KR102585254B1 - Edge Device For Acquisition And Analysis Of Autonomous Driving Real-time Data - Google Patents
Edge Device For Acquisition And Analysis Of Autonomous Driving Real-time Data Download PDFInfo
- Publication number
- KR102585254B1 KR102585254B1 KR1020210062364A KR20210062364A KR102585254B1 KR 102585254 B1 KR102585254 B1 KR 102585254B1 KR 1020210062364 A KR1020210062364 A KR 1020210062364A KR 20210062364 A KR20210062364 A KR 20210062364A KR 102585254 B1 KR102585254 B1 KR 102585254B1
- Authority
- KR
- South Korea
- Prior art keywords
- data
- edge device
- edge
- vehicle
- autonomous driving
- Prior art date
Links
- 238000004458 analytical method Methods 0.000 title claims description 7
- 238000000034 method Methods 0.000 claims abstract description 29
- 230000008569 process Effects 0.000 claims abstract description 26
- 238000004891 communication Methods 0.000 claims abstract description 21
- 238000013135 deep learning Methods 0.000 claims abstract description 17
- 238000013480 data collection Methods 0.000 claims abstract description 16
- 230000000007 visual effect Effects 0.000 claims abstract description 10
- 230000004044 response Effects 0.000 claims abstract description 9
- 238000012423 maintenance Methods 0.000 claims abstract description 8
- 238000006243 chemical reaction Methods 0.000 claims abstract description 5
- 238000011160 research Methods 0.000 abstract description 2
- 238000012545 processing Methods 0.000 description 15
- 238000004364 calculation method Methods 0.000 description 13
- 238000013473 artificial intelligence Methods 0.000 description 8
- 238000011161 development Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 206010033799 Paralysis Diseases 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- 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
- B60W60/001—Planning or execution of driving tasks
-
- 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
- B60W30/10—Path keeping
- B60W30/12—Lane keeping
-
- 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
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/0088—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
-
- G—PHYSICS
- 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
-
- 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
- B60W2050/0001—Details of the control system
- B60W2050/0043—Signal treatments, identification of variables or parameters, parameter estimation or state estimation
- B60W2050/0057—Frequency analysis, spectral techniques or transforms
-
- 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
- B60W2556/00—Input parameters relating to data
- B60W2556/45—External transmission of data to or from the vehicle
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60Y—INDEXING SCHEME RELATING TO ASPECTS CROSS-CUTTING VEHICLE TECHNOLOGY
- B60Y2300/00—Purposes or special features of road vehicle drive control systems
- B60Y2300/08—Predicting or avoiding probable or impending collision
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60Y—INDEXING SCHEME RELATING TO ASPECTS CROSS-CUTTING VEHICLE TECHNOLOGY
- B60Y2300/00—Purposes or special features of road vehicle drive control systems
- B60Y2300/10—Path keeping
- B60Y2300/12—Lane keeping
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D2201/00—Application
- G05D2201/02—Control of position of land vehicles
- G05D2201/0213—Road vehicle, e.g. car or truck
Abstract
본 발명은 자율 주행 실시간(real-time) 데이터 획득 및 분석을 위한 엣지디바이스에 관한 것으로서, 보다 상세하게는 본 발명인 자율 주행 실시간(real-time) 데이터 획득 및 분석을 위한 엣지디바이스는 차량에 부착설치되어 자율 주행 실시간(real-time) 데이터를 수집하되, 수집된 데이터를 즉시 딥러닝 알고리즘을 이용하여 시각적, 청각적, 공간적 데이터로 분석 처리하되, 분석 처리된 데이터는 엣지플랫폼과 네트워크를 공유하는 엣지노드 및 클라우드 서버 또는 엣지노드에 유무선 통신방식에 의해 전송하는 것을 특징으로 하며, 상기 엣지 디바이스는 데이터를 딥러닝 알고리즘이 임베딩된 MCU를 이용하여 센서에 의해 수집 전송된 데이터를 분석 처리하는 엣지 디바이스 제어기; 상기 차량에 복수개 설치되어 시각적, 청각적, 공간적 데이터를 수집하는 데이터 수집 센서; 상기 데이터 수집 센서로부터 수집된 데이터를 엣지 디바이스 제어기에 의해 처리될 수 있는 데이터로 가공 처리하는 센싱 데이터 전처리기; 및 엣지 디바이스에 대응되는 전력으로 변환 처리하여 공급하는 전력변환부로 구성되되, 상기 엣지 디바이스 제어기는 실시간으로 데이터 분석 및 처리하여 상기 엣지 디바이스가 장착된 차량으로 하여금 차간 거리 유지, 주변 도로 상황, 차량 흐름, 차선 유지 및 기타 돌발 상황에 대응하여 차량을 제어하며, 상기 엣지 디바이스 제어기는 엣지노드 또는 클라우드 또는 타 엣지 디바이스 제어기와 유무선 통신할 수 있는 통신부를 갖추되, 각각의 통신에 있어서, 보안등급에 따라 암호화하여 송수신 할 수 있는 것을 특징으로 하는 자율 주행 실시간(real-time) 데이터 획득 및 분석을 위한 엣지디바이스에 관한 것이다.
본 과제(결과물)는 2020년도 교육부의 재원으로 한국연구재단의 지원을 받아 수행된 지자체-대학 협력기반 지역혁신 사업의 결과이다.The present invention relates to an edge device for acquiring and analyzing autonomous driving real-time data. More specifically, the edge device for acquiring and analyzing autonomous driving real-time data is attached and installed on a vehicle. Real-time data for autonomous driving is collected, and the collected data is immediately analyzed and processed into visual, auditory, and spatial data using deep learning algorithms, and the analyzed data is processed at the edge, which shares the network with the edge platform. It is characterized by transmitting data to nodes and cloud servers or edge nodes through wired and wireless communication, and the edge device is an edge device controller that analyzes and processes data collected and transmitted by sensors using an MCU embedded with a deep learning algorithm. ; A plurality of data collection sensors installed in the vehicle to collect visual, auditory, and spatial data; a sensing data preprocessor that processes the data collected from the data collection sensor into data that can be processed by an edge device controller; and a power conversion unit that converts and supplies power to the edge device, where the edge device controller analyzes and processes data in real time to enable the vehicle equipped with the edge device to maintain the distance between vehicles, surrounding road conditions, and vehicle flow. , controls the vehicle in response to lane maintenance and other unexpected situations, and the edge device controller is equipped with a communication unit capable of wired or wireless communication with an edge node or cloud or other edge device controllers, and in each communication, depending on the security level This relates to an edge device for acquiring and analyzing autonomous driving real-time data, which can be transmitted and received with encryption.
This project (result) is the result of a local innovation project based on local government-university cooperation conducted in 2020 with funding from the Ministry of Education and support from the National Research Foundation of Korea.
Description
본 발명은 자율 주행 실시간(real-time) 데이터 획득 및 분석을 위한 엣지디바이스에 관한 것으로서, 보다 상세하게는 본 발명인 자율 주행 실시간(real-time) 데이터 획득 및 분석을 위한 엣지디바이스는 차량에 부착설치되어 자율 주행 실시간(real-time) 데이터를 수집하되, 수집된 데이터를 즉시 딥러닝 알고리즘을 이용하여 시각적, 청각적, 공간적 데이터로 분석 처리하되, 분석 처리된 데이터는 엣지플랫폼과 네트워크를 공유하는 엣지노드 및 클라우드 서버 또는 엣지노드에 유무선 통신방식에 의해 전송하는 것을 특징으로 하며, 상기 엣지 디바이스는 데이터를 딥러닝 알고리즘이 임베딩된 MCU를 이용하여 센서에 의해 수집 전송된 데이터를 분석 처리하는 엣지 디바이스 제어기; 상기 차량에 복수개 설치되어 시각적, 청각적, 공간적 데이터를 수집하는 데이터 수집 센서; 상기 데이터 수집 센서로부터 수집된 데이터를 엣지 디바이스 제어기에 의해 처리될 수 있는 데이터로 가공 처리하는 센싱 데이터 전처리기; 및 엣지 디바이스에 대응되는 전력으로 변환 처리하여 공급하는 전력변환부로 구성되되, 상기 엣지 디바이스 제어기는 실시간으로 데이터 분석 및 처리하여 상기 엣지 디바이스가 장착된 차량으로 하여금 차간 거리 유지, 주변 도로 상황, 차량 흐름, 차선 유지 및 기타 돌발 상황에 대응하여 차량을 제어하며, 상기 엣지 디바이스 제어기는 엣지노드 또는 클라우드 또는 타 엣지 디바이스 제어기와 유무선 통신할 수 있는 통신부를 갖추되, 각각의 통신에 있어서, 보안등급에 따라 암호화하여 송수신 할 수 있는 것을 특징으로 하는 자율 주행 실시간(real-time) 데이터 획득 및 분석을 위한 엣지디바이스에 관한 것이다.The present invention relates to an edge device for acquiring and analyzing autonomous driving real-time data. More specifically, the edge device for acquiring and analyzing autonomous driving real-time data is attached and installed on a vehicle. Real-time data for autonomous driving is collected, and the collected data is immediately analyzed and processed into visual, auditory, and spatial data using deep learning algorithms, and the analyzed data is processed at the edge, which shares the network with the edge platform. It is characterized by transmitting data to nodes and cloud servers or edge nodes through wired and wireless communication, and the edge device is an edge device controller that analyzes and processes data collected and transmitted by sensors using an MCU embedded with a deep learning algorithm. ; A plurality of data collection sensors installed in the vehicle to collect visual, auditory, and spatial data; a sensing data preprocessor that processes the data collected from the data collection sensor into data that can be processed by an edge device controller; and a power conversion unit that converts and supplies power to the edge device, where the edge device controller analyzes and processes data in real time to enable the vehicle equipped with the edge device to maintain the distance between vehicles, surrounding road conditions, and vehicle flow. , controls the vehicle in response to lane maintenance and other unexpected situations, and the edge device controller is equipped with a communication unit capable of wired or wireless communication with an edge node or cloud or other edge device controllers, and in each communication, depending on the security level This relates to an edge device for acquiring and analyzing autonomous driving real-time data, which can be transmitted and received with encryption.
인공지능을 각 산업 분야에 적용하는 데 있어 알고리즘 자체는 이미 오픈 소스 형태로 공개되어 있지만, 이를 상용 형태로 활용하기 위해서는 학습과 검증을 위한 데이터 확보가 필수적이라는 점이 산학연의 공통된 인식인 바, 자율주행 자동차 분야도 이와 별반 다르지 않아 자율주행 알고리즘 개발을 위한 데이터를 수집하고 가공하는 산업이 대두되고 있으며, 나아가 기기가 생명을 다루게 된다는 특성상 기능 안전과 예외 사항 처리 등 많은 부분에 있어 자율주행 자동차 개발을 위해서는 데이터 수집에서부터 각 상황/기능별 분류화가 필요한 바, 이러한 데이터를 쉽게 활용 가능하도록 하는 허브 플랫폼 서비스는 전무한 실정이다. In applying artificial intelligence to each industrial field, the algorithm itself has already been released in open source form, but in order to utilize it in a commercial form, it is a common recognition among industry, academia and research that it is essential to secure data for learning and verification. The automotive field is no different, with the emergence of an industry that collects and processes data for the development of autonomous driving algorithms. Furthermore, due to the nature of devices dealing with life, many aspects such as functional safety and exception handling are required to develop autonomous vehicles. From data collection to classification by each situation/function, there is no hub platform service that allows easy use of such data.
자율주행 분야의 전문가 의견에 따르면 완전 자율주행 자동차를 구현하기 위해서는 300억km에 달하는 시험 주행 데이터가 필요하며, 이에 대한 데이터 수집 비용이 2조달러 (한화 약 2262조원)로 추산하고 있다.According to the opinion of experts in the autonomous driving field, 30 billion km of test driving data is needed to implement a fully autonomous vehicle, and the cost of data collection is estimated at $2 trillion (approximately KRW 2,262 trillion).
인공지능 기반의 자율주행 자동차를 위한 데이터 비즈니스 기회를 선점하기 위해서는 1) 자율주행 자동차의 센서 데이터를 수집할 수 있는 엣지 컴퓨팅 디바이스, 2) 클라우드 및 자체 IDC(Internet Data Center)를 연계하는 데이터의 저장/가공/학습을 위한 멀티 플랫폼 시스템, 3) 플랫폼을 유기적으로 연결하고, 상황을 분석/예측/판단하여 지능화된 서비스를 자율적으로 제공하는 제반 인프라 및 융복합 기술 개발이 필요하다.In order to take advantage of data business opportunities for artificial intelligence-based self-driving cars, 1) an edge computing device that can collect sensor data of self-driving cars, 2) storage of data linking the cloud and its own IDC (Internet Data Center) /Multi-platform system for processing/learning, 3) It is necessary to develop overall infrastructure and convergence technology that organically connects platforms and analyzes/predicts/determines situations to autonomously provide intelligent services.
이 중 지능형 엣지 디바이스와 클라우드 및 자체 IDC를 연계하는 데이터 통신 및 보안 서비스 모듈, 그리고 연계 서비스 방안 마련과 솔루션 개발이 최우선적으로 해결되어야 한다.Among these, data communication and security service modules that link intelligent edge devices with the cloud and its own IDC, as well as preparation of linked service plans and solution development must be addressed as a top priority.
기존의 클라우드 서버로 모든 데이터가 수집되는 환경에서는 클라우드 서버를 구축하는 데에서 큰 컴퓨팅 성능을 요구하며, 더불어 내장 시스템 기반 단말 기기에서 전송되는 많은 양의 데이터를 감당하기 위한 네트워크 설비 또한 요구되고 있고, 현재 개발이 진행되고 있는 모든 인공지능 관련 시스템들은 대부분이 거대 클라우드 기반의 딥러닝 방식을 사용하고 있어 개발 비용이 굉장히 높을 뿐 아니라, 개발의 복잡성과 큰 비용으로 인해 대기업이 아니면 인공지능 기술에 접근하기가 매우 어려운 실정이다. In an environment where all data is collected through existing cloud servers, large computing performance is required to build a cloud server, and network facilities are also required to handle large amounts of data transmitted from embedded system-based terminal devices. Most of the artificial intelligence-related systems currently being developed use large cloud-based deep learning methods, so not only are the development costs very high, but the complexity and high cost of development makes it difficult for anyone other than a large company to access artificial intelligence technology. The situation is very difficult.
도 1을 참조하면 데이터 수집과 분석을 위한 기존의 중앙 집중 처리형 클라우드 컴퓨팅과 본 발명이 제시하는 분산처리형 엣지 컴퓨팅 방식을 간략히 비교하여 개시하고 있는바, 엣지 컴퓨팅 방식은 다음과 같은 장점이 있다. Referring to Figure 1, a brief comparison is made between the existing centralized cloud computing for data collection and analysis and the distributed processing edge computing method proposed by the present invention. The edge computing method has the following advantages. .
i) 실시간 데이터 처리 지원i) Supports real-time data processing
기존의 클라우드 컴퓨팅의 경우 곳곳에 퍼져있는 모든 데이터들이 하나의 메인 서버로 접근하기 때문에 지연시간의 문제가 발생함에 비해 엣지 컴퓨팅은 단말과 물리적으로 가까운 위치에 있는 엣지에서 데이터를 처리함으로써 지연시간을 줄여 상대적으로 빠르고 간단하게 처리가 가능하다.In the case of existing cloud computing, problems with latency occur because all data spread throughout the place is accessed by one main server, whereas edge computing reduces latency by processing data at the edge, which is physically close to the terminal. It can be processed relatively quickly and simply.
ii) 데이터 부하 감소ii) Reduce data load
엣지 컴퓨팅은 해당 기기에서 발생되는 데이터만 처리하여 부하를 줄일 수 있고 나아가 클라우드로의 데이터 전송량 또한 줄일 수 있어 데이터 병목 현상을 줄일 수 있다.Edge computing can reduce the load by processing only the data generated by the device, and can also reduce the amount of data transmitted to the cloud, thereby reducing data bottlenecks.
iii) 보안 강화iii) Enhanced security
클라우드 컴퓨팅의 경우 모든 정보가 한 곳에 집중돼 해킹의 표적이 되는 등의 보안에 취약한 반면, 엣지 컴퓨팅은 데이터 수집과 처리를 자체적으로 처리하기 때문에 상대적으로 보안적인 면이 뛰어나며, 실제로 민감한 정보는 엣지에서 처리하고 나머지 필요한 정보만 암호화하여 클라우드 센터로 전송하면 기존 대비 보안성을 높일 수 있다.In the case of cloud computing, all information is concentrated in one place and is vulnerable to security, making it a target for hacking. However, edge computing has relatively excellent security because it collects and processes data on its own, and in fact, sensitive information is stored at the edge. By processing and encrypting only the remaining necessary information and sending it to the cloud center, security can be improved compared to before.
iv) 인프라 안정성 강화iv) Strengthening infrastructure stability
클라우드 컴퓨팅에서는 데이터센터가 다운되면 연결된 디바이스들도 필요한 기능을 이용할 수 없게 되는 반면 엣지 컴퓨팅을 적용하면 엣지에서 데이터 처리가 가능해 클라우드로의 접근이 어렵더라도 엣지에서 받을 수 있기 때문에 서비스를 유지할 수 있다.In cloud computing, if the data center goes down, connected devices will not be able to use the necessary functions. However, with edge computing, data can be processed at the edge, so even if access to the cloud is difficult, services can be maintained because data can be received at the edge.
v) 장애대응v) Failure response
클라우딩 컴퓨팅 방식은 클라우딩 컴퓨팅 서버가 마비되었을 때에는 치명적인 타격을 입지만 엣지 컴퓨팅의 경우는 클라우드 서버의 다운과는 상관없이 엣지 디바이스 자체적으로 대응할 수 있으며, 데이터 전송에도 (클라우드 서버가 정상화되면 전송함) 문제가 발생하지 않는다.The cloud computing method suffers a fatal blow when the cloud computing server is paralyzed, but in the case of edge computing, the edge device can respond on its own regardless of the cloud server being down, and can also transmit data (transmitted when the cloud server is normalized) ) No problem occurs.
이러한 엣지 컴퓨팅 방식은 실시간 분석이 요구되는 자율주행 영역에서의 활용이 절실한 형편이다. This edge computing method is in urgent need of use in the autonomous driving area where real-time analysis is required.
본 발명인 자율 주행 실시간(real-time) 데이터 획득 및 분석을 위한 엣지디바이스는 종래 기술의 문제점을 해결하기 위해 안출된 것으로서 다음과 같은 목적이 있다. The present invention, an edge device for acquiring and analyzing real-time data for autonomous driving, was designed to solve the problems of the prior art and has the following purposes.
(1) 본 발명의 목적은 기존의 클라우드 컴퓨팅 방식이 아닌 엣지 컴퓨팅 방식을 자율주행 영역에 적용하여, 복수 단말기기와 클라우드 서버 사이의 분산처리를 통한 하드웨어 자원의 활용 효율 증대 등으로 대규모 센서 기반 CPS(Cyber Physical System)/IoT(Internet of Things) 시스템의 구축비용의 절감효과를 얻을 수 있는 차량 부착형 엣지 디바이스를 제공함에 있다.(1) The purpose of the present invention is to apply edge computing, rather than the existing cloud computing method, to the autonomous driving area to provide large-scale sensor-based CPS (CPS) by increasing the efficiency of hardware resource utilization through distributed processing between multiple terminal devices and cloud servers. The goal is to provide a vehicle-mounted edge device that can reduce the cost of building a Cyber Physical System (Cyber Physical System)/IoT (Internet of Things) system.
(2) 본 발명의 또다른 목적은 클라우드 서버와는 별도로 차량에 부착된 독립된 엣지 디바이스로 하여금 임베딩된 딥러닝 알고리즘으로 수집된 데이터를 개별 독립적으로 분석 처리할 수 있도록 하여 보안성이 강화된 데이터 분산 처리 디바이스를 제공함에 있다.(2) Another purpose of the present invention is to provide data distribution with enhanced security by allowing an independent edge device attached to the vehicle, separate from the cloud server, to independently analyze and process data collected with an embedded deep learning algorithm. Providing a processing device.
(3) 본 발명의 또다른 목적은 엣지 디바이스로 하여금 차간 거리 유지, 주변 도로 상황, 차량 흐름, 차선 유지 및 기타 돌발 상황에 대응하여 차량을 제어하도록 하여 안전사고를 방지함에 있다.(3) Another purpose of the present invention is to prevent safety accidents by allowing the edge device to control the vehicle in response to maintaining distance between vehicles, surrounding road conditions, vehicle flow, lane maintenance, and other unexpected situations.
본 발명인 자율 주행 실시간(real-time) 데이터 획득 및 분석을 위한 엣지디바이스(ED)는 차량에 부착설치되어 자율 주행 실시간(real-time) 데이터를 수집하되, 수집된 데이터를 즉시 딥러닝 알고리즘을 이용하여 시각적, 청각적, 공간적 데이터로 분석 처리한다. The present inventor's Edge Device (ED) for acquiring and analyzing autonomous driving real-time data is attached to a vehicle and collects autonomous driving real-time data, and immediately uses a deep learning algorithm to collect the collected data. and analyzes and processes visual, auditory, and spatial data.
분석 처리된 데이터는 엣지플랫폼과 네트워크를 공유하는 엣지노드(200) 및 클라우드 서버(100) 또는 엣지노드(200)에 유무선 통신방식에 의해 전송하는 것을 특징으로 한다.The analyzed data is transmitted to the edge node 200 and the cloud server 100 or edge node 200 that share a network with the edge platform by wired or wireless communication.
상기 엣지 디바이스(ED)는 The edge device (ED) is
데이터를 딥러닝 알고리즘이 임베딩된 MCU를 이용하여 센서에 의해 수집 전송된 데이터를 분석 처리하는 엣지 디바이스 제어기(310);An edge device controller 310 that analyzes and processes data collected and transmitted by sensors using an MCU embedded with a deep learning algorithm;
상기 차량에 복수개 설치되어 시각적, 청각적, 공간적 데이터를 수집하는 데이터 수집 센서(330);A plurality of data collection sensors 330 are installed in the vehicle to collect visual, auditory, and spatial data;
상기 데이터 수집 센서(330)로부터 수집된 데이터를 엣지 디바이스 제어기(310)에 의해 처리될 수 있는 데이터로 가공 처리하는 센싱 데이터 전처리기(320); 및A sensing data preprocessor 320 that processes the data collected from the data collection sensor 330 into data that can be processed by the edge device controller 310; and
엣지 디바이스(ED)에 대응되는 전력으로 변환 처리하여 공급하는 전력변환부(미도시 및 부호 미부여)로 구성된다.It consists of a power conversion unit (not shown and not assigned a symbol) that converts and supplies power to the edge device (ED).
상기 엣지 디바이스 제어기(310)는 실시간으로 데이터 분석 및 처리하여 상기 엣지 디바이스(ED)가 장착된 차량으로 하여금 차간 거리 유지, 주변 도로 상황, 차량 흐름, 차선 유지 및 기타 돌발 상황에 대응하여 차량을 제어하도록 함이 바람직하다.The edge device controller 310 analyzes and processes data in real time to control the vehicle equipped with the edge device (ED) in response to maintaining distance between vehicles, surrounding road conditions, vehicle flow, lane maintenance, and other unexpected situations. It is desirable to do so.
상기 엣지 디바이스 제어기(310)는 엣지노드(200) 또는 클라우드(100) 또는 타 엣지 디바이스 제어기와 유무선 통신할 수 있는 통신부를 갖추되, 각각의 통신에 있어서, 보안등급에 따라 암호화하여 송수신 할 수 있음이 바람직하다.The edge device controller 310 is equipped with a communication unit capable of wired and wireless communication with the edge node 200 or the cloud 100 or other edge device controllers, and in each communication, transmission and reception can be encrypted according to the security level. This is desirable.
본 발명인 자율 주행 실시간(real-time) 데이터 획득 및 분석을 위한 엣지디바이스는 다음과 같은 효과가 있다. The edge device for acquiring and analyzing autonomous driving real-time data of the present invention has the following effects.
(1) 본 발명은 기존의 클라우드 컴퓨팅 방식이 아닌 엣지 컴퓨팅 방식을 자율주행 영역에 적용하여, 복수 단말기기와 클라우드 서버 사이의 분산처리를 통한 하드웨어 자원의 활용 효율 증대 등으로 대규모 센서 기반 CPS(Cyber Physical System)/IoT(Internet of Things) 시스템의 구축비용의 절감효과를 얻을 수 있도록 한다.(1) The present invention applies an edge computing method, rather than the existing cloud computing method, to the autonomous driving area, and increases the efficiency of utilization of hardware resources through distributed processing between multiple terminal devices and a cloud server to provide large-scale sensor-based CPS (Cyber Physical Physical System)/IoT (Internet of Things) system construction costs can be reduced.
(2) 본 발명은 클라우드 서버와는 별도로 차량에 부착된 독립된 엣지 디바이스로 하여금 임베딩된 딥러닝 알고리즘으로 수집된 데이터를 개별 독립적으로 분석 처리할 수 있도록 하여 보안성이 강화된 데이터 분산 처리 디바이스를 제공한다.(2) The present invention provides a data distributed processing device with enhanced security by enabling an independent edge device attached to the vehicle, separate from the cloud server, to independently analyze and process data collected with an embedded deep learning algorithm. do.
(3) 본 발명은 엣지 디바이스로 하여금 차간 거리 유지, 주변 도로 상황, 차량 흐름, 차선 유지 및 기타 돌발 상황에 대응하여 차량을 제어하도록 하여 안전사고를 방지할 수 있다.(3) The present invention can prevent safety accidents by allowing an edge device to control the vehicle in response to maintaining distance between vehicles, surrounding road conditions, vehicle flow, lane maintenance, and other unexpected situations.
도 1은 데이터 수집과 분석을 위한 기존의 중앙 집중 처리형 클라우드 컴퓨팅과 본 발명이 제시하는 분산처리형 엣지 컴퓨팅 방식을 간략히 비교하여 개시한 도면이다.
도 2는 본 발명인 자율 주행 실시간(real-time) 데이터 획득 및 분석을 위한 엣지디바이스가 전체 엣지 컴퓨팅 체계에서 어떤 위치에서 기능하는지를 간략하게 개시한 도면이다.
도 3은 개개의 차량에 부착 설치된 자율 주행 실시간(real-time) 데이터 획득 및 분석을 위한 엣지디바이스를 개략적으로 나타낸 도면이다. Figure 1 is a diagram briefly comparing the existing centralized processing type cloud computing for data collection and analysis and the distributed processing type edge computing method proposed by the present invention.
Figure 2 is a diagram briefly showing where the edge device for autonomous driving real-time data acquisition and analysis functions in the overall edge computing system.
Figure 3 is a diagram schematically showing an edge device for acquiring and analyzing autonomous driving real-time data attached to each vehicle.
먼저, 본 발명의 구체적인 설명에 들어가기에 앞서, 본 발명에 관련된 공지 기술 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략한다.First, before going into a detailed description of the present invention, if it is determined that a detailed description of a known technology or configuration related to the present invention may unnecessarily obscure the gist of the present invention, the detailed description will be omitted.
또한, 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라 질 수 있으므로, 그 정의는 본 발명에 따른 "자율 주행 실시간(real-time) 데이터 획득 및 분석을 위한 엣지디바이스"를 설명하는 본 명세서 전반에 걸친 내용을 토대로 내려져야 한다.In addition, the terms described below are terms defined in consideration of the functions in the present invention, and may vary depending on the intention or custom of the user, operator, etc., so the definitions are defined as "autonomous driving real-time data" according to the present invention. The decision should be made based on the overall content of this specification that describes “edge devices for acquisition and analysis.”
본 명세서에서 사용되는 전문용어는 단지 특정 실시예를 언급하기 위한 것이며, 본 발명을 한정하는 것을 의도하지는 않는다. 여기서 사용되는 단수 형태들은 문구들이 이와 명백히 반대의 의미를 나타내지 않는 한 복수 형태들도 포함한다.The terminology used herein is only intended to refer to specific embodiments and is not intended to limit the invention. As used herein, singular forms include plural forms unless phrases clearly indicate the contrary.
본 명세서에서 사용되는 "포함하는"의 의미는 특정 특성, 영역, 정수, 단계, 동작, 요소 및/또는 성분을 구체화하며, 다른 특정 특성, 영역, 정수, 단계, 동작, 요소, 성분 및/또는 군의 존재나 부가를 제외시키는 것은 아니다.As used herein, the meaning of "comprising" is to specify a specific characteristic, area, integer, step, operation, element, and/or component, and to specify other specific characteristic, area, integer, step, operation, element, component, and/or This does not exclude the presence or addition of the military.
본 명세서에서 사용되는 기술용어 및 과학용어를 포함하는 모든 용어들은 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 일반적으로 이해하는 의미와 동일한 의미를 가진다. 사전에 정의된 용어들은 관련기술문헌과 현재 개시된 내용에 부합하는 의미를 가지는 것으로 추가 해석되고, 정의되지 않는 한 이상적이거나 매우 공식적인 의미로 해석되지 않는다.All terms, including technical and scientific terms, used in this specification have the same meaning as those generally understood by those skilled in the art in the technical field to which the present invention pertains. Terms defined in the dictionary are further interpreted as having meanings consistent with the related technical literature and currently disclosed content, and are not interpreted in ideal or very formal meanings unless defined.
도 1은 데이터 수집과 분석을 위한 기존의 중앙 집중 처리형 클라우드 컴퓨팅과 본 발명이 제시하는 분산처리형 엣지 컴퓨팅 방식을 간략히 비교하여 개시한 도면이며, 도 2는 본 발명인 자율 주행 실시간(real-time) 데이터 획득 및 분석을 위한 엣지디바이스가 전체 엣지 컴퓨팅 체계에서 어떤 위치에서 기능하는지를 간략하게 개시한 도면이고, 도 3은 개개의 차량에 부착 설치된 자율 주행 실시간(real-time) 데이터 획득 및 분석을 위한 엣지디바이스를 개략적으로 나타낸 도면이다. Figure 1 is a diagram briefly comparing the existing centralized cloud computing method for data collection and analysis and the distributed processing edge computing method proposed by the present invention, and Figure 2 is a diagram showing the self-driving real-time method of the present invention. ) This is a diagram briefly showing where the edge device for data acquisition and analysis functions in the entire edge computing system, and Figure 3 shows the autonomous driving real-time data acquisition and analysis installed on each vehicle. This is a diagram schematically showing an edge device.
도 2를 참조하면 본 발명인 자율 주행 실시간(real-time) 데이터 획득 및 분석을 위한 엣지디바이스(ED)는 차량에 부착설치되어 자율 주행 실시간(real-time) 데이터를 수집하되, 수집된 데이터를 즉시 딥러닝 알고리즘을 이용하여 시각적, 청각적, 공간적 데이터로 분석 처리한다. Referring to FIG. 2, the edge device (ED) for acquiring and analyzing autonomous driving real-time data is installed on a vehicle to collect autonomous driving real-time data, and immediately collects the collected data. Visual, auditory, and spatial data are analyzed and processed using deep learning algorithms.
도 2를 참조하면 분석 처리된 데이터는 엣지플랫폼과 네트워크를 공유하는 엣지노드(200) 및 클라우드 서버(100) 또는 엣지노드(200)에 유무선 통신방식에 의해 전송하는 것을 특징으로 한다.Referring to FIG. 2, the analyzed data is transmitted to the edge node 200 and the cloud server 100 or edge node 200 that share a network with the edge platform by wired or wireless communication.
도 3을 참조하면 상기 엣지 디바이스(ED)는 Referring to Figure 3, the edge device (ED) is
데이터를 딥러닝 알고리즘이 임베딩된 MCU를 이용하여 센서에 의해 수집 전송된 데이터를 분석 처리하는 엣지 디바이스 제어기(310);An edge device controller 310 that analyzes and processes data collected and transmitted by sensors using an MCU embedded with a deep learning algorithm;
상기 차량에 복수개 설치되어 시각적, 청각적, 공간적 데이터를 수집하는 데이터 수집 센서(330);A plurality of data collection sensors 330 are installed in the vehicle to collect visual, auditory, and spatial data;
상기 데이터 수집 센서(330)로부터 수집된 데이터를 엣지 디바이스 제어기(310)에 의해 처리될 수 있는 데이터로 가공 처리하는 센싱 데이터 전처리기(320); 및A sensing data preprocessor 320 that processes the data collected from the data collection sensor 330 into data that can be processed by the edge device controller 310; and
엣지 디바이스(ED)에 대응되는 전력으로 변환 처리하여 공급하는 전력변환부(미도시 및 부호 미부여)로 구성된다.It consists of a power conversion unit (not shown and not assigned a symbol) that converts and supplies power to the edge device (ED).
딥러닝 알고리즘은 자율주행과 관련하여 활용될 수 있는 것이면 어떤 것이라도 가능하며, 복수개의 딥러닝 알고리즘이 병렬로 처리하는 프로세스도 지원하는 것이 바람직하다.Any deep learning algorithm can be used in relation to autonomous driving, and it is desirable to support processes in which multiple deep learning algorithms are processed in parallel.
또한 매우 급박한 상황, 즉 지연될 시간적 여유가 없는 경우의 엣지 디바이스로 하여금 데이터를 순간적으로 분석 처리하여 안정성과 효율성을 담보할 수 있음은 물론이다.In addition, of course, in very urgent situations, that is, when there is no time for delay, edge devices can instantly analyze and process data to ensure stability and efficiency.
상기 엣지 디바이스 제어기(310)는 실시간으로 데이터 분석 및 처리하여 상기 엣지 디바이스(ED)가 장착된 차량으로 하여금 차간 거리 유지, 주변 도로 상황, 차량 흐름, 차선 유지 및 기타 돌발 상황에 대응하여 차량을 제어하도록 함이 바람직하다.The edge device controller 310 analyzes and processes data in real time to control the vehicle equipped with the edge device (ED) in response to maintaining distance between vehicles, surrounding road conditions, vehicle flow, lane maintenance, and other unexpected situations. It is desirable to do so.
상기 엣지 디바이스 제어기(310)는 엣지노드(200) 또는 클라우드(100) 또는 타 엣지 디바이스 제어기와 유무선 통신할 수 있는 통신부를 갖추되, 각각의 통신에 있어서, 보안등급에 따라 암호화하여 송수신 할 수 있음이 바람직하다.The edge device controller 310 is equipped with a communication unit capable of wired and wireless communication with the edge node 200 or the cloud 100 or other edge device controllers, and in each communication, transmission and reception can be encrypted according to the security level. This is desirable.
인공지능 기술의 저전력, 소형화를 만족하는 엣지 컴퓨팅 분야는 기존의 클라우드 기반의 딥러닝 방식과는 다르게 다양한 어플리케이션에 적용할 수 있는바, 고속 동작 주파수를 지원하는 프로세스 공정 개발, 지속적으로 기술이 향상되는 아키텍처 개발, 고용량의 메모리 개발 및 고속의 데이터 전송 가능 기술 개발 등이 출현하면서, 기존의 인공지능 모듈보다 상용화된 MCU를 이용하여 인공지능 계산에 필요한 수많은 연산을 담당할 가속기를 포함하는 모듈이 오히려 소형화 및 가격면에서 굉장히 유리한 상황인바, 지속적으로 인공지능의 패러다임이 바뀌고 있는 만큼 본원 발명인 자율 주행 실시간(real-time) 데이터 획득 및 분석을 위한 엣지디바이스는 향후 국가 선도기술로 적용됨이 유력하다.The edge computing field, which satisfies the low power and miniaturization of artificial intelligence technology, can be applied to a variety of applications unlike existing cloud-based deep learning methods, including the development of process processes that support high-speed operation frequencies and the continuous improvement of technology. With the advent of architecture development, high-capacity memory development, and high-speed data transmission technology development, modules containing accelerators that are responsible for numerous operations required for artificial intelligence calculations using commercially available MCUs are becoming more compact than existing artificial intelligence modules. It is a very advantageous situation in terms of price and price, and as the paradigm of artificial intelligence is continuously changing, the edge device for acquiring and analyzing autonomous driving real-time data is likely to be applied as a leading national technology in the future.
본 발명인 자율 주행 실시간(real-time) 데이터 획득 및 분석을 위한 엣지디바이스는 다음과 같은 효과가 있다. The edge device for acquiring and analyzing autonomous driving real-time data of the present invention has the following effects.
(1) 본 발명은 기존의 클라우드 컴퓨팅 방식이 아닌 엣지 컴퓨팅 방식을 자율주행 영역에 적용하여, 복수 단말기기와 클라우드 서버 사이의 분산처리를 통한 하드웨어 자원의 활용 효율 증대 등으로 대규모 센서 기반 CPS(Cyber Physical System)/IoT(Internet of Things) 시스템의 구축비용의 절감효과를 얻을 수 있도록 한다.(1) The present invention applies an edge computing method, rather than the existing cloud computing method, to the autonomous driving area, and increases the efficiency of utilization of hardware resources through distributed processing between multiple terminal devices and a cloud server to provide large-scale sensor-based CPS (Cyber Physical Physical System)/IoT (Internet of Things) system construction costs can be reduced.
(2) 본 발명은 클라우드 서버와는 별도로 차량에 부착된 독립된 엣지 디바이스로 하여금 임베딩된 딥러닝 알고리즘으로 수집된 데이터를 개별 독립적으로 분석 처리할 수 있도록 하여 보안성이 강화된 데이터 분산 처리 디바이스를 제공한다.(2) The present invention provides a data distributed processing device with enhanced security by enabling an independent edge device attached to the vehicle, separate from the cloud server, to independently analyze and process data collected with an embedded deep learning algorithm. do.
(3) 본 발명은 엣지 디바이스로 하여금 차간 거리 유지, 주변 도로 상황, 차량 흐름, 차선 유지 및 기타 돌발 상황에 대응하여 차량을 제어하도록 하여 안전사고를 방지할 수 있다.(3) The present invention can prevent safety accidents by allowing an edge device to control the vehicle in response to maintaining distance between vehicles, surrounding road conditions, vehicle flow, lane maintenance, and other unexpected situations.
100 : 클라우드 서버
200 : 엣지 노드 300 : 엣지 디바이스 부착 차량
ED : 엣지 디바이스 310 : 엣지 디바이스 제어기
320 : 센싱 데이터 전처리기 330 : 데이터 수집 센서 100: Cloud server
200: Edge node 300: Vehicle with edge device attached
ED: Edge device 310: Edge device controller
320: Sensing data preprocessor 330: Data collection sensor
Claims (4)
상기 엣지 디바이스는
데이터를 딥러닝 알고리즘이 임베딩된 MCU를 이용하여 센서에 의해 수집 전송된 데이터를 분석 처리하는 엣지 디바이스 제어기;
차량에 복수개 설치되어 시각적, 청각적, 공간적 데이터를 수집하는 데이터 수집 센서;
상기 데이터 수집 센서로부터 수집된 데이터를 엣지 디바이스 제어기에 의해 처리될 수 있는 데이터로 가공 처리하는 센싱 데이터 전처리기; 및
엣지 디바이스에 대응되는 전력으로 변환 처리하여 공급하는 전력변환부로 구성되며,
상기 엣지디바이스는 상기 차량에 부착설치되어 자율 주행 실시간(real-time) 데이터를 수집하되, 수집된 데이터를 즉시 딥러닝 알고리즘을 이용하여 시각적, 청각적, 공간적 데이터로 분석 처리하되,
분석 처리된 데이터는 엣지플랫폼과 네트워크를 공유하는 엣지노드 및 클라우드 서버 또는 엣지노드에 유무선 통신방식에 의해 전송하며,
상기 엣지 디바이스 제어기는 실시간으로 데이터 분석 및 처리하여 상기 엣지 디바이스가 장착된 차량으로 하여금 차간 거리 유지, 주변 도로 상황, 차량 흐름, 차선 유지 및 기타 돌발 상황에 대응하여 차량을 제어하도록 하되, 엣지노드 또는 클라우드 또는 타 엣지 디바이스 제어기와 유무선 통신할 수 있는 통신부를 갖추되, 각각의 통신에 있어서, 보안등급에 따라 암호화하여 송수신 할 수 있는 것을 특징으로 하는 자율 주행 실시간(real-time) 데이터 획득 및 분석을 위한 엣지디바이스.In edge devices for data acquisition and analysis,
The edge device is
An edge device controller that analyzes and processes data collected and transmitted by sensors using an MCU embedded with a deep learning algorithm;
A plurality of data collection sensors are installed in the vehicle to collect visual, auditory, and spatial data;
a sensing data preprocessor that processes the data collected from the data collection sensor into data that can be processed by an edge device controller; and
It consists of a power conversion unit that converts and supplies power to the edge device.
The edge device is attached to the vehicle and collects autonomous driving real-time data, and immediately analyzes and processes the collected data into visual, auditory, and spatial data using a deep learning algorithm.
The analyzed and processed data is transmitted by wired or wireless communication to the edge node and cloud server or edge node that share the network with the edge platform.
The edge device controller analyzes and processes data in real time to enable the vehicle equipped with the edge device to control the vehicle in response to maintaining distance between vehicles, surrounding road conditions, vehicle flow, lane maintenance, and other unexpected situations. The edge node or It is equipped with a communication unit capable of wired and wireless communication with the cloud or other edge device controllers, and in each communication, real-time data acquisition and analysis of autonomous driving is characterized by the ability to send and receive encryption according to the security level. Edge devices for.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210062364A KR102585254B1 (en) | 2021-05-14 | 2021-05-14 | Edge Device For Acquisition And Analysis Of Autonomous Driving Real-time Data |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210062364A KR102585254B1 (en) | 2021-05-14 | 2021-05-14 | Edge Device For Acquisition And Analysis Of Autonomous Driving Real-time Data |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20220155499A KR20220155499A (en) | 2022-11-23 |
| KR102585254B1 true KR102585254B1 (en) | 2023-10-05 |
Family
ID=84236854
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210062364A KR102585254B1 (en) | 2021-05-14 | 2021-05-14 | Edge Device For Acquisition And Analysis Of Autonomous Driving Real-time Data |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102585254B1 (en) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2008020458A2 (en) * | 2006-08-18 | 2008-02-21 | Ananya Innovations Limited | A method and system to detect drowsy state of driver |
| JP2021024457A (en) * | 2019-08-06 | 2021-02-22 | 株式会社Ｓｕｂａｒｕ | Vehicular travel control system |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2013105869A1 (en) * | 2012-01-13 | 2013-07-18 | Pulse Function F6 Limited | Telematics system with 3d inertial sensors |
| US20140080098A1 (en) * | 2012-09-14 | 2014-03-20 | Hyundai Motor Company | System and method of evaluating and reporting the driving acuity and performance of a test subject |
| CA3002882C (en) * | 2015-10-21 | 2024-02-06 | Mutualink, Inc. | Wearable smart router |
| WO2019028269A2 (en) * | 2017-08-02 | 2019-02-07 | Strong Force Iot Portfolio 2016, Llc | Methods and systems for detection in an industrial internet of things data collection environment with large data sets |
-
2021
- 2021-05-14 KR KR1020210062364A patent/KR102585254B1/en active IP Right Grant
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2008020458A2 (en) * | 2006-08-18 | 2008-02-21 | Ananya Innovations Limited | A method and system to detect drowsy state of driver |
| JP2021024457A (en) * | 2019-08-06 | 2021-02-22 | 株式会社Ｓｕｂａｒｕ | Vehicular travel control system |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20220155499A (en) | 2022-11-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Loukas et al. | Cloud-based cyber-physical intrusion detection for vehicles using deep learning | |
| Smys et al. | CNN based flood management system with IoT sensors and cloud data | |
| CN110933091B (en) | Block chain communication node verification method and device and electronic equipment | |
| CN109657003A (en) | A method of hardware data is directly accessed big data platform | |
| CN110852387B (en) | Energy internet super real-time state studying and judging algorithm | |
| Hurbungs et al. | Fog and edge computing: concepts, tools and focus areas | |
| Yang et al. | Lessons learned from accident of autonomous vehicle testing: An edge learning-aided offloading framework | |
| Fan et al. | Ubiquitous control over heterogeneous vehicles: A digital twin empowered edge AI approach | |
| CN111654538B (en) | Communication processing method based on block chain and big data and cloud side computing server | |
| CN112929849A (en) | Reliable vehicle-mounted edge calculation unloading method based on reinforcement learning | |
| KR102585254B1 (en) | Edge Device For Acquisition And Analysis Of Autonomous Driving Real-time Data | |
| CN114285855B (en) | Cloud edge cooperation method based on intelligent edge Internet of things | |
| CN112131023B (en) | Message processing system, method, equipment and storage medium for application container engine | |
| Baghrous et al. | Smart farming system based on fog computing and lora technology | |
| CN116320831A (en) | Intelligent park security system based on edge calculation | |
| CN113556390A (en) | Distributed edge computing system | |
| KR20230134724A (en) | Method for predicting time-variable data for weg page, apparatus, web management system using thereof, computer-readable storage medium and computer program | |
| CN113688385A (en) | Lightweight distributed intrusion detection method | |
| Zhang et al. | Enabling adaptive intelligence in cloud-augmented multiple robots systems | |
| Yang et al. | A distributed federated transfer learning framework for edge optical network | |
| Ni et al. | Lagrange coded federated learning (l-cofl) model for internet of vehicles | |
| CN113988051B (en) | Vehicle data processing system | |
| Cha et al. | A study on data processing for application of vehicular CPS in fog computing environment | |
| Balen et al. | Optimized Edge, Fog and Cloud Computing Method for Mobile Ad-hoc Networks | |
| CN110113193A (en) | Data transmission method, system and medium based on hierarchical agent |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |