KR101976487B1 - 자율 주행제어 시스템의 개인화를 위한 파라미터 학습 장치 및 방법 - Google Patents

자율 주행제어 시스템의 개인화를 위한 파라미터 학습 장치 및 방법 Download PDF

Info

Publication number
KR101976487B1
KR101976487B1 KR1020170015786A KR20170015786A KR101976487B1 KR 101976487 B1 KR101976487 B1 KR 101976487B1 KR 1020170015786 A KR1020170015786 A KR 1020170015786A KR 20170015786 A KR20170015786 A KR 20170015786A KR 101976487 B1 KR101976487 B1 KR 101976487B1
Authority
KR
South Korea
Prior art keywords
parameter
moving average
control system
average value
observation
Prior art date
Application number
KR1020170015786A
Other languages
English (en)
Other versions
KR20180090660A (ko
Inventor
문철우
이영석
정창현
Original Assignee
자동차부품연구원
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 자동차부품연구원 filed Critical 자동차부품연구원
Priority to KR1020170015786A priority Critical patent/KR101976487B1/ko
Publication of KR20180090660A publication Critical patent/KR20180090660A/ko
Application granted granted Critical
Publication of KR101976487B1 publication Critical patent/KR101976487B1/ko

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/08—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to drivers or passengers
    • 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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
    • B60W40/1005—Driving resistance
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
    • B60W40/107—Longitudinal acceleration
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
    • B60W40/109—Lateral acceleration
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
    • B60W40/114—Yaw movement
    • 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
    • B60W2050/0001—Details of the control system
    • B60W2050/0019—Control system elements or transfer functions
    • B60W2050/0022—Gains, weighting coefficients or weighting functions
    • 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
    • B60W2520/00—Input parameters relating to overall vehicle dynamics
    • B60W2520/10—Longitudinal speed
    • B60W2520/105—Longitudinal acceleration
    • 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
    • B60W2520/00—Input parameters relating to overall vehicle dynamics
    • B60W2520/12—Lateral speed
    • B60W2520/125—Lateral acceleration
    • 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
    • B60W2540/00—Input parameters relating to occupants
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60Y—INDEXING SCHEME RELATING TO ASPECTS CROSS-CUTTING VEHICLE TECHNOLOGY
    • B60Y2300/00—Purposes or special features of road vehicle drive control systems
    • B60Y2300/14—Cruise control

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
  • Traffic Control Systems (AREA)

Abstract

자율 주행제어 시스템의 개인화를 위한 파라미터 학습 장치 및 방법이 개시된다. 본 발명의 자율 주행제어 시스템의 개인화를 위한 파라미터 학습 장치 및 방법은 자율 주행제어 시스템의 운전자 수용성을 확보하기 위한 데이터를 수집하는 데이터 수집부; 상기 데이터 수집부에 의해 수집된 데이터를 분석하여 자율 주행제어 시스템의 주행환경조건별 관측 파라미터를 검출하는 관측 파라미터 검출부; 상기 관측 파라미터 검출부에 의해 검출된 관측 파라미터를 이용하여 관측 파라미터별로 이동평균값을 산출하는 이동평균값 산출부; 및 상기 이동평균값 산출부에 의해 산출된 이동평균값을 이용하여 관측 파라미터별로 튜닝 파라미터를 생성하기 위한 가중치를 산출하는 가중치 산출부를 포함하는 것을 특징으로 한다.

Description

자율 주행제어 시스템의 개인화를 위한 파라미터 학습 장치 및 방법{PARAMETER LEARNING APPARATUS AND METHOD FOR PERSONALIZATION OF AUTONOMOUS DRIVING CONTROL SYSTEM}
본 발명은 자율 주행제어 시스템의 개인화를 위한 파라미터 학습 장치 및 방법에 관한 것으로서, 보다 상세하게는 자율 주행제어 시스템에서 높은 수준의 운전자 수용성을 확보하기 위해 개인화된 제어기술을 확보할 수 있도록 하는, 자율 주행제어 시스템의 개인화를 위한 파라미터 학습 장치 및 방법에 관한 것이다.
최근 들어, 무인 자율 주행시스템과 관련하여, 로봇이나 자동차 분야에서의 자율 주행과 관련된 많은 연구가 이루어지고 있다.
일반적으로 자율 주행제어 시스템은 도로맵 정보를 바탕으로 GPS 위치정보 및 각종 센서에서 취득한 신호를 이용하여 도로상의 출발지부터 목적지까지 자동차의 주행을 자동으로 제어한다.
이러한 자율 주행제어 시스템은 차량을 목적지까지 자동으로 주행하도록 함으로써, 운전자의 편의성을 향상시켰으나, 자율 주행제어 시스템이 운전자가 수용할 수 있는 정도인지를 확인할 수 있어야 한다.
그러나, 기능 및 안전상의 신뢰성이 확보되더라도, 운전자 수용성(만족도)이 확보되지 않는다면 해당 자율 주행제어 시스템은 사용되지 않게 된다. 이에 제품 개발 후 설문지 등을 활용한 주관적인 평가방법을 통하여 다수의 사람들이 만족할 수 있는 일반적인 수준의 수용성을 확보하는 수준에서 제품을 개선하였다.
그러나, 이러한 운전자 수용성 평가 방법은 대다수의 운전자를 대상으로 한 수용성이며, 지극히 개인적이고 주관적인 운전자 본인 기준의 수용성은 아니다.
따라서, 자율 주행제어 시스템의 특성상 개인화된 제어기술을 통하여 운전자가 항시 만족할 수 있는 수준의 수용성을 각 운전자에게 제공할 필요성이 있었다.
본 발명의 배경기술은 대한민국 등록특허공보 10-0569009호(2006.04.03)의 '차량용 정보 시스템의 사용성 평가 시스템'에 개시되어 있다.
본 발명은 전술한 문제점을 개선하기 위해 창안된 것으로서, 본 발명의 일 측면에 따른 목적은 자율 주행제어 시스템에서 높은 수준의 운전자 수용성을 확보하기 위해 개인화된 제어기술을 확보할 수 있도록 하는, 자율 주행제어 시스템의 개인화를 위한 파라미터 학습 장치 및 방법을 제공하는 것이다.
본 발명의 일 측면에 따른 자율 주행제어 시스템의 개인화를 위한 파라미터 학습 장치는 자율 주행제어 시스템의 운전자 수용성을 확보하기 위한 데이터를 수집하는 데이터 수집부; 상기 데이터 수집부에 의해 수집된 데이터를 분석하여 자율 주행제어 시스템의 주행환경조건별 관측 파라미터를 검출하는 관측 파라미터 검출부; 상기 관측 파라미터 검출부에 의해 검출된 관측 파라미터를 이용하여 관측 파라미터별로 이동평균값을 산출하는 이동평균값 산출부; 및 상기 이동평균값 산출부에 의해 산출된 이동평균값을 이용하여 관측 파라미터별로 튜닝 파라미터를 생성하기 위한 가중치를 산출하는 가중치 산출부를 포함하는 것을 특징으로 한다.
본 발명에서, 상기 데이터 수집부는 자율 주행제어 시스템이 자가운전모드이면 데이터를 수집하는 것을 특징으로 한다.
본 발명에서, 상기 관측 파라미터는 주행환경조건별 운전자입력 변수, 주행환경조건별 차량거동 변수, 및 주행환경조건별 차량간 관계 변수 중 적어도 하나를 포함하는 것을 특징으로 한다.
본 발명에서, 상기 주행환경조건별 운전자입력 변수는 조향입력각도, 조향입력각속도, 조향입력각가속도, 가속페달입력, 가속페달입력속도 및 가속페달입력가속도 중 적어도 하나를 포함하는 것을 특징으로 한다.
본 발명에서, 상기 주행환경조건별 차량거동 변수는 종방향속도, 종방향가속도, 횡방향속도, 횡방향가속도, 요우각, 요우각속도, 요우각가속도, 롤각, 록각속도 및 롤각가속도 중 적어도 하나를 포함하는 것을 특징으로 한다.
본 발명에서, 상기 주행환경조건별 차량간관계변수는 상대거리, 상대거리변화율, 절대거리, 절대거리변화율 및 충돌소요시간 중 적어도 하나를 포함하는 것을 특징으로 한다.
본 발명에서, 상기 가중치 산출부는 상기 이동평균값 산출부에 의해 산출된 이동평균값에 표준편차범위를 이용하여 가중치를 산출하는 것을 특징으로 한다.
본 발명에서, 상기 가중치 산출부는 상기 이동평균값 산출부에 의해 산출된 이동평균값과 제 1사분위수 및 제 3사분위수를 활용하여 가중치를 산출하는 것을 특징으로 한다.
본 발명에서, 상기 가중치 산출부에 의해 산출된 가중치로 파라미터를 튜닝하여 새롭게 튜닝된 튜닝 파라미터를 자율 주행제어 시스템에 적용하는 튜닝부를 더 포함하는 것을 특징으로 한다.
본 발명의 일 측면에 따른 자율 주행제어 시스템의 개인화를 위한 파라미터 학습 방법은 자율 주행제어 시스템이 자가운전 모드이면 데이터 수집부가 자율 주행제어 시스템의 운전자 수용성을 확보하기 위한 데이터를 수집하는 단계; 관측 파라미터 검출부가 상기 데이터 수집부에 의해 수집된 데이터를 분석하여 자율 주행제어 시스템의 주행환경조건별 관측 파라미터를 검출하는 단계; 이동평균값 산출부가 상기 관측 파라미터 검출부에 의해 검출된 관측 파라미터를 이용하여 관측 파라미터별로 이동평균값을 산출하는 단계; 및 가중치 산출부가 상기 이동평균값 산출부에 의해 산출된 이동평균값을 이용하여 관측 파라미터별로 튜닝 파라미터를 생성하기 위한 가중치를 산출하는 단계를 포함하는 것을 특징으로 한다.
본 발명에서, 상기 관측 파라미터는 주행환경조건별 운전자입력 변수, 주행환경조건별 차량거동 변수, 및 주행환경조건별 차량간 관계 변수 중 적어도 하나를 포함하는 것을 특징으로 한다.
본 발명에서, 상기 가중치 산출부는 상기 이동평균값 산출부에 의해 산출된 이동평균값에 표준편차범위를 이용하여 가중치를 산출하는 것을 특징으로 한다.
본 발명에서, 상기 가중치 산출부는 상기 이동평균값 산출부에 의해 산출된 이동평균값과 제 1사분위수 및 제 3사분위수를 활용하여 가중치를 산출하는 것을 특징으로 한다.
본 발명에서, 튜닝부가 상기 가중치 산출부에 의해 산출된 가중치로 파라미터를 튜닝하여 새롭게 튜닝된 튜닝 파라미터를 자율 주행제어 시스템에 적용하는 단계를 더 포함하는 것을 특징으로 한다.
본 발명의 일 측면에 따른 자율 주행제어 시스템의 개인화를 위한 파라미터 학습 장치 및 방법은 자율 주행제어 시스템에서 높은 수준의 운전자 수용성을 확보하여 자율 주행제어 시스템의 상품성 및 운전자 신뢰성을 향상시킬 수 있다.
도 1 은 본 발명의 일 실시예에 따른 자율 주행제어 시스템의 개인화를 위한 파라미터 학습 장치의 블럭 구성도이다.
도 2 는 본 발명의 일 실시예에 따른 자가운전 모드에서의 데이터를 저장하는 예를 나타낸 도면이다.
도 3 은 본 발명의 일 실시예에 따른 파라미터의 이동평균값을 산출하는 예를 나타낸 도면이다.
도 4 는 본 발명의 일 실시예에 따른 자율 주행제어 시스템의 개인화를 위한 파라미터 학습 방법의 순서도이다.
이하에서는 본 발명의 일 실시예에 따른 자율 주행제어 시스템의 개인화를 위한 파라미터 학습 장치 및 방법을 첨부된 도면들을 참조하여 상세하게 설명한다. 이러한 과정에서 도면에 도시된 선들의 두께나 구성요소의 크기 등은 설명의 명료성과 편의상 과장되게 도시되어 있을 수 있다. 또한 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서, 이는 이용자, 운용자의 의도 또는 관례에 따라 달라질 수 있다. 그러므로 이러한 용어들에 대한 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야할 것이다.
도 1 은 본 발명의 일 실시예에 따른 자율 주행제어 시스템의 개인화를 위한 파라미터 학습 장치의 블럭 구성도이고, 도 2 는 본 발명의 일 실시예에 따른 자가운전 모드에서의 데이터를 저장하는 예를 나타낸 도면이며, 도 3 은 본 발명의 일 실시예에 따른 파라미터의 이동평균값을 산출하는 예를 나타낸 도면이다.
도 1 을 참조하면, 본 발명의 일 실시예에 따른 자율 주행제어 시스템의 개인화를 위한 파라미터 학습 장치는 데이터 수집부(10), 관측 파라미터 검출부(20), 이동평균값 산출부(30), 가중치 산출부(40) 및 튜닝부(50)를 포함한다.
데이터 수집부(10)는 자율 주행제어 시스템의 운전모드가 자가운전 모드이면 자율 주행제어 시스템으로부터 운전자 수용성을 확보하기 위한 데이터를 수집한다.
자율 주행제어 시스템의 운전모드에는 자가운전 모드 및 자율주행 모드가 포함되는데, 데이터 수집부(10)는 자가운전 모드에서만 선택적으로 데이터를 수집하여 개인화된 제어기술을 확보할 수 있도록 한다.
즉, 도 2 를 참조하면, 자율 주행제어 시스템이 자가운전 모드 및 자율주행 모드 중 어느 하나로 선택적으로 동작할 경우, 데이터 수집부(10)는
Figure 112017011829474-pat00001
와 같이 자가운전 모드에서만 데이터를 수집한다. 여기서, Xm,n은 자가운전 모드에서 수집된 데이터이며, t는 시간이다.
이에 따라, 데이터 수집부(10)에 의해 자가운전 모드에서의 데이터가 수집될 수 있다.
데이터 수집부(10)에 의해 수집된 데이터에는 주행환경조건 및 관측 파라미터가 포함될 수 있다.
여기서, 주행환경조건은 차량의 주행 중 계측 및 구분 가능한 환경적 요인이며, 이 주행환경조건에는 날씨, 온도, 주간, 야간, 및 탑승자 수 등이 포함될 수 있다.
관측 파라미터는 차량의 주행 중 계측될 수 있는 운전자와 차량거동, 및 차량간 관계와 관련된 변수이며, 관측 파라미터에는 운전자입력 변수, 차량거동 변수 및 차량간관계 변수가 포함될 수 있다.
운전자입력 변수에는 조향입력각도, 조향입력각속도, 조향입력각가속도, 가속페달입력, 가속페달입력속도 및 가속페달입력가속도 중 적어도 하나가 포함될 수 있다.
차량거동 변수에는 종방향속도, 종방향가속도, 횡방향속도, 횡방향가속도, 요우각, 요우각속도, 요우각가속도, 롤각, 록각속도 및 롤각가속도 중 적어도 하나가 포함될 수 있다.
차량간관계 변수에는 상대거리, 상대거리변화율, 절대거리, 절대거리변화율 및 충돌소요시간 중 적어도 하나가 포함될 수 있다.
관측 파라미터 검출부(20)는 데이터 수집부(10)에 의해 수집된 주행환경조건 및 관측 파라미터를 이용하여 주행조건별 관측 파라미터를 검출한다.
이 경우, 주행환경조건을 M={1, 2, 3, ... , m}이라 하고, 관측 파라미터를 N={1, 2, 3, ... , n}이라 하면, 주행환경조건별 관측 파라미터는
Figure 112017011829474-pat00002
로 정의될 수 있다.
이동평균값 산출부(30)는 관측 파라미터 검출부(20)에 의해 검출된 각 관측 파라미터들에 대해 이동평균 기법을 이용하여 각 관측 파라미터들의 이동평균값을 산출한다.
도 3 을 참조하면, 이동평균값 산출부(30)는 시간길이(ΔT)에 대한 이동평균을 취하여 이동평균값
Figure 112017011829474-pat00003
을 산출한다.
여기서, xm,n은 이동평균값이다.
이동평균값 산출부(30)는 각 파라미터의 이동평균값들 이외의 정보는 별도로 저장한다.
가중치 산출부(40)는 이동평균값 산출부(30)에 의해 산출된 이동평균값을 이용하여 관측 파라미터별로 튜닝 파라미터를 생성하기 위한 가중치
Figure 112017011829474-pat00004
를 산출한다. 여기서, wm,n은 각 파라미터별 가중치이다.
이 경우, 가중치 산출부(40)는 각 관측된 파라미터들의 이동평균값(기준값) 및 표준편차범위(최대값 또는 최소값)를 이용하여 가중치를 산출한다.
Figure 112017011829474-pat00005
=
Figure 112017011829474-pat00006
이다.
여기서, wm,n은 가중치이고,는 xm,n각 파라미터들의 이동평균값이며, σ는 표준편차이며, C l 는 튜닝파라미터(old value)이다. 튜닝 파라미터에 대해서는 후술한다.
이 경우,
Figure 112017011829474-pat00007
이고,
Figure 112017011829474-pat00008
이다.
이에, 각 가중치는 최대값, 이동평균값(기준값) 및 최대값 중 어느 하나가 채용될 수 있다.
이외에도, 가중치 산출부(40)는 파라미터들의 이동평균값(기준값) 및 제 1, 3 사분위수, 예를 들어 최대값 또는 최소값을 이용하여 가중치를 산출할 수도 있다.
Figure 112017011829474-pat00009
Figure 112017011829474-pat00010
여기서, xm,n은 각 파라미터들의 이동평균값이고, C l 은 튜닝파라미터(old value)이며, Q 1 는 각 파라미터의 이동평균대상 집합xi 중 (n*0.25)번째 값이며, Q 3 는 각 파라미터의 이동평균대상 집합xi 중 (n*0.75)번째 값이다.
한편, 가중치를 산출하는 방식은 상기한 실시예에 한정되는 것은 아니며, 이외에도 다양한 방식이 적용될 수 있다.
튜닝부(50)는 가중치 산출부(40)에 의해 산출된 가중치로 파라미터를 튜닝하여 새롭게 튜닝된 튜닝 파라미터를 자율 주행제어 시스템에 적용한다.
여기서, C=튜닝 파라미터(old value)이며, C={C1, C2, C3, ...... , Cl}이다. C'는 튜닝 파라미터(updated value)이며 C' =C'1, C'2, C'3, ...... , C'l}j이다.
이 경우, C'=C×W이다. 여기서, W는 가중치이다.
즉, 튜닝부(50)는 튜닝 파라미터(old value)에 가중치를 적용하여 튜닝 파라미터(updated value)를 생성하고, 이 튜닝 파라미터를 적용하여 자율 주행제어 시스템에 적용한다.
이 경우, 튜닝 파라미터는 후술한 제어변수에 업데이트되어 적용되며, 제어변수는 관측 파라미터(M)와 유사하게 구성될 수 있다.
즉, 튜닝 파라미터에는 주행제어변수, 차량거동제어변수 및 차량간관계제어변수가 포함될 수 있으며, 이들 각각에 가중치가 적용될 수 잇다.
주행제어변수에는 조향입력각도, 조향입력각속도, 조향입력각가속도, 가속페달입력, 가속페달입력속도 및 가속페달입력가속도 중 적어도 하나가 포함될 수 있다.
차량거동제어변수에는 종방향속도, 종방향가속도, 횡방향속도, 횡방향가속도, 요우각, 요우각속도, 요우각가속도, 롤각, 록각속도 및 롤각가속도 중 적어도 하나가 포함될 수 있다.
차량간관계제어변수에는 상대거리, 상대거리변화율, 절대거리, 절대거리변화율 및 충돌소요시간이 포함될 수 있다.
이하 도 4 를 참조하여 본 발명의 일 실시예에 따른 자율 주행제어 시스템의 개인화를 위한 파라미터 학습 방법을 상세하게 설명한다.
도 4 는 본 발명의 일 실시예에 따른 자율 주행제어 시스템의 개인화를 위한 파라미터 학습 방법의 순서도이다.
도 4 를 참조하면, 먼저 데이터 수집부(10)는 자율 주행제어 시스템의 운전모드가 자가운전 모드인지 여부를 판단하고(S10), 판단 결과 자가운전 모드이면 자율 주행제어 시스템으로부터 운전자 수용성을 확보하기 위한 데이터를 수집한다(S20). 이를 통해 개인화된 제어기술이 확보될 수 있다.
데이터 수집부(10)에 의해 수집된 데이터에는 주행환경조건 및 관측 파라미터가 포함될 수 있다.
여기서, 주행환경조건은 차량의 주행중 계측 및 구분 가능한 환경적 요인이다. 관측 파라미터는 차량의 주행중 계측될 수 있는 운전자 및 차량거동, 차량간 관계와 관련된 변수이며, 관측 파라미터에는 운전자입력 변수, 차량거동 변수 및 차량간관계 변수가 포함될 수 있다.
주행환경조건 및 관측 파라미터가 검출됨에 따라, 관측 파라미터 검출부(20)는 데이터 수집부(10)에 의해 수집된 주행환경조건 및 관측 파라미터를 이용하여 주행조건별 관측 파라미터를 검출한다(S30).
이어, 이동평균값 산출부(30)는 관측 파라미터 검출부(20)에 의해 검출된 각 관측 파라미터들을 이동평균 기법을 이용하여 이동평균값을 산출한다(S40). 이 경우 이동평균값 산출부(30)는 각 파라미터의 이동평균값들 이외의 정보는 별도로 저장한다.
다음으로, 가중치 산출부(40)는 이동평균값 산출부(30)에 의해 산출된 이동평균값을 이용하여 관측 파라미터별로 튜닝 파라미터를 생성하기 위한 가중치를 산출한다(S50).
이 경우, 가중치 산출부(40)는 관측 파라미터들의 이동평균값(기준값) 및 표준편차범위(최대값 또는 최소값)를 활용하거나, 또는 관측 파라미터들의 이동평균값(기준값) 및 제 1, 3 사분위수(최대값 또는 최소값)를 이용하여 가중치를 산출할 수도 있다.
상기한 바와 같이 가중치가 산출됨에 따라, 튜닝부(50)는 가중치 산출부(40)에 의해 산출된 가중치로 튜닝 파라미터(old value)를 튜닝하여 새롭게 튜닝된 튜닝 파라미터를 자율 주행제어 시스템에 적용한다(S60).
이 경우, 튜닝 파라미터는 제어변수에 업데이트되어 적용되며, 튜닝 파라미터에는 주행제어변수, 차량거동제어변수 및 차량간관계제어변수가 포함될 수 있다.
이와 같이 본 발명의 일 실시예에 따른 자율 주행제어 시스템의 개인화를 위한 파라미터 학습 장치 및 방법은 자율 주행제어 시스템에서 높은 수준의 운전자 수용성을 확보하여 자율 주행제어 시스템의 상품성 및 운전자 신뢰성을 향상시킬 수 있다.
본 발명은 도면에 도시된 실시예를 참고로 하여 설명되었으나, 이는 예시적인 것에 불과하며 당해 기술이 속하는 기술분야에서 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호범위는 아래의 특허청구범위에 의하여 정해져야할 것이다.
10: 데이터 수집부
20: 관측 파라미터 검출부
30: 이동평균값 산출부
40: 가중치 산출부
50: 튜닝부

Claims (14)

  1. 자율 주행제어 시스템의 운전자 수용성을 확보하기 위한 데이터를 수집하는 데이터 수집부;
    상기 데이터 수집부에 의해 수집된 데이터를 분석하여 자율 주행제어 시스템의 주행환경조건별 관측 파라미터를 검출하는 관측 파라미터 검출부;
    상기 관측 파라미터 검출부에 의해 검출된 관측 파라미터를 이용하여 관측 파라미터별로 이동평균값을 산출하는 이동평균값 산출부; 및
    상기 이동평균값 산출부에 의해 산출된 이동평균값을 이용하여 관측 파라미터별로 튜닝 파라미터를 생성하기 위한 가중치를 산출하는 가중치 산출부를 포함하고,
    상기 관측 파라미터는 주행환경조건별 운전자입력 변수, 주행환경조건별 차량거동 변수, 및 주행환경조건별 차량간 관계 변수 중 적어도 하나를 포함하며,
    상기 주행환경조건은 차량의 주행 중 계측 및 구분가능한 환경적 요인이며, 날씨, 온도, 주간, 야간 및 탑승자 수 중 적어도 하나를 포함하는 것을 특징으로 하는 자율 주행제어 시스템의 개인화를 위한 파라미터 학습 장치.
  2. 제 1 항에 있어서, 상기 데이터 수집부는 자율 주행제어 시스템이 자가운전모드이면 데이터를 수집하는 것을 특징으로 하는 자율 주행제어 시스템의 개인화를 위한 파라미터 학습 장치.
  3. 삭제
  4. 제 1 항에 있어서, 상기 주행환경조건별 운전자입력 변수는 조향입력각도, 조향입력각속도, 조향입력각가속도, 가속페달입력, 가속페달입력속도 및 가속페달입력가속도 중 적어도 하나를 포함하는 것을 특징으로 하는 자율 주행제어 시스템의 개인화를 위한 파라미터 학습 장치.
  5. 제 1 항에 있어서, 상기 주행환경조건별 차량거동 변수는 종방향속도, 종방향가속도, 횡방향속도, 횡방향가속도, 요우각, 요우각속도, 요우각가속도, 롤각, 록각속도 및 롤각가속도 중 적어도 하나를 포함하는 것을 특징으로 하는 자율 주행제어 시스템의 개인화를 위한 파라미터 학습 장치.
  6. 제 1 항에 있어서, 상기 주행환경조건별 차량간관계변수는 상대거리, 상대거리변화율, 절대거리, 절대거리변화율 및 충돌소요시간 중 적어도 하나를 포함하는 것을 특징으로 하는 자율 주행제어 시스템의 개인화를 위한 파라미터 학습 장치.
  7. 제 1 항에 있어서, 상기 가중치 산출부는 상기 이동평균값 산출부에 의해 산출된 이동평균값에 표준편차범위를 이용하여 가중치를 산출하는 것을 특징으로 하는 자율 주행제어 시스템의 개인화를 위한 파라미터 학습 장치.
  8. 제 1 항에 있어서, 상기 가중치 산출부는 상기 이동평균값 산출부에 의해 산출된 이동평균값과 제 1사분위수 및 제 3사분위수를 활용하여 가중치를 산출하는 것을 특징으로 하는 자율 주행제어 시스템의 개인화를 위한 파라미터 학습 장치.
  9. 제 1 항에 있어서, 상기 가중치 산출부에 의해 산출된 가중치로 파라미터를 튜닝하여 새롭게 튜닝된 튜닝 파라미터를 자율 주행제어 시스템에 적용하는 튜닝부를 더 포함하는 것을 특징으로 하는 자율 주행제어 시스템의 개인화를 위한 파라미터 학습 장치.
  10. 자율 주행제어 시스템이 자가운전 모드이면 데이터 수집부가 자율 주행제어 시스템의 운전자 수용성을 확보하기 위한 데이터를 수집하는 단계;
    관측 파라미터 검출부가 상기 데이터 수집부에 의해 수집된 데이터를 분석하여 자율 주행제어 시스템의 주행환경조건별 관측 파라미터를 검출하는 단계;
    이동평균값 산출부가 상기 관측 파라미터 검출부에 의해 검출된 관측 파라미터를 이용하여 관측 파라미터별로 이동평균값을 산출하는 단계; 및
    가중치 산출부가 상기 이동평균값 산출부에 의해 산출된 이동평균값을 이용하여 관측 파라미터별로 튜닝 파라미터를 생성하기 위한 가중치를 산출하는 단계를 포함하고,
    상기 관측 파라미터는 주행환경조건별 운전자입력 변수, 주행환경조건별 차량거동 변수, 및 주행환경조건별 차량간 관계 변수 중 적어도 하나를 포함하고,
    상기 주행환경조건은 차량의 주행 중 계측 및 구분가능한 환경적 요인이며, 날씨, 온도, 주간, 야간 및 탑승자 수 중 적어도 하나를 포함하는 것을 특징으로 하는 자율 주행제어 시스템의 개인화를 위한 파라미터 학습 방법.
  11. 삭제
  12. 제 10 항에 있어서, 상기 가중치 산출부는 상기 이동평균값 산출부에 의해 산출된 이동평균값에 표준편차범위를 이용하여 가중치를 산출하는 것을 특징으로 하는 자율 주행제어 시스템의 개인화를 위한 파라미터 학습 방법.
  13. 제 10 항에 있어서, 상기 가중치 산출부는 상기 이동평균값 산출부에 의해 산출된 이동평균값과 제 1사분위수 및 제 3사분위수를 활용하여 가중치를 산출하는 것을 특징으로 하는 자율 주행제어 시스템의 개인화를 위한 파라미터 학습 방법.
  14. 제 10 항에 있어서, 튜닝부가 상기 가중치 산출부에 의해 산출된 가중치로 파라미터를 튜닝하여 새롭게 튜닝된 튜닝 파라미터를 자율 주행제어 시스템에 적용하는 단계를 더 포함하는 것을 특징으로 하는 자율 주행제어 시스템의 개인화를 위한 파라미터 학습 방법.
KR1020170015786A 2017-02-03 2017-02-03 자율 주행제어 시스템의 개인화를 위한 파라미터 학습 장치 및 방법 KR101976487B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020170015786A KR101976487B1 (ko) 2017-02-03 2017-02-03 자율 주행제어 시스템의 개인화를 위한 파라미터 학습 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170015786A KR101976487B1 (ko) 2017-02-03 2017-02-03 자율 주행제어 시스템의 개인화를 위한 파라미터 학습 장치 및 방법

Publications (2)

Publication Number Publication Date
KR20180090660A KR20180090660A (ko) 2018-08-13
KR101976487B1 true KR101976487B1 (ko) 2019-05-10

Family

ID=63250711

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170015786A KR101976487B1 (ko) 2017-02-03 2017-02-03 자율 주행제어 시스템의 개인화를 위한 파라미터 학습 장치 및 방법

Country Status (1)

Country Link
KR (1) KR101976487B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230063807A (ko) * 2021-11-02 2023-05-09 주식회사 오비고 특정 사용자의 자율주행 경험 만족도 제고를 위한 자율주행 알고리즘 개인화 방법 및 장치

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102209361B1 (ko) 2019-06-17 2021-02-02 연세대학교 산학협력단 머신러닝 알고리즘을 이용한 데이터 기반 음성 서비스 제공 시스템 및 그 방법
CN113879323B (zh) * 2021-10-26 2023-03-14 清华大学 可信赖学习型自动驾驶决策方法、系统、存储介质及设备

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3438279B2 (ja) * 1993-05-19 2003-08-18 マツダ株式会社 自動車の車速制御装置
EP1256479A1 (de) * 2001-05-07 2002-11-13 Ford Global Technologies, Inc., A subsidiary of Ford Motor Company Verfahren zur Fahrer-Typ-Erkennung
KR101313146B1 (ko) * 2011-05-17 2013-10-01 자동차부품연구원 운전자별 운전특성을 반영한 적응 순항 제어시스템 및 그 제어 방법

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230063807A (ko) * 2021-11-02 2023-05-09 주식회사 오비고 특정 사용자의 자율주행 경험 만족도 제고를 위한 자율주행 알고리즘 개인화 방법 및 장치
KR102588450B1 (ko) 2021-11-02 2023-10-13 주식회사 오비고 특정 사용자의 자율주행 경험 만족도 제고를 위한 자율주행 알고리즘 개인화 방법 및 장치

Also Published As

Publication number Publication date
KR20180090660A (ko) 2018-08-13

Similar Documents

Publication Publication Date Title
CN106097755B (zh) 用于识别泊车场地和/或空出场地的方法
JP6424761B2 (ja) 運転支援システム及びセンタ
US9994221B2 (en) Presenting travel settings for selection of nearby vehicle to follow
KR102204185B1 (ko) 자율 차량들에 대한 교통 신호 응답
US10184801B2 (en) Route searching apparatus and route searching method
CN107688894B (zh) 自动车辆操作者技能评估系统
JP6178914B2 (ja) 自律運転のための作業中及び非作業中の工事区域のマップ作成
US9360865B2 (en) Transitioning from autonomous vehicle control to driver control
DE112019006548T5 (de) Lenkwinkelkalibrierung
KR101320223B1 (ko) 자동차를 주차하거나 운전할 때 운전자를 돕기 위한 방법및 시스템
US9159227B2 (en) Traffic congestion detection apparatus and vehicle control apparatus
CN113195326A (zh) 检测一般道路天气状况
US9669839B2 (en) Method and device for detecting the road condition for a vehicle
JP5257252B2 (ja) 運転支援装置および運転支援システム
CN105000019A (zh) 用于检测、追踪和估计静止的路边物体的方法和系统
US20050278112A1 (en) Process for predicting the course of a lane of a vehicle
US20160368504A1 (en) Method and device for ascertaining a minimum value for the friction coefficient of a road segment
CN104584084A (zh) 用于求取行驶路段的危险源的方法和设备
US20210229657A1 (en) Detection of vehicle operating conditions
US11608059B2 (en) Method and apparatus for method for real time lateral control and steering actuation assessment
KR101976487B1 (ko) 자율 주행제어 시스템의 개인화를 위한 파라미터 학습 장치 및 방법
JP6786921B2 (ja) 運転支援システム及び運転支援方法
US10438073B2 (en) Augmented lane detection using kinematic data
JP2009006839A (ja) 疲労度検出装置
CN107209998A (zh) 车道线识别装置

Legal Events

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