KR20230002887A - 도로 혼잡 원인을 제공하기 위한 방법 및 장치 - Google Patents
도로 혼잡 원인을 제공하기 위한 방법 및 장치 Download PDFInfo
- Publication number
- KR20230002887A KR20230002887A KR1020227040484A KR20227040484A KR20230002887A KR 20230002887 A KR20230002887 A KR 20230002887A KR 1020227040484 A KR1020227040484 A KR 1020227040484A KR 20227040484 A KR20227040484 A KR 20227040484A KR 20230002887 A KR20230002887 A KR 20230002887A
- Authority
- KR
- South Korea
- Prior art keywords
- congestion
- cause
- vehicle
- road
- server
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000004590 computer program Methods 0.000 claims description 40
- 230000015654 memory Effects 0.000 claims description 33
- 206010039203 Road traffic accident Diseases 0.000 claims description 29
- 238000013145 classification model Methods 0.000 claims description 18
- 230000005540 biological transmission Effects 0.000 claims description 5
- 238000012549 training Methods 0.000 description 15
- 238000004891 communication Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 11
- 238000010295 mobile communication Methods 0.000 description 9
- 238000012423 maintenance Methods 0.000 description 8
- 238000004140 cleaning Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 230000008439 repair process Effects 0.000 description 4
- 238000013500 data storage Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000003213 activating effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 241001465382 Physalis alkekengi Species 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000010408 sweeping Methods 0.000 description 1
Images
Classifications
-
- 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
-
- G06Q50/30—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
-
- G—PHYSICS
- 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
- G08G1/012—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from other sources than vehicle or roadside beacons, e.g. mobile networks
-
- 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
- G08G1/01—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
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/065—Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
- H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R2300/00—Details of viewing arrangements using cameras and displays, specially adapted for use in a vehicle
- B60R2300/50—Details of viewing arrangements using cameras and displays, specially adapted for use in a vehicle characterised by the display information being shared, e.g. external display, data transfer to other traffic participants or centralised traffic controller
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0464—Convolutional networks [CNN, ConvNet]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/09—Supervised learning
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
- H04W4/44—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for communication between vehicles and infrastructures, e.g. vehicle-to-cloud [V2C] or vehicle-to-home [V2H]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
- H04W4/46—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for vehicle-to-vehicle communication [V2V]
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Multimedia (AREA)
- Computer Networks & Wireless Communication (AREA)
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
- Operations Research (AREA)
Abstract
본 출원의 실시예들은 도로 혼잡 원인을 제공하기 위한 방법을 제공한다. 이 방법은 서버에서 사용되며, 혼잡 지점을 결정하는 단계; 혼잡 지점을 중심으로 미리 결정된 제1 길이의 도로 구간에 위치한 복수의 차량을 결정하는 단계; 상기 복수의 차량에, 차량 탑재 카메라를 이용하여 혼잡 지점을 촬영하고 촬영된 데이터를 서버에 업로드하도록 지시하는 지시 메시지를 전송하는 단계; 복수의 차량으로부터 촬영된 데이터를 수신하는 단계; 및 촬영된 데이터에 기초하여 도로 혼잡 원인을 결정하는 단계를 포함한다. 본 출원 실시예의 방법은 실시간으로 혼잡 원인을 정확하게 결정할 수 있고 도로 교통 효율을 개선할 수 있다.
Description
본 출원은 차량 인터넷 분야에 관한 것으로, 보다 상세하게는 도로 혼잡 원인을 제공하기 위한 방법 및 장치에 관한 것이다.
도로는 점점 넓어지고, 도시 내 고속도로와 도시 간 고속도로가 발달하지만 자동차의 증가율은 도로의 수용력을 훨씬 넘어선다. 교통 혼잡은 도시의 불안한 핵심 문제가 되었다. 이를 위해, 현재의 기존 기술 솔루션은 혼잡과 혼잡도를 인식할 수 있는데, 예를 들어 지도 상에 상이한 색상과 깊이도로 혼잡도를 표시하지만 많은 도시에서 장기간 혼잡된 도로의 비율이 60%에 이른다. 따라서, 교통 혼잡 문제에 대한 추가적인 해결책이 여전히 부족하다.
고급 운전자 보조 시스템(Advanced Driver Assistance Systems, ADAS) 및 V2X(Vehicle to Everything, V2X) 기술의 등장으로 차량 운전 문제에 대한 더 많은 솔루션이 등장했다. ADAS는 운전 보조 시스템으로서, 예를 들어 차량용 내비게이션 시스템, 적응형 순항 제어 시스템, 차선 이탈 경고 시스템, 차선 변경 보조 시스템, 충돌 방지 경고 시스템 등이 있다. V2X(Vehicle to Everything)는 차량 간, 차량과 보행자 또는 탑승자 간, 차량과 인프라 간의 통신 시스템을 의미한다. 차량은 차량에 장착된 각종 센서 및 카메라를 이용하여 차량의 주행상태 및 주변 도로환경 정보를 획득하고, GPS 등의 측위방식을 이용하여 정확한 차량 위치정보를 획득하며, 근거리 통신 및 셀룰러 네트워크 통신과 같은 기술을 사용하여 종단간 전송을 수행한다. 이것은 차량에서 모든 시스템에 대한 정보 공유를 구현한다. ADAS는 일반적으로 차량 탑재 기기를 사용하여 구현된다. 또한, 차량은 차량 탑재 기기를 이용하여 차량과 모든 것을 연결하여 정보 공유를 수행하고, 정보 공유를 기반으로 ADAS를 보다 잘 구현한다.
현재 V2X(Vehicle to Everything)에서의 차량에 대한 혼잡을 해결하기 위한 보다 효과적인 솔루션이 부족하다.
본 출원의 실시예들은 종래 기술의 단점을 해결하기 위해, 혼잡을 해결하기 위한 보다 효과적인 솔루션을 제공하고자 한다.
전술한 목적을 달성하기 위해, 본 출원의 제1 측면은 도로 혼잡 원인을 제공하는 방법을 제공한다. 이 방법은: 서버에서 사용되며, 혼잡 지점을 결정하는 단계; 혼잡 지점을 중심으로 미리 결정된 제1 길이의 도로 구간에 위치한 복수의 차량을 결정하는 단계; 복수의 차량에 지시 메시지를 송신하는 단계 - 지시 메시지는 복수의 차량이 차량에 장착된 카메라를 이용하여 혼잡 지점을 촬영하고 촬영된 데이터를 서버에 업로드하도록 지시함 - ; 복수의 차량으로부터 촬영된 데이터를 수신하는 단계; 및 촬영된 데이터에 기초하여 도로 혼잡 원인을 결정하는 단계를 포함한다. 이 솔루션은, 서버가 차량에 촬영의 수행과 촬영된 데이터의 업로드를 실시간으로 지시하고, 업로드된 촬영된 데이터를 기반으로 혼잡 원인을 판단한다. 이를 통해, 실시간으로 도로 혼잡 원인을 정확하게 파악하고 도로 교통 효율성을 높일 수 있다.
일 구현에 있어서, 차량 탑재 카메라를 이용하여 혼잡 지점을 촬영하도록 복수의 차량에 지시하는 것은 적어도 다음: 전방 카메라, 측면 장착 카메라 및 후방 카메라를 이용하여 혼잡 지점을 촬영하도록, 혼잡 지점을 중심으로 미리 결정된 제2 길이의 도로 구간에 위치한 적어도 하나의 차량에 지시하는 것 - 미리 결정된 제2 길이가 미리 결정된 제1 길이보다 짧음 -; 또는 후방 카메라를 이용하여 혼잡 지점을 촬영하도록 혼잡 지점 전방에 위치한 적어도 하나의 차량에 지시하는 것; 또는 전방 카메라를 이용하여 혼잡 지점을 촬영하도록 혼잡 지점 후방에 위치한 적어도 하나의 차량에 지시하는 것을 포함할 수 있다. 이 구현에서, 서버는 서로 다른 위치에 있는 차량에 서로 다른 명령을 전송하여 차량이 서로 다른 카메라를 사용하여 혼잡 지점을 촬영하도록 지시하므로 촬영된 모든 이미지에는 혼잡 지점이 포함되고 혼잡 지점이 포함되지 않는 무효 이미지는 감소하여, 유효하지 않은 이미지의 데이터 전송을 줄이고 차량 탑재 기기의 통신 트래픽을 줄이고 데이터 전송을 가속화할 수 있다. 또한, 무효 이미지의 감소는 서버가 차량 탑재 기기가 업로드한 이미지를 기반으로 혼잡 원인에 대한 계산량, 계산 시간 등을 결정하는 데에도 도움이 된다.
일 구현에서, 촬영된 데이터는 이미지이다. 촬영된 데이터로서 결정된 이미지는, 비디오에 비해 촬영된 데이터의 양을 줄일 수 있고, 차량 탑재 기기의 통신 트래픽을 줄일 수 있으며, 데이터 전송을 가속화할 수 있다.
일 구현예에서, 촬영된 데이터를 기반으로 도로 혼잡 원인을 판단하는 것은, 촬영된 데이터를 사전 훈련된 제1 모델에 입력하고, 제1 모델의 출력을 기반으로 도로 혼잡 원인을 판단하는 것을 포함한다. 도로 혼잡 원인은 수동으로 결정하는 대신 모델을 사용하여 결정한다. 이를 통해 도로 혼잡 원인을 보다 빠르고 정확하게 파악하고 판단 효율성을 높일 수 있다.
일 구현에서, 제1 모델은 이미지 인식 모델이고, 제1 모델은 촬영된 데이터가 미리 결정된 복수의 특징 중 적어도 하나를 갖는지 여부를 인식하기 위해 사용되며, 미리 결정된 복수의 특징은 미리 결정된 복수의 혼잡 원인에 각각 대응하는 적어도 하나의 미리 결정된 특징의 집합이고, 제1 모델의 출력에 기초하여 도로 혼잡 원인을 판단하는 단계는: 각각의 미리 결정된 혼잡 원인에 대응하는 미리 결정된 적어도 하나의 특징과 이미지 인식 모델의 출력 사이의 매칭도에 기초하여 도로 혼잡 원인을 결정한다. 촬영된 이미지는 이미지 인식 모델을 이용하여 인식되고, 인식된 미리 결정된 특징과 미리 결정된 혼잡 원인의 매칭에 기초하여 혼잡 원인을 결정한다. 모델의 구조가 단순하고 결정시간이 짧다.
일 구현에서, 제1 모델은 혼잡 원인 분류 모델이고, 제1 모델은 미리 결정된 복수의 혼잡 원인의 확률을 출력한다. 이 분류 모델은 복수의 이미지를 기반으로 혼잡 원인을 분류하고 각 혼잡 원인의 확률을 직접 출력한다. 모델 조작이 간단하고 모델의 출력 결과가 직관적이고 사용하기 쉽다.
일 구현에서, 이 방법은: 촬영된 데이터에 기초하여 도로 혼잡 원인을 결정한 후, 도로 혼잡 원인을 발행하는 단계를 더 포함한다. 혼잡 원인을 발행하여, 운전자, 통행예정자, 교통관리자 등이 실시간으로 편리하게 정보를 얻을 수 있도록 한다. 이것은 도로 교통 효율성을 향상시키고 교통 감독 효율성을 향상시키며 여행자가 적절한 여행 경로를 선택하도록 안내한다.
일 실시예에 있어서, 이 방법은: 복수의 차량으로부터 촬영된 데이터를 수신한 후, 촬영된 데이터에 기초하여 혼잡 차선을 판정하고, 혼잡 차선의 정보를 발행하는 단계를 더 포함한다. 혼잡 차선을 결정함으로써 차량 운전자는 자신의 차량의 주행경로 및 주행 차로를 판단하여 도로 교통 효율을 높일 수 있다.
일 구현에서, 도로 혼잡 원인은 교통 사고 원인이고, 이 방법은: 촬영된 데이터를 제2 모델에 입력하는 단계; 제2 모델의 출력에 기초하여 교통사고 책임 식별을 수행하는 단계; 및 교통 사고 책임 식별을 발행하는 단계를 더 포함한다. 혼잡 원인이 교통사고 원인으로 판단된 후 교통 사고 책임 식별을 하고 그 정보를 발행함으로써 당사자, 교통경찰 등에 참고정보를 제공할 수 있다. 이를 통해 교통사고 처리 속도를 높이고 혼잡 지점 분산을 가속화하며 혼잡 시간을 단축할 수 있다.
본 출원의 제2 측면은 도로 혼잡 원인을 제공하는 방법을 제공한다. 이 방법은 제1 차량에 사용되며, 제1 차량은 혼잡 지점을 중심으로 미리 결정된 길이의 도로 구간에 위치한다. 이 방법은: 서버로부터 지시 메시지를 수신하는 단계; 지시 메시지를 기반으로 차량 탑재 카메라를 활성화하여 혼잡 지점을 촬영하는 단계; 및 지시 메시지에 기초하여 촬영을 통해 획득된 혼잡 지점에 대한 촬영된 데이터를 서버에 송신하는 단계를 포함한다. 차량 탑재 기기가 이 방법을 서버에 의해 수행되는 전술한 방법과 협력하여 수행하게 됨으로써, 본 출원에 따른 도로 혼잡 원인을 제공하는 방법이 구현될 수 있고, 전술한 유리한 기술적 효과를 구현할 수 있다.
본 출원의 제3 측면은 도로 혼잡 원인을 제공하기 위한 장치를 제공한다. 이 장치는 메모리 및 프로세서를 포함하고, 메모리는 컴퓨터 프로그램을 저장하고, 프로세서는 컴퓨터 프로그램을 실행하여 제1 측면에서의 도로 혼잡 원인을 제공하기 위한 방법을 구현하도록 구성된다. 도로 혼잡 원인을 제공하기 위한 장치는 서버, 서버 내의 하위 장치 또는 칩을 포함하지만 이에 제한되지 않는다.
본 출원의 제4 측면은 도로 혼잡 원인을 제공하기 위한 장치를 제공한다. 이 장치는 메모리 및 프로세서를 포함하고, 메모리는 컴퓨터 프로그램을 저장하고, 프로세서는 컴퓨터 프로그램을 실행하여 제2 측면에서 도로 혼잡 원인을 제공하기 위한 방법을 구현하도록 구성된다. 도로 혼잡 원인을 제공하기 위한 장치는 차량, 차량 탑재 기기 또는 칩을 포함하지만 이에 제한되지 않는다.
본 출원의 제5 측면은 도로 혼잡 원인을 제공하기 위한 장치를 제공한다. 이 장치는 혼잡 지점을 결정하도록 구성된 제1 결정 유닛; 혼잡 지점을 중심으로 미리 결정된 제1 길이의 도로 구간에 위치한 복수의 차량을 결정하도록 구성된 제2 결정 유닛; 복수의 차량에 지시 메시지를 송신하도록 구성된 송신 유닛 - 지시 메시지는 복수의 차량이 차량에 장착된 카메라를 이용하여 혼잡 지점을 촬영하고 촬영된 데이터를 서버에 업로드하도록 지시함 - ; 복수의 차량으로부터 촬영된 데이터를 수신하도록 구성된 수신 유닛; 및 촬영된 데이터에 기초하여 도로 혼잡 원인을 결정하도록 구성된 제3 결정 유닛을 포함한다. 도로 혼잡 원인을 제공하기 위한 장치는 서버, 서버 내의 하위 장치 또는 칩을 포함하지만 이에 제한되지 않는다.
일 구현에 있어서, 차량 탑재 카메라를 이용하여 혼잡 지점을 촬영하도록 복수의 차량에 지시하는 것은 다음: 전방 카메라, 측면 장착 카메라 및 후방 카메라를 이용하여 혼잡 지점을 촬영하도록, 혼잡 지점을 중심으로 미리 결정된 제2 길이의 도로 구간에 위치한 적어도 하나의 차량에 지시하는 것 - 미리 결정된 제2 길이가 미리 결정된 제1 길이보다 짧음 -; 또는 후방 카메라를 이용하여 혼잡 지점을 촬영하도록 혼잡 지점 전방에 위치한 적어도 하나의 차량에 지시하는 것; 또는 전방 카메라를 이용하여 혼잡 지점을 촬영하도록 혼잡 지점 후방에 위치한 적어도 하나의 차량에 지시하는 것을 포함할 수 있다.
일 구현에서, 제3 결정 유닛은 촬영된 데이터를 사전 훈련된 제1 모델에 입력하고, 제1 모델의 출력에 기초하여 도로 혼잡 원인을 판단하도록 더 구성된다.
일 구현에서, 제1 모델은 이미지 인식 모델이고, 제1 모델은 촬영된 데이터가 미리 결정된 복수의 특징 중 적어도 하나를 가지는지 여부를 인식하기 위해 사용되며, 미리 결정된 복수의 특징은 미리 결정된 복수의 혼잡 원인에 각각 대응하는 미리 결정된 적어도 하나의 특징의 집합이다. 제3 결정 유닛은 이미지 인식 모델의 출력과 각각의 미리 결정된 혼잡 원인에 대응하는 미리 결정된 적어도 하나의 특징 사이의 매칭도에 기초하여 도로 혼잡 원인을 결정하도록 추가로 구성된다.
일 구현에서, 이 장치는 촬영된 데이터에 기초하여 도로 혼잡 원인이 결정된 후 도로 혼잡 원인을 발행하도록 구성된 제1 발행 유닛을 더 포함한다.
일 구현에서, 이 장치는: 복수의 차량으로부터 촬영된 데이터가 수신된 후, 촬영된 데이터에 기초하여 혼잡 차선을 결정하도록 구성된 제4 결정 유닛; 및 혼잡 차선의 정보를 발행하도록 구성된 제2 발행 유닛을 포함한다.
일 구현에서, 도로 혼잡 원인은 교통 사고 원인이고, 이 장치는:
촬영된 데이터를 제2 모델에 입력하는 입력 유닛;
제2 모델의 출력에 기초하여 교통 사고 책임 식별을 수행하도록 구성된 판단 유닛; 및
교통 사고 책임 식별을 발행하도록 구성된 제3 발행 유닛을 더 포함한다.
본 출원의 제6 측면은 도로 혼잡 원인을 제공하기 위한 장치를 제공한다. 혼잡 지점을 중심으로 미리 결정된 길이의 도로 구간에 차량이 위치한다. 이 장치는: 서버로부터 지시 메시지를 수신하도록 구성된 수신 유닛; 차량에 장착된 카메라를 이용하여 지시 메시지에 기초하여 혼잡 지점을 촬영하도록 구성된 촬영 유닛; 및 지시 메시지에 기초하여, 촬영을 통해 획득되는 혼잡 지점에 대한 촬영된 데이터를 서버로 송신하도록 구성된 송신 유닛을 포함한다. 도로 혼잡 원인을 제공하기 위한 장치는 차량, 차량 탑재 기기 또는 칩을 포함하지만 이에 제한되지 않는다.
본 출원의 또 다른 측면은 컴퓨터가 판독 가능한 저장 매체를 제공하는데, 컴퓨터가 판독 가능한 저장 매체는 컴퓨터 프로그램 또는 명령을 저장한다. 컴퓨터 프로그램 또는 명령이 컴퓨터에서 실행되면 서버에서 사용하는 도로 혼잡 원인을 제공하기 위한 방법을 도로 혼잡 원인을 제공하기 위한 장치에서 수행할 수 있다.
본 출원의 또 다른 측면은 컴퓨터가 판독 가능한 저장 매체를 제공하는데, 컴퓨터가 판독 가능한 저장 매체는 컴퓨터 프로그램 또는 명령을 저장한다. 컴퓨터 프로그램 또는 명령이 컴퓨터에서 실행되면 도로 혼잡 원인을 제공하기 위한 장치가 차량에서 사용되는 도로 혼잡 원인을 제공하기 위한 방법을 수행할 수 있게 된다.
본 출원의 또 다른 측면은 컴퓨터 프로그램 제품을 제공한다. 컴퓨터 프로그램 제품이 프로세서에서 실행될 때, 도로 혼잡 원인을 제공하기 위한 장치는 서버에서 사용되는 도로 혼잡 원인을 제공하기 위한 방법을 수행할 수 있다.
본 출원의 또 다른 측면은 컴퓨터 프로그램 제품을 제공한다. 컴퓨터 프로그램 제품이 프로세서에서 실행될 때, 도로 혼잡 원인을 제공하기 위한 장치는 차량에서 사용되는 도로 혼잡 원인을 제공하기 위한 방법을 수행할 수 있다.
도 1은 본 출원의 실시예를 구현하기 위한 시스템 및 시나리오의 개략도이다.
도 2는 본 발명의 일 실시예에 따른 도로 혼잡 원인을 제공하기 위한 방법의 흐름도이다.
도 3은 내비게이션 지도에 혼잡 지점과 혼잡 원인을 알리는 개략도이다.
도 4는 본 출원의 실시예에 따른 도로 혼잡 원인을 제공하기 위한을 위한 다른 방법의 흐름도이다.
도 5는 본 출원의 실시예에 따른 또 다른 도로 혼잡 원인을 제공하기 위한 방법의 흐름도이다.
도 6은 본 출원에 따른 차량 탑재 기기의 구조의 개략도이다.
도 7은 차량 탑재 기기의 디스플레이의 개략도이다.
도 8은 본 출원의 실시예에 따른 차량 대 사물 서버의 개략도이다.
도 9는 본 출원의 실시예에 따른 도로 혼잡 원인을 제공하기 위한 장치를 도시한다.
도 10은 본 출원의 일 실시예에 따른 도로 혼잡 원인을 제공하기 위한 장치를 나타낸다.
도 2는 본 발명의 일 실시예에 따른 도로 혼잡 원인을 제공하기 위한 방법의 흐름도이다.
도 3은 내비게이션 지도에 혼잡 지점과 혼잡 원인을 알리는 개략도이다.
도 4는 본 출원의 실시예에 따른 도로 혼잡 원인을 제공하기 위한을 위한 다른 방법의 흐름도이다.
도 5는 본 출원의 실시예에 따른 또 다른 도로 혼잡 원인을 제공하기 위한 방법의 흐름도이다.
도 6은 본 출원에 따른 차량 탑재 기기의 구조의 개략도이다.
도 7은 차량 탑재 기기의 디스플레이의 개략도이다.
도 8은 본 출원의 실시예에 따른 차량 대 사물 서버의 개략도이다.
도 9는 본 출원의 실시예에 따른 도로 혼잡 원인을 제공하기 위한 장치를 도시한다.
도 10은 본 출원의 일 실시예에 따른 도로 혼잡 원인을 제공하기 위한 장치를 나타낸다.
다음은 첨부된 도면을 참조하여 본 출원의 실시예의 기술적 해결책을 설명한다.
도 1은 본 출원의 실시예를 구현하기 위한 시스템 및 시나리오의 개략도이다. 도 1에 도시된 바와 같이, 도로 혼잡 원인을 제공하기 위한 시스템은 차량 대 사물 서버(11), 네트워크 플랫폼(12), 사용자 단말 장치(13) 및 차량 A 내지 F를 포함한다. 차량 대 사물 서버(11)는 예를 들어 클라우드 서버이다. 차량 A 내지 F는 사물에 차량을 연결하고 운전을 보조하는 차량 탑재 기기를 각각 갖는다. 도면에 도시된 바와 같이, 네트워크 플랫폼(12)은 예를 들어 자동차 기업 플랫폼, 교통 경찰 플랫폼 및 다른 응용 플랫폼을 포함한다. 도면의 도로에 도로 보수로 인한 혼잡점이 있으면 도면의 좌측 2차로에서 차량 속도가 감소하여 차량이 정체된다. 차량 대 사물 서버(11)는, 네트워크 상의 정보를 바탕으로, 도면에서 도로 구간의 좌측 도로에서 정체가 발생한 것으로 판단한 후, 도로 구간에서 혼잡 지점을 판단하고, 차량 대 사물의 각 차량의 위치 정보를 바탕으로, 차량 A 내지 F가 혼잡 지점 전후의 미리 결정된 길이의 도로 구간에 위치되는 것으로 결정한다. 차량 대 사물 서버(11)는 차량 A 내지 F의 차량 탑재 기기를 지시하여 카메라가 촬영하고 촬영된 데이터를 업로드할 수 있도록 한다. 차량 A 내지 F로부터 촬영된 데이터를 수신한 후, 차량 대 사물 서버(11)는 촬영된 데이터에 기초하여 혼잡 원인이 도로 보수 공사인 것으로 판단하고 혼잡 원인을 네트워크에 발행한다. 예를 들어, 차량 대 사물 서버(11)는 차량 대 사물 서버(11)의 차량 대 사물 플랫폼의 차량 지도에 혼잡 원인을 표시하거나 네트워크 플랫폼(12)에 대응하는 다른 서버로 혼잡 원인을 전송한다. 사용자 단말(13)은 예를 들어, 차량 대 사물 플랫폼으로부터 혼잡 원인에 대한 정보를 수신하여, 사용자가 이를 기반으로 자신의 이동 경로를 보다 잘 계획할 수 있도록 할 수 있다. 다른 플랫폼도 차량으로부터 혼잡 원인에 대한 정보를 서버(11)로 수신하여 정보를 발행할 수 있다.
도 2는 본 출원의 일 실시예에 따른 도로 혼잡 원인을 제공하기 위한 방법의 흐름도이다.
도 2에 도시된 바와 같이, 단계 S201에서, 차량(예를 들어, 도 1의 차량 A 내지 F)은 차량의 위치 정보, 속도 정보 등을 운전 중 차량의 차량 탑재 기기를 사용하여 서버(11)(즉, 차량 대 사물 서버(11))에 전송할 수 있다. 차량 탑재 기기는 차량 탑재 기기에 포함된 포지셔닝 시스템을 통해 차량의 위치 정보를 획득할 수 있고, 차량 탑재 기기에 포함된 속도 센서를 이용하여 차량의 속도를 획득할 수 있으며, 차량 탑재 기기에 포함된 이동통신 모듈을 이용하여 미리 결정된 시간 간격으로 최신의 위치 정보 및 속도 정보를 서버(11)에 전송할 수 있다.
단계 S202에서, 서버(11)는 도로 혼잡 지점을 결정한다.
서버(11)는 먼저 도시 도로 상에서 혼잡 도로 구간을 결정할 수 있다. 실시예에서, 서버(11)는 각 주행 차량으로부터 수신한 차량 정보에 기초하여 혼잡 도로 구간을 판단할 수 있다. 예를 들어, 서버(11)는 각 차량의 속도 정보에 기초하여 도로 구간에서 차량의 주행 속도가 설계된 도로 속도보다 현저히 낮은지 여부를 판단할 수 있다. 예를 들어, 고속도로 구간의 주행 속도가 10km/h 내지 40km/h이거나, 도시 도로 구간의 주행 속도가 5km/h 내지 30km/h인 경우, 두 도로 구간의 속도가 설계된 속도보다 현저히 낮아 두 도로 구간이 혼잡 도로 구간인 것으로 판정될 수 있다. 서버(11)는 상술한 바와 같이 도로 상의 혼잡 도로 구간을 판정하는 것으로 한정되지 않음을 이해할 수 있다. 서버(11)는 다른 네트워크 플랫폼을 통해 혼잡한 도로 구간을 질의할 수도 있다. 예를 들어, 서버(11)는 내비게이션 지도 상의 실시간 도로 상황 표시를 질의할 수 있다. 내비게이션 지도에서 관련 도로의 교통 상황이 빨간색 또는 노란색으로 인식되면, 해당 도로 구간에 혼잡이 발생한 것으로 판정될 수 있다.
서버(11)는, 혼잡 도로 구간을 판단한 후, 혼잡 도로 구간의 도로 상황 데이터, 정적 데이터 등을 기반으로 혼잡 도로 구간에서 혼잡을 유발하는 위치 지점을 도로 구간의 혼잡 지점으로 결정할 수 있다. 예를 들어, 서버(11)는 혼잡 도로 구간의 각 지점에서 차량 속도를 기준으로 혼잡 지점을 판단하고, 실시간 도로 상황에서의 혼잡 도로 구간의 빨강, 노랑, 녹색의 교차점을 기준으로 혼잡 지점을 판단한다. 예를 들어, 도 1을 참조하면, 서버(11)는 도 1의 좌측 도로 구간의 도로 상황 데이터에 기초하여, 왼쪽 도로 구간의 혼잡 지점은 "도로 수리" 표시 상자를 포함하는 위치인 것으로 판정할 수 있다.
단계 S203에서, 서버(11)는 혼잡 지점을 중심으로 미리 결정된 길이의 도로 구간에 위치하는 차량을 판단한다.
도로 구간의 혼잡 지점을 결정한 후, 서버(11)는 혼잡 지점의 위치 정보를 획득한다. 그러면, 혼잡 지점을 중심으로 하는 미리 결정된 길이의 도로 구간의 위치 정보가 결정될 수 있다. 미리 결정된 길이의 도로 구간의 위치 정보는, 예를 들어 도로 구간의 시작점 위치와 도로 구간의 끝점 위치를 포함한다. 예를 들어 미리 결정된 길이는 600미터로 미리 설정되어 있는데, 도로구간은 혼잡 지점을 중심으로 혼잡 지점 앞 300미터부터 혼잡 지점 뒤 300미터까지의 도로구간이다. 여기서 600 미터는 단지 설명을 위한 예로서 사용된 것이며 본 출원의 이 실시예를 제한하려는 의도가 아님을 이해할 수 있다. 실제로, 미리 결정된 길이는 차량 카메라의 구성, 대기 가시성 등과 같은 요소에 기초하여 결정될 수 있다.
그러면, 서버(11)는 각 차량으로부터 전송된 최신 또는 현재 위치 정보에 기초하여 결정된 도로 구간에 현재 어떤 차량이 위치하고 있는지 판단할 수 있다.
일 구현에서, 600미터 도로 구간은 단방향 차선만을 포함하고, 서버(11)는 도로 구간에서 모든 주행 차량을 결정한다.
일 구현에서 600m 도로 구간에는 양방향 차선이 포함된다. 도 1에 도시된 바와 같이, 600m 도로 구간은 왼쪽 차선과 오른쪽 차선을 포함한다. 서버(11)는 도로 구간에서 혼잡 지점이 위치한 차선 방향의 차량만을 판단한다. 즉, 도 1에 도시된 바와 같이, 서버(11)는 도로 구간에서 좌측으로 주행하는 차량만을 판단한다. 이 구현에서, 예를 들어 도 1에 도시된 바와 같이, 서버(11)는 차량 A 내지 D가 600미터 도로 구간에 위치한 차량이라고 판단할 수 있다.
일 구현에서, 600m 도로 구간에는 양방향 차선이 포함된다. 서버(11)는 도로 구간의 모든 차량을 결정하는데, 즉 도 1에서 좌측 차선을 주행하는 차량 A 내지 D를 결정하는 것뿐만 아니라, 도 1에서 우측 차선을 주행하는 차량 E 및 F도 결정한다.
단계 S204에서, 서버(11)는 결정된 차량에 지시 메시지를 전송한다.
지시 메시지는 대응하는 차량이 카메라를 이용하여 촬영을 수행하도록 지시하고, 촬영된 이미지 또는 비디오를 서버(11)로 반환한다. 지시(indication) 메시지는 예를 들어, 명령(instruction)의 형태이다.
일 구현에서, 서버(11)는 결정된 모든 차량에 대해 동일한 명령을 보낼 수 있으며, 명령은 해당 차량 탑재 기기가 모든 카메라 또는 모든 고화질 카메라를 사용하여 촬영을 수행하고 촬영된 모든 데이터를 서버(11)로 반환하도록 지시할 수 있다.
일 구현에서, 서버(11)는 결정된 차량의 위치에 기초하여 혼잡 지점에 대한 상대적인 차량의 위치를 결정하고, 결정된 차량의 상대적 위치에 기초하여 대응되는 명령을 송신할 수 있다. 구체적으로, 상대 위치 판단 규칙이 먼저 미리 설정될 수 있다. 예를 들어, 차량이 차량의 진행 방향으로 혼잡 지점 앞에서 5미터 떨어져 있으면 차량이 혼잡 지점 앞에 있는 것으로 판단될 수 있거나; 차량이 차량의 진행 방향으로 혼잡 지점 뒤에서 5m 떨어진 경우, 차량이 혼잡 지점 뒤에 위치하는 것으로 판단될 수 있거나; 또는 차량이 혼잡 지점을 중심으로 한 10m 도로 구간에 위치하는 경우 차량이 혼잡 지점 근처에 있는 것으로 판단될 수 있도록, 미리 설정될 수 있다. 이 결정 규칙은 여기에서 제한되지 않음이 이해될 수 있다. 예를 들어, 혼잡 지점 근처에 있는 차량의 경우, 차량의 어느 쪽이 혼잡 지점과 반대인지 판단할 수 있다. 예를 들어, 차량의 주행 방향에서 차량이 혼잡 지점 앞에 위치하는 경우, 차량이 혼잡 지점 앞에 위치하는 것으로 판단할 수 있거나; 또는 차량이 차량의 주행 방향에서 혼잡 지점 뒤에 위치하는 경우, 차량이 혼잡 지점 후방에 위치하는 것으로 판단할 수 있도록 미리 설정될 수 있다. 예를 들어, 혼잡 지점을 중심으로 5m 도로 구간에 차량이 위치하면 혼잡 지점 부근에 있는 것으로 판단하도록 미리 설정할 수 있다.
그러면, 전술한 규칙에 따라 결정된 각 차량의 상대적인 위치가 결정될 수 있다. 도 1을 참조하면, 상술한 바와 같이 차량 A 내지 D가 600m 도로 구간에 있는 차량이고, 차량 C는 혼잡 지점 앞에 위치하며, 차량 A와 차량 B는 혼잡 지점 부근에 위치하며, 차량 D는 혼잡 지점 후방에 위치하는 것으로 판단될 수 있다. 보다 구체적으로, 차량 A와 차량 B의 좌측이 혼잡 지점과 반대인 것으로 더 판단할 수 있다. 도 1의 차량 A 내지 F가 600m 도로 구간 내의 차량인 것으로 판단될 때, 차량 A 내지 D의 상대적인 위치를 판단하는 것 외에, 차량 E는 혼잡 지점 뒤에 있고 차량 F는 혼잡 지점 근처에 있다고 더 판단할 수 있다. 보다 구체적으로, 차량 F의 좌측이 혼잡 지점과 반대인 것으로 더 판단할 수 있다.
결정된 각 차량의 상대 위치를 결정한 후, 서버(11)는 결정된 각 차량의 상대 위치에 기초하여 상응하게 명령을 보낼 수 있다. 차량(C)의 차량 탑재 기기가 후방 카메라를 이용하여 혼잡 지점을 촬영하도록 지시하는 지시가 차량(C)으로 전송될 수 있다. A 차량과 B 차량의 차량 탑재 기기에 모든 카메라를 이용하여 혼잡 지점을 촬영하도록 지시하거나, 전방 카메라, 좌측 카메라, 후면 카메라를 이용하여 혼잡 지점을 촬영하도록 지시하는 지시를 차량 A 및 차량 B에 전송할 수 있다. 차량 D의 차량 탑재 기기가 전방 카메라를 이용하여 혼잡 지점을 촬영하도록 지시하는 지시가 차량 D로 전송될 수 있다.
차량 E와 차량 F도 600미터 도로 구간에서의 차량으로 판단되면, 서버(11)는 차량 E에 차량 E의 차량 탑재 기기가 차량 E의 전방 카메라를 사용하여 혼잡 지점을 촬영하도록 명령을 송신할 수 있고, 서버(11)는 차량 F에 차량 F의 차량 탑재 기기가 모든 카메라를 사용하여 혼잡 지점을 촬영하거나 또는 전방 카메라, 좌측 카메라 및 후방 카메라를 사용하여 혼잡 지점을 촬영하도록 명령을 송신할 수 있다.
서버(11)가 결정된 차량으로 전송하는 명령은 차량 탑재 기기의 카메라가 미리 결정된 시간 길이 내에서 미리 결정된 빈도로 이미지를 연속적으로 촬영하도록 지시할 수 있다. 예를 들어 2분 이내에 5초마다 이미지를 촬영할 수 있다. 본 출원의 이 실시예에서, 명령은 본 명세서의 설명에 제한되지 않는다는 것이 이해될 수 있다. 예를 들어, 명령은 3분 동안 연속적으로 비디오를 촬영하도록 카메라에 지시할 수도 있다.
결정된 복수의 차량으로 서버(11)에 의해 전송되는 명령은 전술한 다양한 명령에 한정되지 않으며, 다음의 세 가지 명령 중 적어도 하나를 포함할 수 있음을 이해할 수 있다: 예를 들어, 혼잡 지점을 중심으로 10m 도로 구간 내에 위치한 적어도 하나의 차량에 명령하여 전방 카메라 측면 장착 카메라 및 후방 카메라를 사용하여 혼잡 지점을 촬영하도록 하는 명령 1; 혼잡 지점 전방에 위치한 적어도 하나의 차량에 후방 카메라를 이용하여 혼잡 지점을 촬영하도록 명령하는 명령 2; 및 혼잡 지점 후방에 위치한 적어도 하나의 차량에 전방 카메라를 이용하여 혼잡 지점을 촬영하도록 명령하는 명령 3을 포함한다. 예를 들어, 서버(11)가 600미터 도로 구간의 모든 차량이 혼잡 지점 뒤에 있다고 판단되면, 서버(11)는 결정된 복수의 차량에 명령 3을 전송한다. 서버(11)는 600m 도로 구간의 모든 차량이 혼잡 지점 앞에 있다고 판단되면, 결정된 복수의 차량에 명령 2를 송신한다. 서버(11)는 600미터 도로 구간의 모든 차량이 혼잡 지점 부근 및 전방에 있다고 판단되면, 결정된 복수의 차량에 명령 1 및 명령 2를 전송한다.
단계 S205에서, 차량은 카메라를 이용하여 촬영을 수행한다.
차량의 차량 탑재 기기는 명령의 특정 내용에 기초하여 카메라에 대한 동작을 수행할 수 있다. 예를 들어, 전술한 바와 같이, 차량 C의 차량 탑재 기기는 차량 탑재 기기에 의해 수신한 명령에 기초하여 후방 카메라를 이용하여 혼잡 지점을 촬영한다. 촬영은 예를 들어 2분 이내에 5초마다 이미지를 연속적으로 촬영하는 것이다. 차량 A 또는 차량 B의 차량 탑재 기기는 차량 탑재 기기에 의해 수신된 명령에 따라 전방 카메라, 측면 카메라 및 후방 카메라를 이용하여 혼잡 지점을 촬영한다. D 차량의 차량 탑재 기기는 차량 탑재 기기로부터 수신된 명령에 따라 전방 카메라를 이용하여 혼잡 지점을 촬영한다. 차량 E의 차량 탑재 기기는 차량 탑재 기기로부터 수신된 명령에 따라 전방 카메라를 이용하여 혼잡 지점을 촬영하고, 차량 F는 차량 F에 의해 수신된 명령에 따라 전방 카메라, 측면 탑재 카메라, 후방 카메라를 이용하여 혼잡 지점을 촬영한다.
단계 S206에서, 이 차량은 차량이 촬영한 데이터를 서버(11)에 업로드한다.
차량에 탑재된 차량 탑재 기기는, 예를 들어, 차량 탑재 기기에 포함된 이동통신 모듈을 이용하여 네트워크에 접속하고, 촬영된 데이터를 서버(11)에 업로드할 수 있다.
단계 S207에서, 서버(11)는 촬영된 데이터에 기초하여 혼잡 원인을 결정한다.
서버(11)는 촬영된 데이터를 미리 훈련된 모델에 입력하여 모델의 출력에 기초하여 혼잡 원인을 판단할 수 있다. 일 구현에서, 사전 학습된 모델은 예를 들어 이미지 인식 모델이다. 서버(11)에서 촬영데이터가 이미지 인식 모델에 입력된 후, 모델은 촬영된 데이터가 미리 결정된 복수의 특징(features) 중 어느 하나의 특징을 포함하는지를 인식하고, 여기서 복수의 미리 결정된 특징은 미리 결정된 복수의 혼잡 원인에 각각 대응하는 적어도 하나의 미리 결정된 특징의 집합이며; 이미지 인식 모델의 출력과 각각의 미리 결정된 혼잡 원인에 대응하는 적어도 하나의 미리 결정된 특징 사이의 매칭도에 기초하여 도로 혼잡 원인을 결정한다.
일 구현에서, 사전 훈련된 모델은 예를 들어 혼잡 원인 분류 모델이다. 이 모델은 미리 결정된 복수의 혼잡 원인의 확률을 출력하고, 혼잡 원인의 확률에 기초하여 혼잡 원인을 결정한다.
단계 S208에서, 서버(11)는 혼잡 지점의 혼잡 원인을 발행한다.
일 구현에서, 서버(11)는, 차량이 혼잡 지점을 막 통과할 것으로 예측되면, 차량의 차량 탑재 기기에게 스피커를 사용하여 차량을 운전하는 사용자에게 음성 알림을 보내도록 지시할 수 있다.
일 구현에서, 서버(11)는 내비게이션 지도 또는 시내 지도에 혼잡 지점 및 혼잡 지점의 혼잡 원인을 알릴 수 있다. 도 3은 내비게이션 지도에 혼잡 지점과 혼잡 원인을 알리는 개략도이다. 도 3에 도시된 바와 같이, 이미지는 차량의 차량 탑재 기기의 디스플레이에 표시될 수도 있고, 사용자 단말 장치(13)의 화면에 표시될 수도 있다. 차량 탑재 기기 또는 단말 장치(13)는 네트워크를 이용하여 서버(11)와 연결되어 서버(11)가 발행한 내비게이션 지도, 혼잡 지점, 혼잡 원인 등의 정보를 화면에 표시할 수 있다. 도로 중앙의 실선은 차량의 예정 주행경로, 검은색 화살표는 내비게이션 차량 위치, 검은색 원은 혼잡 지점의 식별자이다. 혼잡 지점 위의 거품은 혼잡 지점의 혼잡 원인이 "도로 수리" 원인임을 나타낸다. 또한, 말풍선은 "상세정보" 버튼과 "현장 이미지" 버튼을 더 포함하여 사용자가 "상세정보" 버튼을 클릭하면 보다 자세한 내용을 알 수 있다. 예를 들어, 혼잡 차선, 혼잡 종료 예상 시간 등의 상세 정보가 포함된다. 또한, 사용자는 "현장 이미지" 버튼을 클릭하여 혼잡 지점의 현장 상황을 직관적으로 학습하고, 현장 이미지를 기반으로 혼잡 상황을 판단할 수 있다.
일 구현에서, 서버(11)는 미리 결정된 빈도로 도 2의 서버(11)에 의해 수행되는 단계를 수행할 수 있고, 미리 결정된 빈도로 서버(11)에 의해 발행된 정보를 업데이트한다. 예를 들어, 도 3에 도시된 혼잡 지점과 혼잡 원인을 판단한 후, 서버(11)는 혼잡 지점이 여전히 혼잡 지점인지 여부를 예를 들어 5분마다 다시 판단할 수 있다. 혼잡 지점이 더 이상 혼잡 지점이 아닌 경우 이 정보가 지도에서 업데이트되거나, 또는 혼잡 지점이 여전히 혼잡 지점인 경우 혼잡 지점의 세부 정보, 현장 이미지 정보 등을 업데이트하여 사용자가 새로운(기본적으로 실시간) 정보를 얻을 수 있도록 한다.
내비게이션 지도에서는, 도 3에 도시된 바와 같이, 차량을 운전하는 사용자에게 혼잡 원인을 알려줌으로써, 사용자가 보다 종합적인 정보를 바탕으로 자신의 주행 경로를 결정함으로써 사용자의 운전 경험을 향상시킬 수 있다. 예를 들어, 혼잡 원인이 도로 보수인 경우, 사용자는 지도 상의 상세한 프롬프트 또는 사용자 판단에 기초하여 혼잡 지점이 단시간에 해소되지 않는 것으로 판단할 수 있다. 따라서 사용자는 시간에 따라 다른 주행 경로로 변경한다. 혼잡 원인이 도로 청소인 경우 사용자는 혼잡 지점이 곧 해소될 것이라고 판단할 수 있다. 따라서 사용자는 자신의 원래 주행 경로를 계속해서 이용할 수 있다.
여행 전 도시 지도 정보를 활성화하면 사용자는 도시 지도 정보에 포함된 혼잡 지점 및 혼잡 원인 정보를 바탕으로 적절한 여행 경로를 미리 계획할 수 있다.
또한, 교통 감독자는 서버(11)에서 발생한 혼잡 원인을 기반으로 트래픽 분산을 수행하여 교통 분산 효율을 높일 수 있다.
일 구현에서, 서버(11)는 혼잡 원인이 교통사고 원인으로 판단되면, 서버(11)는 차량으로부터 수신한 촬영된 이미지를을 미리 훈련된 교통사고 책임 식별 모델에 더 입력하여 교통사고 책임 식별을 수행할 수 있고, 교통사고 당사자 또는 교통경찰의 참고용으로, 예를 들어, 도 3의 "상세 정보" 버튼에 대응하는 콘텐츠에 교통 사고 책임 식별을 표시한다. 이를 통해 교통사고 처리 속도를 높이고 혼잡 지점으로의 분산을 가속화하며 혼잡 시간을 단축할 수 있다.
일 구현에 있어서, 서버(11)는, 복수의 촬영된 이미지에 기초하여 혼잡 원인을 판단할 때 또는 판단한 후, 복수의 촬영된 이미지에 기초하여 차선의 점유 상태를 더 인식할 수 있는데, 예를 들어, 이미지 인식 모델을 사용하여 도로 구간에서 혼잡 차선을 인식할 수 있다.
일 구현에서, 서버(11)는 혼잡 원인을 결정할 때 모델을 사용하거나 미리 결정된 규칙에 따라 혼잡 종료 시간을 더 예측할 수 있다.
위의 설명을 위한 예로서 이미지 촬영이 사용되었지만, 본 출원의 본 실시예는 이에 제한되지 않음이 이해될 수 있다. 예를 들어, 차량 탑재 기기는 짧은 비디오를 촬영하고 짧은 비디오를 서버에 업로드할 수 있으며 비디오는 이미지의 세트이다. 따라서, 전술한 방법은 비디오 촬영에도 적용 가능하다.
도 4는 본 발명의 일 실시예에 따른 도로 혼잡 원인을 제공하기 위한 방법의 다른 흐름도이다. 이 방법은 서버에서 사용되며, 다음 단계를 포함한다.
단계 S41: 혼잡 지점을 결정한다.
단계 S42: 혼잡 지점을 중심으로 미리 결정된 길이의 도로 구간에 위치한 복수의 차량을 결정한다.
단계 S43: 복수의 차량에 지시 메시지를 전송하고, 지시 메시지는 복수의 차량이 차량에 장착된 카메라를 사용하여 혼잡 지점을 촬영하고 촬영된 데이터를 서버에 업로드하도록 지시한다.
단계 S44: 복수의 차량으로부터 촬영된 데이터를 수신한다.
단계 S45: 사전 훈련된 이미지 인식 모델에 촬영된 데이터를 입력한다.
단계 S46: 이미지 인식 모델의 출력에 기초하여 도로 혼잡 원인을 결정한다.
단계 S41 내지 S44에 대해서는 전술한 단계 S202, S203, S204 및 S206의 설명을 참조한다. 자세한 내용은 여기서 다시 설명하지 않는다.
단계 S45에서, 서버(11)는 촬영된 데이터를 미리 훈련된 이미지 인식 모델에 입력하고, 이미지 인식 모델을 이용하여 차량의 차량 탑재 기기로부터 수신한 복수의 촬영된 이미지를을 인식하여, 복수의 촬영된 이미지가 미리 결정된 요소(즉, 미리 결정된 특징) 집합 중 적어도 하나의 미리 결정된 요소를 포함하는지의 여부를 판정한다.
선택적으로, 서버(11)는 차량 탑재 기기로부터 복수의 촬영된 이미지를을 수신한 후, 혼잡 지점과 무관한 이미지를을 제거하기 위해 복수의 촬영된 이미지를을 1차적으로 스크리닝한다. 스크리닝은 구체적으로 이들 이미지에 대해 이미지 인식을 수행하고 혼잡 지점의 이미지를 포함하지 않는 이미지를 제거하는 것이다.
미리 결정된 요소 집합은 미리 설정된 복수의 혼잡 원인에 대응하는 복수의 요소를 포함한다. 예를 들어, 교통사고, 도로 보수, 녹화(greening)/청소, 도시정비의 4가지 혼잡 원인이 사전 설정될 수 있다. 교통사고 원인에 해당하는 미리 결정된 요소는 다음을 포함한다: (1) 복수의 차량이 정지한다. (2) 복수의 차량의 헤드는 도로 방향과 각도를 이룬다. (3) 사람이 자동차 차선에 서 있다. 도로 수리 원인에 해당하는 미리 결정된 요소는 다음을 포함한다: (4) 차선이 좁아진다. (5) 차단벽이 있다. (6) 공사 표지판이 있다. (7) 복수의 차량이 같은 장소에서 차선을 바꾼다. 녹화/청소 원인에 해당하는 미리 결정된 요소는 다음을 포함한다: (8) 엔지니어링 차량이 천천히 통과한다. (9) 건설 트래픽 콘 통로가 있다. 도시 배치 원인에 해당하는 미리 결정된 요소는 다음을 포함한다: (8) 엔지니어링 차량이 천천히 통과한다. (10) 시정품(깃발, 등롱 등)이 있다. 따라서 미리 결정된 요소 집합은 미리 결정된 요소 (1) 내지 (10)을 포함할 수 있다.
이미지 인식 모델은 학습 샘플 집합에 해당하는 11개의 미리 결정된 요소를 이용하여 학습될 수 있다. 예를 들어, 트레이닝 샘플 집합 내의 트레이닝 샘플은 11개의 미리 결정된 요소 중 적어도 하나의 미리 결정된 요소를 포함하는 이미지이고, 트레이닝 샘플의 라벨 값은 이미지에 포함된 미리 결정된 요소의 식별자이다. 따라서, 이러한 트레이닝 샘플을 복수 개 이용하여 이미지 인식 모델을 트레이닝함으로써, 이미지 인식 모델은 이미지가 미리 결정된 (1) 내지 (10)의 요소 중 적어도 하나를 포함하는지 여부를 인식할 수 있다.
따라서, 상술한 바와 같이 이미지 인식 모델이 학습된 후, 서버(11)는 이미지 인식 모델을 이용하여 이미지가 적어도 하나의 미리 결정된 요소를 포함하는지 여부를 인식할 수 있다.
일 구현에서, 복수의 인식 대상 촬영된 이미지는 하나의 이미지로 중첩되고, 중첩된 이미지는 이미지 인식 모델에 입력되어 복수의 촬영 이미지가 적어도 하나의 미리 결정된 요소를 포함하는지 여부를 인식할 수 있다. 일 구현에서, 복수의 인식 대상 촬영된 이미지를 이미지 인식 모델에 개별적으로 입력하여 복수의 인식 대상 촬영 이미지를 개별적으로 인식할 수 있다. 이미지 인식 모델에 입력된 촬영 이미지가 전술한 10개의 미리 결정된 요소 중 적어도 하나를 포함하는 경우, 이미지 인식 모델은 예를 들어 인식된 적어도 하나의 요소의 요소 식별자를 출력함으로써, 복수의 이미지에 포함된 미리 결정된 요소가 이미지 인식 모델의 출력을 기반으로 촬영된 이미지를 인식할 수 있다.
단계 S46에서, 서버(11)는 이미지 인식 모델의 출력에 기초하여 도로 혼잡 원인을 결정하는데, 즉, 인식된 미리 결정된 요소에 기초하여 혼잡 원인을 결정한다.
서버(11)는 선택된 촬영된 이미지마다 이미지 인식 모델에서 출력되는 미리 결정된 요소 식별자를 미리 결정된 판단 모델에 입력하여 미리 결정된 규칙에 따라 혼잡 원인 순위를 결정할 수 있다. 예를 들어, 출력되는 미리 결정된 요소 중 각 혼잡 원인에 해당하는 요소의 개수가 혼잡 원인의 전체 요소에 대한 비율을 결정하고, 그 비율에 기초하여 각 혼잡 원인의 추천 순위를 결정할 수 있다. 예를 들어, 이미지 인식 모델은 총 (1), (2), (3), (4), (5), (6) 및 (9)의 요소를 결정 모델에 입력한다. 미리 결정된 결정 모델은 이러한 입력 요소들에 기초하여 원인의 전체 요소에 대한 입력 요소 중 교통사고 원인에 대응하는 요소의 백분율이 100%이고, 원인의 전체 요소에 대한 입력 요소 중 도로 수리 원인에 해당하는 요소의 백분율이 75%이고, 원인의 전체 요소에 대한 입력 요소 중 녹화/청소 원인에 해당하는 요소의 백분율은 50%이며, 원인의 전체 요소에 대한 입력 요소 중 도시 정돈 원인에 해당하는 요소의 백분율은 0인 것으로 결정할 수 있다. 따라서, 권장하는 혼잡 원인의 순위는 교통사고원인 > 도로보수원인 > 녹화/청소원인 > 도시정비원인 순으로 판단할 수 있다.
혼잡 원인 순위를 결정한 후, 서버(11)는 복수의 촬영된 이미지에 대응하는 혼잡 원인으로 1순위인 혼잡 원인을 결정할 수 있다. 일 구현에서, 서버(11)는 혼잡 원인 순위를 결정한 후, 서비스 요원의 지시에 따라 최종 혼잡 원인을 결정할 수 있다.
도 5는 본 출원의 실시예에 따른 또 다른 도로 혼잡 원인을 제공하기 위한 방법의 흐름도이다. 이 방법은 서버에서 사용되며 다음 단계를 포함하다.
단계 S51: 혼잡 지점을 결정한다.
단계 S52: 혼잡 지점을 중심으로 미리 결정된 길이의 도로 구간에 위치한 복수의 차량을 결정한다.
단계 S53: 복수의 차량에 지시 메시지를 전송하고, 지시 메시지는 복수의 차량이 차량에 장착된 카메라를 사용하여 혼잡 지점을 촬영하고 촬영된 데이터를 서버에 업로드하도록 지시한다.
단계 S54: 복수의 차량으로부터 촬영된 데이터를 수신한다.
단계 S55: 사전 훈련된 혼잡 원인 분류 모델에 촬영된 데이터를 입력한다.
단계 S56: 혼잡 원인 분류 모델의 출력에 기초하여 도로 혼잡 원인을 결정한다.
단계 S51 내지 S54에 대해서는 전술한 단계 S202, S203, S204 및 S206의 설명을 참조한다. 자세한 내용은 여기서 다시 설명하지 않는다.
단계 S55에서, 서버(11)는 촬영된 데이터를 미리 훈련된 혼잡 원인 분류 모델에 입력한다. 예를 들어, 서버(11)는 미리 훈련된 혼잡 원인 분류 모델에 차량 탑재 기기로부터 수신한 복수의 촬영된 이미지를 입력한다.
선택적으로, 서버(11)는 차량 탑재 기기로부터 복수의 촬영된 이미지를 수신한 후, 복수의 촬영된 이미지를 먼저 스크리닝하여 혼잡 지점과 무관한 이미지를을 제거하고, 스크리닝 후의 나머지 복수의 촬영된 이미지를 사전 훈련된 혼잡 원인 분류 모델에 입력한다.
본 실시예에서는, 앞서 설명한 것과 유사하게 예를 들어 ①교통사고, ②도로정비, ③녹화/청소, ④도시정비의 4가지 혼잡요인이 미리 설정될 수 있다. 혼잡 원인 분류 모델은 예를 들어 컨볼루션 신경망(Convolutional Neural Network, CNN)을 기반으로 한 분류 모델이다. 혼잡 원인 분류 모델에는 이미지가 입력될 수 있으며, 이미지에 대한 인식 처리를 수행하여 이미지를 분류한다. 혼잡 원인 분류 모델은 훈련 샘플을 이용하여 전술한 4가지 혼잡 원인에 대해 훈련될 수 있다. 예를 들어, 각 트레이닝 샘플은 하나의 혼잡 원인에 대응하는 복수의 현장 이미지를 포함하고, 각 트레이닝 샘플의 라벨 값은 트레이닝 샘플에 포함된 복수의 현장 이미지에 대응하는 혼잡 원인을 나타내기 위해 사용된다. 예를 들어, 훈련 샘플에 대응하는 혼잡 원인이 ③녹화/스위핑 원인이라면 훈련 샘플의 레이블 값은 벡터(0, 0, 1, 0)로 표현될 수 있으며, 벡터의 4개 요소는 순서에서의 4개의 원인에 대응하는데, 1은 대응하는 원인의 확률이 100%임을 나타내고 0은 대응하는 원인의 확률이 0임을 나타낸다. 혼잡이 발생하면 혼잡 지점에서 복수의 현장 이미지를 수집하고, 복수의 현장 이미지에 대응하는 혼잡 원인을 수동으로 라벨링하여 훈련 샘플을 얻는다.
복수의 훈련 샘플을 이용하여 혼잡 원인 분류 모델을 훈련시킨 후, 예측하고자 하는 복수의 촬영된 이미지를 모델에 입력한 후, 모델은 4가지 원인의 확률을 출력한다. 높은 확률은 해당 원인의 높은 확률을 나타낸다.
단계 S56에서, 서버(11)는 혼잡 원인 분류 모델의 출력에 기초하여 혼잡 원인을 결정한다.
상술한 바와 같이, 혼잡 원인 분류 모델에 복수의 이미지가 입력된 후, 혼잡 원인 분류 모델은 각 혼잡 원인의 확률을 출력하므로, 각 원인의 확률 값을 기준으로 혼잡 원인을 분류할 수 있다. 일 구현에서, 출력 확률값이 가장 큰 혼잡 원인을 복수의 촬영된 이미지에 대응하는 혼잡 원인으로 결정할 수 있다. 일 구현에서, 서버(11)는 혼잡 원인 순위를 결정한 후, 서비스 요원의 지시에 따라 최종 혼잡 원인을 결정할 수 있다.
도 6은 본 출원에 따른 차량 탑재 기기(600)의 구조의 개략도이다. 도 6에 도시된 바와 같이, 차량 탑재 기기(600)는 프로세서(61), 메모리(62), 이동통신 모듈(63), 카메라(64), 스피커(65), 디스플레이(66) 및 센서 모듈(67)을 포함한다. 센서 모듈(67)은 예를 들어 포지셔닝 시스템(671) 및 속도 센서(672)를 포함한다.
프로세서(61)는 하나 이상의 처리 장치를 포함할 수 있다. 서로 다른 처리 장치는 독립적인 구성 요소이거나 통합된 장치일 수 있다.
메모리(62)는 컴퓨터 실행 가능 명령을 저장하도록 구성될 수 있으며, 예를 들어 운영 체제 프로그램 및 애플리케이션을 저장할 수 있다. 메모리는 랜덤 액세스 메모리(random access memory, RAM)와 같은 휘발성 메모리(volatile memory); 또는 메모리는 읽기 전용 메모리(read-only memory, ROM), 플래시 메모리(flash memory), 하드 디스크 드라이브(hard disk drive, HDD) 또는 솔리드 스테이트 드라이브(Solid-State Drive, SSD)일 수 있거나; 또는 메모리는 전술한 메모리 유형의 조합을 포함할 수 있다. 프로세서(61)는 메모리(62)에 저장된 명령을 실행하여 차량 탑재 기기(600)의 다양한 기능 응용 및 데이터 처리를 수행한다. 예를 들어, 차량 탑재 기기(600)는 내비게이션 애플리케이션, 알림 애플리케이션 등과 같은 복수의 애플리케이션이 프로세서(61)를 이용하여 실행될 수 있다. 예를 들어, 본 출원에 따른 혼잡 원인 제공하기 위한 방법을 수행하기 위해 사용되는 명령은 차량 탑재 기기(600)의 운영체제 프로그램 또는 특정 애플리케이션에 포함될 수 있으며, 이에 따라, 명령을 실행할 때, 프로세서는 본 출원에 따라 도로 혼잡 원인을 제공하기 위한 솔루션을 수행할 수 있다.
이동통신 모듈(63)은, 예를 들면, 2G/3G/4G/5G 등의 이동통신을 제공할 수 있다. 차량 탑재 기기(600)는 이동통신 모듈(63) 및 이동통신 기지국을 이용하여 네트워크에 연결되어 차량 대 사물 서버 또는 다른 차량 탑재 기기와 통신하고, 차량 대 사물 서버로부터 예를 들어 차량 대 사물 서버가 전송한 새로운 메시지, 지도 식별자 등의 정보를 복수의 애플리케이션을 통해 수신할 수 있다. 차량 탑재 기기는 무선 통신 모듈(미도시)을 더 포함할 수 있으며, 무선 통신 모듈은 Wi-Fi 네트워크, 블루투스, NFC, IR 등과 같은 WLAN을 포함하는 무선 통신 솔루션을 제공할 수 있음을 이해할 수 있다. 따라서 차량 탑재 기기(600)도 무선 통신 모듈을 이용하여 네트워크에 접속할 수 있다.
포지셔닝 시스템(671)은 예를 들어, GPS 기반의 포지셔닝 시스템이거나, 이동통신 기지국 기반의 포지셔닝 시스템일 수 있다. 속도 센서(672)는 차량의 주행 속도를 획득하도록 구성된다. 차량 탑재 기기(600)는 위치 확인 시스템(671)으로부터 위치 정보를 획득하고, 속도 센서(672)로부터 속도 정보를 획득하여 이동 통신 모듈(63)을 이용하여 차량 대 사물 서버(11)로 전송할 수 있다. 차량 대 사물 서버(11)는 복수의 차량으로부터의 위치 정보 및 속도 정보를 기초로 도로 상의 혼잡 지점을 판단하고, 혼잡 지점 주변의 차량 탑재 기기를 지시하여 혼잡 지점을 카메라로 촬영할 수 있다.
차량 탑재 기기(600)는 카메라(64)와 연결되어, 차량 대 사물 서버(11)로부터 지시를 받은 후 차량 탑재 기기(600)는 카메라(64)를 이용하여 촬영을 수행하고, 카메라(64)에 의해 촬영된 이미지 또는 비디오 데이터를 획득하며, 비디오 데이터를 차량 대 사물 서버(11)로 송신할 수 있어서, 이에 따라 차량 대 사물 서버(11)는 도로 혼잡 원인을 판단할 수 있다. 카메라(64)는 예를 들어 적어도 하나 이상의 카메라를 포함할 수 있으며, 예를 들어 차량 전방에 위치하는 전방 카메라, 차량 후방에 위치하는 후방 카메라 및 차체의 2개의 측면에 위치하는 측면 탑재 카메라를 포함할 수 있다. 카메라는 복수의 렌즈 구성을 더 포함할 수 있으며, 예를 들어 고화질 카메라를 포함할 수 있다.
차량 대 사물 서버(11)는 도로 혼잡 원인을 판단한 후 혼잡 원인을 발행하여 차량 탑재 기기(600)가 혼잡 원인에 대한 정보를 수신할 수 있도록 한다. 예를 들어, 디스플레이(66)의 내비게이션 애플리케이션을 사용하여 지도상의 혼잡 지점 위치에서 혼잡 원인을 알릴 수 있다. 도 7은 차량 탑재 기기(600)의 디스플레이(66)의 개략도이다. 다르게는, 차량 대 사물 서버(11)는 알림 애플리케이션에 의해 스피커(65)를 호출하여 음성 프롬프트를 제공할 수 있다. 또한, 차량 대 사물 서버(11)는 사용자 단말 장치(13)에서 대응하는 애플리케이션을 이용하여 사용자에게 유도할 수도 있다.
도 8은 본 출원의 실시예에 따른 서버(11)의 개략도이다. 서버(11)는 통신 인터페이스(111), 메모리(112) 및 프로세서(113)를 포함한다.
통신 인터페이스(111)는 차량 대 사물 서버 외부의 장치와 통신하기 위해 사용된다.
메모리(112)는 컴퓨터 프로그램을 저장하고, 컴퓨터 프로그램을 실행할 때 프로세서(113)는 도 2에 도시된 방법으로 서버(11)에 의해 수행되는 단계를 구현한다.
메모리(112)는 소프트웨어 프로그램 및 모듈을 저장하도록 구성될 수 있다. 프로세서(113)는 메모리(82)에 저장된 소프트웨어 프로그램 및 모듈을 실행하여, 서버(11)가 도 2에 도시된 방법에서 서버(11)에 의해 수행되는 단계를 수행한다. 메모리(112)는 주로 프로그램 저장 영역과 데이터 저장 영역을 포함할 수 있다. 프로그램 저장 영역은 상술한 방법을 수행하여 운영체제, 애플리케이션 등을 저장할 수 있다. 데이터 저장 영역은 애플리케이션의 구성 파일 등을 저장할 수 있다. 또한, 메모리(112)는 랜덤 액세스 메모리(random access memory, RAM)와 같은 휘발성 메모리(volatile memory); 또는 메모리(112)는 읽기 전용 메모리(read-only memory, ROM), 플래시 메모리(flash memory), 하드 디스크 드라이브(hard disk drive, HDD)와 같은 비휘발성 메모리(non-volatile memory) 또는 솔리드 스테이트 드라이브(solid-state drive, SSD)일 수 있거나; 또는 메모리(112)는 전술한 유형의 메모리들의 조합을 포함할 수 있다.
프로세서(113)는 서버(11)의 컨트롤 센터로서 다양한 인터페이스 및 회선을 통해 전체 서버(11)의 모든 부분과 연결된다. 메모리(112)에 저장된 소프트웨어 프로그램 및/또는 모듈을 실행 또는 실행하고 메모리(112)에 저장된 데이터를 호출함으로써, 프로세서(113)는 본 출원의 실시예에 따른 도로 혼잡 원인을 제공하는 방법을 수행한다.
도 9는 본 출원의 일 실시예에 따른 도로 혼잡 원인을 제공하기 위한 장치(900)를 나타낸다. 이 장치는 서버에서 사용되며 다음을 포함한다:
혼잡 지점을 결정하도록 구성된 제1 결정 유닛(901);
혼잡 지점을 중심으로 하는 미리 결정된 제1 길이의 도로 구간에 위치한 복수의 차량을 결정하도록 구성된 제2 결정 유닛(902);
복수의 차량에 지시 메시지를 송신하도록 구성되어 있는 송신 유닛(903) - 여기서 지시 메시지는 복수의 차량이 차량 탑재 카메라를 사용하여 혼잡 지점을 촬영하고 촬영된 데이터를 서버에 업로드하도록 지시함 - ;
복수의 차량으로부터 촬영된 데이터를 수신하도록 구성된 수신 유닛(904); 및
촬영된 데이터에 기초하여 도로 혼잡 원인을 결정하도록 구성된 제3 결정 유닛(905).
일 구현에서, 차량 탑재 카메라를 이용하여 혼잡 지점을 촬영하도록 복수의 차량에 지시하는 것은 적어도 다음: 전방 카메라, 측면 장착 카메라 및 후방 카메라를 이용하여 혼잡 지점을 촬영하도록, 혼잡 지점을 중심으로 미리 결정된 제2 길이의 도로 구간에 위치한 적어도 하나의 차량에 지시하는 것 - 미리 결정된 제2 길이가 미리 결정된 제1 길이보다 짧음 -; 또는 후방 카메라를 이용하여 혼잡 지점을 촬영하도록 혼잡 지점 전방에 위치한 적어도 하나의 차량에 지시하는 것; 또는 전방 카메라를 이용하여 혼잡 지점을 촬영하도록 혼잡 지점 후방에 위치한 적어도 하나의 차량에 지시하는 것을 포함할 수 있다.
일 구현에서, 제3 결정 유닛(905)은 촬영된 데이터를 사전 훈련된 제1 모델에 입력하고, 제1 모델의 출력에 기초하여 도로 혼잡 원인을 결정하도록 추가로 구성된다.
일 구현에서, 제1 모델은 이미지 인식 모델이고, 제1 모델은 촬영된 데이터가 미리 결정된 복수의 특징 중 특징을 포함하는지 여부를 인식하기 위해 사용되며, 복수의 미리 결정된 특징은 각각 미리 결정된 복수의 혼잡 원인에 대응하는 적어도 하나의 미리 결정된 특징의 집합이다. 제3 결정 유닛(905)은 이미지 인식 모델의 출력과 각각의 미리 결정된 혼잡 원인에 대응하는 적어도 하나의 미리 결정된 특징 사이의 매칭도에 기초하여 도로 혼잡 원인을 결정하도록 추가로 구성된다.
일 구현에서, 장치(900)는 촬영된 데이터에 기초하여 도로 혼잡 원인이 결정된 후에 도로 혼잡 원인을 발행하도록 구성된 제1 발행 유닛(906)을 더 포함한다.
일 구현에서, 장치(900)는 촬영된 데이터가 복수의 차량 장치로부터 수신된 후 촬영된 데이터에 기초하여 혼잡 차선을 결정하도록 구성된 제4 결정 유닛(907); 및 혼잡 차선의 정보를 발행하도록 구성된 제2 발행 유닛(908)을 포함한다.
일 구현에서, 도로 혼잡 원인은 교통 사고 원인이고, 이 장치(900)는:
촬영된 데이터를 제2 모델에 입력하도록 구성된 입력 유닛(909);
제2 모델의 출력에 기초하여 교통 사고 책임 식별을 수행하도록 구성된 판단 유닛(910); 그리고
교통사고 책임 식별을 발행하도록 구성된 제3 발행 유닛(911)을 포함한다.
도 10은 본 출원의 일 실시예에 따른 도로 혼잡 원인을 제공하기 위한 장치(1000)를 나타낸다. 이 장치는 제1 차량에 사용되며, 제1 차량은 혼잡 지점을 중심으로 미리 결정된 길이의 도로 구간에 위치한다. 이 장치(1000)는 다음을 포함한다:
서버로부터 지시 메시지를 수신하도록 구성된 수신 유닛(101);
차량 탑재 카메라를 이용하여 지시 메시지에 기초하여 혼잡 지점을 촬영하도록 구성된 촬영 유닛(102); 및
전송 유닛(103)은 지시 메시지에 기초하여 혼잡 지점의 촬영된 데이터를 촬영을 통해 획득한 촬영된 데이터를 서버에 전송하도록 구성된다.
도 9 및 도 10의 모듈 중 하나 이상만이, 소프트웨어, 하드웨어, 펌웨어 또는 이들의 조합을 이용하여 구현될 수 있다. 소프트웨어 또는 펌웨어는 컴퓨터 프로그램 명령 또는 코드를 포함하지만 이에 제한되지 않으며 하드웨어 프로세서에 의해 실행될 수 있다. 하드웨어는 다양한 집적 회로, 예를 들어 CPU(Central Processing Unit), DSP(Digital Signal Processor), FPGA(Field Programmable Gate Array) 또는 ASIC(Application-Specific Integrated Circuit) 등을 포함하지만 이에 국한되지 않는다.
본 출원의 실시예는 컴퓨터 판독가능 저장 매체를 제공하며, 여기서 컴퓨터 판독가능 저장 매체는 컴퓨터 프로그램 또는 명령을 저장한다. 컴퓨터 프로그램 또는 명령이 컴퓨터에서 실행되면 서버에서 사용하는 도로 혼잡 원인을 제공하기 위한 방법을 도로 혼잡 원인을 제공하기 위한 장치에서 수행할 수 있다.
본 출원의 실시예는 컴퓨터 판독가능 저장 매체를 제공하며, 여기서 컴퓨터 판독가능 저장 매체는 컴퓨터 프로그램 또는 명령을 저장한다. 컴퓨터 프로그램 또는 명령이 컴퓨터에서 실행되면 도로 혼잡 원인을 제공하기 위한 장치가 차량에서 사용되는 도로 혼잡 원인을 제공하기 위한 방법을 수행할 수 있게 된다.
본 출원의 실시예는 컴퓨터 프로그램 제품을 제공한다. 컴퓨터 프로그램 제품이 프로세서에서 실행될 때, 도로 혼잡 원인을 제공하기 위한 장치는 서버에서 사용되는 도로 혼잡 원인을 제공하기 위한 방법을 수행할 수 있다.
본 출원의 실시예는 컴퓨터 프로그램 제품을 제공한다. 컴퓨터 프로그램 제품이 프로세서에서 실행될 때, 도로 혼잡 원인을 제공하기 위한 장치는 차량에서 사용되는 도로 혼잡 원인을 제공하기 위한 방법을 수행할 수 있다.
본 명세서에서 "제1" 및 "제2"와 같은 설명은 설명의 편의상 유사한 개념을 구분하는 것으로, 다른 한정적인 기능을 갖지 않는 것으로 이해되어야 한다.
통상의 기술자는 본 출원에 제공된 실시예의 설명이 상호 참조될 수 있음을 분명히 이해할 수 있다. 설명의 용이성과 간결성을 위해, 예를 들어 본 출원의 실시예에서 제공되는 장치 및 장치의 기능 및 수행된 단계에 대해서는 본 출원의 방법 실시예의 관련 설명을 참조한다. 또한 다양한 방법 실시예 사이 및 다양한 장치 실시예 사이에서 참조가 이루어질 수 있다.
통상의 기술자는 방법 실시예의 단계 전부 또는 일부가 관련 하드웨어에 지시하는 프로그램에 의해 구현될 수 있음을 이해할 수 있다. 프로그램은 컴퓨터 판독가능 저장 매체에 저장될 수 있다. 프로그램이 실행될 때, 방법 실시예의 단계의 전부 또는 일부가 수행된다. 전술한 저장매체는 ROM, RAM, 자기디스크, 광디스크 등 프로그램 코드를 저장할 수 있는 다양한 매체를 포함한다.
전술한 실시예의 전부 또는 일부는 소프트웨어, 하드웨어, 펌웨어 또는 이들의 임의의 조합을 사용하여 구현될 수 있다. 실시예를 구현하기 위해 소프트웨어가 사용될 때, 실시예의 전부 또는 일부는 컴퓨터 프로그램 제품의 형태로 구현될 수 있다. 컴퓨터 프로그램 제품은 하나 이상의 컴퓨터 명령어를 포함한다. 컴퓨터 프로그램 명령이 컴퓨터에 로드되고 실행될 때, 본 출원의 실시예에 따른 절차 또는 기능은 모두 또는 부분적으로 생성된다. 컴퓨터는 범용 컴퓨터, 전용 컴퓨터, 컴퓨터 네트워크 또는 기타 프로그램 가능한 장치일 수 있다. 컴퓨터 명령어는 컴퓨터 판독가능 저장 매체에 저장되거나 컴퓨터 판독가능 저장 매체에서 다른 컴퓨터 판독가능 저장 매체로 전송될 수 있다. 예를 들어, 컴퓨터 명령은 웹사이트, 컴퓨터, 서버 또는 데이터 센터에서 유선(예: 동축 케이블, 광섬유 또는 디지털 가입자 라인(DSL)) 또는 무선(예: 적외선, 라디오 또는 마이크로웨이브) 방식으로 다른 웹사이트, 컴퓨터, 서버 또는 데이터 센터로 전송될 수 있다. 컴퓨터 판독가능 저장 매체는 하나 이상의 사용 가능한 매체를 통합한 컴퓨터 또는 데이터 저장 장치, 예를 들어 서버 또는 데이터 센터에 의해 액세스 가능한 모든 사용 가능한 매체일 수 있다. 사용 가능한 매체는 자기 매체(예: 플로피 디스크, 하드 디스크 또는 자기 테이프), 광학 매체(예: DVD), 반도체 매체(예: 솔리드 스테이트 드라이브(Solid State Disk, SSD)) 등일 수 있다.
본 출원에서 제공된 몇몇 실시예에서, 개시된 장치 및 방법은 본 출원의 범위를 벗어나지 않고 다른 방식으로 구현될 수 있음을 이해해야 한다. 예를 들어, 설명된 실시예들은 단지 예시일 뿐이다. 예를 들어, 모듈이나 유닛으로의 구분은 논리적인 기능 구분일 뿐 실제 구현에서는 다른 구분일 수 있다. 예를 들어, 복수의 유닛 또는 구성요소가 다른 시스템에 결합 또는 통합될 수 있거나, 일부 기능이 무시되거나 수행되지 않을 수 있다. 별개의 부분으로 기술된 단위는 물리적으로 분리될 수도 있고 그렇지 않을 수도 있으며, 단위로 표시되는 부분은 물리적 단위일 수도 있고 아닐 수도 있으며, 한 위치에 위치할 수도 있고, 복수의 네트워크 단위에 분산되어 있을 수도 있다. 일부 또는 모든 모듈은 실시예의 솔루션의 목적을 달성하기 위한 실제 요구에 따라 선택될 수 있다. 통상의 기술자는 창의적인 노력 없이 본 출원의 실시예를 이해하고 구현할 수 있다.
또한, 여기에 설명된 장치 및 방법, 그리고 다른 실시예의 개략도는 본 출원의 범위를 벗어나지 않고 다른 시스템, 모듈, 기술 또는 방법과 결합 또는 통합될 수 있다. 또한, 표시되거나 논의된 상호 결합 또는 직접 결합 또는 통신 연결은 일부 인터페이스를 사용하여 구현될 수 있다. 장치 또는 유닛 간의 간접 결합 또는 통신 연결은 전자적, 기계적 또는 기타 형태로 구현될 수 있다.
전술한 설명은 본 출원의 특정 구현일 뿐이며 본 출원의 보호 범위를 제한하지 않는다. 본 출원에 개시된 기술적 범위 내에서 당업자에 의해 쉽게 파악된 변형 또는 교체는 본 출원의 보호 범위에 속한다. 따라서 본 출원의 보호범위는 청구범위의 보호범위에 따른다.
Claims (24)
- 서버에 의해 실행되는 도로 혼잡 원인을 제공하기 위한 방법으로서,
혼잡 지점을 결정하는 단계;
상기 혼잡 지점을 중심으로 미리 결정된 제1 길이의 도로 구간에 위치한 복수의 차량을 결정하는 단계;
상기 복수의 차량에 지시 메시지를 송신하는 단계 - 상기 지시 메시지는 차량 탑재 카메라를 이용하여 혼잡 지점을 촬영하고 촬영된 데이터를 상기 서버에 업로드하도록 상기 복수의 차량에 지시함 - ;
상기 복수의 차량으로부터 촬영된 데이터를 수신하는 단계; 및
촬영된 데이터를 기반으로 도로 혼잡 원인을 결정하는 단계
를 포함하는 방법. - 제1항에 있어서,
상기 차량 탑재 카메라를 이용하여 혼잡 지점을 촬영하도록 상기 복수의 차량에 지시하는 것은 다음의 3개 항목:
전방 카메라, 측면 카메라 및 후방 카메라를 이용하여 상기 혼잡 지점을 촬영하도록, 상기 혼잡 지점을 중심으로 미리 결정된 길이의 제2 도로 구간에 위치한 적어도 하나의 차량에 지시하는 것 - 여기서 미리 결정된 제2 길이는 미리 결정된 제1 길이보다 짧음 - ; 또는
후방 카메라를 이용하여 상기 혼잡 지점을 촬영하도록, 상기 혼잡 지점의 전방에 위치한 적어도 하나의 차량에 지시하는 것; 또는
전방 카메라를 이용하여 상기 혼잡 지점을 촬영하도록, 상기 혼잡 지점 후방에 위치한 적어도 하나의 차량에 지시하는 것
중 적어도 하나를 포함하는, 방법. - 제1항 또는 제2항에 있어서,
상기 촬영된 데이터를 기반으로 도로 혼잡 원인을 결정하는 단계는, 사전 훈련된 제1 모델에 상기 촬영된 데이터를 입력하고, 상기 제1 모델의 출력에 기초하여 도로 혼잡 원인을 결정하는 단계를 포함하는, 방법. - 제3항에 있어서,
상기 제1 모델은 이미지 인식 모델이고, 상기 제1 모델은 상기 촬영된 데이터가 미리 결정된 복수의 특징 중 적어도 하나를 가지는지 여부를 인식하기 위해 사용되며, 상기 미리 결정된 복수의 특징은 미리 결정된 복수의 혼잡 원인에 각각 대응하는 적어도 하나의 미리 결정된 특징의 집합이고, 상기 제1 모델의 출력에 기초하여 도로 혼잡 원인을 결정하는 단계는, 각각의 미리 결정된 혼잡 원인에 대응하는 미리 결정된 적어도 하나의 특징과 상기 이미지 인식의 출력 간의 매칭도에 기초하여 도로 혼잡 원인을 결정하는 단계를 포함하는, 방법. - 제3항에 있어서,
상기 제1 모델은 혼잡 원인 분류 모델이고, 상기 제1 모델은 미리 결정된 복수의 혼잡 원인의 확률을 출력하는, 방법. - 제1항 내지 제5항 중 어느 한 항에 있어서,
상기 촬영된 데이터에 기초하여 도로 혼잡 원인을 결정한 후, 상기 방법은,
도로 혼잡 원인을 발행하는 단계
를 더 포함하는 방법. - 제1항 내지 제6항 중 어느 한 항에 있어서,
상기 복수의 차량으로부터 상기 촬영된 데이터를 수신한 후, 상기 방법이,
상기 촬영된 데이터를 기반으로 혼잡 차선을 결정하고 혼잡 차선의 정보를 발행하는 단계
를 더 포함하는 방법. - 제1항 내지 제7항 중 어느 한 항에 있어서,
상기 도로 혼잡 원인은 교통사고 원인이며, 상기 방법은,
상기 촬영된 데이터를 제2 모델에 입력하는 단계;
상기 제2 모델의 출력에 기초하여 교통사고 책임 식별을 수행하는 단계; 및
교통사고 책임 식별을 발행하는 단계
를 더 포함하는 방법. - 제1 차량에 의해 실행되는, 도로 혼잡 원인을 제공하기 위한 방법으로서,
상기 제1 차량은 혼잡 지점을 중심으로 미리 결정된 길이의 도로 구간에 위치하며, 상기 방법은,
서버로부터 지시 메시지를 수신하는 단계;
차량 탑재 카메라를 이용하여 상기 지시 메시지를 기반으로 혼잡 지점을 촬영하는 단계; 및
상기 지시 메시지에 기초하여, 촬영을 통해 획득되는 상기 혼잡 지점의 촬영된 데이터를 서버에 전송하는 단계
를 포함하는 방법. - 메모리 및 프로세서를 포함하는, 도로 혼잡 원인을 제공하기 위한 장치로서,
상기 메모리는 컴퓨터 프로그램을 저장하고, 상기 프로세서는 제1항 내지 제8항 중 어느 한 항에 따른 방법을 구현하기 위해 상기 컴퓨터 프로그램을 실행하도록 구성되는, 장치. - 메모리 및 프로세서를 포함하는, 도로 혼잡 원인을 제공하기 위한 장치로서,
상기 메모리는 컴퓨터 프로그램을 저장하고, 상기 프로세서는 제9항에 따른 방법을 구현하기 위해 상기 컴퓨터 프로그램을 실행하도록 구성되는, 장치. - 서버에서 사용되는, 도로 혼잡 원인을 제공하기 위한 장치로서,
혼잡 지점을 결정하도록 구성된 제1 결정 유닛;
상기 혼잡 지점을 중심으로 미리 결정된 제1 길이의 도로 구간에 위치한 복수의 차량을 결정하도록 구성된 제2 결정 유닛;
복수의 차량에 지시 메시지를 송신하도록 구성된 송신 유닛 - 상기 지시 메시지는 차량 탑재 카메라를 이용하여 혼잡 지점을 촬영하고 촬영된 데이터를 상기 서버에 업로드하도록 상기 복수의 차량에 지시함 - ;
상기 복수의 차량으로부터 상기 촬영된 데이터를 수신하는 수신 유닛; 및
촬영된 데이터에 기초하여 도로 혼잡 원인을 결정하도록 구성된 제3 결정 유닛
을 포함하는 장치. - 제12항에 있어서,
상기 차량 탑재 카메라를 이용하여 혼잡 지점을 촬영하도록 복수의 차량에 지시하는 것은 다음의 3개의 항목: 전방 카메라, 측면 카메라 및 후방 카메라를 이용하여 상기 혼잡 지점을 촬영하도록, 상기 혼잡 지점을 중심으로 미리 결정된 길이의 제2 도로 구간에 위치한 적어도 하나의 차량에 지시하는 것 - 여기서 미리 결정된 제2 길이는 미리 결정된 제1 길이보다 짧음 - ; 또는 후방 카메라를 이용하여 상기 혼잡 지점을 촬영하도록, 상기 혼잡 지점 전방에 위치한 적어도 하나의 차량에 지시하는 것; 또는 전방 카메라를 이용하여 상기 혼잡 지점을 촬영하도록, 상기 혼잡 지점 후방에 위치한 적어도 하나의 차량에 지시하는 것 중 적어도 하나를 포함하는, 장치. - 제12항 또는 제13항에 있어서,
상기 제3 결정 유닛은, 사전 훈련된 제1 모델에 상기 촬영된 데이터를 입력하고, 상기 제1 모델의 출력에 기초하여 상기 도로 혼잡 원인을 결정하는, 장치. - 제14항에 있어서,
상기 제1 모델은 이미지 인식 모델이고, 상기 제1 모델은 상기 촬영된 데이터가 미리 결정된 복수의 특징 중 적어도 하나를 가지는지 여부를 인식하기 위해 사용되고, 상기 미리 결정된 복수의 특징은 미리 결정된 복수의 혼잡 원인에 각각 대응하는 적어도 하나의 미리 결정된 특징의 집합이고, 제3 결정 유닛은: 이미지 인식 모델의 출력과 각각의 미리 결정된 혼잡 원인에 대응하는 적어도 하나의 미리 결정된 특징 사이의 매칭도에 기초하여 도로 혼잡 원인을 결정하도록 추가로 구성되는, 장치. - 제14항에 있어서,
상기 제1 모델은 혼잡 원인 분류 모델이고, 상기 제1 모델은 사전 결정된 복수의 혼잡 원인의 확률을 출력하는, 장치. - 제12항 내지 제16항 중 어느 한 항에 있어서,
상기 장치가, 촬영된 데이터에 기초하여 도로 혼잡 원인이 결정된 후에 도로 혼잡 원인을 발행하도록 구성된 제1 발행 유닛을 더 포함하는 장치. - 제12항 내지 제17항 중 어느 한 항에 있어서,
상기 장치가, 상기 복수의 차량으로부터 상기 촬영된 데이터를 수신한 후, 상기 촬영된 데이터에 기초하여 혼잡 차선을 결정하도록 구성된 제4 결정 유닛; 및 상기 혼잡 차선의 정보를 발행하도록 구성된 제2 발행 유닛을 더 포함하는 장치. - 제12항 내지 제18항 중 어느 한 항에 있어서,
상기 도로 혼잡 원인은 교통사고 원인이며, 상기 장치가,
상기 촬영된 데이터를 제2 모델에 입력하는 입력 유닛;
상기 제2 모델의 출력에 기초하여 교통 사고 책임 식별을 수행하도록 구성된 판단 유닛; 및
교통 사고 책임 식별을 발행하도록 구성된 제3 발행 유닛
을 더 포함하는 장치. - 제1 차량에서 사용되는, 도로 혼잡 원인을 제공하기 위한 장치로서,
상기 제1 차량은 혼잡 지점을 중심으로 미리 결정된 길이의 도로 구간에 위치하며,
서버로부터 지시 메시지를 수신하도록 구성된 수신 유닛;
차량 탑재 카메라를 이용하여 상기 지시 메시지에 기초하여 혼잡 지점을 촬영하도록 구성된 촬영 유닛; 및
상기 지시 메시지에 기초하여 촬영을 통해 획득되는 상기 혼잡 지점의 촬영된 데이터를 상기 서버로 송신하도록 구성된 전송 유닛
을 포함하는 장치. - 컴퓨터 판독가능 저장 매체로서,
상기 컴퓨터 판독가능 저장 매체는 컴퓨터 프로그램 또는 명령을 저장하고, 상기 컴퓨터 프로그램 또는 명령을 컴퓨터에서 실행할 때, 도로 혼잡 원인을 제공하기 위한 장치가 제1항 내지 제8항 중 어느 한 항에 따른 방법을 수행할 수 있게 되는, 컴퓨터 판독가능 저장 매체. - 컴퓨터 판독가능 저장 매체로서,
상기 컴퓨터 판독가능 저장 매체는 컴퓨터 프로그램 또는 명령을 저장하고, 상기 컴퓨터 프로그램 또는 명령을 컴퓨터에서 실행할 때, 도로 혼잡 원인을 제공하기 위한 장치가 제9항에 따른 방법을 수행할 수 있게 되는, 컴퓨터 판독가능 저장 매체. - 컴퓨터 프로그램 제품으로서,
컴퓨터 프로그램 제품이 프로세서에서 실행될 때, 도로 혼잡 원인을 제공하기 위한 장치가 제1항 내지 제8항 중 어느 한 항에 따른 방법을 수행할 수 있게 되는, 컴퓨터 프로그램 제품. - 컴퓨터 프로그램 제품으로서,
컴퓨터 프로그램 제품이 프로세서에서 실행될 때, 도로 혼잡 원인을 제공하기 위한 장치가 제9항에 따른 방법을 수행할 수 있게 되는, 컴퓨터 프로그램 제품.
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| PCT/CN2020/086794 WO2021212500A1 (zh) | 2020-04-24 | 2020-04-24 | 提供道路拥堵原因的方法和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20230002887A true KR20230002887A (ko) | 2023-01-05 |
Family
ID=75018164
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020227040484A KR20230002887A (ko) | 2020-04-24 | 2020-04-24 | 도로 혼잡 원인을 제공하기 위한 방법 및 장치 |
Country Status (5)
| Country | Link |
|---|---|
| EP (1) | EP4131200A4 (ko) |
| JP (1) | JP2023523255A (ko) |
| KR (1) | KR20230002887A (ko) |
| CN (1) | CN112543956B (ko) |
| WO (1) | WO2021212500A1 (ko) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114615241A (zh) * | 2022-03-03 | 2022-06-10 | 智道网联科技(北京)有限公司 | 基于高精地图的动态路网显示方法及相关设备 |
| CN114743398B (zh) * | 2022-03-15 | 2023-09-19 | 南方科技大学 | 拥塞可容忍的路径引导方法及装置、设备及存储介质 |
| CN114882697B (zh) * | 2022-03-29 | 2023-08-25 | 四川智慧高速科技有限公司 | 高速公路上车辆路径规划方法 |
| CN114842659B (zh) * | 2022-05-07 | 2023-08-04 | 青岛海信网络科技股份有限公司 | 一种交通拥堵疏导方法及装置 |
| FR3135559A1 (fr) * | 2022-05-16 | 2023-11-17 | Psa Automobiles Sa | Procédé et dispositif de détermination de présence d’embouteillage à partir de données obtenues de caméra embarquée dans un véhicule |
| CN115240406B (zh) * | 2022-05-31 | 2023-12-29 | 厦门路桥信息股份有限公司 | 道路拥堵的管理方法、装置、计算机可读介质及电子设备 |
Family Cites Families (22)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2007148698A1 (ja) * | 2006-06-21 | 2007-12-27 | Pioneer Corporation | 通信端末装置、通信方法、通信プログラム、および記録媒体 |
| JP4929933B2 (ja) * | 2006-09-06 | 2012-05-09 | 株式会社デンソー | 渋滞要因判断システム |
| JP2011196787A (ja) * | 2010-03-18 | 2011-10-06 | Toshiba Corp | 映像処理装置、映像処理方法および映像撮像装置 |
| JP2013020523A (ja) * | 2011-07-13 | 2013-01-31 | Nissan Motor Co Ltd | 渋滞情報提供装置及び渋滞情報提供方法 |
| JP2014228434A (ja) * | 2013-05-23 | 2014-12-08 | アルパイン株式会社 | ナビゲーション装置 |
| CN103500503B (zh) * | 2013-09-17 | 2016-09-07 | 北京中广睛彩导航科技有限公司 | 一种基于众包模式的精准路况分析方法及系统 |
| CN105828020A (zh) * | 2015-01-04 | 2016-08-03 | 中国移动通信集团辽宁有限公司 | 一种基于车联网的事故还原控制方法及系统 |
| WO2017063201A1 (zh) * | 2015-10-16 | 2017-04-20 | 华为技术有限公司 | 一种路况信息分享方法 |
| CN105336173A (zh) * | 2015-11-09 | 2016-02-17 | 深圳市云智易联科技有限公司 | 一种影像信息获取方法及相关装置 |
| CN105489037A (zh) * | 2015-11-30 | 2016-04-13 | 四川诚品电子商务有限公司 | 一种提醒用户变道的方法 |
| CN105488867B (zh) * | 2015-11-30 | 2018-03-06 | 四川诚品电子商务有限公司 | 一种车载行车记录仪视频分享的方法 |
| KR101833359B1 (ko) * | 2016-03-22 | 2018-02-28 | 고려대학교 산학협력단 | 차량의 외부 영상 빅데이터를 이용한 교통 정보 수집 방법 및 장치 |
| JP2018128389A (ja) * | 2017-02-09 | 2018-08-16 | トヨタ自動車株式会社 | 画像処理システム及び画像処理方法 |
| CN107529038A (zh) * | 2017-08-25 | 2017-12-29 | 成都华科威电子科技有限公司 | 一种车载前视摄像装置共享方法 |
| JP2019179298A (ja) * | 2018-03-30 | 2019-10-17 | アイシン・エィ・ダブリュ株式会社 | 画像データ送信装置、画像データ提供サーバ、画像データ送信プログラム、及び画像データ提供プログラム |
| CN108846762A (zh) * | 2018-06-01 | 2018-11-20 | 上海博泰悦臻电子设备制造有限公司 | 交通事故快速理赔方法、系统以及一种服务器 |
| JP2020027400A (ja) * | 2018-08-10 | 2020-02-20 | 本田技研工業株式会社 | 制御装置及びプログラム |
| WO2020066656A1 (ja) * | 2018-09-25 | 2020-04-02 | 住友電気工業株式会社 | 交通時間予測装置、交通時間予測システム、交通時間予測方法、交通情報の取得方法および交通時間予測プログラム |
| CN109493614A (zh) * | 2018-12-30 | 2019-03-19 | 江苏迪纳数字科技股份有限公司 | 一种带实时视频的实时路况监测与展示方法 |
| CN110021182B (zh) * | 2019-04-30 | 2020-11-06 | 深圳乐行天下科技有限公司 | 一种路况拥堵信息提示方法及系统 |
| CN110139073B (zh) * | 2019-05-10 | 2021-09-21 | 浙江华锐捷技术有限公司 | 车辆视频监控数据发送方法、装置以及计算机设备 |
| CN110473421B (zh) * | 2019-09-23 | 2020-06-23 | 鞠青松 | 基于5g通信网络的智能交通导航系统 |
-
2020
- 2020-04-24 KR KR1020227040484A patent/KR20230002887A/ko active Search and Examination
- 2020-04-24 CN CN202080004119.XA patent/CN112543956B/zh active Active
- 2020-04-24 EP EP20932231.2A patent/EP4131200A4/en active Pending
- 2020-04-24 WO PCT/CN2020/086794 patent/WO2021212500A1/zh unknown
- 2020-04-24 JP JP2022564460A patent/JP2023523255A/ja active Pending
Also Published As
| Publication number | Publication date |
|---|---|
| CN112543956B (zh) | 2021-12-21 |
| JP2023523255A (ja) | 2023-06-02 |
| CN112543956A (zh) | 2021-03-23 |
| EP4131200A1 (en) | 2023-02-08 |
| WO2021212500A1 (zh) | 2021-10-28 |
| EP4131200A4 (en) | 2023-04-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11257377B1 (en) | System for identifying high risk parking lots | |
| KR20230002887A (ko) | 도로 혼잡 원인을 제공하기 위한 방법 및 장치 | |
| US11656094B1 (en) | System for driver's education | |
| US11105640B1 (en) | Using train telematics data to reduce accident risk | |
| US20140063196A1 (en) | Comprehensive and intelligent system for managing traffic and emergency services | |
| US10369995B2 (en) | Information processing device, information processing method, control device for vehicle, and control method for vehicle | |
| US20130242104A1 (en) | Traffic monitoring system and method for monitoring roadway condition | |
| JP7207670B2 (ja) | コネクテッド自動運転車のハイウエイシステムとそれを用いた方法 | |
| CN113748316B (zh) | 用于车辆遥测的系统和方法 | |
| US20200273345A1 (en) | Transportation system and method | |
| US11900804B2 (en) | System and method for map-based geofencing for emergency vehicle | |
| WO2022193995A1 (zh) | 一种地图更新方法、基于地图的驾驶决策方法及装置 | |
| US11508161B2 (en) | Driving support system and server device | |
| CN112396858A (zh) | 使用整体数据实施道路安全措施 | |
| KR102418051B1 (ko) | 차선별 교통상황 판단 장치, 시스템, 및 방법 | |
| CN113748448A (zh) | 基于车辆的虚拟停止线和让行线检测 | |
| JP2009122854A (ja) | 注意喚起システム及びプログラム | |
| GB2555775A (en) | System for city traffic management | |
| JP6997006B2 (ja) | 車載装置、サーバ、情報システム | |
| US20240119841A1 (en) | Alert system for warning vulnerable road users in a given road section | |
| DK180220B1 (en) | Sharing classified objects perceived by autonomous vehicles | |
| CN118155395A (zh) | 交通事故处理的方法、装置、设备及计算机可读存储介质 | |
| CN115547030A (zh) | 交通状态的预警方法和系统、存储介质及电子装置 | |
| JP2022067891A (ja) | 運転評価装置およびこれを備えた運転評価システム、運転評価方法、運転評価プログラム | |
| CN117876200A (zh) | 基于多源数据的巡游出租车异常行为告警方法及智能设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination |