KR102400555B1

KR102400555B1 - 주행 차량을 제어하는 방법 및 장치

Info

Publication number: KR102400555B1
Application number: KR1020170112422A
Authority: KR
Inventors: 서영완
Original assignee: 삼성전자주식회사
Priority date: 2017-09-04
Filing date: 2017-09-04
Publication date: 2022-05-20
Also published as: KR20190026114A; US10814868B2; US11584367B2; US20210039637A1; US20190071072A1

Abstract

일 실시예에 따른 주행 차량을 제어하는 방법 및 장치는 주행 차량의 주변 상황이 촬영된 영상으로부터 주행 차량이 주행 중인 차로 및 차로의 주변에 있는 객체를 검출하여 객체의 위험도를 평가하고, 객체의 위험도에 기초하여 주행 차량의 주행 정보를 결정하며, 주행 정보에 따라 주행 차량을 제어한다.

Description

주행 차량을 제어하는 방법 및 장치{METHOD AND APPARATUS OF CONTROLLING VEHICLE}

아래의 실시예들은 주변 상황에 기초하여 주행 차량을 제어하는 방법 및 장치 에 관한 것이다.

자율 주행 시스템 및/또는 첨단 운전자 지원 시스템(Advanced Driver Assistance System; ADAS)은 운전자의 조작 없이 차량 스스로 주행하도록 하거나, 또는 운전자의 최소한의 개입만으로 자동 운전이 가능하도록 함으로써 운전자에게 편의성을 제공할 수 있다. 자율 주행 시스템 및/또는 첨단 운전자 지원 시스템은 입력 영상으로부터 주변 객체, 차선 표시 또는 도로 정보 등을 포함하는 주변 상황을 파악하여 최적의 주행 경로를 제공함으로써 자율 주행 또는 운전자를 지원할 수 있다. 자율 주행 시스템 및/또는 첨단 운전자 지원 시스템은 차로의 중앙으로 기준으로 경로를 생성하므로 주변 상황에 따라 주행 차량이 차로의 중앙으로 주행하는 것이 위험한 경우를 대비 또는 회피하기가 용이하지 않다.

일 실시예에 따르면, 주행 차량을 제어하는 방법은 주행 차량의 주변 상황이 촬영된 영상으로부터 상기 주행 차량이 주행 중인 차로(lane) 및 상기 차로의 주변에 있는 객체를 검출하는 단계; 상기 객체의 위험도를 평가하는 단계; 상기 객체의 위험도에 기초하여, 상기 주행 차량의 주행 정보를 결정하는 단계; 및 상기 주행 정보에 따라 상기 주행 차량을 제어하는 단계를 포함한다.

상기 주변 상황은 상기 객체, 상기 객체의 위치, 상기 객체와의 거리, 상기 주행 차량 주변의 교통 상황, 상기 차로의 유형, 도로 표시, 차선, 및 날씨 중 어느 하나 또는 이들의 조합을 포함할 수 있다.

상기 객체는 주변 차량, 오토바이, 자전거, 보행자, 건물, 및 동물 중 어느 하나 또는 이들의 조합을 포함할 수 있다.

상기 객체의 위험도를 평가하는 단계는 상기 객체의 종류, 상기 객체가 위치하는 차로에서 차지하는 영역, 상기 주행 차량과 상기 객체의 상대적인 위치, 상기 객체에 적재된 물건의 존재 여부, 및 상기 적재된 물건의 적재 상태 중 어느 하나 또는 이들의 조합에 기초하여, 상기 객체의 위험도를 평가하는 단계를 포함할 수 있다.

상기 주행 차량을 제어하는 방법은 상기 객체의 움직임을 트래킹(tracking)하는 단계; 및 상기 트래킹된 객체의 움직임과 미리 설정된 위험 패턴을 비교하는 단계를 더 포함하고, 상기 객체의 위험도를 평가하는 단계는 상기 위험 패턴과의 비교 결과에 기초하여, 상기 객체의 위험도를 평가하는 단계를 포함할 수 있다.

상기 주행 차량을 제어하는 방법은 상기 객체의 존재 여부, 상기 객체의 종류, 상기 주행 차량에 대한 상기 객체의 상대적인 위치, 상기 객체에 적재된 물건의 존재 여부, 및 상기 적재된 물건의 적재 상태 중 어느 하나 또는 이들의 조합을 인지하는 단계를 더 포함할 수 있다.

상기 주행 차량을 제어하는 방법은 상기 주행 차량의 전방에 있는 제1 객체와 상기 주행 차량의 후방에 있는 제2 객체 간의 간격을 검출하는 단계를 더 포함할 수 있다.

상기 주행 정보를 결정하는 단계는 상기 간격과 상기 객체의 위험도에 기초하여, 상기 주행 정보를 결정하는 단계를 포함할 수 있다.

상기 주행 정보를 결정하는 단계는 상기 객체의 위험도가 위험도 기준치를 초과하는 위험 객체의 길이와 상기 간격 간의 비교 결과에 기초하여, 상기 주행 정보를 결정하는 단계를 포함할 수 있다.

상기 주행 정보를 결정하는 단계는 상기 위험 객체의 길이보다 상기 간격이 크거나 같은 경우, 상기 주행 차량의 속도를 조절하는 주행 정보를 결정하는 단계를 포함할 수 있다.

상기 주행 정보를 결정하는 단계는 상기 위험 객체의 길이보다 상기 간격이 작은 경우, 상기 주행 차량의 경로를 재설정하는 주행 정보를 결정하는 단계를 포함할 수 있다.

상기 주행 차량의 경로를 재설정하는 주행 정보를 결정하는 단계는 상기 위험 객체가 상기 주행 차량의 좌측에 있는 경우, 상기 주행 차량의 경로를 상기 차로의 중심에서 우측 공간으로 재설정하는 주행 정보를 결정하는 단계; 및 상기 위험 객체가 상기 주행 차량의 우측에 있는 경우, 상기 주행 차량의 경로를 상기 차로의 중심에서 우측 공간으로 재설정하는 주행 정보를 결정하는 단계를 포함할 수 있다.

상기 주행 차량의 주행 정보를 결정하는 단계는 상기 객체의 위험도와 위험도 기준치를 비교하는 단계; 및 상기 위험도 기준치와의 비교 결과에 기초하여, 상기 주행 차량의 속도 및 상기 주행 차량의 주행 경로 중 어느 하나 또는 이들의 조합을 포함하는 주행 정보를 결정하는 단계를 포함할 수 있다.

상기 주행 정보를 결정하는 단계는 상기 위험도 기준치와의 비교 결과에 기초하여, 상기 주행 차량의 가감속 정도 및 상기 주행 경로의 변경 여부 중 어느 하나 또는 이들의 조합을 포함하는 주행 정보를 결정하는 단계를 포함할 수 있다.

상기 주행 정보는 상기 차로와 관련된 상기 주행 차량의 위치, 상기 주행 차량의 속도, 및 상기 주행 차량의 주행 경로 중 어느 하나 또는 이들의 조합을 포함할 수 있다.

일 실시예에 따르면, 주행 차량을 제어하는 장치는 주행 차량의 주변 상황을 촬영하는 이미지 센서; 및 상기 이미지 센서에 의해 촬영된 영상으로부터 상기 주행 차량이 주행 중인 차로 및 상기 차로의 주변에 있는 객체를 검출하여 상기 객체의 위험도를 평가하고, 상기 객체의 위험도에 기초하여 상기 주행 차량의 주행 정보를 결정하며, 상기 주행 차량의 주행 정보에 따라 상기 주행 차량을 제어하는 프로세서를 포함한다.

상기 프로세서는 상기 객체의 종류, 상기 객체가 위치하는 차로에서 차지하는 영역, 상기 주행 차량과 상기 객체의 상대적인 위치, 상기 객체에 적재된 물건의 존재 여부, 및 상기 적재된 물건의 적재 상태 중 어느 하나 또는 이들의 조합에 기초하여, 상기 객체의 위험도를 평가할 수 있다.

상기 주행 차량을 제어하는 장치는 미리 설정된 위험 패턴을 저장하는 메모리를 더 포함하고, 상기 프로세서는 상기 객체의 움직임을 트래킹하고, 상기 트래킹된 객체의 움직임과 상기 위험 패턴을 비교하며, 상기 위험 패턴과의 비교 결과에 기초하여, 상기 객체의 위험도를 평가할 수 있다.

상기 프로세서는 상기 객체의 위험도와 위험도 기준치를 비교하고, 상기 위험도 기준치와의 비교 결과에 기초하여 상기 주행 차량의 가감속 정도 및 상기 주행 경로의 변경 여부 중 어느 하나 또는 이들의 조합을 포함하는 주행 정보를 결정할 수 있다.

도 1은 일 실시예에 따른 주행 차량을 제어하는 방법을 나타낸 흐름도.
도 2는 일 실시예에 따른 객체의 위험도를 평가하는 방법을 설명하기 위한 도면.
도 3은 일 실시예에 따른 객체의 위험도를 평가하는 방법을 나타낸 흐름도.
도 4는 일 실시예에 따른 위험 패턴들을 도시한 도면.
도 5는 일 실시예에 따른 주행 차량을 제어하는 방법을 나타낸 흐름도.
도 6 내지 도 7은 실시예들에 따라 주행 차량의 주행 정보를 결정하는 방법을 설명하기 위한 도면.
도 8은 일 실시예에 따른 주행 차량을 제어하는 장치의 블록도.

실시예들에 대한 특정한 구조적 또는 기능적 설명들은 단지 예시를 위한 목적으로 개시된 것으로서, 다양한 형태로 변경되어 실시될 수 있다. 따라서, 실시예들은 특정한 개시형태로 한정되는 것이 아니며, 본 명세서의 범위는 기술적 사상에 포함되는 변경, 균등물, 또는 대체물을 포함한다.

제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이런 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 해석되어야 한다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.

어떤 구성요소가 다른 구성요소에 "연결되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.

단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 설명된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함으로 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 해당 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 갖는 것으로 해석되어야 하며, 본 명세서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.

하기에서 설명될 실시예들은 자율 주행 차량에서 차량 제어 또는 운전자의 운전 지원을 위한 정보를 생성하는 데에 활용될 수 있다. 또한, 실시예들은 차량 내 주행 보조 또는 완전 자율 주행을 위해 설치된 지능 시스템을 포함하는 기기에서 시각 정보를 해석하여 교통 상황, 도로 구성 등을 포함하는 주변 상황에 맞는 안전하고 쾌적한 주행을 돕는 데에 사용될 수 있다. 실시예들은 예를 들어, 자율 주행 자동차, 지능형 자동차, 첨단 운전자 지원 시스템(Advanced Driver Assistance System; ADAS), 스마트 폰, 및 모바일 기기 등에 적용될 수 있다. 이하, 실시예들을 첨부된 도면을 참조하여 상세하게 설명한다. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다.

이하에서 '도로(road)'는 차량들 또는 사람들이 다니는 길을 의미하며, 예를 들어, 고속도로, 국도, 지방도, 고속 국도 등과 같은 다양한 유형의 도로가 존재할 수 있다. 도로는 하나 또는 다수 개의 차로들(lanes)을 포함할 수 있다. 차로들은 도로 노면 상에 표시된 차선들(lines)를 통해 서로 구분되는 도로 공간에 해당할 수 있다. 이하에서 '차로'는 다수 개의 차로들 중 주행 차량이 주행 중인, 다시 말해 주행 차량이 차지하고 이용 중인 평면 공간을 의미하는 것으로 이해될 수 있다. 하나의 차로는 차로의 좌우에 있는 차선에 의해 구분될 수 있다.

이하에서, '주행 차량'은 도로 위로 주행 중인 차량들 중 자차를 의미하는 것으로서 예를 들어, 자율 주행 차량, 첨단 운전자 지원 시스템(Advanced Driver Assistance System; ADAS)을 구비한 지능형 차량 등이 해당될 수 있다.

도 1은 일 실시예에 따른 주행 차량을 제어하는 방법을 나타낸 흐름도이다. 도 1을 참조하면, 일 실시예에 따른 주행 차량을 제어하는 장치(이하, '제어 장치')는 주행 차량의 주변 상황이 촬영된 영상으로부터 주행 차량이 주행 중인 차로(lane) 및 차로의 주변에 있는 객체를 검출한다(110). 주변 상황이 촬영된 영상은 예를 들어, 제어 장치에 포함된 이미지 센서(예를 들어, 도 8에 도시된 이미지 센서(810))를 이용하여 촬영된 것이거나, 또는 제어 장치 외부로부터 캡쳐된 영상일 수 있다. 주변 상황이 촬영된 영상은 복수 개의 프레임들(frames)을 포함할 수 있다. 주변 상황은 예를 들어, 객체, 객체의 위치, 객체와의 거리, 주행 차량 주변의 교통 상황, 차로의 유형, 도로 표시, 차선, 및 날씨 중 어느 하나 또는 이들의 조합을 포함할 수 있다.

차로의 주변은 예를 들어, 주행 차량이 주행 중인 차로의 좌, 우 차로 또는 주행 차량이 주행 중인 차로의 앞, 또는 뒤를 포함하는 의미로 이해될 수 있다.

객체는 운전자의 운전 상황에 영향을 줄 수 있는 대상으로서, 예를 들어, 주행 차량을 제외한 주변 차량(들), 보행자를 포함하는 사람, 물건, 건물, 및 동물 등을 포함할 수 있다. 여기서, 차량(들)은 예를 들어, 경운기, 및 오토바이와 같이 동력 기관을 가지고 도로 위를 이동하는 도로 교통법 상 인정되는 차량, 및 자전거, 리어카, 기타 다양한 형태의 동력, 무동력 운송 수단들을 모두 포함하는 의미로 이해될 수 있다. 객체는 하나일 수도 있고, 복수 개일 수도 있다.

제어 장치는 예를 들어, 미리 학습된 신경망을 이용하여 영상으로부터 객체의 존재 여부, 객체의 종류, 주행 차량에 대한 객체의 상대적인 위치, 객체에 적재된 물건의 존재 여부, 및 적재된 물건의 적재 상태 중 어느 하나 또는 이들의 조합을 인지 또는 인식할 수 있다. 신경망은 이미지 센서 또는 그 밖의 장치들에 의해 촬영 또는 획득된 정보에 기초하여 차선, 객체 및/또는 주변 상황 등을 인식하도록 미리 학습된 것일 수 있다. 신경망은 예를 들어, 컨볼루션 구조(convolution structure)의 신경망, 리커런트 구조(recurrent structure)의 신경망 또는 이들의 조합에 의한 신경망일 수 있다.

제어 장치는 단계(110)에서 검출된 객체의 위험도를 평가한다(120). 여기서, 객체의 위험도는 해당 객체가 주행 차량의 운전 상황에 영향을 주는 정도, 해당 객체로 인하여 주행 차량의 운전 시에 주의를 필요로 하는 정도, 또는 해당 객체로 인한 사고 발생 예상률로 이해될 수 있다.

제어 장치는 예를 들어, 객체의 종류, 객체가 위치하는 차로에서 차지하는 영역, 주행 차량과 객체의 상대적인 위치, 객체에 적재된 물건의 존재 여부, 및 적재된 물건의 적재 상태 중 어느 하나 또는 이들의 조합에 기초하여, 객체의 위험도를 평가할 수 있다. 제어 장치가 객체의 위험도를 평가하는 방법은 도 2 내지 도 4를 참조하여 구체적으로 설명한다.

제어 장치는 단계(120)에서 평가된 객체의 위험도에 기초하여, 주행 차량의 주행 정보를 결정한다(130). 주행 정보는 예를 들어, 차로와 관련된 주행 차량의 위치, 주행 차량의 속도, 및 주행 차량의 주행 경로 중 어느 하나 또는 이들의 조합을 포함할 수 있다. 주행 정보는 예를 들어, 차량의 속도, 조향 등을 제어하는 제어 파라미터를 포함할 수 있다. 이때, 차로와 관련된 주행 차량의 위치는 차로 내에서 주행 차량이 차지하는 영역 또는 차로의 중심으로부터 떨어진 거리를 포함하는 의미로 이해될 수 있다.

단계(130)에서, 제어 장치는 예를 들어, 객체의 위험도와 위험도 기준치를 비교할 수 있다. 제어 장치는 위험도 기준치와의 비교 결과에 기초하여, 주행 차량의 속도 및 주행 차량의 주행 경로 중 어느 하나 또는 이들의 조합을 포함하는 주행 정보를 결정할 수 있다. 이때, 제어 장치는 위험도 기준치와의 비교 결과에 기초하여, 주행 차량의 가감속 정도 및 주행 경로의 변경 여부 중 어느 하나 또는 이들의 조합을 포함하는 주행 정보를 결정할 수 있다. 제어 장치는 예를 들어, 객체의 위험도가 위험도 기준치보다 큰 경우, 주행 차량의 가감속 정도를 크게 설정하거나, 또는 주행 경로를 변경하도록 주행 정보를 결정할 수 있다. 또는 제어 장치는 예를 들어, 객체의 위험도가 위험도 기준치보다 작은 경우, 주행 차량의 가감속 정도를 작게 설정하거나, 또는 주행 경로를 변경하지 않고 그대로 유지하도록 주행 정보를 결정할 수 있다. 제어 장치가 주행 차량의 주행 정보를 결정하는 방법은 도 5 내지 도 7을 참조하여 구체적으로 설명한다.

제어 장치는 주행 정보에 따라 주행 차량을 제어한다(140). 제어 장치는 주행 정보에 따라 주행 차량의 속도 및 주행 경로 등을 제어할 수 있다.

도 2는 일 실시예에 따른 객체의 위험도를 평가하는 방법을 설명하기 위한 도면이다. 도 2의 (a)를 참조하면, 주행 차량(203)의 왼쪽 차로인 제2 차로에서 객체인 대형 트럭(201)이 운행 중인 상황이 도시된다.

일 실시예에 따른 제어 장치는 예를 들어, 객체의 종류(대형 트럭), 대형 트럭(201)이 위치하는 차로(제2 차로)에서 차지하는 영역, 주행 차량(203)과 대형 트럭(201)의 상대적인 위치 등에 기초하여 객체의 위험도를 평가할 수 있다. 이때, 대형 트럭(201)이 자신이 위치하는 차로(제2 차로)에서 차지하는 영역은 제2 차로의 가로 폭에 대비되는 객체(대형 트럭(201))의 폭의 비율로 이해될 수 있다. 주행 차량(203)과 대형 트럭(201)의 상대적인 위치는 주행 차량(203)과 객체인 대형 트럭(201) 간의 거리 및 주행 차량(203)의 위치를 기준으로 전, 후, 좌, 우에 해당하는 객체(대형 트럭(201))의 위치로 이해될 수 있다.

제어 장치는 예를 들어, 객체의 종류가 차량인 경우에는 객체의 위험도를 70%로 평가하고, 객체가 오토바이인 경우에는 객체의 위험도를 80%로 평가할 수 있다. 제어 장치는 객체가 보행자인 경우에는 객체의 위험도를 30%로 평가하고, 객체가 동물인 경우에는 객체의 위험도를 10%로 평가할 수 있다. 또는 제어 장치는 객체가 택시, 버스, 또는 도 2의 (a)에 도시된 것 같은 대형 트럭(201)인 경우에는 객체의 위험도를 75%로 평가하고, 객체가 버스, 통학용 차량인 경우에는 객체의 위험도를 65%로 평가할 수 있다. 이와 같이, 제어 장치는 객체의 종류(클래스) 별로 또는 객체의 각 종류 별 세부 분류에 따라 객체의 위험도를 달리 평가할 수 있다.

또는 제어 장치는 객체가 위치하는 차로에서 차지하는 영역이 차로의 100%를 초과하는 경우에는 객체의 위험도를 100%로 평가하고, 차로의 90%를 차지하는 경우에는 객체의 위험도를 90%로 평가할 수 있다.

또는 제어 장치는 주행 차량과 객체의 상대적인 위치에 따라 객체의 위험도를 평가할 수 있다. 제어 장치는 주행 차량과 객체 간의 상대적인 위치 또는 거리가 멀수록 객체의 위험도를 낮게 평가하고, 상대적인 위치 또는 거리가 가까울수록 객체의 위험도를 높게 평가할 수 있다.

이 밖에도, 제어 장치는 객체의 종류, 객체가 위치하는 차로에서 차지하는 영역, 주행 차량과 객체의 상대적인 위치 등을 조합하여 객체의 위험도를 평가할 수 있다. 제어 장치는 예를 들어, 객체가 대형 트럭이고, 객체가 차로의 95%를 차지하며, 주행 차량과 객체 간의 거리가 가까운 경우, 객체의 위험도를 98%로 평가하고, 객체가 보행자이고, 객체가 차로의 바깥에 위치하며, 주행 차량과 객체 간의 거리가 1m 이상인 경우에는 객체의 위험도를 5%로 평가할 수 있다.

도 2의 (b)를 참조하면, 주행 차량(203)의 앞에서 차량(205)이 과적 상태로 운행 중인 상황이 도시된다. 일 실시예에 따른 제어 장치는 전술한 객체의 종류, 객체가 위치하는 차로에서 차지하는 영역, 주행 차량과 객체의 상대적인 위치 이외에도 객체에 적재된 물건의 존재 여부, 및 적재된 물건의 적재 상태 등을 더 고려하여 객체의 위험도를 평가할 수 있다.

제어 장치는 객체(예를 들어, 차량(205))에 적재된 물건이 있는 경우, 객체의 위험도를 30%로 평가하고, 적재된 물건이 없는 경우, 객체의 위험도를 5%로 평가할 수 있다. 또는 제어 장치는 적재된 물건의 적재 상태가 도 2의 (b)에 도시된 차량(205)과 같이 과적 상태이고, 적재된 물건의 적재 상태가 차량(205)이 위치하는 차로에서 차지하는 영역의 100%를 초과할 정도로 위험하게 적재된 경우, 차량(205)의 위험도를 100%로 평가할 수 있다.

제어 장치는 예를 들어, 객체의 종류, 객체가 위치하는 차로에서 차지하는 영역, 주행 차량과 객체의 상대적인 위치, 객체에 적재된 물건의 존재 여부, 및 적재된 물건의 적재 상태 각각 또는 이들의 조합에 대하여 미리 마련된 룩업 테이블(look-up table)을 이용하여 객체의 위험도를 평가할 수 있다. 이때, 룩업 테이블은 각 상황에서의 교통 사고 통계 자료를 바탕으로 하는 통계치에 기반하여 미리 마련된 것일 수 있다. 룩업 테이블은 예를 들어, 제어 장치의 메모리에 저장될 수 있다.

또는 제어 장치는 미리 학습된 신경망을 이용하여 객체의 종류, 객체가 위치하는 차로에서 차지하는 영역, 주행 차량과 객체의 상대적인 위치, 객체에 적재된 물건의 존재 여부, 및 적재된 물건의 적재 상태 각각 또는 이들의 조합에 기초한 객체의 위험도를 평가할 수 있다. 신경망은 객체의 종류, 객체가 위치하는 차로에서 차지하는 영역, 주행 차량과 객체의 상대적인 위치, 객체에 적재된 물건의 존재 여부, 및 적재된 물건의 적재 상태에 따른 객체의 위험도를 결정하도록 미리 학습된 것일 수 있다.

도 3은 일 실시예에 따른 객체의 위험도를 평가하는 방법을 나타낸 흐름도이다. 도 3을 참조하면, 일 실시예에 따른 제어 장치는 객체의 움직임을 트래킹(tracking)할 수 있다(310). 제어 장치는 주행 차량의 주변 상황이 촬영된 영상으로부터 예를 들어, 5초 또는 10초의 일정 시간 간격 동안 객체의 움직임을 트래킹할 수 있다. 이때, 객체의 움직임은 객체의 주행 방향 및 주행 각도 등을 포함할 수 있다.

제어 장치는 트래킹된 객체의 움직임과 미리 설정된 위험 패턴을 비교할 수 있다(320). 여기서, 미리 설정된 위험 패턴은 예를 들어, 졸음 운전, 음주 운전, 또는 초보 운전의 경우와 같이 주행 차량의 운행에 위험 요소로 작용할 수 있는 주행의 경우에 주로 나타나는 주행 패턴에 해당할 수 있다. 위험 패턴들의 예시는 도 4를 통해 설명한다.

제어 장치는 트래킹된 객체의 움직임과 위험 패턴 간의 비교 결과에 기초하여 객체의 위험도를 평가할 수 있다. 보다 구체적으로, 제어 장치는 트래킹된 객체의 움직임과 위험 패턴 간의 비교 결과에 따른 유사도가 유사도 임계치보다 크거나 같은지를 판단할 수 있다(330). 단계(330)에서 유사도가 유사도 임계치보다 크거나 같다고 판단되면, 제어 장치는 객체를 위험 객체로 결정할 수 있다(340). 유사도 임계치는 예를 들어, 70% 일 수 있다.

단계(330)에서 유사도가 유사도 임계치보다 작다고 판단되면, 제어 장치는 객체를 안전 객체로 결정할 수 있다(350). 실시예에 따라서, 제어 장치는 유사도와 유사도 임계치 간의 비교 구간을 세분하여 유사도가 70% 이상에 해당하는 객체는 위험 객체로, 유사도가 40%이상 ~ 70% 미만에 해당하는 객체는 비위험 객체로, 유사도가 40% 미만에 해당하는 객체는 안전 객체로 결정할 수도 있다.

도 4는 일 실시예에 따른 위험 패턴들을 도시한 도면이다. 도 4의 (a)를 참조하면, 차로의 중심을 기준으로 좌우로 지그재그 형태의 주행 패턴이 도시된다. 도 4의 (a)에 도시된 것과 같은 지그재그 형태의 주행 패턴은 운전자가 졸음 운전 또는 음주 운전을 하는 경우에 주로 나타날 수 있는 주행 패턴으로 위험 패턴에 해당할 수 있다.

도 4의 (b)를 참조하면, 차량의 중심이 차로의 왼쪽으로부터 오른쪽으로 이동하는 형태의 주행 패턴이 도시되고, 도 4의 (c)를 참조하면, 차량의 중심이 차로의 오른쪽에서 왼쪽으로 이동하는 지그재그 형태의 주행 패턴이 도시된다. 도 4의 (b) 및 도 4의 (c)에 도시된 것과 같이 차량의 중심이 차로의 중심을 이탈하거나, 또는 차량의 중심이 차로의 중심을 이탈하면서 지그재그 형태를 나타내는 주행 패턴 또한 운전자가 졸음 운전 또는 음주 운전을 하는 경우에 주로 나타날 수 있는 주행 패턴으로 위험 패턴에 해당할 수 있다.

또한, 도 4를 통해 도시하지는 않았지만, 예를 들어, 차로의 중심을 기준으로 다른 차량이 있는 반대 방향의 차선을 밟고 운행하는 주행 패턴 또는 브레이크를 자주 밟은 주행 패턴 등과 같이 일반적으로 초보 운전, 음주 운전, 졸음 운전 시에 자주 나타날 수 있는 다양한 주행 패턴들이 위험 패턴에 해당할 수 있다.

도 5는 일 실시예에 따른 주행 차량을 제어하는 방법을 나타낸 흐름도이다. 도 5를 참조하면, 일 실시예에 따른 제어 장치는 주행 차량의 주변 상황이 촬영된 영상으로부터 주행 차량이 주행 중인 차로 및 객체를 검출할 수 있다(510).

제어 장치는 객체의 종류를 인지 또는 인식할 수 있다(520). 제어 장치는 예를 들어, 객체의 종류를 인지 또는 인식하도록 미리 학습된 신경망을 이용하여 단계(510)에서 검출된 객체의 종류를 인지할 수 있다. 또한, 제어 장치는 객체의 종류 이외에도 신경망을 이용하여 주행 차량에 대한 객체의 상대적인 위치, 객체에 적재된 물건의 존재 여부, 및 적재된 물건의 적재 상태 등을 인지할 수 있다.

제어 장치는 객체의 종류를 기초로 객체의 위험도를 평가하고, 객체의 위험도와 위험도 기준치를 비교할 수 있다(530). 단계(530)의 비교 결과, 객체의 위험도가 위험도 기준치(예를 들어, 70%)를 초과하는 위험 객체가 아니라고 판단되면, 제어 장치는 주행 정보의 변경 없이 현재의 주행 정보에 따라 주행 차량을 제어할 수 있다(580).

단계(530)의 비교 결과, 객체의 위험도가 위험도 기준치(예를 들어, 70%)를 초과하는 위험 객체라고 판단되면, 제어 장치는 주행 차량의 전후 객체 간의 간격을 검출할 수 있다(540). 단계(540)에서, 제어 장치는 주행 차량의 전방에 있는 제1 객체와 주행 차량의 후방에 있는 제2 객체 간의 간격을 검출할 수 있다.

제어 장치는 간격과 객체의 위험도에 기초하여, 주행 정보를 결정할 수 있다. 보다 구체적으로, 제어 장치는 객체의 위험도가 위험도 기준치를 초과하는 위험 객체의 길이와 단계(540)에서 검출된 간격 간의 비교 결과에 기초하여, 주행 정보를 결정할 수 있다.

제어 장치는 위험 객체의 길이보다 단계(540)에서 검출된 간격이 크거나 같은지를 판단할 수 있다(550). 단계(550)에서 위험 객체의 길이보다 간격이 크거나 같다고 판단되면, 제어 장치는 주행 차량의 속도를 조절하는 주행 정보를 결정할 수 있다(560). 제어 장치가 주행 차량의 속도를 조절하는 주행 정보를 결정하는 방법은 도 6을 참조하여 구체적으로 설명한다.

단계(550)에서 위험 객체의 길이보다 간격이 작다고 판단되면, 제어 장치는 주행 차량의 경로를 재설정하는 주행 정보를 결정할 수 있다(570). 제어 장치가 주행 차량의 경로를 재설정하는 주행 정보를 결정하는 방법은 도 7을 참조하여 설명한다.

제어 장치는 단계(560) 또는 단계(570)에서 결정된 주행 정보에 따라 주행 차량을 제어할 수 있다(580).

도 6은 일 실시예에 따라 주행 차량의 속도를 조절하는 주행 정보를 결정하는 방법을 설명하기 위한 도면이다. 도 6을 참조하면, 위험 객체(601)가 주행 차량(603)의 좌측에서 주행 중인 상황을 나타낸 도면(610)이 도시된다. 이때, 주행 차량(603)의 전방에는 제1 객체(미도시)가 있고, 주행 차량(603)의 후방에 있는 제2 객체(미도시)가 있으며, 제1 객체와 제2 객체 간의 간격은 25m라고 하자. 또한, 위험 객체(601)의 길이는 8m라고 하자.

제어 장치는 위험 객체(601)의 길이(8m)와 주행 차량(603)의 전후방에 있는 객체들 간의 간격(25m)을 비교하여 주행 정보를 결정할 수 있다. 이때, 위험 객체(601)의 길이(8m)보다 주행 차량(603)의 전후방에 있는 객체들 간의 간격(25m)이 크므로, 제어 장치는 주행 차량(603)의 속도를 조절하는 주행 정보를 결정할 수 있다.

제어 장치는 주행 차량(603)의 속도를 감속 또는 가속하여 주행 차량(603)이 차로 상에서 위험 객체(601)의 주변을 제외한 공간에 위치하도록 주행 정보(예를 들어, 주행 차량의 속도 제어 파라미터)를 결정할 수 있다. 제어 장치는 도면(630)에 도시된 것과 같이, 주행 차량(603)의 속도를 감속하도록 속도 제어 파라미터를 결정할 수 있다.

도 7은 일 실시예에 따라 주행 차량의 주행 정보를 결정하는 방법을 설명하기 위한 도면이다. 도 7을 참조하면, 위험 객체(701)가 주행 차량(703)의 좌측에서 주행 중이고, 주행 차량(703)의 전방에는 제1 차량(미도시)이, 주행 차량(703)의 후방에는 제2 차량(705)이 주행 중인 상황을 나타낸 도면(710)이 도시된다. 이때, 제1 차량과 제2 차량(705) 간의 간격은 9.5m라고 하자. 또한, 위험 객체(701)의 길이는 예를 들어, 10m 라고 하자.

일반적으로 자율 주행 시스템 및/또는 첨단 운전자 지원 시스템은 차로의 중심(715)을 기준으로 경로를 생성한다. 따라서, 주행 차량(705)은 도면(710)에 도시된 것과 같이 주변에 위험 객체(701)가 있다고 하더라도 여전히 차로의 중심(715)을 기준으로 생성된 경로에 따라 주행하게 되므로 위험 객체(701)에 의해 갑자기 발생하는 위험 상황을 대비하기 어렵다.

일 실시예에 따른 제어 장치는 예를 들어, 주행 차량(703)의 좌우에 객체가 있어 차로의 변경이 어려운 경우, 차로 내에서의 주행 차량(703)의 경로를 위험 객체(701)로부터 떨어진 공간에 재설정함으로써 위험 객체(701)에 의해 갑자기 발생하는 위험 상황을 대비하도록 할 수 있다.

제어 장치는 위험 객체(701)의 길이(10m)와 주행 차량(703)의 전후방에 있는 차량들 간의 간격(9.5m)을 비교하여 주행 정보를 결정할 수 있다. 이때, 위험 객체(701)의 길이(10m)보다 주행 차량(703)의 전후방에 있는 차량들 간의 간격(9.5m)이 작으므로, 제어 장치는 주행 차량(703)의 경로를 재설정하는 주행 정보를 결정할 수 있다. 보다 구체적으로, 도면(710)에 도시된 것과 같이, 위험 객체(701)가 주행 차량(703)의 좌측에 있는 경우, 제어 장치는 주행 차량(703)의 경로를 차로의 중심(715)에서 해당 차로의 우측 공간으로 재설정하는 주행 정보를 결정할 수 있다. 다시 말해, 제어 장치는 예를 들어, 도면(730)에 도시된 것과 같이 차로의 중심(715)을 해당 차로의 우측 공간에 재설정된 중심(735)으로 이동하고, 주행 차량의 경로를 재설정된 중심(735)을 기준으로 차로의 우측 공간으로 재설정하는 주행 정보를 결정할 수 있다.

또한, 도 7에 도시되지는 않았지만, 위험 객체(701)가 주행 차량(703)의 우측에 있는 경우, 제어 장치는 주행 차량의 경로를 차로의 중심에서 우측 공간으로 재설정하는 주행 정보를 결정할 수 있다.

제어 장치는 예를 들어, 주행 차량(703)의 좌우에 객체가 없어 차로의 변경이 가능한 경우, 주행 차량의 경로를 위험 객체(701)로부터 멀리 떨어진 다른 차로로 변경하는 주행 정보를 결정할 수 있다.

도 8은 일 실시예에 따른 주행 차량을 제어하는 장치의 블록도이다. 도 8을 참조하면, 일 실시예에 따른 제어 장치(800)는 이미지 센서(810), 프로세서(830), 및 메모리(850)를 포함한다. 이미지 센서(810), 프로세서(830), 및 메모리(850)는 통신 버스(805)를 통해 서로 통신할 수 있다.

이미지 센서(810)는 주행 차량의 주변 상황을 촬영한다. 이미지 센서(810)는 예를 들어, CCD 이미지 센서(Charge Coupled Device(CCD) Image Sensor), CMOS 이미지 센서(Complementary Metal Oxide Semiconductor(CMOS) Image Sensor), 비전 센서(Vision Sensor) 등을 포함할 수 있다.

프로세서(830)는 이미지 센서(810)에 의해 촬영된 영상으로부터 주행 차량이 주행 중인 차로 및 차로의 주변에 있는 객체를 검출하여 객체의 위험도를 평가한다. 프로세서(830)는 객체의 위험도에 기초하여 주행 차량의 주행 정보를 결정하고, 주행 차량의 주행 정보에 따라 주행 차량을 제어한다.

프로세서(830)는 예를 들어, 객체의 종류, 객체가 위치하는 차로에서 차지하는 영역, 주행 차량과 객체의 상대적인 위치, 객체에 적재된 물건의 존재 여부, 및 적재된 물건의 적재 상태 중 어느 하나 또는 이들의 조합에 기초하여, 객체의 위험도를 평가할 수 있다.

메모리(850)는 미리 설정된 위험 패턴을 저장할 수 있다. 이때, 프로세서(830)는 객체의 움직임을 트래킹하고, 트래킹된 객체의 움직임과 위험 패턴을 비교할 수 있다. 프로세서(830)는 위험 패턴과의 비교 결과에 기초하여, 객체의 위험도를 평가할 수 있다.

프로세서(830)는 이미지 센서(810)에 의해 촬영된 영상을 기초로, 객체의 존재 여부, 객체의 종류, 주행 차량에 대한 객체의 상대적인 위치, 객체에 적재된 물건의 존재 여부, 및 적재된 물건의 적재 상태 중 어느 하나 또는 이들의 조합을 인지하는 신경망을 포함할 수 있다. 신경망은 이미지 센서 또는 그 밖의 장치들에 의해 촬영 또는 획득된 정보에 기초하여 차선, 객체 및/또는 주변 상황을 인식하도록 미리 학습된 것일 수 있다. 신경망은 예를 들어, 컨볼루션 구조(convolution structure)의 신경망, 리커런트 구조(recurrent structure)의 신경망 또는 이들의 조합에 의한 신경망일 수 있다.

프로세서(830)는 객체의 위험도와 위험도 기준치를 비교할 수 있다. 프로세서(830)는 위험도 기준치와의 비교 결과에 기초하여 주행 차량의 가감속 정도 및 주행 경로의 변경 여부 중 어느 하나 또는 이들의 조합을 포함하는 주행 정보를 결정할 수 있다.

프로세서(830)는 이 밖에도, 도 1 내지 도 7을 통하여 전술한 적어도 하나의 방법을 수행할 수 있다. 프로세서(830)는 프로그램을 실행하고, 제어 장치(800)를 제어할 수 있다. 프로세서(830)에 의하여 실행되는 프로그램 코드는 메모리(850)에 저장될 수 있다.

메모리(850)는 휘발성 메모리 또는 비휘발성 메모리를 포함할 수 있다. 메모리(850)는 하드 디스크 등과 같은 대용량 저장 매체를 구비하여 각종 데이터를 저장할 수 있다. 이 밖에도, 메모리(850)는 상술한 프로세서(830)에서의 처리 과정에서 생성되는 다양한 정보들을 저장할 수 있다. 이 밖에도, 메모리(850)는 각종 데이터와 프로그램 등을 저장할 수 있다.

제어 장치(800)는 자율 주행 차량, 첨단 운전자 지원 시스템을 구비한 지능형 차량, 또는 모바일 기기 자체이거나, 또는 자율 주행 차량, 첨단 운전자 지원 시스템을 구비한 지능형 차량, 또는 모바일 기기에 포함 혹은 별도로 부가되는 장치일 수 있다.

이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.

소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.

실시예에 따른 방법은 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 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 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 media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.

이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.

Claims

주행 차량의 주변 상황이 촬영된 영상으로부터 상기 주행 차량이 주행 중인 차로(lane) 및 상기 차로의 주변에 있는 객체를 검출하는 단계;
상기 객체의 위험도를 평가하는 단계;
상기 주행 차량의 전방에 있는 제1 객체와 상기 주행 차량의 후방에 있는 제2 객체 간의 간격을 검출하는 단계;
상기 객체의 위험도가 위험도 기준치를 초과하는 객체의 길이와 상기 간격 간의 비교 결과에 기초하여, 주행 정보를 결정하는 단계; 및
상기 주행 정보에 따라 상기 주행 차량을 제어하는 단계
를 포함하는, 주행 차량을 제어하는 방법.
삭제
삭제
삭제
제1항에 있어서,
상기 객체의 움직임을 트래킹(tracking)하는 단계; 및
상기 트래킹된 객체의 움직임과 미리 설정된 위험 패턴을 비교하는 단계
를 더 포함하고,
상기 객체의 위험도를 평가하는 단계는
상기 위험 패턴과의 비교 결과에 기초하여, 상기 객체의 위험도를 평가하는 단계
를 포함하는, 주행 차량을 제어하는 방법.
삭제
삭제
삭제
삭제
제1항에 있어서,
상기 주행 정보를 결정하는 단계는
위험 객체의 길이보다 상기 간격이 크거나 같은 경우, 상기 주행 차량의 속도를 조절하는 주행 정보를 결정하고,
상기 위험 객체의 길이보다 상기 간격이 작은 경우, 상기 주행 차량의 경로를 재설정하는 주행 정보를 결정하는 단계
를 포함하는, 주행 차량을 제어하는 방법.
삭제
제10항에 있어서,
상기 주행 차량의 경로를 재설정하는 주행 정보를 결정하는 단계는
상기 위험 객체가 상기 주행 차량의 좌측에 있는 경우, 상기 주행 차량의 경로를 상기 차로의 중심에서 우측 공간으로 재설정하는 주행 정보를 결정하는 단계; 및
상기 위험 객체가 상기 주행 차량의 우측에 있는 경우, 상기 주행 차량의 경로를 상기 차로의 중심에서 우측 공간으로 재설정하는 주행 정보를 결정하는 단계
를 포함하는, 주행 차량을 제어하는 방법.
제1항에 있어서,
상기 주행 차량의 주행 정보를 결정하는 단계는
상기 객체의 위험도와 위험도 기준치를 비교하는 단계; 및
상기 위험도 기준치와의 비교 결과에 기초하여, 상기 주행 차량의 속도 및 상기 주행 차량의 주행 경로 중 어느 하나 또는 이들의 조합을 포함하는 주행 정보를 결정하는 단계
를 포함하는, 주행 차량을 제어하는 방법.
제13항에 있어서,
상기 주행 정보를 결정하는 단계는
상기 위험도 기준치와의 비교 결과에 기초하여, 상기 주행 차량의 가감속 정도 및 상기 주행 경로의 변경 여부 중 어느 하나 또는 이들의 조합을 포함하는 주행 정보를 결정하는 단계
를 포함하는, 주행 차량을 제어하는 방법.
삭제
삭제
주행 차량의 주변 상황을 촬영하는 이미지 센서; 및
상기 이미지 센서에 의해 촬영된 영상으로부터 상기 주행 차량이 주행 중인 차로 및 상기 차로의 주변에 있는 객체를 검출하여 상기 객체의 위험도를 평가하고, 상기 주행 차량의 전방에 있는 제1 객체와 상기 주행 차량의 후방에 있는 제2 객체 간의 간격을 검출하고, 상기 객체의 위험도가 위험도 기준치를 초과하는 객체의 길이와 상기 간격 간의 비교 결과에 기초하여, 주행 정보를 결정하고, 상기 주행 차량의 주행 정보에 따라 상기 주행 차량을 제어하는 프로세서
를 포함하는, 주행 차량을 제어하는 장치.
삭제
제17항에 있어서,
미리 설정된 위험 패턴을 저장하는 메모리
를 더 포함하고,
상기 프로세서는
상기 객체의 움직임을 트래킹하고, 상기 트래킹된 객체의 움직임과 상기 위험 패턴을 비교하며, 상기 위험 패턴과의 비교 결과에 기초하여, 상기 객체의 위험도를 평가하는, 주행 차량을 제어하는 장치.
제17항에 있어서,
상기 프로세서는
상기 객체의 위험도와 위험도 기준치를 비교하고, 상기 위험도 기준치와의 비교 결과에 기초하여 상기 주행 차량의 가감속 정도 및 주행 경로의 변경 여부 중 어느 하나 또는 이들의 조합을 포함하는 주행 정보를 결정하는, 주행 차량을 제어하는 장치.