+

KR20190035159A - 차량 움직임 예측 방법 및 장치 - Google Patents

차량 움직임 예측 방법 및 장치 Download PDF

Info

Publication number
KR20190035159A
KR20190035159A KR1020170124062A KR20170124062A KR20190035159A KR 20190035159 A KR20190035159 A KR 20190035159A KR 1020170124062 A KR1020170124062 A KR 1020170124062A KR 20170124062 A KR20170124062 A KR 20170124062A KR 20190035159 A KR20190035159 A KR 20190035159A
Authority
KR
South Korea
Prior art keywords
lane
vehicle
target
motion prediction
road
Prior art date
Legal status (The legal status 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 status listed.)
Ceased
Application number
KR1020170124062A
Other languages
English (en)
Inventor
현윤석
이재우
장철훈
지대현
Original Assignee
삼성전자주식회사
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 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to KR1020170124062A priority Critical patent/KR20190035159A/ko
Priority to US15/992,240 priority patent/US20190095809A1/en
Priority to CN201810820095.XA priority patent/CN109552333A/zh
Priority to EP18187646.7A priority patent/EP3467799A1/en
Publication of KR20190035159A publication Critical patent/KR20190035159A/ko
Ceased legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
    • 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
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
    • B60W40/04—Traffic conditions
    • 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
    • B60W30/18—Propelling the vehicle
    • B60W30/18009—Propelling the vehicle related to particular drive situations
    • B60W30/18163—Lane change; Overtaking manoeuvres
    • 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
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
    • 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
    • B60W50/0097—Predicting future conditions
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/0088—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
    • 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
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0133—Traffic data processing for classifying traffic situation
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/015—Detecting movement of traffic to be counted or controlled with provision for distinguishing between two or more types of vehicles, e.g. between motor-cars and cycles
    • 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
    • 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
    • B60W2300/00—Indexing codes relating to the type of vehicle
    • B60W2300/10—Buses
    • 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
    • B60W2520/00—Input parameters relating to overall vehicle dynamics
    • B60W2520/10—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
    • B60W2554/4041—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
    • B60W2554/80—Spatial relation or speed relative to objects
    • B60W2554/804—Relative 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
    • B60W2754/00—Output or target parameters relating to objects
    • B60W2754/10—Spatial relation or speed relative to objects
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60Y—INDEXING SCHEME RELATING TO ASPECTS CROSS-CUTTING VEHICLE TECHNOLOGY
    • B60Y2200/00—Type of vehicle
    • B60Y2200/10—Road Vehicles
    • B60Y2200/14—Trucks; Load vehicles, Busses
    • B60Y2200/143—Busses
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60Y—INDEXING SCHEME RELATING TO ASPECTS CROSS-CUTTING VEHICLE TECHNOLOGY
    • B60Y2200/00—Type of vehicle
    • B60Y2200/10—Road Vehicles
    • B60Y2200/14—Trucks; Load vehicles, Busses
    • B60Y2200/144—Garbage trucks, e.g. refuse trucks
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/123—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Mathematical Physics (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Human Computer Interaction (AREA)
  • Theoretical Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Medical Informatics (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Algebra (AREA)
  • Probability & Statistics with Applications (AREA)
  • Traffic Control Systems (AREA)

Abstract

차량 움직임 예측 방법 및 장치가 개시된다. 일실시예에 따른 차량 움직임 예측 장치는 적어도 하나의 차로를 포함하는 도로에서 타겟 차로를 주행하는 타겟 차량의 종류를 식별하고, 식별된 종류에 기초하여, 타겟 차량의 움직임- 움직임은 타겟 차로와 연관됨-을 예측하기 위한 움직임 예측 정보를 생성할 수 있다.

