KR20230033556A - 대기 조건과 연관된 데이터에 기초한 차량 성능 제어 - Google Patents

대기 조건과 연관된 데이터에 기초한 차량 성능 제어 Download PDF

Info

Publication number
KR20230033556A
KR20230033556A KR1020220002526A KR20220002526A KR20230033556A KR 20230033556 A KR20230033556 A KR 20230033556A KR 1020220002526 A KR1020220002526 A KR 1020220002526A KR 20220002526 A KR20220002526 A KR 20220002526A KR 20230033556 A KR20230033556 A KR 20230033556A
Authority
KR
South Korea
Prior art keywords
vehicle
data associated
processor
drag
speed
Prior art date
Application number
KR1020220002526A
Other languages
English (en)
Inventor
자야프라딥 찬드라세카란
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 KR20230033556A publication Critical patent/KR20230033556A/ko

Links

Images

Classifications

    • 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
    • G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
    • G01C21/3469—Fuel consumption; Energy use; Emission aspects
    • 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
    • B60W60/0011—Planning or execution of driving tasks involving control alternatives for a single driving scenario, e.g. planning several paths to avoid obstacles
    • 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
    • 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, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
    • 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, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
    • B60W30/10—Path keeping
    • 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, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
    • B60W30/14—Adaptive cruise control
    • B60W30/143—Speed control
    • B60W30/146—Speed limiting
    • 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, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
    • B60W30/18—Propelling the vehicle
    • B60W30/188—Controlling power parameters of the driveline, e.g. determining the required power
    • 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
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient 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
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
    • 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
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
    • B60W40/1005—Driving resistance
    • 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
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
    • B60W40/105—Speed
    • 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
    • B60W60/0023—Planning or execution of driving tasks in response to energy consumption
    • 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
    • G01C21/36—Input/output arrangements for on-board computers
    • G01C21/3691—Retrieval, searching and output of information related to real-time traffic, weather, or environmental conditions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • 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
    • B60W2520/00—Input parameters relating to overall vehicle dynamics
    • B60W2520/10—Longitudinal speed
    • 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
    • B60W2530/00—Input parameters relating to vehicle conditions or values, not covered by groups B60W2510/00 or B60W2520/00
    • B60W2530/16—Driving resistance
    • 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
    • B60W2555/00—Input parameters relating to exterior conditions, not covered by groups B60W2552/00, B60W2554/00
    • B60W2555/40—Altitude
    • 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
    • B60W2555/60—Traffic rules, e.g. speed limits or right of way
    • 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
    • B60W2556/00—Input parameters relating to data
    • B60W2556/45—External transmission of data to or from the vehicle
    • 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
    • B60W2556/00—Input parameters relating to data
    • B60W2556/45—External transmission of data to or from the vehicle
    • B60W2556/50—External transmission of data to or from the vehicle for navigation systems
    • 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
    • B60W2720/00—Output or target parameters relating to overall vehicle dynamics
    • B60W2720/10—Longitudinal speed
    • 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
    • G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments

Abstract

환경 조건과 연관된 데이터에 기초하여 차량 성능을 제어하기 위한 방법이 제공된다.

Description

대기 조건과 연관된 데이터에 기초한 차량 성능 제어{CONTROLLING VEHICLE PERFORMANCE BASED ON DATA ASSOCIATED WITH AN ATMOSPHERIC CONDITION}
본 발명은 환경 조건과 연관된 데이터에 기초하여 차량 성능을 제어하기 위한 방법에 관한 것이다.
자율주행 차량(autonomous vehicle; AV)은 사람 및/또는 화물(예컨대, 패키지, 물체, 또는 기타 품목)을 한 위치에서 다른 위치로 운송하는 데 사용될 수 있다. 예를 들어, AV는 운전자없이 또는 승객으로부터의 커맨드 입력 없이 사람의 위치로 네비게이팅하고, 사람이 자율주행 차량에 탑승하기를 기다리고, 지정된 목적지(예컨대, 사람에 의해 선택된 위치)로 네비게이팅할 수 있다.
도 1은 자율주행 시스템의 하나 이상의 컴포넌트를 포함하는 차량이 구현될 수 있는 예시적인 환경이다.
도 2는 자율주행 시스템을 포함하는 차량의 하나 이상의 시스템의 도면이다.
도 3은 도 1과 도 2의 하나 이상의 디바이스 및/또는 하나 이상의 시스템의 컴포넌트들의 도면이다.
도 4는 자율주행 시스템의 특정 컴포넌트들의 도면이다.
도 5a 내지 도 5d는 대기(atmospheric) 조건과 연관된 데이터를 사용하여 차량 성능을 제어하는 프로세스의 도면들이다.
도 6a와 도 6b는 층류(laminar flow)와 난류(turbulent flow)를 경험하는 차량을 각각 나타내는 개략도들이다.
도 7a와 도 7b는 풍속과 풍향 정보에 기초한 예시적인 차량 성능 파라미터 계산들을 나타내는 개략도들이다.
도 8은 대기 조건과 연관된 데이터를 사용하여 차량 성능을 제어하는 프로세스 흐름도이다.
이하의 설명에서는, 설명의 목적으로 본 개시의 완전한 이해를 제공하기 위해 많은 특정 세부사항들이 진술된다. 그러나, 본 개시에 의해 설명되는 실시예들은 이러한 특정 세부사항들 없이 실시될 수 있음이 명백할 것이다. 일부 경우들에서, 본 개시의 양태들을 불필요하게 모호하게 하는 것을 피하기 위해 잘 알려진 구조들 및 디바이스들은 블록도 형태로 예시된다.
시스템, 디바이스, 컴포넌트, 명령어 블록, 데이터 엘리먼트 등을 나타내는 것과 같은 도식적인 엘리먼트들의 특정 배열 또는 순서는 설명의 편의를 위해 도면들에서 예시된 것이다. 그러나, 도면들에서의 도식적인 엘리먼트들의 특정 순서 또는 배열은 그렇게 명시적으로 설명되지 않는 한 특정 순서 또는 시퀀스의 프로세싱, 또는 프로세스들의 분리가 필요하다는 것을 암시하는 것을 의미하지는 않는다는 것을 당업자는 이해할 것이다. 또한, 도면에서의 도식적인 엘리먼트의 포함은 그렇게 명시적으로 설명되지 않는 한, 그러한 엘리먼트가 모든 실시예들에서 필요하다는 것을 암시하거나, 또는 그러한 엘리먼트에 의해 표현된 피처들이 일부 실시예들에서 다른 엘리먼트들 내에 포함되지 않거나 또는 이들과 함께 결합되지 않을 수 있음을 암시하는 것을 의미하지는 않는다.
또한, 실선 또는 점선 또는 화살표와 같은 연결 엘리먼트들이 두 개 이상의 다른 도식적 엘리먼트들 사이의 또는 이들 간의 연결, 관계, 또는 연관을 설명하기 위해 도면들에서 사용되는 경우, 이러한 연결 엘리먼트들의 어떠한 부재도 연결, 관계, 또는 연관이 존재하지 않을 수 있다는 것을 암시하는 것을 의미하지는 않는다. 달리 말하면, 본 개시를 모호하게 하지 않도록 하기 위해 엘리먼트들 간의 일부 연결, 관계, 또는 연관은 도면들에서 예시되지 않는다. 또한, 설명의 편의를 위해, 엘리먼트들 간의 다중 연결, 관계, 또는 연관을 나타내기 위해 단일 연결 엘리먼트가 사용될 수 있다. 예를 들어, 연결 엘리먼트가 신호, 데이터, 또는 명령어(예컨대, "소프트웨어 명령어")의 통신을 나타내는 경우, 이러한 엘리먼트는 통신에 영향을 미치기 위해 필요로 할 수 있는 하나 또는 다중 신호 운행길(path)(예컨대, 버스)을 나타낼 수 있다는 것이 당업자에 의해 이해되어야 한다.
다양한 엘리먼트들을 설명하기 위해 제1, 제2, 제3 등의 용어들이 사용되지만, 이러한 엘리먼트들은 이러한 용어들에 의해 한정되어서는 안된다. 제1, 제2, 제3 등의 용어들은 한 엘리먼트를 다른 엘리먼트와 구별시키는 데만 사용된다. 예를 들어, 설명되는 실시예들의 범위로부터 벗어나지 않고서, 제1 접점은 제2 접점으로서 칭해질 수 있으며, 마찬가지로, 제2 접점은 제1 접점으로서 칭해질 수 있다. 제1 접점과 제2 접점은 둘 다 접점들이되, 이들은 동일한 접점이 아니다.
본원에서 설명되는 다양한 실시예들의 설명에서 사용되는 용어는 특정 실시예들을 설명하기 위한 목적으로 포함된 것일 뿐이며, 한정시키려는 의도는 없다. 설명되는 다양한 실시예들 및 첨부된 청구항들의 설명에서 사용되는 바와 같이, 단수 형태는 복수 형태도 포함하도록 의도된 것이며, 문맥이 달리 명시적으로 표시하지 않는 한 "하나 이상" 또는 "적어도 하나"와 상호교환적으로 사용될 수 있다. 또한, 본원에서 사용되는 "및/또는"의 용어는 연관된 나열 항목들 중 하나 이상의 임의의 모든 가능한 조합들을 가리키고 이를 망라한다는 것을 이해할 것이다. 이 설명에서 사용될 때, "구비한다", "구비하는", "포함한다", 및/또는 "포함하는"의 용어들은 진술된 특징, 정수, 단계, 동작, 엘리먼트, 및/또는 컴포넌트의 존재를 규정하지만, 하나 이상의 다른 특징, 정수, 단계, 동작, 엘리먼트, 컴포넌트, 및/또는 이들의 그룹의 존재 또는 추가를 배제하지 않음을 또한 이해할 것이다.
본원에서 사용되는 "통신" 및 "통신하다"의 용어들은 정보(또는 예를 들어, 데이터, 신호, 메시지, 명령어, 커맨드 등에 의해 표현되는 정보)의 수신, 수령, 송신, 전송, 제공 등 중 적어도 하나를 가리킨다. 하나의 유닛(예컨대, 디바이스, 시스템, 디바이스 또는 시스템의 컴포넌트, 이들의 조합 등)이 다른 유닛과 통신한다는 것은 이 하나의 유닛이 직접적으로 또는 간접적으로 다른 유닛으로부터 정보를 수신하고/수신하거나 다른 유닛에 정보를 보낼(예컨대, 송신할) 수 있다는 것을 의미한다. 이것은 본질적으로 유선 및/또는 무선의 직접적 또는 간접적 연결을 가리킬 수 있다. 추가적으로, 송신된 정보가 제1 유닛과 제2 유닛 사이에서 수정되고, 프로세싱되고, 중계되고, 및/또는 라우팅될 수 있더라도 두 유닛들은 서로 통신할 수 있다. 예를 들어, 제1 유닛이 수동적으로 정보를 수신하고 제2 유닛에 정보를 능동적으로 송신하지 않더라도 제1 유닛은 제2 유닛과 통신할 수 있다. 다른 예시에서, 적어도 하나의 중간 유닛(예를 들어, 제1 유닛과 제2 유닛 사이에 위치한 제3 유닛)이 제1 유닛으로부터 수신된 정보를 프로세싱하고 프로세싱된 정보를 제2 유닛에 송신하는 경우 제1 유닛은 제2 유닛과 통신할 수 있다. 일부 실시예들에서, 메시지는 데이터를 포함하는 네트워크 패킷(예컨대, 데이터 패킷 등)을 가리킬 수 있다.
본원에서 사용되는 바와 같이, "만약"이라는 용어는, 선택적으로, 문맥에 따라, "할 때", "할 시에", "결정에 응답하여", "검출에 응답하여" 등을 의미하는 것으로 해석된다. 마찬가지로, "결정된다면" 또는 "[명시된 조건 또는 이벤트]가 검출된다면"의 문구는, 선택적으로, 문맥에 따라, "결정 시", "결정에 응답하여", "[명시된 조건 또는 이벤트]의 검출 시," "[명시된 조건 또는 이벤트]를 검출한 것에 응답하여" 등을 의미하는 것으로 해석된다. 또한, 본원에서 사용되는 바와 같이, "가지다", "갖는다", "갖는" 등의 용어는 개방형 종결 용어들인 것으로 의도된 것이다. 또한, "~에 기초한"의 문구는 달리 명시적으로 언급되지 않는 한 "적어도 부분적으로 ~에 기초한"을 의미하는 것을 의도한다.
이제, 실시예들에 대한 참조가 상세하게 이루어질 것이며, 이러한 실시예들의 예시들은 첨부 도면들에서 예시되어 있다. 아래의 상세한 설명에서, 설명되는 다양한 실시예들의 완전한 이해를 제공하기 위해 다수의 특정 세부사항이 설명된다. 그러나, 설명되는 다양한 실시예들은 이러한 특정 세부사항 없이 실시될 수 있다는 것이 당업자에게 명백할 것이다. 다른 예시들에서, 잘 알려진 방법, 프로시저, 컴포넌트, 회로, 및 네트워크는 실시예들의 양태들을 불필요하게 모호하게 하지 않도록 상세하게 설명되지 않았다.
각각이 서로 독립적으로 사용되거나 또는 다른 특징들의 임의의 조합과 함께 사용될 수 있는 몇가지 특징들이 이하에서 설명된다. 그러나, 어떠한 개별 특징도 위에서 논의한 문제들을 해결하지 못할 수 있거나 또는 위에서 논의한 문제들 중 하나만을 해결할 수 있다. 위에서 논의한 문제들 중 일부는 본원에서 설명된 특징들 중 임의의 것에 의해 완전히 해결되지 않을 수 있다. 표제들이 제공되지만, 특정 표제와 관련된 정보는, 해당 표제를 갖는 섹션에서 발견되지 않더라도, 이 설명의 다른 곳에서 발견될 수 있다. 실시예들은 아래의 개요에 따라 본원에서 설명된다:
1. 일반적 개관
2. 하드웨어 개관
3. 아키텍처 개관
4. 대기 조건과 연관된 데이터를 사용하여 차량을 제어하기 위한 아키텍처 프로세스 흐름들
5. 예시적인 사용 케이스 - 기류(Airflow) 및 방향
6. 대기 조건과 연관된 데이터를 사용하여 차량을 제어하기
1. 일반적 개관
차량(예를 들어, 자율주행 차량)의 제어를 위한 성능 메트릭은 대기(또는, 동의어로는 환경) 조건과 연관된 데이터를 사용하여 결정될 수 있다. 예를 들어, 공기 밀도는 차량에 대한 항력(drag)의 계산에 포함될 수 있으며, 항력을 최소화하기 위해 최적화된 타겟 차량 속도가 결정될 수 있으며, 이는 결국 에너지 소비를 감소시킬 것이다. 실시예에서, 풍속과 풍향이 차량 속도를 결정할 때 고려될 수 있다. 예를 들어, 순풍(tail wind)을 경험하는 차량은 상기 차량이 역풍(head wind)에 직면했을 때보다 적은 에너지를 사용하여 타겟 속도로 동작한다. 환경 조건과 연관된 데이터는 차량을 실시간으로 제어하는 데 기여할 수 있으며 경로(route) 플래닝에서도 사용될 수 있다. 예를 들어, 차량 센서는 환경 조건과 연관된 데이터를 실시간으로 관찰하여 즉각적인 속도 변경을 수행할 수 있다. 실시예에서, 환경 조건과 연관된 데이터는 네트워크화된 소스들로부터 획득될 수 있고 차량에 대한 경로 및 제어 플래닝에서 사용될 수 있다.
일부 양태들 및/또는 실시예들에서, 본원에서 설명되는 시스템, 방법, 및 컴퓨터 프로그램 제품은 자율주행 차량에 대한 항력에 기여할 수 있는 정보와 같은 대기 정보를 사용하여, 차량 속도 및 방향/진로를 포함하는 자율주향 차량(AV)의 움직임을 결정하는 것을 포함하고 및/또는 구현한다.
본원에서 설명되는 시스템, 방법, 및 컴퓨터 프로그램 제품의 구현으로 인해, 환경 조건과 연관된 데이터를 사용하여 자율주행 차량을 제어하는 기술들은 자율주행 차량 효율성(예컨대, 연료 효율성, 목적지를 향해 이동하는 동안의 내비게이션 등)을 증가시킬 수 있으며, 보다 구체적으로, 에너지 소비 감소, 경로 플래닝 및 실행 개선과 같은 개선된 성능 메트릭을 초래시킬 수 있다.
추가적으로, 또는 대안적으로, 차량의 움직임이 대기 조건들에 의해 (예를 들어, 역풍, 순풍, 측풍 등에 의해) 덜 영향을 받도록 차량의 동작이 제어될 수 있다. 이는 차량의 위치, 차량의 속력 등에 관한 AV에 의한 (예를 들어, AV 컴퓨터(400) 및/또는 유사한 디바이스들에 의한) 보다 정확한 결정을 가져올 수 있다.
실시예에서, 항력 측정 센서가 차량에 대한 항력을 측정하기 위해 차량에 의해 사용될 수 있다. 항력 측정 센서는 또한 다른 AV 센서들, AV 인식 시스템, 및 차량의 속도 및 가속/감속을 제어하는 데 사용되는 기타 컴포넌트들을 보강할 수 있다.
2. 하드웨어 개관
이제 도 1을 참조하면, 자율주행 시스템을 포함하는 차량뿐만이 아니라, 그렇지 않은 차량이 동작되는 예시적인 환경(100)이 도시되어 있다. 도시된 바와 같이, 환경(100)은 차량들(102a~102n), 물체들(104a~104n), 경로들(106a~106n), 영역(108), 차량 투 인프라스트럭처(vehicle-to-infrastructure; V2I) 디바이스(110), 네트워크(112), 원격 자율주행 차량(AV) 시스템(114), 차대(fleet) 관리 시스템(116), 및 V2I 시스템(118)을 포함한다. 차량들(102a~102n), 차량 투 인프라스트럭처(V2I) 디바이스(110), 네트워크(112), 자율주행 차량(AV) 시스템(114), 차대 관리 시스템(116), 및 V2I 시스템(118)은 유선 연결, 무선 연결, 또는 유선 또는 무선 연결들의 조합을 통해 상호연결된다(예를 들어, 통신 등을 위한 연결을 구축한다). 일부 실시예들에서, 물체들(104a~104n)은 유선 연결, 무선 연결, 또는 유선 또는 무선 연결들의 조합을 통해 차량들(102a~102n), 차량 투 인프라스트럭처(V2I) 디바이스(110), 네트워크(112), 자율주행 차량(AV) 시스템(114), 차대 관리 시스템(116), 및 V2I 시스템(118) 중 적어도 하나와 상호연결된다.
차량들(102a~102n)(개별적으로 차량(102)이라고 지칭되고 집합적으로 차량들(102)이라고 지칭됨)은 물품 및/또는 사람을 운송하도록 구성된 적어도 하나의 디바이스를 포함한다. 일부 실시예들에서, 차량들(102)은 네트워크(112)를 통해 V2I 디바이스(110), 원격 AV 시스템(114), 차대 관리 시스템(116), 및/또는 V2I 시스템(118)과 통신하도록 구성된다. 일부 실시예들에서, 차량들(102)은 자동차, 버스, 트럭, 기차 등을 포함한다. 일부 실시예들에서, 차량들(102)은 본원에서 설명된 차량들(200)(도 2 참조)과 동일하거나 유사하다. 일부 실시예들에서, 차량들(200)의 세트 중의 차량(200)은 자율주행 차대 관리자와 연관된다. 일부 실시예들에서, 차량들(102)은 본원에서 설명되는 바와 같이, 각각의 경로들(106a~106n)(개별적으로 경로(106)라고 지칭되고 집합적으로 경로들(106)이라고 지칭됨)을 따라 이동한다. 일부 실시예들에서, 하나 이상의 차량(102)은 자율주행 시스템(예를 들어, 자율주행 시스템(202)과 동일하거나 유사한 자율주행 시스템)을 포함한다.
물체들(104a~104n)(개별적으로 물체(104)라고 지칭되고 집합적으로 물체들(104)이라고 지칭됨)은 예를 들어, 적어도 하나의 차량, 적어도 한 명의 보행자, 적어도 한 명의 자전거 타는 사람, 적어도 하나의 구조물(예컨대, 건물, 표지판, 소화전 등) 등을 포함한다. 각각의 물체(104)는 정지 상태(예를 들어, 일정 기간 동안 고정 위치에 위치함) 또는 이동 상태(예를 들어, 속도를 갖고 적어도 하나의 궤적과 연관됨)에 있다. 일부 실시예들에서, 물체들(104)은 영역(108) 내의 대응하는 위치들과 연관된다.
경로들(106a~106n)(개별적으로 경로(106)라고 지칭되고 집합적으로 경로들(106)이라고 지칭됨)은 AV가 네비게이팅할 수 있는 주(state)들을 연결하는 액션들의 시퀀스(궤적으로서 또한 알려짐)와 각각 연관된다(예컨대, 이를 규정함). 각각의 경로(106)는 초기 주(예를 들어, 제1 시공간 위치, 속도 등에 대응하는 주)에서 시작하여 최종 목표 주(예를 들어, 제1 시공간 위치와는 상이한 제2 시공간 위치) 또는 목표 영역(예를 들어, 수용가능한 주들의 서브공간(예를 들어, 종착 주들))에 이른다. 일부 실시예들에서, 첫번째 주는 개인 또는 개인들이 AV에 의해 픽업될 위치를 포함하고, 두번째 주 또는 영역은 AV에 의해 픽업된 개인 또는 개인들이 하차될 위치 또는 위치들을 포함한다. 일부 실시예들에서, 경로들(106)은 복수의 수용가능한 주 시퀀스들(예를 들어, 복수의 시공간 위치 시퀀스들)을 포함하고, 복수의 주 시퀀스들은 복수의 궤적들과 연관된다(예를 들어, 이를 정의함). 예시에서, 경로들(106)은 도로 교차점에서 회전 방향을 지시하는 일련의 연결된 도로들과 같은, 상위 레벨의 액션들 또는 비정밀한 주 위치들만을 포함한다. 추가적으로, 또는 대안적으로, 경로들(106)은 예를 들어, 특정 타겟 차선들 또는 차선 영역들 내의 정확한 위치들 및 해당 위치에서의 타겟화된 속도와 같은 보다 정밀한 액션들 또는 주들을 포함할 수 있다. 예시에서, 경로들(106)은 중간 목표들에 도달하기 위해 제한된 전방 지평선을 갖는 적어도 하나의 상위 레벨 액션 시퀀스를 따른 복수의 정밀한 주 시퀀스들을 포함하며, 제한된 지평선 주 시퀀스들의 연속적인 반복들의 조합은 최종 목표 주 또는 지역에 종착되는 상위 레벨 경로를 집합적으로 형성하는 복수의 궤적들에 누적적으로 대응한다.
영역(108)은 차량들(102)이 네비게이팅할 수 있는 물리적 영역(예를 들어, 지리적 지역)을 포함한다. 예시에서, 영역(108)은 적어도 하나의 주(예를 들어, 국가, 지방, 국가에 포함된 복수의 주들의 개별 주 등), 주의 적어도 한 부분, 적어도 하나의 도시, 도시의 적어도 한 부분 등을 포함한다. 일부 실시예들에서, 영역(108)은 고속도로, 주간(interstate) 고속도로, 공원로, 시내 길가 등과 같은 적어도 하나의 명명된 가도(thoroughfare)(여기에서 "도로"라고 지칭됨)를 포함한다. 추가적으로, 또는 대안적으로, 일부 예시들에서, 영역(108)은 진입로, 주차장의 섹션, 공터 및/또는 미개발 부지의 섹션, 흙길 등과 같은 적어도 하나의 무명 도로를 포함한다. 일부 실시예들에서, 도로는 적어도 하나의 차선(예를 들어, 차량들(102)이 횡단할 수 있는 도로의 일부)을 포함한다. 예시에서, 도로는 적어도 하나의 차선 표시와 연관된(예를 들어, 이에 기초하여 식별된) 적어도 하나의 차선을 포함한다.
차량 투 인프라스트럭처(V2I) 디바이스(110)(때때로 차량 투 인프라스트럭처(Vehicle-to-Infrastructure; V2X) 디바이스라고 칭해짐)는 차량들(102) 및/또는 V2I 인프라스트럭처 시스템(118)과 통신하도록 구성된 적어도 하나의 디바이스를 포함한다. 일부 실시예들에서, V2I 디바이스(110)는 네트워크(112)를 통해 차량들(102), 원격 AV 시스템(114), 차대 관리 시스템(116), 및/또는 V2I 시스템(118)과 통신하도록 구성된다. 일부 실시예들에서, V2I 디바이스(110)는 무선 주파수 식별(radio frequency identification; RFID) 디바이스, 표지판, 카메라(예를 들어, 2차원(2D) 및/또는 3차원(3D) 카메라), 차선 표시, 가로등, 주차 미터기 등을 포함한다. 일부 실시예들에서, V2I 디바이스(110)는 차량들(102)과 직접 통신하도록 구성된다. 추가적으로, 또는 대안적으로, 일부 실시예들에서, V2I 디바이스(110)는 V2I 시스템(118)을 통해 차량들(102), 원격 AV 시스템(114), 및/또는 차대 관리 시스템(116)과 통신하도록 구성된다. 일부 실시예들에서, V2I 디바이스(110)는 네트워크(112)를 통해 V2I 시스템(118)과 통신하도록 구성된다.
네트워크(112)는 하나 이상의 유선 및/또는 무선 네트워크를 포함한다. 예시에서, 네트워크(112)는 셀룰러 네트워크(예를 들어, 롱 텀 에볼루션(long term evolution; LTE) 네트워크, 3세대(3G) 네트워크, 4세대(4G) 네트워크, 5세대(5G) 네트워크, 코드 분할 다중 액세스(code division multiple access; CDMA) 네트워크 등), 공공 지상 모바일 네트워크(public land mobile network; PLMN), 근거리 네트워크(local area network; LAN), 광역 네트워크(wide area network; WAN), 도시권 네트워크(metropolitan area network; MAN), 전화 네트워크(예컨대, 공중 교환 전화 네트워크(public switched telephone network; PSTN)), 사설 네트워크, 애드 혹 네트워크, 인트라넷, 인터넷, 광섬유 기반 네트워크, 클라우드 컴퓨팅 네트워크 등, 이러한 네트워크들의 일부 또는 전부의 조합 등을 포함한다.
원격 AV 시스템(114)은 네트워크(112)를 통해 차량들(102), V2I 디바이스(110), 네트워크(112), 원격 AV 시스템(114), 차대 관리 시스템(116), 및/또는 V2I 시스템(118)과 통신하도록 구성된 적어도 하나의 디바이스를 포함한다. 예시에서, 원격 AV 시스템(114)은 서버, 서버들의 그룹, 및/또는 기타 유사한 디바이스들을 포함한다. 일부 실시예들에서, 원격 AV 시스템(114)은 차대 관리 시스템(116)과 같은 위치에 있다. 일부 실시예들에서, 원격 AV 시스템(114)은 자율주행 시스템, 자율주행 차량 컴퓨터, 자율주향 차량 컴퓨터에 의해 구현되는 소프트웨어 등을 비롯하여, 차량의 컴포넌트들의 일부 또는 전부의 설치에 관여한다. 일부 실시예들에서, 원격 AV 시스템(114)은 차량의 수명 동안 이러한 컴포넌트들 및/또는 소프트웨어를 유지(예를 들어, 업데이트 및/또는 교체)한다.
차대 관리 시스템(116)은 차량들(102), V2I 디바이스(110), 원격 AV 시스템(114), 및/또는 V2I 인프라스트럭처 시스템(118)과 통신하도록 구성된 적어도 하나의 디바이스를 포함한다. 예시에서, 차대 관리 시스템(116)은 서버, 서버들의 그룹, 및/또는 기타 유사한 디바이스들을 포함한다. 일부 실시예들에서, 차대 관리 시스템(116)은 승차 공유 회사(예를 들어, 다수의 차량들(예를 들어, 자율주행 시스템을 포함하는 차량들 및/또는 자율주행 시스템을 포함하지 않는 차량들)의 동작을 제어하는 조직 등)와 연관된다.
일부 실시예들에서, V2I 시스템(118)은 네트워크(112)를 통해 차량들(102), V2I 디바이스(110), 원격 AV 시스템(114), 및/또는 차대 관리 시스템(116)과 통신하도록 구성된 적어도 하나의 디바이스를 포함한다. 일부 예시들에서, V2I 시스템(118)은 네트워크(112)와는 상이한 연결을 통해 V2I 디바이스(110)와 통신하도록 구성된다. 일부 실시예들에서, V2I 시스템(118)은 서버, 서버들의 그룹, 및/또는 기타 유사한 디바이스들을 포함한다. 일부 실시예들에서, V2I 시스템(118)은 지방 자치체(municipality) 또는 사설 기관(예를 들어, V2I 디바이스(110) 등을 유지하는 사설 기관)과 연관된다.
도 1에서 도시된 엘리먼트들의 개수 및 배열은 예시로서 제공된 것이다. 도 1에서 도시된 것과 비교하여, 추가적인 엘리먼트들, 더 적은 수의 엘리먼트들, 상이한 엘리먼트들, 및/또는 상이하게 배열된 엘리먼트들이 있을 수 있다. 추가적으로, 또는 대안적으로, 환경(100)의 적어도 하나의 엘리먼트는 도 1의 적어도 하나의 상이한 엘리먼트에 의해 수행되는 것으로서 설명된 하나 이상의 기능을 수행할 수 있다. 추가적으로, 또는 대안적으로, 환경(100)의 엘리먼트들의 적어도 하나의 세트는 환경(100)의 엘리먼트들의 적어도 하나의 상이한 세트에 의해 수행되는 것으로서 설명된 하나 이상의 기능을 수행할 수 있다.
이제 도 2를 참조하면, 차량(200)은 자율주행 시스템(202), 파워트레인 제어 시스템(204), 조향 제어 시스템(206), 및 브레이크 시스템(208)을 포함한다. 일부 실시예들에서, 차량(200)은 차량(102)(도 1 참조)과 동일하거나 유사하다. 일부 실시예들에서, 차량(102)은 자율주행 능력(예를 들어, 비제한적인 예시로서, 완전 자율주행 차량(예를 들어, 인간 개입에 의존하지 않는 차량), 고도의 자율주행 차량(예를 들어, 특정 상황들에서 인간 개입에 의존하지 않는 차량), 등을 비롯하여 인간 개입없이 차량(200)이 부분적으로 또는 완전히 동작될 수 있도록 하는 적어도 하나의 기능, 특징, 디바이스 등을 구현함)을 갖는다. 완전 자율주행 차량 및 고도의 자율주행 차량에 대한 자세한 설명은 SAE 인터내셔날의 표준 J3016: 온로드(On-Road) 모터 차량 자동 운전 시스템과 관련된 용어들에 대한 분류 및 정의(이 전문은 참조로서 편입됨)를 참조할 수 있다. 일부 실시예들에서, 차량(200)은 자율주행 차대 관리자 및/또는 승차 공유 회사와 연관된다.
자율주행 시스템(202)은 카메라(202a), LiDAR 센서(202b), 레이더 센서(202c), 및 마이크로폰(202d)과 같은 하나 이상의 디바이스를 포함하는 센서 군을 포함한다. 일부 실시예들에서, 자율주행 시스템(202)은 더 많거나 더 적은 수의 디바이스들 및/또는 상이한 디바이스들(예를 들어, 초음파 센서, 관성 센서, GPS 수신기(아래에서 논의됨), 차량(200)이 이동한 거리의 표시와 연관된 데이터를 생성하는 오도메트리(odometry) 센서 등)을 포함할 수 있다. 일부 실시예들에서, 자율주행 시스템(202)은 본원에서 설명되는 환경(100)과 연관된 데이터를 생성하기 위해 자율주행 시스템(202) 내에 포함된 하나 이상의 디바이스를 사용한다. 자율주행 시스템(202)의 하나 이상의 디바이스에 의해 생성된 데이터는 차량(200)이 위치해 있는 환경(예를 들어, 환경(100))을 관찰하기 위해 본원에서 설명된 하나 이상의 시스템에 의해 사용될 수 있다. 일부 실시예들에서, 자율주행 시스템(202)은 통신 디바이스(202e), 자율주행 차량 컴퓨터(202f), 및 드라이브 바이 와이어(drive-by-wire; DBW) 시스템(202h)을 포함한다.
카메라(202a)는 버스(예컨대, 도 3의 버스(302)와 동일하거나 유사한 버스)를 통해 통신 디바이스(202e), 자율주행 차량 컴퓨터(202f), 및/또는 안전 제어기(202g)와 통신하도록 구성된 적어도 하나의 디바이스를 포함한다. 카메라(202a)는 물리적 물체(예컨대, 자동차, 버스, 연석(curb), 사람 등)를 포함하는 이미지들을 캡처하기 위한 적어도 하나의 카메라(예를 들어, 전하 결합 디바이스(charge-coupled device; CCD), 열 카메라, 적외선(IR) 카메라, 이벤트 카메라 등과 같은 광 센서를 사용하는 디지털 카메라)를 포함한다. 일부 실시예들에서, 카메라(202a)는 카메라 데이터를 출력으로서 생성한다. 일부 예시들에서, 카메라(202a)는 이미지와 연관된 이미지 데이터를 포함하는 카메라 데이터를 생성한다. 이 예시에서, 이미지 데이터는 이미지에 대응하는 적어도 하나의 파라미터(예를 들어, 노출, 밝기 등과 같은 이미지 특성, 이미지 타임스탬프 등)를 지정할 수 있다. 그러한 예시에서, 이미지는 포맷(예를 들어, RAW, JPEG, PNG 등)으로 있을 수 있다. 일부 실시예들에서, 카메라(202a)는 입체시(stereopsis)(스테레오 비전)의 목적으로 이미지들을 캡처하기 위해 차량 상에 구성된(예를 들어, 차량 상에 위치된) 복수의 독립적인 카메라들을 포함한다. 일부 예시들에서, 카메라(202a)는 이미지 데이터를 생성하고 이미지 데이터를 자율주행 차량 컴퓨터(202f) 및/또는 차대 관리 시스템(예를 들어, 도 1의 차대 관리 시스템(116)과 동일하거나 유사한 차대 관리 시스템)에 송신하는 복수의 카메라들을 포함한다. 이러한 예시에서, 자율주행 차량 컴퓨터(202f)는 적어도 두 개의 카메라들로부터의 이미지 데이터에 기초하여 복수의 카메라들 중 적어도 두 개의 카메라의 시야에서 하나 이상의 물체에 대한 깊이를 결정한다. 일부 실시예들에서, 카메라(202a)는 카메라(202a)로부터의 거리 내의(예를 들어, 최대 100미터, 최대 킬로미터 등의) 물체들의 이미지들을 캡처하도록 구성된다. 따라서, 카메라(202a)는 카메라(202a)로부터 하나 이상의 거리에 있는 물체들을 인식하도록 최적화된 센서들 및 렌즈들과 같은 피처들을 포함한다.
실시예에서, 카메라(202a)는 시각적 네비게이팅 정보를 제공하는 하나 이상의 신호등, 거리 표지판, 및/또는 다른 물리적 물체와 연관된 하나 이상의 이미지를 캡처하도록 구성된 적어도 하나의 카메라를 포함한다. 일부 실시예들에서, 카메라(202a)는 하나 이상의 이미지와 연관된 신호등 데이터를 생성한다. 일부 예시들에서, 카메라(202a)는 포맷(예를 들어, RAW, JPEG, PNG 등)을 포함하는 하나 이상의 이미지와 연관된 TLD 데이터를 생성한다. 일부 실시예들에서, TLD 데이터를 생성하는 카메라(202a)는 가능한 한 많은 물리적 물체들에 관한 이미지들을 생성하기 위해 넓은 시야를 갖는 하나 이상의 카메라(예를 들어, 광각 렌즈, 어안 렌즈, 대략 120도 이상의 시야각을 갖는 렌즈 등)를 포함할 수 있다는 점에서, 카메라(202a)는 카메라들을 병합하는 것으로서 본원에서 설명된 다른 시스템들과는 상이하다.
LiDAR(Laser Detection and Ranging) 센서(202b)는 버스(예컨대, 도 3의 버스(302)와 동일하거나 유사한 버스)를 통해 통신 디바이스(202e), 자율주행 차량 컴퓨터(202f), 및/또는 안전 제어기(202g)와 통신하도록 구성된 적어도 하나의 디바이스를 포함한다. LiDAR 센서(202b)는 광 방출기(예를 들어, 레이저 송신기)로부터 광을 송신하도록 구성된 시스템을 포함한다. LiDAR 센서(202b)에 의해 방출된 광은 가시 스펙트럼 외부에 있는 광(예를 들어, 적외선 광 등)을 포함한다. 일부 실시예들에서, 동작 중에, LiDAR 센서(202b)에 의해 방출된 광은 물리적 물체(예컨대, 차량)와 부딪치고 LiDAR 센서(202b)로 되반사된다. 일부 실시예들에서, LiDAR 센서(202b)에 의해 방출된 광은 광이 부딪치는 물리적 물체들을 투과하지 않는다. LiDAR 센서(202b)는 또한 광이 물리적 물체와 부딪친 후에 광 방출기로부터 방출되었던 광을 검출하는 적어도 하나의 광 검출기를 포함한다. 일부 실시예들에서, LiDAR 센서(202b)와 연관된 적어도 하나의 데이터 프로세싱 시스템은 LiDAR 센서(202b)의 시야 내에 포함된 물체들을 나타내는 이미지(예를 들어, 포인트 클라우드, 결합된 포인트 클라우드 등)를 생성한다. 일부 예시들에서, LiDAR 센서(202b)와 연관된 적어도 하나의 데이터 프로세싱 시스템은 물리적 물체의 경계들, 물리적 물체의 표면들(예를 들어, 표면들의 토폴로지) 등을 나타내는 이미지를 생성한다. 이러한 예시에서, 이미지는 LiDAR 센서(202b)의 시야에서의 물리적 물체들의 경계들을 결정하는 데 사용된다.
레이더(Radio Detection and Ranging; radar) 센서(202c)는 버스(예컨대, 도 3의 버스(302)와 동일하거나 유사한 버스)를 통해 통신 디바이스(202e), 자율주행 차량 컴퓨터(202f), 및/또는 안전 제어기(202g)와 통신하도록 구성된 적어도 하나의 디바이스를 포함한다. 레이더 센서(202c)는 무선파(펄스형 또는 연속형)를 송신하도록 구성된 시스템을 포함한다. 레이더 센서(202c)에 의해 송신된 무선파는 미리 결정된 스펙트럼 내에 있는 무선파들을 포함한다. 일부 실시예들에서, 동작 동안, 레이더 센서(202c)에 의해 송신된 무선파들은 물리적 물체와 부딛치고 레이더 센서(202c)로 되반사된다. 일부 실시예들에서, 레이더 센서(202c)에 의해 송신된 무선파들은 일부 물체들에 의해 반사되지 않는다. 일부 실시예들에서, 레이더 센서(202c)와 연관된 적어도 하나의 데이터 프로세싱 시스템은 레이더 센서(202c)의 시야 내에 포함된 물체들을 나타내는 신호들을 생성한다. 예를 들어, 레이터 센서(202c)와 연관된 적어도 하나의 데이터 프로세싱 시스템은 물리적 물체의 경계들, 물리적 물체의 표면들(예를 들어, 표면들의 토폴로지) 등을 나타내는 이미지를 생성한다. 일부 예시들에서, 이미지는 레이더 센서(202c)의 시야에서 물리적 물체들의 경계들을 결정하는 데 사용된다.
마이크로폰(202d)은 버스(예컨대, 도 3의 버스(302)와 동일하거나 유사한 버스)를 통해 통신 디바이스(202e), 자율주행 차량 컴퓨터(202f), 및/또는 안전 제어기(202g)와 통신하도록 구성된 적어도 하나의 디바이스를 포함한다. 마이크로폰(202d)은 오디오 신호들을 캡처하고 오디오 신호들과 연관된(예컨대, 이를 나타내는) 데이터를 생성하는 하나 이상의 마이크로폰(예컨대, 어레이 마이크로폰들, 외부 마이크로폰들 등)을 포함한다. 일부 예시들에서, 마이크로폰(202d)은 트랜스듀서 디바이스들 및/또는 유사 디바이스들을 포함한다. 일부 실시예들에서, 본원에서 설명되는 하나 이상의 시스템은 마이크로폰(202d)에 의해 생성된 데이터를 수신하고 데이터와 연관된 오디오 신호들에 기초하여 차량(200)에 대한 물체의 위치(예를 들어, 거리 등)를 결정할 수 있다.
통신 디바이스(202e)는 카메라(202a), LiDAR 센서(202b), 레이더 센서(202c), 마이크로폰(202d), 자율주행 차량 컴퓨터(202f), 안전 제어기(202g), 및/또는 DBW 시스템(202h)과 통신하도록 구성된 적어도 하나의 디바이스를 포함한다. 예를 들어, 통신 디바이스(202e)는 도 3의 통신 인터페이스(314)와 동일하거나 유사한 디바이스를 포함할 수 있다. 일부 실시예들에서, 통신 디바이스(202e)는 차량 대 차량(V2V) 통신 디바이스(예를 들어, 차량들 간의 데이터의 무선 통신을 가능하게 해주는 디바이스)를 포함한다.
자율주행 차량 컴퓨터(202f)는 카메라(202a), LiDAR 센서(202b), 레이더 센서(202c), 마이크로폰(202d), 통신 디바이스(202e), 안전 제어기(202g), 및/또는 DBW 시스템(202h)과 통신하도록 구성된 적어도 하나의 디바이스를 포함한다. 일부 예시들에서, 자율주행 차량 컴퓨터(202f)는 클라이언트 디바이스, 모바일 디바이스(예를 들어, 셀룰러 전화기, 태블릿 등), 서버(예를 들어, 하나 이상의 중앙 프로세싱 유닛, 그래픽 프로세싱 유닛 등)와 같은 디바이스를 포함한다. 일부 실시예들에서, 자율주행 차량 컴퓨터(202f)는 본원에서 설명된 자율주행 차량 컴퓨터(400)와 동일하거나 유사하다. 추가적으로 또는 대안적으로, 일부 실시예들에서, 자율주행 차량 컴퓨터(202f)는 자율주행 차량 시스템(예를 들어, 도 1의 원격 AV 시스템(114)과 동일하거나 유사한 자율주행 차량 시스템), 차대 관리 시스템(예를 들어, 도 1의 차대 관리 시스템(116)과 동일하거나 유사한 차대 관리 시스템), V2I 디바이스(예를 들어, 도 1의 V2I 디바이스(110)와 동일하거나 유사한 V2I 디바이스), 및/또는 V2I 시스템(예를 들어, 도 1의 V2I 시스템(118)과 동일하거나 유사한 V2I 시스템)과 통신하도록 구성된다.
안전 제어기(202g)는 카메라(202a), LiDAR 센서(202b), 레이더 센서(202c), 마이크로폰(202d), 통신 디바이스(202e), 자율주행 차량 컴퓨터(202f), 및/또는 DBW 시스템(202h)과 통신하도록 구성된 적어도 하나의 디바이스를 포함한다. 일부 예시들에서, 안전 제어기(202g)는 차량(200)의 하나 이상의 디바이스(예를 들어, 파워트레인 제어 시스템(204), 조향 제어 시스템(206), 브레이크 시스템(208) 등)를 동작시키기 위해 제어 신호들을 생성 및/또는 송신하도록 구성된 하나 이상의 제어기(전기적 제어기, 전기기계적 제어기 등)를 포함한다. 일부 실시예들에서, 안전 제어기(202g)는 자율주행 차량 컴퓨터(202f)에 의해 생성 및/또는 송신된 제어 신호들보다 우선하는(예를 들어, 이들보다 우위에 있는) 제어 신호들을 생성하도록 구성된다.
DBW 시스템(202h)은 통신 디바이스(202e) 및/또는 자율주행 차량 컴퓨터(202f)와 통신하도록 구성된 적어도 하나의 디바이스를 포함한다. 일부 예시들에서, DBW 시스템(202h)은 차량(200)의 하나 이상의 디바이스(예를 들어, 파워트레인 제어 시스템(204), 조향 제어 시스템(206), 브레이크 시스템(208) 등)를 동작시키기 위해 제어 신호들을 생성 및/또는 송신하도록 구성된 하나 이상의 제어기(예컨대, 전기적 제어기, 전기기계적 제어기 등)를 포함한다. 추가적으로 또는 대안적으로, DBW 시스템(202h)의 하나 이상의 제어기는 차량(200)의 적어도 하나의 상이한 디바이스(예를 들어, 전향 신호, 헤드라이트, 도어록, 앞유리 와이퍼 등)를 동작시키기 위해 제어 신호들을 생성 및/또는 송신하도록 구성된다.
차량(200)은 적어도 하나의 대기 센서(202k)를 포함할 수 있다. 대기 센서(202k)는 대기 조건을 검출하고, 도 4를 참조하여 설명된 플래닝 시스템(404) 또는 인식 시스템(402)과 같은, AV 컴퓨터(202f)의 컴포넌트에 대기 조건에 관한 정보를 제공할 수 있다. 예시로서, 레이저 후방산란을 갖도록 구성된 레이저가 공기 온도와 밀도를 검출하기 위해 사용될 수 있다. 다른 예시에서, 에어로미터(aerometer), 풍속계(anemometer), 빗물(rain) 센서, 또는 기타 유형의 센서들과 같은 전용 센서들이 다양한 유형들의 대기 조건들을 검출하기 위해 사용될 수 있다. 하나의 비제한적인 예시에서, 풍속계는 항력 계산들을 위해 풍속과 풍향 정보를 검출하는 데 사용될 수 있다. 에어로미터는 항력 계산들을 위해 공기 밀도를 측정하는 데 사용될 수 있다. 다른 센서들 또는 센서 조합들이 다양한 대기 조건들을 측정하는 데 사용될 수 있다. 또한, 대기 센서(202k)는 차량(200)의 단일 지점에 또는 차량(200)의 여러 지점들에 위치할 수 있다.
파워트레인 제어 시스템(204)은 DBW 시스템(202h)과 통신하도록 구성된 적어도 하나의 디바이스를 포함한다. 일부 예시들에서, 파워트레인 제어 시스템(204)은 적어도 하나의 제어기, 액추에이터 등을 포함한다. 일부 실시예들에서, 파워트레인 제어 시스템(204)은 DBW 시스템(202h)으로부터 제어 신호들을 수신하고, 파워트레인 제어 시스템(204)은 차량(200)이 전방으로 움직이기 시작하고, 전방으로 움직이는 것을 멈추고, 후방으로 움직이기 시작하고, 후방으로 움직이는 것을 멈추고, 한 방향으로 가속하고, 한 방향으로 감속하고, 좌회전을 하고, 우회전을 하는 것 등을 야기시킨다. 예시에서, 파워트레인 제어 시스템(204)은 차량의 모터에 제공되는 에너지(예를 들어, 연료, 전기 등)를 증가시키거나, 동일하게 유지하거나, 감소시켜서, 차량(200)의 적어도 하나의 휠을 회전시키거나 또는 회전시키지 않게 한다.
조향 제어 시스템(206)은 차량(200)의 하나 이상의 휠을 회전시키도록 구성된 적어도 하나의 디바이스를 포함한다. 일부 예시들에서, 조향 제어 시스템(206)은 적어도 하나의 제어기, 액추에이터 등을 포함한다. 일부 실시예들에서, 조향 제어 시스템(206)은 차량(200)의 두 개 전방 휠들 및/또는 두 개 후방 휠들이 좌측 또는 우측으로 회전하게 하여 차량(200)이 좌측 또는 우측으로 회전하게 한다. (여기서 전방과 후방이라는 용어는 AV의 위치가 아닌 상대적인 위치를 나타내기 위해 사용되며, 전방과 후방은 본 개시의 범위를 벗어나지 않으면서 바뀌어질 수 있다.) (파워트레인 제어 시스템(204)과 조향 제어 시스템(206)은 (예를 들어, 듀얼 모터 전기 차량의 경우) 다중 모터들을 포함하는 구현들에서 복제될 수 있음이 또한 이해된다.
브레이크 시스템(208)은 차량(200)이 속력을 감소시키고/감소시키거나 정지 상태를 유지하도록 하기 위해 하나 이상의 브레이크를 작동시키도록 구성된 적어도 하나의 디바이스를 포함한다. 일부 예시들에서, 브레이크 시스템(208)은 차량(200)의 하나 이상의 휠과 연관된 하나 이상의 캘리퍼(caliper)가 차량(200)의 대응하는 로터(rotor)에서 닫히게 하도록 구성된 하나 이상의 제어기 및/또는 액추에이터를 포함한다. 추가적으로 또는 대안적으로, 일부 예시들에서, 브레이크 시스템(208)은 자동 긴급 브레이크(automatic emergency braking; AEB) 시스템, 회생 브레이크 시스템 등을 포함한다.
일부 실시예들에서, 차량(200)은 차량(200)의 상태 또는 조건의 속성들을 측정하거나 또는 추론하는 적어도 하나의 플랫폼 센서(명시적으로 도시되지 않음)를 포함한다. 일부 예시들에서, 차량(200)은 위치 추적 시스템(global positioning system; GPS) 수신기, 관성 측정 유닛(inertial measurement unit; IMU), 휠 속도 센서, 휠 브레이크 압력 센서, 휠 토크 센서, 엔진 토크 센서, 조향각 센서 등과 같은 플랫폼 센서들을 포함한다.
일부 실시예들에서, 차량(200)은 하나 이상의 대기 센서(202k)를 포함할 수 있다. 대기 센서(202k)는 대기 현상을 검출하기 위해 차량 상의 다양한 위치들에 위치될 수 있다. 예를 들어, 대기 센서(202k)는 풍속, 난류, 풍향, 항력, 압력, 및 기타 대기 조건들을 측정할 수 있다. 대기 센서(202k)는 AV를 제어하기 위한 정보를 계산하기 위해 AV 컴퓨터에 정보를 제공할 수 있다. 일부 실시예들에서, 대기 센서(202k)는 항력 및 공기역학 계수 계산과 같은 계산을 수행할 수 있다. 센서들의 예시는 에어로미터, 온도계, 기압계 등을 포함한다.
3. 아키텍처 개관
이제 도 3을 참조하면, 디바이스(300)의 개략도가 도시되어 있다. 도시된 바와 같이, 디바이스(300)는 프로세서(304), 메모리(306), 저장 컴포넌트(308), 입력 인터페이스(310), 출력 인터페이스(312), 통신 인터페이스(314), 및 버스(302)를 포함한다. 일부 실시예들에서, 디바이스(300)는 차량들(102)의 적어도 하나의 디바이스(예를 들어, 차량들(102)의 시스템의 적어도 하나의 디바이스) 및/또는 네트워크(112)의 하나 이상의 디바이스(예를 들어, 네트워크(112)의 시스템의 하나 이상의 디바이스)에 대응한다. 일부 실시예들에서, 차량들(102)의 하나 이상의 디바이스(예를 들어, 차량들(102)의 시스템의 하나 이상의 디바이스) 및/또는 네트워크(112)의 하나 이상의 디바이스(예를 들어, 네트워크(112)의 시스템의 하나 이상의 디바이스)는 적어도 하나의 디바이스(300) 및/또는 디바이스(300)의 적어도 하나의 컴포넌트를 포함한다. 도 3에서 도시된 바와 같이, 디바이스(300)는 버스(302), 프로세서(304), 메모리(306), 저장 컴포넌트(308), 입력 인터페이스(310), 출력 인터페이스(312), 및 통신 인터페이스(314)를 포함한다.
버스(302)는 디바이스(300)의 컴포넌트들 간의 통신을 허용하는 컴포넌트를 포함한다. 일부 실시예들에서, 프로세서(304)는 하드웨어, 펌웨어, 또는 하드웨어와 펌웨어의 조합으로 구현된다. 일부 예시들에서, 프로세서(304)는 프로세서(예를 들어, 중앙 프로세싱 유닛(CPU), 그래픽 프로세싱 유닛(GPU), 가속 프로세싱 유닛(APU) 등), 마이크로폰, 디지털 신호 프로세서(DSP), 및/또는 적어도 하나의 기능을 수행하도록 프로그래밍될 수 있는 임의의 프로세싱 컴포넌트(예를 들어, 필드 프로그래밍가능 게이트 어레이(field-programmable gate array; FPGA), 주문형 집적 회로(application specific integrated circuit; ASIC) 등)를 포함한다. 메모리(306)는 프로세서(304)에 의한 사용을 위해 데이터 및/또는 명령어들을 저장하는 랜덤 액세스 메모리(RAM), 판독 전용 메모리(ROM), 및/또는 다른 유형의 동적 및/또는 정적 저장 디바이스(예컨대, 플래시 메모리, 자기 메모리, 및/또는 광학 메모리 등)를 포함한다.
저장 컴포넌트(308)는 디바이스(300)의 동작 및 사용과 관련된 데이터 및/또는 소프트웨어를 저장한다. 일부 예시들에서, 저장 컴포넌트(308)는 하드 디스크(예를 들어, 자기 디스크, 광 디스크, 광자기 디스크, 솔리드 스테이트 디스크 등), 콤팩트 디스크(CD), 디지털 다목적 디스크(DVD), 플로피 디스크, 카트리지, 자기 테이프, CD-ROM, RAM, PROM, EPROM, FLASH-EPROM, NV-RAM, 및/또는 대응 드라이브와 함께, 다른 유형의 컴퓨터 판독가능 매체를 포함한다.
입력 인터페이스(310)는 사용자 입력(예컨대, 터치스크린 디스플레이, 키보드, 키패드, 마우스, 버튼, 스위치, 마이크로폰, 카메라 등)을 통해서와 같이, 디바이스(300)가 정보를 수신하는 것을 허용하는 컴포넌트를 포함한다. 추가적으로, 또는 대안적으로, 일부 실시예들에서, 입력 인터페이스(310)는 정보를 감지하는 센서(예컨대, 위치 추적 시스템(GPS) 수신기, 가속도계, 자이로스코프, 액추에이터 등)를 포함한다. 출력 인터페이스(312)는 디바이스(300)로부터의 출력 정보를 제공하는 컴포넌트(예를 들어, 디스플레이, 스피커, 하나 이상의 발광 다이오드(LED) 등)를 포함한다.
일부 실시예들에서, 통신 인터페이스(314)는 유선 연결, 무선 연결, 또는 유무선 연결들의 조합을 통해 디바이스(300)가 다른 디바이스들과 통신하는 것을 허용하는 트랜스시버형 컴포넌트(예컨대, 트랜스시버, 별개의 수신기 및 송신기 등)를 포함한다. 일부 예시들에서, 통신 인터페이스(314)는 디바이스(300)가 정보를 다른 디바이스로부터 수신하고/수신하거나 정보를 다른 디바이스에 제공하는 것을 허용한다. 일부 예시들에서, 통신 인터페이스(314)는 이더넷 인터페이스, 광학 인터페이스, 동축 인터페이스, 적외선 인터페이스, 무선 주파수(RF) 인터페이스, 범용 직렬 버스(USB) 인터페이스, Wi-Fi® 인터페이스, 셀룰러 네트워크 인터페이스 등을 포함한다.
일부 실시예들에서, 디바이스(300)는 본원에서 설명된 하나 이상의 프로세스를 수행한다. 디바이스(300)는 메모리(306) 및/또는 저장 컴포넌트(308)와 같이, 컴퓨터 판독가능 매체에 의해 저장된 소프트웨어 명령어들을 프로세서(304)가 실행하는 것에 기초하여 이들 프로세스들을 수행한다. 컴퓨터 판독가능 매체(예를 들어, 비일시적 컴퓨터 판독가능 매체)는 본원에서 비일시적 메모리 디바이스로서 정의된다. 비일시적 메모리 디바이스는 단일 물리적 저장 디바이스 내부에 위치한 메모리 공간 또는 다중 물리적 저장 디바이스들에 걸쳐 분산된 메모리 공간을 포함한다.
일부 실시예들에서, 소프트웨어 명령어들은 다른 컴퓨터 판독가능 매체로부터 또는 통신 인터페이스(314)를 통해 다른 디바이스로부터 메모리(306) 및/또는 저장 컴포넌트(308) 내로 판독된다. 실행시, 메모리(306) 및/또는 저장 컴포넌트(308) 내에 저장된 소프트웨어 명령어들은 프로세서(304)로 하여금 본원에서 설명된 하나 이상의 프로세스를 수행하게 한다. 추가적으로, 또는 대안적으로, 본원에서 설명된 하나 이상의 프로세스를 수행하기 위해 소프트웨어 명령어들을 대신하여 또는 소프트웨어 명령어들과의 조합으로 하드와이어드 회로부가 사용된다. 따라서, 본원에서 설명되는 실시예들은 달리 명시적으로 언급되지 않는 한 하드웨어 회로부와 소프트웨어의 임의의 특정 조합으로 제한되지 않는다.
메모리(306) 및/또는 저장 컴포넌트(308)는 데이터 저장소 또는 적어도 하나의 데이터 구조(예를 들어, 데이터베이스 등)를 포함한다. 디바이스(300)는 메모리(306) 또는 저장 컴포넌트(308) 내의 데이터 저장소 또는 적어도 하나의 데이터 구조로부터 정보를 수신하거나, 그 안에 정보를 저장하거나, 이들에 정보를 전달하거나, 그 안에 저장되어 있는 정보를 검색할 수 있다. 일부 예시들에서, 정보는 네트워크 데이터, 입력 데이터, 출력 데이터, 또는 이들의 임의의 조합을 포함한다.
일부 실시예들에서, 디바이스(300)는 메모리(306) 및/또는 다른 디바이스(예를 들어, 디바이스(300)와 동일하거나 유사한 다른 디바이스)의 메모리 중 어느 하나에 저장된 소프트웨어 명령어들을 실행하도록 구성된다. 본원에서 사용되는 바와 같이, "컴포넌트"라는 용어는 프로세서(304)에 의해 및/또는 다른 디바이스(예를 들어, 디바이스(300)와 동일하거나 유사한 다른 디바이스)의 프로세서에 의해 실행될 때, 디바이스(300)(예를 들어, 디바이스(300)의 적어도 하나의 컴포넌트)로 하여금 본원에서 설명되는 하나 이상의 프로세스를 수행하게 하는, 메모리(306) 내 및/또는 다른 디바이스의 메모리 내에 저장된 적어도 하나의 명령어를 가리킨다. 일부 실시예들에서, 컴포넌트는 소프트웨어, 펌웨어, 하드웨어 등으로 구현된다.
도 3에서 예시된 컴포넌트들의 개수 및 배열은 예시로서 제공된 것이다. 일부 실시예들에서, 디바이스(300)는 도 3에서 도시된 것과 비교하여, 추가적인 컴포넌트들, 더 적은 수의 컴포넌트들, 상이한 컴포넌트들, 또는 상이하게 배열된 컴포넌트들을 포함할 수 있다. 추가적으로 또는 대안적으로, 디바이스(300)의 컴포넌트들의 세트(예컨대, 하나 이상의 컴포넌트)는 디바이스(300)의 다른 컴포넌트들의 세트 또는 다른 컴포넌트에 의해 수행되는 것으로서 설명된 하나 이상의 기능을 수행할 수 있다.
이제 도 4를 참조하면, 자율주행 차량 컴퓨터(400)(때때로 "AV 스택"이라고 칭함)의 예시적인 블록도가 도시되어 있다. 예시된 바와 같이, 자율주행 차량 컴퓨터(400)는 인식 시스템(402)(때때로 인식 컴포넌트라고 지칭됨), 플래닝 시스템(404)(때때로 플래닝 컴포넌트라고 지칭됨), 측위 시스템(406)(때때로 측위 컴포넌트라고 지칭됨), 제어 시스템(408)(때때로 제어 컴포넌트라고 지칭됨), 및 데이터베이스(410)를 포함한다. 일부 실시예들에서, 인식 시스템(402), 플래닝 시스템(404), 측위 시스템(406), 제어 시스템(408), 및 데이터베이스(410)는 차량의 자율주행 내비게이션 시스템에서 (예를 들어, 차량(200)의 자율주행 차량 컴퓨터(202f)의 적어도 하나의 컴포넌트 내에) 포함되고 및/또는 구현된다. 추가적으로, 또는 대안적으로, 일부 실시예들에서, 인식 시스템(402), 플래닝 시스템(404), 측위 시스템(406), 제어 시스템(408), 및 데이터베이스(410)는 하나 이상의 독립형 시스템(예를 들어, 자율주행 차량 컴퓨터(400)와 동일하거나 또는 유사한 하나 이상의 시스템 등) 내에 포함된다. 일부 예시들에서, 인식 시스템(402), 플래닝 시스템(404), 측위 시스템(406), 제어 시스템(408), 및 데이터베이스(410)는 본원에서 설명되는 차량 및/또는 적어도 하나의 원격 시스템에 위치하는 하나 이상의 독립형 시스템 내에 포함된다. 일부 실시예들에서, 자율주행 차량 컴퓨터(400)에 포함된 시스템들 중 일부 및/또는 전부는 소프트웨어로(예컨대, 메모리에 저장된 소프트웨어 명령어들로), 컴퓨터 하드웨어(예컨대, 마이크로프로세서, 마이크로제어기, 주문형 집적 회로(ASIC), 필드 프로그래밍 게이트 어레이(FPGA) 등에 의해), 또는 컴퓨터 소프트웨어와 컴퓨터 하드웨어의 조합으로 구현된다. 또한, 일부 실시예들에서, 자율주행 차량 컴퓨터(400)는 원격 시스템(예를 들어, 원격 AV 시스템(114)과 동일하거나 유사한 자율주행 차량 시스템, 차대 관리 시스템(116))과 동일하거나 유사한 차대 관리 시스템(116), V2I 시스템(118)과 동일하거나 유사한 V2I 시스템 등)과 통신하도록 구성된다는 것이 이해될 것이다.
일부 실시예들에서, 인식 시스템(402)은 환경 내 적어도 하나의 물리적 물체와 연관된 데이터(예를 들어, 인식 시스템(402)에 의해 적어도 하나의 물리적 물체를 검출하기 위해 사용되는 데이터)를 수신하고 적어도 하나의 물리적 물체를 분류한다. 일부 예시들에서, 인식 시스템(402)은 적어도 하나의 카메라(예를 들어, 카메라(202a))에 의해 캡처된 이미지 데이터를 수신하고, 이미지는 적어도 하나의 카메라의 시야 내의 하나 이상의 물리적 물체와 연관된다(예를 들어, 이를 나타낸다). 그러한 예시에서, 인식 시스템(402)은 물리적 물체들(예를 들어, 자전거, 차량, 교통 표지판, 보행자 등)의 하나 이상의 그룹화에 기초하여 적어도 하나의 물리적 물체를 분류한다. 일부 실시예들에서, 인식 시스템(402)이 물리적 물체들을 분류한 것에 기초하여 인식 시스템(402)은 물리적 물체들의 분류와 연관된 데이터를 플래닝 시스템(404)에 송신한다.
일부 실시예들에서, 인식 시스템(402)은 아래에서 더 상세히 설명되는 바와 같이, 차량에 대한 항력을 계산하는 데 사용될 수 있는 대기 센서에서 적어도 하나를 포함(또는 이로부터 정보를 수신)한다.
일부 실시예들에서, 플래닝 시스템(404)은 목적지와 연관된 데이터를 수신하고, 차량(예를 들어, 차량들(102))이 목적지를 향해 이동할 수 있는 적어도 하나의 경로(예를 들어, 경로들(106))와 연관된 데이터를 생성한다. 일부 실시예들에서, 플래닝 시스템(404)은 인식 시스템(402)으로부터 데이터(예를 들어, 위에서 설명된 물리적 물체들의 분류와 연관된 데이터)를 주기적으로 또는 연속적으로 수신하고, 플래닝 시스템(404)은 인식 시스템(402)에 의해 생성된 데이터에 기초하여 적어도 하나의 궤적을 업데이트하거나 또는 적어도 하나의 상이한 궤적을 생성한다. 일부 실시예들에서, 플래닝 시스템(404)은 측위 시스템(406)으로부터 차량(예컨대, 차량들(102))의 업데이트된 위치와 연관된 데이터를 수신하고, 플래닝 시스템(404)은 측위 시스템(406)에 의해 생성된 데이터에 기초하여 적어도 하나의 궤적을 업데이트하거나 또는 적어도 하나의 상이한 궤적을 생성한다.
일부 실시예들에서, 측위 시스템(406)은 영역 내 차량(예를 들어, 차량들(102))의 위치와 연관된(예를 들어, 위치를 나타내는) 데이터를 수신한다. 일부 예시들에서, 측위 시스템(406)은 적어도 하나의 LiDAR 센서(예를 들어, LiDAR 센서(202b))에 의해 생성된 적어도 하나의 포인트 클라우드와 연관된 LiDAR 데이터를 수신한다. 특정 예시들에서, 측위 시스템(406)은 다중 LiDAR 센서들로부터 적어도 하나의 포인트 클라우드와 연관된 데이터를 수신하고, 측위 시스템(406)은 포인트 클라우드들 각각에 기초하여 결합된 포인트 클라우드를 생성한다. 이러한 예시들에서, 측위 시스템(406)은 적어도 하나의 포인트 클라우드 또는 결합된 포인트 클라우드를 데이터베이스(410)에 저장된 영역의 2차원(2D) 및/또는 3차원(3D) 맵과 비교한다. 그런 후, 측위 시스템(406)이 적어도 하나의 포인트 클라우드 또는 결합된 포인트 클라우드를 맵과 비교한 것에 기초하여 측위 시스템(406)은 영역 내 차량의 위치를 결정한다. 일부 실시예들에서, 맵은 차량의 네비게이팅 이전에 생성된 영역의 결합된 포인트 클라우드를 포함한다. 일부 실시예들에서, 맵은, 제한을 받지 않고서, 도로 기하학적 속성들의 고정밀 맵, 도로 네트워크 연결성 속성들을 기술하는 맵, (통행 속도, 교통량, 차량 및 자전거 통행 차선들의 수, 차선 폭, 차선 통행 방향, 또는 차선 표시 유형과 위치, 또는 이들의 조합과 같은) 도로 물리적 속성들을 기술하는 맵, 및 횡단보도, 교통 표지 또는 다양한 유형의 기타 이동 신호들과 같은 도로 특징들의 공간적 위치들을 기술하는 맵을 포함한다. 일부 실시예들에서, 맵은 인식 시스템에 의해 수신된 데이터에 기초하여 실시간으로 생성된다.
다른 예시에서, 측위 시스템(406)은 위치 추적 시스템(GPS) 수신기에 의해 생성된 글로벌 항법 위성 시스템(Global Navigation Satellite System; GNSS) 데이터를 수신한다. 일부 예시들에서, 측위 시스템(406)은 영역 내에서의 차량의 위치와 연관된 GNSS 데이터를 수신하고, 측위 시스템(406)은 영역 내에서의 차량의 위도와 경도를 결정한다. 이러한 예시에서, 측위 시스템(406)은 차량의 위도와 경도에 기초하여 영역 내에서의 차량의 위치를 결정한다. 일부 실시예들에서, 측위 시스템(406)은 차량의 위치와 연관된 데이터를 생성한다. 일부 예시들에서, 측위 시스템(406)이 차량의 위치를 결정한 것에 기초하여 측위 시스템(406)은 차량의 위치와 연관된 데이터를 생성한다. 그러한 예시에서, 차량의 위치와 연관된 데이터는 차량의 위치에 대응하는 하나 이상의 의미론적 속성과 연관된 데이터를 포함한다.
일부 실시예들에서, 제어 시스템(408)은 플래닝 시스템(404)으로부터 적어도 하나의 궤적과 연관된 데이터를 수신하고 제어 시스템(408)은 차량의 동작을 제어한다. 일부 예시들에서, 제어 시스템(408)은 플래닝 시스템(404)으로부터 적어도 하나의 궤적과 연관된 데이터를 수신하고, 제어 시스템(408)은 제어 신호들을 생성하고 송신하여 파워트레인 제어 시스템(예를 들어, DBW 시스템(202h), 파워트레인 제어 시스템(204) 등), 조향 제어 시스템(예를 들어, 조향 제어 시스템(206)), 및/또는 브레이크 시스템(예를 들어, 브레이크 시스템(208))이 동작하게 함으로써 차량의 동작을 제어한다. 궤적이 좌회전을 포함하는 예시에서, 제어 시스템(408)은 조향 제어 시스템(206)이 차량(200)의 조향각를 조정하게 하여, 차량(200)이 좌회전하게 하는 제어 신호를 송신한다. 추가적으로, 또는 대안적으로, 제어 시스템(408)은 차량(200)의 다른 디바이스들(예를 들어, 헤드라이트, 방향 신호, 도어록, 앞유리 와이퍼 등)이 상태들을 변경하도록 하는 제어 신호들을 생성하고 송신한다.
일부 실시예들에서, 인식 시스템(402), 플래닝 시스템(404), 측위 시스템(406), 및/또는 제어 시스템(408)은 적어도 하나의 기계 학습 모델(예를 들어, 적어도 하나의 다층 인식(multilayer perceptron; MLP), 적어도 하나의 컨볼루션 신경망(convolutional neural network; CNN), 적어도 하나의 순환 신경망(recurrent neural network; RNN), 적어도 하나의 오토인코더, 적어도 하나의 변환기 등)을 구현한다. 일부 예시들에서, 인식 시스템(402), 플래닝 시스템(404), 측위 시스템(406), 및/또는 제어 시스템(408)은 단독으로 또는 위에서 언급된 시스템들 중 하나 이상과 조합하여 적어도 하나의 기계 학습 모델을 구현한다. 일부 예시들에서, 인식 시스템(402), 플래닝 시스템(404), 측위 시스템(406), 및/또는 제어 시스템(408)은 파이프라인(예를 들어, 환경에 위치한 하나 이상의 물체를 식별하기 위한 파이프라인 등)의 일부로서 적어도 하나의 기계 학습 모델을 구현한다. 기계 학습 모델의 구현의 예시는 도 4b 내지 도 4d와 관련하여 아래에 포함된다.
데이터베이스(410)는 인식 시스템(402), 플래닝 시스템(404), 측위 시스템(406), 및/또는 제어 시스템(408)에 송신되고, 이들로부터 수신되고, 및/또는 이들에 의해 업데이트되는 데이터를 저장한다. 일부 예시들에서, 데이터베이스(410)는 동작과 관련된 데이터 및/또는 소프트웨어를 저장하고 자율주행 차량 컴퓨터(400)의 적어도 하나의 시스템을 사용하는 저장 컴포넌트(예를 들어, 도 3의 저장 컴포넌트(308)와 동일하거나 유사한 저장 컴포넌트)를 포함한다. 일부 실시예들에서, 데이터베이스(410)는 적어도 하나의 영역의 2D 및/또는 3D 맵과 연관된 데이터를 저장한다. 일부 예시들에서, 데이터베이스(410)는 도시의 일부, 여러 도시들의 여러 부분들, 여러 도시들, 카운티, 주, 나라(예를 들어, 국가) 등의 2D 및/또는 3D 맵과 연관된 데이터를 저장한다. 그러한 예시에서, 차량(예를 들어, 차량들(102) 및/또는 차량(200)과 동일하거나 유사한 차량)은 하나 이상의 주행가능한 지역(예를 들어, 단일 차선 도로, 다중 차선 도로, 고속도로, 뒷길, 오프로드 트레일 등)을 따라 주행하고, 적어도 하나의 LiDAR 센서의 시야 내에 포함된 물체들을 나타내는 이미지와 연관된 데이터를 적어도 하나의 LiDAR 센서(예를 들어, LiDAR 센서(202b)와 동일하거나 유사한 LiDAR 센서)가 생성하게 한다.
일부 실시예들에서, 데이터베이스(410)는 복수의 디바이스들에 걸쳐 구현될 수 있다. 일부 예시들에서, 데이터베이스(410)는 차량(예를 들어, 차량들(102) 및/또는 차량(200)과 동일하거나 유사한 차량), 자율주행 차량 시스템(예를 들어, 원격 AV 시스템(114)과 유사하거나 동일한 자율주행 차량 시스템), 차대 관리 시스템(예를 들어, 도 1의 차대 관리 시스템(116)과 동일하거나 유사한 차대 관리 시스템), V2I 시스템(예를 들어, 도 1의 V2I 시스템(118)과 동일하거나 유사한 V2I 시스템) 등 내에 포함된다.
일부 실시예들에서, 데이터베이스(410)는 차량 속력, 가속도, 제동, 조향, 및 기타 기능들을 제어하는 데 사용될 수 있는 다양한 메트릭들을 저장할 수 있다. 다양한 메트릭들 중에는 환경 조건과 연관된 데이터가 있다. 환경 조건과 연관된 데이터는 온보드 센서, 날씨 센터, 인터넷 소스, 사용자 디바이스(예컨대, 스마트폰 상의 날씨 앱), 또는 기타 장소들과 같은, 다양한 소스들로부터 수신될 수 있다. 환경 조건과 연관된 데이터는 온도, 풍속, 풍향, 기압, 습도, 공기 밀도, 난기류, 강수 레벨, 및 환경 조건과 연관된 기타 데이터를 포함할 수 있다. 이러한 데이터는 예를 들어, 차량 성능을 최적화하기 위해 타겟 차량 속도들을 계산하는 데 사용될 수 있다.
데이터베이스(410)는 또한 플래닝된 경로들을 따른 위치들에서의 환경 조건과 연관된 예측된 데이터를 저장할 수 있다. AV 효율성을 최적화하는 환경 조건과 연관된 데이터를 사용하여 경로들이 선택될 수 있다. 예를 들어, 역풍이 적을수록 에너지 소비가 줄어들기 때문에 역풍을 최소화하는 경로는 더 높은 역풍 레벨을 갖는 대안 경로에 비해 유리하다.
일부 실시예들에서, 데이터베이스(410)는 AV에 대해 로컬로 있고 및/또는 원격지에 있는 환경 조건과 연관된 데이터에 기초하여 원격으로 결정되었던 차량 제어 정보를 저장한다. 예를 들어, 환경 조건과 연관된 데이터는 AV에 대한 플래닝된 경로 내의 다양한 지점들에서의 최적의 속력을 결정하기 위해 서버에 의해 사용될 수 있다. 경로 자체가 또한 환경 조건과 연관된 데이터에 기초하여 결정될 수 있다. 플래닝된 경로뿐만이 아니라 제어 정보가 데이터베이스에 저장될 수 있다.
데이터베이스 내의 정보는 차량이 경로를 횡단함에 따라 주기적으로 업데이트될 수 있다. 예를 들어, 온보드 센서 및/또는 실시간 날씨/대기 정보를 사용하는 환경 조건과 연관된 관측 데이터를 사용하여 대기 예측이 업데이트될 수 있다.
4. 대기 조건과 연관된 데이터를 사용하여 차량을 제어하기 위한 데이터 입력 및 아키텍처 프로세스 흐름들
도 5a 내지 도 5d는 대기 조건과 연관된 데이터를 사용하여 차량 성능을 제어하는 프로세스의 도면들이다. 도 5a를 참조하면, 실시예에서, 시스템(500)은 AV 컴퓨터(504)(AV 컴퓨터(202f) 및/또는 AV 컴퓨터(400)과 유사함)를 포함하는 차량(502)을 포함한다. 실시예에서, 차량(502)은 이전에 설명된 대기 센서들(202k)과 유사한, 하나 이상의 대기 센서(512a~512n)(여기서, n>1)를 포함할 수 있다. 대기 센서들(512a~512n)은 열선 풍속계, 에어로미터, 풍속 센서, 온도계, 기압계, lidar 시스템, 항력 센서, 또는 대기 조건 정보를 검출할 수 있는 다른 유형들의 센서들 중 적어도 하나를 포함할 수 있다. 대기 센서들(512a~512n)은 AV 컴퓨터(504)에 환경 조건과 연관된 데이터를 제공할 수 있다. 환경 조건과 연관된 데이터는 풍속, 풍향, 공기 밀도, 층류 대 난류, 강수량, 기압, 습도 중 적어도 하나를 나타낼 수 있다. AV 컴퓨터(504)는 차량 성능 메트릭들(예컨대, 타겟 속도), 운행길 계산, 및 차량 제어의 공식에서 환경 조건과 연관된 데이터를 사용할 수 있다. 센서는 역풍/순풍을 결정하기 위해 차량의 전방과 후방에 배치될 수 있다. 예를 들어, 대기 센서는 차량의 후드 또는 보닛 내부에 배치될 수 있으며, OEM(original equipment manufacturer)에 의해 제공되는 것과 동일하게 차량의 표면적(예컨대, 공기역학)이 유지되도록 공기 흡입을 허용하기 위해 후드 또는 보닛에 구멍이 생성될 수 있다.
실시예에서, 차량(502)은 네트워크(520)를 통해 원격 서버(514)로부터 환경 조건과 연관된 데이터를 수신할 수 있다. 서버(514)는 디바이스(300)(도 3 참조)의 컴포넌트들과 동일하거나 유사한 컴포넌트들을 포함할 수 있다. 서버(514)는 다양한 위치들에서의 대기 조건과 연관된 데이터(516)를 저장할 수 있다. 예를 들어, 서버(514)는 특정 위치(예를 들어, 지리학적 좌표들의 세트, 도로, 마을, 도시 등)에 대한 날씨 정보, 풍속, 풍향, 습도 정보, 고도, 공기 밀도, 강수량, 및 환경 조건과 연관된 다른 데이터를 저장할 수 있다. 데이터(516)는 차량에 의해 횡단될 것으로 플래닝되거나 예측되는 것과 같은, 특정 지리학적 영역들에 고유할 수 있다. 데이터(516)는 국가 또는 지방 날씨 서비스, V2V 통신을 통한 온보드 센서를 갖춘 다른 차량들, 위성, 인터넷 소스, 또는 다른 소스들과 같은 다양한 소스들로부터 서버에 의해 수신될 수 있다.
데이터(516)는 네트워크(520)를 통해 차량(502)으로 송신(515)될 수 있다. 네트워크(520)는 셀룰러 네트워크, Wi-Fi 네트워크, 위성 기반 네트워크, 또는 다른 유형의 무선 통신 네트워크일 수 있다. 데이터(516)는 데이터베이스(410) 내와 같이, AV 컴퓨터(504) 내에 저장될 수 있다. AV 컴퓨터(504)는 차량 성능 메트릭, 운행길 계산, 및 차량 제어의 공식에서 대기 조건 정보를 사용할 수 있다.
도 5b는 AV 컴퓨터(504)를 갖는 차량(502)을 예시하는 개략도이다. AV 컴퓨터(504)는 도 4를 참조하여 이전에 설명된 바와 같은, 인식 시스템(402), 플래닝 시스템(404), 측위 시스템(406), 및 제어 시스템(408)을 포함한다. AV 컴퓨터(504)는 또한 차량 성능 메트릭, 차량 운행길, 및 제어 정보를 결정하기 위해 대기 조건 데이터, 및 다른 데이터를 저장하는 데이터베이스(410)를 포함한다. 데이터베이스(410)는 원격 위치로부터 또는 대기 센서들(512a~512n)로부터 수신되는 환경 조건과 연관된 데이터를 저장할 수 있다. 실시예에서, 인식 시스템(402)은 또한 환경 조건과 연관된 데이터를 데이터베이스(410)에 제공할 수 있다.
인식 시스템(402), 데이터베이스(410), 및/또는 대기 센서들(512a~512n)은 환경 조건(539)과 연관된 데이터를 플래닝 시스템(404)에 보낼 수 있다. 측위 시스템(406)은 위치 정보(503)를 플래닝 시스템(404)에 제공할 수 있다. 플래닝 시스템(404)은 차량 성능 메트릭을 결정하기 위해, 다른 데이터와 함께, 환경 조건(539)과 연관된 데이터를 사용한다. 예를 들어, 주어진 시작점과 종료점에 대해, 플래닝 시스템(404)은 환경 조건과 연관된 데이터를 사용하여 차량 효율성을 최적화하는(예를 들어, 에너지 소비를 최소화하는) 차량의 타겟 속도 및 운행길(505)을 계산할 수 있다. 플래닝 시스템(404)은 또한 차량의 운행길에 대한 환경 조건과 연관된 날씨 및 기타 데이터를 결정하기 위해 위치 정보(503)를 사용할 수 있다.
플래닝 시스템(404)은 운행길(505)의 결정의 일부로서 환경 조건과 연관된 데이터를 사용하여 차량에 대한 속도를 계산할 수 있다. 운행길(505)은 제어 시스템(408)으로 송신된다(507). 제어 시스템(408)은 운행길(505)을 실행하기 위해 제어 신호(509)를 생성할 수 있다. 제어 신호는 드라이브 바이 와이어 시스템(522)에 송신될 수 있고, 드라이브 바이 와이어 시스템(522)은 가속/감속, 제동 또는 조향 중 적어도 하나를 사용하여 차량을 조종하기 위해 폐쇄형 피드백 제어 시스템에서 제어 신호를 사용한다.
실시예들에서, 대기 조건의 변화는 실시간으로 차량 성능 메트릭의 변경을 유발시킬 수 있다. 예를 들어, 차량에 대한 증가된 항력은 에너지 효율성을 유지하거나 또는 남아있는 차량 전력량 하에서 목적지에 도달하도록 항력을 감소시키기 위해 속도를 변경시키게 하거나 또는 운행길(505)을 바뀌게 할 수 있다.
도 5c는 본 개시의 실시예들에 따른 차량 성능 메트릭들을 결정하기 위해 환경 조건과 연관된 데이터를 사용하는 플래닝 시스템을 나타내는 개략도이다. 플래닝 시스템(404)은 최적화 컴포넌트(530)를 포함한다. 최적화 컴포넌트(530)는 항력 결정 컴포넌트(532) 및 속도 결정 컴포넌트(534)를 포함한다.
항력 결정 컴포넌트(530)는 하드웨어 컴포넌트, 소프트웨어 컴포넌트, 또는 하드웨어와 소프트웨어의 조합을 포함할 수 있다. 항력 결정 컴포넌트(530)는 환경 조건과 연관된 데이터를 고려하여, 차량에 대한 항력을 결정하기 위해 다양한 입력들을 사용한다. 예를 들어, 항력 결정 컴포넌트(530)는 차량에 대한 항력을 결정하기 위해 다음과 같은 입력들을 사용할 수 있다:
1. 가속도(실제 차량 가속도의 AV 컴퓨터 및 피드백으로부터);
2. 타겟 속력(실제 차량 가속도의 AV 컴퓨터 및 피드백으로부터);
3. 로드 휠 각도(실제 차량 가속도의 AV 컴퓨터 및 피드백으로부터);
4. 대기의 항력 계수(CdA)(센서 또는 AV 컴퓨터로부터);
5. 공기 밀도(센서 또는 AV 컴퓨터로부터); 및
6. 참조 영역(OEM 상수).
현지 대기의 공기 밀도와 항력 계수는 본 개시의 실시예들에 따른 환경 조건과 연관된 데이터로서 간주될 수 있다.
속도 결정 컴포넌트(534)는 차량에 대해 계산된 항력을 사용하여 타겟 속도와 타겟 가속도를 개량시킬 수 있다. 아래의 알고리즘은 하나의 예시를 제공한다:
실시예에서, 최적화 알고리즘은 차량의 속도(V)를 최적화함으로써 항력의 다양한 항력 값들(Dmin)을 계산한다:
Dmin = Cd * A * 0.5 * ρ * V^2, 수학식 [1]
Dactual [i]= (Cd + CdA) * A * 0.5 * ρ * V^2[i](i=1,2,3…N, N>1)
수학식 [2]
여기서:
A = 차량의 참조 표면적;
ρ = 공기 밀도;
Cd = 차량의 항력 계수;
CdA = 대기의 항력 계수; 및
D = 항력
항력의 N개의 Dactual[i] 값들 각각이 Dmin와 비교된다. Dactual[i] = Dmin ± Δ인 경우, 여기서 Δ는 에너지 절약 또는 목적지에 더 빨리 도착하는 것의 트레이드오프에 기초하여 교정될 수 있는 매칭 허용오차(예컨대, 5%)이다. Dmin ± Δ(Dopt[i]라고 칭함)에 가장 근접하게 매칭하는 Dactual[i] 값은 수학식 [2]에서 Vtarget으로 대체하고 Dactual[i]를 Dopt[i]로 대체하는 것에 의해 타겟 속도(Vtarget)에 대해 풀어질 수 있으며, 나머지 변수들은 모두 알려져 있다. Vtarget은 차량에 대한 최소 항력을 보장하기 위한 차량의 최대 속도를 나타낸다. Vtarget이 증가하면, 대기 조건들로 인한 차량에 대한 항력도 증가할 것이며, 차량의 에너지 효율성은 감소할 것이다. Vtarget이 감소하면, 차량에 대한 항력이 감소할 것이며, 차량의 에너지 효율성은 증가할 것이다. 실시예에서, 차량 내 승객은 Δ를 설정하는 데 사용될 수 있는 속력과 효율성에 대한 선호를 선택할 수 있다. 실시예에서, Dactual[i]의 평균 또는 중앙값이 계산될 수 있고 수학식 [2]를 사용하여 Vtarget을 설정하는 데 사용될 수 있다. 실시예에서, 차량의 동작 환경은 최적 값을 계산하기 보다는 디폴트(Vtarget) 값을 설정하는 데 사용된다. 이는, 예를 들어 교통 체증 시 차량이 끊임없이 가다 서다를 한다는 것과 다른 차량들(예컨대, 드래프팅) 또는 인프라스트럭처로부터의 기류에 미치는 영향으로 인해 차량 항력 계산이 덜 정확할 수 있는 밀집된 도시 환경에서 발생할 수 있다.
실시예에서, Cd는 차량 본체의 형상에 기초할 수 있다. 예를 들어, Cd는 대부분의 승용차의 경우 0.25에서 0.3 사이이고, SUV와 같은 "박스형" 차량의 경우 0.35에서 0.45 사이일 수 있다.
실시예에서, 차량의 최소 속력(Vmin)은 법정 제한 속력 ± α일 수 있으며, 여기서 α는 허용오차 값(예컨대, α= 5mph)이다. 일부 실시예들에서, Vmin은 최소 제한 속력(알려진 경우)으로 설정될 수 있다.
따라서, 타겟 차량 속도(Vtarget)를 계산한 후, 제한 속력 ± α와 비교되어질 수 있고, 위 또는 아래인 경우, 법정 제한 속력(알려진 경우)으로 설정될 수 있다.
실시예들에서, 최적화 컴포넌트(404)는 효율성 계산 컴포넌트(536)를 포함한다. 효율성 계산 컴포넌트(536)는 차량 효율성을 최적화하기 위해 환경 조건과 연관된 데이터 및 기타 데이터(예를 들어, 맵 데이터)를 사용하여 차량 효율성 특성을 결정한다. 실시예들에서, 효율성 계산 컴포넌트(536)는 잔여 에너지 레벨에 기초하여 차량이 현재 대기 조건 하에서 목적지에 도달할 수 있는지 여부를 결정한다. 잔여 에너지에 기초하여, 플래닝 시스템(404)은 차량이 재급유/재충전할 수 있는 것을 보장하기 위해 차량의 재충전 또는 재급유를 포함하도록 경로를 재플래닝할 수 있다. 효율성 테스트는 대기 센서(들)가 설치되지 않은 차량과 대기 센서(들)가 설치된 차량을 비교하여 행해질 수 있으며, 와트시/마일 또는 마일/킬로와트시 또는 임의의 다른 효율성 단위를 모니터링할 수 있다. 이 비교는 대기 센서가 원하는 마일리지 효율성을 달성하는 데 효과적임을 증명할 수 있다.
도 5c는 운행길을 플래닝하기 위해 환경 조건과 연관된 데이터가 위치 정보(538)에 결합될 수 있는 방법의 예시를 나타낸다. 출발 지점에서 목적지까지 다양한 위치들에서의 대기 조건들이 플래닝 시스템(404)에 제공될 수 있다. 운행길에 대한 여러 잠재적 경로들을 가정하면, 환경 조건과 연관된 데이터는 어떤 경로가 최적인지를 플래닝 시스템(404)에 알리는 데 도움이 될 수 있다. 예를 들어, 강한 역풍을 피하는 경로가 대안 경로(예컨대, 교통, 사고 등에 기초한 가장 빠른 경로)보다 시간이 약간 더 걸리더라도, 그 경로가 차량 효율성을 증가시킨다면, 그 경로가 바람직할 수 있다. 환경 조건과 연관된 예측 데이터를 사용하여 차량에 대한 잠재적인 항력을 미리계산함으로써, 차량은 성능과 효율성을 최적화하는 운행길을 플래닝할 수 있다.
도 5d는 본 개시의 실시예들에 따른 차량을 제어하기 위한 제어 정보를 계산하는 차량을 나타낸 도면이다. AV 컴퓨터(504)는 제어 시스템(408)을 포함할 수 있다. 제어 시스템(408)은 차량(509)에 대한 제어 신호들을 생성하기 위해 플래닝 시스템(404)으로부터의 플래닝 정보를 사용한다. 제어 신호들은 드라이브 바이 와이어 시스템(540)에 보내지고(541), 드라이브 바이 와이어 시스템(540)은 제어 신호들에 기초하여 차량의 가속/감속, 제동 및 조향을 제어한다.
5. 예시적인 사용 케이스 - 기류(Airflow) 및 방향
도 6a와 도 6b는 층류(laminar flow)와 난류(turbulent flow)를 경험하는 차량을 각각 나타내는 개략도들이다. 차량(602) 주위의 항력(반대력)은 기류가 (차량(602)이 이동 중인 방향으로) 층류일 때 더 적고, 기류가 마일리지 효율성 문제들을 일으킬 수 있는 난류일 때 높다. 실시예에서, 센서들(예를 들어, 에어로미터)은 풍속, 항력, 공기역학 계수를 측정하고 외부 교란들에 관한 데이터를 제공하는 데 사용될 수 있다. 데이터는 차량 성능 문제들을 완화시키는 데 도움을 주도록 하기 위해 난풍의 세기, 대기 조건들을 평가하는 데 사용될 수 있다.
도 7a와 도 7b는 본 개시의 실시예들에 따른 풍속과 풍향 정보에 기초한 예시적인 차량 성능 파라미터 계산들을 나타내는 개략도들이다. 차량(702)은 센서들(704a, 704b)을 포함한다. 이 예시에서, 차량(702)은 초당 10미터(m/s)의 타겟 속도를 갖는다. 센서(704b)는 5m/s의 순풍을 검출할 수 있다. 환경 조건과 연관된 다른 데이터는 다른 소스들(706)에 의해 제공될 수 있다. AV 컴퓨터(708) 내의 최적화 시스템(712)은 차량이 타겟 속도를 달성하는 것을 순풍이 도울 수 있다고 결정하는 데 사용될 수 있다. 최적화 시스템(712)은 타겟 속도를 달성하기 위해 순풍에 기초하여 8m/s의 속도를 설정할 것을 플래닝 시스템(404)에게 지시내린다. 그런 후 AV 컴퓨터(708) 내의 플래닝 시스템(404)은 이에 따라 차량 가속/감속, 제동 및 조향을 제어할 것을 드라이브 바이 와이어(710)에게 지시내린다.
6. 대기 조건과 연관된 데이터를 사용하여 차량을 제어하기
이제 도 8을 참조하면, 본 개시의 실시예들에 따른 환경 조건과 연관된 데이터를 사용하여 차량 성능을 제어하기 위한 프로세스(800)의 흐름도가 예시되어 있다. 실시예에서, 프로세스(800)에 대해 설명되는 단계들 중 하나 이상은 자율주행 시스템(202)에 의해 (예를 들어, 완전히, 부분적으로, 및/또는 이와 유사한 방식으로) 수행된다. 추가적으로, 또는 대안적으로, 실시예에서, 프로세스(800)에 대해 설명되는 하나 이상의 단계는 상술된 최적화기(530), AV 컴퓨터(504), 플래닝 시스템(404), 제어 시스템(408), 및 기타의 것들과 같은 자율주행 시스템(202)으로부터 분리되거나 또는 이를 포함하는 다른 디바이스 또는 디바이스들의 그룹에 의해 (예를 들어, 완전히, 부분적으로, 및/또는 이와 유사한 방식으로) 수행된다.
초기에, 차량은 대기 조건들에 관한 데이터를 수신할 수 있다(802). 차량은 온보드 센서, 다른 차량, 네트워크 소스, 또는 다른 소스로부터 대기 조건과 연관된 데이터를 수신할 수 있다. 데이터는 로컬 데이터베이스 또는 다른 저장소에 저장될 수 있다. 차량은 대기 조건이 차량 성능에 어떻게 영향을 미칠 수 있는지를 결정할 수 있다(804). 예를 들어, 차량은 차량에 대한 측정되거나 결정된 항력을 사용하여 속도 및/또는 가속도를 최적화하는 방법을 결정할 수 있으며, 항력은 차량 외부의 대기 조건들에 의해 적어도 부분적으로 발생한다. 차량은 환경 조건과 연관된 데이터를 사용하여 차량 성능 메트릭들을 결정할 수 있다(806). 성능 메트릭들은 비제한적인 예시로서, 차량의 속도, 최적 경로, 및 최적 효율성이 포함할 수 있다. 차량은 차량 성능 메트릭, 운행길 최적화, 및 효율성을 고려하여 출발지 위치에서 목적지 위치까지의 운행길을 결정할 수 있다(808). 차량은 제어 신호를 생성하고(810), 운행길을 구현하기 위해 제어 신호를 제어기(예를 들어, 드라이브 바이 와이어 시스템)에 송신할 수 있다(812).
실시예에서, 차량을 제어하기 위한 방법은, 적어도 하나의 프로세서를 사용하는 플래닝 시스템에 의해, 차량에 대한 대기 정보(예컨대, 공기 밀도, 풍속/풍향, 난류, 기압, 온도, 다른 조건들)를 수신하는 단계(예컨대, 차량 탑재 센서로부터 수신되고 및/또는 AV 스택 내로 다운로드되고 이로부터 수신됨); 플래닝 시스템을 사용하여, 대기 정보를 사용하여 차량 성능 메트릭(예컨대, 차량의 속도, 가속도, 전력 소모)을 결정하는 단계; 플래닝 시스템을 사용하여, 차량 성능 메트릭(예컨대, 제어 회로가 차량을 제어하는 데 사용하는 정보)을 사용하여 운행길을 결정하는 단계; 및 플래닝 시스템을 사용하여, 운행길과 연관된 데이터를 제공하는 단계를 포함하며, 운행길과 연관된 데이터는 운행길에 기초하여 차량이 동작하게 하도록 구성된다.
실시예에서, 시스템은 적어도 하나의 프로세서, 및 명령어들을 저장하는 적어도 하나의 비일시적 저장 매체를 포함하고, 상기 명령어들은, 적어도 하나의 프로세서에 의해 실행될 때, 적어도 하나의 프로세서로 하여금, 차량에 대한 환경 조건과 연관된 데이터를 식별하고; 환경 조건과 연관된 데이터를 사용하여 차량 성능 메트릭을 결정하며; 결정된 차량 성능 메트릭을 사용하여 차량을 제어하게 한다.
실시예에서, 명령어들을 저장하는 적어도 하나의 비일시적 저장 매체를 포함하고, 상기 명령어들은, 적어도 하나의 프로세서에 의해 실행될 때, 적어도 하나의 프로세서로 하여금, 차량에 대한 환경 조건과 연관된 데이터를 식별하고; 환경 조건과 연관된 데이터를 사용하여 차량 성능 메트릭을 결정하며; 결정된 차량 성능 메트릭을 사용하여 차량을 제어하게 한다.
실시예들의 구현에서, 차량 성능 메트릭을 결정하는 것은 차량 속도들의 범위에 대한 환경 조건과 연관된 데이터를 사용하여 차량에 대한 항력 값을 결정하는 것을 포함한다.
실시예들의 구현에서, 차량 성능 메트릭을 결정하는 것은 가장 낮은 항력 값을 달성하기 위해 차량에 대한 최대 속도를 결정하는 것을 포함한다.
실시예들의 구현에서, 차량 속도들의 범위는 도로 상에서의 최대 및 최소 법정 속력, 도로에 대한 결정된 최대 및 최소 안전 속력, 또는 차량의 잔여 전력 레벨에 대한 최대 및 최소 속력, 또는 미리결정된 최대 및 최소 속력으로부터 결정된다.
실시예들의 구현에서, 항력을 결정하는 것은 환경 조건과 연관된 데이터 및 바람 저항을 받는 차량의 표면적에 관한 정보를 사용하여 항력을 계산하는 것을 포함한다. (예컨대, 항력은 표면적에 정비례한다).
실시예들의 구현에서, 환경 조건과 연관된 데이터는 차량 주변의 공기 밀도를 포함한다. (예컨대, 항력은 공기 밀도에 정비례한다).
실시예들의 구현에서, 환경 조건과 연관된 데이터는 공기 온도, 기류, 기압, 공기 속력, 또는 공기 방향 중 적어도 하나를 포함한다.
실시예들의 구현에서, 항력을 결정하는 것은 위의 수학식 [2]의 결과를 계산하는 것을 포함한다.
실시예들의 구현은 플래닝 시스템에서, 차량에 대한 타겟 목적지를 나타내는 목적지 정보를 수신하는 것(예를 들어, 차량은 여러 상이한 대기 조건들을 포함할 수 있는 경로를 가질 수 있음. 이러한 대기 조건들은 효율성을 감소시키는 풍속/풍향을 피할 수 있도록 경로 플래닝에서 사용될 수 있음); 플래닝 시스템을 사용하여, 차량이 목적지에 도착하기 위한 복수의 경로들을 결정하는 것(예를 들어, 차량이 취할 수 있는 경로들에 대해 다중 옵션들이 있을 수 있음); 플래닝 시스템을 사용하여, 복수의 경로들 각각에 대한 환경 조건과 연관된 데이터를 식별하는 것(예컨대, 풍속/풍향, 공기 밀도, 압력 등은 주/국가의 상이한 부분들에서, 그리고 상이한 경로들을 따라, 그리고 하루 중 상이한 시간들에서 상이할 수 있다. 남쪽으로 향하기 전에 서쪽으로 먼저 향하기 등일 수 있음); 플래닝 시스템을 사용하여, 차량이 환경 조건과 연관된(예컨대, 환경 조건과 연관된 각 경로에 대한 그리고 각 경로의 또는 위치의 데이터에 대한) 데이터에 기초하여 각 경로를 횡단하기 위한 차량 성능을 계산하는 것; 및 플래닝 시스템을 사용하여, 환경 조건과 연관된 데이터 및 차량 성능에 기초하여 차량에 대한 최적화된 경로를 플래닝하는 것(예컨대, 대기 정보에 기초하여 효율성을 최대화하는 경로 선택)을 포함할 수 있다.
실시예들의 구현에서, 차량 성능은 차량에 대한 항력에 기초하고, 항력은 환경 조건과 연관된 데이터를 사용하여 결정된다.
실시예들의 구현은 또한, 차량 궤적 정보를 제어 시스템에 보내는 것; 및 적어도 하나의 프로세서를 사용하는 제어 시스템에 의해, 결정된 차량 궤적 정보를 사용하여 차량을 제어하는 것을 포함한다.
전술한 설명에서, 본 개시의 양태들과 실시예들은 구현마다 변할 수 있는 다수의 특정 세부사항들을 참조하여 설명되었다. 따라서, 상세한 설명과 도면은 제한적인 의미라기보다는 예시적인 것으로서 간주되어야 한다. 본 발명의 범위의 유일하고 배타적인 지표와, 출원인들이 본 발명의 범위인 것으로 의도하는 것은 임의의 후속 보정을 비롯하여, 그러한 청구항들이 이슈화하는 특정 형태로, 본 출원으로부터 이슈화되고 있는 청구항들의 세트의 문자 그대로의 그리고 등가적인 범위이다. 그러한 청구항들에서 포함된 용어들에 대해 본원에서 명시적으로 진술된 모든 정의들은 청구항들에서 사용된 그러한 용어들의 의미를 규율한다. 또한, 앞에서의 상세한 설명 또는 아래에서의 청구항들에서의 "더 포함하는"의 용어를 사용할 때, 이 문구 뒤에 오는 것은 추가적인 단계 또는 엔터티, 또는 이전에 기재된 단계 또는 엔터티의 하위 단계/하위 엔터티일 수 있다.

Claims (20)

  1. 차량을 제어하기 위한 방법에 있어서,
    적어도 하나의 프로세서를 사용하여, 차량에 대한 환경 조건과 연관된 데이터를 수신하는 단계;
    상기 적어도 하나의 프로세서를 사용하여, 상기 환경 조건과 연관된 데이터를 사용하여 차량 성능 메트릭을 결정하는 단계;
    상기 적어도 하나의 프로세서를 사용하여, 상기 차량 성능 메트릭을 사용하여 운행길(path)을 결정하는 단계; 및
    상기 적어도 하나의 프로세서를 사용하여, 상기 운행길과 연관된 데이터를 제공하는 단계
    를 포함하며,
    상기 운행길과 연관된 데이터는 상기 운행길에 기초하여 상기 차량이 동작하게 하도록 구성된 것인 차량을 제어하기 위한 방법.
  2. 제1항에 있어서,
    상기 차량 성능 메트릭을 결정하는 단계는 차량 속도들의 범위에 대한 환경 조건과 연관된 데이터를 사용하여 상기 차량에 대한 항력 값을 결정하는 단계를 포함한 것인 차량을 제어하기 위한 방법.
  3. 제2항에 있어서,
    상기 항력 값을 결정하는 단계는 상기 환경 조건과 연관된 데이터 및 상기 차량의 표면적에 관한 정보를 사용하여 상기 항력 값을 계산하는 단계를 포함한 것인 차량을 제어하기 위한 방법.
  4. 제2항에 있어서,
    상기 항력 값을 결정하는 단계는 D = Cd * A * 0.5 * ρ * V^2의 결과를 계산하는 단계를 포함하고,
    여기서 D는 항력이고, Cd는 항력 계수이고, A는 상기 차량의 참조 표면적이고, ρ는 공기 밀도이고, V는 상기 차량의 속도인 것인 차량을 제어하기 위한 방법.
  5. 제1항에 있어서,
    상기 차량 성능 메트릭을 결정하는 단계는 최저 항력 값을 달성하기 위한 상기 차량에 대한 최대 속도를 결정하는 단계를 포함한 것인 차량을 제어하기 위한 방법.
  6. 제2항에 있어서,
    상기 차량 속도들의 범위는 도로 상에서의 최대 및 최소 법정 속력, 상기 도로에 대한 결정된 최대 및 최소 안전 속력, 상기 차량의 잔여 전력 레벨에 대한 최대 및 최소 속력, 또는 미리결정된 최대 및 최소 속력으로부터 결정되는 것인 차량을 제어하기 위한 방법.
  7. 제1항에 있어서,
    상기 환경 조건과 연관된 데이터는 상기 차량 주변의 공기 밀도와 연관된 데이터를 포함한 것인 차량을 제어하기 위한 방법.
  8. 제1항에 있어서,
    상기 환경 조건과 연관된 데이터는 공기 온도, 난기류(air turbulence), 기압, 공기 속력, 또는 공기 방향 중 적어도 하나와 연관된 데이터를 포함한 것인 차량을 제어하기 위한 방법.
  9. 제1항에 있어서,
    상기 차량에서, 상기 차량에 대한 타겟 목적지를 표시하는 목적지 정보를 수신하는 단계;
    플래닝 시스템을 사용하여, 상기 차량이 상기 타겟 목적지에 도착하기 위한 복수의 경로(route)들을 결정하는 단계;
    상기 적어도 하나의 프로세서를 사용하여, 상기 복수의 경로들 각각에 대한 상기 환경 조건과 연관된 데이터를 식별하는 단계;
    상기 적어도 하나의 프로세서를 사용하여, 상기 환경 조건과 연관된 데이터에 기초하여 상기 차량이 각 경로를 횡단하기 위한 차량 성능을 계산하는 단계;
    상기 적어도 하나의 프로세서를 사용하여, 상기 환경 조건과 연관된 데이터 및 상기 차량 성능에 기초하여 상기 차량에 대한 최적화된 경로를 플래닝하는 단계
    를 더 포함하는 차량을 제어하기 위한 방법.
  10. 제9항에 있어서,
    차량 성능은 상기 차량에 대한 항력에 기초하고, 상기 항력은 상기 환경 조건과 연관된 데이터를 사용하여 결정되는 것인 차량을 제어하기 위한 방법.
  11. 제1항에 있어서,
    적어도 하나의 프로세서를 사용하는 제어 시스템에 의해, 결정된 차량 궤적 정보를 사용하여 상기 차량을 제어하는 단계
    를 더 포함하는 차량을 제어하기 위한 방법.
  12. 시스템에 있어서,
    적어도 하나의 프로세서, 및
    명령어들을 저장하는 적어도 하나의 비일시적 저장 매체
    를 포함하고,
    상기 명령어들은, 상기 적어도 하나의 프로세서에 의해 실행될 때, 상기 적어도 하나의 프로세서로 하여금,
    차량에 대한 환경 조건과 연관된 데이터를 식별하고;
    상기 환경 조건과 연관된 데이터를 사용하여 차량 성능 메트릭을 결정하며;
    상기 결정된 차량 성능 메트릭을 사용하여 상기 차량을 제어하게 하는 것인 시스템.
  13. 제12항에 있어서,
    상기 명령어들은 상기 적어도 하나의 프로세서로 하여금, 잠재적 속도들의 범위에 대한 상기 환경 조건과 연관된 데이터를 사용하여 상기 차량에 대한 항력 값을 결정하게 하는 것인 시스템.
  14. 제13항에 있어서,
    상기 명령어들은 상기 적어도 하나의 프로세서로 하여금, 결정된 항력 값들 중 하나에 기초하여 상기 차량에 대한 최대 속도를 결정하게 하는 것인 시스템.
  15. 제13항에 있어서,
    상기 명령어들은 상기 적어도 하나의 프로세서로 하여금, 상기 차량에 대한 항력을 최소화하도록 상기 차량에 대한 타겟 속도를 결정하게 하는 것인 시스템.
  16. 제13항에 있어서,
    상기 명령어들은 상기 적어도 하나의 프로세서로 하여금, D = Cd * A * 0.5 * ρ * V^2의 결과를 계산하게 하며, 여기서 D는 항력이고, Cd는 상수이고, A는 상기 차량의 참조 면적이고, ρ는 공기 밀도이고, V는 상기 차량의 속도인 것인 시스템.
  17. 차량에 있어서,
    플래닝 시스템; 및
    제어 시스템
    을 포함하고,
    상기 플래닝 시스템은, 환경 조건과 연관된 데이터를 사용하여 차량 성능 메트릭을 결정하고 상기 차량 성능 메트릭을 사용하여 차량 제어 커맨드들을 생성하기 위한 적어도 하나의 프로세서를 포함하며,
    상기 제어 시스템은, 상기 플래닝 시스템으로부터 상기 차량 제어 커맨드들을 수신하고 상기 차량 제어 커맨드들을 사용하여 상기 차량을 제어하기 위한 적어도 하나의 프로세서를 포함한 것인 차량.
  18. 제17항에 있어서,
    상기 차량에서 상기 환경 조건을 감지하기 위한 적어도 하나의 대기(atmospheric) 센서
    를 더 포함하는 차량.
  19. 제17항에 있어서,
    상기 환경 조건과 연관된 데이터를 수신하기 위한 수신기; 및
    상기 환경 조건과 연관된 데이터를 저장하기 위한 데이터베이스
    를 더 포함하며,
    상기 플래닝 시스템은 상기 데이터베이스에 저장된 상기 환경 조건과 연관된 데이터를 사용하여 차량 성능 메트릭을 결정하기 위한 것인 차량.
  20. 제17항에 있어서,
    상기 플래닝 시스템은,
    상기 환경 조건과 연관된 데이터를 사용하여 상기 차량에 대한 경로를 결정하며;
    상기 차량이 상기 경로를 횡단하도록 하기 위한 제어 커맨드들을 생성하기 위한 것인 차량.
KR1020220002526A 2021-08-26 2022-01-07 대기 조건과 연관된 데이터에 기초한 차량 성능 제어 KR20230033556A (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US17/412,949 2021-08-26
US17/412,949 US20230066635A1 (en) 2021-08-26 2021-08-26 Controlling vehicle performance based on data associated with an atmospheric condition

Publications (1)

Publication Number Publication Date
KR20230033556A true KR20230033556A (ko) 2023-03-08

Family

ID=80111926

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220002526A KR20230033556A (ko) 2021-08-26 2022-01-07 대기 조건과 연관된 데이터에 기초한 차량 성능 제어

Country Status (5)

Country Link
US (1) US20230066635A1 (ko)
KR (1) KR20230033556A (ko)
CN (1) CN115729230A (ko)
DE (1) DE102022100068A1 (ko)
GB (1) GB2610252A (ko)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10877476B2 (en) * 2017-11-30 2020-12-29 Tusimple, Inc. Autonomous vehicle simulation system for analyzing motion planners
US20230060755A1 (en) * 2021-08-30 2023-03-02 Robert Bosch Gmbh Safety controller for automated driving

Family Cites Families (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1071603A1 (en) * 1998-04-17 2001-01-31 Arrowswift, Inc. Human-powered energy generation and transmission system
US11267339B2 (en) * 2005-11-17 2022-03-08 Invently Automotive Inc. Vehicle power management system
US8185302B2 (en) * 2010-08-26 2012-05-22 Ford Global Technologies, Llc Conservational vehicle routing
US9026343B2 (en) * 2010-12-29 2015-05-05 Paccar Inc Systems and methods for improving the efficiency of a vehicle
US10850616B2 (en) * 2011-04-08 2020-12-01 Invently Automotive Inc. Using vehicle systems to generate a route database
US9081651B2 (en) * 2013-03-13 2015-07-14 Ford Global Technologies, Llc Route navigation with optimal speed profile
US9612130B2 (en) * 2014-10-01 2017-04-04 Ford Global Technologies, Llc System and method of estimating available driving distance
US20170227470A1 (en) * 2016-02-04 2017-08-10 Proxy Technologies, Inc. Autonomous vehicle, system and method for structural object assessment and manufacture thereof
US10025318B2 (en) * 2016-08-05 2018-07-17 Qualcomm Incorporated Shape detecting autonomous vehicle
US10272924B2 (en) * 2016-12-19 2019-04-30 Baidu Usa Llc Determining control characteristics for an autonomous driving vehicle
US10486684B2 (en) * 2017-06-21 2019-11-26 Ford Global Technologies, Llc HEV energy management for high performance operation
US10678234B2 (en) * 2017-08-24 2020-06-09 Tusimple, Inc. System and method for autonomous vehicle control to minimize energy cost
US11731633B2 (en) * 2017-09-15 2023-08-22 Cummins Inc. Vehicle loss calculation for improved fuel economy
JP7266427B2 (ja) * 2019-03-06 2023-04-28 株式会社クボタ 作業車両
US11584395B2 (en) * 2019-07-31 2023-02-21 Transportation Ip Holdings, Llc Vehicle energy management system
US20220371590A1 (en) * 2019-10-25 2022-11-24 Zf Friedrichshafen Ag Model-Based Predictive Control of a Drive Machine of the Powertrain of a Motor Vehicle and at Least One Vehicle Component Which Influences the Energy Efficiency of the Motor Vehicle
US11708074B2 (en) * 2020-02-14 2023-07-25 Robotic Research Opco, Llc Effect of multiple rules of the road at different elevation profiles on speed constraints and fuel consumption
DE102020204326A1 (de) * 2020-04-02 2021-10-07 Adaptive Balancing Power GmbH Doppelmotoreinheit für einen Schwungmassenspeicher mit nichtlinearer Ge-samt-Leistungskennlinie
US11643080B2 (en) * 2020-10-07 2023-05-09 Toyota Motor Engineering & Manufacturing North America, Inc. Trailing vehicle positioning system based on detected pressure zones
US20220126867A1 (en) * 2020-10-26 2022-04-28 Tusimple, Inc. Wind gust detection by an autonomous vehicle
US11584392B2 (en) * 2020-11-04 2023-02-21 Waymo Llc Route optimization for autonomous driving systems
US20220299327A1 (en) * 2021-03-19 2022-09-22 Ford Global Technologies, Llc Systems and methods for energy efficient mobility using machine learning and artificial intelligence
US20220306156A1 (en) * 2021-03-29 2022-09-29 Nissan North America, Inc. Route Planner and Decision-Making for Exploration of New Roads to Improve Map
US20220317297A1 (en) * 2021-04-06 2022-10-06 Ford Global Technologies, Llc Sensor assembly with concave surface

Also Published As

Publication number Publication date
CN115729230A (zh) 2023-03-03
GB202118930D0 (en) 2022-02-09
DE102022100068A1 (de) 2023-03-02
GB2610252A (en) 2023-03-01
US20230066635A1 (en) 2023-03-02

Similar Documents

Publication Publication Date Title
KR20230033556A (ko) 대기 조건과 연관된 데이터에 기초한 차량 성능 제어
US20230219561A1 (en) Vehicle state estimation augmenting sensor data for vehicle control and autonomous driving
US11738684B2 (en) Vehicle alert using haptic feedback
CN115618992A (zh) 用于行驶时间估计的方法和系统以及计算机可读介质
US20230227032A1 (en) Vehicle Dynamics Classification for Collision and Loss of Control Detection
US20240124009A1 (en) Optimizing alerts for vehicles experiencing stuck conditions
US20230150544A1 (en) Generating notifications indicative of unanticipated actions
US20240051568A1 (en) Discriminator network for detecting out of operational design domain scenarios
US20240005666A1 (en) Managing vehicle resources based on scenarios
US20230209253A1 (en) Autonomous vehicle with microphone safety
US20240125617A1 (en) Aggregation of Data Representing Geographical Areas
US20230242147A1 (en) Methods And Systems For Measuring Sensor Visibility
US20240123996A1 (en) Methods and systems for traffic light labelling via motion inference
US20230303124A1 (en) Predicting and controlling object crossings on vehicle routes
US20240124016A1 (en) Ensemble-based vehicle motion planner
US20230224794A1 (en) Proactive Transceiver and Carrier Automated Arbitration
US20230386083A1 (en) Component calibration using motion capture sensor data
US20230322270A1 (en) Tracker Position Updates for Vehicle Trajectory Generation
US20230159063A1 (en) Autonomous Driving Mode Engagement
US20230192067A1 (en) Motion planner constraint generation based on road surface hazards
US20230063368A1 (en) Selecting minimal risk maneuvers
US20230236313A1 (en) Thermal sensor data vehicle perception
US20240123975A1 (en) Guided generation of trajectories for remote vehicle assistance
WO2024081192A1 (en) Optimizing alerts for vehicles experiencing stuck conditions
WO2024081246A1 (en) Aggregation of data representing geographical areas

Legal Events

Date Code Title Description
E902 Notification of reason for refusal