KR102273657B1 - 지능형 5g 무선 네트워크 기반의 원격 차량주행 에이전트 시스템 - Google Patents
지능형 5g 무선 네트워크 기반의 원격 차량주행 에이전트 시스템 Download PDFInfo
- Publication number
- KR102273657B1 KR102273657B1 KR1020190128477A KR20190128477A KR102273657B1 KR 102273657 B1 KR102273657 B1 KR 102273657B1 KR 1020190128477 A KR1020190128477 A KR 1020190128477A KR 20190128477 A KR20190128477 A KR 20190128477A KR 102273657 B1 KR102273657 B1 KR 102273657B1
- Authority
- KR
- South Korea
- Prior art keywords
- vehicle
- data
- vehicle driving
- driving
- remote vehicle
- Prior art date
Links
- 238000000034 method Methods 0.000 claims abstract description 42
- 238000007405 data analysis Methods 0.000 claims abstract description 32
- 238000004891 communication Methods 0.000 claims abstract description 27
- 238000010801 machine learning Methods 0.000 claims abstract description 16
- 230000005540 biological transmission Effects 0.000 claims abstract description 10
- 238000007781 pre-processing Methods 0.000 claims abstract description 8
- 238000006243 chemical reaction Methods 0.000 claims abstract description 7
- 230000010354 integration Effects 0.000 claims abstract description 6
- 230000009467 reduction Effects 0.000 claims abstract description 6
- 238000005259 measurement Methods 0.000 claims description 12
- 230000002159 abnormal effect Effects 0.000 claims description 9
- 238000001514 detection method Methods 0.000 claims description 6
- 238000013135 deep learning Methods 0.000 claims description 5
- 238000009795 derivation Methods 0.000 claims description 3
- 238000009825 accumulation Methods 0.000 claims 1
- 239000003795 chemical substances by application Substances 0.000 description 37
- 230000006870 function Effects 0.000 description 20
- 238000005516 engineering process Methods 0.000 description 15
- 238000010586 diagram Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 11
- 238000004458 analytical method Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 8
- 238000012546 transfer Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 4
- 238000000611 regression analysis Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000002708 enhancing effect Effects 0.000 description 3
- 239000000446 fuel Substances 0.000 description 3
- 238000012417 linear regression Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000001149 cognitive effect Effects 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 238000000746 purification Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 230000001502 supplementing effect Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000003930 cognitive ability Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 230000035622 drinking Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 238000011403 purification operation Methods 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G06Q50/40—
-
- 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
- G05D1/0011—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot associated with a remote control arrangement
- G05D1/0022—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot associated with a remote control arrangement characterised by the communication link
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/25—Bioelectric electrodes therefor
-
- 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
- G05D1/0088—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
-
- 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
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
- G05D1/0248—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means in combination with a laser
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/30—Transportation; Communications
-
- 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]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/70—Services for machine-to-machine communication [M2M] or machine type communication [MTC]
Abstract
본 발명은 원격 차량주행 에이전트 시스템에 관한 것으로서, 보다 구체적으로는 실제 차량이 있는 곳과 먼 거리에 위치한 에이전트 차량 주행 센터에서 5G를 이용하여 차량을 주행할 수 있도록 하는 지능형 5G 무선 네트워크 기반의 원격 차량주행 에이전트 시스템에 관한 것이다.
이를 위해 본 발명은, 차주의 차종, 출발지, 목적지 및 결제방식 중 적어도 어느 하나 이상의 차량주행 데이터와 함께 원격 차량주행을 요청하기 위한 차주 단말기와; 상기 차주 단말기로부터 원격 차량주행을 요청받은 차량의 차량상태 데이터, 도로상태 데이터 및 주행상태 데이터 중 적어도 어느 하나 이상의 원격 차량주행 상태 데이터를 5G 무선 네트워크 기반으로 실시간 전송하기 위한 5G 원격 차량주행 통신 디바이스와; 상기 5G 원격 차량주행 통신 디바이스에서 실시간 전송되는 원격 차량주행 상태 데이터를 정제, 통합, 변환 및 축소 중 적어도 어느 하나 이상으로 전처리를 하여 실시간 저장하는 차량 데이터 클라우드 서버와; 상기 차량 데이터 클라우드 서버에서 전처리된 상태 데이터를 머신러닝(Machine Learning) 방식을 이용하여 원격 차량주행 상태를 실시간 정밀하게 분석하기 위한 차량 데이터 분석 서버와; 상기 차량 데이터 분석 서버로부터 전송되는 실시간 분석된 원격 차량주행 상태 데이터를 통해 원격으로 차량 주행을 하기 위한 에이전트 디바이스;를 포함하는 것을 특징으로 한다.
이를 위해 본 발명은, 차주의 차종, 출발지, 목적지 및 결제방식 중 적어도 어느 하나 이상의 차량주행 데이터와 함께 원격 차량주행을 요청하기 위한 차주 단말기와; 상기 차주 단말기로부터 원격 차량주행을 요청받은 차량의 차량상태 데이터, 도로상태 데이터 및 주행상태 데이터 중 적어도 어느 하나 이상의 원격 차량주행 상태 데이터를 5G 무선 네트워크 기반으로 실시간 전송하기 위한 5G 원격 차량주행 통신 디바이스와; 상기 5G 원격 차량주행 통신 디바이스에서 실시간 전송되는 원격 차량주행 상태 데이터를 정제, 통합, 변환 및 축소 중 적어도 어느 하나 이상으로 전처리를 하여 실시간 저장하는 차량 데이터 클라우드 서버와; 상기 차량 데이터 클라우드 서버에서 전처리된 상태 데이터를 머신러닝(Machine Learning) 방식을 이용하여 원격 차량주행 상태를 실시간 정밀하게 분석하기 위한 차량 데이터 분석 서버와; 상기 차량 데이터 분석 서버로부터 전송되는 실시간 분석된 원격 차량주행 상태 데이터를 통해 원격으로 차량 주행을 하기 위한 에이전트 디바이스;를 포함하는 것을 특징으로 한다.
Description
본 발명은 원격 차량주행 에이전트 시스템에 관한 것으로서, 보다 구체적으로는 실제 차량이 있는 곳과 먼 거리에 위치한 에이전트 차량 주행 센터에서 5G를 이용하여 차량을 주행할 수 있도록 하는 지능형 5G 무선 네트워크 기반의 원격 차량주행 에이전트 시스템에 관한 것이다.
원격 차량주행에서 지능형 5G 무선 네트워크 기술은 차량에 인포테인먼트(Infortainment)를 제공하는 역할을 넘어 V2X(여기서, V2X는 차량과 차량(V2V, Vehicle-to-Vehicle), 교통 인프라(V2I, Vehicle-to-Infra) 및 무선 네트워크를 통한 교통정보 센터(V2N, Vehicle-to-Network) 간 직접 메시지를 교환하는 방식이다.), 정밀 측위 등을 제공하는 역할도 함으로써 원격 차량주행이 다방면으로 활용되는 것에 지능형 5G 무선 네트워크의 가치는 점점 커지고 있다.
또한, 원격 차량주행은 이동성을 전제하기 때문에 무선 네트워크와의 연결이 필수적이고, 현재 지능형 5G는 원격 차량주행이 필요로 하는 무선 네트워크 요구사항인 대용량 데이터 전송, 실시간 차량간 데이터 공유 및 지도 업데이트 등을 만족하는 가장 효율적인 통신 방법으로 고려되고 있다.
보다 구체적으로, 지능형 5G 무선 네트워크 기반의 원격 차량주행은 라이다(LiDAR: Light Detection And Ranging), 레이더(RADAR: Radio Detecting And Ranging), 카메라 등 다양한 센서를 이용하여 도로상태, 장애물, 교통정보 등을 인지하고 있다. 그러나, 원격 차량주행의 센서는 차량에 근접한 주변 상황은 비교적 정확하게 인지하나, 차량을 기준으로 수십 ~ 수백 미터 떨어진 거리에서의 주변 상황 인지는 센서 성능에 따라 정확도가 달라진다.
또한, 센서에서 수집한 데이터를 기반으로 원격 차량주행이 필요로 하는 데이터를 가공해야 하기 때문에 센서로부터 도출된 데이터는 오차가 존재하며, 센서의 인지능력은 센서와 사물 사이에 가시거리(LOS, Line Of Sight)가 확보되지 않는 경우 센서 동작범위는 한계를 갖는다.
반면, V2X는 차량과 차량(V2V, Vehicle-to-Vehicle), 교통 인프라(V2I, Vehicle-to-Infra) 및 무선 네트워크를 통한 교통정보 센터(V2N, Vehicle-to-Network) 간 직접 메시지를 교환하는 방식으로 메시지는 차량 운행, 교통상황, 경고 등 주행에 필요한 다양한 데이터를 포함하고 있으며, 데이터를 정상적으로 수신할 경우 그 데이터에 대한 오차가 존재하지 않는다.
더욱 상세하게, 데이터의 전파 거리가 길기 때문에 원격 차량주행 센서 동작범위 너머의 상황에 대한 인지 데이터를 제공하고, V2V는 주행차 인접 차량에서 습득한 센서 데이터를 DSRC(Dedicated Short-Range Communications), C-V2X(Cellular Vehicle To Everything)의 직접 통신(PC5)과 같이 차량 간 직접 통신 인터페이스를 통해 전달받아 지연 없이 인지 범위의 향상 뿐 만 아니라 협력 주행에 활용될 수 있다.
그리고, 원격 차량주행에서 센서는 주변 상황을 인지하기 위한 필수 요소이나, 주변 모든 상황을 인지하기는 어렵기 때문에 V2X 기술은 센서와는 다른 방식으로 원격으로 차량주행을 하는 차량에 주변 데이터를 전달함으로써 센서의 부족한 성능을 보완해 주는 역할을 하여 센서와 함께 사용된다면 보다 안전한 원격 차량주행을 가능하게 해준다.
따라서, 기존의 원격 차량주행의 보행자 사망사고 등 크고 작은 사고는 사람들에게 원격 차량주행에 대한 부정적인 인식을 심어주어 조기 상용화에 걸림돌이 되고 있어, 원격 차량주행의 핵심기술인 5G, V2X 기술, 정밀 측위 기술은 기존 원격 차량주행의 부족한 부분을 보완함으로써 원격 차량주행의 안전성을 높이는데 기여할 것으로 예상되고, 특히 V2X는 차량 센서의 취약점을 보완하며 정밀지도 데이터를 실시간으로 업데이트 하고, 원격 차량주행 소프트웨어를 최신으로 유지함으로써 보다 안전한 원격 차량주행이 가능할 것으로 기대되며, 이러한 노력은 원격 차량주행의 상용화에 한걸음 더 내딛는 원동력이 될 것이다.
본 발명은 상기한 종래 기술의 문제점을 해결하기 위해 안출된 것으로서, 기존 원격 차량주행의 센서는 차량에 근접한 주변 상황은 비교적 정확하게 인지하나, 차량을 기준으로 수십 ~ 수백 미터 떨어진 거리에서의 주변 상황 인지는 센서 성능에 따라 정확도가 달라지고, 센서에서 수집한 데이터를 기반으로 원격 차량주행이 필요로 하는 데이터를 가공해야 하기 때문에 센서로부터 도출된 데이터에는 오차가 존재하며, 센서의 인지능력은 센서와 사물 사이에 가시거리가 확보되지 않는 경우 센서 동작범위는 한계를 갖는다.
또한, 기존의 원격 차량주행의 보행자 사망사고 등 크고 작은 사고는 사람들에게 원격 차량주행에 대한 부정적인 인식을 심어주어 조기 상용화에 걸림돌이 되고 있기 때문에 원격 차량주행의 핵심기술인 5G, V2X 기술, 정밀 측위 기술은 기존 원격 차량주행의 부족한 부분을 보완함으로써 원격 차량주행의 안전성을 높이는데 기여할 것으로 예상되고, 특히 V2X는 차량 센서의 취약점을 보완하며 정밀지도 데이터를 실시간으로 업데이트 하고, 원격 차량주행 소프트웨어를 최신으로 유지함으로써 보다 안전한 원격 차량주행이 가능한 지능형 5G 무선 네트워크 기반의 원격 차량주행 에이전트 시스템을 제공하는데 그 목적이 있다.
상기 목적을 달성하기 위하여, 본 발명은, 차주의 차종, 출발지, 목적지 및 결제방식 중 적어도 어느 하나 이상의 차량주행 데이터와 함께 원격 차량주행을 요청하기 위한 차주 단말기와; 상기 차주 단말기로부터 원격 차량주행을 요청받은 차량의 차량상태 데이터, 도로상태 데이터 및 주행상태 데이터 중 적어도 어느 하나 이상의 원격 차량주행 상태 데이터를 5G 무선 네트워크 기반으로 실시간 전송하기 위한 5G 원격 차량주행 통신 디바이스와; 상기 5G 원격 차량주행 통신 디바이스에서 실시간 전송되는 원격 차량주행 상태 데이터를 정제, 통합, 변환 및 축소 중 적어도 어느 하나 이상으로 전처리를 하여 실시간 저장하는 차량 데이터 클라우드 서버와; 상기 차량 데이터 클라우드 서버에서 전처리된 상태 데이터를 머신러닝(Machine Learning) 방식을 이용하여 원격 차량주행 상태를 실시간 정밀하게 분석하기 위한 차량 데이터 분석 서버와; 상기 차량 데이터 분석 서버로부터 전송되는 실시간 분석된 원격 차량주행 상태 데이터를 통해 원격으로 차량 주행을 하기 위한 에이전트 디바이스;를 포함하는 것을 특징으로 한다.
여기서, 상기 차주의 차량은 차량상태 데이터, 도로상태 데이터 및 주행상태 데이터 중 적어도 어느 하나 이상의 원격 차량주행 상태 데이터를 실시간 측정하기 위한 카메라, 라이다(LiDAR: Light Detection And Ranging), 레이더(RADAR: Radio Detecting And Ranging), GPS(Global Positioning System) 중 적어도 어느 하나 이상의 측정 센서를 구비하는 것을 특징으로 한다.
또한, 상기 차량 데이터 분석 서버는 전처리된 상태 데이터 및 원격 차량주행 상태 데이터 중 적어도 하나에 근거하여 딥 러닝(Deep learning) 방식을 이용하여 자율주행을 하기 위한 AI 자율주행 모듈을 포함하고, 차량 데이터 분석 서버는 분석된 상태 데이터 및 원격 차량주행 상태 데이터 중 적어도 어느 하나 이상의 데이터를 기반으로 차량주행 경로가 원격 차량주행이 적합한지 아니면 자율주행이 적합한지를 나태내는 데이터를 도출하는 주행방법 도출모듈을 포함하는 것을 특징으로 한다.
또한, 상기 5G 원격 차량주행 통신 디바이스는 원격으로 차량주행이 시작되면 차주 단말기에 등록된 차주의 가정용 IoT 디바이스로 출발지, 차량주행 경로, 도착예상 시간 및 실시간 위치 중 적어도 어느 하나 이상의 원격 차량주행 데이터를 전송하기 위한 IoT 디바이스 연결모듈을 포함하는 것을 특징으로 한다.
또한, 상기 차주 단말기는 차주의 바이오 데이터를 수집하기 위한 제1 생체신호 극과 제2 생체신호 전극을 포함하는 심전도(ECG: electrocardiogram) 모듈 및 심전도 모듈과 전기적으로 연결되기 위한 인터페이스 모듈을 포함하고, 인터페이스 모듈은 원격 차량주행 중 사고 발생시 차주 단말기를 통하여 차주의 바이오 데이터를 센싱하고, 센싱된 차주의 바이오 데이터를 응급 의료 관제 서버, 차주 보험사 서버, 차주의 가정용 IoT 디바이스 중 적어도 어느 하나 이상의 서버 또는 디바이스에 전송하는 것을 특징으로 한다.
보다 구체적으로, 상기 차주 단말기는 차주 결제 시 차주 아이디 및 결제 이력을 차량 데이터 분석 서버로 전송하는 것을 포함하고, 상기 차량 데이터 분석 서버는 차주의 포인트 적립, 모바일 쿠폰 인증, 차주 멤버십 리스트, 이벤트, 매출 추세, 차주 연락처 및 결제 이력 중 적어도 하나 이상을 관리 가능하도록 하기 위한 원격 차량주행 회원 관리모듈을 포함하는 것을 특징으로 한다.
더욱 상세하게, 상기 원격 차량주행 회원 관리모듈은 복수개의 차주 단말기를 노드로 하여 차주 아이디, 결제 이력 및 차주 포인트 중 적어도 어느 하나 이상을 포함하는 암호화된 정보를 블록에 기록하고, 다수의 블록을 체인형태로 연결하는 것을 특징으로 한다.
한편으로, 본 발명은, 상기 차주 단말기가 차주의 차종, 출발지, 목적지 및 결제방식 중 적어도 어느 하나 이상의 차량주행 데이터와 함께 원격 차량주행을 요청하는 원격 차량주행 요청단계와; 상기 5G 원격 차량주행 통신 디바이스가 차주 단말기로부터 원격 차량주행을 요청받은 차량의 차량상태 데이터, 도로상태 데이터 및 주행상태 데이터 중 적어도 어느 하나 이상의 원격 차량주행 상태 데이터를 5G 무선 네트워크 기반으로 실시간 전송하는 원격 차량주행 상태 데이터 전송단계와; 상기 차량 데이터 클라우드 서버가 5G 원격 차량주행 통신 디바이스에서 실시간 전송되는 원격 차량주행 상태 데이터를 정제, 통합, 변환 및 축소 중 적어도 어느 하나 이상으로 전처리 하여 데이터를 실시간 저장하는 데이터 전처리 및 저장단계와; 상기 차량 데이터 분석 서버가 차량 데이터 클라우드 서버에서 전처리된 상태 데이터를 머신러닝(Machine Learning) 방식을 이용하여 원격 차량주행 상태를 실시간 정밀하게 분석하는 원격 차량주행 상태 분석단계와; 상기 에이전트 디바이스가 차량 데이터 분석 서버로부터 전송되는 실시간 분석된 원격 차량주행 상태 데이터를 통해 원격으로 차량 주행을 하는 원격 차량주행 단계;를 포함하는 것을 특징으로 한다.
이상과 같은 본 발명에 따른 지능형 5G 무선 네트워크 기반의 원격 차량주행 에이전트 시스템은 원격 차량주행의 핵심기술인 5G, 정밀 측위 기술 등을 활용하여 기존 원격 차량주행에서 센서의 인지능력인 사물과 센서 사이에 가시거리가 확보되지 않는 경우에 센서 동작범위가 한계를 가지는 부족한 부분을 보완함으로써 원격 차량주행의 안전성을 높이는데 기여할 것으로 예상되고, V2X는 차량 센서의 취약점을 보완하며, 정밀지도 데이터를 실시간으로 업데이트 하고, 원격 차량주행 소프트웨어를 최신으로 유지함으로써 보다 안전한 원격 차량주행이 가능한 지능형 5G 무선 네트워크 기반의 원격 차량주행이 이루어지도록 할 수 있다.
도 1은 본 발명에 따른 지능형 5G 무선 네트워크 기반의 원격 차량주행 에이전트 시스템을 개략적으로 도시한 도면
도 2는 본 발명에 따른 지능형 5G 무선 네트워크 기반의 원격 차량주행 에이전트 시스템 중 차량 데이터 분석 서버의 주요 구성요소를 나타낸 도면
도 3은 본 발명에 따른 지능형 5G 무선 네트워크 기반의 원격 차량주행 에이전트 시스템 중 5G 원격 차량주행 통신 디바이스의 동작 예시를 나타낸 도면
도 4는 본 발명에 따른 지능형 5G 무선 네트워크 기반의 원격 차량주행 에이전트 시스템 중 사고 발생시 차주 단말기의 동작 예시를 나타낸 도면
도 5는 본 발명에 따른 지능형 5G 무선 네트워크 기반의 원격 차량주행 에이전트 방법을 도시한 순서도
도 6은 본 발명에 지능형 5G 무선 네트워크 기반의 원격 차량주행 에이전트 시스템을 활용한 선행 차량의 이상 상황 발생시 후행 원격 차량 알람 기능을 나타내는 예시도
도 7은 본 발명에 따른 지능형 5G 무선 네트워크 기반의 원격 차량주행 에이전트 시스템 중 자율주행을 위한 네트워크 구조 및 기술을 나타내는 예시도
도 8은 본 발명의 따른 지능형 5G 무선 네트워크 기반의 원격 차량주행 에이전트 시스템을 활용한 자율주행 기술의 요소를 나타내는 예시도
도 9는 본 발명의 지능형 5G 무선 네트워크 기반의 원격 차량주행 에이전트 시스템 중 원격 차량주행 상태 데이터를 측정하는 센서를 나태내는 예시도
도 2는 본 발명에 따른 지능형 5G 무선 네트워크 기반의 원격 차량주행 에이전트 시스템 중 차량 데이터 분석 서버의 주요 구성요소를 나타낸 도면
도 3은 본 발명에 따른 지능형 5G 무선 네트워크 기반의 원격 차량주행 에이전트 시스템 중 5G 원격 차량주행 통신 디바이스의 동작 예시를 나타낸 도면
도 4는 본 발명에 따른 지능형 5G 무선 네트워크 기반의 원격 차량주행 에이전트 시스템 중 사고 발생시 차주 단말기의 동작 예시를 나타낸 도면
도 5는 본 발명에 따른 지능형 5G 무선 네트워크 기반의 원격 차량주행 에이전트 방법을 도시한 순서도
도 6은 본 발명에 지능형 5G 무선 네트워크 기반의 원격 차량주행 에이전트 시스템을 활용한 선행 차량의 이상 상황 발생시 후행 원격 차량 알람 기능을 나타내는 예시도
도 7은 본 발명에 따른 지능형 5G 무선 네트워크 기반의 원격 차량주행 에이전트 시스템 중 자율주행을 위한 네트워크 구조 및 기술을 나타내는 예시도
도 8은 본 발명의 따른 지능형 5G 무선 네트워크 기반의 원격 차량주행 에이전트 시스템을 활용한 자율주행 기술의 요소를 나타내는 예시도
도 9는 본 발명의 지능형 5G 무선 네트워크 기반의 원격 차량주행 에이전트 시스템 중 원격 차량주행 상태 데이터를 측정하는 센서를 나태내는 예시도
본 명세서 및 청구범위에 사용된 용어나 단어는 통상적이거나 사전적인 의미로 한정해서 해석되어서는 아니 되며, 발명자는 그 자신의 발명을 가장 최선의 방법으로 설명하기 위해 용어의 개념을 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 가장 바람직한 일 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, 도면을 참조로 하여 본 발명에 따른 지능형 5G 무선 네트워크 기반의 원격 차량주행 에이전트 시스템 및 방법을 설명하기로 한다.
도 1은 본 발명에 따른 지능형 5G 무선 네트워크 기반의 원격 차량주행 에이전트 시스템을 개략적으로 도시한 도면이다.
본 발명에 따른 지능형 5G 무선 네트워크 기반의 원격 차량주행 에이전트 시스템은 기본적으로 차주 단말기, 5G 원격 차량주행 통신 디바이스, 차량 데이터 클라우드 서버, 차량 데이터 분석 서버, 에이전트 디바이스를 포함하여 구성된다.
도 1을 참조로 하면, 보다 구체적으로 본 발명은 차주의 차종, 출발지, 목적지 및 결제방식(예: 결제 일시불/할부 여부, 멤버십 포인트로 결제 가능 여부, 할인 쿠폰적용 여부 등) 중 적어도 어느 하나 이상의 차량주행 데이터와 함께 원격 차량주행을 요청하기 위한 차주 단말기와 차주 단말기로부터 원격 차량주행을 요청받은 차량의 차량상태 데이터(예: 차량의 연료량, 차량의 이상 여부 등), 도로상태 데이터(예: 주행하는 도로의 종류, 도로 요철의 정도 등) 및 주행상태 데이터(예: 주행 중 날씨, 교통혼잡의 정도, 도로교통법에 의한 차선변경 및 제한속도에 따른 차량의 주행 속도, 흔들림 여부 등) 중 적어도 어느 하나 이상의 원격 차량주행 상태 데이터를 5G 무선 네트워크 기반으로 실시간 전송하기 위한 5G 원격 차량주행 통신 디바이스와 5G 원격 차량주행 통신 디바이스에서 실시간 전송되는 원격 차량주행 상태 데이터를 정제, 통합, 변환 및 축소 중 적어도 어느 하나 이상으로 전처리를 하여 실시간 저장하는 차량 데이터 클라우드 서버와 차량 데이터 클라우드 서버에서 전처리된 상태 데이터를 머신러닝(Machine Learning) 방식을 이용하여 원격 차량주행 상태를 실시간 정밀하게 분석하기 위한 차량 데이터 분석 서버와 차량 데이터 분석 서버로부터 전송되는 실시간 분석된 원격 차량주행 상태 데이터를 통해 원격으로 차량 주행을 하기 위한 에이전트 디바이스를 포함하여 이루어진다.
보다 구체적으로, 상기 차주의 차량은 차량상태 데이터, 도로상태 데이터 및 주행상태 데이터 중 적어도 어느 하나 이상의 원격 차량주행 상태 데이터를 실시간 측정하기 위한 카메라, 라이다(LiDAR: Light Detection And Ranging), 레이더(RADAR: Radio Detecting And Ranging), GPS(Global Positioning System) 중 적어도 어느 하나 이상의 측정 센서를 구비하여 이루어진다.
상기 차주 단말기는 온라인 네트워크를 통해 5G 원격 차량주행 통신 디바이스, 에이전트 디바이스, 차량 데이터 클라우드 서버 및 차량 데이터 분석 서버에 접속하여 차량주행 데이터(예: 차종, 출발지, 목적지, 결제방식 등), 원격 차량주행 상태 데이터(예: 차량상태 데이터, 도로상태 데이터, 주행상태 데이터 등), 전처리된 상태 데이터 및 전처리된 상태 데이터을 통하여 실시간 분석된 데이터를 송수신하기 위한 것으로, 태블릿, 넷북, PDA(personal digital assistant), PMP(portable multimedia player), 스마트폰, 웨어러블 스마트 기기 등의 다양한 통신 수단을 포함하는 것으로 해석되어야 하며, 제조사 서버 및 클라우드 서버에서 제공하는 각종 기능을 실행하기 위한 소프트웨어, 애플리케이션 등을 구비할 수 있다.
또한, 본 발명에서 언급하는 온라인 네트워크라 함은 유선 공중망, 무선 이동 통신망, 또는 휴대 인터넷 등과 통합된 코어 망일 수도 있고, TCP/IP 프로토콜 및 그 상위 계층에 존재하는 여러 서비스, 즉 HTTP(Hyper Text Transfer Protocol), HTTPS(Hyper Text Transfer Protocol Secure), Telnet, FTP(File Transfer Protocol), DNS(Domain Name System), SMTP(Simple Mail Transfer Protocol) 등을 제공하는 전 세계적인 개방형 컴퓨터 네트워크 구조를 의미할 수 있으며, 이러한 예에 한정하지 않고 다양한 형태로 데이터를 송수신할 수 있는 데이터 통신망을 포괄적으로 의미하는 것이다.
상기 5G 원격 차량주행 통신 디바이스, 에이전트 디바이스, 차량 데이터 클라우드 서버 및 차량 데이터 분석 서버는 하드웨어 구성요소, 소프트웨어 구성요소 및 하드웨어 구성요소, 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 프로세서, 컨트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPA(field programmable array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 디바이스 및 서버와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다.
또한, 5G 원격 차량주행 통신 디바이스, 에이전트 디바이스, 차량 데이터 클라우드 서버 및 차량 데이터 분석 서버는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있고, 소프트웨어의 실행에 응답하여 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다.
또한, 본 발명에서 언급하는 소프트웨어라 함은 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction) 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 디바이스를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 디바이스를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 상기 각각의 디바이스에 의하여 해석되거나 상기 각각의 디바이스에 명령 또는 데이터를 제공하기 위하여 어떤 유형의 기계, 구성요소(component), 물리적 디바이스, 가상 디바이스(virtual equipment), 컴퓨터 저장 매체 또는 디바이스에 구체화(embody)될 수 있으며 온라인 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서 분산된 방법으로 저장되거나 실행될 수도 있다.
상기 차량 데이터 클라우드 서버가 수행하는 데이터 전처리란 실시간 전송되는 원격 차량주행 상태 데이터를 분석 및 처리에 적합한 형식의 데이터로 조작하는 것을 말하며 차량 데이터 클라우드 서버에서 데이터 정제 작업은 원격 차량주행 상태 데이터의 수집 및 전송 과정에서 생긴 오류 등을 보완하여 머신러닝(Machine Learning) 분석을 통해 원격 차량주행 상태를 올바르게 이루지게 하여, 원격 차량주행 상태 데이터 자체에 대한 신뢰도 및 정밀도를 높이는 작업에 해당한다.
더욱 상세하게, 차량 데이터 클라우드 서버에서 데이터 정제는 원격 차량주행 상태 데이터의 불일치나 오류의 수정, 서식처럼 기계가 읽을 수 없는 요소의 제거, 행과 열의 제목을 위한 표준 라벨의 사용, 숫자나 날짜 그 외 수량이 적절하게 표현되도록 보장, 존재하지 않는 값의 일종으로 변수(variable)로서 값은 존재하나 그 시점에서 아직 정해져 있지 않은 값을 표시하는 결측값(Missing Value)을 처리, 적합한 파일 포맷으로의 변환, 중복 데이터 처리 및 동일한 의미를 갖는 필드를 처리하는 과정 등을 포함하고 있다.
또한, 차량 데이터 클라우드 서버에서 데이터 통합은 원격 차량주행 상태 데이터를 가공하여 분석 및 예측에 더 도움이 되는 데이터를 이끌어 내고, 더욱 상세하게는 원격 차량주행 상태 데이터의 경향성 및 변화 추이 반영, 주기함수의 결합 변환을 통한 연속적 데이터의 패턴을 분석, 시계열 데이터를 문자열 형태로 변환하여 패턴을 분석하는 과정 등을 포함하고 있다.
추가적으로, 차량 데이터 클라우드 서버에서 데이터 변환 및 축소는 기기 데이터를 알고리즘에 활용할 수 있는 형태로 데이터를 변환 및 축소하고, 원격 차량주행 상태 데이터의 노이즈를 제거하는 평활화(Smoothing), 원격 차량주행 상태 데이터를 더 작은 범위에 들어가게 하기 위해 다듬는 정규화(Normalization), 카테고리 값이나 텍스트 데이터를 처리가 쉬운 정수로 변환하는 인코딩인 Label Encoding, 더 나아가 Label Encoding을 통해 정수로 변환된 값을 단 하나의 값만 True 이고 나머지는 모두 False 구성하는 인코딩인 One-hot Encoding, 속성의 데이터 값을 다른 범위나 상위 레벨의 개념으로 대체하는 이산화(Discretization) 등을 포함하고 있다.
상기 차량 데이터 분석 서버는 전처리된 데이터를 머신러닝(Machine Learning) 방식을 통해 원격 차량주행 상태를 실시간 정밀하게 분석하는데, 머신러닝은 기본적으로 에이전트가 어떤 행위를 선택하여 얻게 되는 시행착오를 통해 주어진 환경(state)을 학습하고, 정해진 정책에 따라 행동(action)을 결정하고 실행하여 행동에 따라 얻게 되는 보상(reward)을 기초로 행동정책을 수정해가면서 학습하는 기계학습의 일종이다.
여기서 머신러닝 방식의 한 가지 원리인 머신러닝 회귀 분석에 대해 살펴보면, 머신러닝 회귀 분석은 주어진 데이터가 어떤 함수로부터 생성되었는가를 알아보는 '함수 관계'를 추측하는 것으로, 다시 말해서 데이터 세트(x, y)로부터 학습 알고리즘을 이용하여 가설을 생성하고 생성된 가설에 데이터를 입력하여 예측 값 데이터를 얻고, 이러한 가설에 해당하는 식이 어떤 방정식인지, 계수는 어떤 것을 의미하는지 알아가는 과정이라고 할 수 있다.
또한, 머신러닝 회귀 분석에서 방정식의 계수가 선형인 경우 선형 회귀 분석(Linear Regression Analysis)이라 하고, 방정식의 계수가 여러 개이면 다중 선형 회귀 분석(Multiple Linear Regression Analysis)이라 하며, 테스트 데이터는 y=x 그래프에 약간의 오차를 섞어 만든 데이터로 학습을 통해 데이터에 맞는 가중치 값(w)과 편향 값(b)을 찾아 수행한 결과를 나타내어 y = wx + b 과 같은 정의에 따라 결과값과의 오차를 경사 하강법(Gradient Descent)을 통해 알맞은 함수를 찾을 수 있다.
또한, 데이터에 대한 가설을 학습할 때 그려진 선과 각 데이터의 분포의 차이를 계산하여 차이가 가장 적은 것이 이 모델에 적합한 선이라는 것을 알 수 있고, 이를 비용함수(Cost Function)라 하며, 비용함수를 이용하여 실제 세운 가설과 나타내는 값이 얼마나 다른 지를 유추해 볼 수 있다.
구체적으로, 비용함수(오차함수)는 두 개의 매개변수(w, b) 로 구성되어 있으므로 이를 2차원 공간에 표현할 수 있음에 따라, 각 점에서 오차함수의 높이는 직선에 대한 오차이고, 어떤 직선들은 다른 직선들보다 더 작은 오차를 가지게 되며, 가령 텐서 플로우에서 경사 하강법 알고리즘을 수행할 때 이 평면의 한 지점에서 시작하여 더 작은 오차를 갖는 직선을 찾아 이동해 나간다.
또한, 오차함수의 기울기를 계산하기 위하여 오차함수를 미분하는 과정을 거치게 되고, 직선을 찾아가는 과정의 반복이 있을 때마다 움직일 방향을 알아가기 위해 w와 b에 대한 편미분 방정식 계산이 필요하다.
다중 회귀 분석은 단일 회귀 분석에서 쓰였던 입력 데이터 x가 2개 이상이 되고, 일례로 두 개의 변수(x1, x2)를 갖는 다중 회귀 분석의 경우 y = w1*x1 + x2*x2 + b 와 같이 정의하고 학습을 통해 데이터에 맞는 평면을 찾을 수 있다.
위와 같은 단일, 다중 선형 회귀 분석을 통하여 어떠한 데이터가 존재하면 그 데이터를 표현하는 함수를 학습할 수 있다는 것을 알 수 있다.
추가적으로, 경사 하강법은 cost 비용을 최소화하기 위한 최적화 알고리즘으로, 최적화란 여러 가지 허용되는 값들 중에서 주어진 기준을 가장 잘 만족하는 것을 선택하는 것이고, 해당 함수의 최소값 위치를 찾기 위해 비용함수의 기울기 반대 방향으로 정의한 스텝 사이즈(Step Size)를 가지고 조금씩 움직이면서 최적의 파라미터를 찾는 과정이라고 할 수 있으며, 간략하게는 기울기로 함수의 최소값을 찾는 방법이다.
본 발명의 실시예들은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 그 발명에 속하는 기술분야에서 통상의 지식을 가진 사람에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드 뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 서버는 본 발명의 일 실시예들의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
도 2는 본 발명에 따른 지능형 5G 무선 네트워크 기반의 원격 차량주행 에이전트 시스템 중 차량 데이터 분석 서버의 주요 구성요소를 나타낸 도면이다.
이하에서는 상기 차량 데이터 분석 서버와 관련된 구체적인 사항에 대해 살펴보기로 한다.
<차량 데이터 분석 서버의 주요 구성요소, 기능 및 효과>
* AI 자율주행 모듈
- 전처리된 상태 데이터 및 원격 차량주행 상태 데이터 중 적어도 하나에 근거하여 딥 러닝(Deep learning) 방식을 이용하여 자율주행 함
- 원격 차량주행 시 차량에 위급한 문제가 발생되면 즉각적으로 원격 차량주행에서 자율주행으로 주행방법을 변경 가능하게 할 수도 있음
- 상기 차량에 위급한 문제란 차량이 지속적으로 원격 차량주행을 하기 힘든 경우(예: 원격 차량주행의 시스템적 오류로 인해 원격 차량주행이 10분 이상 지속이 불가능한 상황, 차량의 타이어 펑크, 엔진 화재, 차량의 경고등 점멸 등)를 말하며, 원격 차량주행에 문제가 생길 경우 자동으로 자율주행 방법으로 전환되거나, 자율주행 방법으로 전환된 다음으로 주변 안전지대(예: 도로 갓길, 운전 쉼터 등)에 차량을 정차 시킬 수도 있음
- 자율주행 중 상기 에이전트 디바이스에서 원격 차량주행을 하기 위한 요청을 전송하는 경우, 자율주행에서 원격 차량주행으로 전환될 수도 있음
- 딥 러닝 방식에 대해 살펴보면, 딥 러닝 중 일부는 컨벌루션 신경망(CNN: convolution neural network) 알고리즘으로 구현될 수 있고, 컨벌루션 신경망 알고리즘은 하나 이상의 컨벌루션 레이어, 하나 이상의 활성 함수, 및 하나 이상의 풀링(pooling) 레이어를 포함할 수 있고, 이때 각각의 컨벌루션 레이어는 하나 이상의 컨벌루션 필터로 구성될 수 있다. 이러한 컨벌루션 신경망의 구조는 본 발명의 구체적 실시 형태에 따라 달라짐
* 주행방법 도출모듈
- 분석된 상태 데이터 및 원격 차량주행 상태 데이터 중 적어도 어느 하나 이상의 데이터를 기반으로 차량주행 경로가 원격 차량주행이 적합한지 아니면 자율주행이 적합한지를 나태내는 데이터를 도출함
- 차량주행 경로마다 원격 차량주행이 적합한지 아니면 자율주행이 적합한지에 대해 도출된 데이터에 근거하여 통계 데이터를 획득하고, 획득된 통계 데이터를 머신러닝 방식을 이용하여 차량주행 경로별 적합도를 분석할 수도 있음
- 차량주행 경로마다 원격 차량주행이 적합한지 아니면 자율주행이 적합한지에 대해 도출된 데이터에 근거하여 획득한 통계 데이터를 상기 차량 데이터 클라우드 서버로 전송하고 저장하여 데이터베이스화 할 수도 있음
- 상기 차량 데이터 분석서버에서 상기 데이터베이스화 된 통계 데이터 및 상기 차량 데이터 클라우드 서버에서 전처리된 상태 데이터 중 적어도 어느 하나 이상의 데이터를 머신러닝 방식을 이용하여 원격 차량주행 상태를 실시간 정밀하게 분석할 수도 있음
- 새로운 차량주행 경로로 주행시 상기 데이터베이스화 된 통계 데이터, 분석된 상태 데이터 및 원격 차량주행 상태 데이터 중 적어도 어느 하나 이상의 데이터를 기반으로 새로운 차량주행 경로에 원격 차량주행이 적합한지 아니면 자율주행이 적합한지를 나타내는 데이터를 도출할 수도 있음
* 원격 차량주행 회원 관리모듈
- 상기 차주 단말기는 차주 결제 시 차주 아이디 및 결제 이력을 차량 데이터 분석 서버로 전송하고, 차량 데이터 분석 서버는 차주의 포인트 적립, 모바일 쿠폰 인증, 차주 멤버십 리스트, 이벤트, 매출 추세, 차주 연락처 및 결제 이력 중 적어도 하나 이상을 관리함
- 차주 단말기가 전송하는 차주의 결제 이력에 대한 횟수를 실시간 카운트하면서 미리 설정된 결제 순번에 따른 결제 이력이 확인되면 당첨된 것으로 승인한 다음으로 미리 정해진 수준의 포인트를 추가로 차주에게 적립시킬 수도 있음
- 예로써 10번째, 20번째, 30번째 등과 같이 특정 순번에 대응하여 결제하는 차주를 당첨 대상자로 하기 위해 당첨 결제 순번을 설정할 수도 있음
- 차주 단말기로부터 차주의 결제 이력을 수신하여 차주별로 결제 이력이 미리 정해진 기간 내 일정 횟수 이상인 차주를 단골 차주로 등록하여 차주마다 별도로 운영되는 이벤트를 단골 차주에게 안내할 수도 있음
- 각 차주별로 단골 차주 등록을 위한 결제 이력 관리 기간 및 결제 이력 횟수의 설정을 가능하도록 하고, 등록된 단골 차주의 결제 이력이 미리 정해진 기간 내 일정 횟수에 미달하는 경우 단골 차주에서 제외할 수도 있음
- 예로써 1주일간 1회 이상 결제 이력이 있는 차주를 단골 차주로 등록하도록 결제 이력 관리 기간 및 결제 이력 횟수를 설정하여, 최소 주 1회 결제이력이 없는 차주는 단골 차주로 등록하지 않고, 기존에 등록된 단골 차주 중에서도 주 1회 결제 이력이 없으면 단골 차주 리스트에서 제외할 수도 있음
- 단골 차주에게 제공할 수 있는 서비스 질을 향상시킬 수 있고, 단골 차주에게 일반 차주와는 차별화된 혜택을 제공하여 특별 대우를 받는 것처럼 느끼도록 함으로써 원격 차량주행 에이전트를 더욱 애용하도록 할 수도 있음
- 차주의 포인트를 차주 단말기의 요청에 따라 제3자에게 선물 가능할 수도 있음
- 차주 단말기가 포인트를 현금으로 전환 요청하게 되면, 차주 단말기로부터 은행계좌를 수신한 다음으로 차주 인증과정을 거쳐 현금을 차주 은행계좌로 송금하고 현금 전환 대비 누적 차주의 포인트를 차감할 수도 있음
- 차주 단말기가 차주의 포인트를 모바일 쿠폰으로 전환 요청하게 되면, 고유 바코드, QR코드, 발행번호를 갖는 모바일 쿠폰을 생성하여 해당 차주 단말기로 전송할 수도 있음
- 복수개의 차주 단말기를 노드로 하여 차주 아이디, 결제 이력 및 차주 포인트 중 적어도 어느 하나 이상을 포함하는 암호화된 정보를 블록에 기록하고, 다수의 블록을 체인형태로 연결함에 따라 무결성을 검증함
- 다시 말해서, 복수개의 차주 단말기들이 블록체인 네트워크상에서 차주의 결제 이력 및 차주 포인트를 위변조 불가능한 상태에서 공유하도록 하여 객관적인 포인트 관리가 이루어지도록 할 수 있으며, 이러한 블록체인 네트워크를 구성하기 위해 원격 차량주행 회원 관리모듈은 신규 노드로 참여하려 하는 차주 단말기에 대해 승인 허가 여부를 결정할 수도 있고, 필요 시 다른 블록체인 네트워크와 연결되도록 하기 위한 게이트웨이로 기능할 수도 있음
도 3은 본 발명에 따른 지능형 5G 무선 네트워크 기반의 원격 차량주행 에이전트 시스템 중 5G 원격 차량주행 통신 디바이스의 동작 예시를 나타낸 도면이다.
상기 5G 원격 차량주행 통신 디바이스는 원격으로 차량주행이 시작되면 차주 단말기에 등록된 차주의 가정용 IoT 디바이스로 출발지, 차량주행 경로, 도착예상 시간 및 실시간 위치 중 적어도 어느 하나 이상의 원격 차량주행 데이터를 전송하기 위한 IoT 디바이스 연결모듈을 포함한다.
도 3을 참조로 하면, 사전에 차주의 가정용 IoT 디바이스 접속 코드를 차주 단말기에 등록하고, 원격 차량주행이 시작되면, 차량의 출발지, 차량의 출발지부터 도착지까지의 경로를 지도 또는 위성사진 중 적어도 어느 하나 이상의 시각적으로 확인 가능한 데이터, 실시간 차량의 위치, 차량 주행 중 실시간 교통상황을 반영한 출발지부터 도착지까지의 예상시간 및 주행 중 실시간 도착예정시간에 대한 변경 내용 등을 실시간으로 차주의 가정용 IoT 디바이스로 전송하고, 차주가 가정용 IoT 디바이스 외에 별도의 IoT 디바이스의 접속코드를 등록하면 등록된 별도의 IoT 디바이스로도 원격 차량주행 데이터(예: 출발지, 차량주행 경로, 도착예상 시간 및 실시간 위치)를 전송할 수도 있다.
도 4는 본 발명에 따른 지능형 5G 무선 네트워크 기반의 원격 차량주행 에이전트 시스템 중 사고 발생시 차주 단말기의 동작 예시를 나타낸 도면이다.
상기 차주 단말기는 차주의 바이오 데이터를 수집하기 위한 제1 생체신호 극과 제2 생체신호 전극을 포함하는 심전도(ECG: electrocardiogram) 모듈 및 심전도 모듈과 전기적으로 연결되기 위한 인터페이스 모듈을 포함하고, 인터페이스 모듈은 원격 차량주행 중 사고 발생시 차주 단말기를 통하여 차주의 바이오 데이터를 센싱하고, 센싱된 차주의 바이오 데이터를 응급 의료 관제 서버, 차주 보험사 서버, 차주의 가정용 IoT 디바이스 중 적어도 어느 하나 이상의 서버 또는 디바이스에 전송한다.
도 4를 참조로 하면, 원격 차량주행 중 차주 단말기는 차주의 심전도를 실시간으로 확인하고, 원격 차량주행 중 차량 사고 발생시 차주의 심전도에 나타나는 차주의 심장의 수축에 따른 활동전류 곡선 기반의 바이오 데이터가 일반 사람의 활동전류 곡선에 벗어나는 활동전류 곡선을 나타내는 바이오 데이터로 측정이 되면, 상기 인터페이스 모듈은 차주의 바이오 데이터를 센싱하고, 센싱된 차주의 바이오 데이터를 응급 의료 관제 서버, 차주 보험사 서버, 차주의 가정용 IoT 디바이스로 전송한다.
또한, 상기 차주의 바이오 데이터는 차량주행 중 사고 발생시 외에도 예를 들면, 사고 발생이 없더라도 차주의 음주 및 건강상태에 의해 급성으로 맥박의 리듬이 빨라졌다가 늦어졌다가 하는 불규칙적인 상태의 바이오 데이터가 측정이 되면, 상기 인터페이스 모듈은 차주의 바이오 데이터를 센싱하고, 센싱된 차주의 바이오 데이터를 응급 의료 관제 서버, 차주 보험사 서버, 차주의 가정용 IoT 디바이스로 전송한다.
도 5는 본 발명에 따른 지능형 5G 무선 네트워크 기반의 원격 차량주행 에이전트 방법을 도시한 순서도이다.
본 발명에 따른 지능형 5G 무선 네트워크 기반의 원격 차량주행 에이전트 방법은 기본적으로 원격 차량주행 요청단계, 원격 차량주행 상태 데이터 전송단계, 데이터 전처리 및 저장단계, 원격 차량주행 상태 분석단계, 원격 차량주행 단계를 포함하여 구성된다.
보다 구체적으로, 본 발명은 차주 단말기가 차주의 차종, 출발지, 목적지 및 결제방식(예: 결제 일시불/할부 여부, 멤버십 포인트로 결제 가능 여부, 할인 쿠폰적용 여부 등) 중 적어도 어느 하나 이상의 차량주행 데이터와 함께 원격 차량주행을 요청하는 원격 차량주행 요청단계와 5G 원격 차량주행 통신 디바이스가 차주 단말기로부터 원격 차량주행을 요청받은 차량의 차량상태 데이터(예: 차량의 연료량, 차량의 이상 여부 등), 도로상태 데이터(예: 주행하는 도로의 종류, 도로 요철의 정도 등) 및 주행상태 데이터(예: 주행 중 날씨, 교통혼잡의 정도, 도로교통법에 의한 차선변경 및 제한속도에 따른 차량의 주행 속도, 흔들림 여부 등) 중 적어도 어느 하나 이상의 원격 차량주행 상태 데이터를 5G 무선 네트워크 기반으로 실시간 전송하는 원격 차량주행 상태 데이터 전송단계와 차량 데이터 클라우드 서버가 5G 원격 차량주행 통신 디바이스에서 실시간 전송되는 원격 차량주행 상태 데이터를 정제, 통합, 변환 및 축소 중 적어도 어느 하나 이상으로 전처리 하여 데이터를 실시간 저장하는 데이터 전처리 및 저장단계와 차량 데이터 분석 서버가 차량 데이터 클라우드 서버에서 전처리된 상태 데이터를 머신러닝(Machine Learning) 방식을 이용하여 원격 차량주행 상태를 실시간 정밀하게 분석하는 원격 차량주행 상태 분석단계와 에이전트 디바이스가 차량 데이터 분석 서버로부터 전송되는 실시간 분석된 원격 차량주행 상태 데이터를 통해 원격으로 차량 주행을 하는 원격 차량주행 단계를 포함하여 이루어진다.
도 6은 본 발명에 지능형 5G 무선 네트워크 기반의 원격 차량주행 에이전트 시스템을 활용한 선행 차량의 이상 상황 발생시 후행 원격 차량 알람 기능을 나타내는 예시도이다.
도 6을 참조로 하면, 선행 차량의 이상 상황 발생시 발생된 상황 데이터(예: 차량의 급제동, 차량 사고 발생, 차량의 도로 제한속도위반 등)를 클라우드에 전송하고, 클라우드는 후행 차량들 및 이상 상황이 발생된 차량의 선행 차량들에게 발생된 상황 데이터를 실시간으로 알려주어 선후행 차량들이 원격 차량주행을 하는데 있어서 보다 안전한 주행이 가능하도록 하고 있다.
도 7은 본 발명에 따른 지능형 5G 무선 네트워크 기반의 원격 차량주행 에이전트 시스템 중 자율주행을 위한 네트워크 구조 및 기술을 나타내는 예시도이다.
도 7을 참조로 하면, 자율주행을 위한 네트워크 구조 및 3개의 클라우드(Cloud Core, Cloud-RAN, Cloud-RAN)를 통합하는 클라우드를 통해 차량용 IoT, 대용량 데이터 IoT 등을 관리한다.
도 8은 본 발명의 따른 지능형 5G 무선 네트워크 기반의 원격 차량주행 에이전트 시스템을 활용한 자율주행 기술의 요소를 나타내는 예시도이다.
도 8을 참조로 하면, 자율주행 기술의 요소는 소프웨어적으로 인지, 판단, 제어를 하기 위한 첨단 운전자 지원 시스템(ADAS: Advanced Driver Assistance Systems), 차량용 증강현실 기반 헤드업 디스플레이(AR/HUD) 등을 구비하고, 지능형 5G 무선 네트워크를 활용하여 실시간 데이터 처리 및 대용량 전송을 하고, 실시간 처리되는 대용량 데이터를 클라우드에 저장하고, 저장된 데이터를 기반으로 차량 플랫폼 활성화 및 지도 업데이트에 활용한다.
도 9는 본 발명의 지능형 5G 무선 네트워크 기반의 원격 차량주행 에이전트 시스템 중 원격 차량주행 상태 데이터를 측정하는 센서를 나태내는 예시도이다.
도 9를 참조로 하면, 상기 차주의 차량은 차량상태 데이터(예: 차량의 연료량, 차량의 이상 여부 등), 도로상태 데이터(예: 주행하는 도로의 종류, 도로 요철의 정도 등) 및 주행상태 데이터(예: 주행 중 날씨, 교통혼잡의 정도, 도로교통법에 의한 차선변경 및 제한속도에 따른 차량의 주행 속도, 흔들림 여부 등) 중 적어도 어느 하나 이상의 원격 차량주행 상태 데이터를 실시간 측정하기 위한 카메라, 라이다(LiDAR: Light Detection And Ranging), 레이더(RADAR: Radio Detecting And Ranging), GPS(Global Positioning System) 중 적어도 어느 하나 이상의 측정 센서를 구비하고, 카메라, 라이다, 레이더, GPS 등이 주행 중 자동으로 측정을 수행할 수 있게 하는 임베디드(Embedded) PC를 구비하고, 각 측정 센서 간의 유기적인 측정을 가능하도록 해주는 CAN I/F BOX를 구비하고, 라이다 센서 간의 유기적인 측정을 가능하도록 해주는 LiDAR FUSION을 구비한다.
이상에서 첨부된 도면을 참조하여 본 발명을 설명함에 있어 특정형상 및 방향을 위주로 설명하였으나, 본 발명은 그 발명에 속하는 기술분야에서 통상의 지식을 가진 사람에 의하여 다양한 변형 및 변경이 가능하고, 이러한 변형 및 변경은 본 발명의 권리범위에 포함되는 것으로 해석되어야 한다.
또한, 전술한 특성 및 이하 상세한 설명은 모두 본 발명의 설명 및 이해를 돕기 위한 예시적인 사항이다. 즉, 본 발명은 이와 같은 실시 예에 한정되지 않고 다른 형태로 구체화될 수 있다. 다음 실시 형태들은 단지 본 발명을 완전히 개시하기 위한 예시이며, 본 발명이 속하는 기술 분야의 통상의 기술자들에게 본 발명을 전달하기 위한 설명이다. 따라서, 본 발명의 구성 요소들을 구현하기 위한 방법이 여럿 있는 경우에는, 이들 방법 중 특정한 것 또는 이와 동일성 있는 것 가운데 어떠한 것으로든 본 발명의 구현이 가능함을 분명히 할 필요가 있다.
또한, 본 명세서 및 청구범위에 어떤 구성이 특정 요소들을 포함한다는 언급이 있는 경우, 또는 어떤 과정이 특정 단계들을 포함한다는 언급이 있는 경우는, 그 외 다른 요소 또는 다른 단계들이 더 포함될 수 있음을 의미한다. 즉, 본 명세서에서 사용되는 용어들은 특정 실시 형태를 설명하기 위한 것일 뿐이고, 본 발명의 개념을 한정하기 위한 것이 아니다. 나아가, 발명의 이해를 돕기 위해 설명한 예시들은 그것의 상보적인 실시 예도 포함한다.
Claims (10)
- 차주의 차종, 출발지, 목적지 및 결제방식 중 적어도 어느 하나 이상의 차량주행 데이터와 함께 원격 차량주행을 요청하기 위한 차주 단말기와;
상기 차주 단말기로부터 원격 차량주행을 요청받은 차량의 차량상태 데이터, 도로상태 데이터 및 주행상태 데이터 중 적어도 어느 하나 이상의 원격 차량주행 상태 데이터를 5G 무선 네트워크 기반으로 실시간 전송하기 위한 5G 원격 차량주행 통신 디바이스와;
상기 5G 원격 차량주행 통신 디바이스에서 실시간 전송되는 원격 차량주행 상태 데이터를 정제, 통합, 변환 및 축소 중 적어도 어느 하나 이상으로 전처리를 하여 실시간 저장하는 차량 데이터 클라우드 서버와;
상기 차량 데이터 클라우드 서버에서 전처리된 상태 데이터를 머신러닝(Machine Learning) 방식을 이용하여 원격 차량주행 상태를 실시간 정밀하게 분석하기 위한 차량 데이터 분석 서버와;
상기 차량 데이터 분석 서버로부터 전송되는 실시간 분석된 원격 차량주행 상태 데이터를 통해 원격으로 차량 주행을 하기 위한 에이전트 디바이스;를 포함하되,
상기 차량 데이터 클라우드 서버는 차량의 급제동, 사고 발생 및 도로 제한속도위반 중 적어도 어느 하나 이상의 이상 상황이 발생된 차량의 상황 데이터를 실시간으로 이상 상황 발생 차량의 선후행 중인 에이전트 단말기로 알려주며,
상기 차량 데이터 분석 서버는 전처리된 상태 데이터 및 원격 차량주행 상태 데이터 중 적어도 하나에 근거하여 딥 러닝(Deep learning) 방식을 이용하여 자율주행을 하기 위한 AI 자율주행 모듈을 포함하고,
상기 AI 자율주행 모듈은 자율주행 중 상기 에이전트 디바이스에서 원격 차량주행을 하기 위한 요청을 전송하는 경우, 자율주행에서 원격 차량주행으로 전환되고, 원격 차량주행 시 원격 차량주행의 시스템 오류로 인해 원격 차량주행이 10분 이상 지속이 불가능한 상황, 차량의 타이어 펑크, 엔진 화재 및 차량의 경고등 점멸 중 적어도 어느 하나 이상의 차량에 위급한 문제가 발생되면 즉각적으로 원격 차량주행에서 자율주행으로 방법으로 전환된 다음 도로 갓길 및 운전 쉼터 중 적어도 어느 하나 이상의 안전지대에 차량을 정차시키며,
상기 차량 데이터 분석 서버는 분석된 상태 데이터 및 원격 차량주행 상태 데이터 중 적어도 어느 하나 이상의 데이터를 기반으로 차량주행 경로가 원격 차량주행이 적합한지 아니면 자율주행이 적합한지를 나태내는 데이터를 도출하고, 도출된 데이터에 근거하여 통계 데이터를 획득하고, 획득된 통계 데이터를 머신러닝 방식을 이용하여 차량주행 경로별 적합도를 분석하기 위한 주행방법 도출모듈을 포함하며,
상기 5G 원격 차량주행 통신 디바이스는 원격으로 차량주행이 시작되면 차주 단말기에 등록된 차주의 가정용 IoT 디바이스로 출발지, 차량주행 경로, 도착예상 시간 및 실시간 위치 중 적어도 어느 하나 이상의 원격 차량주행 데이터를 전송하기 위한 IoT 디바이스 연결모듈을 포함하며,
상기 차주 단말기는 차주 결제 시 차주 아이디 및 결제 이력을 차량 데이터 분석 서버로 전송하는 것을 포함하고,
상기 차량 데이터 분석 서버는 차주의 포인트 적립, 모바일 쿠폰 인증, 차주 멤버십 리스트, 이벤트, 매출 추세, 차주 연락처 및 결제 이력 중 적어도 하나 이상을 관리 가능하도록 하기 위한 원격 차량주행 회원 관리모듈을 포함하고,
상기 원격 차량주행 회원 관리모듈은 차주 단말기가 전송하는 차주의 결제 이력에 대한 횟수를 실시간 카운트하면서 미리 설정된 결제 순번에 따른 결제 이력이 확인되면 당첨된 것으로 승인한 다음으로 미리 정해진 포인트를 추가로 적립시키는 것을 특징으로 하는 지능형 5G 무선 네트워크 기반의 원격 차량주행 에이전트 시스템.
- 청구항 1에 있어서,
상기 차주의 차량은 차량상태 데이터, 도로상태 데이터 및 주행상태 데이터 중 적어도 어느 하나 이상의 원격 차량주행 상태 데이터를 실시간 측정하기 위한 카메라, 라이다(LiDAR: Light Detection And Ranging), 레이더(RADAR: Radio Detecting And Ranging), GPS(Global Positioning System) 중 적어도 어느 하나 이상의 측정 센서를 구비하는 것을 특징으로 하는 지능형 5G 무선 네트워크 기반의 원격 차량주행 에이전트 시스템.
- 삭제
- 삭제
- 삭제
- 청구항 1에 있어서,
상기 차주 단말기는 차주의 바이오 데이터를 수집하기 위한 제1 생체신호 극과 제2 생체신호 전극을 포함하는 심전도(ECG: electrocardiogram) 모듈 및
상기 심전도 모듈과 전기적으로 연결되기 위한 인터페이스 모듈을 포함하는 것을 특징으로 하는 지능형 5G 무선 네트워크 기반의 원격 차량주행 에이전트 시스템.
- 청구항 6에 있어서,
상기 인터페이스 모듈은 원격 차량주행 중 사고 발생시 차주 단말기를 통하여 차주의 바이오 데이터를 센싱하고,
상기 센싱된 차주의 바이오 데이터를 응급 의료 관제 서버, 차주 보험사 서버, 차주의 가정용 IoT 디바이스 중 적어도 어느 하나 이상의 서버 또는 디바이스에 전송하는 것을 특징으로 하는 지능형 5G 무선 네트워크 기반의 원격 차량주행 에이전트 시스템.
- 삭제
- 청구항 1에 있어서,
상기 원격 차량주행 회원 관리모듈은 복수개의 차주 단말기를 노드로 하여 차주 아이디, 결제 이력 및 차주 포인트 중 적어도 어느 하나 이상을 포함하는 암호화된 정보를 블록에 기록하고, 다수의 블록을 체인형태로 연결하는 것을 특징으로 하는 지능형 5G 무선 네트워크 기반의 원격 차량주행 에이전트 시스템.
- 삭제
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190128477A KR102273657B1 (ko) | 2019-10-16 | 2019-10-16 | 지능형 5g 무선 네트워크 기반의 원격 차량주행 에이전트 시스템 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190128477A KR102273657B1 (ko) | 2019-10-16 | 2019-10-16 | 지능형 5g 무선 네트워크 기반의 원격 차량주행 에이전트 시스템 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20210045120A KR20210045120A (ko) | 2021-04-26 |
| KR102273657B1 true KR102273657B1 (ko) | 2021-07-05 |
Family
ID=75733643
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190128477A KR102273657B1 (ko) | 2019-10-16 | 2019-10-16 | 지능형 5g 무선 네트워크 기반의 원격 차량주행 에이전트 시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102273657B1 (ko) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113611098A (zh) * | 2021-08-02 | 2021-11-05 | 腾讯科技（深圳）有限公司 | 远程驾驶的控制方法、装置、计算机可读介质及电子设备 |
| CN116193574B (zh) * | 2023-02-22 | 2023-10-13 | 中电建建筑集团有限公司 | 一种基于5g网络的观测信息融合定位关键技术方法与系统 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101906236B1 (ko) * | 2018-01-15 | 2018-12-05 | 주식회사 에너지세븐 | 자율주행차량을 이용한 가상 계좌 연계 인공지능 통합 서비스 제공 시스템 및 방법 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20180061462A (ko) * | 2016-11-28 | 2018-06-08 | (주) 알앤유 | 자동차 운전자 생체신호와 자동차 정보를 이용한 자동차 제어 장치 및 방법 |
| KR102453572B1 (ko) | 2017-07-24 | 2022-10-14 | 삼성전자 주식회사 | 원격 조종 케이스를 구비하는 전자 장치 |
| KR101957896B1 (ko) | 2018-06-29 | 2019-07-04 | 한화시스템(주) | 원격 조종을 위한 통합적 영상 및 상황 디스플레이 시스템 및 디스플레이 방법 |
-
2019
- 2019-10-16 KR KR1020190128477A patent/KR102273657B1/ko active IP Right Grant
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101906236B1 (ko) * | 2018-01-15 | 2018-12-05 | 주식회사 에너지세븐 | 자율주행차량을 이용한 가상 계좌 연계 인공지능 통합 서비스 제공 시스템 및 방법 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20210045120A (ko) | 2021-04-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11263830B2 (en) | Intervention in operation of a vehicle having autonomous driving capabilities | |
| US11763678B2 (en) | Early warning and collision avoidance | |
| US11714413B2 (en) | Planning autonomous motion | |
| US11727495B1 (en) | Collision risk-based engagement and disengagement of autonomous control of a vehicle | |
| US10317899B2 (en) | Intervention in operation of a vehicle having autonomous driving capabilities | |
| US10514692B2 (en) | Intervention in operation of a vehicle having autonomous driving capabilities | |
| EP3639101B1 (en) | Intervention in operation of a vehicle having autonomous driving capabilities | |
| US20200387155A1 (en) | Intervention in operation of a vehicle having autonomous driving capabilities | |
| US10599141B2 (en) | Intervention in operation of a vehicle having autonomous driving capabilities | |
| US20210341915A1 (en) | Intervention in operation of a vehicle having autonomous driving capabilities | |
| KR20170087156A (ko) | 클라우드 기반의 자율주행차량을 위한 차등보상형 협력적 맵데이터 제공시스템 | |
| KR102273657B1 (ko) | 지능형 5g 무선 네트워크 기반의 원격 차량주행 에이전트 시스템 | |
| KR102500353B1 (ko) | 인공지능 모델을 이용하여 이륜차의 운전 패턴 정보를 기초로 이륜차 보험료를 산출하는 방법, 장치 및 시스템 | |
| EP3454269A1 (en) | Planning autonomous motion | |
| KR102484139B1 (ko) | 인공지능모델을 이용하여 이륜차의 운전 패턴 정보를 기초로 이륜차 보험료를 산출하는 방법, 장치 및 시스템 | |
| US20240028035A1 (en) | Planning autonomous motion | |
| CN117818659A (zh) | 车辆安全决策方法、装置、电子设备、存储介质及车辆 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E90F | Notification of reason for final refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |