KR102625975B1

KR102625975B1 - 자율주행 버스의 운행을 제어하기 위한 학습 방법 및 학습 장치, 그리고 이를 이용한 테스트 방법 및 테스트 장치

Info

Publication number: KR102625975B1
Application number: KR1020210167794A
Authority: KR
Inventors: 이영석; 권순도; 신우찬; 이선주
Original assignee: 주식회사 오비고
Priority date: 2021-11-29
Filing date: 2021-11-29
Publication date: 2024-01-19
Also published as: KR20230081819A

Abstract

특정 자율주행 버스의 운행을 제어하기 위하여 학습하는 방법에 있어서, (a) 학습 장치가, (i) 특정 정류장에서 상기 특정 자율주행 버스로부터의 특정 하차 승객 데이터 및 상기 특정 자율주행 버스로의 특정 승차 승객 데이터 중 적어도 일부를 포함하는 특정 버스 관련 데이터, (ii) 상기 특정 정류장에서 타 차량으로부터의 타 하차 승객 데이터 및 상기 타 차량으로의 타 승차 승객 데이터 중 적어도 일부를 포함하는 타 차량 관련 데이터, (iii) 상기 특정 정류장에 대응되는 특정 신호등 데이터 중 적어도 일부를 입력 받는 단계; (b) 상기 학습 장치가, 상기 특정 버스 관련 데이터, 상기 타 차량 관련 데이터, 및 상기 특정 신호등 데이터 중 적어도 일부를 사용하여, 상기 특정 정류장에서 특정 시간대에 상기 특정 자율주행 버스가 대기하는 시간을 예측한 결과인 예측 대기 시간을 계산하는 단계; 및 (c) 상기 학습 장치가, 상기 예측 대기 시간 및 이에 대응되는 그라운드 트루스를 참조로 하여, 대기 로스를 구하고, 상기 대기 로스를 백프로퍼게이션하여 상기 학습 장치의 파리미터를 업데이트하는 단계;를 포함하는 것을 특징으로 하는 학습 방법을 개시한다.

Description

자율주행 버스의 운행을 제어하기 위한 학습 방법 및 학습 장치, 그리고 이를 이용한 테스트 방법 및 테스트 장치{LEARNING METHOD AND LEARNING DEVICE FOR CONTROLLING THE OPERATION OF AUTONOMOUS DRIVING BUS, AND TEST METHOD AND TEST DEVICE USING THE SAME}

본 발명은 자율주행 버스가 정차하여 대기하는 시간 및 출발하는 시간을 학습하기 위한 학습 방법 및 학습 장치, 그리고 이를 통하여 자율주행 버스의 엔진의 온/오프를 자동으로 제어하기 위한 테스트 방법 및 테스트 장치에 관한 것이다.

최근 자율주행 차량의 시장이 크게 발전하고 있다. 이에 버스, 기차, 택시 등도 자율주행으로 운행할 수 있게 되었다. 자율주행 차량(Autonomous vehicle)은 운전자 또는 승객의 조작 없이 스스로 외부 정보를 수집하고 주변 교통 상황을 파악하여 주행 계획을 수립함으로써 목적지까지 자율 주행으로 가는 차량을 의미한다.

그런데, 자율주행 차량들의 운행 도중에 엔진의 공회전 등과 같이 비효율적으로 운행이 되는 경우가 적지 않은바, 주변 상황 등을 복합적으로 고려하여 자동으로 엔진을 오프하고 온 할 수 있도록 제어할 수 있다면, 매우 효율적인 자율주행 차량이 구현될 수 있을 것이다. 하지만, 주변 상황에는 많은 변수가 있는바 복잡도가 크며 이러한 부분을 정확하게 고려하기 어려운 상황이므로, 이러한 부분을 극복하기 위한 기술의 필요성이 크다 할 것이다.

따라서, 상기 문제점들을 해결하기 위한 개선 방안이 요구되는 실정이다.

본 발명은 상술한 문제점을 모두 해결하는 것을 그 목적으로 한다.

본 발명은 주변 상황 등을 복합적으로 고려하여 자율주행 버스의 대기 시간 등을 정확하게 예측할 수 있는 학습 방법을 제공하는 것을 다른 목적으로 한다.

본 발명은 주변 상황 등을 복합적으로 고려하여 자율주행 버스의 대기 시간 등을 정확하게 예측한 것을 바탕으로 하여 자율주행 버스의 엔진을 자동으로 오프하고 온 할 수 있도록 제어하는 것을 또 다른 목적으로 한다.

상기한 바와 같은 본 발명의 목적을 달성하고, 후술하는 본 발명의 특징적인 효과를 실현하기 위한, 본 발명의 특징적인 구성은 하기와 같다.

본 발명의 일 태양에 따르면, 특정 자율주행 버스의 운행을 제어하기 위하여 학습하는 방법에 있어서, (a) 학습 장치가, (i) 특정 정류장에서 상기 특정 자율주행 버스로부터의 특정 하차 승객 데이터 및 상기 특정 자율주행 버스로의 특정 승차 승객 데이터 중 적어도 일부를 포함하는 특정 버스 관련 데이터, (ii) 상기 특정 정류장에서 타 차량으로부터의 타 하차 승객 데이터 및 상기 타 차량으로의 타 승차 승객 데이터 중 적어도 일부를 포함하는 타 차량 관련 데이터, (iii) 상기 특정 정류장에 대응되는 특정 신호등 데이터 중 적어도 일부를 입력 받는 단계; (b) 상기 학습 장치가, 상기 특정 버스 관련 데이터, 상기 타 차량 관련 데이터, 및 상기 특정 신호등 데이터 중 적어도 일부를 사용하여, 상기 특정 정류장에서 특정 시간대에 상기 특정 자율주행 버스가 대기하는 시간을 예측한 결과인 예측 대기 시간을 계산하는 단계; 및 (c) 상기 학습 장치가, 상기 예측 대기 시간 및 이에 대응되는 그라운드 트루스를 참조로 하여, 대기 로스를 구하고, 상기 대기 로스를 백프로퍼게이션하여 상기 학습 장치의 파라미터를 업데이트하는 단계;를 포함하는 것을 특징으로 하는 학습 방법을 제공한다.

일례로서, 상기 (a) 단계에서, 상기 학습 장치는, (iv) 상기 특정 정류장에서의 교통 혼잡도를 추가적으로 입력 받고, 상기 (b) 단계에서, 상기 특정 버스 관련 데이터, 상기 타 차량 관련 데이터, 상기 특정 신호등 데이터, 및 상기 교통 혼잡도 중 적어도 일부를 사용하여, 상기 특정 정류장에서 특정 시간대에 상기 특정 자율주행 버스가 대기하는 시간을 예측한 결과인 예측 대기 시간을 계산하는 것을 특징으로 하는 학습 방법을 제공한다.

일례로서, 상기 (a) 단계에서, 상기 학습 장치는, 상기 타 차량 관련 데이터로서, (ii-1) 상기 특정 정류장에서의 상기 타 차량에 포함된 적어도 한 대의 타 버스에 대한 노선번호정보 및 (ii-2) 상기 특정 정류장에서 상기 특정 시간대에 상기 타 버스에서 하차하는 제1 승객의 수 및 상기 타 버스에 승차하는 제2 승객의 수에 대한 정보를 추가적으로 입력 받고, 상기 (b) 단계에서, 상기 특정 버스 관련 데이터, 상기 노선번호정보, 상기 제1 승객의 수, 상기 제2 승객의 수, 및 상기 특정 신호등 데이터 중 적어도 일부를 사용하여, 상기 특정 정류장에서 특정 시간대에 상기 특정 자율주행 버스가 대기하는 시간을 예측한 결과인 상기 예측 대기 시간을 계산하는 것을 특징으로 하는 학습 방법을 제공한다.

일례로서, 상기 (c) 단계에서, 상기 그라운드 트루스는, 상기 특정 정류장에서 상기 특정 버스가 상기 특정 시간대에 실제로 대기한 시간을 참조로 하여 결정되는 것을 특징으로 하는 학습 방법을 제공한다.

일례로서, 상기 (b) 단계에서, 상기 학습 장치가, 상기 특정 버스 관련 데이터, 상기 타 차량 관련 데이터, 및 상기 특정 신호등 데이터 중 적어도 일부를 사용하여, 상기 특정 정류장에서 상기 특정 시간대에 상기 특정 자율주행 버스가 대기하는 시간을 예측한 결과인 예측 대기 시간을 계산함에 있어서, 요일별 및 시간대별로 상기 예측 대기 시간을 계산하고 관리하고, 상기 (c) 단계에서, 상기 요일별 및 상기 시간대별 예측 대기 시간 및 이에 대응되는 상기 요일별 및 상기 시간대별 그라운드 트루스를 참조로 하여, 상기 요일별 및 상기 시간대별 대기 로스를 구하고, 상기 요일별 및 상기 시간대별 대기 로스를 백프로퍼게이션하여 상기 학습 장치의 파리미터를 업데이트하는 것을 특징으로 하는 학습 방법을 제공한다.

일례로서, 상기 (a) 단계에서, 상기 타 차량 관련 데이터는, (i) ADAS(Advanced Driver Assistance Systems)를 통해 감지된 앞 차와의 거리를 인식하여 상기 타 차량의 대기 시간을 저장하는 ADAS 관련 데이터, (ii) V2X(Vehicle to Everything)를 통해, 상기 타 차량의 상기 타 하차 승객 데이터 및 상기 타 승차 승객 데이터 중 적어도 일부를 수신한 V2X 관련 데이터 중 적어도 일부를 포함하는 것을 특징으로 하는 방법을 제공한다.

본 발명의 다른 태양에 따르면, 특정 자율주행 버스의 운행을 제어하기 위한 테스트 방법에 있어서, (a) 학습 장치가, (I) (i) 특정 정류장에서 상기 특정 자율주행 버스로부터의 학습용 특정 하차 승객 데이터 및 상기 특정 자율주행 버스로의 학습용 특정 승차 승객 데이터 중 적어도 일부를 포함하는 학습용 특정 버스 관련 데이터, (ii) 상기 특정 정류장에서 학습용 타 차량으로부터의 학습용 타 하차 승객 데이터 및 상기 학습용 타 차량으로의 학습용 타 승차 승객 데이터 중 적어도 일부를 포함하는 학습용 타 차량 관련 데이터, (iii) 상기 특정 정류장에 대응되는 학습용 특정 신호등 데이터 중 적어도 일부를 입력 받는 프로세스; (II) 상기 학습용 특정 버스 관련 데이터, 상기 학습용 타 차량 관련 데이터, 및 상기 학습용 특정 신호등 데이터 중 적어도 일부를 사용하여, 상기 특정 정류장에서 특정 시간대에 상기 특정 자율주행 버스가 대기하는 시간을 예측한 결과인 학습용 예측 대기 시간을 계산하는 프로세스; 및 (III) 상기 학습용 예측 대기 시간 및 이에 대응되는 그라운드 트루스를 참조로 하여, 대기 로스를 구하고, 상기 대기 로스를 백프로퍼게이션하여 상기 학습 장치의 파리미터를 업데이트하는 프로세스를 수행한 상태에서, 상기 특정 자율주행 버스에 연동되는 테스트 장치가, (i) 상기 특정 정류장에서 상기 특정 자율주행 버스로부터의 테스트용 특정 하차 승객 데이터 및 상기 특정 자율주행 버스로의 테스트용 특정 승차 승객 데이터 중 적어도 일부를 포함하는 테스트용 특정 버스 관련 데이터, (ii) 상기 특정 정류장에서 테스트용 타 차량으로부터의 테스트용 타 하차 승객 데이터 및 상기 테스트용 타 차량으로의 테스트용 타 승차 승객 데이터 중 적어도 일부를 포함하는 테스트용 타 차량 관련 데이터, (iii) 상기 특정 정류장에 대응되는 테스트용 특정 신호등 데이터 중 적어도 일부를 입력 받는 단계; (b) 상기 테스트 장치가, 상기 테스트용 특정 버스 관련 데이터, 상기 테스트용 타 차량 관련 데이터, 및 상기 테스트용 특정 신호등 데이터 중 적어도 일부를 사용하여, 상기 특정 정류장에서 테스트용 특정 시간대에 상기 특정 자율주행 버스가 대기하는 시간을 예측한 결과인 테스트용 예측 대기 시간을 계산하는 단계; 및 (c) 상기 테스트 장치가, 상기 테스트용 예측 대기 시간을 참조로 하여, 상기 특정 자율주행 버스의 엔진을 끄도록 제어하는 단계;를 포함하는 테스트 방법을 제공한다.

일례로서, 상기 (a) 단계에서, 상기 테스트 장치는, 상기 테스트용 타 차량 관련 데이터로서, (ii-1) 상기 특정 정류장에서의 상기 테스트용 타 차량에 포함된 적어도 한 대의 테스트용 타 버스에 대한 노선번호정보 및 (ii-2) 상기 특정 정류장에서 상기 테스트용 특정 시간대에 상기 테스트용 타 버스에서 하차하는 테스트용 제1 승객의 수 및 상기 테스트용 타 버스에 승차하는 테스트용 제2 승객의 수에 대한 정보를 추가적으로 입력 받고, 상기 (b) 단계에서, 상기 테스트 장치는, 상기 테스트용 특정 버스 관련 데이터, 상기 테스트용 노선번호정보, 상기 테스트용 제1 승객의 수, 상기 테스트용 제2 승객의 수, 및 상기 테스트용 특정 신호등 데이터 중 적어도 일부를 사용하여, 상기 특정 정류장에서 상기 테스트용 특정 시간대에 상기 특정 자율주행 버스가 대기하는 시간을 예측한 결과인 상기 테스트용 예측 대기 시간을 계산하는 것을 특징으로 하는 테스트 방법을 제공한다.

일례로서, 상기 (b) 단계에서, 상기 테스트 장치가, 상기 테스트용 특정 버스 관련 데이터, 상기 테스트용 타 차량 관련 데이터, 및 상기 테스트용 특정 신호등 데이터 중 적어도 일부를 사용하여, 상기 특정 정류장에서 상기 테스트용 특정 시간대에 상기 특정 자율주행 버스가 대기하는 시간을 예측한 결과인 상기 테스트용 예측 대기 시간을 계산함에 있어서, 요일별 및 시간대별로 테스트용 예측 대기 시간을 계산하고 관리하는 것을 특징으로 하는 테스트 방법을 제공한다.

본 발명의 또 다른 태양에 따르면, 특정 자율주행 버스의 운행을 제어하기 위한 학습 장치에 있어서, 인스트럭션을 저장하는 적어도 하나의 메모리; 및 (1) (i) 특정 정류장에서 상기 특정 자율주행 버스로부터의 특정 하차 승객 데이터 및 상기 특정 자율주행 버스로의 특정 승차 승객 데이터 중 적어도 일부를 포함하는 특정 버스 관련 데이터, (ii) 상기 특정 정류장에서 타 차량으로부터의 타 하차 승객 데이터 및 상기 타 차량으로의 타 승차 승객 데이터 중 적어도 일부를 포함하는 타 차량 관련 데이터, (iii) 상기 특정 정류장에 대응되는 특정 신호등 데이터 중 적어도 일부를 입력 받는 프로세스, (2) 상기 특정 버스 관련 데이터, 상기 타 차량 관련 데이터, 및 상기 특정 신호등 데이터 중 적어도 일부를 사용하여, 상기 특정 정류장에서 특정 시간대에 상기 특정 자율주행 버스가 대기하는 시간을 예측한 결과인 예측 대기 시간을 계산하는 프로세스, 및 (3) 상기 예측 대기 시간 및 이에 대응되는 그라운드 트루스를 참조로 하여, 대기 로스를 구하고, 상기 대기 로스를 백프로퍼게이션하여 상기 학습 장치의 파라미터를 업데이트하는 프로세스를 수행하기 위한 상기 인스트럭션을 실행하도록 구성된 적어도 하나의 프로세서;를 포함하는 것을 특징으로 하는 학습 장치를 제공한다.

일례로서, 상기 (1) 프로세스에서, 상기 프로세서는, (iv) 상기 특정 정류장에서의 교통 혼잡도를 추가적으로 입력 받고, 상기 (2) 프로세스에서, 상기 특정 버스 관련 데이터, 상기 타 차량 관련 데이터, 상기 특정 신호등 데이터, 및 상기 교통 혼잡도 중 적어도 일부를 사용하여, 상기 특정 정류장에서 특정 시간대에 상기 특정 자율주행 버스가 대기하는 시간을 예측한 결과인 예측 대기 시간을 계산하는 것을 특징으로 하는 학습 장치를 제공한다.

일례로서, 상기 (1) 프로세스에서, 상기 프로세서는, 상기 타 차량 관련 데이터로서, (ii-1) 상기 특정 정류장에서의 상기 타 차량에 포함된 적어도 한 대의 타 버스에 대한 노선번호정보 및 (ii-2) 상기 특정 정류장에서 상기 특정 시간대에 상기 타 버스에서 하차하는 제1 승객의 수 및 상기 타 버스에 승차하는 제2 승객의 수에 대한 정보를 추가적으로 입력 받고, 상기 (2) 프로세스에서, 상기 특정 버스 관련 데이터, 상기 노선번호정보, 상기 제1 승객의 수, 상기 제2 승객의 수, 및 상기 특정 신호등 데이터 중 적어도 일부를 사용하여, 상기 특정 정류장에서 특정 시간대에 상기 특정 자율주행 버스가 대기하는 시간을 예측한 결과인 상기 예측 대기 시간을 계산하는 것을 특징으로 하는 학습 장치를 제공한다.

일례로서, 상기 (3) 프로세스에서, 상기 그라운드 트루스는, 상기 특정 정류장에서 상기 특정 버스가 상기 특정 시간대에 실제로 대기한 시간을 참조로 하여 결정되는 것을 특징으로 하는 학습 장치를 제공한다.

일례로서, 상기 (2) 프로세스에서, 상기 프로세서가, 상기 특정 버스 관련 데이터, 상기 타 차량 관련 데이터, 및 상기 특정 신호등 데이터 중 적어도 일부를 사용하여, 상기 특정 정류장에서 상기 특정 시간대에 상기 특정 자율주행 버스가 대기하는 시간을 예측한 결과인 예측 대기 시간을 계산함에 있어서, 요일별 및 시간대별로 상기 예측 대기 시간을 계산하고 관리하고, 상기 (3) 프로세스에서, 상기 요일별 및 상기 시간대별 예측 대기 시간 및 이에 대응되는 상기 요일별 및 상기 시간대별 그라운드 트루스를 참조로 하여, 상기 요일별 및 상기 시간대별 대기 로스를 구하고, 상기 요일별 및 상기 시간대별 대기 로스를 백프로퍼게이션하여 상기 학습 장치의 파라미터를 업데이트하는 것을 특징으로 하는 학습 장치를 제공한다.

일례로서, 상기 (1) 프로세스에서, 상기 타 차량 관련 데이터는, (i) ADAS(Advanced Driver Assistance Systems)를 통해 감지된 앞 차와의 거리를 인식하여 상기 타 차량의 대기 시간을 저장하는 ADAS 관련 데이터, (ii) V2X(Vehicle to Everything)를 통해, 상기 타 차량의 상기 타 하차 승객 데이터 및 상기 타 승차 승객 데이터 중 적어도 일부를 수신한 V2X 관련 데이터 중 적어도 일부를 포함하는 것을 특징으로 하는 장치를 제공한다.

본 발명의 또 다른 태양에 따르면, 특정 자율주행 버스의 운행을 제어하기 위한 테스트 장치에 있어서, 인스트럭션을 저장하는 적어도 하나의 메모리; 및 (1) 학습 장치가, (I) (i) 특정 정류장에서 상기 특정 자율주행 버스로부터의 학습용 특정 하차 승객 데이터 및 상기 특정 자율주행 버스로의 학습용 특정 승차 승객 데이터 중 적어도 일부를 포함하는 학습용 특정 버스 관련 데이터, (ii) 상기 특정 정류장에서 학습용 타 차량으로부터의 학습용 타 하차 승객 데이터 및 상기 학습용 타 차량으로의 학습용 타 승차 승객 데이터 중 적어도 일부를 포함하는 학습용 타 차량 관련 데이터, (iii) 상기 특정 정류장에 대응되는 학습용 특정 신호등 데이터 중 적어도 일부를 입력 받는 프로세스; (II) 상기 학습용 특정 버스 관련 데이터, 상기 학습용 타 차량 관련 데이터, 및 상기 학습용 특정 신호등 데이터 중 적어도 일부를 사용하여, 상기 특정 정류장에서 특정 시간대에 상기 특정 자율주행 버스가 대기하는 시간을 예측한 결과인 학습용 예측 대기 시간을 계산하는 프로세스; 및 (III) 상기 학습용 예측 대기 시간 및 이에 대응되는 그라운드 트루스를 참조로 하여, 대기 로스를 구하고, 상기 대기 로스를 백프로퍼게이션하여 상기 학습 장치의 파라미터를 업데이트하는 프로세스를 수행한 상태에서, 상기 특정 자율주행 버스에 연동되는 테스트 장치가, (i) 상기 특정 정류장에서 상기 특정 자율주행 버스로부터의 테스트용 특정 하차 승객 데이터 및 상기 특정 자율주행 버스로의 테스트용 특정 승차 승객 데이터 중 적어도 일부를 포함하는 테스트용 특정 버스 관련 데이터, (ii) 상기 특정 정류장에서 테스트용 타 차량으로부터의 테스트용 타 하차 승객 데이터 및 상기 테스트용 타 차량으로의 테스트용 타 승차 승객 데이터 중 적어도 일부를 포함하는 테스트용 타 차량 관련 데이터, (iii) 상기 특정 정류장에 대응되는 테스트용 특정 신호등 데이터 중 적어도 일부를 입력 받는 프로세스; (2) 상기 테스트용 특정 버스 관련 데이터, 상기 테스트용 타 차량 관련 데이터, 및 상기 테스트용 특정 신호등 데이터 중 적어도 일부를 사용하여, 상기 특정 정류장에서 테스트용 특정 시간대에 상기 특정 자율주행 버스가 대기하는 시간을 예측한 결과인 테스트용 예측 대기 시간을 계산하는 프로세스; 및 (3) 상기 테스트용 예측 대기 시간을 참조로 하여, 상기 특정 자율주행 버스의 엔진을 끄도록 제어하는 프로세스를 수행하기 위한 상기 인스트럭션을 실행하도록 구성된 적어도 하나의 프로세서;를 포함하는 것을 특징으로 하는 테스트 장치를 제공한다.

일례로서, 상기 프로세서는, 상기 (1) 프로세스에서, 상기 테스트용 타 차량 관련 데이터로서, (ii-1) 상기 특정 정류장에서의 상기 테스트용 타 차량에 포함된 적어도 한 대의 테스트용 타 버스에 대한 노선번호정보 및 (ii-2) 상기 특정 정류장에서 상기 테스트용 특정 시간대에 상기 테스트용 타 버스에서 하차하는 테스트용 제1 승객의 수 및 상기 테스트용 타 버스에 승차하는 테스트용 제2 승객의 수에 대한 정보를 추가적으로 입력 받고, 상기 (2) 프로세스에서, 상기 테스트용 특정 버스 관련 데이터, 상기 테스트용 노선번호정보, 상기 테스트용 제1 승객의 수, 상기 테스트용 제2 승객의 수, 및 상기 테스트용 특정 신호등 데이터 중 적어도 일부를 사용하여, 상기 특정 정류장에서 상기 테스트용 특정 시간대에 상기 특정 자율주행 버스가 대기하는 시간을 예측한 결과인 상기 테스트용 예측 대기 시간을 계산하는 것을 특징으로 하는 테스트 장치를 제공한다.

일례로서, 상기 (2) 프로세스에서, 상기 프로세서가, 상기 테스트용 특정 버스 관련 데이터, 상기 테스트용 타 차량 관련 데이터, 및 상기 테스트용 특정 신호등 데이터 중 적어도 일부를 사용하여, 상기 특정 정류장에서 상기 테스트용 특정 시간대에 상기 특정 자율주행 버스가 대기하는 시간을 예측한 결과인 상기 테스트용 예측 대기 시간을 계산함에 있어서, 요일별 및 시간대별로 테스트용 예측 대기 시간을 계산하고 관리하는 것을 특징으로 하는 테스트 장치를 제공한다.

본 발명은 주변 상황 등을 복합적으로 고려하여 자율주행 버스의 대기 시간 등을 정확하게 예측할 수 있는 학습 방법을 구현할 수 있는 효과가 있다.

본 발명은 주변 상황 등을 복합적으로 고려하여 자율주행 버스의 대기 시간 등을 정확하게 예측한 것을 바탕으로 하여 자율주행 버스의 엔진을 자동으로 오프하고 온 할 수 있도록 제어할 수 있는 효과가 있다.

본 발명의 실시예의 설명에 이용되기 위하여 첨부된 아래 도면들은 본 발명의 실시예들 중 단지 일부일 뿐이며, 본 발명이 속한 기술분야에서 통상의 지식을 가진 자(이하 "통상의 기술자")에게 있어서는 발명적 작업이 이루어짐 없이 이 도면들에 기초하여 다른 도면들이 얻어질 수 있다.
도 1은 본 발명의 일 실시예에 따라, 자율주행 버스의 운행을 제어하기 위한 학습 장치를 개략적으로 나타내는 도면이다.
도 2는 본 발명의 일 실시예에 따라, 자율주행 버스의 운행을 제어하기 위한 학습 방법에서 수행되는 과정을 개략적으로 도시한 흐름도이다.
도 3은 본 발명의 일 실시예에 따라, 자율주행 버스의 운행을 제어하기 위한 학습 방법을 수행하는 학습 장치 및 학습 장치의 데이터에 대한 정보를 나타내는 도면이다.
도 4는 본 발명의 일 실시예에 따라, 자율주행 버스의 운행을 제어하기 위한 학습 장치의 파라미터를 업데이트하는 과정을 개략적으로 나타내는 도면이다.

후술하는 본 발명에 대한 상세한 설명은, 본 발명의 목적들, 기술적 해법들 및 장점들을 분명하게 하기 위하여 본 발명이 실시될 수 있는 특정 실시예를 예시로서 도시하는 첨부 도면을 참조한다. 이들 실시예는 통상의 기술자가 본 발명을 실시할 수 있기에 충분하도록 상세히 설명된다.

또한, 본 발명의 상세한 설명 및 청구항들에 걸쳐, "포함하다"라는 단어 및 그것의 변형은 다른 기술적 특징들, 부가물들, 구성요소들 또는 단계들을 제외하는 것으로 의도된 것이 아니다. 통상의 기술자에게 본 발명의 다른 목적들, 장점들 및 특성들이 일부는 본 설명서로부터, 그리고 일부는 본 발명의 실시로부터 드러날 것이다. 아래의 예시 및 도면은 실례로서 제공되며, 본 발명을 한정하는 것으로 의도된 것이 아니다.

더욱이 본 발명은 본 명세서에 표시된 실시예들의 모든 가능한 조합들을 망라한다. 본 발명의 다양한 실시예는 서로 다르지만 상호 배타적일 필요는 없음이 이해되어야 한다. 예를 들어, 여기에 기재되어 있는 특정 형상, 구조 및 특성은 일 실시예에 관련하여 본 발명의 정신 및 범위를 벗어나지 않으면서 다른 실시예로 구현될 수 있다. 또한, 각각의 개시된 실시예 내의 개별 구성요소의 위치 또는 배치는 본 발명의 정신 및 범위를 벗어나지 않으면서 변경될 수 있음이 이해되어야 한다. 따라서, 후술하는 상세한 설명은 한정적인 의미로서 취하려는 것이 아니며, 본 발명의 범위는, 적절하게 설명된다면, 그 청구항들이 주장하는 것과 균등한 모든 범위와 더불어 첨부된 청구항에 의해서만 한정된다. 도면에서 유사한 참조부호는 여러 측면에 걸쳐서 동일하거나 유사한 기능을 지칭한다.

이하, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있도록 하기 위하여, 본 발명의 바람직한 실시예들에 관하여 첨부된 도면을 참조하여 상세히 설명하기로 한다.

도 1은 본 발명의 일 실시예에 따라, 자율주행 버스의 운행을 제어하기 위한 학습 장치를 개략적으로 나타내는 도면이다.

도 1에 도시된 바와 같이, 본 발명의 자율주행 버스의 운행을 제어하기 위한 학습 장치(100)는 메모리(110) 및 프로세서(120)를 포함할 수 있다.

여기서, 자율주행 버스는 수소버스, 전기버스 등 자율적으로 운행될 수 있는 교통수단을 포함할 수 있으나 이에 한정되는 것은 아니다.

학습 장치(100)의 메모리(110)는 프로세서(120)에 의해 수행될 인스트럭션들을 저장할 수 있는데, 구체적으로, 인스트럭션들은 학습 장치(100)로 하여금 특정의 방식으로 기능하게 하기 위한 목적으로 생성되는 코드로서, 컴퓨터 기타 프로그램 가능한 데이터 프로세싱 장비를 지향할 수 있는 컴퓨터 이용 가능 또는 컴퓨터 판독 가능 메모리에 저장될 수 있다. 인스트럭션들은 본 발명의 명세서에서 설명되는 기능들을 실행하기 위한 프로세스들을 수행할 수 있다.

그리고, 학습 장치(100)의 프로세서(120)는 MPU(Micro Processing Unit) 또는 CPU(Central Processing Unit), 캐쉬 메모리(Cache Memory), 데이터 버스(Data Bus) 등의 하드웨어 구성을 포함할 수 있다. 또한, 운영체제, 특정 목적을 수행하는 애플리케이션의 소프트웨어 구성을 더 포함할 수도 있다.

또한, 학습 장치(100)는 데이터베이스(미도시)와 연동될 수 있다. 여기서, 데이터베이스(미도시)는 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리), 램(Random Access Memory, RAM), SRAM(Static Random Access Memory), 롬(ReadOnly Memory, ROM), EEPROM(Electrically Erasable Programmable ReadOnly Memory), PROM(Programmable ReadOnly Memory), 자기 메모리, 자기 디스크, 광디스크 중 적어도 하나의 타입의 저장매체를 포함할 수 있으며, 이에 한정되지 않으며 데이터를 저장할 수 있는 모든 매체를 포함할 수 있다. 또한, 데이터베이스(미도시)는 학습 장치(100)와 분리되어 설치되거나, 이와는 달리 학습 장치(100)의 내부에 설치되어 데이터를 전송하거나 수신되는 데이터를 기록할 수도 있고, 도시된 바와 달리 둘 이상으로 분리되어 구현될 수도 있으며, 이는 발명의 실시 조건에 따라 달라질 수 있다.

이와 같이 구성된 본 발명의 일 실시예에 따른 자율주행 버스의 운행을 제어하기 위하여 학습하는 방법을 도 2 내지 도 4를 참조하여 설명하면 다음과 같다.

먼저, 도 2는 본 발명의 일 실시예에 따라, 자율주행 버스의 운행을 제어하기 위한 학습 방법에서 수행되는 과정을 개략적으로 도시한 흐름도이다.

도 2를 참조하면, 프로세서(120)는 특정 정류장에서 특정 자율주행 버스로부터의 특정 하차 승객 데이터 및 특정 자율주행 버스로의 특정 승차 승객 데이터 중 적어도 하나 이상을 포함하는 특정 버스 관련 데이터, 특정 정류장에서 타 차량으로부터의 타 하차 승객 데이터 및 타 차량으로의 타 승차 승객 데이터 중 적어도 하나 이상을 포함하는 타 차량 관련 데이터, 특정 정류장에서 대응되는 특정 신호등 데이터 중 적어도 하나 이상을 입력 받고(S201), 특정 버스 관련 데이터, 타 차량 관련 데이터 및 특정 신호등 데이터 중 적어도 하나 이상을 사용하여 특정 정류장에서 특정 시간대에 특정 자율주행 버스가 대기하는 시간을 예측한 결과인 예측 대기 시간을 계산 하고(S202), 예측 대기 시간 및 이에 대응되는 그라운드 트루스를 참조로 하여, 대기 로스를 구하고 대기 로스를 백프로퍼게이션하여 학습 장치의 파라미터를 지속적으로 업데이트(S203)할 수 있다.

여기서, 예측 대기 시간이란, 특정 버스 관련 데이터, 타 차량 관련 데이터 및 특정 신호등 데이터 중 적어도 하나 이상을 참조하여, 특정 정류장에서 특정 시간대에 특정 자율주행 버스가 정차해야 하는 시간으로서 예측한 시간일 수 있다.

또한, 그라운드 트루스의 사전적 의미는 현장에서 수행되는 다양한 형태의 측정과 관측을 통하여 획득되는 자료로, 특정 정류장에서 특정 버스가 특정 시간대에 실제로 대기한 시간을 측정한 것을 참조로 하여 결정되는 정답값일 수 있다.

아래에서 본 발명의 일 실시예에 따른 자율주행 버스의 운행을 제어하기 위한 학습 장치를 보다 자세하게 설명하기 위해 도 3 및 도 4를 참조로 하여 설명하겠다.

도 3은 본 발명의 일 실시예에 따라, 자율주행 버스의 운행을 제어하기 위한 학습 방법을 수행하는 학습 장치와, 학습 장치에 입력되는 데이터에 대한 정보를 나타내는 도면이다.

도 3을 참조하면, 학습 장치(300)는 특정 버스 관련 데이터(310), 타 차량 관련 데이터(320), 특정 신호등 데이터(330), 교통 혼잡도(340) 중 적어도 하나 이상을 사용하여 특정 정류장에서 특정 자율주행 버스가 대기하는 시간을 예측할 수 있다.

여기서, 특정 버스 관련 데이터(310)는 특정 자율주행 버스(즉, 본 발명에서 학습 장치(300)가 탑재되거나 연동되어 있는 버스를 의미함)로부터 하차하는 특정 하차 승객 데이터(311) 및 특정 자율주행 버스로 승차하는 특정 승차 승객 데이터(312)를 포함할 수 있다.

특정 하차 승객 데이터(311) 및 특정 승차 승객 데이터(312)는 버스 내외부에 설치된 카메라를 통해 하차 및 승차하려는 승객의 수를 통해 인식될 수도 있고, 특정 자율주행 버스를 이용하고자 하는 승객(버스 내의 승객 및/또는 정류장에서 대기하는 승객)의 휴대용 단말기로부터 수신된 데이터로부터 인식될 수도 있다. 또한, 특정 하차 승객 데이터(311)는 특정 자율주행 버스 내에 달린 하차 벨을 통해 인식된 데이터를 더 포함할 수도 있다.

여기서, 타 차량 관련 데이터(320)는 특정 정류장에 정차하여 있는 적어도 한 대 이상의 타 버스에 대한 노선번호정보(324)를 포함할 수도 있고, 특정 정류장에 정차하여 있는 적어도 한 대 이상의 타 차량 간의 거리(323)를 포함할 수도 있고, 특정 정류장에서 타 버스에서 하차하는 승객의 데이터(321)및 타 버스에 승차하는 승객의 데이터(322)에 대한 정보를 포함할 수도 있다. 물론, "타 차량"이라는 것이 타 버스에 한정되는 것은 아니며, 타 택시의 개념을 포함할 수도 있고, 일반적인 타 자가용을 포함할 수도 있을 것이다. 다만, "타 자가용"의 경우에는 승하차가 이루어지지 않을 가능성이 높으므로, 고려 대상으로서의 가중치가 높지 않을 가능성이 높다.

타 하차 승객 데이터(321) 및 타 승차 승객 데이터(322) 각각은 타 버스에서 하차하는 승객의 수 및 타 버스에 승차하는 승객의 수 등의 관련 데이터 중 적어도 하나 이상을 포함할 수 있다.

또한, 타 차량 간의 거리(323)는, 특정 자율주행 버스와의 거리를 의미할 수도 있고, 특정 자율주행 버스의 전방에 있는 복수의 타 차량 간의 거리를 의미할 수도 있다. 이러한 각각의 차량 간의 상대적 거리 관계 및 이들 차량 각각의 승하차 승객 수/비율, 그리고 후술할 신호등 데이터 등을 종합적으로 고려하여, 어떠한 팩터에 보다 높은 가중치를 부여하여, 더 정확한 예상 대기 시간을 산출할지를 결정할 수 있을 것이다. 가령, 특정 신호등 데이터(330)가 초록불인 상태에서 빨간불로 바뀌기까지의 잔여 시간이 20초 남았다고 할 때, 특정 자율주행 버스의 전방에 제1 타 버스와 제2 타 버스가 있고, 제1 타 버스에 승하차 하는 승객의 수가 전혀 없고 제2 타 버스에 승하차 하는 승객의 수가 각각 5명, 10명으로 예상되는 상황이라면, 특정 자율주행 버스의 예상 대기 시간을 산정함에 있어서, 제2 타 버스의 승하차 시간에 대한 팩터와 특정 신호등 데이터에 대한 팩터에 가중치를 높게 설정할 수 있을 것이다.

이와 같이, 타 차량 관련 데이터(320)는 ADAS(Advanced Driver Assistance Systems)(320a)를 통해, 특정 자율주행 버스의 앞 차와의 거리를 인식하여 타 차량의 대기 시간을 예상할 수도 있을 것이다.

또한, V2X(Vehicle to Everything)(320b)를 통해, 타 차량의 타 하차 승객 데이터(321), 타 승차 승객 데이터(322) 및 노선번호정보(324) 중 하나 이상을 수신할 수도 있을 것이다.

한편, 특정 신호등 데이터(330)는 V2X(320b)를 통해 수신된 신호등 정보를 포함할 수 있다. 일례로, V2X(320b)를 통해 수신된 신호등이 빨간불로 인식된 경우, 학습 장치(300)는 빨간불에서 초록불로 바뀌기까지 남은 제1 잔여 시간을 참조하여 특정 자율주행 버스가 얼마만큼 정차할지에 대해 예측할 수 있다. 여기서, 제1 잔여 시간이 기설정된 제1 임계치 이상인 것으로 판단되면, 특정 자율주행 버스에 대한 승하차 데이터 및 특정 자율주행 버스의 전방에 존재하는 타 차량에 대한 승하차 데이터 중 적어도 일부를 추가적으로 참조하되, 특정 신호등 데이터(330)에 보다 높은 가중치를 부여하여 대기 시간을 예측할 수 있을 것이며, 반대로 제1 잔여 시간이 기설정된 제1 임계치 미만인 것으로 판단되면, 특정 자율주행 버스에 대한 승하차 데이터 및 특정 자율주행 버스의 전방에 존재하는 타 차량에 대한 승하차 데이터 중 적어도 일부를 추가적으로 참조하되, 특정 신호등 데이터(330)에 보다 낮은 가중치를 부여하여 대기 시간을 예측할 수 있을 것이다.

또한, V2X(320b)를 통해 수신된 신호등이 초록불로 인식된 경우, 학습 장치(300)는 초록불이 빨간불로 바뀌기까지 남은 제2 잔여 시간을 참조하여 특정 자율주행 버스가 얼마만큼 정차할지에 대해 예측할 수 있다. 여기서, 제2 잔여 시간이 기설정된 제2 임계치 이상인 것으로 판단되면, 특정 자율주행 버스에 대한 승하차 데이터 및 특정 자율주행 버스의 전방에 존재하는 타 차량에 대한 승하차 데이터 중 적어도 일부를 추가적으로 참조하되, 특정 신호등 데이터(330)에 보다 낮은 가중치를 부여하여 대기 시간을 예측할 수 있을 것이며, 반대로 제2 잔여 시간이 기설정된 제2 임계치 미만인 것으로 판단되면, 특정 자율주행 버스에 대한 승하차 데이터 및 특정 자율주행 버스의 전방에 존재하는 타 차량에 대한 승하차 데이터 중 적어도 일부를 추가적으로 참조하되, 특정 신호등 데이터(330)에 보다 높은 가중치를 부여하여 대기 시간을 예측할 수 있을 것이다.

한편, 교통 혼잡도(340)는 일례로, 차량이 많이 있어 막히는 경우, 특정 자율주행 버스가 다니는 차선의 신호등이 초록불이어도 특정 자율주행 버스는 정차하여 있는 경우를 반영하기 위한 교통의 흐름 관련 데이터를 포함할 수 있다.

한편, 학습 장치(300)는 특정 버스 관련 데이터(310), 타 차량 관련 데이터(320), 특정 신호등 데이터(330), 교통 혼잡도(340) 중 하나 이상을 사용하여, 특정 정류장에서 "특정 시간대"에 특정 자율주행 버스가 대기해야 하는 시간을 예측할 수도 있다.

일례로, 일반적으로 평일 오후 3시 근방에 특정 정류장에 정차하는 타 차량으로서의 1234번 버스에는 특정 정류장에 대기하는 사람들의 70% 가 승차하는 것으로 패턴이 인식되고, 특정 정류장에 정차하는 다른 타 차량으로서의 456번 버스에는 특정 정류장에 대기하는 사람들의 10% 가 승차하는 것으로 패턴이 인식된 상태에서, 특정 자율주행 버스가 평일 오후 3시 정각에 특정 정류장에 도착하였을 때, 전방에 456번 버스가 정차해 있는 상태라면, 특정 정류장에 대기하고 있는 사람들 중 10% 만이 승차할 것이므로, 이를 감안하여 타 차량 관련 데이터(320)에 대한 가중치를 낮게 산정할 수 있고, 이를 통해 특정 자율주행 버스의 예상 대기 시간을 계산할 수 있을 것이고, 다른 예로서 전방에 1234번 버스가 정차해 있는 상태라면, 특정 정류장에 대기하고 있는 사람들 중 70% 가 승차할 것이므로, 이를 감안하여 타 차량 관련 데이터(320)에 대한 가중치를 높게 산정할 수 있고, 이를 통해 특정 자율주행 버스의 예상 대기 시간을 계산할 수 있을 것이다. 여기서는 "승차"를 예로 들어 설명하였지만, 1234번 버스, 456번 버스 등으로부터 하차하는 데이터를 추가적으로 참조로 하여 특정 자율주행 버스의 예상 대기 시간을 계산할 수 있음은 물론이라 할 것이다.

도 4는 본 발명의 일 실시예에 따라, 자율주행 버스의 운행을 제어하기 위한 학습 장치의 파라미터를 업데이트하는 과정을 개략적으로 나타내는 도면이다.

도 4를 참조하면, 요일별 및 시간대별 예측 대기 시간 및 이에 대응되는 요일별 및 시간대별 그라운드 트루스를 참조로 하여, 요일별 및 시간대별 대기 로스를 구하고, 요일별 및 시간대별 대기 로스를 백프로퍼게이션하여 학습 장치(300)의 파라미터를 업데이트할 수 있다.

한편, 도면에 도시되지는 않았지만, 이와 같은 과정을 거쳐 학습된 상태에서, 특정 자율주행 버스는 주행을 할 수 있으며, 이때 학습된 파라미터를 가지는 테스트 장치를 탑재한 특정 자율주행 버스 또는 이러한 테스트 장치와 연동되는 특정 자율주행 버스가 특정 정류장에서 (또는 특정 시간대를 추가적인 조건으로 하여) 대기해야 하는 예상 대기 시간을 산출하고 이를 바탕으로 하여 특정 자율주행 버스의 엔진을 켜거나 끌 수 있을 것이다. 이를 통해 매우 효율적인 에너지 절약이 가능할 수 있다.

구체적으로, 특정 정류장에서 특정 자율주행 버스로부터의 학습용 특정 하차 승객 데이터 및 특정 자율주행 버스로의 학습용 특정 승차 승객 데이터 중 적어도 하나 이상을 포함하는 학습용 특정 버스 관련 데이터, 특정 정류장에서 학습용 타 차량으로부터의 학습용 타 하차 승객 데이터 및 학습용 타 차량으로의 학습용 타 승차 승객 데이터 중 적어도 하나 이상을 포함하는 학습용 타 차량 관련 데이터, 특정 정류장에 대응되는 학습용 특정 신호등 데이터 중 적어도 하나 이상을 입력 받고, 학습용 특정 버스 관련 데이터, 학습용 타 차량 관련 데이터, 및 학습용 특정 신호등 데이터 중 하나 이상을 사용하여 특정 시간대에 특정 자율주행 버스가 대기하는 시간을 예측한 결과인 학습용 예측 대기 시간을 계산한 후, 학습용 예측 대기 시간 및 이에 대응되는 그라운드 트루스를 참조로 하여, 대기 로스를 구하고, 대기 로스를 백프로퍼게이션하여 학습 장치의 파라미터를 업데이트하는 단계를 완료한 상태에서, 특정 자율주행 버스에 연동되는 테스트 장치(미도시)는 특정 정류장에서 특정 자율주행 버스로부터의 테스트용 특정 하차 승객 데이터 및 특정 자율주행 버스로의 테스트용 특정 승차 승객 데이터 중 적어도 하나 이상을 포함하는 테스트용 특정 버스 관련 데이터, 특정 정류장에서 테스트용 타 차량으로부터의 테스트용 타 하차 승객 데이터 및 테스트용 타 차량으로의 테스트용 타 승차 승객 데이터 중 적어도 하나 이상을 포함하는 테스트용 타 차량 관련 데이터, 특정 정류장에 대응되는 테스트용 특정 신호등 데이터 중 적어도 하나 이상을 입력 받을 수 있다.

또한 테스트용 특정 관련 데이터, 테스트용 타 차량 관련 데이터, 및 테스트용 특정 신호등 데이터 중 하나 이상을 사용하여, 특정 정류장에서 테스트용 특정 시간대에 특정 자율주행 버스가 대기하는 시간을 예측한 결과인 테스트용 예측 대기 시간을 계산할 수 있다.

여기서, 테스트 장치는 테스트용 예측 대기 시간을 참조로 하여, 특정 자율주행 버스의 엔진을 끄거나 켜도록 제어할 수 있다.

또한, 테스트 장치가 수신하는 입력 데이터는 테스트용 타 차량 관련 데이터로서 특정 정류장에서의 테스트용 타 차량에 포함된 한 대 이상의 테스트용 타 버스에 대한 노선번호정보 및 특정 정류장에서 테스트용 특정 시간대에 테스트용 타 버스에서 하차하는 테스트용 타 버스 하차 승객의 수 및 테스트용 타 버스에 승차하는 테스트용 타 버스 승차 승객의 수에 대한 정보를 더 포함할 수 있다.

여기서, 테스트 장치는 테스트용 특정 버스 관련 데이터, 테스트용 노선번호정보, 테스트용 타 버스에서 하차하는 테스트용 타 버스 하차 승객의 수, 테스트용 타 버스 승차 승객의 수, 및 테스트용 특정 신호등 데이터 중 적어도 하나 이상을 사용하여, 특정 정류장에서 테스트용 특정 시간대에 특정 자율주행 버스가 대기하는 시간을 예측한 결과인 테스트용 예측 대기 시간을 계산하는 것을 포함할 수 있다.

따라서, 테스트 장치는 테스트용 특정 버스 관련 데이터, 테스트용 타 차량 관련 데이터, 테스트용 특정 신호등 데이터, 중 적어도 하나 이상을 이용하여, 특정 정류장에서 테스트용 특정 시간대에 특정 자율주행 버스가 대기하는 시간을 예측한 결과인 테스트용 예측 대기 시간을 계산하여 요일별 및 시간대별로 테스트용 예측 대기 시간을 계산하고 관리할 수 있다.

또한 테스트 장치는 테스트용 교통 혼잡도를 더 포함하여, 특정 정류장에서 테스트용 특정 시간대에 특정 자율주행 버스가 대기하는 시간을 예측한 결과인 테스트용 예측 대기 시간을 계산하여 요일별 및 시간대별로 테스트용 예측 대기 시간을 계산하고 관리할 수 있다.

또한, 이상 설명된 본 발명에 따른 실시예들은 다양한 컴퓨터 구성요소를 통하여 수행될 수 있는 프로그램 명령어의 형태로 구현되어 컴퓨터 판독 가능한 기록 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능한 기록 매체는 프로그램 명령어, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 컴퓨터 판독 가능한 기록 매체에 기록되는 프로그램 명령어는 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 분야의 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능한 기록 매체의 예에는, 하드디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM, DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magnetooptical media), 및 ROM, RAM, 플래시 메모리 등과 같은 프로그램 명령어를 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령어의 예에는, 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 포함된다. 상기 하드웨어 장치는 본 발명에 따른 처리를 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.

이상에서 본 발명이 구체적인 구성요소 등과 같은 특정 사항들과 한정된 실시예 및 도면에 의해 설명되었으나, 이는 본 발명의 보다 전반적인 이해를 돕기 위해서 제공된 것일 뿐, 본 발명이 상기 실시예들에 한정되는 것은 아니며, 본 발명이 속하는 기술분야에서 통상적인 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형을 꾀할 수 있다.

따라서, 본 발명의 사상은 상기 설명된 실시예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등하게 또는 등가적으로 변형된 모든 것들은 본 발명의 사상의 범주에 속한다고 할 것이다.

Claims

특정 자율주행 버스의 운행을 제어하기 위하여 학습하는 방법에 있어서,
(a) 학습 장치가, (i) 특정 정류장에서 상기 특정 자율주행 버스로부터의 특정 하차 승객 데이터 및 상기 특정 자율주행 버스로의 특정 승차 승객 데이터 중 적어도 일부를 포함하는 특정 버스 관련 데이터, (ii) 상기 특정 정류장에서 타 차량으로부터의 타 하차 승객 데이터 및 상기 타 차량으로의 타 승차 승객 데이터 중 적어도 일부를 포함하는 타 차량 관련 데이터, (iii) 상기 특정 정류장에 대응되는 특정 신호등 데이터 중 적어도 일부를 입력 받는 단계;
(b) 상기 학습 장치가, 상기 특정 버스 관련 데이터, 상기 타 차량 관련 데이터, 및 상기 특정 신호등 데이터 중 적어도 일부를 사용하여, 상기 특정 정류장에서 특정 시간대에 상기 특정 자율주행 버스가 대기하는 시간을 예측한 결과인 예측 대기 시간을 계산하는 단계; 및
(c) 상기 학습 장치가, 상기 예측 대기 시간 및 이에 대응되는 그라운드 트루스를 참조로 하여, 대기 로스를 구하고, 상기 대기 로스를 백프로퍼게이션하여 상기 학습 장치의 파라미터를 업데이트하는 단계;
를 포함하되,
상기 (a) 단계에서,
상기 학습 장치는, 상기 타 차량 관련 데이터로서, (ii-1) 상기 특정 정류장에서의 상기 타 차량에 포함된 적어도 한 대의 타 버스에 대한 노선번호정보 및 (ii-2) 상기 특정 정류장에서 상기 특정 시간대에 상기 타 버스에서 하차하는 제1 승객의 수 및 상기 타 버스에 승차하는 제2 승객의 수에 대한 정보를 추가적으로 입력 받고,
상기 (b) 단계에서,
상기 특정 버스 관련 데이터, 상기 노선번호정보, 상기 제1 승객의 수, 상기 제2 승객의 수, 및 상기 특정 신호등 데이터 중 적어도 일부를 사용하여, 상기 특정 정류장에서 특정 시간대에 상기 특정 자율주행 버스가 대기하는 시간을 예측한 결과인 상기 예측 대기 시간을 계산하는 것을 특징으로 하는 학습 방법.
제1항에 있어서,
상기 (a) 단계에서,
상기 학습 장치는, (iv) 상기 특정 정류장에서의 교통 혼잡도를 추가적으로 입력 받고,
상기 (b) 단계에서,
상기 특정 버스 관련 데이터, 상기 타 차량 관련 데이터, 상기 특정 신호등 데이터, 및 상기 교통 혼잡도 중 적어도 일부를 사용하여, 상기 특정 정류장에서 특정 시간대에 상기 특정 자율주행 버스가 대기하는 시간을 예측한 결과인 예측 대기 시간을 계산하는 것을 특징으로 하는 학습 방법.
삭제
특정 자율주행 버스의 운행을 제어하기 위하여 학습하는 방법에 있어서,
(a) 학습 장치가, (i) 특정 정류장에서 상기 특정 자율주행 버스로부터의 특정 하차 승객 데이터 및 상기 특정 자율주행 버스로의 특정 승차 승객 데이터 중 적어도 일부를 포함하는 특정 버스 관련 데이터, (ii) 상기 특정 정류장에서 타 차량으로부터의 타 하차 승객 데이터 및 상기 타 차량으로의 타 승차 승객 데이터 중 적어도 일부를 포함하는 타 차량 관련 데이터, (iii) 상기 특정 정류장에 대응되는 특정 신호등 데이터 중 적어도 일부를 입력 받는 단계;
(b) 상기 학습 장치가, 상기 특정 버스 관련 데이터, 상기 타 차량 관련 데이터, 및 상기 특정 신호등 데이터 중 적어도 일부를 사용하여, 상기 특정 정류장에서 특정 시간대에 상기 특정 자율주행 버스가 대기하는 시간을 예측한 결과인 예측 대기 시간을 계산하는 단계; 및
(c) 상기 학습 장치가, 상기 예측 대기 시간 및 이에 대응되는 그라운드 트루스를 참조로 하여, 대기 로스를 구하고, 상기 대기 로스를 백프로퍼게이션하여 상기 학습 장치의 파라미터를 업데이트하는 단계;
를 포함하되,
상기 (c) 단계에서,
상기 그라운드 트루스는, 상기 특정 정류장에서 상기 특정 버스가 상기 특정 시간대에 실제로 대기한 시간을 참조로 하여 결정되는 것을 특징으로 하는 학습 방법.
특정 자율주행 버스의 운행을 제어하기 위하여 학습하는 방법에 있어서,
(a) 학습 장치가, (i) 특정 정류장에서 상기 특정 자율주행 버스로부터의 특정 하차 승객 데이터 및 상기 특정 자율주행 버스로의 특정 승차 승객 데이터 중 적어도 일부를 포함하는 특정 버스 관련 데이터, (ii) 상기 특정 정류장에서 타 차량으로부터의 타 하차 승객 데이터 및 상기 타 차량으로의 타 승차 승객 데이터 중 적어도 일부를 포함하는 타 차량 관련 데이터, (iii) 상기 특정 정류장에 대응되는 특정 신호등 데이터 중 적어도 일부를 입력 받는 단계;
(b) 상기 학습 장치가, 상기 특정 버스 관련 데이터, 상기 타 차량 관련 데이터, 및 상기 특정 신호등 데이터 중 적어도 일부를 사용하여, 상기 특정 정류장에서 특정 시간대에 상기 특정 자율주행 버스가 대기하는 시간을 예측한 결과인 예측 대기 시간을 계산하는 단계; 및
(c) 상기 학습 장치가, 상기 예측 대기 시간 및 이에 대응되는 그라운드 트루스를 참조로 하여, 대기 로스를 구하고, 상기 대기 로스를 백프로퍼게이션하여 상기 학습 장치의 파라미터를 업데이트하는 단계;
를 포함하되,
상기 (b) 단계에서,
상기 학습 장치가, 상기 특정 버스 관련 데이터, 상기 타 차량 관련 데이터, 및 상기 특정 신호등 데이터 중 적어도 일부를 사용하여, 상기 특정 정류장에서 상기 특정 시간대에 상기 특정 자율주행 버스가 대기하는 시간을 예측한 결과인 예측 대기 시간을 계산함에 있어서, 요일별 및 시간대별로 상기 예측 대기 시간을 계산하고 관리하고,
상기 (c) 단계에서,
상기 요일별 및 상기 시간대별 예측 대기 시간 및 이에 대응되는 상기 요일별 및 상기 시간대별 그라운드 트루스를 참조로 하여, 상기 요일별 및 상기 시간대별 대기 로스를 구하고, 상기 요일별 및 상기 시간대별 대기 로스를 백프로퍼게이션하여 상기 학습 장치의 파라미터를 업데이트하는 것을 특징으로 하는 학습 방법.
특정 자율주행 버스의 운행을 제어하기 위하여 학습하는 방법에 있어서,
(a) 학습 장치가, (i) 특정 정류장에서 상기 특정 자율주행 버스로부터의 특정 하차 승객 데이터 및 상기 특정 자율주행 버스로의 특정 승차 승객 데이터 중 적어도 일부를 포함하는 특정 버스 관련 데이터, (ii) 상기 특정 정류장에서 타 차량으로부터의 타 하차 승객 데이터 및 상기 타 차량으로의 타 승차 승객 데이터 중 적어도 일부를 포함하는 타 차량 관련 데이터, (iii) 상기 특정 정류장에 대응되는 특정 신호등 데이터 중 적어도 일부를 입력 받는 단계;
(b) 상기 학습 장치가, 상기 특정 버스 관련 데이터, 상기 타 차량 관련 데이터, 및 상기 특정 신호등 데이터 중 적어도 일부를 사용하여, 상기 특정 정류장에서 특정 시간대에 상기 특정 자율주행 버스가 대기하는 시간을 예측한 결과인 예측 대기 시간을 계산하는 단계; 및
(c) 상기 학습 장치가, 상기 예측 대기 시간 및 이에 대응되는 그라운드 트루스를 참조로 하여, 대기 로스를 구하고, 상기 대기 로스를 백프로퍼게이션하여 상기 학습 장치의 파라미터를 업데이트하는 단계;
를 포함하되,
상기 (a) 단계에서,
상기 타 차량 관련 데이터는, (i) ADAS(Advanced Driver Assistance Systems)를 통해 감지된 앞 차와의 거리를 인식하여 상기 타 차량의 대기 시간을 저장하는 ADAS 관련 데이터, (ii) V2X(Vehicle to Everything)를 통해, 상기 타 차량의 상기 타 하차 승객 데이터 및 상기 타 승차 승객 데이터 중 적어도 일부를 수신한 V2X 관련 데이터 중 적어도 일부를 포함하는 것을 특징으로 하는 학습 방법.
특정 자율주행 버스의 운행을 제어하기 위한 테스트 방법에 있어서,
(a) 학습 장치가, (I) (i) 특정 정류장에서 상기 특정 자율주행 버스로부터의 학습용 특정 하차 승객 데이터 및 상기 특정 자율주행 버스로의 학습용 특정 승차 승객 데이터 중 적어도 일부를 포함하는 학습용 특정 버스 관련 데이터, (ii) 상기 특정 정류장에서 학습용 타 차량으로부터의 학습용 타 하차 승객 데이터 및 상기 학습용 타 차량으로의 학습용 타 승차 승객 데이터 중 적어도 일부를 포함하는 학습용 타 차량 관련 데이터, (iii) 상기 특정 정류장에 대응되는 학습용 특정 신호등 데이터 중 적어도 일부를 입력 받는 프로세스; (II) 상기 학습용 특정 버스 관련 데이터, 상기 학습용 타 차량 관련 데이터, 및 상기 학습용 특정 신호등 데이터 중 적어도 일부를 사용하여, 상기 특정 정류장에서 특정 시간대에 상기 특정 자율주행 버스가 대기하는 시간을 예측한 결과인 학습용 예측 대기 시간을 계산하는 프로세스; 및 (III) 상기 학습용 예측 대기 시간 및 이에 대응되는 그라운드 트루스를 참조로 하여, 대기 로스를 구하고, 상기 대기 로스를 백프로퍼게이션하여 상기 학습 장치의 파라미터를 업데이트하는 프로세스를 수행한 상태에서, 상기 특정 자율주행 버스에 연동되는 테스트 장치가, (i) 상기 특정 정류장에서 상기 특정 자율주행 버스로부터의 테스트용 특정 하차 승객 데이터 및 상기 특정 자율주행 버스로의 테스트용 특정 승차 승객 데이터 중 적어도 일부를 포함하는 테스트용 특정 버스 관련 데이터, (ii) 상기 특정 정류장에서 테스트용 타 차량으로부터의 테스트용 타 하차 승객 데이터 및 상기 테스트용 타 차량으로의 테스트용 타 승차 승객 데이터 중 적어도 일부를 포함하는 테스트용 타 차량 관련 데이터, (iii) 상기 특정 정류장에 대응되는 테스트용 특정 신호등 데이터 중 적어도 일부를 입력 받는 단계;
(b) 상기 테스트 장치가, 상기 테스트용 특정 버스 관련 데이터, 상기 테스트용 타 차량 관련 데이터, 및 상기 테스트용 특정 신호등 데이터 중 적어도 일부를 사용하여, 상기 특정 정류장에서 테스트용 특정 시간대에 상기 특정 자율주행 버스가 대기하는 시간을 예측한 결과인 테스트용 예측 대기 시간을 계산하는 단계; 및
(c) 상기 테스트 장치가, 상기 테스트용 예측 대기 시간을 참조로 하여, 상기 특정 자율주행 버스의 엔진을 끄도록 제어하는 단계;
를 포함하는 테스트 방법.
제7항에 있어서,
상기 (a) 단계에서,
상기 테스트 장치는, 상기 테스트용 타 차량 관련 데이터로서, (ii-1) 상기 특정 정류장에서의 상기 테스트용 타 차량에 포함된 적어도 한 대의 테스트용 타 버스에 대한 노선번호정보 및 (ii-2) 상기 특정 정류장에서 상기 테스트용 특정 시간대에 상기 테스트용 타 버스에서 하차하는 테스트용 제1 승객의 수 및 상기 테스트용 타 버스에 승차하는 테스트용 제2 승객의 수에 대한 정보를 추가적으로 입력 받고,
상기 (b) 단계에서,
상기 테스트 장치는, 상기 테스트용 특정 버스 관련 데이터, 상기 테스트용 타 버스에 대한 노선번호정보, 상기 테스트용 제1 승객의 수, 상기 테스트용 제2 승객의 수, 및 상기 테스트용 특정 신호등 데이터 중 적어도 일부를 사용하여, 상기 특정 정류장에서 상기 테스트용 특정 시간대에 상기 특정 자율주행 버스가 대기하는 시간을 예측한 결과인 상기 테스트용 예측 대기 시간을 계산하는 것을 특징으로 하는 테스트 방법.
제7항에 있어서,
상기 (b) 단계에서,
상기 테스트 장치가, 상기 테스트용 특정 버스 관련 데이터, 상기 테스트용 타 차량 관련 데이터, 및 상기 테스트용 특정 신호등 데이터 중 적어도 일부를 사용하여, 상기 특정 정류장에서 상기 테스트용 특정 시간대에 상기 특정 자율주행 버스가 대기하는 시간을 예측한 결과인 상기 테스트용 예측 대기 시간을 계산함에 있어서, 요일별 및 시간대별로 테스트용 예측 대기 시간을 계산하고 관리하는 것을 특징으로 하는 테스트 방법.
특정 자율주행 버스의 운행을 제어하기 위한 학습 장치에 있어서,
인스트럭션을 저장하는 적어도 하나의 메모리; 및
상기 인스트럭션들을 실행하기 위해 구성된 적어도 하나의 프로세서;를 포함하되,
상기 프로세서는, (1) (i) 특정 정류장에서 상기 특정 자율주행 버스로부터의 특정 하차 승객 데이터 및 상기 특정 자율주행 버스로의 특정 승차 승객 데이터 중 적어도 일부를 포함하는 특정 버스 관련 데이터, (ii) 상기 특정 정류장에서 타 차량으로부터의 타 하차 승객 데이터 및 상기 타 차량으로의 타 승차 승객 데이터 중 적어도 일부를 포함하는 타 차량 관련 데이터, (iii) 상기 특정 정류장에 대응되는 특정 신호등 데이터 중 적어도 일부를 입력 받는 프로세스, (2) 상기 특정 버스 관련 데이터, 상기 타 차량 관련 데이터, 및 상기 특정 신호등 데이터 중 적어도 일부를 사용하여, 상기 특정 정류장에서 특정 시간대에 상기 특정 자율주행 버스가 대기하는 시간을 예측한 결과인 예측 대기 시간을 계산하는 프로세스, 및 (3) 상기 예측 대기 시간 및 이에 대응되는 그라운드 트루스를 참조로 하여, 대기 로스를 구하고, 상기 대기 로스를 백프로퍼게이션하여 상기 학습 장치의 파라미터를 업데이트하는 프로세스를 수행하되,
상기 (1) 프로세스에서, 상기 타 차량 관련 데이터로서, (ii-1) 상기 특정 정류장에서의 상기 타 차량에 포함된 적어도 한 대의 타 버스에 대한 노선번호정보 및 (ii-2) 상기 특정 정류장에서 상기 특정 시간대에 상기 타 버스에서 하차하는 제1 승객의 수 및 상기 타 버스에 승차하는 제2 승객의 수에 대한 정보를 추가적으로 입력 받고, 상기 (2) 프로세스에서, 상기 특정 버스 관련 데이터, 상기 노선번호정보, 상기 제1 승객의 수, 상기 제2 승객의 수, 및 상기 특정 신호등 데이터 중 적어도 일부를 사용하여, 상기 특정 정류장에서 특정 시간대에 상기 특정 자율주행 버스가 대기하는 시간을 예측한 결과인 상기 예측 대기 시간을 계산하는 것을 특징으로 하는 학습 장치.
제10항에 있어서,
상기 (1) 프로세스에서, (iv) 상기 특정 정류장에서의 교통 혼잡도를 추가적으로 입력 받고, 상기 (2) 프로세스에서, 상기 특정 버스 관련 데이터, 상기 타 차량 관련 데이터, 상기 특정 신호등 데이터, 및 상기 교통 혼잡도 중 적어도 일부를 사용하여, 상기 특정 정류장에서 특정 시간대에 상기 특정 자율주행 버스가 대기하는 시간을 예측한 결과인 예측 대기 시간을 계산하는 것을 특징으로 하는 학습 장치.
삭제
특정 자율주행 버스의 운행을 제어하기 위한 학습 장치에 있어서,
인스트럭션을 저장하는 적어도 하나의 메모리; 및
상기 인스트럭션들을 실행하기 위해 구성된 적어도 하나의 프로세서;를 포함하되,
상기 프로세서는, (1) (i) 특정 정류장에서 상기 특정 자율주행 버스로부터의 특정 하차 승객 데이터 및 상기 특정 자율주행 버스로의 특정 승차 승객 데이터 중 적어도 일부를 포함하는 특정 버스 관련 데이터, (ii) 상기 특정 정류장에서 타 차량으로부터의 타 하차 승객 데이터 및 상기 타 차량으로의 타 승차 승객 데이터 중 적어도 일부를 포함하는 타 차량 관련 데이터, (iii) 상기 특정 정류장에 대응되는 특정 신호등 데이터 중 적어도 일부를 입력 받는 프로세스, (2) 상기 특정 버스 관련 데이터, 상기 타 차량 관련 데이터, 및 상기 특정 신호등 데이터 중 적어도 일부를 사용하여, 상기 특정 정류장에서 특정 시간대에 상기 특정 자율주행 버스가 대기하는 시간을 예측한 결과인 예측 대기 시간을 계산하는 프로세스, 및 (3) 상기 예측 대기 시간 및 이에 대응되는 그라운드 트루스를 참조로 하여, 대기 로스를 구하고, 상기 대기 로스를 백프로퍼게이션하여 상기 학습 장치의 파라미터를 업데이트하는 프로세스를 수행하되,
상기 (3) 프로세스에서, 상기 그라운드 트루스는, 상기 특정 정류장에서 상기 특정 버스가 상기 특정 시간대에 실제로 대기한 시간을 참조로 하여 결정되는 것을 특징으로 하는 학습 장치.
특정 자율주행 버스의 운행을 제어하기 위한 학습 장치에 있어서,
인스트럭션을 저장하는 적어도 하나의 메모리; 및
상기 인스트럭션들을 실행하기 위해 구성된 적어도 하나의 프로세서;를 포함하되,
상기 프로세서는, (1) (i) 특정 정류장에서 상기 특정 자율주행 버스로부터의 특정 하차 승객 데이터 및 상기 특정 자율주행 버스로의 특정 승차 승객 데이터 중 적어도 일부를 포함하는 특정 버스 관련 데이터, (ii) 상기 특정 정류장에서 타 차량으로부터의 타 하차 승객 데이터 및 상기 타 차량으로의 타 승차 승객 데이터 중 적어도 일부를 포함하는 타 차량 관련 데이터, (iii) 상기 특정 정류장에 대응되는 특정 신호등 데이터 중 적어도 일부를 입력 받는 프로세스, (2) 상기 특정 버스 관련 데이터, 상기 타 차량 관련 데이터, 및 상기 특정 신호등 데이터 중 적어도 일부를 사용하여, 상기 특정 정류장에서 특정 시간대에 상기 특정 자율주행 버스가 대기하는 시간을 예측한 결과인 예측 대기 시간을 계산하는 프로세스, 및 (3) 상기 예측 대기 시간 및 이에 대응되는 그라운드 트루스를 참조로 하여, 대기 로스를 구하고, 상기 대기 로스를 백프로퍼게이션하여 상기 학습 장치의 파라미터를 업데이트하는 프로세스를 수행하되,
상기 (2) 프로세스에서, 상기 특정 버스 관련 데이터, 상기 타 차량 관련 데이터, 및 상기 특정 신호등 데이터 중 적어도 일부를 사용하여, 상기 특정 정류장에서 상기 특정 시간대에 상기 특정 자율주행 버스가 대기하는 시간을 예측한 결과인 예측 대기 시간을 계산함에 있어서, 요일별 및 시간대별로 상기 예측 대기 시간을 계산하고 관리하고, 상기 (3) 프로세스에서, 상기 요일별 및 상기 시간대별 예측 대기 시간 및 이에 대응되는 상기 요일별 및 상기 시간대별 그라운드 트루스를 참조로 하여, 상기 요일별 및 상기 시간대별 대기 로스를 구하고, 상기 요일별 및 상기 시간대별 대기 로스를 백프로퍼게이션하여 상기 학습 장치의 파라미터를 업데이트하는 것을 특징으로 하는 학습 장치.
특정 자율주행 버스의 운행을 제어하기 위한 학습 장치에 있어서,
인스트럭션을 저장하는 적어도 하나의 메모리; 및
상기 인스트럭션들을 실행하기 위해 구성된 적어도 하나의 프로세서;를 포함하되,
상기 프로세서는, (1) (i) 특정 정류장에서 상기 특정 자율주행 버스로부터의 특정 하차 승객 데이터 및 상기 특정 자율주행 버스로의 특정 승차 승객 데이터 중 적어도 일부를 포함하는 특정 버스 관련 데이터, (ii) 상기 특정 정류장에서 타 차량으로부터의 타 하차 승객 데이터 및 상기 타 차량으로의 타 승차 승객 데이터 중 적어도 일부를 포함하는 타 차량 관련 데이터, (iii) 상기 특정 정류장에 대응되는 특정 신호등 데이터 중 적어도 일부를 입력 받는 프로세스, (2) 상기 특정 버스 관련 데이터, 상기 타 차량 관련 데이터, 및 상기 특정 신호등 데이터 중 적어도 일부를 사용하여, 상기 특정 정류장에서 특정 시간대에 상기 특정 자율주행 버스가 대기하는 시간을 예측한 결과인 예측 대기 시간을 계산하는 프로세스, 및 (3) 상기 예측 대기 시간 및 이에 대응되는 그라운드 트루스를 참조로 하여, 대기 로스를 구하고, 상기 대기 로스를 백프로퍼게이션하여 상기 학습 장치의 파라미터를 업데이트하는 프로세스를 수행하되,
상기 (1) 프로세스에서, 상기 타 차량 관련 데이터는, (i) ADAS(Advanced Driver Assistance Systems)를 통해 감지된 앞 차와의 거리를 인식하여 상기 타 차량의 대기 시간을 저장하는 ADAS 관련 데이터, (ii) V2X(Vehicle to Everything)를 통해, 상기 타 차량의 상기 타 하차 승객 데이터 및 상기 타 승차 승객 데이터 중 적어도 일부를 수신한 V2X 관련 데이터 중 적어도 일부를 포함하는 것을 특징으로 하는 학습 장치.
특정 자율주행 버스의 운행을 제어하기 위한 테스트 장치에 있어서,
인스트럭션을 저장하는 적어도 하나의 메모리; 및
상기 인스트럭션들을 실행하기 위해 구성된 적어도 하나의 프로세서;를 포함하되,
상기 프로세서는, (1) 학습 장치가, (I) (i) 특정 정류장에서 상기 특정 자율주행 버스로부터의 학습용 특정 하차 승객 데이터 및 상기 특정 자율주행 버스로의 학습용 특정 승차 승객 데이터 중 적어도 일부를 포함하는 학습용 특정 버스 관련 데이터, (ii) 상기 특정 정류장에서 학습용 타 차량으로부터의 학습용 타 하차 승객 데이터 및 상기 학습용 타 차량으로의 학습용 타 승차 승객 데이터 중 적어도 일부를 포함하는 학습용 타 차량 관련 데이터, (iii) 상기 특정 정류장에 대응되는 학습용 특정 신호등 데이터 중 적어도 일부를 입력 받는 프로세스; (II) 상기 학습용 특정 버스 관련 데이터, 상기 학습용 타 차량 관련 데이터, 및 상기 학습용 특정 신호등 데이터 중 적어도 일부를 사용하여, 상기 특정 정류장에서 특정 시간대에 상기 특정 자율주행 버스가 대기하는 시간을 예측한 결과인 학습용 예측 대기 시간을 계산하는 프로세스; 및 (III) 상기 학습용 예측 대기 시간 및 이에 대응되는 그라운드 트루스를 참조로 하여, 대기 로스를 구하고, 상기 대기 로스를 백프로퍼게이션하여 상기 학습 장치의 파라미터를 업데이트하는 프로세스를 수행한 상태에서, (i) 상기 특정 정류장에서 상기 특정 자율주행 버스로부터의 테스트용 특정 하차 승객 데이터 및 상기 특정 자율주행 버스로의 테스트용 특정 승차 승객 데이터 중 적어도 일부를 포함하는 테스트용 특정 버스 관련 데이터, (ii) 상기 특정 정류장에서 테스트용 타 차량으로부터의 테스트용 타 하차 승객 데이터 및 상기 테스트용 타 차량으로의 테스트용 타 승차 승객 데이터 중 적어도 일부를 포함하는 테스트용 타 차량 관련 데이터, (iii) 상기 특정 정류장에 대응되는 테스트용 특정 신호등 데이터 중 적어도 일부를 입력 받는 프로세스; (2) 상기 테스트용 특정 버스 관련 데이터, 상기 테스트용 타 차량 관련 데이터, 및 상기 테스트용 특정 신호등 데이터 중 적어도 일부를 사용하여, 상기 특정 정류장에서 테스트용 특정 시간대에 상기 특정 자율주행 버스가 대기하는 시간을 예측한 결과인 테스트용 예측 대기 시간을 계산하는 프로세스; 및 (3) 상기 테스트용 예측 대기 시간을 참조로 하여, 상기 특정 자율주행 버스의 엔진을 끄도록 제어하는 프로세스를 수행하는 것을 특징으로 하는 테스트 장치.
제16항에 있어서,제16항에 있어서,
상기 프로세서는, 상기 (1) 프로세스에서, 상기 테스트용 타 차량 관련 데이터로서, (ii-1) 상기 특정 정류장에서의 상기 테스트용 타 차량에 포함된 적어도 한 대의 테스트용 타 버스에 대한 노선번호정보 및 (ii-2) 상기 특정 정류장에서 상기 테스트용 특정 시간대에 상기 테스트용 타 버스에서 하차하는 테스트용 제1 승객의 수 및 상기 테스트용 타 버스에 승차하는 테스트용 제2 승객의 수에 대한 정보를 추가적으로 입력 받고, 상기 (2) 프로세스에서, 상기 테스트용 특정 버스 관련 데이터, 상기 테스트용 타 버스에 대한 노선번호정보, 상기 테스트용 제1 승객의 수, 상기 테스트용 제2 승객의 수, 및 상기 테스트용 특정 신호등 데이터 중 적어도 일부를 사용하여, 상기 특정 정류장에서 상기 테스트용 특정 시간대에 상기 특정 자율주행 버스가 대기하는 시간을 예측한 결과인 상기 테스트용 예측 대기 시간을 계산하는 것을 특징으로 하는 테스트 장치.
제16항에 있어서,
상기 (2) 프로세스에서, 상기 프로세서가, 상기 테스트용 특정 버스 관련 데이터, 상기 테스트용 타 차량 관련 데이터, 및 상기 테스트용 특정 신호등 데이터 중 적어도 일부를 사용하여, 상기 특정 정류장에서 상기 테스트용 특정 시간대에 상기 특정 자율주행 버스가 대기하는 시간을 예측한 결과인 상기 테스트용 예측 대기 시간을 계산함에 있어서, 요일별 및 시간대별로 테스트용 예측 대기 시간을 계산하고 관리하는 것을 특징으로 하는 테스트 장치.