KR102497716B1 - 자율주행협력 차량의 권장 제한 속도를 제공하는 관제 서버 - Google Patents

자율주행협력 차량의 권장 제한 속도를 제공하는 관제 서버 Download PDF

Info

Publication number
KR102497716B1
KR102497716B1 KR1020220044077A KR20220044077A KR102497716B1 KR 102497716 B1 KR102497716 B1 KR 102497716B1 KR 1020220044077 A KR1020220044077 A KR 1020220044077A KR 20220044077 A KR20220044077 A KR 20220044077A KR 102497716 B1 KR102497716 B1 KR 102497716B1
Authority
KR
South Korea
Prior art keywords
data
driving
speed limit
vehicle
self
Prior art date
Application number
KR1020220044077A
Other languages
English (en)
Inventor
탁세현
이동훈
김사리
Original Assignee
한국교통연구원
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 한국교통연구원 filed Critical 한국교통연구원
Application granted granted Critical
Publication of KR102497716B1 publication Critical patent/KR102497716B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/07—Controlling traffic signals
    • G08G1/08—Controlling traffic signals according to detected number or speed of vehicles
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
    • B60W30/14—Adaptive cruise control
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
    • B60W40/105—Speed
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • G06Q50/40—
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0116—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from roadside infrastructure, e.g. beacons
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/097—Supervising of traffic control systems, e.g. by giving an alarm if two crossing streets have green light simultaneously

Abstract

본 발명의 실시 예에 따른 복수의 자율 주행차들로부터 제공되는 운행 데이터를 수신하는 관제 서버는, 상기 복수의 자율 주행차들 각각의 거동이나 환경을 감지하여 전송되는 운행 데이터와, 상기 복수의 자율 주행차들이 운행하는 도로의 상황을 감지하여 수집된 인프라 데이터를 수신하는 통신부, 그리고 상기 운행 데이터와 상기 인프라 데이터를 사용하여 상기 복수의 자율 주행차들 각각의 속도를 개별적으로 제어하기 위한 권장 제한 속도를 생성하여 상기 복수의 자율 주행차들 각각에 전송하는 제어부를 포함하되, 상기 권장 제한 속도는 상기 인프라 데이터 중에서 상기 도로에 설치된 신호등의 신호 데이터에 대한 강화 학습을 기반으로 생성된다.

Description

자율주행협력 차량의 권장 제한 속도를 제공하는 관제 서버{CONTROL SERVER THAT PORVIDES AN ADVISORY SPEED LIMIT FOR AUTONOMOUS VEHICLE}
본 발명은 자율 주행차에 관한 것으로, 더욱 상세하게는 복수의 자율 주행차들 각각에게 도로의 실시간 상태에 따른 권장 제한 속도를 제공하는 관제 서버에 관한 것이다.
일반 차량과 자율 주행차가 혼재하는 교통류에서 자율 주행차의 속도 제어는 자율 주행차의 안정성을 위한 필수적인 요소이다. 일반적으로 자율 주행차의 속도 제어는 자율 주행차의 주변에 위치하는 차량들이나 교통 밀도, 교통 이벤트에 근거하여 이루어지고 있는 실정이다. 또한, 가변 제한 속도(Variable Speed Limit) 기술을 활용하여 교통 합류부 등의 정체가 많이 발생하는 구간에서 상류부와 하류부간의 속도 차이를 줄여 도로의 안전을 향상시키는 기술도 고려되고 있다. 하지만, 기존의 자율 주행차의 속도 제어는 전광판과 같은 특정 지점을 기준으로만 정보를 제공하여 안전 향상에 성능적인 한계가 있다.
따라서, 자율 주행차가 운행하는 도로에서 특정 지점에서만 정보를 제공하는 것이 아닌 도로 전반에서 제한 속도를 변화시키고 제공하는 기술 개발 및 적용이 필요한 실정이다. 더불어, 클라우드 기술을 기반으로 광역 도로의 속도 제한 정보를 통신 기술을 활용하여 자율 주행차에 제공하는 기술 개발이 필요한 실정이다.
- 한국 공개특허공보 10-2017-0077336 (2017.07.06)
본 발명의 목적은, 클라우드 기술을 기반으로 실시간으로 감지되는 인프라 정보와 자율 주행차에서 감지되는 운행 정보를 기초로 도로의 전반에 걸쳐서 자율 주행차에 권장 제한 속도를 제공하는 관제 서버를 제공하는 데 있다.
본 발명의 일 실시 예에 따른 복수의 자율 주행차들로부터 제공되는 운행 데이터를 수신하는 관제 서버는, 상기 복수의 자율 주행차들 각각의 거동이나 환경을 감지하여 전송되는 운행 데이터와, 상기 복수의 자율 주행차들이 운행하는 도로의 상황을 감지하여 수집된 인프라 데이터를 수신하는 통신부, 그리고 상기 운행 데이터와 상기 인프라 데이터를 사용하여 상기 복수의 자율 주행차들 각각의 속도를 개별적으로 제어하기 위한 권장 제한 속도를 생성하여 상기 복수의 자율 주행차들 각각에 전송하는 제어부를 포함하되, 상기 권장 제한 속도는 상기 인프라 데이터 중에서 상기 도로에 설치된 신호등의 신호 데이터에 대한 강화 학습을 기반으로 생성된다.
이 실시 예에서, 상기 운행 데이터는, 상기 자율 주행차에 장착된 속도 센서, 가속도 센서, 회전율 센서, 위치 센서, 레이더나 라이더 센서, 비전 센서, 샤시 센서들 중 적어도 하나로부터 감지된 데이터를 포함한다.
이 실시 예에서, 상기 인프라 데이터는, 상기 도로의 노변에 설치된 카메라 센서, 레이더 센서, 라이다 센서, 정류장의 정체나 교통 상황을 센싱하는 비전 센서, 상기 정류장의 버스 출발 및 도착 스케줄을 제공하는 장비로부터 제공되는 데이터 또는 차량이나 보행자 신호를 제공하는 신호기 데이터를 포함한다.
이 실시 예에서, 상기 제어부는 수집된 상기 운행 데이터 또는 인프라 데이터를 클라우드 환경에서 처리할 수 있도록 데이터 구조 및 포맷을 변경하고, 수집된 데이터의 이상치를 검출하는 전처리부를 포함한다.
이 실시 예에서, 상기 제어부는 근접 정책 최적화(Proximal Policy Optimization) 알고리즘을 이용하여 상기 신호 데이터로부터 상기 권장 제한 속도를 생성한다.
상술한 본 발명의 실시 예에 따른 관제 서버는 자율 주행차에게 인프라 정보와 운행 정보 등을 구간별 권장 제한 속도(Advisory Speed Limit)로 통합 및 제공하여 자율 주행차의 주행 안정성 및 안전 성능을 향상시킬 수 있다.
도 1은 본 발명의 실시 예에 따른 자율협력주행 시스템을 간략히 보여주는 도면이다.
도 2는 도 1의 자율협력주행 시스템의 구성을 간략히 보여주는 블록도이다.
도 3은 도 1에 도시된 관제 서버를 예시적으로 보여주는 블록도이다.
도 4는 도 3에 도시된 권장 제한 속도 관리부의 주요 기능들을 보여주는 블록도이다.
도 5는 본 발명의 실시 예에 따른 관제 서버의 클라우드 기반 권장 제한 속도의 생성 방법을 보여주는 순서도이다.
도 6은 도 5의 교통 신호 데이터에 대한 강화학습 알고리즘을 적용하는 세부 절차를 간략히 보여주는 순서도이다.
도 7은 본 발명의 실시 예에 따른 강화 학습 알고리즘을 예시적으로 보여주는 블록도이다.
도 8a 및 도 8b는 본 발명의 실시 예에 따른 권장 제한 속도 관리부에서 제공하는 교차로 내에서의 차량 충돌 방지 속도 제공 서비스를 보여주는 도면들이다.
도 9는 교차로 내에서 자율 주행차와 보행자와의 충돌 방지 속도 제공 서비스를 보여주는 도면이다.
도 10은 본 발명의 권장 제한 속도에 의한 정류장 접근 속도 지원 서비스를 간략하게 보여주는 도면이다.
도 11은 본 발명의 운영설계범위(ODD) 기반으로 권장 제한 속도를 서비스하는 방법을 도식적으로 보여주는 도면이다.
도 12a 및 도 12b는 본 발명의 실시 예에 따른 정체 정보 기반의 권장 제한 속도(ASL) 제공 서비스를 보여주는 도면들이다.
도 13은 신호 정보 기반으로 자율 주행차의 권장 제한 속도(ASL)를 제공하는 방법을 간략히 보여주는 도면이다.
이하, 본 발명의 일부 실시 예들을 예시적인 도면을 참조하여 상세하게 설명한다. 각 도면의 구성 요소들에 참조 부호를 부가함에 있어서, 동일한 구성 요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 부호를 가질 수 있다. 또한, 본 발명을 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략할 수 있다.
도 1은 본 발명의 실시 예에 따른 자율협력주행 시스템을 간략히 보여주는 도면이다. 도 1을 참조하면, 자율협력주행 시스템(1000)은 자율 주행차(1100), 지능형 인프라(1200), 통신망(1300) 그리고 관제 서버(1400)를 포함한다.
자율 주행차(1100)는 클라우드 기반으로 관제 서버(1400)에서 제공되는 권장 제한 속도(Advisory Speed Limit, 이하 ASL)에 따라 주행 속도를 가변할 수 있다. 권장 제한 속도(ASL)는 자율 주행차(1100)에서 운행중에 실시간으로 획득되는 운행 데이터와 지능형 인프라(1200)를 통해서 감지되는 인프라 데이터로부터 관제 서버(1400)에 의해서 생성된다. 여기서, 운행 데이터는 자율 주행차(1100)의 운행시 차량에 장착된 센서들을 통해서 획득되는 데이터일 수 있다. 예를 들면, 운행 데이터는 자율 주행차(1100)의 속도 센서, 가속도 센서, 회전율 센서, GPS 센서와 같은 위치 센서, 주변의 사물이나 상황을 인식하기 위한 레이더나 라이더 센서, 카메라 센서, 샤시 등으로부터 감지된 데이터를 포함할 수 있다.
권장 제한 속도(ASL)에 의해서 자율 주행차(1100)는 교차로 내 차량의 충돌 방지 속도 지원 서비스, 교차로 내에서의 보행자 탐지 및 속도 지원 서비스, 합류부 속도 지원 서비스, 정류장 접근 속도 지원 서비스, 운영 설계 범위(Operational Design Domain: 이하, ODD) 기반의 주행 속도 지원 서비스, 정체 정보 기반 속도 지원 서비스, 신호 정보 기반 속도 지원 서비스 등을 제공받을 수 있다.
현재의 자율 주행 기술은 비교적 짧은 인지 거리(예컨대, 100m~150m)로 인하여 정류장 및 신호 주변의 정체, 신호 정보 등의 먼 거리에서 발생하는 정보를 미리 탐지하지 못하는 한계를 가지고 있다. 이로 인하여 자율 주행차(1100)가 감속해야 하는 상황에 미리 대응하지 못하여 급감속이나 급가속 등의 불안전 주행 상황이 발생할 수 있다. 하지만, 본 발명의 자율 주행차(1100)는 권장 제한 속도(ASL)를 통해서 자율 주행차(1100) 자체적으로 인지할 수 있는 도로 상황의 한계를 초월하여 광역 도로 상태를 고려한 속도 지원 서비스를 제공받을 수 있다. 따라서, 도로 상황이나 교통 상황, 보행자 상황, 신호 상황 등의 정보를 실시간으로 취합하여 생성되는 권장 제한 속도(ASL)를 통해서 자율 주행차(1100)는 높은 주행 안정성을 보장받을 수 있다. 여기서, 자율 주행차(1100)가 하나의 차량으로 도시되어 있으나, 자율협력주행 시스템(1000)에는 복수의 자율 주행차(1100)들이 포함된다. 그리고 복수의 자율 주행차(1100)들 각각은 해당 차량이 주행하는 실도로의 상황에 대응하는 권장 제한 속도(ASL)를 개별적으로 수신하게 될 것이다.
지능형 인프라(1200)는 노변에 설치된 카메라나 레이더, 라이다 센서, 그리고 도로에서 발생하는 사고나 불법 주정차 등의 비정상 상황을 모니터링하는 센서들을 포함할 수 있다. 더불어, 지능형 인프라(1200)는 교차로나 횡단보도와 같은 구간에서 차량이나 보행자 신호를 제공하는 신호기, 정류장 근처에 설치되어 정체나 교통 상황을 센싱하는 비전 센서를 포함할 수도 있다. 또한, 지능형 인프라(1200)는 정류장의 버스 출발 및 도착 스케줄을 제공하는 장비나 시스템(BIS, BMS, ATMS)을 포함할 수 있다. 지능형 인프라(1200)에서 감지되거나 생성된 인프라 데이터는 클라우드로 구현되는 통신망(1300)을 통해 관제 서버(1400)에 실시간으로 전송될 수 있다. 관제 서버(1400)는 인프라 데이터와 운행 데이터에 근거하여 자율 주행차(1100)의 권장 제한 속도(ASL)를 생성할 것이다. 지능형 인프라(1200)는, 예를 들면, 도로에 설치되어 있는 VDS(Vehicle Detection System), AVI(Automatic Vehicle Identification), RSE(Road Side Equipment) 및/또는 TSC(Toll Collection System), ITS(Intelligent Transport Systems), C-ITS(Cooperative-ITS)들 중 적어도 하나를 포함할 수도 있다.
통신망(1300)은 지능형 인프라(1200)와 관제 서버(1400) 간의 통신 채널을 제공한다. 통신망(1300)은 자율 주행차(1100)이나 관제 서버(1400)와 같은 각각의 노드(Node)들 간에 정보의 교환을 위한 무선 또는 유선 통신 구조나 클라우드를 의미한다. 예를 들면, 통신망(1300)은 차량이 다른 차량이나 모바일 기기, 도로 등의 사물과 정보를 교환하기 위한 차량사물통신(V2X, Vehicle to Everything)을 포함할 수 있다. 또는, 통신망(1300)은 3GPP(3rd Generation Partnership Project), LTE(Long Term Evolution), WIMAX(World Interoperability for Microwave Access), 와이파이(Wi-Fi), 2G, 3G, 4G, 5G, 6G 등을 포함할 수 있으나, 본 발명은 여기에 한정되지는 않는다.
관제 서버(1400)는 자율 주행차(1100)에서 전송된 운행 데이터를 통신망(1300)을 통해 수집한다. 또한, 관제 서버(1400)는 지능형 인프라(1200)로부터 실시간으로 전송되는 인프라 데이터를 통신망(1300)을 통해 수집한다. 관제 서버(1400)는 수집된 운행 데이터와 인프라 데이터에 기반하여 자율 주행차(1100)의 권장 제한 속도(ASL)를 계산한다. 그리고 계산된 권장 제한 속도(ASL)를 클라우드 기반의 통신망(1300)을 통해 해당 자율 주행차(1100)에 제공할 수 있다.
관제 서버(1400)는 개별 차량들 각각에 제공하는 권장 제한 속도(ASL)를 통해서 교차로 내 차량의 충돌 방지 속도의 지원 서비스, 교차로 내 보행자 탐지 및 속도 지원 서비스, 합류부 속도 지원 서비스, 정류장 접근 속도 지원 서비스, 운영 설계 범위(ODD) 기반의 주행 속도 지원 서비스, 정체 정보 기반 속도 지원 서비스, 신호 정보 기반 속도 지원 서비스 등을 제공할 수 있다.
이상에서 설명된 자율협력주행 시스템(1000)에서는 운행 데이터와 인프라 데이터를 처리하여 권장 제한 속도(ASL)를 개별 자율 주행차(1100)들에게 서비스할 수 있다. 따라서, 자율 주행차(1100)는 운행중인 도로(100)에서 넓은 인지 거리와 다양한 상황이 반영된 권장 제한 속도(ASL)에 의해 높은 주행 안정성을 제공받을 수 있다. 본 발명에 따라 생성된 권장 제한 속도(ASL)를 사용하여 관제 서버(1400)는 실도로 환경을 미시적으로 반영한 권장 제한 속도(ASL)를 개별 자율 주행차(1100)에 서비스할 수 있어 교통류 상태에 맞는 최적의 자율협력주행 관리를 수행할 수 있다.
본 발명의 자율협력주행 시스템(1000)이 적용되는 도로(100)는 고속도로나 간선도로, 일반도로, 산업 도로, 항만과 같은 다양한 도로에 적용될 수 있다. 본 발명의 자율협력주행 시스템(1000)이 적용되는 도로(100)는 상술한 도로 종류에만 국한되지 않고 지능형 인프라(1200)가 설치된 다양한 도로에서 적용될 수 있음은 잘 이해될 것이다.
도 2는 도 1의 자율협력주행 시스템의 구성을 간략히 보여주는 블록도이다. 도 2를 참조하면, 권장 제한 속도(ASL)를 제공하기 위한 자율협력주행 시스템(1000)은 자율 주행차(1100), 지능형 인프라(1200), 통신망(1300), 그리고 관제 서버(1400)를 포함한다.
자율 주행차(1100)는 실도로를 주행하는 복수의 자율 주행차들(1110, 1120, 1130)을 포함한다. 복수의 자율 주행차들(1110, 1120, 1130) 각각은 관제 서버(1400)로부터 개별적으로 제공되는 권장 제한 속도들(ASL1, ASL2, …, ASLn)에 따라 실도로에서 주행 속도를 제어한다. 복수의 자율 주행차들(1110, 1120, 1130) 각각은 차량 내의 센서들을 통해서 수집된 각각의 운행 데이터를 통신망(1300)을 통해서 관제 서버(1400)에 실시간으로 전송할 것이다. 복수의 자율 주행차들(1110, 1120, 1130) 각각은 다양한 센서들을 사용하여 운행 데이터를 생성한다. 예를 들면, 자율 주행차(1110)는 속도 센서, 가속도 센서, 회전율(Yaw rate) 센서, 경도나 위도를 센싱하는 위치 센서, 라이다, 레이다, 비전 센서, 샤시 센서 등을 포함할 수 있다. 그리고 자율 주행차(1110)는 이들 센서들로부터 감지된 데이터를 통신망(1300)을 통하여 관제 서버(1400)로 전송할 수 있다.
지능형 인프라(1200)는 노변이나 도로, 교차로 등에 설치되어 도로 상황이나 보행자 여부, 사고나 주정차 상태, 도로 공사 등을 감지하는 비전 센서, 레이더나 라이더 센서들을 포함할 수 있다. 지능형 인프라(1200)는 교통 신호나 정류장의 스케줄 정보 등을 생성하거나 수집 및 관리하는 장비를 포함할 수 있다. 더불어, 지능형 인프라(1200)는 도로의 노면 상에 적설량이나 강수량에 따른 습도나 빙설의 상태를 감지하는 노면 센서들을 포함할 수도 있다. 지능형 인프라(1200)에서 감지되거나 생성된 인프라 데이터는 통신망(1300)을 통해 관제 서버(1400)에 실시간으로 전송될 수 있다.
통신망(1300)은 자율 주행차(1100)와 지능형 인프라(1200) 그리고 관제 서버(1400) 간의 클라우드 기반의 통신 채널을 제공한다. 예를 들면, 통신망(1300)은 차량사물통신(V2X, Vehicle to Everything)을 비롯한 3GPP(3rd Generation Partnership Project), LTE(Long Term Evolution), WIMAX(World Interoperability for Microwave Access), 와이파이(Wi-Fi), 2G, 3G, 4G, 5G, 6G 등을 포함할 수 있으나, 본 발명은 여기에 한정되지는 않는다.
관제 서버(1400)는 권장 제한 속도 관리부(1420), 안전 모니터링부(1440), 그리고 경로 생성/갱신부(1460)를 포함할 수 있다. 권장 제한 속도 관리부(1420)는 자율 주행차(1100)와 지능형 인프라(1200)로부터 제공되는 운행 데이터와 인프라 데이터를 사용하여 복수의 자율 주행차들(1110, 1120, 1130)의 권장 제한 속도들(ASL1, ASL2, …, ASLn)을 생성한다. 안전 모니터링부(1440)는 자율 주행차(1100)로부터의 운행 데이터와 지능형 인프라(1200)로부터의 인프라 데이터를 사용하여 복수의 자율 주행차들(1110, 1120, 1130)의 안전 모니터링 기능을 제공한다. 안전 모니터링부(1440)는 복수의 자율 주행차들(1110, 1120, 1130)의 거동과 도로 상태, 보행자나 사고, 주정차 여부 등을 조합하여 복수의 자율 주행차들(1110, 1120, 1130) 각각의 운영설계범위(ODD)를 설정할 수 있다. 경로 생성/갱신부(1460)는 자율 주행차(1100)와 지능형 인프라(1200)로부터 제공되는 운행 데이터와 인프라 데이터를 사용하여 복수의 자율 주행차들(1110, 1120, 1130) 각각의 목적지까지의 최적 경로를 제공할 수 있다.
이상에서 설명된 관제 서버(1400)에 따르면, 실도로에서의 주행시 생성되는 운행 데이터와 광역 도로의 상태 정보에 대응하는 인프라 데이터를 바탕으로 권장 제한 속도들(ASL1, ASL2, …, ASLn)을 생성할 수 있다. 그리고 생성된 권장 제한 속도들(ASL1, ASL2, …, ASLn)은 복수의 자율 주행차들(1110, 1120, 1130)의 개별적인 속도 제어에 사용될 수 있다.
도 3은 도 1에 도시된 관제 서버를 예시적으로 보여주는 블록도이다. 도 3을 참조하면, 관제 서버(1400)는 통신부(1410), 저장부(1430), 그리고 제어부(1450)를 포함할 수 있다.
통신부(1410)는 수신부(1411)와 송신부(1413)를 포함한다. 수신부(1411)는 자율 주행차(1100)에서 전송되는 운행 데이터와 지능형 인프라(1200)에서 전송된 인프라 데이터를 수신한다. 수신부(1411)는 통신망(1300, 도 1 참조)을 통해서 전달되는 운행 데이터와 인프라 데이터를 제어부(1450)에서 처리되는 데이터 포맷으로 변경할 수 있다. 수신부(1411)는 수신된 운행 데이터와 인프라 데이터를 제어부(1450)에 전달할 것이다. 송신부(1413)는 관제 서버(1400)에서 운행 데이터와 인프라 데이터를 기반으로 생성된 권장 제한 속도(ASL)를 통신망(1300)을 통해 자율 주행차(1100)로 제공할 수 있다.
저장부(1430)는 운행 데이터 DB(1431), 인프라 데이터 DB(1433), 그리고 강화학습 모델 DB(1435)를 포함할 수 있다. 운행 데이터 DB(1431)에는 실시간으로 제공되는 자율 주행차(1100)의 속도 센서, 가속도 센서, 회전율 센서, GPS 센서와 같은 위치 센서, 주변의 사물이나 상황을 인식하기 위한 레이더나 라이더 센서, 카메라 센서, 샤시 센서 등으로부터 수집된 운행 데이터를 저장할 수 있다. 인프라 데이터 DB(1433)는 노변에 구비된 지능형 인프라(1200)로부터 수집된 인프라 데이터가 저장된다. 그리고 강화학습 모델 DB(1435)는 제어부(1450)에서 권장 제한 속도(ASL)를 도출하기 위한 교통 신호의 변화를 예측하기 위한 교통 신호 학습 알고리즘을 저장하고 제공할 수 있다. 또한, 저장부(1430)는 관제 서버(1400)에서 관리하는 데이터를 저장하기 위한 스토리지들을 포함할 수 있을 것이다.
제어부(1450)는 통신부(1410)를 통해서 전달되는 운행 데이터와 인프라 데이터를 수집하고, 수집된 운행 데이터와 인프라 데이터를 기반으로 권장 제한 속도(ASL)를 생성한다. 이를 위해, 제어부(1450)는 프로세서(1451), 권장 제한 속도 관리부(1420), 안전 모니터링부(1440), 그리고 경로 생성/갱신부(1460)를 포함할 수 있다. 권장 제한 속도 관리부(1420)는 자율 주행차(1100)와 지능형 인프라(1200)로부터 제공되는 운행 데이터와 인프라 데이터를 사용하여 복수의 자율 주행차들(1110, 1120, 1130)의 권장 제한 속도들(ASL1, ASL2, …, ASLn)을 생성한다. 안전 모니터링부(1440)와 경로 생성/갱신 부(1460)는 도 3에서 설명되었기에 이들에 대한 설명은 생략하기로 한다. 여기서, 바람직하게 프로세서(1451)는 하드웨어로 구성될 수 있고, 권장 제한 속도 관리부(1420), 안전 모니터링부(1440), 그리고 경로 생성/갱신부(1460)는 소프트웨어로 제공될 수 있다.
프로세서(1451)는 관제 서버(1400)의 전반적인 동작을 제어할 수 있다. 프로세서(1451)는 통신부(1410)를 통해서 수신되는 운행 데이터와 인프라 데이터를 패치하거나 제어 신호를 전송할 수 있다. 프로세서(1451)는 저장부(1430)의 운행 데이터 DB(1431) 또는 인프라 데이터 DB(1433)에 접근할 수 있다. 프로세서(1451)는 권장 제한 속도 관리부(1420), 안전 모니터링부(1440), 그리고 경로 생성/갱신부(1460)를 구성하는 알고리즘이나 프로그램 명령을 실행할 수 있다. 프로세서(1451)는 SoC(system-on-chip), ASIC(application specific integrated circuit), FPGA(field programmable gate array) 등의 형태로 구현될 수 있다.
도 4는 도 3에 도시된 권장 제한 속도 관리부의 주요 기능들을 보여주는 블록도이다. 도 4를 참조하면, 권장 제한 속도 관리부(1420)는 자율 주행차(1100)로부터 제공되는 차량 정보(A1)와 레거시 시스템으로부터의 교통 정보(B2), 그리고 지능형 인프라(1200, 도 1 참조)로부터 제공되는 인프라 데이터(C1~C8)를 기반으로 권장 제한 속도(ASL)를 생성할 수 있다.
지능형 인프라(1200)에 의해서 인프라 데이터(C1~C8)가 실시간으로 생성되고 보고된다. 제 1 인프라 데이터(C1)는 실시간 사고 정보에 대응한다. 제 1 인프라 데이터(C1)는 노변에 설치된 카메라나 적외선 센서, 레이더 또는 라이다 센서를 통해서 감지되는 사고 상황이나 불법 주정차 상태와 같이 비정상 상황의 탐지를 통해서 생성될 수 있다.
제 2 인프라 데이터(C2)는 자율 주행차(1100)가 운행하는 도로에서의 보행자 횡단에 대한 정보를 포함한다. 보행자의 횡단은 노변에 설치되어 있는 카메라나 라이다 등의 센서를 활용하여 횡단보도 또는 횡단보도 인근의 보행자나 자전거 등을 위치와 속도를 실시간으로 탐지함으로써 감지될 수 있다. 실시간으로 감지된 보행자의 횡단 정보는 관제 서버(1400)로의 보고 및 처리를 위해 포맷이 변경될 수 있다. 즉, 보행자의 횡단 정보의 위치 정보가 링크 정보로 변경될 수 있다. 보행자 횡단에 대한 정보는 횡단보도 상이나 근처에 보행자나 자전거 유무, 이동 속도, HDmap link 정보, 미래 위치나 속도 정보, 통행량 등이 포함될 수 있을 것이다. 보행자의 횡단 정보는 센서의 지연 시간 등을 고려하여 특정 시간(예를 들면, 최대 3초) 이후에 대한 미래 상황을 예측할 수 있고, 자율 주행차(1100)와 보행자 간 충돌 확률을 산출하는데 사용될 수 있다.
제 3 인프라 데이터(C3)는 노변에 설치되어 있는 교통 신호기에 제공되는 실시간 신호 정보에 대응한다. 즉, 교차로나 횡단보도에서의 차량 신호등이나 보행자 신호등의 교통 신호가 실시간으로 수집되고 클라우드를 통해서 관제 서버(1400)로 전송될 수 있다. 차량 신호등에서 제공되는 교통 신호는 이후 강화 학습 알고리즘에 의해서 학습되고, 자율 주행차(1100)의 권장 제한 속도(ASL) 산출에 사용될 것이다.
제 4 인프라 데이터(C4)는 자율 주행차(1100)와 충돌 가능한 일반 차량들에 대한 주행 정보이다. 즉, 제 4 인프라 데이터(C4)는 노변에 설치되어 있는 카메라나 레이더, 라이다 등의 센서를 활용하여 교차로를 통과하는 차량의 위치와 속도를 실시간 탐지함으로써 생성된다. 실시간으로 탐지된 탐지 데이터는 관제 서버(1400)로의 전송 및 처리를 위해 포맷이 변경될 수 있다. 즉, 탐지된 차량의 위치와 속도 정보가 링크 정보로 변경될 수 있다. 제 4 인프라 데이터(C4)에는 교차로에서의 차량 유무, 이동 속도, HDmap link 정보, 미래 위치나 속도 정보, 통행량 등이 포함될 수 있다. 더불어, 제 4 인프라 데이터(C4)는 센서의 지연 시간 등을 고려하여 특정 시간(예를 들면, 최대 3초) 이후에 대한 미래 상황을 예측하고 자율 주행차(1100)와의 충돌 확률을 산출하는데 사용될 수 있다.
제 5 인프라 데이터(C5)는 버스 정류장이나 그 주변에 설치되어 있는 비전 센서 등을 활용하여 정류장 근처에서 발생하는 교통 정체와 같은 정보에 대응한다. 즉, 정류장에서의 자율 주행차(1100)의 권장 제한 속도(ASL) 계산을 위해 버스 정류장의 근처 정체 여부에 대한 정보가 실시간으로 수집되고 클라우드를 통해서 관제 서버(1400)로 전송될 수 있다.
제 6 인프라 데이터(C6)는 교차로 또는 도로에서의 교통 정체나 지체를 실시간으로 감지한 데이터이다. 교통 정체나 지체 여부는 노변이나 노상에 설치된 비전 센서나 라이다나 레이더 등을 활용하여 검출될 수 있다.
제 7 인프라 데이터(C7)는 버스 정류장에서의 버스들의 출발, 도착, 통행 시간, 운행 시간 등의 스케줄 등의 정류장 정보에 대응한다. 이러한 정류장 정보는 버스 정보 시스템(Bus Information System: 이하, BIS)으로부터 제공받을 수 있다.
제 8 인프라 데이터(C8)는 노변 기지국 등의 정보를 기반으로 자율 주행차(1100)와의 통신 상태에 대한 실시간 모니터링 정보에 대응한다. 자율 주행차(1100)와 관제 서버(1400)간의 원활한 통신 상태가 유지되는지 또는 통신 장애가 존재하는지를 이러한 정보를 기초로 판단할 수 있다.
인프라 데이터(C1~C8)는 궤적 및 상태 예측 모듈(C9)에 제공되고, 궤적 및 상태 예측 모듈(C9)은 차량에서 수집된 운행 데이터와 인프라 데이터(C1~C8)를 사용하여 자율 주행차(1100)의 단기 미래 상황을 예측할 수 있다. 즉, 궤적 및 상태 예측 모듈(C9)은 운행 데이터와 인프라 데이터(C1~C8)를 취합하여 소정의 시간(예를 들면, 0.3초 내지 3초) 이내의 충돌 위험도 등을 계산할 수 있다.
운행 데이터 모듈(A1)은 자율 주행차(1100)에 설치된 센서들로부터 제공되는 센서 데이터를 기초로 자율 주행차(1100)의 주행과 관련된 운행 데이터를 생성한다. 예를 들면, 운행 데이터 모듈(A1)은 자율 주행차(1100)에 설치된 라이더, 레이더, 비전, 샤시 센서 등에서 감지된 데이터를 수집하여 차량 내의 통신 모듈을 통해서 V2X 서버로 전송하면, 이는 다시 관제 서버(1400)로 전달된다.
전처리 모듈(A2)은 통신망을 통해서 수집된 데이터를 클라우드 환경에서 처리할 수 있도록 데이터 구조 및 포맷을 변경한다. 더불어, 전처리 모듈(A2)은 수집된 데이터의 이상치를 검출하고, 데이터의 이상이나 손실을 보정할 수 있다.
V2X 통신 모듈(A3)은 자율 주행차(1100)로부터 전송되는 V2X 메시지의 수집 및 관리한다. 더불어, V2X 통신 모듈(A3)은 관제 서버(1400)의 권장 제한 속도 관리부(1420)에서 생성된 정보(예를 들면, ASL)를 자율 주행차(1100)에게 전송한다. V2X 통신 모듈(A3)은 노변에 설치되어 있는 통신 인프라의 상태 정보를 수집할 수 있고, 모니터링할 수 있다. V2X 통신 모듈(A3)은 도로의 각 구간별 통신 상태를 모니터링할 수도 있다.
ODD 설정 모듈(B1)은 자율 주행차(1100)에서 수집된 센서 및 주행 정보를 기반으로 차량의 주행 안전성을 모니터링하고 이를 기반으로 차량별 운행 설계 영역(ODD)을 재설정할 수 있다. 예를 들면, ODD 설정 모듈(B1)은 자율 주행차(1100)가 주행 안정성이 떨어지는 지하 도로를 통과하는 경우에는 권장 제한 속도를 35 km/h 정도로 낮게 설정하여 주행 안전성을 향상시킬 수 있다.
교통 정보 수집 모듈(B2)은 도로의 교통 정보(교통량, 보행량, 속도, 지체, 통행 시간 등)를 노변에 설치되어 있는 카메라 등의 센서를 통하여 수집한다. 더불어, 교통 정보 수집 모듈(B2)은 각 도로 구간별 날씨 정보를 수집할 수 있다. 교통 정보 수집 모듈(B2)은 노변에서 수집된 원데이터(Raw data)의 가공 및 포맷을 변환한다. 예를 들면, 교통 정보 수집 모듈(B2)은 수집된 원데이터의 포맷을 지점 데이터에서 링크 데이터로 변환할 수 있다. 그리고 교통 정보 수집 모듈(B2)은 노변에서 수집된 데이터를 클라우드를 통해 전송하고, 데이터 품질 관리를 담당한다.
교통 정보 수집 모듈(B2)은 더불어, 도로에서 발생하는 비정상 상황(공사, 사고, 행사 등)에 대한 정보 수집할 수 있다. 수집된 비정상 상황에 해당하는 정보는 클라우드를 통해 전송되며, 수집된 데이터에 대한 품질도 관리된다.
도로 상태 추정 모듈(B3)은 수집된 교통 정보의 패턴화 및 강화 학습에 필요한 시나리오를 생성한다. 도로 상태 추정 모듈(B3)은 수집된 교통 정보를 기반으로 미래 교통 상황(예를 들면, 0.5시간~6시간 후)을 예측할 수 있다.
속도 추천 모듈(D1)은 궤적 및 상태 예측 모듈(C9)에서 예측된 자율 주행차(1100)의 단기 미래 상황을 참조하여 권장 제한 속도(ASL)를 추천할 수 있다. 속도 추천 모듈(D1)에서 추천된 적정 속도가 권장 제한 속도(ASL)로 출력되어, V2X 통신 모듈(A3)을 경유하여 자율 주행차(1100)에 전송될 것이다.
도 5는 본 발명의 실시 예에 따른 관제 서버의 클라우드 기반 권장 제한 속도의 생성 방법을 보여주는 순서도이다. 도 5를 참조하면, 관제 서버(1400)의 권장 제한 속도 관리부(1420)는 자율 주행차(1100)로부터 제공되는 운행 데이터와 지능형 인프라(1200)로부터 전송되는 인프라 데이터를 기반으로 권장 제한 속도(ASL)를 추출한다.
S110 단계에서, 권장 제한 속도 관리부(1420)는 각 차량의 ID별 경로 식별 메시지(Path ID Message: 이하, PIM)를 업데이트한다.
S115 단계에서, 권장 제한 속도 관리부(1420)는 자율 주행차(1100)로부터 경로 식별 메시지(PIM)와 프로브 차량 안전 데이터(Probe Vehicle Safety Data: 이하, PVSD)를 수신한다.
S120 단계에서, 권장 제한 속도 관리부(1420)는 수신된 경로 식별 메시지(PIM) 또는 프로브 차량 안전 데이터(PVSD)가 유효 및 사용 가능한지 판별한다. 만약, 수신된 경로 식별 메시지(PIM) 또는 프로브 차량 안전 데이터(PVSD)가 사용 불가한 경우('아니오' 방향), 제반 권장 제한 속도(ASL) 생성 절차는 종료된다. 반면, 수신된 경로 식별 메시지(PIM) 또는 프로브 차량 안전 데이터(PVSD)가 사용 가능한 경우('예' 방향), 절차는 S130 단계로 이동한다.
S130 단계에서, 권장 제한 속도 관리부(1420)는 현재 링크 ID(Current link ID)를 획득한다.
S140 단계에서, 권장 제한 속도 관리부(1420)는 타깃 링크 ID(Target link ID)를 획득한다.
S150 단계에서, 권장 제한 속도 관리부(1420)는 초기 차량 제어 권장 메시지(Vehicle Control Advisory Message: 이하, VCAM)를 생성한다. 즉, 획득된 타깃 링크 단위로 경로 식별 메시지(PIM)를 분할(Slice)하여 처리한다.
S160 단계에서, 권장 제한 속도 관리부(1420)는 통신 데이터를 사용하여 권장 제한 속도(ASL)를 업데이트한다.
S170 단계에서, 권장 제한 속도 관리부(1420)는 인프라 데이터인 보행자, 차량 검출 데이터를 사용하여 권장 제한 속도(ASL)를 업데이트한다.
S180 단계에서, 권장 제한 속도 관리부(1420)는 자율 주행차(1100)로부터 전송된 차량 검출 데이터(Vehicle Detection data)에 대응하는 운영설계범위(ODD) 및 안전 데이터(Safety data)로 권장 제한 속도(ASL)를 업데이트한다.
S190 단계에서, 권장 제한 속도 관리부(1420)는 지능형 인프라(1200)로부터 전송된 교통 신호 데이터(Traffic signal data)를 사용하여 권장 제한 속도(ASL)를 업데이트한다. 이때, 교통 신호 데이터(Traffic signal data)는 강화학습 알고리즘에 의해서 학습된 데이터일 수 있다.
S200 단계에서, 권장 제한 속도 관리부(1420)는 최종적으로 업데이트된 권장 제한 속도(ASL)를 각각의 개별 자율 주행차(1100)에 전송함으로써, 권장 제한 속도를 적용한다.
도 6은 도 5의 교통 신호 데이터에 대한 강화학습 알고리즘을 적용하는 세부 절차를 간략히 보여주는 순서도이다. 도 6을 참조하면, 일 실시 예에서 강화학습 알고리즘은 교통 신호 데이터(Traffic signal data)에 대해서만 수행될 수 있다.
S191 단계에서, 권장 제한 속도 관리부(1420)는 교통 신호 데이터를 수신한다. 교통 신호 데이터는 교차로나 횡단보도가 존재하는 위치에서 차량의 통행 여부를 지시하는 교통 신호일 수 있다. 예를 들면, 녹색 신호에 적색 신호로 전환될 때, 특정 시간 동안 황색 신호가 점멸하는 시간 등에 대한 정보가 권장 제한 속도 관리부(1420)에 제공될 수 있다.
S193 단계에서, 권장 제한 속도 관리부(1420)는 모델 기반의 권장 제한 속도(ASL)를 생성한다.
S195 단계에서, 권장 제한 속도 관리부(1420)는 강화 학습 모델을 기반으로 신호 데이터에 대한 강화 학습을 수행한다. 즉, 권장 제한 속도 관리부(1420)는 경로 식별 메시지(PIM), 프로브 차량 안전 데이터(PVSD), AVSM(Advanced Vehicle Stability Management) 이력 데이터를 사용하여 권장 제한 속도(ASL)를 생성하기 위한 강화 학습 모델을 트레이닝한다. 트레이닝 결과는 특정 스토리지에 저장될 수 있다.
S197 단계에서, 권장 제한 속도 관리부(1420)는 강화 학습된 교통 신호를 이용하여 S180 단계에서 생성된 권장 제한 속도(ASL)를 업데이트한다. 업데이트된 권장 제한 속도(ASL)는 이후 통신망(1300)을 통해 자율 주행차(1100)에 전달될 수 있다.
이상에서는 본 발명의 실시 예에 따른 관제 서버(1400)에서의 권장 제한 속도(ASL)의 생성을 위한 교통 신호 데이터의 강화 학습 절차가 간략히 설명되었다. 교통 신호 데이터는 강화 학습뿐만 아니라 다양한 머신 러닝 기능을 사용하여 최적화될 수 있다.
도 7은 본 발명의 실시 예에 따른 강화 학습 알고리즘을 예시적으로 보여주는 블록도이다. 도 7을 참조하면, 관제 서버(1400)는 교통 신호 데이터에 대한 'On-Policy' 방식에 해당하는 정책 경도 방법(Policy Gradient Method)들 중 적용 난이도 대비 높은 성능을 나타내는 근접 정책 최적화(Proximal Policy Optimization: PPO) 알고리즘을 이용하여 권장 제한 속도를 생성한다.
본 발명의 강화학습 알고리즘은 크게 환경 모듈(Environment, 1421)과 Actor-Critic 모듈(1423)로 구성된다. Actor-Critic 모듈(1423)은 PPO Trainer(1425)를 이용하여 손실(Loss: L)을 계산한다. 환경 모듈(1421)은 교통 시뮬레이션과 연동되어 마르코프 결정 과정(Markov Decision Process: 이하, MDP)의 핵심 요소인 상태(State), 행위(Action) 및 보상(Reward) 도출에 이용된다. 환경 모듈(1421)은 학습을 위해 단위 롤아웃 트랜잭션(Rollout-transaction)(st, at, rt+1, st+1)의 묶음인 미니 배치(mini-batch)를 Actor-Critic 모듈(1423)로 전달한다. 여기서, 'st'는 t 시점의 상태, 'at'는 t 시점의 조치(Action), 'rt+1'는 st에서 수행한 at 행위에 대한 보상, 그리고 'st+1'는 st에서 수행한 at 행위의 결과를 나타낸다.
Actor-Critic 모듈(1423)에서는 미니 배치(mini-batch) 상의 각각 롤아웃 경험(rollout experience)을 이용하여 PPO 알고리즘에서 활용하는 일반화된 이득 추정(Generalized Advantage Estimation: GAE) 기반의 클립핑 손실(Clipping Loss: 이하, LCLIP)를 산출하고, 이를 토대로 SGD(Stochastic Gradient Descent) 방법을 이용해 손실(Loss) 변화량을 업데이트한다. 손실 변화량의 업데이트를 통해 Actor-Critic 모듈(1423)의 신경망(Neural Network) 파라미터를 교정하고, 변경된 파라미터 값을 토대로 차후의 트랜잭션을 생성한다. 그리고 Actor-Critic 모듈(1423)은 정의된 에피소드 만큼의 훈련을 지속적으로 수행하여 신경망(Neural Network) 파라미터를 업데이트할 수 있다.
도 8a 및 도 8b는 본 발명의 실시 예에 따른 권장 제한 속도 관리부에서 제공하는 교차로 내에서의 차량 충돌 방지 속도 제공 서비스를 보여주는 도면들이다. 도 8a는 자율 주행차(1100)가 직진하고 일반 차량(1102)이 우회전하는 경우를, 도 8b는 자율 주행차(1100)가 우회전하고 일반 차량(1102)이 직진하는 경우의 충돌 방지 속도 지원 서비스를 보여준다.
도 8a를 참조하면, 자율 주행차(1100)가 교차로를 횡단하여 직진하고, 일반 차량(1102)이 자율 주행차(1100)의 우측에서 우회전하는 경우가 도시되어 있다. 자율 주행차(1100)가 교차로에 직진 방향으로 진입할 때, 일반 차량(1102)은 우회전하여 자율 주행차(1100)가 주행하는 1차로에 합류할 수 있다. 이때에는 자율 주행차(1100)와 일반 차량(1102)의 충돌 가능성이 높다. 하지만, 자율 주행차(1100)가 가진 자체 비전 센서나 라이다, 레이더 센서만으로는 원거리에서 일반 차량(1102)의 거동을 충분히 감지하기 어렵다.
본 발명에 따르면, 교차로 주변이나 노변에 설치된 카메라나 센서들을 통해, 그리고 일반 차량(1102)의 링크 ID, 속도 등의 인프라 데이터가 실시간으로 관제 서버(1400)에 제공된다. 더불어, 자율 주행차(1100)의 링크 ID, 속도 등의 정보도 관제 서버(1400)에 제공된다. 관제 서버(1400)는 이러한 인프라 데이터와 자율 주행차(1100)의 운행 데이터를 사용하여 자율 주행차(1100)와 일반 차량(1102)의 충돌 확률을 계산한다. 관제 서버(1400)는 충돌 확률에 기반하여 자율 주행차(1100)의 교차로 내에서의 적정 속도를 생성하고 이를 권장 제한 속도(ASL)로서 제공할 수 있다.
도 8b를 참조하면, 일반 차량(1102)이 교차로를 횡단하여 직진하고, 자율 주행차(1100)가 교차로의 우측에서 우회전하는 경우가 도시되어 있다. 자율 주행차(1100)가 교차로에서 우회전을 위하여 진입할 때, 일반 차량(1102)은 상대적으로 원거리에서 고속으로 교차로에 접근하고 있을 수 있다. 자율 주행차(1100) 자체적인 센서로서는 원거리에서 고속으로 접근하는 일반 차량(1102)의 거동을 예측하는 것은 어렵다. 따라서, 우회전하는 자율 주행차(1100)와 직진하는 일반 차량(1102)의 충돌 가능성이 높다.
하지만, 본 발명의 자율협력주행 시스템(1000)에 따르면, 교차로 주변이나 노변에 설치된 카메라나 센서들을 통해, 그리고 일반 차량(1102)의 링크 ID, 속도 등의 인프라 데이터가 실시간으로 관제 서버(1400)에 제공된다. 더불어, 자율 주행차(1100)의 링크 ID, 속도 등의 정보도 관제 서버(1400)에 제공된다. 관제 서버(1400)는 이러한 인프라 데이터와 자율 주행차(1100)의 운행 데이터를 사용하여 자율 주행차(1100)와 일반 차량(1102)의 교차로 내에서의 충돌 확률을 계산할 수 있다. 관제 서버(1400)는 충돌 확률에 기반하여 자율 주행차(1100)의 교차로 내에서의 권장 제한 속도(ASL)를 도출하고 자율 주행차(1100)에 제공할 수 있다. 따라서, 교차로 내에서의 우회전하는 자율 주행차(1100)와 직진하는 일반 차량(1102)의 충돌을 예방할 수 있다.
도 9는 교차로 내에서 자율 주행차와 보행자와의 충돌 방지 속도 제공 서비스를 보여주는 도면이다. 도 9를 참조하면, 관제 서버(1400)는 인프라 데이터를 이용하여 자율 주행차(1100)가 진입하는 교차로 내에서 무단횡단을 시도하는 보행자를 인식하고, 권장 제한 속도(ASL)를 사용하여 보행자와의 충돌을 회피시킬 수 있다.
자율 주행차(1100)가 교차로에 진입하는 상황에서 보행자(1110)가 신호를 위반하고 도로를 무단횡단을 시도할 수 있다. 이때, 자율 주행차(1100)에서는 차량 신호가 청색일 경우에는 높은 속도를 유지한 체 교차로에 진입할 수 있어 보행자(1110)와의 충돌 가능성이 높다.
하지만, 본 발명의 자율협력주행 시스템(1000)에 따르면, 교차로 주변이나 노변에 설치된 카메라, 레이더나 라이다 센서들을 통해 보행자(1110)의 링크 존, 속도 등의 인프라 데이터를 실시간으로 관제 서버(1400)가 제공받을 수 있다. 더불어, 자율 주행차(1100)의 링크 ID, 속도 등의 정보도 관제 서버(1400)에 제공된다. 관제 서버(1400)는 이러한 보행자와 관련된 인프라 데이터와 자율 주행차(1100)의 속도를 사용하여 자율 주행차(1100)와 보행자(1110)의 충돌 확률을 계산할 수 있다. 관제 서버(1400)는 충돌 확률에 기반하여 자율 주행차(1100)의 교차로 진입시의 권장 제한 속도(ASL)를 도출하고 자율 주행차(1100)에 제공할 수 있다. 따라서, 교차로에 진입하는 자율 주행차(1100)와 무단횡단을 시도하는 보행자(1110)의 충돌을 미리 방지할 수 있다.
도시되지는 않았지만, 자율 주행차(1100)가 교차로에서 우회전하고, 보행자(1110)가 건너편에서 횡단보도를 건너는 경우에도, 지능형 인프라(1200)에 의해 보행자(1110)의 거동이 실시간으로 관제 서버(1400)에 제공될 수 있다. 이때, 관제 서버(1400)는 보행자(1110)의 위치나 속도, 그리고 자율 주행차(1100)의 속도를 기반으로 권장 제한 속도(ASL)를 도출할 수 있다. 생성된 권장 제한 속도(ASL)가 자율 주행차(1100)에 제공됨에 따라 교차로에서 우회전하는 자율 주행차(1100)와 보행자(1110)의 충돌을 효과적으로 방지할 수 있다.
도 10은 본 발명의 권장 제한 속도에 의한 정류장 접근 속도 지원 서비스를 간략하게 보여주는 도면이다. 도 10을 참조하면, 관제 서버(1400)는 인프라 데이터를 사용하여 버스 정류장에서의 상황을 실시간으로 모니터링하고, 버스 정류장의 상태에 따른 권장 제한 속도(ASL)를 생성할 수 있다.
관제 서버(1400)는 버스 정보 시스템(BIS)이나 버스 정류장의 비전 센서로부터 수집한 인프라 데이터를 활용하여 자율 주행차(1100)가 진입할 버스 정류장에서의 정체 상황이나 버스들의 출도착 시간을 수집할 수 있다. 버스 정보 시스템(BIS)이나 버스 운행 관리 시스템(BMS), 첨단 교통 관리 시스템(ATMS) 등의 정보를 활용하면 교차로에 인접한 버스 정류장에서의 버스들의 출발, 도착, 통행 시간, 운행 시간 등의 버스 정류장의 상황 정보를 실시간으로 획득할 수 있다.
버스 정류장의 상황 정보와 버스 정류장에 진입하는 자율 주행차(1100)의 링크 ID, 속도 등의 정보를 사용하여 관제 서버(1400)는 권장 제한 속도(ASL)를 산출할 수 있다. 관제 서버(1400)는 버스 정류장에서의 버스 유무와 버스 대수에 따른 정체 길이를 고려하여 정류장에 접근 중인 자율 주행차(1100)의 속도를 산출하여 권장 제한 속도(ASL)로 제공한다. 그러면, 자율 주행차(1100)의 정류장 접근시 충돌 혹은 사고를 방지하며 자율차 운행 효율을 높일 수 있다.
도 11은 본 발명의 운영설계범위(ODD) 기반으로 권장 제한 속도를 서비스하는 방법을 도식적으로 보여주는 도면이다. 도 11을 참조하면, 관제 서버(1400)는 자율 주행차(1100)가 현재 운행하는 도로의 위치에 따라 해당 구간의 운영설계범위(ODD)에 대응하는 권장 제한 속도(ASL)를 서비스할 수 있다.
자율 주행차(1100)가 운행하는 도로는 평지(111), 지하 차도(112), 고가(113), 그리고 교량(114)과 같은 도로 종류가 구간별로 구분될 수 있다. 관제 서버(1400)는 인프라 데이터를 사용하여 버스 정류장에서의 상황을 실시간으로 모니터링하고, 버스 정류장의 상태에 따른 권장 제한 속도(ASL)를 생성할 수 있다.
관제 서버(1400)는 자율 주행차(1100)로부터 제공되는 프로브 차량 안전 데이터(PVSD)와 차량의 현재 위치(HDmap link) 정보를 사용하여 자율 주행차(1100)가 주행하는 도로의 종류를 구간별로 식별할 수 있다. 예를 들면, 고가(113)나 교량(114)에서는 자율 주행차(1100)의 권장 제한 속도(ASL)를 45km/h로 제공할 수 있다. 평지(111)에서는 자율 주행차(1100)의 권장 제한 속도(ASL)를 40km/h로 제공할 수 있다. 반면, 지하 차도(112)나 교차로에서 좌회전 거동시에는 자율 주행차(1100)의 권장 제한 속도(ASL)를 35km/h로 제공할 수 있다. 그리고 우회전이나 회전 교차로에서는 자율 주행차(1100)의 권장 제한 속도(ASL)를 30km/h로 제공할 수 있다.
도 12a 및 도 12b는 본 발명의 실시 예에 따른 정체 정보 기반의 권장 제한 속도(ASL) 제공 서비스를 보여주는 도면들이다. 도 12a는 도로에서 교통 밀도와 같은 인프라 데이터를 통해서 센싱된 정보를 기반으로 생성된 도로의 정체 정보를 지도상에 도시한 도면이다. 더불어, 본 발명에서는 도 12b와 같이 노변에 설치된 CCTV나 다양한 비전 센서를 활용하여 정지선에 대기중인 차량들의 길이를 계산하고, 이를 사용하여 실시간 정체 정보를 생성할 수 있다. 정체 정보를 기반으로 정체 구간에 진입하는 자율 주행차(1100)의 권장 제한 속도(ASL)를 제공하여 미리 속도를 줄이도록 유도함으로써 주행 안정성을 보장할 수 있다.
도 13은 신호 정보 기반으로 자율 주행차의 권장 제한 속도(ASL)를 제공하는 방법을 간략히 보여주는 도면이다. 도 13을 참조하면, 본 발명의 관제 서버(1400)는 노변의 신호 정보를 실시간으로 수집하여 자율 주행차(1100)가 안전 및 연료 효율이 최적화될 수 있도록 속도를 미리 조절하기 위한 권장 제한 속도(ASL)를 제공할 수 있다.
예를 들면, 자율 주행차(1100)가 연동 신호등이 존재하는 세종청사 북측 정류장에 진입 예정이라 가정하기로 한다. 이때, 세종청사 북측 정류장의 신호등이 현재는 적색 신호이지만, 5초 후에는 청색 신호로 변경되는 것을 관제 서버(1400)가 예측할 수 있다. 이 경우, 관제 서버(1400)는 자율 주행차(1100)가 미리 속도를 줄여 불필요한 감속이나 가속 횟수를 줄이도록 권장 제한 속도(ASL)를 서비스할 수 있다.
다른 실시 예에서, 자율 주행차(1100)가 주행하는 도로의 신호등이 현재는 적색이지만, 자율 주행차(1100)가 신호등을 통과할 시점에는 청색으로 변경될 것이 예상될 수 있다. 만일, 자율 주행차(1100)가 적색 신호를 인지하고 감속을 하다가 청색 신호를 인식하고 가속하는 경우, 감속과 가속이 발생하여 승객의 불편을 야기할 수 있다. 따라서, 관제 서버(1400)는 자율 주행차(1100)의 불필요한 감속 및 가속이 발생하지 않도록 청색 신호의 예측에 따라 감속없이 통과하도록 권장 제한 속도(ASL)를 제공할 수 있을 것이다.
이상에서 기술된 내용은 본 발명을 실시하기 위한 구체적인 실시 예들이다. 본 발명은 상술된 실시 예들뿐만 아니라, 단순하게 설계 변경되거나 용이하게 변경할 수 있는 실시 예들 또한 포함할 것이다. 또한, 본 발명은 실시 예들을 이용하여 용이하게 변형하여 실시할 수 있는 기술들도 포함될 것이다. 따라서, 본 발명의 범위는 상술된 실시 예들에 국한되어 정해져서는 안되며 후술하는 특허청구범위뿐만 아니라 이 발명의 특허청구범위와 균등한 것들에 의해 정해져야 할 것이다.

