KR20230002661A - 차량의 gnss-위치를 맵 매칭시키기 위한 시스템 및 방법 - Google Patents

Abstract

본 발명은, 디지털 로드맵(K) 상에서의 차량(1)의 각각 수집된 2개의 연속하는 GNSS-위치(G1, G2, G3) 사이의 경로 길이(L1, L2)와 차량(1)의 각각 수집된 2개의 연속하는 GNSS-위치(G1, G2, G3) 사이에서 결정된 거리(E1, E2)를 맵 매칭시키는 단계를 포함하는, 디지털 로드맵(K)의 위치 정보(P1a, P1b, P1c, P2a, P2b, P3a, P3b)와 차량(1)의 GNSS-위치(G1, G2, G3)를 맵 매칭시키기 위한 컴퓨터 구현 방법 및 시스템에 관한 것이다. 본 발명은, 또한 컴퓨터 프로그램 및 컴퓨터 판독 가능한 데이터 캐리어에 관한 것이다.

Description

차량의 GNSS-위치를 맵 매칭시키기 위한 시스템 및 방법

본 발명은, 디지털 로드맵의 위치 정보와 차량의 GNSS-위치를 맵 매칭시키기 위한 컴퓨터 구현 방법에 관한 것이다. 본 발명은, 또한 디지털 로드맵의 위치 정보와 차량의 GNSS-위치를 맵 매칭시키기 위한 시스템과도 관련이 있다.

맵 매칭의 경우에는, GNSS-위치의 시퀀스가 디지털 로드맵의 로드 네트워크상에 매핑된다. 이와 같은 유형의 맵 매칭-방법은, 해당 로드 링크 상에 예를 들어 차량의 위치를 매핑하는 작업의 정확도를 상대적으로 개선하기 위한 것이다. 이 방법에서는, 각각의 GNSS-위치에 대해 차량이 어느 도로상에서 주행했는지가 결정된다.

온라인 맵 매칭과 오프라인 맵 매칭은 서로 구별된다. 온라인 맵 매칭의 경우에는 각각의 GNSS-위치가 후속하는 GNSS-위치에 대한 지식 없이 실시간으로 도로에 매칭되지만, 오프라인 맵 매칭의 경우에는 GNSS-위치가 주행 또는 주행 구간의 기록 후에 매칭된다. 온라인 맵 매칭 및 오프라인 맵 매칭 모두 차량 내에서 이루어질 수 있을 뿐만 아니라 GNSS-위치의 전송 후에 백 엔드 내에서도 이루어질 수 있다. 하지만, 차량 내에서는 온라인 맵 매칭이 자주 사용되고, 백 엔드에서는 오프라인 맵 매칭이 자주 사용된다.

차량의 GNSS-위치는 차량 내에서 1 ㎐의 주파수로 결정되고, 추가 처리를 위해 이 주파수로 또는 이보다 낮은 주파수로 수집될 수 있다. 또한, 차량 위치를 훨씬 더 정확하게 결정하기 위하여 추측 항법(Dead Reckoning)이 사용된다.

다양한 애플리케이션의 경우를 위해, 필요에 따라 추측 항법으로 개선될 수 있는 차량 위치가 차량 내에서 로드 네트워크에 매핑되거나, 백 엔드로의 전송 후에 오프라인 맵 매칭으로써 로드 네트워크에 매핑된다. 맵 매칭이 차량 내에서 이루어지는 대신 백 엔드 내에서 이루어지면, 백 엔드 내에는 항상 최신의 디지털 로드맵이 존재하게 된다는 장점이 나타난다. 또한, 오프라인 맵 매칭에 의해서는, 일반적으로 주행 동안의 맵 매칭으로써 얻을 수 있는 결과보다 더 우수한 결과를 얻을 수 있게 된다.

로드 네트워크는, 예를 들어 Newson, Paul, and John Krumm: "Hidden Markov map Matching through noise and sparseness.", Proceedings of the 17th ACM SIGSPATIAL International Conference on Advances in geographic information system, ACM, 2009에 기재된 바와 같이, 지향성 에지로 이루어질 수 있을 뿐만 아니라 비-지향성 에지로도 이루어질 수 있는 그래프로서 모델링 될 수 있다. Newson 및 Krumm의 간행물과 달리, 지향성 에지는 반드시 일방통행 도로를 의미할 필요는 없는데, 그 이유는 양방향으로 주행할 수 있는 도로는 2개의 지향성 에지로서도 모델링 될 수 있기 때문이다. 각각의 에지는 예를 들어 폴리라인으로서의 (다시 말하자면 복수의 세그먼트로 구성된 선으로서의) 자체 기하학적 구조에 대한 설명을 갖고 있다. 지도 제조업체는 서로 다른 모델링에 의해 서로 다른 포맷으로 구성된 지도를 제공한다. 따라서, 다수의 모델링에서는 링크들이 다만 교차점에서만 끝나거나, 다만 지향성 에지만 존재하게 된다. 하지만, 전술된 모델링은 가장 일반적인 경우를 나타낸다.

Newson 및 Krumm은 HMM(Hidden Markov Model)에 기초한 맵 매칭-방법을 기술한다. 이 방법은, 차량이 주행했을 가능성이 가장 높은 링크 시퀀스를 Viterbi-알고리즘을 이용해서 계산한다. 이 방법에서, 각각의 GNSS-위치는, 링크 및 그 링크 상에서의 위치(줄여서 <Link, position on Link>)로 이루어진 조합인 소위 매칭에 매핑된다. 일 링크 상에서의 위치는 예를 들어 분수로서, 다시 말해 0과 1 사이의 숫자로서 이루어질 수 있다.

하지만, 전술된 Newson 및 Krumm에 따른 방법은, 예를 들어 로드맵에 없는 도로와 같은 로드 토폴로지에서의 맵 오류에 대해 그리고 도로 기하학에서의 맵 오류에 대해 취약하다.

그렇기 때문에, 더 높은 정확성을 갖는 개선된 맵 매칭-방법 및 시스템을 제공할 필요가 존재한다.

상기 과제는, 특허 청구항 1의 특징부들을 갖는, 디지털 로드맵의 위치 정보와 차량의 GNSS-위치를 맵 매칭시키기 위한 컴퓨터 구현 방법에 의해서 해결된다.

또한, 상기 과제는, 특허 청구항 10의 특징부들을 갖는, 디지털 로드맵의 위치 정보와 차량의 GNSS-위치를 맵 매칭시키기 위한 시스템에 의해서도 해결된다.

더 나아가, 상기 과제는, 특허 청구항 11의 특징부들을 갖는 컴퓨터 프로그램에 의해서 그리고 특허 청구항 12의 특징부들을 갖는 컴퓨터 판독 가능 데이터 캐리어에 의해서도 해결된다.

본 발명은, 디지털 로드맵의 위치 정보와 GNSS-위치를 맵 매칭시키기 위한 컴퓨터 구현 방법을 제공한다. 위치 정보는 예를 들어 디지털 로드맵의 위치별 좌표를 포함한다.

이 방법은, 차량의 경로를 따라 차량의 GNSS-위치를 수집하는 단계를 포함한다.

이 방법은, 또한 차량 센서, 특히 휠 회전수 센서를 사용해서 결정된 차량의 각각 2개의 수집된 연속하는 GNSS-위치들 사이의 거리를 기록하는 단계를 포함한다. 더 나아가, 이 방법은, 디지털 로드맵 상에서의 차량의 각각 2개의 수집된 연속하는 GNSS-위치들 사이의 경로 길이와 차량의 각각 2개의 수집된 연속하는 GNSS-위치들 사이에서 결정된 거리를 맵 매칭시키는 단계를 포함한다.

본 발명은, 또한 디지털 로드맵의 위치 정보와 차량의 GNSS-위치를 맵 매칭시키기 위한 시스템을 제공한다. 이 시스템은, 차량의 경로를 따라 차량의 GNSS-위치를 수집하기 위한 수단을 포함한다.

이 시스템은, 또한 차량 센서, 특히 휠 회전수 센서를 사용해서 결정된 차량의 각각 2개의 수집된 연속하는 GNSS-위치들 사이의 거리를 기록하기 위한 수단을 포함한다. 더 나아가, 이 시스템은, 디지털 로드맵 상에서의 차량의 각각 2개의 수집된 연속하는 GNSS-위치들 사이의 경로 길이와 차량의 각각 2개의 수집된 연속하는 GNSS-위치들 사이에서 결정된 거리를 맵 매칭시키기 위한 수단을 포함한다.

본 발명은, 또한 컴퓨터 프로그램이 컴퓨터상에서 실행될 때, 본 발명에 따른 방법을 수행하기 위한, 프로그램 코드를 갖는 컴퓨터 프로그램을 제공한다.

본 발명은, 또한 컴퓨터 프로그램이 컴퓨터상에서 실행될 때, 본 발명에 따른 방법을 수행하기 위한, 컴퓨터 프로그램의 프로그램 코드로써 컴퓨터 판독 가능한 데이터 캐리어를 제공한다.

본 발명의 한 가지 아이디어는, 주행 시작 이후에 차량의 주행 기록계(odometry)를 이용하여 각각의 GNSS-위치에 대해 이동한 거리를 기록하는 것 그리고 이로써 맵 매칭의 정확도를 개선하는 것이다. 이와 같은 기록 및 개선은, 주행 기록계를 이용하여 결정된 각각 2개의 연속하는 GNSS-위치들 사이의 이동 거리가 디지털 로드맵 상의 2개의 매칭되는 GNSS-위치 사이의 경로 길이와 비교됨으로써 이루어진다. 따라서, 맵 매칭의 보다 높은 정확도가 바람직한 방식으로 달성될 수 있다.

바람직한 실시예들 및 개선예들은 종속 청구항들로부터 그리고 각각의 도면을 참조하는 상세한 설명으로부터 나타난다.

바람직한 일 개선예에 따라, 차량 내부의 컴퓨팅 장치 및/또는 차량 외부의 서버를 사용하여 주행을 기록한 후에 또는 주행 구간을 기록한 후에 맵 매칭이 실시간으로 수행되는 것이 제안되었으며, 그리고 이 경우 차량의 수집된 각각의 GNSS-위치에는 타임 스탬프가 할당된다. 따라서, 바람직한 방식으로는 시스템적 요구 사항에 따라 온라인 및/또는 오프라인 맵 매칭으로 구성된 최상의 구현이 사용될 수 있다.

또 다른 바람직한 일 개선예에 따라, 타임 섹션(t) 안에 있는 매칭 후보(c_t,i)로부터 타임 섹션(t+1) 안에 있는 매칭 후보(c_{t+ 1,j})로 넘어갈 수 있는 확률 밀도가 다음과 같은 방정식을 사용하여 계산되는 것이 제안되었다:

상기 방정식에서, r은 c_t,i와 c_{t+ 1,j} 사이의 가장 빠른 경로의 길이이고; d는 시점 t와 t+1 사이의 이동한 거리이며; p 또는 p( r,d )는 확률 밀도이며, 이때 σ는 수집된 GNSS-위치들의 표준 편차이며, 그리고 이때 i 및 j는 실측 자료(Ground Truth)인 로드 세그먼트 또는 위치 정보에 대한 숫자 자리 표시자이며, 이 경우 위치 정보는 본 실시예에서 P1a, P1b, P1c, P2a, P2b, P3a, P3b로 표시되어 있다.

본 실시예에서, 매칭 후보는 M1a, M1b, M1c, M2a, M2b, M3a, M3b로 표시되어 있다. 따라서, 타임 섹션(t) 안에 있는 매칭 후보(c_t,i)로부터 타임 섹션(t+1) 안에 있는 매칭 후보(c_{t+ 1,j})로 넘어갈 수 있는 확률 밀도는 예를 들어 매칭 후보(M1c)로부터 매칭 후보(M2b)로 넘어갈 수 있는 확률 밀도를 지시할 수 있다.

또 다른 바람직한 일 개선예에서는, 커널 밀도 추정기(kernel density estimator)가 위에서 언급된 방정식 대신에 사용되는 것이 제안되었다. 따라서, 바람직한 방식으로 확률 분포는, 확률 분포의 구조에 대한 가정 없이 가장 빠른 경로의 길이 및 이동한 거리를 포함시킨 상태에서 계산될 수 있다.

또 다른 바람직한 일 개선예에 따라, 표준 편차(σ)가 GNSS-위치의 랜덤 샘플의 랜덤 샘플 분산의 루트(root) 및 주행한 경로가 알려져 있는 다수의 주행의 차량 센서-거리 측정값을 통해서 결정되는 것이 제안되었다. 이 경우, 표준 편차는 바람직한 방식으로 실측 자료-데이터의 랜덤 샘플의 샘플 분산의 루트를 통해서 결정된다. 주행한 경로가 알려져 있는 다수의 주행의 GNSS-위치 및 주행 기록계-측정값이 실측 자료-데이터로서 사용된다.

또 다른 바람직한 일 개선예에 따라, 매칭 후보들 사이의 가장 빠른 경로의 경로 길이가 차량 센서를 사용해서 결정된 거리보다 사전 설정된 인수(factor)만큼 더 짧거나 더 긴 경우에는, 매칭 후보들 간의 전이가 배제되는 것이 제안되었다. 이로써, 바람직한 방식으로는, 최상의 매칭 후보의 결정을 개선할 수 있는 또 다른 하나의 기준이 이용될 수 있다.

또 다른 바람직한 일 개선예에 따라, 다수의 차량의 GNSS-위치, 현재 속도 및/또는 현재 평균 속도가 주기적으로 차량 외부의 서버로 전송되며, 이들을 사용하여 차량 외부의 서버가 교통 정보, 특히 예상 도착 시간 및/또는 로드 섹션의 평균 속도를 계산하여 다수의 차량에 제공하는 것이 제안되었다. 따라서, 맵 매칭은 또한, 예상 도착 시간 및/또는 로드 섹션의 평균 속도에 대한 보다 정확한 예측 값을 계산하기 위해서 그리고 이 예측 값을 차량 군(vehicle fleet)에 속한 다수의 차량에 제공하기 위해서도 사용될 수 있다.

또 다른 바람직한 일 개선예에 따라, 특히 미끄러운 도로, 교통사고 및/또는 에어백 활성화와 관련하여 차량 센서에 의해 수집된 위험 데이터가 차량의 GNSS-위치와 함께 차량 외부의 서버로 전송되는 것이 제안되었으며, 이 경우 차량 외부의 서버는 위험 데이터의 맵 매칭을 수행하고, 이들 데이터는 인식된 위험 구간을 통과하도록 계획된 경로를 갖고 있는 차량에 제공된다. 따라서, 맵 매칭은 바람직한 방식으로 또한 차량 군의 다른 차량에 위험 정보를 제공하기 위해서도 사용될 수 있다.

또 다른 바람직한 일 개선예에 따라, 운전자의 개인적 경로가 GNSS-위치의 시퀀스로서 기록되어 차량 외부의 서버로 전송되는 것이 제안되었으며, 이 경우 차량 외부의 서버는 GNSS-위치의 맵 매칭을 수행하고, 운전자의 학습된 개인적 경로를 차량으로 전송하며, 학습된 개인적 경로의 목적지 안내를 사전 설정된 시점에 운전자에게 제안한다. 따라서, 운전자의 개인적 경로의 학습은 바람직한 방식으로, 수집된 데이터에 기초하여 시스템이 운전할 가능성이 있는 경로로서 간주하는 적절한 시점에 이 경로를 운전자에게 제안할 목적으로 사용될 수 있다.

또 다른 바람직한 일 개선예에 따라, 차량 센서를 사용해서 결정된 차량의 각각 2개의 수집된 연속하는 GNSS-위치들 사이의 거리가 맵 매칭-결과의 타당성을 검사하기 위해 사용되는 것이 제안되었으며, 이 경우에는 2개의 인접하는 매칭된 GNSS-위치들 사이의 가장 빠른 경로의 길이가 각각 계산되며, 이때 이 길이가 차량 센서를 사용해서 결정된 거리보다 사전 설정된 인수만큼 더 짧거나 더 긴 경우에는, 차량의 결정된 2개 GNSS-위치들 중 적어도 하나는 타당하지 않은 것으로서 평가된다. 이와 같은 맵 매칭-결과의 타당성 검사는 또한 바람직한 방식으로 더 높은 맵 매칭-정확도에도 기여한다.

설명된 실시예들 및 개선예들은 서로 임의로 조합될 수 있다.

본 발명의 또 다른 가능한 실시예, 개선예 및 구현은 또한 실시예와 관련하여 앞에서 설명되었거나 이하에서 설명될 본 발명의 특징부들의 명시적으로 언급되지 않은 조합도 포함한다.

첨부된 도면부는 본 발명의 실시예들에 대한 추가 이해를 제공하기 위한 것이다. 도면부는, 실시예들을 도시하고 상세한 설명과 연계하여 본 발명의 원리 및 개념을 설명하기 위해 이용된다.
다른 실시예들 및 전술된 다수의 장점들은 도면부를 참조하여 명백하게 드러난다. 도면부에 도시된 요소들은 반드시 서로에 대해 축척 정확하게 도시되어 있지는 않다.
도면부에서:
도 1은 본 발명의 바람직한 일 실시예에 따른, 디지털 로드맵의 위치 정보와 차량의 GNSS-위치를 맵 매칭시키기 위한 시스템의 개략도를 도시하고,
도 2는 본 발명의 바람직한 실시예에 따른, 디지털 로드맵의 위치 정보와 차량의 GNSS-위치를 맵 매칭시키기 방법을 도시하기 위한 디지털 로드맵의 개략도를 도시하며, 그리고
도 3은 디지털 로드맵의 위치 정보와 차량의 GNSS-위치를 맵 매칭시키기 위한 컴퓨터 구현 방법의 흐름도를 도시한다.

디지털 로드맵의 위치 정보와 차량(1)의 GNSS-위치를 맵 매칭시키기 위한 도 1에 도시된 시스템은, 차량(1)의 경로를 따라 차량(1)의 GNSS-위치(G1, G2, G3)를 수집하기 위한 수단(20)을 구비하는 차량(1)을 포함한다. 본 실시예의 범위 안에서, GPS는 GNSS의 바람직한 형태이다.

또한, 이 시스템은 차량 센서(10), 특히 휠 회전수 센서를 사용하여 결정된 차량(1)의 각각 수집된 2개의 연속하는 GNSS-위치들 사이의 거리를 기록하기 위한 수단(22)을 포함한다. 더욱이, 이 시스템은, 디지털 로드맵 상에서의 차량의 각각 수집된 2개의 연속하는 GNSS-위치들 사이의 경로 길이와 차량(1)의 각각 수집된 2개의 연속하는 GNSS-위치들 사이에서 결정된 거리를 맵 매칭시키기 위한 수단(24)을 포함한다.

맵 매칭은, 바람직한 방식으로 차량 내부의 컴퓨팅 장치(12) 및 차량 외부의 서버(14)를 사용하여 실시간으로 수행되며, 이 경우 차량(1)의 각각의 수집된 GNSS-위치에는 타임 스탬프가 할당된다.

대안적으로, 맵 매칭은, 예를 들어 주행을 기록한 후에 또는 주행 구간을 기록한 후에 차량 내부의 컴퓨팅 장치(12) 및/또는 차량 외부의 서버(14)를 사용하여 수행될 수 있다.

도 1에 도시된 바와 같이, 맵 매칭을 위한 수단(24')은 대안적으로 예를 들어 차량 외부의 서버(14) 상에 배열될 수도 있다.

차량(1)은 또한 도 1에 도시되지 않은 또 다른 센서, 다른 무엇보다 속도 센서, 에어백의 활성화를 수집하기 위한 센서, 미끄러운 도로를 수집하기 위한 센서 및/또는 카메라 센서를 구비한다.

차량 외부의 서버(14)는 도 1에 도시되지 않은 수신 유닛을 구비한다. 또한, 차량 외부의 서버(14)는 차량(1)으로부터 수신된 데이터에 기초하여 교통 정보의 계산, 위험 경고의 계산 및/또는 운전자의 개인적 경로의 학습을 수행한다. 이어서, 계산된 데이터가 일 차량 군의 또 다른 차량에 제공된다.

도 2는, 본 발명의 바람직한 실시예에 따른, 디지털 로드맵의 위치 정보와 차량의 GNSS-위치를 맵 매칭시키기 위한 방법을 도시하기 위한 디지털 로드맵의 개략도를 보여준다.

본 도면에는, 차량(1)의 3개의 GNSS-위치(G1, G2, G3)가 디지털 로드맵(K) 상에 예시적으로 도시되어 있다. 본 실시예에서는 차량(1)의 GNSS-위치(G1, G2, G3)가 디지털 로드맵(K)의 개별 도로에 대하여 오프셋 된 상태로 로드맵(K) 내에 기재되어 있기 때문에, 차량(1)의 이동 경로를 계산하기 위해서는 디지털 로드맵(K)의 위치 정보와 차량(1)의 GNSS-위치(G1, G2, G3)의 맵 매칭이 반드시 수행되어야만 한다.

차량(1)의 제1 GNSS-위치(G1)는 예를 들어 3개의 도로 구간 또는 위치 정보(P1a, P1b, P1c) 부근에 있다.

마찬가지로, 차량(1)의 제2 GNSS-위치(G2)는 2개의 도로 구간 또는 위치 정보(P2a, P2b) 부근에 있다. 더 나아가, 차량(1)의 제3 GNSS-위치(G3)는 2개의 도로 혹은 도로 구간 또는 위치 정보(P3a, P3b) 부근에 있다.

그렇기 때문에, 차량(1)의 경로를 따라 차량(1)의 GNSS-위치(G1, G2, G3)가 먼저 수집된다. 이어서, 차량 센서, 특히 휠 회전수 센서를 사용하여 결정된 차량(1)의 각각 2개의 수집된 연속하는 GNSS-위치들 사이의 거리(E1, E2)에 대한 기록, 예를 들어 제1 GNSS-위치(G1)와 제2 GNSS-위치(G2) 사이의 거리(E1)에 대한 기록이 이루어진다.

그 다음에는, 차량(1)의 제1 GNSS 위치(G1)와 제2 GNSS 위치(G2) 사이에서 결정된 거리(E1)가 디지털 로드맵(K) 상의 제1 경로 길이(L1)와 비교된다.

그와 마찬가지로, 제2 GNSS-위치(G2)와 제3 GNSS-위치(G3) 사이의 제2 거리(E2)도 수집되며, 그리고 제2 GNSS-위치(G2)와 제3 GNSS-위치(G3) 사이에서 결정된 거리(E2)가 디지털 로드맵(K) 상의 경로 길이(L2)와 비교된다.

더 나아가서는, 타임 섹션(t) 안에 있는 매칭 후보(c_t,i)로부터 타임 섹션(t+1) 안에 있는 매칭 후보(c_{t+ 1,j})로 넘어갈 수 있는 확률 밀도가 다음과 같은 방정식을 사용하여 계산된다:

상기 방정식에서, r은 c_t,i와 c_{t+ 1,j} 사이의 가장 빠른 경로의 길이이고; d는 시점 t와 t+1 사이의 이동한 거리이며; p 또는 p( r,d )는 확률 밀도이며, 이때 σ는 수집된 GNSS-위치의 표준 편차이며, 그리고 이때 i 및 j는 실측 자료인 로드 세그먼트 또는 위치 정보에 대한 숫자 자리 표시자이며, 이 경우 위치 정보는 본 실시예에서 P1a, P1b, P1c, P2a, P2b, P3a, P3b로 표시되어 있다.

본 실시예에서, 매칭 후보는 M1a, M1b, M1c, M2a, M2b, M3a, M3b로 표시되어 있다. 따라서, 타임 섹션(t) 안에 있는 매칭 후보(c_t,i)로부터 타임 섹션(t+1) 안에 있는 매칭 후보(c_{t+ 1,j})로 넘어갈 수 있는 확률 밀도는 예를 들어 매칭 후보(M1c)로부터 매칭 후보(M2b)로 넘어갈 수 있는 확률 밀도를 지시할 수 있다.

표준 편차(σ)는 GNSS-위치(G1, G2, G3)의 랜덤 샘플의 랜덤 샘플 분산의 루트 및 주행한 경로가 알려져 있는 다수의 주행의 차량 센서-거리 측정값을 통해서 결정된다.

매칭 후보(M1a, M1b, M1c, M2a, M2b, M3a, M3b) 사이의 가장 빠른 경로의 경로 길이(L1, L2)가 차량 센서(10)를 사용해서 결정된 거리(E1, E2)보다 사전 설정된 인수만큼 더 짧거나 더 긴 경우에는, 매칭 후보(M1a, M1b, M1c, M2a, M2b, M3a, M3b) 간의 전이가 배제된다.

다수의 차량의 GNSS-위치(G1, G2, G3), 현재 속도 및/또는 현재 평균 속도가 주기적으로 차량 외부의 서버(14)로 전송되며, 이들을 사용하여 차량 외부의 서버(14)가 교통 정보, 특히 예상 도착 시간 및/또는 로드 섹션의 평균 속도를 계산하여 다수의 차량에 제공한다.

특히 미끄러운 도로, 교통사고 및/또는 에어백 활성화와 관련하여 차량 센서에 의해 수집된 위험 데이터가 차량(1)의 GNSS-위치(G1, G2, G3)와 함께 차량 외부의 서버(14)로 전송되며, 이 경우 차량 외부의 서버(14)는 위험 데이터의 맵 매칭을 수행하고, 이들 데이터는 인식된 위험 구간을 통과하도록 계획된 경로를 갖고 있는 차량(1)에 제공된다.

운전자의 개인적 경로는 GNSS-위치(G1, G2, G3)의 시퀀스로서 기록되어 차량 외부의 서버(14)로 전송된다.

차량 외부의 서버(14)는 GNSS-위치(G1, G2, G3)의 맵 매칭을 수행하고, 운전자의 학습된 개인적 경로를 차량(1)으로 전송하며, 학습된 개인적 경로의 목적지 안내를 사전 설정된 시점에 운전자에게 제안한다.

차량 센서(10)를 사용해서 결정된 차량(1)의 각각 2개의 수집된 연속하는 GNSS-위치(G1, G2, G3) 사이의 거리(E1, E2)가 맵 매칭-결과의 타당성을 검사하기 위해 사용된다.

2개의 인접하는 매칭된 GNSS-위치(G1, G2, G3) 사이의 가장 빠른 경로의 길이가 각각 계산된다. 상기 길이가 차량 센서(10)를 사용해서 결정된 거리(E1, E2)보다 사전 설정된 인수만큼 더 짧거나 더 긴 경우에는, 차량(1)의 결정된 2개 GNSS-위치(G1, G2, G3) 중 적어도 하나는 타당하지 않은 것으로서 평가된다.

도 3은, 디지털 로드맵의 위치 정보와 차량의 GNSS-위치를 맵 매칭시키기 위한 컴퓨터 구현 방법의 흐름도를 보여준다.

이 방법은, 차량(1)의 경로를 따라 차량(1)의 GNSS-위치(G1, G2, G3)를 수집하는 단계 "S1"을 포함한다.

이 방법은, 또한 차량 센서(10), 특히 휠 회전수 센서를 사용해서 결정된 차량(1)의 각각 2개의 수집된 연속하는 GNSS-위치(G1, G2, G3) 사이의 거리(E1, E2)를 기록하는 단계 "S2"를 포함한다.

더욱이, 이 방법은, 디지털 로드맵(K) 상에서의 차량(1)의 각각 2개의 수집된 연속하는 GNSS-위치(G1, G2, G3) 사이의 경로 길이(L1, L2)와 차량(1)의 각각 2개의 수집된 연속하는 GNSS-위치(G1, G2, G3) 사이에서 결정된 거리(E1, E2)를 맵 매칭시키는 단계 "S3"를 포함한다.

차량이라는 용어는 사람, 물품 등을 운송하기 위해 이용되는 승용차, 트럭, 버스, 이동 주택, 오토바이 등을 포함한다.

특히, 이 용어는 여객 수송용 자동차를 포함한다. 보완적으로 또는 대안적으로, 실시예에 따른 하이브리드 차량 또는 전기 차량은 순수 전기 차량(BEV) 또는 플러그인-하이브리드 차량(PHEV)일 수 있다. 하지만, 예를 들어 디젤 구동식 또는 가솔린 구동식 차량의 형태와 같은 다른 구동 형태도 사용될 수 있다. 차량은 또한 철도 차량의 형태로 존재할 수도 있다.

본 발명이 상세한 설명부에서 바람직한 실시예에 의해 더욱 상세하게 도시되었고 설명되었지만, 본 발명은 개시된 예들에 의해 한정되어 있지 않으며, 본 발명의 보호 범위를 벗어나지 않으면서 상기 예들로부터 당업자에 의해 다른 변형예들이 도출될 수 있다.

그렇기 때문에, 다수의 변형 가능성이 존재한다는 것이 분명하다. 예시적으로 언급된 실시예들은 단지 예에 불과하며, 이들 실시예들이 예컨대 본 발명의 보호 범위, 적용 가능성 또는 구성을 어떤 방식으로든 제한하는 것으로서 해석되어서는 안 된다.

오히려, 선행하는 상세한 설명부 및 도면 설명부는 당업자로 하여금 예시적인 실시예들을 구체적으로 구현할 수 있게 하며, 이 경우 당업자는 개시된 발명의 사상을 알고 있는 상태에서, 예컨대 상세한 설명부에 기재된 추가 설명과 같이 청구범위 및 그의 법적 등가물에 의해서 정의되는 보호 범위를 벗어나지 않으면서, 예시적인 실시예에서 언급된 개별 요소들의 기능 또는 배열 상태와 관련하여 다양한 변형을 실행할 수 있다.

대안적으로, 맵 매칭 단계 "S3"는, 예를 들어 디지털 로드맵(K) 상에서의 차량(1)의 각각 2개의 대응하는 GNSS-위치(G1, G2, G3) 사이의 경로 길이(LI, L2)를 갖는 차량(1)의 2개의 임의의 GNSS-위치(G1, G2, G3) 사이에서도 이루어질 수 있다.

Claims (12)

1. 디지털 로드맵(K)의 위치 정보(P1a, P1b, P1c, P2a, P2b, P3a, P3b)와 차량(1)의 GNSS-위치(G1, G2, G3)를 맵 매칭시키기 위한 컴퓨터 구현 방법으로서,
   차량(1)의 경로를 따라 차량(1)의 GNSS-위치(G1, G2, G3)를 수집하는 단계 "S1";
   차량 센서(10), 특히 휠 회전수 센서를 사용해서 결정된 차량(1)의 각각 2개의 수집된 연속하는 GNSS-위치(G1, G2, G3) 사이의 거리(E1, E2)를 기록하는 단계 "S2"; 및
   디지털 로드맵(K) 상에서의 차량(1)의 각각 2개의 수집된 연속하는 GNSS-위치(G1, G2, G3) 사이의 경로 길이(L1, L2)와 차량(1)의 각각 2개의 수집된 연속하는 GNSS-위치(G1, G2, G3) 사이에서 결정된 거리(E1, E2)를 맵 매칭시키는 단계 "S3"
   를 포함하는, 디지털 로드맵의 위치 정보와 차량의 GNSS-위치를 맵 매칭시키기 위한 컴퓨터 구현 방법.
2. 제1항에 있어서, 상기 맵 매칭 단계 "S3"가 차량 내부의 컴퓨팅 장치(12) 및/또는 차량 외부의 서버(14)를 사용하여 주행을 기록한 후에 또는 주행 구간을 기록한 후에 실시간으로 수행되며, 그리고 차량(1)의 수집된 각각의 GNSS-위치(G1, G2, G3)에는 타임 스탬프가 할당되는 것을 특징으로 하는, 디지털 로드맵의 위치 정보와 차량의 GNSS-위치를 맵 매칭시키기 위한 컴퓨터 구현 방법.
3. 제1항 또는 제2항에 있어서, 타임 섹션(t) 안에 있는 매칭 후보(c_t,i)로부터 타임 섹션(t+1) 안에 있는 매칭 후보(c_{t+ 1,j})로 넘어갈 수 있는 확률 밀도가 다음과 같은 방정식을 사용하여 계산되며:
   

   

   
   상기 방정식에서, r은 c_t,i와 c_{t+ 1,j} 사이의 가장 빠른 경로의 길이이고; d는 시점 t와 t+1 사이의 이동한 거리이며; p 또는 p( r,d )는 확률 밀도이고, σ는 수집된 GNSS-위치들의 표준 편차인 것을 특징으로 하는, 디지털 로드맵의 위치 정보와 차량의 GNSS-위치를 맵 매칭시키기 위한 컴퓨터 구현 방법.
4. 제3항에 있어서, 상기 표준 편차(σ)가 GNSS-위치(G1, G2, G3)의 랜덤 샘플의 랜덤 샘플 분산의 루트 및 주행한 경로가 알려져 있는 다수의 주행의 차량 센서-거리 측정값을 통해서 결정되는 것을 특징으로 하는, 디지털 로드맵의 위치 정보와 차량의 GNSS-위치를 맵 매칭시키기 위한 컴퓨터 구현 방법.
5. 제3항 또는 제4항에 있어서, 매칭 후보(M1a, M1b, M1c, M2a, M2b, M3a, M3b) 사이의 가장 빠른 경로의 경로 길이(L1, L2)가 차량 센서(10)를 사용해서 결정된 거리(E1, E2)보다 사전 설정된 인수만큼 더 짧거나 더 긴 경우에는, 매칭 후보(M1a, M1b, M1c, M2a, M2b, M3a, M3b) 간의 전이가 배제되는 것을 특징으로 하는, 디지털 로드맵의 위치 정보와 차량의 GNSS-위치를 맵 매칭시키기 위한 컴퓨터 구현 방법.
6. 제2항 내지 제5항 중 어느 한 항에 있어서, 다수의 차량의 GNSS-위치(G1, G2, G3), 현재 속도 및/또는 현재 평균 속도가 주기적으로 차량 외부의 서버(14)로 전송되며, 이들을 사용하여 차량 외부의 서버(14)가 교통 정보, 특히 예상 도착 시간 및/또는 로드 섹션의 평균 속도를 계산하여 다수의 차량에 제공하는 것을 특징으로 하는, 디지털 로드맵의 위치 정보와 차량의 GNSS-위치를 맵 매칭시키기 위한 컴퓨터 구현 방법.
7. 제2항 내지 제6항 중 어느 한 항에 있어서, 특히 미끄러운 도로, 교통사고 및/또는 에어백 활성화와 관련하여 차량 센서에 의해 수집된 위험 데이터가 차량(1)의 GNSS-위치(G1, G2, G3)와 함께 차량 외부의 서버(14)로 전송되며, 상기 차량 외부의 서버(14)는 위험 데이터의 맵 매칭을 수행하고, 상기 데이터는 인식된 위험 구간을 통과하도록 계획된 경로를 갖고 있는 차량(1)에 제공되는 것을 특징으로 하는, 디지털 로드맵의 위치 정보와 차량의 GNSS-위치를 맵 매칭시키기 위한 컴퓨터 구현 방법.
8. 제2항 내지 제7항 중 어느 한 항에 있어서, 운전자의 개인적 경로는 GNSS-위치(G1, G2, G3)의 시퀀스로서 기록되어 차량 외부의 서버(14)로 전송되며, 차량 외부의 서버(14)는 GNSS-위치(G1, G2, G3)의 맵 매칭을 수행하고, 운전자의 학습된 개인적 경로를 차량(1)으로 전송하며, 학습된 개인적 경로의 목적지 안내를 사전 설정된 시점에 운전자에게 제안하는 것을 특징으로 하는, 디지털 로드맵의 위치 정보와 차량의 GNSS-위치를 맵 매칭시키기 위한 컴퓨터 구현 방법.
9. 제2항 내지 제8항 중 어느 한 항에 있어서, 차량 센서(10)를 사용해서 결정된 차량(1)의 각각 2개의 수집된 연속하는 GNSS-위치(G1, G2, G3) 사이의 거리(E1, E2)는 맵 매칭-결과의 타당성을 검사하기 위해 사용되며, 이때에는 2개의 인접하는 매칭된 GNSS-위치(G1, G2, G3) 사이의 가장 빠른 경로의 길이가 각각 계산되며, 이 경우 상기 길이가 차량 센서(10)를 사용해서 결정된 거리(E1, E2)보다 사전 설정된 인수만큼 더 짧거나 더 긴 경우에는, 차량(1)의 결정된 2개 GNSS-위치(G1, G2, G3) 중 적어도 하나는 타당하지 않은 것으로서 평가되는 것을 특징으로 하는, 디지털 로드맵의 위치 정보와 차량의 GNSS-위치를 맵 매칭시키기 위한 컴퓨터 구현 방법.
10. 디지털 로드맵(K)의 위치 정보(P1a, P1b, P1c, P2a, P2b, P3a, P3b)와 차량(1)의 GNSS-위치(G1, G2, G3)를 맵 매칭시키기 위한 시스템으로서,
    차량(1)의 경로를 따라 차량(1)의 GNSS-위치(G1, G2, G3)를 수집하기 위한 수단(20);
    차량 센서(10), 특히 휠 회전수 센서를 사용하여 결정된 차량(1)의 각각 수집된 2개의 연속하는 GNSS-위치(G1, G2, G3) 사이의 거리(E1, E2)를 기록하기 위한 수단(22); 및
    디지털 로드맵(K) 상에서의 차량(1)의 각각 수집된 2개의 연속하는 GNSS-위치(G1, G2, G3) 사이의 경로 길이(L1, L2)와 차량(1)의 각각 수집된 2개의 연속하는 GNSS-위치(G1, G2, G3) 사이에서 결정된 거리(E1, E2)를 맵 매칭시키기 위한 수단(24)
    을 포함하는, 디지털 로드맵의 위치 정보와 차량의 GNSS-위치를 맵 매칭시키기 위한 시스템.
11. 컴퓨터 프로그램이 컴퓨터상에서 실행될 때, 제1항 내지 제9항 중 어느 한 항에 따른 방법을 수행하기 위한, 프로그램 코드를 갖는 컴퓨터 프로그램.
12. 컴퓨터 프로그램이 컴퓨터 상에서 실행될 때, 제1항 내지 제9항 중 어느 한 항에 따른 방법을 수행하기 위한, 컴퓨터 프로그램의 프로그램 코드로써 컴퓨터 판독 가능한 데이터 캐리어.

Images