KR20180034645A

KR20180034645A - 데이터베이스를 구축하고 차량의 경로를 예측하기 위한 방법 및 제어 유닛

Info

Publication number: KR20180034645A
Application number: KR1020187006045A
Authority: KR
Inventors: 페르 살홀름; 오스카 엑스트란드; 패트릭 피벤
Original assignee: 스카니아 씨브이 악티에볼라그
Priority date: 2015-08-11
Filing date: 2016-06-30
Publication date: 2018-04-04
Also published as: BR112018000985A2; WO2017026936A1; EP3335008A1; US20180372501A1; SE1551062A1; EP3335008B1; SE539099C2; US10739143B2; EP3335008A4; KR102046028B1

Abstract

본 발명은 데이터베이스(320)를 구축하여 차량(100)의 경로를 예측하고, 예측된 경로를 추정하는 방법(400, 600) 및 제어 유닛(300)에 관한 것이다. 상기 방법(600)은 차량(100)의 지리적 위치를 결정하는 단계(601); 데이터베이스(320) 내의 지형의 그리드-기반 표현(200)에서 지리적 위치에 대응하는 셀(222)의 셀 경계(222A)를 검출하는 단계(602); 셀 경계(222A)에서 차량(100)이 셀(222)에 진입하는 것을 결정하는 단계(603); 데이터베이스(320)로부터 셀 경계(222A)에서 저장된 주행 방향을 추출하는 단계(604); 셀 경계(222A)에서의 주행 방향에서 인접 셀(232)의 셀 경계(232B)를 검출하는 단계(605); 상기 단계들(604 및 605)을 반복하는 단계(606); 차량(100)의 경로를 예측하는 단계(607); 및 예측된(607) 경로의 각각의 셀(211, 212, ..., 244)을 통해 추정된 거리를 가산함으로써 예측된(607) 경로의 길이를 추정하는 단계(608)를 포함한다.

Description

데이터베이스를 구축하고 차량의 경로를 예측하기 위한 방법 및 제어 유닛

본원 명세서는 제어 유닛 및 방법들을 기술한다. 더욱 상세하게는, 데이터베이스를 구축하고, 차량의 경로 예측을 가능하게 하며, 데이터베이스에 저장된 정보에 기초하여 예측된 경로의 길이를 추정하기 위한 제어 유닛 및 방법이 기술된다.

차량의 고급 운전자 기능은 정확한 맵에 의존하고, 상기 맵으로부터 차량의 향후 경로가 어떤지에 대한 예측이 이루어질 수 있다.

맵은 제3자에 의해 제공될 수 있다. 이러한 맵은 도로 경사의 관점에서 차량의 전방 도로가 어떻게 보이는지에 대한 예측을 생성할 수 있게 하는 정보를 포함한다. 특정 기능이 레이더 또는 카메라와 같은 센서가 제공할 수 있는 것보다 먼 거리에서 향후 도로에 대한 정보에 의존하기 때문에 이러한 예측은 중요하다. 이러한 기능은 차량의 최적 속도 프로파일을 계산함으로써 연료를 절약하는데 사용될 수 있다. 이러한 맵을 가지면 다른 많은 기능을 구현할 수 있다.

현재 사용되는 맵은 정적이다. 즉, 차량이 전달되면 업데이트되지 않는다. 따라서, 차량 맵은 정확한 맵 데이터가 제공되지 않는 일부 국가 또는 맵이 너무 비경제적인 작은 도로에서 범위가 부족할 수 있다.

또한, 최근에 구축된 도로는 이러한 맵에 포함되지 않을 수 있다. 또한, 예컨대, 광산, 건물 부지, 삼림 벌채 구역, 항구의 저장 구역, 로드 터미널 또는 이와 유사한 일부 특정 환경은 매우 동적일 수 있다.

따라서, 차량의 구동 제어 장치가 차량 경로의 정확한 예측을 하기 위해, 지리적 환경에 대응하는 적절한 맵 정보를 얻는 것이 문제이다.

독일 특허출원공개공보 DE 102010042065호에는 디지털 맵으로부터의 루트 네트워크 데이터를 디지털 지형 모델의 데이터와 결합하는 방법이 개시되어 있다. 네트워크 데이터는 도로의 좌표와 곡률을 나타내며, 모델은 측지 높이 정보를 나타낸다. 그러나, 디지털 맵에 도로가 없는 경우 또는 디지털 맵이 전혀 없는 경우 차량의 경로를 예측할 수 없다. 또한, 상기 문헌은 통계 데이터를 사용하여 경로 거리의 추정을 논의하지 않는다.

미국 특허출원공개공보 US 2010114474 및 US 2010324752호에는 차량이 주행하는 경로의 거리에 관한 도로의 표면 고도를 계산하는 방법이 개시되어 있다. 그러나, 디지털 맵에 도로가 없는 경우 또는 디지털 맵이 전혀 없는 경우 차량의 경로를 예측할 수 없다. 또한, 상기 문헌들은 통계 데이터를 사용하여 경로 거리의 추정을 논의하지 않는다.

유럽 특허공보 EP 2623932호에는 그리드 네트를 사용하여 차량의 경로를 생성하는 방법이 개시되어 있고, 네트의 각각의 그리드에서 측정이 이루어진다. 그러나, 디지털 맵에 도로가 없는 경우 또는 디지털 맵이 전혀 없는 경우 차량의 경로를 예측할 수 없다.

일본 특허공보 JP 3966097호에는 선형 보간법에 기초하여 주행 경로의 고도를 추정하는 차량 표면 고도 추정 장치가 개시되어 있다. 그러나, 디지털 맵에 도로가 없는 경우 또는 디지털 맵이 전혀 없는 경우 차량의 경로를 예측할 수 없다.

따라서, 맵을 생성하여 지속적으로 업데이트할 수 있고, 차량 경로 예측과 관련하여 전술한 문제점에 대한 해결책을 제공할 수 있는 것이 바람직할 수 있다.

따라서, 본 발명의 목적은 전술한 문제들 중 적어도 일부를 해결하고 차량의 경로 예측을 향상시키는 것이다.

상기 목적 및/또는 다른 목적은 첨부된 청구항에 기재된 방법 및 장치에 의해 얻어진다.

본 발명의 제1 양태에 따르면, 이러한 목적은 데이터베이스를 구축하고, 차량의 경로의 예측을 가능하게 하며, 예측된 경로의 길이를 추정하는 방법에 의해 달성된다. 상기 방법은 복수의 셀을 포함하는 지리적인 지형(landscape)의 그리드-기반 표현을 확립하는 단계를 포함한다. 또한, 상기 방법은 차량의 현재 지리적 위치를 결정하는 단계를 포함한다. 상기 방법은 차량의 결정된 지리적 위치가 확립 된 그리드-기반 표현에서 셀의 셀 경계에 언제 대응하는지를 검출하는 단계를 또한 포함한다. 또한, 상기 방법은 셀 진입을 위해 셀 경계를 통과할 때 차량의 주행 방향을 결정하는 단계를 포함한다. 상기 방법은 또한 데이터베이스에서 셀의 셀 경계와 연관된 상기 결정된 주행 방향을 저장하는 단계를 포함한다.

본 발명의 제2 양태에 따르면, 상기 목적은 차량의 제어 유닛에 의해 달성된다. 제어 유닛은 차량의 경로 예측을 가능하게 하고, 예측된 경로의 길이의 추정을 가능하게 하는 데이터베이스를 구축하는 것을 목표로 한다. 제어 유닛은 복수의 셀을 포함하는 지리적인 지형의 그리드-기반 표현을 확립하도록 구성된다. 또한, 추가적으로 제어 유닛은 차량의 현재 지리적 위치를 결정하도록 구성된다. 또한, 제어 유닛은 차량의 결정된 지리적 위치가 확립된 그리드-기반 표현에서 셀의 셀 경계에 언제 대응하는지를 검출하도록 구성된다. 제어 유닛은 또한 셀 진입을 위해 셀 경계를 통과할 때 차량의 주행 방향을 결정하도록 구성된다. 또한, 제어 유닛은 데이터베이스에서 셀의 셀 경계와 연관된 결정된 주행 방향을 저장하도록 구성된다.

본 발명의 제3 양태에 따르면, 상기 목적은 차량의 경로를 예측하고, 예측 된 경로의 길이를 추정하는 방법에 의해 달성된다. 상기 방법은 차량의 현재 지리적 위치를 결정하는 단계를 포함한다. 또한, 상기 방법은 결정된 지리적 위치에 대응하며 데이터베이스 내의 복수의 셀을 포함하는 지형의 그리드-기반 표현에서 셀의 저장된 셀 경계를 검출하는 단계를 포함한다. 또한, 상기 방법은 차량이 셀의 검출된 셀 경계에서 셀에 진입하고 있는 것을 결정하는 단계를 포함한다. 상기 방법은 데이터베이스로부터 검출된 셀의 셀 경계에서 저장된 주행 방향을 추출하는 단계를 또한 포함한다. 추가적으로, 상기 방법은 셀의 검출된 셀 경계에서 추출된 저장 주행 방향의 방향으로 셀에 인접한 셀의 셀 경계를 검출하는 단계를 포함한다. 또한, 상기 방법은 조건이 충족될 때까지 저장된 주행 방향을 추출하고 인접한 셀의 셀 경계를 검출하는 것을 반복하는 단계를 포함한다. 또한, 상기 방법은 검출된 셀 경계에 의해 한정된 셀을 통한 일련의 선형 세그먼트를 생성함으로써 차량의 경로를 예측하는 단계를 포함한다. 또한, 상기 방법은 차량의 예측된 경로의 각각의 셀을 통해 추정된 거리를 가산함으로써 차량의 예측된 경로의 길이를 추정하는 단계를 포함한다.

본 발명의 제4 양태에 따르면, 상기 목적은 차량의 제어 유닛에 의해 달성된다. 제어 유닛은 차량의 경로를 예측하고 예측된 경로의 길이를 추정하는 것을 목표로 한다. 제어 유닛은 차량의 현재 지리적 위치를 결정하는 단계를 포함한다. 또한, 제어 유닛은 결정된 지리적 위치에 대응하며 데이터베이스 내의 복수의 셀을 포함하는 지형의 그리드-기반 표현에서 셀의 저장된 셀 경계를 검출하는 단계를 포함한다. 제어 유닛은 또한 셀의 검출된 셀 경계에서 차량이 셀에 진입하고 있음을 결정하는 단계를 포함한다. 또한, 제어 유닛은 데이터베이스로부터 셀의 검출된 셀 경계에서의 저장된 주행 방향을 추출하는 단계를 포함한다. 또한, 제어 유닛은 셀의 검출된 셀 경계에서 추출된 저장 주행 방향의 방향으로 셀에 인접한 셀의 셀 경계를 검출하는 단계를 포함한다. 제어 유닛은 또한 저장된 주행 방향을 추출하고 조건이 충족될 때까지 차량의 경로를 예측하는 것을 반복하는 단계를 포함한다. 또한, 제어 유닛은 검출된 셀 경계에 의해 한정된 셀을 통한 일련의 선형 세그먼트를 생성함으로써 차량의 경로를 예측하는 단계를 포함한다. 또한, 제어 유닛은 차량의 예측된 경로의 각각의 셀을 통해 추정된 거리를 가산함으로써 차량의 예측된 경로의 길이를 추정하는 단계를 포함한다.

이로써, 개시된 양태에 의해 경로 계획이 단순해진다. 1차 다항식에 의해 근사되기 때문에, 차량 전방의 도로의 더욱 정확한 거리 추정이 가능하다. 카운터(counter) 대신에 방향을 사용하면 메모리 사용량을 50% 적게 하여 통계를 구현할 수 있다. 따라서, 차량의 경로 예측이 개선된다.

다른 이점들 및 추가적인 신규 특징들은 후속하는 상세한 설명으로부터 명백해질 것이다.

도 1은 실시예에 따른 차량의 측면도이다.
도 2a는 셀 경계와 연관된 지리적 지형 및 방향의 그리드-기반 표현을 도시한다.
도 2b는 상이한 셀 경계와 연관된 저장된 주행 방향의 예를 도시한다.
도 2c는 상이한 셀 경계와 연관된 저장된 도로 경사의 예를 도시한다.
도 2d는 셀 경계와 연관된 지리적 지형 및 방향의 그리드-기반 표현을 도시한다.
도 2e는 셀 경계 및 예측된 차량 경로와 연관된 지리적 지형, 방향의 그리드-기반 표현을 도시한다.
도 2f는 차량이 그리드-기반 표현의 3개의 셀을 통과할 때 도로 경사의 예를 도시한다.
도 3은 실시예에 따른 차량 내부의 예를 도시한다.
도 4는 방법 실시예를 나타내는 흐름도이다.
도 5는 실시예에 따른 제어 유닛 및 시스템을 도시한다.
도 6은 방법 실시예를 나타내는 흐름도이다.

본 발명의 실시예들이 첨부된 도면을 참조하여 더욱 상세하게 설명될 것이다.

본원 명세서에 기술된 본 발명의 실시예들은 방법 및 제어 유닛으로 정의되며, 이는 후술되는 실시예에서 실시될 수 있다. 그러나, 이들 실시예는 많은 다른 형태로 예시되고 실현될 수 있으며, 본원 명세서에 설명된 예들로 제한되지 않는다; 오히려, 실시예들의 예시적인 예는 본 발명이 완전할 수 있도록 제공된다.

다른 목적 및 특징은 첨부된 도면과 함께 고려되는 이하의 상세한 설명으로부터 명백해질 수 있다. 그러나, 도면은 설명의 목적으로만 의도되고 첨부된 청구 범위에 대한 참조가 본원 명세서에 개시된 실시예들의 한계의 정의가 아닌 것으로 이해되어야 한다. 또한, 도면은 반드시 비율에 맞게 그려지는 것은 아니며, 다르게 표시되지 않는 한, 이들은 단지 본원 명세서에서 설명되는 구조 및 절차를 개념적으로 예시하기 위한 것이다.

도 1a는 주행 방향(105)으로 주행하는 차량(100)의 시나리오를 도시한다. 차량(100)은 예컨대, 트럭, 버스, 밴, 자동차 또는 부착된 트레일러가 있거나 또는 없는 임의의 유사한 유형의 차량일 수 있다.

차량(100)은 연속적으로 또는 사전에 정해지는 또는 구성 가능한 특정 시간 간격으로 업데이트될 수 있는 자기-학습 맵을 포함한다.

일부 실시예들에서, 이러한 자기-학습 맵 시스템은 전자 맵의 커버리지 영역을 작고 동일한 크기의 영역 요소 또는 셀로 분할함으로써 구현될 수 있다. 이후에, 전체 커버리지 영역은 많은 작은 셀들의 그리드를 형성한다. 셀은 예를 들어, 정사각형, 직사각형, 삼각형, 오각형, 육각형 등과 같은 임의의 영역 커버리지 포맷 또는 포맷들의 조합을 가질 수 있다.

차량(100)의 위치가 특정 셀 또는 셀의 셀 경계에 등록되면, 그 셀은 도로의 일부로서 표시되고, 도로 경사와 같은 다양한 도로 속성이 그 셀에 할당될 수 있다.

기록된 도로 경사를 사용하기 위해, 예측된 도로 전방의 세그먼트와 연간되어 저장될 수 있다. 출발 지점으로부터 일정한 도로 경사를 갖는 각각의 세그먼트까지의 오프셋은 도로 경사의 상승 또는 하락이 어디에서 시작하고 끝나는지를 각각 결정하기 위해 검출되고 결정될 수 있다. 가장 가능성 있는 경로의 도로 프로파일을 재구성하기 위해, 각각의 셀을 통과한 이동 거리도 추정될 수 있다. 이는 이동된 거리에 따라 도로 경사 형태의 출력을 생성한다.

가능한 경로를 생성하기 위해, 차량(100)이 각각의 셀을 어떻게 이동했는지에 관한 통계가 저장될 수 있다. 하나의 가능한 구현 해결책은 셀에 진입할 수 있는 4개의 가능한 측면을 각각 갖는 16개의 카운터를 적용하는 것을 포함합니다. 4개의 카운터는 차량(100) 또는 차량들이 특정 셀 측을 빠져나가는 횟수의 정규화된 값을 나타낼 수 있다. 카운터는 다음으로 이동할 가능성이 가장 높은 셀을 결정하여 차량 경로를 예측하는데 사용될 수 있다.

그러나, 각각의 셀의 16개의 카운터에 기초한 상술한 해결책의 단점은 지리적 지형의 그리드-기반 표현의 각각의 셀을 통해 주행 거리를 계산하는 것이 불가능하다는 것이다.

전술한 해결책으로 다가오는 도로를 따라 도로 경사의 정확한 추정이 이루어지더라도, 도로 경사 또는 언덕이 실제로 시작하고 끝나는 지점에 대한 불확실성이 있습니다. 이러한 오류는 생성된 경로 예측을 사용하는 기능의 성능을 저하시킨다.

따라서, 전술한 단점을 극복하기 위한 개선된 접근법이 적용될 수 있다. 일부 실시예들에서, 메모리 저장 엔티티는 각각의 셀의 각각의 셀 경계의 가장 가능성 있는 입구/출구 방향에 관한 정보를 저장하는데 사용될 수 있다. 이에 따라, 메모리가 절약될 수 있고, 더욱 정확한 거리 추정이 이루어질 수 있다. 이는 각각의 셀에 진입이 가능한 각각의 측에 대한 고유한 방향을 저장함으로써 달성될 수 있다. 이는 도 2a에서 더욱 논의되고 예시되는 바와 같이, 셀을 통과하는 가장 가능성 있는 방향을 지시하는 화살표로 시각화될 수 있다.

도로 경사는 방향에 의존하기 때문에, 경사는 각각의 셀의 진입 측에 대해 저장될 수 있다. 셀의 상이한 속성이 도 2a에 도시되어 있다. 상기 표시된 해결책은 예컨대, 선형 근사치를 사용함으로써 셀을 통해 이동된 거리의 더욱 정확한 근사치를 생성할 수 있다.

차량(100)의 현재 지리적 위치 및 주행 방향은 예측 알고리즘을 시작하기 위한 초기값으로 사용된다. 대응하는 셀에 미리 기록된 정보가 등록되어 있는 경우에, 셀을 통한 궤도를 계산하는데 방향이 사용될 수 있다. 직선이 셀의 경계와 교차하는 지점은 다음 셀의 시작 지점으로 사용될 수 있다. 도 2e 및 도 2f에서 더욱 설명되고 논의되는 바와 같이, 수평선의 소망하는 길이에 도달하거나 또는 이용 가능한 데이터가 더 이상 존재하지 않을 때까지 셀은 이와 같은 방식으로 횡단될 수 있다.

따라서, 차량(100)의 전방 도로의 더욱 정확한 거리 추정은 1차 다항식에 의해 근사될 수 있기 때문에 가능하다. 카운터 대신에 셀 경계에서 방향을 사용하면 50% 적은 메모리 사용으로 통계가 구현될 수 있다.

도 2a는 수평의 지리적 지형, 즉, 차량(100)의 도로 또는 다른 주행 환경의 그리드-기반 표시(200)를 개시한다. 그리드-기반 표시(200)는 복수의 셀(211, 212, 213, 214, 221, 222, 223, 224, 231, 232, 233, 234, 241, 242, 243, 244)을 포함한다.

차량(100)은 현재 셀 경계(222A)에서 그리드-기반 표시(200)의 하나의 셀(222)에 진입하고 있다. 셀(221, 212, ..., 244)이 정사각형 또는 직사각형일 때, 셀(222)은 4개의 셀 경계(222A, 222B, 222C, 222D)를 포함한다.

주행 방향은 셀(222)의 각각의 셀 경계(222A, 222B, 222C 및 222D)에 저장된다. 이에 의해, 주행 방향이 결정되어 각각의 셀 경계(222A, 222B, 222C, 222D)와 같은 기준에 대해 각도(α, β, γ, δ)로 저장된다.

따라서, 차량(100)의 주행 방향은 셀(222)의 셀 경계(222A, 222B, 222C, 222D)에 진입할 때 저장될 수 있다. 따라서, 차량(100)이 각각의 셀(211, 212, ..., 244)에 진입할 때 주행 방향이 업데이트될 수 있다. 셀(211, 212, ..., 244)에 진입할 때 현재 검출된 차량(100)의 주행 방향은 이전에 저장된 주행 방향(만일 있다면)과 결합되어 저장될 수 있다. 상기 결합은 다른 실시예에 따른 평균 평균값 또는 가중 평균값을 계산함으로써 이루어질 수 있다.

셀(211, 212, ..., 244)에 의해 표현된 영역이 차량(100)에 의해 횡단되면, 셀(211, 212, ..., 244)은 값이 할당될 수 있고, 따라서, 방문된 것으로 보여질 수 있다. 셀(211, 212, ..., 244)로부터 미래의 움직임을 예측할 때, 제1 셀(211, 212, ..., 244)의 에지부 상의 셀(211, 212, ..., 244)은 이전에 방문했는지를 결정하도록 연구될 수 있다. 그렇게 함으로써, 어떤 셀(211, 212, ..., 244)이 방문할 다음 셀(211, 212, ..., 244)일 가능성이 가장 높은지에 관한 결정이 이루어질 수 있다. 셀(211, 212, ..., 244)이 자신 옆에 방문되었던 2개의 추가 이웃 셀(211, 212, ..., 244)만을 갖는 경우, 가장 가능성 있는 경로를 결정하는 것은 간단하다. 이는 2개의 이웃하는 셀(211, 212, ..., 244) 중 하나가 이전의 셀(211, 212, ..., 244)을 나타내고 다른 하나가 방문할 가능성 있는 다음 셀(211, 212, ..., 244)을 나타내기 때문이다. 이러한 경우에, 가장 가능성 있는 움직임은 차량(100)이 진입하지 않은 이웃하는 셀(211, 212, ..., 244)로 현재 셀(211, 212, ..., 244)을 빠져나가는 것이다. 그러나 실제 도로 네트워크에서 시끄러운 위치설정 신호, 여러 차선 및 건널목이 있는 고속도로가 현실적일 때 가장 가능성이 높은 경로를 예측하는 보다 정교한 방법이 이점이 될 수 있다. 따라서, 차량(100)의 미래 경로를 예측할 수 있도록, 통계는 차량(100)에 대한 전방 도로의 예측을 생성하기 위해 저장될 수 있다.

셀(211, 212, ..., 244) 내의 이전 통과로부터의 통계치는 각각의 셀(211, 212, ..., 244)을 통한 움직임의 가장 공통적인 방향을 지시하는 화살표의 형태로 구현될 수 있다. 8개의 둘러싸는 이웃 셀(211, 212, ..., 244) 중 임의의 셀로부터 셀(211, 212, ..., 244)에 진입할 수 있기 때문에, 셀(211, 212, ..., 244)을 통한 하나의 방향은 다가오는 도로를 예측하기에 충분하지 않을 수 있다. 일부 실시예에서, 복잡성 및 메모리 사용을 감소시키기 위해, 2개의 셀(211, 212, ..., 244) 사이의 전이에 관한 단순화가 이루어질 수 있다. 이러한 단순화는, 나침반 방향으로 배향되어 있는 그리드-기반 표현(200)의 정사각형 셀(211, 212, ..., 244)의 예에서, 북쪽, 남쪽, 동쪽 및 서쪽 방향으로 위치되어 있는 4개의 이웃하는 셀(211, 212, ..., 244) 중 하나로부터 셀(211, 212, ..., 244)에 진입하는 것만이 가능하다는 것을 나타낸다.

일부 실시예들에서는 단순화가 합리적 일 수 있는데, 그 이유는 실제 응용에서 접촉 영역이 무한히 작으므로 셀(211, 212, ..., 244)의 코너를 통해 셀(211, 212, ..., 244)에 진입하는 것이 매우 어려울 것이기 때문이다. 두 개의 후속 위치 샘플들이 서로 대각선으로 인접한 셀(211, 212, ..., 244)에 위치되면, 선형 보간이 이루어질 수 있고, 교차되는 임의의 셀(211, 212, ..., 244)은 도로의 일부로 간주된다. 이러한 선형 보간은 차량(100)에 의해 교차된 모든 셀(211, 212, ..., 244)을 발견하기 위해 수행될 수 있다. 시스템에 견고성을 부가하기 위해, 차량(100)의 최대 속도에 기초하여, 보간이 가능한 교차된 셀(211, 212, ..., 244)을 더 많이 제공하는 경우는 일부 실시예들에 따라 무시될 수 있다. 방향은 셀(211, 212, ..., 244)이 어느 측(A, B, C, D)으로부터 진입되었는지에 기초하여 식별될 수 있다.

이는 개별 셀(211, 212, ..., 244)에 단방향 도로, 반 방향 도로, 4 방향 교차로 또는 이와 유사한 상황을 나타내는 이론적인 가능성을 부여한다.

이론적으로 다양한 도로 속성은 특정 도로 구간, 즉, 맵에 저장된 셀(211, 212, ..., 244), 즉, 현실의 그리드-기반 표시(200)와 관련될 수 있다. 이러한 속성은 예를 들어, 속도 제한, 곡률, 도로 경사, 높이 프로파일 및/또는 도로 유형일 수 있다. 최적의 속도 프로파일이 연료 소비를 줄이기 위해 유도될 때 도로 경사 및/또는 높이 프로파일이 중요할 수 있다.

이러한 도로 경사 및/또는 높이 프로파일은 맵 데이터베이스의 저장된 높이로부터 생성되거나 또는 다른 실시예들에서 거리에 대한 도로 경사를 통합함으로써 생성될 수 있다. 고도 정보를 포함하는 맵이 주행 중에 구축될 때, 시스템은 차량(100) 내의 네비게이션 시스템으로부터 높이 신호의 바이어스 에러와 같은 부정확성을 겪을 것이다. 그러나, 이는 높이 프로파일 대신에 도로 등급을 저장함으로써 극복될 수 있지만, 추가 문제가 발생한다. 도로 세그먼트의 경사는 높이가 아닌 움직임의 방향에 따른다. 따라서, 도로 경사는 연관된 방향의 식별자와 결합될 수 있다. 여분의 데이터는 모든 셀(211, 212, ..., 244)에 대해 저장될 수 있고, 따라서 메모리 저장 볼륨을 감소시키기 위해 최소화될 수 있다. 일부 실시예들에서, 방향과 관련한 단순화는 북쪽, 남쪽, 동쪽 및 서쪽 방향의 각각에서 상이한 도로 경사를 제한하는 것으로 이루어질 수 있다.

도 2b는 그리드-기반 표현(200)의 상이한 셀(211, 212, ..., 244)의 셀 경계(A, B, C, D)와 연관된 상이한 주행 방향이 어떻게 저장될 수 있는지의 예를 도시한다.

도시된 예들은 비 제한적이고 임의의 예를 포함한다.

또한, 도로 경사 방향 및/또는 도로 경사 값은 도 2c에 예시되고 도시된 바와 같이, 그리드-기반 표시(200)의 상이한 셀(211, 212, 244)의 셀 경계(A, B, C, D)와 관련하여 결정되고, 저장될 수 있다.

도 2d는 차량(100)의 예측 경로를 따르는 각각의 셀 경계의 주행 방향이 도시된 그리드-기반 표시(200)를 도시한다.

개발된 시스템의 목적은 움직이는 차량(100) 전방의 도로가 어떻게 보이는지 예측하는 것이다. 소망하는 출력은 다가오는 도로의 프로파일에 대한 예측일 수 있다. 이는 시스템이 차량(100)에 의해 주행될 경로가 어떻게 보일지를 추정하거나 예측할 수 있음을 의미한다. 일부 실시예들에서, 시스템 모듈은 차량(100)의 전방 도로의 예측을 생성하는데 사용될 수 있다. 시스템의 코어는 차량(100)이 메모리 또는 데이터베이스 내의 버퍼링된 셀(211, 212, ..., 244) 사이를 탐색하는 방법을 결정하는 알고리즘이다. 상기 정보를 이용하여 예측 경로의 거리가 추정될 수 있고, 등록된 도로 경사는 예측 경로와 연관될 수 있다. 각각의 셀 경계(A, B, C, D)에서 셀(211, 212, ..., 244)에 저장된 각각의 4개의 방향은 도로 경사와 연관될 수 있기 때문에, 셀(211, 212, ..., 244)의 방향과 함께 도로 프로파일이 추출될 수 있다. 2차원 도로를 예측하는 것이 가능하다면, 저장된 도로 등급이 이용 가능한 경우에 도로 등급 프로파일이 예측을 위해 자동으로 결정될 수 있다.

확대된 셀(222)에서, 셀(222) 내로 차량(100)의 입구 지점(250)이 결정된다. 차량(100)이 셀을 통해 셀 경계(222A)와 연관된 방향으로 셀(222)을 통과하고 있다고 가정함으로써, 입구 지점(250)을 시작으로 출구 지점(260)이 결정될 수 있다. 출구 지점(260)은 또한 경로의 예측된 다음 셀(232)로의 입구 지점이다. 이후에, 상기 절차는 차량 경로를 예측하기 위해 복수의 셀(211, 212, ..., 244)에 대해 반복될 수 있다.

또한, 셀(222)에서와 같이 각각의 셀(211, 212, ..., 244)에 통과된 거리는 근사화될 수 있다. 입구 지점(250), 출구 지점(260) 및 셀 측면(A, B, C, D)의 길이가 알려져 있기 때문에, 거리 C1 및 C2도 알려져 있다. 따라서, 거리 H는 피타고라스 이론을 사용하여 계산될 수 있다.

도로 프로파일을 예측하려고 할 때 발생할 수 있는 문제는 정확한 도로 추정을 작성하여 도로 등급을 연관시키는 것이다. 일부 실시예들에서, 예측된 언덕이 거리의 관점에서 오프셋을 갖지 않는 것이 중요할 수 있는데, 이는 출력을 사용하는 기능의 성능을 제한할 수 있기 때문이다. 수평선의 거리를 계산하기 위한 가장 기본적인 접근법은 방문한 셀(211, 212, ..., 244)의 중간 지점 사이에서 일련의 직선으로 간단하게 궤도를 근사화하는 것이다. 이는 일부 셀(211, 212, ..., 244)이 셀 폭보다 짧게 이동하고 일부 셀은 더 길게 이동하므로, 불확실한 거리 추정을 산출한다. 더욱 정확한 접근법은 차량(100)이 셀(211, 212, ..., 244)을 실제로 주행한 거리를 계산하여 그 거리를 데이터베이스에 저장하는 것일 수 있다. 상기 값은 셀(211, 212, ..., 244)이 횡단될 때마다 증분식으로 업데이트될 수 있다.

상기 방법과 관련된 문제는 일부 경우에 셀(211, 212, ..., 244)이 어디에 진입하는지에 따라 저장된 길이가 다를 수 있다는 것이다. 예를 들어, 고속도로가 셀(211, 212, ..., 244)과 45도로 교차하는 다중 차선 고속도로에 셀(211, 212, ..., 244)이 위치하는 경우가 될 수 있다. 이후에, 저장된 거리는 어떤 차선이 사용되었는지에 따라 달라진다. 실제로 구현된 접근법은 저장된 방향 통계를 활용하는 것이다. 가장 가능성 있는 주행 방향뿐만 아니라 셀(211, 212, ..., 244)의 입구 지점이 주어지면, 주행 거리뿐만 아니라 출구가 도 2d에 도시된 바와 같은 선형 근사를 사용하여 추정될 수 있다.

시스템 생성과 관련된 어려움은 저장된 방향의 오류에 강인하게 함과 동시에 저장된 데이터로부터 예측된 도로 세그먼트를 정확하게 생성할 수 있는 알고리즘을 개발하는 것일 수 있다. 기본적인 아이디어는 저장된 셀 정보로부터 수평선을 생성하기 위한 출발 지점으로서 차량(100)의 최신 알려진 위치 및 베어링 샘플을 이용하는 것이다. 이는 현재 베어링이 있는 원래 위치에서 직선으로 연장함으로써 수행될 수 있다. 이 라인이 새로운 셀(211, 212, ..., 244)과 교차할 때, 새로운 셀(211, 212, ..., 244) 내의 저장된 데이터가 추출되고, 특정 입구 측에 대한 방향 정보가 라인에 새로운 방향을 부여하는데 사용될 수 있다. 이후에, 상기 라인은 새로운 셀 경계(A, B, C, D)를 교차할 때까지 연장될 것이고 이러한 절차는 반복될 것이다.

이러한 방식으로, 긴 구간적(piecewise) 선형 도로 예측이 생성될 수 있다. 일부 실시예들에서, 대응 도로 등급 데이터는 동시에 추출될 수 있고, 차량(100)의 경로를 따르는 각각의 셀(211, 212, ..., 244)의 거리가 계산될 수 있다. 예측된 도로 세그먼트를 생성하는 절차가 도 2e에 도시되어 있다.

방향의 시작 지점은 저장되지 않고 입구 셀 경계(A, B, C, D)와 연관된 방향 자체만 저장된다는 점에 유의해야 한다. 예시 목적을 위해 도 2e의 좌측에 있는 화살표는 모두 각각의 입구 측(A, B, C, D)의 중간에 배치되어 있다. 셀(211, 212, ..., 244)의 입구 지점(250)은 생성되는 수평선이 셀(211, 212, ..., 244) 경계와 교차하는 곳으로부터 결정될 수 있다. 이후에, 저장된 방향은 상기 지점으로부터 수평선이 이어지고, 다음 출구를 찾는데 사용된다. 그런 다음 수평선 생성은 3개의 이벤트(사전에 정의된 최대 수평선 길이가 획득, 알고리즘은 예측된 도로의 임의의 가능한 연속을 발견할 수 없거나 및/또는 예측된 도로는 차량(100) 주위의 이용 가능한 버퍼의 에지에 도달) 중 하나가 발생할 때까지 진행될 수 있다.

전술한 경우는 필요한 모든 정보가 예상대로 저장되는 실시예이다. 그러나, 알고리즘의 시작점에서의 오프셋 또는 기록된 방향에서의 교란이 이전에 방문하지 않은 셀(211, 212, ..., 244)로 가로지르는 예측된 수평선을 초래할 수 있고, 결과적으로 필요한 방향성 데이터를 발견할 수 없다. 예측을 종결시키고 긴 예측이 달성될 수 없다고 결론 내리는 대신에, 일부 실시예들에 따르면, 견고성을 증가시키고 긴 수평선을 예측하기 위해 일부 대안적인 접근법이 사용될 수 있다.

상기 문제에 대한 제1 해결책은 최종 유효 셀(211, 212, ..., 244)로부터의 대안적인 출구를 조사하는 것일 수 있다. 최종 유효 셀(211, 212, ..., 244)에 저장된 방향 데이터에 따라, 대안적인 후보 셀(211, 212, ..., 244)이 선택되어 조사될 수 있다. 이는 일반적으로 최종 유효 셀(211, 212, ..., 244)의 예상된 출구 지점(260)에 가장 가까운 셀(211, 212, ..., 244)이다. 수평선 생성을 진행하는데 필요한 데이터가 대안적인 셀(211, 212, ..., 244)에서 발견될 수 있는 경우에, 생성된 수평선은 상기 셀(211, 212, ..., 244)에 진입하도록 수정될 수 있고, 수평선 생성은 대안적인 셀(211, 212, ..., 244)로부터 본래의 방식으로 계속된다. 상기 대안의 실시예는 수평선 세그먼트가 조기에 종료되는 대부분의 경우를 포착할 수 있다. 시도가 성공적이지 않으면, 대안적인 셀(211, 212, ..., 244)의 패턴은 수평선으로 사용될 후보로서 순차적으로 고려될 수 있다. 수평선에 대한 다음 셀(211, 212, ..., 244)의 제1 선택이 이용 가능하지 않은 경우에, 3개의 후보 셀(211, 212, ..., 244)이 평가될 수 있다. 3개의 후보들과 함께 다음 셀(211, 212, ..., 244)의 제1 선택은 이하의 리스트에서 차례로 기술될 수 있다. 1. 출구 지점(260)이 위치하는 것으로 계산되는 셀 경계(A, B, C, D)를 공유하는 셀(211, 212, ..., 244). 2. 최종 유효 셀(211, 212, ..., 244)과 나란히 위치하며 계산된 출구 지점(260)에 가장 가까운 셀(211, 212, ..., 244). 3. 다음 셀(211, 212, ..., 244)의 제1 선택과 나란히 위치하며 출구 지점(260)과 가장 가까운 셀(211, 212, ..., 244). 4. 다음 셀(211, 212, ..., 244)의 제1 선택과 나란히 위치하지만 출구 지점(260)과 가장 가까운 것이 아닌 다른 셀(211, 212, ..., 244). 대안적인 실시예에 따르면, 긴 수평선을 발견하는 문제를 발견하기 위한 보완적인 접근법은 발견 된 수평선의 마지막 단계를 역 추적하고 다른 가능한 경로를 찾는 것일 수 있다. 상기 접근법은 가장 긴 수평선을 달성하기 위해 횡단될 수 있는 노드에 의해 다른 픽셀이 표시되는 결정 트리로 설명될 수 있다. 상기 접근법의 목적은 발견된 수평선이 막다른 길을 나타내는 경우를 제거하는 것이다. 이와 같은 거동의 근거는 실제 막다른 길일 수 있거나 또는 맵에 저장된 잘못된 데이터로 인한 것일 수도 있다. 이는 차량(100)이 예를 들어, T-교차로 또는 Y-교차로에 접근하는 경우일 수 있다. 두 도로를 모두 여러 번 방문하면, 각각의 방향 정보는 가장 가능성 있는 주행 방향이 실제로 도로가 없는 두 도로의 중간에 있음을 나타낼 수 있다. 일반적으로 이러한 경우에, 두 도로 사이에 있는 셀(211, 212, ..., 244)은 방문하지 않았으며, 알고리즘은 두 개의 실제 도로 중 하나를 선택할 것이다. 그러나, 두 도로 외부에 있는 셀(211, 212, ..., 244)이 미리 저장된 부정확한 위치 데이터로 인해 값이 할당되면, 일부 실시예에 따라 "팬텀 로드"가 검출될 수 있다. 그것은 현실에 존재하지 않는 도로이다. 상기 비 실제 도로가 그 방향으로 등록된 소수의 셀(211, 212, ..., 244)만을 갖는다면, 이러한 경우에 교차로에서 2개의 실제 도로 중 하나인 대안적인 도로를 발견하도록 소수의 셀(211, 212, ..., 244)을 후퇴시키는 것이 가능하다. 특정 셀 내부 계산을 표준화하기 위해, 표준 셀(211, 212, ..., 244)이이 레벨의 모든 작업에 사용될 수 있다. 이는 셀(211, 212, 244)에 진입되는 측(A, B, C, D)과는 독립적으로, 셀(211, 212, ..., 244) 내의 계산이 동일한 방식으로 수행됨을 의미한다. 셀(211, 212, ..., 244)의 입구 측(A, B, C, D)은 셀(211, 212, ..., 244)의 베이스로서 정의된다.

상기 측(A, B, C, D)으로부터, 입구 위치(250) 및 출구 위치(260)가 정의되는 상대 좌표 시스템이 정의될 수 있다. 기준 라인으로부터 정의된 상대 각도(α, β, γ, δ)는 주행 방향을 설명하는데 사용될 수 있다. 이는 셀(211, 212, ..., 244)을 통해 거리를 계산하고, 셀(211, 212, ..., 244)의 입구 측(A, B, C, D)과 독립적으로 셀(211, 212, ..., 244)의 출구 지점(260)을 결정하는 것을 가능하게 한다. 상기 상대적인 셀(211, 212, ..., 244)을 대응하는 값 및 실제 맵에서의 계산과 통합하기 위해, 절대 좌표로부터 상대 좌표로의 변환이 필요하다. 변환은 셀(211, 212, ..., 244)의 단순한 회전으로 볼 수 있다. 셀(211, 212, ..., 244)의 입구 측(A, B, C, D)이 베이스가 되도록 회전된다. 계산이 수행되고 결과가 다시 절대 값으로 변환되어 해당 포맷으로 저장된다.

도 2f는 임의의 예에서 3개의 셀(214, 224 및 223)을 통과할 때 차량(100)이 겪게될 지형적 차이의 예를 도시한다. 일부 실시 예에서, 수평면에서의 과거 거리와 수직면에서의 곡률을 조합함으로써, 차량(100)의 예측 경로의 거리가 추정될 수 있다.

도 3은 경로를 따라 임의의 위치에 위치될 때 이전 시나리오가 차량(100)의 운전자에 의해 어떻게 감지될 수 있는지의 일례를 도시하는 실시예에 따른 차량 내부를 도시한다.

제어 유닛(310)은 차량(100)의 현재 위치로부터 목적지까지의 차량(100)에 대한 경로를 예측하도록 구성될 수 있다. 제어 유닛(310)은 데이터베이스(320)를 포함하거나 데이터베이스(320)에 연결될 수 있으며, 상기 데이터베이스(320)는 지리적 위치와 연관된 데이터를 포함할 수 있다. 예시된 실시예에서, 제어 유닛(310) 및 데이터베이스(320)는 차량(100) 내에 포함된다. 그러나, 다른 실시예들에서, 제어 유닛(310) 및/또는 데이터베이스(320)는 예를 들어, 무선 통신 인터페이스를 통해 액세스 가능한 차량 외부 구조물에 배치될 수 있다.

이러한 무선 통신은 예를 들어, 차량-대-차량(V2V) 신호 또는 Wi-Fi, 울트라 모바일 광대역(UMB), 무선 근거리 통신망(WLAN), 블루투스(BT) 또는 적외선 전송으로 알려진 임의의 가능한 무선 통신의 예들과 같은 무선 통신 기술을 기반으로 하거나 적어도 이에 영감을 받은 다른 무선 신호를 포함하거나 이를 기반으로 할 수 있다.

차량(100)의 지리적 위치는 네비게이션 신호 타이밍 및 거리 설정(Navstar) 위성 위치 확인 시스템(GPS), 차동 GPS, 갈릴레오(Galileo), 글로나스(GLONASS) 등과 같은 위성 네비게이션 시스템을 기반으로 할 수 있는 차량(100) 내의 위치설정 장치(330)에 의해 결정될 수 있다.

위치설정 장치(330)의 지리적 위치(및 그에 따른 차량(100)의 지리적 위치)는 다양한 실시예들에 따라 특정의 사전에 정해진 또는 구성 가능한 시간 간격으로 연속적으로 이루어질 수 있다.

위성 네비게이션에 의한 위치설정은 다수의 위성(340-1, 340-2, 340-3, 340-4)으로부터의 삼각 측량을 이용한 거리 측정에 기초한다. 상기 예에서, 4개의 위성(340-1, 340-2, 340-3, 340-4)이 도시되어 있지만, 이는 단지 예일 뿐이다. 4개 이상의 위성(340-1, 340-2, 340-3, 340-4)이 정밀도를 높이거나 중복성을 생성하기 위해 사용될 수 있다. 위성(340-1, 340-2, 340-3, 340-4)은 시간과 날짜에 관한 정보(예컨대, 코드화된 형태), 신원(어느 위성(340-1, 340-2, 340-3, 340-4)이 방송하는지), 상태 및 위성(340-1, 340-2, 340-3, 340-4)이 임의의 주어진 시간에 어디에 위치하는지에 관한 정보를 연속적으로 전송한다. GPS 위성(340-1, 340-2, 340-3, 340-4)은 예를 들어, 반드시 코드 분할 다중 접속(CDMA)에 기반하지는 않지만, 상이한 코드들로 인코딩된 정보를 전송한다. 이는 각각의 위성(340-1, 340-2, 340-3, 340-3)에 대한 고유 코드에 기초하여 다른 정보와 개별 위성(340-1, 340-2, 340-3, 340-4)으로부터의 정보를 구별하도록 한다. 이후에, 상기 정보는 차량(100)에 포함된 적절하게 적응된 위치설정 장치에 의해 수신되도록 송신될 수 있다.

일부 실시예들에 따르면, 거리 측정은 각각의 위성(340-1, 340-2, 340-3, 340-4)에 의해 송신된 각각의 위성 신호가 위치설정 장치(330)에 도달하는데 걸리는 시간의 차이를 측정하는 것을 포함할 수 있다. 무선 신호가 광속으로 이동하는 경우에, 각각의 위성(340-1, 340-2, 340-3, 340-4)에 대한 거리는 신호 전파 시간을 측정함으로써 계산될 수 있다.

위성(340-1, 340-2, 340-3, 340-4)의 위치는 지구의 적도를 따라 그리고 그 근방에 주로 위치하는 약 15-30개의 지상국에 의해 연속적으로 모니터링되는 것으로서 알려져 있다. 따라서, 차량(100)의 지리적 위치, 즉 차량의 위도 및 경도는 삼각 측량을 통해 적어도 3개의 위성(340-1, 340-2, 340-3, 340-4)에 대한 거리를 결정함으로써 계산될 수 있다. 일부 실시예들에 따르면, 고도를 결정하기 위해, 4개의 위성(340-1, 340-2, 340-3, 340-4)으로부터의 신호가 사용될 수 있다.

위치설정 장치(330)의 지리적 위치를 결정하면(또는 다른 방식으로), 맵, 스크린 또는 차량(100)의 위치가 표시될 수 있는 디스플레이 장치 상에 표시될 수 있다.

일부 실시예들에서, 차량(100)의 지리적 위치, 차량(100)의 예측된 경로 및 경로 계획과 관련된 다른 가능한 정보는 인터페이스 유닛에 디스플레이될 수 있다. 인터페이스 유닛은 대시 보드, 스크린, 디스플레이 또는 임의의 유사한 장치를 포함할 수 있다.

도 4는 실시예에 따른 방법(400)의 예를 도시한다. 도 4의 흐름도는 차량(100)의 경로의 예측을 가능하게 하는 데이터베이스(320)를 구축하여 예측된 경로의 길이를 추정하는 방법(400)을 도시한다.

차량(100)은 트럭, 버스, 자동차 등과 같은 임의의 종류의 운송 수단일 수 있다. 차량은 운전자에 의해 구동되거나 또는 다른 실시예에서는 자율적일 수 있다.

데이터베이스(320)를 올바르게 구축할 수 있도록, 방법(400)은 다수의 단계(401-407)를 포함할 수 있다. 그러나, 이들 단계(401-407) 중 일부는 예를 들어, 단계(405-406)와 같은 일부 대안적인 실시예들에서 단독으로 수행될 수 있다. 또한, 기술된 단계(401-407)는 숫자로 기재한 제안과 다소 다른 시간순으로 수행될 수 있다. 예컨대, 일부 실시예들에서, 단계(402)는 단계(401) 이전에 수행될 수 있다. 방법(400)은 이하의 후속 단계들을 포함할 수 있다.

단계(401)는 복수의 셀(211, 212, ..., 244)을 포함하는 지리적인 지형의 그리드-기반 표현(200)을 확립하는 단계를 포함한다.

단계(402)는 차량(100)의 현재 위치를 결정하는 단계를 포함한다.

현재 차량 위치는 예컨대, GPS와 같은 지리적 위치설정 장치(330)에 의해 결정될 수 있다. 그러나, 대안적으로, 차량(100)의 현재 위치는 차량(100)의 운전자에 의해 검출되고 등록될 수 있다.

단계(403)는 차량(100)의 결정된(402) 지리적 위치가 그리드-기반 표현(200) 내에서 셀(222)의 셀 경계(222A)에 언제 대응하는지를 검출하는 단계를 포함한다.

단계(404)는 셀(222)에 진입하기 위해 셀 경계(222A)를 통과할 때 차량(100)의 주행 방향을 결정하는 단계를 포함한다.

일부 특정 실시예에서만 수행될 수 있는 단계(405)는 셀 경계(222A)와 연관된 경사를 결정하는 단계를 포함한다.

셀 경계(222A)와 연관된 경사는 예를 들어, 상이한 실시예들에서, 셀(222)의 평균 경사, 셀 경계(222A)의 평균 경사 또는 셀 경계(222A)의 현재 세그먼트에서의 결정된 경사일 수 있다.

또한, 일부 실시예들에 따르면, 데이터베이스(320)에 셀(222)의 셀 경계(222A)와 연관된 임의의 이전에 저장된 경사가 있는지 여부가 검사될 수 있고, 만약 있다면, 이전에 저장된 값 또는 값들은 결정된 경사와 결합되어 데이터베이스(320) 내의 셀(222)의 셀 경계(222A)와 연관되어 저장된다. 이와 같은 일부 실시예들에서, 이전에 저장된 경사와 현재 결정된(405) 경사의 결합은 현재 결정된(404) 경사에 이전에 저장된 경사보다 높은 가중치를 부여하는 가중 평균값을 계산함으로써 이루어질 수 있다.

일부 특정 실시예에서만 수행될 수 있는 단계(406)는 데이터베이스(320)에 셀(222)의 셀 경계(222A)와 연관된 임의의 이전에 저장된 주행 방향이 있는지 여부를 검사하는 단계를 포함하고, 만약 있다면, 이전에 저장된 주행 방향과 결정된(404) 주행 방향을 결합하는 단계를 포함하며, 결합된 주행 방향은 데이터베이스(320) 내의 셀(222)의 셀 경계(222A)와 연관되어 저장된다(407).

일부 실시예들에서, 이전에 저장된 주행 방향과 현재 결정된(404) 주행 방향의 결합은 현재 결정된(404) 주행 방향에 이전에 저장된 주행 방향보다 높은 가중치를 부여하는 가중 평균값을 계산함으로써 이루어질 수 있다.

단계(407)는 데이터베이스(320) 내의 셀(222)의 셀 경계(222A)와 연관된 결정된 주행 방향을 저장하는 단계를 포함한다.

도 5는 차량(100) 경로의 예측을 가능하게 하는 데이터베이스(320)를 구축하여 예측된 경로의 길이를 추정하기 위한 시스템(500)의 실시예를 도시한다.

시스템(500)은 차량(100) 내의 제어 유닛(310) 및 지리적 위치설정 장치(330) 및 데이터베이스(320)를 포함한다. 제어 유닛(310)은 도 4에서 기술된 방법(400)에 따른 이전에 기술된 단계(401-407) 중 적어도 일부를 수행할 수 있다.

제어 유닛(310)은 데이터베이스(320)를 구축하도록 구성되어서, 차량(100)의 경로 예측 및 예측된 경로 길이 추정을 가능하게 한다. 제어 유닛(310)은 또한 복수의 셀(211, 212, ..., 244)을 포함하는 지리적인 지형의 그리드-기반 표시(200)를 확립하도록 구성된다. 또한, 제어 유닛(310)은 차량(100)의 현재 지리적 위치를 결정하도록 구성된다. 또한, 제어 유닛(310)은 차량(100)의 결정된 지리적 위치가 확립된 그리드-기반 표시(200) 내의 셀(222)의 셀 경계(222A)에 대응하는지를 검출하도록 구성된다. 또한, 제어 유닛(310)은 셀(222)에 진입하기 위해 셀 경계(222A)를 통과할 때 차량(100)의 주행 방향을 결정하도록 구성된다. 또한, 제어 유닛(310)은 데이터베이스(320) 내의 셀(222)의 셀 경계(222A)와 연관된 결정된 주행 방향을 저장하도록 구성된다.

일부 실시예들에서, 제어 유닛(310)은 셀 경계(222A)와 연관되어 도로와 관련된 경사 및/또는 다른 도로 속성을 결정하도록 추가로 구성될 수 있다. 또한, 일부 실시예들에 따르면, 제어 유닛(310)은 데이터베이스(320) 내의 셀(222)의 셀 경계(222A)와 연관된 결정된 경사를 저장하도록 구성될 수 있다. 일부 실시예들에서, 결정된 경사의 가중 평균값은 이전에 저장된 경사보다 현재 결정된 경사에 높은 가중치를 부여함으로써 계산될 수 있다.

제어 유닛(310)은 또한 데이터베이스(320) 내의 셀(222)의 셀 경계(222A)와 연관된 임의의 이전에 저장된 주행 방향이 존재하는지 여부를 검사하도록 구성될 수 있으며, 만일 있다면, 이전에 저장된 주행 방향과 결정된 주행 방향을 결합하도록 구성되며, 결합된 주행 방향은 데이터베이스(320) 내의 셀(222)의 셀 경계(222A)와 연관되어 저장된다.

또한, 일부 실시예들에서, 제어 유닛(310)은 이전에 저장된 주행 방향보다 현재 결정된 주행 방향에 높은 가중치를 부여하여 가중 평균값을 계산함으로써 이전에 저장된 주행 방향과 현재 결정된 주행 방향을 결합하도록 구성될 수 있다.

일부 실시예들에서, 제어 유닛(310)은 차량(100)에 포함될 수 있다. 그러나, 일부 다른 대안적인 실시예들에서, 제어 유닛(310)은 차량 외부 구조물에 포함될 수 있다.

일부 실시예들에서, 제어 유닛(310)은 방법(400)에 따른 이전에 기술된 단계(401-407) 중 적어도 일부를 수행하도록 구성된 프로세서(520)를 포함할 수 있다.

이러한 프로세서(520)는 프로세싱 회로, 즉, 중앙 처리 유닛(CPU), 프로세싱 유닛, 프로세싱 회로, 프로세서, 주문형 집적 회로(ASIC), 마이크로 프로세서, 또는 명령을 해석하고 실행할 수 있는 다른 프로세싱 로직 중 하나 이상의 예를 포함할 수 있다. 본원 명세서에서 사용되는 "프로세서"라는 표현은 예를 들어 위에서 열거된 것들 중 임의의 것, 일부 또는 전부와 같은 복수의 프로세싱 회로를 포함하는 프로세싱 회로망을 나타낼 수 있다.

다른 실시예들에서, 제어 유닛(310)은 위치설정 장치(330) 및/또는 데이터베이스(310)로부터 신호를 수신하도록 구성된 수신 회로(510)를 또한 포함할 수 있다.

또한, 일부 실시예들에서, 제어 유닛(310)은 메모리(525)를 포함할 수 있다. 선택적인 메모리(525)는 데이터 또는 프로그램, 즉, 명령들의 시퀀스를 일시적 또는 영구적으로 저장하는데 이용되는 물리적 장치를 포함할 수 있다. 일부 실시예들에 따르면, 메모리(525)는 실리콘-기반 트랜지스터를 포함하는 집적 회로를 포함할 수 있다. 다른 실시예들에서, 메모리(525)는 예를 들어, 메모리 카드, 플래시 메모리, USB 메모리, 하드 디스크 또는 ROM (판독 전용 메모리), PROM(프로그램 가능 판독 전용 메모리), EPROM(소거 가능 PROM), EEPROM(전기적으로 소거 가능 PROM) 등과 같은 데이터를 저장하기 위한 다른 유사한 휘발성 또는 비-휘발성 저장 유닛을 포함할 수 있다.

또한, 제어 유닛(310)은 신호 송신기(530)를 포함할 수 있다. 신호 송신기(530)는 데이터베이스(320)에 의해 수신될 신호를 송신하도록 구성될 수 있다.

또한, 제어 유닛(310)은 차량(100)의 경로를 예측하고 예측된 경로의 길이를 추정하도록 구성된다. 또한, 제어 유닛(310)은 차량(100)의 현재 지리적 위치를 결정하도록 구성된다. 또한, 제어 유닛(310)은 결정된 지리적 위치에 대응하며 데이터베이스(320) 내의 복수의 셀(211, 212, ..., 244)을 포함하는, 지형의 그리드-기반 표현(200)의 셀(222)의 저장된 셀 경계(222A)를 검출하도록 구성된다. 또한, 제어 유닛(310)은 차량(100)이 셀(222)의 검출된 셀 경계(222A)에서 셀(222)에 언제 진입하는지를 결정하도록 구성된다. 또한, 제어 유닛(310)은 데이터베이스(320)로부터 셀(222)의 검출된 셀 경게(222A)에서 저장된 주행 방향을 추출하도록 구성된다. 또한, 제어 유닛(310)은 셀(222)의 검출된 셀 경계(222A)에서 추출된 저장 주행 방향에서 셀(222)에 인접한 셀(232)의 셀 경계(232B)를 검출하도록 구성된다. 제어 유닛(310)은 또한 조건이 충족될 때까지 저장된 주행 방향을 추출하고 차량(100)의 경로를 예측하는 단계를 반복하도록 구성된다. 또한, 제어 유닛(310)은 검출된 셀 경계(222A, 232B)에 의해 경계가 정해진 셀(211, 212, ..., 244)을 통해 일련의 선형 세그먼트를 생성함으로써 차량(100)의 경로를 예측하도록 구성된다. 제어 유닛(310)은 차량(100)의 예측 경로의 각각의 셀(211, 212, ..., 244)을 통해 추정된 거리를 가산함으로써 차량(100)의 예측 경로의 길이를 추정하도록 구성된다.

제어 유닛(310)에서 수행되는 전술한 단계(401-407)는 단계(401-407)의 기능 중 적어도 일부를 수행하기 위한 컴퓨터 프로그램 제품과 함께 제어 유닛(310) 내의 하나 이상의 프로세서(520)를 통해 구현될 수 있다. 따라서, 제어 유닛(310)에서 단계(401-407)를 수행하기 위한 명령들을 포함하는 컴퓨터 프로그램 제품은 컴퓨터 프로그램이 제어 유닛(310)의 하나 이상의 프로세서(520) 내에서 로딩될 때 데이터베이스(320)를 구축하여 차량(100)의 경로를 예측하고, 예측된 경로의 길이를 추정을 가능하게 하는 단계(401-407) 중 적어도 일부를 포함하는 방법(400)을 수행할 수 있다.

전술한 컴퓨터 프로그램 제품은 예를 들어, 제어 유닛의 하나 이상의 프로세서(520)에서 로딩될 때 일부 실시예에 따른 단계(401-407) 중 적어도 일부를 수행하기 위한 컴퓨터 프로그램 코드를 전달하는 데이터 캐리어의 형태로 제공될 수 있다. 데이터 캐리어는 예를 들어, 하드 디스크, CD-ROM 디스크, 메모리 스틱, 광학 저장 장치, 자기 저장 장치 또는 비 일시적인 방식으로 기기 판독 가능 데이터를 저장할 수 있는 디스크 또는 테이프와 같은 임의의 다른 적절한 매체일 수 있다. 또한, 컴퓨터 프로그램 제품은 서버 상의 컴퓨터 프로그램 코드로서 제공될 수 있고, 예를 들어 인터넷 또는 인트라넷 접속을 통해 원격으로 제어 유닛(310)에 다운로드될 수 있다.

도 6은 실시예에 따른 방법(600)의 예를 도시한다. 도 6의 흐름도는 차량(100)의 경로를 예측하고 예측된 경로의 길이를 추정하는 방법(600)을 도시한다.

경로는 예를 들어, 데이터베이스(320)를 구축하여 차량(100)의 경로의 예측 및 예측된 경로의 길이의 추정을 가능하게 하는 이전에 전술한 방법(400)에 의해 데이터베이스(320)를 기반으로 예측될 수 있다.

차량(100)은 트럭, 버스, 자동차 등과 같은 임의의 종류의 운송 수단일 수 있다. 차량은 운전자에 의해 구동되거나 또는 다른 실시예에서 자율적일 수 있다.

차량 경로를 정확하게 예측할 수 있도록, 방법(600)은 다수의 단계(601-608)를 포함할 수 있다. 그러나, 이들 단계(601-608) 중 일부는 일부 다른 실시예들에서 단독으로 수행될 수 있다. 또한, 기술된 단계(601-608)는 숫자로 기재한 제안과 다소 다른 시간순으로 수행될 수 있다. 예컨대, 일부 실시예들에서, 단계(602)는 단계(601) 이전에 수행될 수 있다. 방법(600)은 이하의 후속 단계들을 포함할 수 있다.

단계(601)는 차량(100)의 현재 지리적 위치를 결정하는 단계를 포함한다.

단계(602)는 데이터베이스(320) 내의 복수의 셀(211, 212, ..., 244)을 포함하는 지형의 그리드-기반 표현(200)에서 결정된(601) 지리적 위치에 대응하는 셀(222)의 저장된 셀 경계(222A)를 검출하는 단계를 포함한다.

단계(603)는 셀(222)의 검출된(602) 셀 경계(222A)에서 차량(100)이 셀(222)에 진입하는 것을 결정하는 단계를 포함한다.

단계(604)는 데이터베이스(320)로부터 셀(222)의 검출된(602) 셀 경계(222A)에서 저장된 주행 방향을 추출하는 단계를 포함한다.

단계(605)는 셀(222)의 검출된 셀 경계(222A)에서 추출된(604) 저장 주행 방향의 방향으로 셀(222)에 인접한 셀(232)의 셀 경계(232B)를 검출하는 단계를 포함한다.

단계(606)는 조건이 충족될 때까지 저장된 주행 방향을 추출하고(604), 인접 셀(232)의 셀 경계(232B)를 검출(605)하는 것을 반복하는 단계를 포함한다.

단계(607)는 검출된(605) 셀 경계(222A, 232B)에 의해 한정된 셀(211, 212, ..., 244)을 통해 일련의 선형 세그먼트를 생성함으로써 차량(100)의 경로를 예측하는 단계를 포함한다.

단계(608)는 차량(100)의 예측된(607) 경로의 각각의 셀(211, 212, ..., 244)을 통해 추정된 거리를 가산함으로써 차량(100)의 예측된(607) 경로의 길이를 추정하는 단계를 포함한다.

일부 실시예들에서, 예측된(607) 경로의 길이의 추정은, 예측된(607) 경로를 따라 각각의 셀(211, 212, ..., 244)의 입구 지점(250) 및 셀(222)의 입구 지점(250)의 셀 경계(222A)와 연관되어 추출된(604) 주행 방향에 위치하는 출구 지점(260)을 추정하고, 각각의 셀(211, 212, ..., 244)에 대하여 입구 지점(250) 및 출구 지점(260) 사이의 거리의 길이를 계산하고, 계산된 거리를 서로 가산함으로써 수행될 수 있다.

차량(100)의 운전자는 예를 들어, 모바일 폰, 컴퓨터, 컴퓨터 태블릿 또는 이와 유사한 장치와 같은 운전자의 모바일 장치에 제시된 앱을 통해 예측된(607) 경로의 추정된(608) 길이에 대해 통보받을 수 있다.

그러나, 정보는 차량(100)의 디스플레이를 통해, 차량(100)의 큰 스피커 또는 다른 실시예에서 유사한 장치를 통해 운전자에게 제공될 수 있다.

제어 유닛(310)에서 수행되는 이전에 기술된 단계(601-608)는 단계(601-608)의 기능 중 적어도 일부를 수행하기 위한 컴퓨터 프로그램 제품과 함께 제어 유닛(310) 내의 하나 이상의 프로세서(520)를 통해 구현될 수 있다. 따라서, 제어 유닛(310)에서 단계(601-608)를 수행하기 위한 명령들을 포함하는 컴퓨터 프로그램 제품은 컴퓨터 프로그램이 제어 유닛(310)의 하나 이상의 프로세서(520) 내에서 로딩될 때 차량(100)의 경로를 예측하고, 예측된 경로의 길이를 추정하기 위한 단계(601-608) 중 적어도 일부를 포함하는 방법(600)을 수행할 수 있다.

전술한 컴퓨터 프로그램 제품은 예를 들어, 제어 유닛(310)의 하나 이상의 프로세서(520)에서 로딩될 때 일부 실시예에 따른 단계(601-608) 중 적어도 일부를 수행하기 위한 컴퓨터 프로그램 코드를 전달하는 데이터 캐리어의 형태로 제공될 수 있다. 데이터 캐리어는 예를 들어, 하드 디스크, CD-ROM 디스크, 메모리 스틱, 광학 저장 장치, 자기 저장 장치 또는 비 일시적인 방식으로 기기 판독 가능 데이터를 저장할 수 있는 디스크 또는 테이프와 같은 임의의 다른 적절한 매체일 수 있다. 또한, 컴퓨터 프로그램 제품은 서버 상의 컴퓨터 프로그램 코드로서 제공될 수 있고, 예를 들어 인터넷 또는 인트라넷 접속을 통해 원격으로 제어 유닛(310)에 다운로드될 수 있다.

첨부 도면들에 도시된 실시예들의 설명에서 사용된 용어는 설명된 방법들(400, 600); 제어 유닛(310); 컴퓨터 프로그램 및/또는 제어 유닛(310)을 포함하는 차량(100)을 제한하려는 것이 아니다. 다양한 변경, 대체 및/또는 변형은 첨부된 청구항에 의해 정의된 바와 같은 본 발명의 실시예를 벗어나지 않고 이루어질 수 있다.

본원 명세서에 사용된 바와 같이, "및/또는"은 하나 또는 그 이상의 관련 열거된 항목의 임의의 조합을 포함한다. 본원 명세서에 사용된 용어 "또는"은 다르게 명시되지 않는 한 수학적인 배타적 논리합 OR (XOR)이 아닌 수학적 OR, 즉, 포괄적인 분리로서 해석되어야 한다. 또한, 단수 형태 "a", "an" 및 "the"는 "적어도 하나"로 해석되어야 하며, 다르게 명시되지 않는 한 동일 종류의 복수의 개체를 포함 할 수도 있다. 용어 "포함하는(include)", "포함하는(comprises)", "포함하는(including)" 및/또는 "포함하는(comprising)"은 명시된 특징, 동작, 정수, 단계, 작동, 부재 및/또는 부품의 존재를 나타내지만, 하나 이상의 다른 특징, 동작, 정수, 단계, 작동, 부재, 부품 및/또는 이들의 그룹의 존재 또는 추가를 배제하지 않아야 한다. 예를 들어, 프로세서와 같은 단일 유닛은 청구 범위에 열거된 여러 항목의 기능을 수행할 수 있다. 특정 측정값이 서로 다른 종속항에 기재된다는 단순한 사실만으로 이러한 측정값의 조합을 활용할 수 없다는 것을 의미하지는 않는다. 컴퓨터 프로그램은 다른 하드웨어와 함께 또는 다른 하드웨어의 일부로서 제공되는 광 저장 매체 또는 고체 상태 매체와 같은 적절한 매체 상에 저장/분포될 수 있지만, 인터넷 또는 다른 유선이나 무선 통신 시스템과 같은 다른 형태로 또한 분포될 수 있다.

Claims

데이터베이스(320)를 구축하여 차량(100)의 경로 예측을 가능하게 하고 예측된 경로의 길이를 추정하는 방법(400)으로,
상기 방법(400)은,
복수의 셀(211, 212, ..., 214)을 포함하는 지리적인 지형의 그리드-기반 표현(200)을 확립하는 단계(401);
차량(100)의 현재 지리적 위치를 결정하는 단계(402);
차량(100)의 결정된(402) 지리적 위치가 확립된(401) 그리드-기반 표현(200)에서 셀(222)의 셀 경계(222A)에 언제 대응하는지를 검출하는 단계(403);
셀(222) 진입을 위해 셀 경계(222A)를 통과할 때 차량(100)의 주행 방향을 결정하는 단계(404); 및
데이터베이스(320)에 셀(222)의 셀 경계(222A)와 연관된 결정된 주행 방향을 저장하는 단계(407)를 포함하는 것을 특징으로 하는 방법.
제1항에 있어서,
셀 경계(222A)와 연관된 경사를 결정하는 단계(405)를 또한 포함하며,
셀 경계(222A)와 연관되어 결정된(405) 경사는 셀(222)의 셀 경계(222A)와 연관되어 데이터베이스(320)에 저장(407)되는 것을 특징으로 하는 방법.
제1항 또는 제2항에 있어서,
데이터베이스(320)에 셀(222)의 셀 경계(222A)와 연관된 임의의 이전에 저장된 주행 방향이 있는지 여부를 검사하는 단계(406)를 또한 포함하며,
만약 있다면, 이전에 저장된 주행 방향과 결정된(404) 주행 방향을 결합하는 단계를 포함하고, 결합된 주행 방향은 셀(222)의 셀 경계(222A)와 연관되어 데이터베이스(320)에 저장(407)되는 것을 특징으로 하는 방법.
제3항에 있어서,
이전에 저장된 주행 방향과 현재 결정된(404) 주행 방향의 결합은 현재 결정된(404) 주행 방향에 이전에 저장된 주행 방향보다 높은 가중치를 부여하는 가중 평균값을 계산함으로써 이루어질 수 있는 것을 특징으로 하는 방법.
데이터베이스(320)를 구축하여 차량(100)의 경로 예측을 가능하게 하고 예측된 경로의 길이를 추정하는 제어 유닛(310)으로,
상기 제어 유닛(310)은,
복수의 셀(211, 212, ..., 214)을 포함하는 지리적인 지형의 그리드-기반 표현(200)을 확립하도록 구성되며,
차량(100)의 현재 지리적 위치를 결정하도록 구성되고,
차량(100)의 결정된(402) 지리적 위치가 확립된(401) 그리드-기반 표현(200)에서 셀(222)의 셀 경계(222A)에 대응하는 것을 검출하도록 구성되며,
셀(222) 진입을 위해 셀 경계(222A)를 통과할 때 차량(100)의 주행 방향을 결정하도록 구성되고; 및
데이터베이스(320)에 셀(222)의 셀 경계(222A)와 연관된 결정된 주행 방향을 저장하도록 구성되는 것을 특징으로 하는 제어 유닛.
차량(100)의 경로를 예측하여 예측된 경로의 길이를 추정하는 방법(600)으로,
상기 방법(600)은,
차량(100)의 현재 지리적 위치를 결정하는 단계(601);
데이터베이스(320) 내의 복수의 셀(211, 212, ..., 244)을 포함하는 지형의 그리드-기반 표현(200)에서 결정된(601) 지리적 위치에 대응하는 셀(222)의 저장된 셀 경계(222A)를 검출하는 단계(602);
셀(222)의 검출된(602) 셀 경계(222A)에서 차량(100)이 셀(222)에 진입하는 것을 결정하는 단계(603);
데이터베이스(320)로부터 셀(222)의 검출된(602) 셀 경계(222A)에서의 저장된 주행 방향을 추출하는 단계(604);
셀(222)의 검출된(605) 셀 경계(222A)에서 추출된(604) 저장 주행 방향의 방향에서 셀(222)에 인접한 셀(232)의 셀 경계(232B)를 검출하는 단계(605);
조건이 충족될 때까지 저장된 주행 방향을 추출하는 단계(604)와 인접 셀(232)의 셀 경계(232B)를 검출하는 단계(605)를 반복하는 단계(606);
검출된(605) 셀 경계(222A, 232B)에 의해 한정된 셀(211, 212, ..., 244)을 통해 일련의 선형 세그먼트를 생성함으로써 차량(100)의 경로를 예측하는 단계(607);
차량(100)의 예측된(607) 경로의 각각의 셀(211, 212, ..., 244)을 통해 추정된 거리를 가산함으로써 차량(100)의 예측된(607) 경로의 길이를 추정하는 단계(608)를 포함하는 것을 특징으로 하는 방법.
제6항에 있어서,
예측된(607) 경로의 길이의 추정(608)은, 예측된(607) 경로를 따라 각각의 셀(211, 212, ..., 244)의 입구 지점(250) 및 셀(222)의 입구 지점(250)의 셀 경계(222A)와 연관되어 추출된(604) 주행 방향에 위치하는 출구 지점(260)을 추정하고, 각각의 셀(211, 212, ..., 244)에 대하여 입구 지점(250)과 출구 지점(260) 사이의 거리의 길이를 계산하고, 계산된 거리를 서로 가산함으로써 수행되는 것을 특징으로 하는 방법.
차량(100)의 경로를 예측하여 예측된 경로의 길이를 추정하는 제어 유닛(310)으로,
상기 제어 유닛(310)은,
차량(100)의 현재 지리적 위치를 결정하도록 구성되며;
데이터베이스(320) 내의 복수의 셀(211, 212, ..., 244)을 포함하는 지형의 그리드-기반 표현(200)에서 결정된 지리적 위치에 대응하는 셀(222)의 저장된 셀 경계(222A)를 검출하도록 구성되고;
셀(222)의 검출된 셀 경계(222A)에서 차량(100)이 셀(222)에 진입하는 것을 결정하도록 구성되며;
데이터베이스(320)로부터 셀(222)의 검출된 셀 경계(222A)에서의 저장된 주행 방향을 추출하도록 구성되고;
셀(222)의 검출된 셀 경계(222A)에서 추출된 저장 주행 방향의 방향에서 셀(222)에 인접한 셀(232)의 셀 경계(232B)를 검출하도록 구성되며;
조건이 충족될 때까지 저장된 주행 방향을 추출하고, 차량(100)의 경로를 예측하는 것을 반복하도록 구성되고;
검출된 셀 경계(222A, 232B)에 의해 한정된 셀(211, 212, ..., 244)을 통해 일련의 선형 세그먼트를 생성함으로써 차량(100)의 경로를 예측하도록 구성되며;
차량(100)의 예측된 경로의 각각의 셀(211, 212, ..., 244)을 통해 추정된 거리를 가산함으로써 차량(100)의 예측된 경로의 길이를 추정하도록 구성되는 것을 특징으로 하는 장치.
컴퓨터 프로그램으로,
컴퓨터 프로그램이 제5항 또는 제8항에 따른 제어 유닛(310)에서 실행될 때, 제1항 내지 제4항 중 어느 한 항 또는 제6항 및 제7항 중 어느 한 항에 따른 방법(400, 600)을 수행하도록 하는 프로그램 코드를 포함하는 것을 특징으로 하는 컴퓨터 프로그램.
차량(100)으로,
제5항 또는 제8항에 따른 제어 유닛(310)을 포함하는 차량.