Claims (5)

  1. 복수의 자율 주행차들로부터 제공되는 운행 데이터를 수신하는 관제 서버에 있어서:
    상기 복수의 자율 주행차들 각각의 거동이나 환경을 감지하여 전송되는 운행 데이터와, 상기 복수의 자율 주행차들이 운행하는 도로의 상황을 감지하여 수집된 인프라 데이터를 수신하는 통신부; 그리고
    상기 운행 데이터와 상기 인프라 데이터를 사용하여 상기 복수의 자율 주행차들 각각의 속도를 개별적으로 제어하기 위한 권장 제한 속도를 생성하여 상기 복수의 자율 주행차들 각각에 전송하는 제어부를 포함하되,
    상기 권장 제한 속도는 상기 인프라 데이터 중에서 상기 도로에 설치된 신호등의 신호 데이터에 대한 강화 학습을 기반으로 생성되고,
    상기 제어부는 수집된 상기 운행 데이터 또는 인프라 데이터를 클라우드 환경에서 처리할 수 있도록 데이터 구조 및 포맷을 변경하고, 수집된 데이터의 이상치를 검출하여 보정을 수행하는 전처리부를 포함하며,
    상기 신호 데이터는 교차로 또는 횡단보도에서 녹색 신호에서 적색 신호로 전환되는 사이에 점등되는 황색 신호의 점멸 시간 정보를 포함하고,
    상기 인프라 데이터는 버스 정류장의 비전 센서로부터 수집한 정체 상황이나 버스들의 출도착 시간을 포함하며, 상기 제어부는 상기 버스 정류장에서의 버스의 유무, 버스의 대수에 따른 정체 길이를 고려하여 상기 버스 정류장에 접근 중인 자율 주행차의 상기 권장 제한 속도(ASL)로 제공하는 관제 서버.
  2. 제 1 항에 있어서,
    상기 운행 데이터는, 상기 자율 주행차에 장착된 속도 센서, 가속도 센서, 회전율 센서, 위치 센서, 레이더나 라이더 센서, 비전 센서, 샤시 센서들 중 적어도 하나로부터 감지된 데이터를 포함하는 관제 서버.
  3. 제 1 항에 있어서,
    상기 인프라 데이터는, 상기 도로의 노변에 설치된 카메라 센서, 레이더 센서, 라이다 센서, 정류장의 정체나 교통 상황을 센싱하는 비전 센서, 상기 정류장의 버스 출발 및 도착 스케줄을 제공하는 장비로부터 제공되는 데이터 또는 차량이나 보행자 신호를 제공하는 신호기 데이터를 포함하는 관제 서버.
  4. 삭제
  5. 제 1 항에 있어서,
    상기 제어부는 근접 정책 최적화(Proximal Policy Optimization) 알고리즘을 이용하여 상기 신호 데이터로부터 상기 권장 제한 속도를 생성하는 관제 서버.
KR1020220044077A 2021-12-28 2022-04-08 자율주행협력 차량의 권장 제한 속도를 제공하는 관제 서버 KR102497716B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020210189830 2021-12-28
KR20210189830 2021-12-28

Publications (1)

Publication Number Publication Date
KR102497716B1 true KR102497716B1 (ko) 2023-02-08

Family

ID=84042448

Family Applications (3)

Application Number Title Priority Date Filing Date
KR1020220044067A KR102508367B1 (ko) 2021-12-28 2022-04-08 커넥티드 자율 주행차의 안전 모니터링 및 운영설계범위를 지원하는 관제 서버
KR1020220044077A KR102497716B1 (ko) 2021-12-28 2022-04-08 자율주행협력 차량의 권장 제한 속도를 제공하는 관제 서버
KR1020220044085A KR102461362B1 (ko) 2021-12-28 2022-04-08 강화학습 기반의 교통 예측을 통해 경로 안내 데이터를 생성하는 관제 서버

Family Applications Before (1)

Application Number Title Priority Date Filing Date
KR1020220044067A KR102508367B1 (ko) 2021-12-28 2022-04-08 커넥티드 자율 주행차의 안전 모니터링 및 운영설계범위를 지원하는 관제 서버

Family Applications After (1)

Application Number Title Priority Date Filing Date
KR1020220044085A KR102461362B1 (ko) 2021-12-28 2022-04-08 강화학습 기반의 교통 예측을 통해 경로 안내 데이터를 생성하는 관제 서버

Country Status (2)

Country Link
KR (3) KR102508367B1 (ko)
WO (1) WO2023128406A1 (ko)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170077336A (ko) 2015-12-28 2017-07-06 한국건설기술연구원 교통밀도 기반의 도로혼잡도 추정 시스템 및 그 방법
KR20190057881A (ko) * 2017-11-21 2019-05-29 한국건설기술연구원 커넥티드 자율주행차량-기반 교통신호 시스템 및 그 제어방법
KR20200101517A (ko) * 2019-01-30 2020-08-28 한국자동차연구원 차량-도로인프라 정보융합 기반 자율협력주행 방법 및 시스템
KR20210032617A (ko) * 2019-09-16 2021-03-25 현대자동차주식회사 자율주행차량의 거동 제어 장치 및 그 방법
KR20210090386A (ko) * 2020-01-10 2021-07-20 한국전자통신연구원 자율 주행 차량의 최적 속도 궤적을 예측하기 위한 방법 및 그 장치
KR20210101172A (ko) * 2020-11-06 2021-08-18 바이두 온라인 네트웍 테크놀러지 (베이징) 캄파니 리미티드 자율 주행을 위한 속도 계획 방법, 장치, 설비, 매체 및 차량

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100495017B1 (ko) * 2002-10-11 2005-06-10 에스케이 주식회사 교통 정보 제공 시스템 및 그 방법
KR100979724B1 (ko) * 2008-05-29 2010-09-02 (주)제이티 복합검지체계를 가진 교통정보 예측 복합 검지기 및교통정보 예측 방법
KR102107774B1 (ko) 2016-12-30 2020-05-07 현대자동차주식회사 목표차량의 운전패턴에 따른 협조 적응 순항 제어 시스템
KR101843683B1 (ko) 2017-04-28 2018-03-30 이영욱 개인 맞춤형 추천 경로를 제공하는 네비게이션 시스템 및 그 구동방법
KR102029747B1 (ko) * 2017-10-31 2019-11-29 (주)건영이엔씨 도로 위험 지수 생성 시스템 및 방법
KR102423172B1 (ko) * 2018-03-20 2022-07-22 모빌아이 비젼 테크놀로지스 엘티디 차량의 항법을 위한 시스템 및 방법
KR102179433B1 (ko) 2019-01-21 2020-11-16 한국과학기술원 분산 예측 기반의 교통신호 제어 시스템 및 그 방법
KR20210023364A (ko) * 2019-08-23 2021-03-04 한국전자통신연구원 계층적 시공간 그래프 기반 딥러닝을 적용한 교통 수요 추정 방법 및 장치
KR102231503B1 (ko) * 2019-09-02 2021-03-24 엘지전자 주식회사 자율 주행 제어 방법과 이를 이용한 자율 주행 시스템
KR102308132B1 (ko) * 2019-11-18 2021-10-06 한국철도기술연구원 중앙제어 기반 자율주행 시스템
KR20210134128A (ko) * 2020-04-29 2021-11-09 현대자동차주식회사 자율 주행 제어 방법 및 장치
KR102525191B1 (ko) 2020-08-07 2023-04-26 한국전자통신연구원 자율주행 차량에서의 주행 경로 생성 및 제어 시스템 및 방법

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170077336A (ko) 2015-12-28 2017-07-06 한국건설기술연구원 교통밀도 기반의 도로혼잡도 추정 시스템 및 그 방법
KR20190057881A (ko) * 2017-11-21 2019-05-29 한국건설기술연구원 커넥티드 자율주행차량-기반 교통신호 시스템 및 그 제어방법
KR20200101517A (ko) * 2019-01-30 2020-08-28 한국자동차연구원 차량-도로인프라 정보융합 기반 자율협력주행 방법 및 시스템
KR20210032617A (ko) * 2019-09-16 2021-03-25 현대자동차주식회사 자율주행차량의 거동 제어 장치 및 그 방법
KR20210090386A (ko) * 2020-01-10 2021-07-20 한국전자통신연구원 자율 주행 차량의 최적 속도 궤적을 예측하기 위한 방법 및 그 장치
KR20210101172A (ko) * 2020-11-06 2021-08-18 바이두 온라인 네트웍 테크놀러지 (베이징) 캄파니 리미티드 자율 주행을 위한 속도 계획 방법, 장치, 설비, 매체 및 차량

Also Published As

Publication number Publication date
KR102508367B1 (ko) 2023-03-09
WO2023128406A1 (ko) 2023-07-06
KR102461362B1 (ko) 2022-11-01

Similar Documents

Publication Publication Date Title
US11847908B2 (en) Data processing for connected and autonomous vehicles
US20220227394A1 (en) Autonomous Vehicle Operational Management
CA3052952C (en) Autonomous vehicle operational management control
US10380886B2 (en) Connected automated vehicle highway systems and methods
US11500380B2 (en) Autonomous vehicle operational management including operating a partially observable Markov decision process model instance
EP3580104B1 (en) Autonomous vehicle operational management blocking monitoring
CN107024927B (zh) 一种自动驾驶系统和方法
CN111367292A (zh) 自动驾驶汽车智能道路系统
WO2018132378A2 (en) Connected automated vehicle highway systems and methods
AU2018208404B2 (en) Connected automated vehicle highway systems and methods
US20210311491A1 (en) Intelligent roadside toolbox
CN114385661A (zh) 一种基于v2x技术的高精地图更新的系统
US20230118619A1 (en) Parking-stopping point management device, parking-stopping point management method, and vehicle device
Choi et al. Framework for connected and automated bus rapid transit with sectionalized speed guidance based on deep reinforcement learning: Field test in Sejong city
CN109472732B (zh) 一种智慧高速综合管控方法及管控平台
US11961403B2 (en) Lane monitoring during turns in an intersection
KR102497716B1 (ko) 자율주행협력 차량의 권장 제한 속도를 제공하는 관제 서버
CN113053100B (zh) 一种公交到站时间的预估方法及装置
WO2023189878A1 (en) Intersection-based offboard vehicle path generation
US20240029558A1 (en) Obstructed Lane Detection And Warning Method
US20240025435A1 (en) V2-based roll-over alert in an intersection
CN116994450A (zh) 一种对于网联车提供自动驾驶服务的方法及装置
CN115966097A (zh) 基于事故强度的车辆的路径规划

Legal Events

Date Code Title Description
AMND Amendment
X091 Application refused [patent]
AMND Amendment
X701 Decision to grant (after re-examination)
GRNT Written decision to grant