KR102628790B1 - 자율 주행 능력들을 갖는 차량들에 대한 위험 처리 - Google Patents

자율 주행 능력들을 갖는 차량들에 대한 위험 처리 Download PDF

Info

Publication number
KR102628790B1
KR102628790B1 KR1020227011824A KR20227011824A KR102628790B1 KR 102628790 B1 KR102628790 B1 KR 102628790B1 KR 1020227011824 A KR1020227011824 A KR 1020227011824A KR 20227011824 A KR20227011824 A KR 20227011824A KR 102628790 B1 KR102628790 B1 KR 102628790B1
Authority
KR
South Korea
Prior art keywords
vehicle
hazard
risk
location
autonomous driving
Prior art date
Application number
KR1020227011824A
Other languages
English (en)
Other versions
KR20220050233A (ko
Inventor
쉰-셴 창
노암 와인스타인
에릭 볼프
필립 로벨
제이콥 씨. 슈브롱
칼 이아그네마
카타르지나 안나 마르주크
Original Assignee
모셔널 에이디 엘엘씨
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 모셔널 에이디 엘엘씨 filed Critical 모셔널 에이디 엘엘씨
Publication of KR20220050233A publication Critical patent/KR20220050233A/ko
Application granted granted Critical
Publication of KR102628790B1 publication Critical patent/KR102628790B1/ko

Links

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
    • B60W60/0015—Planning or execution of driving tasks specially adapted for safety
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60K—ARRANGEMENT OR MOUNTING OF PROPULSION UNITS OR OF TRANSMISSIONS IN VEHICLES; ARRANGEMENT OR MOUNTING OF PLURAL DIVERSE PRIME-MOVERS IN VEHICLES; AUXILIARY DRIVES FOR VEHICLES; INSTRUMENTATION OR DASHBOARDS FOR VEHICLES; ARRANGEMENTS IN CONNECTION WITH COOLING, AIR INTAKE, GAS EXHAUST OR FUEL SUPPLY OF PROPULSION UNITS IN VEHICLES
    • B60K35/00—Arrangement of adaptations of instruments
    • B60K35/10—
    • B60K35/28—
    • 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
    • B60W10/00—Conjoint control of vehicle sub-units of different type or different function
    • B60W10/20—Conjoint control of vehicle sub-units of different type or different function including control of steering systems
    • 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
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/09—Taking automatic action to avoid collision, e.g. braking and steering
    • 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
    • B60W30/095—Predicting travel path or likelihood of collision
    • B60W30/0953—Predicting travel path or likelihood of collision the prediction being responsive to vehicle dynamic parameters
    • 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
    • B60W30/095—Predicting travel path or likelihood of collision
    • B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
    • 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
    • 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
    • B60W30/18—Propelling the vehicle
    • B60W30/18009—Propelling the vehicle related to particular drive situations
    • B60W30/18163—Lane change; Overtaking manoeuvres
    • 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
    • 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
    • B60W50/0097—Predicting future 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
    • 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
    • B60W50/08—Interaction between the driver and the control system
    • B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
    • 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
    • G05D1/0011—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot associated with a remote control arrangement
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/008—Registering or indicating the working of vehicles communicating information to a remotely located station
    • B60K2360/652—
    • 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
    • B60W2050/0002—Automatic control, details of type of controller or control system architecture
    • B60W2050/0004—In digital systems, e.g. discrete-time systems involving sampling
    • B60W2050/0005—Processor details or data handling, e.g. memory registers or chip architecture
    • 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
    • B60W2050/0062—Adapting control system settings
    • B60W2050/0063—Manual parameter input, manual setting means, manual initialising or calibrating means
    • B60W2050/0064—Manual parameter input, manual setting means, manual initialising or calibrating means using a remote, e.g. cordless, transmitter or receiver unit, e.g. remote keypad or mobile phone
    • 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
    • B60W2050/0062—Adapting control system settings
    • B60W2050/0075—Automatic parameter input, automatic initialising or calibrating means
    • 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
    • B60W2050/0062—Adapting control system settings
    • B60W2050/0075—Automatic parameter input, automatic initialising or calibrating means
    • B60W2050/009—Priority selection
    • 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
    • B60W50/08—Interaction between the driver and the control system
    • B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
    • B60W2050/143—Alarm means
    • 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
    • B60W2520/00—Input parameters relating to overall vehicle dynamics
    • B60W2520/06—Direction of travel
    • 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
    • B60W2520/00—Input parameters relating to overall vehicle dynamics
    • B60W2520/10—Longitudinal 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
    • B60W2540/00—Input parameters relating to occupants
    • B60W2540/30—Driving style
    • 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
    • B60W2552/00—Input parameters relating to infrastructure
    • 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
    • B60W2552/00—Input parameters relating to infrastructure
    • B60W2552/50—Barriers
    • 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
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/404—Characteristics
    • B60W2554/4041—Position
    • 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
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/404—Characteristics
    • B60W2554/4042—Longitudinal 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
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/80—Spatial relation or speed relative to objects
    • 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
    • B60W2555/00—Input parameters relating to exterior conditions, not covered by groups B60W2552/00, B60W2554/00
    • B60W2555/60—Traffic rules, e.g. speed limits or right of way
    • 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
    • B60W2556/10—Historical data
    • 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
    • B60W2720/00—Output or target parameters relating to overall vehicle dynamics
    • B60W2720/10—Longitudinal speed
    • B60W2720/106—Longitudinal acceleration

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Transportation (AREA)
  • Automation & Control Theory (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • General Physics & Mathematics (AREA)
  • Traffic Control Systems (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Aviation & Aerospace Engineering (AREA)

Abstract

특히, 센서 신호들은 자율 주행 능력을 포함하는 차량을 이용하여 수신된다. 센서 신호들에 기반하여, 차량을 동작시키는 것과 연관된 위험이 식별된다. 자율 주행 능력은 위험에 반응하여 수정된다. 차량의 동작은 자율 능력의 수정에 기반하여 업데이트된다.

Description

자율 주행 능력들을 갖는 차량들에 대한 위험 처리{RISK PROCESSING FOR VEHICLES HAVING AUTONOMOUS DRIVING CAPABILITIES}
관련 출원들에 대한 상호 참조
본 출원은 2017년 6월 20일에 출원된 미국 가출원 제62/522,254호에 대한 우선권 및 그 이익을 주장하며, 그 전체 내용들은 본 명세서에 참조로 포함된다.
본 설명은 자율 주행 능력들을 갖는 차량들에 대한 위험 처리를 위한 시스템들 및 방법들에 관한 것이다.
자율 주행 능력들을 갖는 차량은 도로 상에서 주행하는 동안 위험들에 직면할 수 있다. 이러한 위험들은 예를 들어 보행자가 차량 앞의 거리를 갑자기 횡단하여 보행자와의 충돌을 피하기 어려울 수 있는 경우를 포함할 수 있다. 이러한 위험들은 또한 예를 들어 도로 상의 다른 차량과의 충돌의 가능성을 포함할 수 있다. 이러한 위험들은 또한 예를 들어, 특히 비 또는 눈에서와 같은 불리한 주행 조건들에서의 사고들의 가능성을 포함할 수 있다.
일반적으로, 일 양태에서, 센서 신호들은 자율 주행 능력을 포함하는 차량을 이용하여 수신된다. 센서 신호들에 기반하여, 차량을 동작시키는 것과 연관된 위험이 식별된다. 자율 주행 능력은 위험에 반응하여 수정된다. 차량의 동작은 자율 능력의 수정에 기반하여 업데이트된다.
위험을 식별하는 일부 실시예들은 위험을 감지하거나 예측하는 단계를 포함할 수 있다. 식별하는 단계는 센서 신호들, 또는 알려지거나 예측된 위험들, 또는 둘 모두를 분석하는 단계를 포함할 수 있다. 식별하는 단계는 센서 신호들을 분석하여 대상체의 위치를 결정하는 단계를 포함할 수 있다. 식별하는 단계는 센서 신호들을 분석하여 대상체의 속도를 평가하는 단계를 포함할 수 있다. 식별하는 단계는 센서 신호들을 분석하여 시간에 따라 2개 이상의 대상체들의 속도 프로파일들을 평가하는 단계를 포함할 수 있다. 식별하는 단계는 센서 신호들을 분석하여 대상체의 경계를 식별하는 단계를 포함할 수 있다. 식별하는 단계는 센서 신호들을 분석하여 2개 이상의 대상체들의 중첩하는 경계들을 식별하는 단계를 포함할 수 있다. 식별하는 단계는 센서 신호들을 분석하여 화학물질의 농도를 결정하는 단계를 포함할 수 있다.
일 실시예에서, 식별하는 단계는 센서 신호들을 분석하여 이미지 또는 비디오 상의 하나 이상의 대상체를 세그먼트화하는 단계를 포함할 수 있다. 식별하는 단계는 세그먼트화된 하나 이상의 대상체를 추적하는 단계를 포함할 수 있다.
일 실시예에서, 식별하는 단계는 위협을 평가하는 단계를 포함할 수 있다.
일 실시예에서, 식별하는 단계는 차량 또는 다른 차량의 주행 거동을 평가하는 단계를 포함할 수 있다. 주행 거동을 평가하는 단계는 속도, 진로 방향, 궤적, 차량 동작 또는 이들의 조합들을 평가하는 단계를 포함할 수 있다.
일 실시예에서, 식별하는 단계는 알려진 위험들의 패턴을 학습하는 단계를 포함할 수 있다. 패턴은 대상체들, 시간들, 도로 구성들, 또는 지리 위치들 중 하나 이상과 알려진 위험들의 연관들을 포함할 수 있다.
일 실시예에서, 차량의 동작을 업데이트하는 단계는 차량의 모션 계획 시스템에 의해 차선 변경을 실행하는 단계를 포함할 수 있다. 차량의 동작을 업데이트하는 단계는 차량의 모션 계획 시스템에 의해 궤적 변경을 실행하는 단계를 포함할 수 있다. 위험에 반응하는 단계는 분석된 센서 신호들을 차량의 지각 시스템에 대한 사전 정보로서 처리하는 단계를 포함할 수 있다. 위험에 반응하는 단계는 원격 조작자로부터 차량의 동작에 대한 개입을 호출하는 단계를 포함할 수 있다. 차량의 동작을 업데이트하는 단계는 새로운 기계 명령어들을 생성하고 이를 차량의 동작의 기존의 기계 명령어들에 삽입하는 단계를 포함할 수 있다. 위험에 반응하는 단계는 차량의 동작에 대한 입력을 생성하는 단계를 포함할 수 있다.
일 실시예에서, 본 방법은 위험의 보고서를 생성하는 단계를 포함할 수 있다. 위험의 보고서를 생성하는 단계는 센서 신호들로부터 위험과 연관된 정보를 추출하고 집성하는 단계를 포함할 수 있다. 정보를 추출하고 집성하는 단계는 중첩하는 지리적 구역들, 중첩하는 기간들, 또는 보고서 빈도들 중 하나 이상을 평가하는 단계를 포함할 수 있다.
일 실시예에서, 위험의 보고서를 생성하는 단계는 위험의 환경을 기록하는 단계를 포함할 수 있다. 위험의 보고서를 생성하는 단계는 이미지들 또는 비디오들을 스티칭하여 위험의 뷰를 형성하는 단계를 포함할 수 있다. 위험의 보고서를 생성하는 단계는 위험과 연관된 개인 정보를 제거하는 단계를 포함할 수 있다. 위험의 보고서를 생성하는 단계는 인터페이스 사용자가 위험과 연관된 정보를 제공할 수 있게 하는 인터페이스를 제공하는 단계를 포함할 수 있다. 위험의 보고서를 생성하는 단계는 위험과 연관된 2개 이상의 보고서를 통합하는 단계를 포함할 수 있다.
본 방법의 일 실시예는 원격 데이터 소스로부터 위험의 보고서를 수신하는 단계를 포함할 수 있다.
본 방법의 일 실시예는 차량의 위험 요인을 평가하는 단계를 포함할 수 있다. 위험 요인을 평가하는 단계는 위험 영역을 통과하는 것과 연관된 위험을 결정하는 단계를 포함할 수 있다. 위험 요인을 평가하는 단계는 주행 거리 또는 주행 기간과 연관된 위험을 결정하는 단계를 포함할 수 있다. 위험 요인을 평가하는 단계는 차량의 노후화 구성요소와 연관된 위험을 결정하는 단계를 포함할 수 있다. 위험 요인을 평가하는 단계는 비활성 자율 주행 능력과 연관된 위험을 결정하는 단계를 포함할 수 있다. 위험 요인을 평가하는 단계는 차량의 사용자의 프로파일에 기반하여 위험을 결정하는 단계를 포함할 수 있다. 위험 요인을 평가하는 단계는 차량의 사용자의 소셜 네트워크에 기반하여 위험을 결정하는 단계를 포함할 수 있다. 위험 요인을 평가하는 단계는 주행 거동과 연관된 위험을 결정하는 단계를 포함할 수 있다. 위험 요인을 평가하는 단계는 후속 교통 규칙들과 연관된 위험을 결정하는 단계를 포함할 수 있다.
일반적으로, 일 양태에서, 자율 주행 능력들을 갖는 차량은 도로망 상에서 자율적으로 차량을 주행하기 위한 주행 제어 시스템으로부터의 제어 신호들에 반응하는 조향, 가속 및 감속 디바이스들을 포함한다. 차량은 또한 센서 신호들을 수신하고, 센서 신호들에 기반하여 차량을 동작시키는 것과 연관된 위험을 식별하는 차량 상의 모니터링 요소를 포함한다. 차량은, 위험에 반응하여 자율 주행 능력을 수정하고, 자율 능력의 수정에 기반하여, 차량을 목표 위치로 조종하기 위해 차량의 동작을 업데이트하도록 주행 제어 시스템을 구성함으로써 위험에 반응하는 제어기를 추가로 포함한다.
위험을 식별하는 일 실시예는 위험을 감지하거나 예측하는 것을 포함할 수 있다. 식별하는 것은 센서 신호들, 또는 알려지거나 예측된 위험들, 또는 둘 모두를 분석하는 것을 포함할 수 있다. 식별하는 것은 센서 신호들을 분석하여 대상체의 위치를 결정하는 것을 포함할 수 있다. 식별하는 것은 센서 신호들을 분석하여 대상체의 속도를 평가하는 것을 포함할 수 있다. 식별하는 것은 센서 신호들을 분석하여 시간에 따라 2개 이상의 대상체들의 속도 프로파일들을 평가하는 것을 포함할 수 있다. 식별하는 것은 센서 신호들을 분석하여 대상체의 경계를 식별하는 것을 포함할 수 있다. 식별하는 것은 센서 신호들을 분석하여 2개 이상의 대상체들의 중첩하는 경계들을 식별하는 것을 포함할 수 있다. 식별하는 것은 센서 신호들을 분석하여 화학물질의 농도를 결정하는 것을 포함할 수 있다.
차량의 일 실시예에서, 식별하는 것은 센서 신호들을 분석하여 이미지 또는 비디오 상의 하나 이상의 대상체를 세그먼트화하는 것을 포함할 수 있다. 식별하는 것은 세그먼트화된 하나 이상의 대상체를 추적하는 것을 포함할 수 있다.
차량의 일 실시예에서, 식별하는 것은 위협을 평가하는 것을 포함할 수 있다.
차량의 일 실시예에서, 식별하는 것은 차량 또는 다른 차량의 주행 거동을 평가하는 것을 포함할 수 있다. 주행 거동을 평가하는 것은 속도, 진로 방향, 궤적, 차량 동작 또는 이들의 조합들을 평가하는 것을 포함할 수 있다.
차량의 일 실시예에서, 식별하는 것은 알려진 위험들의 패턴을 학습하는 것을 포함할 수 있다. 패턴은 대상체들, 시간들, 도로 구성들, 또는 지리 위치들 중 하나 이상과 알려진 위험들의 연관들을 포함할 수 있다.
차량의 일 실시예에서, 차량의 동작을 업데이트하는 것은 차량의 모션 계획 시스템에 의해 차선 변경을 실행하는 것을 포함할 수 있다. 차량의 동작을 업데이트하는 것은 차량의 모션 계획 시스템에 의해 궤적 변경을 실행하는 것을 포함할 수 있다. 위험에 반응하는 것은 분석된 센서 신호들을 차량의 지각 시스템에 대한 사전 정보로서 처리하는 것을 포함할 수 있다. 위험에 반응하는 것은 원격 조작자로부터 차량의 동작에 대한 개입을 호출하는 것을 포함할 수 있다. 차량의 동작을 업데이트하는 것은 새로운 기계 명령어들을 생성하고 이를 차량의 동작의 기존의 기계 명령어들에 삽입하는 것을 포함할 수 있다. 위험에 반응하는 것은 차량의 동작에 대한 입력을 생성하는 것을 포함할 수 있다.
일 실시예에서, 차량은 위험의 보고서를 생성하기 위한 보고 요소를 포함할 수 있다. 위험의 보고서를 생성하는 것은 센서 신호들로부터 위험과 연관된 정보를 추출하고 집성하는 것을 포함할 수 있다. 정보를 추출하고 집성하는 것은 중첩하는 지리적 구역들, 중첩하는 기간들, 또는 보고서 빈도들 중 하나 이상을 평가하는 것을 포함할 수 있다.
차량의 일 실시예에서, 위험의 보고서를 생성하는 것은 위험의 환경을 기록하는 것을 포함할 수 있다. 위험의 보고서를 생성하는 것은 이미지들 또는 비디오들을 스티칭하여 위험의 뷰를 형성하는 것을 포함할 수 있다. 위험의 보고서를 생성하는 것은 위험과 연관된 개인 정보를 제거하는 것을 포함할 수 있다. 위험의 보고서를 생성하는 것은 인터페이스 사용자가 위험과 연관된 정보를 제공할 수 있게 하는 인터페이스를 제공하는 것을 포함할 수 있다. 위험의 보고서를 생성하는 것은 위험과 연관된 2개 이상의 보고서를 통합하는 것을 포함할 수 있다.
차량의 일 실시예에서, 보고 요소는 원격 데이터 소스로부터 위험의 보고서를 수신하는 것을 포함할 수 있다.
차량의 일 실시예는 차량의 위험 요인을 평가하는 것을 포함할 수 있다. 위험 요인을 평가하는 것은 위험 영역을 통과하는 것과 연관된 위험을 결정하는 것을 포함할 수 있다. 위험 요인을 평가하는 것은 주행 거리 또는 주행 기간과 연관된 위험을 결정하는 것을 포함할 수 있다. 위험 요인을 평가하는 것은 차량의 노후화 구성요소와 연관된 위험을 결정하는 것을 포함할 수 있다. 위험 요인을 평가하는 것은 비활성 자율 주행 능력과 연관된 위험을 결정하는 것을 포함할 수 있다. 위험 요인을 평가하는 것은 차량의 사용자의 프로파일에 기반하여 위험을 결정하는 것을 포함할 수 있다. 위험 요인을 평가하는 것은 차량의 사용자의 소셜 네트워크에 기반하여 위험을 결정하는 것을 포함할 수 있다. 위험 요인을 평가하는 것은 주행 거동과 연관된 위험을 결정하는 것을 포함할 수 있다. 위험 요인을 평가하는 것은 후속 교통 규칙들과 연관된 위험을 결정하는 것을 포함할 수 있다.
일반적으로, 일 양태에서, 장치는 데이터를 처리하여 자율 주행 능력을 포함하는 차량을 주행하는 위험을 식별하도록 구성된 프로세서를 포함한다. 프로세서는 또한, 위험에 반응하여 자율 주행 능력을 수정하고, 자율 능력의 수정에 기반하여 차량의 동작을 업데이트하도록 구성된다. 장치는 또한 식별된 위험의 경보를 발하도록 구성된 경보기를 포함한다.
장치의 일 실시예에서, 위험을 식별하는 것은 위험을 감지하거나 예측하는 것을 포함할 수 있다. 데이터는 센서 신호들, 또는 알려지거나 예측된 위험들, 또는 둘 모두를 포함할 수 있다. 식별하는 것은 센서 신호들을 분석하여 대상체의 위치를 결정하는 것을 포함할 수 있다. 식별하는 것은 센서 신호들을 분석하여 대상체의 속도를 평가하는 것을 포함할 수 있다. 식별하는 것은 센서 신호들을 분석하여 시간에 따라 2개 이상의 대상체들의 속도 프로파일들을 평가하는 것을 포함할 수 있다. 식별하는 것은 센서 신호들을 분석하여 대상체의 경계를 식별하는 것을 포함할 수 있다. 식별하는 것은 센서 신호들을 분석하여 2개 이상의 대상체들의 중첩하는 경계들을 식별하는 것을 포함할 수 있다. 식별하는 것은 센서 신호들을 분석하여 화학물질의 농도를 결정하는 것을 포함할 수 있다.
장치의 일 실시예에서, 식별하는 것은 센서 신호들을 분석하여 이미지 또는 비디오 상의 하나 이상의 대상체를 세그먼트화하는 것을 포함할 수 있다. 식별하는 것은 세그먼트화된 하나 이상의 대상체를 추적하는 것을 포함할 수 있다.
장치의 일 실시예에서, 식별하는 것은 위협을 평가하는 것을 포함할 수 있다.
장치의 일 실시예에서, 식별하는 것은 차량 또는 다른 차량의 주행 거동을 평가하는 것을 포함할 수 있다. 주행 거동을 평가하는 것은 속도, 진로 방향, 궤적, 차량 동작 또는 이들의 조합들을 평가하는 것을 포함할 수 있다.
장치의 일 실시예에서, 식별하는 것은 알려진 위험들의 패턴을 학습하는 것을 포함할 수 있다. 패턴은 대상체들, 시간들, 도로 구성들, 또는 지리 위치들 중 하나 이상과 알려진 위험들의 연관들을 포함할 수 있다.
장치의 일 실시예에서, 차량의 동작을 업데이트하는 것은 차량의 모션 계획 시스템에 의해 차선 변경을 실행하는 것을 포함할 수 있다. 차량의 동작을 업데이트하는 것은 차량의 모션 계획 시스템에 의해 궤적 변경을 실행하는 것을 포함할 수 있다. 위험에 반응하는 것은 분석된 센서 신호들을 차량의 지각 시스템에 대한 사전 정보로서 처리하는 것을 포함할 수 있다. 위험에 반응하는 것은 원격 조작자로부터 차량의 동작에 대한 개입을 호출하는 것을 포함할 수 있다. 차량의 동작을 업데이트하는 것은 새로운 기계 명령어들을 생성하고 이를 차량의 동작의 기존의 기계 명령어들에 삽입하는 것을 포함할 수 있다. 위험에 반응하는 것은 차량의 동작에 대한 입력을 생성하는 것을 포함할 수 있다.
일 실시예에서, 장치는 위험의 보고서를 생성하도록 구성된 프로세서를 포함할 수 있다. 위험의 보고서를 생성하는 것은 센서 신호들로부터 위험과 연관된 정보를 추출하고 집성하는 것을 포함할 수 있다. 정보를 추출하고 집성하는 것은 중첩하는 지리적 구역들, 중첩하는 기간들, 또는 보고서 빈도들 중 하나 이상을 평가하는 것을 포함할 수 있다.
장치의 일 실시예에서, 위험의 보고서를 생성하는 것은 위험의 환경을 기록하는 것을 포함할 수 있다. 위험의 보고서를 생성하는 것은 이미지들 또는 비디오들을 스티칭하여 위험의 뷰를 형성하는 것을 포함할 수 있다. 위험의 보고서를 생성하는 것은 위험과 연관된 개인 정보를 제거하는 것을 포함할 수 있다. 위험의 보고서를 생성하는 것은 인터페이스 사용자가 위험과 연관된 정보를 제공할 수 있게 하는 인터페이스를 제공하는 것을 포함할 수 있다. 위험의 보고서를 생성하는 것은 위험과 연관된 2개 이상의 보고서를 통합하는 것을 포함할 수 있다.
장치의 일 실시예에서, 프로세서는 원격 데이터 소스로부터 위험의 보고서를 수신하도록 구성될 수 있다.
장치의 일 실시예는 차량의 위험 요인을 평가하도록 구성된 프로세서를 포함할 수 있다. 위험 요인을 평가하는 것은 위험 영역을 통과하는 것과 연관된 위험을 결정하는 것을 포함할 수 있다. 위험 요인을 평가하는 것은 주행 거리 또는 주행 기간과 연관된 위험을 결정하는 것을 포함할 수 있다. 위험 요인을 평가하는 것은 차량의 노후화 구성요소와 연관된 위험을 결정하는 것을 포함할 수 있다. 위험 요인을 평가하는 것은 비활성 자율 주행 능력과 연관된 위험을 결정하는 것을 포함할 수 있다. 위험 요인을 평가하는 것은 차량의 사용자의 프로파일에 기반하여 위험을 결정하는 것을 포함할 수 있다. 위험 요인을 평가하는 것은 차량의 사용자의 소셜 네트워크에 기반하여 위험을 결정하는 것을 포함할 수 있다. 위험 요인을 평가하는 것은 주행 거동과 연관된 위험을 결정하는 것을 포함할 수 있다. 위험 요인을 평가하는 것은 후속 교통 규칙들과 연관된 위험을 결정하는 것을 포함할 수 있다.
이들 및 다른 양태들, 특징들 및 실시예들은 방법들, 장치, 시스템들, 구성요소들, 프로그램 제품들, 비즈니스 수행 방법들, 기능을 수행하기 위한 수단들 또는 단계들, 및 다른 방식들로 표현될 수 있다.
이들 및 다른 양태들, 특징들 및 실시예들은 청구항들을 포함하여 다음의 설명들로부터 명백해질 것이다.
도 1은 자율 능력을 갖는 자율 차량의 예를 도시한다.
도 2 내지 도 4는 위험 처리 시스템들의 아키텍처들의 예들을 도시한다.
도 5는 도로 상에서 주행하는 동안 그 부근에서의 충돌을 감지하는 자율 차량의 예를 도시한다.
도 6a는 노면의 앙각 프로파일에 관한 정보를 인코딩함으로써 자율 차량에 의한 대상체 감지의 예를 도시한다.
도 6b 및 도 6c는 주행 거동들을 모니터링하는 위험 모니터링 프로세스의 예들을 도시한다.
도 7 내지 도 10은 위험 처리 시스템의 예들을 도시한다.
도 11은 위험 처리 시스템의 인터페이스의 예를 도시한다.
도 12는 예시적인 "클라우드" 컴퓨팅 환경을 도시한다.
도 13은 컴퓨터 시스템의 예를 도시한다.
도 1은 자율 능력을 갖는 자율 차량(100)의 예를 도시한다.
본 명세서에서 사용되는 "자율 능력"이라는 용어는 차량에 의해 구체적으로 요청되지 않는 한, 실시간 사람 개입 없이 차량이 동작될 수 있게 하는 기능, 특징 또는 설비를 지칭한다.
본 명세서에서 사용되는 자율 차량(AV)은 자율 능력을 소유하는 차량이다.
본 명세서에서 사용되는 차량은 상품들 또는 사람들의 전위의 수단을 포함한다. 예를 들어, 차량들은 무엇보다도 자동차들, 버스들, 열차들, 비행기들, 드론들, 트럭들, 보트들, 선박들, 잠수정들, 비행선들일 수 있다. 무인 자동차는 AV의 예이다.
본 명세서에서 사용되는 "궤적"이라는 용어는 제1 시공간 위치로부터 제2 시공간 위치로 네비게이팅하기 위해 AV에 의해 생성된 경로 또는 루트를 지칭한다. 일 실시예에서, 제1 시공간 위치는 초기 또는 시작 위치로 지칭되고, 제2 시공간 위치는 목표 또는 목표 위치로서 지칭된다. 일 실시예에서, 시공간 위치들은 실제 세계 위치들에 대응한다. 예를 들어, 시공간 위치들은 사람들 또는 상품들을 싣거나 내리기 위한 싣는 또는 내리는 위치들을 포함한다.
본 명세서에서 사용되는 "위험 처리"라는 용어는 위험에 관한 정보를 축적하는 것, 위험을 예측하는 것, 위험을 모니터링하는 것, 위험을 분석하는 것, 위험에 반응하는 것, 위험에 관련된 요인들을 평가하는 것, 또는 이들의 임의의 조합을 지칭한다.
본 명세서에서 사용되는 "위험 처리 시스템"이라는 용어는 위험 처리를 수행하는 임의의 종류의 하드웨어, 소프트웨어, 펌웨어, 컴퓨터, 또는 임의의 종류의 디바이스, 또는 이들 중 2개 이상의 조합을 지칭한다.
"하나 이상"은 하나의 요소에 의해 수행되는 기능, 예를 들어 분산된 방식으로 하나보다 많은 요소에 의해 수행되는 기능, 하나의 요소에 의해 수행되는 여러 기능들, 여러 요소들에 의해 수행되는 여러 기능들, 또는 이들의 임의의 조합을 포함한다.
비록 제1, 제2 등의 용어들이 일부 경우들에서 다양한 요소들을 설명하기 위해 본 명세서에서 사용되었지만, 이들 요소들은 이들 용어들에 의해 제한되어서는 안된다는 점이 이해될 것이다. 이들 용어들은 하나의 요소를 다른 요소와 구별하는데만 사용된다. 예를 들어, 다양한 설명된 실시예들의 범위를 벗어나지 않고 제1 접점은 제2 접점으로 지칭될 수 있고, 마찬가지로, 제2 접점은 제1 접점으로 지칭될 수 있다. 제1 접점 및 제2 접점 둘 다가 접점들이지만, 이들은 동일한 접점이 아니다.
본 명세서에서 다양한 설명된 실시예들의 설명에 사용된 용어는 단지 특정 실시예들을 설명하기 위한 것이며 제한을 의도하는 것은 아니다. 다양한 설명된 실시예들 및 첨부된 청구항들의 설명에서 사용될 때, 단수 형태들은 문맥상 명백하게 달리 나타내지 않는 한, 복수 형태들을 또한 포함하는 것을 의도한다. 또한, 본 명세서에서 사용되는 "및/또는"이라는 용어는 열거된 관련 아이템들 중 하나 이상의 아이템의 임의의 및 모든 가능한 조합들을 지칭하고 포함하는 것임을 이해할 것이다. 더 나아가, "포함한다" 및/또는 "포함하는"이라는 용어들은 본 명세서에서 사용될 때, 명시된 특징들, 정수들(integers), 단계들, 동작들, 요소들, 및/또는 구성요소들의 존재를 명시하지만, 하나 이상의 다른 특징, 정수, 단계, 동작, 요소, 구성요소, 및/또는 그 그룹의 존재 또는 추가를 배제하지 않음을 이해할 것이다.
본 명세서에서 사용되는 용어 "~경우"는 문맥에 따라 임의적으로 "~할 때" 또는 "~할 시" 또는 "결정에 반응하여" 또는 "감지에 반응하여"를 의미하는 것으로 해석된다. 유사하게, "결정된 경우" 또는 "[명시된 조건 또는 이벤트]가 감지된 경우"라는 문구는 문맥에 따라 임의적으로 "결정 시" 또는 "결정에 반응하여" 또는 "[명시된 조건 또는 이벤트]의 감지 시" 또는 "[명시된 조건 또는 이벤트]의 감지에 반응하여"를 의미하는 것으로 해석된다.
본 명세서에서 사용되는 AV 시스템은, 하드웨어, 소프트웨어, 저장된 데이터, 및 AV의 동작을 지원하는 실시간으로 생성된 데이터의 어레이와 함께 AV를 지칭한다. 일 실시예에서, AV 시스템은 AV 내에 포함된다. 일 실시예에서, AV 시스템은 몇몇 위치들에 걸쳐 확산될 수 있다. 예를 들어, AV 시스템의 소프트웨어 중 일부는 도 13과 관련하여 이하에서 설명되는 클라우드 컴퓨팅 환경(1300)과 유사한 클라우드 컴퓨팅 환경 상에 구현될 수 있다.
일반적으로, 본 문서는, 완전 자율 차량들, 고도의 자율 차량들, 및 소위 레벨 5, 레벨 4 및 레벨 3 차량들과 같은 조건부 자율 차량들을 포함하는 하나 이상의 자율 능력을 각각 갖는 임의의 차량들에 적용가능한 기술들을 설명한다(SAE 국제 표준 J3016: Taxonomy and Definitions for Terms Related to On-Road Motor Vehicle Automated Driving Systems를 참조하며, 이는 차량들에서 자율성의 레벨들의 분류에 대한 보다 상세한 내용들을 위해, 그 전체가 참조로 포함된다). 자율 능력들을 갖는 차량들은 차량들의 조향 또는 속도를 제어하려고 시도할 수 있다. 본 문서에서 설명된 기술들은 또한 부분적으로 자율 차량들 및 소위 레벨 2 및 레벨 1 차량들과 같은 운전자 보조 차량들에 적용될 수 있다(SAE 국제 표준 J3016: Taxonomy and Definitions for Terms Related to On-Road Motor Vehicle Automated Driving Systems를 참조한다). 레벨 1, 2, 3, 4 및 5의 차량 시스템들 중 하나 이상은 센서 입력들의 처리에 기반하여 특정 동작 조건들 하에서 특정 차량 동작들(예를 들어, 조향, 제동 및 맵들의 이용)을 자동화할 수 있다. 본 문서에서 설명된 기술들은 완전 자율 차량들로부터 사람 조작 차량들까지의 범위에 있는 임의의 레벨들에서의 차량들에 혜택을 줄 수 있다.
이하의 설명에서, 개선된 가독성을 위해 표제들이 제공된다. 표제들이 제공되더라도, 특정 표제에 관련되지만 그 표제를 갖는 란에서 발견되지 않는 정보는 또한 본 명세서의 다른 곳에서 발견될 수 있다.
도 1을 참조하면, AV 시스템(120)은 대상체들(예를 들어, 자연 장애물들(191), 차량들(193), 보행자들(192), 자전거를 타는 사람들, 및 다른 장애물들)을 피하고 도로의 규칙들(예를 들어, 동작 또는 주행 성향들의 규칙들)을 지키면서, 환경(190)을 통해 목표 위치(199)까지 궤적(198)을 따라 AV(100)를 자율적으로 또는 반자율적으로 동작시킨다.
일 실시예에서, AV 시스템(120)은 컴퓨터 프로세서들(146)로부터의 동작 명령들을 수신하고 이에 대해 동작하도록 도구화되는 디바이스들(101)을 포함한다. 일 실시예에서, 컴퓨팅 프로세서들(146)은 도 13을 참조하여 이하에서 설명되는 프로세서(1304)와 유사하다. 디바이스들(101)의 예들은 조향 제어부(102), 브레이크들(103), 기어들, 가속기 페달, 윈드쉴드 와이퍼들, 사이드-도어 락들, 윈도우 제어부들, 및 방향 지시기들을 포함한다.
일 실시예에서, AV 시스템(120)은 AV의 위치, 선속도, 각속도와 가속도, 및 진로 방향(예를 들어, AV(100)의 선단의 배향)과 같은 AV(100)의 상태 또는 조건의 특성들을 측정하거나 추론하기 위한 센서들(121)을 포함한다. 예를 들어, GPS, 차량의 선가속도들 및 각속도들 모두를 측정하는 관성 측정 유닛(IMU)들, 휠 미끄럼 비들을 측정하거나 추정하기 위한 휠 속도 센서들, 휠 브레이크 압력 또는 제동 토크 센서들, 엔진 토크 또는 휠 토크 센서들, 및 조향 각 및 각속도 센서들이 있다.
일 실시예에서, 센서들(121)은 또한 AV의 환경의 특성들을 감지하거나 측정하기 위한 센서들을 포함한다. 예를 들어, 가시광, 적외선 또는 열(또는 둘 다의) 스펙트럼들에서의 단안 또는 입체 비디오 카메라들(122), LiDAR(123), 레이더, 초음파 센서들, TOF(time-of-flight) 깊이 센서들, 속도 센서들, 온도 센서들, 습도 센서들, 및 강수 센서들이 있다.
일 실시예에서, AV 시스템(120)은 컴퓨터 프로세서들(146)과 연관된 기계 명령어들 또는 센서들(121)에 의해 수집된 데이터를 저장하기 위한 데이터 저장 유닛(142) 및 메모리(144)를 포함한다. 일 실시예에서, 데이터 저장 유닛(142)은 도 13과 관련하여 이하에서 설명되는 ROM(1308) 또는 저장 디바이스(1310)와 유사하다. 일 실시예에서, 메모리(144)는 이하에서 설명되는 메인 메모리(1306)와 유사하다. 일 실시예에서, 데이터 저장 유닛(142) 및 메모리(144)는 환경(190)에 관한 이력, 실시간, 및/또는 예측 정보를 저장한다. 일 실시예에서, 저장된 정보는 맵들, 주행 성능, 교통 혼잡 업데이트들 또는 날씨 상태들을 포함한다. 일 실시예에서, 환경(190)에 관한 데이터는 원격 위치 데이터베이스(134)로부터의 통신 채널을 통해 AV(100)에 전송된다.
일 실시예에서, AV 시스템(120)은 AV(100)에 대한 위치들, 선속도와 각속도, 선가속도와 각가속도, 및 선형 및 각도 진로 방향들과 같은 다른 차량들의 상태들 및 조건들의 측정된 또는 추론된 특성들을 통신하기 위한 통신 디바이스들(140)을 포함한다. 이들 디바이스들은 V2V(Vehicle-to-Vehicle) 및 V2I(Vehicle-to-Infrastructure) 통신 디바이스들 및 P2P(point-to-point) 또는 애드혹(ad hoc) 네트워크들 또는 둘 모두를 통한 무선 통신들을 위한 디바이스들을 포함한다. 일 실시예에서, 통신 디바이스들(140)은 전자기 스펙트럼(라디오 및 광학 통신들을 포함함) 또는 다른 매체(예를 들어, 공중 및 음향 매체)를 통해 통신한다. V2V와 V2I 통신(및 일부 실시예들에서는, 하나 이상의 다른 유형의 통신)의 조합은 때때로 V2X(Vehicle-to-Everything) 통신이라고 지칭된다. V2X 통신은 통상적으로 자율 차량들과의 통신 및 그들 간의 통신을 위한 하나 이상의 통신 표준을 따른다.
일 실시예에서, 통신 디바이스들(140)은 통신 인터페이스들을 포함한다. 예를 들어, 유선, 무선, WiMAX, Wi-Fi, 블루투스, 위성, 셀룰러, 광학, 근거리, 적외선, 또는 라디오 인터페이스들이 있다. 통신 인터페이스들은 원격 위치 데이터베이스(134)로부터 AV 시스템(120)으로 데이터를 전송한다. 일 실시예에서, 원격 위치 데이터베이스(134)는 도 12에 설명된 바와 같이 클라우드 컴퓨팅 환경(1200)에 매립된다. 통신 인터페이스들(140)은 센서들(121)로부터 수집된 데이터 또는 AV(100)의 동작에 관련된 다른 데이터를 원격 위치 데이터베이스(134)에 전송한다. 일 실시예에서, 통신 인터페이스들(140)은 원격 조작들과 관련되는 정보를 AV(100)에 전송한다. 일부 실시예들에서, AV(100)는 다른 원격(예를 들어, "클라우드") 서버들(136)과 통신한다.
일 실시예에서, 원격 위치 데이터베이스(134)는 또한 디지털 데이터를 저장하고 전송한다(예를 들어, 도로 및 거리 위치들과 같은 데이터를 저장한다). 이러한 데이터는 AV(100) 상의 메모리(144)에 저장될 수 있거나, 원격 위치 데이터베이스(134)로부터의 통신 채널을 통해 AV(100)에 전송될 수 있다.
일 실시예에서, 원격 위치 데이터베이스(134)는 유사한 시각들에서 궤적(198)을 따라 이전에 이동한 차량들의 주행 특성들(예를 들어, 속도 및 가속도 프로파일들)에 관한 이력 정보를 저장하고 전송한다. 이러한 데이터는 AV(100) 상의 메모리(144)에 저장될 수 있거나, 원격 위치 데이터베이스(134)로부터의 통신 채널을 통해 AV(100)에 전송될 수 있다.
AV(100) 상에 위치된 컴퓨팅 디바이스들(146)은 실시간 센서 데이터 및 사전 정보 양쪽 모두에 기반하여 제어 액션들을 알고리즘적으로 생성하여, AV 시스템(120)이 그 자율 주행 능력들을 실행할 수 있게 한다.
일 실시예에서, AV 시스템(120)은 AV(100)의 사용자(예를 들어, 탑승자 또는 원격 사용자)에게 정보 및 경보들을 제공하고 사용자로부터 입력을 수신하기 위한 컴퓨팅 디바이스들(146)에 결합된 컴퓨터 주변기기들(132)을 포함할 수 있다. 일 실시예에서, 주변기기들(132)은 도 13과 관련하여 아래에서 논의되는 디스플레이(1312), 입력 디바이스(1314), 및 커서 제어기(1316)와 유사하다. 이러한 결합은 무선 또는 유선일 수 있다. 인터페이스 디바이스들 중 임의의 2개 이상은 단일 디바이스에 통합될 수 있다.
도 2 내지 도 4는 위험 처리 시스템들의 아키텍처들의 예들을 도시한다. 도 2를 참조하면, 위험 처리 시스템(230)은 다음의 요소들을 포함한다:
ㆍ 위험 처리 클라이언트(201)는 집적 회로들, 필드 프로그래머블 게이트 어레이들, 하드웨어, 소프트웨어, 또는 펌웨어, 또는 이들 중 2개 이상의 조합에 의해 실현된다.
일 실시예에서, 위험 처리 클라이언트(201)는 AV 시스템(200) 상에 설치된다. 위험 처리 클라이언트(201)는 AV 시스템(200)의 구성요소들(예를 들어, 센서들(216 및 218), 통신 디바이스들(210), 사용자 인터페이스 디바이스들, 메모리(212), 프로세서(214), 데이터베이스(220), 또는 기능 디바이스들, 또는 이들의 조합들)과 상호작용할 수 있다. 예를 들어, 위험 처리 클라이언트(201)는 정보 및 명령들을 전송하고 수신한다. 위험 처리 클라이언트(201)는 (적어도 부분적으로 무선일 수 있는) 통신 디바이스(210)를 통해 위험 처리 서버(231)와 통신한다. 일 실시예에서, 통신 디바이스(210)는 통신 인터페이스이다.
일 실시예에서, 위험 처리 클라이언트(252)는 모바일 디바이스(250) 상에 설치된다. 위험 처리 클라이언트(252)는 GPS 센서들, 카메라들, 가속도계들, 자이로스코프들, 및 기압계들과 같은 모바일 디바이스(250)의 센서들에 의해 수집된 신호들을 이용할 수 있다. 위험 처리 클라이언트(252)는 모바일 폰(250)의 통신 인터페이스를 통해 위험 처리 서버(231)와 통신할 수 있다.
일 실시예에서, 위험 처리 클라이언트(201)는 AV 시스템(특히 AV 자체)과 모바일 디바이스(250)의 조합 상에 설치될 수 있다.
ㆍ 위험 처리 서버(231)는 AV 시스템(200)의 AV에 탑재되거나 원격 위치에 있으며, 예컨대 AV 시스템(200)의 AV로부터 적어도 0.1, 1, 2, 3, 4, 5, 10, 20, 30, 40, 50, 100, 200, 300, 400, 500, 600, 700, 900 또는 1000 미터 떨어져 있다.
ㆍ 그래픽 사용자 인터페이스(232)는 위험 처리 클라이언트(201), 또는 위험 처리 서버(231) 또는 둘 다에 의해 제시될 수 있다. 실시예들은 특히, 위험 요인들, 알려진 위험, 활성 위험, 현재 위험, 잠재적 위험, 도로망, AV 시스템(200)의 AV의 상태, AV 시스템(200)의 AV의 환경, 또는 센서 신호들 중 하나 이상의 정보를 인터페이스(232) 상에 제시할 수 있다.
도 3을 참조하면, 일 실시예에서, 위험 처리 클라이언트(311)는 2개 이상의 위험 처리 서버(321, 322 및 323)와 통신할 수 있다. 일부 경우들에서, 2개 이상의 서버들(예를 들어, 321 및 322)은 위험 처리를 위한 또는 인터페이스(332) 상의 제시를 위한 정보를 수신하고 집성한다. 일 실시예에서, 서버(예를 들어, 323)는, 예를 들어, 상이한 AV 시스템들(301 및 302) 상에 각각 설치되는, 2개 이상의 위험 처리 클라이언트(311 및 312)로부터 위험 정보를 수신할 수 있다. 일 실시예에서는 서버(예를 들어, 322)가, AV 시스템(301) 및 모바일 디바이스(303) 상에 각각 설치되는, 2개 이상의 위험 처리 클라이언트(311 및 313)로부터 위험 정보를 수신할 수 있게 한다.
일 실시예에서, 위험 처리 클라이언트(예를 들어, 312)는 하나 이상의 다른 위험 처리 클라이언트(예를 들어, 311 또는 313, 또는 둘 다)로부터 정보를 수신 및 집성하기 위한 서버로서 구성된다. 일 실시예에서, 위험 처리 클라이언트(예를 들어, 312)는 서버(323)와 다른 클라이언트(311) 사이의 통신을 확립하고 유지하기 위한 중계 디바이스로서 역할을 할 수 있다.
도 4를 참조하면, 위험 처리 시스템(400)은 통신 인터페이스(410)를 통해 신호들을 수집하기 위해 하나 이상의 센서(예를 들어, 402 및 404)와 통신할 수 있다. 센서 신호들 또는 기존의 데이터 또는 둘 다는 메모리(422) 또는 데이터베이스(424) 또는 둘 다에 저장될 수 있다.
데이터베이스(424)는 AV에 탑재 또는 원격 또는 둘 다일 수 있다. 데이터베이스(424)는 센서들, 정부 기관들, 경찰서들, 또는 보험 회사들, 또는 이들의 조합들로부터의 데이터를 저장할 수 있다. 데이터베이스(424)에 저장된 데이터의 예들은 타임스탬프들, 시간 윈도우들, 피크 교통량, 날씨, 맵들, 가로등 설정들, 교통 표지 설정들, 신호등 설정들, 도로 구성들, 주소들, 정상 차량 운행자 행동들, 비정상 차량 운행자 행동들, 정상 AV 동작들, 비정상 AV 동작들, 소셜 이벤트들로 인한 교통량, 스포츠 이벤트들로 인한 교통량, 병원 위치, 경찰서 위치, 소방서 위치, 궤적을 따른 알려진 위험들, 궤적을 따른 예측된 위험들, 궤적을 따른 고위험 상황들에 수반되는 개인들의 특성들(예를 들어, 나이, 성, 민족성, 또는 사회 경제적 상태), 궤적을 따른 고위험 상황들에 수반되는 차량들의 특성들(예를 들어, 색상, 제조자, 모델, 또는 엔진 유형), 궤적을 따른 고위험 상황들에 대해 제기/처리된 보험금 청구액, 궤적을 따른 고위험 상황들과 연관된 수리 비용, 및 궤적을 따른 고위험 상황들에 대해 보호하기 위해 제공되는 보험 정책들의 비용/특성들을 포함한다.
신호들 및 데이터를 처리하고 분석하는 것은 프로세서(420), 또는 프로세서(420)의 컴퓨팅 리소스에 의해 실현될 수 있다.
일 실시예에서, 위험 처리 시스템은 AV 시스템의 환경에서의 기존 위험들을 감지하거나 잠재적 위험들을 예측하기 위한 위험 모니터링 프로세스(432)를 포함한다.
일 실시예에서, 위험 처리 시스템은 예측 또는 감지된 위험들을 보고하기 위한 위험 보고 프로세스(434)를 포함한다.
일 실시예에서, 위험 처리 시스템은 위험이 예측 또는 감지될 때 적절한 동작들을 취하도록 AV 시스템을 구성하기 위한 위험 반응 프로세스(436)를 포함한다. 일 실시예에서, 위험 반응 프로세스(436)는 원격 조작자가 위험에 반응하여 AV(502)를 동작시킬 수 있게 하는 원격 조작 시스템(442)을 포함하거나 이와 통신한다.
일 실시예에서, 위험 처리 시스템은 AV(502)의 도로 상의 동작에 영향을 미치는 위험 요인들을 평가하기 위한 위험 요인 평가 프로세스(438)를 포함한다.
일 실시예에서, 위험 처리 시스템은 2개 이상의 위험 보고서를 통합하기 위한 보고서 통합 프로세스(440)를 포함한다.
위험 모니터링
특히, 위험 모니터링 프로세스는 AV 부근 환경, AV 시스템의 동작, 또는 AV의 내부를 모니터링함으로써 위험들을 식별한다.
충돌들
도 5는 도로 상에서 주행하는 동안 그 부근에서의 충돌을 감지하는 자율 차량 AV(502)의 예를 도시한다. 예를 들어, 센서들(예를 들어, 비전 센서, 라이더 또는 레이더, 또는 이들의 조합들)로부터의 신호들을 분석할 때, AV(502)는 그 환경에서의 다른 대상체들(예를 들어, 차량들(512 및 514), 기반시설, 및 보행자들)에 대한 정보를 생성하고, 이러한 정보의 예들은 위치들, 속도들, 배향들, 경계들, 크기들, 치수들, 신호등 상태(예를 들어, 적색, 녹색, 황색, 오작동 등), 제조사들에 관련된 정보, 차량 번호들, 소유자들, 운전자들, 및 AV(502)를 따르는 도로 상의 다른 차량들의 동작 상태를 포함한다. 이 정보는 위험 처리 서버에 의해 분석되어 잠재적 충돌을 예측하거나 기존 충돌을 감지한다.
일 실시예에서, 센서(예를 들어, 라이더)는 파동 빔(예를 들어, 전자기 빔, 또는 음향 빔, 또는 둘 다)을 방출할 수 있고, 빔의 성분은 대상체에 부딪친 후 복귀할 수 있다. 복귀 빔 성분은 대상체의 경계 포인트를 나타낼 수 있다. 센서가 각각이 N개의 복귀 빔 성분들을 생성하는 M개의 빔들을 포함하는 스캔을 방출할 때, M×N개의 포인트들의 클라우드(포인트 클라우드라고도 함)가 획득된다.
데이터베이스로부터의 맵 또는 비전 센서로부터의 이미지들, 또는 둘 다를 분석하는 것은 전경 및 배경을 추가로 결정할 수 있다. 도 6a는 노면의 앙각 프로파일에 관한 정보를 인코딩함으로써 자율 차량 AV 시스템(601)에 의한 대상체 감지의 예를 도시한다. 도 6a에 도시된 바와 같이, AV 시스템(601)에 의해 사용되는 맵은 노면(600)의 앙각 프로파일에 관한 정보를 인코딩할 수 있다. 이 정보는 다음과 같이 노면에 속하는 것으로 주어진 포인트를 분류하는데 이용될 수 있다. 일 실시예에서, 비전 센서(예를 들어, 입체 카메라)로부터의, 깊이 정보를 포함하는, 이미지가 획득되고, 배경 영역, 또는 전경 대상체, 또는 둘 모두를 식별하기 위해 세그먼트화가 적용된다. 세그먼트화 결과들은 포인트 클라우드 내의 포인트들을 분류하기 위해 단독으로 이용되거나 또는 맵 정보와 통합(예를 들어, 맵 상에 투영)될 수 있다.
AV 시스템(601)의 현재 위치 및 배향 및 센서(603)의 위치에 관한 정보가 주어지면, AV 시스템(601)은 방출된 빔(예를 들어, 605, 606, 607 또는 608)이 지면에 부딪힐 것으로 예상되는 포인트(예를 들어, 609, 610, 611 또는 612)를 도출한다. 빔(608)에 의해 복귀된 포인트(613)가 미리 정의된 차이만큼 예상된 포인트(612)보다 AV(601)에 더 가까운 경우, 빔은 대상체(602)(예를 들어, 전경 상의 포인트)에 부딪힌 것으로 결정되고, 포인트(613)는 대상체(602)의 경계 포인트로서 분류된다. 일 실시예에서, 전경 분류를 수행하기 위해 기계 학습(예를 들어, 심화 학습)이 이용된다. 이러한 접근법은 분류 정확도를 개선하기 위해 (라이더, 레이더 및 카메라와 같은) 복수의 센서들로부터의 데이터를 융합시킨다.
대상체의 경계가 감지될 때, 위험 모니터링 프로세스는 경계를 추적하고 대상체의 속도를 결정한다. 일 실시예에서, 대상체의 속도를 결정하는데 (예를 들어, 레이더에 기반한) 속도 센서가 이용된다. 도 5를 참조하면, 시간 t에서의 차량들(512 및 514)의 측정된 속도들에 기반하여, 위험 모니터링 프로세스는 시간 t+1에서의 그 위치들 및 경계 위치들을 예측할 수 있다. 시간 t+1에서의 대상체들(512 및 514)의 경계들이 중첩될 때, 충돌이 예측된다. 일부 경우들에서, 위험 모니터링 프로세스가 대상체들(512 및 514)의 경계들이 중첩되고 대상체들의 속도들이 빠르게 0으로 떨어지는 것을 감지할 때, 충돌이 감지된다.
일 실시예에서, AV 시스템(502)은 대상체들(512 및 514)의 위치들을 결정하고, AV(502)가 대상체들(512 및 514) 사이의 충돌 부근에 도달하기 전에 발생한 충돌을 감지하기 위해 센서 신호들(예를 들어, 라이더, 레이더, 이미지들, GPS, 또는 차량 대 차량 신호들에서의 정보 또는 이들의 조합들)을 이용할 수 있다. 일 실시예에서, AV 시스템(502)은 대상체들(512 및 514)의 형상들 또는 경계들 또는 크기들 또는 치수들, 또는 이들의 조합들을 결정하기 위해 센서 신호들을 이용할 수 있고, 대상체들 사이의 중첩에 기반하여 충돌을 추론할 수 있다. 예를 들어, 이미지에 대한 세그먼트화는 대상체들(512 및 514)의 위치들 및 경계들을 식별할 수 있다.
일 실시예에서, AV 시스템(502)은 충돌을 추론하기 위해 교통 정보(예를 들어, 교통량 및 교통 흐름)를 이용할 수 있다. AV 시스템(502)은 교통 흐름이 비정상 상태에 있는지를 결정하기 위해 교통 흐름을 측정할 수 있다. 예를 들어, 충돌에 수반되는 대상체들(512 및 514)은 0의 속도를 갖고, 대상체들(512 및 514) 뒤의 교통(532)은 느리거나 혼잡하지만, 대상체들(512 및 514) 앞의 교통(534)은 더 빠르다.
위험 물질들
센서들(예를 들어, 연기 센서, 화학물질 센서, 온도 센서, 화염 센서, 화재 센서, 방사능 센서, 또는 이들의 조합들)로부터의 신호들을 분석함으로써, 위험 모니터링 프로세스는 AV(502)의 환경에서 화재, 화염(522), 연기, 또는 방사능을 감지할 수 있다.
예를 들어, 위험 모니터링 프로세스는 하나 이상의 센서(예를 들어, 화학물질 센서들, 레이더, 비전 센서들, 광학 센서들, 및 적외선 센서들)를 포함할 수 있거나, 센서들의 신호들에 액세스할 수 있다. 센서 신호들은 특정 화학물질 종들 또는 이들의 조합들(예를 들어, 일산화탄소, 이산화탄소, 조성물 C, 황화물들, 폭발물들, 및 독성 화학물질들)의 농도와 같은, AV의 환경의 화학적 조성에 관한 정보를 제공할 수 있다. 일부 경우들에서, 센서 신호들은 위험한 대상체(예를 들어, 총, 폭탄, 및 수류탄)의 형상에 관한 정보를 제공할 수 있다.
위험 모니터링 프로세스는 패턴 인식 알고리즘에 기반하여 센서 신호들을 분석함으로써 위험 물질의 존재, 또는 위험 물질의 소스, 또는 양쪽 모두를 예측 또는 감지한다. 예를 들어, 화재(예를 들어, 도 5에서의 522)가 존재할 때, 그 환경 내의 공기는 그 농도들이 정상 값들로부터 벗어나는 물질들을 포함할 수 있고, 위험 모니터링 프로세스는 화재(522)의 존재 가능성을 계산할 수 있다. 일부 경우들에서, AV 시스템은 시간 경과에 따른 공간에서 위험 물질들의 분포들을 분석하여 위험의 소스를 결정할 수 있으며, 예를 들어, 그 소스 근처의 농도들은 먼 위치에서의 농도들보다 더 높다. 일부 애플리케이션들에서, 위험 모니터링 프로세스는 AV의 내부를 모니터링하여 폭발물들, 가연물들, 유독 가스들, 및 인화물들과 같은, 위험 물질들의 존재를 감지할 수 있다. 예를 들어, AV는 자신이 밀폐된 영역에 위치되는 것으로 인해, 증가된 농도의 이산화탄소를 감지할 수 있다.
위협 평가
위험 모니터링 프로세스는 센서 신호들 및 데이터를 분석하여 위협들을 평가한다. 예를 들어, 위험 모니터링 프로세스는 AV 탑승자에 의해 소유되거나 접근하는 대상체(예를 들어, 사람 또는 차량의 탑승자)에 의해 소유되는 화학물질(예를 들어, 알코올 수준, 독성 물질, 및 폭발성 물질)의 비정상 농도를 감지한다.
차량 동작 특성들
일 실시예에서, 위험 모니터링 프로세스는 자율 주행 능력을 소유하는 차량의 주행 거동을 평가한다. 도 6b 및 도 6c는 주행 거동들을 모니터링하는 위험 모니터링 프로세스의 예들을 도시한다.
위험 모니터링 프로세스는 차량이 교통 규칙들을 따르는지 여부를 모니터링한다. 예를 들어, 도 6b의 시나리오(620)를 참조하면, 위험 모니터링 프로세스는 정지 신호(622)와 마주칠 때 차량(621)의 주행 거동을 모니터링한다. 주행 거동(623)은 정지 신호(622)에 거의 도달할 때 감속하는 것을 수반하지만, 제2 주행 거동(624)은 정지 신호(622)로부터 합리적인 거리 내에서 점차 감속하는 것을 수반한다. 따라서, 주행 거동(623)은 제2 주행 거동(624)보다 더 위험하다.
도 6b의 다른 시나리오(625)에서, 위험 모니터링 프로세스는 정지 신호들(627)과 마주칠 때 차량(626)의 주행 거동을 모니터링한다. 제3 주행 거동(628)은 제4 주행 거동(629)보다 더 매끄러운 속도 프로파일을 가지며, 따라서 주행 거동(628)은 그 차량의 탑승자가 제4 주행 거동(629)보다 더 편안하게 느끼게 한다. 이와 관련하여, 속도 프로파일은 기간에 걸친 차량의 속도의 변화의 플롯이다. 여러 피크들과 밸리들을 갖는 들쭉날쭉한 속도 프로파일은 우연한 시작들 및 정지들의 표시자이며 결과적으로 안전하지 않거나 거친 주행이다. 상이한 주행 거동들이 가중되고 서로 균형을 이룬다. 예를 들어, 제3 주행 거동(628)은 또한 정지 신호들에서 완전한 정지를 하지 않고, 따라서 제3 주행 거동(628)은 제4 주행 거동(629)보다 더 위험하다.
도 6c를 참조하면, 위험 모니터링 프로세스는 차량들의 진로 방향들 또는 주행 궤적들을 모니터링한다. 예를 들어, 직선 도로 구간 상에서 주행할 때, 차량이 직선 궤적을 유지하는 것을 수반하는 제6 주행 거동(632)보다 차량이 왜뚤삐뚤하는 것을 수반하는 제5 주행 거동(631)이 더 위험하다.
일 실시예에서, 위험 모니터링 프로세스는 차량이 도로 상의 동적 대상체들에 어떻게 반응하는지를 모니터링한다. 예를 들어, 도 6c를 참조하면, 위험 모니터링 프로세스는 횡단보도(636)에 접근할 때, 보행자(637)와 마주칠 때, 또는 대상체(638)를 감지할 때 차량(635)이 어떻게 감속하는지를 결정한다.
위험 모니터링 프로세스는 센서 신호들의 분석에 기반하여 주행 거동들을 평가한다. 예를 들어, 위험 모니터링 프로세스는 속도들을 모니터링하기 위해 (예를 들어, 레이더에 기반한) 속도 센서를 이용한다. 일 실시예에서, 위험 모니터링 프로세스는 위치, 또는 일련의 위치들을 모니터링하기 위해 (예를 들어, GPS에 기반한) 위치 센서를 이용한다. 일부 경우들에서, 위험 모니터링 프로세스는 차량 탑재 주행 기록계를 이용하여 주행 거리를 모니터링한다. 일부 경우들에서, 위험 모니터링 프로세스는 차량 탑재 센서를 포함하여 조향 휠의 동작들, 브레이크 페달, 가속도, 또는 감속도 또는 이들의 조합들을 모니터링한다. 일 실시예에서, 차량은 차량의 조작자와 연관된 차량 동작 특성들을 모니터링하기 위해 차량내 카메라들을 이용한다. 예를 들어, 차량은 조작자 호흡을 분석함으로써 조작자의 눈들, 동공 확장, 또는 알코올 소모량을 모니터링하여 조작자의 주의력 및 각성을 분석할 수 있다.
위험 모니터링 프로세스는 주행 거동과 견본 주행 거동과의 비교에 기반하여 주행 거동들을 평가한다. 일 실시예에서, 견본 주행 거동은, 교통 규칙들, 선호 주행 거동들, 사람 운전자들의 주행 거동들, 사람 운전자들의 통계 요약, AV 시스템들의 주행 거동들, 또는 AV 시스템들의 통계 요약에 기반하는 주행을 포함한다. 일 실시예에서, 견본 주행 거동은 동일 제조자 또는 상이한 제조자들로부터의 2대의 차량을 포함한다. 일 실시예에서, 견본 주행 거동은 동일한 제공자 또는 상이한 제공자들로부터의 2개의 AV 시스템을 포함한다.
데이터베이스 탐색
일 실시예에서, 위험 모니터링 프로세스는 과거 위험들 또는 위험 통계들 또는 둘 모두의 데이터베이스를 탐색한다. 예를 들어, 데이터베이스는 정부 기관들, 경찰서들, 또는 보험 회사들, 또는 이들의 조합들에 의해 호스팅될 수 있다.
일 실시예에서, 위험 모니터링 프로세스는 위험 패턴들을 학습한다. 예를 들어, 학습 알고리즘은 특히, 빈번한 재해들이 있는 영역들, 빈번한 충돌들이 있는 영역들, 빈번한 음주 운전자들이 있는 영역들, 빈번한 스포츠 이벤트들이 있는 영역들, 빈번한 시위들이 있는 영역들, 나쁜 주행 거동들을 갖는 운전자들, 영역 내의 빈번한 위험 유형들, 및 영역 내의 빈번한 위험 원인들 중 하나 이상(또는 이들의 조합들)을 추론할 수 있다.
일부 경우들에서, 패턴들은 기간 정보, 예를 들어 피크들, 아침들, 오후들, 저녁들, 밤들, 평일들 및 주말들을 포함한다. 일부 경우들에서, 패턴들은 도로 구성들, 예를 들어 병렬 주차 거리들, 횡단보도들, 4-방향 정지들, 3-방향 정지들, 고속도로들, 분기점들, 병합점들, 전용 차선들, 및 자전거 차선들을 포함한다. 일부 경우들에서, 패턴들은 영역 내의 또는 기간 내의 위험들의 분포들을 포함하고, 예를 들어, 더 많은 충돌들이 4-방향 정지의 교차로의 중심에서 발생하고, 더 적은 충돌들이 중심으로부터 떨어져 발생한다.
일 실시예에서, 패턴들은 위험들을 설명하기 위한 동적 모델을 포함한다. 예를 들어, 확률 모델(예를 들어, 가우스 분포들 또는 푸아송 분포들)은 영역 내의 또는 기간 내의, 또는 이들의 조합들의 도로 구성에 대한 위험들을 설명하는데 이용될 수 있다.
학습된 패턴들은 도로 상의 AV의 주행 거동들을 구성하기 위한 AV 시스템에 대한 사전 정보로서 이용된다. 예를 들어, AV가 빈번한 위험들을 갖는 영역에 접근할 때, AV는 그 영역을 통과할 때 감속하거나, 그 영역을 통과하는 것을 피하기 위한 궤적을 계획하거나, 이 둘의 조합을 수행한다. 일부 애플리케이션들에서, 하나 이상의 특정 유형의 대상체들(예를 들어, 어린이들, 자전거들, 트럭들, 보행자들, 또는 동물들)을 수반하는 빈번한 위험들이 있는 영역에 접근할 때, AV 시스템의 지각 프로세스는 이러한 특정 유형들의 대상체들을 감지하는데 전용된다. 예를 들어, 이러한 특정 유형들의 대상체들의 존재의 사전 확률들은 지각 프로세스에서 높게 될 수 있다. 일 실시예에서, 패턴들은 궤적 정보와 연관된 위험들을 설명하는 모델을 포함하고, 예를 들어, 데이터베이스는 교차로에서의 우회전이 자주 사고들과 연관되는 것을 보여줄 수 있고, 모델은 우회전 및 대응하는 충돌들의 확률을 설명할 수 있다.
위험 보고
일 실시예에서, 위험 보고 프로세스는 잠재적 위험 또는 기존 위험을 자동으로 보고한다. 보고서를 수신하는 엔티티는 위험 처리 제공자, 운송 서비스 제공자, 정부 기관, 소방서, 경찰서, 건강 서비스 제공자, 보험 회사, 자동차 제조자, 또는 도로 사용자, 또는 이들의 조합들을 포함할 수 있다.
잠재적 위험 또는 기존 위험은 위험 모니터링 프로세스로부터 자동으로 결정된다. 위험의 보고서는 이미지들, 레이더 신호들, 라이더 신호들, GPS 신호들, 또는 속도 신호들, 또는 이들의 조합들과 같은, 센서들로부터의 스냅샷 또는 시간적 신호들을 포함한다. 위험의 보고서는 타임스탬프들, 맵들, 교통량들, 교통 흐름들, 가로등 설정들, 이동 신호 설정들, 도로 구성들, 주소들, 병원들, 위험에 수반되는 당사자들, 위험에 수반되는 부상 당사자들, 또는 대상체 특징들(예를 들어, 유형들, 색상들, 크기들, 형상들, 모델들, 제조자, 차량 번호들, VIN들 또는 소유자들 또는 이들의 조합들)과 같이 위험과 연관된 정보를 포함한다.
일 실시예에서, 위험 보고 프로세스는 수신된 신호들을 처리하여 위험과 연관된 정보를 추출하는 것을 포함한다. 예를 들어, 이미지 또는 비디오가 주어지면, 위험 보고 프로세스는 위험에 수반되는 대상체들을 세그먼트화하거나, 고위험 상황에 수반되는 당사자들을 (예를 들어, 차량 번호들에 기반하거나, V2V 또는 V2I 통신들에 매립된 정보에 기반하거나, 또는 둘 다에 기반하여) 식별하거나, 교통 구성들(예를 들어, 양들, 속도들, 차선들, 신호등들, 교통 표지들, 및 기반시설)을 인식하거나, 또는 이들의 조합들을 수행할 수 있다. 일 실시예에서, 위험 보고 프로세스는 신호가 취해지는 지리 위치를 식별하고, 지리 위치 정보는 신호에 매립될 수 있거나, 위험 부근의 하나 이상의 GPS 신호에 기반하여 추론될 수 있다.
위험 모니터링 프로세스로부터 위험에 관한 정보를 수신할 때, 위험 보고 프로세스는 동일한 위험이 이전에 또는 동시에 보고되었는지를 평가할 수 있다. 일부 경우들에서, AV 시스템의 위험 모니터링 프로세스에 의해 수행되는 예측 또는 감지에 더하여, 위험은 다른 소스(예를 들어, 다른 AV 시스템)에 의해 예측 또는 감지되거나 다른 소스(예를 들어, 위험 처리 서버, 정부 기관의 서버, 또는 뉴스 제공자, 또는 이들의 조합들)에 의해 통지될 수 있다. 위험이 보고되었는지 그리고 그 위험이 실제인지를 결정하기 위해, 위험 보고 프로세스는 다음의 요인들 중 하나 이상을 평가할 수 있다.
1. 지리적 구역들
도 7을 참조하면, 위험 보고 프로세스는 위험의 구역을 정의한다. 2개의 구역(예를 들어, 712 및 714)이 서로 가까운 경우, 그 연관된 위험들은 동일하거나 유사할 수 있다. 대조적으로, 구역(예를 들어, 716)은 다른 구역으로부터 멀리 떨어져 있는 경우, 다르거나 상이한 위험을 수반할 수 있다.
2. 시간
도 7을 참조하면, 위험 보고 프로세스는 고위험 상황이 식별된 시간에 대한 타임스탬프를 기록한다. 2개의 타임스탬프(예를 들어, 724 및 726)가 시간상 가까운 경우, 그 연관된 위험들은 동일하거나 유사할 수 있다. 대조적으로, 2개의 타임스탬프 사이에 갭이 있는 경우, 연관된 위험들은 다르거나 상이한 위험을 수반할 수 있다.
3. 보고서 빈도
도 7을 참조하면, 위험 보고 프로세스는 보고된 이벤트들을 기록할 수 있다. 많은 수의 보고서들이 위험(732)과 연관되면, 추론된 위험(732)이 존재하고, 그렇지 않고, 적은 수의 보고서들을 갖는 위험(734)의 경우, 위험의 감지는 잘못된 양성일 수 있다. 일 실시예에서, 지리 위치가 고려된다. 예를 들어, 높은 인구 밀도를 갖는 영역(예를 들어, 대도시 영역)에서의 위험의 보고서들의 수는 낮은 인구 밀도를 갖는 영역(예를 들어, 시골 영역)에서의 수보다 높을 것으로 예상된다.
일 실시예에서, 위험 보고 프로세스는 사용자가 위험을 보고할 수 있게 하는 인터페이스를 포함한다. 도 8을 참조하면, 위험 보고 프로세스는, 예를 들어, 위험에 관한 하나 이상의 이미지 또는 비디오(예를 들어, 대상체들(812 및 814) 사이의 충돌)를 제출하기 위한 인터페이스(810)를 사용자에게 제공한다. 일부 경우들에서, 위험 보고 프로세스는 맵 상의 위험(예를 들어, 대상체들(852 및 854) 사이의 충돌)을 보고하기 위한 인터페이스(850)를 사용자에게 제공한다. 일부 애플리케이션들에서, 위험 보고 프로세스는 인터페이스 사용자가 위험의 위치, 위험에 수반된 당사자들, 당사자들의 위치들, 이벤트 세부사항들, 도로 상태들, 날씨 상태들, 또는 교통 구성들(예를 들어, 양들, 속도들, 차선들, 신호등들, 교통 표지들, 및 기반시설) 중 하나 이상을 (예를 들어, 클릭, 타이핑, 또는 말하기, 또는 이들의 조합들에 의해) 제공하도록 허용한다.
일 실시예에서, 위험 보고 프로세스는 법규들, 규정들, 또는 정책들, 또는 이들의 조합들에 따르는 보고서를 처리한다. 예를 들어, 위험 보고 프로세스는 보고서를 제3자에게 전송하기 전에 위험과 연관된 개인 정보(예를 들어, 사회 보장 번호 및 운전자 면허 번호)를 제거할 수 있다.
보고서 통합
일 실시예에서, 보고서 통합 프로세스(도 4의 440)는 2개 이상의 위험 보고서를 통합 위험 보고서로 종합한다. 2개 이상의 위험 보고서가 만들어질 때, 각각은 단일 위험에 관한 부분 정보를 포함할 수 있다. 예를 들어, 하나의 보고서는 위험의 시간 및 위치를 포함할 수 있고, 다른 보고서는 시간, 위치, 도로 구성, 및 이동 신호를 포함할 수 있다. 일 실시예에서, 보고서 통합 프로세스는 보고된 시간들 사이의, 또는 보고된 위치들 사이의, 또는 둘 다의 불일치를 해결하고, 이어서 단일 타임스탬프 또는 단일 기간, 단일 위치 또는 영역, 도로 구성, 및 이동 신호 중 하나 이상을 갖는 위험과 연관된 보고서를 생성한다.
일 실시예에서, 보고서 통합 프로세스는 2개 이상의 센서 신호를 스티칭한다. 예를 들어, 도 9를 참조하면, 하나의 보고서는 장면들(900 및 910)을 갖는 측면도로부터의 충돌을 기록하는 이미지들 또는 비디오들을 포함할 수 있다. 장면(900) 내의 2대의 차량(901 및 902)이 충돌하여 장면(910) 내의 충돌된 차량들(911 및 912)이 된다. 다른 보고서는 충돌된 차량들(921 및 922)의 장면(920)을 보여주는 정면도로부터의 이미지들 또는 비디오들을 포함할 수 있고, 이는 (장면(900) 내의 차량(901)에 대응하는) 차량(921)을 지나가려고 시도하는 (장면(900) 내의 차량(902)에 대응하는) 차량(922)에 의해 충돌이 야기되었음을 나타낸다. 동일한 충돌과 연관된 2개의 상이한 보고서가 상이한 정보를 드러낼 수 있다. 따라서, 보고서 통합 프로세스는 이미지 처리 및 컴퓨터 비전을 이용하여 상이한 보고서들로부터의 데이터를 스티칭할 수 있다. 일부 애플리케이션들에서, 보고서 통합 프로세스는 2차원 또는 3차원 공간에서 위험의 뷰를 재구성한다. 보고서 통합 프로세스는 또한, 위험이 진화하고 있는 방법을 보여주기 위해 시간에 따른 뷰를 재구성할 수 있다.
일 실시예에서, 보고서 통합 프로세스는 사용자가 위험의 보고서 또는 하나 이상의 위험의 집성된 보고서를 검증할 수 있게 하는 사용자 인터페이스를 제공한다.
위험 반응
일 실시예에서, 위험 반응 프로세스(도 4의 436)는 기존의 위험 또는 잠재적 위험에 반응하여 AV 시스템을 구성한다.
AV 시스템은 위험 모니터링 프로세스, 위험 보고 프로세스, 위험 처리 서버, 다른 AV 시스템, 도로 상의 대상체, 또는 기반시설, 또는 이들의 조합들 중 하나로부터의 위험의 통지를 수신한다. 일 실시예에서, 기존의 또는 잠재적 위험이 데이터베이스(예를 들어, 맵 데이터)에 저장된다. 예를 들어, 맵 데이터는 이전에 보고된 위험, 알려진 기존의 위험, 알려진 미래의 위험, 충돌 다발 구역, 공사, 및 교통 혼잡 구역에 주석을 달 수 있다.
일 실시예에서, 위험 반응 프로세스는 하나 이상의 위험에 기반하여 AV 시스템의 모션 계획 프로세스를 적응시킨다. 예를 들어, 위험이 AV 부근에 있을 때, 모션 계획 프로세스는 차선 변경 궤적을 계획하여 위험을 우회할 수 있다. 대조적으로, 위험이 멀리 떨어져 있을 때, 모션 계획 프로세스는 위험을 회피하기 위한 다른 경로를 선택함으로써 그 목표 위치에 대한 궤적을 계획할 수 있다.
일 실시예에서, 위험 반응 프로세스는 AV 시스템의 지각 프로세스를 향상 또는 변경한다. AV가 위험 부근을 지날 것으로 예상될 때, 위험에 관한 정보는 지각 프로세스에 대해 더 높은 우선순위를 할당받는다. 예를 들어, 도 9를 참조하면, 일 실시예에서, 지각 프로세스는 그 정상 조건들에서 대상체들(예를 들어, 901 및 902)을 인식한다. 그러나, 2개의 대상체가 충돌할 때, 충돌된 대상체들(911 및 912)이 변형된 형상들을 갖거나, 지각 프로세스가 충돌된 대상체들(911 및 912)을 단일의 미지의 대상체로서 잘못 분류할 수 있기 때문에, 지각 프로세스는 2개의 충돌된 대상체들(예를 들어, 911 및 912)을 인식하지 못할 수 있다. 이러한 경우에, 위험 반응 프로세스는 사전 정보(C)로서 위험 정보를 고려하고, AV의 환경 내의 충돌된 대상체들(S)을 정확하게 인식하기 위해 확률 추론(p(S|C))을 이용하도록 지각 프로세스를 구성한다.
일 실시예에서, 위험 반응 프로세스는 원격 조작자가 AV의 주행을 안내하도록 원격 조작 시스템(도 4의 442)을 트리거링한다. 예를 들어, 위험이 관찰되고 AV가 이전에 계획된 궤적을 따라 주행할 수 없을 때, 위험 반응 프로세스는 요청을 원격 조작 시스템에 전송한다. AV의 주행에 대한 개입은 원격 조작 시스템에 기반하여 호출될 수 있다. 이러한 원격 조작에 관한 추가 정보는 본 명세서에 참조로 포함되는, 2017년 6월 16일에 출원된 미국 특허 출원 제15/624,780호에서 찾아볼 수 있다.
일 실시예에서, 위험 반응 프로세스가 다른 프로세스를 변경하거나 적응시키는 방식은 플래그에 기반한다. 예를 들어, 위험이 예측되거나 감지될 때, 플래그는 비활성(예를 들어, 0으로 표현됨)으로부터 활성(예를 들어, 1로 표현됨)으로 전환되어, 다른 프로세스는 위험 반응 프로세스로부터의 출력들을 검색하거나 들을 수 있을 것이다.
일 실시예에서, 위험 반응 프로세스가 다른 기저 프로세스를 변경하는 방식은 프로그래밍 코드에 기반한다. 예를 들어, 도 10을 참조하면, 일 실시예에서, 기저 프로세스(1000)는 루틴 명령어들을 실행한다. AV 시스템이 위험을 인식할 때, 위험 반응 프로세스(1002)는 기저 프로세스(1000)의 실행들에 삽입될 수 있는 명령어들의 세트를 동적으로 생성한다. 일부 경우들에서, 기저 프로세스(1010)는 하나 이상의 입력(예를 들어, AV 시스템의 환경에서 감지된 대상체들)을 취하고, 반응 프로세스(1012)의 출력은 기저 프로세스(1010)에 대한 입력(예를 들어, AV 시스템의 현재 궤적을 차단하는 추가의 정지 대상체)으로서 처리된다.
일 실시예에서, 위험 반응 프로세스는 잠재적 위험 또는 기존의 위험의 경보기를 생성하고, 경보기는 시각적 또는 오디오 신호들에 기반한다. 위험 반응 프로세스에 의해 취해지거나 추천되는 반응들은 시각적 또는 오디오 신호들을 통해 제공된다. 도 11은 위험 처리 시스템의 인터페이스(1100)의 예를 도시한다. 일 실시예에서, 인터페이스(1100)는 AV(1120) 근처에서 감지된 위험(예를 들어, 충돌(1122))을 제시한다. 일부 경우들에서, 인터페이스는 위험(1122)에 대한 경보를 제공하기 위해 오디오 신호(예를 들어, 소리, 또는 음성 언어, 또는 둘 모두)를 생성한다. 위험 반응 프로세스는 또한 AV(1120)의 좌회전 궤적(1124)에 대한 이전 네비게이션 안내를 직선 궤적(1126)에 대한 새로운 네비게이션 안내로 변경할 수 있다. 궤적의 변경은 인터페이스(1100) 상에 제시되거나, 인터페이스(1100)에 의해 구두로 설명되거나, 또는 둘 다일 수 있다.
위험 요인 평가
일 실시예에서, 위험 요인 평가 프로세스는 AV 시스템의 기존 또는 잠재적 위험 요인들을 계산한다. 위험 요인 평가는 보험료들을 계산하는데 이용될 수 있다. 예를 들어, 일 실시예에서, 위험 요인 평가 프로세스는 궤적에 대해 횡단될 마일들의 수를 평가한다. 더 많은 수의 마일들이 더 높은 위험을 암시할 수 있다.
일 실시예에서, 위험 요인 평가 프로세스는 기간 동안 이동될 마일들의 수를 평가한다. 더 많은 수의 마일들이 더 높은 위험을 암시할 수 있다.
일 실시예에서, 위험은 물리적으로 AV 외부에 있지 않다. 일부 경우들에서, 위험 요인 평가 프로세스는 AV의 건전성 상태를 평가한다. 예를 들어, 노후화되었거나 과도하게 이용되었던 AV의 구성요소들(예를 들어, 타이어들, 브레이크들, 엔진들, 조향 휠들, 액세서리 벨트 장력 풀리들, 액세서리 벨트 조임기들, 캠샤프트 위치 센서들, 크랭크샤프트 위치 센서들, 크랭크샤프트 풀리들, 크랭크샤프트 시일들, 실린더 헤드들, 엔진 개스킷 세트들, 하모닉 밸런서, 노크 센서들, 모터 및 변속기 마운트들, 모터 및 변속기 마운트 브래킷들, 오일 냉각기 호스들, 오일 계량봉들, 오일 드레인 플러그 개스킷, 오일 필터들, 오일 수준 센서들, 오일 팬들, 오일 팬 개스킷들, 오일 압력 스위치들, 오일 펌프들, 로드 베어링 세트들, 타이밍 벨트들, 타이밍 벨트 키트들, 타이밍 벨트 조임기들, 밸브 커버, 밸브 커버 개스킷들, 밸브 스템 시일들, 지각 센서들, 지각 프로세스, 모션 계획 프로세스, 데이터베이스들, 및 컴퓨팅 프로세서들)은 더 높은 위험을 암시할 수 있다.
일 실시예에서, 위험 요인 평가 프로세스는 AV를 주행할 때 위험 처리 시스템이 활성인지를 평가한다. (예를 들어, 차량 조작자에 의한 오작동 또는 비활성화로 인한) 비활성의 위험 처리 시스템은 더 높은 위험을 암시할 수 있다.
일 실시예에서, 위험 요인 평가 프로세스는 AV 시스템을 주행할 때 도난 방지 시스템(예를 들어, 경보기들 및 센서들)이 활성인지를 평가한다. (예를 들어, 차량 조작자에 의한 오작동 또는 비활성화로 인한) 비활성의 도난 방지 시스템은 더 높은 위험을 암시할 수 있다.
일 실시예에서, 위험 요인 평가 프로세스는 AV의 궤적이 위험 영역을 통과하는지를 평가한다. 위험 영역을 통과하는 것은 더 높은 위험을 암시할 수 있다.
일 실시예에서, 위험 요인 평가 프로세스는 사용자의 프로파일을 평가한다. 사용자는 다른 누군가 또는 다른 무언가를 운송하기 위해 AV를 이용하는 당사자, 또는 AV의 탑승자일 수 있다. 사용자 프로파일의 예들은 특히, 나이, 직업, 주행 이력, 주행 거동들, 주행 목적, 유효 주행 면허, 차량들을 이용하는 빈도, 수입 수준 및 이력, 교육 수준 및 이력, 및 집 주소를 포함한다.
일 실시예에서, 위험 요인 평가 프로세스는 사용자의 소셜 네트워크 프로파일을 평가한다. 예를 들어, 일부 경우들에서, 위험 처리 시스템은 사용자에 대한 적색 플래그들을 평가하기 위해 사용자의 소셜 네트워크 계정들(예를 들어, 페이스북(Facebook), 링크드인(LinkedIn), 인스타그램(Instagram), 유튜브(YouTube), 및 개인 웹사이트)에 접속한다. 예를 들어, 정신 질환, 폭력적 경향, 또는 무기들의 비정상적 이용, 또는 이들의 조합들을 갖거나 그럴 경향이 있는 사용자는 더 높은 위험을 암시할 수 있다.
일 실시예에서, 위험 요인 평가 프로세스는 주행 거동을 평가한다. 예를 들어, 정상 거동으로부터 벗어나는 주행 거동은 더 높은 위험을 암시할 수 있다. 다른 예로서, 교통 규칙을 위반하는 주행 거동은 더 높은 위험을 암시할 수 있다. 다른 예로서, 덜 편안한 수준을 유발하는 주행 거동은 더 높은 위험을 암시할 수 있다.
도 12는 예시적인 "클라우드" 컴퓨팅 환경을 도시한다. 클라우드 컴퓨팅은 구성가능한 컴퓨팅 리소스들(예를 들어, 네트워크들, 네트워크 대역폭, 서버들, 처리, 메모리, 저장소, 애플리케이션들, 가상 기계들, 및 서비스들)의 공유 풀에 대한 편리한 맞춤형 네트워크 액세스를 가능하게 하기 위한 서비스 전달의 모델이다. 전형적인 클라우드 컴퓨팅 시스템들에서, 하나 이상의 큰 클라우드 데이터 센터들은 클라우드에 의해 제공되는 서비스들을 전달하는데 이용되는 기계들을 하우징한다. 이제 도 12를 참조하면, 클라우드 컴퓨팅 환경(1200)은 클라우드(1202)를 통해 상호접속되는 클라우드 데이터 센터들(1204a, 1204b 및 1204c)을 포함한다. 데이터 센터들(1204a, 1204b, 및 1204c)은 클라우드(1202)에 접속된 컴퓨터 시스템들(1206a, 1206b, 1206c, 1206d, 1206e, 및 1206f)에 클라우드 컴퓨팅 서비스들을 제공한다.
클라우드 컴퓨팅 환경(1200)은 하나 이상의 클라우드 데이터 센터를 포함한다. 일반적으로, 클라우드 데이터 센터, 예를 들어 도 12에 도시된 클라우드 데이터 센터(1204a)는 클라우드, 예를 들어 도 12에 도시된 클라우드(1202) 또는 클라우드의 특정 부분을 구성하는 서버들의 물리적 배열을 지칭한다. 예를 들어, 서버들은 물리적으로 클라우드 데이터 센터 내에 룸들, 그룹들, 행들, 및 랙들로 배열될 수 있다. 클라우드 데이터 센터는 하나 이상의 룸의 서버들을 포함하는 하나 이상의 구역을 갖는다. 각각의 룸은 하나 이상의 행의 서버들을 가지며, 각각의 행은 하나 이상의 랙을 포함한다. 각각의 랙은 하나 이상의 개별 서버 노드를 포함한다. 구역들, 룸들, 랙들, 및/또는 행들 내의 서버들은, 전력, 에너지, 보온, 열, 및/또는 다른 요건들을 포함하는, 데이터 센터 설비의 물리적 기반시설 요건들에 기반하여 그룹들로 배열될 수 있다. 일 실시예에서, 서버 노드들은 도 13에서 설명된 컴퓨터 시스템과 유사하다. 데이터 센터(1204a)는 많은 랙들을 통해 분산된 많은 컴퓨팅 시스템들을 갖는다.
클라우드(1202)는 클라우드 데이터 센터들(1204a, 1204c, 및 1204c)을 상호접속하고 클라우드 컴퓨팅 서비스들에의 컴퓨팅 시스템들(1206a-1206f)의 액세스를 용이하게 하는 것을 돕는 네트워크 및 네트워킹 리소스들(예를 들어, 네트워킹 장비, 노드들, 라우터들, 스위치들, 및 네트워킹 케이블들)과 함께 클라우드 데이터 센터들(1204a, 1204b, 및 1204c)을 포함한다. 일 실시예에서, 네트워크는 지상 또는 위성 접속들을 이용하여 배치된 유선 또는 무선 링크들을 이용하여 결합된 하나 이상의 로컬 네트워크, 광역 네트워크, 또는 인터네트워크의 임의의 조합을 나타낸다. 네트워크를 통해 교환되는 데이터는 IP(Internet Protocol), MPLS(Multiprotocol Label Switching), ATM(Asynchronous Transfer Mode) 및 프레임 릴레이 등과 같은 네트워크 계층 프로토콜들의 임의의 수를 이용하여 전송된다. 또한, 네트워크가 복수의 서브 네트워크들의 조합을 나타내는 실시예들에서, 상이한 네트워크 계층 프로토콜들은 기저 서브 네트워크들의 각각에서 이용된다. 일부 실시예들에서, 네트워크는 공중 인터넷과 같은 하나 이상의 상호접속된 인터네트워크를 나타낸다.
컴퓨팅 시스템들(1206a-1206f) 또는 클라우드 컴퓨팅 서비스 소비자들은 네트워크 링크들 및 네트워크 어댑터들을 통해 클라우드(1202)에 접속된다. 일 실시예에서, 컴퓨팅 시스템들(1206a-1206f)은 다양한 컴퓨팅 디바이스들, 예를 들어 서버들, 데스크톱들, 랩톱들, 태블릿, 스마트폰들, IoT 디바이스들, 자율 차량들(자동차들, 드론들, 셔틀들, 열차들, 버스들 등을 포함함) 및 소비자 전자기기들로서 구현된다. 컴퓨팅 시스템들(1206a-1206f)은 또한 다른 시스템들에서 또는 그 일부로서 구현될 수 있다.
도 13은 컴퓨터 시스템(1300)의 예를 도시한다. 일 실시예에서, 컴퓨터 시스템(1300)은 특수 목적 컴퓨팅 디바이스이다. 특수 목적 컴퓨팅 디바이스들은 그 기술들을 수행하도록 하드-와이어드(hard-wired)될 수 있거나, 그 기술들을 수행하도록 지속적으로 프로그래밍되는 하나 이상의 주문형 집적 회로(ASIC) 또는 필드 프로그래머블 게이트 어레이(FPGA)와 같은 디지털 전자 디바이스들을 포함할 수 있거나, 또는 펌웨어, 메모리, 다른 저장소 또는 조합에서 프로그램 명령어들에 따라 그 기술들을 수행하도록 프로그래밍되는 하나 이상의 범용 하드웨어 프로세서를 포함할 수 있다. 또한, 이러한 특수 목적 컴퓨팅 디바이스들은 맞춤 하드-와이어드 로직, ASIC들, 또는 FPGA들을 맞춤 프로그래밍과 조합하여 그 기술들을 달성할 수 있다. 특수 목적 컴퓨팅 디바이스들은 그 기술들을 구현하기 위한 하드-와이어드 및/또는 프로그램 로직을 포함하는 데스크톱 컴퓨터 시스템들, 휴대용 컴퓨터 시스템들, 핸드헬드 디바이스들, 네트워크 디바이스들, 또는 임의의 다른 디바이스일 수 있다.
컴퓨터 시스템(1300)은 정보를 통신하기 위한 버스(1302) 또는 다른 통신 메커니즘, 및 정보를 처리하기 위해 버스(1302)와 결합된 하드웨어 프로세서(1304)를 포함할 수 있다. 하드웨어 프로세서(1304)는, 예를 들어 범용 마이크로프로세서일 수 있다. 컴퓨터 시스템(1300)은 또한 프로세서(1304)에 의해 실행될 명령어들 및 정보를 저장하기 위해 버스(1302)에 결합된, 랜덤 액세스 메모리(RAM) 또는 다른 동적 저장 디바이스와 같은 메인 메모리(1306)를 포함한다. 메인 메모리(1306)는 또한 프로세서(1304)에 의해 실행될 명령어들의 실행 동안 임시 변수들 또는 다른 중간 정보를 저장하는데 이용될 수 있다. 이러한 명령어들은 프로세서(1304)에 의해 액세스가능한 비일시적 저장 매체에 저장될 때, 컴퓨터 시스템(1300)을, 명령어들에서 지정된 동작들을 수행하도록 맞춤화되는 특수 목적 기계로 만든다.
일 실시예에서, 컴퓨터 시스템(1300)은 버스(1302)에 결합되어 프로세서(1304)에 대한 정적 정보 및 명령어들을 저장하기 위한 판독 전용 메모리(ROM)(1308) 또는 다른 정적 저장 디바이스를 추가로 포함한다. 정보 및 명령어들을 저장하기 위해 자기 디스크, 광학 디스크 또는 솔리드-스테이트 드라이브와 같은 저장 디바이스(1310)가 제공되어 버스(1302)에 결합된다.
컴퓨터 시스템(1300)은 컴퓨터 사용자에게 정보를 표시하기 위한 음극선관(CRT), 액정 디스플레이(LCD), 플라즈마 디스플레이, 발광 다이오드(LED) 디스플레이, 또는 유기 발광 다이오드(OLED) 디스플레이와 같은 디스플레이(1312)에 버스(1302)를 통해 결합될 수 있다. 정보 및 명령 선택들을 프로세서(1304)에 전달하기 위한, 문자숫자식 및 다른 키들을 포함하는 입력 디바이스(1314)가 버스(1302)에 결합된다. 다른 유형의 사용자 입력 디바이스는 방향 정보 및 명령 선택들을 프로세서(1304)에 전달하고 디스플레이(1312) 상의 커서 움직임을 제어하기 위한 마우스, 트랙볼, 터치-인에이블 디스플레이, 또는 커서 방향 키들과 같은 커서 제어기(1316)이다. 이 입력 디바이스는 전형적으로, 디바이스가 평면에서 위치들을 지정하게 하는, 2개의 축들, 제1 축(예컨대, x축) 및 제2 축(예컨대, y축)에서의 2개의 자유도를 갖는다.
일 실시예에 따르면, 본 명세서의 기술들은 프로세서(1304)가 메인 메모리(1306)에 포함된 하나 이상의 명령어의 하나 이상의 시퀀스를 실행하는 것에 반응하여 컴퓨터 시스템(1300)에 의해 수행된다. 이러한 명령어들은 저장 디바이스(1310)와 같은 다른 저장 매체로부터 메인 메모리(1306)로 판독될 수 있다. 메인 메모리(1306)에 포함된 명령어들의 시퀀스들의 실행은 프로세서(1304)로 하여금 본 명세서에서 설명된 프로세스의 단계들을 수행하게 한다. 대안적인 실시예들에서는, 소프트웨어 명령어들 대신에 또는 이와 조합한 하드-와이어드 회로가 이용될 수 있다.
본 명세서에서 사용되는 "저장 매체"라는 용어는 기계가 특정 방식으로 동작하게 하는 데이터 및/또는 명령어들을 저장하는 임의의 비일시적 매체를 지칭한다. 이러한 저장 매체는 비휘발성 매체 및/또는 휘발성 매체를 포함할 수 있다. 비휘발성 매체는, 예를 들어, 저장 디바이스(1310)와 같은, 광학 디스크들, 자기 디스크들, 솔리드-스테이트 드라이브들을 포함한다. 휘발성 매체는 메인 메모리(1306)와 같은 동적 메모리를 포함한다. 저장 매체의 보통의 형태들은, 예를 들어, 플로피 디스크, 플렉서블 디스크, 하드 디스크, 솔리드-스테이트 드라이브, 자기 테이프, 임의의 다른 자기 데이터 저장 매체, CD-ROM, 임의의 다른 광학 데이터 저장 매체, 홀들의 패턴들을 갖춘 임의의 물리적 매체, RAM, PROM, EPROM, FLASH-EPROM, NV-RAM, 임의의 다른 메모리 칩, 또는 카트리지를 포함한다.
저장 매체는 전송 매체와 구별되지만 전송 매체와 함께 이용될 수 있다. 전송 매체는 저장 매체 간에 정보를 전송하는데 참여한다. 예를 들어, 전송 매체는 버스(1302)를 포함하는 와이어들을 포함하여, 동축 케이블들, 구리 와이어 및 광섬유를 포함한다. 전송 매체는 또한 전파 및 적외선 데이터 통신들 동안 발생되는 것들과 같은 음파 또는 광파의 형태를 띨 수 있다.
다양한 형태들의 매체가 실행을 위해 프로세서(1304)에 하나 이상의 명령어의 하나 이상의 시퀀스를 운반하는데 수반될 수 있다. 예를 들어, 명령어들은 처음에 원격 컴퓨터의 자기 디스크 또는 솔리드-스테이트 드라이브 상으로 운반될 수 있다. 원격 컴퓨터는 그 동적 메모리에 명령어들을 로딩하고 모뎀을 이용한 전화선을 통해 명령어들을 전송할 수 있다. 컴퓨터 시스템(1300)에 로컬인 모뎀은 전화선 상으로 데이터를 수신하고 적외선 전송기를 이용하여 데이터를 적외선 신호로 변환할 수 있다. 적외선 감지기가 적외선 신호에서 운반되는 데이터를 수신할 수 있고, 적절한 회로가 데이터를 버스(1302) 상에 배치할 수 있다. 버스(1302)는 데이터를 메인 메모리(1306)에 운반하고, 이로부터 프로세서(1304)가 명령어들을 검색하고 실행한다. 메인 메모리(1306)에 의해 수신된 명령어들은 프로세서(1304)에 의한 실행 전 또는 후에 저장 디바이스(1310)에 임의적으로 저장될 수 있다.
컴퓨터 시스템(1300)은 또한 버스(1302)에 결합된 통신 인터페이스(1318)를 포함한다. 통신 인터페이스(1318)는 로컬 네트워크(1322)에 접속된 네트워크 링크(1320)에의 양방향 데이터 통신 결합을 제공한다. 예를 들어, 통신 인터페이스(1318)는 ISDN(integrated service digital network) 카드, 케이블 모뎀, 위성 모뎀, 또는 대응하는 유형의 전화선으로의 데이터 통신 접속을 제공하기 위한 모뎀일 수 있다. 다른 예로서, 통신 인터페이스(1318)는 호환가능한 로컬 영역 네트워크(LAN)로의 데이터 통신 접속을 제공하기 위한 LAN 카드일 수 있다. 무선 링크들이 또한 구현될 수 있다. 임의의 이러한 실시예에서, 통신 인터페이스(1318)는 다양한 유형들의 정보를 나타내는 디지털 데이터 스트림들을 운반하는 전기, 전자기, 또는 광학 신호들을 송수신한다.
네트워크 링크(1320)는 전형적으로 하나 이상의 네트워크를 통해 다른 데이터 디바이스들에게 데이터 통신을 제공한다. 예를 들어, 네트워크 링크(1320)는 로컬 네트워크(1322)를 통해 호스트 컴퓨터(1324)에의 또는 인터넷 서비스 제공자(ISP)(1326)에 의해 동작되는 클라우드 데이터 센터 또는 장비에의 접속을 제공할 수 있다. ISP(1326)는 현재 "인터넷"(1328)으로 보통 지칭되는 월드 와이드 패킷 데이터 통신 네트워크를 통해 데이터 통신 서비스들을 차례로 제공한다. 로컬 네트워크(1322) 및 인터넷(1328)은 모두 디지털 데이터 스트림들을 운반하는 전기, 전자기 또는 광학 신호들을 이용한다. 다양한 네트워크들을 통한 신호들 및 컴퓨터 시스템(1300)으로 및 컴퓨터 시스템(1300)으로부터 디지털 데이터를 운반하는, 통신 인터페이스(1318)를 통한 그리고 네트워크 링크(1320) 상의 신호들은 전송 매체의 예시적인 형태들이다. 일 실시예에서, 네트워크(1320)는 전술한 클라우드(1202)를 포함하거나 클라우드(1202)의 일부일 수 있다.
컴퓨터 시스템(1300)은 메시지들을 전송하고, 프로그램 코드를 포함하는 데이터를 네트워크(들), 네트워크 링크(1320), 및 통신 인터페이스(1318)를 통해 수신할 수 있다. 일 실시예에서, 컴퓨터 시스템(1300)은 처리를 위한 코드를 수신할 수 있다. 수신된 코드는 수신될 때 프로세서(1304)에 의해 실행될 수 있고/있거나, 나중의 실행을 위해 저장 디바이스(1310) 또는 다른 비휘발성 저장소에 저장될 수 있다.
본 문서에서의 설명들이 원격 조작자가 사람인 실시예들을 설명하였지만, 원격 조작자의 기능들은 부분적으로 또는 완전히 자동으로 수행될 수 있다.
다른 실시예들이 또한 본 청구항들의 범위 내에 있다.
전술한 명세서에서, 본 발명의 실시예들을 구현마다 달라질 수 있는 수많은 특정 세부사항들을 참조하여 설명하였다. 따라서, 본 명세서 및 도면들은 제한적 의미가 아닌 예시적 의미로 간주되어야 한다. 본 발명의 범위의 유일한 독점적인 지표, 및 본 출원인이 본 발명의 범위가 되도록 의도한 것은, 본 출원에서 특정한 형태로 발행되는 청구항들의 세트의 문자 그대로의 등가 범위이며, 이러한 청구항들이 발행하는 특정 형태는 임의의 후속 보정을 포함한다. 이러한 청구항들에 포함된 용어들에 대해 본 명세서에서 명시적으로 제시된 임의의 정의들은 청구항들에서 사용되는 이러한 용어들의 의미를 지배할 것이다. 또한, 전술한 명세서 또는 이하의 청구항들에서 "더 포함하는"이라는 용어를 사용할 때, 이 구절 뒤에 오는 것은 추가 단계 또는 엔티티, 또는 이전에 언급된 단계 또는 엔티티의 하위 단계/하위 엔티티일 수 있다.

Claims (25)

  1. 장치에 있어서,
    동작들을 수행하도록 구성되는 하나 이상의 프로세서를 포함하며,
    상기 동작들은:
    자율 주행 능력을 포함하는 차량의 주행의 현재 인스턴스 동안 위험을 식별하기 위해 데이터를 프로세싱하는 동작:
    상기 위험의 식별에 응답하여, 상기 차량의 상기 자율 주행 능력을 수정하는 동작 ― 상기 수정하는 동작은:
    상기 차량의 현재 위치에 대한 상기 위험의 위치를 결정하는 동작; 및
    상기 차량의 상기 현재 위치에 대한 상기 결정된 위험의 위치의 거리에 기초하여, 상기 차량에 의해 이동되는 루트를 수정하기 위해 복수의 이용 가능한 옵션 중 하나를 선택하는 동작
    을 포함하고, 상기 선택하는 동작은:
    상기 위험의 위치가 상기 차량의 현재 위치 근처에 있다고 결정하는 것에 응답하여, 상기 차량과 연관된 하나 이상의 센서로부터의 신호들을 분석함으로써 상기 위험에 관한 정보를 획득하는 동작;
    상기 획득된 위험에 관한 정보를 사전 정보로서 고려하도록, 상기 차량의 자율 주행 능력에 대응하는 지각(perception) 프로세스를 수정하는 동작; 및
    적어도 상기 사전 정보에 기초하여 하나 이상의 대상체들에 확률 추론을 적용함으로써, 상기 차량의 주행 환경 내의 상기 하나 이상의 대상체들을 인식하는 동작
    을 포함함 ― ; 및
    상기 차량의 상기 자율 주행 능력의 수정에 기초하여 상기 차량의 동작을 업데이트하는 동작
    을 포함하는 것인, 장치.
  2. 제1항에 있어서,
    상기 차량의 상기 자율 주행 능력을 수정하는 동작은, 상기 차량의 상기 현재 위치에 대한 상기 결정된 위험의 위치의 거리에 기초하여 상기 차량에 의해 이동되는 루트를 수정하기 위해 복수의 이용 가능한 옵션 중 하나를 선택하는 동작을 포함하고,
    상기 동작들은:
    상기 위험의 위치가 상기 차량의 현재 위치 근처에 있다고 결정 시, 상기 위험을 우회하도록 상기 차량의 주행 차선을 변경하기 위해 상기 차량의 궤적에 대한 수정을 계획하는 동작; 및
    상기 위험의 위치가 상기 차량의 현재 위치에서 떨어져 있다고 결정 시, 상기 위험의 위치를 피하기 위해 상기 차량에 의해 이동되는 상기 루트에 대한 수정을 계획하는 동작
    을 더 포함하는 것인, 장치.
  3. 제1항에 있어서,
    상기 동작들은
    상기 위험의 위치가 상기 차량의 현재 위치 근처에 있다고 결정 시, 상기 지각 프로세스에 의해 수행되는 동작들에 더 높은 우선순위를 할당하는 동작
    을 더 포함하는 것인, 장치.
  4. 삭제
  5. 제1항에 있어서,
    상기 위험의 식별에 응답하여, 상기 차량의 상기 자율 주행 능력을 수정하는 동작은:
    상기 차량과 연관된 원격 조작 시스템을 트리거하는 동작
    을 더 포함하며, 상기 트리거하는 동작은 원격 조작자로부터 상기 차량의 주행에 대한 개입을 호출하는(invoke) 동작을 포함하는 것인, 장치.
  6. 제1항에 있어서,
    상기 차량의 주행과 연관된 위험들에 대해 상기 차량의 상기 자율 주행 능력에 대응하는 하나 이상의 다른 프로세스에 경고하기 위한 플래그를 더 포함하며, 상기 동작들은:
    상기 위험의 식별에 응답하여, 상기 위험에 대해 상기 하나 이상의 다른 프로세스에 경고하기 위해 상기 플래그를 활성화시키는 동작
    을 포함하는 것인, 장치.
  7. 제1항에 있어서,
    상기 동작들은:
    상기 위험의 식별에 응답하여,
    상기 차량의 동작을 제어하는 프로세스의 기존의 명령어들에 새로운 명령어들을 생성하여 삽입하는 동작, 또는
    상기 차량의 동작을 제어하는 프로세스에 상기 차량의 주행 환경에서 검출된 대상체들에 대한 하나 이상의 입력을 제공하는 동작
    을 더 포함하는 것인, 장치.
  8. 제1항에 있어서,
    상기 동작들은:
    상기 위험의 식별에 응답하여, 상기 위험에 관한 알람을 생성하는 동작
    을 더 포함하며, 상기 알람은:
    상기 차량의 주행의 현재 인스턴스에 관한 정보를 제공하는 인터페이스를 사용하여, 상기 위험에 관한 경보를 제공하기 위해 오디오 신호를 생성하는 것, 또는
    상기 위험을 피하도록 상기 차량의 궤적을 수정하기 위해 상기 차량의 주행의 현재 인스턴스에 대한 내비게이션 안내를 수정하는 것
    중 적어도 하나를 포함하는 것인, 장치.
  9. 자율 주행 능력을 가진 차량의 하나 이상의 프로세서에 의해 수행되는 방법에 있어서,
    상기 차량의 주행의 현재 인스턴스 동안 위험을 식별하기 위해 데이터를 프로세싱하는 단계;
    상기 위험의 식별에 응답하여, 상기 차량의 상기 자율 주행 능력을 수정하는 단계 ― 상기 수정하는 단계는:
    상기 차량의 현재 위치에 대한 상기 위험의 위치를 결정하는 단계; 및
    상기 차량의 상기 현재 위치에 대한 상기 결정된 위험의 위치의 거리에 기초하여 상기 차량에 의해 이동되는 루트를 수정하기 위해 복수의 이용 가능한 옵션 중 하나를 선택하는 단계
    를 포함하고, 상기 선택하는 단계는:
    상기 위험의 위치가 상기 차량의 현재 위치 근처에 있다고 결정하는 것에 응답하여, 상기 차량과 연관된 하나 이상의 센서로부터의 신호들을 분석함으로써 상기 위험에 관한 정보를 획득하는 단계;
    상기 획득된 위험에 관한 정보를 사전 정보로서 고려하도록, 상기 차량의 자율 주행 능력에 대응하는 지각 프로세스를 수정하는 단계; 및
    적어도 상기 사전 정보에 기초하여 하나 이상의 대상체들에 확률 추론을 적용함으로써, 상기 차량의 주행 환경 내의 상기 하나 이상의 대상체들을 인식하는 단계
    를 포함함 ― ; 및
    상기 차량의 상기 자율 주행 능력의 수정에 기초하여 상기 차량의 동작을 업데이트하는 단계
    를 포함하는, 자율 주행 능력을 가진 차량의 하나 이상의 프로세서에 의해 수행되는 방법.
  10. 제9항에 있어서,
    상기 차량의 상기 자율 주행 능력을 수정하는 단계는, 상기 차량의 상기 현재 위치에 대한 상기 결정된 위험의 위치의 거리에 기초하여 상기 차량에 의해 이동되는 루트를 수정하기 위해 복수의 이용 가능한 옵션 중 하나를 선택하는 단계를 포함하고,
    상기 방법은:
    상기 위험의 위치가 상기 차량의 현재 위치 근처에 있다고 결정 시, 상기 위험을 우회하도록 상기 차량의 주행 차선을 변경하기 위해 상기 차량의 궤적에 대한 수정을 계획하는 단계; 및
    상기 위험의 위치가 상기 차량의 현재 위치에서 떨어져 있다고 결정 시, 상기 위험의 위치를 피하기 위해 상기 차량에 의해 이동되는 상기 루트에 대한 수정을 계획하는 단계
    를 더 포함하는 것인, 자율 주행 능력을 가진 차량의 하나 이상의 프로세서에 의해 수행되는 방법.
  11. 제9항에 있어서,
    상기 방법은
    상기 위험의 위치가 상기 차량의 현재 위치 근처에 있다고 결정 시, 상기 지각 프로세스에 의해 수행되는 동작들에 더 높은 우선순위를 할당하는 단계
    를 더 포함하는 것인, 자율 주행 능력을 가진 차량의 하나 이상의 프로세서에 의해 수행되는 방법.
  12. 삭제
  13. 제9항에 있어서,
    상기 위험의 식별에 응답하여, 상기 차량의 상기 자율 주행 능력을 수정하는 단계는:
    상기 차량과 연관된 원격 조작 시스템을 트리거하는 단계
    를 더 포함하며, 상기 트리거하는 단계는 원격 조작자로부터 상기 차량의 주행에 대한 개입을 호출하는 단계를 포함하는 것인, 자율 주행 능력을 가진 차량의 하나 이상의 프로세서에 의해 수행되는 방법.
  14. 제9항에 있어서,
    상기 위험의 식별에 응답하여, 상기 차량의 주행과 연관된 위험들에 대해 상기 차량의 상기 자율 주행 능력에 대응하는 하나 이상의 다른 프로세스에 경고하기 위한 플래그를 활성화시키는 단계를 더 포함하는, 자율 주행 능력을 가진 차량의 하나 이상의 프로세서에 의해 수행되는 방법.
  15. 제9항에 있어서,
    상기 위험의 식별에 응답하여:
    상기 차량의 동작을 제어하는 프로세스의 기존의 명령어들에 새로운 명령어들을 생성하여 삽입하는 단계, 또는
    상기 차량의 동작을 제어하는 프로세스에 상기 차량의 주행 환경에서 검출된 대상체들에 대한 하나 이상의 입력을 제공하는 단계
    를 더 포함하는, 자율 주행 능력을 가진 차량의 하나 이상의 프로세서에 의해 수행되는 방법.
  16. 제9항에 있어서,
    상기 위험의 식별에 응답하여, 상기 위험에 관한 알람을 생성하는 단계
    을 더 포함하며, 상기 알람은:
    상기 차량의 주행의 현재 인스턴스에 관한 정보를 제공하는 인터페이스를 사용하여, 상기 위험에 관한 경보를 제공하기 위해 오디오 신호를 생성하는 것, 또는
    상기 위험을 피하도록 상기 차량의 궤적을 수정하기 위해 상기 차량의 주행의 현재 인스턴스에 대한 내비게이션 안내를 수정하는 것
    중 적어도 하나를 포함하는 것인, 자율 주행 능력을 가진 차량의 하나 이상의 프로세서에 의해 수행되는 방법.
  17. 실행될 때 하나 이상의 프로세서로 하여금 동작들을 수행하게 하도록 구성되는 명령어들을 저장하는 하나 이상의 비일시적 컴퓨터 판독가능 매체에 있어서,
    상기 동작들은:
    자율 주행 능력을 포함하는 차량의 주행의 현재 인스턴스 동안 위험을 식별하기 위해 데이터를 프로세싱하는 동작:
    상기 위험의 식별에 응답하여, 상기 차량의 상기 자율 주행 능력을 수정하는 동작 ― 상기 수정하는 동작은:
    상기 차량의 현재 위치에 대한 상기 위험의 위치를 결정하는 동작; 및
    상기 차량의 상기 현재 위치에 대한 상기 결정된 위험의 위치의 거리에 기초하여 상기 차량에 의해 이동되는 루트를 수정하기 위해 복수의 이용 가능한 옵션 중 하나를 선택하는 동작
    을 포함하고, 상기 선택하는 동작은:
    상기 위험의 위치가 상기 차량의 현재 위치 근처에 있다고 결정하는 것에 응답하여, 상기 차량과 연관된 하나 이상의 센서로부터의 신호들을 분석함으로써 상기 위험에 관한 정보를 획득하는 동작;
    상기 획득된 위험에 관한 정보를 사전 정보로서 고려하도록, 상기 차량의 자율 주행 능력에 대응하는 지각 프로세스를 수정하는 동작; 및
    적어도 상기 사전 정보에 기초하여 하나 이상의 대상체들에 확률 추론을 적용함으로써, 상기 차량의 주행 환경 내의 상기 하나 이상의 대상체들을 인식하는 동작
    을 포함함 ― ; 및
    상기 차량의 상기 자율 주행 능력의 수정에 기초하여 상기 차량의 동작을 업데이트하는 동작
    을 포함하는 것인, 하나 이상의 비일시적 컴퓨터 판독가능 매체.
  18. 제17항에 있어서,
    상기 차량의 상기 자율 주행 능력을 수정하는 동작은, 상기 차량의 상기 현재 위치에 대한 상기 결정된 위험의 위치의 거리에 기초하여 상기 차량에 의해 이동되는 루트를 수정하기 위해 복수의 이용 가능한 옵션 중 하나를 선택하는 동작을 포함하고,
    상기 동작들은:
    상기 위험의 위치가 상기 차량의 현재 위치 근처에 있다고 결정 시, 상기 위험을 우회하도록 상기 차량의 주행 차선을 변경하기 위해 상기 차량의 궤적에 대한 수정을 계획하는 동작; 및
    상기 위험의 위치가 상기 차량의 현재 위치에서 떨어져 있다고 결정 시, 상기 위험의 위치를 피하기 위해 상기 차량에 의해 이동되는 상기 루트에 대한 수정을 계획하는 동작
    을 더 포함하는 것인, 하나 이상의 비일시적 컴퓨터 판독가능 매체.
  19. 제17항에 있어서,
    상기 동작들은
    상기 위험의 위치가 상기 차량의 현재 위치 근처에 있다고 결정 시, 상기 지각 프로세스에 의해 수행되는 동작들에 더 높은 우선순위를 할당하는 동작
    을 더 포함하는 것인, 하나 이상의 비일시적 컴퓨터 판독가능 매체.
  20. 삭제
  21. 제17항에 있어서,
    상기 위험의 식별에 응답하여, 상기 차량의 상기 자율 주행 능력을 수정하는 동작은:
    상기 차량과 연관된 원격 조작 시스템을 트리거하는 동작
    을 더 포함하며, 상기 트리거하는 동작은 원격 조작자로부터 상기 차량의 주행에 대한 개입을 호출하는 동작을 포함하는 것인, 하나 이상의 비일시적 컴퓨터 판독가능 매체.
  22. 제17항에 있어서,
    상기 동작들은:
    상기 위험의 식별에 응답하여, 상기 차량의 주행과 연관된 위험들에 대해 상기 차량의 상기 자율 주행 능력에 대응하는 하나 이상의 다른 프로세스에 경고하기 위한 플래그를 활성화시키는 동작
    을 포함하는 것인, 하나 이상의 비일시적 컴퓨터 판독가능 매체.
  23. 제17항에 있어서,
    상기 동작들은:
    상기 위험의 식별에 응답하여,
    상기 차량의 동작을 제어하는 프로세스의 기존의 명령어들에 새로운 명령어들을 생성하여 삽입하는 동작, 또는
    상기 차량의 동작을 제어하는 프로세스에 상기 차량의 주행 환경에서 검출된 대상체들에 대한 하나 이상의 입력을 제공하는 동작
    을 더 포함하는 것인, 하나 이상의 비일시적 컴퓨터 판독가능 매체.
  24. 제17항에 있어서,
    상기 동작들은:
    상기 위험의 식별에 응답하여, 상기 위험에 관한 알람을 생성하는 동작
    을 더 포함하며, 상기 알람은:
    상기 차량의 주행의 현재 인스턴스에 관한 정보를 제공하는 인터페이스를 사용하여, 상기 위험에 관한 경보를 제공하기 위해 오디오 신호를 생성하는 것, 또는
    상기 위험을 피하도록 상기 차량의 궤적을 수정하기 위해 상기 차량의 주행의 현재 인스턴스에 대한 내비게이션 안내를 수정하는 것
    중 적어도 하나를 포함하는 것인, 하나 이상의 비일시적 컴퓨터 판독가능 매체.
  25. 장치에 있어서,
    동작들을 수행하도록 구성되는 하나 이상의 프로세서를 포함하며,
    상기 동작들은:
    자율 주행 능력을 포함하는 차량과 연결된 하나 이상의 센서로부터, 상기 차량의 주행 환경에 대응하는 데이터를 획득하는 동작;
    상기 차량의 주행의 현재 인스턴스 동안 위험을 식별하기 위해 상기 데이터를 분석하는 동작;
    상기 위험의 식별에 응답하여, 상기 차량의 상기 자율 주행 능력을 수정하는 동작 ― 상기 수정하는 동작은:
    상기 위험의 위치가 상기 차량의 현재 위치 근처에 있다고 결정하는 동작; 및
    상기 위험의 위치가 상기 차량의 현재 위치 근처에 있다고 결정하는 것에 응답하여, 상기 차량의 상기 자율 주행 능력에 대응하는 지각(perception) 프로세스에 의해 수행되는 동작들에 더 높은 우선순위를 할당하는 동작
    을 포함함 ― ; 및
    상기 차량의 상기 자율 주행 능력의 수정에 기초하여 상기 차량의 동작을 업데이트하는 동작
    을 포함하는 것인, 장치.
KR1020227011824A 2017-06-20 2018-06-20 자율 주행 능력들을 갖는 차량들에 대한 위험 처리 KR102628790B1 (ko)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
US201762522254P 2017-06-20 2017-06-20
US62/522,254 2017-06-20
PCT/US2018/038520 WO2018237018A1 (en) 2017-06-20 2018-06-20 RISK TREATMENT FOR VEHICLES HAVING AUTONOMOUS DRIVING CAPABILITIES
KR1020207001316A KR102387240B1 (ko) 2017-06-20 2018-06-20 자율 주행 능력들을 갖는 차량들에 대한 위험 처리

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
KR1020207001316A Division KR102387240B1 (ko) 2017-06-20 2018-06-20 자율 주행 능력들을 갖는 차량들에 대한 위험 처리

Publications (2)

Publication Number Publication Date
KR20220050233A KR20220050233A (ko) 2022-04-22
KR102628790B1 true KR102628790B1 (ko) 2024-01-24

Family

ID=64656555

Family Applications (2)

Application Number Title Priority Date Filing Date
KR1020207001316A KR102387240B1 (ko) 2017-06-20 2018-06-20 자율 주행 능력들을 갖는 차량들에 대한 위험 처리
KR1020227011824A KR102628790B1 (ko) 2017-06-20 2018-06-20 자율 주행 능력들을 갖는 차량들에 대한 위험 처리

Family Applications Before (1)

Application Number Title Priority Date Filing Date
KR1020207001316A KR102387240B1 (ko) 2017-06-20 2018-06-20 자율 주행 능력들을 갖는 차량들에 대한 위험 처리

Country Status (5)

Country Link
US (2) US11008000B2 (ko)
EP (1) EP3642068A4 (ko)
KR (2) KR102387240B1 (ko)
CN (1) CN110997387B (ko)
WO (1) WO2018237018A1 (ko)

Families Citing this family (34)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102387240B1 (ko) * 2017-06-20 2022-04-15 모셔널 에이디 엘엘씨 자율 주행 능력들을 갖는 차량들에 대한 위험 처리
CN107749193B (zh) * 2017-09-12 2020-12-04 华为技术有限公司 驾驶风险分析及风险数据发送方法及装置
JP6575016B2 (ja) * 2017-09-22 2019-09-18 本田技研工業株式会社 車両制御装置、車両制御方法、及びプログラム
US10902336B2 (en) * 2017-10-03 2021-01-26 International Business Machines Corporation Monitoring vehicular operation risk using sensing devices
DE102017221634B4 (de) * 2017-12-01 2019-09-05 Audi Ag Kraftfahrzeug mit einem Fahrzeugführungssystem, Verfahren zum Betrieb eines Fahrzeugführungssystems und Computerprogramm
DE102018118761A1 (de) * 2018-08-02 2020-02-06 Robert Bosch Gmbh Verfahren zum zumindest teilautomatisierten Führen eines Kraftfahrzeugs
EP3621310A1 (en) * 2018-09-10 2020-03-11 Panasonic Intellectual Property Corporation of America Video transmitting device, video transmitting method, and program
DE102018218922A1 (de) * 2018-11-06 2020-05-07 Robert Bosch Gmbh Prädiktion eines voraussichtlichen Fahrverhaltens
US11302182B2 (en) * 2018-12-28 2022-04-12 Beijing Voyager Technology Co., Ltd. Systems and methods for vehicle identification
US11400944B2 (en) 2019-01-04 2022-08-02 Byton North America Corporation Detecting and diagnosing anomalous driving behavior using driving behavior models
US20200216027A1 (en) * 2019-01-04 2020-07-09 Byton North America Corporation Detecting vehicle intrusion using command pattern models
EP3966799A4 (en) * 2019-05-06 2023-01-04 3M Innovative Properties Company RISK ASSESSMENT FOR TEMPORARY ZONES
EP4007977A4 (en) * 2019-08-01 2023-05-03 Telefonaktiebolaget Lm Ericsson (Publ) PROCEDURES FOR RISK MANAGEMENT FOR AUTONOMOUS DEVICES AND ASSOCIATED NODES
US11945440B2 (en) 2019-08-23 2024-04-02 Motional Ad Llc Data driven rule books
JP7161458B2 (ja) * 2019-09-09 2022-10-26 本田技研工業株式会社 車両制御装置、車両制御方法、およびプログラム
CN111161527B (zh) * 2020-01-03 2021-11-26 财团法人车辆研究测试中心 自驾车远端监控系统及其方法
US11866037B2 (en) * 2020-03-16 2024-01-09 Toyota Motor Engineering & Manufacturing North America, Inc. Behavior-based vehicle alerts
CN113799793B (zh) * 2020-05-29 2023-05-12 魔门塔(苏州)科技有限公司 一种基于数据驱动的实现预测模型自动化迭代的系统
WO2021261680A1 (ko) 2020-06-26 2021-12-30 주식회사 에스오에스랩 센서 데이터 공유 및 활용 방법
US20220032926A1 (en) * 2020-08-03 2022-02-03 Autobrains Technologies Ltd Construction area alert
US11568688B2 (en) * 2020-08-25 2023-01-31 Motional Ad Llc Simulation of autonomous vehicle to improve safety and reliability of autonomous vehicle
US11687094B2 (en) 2020-08-27 2023-06-27 Here Global B.V. Method, apparatus, and computer program product for organizing autonomous vehicles in an autonomous transition region
US11713979B2 (en) 2020-08-27 2023-08-01 Here Global B.V. Method, apparatus, and computer program product for generating a transition variability index related to autonomous driving
US11691643B2 (en) 2020-08-27 2023-07-04 Here Global B.V. Method and apparatus to improve interaction models and user experience for autonomous driving in transition regions
US20220089187A1 (en) * 2020-09-22 2022-03-24 Coast Autonomous, Inc. Multi-layer autonomous vehicle control architecture
US11886195B2 (en) * 2020-11-30 2024-01-30 Woven By Toyota, U.S., Inc. Active learning and validation system for vehicles
CN112896187B (zh) * 2021-02-08 2022-07-26 浙江大学 一种考虑社会兼容的自动驾驶决策的系统与方法
US11820387B2 (en) * 2021-05-10 2023-11-21 Qualcomm Incorporated Detecting driving behavior of vehicles
US20220374845A1 (en) * 2021-05-18 2022-11-24 International Business Machines Corporation Predict vehicle maintenance based on navigation route roadway characteristics
CN113320536A (zh) * 2021-07-16 2021-08-31 北京航迹科技有限公司 一种车辆控制方法及系统
CN113687991B (zh) * 2021-08-25 2023-08-22 北京赛目科技股份有限公司 一种车辆缺陷的推荐方法及装置
CN113859250B (zh) * 2021-10-14 2023-10-10 泰安北航科技园信息科技有限公司 一种基于驾驶行为异常识别的智能网联汽车信息安全威胁检测系统
WO2022104295A1 (en) * 2021-12-29 2022-05-19 Innopeak Technology, Inc. Object detection using fusion of vision, location, and/or other signals
CN116653963B (zh) * 2023-07-31 2023-10-20 福思(杭州)智能科技有限公司 车辆变道控制方法、系统和智能驾驶域控制器

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011253302A (ja) * 2010-06-01 2011-12-15 Toyota Motor Corp 車両用危険度算出装置
US20150019043A1 (en) 2013-07-12 2015-01-15 Jaybridge Robotics, Inc. Computer-implemented method and system for controlling operation of an autonomous driverless vehicle in response to obstacle detection
JP2016536220A (ja) 2013-12-11 2016-11-24 インテル コーポレイション 個別的な運転の好みに適応された車両のコンピュータ化された支援又は自立運転
US20170045885A1 (en) * 2014-11-13 2017-02-16 Toyota Motor Engineering & Manufacturing North America, Inc. Remote operation of autonomous vehicle in unexpected environment
KR101714273B1 (ko) * 2015-12-11 2017-03-08 현대자동차주식회사 자율 주행 시스템의 경로 제어 방법 및 그 장치
WO2017079236A2 (en) 2015-11-04 2017-05-11 Zoox, Inc. Internal safety systems for robotic vehicles
US20180107215A1 (en) 2016-10-17 2018-04-19 Uber Technologies, Inc. Neural network system for autonomous vehicle control

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5530651A (en) * 1992-08-03 1996-06-25 Mazda Motor Corporation Running-safety system for an automotive vehicle
US9552726B2 (en) * 2009-08-24 2017-01-24 Here Global B.V. Providing driving condition alerts using road attribute data
US9958272B2 (en) * 2012-08-10 2018-05-01 Telogis, Inc. Real-time computation of vehicle service routes
EP3114574A4 (en) 2014-03-03 2018-03-07 Inrix, Inc. Traffic obstruction detection
US9663111B2 (en) 2014-05-30 2017-05-30 Ford Global Technologies, Llc Vehicle speed profile prediction using neural networks
JP6181300B2 (ja) * 2014-09-05 2017-08-16 エスゼット ディージェイアイ テクノロジー カンパニー リミテッドＳｚ Ｄｊｉ Ｔｅｃｈｎｏｌｏｇｙ Ｃｏ．，Ｌｔｄ 無人航空機の速度を制御するシステム
US9248834B1 (en) 2014-10-02 2016-02-02 Google Inc. Predicting trajectories of objects based on contextual information
US9573592B2 (en) 2014-12-23 2017-02-21 Toyota Motor Engineering & Manufacturing North America, Inc. Risk mitigation for autonomous vehicles relative to oncoming objects
WO2016189495A1 (en) * 2015-05-27 2016-12-01 Van Dyke, Marc Alerting predicted accidents between driverless cars
EP3141926B1 (en) * 2015-09-10 2018-04-04 Continental Automotive GmbH Automated detection of hazardous drifting vehicles by vehicle sensors
EP3433131B1 (en) * 2016-03-23 2023-07-12 Netradyne, Inc. Advanced path prediction
CN109074735B (zh) * 2016-05-17 2022-04-05 福特全球技术公司 使用集成的车辆传感器检测和通知结冰状况的设备和方法
US20180239359A1 (en) * 2016-08-16 2018-08-23 Faraday&Future Inc. System and method for determining navigational hazards
JP7036610B2 (ja) * 2017-03-16 2022-03-15 パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ 学習方法およびプログラム
US10134279B1 (en) * 2017-05-05 2018-11-20 Toyota Motor Engineering & Manufacturing North America, Inc. Systems and methods for visualizing potential risks
KR102387240B1 (ko) * 2017-06-20 2022-04-15 모셔널 에이디 엘엘씨 자율 주행 능력들을 갖는 차량들에 대한 위험 처리

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011253302A (ja) * 2010-06-01 2011-12-15 Toyota Motor Corp 車両用危険度算出装置
US20150019043A1 (en) 2013-07-12 2015-01-15 Jaybridge Robotics, Inc. Computer-implemented method and system for controlling operation of an autonomous driverless vehicle in response to obstacle detection
JP2016536220A (ja) 2013-12-11 2016-11-24 インテル コーポレイション 個別的な運転の好みに適応された車両のコンピュータ化された支援又は自立運転
US20170045885A1 (en) * 2014-11-13 2017-02-16 Toyota Motor Engineering & Manufacturing North America, Inc. Remote operation of autonomous vehicle in unexpected environment
WO2017079236A2 (en) 2015-11-04 2017-05-11 Zoox, Inc. Internal safety systems for robotic vehicles
KR101714273B1 (ko) * 2015-12-11 2017-03-08 현대자동차주식회사 자율 주행 시스템의 경로 제어 방법 및 그 장치
US20180107215A1 (en) 2016-10-17 2018-04-19 Uber Technologies, Inc. Neural network system for autonomous vehicle control

Also Published As

Publication number Publication date
EP3642068A1 (en) 2020-04-29
US20210339742A1 (en) 2021-11-04
WO2018237018A1 (en) 2018-12-27
KR102387240B1 (ko) 2022-04-15
US20180362031A1 (en) 2018-12-20
US11008000B2 (en) 2021-05-18
KR20200019696A (ko) 2020-02-24
EP3642068A4 (en) 2020-10-21
CN110997387B (zh) 2023-06-20
CN110997387A (zh) 2020-04-10
KR20220050233A (ko) 2022-04-22
US11897460B2 (en) 2024-02-13

Similar Documents

Publication Publication Date Title
KR102628790B1 (ko) 자율 주행 능력들을 갖는 차량들에 대한 위험 처리
US11205340B2 (en) Networked vehicle control systems to facilitate situational awareness of vehicles
KR20190042088A (ko) 예상치 못한 임펄스 변화 충돌 검출기
CN112106124A (zh) 用于使用v2x和传感器数据的系统和方法
US11860979B2 (en) Synchronizing image data with either vehicle telematics data or infrastructure data pertaining to a road segment
WO2017123665A1 (en) Driver behavior monitoring
CN111094095B (zh) 自动地感知行驶信号的方法、装置及运载工具
KR102565573B1 (ko) 서브시스템 성능 평가를 위한 메트릭 역전파
US11568688B2 (en) Simulation of autonomous vehicle to improve safety and reliability of autonomous vehicle
KR102657847B1 (ko) 거동 규칙 모델을 사용하는 차량 운행
US11553363B1 (en) Systems and methods for assessing vehicle data transmission capabilities
US20220413502A1 (en) Method, apparatus, and system for biasing a machine learning model toward potential risks for controlling a vehicle or robot
US11932278B2 (en) Method and apparatus for computing an estimated time of arrival via a route based on a degraded state of a vehicle after an accident and/or malfunction
US20220172614A1 (en) Method and apparatus for determining map improvements based on detected accidents
US20230033672A1 (en) Determining traffic violation hotspots
US11480436B2 (en) Method and apparatus for requesting a map update based on an accident and/or damaged/malfunctioning sensors to allow a vehicle to continue driving
JP6960245B2 (ja) 信号通過予測システム

Legal Events

Date Code Title Description
A107 Divisional application of patent
AMND Amendment
E902 Notification of reason for refusal
AMND Amendment
E601 Decision to refuse application
AMND Amendment
X701 Decision to grant (after re-examination)
GRNT Written decision to grant