KR20220168061A

KR20220168061A - 차량 제어 장치, 그를 포함한 시스템 및 그 방법

Info

Publication number: KR20220168061A
Application number: KR1020210077619A
Authority: KR
Inventors: 오태동
Original assignee: 현대자동차주식회사; 기아 주식회사
Priority date: 2021-06-15
Filing date: 2021-06-15
Publication date: 2022-12-22
Also published as: CN115476874A; US20220396290A1

Abstract

본 발명의 일 실시예에 따른 차량 제어 장치는 차량의 주행 경로 상에 존재하는 교차로에서 상기 차량과 교차하는 객체를 선정하는 객체 선정부, 상기 객체의 예측 경로에 기반하여 상기 차량의 주행시 위험도를 판정하는 위험도 판정부 및 상기 위험도 판정 결과에 기초하여 상기 차량의 주행 방법을 결정하는 주행 제어부를 포함할 수 있다.

Description

차량 제어 장치, 그를 포함한 시스템 및 그 방법{APPARATUS FOR CONTROLLING A VEHICLE, SYSTEM HAVING THE SAME AND METHOD THEREOF}

본 발명은 차량 제어 장치, 그를 포함한 시스템 및 그 방법에 관한 것이다.

통상적으로 운전자의 개입이 없는 자율 주행에서는 설정된 구간별 속도 제한에 따라 차량이 주행하게 된다. 또한, 자율 주행시에는 주행 경로와 속도를 결정하기 위해 다양한 주행 프로파일이 생성되고 그 중에서 하나의 프로파일을 선택하는 방식으로 자율 주행 동작이 수행된다.

특히, 기존의 자율 주행 방식에서는 교차로의 연결 관계를 고려하지 않아 불필요한 객체들에 의한 오경고가 발생하는 경우가 많았다. 반대로, 이러한 연결 관계 기반의 주행만을 고려할 경우에는 연결 관계를 무시하며 달리는 객체들에 대해서는 경고가 발생하지 않는 문제가 있었다.

또한, 자율 주행 차량에 있어서 객체의 예측 경로 생성을 위해서는 기준이 되는 가이드 라인이 필요하다. 일반적으로, 도로에는 차선이 그려져 있고 대부분의 차량은 차선을 따라 주행하므로 해당 가이드 라인은 차로가 될 수 있다. 한편, 일부 유도선이 그려진 교차로에서는 차량들이 이러한 유도선을 따라 주행함이 권고되지만, 유도선의 곡률이 매우 높아 실제로는 유도선을 따르지 않고 주행하는 차량들이 많아 예측 경로가 부정확하게 될 수 있다.

이와 같이, 교차로에 대하여 연결 관계를 지키며 주행하는 차량과 연결 관계를 무시하면서 주행하는 차량들 모두에 대해 효과적으로 대응하는 방안이 필요하다.

본 발명의 일 실시예는 객체들의 주행 궤적과 동역학적 정보를 기반으로 종료 지점을 선정하고, 객체의 동역학적 정보를 반영한 여러 경로들 중 상기 종료 지점을 진출하는 가장 적합한 객체의 예측 경로를 결정함으로써, 교차로의 연결 관계 상에 존재하는 객체와 연결 관계를 무시하며 주행하는 객체에 대해 효과적으로 대응할 수 있는 차량 제어 장치, 그를 포함한 시스템 및 그 방법을 제공하고자 한다.

본 발명의 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재들로부터 당업자에게 명확하게 이해될 수 있을 것이다.

일 실시예에 있어서, 상기 객체 선정부는 상기 차량의 주행 경로와 교차하는 적어도 하나의 후보 경로를 추출하고, 상기 후보 경로를 따라 주행하는 적어도 하나의 객체 중 상기 차량과 동시에 교차하는 객체를 선정할 수 있다.

일 실시예에 있어서, 상기 객체 선정부는 상기 차량과 상기 객체의 교차점을 산출하고 상기 차량과 상기 객체의 상기 교차점에서의 점유 시간에 기초하여 상기 객체를 선정할 수 있다.

일 실시예에 있어서, 상기 위험도 판정부는 상기 객체의 주행 경로와 동역학 정보에 기반하여 상기 객체가 상기 교차로를 빠져나가는 종료 지점을 산출할 수 있다.

일 실시예에 있어서, 상기 위험도 판정부는 상기 객체의 주행 경로와 상기 동역학 정보에 기반한 제1 학습 모델을 통해 상기 종료 지점을 산출할 수 있다.

일 실시예에 있어서, 상기 위험도 판정부는 상기 객체의 동역학 정보에 기반하여 도출 가능한 적어도 하나의 경로 중 상기 객체가 상기 종료 지점까지 주행할 가능성이 가장 높은 경로를 상기 객체의 예측 경로로 결정할 수 있다.

일 실시예에 있어서, 상기 위험도 판정부는 상기 객체의 현재 위치로부터 상기 종료 지점까지 가장 완만한 곡선 형태를 갖는 기준 경로를 생성하고, 상기 객체의 동역학 정보에 기반하여 도출 가능한 적어도 하나의 후보 경로 중에서 상기 기준 경로와의 오차가 가장 적은 후보 경로를 상기 객체의 예측 경로로 결정할 수 있다.

일 실시예에 있어서, 상기 위험도 판정부는 상기 객체의 주행 경로, 동역학 정보 및 상기 객체의 동역학 정보에 기반하여 도출된 적어도 하나의 경로에 기반한 제2 학습 모델을 통해 산출된 경로를 상기 객체의 예측 경로를 결정할 수 있다.

일 실시예에 있어서, 상기 위험도 판정부는 상기 차량이 상기 객체와의 교차점에 도달하는 시간, 상기 차량이 상기 교차점을 통과하는 시간, 상기 객체가 상기 교차점에 도달하는 시간 및 상기 객체가 상기 교차점을 통과하는 시간을 고려하여 상기 위험도를 판정할 수 있다.

일 실시예에 있어서, 상기 주행 제어부는 상기 차량과 상기 객체 사이의 최소 거리가 기준 거리 이상인 주행 방법을 결정할 수 있다.

일 실시예에 있어서, 상기 주행 제어부는 상기 주행 방법에 따른 상기 차량의 제어 파라미터를 산출할 수 있다.

일 실시예에 있어서, 상기 제어 파라미터는 상기 차량의 주행 경로와 속도 프로파일을 포함할 수 있다.

일 실시예에 있어서, 상기 주행 제어부는 상기 차량의 주행 경로와 상기 객체의 예측 경로를 시간별로 스케줄링하여 상기 주행 방법을 결정할 수 있다.

일 실시예에 있어서, 상기 객체 선정부는 상기 차량의 주행 경로 상에 존재하는 적어도 하나의 교차로 중 상기 차량의 주행 경로에서 가장 가까운 교차로부터 상기 객체를 선정할 수 있다.

본 발명의 일 실시예에 따른 차량 시스템은 차량 주변의 객체를 검출하는 센서, 상기 차량의 위치 정보 및 지도 정보를 획득하는 정보 획득 장치 및 상기 차량의 주행 경로 상에 존재하는 교차로에서 상기 차량과 교차하는 객체를 선정하고, 상기 객체의 예측 경로에 기반하여 판정된 상기 차량의 위험도에 기초하여 상기 차량의 주행 방법을 결정하고, 상기 차량의 주행 방법에 따른 제어 파라미터에 기초하여 상기 차량을 제어하는 차량 제어 장치를 포함할 수 있다.

일 실시예에 있어서, 상기 센서는 상기 차량의 주행 상태에 관한 정보를 검출할 수 있다.

일 실시예에 있어서, 상기 정보 획득 장치는 외부 서버로부터 상기 차량의 위치 정보 및 상기지도 정보를 획득할 수 있다.

본 발명의 일 실시예에 따른 차량 제어 방법은 차량의 주행 경로 상에 존재하는 교차로에서 상기 차량과 교차하는 객체를 선정하는 단계, 상기 객체의 예측 경로에 기반하여 상기 차량의 주행시 위험도를 판정하는 단계 및 상기 위험도 판정 결과에 기초하여 상기 차량의 주행 방법을 결정하는 단계를 포함할 수 있다.

일 실시예에 있어서, 상기 객체의 주행 경로와 동역학 정보에 기반하여 상기 객체가 상기 교차로를 빠져나가는 종료 지점을 산출하는 단계를 더 포함할 수 있다.

일 실시예에 있어서, 상기 객체의 동역학 정보에 기반하여 도출 가능한 적어도 하나의 경로 중 상기 객체가 상기 종료 지점까지 주행할 가능성이 가장 높은 경로를 상기 객체의 예측 경로로 결정하는 단계를 더 포함할 수 있다.

본 발명의 일 실시예에 따른 차량 제어 장치, 그를 포함한 시스템 및 그 방법은 객체들의 주행 궤적과 동역학적 정보를 기반으로 종료 지점을 선정하고, 객체의 동역학적 정보를 반영한 여러 경로들 중 상기 종료 지점을 진출하는 가장 적합한 객체의 예측 경로를 결정함으로써, 교차로의 연결 관계 상에 존재하는 객체와 연결 관계를 무시하며 주행하는 객체에 대해 효과적으로 대응할 수 있다.

이 외에, 본 문서를 통해 직접적 또는 간접적으로 파악되는 다양한 효과들이 제공될 수 있다.

도 1은 본 발명의 일 실시 예에 따른 차량 제어 장치를 포함하는 차량 시스템의 구성을 나타내는 블록도이다.
도 2는 본 발명의 일 실시 예에 따른 차량 제어 장치의 구성을 나타내는 블록도이다.
도 3은 교차로를 주행하는 객체들의 다양한 예측 경로를 설명하기 위한 도면이다.
도 4는 본 발명의 일 실시 예에 따른 차량 제어 장치에서 객체들의 예측 경로를 판단하는 방법을 설명하기 위한 도면이다.
도 5는 본 발명의 일 실시 예에 따른 차량 제어 장치가 객체의 교차로에 대한 종료 지점을 산출하는 방법을 설명하기 위한 도면이다.
도 6은 본 발명의 일 실시 예에 따른 차량 제어 장치가 객체의 예측 경로를 결정하는 방법을 설명하기 위한 도면이다.
도 7은 본 발명의 일 실시 예에 따른 차량 제어 장치가 스케줄링을 통해 차량의 주행 방법을 결정하는 방법을 나타내는 도면이다.
도 8은 본 발명의 일 실시 예에 따른 차량 제어 장치에서 생성된 차량의 주행 방법들을 예시적으로 나타내는 도면이다.
도 9는 본 발명의 일 실시 예에 따른 차량 제어 장치가 주행 방법을 결정하는 방법을 예시적으로 설명하기 위한 도면이다.
도 10은 본 발명의 일 실시 예에 따른 차량 제어 방법을 나타내는 흐름도이다.
도 11은 본 발명의 일 실시 예에 따른 컴퓨팅 시스템을 도시한다.

이하, 본 발명의 일부 실시예들을 예시적인 도면을 통해 상세하게 설명한다. 각 도면의 구성요소들에 참조부호를 부가함에 있어서, 동일한 구성요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 부호를 가지도록 하고 있음에 유의해야 한다. 또한, 본 발명의 실시예를 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 실시예에 대한 이해를 방해한다고 판단되는 경우에는 그 상세한 설명은 생략한다.

본 발명의 실시예의 구성 요소를 설명하는 데 있어서, 제 1, 제 2, A, B, (a), (b) 등의 용어를 사용할 수 있다. 이러한 용어는 그 구성 요소를 다른 구성 요소와 구별하기 위한 것일 뿐, 그 용어에 의해 해당 구성 요소의 본질이나 차례 또는 순서 등이 한정되지 않는다. 또한, 다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 가진 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.

이하, 도 1 내지 도 11을 참조하여, 본 발명의 실시예들을 구체적으로 설명하기로 한다.

도 1은 본 발명의 일 실시 예에 따른 차량 제어 장치를 포함하는 차량 시스템의 구성을 나타내는 블록도이다.

도 1을 참조하면, 본 발명의 일 실시 예에 따른 차량 시스템(100)은 차량의 내부에 구현될 수 있다. 이 때, 차량 시스템(100)은 차량의 내부 제어 유닛들과 일체로 형성될 수 있으며, 별도의 장치로 구현되어 별도의 연결 수단에 의해 차량의 제어 유닛들과 연결될 수도 있다.

또한, 도 1을 참조하면, 본 발명의 일 실시 예에 따른 차량 시스템(100)은 센서(110), 정보 획득 장치(120) 및 차량 제어 장치(130)를 포함할 수 있다.

센서(110)는 차량 주변의 객체를 검출할 수 있다. 즉, 센서(110)는 차량 전/후방의 객체, 예를 들면 전/후방 차량, 표지판, 장애물 등과의 거리와 상대 속도 등을 검출할 수 있다. 예를 들면, 센서(110)는 카메라, 레이더, 라이다를 포함할 수 있다.

또한, 센서(110)는 차량의 각종 액추에이터의 상태 정보를 포함할 수 있다. 예를 들면, 차량의 액추에이터의 상태 정보란 차량의 방향, 속도, 가속도, 각속도 등을 포함할 수 있다.

정보 획득 장치(120)는 차량의 위치 정보와 지도 정보를 획득할 수 있다. 예를 들면, 정보 획득 장치(120)는 GPS를 통해 차량의 현재 위치 정보를 획득하고, 차량이 주행 중인 도로의 곡률, 차량의 현재 차선 위치 등의 정밀 지도 정보를 획득할 수 있다. 이 경우, 정보 획득 장치(120)는 별도의 저장부(미도시)에 지도 정보를 저장할 수 있으며, 또는 통신 장치(미도시)를 통해 외부 서버로부터 차량의 위치 정보나 지도 정보를 수신할 수 있다.

차량 제어 장치(130)는 차량의 주행 경로 상에 존재하는 교차로에서 차량과 교차하는 객체를 선정하고, 객체의 예측 경로에 기반하여 판정된 차량의 위험도에 기초하여 차량의 주행 방법을 결정할 수 있다. 또한, 차량 제어 장치(130)는 결정된 차량의 주행 방법에 따라 제어 파라미터(예를 들면, 주행 경로, 속도 프로파일 등)를 산출하고, 이러한 제어 파라미터에 기초하여 차량을 제어할 수 있다.

이러한 차량 제어 장치(130)의 구체적인 기능에 관해서는 이하의 도 2에서 상세하게 후술한다.

도 2는 본 발명의 일 실시 예에 따른 차량 제어 장치의 구성을 나타내는 블록도이다.

도 2를 참조하면, 본 발명의 일 실시 예에 따른 차량 제어 장치(130)는 객체 선정부(131), 위험도 판정부(132) 및 주행 제어부(133)를 포함할 수 있다

객체 선정부(131)는 차량의 주행 경로 상에 존재하는 교차로에서 차량과 교차하는 객체를 선정할 수 있다. 이 경우, 객체 선정부(131)는 차량의 주행 경로와 교차하는 적어도 하나의 후보 경로를 추출하고, 후보 경로를 따라 주행하는 적어도 하나의 객체 중 차량과 동시에 교차하는 객체를 선정할 수 있다.

구체적으로, 객체 선정부(131)는 도 1의 정보 획득 장치(120)에서 획득한 정밀 지도에 기초하여 차량이 현재 주행 중인 경로와 교차하는 후보 경로들을 추출하고, 추출된 후보 경로를 주행하는 객체 중 차량과 교차 또는 합류하는 객체를 선정할 수 있다. 이 때, 객체 선정부(131)는 차량과 객체의 교차점을 산출하고, 차량과 객체의 교차점에서의 점유 시간에 기초하여 객체를 선정할 수 있다. 예를 들면, 객체 선정부(131)는 차량과 객체가 교차점에서 머무는 시간이 중첩되는지 여부에 기초하여 객체를 선정할 수 있다.

또한, 객체 선정부(131)는 차량의 주행 경로 상에 존재하는 적어도 하나의 교차로 중 차량의 주행 경로에서 가장 가까운 교차로부터 객체를 선정할 수 있다. 즉, 객체 선정부(131)는 정밀 지도 정보에 기초하여 차량이 주행 중인 차로와 가까운 순서로 교차로를 추출하고, 추출된 교차로 각각에 대해 교차하는 주행 경로를 갖는 객체를 판단할 수 있다. 또한, 객체 선정부(131)는 차량과 객체들 각각의 교차점에서의 점유 시간을 통해 위험 가능성이 높은 객체들을 선정할 수 있다.

위험도 판정부(132)는 객체의 예측 경로에 기반하여 차량의 주행시 위험도를 판정할 수 있다. 이 때, 위험도 판정부(132)는 차량이 객체와의 교차점에 도달하는 시간, 차량이 교차점을 통과하는 시간, 객체가 교차점에 도달하는 시간, 객체가 교차점을 통과하는 시간 등을 고려하여 위험도를 판정할 수 있다.

구체적으로, 위험도 판정부(132)는 객체의 주행 경로(예를 들면, 과거 이동 궤적)와 동역학 정보(예를 들면, 객체의 속도, 가속도, 진행 방향 등)에 기반하여 객체가 교차로를 빠져나가는 종료 지점을 산출할 수 있다. 이 때, 위험도 판정부(132)는 객체가 교차로로부터 진출 가능한 복수의 종료 지점 중 주행 경로나 동역학 정보 등에 기반하여 가장 높은 확률로 진출할 것으로 판단되는 종료 지점을 산출할 수 있다.

또한, 위험도 판정부(132)는 객체의 주행 경로와 동역학 정보에 기반한 제1 학습 모델을 통해 종료 지점을 산출할 수 있다. 예를 들면, 위험도 판정부(132)는 객체의 과거 궤적 정보와, 진행 방향, 현재 위치, 종/횡방향 속도 및 가속도 등을 입력으로 하여 딥러닝 모델을 통해 객체가 교차로에서 진출 가능한 종료 지점 각각에 대한 확률을 산출할 수 있다.

위험도 판정부(132)는 객체의 동역학 정보에 기반하여 도출 가능한 적어도 하나의 경로 중 객체가 앞서 산출된 종료 지점까지 주행할 가능성이 가장 높은 경로를 객체의 예측 경로로 결정할 수 있다. 예를 들면, 위험도 판정부(132)는 객체의 현재 위치로부터 산출된 종료 지점까지 가장 완만한 곡선 형태를 갖는 기준 경로를 생성하고, 객체의 동역학 정보에 기반하여 도출 가능한 적어도 하나의 후보 경로 중에서 기준 경로와의 오차가 가장 적은 후보 경로를 객체의 예측 경로로 결정할 수 있다.

또한, 위험도 판정부(132)는 객체의 주행 경로, 동역학 정보 및 객체의 동역학 정보에 기반하여 도출된 적어도 하나의 경로에 기반한 제2 학습 모델을 통해 산출된 경로를 객체의 예측 경로를 결정할 수 있다. 예를 들면, 위험도 판정부(132)는 동역학 정보에 기반하여 도출된 경로들과, 과거 궤적, 동역학 정보 등을 입력으로 하여 딥러닝 모델을 통해 객체가 교차로를 주행 가능한 경로 각각에 대한 확률을 산출할 수 있다.

주행 제어부(133)는 위험도 판정 결과에 기초하여 차량의 주행 방법을 결정할 수 있다. 예를 들면, 주행 제어부(133)는 위험도 판정부(132)에 의해 판정된 위험도에 따라 획득된 복수의 주행 방법 중 차량과 객체 사이의 최소 거리가 기준 거리 이상인 주행 방법을 결정할 수 있다. 또한, 주행 제어부(133)는 차량의 주행 경로와 객체의 예측 경로를 시간별로 스케줄링하여 주행 방법을 결정할 수 있다. 이 때, 주행 제어부(133)는 기설정된 시간 간격으로 획득된 프레임 별로 주행 방법을 판단할 수 있다.

또한, 주행 제어부(133)는 주행 방법에 따른 차량의 제어 파라미터를 산출할 수 있다. 예를 들면, 차량의 제어 파라미터는 차량의 주행 경로와 속도 프로파일 등을 포함할 수 있다. 따라서, 차량 제어 장치(130)는 산출된 제어 파라미터에 따라 차량이 객체와 교차되지 않고 주행할 수 있도록 제어할 수 있다.

이와 같이, 본 발명의 일 실시예에 따른 차량 제어 장치(130)는 객체들의 주행 궤적과 동역학적 정보를 기반으로 종료 지점을 선정하고, 객체의 동역학적 정보를 반영한 여러 경로들 중 상기 종료 지점을 진출하는 가장 적합한 객체의 예측 경로를 결정함으로써, 교차로의 연결 관계 상에 존재하는 객체와 연결 관계를 무시하며 주행하는 객체에 대해 효과적으로 대응할 수 있다.

도 3은 교차로를 주행하는 객체들의 다양한 예측 경로를 설명하기 위한 도면이다.

도 3을 참조하면, C1, C2는 차량을 나타내고, Ob1 내지 Ob3은 차량(C1) 주변을 주행하는 객체를 나타낸다. 또한, 도 3의 path A 내지 D는 차량(C1)과 객체(Ob1 내지 Ob4)가 주행 가능한 경로들을 나타낸다.

차량 제어 장치(130)에서 객체의 예측 경로를 생성하기 위해서는 기준이 되는 가이드 라인이 필요하다. 일반적으로, 도로에는 차선이 그려져 있고, 대부분의 차량은 차선을 따라 주행하므로 가이드 라인은 레인링크(Lanelink) 또는 레인사이드(Laneside)일 수 있다. 여기서, 레인링크는 일반적으로 주행 중인 차량을 중심을 연장한 가상의 차선일 수 있고, 레인사이드는 차량이 주행 중인 영역의 지도 상의 차선일 수 있다.

특히, 유도선이 일부 그려진 교차로에서는 이를 따라 주행함이 원칙이지만, 이러한 유도선의 곡률이 매우 높아 실제로는 유도선을 따르지 않고 주행하는 차량들이 많을 수 있다. 즉, 객체의 예측 경로 생성시 가이드 라인은 레인링크(예를 들면, 유도선에 해당) 또는 레인사이드(차선)를 기준으로 생성될 수 있으나, 실제 교차로에서는 이러한 레인링크 또는 레인사이드를 따라 주행하지 않는 차량이 많아 예측 경로가 부정확할 수 있다.

이처럼, 도 3의 (a)를 참조하면, 차량(C1)과 객체(Ob3)는 레인링크(Path A, D)를 따라 주행하고 있으나, 교차로에서 좌회전 중인 객체(Ob1, Ob2)의 경우에는 레인링크를 벗어나 다른 경로(Path C)로 진행함을 알 수 있다. 또한, 도 3의 (b)에 도시한 것과 같이, 차량(C2)의 경우에도 건물 사이를 통과하면서 주행 경로를 바꾸어 진행하고 있음을 알 수 있다.

이와 같이, 일반적인 직선 차로와는 달리 차량이 좌/우회전 또는 유턴을 하는 교차로의 경우 객체들의 주행 경로가 차선과는 상이하게 나타날 수 있다. 따라서, 본 발명의 일 실시예에 따른 차량 제어 장치(130)에서는 교차로에서 객체들의 예측 경로를 다양한 방법으로 산출하여 교차로의 연결 관계 상에 존재하는 객체와 연결 관계를 무시하며 주행하는 객체에 대해서도 정확도 높은 검출을 수행할 수 있다.

도 4는 본 발명의 일 실시 예에 따른 차량 제어 장치에서 객체들의 예측 경로를 판단하는 방법을 설명하기 위한 도면이다.

도 4를 참조하면, A1 및 A3는 객체(Ob1, Ob2)가 교차로(예를 들면, 좌회전 구간)에 진입하는 영역과 진출하는 영역을 각각 나타내고, A2는 객체가 좌회전하는 교차로의 영역을 나타낸다. 또한, P1 내지 P4는 객체(Ob1, Ob2)가 종료 지점(E1)에 도달하기 위한 여러 경로를 나타내고, E1 및 E2는 객체(Ob1, Ob2)가 교차로로부터 진출 가능한 종료 지점을 나타낸다. 그리고, 도 4의 (a)에 도시된 객체(Ob1)는 교차로의 연결 차로로 주행하는 차량(즉, 기존 차선을 따라 주행하는 차량)을 나타내고, 도 4의 (b)에 도시된 객체(Ob2)는 교차로의 비연결 차로로 주행하는 차량(즉, 교차로에서 차선을 변경하는 차량)을 나타낸다.

도 4의 (a)의 영역 A1의 경우 일반적으로 객체(Ob1)가 교차로에 진입하기 이전에는 명확한 차선이 존재하여 객체(Ob1)가 해당 차선에 비교적 정확하게 정렬하게 된다. 또한, 영역 A3의 경우에 있어서도 객체(Ob1)가 교차로로부터 진출한 이후에도 명확한 차선이 존재하여 차량들이 해당 차선 내로 정렬하는 경향이 있음을 알 수 있다.

그러나, 영역 A2와 같이, 교차로 내부에서는 차선이 없거나 유도선 정도만 존재하기도 하며, 전술한 것과 같이 유도선이 존재하더라도 실제로 유도선을 벗어나 주행하는 차량들이 많다. 이에 따라, 객체(Ob1, Ob2)가 주행 차선을 따르지 않는 정도를 ‘자유도’라고 정의하면, ‘자유도’는 교차로 진입 이전 및 진출 이후보다는 교차로 내부에서 더 큰 경향이 있다. 즉, 도 4의 영역 A1 및 A3는 자유도가 상대적으로 낮은 영역이고, 영역 A2는 자유도가 상대적으로 높은 영역이다.

이와 같이, 본 발명의 일 실시 예에 따른 차량 제어 장치(130)는 교차로 내의 비연결 차로를 주행하는 객체(Ob1, Ob2)에 대해서도 일관된 방법으로 처리하기 위해, 비교적 자유도가 낮은 지점(예를 들면, 영역 A1)의 정보를 확정하고, 자유도가 높은 영역에 있어서는 다수의 예측 경로를 기반으로 상기 확정된 정보에 가장 부합하는 예측 경로를 산출할 수 있다. 이에 따라, 본 발명의 일 실시 예에 따른 차량 제어 장치(130)는 객체(Ob1, Ob2)가 먼저 어느 지점으로 나갈 것인지 여부(즉, 종료 지점)를 우선 결정한 후, 객체(Ob1, Ob2)가 해당 종료 지점으로 나가기 위한 여러 경로 중 가장 적합한 경로를 산출할 수 있다.

도 5는 본 발명의 일 실시 예에 따른 차량 제어 장치가 객체의 교차로에 대한 종료 지점을 산출하는 방법을 설명하기 위한 도면이다.

도 5를 참조하면, 경로 T1 및 T2는 각각이 객체(Ob1, Ob2)의 과거 궤적을 나타낸다. 또한, E1 및 E2는 객체(Ob1, Ob2)가 교차로를 빠져나가는 종료 지점을 나타낸다. 그리고, 도 5의 (a)에 도시된 객체(Ob1)는 교차로의 연결 차로로 주행하는 차량(즉, 기존 차선을 따라 주행하는 차량)을 나타내고, 도 5의 (b)에 도시된 객체(Ob2)는 교차로의 비연결 차로로 주행하는 차량(즉, 교차로에서 차선을 변경하는 차량)을 나타낸다.

도 5에 나타낸 것과 같이, 객체(Ob1, Ob2)의 교차로 종료 지점(E1, E2)의 탐색을 위해서는 해당 객체(Ob1, Ob2)의 과거 주행 궤적(T1, T2)과 현재의 동역학 정보에 기반하여 객체(Ob1, Ob2)의 주행에 적절한 예측 경로를 산출할 수 있다. 이 때, 적절한 예측 경로를 산출하기 위해서는 차량의 종방향 가속도 및 속도 정보와, 횡방향 가속도 및 속도 정보, 헤딩 방향, 과거 궤적 정보 등을 기반으로 경로 생성 알고리즘을 이용하여 예측 경로를 산출할 수 있다.

이 경우, 예측 경로는 객체(Ob1, Ob2)의 정교한 예측 경로를 산출하기 위한 과정이 아닌 동역학적 정보를 통해 객체(Ob1, Ob2)가 어느 종료 지점(E1, E2)으로 접근할 가능성이 높은지를 미리 판단하기 위한 예비 정보로써 사용될 수 있다. 또한, 비연결 경로를 주행하는 객체(Ob2)의 경우에도 종료 지점들과 상술한 방식으로 산출된 예측 경로의 종료 지점(E1, E2)과의 비교를 통해서 최종적으로 객체(Ob2)가 어느 종료 지점(E1, E2)으로 접근할 가능성이 높은지를 판단할 수 있다.

한편, 본 발명의 일 실시 예에 따른 차량 제어 장치(130)는 상술한 방법 외에도 딥러닝 모델(예를 들면, 도 2의 제1 학습 모델)에 기초하여 객체(Ob1, Ob2)의 교차로 종료 지점을 산출할 수 있다. 이 경우, 객체의 과거 궤적 정보와 차로 간의 종방향 거리에 따른 횡방향 오차(거리)를 배열로 구성하여 제1 학습 모델의 입력 레이어에 입력할 수 있다. 또한, 동역학 정보는 객체의 진행 방향, 종/횡방향 속도, 가속도, 현재 위치 등을 제1 학습 모델의 입력 레이어에 입력할 수 있다. 이 때, 제1 학습 모델의 중간 레이어들은 딥러닝을 통한 심층 신경망 모델(예를 들면, CNN, LSTM 등)을 이용하여 구성할 수 있다.

또한, 본 발명의 일 실시 예에 따른 차량 제어 장치(130)는 객체(Ob1, Ob2)의 최종 종료 지점의 선정을 위해 종료 지점의 후보 수만큼 덴스 레이어(dense layer)를 구성하고, 이를 소프트맥스(softmax) 등의 후처리를 함으로써 최종적으로 가장 확률이 높은 출력값을 취할 수 있다.

한편, 제1 학습 모델에 대한 입력 형태는 반드시 객체(Ob1, Ob2)의 경로상 궤적과의 이탈 거리와 동역학 정보뿐만 아니라 지도상 과거 궤적 형태를 이미지로 표현하여 픽셀값들을 직접 입력하는 이미지 분류 형태의 방식으로도 구성할 수 있다. 또한, 제1 학습 모델의 데이터 셋은 객체(Ob1, Ob2)의 교차로 주행 최종 종료 지점(E1, E2)을 타겟으로, 과거 궤적과 동역학 정보(만약, 프레임 간 시간 간격이 매우 짧다면, 과거 궤적 좌표들이 동역학적 정보를 많이 포함할 수 있음)를 입력으로 구성할 수 있다.

도 6은 본 발명의 일 실시 예에 따른 차량 제어 장치가 객체의 예측 경로를 결정하는 방법을 설명하기 위한 도면이다.

도 6의 (a)에서 P1 내지 P3과, 도 6의 (b)의 P1 내지 P4는 객체(Ob1, Ob2)가 각각 산출된 종료 지점으로 주행하기 위한 경로를 나타낸다. 이 때, 도 6의 (a) 및 (b)에서 P1은 객체(Ob1, Ob2)의 현재 위치로부터 산출된 종료 지점까지 가장 완만한 곡선 형태로 생성된 경로로서, 가이드 경로일 수 있다. 또한, 도 6의 (a)의 P2 및 P3와, 도 6의 (b)의 P2 내지 P4는 객체(Ob1, Ob2)의 동역학 정보에 기반하여 산출된 예측 경로일 수 있다.

즉, 본 발명의 일 실시 예에 따른 차량 제어 장치(130)는 도 5에서 설명한 것과 같이, 하나의 종료 지점이 결정되면 객체(Ob1, Ob2)의 현재 위치로부터 해당 종료 지점까지의 완만한 곡선 형태로 가이드 경로(P1)를 생성할 수 있다. 또한, 나머지 경로들(P2 내지 P4)은 객체(Ob1, Ob2)의 현재 동역학적 정보가 반영된 주행 가능한 다중 경로들의 집합으로서, 각 경로마다 앞서 산출된 가이드 경로(P1)와의 경로 비교(예를 들면, L2 norm) 방법을 통해 이탈 정도가 가장 적은 경로를 최종적으로 획득할 수 있다.

이처럼, 본 발명의 일 실시 예에 따른 차량 제어 장치(130)는 상술한 방법을 통해서 객체(Ob1, Ob2)의 주행 가능성이 매우 높은 다양한 경로들 중 종료 지점으로 완만하게 이어지는 경로를 획득할 수 있다. 이와 같이 산출된 최종 경로는 도 6의 (a) 및 (b)에서 P로 도시되어 있으며, 도 6의 (a) 및 (b)의 경우 최종 경로(P)가 가이드 경로(P1)와 일치했으나, 예를 들면, 동역학적으로는 가이드 경로보다는 이를 이탈하는 경로가 더욱 주행 가능성이 높은 경우와 같이 상황에 따라서는 동역학 정보로 산출한 경로와 가이드 경로(P1)가 일치하지 않을 수도 있다.

한편, 본 발명의 일 실시 예에 따른 차량 제어 장치(130)는 상술한 방법 외에도 딥러닝 모델(예를 들면, 도 2의 제2 학습 모델)에 기초하여 객체(Ob1, Ob2)의 최종 예측 경로를 산출할 수 있다. 이 경우, 객체(Ob1, Ob2)의 획득된 예측 경로들과 주행 레인링크 간의 종방향 거리에 따른 횡방향 오차(거리)를 배열로 구성하여 입력 레이어에 입력할 수 있다. 이 때, 객체(Ob1, Ob2)의 예측 경로 생성시에는 다양한 경로 생성 알고리즘들을 사용할 수 있다. 또한, 객체(Ob1, Ob2)의 동역학 정보는 객체(Ob1, Ob2)의 진행 방향, 종/횡방향 속도 및 가속도, 현재 위치 등을 제2 학습 모델의 입력 레이어에 입력할 수 있다. 이 때, 제2 학습 모델의 중간 레이어들은 딥러닝을 통한 심층 신경망 모델(예를 들면, CNN, LSTM 등)을 이용하여 구성할 수 있다.

또한, 본 발명의 일 실시 예에 따른 차량 제어 장치(130)는 객체(Ob1, Ob2)의 최종 종료 지점의 선정을 위해 종료 지점의 후보 수만큼 덴스 레이어를 구성하고, 이를 소프트맥스 등의 후처리를 함으로써 최종적으로 가장 확률이 높은 출력값을 취할 수 있다.

한편, 제2 학습 모델에 대한 입력 형태는 반드시 객체(Ob1, Ob2)의 경로상 궤적과의 이탈 거리와 동역학 정보뿐만 아니라 지도상 과거 궤적 형태를 이미지로 표현하여 픽셀값들을 직접 입력하는 이미지 분류 형태의 방식으로도 구성할 수 있다. 또한, 제2 학습 모델의 데이터 셋은 객체(Ob1, Ob2)의 실제 주행 경로를 타겟으로, 객체(Ob1, Ob2)의 과거 궤적, 동역학 정보 및 생성된 다수의 예측 경로를 입력으로 구성할 수 있다.

도 7은 본 발명의 일 실시 예에 따른 차량 제어 장치가 스케줄링을 통해 차량의 주행 방법을 결정하는 방법을 나타내는 도면이다.

도 7을 참조하면, C는 차량을 나타내고 Ob는 차량과 교차 가능성이 있는 객체를 나타낸다. 또한, AP1 내지 AP3은 차량(C)의 주행 가능 영역을 나타내고, AD 1 내지 AD3은 객체(Ob)로 인한 위험 영역을 나타낸다.

도 7은 본 발명의 일 실시 예에 따른 차량 제어 장치(130)가 주행 방법에 대한 스케줄링을 통해 객체(Ob)의 교차로 주행에 의한 차량(C)의 경로 차단에 대응하여, 차량(C)이 주행 차로 변경을 통해 더욱 자연스러운 주행을 이끌어내는 것을 예시적으로 나타내고 있다.

도 7에서는 객체(Ob)의 주행 의도가 교차로 주행이고 현재 객체(Ob)의 동역학적 특성이 목표 차로로의 교차로 주행 중인 경우, 현재 주행 차로로부터 목표 차로로의 주행 예측 경로가 형성되며, 각 시간 프레임에서의 차량(C)과 객체(Ob)의 예상 위치와 차량 점유 구역(AD)을 제외한 영역이 차량(C)의 해당 프레임에서의 주행 가능 영역(AP)이 될 수 있다.

예를 들어, 도 7에 나타낸 것과 같이, 객체(Ob)의 주행 의도가 현재 차로를 유지하면서 등속 주행하는 것이고, 현재의 동역학적 특성이 주행 차로에서의 등속 주행인 경우, 현재 주행 차로에서 주변 객체(Ob)와 충돌(교차)하지 않는 차량(C)의 감속 예측 경로(예를 들면, 도 7의 AP1 내지 AP3)가 형성되며, 각 프레임의 예상 위치와 차량 점유 구역(AD1 내지 AD3)을 제외한 영역이 차량(C)의 해당 프레임에서의 주행 가능 영역(AP1 내지 AP3)이 될 수 있다.

또한, 도 7의 (a) 내지 (c)에 도시한 각 시간(예를 들면, T=1초, 2초, 3초)의 프레임에 있어서, 차량(C)은 주행 가능 영역(AP1 내지 AP3) 내에서 이전 위치와 물리적으로 가능한 거리 범위의 자유도를 갖게 되며, 객체(Ob)의 예측 경로와 각 시간 프레임에서의 충돌 가능성을 통해 경로의 타당성을 판단할 수 있다.

도 8은 본 발명의 일 실시 예에 따른 차량 제어 장치에서 생성된 차량의 주행 방법들을 예시적으로 나타내는 도면이다.

도 8을 참조하면, C1 내지 C3는 본 발명의 일 실시 예에 따른 차량 제어 장치(130)를 포함하는 차량을 나타내고, Ob는 차량(C1 내지 C3)과 교차하는 객체를 나타낸다. 또한, d1 내지 d3은 차량(C1 내지 C3)과 객체(Ob) 사이의 최소 거리를 나타낸다. 이처럼, 도 8은 차량(C1 내지 C3)과 객체(Ob)의 교차 주행 경로를 개략적으로 도시하고 있다.

도 8에 나타낸 것과 같이, 객체(Ob)에 의한 차량(C1 내지 C3)의 경로 차단에 대응하여, 차량(C1 내지 C3)은 주행 차로 변경을 통해 더욱 자연스러운 주행을 유도하고 있다. 이처럼, 본 발명의 일 실시 예에 따른 차량 제어 장치(130)를 통해 객체(Ob)의 시간에 따른 예측 경로가 결정되면 차량(C1 내지 C3)은 주행 경로를 계획하여야 하며, 이러한 일련의 과정은 주행 방법에 대한 스케줄링을 통해 이루어질 수 있다.

또한, 차량(C1 내지 C3)은 동역학 정보 등에 기반하여 가능한 다양한 경로들을 생성할 수 있으며, 각각의 경로에 있어서 차량(C1 내지 C3)의 종/횡방향 속도 프로파일을 다양하게 포함할 수 있다. 그리고, 생성된 N개의 주행 방법들에 대해 차량(C1 내지 C3)의 예측 경로와 객체(Ob)의 예측 경로 간의 각 시간 프레임 별 충돌(교차) 가능 여부를 판정하고, 다음 프레임의 기준에 따라 가장 최적의 방법을 선정할 수 있다.

예를 들어, 도 8의 (a)를 참조하면, 차량(C1)과 객체(Ob) 사이의 최소 거리(d1)가 상대적으로 가까운 반면, 도 8의 (b) 및 (c)의 차량(C2, C3)과 객체(Ob) 사이의 최소 거리(d2, d3)는 일정 거리 이상 확보되어 있으므로, 본 발명의 일 실시 예에 따른 차량 제어 장치(130)는 도 8의 (b) 또는 (c)에 해당하는 주행 방법을 선택할 수 있다.

도 9는 본 발명의 일 실시 예에 따른 차량 제어 장치가 주행 방법을 결정하는 방법을 예시적으로 설명하기 위한 도면이다.

도 9를 참조하면, C1 및 C2는 본 발명의 일 실시 예에 따른 차량 제어 장치(130)를 포함하는 차량을 나타내고, Ob1 및 Ob2는 차량(C1, C2)와 교차 가능성이 있는 객체를 나타낸다. 또한, 도 9의 하단 그래프에서 x축은 시간을 나타내고, y축은 시간에 따른 차량(C1, C2)과 객체(Ob1, Ob2) 사이의 거리를 나타낸다.

이상에서 설명한 것과 같이, 본 발명의 일 실시 예에 따른 차량 제어 장치(130)는 생성된 N개의 주행 방법들 중 기설정된 기준을 가장 만족하는 방법을 결정할 수 있다. 도 9의 예시에서는 상기 기준을 주행 중 차량의 안전에 집중하여 제한 조건을 차량과 객체의 거리가 임계치 이상이며, 이들간 거리의 합이 최대인 조건을 설명하고 있으나, 기설정된 기준은 차량 주행의 안정성, 승차감, 자연스러움 등을 확보하기 위한 다양한 방법으로 변경 또는 보완될 수 있다.

예를 들어, 도 9에서는 본 발명의 일 실시 예에 따른 차량 제어 장치(130)에 의해 산출된 차량과 객체의 예측 경로는 시간 별 객체의 위치 정보를 포함하고 있으므로, 시간 별 객체간의 예상 상대 거리

를 계산할 수 있다. 또한, 특정 시간 t에서의 차량과 객체 사이의 거리

가 기설정된 기준치 미만으로 작아지게 되면, 해당 경로는 큰 위험을 야기할 수 있으므로 후보에서 제외시킬 수 있다. 이 때, 기준치는 객체(Ob1, Ob2)와의 충돌에 차량(C1, C2)이 대응할 수 있는 최소 시간으로 설정될 수 있다.

즉, 도 9의 (a)에 나타낸 것과 같이, 본 발명의 일 실시 예에 따른 차량 제어 장치(130)는 차량(C1)과 객체(Ob1) 사이의 시간별 거리가 기준치 미만인 경우에는 해당 주행 방법은 선택하지 않을 수 있다. 반면, 도 9의 (b)에 나타낸 것과 같이, 차량(C2)과 객체(Ob2) 사이의 시간별 거리가 일정 기준치 이상인 경우에는 본 발명의 일 실시 예에 따른 차량 제어 장치(130)는 해당 주행 방법을 선택할 수 있다.

한편, 도 9에서는 차량(C1, C2)과 객체(Ob1, Ob2) 사이의 시간별 거리를 사용하였으나, 발명의 일 실시 예에 따른 차량 제어 장치(130)는 이 외에도 시간별 상대 거리의 합, 평균값, 최소값, 중간값 등 유의미한 통계적 방법을 사용하여 차량(C1, C2)과 객체(Ob1, Ob2)의 충돌 가능성을 판단할 수 있다.

이하, 도 10을 참조하여 본 발명의 다른 실시 예에 따른 차량 제어 방법을 구체적으로 설명하기로 한다. 도 10은 본 발명의 다른 실시 예에 따른 차량 제어 방법을 설명하기 위한 순서도이다.

이하에서는 도 1 및 2의 차량 제어 장치(130)가 도 10의 프로세스를 수행하는 것을 가정한다. 또한, 도 10의 설명에서, 장치에 의해 수행되는 것으로 기술된 동작은 차량 제어 장치(130)의 프로세서(미도시)에 의해 제어되는 것으로 이해될 수 있다.

도 10은 본 발명의 일 실시 예에 따른 차량 제어 방법을 나타내는 흐름도이다.

도 10을 참조하면, 본 발명의 일 실시 예에 따른 차량 제어 방법은 먼저 차량의 주행 경로 상에 존재하는 교차로에서 차량과 교차하는 객체를 선정할 수 있다(S110). 이 경우, 차량의 주행 경로와 교차하는 적어도 하나의 후보 경로를 추출하고, 후보 경로를 따라 주행하는 적어도 하나의 객체 중 차량과 동시에 교차하는 객체를 선정할 수 있다.

구체적으로, 단계 S110에서는 정밀 지도에 기초하여 차량이 현재 주행 중인 경로와 교차하는 후보 경로들을 추출하고, 추출된 후보 경로를 주행하는 객체 중 차량과 교차 또는 합류하는 객체를 선정할 수 있다. 이 때, 차량과 객체의 교차점을 산출하고, 차량과 객체의 교차점에서의 점유 시간에 기초하여 객체를 선정할 수 있다.

또한, 단계 S110에서는 차량의 주행 경로 상에 존재하는 적어도 하나의 교차로 중 차량의 주행 경로에서 가장 가까운 교차로부터 객체를 선정할 수 있다. 즉, 정밀 지도 정보에 기초하여 차량이 주행 중인 차로와 가까운 순서로 교차로를 추출하고, 추출된 교차로 각각에 대해 교차하는 주행 경로를 갖는 객체를 판단할 수 있다. 그리고, 차량과 객체들 각각의 교차점에서의 점유 시간을 통해 위험 가능성이 높은 객체들을 선정할 수 있다.

다음으로, 객체의 예측 경로에 기반하여 차량의 주행시 위험도를 판정할 수 있다(S120). 이 경우, 차량이 객체와의 교차점에 도달하는 시간, 차량이 교차점을 통과하는 시간, 객체가 교차점에 도달하는 시간, 객체가 교차점을 통과하는 시간 등을 고려하여 위험도를 판정할 수 있다.

구체적으로, 단계 S120에서는 객체의 주행 경로(예를 들면, 과거 이동 궤적)와 동역학 정보(예를 들면, 객체의 속도, 가속도, 진행 방향 등)에 기반하여 객체가 교차로를 빠져나가는 종료 지점을 산출할 수 있다. 이 때, 객체가 교차로로부터 진출 가능한 복수의 종료 지점 중 주행 경로나 동역학 정보 등에 기반하여 가장 높은 확률로 진출할 것으로 판단되는 종료 지점을 산출할 수 있다.

또한, 단계 S120에서는 객체의 주행 경로와 동역학 정보에 기반한 제1 학습 모델을 통해 종료 지점을 산출할 수 있다. 예를 들면, 객체의 과거 궤적 정보와, 진행 방향, 현재 위치, 종/횡방향 속도 및 가속도 등을 입력으로 하여 딥러닝 모델을 통해 객체가 교차로에서 진출 가능한 종료 지점 각각에 대한 확률을 산출할 수 있다.

단계 S120의 경우, 객체의 동역학 정보에 기반하여 도출 가능한 적어도 하나의 경로 중 객체가 앞서 산출된 종료 지점까지 주행할 가능성이 가장 높은 경로를 객체의 예측 경로로 결정할 수 있다. 예를 들면, 객체의 현재 위치로부터 산출된 종료 지점까지 가장 완만한 곡선 형태를 갖는 기준 경로를 생성하고, 객체의 동역학 정보에 기반하여 도출 가능한 적어도 하나의 후보 경로 중에서 기준 경로와의 오차가 가장 적은 후보 경로를 객체의 예측 경로로 결정할 수 있다.

또한, 단계 S120에서는 객체의 주행 경로, 동역학 정보 및 객체의 동역학 정보에 기반하여 도출된 적어도 하나의 경로에 기반한 제2 학습 모델을 통해 산출된 경로를 객체의 예측 경로를 결정할 수 있다. 예를 들면, 동역학 정보에 기반하여 도출된 경로들과, 과거 궤적, 동역학 정보 등을 입력으로 하여 딥러닝 모델을 통해 객체가 교차로를 주행 가능한 경로 각각에 대한 확률을 산출할 수 있다.

그리고, 위험도 판정 결과에 기초하여 차량의 주행 방법을 결정할 수 있다(S130). 예를 들면, 단계 S130에서는 단계 S120에서 판정된 위험도에 따라 획득된 복수의 주행 방법 중 차량과 객체 사이의 최소 거리가 기준 거리 이상인 주행 방법을 결정할 수 있다. 또한, 차량의 주행 경로와 객체의 예측 경로를 시간별로 스케줄링하여 주행 방법을 결정할 수 있다. 이 때, 기설정된 시간 간격으로 획득된 프레임 별로 주행 방법을 판단할 수 있다.

또한, 단계 S130에서는 주행 방법에 따른 차량의 제어 파라미터를 산출할 수 있다. 예를 들면, 차량의 제어 파라미터는 차량의 주행 경로와 속도 프로파일 등을 포함할 수 있다. 이를 통해, 차량이 산출된 제어 파라미터에 따라 객체와 교차되지 않고 주행할 수 있도록 제어할 수 있다.

이와 같이, 본 발명의 일 실시예에 따른 차량 제어 방법은 객체들의 주행 궤적과 동역학적 정보를 기반으로 종료 지점을 선정하고, 객체의 동역학적 정보를 반영한 여러 경로들 중 상기 종료 지점을 진출하는 가장 적합한 객체의 예측 경로를 결정함으로써, 교차로의 연결 관계 상에 존재하는 객체와 연결 관계를 무시하며 주행하는 객체에 대해 효과적으로 대응할 수 있다.

도 11은 본 발명의 일 실시 예에 따른 컴퓨팅 시스템을 도시한다.

도 11을 참조하면, 컴퓨팅 시스템(1000)은 버스(1200)를 통해 연결되는 적어도 하나의 프로세서(1100), 메모리(1300), 사용자 인터페이스 입력 장치(1400), 사용자 인터페이스 출력 장치(1500), 스토리지(1600), 및 네트워크 인터페이스(1700)를 포함할 수 있다.

프로세서(1100)는 중앙 처리 장치(CPU) 또는 메모리(1300) 및/또는 스토리지(1600)에 저장된 명령어들에 대한 처리를 실행하는 반도체 장치일 수 있다. 메모리(1300) 및 스토리지(1600)는 다양한 종류의 휘발성 또는 불휘발성 저장 매체를 포함할 수 있다. 예를 들어, 메모리(1300)는 ROM(Read Only Memory) 및 RAM(Random Access Memory)을 포함할 수 있다.

따라서, 본 명세서에 개시된 실시예들과 관련하여 설명된 방법 또는 알고리즘의 단계는 프로세서(1100)에 의해 실행되는 하드웨어, 소프트웨어 모듈, 또는 그 2 개의 결합으로 직접 구현될 수 있다. 소프트웨어 모듈은 RAM 메모리, 플래시 메모리, ROM 메모리, EPROM 메모리, EEPROM 메모리, 레지스터, 하드 디스크, 착탈형 디스크, CD-ROM과 같은 저장 매체(즉, 메모리(1300) 및/또는 스토리지(1600))에 상주할 수도 있다.

예시적인 저장 매체는 프로세서(1100)에 커플링되며, 그 프로세서(1100)는 저장 매체로부터 정보를 판독할 수 있고 저장 매체에 정보를 기입할 수 있다. 다른 방법으로, 저장 매체는 프로세서(1100)와 일체형일 수도 있다. 프로세서 및 저장 매체는 주문형 집적회로(ASIC) 내에 상주할 수도 있다. ASIC는 사용자 단말기 내에 상주할 수도 있다. 다른 방법으로, 프로세서 및 저장 매체는 사용자 단말기 내에 개별 컴포넌트로서 상주할 수도 있다.

이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다.

따라서, 본 발명에 개시된 실시예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.

Claims

차량의 주행 경로 상에 존재하는 교차로에서 상기 차량과 교차하는 객체를 선정하는 객체 선정부;
상기 객체의 예측 경로에 기반하여 상기 차량의 주행시 위험도를 판정하는 위험도 판정부; 및
상기 위험도 판정 결과에 기초하여 상기 차량의 주행 방법을 결정하는 주행 제어부를 포함하는 차량 제어 장치.
청구항 1에 있어서,
상기 객체 선정부는 상기 차량의 주행 경로와 교차하는 적어도 하나의 후보 경로를 추출하고, 상기 후보 경로를 따라 주행하는 적어도 하나의 객체 중 상기 차량과 동시에 교차하는 객체를 선정하는 차량 제어 장치.
청구항 1에 있어서,
상기 객체 선정부는 상기 차량과 상기 객체의 교차점을 산출하고 상기 차량과 상기 객체의 교차점에서의 점유 시간에 기초하여 상기 객체를 선정하는 차량 제어 장치.
청구항 1에 있어서,
상기 위험도 판정부는 상기 객체의 주행 경로와 동역학 정보에 기반하여 상기 객체가 상기 교차로를 빠져나가는 종료 지점을 산출하는 차량 제어 장치.
청구항 4에 있어서,
상기 위험도 판정부는 상기 객체의 주행 경로와 상기 동역학 정보에 기반한 제1 학습 모델을 통해 상기 종료 지점을 산출하는 차량 제어 장치.
청구항 4에 있어서,
상기 위험도 판정부는 상기 객체의 동역학 정보에 기반하여 도출 가능한 적어도 하나의 경로 중 상기 객체가 상기 종료 지점까지 주행할 가능성이 가장 높은 경로를 상기 객체의 예측 경로로 결정하는 차량 제어 장치.
청구항 6에 있어서,
상기 위험도 판정부는 상기 객체의 현재 위치로부터 상기 종료 지점까지 가장 완만한 곡선 형태를 갖는 기준 경로를 생성하고, 상기 객체의 동역학 정보에 기반하여 도출 가능한 적어도 하나의 후보 경로 중에서 상기 기준 경로와의 오차가 가장 적은 후보 경로를 상기 객체의 예측 경로로 결정하는 차량 제어 장치.
청구항 6에 있어서,
상기 위험도 판정부는 상기 객체의 주행 경로, 동역학 정보 및 상기 객체의 동역학 정보에 기반하여 도출된 적어도 하나의 경로에 기반한 제2 학습 모델을 통해 산출된 경로를 상기 객체의 예측 경로를 결정하는 차량 제어 장치.
청구항 1에 있어서,
상기 위험도 판정부는 상기 차량이 상기 객체와의 교차점에 도달하는 시간, 상기 차량이 상기 교차점을 통과하는 시간, 상기 객체가 상기 교차점에 도달하는 시간 및 상기 객체가 상기 교차점을 통과하는 시간을 고려하여 상기 위험도를 판정하는 차량 제어 장치.
청구항 1에 있어서,
상기 주행 제어부는 상기 차량과 상기 객체 사이의 최소 거리가 기준 거리 이상인 주행 방법을 결정하는 차량 제어 장치.
청구항 1에 있어서,
상기 주행 제어부는 상기 주행 방법에 따른 상기 차량의 제어 파라미터를 산출하는 차량 제어 장치.
청구항 11에 있어서,
상기 제어 파라미터는 상기 차량의 주행 경로와 속도 프로파일을 포함하는 차량 제어 장치.
청구항 1에 있어서,
상기 주행 제어부는 상기 차량의 주행 경로와 상기 객체의 예측 경로를 시간별로 스케줄링하여 상기 주행 방법을 결정하는 차량 제어 장치.
청구항 1에 있어서,
상기 객체 선정부는 상기 차량의 주행 경로 상에 존재하는 적어도 하나의 교차로 중 상기 차량의 주행 경로에서 가장 가까운 교차로부터 상기 객체를 선정하는 차량 제어 장치.
차량 주변의 객체를 검출하는 센서;
상기 차량의 위치 정보 및 지도 정보를 획득하는 정보 획득 장치; 및
상기 차량의 주행 경로 상에 존재하는 교차로에서 상기 차량과 교차하는 객체를 선정하고, 상기 객체의 예측 경로에 기반하여 판정된 상기 차량의 위험도에 기초하여 상기 차량의 주행 방법을 결정하고, 상기 차량의 주행 방법에 따른 제어 파라미터에 기초하여 상기 차량을 제어하는 차량 제어 장치를 포함하는 차량 시스템.
청구항 15에 있어서,
상기 센서는 상기 차량의 주행 상태에 관한 정보를 검출하는 차량 시스템.
청구항 15에 있어서,
상기 정보 획득 장치는 외부 서버로부터 상기 차량의 위치 정보 및 상기지도 정보를 획득하는 차량 시스템.
차량의 주행 경로 상에 존재하는 교차로에서 상기 차량과 교차하는 객체를 선정하는 단계;
상기 객체의 예측 경로에 기반하여 상기 차량의 주행시 위험도를 판정하는 단계; 및
상기 위험도 판정 결과에 기초하여 상기 차량의 주행 방법을 결정하는 단계를 포함하는 차량 제어 방법.
청구항 18에 있어서,
상기 객체의 주행 경로와 동역학 정보에 기반하여 상기 객체가 상기 교차로를 빠져나가는 종료 지점을 산출하는 단계를 더 포함하는 차량 제어 방법.
청구항 19에 있어서,
상기 객체의 동역학 정보에 기반하여 도출 가능한 적어도 하나의 경로 중 상기 객체가 상기 종료 지점까지 주행할 가능성이 가장 높은 경로를 상기 객체의 예측 경로로 결정하는 단계를 더 포함하는 차량 제어 방법.