KR20230002042A - 차량 위치 점유 예측 - Google Patents

차량 위치 점유 예측 Download PDF

Info

Publication number
KR20230002042A
KR20230002042A KR1020220053073A KR20220053073A KR20230002042A KR 20230002042 A KR20230002042 A KR 20230002042A KR 1020220053073 A KR1020220053073 A KR 1020220053073A KR 20220053073 A KR20220053073 A KR 20220053073A KR 20230002042 A KR20230002042 A KR 20230002042A
Authority
KR
South Korea
Prior art keywords
vehicle
destination
parking location
parking
location
Prior art date
Application number
KR1020220053073A
Other languages
English (en)
Inventor
샤우랴 아가왈
아이만 알라라오
타일러 헨드릭슨
알렉산더 슈타인발트
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 KR20230002042A publication Critical patent/KR20230002042A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/20—Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles
    • G08G1/202—Dispatching vehicles on the basis of a location, e.g. taxi dispatching
    • 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
    • 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
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/0097—Predicting future conditions
    • 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
    • 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
    • B60W60/0025—Planning or execution of driving tasks specially adapted for specific operations
    • B60W60/00253—Taxi operations
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
    • B62D—MOTOR VEHICLES; TRAILERS
    • B62D15/00—Steering not otherwise provided for
    • B62D15/02—Steering position indicators ; Steering position determination; Steering aids
    • B62D15/027—Parking aids, e.g. instruction means
    • B62D15/0285—Parking performed automatically
    • 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
    • G01C21/3407—Route searching; Route guidance specially adapted for specific applications
    • G01C21/3415—Dynamic re-routing, e.g. recalculating the route when the user deviates from calculated route or after detecting real-time traffic data or accidents
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
    • G06Q50/30—
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0133—Traffic data processing for classifying traffic situation
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G08G1/0141—Measuring and analyzing of parameters relative to traffic conditions for specific applications for traffic information dissemination
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096708—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control
    • G08G1/096725—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control where the received information generates an automatic action on the vehicle control
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
    • G08G1/141—Traffic control systems for road vehicles indicating individual free spaces in parking areas with means giving the indication of available parking spaces
    • G08G1/143—Traffic control systems for road vehicles indicating individual free spaces in parking areas with means giving the indication of available parking spaces inside the vehicles
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
    • G08G1/141—Traffic control systems for road vehicles indicating individual free spaces in parking areas with means giving the indication of available parking spaces
    • G08G1/144—Traffic control systems for road vehicles indicating individual free spaces in parking areas with means giving the indication of available parking spaces on portable or mobile units, e.g. personal digital assistant [PDA]
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
    • G08G1/145—Traffic control systems for road vehicles indicating individual free spaces in parking areas where the indication depends on the parking areas
    • G08G1/147—Traffic control systems for road vehicles indicating individual free spaces in parking areas where the indication depends on the parking areas where the parking area is within an open public zone, e.g. city centre
    • 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
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0001—Details of the control system
    • B60W2050/0002—Automatic control, details of type of controller or control system architecture
    • B60W2050/0004—In digital systems, e.g. discrete-time systems involving sampling
    • B60W2050/0005—Processor details or data handling, e.g. memory registers or chip architecture
    • 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
    • B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
    • B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
    • B60W2420/408—Radar; Laser, e.g. lidar
    • 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
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/406—Traffic density
    • 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
    • B60W2555/00—Input parameters relating to exterior conditions, not covered by groups B60W2552/00, B60W2554/00
    • B60W2555/20—Ambient conditions, e.g. wind or rain
    • 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
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/06—Automatic manoeuvring for parking
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Human Computer Interaction (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Business, Economics & Management (AREA)
  • Atmospheric Sciences (AREA)
  • Electromagnetism (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Primary Health Care (AREA)
  • Combustion & Propulsion (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Health & Medical Sciences (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Traffic Control Systems (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Operations Research (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)

Abstract

무엇보다도, 차량 위치의 점유를 예측하기 위한 기술들이 설명된다. 이것은, 적어도 하나의 프로세서에 의해, 주차 위치의 상태 정보를 수신하는 단계 - 상태 정보는 주차 위치의 이용 가능성을 나타냄 -; 적어도 하나의 프로세서에 의해, 수신된 상태 정보에 기초하여 주차 위치의 미래 상태를 예측하는 단계; 적어도 하나의 프로세서에 의해, 주차 위치의 예측된 미래 상태에 기초하여 목적지를 결정하는 단계; 및 적어도 하나의 프로세서에 의해, 목적지로 운전하도록 차량을 제어하기 위해 예측된 미래 상태를 차량의 제어기에 제공하는 단계를 포함한다.

Description

차량 위치 점유 예측{FORECASTING VEHICLE LOCATION OCCUPANCY}
이 설명은 차량 위치들, 예를 들면, 주차 위치들의 점유에 관한 것이다.
주차 위치들의 점유는 시간이 지남에 따라 변한다. 때때로 차량은 주차 위치가 이용 가능하다는 확신 없이 목적지로 주행한다. 게다가, 때때로 차량이 목적지에 도착하지만 이용 가능한 주차 위치를 위해 교통 정체 속에서 기다려야(예를 들면, 차량들의 행렬 속에서 기다려야) 한다. 이는 목적지에 차량이 도착하는 것을 지연시킬 뿐만 아니라, 하차를 기다리는 차량 내의 승객 및/또는 픽업을 기다리는 승객들도 기다려야 한다. 일부 경우에, 인근 주차 위치가 충분했을 것이고 차량이 목적지에 더 빨리 도착할 수 있었을 것이다.
도 1은 자율 주행 능력(autonomous capability)을 갖는 자율 주행 차량(AV)의 예를 도시한다.
도 2는 AV에 대한 예시적인 아키텍처를 도시한다.
도 3은 인지 시스템에 의해 사용될 수 있는 입력들 및 출력들의 예를 도시한다.
도 4는 계획 시스템의 입력들과 출력들 사이의 관계들의 블록 다이어그램을 도시한다.
도 5는 점유 예측 시스템의 환경을 도시한다.
도 6은 차량이 도 5의 환경 내의 주차 위치에 관한 상태 정보를 획득하는 것을 도시한다.
도 7은 차량이 도 6의 환경 내의 주차 위치로 운전하는 것을 도시한다.
도 8은 주차 위치의 점유를 예측하기 위한 플로차트를 도시한다.
도 9a 및 도 9b는 주차 위치의 점유를 예측하기 위한 대안적인 플로차트를 도시한다.
도 10은 도 5의 점유 예측 시스템과 연관된 모바일 디바이스를 도시한다.
이하의 기술에서는, 설명을 위해, 본 개시에 대한 완전한 이해를 제공하기 위해 다수의 특정 세부 사항들이 기재된다. 그렇지만, 본 개시가 이러한 특정 세부 사항들이 없더라도 실시될 수 있음이 명백할 것이다. 다른 경우에, 잘 알려진 구조들 및 디바이스들은 본 개시를 불필요하게 모호하게 하는 것을 피하기 위하여 블록 다이어그램 형태로 도시되어 있다.
도면들에, 설명의 용이성을 위해, 디바이스들, 모듈들, 시스템들, 명령어 블록들 및 데이터 요소들을 나타내는 것들과 같은, 개략적인 요소들의 특정 배열들 또는 순서들이 도시되어 있다. 그렇지만, 본 기술 분야의 통상의 기술자라면, 도면들에서의 개략적인 요소들의 특정 순서 또는 배열이 프로세싱의 특정 순서 또는 시퀀스, 또는 프로세스들의 분리가 요구됨을 암시하는 것으로 의미되지 않는다는 점을 이해할 것이다. 게다가, 도면에 개략적인 요소를 포함시키는 것은, 그러한 요소가 모든 실시예들에서 요구됨을 암시하는 것으로 의미되지 않거나, 또는 그러한 요소에 의해 표현되는 특징들이 일부 실시예들에서 포함되지 않을 수 있거나 다른 요소들과 조합되지 않을 수 있음을 암시하는 것으로 의미되지 않는다.
게다가, 도면들에서, 2 개 이상의 다른 개략적인 요소 사이의 연결, 관계 또는 연관을 예시하기 위해 실선 또는 파선 또는 화살표와 같은 연결 요소들이 사용되는 경우에, 임의의 그러한 연결 요소들의 부재는 연결, 관계 또는 연관이 존재하지 않을 수 있음을 암시하는 것으로 의미되지 않는다. 예를 들어, 요소들 사이의 일부 연결들, 관계들 또는 연관들은 본 개시를 모호하게 하지 않기 위해 도면들에 도시되어 있지 않다. 추가적으로, 예시의 용이성을 위해, 요소들 사이의 다수의 연결들, 관계들 또는 연관들을 나타내기 위해 단일의 연결 요소가 사용된다. 예를 들어, 연결 요소가 신호들, 데이터 또는 명령어들의 통신을 나타내는 경우에, 본 기술 분야의 통상의 기술자라면 그러한 요소가, 통신을 수행하기 위해 필요로 할 수 있는, 하나 또는 다수의 신호 경로(예를 들면, 버스)를 나타낸다는 것을 이해할 것이다.
예들이 첨부 도면들에 예시되어 있는 실시예들에 대해 이제 상세하게 언급될 것이다. 이하의 상세한 설명에서, 다양한 설명된 실시예들에 대한 완전한 이해를 제공하기 위해 수많은 특정 세부 사항들이 기재된다. 그렇지만, 다양한 기술된 실시예들이 이러한 특정 세부 사항들이 없더라도 실시될 수 있다는 것이 본 기술 분야의 통상의 기술자에게 명백할 것이다. 다른 경우에, 실시예들의 양태들을 불필요하게 모호하게 하지 않기 위해 잘 알려진 방법들, 절차들, 컴포넌트들, 회로들, 및 네트워크들은 상세히 설명되지 않았다.
각각이 서로 독립적으로 또는 다른 특징들의 임의의 조합과 함께 사용될 수 있는 여러 특징들이 이하에서 설명된다. 그렇지만, 임의의 개별 특징은 위에서 논의된 문제들 중 어떤 것도 해결할 수 없거나 또는 위에서 논의된 문제들 중 하나만을 해결할 수 있다. 위에서 논의된 문제들 중 일부가 본 명세서에 설명된 특징들 중 임의의 것에 의해 완전히 해결되지는 않을 수 있다. 비록 여러 표제들이 제공되어 있더라도, 특정 표제에 관련되지만 해당 표제를 갖는 섹션에서 발견되지는 않는 정보가 본 설명의 다른 곳에서 발견될 수도 있다. 실시예들이 이하의 개요에 따라 본 명세서에 설명된다:
1. 일반적 개관
2. 시스템 개관
3. AV 아키텍처
4. AV 입력들
5. AV 계획
6. 점유 예측
일반적 개관
승객 안전 및 승차감(ride comfort)을 개선시키기 위해 픽업 위치 및/또는 하차 위치의 미래 상태(예를 들면, 점유, 이용 가능성, 및/또는 접근성(accessibility))가 예측(예를 들면, 확률적으로 예측)될 수 있다. 예를 들어, 주차 위치를 지나가는 제1 차량은 주차 위치의 상태(예를 들면, 이용 가능한지, 장애물이 있는지, 존재하는지 등)를 획득하고, 이 상태 정보를 원격 서버 또는 주차 위치로 가고 있는 제2 차량으로 중계한다. 이 시나리오에서, 제2 차량은 제2 차량의 목적지를 상이한 주차 위치로 변경하는 것이 필요한지(예를 들면, 주차 위치가 점유되어 있는지/이용 불가능한지, 주차 위치가 차단되어 있는지/접근 불가능한지 등) 및/또는 유익한지(예를 들면, 주차 위치 근처의 높은 레벨의 혼잡 등)를 결정할 수 있다.
무엇보다도, 점유 예측 시스템은 차량이 목적지에 접근할 때 차량의 상황 인식을 개선시킨다. 예를 들어, 어디에서 혼잡이 있는지를 아는 것에 의해, 차량은 혼잡을 피하여 원래 주차 위치까지 도보 거리 내에 있는 상이한 주차 위치로 방향을 바꿀 수 있다. 이것은, 차례로, 그렇지 않았으면 특정 주차 위치를 기다리는 데 들어갈, 차량에 의해 소비되는 리소스들을 감소시킨다. 추가적으로, 차량은 더 빨리 승객들을 내리고 상이한 승객들을 픽업할 수 있으며, 이에 의해 승객들의 대기 시간을 감소시킬 수 있다. 이 기술은 주차 위치를 변경하기 전에 승객들에게 허가를 요청하는 것에 의해 사용자 선호 사항들을 수용한다. 게다가, 붐비는 주차 위치들로부터 일정 반경 내의 혼잡이 감소되고, 이용 가능한 주차 위치가 이용 가능해지기를 기다릴 필요가 없는 것에 의해 대기 시간이 감소된다.
시스템 개관
도 1은 자율 주행 능력을 갖는 차량(100)의 예를 도시한다.
본 명세서에서 사용되는 바와 같이, "승객"이라는 용어는 차량 내에 승차하고 있는(예를 들면, 하차를 위해 목적지로 가는 도중에 있는) 승객 및/또는 픽업을 기다리는 승객을 지칭한다. 일부 예들에서, 승객은 보행자 또는 보행자 그룹(예를 들면, 가족, 학교 그룹 등)이다.
본 명세서에서 사용되는 바와 같이, "자율 주행 능력"이라는 용어는, 완전 AV들, 고도 AV들, 및 조건부 AV들을 제한 없이 포함하는, 실시간 인간의 개입이 없어도 차량이 부분적으로 또는 완전히 작동될 수 있게 하는 기능, 특징, 또는 설비를 지칭한다.
본 명세서에서 사용되는 바와 같이, 자율 주행 차량(AV)은 자율 주행 능력을 갖는 차량이다.
본 명세서에서 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 예이다.
본 명세서에서 사용되는 바와 같이, "궤적"은 AV를 제1 시공간적 위치로부터 제2 시공간적 위치로 운행시키기 위한 경로 또는 루트를 지칭한다. 일 실시예에서, 제1 시공간적 위치는 초기 또는 시작 위치라고 지칭되고 제2 시공간적 위치는 목적지, 최종 위치, 목표, 목표 포지션, 또는 목표 위치라고 지칭된다. 일부 예들에서, 궤적은 하나 이상의 세그먼트(예를 들면, 도로 섹션)로 구성되고, 각각의 세그먼트는 하나 이상의 블록(예를 들면, 차선 또는 교차로의 부분들)으로 구성된다. 일 실시예에서, 시공간적 위치들은 현실 세계 위치들에 대응한다. 예를 들어, 시공간적 위치들은 사람을 태우거나 내려주기 위한 또는 상품을 싣거나 내리기 위한 픽업(pick up) 위치 또는 하차(drop-off) 위치이다.
본 명세서에서 사용되는 바와 같이, "센서(들)"는 센서를 둘러싸는 환경에 관한 정보를 검출하는 하나 이상의 하드웨어 컴포넌트를 포함한다. 하드웨어 컴포넌트들 중 일부는 감지 컴포넌트들(예를 들면, 이미지 센서들, 생체 측정 센서들), 송신 및/또는 수신 컴포넌트들(예를 들면, 레이저 또는 무선 주파수 파 송신기들 및 수신기들), 아날로그 대 디지털 변환기들과 같은 전자 컴포넌트들, 데이터 저장 디바이스(예컨대, RAM 및/또는 비휘발성 저장소), 소프트웨어 또는 펌웨어 컴포넌트들, 및 주문형 집적 회로(ASIC), 마이크로프로세서 및/또는 마이크로컨트롤러와 같은 데이터 프로세싱 컴포넌트들을 포함할 수 있다.
본 명세서에서 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 라벨링된 대상체를 포함하는 데이터 구조(예를 들면, 리스트) 또는 데이터 스트림이다.
본 명세서에서 사용되는 바와 같이, "도로"는 차량에 의해 횡단될 수 있는 물리적 영역이고, 명명된 주요 도로(예를 들면, 도시 거리, 주간 프리웨이(interstate freeway) 등)에 대응할 수 있거나, 또는 명명되지 않은 주요 도로(예를 들면, 주택 또는 사무실 건물에서의 사유 도로(driveway), 주차장의 섹션, 공터의 섹션, 시골 구역에의 비포장 경로 등)에 대응할 수 있다. 일부 차량들(예를 들면, 4륜 구동 픽업 트럭들, 스포츠 유틸리티 차량들 등)은 차량 주행에 특히 적합하지 않은 다양한 물리적 구역들을 횡단할 수 있기 때문에, "도로"는 임의의 지자체 또는 다른 정부 또는 행정처에 의해 주요 도로로서 공식적으로 규정되지 않은 물리적 구역일 수 있다.
본 명세서에서 사용되는 바와 같이, "차선"은 차량에 의해 횡단될 수 있는 도로의 일 부분이다. 차선은 때때로 차선 마킹들에 기초하여 식별된다. 예를 들어, 차선은 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 마킹들을 갖는 도로는 차선 마킹들 사이에 둘 이상의 차량을 수용할 수 있음으로써, 하나의 차량이 차선 마킹들을 횡단하지 않으면서 다른 차량을 추월할 수 있고, 따라서 차선 마킹들 사이의 공간보다 좁은 차선을 갖거나 차선 마킹들 사이에 2 개의 차선을 갖는 것으로 해석될 수 있다. 차선은 차선 마킹들의 부재 시에도 해석될 수 있다. 예를 들어, 차선은 환경의 물리적 특징물들, 예를 들면, 시골 지역에서 주요 도로를 따라 있는 바위들 및 나무들 또는, 예를 들면, 미개발 지역에 있는 피할 자연 장애물들에 기초하여 규정될 수 있다. 차선은 또한 차선 마킹들 또는 물리적 특징물들과 무관하게 해석될 수 있다. 예를 들어, 차선은 차선 경계들로서 해석될 특징물들이 달리 없는 구역에서 장애물들이 없는 임의의 경로에 기초하여 해석될 수 있다. 예시적인 시나리오에서, AV는 들판 또는 공터의 장애물 없는 부분을 통해 차선을 해석할 수 있다. 다른 예시적인 시나리오에서, AV는 차선 마킹들을 갖지 않는 넓은(예를 들면, 2 개 이상의 차선을 위해 충분히 넓은) 도로를 통해 차선을 해석할 수 있다. 이 시나리오에서, AV는 차선에 관한 정보를 다른 AV들에 전달할 수 있음으로써, 다른 AV들이 동일한 차선 정보를 사용하여 그 자신들 간에 경로 계획을 조정할 수 있다.
"OTA(over-the-air) 클라이언트"라는 용어는 임의의 AV, 또는 AV에 내장되거나, AV에 결합되거나, 또는 AV와 통신하는 임의의 전자 디바이스(예를 들면, 컴퓨터, 제어기, IoT 디바이스, 전자 제어 유닛(ECU))를 포함한다.
"OTA(over-the-air) 업데이트"라는 용어는, 셀룰러 모바일 통신(예를 들면, 2G, 3G, 4G, 5G), 라디오 무선 영역 네트워크(예를 들면, WiFi) 및/또는 위성 인터넷을 포함하지만 이에 제한되지 않는, 독점적인 및/또는 표준화된 무선 통신 기술을 사용하여 OTA 클라이언트에 전달되는 소프트웨어, 펌웨어, 데이터 또는 구성 설정, 또는 이들의 임의의 조합에 대한 임의의 업데이트, 변경, 삭제 또는 추가를 의미한다.
"에지 노드"라는 용어는, AV와의 통신을 위한 포털을 제공하고 OTA 업데이트들을 스케줄링하여 OTA 클라이언트들에 전달하기 위해 다른 에지 노드들 및 클라우드 기반 컴퓨팅 플랫폼과 통신할 수 있는, 네트워크에 결합된 하나 이상의 에지 디바이스를 의미한다.
"에지 디바이스"라는 용어는, 에지 노드를 구현하고 기업 또는 서비스 제공자(예를 들면, VERIZON, AT&T) 코어 네트워크들에 대한 물리적 무선 액세스 포인트(AP)를 제공하는, 디바이스를 의미한다. 에지 디바이스들의 예들은 컴퓨터, 제어기, 송신기, 라우터, 라우팅 스위치, IAD(integrated access device), 멀티플렉서, MAN(metropolitan area network) 및 WAN(wide area network) 액세스 디바이스들을 포함하지만, 이에 제한되지 않는다.
"하나 이상"은 하나의 요소에 의해 수행되는 기능, 둘 이상의 요소에 의해, 예를 들면, 분산 방식으로 수행되는 기능, 하나의 요소에 의해 수행되는 여러 기능들, 여러 요소들에 의해 수행되는 여러 기능들, 또는 이들의 임의의 조합을 포함한다.
제1, 제2 등의 용어들이, 일부 경우에, 다양한 요소들을 기술하기 위해 본 명세서에서 사용되고 있지만, 이러한 요소들이 이러한 용어들에 의해 제한되지 않아야 한다는 것이 또한 이해될 것이다. 이러한 용어들은 하나의 요소를 다른 요소와 구별하는 데만 사용된다. 예를 들어, 다양한 설명된 실시예들의 범위를 벗어나지 않으면서, 제1 접촉은 제2 접촉이라고 지칭될 수 있고, 유사하게 제2 접촉은 제1 접촉이라고 지칭될 수 있다. 제1 접촉과 제2 접촉은 양쪽 모두 접촉이지만, 동일한 접촉은 아니다.
본 명세서에 설명된 다양한 실시예들에 대한 설명에서 사용되는 전문용어는 단지 특정한 실시예들을 설명하기 위한 것이며, 제한하는 것으로 의도되지 않는다. 다양한 설명된 실시예들에 대한 설명 및 첨부된 청구항들에서 사용되는 바와 같이, 단수 형태들(“a,” “an” 및 “the”)은, 문맥이 달리 명확히 나타내지 않는 한, 복수 형태들도 포함하는 것으로 의도된다. "및/또는"이라는 용어가, 본 명세서에서 사용되는 바와 같이, 연관된 열거된 항목들 중 하나 이상의 항목의 임의의 및 모든 가능한 조합들을 지칭하고 포괄한다는 것이 또한 이해될 것이다. 게다가, "포함한다(includes, comprises)" 및/또는 "포함하는(including, comprising)"이라는 용어들이, 본 설명에서 사용될 때, 언급된 특징들, 정수들, 단계들, 동작들, 요소들, 및/또는 컴포넌트들의 존재를 명시하지만, 하나 이상의 다른 특징, 정수, 단계, 동작, 요소, 컴포넌트, 및/또는 이들의 그룹의 존재 또는 추가를 배제하지 않는다는 것이 이해될 것이다.
본 명세서에서 사용되는 바와 같이, "~ 경우"라는 용어는, 선택적으로, 문맥에 따라 "~할 때", 또는 "~시에" 또는 "~라고 결정하는 것에 응답하여" 또는 "~을 검출하는 것에 응답하여"를 의미하는 것으로 해석된다. 마찬가지로, 문구 "~라고 결정되는 경우" 또는 "[언급된 조건 또는 이벤트]가 검출되는 경우"는, 선택적으로, 문맥에 따라, "~라고 결정할 시에" 또는 "~라고 결정하는 것에 응답하여" 또는 "[언급된 조건 또는 이벤트]를 검출할 시에" 또는 "[언급된 조건 또는 이벤트]를 검출하는 것에 응답하여"를 의미하는 것으로 해석된다.
본 명세서에서 사용되는 바와 같이, AV 시스템은 AV의 작동을 지원하는 하드웨어, 소프트웨어, 저장된 데이터 및 실시간으로 생성되는 데이터의 어레이와 함께 AV를 지칭한다. 일 실시예에서, AV 시스템은 AV 내에 통합된다. 일 실시예에서, AV 시스템은 여러 위치들에 걸쳐 확산되어 있다. 예를 들어, AV 시스템의 소프트웨어 중 일부는 클라우드 컴퓨팅 환경 상에 구현된다.
일반적으로, 본 문서는 완전 AV들, 고도 AV들, 및 조건부 AV들, 예컨대, 제각기, 소위 레벨 5 차량, 레벨 4 차량 및 레벨 3 차량을 포함하는 하나 이상의 자율 주행 능력을 갖는 임의의 차량들에 적용 가능한 기술들을 개시한다(차량의 자율성의 레벨 분류에 대한 세부 사항은 그 전체가 참고로 포함되는, 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). 본 문서에서 설명된 기술들은 또한 부분적 AV들 및 운전자 보조 차량들, 예컨대, 소위 레벨 2 차량 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 시스템들 중 하나 이상은 센서 입력들의 프로세싱에 기초하여 특정 작동 조건들 하에서 특정 차량 작동들(예를 들면, 조향, 제동, 및 맵 사용)을 자동화할 수 있다. 본 문서에 설명된 기술들은, 완전 AV로부터 인간 운전 차량에 이르는, 임의의 레벨들에 있는 차량들에 혜택을 줄 수 있다.
AV들은 인간 운전자를 필요로 하는 차량들보다 장점들이 있다. 한 가지 장점은 안전성이다. 예를 들어, 2016년에, 미국은, 9100억 달러 초과의 사회적 비용으로 추정되는, 600만 건의 자동차 사고, 240만 건의 부상, 4만 명의 사망자수, 및 1300만 건의 차량 충돌을 경험하였다. 1억 마일 주행당 미국 교통 사망자수는, 부분적으로 차량에 설치된 추가적인 안전 대책들로 인해, 1965년과 2015년 사이에 약 6명으로부터 약 1명으로 감소되었다. 예를 들어, 충돌이 발생할 것이라는 추가적인 0.5초의 경고는 전후 충돌의 60%를 완화시키는 것으로 여겨진다. 그렇지만, 수동적 안전 특징부들(예를 들면, 안전 벨트, 에어백)은 이 수치를 개선시키는 데 한계에 도달했을 것이다. 따라서, 차량의 자동 제어와 같은, 능동적 안전 대책들이 이러한 통계치들을 개선시키는 데 유망한 다음 단계이다. 인간 운전자가 충돌의 95%에서 중대한 충돌전 이벤트에 책임 있는 것으로 여겨지기 때문에, 자동 운전 시스템은, 예를 들면, 인간보다 낫게 중대한 상황들을 신뢰성 있게 인식하고 피하는 것에 의해; 인간보다 낫게 더 나은 결정을 하고, 교통 법규를 준수하며, 미래의 이벤트들을 예측하는 것에 의해; 및 인간보다 낫게 차량을 신뢰성 있게 제어하는 것에 의해, 더 나은 안전성 결과들을 달성할 가능성이 있다.
도 1을 참조하면, AV 시스템(120)은, 대상체들(예를 들면, 자연 장애물들(191), 차량들(193), 보행자들(192), 자전거 타는 사람들, 및 다른 장애물들)을 피하고 도로 규칙들(예를 들면, 작동 규칙들 또는 운전 선호사항들)을 준수하면서, 차량(100)을 궤적(198)을 따라 환경(190)을 통해 목적지(199)(때때로 최종 위치라고 지칭됨)로 작동시킨다.
일 실시예에서, AV 시스템(120)은 컴퓨터 프로세서들(146)로부터 작동 커맨드들을 수신하고 이에 따라 작동하도록 설비된 디바이스들(101)을 포함한다. 차량으로 하여금 행동(예를 들면, 운전 기동)을 수행하게 하는 실행 가능 명령어(또는 명령어 세트)를 의미하기 위해 "작동 커맨드"라는 용어를 사용한다. 작동 커맨드들은, 제한 없이, 차량이 전진을 시작하고, 전진을 중지하며, 후진을 시작하고, 후진을 중지하며, 가속하고, 감속하며, 좌회전을 수행하고, 우회전을 수행하기 위한 명령어들을 포함할 수 있다. 디바이스들(101)의 예들은 조향 컨트롤(102), 브레이크(103), 기어, 액셀러레이터 페달 또는 다른 가속 제어 메커니즘, 윈드실드 와이퍼, 사이드 도어 록, 윈도 컨트롤, 및 방향 지시등을 포함한다.
일 실시예에서, AV 시스템(120)은, AV의 포지션, 선속도와 각속도 및 선가속도와 각가속도, 및 헤딩(heading)(예를 들면, 차량(100)의 선단(leading end)의 배향)과 같은, 차량(100)의 상태 또는 조건의 속성들을 측정 또는 추론하기 위한 센서들(121)을 포함한다. 센서들(121)의 예는 GPS, 차량 선가속도 및 각도 변화율(angular rate) 양쪽 모두를 측정하는 IMU(inertial measurement unit), 바퀴 슬립률(wheel slip ratio)을 측정 또는 추정하기 위한 바퀴 속력 센서, 바퀴 브레이크 압력 또는 제동 토크 센서, 엔진 토크 또는 바퀴 토크 센서, 그리고 조향각 및 각도 변화율 센서이다.
일 실시예에서, 센서들(121)은 또한 AV의 환경의 속성들을 감지하거나 측정하기 위한 센서들을 포함한다. 예를 들어, 가시 광, 적외선 또는 열(또는 양쪽 모두) 스펙트럼의 단안 또는 스테레오 비디오 카메라들(122), LiDAR(123), RADAR, 초음파 센서들, 비행 시간(time-of-flight, TOF) 깊이 센서들, 속력 센서들, 온도 센서들, 습도 센서들, 및 강수 센서들.
일 실시예에서, AV 시스템(120)은 컴퓨터 프로세서들(146)과 연관된 머신 명령어들 또는 센서들(121)에 의해 수집되는 데이터를 저장하기 위한 데이터 저장 유닛(142) 및 메모리(144)를 포함한다. 일 실시예에서, 데이터 저장 유닛(142) 및 메모리(144)는 환경(190)에 관한 이력 정보, 실시간 정보, 및/또는 예측 정보를 저장한다. 일 실시예에서, 저장된 정보는 맵들, 운전 수행, 교통 혼잡 업데이트들 또는 기상 조건들을 포함한다. 일 실시예에서, 환경(190)에 관련된 데이터는 원격에 위치하는 데이터베이스(134)로부터 통신 채널을 통해 차량(100)으로 송신된다.
일 실시예에서, AV 시스템(120)은 다른 차량들의 상태들 및 조건들, 예컨대, 포지션, 선속도와 각속도, 선가속도와 각가속도, 및 차량(100)을 향한 선형 헤딩(linear heading)과 각도 헤딩(angular heading)의 측정된 또는 추론된 속성들을 전달하기 위한 통신 디바이스들(140)을 포함한다. 이러한 디바이스들은 V2V(Vehicle-to-Vehicle) 및 V2I(Vehicle-to-Infrastructure) 통신 디바이스들 및 포인트 투 포인트(point-to-point) 또는 애드혹(ad hoc) 네트워크들 또는 양쪽 모두를 통한 무선 통신을 위한 디바이스들을 포함한다. 일 실시예에서, 통신 디바이스들(140)은 (무선 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 실시예들에서, 하나 이상의 다른 유형의 통신)의 조합이 때때로 V2X(Vehicle-to-Everything) 통신이라고 지칭된다. V2X 통신은 전형적으로, AV들과의 통신 및 AV들 간의 통신을 위한 하나 이상의 통신 표준을 준수한다.
일 실시예에서, 통신 디바이스들(140)은 통신 인터페이스들을 포함한다. 예를 들어, 유선, 무선, WiMAX, Wi-Fi, 블루투스, 위성, 셀룰러, 광학, 근거리(near field), 적외선, 또는 무선(radio) 인터페이스들. 통신 인터페이스들은 원격에 위치하는 데이터베이스(134)로부터 AV 시스템(120)으로 데이터를 송신한다. 일 실시예에서, 원격에 위치한 데이터베이스(134)는 클라우드 컴퓨팅 환경에 내장된다. 통신 디바이스들(140)은 센서들(121)로부터 수집되는 데이터 또는 차량(100)의 작동에 관련된 다른 데이터를 원격에 위치하는 데이터베이스(134)로 송신한다. 일 실시예에서, 통신 디바이스들(140)은 텔레오퍼레이션(teleoperation)에 관련되는 정보를 차량(100)으로 송신한다. 일부 실시예들에서, 차량(100)은 다른 원격(예를 들면, "클라우드") 서버들(136)과 통신한다.
일 실시예에서, 원격에 위치하는 데이터베이스(134)는 또한 디지털 데이터를 저장 및 송신한다(예를 들면, 도로 및 거리 위치들과 같은 데이터를 저장함). 그러한 데이터는 차량(100) 상의 메모리(144)에 저장되거나, 원격에 위치하는 데이터베이스(134)로부터 통신 채널을 통해 차량(100)으로 송신된다.
일 실시예에서, 원격에 위치하는 데이터베이스(134)는 유사한 하루 중 시간(time of day)에 궤적(198)을 따라 이전에 주행했던 차량들의 운전 속성들(예를 들면, 속력 프로필 및 가속도 프로필)에 관한 이력 정보를 저장 및 송신한다. 일 구현에서, 그러한 데이터는 차량(100) 상의 메모리(144)에 저장될 수 있거나, 또는 원격에 위치하는 데이터베이스(134)로부터 통신 채널을 통해 차량(100)으로 송신될 수 있다.
차량(100) 상에 위치하는 컴퓨터 프로세서들(146)은 실시간 센서 데이터 및 사전 정보(prior information) 양쪽 모두에 기초하여 제어 행동들을 알고리즘적으로 생성하여, AV 시스템(120)이 그의 자율 주행 운전 능력을 실행할 수 있게 한다.
일 실시예에서, AV 시스템(120)은 차량(100)의 사용자(예를 들면, 탑승자 또는 원격 사용자)에게 정보 및 경보들을 제공하고 그로부터 입력을 수신하기 위한, 컴퓨터 프로세서들(146)에 결합된 컴퓨터 주변기기들(132)을 포함한다. 결합은 무선 또는 유선이다. 인터페이스 디바이스들 중 임의의 둘 이상이 단일 디바이스에 통합될 수 있다.
일 실시예에서, AV 시스템(120)은, 예를 들면, 승객에 의해 명시되거나 승객과 연관된 프로필에 저장된, 승객의 프라이버시 레벨을 수신하고 시행한다. 승객의 프라이버시 레벨은 승객과 연관된 특정 정보(예를 들면, 승객 편의 데이터, 생체 측정 데이터 등)가 사용되도록, 승객 프로필에 저장되도록, 그리고/또는 클라우드 서버(136)에 저장되어 승객 프로필과 연관되도록 허용될 수 있는 방법을 결정한다. 일 실시예에서, 프라이버시 레벨은 일단 라이드(ride)가 완료되면 삭제되는 승객과 연관된 특정 정보를 명시한다. 일 실시예에서, 프라이버시 레벨은 승객과 연관된 특정 정보를 명시하고 정보에 액세스하도록 인가된 하나 이상의 엔티티를 식별해 준다. 정보에 액세스하도록 인가되어 있는 명시된 엔티티들의 예들은 다른 AV들, 제3자 AV 시스템들, 또는 정보에 잠재적으로 액세스할 수 있는 임의의 엔티티를 포함할 수 있다.
승객의 프라이버시 레벨은 하나 이상의 입도(granularity) 레벨로 명시될 수 있다. 일 실시예에서, 프라이버시 레벨은 저장 또는 공유될 특정 정보를 식별해 준다. 일 실시예에서, 승객이 자신의 개인 정보가 저장 또는 공유되지 않게 명시할 수 있도록 승객과 연관된 모든 정보에 프라이버시 레벨이 적용된다. 특정 정보에 액세스하도록 허용된 엔티티들의 명시는 다양한 입도 레벨들로 명시될 수 있다. 특정 정보에 액세스하도록 허용되는 다양한 엔티티 세트들은, 예를 들어, 다른 AV들, 클라우드 서버들(136), 특정 제3자 AV 시스템들 등을 포함할 수 있다.
일 실시예에서, AV 시스템(120) 또는 클라우드 서버(136)는 승객과 연관된 특정 정보가 차량(100) 또는 다른 엔티티에 의해 액세스될 수 있는지를 결정한다. 예를 들어, 특정 시공간적 위치에 관련된 승객 입력에 액세스하려고 시도하는 제3자 AV 시스템은 승객과 연관된 정보에 액세스하기 위해, 예를 들면, AV 시스템(120) 또는 클라우드 서버(136)로부터 인가를 획득해야 한다. 예를 들어, AV 시스템(120)은 시공간적 위치에 관련된 승객 입력이 제3자 AV 시스템, 차량(100), 또는 다른 AV에 제공될 수 있는지 여부를 결정하기 위해 승객의 명시된 프라이버시 레벨을 사용한다. 이것은 승객의 프라이버시 레벨이 어느 다른 엔티티들이 승객의 행동에 관한 데이터 또는 승객과 연관된 다른 데이터를 수신하도록 허용되는지를 명시할 수 있게 한다.
AV 아키텍처
도 2는 AV(예를 들면, 도 1에 도시된 차량(100))에 대한 예시적인 아키텍처(200)를 도시한다. 아키텍처(200)는 인지 시스템(202)(때때로 인지 회로라고 지칭됨), 계획 시스템(204)(때때로 계획 회로라고 지칭됨), 제어 시스템(206)(때때로 제어 회로라고 지칭됨), 로컬화 시스템(208)(때때로 로컬화 회로라고 지칭됨), 및 데이터베이스 시스템(210)(때때로 데이터베이스 회로라고 지칭됨)을 포함한다. 각각의 시스템은 차량(100)의 작동에서 소정의 역할을 한다. 다함께, 시스템들(202, 204, 206, 208, 및 210)은 도 1에 도시된 AV 시스템(120)의 일부일 수 있다. 일부 실시예들에서, 시스템들(202, 204, 206, 208, 및 210) 중 임의의 시스템은 컴퓨터 소프트웨어(예를 들면, 컴퓨터 판독 가능 매체 상에 저장된 실행 가능 코드) 및 컴퓨터 하드웨어(예를 들면, 하나 이상의 마이크로프로세서, 마이크로컨트롤러, 주문형 집적 회로(ASIC), 하드웨어 메모리 디바이스, 다른 유형의 집적 회로, 다른 유형의 컴퓨터 하드웨어, 또는 이러한 것들 중 임의의 것 또는 전부의 조합)의 조합이다. 시스템들(202, 204, 206, 208, 및 210) 각각은 때때로 프로세싱 회로(예를 들면, 컴퓨터 하드웨어, 컴퓨터 소프트웨어, 또는 이 둘의 조합)라고 지칭된다. 시스템들(202, 204, 206, 208, 및 210) 중 임의의 것 또는 전부의 조합이 또한 프로세싱 회로의 예이다.
사용 중에, 계획 시스템(204)은 목적지(212)를 나타내는 데이터를 수신하고 목적지(212)에 도달(예를 들면, 도착)하기 위해 차량(100)에 의해 주행될 수 있는 궤적(214)(때때로 루트라고 지칭됨)을 나타내는 데이터를 결정한다. 계획 시스템(204)이 궤적(214)을 나타내는 데이터를 결정하기 위해, 계획 시스템(204)은 인지 시스템(202), 로컬화 시스템(208), 및 데이터베이스 시스템(210)으로부터 데이터를 수신한다.
인지 시스템(202)은, 예를 들면, 도 1에 또한 도시된 바와 같이, 하나 이상의 센서(121)를 사용하여 인근의 물리적 대상체를 식별한다. 대상체들은 분류되고(예를 들면, 보행자, 자전거, 자동차, 교통 표지판 등과 같은 유형으로 그룹화되고), 분류된 대상체들(216)을 포함하는 장면 묘사가 계획 시스템(204)에 제공된다.
계획 시스템(204)은 또한 로컬화 시스템(208)으로부터 AV 포지션(218)을 나타내는 데이터를 수신한다. 로컬화 시스템(208)은 포지션을 계산하기 위해 센서들(121)로부터의 데이터 및 데이터베이스 시스템(210)으로부터의 데이터(예를 들면, 지리적 데이터)를 사용하여 AV 포지션을 결정한다. 예를 들어, 로컬화 시스템(208)은 GNSS(Global Navigation Satellite System) 센서로부터의 데이터 및 지리적 데이터를 사용하여 AV의 경도 및 위도를 계산한다. 일 실시예에서, 로컬화 시스템(208)에 의해 사용되는 데이터는 도로 기하학적 속성들의 고정밀 맵, 도로 네트워크 연결 속성들을 기술하는 맵, 도로 물리적 속성들(예컨대, 교통 속력, 교통량, 차량 교통 차선과 자전거 타는 사람 교통 차선의 수, 차선 폭, 차선 교통 방향, 또는 차선 마커 유형 및 위치, 또는 그 조합)을 기술하는 맵, 및 도로 특징물들, 예컨대, 횡단보도, 교통 표지판 또는 다양한 유형의 다른 주행 신호(travel signal)의 공간적 위치들을 기술하는 맵을 포함한다. 일 실시예에서, 고정밀 맵은 자동 또는 수동 주석 달기(annotation)를 통해 저정밀 맵에 데이터를 추가하는 것에 의해 구성된다.
제어 시스템(206)은 궤적(214)을 나타내는 데이터 및 AV 포지션(218)을 나타내는 데이터를 수신하고, 차량(100)으로 하여금 목적지(212)를 향해 궤적(214)을 주행하게 할 방식으로 AV의 제어 기능들(220a 내지 420c)(예를 들면, 조향, 스로틀링, 제동, 점화)을 작동시킨다. 예를 들어, 궤적(214)이 좌회전을 포함하는 경우, 제어 시스템(206)은, 조향 기능의 조향각이 차량(100)으로 하여금 좌회전하게 하고 스로틀링 및 제동이 차량(100)으로 하여금 이러한 회전이 이루어지기 전에 지나가는 보행자 또는 차량을 위해 일시정지 및 대기하게 하는 방식으로, 제어 기능들(220a 내지 420c)을 작동시킬 것이다.
AV 입력들
도 3은 인지 시스템(202)(도 2)에 의해 사용되는 입력들(302a 내지 302d)(예를 들면, 도 1에 도시된 센서들(121)) 및 출력들(304a 내지 304d)(예를 들면, 센서 데이터)의 예를 도시한다. 하나의 입력(302a)은 LiDAR(Light Detection and Ranging) 시스템(예를 들면, 도 1에 도시된 LiDAR(123))이다. LiDAR는 그의 가시선에 있는 물리적 대상체들에 관한 데이터를 획득하기 위해 광(예를 들면, 적외선 광과 같은 광 버스트)을 사용하는 기술이다. LiDAR 시스템은 출력(304a)으로서 LiDAR 데이터를 생성한다. 예를 들어, LiDAR 데이터는 환경(190)의 표현을 구성하는 데 사용되는 3D 또는 2D 포인트들(포인트 클라우드들이라도 알려져 있음)의 집합체이다.
다른 입력(302b)은 RADAR 시스템이다. RADAR는 인근의 물리적 대상체들에 관한 데이터를 획득하기 위해 전파를 사용하는 기술이다. RADAR는 LiDAR 시스템의 가시선 내에 있지 않은 대상체들에 관한 데이터를 획득할 수 있다. RADAR 시스템은 출력(304b)으로서 RADAR 데이터를 생성한다. 예를 들어, RADAR 데이터는 환경(190)의 표현을 구성하는 데 사용되는 하나 이상의 무선 주파수 전자기 신호이다.
다른 입력(302c)은 카메라 시스템이다. 카메라 시스템은 인근의 물리적 대상체들에 관한 정보를 획득하기 위해 하나 이상의 카메라(예를 들면, CCD(charge-coupled device)와 같은 광 센서를 사용하는 디지털 카메라들)를 사용한다. 카메라 시스템은 출력(304c)으로서 카메라 데이터를 생성한다. 카메라 데이터는 종종 이미지 데이터(예를 들면, RAW, JPEG, PNG 등과 같은 이미지 데이터 포맷의 데이터)의 형태를 취한다. 일부 예들에서, 카메라 시스템은, 카메라 시스템이 깊이를 인지하는 것을 가능하게 하는, 예를 들면, 입체시(stereopsis)(스테레오 비전)를 위한, 다수의 독립적인 카메라들을 갖는다. 비록 카메라 시스템에 의해 인지되는 대상체들이 여기서 "인근"으로 기술되지만, 이것은 AV를 기준으로 한 것이다. 일부 실시예들에서, 카메라 시스템은 멀리 있는, 예를 들면, AV 전방으로 최대 1 킬로미터 이상에 있는 대상체들을 "보도록" 구성된다. 그에 따라, 일부 실시예들에서, 카메라 시스템은 멀리 떨어져 있는 대상체들을 인지하도록 최적화되어 있는 센서들 및 렌즈들과 같은 특징부들을 갖는다.
다른 입력(302d)은 교통 신호등 검출(traffic light detection, TLD) 시스템이다. TLD 시스템은 하나 이상의 카메라를 사용하여, 시각적 운행 정보를 제공하는 교통 신호등, 거리 표지판, 및 다른 물리적 대상체들에 관한 정보를 획득한다. TLD 시스템은 출력(304d)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 대상체들에 관한 정보를 획득하기 위해 TLD 시스템이 넓은 시야를 가진 카메라(예를 들면, 광각 렌즈 또는 어안 렌즈를 사용함)를 사용함으로써, 차량(100)이 이러한 대상체들에 의해 제공되는 모든 관련 운행 정보에 액세스하도록 한다는 점에서, 카메라를 포함하는 시스템과 상이하다. 예를 들어, TLD 시스템의 시야각은 약 120도 이상이다.
일부 실시예들에서, 출력들(304a 내지 304d)은 센서 융합 기술을 사용하여 결합된다. 따라서, 개별 출력들(304a 내지 304d) 중 어느 하나가 차량(100)의 다른 시스템들에 제공되거나(예를 들면, 도 2에 도시된 바와 같은 계획 시스템(204)에 제공되거나), 또는 결합된 출력이 동일한 유형의 단일 결합 출력 또는 다수의 결합 출력들의 형태(동일한 결합 기술을 사용하는 것 또는 동일한 출력들을 결합시키는 것 또는 양쪽 모두) 또는 상이한 유형의 단일 결합 출력 또는 다수의 결합 출력들의 형태(예를 들면, 상이한 각자의 결합 기술들을 사용하는 것 또는 상이한 각자의 출력들을 결합시키는 것 또는 양쪽 모두) 중 어느 하나로 다른 시스템들에 제공될 수 있다. 일부 실시예들에서, 조기 융합(early fusion) 기술이 사용된다. 조기 융합 기술은 하나 이상의 데이터 프로세싱 단계가 결합된 출력에 적용되기 전에 출력들을 결합시키는 것을 특징으로 한다. 일부 실시예들에서, 늦은 융합(late fusion) 기술이 사용된다. 늦은 융합 기술은 하나 이상의 데이터 프로세싱 단계가 개별 출력들에 적용된 후에 출력들을 결합시키는 것을 특징으로 한다.
경로 계획
도 4는 (예를 들면, 도 2에 도시된 바와 같은) 계획 시스템(204)의 입력들과 출력들 사이의 관계들의 블록 다이어그램(400)을 도시한다. 일반적으로, 계획 시스템(204)의 출력은 시작 포인트(404)(예를 들면, 소스 위치 또는 초기 위치)로부터 종료 포인트(406)(예를 들면, 목적지 또는 최종 위치)까지의 루트(402)이다. 루트(402)는 전형적으로 하나 이상의 세그먼트에 의해 정의된다. 예를 들어, 세그먼트는 거리, 도로, 간선도로, 사유 도로, 또는 자동차 주행에 적절한 다른 물리적 구역의 적어도 일 부분에 걸쳐 주행되는 거리이다. 일부 예에서, 예를 들면, 차량(100)이 4륜 구동(4WD) 또는 상시 4륜구동(AWD) 자동차, SUV, 픽업 트럭 등과 같은 오프로드 주행 가능 차량(off-road capable vehicle)인 경우, 루트(402)는 비포장 경로들 또는 탁트인 들판들과 같은 "오프로드" 세그먼트들을 포함한다.
루트(402)에 추가하여, 계획 시스템은 차선 레벨 루트 계획 데이터(408)도 출력한다. 차선 레벨 루트 계획 데이터(408)는 특정 시간에서의 세그먼트의 조건들에 기초하여 루트(402)의 세그먼트들을 횡단하는 데 사용된다. 예를 들어, 루트(402)가 다중 차선 간선도로를 포함하는 경우, 차선 레벨 루트 계획 데이터(408)는, 예를 들어, 출구가 다가오고 있는지 여부, 차선들 중 하나 이상이 다른 차량들을 갖는지 여부, 또는 수 분 이하 동안에 걸쳐 변화되는 다른 인자들에 기초하여, 차량(100)이 다수의 차선들 중 한 차선을 선택하는 데 사용할 수 있는 궤적 계획 데이터(410)를 포함한다. 유사하게, 일부 구현들에서, 차선 레벨 루트 계획 데이터(408)는 루트(402)의 세그먼트에 특정적인 속력 제약들(412)을 포함한다. 예를 들어, 세그먼트가 보행자들 또는 예상치 못한 교통상황(traffic)을 포함하는 경우, 속력 제약들(412)은 차량(100)을 예상된 속력보다 느린 주행 속력, 예를 들면, 세그먼트에 대한 속력 제한 데이터에 기초한 속력으로 제한할 수 있다.
일 실시예에서, 계획 시스템(204)에 대한 입력은 (예를 들면, 도 2에 도시된 데이터베이스 시스템(210)으로부터의) 데이터베이스 데이터(414), 현재 위치 데이터(416)(예를 들면, 도 2에 도시된 AV 포지션(218)), (예를 들면, 도 2에 도시된 목적지(212)에 대한) 목적지 데이터(418), 및 대상체 데이터(420)(예를 들면, 도 2에 도시된 인지 시스템(202)에 의해 인지되는 분류된 대상체들(216))를 포함한다. 일부 실시예들에서, 데이터베이스 데이터(414)는 계획에서 사용되는 규칙들을 포함한다. 규칙들은 형식 언어(formal language)를 사용하여, 예를 들면, 불리언 논리(Boolean logic)를 사용하여 지정된다. 차량(100)이 조우하는 임의의 주어진 상황에서, 규칙들 중 적어도 일부는 해당 상황에 적용될 것이다. 규칙이 차량(100)에 이용 가능한 정보, 예를 들면, 주변 환경에 관한 정보에 기초하여 충족되는 조건들을 갖는 경우, 규칙이 주어진 상황에 적용된다. 규칙들은 우선순위를 가질 수 있다. 예를 들어, "도로가 프리웨이인 경우, 최좌측 차선으로 이동하라"로 되어 있는 규칙은, 출구가 1 마일 이내로 다가오고 있는 경우, 최우측 차선으로 이동하라"는 것보다 낮은 우선순위를 가질 수 있다.
점유 예측
도 5는 점유 예측 시스템(550)의 환경(500)을 도시한다. 환경(500)은 도로들(502)을 운전하는 차량들(504A 내지 504H)(집합적으로 "차량들(504)")을 포함한다. 일 실시예에서, 차량들(504)은 도 1을 참조하여 설명된 차량(100)과 동일하거나 유사하다. 일 실시예에서, 차량들(504) 중 임의의 것 또는 전부는 자율 주행이거나 반자율 주행이다.
환경(500)은 하나 이상의 주차 위치(508A, 508B)(집합적으로 "주차 위치들(508)")를 포함하는 하나 이상의 주차 구역(506A 내지 506F)(집합적으로 "주차 구역들(506)")을 포함하지만, 일부 주차 위치들(508)은 간략함을 위해 도 5에서 명시적으로 라벨링되어 있지 않다. 주차 위치(508)는 차량(504)이 승객들을 픽업하고/하거나 하차하기 위해 적어도 일시적으로 정차할 수 있는 장소 또는 위치이다. 때때로 이 주차 위치(508)는 "PuDo 위치" 또는 픽업 하차 위치라고 지칭된다. 일부 경우에, 주차 위치(508)는 단기 주차(예를 들면, 하루 또는 일주일) 또는 장기 주차(예를 들면, 1개월 또는 1년, 전형적으로 차량(504)의 장기 보관에 사용됨)를 위해 사용된다. 유사하게, 주차 구역(506)은 주차 위치들(508)의 세트이고 주차 위치들(508)의 경계를 정의한다.
일부 예들에서, 주차 구역(506)은 단일 주차 위치(508)를 포함하고, 다른 예들에서, 주차 구역(506)은 둘 이상의 주차 위치(508)(예를 들면, 2 내지 10 개 등)를 포함한다. 대부분의 예들에서, 주차 위치들(508)은 차량들(504)에 의해 접근 가능하고 주차 위치들(508)을 지나가는 차량들(504)에 의해 보이도록 (예를 들면, 도시 환경들에서 전형적인 것처럼) 도로들(502)에 인접해 있다. 일부 예들에서, 주차 구역(506)은 많은 주차 위치들(508)(예를 들면, 50 내지 100 개의 주차 위치)을 갖는 주차장 또는 주차 차고(parking garage)이다.
일 실시예에서, 주차 구역들(506) 및 주차 위치들(508)은 미리 정의되고 데이터베이스 또는 맵에 저장되며 서버(520)에 의해 호스팅된다. 도 5에 도시된 예에서, 서버(520) 및 환경(500) 내의 차량들(504)의 일부 또는 전부는 점유 예측 시스템(550)을 정의하는 차량 네트워크의 일부이다. 이 예에서, 점유 예측 시스템(550)은 차량들(504)이 서로 직접 통신하고/하거나 서버(520)와 직접 통신할 수 있도록 차량들(504)의 일부 또는 전부 및 서버(520)를 포함한다. 특정 차량(504)을 참조하여 설명되는 계산 태스크들은 또한 점유 예측 시스템(550) 내의 서버(520) 및/또는 다른 차량들(504)에 의해 수행 가능하다.
일 실시예에서, 맵 주석 달기 프로세스는 환경(500) 내의 모든 허용 가능한 주차 구역들(506) 및 주차 위치들(508)에 대한 위치 정보를 생성하는 것에 의해 데이터베이스를 구성한다. 이러한 맥락에서, "허용 가능한"은 주차 위치들(508)이 일년 전체에 걸쳐 적어도 일부 시간 기간 동안 차량(504)이 사용하도록 이용 가능하다는 것을 의미한다. 일부 예들에서, 맵 주석 달기 프로세스는 환경(500)의 항공 위성 이미저리 또는 드라이브 바이 LiDAR(drive-by LiDAR) 및/또는 카메라 이미지들에 기초하여 개별 주차 구역들(506) 및 개별 주차 위치들(508)을 정의하기 위해 인간 주석 작성자를 수반하는 수동 프로세스를 포함한다.
일부 예들에서, 주차 위치들(508)은 차량(504)을 주차하는 것이 불법인(예를 들면, 화재 방호 구역(fire zone) 내에 있는, 소화전을 차단하는, 횡단 보도 내에 있는, 교차로 내에 있는, 진입을 차단하는 등) 장소들을 제외한다. 이 예에서, 적법성 정보는 지역 용도 지역 설정 서비스(local zoning service)(예를 들면, 도시, 주 등의 지역에서 차량 이동과 연관된 법률들, 규칙들, 및/또는 규정들의 목록을 유지하는 그룹)와 연관된 시스템에 질의된다. 데이터베이스는 환경(500) 내의 주차 구역들(506) 각각 및 주차 위치들(508) 각각에 대한 위치 정보를 포함한다.
일 예에서, 환경(500) 내의 승객(510)은 모바일 디바이스(512) 상의 앱(예를 들면, 모바일 애플리케이션)을 사용하여 제1 위치(예를 들면, 픽업 위치)로부터 제2 위치(예를 들면, 하차 위치)로의 라이드를 요청한다. 이 예에서, 제1 위치는 모바일 디바이스(512) 내의 GPS 수신기에 의해 결정되는 바와 같은 승객(510)의 현재 위치이다. 일단 승객(510)이 앱을 통해(예를 들면, 터치 스크린과 같은 모바일 디바이스(512)의 사용자 인터페이스를 통해) 질의에 응답하는 것에 의해 차량(504)을 요청하면, 앱은, 차례로, 모바일 디바이스(512)로 하여금 (예를 들면, 도로들(502)을 통해) 제1 위치로 운전하고 승객(510)을 픽업하라는 요청을 점유 예측 시스템(550) 내의 차량(504)(예를 들면, 차량(504A))으로 송신하게 한다. 일부 예들에서, 앱은 모바일 디바이스(512)로 하여금 승객(510)에 가장 가까운 차량(504)(예를 들면, 구체적으로는 점유 예측 시스템(550)의 하나 이상의 프로세서로부터의 지시를 통해 차량(504A))을 자동으로 선택하게 한다.
일 실시예에서, 앱은 모바일 디바이스(512)로 하여금 환경(500) 내의 모든 차량들(504)의 위치를 디스플레이하게 하고, 승객(510)이 점유 예측 시스템(550) 내의 특정 차량(504A)을 (예를 들면, 모바일 디바이스(512)의 사용자 인터페이스를 통해) 선택할 수 있게 한다. 일부 예들에서, 앱은 차량이 수용할 수 있는 승객들(510)의 수(예를 들면, 1 내지 7 명의 승객)에 기초하여 또는 차량(504)의 럭셔리 레벨(luxury level)에 기초하여 승객(510)이 (예를 들면, 사용자 인터페이스를 통해) 특정 차량(504A)을 선택할 수 있게 한다. 이하의 예들에서, 점유 예측 시스템(550) 및/또는 승객(510)이 차량(504)으로서 차량(504A)을 선택했다고 가정된다.
일 실시예에서, 프로세서들은 점유 예측 시스템(550)의 컴포넌트들이다. 일부 예들에서, 프로세서들은 물리적으로 모바일 디바이스(512), 서버(520), 및/또는 점유 예측 시스템(550) 내의 차량들(504) 중 임의의 것 또는 전부의 일부이다. 일부 예들에서, 정보는 차량(504) 내의 제1 프로세서에 의해 부분적으로 프로세싱되고 계산 태스크를 완료하기 위해 서버(520) 내의 제2 프로세서에 제공된다. 이 예에서, 점유 예측 시스템(550)에 대한 일반적인 언급은 모바일 디바이스(512), 서버(520), 및/또는 점유 예측 시스템(550)의 네트워크 내에서 작동하는 차량들(504) 내의 하나 이상의 프로세서 중 임의의 것 또는 전부에서 프로세싱 단계들의 일부 또는 전부를 실행하는 것을 포함한다.
일 실시예에서, 점유 예측 시스템(550)은 모바일 디바이스(512)의 GPS 수신기에 의해 결정되는 바와 같은 승객(510)의 현재 위치에 기초하여 승객(510)에 가장 가까운 주차 위치(508)를 결정한다. 이 예에서, 점유 예측 시스템(550)은 특정 주차 위치(508A)가 승객(510)에 가장 가까운 주차 위치(508)라고 결정하고 특정 주차 위치(508A)를 픽업 위치(508)로서 정의한다. 차례로, 점유 예측 시스템(550)은 모바일 디바이스(512)로 하여금 결정된 가장 가까운 주차 위치(508)가 특정 주차 위치(508A)이고 승객(510)이 특정 차량(504A)에 의해 주차 위치(508A)에서 픽업될 것으로 기대해야 한다는 표시를 디스플레이하게 하는 정보를 모바일 디바이스(512)로 송신한다. 이 예에서, 차량(504A)의 목적지는 주차 위치(508A)에 있는 결정된 픽업 위치이다.
일 실시예에서, 차량(504A)의 목적지는 승객(510)의 선호하는 주차 위치에 기초하여 결정된다. 예를 들어, 승객(510)은 특정 주차 위치(508A)(및/또는 특정 주차 구역(506A))에 대한 승객 선호 사항을 표시한다. 일부 예들에서, 차량(504A)은 주차 선호 사항을 수용하기 위해 주차 위치 승객 선호 사항에 기초하여 대기 시간 또는 혼잡에 대한 공차를 증가시킨다. 예를 들어, 차량(504A)은 목적지를 상이한 주차 위치(예를 들면, 주차 위치(508B))로 변경하기보다는 특정 주차 위치(508A)에 도착하기 위해 교통 정체 속에서 기다릴 것이다.
위의 단락들이 주차 위치(508A)가 승객(510)의 픽업 위치로 구체적으로 결정/선택되는 예를 언급하지만, 다른 예들에서, 점유 예측 시스템(550)은 특정 주차 구역(506A) 내의 주차 위치들(508) 중 임의의 것이 승객(510)의 픽업 위치일 수 있다고 결정한다. 이 예에서, 점유 예측 시스템(550)은 차량(504A)이 특정 주차 구역(506A)에 도착할 때 주차 위치들(508) 중 임의의 것이 이용 불가능하고/하거나 접근 불가능한지 여부에 기초하여 승객(510)의 픽업 위치를 결정한다. 예를 들어, 점유 예측 시스템(550)은 주차 구역(506A)이 승객(510)에 가장 가깝다고 결정하고, 주차 구역(506A)(및 주차 구역(506A) 내의 주차 위치들)이 승객(510)에 가장 가까운 주차 구역임을 나타내는 정보를 차량(504A)으로 송신한다. 차례로, 점유 예측 시스템(550)은 결정된 주차 구역(506A) 및/또는 주차 구역(506A)의 주차 위치들(508) 중 임의의 것이 픽업 장소일 수 있다는 표시를 모바일 디바이스(512)로 하여금 디스플레이하게 하는 정보를 모바일 디바이스(512)로 송신한다. 이 예에서, 승객(510)은 차량(504)이 주차 구역(506A)의 주차 위치들(508A) 중 임의의 것에 도착할 수 있다고 통지받는다.
일 실시예에서, 차량(504A)이 목적지 위치로 가는 도중에 있을 때 점유 예측 시스템(550)은 상태 정보를 계속 수신한다. 일부 예들에서, 수신된 상태 정보는 환경(500) 내에서 운전하고/하거나 주차된 다른 차량들(504)(예를 들면, 차량(504B 내지 504H))로부터 제공되거나 송신된다. 상태 정보를 획득하는 것에 대한 세부 사항들은 도 6을 참조하여 아래에서 설명된다. 점유 예측 시스템(550)은 차량(504A)이 승객(510)을 픽업하기 위해 목적지 위치에 도착할 때 목적지 위치가 이용 가능하고/하거나 접근 가능할 것인지 여부를 확률적으로 예측(predict) 또는 예상(forecast)하기 위해 상태 정보를 사용한다. 예를 들어, 상태 정보는 특정 주차 위치(508A) 및/또는 특정 주차 구역(506A) 내의 주차 위치들(508) 중 임의의 것이 이용 가능한지 여부, 예를 들면, 차량(504)이 주차 위치(508A)에 현재 주차되어 있는지 여부를 나타낸다. 일부 예들에서, 상태 정보는 주차 위치(508A)의 이용 가능성, 주차 위치(508A)의 접근성, 및/또는 주차 위치(508A) 근처의(예를 들면, 주차 위치(508A)로부터 10 피트 또는 50 피트 반경 내의) 구역의 혼잡 레벨을 포함한다. 일부 예들에서(그러나 명시적으로 도시되지는 않음), 주차 위치(508A)가 (예를 들면, 오래된 데이터베이스 또는 맵으로부터) 더 이상 존재하지 않을 수 있다. 이 예에서, 상태 정보는 데이터베이스에 저장되며, 주차 위치들(508) 중 임의의 것의 상태를 획득하고/하거나 주차 위치들(508) 중 임의의 것의 미래 상태를 예측하기 위해, 점유 예측 시스템(550) 내의 차량들(504)의 일부 또는 전부에 의해 질의된다.
일 실시예에서, 차량(504A)의 목적지는 주차 위치들(508)로부터 일정 반경 내에서 발생하는 적어도 하나의 이벤트에 기초하여 결정된다. 예를 들어, 상태 정보는 주차 위치들(508)로부터 일정 반경(예를 들면, 100 피트, 500 피트 등) 내에서의 적어도 하나의 이벤트를 나타낸다. 일부 예들에서, 이벤트는 (예를 들면, 지역 뉴스 소스들에 대한 질의를 통해 결정되는 바와 같은) 스포츠 게임, 쇼, 콘서트, 시위, 마라톤 등이다. 예를 들어, 차량(504A)은, 예를 들면, 승객이 이벤트에 참석하는 것에 대한 선호를 표시하지 않는 한, 이벤트로부터 떨어진 주차 위치(508)를 선택하기 위해 이벤트들에 대한 정보를 사용한다.
일 실시예에서, 차량(504A)의 목적지는 주차 위치들(508)에서의 온도, 강수, 체감 추위(wind chill), 및/또는 습도 중 적어도 하나에 기초하여 결정된다. 이 실시예에서, 상태 정보는 차량(504A)이 주차 위치(508A)에 도착할 것으로 예상되는 시간에 주차 위치(508A)에서의 온도, 강수, 체감 추위, 및 습도 중 적어도 하나를 나타낸다. 예를 들어, (예를 들면, weather.com과 같은 기상 서비스 데이터베이스로부터 결정되는 바와 같이) 주차 위치(508A)에 악천후가 있을 가능성이 있는 상황들에서, 차량 상의 시스템(예를 들면, 차량(504A) 내에 위치한 컴퓨터 프로세서들(146))은 지붕이 있는(covered) 주차 위치(508)(도 5에 명시적으로 도시되지 않음)를 선택하기 위해 이 정보를 사용한다.
일 실시예에서, 점유 예측 시스템(550) 내의 차량들(504) 중 하나 이상은 환경(500)에 있는 각각의 주차 구역(506) 내의 주차 위치들(508) 중 일부 또는 전부에 관한 상태 정보(예를 들면, 위치에서의 날씨, 차량이 위치에 있는지 여부 등)를 획득하도록 구성된다. 일부 예들에서, 차량들(504)이 환경(500)을 통해 운전하고 주차 위치들(508)을 지나갈 때 차량들(504)의 LiDAR 및/또는 카메라 시스템들에 의해 상태 정보가 획득된다. 일부 예들에서, 차량들(504)이 정상 주행 동안 환경(500)을 통해 운전하고 있을 때(예를 들면, 차량들이 제1 위치로부터 제2 위치로 가는 도중에 주차 위치(508)를 지나 운전할 때) 차량들(504)은 상태 정보를 획득한다. 일부 예들에서, 차량들(504)은 구체적으로 특정 주차 위치(508)로 운전하고 특정 주차 위치(508)의 이미지들을 획득하도록 점유 예측 시스템(550)에 의해 지시받는다. 다른 예들에서, 차량들(504)이 주차 위치들(508)에 주차될 때 (예를 들면, 차량(504)이 주차되는 주차 구역(506) 내의 다른 주차 위치들(508)에 관한 상태 정보를 획득하기 위해) 차량들(504)의 LiDAR 및/또는 카메라 시스템들에 의해 상태 정보가 획득된다.
일 실시예에서, 점유 예측 시스템(550)은 획득된 LiDAR 및/또는 카메라 정보에 기초하여 주차 위치들(508)의 상태 정보를 결정하고, 상태 정보에 기초하여 특정 주차 위치(508A)의 미래 상태를 예측하며, 상태 정보 및/또는 미래 상태 정보를 저장을 위해 서버(520)의 데이터베이스로 송신한다. 이러한 맥락에서, '미래 상태'는, 상태 정보가 차량(504)에 의해 획득된 때로부터 측정되는, 미래의 특정 순간에서의 예측된 상태를 나타낸다. 일부 예들에서, 미래의 시간에 대한 미래 상태, 예를 들면, 상태 정보가 획득되고 나서 적어도 10분 후의 또는 상태 정보가 획득된 때로부터 다음 날 동일한 시간에서의 미래 상태가 예측된다. 일부 예들에서, "미래 상태" 및/또는 "미래 시간"은 이미지 정보가 차량(504)에 의해 획득된 때로부터의 시간을 나타낸다. 예를 들어, 미래 시간은 이미지 정보가 차량(504)에 의해 획득된 때로부터 10초 후의 시간을 나타낸다. 일부 예들에서, 여러 미래 시간들에 대한 미래 상태가 예측된다(예를 들면, 머신 러닝 시스템을 사용하여 확률론적으로 예측된다). 예를 들어, 일부 시나리오들에서, 미래 상태는 10초, 20초, 30초, 60초 및 1분 후의 예측 상태를 나타낸다. 일부 예들에서, 이러한 예측된 미래 상태들의 일부 또는 전부는 점유 예측 시스템(550)의 차량들(504)에 의한 질의를 위해 서버(520)의 데이터베이스에 저장된다. 일 실시예에서, 데이터베이스는 특정 주차 위치(508)가 미래 시간에 이용 가능하고/하거나 접근 가능할 것인지 여부를 결정하기 위한 점유 예측 시스템(550) 내의 모든 차량들(504)에 의한 질의를 위해 상태 정보 및/또는 미래 상태 정보를 저장한다.
일 실시예에서, 상태 정보는 각각의 주차 위치(508)의 접근성의 현재 상태를 나타내고, 점유 예측 시스템(550)은 각자의 주차 위치(508) 또는 인접한 주차 위치들(508)의 현재 상태 정보에 기초하여 각자의 주차 위치(508)의 상태 또는 미래 상태를 예측한다.
도 6은 차량(602)이 환경(500) 내의 하나 이상의 주차 위치(610A 내지 610C)(집합적으로 "주차 위치들(610)")에 관한 상태 정보를 획득하는 것을 도시한다. 일 실시예에서, 차량(602)은 도 5 및 도 1을, 제각기, 참조하여 설명되는 차량(504) 및/또는 차량(100)과 동일하거나 유사하다. 일 실시예에서, 차량(602)은 LiDAR 시스템(604)을 포함한다. 일 실시예에서, 차량(602)의 LiDAR 시스템(604)은 도 1을 참조하여 설명된 차량(100)의 LiDAR 시스템(123)과 동일하거나 유사하다. 일 실시예에서, 차량(602)은 카메라 시스템(606)을 포함한다. 일 실시예에서, 카메라 시스템(606)은 도 1을 참조하여 설명된 차량(100)의 카메라 시스템(122)과 동일하거나 유사하다.
LiDAR 시스템(604) 및/또는 카메라 시스템(606)은 환경(500)에 있는 주차 구역(608) 내의 하나 이상의 주차 위치(610)에 관한 상태 정보를 획득하도록 구성된 하나 이상의 센서(620)를 포함한다. 일 실시예에서, 센서들(620)은 차량들(예를 들면, 도 6에 도시된 차량들(622, 624, 및 626)) 및 보행자들(도 6에 명시적으로 도시되지 않음)의 열 시그너처(thermal signature)를 검출하기 위한 열 이미징 카메라를 포함한다. 예를 들어, 열 이미징 카메라는 열 이미지를 획득하고, 열 이미지의 열 시그니처가 차량 또는 보행자의 존재를 나타내는 임계치 초과라고 결정한다. 일 실시예에서, 센서들(620)은 소리 정보를 획득하고, 소리 정보에 기초하여 차량들 및 보행자들의 소리 레벨 또는 가청 시그너처(audible signature)를 검출하기 위한 마이크로폰을 포함한다. 예를 들어, 마이크로폰 시스템은 소리 레벨이 차량 또는 보행자의 존재를 나타내는 임계치 초과라고 결정한다.
도 6의 예에 도시된 바와 같이, 차량(602)은 차량(602)의 센서들(620)로부터 주차 위치들(610)의 상태 정보를 획득한다. 일부 예들에서, 상태 정보를 획득하는 것은 (예를 들면, 이미징 프로세싱을 통해) 주차 위치(610)의 경계 내의 하나 이상의 대상체를 검출하는 것을 포함한다. 이러한 맥락에서, "대상체들"이라는 용어는 주차 위치(610)에 대한 접근을 방지하거나 방해하는(예를 들면, 접근성을 차단하는) 물리적 대상체들이다. 대상체들은 차량, 보행자, 쓰레기통, 쓰레기, 공사 콘(construction cone), 임시 울타리, 공사 장벽, 및 패키지를 포함하지만, 이에 제한되지 않는다.
주차 위치들(610)의 "경계"는 차량에 대한 허용 가능한 주차 구역을 정의한다. 주차 위치들(610)의 경계는 데이터베이스로부터 검색된다. 일부 예들에서, 경계는 차량 이격거리를 위해 도로의 표면 위로 일정 높이(예를 들면, 10 피트)를 고려하는 3D 도메인이다. 일부 예들에서, 점유 예측 시스템(550)은 주차 위치들(610)의 경계에 의해 정의되는 허용 가능한 주차 구역에 기초하여 차량(예를 들면, 도 5를 참조하여 설명된 차량(504A))의 목적지 위치를 결정한다. 예를 들어, 점유 예측 시스템(550)은 (예를 들면, 차량 등록소로부터 차량 크기 정보를 수신하는 것에 의해) 차량(예를 들면, 차량(504A))이 길이가 10 피트라고 결정하고, 10 피트의 차량 길이를 수용하기 위해 길이가 적어도 10 피트인 주차 위치들(610)을 포함하도록 목적지 위치를 후속적으로 선택한다. 일부 예들에서, 점유 예측 시스템(550)은 동일한 추론을 주차 위치(610)의 폭 및/또는 주차 위치(610)의 길이에 적용한다. 이 예에서, 목적지 위치는 주차 위치의 물리적 치수들 및 차량(예를 들면, 차량(504A))의 물리적 치수들에 기초하여 점유 예측 시스템(550)에 의해 선택된다.
일부 예들에서, 하나 이상의 대상체를 검출하는 것은 점유 예측 시스템(550)의 이미지 프로세싱 소프트웨어를 사용하여 수행된다(예를 들면, 대상체를 차량 또는 보행자로서 식별하는 것을 결정하기 위해 이미지 인식 또는 이미지 분류가 사용된다). 예를 들어, 이미지 프로세싱은 주차 위치들(610)과 연관된 주차 미터기(612)를 식별하는 데 사용되고, 주차 미터기(612)의 위치는 주차 위치의 위치를 확인하는 데 사용된다. 이 예에서, 상태 정보는 주차 위치와 연관된 주차 미터기에 관한 정보를 포함한다.
도 6에 도시된 시나리오에서, 차량(602)이 주차 위치(610)를 지나 운전할 때 차량(602)은 3 개의 주차 위치(610)의 상태 정보를 획득한다. 차량(602)의 센서들(620)은 주차 구역(608)의 주차 위치들(610) 중 적어도 일부에 대한 상태 정보(예를 들면, 이미지 정보 및/또는 가청 정보)를 획득하고, 이 정보가 주차 구역(608) 내의 주차 위치들(610) 중 일부 또는 전부에 대한 상태 정보를 결정하기 위해 점유 예측 시스템(550)에 의해(예를 들면, 이미징 프로세싱 소프트웨어 및/또는 음향 프로세싱 소프트웨어를 사용하여) 프로세싱된다.
도 5를 참조하여 위에서 설명된 바와 같이, 일부 예들에서, 차량(602)이 환경(500) 내에서의 차량의 주행들 동안 각각의 주차 위치(610)를 지나 운전할 때 차량(602)은 각각의 주차 위치(610)에 대한 상태 정보를 연속적으로 획득한다. 다른 시나리오들에서, 차량(602)은 특정 주차 구역(608) 및/또는 특정 주차 구역(608) 내의 특정 주차 위치(610)에 대한 상태 정보를 획득하도록 점유 예측 시스템(550)에 의해 지시받는다.
일 실시예에서, 이미지 프로세싱이 점유 예측 시스템(550)(예를 들면, 점유 예측 시스템(550)과 연관된 서버(520))에 의해 수행된다. 일부 예들에서, 점유 예측 시스템(550)은 주차 위치들(610)에 관한 상태 정보를 획득하라는 요청을 차량(602)으로 송신한다. 차례로, 점유 예측 시스템(550)은 차량(602)에 의해 획득되는 이미지들, 오디오, 및/또는 비디오 및/또는 주차 위치들(610)에 관한 상태 정보를 직접 수신한다. 이미지들, 오디오, 및/또는 비디오가 수신되는 예들에서, 점유 예측 시스템(550)은 이미지들 내의 하나 이상의 대상체를 검출하고 주차 위치들(610)에 관한 상태 정보를 결정하기 위한 이미지 프로세싱 능력을 포함한다.
일 실시예에서, 점유 예측 시스템(550)은 주차 위치들(610)의 상태 이력을 생성하고 상태 이력을 데이터베이스에 저장한다. 일부 예들에서, 상태 이력은 주차 위치들(610)의 이력 상태들의 시간순 목록이다. 일부 예들에서, 상태 이력은 상태가 획득되고 결정된 날짜 및 시간 정보를 포함한다. 이 예에서, 상태 이력은 상태 정보 및 이전 상태 정보를 나타내며, 주차 위치들(610)에 관한 이력 상태 정보의 기록이다. 일부 예들에서, 데이터베이스는 특정 주차 구역(608) 및/또는 특정 주차 위치(610)의 상태에 대한 요청들을 점유 예측 시스템(550) 내의 차량들로부터 수신한다.
일 실시예에서, 점유 예측 시스템(550)은 주차 위치의 상태 이력에 기초하여 주차 위치(610)의 미래 상태를 예측(예를 들면, 머신 러닝 시스템을 사용하여 확률적으로 예측)한다. 일부 예들에서, 상태 이력은 일년 중 특정 일(예를 들면, 7월 4일)에 주차 위치들(610)이 오전 9시와 오후 9시 사이의 시간의 98% 동안 점유된다는 정보를 포함한다. 이 시나리오에서, 점유 예측 시스템(550)은 내년의 이 특정 일에 주차 위치들(610)의 이용 가능성이 낮을 것이라고(예를 들면, 이용 가능하지 않을 수 있다고) 예측한다. 다른 예들에서, 상태 이력은 특정 월 동안 평일 오후 5시에 주차 위치들(610)이 그 시간의 98% 동안 점유된다는 정보를 포함한다. 이 시나리오에서, 점유 예측 시스템(550)은 이 특정 월의 주중의 이 특정 시간에 주차 위치들(610)의 이용 가능성이 또한 낮을 것이라고(예를 들면, 이용 가능하지 않을 수 있다고) 예측한다.
일부 예들에서, 상태 이력은 일년 중 특정 일(예를 들면, 2월 1일)에 주차 위치들(610)이 오전 9시와 오후 9시 사이의 시간의 2% 동안 점유된다는 정보를 포함한다. 이 시나리오에서, 점유 예측 시스템(550)은 내년의 이 특정 일에 주차 위치들(610)의 이용 가능성이 높을 것이라고(예를 들면, 이용 가능할 수 있다고) 예측한다. 다른 예들에서, 상태 이력은 특정 월 동안 평일 오전 10시에 주차 위치들(610)이 그 시간의 5% 동안 점유된다는 정보를 포함한다. 이 시나리오에서, 점유 예측 시스템(550)은 이 특정 월의 주중의 이 특정 시간에 주차 위치들(610)의 이용 가능성이 또한 높을 것이라고(예를 들면, 이용 가능할 수 있다고) 예측한다.
일부 예들에서, 점유 예측 시스템(550)은 인접한 주차 위치의 상태 이력에 기초하여 미래 상태를 예측한다. 예를 들어, (예를 들면, 이미지들을 프로세싱하는 것 및 공사 콘 또는 장비를 분류하는 것을 통해 결정되는 바와 같이 또는 서버(520)로부터 정보를 수신하는 것을 통해 결정되는 바와 같이) 하나의 주차 위치가 공사 구역인 경우, 점유 예측 시스템(550)은 인접한 주차 위치가 또한 공사 구역에 있다고 예측한다.
일 실시예에서, 점유 예측 시스템(550)은 검출된 대상체들의 예측된 움직임에 기초하여 주차 위치들(610)의 미래 상태를 예측한다. 예를 들어, 다음 시나리오를 고려한다. 차량(602)이 주차 위치(610)를 지나 운전하고 대상체에 관한 이미지 정보를 획득한다. 점유 예측 시스템(550)은 (예를 들면, 이미지 프로세싱을 통해) 이미지 정보를 프로세싱하고 대상체가 차량이라고 결정한다. 차량(602)이 차량(622)에 관한 이미지 정보(예를 들면, 초당 2 개 이상의 이미지)를 연속적으로 획득하고 이미지 정보를 연속적으로 프로세싱하여 차량(622)의 움직임을 결정한다. 도 6에 도시된 예에서, 차량(622)의 움직임은 화살표(634)로 도시되고, 주차 위치(610C)에 대한 근접성, 차량(622)의 움직임, 및/또는 방향 지시등의 사용으로 인해 차량(622)은 아마도 주차 위치(610C)를 떠나고 있을 것이다. 일 실시예에서, 차량(622)의 움직임이 상태 정보에 표시된다.
일 실시예에서, 점유 예측 시스템(550)은 차량(622)의 움직임에 기초하여 및/또는 차량의 주행 방향, 차량의 속력, 차량의 방향 지시등들 등에 기초하여 차량(622)이 미래 시간에 주차 위치(610)에 대한 접근성을 차단할 것인지 여부를 예측한다., 유사하게, 일부 예들에서, 점유 예측 시스템(550)은 차량의 움직임이 (예를 들면, 차량의 주행 방향, 차량의 속력, 차량의 방향 지시등들 등에 기초하여) 차량이 아마도 주차 위치에 주차하기 위해 주차 위치(610)로 들어가고 있음을 나타낸다고 결정한다.
미래 시간에서의 주차 위치의 상태는 예측된 미래 상태를 나타낸다. 예를 들어, 예측된 미래 상태는 검출된 대상체들의 움직임에 기초하고, 예측된 움직임은 차량으로부터 획득된 이미지들에 표현되는 결정된 움직임에 기초하여 결정된다.
일부 예들에서, 데이터베이스가 대상체에 대한 정보를 포함하도록 상태 정보는 주차 위치들(610)의 접근성에 관한 정보 및 주차 위치들(610)의 접근성을 차단하는 대상체들에 관한 정보를 포함한다. 예를 들어, 검출된 대상체가 (예를 들면, 이미징 프로세싱 소프트웨어를 통해 검출되는) 보행자인 경우에, 데이터베이스에 저장된 상태 표시는 대상체가 보행자임을 나타낸다. 검출된 대상체가 차량(예를 들면, 이미징 프로세싱 소프트웨어를 통해 검출되는 바와 같은 차량)인 다른 예에서, 데이터베이스에 저장된 상태 표시는 대상체가 차량임을 나타낸다.
일 예에서, 센서들(620)의 시야가 환경(500)에서 차량(602)에 인접한 차선에서 운전하는 차량(624)에 의해 부분적으로 차단된다. 차량(624)의 존재는 주차 위치(610A)의 상태 정보를 정확하게 평가하는 차량(602)의 능력에 영향을 미치는데, 그 이유는 주차 위치(610A)에 관한 일부 정보가 차단된 차량(624)으로 인해 이용 불가능하기 때문이다. 일부 예들에서, 점유 예측 시스템(550)이 (예를 들면, 센서들(620)로부터의 3D 포지션 정보를 사용하여) 차단된 대상체의 위치가 주차 위치의 경계 밖에 있다고 결정할 때, 점유 예측 시스템(550)에 의해 차단이 결정된다. 일부 예들에서, 주차 위치(610A)가 차단되어 있다는 표시는 상태 정보 내에 표시된다.
일 실시예에서, 점유 예측 시스템(550)은 상태 정보의 정확도 레벨을 나타내는 정확도를 결정한다. 예를 들어, 점유 예측 시스템(550)은 정확도가 낮은 정확도 또는 높은 정확도라고 결정한다. 일부 예들에서, 점유 예측 시스템(550)이 대상체를 분류할 수 없거나 대상체를 분류하는 데 어려움이 있을 때(예를 들면, 점유 예측 시스템(550)이 이미징 프로세싱을 사용하여 대상체가 차량인지 보행자인지를 결정할 수 없는 경우) 점유 예측 시스템(550)은 낮은 정확도를 결정한다. 다른 예에서, 점유 예측 시스템(550)이 검출된 대상체의 위치가 주차 위치의 경계 밖에 있다고 결정할 때(예를 들면, 대상체가 차량의 관점에서 주차 위치의 시야를 차단하는 경우) 점유 예측 시스템(550)은 상태 정보를 낮은 정확도와 연관시킨다. 다른 예에서, 이미지 분류 시스템을 통해 결정되는 정확도가 임계치(예를 들면, 20%) 미만일 때 점유 예측 시스템(550)은 상태 정보를 낮은 정확도와 연관시킨다. 다른 예들에서, 점유 예측 시스템(550)이 이미징 프로세싱을 사용하여 임계 정확도 초과로 대상체가 차량 또는 보행자라고 결정할 때, 또는 검출된 대상체의 위치가 주차 위치의 경계 내부에 있을 때 점유 예측 시스템(550)은 높은 정확도를 결정한다. 일부 예들에서, 정확도는 상태 정보에 포함되고 데이터베이스에 저장된다.
일 실시예에서, 제1 차량이 낮은 정확도로 주차 위치(610)의 상태를 결정하는 것에 기초하여 점유 예측 시스템(550)은 주차 위치(610)의 상태 정보를 검증(또는 확인)하기 위해 추가적인 차량에 대한 요청을 송신한다. 일부 예들에서, 요청은 주차 위치(610)를 지나 운전하는 이전 차량으로부터 결정되는 상태 정보의 정확도(예를 들면, 차단된 시야로 인한 낮은 정확도 또는 검출된 대상체의 실패한 분류로 인한 낮은 정확도)에 기초한다.
도 7은 차량(702)이 환경(500) 내의 주차 위치(610)로 운전하는 것을 도시한다. 차량(702)은 점유 예측 시스템(550)에 포함되고, 일 실시예에서, 도 5를 참조하여 설명된 차량(504A)과 동일하거나 유사하다. 일부 예들에서, 차량(702)은 도 5에 도시된 바와 같이 승객(510)을 픽업하기 위해 운전하고 있다. 다른 예들에서, 차량(702)은 승객(510)을 태우고 있으며, 승객(510)을 하차하고/하거나 추가적인 승객들을 픽업하기 위해 목적지로 운전하고 있다.
일 실시예에서, 점유 예측 시스템(550)은 차량(702)이 일정 시간 기간(예를 들면, 2분) 내에 목적지(예를 들면, 점유 예측 시스템(550)에 의해 이전에 결정되고/되거나 승객(510)에 의해 선택/확인된 바와 같은 주차 위치(610))에 도착할 것이라고 예측한다. 일부 예들에서, 점유 예측 시스템(550)은 교통 혼잡, 속력 제한, 날씨, 및/또는 차량(702)의 현재 위치와 주차 위치(610) 사이의 도로 이용 가능성에 기초하여 차량(702)이 2분 내에 목적지에 도착할 것이라고 예측한다. 일부 예들에서, 교통 혼잡, 속력 제한, 날씨, 및/또는 도로 이용 가능성 정보는 서버(520)에 의해 수신되고 데이터베이스에 저장된다.
일 실시예에서, 점유 예측 시스템(550)은 주차 구역(608) 및/또는 주차 위치(610)의 가장 최근의 상태를 검색하기 위해 데이터베이스에 질의한다. 일부 예들에서, 점유 예측 시스템(550)은 차량(702)이 주차 구역(608)에 대체로 도착하고/하거나 주차 위치들(610)에 도착할 것으로 예측되는 시간에서의 주차 위치(610)의 미래 상태를 예측한다.
일 실시예에서, 목적지가 결정될 때(예를 들면, 차량(702)이 승객을 픽업하기 전에) 점유 예측 시스템(550)은 환경(500) 내의 모든 주차 구역들(608) 및 주차 위치들(610)의 상태 정보에 대해 데이터베이스에 질의하고/하거나 환경(500) 내의 모든 주차 구역들(608) 및 주차 위치들(610)의 미래 상태 정보를 예측한다. 이 시나리오에서, 점유 예측 시스템(550) 내의 각각의 차량으로부터 상태 정보가 수신될 때 상태 정보는 데이터베이스에 저장된다. 이러한 방식으로, 점유 예측 시스템(550) 내의 각각의 차량은 환경(500) 내의 주차 구역들(608) 및/또는 주차 위치들(610)에 관한 상태 정보 및 점유 예측 시스템(550) 내의 차량들 중 임의의 것 또는 전부에 의한 저장 및 질의를 위해 데이터베이스에 제공되거나 송신된 모든 상태 정보를 독립적으로 획득할 수 있다. 유사하게, 일부 경우에, 점유 예측 시스템(550)은 (예를 들면, 1분 간격으로) 일정 범위의 미래 시간들에 대한 환경(500) 내의 각각의 주차 위치(610)의 미래 상태를 예측하고, 점유 예측 시스템(550) 내의 차량들 중 임의의 것 또는 전부에 의한 질의를 위해 미래 상태 정보를 데이터베이스에 저장한다.
일 실시예에서, 점유 예측 시스템(550)은 주차 구역(608) 및/또는 주차 위치(610)의 예측된 미래 상태에 기초하여 차량(702)의 목적지를 결정한다. 일부 예들에서, 점유 예측 시스템(550)은 상태 정보가 획득된 시간에 기초하여 차량의 목적지를 결정한다. 일 예로서, 차량이 주차 위치에 도착할 것으로 예측되기 10분 전에 상태 정보가 획득된다. 일부 실시예들에서, 상태 정보는 차량이 도착할 때 위치가 이용 가능할 가능성을 결정하는 데 사용된다. 일부 예들에서, 점유 예측 시스템(550)은 (예를 들면, 데이터베이스 조회를 통해) 시간을 위치의 구역에서의 러시아워 시간들과 비교한다.
예를 들어, 매사추세츠주 보스턴에서 동부 표준시로 오후 5시는 러시아워를 나타내며, 보스턴에서 오후 5시에 주차 위치가 이용 가능하지 않을 수 있다는 것(예를 들면, 낮은 이용 가능성 확률) 및/또는 위치에 대한 접근이 예측된 교통상황에 의해 차단될 것이라는 것(예를 들면, 낮은 접근성 확률)에 부분적으로 기초하여 예측이 이루어진다. 일 실시예에서, 예측된 미래 이용 가능성이 임계치(예를 들면, 40%, 50%, 60% 확률 등)보다 작을 때 낮은 이용 가능성 확률이 결정된다. 유사하게, 일 실시예에서, 예측된 미래 접근성이 임계치(예를 들면, 40%, 50%, 60% 확률 등)보다 작을 때 낮은 접근성 확률이 결정된다.
다른 예들에서, 매사추세츠주 보스턴에서 동부 표준시로 오전 10시는 비-러시아워를 나타내며, 보스턴에서 오전 10시에 주차 위치가 이용 가능할 수 있다는 것(예를 들면, 높은 이용 가능성 확률) 및/또는 위치에 대한 접근이 임의의 예측된 교통상황에 의해 차단되지 않을 것이라는 것(예를 들면, 높은 접근성 확률)에 부분적으로 기초하여 예측이 이루어진다. 일 실시예에서, 예측된 미래 이용 가능성이 임계치(예를 들면, 60%, 50%, 40% 확률 등)보다 클 때 높은 이용 가능성 확률이 결정된다. 일부 경우에, 낮은 이용 가능성 확률과 높은 이용 가능성 확률을 구분하는 데 사용되는 임계치가 동일하다. 유사하게, 일 실시예에서, 예측된 미래 접근성이 임계치(예를 들면, 60%, 50%, 40% 확률 등)보다 클 때 높은 접근성 확률이 결정된다. 일부 경우에, 낮은 접근성 확률과 높은 접근성 확률을 구분하는 데 사용되는 임계치가 동일하다.
일 실시예에서, 점유 예측 시스템(550)이 주차 위치가 "어쩌면" 이용 가능할 것이라고 예측하도록, 낮은 이용 가능성 및/또는 접근성 확률과 높은 이용 가능성 및/또는 접근성 확률 사이의 제3 기준이 사용된다. 이 시나리오에서, 예측된 미래 접근성 및/또는 이용 가능성이 낮은 접근성 및/또는 이용 가능성 확률을 분류하는 데 사용되는 임계치보다 크고 높은 접근성 및/또는 이용 가능성 확률을 분류하는 데 사용되는 임계치보다 작을 때 가능한 접근성 및/또는 이용 가능성 확률이 결정된다.
다른 예에서, 점유 예측 시스템(550)은 시간을 위치의 구역에서의 예상된 야간 이벤트들(예를 들면, 밤문화(nightlife))와 비교한다. 예를 들어, 플로리다주 마이애미에서 동부 표준시로 오후 10시는 밤문화를 나타내며, 마이애미에서 오후 10시에 위치가 이용 가능하지 않을 수 있다는 것(예를 들면, 낮은 이용 가능성 확률)에 부분적으로 기초하여 예측이 이루어진다. 다른 예로서, 주차 위치에서의 일출 시간 또는 일몰 시간에 기초하여 시간이 주간을 나타내는지 또는 야간을 나타내는지에 기초하여 차량의 목적지가 결정된다.
일 실시예에서, 점유 예측 시스템(550)은 상태 정보가 획득된 날에 기초하여 차량의 목적지를 결정한다. 예를 들어, 더 적은 교통량이 존재하는 주말에 상태 정보가 획득되며, 따라서 주차 위치가 이용 가능할 가능성이 더 높다(예를 들면, 높은 이용 가능성 확률). 다른 예로서, 더 많은 교통량이 존재하는 평일에 상태 정보가 획득되며, 따라서 주차 위치가 이용 가능할 가능성이 더 낮다(예를 들면, 낮은 이용 가능성 확률). 예를 들어, 점유 예측 시스템(550)은 날이 월요일 내지 금요일인지를 결정하고, 교통량이 예상되기 때문에 주차 위치가 이용 가능하고/하거나 접근 가능할 가능성이 없다고 예측한다(예를 들면, 낮은 이용 가능성 및/또는 접근성 확률). 다른 예로서, 점유 예측 시스템(550)은 날이 국경일 또는 지역 공휴일인지를 결정하고, 교통량이 예상되지 않기 때문에 위치가 이용 가능할 가능성이 있다고 예측한다(예를 들면, 높은 이용 가능성 및/또는 접근성 확률).
일 실시예에서, 점유 예측 시스템(550)은 차량(702)이 목적지에 도착할 것으로 예측되는 시간을 나타내는 미래 상태 및/또는 추가적인 상태 정보에 기초하여 차량(702)의 목적지를 변경할지 여부를 결정한다. 일부 예들에서, 추가적인 상태 정보는 주차 위치(610)의 최근 상태 정보(예를 들면, 목적지가 초기에 결정된 이후에 획득된 상태 정보)를 나타낸다. 일부 예들에서, 추가적인 상태 정보는 주차 위치의 미래 상태를 업데이트하는 데 사용되며, 업데이트된 미래 상태가 주차 위치가 이용 가능할 가능성이 미리 결정된 임계치 아래로(예를 들면, 20%의 가능성 아래로) 감소했다는 것을 나타내는 시나리오들에서, 점유 예측 시스템(550)은 목적지를 현재 목적지보다 높은 가능성을 갖는 새로운 주차 위치로 변경하기로 결정한다. 일 실시예에서, 점유 예측 시스템(550)은 원래 목적지로부터의 도보 거리, 핸디캡 접근성, 새로운 목적지가 주차 위치들(예를 들면, 주차 차고)를 덮는 대피소를 포함하는지 여부에 기초하여, 및/또는 새로운 목적지의 예측된 미래 상태에 기초하여 새로운 목적지를 결정한다.
예를 들어, 목적지가 주차 구역(608)이고 차량(702)이 주차 구역(608)에 도착할 것으로 예측될 때 3 개의 주차 위치(610A 내지 610C) 모두가 (예를 들면, 낮은 이용 가능성 및/또는 또는 접근성 확률을 통해) 접근 불가능하거나 점유되어 있는 것으로 예측되는 경우, 점유 예측 시스템(550)은 주차 구역(608)으로부터 상이하지만 역시 주차 구역(608)으로부터 도보 거리 내에 있는 주차 구역(예를 들면, 복수의 주차 구역들이 도 5에 도시됨)으로 목적지를 변경한다. 다른 예로서, 목적지가 구체적으로(예를 들면, 승객 선호 사항을 통해 표시된 바와 같이) 주차 위치(610A)이고 차량(702)이 주차 위치(610A)에 도착할 것으로 예측될 때 주차 위치들(610A)이 (예를 들면, 낮은 이용 가능성 및/또는 또는 접근성 확률을 통해) 접근 불가능하거나 점유되어 있는 것으로 예측되는 경우, 점유 예측 시스템(550)은 주차 위치(610A)로부터 동일한 주차 구역(608) 내의 상이한 주차 위치(예를 들면, 주차 위치들(610B 또는 610C))로 목적지를 변경한다.
일 실시예에서, 점유 예측 시스템(550)은 상태 정보와 연관된 정확도에 기초하여 차량의 목적지를 변경한다. 예를 들어, 점유 예측 시스템(550)이 낮은 정확도(예를 들면, 이용 가능성 및/또는 접근성 주차 위치가 정확하게 결정될 수 없음을 나타냄)와 연관된 상태 정보를 수신할 때, 점유 예측 시스템(550)은 목적지를 현재 목적지보다 높은 정확도를 갖는 상태 정보와 연관된 새로운 주차 위치로 변경한다. 이 예에서, 현재 목적지가 낮은 정확도(예를 들면, 20%)를 갖는 주차 위치와 연관되어 있지만 인접한 주차 위치가 현재 목적지보다 높은 정확도(예를 들면, 40%)로 이용 가능하고, 인접한 주차 위치가 이용 가능하고 접근 가능한 경우, 점유 예측 시스템(550)은 목적지를 인접한 주차 위치로 변경할 수 있다.
일 실시예에서, 점유 예측 시스템(550)은 주차 위치들(610)의 상태 정보의 변경에 기초하여 차량(702)의 목적지를 변경하기 위해 승객(예를 들면, 픽업을 기다리고 있는 승객 또는 차량(702) 내에 이미 있는 승객)에 인가(또는 허가)을 요청한다. 예를 들어, 승객은 점유 예측 시스템(550)이 상태 정보의 변경(예를 들면, 특정 주차 위치(610)가 더 이상 이용 가능하지 않고/않거나 더 이상 접근 가능하지 않음)에 기초하여 목적지(또는 승객의 관점에서, 하차 위치 또는 픽업 위치)를 변경할 것을 추천한다는 것을 (예를 들면, 모바일 디바이스의 사용자 인터페이스 및/또는 차량(702) 내의 사용자 인터페이스를 통해) 통지받는다.
일 실시예에서, 승객은 (예를 들면, 모바일 디바이스의 사용자 인터페이스 및/또는 차량(702)의 사용자 인터페이스를 사용하여) 목적지를 변경하라는 추천을 승인하거나 거부할 수 있다. 예를 들어, 점유 예측 시스템(550)은 인가를 요청하는 문의를 사용자 인터페이스 상에 제시하라는 요청을 승객과 연관된 모바일 디바이스에 제공하거나 송신할 수 있다. 이 예에서, 승객은 사용자 인터페이스 상에서 선택을 하고, 점유 예측 시스템(550)은 승객이 요청을 승인했는지 거부했는지를 나타내는 표시를 수신한다. 다른 예들에서, 점유 예측 시스템(550)은 인가를 요청하는 문의를 제시하라는 요청을 차량(702) 내의 사용자 인터페이스로 송신한다. 차례로, 점유 예측 시스템(550)은 승객이 요청을 승인했는지 거부했는지를 나타내는 표시를 수신한다.
일 실시예에서, 점유 예측 시스템(550)은 요청된 인가에 기초하여(예를 들면, 승객으로부터의 승인 또는 거부에 기초하여) 차량의 목적지를 변경한다. 예를 들어, 점유 예측 시스템(550)은 요청된 변경이 승객에 의해 승인될 때 원래 목적지(예를 들면, 원래 주차 구역) 대신에 새로운 목적지(예를 들면, 새로운 주차 위치)로 진행하도록 차량(702)에 지시한다. 다른 시나리오들에서, 점유 예측 시스템(550)은 요청된 변경이 승객에 의해 거부될 때 원래 목적지(예를 들면, 원래 주차 위치)로 진행하도록 차량(702)에 지시한다. 일부 경우에, 점유 예측 시스템(550)은 원래 목적지가 유지되는 경우 증가된 교통 혼잡 및/또는 증가된 대기 시간이 발생할 수 있다는 경보를 승객에게 제시하도록 모바일 디바이스 및/또는 차량(702)의 사용자 인터페이스에 지시한다. 일부 경우에, 승객이 원래 목적지를 유지하는 경우 대기 시간(예를 들면, 주차 위치를 위해 줄을 서서 기다리는 것) 및/또는 교통 혼잡에 대한 공차가 점유 예측 시스템(550)에 의해 증가된다.
일 실시예에서, 거절된 요청을 수신하는 것에 응답하여, 점유 예측 시스템(550)은 추가적인 상태 정보를 수신하고 (예를 들면, 한 시간 또는 하루와 같은 미리 결정된 시간 제한 내에) 원래 목적지에 도착하는 것이 가능하지 않다고 결정한다. 예를 들어, 거절된 요청을 수신할 시에, 점유 예측 시스템(550)은 목적지로부터 일정 반경 임계치 내에서(예를 들면, 목적지로부터 500 피트 내에서) 사고가 발생했고 이 사고가 정리되는 동안 해당 주차 위치가 이제 2 시간 동안 일시적으로 접근 불가능하다는 추가적인 정보를 (예를 들면, 사고 데이터베이스를 통해) 수신한다. 이 예에서, 점유 예측 시스템(550)은 주차 위치들에 대한 추가적인 상태 정보에 기초하여 거부를 오버라이드하고, 원래 목적지의 도로가 이제 사고로 인해 폐쇄되었으며 점유 예측 시스템(550)에 의해 새로운 목적지가 선택되고 있다는 것을 승객에게 통지한다(예를 들면, 거절된 결정이 오버라이드된다).
일 실시예에서, 거절된 요청을 수신하는 것에 응답하여, 점유 예측 시스템(550)은 추가적인 상태 정보를 수신하고, 목적지의 예측된 미래 상태가 미리 결정된 임계치 아래로(예를 들면, 20%의 접근성 확률 아래로) 감소했다고 결정한다. 예를 들어, 점유 예측 시스템(550)은 목적지를 변경하는 것에 대한 거절된 요청을 오버라이드하고, 거절된 요청을 수신함에도 불구하고 새로운 목적지로 진행하도록 차량에 지시한다(예를 들면, 거절된 결정이 오버라이드된다). 일부 경우에, 미리 결정된 임계치는 사용자 선호 사항이다.
일 실시예에서, 거절된 요청을 수신한 것에 응답하여, 점유 예측 시스템(550)은 추가적인 상태 정보를 수신하고, 원래 목적지로 진행하는 것이 안전하지 않다고 결정한다. 예를 들어, 거절된 요청을 수신할 시에, 점유 예측 시스템(550)은 차량(702)이 목적지에 도착할 것으로 예측될 때 방해(예를 들면, 군중, 개인들의 예기치 못한 집결 등)가 발생할 것이거나 계획되어 있다는 추가적인 정보를 (예를 들면, 긴급 경보 서비스 또는 경찰 데이터베이스를 통해) 수신한다. 이 예에서, 점유 예측 시스템(550)은 거절된 요청을 수신함에도 불구하고 방해의 영향을 받는 구역 외부의 새로운 목적지로 목적지를 변경한다(예를 들면, 거절된 결정이 오버라이드된다).
일 실시예에서, 방해의 영향을 받는 구역(예를 들면, 영향을 받는 거리들, 마을들, 이웃들 등)이 데이터베이스에 저장되고, 목적지를 변경하는 것의 거절된 요청을 오버라이드하는 결정은 방해의 영향을 받는 구역에 기초한다.
일 실시예에서, 목적지로부터 일정 반경 내의 차량들 및/또는 보행자들의 밀도가 임계치 초과일 때 점유 예측 시스템(550)에 의해 혼잡 결정이 이루어진다. 예를 들어, 차량이 목적지에 도착할 것으로 예측되는 미래 시간에 10 명 초과의 사람들이 주차 위치로부터 10 피트 반경 내에 있을 것으로 예측될 때 점유 예측 시스템(550)은 혼잡 결정을 결정한다.
일부 예들에서, 추가적인 정보는 목적지에서 (예를 들면, 전기 서비스 제공자로부터의) 정전이 발생했음을 나타내고, 영향을 받는 구역을 나타내는 정전의 맵이 수신된다. 이 예에서, 점유 예측 시스템(550)은 (예를 들면, 긴급 경보 서비스 또는 전기 서비스 제공자에 의해 정의되는 바와 같이) 정전의 영향을 받는 구역 외부의 새로운 목적지를 결정하고 점유 예측 시스템(550)은 거절된 요청을 수신함에도 불구하고 새로운 목적지로 목적지를 변경한다(예를 들면, 거절된 결정이 오버라이드된다).
일 실시예에서, 점유 예측 시스템(550)이 목적지에 관한 업데이트된 상태 정보를 수신한 후에 및/또는 점유 예측 시스템(550)이 목적지가 변경되어야 한다는 요청을 오버라이드하기 전에 승객은 제2 추천을 제공받는다. 차례로, 승객의 응답이 점유 예측 시스템(550)에 의해 수신된다. 일부 예들에서, 추천에 대한 승객의 응답에 따라 목적지가 변경된다.
일 실시예에서, 차량(702)은 주차 위치의 예측된 미래 상태에 기초하여 목적지로 운전하도록 차량(702)을 제어하기 위한 제어기를 포함한다. 유사하게, 점유 예측 시스템(550) 내의 다른 차량들은 각각의 각자의 차량을 제어하기 위한 제어기를 포함한다.
일 실시예에서, 점유 예측 시스템(550)은 차량(702)의 목적지로 운전하고 목적지에 주차하도록 제2 차량에 지시한다. 예를 들어, 제2 차량은 차량(702)이 목적지에 도착할 때까지 목적지에 머물도록(예를 들면, 다른 차량들이 주차 위치에 주차하지 않도록 목적지를 점유하도록) 지시받는다. 이 예에서, 제2 차량은 차량(702)을 위한 주차 위치를 잡아둔다. 이 예에서, 제2 차량은 목적지로 운전하도록 제어된다.
일 실시예에서, 점유 예측 시스템(550)은 예측된 미래 상태 및/또는 승객 선호 사항에 기초하여 다른 차량을 위한 주차 위치를 잡아두도록 제2 차량에 지시하기로 결정한다. 예를 들어, 점유 예측 시스템(550)은 (예를 들면, 업데이트된 상태 정보에 기초하여) 차량(702)이 목적지에 도착할 것으로 예측될 때 주차 위치가 이용 불가능할 것이라고 결정한다. 이 예에서, 점유 예측 시스템(550)은 차량(702)이 1분 내에 목적지에 도착할 것으로 예정되어 있다고 결정한다. 그렇지만, 점유 예측 시스템(550)은 또한 제2 차량이 목적지를 막 지나가려고 한다는 것을 알고 있다. 이 예에서, 점유 예측 시스템(550)이 환경(500) 내의 각각의 차량의 모든 위치들 및 모든 루트들의 데이터베이스를 유지하기 때문에, 점유 예측 시스템(550)은 제2 차량이 목적지를 막 지나가려고 한다는 것을 알고 있다. 이 예에서, 점유 예측 시스템(550)은 데이터베이스에 질의하여 제2 차량이 1분 이내에(예를 들면, 제1 차량이 목적지에 도착할 것으로 예정되어 있는 것보다 먼저) 목적지를 지나갈 것이라고 결정한다. 이 예에서, 점유 예측 시스템(550)은 차량(702)이 도착할 때까지 목적지의 주차 위치를 점유하도록 제2 차량에 지시한다.
이러한 방식으로, 점유 예측 시스템(550)은 목적지에 대한 환경 내의 다른 차량들의 근접성, 점유 예측 시스템(550) 내의 각각의 차량의 루트들, 주차 위치에 대한 수요 이력, 및 각각의 차량의 승객들의 승객 선호 사항들에 기초하여 다른 차량을 위한 주차 위치를 잡아둘지 여부를 결정할 수 있다. 예를 들어, 수요가 많은 주차 위치가 이용 가능하게 된 경우, 점유 예측 시스템(550)은 제1 차량을 위한 주차 위치를 점유하도록 제2 차량에 지시한다.
도 8은 주차 위치의 점유를 예측하기 위한 프로세스(800)를 나타내는 플로차트를 도시한다. 예를 들어, 프로세스(800)는 도 1을 참조하여 설명된 차량(100)의 하나 이상의 컴퓨터 프로세서(146), 도 5를 참조하여 설명된 서버(520), 도 5를 참조하여 설명된 모바일 디바이스(512), 또는 일반적으로 도 5 내지 도 7을 참조하여 설명된 점유 예측 시스템(550)에 의해 수행될 수 있다.
일부 실시예들에서, 주차 위치의 상태 정보가 수신된다(블록(802)). 예를 들어, 상태 정보는 서버(520) 및/또는 다른 차량으로부터 수신된다.
일 실시예에서, 상태 정보는 차량(예를 들면, 차량(100)과 동일하거나 유사한 차량)의 적어도 하나의 카메라로부터 획득된다. 예를 들어, 상태 정보는 획득되고 서버 및/또는 다른 차량들로 송신된다. 일부 예들에서, 상태 정보는 차량의 적어도 하나의 LiDAR 시스템으로부터 획득된다. 일부 예들에서, 상태 정보는 주차 위치의 접근성을 차단하는 대상체들(예를 들면, 보행자들 또는 차량들)에 관한 정보를 포함한다. 일부 예들에서, 상태 정보는 주차 위치와 연관된 주차 미터기에 관한 정보를 포함한다.
일부 실시예들에서, 주차 위치의 미래 상태가 예측된다(블록(804)). 예를 들어, 주차 위치의 미래 상태가 수신된 상태 정보에 기초하여 예측될 수 있다. 예를 들어, 주차 위치의 예측된 미래 상태에 기초하여 목적지가 결정된다(806). 일부 예들에서, 목적지는 주차 위치이고, 다른 예들에서, 차량은 다른 주차 위치를 선택한다.
일 실시예에서, 예측된 미래 상태가 목적지로 운전하도록 차량을 제어하기 위한 차량의 제어기에 제공된다(블록(808)). 예를 들어, 차량은 결정된 목적지로 계속 가라는 지시를 수신한다. 일부 예들에서, 차량의 목적지를 변경할지 여부에 대한 결정이 이루어진다.
일 실시예에서, 점유 예측 시스템(550)의 계산 프로세스들의 일부 또는 전부는 서버(520)에 의해 수행된다. 예를 들어, 제1 차량은 (예를 들면, 주차 위치를 지나 운전할 때) 주차 위치의 상태 정보를 획득하고 상태 정보를 서버(520)로 송신한다. 이 예에서, 서버(520)는 주차 위치의 미래 상태를 예측하고, 주차 위치의 예측된 미래 상태에 기초하여 (예를 들면, 제1 차량 또는 제2 차량의) 목적지를 업데이트할지 여부를 결정한다. 이 예에서, 서버(520)는 이어서 미래 상태 정보 및/또는 목적지를 변경하라는 요청을 제1 차량 또는 제2 차량으로 송신한다. 이러한 방식으로, 하나의 차량은 점유 예측 시스템(550) 내의 다른 차량에 의해 사용 가능한 상태 정보를 제공할 수 있고, 제2 차량을 제어하기 위한 지시들이 서버(520)에 의해 제2 차량에 제공된다.
일 실시예에서, 점유 예측 시스템(550)의 계산 프로세스들의 일부 또는 전부가 차량 레벨에서 수행된다. 예를 들어, 제1 차량은 (예를 들면, 주차 위치를 지나 운전할 때) 주차 위치의 상태 정보를 획득하고 상태 정보를 제2 차량으로 직접 송신한다. 이 예에서, 제2 차량은 주차 위치의 미래 상태를 예측하고, 주차 위치의 예측된 미래 상태에 기초하여 목적지를 업데이트할지 여부를 결정한다. 이 예에서, 제2 차량은 이어서 주차 위치의 예측된 미래 상태에 기초하여 스스로를 제어한다.
도 9a 및 도 9b는 주차 위치의 점유를 예측하기 위한 프로세스(900)를 나타내는 대안적인 플로차트를 도시한다. 프로세스(900)는 승객 레벨(902), 차량 레벨(904), 및 서버 레벨(906)에서 수행되는 프로세스들을 예시한다. 도 5를 참조하여 위에서 설명된 바와 같이, 서버 레벨(906)에서 수행되는 프로세스들은 전형적으로 서버(520)에 의해 구현되지만, 일부 경우에 차량 자체에 의해 또는 점유 예측 시스템(550)의 차량들의 네트워크 내의 다른 차량들에 의해 수행된다. 그에 따라, 프로세스(900)는 도 1을 참조하여 설명된 차량(100)의 하나 이상의 컴퓨터 프로세서(146), 도 5를 참조하여 설명된 서버(520), 도 5를 참조하여 설명된 모바일 디바이스(512), 또는 일반적으로 도 5 내지 도 7을 참조하여 설명된 점유 예측 시스템(550)에 의해 수행될 수 있다. 이러한 방식으로, 프로세스(900)는 점유 예측 시스템(550)에 의해 수행되는 계산 단계들의 예시적인 구현을 나타내지만, 다른 예들에서 다른 구현들이 사용된다.
도 9a를 참조하면, 승객은 (예를 들면, 모바일 디바이스(512)와 같은 승객의 모바일 디바이스 상의 앱을 통해) 픽업 위치에서 승객(예를 들면, 승객 510)을 픽업하도록 차량(예를 들면, 차량(504A))에 요청(902A)한다. 차량은 점유 예측 시스템(550) 내의 일부 또는 모든 차량들과 통신하는 서버(예를 들면, 서버(520))를 통해 승객의 요청을 수신(904A)한다. 승객은 앱을 통해 하차 위치(예를 들면, 목적지)를 선택할 수 있다.
승객의 요청을 수신(904A)한 후에, 차량은 이어서 픽업 위치로 (예를 들면, 자율 주행으로 또는 반자율 주행으로) 운전하고, 차량에 탑승할 승객을 픽업(904B)한다(예를 들면, 승객이 차량에 탑승할 수 있게 한다). 일부 예들에서, 차량은 승객이 차량에 탑승할 때까지(예를 들면, 승객이 모바일 디바이스 상의 앱을 통해 차량에 탑승했다는 것을 승객이 차량에 표시할 때까지) 일정 양의 시간(예를 들면, 10분, 20분 등) 동안 주차 위치에 정차한다. 일부 예들에서, 차량은 차량 내의 하나 이상의 승객 검출 센서를 통해 차량 내의 승객의 존재를 검출한다. 차량은 이어서 선택된 및/또는 선호하는 목적지(예를 들면, 승객의 관점에서 하차 위치)로 운전한다. 도 1을 참조하여 이전에 설명된 바와 같이, 일부 예들에서, 차량은 자율 주행 차량이고, 차량은 인간 운전자의 보조가 거의 또는 전혀 없이 목적지 위치로 운전하도록 스스로를 적어도 부분적으로 제어한다. 다른 예들에서, 차량은 운전자에게 차량을 목적지로 운전하도록 요구한다.
목적지가 선택될 때, 서버(906)는 차량이 목적지에 도달할 것으로 예측될 때 주차 위치가 이용 가능할 수 있고(예를 들면, 주차 위치가 확률적 예측 모델에 의해 80% 확률로 비어 있을 것으로 예측됨) 접근 가능할 수 있다(예를 들면, 주차 위치가 확률적 예측 모델에 의해 80% 확률로 교통량이 낮고 이벤트가 없으며 악천후가 없을 것으로 예측됨)고 예측(906A)한다. 이러한 방식으로, 서버(906)는 차량이 목적지에 도달할 것으로 예측될 때 주차 위치가 이용 가능하기도 하고 접근 가능하기도 할 수 있다고 예측(906A)한다.
후속적으로, 제2 차량이 목적지를 지나 운전(906B)하고, 목적지의 주차 위치에 대한 새로운/추가적인 상태 정보를 획득한다. 제2 차량은 추가적인 상태 정보를 서버(906)로 송신하고, 여기서 서버(906)는 제2 차량으로부터의 추가적인 상태 정보에 기초하여 미래 상태 예측을 업데이트한다. 결과적으로, 이제 서버(906)는 차량이 목적지에 도달할 것으로 예측될 때 목적지가 (예를 들면, 확률적 예측 모델에 의해) 75% 확실성으로 비어 있을 것으로 예측된다고 예측(906C)한다. 묘사된 예에서, 제2 차량이 상태 정보를 획득했을 때, (예를 들면, 아마도 대상체가 시야의 일 부분을 차단하고 있기 때문에) 제한된 시야가 언급되었다. 이러한 방식으로, 이용 가능성의 결정은 주차 위치에 관한 상태 정보를 획득하는 차량의 시야에 관한 정보에 기초할 수 있다.
서버(906)는 교통 혼잡이 낮을 것으로 예측되고, 주차 위치로부터 일정 반경 내에서 이벤트가 발생할/일어날 것으로 예정되어 있지 않으며, 악천후가 예측되지 않는다는 예측에 기초하여 주차 위치가 여전히 접근 가능할 수 있다고 예측(906C)한다. 이러한 방식으로, 서버(906)는 차량이 목적지에 도달할 것으로 예측될 때 주차 위치가 이용 가능하고 접근 가능할 수 있다고 예측(906C)하지만, 주차 위치가 이용 가능할 확률은 초기 예측(906A)에 비해 감소하였다.
예시적인 시나리오에서, 목적지 위치로 운전하는 동안 승객이 있는 차량이 교통 정체 속에 갇히거나(904B) 일반적으로 교통 혼잡이 존재하며, 이는 차량으로 하여금 미리 결정된 속력 임계치 아래로 감속하게 한다. 일부 예들에서, 차량의 속력이 차량이 현재 운전하고 있는 도로의 제한 속력보다 미리 결정된 속력 아래로 감소할 때 차량은 차량이 "교통 정체 속에 갇혀" 있다고 결정한다. 일부 예들에서, 데이터베이스는 제한 속력들의 목록을 유지하고, 차량은 제한 속력 정보를 수신한다. 예를 들어, 차량은 차량의 속력이 제한 속력보다 10 MPH 아래로(예를 들면, 특정 도로에 대한 제한 속력이 35 MPH인 경우 25 MPH로) 감소할 때 교통 혼잡이 존재한다고 결정한다. 그런 다음, 이 경우에, 차량이 (예를 들면, 차량의 GPS 또는 차량의 속력 센서들을 통해) 차량 속력이 24 MPH라고 결정할 때, 차량은 적어도 얼마간의 교통 혼잡이 존재한다고 결정하고, 교통 정보를 차량이 교통 정체 속에 있다는 표시와 함께 서버(520)로 송신(906D)한다. 이러한 방식으로, 교통 혼잡이 존재한다고(또는 "교통 정체 속에 갇혀" 있다고) 결정하는 것은 차량 속력 및 차량이 현재 횡단하고 있는 도로의 제한 속력 정보에 기초하여 차량에 의해 결정된다.
예를 들어, 차량을 둘러싼(또는 차량으로부터 일정 반경 내에) 다른 차량들이 존재하는 것 및 차량의 차량 속력에 기초하여 교통 혼잡이 결정된다. 이 예에서, 차량이 (예를 들면, 차량 또는 인접한 차량들의 LiDAR 센서들 또는 카메라들을 통해) 다른 차량이 차량의 왼쪽에 있고, 다른 차량이 차량의 오른쪽에 있으며, 다른 차량이 차량의 전방에 있고/있거나, 다른 차량이 차량의 후방에 있으며, 차량 속력이 임계 속력 미만이라고 결정하는 경우, 차량은 교통 혼잡이 존재한다고 결정한다. 일부 예들에서, 교통 혼잡은 차량을 둘러싼 차량들의 밀도에 기초하여 결정된다(예를 들면, 20 피트 반경 내의 10 대의 차량은 교통 혼잡을 나타낸다).
서버(906)는 차량으로부터 교통 혼잡 정보에 관한 송신된 정보(906D)를 수신하고, 차량이 목적지에 도달하기 위해 취할 수 있는 대안 루트에 대해 탐색한다. 예를 들어, 서버(906)는 환경(500) 내의 다른 도로들의 교통 정보를 비교한다. 일부 예들에서, 교통 혼잡 정보가 데이터베이스에 저장되거나, 매핑 서버로부터 검색되거나, 환경(500) 내에서 운전하고 있는 차량들로부터 검색되기 때문에, 교통 혼잡 정보는 서버(906)에 알려져 있다. 일 실시예에서, 서버(906)는 상태 정보에 기초하여 루트를 변경하도록 차량에 지시한다. 예를 들어, 차량은 원래 루트로부터 새로운 루트로 루트를 변경하도록 제어되고, 새로운 루트를 추종하도록 제어된다.
차량이 교통 정체 속에 갇혀 있는 동안, 제3 차량(또는 제2 차량)이 목적지를 지나 운전(906E)하고 주차 위치의 상태 정보를 획득한다. 제3 차량은 상태 정보를 서버(906)로 송신하고, 여기서 서버는 제3 차량으로부터의 업데이트된 상태 정보에 기초하여 미래 상태 예측을 업데이트한다. 결과적으로, 이제 서버(906)는 차량이 목적지에 도달할 것으로 예측될 때 주차 위치가 "어쩌면" 이용 가능할(예를 들면, 확률적 예측 모델에 의해 결정되는 바와 같은 45% 확률로 비어 있을) 것으로 예측된다고 예측(906F)한다. 제3 차량이 상태 정보를 획득했을 때, (예를 들면, 아마도 제3 차량의 관점에서 주차 위치의 전체 시야가 보였기 때문에) 장애물이 언급되지 않았다. 서버(906)는 교통 혼잡이 중간일 것으로 예측되고, 주차 위치로부터 일정 반경 내에서 이벤트가 발생할/일어날 것으로 예정되어 있지 않으며, 악천후가 예측되지 않는다는 예측에 기초하여 주차 위치가 "어쩌면" 접근 가능하다(예를 들면, 확률적 예측 모델에 의해 결정되는 바와 같은 45% 확률로 접근 가능하다)고 예측(906F)한다. 이러한 방식으로, 서버(906)는 차량이 목적지에 도달할 것으로 예측될 때 주차 위치가 "어쩌면" 이용 가능하고 "어쩌면" 접근 가능할 것이라고 예측(906F)한다.
도 9b를 참조하면, 묘사된 예에서, 서버(520)는 주차 위치의 이용 가능성이 임계치(예를 들면, 50% 확률의 미리 결정된 임계치) 아래로 떨어졌다고 결정한다. 이 시나리오에서, 주차 위치의 이용 가능성의 확률이 50% 미만으로 감소할 때, 서버(906)는 차량의 목적지가 변경되어야 한다고 결정한다. 일 실시예에서, 점유 예측 시스템(550)은 교통 혼잡 정보에 기초하여 차량의 목적지를 변경한다. 예를 들어, 특정 루트를 따라 교통 혼잡이 존재하고 점유 예측 시스템(550)이 대안 경로가 취해질 수 있다고 결정하지만 주차 위치가 인접한 주차 위치로 변경되는 것을 필요로 하는 경우, 점유 예측 시스템(550)은 주차 위치를 변경한다. 유사하게, 일부 경우에, 점유 예측 시스템(550)은 동일하거나 유사한 이유들로 주차 구역을 변경한다.
일 실시예에서, 서버(906)는 교통 혼잡, 예정된 이벤트들, 및 기상 정보에 기초한 접근성에 기초하여 차량의 목적지가 변경되어야 한다고 결정한다. 예를 들어, 서버(906)는 추천된 목적지 변경을 승객에게 통보하는 요청을 승객에게 (예를 들면, 승객의 모바일 디바이스 상의 앱을 통해 또는 차량 자체의 사용자 인터페이스를 통해) 송신(902B)한다. 요청은 차량이 목적지를 상이한 목적지로 변경할 것(예를 들면, 목적지를 제1 주차 위치로부터 상이한 주차 위치로 변경할 것)을 추천한다는 것을 승객에게 표시하고, 목적지의 변경을 수행하기 위해 승객에게 승인을 요청(902C)한다.
예시된 시나리오에서, 승객은 목적지를 변경하라는 요청을 거절(902D)한다. 거절된 요청은 서버(520)로 송신(902E)되고, 서버(520)는 원래 목적지를 유지한다. 한편, 제4 차량(또는 제2 차량 또는 제3 차량)은 목적지의 주차 위치를 지나 운전(906G)하고, 상태 정보를 획득하며, 상태 정보를 서버(520)로 송신한다. 서버(520)는, 차례로, 제4 차량으로부터의 업데이트된 상태 정보에 따라 주차 위치의 미래 상태를 업데이트한다.
결과적으로, 이제 서버(906)는 주차 위치가 (예를 들면, 확률적 예측 모델에 의한) 20% 확률에 기초하여 이용 가능하지 않을 수 있는 것으로 예측된다고 예측(906H)한다. 이러한 낮은 이용 가능성에도 불구하고, 여전히 서버(906)는 교통 혼잡이 중간일 것으로 예측되고, 이벤트가 발생할/일어날 것으로 예정되어 있지 않으며, 악천후가 예측되지 않는다는 예측에 기초하여 주차 위치가 어쩌면 접근 가능하다고 예측(906H)한다. 이는 차량이 목적지에 접근할 수는 있지만, 목적지가 이용 가능하지 않을 수 있다는 것을 나타낸다. 그렇지만, 목적지가 이용 가능할 것으로 예측되지 않기 때문에, 서버(906)는 차량이 목적지로 운전하려고 시도하지 않아야 하고 잠재적으로 시간을 낭비하지 않아야 한다고 결정한다. 이 시나리오에서, 주차 위치의 이용 가능성이 임계치(예를 들면, 25% 확률) 아래로 감소함으로써 서버(520)는 승객의 결정을 오버라이드하고 목적지가 현재 목적지에 비해 이용 가능하고 접근 가능할 더 높은 확률을 갖는 새로운 목적지로 진행하도록 차량에 지시(904D)한다. 서버(520)는 이 변경을 승객에게 통지(902F)한다.
도 10은 점유 예측 시스템(550)과 연관된 모바일 디바이스(1000)를 도시한다. 일 실시예에서, 모바일 디바이스(1000)는 도 5를 참조하여 설명된 모바일 디바이스(512)와 유사하거나 동일하다. 모바일 디바이스(1000)는 점유 예측 시스템(550) 내에 포함된다. 모바일 디바이스(1000)는 환경(500)의 도로들(1004) 및 환경(500)의 주차 구역들 및/또는 주차 위치들(1006)을 디스플레이하는 터치 스크린 디스플레이 또는 사용자 인터페이스(1002)를 포함한다. 도 10에 도시된 예에서, 각각의 원(1006)은 별개의 주차 위치(1006)를 나타낸다. 다른 예들에서, 각각의 원(1006)은 주차 구역을 나타내고, 승객이 사용자 인터페이스(1002) 상의 각자의 주차 구역을 누르는 것에 의해 주차 구역 내의 한 세트의 주차 위치들을 볼 수 있고/선택할 수 있다. 일부 실시예들에서, 앱 구성은 주차 구역들이 앱 상에 표시되고 승객에 의해 선택 가능한지 여부를 정의한다.
일 실시예에서, 승객은 도 5를 참조하여 설명된 승객(510)이다. 일부 예들에서, 승객은 픽업 위치에서 승객을 픽업하도록 차량에 요청하기 위해 모바일 디바이스(1000) 상에 앱을 로드한다. 일부 예들에서, 모바일 디바이스(1000)는 (예를 들면, 모바일 디바이스 내의 GPS 수신기를 사용하여) 모바일 디바이스(1000)의 위치를 결정한다. 위치가 결정되는 시나리오들에서, 모바일 디바이스(1000)는 환경(500)의 맵 상에 모바일 디바이스(1000)의 위치를 나타내는 위치 마커(1008)를 디스플레이한다. 이러한 방식으로, 모바일 디바이스(1000)의 위치는 승객의 위치에 대한 대용물이다.
일 실시예에서, 점유 예측 시스템(550)은 차량이 승객을 픽업할 픽업 위치를 승객이 선택할 수 있도록 승객에게 요청(1010)이 이루어진다는 것을 나타내는 정보를 모바일 디바이스(1000)로 송신한다. 일부 예들에서, 점유 예측 시스템(550)은 도보 거리(예를 들면, 1000 피트 미만) 내의 주차 위치(1012)를 승객에게 제안하기 위해 정보를 앱으로 송신한다. 일부 예들에서, 제안된 주차 위치(1012)는 환경(500) 내의 모든 주차 위치들의 예측된 이용 가능성 및/또는 접근성 상태 정보에 기초하여 결정된다. 일부 예들에서, 제안된 주차 위치(1012)는 서버(520)의 데이터베이스 내의 저장된 상태 정보 및/또는 저장된 미래 상태 정보에 기초하여 결정된다. 일부 예들에서, 제안된 주차 위치는 도 5 내지 도 9b를 참조하여 위에서 설명된 목적지들과 동일하거나 유사한 방식으로 결정된다.
일 실시예에서, 점유 예측 시스템(550)은 도보 경로(1014)가 사용자 인터페이스(1002) 상에 디스플레이되어야 한다는 것을 나타내는 정보를 모바일 디바이스(1000)로 송신한다. 일부 예들에서, 점유 예측 시스템(550)은 인도들, 횡단보도들의 위치, 핸디캡 접근성, 및/또는 도보 경로가 실내 또는 실외 이동을 수반하는지 여부에 기초하여 도보 경로(1014)를 결정한다. 일부 예들에서, 점유 예측 시스템(550)은 도보 경로(1014)의 거리를 결정하고, 거리 정보를 사용자 인터페이스(1002) 상에 디스플레이(820)한다.
일부 예들에서, 도보 경로(1014)는 승객 선호 사항(예를 들면, 승객은 걷는 것이 선호되지 않는다는 것을 앱에 표시함)에 기초한다. 걷는 것이 선호되지 않는 예들에서, 점유 예측 시스템(550)은, 차량이 도착할 것으로 예측될 때 주차 위치가 이용 가능할 것으로 예측되지 않더라도, 승객에게 더 가까운 주차 위치(예를 들면, 주차 위치(1016))로 추천을 변경한다. 이 시나리오에서, 주차 위치가 이용 가능하게 되기 위한 증가된 대기 시간에 대한 공차가 증가된다(예를 들면, 차량이 주차 위치에 접근하기 위해 차량의 행렬 속에서 대기할 것이다). 예를 들어, 사용자 인터페이스(1002)는 승객으로부터 픽업 위치 선호 사항의 표시를 수신한다. 예를 들어, 승객은 승객이 차량으로부터 픽업되기를 선호하는 특정 위치를 (예를 들면, 사용자 인터페이스(1002)를 통해 누르거나 선택하는 것에 의해) 표시한다. 차례로, 픽업 위치는 수신된 픽업 위치 선호 사항에 기초한다. 다른 예들에서, 승객의 목적지 선호 사항(예를 들면, 하차 위치)가 승객에 의해 선택되고, 차량의 목적지는 수신된 목적지 선호 사항에 기초한다.
일 실시예에서, 점유 예측 시스템(550)은 하나 이상의 주차 위치의 예측된 미래 상태(예를 들면, 이용 가능 및/또는 접근 가능)의 표시(1018A 내지 1018C)(일반적으로 표시(1018))가 각자의 주차 위치의 위치와 함께 사용자 인터페이스(1002) 상에 디스플레이되어야 한다는 것을 나타내는 정보를 모바일 디바이스(1000)로 송신한다. 예를 들어, 점유 예측 시스템(550)은 승객을 픽업할 가장 가까운 이용 가능한 차량의 선택 및 해당 차량이 승객으로부터 일정 반경 내의(예를 들면, 500 피트 반경 내의) 하나 이상의 주차 위치 각각에 도착할 때의 예측에 기초하여 예측된 미래 상태를 자동으로 결정한다. 예를 들어, 차량을 가정하여, 점유 예측 시스템(550)은 모바일 디바이스의 사용자 인터페이스 상에 보이는 주차 위치들 각각에 대한 예측된 이용 가능성 및 접근성을 결정한다.
일 실시예에서, 표시(1018)는 주차 위치가 비어 있을(empty)(1018A)(예를 들면, 이용 가능 및/또는 접근 가능할 수 있을) 것으로 예측되는지, 활성(active)(1018B)일(예를 들면, 어쩌면 이용 가능 및/또는 접근 가능할) 것으로 예측되는지, 또는 혼잡(crowded)(1018C)할(예를 들면, 이용 가능 및/또는 접근 가능하지 않을 수 있을) 것으로 예측되는지를 나타낸다. 일부 예들에서, 비어 있음 예측(1018A)은 주차 위치가 이용 가능하고/하거나 접근 가능할 확률이 제1 임계치 초과(예를 들면, 60% 초과)일 때를 나타내기 위해 사용된다. 일부 예들에서, 활성 예측(1018B)은 주차 위치가 이용 가능하고/하거나 접근 가능할 확률이 제2 임계치 초과 제1 임계치 미만(예를 들면, 30% 내지 60%)일 때를 나타내기 위해 사용된다. 일부 예들에서, 혼잡 예측(1018C)은 주차 위치가 이용 가능하고/하거나 접근 가능할 확률이 제2 임계치 미만(예를 들면, 30% 미만)일 때를 나타내기 위해 사용된다. 다른 예들에서, 각각의 주차 위치가 안전한지 여부가 또한 점유 예측 시스템(550)에 의해 결정되고 사용자 인터페이스(1002) 상에 디스플레이된다.
이러한 방식으로, 점유 예측 시스템(550)은 (예를 들면, 제안된 주차 위치 뿐만 아니라) 추가적인 주차 위치들의 예측된 미래 상태들의 각자의 표시들을 나타내는 정보를 사용자 인터페이스(1002) 상에 디스플레이하기 위해 모바일 디바이스(1000)로 송신한다. 일부 예들에서, 표시들(1018)은 주차 위치의 미래 상태가 이용 가능하고/하거나 접근 가능한 것으로 예측되는지 여부(예를 들면, 제각기, 이용 가능하지 않을 수 있음, 잠재적으로 이용 가능함, 및 이용 가능할 수 있음)에 따라 컬러로(예를 들면, 적색, 황색, 또는 녹색) 디스플레이된다. 일부 예들에서, 표시들은 미래 상태에 의해 표기되는 예측된 이용 가능성 및/또는 접근성에 기초하여 마커 형상, 마커 크기, 마커 라인 폭(line weight), 및/또는 마커 색상이 달라진다.
전술한 설명에서, 본 발명의 실시예들은 구현마다 달라질 수 있는 다수의 특정 세부 사항들을 참조하여 기술되었다. 따라서, 상세한 설명 및 도면들은 제한적인 의미보다는 예시적인 의미로 간주되어야 한다. 본 발명의 범위의 유일한 독점적인 지표, 및 출원인들이 본 발명의 범위이도록 의도한 것은, 본 출원에서 특정 형태로 나오는 일련의 청구항들의 문언적 등가 범위이며, 임의의 후속 보정을 포함한다. 그러한 청구항들에 포함된 용어들에 대한 본원에서 명시적으로 기재된 임의의 정의들은 청구항들에서 사용되는 그러한 용어들의 의미를 결정한다. 추가적으로, 전술한 설명 및 이하의 청구항들에서 "더 포함하는"이라는 용어가 사용될 때, 이 문구에 뒤따르는 것은 추가적인 단계 또는 엔티티, 또는 이전에 언급된 단계 또는 엔티티의 서브단계/서브엔티티일 수 있다.

Claims (33)

  1. 방법으로서,
    적어도 하나의 프로세서에 의해, 주차 위치의 상태 정보를 수신하는 단계 - 상기 상태 정보는 상기 주차 위치의 이용 가능성을 나타냄 -;
    상기 적어도 하나의 프로세서에 의해, 상기 수신된 상태 정보에 기초하여 상기 주차 위치의 미래 상태를 예측하는 단계;
    상기 적어도 하나의 프로세서에 의해, 상기 주차 위치의 상기 예측된 미래 상태에 기초하여 목적지를 결정하는 단계; 및
    상기 적어도 하나의 프로세서에 의해, 상기 목적지로 운전하도록 차량을 제어하기 위해 상기 예측된 미래 상태를 상기 차량의 제어기에 제공하는 단계
    를 포함하는, 방법.
  2. 제1항에 있어서,
    상기 상태 정보는 상기 주차 위치의 접근성(accessibility)에 관한 정보를 포함하는 것인, 방법.
  3. 제2항에 있어서,
    상기 상태 정보는 상기 주차 위치의 상기 접근성을 차단하는 대상체들에 관한 정보를 포함하는 것인, 방법.
  4. 제1항에 있어서,
    상기 상태 정보는 상기 주차 위치와 연관된 주차 미터기에 관한 정보를 포함하는 것인, 방법.
  5. 제1항에 있어서,
    상기 수신된 상태 정보 및 이전에 수신된 상태 정보에 기초하여 상기 주차 위치의 상태 이력을 생성하는 단계
    를 더 포함하는, 방법.
  6. 제5항에 있어서,
    상기 주차 위치의 상기 미래 상태를 예측하는 단계는:
    상기 주차 위치의 상기 상태 이력에 기초하여 상기 미래 상태를 예측하는 단계를 포함하는 것인, 방법.
  7. 제1항에 있어서,
    상기 주차 위치의 상기 미래 상태를 예측하는 단계는:
    인접한 주차 위치의 상태 이력에 기초하여 상기 미래 상태를 예측하는 단계를 포함하는 것인, 방법.
  8. 제1항에 있어서,
    상기 주차 위치의 상태에 대한 차량들로부터의 요청들을 수신하도록 구성된 데이터베이스에 상기 상태 정보를 저장하는 단계
    를 더 포함하는, 방법.
  9. 제1항에 있어서,
    상기 차량의 상기 목적지를 결정하는 단계는:
    상기 차량의 상기 목적지를 변경할지 여부를 결정하는 단계를 포함하는 것인, 방법.
  10. 제9항에 있어서,
    상기 차량의 상기 목적지를 변경할지 여부를 결정하는 단계는:
    상기 차량의 상기 목적지를 변경하기 위해 승객 또는 대기 승객으로부터의 인가를 요청하는 단계를 포함하는 것인, 방법.
  11. 제10항에 있어서,
    상기 차량의 상기 목적지를 변경할지 여부를 결정하는 단계는:
    요청된 상기 승객 또는 상기 대기 승객으로부터의 인가에 기초하여 상기 차량의 상기 목적지를 변경하는 단계를 포함하는 것인, 방법.
  12. 제10항에 있어서,
    상기 차량의 상기 목적지를 변경할지 여부를 결정하는 단계는:
    상기 주차 위치의 추가적인 상태 정보에 기초하여 상기 요청된 상기 승객 또는 상기 대기 승객으로부터의 인가를 오버라이드하는 단계; 및
    상기 오버라이드된 인가에 기초하여 상기 차량의 상기 목적지를 변경하는 단계를 포함하는 것인, 방법.
  13. 제1항에 있어서,
    상기 수신된 상태 정보와 연관된 정확도를 수신하는 단계
    를 더 포함하며;
    상기 차량의 상기 목적지를 결정하는 단계는 상기 수신된 상태 정보와 연관된 상기 정확도에 기초하는 것인, 방법.
  14. 제1항에 있어서,
    상기 상태 정보를 수신하는 단계는:
    적어도 하나의 카메라로부터 상기 상태 정보를 획득하는 단계를 포함하는 것인, 방법.
  15. 제14항에 있어서,
    상기 상태 정보를 수신하는 단계는:
    적어도 하나의 LiDAR 시스템으로부터 상기 상태 정보를 획득하는 단계를 포함하는 것인, 방법.
  16. 제1항에 있어서,
    상기 차량의 상기 목적지를 결정하는 단계는:
    상기 주차 위치의 상기 예측된 미래 상태의 표시 및 추가적인 주차 위치들의 예측된 미래 상태들의 각 표시들을 디스플레이하기 위해 사용자 인터페이스에 의해 사용 가능한 정보를 제공하는 단계를 포함하는 것인, 방법.
  17. 제16항에 있어서,
    상기 사용자 인터페이스에서 제공되는 목적지 위치 선호 사항을 수신하는 단계; 및
    상기 수신된 목적지 위치 선호 사항에 기초하여 상기 차량의 상기 목적지를 변경하는 단계
    를 더 포함하는, 방법.
  18. 제1항에 있어서,
    상기 상태 정보는 상기 주차 위치로부터 일정 반경 내에서 발생하는 적어도 하나의 이벤트를 나타내고;
    상기 차량의 상기 목적지를 결정하는 단계는 상기 주차 위치로부터 상기 반경 내에서 발생하는 상기 적어도 하나의 이벤트에 기초하는 것인, 방법.
  19. 제1항에 있어서,
    상기 상태 정보는 상기 차량이 상기 주차 위치에 도착할 것으로 예상되는 때 상기 주차 위치에서의 온도, 강수, 체감 추위, 및 습도 중 적어도 하나를 나타내고;
    상기 차량의 상기 목적지를 결정하는 단계는 상기 주차 위치에서의 상기 온도, 상기 강수, 상기 체감 추위, 및 상기 습도 중 상기 적어도 하나에 기초하는 것인, 방법.
  20. 제1항에 있어서,
    상기 차량의 상기 목적지를 결정하는 단계는 상기 상태 정보가 획득된 시간에 기초하는 것인, 방법.
  21. 제20항에 있어서,
    상기 차량의 상기 목적지를 결정하는 단계는 상기 주차 위치에서의 일출 시간 또는 일몰 시간에 기초하여 시간이 주간을 나타내는지 또는 야간을 나타내는지에 기초하는 것인, 방법.
  22. 제1항에 있어서,
    상기 차량의 상기 목적지를 결정하는 단계는 상기 상태 정보가 획득된 날에 기초하는 것인, 방법.
  23. 제1항에 있어서,
    상기 예측된 미래 상태는 상기 상태 정보가 획득되고 나서 적어도 10분 후의 상태에 대응하는 것인, 방법.
  24. 제1항에 있어서,
    상기 차량은 제1 차량이고, 상기 상태 정보는 제2 차량으로부터 수신되는 것인, 방법.
  25. 제1항에 있어서,
    상기 예측된 미래 상태를 상기 차량의 상기 제어기에 제공하는 단계는:
    상기 목적지로 운전하도록 상기 차량을 제어하는 단계를 포함하는 것인, 방법.
  26. 제25항에 있어서,
    상기 목적지로 운전하도록 상기 차량을 제어하는 단계는:
    상기 수신된 상태 정보에 기초하여 상기 차량의 루트를 변경하는 단계를 포함하는 것인, 방법.
  27. 제1항에 있어서,
    상기 차량은 제1 차량이고,
    상기 방법은:
    상기 목적지로 운전하고 상기 제1 차량이 상기 목적지에 도착할 때까지 머물도록 제2 차량에 지시를 제공하는 단계
    를 더 포함하는, 방법.
  28. 제27항에 있어서,
    상기 주차 위치에 대한 수요 이력에 기초하여 상기 제2 차량에 상기 지시를 제공할지 여부를 결정하는 단계
    를 더 포함하는, 방법.
  29. 제27항에 있어서,
    상기 주차 위치에 대한 승객 선호 사항에 기초하여 상기 제2 차량에 상기 지시를 제공할지 여부를 결정하는 단계
    를 더 포함하는, 방법.
  30. 제1항에 있어서,
    상기 차량의 상기 목적지를 결정하는 단계는 승객 또는 대기 승객의 선호하는 주차 위치에 기초하는 것인, 방법.
  31. 제1 디바이스의 적어도 하나의 프로세서에 의해 실행하기 위한 적어도 하나의 프로그램을 포함하는 비일시적 컴퓨터 판독 가능 저장 매체로서, 상기 적어도 하나의 프로그램은 상기 적어도 하나의 프로세서에 의해 실행될 때, 상기 제1 디바이스로 하여금 제1항 내지 제30항 중 어느 한 항의 방법을 수행하게 하는 명령어들을 포함하는 것인, 비일시적 컴퓨터 판독 가능 저장 매체.
  32. 제1 차량으로서,
    상기 제1 차량의 환경 내의 주차 위치에 관한 상태 정보를 획득하도록 구성된 적어도 하나의 센서;
    컴퓨터 실행 가능 명령어들을 저장하는 적어도 하나의 컴퓨터 판독 가능 매체;
    상기 적어도 하나의 센서에 통신 가능하게 결합된 적어도 하나의 프로세서
    를 포함하며,
    상기 적어도 하나의 프로세서는 상기 컴퓨터 실행 가능 명령어들을 실행하도록 구성되며, 상기 실행은 동작들을 수행하며, 상기 동작들은:
    상기 적어도 하나의 센서로부터 상기 주차 위치의 상태 정보를 획득하는 동작 - 상기 상태 정보는 상기 주차 위치의 이용 가능성을 나타냄 -;
    상기 획득된 상태 정보에 기초하여 상기 주차 위치의 미래 상태를 예측하는 동작; 및
    상기 주차 위치의 상기 예측된 미래 상태에 기초하여 제2 차량을 제어하기 위해 상기 예측된 미래 상태를 상기 제2 차량에 제공하는 동작을 포함하는, 제1 차량.
  33. 제1 차량으로서,
    컴퓨터 실행 가능 명령어들을 저장하는 적어도 하나의 컴퓨터 판독 가능 매체;
    상기 컴퓨터 실행 가능 명령어들을 실행하도록 구성된 적어도 하나의 프로세서 - 상기 실행은 동작들을 수행하며, 상기 동작들은:
    서버 또는 제2 차량으로부터 주차 위치의 상태 정보를 수신하는 동작;
    상기 수신된 상태 정보에 기초하여 상기 주차 위치의 미래 상태를 예측하는 동작;
    상기 주차 위치의 상기 예측된 미래 상태에 기초하여 상기 제1 차량의 목적지를 결정하는 동작을 포함함 -; 및
    상기 주차 위치의 상기 예측된 미래 상태에 기초하여 상기 목적지로 운전하도록 상기 제1 차량을 제어하기 위한 제어기
    를 포함하는, 제1 차량.
KR1020220053073A 2021-06-29 2022-04-28 차량 위치 점유 예측 KR20230002042A (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US17/361,547 2021-06-29
US17/361,547 US11776402B2 (en) 2021-06-29 2021-06-29 Forecasting vehicle location occupancy

Publications (1)

Publication Number Publication Date
KR20230002042A true KR20230002042A (ko) 2023-01-05

Family

ID=81851914

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220053073A KR20230002042A (ko) 2021-06-29 2022-04-28 차량 위치 점유 예측

Country Status (5)

Country Link
US (1) US11776402B2 (ko)
KR (1) KR20230002042A (ko)
CN (1) CN115534975A (ko)
DE (1) DE102022109939A1 (ko)
GB (1) GB2608488A (ko)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11543824B2 (en) * 2018-10-09 2023-01-03 Waymo Llc Queueing into pickup and drop-off locations
US11881107B2 (en) * 2021-12-17 2024-01-23 Toyota Motor Engineering & Manufacturing North America, Inc. Systems and methods for inferring parking departures
US20240037444A1 (en) * 2022-07-29 2024-02-01 Here Global B.V. Apparatus and methods for predicting improper parking events within electric vehicle charging locations

Family Cites Families (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10964209B2 (en) * 2003-12-24 2021-03-30 Mark W. Publicover Method and system for traffic and parking management
US9260090B2 (en) * 2009-09-04 2016-02-16 Ford Global Technologies, Llc Vehicle park assist system and method for parking a vehicle using such system
US20140058711A1 (en) * 2012-08-22 2014-02-27 Inrix, Inc. Predictive parking
US9761139B2 (en) * 2012-12-20 2017-09-12 Wal-Mart Stores, Inc. Location based parking management system
US20160196747A1 (en) * 2012-12-21 2016-07-07 Parkopedia Limited System and Method for Locating Available Parking Spaces
US20140266801A1 (en) * 2013-03-14 2014-09-18 Infinite Computing Systems, Inc. Digital Parking Management, Enforcement, and Notification
WO2015013217A1 (en) * 2013-07-25 2015-01-29 Part It Device, system and method for capturing motor vehicle behavior
CN105723433B (zh) * 2013-07-26 2018-06-22 艾纳高格有限公司 停车泊位占用率估计
US20160180712A1 (en) * 2015-08-27 2016-06-23 Sparkcity.Com Ltd. Citywide parking reservation system and method
IL238473A0 (en) 2015-04-26 2015-11-30 Parkam Israel Ltd A method and system for discovering and mapping parking areas
US9671237B1 (en) * 2015-11-16 2017-06-06 Sap Se Optimized generation of navigation instructions based on computed parking probability values
US20170191849A1 (en) * 2015-12-30 2017-07-06 Sap Se Parking availability system
US9836057B2 (en) 2016-03-24 2017-12-05 Waymo Llc Arranging passenger pickups for autonomous vehicles
US20170316690A1 (en) * 2016-04-29 2017-11-02 AssetWorks LLC Systems and method for estimating and communicating parking lot utilization
US10339491B2 (en) * 2016-05-11 2019-07-02 Amazon Technologies, Inc. Mobile pickup units
US10339808B2 (en) * 2017-04-03 2019-07-02 Here Global B.V. Predicting parking vacancies based on activity codes
US11231280B2 (en) * 2018-07-06 2022-01-25 Inrix Inc. Probabilistic parking routes
US10832574B1 (en) * 2019-05-08 2020-11-10 Ford Global Technologies, Llc Parking spot availability prediction systems and methods
US11244571B2 (en) * 2019-07-31 2022-02-08 Uber Technologies, Inc. Passenger walking points in pick-up/drop-off zones
US11748636B2 (en) * 2019-11-04 2023-09-05 International Business Machines Corporation Parking spot locator based on personalized predictive analytics

Also Published As

Publication number Publication date
CN115534975A (zh) 2022-12-30
DE102022109939A1 (de) 2022-12-29
GB202205811D0 (en) 2022-06-08
US20220415173A1 (en) 2022-12-29
US11776402B2 (en) 2023-10-03
GB2608488A (en) 2023-01-04

Similar Documents

Publication Publication Date Title
US11945440B2 (en) Data driven rule books
US11548531B2 (en) Autonomous vehicle fleet management for reduced traffic congestion
US11814046B2 (en) Estimating speed profiles
US11776402B2 (en) Forecasting vehicle location occupancy
KR102634073B1 (ko) 루트 정보를 사용한 차량의 궤적 계획
US20220198842A1 (en) Predictive analytics for vehicle health
KR102518680B1 (ko) 속력 프로파일 추정
KR20220147006A (ko) 동적 상태를 사용한 자율 주행 차량의 궤적의 계획
US11731653B2 (en) Conditional motion predictions
KR102550039B1 (ko) 차량 경로 계획
US11708066B2 (en) Road surface condition guided decision making and prediction
KR20230154250A (ko) 자동 긴급 제동 시스템
KR20230156768A (ko) 브레이크 중재
US20220345861A1 (en) Passenger support system
KR20210109615A (ko) 활동에 기초한 인지된 대상체 분류
KR20230033557A (ko) 자율 주행 차량 사후 동작 설명 시스템
CN113838281A (zh) 交通锥情况下的基于路线安排的车道引导系统