KR102057453B1 - 운전습관을 반영한 차량의 가감속 제어 장치 및 방법 - Google Patents

운전습관을 반영한 차량의 가감속 제어 장치 및 방법 Download PDF

Info

Publication number
KR102057453B1
KR102057453B1 KR1020180078546A KR20180078546A KR102057453B1 KR 102057453 B1 KR102057453 B1 KR 102057453B1 KR 1020180078546 A KR1020180078546 A KR 1020180078546A KR 20180078546 A KR20180078546 A KR 20180078546A KR 102057453 B1 KR102057453 B1 KR 102057453B1
Authority
KR
South Korea
Prior art keywords
vehicle
driving
acceleration
deceleration
driver
Prior art date
Application number
KR1020180078546A
Other languages
English (en)
Inventor
신동인
김영욱
Original Assignee
전자부품연구원
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 전자부품연구원 filed Critical 전자부품연구원
Priority to KR1020180078546A priority Critical patent/KR102057453B1/ko
Application granted granted Critical
Publication of KR102057453B1 publication Critical patent/KR102057453B1/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
    • B60W40/09—Driving style or behaviour
    • 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
    • B60W10/00—Conjoint control of vehicle sub-units of different type or different function
    • B60W10/04—Conjoint control of vehicle sub-units of different type or different function including control of propulsion units
    • 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
    • B60W40/02—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 ambient conditions
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • B60W2540/18—Steering angle
    • 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
    • B60W2540/30—Driving style
    • B60W2550/12—
    • 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
    • B60W2555/00—Input parameters relating to exterior conditions, not covered by groups B60W2552/00, B60W2554/00
    • B60W2555/20—Ambient conditions, e.g. wind or rain

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Mechanical Engineering (AREA)
  • Transportation (AREA)
  • Automation & Control Theory (AREA)
  • Combustion & Propulsion (AREA)
  • Chemical & Material Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Biophysics (AREA)
  • Software Systems (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)

Abstract

본 발명은 운전자의 운전습관을 반영하여 차량의 가감속을 제어하는 운전습관을 반영한 차량의 가감속 제어 장치 및 방법에 관한 것이다. 본 발명에 따른 운전습관을 반영한 차량의 가감속 제어 장치는 센서부와 제어부를 포함한다. 센서부는 차량에 설치되며, 운행 중인 차량의 운전환경과 운전자의 운전패턴에 대한 정보를 수집한다. 제어부는 센서부에서 수집한 정보를 통하여 차량의 운전환경과 운전자의 운전패턴을 인식하여 운전자의 운전습관을 학습하다. 제어부는 학습한 운전습관을 반영하여 현재 운행 중인 차량의 운전환경에 대응되는 목표 가감속 값을 도출한다. 그리고 제어부는 도출한 목표 가감속 값으로 차량의 가감속을 제어한다.

Description

운전습관을 반영한 차량의 가감속 제어 장치 및 방법{Acceleration and deceleration device and method of vehicle based on driving habits}
본 발명은 차량의 지능형 운전자 보조 기술에 관한 것으로, 더욱 상세하게는 운전자의 운전습관을 반영하여 차량의 가감속을 제어하는 운전습관을 반영한 차량의 가감속 제어 장치 및 방법에 관한 것이다.
차량 운전자의 편의 및 안전을 위해 자동 제어를 통해 운전자의 운전을 지원하는 지능형 운전자 보조 시스템(ADAS: Advanced Driver Assistance System)에 대한 연구 및 개발이 활발히 진행되고 있다. ADAS는 궁극적으로 자율 주행으로 발전해가는 과정이라 할 수 있다.
ADAS 중 차량의 가감속 제어와 관련하여 SCC(Smart Cruse Control), LKA(Lane Keep Assist), AEB(Autonomous Emergency Breaking) 등이 있다.
이러한 지능적인 차량의 가감속 제어를 위해서 차량에는 각종 센서, 예컨대 카메라, 초음파 센서, 라이다(LiDAR) 등이 설치된다. 이러한 센서들로부터 수집한 정보를 기반으로 차량의 가감속을 지능적으로 제어한다.
하지만 기존의 차량의 가감속 제어는 해당 차량의 제조사에서 제공하는 설정된 조건에 따라서 진행된다. 예컨대 기존의 SCC 시스템의 경우, 운전자는 SCC의 응답성을 "느리게, 보통, 빠르게" 중에 하나로 설정할 수 있다. 이러한 3가지 응답성은 평균적인 운전자의 운전습관을 기반으로 한 모델링을 통하여 설정된다.
등록특허공보 제10-1272570호 (2013.06.03. 등록)
이로 인해 실제 운전자의 운전습관이 차량의 가감속 제어에 반영된 평균적인 운전자의 운전습관과 차이가 클수록, 차량의 가감속 제어가 운전자에게 이질감을 줄 수 있다.
예컨대 연비 운전 성향을 가진 운전자의 경우, SCC의 상태를 '느리게'로 설정하여도 앞 차량의 가속으로 인하여 차량의 가속에 따른 연비가 감소되는 문제가 발생할 수 있다.
더욱이 SCC의 상태에서, 차량 앞으로 다른 차량이 끼어들거나, 전방 차량이 차선을 변경하거나, 신호등의 교통신호에 따라 정지를 해야 하는 경우, 급가속 하거나 급감속을 하기 때문에, 운전자에게 SCC에 대한 거부감 및 불안감을 줄 수 있다.
그리고 기존의 차량의 가감속 제어는 다양한 주행 환경(예컨대 고속도로, 국도, 시내도로, 터널 등)과 운전 상황(예컨대 측면으로 끼어드는 차량 등)에 대하여 대응하기 어렵다.
따라서 본 발명의 목적은 운전자의 운전습관을 반영하여 차량의 가감속을 제어하여 운전자에게 가감속 제어에 따른 이질감을 줄이면서 안정감을 줄 있는 운전습관을 반영한 차량의 가감속 제어 장치 및 방법을 제공하는 데 있다.
상기 목적을 달성하기 위하여, 본 발명은 차량에 설치되며, 운행 중인 차량의 운전환경과 운전자의 운전패턴에 대한 정보를 수집하는 센서부; 및 상기 센서부에서 수집한 정보를 통하여 차량의 운전환경과 운전자의 운전패턴을 인식하여 운전자의 운전습관을 학습하고, 학습한 운전습관을 반영하여 현재 운행 중인 차량의 운전환경에 대응되는 목표 가감속 값을 도출하고, 도출한 목표 가감속 값으로 차량의 가감속을 제어하는 제어부;를 포함하는 운전습관을 반영한 차량의 가감속 제어 장치를 제공한다.
상기 제어부는 생성적 적대 신경망(Generative Adversarial Network; GAN)을 이용하여 운전자의 운전습관을 학습하여 목표 가감속 값을 도출할 수 있다.
상기 제어부는, 상기 센서부에서 수집한 정보를 통하여 차량의 운전환경과 운전자의 운전패턴을 인식하여 거짓(fake) 가감속 값을 생성하도록 학습하고 생성자; 및 상기 거짓 가감속 값이 현재 중인 차량의 실제 가감속 값인지를 판별하도록 학습하는 판별자;를 포함한다.
상기 생성자와 상기 판별자는 반복적인 학습을 통해서 실제 가감속 값을 모사하는 거짓 가감속 값을 상기 목표 가감속 값으로 도출할 수 있다.
상기 센서부는, 운행 중인 차량의 운전환경에 대한 정보를 수집하는 운전환경정보 수집부; 및 운전자의 운전패턴에 대한 정보를 수집하는 운전패턴정보 수집부;를 포함한다.
상기 운전환경정보 수집부는, 전방 차량의 위치, 거리 및 속도를 측정하는 전방 차량 모듈; 측면 차량의 위치, 거리 및 끼어드는 지의 여부를 측정하는 측면 차량 모듈; 및 차량이 주행 중인 도로를 포함하는 주행 환경을 감지하는 주행 환경 모듈;을 포함할 수 있다.
상기 운전패턴정보 수집부는, 차량의 엑셀링 패턴, 브레이킹 패턴 및 스티어링 조향각에 대한 정보를 수집할 수 있다.
본 발명에 따른 운전습관을 반영한 차량의 가감속 제어 장치는, 시뮬레이터를 이용한 가상의 운전환경과 운전패턴에 대한 시뮬레이션 데이터를 제공하는 저장부;를 더 포함할 수 있다.
상기 제어부는 상기 시뮬레이션 데이터를 더하여 운전자의 운전습관을 학습하여 목표 가감속 값을 도출할 수 있다.
상기 시뮬레이션 데이터의 운전환경은 눈, 안개, 비 오는 날씨 또는 차량 앞으로 객체가 끼어드는 비정상 운전환경을 포함할 수 있다.
상기 제어부는 생성적 적대 신경망(GAN) 연계 R-FCN(Region-based Fully Convolutional Networks) 기술을 기반으로 전방 또는 측면 차량을 식별하여 위치를 검출할 수 있다.
상기 제어부는 생성적 적대 신경망(GAN)을 이용하여 상기 센서부에서 수집한 전방 또는 측면 차량의 일부 영상을 통해 전체 영상을 생성하도록 학습한다. 그리고 상기 제어부는 R-FCN을 이용하여 학습한 전체 영상과 수집한 전방 또는 측면 차량의 일부 영상을 통하여 전방 또는 측면 차량의 위치를 검출한다.
그리고 본 발명은 제어부가 차량에 설치된 센서부를 통하여 운행 중인 차량의 운전환경과 운전자의 운전패턴에 대한 정보를 수집하는 단계; 상기 제어부가 상기 센서부에서 수집한 정보를 통하여 차량의 운전환경과 운전자의 운전패턴을 인식하여 운전자의 운전습관을 학습하는 단계; 상기 제어부가 학습한 운전습관을 반영하여 현재 운행 중인 차량의 운전환경에 대응되는 목표 가감속 값을 도출하는 단계; 및 상기 제어부가 도출한 목표 가감속 값으로 차량의 가감속을 제어하는 단계;를 포함하는 운전습관을 반영한 차량의 가감속 제어 방법을 제공한다.
본 발명에 따른 차량의 가감속 제어 장치는 가감속의 응답성 설정을 3단계(느리게, 보통, 빠르게)가 아닌, 운전자별 운전습관을 반영하여 설정하기 때문에, 차량의 가감속 제어에 따른 주행 이질감을 줄일 수 있다.
본 발명에 따른 차량의 가감속 제어 장치는 다양한 주행 환경과 운행 상황에 따른 운전자의 악셀링 패턴, 브레이크 사용의 패턴을 학습함으로써, 다양한 주행 환경과 운전 상황에 대응할 수 있다.
그리고 본 발명에 따른 차량이 가감속 제어 장치는 운전자의 운전습관에 맞는 가감속 제어가 가능하기 때문에, 연비 운전 성향을 가진 운전자의 경우, 지능적인 차량의 가감속을 수행하더라도 고연비 운전이 가능하다.
도 1은 본 발명의 실시예에 따른 운전습관을 반영한 차량의 가감속 제어 장치의 구성을 보여주는 블록도이다.
도 2는 도 1의 센서부의 세부 구성을 보여주는 블록도이다.
도 3은 도 1의 제어부의 세부 구성을 보여주는 블록도이다.
도 4는 도 3의 제어부의 기능을 설명하기 위한 도면이다.
도 5는 도 1의 표시부에 표시되는 차량의 SCC 응답성 설정 화면을 보여주는 예시도이다.
도 6은 본 발명의 실시예에 따른 운전습관을 반영한 차량의 가감속 제어 방법에 따른 흐름도이다.
하기의 설명에서는 본 발명의 실시예를 이해하는데 필요한 부분만이 설명되며, 그 이외 부분의 설명은 본 발명의 요지를 흩트리지 않는 범위에서 생략될 것이라는 것을 유의하여야 한다.
이하에서 설명되는 본 명세서 및 청구범위에 사용된 용어나 단어는 통상적이거나 사전적인 의미로 한정해서 해석되어서는 아니 되며, 발명자는 그 자신의 발명을 가장 최선의 방법으로 설명하기 위해 용어의 개념으로 적절하게 정의할 수 있다는 원칙에 입각하여 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야만 한다. 따라서 본 명세서에 기재된 실시예와 도면에 도시된 구성은 본 발명의 바람직한 실시예에 불과할 뿐이고, 본 발명의 기술적 사상을 모두 대변하는 것은 아니므로, 본 출원시점에 있어서 이들을 대체할 수 있는 다양한 균등물과 변형예들이 있을 수 있음을 이해하여야 한다.
이하, 첨부된 도면을 참조하여 본 발명의 실시예를 보다 상세하게 설명하고자 한다.
도 1은 본 발명의 실시예에 따른 운전습관을 반영한 차량의 가감속 제어 장치의 구성을 보여주는 블록도이다. 도 2는 도 1의 센서부의 세부 구성을 보여주는 블록도이다. 도 3은 도 1의 제어부의 세부 구성을 보여주는 블록도이다. 도 4는 도 3의 제어부의 기능을 설명하기 위한 도면이다. 그리고 도 5는 도 1의 표시부에 표시되는 차량의 SCC 응답성 설정 화면을 보여주는 예시도이다.
도 1 내지 도 5를 참조하면, 본 실시예에 따른 운전습관을 반영한 차량의 가감속 제어 장치(100)(이하 '차량의 가감속 제어 장치'라 함)는 운전자의 운전습관을 반영하여 차량의 가감속을 제어하는 장치로서, 센서부(10)와 제어부(90)를 포함한다. 센서부(10)는 차량에 설치되며, 운행 중인 차량의 운전환경과 운전자의 운전패턴에 대한 정보를 수집한다. 제어부(90)는 센서부(10)에서 수집한 정보를 통하여 차량의 운전환경과 운전자의 운전패턴을 인식하여 운전자의 운전습관을 학습하다. 제어부(90)는 학습한 운전습관을 반영하여 현재 운행 중인 차량의 운전환경에 대응되는 목표 가감속 값을 도출한다. 그리고 제어부(90)는 도출한 목표 가감속 값으로 차량의 가감속을 제어한다.
여기서 센서부(10)는 운행 중인 차량의 운전환경에 대한 정보를 수집하는 운전환경정보 수집부(20)와, 운전자의 운전패턴에 대한 정보를 수집하는 운전패턴정보 수집부(30)를 포함한다.
운전환경정보 수집부(20)는 전방 차량 모듈(21), 측면 차량 모듈(23) 및 주행 환경 모듈(25)을 포함한다. 전방 차량 모듈(21)은 전방 차량의 위치, 거리 및 속도를 측정한다. 측면 차량 모듈(23)은 측면 차량의 위치, 거리 및 끼어드는 지의 여부를 측정한다. 그리고 주행 환경 모듈(25)은 차량이 주행 중인 도로를 포함하는 주행 환경을 감지한다.
여기서 전방 차량 모듈(21)은 차량의 전방에 위치하는 전방 차량에 대한 정보를 수집하는 센서를 포함한다. 전방 차량 모듈(21)에 포함되는 센서로는 카메라, 초음파 센서 또는 라이다(LiDAR)를 포함할 수 있다. 전방 차량 모듈(21)은 차량의 전방에 위치하는 전방 차량의 가감속 여부를 감지한다.
측면 차량 모듈(23)은 차량의 측면에 위치하는 측면 차량에 대한 정보를 수집하는 센서를 포함한다. 측면 차량 모듈(23)에 포함되는 센서로는 카메라 또는 초음파 센서가 사용될 수 있다. 측면 차량 모듈(23)은 차량의 측면에 위치하는 측면 차량이 차량의 전방 또는 후방으로 끼어드는 지의 여부를 감지한다.
그리고 주행 환경 모듈(25)은 차량의 전방, 측면, 후방에 설치된 카메라, 초음파 센서 또는 라이다를 통하여 차량이 주행 중인 도로를 포함하는 주행 환경을 감지한다. 예컨대 주행 환경 모듈(25)은 차량이 주행 중인 도로가 고속도로, 국도, 시내도로, 터널 인지의 여부를 감지한다.
한편 본 실시예에 따른 운전환경정보 수집부(20)는 전방 차량 정보 및 측면 차량 정보를 수집하는 예를 개시하였지만 이것에 한정되는 것은 아니다. 예컨대 운전환경정보 수집부(20)는 후방 차량 정보를 수집하는 추방 차량 모듈을 더 포함할 수 있다. 후방 차량 모듈에 포함되는 센서로는 카메라, 초음파 센서 또는 라이다(LiDAR)를 포함할 수 있다.
운전패턴정보 수집부(30)는 실제 차량의 운전에 따른 운전패턴정보를 수집한다. 이때 운전패턴정보는 차량의 엑셀링 패턴, 브레이킹 패턴 및 스티어링 조향각에 대한 정보를 포함할 수 있다.
그리고 제어부(90)는 차량의 가감속 제어 장치(100)의 전반적인 제어 동작을 수행하는 마이크로프로세서(microprocessor)이다. 제어부(90)는 운전자의 운전습관을 반영하여 차량의 가감속을 제어한다. 차량의 가감속 값은 악셀링 값 및 브레이킹 값을 포함한다.
제어부(90)는 센서부(10)에서 수집한 정보를 통하여 차량의 운전환경과 운전자의 운전패턴을 인식하여 운전자의 운전습관을 학습한다. 이때 제어부(90)는 다음과 같은 학습 방식을 통하여 운전자의 운전습관을 반영하여 차량의 가감속을 제어할 수 있다.
제어부(90)는 생성적 적대 신경망(Generative Adversarial Network; GAN)을 이용하여 운전자의 운전습관을 학습하여 목표 가감속 값을 도출할 수 있다.
여기서 생성적 적대 신경망은 이름과 같이 두 신경망 모델의 경쟁을 통해 학습하고 결과물을 도출한다. 여기서 두 모델은 생성자(91; Generator)와 판별자(93; Discriminator; 또는 감별자)로 불리는데 상반된 목적을 갖고 있다. 생성자(91)는 실제 데이터를 학습하고 이를 바탕으로 거짓(fake) 데이터를 생성한다. 즉 생성자(91)는 실제에 가까운 거짓 데이터를 생성하는 게 목적이다. 판별자(93)는 생성자(91)가 생성한 거짓 데이터가 실제인지 거짓인지 판별하도록 학습한다. 판별자(93)는 생성자(91)의 거짓 데이터에 놀아나지 않는 게 목적이다.
이와 같이 생성자(91)는 판별자(93)를 속이지 못한 데이터를 입력받아 학습한다. 판별자(93)는 생성자(91)에게 속은 데이터를 입력받아 학습한다. 생성자(91)와 판별자(93)는 이러한 학습을 반복하면서 실제에 가까운 거짓 데이터를 생성하게 된다.
전술한 바와 같이 제어부(90)는 생성자(91)와 판별자(93)를 포함한다. 생성자(91)는 센서부(10)에서 수집한 정보를 통하여 차량의 운전환경과 운전자의 운전패턴을 인식하여 거짓(fake) 가감속 값을 생성하도록 학습한다. 판별자(93)는 거짓 가감속 값이 현재 중인 차량의 실제 가감속 값인지를 판별하도록 학습한다. 그리고 생성자(91)와 판별자(93)는 반복적인 학습을 통해서 실제 가감속 값을 모사하는 거짓 가감속 값을 목표 가감속 값으로 도출한다.
또한 제어부(90)는 생성적 적대 신경망(GAN) 연계 R-FCN(Region-based Fully Convolutional Networks) 기술을 기반으로 전방 또는 측면 차량을 식별하여 위치를 검출할 수 있다.
차량이 주행하는 도로 환경이 상하 굴곡이 있는 도로 또는 커브길인 경우, 센서부(10)에서 수집하는 차량의 전방 또는 측면 차량 영상은 전체 영상인 아닌 일부 영상이다. 따라서 제어부(90)는 센서부(10)에서 수집한 차량의 일부 영상으로부터 차량의 전체 영상을 생성하고, 생성한 전체 영상을 통하여 해당 차량을 식별하여 위치를 검출한다.
즉 제어부(90)는 생성적 적대 신경망(GAN)을 이용하여 센서부(10)에서 수집한 전방 또는 측면 차량의 일부 영상을 통해 전체 영상을 생성하도록 학습한다.
그리고 제어부(90)는 R-FCN을 이용하여 학습한 전체 영상과 수집한 전방 또는 측면 차량의 일부 영상을 통하여 전방 또는 측면 차량의 위치를 검출한다.
그 외 본 실시예에 따른 차량의 가감속 제어 장치(100)는 저장부(40), 입력부(50), 표시부(60)를 더 포함할 수 있다.
저장부(40)는 차량의 가감속 제어 장치(100)의 동작 제어시 필요한 프로그램과, 그 프로그램 수행 중에 발생되는 정보를 저장한다. 저장부(40)는 차량의 가감속 제어에 필요한 실행프로그램을 저장한다. 즉 실행프로그램은 센서부(10)에서 수집한 정보를 통하여 차량의 운전환경과 운전자의 운전패턴을 인식하여 운전자의 운전습관을 학습하고, 학습한 운전습관을 반영하여 현재 운행 중인 차량의 운전환경에 대응되는 목표 가감속 값을 도출하고, 도출한 목표 가감속 값으로 차량의 가감속의 제어를 수행한다. 저장부(40)는 센서부(10)에서 수집한 정보, 운전습관을 학습하기 위한 학습 기술(모델), 학습한 운전습관 등에 대한 정보를 저장할 수 있다.
저장부(40)는 시뮬레이터를 이용한 가상의 운전환경과 운전패턴에 대한 시뮬레이션 데이터를 제공할 수 있다. 이때 제어부(40)는 센서부(10)에서 수집한 정보에 시뮬레이션 데이터를 더하여 운전자의 운전습관을 학습하여 목표 가감속 값을 도출할 수 있다.
여기서 시뮬레이션 데이터는 대량의 운전 데이터와 비정상적 운전환경에 대한 운전 데이터를 포함한다. 비정상적 운전환경은 눈, 안개, 비 오는 날씨 또는 차량 앞으로 객체가 끼어드는 운전환경을 포함한다. 객체는 동물 또는 차량일 수 있다. 비정상적 운전환경은 운전자의 실제 운전 시 발생 빈도가 낮은 운전환경이지만 발생 시 사고 위험이 상대적으로 운전환경이다. 따라서 비정상적 운전환경은 시뮬레이션 데이터로 제공하여 운전자의 운전습관을 학습하도록 한다.
입력부(50)는 차량의 가감속 제어 장치(100)의 조작을 위한 키를 제공하며, 사용자의 키 선택에 따른 선택 신호를 발생하여 제어부(90)로 전달한다. 운전자는 입력부(50)를 통하여 차량의 가감속 제어 기능을 온/오프할 수 있다. 입력부(50)로는 버튼, 키패드, 회전 레버, 조이스틱, 터치패드와 같은 포인팅 장치, 터치스크린 등이 사용될 수 있다. 이러한 입력부는 차량의 스티어링 휠, AVN, 게기판 또는 차량 내부에 독립적으로 설치될 수 있다.
그리고 표시부(60)는 차량의 가감속 제어 장치(100)에서 실행되는 각종 기능 메뉴를 표시할 수 있다. 표시부(60)는 차량의 가감속 제어에 필요한 메뉴, 화면 또는 창을 표시할 수 있다. 표시부(60)는 제어부(90)의 제어에 따른 차량의 가감속 제어 기능의 온/오프 여부, 센서부(10)를 통하여 수집한 정보, 학습한 정보를 표시할 수 있다. 표시부(60)로는 LCD, LED, AMOLED 또는 터치스크린이 사용될 수 있다. 표시부(60)는 차량의 스티어링 휠, AVN, 게기판 또는 차량 내부에 독립적으로 설치될 수 있다.
표시부(60)는, 도 5에 도시된 바와 같이, SCC 응답성 설정 화면을 표시할 수 있다. 운전자는 SCC 응답성 설정 화면에서 SCC 응답성을 설정할 수 있다. 차량의 SCC 응답성 설정 화면은 차량의 제조사가 제공하는 제조사 세팅 메뉴(M)와, 본 실시예에 따른 차량의 가감속을 세팅하는 유저 세팅 메뉴(U)를 포함한다.
운전자는 제조사 세팅 메뉴(M)와 유저 세팅 메뉴(U) 중에서 하나를 선택하면, 제어부(90)는 SCC 기능을 온(ON)할 수 있다. 물론 제조사 세팅 메뉴(M)와 유저 세팅 메뉴(U)를 선택하지 않는 경우, 제어부(90)는 SCC 기능을 오프(OFF)시킨다.
제조사 세팅 메뉴(M)에는 SCC의 응답성 설정을 "느리게, 보통, 빠르게"의 3단계로 설정할 수 있다. 아울러 3단계의 가속과 감속을 선택적으로 설정할 수 있다.
유저 센팅 메뉴(U)에서는 My 패턴 및 My 패턴(리셋)을 설정할 수 있다. My 패턴을 온(ON)한 경우, 제어부(90)는 본 실시예에 따른 학습에 따른 차량의 가감속 제어를 수행한다.
한편 My 패턴이 오프(OFF)된 경우, 운전자는 제조사 세팅 메뉴(M)를 통하여 SCC 응답성을 설정할 수 있다.
이와 같이 본 실시예에 따른 차량의 가감속 제어 장치(100)는 가감속의 응답성 설정을 운전자별 운전습관을 반영하여 설정할 수 있기 때문에, 차량의 가감속 제어에 따른 주행 이질감을 줄일 수 있다.
본 실시예에 따른 차량의 가감속 제어 장치(100)는 다양한 주행 환경과 운행 상황에 따른 운전자의 악셀링 패턴, 브레이킹 패턴 및 스티어링 조향각을 학습함으로써, 다양한 주행 환경과 운전 상황에 대응할 수 있다.
그리고 본 실시예에 따른 차량이 가감속 제어 장치(100)는 운전자의 운전습관에 맞는 가감속 제어가 가능하기 때문에, 연비 운전 성향을 가진 운전자의 경우, 지능적인 차량의 가감속을 수행하더라도 고연비 운전이 가능하다.
이와 같은 본 실시예에 따른 차량의 가감속 제어 장치(100)를 이용한 차량의 가감속 제어 방법에 대해서 도 1 및 도 6을 참조하여 설명하면 다음과 같다. 여기서 도 6은 본 발명의 실시예에 따른 운전습관을 반영한 차량의 가감속 제어 방법에 따른 흐름도이다.
먼저 S10단계에서 제어부(90)는 차량에 설치된 센서부(10)를 통하여 운행 중인 차량의 운전환경과 운전자의 운전패턴에 대한 정보를 수집한다. 즉 센서부(10)는 운행 중인 차량을 중심으로 하여 전방 차량 정보, 측면 차량 정보, 주행환경 정보 및 운전패턴정보를 수집하여 제어부(90)로 제공한다.
다음으로 S20단계에서 제어부(90)는 센서부(10)에서 수집한 정보를 통하여 차량의 운전환경과 운전자의 운전패턴을 인식하여 운전자의 운전습관을 학습한다. 이때 제어부(90)는 운전자의 운전습관을 학습하는 모델을 이용하여 운전습관을 학습한다.
이어서 S30단계에서 제어부(90)는 학습한 운전습관을 반영하여 현재 운행 중인 차량의 운전환경에 대응되는 목표 가감속 값을 도출한다. 즉 제어부(90)는 차량 제조사의 가감속 세팅이 아닌 학습한 운전자의 운전습관에 대응되게 목표 가감속 값을 도출한다.
그리고 S40단계에서 제어부(90)는 도출한 목표 가감속 값으로 차량의 가감속을 제어한다.
이러한 S30 내지 S40단계의 수행은 운행 중인 차량을 기준으로 전방에 위치하는 차량의 가감속이 발생될 경우에 수행된다. 물론 제어부(90)는 차량의 측면에 위치하는 측면 차량이 차량의 전방으로 끼어드는 경우에도 차량의 가감속 제어를 수행한다.
이러한 본 실시예에 따른 차량의 가감속 제어 방법은 ADAS 중 차량의 가감속 제어와 관련된 SCC, LKA, AEB 등에 적용될 수 있으며, 이것에 한정되는 것은 아니다.
한편, 본 명세서와 도면에 개시된 실시예들은 이해를 돕기 위해 특정 예를 제시한 것에 지나지 않으며, 본 발명의 범위를 한정하고자 하는 것은 아니다. 여기에 개시된 실시예들 이외에도 본 발명의 기술적 사상에 바탕을 둔 다른 변형예들이 실시 가능하다는 것은, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게는 자명한 것이다.
10 : 센서부
20 : 운전환경정보 수집부
21 : 전방 차량 모듈
23 : 측면 차량 모듈
25 : 주행 환경 모듈
30 : 운전패턴정보 수집부
40 : 저장부
50 : 입력부
60 : 표시부
90 : 제어부
91 : 생성자
93 : 판별자
100 : 가감속 제어 장치

Claims (12)

  1. 차량에 설치되며, 운행 중인 차량의 운전환경과 운전자의 운전패턴에 대한 정보를 수집하는 센서부; 및
    상기 센서부에서 수집한 정보를 통하여 차량의 운전환경과 운전자의 운전패턴을 인식하여 운전자의 운전습관을 학습하고, 학습한 운전습관을 반영하여 현재 운행 중인 차량의 운전환경에 대응되는 목표 가감속 값을 도출하고, 도출한 목표 가감속 값으로 차량의 가감속을 제어하는 제어부;를 포함하고,
    상기 제어부는 생성적 적대 신경망(Generative Adversarial Network; GAN)을 이용하여 운전자의 운전습관을 학습하여 목표 가감속 값을 도출하고,
    상기 제어부는,
    상기 센서부에서 수집한 정보를 통하여 차량의 운전환경과 운전자의 운전패턴을 인식하여 거짓(fake) 가감속 값을 생성하도록 학습하고 생성자; 및
    상기 거짓 가감속 값이 현재 중인 차량의 실제 가감속 값인지를 판별하도록 학습하는 판별자;를 포함하며,
    상기 생성자와 상기 판별자는 반복적인 학습을 통해서 실제 가감속 값을 모사하는 거짓 가감속 값을 상기 목표 가감속 값으로 도출하는 것을 특징으로 하는 운전습관을 반영한 차량의 가감속 제어 장치.
  2. 삭제
  3. 삭제
  4. 제1항에 있어서, 상기 센서부는,
    운행 중인 차량의 운전환경에 대한 정보를 수집하는 운전환경정보 수집부; 및
    운전자의 운전패턴에 대한 정보를 수집하는 운전패턴정보 수집부;
    를 포함하는 운전습관을 반영한 차량의 가감속 제어 장치.
  5. 제4항에 있어서, 상기 운전환경정보 수집부는,
    전방 차량의 위치, 거리 및 속도를 측정하는 전방 차량 모듈;
    측면 차량의 위치, 거리 및 끼어드는 지의 여부를 측정하는 측면 차량 모듈; 및
    차량이 주행 중인 도로를 포함하는 주행 환경을 감지하는 주행 환경 모듈;
    을 포함하는 운전습관을 반영한 차량의 가감속 제어 장치.
  6. 제5항에 있어서, 상기 운전패턴정보 수집부는,
    차량의 엑셀링 패턴, 브레이킹 패턴 및 스티어링 조향각에 대한 정보를 수집하는 것을 운전습관을 반영한 차량의 가감속 제어 장치.
  7. 제6항에 있어서,
    시뮬레이터를 이용한 가상의 운전환경과 운전패턴에 대한 시뮬레이션 데이터를 제공하는 저장부;를 더 포함하며,
    상기 제어부는 상기 시뮬레이션 데이터를 더하여 운전자의 운전습관을 학습하여 목표 가감속 값을 도출하는 것을 특징으로 하는 운전습관을 반영한 차량의 가감속 제어 장치.
  8. 제7항에 있어서,
    상기 시뮬레이션 데이터의 운전환경은 눈, 안개, 비 오는 날씨 또는 차량 앞으로 객체가 끼어드는 비정상 운전환경을 포함하는 것을 특징으로 하는 운전습관을 반영한 차량의 가감속 제어 장치.
  9. 제5항에 있어서,
    상기 제어부는 생성적 적대 신경망(GAN) 연계 R-FCN(Region-based Fully Convolutional Networks) 기술을 기반으로 전방 또는 측면 차량을 식별하여 위치를 검출하는 것을 특징으로 하는 운전습관을 반영한 차량의 가감속 제어 장치.
  10. 제9항에 있어서,
    상기 제어부는 생성적 적대 신경망(GAN)을 이용하여 상기 센서부에서 수집한 전방 또는 측면 차량의 일부 영상을 통해 전체 영상을 생성하도록 학습하고,
    상기 제어부는 R-FCN을 이용하여 학습한 전체 영상과 수집한 전방 또는 측면 차량의 일부 영상을 통하여 전방 또는 측면 차량의 위치를 검출하는 것을 특징으 하는 운전습관을 반영한 차량의 가감속 제어 장치.
  11. 제어부가 차량에 설치된 센서부를 통하여 운행 중인 차량의 운전환경과 운전자의 운전패턴에 대한 정보를 수집하는 단계;
    상기 제어부가 상기 센서부에서 수집한 정보를 통하여 차량의 운전환경과 운전자의 운전패턴을 인식하여 운전자의 운전습관을 학습하는 단계;
    상기 제어부가 학습한 운전습관을 반영하여 현재 운행 중인 차량의 운전환경에 대응되는 목표 가감속 값을 도출하는 단계; 및
    상기 제어부가 도출한 목표 가감속 값으로 차량의 가감속을 제어하는 단계;를 포함하고,
    상기 학습하는 단계 및 상기 도출하는 단계에서,
    상기 제어부는 생성적 적대 신경망(Generative Adversarial Network; GAN)을 이용하여 운전자의 운전습관을 학습하여 목표 가감속 값을 도출하고,
    상기 제어부는, 상기 센서부에서 수집한 정보를 통하여 차량의 운전환경과 운전자의 운전패턴을 인식하여 거짓(fake) 가감속 값을 생성하도록 학습하고 생성자, 및 상기 거짓 가감속 값이 현재 중인 차량의 실제 가감속 값인지를 판별하도록 학습하는 판별자를 포함하고,
    상기 목표 가감속 값을 도출하는 단계에서,
    상기 제어부는 상기 생성자와 상기 판별자는 반복적인 학습을 통해서 실제 가감속 값을 모사하는 거짓 가감속 값을 상기 목표 가감속 값으로 도출하는 것을 특징으로 하는 운전습관을 반영한 차량의 가감속 제어 방법.
  12. 삭제
KR1020180078546A 2018-07-06 2018-07-06 운전습관을 반영한 차량의 가감속 제어 장치 및 방법 KR102057453B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180078546A KR102057453B1 (ko) 2018-07-06 2018-07-06 운전습관을 반영한 차량의 가감속 제어 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180078546A KR102057453B1 (ko) 2018-07-06 2018-07-06 운전습관을 반영한 차량의 가감속 제어 장치 및 방법

Publications (1)

Publication Number Publication Date
KR102057453B1 true KR102057453B1 (ko) 2020-01-22

Family

ID=69368415

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180078546A KR102057453B1 (ko) 2018-07-06 2018-07-06 운전습관을 반영한 차량의 가감속 제어 장치 및 방법

Country Status (1)

Country Link
KR (1) KR102057453B1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111959491A (zh) * 2020-08-29 2020-11-20 哈尔滨理工大学 一种基于混合动力汽车统一模型的规则控制参数优化方法
CN114013448A (zh) * 2021-10-20 2022-02-08 奇瑞汽车股份有限公司 汽车的控制方法、装置及计算机存储介质
CN114987489A (zh) * 2022-06-07 2022-09-02 东风汽车集团股份有限公司 全方位的车辆驾驶多模式系统及车辆

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101272570B1 (ko) 2011-04-01 2013-06-10 재단법인대구경북과학기술원 패턴인식을 이용한 자동차 가감속 정보 추출 장치 및 그 방법
KR20140072618A (ko) * 2012-12-05 2014-06-13 현대모비스 주식회사 지능형 순항 제어 시스템 및 그 제어방법
EP2814017A1 (en) * 2012-02-07 2014-12-17 Toyota Jidosha Kabushiki Kaisha Driving assistance apparatus
KR20150031977A (ko) * 2013-09-17 2015-03-25 현대모비스 주식회사 타겟 차량의 운전 패턴을 이용한 차간 거리 제어 시스템 및 방법
KR20150051548A (ko) * 2013-11-04 2015-05-13 현대오트론 주식회사 운전자의 성향을 반영하는 운전보조시스템 및 그 제어방법

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101272570B1 (ko) 2011-04-01 2013-06-10 재단법인대구경북과학기술원 패턴인식을 이용한 자동차 가감속 정보 추출 장치 및 그 방법
EP2814017A1 (en) * 2012-02-07 2014-12-17 Toyota Jidosha Kabushiki Kaisha Driving assistance apparatus
US20140379213A1 (en) * 2012-02-07 2014-12-25 Toyota Jidosha Kabushiki Kaisha Drive assisting device
KR20140072618A (ko) * 2012-12-05 2014-06-13 현대모비스 주식회사 지능형 순항 제어 시스템 및 그 제어방법
KR20150031977A (ko) * 2013-09-17 2015-03-25 현대모비스 주식회사 타겟 차량의 운전 패턴을 이용한 차간 거리 제어 시스템 및 방법
KR20150051548A (ko) * 2013-11-04 2015-05-13 현대오트론 주식회사 운전자의 성향을 반영하는 운전보조시스템 및 그 제어방법

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111959491A (zh) * 2020-08-29 2020-11-20 哈尔滨理工大学 一种基于混合动力汽车统一模型的规则控制参数优化方法
CN114013448A (zh) * 2021-10-20 2022-02-08 奇瑞汽车股份有限公司 汽车的控制方法、装置及计算机存储介质
CN114013448B (zh) * 2021-10-20 2023-09-26 奇瑞汽车股份有限公司 汽车的控制方法、装置及计算机存储介质
CN114987489A (zh) * 2022-06-07 2022-09-02 东风汽车集团股份有限公司 全方位的车辆驾驶多模式系统及车辆

Similar Documents

Publication Publication Date Title
JP6832421B2 (ja) シミュレーションに基づく自動運転車の感知要求の評価方法
US11625513B2 (en) Safety analysis framework
CN112997060B (zh) 用于修改自主车辆的控制单元的方法和系统
US11734473B2 (en) Perception error models
US11351995B2 (en) Error modeling framework
KR100904767B1 (ko) 차량의 충돌 예방 시스템 시험 평가 장치
CN112613169B (zh) 一种用于自动驾驶车辆误操作的预期功能安全分析方法
JP2020123351A (ja) 自律走行車両を学習、テスティング及び検証をするために仮想走行環境に対するドメイン適応された交通シナリオを生成するための方法及び装置
US20170329332A1 (en) Control system to adjust operation of an autonomous vehicle based on a probability of interference by a dynamic object
CN114077541A (zh) 验证用于自动驾驶车辆的自动控制软件的方法和系统
KR102057453B1 (ko) 운전습관을 반영한 차량의 가감속 제어 장치 및 방법
CN110663073B (zh) 策略生成装置及车辆
WO2019106789A1 (ja) 処理装置及び処理方法
US11354458B1 (en) Automated vehicle safety simulation using safety quotient method
CN113302109A (zh) 实施自主车辆的回退行为的系统
WO2021061488A1 (en) Safety analysis framework
JP2021047644A (ja) 電子制御装置
US20220289253A1 (en) Method for evaluating autonomous driving system, apparatus and storage medium
KR20200082672A (ko) 게임서버 연계 자율주행 시뮬레이션 방법
US20230234576A1 (en) Method and system for algorithm performance evaluation of autonomous driving
KR20230150350A (ko) 차량의 운전자 보조 시스템을 시험하기 위한 방법
WO2020264276A1 (en) Synthetic scenario generator based on attributes
KR102434475B1 (ko) 자율 주행 알고리즘의 성능 평가 방법 및 시스템
CN115761686A (zh) 用于检测自动驾驶系统中的意外控制状态的方法和装置
JP2009181187A (ja) 行動モデル作成装置及びプログラム

Legal Events

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