KR20230156414A - 충돌 확률을 나타낸 맵을 생성하기 위한 방법 - Google Patents

충돌 확률을 나타낸 맵을 생성하기 위한 방법 Download PDF

Info

Publication number
KR20230156414A
KR20230156414A KR1020237035198A KR20237035198A KR20230156414A KR 20230156414 A KR20230156414 A KR 20230156414A KR 1020237035198 A KR1020237035198 A KR 1020237035198A KR 20237035198 A KR20237035198 A KR 20237035198A KR 20230156414 A KR20230156414 A KR 20230156414A
Authority
KR
South Korea
Prior art keywords
collision
probability
map
vehicle
movement data
Prior art date
Application number
KR1020237035198A
Other languages
English (en)
Inventor
울리히 슈텔린
마르크 멘첼
Original Assignee
콘티넨탈 오토모티브 테크놀로지스 게엠베하
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 콘티넨탈 오토모티브 테크놀로지스 게엠베하 filed Critical 콘티넨탈 오토모티브 테크놀로지스 게엠베하
Publication of KR20230156414A publication Critical patent/KR20230156414A/ko

Links

Classifications

    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804—Creation or updating of map data
    • G01C21/3807—Creation or updating of map data characterised by the type of data
    • G01C21/3815—Road 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
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • 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
    • G08G1/09—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
    • G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
    • G08G1/0969—Systems involving transmission of navigation instructions to the vehicle having a display in the form of a map
    • 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

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Traffic Control Systems (AREA)

Abstract

본 발명은 영역에 대한 충돌 확률을 나타낸 맵을 생성하기 위한 방법에 관한 것이고, 영역에서 주행하는 복수의 차량이 검출되고, 각각의 차량과 관련된 이동 데이터가 결정되고, 차량의 각각에 대해, 이동 데이터에 기초하여 적어도 하나의 궤적이 예측되고, 궤적에 기초하여 충돌 확률이 계산된다. 충돌 확률이 맵에 저장될 수 있다.

Description

충돌 확률을 나타낸 맵을 생성하기 위한 방법
본 발명은 영역에 대한 충돌 확률을 나타낸 맵을 생성하기 위한 방법에 관한 것이다.
공공 교통로의 교차로 또는 다른 장소는 기본적으로 특정한 사고의 위험을 안고 있다. 예를 들어, 2대의 차량이 충돌하는 경우 사고가 발생할 수 있다. 예를 들어, 환경 센서를 사용하여 이것에 대한 정보를 수집할 수 있으므로, 도시 또는 자치단체와 같은 인프라 운영자가 사고 위험 지점을 분석하게 한다.
충돌 확률을 나타낸 맵을 생성하기 위한 방법을 제공하는 것이 바람직할 것이며, 이 방법은 알려진 설계에 대한 대안이거나 또는 그보다 더 나은 설계를 갖는다. 이것은 청구항 제1항에 청구된 바와 같은 방법에 의해 본 발명에 따라 달성된다. 유리한 구성은 예를 들어, 종속 청구항으로부터 취해질 수 있다. 청구범위의 내용은 명시적인 참조에 의해 설명의 내용에 포함된다.
본 발명은 영역에 대한 충돌 확률을 나타낸 맵을 생성하기 위한 방법에 관한 것이고, 방법은 다음의 단계를 갖는다:
- 영역에서 주행하는 하나 이상의 차량을 검출하고, 각각의 차량과 관련된 이동 데이터를 결정하는 단계,
- 차량의 각각에 대해, 이동 데이터에 기초하여 적어도 하나의 궤적을 예측하는 단계,
- 궤적에 기초하여 충돌 확률을 계산하는 단계, 및
- 충돌 확률을 맵에 저장하는 단계.
이러한 방법은 실제로 캡처된 이동 데이터에 기초하는 충돌 확률을 나타낸 맵을 생성하기 위해 사용될 수 있고 또한 예를 들어, 차량 제어를 위해 이미 사용되는 계산 모델에 기초할 수 있다. 이러한 계산 모델은 일반적으로 본 명세서에서 설명된 방법으로 각각의 차량에 의해 실행되지 않고, 예를 들어, 충돌 확률을 나타낸 이러한 맵의 생성에 맞추어 설정될 수 있는 인프라스트럭처에 의해 실행된다.
차량의 검출 및 이동 데이터의 결정이 예를 들어, 적합한 센서, 예컨대, 카메라 또는 움직임 센서를 사용하여 수행될 수 있지만, 이것은 또한 예를 들어, 차량-대-X 통신 동안 획득되는 데이터를 통해 수행될 수 있다. 예를 들어, 결정성 알고리즘 및/또는 통계 방법 및/또는 인공 지능에 기초한 모델이 예측을 위해 사용될 수 있다. 예를 들어, 충돌 확률은 궤적이 중첩되거나 또는 궤적의 주위의 구역이 중첩되는 확률이 점검되는 방식으로 계산될 수 있다.
맵은 예를 들어, 중앙 장치에 저장될 수 있는 예를 들어, 전자적으로 저장된 맵일 수 있다. 이에 따라 맵은 예를 들어, 사고 위험 지점을 평가하고 교통 안전을 개선시키는 가능한 방식을 식별하기 위해 사용될 수 있다.
예를 들어, 이동 데이터는 영역에 걸친 각각의 차량의 이동 동안 반복적으로 결정될 수 있고 적어도 하나의 궤적이 각각의 경우에서 이동 데이터를 기반으로 예측될 수 있다. 광범위한 데이터 잠재력을 활용해 볼 수도 있다는 점에서 이것은 맵을 개선시킬 수 있다. 그러나, 대응하는 데이터는 또한 별개의 맵을 위해 사용될 수 있다.
특히, 이동 데이터는 미리 결정된 시간 간격으로 결정될 수 있다. 이것은 간단한 실시형태를 가능하게 한다.
하나의 실시형태에 따르면, 각각의 연관된 확률을 갖는 복수의 궤적은 항상 또는 적어도 부분적으로 예측된다. 이것은 특히 각각의 차량에 적용된다. 그 결과, 차량이 이동할 방식 및 확률, 그리고 특히, 확률이 각각의 가능한 이동 시퀀스에 할당될 수 있는지를 예측하는 것이 가능하다. 이것은 충돌 확률을 계산하는 것을 더 쉽게 한다.
이동 데이터는 특히 차량으로부터 라디오를 통해 수신되는 정보에 의해 검출되고/되거나 결정될 수 있다. 예를 들어, 차량-대-X 통신이 이 목적을 위해 사용될 수 있다. 그러나, 도로측 센서, 예컨대, 카메라, 레이더(radar), 라이더 센서(lidar sensor) 등을 사용하는 것이 또한 가능하다.
특히, 영역은 교차로, 교차점, 휨부 또는 T-교차점을 포함할 수 있다. 이러한 장소는 일반적으로 사고 위험 지점이다. 그러나, 다른 영역이 또한 사용될 수 있다.
특히, 충돌 확률이 기준값으로 정규화될 수 있다. 이에 따라 맵이 절대 확률이 아니라 기준값과 비교하여 상대 확률을 나타내지 않도록 맵이 실행될 수 있다.
예를 들어, 충돌 확률은 영역의 미리 규정된 구획에서 종합되는 방식으로 저장될 수 있다. 이것은 과도하게 미세한 입상 설계를 방지하기 위해 맵이 적합하게 분할되게 한다. 이것은 종합된 형태로 특정한 평가를 가능하게 한다.
특히, 이동 데이터를 결정할 때의 예측 불확실성 및/또는 오류 한계가 궤적 및 연관된 확률을 예측할 때 고려될 수 있다. 이것은 계산을 더 개선시킬 수 있다. 특히, 각각의 확률을 갖는 복수의 궤적은 불확실성 및/또는 오류 한계에 기초하여 계산될 수 있다.
특히, 복수의 차량 페어링의 충돌 확률이 종합된 방식으로 저장될 수 있다. 페어링은 구체적으로 2대의 차량이 너무 가까워서 적어도 특정한 충돌 확률이 있다는 것을 의미하는 것으로 이해될 수 있다. 종합된 저장은 또한 종합된 평가를 달성하기 위해 사용될 수 있다.
한 대의 차량만이 고려 대상인 경우, 고정된 장애물과의 충돌에 대한 충돌 확률이 특히 고려될 수 있다. 이 경우에, 단일 차량으로부터 시작되는 궤적 또는 궤적들로 충분하다.
특히, 충돌 확률은 맵이 미리 규정된 시간 윈도우로부터의 충돌 확률만을 고려하는 방식으로 맵에 저장될 수 있다. 그 결과, 맵은 예를 들어, 맵이 일반적으로 상이한 시간에 상이한 교통량이 있는 특정한 시간에 교통 안전의 개선에 관한 평가를 허용하는 방식으로 생성될 수 있다. 슬라이딩 윈도우 기능은 또한 맵 이 항상 과거 중 미리 규정된 기간 동안 생성되도록 구현될 수 있다.
하나의 실시형태에 따르면, 하나 이상의 맵이 생성되고, 하나 이상의 미리 규정된 조건을 충족하는 충돌 확률만이 각각의 맵을 고려한다. 이것은 예를 들어, 상이한 특징을 가진 맵을 생성하는 것을 가능하게 한다. 일부 예가 아래에서, 특히 조건에 대해 언급된다:
- 예측 수평선에 따른 상이한 맵, 예를 들어, 1초, 2초, 3초 등의 예측 시간에 대한 1개의 맵,
- 상이한 시간에 대한 맵, 예를 들어, 오전 6시 내지 오전 10시, 오전 10시 내지 오후 3시, 오후 3시 내지 오후 7시, 오후 7시 내지 오후 10시 등에 대한 그리고/또는 주의 특정한 날에 대한 1개의 맵,
- 오직 물체의 특정한 조합에 대한 맵, 예를 들어, 차량-차량, 차량-보행자, 자전거-보행자, 자전거-자동차, 트럭-VRU 등에 대한 1개의 맵,
- 충돌 확률을 나타내지는 않지만, 충돌 확률이 특정한 문턱값을 초과하는 경우 관련된 물체의 위치를 나타내는 맵. 이것은 특히 관련된 물체가 나타나는 지점 또는 충돌 위험에 대한 구조적 이유가 있을 수 있는 지점이 결정된다면 유리할 수 있다.
- 상이한 신호등 단계 또는 신호등 단계가 변경될 때까지의 시간에 대한 맵,
- 물체 밀도에 따른 맵, 예를 들어, 몇몇의 물체, 보통 수의 물체, 매우 많은 수의 물체 및 가능하게는 또한 물체 유형에 따라 구별되는, 시야 영역의 과도한 수의 물체, 예를 들어, "매우 많은 수의 보행자" 등에 대한 1개의 맵,
- 표준으로부터 편차인 맵. 예를 들어, 기본 상태를 설명하는 맵이 먼저 생성될 수 있고, 그때부터, 이 기본 상태로부터의 차를 나타내는 추가의 맵이 생성될 수 있다. 이것은 변경의 결과가 나타날 때 특히 유용할 수 있다.
방법은 특히 2대의 차량 간에 충돌 확률이 높은 위치에서 차량의 충돌이 발생하지 않았다는 사실에 기초하여 하나 이상의 근접-충돌 이벤트(near-collision event)가 결정되는 방식으로 수행될 수 있다. 이러한 근접-충돌 이벤트는 이들이 실제 사고와 달리, 실제 이벤트를 기반으로 결정될 수 없기 때문에, 교통 안전에 관한 사고 위험 지점을 개선시키는 데 특히 유익하다.
예를 들어, 맵으로부터 충돌 확률을 판독할 때, 판독될 각각의 충돌 확률은 복수의 미리 규정된 영역 중 하나에 할당될 수 있고 이 영역이 각각의 경우의 출력값일 수 있다. 이것은 특히, 맵이 실제로 나타낼 수 있는 것보다 판독이 개략적일 수 있음을 의미할 수 있고, 이는 종합적 관점 및 평가의 간소화를 가능하게 한다.
본 발명은 또한 본 명세서에 설명된 바와 같은 방법을 실행하도록 구성되는 계산 모듈에 관한 것이다. 본 발명은 또한 프로세서가 본 명세서에 설명된 바와 같은 방법을 실행하는 실행 동안, 프로그램 코드를 저장하는 비휘발성, 컴퓨터-판독 가능한 저장 매체에 관한 것이다. 방법에 대해, 모든 실시형태 및 본 명세서에 설명된 변형에 대한 참조가 본 명세서에서 각각의 경우에 이루어질 수 있다.
예를 들어, 적어도 하나의 환경 센서(예를 들어, 레이더, 카메라, 라이더, 초음파, ...) 및/또는 차량-대-X 통신 모듈을 가진 인프라스트럭처 설치가 기본으로 여겨질 수 있다. 이동 예측은 각각의 검출된 물체에 대해 생성될 수 있다. 이어서 점검이 수행되어 2개 이상의 물체의 이동 예측이 중첩되고 따라서 충돌 위험이 있는지를 결정한다. 반드시 그러한 것은 아니지만 이상적으로, 이동 예측과 충돌 위험 검출 둘 다는 검출 오류와 예측 부정확성 둘 다의 암시된 고려사항과 함께 발생한다.
예가 아래에 제공된다. 차량이 검출되고 차량의 위치가 ± 0.5 m로 정확하게 검출되고, 차량의 속도가 ± 1 m/s로 그리고 차량의 이동 방향이 ± 1°로 검출된다. 예측은 이제 예측 시간 동안 검출 오류와 주행 역학의 변화를 가정하여, 중간(오류가 없다고 가정)과 외부 경계에서 가장 가능성이 높은 경로를 나타내는 일종의 이동 팬으로 생성된다.
이 방식으로 결정되는 충돌 위험은 예를 들어, "히트 맵"의 형태일 수 있는 맵에 기록될 수 있다. 각각의 위치에 대해 그리고 각각의 물체의 조합에 대해, 0% 내지 100%의 범위의 충돌 위험이 다른 충돌 위험에 추가될 수 있다.
히트 맵 또는 맵의 더 나은 평가를 위해, 그리드가 평가를 위한 위치로서 사용될 수 있고, 즉, 예를 들어, 10 ㎝의 거리 또는 또 다른 거리의 위치에 대한 충돌 확률이 합산된다.
맵 또는 히트 맵은 또한 절대 충돌 확률이 아닌 상대 충돌 확률만이 중요하다면, 즉, 사고가 발생할 가능성이 가장 높을 곳을 묻는 경우라면 정규화될 수 있다. 이 목적을 위해, 추가된 충돌 확률은 주어진 시야 영역에서 가장 큰 충돌 확률로 분할된다.
충돌 확률은 또한 슬라이딩 윈도우로 추가될 수 있다. 마지막 x 초 또는 분 또는 시간의 충돌 확률만이 합산된다.
차별화된 분석을 위해, 복수의 맵 또는 히트맵이 또한 생성될 수 있다. 이에 따른 차이는 이미 위에서 자세히 설명되었다.
특히, 충돌 확률 대신에 충돌 확률의 클러스터만을 고려하면 관점이 단순화될 수 있다. 따라서 충돌 확률은 클러스터로 분할될 수 있고, 예를 들어, 50% 미만, 50% 내지 75%, 75% 내지 90%, 90% 초과이다. 예를 들어, 클러스터의 각각에 도달하는 빈도(클러스터당 전용 히트 맵)를 계수하는 것이 가능하거나, 또는 각각의 클러스터가 등급 번호를 수용하고 이들이 합산된다(예를 들어, 위의 예에 대해, 이것은 1, 3, 7, 15가 될 수 있음).
특히 짧은 예측 시간 내에 높은 충돌 확률이 결정되지만 충돌이 발생하지 않는 경우, 맵 또는 히트 맵이 또한 사용되어 소위 "니어 미스(near miss)"를 식별할 수 있다. 니어 미스, 즉, 근접-충돌 이벤트를 식별하기 위해, 충돌 확률에 관해 특정한 최소 확률을 초과하는 구동 팬의 차량 궤적의 각각의 조합에 대해 최소 시공간 거리(4차원 시공간 벡터의 거리)를 계산할 수 있다. 이어서 이 시공간은 예를 들어, 궤적 쌍의 확률로 가중될 수 있고 합산될 수 있다. 문턱값으로서, 이 가중된 시공간 거리는 니어 미스로 평가되고 가장 작은 거리의 위치에서 히트 맵에 다시 입력될 수 있다. 특히, 이 제2 방식의 장점은, 충돌 확률이 크지 않은 매우 잘 규정된 속도와 방향을 가진 훨씬 좁은 통행이 니어 미스로 인지된다는 것이다.
히트 맵에 더하여 또는 그 대신에, 충돌 확률은 또한 시스템의 부가적인 기능 또는 디바이스로서 제공될 수 있다. 이것은 예를 들어, 원 데이터의 형태로 수행될 수 있거나 또는 충돌 확률이 특정한 값을 초과하면 트리거로서 수행될 수 있다. 위험 지점과 니어 미스는 비교적 잘 알려진 방법을 기반으로 식별될 수 있다.
운전자가 대처하기 불편하거나 또는 어려운 상황 또는 위치를 식별하는 것이 또한 가능하다. 이것은 사고가 발생하기 전에 구조를 변경하거나 또는 교통 흐름 제어를 조정하는 데 사용될 수 있다.
본 발명은 도면을 참조하여 아래에 설명된다:
도 1은 교차로 앞에 2대의 차량 있는 상황을 나타낸다.
도 1은 제1 차량(10) 및 제2 차량(20)을 순전히 개략적으로 나타낸다. 제1 차량(10)은 제1 도로(S1) 상에서 이동하고 제2 차량(20)은 제2 도로(S2) 상에서 이동한다. 차량(10, 20) 둘 다가 도로(S1, S2) 상에서 2개의 도로(S1, S2)가 교차하는 교차로(K)를 향하여 이동하고 있다. 제1 차량(10)은 안테나(17)가 부착된 차량-대-X 통신 모듈(15)을 갖는다. 제2 차량(20)은 안테나(27)가 부착된 차량-대-X 통신 모듈(25)을 갖는다. 이것은 2대의 차량(10, 20)이 차량-대-X 통신에 참여하게 한다.
안테나(47)를 가진 도로측 차량-대-X 통신 모듈(45)은 도로(S1, S2) 옆에 배치된다. 이것은 또한 차량(10, 20)이 도로측 인프라스트럭처와 통신하게 한다. 컴퓨팅 장치(30)가 도로(S1, S2) 옆에 배치되고 사용되어 맵을 생성할 수 있다.
또한, 카메라(50)가 도로(S1, S2) 옆에 배치되고, 카메라는 본 명세서에서 개략적으로 도시되고 2대의 차량(10, 20)을 캡처할 수 있다. 카메라(50)는 인프라스트럭처측 환경 센서이다.
차량(10, 20)이 교차로(K)에 접근할 때, 이들은 카메라(50) 및 차량-대-X 통신을 통해 캡처된다. 이 과정에서 수집되는 데이터는 컴퓨팅 장치(30)로 전달된다. 언급된 메커니즘이 또한 사용되어 각각의 오류와 함께 차량(10, 20)의 위치, 코스 및 속도를 캡처한다. 컴퓨팅 장치(30)는 차량(10, 20)이 교차로(K)에 접근할 때 몇몇의 시점에 각각의 궤적의 예측 및 연관된 확률을 생성한다. 이 경우에, 컴퓨팅 장치(30)는 대응하는 측정이 발생한 각각의 시점으로부터 시작하는 각각의 차량에 대해 복수의 궤적을 계산하고, 특정한 확률이 각각의 궤적에 할당된다. 이 궤적에 기초하여, 교차로(K)에서의 충돌 확률이 계산되고, 즉, 충돌이 발생할 수 있는 장소 및 확률이 계산된다. 이것은 교차로(K)의 특정한 지점에 대한 각각의 충돌 확률을 나타내는, 히트 맵, 즉, 전자 맵을 생성하기 위해 사용될 수 있다. 이 맵은 필요하면 정규화될 수 있거나 또는 맵은 특정한 데이터에만 기초하여, 예를 들어, 특정한 시간에 기록되는 데이터에만 기초하여 생성될 수 있다. 이러한 맵은 플래너가 사고 위험 지점을 식별하고 이들을 최적화하여 교통 안전을 증가시키는 것을 도울 수 있다.
일반적으로, 차량-대-X 통신이 특히 차량 간의 그리고/또는 차량과 인프라스트럭처 디바이스 간의 직접적인 통신을 의미한다고 이해되는 것에 주목해야 한다. 따라서 예로서, 이것은 차량-대-차량 통신 또는 차량-대-인프라스트럭처 통신일 수 있다. 이 출원이 차량 간의 통신을 나타내는 경우에, 상기 통신은 예를 들어, 일반적으로 모바일 라디오 네트워크 또는 유사한 외부 인프라스트럭처에 의한 전환 없이 수행되고 따라서 예를 들어, 모바일 라디오 네트워크에 기초하여 다른 해결책으로부터 구별되어야 하는, 차량-대-차량 통신의 부분으로서 기본적으로 발생할 수 있다. 예로서, 차량-대-X 통신은 IEEE 802.11p 또는 IEEE 1609.4 표준을 사용하여 수행될 수 있다. 통신 기술의 다른 예는 LTE-V2X, 5G-V2X, C-V2X, WLAN, WiMax, UWB 또는 블루투스를 포함한다. 차량-대-X 통신은 또한 C2X 통신으로도 지칭될 수 있다. 하위영역은 C2C(차-대-차) 또는 C2I(차-대-인프라스트럭처)로도 지칭될 수 있다. 그러나, 본 발명은 예를 들어, 모바일 라디오 네트워크를 통한 전환을 가진 차량-대-X 통신을 분명히 배제하지 않는다.
본 발명에 따른 방법의 언급된 단계는 나타낸 순서로 실행될 수 있다. 그러나, 이들은 또한 기술적으로 실현 가능하면, 상이한 순서로 실행될 수 있다. 예를 들어, 단계의 특정한 조합을 가진, 실시형태들 중 하나의 실시형태에서, 본 발명에 따른 방법은 추가의 단계가 실행되지 않는 방식으로 실행될 수 있다. 그러나, 원칙적으로, 추가의 단계가 또한 실행될 수 있고, 언급되지 않은 단계를 포함한다.
특징이 예를 들어, 이해를 용이하게 하기 위해 청구범위와 설명에서 결합되어 설명될 수 있지만, 이들이 서로 별도로 사용될 수 있다는 것에 주목한다. 당업자라면 이러한 특징이 서로 독립적으로 다른 특징 또는 특징의 조합과 결합될 수 있다는 것을 인지할 것이다.
종속 청구항의 종속 참조는 각각의 특징의 바람직한 조합을 특징으로 할 수 있지만 다른 특징의 조합을 배제하지는 않는다.
K: 교차로
S1: 제1 도로
S2: 제2 도로
10: 제1 차량
15: 차량-대-X 통신 모듈
17: 안테나
20: 제2 차량
25: 차량-대-X 통신 모듈
27: 안테나
30: 컴퓨팅 장치
45: 도로측 차량-대-X 통신 모듈
47: 안테나
50: 카메라/환경 센서

Claims (15)

  1. 영역에 대한 충돌 확률을 나타낸 맵을 생성하기 위한 방법으로서,
    - 상기 영역에서 주행하는 하나 이상의 차량(10, 20)을 검출하고, 각각의 차량(10, 20)과 관련된 이동 데이터를 결정하는 단계,
    - 상기 차량(10, 20)의 각각에 대해, 상기 이동 데이터에 기초하여 적어도 하나의 궤적을 예측하는 단계,
    - 상기 궤적에 기초하여 충돌 확률을 계산하는 단계, 및
    - 상기 충돌 확률을 상기 맵에 저장하는 단계
    를 포함하는, 방법.
  2. 제1항에 있어서,
    - 상기 이동 데이터는 상기 영역에 걸친 상기 각각의 차량(10, 20)의 이동 동안 반복적으로 결정되고 적어도 하나의 궤적이 각각의 경우에 상기 이동 데이터를 기준으로 예측되는, 방법.
  3. 제2항에 있어서,
    - 상기 이동 데이터는 미리 결정된 시간 간격으로 결정되는, 방법.
  4. 제1항 내지 제3항 중 어느 한 항에 있어서,
    - 각각의 연관된 확률을 갖는 복수의 궤적은 항상 또는 적어도 부분적으로 예측되는, 방법.
  5. 제1항 내지 제4항 중 어느 한 항에 있어서,
    - 이동 데이터는 하나 이상의 도로측 환경 센서(50)에 의해 검출되고/되거나 결정되는, 방법.
  6. 제1항 내지 제5항 중 어느 한 항에 있어서,
    - 이동 데이터는 상기 차량(10, 20)으로부터 라디오를 통해 수신되는 정보에 의해 검출되고/되거나 결정되는, 방법.
  7. 제1항 내지 제6항 중 어느 한 항에 있어서,
    - 상기 영역은 교차로(K), 교차점, 휨부 또는 T-교차점을 포함하는, 방법.
  8. 제1항 내지 제7항 중 어느 한 항에 있어서,
    - 상기 충돌 확률은 기준값에 대해 정규화되는, 방법.
  9. 제1항 내지 제8항 중 어느 한 항에 있어서,
    - 상기 충돌 확률은 상기 영역의 미리 규정된 구획에서 종합되는 방식으로 저장되는, 방법.
  10. 제1항 내지 제9항 중 어느 한 항에 있어서,
    - 이동 데이터를 결정할 때의 예측 불확실성 및/또는 오류 한계가 궤적 및 연관된 확률을 예측할 때 고려되는, 방법.
  11. 제1항 내지 제10항 중 어느 한 항에 있어서,
    - 복수의 차량 페어링의 상기 충돌 확률은 종합된 방식으로 저장되는, 방법.
  12. 제1항 내지 제11항 중 어느 한 항에 있어서,
    - 상기 충돌 확률은 상기 맵이 미리 규정된 시간 윈도우로부터의 충돌 확률만을 고려하는 방식으로 상기 맵에 저장되는, 방법.
  13. 제1항 내지 제12항 중 어느 한 항에 있어서,
    - 하나 이상의 맵이 생성되고,
    - 하나 이상의 미리 규정된 조건을 충족하는 충돌 확률만이 각각의 맵에 대해 고려되는, 방법.
  14. 제1항 내지 제13항 중 어느 한 항에 있어서,
    - 2대의 차량 간에 충돌 확률이 높은 위치에서 상기 차량(10, 20)의 충돌이 발생하지 않았다는 사실에 기초하여 하나 이상의 근접-충돌 이벤트(near-collision event)가 결정되는, 방법.
  15. 제1항 내지 제14항 중 어느 한 항에 있어서,
    - 맵으로부터 충돌 확률을 판독할 때, 판독될 각각의 충돌 확률은 복수의 미리 규정된 영역 중 하나에 할당되고 이 영역이 각각의 경우의 출력값인, 방법.
KR1020237035198A 2021-04-23 2022-03-16 충돌 확률을 나타낸 맵을 생성하기 위한 방법 KR20230156414A (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
DE102021204067.5A DE102021204067A1 (de) 2021-04-23 2021-04-23 Verfahren zum Erstellen einer Karte mit Kollisionswahrscheinlichkeiten
DE102021204067.5 2021-04-23
PCT/DE2022/200042 WO2022223080A1 (de) 2021-04-23 2022-03-16 Verfahren zum erstellen einer karte mit kollisionswahrscheinlichkeiten

Publications (1)

Publication Number Publication Date
KR20230156414A true KR20230156414A (ko) 2023-11-14

Family

ID=80952170

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020237035198A KR20230156414A (ko) 2021-04-23 2022-03-16 충돌 확률을 나타낸 맵을 생성하기 위한 방법

Country Status (8)

Country Link
EP (1) EP4327314A1 (ko)
JP (1) JP2024517394A (ko)
KR (1) KR20230156414A (ko)
CN (1) CN117178309A (ko)
CA (1) CA3216842A1 (ko)
DE (1) DE102021204067A1 (ko)
MX (1) MX2023012505A (ko)
WO (1) WO2022223080A1 (ko)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102022212414A1 (de) 2022-11-21 2024-05-23 Continental Automotive Technologies GmbH Verfahren und Vorrichtung zum Bereitstellen von Verkehrsinformationen
DE102023200085A1 (de) 2023-01-06 2024-07-11 Continental Automotive Technologies GmbH Computerimplentiertes verfahren zur optimierung der eigenschaften von kartenausschnitten
DE102023102046A1 (de) 2023-01-27 2024-08-01 Cariad Se Verfahren zum Betreiben einer Unterstützungsvorrichtung für einen Fahrer eines Kraftfahrzeugs, Computerprogrammprodukt sowie Unterstützungsvorrichtung
US20240267881A1 (en) * 2023-02-07 2024-08-08 Qualcomm Incorporated Map aware safety system

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102011113019A1 (de) * 2011-07-14 2012-05-10 Daimler Ag Verfahren zur Ermittlung und Bewertung von Gefahren einer Situation zwischen zumindest zwei Verkehrsteilnehmern in einem Straßenkreuzungsbereich und Verfahren zur Unterstützung eines Fahrers beim Führen eines Fahrzeugs
DE102013014157A1 (de) 2013-08-24 2015-02-26 Audi Ag Ortsfeste Einrichtung zur Verringerung der Kollisionsgefahr von Kraftfahrzeugen
DE102016222219A1 (de) 2016-11-11 2018-05-17 Robert Bosch Gmbh Fahrerassistenzsystem für ein Kraftfahrzeug
US10431093B2 (en) * 2017-06-20 2019-10-01 Zf Friedrichshafen Ag System and method for collision avoidance
US11260855B2 (en) * 2018-07-17 2022-03-01 Baidu Usa Llc Methods and systems to predict object movement for autonomous driving vehicles
US11215997B2 (en) * 2018-11-30 2022-01-04 Zoox, Inc. Probabilistic risk assessment for trajectory evaluation

Also Published As

Publication number Publication date
JP2024517394A (ja) 2024-04-22
MX2023012505A (es) 2023-11-03
EP4327314A1 (de) 2024-02-28
CA3216842A1 (en) 2022-10-27
WO2022223080A1 (de) 2022-10-27
DE102021204067A1 (de) 2022-10-27
CN117178309A (zh) 2023-12-05

Similar Documents

Publication Publication Date Title
US11520331B2 (en) Methods and apparatus to update autonomous vehicle perspectives
US11847908B2 (en) Data processing for connected and autonomous vehicles
KR20230156414A (ko) 충돌 확률을 나타낸 맵을 생성하기 위한 방법
US20220252420A1 (en) Information fusion method and system
US11565722B2 (en) Vehicle trajectory prediction near or at traffic signal
El Faouzi et al. Data fusion for ITS: techniques and research needs
US9079587B1 (en) Autonomous control in a dense vehicle environment
CN112106124A (zh) 用于使用v2x和传感器数据的系统和方法
WO2015134453A1 (en) Estimating traveler volume by evaluating aerial images
CN102753988A (zh) 对来自网络化雷达检测器的数据的分析
US11715371B2 (en) Collaborative distributed agent-based traffic light system and method of use
CN112702692A (zh) 基于智能交通系统的路况信息提供方法以及智能交通系统
Min et al. On-demand greenwave for emergency vehicles in a time-varying road network with uncertainties
WO2020141504A1 (en) System, method and computer program product for speeding detection
EP2370965A1 (en) Traffic information unit, traffic information system, vehicle management system, vehicle, and method of controlling a vehicle
Li et al. Cooperative perception for estimating and predicting microscopic traffic states to manage connected and automated traffic
WO2016016394A1 (en) System and method for sensor positioning and vehicle tracking using lpr based spatial constraints
Unibaso et al. A novel CAM-based traffic light preemption algorithm for efficient guidance of emergency vehicles
Kaul et al. Vanet‐TSMA: A traffic safety management approach for smart road transportation in vehicular ad hoc networks
Greer et al. Pedestrian Behavior Maps for Safety Advisories: CHAMP Framework and Real-World Data Analysis
CN117496726A (zh) 一种基于智能交通系统的交通控制协同方法及系统
Santos-González et al. Priority and collision avoidance system for traffic lights
Imani The use of real-time connected vehicles and HERE data in developing an automated freeway incident detection algorithm
CN111801954A (zh) 在多层v2x 系统中中继事件信息的方法
Gomes Intelligent traffic monitoring systems