KR20200134538A

KR20200134538A - 이종트래픽 혼잡 제어 시스템 및 제어 방법

Info

Publication number: KR20200134538A
Application number: KR1020190060105A
Authority: KR
Inventors: 고병진; 손상혁; 백영미; 브라이언 박병규
Original assignee: 재단법인대구경북과학기술원
Priority date: 2019-05-22
Filing date: 2019-05-22
Publication date: 2020-12-02
Also published as: KR102206398B1

Abstract

이종트래픽 혼잡 제어 시스템 및 제어 방법이 개시된다. 이종트래픽 혼잡 제어 시스템은 주행관련 정보를 서버로 전송하는 자율주행차량 및 학습된 학습 모델 및 자율주행차량으로부터 수신된 주행관련 정보에 기초하여 자율주행차량에 대한 제어 신호을 생성하고, 생성된 제어 신호를 자율주행차량으로 전송하는 서버를 포함하고, 제어 신호는 자율주행차량의 속도 제어 신호 또는 차선 합류 지점 합류우선권 제어 신호 중 적어도 하나일 수 있다.

Description

이종트래픽 혼잡 제어 시스템 및 제어 방법{HETEROGENEOUS TRAFFIC CONGESTION CONTROL SYSTEM AND COTROLLING METHOD THEREOF}

본 개시는 이종트래픽 혼잡 제어 시스템 및 제어 방법에 관한 것으로, 더욱 상세하게는 자율주행차량 및 비자율주행차량이 혼재된 교통 혼잡 상황을 제어하는 이종트래픽 혼잡 제어 시스템 및 제어 방법에 관한 것이다.

도로의 교통 혼잡 상황은 도로의 차량 수용 용량을 초과하는 교통량이나 도로 구조상의 문제, 교통사고 등의 원인에 의해 발생할 수 있다. 특히, 도로의 교통 혼잡 상황은 도로 구조상 차선의 수가 줄어들거나, 일부구간의 보수공사 혹은 사고처리를 위해 통행 차선을 일시적으로 차단하여 도로용량이 줄어들어 발생하는 경우가 많다. 이때, 운전자는 차로 변경 및 합류를 진행해야 하며 이로 인하여 2차 사고의 가능성이 증가한다.

교통 혼잡관리 개선기법으로 교통수요를 관리하거나, 운영기법을 적용하여 용량을 증대하는 방법, 그리고 용량을 확대하는 방법이 존재한다. 용량을 확대하는 방법은 도로 확장 및 신설도로 연결과 같은 형태의 장기 대안으로의 접근방법이고, 대체교통수단, 혼잡요금제도입 등의 수요관리는 도로에서 발생하는 지역적 및 일시적 교통 혼잡을 개선하기엔 적당하지 않다.

한편, 자율주행차량의 개발과 함께 도로 및 교통 시스템에 대한 연구도 함께 진행되고 있다. 센서 중심의 전장시스템을 장착한 자율주행차량은 교통 상황을 인식하여 능동적 대처가 가능하지만 예측하지 못한 돌발 상황을 능동적으로 대처하기에는 한계가 있다.

따라서, 센서의 환경적 불확실성을 보완해줄 목적으로 통신기술을 기반으로 돌발상황을 전달하고 분산적 제어를 실시간으로 수행하도록 하는 협력시스템들이 제안되고 있으며, 그 예로 C-ITS(Cooperative Intelligent Transport System)가 있다. C-ITS의 차세대 교통 운영 기법은 도로에 통신 가능한 자율주행차량(connected and automated vehicle, CAV)이 존재하는 환경에 대해서 이루어지고 있다. 자율주행차량 또는 차량 통신 장비의 시장 진입률은 완만하게 증가된다는 점을 고려했을 때, 자율주행차량이 100% 보급될 때까지는 통신이 불가한 운전자 차량(non-human driven vehicle, NHV), 통신 가능한 운전자 차량(connected human driven vehicle, CHV), CAV가 공존하는 도로교통환경(mixed traffic environment)을 피할 수 없다. 또한 현재 교통시스템에 사용이 되고 있는 교통운영기술들은 차량 간 통신, 차량과 인프라 통신을 포함하여 예정된 혼합 교통 환경을 고려하지 않았다.

자율주행차량으로만 구성된 교통 환경에서는 모든 차량들은 설계된 합류 정책에 따라 통신 기반으로 효율적인 교통흐름제어를 수행할 수 있으나, 혼합된 교통 환경에서는 운전자 요인(human factor)으로 인해 설계된 합류 실행이 반드시 달성된다고 확신할 수 없고 이는 CAV의 합류실행에도 영향을 미치게 된다.

그러므로 불확실성 매우 높은 혼합교통환경에서, 유인차량의 행동양식을 고려한 CAV들의 교통운영방식이 필요하다.

본 개시는 상술한 문제점을 해결하기 위한 것으로, 본 개시의 목적은 자율주행차량 및 비자율주행차량이 혼재된 교통 혼잡 상황을 제어하는 이종트래픽 혼잡 제어 시스템 및 제어 방법을 제공하는 것이다.

이상과 같은 목적을 달성하기 위한 본 개시의 일 실시 예에 따르면, 이종트래픽 혼잡 제어 시스템은 주행관련 정보를 서버로 전송하는 자율주행차량 및 학습된 학습 모델 및 상기 자율주행차량으로부터 수신된 주행관련 정보에 기초하여 상기 자율주행차량에 대한 제어 신호을 생성하고, 생성된 제어 신호를 상기 자율주행차량으로 전송하는 서버를 포함하고, 상기 제어 신호는 상기 자율주행차량의 속도 제어 신호 또는 차선 합류 지점 합류우선권 제어 신호 중 적어도 하나일 수 있다.

한편, 상기 주행관련 정보는 상기 자율주행차량의 현재 속도, 앞 차량과의 거리 정보, 앞 차량의 속도 정보, 옆 차선의 대각선 앞쪽의 위치한 차량의 위치 정보, 상기 옆 차선의 대각선 앞쪽에 위치한 차량의 속도 정보, 상기 옆 차선의 대각선 뒷쪽에 위치한 차량의 위치 정보 또는 상기 옆 차선의 대각선 뒷쪽에 위치한 차량의 속도 정보 중 적어도 하나의 정보를 포함하고, 상기 앞 차량, 상기 옆 차선의 대각선 앞쪽에 위치한 차량 및 상기 옆 차선의 대각선 뒷쪽에 위치한 차량은 자율주행차량 또는 비자율주행차량을 포함할 수 있다.

그리고, 상기 서버는 상기 자율주행차량으로부터 수신된 주행관련 정보, 상기 자율주행차량이 차선 합류 지점까지 남은 거리 정보, 상기 자율주행차량의 앞 차량들의 평균 속도 정보, 상기 옆 차선에 위치한 차량들의 평균 속도 정보, 상기 자율주행차량의 바로 앞에 위치한 다른 자율주행차량의 위치 정보, 상기 자율주행차량의 바로 앞에 위치한 다른 자율주행차량의 속도 정보, 상기 자율주행차량을 기준으로 상기 옆 차선에서 바로 앞에 위치한 다른 자율주행차량의 위치 정보 또는 상기 자율주행차량을 기준으로 상기 옆 차선에서 바로 앞에 위치한 다른 자율주행차량의 속도 정보 중 적어도 하나의 정보에 기초하여 상기 자율주행차량의 속도 제어 신호를 생성할 수 있다.

또한, 상기 서버는 상기 자율주행차량이 상기 차선 합류 지점으로부터 기 설정된 거리 이내인 경우, 기 설정된 제1 주기로 상기 속도 제어 신호를 업데이트할 수 있다.

또한, 상기 서버는 상기 합류 지점까지 남은 거리 정보, 제1 차선에 위치한 자율주행차량으로부터 수신된 주행관련 정보, 상기 제1 차선에 위치한 자율주행차량의 앞 차량들의 평균 속도 정보, 상기 제1 차선에 위치한 자율주행차량의 바로 뒤에 위치한 다른 자율주행차량의 거리 정보, 상기 제1 차선의 옆 차선인 제2 차선에 위치한 자율주행차량으로부터 수신된 주행관련 정보, 상기 제2 차선에 위치한 자율주행차량의 앞 차량들의 평균 속도 정보 또는 상기 제2 차선에 위치한 자율주행차량의 바로 뒤에 위치한 다른 자율주행차량의 거리 정보 중 적어도 하나의 정보에 기초하여 상기 합류 지점 합류우선권 제어 신호를 생성하고, 상기 생성된 합류 지점 합류우선권 제어 신호를 상기 제1 차선에 위치한 자율주행차량 또는 상기 제2 차선에 위치한 자율주행차량 중 하나의 자율주행차량에게 전송할 수 있다.

그리고, 상기 서버는 상기 자율주행차량이 상기 차선 합류 지점으로부터 기 설정된 거리 이내인 경우, 기 설정된 제2 주기로 상기 합류 지점 합류우선권 제어 신호를 업데이트할 수 있다.

한편, 상기 서버의 학습된 학습 모델은 DQN 학습 알고리즘으로 구현된 학습 모델일 수 있다.

그리고, 제7항에 있어서 상기 서버는 기 설정된 조건에 따라 페널티를 부여하고, 상기 부여된 페널티에 기초하여 상기 학습 모델을 업데이트할 수 있다.

한편, 이상과 같은 목적을 달성하기 위한 본 개시의 일 실시 예에 따르면, 이종트래픽 혼잡 제어 시스템의 제어 방법은 자율주행차량이 주행관련 정보를 서버로 전송하는 단계, 상기 서버가 학습된 학습 모델 및 상기 자율주행차량으로부터 수신된 주행관련 정보에 기초하여 상기 자율주행차량에 대한 제어 신호을 생성하는 단계 및 상기 서버가 생성된 제어 신호를 상기 자율주행차량으로 전송하는 단계를 포함하고, 상기 제어 신호는 상기 자율주행차량의 속도 제어 신호 또는 차선 합류 지점 합류우선권 제어 신호 중 적어도 하나일 수 있다.

이상 설명한 바와 같이, 본 개시의 다양한 실시 예에 따르면, 이종트래픽 혼잡 제어 시스템 및 제어 방법은 차선 합류 지점에서 자율주행차량의 통행 순서를 제어함으로써 합류 지점에서 교통 혼잡을 줄이고 차량의 통과율을 높일 수 있다.

그리고, 이종트래픽 혼잡 제어 시스템 및 제어 방법은 혼잡 지점으로 접근하는 차량의 진입 속도를 조절함으로써 차선이 합류되는 지점에서의 혼잡을 줄일 수 있다.

또한, 이종트래픽 혼잡 제어 시스템 및 제어 방법은 혼잡 지역에 진입하는 차량의 속도를 제어할 때 불필요한 가감속을 줄임으로써 연료 소비량을 줄일 수 있다.

본 발명의 효과들은 이상에서 언급한 효과들로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해 될 수 있을 것이다.

도 1은 본 개시의 일 실시 예에 따른 이종트래픽 혼잡 제어 시스템을 설명하는 도면이다.
도 2는 본 개시의 일 실시 예에 따른 자율주행차량 및 비자율주행차량이 혼재된 혼잡 교통 상황을 설명하는 도면이다.
도 3은 본 개시의 일 실시 예에 따른 자율주행차량의 블록도이다.
도 4a는 본 개시의 일 실시 예에 따른 자율주행차량의 제어 학습에 대한 흐름도이다.
도 4b는 본 개시의 일 실시 예에 따른 자율주행차량의 제어 과정을 설명하는 도면이다.
도 5a는 본 개시의 일 실시 예에 따른 자율주행차량의 제한 속도를 조절해 주기 위한 상태 정보를 나타내는 도면이다.
도 5b는 본 개시의 일 실시 예에 따른 자율주행차량의 합류우선권을 제어하기 위한 정보를 나타내는 도면이다.
도 5c는 본 개시의 일 실시 예에 따른 자율주행차량의 제한 속도를 제어하는 액션을 나타내는 도면이다.
도 5d는 본 개시의 일 실시 예에 따른 자율주행차량의 합류우선권을 제어하는 액션을 나타내는 도면이다.
도 5e는 본 개시의 일 실시 예에 따른 자율주행차량의 속도의 제어에 적용되는 보상과 벌칙을 나타내는 도면이다.
도 5f는 본 개시의 일 실시 예에 따른 자율주행차량의 합류우선권의 제어에 적용되는 보상과 벌칙을 나타내는 도면이다.
도 6은 본 개시의 일 실시 예에 따른 이종트래픽 혼잡 제어 시스템의 흐름도이다.

이하에서는 첨부된 도면을 참조하여 다양한 실시 예를 보다 상세하게 설명한다. 본 명세서에 기재된 실시 예는 다양하게 변형될 수 있다. 특정한 실시 예가 도면에서 묘사되고 상세한 설명에서 자세하게 설명될 수 있다. 그러나, 첨부된 도면에 개시된 특정한 실시 예는 다양한 실시 예를 쉽게 이해하도록 하기 위한 것일 뿐이다. 따라서, 첨부된 도면에 개시된 특정 실시 예에 의해 기술적 사상이 제한되는 것은 아니며, 발명의 사상 및 기술 범위에 포함되는 모든 균등물 또는 대체물을 포함하는 것으로 이해되어야 한다.

제1, 제2 등과 같이 서수를 포함하는 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이러한 구성요소들은 상술한 용어에 의해 한정되지는 않는다. 상술한 용어는 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.

본 명세서에서, "포함한다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다. 어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.

한편, 본 명세서에서 사용되는 구성요소에 대한 "모듈" 또는 "부"는 적어도 하나의 기능 또는 동작을 수행한다. 그리고, "모듈" 또는 "부"는 하드웨어, 소프트웨어 또는 하드웨어와 소프트웨어의 조합에 의해 기능 또는 동작을 수행할 수 있다. 또한, 특정 하드웨어에서 수행되어야 하거나 적어도 하나의 제어부에서 수행되는 "모듈" 또는 "부"를 제외한 복수의 "모듈들" 또는 복수의 "부들"은 적어도 하나의 모듈로 통합될 수도 있다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다.

본 발명의 설명에 있어서 각 단계의 순서는 선행 단계가 논리적 및 시간적으로 반드시 후행 단계에 앞서서 수행되어야 하는 경우가 아니라면 각 단계의 순서는 비제한적으로 이해되어야 한다. 즉, 위와 같은 예외적인 경우를 제외하고는 후행 단계로 설명된 과정이 선행단계로 설명된 과정보다 앞서서 수행되더라도 발명의 본질에는 영향이 없으며 권리범위 역시 단계의 순서에 관계없이 정의되어야 한다. 그리고 본 명세서에서 "A 또는 B"라고 기재한 것은 A와 B 중 어느 하나를 선택적으로 가리키는 것뿐만 아니라 A와 B 모두를 포함하는 것도 의미하는 것으로 정의된다. 또한, 본 명세서에서 "포함"이라는 용어는 포함하는 것으로 나열된 요소 이외에 추가로 다른 구성요소를 더 포함하는 것도 포괄하는 의미를 가진다.

본 명세서에서 수행되는 정보(데이터) 전송 과정은 필요에 따라서 암호화/복호화가 적용될 수 있으며, 본 명세서 및 특허청구범위에서 정보(데이터) 전송 과정을 설명하는 표현은 별도로 언급되지 않더라도 모두 암호화/복호화하는 경우도 포함하는 것으로 해석되어야 한다. 본 명세서에서 "A로부터 B로 전송(전달)" 또는 "A가 B로부터 수신"과 같은 형태의 표현은 중간에 다른 매개체가 포함되어 전송(전달) 또는 수신되는 것도 포함하며, 반드시 A로부터 B까지 직접 전송(전달) 또는 수신되는 것만을 표현하는 것은 아니다.

본 명세서에서는 본 발명의 설명에 필요한 필수적인 구성요소만을 설명하며, 본 발명의 본질과 관계가 없는 구성요소는 언급하지 아니한다. 그리고 언급되는 구성요소만을 포함하는 배타적인 의미로 해석되어서는 아니되며 다른 구성요소도 포함할 수 있는 비배타적인 의미로 해석되어야 한다.

그 밖에도, 본 발명을 설명함에 있어서, 관련된 공지 기능 혹은 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우, 그에 대한 상세한 설명은 축약하거나 생략한다. 한편, 각 실시 예는 독립적으로 구현되거나 동작될 수도 있지만, 각 실시 예는 조합되어 구현되거나 동작될 수도 있다.

도 1은 본 개시의 일 실시 예에 따른 이종트래픽 혼잡 제어 시스템을 설명하는 도면이다.

도 1을 참조하면, 이종트래픽 혼잡 제어 시스템(1000)은 자율주행차량(100a, 100b)과 서버(200)를 포함할 수 있다. 자율주행차량(100a, 100b)은 자율주행 모드 및 운전자 모드 중 하나의 모드로 동작할 수 있다. 자율주행 모드는 운전자의 개입없이 스스로 주행하는 모드를 의미하고, 운전자 모드는 일반적인 차량과 동일하게 운전자의 제어 동작에 대응하여 주행하는 모드를 의미한다. 본 개시에서 자율주행차량(100a, 100b)은 자율주행 모드로 주행하는 차량을 의미할 수 있다. 본 개시에서 비자율주행차량은 운전자 모드의 자율주행차량 또는 일반적인 차량을 모두 포함하는 개념일 수 있다.

자율주행차량(100a, 100b)은 주행관련 정보를 서버(200)로 전송할 수 있다. 주행관련 정보는 자율주행차량(100a, 100b) 자신의 주행관련 정보 및 인접 차선에서 주행중인 차량의 주행관련 정보를 포함할 수 있다.

서버(200)는 자율주행차량(100a, 100b)으로부터 주행관련 정보를 수신할 수 있다. 한편, 서버(200)는 통신 기능을 포함하여 주행관련 정보를 전송할 수 있는 비자율주행차량으로부터 주행관련 정보를 수신할 수도 있다. 서버(200)는 혼잡 교통 제어를 위한 학습된 인공지능 학습 모델을 포함할 수 있다. 서버(200)는 학습된 학습 모델 및 자율주행차량(100a, 100b)로부터 수신된 주행관련 정보에 기초하여 자율주행차량(100a, 100b)에 대한 제어 신호를 생성할 수 있다. 서버(200)는 생성된 제어 신호를 자율주행차량(100a, 100b)으로 전송할 수 있다. 예를 들어, 자율주행차량으로 전송하는 제어 신호는 자율주행차량(100a, 100b)의 속도 제어 신호 또는 차선 합류 지점 합류우선권 제어 신호 등을 포함할 수 있다.

본 개시는 자율주행차량 및 비자율주행차량이 혼재된 이종트래픽 교통 상황을 제어하는 기술이다. 그리고, 이종트래픽 혼잡 제어 시스템(1000)은 시스템(1000)에 의해 자율주행차량(100a, 100b)만을 직접적으로 제어할 수 있다. 즉, 본 개시는 자율주행차량과 비자율주행차량이 혼재된 이종트래픽 교통 상황에서 자율주행차량을 직접 제어하고, 자율주행차량의 직접 제어에 의해 비자율주행차량을 간접적으로 제어함으로써 교통 혼잡 상황을 전체적으로 제어하는 기술에 관한 것이다.

도 2는 본 개시의 일 실시 예에 따른 자율주행차량 및 비자율주행차량이 혼재된 혼잡 교통 상황을 설명하는 도면이다.

도 2를 참조하면, 자율주행차량과 비자율주행차량이 혼재된 교통 상황에서 사고 발생에 따른 정체가 발생한 일 실시 예가 도시되어 있다. CAV(connected and automated vehicle)(100)는 자율주행차량으로 통신 기능을 포함하고, 서버와 통신을 수행할 수 있는 차량을 의미한다. CHV(connected human-driven vehicle)(101)는 통신 기능을 포함하는 운전자 모드의 차량을 의미한다. CHV(101)는 운전자 모드로 설정된 자율주행차량일 수 있고, 통신 기능을 포함하는 일반적인 차량일 수 있다. NHV(non-connected human-driven vehicle)(102)는 통신 기능을 포함하지 않고 운전자에 의해 제어되는 일반적인 차량을 의미한다. 본 개시에서는 CAV(100)를 자율주행차량으로 부르고, CHV(101) 및 NHV(102)를 비자율주행차량으로 부르기로 한다.

일 실시 예로서, 도 2에 도시된 바와 같이 편도 2차선의 도로의 제2 차선에서 차량의 사고 또는 고장이 발생될 수 있다. 제2 차선에서 차량의 사고 또는 고장이 발생되는 경우, 운행중인 차량은 모두 제1 차선으로 사고 또는 고장 지점을 지나가야 한다. 따라서, 병목 현상이 발생되기 때문에 운행중인 차량의 속도는 줄어들게 되고, 사고 또는 고장 지점에서는 하나의 차량만이 통과해야 하기 때문에 합류우선권에 대한 제어가 필요하다.

본 개시에서 교통 통제의 주체는 CAV(자율주행차량)이다. 즉, CAV, CHV 및 NHV가 혼재된 교통 환경에서 사고 구역 또는 공사 구역의 일시적 및 지역적 혼잡을 해소하기 위해 CAV가 주도적으로 교통 흐름을 제어할 수 있다.

일 실시 예로서, CAV는 두 가지 방법으로 교통 흐름을 제어할 수 있다. 첫번째 방법은 자신의 속도를 조절함으로써 뒤따라오는 차량들의 속도를 간접적으로 조절할 수 있다. CAV가 자신의 속도를 선형적으로(또는 부드럽게) 조절함으로써 뒤따르는 차량들의 불필요한 가속과 감속을 줄여줄 수 있다. 또한, 차량의 불필요한 가속과 감속이 줄어듬에 따라 차량의 연료 소비량을 줄일 수 있다.

두번째 방법은 합류 지점(예, 사고 지점 또는 공사 지점 등)에서 폐쇄된 차선에서 가장 선두에 있는 CAV와 개방된 차선에서 가장 선두에 있는 CAV 중 누가 우선적으로 지나갈지를 결정하는 합류우선권을 통해 교통 흐름을 제어하는 방법이다. 합류 우선권이 적절히 부여됨으로써 CAV의 뒤를 따르는 비자율주행차량들이 옆 차선에 있는 차량과 먼저 지나가기 위한 경쟁을 줄여줄 수 있다. 그리고, 먼저 지나가기 위한 경쟁이 줄어듬에 따라 교통 흐름의 효율은 증가될 수 있다. 합류우선권의 합류 지점으로부터 일정한 거리로 설정된 제어 구역(control zone) 내에 있는 CAV에 대해서만 제어될 수 있다. 이때, 합류우선권을 부여 받지 못한 CAV가 가상 정지선(virtual stop line)을 넘어가는 경우 합류우선권을 부여 받지 못한 CAV는 정지될 수 있다.

아래에서는 일 실시 예에 따른 자율주행차량의 구성 및 서버로 전송하는 정보에 대해 구체적으로 설명한다.

도 3은 본 개시의 일 실시 예에 따른 자율주행차량의 블록도이다. 도 3을 참조하면, 자율주행차량(100)은 센서부(110), 제어부(120) 및 통신부(130)를 포함할 수 있다.

센서부(110)는 주행관련 정보를 감지할 수 있다. 예를 들어, 감지하는 주행관련 정보는 자율주행차량의 현재 속도, 앞 차량과의 거리 정보, 앞 차량의 속도 정보, 옆 차선의 대각선 앞쪽의 위치한 차량의 위치 정보, 옆 차선의 대각선 앞쪽에 위치한 차량의 속도 정보, 옆 차선의 대각선 뒷쪽에 위치한 차량의 위치 정보 또는 옆 차선의 대각선 뒷쪽에 위치한 차량의 속도 정보 등을 포함할 수 있다. 앞 차량, 옆 차선의 대각선 앞쪽에 위치한 차량 또는 옆 차선의 대각선 뒷쪽에 위치한 차량은 자율주행차량일 수 있고, 비자율주행차량일 수 있다. 상술한 바와 같이, 자율주행차량은 CAV일 수 있고, 비자율주행차량은 CHV, NHV 일 수 있다.

예를 들어, 센서부(110)는 근접 센서, 조도 센서, 가속도 센서, 자기 센서, 중력 센서, 자이로스코프 센서, 모션 센서, RGB 센서, 적외선 센서, 초음파 센서, 광 센서, 레이더 센서 등을 포함할 수 있다.

제어부(120)는 감지된 주행관련 정보를 서버로 전송하도록 통신부(130)를 제어할 수 있다. 또한, 제어부(120)는 GPS 등을 이용하여 차선 합류 지점과 현재 자율주행차량의 현재 위치 정보에 기초하여 차선 합류 지점까지 남은 거리를 산출하고, 시뮬레이션을 기준으로 차선 합류 지점까지 예상 운전 시간을 산출할 수도 있다.

통신부(130)는 다른 자율주행차량 또는 서버와 통신을 수행할 수 있다. 통신부(130)는 감지된 주행관련 정보, 산출된 차선 합류 지점까지 남은 거리 또는 산출된 차선 합류 지점까지 예상 운전 시간에 대한 정보를 서버로 전송할 수 있다. 또한, 통신부(130)는 제어와 관련하여 이전에 행동한 액션 값을 서버로 전송할 수도 있다.

통신부(130)는 셀룰러 통신 방식(예, 5G 통신) 또는 DSRC 통신 방식(IEEE 802.11p, IEEE1609.2, IEEE1609.3, IEEE1609.4,SAEJ2735, SAEJ2945.1) 등을 사용할 수 있다. 예를 들어, 통신부(130)는 셀룰러 통신 방식을 통해 주행관련 정보를 서버로 전송하고 서버로부터 다른 차량의 정보를 수신할 수 있다. 자율주행차량은 셀룰러 통신 방식이 불가능한 구역에 차량이 있을 경우 DSRC 통신 방식을 통해 주변 차량의 정보를 얻을 수 있다.

서버는 자율주행차량 또는 비자율주행차량으로부터 주행관련 정보 또는 산출된 각종 정보 등을 수신하고, 자율주행차량에 수신된 정보를 전송할 수 있다. 그리고, 서버는 자율주행차량의 속도 제어 신호 또는 차선 합류 지점 합류우선권 제어 신호를 생성하고, 자율주행차량에게 전송할 수 있다.

아래에서는 자율주행차량의 속도 제어 및 합류우선권 제어와 관련한 동작에 대해 설명한다.

도 4a는 본 개시의 일 실시 예에 따른 자율주행차량의 제어 학습에 대한 흐름도이고, 도 4b는 본 개시의 일 실시 예에 따른 자율주행차량의 제어 과정을 설명하는 도면이다.

먼저, 서버가 자율주행차량으로부터 각종 정보를 수신하고 수신된 정보에 기초하여 인공지능 모델을 학습할 수 있다. 그리고, 서버가 학습된 인공지능 모델에 기초하여 제어 신호를 생성하고 자율주행차량에게 생성된 제어 신호를 전송할 수 있다.

예를 들어, 서버는 자율주행차량으로부터 수신된 주행관련 정보, 자율주행차량이 차선 합류 지점까지 남은 거리 정보, 자율주행차량의 앞 차량들의 평균 속도 정보, 옆 차선에 위치한 차량들의 평균 속도 정보, 자율주행차량의 바로 앞에 위치한 다른 자율주행차량의 위치 정보, 자율주행차량의 바로 앞에 위치한 다른 자율주행차량의 속도 정보, 자율주행차량을 기준으로 옆 차선에서 바로 앞에 위치한 다른 자율주행차량의 위치 정보 또는 자율주행차량을 기준으로 옆 차선에서 바로 앞에 위치한 다른 자율주행차량의 속도 정보 등에 기초하여 자율주행차량의 속도 제어 신호를 생성할 수 있다. 서버가 속도 제어 신호를 생성하기 위해 사용하는 정보는 각 자율주행차량으로부터 수신하거나 수신된 정보에 기초하여 산출된 정보일 수 있다.

도 4a에 도시된 바와 같이, 자율주행차량은 학습된 모델에 기초하여 제어될 수 있다. 자율주행차량의 제어는 강화 학습의 일종인 DQN(Deep-Q Network)를 통해 수행될 수 있다. 상술한 바와 같이, 본 개시는 자율주행차량 및 비자율주행차량이 혼재된 이종트래픽 혼잡 제어를 위한 기술이다. 즉, 운전자의 예측 불가능한 행동과 통신이 안 되는 차량에 대한 정보를 알 수 없기 때문에 시스템이 최적화된 통제를 하는 것이 매우 어렵다.

강화학습의 성능은 에이전트(agent)의 상태(state), 액션(action), 보상(reward)을 어떻게 정의할지에 따라 결정될 수 있다. 에이전트가 특정 상황에서 어떤 액션을 취했을 경우 어떤 보상을 받는다는 것을 경험을 한 후 이러한 경험들을 바탕으로 앞으로 받을 보상 값이 최대가 되도록 액션을 하도록 학습을 하는 것이 강화학습의 핵심 아이디어이다. 이때 특정 상태에 있을 때 어떤 행동을 하면 가장 좋은지를 나타내는 것이 Q값(Q value)이다.

예를 들어, 강화학습 알고리즘으로 DQN이 사용될 수 있다. DQN은 Q러닝(Q learning)과 딥러닝(deep learning)의 개념들을 결합한 것으로 기본적인 동작 원리는 Q러닝을 따른다. 그리고, 딥러닝은 상태가 무수히 많은 경우 모든 상태에 대한 Q값을 정의해 줄 수 없으므로 모든 상태에 대한 Q값을 특정 함수 값으로 근사시키기 위해서 신경망이 사용될 수 있다. 즉, 신경망에 에이전트의 상태 값이 들어가게 되면 신경망의 출력 값으로 Q값이 나오게 되고 에이전트는 출력된 Q값을 토대로 액션을 수행할 수 있다.

먼저, 자율주행차량의 속도 제어 학습은 자율주행차량이 획득할 수 있는 정보에 기초하여 상태를 정의하는 과정을 수행한다(S110). 속도 제어 학습은 정의된 상태에 기초하여 DQN 알고리즘(10)을 통해 제한 속도를 조절하는 행동을 선택하는 과정을 수행한다(S120). 그리고, 속도 제어 학습은 선택된 행동에 기초하여 제한 속도를 조절하는 과정을 수행한다(S130). 속도 제어 학습은 그 결과를 얻는 보상/벌칙 값을 획득하는 과정을 수행한다(S140). 그리고, 속도 제어 학습은 획득된 보상/벌칙 값에 기초하여 신경망을 업데이트 하는 과정을 수행한다(S150).

상술한 속도 제어 학습 및 제어 과정은 제어 구역 내에서 수행될 수 있다. 일 실시 예로서 제어 구역은 합류 지점으로부터 2km로 설정될 수 있고, 합류 지점으로부터 2km 이내에 위치하는 자율주행차량이 속도 조절 대상이 될 수 있다. 상술한 제어 구역은 일 실시 예이며, 도로 상황 등에 따라 제어 구역의 거리는 조절될 수 있다. 일 실시 예로서, 속도 제어 신호는 10초 주기로 업데이트될 수 있다.

자율주행차량의 합류우선권 결정 방법도 DQN을 통해 상술한 속도 제어 학습 과정과 유사하게 학습될 수 있다.

예를 들어, 서버는 합류 지점까지 남은 거리 정보, 제1 차선에 위치한 자율주행차량으로부터 수신된 주행관련 정보, 제1 차선에 위치한 자율주행차량의 앞 차량들의 평균 속도 정보, 제1 차선에 위치한 자율주행차량의 바로 뒤에 위치한 다른 자율주행차량의 거리 정보, 제1 차선의 옆 차선인 제2 차선에 위치한 자율주행차량으로부터 수신된 주행관련 정보, 제2 차선에 위치한 자율주행차량의 앞 차량들의 평균 속도 정보 또는 제2 차선에 위치한 자율주행차량의 바로 뒤에 위치한 다른 자율주행차량의 거리 정보 등에 기초하여 합류 지점 합류우선권 제어 신호를 생성할 수 있다. 그리고, 서버는 생성된 합류 지점 합류우선권 제어 신호를 제1 차선에 위치한 자율주행차량 또는 제2 차선에 위치한 자율주행차량 중 하나의 자율주행차량에게 전송할 수 있다.

일 실시 예로서, 합류우선권 결정 방법 학습 및 제어 과정도 제어 구역 내에서 수행될 수 있고, 합류우선권 제어 신호는 1초 주기로 생성될 수 있다.

속도 제어 학습과 합류우선권 결정 방법 학습은 서로 다른 신경망을 통해 학습될 수 있다. 즉, 교통 제어 시스템은 DQN을 통해 사로 다른 두 가지의 신경망을 학습시킬 수 있다.

도 4b에 도시된 바와 같이, 학습된 신경망(20)은 자율주행차량이 획득할 수 있는 정보에 기초하여 상태를 입력받을 수 있다(S210). 그리고, 학습된 신경망(20)은 학습 모델에 기초하여 제어 행동을 위한 신호를 생성할 수 있다(S220).

즉, 속도 제어가 학습된 신경망은 자율주행차량이 획득할 수 있는 정보에 기초하여 상태를 입력받을 수 있다. 그리고, 속도 제어가 학습된 신경망은 속도 제어 학습 모델에 기초하여 제한 속도를 조절하는 행동을 위한 제어 신호를 생성할 수 있다. 유사하게, 합류우선권 결정 방법이 학습된 신경망은 자율주행차량이 획득할 수 있는 정보에 기초하여 상태를 입력받을 수 있다. 그리고, 합류우선권 결정 방법이 학습된 신경망은 합류우선권 제어 학습 모델에 기초하여 합류우선권을 부여하는 행동을 위한 제어 신호를 생성할 수 있다.

한편, 속도 제어 학습 모델(또는, 신경망) 및 합류우선권 결정 방법 학습 모델(또는, 신경망)이 서버에 포함되는 예를 설명하였으나, 속도 제어 학습 모델 및 합류우선권 결정 방법 학습 모델은 각각의 자율주행차량에 포함될 수도 있다. 즉, 각각의 자율주행차량은 자신의 주행관련 정보 또는 산출된 각종 정보를 서버로 전송할 수 있다. 그리고, 제어 구역에 진입한 자율주행차량은 주변 차량의 주행관련 정보 또는 산출된 각종 정보를 서버로부터 수신할 수 있다. 제어 구역에 진입한 자율주행차량은 자신의 주행관련 정보, 산출된 각종 정보, 수신된 주변 차량의 주행관련 정보 또는 수신된 주변 차량의 각종 정보에 기초하여 속도 제어 또는 합류우선권을 결정할 수도 있다.

만일, 자율주행차량에 속도 제어 학습 모델 및 합류우선권 결정 방법 학습 모델이 포함되는 경우, 자율주행차량에 속도 제어 학습 모델 및 합류우선권 결정 방법 학습 모델은 자율주행차량의 제어부에 로딩되고, 제어부가 속도 제어 학습 모델에 기초하여 속도 제어 신호를 생성하거나, 합류우선권 결정 방법 학습 모델에 기초하여 합류우선권 제어 신호를 생성할 수도 있다.

아래에서는 속도 제어 또는 합류우선권 결정을 위한 상태 정보, 액션 및 보상/벌칙에 대해 자세히 설명한다.

도 5a는 본 개시의 일 실시 예에 따른 자율주행차량의 제한 속도를 조절해 주기 위한 상태 정보를 나타내는 도면이고, 도 5b는 본 개시의 일 실시 예에 따른 자율주행차량의 합류우선권을 제어하기 위한 정보를 나타내는 도면이다.

일 실시 예로서, 도 5a에는 자율주행차량의 제한 속도를 생성하기 위해 사용되는 상태 정보가 도시되어 있고, 도 5b에는 제어 구역 내에서 어느 차선에 위치하는 자율주행차량이 우선적으로 지나갈지를 선택하기 위한 합류우선권 제어 신호를 생성하기 위해 사용되는 상태 정보가 도시되어 있다. 도 5a 및 도 5b에 도시된 상태 정보는 일 실시 예이며, 다양한 상태 정보가 정의될 수 있다.

도 5c는 본 개시의 일 실시 예에 따른 자율주행차량의 제한 속도를 제어하는 액션을 나타내는 도면이고, 도 5d는 본 개시의 일 실시 예에 따른 자율주행차량의 합류우선권을 제어하는 액션을 나타내는 도면이다.

일 실시 예로서, 도 5c에는 자율주행차량의 제한 속도를 조절해주기 위한 액션이 도시되어 있고, 도 5d에는 제어 구역 내에서 어느 차선에 위치하는 자율주행차량이 우선적으로 지나갈지를 선택하는 액션이 도시되어 있다. 각각의 액션은 정수값에 매핑되어 사용될 수 있다. 도 5c 및 도 5d에 도시된 액션 정보는 일 실시 예이며, 다양한 액션 정보가 정의될 수 있다.

도 5e는 본 개시의 일 실시 예에 따른 자율주행차량의 속도의 제어에 적용되는 보상과 벌칙을 나타내는 도면이고, 도 5f는 본 개시의 일 실시 예에 따른 자율주행차량의 합류우선권의 제어에 적용되는 보상과 벌칙을 나타내는 도면이다.

일 실시 예로서, 도 5e에는 자율주행차량의 제한 속도를 조절하기 위한 보상과 벌칙이 도시되어 있고, 도 5f에는 제어 구역 내에서 어느 차선에 위치하는 자율주행차량이 우선적으로 지나갈지를 선택하기 위한 보상과 벌칙이 도시되어 있다. 보상은 자율주행차량이 합류 지점을 통과할 때만 발생될 수 있다. 도 5e 및 도 5f에 도시된 보상과 벌칙은 일 실시 예이며, 다양한 보상과 벌칙이 정의될 수 있다.

지금까지 이종트래픽 혼잡 제어 시스템의 다양한 실시 예를 설명하였다. 아래에서는 이종트래픽 혼잡 제어 시스템의 흐름도를 설명한다.

도 6은 본 개시의 일 실시 예에 따른 이종트래픽 혼잡 제어 시스템의 흐름도이다.

도 6을 참조하면, 이종트래픽 혼잡 제어 시스템은 주행관련 정보를 서버로 전송할 수 있다(S310). 예를 들어, 주행관련 정보는 자율주행차량의 현재 속도, 앞 차량과의 거리 정보, 앞 차량의 속도 정보, 옆 차선의 대각선 앞쪽의 위치한 차량의 위치 정보, 옆 차선의 대각선 앞쪽에 위치한 차량의 속도 정보, 옆 차선의 대각선 뒷쪽에 위치한 차량의 위치 정보 또는 옆 차선의 대각선 뒷쪽에 위치한 차량의 속도 정보 등을 포함할 수 있다. 그리고, 앞 차량, 옆 차선의 대각선 앞쪽에 위치한 차량 및 옆 차선의 대각선 뒷쪽에 위치한 차량은 자율주행차량 또는 비자율주행차량을 포함할 수 있다.

이종트래픽 혼잡 제어 시스템은 학습된 학습 모델 및 자율주행차량으로부터 수신된 주행관련 정보에 기초하여 자율주행차량에 대한 제어 신호을 생성할 수 있다(S320). 이종트래픽 혼잡 제어 시스템은 자율주행차량으로부터 수신된 주행관련 정보, 자율주행차량이 차선 합류 지점까지 남은 거리 정보, 자율주행차량의 앞 차량들의 평균 속도 정보, 옆 차선에 위치한 차량들의 평균 속도 정보, 자율주행차량의 바로 앞에 위치한 다른 자율주행차량의 위치 정보, 자율주행차량의 바로 앞에 위치한 다른 자율주행차량의 속도 정보, 자율주행차량을 기준으로 옆 차선에서 바로 앞에 위치한 다른 자율주행차량의 위치 정보 또는 자율주행차량을 기준으로 옆 차선에서 바로 앞에 위치한 다른 자율주행차량의 속도 정보 등에 기초하여 자율주행차량의 속도 제어 신호를 생성할 수 있다. 이종트래픽 혼잡 제어 시스템은 자율주행차량이 차선 합류 지점으로부터 기 설정된 거리 이내인 경우, 기 설정된 제1 주기로 속도 제어 신호를 업데이트할 수 있다. 일 실시 예로서, 기 설정된 거리는 제한 구역으로 설정된 거리일 수 있고, 제1 주기는 10초일 수 있다.

그리고, 이종트래픽 혼잡 제어 시스템은 합류 지점까지 남은 거리 정보, 제1 차선에 위치한 자율주행차량으로부터 수신된 주행관련 정보, 제1 차선에 위치한 자율주행차량의 앞 차량들의 평균 속도 정보, 제1 차선에 위치한 자율주행차량의 바로 뒤에 위치한 다른 자율주행차량의 거리 정보, 제1 차선의 옆 차선인 제2 차선에 위치한 자율주행차량으로부터 수신된 주행관련 정보, 제2 차선에 위치한 자율주행차량의 앞 차량들의 평균 속도 정보 또는 제2 차선에 위치한 자율주행차량의 바로 뒤에 위치한 다른 자율주행차량의 거리 정보 등에 기초하여 합류 지점 합류우선권 제어 신호를 생성할 수 있다. 이종트래픽 혼잡 제어 시스템은 자율주행차량이 차선 합류 지점으로부터 기 설정된 거리 이내인 경우, 기 설정된 제2 주기로 합류 지점 합류우선권 제어 신호를 업데이트할 수 있다. 일 실시 예로서, 제2 주기는 1초일 수 있다.

이종트래픽 혼잡 제어 시스템은 DQN 학습 알고리즘으로 구현된 학습 모델을 포함할 수 있고, 학습 모델은 기 설정된 조건에 따라 페널티를 부여하고, 부여된 페널티에 기초하여 업데이트될 수 있다.

이종트래픽 혼잡 제어 시스템은 생성된 제어 신호를 자율주행차량으로 전송할 수 있다(S330). 한편, 제어 신호는 자율주행차량의 속도 제어 신호 또는 차선 합류 지점 합류우선권 제어 신호 중 적어도 하나일 수 있다.

한편, 일 실시 예로서, 이종트래픽 혼잡 제어 시스템에 포함된 서버가 학습 모델을 포함하고, 서버가 학습 모델에 기초하여 제어 신호를 생성한 후 생성된 제어 신호를 자율주행차량에 전송하는 예를 설명하였다. 그러나, 다른 실시 예로서, 각각의 자율주행차량이 학습 모델을 포함하고, 각각의 자율주행차량이 서버로부터 각종 정보를 수신한 후 각각의 자율주행차량에 포함된 학습 모델에 기초하여 제어 신호를 생성할 수도 있다.

상술한 다양한 실시 예에 따른 이종트래픽 혼잡 제어 시스템의 제어 방법은 컴퓨터 프로그램 제품으로 제공될 수도 있다. 컴퓨터 프로그램 제품은 S/W 프로그램 자체 또는 S/W 프로그램이 저장된 비일시적 판독 가능 매체(non-transitory computer readable medium)를 포함할 수 있다.

비일시적 판독 가능 매체란 레지스터, 캐쉬, 메모리 등과 같이 짧은 순간 동안 데이터를 저장하는 매체가 아니라 반영구적으로 데이터를 저장하며, 기기에 의해 판독(reading)이 가능한 매체를 의미한다. 구체적으로는, 상술한 다양한 어플리케이션 또는 프로그램들은 CD, DVD, 하드 디스크, 블루레이 디스크, USB, 메모리카드, ROM 등과 같은 비일시적 판독 가능 매체에 저장되어 제공될 수 있다.

또한, 이상에서는 본 발명의 바람직한 실시 예에 대하여 도시하고 설명하였지만, 본 발명은 상술한 특정의 실시 예에 한정되지 아니하며, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 본 발명의 기술적 사상이나 전망으로부터 개별적으로 이해되어져서는 안될 것이다.

1000: 이종트래픽 혼잡 제어 시스템
100, 100a, 100b: 자율주행차량
200: 서버

Claims

주행관련 정보를 서버로 전송하는 자율주행차량; 및
학습된 학습 모델 및 상기 자율주행차량으로부터 수신된 주행관련 정보에 기초하여 상기 자율주행차량에 대한 제어 신호을 생성하고, 생성된 제어 신호를 상기 자율주행차량으로 전송하는 서버;를 포함하고,
상기 제어 신호는,
상기 자율주행차량의 속도 제어 신호 또는 차선 합류 지점 합류우선권 제어 신호 중 적어도 하나인, 이종트래픽 혼잡 제어 시스템.
제1항에 있어서,
상기 주행관련 정보는,
상기 자율주행차량의 현재 속도, 앞 차량과의 거리 정보, 앞 차량의 속도 정보, 옆 차선의 대각선 앞쪽의 위치한 차량의 위치 정보, 상기 옆 차선의 대각선 앞쪽에 위치한 차량의 속도 정보, 상기 옆 차선의 대각선 뒷쪽에 위치한 차량의 위치 정보 또는 상기 옆 차선의 대각선 뒷쪽에 위치한 차량의 속도 정보 중 적어도 하나의 정보를 포함하고,
상기 앞 차량, 상기 옆 차선의 대각선 앞쪽에 위치한 차량 및 상기 옆 차선의 대각선 뒷쪽에 위치한 차량은,
자율주행차량 또는 비자율주행차량을 포함하는, 이종트래픽 혼잡 제어 시스템.
제2항에 있어서,
상기 서버는,
상기 자율주행차량으로부터 수신된 주행관련 정보, 상기 자율주행차량이 차선 합류 지점까지 남은 거리 정보, 상기 자율주행차량의 앞 차량들의 평균 속도 정보, 상기 옆 차선에 위치한 차량들의 평균 속도 정보, 상기 자율주행차량의 바로 앞에 위치한 다른 자율주행차량의 위치 정보, 상기 자율주행차량의 바로 앞에 위치한 다른 자율주행차량의 속도 정보, 상기 자율주행차량을 기준으로 상기 옆 차선에서 바로 앞에 위치한 다른 자율주행차량의 위치 정보 또는 상기 자율주행차량을 기준으로 상기 옆 차선에서 바로 앞에 위치한 다른 자율주행차량의 속도 정보 중 적어도 하나의 정보에 기초하여 상기 자율주행차량의 속도 제어 신호를 생성하는, 이종트래픽 혼잡 제어 시스템.
제3항에 있어서,
상기 서버는,
상기 자율주행차량이 상기 차선 합류 지점으로부터 기 설정된 거리 이내인 경우, 기 설정된 제1 주기로 상기 속도 제어 신호를 업데이트하는, 이종트래픽 혼잡 제어 시스템.
제2항에 있어서,
상기 서버는,
상기 합류 지점까지 남은 거리 정보, 제1 차선에 위치한 자율주행차량으로부터 수신된 주행관련 정보, 상기 제1 차선에 위치한 자율주행차량의 앞 차량들의 평균 속도 정보, 상기 제1 차선에 위치한 자율주행차량의 바로 뒤에 위치한 다른 자율주행차량의 거리 정보, 상기 제1 차선의 옆 차선인 제2 차선에 위치한 자율주행차량으로부터 수신된 주행관련 정보, 상기 제2 차선에 위치한 자율주행차량의 앞 차량들의 평균 속도 정보 또는 상기 제2 차선에 위치한 자율주행차량의 바로 뒤에 위치한 다른 자율주행차량의 거리 정보 중 적어도 하나의 정보에 기초하여 상기 합류 지점 합류우선권 제어 신호를 생성하고, 상기 생성된 합류 지점 합류우선권 제어 신호를 상기 제1 차선에 위치한 자율주행차량 또는 상기 제2 차선에 위치한 자율주행차량 중 하나의 자율주행차량에게 전송하는, 이종트래픽 혼잡 제어 시스템.
제5항에 있어서,
상기 서버는,
상기 자율주행차량이 상기 차선 합류 지점으로부터 기 설정된 거리 이내인 경우, 기 설정된 제2 주기로 상기 합류 지점 합류우선권 제어 신호를 업데이트하는, 이종트래픽 혼잡 제어 시스템.
제1항에 있어서,
상기 서버의 학습된 학습 모델은,
DQN 학습 알고리즘으로 구현된 학습 모델인, 이종트래픽 혼잡 제어 시스템.
제7항에 있어서,
상기 서버는,
기 설정된 조건에 따라 페널티를 부여하고, 상기 부여된 페널티에 기초하여 상기 학습 모델을 업데이트하는, 이종트래픽 혼잡 제어 시스템.
이종트래픽 혼잡 제어 시스템의 제어 방법에 있어서,
자율주행차량이 주행관련 정보를 서버로 전송하는 단계;
상기 서버가 학습된 학습 모델 및 상기 자율주행차량으로부터 수신된 주행관련 정보에 기초하여 상기 자율주행차량에 대한 제어 신호을 생성하는 단계; 및
상기 서버가 생성된 제어 신호를 상기 자율주행차량으로 전송하는 단계;를 포함하고,
상기 제어 신호는,
상기 자율주행차량의 속도 제어 신호 또는 차선 합류 지점 합류우선권 제어 신호 중 적어도 하나인, 이종트래픽 혼잡 제어 시스템의 제어 방법.