KR102270630B1 - 스마트 카 시스템에서 근접성 판단을 위한 장치 및 방법 - Google Patents

스마트 카 시스템에서 근접성 판단을 위한 장치 및 방법 Download PDF

Info

Publication number
KR102270630B1
KR102270630B1 KR1020170043721A KR20170043721A KR102270630B1 KR 102270630 B1 KR102270630 B1 KR 102270630B1 KR 1020170043721 A KR1020170043721 A KR 1020170043721A KR 20170043721 A KR20170043721 A KR 20170043721A KR 102270630 B1 KR102270630 B1 KR 102270630B1
Authority
KR
South Korea
Prior art keywords
proximity
error
vehicle
measurement data
determination result
Prior art date
Application number
KR1020170043721A
Other languages
English (en)
Other versions
KR20180112529A (ko
Inventor
양호
조성민
한광훈
Original Assignee
삼성전자주식회사
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 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to KR1020170043721A priority Critical patent/KR102270630B1/ko
Priority to PCT/KR2018/003213 priority patent/WO2018186608A1/ko
Priority to US16/498,088 priority patent/US11480644B2/en
Publication of KR20180112529A publication Critical patent/KR20180112529A/ko
Application granted granted Critical
Publication of KR102270630B1 publication Critical patent/KR102270630B1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
    • H04W64/006—Locating users or terminals or network equipment for network management purposes, e.g. mobility management with additional information processing, e.g. for direction or speed determination
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G01S5/0205—Details
    • G01S5/021—Calibration, monitoring or correction
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G01S5/0249—Determining position using measurements made by a non-stationary device other than the device whose position is being determined
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G01S5/0295—Proximity-based methods, e.g. position inferred from reception of particular signals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/023—Services making use of location information using mutual or relative location information between multiple location based services [LBS] targets or of distance thresholds
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
    • H04W4/44—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for communication between vehicles and infrastructures, e.g. vehicle-to-cloud [V2C] or vehicle-to-home [V2H]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W8/00—Network data management
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W8/00—Network data management
    • H04W8/005—Discovery of network devices, e.g. terminals
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R25/00—Fittings or systems for preventing or indicating unauthorised use or theft of vehicles
    • B60R25/20—Means to switch the anti-theft system on or off
    • B60R25/24—Means to switch the anti-theft system on or off using electronic identifiers containing a code not memorised by the user
    • B60R25/245—Means to switch the anti-theft system on or off using electronic identifiers containing a code not memorised by the user where the antenna reception area plays a role
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R25/00—Fittings or systems for preventing or indicating unauthorised use or theft of vehicles
    • B60R25/30—Detection related to theft or to other events relevant to anti-theft systems
    • B60R25/31—Detection related to theft or to other events relevant to anti-theft systems of human presence inside or outside the vehicle
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R25/00—Fittings or systems for preventing or indicating unauthorised use or theft of vehicles
    • B60R25/30—Detection related to theft or to other events relevant to anti-theft systems
    • B60R25/33—Detection related to theft or to other events relevant to anti-theft systems of global position, e.g. by providing GPS coordinates
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
    • G01S19/46—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement the supplementary measurement being of a radio-wave signal type

Abstract

본 개시(disclosure)는 스마트 카 시스템에서 근접성(proximity) 판단에 관한 것으로, 차량 장치의 동작 방법은, 사용자 장치에서 송신된 적어도 하나의 신호를 수신하는 과정과, 상기 적어도 하나의 신호에 대한 측정 데이터를 관리 장치로 송신하는 과정과, 상기 관리 장치로부터, 측정 데이터 및 근접성 정보에 대한, 갱신된 매핑 정보를 수신하는 과정을 포함한다.

Description

스마트 카 시스템에서 근접성 판단을 위한 장치 및 방법{APPARATUS AND METHOD FOR DETERMINING PROXIMITY IN SMART CAR SYSTEM}
본 개시(disclosure)는 일반적으로 스마트 카(smart car) 시스템에 관한 것으로, 보다 구체적으로 스마트 카 시스템에서 근접성(proximity)을 판단하기 위한 장치 및 방법에 관한 것이다.
네트워크 및 센싱 기술의 발달로 인해, 다양한 분야에서 전자 및 통신 기술이 응용되고 있다. 이에 따라, 과거 통신 기술이 사용되지 아니하였던 상품에 대하여, 통신/센싱 기술을 도입함으로써 사용자 편의성이 증대될 수 있다. 일 예로, 스마트 카(smart car) 시스템, 즉, 커넥티드 카(connected car) 시스템이 있다.
스마트 카 시스템은, 차량에 네트워크 접속 가능 장비를 탑재함으로써, 무선통신을 통해 차량 내부와 외부 네트워크가 상호 연결되는 물리적 시스템을 갖춘 차량 시스템 및 관련 통신 환경을 의미한다. 스마트 카 시스템을 통해, 운전자에게 종래와 다른 새로운 사용자경험(user experience, UX)이 제공될 수 있다.
상술한 바와 같은 논의를 바탕으로, 본 개시(disclosure)는, 스마트 카 시스템에서 운전자의 근접성(proximity)을 효율적으로 판단하기 위한 장치 및 방법을 제공한다.
또한, 본 개시는, 스마트 카 시스템에서 근접성 판단을 위한 매핑(mapping) 정보를 관리하기 위한 장치 및 방법을 제공한다.
또한, 본 개시는, 스마트 카 시스템에서 근접성 판단의 오류 상황을 검출하기 위한 장치 및 방법을 제공한다.
또한, 본 개시는, 스마트 카 시스템에서 근접성 판단의 오류에 대응하여 매핑 정보를 갱신하기 위한 장치 및 방법을 제공한다.
본 개시의 다양한 실시 예들에 따르면, 스마트 카 시스템에서 차량 장치의 동작 방법은, 사용자 장치에서 송신된 적어도 하나의 신호를 수신하는 과정과, 상기 적어도 하나의 신호에 대한 측정 데이터를 관리 장치로 송신하는 과정과, 상기 관리 장치로부터, 측정 데이터 및 근접성(proximity) 정보에 대한, 갱신된 매핑 정보를 수신하는 과정을 포함한다.
본 개시의 다양한 실시 예들에 따르면, 스마트 카 시스템에서 관리 장치의 동작 방법은, 사용자 장치에서 송신된 적어도 하나의 신호에 대한 측정 데이터를 차량 장치로부터 수신하는 과정과, 상기 측정 데이터에 기반하여, 측정 데이터 및 근접성 정보에 대한 매핑 정보를 갱신하는 과정과, 상기 갱신된 매핑 정보를 상기 차량 장치로 송신하는 과정을 포함한다.
본 개시의 다양한 실시 예들에 따르면, 스마트 카 시스템에서 사용자 장치의 동작 방법은, 차량 장치에 의해 생성된 제1 근접성 판단 결과를 관리 장치로부터 수신하는 과정과, 상기 제1 근접성 판단 결과를 표시하는 과정과, 사용자의 제2 근접성 판단에 기반한 상기 차량 장치의 근접성 판단에 대한 오류 보고를 상기 관리 장치로 송신하는 과정을 포함한다.
본 개시의 다양한 실시 예들에 따르면, 스마트 카 시스템에서 차량 장치는, 사용자 장치에서 송신된 적어도 하나의 신호에 대한 측정을 수행하는 제어부와, 상기 적어도 하나의 신호에 대한 측정 데이터를 관리 장치로 송신하는 송신부와, 상기 관리 장치로부터, 측정 데이터 및 근접성 정보에 대한, 갱신된 매핑 정보를 수신하는 수신부를 포함한다.
본 개시의 다양한 실시 예들에 따르면, 스마트 카 시스템에서 관리 장치는, 사용자 장치에서 송신된 적어도 하나의 신호에 대한 측정 데이터를 차량 장치로부터 수신하는 수신부와, 상기 측정 데이터에 기반하여, 측정 데이터 및 근접성 정보에 대한 매핑 정보를 갱신하는 제어부와, 상기 갱신된 매핑 정보를 상기 차량 장치로 송신하는 송신부를 포함한다.
본 개시의 다양한 실시 예들에 따르면, 스마트 카 시스템에서 사용자 장치는, 차량 장치에 의해 생성된 제1 근접성 판단 결과를 관리 장치로부터 수신하는 수신부와, 상기 제1 근접성 판단 결과를 표시하는 표시부와, 사용자의 제2 근접성 판단에 기반한 상기 차량 장치의 근접성 판단에 대한 오류 보고를 상기 관리 장치로 송신하는 송신부를 포함한다.
본 개시의 다양한 실시 예들에 따른 장치 및 방법은, 근접성(proximity) 판단의 오류의 검출에 따라 측정 데이터에 대응하는 매핑(mapping) 정보를 갱신함으로써, 운전자의 근접 여부를 보다 정확하게 판단할 수 있게 한다.
본 개시에서 얻을 수 있는 효과는 이상에서 언급한 효과들로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 본 개시가 속하는 기술 분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 개시의 다양한 실시 예들에 따른 스마트 카 시스템에 관련된 통신 환경을 도시한다.
도 2는 본 개시의 다양한 실시 예들에 따른 스마트 카 시스템에 포함되는 장치의 구성을 도시한다.
도 3은 본 개시의 다양한 실시 예들에 따른 스마트 카 시스템에서 관리 장치의 동작 방법을 도시한다.
도 4는 본 개시의 다양한 실시 예들에 따른 스마트 카 시스템에서 차량 장치의 동작 방법을 도시한다.
도 5는 본 개시의 다양한 실시 예들에 따른 스마트 카 시스템에서 사용자 장치의 동작 방법을 도시한다.
도 6은 본 개시의 다양한 실시 예들에 따른 스마트 카 시스템에서 사용자의 판단에 기반한 최적화를 위한 신호 교환을 도시한다.
도 7은 본 개시의 다양한 실시 예들에 따른 스마트 카 시스템에서 차량 장치의 판단에 기반한 최적화를 위한 신호 교환을 도시한다.
도 8은 본 개시의 다양한 실시 예들에 따른 스마트 카 시스템에서 차량에 대한 내부 상태 및 근접(near) 상태 구분의 최적화를 위한 동작 방법을 도시한다.
도 9는 본 개시의 다양한 실시 예들에 따른 스마트 카 시스템에서 차량에 대한 내부 상태 및 근접 상태 구분의 최적화를 위한 다른 동작 방법을 도시한다.
도 10은 본 개시의 다양한 실시 예들에 따른 스마트 카 시스템에서 차량에 대한 근접 상태 및 원거리(far) 상태 구분의 최적화를 위한 동작 방법을 도시한다.
본 개시에서 사용되는 용어들은 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 다른 실시 예의 범위를 한정하려는 의도가 아닐 수 있다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함할 수 있다. 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 용어들은 본 개시에 기재된 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가질 수 있다. 본 개시에 사용된 용어들 중 일반적인 사전에 정의된 용어들은, 관련 기술의 문맥상 가지는 의미와 동일 또는 유사한 의미로 해석될 수 있으며, 본 개시에서 명백하게 정의되지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다. 경우에 따라서, 본 개시에서 정의된 용어일지라도 본 개시의 실시 예들을 배제하도록 해석될 수 없다.
이하에서 설명되는 본 개시의 다양한 실시 예들에서는 하드웨어적인 접근 방법을 예시로서 설명한다. 하지만, 본 개시의 다양한 실시 예들에서는 하드웨어와 소프트웨어를 모두 사용하는 기술을 포함하고 있으므로, 본 개시의 다양한 실시 예들이 소프트웨어 기반의 접근 방법을 제외하는 것은 아니다.
이하 본 개시는 스마트 카(smart car) 시스템에서 근접성(proximity)을 판단하기 위한 장치 및 방법에 관한 것이다. 구체적으로, 본 개시는 스마트 카 시스템에서 근접성 판단의 오류를 검출하고, 오류 검출에 기반하여 최적화를 수행하기 위한 기술을 설명한다. 여기서, 스마트 카 시스템은 '커넥티드 카(connected car) 시스템' 또는 이와 동등한 기술적 의미를 가지는 다른 명칭으로 지칭될 수 있다.
이하 설명에서 사용되는 측정 결과를 지칭하는 용어, 네트워크 객체(network entity)들을 지칭하는 용어, 장치의 구성 요소를 지칭하는 용어 등은 설명의 편의를 위해 예시된 것이다. 따라서, 본 개시가 후술되는 용어들에 한정되는 것은 아니며, 동등한 기술적 의미를 가지는 다른 용어가 사용될 수 있다.
스마트 카 시스템은 운전자의 근접 여부에 따라 차량을 제어할 수 있다. 예를 들어, 스마트 키(smart key)를 소지한 운전자가 차량에 일정 범위 이내로 접근하면, 스마트 카 시스템은 차량의 도어(door)를 잠금 해제(unlock)할 수 있다. 반대로, 운전자가 차량으로부터 일정 범위 이상 멀어지면, 스마트 카 시스템은 차량의 도어를 잠글(lock) 수 있다. 이때, 운전자는 자신에게 최적화된 스마트 키의 근접성 성능, 즉, 근접성 판단의 정확도를 기대할 것이다. 하지만, 일반적으로, 근접성 판단의 모델(model)은 일반 스마트 키로부터 수집되는 RF(radio frequency) 신호의 통계적 데이터를 기준으로 설계되므로, 운전자에 따라 RF 신호 변동이 심한 근거리 통신(예: 블루투스) 기반의 스마트 키인 경우 근접성 판단의 한계가 존재할 수 있다.
예를 들어, 남녀·노소에 따라 스마트 키의 사용 패턴이 상이(相異)할 수 있다. 구체적으로, 스마트 키를 보관하는 장소가, 차량 외부에 위치한 경우 가방, 앞 주머니, 뒷 주머니 등으로 다를 수 있고, 차량 내부에 위치한 경우 차량 조수석, 거치대, 차문 등으로 다를 수 있다, 또한, 스마트 키가 스마트 폰(smart phone)에 구현된 경우, 직접 통화, 이어셋을 꼽은 상태에서 손에 들고 통화, 블루투스(bluetooth, BT) 이어셋을 이용한 통화 등, 통화 방식이 다를 수 있다.
따라서, 개인별 맞춤을 위한 기계 학습(machine learning) 방식을 통한 지능적 처리를 위해서 학습 데이터(learning data)가 수집되어야 하는데, 이는 다음과 같은 어려움을 가진다. 첫째로, 학습 데이터를 수집하기 위한 별도의 장비가 필요하다. 차량 대비 운전자의 위치를 측정하고, 저장하는 별도 장치를 제공하는 것은 비용의 상승을 야기한다. 측위 데이터 수집이 어렵다는 이유로, 일반인에게 수집을 요청하는 것도 현실적이지 않다. 둘째로, 운전자의 제조사 직접 방문을 통한 문제 해결, 즉 로컬(local) 대리점을 통한 근접성에 대한 기술적 문제 해결은 큰 불편함을 수반할 수 있다.
따라서, 이하 후술되는 다양한 실시 예들과 같이, 개인별 특성을 나타내는 데이터 수집 및 기계 학습(machine learning) 방안이 필요하다.
도 1은 본 개시의 다양한 실시 예들에 따른 스마트 카 시스템에 관련된 통신 환경을 도시한다.
도 1을 참고하면, 통신 환경은 사용자 장치 110, 차량 장치 120, 관리 장치 130을 포함한다.
사용자 장치 110은 사용자, 즉, 운전자(driver)에 의해 소지되는 장치이다. 사용자 장치 110는 휴대성을 가지며, 이동성(mobility)을 가질 수 있다. 사용자 장치 110는 차량 장치 120에서 측정을 위해 사용할 수 있는 신호들을 송신할 수 있고, 관리 장치 130와 통신을 수행할 수 있다. 예를 들어, 사용자 장치 110는 스마트 카 시스템을 위한 어플리케이션을 설치한 장치이거나, 스마트 카 시스템을 위한 전용(dedicated) 장치일 수 있다. 사용자 장치 110은 '단말(terminal)', '전자 장치(electronic device)', '스마트 폰(smart phone)', '스마트 키(smart key)' 또는 이와 동등한 기술적 의미를 가지는 다른 명칭으로 지칭될 수 있다.
차량 장치 120은 스마트 카 시스템의 구현을 위해 차량의 내부 또는 외부에 설치된 장치이다. 차량 장치 120는 사용자 장치 110로부터의 신호를 차량에 설치된 적어도 하나의 안테나를 통해 센싱 또는 수신하고, 측정할 수 있다. 또한, 차량 장치 120은 관리 장치 130과 통신을 수행할 수 있다. 예를 들어, 차량 장치 120은 관리 장치 130로 측정 데이터를 업로드할 수 있고, 관리 장치 130로부터 매핑 정보 및 관련 펌웨어를 다운로드할 수 있다. 일 실시 예에 따라, 차량 장치 120는 측정 또는 센싱 데이터에 기반하여 근접성에 대해 판단하고, 측정 또는 센싱 데이터 이외의 정보(예: 판정과 모순되는 기기 조작)에 따라 판단에 대한 오류를 검출할 수 있다. 차량 장치 120은 '차량용 장치', '근접성 측정 장치', '측위 장치', '차문 제어 장치', '스마트 키 블록' 또는 이와 동등한 기술적 의미를 가지는 다른 명칭으로 지칭될 수 있다.
관리 장치 130은 스마트 카 시스템의 운용을 위한 정보를 관리한다. 예를 들어, 관리 장치 130은 차량 장치 120의 근접성 판단 결과를 모니터링하고, 근접성 판단을 위한 매핑 정보와 관련 펌웨어를 관리할 수 있다. 여기서, 매핑 정보는 측정 데이터 및 근접성 정보에 대한 대응 관계를 정의하는 가공된 데이터를 의미한다. 예를 들어, 매핑 정보는 측정 데이터에 대응하는 근접성(proximity)(예: 내부, 근접, 원거리 등)을 판단하는데 필요한 모델 변수 또는 변수의 값 중 적어도 하나를 포함할 수 있다. 매핑 정보는 '근접성 모델 (proximity model)', '근접성 테이블', '기계 학습(machine learning) 모델', '인공 지능 (artificial intelligence) 모델', '통계적 분류 (statistical classification) 모델', 'ML(maximum likelihood) 모델' 또는 이와 동등한 기술적 의미를 가지는 다른 명칭으로 지칭될 수 있다. 또한, 관리 장치 130은 '컴퓨팅 블록(computing block)', '제어 서버', '매핑 관리 서버/장치' 또는 이와 동등한 기술적 의미를 가지는 다른 명칭으로 지칭될 수 있다.
일 실시 예에 따라, 관리 장치 130은 차량 장치 120과 물리적으로 분리된 별도의 장비로 구현될 수 있다. 예를 들어, 관리 장치 130은 클라우드(cloud) 서버 또는 제조업체에 의해 운영되는 일반 서버로 구현될 수 있다. 다른 실시 예에 따라, 관리 장치 130은 차량 장치 120와 함께 차량 내부에 구현되거나, 또는 차량 장치 120와 물리적으로 동일한 장비로 구현될 수 있다. 단, 이하 설명의 편의를 위해, 관리 장치 130은 차량 장치 120와 별도의 장비로서, 외부에 구현된 경우를 전제로 설명된다. 그러나, 관리 장치 130이 차량 장치 120와 함께 차량 내부에 구현되거나, 또는 차량 장치 120와 물리적으로 동일한 장비로 구현된 경우에도, 후술하는 다양한 실시 예들이 동일하게 적용될 수 있다.
일 실시 예에 따라, 사용자 장치 110은 기본적으로 운전자의 위치를 알려줄 수 있는 신호를 송신하고, 근접성 판단의 오류에 대한 피드백 신호를 관리 장치 130으로 추가적으로 송신할 수 있다. 차량에 탑재된 차량 장치 120은 기본적으로 사용자 장치 110에 의해 송신된 RF(radio frequency) 신호를 분석하고, 분석 결과에 기반하여 운전자 위치 정보를 파악하고, 필요한 제어를 수행할 수 있다. 일 실시 예에 따른 추가적 기능으로서, 차량 장치 120은 다른 경로로 파악 가능한 운전자의 위치 정보를 이용하여 오류를 검출할 수 있고, 해당 데이터를 수집하고, 관리 장치 130으로 송신할 수 있다. 이에 따라, 관리 장치 130은 추가 데이터를 기반으로 기계 학습을 수행하고, 매핑 정보를 갱신한다. 구체적으로, 관리 장치 130은 근접성 판단의 문제점을 분석하고, 필요한 데이터를 요청 및 수집할 수 있다. 그리고, 관리 장치 130은 개인 맞춤형으로 근접성 판단 기능을 개선할 수 있다. 관리 장치 130은 차량 장치 120에 의해 수집된 데이터에 기반하여 기존 기계 학습 모델을 갱신하고, 해당 차량의 기계 학습 펌웨어(machine learning firmware)를 업그레이드할 수 있다.
도 2는 본 개시의 다양한 실시 예들에 따른 스마트 카 시스템에 포함되는 장치의 구성을 도시한다. 이하 사용되는 '…부', '…기' 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어, 또는, 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다. 도 2에 도시된 장치의 구성은 사용자 장치 110, 차량 장치 120, 관리 장치 130 중 어느 하나의 구성으로 이해될 수 있다.
도 2를 참고하면, 장치는 통신부 210, 저장부 220, 제어부 230를 포함한다.
통신부 210은 신호를 송수신하기 위한 기능들을 수행한다. 예를 들어, 통신부 210은 시스템의 물리 계층 규격에 따라 기저대역 신호 및 비트열 간 변환 기능을 수행한다. 통신부 210은 유선 통신 또는 무선 통신을 위한 기능을 수행할 수 있다.
일 실시 예에 따라, 도 2의 장치가 사용자 장치 110 또는 차량 장치 120인 경우, 통신부 210는 무선 통신을 위한 하드웨어 및 프로토콜 스택(protocol stack)을 포함할 수 있다. 예를 들어, 데이터 송신 시, 통신부 210은 송신 비트열을 부호화 및 변조함으로써 복소 심벌들을 생성한다. 또한, 데이터 수신 시, 통신부 210은 기저대역 신호를 복조 및 복호화를 통해 수신 비트열을 복원한다. 또한, 통신부 210은 기저대역 신호를 RF(radio frequency) 대역 신호로 상향 변환한 후 안테나를 통해 송신하고, 안테나를 통해 수신되는 RF 대역 신호를 기저대역 신호로 하향 변환한다. 예를 들어, 통신부 210은 송신 필터, 수신 필터, 증폭기, 믹서(mixer), 오실레이터(oscillator), DAC(digital to analog convertor), ADC(analog to digital convertor) 등을 포함할 수 있다.
또한, 통신부 210은 하나 이상의 서로 다른 주파수 대역의 신호들을 처리하기 위해 복수의 통신 모듈들을 포함할 수 있다. 나아가, 통신부 210은 서로 다른 다수의 무선 접속 기술들을 지원하기 위해 다수의 통신 모듈들을 포함할 수 있다. 예를 들어, 서로 다른 무선 접속 기술들은 블루투스 저 에너지(bluetooth low energy, BLE), Wi-Fi(Wireless Fidelity), WiGig(WiFi Gigabyte), 셀룰러 망(예: LTE(Long Term Evolution) 등을 포함할 수 있다. 또한, 서로 다른 주파수 대역들은 극고단파(SHF:super high frequency)(예: 2.5GHz, 5Ghz) 대역, mm파(millimeter wave)(예: 60GHz) 대역을 포함할 수 있다.
통신부 210은 상술한 바와 같이 신호를 송신 및 수신한다. 이에 따라, 통신부 210의 일부 또는 전부는 송신부, 수신부 또는 송수신부, 모뎀 등으로 지칭될 수 있다. 또한, 이하 설명에서 무선 채널을 통해 수행되는 송신 및 수신은 통신부 210에 의해 상술한 바와 같은 처리가 수행되는 것을 포함하는 의미로 사용된다.
저장부 220은 장치의 동작을 위한 기본 프로그램, 응용 프로그램, 설정 정보 등의 데이터를 저장한다. 저장부 220은 휘발성 메모리, 비휘발성 메모리 또는 휘발성 메모리와 비휘발성 메모리의 조합으로 구성될 수 있다. 일 실시 예에 따라, 도 2의 장치가 차량 장치 120 또는 관리 장치 130인 경우, 저장부 220은 차량 장치 120의 근접성 판단에 사용되는 매핑 정보를 저장할 수 있다. 그리고, 저장부 220은 제어부 230의 요청에 따라 저장된 데이터를 제공한다.
제어부 230은 장치의 전반적인 동작들을 제어한다. 예를 들어, 제어부 230은 통신부 210를 통해 신호를 송신 및 수신한다. 또한, 제어부 230은 저장부 220에 데이터를 기록하고, 읽는다. 이를 위해, 제어부 230은 적어도 하나의 프로세서(processor) 또는 마이크로(micro) 프로세서를 포함하거나, 또는, 프로세서의 일부일 수 있다. 도 2의 장치가 차량 장치 120인 경우, 제어부 230은 통신부 210에서 수집한 데이터를 기반으로 운전자의 근접성을 판단할 수 있다. 특히, 제어부 230은 후술되는 다양한 실시 예들에 따라 장치가 최적화를 위한 동작들을 수행하도록 제어한다. 예를 들어, 제어부 230은 장치가 후술하는 다양한 실시 예들에 따른 절차를 수행하도록 제어할 수 있다.
도 2의 장치가 사용자 장치 110인 경우, 장치는 화면 표시를 위한 표시부를 더 포함할 수 있다. 예를 들어, 표시부는 OLED(organic light emitting diode), QLED(Quantum-Dot light emitting diode), LCD(liquid crystal display) 중 적어도 하나로 구성될 수 있다.
도 2의 장치가 차량 장치 120인 경우, 장치는 차량 내의 다른 장치들과 통신을 수행하기 위한 하드웨어 구성요소를 더 포함할 수 있다. 예를 들어, 장치는 유선 케이블 연결을 위한 추가 커넥터를 더 포함할 수 있다.
도 2의 장치가 관리 장치 130인 경우, 통신부 210는 유선 통신을 위한 하드웨어 구성요소를 포함할 수 있다. 예를 들어, 통신부 210는 신호 처리를 위한 적어도 하나의 프로세서 및 외부 케이블 연결을 위한 적어도 하나의 커넥터를 포함할 수 있다.
도 3은 본 개시의 다양한 실시 예들에 따른 스마트 카 시스템에서 관리 장치의 동작 방법을 도시한다. 도 3은 관리 장치 130의 동작 방법을 예시한다.
도 3을 참고하면, 301 단계에서, 관리 장치는 측정 오류에 대한 보고(report)를 수신한다. 여기서, 측정 오류에 대한 보고는 오류의 발생을 알리는 지시자(label), 오류의 발생 시점, 오류로 확인된 판단 내용, 신호 측정 외 다른 방식으로 결정된 근접성 판단 중 적어도 하나를 포함할 수 있다. 이때, 측정 오류에 대한 보고는 차량 장치(예: 차량 장치 120) 또는 사용자 장치(예: 사용자 장치 110)로부터 수신될 수 있다. 이때, 차량 장치로부터 측정 오류에 대한 보고가 수신되는 경우, 오류 발생 시에 획득된 측정 데이터가 함께 수신될 수 있다. 반면, 사용자 장치로부터 측정 오류에 대한 보고가 수신되는 경우, 관리 장치는 차량 장치로 측정 데이터에 대한 요청을 송신하고, 오류 발생 시에 획득된 측정 데이터를 수신할 수 있다. 여기서, 오류 발생 시에 획득된 측정 데이터는 매핑 정보를 갱신하기 위한 '실패 데이터'라 지칭될 수 있다.
이어, 303 단계에서, 관리 장치는 매핑 정보를 갱신한다. 즉, 관리 장치는 수신된 측정 데이터에 근거한 기계 학습 등을 통해 기계 학습 모델 또는 매핑 정보를 개선할 수 있다. 관리 장치는 측정 데이터 및 근접성 판단의 대응 관계를 정의하는 매핑 정보를 관리한다. 매핑 정보는 차량 장치 및 사용자 장치의 쌍(pair)에 의해 식별될 수 있다. 근접성 판단은 관리 장치에 의해 관리되는 매핑 정보에 따라 차량 장치에 의해 이루어지므로, 관리 장치는 측정 오류에 대한 보고에 따라 기존 매핑 정보가 적절하지 아니함을 판단하고, 해당 측정 데이터에 대응하는 근접성 정보를 수정한다. 다시 말해, 관리 장치는 해당 차량 및 해당 사용자의 매핑 정보를 갱신한다.
이후, 305 단계에서, 관리 장치는 갱신된 매핑 정보를 차량 장치로 송신한다. 갱신된 매핑 정보가 차량 장치의 근접성 판단 시 사용될 수 있도록, 관리 장치는 오류를 발생시킨 차량 장치로 갱신된 매핑 정보를 송신한다.
도 3을 참고하여 설명한 실시 예와 같이, 관리 장치는 차량 장치로부터 제공되는 측정 데이터를 이용하여 기계 학습을 수행할 수 있다. 다시 말해, 관리 장치는 제조업체가 보유하는 기존 훈련(training) 데이터 세트에 개인별로 수집된 데이터를 추가하여 기계 학습에 의한 근접성 판단 모델의 갱신을 수행할 수 있다. 또한, 관리 장치는 추가하려는 데이터 특성과 유사한 성질의 훈련 데이터 세트를 기반으로, 기계 학습 모델을 갱신할 수 있다. 다시 말해, 관리 장치는 개인 특화 데이터 및 정보의 특성과 유사한 성질의 훈련 데이터 세트를 기존 훈련 데이터 세트에 추가하여 기계 학습을 수행함으로써, 근접성 판단 모델을 갱신할 수 있다.
도 4는 본 개시의 다양한 실시 예들에 따른 스마트 카 시스템에서 차량 장치의 동작 방법을 도시한다. 도 4는 차량 장치 120의 동작 방법을 예시한다.
도 4를 참고하면, 401 단계에서, 차량 장치는 사용자 장치(예: 사용자 장치 110)에서 송신된 측정을 위한 신호를 수신한다. 이에 따라, 차량 장치는 적어도 하나의 안테나를 통해 신호를 측정하고, 측정 데이터를 생성한다. 그리고, 차량 장치는 미리 정의된 매핑 정보로부터 측정 데이터를 이용하여 근접성을 판단할 수 있다. 즉, 차량 장치는 측정 데이터를 이용한 기계 학습 기법으로 근접성, 예를 들어, 사용자 장치가 차량 내부에 위치한 상태인지, 차량에 근접한 상태인지, 차량과 원거리 상태인지를 판단할 수 있다.
이어, 403 단계에서, 차량 장치는 근접성을 판단하고, 오류 상황을 감지한다. 이때, 오류 상황은 차량 장치의 판단에 의해 감지되거나, 관리 장치로부터의 통지에 의해 감지될 수 있다. 차량 장치의 판단에 의하는 경우, 차량 장치는 측정 데이터에 기반한 판단 결과를 다른 정보에 기반한 판단 결과와 비교한다. 비교한 판단 결과들이 일치하지 아니하는 경우, 차량 장치는 오류 상황임을 판단할 수 있다. 이에 따라, 차량 장치는 오류 상황에 대한 측정 데이터를 수집할 수 있다. 예를 들어, 다른 정보에 기반한 판단 결과는 차량의 제어 상황, 상기 차량에 설치된 적어도 하나의 센서에 의한 센싱 결과, 및 사용자의 입력 중 적어도 하나에 의해 생성될 수 있다. 구체적인 예로, 운전자가 차량 제어 또는 접촉 센싱에 의해 명백히 차량 내에 위치하는데, 특정 위치에서 사용자 장치의 위치가 식별되지 아니함으로 인해 차량 외부로 판단 시, 차량 장치는 측정 데이터를 수집할 수 있다. 또는, 운전자가 차량으로 접근하여 도어를 열려고 하나, 차량 원거리로 판단되어 도어 열림이 실패하는 경우, 차량 장치는 측정 데이터를 수집할 수 있다. 또는, 기기 조작 또는 차문 열림이 실패함에 따라 운전자가 사용자 장치의 위치 이동을 통해 판단을 수정하는 경우, 차량 장치는 실패 시의 측정 데이터를 수집할 수 있다. 이 외, 신호를 이용한 자동 판단 외의 방식, 예를 들면, 운전자가 직접 데이터 측정을 요청할 경우, 차량 장치는 측정 데이터를 수집할 수 있다.
이후, 405 단계에서, 차량 장치는 관리 장치(예: 관리 장치 130)로 측정 데이터를 송신한다. 즉, 차량 장치는 오류 상황 감지에 따라 수집된 측정 데이터를 송신한다. 이때, 차량 장치는 관리 장치의 요청에 응하여 측정 데이터를 송신하거나, 또는, 서로 다른 방식들에 따른 근접성 판단들의 불일치에 의해 측정 데이터를 송신할 수 있다. 근접성 판단들의 불일치에 의한 경우, 차량 장치는 측정 오류에 대한 보고를 더 송신할 수 있다. 여기서, 측정 오류에 대한 보고는 오류의 발생을 알리는 지시자(label), 오류의 발생 시점, 오류로 확인된 판단 내용, 신호 측정 외 다른 방식으로 결정된 근접성 판단 중 적어도 하나를 포함할 수 있다.
이후, 407 단계에서, 차량 장치는 갱신된 매핑 정보를 수신한다. 갱신된 매핑 정보는 405 단계에서 송신된 측정 데이터에 따라 수정된 근접성 정보를 포함한다. 이에 따라, 차량 장치는 저장된 매핑 정보를 갱신하고, 이후 근접성 판단을 위해 사용할 수 있다.
도 4를 참고하여 설명한 실시 예와 같이, 차량 장치는 근접성 판단의 오류 시 측위 학습을 위한 추가 데이터를 수집하고, 수집된 데이터/정보/판단 내용을 관리 장치로 전송 할 수 있다. 즉, 차량 장치는 개인 특화 데이터 또는 정보를 기계 학습을 통해 모델을 갱신하는 관리 장치로 송신할 수 있다. 이때, 다양한 실시 예들에 따라, 차량 장치는 수집된 개인 특화 데이터 또는 가공된 정보를 실시간 또는 일정 기간 집계 후 단기적 또는 주기적으로 관리 장치로 전송할 수 있다.
도 5는 본 개시의 다양한 실시 예들에 따른 스마트 카 시스템에서 사용자 장치의 동작 방법을 도시한다. 도 5는 사용자 장치 110의 동작 방법을 예시한다.
도 5를 참고하면, 501 단계에서, 사용자 장치는 차량 장치(예: 차량 장치 120)에 의한 근접성 판단 결과를 표시한다. 이에 앞서, 사용자 장치는 관리 장치(예: 관리 장치 130)로부터 차량 장치에 의한 근접성 판단 결과를 알리는 메시지를 수신할 수 있다. 여기서, 근접성 판단 결과를 표시하기 위한 인터페이스는, 판단 결과를 알리는 적어도 하나의 객체(예: 알림 창), 오류 보고 명령을 입력하기 위한 적어도 하나의 객체(예: 버튼), 사용자에 의해 결정된 근접성 판단을 입력하기 위한 적어도 하나의 객체(예: 버튼, 체크박스) 중 적어도 하나를 포함할 수 있다.
이어, 503 단계에서, 사용자 장치는 판단 결과의 오류 여부를 확인한다. 예를 들어, 사용자 장치는 사용자에 의한 오류 보고 명령을 확인할 수 있다. 오류 보고 명령은 501 단계에서 표시된 인터페이스를 통해 감지될 수 있다. 예를 들어, 차량에서 멀리 떨어져 있는 운전자가 차량 장치의 판단이 '근접'으로 잘못된 것을 인지한 경우, 사용자는 입력 수단(예: 터치 스크린)을 이용하여 오류 보고를 명령할 수 있다.
이어, 505 단계에서, 사용자 장치는 관리 장치로 측정 오류에 대한 보고를 송신한다. 여기서, 측정 오류에 대한 보고는 오류의 발생을 알리는 지시자, 오류의 발생 시점을 알리는 정보, 오류로 확인된 판단 내용, 신호 측정 외 다른 방식(예: 사용자의 선택)으로 결정된 근접성 판단 중 적어도 하나를 포함할 수 있다.
도 5를 참고하여 설명한 실시 예와 같이, 사용자 장치는 사용자의 판단에 의한 오류 보고를 송신할 수 있다. 즉, 평소의 습관대로 차량 도어의 개폐를 시행하는 과정 중, 사용자는 차량 장치의 근접성 판단 오류를 인지할 수 있고, 사용자 장치를 통해 특정 위치/동작에서의 차량 장치의 판단 오류를 관리 장치로 피드백할 수 있다.
도 6은 본 개시의 다양한 실시 예들에 따른 스마트 카 시스템에서 사용자의 판단에 기반한 최적화를 위한 신호 교환을 도시한다. 도 6은 사용자 장치 110, 차량 장치 120, 관리 장치 130 간 신호 교환을 예시한다.
도 6을 참고하면, 601 단계에서, 사용자 장치 110은 측정을 위한 신호를 송신한다. 이에 따라, 차량 장치 120은 적어도 하나의 안테나를 통해 수신되는 신호에 대한 측정을 수행하고, 사용자 장치 110의 근접성을 판단한다. 여기서, 측정을 위한 신호는 블루투스 저 에너지(BLE) 신호, 무선 랜 신호 또는 다른 RAT(radio access technology)의 신호를 포함할 수 있다. 측정을 위한 신호는 미리 정의된 데이터 또는 시퀀스를 포함할 수 있으며, 하나 또는 둘 이상의 신호들의 조합일 수 있다.
603 단계에서, 차량 장치 120은 근접성에 대한 판단 결과를 관리 장치 130으로 송신한다. 근접성에 대한 판단 결과는 내부 상태, 근접 상태, 원거리 상태 중 어느 하나를 지시할 수 있다.
605 단계에서, 관리 장치 130은 차량 장치 120에 의한 근접성 판단 결과를 사용자 장치 110으로 송신한다. 즉, 관리 장치 130는, 사용자가 차량 장치 120에 의한 근접성 판단 결과를 평가하도록, 차량 장치 120에 의한 근접성 판단 결과를 사용자 장치 110으로 송신한다. 이에 따라, 사용자는 차량 장치 120에 의한 근접성 판단 결과가 실제와 일치하는지 여부를 확인할 수 있고, 오류 여부를 평가할 수 있다.
607 단계에서, 사용자 장치 110은 사용자에 의한 근접성 판단 결과를 관리 장치 130로 송신한다. 일 실시 예에 따라, 근접성 판단 결과는 차량 장치 120에 의한 근접성 판단 결과가 실제와 일치하지 아니하는 경우에 송신될 수 있다. 이 경우, 사용자에 의한 근접성 판단 결과는 오류 보고의 일부로서 송신될 수 있다. 오류 보고는 오류의 발생을 알리는 지시자, 오류의 발생 시점을 알리는 정보, 오류로 확인된 판단 내용, 사용자에 의해 결정된 근접성 판단 중 적어도 하나를 포함할 수 있다. 다른 실시 예에 따라, 근접성 판단 결과는 차량 장치 120에 의한 근접성 판단 결과가 실제와 일치하지 아니하는지 여부와 무관하게 송신될 수 있다.
609 단계에서, 관리 장치 130은 근접성 판단의 오류를 판단한다. 일 실시 예에 따라, 사용자 장치 110으로부터 근접성 판단 결과가 수신되는 것이 오류를 지시할 수 있다. 이 경우, 관리 장치 130은 사용자 장치 l10으로부터 근접성 판단 결과가 수신되는지 여부에 따라 오류 여부를 판단할 수 있다. 다른 실시 예에 따라, 관리 장치 130은 603 단계에서 수신된 근접성 판단 결과 및 607 단계에서 수신된 근접성 판단 결과가 일치하는지 여부에 따라 오류 여부를 판단할 수 있다. 본 예시에서는, 오류가 발생함이 전제된다.
611 단계에서, 관리 장치 130은 차량 장치 120으로 측정 데이터를 요청한다. 다시 말해, 관리 장치 130는 오류 상황에 대한 측정 데이터, 즉, 실패 데이터를 요청하는 메시지를 송신한다. 이때, 메시지는 측정 데이터의 요청을 알리는 지시자, 오류의 발생 시점을 알리는 정보, 오류로 확인된 판단 내용 중 적어도 하나를 포함할 수 있다.
613 단계에서, 차량 장치 120은 측정 데이터를 관리 장치 130으로 송신한다. 측정 데이터는 603 단계에서 전달된 판단 결과를 결정하기 위해 사용된 적어도 하나의 측정 값을 포함한다. 예를 들어, 측정 데이터는 안테나 별 수신 신호 세기 지시자(received signal strength indicator, RSSI), 수신 신호의 방향, RAT 관련 정보 중 적어도 하나를 포함할 수 있다.
615 단계에서, 관리 장치 130은 갱신된 매핑 정보를 차량 장치 120으로 송신한다. 즉, 관리 장치 130은 측정 데이터에 대응하는 근접성 정보를 수정한 후, 해당 실패 데이터에 근거하여 갱신된 매핑 정보를 송신한다. 예를 들어, 관리 장치 130은 근접성 정보를 607 단계에서 수신된 사용자의 판단 결과로 수정하고 해당 데이터를 이용하여 기계 학습 모델을 갱신할 수 있다. 이때, 매핑 정보의 전체가 송신되거나, 또는 수정된 부분만을 포함하는 일부가 송신될 수 있다.
도 7은 본 개시의 다양한 실시 예들에 따른 스마트 카 시스템에서 차량 장치의 판단에 기반한 최적화를 위한 신호 교환을 도시한다. 도 7은 사용자 장치 110, 차량 장치 120, 관리 장치 130 간 신호 교환을 예시한다.
도 7을 참고하면, 701 단계에서, 사용자 장치 110은 측정을 위한 신호를 송신한다. 이에 따라, 차량 장치 120은 적어도 하나의 안테나를 통해 수신되는 신호에 대한 측정을 수행하고, 사용자 장치 110의 근접성을 판단한다. 여기서, 측정을 위한 신호는 블루투스 저 에너지 신호, 무선 랜 신호 또는 다른 RAT의 신호를 포함할 수 있다. 측정을 위한 신호는 미리 정의된 데이터 또는 시퀀스를 포함할 수 있으며, 하나 또는 둘 이상의 신호들의 조합일 수 있다.
703 단계에서, 차량 장치 120은 근접성에 대한 판단 결과에 대한 오류를 판단한다. 즉, 차량 장치 120은 701 단계에서 수신된 신호의 측정에 기반하여 근접성 판단 결과를 생성한다. 그리고, 차량 장치 120는 다른 방식으로 얻어진 근접성 판단 결과 및 측정에 기반한 근접성 판단 결과가 일치하는지 여부에 따라 오류 여부를 판단할 수 있다. 본 예시에서, 오류가 발생함이 전제된다.
705 단계에서, 차량 장치 120은 측정 데이터를 관리 장치 130으로 송신한다. 측정 데이터는 701 단계에서 수신된 신호에 대한 적어도 하나의 측정 값을 포함한다. 예를 들어, 측정 데이터는 안테나 별 수신 신호 세기 지시자, 수신 신호의 방향, RAT 관련 정보 중 적어도 하나를 포함할 수 있다. 이때, 일 실시 예에 따라, 측정 데이터와 함께 측정 오류에 대한 보고가 더 송신될 수 있다. 여기서, 측정 오류에 대한 보고는 오류의 발생을 알리는 지시자, 오류의 발생 시점을 알리는 정보, 오류로 확인된 판단 내용, 신호 측정 외 다른 방식으로 결정된 근접성 판단 중 적어도 하나를 포함할 수 있다.
707 단계에서, 관리 장치 130은 갱신된 매핑 정보를 차량 장치 120으로 송신한다. 즉, 관리 장치 130은 측정 데이터에 대응하는 근접성 정보를 수정한 후, 수정된 근접성 정보를 포함하는 매핑 정보를 송신한다. 예를 들어, 관리 장치 130은 근접성 정보를 607 단계에서 수신된 사용자의 판단 결과로 수정할 수 있다. 이때, 매핑 정보의 전체가 송신되거나, 또는 수정된 부분만을 포함하는 일부가 송신될 수 있다.
상술한 다양한 실시 예들에 따라, 근접성 판단의 성능이 최적화될 수 있다. 상술한 실시 예들을 통해, 오류 검출에 따른 매핑 정보의 갱신 절차가 설명되었다. 이하, 본 개시는, 보다 상세한 예로서, 근접성 판단 결과 및 실제 상태가 특정된 상황에서의 최적화 절차를 설명한다.
도 8은 본 개시의 다양한 실시 예들에 따른 스마트 카 시스템에서 차량에 대한 내부 상태 및 근접(near) 상태 구분의 최적화를 위한 동작 방법을 도시한다. 도 8은 차량 장치의 판단에 의해 오류가 검출되는 경우를 예시한다.
도 8을 참고하면, 801 단계에서, 차량 장치는 측정 데이터를 근거로 운전자가 차량 내부에 위치하는 것이 아닌 것으로 판단하였으나, 판단에 모순되는 기기 조작 또는 운전자 피드백이 발생하는지 확인한다. 다시 말해, 차량 장치는 운전자가 차량 외부에 위치하는 것으로 측정되었으나, 최종 판단은 차량 내부인지 확인한다. 즉, 사용자 장치로부터의 신호에 기반한 기계 학습 판단은 근접 또는 원거리이지만, 다른 정보에 의해 사용자가 차량 내부에 위치한다고 판단될 수 있다. 예를 들어, 사용자 장치가 차량 내부에 설치된 커넥터에 도킹(docking)되는 경우, 내부에 위치함이 판단될 수 있다. 다른 예로, 운전석에 운전자의 접촉 또는 무게가 감지되거나 차량의 시동이 걸리는 경우, 내부에 위치함이 판단될 수 있다.
측정 데이터를 근거로 운전자가 차량 내부에 위치하는 것이 아닌 것으로 판단하였으나, 판단에 모순되는 기기 조작 또는 운전자 피드백이 발생하면, 803 단계에서, 차량 장치는 차량 내부에 대한 측정 데이터를 수집한다. 즉, 차량 장치는 내부 상태에 대응하는 측정 데이터를 수집한다. 이때, 차량 장치는 새로운 측정 데이터를 생성하거나, 또는 이전 생성된 측정 데이터를 확인할 수 있다. 이어, 805 단계에서, 차량 장치는 '내부'를 나타내는 지시자와 함께 측정 데이터를 업로드한다. 지시자는 '레이블(label)'이라 지칭될 수 있다. 즉, 차량 장치는 최종 판단을 알리는 정보 및 측정 데이터를 관리 장치로 송신한다.
이후, 807 단계에서, 관리 장치는 새로운 데이터를 이용하여 기계 학습을 수행한다. 즉, 관리 장치는 805 단계에서 업로드된 측정 데이터와 지시자에 기반하여 기계 학습 모델을 수정할 수 있다. 이에 따라, 근접성 판단을 위한 매핑 정보가 갱신된다. 809 단계에서, 차량 장치는 갱신된 매핑 정보를 다운로드한다. 즉, 차량 장치는 관리 장치로부터 갱신된 기계 학습 모델을 수신한다. 이에 따라, 차량 장치는 근접성 판단 기능을 최적화할 수 있다.
도 9는 본 개시의 다양한 실시 예들에 따른 스마트 카 시스템에서 차량에 대한 내부 상태 및 근접 상태 구분의 최적화를 위한 다른 동작 방법을 도시한다.
도 9를 참고하면, 901 단계에서, 차량 장치는 측정 결과를 근거로 외부 원거리로 판단하였으나, 판단에 모순되는 차량 문 터치 도는 운전자 피드백이 발생하는지 확인한다.. 다시 말해, 차량 장치는 운전자가 차량 내부에 위치하는 것이 아닌 것으로 측정하였고, 차량 도어에 터치가 발생하는지 확인한다. 차량 도어에서의 터치는 적어도 하나의 센서에 의해 검출되거나 또는 도어 조작(예: 열림)에 의해 검출될 수 있다.
측정 결과를 근거로 외부 원거리로 판단하였으나, 판단에 모순되는 차량 문 터치 도는 운전자 피드백이 발생하면, 903 단계에서, 차량 장치는 차량 근접에 대한 측정 데이터를 수집한다. 즉, 차량 장치는 근접 상태에 대응하는 측정 데이터를 수집한다. 이때, 차량 장치는 새로운 측정 데이터를 생성하거나, 또는 이전 생성된 측정 데이터를 수집할 수 있다. 이어, 905 단계에서, 차량 장치는 '근접'을 나타내는 지시자와 함께 측정 데이터를 관리 장치로 업로드한다. 즉, 차량 장치는 최종 판단을 알리는 정보 및 측정 데이터를 관리 장치로 송신한다.
이후, 907 단계에서, 관리 장치는 새로운 데이터를 이용하여 기계 학습을 수행한다. 즉, 관리 장치는 905 단계에서 업로드된 측정 데이터와 지시자에 기반하여 기계 학습 모델을 수정할 수 있다. 이에 따라, 근접성 판단을 위한 매핑 정보가 갱신된다. 909 단계에서, 차량 장치는 갱신된 매핑 정보를 다운로드한다. 즉, 차량 장치는 관리 장치로부터 갱신된 기계 학습 모델을 수신한다. 이에 따라, 차량 장치는 근접성 판단 기능을 최적화할 수 있다.
도 10은 본 개시의 다양한 실시 예들에 따른 스마트 카 시스템에서 차량에 대한 근접 상태 및 원거리(far) 상태 구분의 최적화를 위한 동작 방법을 도시한다. 도 10는 사용자의 판단에 의해 오류가 검출되는 경우를 예시한다.
도 10를 참고하면, 1001 단계에서, 차량 장치는 운전자가 차량에 근접해 있는지를 확인한다. 예를 들어, 차량 장치는 사용자 장치로부터의 신호에 기반한 기계 학습 판단을 통해 운전자가 차량에 근접해 있는지 여부를 확인할 수 있다. 운전자가 차량에 근접한 것으로 추정되면, 1003 단계에서, 차량 장치는 관리 장치로 근접 판단을 보고한다. 이어, 1005 단계에서, 관리 장치는 사용자 장치로 근접 판단을 통지한다. 이후, 1007 단계에서, 사용자 장치는 근접 판단을 표시한다. 즉, 사용자 장치는 차량 장치의 판단 결과를 출력 수단(예: 디스플레이)을 통해 출력함으로써, 사용자에게 판단 결과를 알린다.
이후, 1009 단계에서, 사용자 장치는 사용자가 차량에 근접해 있는지 확인한다. 예를 들어, 사용자 장치는 사용자의 입력에 기반하여 사용자가 차량에 근접해 있는지를 확인할 수 있다. 사용자가 차량에 근접해 있으면 매핑 모델 변경없이 901 단계로 이동한다. 사용자가 차량에 근접해 있지 아니하면, 1011 단계에서, 사용자 장치는 원거리 상태임을 피드백한다. 즉, 사용자 장치는 차량 장치의 판단에 오류가 있음을 관리 장치로 알린다. 이어, 1013 단계에서, 관리 장치는 차량 장치로 실패 데이터를 요청한다. 이에 따라, 1015 단계에서, 차량 장치는 실패 데이터를 업로드한다.
이후, 1017 단계에서, 관리 장치는 새로운 데이터를 이용하여 기계 학습을 수행한다. 즉, 관리 장치는 1011 단계에서 수정한 정보와 함께 1015 단계에서 수집된 정보에 기반하여 기계 학습 모델을 수정할 수 있다. 이에 따라, 근접성 판단을 위한 매핑 정보가 갱신된다. 919 단계에서, 차량 장치는 갱신된 모델을 다운로드함으로써 근접성 판단 기능을 최적화할 수 있다.
본 개시의 청구항 또는 명세서에 기재된 실시 예들에 따른 방법들은 하드웨어, 소프트웨어, 또는 하드웨어와 소프트웨어의 조합의 형태로 구현될(implemented) 수 있다.
소프트웨어로 구현하는 경우, 하나 이상의 프로그램(소프트웨어 모듈)을 저장하는 컴퓨터 판독 가능 저장 매체가 제공될 수 있다. 컴퓨터 판독 가능 저장 매체에 저장되는 하나 이상의 프로그램은, 전자 장치(device) 내의 하나 이상의 프로세서에 의해 실행 가능하도록 구성된다(configured for execution). 하나 이상의 프로그램은, 전자 장치로 하여금 본 개시의 청구항 또는 명세서에 기재된 실시 예들에 따른 방법들을 실행하게 하는 명령어(instructions)를 포함한다.
이러한 프로그램(소프트웨어 모듈, 소프트웨어)은 랜덤 액세스 메모리 (random access memory), 플래시(flash) 메모리를 포함하는 불휘발성(non-volatile) 메모리, 롬(ROM: Read Only Memory), 전기적 삭제가능 프로그램가능 롬(EEPROM: Electrically Erasable Programmable Read Only Memory), 자기 디스크 저장 장치(magnetic disc storage device), 컴팩트 디스크 롬(CD-ROM: Compact Disc-ROM), 디지털 다목적 디스크(DVDs: Digital Versatile Discs) 또는 다른 형태의 광학 저장 장치, 마그네틱 카세트(magnetic cassette)에 저장될 수 있다. 또는, 이들의 일부 또는 전부의 조합으로 구성된 메모리에 저장될 수 있다. 또한, 각각의 구성 메모리는 다수 개 포함될 수도 있다.
또한, 프로그램은 인터넷(Internet), 인트라넷(Intranet), LAN(Local Area Network), WLAN(Wide LAN), 또는 SAN(Storage Area Network)과 같은 통신 네트워크, 또는 이들의 조합으로 구성된 통신 네트워크를 통하여 접근(access)할 수 있는 부착 가능한(attachable) 저장 장치(storage device)에 저장될 수 있다. 이러한 저장 장치는 외부 포트를 통하여 본 개시의 실시 예를 수행하는 장치에 접속할 수 있다. 또한, 통신 네트워크상의 별도의 저장장치가 본 개시의 실시 예를 수행하는 장치에 접속할 수도 있다.
상술한 본 개시의 구체적인 실시 예들에서, 개시에 포함되는 구성 요소는 제시된 구체적인 실시 예에 따라 단수 또는 복수로 표현되었다. 그러나, 단수 또는 복수의 표현은 설명의 편의를 위해 제시한 상황에 적합하게 선택된 것으로서, 본 개시가 단수 또는 복수의 구성 요소에 제한되는 것은 아니며, 복수로 표현된 구성 요소라 하더라도 단수로 구성되거나, 단수로 표현된 구성 요소라 하더라도 복수로 구성될 수 있다.
한편 본 개시의 상세한 설명에서는 구체적인 실시 예에 관해 설명하였으나, 본 개시의 범위에서 벗어나지 않는 한도 내에서 여러 가지 변형이 가능함은 물론이다. 그러므로 본 개시의 범위는 설명된 실시 예에 국한되어 정해져서는 아니 되며 후술하는 특허청구의 범위뿐만 아니라 이 특허청구의 범위와 균등한 것들에 의해 정해져야 한다.

Claims (22)

  1. 스마트 카 시스템에서 차량 장치의 동작 방법에 있어서,
    사용자 장치에서 송신된 적어도 하나의 신호를 수신하는 과정과,
    상기 적어도 하나의 신호에 대한 측정 데이터를 관리 장치로 송신하는 과정과,
    상기 측정 데이터에 기반하여 상기 사용자 장치에 대한 제1 근접성(proximity)의 판단 결과를 생성하는 과정과,
    상기 측정 데이터와 다른 정보에 기반하여 상기 사용자 장치에 대한 제2 근접성(proximity)의 판단 결과를 생성하는 과정과,
    상기 제1 근접성의 판단 결과 및 상기 제2 근접성의 판단 결과에 기반하여 상기 제1 근접성의 판단 결과에 대한 오류를 식별하는 과정과,
    상기 제1 근접성의 판단 결과에 오류가 있는 경우, 상기 관리 장치로, 상기 측정 데이터 및 상기 오류에 대한 보고(report)를 송신하는 과정과,
    상기 관리 장치로부터, 상기 측정 데이터 및 상기 제1 근접성(proximity)의 정보에 대한, 갱신된 매핑 정보를 수신하는 과정을 포함하는 방법.
  2. 삭제
  3. 청구항 1에 있어서,
    상기 제1 근접성의 판단 결과를 상기 관리 장치로 송신하는 과정과,
    상기 관리 장치로부터 상기 측정 데이터에 대한 요청을 수신하는 과정을 더 포함하는 방법.
  4. 삭제
  5. 청구항 1에 있어서,
    상기 제2 근접성의 판단 결과는, 차량의 제어 상황, 상기 차량에 설치된 적어도 하나의 센서에 의한 센싱 결과, 및 사용자의 입력 중 적어도 하나에 기반하여 결정되는 방법.
  6. 스마트 카 시스템에서 관리 장치의 동작 방법에 있어서,
    사용자 장치에서 송신된 적어도 하나의 신호에 대한 측정 데이터를 차량 장치로부터 수신하는 과정과,
    상기 차량 장치로부터 제1 근접성(proximity)의 판단 결과에 대한 오류 보고(error report)을 수신하는 과정과,
    상기 측정 데이터 및 상기 오류 보고(error report)에 기반하여, 상기 측정 데이터 및 제1 근접성의 정보에 대한 매핑 정보를 갱신하는 과정과,
    상기 갱신된 매핑 정보를 상기 차량 장치로 송신하는 과정을 포함하는 방법.
  7. 청구항 6에 있어서,
    상기 측정 데이터를 수신함으로 인해, 근접성 판단의 오류가 발생함을 감지하는 과정을 더 포함하는 방법.
  8. 청구항 6에 있어서,
    상기 차량 장치에 의해 생성된 제1 근접성의 판단 결과를 수신하는 과정과,
    상기 제1 근접성의 판단 결과를 상기 사용자 장치로 송신하는 과정과,
    상기 사용자 장치에 의해 생성된 제2 근접성의 판단 결과를 포함하는 오류 보고를 수신하는 과정과,
    상기 오류 보고를 수신함으로 인해, 근접성 판단의 오류가 발생함을 감지하는 과정을 더 포함하는 방법.
  9. 청구항 8에 있어서,
    상기 차량 장치로, 상기 근접성 판단의 오류에 관련된 상기 측정 데이터에 대한 요청을 송신하는 과정을 더 포함하는 방법.
  10. 스마트 카 시스템에서 사용자 장치의 동작 방법에 있어서,
    차량 장치에 의해 생성된 제1 근접성의 판단 결과를 관리 장치로부터 수신하는 과정과,
    상기 제1 근접성의 판단 결과를 표시하는 과정과,
    사용자의 제2 근접성의 판단에 기반한 상기 차량 장치의 근접성 판단에 대한 오류 보고를 상기 관리 장치로 송신하는 과정을 포함하는 방법.
  11. 청구항 10에 있어서,
    상기 오류 보고는, 오류의 발생을 알리는 지시자, 오류의 발생 시점을 알리는 정보, 오류로 확인된 판단 내용, 사용자에 의해 선택된 상기 제2 근접성의 판단 결과 중 적어도 하나를 포함하는 방법.
  12. 스마트 카 시스템에서 차량 장치에 있어서,
    송신부;
    수신부; 및
    상기 송신부 및 상기 수신부와 동작 가능하게 연결된 제어부를 포함하고,
    상기 제어부는,
    사용자 장치에서 송신된 적어도 하나의 신호에 대한 측정 데이터를 관리 장치로 송신하고,
    상기 측정 데이터에 기반하여 상기 사용자 장치에 대한 제1 근접성(proximity)의 판단 결과를 생성하고,
    상기 측정 데이터와 다른 정보에 기반하여 상기 사용자 장치에 대한 제2 근접성(proximity)의 판단 결과를 생성하고,
    상기 제1 근접성의 판단 결과 및 상기 제2 근접성의 판단 결과에 기반하여 상기 제1 근접성의 판단 결과에 대한 오류를 식별하고,
    상기 제1 근접성의 판단 결과에 오류가 있는 경우, 상기 관리 장치로, 상기 측정 데이터 및 상기 오류에 대한 보고(report)를 송신하고,
    상기 관리 장치로부터, 상기 측정 데이터 및 상기 제1 근접성의 정보에 대한 갱신된 매핑 정보를 수신하는 장치.
  13. 삭제
  14. 청구항 12에 있어서,
    상기 수신부는, 상기 제1 근접성의 판단 결과를 상기 관리 장치로 송신하고, 상기 관리 장치로부터 상기 측정 데이터에 대한 요청을 수신하는 장치.
  15. 삭제
  16. 청구항 12에 있어서,
    상기 제2 근접성의 판단 결과는, 차량의 제어 상황, 상기 차량에 설치된 적어도 하나의 센서에 의한 센싱 결과, 및 사용자의 입력 중 적어도 하나에 기반하여 결정되는 장치.
  17. 스마트 카 시스템에서 관리 장치에 있어서,
    송신부;
    수신부; 및
    상기 송신부 및 상기 수신부와 동작 가능하게 연결된 제어부를 포함하고,
    상기 제어부는,
    사용자 장치에서 송신된 적어도 하나의 신호에 대한 측정 데이터를 차량 장치로부터 수신하고,
    상기 차량 장치로부터 제1 근접성(proximity)의 판단 결과에 대한 오류 보고(error report)을 수신하고,
    상기 측정 데이터 및 상기 오류 보고(error report)에 기반하여, 상기 측정 데이터 및 상기 제1 근접성의 정보에 대한 매핑 정보를 갱신하고,
    상기 갱신된 매핑 정보를 상기 차량 장치로 송신하는 장치.
  18. 청구항 17에 있어서,
    상기 제어부는, 상기 측정 데이터를 수신함으로 인해, 근접성 판단의 오류가 발생함을 감지하는 장치.
  19. 청구항 17에 있어서,
    상기 제어부는, 상기 차량 장치에 의해 생성된 제1 근접성의 판단 결과를 수신하고, 상기 제1 근접성의 판단 결과를 상기 사용자 장치로 송신하고, 상기 사용자 장치에 의해 생성된 제2 근접성의 판단 결과를 포함하는 오류 보고를 수신하도록 제어하고, 상기 오류 보고를 수신함으로 인해 근접성 판단의 오류가 발생함을 감지하는 장치.
  20. 청구항 19에 있어서,
    상기 제어부는, 상기 차량 장치로, 상기 근접성 판단의 오류에 관련된 상기 측정 데이터에 대한 요청을 송신하도록 제어하는 장치.
  21. 스마트 카 시스템에서 사용자 장치에 있어서,
    차량 장치에 의해 생성된 제1 근접성의 판단 결과를 관리 장치로부터 수신하는 수신부와,
    사용자의 제2 근접성의 판단에 기반한 상기 제1 근접성의 판단 결과를 표시하는 표시부와,
    상기 차량 장치의 근접성 판단에 대한 오류 보고를 상기 관리 장치로 송신하는 송신부를 포함하는 장치.
  22. 청구항 21에 있어서,
    상기 오류 보고는, 오류의 발생을 알리는 지시자, 오류의 발생 시점을 알리는 정보, 오류로 확인된 판단 내용, 사용자에 의해 선택된 제2 근접성의 판단 결과 중 적어도 하나를 포함하는 장치.
KR1020170043721A 2017-04-04 2017-04-04 스마트 카 시스템에서 근접성 판단을 위한 장치 및 방법 KR102270630B1 (ko)

Priority Applications (3)

Application Number Priority Date Filing Date Title
KR1020170043721A KR102270630B1 (ko) 2017-04-04 2017-04-04 스마트 카 시스템에서 근접성 판단을 위한 장치 및 방법
PCT/KR2018/003213 WO2018186608A1 (ko) 2017-04-04 2018-03-21 스마트 카 시스템에서 근접성 판단을 위한 장치 및 방법
US16/498,088 US11480644B2 (en) 2017-04-04 2018-03-21 Apparatus and method for determining proximity in smart car system

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170043721A KR102270630B1 (ko) 2017-04-04 2017-04-04 스마트 카 시스템에서 근접성 판단을 위한 장치 및 방법

Publications (2)

Publication Number Publication Date
KR20180112529A KR20180112529A (ko) 2018-10-12
KR102270630B1 true KR102270630B1 (ko) 2021-06-29

Family

ID=63712688

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170043721A KR102270630B1 (ko) 2017-04-04 2017-04-04 스마트 카 시스템에서 근접성 판단을 위한 장치 및 방법

Country Status (3)

Country Link
US (1) US11480644B2 (ko)
KR (1) KR102270630B1 (ko)
WO (1) WO2018186608A1 (ko)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110415389B (zh) * 2018-04-27 2024-02-23 开利公司 姿势进入控制系统和预测移动设备相对于用户所在部位的方法
US20230406158A1 (en) * 2022-05-30 2023-12-21 Toyota Connected North America, Inc. In-cabin detection framework

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130162421A1 (en) 2011-11-24 2013-06-27 Takahiro Inaguma Information communication system and vehicle portable device

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1723481A (zh) * 2003-01-14 2006-01-18 松下电器产业株式会社 导航装置以及接近信息显示方法
US8401589B2 (en) * 2010-08-10 2013-03-19 At&T Intellectual Property I, L.P. Controlled text-based communication on mobile devices
KR20120115644A (ko) * 2011-04-11 2012-10-19 현대자동차주식회사 스마트 키를 이용한 운전자 인식 장치 및 방법
KR20130033731A (ko) * 2011-09-27 2013-04-04 한국델파이주식회사 휴대폰을 이용한 차량 접근시스템
US20150242760A1 (en) 2014-02-21 2015-08-27 Microsoft Corporation Personalized Machine Learning System
KR20160013334A (ko) * 2014-07-24 2016-02-04 대우전자부품(주) 스마트 키 시스템 및 이를 이용한 차량 통합 관리 방법
KR101700765B1 (ko) * 2014-08-12 2017-01-31 엘지전자 주식회사 이동 단말기 및 이의 제어방법

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130162421A1 (en) 2011-11-24 2013-06-27 Takahiro Inaguma Information communication system and vehicle portable device

Also Published As

Publication number Publication date
WO2018186608A1 (ko) 2018-10-11
KR20180112529A (ko) 2018-10-12
US20210116532A1 (en) 2021-04-22
US11480644B2 (en) 2022-10-25

Similar Documents

Publication Publication Date Title
US10609537B2 (en) Proximity platform
US8775103B1 (en) Proximity sensor calibration and configuration
US9374655B1 (en) Managing a transmission power level
CN109541655B (zh) 一种差分定位系统、方法
US20140164582A1 (en) Method and system for providing configurable communication network routing
US20140355581A1 (en) Apparatus and method for providing a common interface for multiple wireless communication protocols
CN106341809B (zh) 一种数据传输方法及设备
EP3226015A1 (en) Wireless battery management system and method of operating the same
WO2013144274A1 (en) Vehicle monitoring system tool
KR102123636B1 (ko) 네트워크 기반의 위치 결정 방법 및 그 전자 장치
KR102270630B1 (ko) 스마트 카 시스템에서 근접성 판단을 위한 장치 및 방법
BR112013027855B1 (pt) Métodos de carregamento ou descarregamento de informação ou conteúdo, e dispositivo móvel
US20220295263A1 (en) Systems, devices and methods for managing access point name information by operators and users on the sim
JP6666227B2 (ja) 判定装置
JP7086955B2 (ja) センサの正規化
JP2010127850A (ja) 測位サーバ、測位システム及び測位方法
CN111381845B (zh) 软件灰度升级方法、装置、存储介质、终端和服务器
US10085147B2 (en) Configuring network access parameters
KR101381477B1 (ko) 위치 참조 데이터의 업로드 및 다운로드
RU2750156C1 (ru) Способ сообщения информации о состоянии канала и связанное с ним оборудование
CN107979399B (zh) 一种生成量化码本的方法、装置及系统
JP2010130542A (ja) データベース管理サーバ、データベース管理システム及びデータベース管理方法
KR102270060B1 (ko) 블루투스 결제유효거리 정보 제어에 기초한 결제방법 및 그 장치
Mohd Sabri Design of an adaptive RF fingerprint indoor positioning system
CN117589427A (zh) 一种车载倒装led测试方法

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
GRNT Written decision to grant