KR20230017797A - 적응형 순항 제어를 위한 가상 타깃을 갖는 운전자 보조 방법 - Google Patents

Abstract

본 발명은 차선을 주행하는 자기 차량(EGO)에 대한 운전자 보조 방법에 관한 것으로,
- 자기 차량의 차선 및 동일 주행 방향의 인접한 적어도 하나의 평행 차선에서 자기 차량 주변의 교통상황을 식별하는 제1 단계;
- 가상 중심 타깃의 위치, 가상 중심 타깃의 속도 및 가상 중심 타깃의 가속도를 계산하여, 가상 중심 타깃(G)을 결정하는 제2 단계;
- 자기 차량의 종방향 속도 설정점(Vc), 가속 설정점(Ac) 및 토크 설정점(Cc)을 계산하는 제3 단계로서, 상기 종방향 속도 설정점(Vc)은 가상 중심 타깃(G)의 위치, 가상 중심 타깃(G)의 속도 및 가상 중심 타깃(G)의 가속도의 함수인, 제3 단계를 포함한다.

Description

적응형 순항 제어를 위한 가상 타깃을 갖는 운전자 보조 방법

본 발명은 적응형 순항 제어(adaptive cruise control)를 위한 가상 타깃을 갖는 운전자 보조 방법에 관한 것이다. 이러한 종류의 운전자 보조 시스템이 장착된 자동차에서 자기 차량에 대한 운전자 보조 방법의 형태로 바람직한 응용예를 발견한다.

이는 또한, 이러한 종류의 방법을 구현하도록 적응된 명령어를 갖는 컴퓨터 프로그램 제품에 관한 것이다.

이는 또한, 자기 자동차을 위한 운전자 보조 시스템에 관한 것이다.

이는 또한, 파워트레인, 제동 수단 및 이러한 종류의 보조 시스템을 포함하는 자동차에 관한 것이다.

운전자 보조 기술은 점점 더 널리 보급되고 있으며 더 이상 최고급 차량에 국한되지 않는다.

이들 기술은 자동차 운전의 단순화 및/또는 자동차 운전자의 행동을 신뢰할 수 있게 하는 것을 가능하게 한다.

자동 순항 제어 시스템은 현대식 차량에 일상적으로 설치되며, 일반적으로 자기 차량(ego vehicle)으로도 알려진 장착된 차량과 타깃 차량 또는 보다 간단히 타깃으로 불리는, 차선에서 앞서가는 차량 사이의 거리의 규정에 기초하여 기능한다. .

적응형 순항 제어 장치(ACC 시스템)를 자동차에 장착하는 것은 잘 알려져 있다.

이러한 종류의 적응형 순항 제어 시스템은, 레이더와 같은 차량의 환경을 검출하기 위한 수단을 포함하며, 그에 따라 차도 상의 다른 차량 또는 물체를 검출할 수 있고, 특히 차도에서 앞서가는 차량을 검출할 수 있다.

이들 시스템은 예를 들어, 도로에서 차량의 감속을 필요로 하는 경우가 있을때(교통 체증, 신호등, 등과 같이 운전자가 설정한 설정점과 다른 속도로 주행하는 차량을 따라가는 경우)를 제외하고, 차량의 속도가 운전자가 설정한 설정점과 동일하도록 차량을 제어하도록 설계되며, 이 경우 차량 속도가 그에 따라 제어된다.

그 후 이러한 종류의 적응형 순항 제어 시스템이 장착된 차량의 속도는 앞선 차량으로부터 실질적으로 일정한 안전 거리를 유지하도록 조정될 수 있다. 따라서, 이러한 종류의 시스템은 차량을 가속하거나 감속하기 위해 엔진의 제어 시스템 및/또는 제동 시스템과 상호작용한다.

종래 기술에서 알려진 적응형 순항 제어 시스템은 때때로 신뢰성이 부족하다. 늦은 속도 교정은 갑작스러운 가속 또는 감속을 유발하여 불편함과 안전감 부족을 유발할 수 있다. 이러한 상황은 특히 타깃 차량이 차선을 변경하거나 차량이 자기 차량의 차선에 합류하는 경우에 발생할 수 있다.

고전적인 적응 순항 제어 방법을 사용하는 컨트롤러가 장착된 차량의 일 실시예가 도 1을 참조하여 이하에서 설명된다.

자동차(10)는 임의의 형태의 자동차, 특히 승용차 또는 다용도 차량이다. 이 문헌에서 본 발명을 구현하기 위한 수단을 포함하는 차량은 "자기" 차량이라고 지칭한다. 이 명칭은 다른 주변 차량과 구별하기 위한 것일 뿐이고, 그 자체로 자동차(10)에 대한 어떠한 기술적 제한도 부여하지 않는다.

자동차(10) 또는 자기 차량(10)은 특히 컨트롤러의 형태로, 고전적인 적응형 순항 제어 방법을 채용하는 종래의 적응형 순항 제어 장치(DISP)를 포함한다.

자동차의 전형적인 적응형 순항 제어 장치(DISP)는 보다 일반적인 운전자 보조 시스템의 일부일 수 있다.

문헌의 나머지 부분에서, 용어 타깃 차량은 자기 차량(10) 주변의 교통에 위치된 차량을 말하며, 그의 운동학적 속성은 위치, 속도 및 가속도를 포함하고, 자기 차량의 종방향 속도 설정점을 고려한다.

타깃 차량은 임의 형태의 자동차, 특히 승용차, 다용도 차량 또는 모터사이클일 수 있다.

자동차 차량의 적응형 순항 제어 장치(DISP)는 특히, 인식 및 위치 센서와 같은 센서들(C)에 의해 주변 교통에 위치한 차량의 인식을 필요로 한다. 실제로, 센서(C)에 의한 주변 차량의 차선, 위치, 속도 및 가속도에서의 상대적인 동적 존재인 운동학적 속성(Att_Target)의 결정은, 차량을 올바르게 위치시킬 수 있도록 하기 위해 필요한다. 인식 센서로부터의 데이터는 특히 운동학적 속성으로 주변 물체를 식별하고 특성화하기 위해 데이터를 합류하여 처리된다. 이들 인식 센서는 예를 들어, 초음파, 레이더, 라이더, 비디오 카메라와 같은 다양한 기술을 사용할 수 있으며, 위치 센서는 특히 관성 또는 오도메트릭 측정 장치 또는 GPS 글로벌 포지셔닝 위성 시스템이다. 물체들의 특정화를 통해 특히 자기 차량 주변 환경을 인식하고 차량(모터사이클, 자동차, 트럭, 자전거 등), 보행자, 인프라, 신호등과 같은 형태별로 물체들을 분류할 수 있으며 여기에서는 차량만 타깃으로 고려할 수 있다. 특히 지도와 관련된 이들 센서의 데이터는, 도로의 기하학적 구조(경사면, 곡선 등)를 식별할 수 있도록 하고 추가로 내비게이션 정보를 통해, 지역 형태(도시, 교외, 시골), 도로 형태(고속 도로, 도시, 주간 고속도로 등), 표지판의 인식과 합류될 수 있는 속도 제한, 도로 교통 정보, 기하학적 구조 정보(경사면, 커브, 차선 수 등)과 같은 인식에 의해 주어진 차량의 위치의 함수로서의 맥락적 상황에 대한 정보를 공급할 수 있다. 다음, 식별된 타깃의 운동학적 속성(Att_Target)은 거리 제어 장치(CD)로 전송되며, 상기 거리 제어 장치(CD)는, 예를 들어 표에 의해, 자기 차량의 속도의 함수로서 선택된 미리 결정된 추종 거리 설정점으로도 변환되는, 2초 디폴트 만큼, 운전자에 의해 선택된 미리 결정된 후속 시간 및 운전자에 의해 선택된 제어 속도인 운전자 데이터(DC)를 입력으로서 취한다.

이 정보에 기초하여, 거리 제어 유닛(CD)은 동일한 차선에서 선행 차량에 대한 미리 결정된 후속 거리 설정점에 자동으로 순응할 수 있게 하는 종방향 속도 설정점(Vc)을 출력으로서 생성하고, 차량은 자동으로 그의 속도를 조절하여 해당 거리를 유지하도록 한다. 센서(C)로부터, 특히 휠 속도 센서로부터의 측정치 및 칼만 필터와 관련되고 평균화되는 측정치로부터 획득된 자기 차량의 이 속도 설정포인트(Vc) 및 설정점(Vc)는 속도 제어 장치 CV의 입력으로 전송되고, 속도 제어 장치 CV는, 차선이 자기 차량의 정면에 자유롭게 되는 대로, 센서(C), 특히 관성 측정 장치로부터 획득된 자기 차량의 가속 데이터 Am으로 루핑한 후, 운전자가 선택한 제어 속도를 달성하도록 가속을 자동으로 증가시킬 수 있도록 가속 설정점 Ac를 출력으로서 생성하는 속도 제어 장치 CV의 입력에 전송되고, 액추에이터(A)(엔진, 브레이크 등)의 토크는 토크 제어 장치 CC의 출력에서 생성되는 토크설정점 Cc에 의해 제어되고 루프를 떠날 때 통합된 가속 명령의 함수이기 때문에, 운전자의 운전 작업을 지원할 수 있다. 그러나, 이 장치는 한 번에 하나의 타깃만, 즉 차선에서 자기 앞에 있는 타깃만 고려하므로, 특히 자기 차량과 앞선 차량 사이의 차량들 합류 및 타깃 차량에 의한 차선 변경에 매우 민감하여, 갑작스러운 설정점의 불규칙으로 인해 유연한 제어를 저하시킨다.

ACC 시스템을 포함하는 자동차용 자동 운전 방법에 관한 문헌 FR2912981도 알려져 있으며, 그 목적은 사용자의 안락함을 향상시키기 위해 차량 거동의 유연함을 개선하는 것이나, ACC 시스템이 추적할 동적 구성 요소를 결정하기 위해 수많은 계산이 필요하기 때문에 다수의 타깃들의 경우 많은 에너지를 소비하게 된다.

본 발명의 목적 중 하나는 차선에서 주행하는 자기 차량에 대한 운전자 보조 방법을 제공함으로써 종래 기술의 단점들 중 적어도 일부를 개선하는 것으로,

- 자기 차량의 차선 및 동일 주행 방향의 인접한 적어도 하나의 평행 차선에서 자기 차량 주변의 교통상황을 식별하는 제1 단계;

- 가상 중심 타깃의 위치, 가상 중심 타깃의 속도 및 가상 중심 타깃의 가속도를 계산하여, 가상 중심 타깃을 결정하는 제2 단계;

- 자기 차량의 종방향 속도 설정점, 가속 설정점 및 토크 설정점을 계산하는 제3 단계로서, 상기 종방향 속도 설정점은 가상 중심 타깃의 위치, 가상 중심 타깃의 속도 및 가상 중심 타깃의 가속도의 함수인, 제3 단계를 포함한다.

본 발명에 의해, 자기 차량의 차선에서의 임의의 타깃의 부재시를 포함하여, 그의 입력과 같은 ACC 콘트롤 루프를 변경함이 없이 주위 교통에 위치된 차량의 궤적을 예측하고 또한 다수의 타깃들을 고려할 수 있으며, 이는 ACC 콘트롤 루프이 평활성을 향상시킨다.

본 발명의 바람직한 특징에 따르면, 주위 교통은, 그의 차선 또는 동일한 교통 방향의 인접한 평행 차선에서 주행하는 자기 차량에 선행하는 적어도 2대의 타깃 차량을 포함하며, 이는 측면으로의 차량은 물론 자기 차량에 앞서가는 차량의 앞에서 차량이 서행할 수 있도록 한다.

본 발명의 다른 바람직한 특징에 따르면, 제1, 식별 단계는, 각각의 타깃 차량에 대해, 자기 차량에 대한 타깃 차량의 위치, 타깃 차량의 속도 및 타깃 차량의 가속도의 출력으로서의 결정, 특히 타깃 차량의 궤적의 결정을 갖는 적어도 2대의 타깃 차량들의 각각의 검출을 위한 서브스텝을 포함하며, 이는 위치가 상대적 또는 절대적이든, 예측된 궤적을 고려함으로써 안전한 거리를 예상할 수 있도록 한다.

본 발명의 다른 바람직한 특징에 따르면, 가상 중심 타깃을 결정하는 제2 단계는, 미리 선택된 제어 속도, 미리 결정된 추종 거리 설정점 및 상기 식별 단계의 결과룰 입력으로 하며 이는 용이하게 입수할 수 있는 정보에 기초하고, 운전자에 의해 최적화될 수 있는 제어 스피드 및 추종 거리 설정점을 고려하여, 가상 중심 타깃을 구축할 수 있도록 한다.

상기 가상 중심 타깃을 결정하는 제2 단계는, 바람직하게는, 시간의 측면에서 그들의 속도 또는 그들의 간격의 G마수로서 어떤 타깃들만 선택하도록 하는 방식으로 필터링 단계를 포함한다.

본 발명의 다른 바람직한 특징에 따르면, 타깃 차량들 중 적어도 하나는 자기 차량의 차선에 위치되며, 이는 선행 차량은 물론 차선을 벗어나는 저기 차량 앞의 차량들 중 하나에 의한 서행의 현상을 고려할 수 있도록 한다.

상기 특징에 결합된 이점에 의하면, 타깃 차량들 중 적어도 하나는 인접 차선에 위치되고 자기 차량(EGO)의 차선으로 합류하고자 하는 것으로, 이는 예측에 의해 합류 현상이 고려될 수 있다.

본 발명의 다른 바람직한 특징에 따르면, 상기 가상 중심 타깃을 결정하는 제2 단계는, 각 타깃에 대해 결정된 타깃 예측 계수의 변화를 사용하며, 이는 동적으로 중심을 가중하고 그에 따라 ACC 평활성을 향상시킬 수 있도록 한다.

본 발명의 다른 바람직한 특징에 따르면, 타깃 계수의 변화는, 자기 차량의 궤적과 적어도 하나의 타깃 차량 사이의 상대적 횡방향 거리의 함수, 또는 자기 차량이 주행하는 차선의 중심과 적어도 하나의 타깃 차량 사이의 상대적 횡방향 거리의 함수이며, 이는 도로의 커브들을 무시할 수 있도록 한다.

본 발명의 다른 바람직한 특징에 따르면, 타깃 계수의 변화는, 자기 차량의 추정 궤적과 타깃 차량의 추정 궤적의 교차점의 추정 시간의 함수이며, 이는 주위 차량의 인식을 위해 모듈에 의해 제공된 다른 정보를 사용하여 가중치를 적용할 수 있도록 한다.

타깃 계수의 변화는, 바람직하게는, 프리 타깃 차량의 추종 시간의 함수이며, 이는 감속하는 자기 차량에 선행하는 차량의 앞에서 주행하는 차량을 고려할 수 있도록 한다.

본 발명의 다른 바람직한 특징에 따르면, 타깃 계수의 변화는, 강성(stiffness)의 계수의 함수이며, 이에 의해 시설을 업데이트할 수 있도록 하는 데 이는 이 강성의 계수가 모든 합류 차량에 대해 특히 고유하기 때문이다.

본 발명은 또한, 프로그램이 컴퓨터에 의해 실행될 때, 컴퓨터가 본 발명의 방법을 실행하게 하는 명령을 포함하는 컴퓨터 판독 가능 매체에 저장된 프로그램 코드 명령을 포함하는 컴퓨터 프로그램 제품에 관한 것이며, 이 프로그램 제품은 상기 방법들의 특징들과 유사한 이점을 가지며, 이 프로그램 제품은 자동차 컴퓨터에 용이하게 설치된다.

본 발명은 또한, 차선을 주행하는 자기 차량(EGO)에 대한 시스템에 관한 것으로,

- 자기 차량의 차선 및 동일한 통행 방향에서 적어도 하나의 인접한 평행 차선에서 자기 차량 주변의 교통상황을 식별하기 위한 모듈,

- 가상 중심 타깃의 위치, 가상 중심 타깃의 속도 및 가상 중심 타깃의 가속도를 계산하여, 가상 중심 타깃을 결정하기 위한 모듈;

- 자기 차량의 종방향 속도 설정점, 가속 설정점 및 토크 설정점을 계산하기 위한 모듈을 포함하고, 상기 종방향 속도 설정점은 가상 중심 타깃의 위치, 가상 중심 타깃의 속도 및 가상 중심 타깃의 가속도의 함수이며, 이는 레이다, 비디오 카메라와 같이 차량에 일상적으로 사용가능한 수단을 사용하여 상기 방법들과 유사한 장점을 갖는다.

본 발명은 또한, 파워트레인, 가속 및 제동 수단 및 본 발명에 따른 운전자 보조 시스템을 포함하는 자기 자동차에 관한 것으로, 이는 자율인지에 무관하게, ACC가 제공된 차량에 간단히 장착될 수 있도록 한다.

본 발명의 다른 목적, 특징 및 이점은 첨부된 도면을 참조하여 비제한적 예로서만 제공되는 다음 설명에 의해 명백해질 것이다.

도 1은, 이미 언급한 바와 같이, 고전적인 종래 기술의 ACC 장치를 개략적으로 도시한다.
도 2는, 본 발명에 따른 운전자 보조 시스템을 개략적으로 나타낸다.
도 3은, 본 발명에 따른 방법의 적용을 도시한다.
도 4는, 본 발명을 사용하는 경우의 커브에서 상대적인 측면 거리의 예시를 나타낸다.
도 5는, 본 발명에 따른 궤적 예측의 일례를 나타낸다.
도 6은, 본 발명의 또 다른 사용예를 나타낸다.

텍스트 전반에 걸쳐, 방향 및 배향은 자동차 설계에서 고전적으로 사용되는 우측 좌표계(XYZ)를 참조하여 표시되며, X는 차량의 길이방향(종방향)을 나타내고, 차량의 전방 이동 방향에서, Y는 차량을 가로지르는 방향으로 좌측을 향하고, Z는 수직 방향으로 상방을 향한다. "전방" 및 "후방" 개념은 차량의 정상적인 전방 이동 방향을 참조하여 나타낸다. 명세서 전반에 걸쳐 "실질적으로"라는 용어는 결정된 공칭 양에 비해 약간의 차이가 허용될 수 있음을 의미하며, 예를 들어 "실질적으로 일정한"은 본 발명의 맥락에서 5% 차수의 차이가 허용됨을 의미한다. 더 명확하게 하기 위해 동일하거나 유사한 요소는 모든 도면에서 동일한 참조 부호로 표시된다.

도 2에 개략적으로 나타낸 것은, 본 발명의 하나의 양태에 따른 보다 일반적인 운전자 보조 시스템의 일부인 자동차(차량)(EGO)의 적응형 순항 제어 시스템(1)의 일 실시예이다. 도 1의 장치(DISP)를 구성하는 요소와 동일한 시스템(1)의 요소는 동일한 참조 부호를 갖는다.

본 발명에 따른 이 운전자 보조 시스템에는 자기 차량의 다이나믹스 측정뿐만 아니라 환경에 대한 인식도 가능하게 하는 인식 센서와 같은 센서(C)가 있으며, 이들 센서(C)는 자기 차량의 속도와 가속도는 물론 환경에 있는 물체들의 위치, 속도 및 가속도에 대한 정보를 제공하는 것은 물론, 이들 물체에 대한 궤적 예측을 제공한다. 실제로, 센서(C)에 의한 주변 차량의 차선 내 존재, 동적 상대 위치, 속도 및 가속도와 같은 운동학적 속성을 포함하는 환경 정보(Env)의 결정은, 궤적을 올바르게 예측할 수 있도록 할 필요가 있다. 이 환경 정보는 예를 들어, 자기 차량의 리어 액슬의 레벨에 위치된 자기 차량의 기준 프레임에 제공되지만, 기준 프레임의의 다른 위치들도 가능하다. 마찬가지로, 다른 차량의 위치에 관한 환경 정보는 종종 리어 액슬의 검출에 기초한다. 센서(C)로부터의 데이터를 합류하여 얻은 이 모든 환경 정보(Env)는 물체별로 물체를 인덱싱하고 자기 차량의 차선 및 동일 차량 방향으로 인접한 평행 차선상에 자기 차량 주위의 교통을 인식하기 위한 인식 모듈(도시되지 않은)로 본 명세서에 지칭되는 것의 출력에서 생성되고 가상 중심 타깃을 결정하기 위해 모듈(CBV)에 대한 입력으로서 전송된다. 식별 모듈은 센서(C)로부터 이미 언급된 정보와 주변 차량의 방향 지시등과 같은 신호등에서 얻은 정보를 합류한다. 다음, 도 3 및 후속 도면에 도시된 바와 같이, 더 이상 차축에서 차축이 아니라 범퍼에서 범퍼까지의 거리를 결정하기 위해 업스트림 또는 모듈(CBV)에서 위치 기준 프레임의 변경이 실시될 수 있다.

모듈(CBV)은 또한, 운전자에 의해 선택된 제어 속도 및 운전자에 의해 선택된 미리 결정된 후속 시간으로 구성되는 운전자 데이터(DC)를 입력으로서 소비하며, 이는 또한 운전자에 의해 선택된 미리 결정된 후속 거리 설정점으로 변환된다. 이들 입력들의 함수로서, 모듈(CBV)은 자기 차량의 차선에서 가상 중심 타깃을 결정하고, 이는 위치, 속도 및 가속도를 계산한다. 이 모듈(CBV)은 다양한 물체로부터의 정보를 고려하여 차선에 있든 옆에 있든지에 무관하게, 특히 자기 차량의 상류에 위치된 물체를 타깃으로 선택하고, 그로부터 타깃 차량의 움직임을 예상할 수 있도록 하여 운전자가 반응할 수 있도록 예상 궤적이 미리 결정되어 타깃 차량을 추론할 수 있도록 한다. 측정 오류와 관련된 작은 진동을 필터링하기 위해, 자기 차량에 대한 상대 측면 속도가 임계값을 초과하는 타깃만 고려하도록 하기 위해 모듈(CBV)에 필터가 추가될 수 있다. 이 모듈(CBV)은 액추에이터(A) 서브시스템(엔진, 브레이크 등)의 제어 루프의 상류에 배치되며 ACC 논리를 변경하지 않고도 기존 ACC 타깃과 같은 제어 설정점을 제공하여, 그의 통합을 용이하게 한다. 실제로, 가상 중심 타깃의 결정을 위해 모듈(CBV)의 출력으로서 생성된 차선의 존재, 동적 상대 위치, 가상 중심 타깃의 속도 및 가속도인 가상 중심 타깃의 이들 운동학적 속성들(Att_CBV)이, 자기 차량의 종방향 속도 설정점(Vc) 및 가속 설정점(Ac)을 포함하는 동적 설정점의 계산을 위한 루프(BCD)에 대한 입력으로서 전송되고, 상기 종방향 속도 설정점은 가상 타깃의 위치, 가상 타깃의 속도 및 가상 중심 타깃의 가속도의 함수이다. 동적 설정점 계산 루프(BCD)는 다음을 결합한다:

- 운전자에 의해 선택된 미리 결정된 추종 거리 설점점으로도 변환되는, 운전자에 의해 선택된 미리 결정된 추종 시간 및 운전자에 의해 선택된 제어 속도 로 구성되는 운전자 데이터(DC) 뿐만 아니라 가상 중심 타깃의 운동학적 속성( Att_CBV)을 입력으로서 소비하고, 전체적인 유연함을 갖는 안전 거리의 측면에서 운전자의 기대를 충족시킬 수 있는 필요한 속도 제어 크기에 대응하는 종방향(길이방향) 속도 설정점(Vc)을 출력으로서 생성하는 거리 제어 유닛(CD),

- 이전과 같이 자기 차량의 속도 설정점(Vc) 및 속도(Vm)를 입력으로 소비하고 가속 설정점(Ac)을 출력으로서 생성하는 속도 제어 유닛(CV),

- 이전과 같이 루프를 떠날 때 통합된 가속 명령을 입력으로 사용하고, 액추에이터(A)를 제어하는 토크 설정점(Cc)을 출력으로서 생성하는 토크 제어 유닛 CC으로, 이 토크 설정점(Cc)은 속도 설정점(Vc)을 추적하는 방식으로 휠을 제어하는 것을 가능하게 한다. .

단일 가상 중심 타깃을 결정하기 위한 모듈(CBV)은 가까운 미래에 합류되어 ACC에 의해 추적될 타깃이 될 수 있는 주변 차량을 고려하는 것을 가능하게 하지만, 이 모듈(CBV)은, 물체에 대해 전방 또는 측면에서 차량이 검출되지 않거나 차량의 차선에 타깃 차량이 하나만 검출되는 경우 ACC의 정상적인 제어 기능을 보장하는 것이다. 이 방법은 커팅 아웃으로 알려진, 차선을 변경하기 위해 자기 차량의 차선을 떠나는 차량(V0)에도 바람직하게 적용될 수 있다. 일단 이 차량이 자기 차량의 측면 차선에 진입하면, 이는 차량 Vx로 되거나 센서들의 인식 거리 및/또는 특히 운전자에 의해 맞춤화될 수 있는 다음 거리 설정점의 함수로서, 자기 차량으로부터 떨어진 미리 결정된 거리에 의해 결정되는 자기 차량의 접근 필드를 벗어나면 더 이상 인덱싱되지 않는다.

도 3에 도시된 바와 같이, 직진 라인에서, 자기 차량(EGO)은 주변 교통의 식별을 위한 모듈에 의해 결정된 바와 같이, 2개의 타깃 차량, 전면 좌측에 위치하고 좌측 차선에 있는, 자기 차량의 차선에서 그 앞에 있는 차량 V0 및 약간 앞에 있는 차량 V1을 인식하고, 우측 방향 지시등이 활성화되어 자기 차량의 차선으로 이동하고자 하는 것을 지시한다. 동일한 교통 방향에 있는 세 개의 차선들은 짧은 점선으로 표시되고 실선은 반대 방향의 잠재적 차선과의 분리를 나타낸다. 비록 이 예에서 타깃 차량(V1)은 전진 이동 방향에서 자기 차량(EGO)의 좌측에 있지만, 대안으로서 타깃 차량(V1)은 자기 차량(EGO)의 우측에 있고 예를 들어 좌회전 표시등을 활성화함으로써 차선 진입을 모색할 수 있다. 여기에서 자기 차량의 가상 중심 타깃(G)은 a + b ≠ 0, a 및 b가 가중 계수인 시스템 (A, a)(B, b)의 중심(G)에 대응하며, 원점으로 취해진 임의의 점 O에 대해 다음을 가진다:

[수학식 1]

주변 교통을 식별하기 위한 모듈은, 그의 리어 액슬에 중심이 있지만 다른 선택이 행해질 수 있는 자기 차량에 링크된 기준 프레임에서, 차량 V0 및 V1의 위치들인 포인트 A 및 B에 대응하는 기하학적 기준들을, 가상 중심 타깃(G)을결정하기 위해 모듈(CBV)에 공급하며, 상기 모듈(CBV)은 자기 차량의 새로운 기준 프레임을 자기 차량의 범퍼의 앞에 링크시키기 위한 방식으로 기준 프레임의 변경에 영향을 미친다.

X₀는 자기 차량에 링크된 상대 기준 프레임에서 자기 차량의 직접 접근 필드에 있는. 특히 그의 뒷 범퍼의, 제1 타깃 차량의 거리이다.

X₁은 자기 차량에 링크된 상대 기준 프레임에서 자기 차량의 접근 필드로 진입할 위험이 있는, 제2 타깃 차량의, 특히 그의 앞 범퍼의 거리이다.

및

₁은 제1 차량 및 제2 차량의 각각의 상대 속도이다.

마찬가지로,

및

은 제1 차량 및 제2 차량의 각각의 상대 가속도이다.

가상 중심 타깃 접근의 목적은, 운전자에 의해 공급되고 차선에서의 타깃 차량(V0)에 적용되는 추종 거리 설정점 d_s_c에 동적 오프셋 o_d를 추가하여 타깃의 변화를 예상하는 것이다. 동적 오프셋 거리(o_d) 및 추종 거리 설정점(d_s_c)의 합은 동일 차선을 공유하는 자기 차량(EGO)의 전방과 타깃 차량(V0)의 후방 사이에 남겨질 차량들 사이의 거리를 구성한다. 오프셋 o_d는 자기 차량의 궤적에 가상 중심 타깃(G)를 투사하여 얻어지며, 그 후, 오프셋 o_d는 가상 중심 타깃(G)에 대한 위치 정보 및 다른 운동학적 속성 Att_CBV와 함께, 모듈(CD)로 전송된다. 중심들의 가중 계수 a, b는 타깃 예측 계수의 변화에 따라 선택된다. 이들 계수는 두 가지 방법으로 얻어질 수 있다.

첫 번째 방법은, 합류 차량 V1의 측면 위치에 기초한다. 따라서, 측면 타깃 차량(V1)이 자기 차량(EGO)의 차선에 가까워질수록 해당 차선에 합류할 가능성이 더 높은 것으로 간주된다. 바람직하게는, 차량의 세로 좌표 Y1보다는, 궤적 및/또는 자기 차량(EGO)의 차선 중심에 대한 측면 거리 Y1'을 사용하는 것이 바람직하며, 여기에서는 일치하여 긴 파선으로 표시된다. 이는 타깃까지의 거리를 곱한 접선의 형태인 차선에서 자기 차량(EGO)의 방향과 연결된 교란을 피할 수 있도록 한다(100 미터에서의 5° = 측면 오차의 8 미터). 따라서 이 방법은 곡선에서 기능적일 수 있다.

도 4는, 커브에서 발생하는 오차를 시각적으로 나타낸 것으로, Y1, Y2의 값들은 자기 차량(EGO)에 링크된 상대 기준 프레임의 횡방향 타깃 차량(V1, V2)의, 예를 들어 범퍼 중앙의 후단의 좌표에 대응하고, 값 Y1' 및 Y2'는 횡방향 타깃 차량(V1, V2)의 자기 차량(EGO)의 차선 중심에 대한 횡방향 거리에 대응하며, 여기에서 횡방향 거리에 대해서는 Y1' > Y2'인 반면, 좌표 Y1 < Y2을 갖는다. 측면 거리 값은, 특히 타깃의 위치와 동일한 용어로 주변 교통을 식별하기 위해 모듈에 의해 제공된다. 따라서, 가중 계수 a 및 b는 측면 거리의 함수로서, 특히 a는 Y1'의 함수로서, b는 Y1'의 역수 함수로서 얻어진다.

도 5에 도시된 두 번째 방법은, 타깃 예측 계수의 변화로서, 자기 차량(EGO)의 궤적과 교차하는 추정 시간을 사용하는 것으로 구성되며, 여기서는 3초, T+3에 대응한다. 자기 차량(EGO)의 궤적과 교차하는 예상 시간은 궤적 예측에 기초하며, 둘 다 타깃의 위치와 동일한 용어로 주변 교통 식별을 위한 모듈에 의해 제공된다.

이하에서는 합류 차량(V1)의 횡방향 위치에 따른 예측 계수를 사용하되 적용은 두 번째 방법과 동일하다.

가중 계수 a 및 b는 특히 다음과 같은 방식으로 강성 계수 k 또는 업데이트 계수를 사용하는 것이 바람직한다: a = Y1'; b = k/Y1'

따라서, 강성의 계수 k는 합류 차량 V1을 나타내는 크기인 크기 X1의 레벨로 위치된다. 행동적 관점에서 이 계수는 가상 타깃의 계산에 도입되는 타깃을 고려하는 강도를 정의할 수 있도록 한다; k가 클수록 자기 차량은 보다 많이 예측된다. 문제가 x축애 대해 대칭적이라는 점을 감안할 때, 우측 타깃에 대한 계수 k와 좌측 타깃에 대한 계수 k는 동일할 것이므로, 이는 특별한 변경 없이, 좌측에서 운전하는 국가에서와 같이 우측에서 운전하는 국가에서 동일하게 잘 적용할 수 있다. 반비례(a=1/b)인 가중 계수 a, b를 사용하도록 선택하면, 중심의 평형, 그의 대표성 및 비례성에 필수적인 강성 계수의 모듈로 비율을 유지할 수 있으며, 이는 한계 관리를 용이하게 한다.

다음, 타깃 차량 V0, V1의 중심 G의 세 개의, 위치, 속도, 가속도 크기에 대해 방정식이 얻어진다:

[수학식 2]

및

이들 크기는 각 시간 증분마다 계산되며, 이에 따라 중심 G는 타깃까지의 거리 변화, 속도 변화 및 궤도 수정에 걸친 가속도 변화를 조건으로 취하고 이를 동적으로 수행한다. Y1' 및 k/Y1'의 값은, 여기에서는 단위가 없는 것으로 간주되는 계수이기 때문에 유도시 고려되지 않으며, Y1'이 측면(측방향) 거리에 해당하는 경우, 이는 이미 언급한 바와 같이 합류 시간일 수도 있다. 또한, XG를 계산한 다음, 미분하여 속도와 가속도의 다른 크기를 얻을 수도 있다. 또한, 가중 계수 a, b가 측방향 타깃(V1)의 측면 위치 또는 합류 시간의 함수라는 사실은, 합류 역학을 고려하는 것을 가능하게 한다. 타깃 차량(V1)이 자기 차량(EGO)의 차로에 합류할수록, 합류 차량(V1)의 크기가 더 많이 고려된다. 단 하나의 단일 강성 계수 k가 3개의 방정식에 바람직하게 필요하며, 이는 업데이트를 크게 단순화할 수 있도록 한다. 이 강성 계수 k는, 상황(자유로운 주간 고속도로 또는 정체된 도시 순환 도로)에 따라 다른 거동을 갖도록 자기 차량의 속도에 따라 적응될 수 있으며, 그의 값은 특히 10; 10 범위에 있을 수 있다. 바람직하게는 1의 값을 갖는다.

거리, 속도 및 가속도로 가상 중심 타깃(G)를 생성하는 것은 바람직하게 종래의 ACC 루프에 방해가 되지 않는다. 결과적으로, 본 발명의 방법은 내연 기관이든 전기식이든 관계없이 파워트레인의 제어 조정을 어떤 식으로든 변경하지 않으며, 또한 제동 장치의 조정을 어떤 식으로든 변경하지 않는다. 더욱이, 이 방법은 바람직하게, 타깃 차량(V0, V1) 위치의 중심점(G)을 생성하기 위해 수행된 계산을 그래픽으로 보여주는 도 3에 이미 도시된 바와 같이, 그의 업데이트 동안 용이한 시각화를 가능하게 하는 공간 표현을 갖는다. 물리적 측면에서, 이 방법을 적용하면 다음 거리 설정점 d_s_c에 오프셋 o_d를 추가하는 것과 같다.

차량 V1이 자기 차량 EGO와 차량 V0 사이의 자기 차량 EGO의 차로에 합류하면, 차량 V0으로 인덱싱된다.

이미 언급한 바와 같이, 이 방법은 바람직하게도 우측 또는 좌측에 위치된 타깃을 고려할 수 있으며 특히 다수의 타깃이 자기 차량(EGO) 앞에서 우측 및/또는 좌측에 위치되는지 여부를 고려하는 것을 가능하게 한다. 자기 차량(EGO)과 그에 선행하는 차량 V0 사이의 타깃 차량 V1을 합류하는 것과 유사한 방식으로 이 방법은 도 6에 도시된 바와 같이 3개 이상의 타깃들에 적용된다. 다음, 가상 중심 타깃(G)는 a + b + c ≠ 0, a, b 및 c가 가중 계수인 시스템 (A, a), (B, b), (C, c)의 중심점 G, 및 원점으로 취해진 임의의 점 O에 대해, 다음과 같이 된다:

[수학식 3]

이는 다음을 제공한다.

[수학식 4]

1

NbTm은 균일한 동적 거동을 준수하면서 누락된 타깃의 경우를 포함하여 상기 방법을 적용할 수 있는 누락된 측면 타깃들의 수이다. 또한, 하나 이상의 타깃들이 누락된 경우 디폴트 값들을 규정할 필요가 있다. 따라서, 자기 차량(EGO)의 차선에 차량이 없는 경우,

X0은 다음 거리 설정점 d_s_c와 같고,

는 운전자가 선택한 제어 속도와 같고,

는 0과 같은 것으로 간주된다. 유사하게, 측면 타깃 Vi의 부재시,

는 0으로 간주되고 Yi'는 1로 간주된다. 결과적으로, 타깃 차량 V1 및 V2가 누락된 경우 X_G = X₀이다.

ACC 타깃 문제는 선행하는 타깃에 대한 추종 시간을 준수하는 것이며, 이에 따라 자기 차량의 이점은 차선에서 선행하는 두 차량들 사이의 뒤따르는 시간이 위험한 경우 추가적인 안전 거리를 두는 것이다. 따라서, 이 방법은, 측면 타깃 차량의 합류는 물론 자기 차량이 뒤따르는 차량의 선행 차량의 거동을 모니터링하는 것을 가능하게 한다. 실제로, 이 방법은 자기 차량(EGO) 앞에서 합류하려는 다수의 타깃들 V1, V2에 대한 적용을 가능하게 할 뿐만 아니라 자기 차량(EGO)이 뒤따르는 차량 V0에 선행하는 차량 VP을 고려할 수 있도록 한다. 실제로, 도 6에 도시된 바와 같이, 그의 차선에서 자기 차량(EGO)은, 프리 타깃 차량으로 지칭되는 차량 VP를 따라가는 차량 V0을 따라가며, 측면 차선에는 자기 차량의 좌측 전방에 위치된 차량 V1 및 자기 차량의 전방 우측에 위치된 차량 V2가 존재한다. 우선, 자기 차량(EGO), 선행 차량 V0 및 프리 타깃 차량 VP에만 관심이 있다면, 자기 차량(EGO)과 프리 타깃 차량 VP 사이의 거리인 X_P로 쓸 수 있으며, 이는 시간에 대한 미분과 프리 타깃 상황에서의 강성 계수인 kP와 가중 계수

및

를 갖고, 강성의 단일 계수 k_P는 크기 X_P의 레벨로 위치된다:

[수학식 5]

여기서 가중 계수 a, b는 세로 좌표에서 궤적의 교차 시간을 물리적으로 나타내는 프리 타깃 VP의 추종 시간에 따라 달라진다. 따라서, 항상 2개의 타깃들(V0, VP)이 고려되고, 자기 차량이 프리 타깃 VP의 각각의 속도 변화에 대한 변경에 영향을 받지 않도록 하기 위해 임계 속도에 대해 필터링은 바람직하게는 V0에 대한 그의 속도가 임계값 미만인 경우에만 프리 타깃 VP를 고려하는 방식으로 실시된다. 따라서 프리 타깃 VP는, 작은 진동을 필터링하고 가까운 프리 타깃들만 고려하도록 하는 방식으로, 프리 타깃 속도에서 자기 속도 차이를 제외한 프리 타깃 속도가 미리 결정된 임계값 미만인 경우에만 고려되며, 그 임계값은 예를 들어 수 km/h에 대한 것이다. 업데이트 파라미터로 될 이 임계값은 결국 타깃에 대한 상대 거리를 고려하여 이를 후속 시간 임계값에 동화시키기 위해, 즉, VP와 EGO 사이의 시간이 미리 결정된 임계값 미만인 경우에만 프리 타깃 VP를 고려하는 방식으로, 운전자에 의한 추종 시간 조정의 함수로서의 프리 타깃의 속도의 함수로서 프리 타깃 VP를 고려하여 필터링을 적용하는 것이다. 강성 계수 kP의 값은 바람직하게는]0; 10]의 범위에 있고; 값이 높을수록 더 빨리 제동이 적용되므로 운전자가 선택한 모드의 기능에 따라 조정이 될 수 있으며 예컨대 도시 모드보다 스포츠 모드에서 더 높은 값으로 된다. 그리고, 프리 타깃 VP의 부재를 고려하기 위해, 값이 1일 때 프리 타깃 부재 또는 프리 타깃 차량 VP의 값이 0일 때 프리 타깃 존재의 지표 F_Pab가 이전과 같이 사용되며 프리 타깃이 누락된 경우: XG = X0:이 되도록 디폴트 값들이 취해진다:

[수학식 6]

XG는 바람직하게는, 계산된 다음 미분되어 다른 속도 및 가속도 크기를 얻는다. 이 방법은 또한 도 6에 나타낸 바와 같이 4개(또는 그 이상)의 타깃들을 고려할 수 있으며; 디폴트 값 X0을 갖는 V1, V2, V0 및 VP는 추종 거리 설정점 d_s_c와 같은 것으로 간주되고,

는 운전자가 선택한 제어 속도와 같은 것으로 간주되고,

는 측면 타깃 Vi의 부재시와 유사하게 0으로 간주되고

는 NbTm과 함께 0과 같고 측방향의 타깃의 수가 없고 프리 타깃 부재시에 F_Pabs = 1이며, 이에 따라 측면 타깃 차량이 없을 때 X_G = X₀을 얻는다:.

[수학식 7]

XG는 바람직하게는, 계산된 다음 미분되어 다른 속도 및 가속도 크기를 얻는다. 인식 센서가 허용하는 경우 더 많은 타깃, 특히 측면 타깃들을 고려할 수 있다.

이 방법에 의해, ACC 시스템은 타깃의 변화에 대해 보다 편안한 거동을 보일 것이며, 이 방법에 의한 타깃 차량의 움직임 예측 덕분에 안전성이 향상된다. 따라서 자기 차량(EGO)의 거동은 인간 운전자의 행동에 접근하고 교통이 원활할 것이다.

Claims (13)

1. 차선을 주행하는 자기 차량(EGO)에 대한 운전자 보조 방법에 있어서,
   - 자기 차량의 차선 및 동일 주행 방향의 인접한 적어도 하나의 평행 차선에서 자기 차량 주변의 교통상황을 식별하는 제1 단계;
   - 가상 중심 타깃의 위치, 가상 중심 타깃의 속도 및 가상 중심 타깃의 가속도를 계산하여, 가상 중심 타깃(G)을 결정하는 제2 단계;
   - 자기 차량의 종방향 속도 설정점(Vc), 가속 설정점(Ac) 및 토크 설정점(Cc)을 계산하는 제3 단계로서, 상기 종방향 속도 설정점(Vc)은 가상 중심 타깃(G)의 위치, 가상 중심 타깃(G)의 속도 및 가상 중심 타깃(G)의 가속도의 함수인, 제3 단계를 포함하는 것을 특징으로 하는, 자기 차량(EGO)에 대한 운전자 보조 방법.
2. 제1항에 있어서, 주변 교통상황은, 그의 차선 또는 동일한 교통 방향의 인접한 평행 차선에서 주행하는 자기 차량(EGO)에 선행하는 적어도 2대의 타깃 차량(V0, V1, V2, VP)을 포함하는 것을 특징으로 하는, 자기 차량(EGO)에 대한 운전자 보조 방법.
3. 제1항에 있어서, 상기 제1 식별 단계는, 각각의 타깃 차량에 대해, 자기 차량(EGO)에 대한 타깃 차량의 위치, 타깃 차량의 속도 및 타깃 차량의 가속도의 출력으로서의 결정, 특히 타깃 차량의 궤적의 결정을 갖는 적어도 2대의 타깃 차량들(V0, V1, V2 , VP)의 각각의 검출을 위한 서브스텝을 포함하는 것을 특징으로 하는, 자기 차량(EGO)에 대한 운전자 보조 방법.
4. 제1항 내지 제3항 중 어느 한 항에 있어서, 가상 중심 타깃을 결정하는 제2 단계는, 미리 선택된 제어 속도, 미리 결정된 추종 거리 설정점(d_s_c) 및 상기 식별 단계의 결과룰 입력으로 하는 것을 특징으로 하는, 자기 차량(EGO)에 대한 운전자 보조 방법.
5. 제1항 내지 제4항 중 어느 한 항에 있어서, 상기 가상 중심 타깃을 결정하는 제2 단계는, 필터링 단계를 포함하는 것을 특징으로 하는, 자기 차량(EGO)에 대한 운전자 보조 방법.
6. 제2항 내지 제5항 중 어느 한 항에 있어서, 상기 타깃 차량(V1,V2) 중 적어도 하나는, 인접 차선에 위치되고 또한 자기 차량(EGO)의 차선으로 합류하고자 하는 것을 특징으로 하는, 자기 차량(EGO)에 대한 운전자 보조 방법.
7. 제1항 내지 제6항 중 어느 한 항에 있어서, 상기 가상 중심 타깃을 결정하는 제2 단계는 각 타깃에 대해 결정된 타깃 예측 계수의 변화를 사용하는 것을 특징으로 하는, 자기 차량(EGO)에 대한 운전자 보조 방법.
8. 제1항 내지 제7항 중 어느 한 항에 있어서, 상기 타깃 계수의 변화는, 자기 차량의 궤적(EGO)과 적어도 하나의 타깃 차량 사이의 상대적 횡방향 거리(Y1', Y2')의 함수, 또는 자기 차량(EGO)이 주행하는 차선의 중심과 적어도 하나의 타깃 차량(V1, V2) 사이의 상대적 횡방향 거리의 함수인 것을 특징으로 하는, 자기 차량(EGO)에 대한 운전자 보조 방법.
9. 제7항에 있어서, 타깃 계수의 변화는, 자기 차량 (EGO)의 추정 궤적과 타깃 차량의 추정 궤적의 교차점의 추정 시간의 함수인 것을 특징으로 하는, 자기 차량(EGO)에 대한 운전자 보조 방법. .
10. 제7항에 있어서, 타깃 계수의 변화는, 프리 타깃 차량(VP)의 추종 시간의 함수인 것을 특징으로 하는, 자기 차량(EGO)에 대한 운전자 보조 방법.
11. 제7항 내지 제10항 중 어느 한 항에 있어서, 타깃 계수의 변화는, 강성의 계수(k, kP)의 함수인 것을 특징으로 하는, 자기 차량(EGO)에 대한 운전자 보조 방법.
12. 차선을 주행하는 자기 차량(EGO)에 대한 운전자 보조 시스템(1)으로서,
    - 자기 차량의 차선 및 동일한 통행 방향에서 적어도 하나의 인접한 평행 차선에서 자기 차량 주변의 교통상황을 식별하기 위한 모듈,
    - 가상 중심 타깃의 위치, 가상 중심 타깃의 속도 및 가상 중심 타깃의 가속도를 계산하여, 가상 중심 타깃을 결정하기 위한 모듈(CBV);
    - 자기 차량(EGO)의 종방향 속도 설정점(Vc), 가속 설정점(Ac) 및 토크 설정점(Cc)을 계산하기 위한 모듈(CD, CV, CC)을 포함하고, 상기 종방향 속도 설정점(Vc)은 가상 중심 타깃(G)의 위치, 가상 중심 타깃(G)의 속도 및 가상 중심 타깃(G)의 가속도의 함수인 것을 특징으로 하는, 자기 차량(EGO)에 대한 운전자 시스템(1).
13. 이전 항들 중 어느 한 항에 따른 운전자 보조 시스템(1)을 포함하는 것을 특징으로 하는, 파워트레인과 가속 및 제동 수단을 포함하는 자기 차량(EGO).

Images