KR20230098633A - 교통 흐름 정보의 결정 방법, 장치, 전자 기기 및 저장 매체 - Google Patents

교통 흐름 정보의 결정 방법, 장치, 전자 기기 및 저장 매체 Download PDF

Info

Publication number
KR20230098633A
KR20230098633A KR1020237018513A KR20237018513A KR20230098633A KR 20230098633 A KR20230098633 A KR 20230098633A KR 1020237018513 A KR1020237018513 A KR 1020237018513A KR 20237018513 A KR20237018513 A KR 20237018513A KR 20230098633 A KR20230098633 A KR 20230098633A
Authority
KR
South Korea
Prior art keywords
vehicle
traffic flow
information
current
grouping
Prior art date
Application number
KR1020237018513A
Other languages
English (en)
Other versions
KR102620325B1 (ko
Inventor
주어위에 한
즈한 왕
Original Assignee
우이시 (상하이) 오토모티브 테크놀로지스 리미티드
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 우이시 (상하이) 오토모티브 테크놀로지스 리미티드 filed Critical 우이시 (상하이) 오토모티브 테크놀로지스 리미티드
Publication of KR20230098633A publication Critical patent/KR20230098633A/ko
Application granted granted Critical
Publication of KR102620325B1 publication Critical patent/KR102620325B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—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
    • G08G1/16—Anti-collision systems
    • G08G1/161—Decentralised systems, e.g. inter-vehicle communication
    • G08G1/163—Decentralised systems, e.g. inter-vehicle communication involving continuous checking
    • 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
    • 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
    • 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
    • B60W30/10—Path keeping
    • B60W30/12—Lane keeping
    • 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
    • G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
    • 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
    • G08G1/056—Detecting movement of traffic to be counted or controlled with provision for distinguishing direction of travel
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/065—Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096708—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control
    • G08G1/096725—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control where the received information generates an automatic action on the vehicle control
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/167—Driving aids for lane monitoring, lane changing, e.g. blind spot detection
    • 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
    • B60W2050/0019—Control system elements or transfer functions
    • B60W2050/0022—Gains, weighting coefficients or weighting functions
    • B60W2050/0025—Transfer function weighting factor
    • 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
    • B60W2552/00—Input parameters relating to infrastructure
    • B60W2552/10—Number of lanes
    • 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
    • B60W2552/00—Input parameters relating to infrastructure
    • B60W2552/53—Road markings, e.g. lane marker or crosswalk
    • 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
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/404—Characteristics
    • B60W2554/4041—Position
    • 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
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/404—Characteristics
    • B60W2554/4042—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
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/404—Characteristics
    • B60W2554/4043—Lateral 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
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/408—Traffic behavior, e.g. swarm

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Traffic Control Systems (AREA)

Abstract

교통 흐름 정보의 결정 방법, 장치, 전자 기기 및 저장 매체에 있어서, 상기 방법은, 현재 차량의 이동 정보 및 하나 이상의 타깃 차량의 상태 정보를 기반으로 각 타깃 차량에 대해 그룹핑을 수행하여 그룹핑 정보를 얻는 단계(401); 각 타깃 차량의 상태 정보 및 그룹핑 정보에 기반하여 각 타깃 차량의 피팅 가중치를 결정하는 단계(402); 및, 현재 차량의 이동 정보, 각 타깃 차량의 상태 정보, 각 타깃 차량의 피팅 가중치 및 그룹핑 정보를 기반으로 하나 이상의 현재 교통 흐름 정보를 피팅하여 생성하는 단계(403);를 포함한다. 상기 방법은 복수의 타깃 차량에 대해 그룹핑을 수행하여 각 타깃 차량의 피팅 가중치를 결정함으로써, 그룹핑 정보, 피팅 가중치, 현재 차량의 이동 정보 및 타깃 차량의 상태 정보를 기반으로 현재 교통 흐름 정보를 피팅하여 생성함으로써, 교통 흐름에 대한 감지를 구현할 수 있다.

Description

교통 흐름 정보의 결정 방법, 장치, 전자 기기 및 저장 매체
본 발명의 실시예는 지능형 운전 기술분야에 관한 것으로, 구체적으로 교통 흐름 정보의 결정 방법, 장치, 전자 기기 및 저장 매체에 관한 것이다.
현재 구조화 도로의 지능형 운전 시스템에 대해, 주행 환경 감지 과정에서 일반적으로 차량의 전방 카메라에 의해 수집된 차선 정보를 기반으로 차량의 횡방향 위치를 결정하고 타깃 주행 경로를 생성한다. 보다시피, 차량 횡방향 위치 결정(즉, 차량이 위치한 차도의 위치 결정), 차량 횡방향 제어 및 타깃 주행 경로 생성의 정확성은 지능형 운전 시스템 또는 카메라에 의한 차선 식별 정밀도에 의존함을 알 수 있다.
그러나, 현재 다양한 요소로 인해 차선을 정확하게 식별할 수 없다. 예를 들어, 도로의 교통이 상대적으로 혼잡하여 현재 차량과 앞차의 차속이 느리고 차간 거리가 상대적으로 가까우며 양쪽 차도의 교통 흐름이 밀집된 경우에, 차량의 전방 카메라에 의한 감지 거리와 시야 범위가 제한되며, 이때 카메라에 의해 수집된 이미지 데이터에 따라 차선을 식별하기에는 매우 어렵다. 이 밖에, 도로 공사, 차선 변경, 과도한 교통 흐름 등 여러 가지 이유로 인해 차선이 명확하지 않거나 오래된 차선이 정리되지 않는 등 정확한 차선 식별을 방해하는 상황이 자주 발생한다.
보다시피, 차선을 식별할 수 없거나 식별 정확도가 낮은 경우가 차량의 횡방향 위치 결정, 차량의 횡방향 제어 및 타깃 주행 경로 생성에 미치는 영향을 줄이기 위해서는 다른 감지 수단이 필요함을 알 수 있다. 따라서, 교통 흐름(Traffic Stream) 정보를 감지할 수 있는 새로운 감지 수단이 시급히 필요하며, 교통 흐름은 동일한 차도에서 복수의 차량이 동일한 방향으로 이동되면서 형성된 차량 흐름으로 이해할 수 있고, 교통 흐름 정보는 교통 흐름의 궤적의 정보로 이해할 수 있다.
본 발명은 교통 흐름 정보를 감지할 수 있는 새로운 감지 수단을 제공한다. 본 발명의 적어도 하나의 실시예는 교통 흐름 정보의 결정 방법, 장치, 전자 기기 및 비일시적 컴퓨터 판독 가능 저장 매체를 제공한다.
제1 양태에서, 본 발명의 실시예에서 제공된 교통 흐름 정보의 결정 방법은,
현재 차량의 이동 정보 및 하나 이상의 타깃 차량의 상태 정보를 기반으로 각 상기 타깃 차량에 대해 그룹핑을 수행하여 그룹핑 정보를 얻는 단계;
각 상기 타깃 차량의 상태 정보 및 상기 그룹핑 정보에 기반하여 각 상기 타깃 차량의 피팅 가중치를 결정하는 단계; 및,
상기 현재 차량의 이동 정보, 각 상기 타깃 차량의 상태 정보, 각 상기 타깃 차량의 피팅 가중치 및 상기 그룹핑 정보를 기반으로 하나 이상의 현재 교통 흐름 정보를 피팅하여 생성하는 단계;를 포함한다.
일부 실시예에서, 상기 현재 차량의 이동 정보 및 하나 이상의 타깃 차량의 상태 정보를 기반으로 각 상기 타깃 차량에 대해 그룹핑을 수행하여 그룹핑 정보를 얻는 단계는,
상기 현재 차량의 이동 정보에 기반하여 현재 차량의 주행 궤적을 결정하는 단계;
상기 현재 차량의 이동 정보 및 각 상기 타깃 차량의 상태 정보에 기반하여 하나 이상의 유효 타깃 차량을 선별하는 단계; 및,
상기 현재 차량의 주행 궤적 및 각 상기 유효 타깃 차량의 상태 정보를 기반으로 각 상기 유효 타깃 차량에 대해 그룹핑을 수행하여 그룹핑 정보를 얻는 단계;를 포함한다.
일부 실시예에서, 상기 그룹핑 정보를 얻은 이후, 상기 방법은,
과거 교통 흐름 정보에 기반하여 상기 그룹핑 정보를 보정하는 단계; 및,
대응하게, 상기 과거 교통 흐름 정보, 각 상기 유효 타깃 차량의 상태 정보 및 보정된 그룹핑 정보에 기반하여 각 상기 유효 타깃 차량의 피팅 가중치를 결정하는 단계;를 더 포함한다.
일부 실시예에서, 상기 현재 차량의 주행 궤적 및 각 상기 유효 타깃 차량의 상태 정보를 기반으로 각 상기 유효 타깃 차량에 대해 그룹핑을 수행하여 그룹핑 정보를 얻는 상기 단계는,
각 상기 유효 타깃 차량에 대해,
상기 유효 타깃 차량의 상태 정보 및 상기 현재 차량의 주행 궤적에 기반하여 상기 유효 타깃 차량이 위치한 상대 차도를 결정하는 단계; 및,
상기 상대 차도에 기반하여 상기 유효 타깃 차량의 그룹핑 정보를 결정하는 단계;를 포함한다.
일부 실시예에서, 상기 그룹핑 정보는 현재 차량이 위치한 차도의 좌측 제1 차도 그룹핑, 현재 차량이 위치한 차도의 좌측 제2 차도 그룹핑, 현재 차량이 위치한 차도의 우측 제1 차도 그룹핑, 현재 차량이 위치한 차도의 우측 제2 차도 그룹핑 및 다른 그룹핑의 5개의 그룹을 포함한다.
일부 실시예에서, 상기 하나 이상의 현재 교통 흐름 정보를 피팅하여 생성하는 단계 이전에, 상기 방법은,
타깃 차량 수가 기설정된 피팅 수를 만족하는지 여부를 판단하고; 그렇다면, 현재 차량의 주행 상태가 직진인지 여부를 판단하는 단계;
현재 차량의 주행 상태가 직진이면 캐시된 과거 차량을 획득하는 단계;
각 상기 과거 차량의 좌표를 업데이트하여 각 과거 차량에 대응되는 가상 차량 및 각 상기 가상 차량의 상태 정보를 얻는 단계; 및,
과거 교통 흐름 정보, 상기 현재 차량의 이동 정보, 각 상기 가상 차량의 상태 정보 및 각 상기 가상 차량의 그룹핑 정보에 기반하여 각 상기 가상 차량의 피팅 가중치를 결정하는 단계;를 더 포함하고,
대응하게, 상기 하나 이상의 현재 교통 흐름 정보를 피팅하여 생성하는 단계는, 각 상기 타깃 차량의 상태 정보, 각 상기 타깃 차량의 피팅 가중치, 각 상기 가상 차량의 상태 정보 및 각 상기 가상 차량의 피팅 가중치에 기반하여 하나 이상의 현재 교통 흐름 정보를 피팅하여 생성하는 단계를 포함한다.
일부 실시예에서, 상기 과거 차량은 캐시 조건을 만족하되; 여기서 상기 캐시 조건은 현재 차량과 동일한 방향으로 주행하는 차량을 선별하기 위한 것이고 또한 상기 차량은 다른 그룹핑에 속하지 않는다.
일부 실시예에서, 상기 캐시 조건은,
차량이 현재 차량의 전방에 위치하고 현재 차량과의 상대적 거리가 기설정된 상대적 거리 임계값보다 큰 경우;
현재 차량에 대한 차량의 속도 방향과 현재 차량의 주행 방향 사이의 협각이 기설정된 협각 임계값보다 작은 경우; 및,
현재 차량에 대한 차량의 측방향 거리가 기설정된 측방향 거리 범위 내에 있는 경우;를 포함한다.
일부 실시예에서, 상기 캐시 조건은, 차량의 수명 주기가 기설정된 수명 주기 임계값보다 큰 경우를 더 포함한다.
일부 실시예에서, 각 상기 타깃 차량의 피팅 가중치를 결정하는 상기 단계는,
각 상기 타깃 차량에 대해,
상기 타깃 차량의 상태 정보 및 상기 타깃 차량의 그룹핑 정보에 기반하여, 상기 타깃 차량의 측방향 속도 편차 가중치, 상기 타깃 차량의 측방향 변위 편차 가중치, 상기 타깃 차량의 수명 주기 가중치 및 상기 타깃 차량의 속도 가중치를 결정하는 단계; 및,
상기 타깃 차량의 측방향 속도 편차 가중치, 상기 타깃 차량의 측방향 변위 편차 가중치, 상기 타깃 차량의 수명 주기 가중치 및 상기 타깃 차량의 속도 가중치를 곱하여, 상기 타깃 차량의 피팅 가중치를 얻는 단계;를 포함한다.
일부 실시예에서, 각 상기 가상 차량의 피팅 가중치를 결정하는 상기 단계는,
각 상기 가상 차량에 대해,
상기 가상 차량의 상태 정보 및 상기 가상 차량의 그룹핑 정보에 기반하여, 상기 가상 차량의 측방향 속도 편차 가중치, 상기 가상 차량의 측방향 변위 편차 가중치, 상기 가상 차량의 수명 주기 가중치, 상기 가상 차량의 속도 가중치 및 상기 가상 차량의 가중치를 결정하는 단계; 및,
상기 가상 차량의 측방향 속도 편차 가중치, 상기 가상 차량의 측방향 변위 편차 가중치, 상기 가상 차량의 수명 주기 가중치, 상기 가상 차량의 속도 가중치 및 상기 가상 차량의 가중치를 곱하여, 상기 가상 차량의 피팅 가중치를 얻는 단계;를 포함한다.
일부 실시예에서, 각 그룹핑은 하나의 교통 흐름에 대응하고; 상기 하나 이상의 현재 교통 흐름 정보를 피팅하여 생성하는 단계는,
하나의 그룹핑에 대해,
상기 그룹핑 중 타깃 차량의 수 및 상기 그룹핑 중 모든 타깃 차량의 종방향 분포 거리에 기반하여 피팅 방식을 선택하는 단계; 및,
선택된 피팅 방식을 기반으로, 상기 현재 차량의 이동 정보, 상기 그룹핑 중 각 타깃 차량의 상태 정보 및 상기 그룹핑 중 각 타깃 차량의 피팅 가중치를 이용하여 상기 그룹핑에 대응되는 현재 교통 흐름 정보를 피팅하여 생성하는 단계;를 포함한다.
일부 실시예에서, 상기 그룹핑 중 타깃 차량의 수 및 상기 그룹핑 중 모든 타깃 차량의 종방향 분포 거리에 기반하여 피팅 방식을 선택하는 상기 단계는,
상기 그룹핑 중 타깃 차량의 수가 제1 개수 조건을 만족하는지 여부와, 종방향 분포 거리가 기설정된 제1 거리 임계값보다 큰지 여부를 판단하는 단계;
제1 개수 조건이 만족되고 기설정된 제1 거리 임계값보다 크면, 1차 피팅 및 2차 피팅을 선택하며; 그렇지 않으면 상기 그룹핑 중 타깃 차량의 수가 제2 개수 조건을 만족하는지 여부와, 종방향 분포 거리가 기설정된 제2 거리 임계값보다 큰지 여부를 판단하는 단계; 및,
제2 개수 조건이 만족되고 기설정된 제2 거리 임계값보다 크면, 1차 피팅을 선택하며; 그렇지 않으면 피팅을 수행하지 않는 단계;를 포함한다.
일부 실시예에서, 1차 피팅 및 2차 피팅을 선택하면, 상기 그룹핑에 대응되는 현재 교통 흐름 정보를 피팅하여 생성하는 상기 단계는,
상기 그룹핑에 대응되는 1차 피팅 결과를 피팅하여 생성하고 상기 1차 피팅 결과의 제1 평균제곱오차를 결정하는 단계;
상기 그룹핑에 대응되는 2차 피팅 결과를 피팅하여 생성하고 상기 2차 피팅 결과의 제2 평균제곱오차를 결정하는 단계; 및,
상기 제1 평균제곱오차와 상기 제2 평균제곱오차를 비교하여, 상기 제1 평균제곱오차가 상기 제2 평균제곱오차의 기설정된 배수보다 크면, 상기 2차 피팅 결과를 상기 그룹핑에 대응되는 현재 교통 흐름 정보로 선택하고; 그렇지 않으면 상기 1차 피팅 결과를 상기 그룹핑에 대응되는 현재 교통 흐름 정보로 선택하는 단계;를 포함한다.
일부 실시예에서, 상기 현재 차량의 이동 정보, 상기 그룹핑 중 각 타깃 차량의 상태 정보 및 상기 그룹핑 중 각 타깃 차량의 피팅 가중치를 이용하여 상기 그룹핑에 대응되는 현재 교통 흐름 정보를 피팅하여 생성하는 상기 단계는,
상기 그룹핑 중 각 타깃 차량의 상태 정보 및 상기 그룹핑 중 각 타깃 차량의 피팅 가중치를 기반으로, 상기 그룹핑에 대응되는 초기 교통 흐름 정보를 피팅하여 생성하는 단계; 및,
과거 교통 흐름 정보 및 상기 현재 차량의 이동 정보를 기반으로, 상기 초기 교통 흐름 정보를 제약하여 상기 그룹핑에 대응되는 현재 교통 흐름 정보를 얻는 단계;를 포함한다.
일부 실시예에서, 상기 제약은 위치 제약, 방향 제약 및/또는 곡률 제약을 포함한다.
일부 실시예에서, 상기 위치 제약은, 상기 과거 교통 흐름 정보에 대응되는 신뢰도에 기반하여 상기 초기 교통 흐름 정보에 대응되는 피팅 파라미터 중의 상수항의 변화량을 제약하는 경우; 및,
상기 상수항의 변화량과 상기 과거 교통 흐름 정보에 대응되는 신뢰도 사이는 역의 상관관계이고; 상기 상수항의 변화량과 상기 초기 교통 흐름 정보에 대응되는 피팅 수 사이는 정적 상관관계인 경우;를 포함한다.
일부 실시예에서, 상기 방향 제약은, 상기 과거 교통 흐름 정보에 대응되는 신뢰도 및/또는 상기 현재 차량의 이동 정보에 기반하여 상기 초기 교통 흐름 정보에 대응되는 피팅 파라미터 중의 1차항의 변화량을 제약하는 경우를 포함하되;
여기서, 상기 1차항의 변화량과 상기 과거 교통 흐름 정보에 대응되는 신뢰도 사이는 역의 상관관계이고, 상기 1차항의 변화량과 상기 현재 차량의 조향 진폭 사이는 정적 상관관계이며, 및/또는 상기 1차항의 변화량과 상기 초기 교통 흐름 정보에 대응되는 피팅 수 사이는 정적 상관관계이다.
일부 실시예에서, 상기 곡률 제약은, 상기 과거 교통 흐름 정보에 대응되는 신뢰도 및/또는 상기 현재 차량의 이동 정보에 기반하여 상기 초기 교통 흐름 정보에 대응되는 피팅 파라미터 중의 2차항의 변화량을 제약하는 경우를 포함하되;
여기서, 상기 2차항의 변화량과 상기 과거 교통 흐름 정보에 대응되는 신뢰도 사이는 역의 상관관계이고, 상기 2차항의 변화량과 상기 현재 차량의 속도 사이는 역의 상관관계이며, 및/또는 상기 2차항의 변화량과 상기 현재 차량의 스티어링 휠 회전 속도 사이는 정적 상관관계이다.
일부 실시예에서, 상기 방법은,
상기 현재 교통 흐름 정보에 기반하여 신뢰도 증분을 결정하는 단계; 및,
과거 교통 흐름 정보의 신뢰도 및 상기 신뢰도 증분에 기반하여 상기 현재 교통 흐름 정보에 대응되는 신뢰도를 결정하는 단계;를 더 포함하되;
여기서, 상기 신뢰도 증분과 상기 현재 교통 흐름 정보에 대응되는 피팅 결과의 평균제곱오차 사이는 역의 상관관계이고, 상기 신뢰도 증분과 상기 현재 교통 흐름 정보에 대응되는 피팅 수 사이는 정적 상관관계이며, 및/또는 상기 신뢰도 증분과 상기 현재 교통 흐름 정보에 대응되는 타깃 차량의 종방향 분포 거리 사이는 정적 상관관계이다.
일부 실시예에서, 상기 현재 교통 흐름 정보에 기반하여 신뢰도 증분을 결정하는 상기 단계는,
2개의 현재 교통 흐름 정보가 교차하는 경우, 2개의 교통 흐름에 대응되는 피팅 수와 종방향 분포 거리를 비교하는 단계; 및, 피팅 수가 비교적 적거나 종방향 분포 거리가 비교적 짧은 현재 교통 흐름 정보에 대응되는 신뢰도 증분이 음수인 것으로 결정하는 단계;를 포함한다.
일부 실시예에서, 상기 방법은, 상기 현재 교통 흐름 정보 및 상기 현재 교통 흐름 정보에 대응되는 신뢰도에 기반하여 현재 차량의 주행 기준 경로를 결정하는 단계를 더 포함하고;
상기 현재 차량의 주행 기준 경로를 결정하는 단계는,
현재 차량 양측의 현재 교통 흐름 정보에 대응되는 신뢰도가 기설정된 신뢰도 문턱값보다 모두 높으면, 현재 차량의 주행 기준 경로의 파라미터를 현재 차량 양측의 현재 교통 흐름 정보에 대응되는 피팅 파라미터의 가중 평균값으로 결정하되; 현재 차량 양측의 현재 교통 흐름 정보에 대응되는 피팅 파라미터의 가중치와 피팅 파라미터의 변화율 사이는 역의 상관관계인 단계;
현재 차량의 일측에만 현재 교통 흐름 정보에 대응되는 신뢰도가 기설정된 신뢰도 문턱값보다 높으면, 현재 차량의 주행 기준 경로의 파라미터 중 1차항 및 2차항이 상기 측의 현재 교통 흐름 정보에 대응되는 피팅 파라미터 중 1차항 및 2차항과 동일하고, 현재 교통 흐름 정보에 대응되는 피팅 파라미터 중 상수항이 0인 것으로 결정하는 단계; 및,
현재 차량 양측의 현재 교통 흐름 정보에 대응되는 신뢰도가 기설정된 신뢰도 문턱값보다 모두 낮으면, 현재 차량의 주행 기준 경로의 파라미터가 모두 0인 것으로 결정하는 단계;를 포함한다.
일부 실시예에서, 상기 방법은, 상기 현재 교통 흐름 정보 및 상기 현재 교통 흐름 정보에 대응되는 신뢰도에 기반하여 보조 포지셔닝 플래그를 결정하는 단계를 더 포함하고;
상기 보조 포지셔닝 플래그를 결정하는 단계는,
현재 차량 양측의 현재 교통 흐름 정보에 대응되는 신뢰도가 기설정된 신뢰도 문턱값보다 모두 높으면, 보조 포지셔닝 플래그를 제1 플래그로 결정하는 단계;
현재 차량 좌측의 현재 교통 흐름 정보에 대응되는 신뢰도가 기설정된 신뢰도 문턱값보다 높으면, 보조 포지셔닝 플래그를 제2 플래그로 결정하는 단계; 및,
현재 차량 우측의 현재 교통 흐름 정보에 대응되는 신뢰도가 기설정된 신뢰도 문턱값보다 높으면, 보조 포지셔닝 플래그를 제3 플래그로 결정하는 단계;를 포함한다.
제2 양태에서, 본 발명의 실시예에서 제공된 교통 흐름 정보의 결정 장치는,
현재 차량의 이동 정보 및 하나 이상의 타깃 차량의 상태 정보를 기반으로 각 상기 타깃 차량에 대해 그룹핑을 수행하여 그룹핑 정보를 얻는 그룹핑 모듈;
각 상기 타깃 차량의 상태 정보 및 상기 그룹핑 정보에 기반하여 각 상기 타깃 차량의 피팅 가중치를 결정하는 결정 모듈; 및,
상기 현재 차량의 이동 정보, 각 상기 타깃 차량의 상태 정보, 각 상기 타깃 차량의 피팅 가중치 및 상기 그룹핑 정보를 기반으로 하나 이상의 현재 교통 흐름 정보를 피팅하여 생성하는 피팅 모듈;을 포함한다.
제3 양태에서, 본 발명의 실시예에서 제공된 전자 기기는 프로세서 및 메모리를 포함하되; 상기 프로세서는 상기 메모리에 저장된 프로그램 또는 명령을 호출하여, 제1 양태의 어느 하나의 실시예에 따른 교통 흐름 정보의 결정 방법의 단계를 수행한다.
제4 양태에서, 본 발명의 실시예에서 제공된 비일시적 컴퓨터 판독 가능 저장 매체는 프로그램 또는 명령을 저장하되, 상기 프로그램 또는 명령은 컴퓨터가 제1 양태의 어느 하나의 실시예에 따른 교통 흐름 정보의 결정 방법의 단계를 수행하도록 한다.
보다시피, 본 발명의 적어도 하나의 실시예에서, 복수의 타깃 차량에 대해 그룹핑을 수행하여 각 타깃 차량의 피팅 가중치를 결정함으로써, 그룹핑 정보, 피팅 가중치, 현재 차량의 이동 정보 및 타깃 차량의 상태 정보를 기반으로 현재 교통 흐름 정보를 피팅하여 생성함으로써, 교통 흐름에 대한 감지를 구현할 수 있다.
본 발명의 실시예의 기술적 해결수단을 보다 명확하게 설명하기 위해, 아래에 실시예 또는 종래의 기술의 설명에 사용되어야 하는 도면을 간단히 소개할 것이며, 분명한 것은, 아래 설명에서 도면은 단지 본 발명의 일부 실시예에 불과하며, 본 기술분야의 통상의 기술자들은 진보성 또한 이러한 도면으로부터 다른 도면을 얻을 수 있을 것이다.
도 1은 본 발명의 실시예에서 제공된 교통 흐름 정보를 결정하는 예시적인 장면도이다.
도 2는 본 발명의 실시예에서 제공된 지능형 운전 차량의 예시적인 아키텍처이다.
도 3은 본 발명의 실시예에서 제공된 전자 기기의 예시적인 블록도이다.
도 4는 본 발명의 실시예에서 제공된 교통 흐름 정보의 결정 방법의 예시적인 흐름도이다.
도 5는 본 발명의 실시예에서 제공된 교통 흐름 정보의 결정 장치의 예시적인 블록도이다.
본 발명의 상기 목적, 특징 및 장점을 보다 명확하게 이해할 수 있도록 하기 위해, 아래 도면과 실시예를 결부하여 본 발명에 대해 더 상세하게 설명한다. 설명된 실시예는 본 발명의 일부 실시예이며 전체 실시예가 아님을 이해할 수 있을 것이다. 여기서 설명된 구체적인 실시예는 단지 본 발명을 해석하기 위한 것이며 본 발명에 대해 한정하는 것이 아니다. 설명된 본 발명의 실시예를 기반으로, 본 기술분야의 통상의 기술자로부터 획득된 모든 다른 실시예는 모두 본 발명의 보호 범위에 속한다.
설명해야 할 것은, 본 명세서에서, 예를 들어 “제1” 및 “제2”와 같은 관계 용어는 단지 하나의 엔티티 또는 동작을 다른 엔티티 또는 동작과 구분하기 위한 것일 뿐, 이러한 엔티티 또는 동작 사이에 임의의 이러한 실제적인 관계 또는 순서가 존재하는 것으로 반드시 요구하거나 암시하는 것이 아니다.
지능형 운전 기술의 발전과 더불어 장거리 경로 계획은 L3과 같은 상위 자율 운전 시스템의 필수 기능이 될 것이며, 이러한 계획 기능에는 현재 차량이 위치한 차도의 정확한 위치 파악이 필요하다. 현재의 저가형 위성 포지셔닝 시스템으로는 현재 차량이 위치한 차도를 정확히 파악할 수 없으며, 지능형 운전 시스템 또는 카메라로 차선의 유형을 파악하는 것만으로는 현재 차도에 대한 정확한 판단을 보장할 수 없고, 또한 배경 기술에서 언급한 요소와 같이 현재 많은 요소들로 인해 차선을 정밀하게 식별할 수 없으며, 여기서는 더이상 반복 서술하지 않는다.
따라서, 본 발명의 실시예는 교통 흐름 정보를 감지할 수 있는 새로운 감지 수단을 제공하되, 교통 흐름은 동일한 차도에서 복수의 차량이 동일한 방향으로 이동되면서 형성된 차량 흐름으로 이해할 수 있고, 교통 흐름 정보는 교통 흐름의 궤적의 정보로 이해할 수 있다. 차선은 하나의 선으로 간주할 수 있고, 궤적도 하나의 선으로 간주할 수 있기 때문에 교통 흐름 정보는 차량 횡방향 위치결정(즉, 차량이 위치한 차도의 위치결정), 차량 횡방향 제어 및 타깃 주행 경로 생성에 사용하기 위한 차선을 대체할 수 있다.
본 발명의 실시예는 교통 흐름 정보의 결정 방법, 장치, 전자 기기 또는 저장 매체를 제공하고, 복수의 타깃 차량에 대해 그룹핑을 수행하여 각 타깃 차량의 피팅 가중치를 결정함으로써, 그룹핑 정보, 피팅 가중치, 현재 차량의 이동 정보 및 타깃 차량의 상태 정보를 기반으로 현재 교통 흐름 정보를 피팅하여 생성함으로써, 교통 흐름에 대한 감지를 구현할 수 있다. 본 발명의 실시예는 지능형 운전 차량에 적용될 수 있고, 전자 기기에도 적용될 수 있다. 상기 지능형 운전 차량은 다양한 수준의 지능형 운전 시스템을 갖춘 차량으로, 예를 들어 지능형 운전 시스템에는 무인 운전 시스템, 보조 운전 시스템, 운전 보조 시스템, 고도 자동 운전 시스템, 완전 자동 운전 차량 등이 포함된다. 상기 전자 기기에는 지능형 운전 시스템이 장착되어 있으며, 예를 들어, 전자 기기는 지능형 운전 알고리즘을 테스트하기 위해 사용될 수 있고, 또 예를 들어, 전자 기기는 차량 탑재 기기일 수 있으며, 일부 실시예에서, 전자 기기는 다른 분야에 적용될 수 있다. 이하에서는 보다 명확하고 정확한 설명을 위해 본 발명의 실시예는 지능형 운전 차량을 예로 들어 상기 교통 흐름 정보 결정 방법, 장치, 전자 기기 또는 저장 매체를 설명한다.
도 1은 본 발명의 실시예에서 제공된 교통 흐름 정보를 결정하는 예시적인 장면도이고, 도 1에서 현재 차량(101)은 직진 중이며 현재 차량 궤적의 좌우 경계를 104로 도시하고, 도 1에서 103으로 도시한 바와 같이 현재 차량의 좌측에는 3대의 차량이 있으며, 우측에는 2대의 차량이 있고, 본 발명의 실시예에서 제공된 교통 흐름 정보의 결정 방법으로 현재 차량의 좌측 교통 흐름 정보를 결정할 것을 예상하며, 예를 들어 도 1에서 좌측 교통 흐름에 대응되는 궤적 102, 및 현재 차량의 우측 교통 흐름 정보를 결정한다.
도 2는 본 발명의 실시예에서 제공된 지능형 운전 차량의 예시적인 전체 아키텍처이다. 도 2에 도시된 지능형 운전 차량은 도 1 중의 차량(101)으로 구현될 수 있다. 도 2에 도시된 바와 같이, 지능형 운전 차량은 센서 그룹, 지능형 운전 시스템, 차량 기반 실행 시스템 및 차량을 구동하고 작동을 제어하는데 사용될 수 있는 다른 부재(예를 들어, 브레이크 페달, 스티어링 휠 및 가속 페달)를 포함한다.
센서 그룹은 차량 외부 환경의 데이터를 수집하고 차량의 위치 데이터를 탐측하는데 사용된다. 센서 그룹은 예를 들어 카메라, 라이다, 밀리미터파 레이더, 초음파 레이더, GPS(Global Positioning System, 글로벌 포지셔닝 시스템) 및 IMU(Inertial Measurement Unit, 관성측정유닛) 중 적어도 하나를 포함하지만 이에 한정되지 않는다.
일부 실시예에서, 센서 그룹은 또한 차량의 동역학 데이터를 수집하는데 사용되고, 센서 그룹은 예를 들어 휠 회전 속도 센서, 속도 센서, 가속도 센서, 스티어링 휠 회전 각도 센서, 전륜 회전 각도 센서 중 적어도 하나를 포함하지만 이에 한정되지 않는다.
지능형 운전 시스템은 센서 그룹의 센서 데이터를 획득하는데 사용되고, 여기서 상기 센싱 데이터는 이미지, 비디오, 레이저 포인트 클라우드, 밀리미터파, GPS 정보, 차량 상태 등을 포함하지만 이에 한정되지 않는다. 일부 실시예에서, 지능형 운전 시스템은 상기 센싱 데이터를 기반으로 환경 감지 및 차량 포지셔닝을 수행하여, 감지 정보 및 차량 포즈를 생성하며; 상기 감지 정보 및 차량 포즈를 기반으로 계획 및 의사결정을 수행하여, 계획 및 의사결정 정보를 생성하고; 계획 및 의사결정 정보를 기반으로 차량 제어 명령을 생성하여 차량 기반 실행 시스템에 전달한다. 여기서, 제어 명령은 스티어링 휠 조향, 횡방향 제어 명령, 종방향 제어 명령 등을 포함할 수 있지만 이에 한정되지 않는다.
일부 실시예에서, 지능형 운전 시스템은 센서 데이터, V2X(Vehicle to X, 차량 무선 통신) 데이터, 고정밀 지도와 같은 데이터를 획득하고, 이상 적어도 하나의 데이터를 기반으로 환경 감지 및 포지셔닝을 수행하여, 감지 정보 및 포지셔닝 정보를 생성한다. 여기서 감지 정보는 장애물 정보, 도로 표지판/표지, 보행자/차량 정보, 주행 가능 영역 중 적어도 하나를 포함할 수 있지만 이에 한정되지 않는다. 포지셔닝 정보에는 차량 포즈가 포함된다.
일부 실시예에서, 지능형 운전 시스템은 감지 정보, 차량 포즈 및 V2X 데이터, 고정밀 지도와 같은 데이터 중 적어도 하나에 기반하여 계획 및 의사결정 정보를 생성한다. 여기서 계획 정보는 계획 경로 등을 포함할 수 있지만 이에 한정되지 않으며; 의사결정 정보는 행동(예를 들어, 자동차 추적, 추월, 주차, 우회 등을 포함하지만 이에 한정되지 않음), 차량 방향, 차량 속도, 차량의 예상 가속도, 예상 스티어링 휠 각도 중 적어도 하나를 포함할 수 있지만 이에 한정되지 않는다.
일부 실시예에서, 본 발명의 실시예에서 제공된 교통 흐름 정보의 결정 방법은 상기 지능형 운전 시스템에 적용될 수 있다.
일부 실시예에서, 지능형 운전 시스템은 소프트웨어 시스템, 하드웨어 시스템 또는 소프트웨어와 하드웨어를 결합한 시스템일 수 있다. 예를 들어, 지능형 운전 시스템은 운영 체제에서 실행되는 소프트웨어 시스템이고, 온보드 하드웨어 시스템은 운영 체제의 실행을 지원하는 하드웨어 시스템이다.
일부 실시예에서, 지능형 운전 시스템은 클라우드 서버와 상호작용할 수 있다. 일부 실시예에서, 지능형 운전 시스템은 무선 통신 네트워크(예를 들어, GPRS 네트워크, Zigbee 네트워크, Wifi 네트워크, 3G 네트워크, 4G 네트워크, 5G 네트워크와 같은 무선 통신 네트워크를 포함하지만 이에 한정되지 않음)를 통해 클라우드 서버와 상호작용한다.
일부 실시예에서, 클라우드 서버는 차량과 상호작용하는데 사용된다. 여기서 상기 클라우드 서버는 환경 정보, 포지셔닝 정보, 제어 정보 및 차량의 운전 과정에 필요한 다른 정보를 차량에 전송할 수 있다. 일부 실시예에서, 상기 클라우드 서버는 차량 끝으로부터의 센싱 데이터, 차량 상태 정보, 차량 주행 정보 및 차량이 요청하는 관련 정보를 수신할 수 있다. 일부 실시예에서, 클라우드 서버는 사용자 설정 또는 차량 요청에 기반하여 상기 차량을 원격으로 제어할 수 있다. 일부 실시예에서, 클라우드 서버는 서버 또는 서버 그룹일 수 있다. 서버 그룹은 집중화되거나 분산될 수 있다. 일부 실시예에서, 클라우드 서버는 로컬 또는 원격일 수 있다.
차량 기반 실행 시스템은 차량 제어 명령을 수신하고, 상기 차량 제어 명령을 기반으로 차량이 주행하도록 제어하는데 사용된다. 일부 실시예에서, 차량 기반 실행 시스템은 조향 시스템, 제동 시스템 및 구동 시스템을 포함하지만 이에 한정되지 않는다. 일부 실시예에서, 상기 차량 기반 실행 시스템은 차량 제어 명령을 파싱하여 조향 시스템, 제동 시스템 및 구동 시스템과 같은 대응 시스템에 전송하기 위한 기반 컨트롤러를 더 포함할 수 있다.
일부 실시예에서, 지능형 운전 차량은 도 2에 도시되지 않은 차량용 CAN 버스를 더 포함할 수 있으며, 차량용 CAN 버스는 차량 기반 실행 시스템에 연결된다. 지능형 운전 시스템과 차량 기반 실행 시스템 간의 정보 상호작용은 차량용 CAN 버스를 통해 전달된다.
도 3은 본 발명의 실시예에서 제공된 전자 기기의 구조 모식도이다. 일부 실시예에서, 전자 기기는 차량 탑재 기기일 수 있다. 일부 실시예에서, 전자 기기는 지능형 운전 시스템의 실행을 지원할 수 있다.
도 3에 도시된 바와 같이, 전자 기기는 적어도 하나의 프로세서(301), 적어도 하나의 메모리(302) 및 적어도 하나의 통신 인터페이스(303)를 포함한다. 차량 탑재 기기의 다양한 구성요소는 버스 시스템(304)을 통해 결합된다. 통신 인터페이스(303)는 외부 기기와의 정보 전송을 위해 사용된다. 이해할 수 있는 것은, 버스 시스템(304)은 이러한 구성요소들 간의 연결통신을 구현하는데 사용된다. 버스 시스템(304)은 데이터 버스에 더하여, 또한 전원 버스, 제어 버스 및 상태 신호 버스를 더 포함한다. 그러나 명확한 설명을 위해, 도 3에서 다양한 버스를 모두 버스 시스템(304)으로 표기한다.
이해할 수 있는 것은, 본 실시예에서 메모리(302)는 휘발성 메모리 또는 비휘발성 메모리일 수 있거나, 휘발성 및 비휘발성 메모리 모두를 포함할 수 있다.
일부 실시형태에서, 메모리(302)는 실행 가능 유닛 또는 데이터 구조, 또는 이들의 서브 세트 또는 이들의 확장 세트: 운영 체제 및 응용 프로그램과 같은 요소를 저장한다.
여기서, 운영 체제는 프레임워크 계층, 코어 라이브러리 계층, 구동 계층 등과 같은 다양한 시스템 프로그램을 포함하며, 다양한 기본 작업을 구현하고 하드웨어 기반 작업을 처리하는데 사용된다. 응용 프로그램은 미디어 플레이어(Media Player), 브라우저(Browser) 등과 같은 다양한 응용 프로그램을 포함하며, 다양한 응용 작업을 구현하는데 사용된다. 본 발명의 실시예에서 제공된 교통 흐름 정보의 결정 방법을 구현하는 프로그램은 응용 프로그램에 포함될 수 있다.
본 발명의 실시예에서, 프로세서(301)는 메모리(302)에 저장된 프로그램 또는 명령, 구체적으로 응용 프로그램에 저장된 프로그램 또는 명령을 호출하고, 프로세서(301)는 본 발명의 실시예에서 제공된 교통 흐름 정보의 결정 방법의 각 실시예의 단계를 수행한다.
본 발명의 실시예에서 제공된 교통 흐름 정보의 결정 방법은 프로세서(301)에 적용될 수 있거나 프로세서(301)에 의해 구현될 수 있다. 프로세서(301)는 집적 회로 칩일 수 있고 신호 처리 기능을 갖는다. 구현 과정에서, 상기 방법의 각 단계는 프로세서(301) 중의 하드웨어의 집적 논리 회로 또는 소프트웨어 형태의 명령에 의해 완성될 수 있다. 상기 프로세서(301)는 범용 프로세서, 디지털 신호 프로세서(Digital Signal Processor, DSP), 주문형 집적 회로(Application Specific Integrated Circuit, ASIC), 필드 프로그래머블 게이트 어레이(Field Programmable Gate Array, FPGA) 또는 다른 프로그래밍 가능한 논리 소자, 이산 게이트 또는 트랜지스터 논리 소자, 이산 하드웨어 구성 요소일 수 있다. 범용 프로세서는 마이크로프로세서일 수 있거나, 상기 프로세서는 임의의 종래의 프로세서 등일 수도 있다.
본 발명의 실시예에서 제공된 교통 흐름 정보의 결정 방법의 단계는 하드웨어 디코딩 프로세서에 의해 직접 구현되거나 디코딩 프로세서 중의 하드웨어 및 소프트웨어 유닛의 조합에 의해 완료될 수 있다. 소프트웨어 유닛은 랜덤 액세스 메모리, 플래시 메모리, 판독 전용 메모리, 프로그래머블 판독 전용 메모리 또는 전기적으로 소거 가능한 프로그래머블 메모리, 레지스터와 같은 본 기술분야의 성숙된 저장 매체에 위치할 수 있다. 상기 저장 매체는 메모리(302)에 위치하고, 프로세서(301)는 메모리(302)에 있는 정보를 판독하며, 그 하드웨어와 결합하여 방법의 단계를 완료한다.
도 4는 본 발명의 실시예에서 제공된 교통 흐름 정보의 결정 방법의 예시적인 흐름도이다. 상기 방법의 수행 주체는 전자 기기이고, 일부 실시예에서, 상기 방법의 수행 주체는 전자 기기가 지원하는 지능형 운전 시스템일 수도 있다. 설명의 편의상, 이하 실시예에서 지능형 운전 시스템을 수행 주체로 하여 교통 흐름 정보의 결정 방법의 흐름을 설명한다.
도 4에 도시된 바와 같이, 단계(401)에서, 지능형 운전 시스템은 현재 차량의 이동 정보 및 하나 이상의 타깃 차량의 상태 정보를 기반으로 각 타깃 차량에 대해 그룹핑을 수행하여 그룹핑 정보를 얻는다.
일부 실시예에서, 현재 차량의 이동 정보는 현재 차량의 주행 과정에서 주행과 관련된 동역학 정보이다. 예를 들어, 현재 차량의 이동 정보는 휠 회전 속도, 차량 속도, 가속도, 스티어링 휠 회전 각도, 전륜 회전 각도 및 요 레이트를 포함할 수 있지만 이에 한정되지 않는다. 일부 실시예에서, 현재 차량의 이동 정보는 도 1에 도시된 센서 그룹에 의해 수집될 수 있고, 지능형 운전 시스템은 센서 그룹으로부터 현재 차량의 이동 정보를 획득할 수 있다.
일부 실시예에서, 지능형 운전 시스템은 센서 데이터, V2X 데이터, 고정밀 지도와 같은 데이터를 획득하고, 이상 적어도 하나의 데이터를 기반으로 환경 감지를 수행하여, 하나 이상의 타깃 차량의 상태 정보를 얻을 수 있다.
일부 실시예에서, 타깃 차량의 상태 정보는 타깃 차량과 현재 차량 사이의 상대적 위치 및 상대적 이동과 같은 정보의 총칭이다. 예를 들어, 타깃 차량의 상태 정보는 현재 차량에 대한 타깃 차량의 측방향 변위, 종방향 변위, 측방향 속도 및 종방향 속도 중 적어도 하나를 포함할 수 있지만 이에 한정되지 않으며, 여기서 측방향은 횡방향으로 이해될 수 있고, 즉 차선 방향에 수직이다. 일부 실시예에서, 타깃 차량의 상태 정보는 식별자(ID), 감지 유형, 수명 주기 및 타깃 신뢰도 중 하나 이상을 포함할 수 있지만 이에 한정되지 않는다. 여기서 수명 주기는 타깃 차량이 처음 감지되는 순간부터 현재 순간까지의 지속시간, 즉 타깃 차량이 현재 차량의 “시야” 내에 나타나는 지속시간으로 이해될 수 있다. 타깃 신뢰도는 타깃 차량의 신뢰 가능 정도를 나타내며, 지능형 운전 시스템의 감지 알고리즘에 의해 자동으로 생성된다.
일부 실시예에서, 각 타깃 차량에 대해 그룹핑을 수행할 경우, 지능형 운전 시스템에 의해 사용된 그룹핑 규칙은 타깃 차량의 그룹핑을 이들의 차도에 따라 5개의 그룹, 즉 현재 차량이 위치한 차도의 좌측 제1 차도 그룹핑, 현재 차량이 위치한 차도의 좌측 제2 차도 그룹핑, 현재 차량이 위치한 차도의 우측 제1 차도 그룹핑, 현재 차량이 위치한 차도의 우측 제2 차도 그룹핑 및 기타 그룹핑으로 나누는 것이다. 여기서 다른 그룹핑은 앞서 언급한 네 그룹 이외의 상황이다. 예를 들어, 다른 그룹핑은 현재 차량이 위치한 차도, 현재 차량이 위치한 차도의 좌측 제3 차도 및 현재 차량이 위치한 차도의 우측 제3 차도 중 하나 이상일 수 있다.
일부 실시예에서, 각 타깃 차량에 대해 그룹핑을 수행한 후, 지능형 운전 시스템은 각 타깃 차량에 대해 그룹핑 플래그를 수행할 수 있고, 그룹핑 플래그는 타깃 차량이 속한 그룹핑을 특성화하는데 사용되며, 예를 들어 그룹핑 플래그는 그룹핑 플래그 비트일 수 있고, 상기 그룹핑 플래그 비트의 상이한 값은 상이한 그룹핑을 나타낸다. 본 실시예예서 그룹핑 정보는 그룹핑 플래그를 적어도 포함한다. 일부 실시예에서, 그룹핑 정보는 타깃 차량의 ID, 감지 유형, 수명 주기 및 타깃 신뢰도 중 하나 이상을 포함할 수 있지만 이에 한정되지 않는다.
일부 실시예에서, 각 타깃 차량에 대해 그룹핑을 수행할 경우, 지능형 운전 시스템현재 차량의 이동 정보에 기반하여 현재 차량의 주행 궤적을 결정하고; 따라서 현재 차량의 주행 궤적 및 각 타깃 차량의 상태 정보에 기반하여 각 타깃 차량이 위치한 상대 차도(상대 차도는 현재 차량이 위치한 차도에 상대적임)를 결정할 수 있으며; 이로써 전술한 그룹핑 규칙에 따라 각 타깃 타량이 위치한 상대 차도를 기반으로, 각 타깃 차량에 대해 그룹핑을 수행하여 그룹핑 정보를 얻을 수 있다.
일부 실시예에서, 현재 차량의 주행 궤적을 결정한 경우, 지능형 운전 시스템은 현재 차량의 차속, 스티어링 휠 회전 각도 및 요 레이트 기반 신호를 필터링한 후 현재 차량의 선회 반경을 계산하고, 따라서 선회 반경을 기반으로 현재 차량 현재의 주행 궤적을 결정한다. 설명해야 할 것은, 선회 반경에 의해 주행 궤적을 결정하는 것은 지능형 운전 분야의 성숙한 기술에 속하므로, 여기서 더이상 구체적인 결정 과정을 반복 서술하지 않는다.
일부 실시예에서, 타깃 차량이 무효 차량일 수 있음을 고려하여, 예를 들어 타깃 차량이 현재 차량과 반대 방향으로 주행하고 있으면 후속의 교통 흐름 정보 피팅에 참여하지 않아야 하므로, 무효 차량이 후속의 교통 흐름 정보 피팅에 참여하여 피팅 정확성을 줄이는 것을 방지하기 위해, 본 실시예에서 그룹핑을 수행하기 전에, 지능형 운전 시스템은 우선 유효 타깃 차량을 선별하고 무효 타깃 차량을 필터링한 다음, 현재 차량의 주행 궤적 및 각 유효 타깃 차량의 상태 정보를 기반으로 각 유효 타깃 차량에 대해 그룹핑을 수행하여 그룹핑 정보를 얻는다.
일부 실시예에서, 유효 타깃 차량을 선별할 경우, 지능형 운전 시스템은 현재 차량의 이동 정보 및 각 타깃 차량의 상태 정보에 기반하여 하나 이상의 유효 타깃 차량을 선별한다. 예를 들어, 지능형 운전 시스템은 무효 타깃 차량을 제거하는 방식을 사용하여 선별하며, 무효 타깃 차량은, 종방향 속도가 음수(현재 차량의 속도가 양수임)인 타깃 차량 또는 종방향 거리가 기설정된 종방향 거리 임계값보다 큰 타깃 차량을 포함한다. 즉, 유효 타깃 차량의 종방향 속도는 정수(또는 0임)이고 종방향 거리가 기설정된 종방향 거리 임계값보다 작거나 같다.
일부 실시예에서, 타깃 차량에 대해 그룹핑을 수행할 경우, 현재 차량이 차선 변경 중이거나 회전하는 등 비직진 이동을 할 수 있어 그룹핑 오류를 초래할 수 있는 것을 고려하여, 예를 들어 타깃 차량이 현재 차량의 좌측 제1 차도에서 직진을 유지한다면 타깃 차량을 현재 차량이 위치한 차도의 좌측 제1 차도 그룹핑으로 구분해야 하지만, 현재 차량이 급 우회전하면 상기 타깃 차량을 현재 차량이 위치한 차도의 좌측 제2 차도 그룹핑으로 구분하여 그룹핑 오류를 초래할 수 있다. 따라서, 그룹핑 정보를 보정하여 현재 차량의 급회전으로 인한 그룹핑 오류를 방지해야 한다.
일부 실시예에서, 그룹핑 정보를 보정할 경우, 지능형 운전 시스템은 과거 교통 흐름 정보에 기반하여 그룹핑 정보를 보정한다. 과거 교통 흐름 정보는 이전 결정 주기에 피팅하여 생성된 것이며, 여기서 결정 주기는 지능형 운전 시스템이 미리 설정한 교통 흐름 정보 결정 주기이고, 실제 응용에서 피팅 결과 리프레시 비율에 대한 응용 장면의 요구사항을 기반으로 결정 주기를 설정할 수 있으며, 수십 밀리초에서 몇 초 사이의 값으로, 예를 들어 결정 주기를 5초로 설정한다. 각 그룹핑은 하나의 교통 흐름에 대응하고, 즉 하나의 과거 교통 흐름 정보는 하나의 그룹핑에 대응한다. 여기서, 과거 교통 흐름 정보는 피팅 파라미터 값을 포함하고, 상기 피팅 파라미터는 2차항, 1차항 및 상수항을 포함한다. 2차항이 존재하면 과거 교통 흐름 정보는 하나의 곡선에 대응하고, 2차항이 0이고 1차항이 0이 아니면 과거 교통 흐름 정보는 하나의 직선에 대응한다. 일부 실시예에서, 과거 교통 흐름 정보는 신뢰도를 더 포함하되, 상기 신뢰도는 교통 흐름의 신뢰 가능 정도를 나타내는데 사용된다. 과거 교통 흐름 정보가 없으면, 예를 들어 현재 차량이 차고에서 나와 저속으로 차도로 진입할 경우, 지능형 운전 시스템에는 아직 과거 교통 흐름 정보가 저장되어 있지 않았으므로 과거 교통 흐름 정보의 신뢰도는 0이고 그룹핑 정보를 보정하지 않는다.
일부 실시예에서, 과거 교통 흐름 정보를 기반으로 그룹핑 정보를 보정할 경우, 지능형 운전 시스템은 상기 과거 교통 흐름 정보 주변의 기설정된 범위 내에 타깃 차량이 존재하는지 여부를 판단하며, 그렇다면 상기 타깃 차량의 그룹핑을 상기 과거 교통 흐름 정보에 대응되는 그룹핑으로 보정한다. 여기서, 기설정된 범위는 실제 수요에 따라 설정할 수 있고, 본 실시예에서는 기설정된 범위의 구체적인 값을 한정하지 않는다. 예를 들어, 특정된 타깃 차량의 그룹핑이 좌측 제2 차도 그룹핑이고, 상기 타깃 차량이 과거 교통 흐름 정보 주변의 기설정된 범위 내에 위치하며, 상기 과거 교통 흐름 정보가 좌측 제1 차도 그룹핑에 대응하므로, 상기 타깃 차량의 그룹핑을 좌측 제2 차도 그룹핑에서 좌측 제1 차도 그룹핑으로 보정한다.
일부 실시예에서, 과거 교통 흐름 정보를 기반으로 그룹핑 정보를 보정한 후, 지능형 운전 시스템은 보정된 각 그룹핑 중 캐시 조건을 만족하는 차량을 캐시하고, 다음 결정 주기의 경우 캐시된 차량은 즉 과거 차량이다. 일부 실시예에서, 캐시 지속시간을 설정할 수 있으며, 캐시 지속시간은 실제 수요를 기반으로 설정할 수 있고, 본 실시예에서는 캐시 지속시간의 구체적인 값을 한정하지 않는다.
여기서, 캐시 조건은 현재 차량과 동일한 방향으로 주행하는 차량을 선별하는데 사용되며 상기 차량은 다른 그룹핑에 속하지 않는 것이다. 설명해야 할 것은, 각 결정 주기에 대해, 지능형 운전 시스템은 상기 결정 주기에 보정된 각 그룹핑 중 캐시 조건을 만족하는 차량을 캐시하며, 즉 캐시 타이밍은 상기 결정 주기 내에 있다.
단계(402)에서, 지능형 운전 시스템은 각 타깃 차량의 상태 정보 및 그룹핑 정보에 기반하여 각 타깃 차량의 피팅 가중치를 결정한다.
일부 실시예에서, 각 타깃 차량의 피팅 가중치를 결정할 경우, 지능형 운전 시스템은 각 타깃 차량에 대해, 상기 타깃 차량의 상태 정보 및 상기 타깃 차량의 그룹핑 정보에 기반하여, 상기 타깃 차량의 측방향 속도 편차 가중치, 상기 타깃 차량의 측방향 변위 편차 가중치, 상기 타깃 차량의 수명 주기 가중치 및 상기 타깃 차량의 속도 가중치를 결정하고; 따라서 상기 타깃 차량의 측방향 속도 편차 가중치, 상기 타깃 차량의 측방향 변위 편차 가중치, 상기 타깃 차량의 수명 주기 가중치 및 상기 타깃 차량의 속도 가중치를 곱하여, 상기 타깃 차량의 피팅 가중치를 얻는다.
여기서, 상기 타깃 차량의 측방향 속도 편차 가중치의 계산 방식은, 상기 타깃 차량이 속하는 그룹핑 중 모든 타깃 차량의 평균 측방향 속도를 계산하고; 상기 타깃 차량의 측방향 속도와 상기 평균 측방향 속도를 기반으로 상기 타깃 차량의 측방향 속도 편차 가중치를 계산하는 것이다. 본 실시예에서, 상기 타깃 차량의 측방향 속도와 평균 측방향 속도 편차가 더 클수록 측방향 속도 편차 가중치는 더 낮아진다.
상기 타깃 차량의 측방향 변위 편차 가중치의 계산 방식은, 상기 타깃 차량이 속하는 그룹핑 중 모든 타깃 차량의 평균 측방향 변위를 계산하고; 상기 타깃 차량의 측방향 변위와 상기 평균 측방향 변위를 기반으로 상기 타깃 차량의 측방향 변위 편차 가중치를 계산하는 것이다. 본 실시예에서, 상기 타깃 차량의 측방향 변위와 평균 측방향 변위 편차가 더 멀수록 측방향 변위 편차 가중치는 더 낮아진다.
상기 타깃 차량의 수명 주기 가중치의 계산 방식은, 상기 타깃 차량의 수명 주기 및/또는 타깃 신뢰도를 기반으로 상기 타깃 차량의 수명 주기 가중치를 계산하는 것이다. 본 실시예에서, 상기 타깃 차량의 수명 주기가 길수록 수명 주기 가중치는 더 높다. 상기 타깃 차량의 타깃 신뢰도가 높을수록 수명 주기 가중치는 더 높다.
상기 타깃 차량의 속도 가중치의 계산 방식은, 상기 타깃 차량의 그룹핑에 대응하는 과거 교통 흐름 정보가 존재하지 않으면 상기 타깃 차량의 속도 가중치를 1로 하는 것이다.
일부 실시예에서, 과거 교통 흐름 정보를 결합하여 타깃 차량의 측방향 변위 편차 가중치를 결정할 수 있다. 구체적으로, 상기 타깃 차량의 측방향 변위 및 상기 타깃 차량의 그룹핑에 대응되는 과거 교통 흐름 정보를 기반으로 상기 타깃 차량의 측방향 변위 편차 가중치를 계산한다. 본 실시예에서, 상기 타깃 차량의 측방향 변위가 과거 교통 흐름에서 더 멀리 벗어날수록 측방향 변위 편차 가중치는 더 낮아진다.
일부 실시예에서, 과거 교통 흐름 정보를 결합하여 타깃 차량의 속도 가중치를 결정할 수 있다. 구체적으로, 상기 타깃 차량의 측방향 속도 및 종방향 속도를 기반으로 상기 타깃 차량의 주행 속도를 합성하여 상기 타깃 차량의 주행 방향을 결정하고; 이로써 상기 타깃 차량의 주행 방향 및 상기 타깃 차량의 그룹핑에 대응되는 과거 교통 흐름 정보를 기반으로 상기 타깃 차량의 속도 가중치를 계산한다. 본 실시예에서, 상기 타깃 차량의 주행 방향과 과거 교통 흐름의 접선 방향 사이의 협각이 클수록 상기 타깃 차량의 속도 가중치는 더 낮아진다.
일부 실시예에서, 각 유효 타깃 차량에 대해 그룹핑을 수행하여 그룹핑 정보를 얻고, 과거 교통 흐름 정보를 이용하여 그룹핑 정보를 보정한 후, 지능형 운전 시스템은 과거 교통 흐름 정보, 각 유효 타깃 차량의 상태 정보 및 보정된 그룹핑 정보에 기반하여 각 유효 타깃 차량의 피팅 가중치를 결정한다.
단계(403)에서, 지능형 운전 시스템은 현재 차량의 이동 정보, 각 타깃 차량의 상태 정보, 각 타깃 차량의 피팅 가중치 및 그룹핑 정보를 기반으로 하나 이상의 현재 교통 흐름 정보를 피팅하여 생성한다.
일부 실시예에서, 각 그룹핑은 하나의 교통 흐름에 대응하고, 하나의 그룹핑에 대해, 지능형 운전 시스템은 상기 그룹핑에 대응되는 현재 교통 흐름 정보를 피팅하여 생성하며, 구체적으로 상기 그룹핑 중 타깃 차량의 수 및 상기 그룹핑 중 모든 타깃 차량의 종방향 분포 거리에 기반하여 피팅 방식을 선택하고; 따라서 선택된 피팅 방식을 기반으로 현재 차량의 이동 정보, 상기 그룹핑 중 각 타깃 차량의 상태 정보 및 상기 그룹핑 중 각 타깃 차량의 피팅 가중치를 이용하여 상기 그룹핑에 대응되는 현재 교통 흐름 정보를 피팅하여 생성한다. 좌측 제1 차도 그룹핑을 피팅하여 얻은 교통 흐름을 현재 차량의 좌측 교통 흐름이라 하고; 우측 제1 차도 그룹핑을 피팅하여 얻은 교통 흐름을 현재 차량의 우측 교통 흐름이라 한다.
일부 실시예에서, 피팅 방식을 선택할 경우, 지능형 운전 시스템은 상기 그룹핑 중 타깃 차량의 수가 제1 개수 조건을 만족하는지 여부와, 종방향 분포 거리가 기설정된 제1 거리 임계값보다 큰지 여부를 판단하되; 여기서 제1 개수 조건은 예를 들어 3이고, 제1 거리 임계값은 예를 들어 50미터이며, 과적합(예를 들어, 교통 흐름은 실질적으로 직선이지만 곡선 방식으로 피팅할 수 있음)을 방지하기 위해 제1 개수 조건 및 제1 거리 임계값의 구체적인 값은 실제 수요에 따라 설정할 수 있다.
제1 개수 조건이 만족되고 기설정된 제1 거리 임계값보다 크면, 1차 피팅 및 2차 피팅을 선택하며; 그렇지 않으면 상기 그룹핑 중 타깃 차량의 수가 제2 개수 조건을 만족하는지 여부와, 종방향 분포 거리가 기설정된 제2 거리 임계값보다 큰지 여부를 판단하되; 여기서, 제2 개수 조건은 예를 들어 2보다 크거나 같고 4보다 작으며, 제2 거리 임계값은 예를 들어 30미터이고, 제2 개수 조건 및 제2 거리 임계값의 구체적인 값은 실제 수요에 따라 설정할 수 있다.
제2 개수 조건이 만족되고 기설정된 제2 거리 임계값보다 크면, 1차 피팅을 선택하며; 그렇지 않으면 피팅을 수행하지 않고 이전 교통 흐름 정보 결정 주기의 데이터를 계속한다.
일부 실시예에서, 1차 피팅 및 2차 피팅을 선택하면, 지능형 운전 시스템은 상기 그룹핑에 대응되는 현재 교통 흐름 정보를 피팅하여 생성할 경우, 상기 그룹핑에 대응되는 1차 피팅 결과를 피팅하여 생성하고 1차 피팅 결과의 제1 평균제곱오차를 결정하며; 상기 그룹핑에 대응되는 2차 피팅 결과를 피팅하여 생성하고 2차 피팅 결과의 제2 평균제곱오차를 결정하며; 따라서 제1 평균제곱오차와 제2 평균제곱오차를 비교하여, 제1 평균제곱오차가 제2 평균제곱오차의 기설정된 배수보다 크면(예를 들어 1.5배, 또한 실제 경우에 따라 기설정된 배수를 설정할 수 있음), 2차 피팅 결과를 상기 그룹핑에 대응되는 현재 교통 흐름 정보로 선택하고; 그렇지 않으면 1차 피팅 결과를 상기 그룹핑에 대응되는 현재 교통 흐름 정보로 선택한다.
일부 실시예에서, 현재 차량의 이동 정보, 상기 그룹핑 중 각 타깃 차량의 상태 정보 및 상기 그룹핑 중 각 타깃 차량의 피팅 가중치를 이용하여 상기 그룹핑에 대응되는 현재 교통 흐름 정보를 피팅하여 생성할 경우, 지능형 운전 시스템은 상기 그룹핑 중 각 타깃 차량의 상태 정보 및 상기 그룹핑 중 각 타깃 차량의 피팅 가중치를 기반으로, 상기 그룹핑에 대응되는 초기 교통 흐름 정보를 피팅하여 생성하고; 따라서 과거 교통 흐름 정보 및 현재 차량의 이동 정보를 기반으로 초기 교통 흐름 정보를 제약하여 상기 그룹핑에 대응되는 현재 교통 흐름 정보를 얻는다.
일부 실시예에서, 초기 교통 흐름 정보에 대한 제약은 위치 제약, 방향 제약 및/또는 곡률 제약을 포함한다.
일부 실시예에서, 위치 제약은, 과거 교통 흐름 정보에 대응되는 신뢰도에 기반하여 초기 교통 흐름 정보에 대응되는 피팅 파라미터 중의 상수항의 변화량을 제약하는 경우를 포함하되; 여기서, 상수항의 변화량과 과거 교통 흐름 정보에 대응되는 신뢰도 사이는 역의 상관관계이고; 상수항의 변화량과 초기 교통 흐름 정보에 대응되는 피팅 수 사이는 정적 상관관계이다. 여기서 피팅 수는 피팅에 참여한 타깃 차량의 수로 이해할 수 있다.
일부 실시예에서, 방향 제약은, 과거 교통 흐름 정보에 대응되는 신뢰도 및/또는 현재 차량의 이동 정보에 기반하여 초기 교통 흐름 정보에 대응되는 피팅 파라미터 중의 1차항의 변화량을 제약하는 경우를 포함하되; 여기서, 1차항의 변화량과 과거 교통 흐름 정보에 대응되는 신뢰도 사이는 역의 상관관계이고, 1차항의 변화량과 현재 차량의 조향 진폭 사이는 정적 상관관계이며, 및/또는, 1차항의 변화량과 초기 교통 흐름 정보에 대응되는 피팅 수 사이는 정적 상관관계이다.
일부 실시예에서, 곡률 제약은, 과거 교통 흐름 정보에 대응되는 신뢰도 및/또는 현재 차량의 이동 정보에 기반하여 초기 교통 흐름 정보에 대응되는 피팅 파라미터 중의 2차항의 변화량을 제약하는 경우를 포함하되; 여기서, 2차항의 변화량과 과거 교통 흐름 정보에 대응되는 신뢰도 사이는 역의 상관관계이고, 2차항의 변화량과 현재 차량의 속도 사이는 역의 상관관계이며, 및/또는, 2차항의 변화량과 현재 차량의 스티어링 휠 회전속도 사이는 정적 상관관계이다.
일부 실시예에서, 각 그룹핑은 하나의 교통 흐름에 대응하고, 하나의 그룹핑에 대해, 상기 그룹핑에 대응되는 현재 교통 흐름 정보를 피팅하여 생성하기 이전에, 예를 들어 각 타깃 차량에 대해 그룹핑을 수행하여 그룹핑 정보를 얻은 후, 지능형 운전 시스템은 상기 그룹핑 중 타깃 차량 수가 기설정된 피팅 수를 만족하도록 확보해야 하며, 그렇지 않으면 피팅을 수행할 수 없다. 따라서 지능형 운전 시스템은 타깃 차량 수가 기설정된 피팅 수를 만족하는지 여부를 판단하고; 그렇다면, 현재 차량의 주행 상태가 직진인지 여부를 판단하며; 직진이면 캐시된 과거 차량을 획득하고, 획득된 과거 차량은 하나 이상일 수 있으며 획득된 과거 차량은 상기 그룹핑에 속한다.
일부 실시예에서, 과거 차량은 캐시 조건을 만족하며, 상기 캐시 조건은 현재 차량과 동일한 방향으로 주행하는 차량을 선별하는데 사용되며 상기 차량은 다른 그룹핑에 속하지 않는 것이다.
일부 실시예에서, 캐시 조건은 하기 (1) 내지 (3)을 포함한다.
(1) 차량이 현재 차량의 전방에 위치하고 현재 차량과의 상대적 거리가 기설정된 상대적 거리 임계값보다 큰 경우이다. 여기서, 기설정된 상대적 거리 임계값은 예를 들어 20미터이고, 본 실시예는 상대적 거리 임계값의 구체적인 값을 한정하지 않으며, 본 기술분야의 기술자는 실제 수요에 따라 설정할 수 있다. 하나의 차량이 캐시 조건을 만족하는지 여부를 판단할 경우, 상대 거리, 주행 방향, 측방향 거리 등을 포함하는 판단 순간에 상기 차량과 현재 차량 사이의 상대적 관계를 기반으로 판단하는 것으로 이해할 수 있다.
(2) 현재 차량에 대한 차량의 속도 방향과 현재 차량의 주행 방향 사이의 협각이 기설정된 협각 임계값보다 작은 경우이다. 여기서, 현재 차량에 대한 상기 차량의 속도의 방향은 상기 차량의 주행 방향으로 이해할 수 있다. 상기 차량의 주행 방향은 상기 차량의 판단 순간의 측방향 속도와 종방향 속도를 기반으로 할 수 있으며, 상기 차량의 속도(즉 주행 속도)를 합성하여 상기 차량의 주행 방향을 결정한다.
(3) 현재 차량에 대한 차량의 측방향 거리가 기설정된 측방향 거리 범위 내에 있는 경우이다. 여기서, 기설정된 측방향 거리 범위는 예를 들어 2미터 내지 3미터이고, 본 실시예는 측방향 거리 범위의 구체적인 값을 한정하지 않으며, 본 기술분야의 기술자는 실제 수요에 따라 설정할 수 있다.
일부 실시예에서, 캐시 조건은 하기 (4)를 더 포함할 수 있다.
(4) 차량의 수명 주기가 기설정된 수명 주기 임계값보다 큰 경우이다. 여기서, 기설정된 수명 주기 임계값은 예를 들어 3미터이고, 본 실시예는 수명 주기 임계값의 구체적인 값을 한정하지 않으며, 본 기술분야의 기술자는 실제 수요에 따라 설정할 수 있다.
일부 실시예에서, 캐시된 과거 차량을 획득한 후, 지능형 운전 시스템은 각 과거 차량의 좌표를 업데이트하여 각 과거 차량에 대응되는 가상 차량 및 각 가상 차량의 상태 정보를 얻는다. 좌표를 업데이트하는 방식은 예를 들어, 상기 과거 차량의 캐시 순간과 현재 순간의 시차를 계산하고, 과거 차량의 상태 정보 및 계산된 시차를 이용하여 좌표를 업데이트하며, 구체적으로 과거 차량의 상태 정보 중의 측방향 속도와 종방향 속도를 이용하여 과거 차량의 주행 속도를 합성함으로써, 상기 주행 속도와 계산된 시차를 기반으로 좌표를 업데이트하는 것이다. 여기서, 과거 차량의 상태 정보는 상기 과거 차량이 캐시 시 대응되는 상태 정보이다.
일부 실시예에서, 가상 차량의 상태 정보는, 현재 차량에 대한 가상 차량의 측방향 변위, 종방향 변위, 측방향 속도 및 종방향 속도 중 적어도 하나를 포함하지만 이에 한정되지 않는다. 여기서 측방향 변위, 종방향 변위는 전술한 좌표 업데이트를 기반으로 결정되고, 측방향 속도 및 종방향 속도는 대응되는 과거 차량의 측방향 속도 및 종방향 속도와 동일하다. 일부 실시예에서, 가상 차량의 상태 정보는 식별자(ID), 감지 유형, 수명 주기 및 타깃 신뢰도 중 하나 이상을 더 포함할 수 있지만 이에 한정되지 않으며, 이러한 정보는 상기 가상 차량에 대응되는 과거 차량과 동일하고, 예를 들어 가상 차량의 감지 유형은 대응되는 과거 차량의 감지 유형이다. 가상 차량의 그룹핑 정보는 대응되는 과거 차량의 그룹핑 정보와 동일하다.
일부 실시예에서, 현재 차량의 주행 상태가 직진이 아니면 과거 차량을 선별하지 않는데, 이는 과거 차량과 현재 차량의 상대적 관계를 결정할 수 없고, 또한 과거 차량의 좌표를 업데이트하여 가상 차량을 얻을 수 없기 때문이며, 과거 차량의 좌표를 업데이트하여 가상 차량을 얻을 지라도 과거 차량과 현재 차량의 상대적 관계가 불확실하기 때문에 가상 차량과 현재 차량의 상대적 관계도 불확실하므로 가상 차량의 상태 정보를 결정할 수 없다.
일부 실시예에서, 가상 차량 및 가상 차량의 상태 정보를 결정한 후, 지능형 운전 시스템은 과거 교통 흐름 정보, 현재 차량의 이동 정보, 각 가상 차량의 상태 정보 및 각 가상 차량의 그룹핑 정보에 기반하여 각 가상 차량의 피팅 가중치를 결정할 수 있다.
일부 실시예에서, 각 가상 차량의 피팅 가중치를 결정할 경우, 지능형 운전 시스템은 각 가상 차량에 대해, 상기 가상 차량의 상태 정보 및 상기 가상 차량의 그룹핑 정보에 기반하여, 상기 가상 차량의 측방향 속도 편차 가중치, 상기 가상 차량의 측방향 변위 편차 가중치, 상기 가상 차량의 수명 주기 가중치, 상기 가상 차량의 속도 가중치 및 상기 가상 차량의 가중치를 결정하고; 따라서 상기 가상 차량의 측방향 속도 편차 가중치, 상기 가상 차량의 측방향 변위 편차 가중치, 상기 가상 차량의 수명 주기 가중치, 상기 가상 차량의 속도 가중치 및 상기 가상 차량의 가중치를 곱하여, 상기 가상 차량의 피팅 가중치를 얻는다.
여기서, 상기 가상 차량의 측방향 속도 편차 가중치, 상기 가상 차량의 측방향 변위 편차 가중치, 상기 가상 차량의 수명 주기 가중치 및 상기 가상 차량의 속도 가중치의 계산 방식은 각각 전술한 타깃 차량의 측방향 속도 편차 가중치, 타깃 차량의 측방향 변위 편차 가중치, 타깃 차량의 수명 주기 가중치 및 타깃 차량의 속도 가중치의 계산 방식과 동일하므로 더이상 반복 서술하지 않는다. 반면 가상 차량의 가중치는 상기 가상 차량의 캐시 지속시간을 기반으로 게산한다. 상기 가상 차량의 캐시 지속시간이 길수록 가상 차량의 가중치가 더 낮다.
일부 실시예에서, 가상 차량 및 가상 차량의 상태 정보를 결정한 후, 지능형 운전 시스템은 각 타깃 차량의 상태 정보, 각 타깃 차량의 피팅 가중치, 각 가상 차량의 상태 정보 및 각 가상 차량의 피팅 가중치를 기반으로, 하나 이상의 현재 교통 흐름 정보를 피팅하여 생성한다. 피팅 생성 과정은 전술한 타깃 차량만 기반으로 피팅하는 과정과 유사하며, 여기서 더이상 반복 서술하지 않는다.
일부 실시예에서, 현재 교통 흐름 정보를 피팅하여 생성한 후, 지능형 운전 시스템은 현재 교통 흐름 정보에 기반하여 신뢰도 증분을 결정할 수 있으며; 과거 교통 흐름 정보의 신뢰도 및 신뢰도 증분에 기반하여 현재 교통 흐름 정보에 대응되는 신뢰도를 결정한다. 예를 들어, 과거 교통 흐름 정보의 신뢰도를 기반으로 신뢰도 증분을 가하여 현재 교통 흐름 정보에 대응되는 신뢰도를 얻는다. 설명해야 할 것은, 현재 교통 흐름 정보와 과거 교통 흐름 정보는 모두 동일한 그룹핑에 대응하여야만 본 실시예의 방식으로 현재 교통 흐름 정보에 대응되는 신뢰도를 결정할 수 있다.
일부 실시예에서, 신뢰도 증분과 현재 교통 흐름 정보에 대응되는 피팅 결과의 평균제곱오차 사이는 역의 상관관계이고, 신뢰도 증분과 현재 교통 흐름 정보에 대응되는 피팅 수 사이는 정적 상관관계이며, 및/또는 신뢰도 증분과 현재 교통 흐름 정보에 대응되는 타깃 차량(가상 차량이 존재하면, 가상 차량도 고려해야 함)의 종방향 분포 거리 사이는 정적 상관관계이다.
일부 실시예에서, 신뢰도 증분을 결정할 경우, 지능형 운전 시스템은 2개의 현재 교통 흐름 정보가 교차하는지 여부를 판단하며, 그렇다면 2개의 교통 흐름에 대응되는 피팅 수와 종방향 분포 거리를 비교하고; 피팅 수가 비교적 적거나 종방향 분포 거리가 비교적 짧은 현재 교통 흐름 정보에 대응되는 신뢰도 증분이 음수인 것으로 결정한다. 예를 들어, 지능형 운전 시스템은 현재 차량의 좌측 교통 흐름과 현재 차량의 우측 교통 흐름에 교차가 존재하는지 여부를 판단하며, 그렇다면 2개의 교통 흐름에 대응되는 피팅 수와 종방향 분포 거리를 비교하고; 피팅 수가 비교적 적거나 종방향 분포 거리가 비교적 짧은 현재 교통 흐름 정보에 대응되는 신뢰도 증분이 음수인 것으로 결정한다.
일부 실시예에서, 이번 교통 흐름 정보 결정 주기가 피팅되지 않으면 신뢰도 증분이 음수인 것으로 결정한다. 이 음수 값은 대응되는 과거 교통 흐름 정보의 신뢰도에 누적된다.
일부 실시예에서, 지능형 운전 시스템은 현재 교통 흐름 정보 및 현재 교통 흐름 정보에 대응되는 신뢰도에 기반하여 현재 차량의 주행 기준 경로를 결정할 수 있다. 현재 차량의 주행 기준 경로를 결정하는 단계는,
현재 차량 양측의 현재 교통 흐름 정보에 대응되는 신뢰도가 기설정된 신뢰도 문턱값보다 모두 높으면, 현재 차량의 주행 기준 경로의 파라미터를 현재 차량 양측의 현재 교통 흐름 정보에 대응되는 피팅 파라미터의 가중 평균값으로 결정하되; 현재 차량 양측의 현재 교통 흐름 정보에 대응되는 피팅 파라미터의 가중치와 피팅 파라미터의 변화율 사이는 역의 상관관계인 단계;
현재 차량의 일측에만 현재 교통 흐름 정보에 대응되는 신뢰도가 기설정된 신뢰도 문턱값보다 높으면, 현재 차량의 주행 기준 경로의 파라미터 중 1차항 및 2차항이 상기 측의 현재 교통 흐름 정보에 대응되는 피팅 파라미터 중 1차항 및 2차항과 동일하고, 현재 교통 흐름 정보에 대응되는 피팅 파라미터 중 상수항이 0인 것으로 결정하는 단계; 및,
현재 차량 양측의 현재 교통 흐름 정보에 대응되는 신뢰도가 기설정된 신뢰도 문턱값보다 모두 낮으면, 현재 차량의 주행 기준 경로의 파라미터가 모두 0인 것으로 결정하는 단계;를 포함한다.
일부 실시예에서, 지능형 운전 시스템은 현재 교통 흐름 정보 및 현재 교통 흐름 정보에 대응되는 신뢰도에 따라 보조 포지셔닝 플래그를 결정할 수 있다. 여기서, 보조 포지셔닝 플래그는 현재 차량이 위치한 차도를 결정하는데 보조하기 위한 것이다. 보조 포지셔닝 플래그는 차선 정보와 독립적이며, 일부 다중 차도 장면에서 차선이 유일한 차도를 결정하기에 충분하지 않을 경우, 현재 차량이 위치한 차도를 결정하는데 보조하여 L3급 자율 운전 시스템의 장거리 경로 계획에 필요한 근거를 제공한다.
일부 실시예에서, 보조 포지셔닝 플래그를 결정하는 단계는 다음을 포함한다.
현재 차량 양측의 현재 교통 흐름 정보에 대응되는 신뢰도가 기설정된 신뢰도 문턱값보다 모두 높으면, 보조 포지셔닝 플래그를 제1 플래그로 결정한다. 제1 플래그는 현재 차량의 양측에 모두 차도가 존재하는 것을 나타낸다. 보조 포지셔닝 플래그는 플래그 비트일 수 있고, 제1 플래그에 대응되는 플래그 비트의 값의 범위는 예를 들어 1이며, 지능형 운전 시스템이 보조 포지셔닝 플래그가 1이라고 결정할 경우, 현재 차량의 양측에 모두 차도가 존재하는 것으로 결정된다.
현재 차량 좌측의 현재 교통 흐름 정보에 대응되는 신뢰도가 기설정된 신뢰도 문턱값보다 높으면, 보조 포지셔닝 플래그를 제2 플래그로 결정한다. 제2 플래그는 현재 차량의 좌측에 차도가 존재하는 것을 나타낸다. 제2 플래그에 대응되는 플래그 비트의 값의 범위는 예를 들어 2이다.
현재 차량 우측의 현재 교통 흐름 정보에 대응되는 신뢰도가 기설정된 신뢰도 문턱값보다 높으면, 보조 포지셔닝 플래그를 제3 플래그로 결정한다. 제3 플래그는 현재 차량의 우측에 차도가 존재하는 것을 나타낸다. 제3 플래그에 대응되는 플래그 비트의 값의 범위는 예를 들어 3이다.
일부 실시예에서, 지능형 운전 시스템은 현재 교통 흐름 정보를 기반으로 현재 차량의 횡방향 제어를 수행하여, 차선 정보에 대한 의존을 제거함으로써 혼잡 환경에서 현재 차량의 횡방향 제어를 유지하는데 유리하다. 하나의 경로를 기반으로 횡방향 제어를 수행하는 것은 본 기술분야의 성숙된 기술수단에 속하며, 여기서 더이상 반복 서술하지 않는다.
설명해야 할 것은, 간단한 설명을 위해 전술한 각 방법 실시예에 대해, 일련의 동작 조합으로 모두 표현하였지만, 본 기술분야의 기술자는, 본 발명의 실시예는 설명된 동작 순서에 의해 한정되지 않음을 이해할 수 있을 것이며, 그 이유는 본 발명의 실시예에 따르면 일부 단계는 다른 순서로 또는 동시에 수행될 수 있기 때문이다. 이 밖에, 본 기술분야의 기술자는 명세서에 설명된 실시예는 모두 선택 가능한 실시예에 속함을 이해할 수 있을 것이다.
본 발명의 실시예는 비일시적 컴퓨터 판독 가능 저장 매체를 더 제공하며, 상기 비일시적 컴퓨터 판독 가능 저장 매체에는 프로그램 또는 명령이 저장되고, 상기 프로그램 또는 명령은 컴퓨터가 교통 흐름 정보의 결정 방법의 각 실시예의 단계를 수행하도록 하며, 반복 설명을 피하기 위해 여기서 더이상 반복 서술하지 않는다.
도 5는 본 발명의 실시예에서 제공된 교통 흐름 정보의 결정 장치의 예시적인 블록도이다. 도 5에 도시된 바와 같이, 교통 흐름 정보의 결정 장치는 그룹핑 모듈(501), 결정 모듈(502) 및 피팅 모듈(503)을 포함하지만 이에 한정되지 않는다.
도 5에서, 그룹핑 모듈(501)은 현재 차량의 이동 정보 및 하나 이상의 타깃 차량의 상태 정보를 기반으로 각 상기 타깃 차량에 대해 그룹핑을 수행하여 그룹핑 정보를 얻는다.
결정 모듈(502)은 각 상기 타깃 차량의 상태 정보 및 상기 그룹핑 정보에 기반하여 각 상기 타깃 차량의 피팅 가중치를 결정한다.
피팅 모듈(503)은 상기 현재 차량의 이동 정보, 각 상기 타깃 차량의 상태 정보, 각 상기 타깃 차량의 피팅 가중치 및 상기 그룹핑 정보를 기반으로 하나 이상의 현재 교통 흐름 정보를 피팅하여 생성한다.
일부 실시예에서, 그룹핑 모듈(501)은, 상기 현재 차량의 이동 정보에 기반하여 현재 차량의 주행 궤적을 결정하고; 상기 현재 차량의 이동 정보 및 각 상기 타깃 차량의 상태 정보에 기반하여 하나 이상의 유효 타깃 차량을 선별하며; 상기 현재 차량의 주행 궤적 및 각 상기 유효 타깃 차량의 상태 정보를 기반으로 각 상기 유효 타깃 차량에 대해 그룹핑을 수행하여 그룹핑 정보를 얻는다.
일부 실시예에서, 그룹핑 모듈(501)은 또한, 상기 그룹핑 정보를 얻은 이후, 과거 교통 흐름 정보에 기반하여 상기 그룹핑 정보를 보정하고; 대응하게, 결정 모듈(502)은, 상기 과거 교통 흐름 정보, 각 상기 유효 타깃 차량의 상태 정보 및 보정된 그룹핑 정보에 기반하여 각 상기 유효 타깃 차량의 피팅 가중치를 결정한다.
일부 실시예에서, 그룹핑 모듈(501)은, 각 상기 유효 타깃 차량에 대해, 상기 유효 타깃 차량의 상태 정보 및 상기 현재 차량의 주행 궤적에 기반하여 상기 유효 타깃 차량이 위치한 상대 차도를 결정하고; 상기 상대 차도에 기반하여 상기 유효 타깃 차량의 그룹핑 정보를 결정한다.
일부 실시예에서, 상기 그룹핑 정보는 현재 차량이 위치한 차도의 좌측 제1 차도 그룹핑, 현재 차량이 위치한 차도의 좌측 제2 차도 그룹핑, 현재 차량이 위치한 차도의 우측 제1 차도 그룹핑, 현재 차량이 위치한 차도의 우측 제2 차도 그룹핑 및 다른 그룹핑의 5개의 그룹을 포함한다.
일부 실시예에서, 피팅 모듈(503)은 또한, 하나 이상의 현재 교통 흐름 정보를 피팅하여 생성하기 이전에, 타깃 차량 수가 기설정된 피팅 수를 만족하는지 여부를 판단하고; 그렇다면, 현재 차량의 주행 상태가 직진인지 여부를 판단하며; 현재 차량의 주행 상태가 직진이면 캐시된 과거 차량을 획득하고; 각 상기 과거 차량의 좌표를 업데이트하여 각 과거 차량에 대응되는 가상 차량 및 각 상기 가상 차량의 상태 정보를 얻으며; 과거 교통 흐름 정보, 상기 현재 차량의 이동 정보, 각 상기 가상 차량의 상태 정보 및 각 상기 가상 차량의 그룹핑 정보에 기반하여 각 상기 가상 차량의 피팅 가중치를 결정하고;
대응하게, 피팅 모듈(503)은, 각 상기 타깃 차량의 상태 정보, 각 상기 타깃 차량의 피팅 가중치, 각 상기 가상 차량의 상태 정보 및 각 상기 가상 차량의 피팅 가중치를 기반으로, 하나 이상의 현재 교통 흐름 정보를 피팅하여 생성한다.
일부 실시예에서, 상기 과거 차량은 캐시 조건을 만족하되; 여기서 상기 캐시 조건은 현재 차량과 동일한 방향으로 주행하는 차량을 선별하기 위한 것이고 또한 상기 차량은 다른 그룹핑에 속하지 않는다.
일부 실시예에서, 상기 캐시 조건은, 차량이 현재 차량의 전방에 위치하고 현재 차량과의 상대적 거리가 기설정된 상대적 거리 임계값보다 큰 경우; 현재 차량에 대한 차량의 속도 방향과 현재 차량의 주행 방향 사이의 협각이 기설정된 협각 임계값보다 작은 경우; 및, 현재 차량에 대한 차량의 측방향 거리가 기설정된 측방향 거리 범위 내에 있는 경우;를 포함한다.
일부 실시예에서, 상기 캐시 조건은, 차량의 수명 주기가 기설정된 수명 주기 임계값보다 큰 경우를 더 포함한다.
일부 실시예에서, 결정 모듈(502)은, 각 상기 타깃 차량에 대해, 상기 타깃 차량의 상태 정보 및 상기 타깃 차량의 그룹핑 정보에 기반하여, 상기 타깃 차량의 측방향 속도 편차 가중치, 상기 타깃 차량의 측방향 변위 편차 가중치, 상기 타깃 차량의 수명 주기 가중치 및 상기 타깃 차량의 속도 가중치를 결정하고; 상기 타깃 차량의 측방향 속도 편차 가중치, 상기 타깃 차량의 측방향 변위 편차 가중치, 상기 타깃 차량의 수명 주기 가중치 및 상기 타깃 차량의 속도 가중치를 곱하여, 상기 타깃 차량의 피팅 가중치를 얻는다.
일부 실시예에서, 결정 모듈(502)은, 각 상기 가상 차량에 대해, 상기 가상 차량의 상태 정보 및 상기 가상 차량의 그룹핑 정보에 기반하여, 상기 가상 차량의 측방향 속도 편차 가중치, 상기 가상 차량의 측방향 변위 편차 가중치, 상기 가상 차량의 수명 주기 가중치, 상기 가상 차량의 속도 가중치 및 상기 가상 차량의 가중치를 결정하고; 상기 가상 차량의 측방향 속도 편차 가중치, 상기 가상 차량의 측방향 변위 편차 가중치, 상기 가상 차량의 수명 주기 가중치, 상기 가상 차량의 속도 가중치 및 상기 가상 차량의 가중치를 곱하여, 상기 가상 차량의 피팅 가중치를 얻는다.
일부 실시예에서, 각 그룹핑은 하나의 교통 흐름에 대응하고; 피팅 모듈(503)은 하나의 그룹핑에 대해, 상기 그룹핑 중 타깃 차량의 수 및 상기 그룹핑 중 모든 타깃 차량의 종방향 분포 거리에 기반하여 피팅 방식을 선택하며; 선택된 피팅 방식을 기반으로, 상기 현재 차량의 이동 정보, 상기 그룹핑 중 각 타깃 차량의 상태 정보 및 상기 그룹핑 중 각 타깃 차량의 피팅 가중치를 이용하여 상기 그룹핑에 대응되는 현재 교통 흐름 정보를 피팅하여 생성한다.
일부 실시예에서, 피팅 모듈(503)이 상기 그룹핑 중 타깃 차량의 수 및 상기 그룹핑 중 모든 타깃 차량의 종방향 분포 거리에 기반하여 피팅 방식을 선택하는 단계는, 상기 그룹핑 중 타깃 차량의 수가 제1 개수 조건을 만족하는지 여부와, 종방향 분포 거리가 기설정된 제1 거리 임계값보다 큰지 여부를 판단하는 단계; 제1 개수 조건이 만족되고 기설정된 제1 거리 임계값보다 크면, 1차 피팅 및 2차 피팅을 선택하며; 그렇지 않으면 상기 그룹핑 중 타깃 차량의 수가 제2 개수 조건을 만족하는지 여부와, 종방향 분포 거리가 기설정된 제2 거리 임계값보다 큰지 여부를 판단하는 단계; 및, 제2 개수 조건이 만족되고 기설정된 제2 거리 임계값보다 크면, 1차 피팅을 선택하며; 그렇지 않으면 피팅을 수행하지 않는 단계;를 포함한다.
일부 실시예에서, 1차 피팅 및 2차 피팅을 선택하면, 피팅 모듈(503)이 상기 그룹핑에 대응되는 현재 교통 흐름 정보를 피팅하여 생성하는 단계는, 상기 그룹핑에 대응되는 1차 피팅 결과를 피팅하여 생성하고 상기 1차 피팅 결과의 제1 평균제곱오차를 결정하는 단계; 상기 그룹핑에 대응되는 2차 피팅 결과를 피팅하여 생성하고 상기 2차 피팅 결과의 제2 평균제곱오차를 결정하는 단계; 및, 상기 제1 평균제곱오차와 상기 제2 평균제곱오차를 비교하여, 상기 제1 평균제곱오차가 상기 제2 평균제곱오차의 기설정된 배수보다 크면, 상기 2차 피팅 결과를 상기 그룹핑에 대응되는 현재 교통 흐름 정보로 선택하고; 그렇지 않으면 상기 1차 피팅 결과를 상기 그룹핑에 대응되는 현재 교통 흐름 정보로 선택하는 단계;를 포함한다.
일부 실시예에서, 피팅 모듈(503)이 상기 현재 차량의 이동 정보, 상기 그룹핑 중 각 타깃 차량의 상태 정보 및 상기 그룹핑 중 각 타깃 차량의 피팅 가중치를 이용하여 상기 그룹핑에 대응되는 현재 교통 흐름 정보를 피팅하여 생성하는 단계는, 상기 그룹핑 중 각 타깃 차량의 상태 정보 및 상기 그룹핑 중 각 타깃 차량의 피팅 가중치를 기반으로, 상기 그룹핑에 대응되는 초기 교통 흐름 정보를 피팅하여 생성하는 단계; 및, 과거 교통 흐름 정보 및 상기 현재 차량의 이동 정보를 기반으로, 상기 초기 교통 흐름 정보를 제약하여 상기 그룹핑에 대응되는 현재 교통 흐름 정보를 얻는 단계;를 포함한다.
일부 실시예에서, 상기 제약은 위치 제약, 방향 제약 및/또는 곡률 제약을 포함한다.
일부 실시예에서, 상기 위치 제약은, 상기 과거 교통 흐름 정보에 대응되는 신뢰도에 기반하여 상기 초기 교통 흐름 정보에 대응되는 피팅 파라미터 중의 상수항의 변화량을 제약하는 경우;를 포함하되, 상기 상수항의 변화량과 상기 과거 교통 흐름 정보에 대응되는 신뢰도 사이는 역의 상관관계이고; 상기 상수항의 변화량과 상기 초기 교통 흐름 정보에 대응되는 피팅 수 사이는 정적 상관관계이다.
일부 실시예에서, 상기 방향 제약은, 상기 과거 교통 흐름 정보에 대응되는 신뢰도 및/또는 상기 현재 차량의 이동 정보에 기반하여 상기 초기 교통 흐름 정보에 대응되는 피팅 파라미터 중의 1차항의 변화량을 제약하는 경우를 포함하되; 여기서, 상기 1차항의 변화량과 상기 과거 교통 흐름 정보에 대응되는 신뢰도 사이는 역의 상관관계이고, 상기 1차항의 변화량과 상기 현재 차량의 조향 진폭 사이는 정적 상관관계이며, 및/또는 상기 1차항의 변화량과 상기 초기 교통 흐름 정보에 대응되는 피팅 수 사이는 정적 상관관계이다.
일부 실시예에서, 상기 곡률 제약은, 상기 과거 교통 흐름 정보에 대응되는 신뢰도 및/또는 상기 현재 차량의 이동 정보에 기반하여 상기 초기 교통 흐름 정보에 대응되는 피팅 파라미터 중의 2차항의 변화량을 제약하는 경우를 포함하되; 여기서, 상기 2차항의 변화량과 상기 과거 교통 흐름 정보에 대응되는 신뢰도 사이는 역의 상관관계이고, 상기 2차항의 변화량과 상기 현재 차량의 속도 사이는 역의 상관관계이며, 및/또는 상기 2차항의 변화량과 상기 현재 차량의 스티어링 휠 회전 속도 사이는 정적 상관관계이다.
일부 실시예에서, 상기 교통 흐름 정보의 결정 장치는 도 5에 도시되지 않은 신뢰도 결정 유닛을 더 포함하되, 신뢰도 결정 유닛은 상기 현재 교통 흐름 정보에 기반하여 신뢰도 증분을 결정하고; 과거 교통 흐름 정보의 신뢰도 및 상기 신뢰도 증분에 기반하여 상기 현재 교통 흐름 정보에 대응되는 신뢰도를 결정하되; 여기서, 상기 신뢰도 증분과 상기 현재 교통 흐름 정보에 대응되는 피팅 결과의 평균제곱오차 사이는 역의 상관관계이고, 상기 신뢰도 증분과 상기 현재 교통 흐름 정보에 대응되는 피팅 수 사이는 정적 상관관계이며, 및/또는 상기 신뢰도 증분과 상기 현재 교통 흐름 정보에 대응되는 타깃 차량의 종방향 분포 거리 사이는 정적 상관관계이다.
신뢰도 결정 유닛이 상기 현재 교통 흐름 정보에 기반하여 신뢰도 증분을 결정하는 단계는, 2개의 현재 교통 흐름 정보가 교차하는 경우, 2개의 교통 흐름에 대응되는 피팅 수와 종방향 분포 거리를 비교하는 단계; 및, 피팅 수가 비교적 적거나 종방향 분포 거리가 비교적 짧은 현재 교통 흐름 정보에 대응되는 신뢰도 증분이 음수인 것으로 결정하는 단계;를 포함한다.
일부 실시예에서, 상기 교통 흐름 정보의 결정 장치는 도 5에 도시되지 않은 기준 경로 결정 유닛을 더 포함하되, 기준 경로 결정 유닛은 상기 현재 교통 흐름 정보 및 상기 현재 교통 흐름 정보에 대응되는 신뢰도에 기반하여 현재 차량의 주행 기준 경로를 결정하고; 상기 현재 차량의 주행 기준 경로를 결정하는 단계는, 현재 차량 양측의 현재 교통 흐름 정보에 대응되는 신뢰도가 기설정된 신뢰도 문턱값보다 모두 높으면, 현재 차량의 주행 기준 경로의 파라미터를 현재 차량 양측의 현재 교통 흐름 정보에 대응되는 피팅 파라미터의 가중 평균값으로 결정하되; 현재 차량 양측의 현재 교통 흐름 정보에 대응되는 피팅 파라미터의 가중치와 피팅 파라미터의 변화율 사이는 역의 상관관계인 단계; 현재 차량의 일측에만 현재 교통 흐름 정보에 대응되는 신뢰도가 기설정된 신뢰도 문턱값보다 높으면, 현재 차량의 주행 기준 경로의 파라미터 중 1차항 및 2차항이 상기 측의 현재 교통 흐름 정보에 대응되는 피팅 파라미터 중 1차항 및 2차항과 동일하고, 현재 교통 흐름 정보에 대응되는 피팅 파라미터 중 상수항이 0인 것으로 결정하는 단계; 및, 현재 차량 양측의 현재 교통 흐름 정보에 대응되는 신뢰도가 기설정된 신뢰도 문턱값보다 모두 낮으면, 현재 차량의 주행 기준 경로의 파라미터가 모두 0인 것으로 결정하는 단계;를 포함한다.
일부 실시예에서, 상기 교통 흐름 정보의 결정 장치는 도 5에 도시되지 않은 보조 포지셔닝 플래그 결정 유닛을 더 포함하되, 보조 포지셔닝 플래그 결정 유닛은 상기 현재 교통 흐름 정보 및 상기 현재 교통 흐름 정보에 대응되는 신뢰도에 기반하여 보조 포지셔닝 플래그를 결정하고; 상기 보조 포지셔닝 플래그를 결정하는 단계는, 현재 차량 양측의 현재 교통 흐름 정보에 대응되는 신뢰도가 기설정된 신뢰도 문턱값보다 모두 높으면, 보조 포지셔닝 플래그를 제1 플래그로 결정하고; 현재 차량 좌측의 현재 교통 흐름 정보에 대응되는 신뢰도가 기설정된 신뢰도 문턱값보다 높으면, 보조 포지셔닝 플래그를 제2 플래그로 결정하며; 현재 차량 우측의 현재 교통 흐름 정보에 대응되는 신뢰도가 기설정된 신뢰도 문턱값보다 높으면, 보조 포지셔닝 플래그를 제3 플래그로 결정하는 단계를 포함한다.
일부 실시예에서, 교통 흐름 정보의 결정 장치 중 각 유닛의 구분은 단지 논리적 기능 구분일 뿐, 실제 구현시 별도의 구분 방식이 있을 수 있으며, 예를 들어 그룹핑 모듈(501), 결정 모듈(502) 및 피팅 모듈(503) 중 적어도 2개의 유닛은 하나의 유닛으로 구현될 수 있고; 그룹핑 모듈(501), 결정 모듈(502) 또는 피팅 모듈(503)은 복수의 서브 유닛으로 구분될 수도 있다. 이해할 수 있는 것은, 각 유닛 또는 서브 유닛은 전자 하드웨어, 또는 컴퓨터 소프트웨어 및 전자 하드웨어의 결합으로 구현될 수 있다. 이러한 기능이 하드웨어로 실행되는지 소프트웨어로 실행되는지 여부는 기술적 해결수단의 특정 응용 및 설계 제약 조건에 따라 결정된다. 본 기술분야의 기술자는 각 특정된 응용에 상이한 방법을 사용하여 설명된 기능을 구현할 수 있다.
설명해야 할 것은, 본 명세서에서, 용어 “포괄”, “포함” 또는 임의의 다른 변형은 비배타적인 포함을 포함하도록 의도됨으로써, 일련의 요소를 포함하는 과정, 방법, 물품 또는 장치가 이들 요소뿐만 아니라 명시적으로 열거되지 않은 다른 요소, 또는 이러한 과정, 방법, 물품 또는 장치의 고유 요소를 더 포함하도록 한다. 더 많은 제한이 없을 경우, “...를 포함한다”는 문장으로 정의된 요소는 그 요소를 포함하는 과정, 방법, 물품 또는 장치에 다른 동일한 요소가 존재한다는 것을 배제하지 않는다.
본 기술분야의 기술자는, 상기 일부 실시예가 다른 실시예에 포함된 다른 특징이 아닌 일부 특징을 포함하지만, 상이한 실시예의 특징의 조합은 본 발명의 범위 이내에 있고 상이한 실시예를 형성하는 것을 의미함을 이해할 수 있을 것이다.
본 기술분야의 기술자는, 각 실시예에 대한 설명에는 모두 각자 주안점이 있으며, 특정 실시예에서 상세하게 설명되지 않은 부분은 다른 실시예의 관련 설명을 참조할 수 있음을 이해할 수 있을 것이다.
도면을 결합하여 본 발명의 실시형태를 설명하였지만, 본 기술분야의 기술자는 본 발명의 사상과 범위를 벗어나지 않으면서 다양한 수정과 변형을 수행할 수 있으며, 이러한 수정과 변형은 모두 청구보호범위에 의해 한정된 범위 이내에 포함된다.
산업 실용성
본 발명의 적어도 하나의 실시예에서, 복수의 타깃 차량에 대해 그룹핑을 수행하여 각 타깃 차량의 피팅 가중치를 결정함으로써, 그룹핑 정보, 피팅 가중치, 현재 차량의 이동 정보 및 타깃 차량의 상태 정보를 기반으로 현재 교통 흐름 정보를 피팅하여 생성함으로써, 교통 흐름에 대한 감지를 구현할 수 있다. 본 발명의 실시예는 현재 교통 흐름 정보 및 현재 교통 흐름 정보에 대응되는 신뢰도에 기반하여 보조 포지셔닝 플래그를 결정할 수 있고, 보조 포지셔닝 플래그는 차선 정보와 독립적이며, 일부 다중 차도 장면에서 차선이 유일한 차도를 결정하기에 충분하지 않을 경우, 현재 차량이 위치한 차도를 결정하는데 보조하여 L3급 자율 운전 시스템의 장거리 경로 계획에 필요한 근거를 제공한다. 이 밖에, 본 발명의 실시예는 현재 교통 흐름 정보를 기반으로 현재 차량의 횡방향 제어를 수행하여, 차선 정보에 대한 의존을 제거함으로써 혼잡 환경에서 현재 차량의 횡방향 제어를 유지하는데 유리하다. 따라서 산업 실용성을 갖는다.

Claims (26)

  1. 교통 흐름 정보의 결정 방법에 있어서,
    현재 차량의 이동 정보 및 하나 이상의 타깃 차량의 상태 정보를 기반으로 각 상기 타깃 차량에 대해 그룹핑을 수행하여 그룹핑 정보를 얻는 단계;
    각 상기 타깃 차량의 상태 정보 및 상기 그룹핑 정보에 기반하여 각 상기 타깃 차량의 피팅 가중치를 결정하는 단계; 및,
    상기 현재 차량의 이동 정보, 각 상기 타깃 차량의 상태 정보, 각 상기 타깃 차량의 피팅 가중치 및 상기 그룹핑 정보를 기반으로 하나 이상의 현재 교통 흐름 정보를 피팅하여 생성하는 단계;를 포함하는 것을 특징으로 하는 교통 흐름 정보의 결정 방법.
  2. 제1항에 있어서,
    상기 현재 차량의 이동 정보 및 하나 이상의 타깃 차량의 상태 정보를 기반으로 각 상기 타깃 차량에 대해 그룹핑을 수행하여 그룹핑 정보를 얻는 단계는,
    상기 현재 차량의 이동 정보에 기반하여 현재 차량의 주행 궤적을 결정하는 단계;
    상기 현재 차량의 이동 정보 및 각 상기 타깃 차량의 상태 정보에 기반하여 하나 이상의 유효 타깃 차량을 선별하는 단계; 및,
    상기 현재 차량의 주행 궤적 및 각 상기 유효 타깃 차량의 상태 정보를 기반으로 각 상기 유효 타깃 차량에 대해 그룹핑을 수행하여 그룹핑 정보를 얻는 단계;를 포함하는 것을 특징으로 하는 교통 흐름 정보의 결정 방법.
  3. 제2항에 있어서,
    상기 그룹핑 정보를 얻은 후, 상기 방법은,
    과거 교통 흐름 정보에 기반하여 상기 그룹핑 정보를 보정하는 단계; 및,
    대응하게, 상기 과거 교통 흐름 정보, 각 상기 유효 타깃 차량의 상태 정보 및 보정된 그룹핑 정보에 기반하여 각 상기 유효 타깃 차량의 피팅 가중치를 결정하는 단계;를 더 포함하는 것을 특징으로 하는 교통 흐름 정보의 결정 방법.
  4. 제2항에 있어서,
    상기 현재 차량의 주행 궤적 및 각 상기 유효 타깃 차량의 상태 정보를 기반으로 각 상기 유효 타깃 차량에 대해 그룹핑을 수행하여 그룹핑 정보를 얻는 상기 단계는,
    각 상기 유효 타깃 차량에 대해,
    상기 유효 타깃 차량의 상태 정보 및 상기 현재 차량의 주행 궤적에 기반하여 상기 유효 타깃 차량이 위치한 상대 차도를 결정하는 단계; 및,
    상기 상대 차도에 기반하여 상기 유효 타깃 차량의 그룹핑 정보를 결정하는 단계;를 포함하는 것을 특징으로 하는 교통 흐름 정보의 결정 방법.
  5. 제1항 내지 제4항 중 어느 한 항에 있어서,
    상기 그룹핑 정보는 현재 차량이 위치한 차도의 좌측 제1 차도 그룹핑, 현재 차량이 위치한 차도의 좌측 제2 차도 그룹핑, 현재 차량이 위치한 차도의 우측 제1 차도 그룹핑, 현재 차량이 위치한 차도의 우측 제2 차도 그룹핑 및 다른 그룹핑의 5개의 그룹을 포함하는 것을 특징으로 하는 교통 흐름 정보의 결정 방법.
  6. 제5항에 있어서,
    상기 하나 이상의 현재 교통 흐름 정보를 피팅하여 생성하기 이전에, 상기 방법은,
    타깃 차량 수가 기설정된 피팅 수를 만족하는지 여부를 판단하고; 그렇다면, 현재 차량의 주행 상태가 직진인지 여부를 판단하는 단계;
    현재 차량의 주행 상태가 직진이면 캐시된 과거 차량을 획득하는 단계;
    각 상기 과거 차량의 좌표를 업데이트하여 각 과거 차량에 대응되는 가상 차량 및 각 상기 가상 차량의 상태 정보를 얻는 단계; 및,
    과거 교통 흐름 정보, 상기 현재 차량의 이동 정보, 각 상기 가상 차량의 상태 정보 및 각 상기 가상 차량의 그룹핑 정보에 기반하여 각 상기 가상 차량의 피팅 가중치를 결정하는 단계;를 더 포함하고,
    대응하게, 상기 하나 이상의 현재 교통 흐름 정보를 피팅하여 생성하는 단계는, 각 상기 타깃 차량의 상태 정보, 각 상기 타깃 차량의 피팅 가중치, 각 상기 가상 차량의 상태 정보 및 각 상기 가상 차량의 피팅 가중치에 기반하여 하나 이상의 현재 교통 흐름 정보를 피팅하여 생성하는 단계를 포함하는 것을 특징으로 하는 교통 흐름 정보의 결정 방법.
  7. 제6항에 있어서,
    상기 과거 차량은 캐시 조건을 만족하되; 상기 캐시 조건은 현재 차량과 동일한 방향으로 주행하는 차량을 선별하기 위한 것이고 또한 상기 차량은 다른 그룹핑에 속하지 않는 것을 특징으로 하는 교통 흐름 정보의 결정 방법.
  8. 제7항에 있어서,
    상기 캐시 조건은,
    차량이 현재 차량의 전방에 위치하고 현재 차량과의 상대적 거리가 기설정된 상대적 거리 임계값보다 큰 경우;
    현재 차량에 대한 차량의 속도 방향과 현재 차량의 주행 방향 사이의 협각이 기설정된 협각 임계값보다 작은 경우; 및,
    현재 차량에 대한 차량의 측방향 거리가 기설정된 측방향 거리 범위 내에 있는 경우;를 포함하는 것을 특징으로 하는 교통 흐름 정보의 결정 방법.
  9. 제8항에 있어서,
    상기 캐시 조건은, 차량의 수명 주기가 기설정된 수명 주기 임계값보다 큰 경우를 더 포함하는 것을 특징으로 하는 교통 흐름 정보의 결정 방법.
  10. 제1항에 있어서,
    각 상기 타깃 차량의 피팅 가중치를 결정하는 상기 단계는,
    각 상기 타깃 차량에 대해,
    상기 타깃 차량의 상태 정보 및 상기 타깃 차량의 그룹핑 정보에 기반하여, 상기 타깃 차량의 측방향 속도 편차 가중치, 상기 타깃 차량의 측방향 변위 편차 가중치, 상기 타깃 차량의 수명 주기 가중치 및 상기 타깃 차량의 속도 가중치를 결정하는 단계; 및,
    상기 타깃 차량의 측방향 속도 편차 가중치, 상기 타깃 차량의 측방향 변위 편차 가중치, 상기 타깃 차량의 수명 주기 가중치 및 상기 타깃 차량의 속도 가중치를 곱하여, 상기 타깃 차량의 피팅 가중치를 얻는 단계;를 포함하는 것을 특징으로 하는 교통 흐름 정보의 결정 방법.
  11. 제6항에 있어서,
    각 상기 가상 차량의 피팅 가중치를 결정하는 상기 단계는,
    각 상기 가상 차량에 대해,
    상기 가상 차량의 상태 정보 및 상기 가상 차량의 그룹핑 정보에 기반하여, 상기 가상 차량의 측방향 속도 편차 가중치, 상기 가상 차량의 측방향 변위 편차 가중치, 상기 가상 차량의 수명 주기 가중치, 상기 가상 차량의 속도 가중치 및 상기 가상 차량의 가중치를 결정하는 단계; 및,
    상기 가상 차량의 측방향 속도 편차 가중치, 상기 가상 차량의 측방향 변위 편차 가중치, 상기 가상 차량의 수명 주기 가중치, 상기 가상 차량의 속도 가중치 및 상기 가상 차량의 가중치를 곱하여, 상기 가상 차량의 피팅 가중치를 얻는 단계;를 포함하는 것을 특징으로 하는 교통 흐름 정보의 결정 방법.
  12. 제1항에 있어서,
    각 그룹핑은 하나의 교통 흐름에 대응하고, 상기 하나 이상의 현재 교통 흐름 정보를 피팅하여 생성하는 단계는,
    상기 그룹핑 중 타깃 차량의 수 및 상기 그룹핑 중 모든 타깃 차량의 종방향 분포 거리에 기반하여 피팅 방식을 선택하는 단계; 및,
    선택된 피팅 방식을 기반으로, 상기 현재 차량의 이동 정보, 상기 그룹핑 중 각 타깃 차량의 상태 정보 및 상기 그룹핑 중 각 타깃 차량의 피팅 가중치를 이용하여 상기 그룹핑에 대응되는 현재 교통 흐름 정보를 피팅하여 생성하는 단계;를 포함하는 것을 특징으로 하는 교통 흐름 정보의 결정 방법.
  13. 제12항에 있어서,
    상기 그룹핑 중 타깃 차량의 수 및 상기 그룹핑 중 모든 타깃 차량의 종방향 분포 거리에 기반하여 피팅 방식을 선택하는 상기 단계는,
    상기 그룹핑 중 타깃 차량의 수가 제1 개수 조건을 만족하는지 여부와, 종방향 분포 거리가 기설정된 제1 거리 임계값보다 큰지 여부를 판단하는 단계;
    제1 개수 조건이 만족되고 기설정된 제1 거리 임계값보다 크면, 1차 피팅 및 2차 피팅을 선택하며; 그렇지 않으면 상기 그룹핑 중 타깃 차량의 수가 제2 개수 조건을 만족하는지 여부와, 종방향 분포 거리가 기설정된 제2 거리 임계값보다 큰지 여부를 판단하는 단계; 및,
    제2 개수 조건이 만족되고 기설정된 제2 거리 임계값보다 크면, 1차 피팅을 선택하며; 그렇지 않으면 피팅을 수행하지 않는 단계;를 포함하는 것을 특징으로 하는 교통 흐름 정보의 결정 방법.
  14. 제13항에 있어서,
    1차 피팅 및 2차 피팅을 선택하면, 상기 그룹핑에 대응되는 현재 교통 흐름 정보를 피팅하여 생성하는 상기 단계는,
    상기 그룹핑에 대응되는 1차 피팅 결과를 피팅하여 생성하고 상기 1차 피팅 결과의 제1 평균제곱오차를 결정하는 단계;
    상기 그룹핑에 대응되는 2차 피팅 결과를 피팅하여 생성하고 상기 2차 피팅 결과의 제2 평균제곱오차를 결정하는 단계; 및,
    상기 제1 평균제곱오차와 상기 제2 평균제곱오차를 비교하여, 상기 제1 평균제곱오차가 상기 제2 평균제곱오차의 기설정된 배수보다 크면, 상기 2차 피팅 결과를 상기 그룹핑에 대응되는 현재 교통 흐름 정보로 선택하고; 그렇지 않으면 상기 1차 피팅 결과를 상기 그룹핑에 대응되는 현재 교통 흐름 정보로 선택하는 단계;를 포함하는 것을 특징으로 하는 교통 흐름 정보의 결정 방법.
  15. 제12항에 있어서,
    상기 현재 차량의 이동 정보, 상기 그룹핑 중 각 타깃 차량의 상태 정보 및 상기 그룹핑 중 각 타깃 차량의 피팅 가중치를 이용하여 상기 그룹핑에 대응되는 현재 교통 흐름 정보를 피팅하여 생성하는 상기 단계는,
    상기 그룹핑 중 각 타깃 차량의 상태 정보 및 상기 그룹핑 중 각 타깃 차량의 피팅 가중치를 기반으로, 상기 그룹핑에 대응되는 초기 교통 흐름 정보를 피팅하여 생성하는 단계; 및,
    과거 교통 흐름 정보 및 상기 현재 차량의 이동 정보를 기반으로, 상기 초기 교통 흐름 정보를 제약하여 상기 그룹핑에 대응되는 현재 교통 흐름 정보를 얻는 단계;를 포함하는 것을 특징으로 하는 교통 흐름 정보의 결정 방법.
  16. 제15항에 있어서,
    상기 제약은 위치 제약, 방향 제약 및/또는 곡률 제약을 포함하는 것을 특징으로 하는 교통 흐름 정보의 결정 방법.
  17. 제16항에 있어서,
    상기 위치 제약은, 상기 과거 교통 흐름 정보에 대응되는 신뢰도에 기반하여 상기 초기 교통 흐름 정보에 대응되는 피팅 파라미터 중의 상수항의 변화량을 제약하는 경우를 포함하되;
    상기 상수항의 변화량과 상기 과거 교통 흐름 정보에 대응되는 신뢰도 사이는 역의 상관관계이고; 상기 상수항의 변화량과 상기 초기 교통 흐름 정보에 대응되는 피팅 수 사이는 정적 상관관계인 것을 특징으로 하는 교통 흐름 정보의 결정 방법.
  18. 제16항에 있어서,
    상기 방향 제약은, 상기 과거 교통 흐름 정보에 대응되는 신뢰도 및/또는 상기 현재 차량의 이동 정보에 기반하여 상기 초기 교통 흐름 정보에 대응되는 피팅 파라미터 중의 1차항의 변화량을 제약하는 경우를 포함하되; 상기 1차항의 변화량과 상기 과거 교통 흐름 정보에 대응되는 신뢰도 사이는 역의 상관관계이고, 상기 1차항의 변화량과 상기 현재 차량의 조향 진폭 사이는 정적 상관관계이며, 및/또는 상기 1차항의 변화량과 상기 초기 교통 흐름 정보에 대응되는 피팅 수 사이는 정적 상관관계인 것을 특징으로 하는 교통 흐름 정보의 결정 방법.
  19. 제16항에 있어서,
    상기 곡률 제약은, 상기 과거 교통 흐름 정보에 대응되는 신뢰도 및/또는 상기 현재 차량의 이동 정보에 기반하여 상기 초기 교통 흐름 정보에 대응되는 피팅 파라미터 중의 2차항의 변화량을 제약하는 경우를 포함하되; 상기 2차항의 변화량과 상기 과거 교통 흐름 정보에 대응되는 신뢰도 사이는 역의 상관관계이고, 상기 2차항의 변화량과 상기 현재 차량의 속도 사이는 역의 상관관계이며, 및/또는 상기 2차항의 변화량과 상기 현재 차량의 스티어링 휠 회전 속도 사이는 정적 상관관계인 것을 특징으로 하는 교통 흐름 정보의 결정 방법.
  20. 제1항에 있어서,
    상기 방법은,
    상기 현재 교통 흐름 정보에 기반하여 신뢰도 증분을 결정하는 단계; 및,
    과거 교통 흐름 정보의 신뢰도 및 상기 신뢰도 증분에 기반하여 상기 현재 교통 흐름 정보에 대응되는 신뢰도를 결정하는 단계;를 더 포함하되,
    상기 신뢰도 증분과 상기 현재 교통 흐름 정보에 대응되는 피팅 결과의 평균제곱오차 사이는 역의 상관관계이고, 상기 신뢰도 증분과 상기 현재 교통 흐름 정보에 대응되는 피팅 수 사이는 정적 상관관계이며, 및/또는 상기 신뢰도 증분과 상기 현재 교통 흐름 정보에 대응되는 타깃 차량의 종방향 분포 거리 사이는 정적 상관관계인 것을 특징으로 하는 교통 흐름 정보의 결정 방법.
  21. 제20항에 있어서,
    상기 현재 교통 흐름 정보에 기반하여 신뢰도 증분을 결정하는 상기 단계는, 2개의 현재 교통 흐름 정보가 교차하는 경우, 2개의 교통 흐름에 대응되는 피팅 수와 종방향 분포 거리를 비교하는 단계; 및, 피팅 수가 비교적 적거나 종방향 분포 거리가 비교적 짧은 현재 교통 흐름 정보에 대응되는 신뢰도 증분이 음수인 것으로 결정하는 단계;를 포함하는 것을 특징으로 하는 교통 흐름 정보의 결정 방법.
  22. 제20항에 있어서,
    상기 방법은, 상기 현재 교통 흐름 정보 및 상기 현재 교통 흐름 정보에 대응되는 신뢰도에 기반하여 현재 차량의 주행 기준 경로를 결정하는 단계를 더 포함하고;
    상기 현재 차량의 주행 기준 경로를 결정하는 단계는,
    현재 차량 양측의 현재 교통 흐름 정보에 대응되는 신뢰도가 기설정된 신뢰도 문턱값보다 모두 높으면, 현재 차량의 주행 기준 경로의 파라미터를 현재 차량 양측의 현재 교통 흐름 정보에 대응되는 피팅 파라미터의 가중 평균값으로 결정하되; 현재 차량 양측의 현재 교통 흐름 정보에 대응되는 피팅 파라미터의 가중치와 피팅 파라미터의 변화율 사이는 역의 상관관계인 단계;
    현재 차량의 일측에만 현재 교통 흐름 정보에 대응되는 신뢰도가 기설정된 신뢰도 문턱값보다 높으면, 현재 차량의 주행 기준 경로의 파라미터 중 1차항 및 2차항이 상기 측의 현재 교통 흐름 정보에 대응되는 피팅 파라미터 중 1차항 및 2차항과 동일하고, 현재 교통 흐름 정보에 대응되는 피팅 파라미터 중 상수항이 0인 것으로 결정하는 단계; 및,
    현재 차량 양측의 현재 교통 흐름 정보에 대응되는 신뢰도가 기설정된 신뢰도 문턱값보다 모두 낮으면, 현재 차량의 주행 기준 경로의 파라미터가 모두 0인 것으로 결정하는 단계;를 포함하는 것을 특징으로 하는 교통 흐름 정보의 결정 방법.
  23. 제20항에 있어서,
    상기 방법은, 상기 현재 교통 흐름 정보 및 상기 현재 교통 흐름 정보에 대응되는 신뢰도에 기반하여 보조 포지셔닝 플래그를 결정하는 단계를 더 포함하고;
    상기 보조 포지셔닝 플래그를 결정하는 단계는,
    현재 차량 양측의 현재 교통 흐름 정보에 대응되는 신뢰도가 기설정된 신뢰도 문턱값보다 모두 높으면, 보조 포지셔닝 플래그를 제1 플래그로 결정하고; 현재 차량 좌측의 현재 교통 흐름 정보에 대응되는 신뢰도가 기설정된 신뢰도 문턱값보다 높으면, 보조 포지셔닝 플래그를 제2 플래그로 결정하며; 현재 차량 우측의 현재 교통 흐름 정보에 대응되는 신뢰도가 기설정된 신뢰도 문턱값보다 높으면, 보조 포지셔닝 플래그를 제3 플래그로 결정하는 단계를 포함하는 것을 특징으로 하는 교통 흐름 정보의 결정 방법.
  24. 교통 흐름 정보의 결정 장치에 있어서,
    현재 차량의 이동 정보 및 하나 이상의 타깃 차량의 상태 정보를 기반으로 각 상기 타깃 차량에 대해 그룹핑을 수행하여 그룹핑 정보를 얻는 그룹핑 모듈;
    각 상기 타깃 차량의 상태 정보 및 상기 그룹핑 정보에 기반하여 각 상기 타깃 차량의 피팅 가중치를 결정하는 결정 모듈; 및,
    상기 현재 차량의 이동 정보, 각 상기 타깃 차량의 상태 정보, 각 상기 타깃 차량의 피팅 가중치 및 상기 그룹핑 정보를 기반으로 하나 이상의 현재 교통 흐름 정보를 피팅하여 생성하는 피팅 모듈;을 포함하는 것을 특징으로 하는 교통 흐름 정보의 결정 장치.
  25. 전자 기기에 있어서,
    프로세서 및 메모리를 포함하되; 상기 프로세서는 상기 메모리에 저장된 프로그램 또는 명령을 호출하여 제1항 내지 제23항 중 어느 한 항에 따른 방법의 단계를 수행하는 것을 특징으로 하는 전자 기기.
  26. 비일시적 컴퓨터 판독 가능 저장 매체에 있어서,
    상기 비일시적 컴퓨터 판독 가능 저장 매체에는 프로그램 또는 명령이 저장되고, 상기 프로그램 또는 명령은 컴퓨터가 제1항 내지 제23항 중 어느 한 항에 따른 방법의 단계를 수행하도록 하는 것을 특징으로 하는 비일시적 컴퓨터 판독 가능 저장 매체.
KR1020237018513A 2020-11-09 2020-11-09 교통 흐름 정보의 결정 방법, 장치, 전자 기기 및 저장 매체 KR102620325B1 (ko)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/CN2020/127499 WO2022095023A1 (zh) 2020-11-09 2020-11-09 一种交通流信息的确定方法、装置、电子设备和存储介质

Publications (2)

Publication Number Publication Date
KR20230098633A true KR20230098633A (ko) 2023-07-04
KR102620325B1 KR102620325B1 (ko) 2024-01-03

Family

ID=75034957

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020237018513A KR102620325B1 (ko) 2020-11-09 2020-11-09 교통 흐름 정보의 결정 방법, 장치, 전자 기기 및 저장 매체

Country Status (6)

Country Link
US (1) US20230419824A1 (ko)
EP (1) EP4242998A4 (ko)
JP (1) JP2023548879A (ko)
KR (1) KR102620325B1 (ko)
CN (1) CN112567439B (ko)
WO (1) WO2022095023A1 (ko)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022081083A1 (en) * 2020-10-16 2022-04-21 Grabtaxi Holdings Pte. Ltd. Method, electronic device, and system for detecting overspeeding
CN115019554B (zh) * 2022-05-30 2024-03-26 中国第一汽车股份有限公司 一种车辆告警方法、装置、电子设备及存储介质
CN115294776B (zh) * 2022-06-23 2024-04-12 北京北大千方科技有限公司 基于时间切片统计车辆通行量的方法、装置、设备及介质
CN115468778B (zh) * 2022-09-14 2023-08-15 北京百度网讯科技有限公司 车辆测试方法、装置、电子设备及存储介质
CN115879294B (zh) * 2022-11-30 2024-04-26 西部科学城智能网联汽车创新中心(重庆)有限公司 一种基于多车环境感知的全样车流轨迹生成方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009214838A (ja) * 2008-03-12 2009-09-24 Fuji Heavy Ind Ltd 車両用運転支援装置
CN108171967A (zh) * 2017-11-24 2018-06-15 华为技术有限公司 一种交通控制方法及装置
CN110782667A (zh) * 2019-10-30 2020-02-11 北京百度网讯科技有限公司 信号灯分时段配时方法、装置、电子设备及存储介质
CN111738207A (zh) * 2020-07-13 2020-10-02 腾讯科技（深圳）有限公司 车道线检测方法、装置、电子设备及可读存储介质

Family Cites Families (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000132783A (ja) * 1998-10-26 2000-05-12 Semba Corp 交通流シミュレータ、環境解析システム、交通流のシミュレーション方法および記憶媒体
JP2003156413A (ja) * 2001-11-20 2003-05-30 Toyo Tire & Rubber Co Ltd 車体振動のシミュレーション方法
JP5868586B2 (ja) * 2009-11-04 2016-02-24 ヴァレオ・シャルター・ウント・ゼンゾーレン・ゲーエムベーハー ビデオ画像に基づく道路特性分析、車線検出、および車線逸脱防止方法および装置
US9406229B2 (en) * 2009-11-12 2016-08-02 Gm Global Technology Operations, Llc Travel lane advisor
CN103903019B (zh) * 2014-04-11 2017-12-15 北京工业大学 一种多车道车辆轨迹时空图的自动生成方法
KR101526816B1 (ko) * 2014-09-12 2015-06-05 현대자동차주식회사 차선 추정 시스템 및 그 방법
JP5984155B2 (ja) * 2014-09-26 2016-09-06 インターナショナル・ビジネス・マシーンズ・コーポレーションＩｎｔｅｒｎａｔｉｏｎａｌ Ｂｕｓｉｎｅｓｓ Ｍａｃｈｉｎｅｓ Ｃｏｒｐｏｒａｔｉｏｎ 情報処理装置、プログラム、及び、情報処理方法
DE112017006755B4 (de) * 2017-02-09 2021-04-22 Mitsubishi Electric Corporation Informationsverarbeitungseinrichtung, informationsverarbeitungsverfahren und informationsverarbeitungsprogramm
KR102215325B1 (ko) * 2017-02-28 2021-02-15 현대자동차주식회사 차량의 위치 추정 장치 및 방법과 이를 이용한 차량
CN107402131B (zh) * 2017-08-03 2018-05-25 安徽大学 一种基于轨边声学信号时频脊线的高速列车运动参数识别方法
US10761535B2 (en) * 2018-08-21 2020-09-01 GM Global Technology Operations LLC Intelligent vehicle navigation systems, methods, and control logic for multi-lane separation and trajectory extraction of roadway segments
CN109242912A (zh) * 2018-08-29 2019-01-18 杭州迦智科技有限公司 采集装置外参标定方法、电子设备、存储介质
CN109541583B (zh) * 2018-11-15 2020-05-01 众安信息技术服务有限公司 一种前车距离检测方法及系统
CN109683617B (zh) * 2018-12-27 2022-06-28 潍柴动力股份有限公司 一种自动驾驶方法、装置及电子设备
CN111176269B (zh) * 2019-10-11 2022-07-05 中国第一汽车股份有限公司 车辆的航向调整方法、装置、车辆及存储介质
CN110703754B (zh) * 2019-10-17 2021-07-09 南京航空航天大学 一种自动驾驶车辆路径与速度高度耦合的轨迹规划方法
CN111241224B (zh) * 2020-01-10 2021-05-11 福瑞泰克智能系统有限公司 目标距离估计的方法、系统、计算机设备和存储介质
CN111325187B (zh) * 2020-03-23 2023-10-20 北京经纬恒润科技股份有限公司 一种车道位置的识别方法及装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009214838A (ja) * 2008-03-12 2009-09-24 Fuji Heavy Ind Ltd 車両用運転支援装置
CN108171967A (zh) * 2017-11-24 2018-06-15 华为技术有限公司 一种交通控制方法及装置
CN110782667A (zh) * 2019-10-30 2020-02-11 北京百度网讯科技有限公司 信号灯分时段配时方法、装置、电子设备及存储介质
CN111738207A (zh) * 2020-07-13 2020-10-02 腾讯科技（深圳）有限公司 车道线检测方法、装置、电子设备及可读存储介质

Also Published As

Publication number Publication date
KR102620325B1 (ko) 2024-01-03
WO2022095023A1 (zh) 2022-05-12
US20230419824A1 (en) 2023-12-28
CN112567439B (zh) 2022-11-29
CN112567439A (zh) 2021-03-26
EP4242998A1 (en) 2023-09-13
JP2023548879A (ja) 2023-11-21
EP4242998A4 (en) 2023-11-22

Similar Documents

Publication Publication Date Title
KR20230098633A (ko) 교통 흐름 정보의 결정 방법, 장치, 전자 기기 및 저장 매체
RU2737874C1 (ru) Способ хранения информации транспортного средства, способ управления движением транспортного средства и устройство хранения информации транспортного средства
CN110487288B (zh) 一种行车道路的估计方法以及行车道路估计系统
CN108919802B (zh) 无人驾驶的车辆行驶方法和装置
RU2735567C1 (ru) Способ хранения предысторий движения, способ для выработки модели пути движения, способ для оценки локальной позиции и устройство хранения предысторий движения
JP6985203B2 (ja) 挙動予測装置
JP2019528518A (ja) 自動運転車両の操縦システム
US11613253B2 (en) Method of monitoring localization functions in an autonomous driving vehicle
CN110562258A (zh) 一种车辆自动换道决策的方法、车载设备和存储介质
US20210389133A1 (en) Systems and methods for deriving path-prior data using collected trajectories
CN112829753B (zh) 基于毫米波雷达的护栏估计方法、车载设备和存储介质
CN111415511A (zh) 车辆监测和控制基础设施
CN114620035A (zh) 错误车道驾驶检测和碰撞减轻
CN112394725A (zh) 用于自动驾驶的基于预测和反应视场的计划
CN110375786B (zh) 一种传感器外参的标定方法、车载设备及存储介质
Wang et al. Trajectory prediction for turning vehicles at intersections by fusing vehicle dynamics and driver’s future input estimation
CN114194219A (zh) 一种自动驾驶车辆行驶道路模型预测方法
US20220073063A1 (en) Vehicle detection and response
JP6790951B2 (ja) 地図情報学習方法及び地図情報学習装置
WO2021097844A1 (zh) 基于多传感器数据融合的护栏估计方法和车载设备
EP4148388A1 (en) Vehicle localization to map data
CN110435668B (zh) 智能驾驶车辆执行机构的失效检测方法、模块和车载设备
CN111326002A (zh) 一种自动驾驶汽车环境感知的预测方法、装置及系统
JP7129269B2 (ja) 走行履歴記憶方法及び走行履歴記憶装置
JP7346722B2 (ja) 運転支援方法及び運転支援装置

Legal Events

Date Code Title Description
A201 Request for examination
A302 Request for accelerated examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant