KR20220116319A

KR20220116319A - 지능형 차량 제어 방법, 장치 및 제어 시스템

Info

Publication number: KR20220116319A
Application number: KR1020227026201A
Authority: KR
Inventors: 빈 시
Original assignee: 후아웨이 테크놀러지 컴퍼니 리미티드
Priority date: 2019-12-28
Filing date: 2020-10-31
Publication date: 2022-08-22
Also published as: EP4074566A4; CN114901536A; US20220324449A1; CA3163160A1; CN113044037A; EP4074566A1; JP2023508486A; WO2021129156A1

Abstract

본 출원은 지능형 차량 제어 방법을 개시한다. ㅅ지능형 차량 제어 시스템은 현재 시각의 지능형 차량의 주행 모드, 주행 스타일 모델 및 타깃 속도를 획득하고, 상기 주행 모드 및 상기 주행 스타일 모델에 기초하여 속도 제어 명령을 결정하고, 상기 속도 제어 명령을 상기 지능형 차량의 실행 시스템에 전송한다. 이는 높은 편안함과 좋은 경험을 갖춘 지능형 차량 제어 방법을 제공한다.

Description

지능형 차량 제어 방법, 장치 및 제어 시스템

본 출원은 지능형 차량 분야에 관한 것으로, 특히 지능형 차량 제어 방법, 장치 및 시스템에 관한 것이다.

인공지능(Artificial Intelligence, AI) 기술의 발전과 자동차 분야에서의 응용에 따라, 자율주행(automated driving) 기능을 갖는 지능형 차량(intelligent vehicle)에 대한 관심이 높아지고 있다. 지능형 차량의 제어 모듈은 지능형 차량의 이동을 제어하는 데 사용된다. 제어 모듈은 이동 경로(traveling track)와 속도를 결정해야 한다. 이동 경로는 운전자에 의해 설정되는 목적지에 따라 달라지며, 속도는 일반적으로 기존의 오차 피드백 방법을 사용하여 결정된다. 지능형 차량이 예상 속도에 도달할 수 있도록, 제어 모듈은 비례-적분-미분(proportional-integral-derivative, PID) 방법을 사용하여 오차를 조정하고 제어 알고리즘과 이전 시각의 액셀러레이터 및 브레이크 값에 따라 현재 액셀러레이터 제어량과 현재 브레이크 제어량을 결정한다. 그러나 지능형 차량이 이동하는 도로 구간의 도로 상황은 복잡하고 다양하기 때문에, 지능형 차량은 장애물을 피하기 위해 다른 차량의 이동 상황과 도로 인프라 조건을 고려해야 하므로, 지능형 차량은 항상 변화하는 속도로 이동한다. 제어 모듈의 경우, 현재 속도와 타깃 속도 간의 오차가 클수록 조정 범위가 커진다. 지능형 차량의 자율주행 중에는 제어 모듈이 액셀러레이터와 브레이크 사이를 자주 전환한다. 전술한 오차 피드백 방법은 차량에 탑승한 사람의 편안함을 고려하지 않고 경험이 비교적 부족하다. 따라서 높은 편안함과 좋은 경험을 가진 지능형 차량 제어 방법을 제공하는 방법은 해결해야 할 시급한 기술 문제가 된다.

본 출원은 지능형 차량의 편안함과 운전 경험을 향상시키기 위한 지능형 차량 제어 방법을 제공한다.

제1 측면에 따르면, 지능형 차량 제어 방법이 제공된다. 차량 제어 시스템은 먼저 현재 시각의 지능형 차량의 주행 모드, 주행 스타일 모델 및 타깃 속도를 획득하고, 그런 다음 상기 주행 스타일 모델 및 상기 주행 모드에 기초하여 속도 제어 명령을 결정하고, 상기 속도 제어 명령을 상기 지능형 차량의 차량 실행 시스템에 전송한다. 전술한 방법에 따르면, 운전자가 선택한 주행 스타일 모델을 참조하여 지능형 차량의 이동을 제어할 수 있다. 이는 운전자의 운전 경험과 운전자가 지능형 차량을 운전할 때의 편안함을 향상시킨다.

가능한 구현에서, 상기 속도 제어 명령은 액셀러레이터 개방도(accelerator opening degree) 및 브레이크 값(brake value)을 포함한다. 액셀러레이터 개방도와 브레이크 값은 지능형 차량의 이동을 제어하는 데 있어 중요 인자이다. 지능형 차량을 수동으로 운전할 때 운전자마다 운전 습관이 다르다. 예를 들어, 화석연료로 움직이는 차량에서 운전자들은 액셀러레이터 페달과 브레이크 페달을 다르게 제어하거나, 전기 차량에서 운전자들은 차량 가속과 제동 시스템을 다르게 제어한다. 상기 액셀러레이터 개방도는 상기 지능형 차량에서 차량 가속도를 제어하는 데 사용되는 파라미터이고, 상기 브레이크 값은 상기 지능형 차량에서 차량 제동을 제어하는 데 사용되는 파라미터이다. 전술한 방법에 따르면, 속도 제어 명령은 액셀러레이터 개방도를 포함하고 액셀러레이터 개방도는 운전자에 의해 선택되는 주행 스타일 모델을 사용하여 결정되므로, 운전자에 의해 선택되는 주행 스타일 모델에 기초하여 지능형 차량이 이동(주행)하도록 제어한다. 이는 운전자가 지능형 차량을 운전할 때의 편안함을 향상시킨다.

다른 가능한 구현에서, 상기 차량 제어 시스템은 의사결정 제어기(decision-making controller) 및 자율주행 제어기(automated driving controller)를 포함한다. 상기 의사결정 제어기는 현재 시각의 도로 상황 정보에 기초하여 이동 경로(traveling track) 및 상기 타깃 속도를 결정한다. 상기 도로 상황 정보는 지도 시스템, 측위 기기(positioning device) 및 상기 지능형 차량의 융합 시스템에 의해 제공되는 하나 이상의 정보를 포함한다. 상기 자율주행 제어기는 운전자에 의해 선택되는 주행 모드 및 주행 스타일 모델을 획득하고, 추가로 상기 주행 스타일 모델, 상기 주행 모드, 및 상기 도로 상황 정보에 기초하여 상기 속도 제어 명령을 결정한다.

다른 가능한 구현에서, 상기 지능형 차량의 주행모드는 수동주행 모드와 자율주행 모드를 포함한다. 상기 자율주행 모드에서, 운전자는 상기 지능형 차량을 통해 주행 스타일 모델을 선택할 수 있다. 상기 지능형 차량은 주행 스타일 모델 라이브러리를 포함하고, 상기 주행 스타일 모델 라이브러리는 복수의 미리 설정된 주행 스타일 모델의 세트를 포함하고, 각각의 주행 스타일 모델은 서로 다른 액셀러레이터 개방도와 브레이크 값을 포함한다. 액셀러레이터 개방도와 브레이크 값은 다양한 운전자의 운전 습관을 나타내는 데 사용된다. 지능형 차량의 이동 과정에서, 상이한 주행 스타일 모델에서 액셀러레이터 개방도 및 브레이크 값에 기초하여 지능형 차량이 이동하도록 제어하는 것은 운전자가 선호도에 기초하여 운전자에 의해 선택되는 주행 스타일로 이동하도록 지능형 차량을 제어하는 것을 시뮬레이션한다. 이는 운전자의 운전 습관에 보다 잘 매칭되는 운전 동작을 구현한다.

다른 가능한 구현에서, 상기 지능형 차량의 주행 모드가 수동주행 모드인 경우, 상기 차량 제어 시스템은 미리 설정된 기간 내에 상기 지능형 차량의 운전자의 주행 데이터를 수집하고; 기계 학습 알고리즘을 사용하여 상기 주행 데이터에 기초한, 상기 운전자의 운전 습관에 매칭되는 맞춤형(customized) 주행 스타일 모델을 획득하고- 상기 맞춤형 주행 스타일 모델은 상기 운전자의 운전 습관에 매칭되는 액셀러레이터 개방도 및 브레이크 값을 포함함 -; 그런 다음 상기 맞춤형 주행 스타일 모델을 상기 지능형 차량에 저장된 상기 주행 스타일 모델 라이브러리에 추가할 수 있다. 본 출원에서는 지능형 차량에 미리 설정된 주행 스타일 모델 라이브러리를 이용하는 것 외에, 수동주행 모드에서 운전자의 운전 데이터를 수집하고, 주행 데이터에 기초한 훈련을 통해 운전자의 현재 운전 습관과 매칭되는 주행 스타일 모델을 획득할 수 있도록 한다. 지능형 차량이 자율주행 모드로 전환되면, 운전자는 맞춤형 주행 스타일 모델을 선택할 수 있으며, 지능형 차량은 맞춤형 주행 스타일 모델의 액셀러레이터 개방도 및 브레이크 값에 기초하여 운전자의 현재 운전 습관을 시뮬레이션하여 지능형 차량을 이동하도록 제어한다. 이는 운전자의 운전 경험을 향상시킨다.

다른 가능한 구현에서, 상기 자율주행 제어기는 현재 시각의 상기 지능형 차량의 실제 속도와 상기 타깃 속도 간의 오차를 계산하고; 상기 오차에 기초하여 가속도를 결정하고 - 상기 가속도는 현재 시각의 상기 실제 속도에서 단위 시간 내에 상기 타깃 속도까지의 상기 지능형 차량의 속도 변화량을 지시하는 데 사용됨 -; 비례-적분-미분 알고리즘(proportional-integral-derivative algorithm)에 따라 제1 액셀러레이터 개방도 및 제1 브레이크 값을 결정하고; 상기 운전자에 의해 선택되는 주행 스타일 모델에 기초하여 제2 액셀러레이터 개방도 및 제2 브레이크 값을 결정하고; 상기 제1 액셀러레이터 개방도, 제1 가중치, 상기 제2 액셀러레이터 개방도 및 제2 가중치에 기초하여 계산을 통해 제3 액셀러레이터 개방도를 획득하고, 상기 제1 브레이크 값, 제3 가중치, 상기 제2 브레이크 값 및 제4 가중치에 기초하여 계산을 통해 제3 브레이크 값을 획득한다. 상기 제1 가중치 및 상기 제2 가중치는 액셀러레이터 개방도 가중치이고, 상기 제1 가중치와 상기 제2 가중치의 합은 1이며, 상기 제3 가중치 및 상기 제4 가중치는 브레이크 값 가중치이고, 상기 제3 가중치와 상기 제5 가중치의 합은 1이다. 상기 제3 액셀러레이터 개방도 및 상기 제3 브레이크 값을 포함하는 상기 속도 제어 명령이 상기 차량 실행 시스템에 전송된다.

다른 가능한 구현에서, 인간-컴퓨터 상호작용 제어기를 통해 운전자에게 상기 지능형 차량의 주행 스타일 모델 라이브러리가 제공된다. 상기 운전자는 음성, 텍스트 또는 버튼과 같은 인간-컴퓨터 상호작용의 형태로 상기 주행 스타일 모델 라이브러리에서 주행 스타일 모델을 선택할 수 있다. 상기 운전자에 의해 선택되고 상기 인간-컴퓨터 상호작용 제어기에 의해 전송되는 주행 스타일 모델이 수신된다.

운전자는 인간-컴퓨터 상호작용 제어기를 통해 지능형 차량과 음성, 문자 등의 형태로 메시지를 교환하여 지능형 차량의 이동 상황을 학습하고 또한 지능형 차량의 이동 프로세스를 전혀 모르는 상태에서 자율주행 프로세스를 경험하는 대신, 지능형 차량의 이동 프로세스를 제어할 수 있다.

이는 운전자의 운전 경험을 향상시킨다. 또한, 긴급 상황 시, 운전자는 지능형 차량의 제어기에 완전히 의존하지 대신, 인간-컴퓨터 상호작용 제어기에 의해 제공되는 음성 등의 상호작용 인터페이스의 형태로 이동하도록 지능형 차량을 제어할 수도 있다. 이는 지능형 차량의 이동 프로세스의 안전성을 더욱 향상시킨다.

제2 측면에 따르면, 본 출원은 지능형 차량 제어 장치를 제공한다. 상기 지능형 차량 제어 장치는 제1 측면 및 제1 측면의 가능한 구현들 중 어느 하나에 따른 지능형 차량 제어 방법을 수행하도록 구성된 모듈을 포함한다.

제3 측면에 따르면, 본 출원은 지능형 차량 제어 시스템을 제공한다. 상기 지능형 차량 제어 시스템은 의사결정 제어기와 자율주행 제어기를 포함한다. 상기 의사결정 제어기와 상기 자율주행 제어기는 제1 측면 및 제1 측면의 가능한 구현들 중 어느 하나에 따라 각각의 실행 주체에 의해 수행되는 상기 지능형 차량 제어 방법의 동작 단계를 수행하도록 구성된다.

제4 측면에 따르면, 본 출원은 지능형 차량 제어 시스템을 제공한다. 상기 지능형 차량 제어 시스템은 프로세서, 메모리, 통신 인터페이스 및 버스를 포함한다. 상기 프로세서, 상기 메모리 및 상기 통신 인터페이스는 상기 버스를 통해 서로 연결되고 통신한다. 상기 메모리는 컴퓨터로 실행 가능한 명령어를 저장하도록 구성된다. 상기 지능형 차량 제어 시스템이 실행될 때, 상기 프로세서는 상기 메모리에 있는, 컴퓨터로 실행 가능 명령어를 실행하여 상기 지능형 차량 제어 시스템의 하드웨어 자원을 사용하여 제1 측면 및 제1 측면의 가능한 구현들 중 어느 하나에 따른 지능형 차량 제어 방법의 동작 단계들을 수행한다.

제5 측면에 따르면, 본 출원은 지능형 차량을 제공한다. 상기 지능형 차량은 제어 시스템을 포함하고, 상기 제어 시스템은 제4 측면 및 제4 측면의 가능한 구현들 중 어느 하나에 따른 지능형 차량 제어 시스템에 의해 구현되는 기능을 수행하도록 구성된다.

제6 측면에 따르면, 본 출원은 컴퓨터로 판독 가능한 저장 매체를 제공한다. 상기 컴퓨터로 판독 가능한 저장 매체는 명령어를 저장한다. 상기 명령어가 컴퓨터에서 실행될 때, 상기 컴퓨터는 전술한 측면에서의 방법을 수행할 수 있다.

제7 측면에 따르면, 본 출원은 명령어를 포함하는 컴퓨터 프로그램 제품을 제공한다. 상기 컴퓨터 프로그램 제품이 컴퓨터에서 실행될 때, 상기 컴퓨터는 전술한 측면에 따른 방법을 수행할 수 있다.

전술한 측면들에서 제공된 구현들에 기초하여, 본 출원은 추가의 조합을 통해 더 많은 구현을 제공할 수 있다.

도 1은 본 출원에 따른 지능형 차량의 논리적 아키텍처의 개략도이다.
도 2a 및 도 2b는 본 출원에 따른 지능형 차량 제어 방법의 개략적인 흐름도이다.
도 3은 본 출원에 따른 자율주행 모드에서 지능형 차량을 제어하기 위한 방법의 개략적인 흐름도이다.
도 4는 본 출원에 따른 지능형 차량의 인간-컴퓨터 상호작용 시스템의 개략도이다.
도 5는 본 출원에 따른 지능형 차량 제어 장치의 구성의 개략도이다.
도 6은 본 출원에 따른 지능형 차량 제어 시스템의 구성의 개략도이다.

이하에서는 본 출원의 실시예에서 첨부 도면을 참조하여 본 출원의 기술적 방안을 명확하게 설명한다.

먼저, 도 1은 본 출원에 따른 지능형 차량(100)의 논리적 아키텍처의 개략도이다. 도면에 도시된 바와 같이, 지능형 차량(100)은 인간-컴퓨터 상호작용 제어기(10), 주행 모드 선택기(20), 차량 제어 시스템(30), 차량 실행 시스템(40), 측위 기기(50), 감지 시스템(60) 및 지도 시스템(70)을 포함한다.

인간-컴퓨터 상호작용 제어기(10)는 지능형 차량과 운전자 사이의 메시지 교환을 구현하도록 구성된다. 운전자는 인간-컴퓨터 상호작용 제어기(10)를 통해 지능형 차량의 주행 모드 및 주행 스타일 모델을 선택할 수 있다. 인간-컴퓨터 상호작용 제어기(10)는 운전자와 음성, 문자 등의 형태로 메시지를 교환할 수 있거나, 다른 형태, 예를 들어, 좌석 진동이나 차내 지시기 깜박임을 통해 운전자와 메시지를 교환할 수 있다.

주행 모드 선택기(20)는 인간-컴퓨터 상호작용 제어기(10)를 사용하여 운전자에 의해 입력되는 정보를 차량 제어 시스템(30)에 전달하도록 구성되며, 그러면 차량 제어 시스템(30)은 운전자에 의해 선택되는 주행 스타일 모델에 기초하여 지능형 차량이 이동하도록 제어한다. 이 경우, 차량 제어 시스템(30)은 차량 실행 시스템(40)을 통해 지능형 차량을 제어한다. 차량 실행 시스템(40)은 제동 시스템, 조향 시스템, 구동 시스템 또는 조명 시스템과 같은, 차량 본체의 이동을 제어하는 기기 또는 서브시스템을 포함하지만 이에 한정되지 않는다.

차량 제어 시스템(30)은 수동주행 제어기(301), 의사결정 제어기(302) 및 자율주행 제어기(303)를 더 포함한다. 수동주행 제어기(301)는, 사용자 주행 데이터를 획득 및 저장하고; 신경망 모델을 사용하여 수집된 데이터를 훈련하여 훈련 데이터의 주행 스타일 모델을 획득하도록 구성된다. 수동주행 제어기(301)는 획득된 사용자 주행 데이터를 수동주행 제어기의 메모리에 저장할 수 있거나, 지능형 차량의 다른 저장 기기에 사용자 데이터를 저장할 수 있다. 의사결정 제어기(302)는 글로벌 경로 계획, 행동 계획 및 조작 계획을 포함하지만 이에 한정되지 않는 의사결정 및 경로 계획을 지능형 차량에 제공하도록 구성된 서브시스템이다. 자율주행 제어기(303)는 의사결정 제어기(302)에 의해 계획되는 지능형 차량의 이동 경로와 속도 및 운전자에 의해 선택되는 주행 스타일 모델에 기초하여 지능형 차량이 이동을 제어하도록 구성된다.

가능한 구현에서, 차량 제어 시스템(30)은 하나의 프로세서 또는 하나의 프로세서 그룹을 포함할 수 있다. 수동주행 제어기(301), 의사결정 제어기(302) 및 자율주행 제어기(303)의 기능은 하나 이상의 프로세서에 의해 구현되거나, 수동주행 제어기(301), 의사결정 제어기(302) 및 자율주행 제어기(303)의 기능들은 하나의 프로세서 그룹에 의해 구현된다. 선택적으로, 수동주행 제어기(301), 의사결정 제어기(302), 자율주행 제어기(303)의 기능은 하드웨어 외에, 소프트웨어 또는 소프트웨어와 하드웨어의 조합으로 구현될 수 있다.

측위 기기(50)는 글로벌 측위 시스템(global positioning system, GPS) 또는 관성 내비게이션 시스템(inertial navigation system, INS)과 같은, 차량 위치를 결정하도록 구성된 기기 또는 서브시스템을 포함한다.

융합 시스템(60)은 타깃 객체를 획득하도록 지능형 차량의 감지 기기(601)에 융합 기능, 연관 기능 및 예측 기능을 제공하도록 구성되어, 지능형 차량의 서브시스템 각각에 사람, 차량 또는 도로블록과 같은 물리 객체의 위치, 크기, 자세 및 속도를 포함하지만 이에 한정되지 않는 정확한 정적 및/또는 동적 장해물 정보를 제공한다. 감지 기기(601)는 지능형 차량에 타깃 검출 및 분류를 제공하도록 구성되며, 레이더, 센서 및 카메라와 같은 감지 기기 중 하나 이상을 포함한다.

선택적으로, 지능형 차량(100)은 지도 파일을 저장하도록 구성된 메모리(70)를 더 포함할 수 있다. 차량 제어기(30)는 메모리(70)로부터 지도 파일을 획득하고, 실시간 도로 상황 정보를 참조하여 지능형 차량의 이동 경로를 제어할 수 있다.

본 출원에서의 지능형 차량은 지능형 운전 기능을 지원하는 차량을 포함하며, 화석 연료를 동력으로 하는 화석 연료 동력 차량(fossil fuel-powered vehicle), 전기 차량, 또는 다른 신형 에너지 차량일 수 있음을 주목해야 한다. 도 1에 도시된 지능형 차량의 논리 아키텍처는 본 출원에서 제공되는 지능형 차량의 예시일 뿐이며, 지능형 차량의 구성은 본 출원에서 보호되어야 할 기술적 방안에 대한 한정사항을 구성하지 않는다. 또한, 도 1에 도시된 기기 또는 시스템은 소프트웨어나 하드웨어를 사용하여 구현될 수 있다. 이는 본 출원에서 한정되지 않는다.

다음은 도 1을 참조하여 본 출원에서 제공되는 지능형 차량 제어 방법을 추가로 설명한다. 도 2a 및 도 2b. 2B. 그림과 같이 방법은 다음과 같은 단계를 포함한다.

S201: 운전자에 의해 선택되는 주행 모드를 획득한다.

지능형 차량은 도 1에 도시된 인간-컴퓨터 상호작용 제어기(10)를 통해 운전자의 명령을 수신할 수 있다. 예를 들어, 도 3은 인간-컴퓨터 상호작용 인터페이스의 개략도이다. 도면에 도시된 바와 같이, 운전자는 주행 모드 선택 인터페이스(10)를 통해 수동주행 모드(101) 또는 자율주행 모드(102)를 선택할 수 있다. 인터페이스는 서로 다른 모드를 식별할 수 있는 색상 및/또는 패턴과 같은, 식별자를 사용하여 서로 다른 모드를 지시할 수 있다.

선택적으로, 전술한 인터페이스 버튼 프롬프트(interface button prompt)에 더해, 인간-컴퓨터 상호작용 제어기는 또한 음성 프롬프트를 제공할 수 있고, 운전자가 음성을 사용함하여 명령을 입력할 수 있도록 하여, 사용자가 주행 모드를 편리하게 선택할 수 있도록 한다. 음성 선택 시에, 운전자는 먼저 실제 요구사항에 따라 음성 형태의 주행 모드를 선택할 수 있다.

운전자가 자율주행 모드를 선택하는 경우, 인간-컴퓨터 상호작용 시스템은 추가로 운전자가 선택해야 하는 주행 스타일을 음성 또는 인터페이스의 형태로 프롬프트할 수 있다. 또한, 인간-컴퓨터 상호작용 시스템은 각각의 주행 스타일에 대한 간략한 설명을 제공할 수 있다. 구체적으로, 인간-컴퓨터 상호작용 시스템은 인터페이스 또는 음성의 형태로 각각의 주행 스타일 모델의 특징을 운전자에게 알려주어, 운전자가 운전자에게 필요한 주행 스타일을 더 잘 선택할 수 있도록 한다. 예를 들어, 도 3은 주행 스타일 모델 선택 인터페이스(30)의 개략도를 제공한다. 도면에 도시된 바와 같이, 지능형 차량은 세 가지 주행 스타일 모델, 즉 주행 스타일 모델(301), 주행 스타일 모델(302) 및 맞춤형 주행 스타일 모델(303)을 포함한다. 또한, 인간-컴퓨터 상호작용 제어기는 시각화된 인터페이스를 통해 지능형 차량과 지능형 차량 내 운전자 간의 상호작용에 관한 정보를 제공할 수 있다. 예를 들어, 인간-컴퓨터 상호작용 인터페이스는 앞유리(windshield)에 표시될 수 있거나, 백미러(a rearview mirror) 또는 차량에 탑재된 다른 기기 또는 인터페이스에 표시될 수 있다. 이는 운전자와 지능형 차량 시스템 간의 상호작용을 용이하게 한다. 지능형 차량이 운전자의 명령을 받은 후, 주행 모드 선택기(20)는 운전자에 의해 선택된 주행 모드를 획득하고, 또한 지능형 차량의 이동 경로 및 속도를 계획한다.

S202: 주행 모드가 자율주행 모드인지를 판정한다.

차량 제어 시스템은 운전자에 의해 선택된 주행 모드가 자율주행 모드인지를 판정해야 하고; 주행 모드가 자율주행 모드이면, 단계 S203을 수행한다. 또는 주행 모드가 수동주행 모드이면, 단계 S213을 수행한다.

S203: 주행 모드가 자율주행 모드인 경우, 운전자에 의해 선택되는 주행 스타일 모델을 획득한다.

주행 모드가 자율주행인 경우, 운전자는 인간-컴퓨터 인터랙션 인터페이스를 통해 주행 스타일을 추가로 선택할 수 있다. 각각의 주행 스타일은 하나의 주행 스타일 모델에 대응한다. 예를 들어, 도 3에 도시된 주행 스타일 선택 프롬프트(30)의 경우, 인터페이스는 주행 스타일 모델(301), 주행 스타일 모델(302) 및 맞춤형 주행 스타일 모델(303)을 포함한다. 운전자가 주행 스타일 모델을 결정한 후, 선택된 결과(예를 들어, 주행 스타일 모델의 식별자)는 인간-컴퓨터 상호작용 제어기 및 주행 모드 선택기를 통해 차량 제어기로 전달되고, 자율주행 제어기는 운전자에 의해 선택된 주행 스타일에 기초하여 지능형 차량이 목적지까지 이동하도록 제어한다.

지능형 차량에는 적어도 하나의 주행 스타일 모델이 존재한다. 주행 스타일 모델은 다음 중 하나 이상의 방식으로 획득될 수 있다:

방식 1: 지능형 차량에 주행 스타일 모델이 미리 설정되어 있다.

지능형 차량에 주행 스타일 모델 라이브러리가 미리 설정되어 있고, 주행 스타일 모델 라이브러리는 적어도 하나의 주행 스타일 모델을 포함한다. 각각의 주행 스타일 모델은 지능형 차량의 제조 과정에서 미리 설정될 수 있다. 구체적으로, 복수의 미리 설정된 운전자 유형의 주행 데이터를 원본 데이터(또는 주행 데이터라고 함)로 사용할 수 있으며, 각각의 유형의 운전자의 운전 습관에 매칭되는 주행 스타일 모델을 획득하도록, 원본 데이터는 기계 학습 알고리즘을 사용하여 학습된다.

구체적으로, 신경망 모델을 사용하여 원본 데이터를 훈련함으로써 주행 스타일 모델을 획득할 수 있다. 구현 시에, 서비스 요구사항에 따라 임의의 신경망 모델을 선택하여 원본 데이터를 훈련함으로써 주행 스타일 모델을 획득할 수 있다. 예를 들어, 주행 데이터는 3가지 계층의 뉴런이 있는 신경망 모델을 사용하여 훈련된다. 신경망 모델은 주로 세 가지 계층, 즉 입력 계층, 은닉 계층(hidden layer), 출력 계층을 포함한다. 입력 계층은 주행 데이터의 일부 특징을 추출하는 데 사용되며, 은닉 계층은 입력 계층에서 추출한 특징 이외의 다른 특징을 주행 데이터에서 추출하는 데 사용되고, 출력 계층은 입력 계층과 은닉 계층에 의해 추출된 특징을 처리하여 최종 결과를 출력하는 데 사용된다. 선택적으로, 은닉 계층은 입력 계층에 의해 추출된 특징에 기초하여 필요한 것을 더 추출하고, 입력 계층에 의해 추출된 특징 이외의 특징을 추출할 수 있다. 선택적으로, 신경망 모델에 의해 획득된 주행 스타일 모델이 운전자의 실제 주행 데이터에 더 가깝도록 하기 위해, 역 전파(back propagation, BP) 원리를 사용하여 훈련 결과를 수정할 수 있다. 구체적으로, 신경망 모델에 의해 획득되는 출력 결과를 실제 데이터와 비교하고, 각 계층의 뉴런의 가중치를 추가로 조정하여, 신경망 모델 훈련을 통해 획득된 결과가 실제 데이터에 더 가깝도록 한다. 신경망 모델의 각 계층에 있는 뉴런의 수는 특정 서비스 요구사항에 따라 설정될 수 있다.

주행 스타일 모델 훈련 시에, 역 타깃 속도, 현재 속도, 가속도가 전파 신경망 모델의 입력 값으로 사용되고, 액셀러레이터 개방도 및 브레이크 값이 신경망 모델의 출력값이다. 액셀러레이터 개방도는 지능형 차량에서 차량 가속도를 제어하기 위해 사용되는 파라미터로, 액셀러레이터 개방도가 클수록 가속도가 크다는 것을 의미한다. 예를 들어, 화석 연료 동력 자동차에서, 엔진은 에어 스로틀 개방도(air throttle opening degree)에 따라 연료 분사량을 제어하여 차량 가속도를 제어한다. 액셀러레이터 개방도는 에어 스로틀 개방도이다. 구현 시에, 액셀러레이터 개방도는 운전자가 액셀러레이터 페달을 통해 에어 스로틀 개방도를 제어하는 것을 의미한다. 또는, 가속페달 개방도는 운전자가 액셀러레이터 페달을 밟고 액셀러레이터 페달에 압력을 가할 때 액셀러레이터 페달과 수평면이 이루는 각도와 유사한 액셀러레이터 페달 개방도로 이해될 수 있다. 또는 액셀러레이터 개방도는 단순히 운전자가 액셀러레이터 페달을 밟는 깊이로 이해된다. 전기 차량에서, 액셀러레이터 개방도는 액셀러레이터 제어 장치(예를 들어, 전기 가속 버튼)를 통해 차량의 가속도를 제어하기 위해 사용되는 파라미터이다. 브레이크 값은 지능형 차량에서 차량 제동을 제어하기 위해 사용되는 파라미터로, 브레이크 값이 클수록 제동 토크가 크다는 것을 의미한다. 예를 들어, 화석 연료 동력 자동차에서, 브레이크 값은 운전자가 압력으로 브레이크 페달을 밟으면 압력이 증폭되어 진공 부스터를 통해 전달되고; 증폭된 힘은 브레이크 마스터 실린더를 밀어 브레이크 액(brake fluid)을 가압하고; 브레이크 액이 브레이크 콤비네이션 밸브를 통해 전륜 브레이크 및 후륜 브레이크에 분배되고 동시에 브레이크 경고등이 점등되고, 전륜 브레이크 및 후륜 브레이크를 제어하여, 차량을 제동한다. 전기 차량에서 브레이크 값은 브레이크 제어 장치를 통해 차량의 제동을 제어하기 위해 사용되는 파라미터이다.

본 출원에서 주행 스타일 모델을 획득하는 프로세스는 예를 참조하여 아래에서 더 설명된다. 먼저, 운전자의 실제 주행 데이터로부터 시각 t에서의 속도

, 액셀러레이터 페달 위치(pedal position, PP)

, 브레이크 페달 위치(brake position, BP)

, 시각

에서의 속도

를 추출한다. 지능형 차량의 이동 중에 속도를 획득하는 과정에서 지연이 있을 수 있으므로, 지능형 차량의 실제 출력은 k 초의 지연을 갖는다. 예를 들어, k의 값은 일반적으로 1∼2초이다. 여기서,

,

, 및

는 신경망 모델의 입력으로 사용되며, 신경망 모델의 각 계층에서 뉴런 훈련 후에 획득되는 시각

에서의 속도는

이다. 이 경우 신경망 모델 훈련을 통해 획득된 속도와 실제 속도의 차이는

이다. 그런 다음, 역 전파 원리를 사용하여 차이를 추가로 수정하여, 신경망 훈련 모델에 의해 획득되는 데이터가 실제 값에 더 가깝도록 한다. 마지막으로, 신경망 모델을 기반으로 훈련된 주행 스타일 모델이 획득된다. 운전자의 주행 데이터를 지속적으로 훈련함으로써, 주행 스타일 모델의 정확도가 향상되고 최종적으로 신경망 모델에 의해 획득되는 데이터가 운전자의 실제 주행 데이터에 더 가깝다.

선택적으로, 주행 스타일 모델 훈련은 지속적이고 반복적이다. 지속적인 훈련을 통해, 최종적으로 획득된 주행 스타일 모델은 운전자의 실제 주행 데이터에 더 가깝다. 구현 시에, 반복 횟수는 미리 설정된 조건에 따라 결정될 수 있다. 예를 들어, 신경망 모델 훈련을 통해 획득된 속도와 실제 속도의 차이가 미리 설정된 값보다 작은 경우, 신경망 모델 훈련은 중지된다. 대안적으로, 훈련 결과와 실제 결과의 차이가 미리 설정된 오차 범위 내에 있는 경우, 모델 훈련이 완료된다.

신경망 모델 훈련은 블랙박스 프로세스로 이해될 수 있으며, 구체적으로 복수의 주행 데이터 그룹이 모델 입력으로 사용되고 최종적으로 획득되는 모델이 운전자의 실제 조작에 더 가깝게 만들기 위해 계산 처리는 각각의 반복 프로세스에서 각 계층에서의 뉴런에서 수행된다는 것에 유의해야 한다. 구현 시에, 입력 계층, 은닉 계층 및 출력 계층의 뉴런 수량은 특정 요구사항에 따라 설정될 수 있다. 신경망 모델은 본 출원에서 한정되지 않는다. 구현 시에, 서비스 요구사항에 따라 신경망 모델을 선택할 수 있다. 또한, 신경망 모델의 각 계층에서 뉴런을 처리하는 프로세스와 결과 보정 프로세서는 본 출원에서 한정되지 않는다.

예를 들어, 운전자 A의 주행 데이터와 운전자 B의 주행 데이터는 경험 라이브러리에서 샘플 데이터로 사용된다. 두 명의 운전자가 지능형 차량을 운전할 때 생성된 주행 데이터를 수집하고, 주행 데이터를 기계 학습 알고리즘의 입력으로 사용하며, 기계 학습 알고리즘 훈련을 통해 서로 다른 주행 스타일 모델을 획득하여 미리 설정된 주행 스타일 모델로 사용한다. 이 경우, 경험 라이브러리는 두 명의 다른 운전자 스타일 모델이 포함된다. 운전자 A가 빨리 운전하는 것을 좋아한다면 운전자 A의 주행 데이터를 훈련하여 획득된 주행 스타일 모델에서 운전자의 선호도가 고려되고, 액셀러레이터와 브레이크 사이를 전환하는 조작이 더 많다. 운전자 B가 원활하게 주행하면, 운전자 B의 주행 데이터를 훈련하여 획득된 주행 스타일 모델에서 긴급 제동 및 빈번한 가속은 거의 발생하지 않는다.

방식 2: 지능형 차량이 운전자의 현재 주행 데이터에 기초하여 훈련을 통해 주행 스타일 모델을 획득한다.

대안적으로, 운전자는 운전자의 운전 습관에 기초하여 수집된 주행 데이터를 훈련하여 획득된 맞춤형 주행 스타일 모델을 선택할 수 있다. 구체적인 훈련 프로세스에 대해서는 방식 1의 미리 설정된 주행 스타일 모델을 훈련하는 프로세스를 참조한다. 이는 본 출원에서 한정되지 않는다.

S204: 의사결정 제어기가 현재 도로 상황 정보에 기초하여 타깃 속도 및 경로 제어 명령을 결정한다.

지능형 차량이 자율주행 모드인 경우, 의사결정 제어기는 융합 시스템으로부터 장애물 정보(장애물의 유형, 높이, 속도 등을 포함하나 이에 한정되지 않음)를 획득할 수 있고, 지도 시스템 및 측위 기기로부터 지능형 차량의 위치 정보를 획득할 수 있다. 그런 다음, 차량 제어 시스템의 의사결정 제어기는 전역(global) 및/또는 국부(local) 경로 계획을 수행하고, 지능형 차량이 목적지에 도달하기 위한 이동 경로의 전체 또는 일부를 출력한다. 그런 다음, 의사결정 제어기는 지능형 차량이 목적지에 도달하기 위한 이동 경로의 전부 또는 일부를 자율주행 제어기에 전송하고, S205 단계의 동작을 수행한다.

선택적으로, 의사 결정 제어기는 융합 시스템, 지도 시스템 및 측위 기기 중 적어도 하나에 의해 제공되는 정보만을 획득할 수 있으며, 측위 기기는 전술한 정보에 기초하여 전역 및/또는 국부 경로 계획을 수행하고, 지능형 차량이 목적지에 도착하기 위한 이동 경로의 전부 또는 일부를 출력할 수 있다.

S205: 운전자에 의해 선택된 주행 스타일 모델과 타깃 속도에 기초하여 속도 제어 명령을 결정한다.

종래의 주행 스타일 모델 및 타깃 속도 조정 방법을 참조하면, 차량 제어 시스템의 자율주행 제어기는 입력 타깃 속도를 제어하고, 액셀러레이터 및 브레이크 제어를 포함하는 종 방향 명령을 출력하고, 지능형 차량의 주행을 제어하기 위해 횡 방향 명령 및 종 방향 명령을 차량 실행 시스템에 전송한다. 종래의 타깃 속도 조정 방법은 비례-적분-미분 방법, 또는 다른 방법일 수 있다. 이는 본 출원에서 한정되지 않는다.

도 4는 본 출원에 따른 자율주행 모드에서의 제어 프로세스의 개략도이다. 도면에 도시된 바와 같이, 차량 제어 시스템의 자율주행 제어기는 의사결정 제어기로부터 지능형 차량의 타깃 속도와 실제 속도를 획득하고, 타깃 속도와 실제 속도에 기초하여 오차를 계산하고, 오차를 비례-적분-미분 알고리즘의 입력으로 사용하여, 지능형 차량이 타깃 속도에 도달하기 위해 필요한 액셀러레이터 개방도 및 브레이크 값을 오차 피드백 방식을 사용하여 계산하고, 액셀러레이터 개방도 및 브레이크 값을 지능형 차량이 타깃 속도에 도달하기 위한 몇 가지 일반적인 요구사항으로서 사용한다. 비례-적분-미분 알고리즘은 비례 유닛, 적분 유닛 및 미분 유닛을 포함한다. 오차는 세 유닛의 이득을 조정함으로써 조정될 수 있으며, 오차가 클수록 조정 범위가 커진다. 구체적인 구현 과정에 대해서는 종래 기술의 처리 과정을 참조한다. 자세한 내용은 본 출원에서 설명되어 있지 않는다.

또한, 자율주행 제어기는 타깃 속도 및 오차에 기초하여, 지능형 차량이 타깃 속도에 도달하는 가속도를 계산하며, 여기서 가속도는 지능형 차량의 속도가 단위 시간 내에 타깃 속도로 조정되는 속도 변화량을 구현하는 데 사용되고; 예상 가속도와 타깃 속도를 주행 스타일 모델 알고리즘의 입력으로 사용하고; 기계 학습 알고리즘을 사용하여 계산을 통해 액셀러레이터 개방도 및 브레이크 값을 구하고; 액셀러레이터 개방도와 브레이크 값을 개성 부분(personality part)으로 사용한다. 본 출원에서 기계 학습 알고리즘의 유형은 한정되지 않는다. 입력 계층, 은닉 계층, 출력 계층의 뉴런을 포함하는 신경망 알고리즘이 사용될 수 있다. 각 계층의 뉴런 수량은 특정 서비스 요구사항에 따라 설정될 수 있다. 예를 들어, 구현 시에, 각 계층의 뉴런 수량은 정밀도 요구 사항에 따라 설정될 수 있으며, 뉴런 수가 많을수록 더 높은 정밀도를 나타낸다. 그 다음, 주행 스타일 모델 알고리즘을 사용하여 획득되는 액셀러레이터 개방도와 브레이크 값이 획득된다.

최종적으로, 주행 스타일 모델 알고리즘을 사용하여 획득된 액셀러레이터 개방도와 비례-적분-미분 알고리즘을 사용하여 획득된 액셀러레이터 개방도를 가산하고, 주행 스타일 모델 알고리즘을 사용하여 획득된 브레이크 값과 비례-적분-미분 알고리즘을 사용하여 획득된 브레이크 값을 가산한다. 구체적인 가산 방법은 다음일 수 있다: 가중법을 사용하여, 주행 스타일 모델 알고리즘을 사용하여 획득된 액셀러레이터 개방도 및 브레이크 값의 가중치와, 비례 적분을 사용하여 획득된 액셀러레이터 개방도 및 브레이크 값의 가중치가 구현 시의 서비스 요구사항에 따라 설정된다. 가중치는 두 알고리즘 각각을 사용하여 획득된 액셀러레이터 개방도 또는 브레이크 값의 비율을 나타내는 데 사용된다. 예를 들어, 지능형 차량의 하드웨어 능력을 기반으로, 비례-적분-미분 알고리즘을 사용하여 획득된 액셀러레이터 개방도와 주행 스타일 모델 알고리즘을 사용하여 획득된 액셀러레이터 개방도에 대해 가중치가 각각 구성되고, 전술한 액셀러레이터 개방도의 가중치들의 합은 1이며, 비례-적분-미분 알고리즘을 사용하여 획득된 브레이크 값과 주행 스타일 모델 알고리즘을 사용하여 획득된 브레이크 값에 대해 가중치가 각각 구성되고, 전술한 브레이크 가중치들의 합은 1이다. 마지막으로, 주행 스타일 모델 알고리즘을 사용하여 획득된 액셀러레이터 개방도 및 브레이크 값에 기초한 가중치 가산 후에 획득된 액셀러레이터 개방도 및 브레이크 값과, 종래의 알고리즘을 사용하여 획득된 액셀러레이터 개방도 및 브레이크 값이 속도 제어 명령으로서 차량 실행 시스템에 전송된다. 예를 들어, 주행 스타일 모델 알고리즘을 사용하여 획득된 액셀러레이터 개방도를 S1, 주행 스타일 모델 알고리즘을 사용하여 획득된 브레이크 값을 B1, 비례-적분-미분 알고리즘을 사용하여 획득된 액셀러레이터 개방도를 S2, 그리고 비례-적분-미분 알고리즘을 사용하여 획득된 브레이크 값을 B2라고 가정한다. 지능형 운전 차량은 비교적 주행 성능과 엔진 성능이 우수한 차량이다. 주행 스타일 모델 알고리즘을 사용하여 획득된 액셀러레이터 개방도의 가중치를 a1, 비례-적분-미분 알고리즘을 사용하여 획득된 액셀러레이터 개방도의 가중치를 a2, 비례-적분-미분 알고리즘을 사용하여 획득된 브레이크 값의 가중치를 b1, 그리고 주행 스타일 모델 알고리즘을 사용하여 획득된 브레이크 값의 가중치를 b2, a1+a2=1, b1+b2=1이라고 가정한다. 이 경우, 최종적으로 결정된 액셀러레이터 개방도 S는 (S1xa1+S2xa2)이고, 최종적으로 결정된 브레이크 값 B는 (B1xb1+B2xb2)이다. 따라서, 자율주행 제어기는 지능형 차량의 이동을 제어하기 위해, 속도 제어 명령의 내용으로서 액셀러레이터 개방도 S 및 브레이크 값 B를 지능형 차량의 차량 실행 시스템에 전송할 수 있다.

가능한 실시예에서, 전술한 가중치 설정 프로세스에서, 알고리즘마다 가중치가 설정될 수도 있다. 이 경우, 최종적으로 결정된 액셀러레이터 개방도와 브레이크 값은 각각의 알고리즘에 할당된 가중치를 사용하여 계산을 통해 획득된다. 예를 들어, 전술한 예에서 가중치 설정은 다음과 같다: a1=b1, 및 a2=b2. 이 경우, 최종적으로 결정된 액셀러레이터 개방도 S는 (S1+S2)xa1이고, 최종적으로 결정된 브레이크 값 B는 (B1+B2)xb1이다.

가능한 실시예에서, 지능형 차량의 이동 과정에서, 다른 차량의 이동 경로와 속도가 불확실하고, 결과적으로 차량의 이동 경로와 속도는 지능형 차량의 이동 경로와 속도에 영향을 미친다. 따라서, 속도 및 이동 경로를 결정하는 전술한 프로세스는 서로 다른 도로 상황에 따라 여러 번 조정될 필요가 있다. 또한, 차량 주행 과정의 다양한 도로 상황에 기초하여, 차량 주행을 위한 액셀러레이터 개방도 및 브레이크 값도 실시간 또는 주기적으로 조정되어야 한다. 다시 말해, 지능형 차량이 자율주행 모드로 이동하는 경우, 단계 S204 및 단계 S205의 프로세스가 반복되어야 할 수 있다. 또한, 지능형 차량 역시 주행 모드 전환 프로세스를 고려하여 설계되어야 한다. 예를 들어, 지능형 차량의 주행 모드가 자율주행에서 수동주행으로 전환된다. 이 경우, S206의 동작 프로세스가 수행되어야 한다.

지능형 차량에서, 비례-적분-미분 알고리즘에 더하여, 타깃 속도에 도달하는 공통 부분은 또한 다른 알고리즘을 사용하여 결정될 수 있음에 유의해야 한다. 이것은 본 출원에서 한정되지 않는다.

S206: 운전자가 주행 스타일 모델을 조정하는지를 판정한다.

S207: 운전자가 주행 스타일 모델을 조정하는 경우, 운전자에 의해 조정된 주행 스타일 모델, 및 타깃 속도에 기초하여 속도 제어 명령을 업데이트한다.

지능형 차량이 복수의 주행 스타일 모델을 포함하는 경우, 운전자는 지능형 차량의 이동 프로세스에서 주행 스타일 모델을 자유롭게 변경하여 다른 운전 경험을 획득할 수 있다. 운전자가 주행 스타일을 조정하는 경우, 단계 S204 및 단계 S205를 참조하여 새로운 경로 제어 명령 및 속도 제어 명령이 결정된다.

S208: 업데이트된 경로 제어 명령 및 업데이트된 속도 제어 명령을 차량 실행 시스템에 전송한다.

지능형 차량에서, 차량 실행 시스템은 차량 제어를 관리하는 역할을 한다. 차량 실행 시스템은 제동 시스템(예: 브레이크), 조향 시스템(예: 스티어링 휠), 구동 시스템(예: 엔진) 및 조명 시스템(예: 차량 램프)을 포함한다. 경로 제어 명령 및 속도 제어 명령은 지능형 차량의 이동을 제어하기 위해 차량 실행 시스템에 의해 실행되어야 한다.

S209: 차량 실행 시스템에 의해 회시된 속도 피드백 결과를 획득한다.

선택적인 단계에서, 경로 제어 명령 및 속도 제어 명령을 실행한 후, 차량 실행 시스템은 실행 결과를 차량 제어 시스템에 회신할 수 있다. 실행 결과는 명령 실행 성공 또는 실패를 포함한다.

S210: 운전자가 주행 스타일 모델을 조정하지 않는 경우, 경로 제어 명령 및 속도 제어 명령을 차량 실행 시스템에 전송한다.

S211: 차량 실행 시스템에 의해 회신되는 속도 피드백 결과를 획득한다.

가능한 실시예에서, 운전자가 주행 모드를 조정하지 않는 경우, 차량 제어 시스템은 단계 S205에서 결정된 경로 제어 명령 및 속도 제어 명령을 차량 실행 시스템에 직접 전송하고, 차량 실행 시스템은 명령의 내용에 따라 지능형 차량이 이동하도록 제어한다.

S212: 그런 다음 운전자가 주행 모드를 조정하는지를 판정한다.

지능형 차량의 이동 프로세스에서, 현재 우전자는 스티어링 휠 회전, 제동 또는 인간-컴퓨터 상호작용 인터페이스를 통해 언제든지 주행 모드를 조정할 수 있다. 운전자가 주행 모드를 조정하지 않는 경우, 단계 S203이 반복된다. 운전자가 주행 모드를 수동주행 모드로 조정하는 경우, 단계 S213이 수행된다.

가능한 실시예에서, 주행 스타일 모델은 배송 전에 지능형 차량에 미리 설정된다. 다만, 서로 다른 운전자의 운전 습관을 매칭시키기 위해, 지능형 차량이 수동주행 모드에 진입하는 경우, 현재 운전자의 주행 데이터가 수집될 수 있으며, 이 주행 데이터는 입력으로 사용되며, 기계 학습 알고리즘을 재사용하여 맞춤형 주행 스타일 모델이 훈련되며, 지능형 차량의 주행 스타일 모델이 업데이트된다. 구체적인 동작 단계에 대해서는 단계 S213 내지 단계 S215를 참조한다. 차량 제어 시스템은 현재 시각의 운전자 데이터에 기초하여 맞춤형 주행 스타일 모델을 획득할 수 있다.

S213: 주행 모드가 수동주행 모드인 경우, 운전자의 주행 데이터를 획득한다.

지능형 차량이 수동주행 모드에 있을 때, 운전자는 인터페이스를 통해 주행 스타일 모델을 맞춤화할지를 프롬프트 받을 수 있다. 도 3에 도시된 바와 같이, 지능형 차량이 수동주행 모드에 있으면, 운전자는 도 3의 수동주행 모드 선택 인터페이스(20)를 통해, 주행 스타일 모델을 맞춤화(사용자 정의)할지를 프롬프트 받을 수 있다. 운전자가 맞춤형 주행 스타일 모델(201)을 탭하면, 현재 시각의 운전자의 주행 데이터가 수집되고, 이 주행 데이터는 이후에 기계 학습 알고리즘의 입력으로 사용된다.

선택적으로, 지능형 차량이 수동주행 모드에 있는 경우, 차량 제어 시스템은 주행 스타일 모델을 맞춤화할지를 판정하기 위해 음성 또는 다른 형태로 운전자와 메시지를 더 교환할 수 있다.

도 3은 본 출원에서 제공되는 예시일 뿐임에 유의해야 한다. 본 출원의 학습 후, 당업자는 운전자가 주행 모드, 주행 스타일 모델 또는 맞춤형 주행 스타일 모델을 선택하도록 운전자에게 프롬프트하기 위해 다른 형태 또는 인터페이스 구조를 사용할 수도 있다.

S214: 기계 학습 알고리즘을 사용하여 주행 데이터를 훈련하여, 훈련된 주행 스타일 모델을 획득한다.

S215: 지능형 차량의 주행 스타일 모델 라이브러리에 맞춤형 주행 스타일 모델을 추가한다.

지능형 차량이 수동주행 모드에 있는 경우, 먼저, 차량 제어 시스템의 수동주행 제어기는 운전자의 주행 데이터를 수집하고; 그런 다음, 방식 1의 방법을 사용하여 주행 데이터에 기초하여 전술한 주행 데이터를 훈련하여, 현재 운전자의 주행 데이터에 기초한 훈련을 통해 주행 스타일 모델을 획득하고; 주행 스타일 모델을 지능형 차량의 주행 스타일 모델 라이브러리에 맞춤형 주행 스타일 모델로서 추가하고; 운전자가 단계 S203 내지 단계 S209의 동작 프로세스를 사용하여 지능형 차량의 이동을 제어하기 위해 자율주행 모드에서 주행 스타일 모델을 선택할 수 있도록 한다.

가능한 실시예에서, 차량 제어 시스템은 현재 운전자의 주행 데이터를 수집한 후, 지능형 차량에서 주행 데이터에 대한 훈련을 완료하는 것에 더하여 추가로 주행 데이터를 클라우드 데이터 센터에 전송할 수 있으며, 클라우드 데이터 센터는 주행 데이터와 기계 학습 알고리즘에 기초하여 맞춤형 주행 스타일 모델을 생성한다. 전술한 프로세스의 설명에 따르면, 주행 데이터는 클라우드 데이터 센터에 전송되고, 클라우드 데이터 센터는 가상 머신이 주행 데이터를 훈련하도록 스케줄링하여, 맞춤형 주행 스타일 모델을 획득할 수 있다. 이는 지능형 차량에서 차량 제어 시스템의 계산 능력이 처리 속도를 제한하는 문제를 회피하고, 지능형 차량의 계산 부하를 감소시킬 수 있다. 또한, 클라우드 데이터 센터는 추가로 전술한 모델을 저장하고, 전술한 모델을 클라우드 데이터 센터에 저장된 주행 스타일 모델 라이브러리에 추가하고, 운전자가 탑승한 지능형 차량 외에 다른 차량에 주행 스타일 모델을 추가하여, 다른 차량이 주행 스타일 모델 라이브러리를 업데이트하도록 하고 운전자 선택을 위한 주행 스타일 모델의 수를 늘리도록 한다. 또한, 지능형 차량은 운전자의 업데이트된 주행 데이터를 클라우드 데이터 센터에 전송할 수도 있고, 클라우드 데이터 센터는 운전자에 대응하는 주행 스타일 모델을 업데이트하여, 주행 스타일 모델에 의해 출력되는 결과가 운전자의 실제 운전 프로세스에 더 가깝도록 할 수 있다. 선택적으로, 운전자의 주행 데이터는 클라우드 데이터 센터에 저장되고, 운전자가 인간-컴퓨터 상호작용 인터페이스를 통해 맞춤형 모델을 선택하면, 지능형 차량의 이동 프로세스도 클라우드 데이터 센터에 의해 원격으로 제어될 수 있다. 다시 말해, 운전자에 의해 선택된 주행 스타일 모델의 식별자가 클라우드 데이터 센터에 전송되고, 클라우드 데이터 센터는 주행 스타일 모델에 정의되어 있는 액셀러레이터 개방도 및 브레이크 값에 기초하여 지능형 차량의 이동 프로세스를 제어한다.

본 출원에서 제공되는 지능형 차량 제어 방법에 따르면, 지능형 차량에 대해 두 가지 모드, 즉 수동주행 모드와 자율주행 모드가 설정된다. 수동주행 모드에서, 차량 제어 시스템은 현재 운전자의 주행 데이터를 실시간으로 수집하고, 기계 학습 알고리즘을 사용하여 운전자의 맞춤형 주행 스타일 모델을 훈련하고, 지능형 차량의 주행 스타일 모델 라이브러리를 업데이트하고, 자율주행 모드에서, 운전자가 맞춤형 주행 스타일 모델을 선택하여 지능형 차량의 이동을 제어할 수 있도록 한다. 이는 운전자의 운전 경험을 향상시킨다. 자율주행 모드에서, 운전자에 의해 선택된 주행 스타일 모델은 종래의 비례-적분-미분 방식과 결합된다. 현재 속도가 조정되는 경우, 운전자에 의해 선택된 주행 스타일 모델에 기초하여 주행 프로세스에서 운전자의 운전 습관이 더 고려되어, 지능형 차량에 대한 의인화 제어(anthropomorphic control)를 구현한다. 지능형 차량의 자율주행 프로세스는 운전자의 운전 습관에 더 가깝다. 이는 운전 경험을 향상시킨다. 또한, 지능형 차량 제조 시, 대표적인(classic) 주행 스타일 모델 라이브러리를 미리 설정하는 것 외에도, 지능형 차량의 현재 운전자의 주행 데이터에 기초하여 맞춤형 주행 스타일 모델이 재훈련될 수 있고, 맞춤형 주행 스타일 모델이 지능형 차량의 주행 스타일 모델 라이브러리에 추가된다. 자율주행 모드에서, 운전자는 맞춤형 주행 스타일 모델을 선택할 수 있어, 운전자에 의해 선택된 주행 스타일 모델의 파라미터에 기초하여 지능형 차량이 이동한다. 이는 운전자의 운전 경험을 더욱 향상시킨다.

간략한 설명을 위해, 방법 실시예는 일련의 동작의 조합으로 설명된다는 점에 유의해야 한다. 그러나 당업자는 기술된 동작의 시퀀스에 한정되지 않는다는 것을 알아야 한다.

본 출원에서 제공하는 지능형 차량 제어 방법은 도 1 내지 도 4를 참조하여 위에 상세하게 설명하였다. 본 출원에서 제공되는 지능형 차량 제어 장치, 제어 시스템 및 지능형 차량은 도 5 및 도 6을 참조하여 이하에서 더 설명된다.

도 5는 본 출원에 따른 제어 장치(500)의 구성의 개략도이다. 도면에 도시된 바와 같이, 제어 장치(500)는 획득 유닛(501), 자율주행 제어 유닛(502) 및 전송 유닛(503)을 포함한다.

획득 유닛(501)은 현재 시각의 지능형 차량의 주행 모드, 주행 스타일 모델 및 타깃 속도를 획득하도록 구성된다.

자율주행 제어 유닛(502)은 주행 모드 및 주행 스타일 모델에 기초하여 속도 제어 명령을 결정하도록 구성된다.

전송 유닛(503)은 속도 제어 명령을 지능형 차량의 차량 실행 시스템에 전송하도록 구성된다.

본 출원의 이 실시예의 제어 장치(500)는 애플리케이션 특정 집적 회로(application-specific integrated circuit, ASIC) 또는 프로그램 가능한 로직 디바이스(programmable logic device, PLD)를 사용하여 구현될 수 있음을 이해해야 한다. PLD는 복합 프로그램 가능한 로직 디바이스(complex programmable logic device, CPLD), 필드 프로그래머블 게이트 어레이(field-programmable gate array, FPGA), 범용 어레이 로직(generic array logic, GAL), 또는 이들의 임의의 조합일 수 있다. 대안적으로, 도 2a 및 도 2b에 도시된 지능형 차량 제어 방법이 소프트웨어를 사용하여 이용하여 구현될 수는 경우, 제어 장치(500) 및 장치의 모듈은 소프트웨어 모듈일 수 있다.

선택적으로, 속도 제어 명령은 액셀러레이터 개방도 및 브레이크 값을 포함하고, 액셀러레이터 개방도는 지능형 차량에서 차량 가속도를 제어하는 데 사용되는 파라미터이고, 브레이크 값은 지능형 차량에서 차량 제동을 제어하는 데 사용되는 파라미터이다.

선택적으로, 자율주행 제어 유닛(502)은 추가로, 현재 시각의 도로 상황 정보에 기초하여 이동 경로 및 타깃 속도를 결정하도록 더 구성되고, 도로 상황 정보는 지도 시스템, 측위 기기, 및 지능형 차량의 융합 시스템에 의해 제공되는 정보를 포함하고; 획득 유닛(501)은 추가로, 운전자에 의해 선택되는 주행 모드 및 주행 스타일 모델을 획득하도록 구성된다.

선택적으로, 주행 모드는 자율주행 모드리고, 지능형 차량은 주행 스타일 모델 라이브러리를 포함하고, 주행 스타일 모델 라이브러리는 복수의 주행 스타일 모델의 세트를 포함하고, 각각의 주행 스타일 모델은 서로 다른 액셀러레이터 개방도 및 브레이크 값을 포함한다.

선택적으로, 획득 유닛(501)은 추가로, 주행 모드가 수동주행 모드인 경우, 미리 설정된 시간 기간 내에 지능형 차량의 운전자의 주행 데이터를 수집하도록 구성되고; 자율주행 제어 유닛(502)은 추가로, 기계 학습 방법을 사용하여 주행 데이터에 기초하여 맞춤형 주행 스타일 모델을 획득하고 - 여기서 맞춤형 주행 스타일 모델은 운전 습관에 매칭되는 액셀러레이터 개방도 및 브레이크 값을 포함함 -; 주행 스타일 모델 라이브러리에 맞춤형 주행 스타일 모델을 추가하도록 구성된다.

선택적으로, 자율주행 제어 유닛(502)은 추가로, 오차에 기초하여 가속도를 결정하고 - 여기서 가속도는 현재 시각의 실제 속도에서 단위 시간 내에 타깃 속도까지의 지능형 차량의 속도 변화량을 지시하는 데 사용됨 -; 비례-적분-미분 알고리즘에 따라 제1 액셀러레이터 개방도 및 제1 브레이크 값을 결정하고; 운전자에 의해 선택되는 주행 스타일 모델에 기초하여 제2 액셀러레이터 개방도 및 제2 브레이크 값을 결정하고; 제1 액셀러레이터 개방도, 제1 가중치, 제2 액셀러레이터 개방도 및 제2 가중치에 기초하여 계산을 통해 제3 액셀러레이터 개방도를 획득하고 - 여기서 제1 가중치와 상기 제2 가중치의 합은 1임 -; 제1 브레이크 값, 제3 가중치, 제2 브레이크 값 및 제4 가중치에 기초하여 계산을 통해 제3 브레이크 값을 획득 - 여기서 제3 가중치와 제5 가중치의 합은 1임 -하도록 구성된다..

전송 유닛(503)은 추가로, 제3 액셀러레이터 개방도 및 제3 브레이크 값을 포함하는 속도 제어 명령을 차량 실행 시스템에 전송하도록 구성된다.

선택적으로, 이 제어 장치는 인간-컴퓨터 상호작용 제어기를 통해 운전자에게 지능형 차량의 주행 스타일 모델 라이브러리를 제공하도록 구성된 프롬프팅 유닛(504)을 더 포함한다. 운전자는 주행 스타일 모델 라이브러리에서 음성, 텍스트, 버튼 등의 형태로 주행 스타일 모델을 선택할 수 있다.

획득 유닛(501)은 추가로, 운전자에 의해 선택되고 인간-컴퓨터 상호작용 제어기에 의해 전송되는 주행 스타일 모델을 수신하도록 구성된다.

본 출원의 이 실시예의 제어 장치(500)는 본 출원의 실시예들에서 설명된 방법을 상응하게 수행할 수 있다. 또한, 제어 장치(500)의 유닛들의 전술한 및 기타 동작 및/또는 기능은 도 2a 및 도 2의 방법의 대응하는 프로시저를 구현하는 데 사용된다. 간결함을 위해 세부사항은 여기에서 다시 설명하지 않는다.

도 6은 본 출원에 따른 제어 시스템(600)의 개략도이다. 도면에 도시된 바와 같이, 제어 시스템(600)은 프로세서(601), 메모리(602), 통신 인터페이스(603), 메모리(604), 및 버스(705)를 포함한다. 프로세서(601), 메모리(602), 통신 인터페이스(603), 메모리(604), 및 저장 기기(605)는 버스(605)를 통해 서로 통신하거나, 다른 방식, 예를 들어 무선 송신을 통해 서로 통신할 수 있다. 메모리(602)는 명령어를 저장하도록 구성된다. 프로세서(601)는 메모리(602)에 저장된 명령어를 실행하도록 구성된다. 메모리(602)는 프로그램 코드를 저장하고, 프로세서(601)는 메모리(602)에 저장된 프로그램 코드를 호출하여 다음 동작을 수행할 수 있다:

현재 시각의 지능형 차량의 주행 모드, 주행 스타일 모델 및 타깃 속도를 획득하는 동작;

주행 모드 및 주행 스타일 모델에 기초하여 속도 제어 명령을 결정하는 동작; 및

지능형 차량의 차량 실행 시스템에 속도 제어 명령을 전송하는 동작.

본 출원의 이 실시예에서, 프로세서(601)는 CPU일 수 있거나, 프로세서(601)는 다른 범용 프로세서, 디지털 신호 프로세서(digital signal processor, DSP), 애플리케이션 특정 집적 회로(ASIC), 필드 프로그래머블 게이트 어레이(FPGA) 또는 다른 프로그래머블 로직 디바이스, 이산 게이트 또는 트랜지스터 논리 디바이스, 이산 하드웨어 구성요소 등일 수 있다. 범용 프로세서는 마이크로프로세서, 임의의 통상적인 프로세서 등일 수 있다.

메모리(602)는 판독 전용 메모리 및 랜덤 액세스 메모리를 포함할 수 있고, 프로세서(601)에 명령어 및 데이터를 제공할 수 있다. 메모리(602)는 비휘발성 랜덤 액세스 메모리를 더 포함할 수 있다. 예를 들어, 메모리(602)는 디바이스 유형에 관한 정보를 더 저장할 수 있다.

메모리(602)는 휘발성 메모리 또는 비휘발성 메모리일 수 있거나, 휘발성 메모리 및 비휘발성 메모리를 포함할 수 있다. 비휘발성 메모리는 판독 전용 메모리(read-only memory, ROM), 프로그램 가능한 판독 전용 메모리(programmable ROM, PROM), 소거 가능한 프로그램 가능한 판독 전용 메모리(erasable PROM, EPROM), 전기적으로 소거 가능한 프로그램 가능한 판독 전용 메모리(electrically EPROM, EEPROM) 또는 플래시 메모리일 수 있다. 휘발성 메모리는 랜덤 액세스 메모리(random access memory, RAM)일 수 있으며, 외부 캐시로 사용된다. 예로서 제한 없이, 다양한 형태의 RAM, 예를 들어 정적 랜덤 액세스 메모리(static RAM, SRAM), 동적 랜덤 액세스 메모리(DRAM), 동기식 동적 랜덤 액세스 메모리(synchronous DRAM, SDRAM), 더블 데이터 레이트 동기식 동적 랜덤 액세스 메모리(double data rate SDRAM, DDR SDRAM), 강화된 동기식 동적 랜덤 액세스 메모리(enhanced SDRAM, ESDRAM), 동기 링크 동적 랜덤 액세스 메모리(synchlink DRAM, SLDRAM) 및 직접 램버스 랜덤 액세스 메모리(direct rambus RAM, DR RAM)가 사용될 수 있다.

통신 인터페이스(603)는 다른 기기 또는 시스템과 통신하도록 구성된 네트워크 인터페이스/모듈을 포함한다.

메모리(604)는 프로세서(601)와 물리적으로 통합될 수 있거나, 프로세서(601)에 배치될 수 있거나, 독립적인 유닛의 형태로 존재할 수 있다. 컴퓨터 프로그램은 메모리(604) 또는 메모리(602)에 저장될 수 있다. 선택적으로, 메모리(602)에 저장된 컴퓨터 프로그램 코드(예를 들어, 커널 또는 디버깅될 프로그램)는 메모리(604)에 복사되고, 추가로 프로세서(601)에 의해 실행된다.

버스(605)는 데이터 버스 외에 전원 버스, 제어 버스, 상태 신호 버스 등을 더 포함할 수 있다. 다만, 명확한 설명을 위해 도면에서는 다양한 종류의 버스를 버스(604)로 표기하였다. 선택적으로, 버스(605)는 주변 구성요소 상호연결 익스프레스(Peripheral Component Interconnect Express, PCIe), 제어기 영역 네트워크(controller area network, CAN), 자동차 이더넷(Ethernet), 또는 도 6에 도시된 구성요소/기기 간의 연결을 구현하기 위한 다른 내부 버스일 수 있다.

본 출원의 이 실시예에서 지능형 차량 제어 시스템(600)은 본 출원의 이 실시예에서 제어 장치(500)에 대응할 수 있고, 본 출원의 이 실시예에서 도 2a 및 도 2b에 도시된 방법을 상응하게 수행하는 본체(body)에 대응할 수 있음에 유의해야 한다. 또한, 제어 시스템(600)에 있는 모듈의 전술한 동작 및 다른 동작 및/또는 기능은 도 2a 및 도 2b의 방법의 대응하는 프로시저를 구현하는 데 사용된다. 간결함을 위해 세부사항은 여기에서 다시 설명하지 않는다.

본 출원은 지능형 차량 제어 시스템을 더 제공한다. 제어 시스템은 도 1에 도시된 수동주행 제어기(301), 의사결정 제어기(302) 및 자율주행 제어기(303)를 포함한다. 제어 시스템의 구성 요소는 도 2a 및 도 2b에 도시된 방법에서 대응하는 실행 본체에 의해 수행되는 동작 단계를 수행하도록 구성된다. 간결함을 위해 세부 사항은 여기에서 다시 설명하지 않는다.

본 출원은 지능형 차량을 더 제공한다. 지능형 차량은 도 1에 도시된 인간-컴퓨터 상호작용 제어기, 주행 모드 선택기, 차량 제어 시스템 및 차량 실행 시스템을 포함한다. 지능형 차량의 구성요소는 도 2a 및 도 2b에 도시된 방법에서 대응하는 실행 본체에 의해 수행되는 동작 단계를 수행하도록 구성된다. 간결함을 위해 세부 사항은 여기에서 다시 설명하지 않는다.

본 출원은 제어 시스템을 더 제공한다. 제어 시스템은 도 1에 도시된 지능형 차량 외에 클라우드 데이터 센터를 더 포함한다. 지능형 차량은 도 1에 도시된 인간-컴퓨터 상호작용 제어기, 주행 모드 선택기, 차량 제어 시스템 및 차량 실행 시스템을 포함한다. 지능형 차량의 구성요소는 도 2a 및 도 2b에 도시된 방법에서 대응하는 실행 본체에 의해 수행되는 동작 단계를 수행하도록 구성된다. 간결함을 위해 세부 사항은 여기에서 다시 설명하지 않는다. 또한, 클라우드 데이터 센터는 차량 제어 시스템에 의해 전송되는 주행 데이터를 수신하고, 클라우드 데이터 센터의 가상 머신이 주행 데이터를 훈련하도록 스케줄링하여, 맞춤형 주행 스타일 모델을 획득하도록 구성된다. 이는 지능형 차량에서 차량 제어 시스템의 계산 능력이 처리 속도를 제한하는 문제를 회피하고, 지능형 차량의 계산 부하를 감소시킬 수 있다. 또한, 클라우드 데이터 센터는 앞서 말한 모델을 더 저장하고, 클라우드 데이터 센터에 저장된 주행 스타일 모델 라이브러리에 전술한 모델을 추가하고, 운전자가 탑승한 지능형 차량 외에 다른 차량에 주행 스타일 모델을 추가하여, 다른 차량이 주행 스타일 모델 라이브러리를 업데이트하고 운전자의 선택을 위한 주행 스타일 모델의 수를 늘리도록 한다. 또한, 지능형 차량은 운전자의 업데이트된 주행 데이터를 클라우드 데이터 센터로 전송할 수도 있고, 클라우드 데이터 센터는 운전자에 대응하는 주행 스타일 모델을 업데이트하여, 주행 스타일 모델에 의해 출력되는 결과가 운전자의 실제 운전 프로세스에 더 가깝도록 할 수 있다. 또한, 지능형 차량은 운전자에 의해 선택되는 주행 스타일 모델의 식별자를 클라우드 데이터 센터로 전송할 수도 있고, 클라우드 데이터 센터는 주행 스타일 모델에 정의되어 있는 액셀러레이터 개방도 및 브레이크 값에 기초하여 지능형 차량의 주행 프로세스를 제어한다.

전술한 실시예의 전부 또는 일부는 소프트웨어, 하드웨어, 펌웨어, 또는 이들의 임의의 다른 조합을 사용하여 구현될 수 있다. 소프트웨어가 실시예를 구현하는데 사용되는 경우, 전술한 실시예의 전부 또는 일부는 컴퓨터 프로그램 제품의 형태로 구현될 수 있다. 컴퓨터 프로그램 제품은 하나 이상의 컴퓨터 명령어를 포함한다. 컴퓨터 프로그램 명령어가 컴퓨터에 로드되거나 실행될 때, 본 출원의 실시예에 따른 절차 또는 기능이 전체적으로 또는 부분적으로 생성된다. 컴퓨터는 범용 컴퓨터, 특수 목적 컴퓨터, 컴퓨터 네트워크 또는 다른 프로그램 가능한 장치일 수 있다. 컴퓨터 명령어는 컴퓨터로 판독 가능한 저장 매체에 저장되거나 컴퓨터로 판독 가능한 저장 매체에서 다른 컴퓨터로 판독 가능한 저장매체로 전송될 수 있다. 예를 들어, 컴퓨터 명령어는 웹사이트, 컴퓨터, 서버 또는 데이터 센터에서 유선(예: 동축 케이블, 광섬유 또는 디지털 가입자 회선(digital subscriber line, DSL) 또는 무선(예: 적외선, 라디오 또는 마이크로파) 방식으로 다른 웹사이트, 컴퓨터, 서버 또는 데이터 센터로 전송될 수 있다. 컴퓨터로 판독 가능한 저장 매체는 컴퓨터에 의해 액세스 가능한 임의의 사용 가능한 매체이거나, 하나 이상의 사용 가능한 매체를 통합한 서버 또는 데이터 센터와 같은, 데이터 저장 기기일 수 있다. 사용 가능한 매체는 자기 매체(예: 플로피 디스크, 하드 디스크, 자기 테이프), 광학 매체(예: DVD), 반도체 매체일 수 있다. 반도체 매체는 솔리드 스테이트 드라이브(solid-state drive, SSD)일 수 있다.

이상의 설명은 단지 본 출원의 구체적인 구현일 뿐이다. 본 출원에 제공된 구체적인 구현에 기초하여 당업자에 의해 용이하게 파악되는 모든 변형 또는 대체는 본 출원의 보호 범위에 속한다.

Claims

지능형 차량 제어 방법으로서,
차량 제어 시스템이 현재 시각의 지능형 차량의 주행 모드, 주행 스타일 모델 및 타깃 속도를 획득하는 단계;
상기 차량 제어 시스템이 상기 주행 모드 및 상기 주행 스타일 모델에 기초하여 속도 제어 명령을 결정하는 단계; 및
상기 차량 제어 시스템이 상기 속도 제어 명령을 상기 지능형 차량의 차량 실행 시스템에 전송하는 단계
를 포함하는 지능형 차량 제어 방법.
제1항에 있어서,
상기 속도 제어 명령은 액셀러레이터 개방도 및 브레이크 값을 포함하고, 상기 액셀러레이터 개방도는 상기 지능형 차량에서 차량 가속도를 제어하는 데 사용되는 파라미터이고, 상기 브레이크 값은 상기 지능형 차량에서 차량 제동을 제어하는 데 사용되는 파라미터인, 지능형 차량 제어 방법.
제1항 또는 제2항에 있어서,
상기 차량 제어 시스템은 의사결정 제어기 및 자율주행 제어기를 포함하고, 상기 지능형 차량 제어 방법은,
상기 의사결정 제어기가 현재 시각의 도로 상황 정보에 기초하여 이동 경로 명령(traveling track instruction) 및 상기 타깃 속도를 결정하는 단계 - 상기 도로 상황 정보는 지도 시스템, 측위 기기(positioning device) 및 상기 지능형 차량의 융합 시스템에 의해 제공되는 하나 이상의 정보를 포함함 -; 및
상기 자율주행 제어기가 운전자에 의해 선택되는 주행 모드 및 주행 스타일 모델을 획득하는 단계를 더 포함하는 지능형 차량 제어 방법.
제1항 내지 제3항 중 어느 한 항에 있어서,
상기 주행 모드는 자율주행 모드이고, 상기 지능형 차량은 주행 스타일 모델 라이브러리를 포함하고, 상기 주행 스타일 모델 라이브러리는 복수의 미리 설정된 주행 스타일 모델의 세트를 포함하고, 각각의 주행 스타일 모델은 서로 다른 액셀러레이터 개방도와 브레이크 값을 포함하는, 지능형 차량 제어 방법.
제1항 내지 제3항 중 어느 한 항에 있어서,
상기 차량 제어 시스템이 현재 시각의 지능형 차량의 주행 모드, 주행 스타일 모델 및 타깃 속도를 획득하는 단계 전에, 상기 지능형 차량 제어 방법은,
상기 지능형 차량의 주행 모드가 수동주행 모드인 경우, 상기 차량 제어 시스템이 미리 설정된 기간 내에 상기 지능형 차량의 운전자의 주행 데이터를 수집하는 단계;
상기 차량 제어 시스템이 기계 학습 알고리즘을 사용하여 상기 주행 데이터에 기초한 맞춤형(customized) 주행 스타일 모델을 획득하는 단계 - 상기 맞춤형 주행 스타일 모델은 상기 운전자의 운전 습관에 매칭되는 액셀러레이터 개방도 및 브레이크 값을 포함함 -; 및
상기 차량 제어 시스템이 상기 맞춤형 주행 스타일 모델을 상기 지능형 차량의 주행 스타일 모델 라이브러리에 추가하는 단계를 더 포함하는 지능형 차량 제어 방법.
제1항 내지 제5항 중 어느 한 항에 있어서,
상기 차량 제어 시스템이 상기 주행 모드 및 상기 주행 스타일 모델에 기초하여 속도 제어 명령을 결정하는 단계는,
상기 자율주행 제어기가 현재 시각에서의 상기 지능형 차량의 실제 속도와 상기 타깃 속도 간의 오차를 계산하는 단계;
상기 자율주행 제어기가 상기 오차에 기초하여 가속도를 결정하는 단계 - 상기 가속도는 현재 시각에서의 상기 실제 속도에서 단위 시간 내에 상기 타깃 속도까지의 상기 지능형 차량의 속도 변화량을 지시하는 데 사용됨 -;
상기 자율주행 제어기가 비례-적분-미분 알고리즘(proportional-integral-derivative algorithm)에 따라 제1 액셀러레이터 개방도 및 제1 브레이크 값을 결정하는 단계;
상기 자율주행 제어기가 상기 운전자에 의해 선택되는 주행 스타일 모델에 기초하여 제2 액셀러레이터 개방도 및 제2 브레이크 값을 결정하는 단계; 및
상기 자율주행 제어기가 상기 제1 액셀러레이터 개방도, 제1 가중치, 상기 제2 액셀러레이터 개방도 및 제2 가중치에 기초하여 계산을 통해 제3 액셀러레이터 개방도를 획득하고, 상기 제1 브레이크 값, 제3 가중치, 상기 제2 브레이크 값 및 제4 가중치에 기초하여 계산을 통해 제3 브레이크 값을 획득하는 단계 - 상기 제1 가중치 및 상기 제2 가중치는 액셀러레이터 개방도 가중치이고, 상기 제1 가중치와 상기 제2 가중치의 합은 1이며, 상기 제3 가중치 및 상기 제4 가중치는 브레이크 값 가중치이고, 상기 제3 가중치와 상기 제5 가중치의 합은 1임 -를 포함하고,
상기 차량 제어 시스템이 상기 속도 제어 명령을 상기 지능형 차량의 차량 실행 시스템에 전송하는 단계는,
상기 자율주행 제어기가 상기 속도 제어 명령을 상기 차량 실행 시스템에 전송하는 단계 - 상기 속도 제어 명령은 상기 제3 액셀러레이터 개방도 및 상기 제3 브레이크 값을 포함함 -를 포함하는, 지능형 차량 제어 방법.
제1항 내지 제6항 중 어느 한 항에 있어서,
상기 지능형 차량 제어 방법은,
상기 차량 제어 시스템이 인간-컴퓨터 상호작용 제어기를 통해 운전자에게 상기 지능형 차량의 주행 스타일 모델 라이브러리를 제공하는 단계 - 상기 운전자는 음성, 텍스트 또는 버튼 형태로 상기 주행 스타일 모델 라이브러리에서 주행 스타일 모델을 선택할 수 있음 -; 및
상기 차량 제어 시스템이 상기 운전자에 의해 선택되고 상기 인간-컴퓨터 상호작용 제어기에 의해 전송되는 주행 스타일 모델을 수신하는 단계를 더 포함하는 지능형 차량 제어 방법.
지능형 차량 제어 장치로서,
현재 시각의 지능형 차량의 주행 모드, 주행 스타일 모델 및 타깃 속도를 획득하도록 구성된 획득 유닛;
상기 주행 모드 및 상기 주행 스타일 모델에 기초하여 속도 제어 명령을 결정하도록 구성된 자율주행 제어 유닛; 및
상기 속도 제어 명령을 상기 지능형 차량의 차량 실행 시스템에 전송하도록 구성된 전송 유닛
을 포함하는 지능형 차량 제어 장치.
제1항에 있어서,
상기 속도 제어 명령은 액셀러레이터 개방도 및 브레이크 값을 포함하고, 상기 액셀러레이터 개방도는 상기 지능형 차량에서 차량 가속도를 제어하는 데 사용되는 파라미터이고, 상기 브레이크 값은 상기 지능형 차량에서 차량 제동을 제어하는 데 사용되는 파라미터인, 지능형 차량 제어 장치.
제8항 또는 제9항에 있어서,
상기 자율 주행 제어 유닛은 추가로, 현재 시각의 도로 상황 정보에 기초하여 이동 경로 명령 및 상기 타깃 속도를 결정하도록 구성되고, 상기 도로 상황 정보는 지도 시스템, 측위 기기 및 상기 지능형 차량의 융합 시스템에 의해 제공되는 하나 이상의 정보를 포함하며;
상기 획득 유닛은 추가로, 운전자에 의해 선택되는 주행 모드 및 주행 스타일 모델을 획득하도록 구성되는, 지능형 차량 제어 장치.
제8항 내지 제10항 중 어느 한 항에 있어서,
상기 주행 모드는 자율주행 모드이고, 상기 지능형 차량은 주행 스타일 모델 라이브러리를 포함하고, 상기 주행 스타일 모델 라이브러리는 복수의 주행 스타일 모델의 세트를 포함하고, 각각의 주행 스타일 모델은 서로 다른 액셀러레이터 개방도와 브레이크 값을 포함하는, 지능형 차량 제어 장치.
제8항 내지 제10항 중 어느 한 항에 있어서,
상기 획득 유닛은 추가로, 상기 지능형 차량의 주행 모드가 수동주행 모드인 경우, 미리 설정된 기간 내에 상기 지능형 차량의 운전자의 주행 데이터를 수집하도록 구성되고;
상기 자율주행 제어 유닛은 추가로, 기계 학습 알고리즘을 사용하여 상기 주행 데이터에 기초한 맞춤형 주행 스타일 모델을 획득하고 - 상기 맞춤형 주행 스타일 모델은 상기 운전자의 운전 습관에 매칭되는 액셀러레이터 개방도 및 브레이크 값을 포함함 -; 상기 맞춤형 주행 스타일 모델을 상기 지능형 차량의 주행 스타일 모델 라이브러리에 추가하도록 구성되는, 지능형 차량 제어 장치.
제8항 내지 제12항 중 어느 한 항에 있어서,
상기 자율주행 제어 유닛은 추가로, 현재 시각의 상기 지능형 차량의 실제 속도와 상기 타깃 속도 간의 오차를 계산하고; 상기 오차에 기초하여 가속도를 결정하고 - 상기 가속도는 현재 시각의 상기 실제 속도에서 단위 시간 내에 상기 타깃 속도까지의 상기 지능형 차량의 속도 변화량을 지시하는 데 사용됨 -; 비례-적분-미분 알고리즘에 따라 제1 액셀러레이터 개방도 및 제1 브레이크 값을 결정하고; 상기 운전자에 의해 선택되는 주행 스타일 모델에 기초하여 제2 액셀러레이터 개방도 및 제2 브레이크 값을 결정하고; 상기 제1 액셀러레이터 개방도, 제1 가중치, 상기 제2 액셀러레이터 개방도 및 제2 가중치에 기초하여 계산을 통해 제3 액셀러레이터 개방도를 획득하고 - 상기 제1 가중치와 상기 제2 가중치의 합은 1임 -; 상기 제1 브레이크 값, 제3 가중치, 상기 제2 브레이크 값 및 제4 가중치에 기초하여 계산을 통해 제3 브레이크 값을 획득 - 상기 제3 가중치와 상기 제5 가중치의 합은 1임 -하도록 구성되고;
상기 전송 유닛은 추가로, 상기 제3 액셀러레이터 개방도 및 상기 제3 브레이크 값을 포함하는 상기 속도 제어 명령을 상기 차량 실행 시스템에 전송하도록 구성되는, 지능형 차량 제어 장치.
제8항 내지 제12항 중 어느 한 항에 있어서,
상기 지능형 차량 제어 장치는 프롬프팅 유닛(prompting unit)을 더 포함하고;
상기 프롬프팅 유닛은 인간-컴퓨터 상호작용 제어기를 통해 상기 운전자에게 상기 지능형 차량의 주행 스타일 모델 라이브러리를 제공하도록 구성되고, 상기 운전자는 음성, 텍스트 또는 버튼 형태로 상기 주행 스타일 모델 라이브러리에서 주행 스타일 모델을 선택할 수 있으며;
상기 획득 유닛은 추가로 상기 운전자에 의해 선택되고 상기 인간-컴퓨터 상호작용 제어기에 의해 전송되는 주행 스타일 모델을 수신하도록 구성되는, 지능형 차량 제어 장치.
지능형 차량 제어 시스템으로서,
프로세서 및 메모리를 포함하고,
상기 메모리는 컴퓨터로 실행 가능한 명령어를 저장하도록 구성되고, 상기 지능형 차량 제어 시스템이 실행될 때, 상기 프로세서는 상기 메모리에 있는, 컴퓨터로 실행 가능 명령어를 실행하여 상기 지능형 차량 제어 시스템의 하드웨어 자원을 사용하여 제1항 내지 제7항 중 어느 한 항에 따른 지능형 차량 제어 방법의 동작 단계들을 수행하는,
지능형 차량 제어 시스템.