KR20210089098A - 맵 데이터 업데이트 시스템 및 방법 - Google Patents

맵 데이터 업데이트 시스템 및 방법 Download PDF

Info

Publication number
KR20210089098A
KR20210089098A KR1020210001396A KR20210001396A KR20210089098A KR 20210089098 A KR20210089098 A KR 20210089098A KR 1020210001396 A KR1020210001396 A KR 1020210001396A KR 20210001396 A KR20210001396 A KR 20210001396A KR 20210089098 A KR20210089098 A KR 20210089098A
Authority
KR
South Korea
Prior art keywords
route
benefit
location
driving
processing circuitry
Prior art date
Application number
KR1020210001396A
Other languages
English (en)
Inventor
타이고 마리아 보난니
조엘레 조슈아 자디니
프란세스코 섹카몬테
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 KR20210089098A publication Critical patent/KR20210089098A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804—Creation or updating of map data
    • G01C21/3807—Creation or updating of map data characterised by the type of data
    • G01C21/3815—Road data
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
    • G01C21/30—Map- or contour-matching
    • G01C21/32—Structuring or formatting of map data
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804—Creation or updating of map 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
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
    • G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
    • G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
    • G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
    • G01C21/1652—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments with ranging devices, e.g. LIDAR or RADAR
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804—Creation or updating of map data
    • G01C21/3833—Creation or updating of map data characterised by the source of data
    • G01C21/3841—Data obtained from two or more sources, e.g. probe vehicles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804—Creation or updating of map data
    • G01C21/3859—Differential updating map data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/23—Updating
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0265—Vehicular advertisement
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804—Creation or updating of map data
    • G01C21/3833—Creation or updating of map data characterised by the source of data
    • G01C21/3848—Data obtained from both position sensors and additional sensors

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Automation & Control Theory (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Tourism & Hospitality (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Human Computer Interaction (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Traffic Control Systems (AREA)
  • Navigation (AREA)

Abstract

본 개시는 자율 주행 차량을 운행시키는 데 사용되는 맵 데이터를 업데이트하기 위한 컴퓨터 시스템 및 기술들에 관한 것이다. 일부 실시예에서, 컴퓨터 시스템은 시작 위치 및 목적지 위치를 포함하는 맵 데이터를 획득하고; 시작 위치로부터 목적지 위치까지 주행하기 위한 복수의 각각의 가능한 루트들에 대응하는 복수의 주행 시간들을 획득하며; 적어도 제1 각각의 가능한 루트에 대한 이익 정보를 획득하며; 주행 시간들 및 이익 정보에 기초하여 선택된 루트를 결정하도록 구성된다. 일부 실시예들에서, 컴퓨터 시스템은 시작 위치와 목적지 위치 사이의 루트를 획득하고; 루트에 대한 맵 노후 정도 정보를 획득하고; 맵 노후 정도 정보에 기초하여 자율 주행 차량에 대한 제1 운전 파라미터 세트를 결정하며; 제1 운전 파라미터 세트를 사용하여 루트를 따라 자율 주행 차량을 운행시키도록 구성된다.

Description

맵 데이터 업데이트 시스템 및 방법{SYSTEM AND METHOD FOR UPDATING MAP DATA}
관련 출원의 상호 참조
이 출원은 2020년 1월 6일자로 출원되고 발명의 명칭이 “SYSTEM AND METHOD FOR UPDATING MAP DATA”인 미국 가특허 출원 제62/957,659호의 이익을 주장하며, 이 미국 가특허 출원의 전체 내용은 이로써 참조에 의해 포함된다.
발명의 분야
이 설명은 자율 주행 차량(autonomous vehicle)을 운행시키는 데 사용되는 맵 데이터를 업데이트하기 위한 컴퓨터 시스템에 관한 것이다.
자율 주행 차량은 사람 및/또는 화물(예를 들면, 포장물, 물건, 또는 다른 물품)을 한 장소로부터 다른 장소로 운송하는 데 사용될 수 있다. 예를 들어, 자율 주행 차량은 사람의 위치로 운행하고, 사람이 자율 주행 차량을 탑승하기를 기다리며, 지정된 목적지(예를 들어, 사람에 의해 선택된 위치)로 운행할 수 있다. 환경에서 운행하기 위해, 이러한 자율 주행 차량은 자율 주행 차량이 운행할 수 있는 도로의 맵을 제공하는 맵 데이터를 장비하고 있다. 시간이 지남에 따라 도로 조건이 변할 수 있기 때문에, 도로의 현재 구성 및 조건을 정확하게 전달하기 위해 자율 주행 차량을 운행시키는 데 사용되는 맵이 업데이트될 필요가 있을 수 있다.
본 명세서에서 기술되는 주제는 자율 주행 차량을 운행시키는 데 사용되는 맵 데이터를 업데이트하기 위한 컴퓨터 시스템 및 기술에 관한 것이다. 일부 실시예에서, 개시된 기술은 자율 주행 차량의 루트를 결정하는 것을 포함한다. 예를 들어, 컴퓨터 시스템은 시작 위치 및 목적지 위치를 포함하는 맵 데이터를 획득하고; 시작 위치로부터 목적지 위치까지 주행하기 위한 복수의 각각의 가능한 루트에 대응하는 복수의 주행 시간을 획득하며; 적어도 제1 각각의 가능한 루트에 대한 이익 정보를 획득하고; 주행 시간 및 이익 정보에 기초하여 선택된 루트를 결정하도록 구성된다. 일부 실시예에서, 개시된 기술은 자율 주행 차량의 루트에 대한 루트 계획 데이터를 결정하는 것을 포함한다. 예를 들어, 컴퓨터 시스템은 시작 위치와 목적지 위치 사이의 루트를 획득하고; 루트에 대한 맵 노후 정도(map-age) 정보를 획득하며; 맵 노후 정도 정보에 기초하여 자율 주행 차량에 대한 제1 운전 파라미터 세트를 결정하고; 제1 운전 파라미터 세트를 사용하여 루트를 따라 자율 주행 차량을 운행시키도록 구성된다.
이들 및 다른 양태, 특징, 및 구현은 기능을 수행하기 위한 방법, 장치, 시스템, 컴포넌트, 프로그램 제품, 수단 또는 단계로서, 및 다른 방식으로 표현될 수 있다.
이들 및 다른 양태, 특징, 및 구현은 청구항을 포함하여, 이하의 설명으로부터 명백해질 것이다.
도 1은 자율 주행 능력(autonomous capability)을 갖는 자율 주행 차량의 일 예를 도시한다.
도 2는 예시적인 "클라우드" 컴퓨팅 환경을 예시한다.
도 3은 컴퓨터 시스템을 예시한다.
도 4는 자율 주행 차량에 대한 예시적인 아키텍처를 도시한다.
도 5는 인지 모듈에 의해 사용될 수 있는 입력 및 출력의 일 예를 도시한다.
도 6은 LiDAR 시스템의 일 예를 도시한다.
도 7은 동작 중인 LiDAR 시스템을 도시한다.
도 8은 LiDAR 시스템의 동작을 부가적으로 상세하게 도시한다.
도 9는 계획 모듈의 입력과 출력 사이의 관계의 블록 다이어그램을 도시한다.
도 10은 경로 계획에서 사용되는 방향 그래프(directed graph)를 도시한다.
도 11은 제어 모듈의 입력 및 출력의 블록 다이어그램을 도시한다.
도 12는 제어기의 입력, 출력, 및 컴포넌트의 블록 다이어그램을 도시한다.
도 13a 및 도 13b는 일부 실시예에 따른 루트를 결정하는 데 사용되는 방향 그래프를 도시한다.
도 14는 루트를 결정하기 위한 예시적인 프로세스의 플로차트이다.
도 15는 루트에 대한 루트 계획 데이터를 결정하기 위한 예시적인 프로세스의 플로차트이다.
이하의 기술에서는, 설명을 위해, 본 개시에 대한 완전한 이해를 제공하기 위해 다수의 특정 세부 사항이 기재된다. 그렇지만, 개시된 실시예가 이러한 특정 세부 사항이 없어도 실시될 수 있음이 명백할 것이다. 다른 경우에, 공지된 구조 및 디바이스는 본 개시를 불필요하게 모호하게 하는 것을 피하기 위하여 블록 다이어그램 형태로 도시된다.
도면에서, 설명을 용이하게 하기 위해, 디바이스, 모듈, 명령 블록 및 데이터 요소를 나타내는 것과 같은 개략적 요소의 특정 배열 또는 순서가 도시된다. 그렇지만, 본 기술 분야의 통상의 기술자라면, 도면에서의 개략적 요소의 특정 순서 또는 배열이 프로세싱의 특정한 순서 또는 시퀀스, 또는 프로세스의 분리가 요구됨을 암시한다는 것을 의미하지는 않는다는 점을 이해할 것이다. 게다가, 도면에 개략적 요소를 포함시키는 것은, 그러한 요소가 모든 실시예에서 요구됨을 암시한다는 것을 의미하지 않거나, 또는 그러한 요소에 의해 표현된 특징이 일부 실시예에서 포함되지 않을 수 있거나 다른 요소와 조합되지 않을 수 있음을 암시한다는 것을 의미하지 않는다.
또한, 도면에서, 2개 이상의 다른 개략적 요소 사이의 연결, 관계 또는 연관을 보여주기 위해 실선 또는 파선 또는 화살표와 같은 연결 요소가 사용되는 경우에, 임의의 그러한 연결 요소의 부재가 연결, 관계 또는 연관이 존재할 수 없다는 것을 암시하는 것을 의미하지 않는다. 환언하면, 요소들 사이의 일부 연결, 관계 또는 연관은 본 개시를 모호하게 하지 않기 위해 도면에 도시되지 않는다. 추가적으로, 예시를 용이하게 하기 위해, 요소들 사이의 다수의 연결, 관계 또는 연관을 나타내기 위해 단일의 연결 요소가 사용된다. 예를 들어, 연결 요소가 신호, 데이터 또는 명령의 통신을 나타내는 경우에, 본 기술 분야의 통상의 기술자라면, 그러한 요소가, 통신을 수행하기 위해 필요할 수 있는, 하나 또는 다수의 신호 경로(예를 들면, 버스)를 나타낸다는 것을 이해할 것이다.
그 예가 첨부된 도면에 예시된 실시예가 이제 상세하게 언급될 것이다. 이하의 상세한 설명에서, 다양한 기술된 실시예에 대한 완전한 이해를 제공하기 위해 많은 특정 세부 사항이 기재된다. 그렇지만, 다양한 기술된 실시예가 이러한 특정 세부 사항 없이 실시될 수 있다는 것이 본 기술 분야의 통상의 기술자에게 명백할 것이다. 다른 경우에, 실시예의 양태를 불필요하게 모호하게 하지 않기 위해 공지된 방법, 절차, 컴포넌트, 회로, 및 네트워크는 상세히 기술되지 않았다.
서로 독립적으로 또는 다른 특징들의 임의의 조합과 함께 각각 사용될 수 있는 여러 특징이 이하에 기술된다. 그렇지만, 임의의 개별 특징은 위에서 논의된 문제들 중 임의의 것을 해결할 수 없거나 또는 위에서 논의된 문제들 중 단지 하나만을 해결할 수 있다. 위에서 논의된 문제들 중 일부가 본원에 기술된 특징들 중 임의의 것에 의해 완전히 해결되지는 않을 수 있다. 비록 여러 표제가 제공되어 있더라도, 특정 표제에 관련되지만 해당 표제를 갖는 섹션에서 발견되지는 않는 정보가 본 설명의 다른 곳에서 발견될 수도 있다. 실시예는 이하의 개요에 따라 본원에 기술된다:
1. 일반적 개관
2. 하드웨어 개관
3. 자율 주행 차량 아키텍처
4. 자율 주행 차량 입력
5. 자율 주행 차량 계획
6. 자율 주행 차량 제어
7. 맵 업데이트
8. 루트를 결정하기 위한 예시적인 프로세스
9. 루트에 대한 루트 계획 데이터를 결정하기 위한 예시적인 프로세스
일반적 개관
자율 주행 차량이 복잡한 환경(예를 들어, 도시 환경)에서 운전하는 것은 큰 기술적 도전 과제를 제기한다. 자율 주행 차량이 이러한 환경을 운행하기 위해, 차량은 맵 데이터를 사용하여 환경에서의 차량의 운행을 유도한다. 맵 데이터는 환경에서의 도로 및 대상체의 표시를 포함할 수 있다. 시간이 지남에 따라, 환경에서의 도로 및 대상체가 변하여, 맵 데이터를 오래되어 쓸모없게(outdated) 되도록 한다. 따라서, 환경의 정확한 표현을 보장하기 위해 맵 데이터가 주기적으로 업데이트되어야 한다. 업데이트된 맵 데이터를 유지하기 위한 하나의 접근법은 도로에 대한 맵 데이터를 수집하기 위해 지리적 영역에서의 특정 도로를 따라 운전하는 배타적인 목적을 위한 하나 이상의 차량을 지정하는 것을 포함한다. 그렇지만, 그러한 접근법은, 환경에서 차량을 동작시키는 비용, 및 맵 데이터를 수집하는 데 배타적으로 사용되는 차량에 대해 창출되지 않는 잠재적 수익의 기회 비용을 포함한, 상당한 자원을 소비한다. 본 개시는 차량의 수익 창출 용도와 부합하는 방식으로 맵 데이터를 업데이트하기 위한 개선된 기술을 제공한다.
일부 실시예에서, 본 명세서에서 설명된 시스템 및 기술은 프로세싱 회로를 사용하여 1) 시작 위치 및 목적지 위치를 포함하는 맵 데이터, 2) 시작 위치로부터 목적지 위치까지 주행하기 위한 복수의 각각의 가능한 루트에 대응하는 복수의 주행 시간, 및 3) 적어도 제1 각각의 가능한 루트에 대한 이익 정보를 획득한다. 주행 시간 및 이익 정보에 기초하여 이어서 선택된 루트가 결정된다. 종래의 관행과 비교할 때, 개시된 기술은 차량의 수익 창출 용도를 가능하게 하면서 동시에 차량을 운행시키는 데 사용될 수 있는 맵 데이터를 수집한다.
일부 실시예에서, 본 명세서에서 설명된 시스템 및 기술은 프로세싱 회로를 사용하여 1) 시작 위치와 목적지 위치 사이의 루트, 및 2) 루트에 대한 맵 노후 정도 정보를 획득한다. 맵 노후 정도 정보에 기초하여 이어서 자율 주행 차량에 대한 제1 운전 파라미터 세트가 결정된다. 제어 회로는 제1 운전 파라미터 세트를 사용하여 루트를 따라 자율 주행 차량을 운행시키는 데 사용된다. 종래의 관행과 비교할 때, 개시된 기술은 차량의 수익 창출 용도를 가능하게 하면서 동시에 차량을 운행시키는 데 사용될 수 있는 맵 데이터를 수집한다.
하드웨어 개관
도 1은 자율 주행 능력을 갖는 자율 주행 차량(100)의 일 예를 도시한다.
본원에서 사용되는 바와 같이, "자율 주행 능력"이라는 용어는, 완전한 자율 주행 차량, 고도의 자율 주행 차량, 및 조건부 자율 주행 차량을 제한 없이 포함하는, 실시간 인간 개입 없이 차량이 부분적으로 또는 완전하게 동작할 수 있게 하는 기능, 특징, 또는 설비를 지칭한다.
본원에서 사용되는 바와 같이, 자율 주행 차량(AV)은 자율 주행 능력을 갖는 차량이다.
본원에서 사용되는 바와 같이, "차량"은 상품 또는 사람의 운송 수단을 포함한다. 예를 들어, 자동차, 버스, 기차, 비행기, 드론, 트럭, 보트, 선박, 잠수함, 비행선 등. 무인 자동차는 차량의 일 예이다.
본원에서 사용되는 바와 같이, "궤적"은 AV를 제1 시공간적 위치로부터 제2 시공간적 위치로 운행시키는 경로 또는 루트를 지칭한다. 일 실시예에서, 제1 시공간적 위치는 초기 또는 시작 위치라고 지칭되고 제2 시공간적 위치는 목적지, 최종 위치, 목표, 목표 위치, 또는 목표 장소라고 지칭된다. 일부 예에서, 궤적은 하나 이상의 세그먼트(예를 들면, 도로의 섹션)로 구성되고, 각각의 세그먼트는 하나 이상의 블록(예를 들면, 차선 또는 교차로의 부분)으로 구성된다. 일 실시예에서, 시공간적 위치는 현실 세계 위치에 대응한다. 예를 들어, 시공간적 위치는 사람을 태우거나 내려주고 또는 상품을 싣거나 내리는 픽업(pick up) 위치 또는 드롭 오프(drop-off) 위치이다.
본원에서 사용되는 바와 같이, "센서(들)"는 센서를 둘러싸는 환경에 관한 정보를 검출하는 하나 이상의 하드웨어 컴포넌트를 포함한다. 하드웨어 컴포넌트들 중 일부는 감지 컴포넌트(예를 들면, 이미지 센서, 생체 측정 센서), 송신 및/또는 수신 컴포넌트(예를 들면, 레이저 또는 라디오 주파수 파 송신기 및 수신기), 아날로그 대 디지털 변환기와 같은 전자 컴포넌트, 데이터 저장 디바이스(예컨대, RAM 및/또는 비휘발성 스토리지), 소프트웨어 또는 펌웨어 컴포넌트, 및 ASIC(application-specific integrated circuit), 마이크로프로세서 및/또는 마이크로컨트롤러와 같은 데이터 프로세싱 컴포넌트를 포함할 수 있다.
본원에서 사용되는 바와 같이, "장면 묘사(scene description)"는 AV 차량 상의 하나 이상의 센서에 의해 검출되거나 AV 외부의 소스에 의해 제공되는 하나 이상의 분류된 또는 레이블링된 대상체를 포함하는 데이터 구조(예를 들어, 리스트) 또는 데이터 스트림이다.
본원에서 사용되는 바와 같이, "도로"는 차량에 의해 횡단될 수 있는 물리적 영역이고, 명명된 주요 도로(예를 들어, 도시 거리, 주간 프리웨이(interstate freeway) 등)에 대응할 수 있거나, 또는 명명되지 않은 주요 도로(예를 들어, 주택 또는 사무실 건물 내의 사유 도로, 주차장 섹션, 공터 섹션, 시골 지역의 비포장 경로 등)에 대응할 수 있다. 일부 차량(예를 들면, 4륜 구동 픽업 트럭, 스포츠 유틸리티 차량 등)은 차량 주행에 특히 적합하지 않은 다양한 물리적 영역을 횡단할 수 있기 때문에, "도로"는 임의의 지자체 또는 다른 정부 또는 행정처에 의해 주요 도로로서 공식적으로 규정되지 않은 물리적 영역일 수 있다.
본원에서 사용되는 바와 같이, "차선"은 차량에 의해 횡단될 수 있는 도로의 한 부분이고, 차선 마킹들 사이의 공간의 대부분 또는 전부에 대응할 수 있거나, 또는 차선 마킹들 사이의 공간의 단지 일부(예를 들면, 50% 미만)에 대응할 수 있다. 예를 들어, 멀리 이격된 차선 마킹을 갖는 도로는 차선 마킹들 사이에 둘 이상의 차량을 수용할 수 있어서, 하나의 차량이 차선 마킹을 횡단하지 않으면서 다른 차량을 추월할 수 있고, 따라서 차선 마킹들 사이의 공간보다 더 좁은 차선을 갖거나 차선 마킹들 사이에 2개의 차선을 갖는 것으로 해석될 수 있다. 차선은 차선 마킹의 부재 시에도 해석될 수 있다. 예를 들어, 차선은 환경의 물리적 특징, 예를 들어, 시골 지역에서의 주요 도로를 따라 있는 바위 및 나무에 기초하여 규정될 수 있다.
"하나 이상"은 하나의 요소에 의해 수행되는 기능, 하나 초과의 요소에 의해, 예를 들어, 분산 방식으로, 수행되는 기능, 하나의 요소에 의해 수행되는 여러 기능, 여러 요소에 의해 수행되는 여러 기능, 또는 이들의 임의의 조합을 포함한다.
또한, 제1, 제2 등의 용어가, 일부 예에서, 다양한 요소를 기술하기 위해 본원에서 사용되고 있지만, 이러한 요소가 이러한 용어에 의해 제한되지 않아야 한다는 것이 이해될 것이다. 이러한 용어는 하나의 요소를 다른 요소와 구별하는 데만 사용된다. 예를 들어, 기술된 다양한 실시예의 범위를 벗어나지 않으면서, 제1 접촉은 제2 접촉이라고 지칭될 수 있고, 유사하게 제2 접촉은 제1 접촉이라고 지칭될 수 있다. 제1 접촉과 제2 접촉 둘 모두가 접촉이지만, 달리 명시되지 않는 한, 동일한 접촉은 아니다.
본원에 기술된 다양한 실시예의 설명에서 사용된 용어는 단지 특정한 실시예를 기술하기 위한 것이며, 제한하는 것으로 의도되지 않는다. 기술된 다양한 실시예 및 첨부된 청구항의 설명에서 사용되는 바와 같이, 단수형은, 문맥이 달리 명확히 표시하지 않는 한, 복수형을 포함하는 것으로 의도되어 있다. "및/또는"이라는 용어가, 본원에서 사용되는 바와 같이, 열거된 연관 항목들 중 하나 이상의 항목의 임의의 및 모든 가능한 조합을 지칭하고 포함한다는 것이 또한 이해될 것이다. 게다가, "포함한다" 및/또는 "포함하는"이라는 용어가, 본 설명에서 사용될 때, 언급된 특징, 정수, 단계, 동작, 요소, 및/또는 컴포넌트의 존재를 명기하지만, 하나 이상의 다른 특징, 정수, 단계, 동작, 요소, 컴포넌트, 및/또는 그의 그룹의 존재 또는 추가를 배제하지 않는다는 것이 이해될 것이다.
본원에서 사용되는 바와 같이, "~ 경우"라는 용어는 선택적으로 문맥에 따라 "~할 때", 또는 "~시에" 또는 "결정에 응답하여" 또는 "검출에 응답하여"를 의미하는 것으로 해석된다. 마찬가지로, 문구 "~라고 결정된다면" 또는 "[언급된 조건 또는 이벤트]가 검출되는 경우"는 선택적으로 문맥에 따라, "결정할 시에" 또는 "결정에 응답하여" 또는 "[언급된 조건 또는 이벤트]의 검출 시에" 또는 "[언급된 조건 또는 이벤트]의 검출에 응답하여"를 의미하는 것으로 해석된다.
본원에서 사용되는 바와 같이, AV 시스템은 AV의 동작을 지원하는 하드웨어, 소프트웨어, 저장 데이터 및 실시간으로 생성된 데이터의 어레이와 함께 AV를 지칭한다. 일 실시예에서, AV 시스템은 AV 내에 포함된다. 일 실시예에서, AV 시스템은 여러 위치에 걸쳐 확산되어 있다. 예를 들어, AV 시스템의 소프트웨어 중 일부는 도 2와 관련하여 아래에서 기술되는 클라우드 컴퓨팅 환경(200)과 유사한 클라우드 컴퓨팅 환경 상에 구현된다.
일반적으로, 본원은 완전한 자율 주행 차량, 고도의 자율 주행 차량, 및 조건부 자율 주행 차량, 예를 들어, 각각 소위 레벨 5 차량, 레벨 4 차량 및 레벨 3 차량을 포함하는 하나 이상의 자율 주행 능력을 갖는 임의의 차량에 적용 가능한 기술을 개시한다(차량의 자율성의 레벨 분류에 대한 세부 사항은 본원에 그 전체가 참조로 포함된, SAE 국제 표준 J3016: 온로드 자동차 자동 운전 시스템에 관한 용어의 분류 및 정의(Taxonomy and Definitions for Terms Related to On-128-172020-02-28 Road Motor Vehicle Automated Driving Systems) 참조). 또한, 본원에서 개시된 기술은 부분적 자율 주행 차량 및 운전자 보조 차량, 예컨대, 소위 레벨 2 및 레벨 1 차량에도 적용 가능하다(SAE 국제 표준 J3016: 온로드 자동차 자동 운전 시스템에 관한 용어의 분류 및 정의 참조). 일 실시예에서, 레벨 1, 레벨 2, 레벨 3, 레벨 4 및 레벨 5 차량 시스템 중 하나 이상은 센서 입력의 프로세싱에 기초하여 특정의 동작 조건 하에서 특정의 차량 동작(예를 들면, 조향, 제동, 및 맵 사용)을 자동화할 수 있다. 본 문서에서 설명된 기술은, 완전한 자율 주행 차량으로부터 인간 운전 차량에 이르는, 임의의 레벨에 있는 차량에 혜택을 줄 수 있다.
도 1을 참조하면, AV 시스템(120)은, 대상체(예를 들면, 자연 장애물(191), 차량(193), 보행자(192), 자전거 타는 사람, 및 다른 장애물)을 피하고 도로 법규(예를 들면, 동작 규칙 또는 운전 선호사항)를 준수하면서, AV(100)를 궤적(198)을 따라 환경(190)을 통과하여 목적지(199)(때때로 최종 위치라고 지칭됨)로 동작시킨다.
일 실시예에서, AV 시스템(120)은 컴퓨터 프로세서(146)로부터 동작 커맨드를 수신하고 이에 따라 동작하도록 설비된 디바이스(101)를 포함한다. 일 실시예에서, 컴퓨팅 프로세서(146)는 도 3을 참조하여 아래에서 기술되는 프로세서(304)와 유사하다. 디바이스(101)의 예는 조향 컨트롤(102), 브레이크(103), 기어, 가속기 페달 또는 다른 가속 제어 메커니즘, 윈드실드 와이퍼, 사이드 도어 락, 윈도 컨트롤, 및 방향 지시등을 포함한다.
일 실시예에서, AV 시스템(120)은 AV의 위치, 선속도와 각속도 및 선가속도와 각가속도, 및 헤딩(heading)(예를 들면, AV(100)의 선단의 배향)와 같은 AV(100)의 상태 또는 조건의 속성을 측정 또는 추론하기 위한 센서(121)를 포함한다. 센서(121)의 예는 GPS, 차량 선가속도 및 각도 변화율(angular rate) 둘 모두를 측정하는 IMU(inertial measurement unit), 휠 슬립률(wheel slip ratio)을 측정 또는 추정하기 위한 휠 속력 센서, 휠 브레이크 압력 또는 제동 토크 센서, 엔진 토크 또는 휠 토크 센서, 그리고 조향각 및 각도 변화율 센서이다.
일 실시예에서, 센서(121)는 AV의 환경의 속성을 감지 또는 측정하기 위한 센서를 또한 포함한다. 예를 들어, 가시광, 적외선 또는 열(또는 둘 모두) 스펙트럼의 단안 또는 스테레오 비디오 카메라(122), LiDAR(123), RADAR, 초음파 센서, TOF(time-of-flight) 깊이 센서, 속력 센서, 온도 센서, 습도 센서, 및 강우 센서.
일 실시예에서, AV 시스템(120)은 컴퓨터 프로세서(146)와 연관된 머신 명령 또는 센서(121)에 의해 수집된 데이터를 저장하기 위한 데이터 저장 유닛(142) 및 메모리(144)를 포함한다. 일 실시예에서, 데이터 저장 유닛(142)은 도 3과 관련하여 아래에서 기술되는 ROM(308) 또는 저장 디바이스(310)와 유사하다. 일 실시예에서, 메모리(144)는 아래에서 기술되는 메인 메모리(306)와 유사하다. 일 실시예에서, 데이터 저장 유닛(142) 및 메모리(144)는 환경(190)에 관한 과거 정보, 실시간 정보, 및/또는 예측 정보를 저장한다. 일 실시예에서, 저장된 정보는 맵, 운전 성능, 교통 혼잡 업데이트 또는 기상 조건을 포함한다. 일 실시예에서, 환경(190)에 관한 데이터는 원격에 위치된 데이터베이스(134)로부터 통신 채널을 통해 AV(100)에 송신된다.
일 실시예에서, AV 시스템(120)은 다른 차량의 상태 및 조건, 예컨대, 위치, 선속도와 각속도, 선가속도와 각가속도, 및 AV(100)를 향한 선형 헤딩(linear heading)과 각도 헤딩(angular heading)의 측정된 또는 추론된 속성을 통신하기 위한 통신 디바이스(140)를 포함한다. 이러한 디바이스는 V2V(Vehicle-to-Vehicle) 및 V2I(Vehicle-to-Infrastructure) 통신 디바이스 및 포인트-투-포인트(point-to-point) 또는 애드혹(ad hoc) 네트워크 또는 둘 모두를 통한 무선 통신을 위한 디바이스를 포함한다. 일 실시예에서, 통신 디바이스(140)는 (라디오 및 광학 통신을 포함하는) 전자기 스펙트럼 또는 다른 매체(예를 들면, 공기 및 음향 매체)를 통해 통신한다. V2V(Vehicle-to-Vehicle), V2I(Vehicle-to-Infrastructure) 통신(및 일부 실시예에서, 하나 이상의 다른 유형의 통신)의 조합이 때때로 V2X(Vehicle-to-Everything) 통신이라고 지칭된다. V2X 통신은 전형적으로, 자율 주행 차량과의 통신 및 자율 주행 차량들 사이의 통신을 위한 하나 이상의 통신 표준을 준수한다.
일 실시예에서, 통신 디바이스(140)는 통신 인터페이스를 포함한다. 예를 들어, 유선, 무선, WiMAX, WiFi, 블루투스, 위성, 셀룰러, 광학, 근거리, 적외선, 또는 라디오 인터페이스. 통신 인터페이스는 원격에 위치된 데이터베이스(134)로부터 AV 시스템(120)으로 데이터를 송신한다. 일 실시예에서, 원격에 위치된 데이터베이스(134)는 도 2에 기술된 바와 같은 클라우드 컴퓨팅 환경(200)에 내장된다. 통신 인터페이스(140)는 센서(121)로부터 수집된 데이터 또는 AV(100)의 동작에 관련된 다른 데이터를 원격에 위치된 데이터베이스(134)에 송신한다. 일 실시예에서, 통신 인터페이스(140)는 원격 조작(teleoperation)에 관련되는 정보를 AV(100)에 송신한다. 일부 실시예에서, AV(100)는 다른 원격(예를 들면, "클라우드") 서버(136)와 통신한다.
일 실시예에서, 원격에 위치된 데이터베이스(134)는 또한 디지털 데이터를 저장 및 송신한다(예를 들면, 도로 및 거리 위치와 같은 데이터를 저장함). 그러한 데이터는 AV(100) 상의 메모리(144)에 저장되거나, 원격에 위치된 데이터베이스(134)로부터 통신 채널을 통해 AV(100)에 송신된다.
일 실시예에서, 원격에 위치된 데이터베이스(134)는 유사한 시각(time of day)에 궤적(198)을 따라 이전에 주행한 적이 있는 차량의 운전 속성(예를 들면, 속력 프로파일 및 가속도 프로파일)에 관한 과거 정보를 저장 및 송신한다. 일 구현예에서, 그러한 데이터는 AV(100) 상의 메모리(144)에 저장될 수 있거나, 원격에 위치된 데이터베이스(134)로부터 통신 채널을 통해 AV(100)에 송신될 수 있다.
AV(100) 상에 위치된 컴퓨팅 디바이스(146)는 실시간 센서 데이터 및 사전 정보(prior information) 둘 모두에 기초한 제어 액션을 알고리즘적으로 생성하여, AV 시스템(120)이 자율 주행 운전 능력을 실행할 수 있게 한다.
일 실시예에서, AV 시스템(120)은 AV(100)의 사용자(예를 들면, 탑승자 또는 원격 사용자)에게 정보 및 경고를 제공하고 그로부터 입력을 수신하기 위해 컴퓨팅 디바이스(146)에 결합된 컴퓨터 주변기기(132)를 포함한다. 일 실시예에서, 주변기기(132)는 도 3을 참조하여 아래에서 논의되는 디스플레이(312), 입력 디바이스(314), 및 커서 컨트롤러(316)와 유사하다. 결합은 무선 또는 유선이다. 인터페이스 디바이스들 중 임의의 둘 이상이 단일 디바이스에 통합될 수 있다.
도 2는 예시적인 "클라우드" 컴퓨팅 환경을 예시한다. 클라우드 컴퓨팅은 구성 가능한 컴퓨팅 리소스(예를 들면, 네트워크, 네트워크 대역폭, 서버, 프로세싱, 메모리, 스토리지, 애플리케이션, 가상 머신, 및 서비스)의 공유 풀에 대한 편리한 온-디맨드 네트워크 액세스를 가능하게 하기 위한 서비스 전달(service delivery)의 일 모델이다. 전형적인 클라우드 컴퓨팅 시스템에서는, 하나 이상의 대규모 클라우드 데이터 센터가 클라우드에 의해 제공되는 서비스를 전달하는 데 사용되는 머신을 수용한다. 이제 도 2를 참조하면, 클라우드 컴퓨팅 환경(200)은 클라우드(202)를 통해 상호연결되는 클라우드 데이터 센터(204a, 204b, 및 204c)를 포함한다. 데이터 센터(204a, 204b, 및 204c)는 클라우드 컴퓨팅 서비스를 클라우드(202)에 연결된 컴퓨터 시스템(206a, 206b, 206c, 206d, 206e, 및 206f)에 제공한다.
클라우드 컴퓨팅 환경(200)은 하나 이상의 클라우드 데이터 센터를 포함한다. 일반적으로, 클라우드 데이터 센터, 예를 들어, 도 2에 도시된 클라우드 데이터 센터(204a)는 클라우드, 예를 들어, 도 2에 도시된 클라우드(202) 또는 클라우드의 특정 부분을 구성하는 서버의 물리적 배열체를 지칭한다. 예를 들어, 서버는 클라우드 데이터 센터 내에 룸, 그룹, 로우(row), 및 랙(rack)으로 물리적으로 배열된다. 클라우드 데이터 센터는 하나 이상의 서버 룸을 포함하는 하나 이상의 구역(zone)을 갖는다. 각각의 룸은 하나 이상의 서버 로우를 가지며, 각각의 로우는 하나 이상의 랙을 포함한다. 각각의 랙은 하나 이상의 개별 서버 노드를 포함한다. 일부 구현예에서, 구역, 룸, 랙, 및/또는 로우 내의 서버는, 전력 요건, 에너지 요건, 열적 요건, 가열 요건, 및/또는 다른 요건을 포함하는, 데이터 센터 설비의 물리적 인프라스트럭처 요건에 기초하여 그룹으로 배열된다. 일 실시예에서, 서버 노드는 도 3에서 기술된 컴퓨터 시스템과 유사하다. 데이터 센터(204a)는 다수의 랙을 통해 분산된 다수의 컴퓨팅 시스템을 갖는다.
클라우드(202)는 클라우드 데이터 센터(204a, 204b, 및 204c)를 상호연결시키고 클라우드 컴퓨팅 서비스에 대한 컴퓨팅 시스템(206a 내지 206f)의 액세스를 용이하게 하는 것을 돕는 네트워크 및 네트워킹 리소스(예를 들어, 네트워킹 장비, 노드, 라우터, 스위치, 및 네트워킹 케이블)와 함께 클라우드 데이터 센터(204a, 204b, 및 204c)를 포함한다. 일 실시예에서, 네트워크는 지상 또는 위성 연결을 사용하여 배포된 유선 또는 무선 링크를 사용하여 결합된 하나 이상의 로컬 네트워크, 광역 네트워크, 또는 인터네트워크의 임의의 조합을 나타낸다. 네트워크를 거쳐 교환되는 데이터는, IP(Internet Protocol), MPLS(Multiprotocol Label Switching), ATM(Asynchronous Transfer Mode), 및 프레임 릴레이 등과 같은, 임의의 개수의 네트워크 계층 프로토콜을 사용하여 송신된다. 게다가, 네트워크가 다수의 서브 네트워크의 조합을 나타내는 실시예에서는, 기저 서브 네트워크(underlying sub-network) 각각에서 상이한 네트워크 계층 프로토콜이 사용된다. 일부 실시예에서, 네트워크는, 공중 인터넷과 같은, 하나 이상의 상호연결된 인터네트워크를 나타낸다.
컴퓨팅 시스템(206a 내지 206f) 또는 클라우드 컴퓨팅 서비스 소비자는 네트워크 링크 및 네트워크 어댑터를 통해 클라우드(202)에 연결된다. 일 실시예에서, 컴퓨팅 시스템(206a 내지 206f)은 다양한 컴퓨팅 디바이스, 예를 들어, 서버, 데스크톱, 랩톱, 태블릿, 스마트폰, IoT(Internet of Things) 디바이스, 자율 주행 차량(자동차, 드론, 셔틀, 기차, 버스 등을 포함함) 및 소비자 전자기기로서 구현된다. 일 실시예에서, 컴퓨팅 시스템(206a 내지 206f)은 다른 시스템 내에 또는 그 일부로서 구현된다.
도 3은 컴퓨터 시스템(300)을 예시한다. 일 구현예에서, 컴퓨터 시스템(300)은 특수 목적 컴퓨팅 디바이스이다. 특수 목적 컴퓨팅 디바이스는 기술을 수행하도록 고정-배선(hard-wired)되거나, 기술을 수행하도록 지속적으로 프로그래밍되는 하나 이상의 ASIC(application-specific integrated circuit) 또는 FPGA(field programmable gate array)와 같은 디지털 전자 디바이스를 포함하거나, 펌웨어, 메모리, 다른 스토리지 또는 조합 내의 프로그램 명령에 따라 기술을 수행하도록 프로그래밍되는 하나 이상의 범용 하드웨어 프로세서를 포함할 수 있다. 그러한 특수 목적 컴퓨팅 디바이스는 또한 커스텀 고정 배선 로직, ASIC, 또는 FPGA를 커스텀 프로그래밍과 조합하여 기술을 실현할 수 있다. 다양한 실시예에서, 특수 목적 컴퓨팅 디바이스는 기술을 구현하기 위한 고정 배선 및/또는 프로그램 로직을 포함하는 데스크톱 컴퓨터 시스템, 휴대용 컴퓨터 시스템, 핸드헬드 디바이스, 네트워크 디바이스, 또는 임의의 다른 디바이스이다.
일 실시예에서, 컴퓨터 시스템(300)은 정보를 통신하기 위한 버스(302) 또는 다른 통신 메커니즘, 및 정보를 프로세싱하기 위해 버스(302)와 결합된 하드웨어 프로세서(304)를 포함한다. 하드웨어 프로세서(304)는, 예를 들어, 범용 마이크로프로세서이다. 컴퓨터 시스템(300)은 프로세서(304)에 의해 실행될 명령 및 정보를 저장하기 위해 버스(302)에 결합된, RAM(random access memory) 또는 다른 동적 저장 디바이스와 같은, 메인 메모리(306)를 또한 포함한다. 일 구현예에서, 메인 메모리(306)는 프로세서(304)에 의해 실행될 명령의 실행 동안 임시 변수 또는 다른 중간 정보를 저장하는 데 사용된다. 그러한 명령은, 프로세서(304)에 의해 액세스 가능한 비-일시적 저장 매체에 저장되어 있을 때, 컴퓨터 시스템(300)을 명령에 지정된 동작을 수행하도록 커스터마이징된 특수 목적 머신으로 만든다.
일 실시예에서, 컴퓨터 시스템(300)은, 프로세서(304)를 위한 정적 정보 및 명령을 저장하기 위해 버스(302)에 결합된 ROM(read only memory)(308) 또는 다른 정적 저장 디바이스를 추가로 포함한다. 자기 디스크, 광학 디스크, 솔리드 스테이트 드라이브, 또는 3차원 크로스 포인트 메모리와 같은, 저장 디바이스(310)가 제공되고 정보 및 명령을 저장하기 위해 버스(302)에 결합된다.
일 실시예에서, 컴퓨터 시스템(300)은 버스(302)를 통해, 정보를 컴퓨터 사용자에게 디스플레이하기 위한 CRT(cathode ray tube), LCD(liquid crystal display), 플라스마 디스플레이, LED(light emitting diode) 디스플레이, 또는 OLED(organic light emitting diode) 디스플레이와 같은 디스플레이(312)에 결합된다. 문자 숫자식 키 및 다른 키를 포함하는 입력 디바이스(314)는 정보 및 커맨드 선택을 프로세서(304)에 통신하기 위해 버스(302)에 결합된다. 다른 유형의 사용자 입력 디바이스는 방향 정보 및 커맨드 선택을 프로세서(304)에 통신하고 디스플레이(312) 상에서의 커서 움직임을 제어하기 위한, 마우스, 트랙볼, 터치식 디스플레이, 또는 커서 방향 키와 같은, 커서 컨트롤러(316)이다. 이러한 입력 디바이스는 전형적으로, 디바이스가 평면에서의 위치를 지정할 수 있게 하는 2개의 축, 즉 제1 축(예를 들면, x-축) 및 제2 축(예를 들면, y-축)에서의 2 자유도를 갖는다.
일 실시예에 따르면, 본원에서의 기술은 프로세서(304)가 메인 메모리(306)에 포함된 하나 이상의 명령의 하나 이상의 시퀀스를 실행하는 것에 응답하여 컴퓨터 시스템(300)에 의해 수행된다. 그러한 명령은, 저장 디바이스(310)와 같은, 다른 저장 매체로부터 메인 메모리(306) 내로 판독된다. 메인 메모리(306)에 포함된 명령의 시퀀스의 실행은 프로세서(304)로 하여금 본원에서 기술된 프로세스 단계를 수행하게 한다. 대안적인 실시예에서는, 소프트웨어 명령 대신에 또는 소프트웨어 명령과 조합하여 고정 배선 회로가 사용된다.
"저장 매체"라는 용어는, 본 명세서에서 사용되는 바와 같이, 머신이 특정 방식으로 동작하게 하는 데이터 및/또는 명령을 저장하는 임의의 비-일시적 매체를 지칭한다. 그러한 저장 매체는 비휘발성 매체 및/또는 휘발성 매체를 포함한다. 비휘발성 매체는, 예를 들어, 광학 디스크, 자기 디스크, 솔리드 스테이트 드라이브, 또는 3차원 크로스 포인트 메모리, 예컨대, 저장 디바이스(310)를 포함한다. 휘발성 매체는 동적 메모리, 예컨대, 메인 메모리(306)를 포함한다. 저장 매체의 일반적인 형태는, 예를 들어, 플로피 디스크, 플렉서블 디스크, 하드 디스크, 솔리드 스테이트 드라이브, 자기 테이프, 또는 임의의 다른 자기 데이터 저장 매체, CD-ROM, 임의의 다른 광학 데이터 저장 매체, 홀 패턴을 갖는 임의의 물리적 매체, RAM, PROM, 및 EPROM, FLASH-EPROM, NV-RAM, 또는 임의의 다른 메모리 칩, 또는 카트리지를 포함한다.
저장 매체는 송신 매체와 별개이지만 송신 매체와 함께 사용될 수 있다. 송신 매체는 저장 매체들 사이에서 정보를 전달하는 데 참여한다. 예를 들어, 송신 매체는 버스(302)를 포함하는 와이어를 포함하여, 동축 케이블, 구리 와이어 및 광섬유를 포함한다. 송신 매체는 또한, 라디오 파 및 적외선 데이터 통신 동안 생성되는 것과 같은, 광파 또는 음향파의 형태를 취할 수 있다.
일 실시예에서, 실행을 위해 하나 이상의 명령의 하나 이상의 시퀀스를 프로세서(304)에 반송하는 데 다양한 형태의 매체가 관여된다. 예를 들어, 명령은 초기에 원격 컴퓨터의 자기 디스크 또는 솔리드 스테이트 드라이브에 보유된다. 원격 컴퓨터는 동적 메모리에 명령을 로딩하고 모뎀을 사용하여 전화선을 통해 명령을 전송한다. 컴퓨터 시스템(300)에 로컬인 모뎀은 전화선 상으로 데이터를 수신하고 적외선 송신기를 사용하여 데이터를 적외선 신호로 변환한다. 적외선 검출기는 적외선 신호로 반송되는 데이터를 수신하고 적절한 회로는 데이터를 버스(302)에 배치한다. 버스(302)는 데이터를 메인 메모리(306)로 반송하고, 프로세서(304)는 메인 메모리로부터 명령을 검색 및 실행한다. 메인 메모리(306)에 의해 수신된 명령은 프로세서(304)에 의해 실행되기 전이나 실행된 후에 선택적으로 저장 디바이스(310)에 저장될 수 있다.
컴퓨터 시스템(300)은 버스(302)에 결합된 통신 인터페이스(318)를 또한 포함한다. 통신 인터페이스(318)는 로컬 네트워크(322)에 연결된 네트워크 링크(320)에 대한 2-웨이 데이터 통신(two-way data communication) 결합을 제공한다. 예를 들어, 통신 인터페이스(318)는 ISDN(integrated service digital network) 카드, 케이블 모뎀, 위성 모뎀, 또는 대응하는 유형의 전화선에 데이터 통신 연결을 제공하기 위한 모뎀이다. 다른 예로서, 통신 인터페이스(318)는 호환 가능한 LAN(local area network)에 데이터 통신 연결을 제공하기 위한 LAN 카드이다. 일부 구현예에서는, 무선 링크도 구현된다. 임의의 그러한 구현예에서, 통신 인터페이스(318)는 다양한 유형의 정보를 나타내는 디지털 데이터 스트림을 반송하는 전기 신호, 전자기 신호, 또는 광학 신호를 전송 및 수신한다.
네트워크 링크(320)는 전형적으로 하나 이상의 네트워크를 통한 다른 데이터 디바이스로의 데이터 통신을 제공한다. 예를 들어, 네트워크 링크(320)는 로컬 네트워크(322)를 통해 호스트 컴퓨터(324)로의 연결 또는 ISP(Internet Service Provider)(326)에 의해 운영되는 클라우드 데이터 센터 또는 장비로의 연결을 제공한다. ISP(326)는 차례로 지금은 "인터넷(328)"이라고 통상적으로 지칭되는 월드-와이드 패킷 데이터 통신 네트워크(world-wide packet data communication network)를 통해 데이터 통신 서비스를 제공한다. 로컬 네트워크(322) 및 인터넷(328) 둘 모두는 디지털 데이터 스트림을 반송하는 전기 신호, 전자기 신호, 또는 광학 신호를 사용한다. 컴퓨터 시스템(300)으로 및 컴퓨터 시스템(300)으로부터 디지털 데이터를 반송하는, 다양한 네트워크를 통한 신호 및 통신 인터페이스(318)를 통한 네트워크 링크(320) 상의 신호는 송신 매체의 예시적인 형태이다. 일 실시예에서, 네트워크(320)는 위에서 기술된 클라우드(202) 또는 클라우드(202)의 일부를 포함한다.
컴퓨터 시스템(300)은 네트워크(들), 네트워크 링크(320), 및 통신 인터페이스(318)를 통해, 프로그램 코드를 포함하여, 메시지를 전송하고 데이터를 수신한다. 일 실시예에서, 컴퓨터 시스템(300)은 프로세싱하기 위한 코드를 수신한다. 수신된 코드는 수신될 때 프로세서(304)에 의해 실행되고 그리고/또는 추후의 실행을 위해 저장 디바이스(310) 또는 다른 비휘발성 스토리지에 저장된다.
자율 주행 차량 아키텍처
도 4는 자율 주행 차량(예를 들면, 도 1에 도시된 AV(100))에 대한 예시적인 아키텍처(400)를 도시한다. 아키텍처(400)는 인지 모듈(402)(때때로 인지 회로라고 지칭됨), 계획 모듈(planning module)(404)(때때로 계획 회로라고 지칭됨), 제어 모듈(406)(때때로 제어 회로라고 지칭됨), 로컬화 모듈(localization module)(408)(때때로 로컬화 회로라고 지칭됨), 및 데이터베이스 모듈(410)(때때로 데이터베이스 회로라고 지칭됨)을 포함한다. 각각의 모듈은 AV(100)의 동작에서 소정의 역할을 한다. 다함께, 모듈(402, 404, 406, 408, 및 410)은 도 1에 도시된 AV 시스템(120)의 일부일 수 있다. 일부 실시예에서, 모듈(402, 404, 406, 408, 및 410) 중 임의의 모듈은 컴퓨터 소프트웨어(예를 들면, 컴퓨터 판독 가능 매체 상에 저장된 실행 가능 코드) 및 컴퓨터 하드웨어(예를 들면, 하나 이상의 마이크로프로세서, 마이크로컨트롤러, ASIC(application-specific integrated circuit), 하드웨어 메모리 디바이스, 다른 유형의 집적 회로, 다른 유형의 컴퓨터 하드웨어, 또는 이러한 것 중 임의의 것 또는 모든 것의 조합)의 조합이다.
사용 중에, 계획 모듈(404)은 목적지(412)를 나타내는 데이터를 수신하고 목적지(412)에 도달하기 위해(예를 들면, 도착하기 위해) AV(100)에 의해 주행될 수 있는 궤적(414)(때때로 루트라고 지칭됨)을 나타내는 데이터를 결정한다. 계획 모듈(404)이 궤적(414)을 나타내는 데이터를 결정하기 위해, 계획 모듈(404)은 인지 모듈(402), 로컬화 모듈(408), 및 데이터베이스 모듈(410)로부터 데이터를 수신한다.
인지 모듈(402)은, 예를 들면, 도 1에도 도시된 바와 같이, 하나 이상의 센서(121)를 사용하여 인근의 물리적 대상체를 식별한다. 대상체는 분류되고(예를 들면, 보행자, 자전거, 자동차, 교통 표지판 등과 같은 유형으로 그룹화되고), 분류된 대상체(416)를 포함하는 장면 묘사는 계획 모듈(404)에 제공된다.
계획 모듈(404)은 또한 로컬화 모듈(408)로부터 AV 위치(418)를 나타내는 데이터를 수신한다. 로컬화 모듈(408)은 위치를 계산하기 위해 센서(121)로부터의 데이터 및 데이터베이스 모듈(410)로부터의 데이터(예를 들면, 지리적 데이터)를 사용하여 AV 위치를 결정한다. 예를 들어, 로컬화 모듈(408)은 GNSS(Global Navigation Satellite System) 센서로부터의 데이터 및 지리적 데이터를 사용하여 AV의 경도 및 위도를 계산한다. 일 실시예에서, 로컬화 모듈(408)에 의해 사용되는 데이터는 도로 기하학적 속성의 고-정밀 맵, 도로망 연결 속성을 기술하는 맵, 도로 물리적 속성(예컨대, 교통 속력, 교통량, 차량 교통 차선과 자전거 타는 사람 교통 차선의 개수, 차선 폭, 차선 교통 방향, 또는 차선 마커 유형 및 위치, 또는 그 조합)을 기술하는 맵, 및 도로 특징부, 예컨대, 횡단보도, 교통 표지판 또는 다양한 유형의 다른 주행 신호(travel signal)의 공간적 위치를 기술하는 맵을 포함한다. 일부 실시예에서, 로컬화 모듈(408)에 의해 사용되는 이러한 데이터는 일반적으로 맵 데이터라고 지칭된다.
제어 모듈(406)은 궤적(414)을 나타내는 데이터 및 AV 위치(418)를 나타내는 데이터를 수신하고, AV(100)로 하여금 목적지(412)를 향해 궤적(414)을 주행하게 할 방식으로 AV의 제어 기능(420a 내지 420c)(예를 들면, 조향, 스로틀링, 제동, 점화)을 동작시킨다. 예를 들어, 궤적(414)이 좌회전을 포함하는 경우, 제어 모듈(406)은, 조향 기능의 조향각이 AV(100)로 하여금 왼쪽으로 회전하게 하고 스로틀링 및 제동이 AV(100)로 하여금 이러한 회전이 이루어지기 전에 지나가는 보행자 또는 차량을 위해 일시정지 및 대기하게 하는 방식으로, 제어 기능(420a 내지 420c)을 동작시킬 것이다.
자율 주행 차량 입력
도 5는 인지 모듈(402)(도 4)에 의해 사용되는 입력(502a 내지 502d)(예를 들면, 도 1에 도시된 센서(121)) 및 출력(504a 내지 504d)(예를 들면, 센서 데이터)의 일 예를 도시한다. 하나의 입력(502a)은 LiDAR(Light Detection and Ranging) 시스템(예를 들면, 도 1에 도시된 LiDAR(123))이다. LiDAR는 그의 시선에 있는 물리적 대상체에 관한 데이터를 획득하기 위해 광(예를 들면, 적외선 광과 같은 광의 버스트)을 사용하는 기술이다. LiDAR 시스템은 출력(504a)으로서 LiDAR 데이터를 생성한다. 예를 들어, LiDAR 데이터는 환경(190)의 표현을 구성하는 데 사용되는 3D 또는 2D 포인트(포인트 클라우드라고도 알려져 있음)의 집합체이다.
다른 입력(502b)은 RADAR 시스템이다. RADAR는 인근의 물리적 대상체에 관한 데이터를 획득하기 위해 라디오 파를 사용하는 기술이다. RADAR는 LiDAR 시스템의 시선 내에 있지 않은 대상체에 관한 데이터를 획득할 수 있다. RADAR 시스템(502b)은 출력(504b)으로서 RADAR 데이터를 생성한다. 예를 들어, RADAR 데이터는 환경(190)의 표현을 구성하는 데 사용되는 하나 이상의 라디오 주파수 전자기 신호이다.
다른 입력(502c)은 카메라 시스템이다. 카메라 시스템은 인근의 물리적 대상체에 관한 정보를 획득하기 위해 하나 이상의 카메라(예를 들면, CCD(charge-coupled device)와 같은 광 센서를 사용하는 디지털 카메라)를 사용한다. 카메라 시스템은 출력(504c)으로서 카메라 데이터를 생성한다. 카메라 데이터는 종종 이미지 데이터(예를 들면, RAW, JPEG, PNG 등과 같은 이미지 데이터 포맷의 데이터)의 형태를 취한다. 일부 예에서, 카메라 시스템은, 카메라 시스템이 깊이를 인지할 수 있게 하는, 예를 들어, 입체시(stereopsis)(스테레오 비전)를 위한, 다수의 독립적인 카메라를 갖는다. 비록 카메라 시스템에 의해 인지되는 대상체가 여기서 "인근"으로 기술되지만, 이것은 AV에 상대적인 것이다. 사용 중에, 카메라 시스템은 멀리 있는, 예를 들어, AV 전방으로 최대 1 킬로미터 이상에 있는 대상체를 "보도록" 구성될 수 있다. 따라서, 카메라 시스템은 멀리 떨어져 있는 대상체를 인지하도록 최적화되어 있는 센서 및 렌즈와 같은 특징부를 가질 수 있다.
다른 입력(502d)은 TLD(traffic light detection) 시스템이다. TLD 시스템은 하나 이상의 카메라를 사용하여, 시각적 운행 정보를 제공하는 교통 신호등, 거리 표지판, 및 다른 물리적 대상체에 관한 정보를 획득한다. TLD 시스템은 출력(504d)으로서 TLD 데이터를 생성한다. TLD 데이터는 종종 이미지 데이터(예를 들면, RAW, JPEG, PNG 등과 같은 이미지 데이터 포맷의 데이터)의 형태를 취한다. TLD 시스템은, 시각적 운행 정보를 제공하는 가능한 한 많은 물리적 대상체에 관한 정보를 획득하기 위해 TLD 시스템이 넓은 시야를 갖는 카메라(예를 들면, 광각 렌즈 또는 어안 렌즈를 사용함)를 사용하여, AV(100)가 이러한 대상체에 의해 제공되는 모든 관련 운행 정보에 액세스한다는 점에서, 카메라를 포함하는 시스템과 상이하다. 예를 들어, TLD 시스템의 시야각은 약 120도 이상일 수 있다.
일부 실시예에서, 출력(504a 내지 504d)은 센서 융합 기술을 사용하여 결합된다. 따라서, 개별 출력(504a 내지 504d) 중 어느 하나가 AV(100)의 다른 시스템에 제공되거나(예를 들면, 도 4에 도시된 바와 같은 계획 모듈(404)에 제공되거나), 또는 조합된 출력이 동일한 유형(동일한 조합 기술을 사용하는 것 또는 동일한 출력을 조합하는 것 또는 둘 모두)의 단일 조합 출력 또는 다중 조합 출력의 형태 또는 상이한 유형(예를 들면, 상이한 각각의 조합 기술을 사용하는 것 또는 상이한 각각의 출력을 조합하는 것 또는 둘 모두)의 단일 조합 출력 또는 다중 조합 출력의 형태 중 어느 하나로 다른 시스템에 제공될 수 있다. 일부 실시예에서, 조기 융합(early fusion) 기술이 사용된다. 조기 융합 기술은 하나 이상의 데이터 프로세싱 단계가 결합된 출력에 적용되기 전에 출력을 결합하는 것을 특징으로 한다. 일부 실시예에서, 늦은 융합(late fusion) 기술이 사용된다. 늦은 융합 기술은 하나 이상의 데이터 프로세싱 단계가 개별 출력에 적용된 후에 출력을 결합하는 것을 특징으로 한다.
도 6은 LiDAR 시스템(602)(예를 들면, 도 5에 도시된 입력(502a))의 일 예를 도시한다. LiDAR 시스템(602)은 광 방출기(606)(예를 들면, 레이저 송신기)로부터 광(604a 내지 604c)을 방출한다. LiDAR 시스템에 의해 방출되는 광은 전형적으로 가시 스펙트럼에 있지 않으며; 예를 들어, 적외선 광이 종종 사용된다. 방출되는 광(604b)의 일부는 물리적 대상체(608)(예를 들면, 차량)와 조우하고, LiDAR 시스템(602)으로 다시 반사된다. (LiDAR 시스템으로부터 방출되는 광은 전형적으로 물리적 대상체, 예를 들면, 고체 형태의 물리적 대상체를 관통하지 않는다). LiDAR 시스템(602)은 또한 반사된 광을 검출하는 하나 이상의 광 검출기(610)를 갖는다. 일 실시예에서, LiDAR 시스템과 연관된 하나 이상의 데이터 프로세싱 시스템은 LiDAR 시스템의 시야(614)를 표현하는 이미지(612)를 생성한다. 이미지(612)는 물리적 대상체(608)의 경계(616)를 표현하는 정보를 포함한다. 이러한 방식으로, 이미지(612)는 AV 인근의 하나 이상의 물리적 대상체의 경계(616)를 결정하는 데 사용된다.
도 7은 동작 중인 LiDAR 시스템(602)을 도시한다. 이 도면에 도시된 시나리오에서, AV(100)는 이미지(702) 형태의 카메라 시스템 출력(504c) 및 LiDAR 데이터 포인트(704) 형태의 LiDAR 시스템 출력(504a) 둘 모두를 수신한다. 사용 중에, AV(100)의 데이터 프로세싱 시스템은 이미지(702)를 데이터 포인트(704)와 비교한다. 특히, 이미지(702)에서 식별된 물리적 대상체(706)가 데이터 포인트(704) 중에서도 식별된다. 이러한 방식으로, AV(100)는 데이터 포인트(704)의 윤곽 및 밀도에 기초하여 물리적 대상체의 경계를 인지한다.
도 8은 LiDAR 시스템(602)의 동작을 추가적으로 상세하게 도시한다. 위에서 기술된 바와 같이, AV(100)는 LiDAR 시스템(602)에 의해 검출되는 데이터 포인트의 특성에 기초하여 물리적 대상체의 경계를 검출한다. 도 8에 도시된 바와 같이, 지면(802)과 같은 평평한 대상체는 LiDAR 시스템(602)으로부터 방출되는 광(804a 내지 804d)을 일관된 방식으로 반사할 것이다. 달리 말하면, LiDAR 시스템(602)이 일관된 간격을 사용하여 광을 방출하기 때문에, 지면(802)은 광을 동일한 일관된 간격으로 다시 LiDAR 시스템(602)으로 반사할 것이다. AV(100)가 지면(802) 위를 주행함에 따라, LiDAR 시스템(602)은 도로를 방해하는 것이 아무 것도 없는 경우 다음 유효 지면 포인트(806)에 의해 반사되는 광을 계속 검출할 것이다. 그렇지만, 대상체(808)가 도로를 방해하는 경우, LiDAR 시스템(602)에 의해 방출되는 광(804e 내지 804f)은 예상되는 일관된 방식과 부합하지 않는 방식으로 포인트(810a 내지 810b)로부터 반사될 것이다. 이 정보로부터, AV(100)는 대상체(808)가 존재한다고 결정할 수 있다.
경로 계획
도 9는 (예를 들면, 도 4에 도시된 바와 같은) 계획 모듈(404)의 입력과 출력 사이의 관계의 블록 다이어그램(900)을 도시한다. 일반적으로, 계획 모듈(404)의 출력은 시작 포인트(904)(예를 들면, 소스 위치 또는 초기 위치)로부터 종료 포인트(906)(예를 들면, 목적지 또는 최종 위치)까지의 루트(902)이다. 루트(902)는 전형적으로 하나 이상의 세그먼트에 의해 정의된다. 예를 들어, 세그먼트는 거리, 도로, 간선도로, 사유 도로, 또는 자동차 주행에 적절한 다른 물리적 영역의 적어도 일 부분에 걸쳐 주행되는 거리이다. 일부 예에서, 예를 들어, AV(100)가 4륜 구동(4WD) 또는 상시 4륜구동(AWD) 자동차, SUV, 픽업 트럭 등과 같은 오프-로드 주행 가능 차량인 경우, 루트(902)는 비포장 경로 또는 탁트인 들판과 같은 "오프-로드" 세그먼트를 포함한다.
루트(902)에 추가하여, 계획 모듈은, 예를 들어, 차선 레벨 루트 계획 데이터(908)와 같은 루트 계획 데이터도 출력한다. 차선 레벨 루트 계획 데이터(908)는 특정한 시간에서의 세그먼트의 조건에 기초하여 루트(902)의 세그먼트를 횡단하는 데 사용된다. 예를 들어, 루트(902)가 다중 차선 간선도로를 포함하는 경우, 차선 레벨 루트 계획 데이터(908)는, 예를 들어, 출구가 다가오고 있는지, 차선 중 하나 이상이 다른 차량을 갖는지, 또는 수 분 이하 동안에 걸쳐 변화되는 다른 인자에 기초하여, AV(100)가 다중 차선 중 한 차선을 선택하는 데 사용할 수 있는 궤적 계획 데이터(910)를 포함한다. 유사하게, 일부 구현예에서, 차선 레벨 루트 계획 데이터(908)는 루트(902)의 세그먼트에 특정적인 속력 제약(912)을 포함한다. 예를 들어, 세그먼트가 보행자 또는 예상치 못한 교통상황(traffic)을 포함하는 경우, 속력 제약(912)은 AV(100)를 예상된 속력보다 더 느린 주행 속력, 예를 들면, 세그먼트에 대한 속력 제한 데이터에 기초한 속력으로 제한할 수 있다. 일부 실시예에서, 루트 계획 데이터는, 아래에서 더 상세히 논의되는 바와 같이, AV(100)의 다양한 거동 및 기동을 제어하거나 지시하기 위해 사용될 수 있다.
일 실시예에서, 계획 모듈(404)에의 입력은 (예를 들면, 도 4에 도시된 데이터베이스 모듈(410)로부터의) 데이터베이스 데이터(914), 현재 위치 데이터(916)(예를 들면, 도 4에 도시된 AV 위치(418)), (예를 들면, 도 4에 도시된 목적지(412)에 대한) 목적지 데이터(918), 및 대상체 데이터(920)(예를 들면, 도 4에 도시된 인지 모듈(402)에 의해 인지되는 분류된 대상체(416))를 포함한다. 일 실시예에서, 데이터베이스 데이터(914)는 계획에 사용되는 규칙을 포함한다. 규칙은 형식 언어를 사용하여, 예를 들어, 불리언 로직을 사용하여 규정된다. AV(100)가 조우하는 임의의 주어진 상황에서, 규칙들 중 적어도 일부는 해당 상황에 적용될 것이다. 규칙이 AV(100)에 이용 가능한 정보, 예를 들면, 주위 환경에 관한 정보에 기초하여 충족되는 조건을 갖는 경우, 규칙이 주어진 상황에 적용된다. 규칙은 우선순위를 가질 수 있다. 예를 들어, "도로가 프리웨이인 경우, 최좌측 차선으로 이동하라"로 되어 있는 규칙은, 출구가 1마일 내로 다가오고 있는 경우, 최우측 차선으로 이동하라"는 것보다 더 낮은 우선순위를 가질 수 있다.
도 10은, 예를 들어, 계획 모듈(404)(도 4)에 의해 경로 계획에 사용되는 방향 그래프(1000)를 도시한다. 일반적으로, 도 10에 도시된 것과 같은 방향 그래프(1000)는 임의의 시작 포인트(1002)와 종료 포인트(1004) 사이의 경로를 결정하는 데 사용된다. 현실 세계에서는, 시작 포인트(1002)와 종료 포인트(1004)를 분리하는 거리는 상대적으로 클 수 있거나(예를 들면, 2개의 상이한 대도시 지역에 있음) 또는 상대적으로 작을 수 있다(예를 들면, 도시 블록과 맞닿아 있는 2개의 교차로 또는 다중 차선 도로의 2개의 차선).
일 실시예에서, 방향 그래프(1000)는 AV(100)에 의해 점유될 수 있는 시작 포인트(1002)와 종료 포인트(1004) 사이의 상이한 위치를 나타내는 노드(1006a 내지 1006d)를 갖는다. 일부 예에서, 예를 들면, 시작 포인트(1002)와 종료 포인트(1004)가 상이한 대도시 지역을 나타낼 때, 노드(1006a 내지 1006d)는 도로의 세그먼트를 나타낸다. 일부 예에서, 예를 들면, 시작 포인트(1002)와 종료 포인트(1004)가 동일한 도로 상의 상이한 위치를 나타낼 때, 노드(1006a 내지 1006d)는 해당 도로 상의 상이한 위치를 나타낸다. 이러한 방식으로, 방향 그래프(1000)는 다양한 레벨의 입도(granularity)로 정보를 포함한다. 일 실시예에서, 높은 입도를 갖는 방향 그래프는 또한 더 큰 스케일을 갖는 다른 방향 그래프의 하위그래프이다. 예를 들어, 시작 포인트(1002)와 종료 포인트(1004)가 멀리 떨어져 있는(예를 들면, 수 마일(many miles) 떨어져 있는) 방향 그래프는 그의 정보 대부분이 낮은 입도이고 저장된 데이터에 기초하지만, AV(100)의 시야 내의 물리적 위치를 나타내는 그래프의 부분에 대한 일부 높은 입도 정보도 포함한다.
노드(1006a 내지 1006d)는 노드와 오버랩될 수 없는 대상체(1008a 및 1008b)와 별개이다. 일 실시예에서, 입도가 낮을 때, 대상체(1008a 및 1008b)는 자동차에 의해 횡단될 수 없는 영역, 예를 들면, 거리 또는 도로가 없는 구역을 나타낸다. 입도가 높을 때, 대상체(1008a 및 1008b)는 AV(100)의 시야 내의 물리적 대상체, 예를 들면, 다른 자동차, 보행자, 또는 AV(100)와 물리적 공간을 공유할 수 없는 다른 엔티티를 나타낸다. 일 실시예에서, 대상체(1008a 내지 708b)의 일부 또는 전부는 정적 대상체(예를 들면, 가로등 또는 전신주와 같은 위치를 변경하지 않는 대상체) 또는 동적 대상체(예를 들면, 보행자 또는 다른 자동차와 같은 위치를 변경할 수 있는 대상체)이다.
노드(1006a 내지 1006d)는 에지(1010a 내지 1010c)에 의해 연결된다. 2개의 노드(1006a 및 1006b)가 에지(1010a)에 의해 연결되는 경우, AV(100)가, 예를 들면, 다른 노드(1006b)에 도착하기 전에 중간 노드로 주행할 필요 없이, 하나의 노드(1006a)와 다른 노드(1006b) 사이에서 주행하는 것이 가능하다. (노드들 사이에서 주행하는 AV(100)를 언급할 때, AV(100)가 각각의 노드에 의해 표현되는 2개의 물리적 위치 사이에서 주행한다는 것을 의미한다.) 에지(1010a 내지 1010c)는, AV(100)가 제1 노드로부터 제2 노드로, 또는 제2 노드로부터 제1 노드로 주행한다는 의미에서 종종 양방향성이다. 일 실시예에서, 에지(1010a 내지 1010c)는, AV(100)가 제1 노드로부터 제2 노드로 주행할 수 있지만, AV(100)가 제2 노드로부터 제1 노드로 주행할 수 없다는 의미에서 단방향성이다. 에지(1010a 내지 1010c)는, 예를 들어, 일방통행로, 거리, 도로, 또는 간선도로의 개별 차선, 또는 법적 또는 물리적 제약으로 인해 일 방향으로만 횡단될 수 있는 다른 특징부를 나타낼 때, 단방향성이다.
일 실시예에서, 계획 모듈(404)은 방향 그래프(1000)를 사용하여 시작 포인트(1002)와 종료 포인트(1004) 사이의 노드 및 에지로 이루어진 경로(1012)를 식별한다.
에지(1010a 내지 1010c)는 연관된 비용(1014a 및 1014b)을 갖는다. 비용(1014a 및 1014b)은 AV(100)가 해당 에지를 선택하는 경우 소비될 리소스를 나타내는 값이다. 전형적인 리소스는 시간이다. 예를 들어, 하나의 에지(1010a)가 다른 에지(1010b)의 물리적 거리의 2배인 물리적 거리를 나타내는 경우, 제1 에지(1010a)의 연관된 비용(1014a)은 제2 에지(1010b)의 연관된 비용(1014b)의 2배일 수 있다. 시간에 영향을 미치는 다른 인자는 예상된 교통상황, 교차로의 개수, 속력 제한 등을 포함한다. 다른 전형적인 리소스는 연비이다. 2개의 에지(1010a 및 1010b)는 동일한 물리적 거리를 나타낼 수 있지만, 예를 들면, 도로 조건, 예상된 날씨 등으로 인해, 하나의 에지(1010a)는 다른 에지(1010b)보다 더 많은 연료를 필요로 할 수 있다.
계획 모듈(404)이 시작 포인트(1002)와 종료 포인트(1004) 사이의 경로(1012)를 식별할 때, 계획 모듈(404)은 전형적으로, 비용에 최적화된 경로, 예를 들면, 에지의 개별 비용이 함께 가산될 때 가장 적은 전체 비용을 갖는 경로를 선택한다. 그렇지만, 계획 모듈(404)은 다른 이익을 달성하기 위해, 예를 들어, 아래에서 더 상세히 논의되는 바와 같이 업데이트된 맵 데이터를 획득하기 위해, 상이한 경로를 선택할 수 있다.
자율 주행 차량 제어
도 11은 (예를 들면, 도 4에 도시된 바와 같은) 제어 모듈(406)의 입력 및 출력의 블록 다이어그램(1100)을 도시한다. 제어 모듈은, 예를 들어, 프로세서(304)와 유사한 하나 이상의 프로세서(예를 들면, 마이크로프로세서 또는 마이크로컨트롤러 또는 둘 모두와 같은 하나 이상의 컴퓨터 프로세서), 메인 메모리(306)와 유사한 단기 및/또는 장기 데이터 스토리지(예를 들면, 메모리 랜덤 액세스 메모리 또는 플래시 메모리 또는 둘 모두), ROM(308), 및 저장 디바이스(210)를 포함하는 제어기(1102), 및 메모리 내에 저장된 명령에 따라 동작하는데, 상기 명령은 명령이 (예를 들면, 하나 이상의 프로세서에 의해) 실행될 때 제어기(1102)의 동작을 수행한다.
일 실시예에서, 제어기(1102)는 원하는 출력(1104)을 나타내는 데이터를 수신한다. 원하는 출력(1104)은 전형적으로 속도, 예를 들어, 속력 및 헤딩을 포함한다. 원하는 출력(1104)은, 예를 들어, (예를 들면, 도 4에 도시된 바와 같은) 계획 모듈(404)로부터 수신되는 데이터에 기초할 수 있다. 원하는 출력(1104)에 따라, 제어기(1102)는 스로틀 입력(1106) 및 조향 입력(1108)으로서 사용 가능한 데이터를 생성한다. 스로틀 입력(1106)은 원하는 출력(1104)을 달성하기 위해, 예를 들면, 조향 페달에 관여하거나 또는 다른 스로틀 제어에 관여함으로써, AV(100)의 스로틀(예를 들면, 가속 제어)에 관여하는 정도를 나타낸다. 일부 예에서, 스로틀 입력(1106)은 AV(100)의 브레이크(예를 들면, 감속 제어)에 관여하는 데 사용 가능한 데이터를 또한 포함한다. 조향 입력(1108)은 조향각, 예를 들면, AV의 조향 컨트롤(예를 들면, 조향 휠, 조향각 액추에이터, 또는 조향각을 제어하기 위한 다른 기능성)이 원하는 출력(1104)을 달성하도록 위치설정되어야 하는 각도를 나타낸다.
일 실시예에서, 제어기(1102)는 스로틀 및 조향에 제공되는 입력을 조정하는 데 사용되는 피드백을 수신한다. 예를 들어, AV(100)가 언덕과 같은 방해물(1110)과 조우하면, AV(100)의 측정된 속력(1112)은 원하는 출력 속력 아래로 낮아진다. 일 실시예에서, 임의의 측정된 출력(1114)은, 예를 들어, 측정된 속력과 원하는 출력 사이의 차분(1113)에 기초하여, 필요한 조정이 수행되도록 제어기(1102)에 제공된다. 측정된 출력(1114)은 측정된 위치(1116), 측정된 속도(1118)(속력 및 헤딩을 포함), 측정된 가속도(1120), 및 AV(100)의 센서에 의해 측정 가능한 다른 출력을 포함한다.
일 실시예에서, 방해물(1110)에 관한 정보는, 예를 들면, 카메라 또는 LiDAR 센서와 같은 센서에 의해 미리 검출되고, 예측 피드백 모듈(1122)에 제공된다. 이후, 예측 피드백 모듈(1122)은 정보를 제어기(1102)에 제공하며, 제어기(1102)는 이 정보를 사용하여 그에 따라 조정할 수 있다. 예를 들어, AV(100)의 센서가 언덕을 검출한("본") 경우, 이 정보는 상당한 감속을 방지하도록 적절한 시간에 스로틀에 관여할 준비를 하기 위해 제어기(1102)에 의해 사용될 수 있다.
도 12는 제어기(1102)의 입력, 출력, 및 컴포넌트의 블록 다이어그램(1200)을 도시한다. 제어기(1102)는 스로틀/브레이크 제어기(1204)의 동작에 영향을 미치는 속력 프로파일러(1202)를 갖는다. 예를 들어, 속력 프로파일러(1202)는, 예를 들면, 제어기(1102)에 의해 수신되고 속력 프로파일러(1202)에 의해 프로세싱되는 피드백에 따라 스로틀/브레이크(1206)를 사용하여 가속에 관여하거나 감속에 관여하도록 스로틀/브레이크 제어기(1204)에 명령한다.
제어기(1102)는 또한 조향 제어기(1210)의 동작에 영향을 미치는 측방향 추적 제어기(1208)를 갖는다. 예를 들어, 측방향 추적 제어기(1208)는, 예를 들면, 제어기(1102)에 의해 수신되고 측방향 추적 제어기(1208)에 의해 프로세싱되는 피드백에 따라 조향각 액추에이터(1212)의 위치를 조정하도록 조향 제어기(1210)에 명령한다.
제어기(1102)는 스로틀/브레이크(1206) 및 조향각 액추에이터(1212)를 제어하는 방법을 결정하는 데 사용되는 여러 입력을 수신한다. 계획 모듈(404)은, 예를 들어, AV(100)가 동작을 시작할 때 헤딩을 선택하기 위해 그리고 AV(100)가 교차로에 도달할 때 어느 도로 세그먼트를 횡단할지를 결정하기 위해, 제어기(1102)에 의해 사용되는 정보를 제공한다. 로컬화 모듈(408)은, 예를 들어, 스로틀/브레이크(1206) 및 조향각 액추에이터(1212)가 제어되고 있는 방식에 기초하여 예상되는 위치에 AV(100)가 있는지를 제어기(1102)가 결정할 수 있도록, AV(100)의 현재 위치를 기술하는 정보를 제어기(1102)에 제공한다. 일 실시예에서, 제어기(1102)는 다른 입력(1214)으로부터의 정보, 예를 들어, 데이터베이스, 컴퓨터 네트워크 등으로부터 수신된 정보를 수신한다.
맵 업데이트
AV(예를 들면, AV(100))에 대한 최적의 운행 제어는 최신 상태의(up-to-date) 맵 데이터(본 명세서에서 맵 정보라고도 지칭됨)를 이용한다. 따라서, 도로를 따라 AV의 운행을 제어하는 데 사용되는 맵 데이터가 최신이고 정확하도록 보장하는 것이 좋다. 교통망의 일부 영역은 이러한 최신 상태의 매핑 정보(mapping information)를 얻기 위해 더 세심한 주의를 필요로 한다. 이러한 영역은, 예를 들어, 더 빈번히 주행된 루트 및 보수 작업을 요하는 영역을 포함할 수 있다. 본 개시는 AV를 운행시키는 데 사용되는 맵 데이터를 업데이트하기 위한 컴퓨터 시스템 및 기술에 관한 것이다. 특히, 개시된 기술은 AV의 수익 창출 용도를 가능하게 하면서도 업데이트된 맵 데이터를 획득하도록 AV를 제어하는 AV의 효율적인 사용을 제공한다. 그와 같이, AV의 운영자(예를 들면, 소유자)는 (예를 들면, 라이드 셰어 프로그램(rideshare program)을 운영함으로써) 계속하여 AV를 이용하여 수익을 창출할 수 있으면서도 AV(및 맵 데이터를 사용하여 동작하는 다른 AV)를 운행시키는 데 사용될 수 있는 업데이트된 맵 데이터를 획득하기 위해 AV의 동작의 양상을 수정할 수 있다.
일부 실시예에서, 개시된 기술은 AV가 AV의 사용자(예를 들면, 예를 들어, 유료 라이드 쉐어 고객과 같은 승차자)를 그의 목적지로 수송하는 동안 AV 상의 센서로 환경 정보를 수집함으로써 업데이트된 맵 데이터를 획득할 수 있도록 AV에 대한 특정 루트를 수정하거나 결정하는 것을 포함한다. 일부 실시예에서, 개시된 기술은 AV가 AV의 사용자를 지정된 목적지로 수송하는 동안에도 루트의 하나 이상의 섹션에 대한 업데이트된 맵 데이터를 수집할 수 있도록 AV의 루트에 대한 루트 계획 데이터를 결정하는 것(예를 들면, AV의 운전 거동을 수정하는 것을 포함함)을 포함한다. 일부 실시예에서, 개시된 기술은 업데이트된 맵 데이터를 획득하는 것에 추가하여 또는 그 대신에 다른 이익을 달성하기 위해 사용될 수 있다. 예를 들어, 아래에서 더 상세히 논의되는 바와 같이, 센서 교정을 수행하고, 광고 수익을 창출하며, 그리고/또는 AV의 운영자에 대한 일부 다른 이익을 획득하기 위해 본 개시에 따라 특정 루트 또는 특정 운전 거동의 수정 또는 결정이 결정될 수 있다.
일부 실시예에서, 본 명세서에 따라 적절하게 프로그래밍된, 도 1의 AV 시스템(120)(컴퓨터 시스템(300) 및/또는 아키텍처(400)의 하나 이상의 컴포넌트와 선택적으로 조합됨)은 AV를 운행시키는 데 사용되는 맵 데이터를 업데이트하기 위한 개시된 기술을 수행할 수 있다. 일부 실시예에서, 본 명세서에 따라 적절하게 프로그래밍된, 도 3의 컴퓨터 시스템(300)(AV 시스템(120) 및/또는 아키텍처(400)의 하나 이상의 컴포넌트와 선택적으로 조합됨)은 개시된 기술을 수행할 수 있다. 일부 실시예에서, 본 명세서에 따라 적절하게 프로그래밍된, 도 4의 아키텍처(400)(컴퓨터 시스템(300) 및/또는 AV 시스템(120)의 하나 이상의 컴포넌트와 선택적으로 조합됨)은 개시된 기술을 수행할 수 있다.
도 13a 및 도 13b는 도 10에 도시되고 위에서 논의된 것과 유사한 방향 그래프(1300)를 도시한다. 방향 그래프(1300)는 시작 포인트(1302), 종료 포인트(1304), 노드(1306), 대상체(1308), 및 에지(1310)를 포함한다. 에지(1310)는 도로 또는 거리를 나타내고, 집합적으로 시작 포인트(1302)로부터 종료 포인트(1304)까지 횡단하는 데 사용될 수 있는 다양한 루트를 형성한다. 비용(1314)은 각각의 에지(1310)와 연관되며(도 13a 및 도 13b에서 "1" 또는 "2"의 값으로 도시됨), AV가 각각의 에지를 사용하는 경우 소비되는 리소스(예를 들면, 시간)에 대한 값을 나타낸다. 도 13a에서의 에지(1310a)와 같은, 굵게 표시된(bolded) 에지(1310)는 시작 포인트(1302)로부터 종료 포인트(1304)까지 횡단하기 위한 현재 선택된 루트의 적어도 일 부분(예를 들면, 루트 세그먼트)을 형성하는 에지를 나타낸다. 도 13a에서의 에지(1310b)와 같은, 굵게 표시되지 않은 에지(1310)는 횡단될 경로의 일 부분으로서 현재 선택되지 않은 에지를 나타낸다. 에지(1310)는 루트에 대해 선택되는 것(또는 선택되지 않아 굵게 표시되지 않는 것)에 응답하여, 굵게 표시되지 않은 상태로부터 굵게 표시된 상태로 또는 그 반대로 변경될 수 있다.
본원에서 개시된 실시예에서, 방향 그래프(1300)를 사용하여 루트를 결정하거나 선택하기 위해 다양한 수식이 사용된다. 예를 들어, 방향 그래프(1300)는 노드 세트 V와 에지 세트
Figure pat00001
를 사용하여
Figure pat00002
로서 표현된다. 추가적으로, 비용 Tt,ij는 에지
Figure pat00003
와 연관된 주행 시간을 나타낸다. 일부 실시예에서, 비용 TTt,ij의 수량은 시간 또는 정체(예를 들면, 교통 또는 공사)의 함수일 수 있다.
도 13a에 도시된 실시예에서, 선택된 루트는 시작 포인트(1302)로부터 종료 포인트(1304)까지 주행하는 비용(예를 들면, 시간량)을, 모두 합하여, 최소화하는 에지(1310)를 선택하는 것에 의해 결정된다. 일부 실시예에서, 특정 루트를 주행하는 것의 비용 - 이 예에서 루트를 주행하는 시간량으로서 표현됨 - 은 본원에서 비용 함수라고 지칭되고 다음과 같이 표현되는 수학식 1을 사용하여 계산되며:
Figure pat00004
여기서 A와 B는, 제각기, 여정(trip)의 시작 포인트와 종료 포인트(예를 들면, 시작 포인트(1302)와 종료 포인트(1304))를 나타낸다. 수학식 1의 비용 함수에 대한 최적 값 또는 해는 최소 주행 시간 T*로서 표현된다. 이 실시예에서, 최소 주행 시간 T*는 도 13a에 도시된 굵게 표시된 에지(1310)를 사용하여 달성된다.
위에서 논의된 바와 같이, AV는 업데이트된 맵 데이터를 획득하는 임무를 부여받을 수 있다. 일부 실시예에서, 이것은 시작 포인트(1302)로부터 종료 포인트(1304)까지 승차자를 수송하는 동안 수행될 수 있다. 구체적으로, 시작 포인트(1302)로부터 종료 포인트(1304)까지 승차자를 수송하는 데 사용되는 루트는 특정 에지를 횡단하는 것에 의해 달성되는 이익(예를 들면, 매핑되지 않은 도로 또는 최근에 조사되지 않은 도로에 대한 업데이트된 맵 데이터를 수집할 기회)에 따라 에지(1310)를 선택적으로 포함하는 방식으로 (예를 들면, 계획 모듈(404)에 의해) 결정된다. 이것은, 예를 들어, 라이드 셰어 서비스에서 AV의 운영을 통해 수익을 창출하면서 동시에 AV를 사용하여 업데이트된 맵 데이터를 획득하는 것을 가능하게 한다.
그러한 루트의 예가 도 13b에 예시되어 있으며, 여기서 에지(1310b, 1310c, 및 1310d)는 굵게 표시된 것으로 도시되고, 이전에 굵게 표시된 에지(1310a, 1310e, 및 1310f)는 이제 굵게 표시되지 않은 것으로 도시되어 있다. 이 실시예에서, 에지(1310b, 1310c, 및 1310d)는, 도 13a에서 굵게 표시된 루트와 비교하여 시작 포인트(1302)로부터 종료 포인트(1304)까지 주행하는 데 걸리는 시간의 잠재적인 증가에도 불구하고, 그 각각의 에지에 대한 업데이트된 맵 데이터를 획득하는 것의 이익으로 인해 선택되는 에지를 나타낸다. 즉, 도 13b에 도시된 루트는, 에지(1310b, 1310c, 및 1310d)에 대한 업데이트된 맵 데이터가 획득될 수 있도록, 에지(1310a, 1310e, 및 1310f) 대신에 에지(1310b, 1310c, 및 1310d)를 선택하는 것에 의해 도 13a에 도시된 것과 다르다. 에지(1310g)가, 루트의 해당 부분이 변경되지 않은 채로 유지되기 때문에, 굵게 표시된 채로 있다는 점에 유의한다. 비용(1314)이 각각의 각각의 에지(1310)와 연관되기 때문에, 에지(1310a, 1310e, 및 1310f) 대신에 에지(1310b, 1310c, 및 1310d)를 사용하는 비용은 1의 순증가(net increase)이며, 이는 도 13a에서의 루트 대신에 도 13b에서의 루트를 주행하기 위해 더 많은 리소스(예를 들면, 시간)가 소비된다는 것을 의미한다.
일부 실시예에서, 루트에 대해 선택되는 에지(1310)는 그 각각의 에지에 대해 업데이트된 맵 데이터가 획득된 이후 경과된 시간량에, 적어도 부분적으로, 기초하여 결정된다. 예를 들어, 아래에 나타낸 수학식 2는 특정 에지에 대한 업데이트된 맵 데이터를 획득하기 위해 수학식 1을 사용하여 결정된 최적의 루트로부터 벗어나는 루트를 결정하기 위한 계산을 나타낸다. 본 예에서, 수학식 2는 도 13b에 도시된 루트를 결정하는 데 사용될 수 있다.
수학식 2는 다음과 같고:
Figure pat00005
Tu,ij는 에지
Figure pat00006
에 대한 마지막 맵 데이터 업데이트 이후 경과된 시간량의 역수를 나타내며, Tu,ij의 수량은 각각의 에지에 대한 (시간 또는 정체가 아니라) 맵 데이터의 노후 정도(age)에 의존한다. 인자 α는, AV의 운영자에 의해 설정될 수 있고 최적의 시간량 내에 여정을 수행하는 대신에 이전 맵 데이터를 사용하여 에지를 선택하는 쪽으로 수학식을 편향시키기 위한 변수로서 역할하는, 트레이드오프 인자(tradeoff factor)를 나타낸다. 환언하면, 인자 α는 해당 에지에 대한 업데이트된 맵 데이터를 획득하는 것의 이익이 루트의 지속기간을 증가시키는 것의 비용을 능가하는 에지에 대한 업데이트된 맵 데이터를 획득하기 위해 최적의 루트로부터 벗어나는 것에 대한 허용오차를 나타낸다. 따라서, 인자 α의 값이 클수록, 수학식 1을 사용하여 계산된 최적의 루트로부터의 허용된 편차의 양이 크다. 반대로, 인자 α의 값이 작을수록, 수학식 1을 사용하여 계산된 최적의 루트로부터의 허용된 편차의 양이 적다.
일부 실시예에서, Tu,ij 및 인자 α는 각각의 루트를 사용하여 업데이트된 맵 데이터(또는, 경우에 따라, 센서 교정 또는 광고 수익)를 획득하는 것에 의해 달성되는 이익에 정량적 값을 부여하는 데 사용되는 이익 인자를 나타낸다. 이익의 값은 각각의 잠재적인 루트마다 다를 수 있다. 예를 들어, 하나의 루트는, 최적의 루트로부터의 편차를 더 적은 경우 맵 데이터의 노후 정도의 더 큰 감소를 제공하기 때문에, 제2 루트에 비해 더 큰 이익을 제공할 수 있다.
수학식 2의 해는
Figure pat00007
로서 표현된다. 에지에 대해 똑같이 최신 상태인 맵의 경우에,
Figure pat00008
이다. 따라서,
Figure pat00009
이고, 이는 수학식 2를 사용하여 결정된 루트가 (에지 모두가 똑같이 최신 상태인 경우에 대한) 최소 시간 루트에 대응한다는 것을 의미한다. 달리 말하면, 맵 데이터가 똑같이 최신 상태일 때, 본 시스템(예를 들면, 계획 모듈(404))은 루트를 수학식 1에 의해 생성된 최적의 루트와 동일하도록 결정한다.
에지가 똑같이 최신 상태가 아닌 실시예에서, 2개의 값 T* 및
Figure pat00010
는 상이한 값을 가질 수 있다. 그러한 실시예에서, 2개의 루트(예를 들면, 수학식 1의 최적의 루트와 수학식 2를 사용하여 결정된 루트) 사이의 상대적 주행 시간 증분(비용 차이)는
Figure pat00011
로서 표현된다. 이 값이 0보다 더 클 때, 결정된 루트의 주행 시간은 최적의 루트의 주행 시간보다 더 크고, 이는, 승차자가 종료 포인트(1304)에 도착하는 데 더 많은 양의 시간이 소요될 것이기 때문에, 사용자(승차자)가 결정된 루트를 횡단하는 것에 의해 거의 틀림없이 불편하게 되거나 불리하게 된다는 것을 의미한다. 따라서, 일부 실시예에서, 더 긴 루트 - 즉, AV가 업데이트된 맵 데이터를 획득할 수 있게 하는 루트 - 를 선택하도록 승차자에게 인센티브를 주기 위해 동적 가격 결정 스킴이 사용될 수 있다.
수학식 3은 새로운 가격
Figure pat00012
를 결정하는 데 사용될 수 있고, 여기서
Figure pat00013
는 수학식 1의 최적의 루트의 가격을 나타낸다. 수학식 3은 다음과 같고:
Figure pat00014
여기서 β는 가격 결정 구조에 적용되는 할인 인자(예를 들면, AV의 운영자에 의해 설정됨)를 나타낸다. 일부 실시예에서, β는 고객 만족도(예를 들면, 고객이 증가된 여정 시간 또는 비용에 얼마나 민감한지)에 기초하여 결정될 수 있다. 일부 실시예에서, β는 인자 α의 함수로서 결정될 수 있다. 예를 들어, 인자 α가 증가함에 따라, 할인 인자 β가 비례적으로 증가한다(예를 들면, 운영자가 맵을 최신 상태로 유지하는 것에 더 많은 가치를 부여할수록, 운영자가 제공하려는 할인이 더 크다).
위에서 간략히 논의된 바와 같이, 본원에서 개시된 실시예는 업데이트된 맵 데이터를 획득하는 것 이외의 이익을 달성하도록 구현될 수 있다. 일부 실시예에서, 에지와 연관된 비용이 "정적"일 때 - 이는 비용이 시간 또는 교통 조건에 의존하지 않는다는 것을 의미함 -, 루트 선택 및 할인 가격 결정 구조가 적용될 수 있다. 예를 들어, AV가 승차자를 수송하는 동안 센서 교정 기능을 수행할 수 있게 하는 에지를 선택하도록 루트가 결정되거나 수정될 수 있다. 일부 실시예에서, 상이한 루트가 센서 교정 프로세스를 수행하는 데 다른 루트보다 더 적합할 수 있다. 따라서, 개선된 센서 교정을 결과하지만 또한 최적의 루트로부터 벗어나는 결정된 루트에 동의하는 대가로 승차자에게 할인을 제공하면서 센서 교정의 성능을 최적화하도록 루트가 결정될 수 있다. 이 예에서, 비용
Figure pat00015
는 도로가 교정 목적에 얼마나 부적합한지의 측정치인, 에지
Figure pat00016
와 연관된 비용이다. 따라서, 이 예에서, 비용
Figure pat00017
는 수학식 1에서의 비용 Tt,ij를 대체한다.
다른 예로서, 루트를 횡단하는 동안 특정 엔티티가 홍보되도록 에지를 선택하도록 루트가 결정되거나 수정될 수 있다. 예를 들어, 루트는 엔티티에 대한 광고를 지나갈 수 있거나 또는 엔티티가 루트를 따라 위치되거나 보일 수 있다. 그러한 실시예에서, 승차자에게 제공되는 할인의 일부 또는 전부는 엔티티가 결정된 루트를 따라 홍보되는 것에 의해 제공되는 광고 수익에 의해 보충될 수 있다. 이 예에서, 비용
Figure pat00018
는, 해당 특정 에지를 운전하는 비용이 얼마나 AV의 운영자에 의해 부담되고 홍보된 엔티티와 공유되지 않는지의 측정치인, 에지
Figure pat00019
와 연관된 비용이다. 따라서, 이 예에서, 비용
Figure pat00020
는 수학식 1에서의 비용 Tt,ij를 대체한다.
일부 실시예에서, AV는 (예를 들면, 예를 들어, 계획 모듈(404)에 통합된) 최소 위반 플래너(minimum violation planner)에 따라 동작하고, 최소 위반 플래너는 다중 레벨 비용 세트에 의해 동작하며, 여기서 각각의 비용은, 예를 들어, "충돌하지 않음"과 같은 안전한 거동으로부터 "매끄럽지 않은 액션 방지"와 같은 선호된 거동(예를 들면, 결정된 임계치 초과의 가속도)에 이르는 연관된 우선순위를 갖는다. 그렇지만, 맵 데이터를 수집할 때, 얻어지는 정보는 최소 위반 플래너의 규칙을 종종 위반하는 적절한 기동을 통해 증가될 수 있다. 따라서, AV는 맵 데이터 수집을 최적화하는 기동을 수행할 수 없다.
일부 실시예에서, 개시된 기술은 AV가 AV의 사용자(예를 들면, 승차자)를 목적지(예를 들면, 종료 포인트(1304))로 수송하는 동안에도 루트의 하나 이상의 섹션(예를 들면, 에지)에 대한 업데이트된 맵 데이터를 수집할 수 있도록 AV의 루트에 대한 루트 계획 데이터를 결정하는 것(예를 들면, AV의 운전 거동을 수정하는 것을 포함함)을 포함한다. 예를 들어, 루트 자체를 수정하는 것보다는(또는 이에 추가하여), 본 시스템(예를 들면, 계획 모듈(404))은 (예를 들면, 에지에 대한 업데이트된 맵 데이터를 수집하기 위해 특정 에지에 대해 (예를 들면, 제어 모듈(406)을 사용하여)) 수행될 수 있는 운전 거동 세트로서 구현되는) 루트 계획 데이터를 결정한다. 일부 실시예에서, 이것은 특정 맵 업데이트 의존적 목표를, 선호된 거동과 연관된 것과 같은, 비용 함수의 더 낮은 레벨에 인코딩하는 것에 의해 달성된다. "선호된 거동" 레벨에서의 거동을 수정하는 것은, 안전성 영향이 더 적은 "컴포트(comfort)" 운전 거동을 희생하여 맵 데이터를 수집하는 AV의 능력을 증가시키면서, (예를 들면, "안전한 거동" 레벨에서의 거동에 의해) 적절한 안전성 요구사항이 유지되도록 보장한다. 이것은 또한 AV의 운전 거동이 잘 확립된 안전성 요구사항 및 법적 규정을 준수하도록 보장한다.
예를 들어, 일부 실시예에서, AV가 각각의 에지를 횡단하고 있을 때, AV는 "선호된 거동" 레벨에서의 표준(수정되지 않은) 거동을 포함한, 표준 운전 거동 세트로부터 수정된 운전 거동 세트 - 즉, "선호된 거동" 레벨에서의 수정된 거동 - 으로(또는 그 반대로) 전환한다. 표준 운전 거동 세트는 AV의 정상적인 표준 동작을 위해 허용되는 기동 또는 운전 거동 세트에 대응한다. 예를 들어, 이들은 용인 가능한 차선 전환 빈도, 허용 가속도 및 제동률(braking rate), 다른 자동차, 거리 표지판, 인도, 연석, 또는 다른 거리 경계와 같은 대상체로부터의 허용 운전 거리, 및 특정 차선(예를 들면, 추월 차선 또는 더 빠르거나 더 느린 주행 속도로 지정된 차선)에서 주행하는 허용 시간량을 포함할 수 있다. 수정된 운전 거동 세트는 일반적으로 맵 데이터를 수집하는 데 사용되는 거동 또는 기동에 대응하며 AV의 정상적인 표준 동작에 대해 달리 허용되지 않는다. 예를 들어, 수정된 거동은 증가된 차선 전환 빈도, 더 공격적인 가속도 및 제동률, 및/또는 특정 차선에서의 증가된 허용 운전 시간을 허용한다. 일부 실시예에서, 수정된 거동 세트는 AV가 다른 자동차, 거리 표지판, 인도, 연석, 또는 다른 거리 경계와 같은 대상체에 더 가까운 거리에서 동작할 수 있도록 더 완화된 거리 허용오차를 포함한다.
일부 실시예에서, 수정된 거동 세트가 주행 시간에 영향을 미칠 때, 루트의 해당 부분에 대한 수정된 운전 거동을 수락하도록 사용자/승차자에게 인센티브를 주기 위해, 위에서 논의된 것과 유사한, 수정된 가격 결정 구조가 구현된다.
일부 실시예에서, 본 시스템은, 표준 운전 거동을 사용하여 동작하는 것의 장점(예를 들면, 승차감(ride comfort))을 능가하는 수정된 운전 거동을 실행하는 것의 이익이 있는지 여부에 따라, 표준 운전 거동과 수정된 운전 거동 간에 전환한다. 예를 들어, 본 시스템은 표준 운전 거동을 사용하여 달리 획득될 수 없는 맵 데이터를 획득하기 위해 수정된 운전 거동을 사용하여 AV를 동작시키기로 결정할 수 있다. 다른 예로서, 본 시스템은 특정 영역(예를 들면, 에지)에 대해 획득된 맵 데이터의 품질을 개선시키기 위해 수정된 운전 거동을 사용하여 AV를 동작시키기로 결정할 수 있다. 특정 에지에 대한 업데이트된 맵 데이터가 수집되고 있다. 위에서 논의된 예를 참조하면, AV는 도 13b에서의 루트의 에지(1310b, 1310c, 및 1310d)를 횡단할 때는 수정된 운전 거동 세트를 사용하여 동작하고, 이어서 (예를 들어, 에지(1310g)와 같은) 나머지 에지(1310)를 횡단할 때는 표준 운전 거동으로 전환한다. 일부 실시예에서, AV는 어느 한 운전 거동 세트(예를 들면, 표준 또는 수정된)를 사용하여 동작하는 동안 맵 데이터를 획득하도록 구성되고, 원하는 바에 따라 어느 한 운전 거동 세트로 전환할 수 있다.
일부 실시예에서, 개시된 기술은 업데이트된 맵 데이터를 수집하는 것 이외의 태스크를 수행하기 위해, 위에서 논의된 것과 유사한 방식으로, 운전 거동을 수정하는 것을 포함한다. 예를 들어, 본 시스템은 루트의 특정 에지를 횡단할 때 AV의 센서 교정을 수행하기 위해 운전 거동 세트를 수정할 수 있다.
본원에 제공된 실시예는 승차자를 시작 포인트로부터 종료 포인트까지 수송할 때 AV에 대한 루트 및/또는 운전 거동 세트를 결정하거나 수정하기 위한 기술을 논의한다. 그렇지만, 일부 실시예에서, 승차자가 AV를 점유하지 않는 경우에 대한 루트 및/또는 운전 거동이 결정될 수 있다. 예를 들어, 본 시스템은 AV가 승차자에게 가는 도중에 있을 때 사용되는 루트의 특정 에지에 대한 맵 데이터가 수집되도록(또는 센서 교정이 수행되도록) 루트(및/또는 운전 거동)를 결정할 수 있다. 다른 예로서, 사용되지 않은 AV는 위에서 논의된 바와 같이 맵 데이터를 수집하거나 센서 교정을 수행하기 위해 상기 기술을 사용하여 경로 재설정(reroute)될 수 있다.
루트를 결정하기 위한 예시적인 프로세스
도 14는 위에서 논의된 실시예에 따라 자율 주행 차량을 운행시키는 데 사용되는 맵 데이터를 업데이트하기 위해 자율 주행 차량(예를 들면, AV(100))의 루트(예를 들면, 궤적)를 결정하기 위한 예시적인 프로세스(1400)(방법이라고도 지칭됨)의 플로차트이다. 편의상, 프로세스(1400)는 하나 이상의 위치에 위치된 하나 이상의 컴퓨터의 시스템에 의해 수행되는 것으로 기술될 것이다. 예를 들어, 본 명세서에 따라 적절하게 프로그래밍된, 도 1의 AV 시스템(120)(컴퓨터 시스템(300) 및/또는 아키텍처(400)의 하나 이상의 컴포넌트와 선택적으로 조합됨)은 프로세스(1400)를 수행할 수 있다. 다른 예로서, 본 명세서에 따라 적절하게 프로그래밍된, 도 3의 컴퓨터 시스템(300)(AV 시스템(120) 및/또는 아키텍처(400)의 하나 이상의 컴포넌트와 선택적으로 조합됨)은 프로세스(1400)를 수행할 수 있다. 또 다른 예로서, 본 명세서에 따라 적절하게 프로그래밍된, 도 4의 아키텍처(400)(컴퓨터 시스템(300) 및/또는 AV 시스템(120)의 하나 이상의 컴포넌트와 선택적으로 조합됨)은 프로세스(1400)를 수행할 수 있다.
1402에서, 본 시스템(예를 들면, 120, 300, 400, 또는 이들의 조합)은, 프로세싱 회로(예를 들면, 계획 모듈(404))(예를 들면, 컴퓨팅 프로세서(146))를 사용하여, 시작 위치(예를 들면, 시작 포인트(1302)) 및 목적지 위치(예를 들면, 종료 포인트(1304))(예를 들면, 루트 시작 위치 및 루트 목적지 위치)를 포함하는 맵 데이터를 획득한다.
1404에서, 본 시스템(예를 들면, 120, 300, 400, 또는 이들의 조합)은, 프로세싱 회로(예를 들면, 계획 모듈(404))(예를 들면, 컴퓨팅 프로세서(146))를 사용하여 (예를 들면, 그리고 맵 데이터에 기초하여), 시작 위치로부터 목적지 위치까지 주행하기 위한 복수의 각각의 가능한 루트(예를 들면, 방향 그래프(1300)에서의 에지(1310)를 사용하여 형성될 수 있는 잠재적 루트)에 대응하는 복수의 주행 시간(예를 들면, 비용(1314)의 합계; 수학식 1)을 획득한다. 일부 실시예에서, 복수의 각각의 가능한 루트에 대응하는 복수의 주행 시간을 획득하는 것은 자율 주행 차량을 통해 시작 위치로부터 목적지 위치까지 주행하기 위한 복수의 가능한 루트를 결정하는 것, 및 각각의 가능한 루트 각각에 대해, 각각의 루트를 사용하여 시작 위치로부터 목적지까지 주행하기 위한 주행 시간을 결정하는 것을 포함한다. 일부 실시예에서, 각각의 루트는 다수의 세그먼트(예를 들면, 1310)(예를 들면, 도로 또는 거리)로 구성되며, 여기서 루트의 각각의 세그먼트는 루트의 해당 세그먼트를 횡단하기 위한 시간(예를 들면, 비용(1314))과 연관된다. 그러한 실시예에서, 루트에 대한 주행 시간은 루트의 각각의 세그먼트에 대한 주행 시간의 합계이다(수학식 1 참조). 일부 실시예에서, 주행 시간은 오프라인으로 또는 원격 서버에 의해 결정된다. 일부 실시예에서, 주행 시간은 결정된 시간(예를 들면, 현재의 또는 미래의 시작 시간 또는 시작 위치로부터 목적지 위치까지 주행하는 동안 언제든지)에서의 주행 조건(예를 들면, 교통상황, 도로 폐쇄, 도로 공사, 기상 조건)에 기초하여 각각의 루트 또는 루트의 각각의 세그먼트를 따라 주행하는 데 예상된 시간량에 기초하여 결정된다.
일부 실시예에서, 복수의 주행 시간은 복수의 각각의 가능한 루트를 이루고 있는(예를 들면, 구성하는, 형성하는) 각각의 에지(예를 들면, 가능한 루트들 중 하나 이상의 루트 전부 또는 그의 세그먼트를 구성(형성)할 수 있는 도로(예를 들면, 거리))와 연관된 각각의 주행 시간을 포함한다.
1406에서, 본 시스템(예를 들면, 120, 300, 400, 또는 이들의 조합)은, 프로세싱 회로(예를 들면, 계획 모듈(404))(예를 들면, 컴퓨팅 프로세서(146))를 사용하여, 적어도 제1 각각의 가능한 루트에 대한 이익 정보(예를 들면, 이익 인자)를 획득한다. 일부 실시예에서, 이익 정보(예를 들면, 수학식 2)는 가능한 루트들 중 특정 루트를 주행하는 것 또는 가능한 루트들 중 특정 루트의 특정 세그먼트를 주행하는 것의 이익과 연관된 정량적 값을 결정하는 데 사용될 수 있는 이익 인자를 포함한다. 일부 실시예에서, 이익 정보를 획득하는 것은 이익의 크기(예를 들면, 이익을 받는 것과 연관된 값)를 결정하는 것을 포함한다. 일부 실시예에서, 이익은, 예를 들어, 특정 루트에 포함된 도로(예를 들면, 루트의 세그먼트)에 대한 매핑 정보를 업데이트하는 것을 포함할 수 있다. 다른 예로서, 이익은 특정 루트 또는 루트의 특정 세그먼트를 사용하여 AV 상의 하나 이상의 센서에 대한 센서 교정을 수행하는 것을 포함할 수 있다. 다른 예로서, 이익은 특정 루트 또는 루트의 특정 세그먼트를 주행하는 것에 의해 얻거나 창출될 수 있는 수익(예를 들면, 광고 수익)을 포함할 수 있다.
일부 실시예에서, 이익 정보는 제1 각각의 가능한 루트의 적어도 일 부분(예를 들면, 세그먼트(1310))과 연관된 하나 이상의 이익 인자를 포함한다. 일부 실시예에서, 이익 인자는 가능한 루트들 중 특정 루트를 주행하는 것 또는 가능한 루트들 중 특정 루트의 특정 세그먼트를 주행하는 것의 이익과 연관된 정량적 값을 결정하는 데 사용된다. 일부 실시예에서, 이익 인자는 가중되고(예를 들면, 인자 α 참조), 여기서 가중된 값은 루트에 대한 주행 시간의 최소 합계를 갖는 가능한 루트로부터의 편차의 양을 제어한다.
일부 실시예에서, 이익 인자(예를 들면, Tu,ij)는 제1 각각의 가능한 루트의 부분과 연관된 이익의 크기에 반비례한다. 일부 실시예에서, 이익의 크기는 이익을 받는 것의 가치를 나타낸다. 예를 들어, 이익의 크기가 클수록, 이익을 받는 것의 가치가 더 크다(또는, 달리 말하면, 이익을 받을 필요성이 더 크다). 일부 실시예에서, 이익의 크기는 이익을 받은 이후 경과된 시간량에 기초하고(예를 들면, 이에 비례하고), 결과적으로, 이익 인자는 이익을 받은 이후 경과된 시간량에 반비례한다. 예를 들어, 이익이 가능한 루트의 세그먼트에 대한 매핑 정보를 업데이트하는 것인 경우, 해당 세그먼트에 대한 이전의 매핑 업데이트가 수행/수신된 이후 경과된 시간량에 따라 이익의 크기가 증가한다. 이익 인자가 이익의 크기에 반비례하기 때문에, 가능한 루트의 세그먼트에 대한 매핑 정보가 업데이트된 이후의 시간량이 증가함에 따라 이익 인자는 감소한다. 가능한 루트와 연관된 주행 시간과 가중된 이익 인자의 합계를 최소화하는 것에 의해 선택된 루트를 결정하는 실시예에서, 루트(또는 루트의 세그먼트)의 이익 인자를 감소시키는 것은 루트(또는 세그먼트를 포함하는 루트)가 선택된 루트로 결정될(예를 들면, 선택될) 가능성이 더 많게 만든다.
일부 실시예에서, 이익 인자는 하나 이상의 맵 노후 정도 인자(예를 들면, Tu,ij)(예를 들면, 이익 인자와 연관된 가능한 루트의 각각의 부분(예를 들면, 세그먼트)에 대한 맵 데이터의 노후 정도 또는 이용 가능성에 대응하는 인자)를 포함한다. 일부 실시예에서, 맵 노후 정도 인자는 가능한 루트의 각각의 세그먼트에 대한 맵 데이터가 수집되었는지 여부, 및, 만약 그렇다면, 맵 데이터가 수집되거나 수신된 이후 경과된 시간량(맵 데이터의 노후 정도)을 나타낸다. 일부 실시예에서, 맵 노후 정도 인자는 제1 각각의 가능한 루트의 부분에 대한 맵 데이터가 수집된 이후 경과된 시간량에 반비례한다.
일부 실시예에서, 이익 인자는 하나 이상의 교정 적합성 인자(예를 들면, 가능한 루트의 각각의 부분(예를 들면, 세그먼트)가 AV의 하나 이상의 센서에 대한 교정 동작을 수행하기에 얼마나 적합한지를 나타내는 인자)를 포함한다. 일부 실시예에서, 교정 적합성 인자는 제1 각각의 가능한 루트의 부분이 센서 교정을 수행하기에 얼마나 부적합한지의 결정에 반비례한다. 일부 실시예에서, 교정 적합성 인자는 가능한 루트의 부분이 센서 교정을 수행하기에 얼마나 적합한지의 결정에 비례한다.
일부 실시예에서, 이익 인자는 하나 이상의 광고 수익 인자(예를 들면, 가능한 루트의 부분을 따라 AV를 운행시키는 것에 의해 달성될 수 있는 재정적 이익(예를 들면, 커미션(commission))을 나타내는 인자)를 포함한다. 일부 실시예에서, 재정적 이익은 제3자가 지불하는 커미션이다. 예를 들어, 제3자는, AV를 루트의 특정 부분을 따라 운행시키는 대가로, AV의 운영자, AV의 사용자, 또는 이들의 조합에게 커미션을 지불할 수 있다. 예를 들어, 제3자는 AV가 가능한 루트의 각각의 부분을 운행할 때 보이는 제품 또는 서비스(예를 들면, 루트의 부분을 따라 위치되는 레스토랑)를 홍보하는 데 관심이 있는 사업체, 소매업자, 광고주, 또는 다른 당사자와 연관될 수 있다.
일부 실시예에서, 광고 수익 인자는 제1 각각의 가능한 루트의 부분을 따라 자율 주행 차량을 운행시키는 것에 응답하여 자율 주행 차량의 운영자(예를 들면, AV의 동작을 관리하거나 제어하는 것을 책임지고 있는 당사자(예를 들면, 사람 및 엔티티)(예를 들면, AV의 소유자, AV를 배포(deploy)하는 것을 책임지고 있는 회사 등))에게 이용 가능한 재정적 이익(예를 들면, 제3자에 의해 제공되는 재정적 인센티브 또는 커미션))의 크기에 반비례한다. 일부 실시예에서, 광고 수익 인자는 제1 각각의 가능한 루트의 부분을 따라 AV를 운행시키는 것에 응답하여 자율 주행 차량의 운영자에게 발생되는 비용(예를 들면, 제3자에 의해 보조되지 않거나 재정적 이익에 의해 상쇄되지 않는 비용)에 비례(예를 들면, 정비례)한다.
1408에서, 본 시스템(예를 들면, 120, 300, 400, 또는 이들의 조합)은, 프로세싱 회로(예를 들면, 계획 모듈(404))(예를 들면, 컴퓨팅 프로세서(146))를 사용하여, 주행 시간 및 이익 정보에 기초하여 선택된 루트(예를 들면, 도 13b에서의 루트)를 결정한다. 일부 실시예에서, 주행 시간 및 이익 정보에 기초하여 선택된 루트를 결정하는 것은 a) 가능한 루트에 대한 주행 시간(예를 들면, 가능한 루트를 구성하는 세그먼트에 대한 주행 시간)과 b) 가능한 루트(예를 들면, 가능한 루트를 구성하는 세그먼트)의 가중된 이익 인자의 합계에 대한 최소 값을 제공하는 가능한 루트들 중 하나를 선택하는 것을 포함한다. 일부 실시예에서, 본 방법은, 제어 회로(예를 들면, 제어 모듈(406))를 사용하여, AV를 선택된 루트를 사용하여 시작 위치로부터 목적지 위치까지 운행시키는 단계를 추가로 포함한다.
일부 실시예에서, 주행 시간 및 이익 정보에 기초하여 선택된 루트를 결정하는 것은, 복수의 각각의 가능한 루트 중에서, a) 시작 위치로부터 목적지 위치까지 주행하기 위한 주행 시간(예를 들면, 제1 루트를 구성하는 루트 세그먼트에 대한 주행 시간의 총계)과 b) 복수의 각각의 가능한 루트 중의 각각의 루트에 대한 가중된 이익 인자(예를 들면, 제1 루트를 구성하는 루트 세그먼트에 대한 가중된 이익 인자의 총계)의 합계에 대한 최소 값을 갖는 제1 루트(예를 들면, 도 13b에서의 루트)를 선택하는 것을 포함한다. 일부 실시예에서, 각각의 가능한 루트 각각은 각각의 루트를 구성하는 각각의 루트 세그먼트에 대한 주행 시간의 합계인, 각각의 루트에 대한 주행 시간의 합계(예를 들면, 총 주행 시간)를 갖도록 계산된다. 추가적으로, 각각의 가능한 루트 각각은 각각의 루트를 구성하는 각각의 루트 세그먼트에 대한 가중된(또는, 선택적으로, 가중되지 않은) 이익 인자의 합계인, 각각의 루트에 대한 이익 인자의 합계(예를 들면, 총 이익 금액)를 갖도록 계산된다. 일부 실시예에서, 선택된 루트는 a) 총 주행 시간과 b) 총 이익 금액의 최소 합계를 제공하는 루트이다.
일부 실시예에서, 본 시스템(예를 들면, 120, 300, 400, 또는 이들의 조합)은, 프로세싱 회로(예를 들면, 계획 모듈(404))(예를 들면, 컴퓨팅 프로세서(146))를 사용하여, 제2 루트에 대한 주행 시간 및 이익 정보(예를 들면, a) 시작 위치로부터 목적지 위치까지 주행하기 위한 주행 시간과 b) 복수의 각각의 가능한 루트에 대한 가중된 이익 인자의 합계에 대한 최소 값)에 기초하여 복수의 각각의 가능한 루트 중의 제2 루트(예를 들면, 선택된 루트)의 제1 비용 함수(예를 들면, 수학식 2의
Figure pat00021
)(예를 들면, 제2 루트를 사용하여 AV를 동작시키거나 AV에 승차하는 것과 연관된 비용)를 결정한다. 일부 실시예에서, 본 시스템은, 프로세싱 회로를 사용하여, (예를 들면, 제3 루트에 대한 이익 정보를 고려하지 않고) 시작 위치로부터 목적지 위치까지 주행하기 위한 주행 시간의 최소 합계에 기초하여 복수의 각각의 가능한 루트 중의 제3 루트의 제2 비용 함수(예를 들면, 수학식 1의 T*)(예를 들면, 제3 루트를 사용하여 AV를 동작시키거나 AV에 승차하는 것과 연관된 비용)를 결정한다. 일부 실시예에서, 본 시스템은, 프로세싱 회로를 사용하여, 제1 비용 함수와 제2 비용 함수 간 차이에 기초하여 할인 가격(예를 들면, 수학식 3의 새로운 가격
Figure pat00022
)을 결정한다. 일부 실시예들에서, 각각의 가능한 루트들의 다양한 루트들은, 각각의 가능한 루트들 각각에 대해 결정된 비용 함수에 기초하여, 각각의 루트를 사용하여 AV에 승차하기 위한 비용과 연관된 상이한 할인을 가질 수 있다. 예를 들어, AV가 목적지에 도착하기 전에 취할 우회로의 길이(예를 들면, 거리, 시간, 또는 이들의 어떤 조합)에 따라 하나의 루트 옵션이 상이한 루트 옵션과 비교하여 대폭 할인될 수 있다.
일부 실시예에서, 제1 비용 함수와 제2 비용 함수 간 차이는 a) 제2 루트를 사용하여 시작 위치로부터 목적지 위치까지 주행하는 제1 시간량과 b) 제3 루트를 사용하여 시작 위치로부터 목적지 위치까지 주행하는 제2 시간량 간 시간 차이에 기초한다. 일부 실시예에서, 시작 위치로부터 목적지 위치까지 주행하는 시간은 선택된 루트에 따라 달라진다. 일부 실시예에서, AV의 사용자 또는 고객은 더 큰 주행 시간을 갖는 루트를 선택하도록 사용자에게 할인을 제공하는 것에 의해 더 큰 주행 시간을 가질 루트를 선택하도록 인센티브를 받을 수 있다. 일부 실시예에서, 할인은 (최소 주행 시간을 갖는 최적의 루트와 비교하여) 목적지 위치에 도착하는 데 걸리는 추가 시간량에 기초하여 그리고, 선택적으로, 선택한 루트를 주행하는 것으로 AV의 운영자에 의해 실현될 이익의 크기에 기초하여 결정된다. 예를 들어, 더 긴 루트는, 루트를 따라 매핑 정보를 업데이트하는 것을 가능하게 하는 것, 센서 교정을 수행하는 것, 및/또는 수익을 창출하는 것과 같은, 이익을 AV의 운영자에게 제공할 수 있다.
루트에 대한 루트 계획 데이터를 결정하기 위한 예시적인 프로세스
도 15는 위에서 논의된 실시예에 따라 자율 주행 차량을 운행시키는 데 사용되는 맵 데이터를 업데이트하기 위해 자율 주행 차량(예를 들면, AV(100))의 루트에 대한 루트 계획 데이터(예를 들면, 루트 또는 궤적에 대한 운전 모션(driving motion))를 결정하기 위한 예시적인 프로세스(1500)(방법이라고도 지칭됨)의 플로차트이다. 편의상, 프로세스(1500)는 하나 이상의 위치에 위치된 하나 이상의 컴퓨터의 시스템에 의해 수행되는 것으로 기술될 것이다. 예를 들어, 본 명세서에 따라 적절하게 프로그래밍된, 도 1의 AV 시스템(120)(컴퓨터 시스템(300) 및/또는 아키텍처(400)의 하나 이상의 컴포넌트와 선택적으로 조합됨)은 프로세스(1500)를 수행할 수 있다. 다른 예로서, 본 명세서에 따라 적절하게 프로그래밍된, 도 3의 컴퓨터 시스템(300)(AV 시스템(120) 및/또는 아키텍처(400)의 하나 이상의 컴포넌트와 선택적으로 조합됨)은 프로세스(1500)를 수행할 수 있다. 또 다른 예로서, 본 명세서에 따라 적절하게 프로그래밍된, 도 4의 아키텍처(400)(컴퓨터 시스템(300) 및/또는 AV 시스템(120)의 하나 이상의 컴포넌트와 선택적으로 조합됨)은 프로세스(1500)를 수행할 수 있다.
1502에서, 본 시스템(예를 들면, 120, 300, 400, 또는 이들의 조합)은, 프로세싱 회로(예를 들면, 계획 모듈(404))(예를 들면, 컴퓨팅 프로세서(146))를 사용하여, 시작 위치(예를 들면, 시작 포인트(1302))와 목적지 위치(예를 들면, 종료 포인트(1304))(예를 들면, 시작 위치 및 목적지 위치를 포함하는 맵 데이터에 기초하여 결정된 루트 시작 위치와 루트 목적지 위치) 사이의 루트(예를 들면, 궤적)(예를 들면, 도 13b에서의 루트)를 획득한다. 일부 실시예에서, 시작 위치와 목적지 위치 사이의 루트를 획득하는 것은 시작 위치와 목적지 위치를 포함하는 맵 데이터에 기초하여 루트를 결정하는 것을 포함한다. 일부 실시예에서, 루트는 오프라인으로 또는 원격 서버에 의해 결정된다. 일부 실시예에서, 루트는 하나 이상의 에지(예를 들면, 1310)(예를 들면, 루트의 전부 또는 세그먼트를 구성할 수 있는 도로)로 구성된다.
1504에서, 본 시스템(예를 들면, 120, 300, 400, 또는 이들의 조합)은, 프로세싱 회로(예를 들면, 계획 모듈(404))(예를 들면, 컴퓨팅 프로세서(146))를 사용하여, 루트에 대한 맵 노후 정도 정보(예를 들면, 맵 노후 정도/이용 가능성 인자)를 획득한다. 일부 실시예에서, 맵 노후 정도 정보는 루트를 구성하는 하나 이상의 도로(예를 들면, 세그먼트)에 대한 맵 데이터가 업데이트되거나 획득된 이후 경과된 시간량을 나타내는 맵 노후 정도/이용 가능성 인자(예를 들면, Tu,ij)를 포함한다. 일부 실시예에서, 맵 노후 정도 정보를 획득하는 것은 시작 위치와 목적지 위치 사이의 루트를 결정하는 데 사용되는 맵 데이터에 기초하여 하나 이상의 맵 노후 정도/이용 가능성 인자를 결정하는 것을 포함한다.
1506에서, 본 시스템(예를 들면, 120, 300, 400, 또는 이들의 조합)은, 프로세싱 회로(예를 들면, 계획 모듈(404))(예를 들면, 컴퓨팅 프로세서(146))를 사용하여, 맵 노후 정도 정보에 기초하여 자율 주행 차량(예를 들면, AV(100))에 대한 제1 운전 파라미터 세트(예를 들면, 자율 주행 차량의 운행 거동을 제어하기 위한 미리 결정된 규칙)를 결정한다. 일부 실시예에서, 제1 운전 파라미터 세트는 맵 노후 정도/이용 가능성 인자에 의해 영향을 받는다. 예를 들어, 맵 노후 정도/이용 가능성 인자가 루트의 일 부분(예를 들면, 루트 세그먼트)에 대한 맵 데이터가 업데이트될 필요가 있음(예를 들면, 맵 데이터가 임계 시간량보다 더 오래되었음)을 나타내는 경우, 제1 운전 파라미터 세트는 (예를 들면, 예를 들어, 제어 기능(420)과 같은 제어 기능을 사용하여) 루트의 해당 부분에 대한 맵 데이터를 수집하도록 자율 주행 차량을 제어하기 위한 파라미터를 포함하도록 결정될 수 있다.
일부 실시예에서, 제1 운전 파라미터 세트는 자율 주행 차량을 동작시키기 위한 미리 결정된 기동(예를 들면, AV를 동작시키기에 허용 가능하거나 안전한 것으로 결정된 기동) 세트를 포함한다. 일부 실시예에서, 자율 주행 차량을 동작시키기 위한 미리 결정된 기동(예를 들면, 용인 가능한 기동, 허용된 운전 거동) 세트 내의 기동의 양은 루트의 적어도 일 부분에 대한 맵 노후 정도 정보가 업데이트된 이후 경과된 시간량에 비례한다. 일부 실시예에서, 루트의 일 부분(예를 들면, 세그먼트)에 대한 맵 데이터가 업데이트된 이후 더 많은 시간이 경과함에 따라 AV를 동작시키기 위한 용인 가능한 기동의 개수가 증가한다. 환언하면, 루트에 대한 맵 데이터가 노후화됨에 따라, 루트를 따라 AV를 동작시키기 위한 추가 기동이 허용된다. 예를 들어, 추가 기동은 루트에 대한 맵 데이터를 업데이트하기 위한 기동에 대응한다. 일부 실시예에서, 미리 결정된 기동(예를 들면, 용인 가능한 기동) 세트는 허용 차선 전환 빈도, 하나 이상의 도로 경계(예를 들면, 연석 또는 인도)로부터의 허용 거리, 또는 특정 차선(예를 들면, 전형적으로 더 높거나 더 낮은 속도로 지정되는 차선)에서 주행하는 허용 시간량 중 하나 이상을 포함한다.
일부 실시예에서, 제1 운전 파라미터 세트는 맵 노후 정도 정보에 기초하지 않는 제2 운전 파라미터 세트(예를 들면, 미리 정의된 운전 파라미터 세트)와 상이하다. 일부 실시예에서, 미리 정의된 운전 파라미터 세트는 기본적으로(by default)(예를 들면, 맵 노후 정도 정보를 고려하지 않고) AV를 운행시키는 데 사용된다. 일부 실시예에서, AV를 운행시키기 위해 사용되는 운전 파라미터 세트는, 맵 노후 정도 정보의 하나 이상의 맵 노후 정도 인자에 따라, 미리 정의된 운전 파라미터로부터 제1 운전 파라미터 세트(예를 들면, 맵 노후 정도 정보에 기초한 운전 파라미터 세트)로 변경된다. 예를 들어, 맵 노후 정도 인자가 루트의 일 부분에 대한 맵 데이터가 업데이트될 필요가 있음을 나타내는 경우, 루트를 따라 AV를 운행시키기 위한 운전 파라미터가 (루트의 적어도 해당 부분에 대해) 미리 정의된 운전 파라미터 세트로부터 제1 운전 파라미터 세트로 전환된다.
일부 실시예에서, 제1 운전 파라미터 세트는 맵 데이터를 수집하기 위해 자율 주행 차량을 동작시키기 위한 기동(예를 들면, 허용된 운전 거동)(예를 들면, 루트의 적어도 일 부분을 따라 맵 데이터를 수집하는 동안 수행되는 기동) 세트를 포함하고, 제2 운전 파라미터 세트(예를 들면, 미리 정의된 운전 파라미터 세트)는 맵 데이터를 수집하기 위해 자율 주행 차량을 동작시키기 위한 기동 세트를 포함하지 않는다. 일부 실시예에서, 루트의 적어도 일 부분을 따라 맵 데이터를 수집하는 동안 수행되는 기동은 다음과 같은 기동: ~ 중 하나 이상을 포함한다. ~미리 결정된 운전 파라미터 세트를 사용하여 AV를 동작시킬 때 허용되는 것보다 더 빈번히 차선을 전환하는 것, 미리 결정된 운전 파라미터 세트를 사용하여 AV를 동작시킬 때 허용되는 것보다 도로 경계로부터 거리 내에서 AV를 기동시키는 것, 미리 결정된 운전 파라미터 세트를 사용하여 AV를 동작시킬 때 허용되는 것보다 더 많은 시간량 동안 특정 차선에서 주행하는 것, 및 미리 결정된 운전 파라미터 세트를 사용하여 AV를 동작시킬 때 (충돌을 방지하는 것과 같은 정당성(justification) 없이) 허용되는 것보다 공격적으로 가속하거나 제동하는 것~
일부 실시예에서, 허용 차선 전환 빈도는 제2 운전 파라미터 세트에서보다 제1 운전 파라미터 세트에서 더 크다. 일부 실시예에서, 하나 이상의 도로 경계(예를 들면, 연석 또는 인도)로부터의 허용 거리는 제2 운전 파라미터 세트에서보다 제1 운전 파라미터 세트에서 더 작다. 일부 실시예에서, 특정 차선(예를 들면, 전형적으로 더 높거나 더 낮은 속도로 지정된 차선)에서 주행하는 허용 시간량은 제2 운전 파라미터 세트에서보다 제1 운전 파라미터 세트에서 더 크다.
1508에서, 본 시스템(예를 들면, 120, 300, 400, 또는 이들의 조합)은, 제어 회로(예를 들면, 제어 모듈(406))를 사용하여, 제1 운전 파라미터 세트를 사용하여 루트(예를 들면, 도 13b에서의 루트)를 따라 자율 주행 차량(예를 들면, AV(100))을 운행시킨다(예를 들면, AV의 동작(예를 들면, 운전)을 제어한다)(예를 들면, 운전 파라미터에 따라 자율 주행 차량의 운행을 제어함). 일부 실시예에서, 제1 운전 파라미터 세트를 사용하여 루트를 따라 자율 주행 차량을 운행시키는 것은 루트의 제1 세그먼트(예를 들면, 도 13b에서의 굵게 표시된 에지(1310g))에서 제1 운전 거동 세트(예를 들면, 맵 데이터 수집을 수행하는 것을 포함하지 않는 거동)를 사용하여 자율 주행 차량을 운행시키는 것, 및 루트의 제2 세그먼트(예를 들면, 도 13b에서의 굵게 표시된 에지(1310d))에서 제1 운전 거동 세트와 상이한 제2 운전 거동 세트(예를 들면, 맵 데이터 수집을 수행하는 것을 포함하는 거동)를 사용하여 자율 주행 차량을 운행시키는 것을 포함한다. 일부 실시예에서, 제1 운전 파라미터 세트를 사용하여 루트를 따라 자율 주행 차량을 운행시키는 것은 루트의 제1 세그먼트에서 제1 운전 파라미터 서브세트를 사용하여 자율 주행 차량을 운행시키는 것, 및 루트의 제2 세그먼트에서 제1 운전 파라미터 서브세트와 상이한 제2 운전 파라미터 서브세트를 사용하여 자율 주행 차량을 운행시키는 것을 포함한다.
일부 실시예에서, 제1 운전 파라미터 세트를 사용하여 루트를 따라 자율 주행 차량을 운행시키는 것은 시작 위치와 목적지 위치 사이의 루트를 따라 자율 주행 차량을 운행시키는 동안 루트의 적어도 일 부분(예를 들면, 루트의 하나 이상의 세그먼트)에 대해 맵 데이터 수집 동작(예를 들면, 맵 데이터를 수집하는 것)을 수행하는 것을 포함한다.
일부 실시예에서, 본 시스템(예를 들면, 120, 300, 400, 또는 이들의 조합)은, 프로세싱 회로(예를 들면, 계획 모듈(404) 및/또는 인지 모듈(402))(예를 들면, 컴퓨팅 프로세서(146))를 사용하여, 루트 조건(예를 들면, 교통 조건, 기상 조건, 노면 조건, 루트를 따른 AV 위치)을 획득한다. 일부 실시예에서, 제1 운전 파라미터 세트를 결정하는 것은 맵 노후 정도 정보 및 루트 조건에 기초하여 자율 주행 차량에 대한 제1 운전 파라미터 세트를 결정하는 것을 포함한다. 일부 실시예에서, 루트 조건은 실시간으로 업데이트된다. 일부 실시예에서, 루트 조건은 루트가 각각의 운전 파라미터 세트(예를 들면, 제1 운전 파라미터 세트)에 적합한지 여부(예를 들면, 운전 파라미터 세트를 사용하여 루트의 적어도 일 부분에서 AV를 동작시키는 것이 안전하고 및/또는 효과적인지 여부)의 표시를 제공한다.
일부 실시예에서, 루트 조건은 루트의 적어도 일 부분에 대한 교통 조건을 포함한다. 일부 실시예에서, 교통 조건은, 예를 들어, 교통상황, 공사, 사고 등의 결과로, 루트의 일 부분이 정체되는지 여부를 나타낸다.
일부 실시예에서, 루트 조건은 루트의 적어도 일 부분에 대한 기상 조건을 포함한다. 일부 실시예에서, 기상 조건은 루트의 일 부분이 비, 눈, 진눈깨비, 햇볕, 바람 등을 경험하고 있는지(또는 최근에 경험했는지) 여부를 나타낸다.
일부 실시예에서, 루트 조건은 루트를 따른 자율 주행 차량의 위치(예를 들면, 지리적 위치)의 표시를 포함한다. 일부 실시예에서, 루트 조건은 루트를 따른 AV의 진행 및/또는 루트의 표현(예를 들면, 맵)을 따른 AV의 표현을 나타낸다.
일부 실시예에서, 루트 조건은 루트의 적어도 일 부분에 대한 노면 조건을 포함한다. 일부 실시예에서, 노면 조건은 루트의 일 부분을 따른 도로가 젖어 있는지, 말라 있는지, 결빙되어 있는지, 공사 중인지 등을 나타낸다.
일부 실시예에서, 본 시스템(예를 들면, 120, 300, 400, 또는 이들의 조합)은, 프로세싱 회로(예를 들면, 계획 모듈(404))(예를 들면, 컴퓨팅 프로세서(146))를 사용하여, 제1 운전 파라미터 세트(예를 들면, 맵 노후 정도 정보에, 적어도 부분적으로, 기초하는 운전 파라미터 세트)를 사용하여 루트를 따라 자율 주행 차량을 운행시키기 위한 제1 주행 시간에 기초하여 루트의 제1 비용 함수(예를 들면, 수학식 2의
Figure pat00023
)를 결정한다. 일부 실시예에서, 본 시스템은, 프로세싱 회로를 사용하여, 맵 노후 정도 정보에 기초하지 않는 제3 운전 파라미터 세트(예를 들면, 미리 정의된 운전 파라미터 세트)를 사용하여 루트를 따라 자율 주행 차량을 운행시키기 위한 제2 주행 시간에 기초하여 루트의 제2 비용 함수(예를 들면, 수학식 1의 T*)를 결정한다. 일부 실시예에서, 본 시스템은, 프로세싱 회로를 사용하여, 제1 비용 함수와 제2 비용 함수 간 차이에 기초하여 할인 가격(예를 들면, 수학식 3의 새로운 가격
Figure pat00024
)을 결정한다. 일부 실시예에서, 루트는 루트를 따라 AV를 운행시키는 동안 사용되는 운전 파라미터 세트에 대해 결정된 비용 함수에 기초한 상이한 할인과 연관될 수 있다. 예를 들어, 하나의 운전 파라미터 세트가 사용될 때, AV에 승차하는 것에 대해 사용자(예를 들면, 고객, 승객 등)에게 부과되는 비용은, 예를 들어, 상이한 운전 파라미터 세트를 사용하여 루트를 완료하는 데 걸리는 추가 시간량에 따라 상이한 운전 파라미터 세트가 사용될 때와 비교하여 할인될 수 있다.
일부 실시예에서, 제1 비용 함수와 제2 비용 함수 간 차이는 제1 주행 시간과 제2 주행 시간 간 시간 차이에 기초한다. 일부 실시예에서, 시작 위치로부터 목적지 위치까지 주행하는 시간은 루트를 따라 AV를 운행시키는 데 사용되는 운전 파라미터 세트에 따라 달라진다. 일부 실시예에서, AV의 사용자 또는 고객은 사용자에게 할인을 제공하는 것에 의해 AV가 제1 운전 파라미터 세트에 따라 동작하게 허용하도록 인센티브를 받을 수 있다. 일부 실시예에서, 할인은 (미리 정의된 운전 파라미터 세트에 따라 AV를 동작시킬 때 걸리는 시간량과 비교하여) 제1 운전 파라미터 세트를 사용하여 목적지 위치에 도착하는 데 걸리는 추가 시간량에 기초하여 결정된다. 일부 실시예에서, 할인은, 선택적으로, 제1 운전 파라미터 세트를 사용하여 루트를 주행하는 것으로 AV의 운영자에 의해 실현될 이익의 크기에 기초하여, 결정될 수 있다. 예를 들어, 제1 운전 파라미터 세트는, 루트를 따라 매핑 정보를 업데이트하는 것을 가능하게 하는 것과 같은, 이익을 AV의 운영자에게 제공할 수 있고, 할인은 AV가 제1 운전 파라미터 세트를 사용하여 동작하도록 허용하는 것에 대해 사용자에게 보상하기 위해 (예를 들면, 업데이트된 매핑 정보를 획득하는 이익에 대한 정량화된 값의 퍼센트로서) 사용자에게 제공될 수 있다. 일부 실시예에서, 운전 파라미터 세트는, 예를 들어, 센서 교정을 수행하는 것 및/또는 수익을 창출하는 것과 같은 다른 태스크 또는 이익을 가능하게 하도록 선택될 수 있다. 그러한 실시예에서, 운전 파라미터 세트는 AV를 사용하여 해당 태스크를 수행하는 것을 최적화하도록 결정될 수 있다.
전술한 설명에서, 실시예는 구현마다 달라질 수 있는 다수의 특정 세부 사항을 참조하여 기술되었다. 따라서, 상세한 설명 및 도면은 제한적인 관점보다는 예시적인 관점에서 보아야 한다. 본 개시의 범위의 유일하고 배타적인 지표, 및 출원인에 의해 범위인 것으로 의도되는 것은 본 출원에서 특정 형태로 나오는 일련의 청구항의 문언적 등가 범위이며, 그러한 청구항이 나오는 특정 형태는 임의의 후속 보정을 포함한다. 그러한 청구항에 포함된 용어에 대한 본원에서 명시적으로 기재된 임의의 정의는 청구항에서 사용되는 그러한 용어의 의미를 결정한다. 추가적으로, 전술한 설명 및 이하의 청구항에서 "추가로 포함하는"이라는 용어가 사용될 때, 이 문구에 뒤따르는 것은 추가적인 단계 또는 엔티티, 또는 이전에 언급된 단계 또는 엔티티의 서브-단계/서브-엔티티일 수 있다.
이하의 항목은 본 개시의 실시예를 기술한다:
1. 시스템으로서,
하나 이상의 컴퓨터 프로세서; 및
하나 이상의 컴퓨터 프로세서에 의해 실행될 때, 동작들을 수행하게 하는 명령을 저장하는 하나 이상의 비-일시적 저장 매체를 포함하며, 동작들은:
프로세싱 회로를 사용하여, 시작 위치 및 목적지 위치를 포함하는 맵 데이터를 획득하는 동작;
프로세싱 회로를 사용하여, 시작 위치로부터 목적지 위치까지 주행하기 위한 복수의 각각의 가능한 루트에 대응하는 복수의 주행 시간을 획득하는 동작;
프로세싱 회로를 사용하여, 적어도 제1 각각의 가능한 루트에 대한 이익 정보를 획득하는 동작; 및
프로세싱 회로를 사용하여, 주행 시간 및 이익 정보에 기초하여 선택된 루트를 결정하는 동작을 포함하는, 시스템.
2. 항목 1에 있어서, 복수의 주행 시간은 복수의 각각의 가능한 루트를 구성하는 각각의 에지와 연관된 각각의 주행 시간을 포함하는, 시스템.
3. 항목 1 또는 항목 2에 있어서, 이익 정보는 제1 각각의 가능한 루트의 적어도 일 부분과 연관된 하나 이상의 이익 인자를 포함하는, 시스템.
4. 항목 3에 있어서, 이익 인자는 제1 각각의 가능한 루트의 부분과 연관된 이익의 크기에 반비례하는, 시스템.
5. 항목 3 또는 항목 4에 있어서, 이익 인자는 하나 이상의 맵 노후 정도 인자를 포함하는, 시스템.
6. 항목 5에 있어서, 맵 노후 정도 인자는 제1 각각의 가능한 루트의 부분에 대한 맵 데이터가 수집된 이후 경과된 시간량에 반비례하는, 시스템.
7. 항목 3 내지 항목 6 중 어느 한 항목에 있어서, 이익 인자는 하나 이상의 교정 적합성 인자를 포함하는, 시스템.
8. 항목 7에 있어서, 교정 적합성 인자는 제1 각각의 가능한 루트의 부분이 센서 교정을 수행하기에 얼마나 부적합한지의 결정에 반비례하는, 시스템.
9. 항목 3 내지 항목 8 중 어느 한 항목에 있어서, 이익 인자는 하나 이상의 광고 수익 인자를 포함하는, 시스템.
10. 항목 9에 있어서, 광고 수익 인자는 제1 각각의 가능한 루트의 부분을 따라 자율 주행 차량을 운행시키는 것에 응답하여 자율 주행 차량의 운영자에게 이용 가능한 재정적 이익의 크기에 반비례하는, 시스템.
11. 항목 1 내지 항목 10 중 어느 한 항목에 있어서, 주행 시간 및 이익 정보에 기초하여 선택된 루트를 결정하는 동작은, 복수의 각각의 가능한 루트 중에서, a) 시작 위치로부터 목적지 위치까지 주행하기 위한 주행 시간과 b) 복수의 각각의 가능한 루트 중의 각각의 루트에 대한 가중된 이익 인자의 합계에 대한 최소 값을 갖는 제1 루트를 선택하는 동작을 포함하는, 시스템.
12. 항목 1 내지 항목 11 중 어느 한 항목에 있어서, 동작들은:
프로세싱 회로를 사용하여, 복수의 각각의 가능한 루트 중의 제2 루트의 제1 비용 함수를 제2 루트에 대한 주행 시간 및 이익 정보에 기초하여 결정하는 동작;
프로세싱 회로를 사용하여, 시작 위치로부터 목적지 위치까지 주행하기 위한 주행 시간의 최소 합계에 기초하여 복수의 각각의 가능한 루트 중의 제3 루트의 제2 비용 함수를 결정하는 동작; 및
프로세싱 회로를 사용하여, 제1 비용 함수와 제2 비용 함수 간 차이에 기초하여 할인 가격을 결정하는 동작을 추가로 포함하는, 시스템.
13. 항목 12에 있어서, 제1 비용 함수와 제2 비용 함수 간 차이는 a) 제2 루트를 사용하여 시작 위치로부터 목적지 위치까지 주행하는 제1 시간량과 b) 제3 루트를 사용하여 시작 위치로부터 목적지 위치까지 주행하는 제2 시간량 간 시간 차이에 기초하는, 시스템.
14. 자율 주행 차량의 루트를 결정하기 위한 방법으로서,
프로세싱 회로를 사용하여, 시작 위치 및 목적지 위치를 포함하는 맵 데이터를 획득하는 단계;
프로세싱 회로를 사용하여, 시작 위치로부터 목적지 위치까지 주행하기 위한 복수의 각각의 가능한 루트에 대응하는 복수의 주행 시간을 획득하는 단계;
프로세싱 회로를 사용하여, 적어도 제1 각각의 가능한 루트에 대한 이익 정보를 획득하는 단계; 및
프로세싱 회로를 사용하여, 주행 시간 및 이익 정보에 기초하여 선택된 루트를 결정하는 단계를 포함하는, 방법.
15. 항목 14에 있어서, 복수의 주행 시간은 복수의 각각의 가능한 루트를 구성하는 각각의 에지와 연관된 각각의 주행 시간을 포함하는, 방법.
16. 항목 14 또는 항목 15에 있어서, 이익 정보는 제1 각각의 가능한 루트의 적어도 일 부분과 연관된 하나 이상의 이익 인자를 포함하는, 방법.
17. 항목 16에 있어서, 이익 인자는 제1 각각의 가능한 루트의 부분과 연관된 이익의 크기에 반비례하는, 방법.
18. 항목 16 또는 항목 17에 있어서, 이익 인자는 하나 이상의 맵 노후 정도 인자를 포함하는, 방법.
19. 항목 18에 있어서, 맵 노후 정도 인자는 제1 각각의 가능한 루트의 부분에 대한 맵 데이터가 수집된 이후 경과된 시간량에 반비례하는, 방법.
20. 항목 16 내지 항목 19 중 어느 한 항목에 있어서, 이익 인자는 하나 이상의 교정 적합성 인자를 포함하는, 방법.
21. 항목 20에 있어서, 교정 적합성 인자는 제1 각각의 가능한 루트의 부분이 센서 교정을 수행하기에 얼마나 부적합한지의 결정에 반비례하는, 방법.
22. 항목 16 내지 항목 21 중 어느 한 항목에 있어서, 이익 인자는 하나 이상의 광고 수익 인자를 포함하는, 방법.
23. 항목 22에 있어서, 광고 수익 인자는 제1 각각의 가능한 루트의 부분을 따라 자율 주행 차량을 운행시키는 것에 응답하여 자율 주행 차량의 운영자에게 이용 가능한 재정적 이익의 크기에 반비례하는, 방법.
24. 항목 14 내지 항목 23 중 어느 한 항목에 있어서, 주행 시간 및 이익 정보에 기초하여 선택된 루트를 결정하는 단계는, 복수의 각각의 가능한 루트 중에서, a) 시작 위치로부터 목적지 위치까지 주행하기 위한 주행 시간과 b) 복수의 각각의 가능한 루트 중의 각각의 루트에 대한 가중된 이익 인자의 합계에 대한 최소 값을 갖는 제1 루트를 선택하는 단계를 포함하는, 방법.
25. 항목 14 내지 항목 24 중 어느 한 항목에 있어서,
프로세싱 회로를 사용하여, 복수의 각각의 가능한 루트 중의 제2 루트의 제1 비용 함수를 제2 루트에 대한 주행 시간 및 이익 정보에 기초하여 결정하는 단계;
프로세싱 회로를 사용하여, 시작 위치로부터 목적지 위치까지 주행하기 위한 주행 시간의 최소 합계에 기초하여 복수의 각각의 가능한 루트 중의 제3 루트의 제2 비용 함수를 결정하는 단계; 및
프로세싱 회로를 사용하여, 제1 비용 함수와 제2 비용 함수 간 차이에 기초하여 할인 가격을 결정하는 단계를 추가로 포함하는, 방법.
26. 항목 25에 있어서, 제1 비용 함수와 제2 비용 함수 간 차이는 a) 제2 루트를 사용하여 시작 위치로부터 목적지 위치까지 주행하는 제1 시간량과 b) 제3 루트를 사용하여 시작 위치로부터 목적지 위치까지 주행하는 제2 시간량 간 시간 차이에 기초하는, 방법.
27. 하나 이상의 컴퓨팅 디바이스에 의해 실행될 때, 항목 14 내지 항목 26 중 어느 한 항목에 열거된 방법을 수행하게 하는 명령을 저장하는 하나 이상의 비-일시적 저장 매체.
28. 시스템으로서,
하나 이상의 컴퓨터 프로세서; 및
하나 이상의 컴퓨터 프로세서에 의해 실행될 때, 동작들을 수행하게 하는 명령을 저장하는 하나 이상의 비-일시적 저장 매체를 포함하며, 동작들은:
프로세싱 회로를 사용하여, 시작 위치와 목적지 위치 사이의 루트를 획득하는 동작;
프로세싱 회로를 사용하여, 루트에 대한 맵 노후 정도 정보를 획득하는 동작;
프로세싱 회로를 사용하여, 맵 노후 정도 정보에 기초하여 자율 주행 차량에 대한 제1 운전 파라미터 세트를 결정하는 동작; 및
제어 회로를 사용하여, 제1 운전 파라미터 세트를 사용하여 루트를 따라 자율 주행 차량을 운행시키는 동작을 포함하는, 시스템.
29. 항목 28에 있어서, 제1 운전 파라미터 세트를 사용하여 루트를 따라 자율 주행 차량을 운행시키는 동작은 시작 위치와 목적지 위치 사이의 루트를 따라 자율 주행 차량을 운행시키는 동안 루트의 적어도 일 부분에 대해 맵 데이터 수집 동작을 수행하는 동작을 포함하는, 시스템.
30. 항목 28 또는 항목 29에 있어서, 루트는 하나 이상의 에지로 구성되는, 시스템.
31. 항목 28 내지 항목 30 중 어느 한 항목에 있어서, 제1 운전 파라미터 세트는 자율 주행 차량을 동작시키기 위한 미리 결정된 기동 세트를 포함하는, 시스템.
32. 항목 31에 있어서, 자율 주행 차량을 동작시키기 위한 미리 결정된 기동 세트 내의 기동의 양은 루트의 적어도 일 부분에 대한 맵 노후 정도 정보가 업데이트된 이후 경과된 시간량에 비례하는, 시스템.
33. 항목 31 또는 항목 32에 있어서, 미리 결정된 기동 세트는 허용 차선 전환 빈도, 하나 이상의 도로 경계로부터의 허용 거리, 또는 특정 차선에서 주행하는 허용 시간량 중 하나 이상을 포함하는, 시스템.
34. 항목 28 내지 항목 33 중 어느 한 항목에 있어서, 제1 운전 파라미터 세트는 맵 노후 정도 정보에 기초하지 않는 제2 운전 파라미터 세트와 상이한, 시스템.
35. 항목 34에 있어서, 제1 운전 파라미터 세트는 맵 데이터를 수집하기 위해 자율 주행 차량을 동작시키기 위한 기동 세트를 포함하고, 제2 운전 파라미터 세트는 맵 데이터를 수집하기 위해 자율 주행 차량을 동작시키기 위한 기동 세트를 포함하지 않는, 시스템.
36. 항목 34 또는 항목 35에 있어서,
허용 차선 전환 빈도는 제2 운전 파라미터 세트에서보다 제1 운전 파라미터 세트에서 더 크고,
하나 이상의 도로 경계로부터의 허용 거리는 제2 운전 파라미터 세트에서보다 제1 운전 파라미터 세트에서 더 작으며,
특정 차선에서 주행하는 허용 시간량은 제2 운전 파라미터 세트에서보다 제1 운전 파라미터 세트에서 더 큰, 시스템.
37. 항목 28 내지 항목 36 중 어느 한 항목에 있어서, 동작들은:
프로세싱 회로를 사용하여, 루트에 대한 루트 조건을 획득하는 동작을 추가로 포함하고,
제1 운전 파라미터 세트를 결정하는 동작은 맵 노후 정도 정보 및 루트 조건에 기초하여 자율 주행 차량에 대한 제1 운전 파라미터 세트를 결정하는 동작을 포함하는, 시스템.
38. 항목 37에 있어서, 루트 조건은 루트가 각각의 운전 파라미터 세트에 적합한지 여부의 표시를 제공하는, 시스템.
39. 항목 37 또는 항목 38에 있어서, 루트 조건은 루트의 적어도 일 부분에 대한 교통 조건을 포함하는, 시스템.
40. 항목 37 내지 항목 39 중 어느 한 항목에 있어서, 루트 조건은 루트의 적어도 일 부분에 대한 기상 조건을 포함하는, 시스템.
41. 항목 37 내지 항목 40 중 어느 한 항목에 있어서, 루트 조건은 루트를 따른 자율 주행 차량의 위치의 표시를 포함하는, 시스템.
42. 항목 37 내지 항목 41 중 어느 한 항목에 있어서, 루트 조건은 루트의 적어도 일 부분에 대한 노면 조건을 포함하는, 시스템.
43. 항목 28 내지 항목 42 중 어느 한 항목에 있어서, 동작들은:
프로세싱 회로를 사용하여, 제1 운전 파라미터 세트를 사용하여 루트를 따라 자율 주행 차량을 운행시키기 위한 제1 주행 시간에 기초하여 루트의 제1 비용 함수를 결정하는 동작;
프로세싱 회로를 사용하여, 맵 노후 정도 정보에 기초하지 않는 제3 운전 파라미터 세트를 사용하여 루트를 따라 자율 주행 차량을 운행시키기 위한 제2 주행 시간에 기초하여 루트의 제2 비용 함수를 결정하는 동작; 및
프로세싱 회로를 사용하여, 제1 비용 함수와 제2 비용 함수 간 차이에 기초하여 할인 가격을 결정하는 동작을 추가로 포함하는, 시스템.
44. 항목 43에 있어서, 제1 비용 함수와 제2 비용 함수 간 차이는 제1 주행 시간과 제2 주행 시간 간 시간 차이에 기초하는, 시스템.
45. 자율 주행 차량의 루트에 대한 루트 계획 데이터를 결정하기 위한 방법으로서,
프로세싱 회로를 사용하여, 시작 위치와 목적지 위치 사이의 루트를 획득하는 단계;
프로세싱 회로를 사용하여, 루트에 대한 맵 노후 정도 정보를 획득하는 단계;
프로세싱 회로를 사용하여, 맵 노후 정도 정보에 기초하여 자율 주행 차량에 대한 제1 운전 파라미터 세트를 결정하는 단계; 및
제어 회로를 사용하여, 제1 운전 파라미터 세트를 사용하여 루트를 따라 자율 주행 차량을 운행시키는 단계를 포함하는, 방법.
46. 항목 45에 있어서, 제1 운전 파라미터 세트를 사용하여 루트를 따라 자율 주행 차량을 운행시키는 단계는 시작 위치와 목적지 위치 사이의 루트를 따라 자율 주행 차량을 운행시키는 동안 루트의 적어도 일 부분에 대해 맵 데이터 수집 동작을 수행하는 단계를 포함하는, 방법.
47. 항목 45 또는 항목 46에 있어서, 루트는 하나 이상의 에지로 구성되는, 방법.
48. 항목 45 내지 항목 47 중 어느 한 항목에 있어서, 제1 운전 파라미터 세트는 자율 주행 차량을 동작시키기 위한 미리 결정된 기동 세트를 포함하는, 방법.
49. 항목 48에 있어서, 자율 주행 차량을 동작시키기 위한 미리 결정된 기동 세트 내의 기동의 양은 루트의 적어도 일 부분에 대한 맵 노후 정도 정보가 업데이트된 이후 경과된 시간량에 비례하는, 방법.
50. 항목 48 또는 항목 49에 있어서, 미리 결정된 기동 세트는 허용 차선 전환 빈도, 하나 이상의 도로 경계로부터의 허용 거리, 또는 특정 차선에서 주행하는 허용 시간량 중 하나 이상을 포함하는, 방법.
51. 항목 45 내지 항목 50 중 어느 한 항목에 있어서, 제1 운전 파라미터 세트는 맵 노후 정도 정보에 기초하지 않는 제2 운전 파라미터 세트와 상이한, 방법.
52. 항목 51에 있어서, 제1 운전 파라미터 세트는 맵 데이터를 수집하기 위해 자율 주행 차량을 동작시키기 위한 기동 세트를 포함하고, 제2 운전 파라미터 세트는 맵 데이터를 수집하기 위해 자율 주행 차량을 동작시키기 위한 기동 세트를 포함하지 않는, 방법.
53. 항목 51 또는 항목 52에 있어서,
허용 차선 전환 빈도는 제2 운전 파라미터 세트에서보다 제1 운전 파라미터 세트에서 더 크고,
하나 이상의 도로 경계로부터의 허용 거리는 제2 운전 파라미터 세트에서보다 제1 운전 파라미터 세트에서 더 작으며,
특정 차선에서 주행하는 허용 시간량은 제2 운전 파라미터 세트에서보다 제1 운전 파라미터 세트에서 더 큰, 방법.
54. 항목 45 내지 항목 53 중 어느 한 항목에 있어서,
프로세싱 회로를 사용하여, 루트에 대한 루트 조건을 획득하는 단계를 추가로 포함하고,
제1 운전 파라미터 세트를 결정하는 단계는 맵 노후 정도 정보 및 루트 조건에 기초하여 자율 주행 차량에 대한 제1 운전 파라미터 세트를 결정하는 단계를 포함하는, 방법.
55. 항목 54에 있어서, 루트 조건은 루트가 각각의 운전 파라미터 세트에 적합한지 여부의 표시를 제공하는, 방법.
56. 항목 54 또는 항목 55에 있어서, 루트 조건은 루트의 적어도 일 부분에 대한 교통 조건을 포함하는, 방법.
57. 항목 54 내지 항목 56 중 어느 한 항목에 있어서, 루트 조건은 루트의 적어도 일 부분에 대한 기상 조건을 포함하는, 방법.
58. 항목 54 내지 항목 57 중 어느 한 항목에 있어서, 루트 조건은 루트를 따른 자율 주행 차량의 위치의 표시를 포함하는, 방법.
59. 항목 54 내지 항목 58 중 어느 한 항목에 있어서, 루트 조건은 루트의 적어도 일 부분에 대한 노면 조건을 포함하는, 방법.
60. 항목 45 내지 항목 59 중 어느 한 항목에 있어서,
프로세싱 회로를 사용하여, 제1 운전 파라미터 세트를 사용하여 루트를 따라 자율 주행 차량을 운행시키기 위한 제1 주행 시간에 기초하여 루트의 제1 비용 함수를 결정하는 단계;
프로세싱 회로를 사용하여, 맵 노후 정도 정보에 기초하지 않는 제3 운전 파라미터 세트를 사용하여 루트를 따라 자율 주행 차량을 운행시키기 위한 제2 주행 시간에 기초하여 루트의 제2 비용 함수를 결정하는 단계; 및
프로세싱 회로를 사용하여, 제1 비용 함수와 제2 비용 함수 간 차이에 기초하여 할인 가격을 결정하는 단계를 추가로 포함하는, 방법.
61. 항목 60에 있어서, 제1 비용 함수와 제2 비용 함수 간 차이는 제1 주행 시간과 제2 주행 시간 간 시간 차이에 기초하는, 방법.
62. 하나 이상의 컴퓨팅 디바이스에 의해 실행될 때, 항목 45 내지 항목 61 중 어느 한 항목에 열거된 방법을 수행하게 하는 명령을 저장하는 하나 이상의 비-일시적 저장 매체.

Claims (21)

  1. 시스템으로서,
    하나 이상의 컴퓨터 프로세서; 및
    상기 하나 이상의 컴퓨터 프로세서에 의해 실행될 때, 동작들을 수행하게 하는 명령들을 저장하는 하나 이상의 저장 매체
    를 포함하며, 상기 동작들은:
    프로세싱 회로를 사용하여, 시작 위치 및 목적지 위치를 포함하는 맵 데이터를 획득하는 동작;
    상기 프로세싱 회로를 사용하여, 상기 시작 위치로부터 상기 목적지 위치까지 주행하기 위한 복수의 각각의 가능한 루트들에 대응하는 복수의 주행 시간들을 획득하는 동작;
    상기 프로세싱 회로를 사용하여, 적어도 제1 각각의 가능한 루트에 대한 이익 정보를 획득하는 동작; 및
    상기 프로세싱 회로를 사용하여, 상기 주행 시간들 및 상기 이익 정보에 기초하여 선택된 루트를 결정하는 동작을 포함하는 것인, 시스템.
  2. 제1항에 있어서, 상기 복수의 주행 시간들은 상기 복수의 각각의 가능한 루트들을 구성하는 각각의 에지들과 연관된 각각의 주행 시간을 포함하는 것인, 시스템.
  3. 제1항에 있어서, 상기 이익 정보는 상기 제1 각각의 가능한 루트의 적어도 일 부분과 연관된 하나 이상의 이익 인자를 포함하는 것인, 시스템.
  4. 제3항에 있어서, 상기 이익 인자는 상기 제1 각각의 가능한 루트의 상기 부분과 연관된 이익의 크기에 반비례하는 것인, 시스템.
  5. 제3항에 있어서, 상기 이익 인자는 하나 이상의 맵 노후 정도(map-age) 인자를 포함하는 것인, 시스템.
  6. 제5항에 있어서, 상기 맵 노후 정도 인자는 상기 제1 각각의 가능한 루트의 상기 부분에 대한 맵 데이터가 수집된 이후 경과된 시간량에 반비례하는 것인, 시스템.
  7. 제3항에 있어서, 상기 이익 인자는 하나 이상의 교정 적합성 인자를 포함하는 것인, 시스템.
  8. 제7항에 있어서, 상기 교정 적합성 인자는 상기 제1 각각의 가능한 루트의 상기 부분이 센서 교정을 수행하기에 얼마나 부적합한지의 결정에 반비례하는 것인, 시스템.
  9. 제1항 내지 제8항 중 어느 한 항에 있어서, 상기 주행 시간들 및 상기 이익 정보에 기초하여 상기 선택된 루트를 결정하는 동작은, 상기 복수의 각각의 가능한 루트들 중에서, a) 상기 시작 위치로부터 상기 목적지 위치까지 주행하기 위한 상기 주행 시간들과 b) 상기 복수의 각각의 가능한 루트들 중의 각각의 루트들에 대한 가중된 이익 인자들의 합계에 대한 최소 값을 갖는 제1 루트를 선택하는 동작을 포함하는 것인, 시스템.
  10. 제1항에 있어서, 상기 동작들은:
    상기 프로세싱 회로를 사용하여, 상기 복수의 각각의 가능한 루트들 중의 제2 루트의 제1 비용 함수를 상기 제2 루트에 대한 상기 주행 시간들 및 상기 이익 정보에 기초하여 결정하는 동작;
    상기 프로세싱 회로를 사용하여, 상기 시작 위치로부터 상기 목적지 위치까지 주행하기 위한 주행 시간들의 최소 합계에 기초하여 상기 복수의 각각의 가능한 루트들 중의 제3 루트의 제2 비용 함수를 결정하는 동작; 및
    상기 프로세싱 회로를 사용하여, 상기 제1 비용 함수와 상기 제2 비용 함수 간 차이에 기초하여 할인 가격(discount price)을 결정하는 동작을 추가로 포함하는 것인, 시스템.
  11. 제10항에 있어서, 상기 제1 비용 함수와 상기 제2 비용 함수 간 상기 차이는 a) 상기 제2 루트를 사용하여 상기 시작 위치로부터 상기 목적지 위치까지 주행하는 제1 시간량과 b) 상기 제3 루트를 사용하여 상기 시작 위치로부터 상기 목적지 위치까지 주행하는 제2 시간량 간 시간 차이에 기초하는 것인, 시스템.
  12. 자율 주행 차량의 루트를 결정하기 위한 방법으로서,
    프로세싱 회로를 사용하여, 시작 위치 및 목적지 위치를 포함하는 맵 데이터를 획득하는 단계;
    상기 프로세싱 회로를 사용하여, 상기 시작 위치로부터 상기 목적지 위치까지 주행하기 위한 복수의 각각의 가능한 루트들에 대응하는 복수의 주행 시간들을 획득하는 단계;
    상기 프로세싱 회로를 사용하여, 적어도 제1 각각의 가능한 루트에 대한 이익 정보를 획득하는 단계; 및
    상기 프로세싱 회로를 사용하여, 상기 주행 시간들 및 상기 이익 정보에 기초하여 선택된 루트를 결정하는 단계
    를 포함하는, 방법.
  13. 제12항에 있어서, 상기 복수의 주행 시간들은 상기 복수의 각각의 가능한 루트들을 구성하는 각각의 에지들과 연관된 각각의 주행 시간들을 포함하는 것인, 방법.
  14. 제12항에 있어서, 상기 이익 정보는 상기 제1 각각의 가능한 루트의 적어도 일 부분과 연관된 하나 이상의 이익 인자를 포함하는 것인, 방법.
  15. 제13항에 있어서, 상기 이익 인자는 하나 이상의 맵 노후 정도 인자를 포함하는, 방법.
  16. 제15항에 있어서, 상기 맵 노후 정도 인자는 상기 제1 각각의 가능한 루트의 상기 부분에 대한 맵 데이터가 수집된 이후 경과된 시간량에 반비례하는 것인, 방법.
  17. 제13항에 있어서, 상기 이익 인자는 하나 이상의 교정 적합성 인자를 포함하는 것인, 방법.
  18. 제12항에 있어서, 상기 주행 시간들 및 상기 이익 정보에 기초하여 상기 선택된 루트를 결정하는 단계는, 상기 복수의 각각의 가능한 루트들 중에서, a) 상기 시작 위치로부터 상기 목적지 위치까지 주행하기 위한 상기 주행 시간들과 b) 상기 복수의 각각의 가능한 루트들 중의 각각의 루트들에 대한 가중된 이익 인자들의 합계에 대한 최소 값을 갖는 제1 루트를 선택하는 단계를 포함하는 것인, 방법.
  19. 제12항 내지 제18항 중 어느 한 항에 있어서,
    상기 프로세싱 회로를 사용하여, 상기 복수의 각각의 가능한 루트들 중의 제2 루트의 제1 비용 함수를 상기 제2 루트에 대한 상기 주행 시간들 및 상기 이익 정보에 기초하여 결정하는 단계;
    상기 프로세싱 회로를 사용하여, 상기 시작 위치로부터 상기 목적지 위치까지 주행하기 위한 주행 시간들의 최소 합계에 기초하여 상기 복수의 각각의 가능한 루트들 중의 제3 루트의 제2 비용 함수를 결정하는 단계; 및
    상기 프로세싱 회로를 사용하여, 상기 제1 비용 함수와 상기 제2 비용 함수 간 차이에 기초하여 할인 가격을 결정하는 단계
    를 추가로 포함하는, 방법.
  20. 제19항에 있어서, 상기 제1 비용 함수와 상기 제2 비용 함수 간 상기 차이는 a) 상기 제2 루트를 사용하여 상기 시작 위치로부터 상기 목적지 위치까지 주행하는 제1 시간량과 b) 상기 제3 루트를 사용하여 상기 시작 위치로부터 상기 목적지 위치까지 주행하는 제2 시간량 간 시간 차이에 기초하는 것인, 방법.
  21. 하나 이상의 컴퓨팅 디바이스에 의해 실행될 때, 제12항 내지 제18항 중 어느 한 항에 열거된 방법을 수행하게 하는 명령들을 저장하는 하나 이상의 저장 매체.
KR1020210001396A 2020-01-06 2021-01-06 맵 데이터 업데이트 시스템 및 방법 KR20210089098A (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US202062957659P 2020-01-06 2020-01-06
US62/957,659 2020-01-06

Publications (1)

Publication Number Publication Date
KR20210089098A true KR20210089098A (ko) 2021-07-15

Family

ID=74566598

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210001396A KR20210089098A (ko) 2020-01-06 2021-01-06 맵 데이터 업데이트 시스템 및 방법

Country Status (5)

Country Link
US (1) US11898859B2 (ko)
KR (1) KR20210089098A (ko)
CN (1) CN113074743A (ko)
DE (1) DE102020135094A1 (ko)
GB (1) GB2594126A (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230146434A (ko) * 2022-04-12 2023-10-19 (주)에스유엠 자율주행 차량의 운행 경로 노드 별 경로생성 시스템

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10679312B2 (en) * 2017-04-25 2020-06-09 Lyft Inc. Dynamic autonomous vehicle servicing and management
US11987261B2 (en) 2020-09-15 2024-05-21 Tusimple, Inc. Detecting a road structure change by a lead autonomous vehicle (AV) and updating routing plans for the lead AV and following AVs
US20220081004A1 (en) * 2020-09-15 2022-03-17 Tusimple, Inc. DETECTING AN UNKNOWN OBJECT BY A LEAD AUTONOMOUS VEHICLE (AV) AND UPDATING ROUTING PLANS FOR FOLLOWING AVs

Family Cites Families (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8886453B2 (en) * 2008-12-11 2014-11-11 Telogis, Inc. System and method for efficient routing on a network in the presence of multiple-edge restrictions and other constraints
US9008955B2 (en) * 2009-05-05 2015-04-14 GM Global Technology Operations LLC Route planning system for vehicles
US8571722B2 (en) * 2010-10-22 2013-10-29 Toyota Motor Engineering & Manufacturing North America, Inc. Method for safely parking vehicle near obstacles
US9043135B2 (en) * 2012-08-31 2015-05-26 Apple Inc. Navigation system acquisition and use of cellular coverage map data
US9996986B2 (en) 2014-08-28 2018-06-12 GM Global Technology Operations LLC Sensor offset calibration using map information
US10002471B2 (en) * 2015-09-30 2018-06-19 Ants Technology (Hk) Limited Systems and methods for autonomous vehicle navigation
US10197400B2 (en) 2016-02-25 2019-02-05 Sharp Laboratories Of America, Inc. Calibration methods and systems for an autonomous navigation vehicle
US10309792B2 (en) * 2016-06-14 2019-06-04 nuTonomy Inc. Route planning for an autonomous vehicle
JP6946662B2 (ja) 2017-02-27 2021-10-06 トヨタ自動車株式会社 地図更新システム
US20190034948A1 (en) 2017-07-31 2019-01-31 Uber Technologies, Inc. Targeted Sensor Data Collection for Generating Map Information
US20190101401A1 (en) 2017-10-04 2019-04-04 Ford Global Technologies, Llc Dynamic vehicle routing determinations
JP6859925B2 (ja) 2017-10-26 2021-04-14 トヨタ自動車株式会社 情報処理装置、情報提供システム、情報提供方法、及びプログラム
CN108573315A (zh) 2018-04-09 2018-09-25 北京嘀嘀无限科技发展有限公司 一种提示信息确定方法、系统及计算机可读存储介质
US11592833B2 (en) 2018-05-04 2023-02-28 Direct Current Capital LLC Method for updating a localization map for a fleet of autonomous vehicles
US11169528B2 (en) 2018-05-11 2021-11-09 Uatc, Llc Initial trajectory generator for motion planning system of autonomous vehicles
US10989562B2 (en) * 2018-07-12 2021-04-27 Toyota Research Institute, Inc. Systems and methods for annotating maps to improve sensor calibration
US10915914B2 (en) * 2018-08-21 2021-02-09 Here Global B.V. Method, apparatus, and computer program product for incentivizing travel along road segments
CN109447356B (zh) 2018-11-02 2021-09-10 郑州大学 基于价格收益与社会感知个性化动态车辆合乘方法及系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230146434A (ko) * 2022-04-12 2023-10-19 (주)에스유엠 자율주행 차량의 운행 경로 노드 별 경로생성 시스템

Also Published As

Publication number Publication date
US20210207968A1 (en) 2021-07-08
GB202100100D0 (en) 2021-02-17
GB2594126A (en) 2021-10-20
CN113074743A (zh) 2021-07-06
DE102020135094A1 (de) 2021-07-08
US11898859B2 (en) 2024-02-13

Similar Documents

Publication Publication Date Title
KR102537412B1 (ko) Radar를 사용한 확장 대상체 추적
CN111121776B (zh) 用于对运载工具进行导航的最佳轨迹的生成
KR102506647B1 (ko) 조향각 캘리브레이션
KR102544948B1 (ko) 모션 그래프 구성 및 차선 레벨 루트 계획
KR102594120B1 (ko) 자율 주행 차량에 대한 제어 아키텍처
KR102505300B1 (ko) 복수의 모션 제약을 사용하는 차량의 동작
KR102569135B1 (ko) 선형 시간 논리를 사용한 자율 주행 차량 동작
KR20210089098A (ko) 맵 데이터 업데이트 시스템 및 방법
KR102410182B1 (ko) 환경의 미리 정의된 특징부에 기초한 로컬화
KR102518680B1 (ko) 속력 프로파일 추정
KR102580097B1 (ko) 교정 정보를 사용한 av 경로 계획
KR102549258B1 (ko) 이미지 시맨틱스 네트워크로부터의 단안 3d 대상체 검출
KR102550730B1 (ko) 도로 표면 조건 기반 의사 결정 및 예측
GB2598410A (en) Conditional motion predictions
CN115328110A (zh) 用于自主运载工具的系统和方法以及存储介质
KR20230035020A (ko) 도로 특징부에 대한 폐색 표현을 구현하기 위한 시스템 및 방법
EP3648021A1 (en) Generation of optimal trajectories for navigation of vehicles
KR20220144296A (ko) 인지된 위험에 기초하여 자율 주행 차량을 운행하기 위한 기술
US20220258761A1 (en) Controlling an autonomous vehicle using variable time periods

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E90F Notification of reason for final refusal
E601 Decision to refuse application