KR102279586B1 - 공유형 자율주행자동차 관리 서버 및 방법 - Google Patents
공유형 자율주행자동차 관리 서버 및 방법 Download PDFInfo
- Publication number
- KR102279586B1 KR102279586B1 KR1020180143229A KR20180143229A KR102279586B1 KR 102279586 B1 KR102279586 B1 KR 102279586B1 KR 1020180143229 A KR1020180143229 A KR 1020180143229A KR 20180143229 A KR20180143229 A KR 20180143229A KR 102279586 B1 KR102279586 B1 KR 102279586B1
- Authority
- KR
- South Korea
- Prior art keywords
- destination
- autonomous vehicle
- poi
- origin
- information
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims description 27
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 50
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 45
- 238000007726 management method Methods 0.000 claims description 85
- 239000013598 vector Substances 0.000 claims description 66
- 238000013528 artificial neural network Methods 0.000 claims description 5
- 230000000306 recurrent effect Effects 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 23
- 230000006870 function Effects 0.000 description 10
- 238000004590 computer program Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000007635 classification algorithm Methods 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Images
Classifications
-
- G06Q50/40—
-
- 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
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
-
- G—PHYSICS
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
Abstract
본 발명의 일 실시예에 따른 공유형 자율주행자동차 관리 서버는, 복수의 사용자 각각의 출발지와 목적지에 대한 정보를 수신하는 정보 수신부와, 상기 출발지에 대한 정보와 제1 인공지능 알고리즘에 기초하여, 상기 출발지의 밀집도가 소정 밀집도 이상인 영역(region)을 POI(point of interest)로 결정하는 POI 결정부와, 상기 결정된 POI와 상기 출발지의 밀집도에 기초하여 자율주행자동차의 배치를 결정하고, 상기 자율주행자동차가 상기 결정된 배치에 따라 배치되도록 하기 위해 상기 자율주행자동차에게 상기 배치에 대한 정보를 송신하는 배치 관리부와, 상기 복수의 사용자 각각의 출발지와 목적지에 대한 정보와 제2 인공지능 알고리즘에 기초하여, 상기 복수의 사용자 각각에 대한 이동 경로를 예측하고, 상기 자율주행자동차가 상기 예측된 이동 경로 중 적어도 하나의 이동 경로에 따라 이동되도록 하기 위해 상기 자율주행자동차에게 상기 이동 경로에 대한 정보를 송신하는 이동 경로 관리부를 포함한다.
Description
본 발명은 복수의 사람들과 공유하는 공유형 자율주행자동차를 관리하는 관리 서버 및 공유형 자율주행자동차의 관리 방법에 관한 것이다.
최근 하나의 제품을 함께 공유해 사용하는 공유 경제 패러다임의 등장으로 인해, 다양한 서비스 플랫폼이 제안되고 있다. 그 예로, 차세대 교통수단으로 각광받고 있는 카셰어링(car-sharing) 및 라이드 셰어링(ride-sharing) 등의 공유형 교통서비스 플랫폼이 있을 수 있다.
기존의 공유형 교통서비스 플랫폼은 사용자들이 교통서비스의 사용을 위해 특정 지점, 예를 들면 대여 장소 또는 합승 장소로 이동하여야 해당 장소에서 제공되는 교통서비스를 이용할 수 있었다. 즉, 기존의 공유형 교통서비스 플랫폼은 수요에 따라 반응하는 수요 반응형 기술에 머무르고 있는 실정이다.
이러한 수요 반응형 기술의 경우, 사용자의 입력과 같은 수요가 발생하기 전에 예측을 하기에는 어려워, 실질적으로 수요가 발생하였을 때에 공급이 수요를 만족시키지 못하는 수요와 공급의 불일치가 발생할 수 있다. 이러한 경우, 서비스의 제공이 이루어지지 못하거나 상당한 시간의 지연이 발생하게 될 수 있다. 이에 따라, 사용자의 수요를 예측하여 최적의 서비스를 제공하기 위한 스마트한 교통서비스 플랫폼이 요구된다.
본 발명이 해결하고자 하는 과제는, 사용자의 수요를 예측하여 공유형 자율주행자동차를 배치하고 주행 경로를 설정함으로써, 효율적인 공유형 교통서비스가 제공되도록 하는 공유형 자율주행자동차 관리 서버 및 방법을 제공하는 것이다.
다만, 본 발명이 해결하고자 하는 과제는 이상에서 언급한 바로 제한되지 않으며, 언급되지는 않았으나 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있는 목적을 포함할 수 있다.
본 발명의 일 실시예에 따른 공유형 자율주행자동차 관리 서버는, 복수의 사용자 각각의 출발지와 목적지에 대한 정보를 수신하는 정보 수신부와, 상기 출발지에 대한 정보와 제1 인공지능 알고리즘에 기초하여, 상기 출발지의 밀집도가 소정 밀집도 이상인 영역(region)을 POI(point of interest)로 결정하는 POI 결정부와, 상기 결정된 POI와 상기 출발지의 밀집도에 기초하여 자율주행자동차의 배치를 결정하고, 상기 자율주행자동차가 상기 결정된 배치에 따라 배치되도록 하기 위해 상기 자율주행자동차에게 상기 배치에 대한 정보를 송신하는 배치 관리부와, 상기 복수의 사용자 각각의 출발지와 목적지에 대한 정보와 제2 인공지능 알고리즘에 기초하여, 상기 복수의 사용자 각각에 대한 이동 경로를 예측하고, 상기 자율주행자동차가 상기 예측된 이동 경로 중 적어도 하나의 이동 경로에 따라 이동되도록 하기 위해 상기 자율주행자동차에게 상기 이동 경로에 대한 정보를 송신하는 이동 경로 관리부를 포함한다.
또한, 상기 제1 인공지능 알고리즘은 k-NN(K-nearest neighbor)을 포함하고, 상기 제2 인공지능 알고리즘은 순환신경망(recurrent neural network)을 포함한다.
또한, 상기 k-NN은 멀티-레벨(multi-level) k-NN 또는 싱글-포인트 디맨드(single-point demand) k-NN을 포함한다.
또한, 상기 제1 인공지능 알고리즘은, 상기 자율주행자동차의 이동 가능 범위를 구분한 소정의 영역 간격에 대한 1차 특성 벡터와 상기 자율주행자동차의 이동 가능 범위 전체에 대한 2차 특성 벡터를 이용하여 연산을 수행하거나, 또는 상기 출발지에 대한 특성 벡터를 사용하여 연산을 수행한다.
또한, 상기 POI 결정부는, 이전에 이용된 이동 경로, 이전에 이용된 출발지, 이전에 이용된 목적지, 및 이전에 이용된 합승 위치에 대한 데이터를 포함할 수 있고, 상기 데이터, 상기 수신된 정보, 및 상기 제1 인공지능 알고리즘에 기초하여 시간대별로 출발지의 밀집도가 상기 소정 밀집도 이상일 것으로 예상되는 영역을 상기 POI로 결정한다.
또한, 상기 배치 관리부는, 상기 출발지의 밀집도에 기초하여 상기 배치되는 자율주행자동차의 수를 결정하고, 상기 결정된 POI의 위치에 기초하여, 상기 결정된 POI로부터 소정 거리 범위 내에 위치되는 자율주행자동차를 상기 배치되는 자율주행자동차로 결정한다.
또한, 상기 이동 경로 관리부는, 상기 복수의 사용자 중 제1 사용자의 제1 출발지와 제1 목적지에 기초하여, 상기 제1 출발지와 상기 제1 목적지 사이에 위치되는 제2 사용자의 제2 출발지를 식별하고, 상기 제2 인공지능 알고리즘에 기초하여, 상기 제1 출발지로부터 상기 제1 목적지까지의 이동하는데 소요되는 최소 시간과 상기 제2 출발지를 거치는 경우 상기 최소 시간에 가산되는 추가 시간을 추정하고, 상기 추정된 추가 시간이 소정 시간 이하인 경우, 상기 자율주행자동차에게 송신하는 상기 이동 경로를 상기 제1 출발지로부터 상기 제2 출발지를 거쳐 상기 제1 목적지까지의 이동하는 경로로 결정한다.
본 발명의 일 실시예에 따른 공유형 자율주행자동차 관리 방법은, 복수의 사용자 각각의 출발지와 목적지에 대한 정보를 수신하는 단계와, 상기 출발지에 대한 정보와 제1 인공지능 알고리즘에 기초하여, 상기 출발지의 밀집도가 소정 밀집도 이상인 영역(region)을 POI(point of interest)로 결정하는 단계와, 상기 결정된 POI와 상기 출발지의 밀집도에 기초하여 자율주행자동차의 배치를 결정하는 단계와, 상기 자율주행자동차가 상기 결정된 배치에 따라 배치되도록 하기 위해 상기 자율주행자동차에게 상기 배치에 대한 정보를 송신하는 단계와, 상기 복수의 사용자 각각의 출발지와 목적지에 대한 정보와 제2 인공지능 알고리즘에 기초하여, 상기 복수의 사용자 각각에 대한 이동 경로를 예측하는 단계와, 상기 자율주행자동차가 상기 예측된 이동 경로 중 적어도 하나의 이동 경로에 따라 이동되도록 하기 위해 상기 자율주행자동차에게 상기 이동 경로에 대한 정보를 송신하는 단계를 포함한다.
또한, 상기 제1 인공지능 알고리즘은 k-NN(k-nearest neighbor)을 포함하고, 상기 제2 인공지능 알고리즘은 순환신경망(recurrent neural network)을 포함한다.
또한, 상기 k-NN은 멀티-레벨(multi-level) k-NN 또는 싱글-포인트 디맨드(single-point demand) k-NN을 포함한다.
또한, 상기 제1 인공지능 알고리즘은, 상기 자율주행자동차의 이동 가능 범위를 구분한 소정의 영역 간격에 대한 1차 특성 벡터와 상기 자율주행자동차의 이동 가능 범위 전체에 대한 2차 특성 벡터를 이용하여 연산이 수행되도록 하거나, 또는 상기 출발지에 대한 특성 벡터를 사용하여 연산이 수행되도록 한다.
또한, 상기 POI로 결정하는 단계는, 이전에 이용된 이동 경로, 이전에 이용된 출발지, 이전에 이용된 목적지, 및 이전에 이용된 합승 위치에 대한 데이터에 기초하여, 상기 데이터, 상기 수신된 정보, 및 상기 제1 인공지능 알고리즘에 기초하여 시간대별로 출발지의 밀집도가 상기 소정 밀집도 이상일 것으로 예상되는 영역을 상기 POI로 결정하는 단계를 포함한다.
또한, 상기 배치를 결정하는 단계는, 상기 출발지의 밀집도에 기초하여 상기 배치되는 자율주행자동차의 수를 결정하는 단계와, 상기 결정된 POI의 위치에 기초하여, 상기 결정된 POI로부터 소정 거리 범위 내에 위치되는 자율주행자동차를 상기 배치되는 자율주행자동차로 결정하는 단계를 포함한다.
또한, 상기 이동 경로를 예측하는 단계는, 상기 복수의 사용자 중 제1 사용자의 제1 출발지와 제1 목적지에 기초하여, 상기 제1 출발지와 상기 제1 목적지 사이에 위치되는 제2 사용자의 제2 출발지를 식별하는 단계와, 상기 제2 인공지능 알고리즘에 기초하여, 상기 제1 출발지로부터 상기 제1 목적지까지의 이동하는데 소요되는 최소 시간과 상기 제2 출발지를 거치는 경우 상기 최소 시간에 가산되는 추가 시간을 추정하는 단계와, 상기 추정된 추가 시간이 소정 시간 이하인 경우, 상기 자율주행자동차에게 송신하는 상기 이동 경로를 상기 제1 출발지로부터 상기 제2 출발지를 거쳐 상기 제1 목적지까지의 이동하는 경로로 결정하는 단계를 포함한다.
본 발명의 실시예에 따른 공유형 자율주행자동차 관리 서버 및 방법은, 사용자의 수요를 예측하여, 수요가 예측된 지역에 대해 공유형 자율주행자동차의 배치를 증가시킴으로써 효율성 및 편의성이 향상된 공유형 교통서비스를 제공할 수 있다.
다만, 본 발명에서 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 발명의 일 실시예에 따른 공유형 자율주행자동차 관리 서버 및 방법에 의해 제공되는 교통서비스의 개념도를 나타내는 도면이다.
도 2는 본 발명의 일 실시예에 따른 공유형 자율주행자동차 관리 서버와 관련된 정보의 송수신의 개념도를 나타내는 도면이다.
도 3는 본 발명의 일 실시예에 따른 공유형 자율주행자동차 관리 서버의 기능적 구성을 나타내는 도면이다.
도 4는 본 발명의 일 실시예에 따른 공유형 자율주행자동차 관리 서버에서 POI를 결정하는 방법을 설명하기 위한 도면이다.
도 5는 본 발명의 일 실시예에 따른 공유형 자율주행자동차 관리 서버에서 이동 경로를 결정 방법을 설명하기 위한 도면이다.
도 6은 본 발명의 일 실시예에 따른 공유형 자율주행자동차 관리 방법의 각 단계의 흐름을 나타내는 도면이다.
도 2는 본 발명의 일 실시예에 따른 공유형 자율주행자동차 관리 서버와 관련된 정보의 송수신의 개념도를 나타내는 도면이다.
도 3는 본 발명의 일 실시예에 따른 공유형 자율주행자동차 관리 서버의 기능적 구성을 나타내는 도면이다.
도 4는 본 발명의 일 실시예에 따른 공유형 자율주행자동차 관리 서버에서 POI를 결정하는 방법을 설명하기 위한 도면이다.
도 5는 본 발명의 일 실시예에 따른 공유형 자율주행자동차 관리 서버에서 이동 경로를 결정 방법을 설명하기 위한 도면이다.
도 6은 본 발명의 일 실시예에 따른 공유형 자율주행자동차 관리 방법의 각 단계의 흐름을 나타내는 도면이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명의 범주는 청구항에 의해 정의될 뿐이다.
본 발명의 실시예들을 설명함에 있어서 공지 기능 또는 구성에 대한 구체적인 설명은 본 발명의 실시예들을 설명함에 있어 실제로 필요한 경우 외에는 생략될 것이다. 그리고 후술되는 용어들은 본 발명의 실시예에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예들을 포함할 수 있는바, 특정 실시예들을 도면에 예시하고 상세한 설명에 설명하고자 한다. 그러나 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로서 이해되어야 한다.
제 1, 제 2 등과 같이 서수를 포함하는 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 해당 구성요소들은 이와 같은 용어들에 의해 한정되지는 않는다. 이 용어들은 하나의 구성요소들을 다른 구성요소로부터 구별하는 목적으로만 사용된다.
어떤 구성요소가 다른 구성요소에 '연결되어' 있다거나 '접속되어' 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.
도 1은 본 발명의 일 실시예에 따른 공유형 자율주행자동차 관리 서버 및 방법에 의해 제공되는 교통서비스의 개념도를 나타내는 도면이다. 보다 구체적으로, 제1 환경(10)은 종래에 제공되는 교통서비스의 개념도를 나타내며, 제2 환경(20)은 본 발명의 일 실시예에 따른 관리 서버에 의해 제공되는 교통서비스의 개념도를 나타낸다.
도 1을 참조하면, 제1 환경(10)에서 사용자는 목적지(destination)로 이동하기 위해, 출발지(origin)에서 교통서비스의 제공을 요청하게 된다. 제1 환경(10)에서 교통서비스의 제공을 위한 차량은 임의로 배치되어 있을 수 있다. 임의로 배치된 차량이 사용자의 요청과 관련된 정보(또는 입력)를 수신하면, 차량은 사용자에게 이동하게 된다. 즉, 교통서비스의 제공을 위한 차량은 사용자의 요청이 있어야만 사용자가 위치된 지점, 즉 사용자의 출발지로 이동할 수 있다.
한편, 경우에 따라 특정 시점에 사용자의 수요가 일정 값 이상 발생하게 될 수 있다. 즉, 어느 한 시점에 특정 지역에서 교통서비스의 이용을 위한 사용자가 크게 증가하는 상황이 발생할 수 있는데, 이러한 경우 제1 환경(10)에서 임의로 배치된 차량은 여러 지역에 산재되어 있기 때문에, 사용자의 수요만큼의 차량이 모두 해당 지역까지 이동하는 데 다소 시간이 소요될 수 있다. 이에 따라, 일부 사용자에게 교통서비스가 제공되기까지 긴 지연시간이 발생할 수 있다. 이하에서는, 특정 시점에 사용자의 수요가 일정 값 이상 발생한 지역을 주요 관심지역(point of interest, 이하 'POI')이라 지칭하겠다.
제2 환경(20)에서는, 사용자의 수요를 예측하여 특정 시점의 POI를 예측할 수 있다. POI 예측에 기초하여, 제2 환경(20)에서는 특정 시점에 교통서비스의 제공을 위한 차량이 POI 또는 그 근방에 미리 배치되어 있을 수 있다. 이러한 경우, 교통서비스가 사용자에게 신속하게 제공될 수 있다.
이하에서는, 제2 환경(20)의 구현을 위한 공유형 자율주행자동차 관리 서버 및 방법에 대한 구체적인 설명을 하겠다.
도 2는 본 발명의 일 실시예에 따른 공유형 자율주행자동차 관리 서버와 관련된 정보의 송수신의 개념도를 나타내는 도면이다.
도 2를 참조하면, 공유형 자율주행자동차 관리 서버(이하, '관리 서버')(200)는 사용자 단말(100) 및 자율주행자동차(300)와 연결될 수 있다. 관리 서버(200)는 사용자 단말(100) 및 자율주행자동차(300)와의 연결에 기반하여, 교통서비스와 관련된 정보를 송수신할 수 있다.
한편, 도 2에서 관리 서버(200)와 연결되는 사용자 단말(100) 및 자율주행자동차(300)는 각각 1개로 도시하였으나, 이에 제한되지 않고, 복수의 사용자 단말과 복수의 자율주행자동차를 포함할 수 있다. 즉, 관리 서버(200)는 서로 다른 복수의 사용자 각각의 사용자 단말과 복수의 자율주행자동차와 연결되어 교통서비스와 관련된 정보를 송수신할 수 있다.
관리 서버(200)는 복수의 사용자 단말(100)로부터 출발지와 목적지에 대한 정보를 수신할 수 있다. 출발지와 목적지에 대한 정보는 복수의 사용자 단말(100) 각각에 대한 사용자의 입력을 통해 결정될 수 있다. 출발지와 목적지에 대한 정보는 사용자 단말(100)마다 다를 수 있고, 관리 서버(200)는 사용자 단말(100) 각각으로부터 입력되는 출발지와 목적지에 대한 정보를 사용자 단말(100)로부터 수신할 수 있다.
관리 서버(200)는 사용자 단말(100)로부터 수신한 출발지에 대한 정보(또는 출발지와 목적지에 대한 정보)와 제1 인공지능 알고리즘에 기초하여, 출발지의 밀집도가 소정 밀집도 이상인 영역(region)을 POI로 결정할 수 있다. 소정 밀집도는 미리 결정된 값일 수 있으며, 예를 들어 100m2 내에 출발지가 6개, 즉 6개/100m2일 수 있다.
관리 서버(200)는 결정된 POI에 자율주행자동차(300)를 배치하기 위해, 자율주행자동차(300)에게 POI에 대한 정보를 송신할 수 있다. 자율주행자동차(300)는 수신된 POI에 대한 정보에 기초하여, POI로 이동할 수 있다. 경우에 따라, 관리 서버(200)는 자율주행자동차(300)를 원격으로 제어하여 POI에 이동하도록 할 수 있다.
관리 서버(200)는 밀집도, POI의 위치, 자율주행자동차(300)의 현재 배치 상태에 기초하여, 자율주행자동차(300)의 배치를 결정할 수 있다. 예를 들어, 관리 서버(200)는 사용자의 수요에 대응하는 수만큼의 자율주행자동차(300)가 POI에 배치되도록 할 수 있다. 다른 예를 들면, 관리 서버(200)는 POI로부터 근접한 위치에 배치되어 있는 자율주행자동차(300)가 POI에 배치되도록 할 수 있다. 또 다른 예를 들면, 관리 서버(200)는 사용자의 수요에 대응하는 수만큼, POI로부터 인접한 순서대로 자율주행자동차(300)를 결정하고, 결정된 자율주행자동차(300)가 POI에 배치되도록 할 수 있다.
관리 서버(200)는 복수의 사용자 단말(100) 각각에 대한 출발지와 목적지에 대한 정보와 제2 인공지능 알고리즘에 기초하여, 복수의 사용자 단말(100) 각각에 대한 이동 경로를 예측할 수 있다. 이러한 경우, 관리 서버(200)는 출발지가 서로 다른 사용자 단말(100)의 이동 경로 중 적어도 일부가 겹치도록 이동 경로를 예측할 수 있다. 예를 들어, 관리 서버(200)는 제1 출발지와 제1 목적지를 가지는 제1 사용자 단말과 제2 출발지와 제2 목적지를 가지는 제2 사용자 단말 각각으로부터 출발지와 목적지에 대한 정보를 수신하는 경우, 제1 사용자 단말의 제1 출발지로부터 제1 목적지로 향하는 이동경로 내에 제2 출발지가 포함되도록 할 수 있다. 이에 따라, 제1 사용자 단말의 사용자는 제2 사용자 단말의 사용자와 합승하는 교통서비스를 이용할 수 있다.
관리 서버(200)는 자율주행자동차(300)가 예측된 이동 경로에 따라 이동되도록 하기 위해 자율주행자동차(300)에 이동 경로에 대한 정보를 송신할 수 있다. 관리 서버(200)는 복수의 사용자 단말(100) 각각과 관련된 이동 경로를 예측하는 경우, 예측된 이동 경로 중 자율주행자동차(300)에 의해 운행될 주행 경로에 해당하는 이동 경로를 자율주행자동차(300)에 송신할 수 있다.
예를 들어, 관리 서버(200)는 제1 사용자 단말에 대한 제1 이동 경로, 제2 사용자 단말에 대한 제2 이동 경로를 예측하는 경우, 제1 자율주행자동차에게는 제1 이동 경로에 대한 정보를 송신하고, 제2 자율주행자동차에게는 제2 이동 경로에 대한 정보를 송신할 수 있다.
이와 같이, 관리 서버(200)는 사용자 단말(100)로부터 수신된 정보에 기초하여 자율주행자동차(300)를 관리함으로써, 사용자에게 교통서비스가 제공되도록 할 수 있다.
도 3은 본 발명의 일 실시예에 따른 공유형 자율주행자동차 관리 서버의 기능적 구성을 나타내는 도면이다. 이하 사용되는 '…부'등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어, 또는, 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다.
도 3을 참조하면, 관리 서버(200)는 정보 수신부(210), POI 결정부(220), 배치 관리부(230), 이동 경로 관리부(240)를 포함할 수 있다.
정보 수신부(210)는 복수의 사용자 각각의 출발지와 목적지에 대한 정보를 복수의 사용자 각각의 사용자 단말로부터 수신할 수 있다. 사용자 단말은 출발지와 목적지에 대한 입력을 사용자로부터 수신할 수 있고, 수신된 출발지와 목적지에 대한 입력을 관리 서버(200)와의 연결에 기초하여, 정보 수신부(210)에 제공할 수 있다. 이를 통해, 정보 수신부(210)는 복수의 사용자 각각의 출발지와 목적지에 대한 정보를 수신할 수 있다.
POI 결정부(220)는 사용자 단말로부터 수신된 정보와 제1 인공지능 알고리즘에 기초하여, 출발지의 밀집도가 소정 밀집도 이상인 영역을 POI로 결정할 수 있다. 여기서, 제1 인공지능 알고리즘은 k-NN(K-nearest neighbor)을 포함할 수 있다. k-NN은 최근접 이웃 분류 알고리즘으로서, POI 결정부(220)는 k-NN을 이용하여 특정 지점에 대해 k개의 가장 가까운 이웃 데이터를 추출하고 그룹화함으로써 영역별 밀도를 추정할 수 있다. 이와 관련하여서는 통상의 기술자에게 용이한바 자세한 설명은 생략하겠다.
POI 결정부(220)는 멀티-레벨 k-NN에 대해, 자율주행자동차의 이동 가능 범위를 구분한 소정의 영역 간격에 대한 1차 특성 벡터와 상기 자율주행자동차의 이동 가능 범위 전체에 대한 2차 특성 벡터를 순차적으로 이용하여 연산을 수행할 수 있다. 경우에 따라, POI 결정부(220)는 싱글-포인트 디맨드 k-NN에 대해 출발지에 대한 특성 벡터를 사용하여 연산을 수행할 수도 있다.
POI 결정부(220)는 과거 교통이력데이터, 예컨대, 이전에 이용된 이동 경로, 이전에 이용된 출발지, 이전에 이용된 목적지, 및 이전에 이용된 합승 위치에 대한 데이터(이하, '과거 교통이력데이터')를 저장하는 데이터베이스를 포함할 수 있다.
POI 결정부(220)는 과거 교통이력데이터, 정보 수신부(210)에 의해 수신된 출발지 및 목적지에 대한 정보, 및 제1 인공지능 알고리즘에 기초하여 시간대별로 출발지의 밀집도가 소정 밀집도 이상일 것으로 예상되는 영역을 POI로 결정할 수 있다. 보다 구체적으로, POI 결정부(220)는 데이터베이스에 과거 교통이력데이터에 대한 특성벡터를 저장하고 있을 수도 있다. 이에 기초하여, POI 결정부(220)는 과거 교통이력데이터에 대한 특성벡터와 정보 수신부(210)에 의해 수신되는 실시간 정보에 대한 특성벡터와의 유사도를 계산하여 k개의 후보 특성 벡터를 도출하고, 도출된 후보 특성 벡터를 제1 인공지능 알고리즘에 적용하여 시간대별 POI를 결정할 수 있다.
한편, 경우에 따라, k-NN은 멀티-레벨(multi-level) k-NN 또는 싱글-포인트 디맨드(single-point demand) k-NN을 포함할 수 있다. POI 결정부(220)의 멀티-레벨 k-NN 또는 싱글-포인트 디맨드 k-NN을 이용하여 POI를 결정하는 과정에 대한 보다 자세한 설명은 도 4를 참조할 수 있다.
배치 관리부(230)는 POI와 출발지의 밀집도에 기초하여 자율주행자동차의 수를 결정하고, POI의 위치에 기초하여 POI로부터 소정 거리 범위 내에 위치되는 자율주행자동차를 배치를 위한 자율주행자동차로 결정할 수 있다. 배치 관리부(230)는 배치가 결정된 자율주행자동차에게 결정된 차량에 배치에 대한 정보를 송신할 수 있다. 보다 구체적으로, 배치 관리부(230)는 POI와 출발지의 밀집도에 기초하여, POI의 인근에 배치될 복수의 자율주행자동차를 결정하여, 각각의 자율주행자동차로 배치에 대한 정보를 송신할 수 있다.
이에 따라, POI로 결정된 영역(또는 지역)에 대해 사용자의 수요가 실제로 급등하기 전에 자율주행자동차들이 미리 배치됨으로써, 원활하게 교통서비스가 제공될 수 있다.
이동 경로 관리부(240)는 복수의 사용자 각각의 출발지와 목적지에 대한 정보와 제2 인공지능 알고리즘에 기초하여, 복수의 사용자 각각에 대한 이동 경로를 예측하고, 자율주행자동차가 예측된 이동 경로 중 적어도 하나의 이동 경로에 따라 이동되도록 하기 위해 자율주행자동차에게 이동 경로에 대한 정보를 송신할 수 있다.
이동 경로 관리부(240)는 복수의 사용자 중 제1 사용자의 제1 출발지와 제1 목적지에 기초하여, 제1 출발지와 제1 목적지 사이에 위치되는 제2 사용자의 제2 출발지를 식별할 수 있다. 이동 경로 관리부(240)는 제2 인공 지능 알고리즘에 기초하여, 제1 출발지로부터 제1 목적지까지 이동하는데 소요되는 최소 시간과 제2 출발지를 거치는 경우 최소 시간에 가산되는 추가 시간을 추정할 수 있다.
이동 경로 관리부(240)는 추정된 추가 시간이 소정 시간 이하인지 여부를 판정할 수 있다. 이동 경로 관리부(240)는 추정된 추가 시간이 소정 시간 이하인 경우, 자율주행자동차에게 송신하는 이동 경로를 제1 출발지로부터 제2 출발지를 거쳐 제1 목적지까지의 이동하는 경로로 결정할 수 있다. 이동 경로 관리부(240)는 추정된 추가 시간이 소정 시간을 초과하는 경우, 제1 출발지로부터 제1 목적지까지의 이동 경로 상에 제2 출발지가 포함되지 않도록 결정할 수 있다. 즉, 제1 사용자와 제2 사용자의 합승을 유도하지 않고, 제1 사용자만 교통서비스를 이용하도록 할 수 있다.
이처럼, 이동 경로 관리부(240)는 이동 경로가 적어도 일부 겹치는 복수의 사용자가 있는 경우, 시간과 거리를 통합적으로 고려하여 효율적인 합승 서비스를 제공할 수 있다. 또한, 이동 경로 관리부(240)는 합리적인 합승을 통해, 에너지 자원을 절약하고 교통 체증을 저감할 수 있으며, 사용자에게는 동승자와 함께 교통서비스에 대한 비용을 지불하도록 함으로써 경제적 이익을 제공할 수 있다.
도 4는 본 발명의 일 실시예에 따른 공유형 자율주행자동차 관리 서버에서 POI를 결정하는 방법을 설명하기 위한 도면이다.
참조번호 1a는 관리 서버(200)의 POI 결정부(220)를 통해 수행되는 동작들의 흐름의 예를 나타낸다. 구체적으로, POI 결정부(220)는 공유형 자율주행자동차의 교통이력데이터를 획득할 수 있다. 공유형 자율주행자동차의 교통이력데이터는 자율주행자동차의 출발지, 목적지, 합승이 수행된 경우 합승지, 합승 경로 등 과거 교통서비스의 제공에 이용된 다양한 이력데이터를 포함할 수 있다. 설명의 편의를 위해, 공유형 자율주행자동차의 교통이력데이터는 과거 교통이력데이터로 지칭하겠다.
POI 결정부(220)는 과거 교통이력데이터를 전처리하여 제1 인공지능 알고리즘에 이용되는 특성 벡터를 추출할 수 있다. 추출된 특성 벡터는 과거 교통이력데이터와 함께 POI 결정부(220)의 데이터베이스 내에 저장될 수 있다.
POI 결정부(220)는 정보 수신부(210)를 통해 수신되는 현재(또는 실시간)의 교통데이터에 대한 정보, 즉 현재 사용자에 의해 요청되는 출발지와 목적지에 대한 정보와 관련된 특성 벡터를 추출할 수 있다. POI 결정부(220)는 과거 교통이력데이터에 대한 특성 벡터와 현재 교통데이터에 대한 특성 벡터의 유사도를 계산하여, 제1 인공지능 알고리즘의 연산을 위한 k개의 후보 특성 벡터를 도출할 수 있다.
POI 결정부(220)는 도출된 후보 특성 벡터를 제1 인공지능 알고리즘에 적용하여 시간대별 POI를 결정할 수 있다.
한편, 상술한 바와 같이, 제1 인공지능 알고리즘은 k-NN은 멀티-레벨 k-NN 또는 싱글-포인트 디맨드 k-NN을 포함할 수 있고, 이에 기초하여 POI 결정부(220)는 POI를 결정할 수 있다.
제1 인공지능 알고리즘이 멀티-레벨 k-NN을 포함하는 경우, POI 결정부(220)는 과거 교통이력데이터에 대한 특성 벡터와 현재 교통데이터(또는 실시간 교통데이터)에 대한 특성 벡터의 유사도 계산과 관련하여 2가지 단계로 나누어 후보 특성 벡터를 도출할 수 있다. 즉, POI 결정부(220)는 출발지와 목적지, 즉 경로에 대한 특성 벡터를 이용하며, 2가지 단계로 나누어 후보 특성 벡터를 도출할 수 있다.
보다 구체적으로, POI 결정부(220)는 교통서비스 제공이 가능한 경로에 대한 전체 네트워크를 구역으로 나누어 구역 네트워크를 형성할 수 잇다. POI 결정부(220)는, 나뉘어진 구역 네트워크에 대한 과거 교통이력데이터와 현재 교통데이터를 이용하여, 각각에 대한 특성 벡터를 1차적으로 산출할 수 있다 1차적으로 산출되는 특성 벡터는 1차 특성 벡터로 지칭될 수 있다. POI 결정부(220)는 과거 교통이력데이터로부터 산출된 1차 특성 벡터와 현재 교통데이터로부터 산출된 1차 특성 벡터 간의 유사도를 평가하여 전체 교통이력데이터에 대한 k1개의 1차 특성 벡터 후보군을 도출할 수 있다. 1차 특성 벡터 후보군은 하기의 수학식 1과 같이 표현될 수 있다.
수학식 1을 참조하면, 
는 시간 t에서의 나뉘어진 구역에 대한 특성 벡터, 
는 시간 t에서 출발지 s가 포함된 구역 S agg 로부터 목적지 e가 포함된 구역 e agg 로 이동하는 과정에 포함되는 구역 네트워크에 대한 사용자의 수요, τ는 특성 벡터의 시간적 범위일 수 있다.
POI 결정부(220)는 과거 교통이력데이터 및 현재 교통데이터의 특성 벡터를 이용하여 k1개의 1차 특성 벡터 후보군 중 k2개의 특성 벡터를 2차 특성 벡터 후보군으로 도출할 수 있다. 여기서, k1의 값은 k2의 값 이상일 수 있다.
보다 구체적으로, POI 결정부(220)는 1차 특성 벡터 후보군에 대한 과거 교통이력데이터와 현재 교통데이터를 이용하여 각각에 대한 2차 특성 벡터를 산출할 수 있다. POI 결정부(220)는 1차 특성 벡터 후보군에 대한 과거 교통이력데이터로부터 산출된 2차 특성 벡터와 현재 교통데이터로부터 산출된 2차 특성 벡터 간의 유사도를 평가하여, k2개의 특성 벡터를 2차 특성 벡터 후보군으로 도출할 수 있다. 2차 특성 벡터 후보군은 하기의 수학식 2와 같이 표현될 수 있다.
수학식 1을 참조하면, 
는 시간 t에서의 전체 네트워크에 대한 특성 벡터, 
는 시간 t에서 출발지 s로부터 목적지 e로 이동하는 전체 네트워크에 대한 사용자의 수요일 수 있다.
제1 인공지능 알고리즘이 싱글-포인트 디맨드 k-NN을 포함하는 경우, POI 결정부(220)는 출발지에 대한 특성 벡터 및 목적지에 대한 특성 벡터를 사용하여 연산을 수행할 수 있다. 즉, POI 결정부(220)는 출발지와 목적지쌍에 대한 경로의 특성 벡터를 이용하는 것이 아닌, 출발지 또는 목적지, 즉 지점(point)에 대한 특성 벡터를 사용하여 후보 특성 벡터를 도출할 수 있다.
출발지에 대한 특성 벡터는 하기의 수학식 3과 같이 표현될 수 있다.
수학식 3을 참조하면, 
은 시간 t에서의 출발지에 대한 특성 벡터, 
는 시간 t일 때 출발지에 대한 사용자의 수요일 수 있다.
목적지에 대한 특성 벡터는 하기의 수학식 4와 같이 표현될 수 있다.
수학식 4를 참조하면, 
은 시간 t에서의 목적지에 대한 특성 벡터, 
는 시간 t일 때 목적지에 대한 사용자의 수요일 수 있다.
싱글-포인트 디맨드 k-NN을 이용하여 연산이 수행되는 경우, 특성 벡터의 차원이 RxR에서 2R로 감소하므로, POI 결정부(220)는 신속하게 연산을 수행할 수 있어, POI 결정에 대한 계산 속도가 빨라질 수 있다.
참조번호 1b는 POI 결정부(220)에 의해 결정된 POI(400)로 자율주행자동차(300)가 이동하는 형태를 개념적으로 보여준다. POI 결정부(220)에 의해 결정된 POI(400)에 대한 정보가 복수의 자율주행자동차(300) 각각에 송신되는 것에 기초하여, 자율주행자동차(300)는 POI(400)에 인접하도록 배치될 수 있다. 이 때, POI(400)에 배치되는 자율주행자동차(300)는 POI(400)와의 거리 및 사용자의 수요를 고려하여 선택된 것일 수 있다.
도 5는 본 발명의 일 실시예에 따른 공유형 자율주행자동차 관리 서버에서 이동 경로를 결정 방법을 설명하기 위한 도면이다. 보다 구체적으로, 도 5는 제2 인공지능 알고리즘을 이용하여 최적의 이동 경로를 예측하는 관리 서버(200)의 동작을 개념적으로 도시한다.
도 5를 참조하면, 사용자 단말(100)은 관리 서버(200)에 출발지와 목적지에 대한 정보를 송신할 수 있다. 관리 서버(200)에 송신되는 정보에 기초하여 이동 경로 관리부(240)는 출발지와 목적지에 대한 정보에 기초하여 이동 경로 데이터를 생성 및 저장할 수 있다.
경우에 따라, 이동 경로 관리부(240)는 이동 경로에 대한 다양한 정보를 포함하는 이동 경로 데이터베이스를 포함할 수 있고, 이동 경로 데이터베이스에 이동 경로 데이터를 저장할 수 있다. 이동 경로 데이터베이스는 예를 들면, 이전에 이용된 이동 경로, 이전에 이용된 출발지, 이전에 이용된 목적지, 및 이전에 이용된 합승 위치에 대한 데이터를 포함하는 과거 교통이력데이터 및 사용자 단말(100)로부터 수신한 출발지와 목적지에 대한 데이터를 포함하는 현재 교통데이터를 포함할 수 있다.
이동 경로 관리부(240)는 교통서비스가 제공되는 지역의 도로에 대한 네트워크를 하위 단위의 구역(subnetwork)로 나눌 수 있다. 보다 구체적으로, 이동 경로 관리부(240)는 구역으로 네트워크를 나누기 위해, 과거 교통이력데이터를 이용하여, 이전에 이용된 이동경로에 대한 데이터를 군집화(clustering)하여 군집 중심점(centroid)을 추출하고, 이를 기반으로 보로노이 조각화 방법론(voronoi tessellation method)을 사용하여 구역으로 나뉘어진 네트워크를 구성할 수 있다.
이동 경로 관리부(240)는 제2 인공지능 알고리즘을 이용하여 사용자 단말(100)로부터 수신된 출발지와 목적지에 대한 정보를 입력으로 하여 최적의 이동 경로를 획득할 수 있다.
한편, 제2 인공지능 알고리즘은 순환신경망(recurrent neural network, RNN)를 포함할 수 있다. 제2 인공지능 알고리즘은 과거 교통이력데이터를 이용하여 최적의 경로를 예측하도록 학습되어 있을 수 있다. 이동 경로 관리부(240)는 기학습된 제2 인공지능 알고리즘을 이용하여 사용자 단말(100)로부터 수신된 출발지와 목적지에 대한 최적의 이동 경로를 예측할 수 있다.
경우에 따라, 이동 경로 관리부(240)는 최적의 이동 경로를 예측하기 위해, 하기의 수학식 5와 같은 이동 경로 생성 점수를 산출하고, 산출된 점수에 기초하여 최적의 이동 경로를 결정할 수 있다.
수학식 5를 참조하면, 
는 이동 경로 생성 점수, 
, 
및 
각각은 각 변수에 대한 매개변수, 
는 합승하지 않고 최소시간 이동 경로를 택했을 때 소요되는 시간, 
는 합승객을 태우기 위해 소요되는 추가적인 시간, 
는 합승객의 수에 대한 추정 값일 수 있다. 이동 경로 관리부(240)는 이동 경로 생성 점수가 최소로 나온 경로를 최적의 이동 경로로 결정할 수 있다.
도 6은 본 발명의 일 실시예에 따른 공유형 자율주행자동차 관리 방법의 각 단계의 흐름을 나타내는 도면이다. 이하 도 6에서는 도 3의 관리 서버(200)의 각 구성을 중심으로 설명하겠다.
도 6을 참조하면, 정보 수신부(210)는 복수의 사용자 각각의 출발지와 목적지에 대한 정보를 수신할 수 있다(S110). POI 결정부(220)는 출발지의 밀집도가 소정 밀집도 이상인 영역을 POI로 결정할 수 있다(S120). 배치 관리부(230)는 자율주행자동차의 배치를 결정하고, 배치 정보를 배치될 자율주행자동차에 송신할 수 있다. 이동 경로 관리부(240)는 복수의 사용자 각각의 이동 경로를 예측하고 자율주행자동차에 이동 경로에 대한 정보를 송신할 수 있다(S140).
보다 구체적으로, 이동 경로 관리부(240)는 복수의 사용자 각각과 관련된 최적의 이동 경로를 예측하여, 복수의 사용자 각각에 대해 교통서비스를 제공할 자율주행자동차를 각각 결정할 수 있다. 이동 경로 관리부(240)는 결정된 자율주행자동차 각각에 대해 예측된 이동 경로에 대한 정보를 송신할 수 있다.
본 발명의 일 실시예에 따른 공유형 자율주행자동차 관리 서버(200) 및 방법은, 사용자의 수요를 예측하여, 수요가 예측된 지역에 대해 공유형 자율주행자동차의 배치를 증가시킴으로써 효율성 및 편의성이 향상된 공유형 교통서비스를 제공할 수 있다.
본 발명의 일 실시예에 따른 공유형 자율주행자동차 관리 서버(200) 및 방법은, 합승 서비스의 제공과 관련하여, 최적의 이동 경로를 추정하여 효율적인 합승 서비스를 제공함으로써 증가시킴으로써 효율성 및 편의성이 향상된 공유형 교통서비스를 제공할 수 있다.
본 명세서에 첨부된 블록도의 각 블록과 흐름도의 각 단계의 조합들은 컴퓨터 프로그램 인스트럭션들에 의해 수행될 수도 있다. 이들 컴퓨터 프로그램 인스트럭션들은 범용 컴퓨터, 특수용 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비의 프로세서에 탑재될 수 있으므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비의 프로세서를 통해 수행되는 그 인스트럭션들이 블록도의 각 블록 또는 흐름도의 각 단계에서 설명된 기능들을 수행하는 수단을 생성하게 된다. 이들 컴퓨터 프로그램 인스트럭션들은 특정 방식으로 기능을 구현하기 위해 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비를 지향할 수 있는 컴퓨터 이용 가능 또는 컴퓨터 판독 가능 메모리에 저장되는 것도 가능하므로, 그 컴퓨터 이용가능 또는 컴퓨터 판독 가능 메모리에 저장된 인스트럭션들은 블록도의 각 블록 또는 흐름도 각 단계에서 설명된 기능을 수행하는 인스트럭션 수단을 내포하는 제조 품목을 생산하는 것도 가능하다. 컴퓨터 프로그램 인스트럭션들은 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비 상에 탑재되는 것도 가능하므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비 상에서 일련의 동작 단계들이 수행되어 컴퓨터로 실행되는 프로세스를 생성해서 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비를 수행하는 인스트럭션들은 블록도의 각 블록 및 흐름도의 각 단계에서 설명된 기능들을 실행하기 위한 단계들을 제공하는 것도 가능하다.
또한, 각 블록 또는 각 단계는 특정된 논리적 기능(들)을 실행하기 위한 하나 이상의 실행 가능한 인스트럭션들을 포함하는 모듈, 세그먼트 또는 코드의 일부를 나타낼 수 있다. 또, 몇 가지 대체 실시예들에서는 블록들 또는 단계들에서 언급된 기능들이 순서를 벗어나서 발생하는 것도 가능함을 주목해야 한다. 예컨대, 잇달아 도시되어 있는 두 개의 블록들 또는 단계들은 사실 실질적으로 동시에 수행되는 것도 가능하고 또는 그 블록들 또는 단계들이 때때로 해당하는 기능에 따라 역순으로 수행되는 것도 가능하다.
이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 품질에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 명세서에 개시된 실시예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 균등한 범위 내에 있는 모든 기술사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.
100: 사용자 단말
200: 관리 서버
300: 자율주행자동차
400: POI
200: 관리 서버
300: 자율주행자동차
400: POI
Claims (14)
- 복수의 사용자 각각으로부터, 상기 복수의 사용자 각각의 출발지와 목적지에 대한 정보를 수신하는 정보 수신부와,
상기 출발지와 목적지에 대한 정보와 제1 인공지능 알고리즘에 기초하여, 상기 출발지의 밀집도가 소정 밀집도 이상인 영역(region)을 POI(point of interest)로 결정하는 POI 결정부와,
상기 결정된 POI와 상기 출발지의 밀집도에 기초하여 자율주행자동차의 배치를 결정하고, 상기 자율주행자동차가 상기 결정된 배치에 따라 배치되도록 하기 위해 상기 자율주행자동차에게 상기 배치에 대한 정보를 송신하는 배치 관리부와,
상기 복수의 사용자 각각의 출발지와 목적지에 대한 정보와 제2 인공지능 알고리즘에 기초하여, 상기 복수의 사용자 각각의 현재 시점 이후의 이동 경로를 예측하는 이동 경로 관리부를 포함하고,
상기 POI 결정부는,
이전에 이용된 이동 경로, 이전에 이용된 출발지, 이전에 이용된 목적지, 및 이전에 이용된 합승 위치에 대한 교통이력데이터를 포함하고,
상기 출발지와 상기 목적지를 포함하는 경로를 복수 개의 구역으로 나누고, 상기 경로 중 상기 출발지가 포함된 구역에서 상기 목적지가 포함된 구역으로 이동하는 경로에 위치하는 구역들 내의 상기 복수의 사용자 각각의 수요를 반영하고,
상기 이동 경로 관리부는,
상기 자율주행자동차가 상기 복수의 사용자 각각의 현재 시점 이후의 이동 경로로 예측된 경로 중 적어도 하나의 경로를 따라 이동하도록 상기 자율주행자동차로 상기 이동 경로에 대한 정보를 송신하고,
상기 복수의 사용자 중 제1 사용자의 제1 출발지와 제1 목적지에 기초하여, 상기 제1 출발지와 상기 제1 목적지 사이에 위치되는 제2 사용자의 제2 출발지를 식별하고,
상기 제2 인공지능 알고리즘에 기초하여, 상기 제1 출발지로부터 상기 제1 목적지까지의 이동하는데 소요되는 최소 시간과 상기 제2 출발지를 거치는 경우 상기 최소 시간에 가산되는 추가 시간을 추정하고,
상기 추정된 추가 시간이 소정 시간 이하인 경우, 상기 자율주행자동차에게 송신하는 상기 이동 경로를 상기 제1 출발지로부터 상기 제2 출발지를 거쳐 상기 제1 목적지까지의 이동하는 경로로 결정하고,
상기 이전에 이용된 이동 경로에 대한 데이터를 군집화하여 군집 중심점을 추출하고, 보로노이 조각화(voronoi tessellation) 방법을 사용하여 상기 구역을 하위 구역으로 나누어 교통서비스가 제공되는 지역의 도로에 대한 네트워크를 제공하는
공유형 자율주행자동차 관리 서버.
- 제1항에 있어서,
상기 제1 인공지능 알고리즘은 k-NN(K-nearest neighbor)을 포함하고,
상기 제2 인공지능 알고리즘은 순환신경망(recurrent neural network)을 포함하는
공유형 자율주행자동차 관리 서버.
- 제2항에 있어서,
상기 k-NN은 멀티-레벨(multi-level) k-NN 또는 싱글-포인트 디맨드(single-point demand) k-NN을 포함하는
공유형 자율주행자동차 관리 서버.
- 제3항에 있어서,
상기 제1 인공지능 알고리즘은,
상기 자율주행자동차의 이동 가능 범위를 구분한 소정의 영역 간격에 대한 1차 특성 벡터와 상기 자율주행자동차의 이동 가능 범위 전체에 대한 2차 특성 벡터를 이용하여 연산을 수행하거나, 또는
상기 출발지에 대한 특성 벡터 및 상기 목적지에 대한 특성 벡터를 사용하여 연산을 수행하는
공유형 자율주행자동차 관리 서버.
- 제1항에 있어서,
상기 POI 결정부는,
상기 교통이력데이터, 상기 수신된 정보, 및 상기 제1 인공지능 알고리즘에 기초하여 시간대별로 출발지의 밀집도가 상기 소정 밀집도 이상일 것으로 예상되는 영역을 상기 POI로 결정하는
공유형 자율주행자동차 관리 서버.
- 제1항에 있어서,
상기 배치 관리부는,
상기 출발지의 밀집도에 기초하여 상기 배치되는 자율주행자동차의 수를 결정하고,
상기 결정된 POI의 위치에 기초하여, 상기 결정된 POI로부터 소정 거리 범위 내에 위치되는 자율주행자동차를 상기 배치되는 자율주행자동차로 결정하는
공유형 자율주행자동차 관리 서버.
- 삭제
- 공유형 자율주행자동차 관리 서버에 의해 수행되는 공유형 자율주행자동차 관리 방법에 있어서,
복수의 사용자 각각으로부터, 상기 복수의 사용자 각각의 출발지와 목적지에 대한 정보를 수신하는 단계와,
상기 출발지와 목적지에 대한 정보와 제1 인공지능 알고리즘에 기초하여, 상기 출발지의 밀집도가 소정 밀집도 이상인 영역(region)을 POI(point of interest)로 결정하는 단계와,
상기 결정된 POI와 상기 출발지의 밀집도에 기초하여 자율주행자동차의 배치를 결정하는 단계와,
상기 자율주행자동차가 상기 결정된 배치에 따라 배치되도록 하기 위해 상기 자율주행자동차에게 상기 배치에 대한 정보를 송신하는 단계와,
상기 복수의 사용자 각각의 출발지와 목적지에 대한 정보와 제2 인공지능 알고리즘에 기초하여, 상기 복수의 사용자 각각의 현재 시점 이후의 이동 경로를 예측하는 단계와,
상기 자율주행자동차가 상기 복수의 사용자 각각의 현재 시점 이후의 이동 경로로 예측된 경로 중 적어도 하나의 경로를 따라 이동하도록 상기 자율주행자동차에게 상기 이동 경로에 대한 정보를 송신하는 단계를 포함하고,
상기 POI로 결정하는 단계에서는,
이전에 이용된 이동 경로, 이전에 이용된 출발지, 이전에 이용된 목적지, 및 이전에 이용된 합승 위치에 대한 교통이력데이터를 포함하고,
상기 출발지와 상기 목적지를 포함하는 경로를 복수 개의 구역으로 나누고, 상기 경로 중 상기 출발지가 포함된 구역에서 상기 목적지가 포함된 구역으로 이동하는 경로에 위치하는 구역들 내의 상기 복수의 사용자 각각의 수요를 반영하고,
상기 이동 경로를 예측하는 단계는,
상기 복수의 사용자 중 제1 사용자의 제1 출발지와 제1 목적지에 기초하여, 상기 제1 출발지와 상기 제1 목적지 사이에 위치되는 제2 사용자의 제2 출발지를 식별하는 단계와,
상기 제2 인공지능 알고리즘에 기초하여, 상기 제1 출발지로부터 상기 제1 목적지까지의 이동하는데 소요되는 최소 시간과 상기 제2 출발지를 거치는 경우 상기 최소 시간에 가산되는 추가 시간을 추정하는 단계와,
상기 추정된 추가 시간이 소정 시간 이하인 경우, 상기 자율주행자동차에게 송신하는 상기 이동 경로를 상기 제1 출발지로부터 상기 제2 출발지를 거쳐 상기 제1 목적지까지의 이동하는 경로로 결정하는 단계 및
상기 이전에 이용된 이동 경로에 대한 데이터를 군집화하여 군집 중심점을 추출하고, 보로노이 조각화(voronoi tessellation) 방법을 사용하여 상기 구역을 하위 구역으로 나누어 교통서비스가 제공되는 지역의 도로에 대한 네트워크를 제공하는 단계를 포함하는
공유형 자율주행자동차 관리 방법.
- 제8항에 있어서,
상기 제1 인공지능 알고리즘은 k-NN(K-nearest neighbor)을 포함하고,
상기 제2 인공지능 알고리즘은 순환신경망(recurrent neural network)을 포함하는
공유형 자율주행자동차 관리 방법.
- 제9항에 있어서,
상기 k-NN은 멀티-레벨(multi-level) k-NN 또는 싱글-포인트 디맨드(single-point demand) k-NN을 포함하는
공유형 자율주행자동차 관리 방법.
- 제9항에 있어서,
상기 제1 인공지능 알고리즘은,
상기 자율주행자동차의 이동 가능 범위를 구분한 소정의 영역 간격에 대한 1차 특성 벡터와 상기 자율주행자동차의 이동 가능 범위 전체에 대한 2차 특성 벡터를 이용하여 연산이 수행되도록 하거나, 또는
상기 출발지에 대한 특성 벡터 및 상기 목적지에 대한 특성 벡터를 사용하여 연산이 수행되도록 하는
공유형 자율주행자동차 관리 방법.
- 제8항에 있어서,
상기 POI로 결정하는 단계는,
상기 교통이력데이터에 기초하여, 상기 데이터, 상기 수신된 정보, 및 상기 제1 인공지능 알고리즘에 기초하여 시간대별로 출발지의 밀집도가 상기 소정 밀집도 이상일 것으로 예상되는 영역을 상기 POI로 결정하는 단계를 포함하는,
공유형 자율주행자동차 관리 방법.
- 제8항에 있어서,
상기 배치를 결정하는 단계는,
상기 출발지의 밀집도에 기초하여 상기 배치되는 자율주행자동차의 수를 결정하는 단계와,
상기 결정된 POI의 위치에 기초하여, 상기 결정된 POI로부터 소정 거리 범위 내에 위치되는 자율주행자동차를 상기 배치되는 자율주행자동차로 결정하는 단계를 포함하는
공유형 자율주행자동차 관리 방법.
- 삭제
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180143229A KR102279586B1 (ko) | 2018-11-20 | 2018-11-20 | 공유형 자율주행자동차 관리 서버 및 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180143229A KR102279586B1 (ko) | 2018-11-20 | 2018-11-20 | 공유형 자율주행자동차 관리 서버 및 방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20200064190A KR20200064190A (ko) | 2020-06-08 |
| KR102279586B1 true KR102279586B1 (ko) | 2021-07-22 |
Family
ID=71089582
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020180143229A KR102279586B1 (ko) | 2018-11-20 | 2018-11-20 | 공유형 자율주행자동차 관리 서버 및 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102279586B1 (ko) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102227254B1 (ko) * | 2020-07-15 | 2021-03-12 | 황한별 | 공유경제 기반 캠핑카 대여관리 서비스 제공 시스템 |
| KR102548973B1 (ko) * | 2021-07-21 | 2023-06-28 | 장현준 | 자율주행차량용 차량공유시스템 |
| CN113642796A (zh) * | 2021-08-18 | 2021-11-12 | 北京航空航天大学 | 基于历史数据的动态共享电动自动驾驶车辆路径规划方法 |
| KR102515822B1 (ko) * | 2022-05-31 | 2023-03-31 | 포티투닷 주식회사 | 수요 대기시간을 고려한 모빌리티 제어 방법, 장치 및 컴퓨터-판독가능 매체 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003044702A (ja) * | 2001-07-30 | 2003-02-14 | Casio Comput Co Ltd | 相乗り仲介システムおよび相乗り仲介方法 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH09153098A (ja) * | 1995-11-30 | 1997-06-10 | Omron Corp | 車両需要予測システム |
| KR101703381B1 (ko) * | 2013-08-13 | 2017-02-09 | 이동문 | 자동 운전 무인 자동차 공유 시스템 및 그 운용 방법 |
| WO2015161828A1 (en) * | 2014-04-24 | 2015-10-29 | Beijing Didi Infinity Science And Technology Limited | System and method for managing supply of service |
| KR20160076777A (ko) | 2014-12-23 | 2016-07-01 | 이에스이 주식회사 | 개방형 교통정보 플랫폼 및 그 서비스 방법 |
| KR20180120123A (ko) * | 2018-05-28 | 2018-11-05 | 아이피랩 주식회사 | 무인운전시스템, 무인운전차 이용 요금 부과 서버 및 방법 |
-
2018
- 2018-11-20 KR KR1020180143229A patent/KR102279586B1/ko active IP Right Grant
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003044702A (ja) * | 2001-07-30 | 2003-02-14 | Casio Comput Co Ltd | 相乗り仲介システムおよび相乗り仲介方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20200064190A (ko) | 2020-06-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102279586B1 (ko) | 공유형 자율주행자동차 관리 서버 및 방법 | |
| Khan et al. | Level-5 autonomous driving—are we there yet? a review of research literature | |
| CN112074790A (zh) | 自主驾驶的设备、系统和方法和远距操作的载具 | |
| US20190107840A1 (en) | Autonomous Vehicles Featuring Machine-Learned Yield Model | |
| US20180150081A1 (en) | Systems and methods for path planning in autonomous vehicles | |
| CN109521764A (zh) | 车辆远程辅助模式 | |
| EP4303793A2 (en) | Path segment risk regression system for on-demand transportation services | |
| CN109841080B (zh) | 用于交通对象的检测、分类及地理定位的系统和方法 | |
| CN112542045B (zh) | 基于手机信令识别交通出行方式的方法与系统 | |
| Alghamdi et al. | Data quality-aware task offloading in mobile edge computing: An optimal stopping theory approach | |
| US20210150388A1 (en) | Model estimation system, model estimation method, and model estimation program | |
| KR20190129020A (ko) | 사고 예방을 위한 차량 제어 방법 및 장치 | |
| JP2019079199A (ja) | 信号機切替制御装置、信号機切替制御方法及び信号機切替制御プログラム | |
| EP4156729A1 (en) | Occupancy grid map computation, v2x complementary sensing, and coordination of cooperative perception data transmission in wireless networks | |
| GB2572210A (en) | Controlling vehicle platooning | |
| Maleki et al. | Handover-enabled dynamic computation offloading for vehicular edge computing networks | |
| CN114189869A (zh) | 基于边缘计算的无人车协同路径规划和资源分配方法 | |
| Han et al. | Exploiting beneficial information sharing among autonomous vehicles | |
| Frese et al. | Cooperation of cars and formation of cooperative groups | |
| CN106660570A (zh) | 列车编组识别装置以及列车编组识别系统 | |
| JP7028158B2 (ja) | 情報処理装置および移動体システム | |
| Koshimizu et al. | Normalized multi-dimensional parameter based affinity propagation clustering for cellular V2X | |
| CN108241866A (zh) | 一种对驾驶行为进行引导的方法、装置和车辆 | |
| JP4957612B2 (ja) | 走行パターン情報取得装置、走行パターン情報取得方法および走行パターン情報取得プログラム | |
| CN109141422A (zh) | 一种基于路边单元机器学习的车辆定位方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| AMND | Amendment | ||
| E902 | Notification of reason for refusal | ||
| AMND | Amendment | ||
| E601 | Decision to refuse application | ||
| AMND | Amendment | ||
| X701 | Decision to grant (after re-examination) | ||
| GRNT | Written decision to grant |