KR20230092330A - 도로 상황 데이터 처리 장치 및 방법 - Google Patents

도로 상황 데이터 처리 장치 및 방법 Download PDF

Info

Publication number
KR20230092330A
KR20230092330A KR1020210181610A KR20210181610A KR20230092330A KR 20230092330 A KR20230092330 A KR 20230092330A KR 1020210181610 A KR1020210181610 A KR 1020210181610A KR 20210181610 A KR20210181610 A KR 20210181610A KR 20230092330 A KR20230092330 A KR 20230092330A
Authority
KR
South Korea
Prior art keywords
data
objects
road condition
sensing data
cell
Prior art date
Application number
KR1020210181610A
Other languages
English (en)
Inventor
송석일
철 문
Original Assignee
한국교통대학교산학협력단
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 한국교통대학교산학협력단 filed Critical 한국교통대학교산학협력단
Priority to KR1020210181610A priority Critical patent/KR20230092330A/ko
Priority to JP2021214303A priority patent/JP2023090590A/ja
Priority to US17/563,586 priority patent/US20230196919A1/en
Priority to EP22178376.4A priority patent/EP4198940A1/en
Publication of KR20230092330A publication Critical patent/KR20230092330A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/164—Centralised systems, e.g. external to vehicles
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
    • 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
    • G08G1/0116—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from roadside infrastructure, e.g. beacons
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0133—Traffic data processing for classifying traffic situation
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G08G1/0141—Measuring and analyzing of parameters relative to traffic conditions for specific applications for traffic information dissemination
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—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
    • G08G1/0145—Measuring and analyzing of parameters relative to traffic conditions for specific applications for active traffic flow control
    • 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
    • G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes

Abstract

본 발명은 도로 상황 데이터 처리 장치 및 방법에 관한 것이다.
본 발명의 일 실시 예에 따른 도로 상황 데이터 처리 방법은, 도로의 상황 데이터를 처리하는 장치의 프로세서에 의해 수행되는 도로 상황 데이터 처리 방법으로서, 도로 상에 구비된 복수의 센서로부터 도로 상에 존재하는 객체들에 대한 센싱 데이터를 수집하는 단계와, 객체들에 대한 센싱 데이터를 기반으로 하여 객체들 사이의 관계를 그래프로 모델링하는 단계와, 그래프로 모델링한 결과에 대하여, 그리드 기반의 공간 색인을 구축하는 단계와, 그리드 기반의 공간 색인에 포함되는 객체들에 대한 센싱 데이터 중 중복되는 센싱 데이터를 제거하는 단계와, 중복되는 센싱 데이터가 제거된 객체들을 대상으로 기등록된 질의를 수행하여, 질의에 대한 응답에 부합하는 객체를 추출하는 단계와, 질의에 대한 응답에 부합하는 객체에 상황인지 데이터를 출력하는 단계를 포함할 수 있다.

Description

도로 상황 데이터 처리 장치 및 방법{APPARATUS AND METHOD FOR PROCESSING ROAD SITUATION DATA}
본 발명은 도로 상황 데이터 처리 장치 및 방법에 관한 것이다.
최근 ITS(intelligent transportation system)와 관련된 연구들이 활발하게 진행되면서 정보화 사회에 알맞은 차세대 교통정보 체계를 구축하는데 일조하고 있다. 도로상의 자동차 속도 및 교통 정보를 실시간으로 감지할 수 있는 시스템을 구축하여 운전자에게 정보를 제공함으로써 전체 교통 상황의 흐름에 좋은 영향을 끼칠 수 있다.
전술한 배경기술은 발명자가 본 발명의 도출을 위해 보유하고 있었거나, 본 발명의 도출 과정에서 습득한 기술 정보로서, 반드시 본 발명의 출원 전에 일반 공중에게 공개된 공지기술이라 할 수는 없다.
국내 공개특허공보 제10-2009-0109312호(2009. 10. 02)
본 발명의 일 과제는, 다양한 도로 인프라 센서로부터 수집하는 데이터를 이용하여 도로의 상황을 정확하게 인지하고 이를 기반으로 하여 자동차의 안전한 주행을 도와주는데 있다.
본 발명의 일 과제는, 다양한 도로 인프라 센서로부터 수집하는 데이터의 중복성을 파악하고 불필요한 데이터를 제거하여 도로 상황 처리 속도를 상승시키는데 있다.
본 발명의 일 과제는, 다양한 도로 인프라 센서로부터 수집하는 데이터의 실시간 분석을 통하여 각 자동차에 필요한 상황인지 데이터를 실시간으로 제공하는데 있다.
본 발명이 해결하고자 하는 과제는 이상에서 언급한 과제에 한정되지 않으며, 언급되지 않은 본 발명의 다른 과제 및 장점들은 하기의 설명에 의해서 이해될 수 있고, 본 발명의 실시 예에 의해보다 분명하게 이해될 것이다. 또한, 본 발명이 해결하고자 하는 과제 및 장점들은 특허 청구 범위에 나타낸 수단 및 그 조합에 의해 실현될 수 있음을 알 수 있을 것이다.
본 발명의 일 실시 예에 따른 도로 상황 데이터 처리 방법은, 도로의 상황 데이터를 처리하는 장치의 프로세서에 의해 수행되는 도로 상황 데이터 처리 방법으로서, 도로 상에 구비된 복수의 센서로부터 도로 상에 존재하는 객체들에 대한 센싱 데이터를 수집하는 단계와, 객체들에 대한 센싱 데이터를 기반으로 하여 객체들 사이의 관계를 그래프로 모델링하는 단계와, 그래프로 모델링한 결과에 대하여, 그리드 기반의 공간 색인을 구축하는 단계와, 그리드 기반의 공간 색인에 포함되는 객체들에 대한 센싱 데이터 중 중복되는 센싱 데이터를 제거하는 단계와, 중복되는 센싱 데이터가 제거된 객체들을 대상으로 기등록된 질의를 수행하여, 질의에 대한 응답에 부합하는 객체를 추출하는 단계와, 질의에 대한 응답에 부합하는 객체에 상황인지 데이터를 출력하는 단계를 포함할 수 있다.
본 발명의 일 실시 예에 따른 도로 상황 데이터 처리 장치는, 프로세서 및 프로세서와 동작 가능하게 연결되고 프로세서에서 수행되는 적어도 하나의 코드를 저장하는 메모리를 포함하고, 메모리는 프로세서를 통해 실행될 때, 프로세서가 도로 상에 구비된 복수의 센서로부터 도로 상에 존재하는 객체들에 대한 센싱 데이터를 수집하고, 객체들에 대한 센싱 데이터를 기반으로 하여 객체들 사이의 관계를 그래프로 모델링하고, 그래프로 모델링한 결과에 대하여, 그리드 기반의 공간 색인을 구축하고, 그리드 기반의 공간 색인에 포함되는 객체들에 대한 센싱 데이터 중 중복되는 센싱 데이터를 제거하고, 중복되는 센싱 데이터가 제거된 객체들을 대상으로 기등록된 질의를 수행하여, 질의에 대한 응답에 부합하는 객체를 추출하고, 질의에 대한 응답에 부합하는 객체에 상황인지 데이터를 출력하도록 야기하는 코드를 저장할 수 있다.
이 외에도, 본 발명을 구현하기 위한 다른 방법, 다른 시스템 및 상기 방법을 실행하기 위한 컴퓨터 프로그램이 저장된 컴퓨터로 판독 가능한 기록매체가 더 제공될 수 있다.
전술한 것 외의 다른 측면, 특징, 이점이 이하의 도면, 특허청구범위 및 발명의 상세한 설명으로부터 명확해질 것이다.
본 발명에 의하면, 다양한 도로 인프라 센서로부터 수집하는 데이터를 이용하여 도로의 상황을 정확하게 인지하고 이를 기반으로 하여 자동차의 안전한 주행을 도와줄 수 있다.
또한, 다양한 도로 인프라 센서로부터 수집하는 데이터의 중복성을 파악하고 불필요한 데이터를 제거하여 도로 상황 처리 속도를 상승시킬 수 있다.
또한, 다양한 도로 인프라 센서로부터 수집하는 데이터의 실시간 분석을 통하여 각 자동차에 필요한 상황인지 데이터를 실시간으로 제공하여 자동차의 안전한 주행을 도와줄 수 있다.
본 발명의 효과는 이상에서 언급된 것들에 한정되지 않으며, 언급되지 아니한 다른 효과들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 실시 예에 따른 센서 그룹, 객체 그룹, 도로 상황 데이터 처리 장치 및 이들을 서로 연결하는 네트워크를 포함하는 도로 상황 처리 환경의 예시도이다.
도 2는 본 실시 예에 따른 도로 상황 데이터 처리 장치의 구성을 개략적으로 설명하기 위하여 도시한 블록도이다.
도 3a 내지 도 3c는 본 실시 예에 따른 그래프 모델링 과정을 개략적으로 설명하기 위하여 도시한 예시도이다.
도 4a 및 도 4b는 본 실시 예에 따른 그래프 모델에 포함되는 노드와 간선(edge)의 속성을 보여주는 테이블이다.
도 5a 및 도 5b는 본 실시 예에 따른 그래프 모델 및 그리드 기반의 공간 색인을 이용하여 중복되는 센싱 데이터의 제거를 설명하기 위하여 도시한 예시도이다.
도 6은 본 실시 예에 따른 그래프 모델 및 그리드 기반의 공간 색인 사이의 연결 관계를 보여주는 테이블이다.
도 7은 다른 실시 예에 따른 도로 상황 데이터 처리 장치의 구성을 개략적으로 설명하기 위하여 도시한 블록도이다.
도 8은 본 실시 예에 따른 도로 상황 데이터 처리 방법을 설명하기 위한 흐름도이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 설명되는 실시 예들을 참조하면 명확해질 것이다. 그러나 본 발명은 아래에서 제시되는 실시 예들로 한정되는 것이 아니라, 서로 다른 다양한 형태로 구현될 수 있고, 본 발명의 사상 및 기술 범위에 포함되는 모든 변환, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 아래에 제시되는 실시 예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이다. 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
본 출원에서 사용한 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다. 제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
또한, 본 출원서에서, "부"는 프로세서 또는 회로와 같은 하드웨어 구성(hardware component), 및/또는 프로세서와 같은 하드웨어 구성에 의해 실행되는 소프트웨어 구성(software component)일 수 있다.
이하, 본 발명에 따른 실시 예들을 첨부된 도면을 참조하여 상세히 설명하기로 하며, 첨부 도면을 참조하여 설명함에 있어, 동일하거나 대응하는 구성 요소는 동일한 도면번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다.
도 1은 본 실시 예에 따른 도로 상황 처리 환경(1)의 예시도로서, 센서 그룹(100), 객체 그룹(200), 도로 상황 데이터 처리 장치(300) 및 이들을 서로 연결하는 네트워크(400)를 포함할 수 있다.
도 1을 참조하면, 센서 그룹(100)은 도로 상에 구비되어 도로 상에 존재하는 객체들을 감지하여 센싱 데이터를 생성할 수 있다. 본 실시 예에서 센싱 데이터는 객체의 위치(location), 객체의 이동 방향(heading) 및 객체의 이동 속도(speed) 중 하나 이상을 포함할 수 있다. 여기서, 객체의 종류에 따라 객체의 위치는 센싱 데이터에 필수로 포함될 수 있고, 개게의 이동 방향 및 속도는 센싱 데이터에 선택적으로 포함될 수 있다.
본 실시 예에서 센서 그룹(100)은 라이다(100_1), 카메라(100_2) 및 UWB 레이더(100_3) 등을 포함할 수 있다.
라이다(100_1)는 레이저 광을 이용하여, 도로 상에 존재하는 객체들을 감지하여 센싱 데이터를 생성할 수 있다. 라이다(100_1)는, 광 송신부(미도시), 광 수신부(미도시) 및 광 송신부 및 광 수신부와 전기적으로 연결되어, 수신되는 신호를 처리하고, 처리된 신호에 기초하여 오브젝트에 대한 데이터를 생성하는 적어도 하나의 프로세서(미도시)를 포함할 수 있다. 라이다(100_1)는 TOF(time of flight) 방식 또는 페이즈 쉬프트(phase-shift) 방식으로 구현될 수 있다. 라이다(100_1)는 레이저 광 매개로, TOF(Time of Flight) 방식 또는 페이즈 쉬프트(phase-shift) 방식에 기초하여, 객체를 검출하고, 검출된 객체의 위치, 검출된 객체와의 거리, 상대 속도, 객체의 이동 방향 등을 센싱 데이터로 생성할 수 있다.
카메라(100_2)는 영상을 이용하여 도로 상에 존재하는 객체들을 감지하여 센싱 데이터를 생성할 수 있다. 카메라(100_2)는 적어도 하나의 렌즈, 적어도 하나의 이미지 센서(미도시) 및 이미지 센서와 전기적으로 연결되어 수신되는 신호를 처리하고, 처리되는 신호에 기초하여 객체들에 대한 데이터를 생성하는 적어도 하나의 프로세서(미도시)를 포함할 수 있다. 카메라(100_2)는 모노 카메라, 스테레오 카메라, AVM(Around View Monitoring) 카메라 중 적어도 어느 하나일 수 있다. 카메라(100_2)는, 다양한 영상 처리 알고리즘을 이용하여, 객체의 위치, 검출된 객체와의 거리, 상대 속도, 객체의 이동 방향 등을 센싱 데이터로 생성할 수 있다. 예를 들면, 카메라(100_2)는, 획득된 영상에서, 시간에 따른 객체 크기의 변화를 기초로, 객체의 위치, 검출된 객체와의 거리, 상대 속도, 객체의 이동 방향 등을 센싱 데이터로 생성할 수 있다.
레이더(100_3)는 전파를 이용하여 도로 상에 존재하는 객체들을 감지하여 센싱 데이터를 생성할 수 있다. 레이더(100_3)는, 전자파 송신부(미도시), 전자파 수신부(미도시), 전자파 송신부 및 전자파 수신부와 전기적으로 연결되어, 수신되는 신호를 처리하고, 처리되는 신호에 기초하여 객체들에 대한 센싱 데이터를 생성하는 적어도 하나의 프로세서(미도시)를 포함할 수 있다. 레이더(100_3)는 전파 발사 원리상 펄스 레이더(pulse radar) 방식 또는 연속파 레이더(continuous wave radar) 방식으로 구현될 수 있다. 레이더(100_3)는 연속파 레이더 방식 중에서 신호 파형에 따라 FMCW(frequency modulated continuous wave)방식 또는 FSK(frequency shift keyong) 방식으로 구현될 수 있다. 한편, 레이더(100_3)는 감지 거리에 따라 서로 다르게 분류될 수 있다. 원거리 감지 레이더로서는 FM-CW 레이더가 일반적으로 사용되고, RF 주파수가 76 GHz대이고, 감지 거리 범위 4m-120m로 설정되어 있다. 또한, 근거리 감지 레이더로서는 UWB(ultra-wideband) 레이더가 사용되고, RF 주파수가 24 GHz 대이고, 감지 거리 범이가 0.1m-20m로 설정되어 있다. 레이더(100_3)는 전자파를 매개로, TOF(Time of Flight) 방식 또는 페이즈 쉬프트(phase-shift) 방식에 기초하여, 객체들을 검출하고, 객체들 각각의 위치, 객체와의 거리, 상대 속도, 객체의 이동 방향 등을 센싱 데이터로 생성할 수 있다.
본 실시 예에서, 센서 그룹(100)을 라이다(100_1), 카메라(100_2) 및 레이더(100_3)를 개시하고 있으나, 이에 한정하지 않고 도로 상태를 측정 하는 센서(미도시), 가시 거리를 측정하는 센서(미도시), 노면 센서(미도시) 기상을 감지하는 센서(미도시) 등 다양한 센서가 사용될 수 있다.
객체 그룹(200)은 네트워크(400)를 통하여 도로 상황 데이터 처리 장치(300)와 통신을 수행하고, 도로 상황 데이터 처리 장치(300)로부터 이동중인 도로에 대한 상황인지 데이터를 수신할 수 있다. 본 실시 예에서 객체 그룹(200)은 자동차, 보행자, 오토바이, 자전거, 낙하물, 포트홀, 공사 등을 포함할 수 있다. 본 실시 예에서는 설명의 편의상 객체를 자동차로 한정하여 설명하기로 한다. 따라서, 객체 그룹(200)은 도 1에 도시된 바와 같이 자동차 그룹(200_1 내지 200_N)을 포함할 수 있다. 또한, 본 실시 예에서, 객체 그룹, 자동차 그룹, 자동차, 보행자, 오토바이, 자전거, 낙하물, 포트홀, 공사라는 용어는 객체의 의미로 사용될 수 있다.
도로 상황 데이터 처리 장치(300)는 센서 그룹(100)으로부터수집한 센싱 데이터를 처리하여 도로의 상황을 정확하게 인지하고 이를 기반으로 객체 그룹(200)의 안전한 운행을 도와줄 수 있다.
도로 상황 데이터 처리 장치(300)는 객체들에 대한 센싱 데이터를 기반으로 하여 객체들 사이의 관계를 그래프로 모델링할 수 있다. 도로 상황 데이터 처리 장치(300)는 그래프로 모델링한 결과에 대하여, 그리드 기반의 공간 색인을 구축할 수 있다. 도로 상황 데이터 처리 장치(300)는 그리드 기반의 공간 색인에 포함되는 객체들에 대한 센싱 데이터 중 중복되는 센싱 데이터를 제거할 수 있다. 도로 상황 데이터 처리 장치(300)는 중복되는 센싱 데이터가 제거된 객체들을 대상으로 기등록된 질의를 수행하여, 질의에 대한 응답에 부합하는 객체를 추출할 수 있다. 도로 상황 데이터 처리 장치(300)는 질의에 대한 응답에 부합하는 객체에 상황인지 데이터를 출력할 수 있다.
네트워크(400)는 센서 그룹(100), 객체 그룹(200) 및 도로 상황 데이터 처리 장치(300)를 연결하는 역할을 수행할 수 있다. 이러한 네트워크(400)는 예컨대 LANs(local area networks), WANs(wide area networks), MANs(metropolitan area networks), ISDNs(integrated service digital networks) 등의 유선 네트워크나, 무선 LANs, CDMA, 블루투스, 위성 통신 등의 무선 네트워크를 망라할 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다. 또한 네트워크(400)는 근거리 통신 및/또는 원거리 통신을 이용하여 정보를 송수신할 수 있다. 여기서, 근거리 통신은 블루투스(bluetooth), RFID(radio frequency identification), 적외선 통신(IrDA, infrared data association), UWB(ultra-wideband), ZigBee, Wi-Fi (wireless fidelity) 기술을 포함할 수 있고, 원거리 통신은 CDMA(code division multiple access), FDMA(frequency division multiple access), TDMA(time division multiple access), OFDMA(orthogonal frequency division multiple access), SC-FDMA(single carrier frequency division multiple access) 기술을 포함할 수 있다.
네트워크(400)는 허브, 브리지, 라우터, 스위치와 같은 네트워크 요소들의 연결을 포함할 수 있다. 네트워크(400)는 인터넷과 같은 공용 네트워크 및 안전한 기업 사설 네트워크와 같은 사설 네트워크를 비롯한 하나 이상의 연결된 네트워크들, 예컨대 다중 네트워크 환경을 포함할 수 있다. 네트워크(400)에의 액세스는 하나 이상의 유선 또는 무선 액세스 네트워크들을 통해 제공될 수 있다.
더 나아가 네트워크(400)는 CAN(controller area network) 통신, V2X(vehicle to everything) 통신, 웨이브(wireless access in vehicular environment) 통신 기술과, 사물 등 분산된 구성 요소들 간에 정보를 주고 받아 처리하는 IoT(iInternet of things, 사물인터넷) 망 및/또는 5G 통신을 지원할 수 있다. 여기서, V2X 통신은 자동차 사이의 통신(communication between vehicles)을 지칭하는 V2V(vehicle-to-vehicle), 자동차와 eNB 또는 RSU(road side unit) 사이의 통신을 지칭하는 V2I(vehicle to infrastructure), 자동차 및 개인(보행자, 자전거 운전자, 차량 운전자 또는 승객)이 소지하고 있는 UE 간 통신을 지칭하는 V2P(vehicle-to-pedestrian), V2N(vehicle-to-network) 등 차량과 모든 개체들 간 통신을 포함할 수 있다.
도 2는 본 실시 예에 따른 도로 상황 데이터 처리 장치의 구성을 개략적으로 설명하기 위하여 도시한 블록도이고, 도 3a 내지 도 3c는 본 실시 예에 따른 그래프 모델링 과정을 개략적으로 설명하기 위하여 도시한 예시도이고, 도 4a 및 도 4b는 본 실시 예에 따른 그래프 모델에 포함되는 노드와 간선(edge)의 속성을 보여주는 테이블이고, 도 5a 및 도 5b는 본 실시 예에 따른 그래프 모델 및 그리드 기반의 공간 색인을 이용하여 중복되는 센싱 데이터의 제거를 설명하기 위하여 도시한 예시도이고, 도 6은 본 실시 예에 따른 그래프 모델 및 그리드 기반의 공간 색인 사이의 연결 관계를 보여주는 테이블이다. 이하의 설명에서 도 1에 대한 설명과 중복되는 부분은 그 설명을 생략하기로 한다.
도 2 내지 도 6을 참조하면, 도로 상황 데이터 처리 장치(300)는 수집 관리자(310), 모델링 관리자(320), 색인 관리자(330), 중복 제거 관리자(340), 인지 관리자(350), 데이터베이스(360) 및 제어부(370)를 포함할 수 있다.
수집 관리자(310)는 도로 상에 구비된 센서 그룹(100)으로부터 도로 상에 존재하는 객체 그룹(200)에 대한 센싱 데이터를 수집할 수 있다. 본 실시 예에서 센싱 데이터는 객체 그룹(200)의 위치(location), 객체의 이동 방향(heading) 및 객체의 이동 속도(speed) 중 하나 이상을 포함할 수 있다. 이하 설명의 편의상 센서 그룹(100)을 센서로 표기하고, 객체 그룹(200)을 객체로 표기하기로 한다.
수집 관리자(310)는 도로 상의 센서에 대해 신규 등록/제거/사양변경과 각 센서의 종류 및 데이터 형식을 데이터베이스(360)에 저장하여 관리할 수 있다. 수집 관리자(310)는 수집된 센싱 데이터가 어떤 센서로부터 전송되지를 확인하고, 표준 센서 데이터 형식으로 매핑해 주는 역할을 수행할 수 있다. 이를 위해 수집 관리자(310)는 데이터베이스(360)로부터 해당 센서에 대한 데이터 형식을 읽고 실제 수집한 센싱 데이터를 표준 센서 데이터 포맷으로 변환할 수 있다. 수집 관리자(310)는 표준 센서 데이터 포맷을 실시간으로 데이터베이스(360)에 저장하고 상위 단계(예를 들어 모델링 관리자(320), 색인 관리자(330) 등)로 연계해 줄 수 있다.
모델링 관리자(320)는 객체들에 대한 센싱 데이터를 기반으로 하여 객체들 사이의 관계를 그래프로 모델링할 수 있다. 모델링 관리자(320)는 그래프 모델링 시에, 객체들 각각을 그래프 상에서 어느 한 노드로 표시할 수 있다. 또한, 객체들 중 어느 한 객체에 해당하는 노드가 하나 이상의 다른 객체에 해당하는 노드에 영향을 미칠 가능성이 있음에 따라, 관계를 설정하고, 설정한 관계를 간선(edge)으로 표시할 수 있다.
모델링 관리자(320)는 설정한 관계를 간선(edge)으로 표시할 때, 객체들 중 어느 한 객체에 해당하는 노드의 위치, 방향 및 속도를 기반으로 하나 이상의 다른 객체에 해당하는 노드와 충돌 가능성이 존재하는지 여부를 판단할 수 있다. 모델링 관리자(320)는 충돌 가능성이 존재함에 따라, 어느 한 객체에 해당하는 노드와 하나 이상의 다른 객체에 해당하는 노드 사이를 간선(edge)으로 표시할 수 있다.
도 3a 내지 도 3c를 참조하여, 본 실시 예에 따른 그래프 모델링 과정을 설명하면, 모델링 관리자(320)는 수집 관리자(310)로부터 수집한 객체의 위치, 객체의 이동 방향 및 객체의 이동 속도 중 하나 이상을 포함하는 센싱 데이터를 기반으로 객체간의 관계를 설정하고 도 3c와 같은 그래프로 모델링할 수 있다.
도 3a는 일 실시 예에 따른 회전 교차로에 라이다(100_1), 카메라(100_2) 및 레이더(100_3)가 설치되어 있고, 다양한 객체(예를 들어, 보행자, 자동차, 포트홀 등)가 도로 상에 위치한 것을 보여주고 있다.
도 3b는 라이다(100_1), 카메라(100_2) 및 레이더(100_3)로부터 수집한 센싱 데이터를 지도 위에 표시했을 때의 모습을 보여주고 있다. 여기서, L1 내지 L5는 라이다(100_1)에 의해 감지된 객체1 내지 객체5를 나타낼 수 있다. C1 내지 C4는 카메라(100_2)에 의해 감지된 객체1 내지 객체5를 나타낼 수 있다. U1 내지 U4는 레이더(100_3)에 의해 감지된 객체1 내지 객체4를 나타낼 수 있다. P1은 도로상의 포트홀1을 나타낼 수 있다. 또한, 도 3b에서 화살표는 각 객체의 이동 방향 및 이동 속도를 나타낼 수 있다.
본 실시 예에서, 적어도 세 개의 센서가 도로 상에 존재하므로, 센서들은 동일한 객체에 대하여 서로 다른 센싱 데이터를 생성할 수 있다. 즉, 센서들이 생성하는 센싱 데이터가 동일한 객체에 대하여 중복될 수 있다.
모델링 관리자(320)는 그래프 모델링 시에 각 객체를 그래프의 노드로 설정하여 표시하고, 각 객체간의 관계를 간선(edge)으로 설정하여 표시할 수 있다. 모든 객체는 그래프 상에서 노드가 되며, 객체간의 관계는 객체가 다른 객체에 영향을 미칠 가능성이 있는 경우에 관계를 설정할 수 있다. 이를 위해 모델링 관리자(320)는 현재 시점의 속도, 방향, 위치를 기반으로 충돌 가능성(예를 들어, 충돌 예상 시간 또는 접근 예상 시간)을 산출할 수 있다. 모델링 관리자(320)는 충돌 가능성이 무한대가 아니면 모두 관계를 설정하고 주기적으로 관계를 업데이트 할 수 있다.
도 3b에서 C2의 이동 방향과 속도를 볼 때, C4나 C3와는 충동 가능성이 존재하지 않는다. 그러나 C2의 이동 방향과 속도를 볼 때, L5와는 충돌 가능성이 존재하고, 이러한 경우 C2와 L5 사이에 간선(edge)을 설정할 수 있다. 또한, 모델링 관리자(320)는 C2와 L5 각각 충돌 예상 시간을 간선(edge) 속성으로 기록하고, C2와 L5의 위치가 업데이트 될 때마다 간선(edge) 속성을 함께 업데이트 할 수 있다.
도 4a는 그래프 모델에서 노드의 속성을 보여주는 테이블이고, 도 4b는 그래프 모델에서 간선(edge)의 속성을 보여주는 테이블이다.
도 4a를 참조하면, 노드ID는 그래프 노드 식별자를 나타낼 수 있다. Trajectory는 시간주기 단위(예를 들어 0. 1초)를 기준으로 한 과거 5개의 객체에 대하여 위치(location), 방향(heading), 속도(speed)를 감지한 궤적 데이터를 나타낼 수 있다. Sensor Type은 객체를 감지하는 센서 종류로, 0은 카메라, 1은 라이다, 2는 레이더를 나타낼 수 있다. Location은 객체의 위치(x, y)를 나타낼 수 있다. Heading은 객체의 이동 방향을 나타낼 수 있다. Speed는 객체의 이동 속도를 나타낼 수 있다. AoI는 Age of Information으로서, 인지 관리자(350)의 상황인지 데이터 출력시간과 인지 수행 추정시간의 차이를 나타낼 수 있다. 본 실시 예에서 이 시간의 차이는 어떤 데이터의 유효성을 판단할 때 중요한 근거로 사용될 수 있다. Object Type은 객체의 종류로서, 0은 자동차, 1은 보행자, 2은 오토바이, 3은 자전거, 4는 낙하물, 5는 포트홀, 6은 공사를 나타낼 수 있다. 여기서, 낙하물, 포트홀, 공사 등 정적인 객체들의 경우 이동속도 이동방향은 존재하지 않을 수 있다. MBR은 객체의 최소 경계 사각형(minimum bounding rectangle)로서, 4개의 좌표값(x_left, y_upper, x_right, y_lower)을 포함할 수 있다.
도 4b를 참조하면, 간선(edge)ID는 그래프 간선(edge) 식별자를 나타낼 수 있다. TTC는 충돌 예상 시간(time to collision)을 나타낼 수 있다. Deadline은 Deadline to Inform Message로서, AOI, 충돌 예상 시간을 고려하여 간선(edge)으로 연결된 노드에 정보 전송을 반드시 해야 하는 한계 시간을 나타낼 수 있다.
도 2로 돌아와, 색인 관리자(330)는 모델링 관리자(320)가 생성한 그래프 모델링 결과에 대하여, 그리드 기반의 공간 색인을 구축할 수 있다. 도 5a는 도 3c의 그래프 모델링 결과에 대해 그리드 기반의 공간 색인을 구축한 결과를 도시하고 있다. 본 실시 예에서 그리드 기반의 공간 색인은 16개의 셀로 구성될 수 있으며, 셀의 개수는 변형할 수 있다.
본 실시 예에서 색인 관리자(330)는 복수의 센서 각각에 대한 센싱 오차 및 도로 상에 설정된 제한속도를 기반으로 하여 그리드 기반의 공간 색인을 구성하는 셀의 크기를 결정할 수 있다. 특히 하나의 셀은, 센싱 오차가 작을수록, 제한속도가 낮을수록 크기가 작아질 수 있다. 그리드 기반의 공간 색인을 구축하여, 어느 한 셀에 객체가 정확하게 위치하느냐 마느냐를 판단할 수 있으므로, 셀의 크기가 작아져도 충돌 위험성이 적어짐을 알 수 있다. 본 실시 예에서 셀의 크기를 상술한 바와 같이 결정하는 이유는 특정 셀과, 특정 셀에 이웃하는 셀들에 포함되는 객체만을 고려하면 중복 제거 후보 객체들을 모두 비교할 수 있기 때문이다.
중복 제거 관리자(340)는 그리드 기반의 공간 색인에 포함되는 객체들에 대한 센싱 데이터 중 중복되는 센싱 데이터를 제거할 수 있다.
중복 제거 관리자(340)는 그리드 기반의 공간 색인을 구성하는 복수개의 셀 중에서 어느 한 셀 내에서 감지된 신규 객체의 위치 데이터와, 상술한 어느 한 셀 및 상술한 어느 한 셀과 인접하는 셀에 포함된 하나 이상의 기존 객체의 위치 데이터에 대한 비교를 통해 하나 이상의 기존 객체를 중복 객체 후보로 설정할 수 있다.
일 실시 예로, 중복 객체 후보의 설정 시에, 중복 제거 관리자(340)는 신규 객체에 대한 센싱 데이터를 기반으로, 그리드 기반의 공간 색인을 구성하는 복수개의 셀 중에서 신규 객체가 위치하는 제1셀을 검출 검출할 수 있다. 다음에, 중복 제거 관리자(340)는 제1셀 및 제1셀과 인접하는 셀에 위치하는 하나 이상의 기존 객체의 위치를 검출할 수 있다. 다음에. 중복 제거 관리자(340)는 제1셀에 존재하는 신규 객체의 위치 데이터와, 제1셀 및 제1셀과 인접하는 셀에 포함된 하나 이상의 기존 객체의 위치 데이터에 대한 차이값을 제1 거리값으로 산출할 수 있다. 여기서, 제1 거리값은 실제 각 객체들 사이의 물리적인 거리값을 의미할 수 있다. 중복 제거 관리자(340)는 제1 거리값이 제1 임계값 이하인 하나 이상의 기존 객체를 중복 객체 후보로 설정할 수 있다.
다른 실시 예로, 중복 객체 후보의 설정 시에, 중복 제거 관리자(340)는 신규 객체에 대한 센싱 데이터를 기반으로, 신규 객체가 위치하는 제1 지점을 결정할 수 있다. 중복 제거 관리자(340)는 제1 지점으로부터 미리 정해진 거리 내에 위치하는 하나 이상의 기존 객체의 위치를 검출할 수 있다. 중복 제거 관리자(340)는 신규 객체의 위치 데이터 및 제1 지점으로부터 미리 정해진 거리 내에 위치하는 하나 이상의 기존 객체의 위치 데이터에 대한 차이값을 제1 거리값으로 산출할 수 있다. 여기서, 제1 거리값은 실제 각 객체들 사이의 물리적인 거리값을 의미할 수 있다. 중복 제거 관리자(340)는 제1 거리값이 제1 임계값 이하인 하나 이상의 기존 객체를 중복 객체 후보로 설정할 수 있다.
중복 제거 관리자(340)는 중복 객체 후보의 궤적 데이터 및 신규 객체의 궤적 데이터에 대한 비교를 통해 중복 객체 후보를 최종 중복 객체로 결정할 수 있다.
최종 중복 객체 결정 시에, 중복 제거 관리자(340)는 중복 객체 후보의 센싱 데이터에 포함되는 위치, 방향 및 속도를 축으로 하는 3차원 좌표계 상에서 기설정된 시간대에 위치한 제1 포인트 그룹을 추출할 수 있다. 중복 제거 관리자(340)는 신규 후보의 센싱 데이터에 포함되는 위치, 방향 및 속도를 축으로 하는 3차원 좌표계 상에서 기설정된 시간대에 위치한 제2 포인트 그룹을 추출할 수 있다.
중복 제거 관리자(340)는 제1 포인트 그룹 및 제2 포인트 그룹에 대한 차이값을 제2 거리값으로 산출할 수 있다. 여기서 제2 거리값은 실제 물리적인 거리가 아닌 데이터 사이의 유사도를 나타내는 거리값일 수 있다. 본 실시 예에서 차이값을 계산하는 방식은, 제1 포인트 그룹의 데이터와 제2 포인트 그룹의 데이터를 동일 시각의 데이터끼리 매칭하여 그 차이값을 계산하는 것일 수 있다. 제1 포인트 그룹과 제2 포인트 그룹의 데이터는 신규 객체와 중복 후보 개체의 위치 데이터를 확인한 시점(t) 이전의 5개의 데이터를 포함할 수 있다. 예를 들어, 0. 1초 단위로 측정이 이루어진다면, t-0. 1, t-0. 2, t-0. 3, t-0. 4, t-0. 5에서의 궤적 데이터일 수 있다. 또한, 제1 포인트 그룹과 제2 포인트 그룹은 동일한 좌표계 내의 데이터일 수 있다. 중복 제거 관리자(340)는 제2 거리값이 제2 임계값 이하인 하나 이상의 중복 객체 후보를 최종 중복 객체로 결정할 수 있다.
중복 제거 관리자(340)는 최종 중복 객체에 대한 센싱 데이터 및 신규 객체에 대한 센싱 데이터 중 하나를 제거할 수 있다.
본 실시 예에서, 객체들은 센서의 타입에 따라 위치에 대한 오차가 발생할 수 있으므로, 동일한 객체를 서로 다른 센서가 감지하면 서로 다른 객체로 인식할 수 있다. 동일 객체를 서로 다른 객체로 인식하게 되면, 불필요한 데이터 중복, 상황인지 오류 등이 발생할 수 있어 중복 제거가 필요할 수 있다. 중복 제거를 빠르게 수행하기 위해서는 신규 객체와 가장 유사한 위치에 있는 기존 객체를 빠르게 검색해야 한다. 모든 객체와 순차적으로 비교하는 것은 속도 저하가 발생하여 불가능하다.
중복 제거를 빠르게 수행하기 위해서 색인 관리자(330)가 구축한 그리드 기반의 공간 색인을 이용할 수 있다. 즉, 신규 객체의 위치가 그리드 기반의 공간 색인에 어떤 셀에 포함되는지 계산해서 해당 셀 내의 기존 객체들과 유사도를 비교할 수 있다.
도 5b를 참조하면, 신규 객체(510)가 New가 위치하는 셀은 1번 셀과 4번 셀이고, 1번 셀과 4번 셀에는 기존 객체 U1(520) 및 U3(530)이 위치해 있다. 여기서 신규 객체(510)의 위치 데이터 및 기존 객체 U1(520) 및 U3(530)의 위치 데이터의 차이값인 제1 거리값이 제1 임계값 이하이므로, 기존 객체 U1(520) 및 U3(530)는 중복 객체 후보로 설정될 수 있다. 여기서, 제1 거리값은 실제 각 객체들 사이의 물리적인 거리값을 의미할 수 있다. 이후 신규 객체(510)의 궤적 데이터(제1 포인트 그룹)과 기존 객체 U1(520) 및 U3(530)의 궤적 데이터(제2 포인트 그룹)의 차이값을 제2 거리값으로 산출할 수 있다. 제2 거리값은 실제 물리적인 거리가 아닌 데이터 사이의 유사도를 나타내는 거리값일 수 있다. 제2 거리값이 제2 임계값 이하인 기존 객체 U1(520) 및 U3(530) 중 하나 이상을 최종 중복 객체로 결정할 수 있다.
유사도를 비교하기 위해서 그리드 기반의 공간 색인에서 각 셀에 포함되는 객체들을 접근할 때, 도 6의 테이블과 같은 구조로 접근할 수 있다. 도 6은 본 실시 예에 따른 그래프 모델 및 그리드 기반의 공간 색인 사이의 연결 관계를 보여주는 테이블이다. 어느 한 셀에 포함되는 객체들의 ID를 그리드 기반의 공간 색인에 저장하고, 객체 ID에 해당하는 그래프 구조에서 해당 객체에 대한 노드 속성, 인접 노드 리스트를 빠르게 파악할 수 있다.
인지 관리자(350)는 중복되는 센싱 데이터가 제거된 객체들을 대상으로 기등록된 질의를 수행하여, 질의에 대한 응답에 부합하는 객체를 추출할 수 있다. 인지 관리자(350)는 기설정된 시간 단위(예를 들어, 0. 1초)로 센싱 데이터가 업데이트 되는 객체들을 대상으로 충돌 가능성이 임계값 이상인 객체의 존재 유무를 확인하는 질의를 수행할 수 있다. 인지 관리자(350)는 질의의 수행 결과, 충돌 가능성이 임계값 이상인 객체를 질의에 대한 응답에 부합하는 객체로 추출할 수 있다.
인지 관리자(350)는 질의에 대한 응답에 부합하는 객체에 상황인지 데이터를 출력할 수 있다. 인지 관리자(350)는 질의에 대한 응답에 부합하는 객체에 충돌 가능성이 있음을 경고하는 경고 데이터를 출력할 수 있다.
본 실시 예에서, 그래프 모델에서는 실시간으로 신규 객체가 인식될 때 마다 그래프의 노드 및 간선(edge)의 속성을 업데이트할 수 있다. 이때 인지 관리자(350)는 그래프에 대한 간단한 질의를 통해서 도로의 상황 인지 결과를 추출할 수 있다.
여기서, 질의는 예를 들어, 인접하는 노드와 충돌 예상 시간이 기준값1 이하인 노드를 찾는 질의를 포함할 수 있다. 이는 어떤 노드의 충돌 위험이 기준값1 이상인지 찾아내는 질의일 수 있다. 또한, 질의는 예를 들어, 인접하는 노드와 충돌 예상 시간이 기준값1 이하인 노드의 인접 노드에 인접한 노드를 찾는 질의를 포함할 수 있다. 이는 어떤 노드의 인접 노드가 충돌 위험이 기준값1 이상인지 찾아내는 질의일 수 있다. 본 실시 예에서 설명의 편의상 두 가지 예시의 질의를 기재하였으나, 다양한 질의가 데이터베이스(360)에 등록되어 있을 수 있다.
이와 같은 그래프 질의를 통해서 위험인자를 검색할 수 있으며, 상술한 질의를 지속적으로 수행해야 상황인지 데이터를 추출할 수 있기 때문에 연속 질의 처리 기법을 적용할 수 있다. 연속 질의 처리 기법은 질의를 데이터베이스(360)에 등록하면, 새로운 객체가 인식될 때 마다 질의에 대한 응답에 부합하는 객체가 있는지 체크하고 부합하는 객체가 존재할 경우, 해당 객체에 바로 상황인지 데이터를 출력할 수 있다.
데이터베이스(360)는 도로 상황 데이터 처리 장치(300)에서 수집하고, 처리하고, 생성하고, 출력하는 전반적인 데이터를 저장할 수 있다. 일 실시 예로, 데이터베이스(360)에는 복수의 센서로부터 기설정된 주기마다 수집되는 센싱 데이터가 저장될 수 있고, 그래프 모델링 결과가 저장될 수 있고, 노드 및 간선(edge)의 속성의 업데이트 결과가 저장될 수 있고, 그리드 기반의 공간 색인 구축 결과가 저장될 수 있고, 중 중복되는 센싱 데이터의 검출 결과 및 제거 결과가 저장할 수 있고, 다양한 질의가 저장될 수 있고, 상황인지 데이터 출력 결과가 저장될 수 있다.
제어부(370)는 일종의 중앙처리장치로서 도로 상황 데이터 처리 장치(300) 전체의 동작을 제어할 수 있다. 제어부(370)는 프로세서(processor)와 같이 데이터를 처리할 수 있는 모든 종류의 장치를 포함할 수 있다. 여기서, '프로세서(processor)'는, 예를 들어 프로그램 내에 포함된 코드 또는 명령어로 표현된 기능을 수행하기 위해 물리적으로 구조화된 회로를 갖는, 하드웨어에 내장된 데이터 처리 장치를 의미할 수 있다. 이와 같이 하드웨어에 내장된 데이터 처리 장치의 일 예로써, 마이크로프로세서(microprocessor), 중앙처리장치(central processing unit: CPU), 프로세서 코어(processor core), 멀티프로세서(multiprocessor), ASIC(application-specific integrated circuit), FPGA(field programmable gate array) 등의 처리 장치를 망라할 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다.
도 7은 다른 실시 예에 따른 도로 상황 데이터 처리 장치의 구성을 개략적으로 설명하기 위하여 도시한 블록도이다. 이하의 설명에서 도 1 내지 도 6에 대한 설명과 중복되는 부분은 그 설명을 생략하기로 한다. 도 7을 참조하면, 다른 실시 예에 따른 도로 상황 데이터 처리 장치(300)는 프로세서(380)와 메모리(390)를 포함할 수 있다.
본 실시 예에서 프로세서(380)는 도 2에 개시된 수집 관리자(310), 모델링 관리자(320), 색인 관리자(330), 중복 제거 관리자(340), 인지 관리자(350), 데이터베이스(360) 및 제어부(370)가 수행하는 기능을 처리할 수 있다.
이러한 프로세서(380)는 도로 상황 데이터 처리 장치(300) 전체의 동작을 제어할 수 있다. 여기서, '프로세서(processor)'는, 예를 들어 프로그램 내에 포함된 코드 또는 명령어로 표현된 기능을 수행하기 위해 물리적으로 구조화된 회로를 갖는, 하드웨어에 내장된 데이터 처리 장치를 의미할 수 있다. 이와 같이 하드웨어에 내장된 데이터 처리 장치의 일 예로써, 마이크로프로세서(microprocessor), 중앙처리장치(central processing unit: CPU), 프로세서 코어(processor core), 멀티프로세서(multiprocessor), ASIC(application-specific integrated circuit), FPGA(field programmable gate array) 등의 처리 장치를 망라할 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다.
메모리(390)는 프로세서(380)와 동작 가능하게 연결되고, 프로세서(380)에서 수행되는 동작과 연관하여 적어도 하나의 코드를 저장할 수 있다.
또한, 메모리(390)는 프로세서(380)가 처리하는 데이터를 일시적 또는 영구적으로 저장하는 기능을 수행할 수 있다. 여기서, 메모리(390)는 자기 저장 매체(magnetic storage media) 또는 플래시 저장 매체(flash storage media)를 포함할 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다. 이러한 메모리(390)는 내장 메모리 및/또는 외장 메모리를 포함할 수 있으며, DRAM, SRAM, 또는 SDRAM 등과 같은 휘발성 메모리, OTPROM(one time programmable ROM), PROM, EPROM, EEPROM, mask ROM, flash ROM, NAND 플래시 메모리, 또는 NOR 플래시 메모리 등과 같은 비휘발성 메모리, SSD, CF(compact flash) 카드, SD 카드, Micro-SD 카드, Mini-SD 카드, Xd 카드, 또는 메모리 스틱(memory stick) 등과 같은 플래시 드라이브, 또는 HDD와 같은 저장 장치를 포함할 수 있다.
도 8은 본 실시 예에 따른 도로 상황 데이터 처리 방법을 설명하기 위한 흐름도이다. 이하의 설명에서 도 1 내지 도 7에 대한 설명과 중복되는 부분은 그 설명을 생략하기로 한다.
도 8을 참조하면, S810단계에서, 도로 상황 데이터 처리 장치(300)는 도로 상에 구비된 복수의 센서로부터 도로 상에 존재하는 객체들에 대한 센싱 데이터를 수집할 수 있다.
S820단계에서, 도로 상황 데이터 처리 장치(300)는, 객체들에 대한 센싱 데이터를 기반으로 하여 객체들 사이의 관계를 그래프로 모델링할 수 있다.
도로 상황 데이터 처리 장치(300)는 객체들 각각을 그래프 상에서 어느 한 노드로 표시할 수 있다. 도로 상황 데이터 처리 장치(300)는 객체들 중 어느 한 객체에 해당하는 노드가 하나 이상의 다른 객체에 해당하는 노드에 영향을 미칠 가능성이 있음에 따라 관계를 설정하고, 관계를 간선(edge)으로 표시할 수 있다.
본 실시 예에서, 도로 상황 데이터 처리 장치(300)는 관계를 간선(edge)으로 표시할 때, 객체들 중 어느 한 객체에 해당하는 노드의 위치, 방향 및 속도를 기반으로 하나 이상의 다른 객체에 해당하는 노드와 충돌 가능성이 존재하는지 여부를 판단할 수 있다. 도로 상황 데이터 처리 장치(300)는 충돌 가능성이 존재함에 따라, 어느 한 객체에 해당하는 노드와 하나 이상의 다른 객체에 해당하는 노드 사이를 간선(edge)으로 표시할 수 있다.
S830단계에서, 도로 상황 데이터 처리 장치(300)는 그래프로 모델링한 결과에 대하여, 그리드 기반의 공간 색인을 구축할 수 있다. 도로 상황 데이터 처리 장치(300)는 그리드 기반의 공간 색인을 구축 시에, 복수의 센서 각각에 대한 센싱 오차 및 도로 상에 설정된 제한속도를 기반으로 하여 그리드 기반의 공간 색인을 구성하는 셀의 크기를 결정할 수 있다. 여기서, 셀은, 센싱 오차가 작을수록, 제한속도가 낮을수록 크기가 작아질 수 있다.
S840단계에서, 도로 상황 데이터 처리 장치(300)는 그리드 기반의 공간 색인에 포함되는 객체들에 대한 센싱 데이터 중 중복되는 센싱 데이터를 제거할 수 있다.
도로 상황 데이터 처리 장치(300)는 그리드 기반의 공간 색인을 구성하는 복수개의 셀 중에서 어느 한 셀 내에서 감지된 신규 객체의 위치 데이터와, 상술한 어느 한 셀 및 상술한 어느 한 셀과 인접하는 셀에 포함된 하나 이상의 기존 객체의 위치 데이터에 대한 비교를 통해 하나 이상의 기존 객체를 중복 객체 후보로 설정할 수 있다.
일 실시 예로, 도로 상황 데이터 처리 장치(300)는 중복 객체 후보의 설정 시에, 신규 객체에 대한 센싱 데이터를 기반으로, 그리드 기반의 공간 색인을 구성하는 복수개의 셀 중에서 신규 객체가 위치하는 제1셀을 검출 검출할 수 있다. 도로 상황 데이터 처리 장치(300)는 제1셀에 위치하는 하나 이상의 기존 객체의 위치를 검출할 수 있다. 도로 상황 데이터 처리 장치(300)는 제1셀에 존재하는 신규 객체의 위치 데이터와, 제1셀 및 제1셀과 인접하는 셀에 포함된 하나 이상의 기존 객체의 위치 데이터에 대한 차이값을 제1 거리값으로 산출할 수 있다. 도로 상황 데이터 처리 장치(300)는 제1 거리값이 제1 임계값 이하인 하나 이상의 기존 객체를 중복 객체 후보로 설정할 수 있다.
다른 실시 예로, 도로 상황 데이터 처리 장치(300)는 중복 객체 후보의 설정 시에, 신규 객체에 대한 센싱 데이터를 기반으로, 신규 객체가 위치하는 제1 지점을 결정할 수 있다. 도로 상황 데이터 처리 장치(300)는 제1 지점으로부터 미리 정해진 거리 내에 위치하는 하나 이상의 기존 객체의 위치를 검출할 수 있다. 도로 상황 데이터 처리 장치(300)는 신규 객체의 위치 데이터 및 제1 지점으로부터 미리 정해진 거리 내에 위치하는 하나 이상의 기존 객체의 위치 데이터에 대한 차이값을 제1 거리값으로 산출할 수 있다. 도로 상황 데이터 처리 장치(300)는 제1 거리값이 제1 임계값 이하인 하나 이상의 기존 객체를 중복 객체 후보로 설정할 수 있다.
도로 상황 데이터 처리 장치(300)는 중복 객체 후보의 궤적 데이터 및 신규 객체의 궤적 데이터에 대한 비교를 통해 중복 객체 후보를 최종 중복 객체로 결정할 수 있다. 도로 상황 데이터 처리 장치(300)는 중복 객체 후보의 센싱 데이터에 포함되는 위치, 방향 및 속도를 축으로 하는 3차원 좌표계 상에서 기설정된 시간대에 위치한 제1 포인트 그룹을 추출할 수 있다. 도로 상황 데이터 처리 장치(300)는 신규 후보의 센싱 데이터에 포함되는 위치, 방향 및 속도를 축으로 하는 3차원 좌표계 상에서 기설정된 시간대에 위치한 제2 포인트 그룹을 추출할 수 있다. 도로 상황 데이터 처리 장치(300)는 제1 포인트 그룹 및 제2 포인트 그룹에 대한 차이값을 제2 거리값으로 산출할 수 있다. 도로 상황 데이터 처리 장치(300)는 제2 거리값이 제2 임계값 이하인 하나 이상의 중복 객체 후보를 최종 중복 객체로 결정할 수 있다.
도로 상황 데이터 처리 장치(300)는 최종 중복 객체에 대한 센싱 데이터 및 신규 객체에 대한 센싱 데이터 중 하나를 제거할 수 있다.
S850단계에서, 도로 상황 데이터 처리 장치(300)는 중복되는 센싱 데이터가 제거된 객체들을 대상으로 기등록된 질의를 수행하여, 질의에 대한 응답에 부합하는 객체를 추출할 수 있다.
도로 상황 데이터 처리 장치(300)는 질의에 대한 응답에 부합하는 객체를 추출 시에, 기설정된 시간 단위로 센싱 데이터가 업데이트 되는 객체들을 대상으로 충돌 가능성이 임계값 이상인 객체의 존재 유무를 확인하는 연속 질의를 수행할 수 있다. 도로 상황 데이터 처리 장치(300)는 연속 질의의 수행 결과, 충돌 가능성이 임계값 이상인 객체를 질의에 대한 응답에 부합하는 객체로 상황인지 데이터를 출력할 수 있다.
S860단계에서, 도로 상황 데이터 처리 장치(300)는 질의에 대한 응답에 부합하는 객체에 상황인지 데이터를 출력할 수 있다. 여기서, 도로 상황 데이터 처리 장치(300)는 질의에 대한 응답에 부합하는 객체에 충돌 가능성이 있음을 경고하는 경고 데이터를 출력할 수 있다.
이상 설명된 본 발명에 따른 실시 예는 컴퓨터 상에서 다양한 구성요소를 통하여 실행될 수 있는 컴퓨터 프로그램의 형태로 구현될 수 있으며, 이와 같은 컴퓨터 프로그램은 컴퓨터로 판독 가능한 매체에 기록될 수 있다. 이때, 매체는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium), 및 ROM, RAM, 플래시 메모리 등과 같은, 프로그램 명령어를 저장하고 실행하도록 특별히 구성된 하드웨어 장치를 포함할 수 있다.
한편, 상기 컴퓨터 프로그램은 본 발명을 위하여 특별히 설계되고 구성된 것이거나 컴퓨터 소프트웨어 분야의 당업자에게 공지되어 사용 가능한 것일 수 있다. 컴퓨터 프로그램의 예에는, 컴파일러에 의하여 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용하여 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 포함될 수 있다.
본 발명의 명세서(특히 특허청구범위에서)에서 "상기"의 용어 및 이와 유사한 지시 용어의 사용은 단수 및 복수 모두에 해당하는 것일 수 있다. 또한, 본 발명에서 범위(range)를 기재한 경우 상기 범위에 속하는 개별적인 값을 적용한 발명을 포함하는 것으로서(이에 반하는 기재가 없다면), 발명의 상세한 설명에 상기 범위를 구성하는 각 개별적인 값을 기재한 것과 같다.
본 발명에 따른 방법을 구성하는 단계들에 대하여 명백하게 순서를 기재하거나 반하는 기재가 없다면, 상기 단계들은 적당한 순서로 행해질 수 있다. 반드시 상기 단계들의 기재 순서에 따라 본 발명이 한정되는 것은 아니다. 본 발명에서 모든 예들 또는 예시적인 용어(예들 들어, 등등)의 사용은 단순히 본 발명을 상세히 설명하기 위한 것으로서 특허청구범위에 의해 한정되지 않는 이상 상기 예들 또는 예시적인 용어로 인해 본 발명의 범위가 한정되는 것은 아니다. 또한, 당업자는 다양한 수정, 조합 및 변경이 부가된 특허청구범위 또는 그 균등물의 범주 내에서 설계 조건 및 팩터에 따라 구성될 수 있음을 알 수 있다.
따라서, 본 발명의 사상은 상기 설명된 실시 예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등한 또는 이로부터 등가적으로 변경된 모든 범위는 본 발명의 사상의 범주에 속한다고 할 것이다.
100: 센서 그룹
200: 객체 그룹
300: 도로 상황 데이터 처리 장치
400: 네트워크

Claims (15)

  1. 도로의 상황 데이터를 처리하는 장치의 프로세서에 의해 수행되는 도로 상황 데이터 처리 방법으로서,
    도로 상에 구비된 복수의 센서로부터 상기 도로 상에 존재하는 객체들에 대한 센싱 데이터를 수집하는 단계;
    상기 객체들에 대한 센싱 데이터를 기반으로 하여 상기 객체들 사이의 관계를 그래프로 모델링하는 단계;
    상기 그래프로 모델링한 결과에 대하여, 그리드 기반의 공간 색인을 구축하는 단계;
    상기 그리드 기반의 공간 색인에 포함되는 상기 객체들에 대한 센싱 데이터 중 중복되는 센싱 데이터를 제거하는 단계;
    상기 중복되는 센싱 데이터가 제거된 상기 객체들을 대상으로 기등록된 질의를 수행하여, 상기 질의에 대한 응답에 부합하는 객체를 추출하는 단계; 및
    상기 질의에 대한 응답에 부합하는 객체에 상황인지 데이터를 출력하는 단계를 포함하는,
    도로 상황 데이터 처리 방법.
  2. 제 1 항에 있어서,
    상기 그래프로 모델링하는 단계는,
    상기 객체들 각각을 상기 그래프 상에서 어느 한 노드로 표시하는 단계; 및
    상기 객체들 중 어느 한 객체에 해당하는 노드가 하나 이상의 다른 객체에 해당하는 노드에 영향을 미칠 가능성이 있음에 따라 관계를 설정하고, 상기 관계를 간선(edge)으로 표시하는 단계를 포함하는,
    도로 상황 데이터 처리 방법.
  3. 제 2 항에 있어서,
    상기 간선(edge)으로 표시하는 단계는,
    상기 객체들 중 어느 한 객체에 해당하는 노드의 위치, 방향 및 속도를 기반으로 상기 하나 이상의 다른 객체에 해당하는 노드와 충돌 가능성이 존재하는지 여부를 판단하는 단계; 및
    상기 충돌 가능성이 존재함에 따라, 상기 어느 한 객체에 해당하는 노드와 상기 하나 이상의 다른 객체에 해당하는 노드 사이를 간선(edge)으로 표시하는 단계를 포함하는,
    도로 상황 데이터 처리 방법.
  4. 제 1 항에 있어서,
    상기 그리드 기반의 공간 색인을 구축하는 단계는,
    상기 복수의 센서 각각에 대한 센싱 오차 및 상기 도로 상에 설정된 제한속도를 기반으로 하여 상기 그리드 기반의 공간 색인을 구성하는 셀의 크기를 결정하는 단계를 포함하고,
    상기 셀은,
    상기 센싱 오차가 작을수록, 상기 제한속도가 낮을수록 크기가 작아지는,
    도로 상황 데이터 처리 방법.
  5. 제 1 항에 있어서,
    상기 중복되는 센싱 데이터를 제거하는 단계는,
    상기 그리드 기반의 공간 색인을 구성하는 복수개의 셀 중에서 어느 한 셀 내에서 감지된 신규 객체의 위치 데이터와, 상기 어느 한 셀 및 상기 어느 한 셀과 인접하는 셀에 포함된 하나 이상의 기존 객체의 위치 데이터에 대한 비교를 통해 상기 하나 이상의 기존 객체를 중복 객체 후보로 설정하는 단계;
    상기 중복 객체 후보의 궤적 데이터 및 상기 신규 객체의 궤적 데이터에 대한 비교를 통해 상기 중복 객체 후보를 최종 중복 객체로 결정하는 단계; 및
    상기 최종 중복 객체에 대한 센싱 데이터 및 상기 신규 객체에 대한 센싱 데이터 중 하나를 제거하는 단계를 포함하는,
    도로 상황 데이터 처리 방법.
  6. 제 5 항에 있어서,
    상기 중복 객체 후보로 설정하는 단계는,
    신규 객체에 대한 센싱 데이터를 기반으로, 상기 그리드 기반의 공간 색인을 구성하는 복수개의 셀 중에서 상기 신규 객체가 위치하는 제1셀을 검출 검출하는 단계;
    상기 제1셀에 위치하는 하나 이상의 기존 객체의 위치를 검출하는 단계;
    상기 제1셀에 존재하는 신규 객체의 위치 데이터와, 상기 제1셀 및 상기 제1셀과 인접하는 셀에 포함된 하나 이상의 기존 객체의 위치 데이터에 대한 차이값을 제1 거리값으로 산출하는 단계; 및
    상기 제1 거리값이 제1 임계값 이하인 하나 이상의 기존 객체를 중복 객체 후보로 설정하는 단계를 포함하는,
    도로 상황 데이터 처리 방법.
  7. 제 6 항에 있어서,
    상기 최종 중복 객체로 결정하는 단계는,
    상기 중복 객체 후보의 센싱 데이터에 포함되는 위치, 방향 및 속도를 축으로 하는 3차원 좌표계 상에서 기설정된 시간대에 위치한 제1 포인트 그룹을 추출하는 단계;
    상기 신규 객체의 센싱 데이터에 포함되는 위치, 방향 및 속도를 축으로 하는 3차원 좌표계 상에서 기설정된 시간대에 위치한 제2 포인트 그룹을 추출하는 단계;
    상기 제1 포인트 그룹 및 상기 제2 포인트 그룹에 대한 차이값을 제2 거리값으로 산출하는 단계; 및
    상기 제2 거리값이 제2 임계값 이하인 하나 이상의 중복 객체 후보를 최종 중복 객체로 결정하는 단계를 포함하는,
    도로 상황 데이터 처리 방법.
  8. 제 5 항에 있어서,
    상기 중복 객체 후보로 설정하는 단계는,
    신규 객체에 대한 센싱 데이터를 기반으로, 상기 신규 객체가 위치하는 제1 지점을 결정하는 단계;
    상기 제1 지점으로부터 미리 정해진 거리 내에 위치하는 하나 이상의 기존 객체의 위치를 검출하는 단계;
    상기 신규 객체의 위치 데이터 및 상기 제1 지점으로부터 미리 정해진 거리 내에 위치하는 하나 이상의 기존 객체의 위치 데이터에 대한 차이값을 제1 거리값으로 산출하는 단계; 및
    상기 제1 거리값이 제1 임계값 이하인 하나 이상의 기존 객체를 중복 객체 후보로 설정하는 단계를 포함하는,
    도로 상황 데이터 처리 방법.
  9. 제 5 항에 있어서,
    상기 질의에 대한 응답에 부합하는 객체를 추출하는 단계는,
    기설정된 시간 단위로 센싱 데이터가 업데이트 되는 상기 객체들을 대상으로 충돌 가능성이 임계값 이상인 객체의 존재 유무를 확인하는 연속 질의를 수행하는 단계; 및
    상기 연속 질의의 수행 결과, 상기 충돌 가능성이 임계값 이상인 객체를 상기 질의에 대한 응답에 부합하는 객체로 추출하는 단계를 포함하는,
    도로 상황 데이터 처리 방법.
  10. 제 9 항에 있어서,
    상기 상황인지 데이터를 출력하는 단계는,
    상기 질의에 대한 응답에 부합하는 객체에 충돌 가능성이 있음을 경고하는 경고 데이터를 출력하는 단계를 포함하는,
    도로 상황 데이터 처리 방법.
  11. 컴퓨터를 이용하여 제 1 항 내지 제 10 항의 방법 중 어느 한 항의 방법을 실행시키기 위한 컴퓨터 프로그램이 저장된 컴퓨터로 판독 가능한 기록매체.
  12. 도로 상황 데이터를 처리하는 장치로서,
    프로세서; 및
    상기 프로세서와 동작 가능하게 연결되고 상기 프로세서에서 수행되는 적어도 하나의 코드를 저장하는 메모리를 포함하고,
    상기 메모리는 상기 프로세서를 통해 실행될 때, 상기 프로세서가 도로 상에 구비된 복수의 센서로부터 상기 도로 상에 존재하는 객체들에 대한 센싱 데이터를 수집하고,
    상기 객체들에 대한 센싱 데이터를 기반으로 하여 상기 객체들 사이의 관계를 그래프로 모델링하고,
    상기 그래프로 모델링한 결과에 대하여, 그리드 기반의 공간 색인을 구축하고,
    상기 그리드 기반의 공간 색인에 포함되는 상기 객체들에 대한 센싱 데이터 중 중복되는 센싱 데이터를 제거하고,
    상기 중복되는 센싱 데이터가 제거된 상기 객체들을 대상으로 기등록된 질의를 수행하여, 상기 질의에 대한 응답에 부합하는 객체를 추출하고,
    상기 질의에 대한 응답에 부합하는 객체에 상황인지 데이터를 출력하도록 야기하는 코드를 저장하는,
    도로 상황 데이터 처리 장치.
  13. 제 12 항에 있어서,
    상기 메모리는 상기 프로세서로 하여금,
    상기 중복되는 센싱 데이터를 제거 시에, 상기 그리드 기반의 공간 색인을 구성하는 복수개의 셀 중에서 어느 한 셀 내에서 감지된 신규 객체의 위치 데이터와, 상기 어느 한 셀 및 상기 어느 한 셀과 인접하는 셀에 포함된 하나 이상의 기존 객체의 위치 데이터에 대한 비교를 통해 상기 하나 이상의 기존 객체를 중복 객체 후보로 설정하고,
    상기 중복 객체 후보의 궤적 데이터 및 상기 신규 객체의 궤적 데이터에 대한 비교를 통해 상기 중복 객체 후보를 최종 중복 객체로 결정하고,
    상기 최종 중복 객체에 대한 센싱 데이터 및 상기 신규 객체에 대한 센싱 데이터 중 하나를 제거하도록 야기하는 코드를 저장하는,
    도로 상황 데이터 처리 장치.
  14. 제 13 항에 있어서,
    상기 메모리는 상기 프로세서로 하여금,
    상기 중복 객체 후보로 설정 시에, 신규 객체에 대한 센싱 데이터를 기반으로, 상기 그리드 기반의 공간 색인을 구성하는 복수개의 셀 중에서 상기 신규 객체가 위치하는 제1셀을 검출 검출하고,
    상기 제1셀에 위치하는 하나 이상의 기존 객체의 위치를 검출하고,
    상기 제1셀에 존재하는 신규 객체의 위치 데이터와, 상기 제1셀 및 상기 제1셀과 인접하는 셀에 포함된 하나 이상의 기존 객체의 위치 데이터에 대한 차이값을 제1 거리값으로 산출하고,
    상기 제1 거리값이 제1 임계값 이하인 하나 이상의 기존 객체를 중복 객체 후보로 설정하도록 야기하는 코드를 저장하는,
    도로 상황 데이터 처리 장치.
  15. 제 14 항에 있어서,
    상기 메모리는 상기 프로세서로 하여금,
    상기 최종 중복 객체로 결정 시에, 상기 중복 객체 후보의 센싱 데이터에 포함되는 위치, 방향 및 속도를 축으로 하는 3차원 좌표계 상에서 기설정된 시간대에 위치한 제1 포인트 그룹을 추출하고,
    상기 신규 객체의 센싱 데이터에 포함되는 위치, 방향 및 속도를 축으로 하는 3차원 좌표계 상에서 기설정된 시간대에 위치한 제2 포인트 그룹을 추출하고,
    상기 제1 포인트 그룹 및 상기 제2 포인트 그룹에 대한 차이값을 제2 거리값으로 산출하고,
    상기 제2 거리값이 제2 임계값 이하인 하나 이상의 중복 객체 후보를 최종 중복 객체로 결정하도록 야기하는 코드를 저장하는,
    도로 상황 데이터 처리 장치.
KR1020210181610A 2021-12-17 2021-12-17 도로 상황 데이터 처리 장치 및 방법 KR20230092330A (ko)

Priority Applications (4)

Application Number Priority Date Filing Date Title
KR1020210181610A KR20230092330A (ko) 2021-12-17 2021-12-17 도로 상황 데이터 처리 장치 및 방법
JP2021214303A JP2023090590A (ja) 2021-12-17 2021-12-28 道路状況データ処理装置及び方法
US17/563,586 US20230196919A1 (en) 2021-12-17 2021-12-28 Apparatus and method for processing road situation data
EP22178376.4A EP4198940A1 (en) 2021-12-17 2022-06-10 Apparatus and method for processing road situation data

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210181610A KR20230092330A (ko) 2021-12-17 2021-12-17 도로 상황 데이터 처리 장치 및 방법

Publications (1)

Publication Number Publication Date
KR20230092330A true KR20230092330A (ko) 2023-06-26

Family

ID=82019576

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210181610A KR20230092330A (ko) 2021-12-17 2021-12-17 도로 상황 데이터 처리 장치 및 방법

Country Status (4)

Country Link
US (1) US20230196919A1 (ko)
EP (1) EP4198940A1 (ko)
JP (1) JP2023090590A (ko)
KR (1) KR20230092330A (ko)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090109312A (ko) 2008-04-15 2009-10-20 주식회사 현대오토넷 실시간 촬영 영상을 이용한 실시간 교통정보 제공 시스템

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9171079B2 (en) * 2011-01-28 2015-10-27 Cisco Technology, Inc. Searching sensor data
KR101475040B1 (ko) * 2013-12-23 2014-12-24 한국교통대학교산학협력단 교통정보 기반 소셜 네트워크 서비스 제공 방법 및 시스템
JP6659367B2 (ja) * 2016-01-15 2020-03-04 パナソニック株式会社 物体検出装置および物体検出方法
US20170327035A1 (en) * 2016-05-10 2017-11-16 Ford Global Technologies, Llc Methods and systems for beyond-the-horizon threat indication for vehicles
JP7015723B2 (ja) * 2018-04-11 2022-02-03 パナソニック株式会社 物体検出装置、物体検出システム、及び物体検出方法
TW202008325A (zh) * 2018-08-08 2020-02-16 財團法人工業技術研究院 協同式車輛安全系統與方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090109312A (ko) 2008-04-15 2009-10-20 주식회사 현대오토넷 실시간 촬영 영상을 이용한 실시간 교통정보 제공 시스템

Also Published As

Publication number Publication date
JP2023090590A (ja) 2023-06-29
US20230196919A1 (en) 2023-06-22
EP4198940A1 (en) 2023-06-21

Similar Documents

Publication Publication Date Title
CN108345822B (zh) 一种点云数据处理方法及装置
US11681294B2 (en) Method and system for prediction of roadwork zone
US11322025B2 (en) Method and system for validating existence of roadwork
US9727820B2 (en) Vehicle behavior prediction device and vehicle behavior prediction method, and driving assistance device
US11227486B2 (en) Method, apparatus, and system for estimating vulnerable road users
KR102613839B1 (ko) 긴급 차량들의 검출
RU2742213C1 (ru) Способ управления информацией о полосах движения, способ управления движением и устройство управления информацией о полосах движения
CN110325935A (zh) 用于自动驾驶车辆的路径规划的基于驾驶场景的车道引导线
US20200034351A1 (en) Source Authentication And Changed Primitive Verification Systems And Methods For Real Time Updating Of Cloud-Based HD 3-D Map
CN111780987B (zh) 自动驾驶车辆的测试方法、装置、计算机设备和存储介质
CN111351499B (zh) 路径识别方法、装置、计算机设备和计算机可读存储介质
US11587366B1 (en) Systems and methods for selecting locations to validate automated vehicle data transmission
US11263896B2 (en) Method and system for detecting jaywalking of vulnerable road users
JP6903598B2 (ja) 情報処理装置、情報処理方法、情報処理プログラム、および移動体
CN104875740B (zh) 用于管理跟随空间的方法、主车辆以及跟随空间管理单元
US20220413502A1 (en) Method, apparatus, and system for biasing a machine learning model toward potential risks for controlling a vehicle or robot
KR102279754B1 (ko) 충돌 사고 방지 방법, 장치, 서버, 및 컴퓨터 프로그램
KR20230108672A (ko) 규칙집 궤적 생성을 위한 그래프 탐색
KR101574239B1 (ko) 차량 운행 정보 제공 방법 및 장치
CN112147635A (zh) 一种检测系统、方法及装置
KR20230092330A (ko) 도로 상황 데이터 처리 장치 및 방법
US20230077863A1 (en) Search algorithms and safety verification for compliant domain volumes
CN110696828A (zh) 前向目标选择方法、装置及车载设备
CN114746918A (zh) 使用热图来检测单向驾驶的系统和方法
EP4357944A1 (en) Identification of unknown traffic objects