치하고, 호스트 차량(9000)으로부터 연장되는 화살표로 나타내는 바와 같이, 차선(5)으로 진행할 예정이다. 리모트 차량(9100)은 차선(8) 내에 위치하고, 리모트 차량(9100)으로부터 연장되는 3개의 화살표로 나타내는 바와 같이, 직진하고, 좌회전하고, 또는 우회전할 가능성이 있다. 리모트 차량(9100)은, 호스트 차량(9000)이 차선(2)의 일시 정지 표지에 도달하는 것보다 먼저, 차선(8)의 일시 정지 표지에 도달한다. 설명되는 실장에 있어서는, 교차점(9300)에 있어서의 차선 변경은, 예상되는 운전 계획으로서는 포함되지 않는다.
호스트 차량(9000)은, 예를 들어 차선을 위한 리모트 차량 궤도, 및 리모트 차량(9100)이 하나의 운전 계획 또는 다른 운전 계획(즉, 직진, 좌회전, 또는 우회전)에 따를 우도에 기초하여, 교차점(9300)의 주행에 관한 결정을 행해도 된다. 예를 들어, 호스트 차량(9000)은, 리모트 차량(9100)이 차선(3)으로 진행하려고 함으로써 호스트 차량(9000)의 진로를 방해할 것 같은 경우(예를 들어, 직진하는 운전 계획 쪽이 좌회전이나 우회전하는 운전 계획보다 높은 우도 또는 확률을 갖고 있는 경우)에는, 리모트 차량(9100)에 교차점(9300)을 먼저 통과시키기 위해 차선(2)의 일시 정지 표지에서 기다릴 것을 결정해도 된다. 이에 비해, 리모트 차량(9100)이 차선(1)으로 우회전할 것 같은 경우에는, 리모트 차량(9100)은 호스트 차량(9000)을 방해하지 않으므로, 호스트 차량(9000)은 조금 정지하고 나서 계속해서 직진하는 것을 선택해도 된다.
이것은 단지 일례이며, 호스트 차량(9000)은, 임의의 수의 방법으로 운전 계획이나 예측 궤도를 사용해도 된다. 예를 들어 양쪽 차량이 직선 도로 상의 동일한 차선 내를 주행하고 있는 경우, 호스트 차량(9000)은, 예측 궤도를 사용하여, 호스트 차량(9000)이 리모트 차량(9100)에 따라붙어 그것을 앞지를지 여부, 및 언제 호스트 차량(9000)이 리모트 차량(9100)에 따라붙어 그것을 앞지를지를 판단해도 된다. 다른 예에 있어서는, 리모트 차량(9100)은, 직선 도로 상에서 호스트 차량(9000)의 좌측의 차선 내를 주행하는 경우가 있다. 이때, 호스트 차량(9000)은, 호스트 차량(9000)이 주행하고 있는 차선으로 리모트 차량(9100)이 차선 변경할 기도ㆍ의도를 보인 경우에, 예측 궤도를 사용하여, 호스트 차량(9000)이 브레이크를 걸어야 할지 여부, 또는 언제 호스트 차량(9000)이 브레이크를 걸어야 할지를 판단할 수 있다. 호스트 차량(9000)은, 예를 들어 교차점의 신호 제어기 등의 네트워크 기반 시설 디바이스가, 차량 정보(예를 들어 리모트 차량 정보 및 호스트 차량 정보)를 수신 또는 생성함과 함께 신호기를 통과하는 교차점의 흐름을 관리함으로써, 또는 궤도 및 우도를 사용함으로써 리모트 차량(9100)을 위해 생성한 정보를, 간접적으로 사용해도 된다.
차량 도로망을 주행하는 것은, 호스트 차량의 운전자에게 알람을 제공하는 등의 동작을 수반하고 있어도 되고, 또는 호스트 차량의 제동 시스템에 제동 명령을 내리는 등의 수정 동작을 취하는 것을 수반하고 있어도 된다. 호스트 차량이 스텝 3060에서 차량 도로망을 주행하고 있는 동안에 다른 수정 동작이 이루어져도 된다.
도 3에 있어서의 예에 의해 설명한 바와 같은 방법은, 호스트 차량이 차량 도로망을 따라 주행하고 있는 동안에 주기적으로 또는 요구에 따라 반복되어도 된다. 또한, 그 방법은, 차량 도로망 정보 내의 차선 구성이 변화하는 장면에 접어들었을 때(차선 변경이 행해질 것 같을 때) 전부 또는 일부가 반복되어도 된다.
본 개시에서는, 추적 목표로서 단일의 리모트 차량이 설명되었지만, 어떠한 소정의 차선 내에서 위치를 유지하는 다른 복수의 동력 차량이 추적되어도 된다. 또한, 2대 이상의 리모트 차량이 시간의 경과에 수반하여(계시적으로) 추적되어도 된다. 상기는 교차점에서 동일한 선행 차선으로부터 분기되는 많아도 3차선을 포함하며, 즉 직진 차선, 좌회전 차선 및 우회전 차선이다. 추가 차선이 도입되는 경우, 또는 교차점 내에서의 차선 변경이 발생할 수 있는 경우에는, 계산은 더 복잡해진다.
상술한 여러 가지 관점, 예 및 실장은, 본 개시의 용이한 이해를 가능하게 하기 위해 설명된 것이며, 한정을 목적으로 하는 것은 아니다. 오히려, 본 개시는, 첨부의 특허청구범위 내에 포함되는 여러 가지 수정 및 균등의 배치ㆍ구성을 망라하며, 그 범위는, 그러한 수정이나 법 아래에서 용인되는 균등의 구조를 포함하도록 가장 넓은 해석을 받아야 한다.

Claims (20)

  1. 차량 도로망의 주행에 사용되는 예측 차량 정보의 생성 방법이며,
    리모트 차량에 있어서의 리모트 차량 공간적 상태 정보를 호스트 차량에서 수신하고,
    상기 리모트 차량 공간적 상태 정보에 기초하여 상기 차량 도로망의 일부분에 대응하는 차량 도로망 정보를 특정하고,
    컴퓨터 기록 매체에 기억된 명령에 응답하는 프로세서에, 초기 시점에 있어서의 상기 리모트 차량 공간적 상태 정보와 초기 시점에 있어서의 상기 차량 도로망 정보의 비교에 기초하여, 각각의 초기 확률값이 상기 차량 도로망 정보 내에 있어서의 단일 차선을 상기 리모트 차량이 따라갈 우도(likelihood)를 나타내는, 당해 초기 확률값을 적어도 하나 생성시키고,
    상기 초기 시점을 포함하는 복수의 시점에 대하여, 상기 리모트 차량 공간적 상태 정보를 위한 인접한 시점 사이에서의, 상기 차량 도로망 정보에 대한 상기 리모트 차량의 편차를 생성하고,
    각 단일 차선 및 각 편차에 대하여, 상기 편차에 기초하는 새로운 확률값을 사용하여, 상기 리모트 차량이 상기 단일 차선을 따라갈 우도를 갱신하고,
    상기 갱신된 우도를 사용하여, 상기 차량 도로망을 상기 호스트 차량에게 주행시키는 경우에 상기 차량 도로망 정보와 함께 사용되는, 상기 리모트 차량을 위한 궤도를 생성하는, 예측 차량 정보의 생성 방법.
  2. 제1항에 있어서, 상기 리모트 차량 공간적 상태 정보에 기초하여 상기 차량 도로망의 일부분을 나타내는 상기 차량 도로망 정보를 특정하는 처리는,
    상기 리모트 차량 공간적 상태 정보를 상기 차량 도로망 정보와 비교함으로써, 상기 리모트 차량이 주행 가능한 적어도 하나의 차선을 특정하는 처리를 포함하는, 예측 차량 정보의 생성 방법.
  3. 제1항 또는 제2항에 있어서, 상기 호스트 차량에서 계시적으로 상기 리모트 차량의 리모트 차량 운동학적 상태 정보를 수신하는 처리를 더 행하고,
    상기 갱신된 우도를 사용하여 상기 궤도를 생성하는 처리는, 상기 리모트 차량 운동학적 상태 정보를 사용하여 상기 궤도를 생성하는 처리를 포함하는, 예측 차량 정보의 생성 방법.
  4. 제3항에 있어서, 상기 리모트 차량 공간적 상태 정보는 상기 리모트 차량의 공간 좌표를 포함하고, 상기 리모트 차량 운동학적 상태 정보는 상기 리모트 차량의 리모트 차량 속도 또는 상기 리모트 차량의 리모트 차량 가속도 중 적어도 한쪽을 포함하는, 예측 차량 정보의 생성 방법.
  5. 제1항 또는 제2항에 있어서, 상기 호스트 차량에 있어서, 계시적으로 상기 리모트 차량의 리모트 차량 운동학적 상태 정보를 수신하고,
    상기 갱신된 우도를 사용하여 상기 궤도를 생성하는 처리는,
    각 특정 차선에 대하여, 상기 리모트 차량 운동학적 상태 정보를 사용하여, 상기 리모트 차량의 현재 위치로부터, 공통의 장래 지점에 곧 도달하는, 예측되는 복수의 궤도를 형성하고, 각각의 궤도를 생성하는 처리를 포함하는, 예측 차량 정보의 생성 방법.
  6. 제1항에 있어서, 상기 적어도 하나의 초기 확률값을 생성하는 처리는,
    상기 리모트 차량 공간적 상태 정보와 상기 차량 도로망 정보를 비교하여,
    상기 초기 시점에 있어서 상기 차량 도로망 정보 내에서 상기 리모트 차량이 이용 가능한 차선의 현재의 수를 정하고,
    각 초기 확률값을, 상기 차선의 현재의 수에 의해 정해진 값과 동일한 값으로 하는, 예측 차량 정보의 생성 방법.
  7. 제1항에 있어서, 상기 갱신된 우도를 사용하여 상기 궤도를 생성하는 처리는,
    상기 리모트 차량의 현재 속도와 진행 방향을 사용하여 일련의 제1 궤도값을 생성하고,
    상기 갱신된 우도를 사용하여 일련의 제2 궤도값을 생성하는 처리와,
    상기 일련의 제1 궤도값과 상기 일련의 제2 궤도값을 결합함으로써 상기 궤도를 생성하는 처리를 포함하는, 예측 차량 정보의 생성 방법.
  8. 제7항에 있어서, 상기 일련의 제1 궤도값과 상기 일련의 제2 궤도값을 결합하는 처리는,
    보간 시간을 위한 복수의 시간 간격의 각각의 종료에 있어서, 상기 일련의 제1 궤도값의 각 제1 궤도값을, 상기 일련의 제2 궤도값의 당해 제2 궤도값과 함께, 가중치 부여하는 코사인 함수를 적용하는, 예측 차량 정보의 생성 방법.
  9. 제1항에 있어서, 상기 단일 차선은 복수의 차선 중 하나이며,
    상기 방법은, 상기 복수의 차선의 각 차선에 대하여,
    상기 차선의 센터 라인을 정하는 처리와,
    상기 복수의 시점의 각 현재의 시점에 대하여,
    상기 현재의 시점에 있어서의 상기 리모트 차량의 현재 위치에 관련된, 상기 리모트 차량 공간적 상태 정보를 위한 현재의 값을 수신하는 처리와,
    상기 리모트 차량의 중심선을 상기 차선의 센터 라인과 평행으로 상기 리모트 차량 공간적 상태 정보를 위한 이전의 값으로부터 상기 리모트 차량 공간적 상태 정보를 위한 상기 현재의 값과 상기 센터 라인의 사이에 연장되는 유클리드선을 향하여 투영하고, 또한 상기 리모트 차량 공간적 상태 정보를 위한 상기 현재의 값과 상기 유클리드선 상의 상기 리모트 차량의 중심선의 사이의 유클리드 거리에 기초하여, 상기 차선의 센터 라인으로부터의 상기 리모트 차량의 상대 편차로서 상기 편차를 생성하는 처리, 또는
    상기 리모트 차량의 중심선을 상기 차선의 센터 라인과 평행으로 상기 리모트 차량 공간적 상태 정보를 위한 이전의 값과 상기 센터 라인의 사이에 연장되는 유클리드선으로부터 상기 리모트 차량 공간적 상태 정보를 위한 상기 현재의 값을 향하여 투영하고, 또한 상기 리모트 차량 공간적 상태 정보를 위한 상기 이전의 값과 상기 유클리드선 상의 상기 리모트 차량의 중심선의 사이의 유클리드 거리에 기초하여, 상기 차선의 센터 라인으로부터의 상기 리모트 차량의 상대 편차로서 상기 편차를 생성하는 처리 중 어느 한쪽의 처리를 포함하고,
    상기 새로운 확률값은, 상기 상대 편차에 기초하는 것인, 예측 차량 정보의 생성 방법.
  10. 제9항에 있어서, 상기 상대 편차에 기초하는 상기 새로운 확률값을 사용하여 상기 초기 확률값을 갱신하는 처리는,
    가우스 분포의 누적 분포 함수를 사용하여 상기 상대 편차를 상기 새로운 확률값에 관련짓는 처리를 포함하는, 예측 차량 정보의 생성 방법.
  11. 제1항에 있어서, 상기 리모트 차량 공간적 상태 정보를 위한 상기 인접한 시점 사이의 상대 편차가, 상기 리모트 차량이 상기 단일 차선의 센터 라인에 대하여 제1 방향으로 이동하고 있음을 나타내고 있는 경우에, 상기 편차를 양의 값으로서 정하는 처리와,
    상기 리모트 차량 공간적 상태 정보를 위한 상기 인접한 시점 사이의 상기 상대 편차가, 상기 리모트 차량이 상기 단일 차선의 센터 라인에 대하여 상기 제1 방향과 반대인 제2 방향으로 이동하고 있음을 나타내고 있는 경우에, 상기 편차를 음의 값으로서 정하는 처리를 더 포함하고,
    상기 새로운 확률값은 상기 편차의 함수인, 예측 차량 정보의 생성 방법.
  12. 제1항에 있어서, 각 단일 차선 및 각 편차에 대하여 상기 새로운 확률값을 사용하여 상기 우도를 갱신하는 처리는,
    상기 리모트 차량이 상기 복수의 시점의 범위 내의 이전의 시점에서보다 상기 복수의 시점 중 현재의 시점에서 센터 라인에 가깝지만, 상기 이전의 시점과 상기 현재의 시점의 사이에 상기 센터 라인을 횡단하지 않는 경우, 상기 이전의 시점을 위한 이전의 확률값을 상기 새로운 확률값으로 나눔으로써 상기 현재의 시점을 위한 현재의 확률값을 생성하는 처리와,
    상기 리모트 차량이 상기 복수의 시점의 범위 내의 상기 이전의 시점에서보다 상기 복수의 시점 중 상기 현재의 시점에서 상기 센터 라인으로부터 멀지만, 상기 이전의 시점과 상기 현재의 시점의 사이에 상기 센터 라인을 횡단하지 않는 경우, 상기 이전의 시점을 위한 상기 이전의 확률값에 상기 새로운 확률값을 곱함으로써 상기 현재의 시점을 위한 상기 현재의 확률값을 생성하는 처리와,
    상기 리모트 차량이 상기 이전의 시점과 상기 현재의 시점의 사이에 상기 센터 라인을 횡단한 경우에,
    상기 복수의 시점의 범위 내의 상기 이전의 시점을 위한 상기 이전의 확률값을, 상기 리모트 차량이 상기 이전의 시점에서의 스타트 지점으로부터 상기 센터 라인을 향하여 주행하는 것에 기인하는 상기 편차의 일부분에 기초하는 제1 확률값으로 나눈 결과를 생성하고,
    상기 결과에, 상기 리모트 차량이 상기 센터 라인으로부터 상기 현재의 시점에서의 현재 위치를 향하여 주행하는 것에 기인하는 상기 편차의 일부분에 기초하는 제2 확률값을 곱하여 상기 현재의 확률값을 생성함으로써, 상기 복수의 시점 중 상기 현재의 시점을 위한 상기 현재의 확률값을 생성하는 처리를 포함하는, 예측 차량 정보의 생성 방법.
  13. 차량 도로망의 주행에 사용되는 예측 차량 정보를 생성하는 장치이며,
    비일시적 메모리와,
    프로세서를 구비하고,
    상기 프로세서가, 상기 비일시적 메모리에 기억된 명령을 실행함으로써,
    리모트 차량을 위한 리모트 차량 공간적 상태 정보를 수신하고,
    상기 리모트 차량 공간적 상태 정보에 기초하여 상기 차량 도로망의 일부분을 나타내는 차량 도로망 정보를 특정하고,
    각각의 초기 확률값이 상기 차량 도로망 정보 내에 있어서의 단일 차선을 상기 리모트 차량이 따라갈 우도를 나타내는, 당해 초기 확률값 중 적어도 하나를, 초기 시점에 있어서의 상기 리모트 차량 공간적 상태 정보와 상기 차량 도로망 정보의 비교에 기초하여 생성하고,
    상기 초기 시점을 포함하는 복수의 시점에 대하여, 상기 리모트 차량 공간적 상태 정보를 위한 인접한 시점 사이에서의, 상기 차량 도로망 정보에 대한 상기 리모트 차량의 편차를 생성하고,
    각 단일 차선 및 각 편차에 대하여, 상기 편차에 기초하는 새로운 확률값을 사용하여, 상기 리모트 차량이 상기 단일 차선을 따라갈 우도를 갱신하고,
    상기 갱신된 우도를 사용하여, 상기 차량 도로망을 호스트 차량에게 주행시키는 경우에 상기 차량 도로망 정보와 함께 사용되는, 상기 리모트 차량을 위한 궤도를 생성하는, 예측 차량 정보의 생성 장치.
  14. 제13항에 있어서, 상기 프로세서는, 복수의 차선을 특정함으로써, 상기 리모트 차량 공간적 상태 정보에 기초하여, 상기 차량 도로망의 일부분을 나타내는 차량 도로망 정보를 특정하도록 구성되고,
    상기 복수의 차선의 각각은,
    상기 초기 시점에 있어서 상기 리모트 차량이 주행하고 있는 현재의 차선,
    상기 현재의 차선에 인접하는 인접 차선,
    상기 현재의 차선 전에 나타나는 이전 차선, 또는
    상기 현재의 차선 후에 나타나는 장래의 차선 중 하나인, 예측 차량 정보의 생성 장치.
  15. 제13항 또는 제14항에 있어서, 상기 프로세서는,
    계시적으로 상기 리모트 차량의 리모트 차량 운동학적 상태 정보를 수신하고,
    상기 리모트 차량 운동학적 상태 정보를 사용하여 상기 궤도를 생성함으로써, 상기 갱신된 우도를 사용하여 상기 궤도를 생성하도록 구성되는, 예측 차량 정보의 생성 장치.
  16. 제15항에 있어서, 상기 프로세서는, 상기 리모트 차량으로부터 송신된 와이어리스 신호 내의 상기 리모트 차량 운동학적 상태 정보를 수신하도록 구성되는, 예측 차량 정보의 생성 장치.
  17. 제15항에 있어서, 상기 프로세서는, 상기 호스트 차량 중 적어도 하나의 센서를 사용하여 상기 리모트 차량 운동학적 상태 정보를 수신하도록 구성되는, 예측 차량 정보의 생성 장치.
  18. 제13항에 있어서, 상기 프로세서는, 상기 리모트 차량 공간적 상태 정보와 상기 차량 도로망 정보를 비교하여, 상기 초기 시점에 있어서 상기 차량 도로망 정보 내에서 상기 리모트 차량이 이용 가능한 차선의 현재의 수를 정함으로써, 상기 적어도 하나의 초기 확률값을 생성하도록 구성되고,
    각 초기 확률값은 1을 상기 차선의 현재의 수에 의해 나눈 것과 동등하고,
    상기 차선의 현재의 수는 1보다 큰, 예측 차량 정보의 생성 장치.
  19. 제13항에 있어서, 상기 프로세서는 각 차선에 대하여 상기 편차를 위한 각각의 값을 생성하도록 구성되고,
    상기 프로세서는, 각 차선에 대하여,
    상기 리모트 차량이 상기 복수의 시점의 범위 내의 이전의 시점에서보다 상기 복수의 시점 중 현재의 시점에서 상기 차선의 센터 라인에 가깝지만, 상기 이전의 시점과 상기 현재의 시점의 사이에 상기 센터 라인을 횡단하지 않는 경우, 상기 이전의 시점을 위한 이전의 확률값을 상기 새로운 확률값으로 나눔으로써 상기 현재의 시점을 위한 현재의 확률값을 생성하는 처리와,
    상기 리모트 차량이 상기 복수의 시점의 범위 내의 상기 이전의 시점에서보다 상기 복수의 시점 중 상기 현재의 시점에서 상기 센터 라인으로부터 멀지만, 상기 이전의 시점과 상기 현재의 시점의 사이에 상기 센터 라인을 횡단하지 않는 경우, 상기 이전의 시점을 위한 상기 이전의 확률값에 상기 새로운 확률값을 곱함으로써 상기 현재의 시점을 위한 상기 현재의 확률값을 생성하는 처리와,
    상기 리모트 차량이 상기 이전의 시점과 상기 현재의 시점의 사이에 상기 센터 라인을 횡단한 경우에,
    상기 복수의 시점의 범위 내의 상기 이전의 시점을 위한 상기 이전의 확률값을, 상기 리모트 차량이 상기 이전의 시점에서의 스타트 지점으로부터 상기 센터 라인을 향하여 주행하는 것에 기인하는 상기 편차의 일부분에 기초하는 제1 확률값으로 나눈 결과를 생성하고,
    상기 결과에, 상기 리모트 차량이 상기 센터 라인으로부터 상기 현재의 시점에서의 현재 위치를 향하여 주행하는 것에 기인하는 상기 편차의 일부분에 기초하는 제2 확률값을 곱하여 상기 현재의 확률값을 생성함으로써, 상기 복수의 시점 중 상기 현재의 시점을 위한 상기 현재의 확률값을 생성하는 처리
    에 의해 상기 새로운 확률값을 사용하여 상기 우도를 갱신하도록 구성되는, 예측 차량 정보의 생성 장치.
  20. 제19항에 있어서, 상기 프로세서는, 각 차선을 위해 상기 궤도를 생성하기 전의 상기 차선의 현재의 수에 기초하여 상기 복수의 시점의 각각에서의 상기 현재의 확률값을 정규화하도록 구성되는, 예측 차량 정보의 생성 장치.
KR1020187014643A 2015-11-30 2016-11-28 차량 도로망의 주행에 사용되는 예측 차량 정보의 생성 방법 및 장치 KR101970931B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US14/954,083 US10152882B2 (en) 2015-11-30 2015-11-30 Host vehicle operation using remote vehicle intention prediction
US14/954,083 2015-11-30
PCT/JP2016/085157 WO2017094656A1 (ja) 2015-11-30 2016-11-28 車両道路網の走行に用いられる予測車両情報の生成方法及び装置

Publications (2)

Publication Number Publication Date
KR20180072801A KR20180072801A (ko) 2018-06-29
KR101970931B1 true KR101970931B1 (ko) 2019-04-19

Family

ID=58777686

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020187014643A KR101970931B1 (ko) 2015-11-30 2016-11-28 차량 도로망의 주행에 사용되는 예측 차량 정보의 생성 방법 및 장치

Country Status (10)

Country Link
US (1) US10152882B2 (ko)
EP (1) EP3385930B1 (ko)
JP (1) JP6540826B2 (ko)
KR (1) KR101970931B1 (ko)
CN (1) CN108292475B (ko)
BR (1) BR112018010601A2 (ko)
CA (1) CA3006546A1 (ko)
MX (1) MX368090B (ko)
RU (1) RU2714056C2 (ko)
WO (1) WO2017094656A1 (ko)

Families Citing this family (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102015015944A1 (de) * 2015-12-08 2017-06-08 Audi Ag Verfahren zur Unterstützung eines Fahrers eines Kraftfahrzeugs hinsichtlich bevorstehender Überholmanöver und Kraftfahrzeug
US10486707B2 (en) * 2016-01-06 2019-11-26 GM Global Technology Operations LLC Prediction of driver intent at intersection
US11640168B2 (en) * 2016-08-31 2023-05-02 Faraday & Future Inc. System and method for controlling a driving system
CN108082185B (zh) * 2017-03-30 2021-01-01 长城汽车股份有限公司 一种车辆的行驶控制方法、装置和车辆
JP6717778B2 (ja) * 2017-05-15 2020-07-08 トヨタ自動車株式会社 道路リンク情報更新装置及び車両制御システム
CN108932462B (zh) * 2017-05-27 2021-07-16 华为技术有限公司 驾驶意图确定方法及装置
KR20190035159A (ko) * 2017-09-26 2019-04-03 삼성전자주식회사 차량 움직임 예측 방법 및 장치
US10745010B2 (en) * 2017-12-21 2020-08-18 International Business Machines Corporation Detecting anomalous vehicle behavior through automatic voting
EP3514494A1 (en) * 2018-01-19 2019-07-24 Zenuity AB Constructing and updating a behavioral layer of a multi layered road network high definition digital map
CN111886611A (zh) 2018-01-31 2020-11-03 北美日产公司 用于自主运载工具的批路线规划的计算框架
EP3759560B8 (en) 2018-02-28 2022-03-30 Nissan North America, Inc. Transportation network infrastructure for autonomous vehicle decision making
US11378956B2 (en) * 2018-04-03 2022-07-05 Baidu Usa Llc Perception and planning collaboration framework for autonomous driving
US10745011B2 (en) 2018-05-31 2020-08-18 Nissan North America, Inc. Predicting yield behaviors
US10569773B2 (en) 2018-05-31 2020-02-25 Nissan North America, Inc. Predicting behaviors of oncoming vehicles
US11040729B2 (en) 2018-05-31 2021-06-22 Nissan North America, Inc. Probabilistic object tracking and prediction framework
US10564643B2 (en) 2018-05-31 2020-02-18 Nissan North America, Inc. Time-warping for autonomous driving simulation
EP3640679B1 (en) * 2018-10-15 2023-06-07 Zenuity AB A method for assigning ego vehicle to a lane
DK201970148A1 (en) * 2018-12-10 2020-07-06 Aptiv Tech Ltd Motion graph construction and lane level route planning
US20200267681A1 (en) * 2019-02-19 2020-08-20 Qualcomm Incorporated Systems and methods for positioning with channel measurements
WO2020191711A1 (en) * 2019-03-28 2020-10-01 Baidu.Com Times Technology (Beijing) Co., Ltd. A camera-based low-cost lateral position calibration method for level-3 autonomous vehicles
WO2021004437A1 (en) * 2019-07-05 2021-01-14 Huawei Technologies Co., Ltd. Method and system for predictive control of vehicle using digital images
CN112242069B (zh) * 2019-07-17 2021-10-01 华为技术有限公司 一种确定车速的方法和装置
WO2021174445A1 (zh) * 2020-03-04 2021-09-10 华为技术有限公司 预测车辆驶出口的方法和装置
CN112133089B (zh) * 2020-07-21 2021-11-19 西安交通大学 一种基于周围环境与行为意图的车辆轨迹预测方法、系统及装置
CN114056347A (zh) * 2020-07-31 2022-02-18 华为技术有限公司 车辆运动状态识别方法及装置
US11688179B2 (en) * 2020-09-03 2023-06-27 Pony Ai Inc. Inferring intent using computer vision
CN112687121A (zh) * 2020-12-21 2021-04-20 苏州挚途科技有限公司 行驶轨迹的预测方法、装置及自动驾驶车辆
CN113129603B (zh) * 2021-03-26 2022-06-17 深圳市跨越新科技有限公司 平行道路超速判定方法、装置、终端及存储介质
CN113324555B (zh) * 2021-05-31 2024-05-03 阿波罗智联(北京)科技有限公司 一种车辆导航路径的生成方法、装置及电子设备

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013045447A (ja) * 2011-08-22 2013-03-04 Honda Research Inst Europe Gmbh 交通物体の動きを予測する方法及び装置
US20150266455A1 (en) * 2013-12-06 2015-09-24 Christopher Kenneth Wilson Systems and Methods for Building Road Models, Driver Models, and Vehicle Models and Making Predictions Therefrom

Family Cites Families (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7629899B2 (en) * 1997-10-22 2009-12-08 Intelligent Technologies International, Inc. Vehicular communication arrangement and method
US7796081B2 (en) * 1997-10-22 2010-09-14 Intelligent Technologies International, Inc. Combined imaging and distance monitoring for vehicular applications
US6581005B2 (en) * 2000-11-30 2003-06-17 Nissan Motor Co., Ltd. Vehicle position calculation apparatus and method
US6882287B2 (en) * 2001-07-31 2005-04-19 Donnelly Corporation Automotive lane change aid
US7102496B1 (en) * 2002-07-30 2006-09-05 Yazaki North America, Inc. Multi-sensor integration for a vehicle
JP3925474B2 (ja) * 2003-07-18 2007-06-06 日産自動車株式会社 車線変更支援装置
DE102004027983A1 (de) * 2003-09-23 2005-04-21 Daimler Chrysler Ag Verfahren und Vorrichtung zur Erkennung von Spurwechselvorgängen für ein Fahrzeug
US7729857B2 (en) * 2005-08-18 2010-06-01 Gm Global Technology Operations, Inc. System for and method of detecting a collision and predicting a vehicle path
JP2007137248A (ja) 2005-11-17 2007-06-07 Toyota Motor Corp 走行支援装置及び走行支援システム
US20080065328A1 (en) * 2006-09-08 2008-03-13 Andreas Eidehall Method and system for collision avoidance
US20090140887A1 (en) * 2007-11-29 2009-06-04 Breed David S Mapping Techniques Using Probe Vehicles
KR100947174B1 (ko) * 2008-03-07 2010-03-12 조용성 구간별 교통정보 검지장치를 이용한 실시간 교통정보 제공시스템 및 그 방법
JP2011192177A (ja) 2010-03-16 2011-09-29 Toyota Motor Corp 前方状況予測装置
US8538613B2 (en) * 2010-11-15 2013-09-17 GM Global Technology Operations LLC Method for determining an estimated driving range for a vehicle
US8452535B2 (en) * 2010-12-13 2013-05-28 GM Global Technology Operations LLC Systems and methods for precise sub-lane vehicle positioning
EP2659473B1 (fr) * 2010-12-29 2016-05-04 Siemens Aktiengesellschaft Système et méthode d'aide active au changement de voie pour un véhicule automobile
US8810431B2 (en) * 2011-10-20 2014-08-19 GM Global Technology Operations LLC Highway merge assistant and control
US9771070B2 (en) * 2011-12-09 2017-09-26 GM Global Technology Operations LLC Method and system for controlling a host vehicle
JP2013152540A (ja) 2012-01-24 2013-08-08 Toyota Motor Corp 走行車線認識装置
US8706417B2 (en) * 2012-07-30 2014-04-22 GM Global Technology Operations LLC Anchor lane selection method using navigation input in road change scenarios
DE102012021282A1 (de) * 2012-10-29 2014-04-30 Audi Ag Verfahren zur Koordination des Betriebs von vollautomatisiert fahrenden Kraftfahrzeugen
US8788134B1 (en) 2013-01-04 2014-07-22 GM Global Technology Operations LLC Autonomous driving merge management system
US8825378B2 (en) * 2013-01-25 2014-09-02 Nissan North America, Inc. Vehicle drift determination apparatus and method
KR20140126975A (ko) * 2013-04-24 2014-11-03 주식회사 만도 차량의 충돌 회피 장치 및 방법
KR101462519B1 (ko) * 2013-04-30 2014-11-18 현대엠엔소프트 주식회사 내비게이션 및 그 경로 안내 방법
EP3812962A1 (en) * 2013-12-04 2021-04-28 Mobileye Vision Technologies Ltd. Navigating a vehicle to pass another vehicle
US9227635B1 (en) * 2014-09-25 2016-01-05 Nissan North America, Inc. Method and system of assisting a driver of a vehicle
CN104464344B (zh) * 2014-11-07 2016-09-14 湖北大学 一种车辆行驶路径预测方法及系统
US9443153B1 (en) * 2015-06-12 2016-09-13 Volkswagen Ag Automatic labeling and learning of driver yield intention

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013045447A (ja) * 2011-08-22 2013-03-04 Honda Research Inst Europe Gmbh 交通物体の動きを予測する方法及び装置
US20150266455A1 (en) * 2013-12-06 2015-09-24 Christopher Kenneth Wilson Systems and Methods for Building Road Models, Driver Models, and Vehicle Models and Making Predictions Therefrom

Also Published As

Publication number Publication date
WO2017094656A1 (ja) 2017-06-08
CN108292475A (zh) 2018-07-17
BR112018010601A2 (pt) 2018-11-13
RU2714056C2 (ru) 2020-02-11
RU2018122451A (ru) 2020-01-10
EP3385930A1 (en) 2018-10-10
CN108292475B (zh) 2021-11-02
US10152882B2 (en) 2018-12-11
US20170154529A1 (en) 2017-06-01
JP6540826B2 (ja) 2019-07-10
MX368090B (es) 2019-09-19
CA3006546A1 (en) 2017-06-08
MX2018006120A (es) 2018-08-01
RU2018122451A3 (ko) 2020-01-10
JPWO2017094656A1 (ja) 2018-09-06
EP3385930A4 (en) 2019-01-02
KR20180072801A (ko) 2018-06-29
EP3385930B1 (en) 2020-03-04

Similar Documents

Publication Publication Date Title
KR101970931B1 (ko) 차량 도로망의 주행에 사용되는 예측 차량 정보의 생성 방법 및 장치
EP3526737B1 (en) Neural network system for autonomous vehicle control
CN111492202B (zh) 车辆运行的位置确定
US10365650B2 (en) Methods and systems for moving object velocity determination
US20200209857A1 (en) Multimodal control system for self driving vehicle
KR20190115464A (ko) 자율주행 차량 운용 관리
EP3580084A1 (en) Autonomous vehicle operational management including operating a partially observable markov decision process model instance
CN112868031B (zh) 具有视觉显著性感知控制的自主运载工具操作管理
JP7194867B2 (ja) 自律走行車の安全性が確保される遠隔運転
JP2024516404A (ja) インテリジェントペダル車線変更支援
JP7462837B2 (ja) 低信頼度の物体検出条件における車両動作のための注釈及びマッピング
US20230145561A1 (en) Systems and methods for validating camera calibration in real-time
KR20230149709A (ko) 그리드에서의 양방향 경로 최적화
CN116907520A (zh) 用于运载工具的方法和系统以及存储介质

Legal Events

Date Code Title Description
A201 Request for examination
A302 Request for accelerated examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant