KR20240055023A - 자동차의 운행 환경을 모델링하는 방법 - Google Patents

Abstract

차량(100)을 자율적으로 제어하기 위한 환경 인지 수단(1), 의사결정 모듈(2) 및 자율 제어 수단(20)을 구비한, 차량(100)의 운행 환경을 모델링하는 방법은, - 상기 차량의 전체 환경 모델(M_ENV_G)을 상기 환경 인지 수단(1)에 의해 제공되는 데이터로부터 구성된 한 세트의 구조화된 정보로 정의하는 단계(E1); - 상기 차량을 제어하기 위해 상기 자율 제어 수단(20)에 의해 내려진 결정(DP)에 관한 정보의 요청(RDP)을 상기 의사결정 모듈(2)로부터 수신하는 단계를 포함하는 것을 특징으로 한다.

Description

자동차의 운행 환경을 모델링하는 방법

본 발명은 자동차의 운행 환경을 모델링하는 방법에 관한 것이다. 본 발명은 또한 자동차의 운행 환경을 모델링하는 장치에 관한 것이다. 본 발명은 또한 위에서 언급한 방법을 구현하는 컴퓨터 프로그램에 관한 것이다. 마지막으로, 본 발명은 그러한 프로그램을 저장하는 저장 매체에 관한 것이다.

자율 주행 차량은 그 차량의 현재 상황에 관한 결정을 지속적으로 내려야 한다. 따라서 자율 주행 차량의 현재 상황을 결정하는 것은 의사결정에 필수적이다.　차량의 현재 상황은 일반적으로 라이더(Lidar), 레이더, 카메라와 같은 차량의 환경을 인지하는 수단에 의해 획득된다. 이러한 수단은 상당한 양의 데이터를 제공하며, 그 대부분은 결정을 내릴 목적으로 차량의 현재 상황을 묘사하는 데 유용하지 않다. 이러한 데이터의 또 다른 부분에는 오류나 부정확성이 포함될 수 있다. 마지막으로, 비록 자동차에는 점점 더 많은 환경 인지 수단이 장착되어 있더라도 상황을 묘사하기 위한 데이터가 일부 누락될 수 있다.

특히 차량의 인지 수단으로부터 비롯된 데이터에 포함되어 있는 주요 정보를 식별함으로써 자율 주행 차량의 현재 상황에 적응하는 방법이 문헌 US 10860022에 공지되어 있다. 그러나 이러한 해결수법에는 특히 정보의 일관성과 신뢰성을 관리해야 한다는 측면에서 단점이 있다.

본 발명의 목적은 위에서 언급한 단점들을 극복하고 선행 기술로부터 공지된 자동차의 운행 환경을 모델링하기 위한 장치 및 방법을 개선하는, 자동차의 운행 환경을 모델링하는 장치 및 방법을 제공하는 것이다. 특히, 본 발명은 간단하고 신뢰할 수 있으며 자동차의 운행 환경에 대한 신뢰할 수 있고 일관되며 관련성 있는 모델링을 가능하게 하는 장치 및 방법을 제시할 수 있게 해준다.

이를 위해, 본 발명은 차량을 자율적으로 제어하기 위한 환경 인지 수단, 의사결정 모듈 및 자율 제어 수단을 구비한, 차량의 운행 환경을 모델링하는 방법에 관한 것이며, 상기 방법은:

- 차량의 전체 환경 모델을 환경 인지 수단에 의해 제공되는 데이터로부터 구성된 한 세트의 구조화된 정보로 정의하는 단계;

- 차량을 제어하기 위해 자율 제어 수단에 의해 내려진 결정에 관한 정보의 요청을 의사결정 모듈로부터 수신하는 단계;

- 환경 모델을 정의하는 한 세트의 구조화된 정보 중에서 상기 결정을 내리기 위해 참조해야 할 정보의 선택을 결정하는 단계;

- 전체 환경 모델로부터 상기 선택으로부터의 정보를 참조하는 단계;

- 상기 선택의 각각의 정보 항목에 연관된 무결성 인덱스를 결정하는 단계;

- 상기 선택으로부터의 정보 및 해당 무결성 인덱스를 포함하는 선택적 환경 모델을 상기 의사결정 모듈에 제공하는 단계

를 포함한다.

상기 방법은 제1 환경 인지 수단을 사용하고 제2 환경 인지 수단을 사용하여 상기 정보의 선택으로부터 적어도 하나의 제1 정보 항목을 획득하는 단계를 포함할 수 있고, 상기 적어도 하나의 제1 정보 항목에 연관된 무결성 인덱스는 상기 제1 인지 수단과 상기 제2 인지 수단에 의해 제공된 데이터 간 일관성의 함수로서 결정될 수 있다.

상기 방법은 제1 시점에서 그리고 상기 제1 시점 이후의 제2 시점에서 환경 인지 수단을 사용하여 상기 정보의 선택으로부터 적어도 하나의 제2 정보 항목을 획득하는 단계를 포함할 수 있으며, 상기 적어도 하나의 제2 정보 항목에 연관된 무결성 인덱스는 상기 제1 시점에서 그리고 상기 제2 시점에서 상기 인지 수단에 의해 제공되는 데이터 간 일관성의 함수로서 결정될 수 있다.

상기 내려진 결정은 주어진 기한(deadline)에 자율 주행 차량에 의해 적용되어야 할 주어진 조치(action)로 구성될 수 있으며, 주어진 기한은 단기간, 중기간 또는 장기간일 수 있고, 동일한 주어진 조치에 대해 상기 결정 단계는,

- 주어진 기한이 단기간일 경우 참조해야 할 정보의 제1 선택;

- 주어진 기한이 중기간일 경우 참조해야 할 정보의 제2 선택; 및

- 주어진 기한이 장기간일 경우 참조해야 할 정보의 제3 선택

중의 하나를 결정할 수 있다.

그리고 상기 제1, 제2 및 제3 선택은 서로 다를 수 있다.

상기 방법은 상기 내려진 결정을 적용한 후에 차량의 상황을 특징짓는 한 세트의 정보를 포함하는 선택적 환경 모델을 상기 의사결정 모듈에 제공하는 하위-단계를 포함할 수 있다.

상기 방법은,

- 상기 방법에 의해 고려되는 유한 결정 리스트를 구성하는 단계;

- 상기 유한 결정 리스트의 각각의 결정에 대해 참조해야 할 정보의 선택을 구성하고 해당 정보가 참조되어야 하는 순서를 구성하는 단계;

- 참조해야 할 정보의 각각의 항목을 참조하기 위한 적어도 하나의 방법을 구성하는 단계

를 포함할 수 있다.

본 발명은 또한 자율 제어 수단이 장착된 자율 주행 차량의 운행 환경을 모델링하는 장치에 관한 것이다. 상기 장치는 위에서 정의한 바와 같은 방법을 구현하는 하드웨어 및/또는 소프트웨어 요소, 특히 본 발명에 따른 방법을 구현하도록 설계된 하드웨어 및/또는 소프트웨어 요소를 포함하고, 그리고/또는 상기 장치는 위에서 정의한 바와 같은 방법을 구현하는 수단을 포함한다.

본 발명은 또한 위에서 정의한 바와 같은 자율 주행 차량의 운행 환경을 모델링하는 장치를 포함하는 자율 주행 차량에 관한 것이다.

본 발명은 또한 프로그램이 컴퓨터 상에서 실행될 때 위에서 정의한 바와 같은 방법의 단계들을 구현하기 위한 프로그램 코드 명령어들이 컴퓨터-판독가능 매체 상에 저장된 컴퓨터 프로그램 제품에 관한 것이다. 본 발명은 또한 통신 네트워크로부터 다운로드되고 그리고/또는 컴퓨터-판독가능 매체 상에 저장될 수 있으며 그리고/또는 컴퓨터에 의해 실행될 수 있는 컴퓨터 프로그램 제품으로서, 프로그램이 상기 컴퓨터에 의해 실행될 때 상기 컴퓨터로 하여금 위에서 정의한 바와 같은 방법을 구현하게 하는 명령어들을 포함하는 컴퓨터 프로그램 제품에 관한 것이다.

본 발명은 또한 위에서 정의한 바와 같은 방법을 구현하기 위한 프로그램 코드 명령어들을 포함하는 컴퓨터 프로그램을 저장하는 컴퓨터-판독가능 데이터 저장 매체에 관한 것이다. 본 발명은 또한 컴퓨터에 의해 실행될 때 상기 컴퓨터로 하여금 위에서 정의한 바와 같은 방법을 구현하게 하는 명령어들을 포함하는 컴퓨터-판독가능 저장 매체에 관한 것이다.

본 발명은 또한 위에서 정의한 바와 같은 컴퓨터 프로그램 제품을 전달하는 데이터 매체의 신호에 관한 것이다.

첨부도면들은 자동차의 운행 환경을 모델링하는 장치의 일 실시 예를 예로 보여준다.

도 1은 모델링 장치가 장착된 차량을 보여주는 도면이다.
도 2는 자율 주행 차량에 의해 내려진 다양한 레벨의 결정들을 개략적으로 보여주는 도면이다.
도 3은 모델링 장치의 구성요소들 간 교환 시퀀싱을 보여주는 도면이다.
도 4는 모델링 방법의 일 실시 예의 흐름도이다.
도 5는 모델링 방법이 예측을 구현하는 제1 상황을 보여주는 도면이다.
도 6은 모델링 방법이 예측을 구현하는 제2 상황을 보여주는 도면이다.

이하에서는, 자동차의 운행 환경을 모델링하는 장치의 일 실시 예를 제공하는 자동차(100)의 일 예가 도 1을 참조하여 설명된다.

상기 자동차(100)는 임의 유형의 자동차, 특히 승용차, 유틸리티 차량, 트럭 또는 심지어는 버스나 셔틀과 같은 대중 교통 차량일 수 있다. 위에서 설명한 실시 예에 의하면, 상기 자동차(100)는 자율 주행 차량이고, 나머지 설명 부분 전반에 걸쳐 "자율 주행 차량"으로서 언급될 것이다.

따라서, 본 예시는 비-제한적인 방식으로 제공된다. 특히, 자동차는 운전 보조 시스템, 특히 자율 주행 레벨 2 이상의 레벨, 다시 말하면 차량의 부분 자율 주행에 상응하는 운전 보조 시스템이 장착된 비-자율 주행 차량일 수 있다.

자율 주행 차량(100)은 주어진 환경에서 그리고 주어진 노선 IT를 따라 이동한다. 자율 주행 차량(100)은 운전 보조 시스템(10)과 자율 주행 차량(100)을 자율적으로 제어하는 자율 제어 수단(20)을 포함한다.

운전 보조 시스템(10)은 자율 주행 차량(100)에 대한 이동 명령 C를 자율 제어 수단(20)에 전송한다. 상기 이동 명령 C는 길이방향 이동 명령 및/또는 측방향 이동 명령을 포함할 수 있다. 길이방향 이동 명령은 차량의 파워트레인용으로 의도된 제1 토크 설정점 및/또는 차량의 브레이크 액추에이터용으로 의도된 제2 토크 설정점을 포함할 수 있다. 측방향 이동 명령에는 자율 주행 차량(100)의 스티어링 휠의 회전 각도가 포함된다.

운전 보조 시스템(10)은 특히 이하의 요소들을 포함한다:

- 환경 인지 수단(1);

- 의사결정 모듈(2);

- 마이크로프로세서(31), 로컬 전자 메모리(32) 및 상기 마이크로프로세서가 상기 인지 수단(1) 및 상기 의사결정 모듈(2)과 통신할 수 있게 하는 통신 인터페이스(33)를 포함하는 계산 유닛(3).

선택적으로, 운전 보조 시스템(10)은 상기 인지 수단(1)으로부터 수신된 데이터의 일관성에 관련된 알림(notifications)을 디스플레이하거나 전송하기 위한 용도로 의도된 휴먼-기계 인터페이스(4)를 포함할 수 있다.

본 명세서 나머지 부분 전반에 걸쳐 "데이터"라는 용어는 상기 환경 인지 수단(1)으로부터 수신된 원시 데이터를 지정하는 데 사용되며, "정보"라는 용어는 데이터 집합을 기반으로 구성된 해석(interpretation)을 지정하는 데 사용된다.

상기 해석은 상기 계산 유닛(3)에서 수행된다. 이는 예를 들어 관심 대상(차량, 보행자, 장애물, 도로 표지판)이 자기 차량(ego vehicle)의 환경에서 식별될 수 있게 한다.

상기 환경 인지 수단(1)은 이하의 수단 중 전부 또는 일부를 포함할 수 있다:

- 차량의 상태를 관측하는 수단(11); 및/또는

- 차량에 가까운 환경을 인지하는 수단(12); 및/또는

- 차량의 위치를 측정하는 수단(13); 및/또는

- 차량을 도로 기반구조 및/또는 다른 차량과 연계하는 수단(14); 및/또는

- 인터넷 접속 수단(15).

차량의 상태를 관측하는 수단(11)은 차량, 예를 들어 CAN 버스 유형의 차량의 내부 데이터 네트워크를 관측하는 수단을 포함할 수 있다. 상기 내부 데이터 네트워크를 통해 전송되는 데이터는 예를 들어 자율 주행 차량(100)의 속도 및/또는 가속도 및/또는 저킹(jerking), 또는 심지어는 스티어링 휠의 회전 각도 및 속도, 가속 페달 또는 브레이크 상태의 순간 측정을 포함할 수 있다.

차량의 주변 환경을 인지하는 수단(12)은 레이더 및/또는 라이더(Lidar) 및/또는 카메라를 포함할 수 있다. 상기 인지 수단(12)의 다른 실시 예들이 고려될 수 있다.

차량의 위치를 측정하는 수단(13)은 디지털 운행 맵과 예를 들어 GPS 유형의 위치 측정 시스템으로부터 비롯된 데이터를 포함할 수 있으며, 이러한 데이터는 자율 주행 차량이 디지털 운행 맵 상에 위치할 수 있도록 해주고 결과적으로는 도로망, 특히 도로망의 위상학적 및 기하학적 묘사 관련 정보에 액세스할 수 있게 해준다. 도로망 관련 정보는 의미론적 정보(semantic information)를 더 포함할 수 있다. 이는 예를 들어, 도로 구간 상에서 따라야 할 규칙(최대 속도, 추월 금지)을 나타내는 표지판의 존재일 수도 있고 위험 요소(동물, 산사태 등의 위험)의 존재를 나타내는 표지판일 수 있다.

차량을 도로 기반구조 및/또는 다른 차량과 연계하는 수단(14)은 또한 도로 기반구조 장비 및/또는 다른 차량에 의해 인지되는 한 세트의 대상들에 관한 데이터가 획득될 수 있게 해준다. 상기 데이터에는 특히 대상과 그의 치수, 그의 위치 및 관련 속도를 분류하는 데이터가 포함된다.

인터넷 접속 수단(15)은 또한 날씨, 도로 상황 및 교통 상황과 같은 상황별 데이터를 획득될 수 있게 해준다.

자율 주행 차량(100)을 제어하기 위해, 특히 그의 움직임을 결정하기 위해, 의사결정 모듈(2)은 지속적으로 결정을 내린다. 이러한 결정들에는 자율 주행 차량을 자율적으로 제어하기 위해 자율 제어 수단(20)에 전송되는 명령 C를 통해 구현되도록 의도된 일부 결정이 포함된다.

일반적으로 특정 조치(action)에 관한 '결정'이라는 용어는, 그 조치를 수행하는 자발적인 행위 또는 그 조치를 수행하지 아니하는 자발적인 행위에 관한 심사숙고(deliberation)의 결과로서 정의될 수 있다.

이러한 정의에 의하면,

- 결정에 관한 조치;

- 조치를 수행할지 말지에 대한 선택에 상응하는 결정 자체

간 구분이 이루어지게 된다.

본원 명세서에서는 결정에 관한 조치가 차량을 추월하는 조치, 동일 방향으로 계속 이동하는 조치, 장애물을 회피하기 위해 제동하는 조치, 노선을 변경하는 조치일 수 있다.

조치를 수행할지 말지에 대한 선택을 결정하기 위해, 의사결정 모듈(2)은 정보 요청을 계산 유닛(3)에 전송할 수 있다.

본원 명세서의 나머지 부분 전반에 걸쳐:

- 정보 요청에 따른 결정은 "내려진 결정"으로서 언급되고;

- 정보 요청 RDP라고도 불리는 정보 요청은 결정에 관련된 조치에 관한 정보에 대한 요청이며, 상기 정보는 의사결정 모듈(2)에 의해 결정이 내려지는 것을 허용한다.

도 2에 예시된 실시 예에서, 각각의 시점 t에서, 의사결정 모듈(2)은 3가지 레벨에 따라 내려진 결정들을 결정할 수 있다:

- 단기간 결정, 예를 들어 현재 시점 t와 미래 시점 t + 1초 간에 내려진 결정에 관한 운영 레벨이라 불리는 제1 의사결정 레벨 N1;

- 중기간 결정, 예를 들어 시점 t + 1초와 시점 t + 10분 간에 내려진 결정에 관한 전술적 레벨(tactical level)이라 불리는 제2 의사결정 레벨 N2;

- 장기간 결정, 예를 들어 현재 시점에 비해 10분 이상으로 내려진 결정에 관한 전략적 레벨(strategical level)이라 불리는 제3 의사결정 레벨 N3.

제1 의사결정 레벨 N1은 예를 들어 궤적을 정확히 따르거나 장애물들을 회피하는 것과 같은 차량의 임박한 환경에 대한 차량의 반응도를 결정한다. 의사결정 모듈(2)은 제1 레벨의 결정들을 지속적으로 결정한다. 이들은 최대 수백 밀리초 내에 내려져야 하는 결정이다.

제2 의사결정 레벨 N2는 예를 들어 우선순위 규칙에 따른 교차로에서의 자율 주행 차량(100)의 방침 및 상기 교차로를 가로질러 이동하거나 상기 교차로에 접근하는 다른 도로 사용자의 존재와 같은 전략적 결정들에 관한 것이다. 이러한 결정들은 주기적으로 내려지며 잘 정의된 일련의 상황들에 상응한다.

제3 의사결정 레벨 N3은 차량의 전반적인 움직임에 관한 것이다. 예를 들어, 자율 주행 차량의 경우 이는 A 지점에서부터 B 지점에 이르기까지 연결하는 경로를 결정하는 것을 포함할 수 있다. 이러한 결정은 차량의 임무(mission)에 직접 의존하는 결정이며, 매우 드물게(임무 개시 시 한 번, 임무 중에 한 번) 내려진다.

도 3은 자율 주행 차량에 의해 내려진 결정의 시퀀스, 다시 말하면 자율 주행 차량(100)을 제어하기 위한 계산 유닛(3), 의사결정 모듈(2) 및 자율 제어 수단(20) 간 교환 시퀀스를 보여준다.

주어진 시점 t에서 내려진 결정 DP는 특히 자율 주행 차량이 이동하도록 명령받는 노선 IT의 함수로서 의사결정 모듈(2)에 의해 정의된다.

명령 C의 형태로 자율 제어 수단(20)에 전송되기 전에, 내려진 결정 DP는 의사결정 모듈(2)과 계산 유닛(3) 간 적어도 한 번의 정보 교환을 포함한다.

정보 교환은 다음과 같이 구성된다:

- 먼저, 의사결정 모듈(2)로부터 계산 유닛(3)으로, 의사결정 모듈(2)로부터 비롯된, 내려진 결정 DP에 관한 정보에 대한 정보 요청 RDP를 전송하는 것; 그 다음에,

- 두 번째로, 계산 유닛(3)으로부터 의사결정 모듈(2)로 선택적 환경 모델 M_ENV_S(t)를 전송하는 것 - 상기 환경 모델 M_ENV_S(t)는 시점 t에서 그리고 내려진 결정 DP의 함수로 정의됨 -; 그 다음에

- 선택적으로, 세 번째로, 계산 유닛(3)으로부터 의사결정 모듈(2)로 선택적 환경 모델 M_ENV_S(t + Δt)를 전송하는 것 - 상기 환경 모델 M_ENV_S(t + Δt)는 시점 t + Δt에서 그리고 내려진 결정 DP의 함수로 정의됨; 그 다음에

- 네 번째로, 의사결정 모듈(2)로부터 자율 제어 수단(20)으로 상기 결정 DP를 적용하기 위해 차량을 이동하도록 하는 명령 C를 전송하는 것.

본 명세서의 나머지 부분 전반에 걸쳐, 의사결정 모듈(2)에 의해 계산 유닛(3)에 전송되는 내려진 결정에 관한 정보 요청은 "정보 요청 RDP"라 불린다.

계산 유닛은 의사결정 모듈로부터 비롯된 정보 요청 RDP를 수신하고 자율 주행 차량(100)의 특정 환경 모델 M_ENV_S를 생성할 수 있으며, 상기 특정 환경 모델 M_ENV_S는 차량의 현재 상황과 관련하여 의사결정 모듈(2)에 의해 내려진 결정 DP를 평가하는 데 필요한 정보를 포함한다.

본 명세서의 나머지 부분 전반에 걸쳐 "차량의 상황"이라는 용어는 인지 수단(1)을 통해 인지될 수 있는 모든 요소들 중에서 운전 장면의 요소들의 선택사항을 지정하는 데 사용된다. 요소는 다른 도로 사용자, 대상, 표면, 운행 경로 등일 수 있다. 운전 장면의 요소들은 내려진 결정 DP에 대한 상기 요소들의 관련성의 함수로서 선택된다. 상기 상황은 또한 차량이 따라가야 하는 노선 IT에 의존한다. 예를 들어 교차로를 건널 때 차량이 직진해야 할지, 좌회전해야 할지에 의존하여 차량의 상황이 달라진다. 실제로 차량이 취해야 하는 방향에 의존하여, 차량의 상황은 교차로의 구역에 있는 동일한 사용자들을 고려하지 않게 된다. 차량의 상황에는 운전 장면의 다양한 요소 간의 관계도 포함될 수 있다. 예를 들어, 상기 상황에는 장애물과 부근 차량 간 연계가 포함될 수 있으며, 상기 부근 차량은 장애물을 회피하기 위해 궤도를 수정할 수 있고, 이는 자율 주행 차량(100)의 결정들을 방해할 수 있다.

상기 특정 환경 모델 M_ENV_S에는 내려진 결정 DP와 관련하여 차량의 상황을 모델링하는 데 필요한 정보가 포함된다. 따라서 상기 계산 유닛(3)에 의한 정보 요청 RDP의 분석에는 참조해야 할 정보 또는 매개변수의 선택을 결정하는 것이 포함된다. 상기 인지 수단(1)으로부터 도출된 데이터와 참조할 매개변수의 선택으로부터 도출된 데이터에 기초하여, 상기 계산 유닛(3)은 자율 주행 차량(100) 환경의 선택적 환경 모델 M_ENV_S를 구성한다.

본 발명의 실시 예에서, 상기 컴퓨터(31)는 서로 통신하는 이하의 모듈들을 포함하는 소프트웨어가 실행되는 것을 허용한다:

- 상기 환경 인지 수단(1), 상기 의사결정 모듈(2) 및 휴면-기계 인터페이스(4)와 통신하는 상기 자율 주행 차량(100)의 전체 환경 모델 M_ENV_G를 정의하기 위한 모듈(311);

- 상기 의사결정 모듈(2)와 통신하는, 내려진 결정 DP에 관련된 정보 요청 RDP를 수신하기 위한 모듈(312);

- 참조해야 할 정보 BP 또는 매개변수의 선택을 결정하기 위한 모듈(313);

- 선택적 환경 모델 M_ENV_S를 형성하기 위해 상기 정보의 선택을 획득하기 위한 모듈(314);

- 상기 환경 모델 M_ENV_S의 각각의 정보 항목에 연관된 무결성 인덱스를 결정하기 위한 모듈(315); 및

- 상기 의사결정 모듈(2)과 협동하는 정보 M_ENV_S의 선택을 전송하는 스텝(316).

자율 주행 차량을 제어하기 위한 방법을 실행하기 위한 모드는 도 3을 참조하여 이하에서 설명된다. 상기 방법은 6개의 단계 E1 내지 E6을 포함한다.

제1 단계 E1에서는, 상기 환경 인지 수단에 의해 제공된 데이터로부터 결정된 한 세트의 정보를 포함하는 상기 자율 주행 차량(100)의 전체 환경 모델 M_ENV_G가 정의된다.

상기 전체 환경 모델 M_ENV_G는 이하의 목적에 따라 구성된다:

- 상기 의사결정 모듈(2)이 작동하는 것을 허용하도록, 특히 내려진 결정이 식별되는 것을 허용하도록 상기 자율 주행 차량 환경에 관한 충분히 정확하고 완전한 한 세트의 정보 세트를 제공함;

- 상기 정보의 일관성을 보장함.

이를 위해, 상기 모델 M_ENV_G의 각각의 정보 항목에는 계산된 무결성 인덱스 IC가 할당된다. 상기 인덱스 IC의 계산은 데이터의 초기 무결성 인덱스를 고려할 수 있으며, 상기 초기 무결성 인덱스는 상기 데이터를 인지하는 수단에 의해 제공된다.

상기 인덱스 IC는 또한 데이터의 일관성을 고려한다. 특히, 적어도 2개의 개별적이고 독립적인 인지 수단에 의해 제공될 수 있는 각각의 데이터에 대해, 상기 인덱스 IC는 상기 인지 수단 각각의 대응하는 측정들 간 차이의 함수로서, 그리고/또는 상기 측정들 각각에 할당된 신뢰도 인덱스의 함수로서 결정된다.

일관성 검사는 각각의 데이터의 시간적 전개(temporal evolution)와 관련이 있다. 예를 들어, 대상의 갑작스러운 출현이나 소멸, 또는 심지어는 장면 요소의 가능성이 거의 없는 궤적이 검출된다. 예를 들어, 일관성 검사는 차량이나 보행자의 이동 속도 크기 순서와 관련이 있을 수 있다.

일관성 검사는 더 광범위하게는 상기 운전 보조 시스템(10)의 작동 한계와 관련이 있을 수 있다. 실제로, 상기 운전 보조 시스템(10)은 매우 구체적인 기준을 검사하는 교통 환경에서 작동하도록 정의되어 있으며, 상기 매우 구체적인 기준은 ODD(Operational Design Domain)라고 불리는 문서(document)에 공식화되어 있다. 예를 들어, 상기 운전 보조 시스템(10)은 보행자가 움직일 수 없는 통제된 환경에서 작동하도록 설계되어 있을 수 있다. 이 경우, 상기 의사결정 모듈(2)은 보행자와 상호작용할 수 있도록 설계되어 있지 않지만, 상기 인지 시스템은 보행자를 검출할 수 있다. 따라서, 보행자의 존재는 자율 주행 차량(100)이 설계된 교통 환경과 양립할 수 없는 것으로 단계 E1에서 검출될 것이다.

상기 데이터 또는 정보의 비-호환성을 검출하면 상기 의사결정 모듈(2) 및/또는 상기 휴먼-기계 인터페이스(4)로 전송되도록 하는 경고 메시지가 트리거될 수 있다. 상기 경고 메시지는 비-호환성 데이터 항목(들)을 지정할 수 있다.

따라서, 단계 E1에서는 상기 인지 수단으로부터 데이터가 수신될 때마다 전체 환경 모델 M_ENV_G가 강화되고 업데이트되며, 그 후에 상기 메모리(32)에 저장된다.

어떠한 정보 요청 RDP도 상기 의사결정 모듈(2)에 의해 전송되지 않는 한, 상기 방법은 전체 환경 모델 M_ENV_G를 정의하는 단계 E1로 루프백된다.

정보 요청(RDP)이 상기 의사결정 모듈(2)에 의해 전송되는 경우, 상기 방법은 차량의 제어를 위해 내려진 결정에 관한 정보 요청을 수신하는 단계 E2로 전환된다.

단계 E2에서는 수신된 정보 요청 RDP의 내용이 분석된다.

유리하게는, 사전에 정의된 결정 리스트 LD가 상기 메모리(32)에 저장된다. 실제로 차량이 내릴 수 있는 결정의 개수는 한정되어 있다. 예를 들어, 전술적 레벨에서는 교차로 통과, 차선 변경, 동일한 차선 유지 등의 결정을 내릴 수 있다.

일 실시 예에서, 상기 리스트 LD는 식별자 iDP를 사용하여 내려진 각각의 결정을 식별하고, 상기 정보 요청 RDP는 결정 식별자 iDP를 포함하는 것이 유리하다.

상기 정보 요청 RDP에는 의사결정 레벨(전술적, 운영적 또는 전략적 레벨)을 지정하는 정보 항목이 또한 포함될 수 있다.

상기 정보 요청 RDP에는 상기 자율 주행 차량(100)이 따라가는 상기 경로 IT에 관한 정보가 또한 포함될 수 있다.

상기 정보 요청 RDP에 포함된 다른 정보는 상기 메모리(32)에 저장될 수 있으며 후속 단계들 E3 내지 E6을 실행할 때 사용될 수 있다.

단계 E3에서, 결정 DP를 내리는 데 필요한 정보의 선택이 결정되며, 상기 선택은 전체 환경 모델 M_ENV_G에 포함된 한 세트의 정보의 하위 세트이다.

유리하게는, 상기 메모리(32)는 한편으로는 내려진 결정의 식별자 iDP와 다른 한편으로는 인덱스 iDP에 의해 지정된 결정을 내리는 데 필요한 정보를 포함하는 리스트 간 대응 테이블을 포함한다. 따라서 이러한 대응 테이블은 상기 의사결정 모듈(2)이 상기 결정 DP를 내리기 위해 필요한 정보 리스트 BP가 결정되는 것을 허용한다.

본 명세서 나머지 부분 전반에 걸쳐서, 상기 정보 리스트 BP는 "블루프린트(Blueprint)"라 불린다. 블루프린트 BP는 내려진 각각의 결정 DP, 다시 말하면 각각의 결정 식별자 iDP에 연관된다. 이는 상기 의사결정 모듈(2)이 상기 결정을 평가하고 이어서 자율 주행 차량(100)을 제어하도록 하는 명령을 상기 자율 제어 수단(20)에 전송하는 데 필요한 각각의 정보 항목을 공식화하고 구조화한다. 블루프린트는 각각의 필드가 완료되어야 하는 블랭크 폼(blank form)으로 간주될 수 있으며, 완료해야 할 필드들은 각각의 블루프린트, 다시 말하면 내려진 각각의 결정 DP에 따라 다르다.

블루프린트는 결정 레벨(전술적, 운영적 또는 전략적 레벨)에 의존할 수 있다. 특히 주어진 결정에 대해 의사결정 레벨 별로 하나의 블루프린트가 존재할 수 있다.

예를 들어, 교차로 진입 결정의 경우, 제1 전술적 레벨 블루프린트 BP1은 차량이 교차로에 도달하는 시점에 교차로 진입 결정을 내리는 데 필요한 정보를 정의한다. 이러한 블루프린트에는 이하의 정보가 포함될 수 있다:

- 자율 주행 차량(100)의 주행 차선 내 교통 상황;

- 관심 구역 리스트(예를 들어, 교차로 진입을 위한 다른 차선) 및 이러한 관심 구역 내 교통 상황;

- 자율 주행 차량(100)에 관련된 우선순위 차량 리스트;

- 자율 주행 차량(100)에 관련된 비-우선순위 차량 리스트;

- 신호등의 존재 및 이러한 신호등의 상태.

교차로 진입 결정의 경우를 더 참조하면, 상기 제1 블루프린트 BP1과는 다른 제2 블루프린트 BP2가 상기 운영적 레벨에 대해 정의될 수 있고, 선택적으로 상기 제1 및 제2 블루프린트 BP1, BP2와는 다른 제3 블루프린트 BP3가 상기 전략적 레벨에 대해 정의될 수 있다. 예를 들어, 블루프린트 BP3(전략적 레벨)는 임무 개시 시 계산된 노선을 양보할 수 있는 정체된 도로 부분들이나 봉쇄된 도로들을 고려할 수 있다.

필수 정보 리스트 또는 블루프린트에는 예측이 포함될 수 있다. 본 명세서 나머지 부분 전반에 걸쳐서, 예측이라는 용어는 자율 주행 차량(100)에 의해 내려진 결정에 영향을 미칠 수 있는 예측 가능한 이벤트들을 지정하는 데 사용된다. 예를 들어, 예측은 자율 주행 차량(100)의 거동(behavior)에 영향을 미칠 수 있는 인근 차량의 예측 가능한 거동에 관련이 있을 수 있다. 따라서 "예측(prediction)"이라는 용어가 궤도 예측에만 관련이 있는 것이 아니다. 이는 또한 예를 들어 인근 차량의 의도 예측, 또는 인근 차량의 노선 예측에 관련이 있을 수 있다.

결정 DP를 내리는 데 필요한 정보 리스트에는 내려진 결정 DP를 적용한 후 차량의 상황을 특징화하는 한 세트의 정보가 포함될 수 있다.

그 후 상기 예측은 내려진 결정 DP와 관련하여 상기 의사결정 모듈(2)에 의해 제공되는 노선 IT를 고려할 수 있다.

도 5에 도시된 상황은 내려진 결정 DP와 관련된 블루프린트 내 예측을 포함하는 이점을 보여준다.

도 5에는 이하의 사항이 포함되어 있다:

- 자율 주행 차량(100)이 직선으로 교차해야 하는 교차점을 향해 자율 주행 차량(100)이 이동하는 동안 시점 t에서의 자율 주행 차량(100)을 보여주는 첫 번째 다이어그램(본 도면의 좌측 상에 위치함); 및

- 자율 주행 차량(100)이 거의 교차점에 도달한 동안 시점 t + Δt에서의 자율 주행 차량(100)을 보여주는 두 번째 다이어그램(본 도면의 우측 상에 위치함).

상기 자율 주행 차량(100)에 대한 3개의 관심 구역 Z1, Z2, Z3과 아울러, 이러한 3개의 관심 구역에 대한 자율 주행 차량의 시계(visibility) Visi(t) 또는 Visi(t + Δt)가 각각 시점들 t 및 t + Δt에서 각각의 다이어그램 상에 나타나 있다.

시점 t에서의 자율 주행 차량의 상황을 보여주는 첫 번째 다이어그램에서는 교차로 모퉁이 상에 위치한 빌딩이 자율 주행 차량(100)의 우측에 위치한 관심 구역 Z3 상의 시계 Visi(t)를 가린다.

t + Δt에서의 자율 주행 차량의 상황을 보여주는 두 번째 다이어그램에서는 자율 주행 차량의 우측에 위치한 관심 구역 Z3은 이제 시계 구역 Visi(t + Δt) 내에 있다.

따라서 관심 구역 Z3에 관한 정보가 시점 t에서 누락되어 있지만 t + Δt에서의 예측을 통해 의사결정 모듈은 자율 주행 차량(100)이 교차점에 도착할 때 모든 관심 구역이 상기 인지 수단 (1)에 의해 커버되게 할 수 있다.

또한 예측을 통해 의사결정 모듈은 결정 DP를 적용한 후 일어날 수 있는 사건들을 예측할 수 있다.

예를 들어 도 6에 도시된 상황에서는:

- 좌측 상에 위치한 다이어그램에 의해 도시된, 내려진 결정을 평가하는 시점 t에서, 자율 주행 차량(100)의 운행 경로는 완전히 자유롭고 두 번째 차량은 반대편 차선으로 주행하고 있으며;

- 예측 시점 t + Δt에서, 장애물을 회피하기 위해 두 번째 차량이 자율 주행 차량(100)의 차선으로 이동하여 충돌 위험을 만들어낸다.

따라서, 비록 시점 t에서의 상황이 안전하지만, 상기 의사결정 모듈(2)은 두 번째 차량이 아마도 장애물을 회피하고 자율 주행 차량(100)의 차선을 침범할 것임을 알고 이러한 위험이 언제 일어날 가능성이 있는지를 추정하는 것이 적절하다.

내려진 결정 DP와 관련된 정보, 다시 말하면 블루프린트의 선택이 결정되면, 상기 방법은 단계 E4로 진행된다.

단계 E4에서, 상기 정보의 선택은 상기 환경 인지 수단으로부터 비롯된 데이터로부터 획득된다. 다시 말하면, 상기 환경 모델 M_ENV_G의 정보를 기반으로 참조해야 할 필드들을 포함하는 일종의 폼(form)인 블루프린트가 참조된다.

유리한 실시 예에서, 데이터는 블루프린트에 관계없이 동일한 방법에 따라 획득된다.

이러한 실시 예에서, 한 세트의 단일 기능들이 정의된다. 비-제한적인 예로서, 단일 기능들은 이하의 사항에 대해 각각 정의될 수 있다:

- 관심 구역들의 식별;

- 자율 주행 차량(100)의 차선 상에서 자율 주행 차량(100)보다 앞서 있는 차량의 식별;

- 교차로에서 자율 주행 차량(100)보다 우선순위가 높은 하나 이상의 차량들의 식별;

- 인근 차량의 궤적 예측 등.

각각의 단일 기능은 자율 주행 차량(100)의 현재 상황의 일부에 대한 구조화된 표현을 구성하기 위해 전체 환경 모델 M_ENV_G로부터의 정보를 사용한다.

블루프린트를 완성하려면 단일 기능들의 선택이 실행되어야 하며, 각각의 단일 기능을 통해 블루프린트와 관련된 정보가 참조될 수 있다. 또한, 상기 단일 기능은 적절하게 정의된 순서로 실행되어야 할 수도 있다. 예를 들어, 전술적 레벨 상에서 교차로의 표현을 참조하기 위해, 자율 주행 차량(100)보다 우선순위가 높은 도로 사용자들을 식별하기 전에 관심 구역들이 식별되어야 할 수도 있다.

이를 위해 블루프린트의 데이터를 참조하기 위한 단일 기능들의 실행 순서를 설명하기 위해 도로 시트(road sheet)가 각각의 블루프린트와 연관된다. 모니터링 기능(또는 오케스트레이터(orchestrator))은 상기 도로 시트에 의해 정의된 순서대로 단일 기능들을 실행하게 된다.

예를 들어, 내려진 결정 DP가 교차로에서의 자율 주행 차량(100)의 투입에 관련이 있는 경우, 상기 도로 시트는 단일 기능들을 실행하기 위해 이하의 순서를 결정할 수 있다:

- 자율 주행 차량(100)의 상태(위치, 속도 등)의 획득;

- 인지 시스템의 시계 상태의 획득;

- 자율 주행 차량(100) 주변의 다른 도로 사용자들의 존재와 아울러 그들의 상태에 관한 정보의 획득;

- 교차로의 관심 구역들, 그들의 위치 및/또는 공간 분포의 획득;

- 관심 구역들의 상황별 파악(다시 말하면, 관심 구역들이 보이게 되거나 숨겨져 있거나 또는 범위를 벗어난 경우 등);

- 관심 구역들에 있는 다른 도로 사용자들의 상황별 파악;

- 우선순위가 부여되어야 하는 도로 사용자들의 식별;

- 우선순위를 양보해야 하는 도로 사용자들의 식별;

- 등등.

상기 한 세트의 단일 기능들은 확장 가능하다. 다시 말하면, 시스템의 전체 아키텍처를 손상시키지 않고 상기 기능들 각각이 수정될 수 있다. 또한, 예를 들어 새로운 상황들을 고려하기 위해 새로운 기능들이 추가될 수 있다.

바람직한 실시 예에서, 무결성 인덱스를 획득하는 단계 E4 및 무결성 인덱스를 결정하는 단계 E5는 각각의 단일 기능에 대해 연속적으로 실행된다. 다시 말하면, 각각의 단일 함수에 대해 상기 방법은 단계들 E4 및 E5로 루프백된다. 각각의 단일 기능은 예를 들어 단계 E1에서 정의된 전체 환경 모델 M_ENV_G의 각각의 정보 항목과 연관된 무결성 인덱스로부터 무결성 인덱스를 계산할 수 있다.

이러한 실시 예에서, 상기 도로 시트의 각각의 단계에 대해, 오케스트레이터는 상기 단계를 실행하는 단일 기능에 의해 수집된 정보의 품질과 완전도를 추정할 수 있다.

상기 오케스트레이터는, 각각의 단일 기능에 의해 복귀된 무결성 인덱스를 기반으로 전체 무결성 인덱스를 업데이트한다.

또한, 상기 오케스트레이터는 상기 도로 시트의 이러한 단계에서 실행된 단일 기능들에 의해 반환된 무결성 인덱스가 도로 시트를 계속 실행할 수 있을 만큼 충분히 높은지를 분석할 수 있다. 상기 단일 기능들 중 하나가 불완전하거나 그다지 정확하지 않은 정보를 수집하는 경우 이하의 단일 기능들이 영향을 받을 수 있으므로 이러한 분석은 필수적이다.

상황들에 의존하여, 상기 정보의 무결성 부족은 상기 오케스트레이터에 의해 다양한 방법으로 관리할 수 있다:

- 상기 로드 시트가 완전히 실행되면 상기 오케스트레이터에 의해 계산된 전체 무결성 인덱스를 통해 상기 정보의 무결성 레벨이 낮음을 상기 의사결정 모듈(2)에 통지할 있음; 또는

- 상기 오케스트레이터는 상기 도로 시트의 실행을 중지하기 위한 조건들을 적용할 수 있음; 예를 들어 전체 무결성 인덱스가 블루프린트와 연관된 사전에 정의된 무결성 임계값보다 낮은 경우 상기 오케스트레이터는 상기 도로 시트의 진행을 중단할 수 있음.

상기 도로 시트의 실행이 완료되면 상기 단일 기능들에 의해 수집된 정보가 함께 선택적 환경 모델 M_ENV_S를 형성한다.

단계 E6에서, 상기 의사결정 모듈(2)에는 상기 선택적 환경 모델 M_ENV_S가 제공되며, 상기 모델 M_ENV_S는 데이터와 연관된 단일 및 전체 무결성 인덱스를 포함한다.

마지막으로, 본 발명에 따른 모델링 방법은 자율 주행 차량(100)에 의해 내려진 결정의 함수로서 자율 주행 차량(100)의 상황에 대한 효율적이고 신뢰성 있는 해석을 구현한다.

물론:

- 본 발명에 따른 모델링은 의사결정에 필요한 정보만을 고려하고;

- 이는 필요한 것으로 식별된 정보가 최대한 완전하고 정보의 신뢰도가 알려지게 하며;

- 내려진 결정은 상기 결정이 내려져야 하는 기한에 의존하여, 다시 말하면 의사결정 레벨(운영적, 전술적 또는 전략적 레벨)에 따라 다양한 모델을 초래하게 되고;

- 모델링에는 내려진 결정을 적용한 후 발생할 수 있는 사고를 예상하기 위한 예측이 포함될 수 있으며;

- 상기 정보의 일관성은 여러 소스로부터 비롯된 정보 항목의 일관성, 상기 정보의 시간적 일관성, 시스템 운영 한계에 따른 상기 정보의 일관성 등의 여러 방식으로 검사된다.

또한 제안된 모델링 방법은 일반적이며 다양한 운전 보조 및/또는 자율 주행 시스템의 요구사항에 맞게 조정될 수 있다. 물론, 상기 방법은 다양한 레벨에서 구성될 수 있다:

- 첫 번째 전체 구성 레벨은 가능한 결정 리스트 LD 상에서 구현되고;

- 결정당 두 번째 구성 레벨은 블루프린트를 가능한 각각의 결정(다시 말하면, 참조해야 할 한 세트의 정보)과 연관시킴으로써 구현되며, 동일한 결정에 대해 의사결정 레벨(운영적 전술적 및 전략적 레벨)마다 다른 블루프린트를 사용할 수 있는 가능성이 있고;

- 세 번째 구성 레벨은 한 세트의 단일 기능들을 정의함으로써 구현되며, 각각의 단일 기능은 정보 항목이 획득되고 무결성 인덱스와 연관되는 것을 허용하고;

- 네 번째 구성 레벨은 정보를 획득하는 순서, 다시 말하면 단일 기능들을 실행하는 순서, 및 정보에 대한 전체 무결성 인덱스를 계산하는 순서와 관련이 있다. 네 번째 구성 레벨은 각각의 블루프린트와 관련된 도로 시트를 정의함으로써 수행된다.

이러한 모듈식 아키텍처를 사용하면 결정 리스트 및/또는 각각의 결정과 관련된 블루프린트(들) 및/또는 각각의 블루프린트 및/또는 정보의 획득에 사용되는 단일 기능들에 관련된 도로 시트를 수정함으로써 모델링이 각각의 결정 함수로서 간단히 구성될 수 있다.

물론, 위의 설명으로부터 알 수 있는 바와 같이, 구현되는 모델링은 차량의 운전을 안정적이고 건전하며 최적화된 방식으로 지원하는 것을 목표로 차량의 환경을 자동으로 이해한다는 실질적인 의미로 이해되어야 한다. 그러므로 이는 추상적이거나 가상적인 구성이 아니다. 다시 말하면, 본 발명은 차량을 안내하거나 또는 심지어는 차량 운전자의 운전을 지원하기 위한 하나 이상의 자율 결정에 위에서 설명한 바와 같은 운행 환경을 고려하도록 구현하는, 상기 환경을 모델링하는 방법 및 장치로 이해되어야 한다.

Claims (10)

1. 차량(100)을 자율적으로 제어하기 위한 환경 인지 수단(1), 의사결정 모듈(2) 및 자율 제어 수단(20)을 구비한, 차량(100)의 운행 환경을 모델링하는 방법에 있어서, 상기 방법은,
   

   

   상기 차량의 전체 환경 모델(M_ENV_G)을 상기 환경 인지 수단(1)에 의해 제공되는 데이터로부터 구성된 한 세트의 구조화된 정보로 정의하는 단계(E1);
   상기 차량을 제어하기 위해 상기 자율 제어 수단(20)에 의해 내려진 결정(DP)에 관한 정보의 요청(RDP)을 수신하는 단계 - 상기 요청은 상기 의사결정 모듈(2)에 의해 전송됨 -;
   상기 환경 모델을 정의하는 한 세트의 구조화된 정보 중에서 상기 결정(DP)을 내리기 위해 참조해야 할 정보의 선택을 결정하는 단계(E3);
   상기 전체 환경 모델(M_ENV_G)로부터 상기 선택으로부터의 정보를 참조하는 단계(E4);
   상기 선택의 각각의 정보 항목에 연관된 무결성 인덱스를 결정하는 단계(E5);
   상기 선택으로부터의 정보 및 해당 무결성 인덱스를 포함하는 선택적 환경 모델(M_ENV_S)을 상기 의사결정 모듈(2)에 제공하는 단계(E6)
   를 포함하는 것을 특징으로 하는, 차량의 운행 환경을 모델링하는 방법.
2. 제1항에 있어서,
   상기 차량의 운행 환경을 모델링하는 방법은,
   제1 환경 인지 수단을 사용하고 제2 환경 인지 수단을 사용하여 상기 정보의 선택으로부터 적어도 하나의 제1 정보 항목을 획득하는 단계
   를 포함하며,
   상기 적어도 하나의 제1 정보 항목에 연관된 무결성 인덱스는 상기 제1 인지 수단과 상기 제2 인지 수단에 의해 제공된 데이터 간 일관성의 함수로서 결정되는 것을 특징으로 하는, 차량의 운행 환경을 모델링하는 방법.
3. 제1항 또는 제2항 중 어느 한 항에 있어서,
   상기 차량의 운행 환경을 모델링하는 방법은,
   제1 시점에서 그리고 상기 제1 시점 이후의 제2 시점에서 환경 인지 수단을 사용하여 상기 정보의 선택으로부터 적어도 하나의 제2 정보 항목을 획득하는 단계
   를 포함하며,
   상기 적어도 하나의 제2 정보 항목에 연관된 무결성 인덱스는 상기 제1 시점에서 그리고 상기 제2 시점에서 상기 인지 수단에 의해 제공되는 데이터 간 일관성의 함수로서 결정되는 것을 특징으로 하는, 차량의 운행 환경을 모델링하는 방법.
4. 제1항 내지 제3항 중 어느 한 항에 있어서,
   상기 내려진 결정(DP)은 주어진 기한(deadline)에 상기 자율 주행 차량에 의해 적용되어야 할 주어진 조치(action)로 구성되며, 상기 주어진 기한은 단기간, 중기간 또는 장기간일 수 있고, 동일한 주어진 조치에 대해 상기 결정 단계(E3)는,
   주어진 기한이 단기간일 경우 참조해야 할 정보의 제1 선택(BP1);
   주어진 기한이 중기간일 경우 참조해야 할 정보의 제2 선택(BP2); 및
   주어진 기한이 장기간일 경우 참조해야 할 정보의 제3 선택(BP3)
   중의 하나를 결정하며,
   상기 제1, 제2 및 제3 선택은 서로 다른 것을 특징으로 하는, 차량의 운행 환경을 모델링하는 방법.
5. 제1항 내지 제4항 중 어느 한 항에 있어서,
   상기 차량의 운행 환경을 모델링하는 방법은,
   상기 내려진 결정(DP)을 적용한 후에 차량의 상황을 특징짓는 한 세트의 정보를 포함하는 선택적 환경 모델(M_ENV_S)을 상기 의사결정 모듈(2)에 제공하는 하위-단계
   를 포함하는 것을 특징으로 하는, 차량의 운행 환경을 모델링하는 방법.
6. 제1항 내지 제5항 중 어느 한 항에 있어서,
   상기 차량의 운행 환경을 모델링하는 방법은,
   상기 차량의 운행 환경을 모델링하는 방법에 의해 고려되는 유한 결정 리스트(LD)를 구성하는 단계;
   상기 유한 결정 리스트의 각각의 결정에 대해 참조해야 할 정보의 선택(BP)을 구성하고 상기 정보가 참조되어야 하는 순서를 구성하는 단계;
   참조해야 할 정보의 각각의 항목을 참조하기 위한 적어도 하나의 방법을 구성하는 단계
   를 포함하는 것을 특징으로 하는, 차량의 운행 환경을 모델링하는 방법.
7. 자율 제어 수단(20)이 장착된 자율 주행 차량의 운행 환경을 모델링하는 장치(10)에 있어서, 상기 장치는 제1항 내지 제5항 중 어느 한 항에 기재된 방법을 구현하는 하드웨어 및/또는 소프트웨어 요소(1, 2, 3, 4, 10, 11, 12, 13, 14, 15, 20, 31, 32, 33, 311, 312, 313, 314, 315, 316)), 특히 제1항 내지 제5항 중 어느 한 항에 기재된 방법을 구현하도록 설계된 하드웨어 및/또는 소프트웨어 요소(1, 2, 3, 4, 10, 11, 12, 13, 14, 15, 20, 31, 32, 33)를 포함하고, 그리고/또는 상기 장치는 제1항 내지 제5항 중 어느 한 항에 기재된 방법을 구현하는 수단을 포함하는, 자율 주행 차량의 운행 환경을 모델링하는 장치.
8. 프로그램이 컴퓨터 상에서 실행될 때 제1항 내지 제6항에 기재된 방법의 단계들을 구현하기 위한 프로그램 코드 명령어들이 컴퓨터-판독가능 매체 상에 저장된 컴퓨터 프로그램 제품 또는 통신 네트워크로부터 다운로드되고 그리고/또는 컴퓨터-판독가능 매체 상에 저장될 수 있으며 그리고/또는 컴퓨터에 의해 실행될 수 있는 컴퓨터 프로그램 제품으로서, 프로그램이 상기 컴퓨터에 의해 실행될 때 상기 컴퓨터로 하여금 제1항 내지 제6항 중 어느 한 항에 기재된 방법을 구현하게 하는 명령어들을 포함하는 컴퓨터 프로그램 제품.
9. 제1항 내지 제6항 중 어느 한 항에 기재된 방법을 구현하기 위한 프로그램 코드 명령어들을 포함하는 컴퓨터 프로그램을 저장하는 컴퓨터-판독가능 데이터 저장 매체 또는 컴퓨터에 의해 실행될 때 상기 컴퓨터로 하여금 제1항 내지 제6항 중 어느 한 항에 기재된 방법을 구현하게 하는 명령어들을 포함하는 컴퓨터-판독가능 저장 매체.
10. 제8항에 기재된 컴퓨터 프로그램 제품을 전달하는 데이터 매체의 신호.