KR102636871B1 - 교통약자 모빌리티를 지원하는 자율주행차량의 안전운전 평가방법 - Google Patents

Abstract

본 발명은 교통약자 모빌리티를 지원하는 자율주행차량의 안전운전 평가방법에 관합니다.
본 발명에서 교통약자 모빌리티를 지원하는 자율주행차량의 안전운전 평가방법은 도로 기하 구조를 반영한 위험운전행동 평가 지표와 센서정보기반의 자율주행차량 주변 위험 평가 지표를 포함하는 안전 지표를 생성합니다. 그리고 자율주행차량의 위험 운전여부를 통지하고, 안전운행 분석정보를 제공할 수 있습니다.

Description

교통약자 모빌리티를 지원하는 자율주행차량의 안전운전 평가방법{THE SAFTY DRIVING EVALUATION METHOD FOR AUTONOMOUS VEHICLES SUPPORTING MOBILITY FOR THE TRANSPORTATION VULNERABLE}

본 발명은 자율주행차량 시스템에 관한다. 특히 장애인이나 노역자 등의 교통약자의 모빌리티 지원 서비스에 관한다.

자율주행 차량(Autonomous Vehicle)에 대해서는 다양한 연구와 개발이 실행되고 있다. 자율주행차량에 관련한 기술은 자율주행의 정도에 따라 레벨 0부터 레벨 5까지 총 6개의 레벨로 기술개발 단계를 구분한다. 레벨4 및 레벨5는 운전자가 운전에 개입하지 않아도 운행이 가능한 높은 수준의 자율운행차량(HAV; Highly Autonomous Vehicle)으로 분류되는데 이런 레벨의 기술까지 각 분야에서 다양한 연구가 이루어지고 있다. 선행특허문헌 1은 자율 주행 차량의 제어방법을 개시한다. 자율주행 차량이 외부 서버로부터 수신한 정보에 전적으로 의존하여 동작하는 경우, 주행 환경에서 발생할 수 있는 다양한 돌발 상황에 능동적으로 대처할 수 없으므로, 자율주행 차량이 차량에 설치된 센서로부터 검출되는 정보를 이용해서 능동적으로 대처할 수 있는 방법을 선행특허문헌 1은 제안하고 있다. 자율 주행 차량이 능동적으로 상황에 대처하든, 아니면 서버가 자율 주행 차량의 동작 제어를 통제 하든 대체로 자율주행에 관한 기술은 승용차나 승합차에 관한 연구로 집중되어 있다. 그러나 대중 버스 또한 자율주행으로 운행할 수 있고, 이 경우 안전과 신뢰성이 더욱 중요해질 수밖에 없다. 그럼에도 종래기술에 따르면 이러한 자율주행 대중버스에 관련한 최적화된 솔루션이 없었다. 그리하여 본 발명가들은 선행특허문헌 2 및 선행특허문헌 3의 발명을 완성한 바 있다.

그런데 자율주행 분야에서도 교통약자에 대한 모빌리티 지원이 보통의 사람들과 같을 수는 없을 것이다. 본 발명의 발명자들은 도로의 구조를 고려하면서 동시에 자율주행차량의 주행 상황을 종합적으로 반영할 수 있는 교통약자에 대한 안전한 모빌리티 지원을 오랫동안 연구한 끝에 본 발명을 완성하게 되었다.

선행특허문헌 1: 대한민국 공개특허 제10-2019-0078105호

선행특허문헌 2: 대한민국 특허공보 제10-2141988호

선행특허문헌 3: 대한민국 특허공보 제10-2204199호

본 발명은 교통 약자 모빌리티를 지원하는 자율주행차량의 안전성을 효과적으로 모니터링하고 평가하는 방법을 제공한다. 교통 약자는 예상치 못한 상황에 대처하는 대응능력이 떨어지기 때문에, 교통 약자를 운송하는 자율주행차량의 경우 보통의 위험성/안전성 평가를 넘는 더 섬세한 솔루션이 필요하다. 본 발명은 세상에 알려지지 않은 그런 솔루션을 제안한다.

한편, 본 발명의 명시되지 않은 또 다른 목적들은 하기의 상세한 설명 및 그 효과로부터 용이하게 추론 할 수 있는 범위 내에서 추가적으로 고려될 것이다.

위와 같은 과제를 달성하기 위한 본 발명의 교통약자 모빌리티를 지원하는 자율주행차량의 안전운전 평가방법은 서비스 서버가:

(a) N(N은 1 이상의 정수)대의 자율주행차량과 무선 네트워크를 통해 통신하면서 자율주행차량의 센서정보를 실시간으로 수집하여 센서 기반 위험평가 데이터를 산출하여 센서 기반 평가 지표를 생성하고,

(b) 운행 도로에 서로 독립된 구역으로 정의되어 아이디가 부여된 M(M은 1보다 큰 정수)개의 셀들에 대해 도로 기하 구조에 의한 위험운전행동이 복수의 등급으로 미리 분류되어 서비스 서버의 시스템에 등록되어 있는 상황에서, 자율주행차량이 특정 셀에 진입하는 경우, 해당 셀의 도로 기하 구조에 의해 위험운전행동 등급에 따라 위험운전행동을 산출하여 위험운전행동을 평가 지표를 생성하고,

(c) 상기 센서 기반 평가 지표와 상기 위험운전행동 평가 지표를 자율주행차량, 자율주행차량을 모니터링하는 시스템의 디바이스 및 자율주행차량에 대한 정보를 수집하는 모바일 디바이스 중 어느 하나 이상으로 전달하는 단계를 포함하는 것을 특징으로 한다.

본 발명의 바람직한 어느 실시예에 따른 교통약자 모빌리티를 지원하는 자율주행차량의 안전운전 평가방법에 있어서, 상기 위험운전행동은 급가속유형, 급감속유형, 급회전유형, 급차로변경유형 중 어느 하나 이상에 해당하는 것이 좋다.

본 발명은 자율주행차량의 운행 안전을 더욱 향상시킬 수 있다. 특히 교통약자들을 수송하는 자율주행차량 이용 및 편의성을 도모함으로써 대중화된 자율주행차량의 기술개발에 기여할 수 있다.

한편, 여기에서 명시적으로 언급되지 않은 효과라 하더라도, 본 발명의 기술적 특징에 의해 기대되는 이하의 명세서에서 기재된 효과 및 그 잠정적인 효과는 본 발명의 명세서에 기재된 것과 같이 취급됨을 첨언한다.

도 1은 본 발명의 바람직한 어느 실시예에 따른 시스템 구성의 예를 개략적으로 나타내었다.
도 2는 본 발명의 바람직한 어느 실시예에 따른 서비스 서버(100)의 구성을 보다 상세히 나타내었다.
도 3은 본 발명의 바람직한 어느 실시예에 따른 시스템 로직 구성을 개략적으로 나타내었다
도 4는 본 발명의 바람직한 어느 실시예에 따른 도로 기하 구조에 기반한 위험운전행동 평가 지표를 생성하는 프로세스를 개략적으로 나타내었다.
도 5는 셀과 위험군의 관계를 통해 도로 기하 구조에 의한 위험운전행동을 판단하는 것을 개념적으로 나타내는 도면이다.
※ 첨부된 도면은 본 발명의 기술사상에 대한 이해를 위하여 참조로서 예시된 것임을 밝히며, 그것에 의해 본 발명의 권리범위가 제한되지는 아니한다.

이하, 도면을 참조하여 본 발명의 다양한 실시예가 안내하는 본 발명의 구성과 그 구성으로부터 비롯되는 효과에 대해 살펴본다. 본 발명을 설명함에 있어서 관련된 공지기능에 대하여 이 분야의 기술자에게 자명한 사항으로서 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략한다.

도 1은 본 발명의 바람직한 어느 실시예에 따른 시스템 구성의 예를 개략적으로 나타냈다.

서비스 서버(100)는 본 발명의 자율주행차량의 주행을 모니터링하면서 주행 안전성을 평가하고 평가 결과 값을 생성하여 통지하는 방법의 주체이다. 서비스 서버(100)는 1개 이상의 서버장치를 포함하며, 하나 이상의 하드웨어 및 소프트웨어 장비를 포함하는 시스템으로 구성된다. 이에 대한 자세한 구성은 후술한다.

본 발명의 네트워크 시스템에는 N대(N은 1이상의 정수이다)의 자율주행차량(10)이 서비스 서버(100)와 통신하다. 바람직하게는 자율주행차량(10)는 전기자동차인 것이 좋다. 자율주행차량(10)은 서비스 서버(100)와 무선 통신망을 통해 데이터를 주고받을 수 있는 무선통신 모뎀, 차량의 운행을 제어할 수 있는 제어장치 및 디스플레이 장치가 설치된다. 본 발명의 베스트 모드에서 자율주행차량(10)은 교통약자 모빌리티 지원을 수행한다. 교통약자라 함은 긴급하고 위험한 상황에서 신체적으로 신속히 대응하기 어려운 탑승자들을 뜻한다. 예컨대 장애인, 고령자, 어린이, 임산부 등을 포함할 수 있다. 이러한 교통약자들이 자율주행차량(10)에 탑승하게 될 때, 그들에게 닥쳐올 위험은 보통 사람들보다 훨씬 중대할 것이다. 본 발명은 이를 효과적으로 예방하고 통제할 수 있도록 시스템을 구성한다. 그러나 이러한 베스트 모드의 경우로만 본 발명의 청구범위에 기재된 기술적 범위가 제한 해석되는 것은 아니다.

서비스 서버(100)는 자율주행차량(10)과 통신하면서 자율주행차량(10)으로부터 센서 정보를 수신한다. 이런 센서 정보는 Vision, Lidar, Radar 및 GPS 센서를 얻을 수 있는 정보이며, 구체적으로는 객체인지/판단, 차량위치, 차량속도 및 차량방향각, 종횡방향 가속도 정보를 포함한다.

그리고 서비스 서버(100)의 세이프티 인디케이터 생성기(110)는 자율주행차량(10)의 현재 속도 기준에 따른 주변 물체와의 충돌 소요시간을 산출할 수 있다. 또한, 이하에서 설명하는 데이터 처리를 통해 자율주행차량 안전평가를 수행하고 안전지표를 생성할 수 있다.

본 발명의 서비스 서버(100)는 하나 이상의 데이터베이스(180, 190)을 구축한다. 데이터베이스(180)는 자율주행차량(10)의 운행 및 센서 정보를 정제하고 통합 데이터베이스를 관리한다. 데이터베이스(190)는 자율주행차량이 주행하는 운행도로에 관련한 데이터를 보관할 수 있다. 그밖에도 필요에 따라 데이터베이스를 추가하여 운용할 수 있음을 첨언한다.

세이프티 인디케이터 생성기(110)가 생성한 안전 지표는 운행 중인 각각의 자율주행차량(10)에 관한 안전 평가 지표이며, 자율주행차량을 관리하는 매니지먼트 서버(200)로 통지된다.

자율주행차량을 관리하는 매니지먼트 서버(200)는 하나 이상의 하드웨어/소프트웨어 장비로 구성되며, 미리 등록된 사이트, 예컨대 상황판, 관리자 운영 단말, 웹 홈페이지 및 웹 모바일에 전달된다.

도 2는 본 발명의 바람직한 어느 실시예에 따른 서비스 서버(100)의 구성을 보다 상세히 나타내었다.

세이프티 인디케이터 생성기(110)는 도로 기하 구조 기반 위험운전행동 평가 모듈(111), 센서정보 기반 차량 안전평가 평가 모듈(112), 자율주행차량 안전지표 생성 모듈(115), 정보제공 관리 모듈(116), 경고 통지 관리 모듈(117), 통계 분석 관리 모듈(118) 및 프로세스 관리 모듈(119)를 포함할 수 있다.

도로 기하 구조 기반 위험운전행동 평가 모듈(111)은 바람직하게는 도로 기하 구조 기반의 평가를 위해 4단계의 과정을 실행하는 모듈로 구성된다. 도로 기하 구조 셀을 구성하는 모듈, 위험운전행동 위험군을 5단계로 분류하는 모듈, 도로 기하 구조로 인한 위험운전행동 발생 셀을 판별하는 모듈 및 도로 기하 구조 기반 위험운전행동을 산출하는 모듈이 그것이지만, 본 명세서에서 다시 소상히 설명한다.

센서정보 기반 차량 안전평가 평가 모듈(112)은 전술한 바와 같이 교통약자 모빌리티 지원 자율주행차량의 센서정보로부터 수신한 객체인지/판단, 차량의 위치/속도/방향각 및 차량 종횡방향 가속도 정보를 분석하여 자율주행차량 현재 속도 기준에 따른 주변 물체 충돌소요시간 산출을 통해 해당 자율주행차량의 안전평가를 수행한다.

자율주행차량 안전지표 생성 모듈(115)은 도로 기하 구조 기반 위험운전행동 평가 지표 및 센서정보 기반 차량 안전평가 지표를 이용해서 자율주행차량의 안전 지표를 생성한다.

정보제공 관리 모듈(116)은 도로 기하 구조 기반 위험운전행동 평가 지표와 센서정보 기반 안전평가 지표를 포함해서 교통약자 모빌리티 지원 자율주행차량의 안전도 통계분석 정보를 상황판, 자율차량 디스플레이 및 웹 모바일 수단을 통해 제공할 수 있다.

경고 통지 관리 모듈(117)는 자율주행차량에 전술한 도로 기하 구조 기반의 위험운전행동 평가 정보와 자율주행차량의 주변 안전 위험 평가를 포함하는 안전 평가 정보를 통지한다.

통계 분석 관리 모듈(118)은 도로 기하 구조 기반 위험운전행동 평가 정보와 센서정보기반 안전 평가 정보를 활용하여 자율주행차량의 안전도에 대한 통계분석을 수행한다.

프로세스 관리 모듈(119)은 자율주행차량 위험운전행동 평가와 센서정보에 기초한 안전평가 시스템을 구성하는 프로세스의 상태 관리한다.

데이터 저장소(180)는 빅데이터 시스템을 활용해 자율주행차량들로부터 수집되는 정형, 비정형 및 빅데이터 저장하고 관리한다.

분산 메시징 시스템(120)은 실시간 자율주행차량의 위험운전행동에 대한 평가와 자율주행차량의 안전평가를 위한 대용량 데이터에 대해 실시간 처리를 용이하도록 하고, 이를 통해 성능을 높이기 위해 대용량 분산 메시징 시스템 적용한다.

V2X서버(130)는 LTE 통신방식을 통해 자율주행차량의 운행 및 센서정보를 실시간으로 수집하며, 현재 자율주행차량의 도로 기하구조를 반영한 위험운전행동 평가 지표 및 안전 지표를 자율주행차량에게 통지한다. 바람직하게는 자율주행차량과 V2X 통신 표준 프로토콜인 SAE J2735 적용할 수 있다. 또한, 자율주행차량으로부터 수신한 데이터를 디코딩하여 분산 메시징 시스템(120)에 전달한다. 그리고 자율주행차량에 위험운전행동 평가 및 안전 지표 전달한다.

도 3은 본 발명의 바람직한 어느 실시예에 따른 시스템 로직 구성을 개략적으로 나타내었다.

본 발명의 시스템은 4개의 레이어로 구성되어 있다. 레이어 1은 데이터 수집, 레이어 2는 데이터 관리, 레이어 3은 안전지표 생성, 레이어 4는 정보제공에 관련한다.

레이어 1에서는 자율주행차량의 Vision, Lidar, Radar 및 GPS 센서로부터 데이터를 수신하여, 객체인지/판단, 차량위치, 차량속도 및 차량방향각, 종횡방향 가속도 정보 등의 데이터를 수집한다.

레이어 2는 수집한 데이터를 정제하여 자율주행차량 운행 및 센서 정보를 정제하고 통합 데이터 베이스를 관리하는 데이터 관리 레이어이다.

레이어 3에서는 도로 기하 구조를 반영한 위험운전행동 평가 지표와 센서정보 기반의 자율주행차량 주변 위험지표를 생성하는 안전 지표를 생성한다.

레이어 4에서는 레이어 3에서 생성된 안전 지표를 정보제공 매체에 제공한다. 그와 같은 정보제공 매체로는 상황판, 자율주행차량의 디스플레이, 웹 모바일 등이 포함된다.

도 2 내지 도 3에서 살펴본 것처럼, 본 발명의 서비스 서버(100)는 자율주행차량(10) 및/또는 매니지먼트 서버(200)로 생성한 안전 지표를 제공한다. 그런데 이것은 2종의 안전 지표이다. 첫째, 도로 기하 구조에 기반한 위험운전행동 평가 지표이며, 둘째 자율주행차량으로부터 실시간으로 수집되는 센서 정보에 기반하여 차량의 주변과 관련된 안전 운행 평가 정보이다. 먼저 전자에 대해서 살펴 보자.

도 4는 본 발명의 바람직한 어느 실시예에 따른 도로 기하 구조에 기반한 위험운전행동 평가 지표를 생성하는 프로세스를 개략적으로 나타냈다.

먼저 도로 기하 구조 셀을 구성한다(S10). 운행 도로 맵에서 서로 독립된 구역으로 정의되는 이러한 셀은 M(M은 1보다 큰 정수)개의 격자로 구성된다. 또한 각각의 셀은 아이디가 부여되어 등록되고 관리된다. eTAS 시스템의 과속지표 산출을 위해 사용하고 있는 셀을 이용할 수 있으며, 서비스 서버가 별도로 격자 셀을 구성할 수 있다.

다음으로 셀이 갖는 도로 기하 구조적 특성을 파악하기 위해 위험운전행동 위험군을 분류한다(S20). 이를 위해 먼저 자율주행차량이 아닌 운전자의 위험안전행동을 분석했다. 서울지역 등록된 버스 트립(trip) 데이터 8,660개를 분석대상 데이터로 하여 각 트립 별 위험운전행동 발생 건수를 산출했다. 전체 트립의 위험운전행동 발생 건수에 대한 평균 및 표준편차를 산출하고 표준 정규분포표를 통해 트립별 위험운전행동 발생 분포 정도를 파악한 후, 이들 데이터를 활용해서 위험운전행동 위험군을 총 5단계로 분류했다. 아래의 표 1과 같다.

[표 1]

위험운전행동 발생 건수 평균이 약 8건으로 나타났다. 위험군 1 내지 위험군 5단계 구성은, 위 표 1과 같이 위험운전행동이 거의 발생하지 않는 안전 등급에 해당하는 위험군 1과, 비교적 평균적으로 발생하는 단계인 위험군 2~3 단계, 그리고 위험운전행동이 상대적으로 많이 발생하는 위험 등급을 4~5 단계로 정하였다.

다음으로 도로 기하 구조로 인한 셀 위험지역을 판별한다(S30).

위험운전행동은 운전자 개인의 운행 패턴에 의한 것으로 여겨진다. 그러나 도로 기하 구조에 의한 것으로 나타날 수 있다. 이는 도로 기하 구조 셀과 운전자 간 위험운전행동 발생 통계치 비교를 통해 구분할 수 있다. 특정 지역에 위험운전행동이 많이 발생하고 있다면 그 지역은 위험 운전자들이 많이 몰려 위험하게 운전을 많이 하는 것일 수도 있겠지만, 도로 기하 구조로 말미암아 발생한 원인일 수도 있다. 도로 기하 구조에 의한 위험운전행동 발생 판단은 셀 별 위험운전행동 발생 통계치와 운전자 개인별 위험운전행동 발생 통계치 간 비교를 통해서 도출할 수 있다.

보다 구체적으로 상기 S30 단계는, 셀과 위험군 별로 위험운전행동 발생 건수 산출하는 작업을 통해 실시된다. 각각의 셀에 대해 위험군이 위험운전행동 발생 건수에서 차지하는 비율을 산출하여 셀별로 위험군에 의한 위험도를 산정한다. 위험도는 해당 셀에서 모든 위험군에 의해 위험운전행동이 발생하면 위험도가 높다고 판단하고 일부 위험군에서만 위험운전행동이 발생하면 위험도가 낮다고 판단할 수 있다. 표 2를 보자.

[표 2]

표 2는 급진로변경/급앞지르기 유형, 급좌우회전/급유턴 유형이 많이 나타나는 셀을 각각 2개씩 선정하여 위험군에 따른 위험운전행동 발생 건수와 위험도를 판단한 결과를 나타낸다. 표 2의 4개의 셀에서 발생한 위험운전행동이 대체적으로 위험군 전 단계에 분포되어 있음을 알 수 있다.

도 5에 나타난 바와 같이, 셀 내 도로 기하 구조에 의한 위험운전행동 발생 가능성이 있으며, 위험군 대부분에서 위험운전행동이 발생하는 셀을 조사한다.

셀의 도로 기하 구조에 의한 위험지역으로 판단되고 고위험군에서만 위험지역으로 판단되는 경우에는 해당 셀은 운전자들의 위험운전행동에 의한 영향으로 판단한다. 그러나 대부분의 위험군으로부터 위험운전행동이 발생하는 경우에는 도로 기하 구조에 의한 영향으로 판단한다. 도면에서 빗금 친 부분은 여기에 해당한다.

표 3은 도로 기하 구조로 말미암아 위험운전행동이 많이 발생하는 셀 구성 정보를 나타낸다. 위험 유형 1은 급좌우회정/급유턴, 유형 2는 급진로변경/급앞지르기 유형이 많이 나타나는 지역이다.

[표 3]

다음으로 도로 기하 구조 기반의 위험운전행동을 평가한다(S40).

표 3에 소개된 셀 4개을 경유하는 서울지역 운행 코드로 등록된 버스 트립 데이터로서 일주일 동안 데이터를 수집하였다. 그다음 도로 기하 구조를 적용하기 전과 적용한 후의 데이터를 비교 분석하였다. 그 결과가 표 4와 같다.

[표 4]

셀 1과 셀 2는 연결로 지역으로 정상적인 속도로 운행을 하더라도 현행 산출기준을 적용했을 경우, 급좌우회전과 급유턴 등이 도로 기하 구조적인 요인으로 발생할 수 있는 지역으로 판단된다. 이 셀의 위험운전행동 산출기준을 급좌우회전의 회전각 범위를 +- 60° → +- 80°로 적용하여 위험운전행동을 산출한다. 그러면 위 표 4에 나타난 바와 같이, 결과적으로 급좌우회전과 급유턴 건수가 줄어듦을 확인할 수 있다.

셀 3과 셀 4는 교차로 지역으로 운전자는 이 교차로를 통과할 때 차량 방향각을 변경해야 차선을 유지하며 운전할 수 있으므로 급진로변경과 급앞지르기 등이 도로 기하 구조적인 요인으로 발생할 수 있는 지역으로 판단된다. 이 셀의 위험운전행동 산출기준을 급진로변경과 급앞지르기 회전각 범위를 +- 8° → +- 12°로 적용하여 위험운전행동을 산출한다. 그러면 결과적으로 급진로변경과 급앞지르기 건수가 줄어듦을 확인할 수 있다.

즉, 도로 기하구조를 반영한 위험운전행동 산출기준 적용 후에 위험운전행동 유형 중에서 급진로변경, 급앞지르기, 급우회전, 급좌회전, 급유턴의 발생 빈도가 줄어듦을 확인할 수 있다.

위험운전행동의 유형은 아래의 표 5와 같이 정의할 수 있다.

[표 5]

본 발명은 표 5의 위험운전행동을 판단하는 기본 기준에 도로 기하 구조를 반영한다. 미리 정의된 격자 셀의 속도, 방향각 임계 값을 셀의 도로 기하 구조 특성에 따라 달리 적용하는 것이다.

위험운전행동 평가지표 계산식은 아래와 같다.

DRI _k : k 자율주행차량의 위험운전행동 평가지표, Pa는 급가속유형 발생 횟수, Pd는 급감속유형 발생 횟수, Pr는 급회전유형 발생 횟수, Pc 는 급차로변경유형 발생 횟수이다. α, β, γ, δ는 가중치를 뜻하며 그 값은 아래의 표 6으로 예시될 수 있다.

[표 6]

DRI _k 값이 100에 가까울수록 k 자율주행차량은 안전하다고 판단할 수 있다. 반면 0에 가까울수록 k 자율주행차량은 위험하다고 판단할 수 있다.

우리는 앞에서 본 발명의 서비스 서버(100)가 두 종류의 안전 지표를 생성한다고 설명한 바 있다. 도로 기하 구조에 기반한 위험운전행동 평가 지표에 대해서는 위에서 살펴 보았다. 이제 자율주행차량으로부터 실시간으로 수집되는 센서 정보에 기반하여 차량의 주변과 관련된 안전 운행 평가를 하는 방법에 관해 살펴 보자. 자율주행차량의 종횡방향 안전도에 대한 프로세스의 일 예이다.

서비스 서버는 전술한 바와 같이 자율주행차량으로부터 객체인지 정보, GPS 위치, 속도, 방향각, 종횡방향 가속도 등의 데이터를 수집한다(S100). 수집된 데이터를 정제한다(S110). 데이터 정제 과정에서는 교통약자 모빌리티 지원 자율주행차량의 Vision/Lidar/Radar/GPS 데이터 분석에 앞서 조사 과정이나 입력 과정의 실수를 찾아내 수정하는 과정을 수행한다. 예컨대, 모순된 데이터 발견, 데이터의 불일치성 교정, 결측치 보정을 통해 센서의 오작동 및 정보 유효범위 한계에 의해 발생하는 정보의 손실 및 왜곡을 최소화, 입력 오류 제거, 데이터 노이즈 평활화 등의 과정을 거친다. 데이터 노이즈 평활화란 데이터 추출 시, 노이즈로 인해 바람직하지 않은 불규칙적 변동이 있을 때, 이러한 변동이나 불연속성을 약하게 하거나 제거하여 매끄럽게 하는 과정을 뜻한다.

다음으로 분석할 데이터셋을 구성한다(S120). 이것은 자율주행차량 센서로부터 축적되는 실시간성 데이터로, Vision/Lidar/Radar로부터 수집되는 객체인지 데이터와 GPS위치/속도/방향각, 종횡방향 가속도 데이터로 구성될 수 있다. 센서정보 기반 안전 평가 분석 데이터 셋을 구성하기 위해, 시간대(초단위)별로 성능의 변화를 관찰하고 성능을 수치화할 수 있는 지속적인 데이터로 구성하는 것이 바람직하다.

그다음 종횡방향 가속도 안전도 평가를 수행한다(S130). 교통약자 모빌리티 지원 자율주행차량의 종횡방향 가속도 위험평가를 위해 ISO 표준에 명시된 평거근거 기준으로 안전도 평가 수행할 수 있다. 평가 내용, 평가 방식, 수집된 데이터와 평가 근거는 아래의 표 7에 나타난 바와 같다.

[표 7]

마지막으로 주변 물체와의 충돌안전을 평가한다(S140). 서비스 서버는 자율주행차량의 운행 동안 측후방 차량과의 상대 속도, 차간 거리 등을 분석하여 예상 충돌소요시간(TTC)을 산출할 수 있다. 충돌소요시간(TTC)는 측후방차량과의 이격거리(m)를 자율주행차량의 속도(m/s)로 나눈 값이다. 충돌회피를 위한 자율주행차량 속도 산출할 수 있으며, TTC가 2초 이내이면 충돌 위험으로 판단할 수 있다. 도한 측후방차량과의 종방향 이격거리는 최소 4m를 안전거리로 판단할 수 있다.

이처럼 자율주행차량으로부터 실시간으로 수집된 센서정보를 통해 현재 운행중인 자율주행차량의 속도와 충돌회피 속도를 비교하여 충돌 안전도를 평가하여 안전지표를 생성할 수 있다.

안전지표는 다양한 방식으로 표현될 수 있을 것이다. 어떤 실시예에서 '안전하다'를 나타내는 지표와 '위험하다'라는 지표가 포함될 것이다. 특히 서비스 서버는 후자의 지표에 해당하는 경우 경고 절차를 수행한다(S150).

서비스 서버가 데이터를 수집하고 분석해서 경고하는 안전지표 평가 값은 자율주행차량, 자율주행차량을 모니터링하는 시스템의 디바이스 및 자율주행차량에 대한 정보를 수집하는 모바일 디바이스 중 어느 하나 이상으로 전달되도록 할 수 있다.

참고로, 본 발명의 일 실시예에 따른 교통약자 모빌리티를 지원하는 자율주행차량의 안전운전 평가방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독가능매체에 기록될 수 있다. 상기 컴퓨터 판독가능매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계 되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다.

컴퓨터 판독가능매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM, DVD와 같은 광기록 매체, 플롭티컬 디스크 (floptical disk)와 같은 자기-광 매체, 및 ROM, RAM, 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함될 수 있다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어코드뿐 만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급언어코드를 포함한다. 상술한 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지다.

본 발명의 보호범위가 이상에서 명시적으로 설명한 실시예의 기재와 표현에 제한되는 것은 아니다. 또한, 본 발명이 속하는 기술분야에서 자명한 변경이나 치환으로 말미암아 본 발명이 보호범위가 제한될 수도 없음을 다시 한 번 첨언한다.

Claims (2)

1. 서비스 서버가 (a) N(N은 1 이상의 정수)대의 자율주행차량과 무선 네트워크를 통해 통신하면서 자율주행차량의 센서정보를 실시간으로 수집하여 센서 기반 위험평가 데이터를 산출하여 센서 기반 평가 지표를 생성하고,
   (b) 운행 도로에 서로 독립된 구역으로 정의되어 아이디가 부여된 M(M은 1보다 큰 정수)개의 셀들에 대해 도로 기하 구조에 의한 위험운전행동이 복수의 등급으로 미리 분류되어 서비스 서버의 시스템에 등록되어 있는 상황에서, 자율주행차량이 특정 셀에 진입하는 경우, 해당 셀의 도로 기하 구조에 의해 위험운전행동 등급에 따라 위험운전행동을 산출하여 위험운전행동을 평가 지표를 생성하고,
   (c) 상기 센서 기반 평가 지표와 상기 위험운전행동 평가 지표를 자율주행차량, 자율주행차량을 모니터링하는 시스템의 디바이스 및 자율주행차량에 대한 정보를 수집하는 모바일 디바이스 중 어느 하나 이상으로 전달하는 단계를 포함하는 것을 특징으로 하는, 교통약자 모빌리티를 지원하는 자율주행차량의 안전운전 평가방법.
   
2. 제1항에 있어서,
   상기 위험운전행동은 급가속유형, 급감속유형, 급회전유형, 급차로변경유형 중 어느 하나 이상에 해당하는 것인, 교통약자 모빌리티를 지원하는 자율주행차량의 안전운전 평가방법.

Images