KR20240044955A - 본선 합류를 위해 우회전하는 것을 계획중인 자율 주행 차량의 행동 결정 방법, 장치 및 컴퓨터-판독가능 기록매체 - Google Patents

Abstract

본 개시의 일 실시 예에 따른 방법은, 본선 합류를 위해 우회전하는 것을 계획 중인 자율 주행 차량의 행동을 결정하는 방법을 개시한다. 구체적으로는, 본선에 포함된 차선 중에서 상기 자율 주행 차량의 주행 경로와 중첩될 수 있는 충돌 차선을 획득하는 단계; 상기 충돌 차선으로 주행 중인 차량 중에서 상기 자율 주행 차량과 충돌 가능성이 있는 하나 이상의 후보 차량을 분류하는 단계; 상기 후보 차량에 대해 경로를 예측함으로써, 소정의 시간 내에 상기 후보 차량이 기설정된 충돌 영역을 점유하는지 예측하는 단계; 및 상기 점유에 대한 예측 결과 및 상기 자율 주행 차량의 현재 주행 상태에 기초하여, 상기 우회전하는 것을 계획 중인 자율 주행 차량의 행동을 결정하는 단계; 를 포함하는, 방법을 개시한다.

Description

본선 합류를 위해 우회전하는 것을 계획중인 자율 주행 차량의 행동 결정 방법, 장치 및 컴퓨터-판독가능 기록매체 {Method, Apparatus and Computer-readable Recording Medium for Determining the Behavior of an Autonomous Vehicle Planning to Make a Right Turn to Join the Main Line}

본 발명은 자율 주행 차량의 행동 결정 방법, 장치 및 컴퓨터-판독 가능 기록 매체에 관한 것으로서, 구체적으로는 본선 합류를 위해 우회전하는 것을 계획중인 자율 주행 차량의 행동 결정 방법, 장치 및 컴퓨터-판독가능 기록매체에 관한 것이다.

정보통신 기술과 차량 산업의 융합으로 인해 빠르게 차량의 스마트화가 진행되고 있다. 스마트화로 인해, 차량은 단순한 기계적 장치에서 스마트카로 진화하고 있으며, 특히 스마트카의 핵심기술로 자율 주행이 주목받고 있다. 자율 주행이란 운전자가 핸들과 가속페달, 브레이크 등을 조작하지 않아도 차량 스스로 목적지까지 찾아가는 기술이다.

자율 주행과 관련된 다양한 부가 기능들이 지속적으로 개발되고 있으며, 각종 데이터를 이용하여 주행 환경을 인지하고 판단하여 자동차를 제어함으로써 탑승자 및 보행자 모두에게 안전한 자율 주행 경험을 제공할 수 있는 방법에 대한 연구가 지속적으로 요구되고 있다. 특히, 자율 주행 차량이 타차량을 인식한 경우에 차량을 제어하는 방법에 대한 중요성이 커지고 있는 실정이다.

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.

본 개시에 따른 일부 실시예는, 본선 합류를 위해 우회전하는 것을 계획중인 자율 주행 차량의 행동 결정 방법, 장치 및 컴퓨터-판독가능 기록매체를 제공하고자 한다. 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.

상술한 기술적 과제를 달성하기 위한 기술적 수단으로서, 본 개시의 제1 측면은, 본선 합류를 위해 우회전하는 것을 계획 중인 자율 주행 차량의 행동을 결정하는 방법에 있어서, 상기 본선에 포함된 차선 중에서 상기 자율 주행 차량의 주행 경로와 중첩될 수 있는 충돌 차선을 획득하는 단계; 상기 충돌 차선으로 주행 중인 차량 중에서 상기 자율 주행 차량과 충돌 가능성이 있는 하나 이상의 후보 차량을 분류하는 단계; 상기 후보 차량에 대해 경로를 예측함으로써, 소정의 시간 내에 상기 후보 차량이 기설정된 충돌 영역을 점유하는지 예측하는 단계; 및 상기 점유에 대한 예측 결과 및 상기 자율 주행 차량의 현재 주행 상태에 기초하여, 상기 우회전하는 것을 계획 중인 자율 주행 차량의 행동을 결정하는 단계; 를 포함하는, 방법을 제공할 수 있다.

본 개시의 제2 측면은, 본선 합류를 위해 우회전하는 것을 계획 중인 자율 주행 차량의 행동을 결정하는 장치에 있어서, 상기 장치는, 적어도 하나의 프로그램이 저장된 메모리; 및 상기 적어도 하나의 프로그램을 실행하는 적어도 하나의 프로세서를 포함하고, 상기 적어도 하나의 프로세서는, 상기 본선에 포함된 차선 중에서 상기 자율 주행 차량의 주행 경로와 중첩될 수 있는 충돌 차선을 획득하고, 상기 충돌 차선으로 주행 중인 차량 중에서 상기 자율 주행 차량과 충돌 가능성이 있는 하나 이상의 후보 차량을 분류하고, 상기 후보 차량에 대해 경로를 예측함으로써, 소정의 시간 내에 상기 후보 차량이 기설정된 충돌 영역을 점유하는지 예측하고, 상기 점유에 대한 예측 결과 및 상기 자율 주행 차량의 현재 주행 상태에 기초하여, 상기 우회전하는 것을 계획 중인 자율 주행 차량의 행동을 결정하는, 장치를 제공할 수 있다.

본 개시의 제3 측면은, 제1 측면에 따른 방법을 컴퓨터에서 실행하기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체를 제공할 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.

전술한 본 개시의 과제 해결 수단에 의하면, 자율 주행 차량의 주변 차량들의 움직임을 관측하는 것을 통해, 본선 합류를 위해 우회전하는 것을 계획 중인 자율 주행 차량을 위한 안전하고 효율적인 행동을 결정할 수 있다.

도 1 내지 도4은 일 실시예에 따른 자율 주행 방식을 설명하기 위한 도면이다.
도 4는 일 실시예에 따른 영상 데이터에 포함되는 복수의 객체들에 대한 예시를 설명하기 위한 도면이다.
도 5는 본 개시의 일 실시예에 따른 충돌 차선을 획득하는 방법을 설명하기 위한 도면이다.
도 6 및 도 7은 본 개시의 일 실시예에 따른 충돌 차선으로 주행 중인 차량 중에서 후보 차량을 분류하는 방법을 설명하기 위한 도면이다.
도 8은 본 개시의 일 실시예에 따른 후보 차량이 충돌 영역을 점유하는지 예측하는 방법을 설명하기 위한 도면이다.
도 9는 본 개시의 일 실시예에 따른 행동 결정 영역에서 자율 주행 차량의 행동을 결정하는 방법을 설명하기 위한 도면이다.
도 10은 본 개시의 일 실시예에 따른 행동 결정 영역에서 자율 주행 차량의 행동을 결정하는 방법에 관한 흐름도이다.
도 11은 본 개시의 일 실시예에 따른 자율 주행 차량의 행동 결정 방법에 관한 흐름도이다.
도 12는 본 발명의 일 실시예에 따른 자율 주행 차량의 행동 결정 장치의 내부 구성을 설명하기 위한 블록도이다.

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.

본 개시의 일부 실시예는 기능적인 블록 구성들 및 다양한 처리 단계들로 나타내어질 수 있다. 이러한 기능 블록들의 일부 또는 전부는, 특정 기능들을 실행하는 다양한 개수의 하드웨어 및/또는 소프트웨어 구성들로 구현될 수 있다. 예를 들어, 본 개시의 기능 블록들은 하나 이상의 마이크로 프로세서들에 의해 구현되거나, 소정의 기능을 위한 회로 구성들에 의해 구현될 수 있다. 또한, 예를 들어, 본 개시의 기능 블록들은 다양한 프로그래밍 또는 스크립팅 언어로 구현될 수 있다. 기능 블록들은 하나 이상의 프로세서들에서 실행되는 알고리즘으로 구현될 수 있다. 또한, 본 개시는 전자적인 환경 설정, 신호 처리, 및/또는 데이터 처리 등을 위하여 종래 기술을 채용할 수 있다. “매커니즘”, “요소”, “수단” 및 “구성”등과 같은 용어는 넓게 사용될 수 있으며, 기계적이고 물리적인 구성들로서 한정되는 것은 아니다.

또한, 도면에 도시된 구성 요소들 간의 연결 선 또는 연결 부재들은 기능적인 연결 및/또는 물리적 또는 회로적 연결들을 예시적으로 나타낸 것일 뿐이다. 실제 장치에서는 대체 가능하거나 추가된 다양한 기능적인 연결, 물리적인 연결, 또는 회로 연결들에 의해 구성 요소들 간의 연결이 나타내어질 수 있다.

이하에서, '차량'은 자동차, 버스, 오토바이, 킥보드 또는 트럭과 같이 기관을 가지고 사람이나 물건을 이동시키기 위해 이용되는 모든 종류의 운송 수단을 의미할 수 있다.

이하 첨부된 도면을 참고하여 본 개시를 상세히 설명하기로 한다.

도 1은 일 실시예에 따른 자율 주행 방식을 설명하기 위한 도면이다.

도 1을 참조하면, 본 발명의 일 실시예에 따른 자율 주행 장치는, 차량에 장착되어 자율 주행 차량(10)을 구현할 수 있다. 자율 주행 차량(10)에 장착되는 자율 주행 장치는, 주변의 상황 정보를 수집하기 위한 다양한 센서들을 포함할 수 있다. 일례로, 자율 주행 장치는 자율 주행 차량(10)의 전면에 장착된 이미지 센서 및/또는 이벤트 센서를 통해, 전방에서 운행 중인 선행 차량(20)의 움직임을 감지할 수 있다. 자율 주행 장치는 자율 주행 차량(10)의 전면은 물론, 옆 차로에서 운행중인 다른 주행 차량(30)과, 자율 주행 차량(10) 주변의 보행자 등을 감지하기 위한 센서들을 더 포함할 수 있다.

자율 주행 차량 주변의 상황 정보를 수집하기 위한 센서들 중 적어도 하나는, 도 1에 도시한 바와 같이 소정의 화각(FoV)을 가질 수 있다. 일례로, 자율 주행 차량(10)의 전면에 장착된 센서가 도 1에 도시한 바와 같은 화각(FoV)을 갖는 경우에, 센서의 중앙에서 검출되는 정보가 상대적으로 높은 중요도를 가질 수 있다. 이는, 센서의 중앙에서 검출되는 정보에, 선행 차량(20)의 움직임에 대응하는 정보가 대부분 포함되어 있기 때문일 수 있다.

자율 주행 장치는, 자율 주행 차량(10)의 센서들이 수집한 정보를 실시간으로 처리하여 자율 주행 차량(10)의 움직임을 제어하는 한편, 센서들이 수집한 정보 중에 적어도 일부는 메모리 장치에 저장할 수 있다.

도 2는 일 실시예에 따른 자율 주행 장치에 포함되는 하드웨어가 도시된 블록도이다.

도 2를 참조하면, 자율 주행 장치(40)는 센서부(41), 프로세서(46), 메모리 시스템(47), 및 차체 제어 모듈(48) 등을 포함할 수 있다. 센서부(41)는 복수의 센서들(42-45)을 포함하며, 복수의 센서들(42-45)은 이미지 센서, 이벤트 센서, 조도 센서, GPS 장치, 가속도 센서 등을 포함할 수 있다.

센서들(42-45)이 수집한 데이터는 프로세서(46)로 전달될 수 있다. 프로세서(46)는 센서들(42-45)이 수집한 데이터를 메모리 시스템(47)에 저장하고, 센서들(42-45)이 수집한 데이터에 기초하여 차체 제어 모듈(48)을 제어하여 차량의 움직임을 결정할 수 있다. 메모리 시스템(47)은 둘 이상의 메모리 장치들과, 메모리 장치들을 제어하기 위한 시스템 컨트롤러를 포함할 수 있다. 메모리 장치들 각각은 하나의 반도체 칩으로 제공될 수 있다.

메모리 시스템(47)의 시스템 컨트롤러 외에, 메모리 시스템(47)에 포함되는 메모리 장치들 각각은 메모리 컨트롤러를 포함할 수 있으며, 메모리 컨트롤러는 신경망과 같은 인공지능(AI) 연산 회로를 포함할 수 있다. 메모리 컨트롤러는 센서들(42-45) 또는 프로세서(46)로부터 수신한 데이터에 소정의 가중치를 부여하여 연산 데이터를 생성하고, 연산 데이터를 메모리 칩에 저장할 수 있다.

도 3은 일 실시예에 따른 자율 주행 장치가 탑재된 자율 주행 차량의 센서(카메라를 포함함)가 획득한 영상 데이터의 예시를 나타낸 도면이다.

도 3을 참조하면, 영상 데이터(50)는 자율 주행 차량의 전면에 장착된 센서가 획득한 데이터일 수 있다. 따라서 영상 데이터(50)에는 자율 주행 차량의 전면부(51), 자율 주행 차량과 같은 차로의 선행 차량(52), 자율 주행 차량 주변의 주행 차량(53) 및 배경(54) 등이 포함될 수 있다.

도 3에 도시한 실시예에 따른 영상 데이터(50)에서, 자율 주행 차량의 전면부(51)와 배경(54)이 나타나는 영역의 데이터는 자율 주행 차량의 운행에 영향을 미칠 가능성이 거의 없는 데이터일 수 있다. 다시 말해, 자율 주행 차량의 전면부(51)와 배경(54)은 상대적으로 낮은 중요도를 갖는 데이터로 간주될 수 있다.

반면, 선행 차량(52)과의 거리, 및 주행 차량(53)의 차로 변경 움직임 등은 자율 주행 차량의 안전한 운행에 있어서 매우 중요한 요소일 수 있다. 따라서, 영상 데이터(50)에서 선행 차량(52) 및 주행 차량(53) 등이 포함되는 영역의 데이터는 자율 주행 차량의 운행에 있어서 상대적으로 높은 중요도를 가질 수 있다.

자율 주행 장치의 메모리 장치는, 센서로부터 수신한 영상 데이터(50)의 영역별로 가중치를 다르게 부여하여 저장할 수 있다. 일례로, 선행 차량(52)과 주행 차량(53) 등이 포함되는 영역의 데이터에는 높은 가중치를 부여하고, 자율 주행 차량의 전면부(51)와 배경(54)이 나타나는 영역의 데이터에는 낮은 가중치를 부여할 수 있다.

도 4는 일 실시예에 따른 영상 데이터에 포함되는 복수의 객체들 예시를 설명하기 위한 도면이다.

하나 이상의 단안 카메라를 통해 수집된 영상 데이터는 깊이 추정을 위한 심층 신경망 모델의 학습을 위해 사용될 수 있다. 수집된 영상 데이터에는 복수의 객체가 포함될 수 있다.

객체에 관한 정보는 객체 종류 정보 및 객체 속성 정보를 포함한다. 여기에서, 객체 종류 정보는 객체의 종류를 나타내는 인덱스 정보이며, 큰 범위인 그룹과 세부 범위인 클래스로 구성된다. 그리고, 객체 속성 정보는 객체의 현재 상태에 대한 속성 정보를 나타내는 것이며, 움직임 정보, 회전 정보, 교통 정보, 색상 정보, 및 가시성 정보를 포함한다.

일 실시예에서, 객체 종류 정보에 포함되는 그룹 및 클래스는 아래의 표 1과 같을 수 있으나, 이에 제한되지 않는다.

또한, 객체 속성 정보에 포함되는 정보에는 Action, Rotate, Traffic info, color, Visibility 정보가 포함될 수 있다.

Action 정보는 객체의 움직임 정보를 표현하며 정차, 주차, 이동 등으로 정의될 수 있다. 차량의 경우 정차, 주차, 이동이 객체 속성 정보로 결정될 수 있고, 신호등과 같이 움직일 수 없는 객체의 경우 디폴트 값인 정지로 객체 속성 정보가 결정될 수 있다.

Rotate 정보는 객체의 회전 정보를 표현하며 정면, 후면, 수평(horizontal), 수직(vertical), 측면 등으로 정의될 수 있다. 차량의 경우 정면, 후면, 측면으로 객체 속성 정보가 정해질 수 있고, 가로 또는 세로 방향의 신호등은 각각 수평 또는 수직으로 객체 속성 정보가 정해질 수 있다.

Traffic info는 객체의 교통정보를 의미하며, 교통표지판의 지시, 주의, 규제, 보조 표지 등으로 정의될 수 있다. Color는 객체의 색상 정보를 의미하며 객체의 색상, 신호등 및 교통표지판의 색상을 표현할 수 있다.

도 4를 참조하면, 수집된 영상 데이터에 포함된 객체들은 신호등, 표지판, 현재 주행 차로, 로드 마킹, 횡단보도, 방지턱, 교차로 등일 수 있으나, 이에 제한되지 않는다.

이하 도 5 내지 도 12에서는, 도 1 내지 도 4에서 상술한 자율 주행 차량이 획득한 영상 데이터에 기초하여 자율 주행 차량의 행동을 결정하는 방법 및 장치에 관하여 서술한다. 다만 이에 제한되는 것은 아니고, 도 1 내지 도 4에 도시되는 구성들 외에 다른 범용적인 구성들이 본선 합류를 위해 우회전하는 것을 계획 중인 자율 주행 차량의 행동 결정 방법 및 장치에 더 포함될 수 있다.

도 5는 본 개시의 일 실시예에 따른 충돌 차선을 획득하는 방법을 설명하기 위한 도면이다.

도 5를 참조하면, 행동 결정 장치는 충돌 차선을 획득할 수 있다. 행동 결정 장치는 상술한 자율 주행 장치에 포함된 장치일 수 있다. 또는, 행동 결정 장치는 자율 주행 차량에 별도로 구비된 장치일 수 있다. 행동 결정 장치는 본선 합류를 위해 우회전하는 것을 계획 중인 자율 주행 차량에 대해서 우회전을 위한 일련의 행동을 결정할 수 있다.

충돌 차선은, 본선에 포함된 차선 중에서 자율 주행 차량의 주행 경로와 중첩될 수 있는 차선을 의미할 수 있다.

도 5를 참조하면, 본선에는 한 방향의 차선과 다른 방향의 차선을 포함하여 적어도 2 개 이상의 차선을 포함할 수 있다. 예를 들어, 10시 - 4시 방향의 본선(501)과 1시 - 7시 방향의 본선(502)은 각각 4 개의 차선을 포함하고 있다.

한편, 자율 주행 차량의 주행 경로는 자율 주행 차량이 우회전 하기 위해서 설정된 경로를 의미할 수 있다. 주행 경로는 상술한 자율 주행 장치에 의해 설정된 경로를 의미할 수 있다. 또는, 주행 경로는 외부 서버에 의해 설정된 경로로써, 자율 주행 장치가 수신한 경로를 의미할 수 있으나, 이에 제한되지 않는다.

예를 들어, 도 5를 참조하면, 자율 주행 차량(520)이 본선 합류를 위해 우회전 하는 주행 경로(530)가 설정될 수 있다. 이때, 본선(501 및 502)에 포함된 일부 차선(511 및 512)은 자율 주행 차량의 주행 경로(530)와 중첩될 가능성이 있을 수 있다. 상술한 일부 차선(511 및 512)는 충돌 차선으로 설정될 수 있다.

일 실시예에 따르면, 행동 결정 장치는 상술한 자율 주행 차량의 센서가 획득한 영상 데이터로부터 충돌 차선을 설정할 수 있다. 또는, 다른 실시예에 따르면, 행동 결정 장치는 외부 장치 또는 외부 서버로부터 차선에 대한 정보를 수신함으로써 충돌 차선을 획득할 수 있다.

도 6 및 도 7은 본 개시의 일 실시예에 따른 충돌 차선으로 주행 중인 차량 중에서 후보 차량을 분류하는 방법을 설명하기 위한 도면이다.

본 개시의 일 예시로써 도 6을 참조하면, 행동 결정 장치는 본선에 포함된 차선 중에서 자율 주행 차량의 주행 경로와 중첩될 수 있는 충돌 차선(611 내지 613)을 획득할 수 있다.

예컨대, 충돌 차선(611 내지 613)에는 하나 이상의 차량이 주행 중 일 수 있다. 이때, 행동 결정 장치는 자율 주행 차량의 행동을 결정하기 위해, 하나 이상의 차량 중에서 자율 주행 차량의 우회전과 연관될 수 있는 차량에 집중하여 정보를 수집할 수 있다.

도 7을 참조하면, 행동 결정 장치는 충돌 차선으로 주행 중인 차량 중에서 자율 주행 차량과 충돌 가능성이 있는 하나 이상의 후보 차량을 분류할 수 있다.

예를 들어, 상술한 도 6의 충돌 차선(611)에는 2대의 차량(711 및 712)이 주행 중일 수 있다. 이때, 2대의 차량(711 및 712)는 본선에서 자율 주행 차량과 충돌 가능성이 있으므로, 후보 차량으로 분류될 수 있다.

마찬가지로, 상술한 도 6의 충돌 차선(613)에는 1대의 차량(714)이 주행 중일 수 있다. 차량(714)은 교차로에서 좌회전할 것이 예상됨으로써 우회전을 계획중인 자율 주행 차량과 본선에서 충돌 가능성이 있으므로, 후보 차량으로 분류될 수 있다.

다른 예시로, 상술한 도 6의 충돌 차선(612)에는 1대의 차량(713)이 주행 중일 수 있다. 다만, 차량(713)은 교차로에서 좌회전하고 있는 것으로 예상되는 바, 자율 주행 차량과 본선에서 충돌 가능성이 없으므로, 후보 차량으로 분류되지 않을 수 있다.

또 다른 예시로, 본선을 주행 중인 차량이지만 충돌 차선으로 주행 중인 차량이 아닌 차량은 자율 주행 차량과 본선에서 충돌 가능성이 없으므로, 후보 차량으로 분류되지 않을 수 있다.

한편, 이하에서는 자율 주행 차량의 행동을 결정하는 데에 있어서, 충돌 차량에 대한 정보가 어떻게 이용되는지에 대해서 설명한다.

도 8은 본 개시의 일 실시예에 따른 후보 차량이 충돌 영역을 점유하는지 여부를 예측하는 방법을 설명하기 위한 도면이다.

도 8을 참조하면, 행동 결정 장치는 상술한 바와 같은 방법으로 분류된 후보 차량에 대해 경로를 예측함으로써, 소정의 시간 내에 후보 차량이 기설정된 충돌 영역을 점유하는지 예측할 수 있다.

예를 들어, 행동 결정 장치는 자율 주행 차량에 구비되어 있는 센서에 의해 획득한 영상 데이터를 이용하여 후보 차량의 미래 경로를 예측할 수 있다. 예컨대, 행동 결정 장치는 지도 정보 및 후보 차량의 과거 주행 정보를 수신할 수 있고, 지도 정보 및 과거 주행 정보를 이용하여 후보 차량의 미래 경로를 예측할 수 있다.

일 실시예에 따르면, 행동 결정 장치는 후보 차량의 목표 위치의 분포를 추정함으로써, 추정된 목표 위치의 분포를 이용하여 후보 차량의 미래 경로를 예측할 수 있다. 여기서, 후보 차량의 목표 위치는 후보 차량이 소정의 시간 이후에 도달하고자 하는 위치를 의미할 수 있다. 실시예에 따르면, 과거 주행 정보와 목표 위치의 분포를 함께 이용함으로써, 차량의 미래 궤적을 보다 정확히 예측할 수 있다.

행동 결정 장치는, 자율 주행 차량의 주변을 주행하는 주변 차량들에 대한 누적된 과거 주행 정보를 이용하여 후보 차량의 목표 위치의 분포를 추정할 수 있다. 예컨대, 자율 주행 차량은 누적된 과거 주행 정보에 대해 군집화 기법을 이용함으로써 후보 차량의 목표 위치의 분포를 추정할 수 있다. 일 예로, 군집화 기법은 DBSCAN (Density Based Spatial Clustering of Applications with Noise) 기법, GMM (Gaussian Mixture Model) 기법을 포함할 수 있다.

한편, 행동 결정 장치는 현재 시점을 기준으로, 소정의 시간 내에 후보 차량이 충돌 영역을 점유하는지 예측할 수 있다. 일 예시로, 소정의 시간은, 후보 차량에 대해 예측되는 궤적이 몇 초 후의 궤적인지에 기초하여 설정될 수 있다. 다른 예시로, 소정의 시간은 자율 주행 차량이 충돌 영역에 도달하기까지 몇 초의 시간이 소요되는지에 기초하여 설정될 수 있다. 예컨대, 소정의 시간은 5초 후의 시간을 의미할 수 있다.

여기서 충돌 영역은, 자율 주행 차량과 후보 차량이 소정의 시간 이후에 충돌할 수 있는 영역을 의미할 수 있다. 즉, 충돌 영역은 본선에 포함되어 있는 차선 중에서 자율 주행 차량이 우회전하여 본선에 합류함에 따라 후보 차량과 충돌이 발생할 가능성이 있는 차선에 해당하는 영역을 의미할 수 있다.

일 실시예에 따르면, 행동 결정 장치는, 충돌 차선과 자율 주행 차량의 주행 경로에 기초하여 충돌 영역을 설정할 수 있다. 행동 결정 장치는, 충돌 차선과 자율 주행 차량의 주행 경로가 중첩되는 영역을 충돌 영역으로 설정할 수 있다.

예컨대, 도 8을 참조하면, 행동 결정 장치는 상술한 바와 같이, 충돌 차선으로 주행 중인 차량 중에서 후보 차량으로 분류된 차량(811 내지 813)에 대해 경로를 예측함으로써, 소정의 시간 내에 후보 차량이 기설정된 충돌 영역(820)을 점유하는지 예측할 수 있다. 행동 결정 장치는 후보 차량(811 내지 813)의 충돌 영역(820)의 점유에 대한 예측 결과에 기초하여 자율 주행 차량(830)의 행동을 결정할 수 있다.

도 9는 본 개시의 일 실시예에 따른 행동 결정 영역에서 자율 주행 차량의 행동을 결정하는 방법을 설명하기 위한 도면이다.

도 9를 참조하면, 행동 결정 장치는 상술한 방법에 따른 점유에 대한 예측 결과 및 자율 주행 차량의 현재 주행 상태에 기초하여, 우회전하는 것을 계획 중인 자율 주행 차량의 행동을 결정할 수 있다.

여기서, 후보 차량의 충돌 영역 점유에 대한 예측 결과는, 소정의 시간 내에 충돌 영역의 일부 영역을 점유할 것으로 예측되는 것과 소정의 시간 내에 충돌 영역의 어떤 영역도 점유하지 않을 것으로 예측되는 것을 포함할 수 있다.

또한, 자율 주행 차량의 현재 주행 상태는 행동 결정 영역을 기준으로 설정될 수 있다. 예컨대, 도 9를 참조하면, 행동 결정 영역(910)은 충돌 영역으로부터 소정의 거리 내 위치하는 영역을 의미하는 것으로써, 자율 주행 차량(920)이 충돌 영역에 돌입하기 전에 자율 주행 차량(920)의 행동을 결정하는 영역을 의미할 수 있다.

자율 주행 차량의 현재 주행 상태는, 일 예로, 행동 결정 영역에 진입하고 있는 상태를 포함할 수 있다. 다른 예시로, 자율 주행 차량의 현재 주행 상태는 행동 결정 영역에서 서행하고 있는 상태를 포함할 수 있다.

또 다른 예시로, 자율 주행 차량의 현재 주행 상태는 행동 결정 영역에서 정지하고 있는 상태를 포함할 수 있다.

한편, 점유에 대한 예측 결과 및 자율 주행 차량의 현재 주행 상태에 기초하여, 자율 주행 차량의 행동을 결정하는 구체적인 실시예는 이하 도 10과 함께 서술한다.

도 10은 본 개시의 일 실시예에 따른 행동 결정 영역에서 자율 주행 차량의 행동을 결정하는 방법에 관한 흐름도이다.

도 9에서 상술한 바와 같이, 행동 결정 장치는 후보 차량의 충돌 영역 점유에 대한 예측 결과 및 자율 주행 차량의 현재 주행 상태에 기초하여, 자율 주행 차량의 행동을 결정할 수 있다.

일 실시예에 따르면, 자율 주행 차량의 현재 주행 상태가 행동 결정 영역에 진입하고 있는 제1 상태인 경우(1010), 행동 결정 장치는 자율 주행 차량이 행동 결정 영역에서 서행하도록 자율 주행 차량의 행동을 결정(1020)할 수 있다.

한편, 일 실시예에 따르면 행동 결정 장치는 자율 주행 차량이 서행하는 속도를 결정할 수 있다. 예를 들어, 행동 결정 장치는 상술한 바와 같이 획득한 영상 데이터로부터 보행자를 식별할 수 있고, 보행자의 유무를 이용하여 자율 주행 차량이 서행하는 속도를 결정할 수 있다.

예컨대, 보행자는 행동 결정 영역 또는 충돌 영역에 포함되는 횡단 보도를 걷고 있거나 상술한 횡단 보도 주변에 있는 사람을 의미할 수 있다. 행동 결정 장치는 보행자가 식별되지 않는 경우 자율 주행 차량이 행동 결정 영역에서 제1 임계 속도 이하로 서행하도록 자율 주행 차량의 행동을 결정할 수 있다.

또는, 행동 결정 장치는 보행자가 식별되는 경우 자율 주행 차량이 행동 결정 영역에서 제2 임계 속도 이하로 서행하도록 자율 주행 차량의 행동을 결정할 수 있다. 여기서, 제1 임계 속도에 대한 값은 제2 임계 속도에 대한 값보다 큰 값일 수 있다.

다른 실시예에 따르면, 자율 주행 차량의 현재 주행 상태가 행동 결정 영역에서 서행하고 있는 제2 상태인 경우(1020), 행동 결정 장치는 후보 차량의 충돌 영역에 대한 점유를 예측(1030)하여 자율 주행 차량의 행동을 결정할 수 있다.

예를 들어, 후보 차량이 충돌 영역을 점유할 것으로 예측되는 경우, 행동 결정 장치는 자율 주행 차량이 행동 결정 영역에서 정지함으로써(1050) 소정의 시간 동안 충돌 영역을 통과하지 않도록 자율 주행 차량의 행동을 결정할 수 있다.

다른 예시로, 후보 차량이 충돌 영역을 점유하지 않을 것으로 예측되는 경우, 행동 결정 장치는 자율 주행 차량이 본선으로 우회전함으로써(1040) 충돌 영역을 통과하도록 자율 주행 차량의 행동을 결정할 수 있다.

다른 실시예에 따르면, 자율 주행 차량의 현재 주행 상태가 행동 결정 영역에서 정지하고 있는 제3 상태인 경우(1050), 행동 결정 장치는 후보 차량의 충돌 영역에 대한 점유를 예측(1060)하여 자율 주행 차량의 행동을 결정할 수 있다.

예컨대, 후보 차량이 충돌 영역을 점유하지 않을 것으로 예측되는 경우, 행동 결정 장치는 자율 주행 차량이 행동 결정 영역에서 서행(1020)하도록 자율 주행 차량의 행동을 결정할 수 있다.

또는, 후보 차량이 충돌 영역을 점유할 것으로 예측되는 경우, 행동 결정 장치는 자율 주행 차량이 행동 결정 영역에서 정지하는 것을 유지하도록 자율 주행 차량의 행동을 결정할 수 있다.

도 11은 본 개시의 일 실시예에 따른 자율 주행 차량의 행동 결정 방법에 관한 흐름도이다.

도 11을 참조하면, 본선 합류를 위해 우회전하는 것을 계획 중인 자율 주행 차량의 행동을 결정하는 방법은 단계 1110 내지 1140을 포함할 수 있다. 다만 이에 제한되는 것은 아니고, 도 11에 도시되는 단계들 외에 다른 범용적인 단계들이 본선 합류를 위해 우회전하는 것을 계획 중인 자율 주행 차량의 행동을 결정하는 방법에 더 포함될 수 있다.

먼저, 단계 1110에서, 행동 결정 장치는 본선에 포함된 차선 중에서 자율 주행 차량의 주행 경로와 중첩될 수 있는 충돌 차선을 획득할 수 있다.

이후, 단계 1120에서, 행동 결정 장치는 충돌 차선으로 주행 중인 차량 중에서 자율 주행 차량과 충돌 가능성이 있는 하나 이상의 후보 차량을 분류할 수 있다.

이후, 단계 1130에서, 행동 결정 장치는 후보 차량에 대해 경로를 예측함으로써, 소정의 시간 내에 후보 차량이 기설정된 충돌 영역을 점유하는지 예측할 수 있다.

일 실시예에 따르면, 행동 결정 장치는 후보 차량의 목표 위치의 분포를 추정함으로써, 추정된 목표 위치의 분포를 이용하여 후보 차량의 미래 경로를 예측할 수 있다. 행동 결정 장치는, 자율 주행 차량의 주변을 주행하는 주변 차량들에 대한 누적된 과거 주행 정보를 이용하여 후보 차량의 목표 위치의 분포를 추정할 수 있다. 예컨대, 자율 주행 차량은 누적된 과거 주행 정보에 대해 군집화 기법을 이용함으로써 후보 차량의 목표 위치의 분포를 추정할 수 있다. 일 예로, 군집화 기법은 DBSCAN (Density Based Spatial Clustering of Applications with Noise) 기법, GMM (Gaussian Mixture Model) 기법을 포함할 수 있다.

이후, 단계 1140에서, 행동 결정 장치는 점유에 대한 예측 결과 및 자율 주행 차량의 현재 주행 상태에 기초하여, 우회전하는 것을 계획 중인 자율 주행 차량의 행동을 결정할 수 있다.

일 실시예에 따르면, 자율 주행 차량의 현재 주행 상태가 행동 결정 영역에 진입하고 있는 제1 상태인 경우(1010), 행동 결정 장치는 자율 주행 차량이 행동 결정 영역에서 서행하도록 자율 주행 차량의 행동을 결정(1020)할 수 있다.

일 실시예에 따르면, 자율 주행 차량의 현재 주행 상태가 행동 결정 영역에서 서행하고 있는 제2 상태인 경우(1020), 행동 결정 장치는 후보 차량의 충돌 영역에 대한 점유를 예측(1030)하여 자율 주행 차량의 행동을 결정할 수 있다.

예를 들어, 후보 차량이 충돌 영역을 점유할 것으로 예측되는 경우, 행동 결정 장치는 자율 주행 차량이 행동 결정 영역에서 정지함으로써(1050) 소정의 시간 동안 충돌 영역을 통과하지 않도록 자율 주행 차량의 행동을 결정할 수 있다.

다른 예시로, 후보 차량이 충돌 영역을 점유하지 않을 것으로 예측되는 경우, 행동 결정 장치는 자율 주행 차량이 본선으로 우회전함으로써(1040) 충돌 영역을 통과하도록 자율 주행 차량의 행동을 결정할 수 있다.

다른 실시예에 따르면, 자율 주행 차량의 현재 주행 상태가 행동 결정 영역에서 정지하고 있는 제3 상태인 경우(1050), 행동 결정 장치는 후보 차량의 충돌 영역에 대한 점유를 예측(1060)하여 자율 주행 차량의 행동을 결정할 수 있다.

예컨대, 후보 차량이 충돌 영역을 점유하지 않을 것으로 예측되는 경우, 행동 결정 장치는 자율 주행 차량이 행동 결정 영역에서 서행(1020)하도록 자율 주행 차량의 행동을 결정할 수 있다.

또는, 후보 차량이 충돌 영역을 점유할 것으로 예측되는 경우, 행동 결정 장치는 자율 주행 차량이 행동 결정 영역에서 정지하는 것을 유지하도록 자율 주행 차량의 행동을 결정할 수 있다.

도 12는 본 발명의 일 실시예에 따른 자율 주행 차량의 행동 결정 장치의 내부 구성을 설명하기 위한 블록도이다.

도 12을 참조하면, 행동 결정 장치(1200)는 통신부(1210), 프로세서(1230) 및 데이터 베이스(DB)(1250)를 포함할 수 있다. 도 12의 행동 결정 장치(1200)에는 실시예와 관련된 구성요소들 만이 도시되어 있다. 따라서, 도 12에 도시된 구성요소들 외에 다른 범용적인 구성요소들이 더 포함될 수 있음을 당해 기술분야의 통상의 기술자라면 이해할 수 있다.

통신부(1210)는 외부 서버 또는 외부 장치와 유선/무선 통신을 하게 하는 하나 이상의 구성 요소를 포함할 수 있다. 예를 들어, 통신부(1210)는, 근거리 통신부(미도시), 이동 통신부(미도시) 및 방송 수신부(미도시) 중 적어도 하나를 포함할 수 있다.

데이터 베이스(DB) (1250)는 행동 결정 장치(1200) 내에서 처리되는 각종 데이터들을 저장하는 하드웨어로서, 프로세서(1230)의 처리 및 제어를 위한 프로그램을 저장할 수 있다.

데이터 베이스(DB)(1250)는 DRAM(dynamic random access memory), SRAM(static random access memory) 등과 같은 RAM(random access memory), ROM(read-only memory), EEPROM(electrically erasable programmable read-only memory), CD-ROM, 블루레이 또는 다른 광학 디스크 스토리지, HDD(hard disk drive), SSD(solid state drive), 또는 플래시 메모리를 포함할 수 있다.

프로세서(1230)는 행동 결정 장치(1200)의 전반적인 동작을 제어한다. 예를 들어, 프로세서(1230)는 데이터 베이스(DB)(1250)에 저장된 프로그램들을 실행함으로써, 입력부(미도시), 디스플레이(미도시), 통신부(1210), 데이터 베이스(DB)(1250) 등을 전반적으로 제어할 수 있다. 프로세서(1230)는, 데이터 베이스(DB)(1250)에 저장된 프로그램들을 실행함으로써, 행동 결정 장치(1200)의 동작을 제어할 수 있다.

프로세서(1230)는 도 5 내지 도 10에서 상술한 행동 결정 장치(1200)의 동작 중 적어도 일부를 제어할 수 있다.

프로세서(1230)는 ASICs (application specific integrated circuits), DSPs(digital signal processors), DSPDs(digital signal processing devices), PLDs(programmable logic devices), FPGAs(field programmable gate arrays), 제어기(controllers), 마이크로 컨트롤러(micro-controllers), 마이크로 프로세서(microprocessors), 기타 기능 수행을 위한 전기적 유닛 중 적어도 하나를 이용하여 구현될 수 있다.

일 실시예로, 행동 결정 장치(1200)는 이동성을 가지는 전자 장치일 수 있다. 예를 들어, 행동 결정 장치(1200)는 스마트폰, 태블릿 PC, PC, 스마트 TV, PDA(personal digital assistant), 랩톱, 미디어 플레이어, 내비게이션, 카메라가 탑재된 디바이스 및 기타 모바일 전자 장치로 구현될 수 있다. 또한, 행동 결정 장치(1200)는 통신 기능 및 데이터 프로세싱 기능을 구비한 시계, 안경, 헤어 밴드 및 반지 등의 웨어러블 장치로 구현될 수 있다.

다른 실시예로, 행동 결정 장치(1200)는 차량 내에 임베디드 되는 전자 장치일 수 있다. 예를 들어, 행동 결정 장치(1200)는 생산 과정 이후 튜닝(tuning)을 통해 차량 내에 삽입되는 전자 장치일 수 있다.

또 다른 실시예로, 행동 결정 장치(1200)는 차량 외부에 위치하는 서버일 수 있다. 서버는 네트워크를 통해 통신하여 명령, 코드, 파일, 컨텐츠, 서비스 등을 제공하는 컴퓨터 장치 또는 복수의 컴퓨터 장치들로 구현될 수 있다. 서버는 차량에 탑재된 장치들로부터 자율 주행 차량의 행동을 결정하기 위해 필요한 데이터를 수신하고, 수신한 데이터에 기초하여 본선 합류를 위해 우회전하는 것을 계획 중인 자율 주행 차량의 행동을 결정할 수 있다.

또 다른 실시예로, 행동 결정 장치(1200)에서 수행되는 프로세스는 이동성을 가지는 전자 장치, 차량 내에 임베디되는 전자 장치 및 차량 외부에 위치하는 서버 중 적어도 일부에 의해 수행될 수 있다.

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.

일 실시예에 따르면, 본 개시의 다양한 실시예들에 따른 방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다. 컴퓨터 프로그램 제품은 기기로 읽을 수 있는 저장 매체(예: compact disc read only memory (CD-ROM))의 형태로 배포되거나, 또는 어플리케이션 스토어(예: 플레이 스토어TM)를 통해 또는 두 개의 사용자 장치들 간에 직접, 온라인으로 배포(예: 다운로드 또는 업로드)될 수 있다. 온라인 배포의 경우에, 컴퓨터 프로그램 제품의 적어도 일부는 제조사의 서버, 어플리케이션 스토어의 서버, 또는 중계 서버의 메모리와 같은 기기로 읽을 수 있는 저장 매체에 적어도 일시 저장되거나, 임시적으로 생성될 수 있다.

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 특허 청구범위 뿐만 아니라 이 특허 청구범위와 균등한 또는 이로부터 등가적으로 변경된 모든 범위는 본 발명의 사상의 범주에 속한다고 할 것이다.

Claims (11)

1. 본선 합류를 위해 우회전하는 것을 계획 중인 자율 주행 차량의 행동을 결정하는 방법에 있어서,
   상기 본선에 포함된 차선 중에서 상기 자율 주행 차량의 주행 경로와 중첩될 수 있는 충돌 차선을 획득하는 단계;
   상기 충돌 차선으로 주행 중인 차량 중에서 상기 자율 주행 차량과 충돌 가능성이 있는 하나 이상의 후보 차량을 분류하는 단계;
   상기 후보 차량에 대해 경로를 예측함으로써, 소정의 시간 내에 상기 후보 차량이 기설정된 충돌 영역을 점유하는지 예측하는 단계; 및
   상기 점유에 대한 예측 결과 및 상기 자율 주행 차량의 현재 주행 상태에 기초하여, 상기 우회전하는 것을 계획 중인 자율 주행 차량의 행동을 결정하는 단계;
   를 포함하는, 방법.
2. 제1 항에 있어서,
   상기 방법은,
   상기 자율 주행 차량의 상기 주행 경로와 상기 충돌 차선에 기초하여 상기 충돌 영역을 설정하는 단계를 더 포함하는, 방법.
3. 제1 항에 있어서,
   상기 자율 주행 차량의 행동을 결정하는 단계는,
   상기 현재 주행 상태가 상기 충돌 영역으로부터 소정의 거리 내 영역인 행동 결정 영역에 진입하고 있는 제1 상태인 경우, 상기 자율 주행 차량이 상기 행동 결정 영역에서 서행하도록 상기 자율 주행 차량의 행동을 결정하는 단계를 포함하는,
   방법.
4. 제3 항에 있어서,
   상기 자율 주행 차량의 행동을 결정하는 단계는,
   상기 현재 주행 상태가 제1 상태이고 보행자가 식별되지 않는 경우, 상기 자율 주행 차량이 상기 행동 결정 영역에서 제1 임계 속도 이하로 서행하도록 자율 주행 차량의 행동을 결정하는 단계를 포함하는, 방법.
5. 제4 항에 있어서,
   상기 자율 주행 차량의 행동을 결정하는 단계는,
   상기 현재 주행 상태가 제1 상태이고 보행자가 식별되는 경우, 상기 자율 주행 차량이 상기 행동 결정 영역에서 제2 임계 속도 이하로 서행하도록 자율 주행 차량의 행동을 결정하는 단계를 포함하고,
   상기 제1 임계 속도에 대한 값은 상기 제2 임계 속도에 대한 값보다 큰 값인, 방법.
6. 제3 항에 있어서,
   상기 자율 주행 차량의 행동을 결정하는 단계는,
   상기 현재 주행 상태가 상기 행동 결정 영역에서 서행하고 있는 제2 상태이고, 상기 후보 차량이 상기 충돌 영역을 점유할 것으로 예측되는 경우,
   상기 자율 주행 차량이 상기 행동 결정 영역에서 정지함으로써 소정의 시간 동안 상기 충돌 영역을 통과하지 않도록 상기 자율 주행 차량의 행동을 결정하는 단계를 포함하는, 방법.
7. 제3 항에 있어서,
   상기 자율 주행 차량의 행동을 결정하는 단계는,
   상기 현재 주행 상태가 상기 행동 결정 영역에서 서행하고 있는 제2 상태이고, 상기 후보 차량이 상기 충돌 영역을 점유하지 않을 것으로 예측되는 경우,
   상기 자율 주행 차량이 상기 본선으로 우회전함으로써 상기 충돌 영역을 통과하도록 상기 자율 주행 차량의 행동을 결정하는 단계를 포함하는, 방법.
8. 제6 항에 있어서,
   상기 현재 주행 상태가 상기 행동 결정 영역에서 정지하고 있는 제3 상태이고, 상기 후보 차량이 상기 충돌 영역을 점유하지 않을 것으로 예측되는 경우,
   상기 자율 주행 차량이 상기 행동 결정 영역에서 서행하도록 상기 자율 주행 차량의 행동을 결정하는 단계를 포함하는, 방법.
9. 제6 항에 있어서,
   상기 현재 주행 상태가 상기 행동 결정 영역에서 정지하고 있는 제3 상태이고, 상기 후보 차량이 상기 충돌 영역을 점유할 것으로 예측되는 경우,
   상기 자율 주행 차량이 상기 행동 결정 영역에서 정지하는 것을 유지하도록 상기 자율 주행 차량의 행동을 결정하는 단계를 포함하는, 방법.
10. 본선 합류를 위해 우회전하는 것을 계획 중인 자율 주행 차량의 행동을 결정하는 장치에 있어서,
    상기 장치는,
    적어도 하나의 프로그램이 저장된 메모리; 및
    상기 적어도 하나의 프로그램을 실행하는 적어도 하나의 프로세서를 포함하고,
    상기 적어도 하나의 프로세서는,
    상기 본선에 포함된 차선 중에서 상기 자율 주행 차량의 주행 경로와 중첩될 수 있는 충돌 차선을 획득하고,
    상기 충돌 차선으로 주행 중인 차량 중에서 상기 자율 주행 차량과 충돌 가능성이 있는 하나 이상의 후보 차량을 분류하고,
    상기 후보 차량에 대해 경로를 예측함으로써, 소정의 시간 내에 상기 후보 차량이 기설정된 충돌 영역을 점유하는지 예측하고,
    상기 점유에 대한 예측 결과 및 상기 자율 주행 차량의 현재 주행 상태에 기초하여, 상기 우회전하는 것을 계획 중인 자율 주행 차량의 행동을 결정하는, 장치.
11. 제1 항의 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.
    

Images