KR20180116663A - 자율주행 제어권 전환 시스템 및 방법 - Google Patents

자율주행 제어권 전환 시스템 및 방법 Download PDF

Info

Publication number
KR20180116663A
KR20180116663A KR1020170049260A KR20170049260A KR20180116663A KR 20180116663 A KR20180116663 A KR 20180116663A KR 1020170049260 A KR1020170049260 A KR 1020170049260A KR 20170049260 A KR20170049260 A KR 20170049260A KR 20180116663 A KR20180116663 A KR 20180116663A
Authority
KR
South Korea
Prior art keywords
error
driving
control input
driver
sensitivity
Prior art date
Application number
KR1020170049260A
Other languages
English (en)
Inventor
오광석
Original Assignee
호남대학교 산학협력단
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 호남대학교 산학협력단 filed Critical 호남대학교 산학협력단
Priority to KR1020170049260A priority Critical patent/KR20180116663A/ko
Publication of KR20180116663A publication Critical patent/KR20180116663A/ko

Links

Images

Classifications

    • 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
    • G05D1/0055—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot with safety arrangements
    • G05D1/0061—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot with safety arrangements for transition from automatic pilot to manual pilot and vice versa
    • 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
    • B60W40/08—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 drivers or passengers
    • B60W40/09—Driving style or behaviour
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/0088—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
    • 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

Abstract

자율주행 제어권 전환 시스템 및 방법이 개시된다. 일실시예에 따른 자율주행 제어권 전환 시스템은, 운전자의 주행특성을 학습하는 주행특성 학습부; 상기 주행특성 및 주행정보를 이용하여 상기 주행정보 조건 하에서 상기 운전자가 입력할 것으로 예측되는 예측 제어입력을 도출하는 예견 운전자 모델부; 및 상기 운전자가 차량에 실제로 입력하는 실제 제어입력을 상기 예측 제어입력과 비교하여 자율주행모드에서 수동주행모드로의 전환 여부를 결정하는 제어권 전환 판단부를 포함할 수 있다.

Description

자율주행 제어권 전환 시스템 및 방법{SYSTEM AND METHOD FOR CONVERTING AUTONOMOUS DRIVING CONTROL}
이하의 설명은 자율주행 제어권 전환 시스템 및 방법에 관한 것이다.
기계 및 전자 분야의 기술의 발전과 자동제어 기술 수준의 향상으로 인해 차량의 자율주행 등 자동차의 스마트화가 급속도로 진행되고 있다. 자율주행의 경우, 차량의 주행을 위한 운전자의 별도의 조작이 불필요하기 때문에 그 효용에 대한 기대가 매우 큰 상황이다.
하지만 자율주행 기술이 완성 단계에 이르더라도 운전자가 직접 차량을 운전할 필요성은 여전히 존재할 수 있다. 예를 들어, 차량 운전 자체로부터 얻을 수 있는 즐거움, 안전 문제 등의 이유로 차량에는 수동주행모드가 탑재될 수 있다. 다시 말해, 운전자는 자율주행모드와 수동주행모드 중 어느 하나를 선택할 수 있다(semi-autonomous vehicle).
위와 같이 자율주행모드와 수동주행모드가 공존하는 상황에 있어서, 주행모드 간의 안전한 제어권 전환이 요구되고 있다. 예를 들어, 자율주행모드에서 수동주행모드로 제어권이 전환되는 경우, 운전자의 실제 제어입력이 현재의 주행정보 조건과 부합되지 않음에도 제어권이 전환된다면 큰 사고로 이어질 수 있다.
공개특허공보 제10-2016-0076262호
여기에서 설명되는 실시예들은, 개별 운전자들마다 상이한 주행특성을 고려하여 자율주행모드에서 수동주행모드로 제어권이 안전하게 전환될 수 있는 시스템 및 방법을 제공하기 위한 것이다.
일실시예에 따른 자율주행 제어권 전환 시스템은, 운전자의 주행특성을 학습하는 주행특성 학습부; 상기 주행특성 및 주행정보를 이용하여 상기 주행정보 조건 하에서 상기 운전자가 입력할 것으로 예측되는 예측 제어입력을 도출하는 예견 운전자 모델부; 및 상기 운전자가 차량에 실제로 입력하는 실제 제어입력을 상기 예측 제어입력과 비교하여 자율주행모드에서 수동주행모드로의 전환 여부를 결정하는 제어권 전환 판단부를 포함할 수 있다.
또한, 상기 주행특성 학습부는, 상기 차량의 가속도와, 상기 가속도의 결정 인자이며 선행차량과의 안전거리에 관한 제 1 오차와, 상기 가속도의 결정 인자이며 상기 선행차량과의 상대속도인 제 2 오차를 이용하여 상기 주행특성을 학습할 수 있다.
또한, 상기 제 1 오차는, 현재 상기 차량의 속도 하에서 상기 운전자가 확보하고자 하는 안전거리와 상기 선행차량과의 거리의 차일 수 있다.
또한, 상기 운전자가 확보하고자 하는 안전거리는 현재 상기 차량의 속도와 충돌시간의 곱이고, 상기 충돌시간은 과거 상기 선행차량과의 거리를 당시의 상기 차량의 속도로 나눈 값들로부터 학습될 수 있다.
또한, 상기 가속도는 상기 제 1 오차와 제 1 민감도의 곱 및 상기 제 2 오차와 제 2 민감도의 곱의 합으로 정의되고, 상기 주행특성 학습부는 상기 제 1 민감도 및 상기 제 2 민감도를 상기 주행특성으로 학습할 수 있다.
또한, 상기 예견 운전자 모델부는, 상기 주행특성으로 상기 제 1 민감도 및 상기 제 2 민감도를 이용하고, 상기 주행정보로 상기 제 1 오차 및 상기 제 2 오차를 이용하여 상기 예측 제어입력을 도출할 수 있다.
또한, 상기 예견 운전자 모델부는, 기설정된 시간 간격으로 수 초 후까지의 상기 제 1 오차 및 상기 제 2 오차를 예측하고, 상기 제 1 오차 및 상기 제 2 오차를 최소화하는 예측 가속도를 상기 예측 제어입력으로 도출할 수 있다.
또한, 상기 제어권 전환 판단부는, 현재 및 과거에서의 복수의 상기 예측 제어입력과 복수의 상기 실제 제어입력을 비교할 수 있다.
또한, 상기 제어권 전환 판단부는, 상기 예측 제어입력과 상기 실제 제어입력의 차인 제 3 오차의 현재 및 과거에서의 값들의 실효값을 기설정된 기준값과 비교할 수 있다.
일실시예에 따른 자율주행 제어권 전환 방법은, 운전자의 주행특성을 학습하는 단계; 상기 주행특성 및 주행정보를 이용하여 상기 주행정보 조건 하에서 상기 운전자가 입력할 것으로 예측되는 예측 제어입력을 도출하는 단계; 및 상기 운전자가 차량에 실제로 입력하는 실제 제어입력을 상기 예측 제어입력과 비교하여 자율주행모드에서 수동주행모드로의 전환 여부를 결정하는 단계를 포함할 수 있다.
또한, 상기 주행특성을 학습하는 단계는, 상기 차량의 가속도를 획득하는 단계; 상기 가속도의 결정 인자이며 선행차량과의 안전거리에 관한 제 1 오차를 획득하는 단계; 및 상기 가속도의 결정 인자이며 선행차량과의 상대속도인 제 2 오차를 획득하는 단계를 포함할 수 있다.
또한, 상기 가속도는 상기 제 1 오차와 제 1 민감도의 곱 및 상기 제 2 오차와 제 2 민감도의 곱의 합으로 정의되고, 상기 주행특성을 학습하는 단계는, 상기 제 1 민감도 및 상기 제 2 민감도를 상기 주행특성으로 학습하는 단계를 더 포함할 수 있다.
또한, 상기 예측 제어입력을 도출하는 단계에서는, 상기 주행특성으로 상기 제 1 민감도 및 상기 제 2 민감도가 이용되고, 상기 주행정보로 상기 제 1 오차 및 상기 제 2 오차가 이용되며, 상기 예측 제어입력을 도출하는 단계는, 기설정된 시간 간격으로 수 초 후까지의 상기 제 1 오차 및 상기 제 2 오차를 예측하는 단계; 및 상기 제 1 오차 및 상기 제 2 오차를 최소화하는 예측 가속도를 상기 예측 제어입력으로 도출하는 단계를 포함할 수 있다.
또한, 상기 자율주행모드에서 상기 수동주행모드로의 전환 여부를 결정하는 단계는, 현재 및 과거에서 상기 예측 제어입력과 상기 실제 제어입력의 차인 제 3 오차를 복수 회 산출하는 단계; 상기 복수의 제 3 오차의 실효값을 산출하는 단계; 및 상기 실효값을 기설정된 기준값과 비교하는 단계를 포함할 수 있다.
여기에서 설명되는 실시예들에 따르면, 개별 운전자들마다 상이한 주행특성을 고려하여 자율주행모드에서 수동주행모드로 제어권이 안전하게 전환될 수 있는 시스템 및 방법을 제공할 수 있다.
도 1은 일실시예에 따른 자율주행 제어권 전환 시스템의 개략적인 구성도이다.
도 2 및 도 3은 주행특성 학습부를 설명하기 위한 도면이다.
도 4는 도 1의 자율주행 제어권 전환 시스템에서 예견 운전자 모델부를 보다 상세하게 나타낸 도면이다.
도 5는 제어권 전환 판단 과정의 일 예를 설명하기 위한 도면이다.
도 6 및 도 7은 각각 제어권이 전환되는 경우 및 제어권이 전환되지 않는 경우를 나타낸 도면이다.
이하에서는 첨부된 도면을 참조하여 구체적인 실시예들을 상세히 설명하도록 한다. 아울러, 관련된 공지 구성 또는 공지 기능에 대한 구체적인 설명이 상기 실시예들의 요지를 흐릴 수 있다고 판단되는 경우에는 그 구체적인 설명을 생략한다.
한편, 단수의 표현은 문맥상 명백하게 단수만을 가리키는 것이 아닌 한 복수의 표현을 포함한다. 그리고 특정 부분이 특정 구성을 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 상기 특정 부분은 상기 특정 구성 외의 다른 구성을 제외하는 것이 아니라 상기 다른 구성을 더 포함할 수 있음을 의미한다.
도 1은 일실시예에 따른 자율주행 제어권 전환 시스템(100)의 개략적인 구성도이다. 이하, 도 1을 참조하여 본 실시예에 따른 자율주행 제어권 전환 시스템(100)을 설명한다.
본격적인 설명에 앞서서, 여기에서 말하는 예측 제어입력과 실제 제어입력의 제어입력은, 예를 들어, 조향, 가속도 제어를 위한 스로틀 제어동작, 브레이크 제어동작 등을 포괄하는 의미를 가질 수 있다.
그리고, 주행정보는 환경정보와 차량상태정보를 포함할 수 있다. 주행정보는 차량의 내외부에 장착되는 다양한 센서를 이용하여 획득될 수 있다. 환경정보는 선행차량과의 거리, 선행차량의 속도, 주변 장애물 정보, 도로의 각도 내지는 곡률, 특정 물체와의 거리 정보 등을 포함할 수 있다. 이러한 환경정보는 LiDAR 센서, RADAR 센서, 초음파 센서 등으로 획득 가능할 수 있다. 차량상태정보는 차량의 속도, 가속도, 조향 정도, 휠의 각속도 등 차량의 거동정보를 포함할 수 있다. 그리고 이러한 차량상태정보는 IMU, 휠속센서 등 다양한 센서를 이용하여 획득될 수 있다.
본 실시예에 따르면, 주행특성 학습부(110)가 운전자의 주행특성을 학습하여 예견 운전자 모델부(120)로 전달할 수 있다. 주행특성 학습부(110)는 운전자의 주행특성을 학습하는 과정에서 운전자의 실제 제어입력과 주행정보를 이용할 수 있다. 예견 운전자 모델부(120)는 학습된 주행특성과 주행정보를 토대로 해당 주행정보 조건 하에서 운전자가 차량에 입력할 것으로 예측되는 예측 제어입력을 도출할 수 있다. 제어권 전환 판단부(130)는 예견 운전자 모델부(120)에 의해 예측된 예측 제어입력과 운전자가 실제로 차량에 입력한 실제 제어입력을 비교함으로써 제어권 전환 여부를 결정할 수 있다. 예를 들어, 예측 제어입력과 실제 제어입력이 소정의 범위 내에서 근접하게 도출되면, 운전자가 올바른 제어입력을 가한 것으로 판단하여 제어권을 전환할 수 있다. 참고로, 여기에서 말하는 제어권 전환은 자율주행모드에서 수동주행모드로의 전환을 의미할 수 있다.
도 2는 주행특성 학습부(110)를 설명하기 위한 도면이다. 도 2를 참조하여 주행특성 학습부(110)를 보다 상세하게 설명한다. 참고로, 이하에서는 설명의 편의를 위해 차량의 종방향 거동을 기준으로 설명하나, 횡방향 거동 역시 동일 내지는 유사한 방식으로 다뤄질 수 있다.
차량(10)의 운전자는 선행차량(20)과의 관계를 고려하면 운전을 하는 특성이 있으며, 그 특성은 운전자마다 다를 수 있다. 예를 들어, 운전자는 차량(10)의 가속도를 결정할 때 선행차량(20)과의 안전거리에 관한 오차, 선행차량(20)과의 상대속도를 고려할 수 있다. 이하에서는 선행차량(20)과의 안전거리에 관한 오차를 제 1 오차, 수식으로는
Figure pat00001
라고 표현한다. 제 1 오차(
Figure pat00002
)는 아래의 수학식 1과 같이 정의될 수 있다.
Figure pat00003
여기서,
Figure pat00004
는 현재 상태에서의 차량(10)과 선행차량(20) 간의 거리이고,
Figure pat00005
는 운전자가 확보하고자 하는 안전거리일 수 있다. 이러한
Figure pat00006
는 아래의 수학식 2와 같이 정의될 수 있다.
Figure pat00007
여기서,
Figure pat00008
는 차량(10)의 현재 속도일 수 있고,
Figure pat00009
은 충돌시간일 수 있다. 충돌시간(
Figure pat00010
)은 과거 차량(10)과 선행차량(20)과의 거리를 그 당시의 차량(10)의 속도로 나눈 값들을 이용하여 구해질 수 있다. 운전자마다 충돌시간(
Figure pat00011
)은 상이할 수 있는바, 주행특성 학습부(110)는 충돌시간(
Figure pat00012
)을 운전자의 주행특성으로 보고 평소 주행 시 충돌시간(
Figure pat00013
)을 학습할 수 있다. 예를 들어, 실시간으로 차량(10)의 속도와 선행차량(20)과의 차간거리를 계측한 후 망각인자 기반 재귀평균법으로 충돌시간(
Figure pat00014
)을 도출할 수 있다. 또는, 최소자승법을 이용하여 평균 충돌시간(
Figure pat00015
)을 도출할 수도 있다.
한편, 이하에서는 선행차량(20)과의 상대속도를 제 2 오차, 수식으로는
Figure pat00016
라고 표현한다. 제 2 오차(
Figure pat00017
)는 아래의 수학식 3과 같이 정의될 수 있다.
Figure pat00018
여기서,
Figure pat00019
는 차량(10)의 현재 속도일 수 있고, 여기서,
Figure pat00020
는 선행차량(20)의 현재 속도일 수 있다.
아울러, 상술한 바와 같이, 운전자는 제 1 오차(
Figure pat00021
) 및 제 2 오차(
Figure pat00022
)를 고려하여 가속도를 결정하기 때문에 가속도(
Figure pat00023
)를 아래의 수학식 4와 같이 정의할 수 있다.
Figure pat00024
여기서,
Figure pat00025
은 제 1 민감도로서 제 1 오차(
Figure pat00026
)와 관계되어 가속도(
Figure pat00027
)에 영향을 줄 수 있고,
Figure pat00028
는 제 2 민감도로서 제 2 오차(
Figure pat00029
)와 관계되어 가속도(
Figure pat00030
)에 영향을 줄 수 있다.
특정 상황에 있어서 운전자마다 입력하는 가속도(
Figure pat00031
)의 값은 다를 수 있다. 그런데 제 1 오차(
Figure pat00032
)와 제 2 오차(
Figure pat00033
)는 그 특정 상황에 있어서의 조건들, 예를 들어 선행차량(20)과의 거리(
Figure pat00034
), 차량(10)과 선행차량(20)의 현재 속도(
Figure pat00035
)등에 의해 결정되는 값으로서 운전자마다 차이가 없을 수 있다. 따라서, 그 특정 상황에서 운전자마다 서로 다른 가속도(
Figure pat00036
)를 입력하는 것은 제 1 민감도(
Figure pat00037
)와 제 2 민감도(
Figure pat00038
)의 영향인 것으로 간주할 수 있다. 다시 말하면, 제 1 민감도(
Figure pat00039
)와 제 2 민감도(
Figure pat00040
)는 운전자의 주행특성을 나타낸다고 볼 수 있다. 그리고, 제 1 민감도(
Figure pat00041
)와 제 2 민감도(
Figure pat00042
)는 운전자가 제 1 오차(
Figure pat00043
)와 제 2 오차(
Figure pat00044
) 중 어느 것에 어느 정도의 가중치를 두고 주행을 하는 가에 대한 지표일 수 있다.
주행특성 학습부(110)는, 상기와 같은 제 1 민감도(
Figure pat00045
)와 제 2 민감도(
Figure pat00046
)를, 예를 들어 Support Vector Machine(SVM) 기법을 이용하여 학습할 수 있다. SVM 기법은 데이터를 구분하는 방법 중 하나로, 데이터 간의 마진(margin)을 최대로 만들면서 데이터를 구분하는 기법이다. 주행특성 학습부(110)는, 앞서 설명한 충돌시간(
Figure pat00047
), 제 1 오차(
Figure pat00048
), 제 2 오차(
Figure pat00049
) 등의 정보를 이용하여 제 1 민감도(
Figure pat00050
)와 제 2 민감도(
Figure pat00051
)를 학습할 수 있다. 그 예를 도 3에 도시하였다. 도 3에서, 파란색 원은 가속도가 양수인 support vector를 의미할 수 있고, 빨간색 원은 가속도가 음수인 support vector를 의미할 수 있다. 이러한 데이터에 선(line)을 정의하여 제 1 민감도(
Figure pat00052
)와 제 2 민감도(
Figure pat00053
)를 구분할 수 있고, 이를 후술하는 바와 같이 예측 제어입력을 도출하는데 활용할 수 있다.
한편, 종방향이 아닌 횡방향 거동에 있어서는, 가속도(
Figure pat00054
)는 조향각으로, 제 1 오차(
Figure pat00055
)는 차량(10)의 종방향 연장선으로부터 차량(10)이 회전하는 방향 쪽의 차선까지의 거리로, 제 2 오차(
Figure pat00056
)는 차량(10)의 종방향 연장선과 차량(10)으로부터 연장되는 차선의 접선 간의 각도로 대체될 수 있다. 그리고 여기에서도 횡방향 거동과 관련된 민감도가 운전자의 주행특성으로 학습될 수 있다.
다음으로, 예견 운전자 모델부(120)를 상세하게 설명한다. 본 실시예에 있어서, 예견 운전자 모델부(120)는 아래의 수학식 5와 같이 1계 시스템으로 표현할 수 있다.
Figure pat00057
여기서,
Figure pat00058
와
Figure pat00059
는 각각 차량(10)과 선행차량(20)의 가속도일 수 있다.
그리고, 위의 수학식 5를 아래의 수학식 6과 같이 벡터의 형태로 나타낼 수 있다.
Figure pat00060
여기서,
Figure pat00061
는
Figure pat00062
이고,
Figure pat00063
는
Figure pat00064
이며,
Figure pat00065
는
Figure pat00066
일 수 있다. 다만, 일반적으로 사용하는 선행차량(20)의 종방향 가속도(
Figure pat00067
) 값의 평균은 0 이므로, 수학식 6은 아래의 수학식 7과 같이 정리될 수 있다.
Figure pat00068
예견 운전자 모델부(120)에 의한 예측 제어입력의 도출은 현재 상태를 포함하여 수 초, 예를 들어 1 ~ 1.5초 후의 상태까지 예측하여 이루어질 수 있는바, 수학식 7을 아래의 수학식 8 내지 10과 같이 이산화할 수 있다.
Figure pat00069
Figure pat00070
Figure pat00071
그리고 아래와 같이 예견 벡터
Figure pat00072
를 도출할 수 있다.
Figure pat00073
Figure pat00074
Figure pat00075
예견 벡터
Figure pat00076
는 오차값의 미래에서의 예측된 상태를 의미할 수 있고, 다만
Figure pat00077
=0일 때에는 현재 상태를 의미할 수 있다. 예견 운전자 모델부(120)는, 오차를 최소화할 수 있는 차량(10)의 최적 가속도(
Figure pat00078
)를 도출할 수 있다. 이 과정에서 아래의 수학식 14와 같은 출력 행렬을 이용할 수 있다.
Figure pat00079
여기서, C는 운전자의 민감도를 나타내는 행렬로서 아래의 수학식 15처럼 정의될 수 있다.
Figure pat00080
Figure pat00081
과
Figure pat00082
은 앞서 설명한 제 1 민감도(
Figure pat00083
)와 제 2 민감도(
Figure pat00084
)와 매칭되는 값으로, 오차값 중 어느 것에 어느 정도의 가중치를 두고 주행을 하는 가에 대한 운전자 주행특성일 수 있다. 예를 들면,
Figure pat00085
이 클수록 그 운전자는 제 1 오차(
Figure pat00086
), 즉 상대거리를 줄이는 특성이 있다고 볼 수 있고,
Figure pat00087
이 클수록 그 운전자는 제 2 오차(
Figure pat00088
), 즉 상대속도를 줄이면서 주행하는 특성이 있다고 볼 수 있는 것이다.
이후, 예견 운전자 모델부(120)는 차량(10)의 최적 가속도(
Figure pat00089
)를 도출하기 위하여 아래와 같은 목적함수를 정의할 수 있다.
Figure pat00090
이러한 목적함수를 최소화할 수 있는 입력
Figure pat00091
를 quadratic programming 등의 최적화 기법을 이용하여 도출하고, 도출된 N개의 입력 중 첫 번째 입력을 현재의 최적 가속도(
Figure pat00092
) 값으로 정할 수 있다.
도 4를 참조하여 정리하면, 예견 운전자 모델부(120)는, 주행특성 학습부(110)로부터 전달 받은 제 1 민감도(
Figure pat00093
)와 제 2 민감도(
Figure pat00094
), 그리고 계측되는 현재의 주행정보(
Figure pat00095
,
Figure pat00096
,
Figure pat00097
)를 이용하여 향후 수 초 간의 운전자의 제어입력(본 실시예에서는 종방향 가속도)을 예측할 수 있다.
도 5를 참조하여 제어권 전환 판단부(130)를 설명한다. 상술한 바와 같이, 제어권 전환 판단부(130)는 제어권 전환이 시작되면 예견 운전자 모델부(120)에 의해 예측된 예측 제어입력과 운전자가 실제 차량(10)에 입력한 실제 제어입력을 비교함으로써 자율주행모드에서 수동주행모드로의 제어권 전환 여부를 결정할 수 있다.
도 5에서
Figure pat00098
는 제 3 오차로서, 현재 상태에서의 예측 제어입력과 실제 제어입력의 차이를 의미할 수 있다. 본 실시예의 경우, 도시된 바와 같이, M개의 과거 예측된 입력과 실제 운전자의 입력이 비교될 수 있다. 앞서 설명하였지만, 예견 운전자 모델부(120)는 현재뿐만 아니라 향후 수 초 간의 예측 제어입력을 도출할 수 있다. 제어권 전환 판단부(130)는 이러한 복수의 예측 제어입력과 그에 대응되는 복수의 실제 제어입력을 각각 비교하여 각 시점에서의 제 3오차(
Figure pat00099
)를 도출할 수 있고, 이렇게 도출된 제 3 오차(
Figure pat00100
)를 종합적으로 비교하여 제어권 전환 여부를 결정할 수 있다.
일 예로, 본 실시예에서는 제 3 오차(
Figure pat00101
)의 실효값(RMS)을 기설정된 기준값과 비교하는 것으로 설명한다. 여기에서 말하는 기준값은 기준범위의 개념을 포함할 수 있다. 아래의 수학식 17과 같이 정의되는 제 3 오차(
Figure pat00102
)의 실효값을 기준값과 비교한 후, 제 3 오차(
Figure pat00103
)의 실효값이 기준값 미만이라면(또는 기준범위 내에 있다면) 제어권 전환이 이루어져도 안전하다고 판단하여 자율주행모드에서 수동주행모드로 전환될 수 있다. 또는, 제 3 오차(
Figure pat00104
)의 실효값이 기준값 이상이라면(또는 기준범위 밖에 있다면) 제어권 전환이 이루어지면 안전하지 않다고 판단하여 수동주행모드로의 전환 명령에도 불구하고 자율주행모드가 지속적으로 이루어질 수 있다.
Figure pat00105
도 6은 제 3 오차(
Figure pat00106
)의 실효값이 기준값 미만으로 관측되어서 제어권 전환이 이루어질 때의 모습을 도시한 것이고, 도 7은 제 3 오차(
Figure pat00107
)의 실효값이 기준값 이상으로 관측되어서 제어권 전환이 이루어지지 않을 때의 모습을 도시한 것이다.
이상에서 설명된 실시예들은 본 기술 사상의 일부 예를 설명한 것에 불과하고, 본 기술 사상의 범위는 설명된 실시예들에 한정되는 것은 아니며, 이 분야의 통상의 기술자에 의하여 본 기술 사상의 범위 내에서의 다양한 변경, 변형 또는 치환이 있을 수 있다. 예를 들어, 특정 실시예에서 함께 설명된 구성들 내지는 특징들은 서로 분산되어 실시될 수 있고, 서로 다른 실시예 각각에서 설명된 구성들 내지는 특징들은 서로 결합된 형태로 실시될 수 있다. 마찬가지로, 각 청구항에 기재된 구성들 내지는 특징들도 서로 분산되어 실시되거나 결합되어 실시될 수 있다. 그리고 위와 같은 실시는 모두 본 기술 사상의 범위에 속하는 것으로 보아야 한다.

Claims (14)

  1. 운전자의 주행특성을 학습하는 주행특성 학습부;
    상기 주행특성 및 주행정보를 이용하여 상기 주행정보 조건 하에서 상기 운전자가 입력할 것으로 예측되는 예측 제어입력을 도출하는 예견 운전자 모델부; 및
    상기 운전자가 차량에 실제로 입력하는 실제 제어입력을 상기 예측 제어입력과 비교하여 자율주행모드에서 수동주행모드로의 전환 여부를 결정하는 제어권 전환 판단부를 포함하는 자율주행 제어권 전환 시스템.
  2. 제 1 항에 있어서,
    상기 주행특성 학습부는, 상기 차량의 가속도와, 상기 가속도의 결정 인자이며 선행차량과의 안전거리에 관한 제 1 오차와, 상기 가속도의 결정 인자이며 상기 선행차량과의 상대속도인 제 2 오차를 이용하여 상기 주행특성을 학습하는 자율주행 제어권 전환 시스템.
  3. 제 2 항에 있어서,
    상기 제 1 오차는, 현재 상기 차량의 속도 하에서 상기 운전자가 확보하고자 하는 안전거리와 상기 선행차량과의 거리의 차인 자율주행 제어권 전환 시스템.
  4. 제 3 항에 있어서,
    상기 운전자가 확보하고자 하는 안전거리는 현재 상기 차량의 속도와 충돌시간의 곱이고,
    상기 충돌시간은 과거 상기 선행차량과의 거리를 당시의 상기 차량의 속도로 나눈 값들로부터 학습되는 자율주행 제어권 전환 시스템.
  5. 제 2 항에 있어서,
    상기 가속도는 상기 제 1 오차와 제 1 민감도의 곱 및 상기 제 2 오차와 제 2 민감도의 곱의 합으로 정의되고,
    상기 주행특성 학습부는 상기 제 1 민감도 및 상기 제 2 민감도를 상기 주행특성으로 학습하는 자율주행 제어권 전환 시스템.
  6. 제 5 항에 있어서,
    상기 예견 운전자 모델부는, 상기 주행특성으로 상기 제 1 민감도 및 상기 제 2 민감도를 이용하고, 상기 주행정보로 상기 제 1 오차 및 상기 제 2 오차를 이용하여 상기 예측 제어입력을 도출하는 자율주행 제어권 전환 시스템.
  7. 제 6 항에 있어서,
    상기 예견 운전자 모델부는, 기설정된 시간 간격으로 수 초 후까지의 상기 제 1 오차 및 상기 제 2 오차를 예측하고, 상기 제 1 오차 및 상기 제 2 오차를 최소화하는 예측 가속도를 상기 예측 제어입력으로 도출하는 자율주행 제어권 전환 시스템.
  8. 제 1 항에 있어서,
    상기 제어권 전환 판단부는, 현재 및 과거에서의 복수의 상기 예측 제어입력과 복수의 상기 실제 제어입력을 비교하는 자율주행 제어권 전환 시스템.
  9. 제 8 항에 있어서,
    상기 제어권 전환 판단부는, 상기 예측 제어입력과 상기 실제 제어입력의 차인 제 3 오차의 현재 및 과거에서의 값들의 실효값을 기설정된 기준값과 비교하는 자율주행 제어권 전환 시스템.
  10. 운전자의 주행특성을 학습하는 단계;
    상기 주행특성 및 주행정보를 이용하여 상기 주행정보 조건 하에서 상기 운전자가 입력할 것으로 예측되는 예측 제어입력을 도출하는 단계; 및
    상기 운전자가 차량에 실제로 입력하는 실제 제어입력을 상기 예측 제어입력과 비교하여 자율주행모드에서 수동주행모드로의 전환 여부를 결정하는 단계를 포함하는 자율주행 제어권 전환 방법.
  11. 제 10 항에 있어서,
    상기 주행특성을 학습하는 단계는,
    상기 차량의 가속도를 획득하는 단계;
    상기 가속도의 결정 인자이며 선행차량과의 안전거리에 관한 제 1 오차를 획득하는 단계; 및
    상기 가속도의 결정 인자이며 선행차량과의 상대속도인 제 2 오차를 획득하는 단계를 포함하는 자율주행 제어권 전환 방법.
  12. 제 11 항에 있어서,
    상기 가속도는 상기 제 1 오차와 제 1 민감도의 곱 및 상기 제 2 오차와 제 2 민감도의 곱의 합으로 정의되고,
    상기 주행특성을 학습하는 단계는, 상기 제 1 민감도 및 상기 제 2 민감도를 상기 주행특성으로 학습하는 단계를 더 포함하는 자율주행 제어권 전환 시스템.
  13. 제 12 항에 있어서,
    상기 예측 제어입력을 도출하는 단계에서는, 상기 주행특성으로 상기 제 1 민감도 및 상기 제 2 민감도가 이용되고, 상기 주행정보로 상기 제 1 오차 및 상기 제 2 오차가 이용되며,
    상기 예측 제어입력을 도출하는 단계는,
    기설정된 시간 간격으로 수 초 후까지의 상기 제 1 오차 및 상기 제 2 오차를 예측하는 단계; 및
    상기 제 1 오차 및 상기 제 2 오차를 최소화하는 예측 가속도를 상기 예측 제어입력으로 도출하는 단계를 포함하는 자율주행 제어권 전환 방법.
  14. 제 10 항에 있어서,
    상기 자율주행모드에서 상기 수동주행모드로의 전환 여부를 결정하는 단계는,
    현재 및 과거에서 상기 예측 제어입력과 상기 실제 제어입력의 차인 제 3 오차를 복수 회 산출하는 단계;
    상기 복수의 제 3 오차의 실효값을 산출하는 단계; 및
    상기 실효값을 기설정된 기준값과 비교하는 단계를 포함하는 자율주행 제어권 전환 방법.
KR1020170049260A 2017-04-17 2017-04-17 자율주행 제어권 전환 시스템 및 방법 KR20180116663A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020170049260A KR20180116663A (ko) 2017-04-17 2017-04-17 자율주행 제어권 전환 시스템 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170049260A KR20180116663A (ko) 2017-04-17 2017-04-17 자율주행 제어권 전환 시스템 및 방법

Publications (1)

Publication Number Publication Date
KR20180116663A true KR20180116663A (ko) 2018-10-25

Family

ID=64131817

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170049260A KR20180116663A (ko) 2017-04-17 2017-04-17 자율주행 제어권 전환 시스템 및 방법

Country Status (1)

Country Link
KR (1) KR20180116663A (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102019201011A1 (de) 2018-12-13 2020-06-18 Eric C&C Inc. Autonomes Transportsystem
KR20220019111A (ko) * 2020-08-05 2022-02-16 한양대학교 에리카산학협력단 자율주행 차량의 판단 시스템
US11447146B2 (en) * 2017-10-10 2022-09-20 Tencent Technology (Shenzhen) Company Limited Vehicle control method, apparatus and system, and storage medium
CN117572875A (zh) * 2024-01-15 2024-02-20 上海友道智途科技有限公司 一种基于热启动的实时速度规划方法、系统、设备及介质

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11447146B2 (en) * 2017-10-10 2022-09-20 Tencent Technology (Shenzhen) Company Limited Vehicle control method, apparatus and system, and storage medium
DE102019201011A1 (de) 2018-12-13 2020-06-18 Eric C&C Inc. Autonomes Transportsystem
KR20200075943A (ko) 2018-12-13 2020-06-29 주식회사 에릭씨앤씨 이동수단의 자율주행시스템
KR20220019111A (ko) * 2020-08-05 2022-02-16 한양대학교 에리카산학협력단 자율주행 차량의 판단 시스템
CN117572875A (zh) * 2024-01-15 2024-02-20 上海友道智途科技有限公司 一种基于热启动的实时速度规划方法、系统、设备及介质
CN117572875B (zh) * 2024-01-15 2024-04-12 上海友道智途科技有限公司 一种基于热启动的实时速度规划方法、系统、设备及介质

Similar Documents

Publication Publication Date Title
CN108427417B (zh) 自动驾驶控制系统及方法、计算机服务器和自动驾驶车辆
CN108983768B (zh) 自动驾驶系统
US10286900B2 (en) Intelligent driving system with an embedded driver model
US8849515B2 (en) Steering assist in driver initiated collision avoidance maneuver
US9081387B2 (en) Method and device for the prediction and adaptation of movement trajectories of motor vehicles
CN108614551B (zh) 远端操作载具及其载具控制装置与控制方法
US9067571B2 (en) Travel control device
US9969394B2 (en) Distance regulating system, motor vehicle and computer program product
KR20180116663A (ko) 자율주행 제어권 전환 시스템 및 방법
US11390288B2 (en) Other-vehicle action prediction method and other-vehicle action prediction device
US20180170326A1 (en) Systems And Methods To Control Vehicle Braking Using Steering Wheel Mounted Brake Activation Mechanism
US11046333B2 (en) Method and device for controlling travel of drive-assisted vehicle
CN107757597B (zh) 用于自动驾驶车辆的车道保持自动驾驶仪
US20180050692A1 (en) Automated Co-Pilot Control For Autonomous Vehicles
US20180052470A1 (en) Obstacle Avoidance Co-Pilot For Autonomous Vehicles
EP3666612A1 (en) Vehicle control device
EP4051550B1 (en) Real-time performance handling virtual tire sensor
EP2325069A1 (en) Method and system for controlling the lateral lane position of an automotive vehicle
US10046762B2 (en) Trajectory integrity co-pilot for autonomous vehicle
US20200310420A1 (en) System and method to train and select a best solution in a dynamical system
CN107428341A (zh) 用于适配车辆的车辆速度的方法和设备
CN114364590A (zh) 用于预测性控制机动车辆运动的装置
CN114368368B (zh) 车辆控制系统和方法
CN113474228A (zh) 根据状况计算应有车速
US20150158487A1 (en) Method for chassis control and chassis control system

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E601 Decision to refuse application