KR102033509B1 - Taas-based virtual autonomous driving transportation apparatus and method - Google Patents

Taas-based virtual autonomous driving transportation apparatus and method Download PDF

Info

Publication number
KR102033509B1
KR102033509B1 KR1020190007857A KR20190007857A KR102033509B1 KR 102033509 B1 KR102033509 B1 KR 102033509B1 KR 1020190007857 A KR1020190007857 A KR 1020190007857A KR 20190007857 A KR20190007857 A KR 20190007857A KR 102033509 B1 KR102033509 B1 KR 102033509B1
Authority
KR
South Korea
Prior art keywords
driving
autonomous driving
autonomous
virtual path
optimal virtual
Prior art date
Application number
KR1020190007857A
Other languages
Korean (ko)
Inventor
홍근표
오욱진
Original Assignee
(주)바이콕
홍근표
오욱진
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 (주)바이콕, 홍근표, 오욱진 filed Critical (주)바이콕
Priority to KR1020190007857A priority Critical patent/KR102033509B1/en
Application granted granted Critical
Publication of KR102033509B1 publication Critical patent/KR102033509B1/en

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0287—Control of position or course in two dimensions specially adapted to land vehicles involving a plurality of land vehicles, e.g. fleet or convoy travelling
    • 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]

Abstract

The present invention relates to an apparatus and method for TaaS-based virtual autonomous driving traffic. The apparatus comprises: a traffic condition collecting unit collecting traffic condition from a plurality of moving devices run in a specific region; an optimized virtual path generating unit generating at least one optimized virtual path related to movement between a plurality of main points existing in the specific region by learning the traffic condition; and an autonomous driving rule generating unit generating an autonomous driving rule that a plurality of autonomous driving devices continuously and autonomously drive the at least one optimal virtual path less than a specific time interval. Therefore, the apparatus may design the traffic of an autonomous vehicle based on the optimal virtual path and billing system by using artificial intelligence and big data.

Description

TaaS 기반의 가상 자율주행 교통 장치 및 방법{TAAS-BASED VIRTUAL AUTONOMOUS DRIVING TRANSPORTATION APPARATUS AND METHOD}TAAS-BASED VIRTUAL AUTONOMOUS DRIVING TRANSPORTATION APPARATUS AND METHOD}

본 발명은 TaaS 기반의 가상 자율주행 교통 기술에 관한 것으로, 보다 상세하게는 인공지능과 빅데이터를 활용하여 최적의 가상경로와 과금 체계에 기초한 자율주행체의 교통을 설계하는 TaaS 기반의 가상 자율주행 교통 장치 및 방법에 관한 것이다.The present invention relates to a virtual autonomous driving technology based on TaaS. More specifically, a virtual autonomous driving based on TaaS designing an autonomous vehicle traffic based on an optimal virtual path and billing system using artificial intelligence and big data. A traffic device and method are described.

TaaS(Transportation as a Service)는 시장 원칙에 따라 움직이는 시스템이다. 이동 서비스 공급업체(TaaS 업체)는 각 차량의 승객 탑승 시간을 최대한으로 늘려 수수료를 많이 받는 한편 비용을 최소화함으로써 이윤의 극대화를 도모하고 있다. 자율주행 기술은 이를 위한 대안이 될 수 있으며, 자율주행 기술이 적용된 교통 수단을 이용하여 TaaS를 구축하기 위한 기술이 요구되고 있다.Taas (Transportation as a Service) is a system that moves according to market principles. Mobile service providers (TaaS companies) seek to maximize profits by minimizing costs while increasing commissions for each vehicle as much as possible. Self-driving technology can be an alternative for this purpose, and a technique for building TaaS using a means of transportation in which autonomous driving technology is applied is required.

한국공개특허 제10-2016-0132789(2016.11.21)호는 사회적 자율주행 교통장치에 관한 것으로, 종래의 사람 운전 방식 또는 단독형(stand alone) 자율주행방식에 비해 현저히 적은 비용으로, 사회 전체의 자율주행 체계를 구성하고, 종래의 주행 방식에 비해, 차량의 주행에너지와 컴퓨팅 자원의 소비를 현격히 줄일 수 있으며, 종래의 교통 인프라보다 현저히 적은 수의 차량으로 더 효율적인 물류 및 교통 체계를 구성함으로써, 교통 혼잡을 원천적으로 해소하며, 사회 전체의 물류 및 교통 비용을 현저히 줄일 수 있는 기술을 개시하고 있다.Korean Patent Laid-Open Publication No. 10-2016-0132789 (2016.11.21) relates to a social autonomous traffic device, and at a significantly lower cost than a conventional human driving method or a stand alone autonomous driving method, By constructing an autonomous driving system and significantly reducing the consumption of driving energy and computing resources of the vehicle compared to the conventional driving method, and by constructing a more efficient logistics and transportation system with a significantly smaller number of vehicles than the conventional transportation infrastructure, It is a technology that eliminates traffic congestion at the source and significantly reduces the logistics and transportation costs of the entire society.

한국공개특허 제10-2016-0132789(2016.11.21)호Korean Patent Publication No. 10-2016-0132789 (2016.11.21)

본 발명의 일 실시예는 인공지능과 빅데이터를 활용하여 최적의 가상경로와 과금 체계에 기초한 자율주행체의 교통을 설계하는 TaaS 기반의 가상 자율주행 교통 장치 및 방법을 제공하고자 한다.An embodiment of the present invention is to provide a TaaS-based virtual autonomous traffic device and method for designing the traffic of autonomous vehicles based on the optimal virtual path and billing system using artificial intelligence and big data.

본 발명의 일 실시예는 특정 지역 내의 운행상황을 인공지능 학습하여 해당 지역의 복수의 주요 지점들 간의 이동에 있어서 시간 및 경로를 최적화한 가상경로를 추출할 수 있는 TaaS 기반의 가상 자율주행 교통 장치 및 방법을 제공하고자 한다.According to an embodiment of the present invention, a TaaS-based virtual autonomous traffic device capable of extracting a virtual path optimized for time and route in moving between a plurality of main points of an area by artificial intelligence learning a driving situation in a specific area. And to provide a method.

본 발명의 일 실시예는 최적화된 가상경로를 기초로 자율주행 규칙을 생성하고 이를 기초로 다양한 교통 수단을 TaaS로 만들 수 있는 TaaS 기반의 가상 자율주행 교통 장치 및 방법을 제공하고자 한다.An embodiment of the present invention is to provide a TaaS-based virtual autonomous traffic device and method that can generate a self-driving rules based on the optimized virtual path and make various transportation means TaaS based on this.

실시예들 중에서, TaaS 기반의 가상 자율주행 교통 장치는 특정 지역 내에서 운행되는 복수의 이동 장치들로부터 운행상황을 수집하는 운행상황 수집부, 상기 운행상황을 학습하여 상기 특정 지역 내에 존재하는 복수의 주요 지점들 간의 이동에 관한 적어도 하나의 최적 가상경로를 생성하는 최적 가상경로 생성부 및 복수의 자율주행 장치들이 상기 적어도 하나의 최적 가상경로를 특정 시간 간격 미만으로 연속하여 자율주행하기 위한 자율주행 규칙을 생성하는 자율주행 규칙 생성부를 포함한다.Among the embodiments, the TaaS-based virtual autonomous traffic device is a driving situation collecting unit for collecting a driving situation from a plurality of mobile devices running in a specific area, a plurality of learning in the operating situation exists in the specific area An autonomous driving rule for the autonomous driving of the at least one optimal virtual path continuously by the optimal virtual path generation unit and the plurality of autonomous driving devices generating at least one optimal virtual path with respect to the movement between the main points. It includes an autonomous driving rule generator for generating a.

상기 운행상황 수집부는 상기 복수의 이동 장치들 각각에 관한 이동 장치의 종류, 이동 경로 및 이동 시간을 상기 운행상황으로서 수집하고, 상기 이동 경로의 출발지와 도착지에 대해 상기 복수의 주요 지점들 중 가장 가까운 주요 지점으로 각각 대체할 수 있다.The driving situation collecting unit collects a type, a moving route, and a moving time of each of the plurality of moving apparatuses as the driving situation, and is closest to the starting point and the arrival point of the moving route. Each can be replaced by a main point.

상기 최적 가상경로 생성부는 상기 이동 장치의 종류에 관한 식별자, 상기 출발지 및 도착지와 각각 연관된 주요 지점의 위치좌표, 상기 이동 시간의 출발 및 도착 시각들을 속성으로서 포함하는 벡터(vector)를 학습 데이터로 사용할 수 있다.The optimal virtual path generation unit may use, as learning data, a vector including an identifier relating to the type of the mobile device, a position coordinate of a main point associated with the departure point and the arrival point, and the departure and arrival times of the movement time as attributes. Can be.

상기 최적 가상경로 생성부는 상기 학습의 결과로서 생성된 최적 가상경로 생성 모델을 통해 상기 복수의 주요 지점들 간의 이동 시간 및 이동 거리 중 어느 하나가 최소인 경로를 상기 적어도 하나의 최적 가상경로로서 생성할 수 있다.The optimal virtual path generation unit may generate, as the at least one optimal virtual path, a path in which one of the movement time and the movement distance between the plurality of main points is minimum through the optimal virtual path generation model generated as a result of the learning. Can be.

상기 자율주행 규칙 생성부는 자율주행 장치의 종류, 종류별 자율주행 장치의 개수와 주행 시간 간격을 상기 자율주행 규칙으로서 생성할 수 있다.The autonomous driving rule generator may generate the type of autonomous driving device, the number of autonomous driving devices for each type, and the driving time interval as the autonomous driving rule.

상기 자율주행 규칙 생성부는 상기 자율주행 장치의 종류, 최적 가상경로 및 주행 거리 각각에 따른 과금 정책을 더 포함하여 상기 자율주행 규칙을 생성할 수 있다.The autonomous driving rule generator may generate the autonomous driving rule further including a charging policy according to the type of the autonomous driving device, the optimum virtual path, and the driving distance.

상기 자율주행 규칙 생성부는 상기 적어도 하나의 최적 가상경로 사이에 중첩 구간이 존재하고 해당 중첩 구간을 자율주행하는 자율주행 장치의 종류가 복수인 경우 각 종류 별로 주행 시간을 순차적으로 할당하여 상기 자율주행 규칙으로서 생성할 수 있다.The autonomous driving rule generation unit sequentially allocates the driving time for each type when the overlapping sections exist between the at least one optimal virtual path and there are a plurality of types of autonomous driving devices that autonomously run the overlapping sections. Can be generated as

실시예들 중에서, TaaS 기반의 가상 자율주행 교통 방법은 특정 지역 내에서 운행되는 복수의 이동 장치들로부터 운행상황을 수집하는 단계, 상기 운행상황을 학습하여 상기 특정 지역 내에 존재하는 복수의 주요 지점들 간의 이동에 관한 적어도 하나의 최적 가상경로를 생성하는 단계 및 복수의 자율주행 장치들이 상기 적어도 하나의 최적 가상경로를 특정 시간 간격 미만으로 연속하여 자율주행하기 위한 자율주행 규칙을 생성하는 단계를 포함한다.Among the embodiments, the TaaS-based virtual autonomous traffic method may include collecting driving conditions from a plurality of mobile devices operating in a specific area, and learning the driving conditions to provide a plurality of main points existing in the specific area. Generating at least one optimal virtual path for the movement of the liver and generating a self-driving rule for autonomous driving of the at least one optimal virtual path continuously in less than a specific time interval. .

개시된 기술은 다음의 효과를 가질 수 있다. 다만, 특정 실시예가 다음의 효과를 전부 포함하여야 한다거나 다음의 효과만을 포함하여야 한다는 의미는 아니므로, 개시된 기술의 권리범위는 이에 의하여 제한되는 것으로 이해되어서는 아니 될 것이다.The disclosed technique can have the following effects. However, since a specific embodiment does not mean to include all of the following effects or only the following effects, it should not be understood that the scope of the disclosed technology is limited by this.

본 발명의 일 실시예에 따른 TaaS 기반의 가상 자율주행 교통 장치 및 방법은 특정 지역 내의 운행상황을 인공지능 학습하여 해당 지역의 복수의 주요 지점들 간의 이동에 있어서 시간 및 경로를 최적화한 가상경로를 추출할 수 있다.TaaS-based virtual autonomous driving traffic apparatus and method according to an embodiment of the present invention is to artificially learn the driving situation in a specific region to optimize the virtual path in the movement between a plurality of major points in the region Can be extracted.

본 발명의 일 실시예에 따른 TaaS 기반의 가상 자율주행 교통 장치 및 방법은 최적화된 가상경로를 기초로 자율주행 규칙을 생성하고 이를 기초로 다양한 교통 수단을 TaaS로 만들 수 있다.The TaaS-based virtual autonomous traffic apparatus and method according to an embodiment of the present invention may generate autonomous driving rules based on the optimized virtual path and make various transportation means TaaS based on the optimized virtual path.

도 1은 본 발명의 일 실시예에 따른 TaaS 기반의 가상 자율주행 교통 시스템을 설명하는 도면이다.
도 2는 도 1에 있는 가상 자율주행 교통 장치의 물리적 구성을 설명하는 블록도이다.
도 3은 도 1에 있는 가상 자율주행 교통 장치의 기능적 구성을 설명하는 블록도이다.
도 4는 도 1에 있는 가상 자율주행 교통 장치에서 수행되는 가상 자율주행 교통 과정을 설명하는 순서도이다.1 is a view illustrating a TaaS-based virtual autonomous traffic system according to an embodiment of the present invention.
FIG. 2 is a block diagram illustrating a physical configuration of the virtual autonomous traffic device in FIG. 1.
FIG. 3 is a block diagram illustrating a functional configuration of the virtual autonomous traffic device in FIG. 1.
FIG. 4 is a flowchart illustrating a virtual autonomous traffic process performed by the virtual autonomous traffic device of FIG. 1.

본 발명에 관한 설명은 구조적 내지 기능적 설명을 위한 실시예에 불과하므로, 본 발명의 권리범위는 본문에 설명된 실시예에 의하여 제한되는 것으로 해석되어서는 아니 된다. 즉, 실시예는 다양한 변경이 가능하고 여러 가지 형태를 가질 수 있으므로 본 발명의 권리범위는 기술적 사상을 실현할 수 있는 균등물들을 포함하는 것으로 이해되어야 한다. 또한, 본 발명에서 제시된 목적 또는 효과는 특정 실시예가 이를 전부 포함하여야 한다거나 그러한 효과만을 포함하여야 한다는 의미는 아니므로, 본 발명의 권리범위는 이에 의하여 제한되는 것으로 이해되어서는 아니 될 것이다.Description of the present invention is only an embodiment for structural or functional description, the scope of the present invention should not be construed as limited by the embodiments described in the text. That is, since the embodiments may be variously modified and may have various forms, the scope of the present invention should be understood to include equivalents capable of realizing the technical idea. In addition, the objects or effects presented in the present invention does not mean that a specific embodiment should include all or only such effects, the scope of the present invention should not be understood as being limited thereby.

한편, 본 출원에서 서술되는 용어의 의미는 다음과 같이 이해되어야 할 것이다.On the other hand, the meaning of the terms described in the present application should be understood as follows.

"제1", "제2" 등의 용어는 하나의 구성요소를 다른 구성요소로부터 구별하기 위한 것으로, 이들 용어들에 의해 권리범위가 한정되어서는 아니 된다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다.Terms such as "first" and "second" are intended to distinguish one component from another component, and the scope of rights should not be limited by these terms. For example, the first component may be named a second component, and similarly, the second component may also be named a first component.

어떤 구성요소가 다른 구성요소에 "연결되어"있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결될 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어"있다고 언급된 때에는 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다. 한편, 구성요소들 간의 관계를 설명하는 다른 표현들, 즉 "~사이에"와 "바로 ~사이에" 또는 "~에 이웃하는"과 "~에 직접 이웃하는" 등도 마찬가지로 해석되어야 한다.When a component is referred to as being "connected" to another component, it should be understood that there may be other components in between, although it may be directly connected to the other component. On the other hand, when a component is referred to as being "directly connected" to another component, it should be understood that there is no other component in between. On the other hand, other expressions describing the relationship between the components, such as "between" and "immediately between" or "neighboring to" and "directly neighboring to", should be interpreted as well.

단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한 복수의 표현을 포함하는 것으로 이해되어야 하고, "포함하다"또는 "가지다" 등의 용어는 실시된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이며, 하나 또는 그 이상의 다른 특징이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.Singular expressions should be understood to include plural expressions unless the context clearly indicates otherwise, and terms such as "comprise" or "have" refer to a feature, number, step, operation, component, part, or feature thereof. It is to be understood that the combination is intended to be present and does not exclude in advance the possibility of the presence or addition of one or more other features or numbers, steps, operations, components, parts or combinations thereof.

각 단계들에 있어 식별부호(예를 들어, a, b, c 등)는 설명의 편의를 위하여 사용되는 것으로 식별부호는 각 단계들의 순서를 설명하는 것이 아니며, 각 단계들은 문맥상 명백하게 특정 순서를 기재하지 않는 이상 명기된 순서와 다르게 일어날 수 있다. 즉, 각 단계들은 명기된 순서와 동일하게 일어날 수도 있고 실질적으로 동시에 수행될 수도 있으며 반대의 순서대로 수행될 수도 있다.In each step, an identification code (e.g., a, b, c, etc.) is used for convenience of description, and the identification code does not describe the order of the steps, and each step clearly indicates a specific order in context. Unless stated otherwise, they may occur out of the order noted. That is, each step may occur in the same order as specified, may be performed substantially simultaneously, or may be performed in the reverse order.

본 발명은 컴퓨터가 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현될 수 있고, 컴퓨터가 읽을 수 있는 기록 매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 장치를 포함한다. 컴퓨터가 읽을 수 있는 기록 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 데이터 저장 장치 등이 있다. 또한, 컴퓨터가 읽을 수 있는 기록 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산 방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다.The present invention can be embodied as computer readable code on a computer readable recording medium, and the computer readable recording medium includes all kinds of recording devices in which data can be read by a computer system. . Examples of computer-readable recording media include ROM, RAM, CD-ROM, magnetic tape, floppy disk, optical data storage device, and the like. The computer readable recording medium can also be distributed over network coupled computer systems so that the computer readable code is stored and executed in a distributed fashion.

여기서 사용되는 모든 용어들은 다르게 정의되지 않는 한, 본 발명이 속하는 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한 이상적이거나 과도하게 형식적인 의미를 지니는 것으로 해석될 수 없다.All terms used herein have the same meaning as commonly understood by one of ordinary skill in the art unless otherwise defined. Generally, the terms defined in the dictionary used are to be interpreted to coincide with the meanings in the context of the related art, and should not be interpreted as having ideal or excessively formal meanings unless clearly defined in the present application.

도 1은 본 발명의 일 실시예에 따른 TaaS 기반의 가상 자율주행 교통 시스템을 설명하는 도면이다.1 is a view illustrating a TaaS-based virtual autonomous traffic system according to an embodiment of the present invention.

도 1을 참조하면, TaaS 기반의 가상 자율주행 교통 시스템(100)은 이동 장치(110), 가상 자율주행 교통 장치(130), 데이터베이스(150) 및 자율주행 장치(170)을 포함할 수 있다.Referring to FIG. 1, a TaaS-based virtual autonomous traffic system 100 may include a mobile device 110, a virtual autonomous traffic device 130, a database 150, and an autonomous device 170.

이동 장치(110)는 TaaS를 제공할 수 있는 운송 수단에 해당할 수 있고, 예를 들어, 공유자전거, 개인 이동수단(Personal Mobility)을 포함할 수 있으며, 자동차, 버스 등 동력을 이용하여 승객이나 화물을 운반하는 다양한 운송 수단을 포함할 수 있다. 이동 장치(110)는 주행 과정에서 다양한 상황에 관한 정보를 수집하기 위한 복수의 센서들을 포함하여 구현될 수 있다. 또한, 이동 장치(110)는 가상 자율주행 교통 장치(130)와 네트워크를 통해 연결될 수 있고, 복수의 이동 장치(110)들은 가상 자율주행 교통 장치(130)와 동시에 연결될 수 있다. The mobile device 110 may correspond to a vehicle capable of providing TaaS, and may include, for example, a shared bicycle or a personal mobility device. It may include various means of transporting cargo. The mobile device 110 may be implemented to include a plurality of sensors for collecting information about various situations during the driving process. Also, the mobile device 110 may be connected to the virtual autonomous traffic device 130 through a network, and the plurality of mobile devices 110 may be simultaneously connected to the virtual autonomous traffic device 130.

가상 자율주행 교통 장치(130)는 복수의 이동 장치(110)들로부터 운행상황을 수집하고 학습하여 자율주행 장치(170)를 위한 자율주행 규칙을 생성할 수 있는 컴퓨터 또는 프로그램에 해당하는 서버로 구현될 수 있다. 가상 자율주행 교통 장치(130)는 이동 장치(110) 및 자율주행 장치(170)와 유선 네트워크 또는 블루투스, WiFi 등과 같은 무선 네트워크로 연결될 수 있고, 유선 또는 무선 네트워크를 통해 이동 장치(110) 및 자율주행 장치(170)와 통신을 수행할 수 있다. The virtual autonomous traffic device 130 is implemented as a server corresponding to a computer or a program capable of generating autonomous driving rules for the self-driving device 170 by collecting and learning driving conditions from the plurality of mobile devices 110. Can be. The virtual autonomous traffic device 130 may be connected to the mobile device 110 and the autonomous driving device 170 by a wired network or a wireless network such as Bluetooth, WiFi, and the like. Communication with the traveling device 170 may be performed.

일 실시예에서, 가상 자율주행 교통 장치(130)는 데이터베이스(150)와 연동하여 자율주행 장치(170)를 위한 자율주행 규칙을 생성하는 과정에서 필요한 정보를 저장할 수 있다. 한편, 가상 자율주행 교통 장치(130)는 도 1과 달리, 데이터베이스(150)를 내부에 포함하여 구현될 수 있다. 또한, 가상 자율주행 교통 장치(130)는 프로세서, 메모리, 사용자 입출력부 및 네트워크 입출력부를 포함하여 구현될 수 있고, 이에 대해서는 도 2에서 보다 자세히 설명한다.In an embodiment, the virtual autonomous traffic device 130 may store information necessary in the process of generating an autonomous driving rule for the autonomous device 170 in association with the database 150. Meanwhile, unlike the autonomous driving traffic device 130 of FIG. 1, the virtual autonomous traffic device 130 may be implemented by including a database 150 therein. In addition, the virtual autonomous traffic device 130 may include a processor, a memory, a user input / output unit, and a network input / output unit, which will be described in more detail with reference to FIG. 2.

데이터베이스(150)는 가상 자율주행 교통 장치(130)가 운행상황을 수집하고 학습하여 자율주행을 위한 자율주행 규칙을 생성하는 과정에서 필요한 다양한 정보들을 저장할 수 있다. 예를 들어, 데이터베이스(150)는 복수의 이동 장치(110)들로부터 수신한 다양한 운행상황에 관한 정보를 저장할 수 있고, 운행상황 학습에 필요한 정보를 저장할 수 있으며, 반드시 이에 한정되지 않고, 자율주행 규칙을 생성하는 과정에서 다양한 형태로 수집 또는 가공된 정보들을 저장할 수 있다.The database 150 may store various pieces of information required by the virtual autonomous traffic device 130 to collect and learn driving conditions to generate an autonomous driving rule for autonomous driving. For example, the database 150 may store information on various driving conditions received from the plurality of mobile devices 110, and may store information necessary for learning driving conditions, and is not limited thereto. In the process of creating a rule, information collected or processed in various forms can be stored.

자율주행 장치(170)는 TaaS를 제공할 수 있는 운송 수단으로서 사람의 조작없이 자율적으로 주행할 수 있는 무인 이동 장치에 해당할 수 있고, 예를 들어, 자율주행 차량 등의 다양한 무인 운송 수단을 포함할 수 있다. 자율주행 장치(170)는 가장 자율주행 교통 장치(130)로부터 수신한 자율주행 규칙을 기초로 자율주행을 수행하도록 구현될 수 있다. 또한, 자율주행 장치(170)는 가상 자율주행 교통 장치(130)와 네트워크를 통해 연결될 수 있고, 복수의 자율주행 장치(170)들은 가상 자율주행 교통 장치(130)와 동시에 연결될 수 있다.The autonomous driving device 170 may correspond to an unmanned mobile device capable of autonomous driving without human manipulation as a vehicle capable of providing TaaS, and may include various unmanned vehicle such as an autonomous vehicle. can do. The autonomous driving device 170 may be implemented to perform autonomous driving based on the autonomous driving rule received from the autonomous driving traffic device 130. In addition, the autonomous driving device 170 may be connected to the virtual autonomous driving traffic device 130 through a network, and the plurality of autonomous driving devices 170 may be simultaneously connected to the virtual autonomous driving traffic device 130.

도 2는 도 1에 있는 가상 자율주행 교통 장치의 물리적 구성을 설명하는 블록도이다.FIG. 2 is a block diagram illustrating a physical configuration of the virtual autonomous traffic device in FIG. 1.

도 2를 참조하면, 가상 자율주행 교통 장치(130)는 프로세서(210), 메모리(230), 사용자 입출력부(250) 및 네트워크 입출력부(270)를 포함할 수 있다.Referring to FIG. 2, the virtual autonomous traffic device 130 may include a processor 210, a memory 230, a user input / output unit 250, and a network input / output unit 270.

프로세서(210)는 이동 장치(110)로부터 운행상황을 수집하고 학습하여 자율주행 규칙을 생성하기 위한 각 프로시저를 실행할 수 있고, 그 과정 전반에서 읽혀지거나 작성되는 메모리(230)를 관리할 수 있으며, 메모리(230)에 있는 휘발성 메모리와 비휘발성 메모리 간의 동기화 시간을 스케줄할 수 있다. 프로세서(210)는 가상 자율주행 교통 장치(130)의 동작 전반을 제어할 수 있고, 메모리(230), 사용자 입출력부(250) 및 네트워크 입출력부(270)와 전기적으로 연결되어 이들 간의 데이터 흐름을 제어할 수 있다. 프로세서(210)는 가상 자율주행 교통 장치(130)의 CPU(Central Processing Unit)로 구현될 수 있다.The processor 210 may execute each procedure for collecting and learning driving conditions from the mobile device 110 to generate an autonomous driving rule, and manage the memory 230 that is read or written throughout the process. The synchronization time between the volatile memory and the nonvolatile memory in the memory 230 may be scheduled. The processor 210 may control the overall operation of the virtual autonomous traffic device 130, and may be electrically connected to the memory 230, the user input / output unit 250, and the network input / output unit 270 to flow data therebetween. Can be controlled. The processor 210 may be implemented as a central processing unit (CPU) of the virtual autonomous traffic device 130.

메모리(230)는 SSD(Solid State Disk) 또는 HDD(Hard Disk Drive)와 같은 비휘발성 메모리로 구현되어 가상 자율주행 교통 장치(130)에 필요한 데이터 전반을 저장하는데 사용되는 보조기억장치를 포함할 수 있고, RAM(Random Access Memory)과 같은 휘발성 메모리로 구현된 주기억장치를 포함할 수 있다.The memory 230 may include a secondary memory device which is implemented as a nonvolatile memory such as a solid state disk (SSD) or a hard disk drive (HDD), and is used to store overall data required for the virtual autonomous traffic device 130. And a main memory device implemented with volatile memory such as random access memory (RAM).

사용자 입출력부(250)는 사용자 입력을 수신하기 위한 환경 및 사용자에게 특정 정보를 출력하기 위한 환경을 포함할 수 있다. 예를 들어, 사용자 입출력부(250)는 터치 패드, 터치 스크린, 화상 키보드 또는 포인팅 장치와 같은 어댑터를 포함하는 입력장치 및 모니터 또는 터치스크린과 같은 어댑터를 포함하는 출력장치를 포함할 수 있다. 일 실시예에서, 사용자 입출력부(250)는 원격 접속을 통해 접속되는 컴퓨팅 장치에 해당할 수 있고, 그러한 경우, 가상 자율주행 교통 장치(130)는 서버로서 수행될 수 있다.The user input / output unit 250 may include an environment for receiving a user input and an environment for outputting specific information to the user. For example, the user input / output unit 250 may include an input device including an adapter such as a touch pad, a touch screen, an on-screen keyboard or a pointing device, and an output device including an adapter such as a monitor or a touch screen. In one embodiment, the user input / output unit 250 may correspond to a computing device connected via a remote connection, in which case the virtual autonomous traffic device 130 may be performed as a server.

네트워크 입출력부(270)은 네트워크를 통해 외부 장치 또는 시스템과 연결하기 위한 환경을 포함하고, 예를 들어, LAN(Local Area Network), MAN(Metropolitan Area Network), WAN(Wide Area Network) 및 VAN(Value Added Network) 등의 통신을 위한 어댑터를 포함할 수 있다.The network input / output unit 270 includes an environment for connecting to an external device or a system through a network. For example, the network input / output unit 270 includes a local area network (LAN), a metropolitan area network (MAN), a wide area network (WAN), and a VAN ( It may include an adapter for communication such as Value Added Network.

도 3은 도 1에 있는 가상 자율주행 교통 장치의 기능적 구성을 설명하는 블록도이다.FIG. 3 is a block diagram illustrating a functional configuration of the virtual autonomous traffic device in FIG. 1.

도 3을 참조하면, 가상 자율주행 교통 장치(130)는 운행상황 수집부(310), 최적 가상경로 생성부(330), 자율주행 규칙 생성부(350) 및 제어부(370)를 포함할 수 있다.Referring to FIG. 3, the virtual autonomous driving traffic device 130 may include a driving situation collector 310, an optimal virtual path generator 330, an autonomous driving rule generator 350, and a controller 370. .

운행상황 수집부(310)는 특정 지역 내에서 운행되는 복수의 이동 장치(110)들로부터 운행상황을 수집할 수 있다. 가상 자율주행 교통 장치(130)는 복수의 이동 장치(110)들과 네트워크를 통해 연결될 수 있고, 운행상황 수집부(310)는 복수의 이동 장치(110)들로부터 운행상황에 관한 정보를 주기적으로 또는 실시간으로 수신할 수 있다. 이를 위하여, 복수의 이동 장치(110)들은 내부에 복수의 센서들을 포함하여 구현될 수 있고, 복수의 센서들은 운전 제어를 위한 조향, 가속 및 감속 신호를 측정하거나 또는 주행 상황에 관한 주변 차량 및 환경 정보를 생성할 수 있다.The driving situation collector 310 may collect driving conditions from a plurality of mobile devices 110 that operate in a specific region. The virtual autonomous traffic device 130 may be connected to a plurality of mobile devices 110 through a network, and the driving status collecting unit 310 periodically receives information about the driving status from the plurality of mobile devices 110. Or in real time. To this end, the plurality of mobile devices 110 may be implemented by including a plurality of sensors therein, the plurality of sensors measuring the steering, acceleration and deceleration signals for driving control or surrounding vehicles and the environment for driving conditions Information can be generated.

일 실시예에서, 운행상황 수집부(310)는 복수의 이동 장치(110)들 각각에 관한 이동 장치(110)의 종류, 이동 경로 및 이동 시간을 운행상황으로서 수집하고, 이동 경로의 출발지와 도착지에 대해 복수의 주요 지점들 중 가장 가까운 주요 지점으로 각각 대체할 수 있다. 이동 장치(110)의 종류는 바퀴의 개수에 따라 이륜 장치, 삼륜 장치, 사륜 장치 등으로 분류될 수 있고, 이동 경로는 이동 장치(110)가 주행을 시작하는 출발지와 주행을 종료하는 도착지에 관한 위치 좌표로서 표현될 수 있으며, 이동 시간은 이동 장치(110)가 출발지에서 도착지까지 이동하는데 소요되는 시간에 해당할 수 있다. In one embodiment, the driving condition collecting unit 310 collects the type, the moving path and the moving time of the moving device 110 with respect to each of the plurality of moving devices 110 as driving conditions, and the starting point and destination of the moving path. For each of the plurality of major points can be replaced by the nearest major point. The type of the mobile device 110 may be classified into a two-wheeled device, a three-wheeled device, a four-wheeled device, and the like according to the number of wheels, and the moving path may be related to a starting point at which the mobile device 110 starts traveling and an end point at which the driving ends. It may be expressed as a position coordinate, and the movement time may correspond to the time required for the mobile device 110 to move from the departure point to the arrival point.

특히, 운행상황 수집부(310)는 이동 장치(110)의 이동 경로를 구성하는 출발지와 도착지에 대해 특정 지역 내에 존재하는 복수의 주요 지점들 중 하나에 각각 대응시킬 수 있다. 즉, 운행상황 수집부(310)는 해당 주요 지점까지의 거리를 기초로 출발지 또는 도착지에서 가장 가까운 거리에 존재하는 주요 지점을 결정하여 출발지 또는 도착지의 위치로서 사용할 수 있다.In particular, the driving situation collecting unit 310 may correspond to one of a plurality of main points existing in a specific region with respect to a departure point and an arrival point constituting the movement route of the mobile device 110. That is, the driving situation collecting unit 310 may determine a main point existing at the closest distance from the starting point or the arrival point based on the distance to the corresponding main point and use the location of the starting point or the arrival point.

최적 가상경로 생성부(330)는 운행상황을 학습하여 특정 지역 내에 존재하는 복수의 주요 지점들 간의 이동에 관한 적어도 하나의 최적 가상경로를 생성할 수 있다. 최적 가상경로 생성부(330)는 특정 기간 동안 복수의 이동 장치(110)들로부터 수집된 운행상황을 학습할 수 있고, 가상 자율주행 교통 장치(130)는 이를 활용하여 자율주행을 위한 규칙을 생성할 수 있다. 최적 가상경로 생성부(330)는 인공지능 학습을 통해 생성된 학습 모델을 이용하여 적어도 하나의 최적 가상경로를 생성할 수 있다. 여기에서, 최적 가상경로는 두 주요 지점 간의 이동을 위한 이동 경로로서 다른 이동 경로에 비해 시간이나 비용 등의 이점을 가질 수 있다. The optimal virtual path generation unit 330 may learn at least one driving condition to generate at least one optimal virtual path regarding movement between a plurality of main points existing in a specific region. The optimal virtual path generation unit 330 may learn the driving conditions collected from the plurality of mobile devices 110 for a specific period, and the virtual autonomous traffic device 130 generates rules for autonomous driving by using them. can do. The optimal virtual path generation unit 330 may generate at least one optimal virtual path using a learning model generated through artificial intelligence learning. Here, the optimal virtual path may have an advantage such as time or cost as compared to other moving paths as a moving path for moving between two main points.

예를 들어, 자율주행 장치(170)가 최적 가상경로로 이동하는 경우 다른 이동 경로로 이동하는 경우보다 비용이 저렴하거나 또는 시간이 더 적게 소요되거나 또는 더 많은 고객에 대해 교통 서비스를 제공할 수 있다.For example, when the autonomous driving device 170 moves to the optimal virtual path, it may be less expensive, less time consuming, or provide transportation services to more customers than when moving to another path. .

일 실시예에서, 최적 가상경로 생성부(330)는 이동 장치(110)의 종류에 관한 식별자, 출발지 및 도착지와 각각 연관된 주요 지점의 위치좌표, 이동 시간의 출발 및 도착 시각들을 속성으로서 포함하는 벡터(vector)를 학습 데이터로 사용할 수 있다. 식별자는 이동 장치(110)를 식별하기 위하여 이동 장치(110) 별로 할당된 고유 식별기호에 해당할 수 있고, 예를 들어, 고정 자리수의 숫자나 특정 형식의 문자 형태로 표현될 수 있다. 위치좌표는 위치 식별을 위하여 GPS 좌표에 해당할 수 있다. 이동 시간은 출발 시간과 도착 시간 순서대로 연결된 숫자열에 해당할 수 있고, 예를 들어, 출발 시간이 12:11 이고 도착 시간이 13:20 인 경우 '12111320' 과 같이 표현될 수 있다. 최적 가상경로 생성부(330)는 인공지능 학습을 위하여 운행상황에 관한 학습 데이터를 생성할 수 있고, 벡터 형태로 표현된 학습 데이터를 사용할 수 있다.In one embodiment, the optimal virtual path generation unit 330 is a vector including as an attribute the identifier of the type of mobile device 110, the coordinates of the location of the main point associated with the starting point and destination, respectively, the start and arrival times of the travel time as attributes. (vector) can be used as training data. The identifier may correspond to a unique identifier assigned to each mobile device 110 to identify the mobile device 110, and may be expressed, for example, in the form of a fixed digit or a specific type of character. The location coordinates may correspond to GPS coordinates for location identification. The travel time may correspond to a sequence of strings connected in order of departure time and arrival time. For example, when the departure time is 12:11 and the arrival time is 13:20, it may be expressed as '12111320'. The optimal virtual path generation unit 330 may generate learning data about a driving situation for artificial intelligence learning, and may use learning data expressed in a vector form.

일 실시예에서, 최적 가상경로 생성부(330)는 학습의 결과로서 생성된 최적 가상경로 생성 모델을 통해 복수의 주요 지점들 간의 이동 시간 및 이동 거리 중 어느 하나가 최소인 경로를 적어도 하나의 최적 가상경로로서 생성할 수 있다. 예를 들어, 최적 가상경로 생성 모델은 출발지 및 도착지를 입력하면 출발지부터 도착지까지의 최적 가상경로를 출력으로 제공할 수 있다. 또한, 최적 가상경로 생성 모델은 특정 지역에 관한 좌표를 입력하면 해당 특정 지역에서의 최적 가상경로를 적어도 하나 이상 출력으로 제공할 수 있다. 특히, 최적 가상경로는 복수의 이동 경로들 중에서 이동하는데 소요되는 시간이 최소인 이동 경로에 해당하거나 또는 이동하는 거리가 가장 짧은 이동 경로에 해당할 수 있다.In one embodiment, the optimal virtual path generation unit 330 is at least one optimal path through the optimal virtual path generation model generated as a result of learning at least one of the travel time and the distance between the plurality of major points Can be created as a virtual path. For example, the optimal virtual path generation model may provide an output of the optimal virtual path from the departure point to the arrival point when the starting point and the arrival point are input. In addition, the optimal virtual path generation model may provide at least one optimal virtual path in the specific area when the coordinates of the specific area are input. In particular, the optimal virtual path may correspond to a movement path having a minimum time required to move among the plurality of movement paths or a movement path having the shortest moving distance.

일 실시예에서, 최적 가상경로 생성부(330)는 운행상황을 학습하여 최적 가상경로 생성 모델을 생성하는 학습 모듈, 특정 지역 내에 존재하는 복수의 주요 지점들 중에서 출발지와 도착지로 구성된 적어도 하나의 주요 지점 쌍을 생성하는 주요 지점 쌍 결정 모듈 및 적어도 하나의 주요 지점 쌍에 대해 최적 가상경로를 생성하는 경로 생성 모듈을 포함할 수 있다. 최적 가상경로 생성부(330)는 경로 생성 모듈을 통해 학습 모듈에 의해 생성된 최적 가상경로 생성 모델을 이용하여 적어도 하나의 주요 지점 쌍에 대한 최적 가상경로를 생성할 수 있다. 또한, 최적 가상경로 생성부(330)는 주요 지점 쌍 결정 모듈을 통해 해당 특정 지역 내에서 자율주행을 위한 주요 지점들을 특정하여 가상경로를 생성할 수 있다.In one embodiment, the optimal virtual path generation unit 330 is a learning module for generating an optimal virtual path generation model by learning a driving situation, at least one major consisting of a starting point and an arrival point among a plurality of main points existing in a specific area. It may include a main point pair determination module for generating a point pair and a path generation module for generating an optimal virtual path for at least one key point pair. The optimal virtual path generation unit 330 may generate an optimal virtual path for at least one major point pair by using the optimal virtual path generation model generated by the learning module through the path generation module. In addition, the optimal virtual path generation unit 330 may generate the virtual path by specifying the major points for autonomous driving in the specific region through the main point pair determination module.

자율주행 규칙 생성부(350)는 복수의 자율주행 장치(170)들이 적어도 하나의 최적 가상경로를 특정 시간 간격 미만으로 연속하여 자율주행하기 위한 자율주행 규칙을 생성할 수 있다. 즉, 자율주행 규칙은 특정 지역 내에서 복수의 자율주행 장치(170)가 자율주행하는 과정에서 지켜야 하는 운행 조건을 포함할 수 있다. 예를 들어, 자율주행 규칙은 자율주행을 위한 이동 경로, 출발 시간 및 도착 시간, 주행 대상에 관한 정보를 포함하여 생성될 수 있고, 주행 대상은 자율주행의 대상이 되는 자율주행 장치(170)의 종류를 지정하여 범위를 제공하거나 또는 자율주행 장치(170)의 식별자를 지정하여 대상을 구체적으로 특정할 수 있다.The autonomous driving rule generator 350 may generate an autonomous driving rule for the plurality of autonomous driving devices 170 to autonomously drive at least one optimal virtual path less than a specific time interval. That is, the autonomous driving rule may include a driving condition that must be observed in the process of autonomous driving of the plurality of autonomous driving devices 170 in a specific region. For example, the autonomous driving rule may be generated including information about a moving route, a departure time and an arrival time, and a driving target for the autonomous driving, and the driving target may include the autonomous driving apparatus 170 that is an autonomous driving target. An object may be specifically specified by specifying a type to provide a range or specifying an identifier of the autonomous driving device 170.

보다 구체적으로, 자율주행 규칙 생성부(350)는 최적 가상경로 생성부(330)에 의해 생성된 적어도 하나의 최적 가상경로에 대해 해당 최적 가상경로를 일정한 시간 간격으로 반복하여 자율주행하기 위한 적정 수의 자율주행 장치(170)들의 배치에 관한 정보를 자율주행 규칙으로서 생성할 수 있다. 가상 자율주행 교통 장치(130)는 자율주행 규칙 생성부(350)에 의해 생성된 자율주행 규칙을 복수의 자율주행 장치(170)들에게 전송할 수 있고, 각 자율주행 장치(170)는 자율주행 규칙에 따라 자율주행을 수행할 수 있다.More specifically, the autonomous driving rule generator 350 is an appropriate number for autonomous driving by repeating the optimal virtual path at a predetermined time interval with respect to the at least one optimal virtual path generated by the optimal virtual path generation unit 330. Information about the arrangement of the autonomous driving devices 170 may be generated as an autonomous driving rule. The virtual autonomous driving traffic device 130 may transmit the autonomous driving rules generated by the autonomous driving rule generator 350 to the plurality of autonomous driving devices 170, and each autonomous driving device 170 may drive the autonomous driving rules. You can carry out autonomous driving.

일 실시예에서, 자율주행 규칙 생성부(350)는 자율주행 장치(170)의 종류, 종류별 자율주행 장치(170)의 개수와 주행 시간 간격을 자율주행 규칙으로서 생성할 수 있다. 자율주행 규칙 생성부(350)는 자율주행 규칙 생성을 통해 자율주행 대상이 되는 자율주행 장치(170)의 종류를 결정할 수 있고, 각 종류별 개수를 결정할 수 있다. 또한, 자율주행 규칙 생성부(350)는 자율주행 규칙 생성을 통해 각 최적 가상경로별 주행 시간 간격을 결정할 수 있다.In one embodiment, the autonomous driving rule generator 350 may generate the type of the autonomous driving device 170, the number of the autonomous driving devices 170 for each type, and the driving time interval as the autonomous driving rule. The autonomous driving rule generator 350 may determine the type of the autonomous driving apparatus 170 that is an autonomous driving target through the generation of the autonomous driving rule, and determine the number of each type. In addition, the autonomous driving rule generator 350 may determine the driving time interval for each optimal virtual path through the generation of the autonomous driving rule.

일 실시예에서, 자율주행 규칙 생성부(350)는 자율주행 장치(170)의 종류, 최적 가상경로 및 주행 거리 각각에 따른 과금 정책을 더 포함하여 자율주행 규칙을 생성할 수 있다. 과금 정책은 자율주행 장치(170)의 자율주행을 통해 교통 서비스를 제공하는 경우 해당 서비스를 이용한 고객에게 보상으로서 요구할 수 있는 금전적 가치에 관한 기준에 해당할 수 있다. 가상 자율주행 교통 장치(130)는 특정 지역 내에서의 운행 상황에 관한 빅데이터 분석을 통해 해당 지역 내에서의 교통 서비스 제공을 위한 정책 설계를 효과적으로 지원할 수 있다. 즉, 가상 자율주행 교통 장치(130)는 자율주행 부분에 있어서 최적의 가상경로와 과금 체계를 인공지능 학습을 통해 도출함으로써 다양한 교통수단을 TaaS로 활용하는데 효과적인 방법을 제공할 수 있다.In one embodiment, the autonomous driving rule generator 350 may further generate a self-driving rule by further including a charging policy according to the type of the autonomous driving device 170, the optimum virtual path, and the driving distance. The charging policy may correspond to a criterion about monetary value that can be requested as a reward to a customer using the service when providing a transportation service through autonomous driving of the autonomous driving device 170. The virtual autonomous traffic device 130 may effectively support a policy design for providing a traffic service in a corresponding region through big data analysis of a driving situation in a specific region. That is, the virtual autonomous traffic device 130 may provide an effective method for utilizing various means of transportation as TaaS by deriving an optimal virtual path and a charging system through artificial intelligence learning in the autonomous driving part.

일 실시예에서, 자율주행 규칙 생성부(350)는 적어도 하나의 최적 가상경로 사이에 중첩 구간이 존재하고 해당 중첩 구간을 자율주행하는 자율주행 장치(170)의 종류가 복수인 경우 각 종류 별로 주행 시간을 순차적으로 할당하여 자율주행 규칙으로서 생성할 수 있다. 자율주행 규칙 생성부(350)는 최적 가상경로 생성부(330)에 의해 생성된 복수의 최적 가상경로들 중에서 중첩 구간이 존재하는 경우 서로 다른 종류의 자율주행 장치(130) 간의 주행이 중복되지 않도록 각 종류별로 주행 시간을 순차적으로 할당할 수 있다.According to an embodiment, the autonomous driving rule generator 350 runs by each type when there are a plurality of types of autonomous driving devices 170 that autonomously run the overlapping sections and at least one optimal virtual path exists. The time can be assigned sequentially to generate as an autonomous driving rule. The autonomous driving rule generator 350 does not overlap driving between different types of autonomous driving devices 130 when there is an overlapping section among the plurality of optimal virtual paths generated by the optimal virtual path generation unit 330. The driving time can be sequentially assigned to each type.

일 실시예에서, 자율주행 규칙 생성부(350)는 적어도 하나의 최적 가상경로 사이에 중첩 구간이 존재하고 해당 중첩 구간을 자율주행하는 자율주행 장치(170)의 종류가 복수인 경우 자율주행 장치(170)의 운행 능력이 큰 순서에 따라 주행 시간을 순차적으로 할당하여 자율주행 규칙으로서 생성할 수 있다. 운행 능력이란 자율주행 장치(170)가 고객 또는 물건을 동시에 운송할 수 있는 능력으로서 동시 수송 가능한 총 고객 수 또는 물건의 총 무게로 표현될 수 있다. 예를 들어, 중첩 구간에 대해 자율주행 장치(170)로서 자전거와 자동차로 배치된 경우 자전거는 수송 가능한 고객 수가 2명, 자동차는 4명이므로 자율주행 규칙 생성부(350)는 자동차, 자전거 순으로 주행 시간을 순차적으로 할당할 수 있다.According to an embodiment, the autonomous driving rule generator 350 may include an autonomous driving apparatus when there are a plurality of types of autonomous driving apparatuses 170 that autonomously run the overlapping intervals between at least one optimal virtual path. The driving time of 170 may be sequentially generated in order of increasing driving ability, and thus generated as an autonomous driving rule. The driving capability is the ability of the autonomous driving device 170 to simultaneously transport a customer or an article, and may be expressed as the total number of customers or the total weight of the article. For example, when the bicycle is disposed as a bicycle and a car as the autonomous driving device 170 for the overlapping section, the number of customers who can transport the bicycle is 4 and the vehicle is 4, so the autonomous driving rule generator 350 is in the order of the car and the bicycle. Travel time can be assigned sequentially.

일 실시예에서, 자율주행 규칙 생성부(350)는 적어도 하나의 최적 가상경로에 대해 자율주행 간격을 결정하는 간격 결정 모듈, 자율주행 간격에 따라 적어도 하나의 최적 가상경로에 대한 운행 횟수를 결정하는 횟수 결정 모듈 및 자율주행 간격과 운행 횟수를 기초로 적어도 하나의 최적 가상경로에 대한 자율주행 규칙을 생성하는 규칙 생성 모듈을 포함할 수 있다. 간격 결정 모듈은 가상경로의 길이 및 통과하는 주요 지점의 개수를 기초로 자율주행 간격을 결정할 수 있다. In one embodiment, the autonomous driving rule generator 350 is an interval determining module for determining an autonomous driving interval for at least one optimal virtual path, and determining the number of driving for the at least one optimal virtual path according to the autonomous driving interval. And a rule generation module for generating an autonomous driving rule for at least one optimal virtual path based on the number determination module and an autonomous driving interval and the number of driving. The interval determination module may determine the autonomous driving interval based on the length of the virtual path and the number of major points passing through.

또한, 횟수 결정 모듈은 자율주행 간격이 짧을수록 운행 횟수를 증가시킬 수 있다. 자율주행 규칙 생성부(350)는 규칙 생성 모듈을 통해 자율주행 간격과 운행 횟수를 기초로 최적 가상경로에 대한 자율주행 규칙을 생성할 수 있다. 이 경우 자율주행 규칙은 간격, 운행 횟수를 기본적으로 포함하며, 해당 조건을 기초로 자율주행 장치(170)의 종류, 운행 대수 등을 결정하여 자율주행 규칙을 생성할 수 있다. 다른 실시예에서, 자율주행 규칙 생성부(350)는 자율주행 장치의 종류, 최적 가상경로 및 주행 거리를 기초로 해당 최적 가상경로에 대한 과금 정책을 결정하는 정책 결정 모듈을 더 포함할 수 있다.In addition, the number determination module may increase the number of driving as the autonomous driving interval is shorter. The autonomous driving rule generator 350 may generate an autonomous driving rule for the optimal virtual path based on the autonomous driving interval and the number of driving through the rule generation module. In this case, the autonomous driving rule basically includes the interval and the number of driving. The autonomous driving rule may be generated by determining the type of the autonomous driving device 170 and the number of driving based on the conditions. In another embodiment, the autonomous driving rule generator 350 may further include a policy determination module that determines the charging policy for the optimal virtual path based on the type, the optimal virtual path, and the driving distance of the autonomous driving device.

제어부(370)는 가상 자율주행 교통 장치(130)의 전체적인 동작을 제어하고, 운행상황 수집부(310), 최적 가상경로 생성부(330) 및 자율주행 규칙 생성부(350) 간의 제어 흐름 또는 데이터 흐름을 관리할 수 있다.The control unit 370 controls the overall operation of the virtual autonomous driving traffic device 130, the control flow or data between the driving status collector 310, the optimal virtual path generation unit 330 and the autonomous driving rule generator 350 You can manage the flow.

도 4는 도 1에 있는 가상 자율주행 교통 장치에서 수행되는 가상 자율주행 교통 과정을 설명하는 순서도이다.FIG. 4 is a flowchart illustrating a virtual autonomous traffic process performed by the virtual autonomous traffic device of FIG. 1.

도 4를 참조하면, 가상 자율주행 교통 장치(130)는 운행상황 수집부(310)를 통해 특정 지역 내에서 운행되는 복수의 이동 장치(110)들로부터 운행상황을 수집할 수 있다(단계 S410). 가상 자율주행 교통 장치(130)는 최적 가상경로 생성부(330)를 통해 운행상황을 학습하여 특정 지역 내에 존재하는 복수의 주요 지점들 간의 이동에 관한 적어도 하나의 최적 가상경로를 생성할 수 있다(단계 S430). 가상 자율주행 교통 장치(130)는 자율주행 규칙 생성부(350)를 통해 복수의 자율주행 장치(170)들이 적어도 하나의 최적 가상경로를 특정 시간 간격 미만으로 연속하여 자율주행하기 위한 자율주행 규칙을 생성할 수 있다(단계 S450).Referring to FIG. 4, the virtual autonomous traffic device 130 may collect driving conditions from a plurality of mobile devices 110 that operate in a specific region through the driving situation collecting unit 310 (step S410). . The virtual autonomous traffic device 130 may generate at least one optimal virtual path regarding movement between a plurality of main points existing in a specific area by learning the driving situation through the optimal virtual path generation unit 330 ( Step S430). The virtual autonomous driving traffic device 130 generates an autonomous driving rule for autonomous driving of the plurality of autonomous driving devices 170 through the autonomous driving rule generator 350 in succession within a specific time interval. Can be generated (step S450).

상기에서는 본 발명의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.Although described above with reference to a preferred embodiment of the present invention, those skilled in the art will be variously modified and changed within the scope of the invention without departing from the spirit and scope of the invention described in the claims below I can understand that you can.

100: TaaS 기반의 가상 자율주행 교통 시스템
110: 이동 장치 130: 가상 자율주행 교통 장치
150: 데이터베이스 170: 자율주행 장치
210: 프로세서 230: 메모리
250: 사용자 입출력부 270: 네트워크 입출력부
310: 운행상황 수집부 330: 최적 가상경로 생성부
350: 자율주행 규칙 생성부 370: 제어부100: TaaS-based virtual autonomous traffic system
110: mobile device 130: virtual autonomous traffic device
150: database 170: self-driving device
210: Processor 230: Memory
250: user input / output unit 270: network input / output unit
310: operation status collection unit 330: optimal virtual path generation unit
350: autonomous driving rule generation unit 370: control unit

Claims (8)

특정 지역 내에서 운행되는 복수의 이동 장치들로부터 이동 장치의 종류, 이동 경로 및 이동 시간을 포함하는 운행상황을 수집하는 운행상황 수집부;
상기 운행상황을 학습하여 상기 특정 지역 내에 존재하는 복수의 주요 지점들 간의 이동에 관한 적어도 하나의 최적 가상경로를 생성하는 최적 가상경로 생성부; 및
복수의 자율주행 장치들이 상기 적어도 하나의 최적 가상경로를 특정 시간 간격 미만으로 연속하여 자율주행하기 위한 규칙으로서 자율주행 장치의 종류, 최적 가상경로 및 주행 거리 각각에 따른 과금 정책을 포함하는 자율주행 규칙을 생성하는 자율주행 규칙 생성부를 포함하되,
상기 운행상황 수집부는 상기 운행상황 중 이동 경로의 출발지와 도착지에 대해 상기 복수의 주요 지점들 중 가장 가까운 주요 지점으로 각각 대체하고,
상기 자율주행 규칙 생성부는
상기 적어도 하나의 최적 가상경로에 대해 자율주행 간격을 결정하는 간격 결정 모듈;
상기 자율주행 간격에 따라 상기 적어도 하나의 최적 가상경로에 대한 운행 횟수를 결정하는 횟수 결정 모듈;
상기 자율주행 간격과 상기 운행 횟수를 기초로 상기 적어도 하나의 최적 가상경로에 대한 자율주행 규칙을 생성하는 규칙 생성 모듈; 및
자율주행 장치의 종류, 최적 가상경로 및 주행 거리를 기초로 해당 최적 가상경로에 대한 과금 정책을 결정하는 정책 결정 모듈을 포함하면서,
상기 적어도 하나의 최적 가상경로 사이에 중첩 구간이 존재하고 해당 중첩 구간을 자율주행하는 자율주행 장치의 종류가 복수인 경우 각 종류 별로 주행 시간을 순차적으로 할당하거나 또는 자율주행 장치의 운행 능력이 큰 순서에 따라 주행 시간을 순차적으로 할당하여 상기 자율주행 규칙으로서 생성하는 것을 특징으로 하는 TaaS(Transportation as a Service) 기반의 가상 자율주행 교통 장치.
A driving situation collecting unit for collecting a driving situation including a type, a moving path, and a moving time of the moving device from a plurality of mobile devices operating in a specific region;
An optimal virtual path generation unit learning the driving situation and generating at least one optimal virtual path regarding movement between a plurality of main points existing in the specific area; And
A rule for autonomous driving of the at least one optimal virtual path continuously by a plurality of autonomous driving devices below a specific time interval, and the autonomous driving rule including a charging policy according to the type of the autonomous driving device, the optimum virtual path and the driving distance, respectively. Including an autonomous driving rule generator for generating a,
The driving situation collecting unit replaces each of the main points closest to the starting point and the arrival point of the movement route in the driving situation, respectively,
The autonomous driving rule generation unit
An interval determination module for determining an autonomous driving interval for the at least one optimal virtual path;
A number determining module for determining a number of driving of the at least one optimal virtual path according to the autonomous driving interval;
A rule generation module for generating an autonomous driving rule for the at least one optimal virtual path based on the autonomous driving interval and the number of driving; And
Including a policy determination module that determines the charging policy for the optimal virtual path based on the type of self-driving device, the optimal virtual path and the mileage,
When there are overlapping sections between the at least one optimal virtual path and there are a plurality of types of autonomous driving devices that autonomously run the overlapping sections, the driving time is sequentially assigned to each type or the driving capability of the autonomous driving devices is large. According to the Taas (Transportation as a Service) based autonomous driving traffic device, characterized in that to sequentially allocate the driving time according to the autonomous driving rules.
삭제delete 제1항에 있어서, 상기 최적 가상경로 생성부는
상기 이동 장치의 종류에 관한 식별자, 상기 출발지 및 도착지와 각각 연관된 주요 지점의 위치좌표, 상기 이동 시간의 출발 및 도착 시각들을 속성으로서 포함하는 벡터(vector)를 학습 데이터로 사용하는 것을 특징으로 하는 TaaS 기반의 가상 자율주행 교통 장치.
The method of claim 1, wherein the optimal virtual path generation unit
TaaS, which uses, as an attribute, a vector including an identifier relating to the type of the mobile device, a position coordinate of a main point respectively associated with the origin and destination, and departure and arrival times of the movement time as attributes. Based virtual autonomous traffic device.
제1항에 있어서, 상기 최적 가상경로 생성부는
상기 학습의 결과로서 생성된 최적 가상경로 생성 모델을 통해 상기 복수의 주요 지점들 간의 이동 시간 및 이동 거리 중 어느 하나가 최소인 경로를 상기 적어도 하나의 최적 가상경로로서 생성하는 것을 특징으로 하는 TaaS 기반의 가상 자율주행 교통 장치.
The method of claim 1, wherein the optimal virtual path generation unit
TaaS-based path generation method comprising: generating, as the at least one optimal virtual path, a path having one of the minimum travel time and the distance between the plurality of main points through the optimal virtual path generation model generated as a result of the learning; Virtual autonomous transportation device.
제1항에 있어서, 상기 자율주행 규칙 생성부는
자율주행 장치의 종류, 종류별 자율주행 장치의 개수와 주행 시간 간격을 상기 자율주행 규칙으로서 생성하는 것을 특징으로 하는 TaaS 기반의 가상 자율주행 교통 장치.
According to claim 1, wherein the autonomous driving rule generation unit
TaaS-based virtual autonomous traffic device, characterized in that for generating the type of self-driving device, the number of self-driving devices for each type and the driving time interval as the self-driving rules.
삭제delete 삭제delete 가상 자율주행 교통 장치에서 수행되는 가상 자율주행 교통 방법에 있어서,
특정 지역 내에서 운행되는 복수의 이동 장치들로부터 이동 장치의 종류, 이동 경로 및 이동 시간을 포함하는 운행상황을 수집하는 단계;
상기 운행상황을 학습하여 상기 특정 지역 내에 존재하는 복수의 주요 지점들 간의 이동에 관한 적어도 하나의 최적 가상경로를 생성하는 단계; 및
복수의 자율주행 장치들이 상기 적어도 하나의 최적 가상경로를 특정 시간 간격 미만으로 연속하여 자율주행하기 위한 규칙으로서 자율주행 장치의 종류, 최적 가상경로 및 주행 거리 각각에 따른 과금 정책을 포함하는 자율주행 규칙을 생성하는 단계를 포함하되,
상기 운행상황을 수집하는 단계는 상기 운행상황 중 이동 경로의 출발지와 도착지에 대해 상기 복수의 주요 지점들 중 가장 가까운 주요 지점으로 각각 대체하는 단계를 포함하고,
상기 자율주행 규칙을 생성하는 단계는
상기 적어도 하나의 최적 가상경로에 대해 자율주행 간격을 결정하는 단계;
상기 자율주행 간격에 따라 상기 적어도 하나의 최적 가상경로에 대한 운행 횟수를 결정하는 단계;
상기 자율주행 간격과 상기 운행 횟수를 기초로 상기 적어도 하나의 최적 가상경로에 대한 자율주행 규칙을 생성하는 단계; 및
자율주행 장치의 종류, 최적 가상경로 및 주행 거리를 기초로 해당 최적 가상경로에 대한 과금 정책을 결정하는 단계를 포함하면서,
상기 적어도 하나의 최적 가상경로 사이에 중첩 구간이 존재하고 해당 중첩 구간을 자율주행하는 자율주행 장치의 종류가 복수인 경우 각 종류 별로 주행 시간을 순차적으로 할당하거나 또는 자율주행 장치의 운행 능력이 큰 순서에 따라 주행 시간을 순차적으로 할당하여 상기 자율주행 규칙으로서 생성하는 단계를 포함하는 것을 특징으로 하는 TaaS 기반의 가상 자율주행 교통 방법.

In the virtual autonomous traffic method performed in the virtual autonomous traffic device,
Collecting a driving situation including a type, a moving path, and a traveling time of the mobile device from a plurality of mobile devices operating in a specific area;
Learning at least one driving situation to generate at least one optimal virtual route relating to movement between a plurality of main points existing in the specific area; And
A rule for autonomous driving of the at least one optimal virtual path continuously by a plurality of autonomous driving devices below a specific time interval, and the autonomous driving rule including a charging policy according to the type of the autonomous driving device, the optimum virtual path and the driving distance, respectively. Including generating steps,
The collecting of the driving situation may include replacing each of the plurality of main points with the closest major point with respect to a starting point and an arrival point of the moving path in the driving condition.
Creating the autonomous driving rule
Determining an autonomous driving interval for the at least one optimal virtual path;
Determining a driving number of the at least one optimal virtual path according to the autonomous driving interval;
Generating an autonomous driving rule for the at least one optimal virtual path based on the autonomous driving interval and the number of driving; And
Determining a charging policy for the optimal virtual path based on the type of self-driving device, the optimal virtual path and the mileage,
When there are overlapping sections between the at least one optimal virtual path and there are a plurality of types of autonomous driving devices that autonomously run the overlapping sections, the driving time is sequentially assigned to each type or the driving capability of the autonomous driving devices is large. And sequentially generating a driving time according to the TaaS-based virtual autonomous traffic method.

KR1020190007857A 2019-01-22 2019-01-22 Taas-based virtual autonomous driving transportation apparatus and method KR102033509B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190007857A KR102033509B1 (en) 2019-01-22 2019-01-22 Taas-based virtual autonomous driving transportation apparatus and method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190007857A KR102033509B1 (en) 2019-01-22 2019-01-22 Taas-based virtual autonomous driving transportation apparatus and method

Publications (1)

Publication Number Publication Date
KR102033509B1 true KR102033509B1 (en) 2019-10-17

Family

ID=68424285

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190007857A KR102033509B1 (en) 2019-01-22 2019-01-22 Taas-based virtual autonomous driving transportation apparatus and method

Country Status (1)

Country Link
KR (1) KR102033509B1 (en)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113031629A (en) * 2021-05-27 2021-06-25 德阳恒博秸油科技有限公司 Intelligent conveying terminal for catering industry and working method thereof
KR20230081116A (en) * 2021-11-30 2023-06-07 서울대학교산학협력단 Remote autonomous driving test apparatus, method, and computer-readable recording medium storing the same

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014191578A (en) * 2013-03-27 2014-10-06 Japan Research Institute Ltd Autonomous distribution type traffic information service system
KR20160132789A (en) 2016-10-31 2016-11-21 도영민 Social Autonomous Driving Apparatus

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014191578A (en) * 2013-03-27 2014-10-06 Japan Research Institute Ltd Autonomous distribution type traffic information service system
KR20160132789A (en) 2016-10-31 2016-11-21 도영민 Social Autonomous Driving Apparatus

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113031629A (en) * 2021-05-27 2021-06-25 德阳恒博秸油科技有限公司 Intelligent conveying terminal for catering industry and working method thereof
CN113031629B (en) * 2021-05-27 2022-11-04 德阳恒博秸油科技有限公司 Intelligent conveying terminal for catering industry and working method thereof
KR20230081116A (en) * 2021-11-30 2023-06-07 서울대학교산학협력단 Remote autonomous driving test apparatus, method, and computer-readable recording medium storing the same
KR102634664B1 (en) * 2021-11-30 2024-02-07 서울대학교산학협력단 Remote autonomous driving test apparatus, method, and computer-readable recording medium storing the same

Similar Documents

Publication Publication Date Title
Ma et al. Distribution path robust optimization of electric vehicle with multiple distribution centers
Zhang et al. Models, algorithms, and evaluation for autonomous mobility-on-demand systems
Kim et al. City vehicle routing problem (city VRP): A review
US9584977B2 (en) Management of moving objects
US8538686B2 (en) Transport-dependent prediction of destinations
JP7023299B2 (en) How to manage mobile objects, systems, computer programs, and their recording media
Chandra Shit Crowd intelligence for sustainable futuristic intelligent transportation system: a review
US11835345B2 (en) Transportation vehicle routing
US10594806B2 (en) Management of mobile objects and resources
US11938969B2 (en) Intelligent dynamic parking for autonomous vehicles
Mahmoudi et al. A cumulative service state representation for the pickup and delivery problem with transfers
KR102033509B1 (en) Taas-based virtual autonomous driving transportation apparatus and method
KR102026913B1 (en) Method and system for selecting a stop for traffic demand service
CN115079701A (en) Unmanned vehicle and unmanned aerial vehicle cooperative path planning method
Zhang et al. Design of limited-stop service based on the degree of unbalance of passenger demand
Ketabi et al. Playing with matches: vehicular mobility through analysis of trip similarity and matching
Yu et al. Optimal routing of multimodal mobility systems with ride‐sharing
KR20180013116A (en) Method and system for processing an order for traffic demand service
Alam et al. Co-optimization of charging scheduling and platooning for long-haul electric freight vehicles
Deng et al. Communication‐based predictive energy management strategy for a hybrid powertrain
Tyagi et al. Fog and Edge Computing in Navigation of Intelligent Transportation System
US20220394557A1 (en) Method, apparatus, and system for enabling remote use of a vehicle's computational resources via network connection(s)
Liu et al. Learning to route via theory-guided residual network
Hsieh et al. A decision framework to recommend cruising locations for taxi drivers under the constraint of booking information
Zang et al. Towards predicting vehicular data consumption

Legal Events

Date Code Title Description
GRNT Written decision to grant