Description

차량 움직임 예측 방법 및 장치{VEHICLE MOTION PREDICTION METHOD AND APPARATUS}
아래 실시예들은 차량의 움직임을 예측하는 방법 및 장치에 관한 것이다.
자율 주행 차량을 제어하기 위해 주변 차량의 움직임이 고려되어 자율 주행 차량의 속도와 차로 변경 여부가 결정될 수 있다. 주변 차량의 움직임을 판단하기 위해서는, 센서 정보, 방향지시등, 주변 차량의 헤딩각이 향하는 방향, 주변 차량의 이동 궤적과 같이 관측 정보가 필요하다. 예를 들어, 자율 주행 차량이 직진, 좌측 차로 진입 또는 우측 차로 진입 중 어느 하나의 동작으로 주행하기 위해, 주변 차량의 속도와 좌우 차로 진입 의도가 파악될 필요가 있다. 이 때, 주변 차량의 좌우 차로 진입 의도를 파악하기 위해 방향지시등 또는 헤딩각의 움직임이 관측되어야 한다.
주변 차량의 급격한 차로 변경이나 급격한 감속이 발생하는 경우, 자율 주행 차는 주변 차량의 급격한 움직임에 대처하기 어려울 수 있고, 주변 차량의 급격한 움직임 변화는 도로에서 발생하는 접촉 사고의 원인이 될 수 있다. 이에, 차량의 움직임을 미리 예측하는 기법의 연구가 필요하다.
일실시예에 따른 차량 움직임 예측 방법은 적어도 하나의 차로를 포함하는 도로에서 타겟 차로를 주행하는 타겟 차량의 종류를 식별하는 단계; 및 상기 종류에 기초하여, 상기 타겟 차량의 움직임-상기 움직임은 상기 타겟 차로와 연관됨-을 예측하기 위한 움직임 예측 정보를 생성하는 단계를 포함한다.
일실시예에 따른 차량 움직임 예측 방법은 상기 타겟 차량의 종류와 연관된 위치 정보를 획득하는 단계를 더 포함하고, 상기 움직임 예측 정보를 생성하는 단계는 상기 종류 및 상기 위치 정보에 기초하여, 상기 타겟 차량의 차로 변경 확률 및 감속 확률 중 적어도 하나를 생성하는 단계를 포함할 수 있다.
일실시예에 따르면, 상기 차로 변경 확률은 상기 타겟 차량의 차로 변경이 발생할 확률이고, 상기 감속 확률은 상기 타겟 차량의 감속이 발생할 확률일 수 있다.
일실시예에 따른 차량 움직임 예측 방법은 상기 도로 상 상기 적어도 하나의 차로 중 상기 타겟 차로와 호스트 차량의 호스트 차로를 식별하는 단계; 및 상기 타겟 차로, 상기 호스트 차로, 상기 차로 변경 확률, 상기 감속 확률, 상기 타겟 차량의 속도 및 상기 호스트 차량의 속도에 기초하여, 상기 호스트 차량의 목표 속도를 생성하는 단계를 더 포함할 수 있다.
일실시예에 따르면, 상기 움직임 예측 정보를 생성하는 단계는 상기 종류가 버스인 경우, 버스 전용 차로 정보, 상기 타겟 차량의 버스 노선 정보 및 정류장 위치 정보 중 적어도 하나를 획득하는 단계; 상기 도로 상 상기 적어도 하나의 차로 중 상기 타겟 차로를 식별하는 단계; 및 상기 획득된 적어도 하나의 정보 및 상기 식별된 타겟 차로에 기초하여, 상기 타겟 차량의 차로 변경 확률 및 감속 확률 중 적어도 하나를 생성하는 단계를 포함할 수 있다.
일실시예에 따르면, 상기 적어도 하나를 생성하는 단계는 상기 정류장 위치 정보에 기초하여, 상기 타겟 차량으로부터 미리 정의된 거리 내에 있는 정류장의 위치를 식별하는 단계; 상기 식별된 위치 및 상기 식별된 타겟 차로에 기초하여, 상기 타겟 차량의 차로 변경 방향을 판단하는 단계; 상기 타겟 차량으로부터 상기 정류장까지 떨어진 거리 및 상기 식별된 타겟 차로에 기초하여, 상기 차로 변경 방향에 대응하는 차로 변경 확률을 생성하는 단계; 및 상기 타겟 차량으로부터 상기 정류장까지 떨어진 상기 거리에 기초하여, 상기 타겟 차량의 감속 확률을 생성하는 단계를 포함할 수 있다.
일실시예에 따르면, 상기 적어도 하나를 생성하는 단계는 상기 버스 노선 정보에 기초하여, 상기 도로와 연결된 교차로에서 상기 타겟 차량이 좌회전 또는 우회전할지 여부를 예측하는 단계; 상기 예측 결과 및 상기 식별된 타겟 차로에 기초하여, 상기 타겟 차량의 차로 변경 방향을 판단하는 단계; 및 상기 타겟 차량으로부터 상기 교차로까지 떨어진 거리 및 상기 식별된 타겟 차로에 기초하여, 상기 차로 변경 방향에 대응하는 차로 변경 확률을 생성하는 단계를 포함할 수 있다.
일실시예에 따르면, 상기 적어도 하나를 생성하는 단계는 상기 버스 전용 차로 정보에 기초하여, 상기 타겟 차량의 위치로부터 미리 정의된 거리 내에 있는 버스 전용 차로를 식별하는 단계; 상기 식별된 버스 전용 차로 및 상기 식별된 타겟 차로에 기초하여, 상기 타겟 차량의 차로 변경 방향을 판단하는 단계; 및 상기 타겟 차량으로부터 상기 버스 전용 차로까지 떨어진 거리 및 상기 식별된 타겟 차로에 기초하여, 상기 차로 변경 방향에 대응하는 차로 변경 확률을 생성하는 단계를 포함할 수 있다.
일실시예에 따르면, 상기 버스 전용 차로를 식별하는 단계는 상기 버스 전용 차로의 운영 시간에 기초하여, 상기 버스 전용 차로가 운영 중인지 여부를 판단하는 단계를 포함할 수 있다.
일실시예에 따르면, 상기 움직임 예측 정보를 생성하는 단계는 상기 종류에 기초하여, 상기 도로가 상기 타겟 차량의 승객의 승하차 또는 상기 타겟 차량의 정차가 가능한 도로인지 여부를 판단하는 단계; 및 상기 판단 결과에 기초하여, 상기 타겟 차량의 차로 변경 확률 및 감속 확률 중 적어도 하나를 생성하는 단계를 포함할 수 있다.
일실시예에 따르면, 상기 적어도 하나를 생성하는 단계는 상기 종류가 택시인 경우, 상기 도로의 택시 승객 승하차 빈도를 판단하는 단계; 상기 도로 상 상기 적어도 하나의 차로 중 상기 타겟 차로를 식별하는 단계; 상기 식별된 타겟 차로에 기초하여, 택시 승객의 승하차를 위한 차로 변경 방향을 판단하는 단계; 상기 택시 승객 승하차 빈도 및 상기 식별된 타겟 차로에 기초하여, 상기 차로 변경 방향에 대응하는 차로 변경 확률을 생성하는 단계; 및 상기 택시 승하차 빈도에 기초하여, 상기 타겟 차량의 감속 확률을 생성하는 단계를 포함할 수 있다.
일실시예에 따르면, 상기 택시 승객 승하차 빈도를 판단하는 단계는 상기 도로가 시내 도로, 상업 지역의 도로, 고속 도로 중 어느 도로인지 여부를 판단하는 단계를 포함할 수 있다.
일실시예에 따르면, 상기 적어도 하나를 생성하는 단계는 상기 종류가 통학 차량인 경우, 상기 도로의 통학 차량 승객 승하차 빈도를 판단하는 단계; 상기 도로 상 상기 적어도 하나의 차로 중 상기 타겟 차로를 식별하는 단계; 상기 식별된 타겟 차로에 기초하여, 통학 차량 승객의 승하차를 위한 차로 변경 방향을 판단하는 단계; 상기 통학 차량 승객 승하차 빈도 및 상기 식별된 타겟 차로에 기초하여, 상기 차로 변경 방향에 대응하는 차로 변경 확률을 생성하는 단계; 및 상기 통학 차량 승객 승하차 빈도에 기초하여, 상기 타겟 차량의 감속 확률을 생성하는 단계를 포함할 수 있다.
일실시예에 따르면, 상기 통학 차량 승객 승하차 빈도를 판단하는 단계는 상기 도로가 주거 지역의 도로 또는 어린이 보호 구역의 도로인지 여부를 판단하는 단계를 포함할 수 있다.
일실시예에 따르면, 상기 적어도 하나를 생성하는 단계는 상기 종류가 쓰레기 수거 차량인 경우, 상기 도로의 쓰레기 수거 차량 정차 빈도를 판단하는 단계; 상기 도로 상 상기 적어도 하나의 차로 중 상기 타겟 차로를 식별하는 단계; 상기 식별된 타겟 차로에 기초하여, 쓰레기 수거 차량 정차를 위한 차로 변경 방향을 판단하는 단계; 상기 쓰레기 수거 차량 정차 빈도 및 상기 식별된 타겟 차로에 기초하여, 상기 차로 변경 방향에 대응하는 차로 변경 확률을 생성하는 단계; 및 상기 쓰레기 수거 차량 정차 빈도에 기초하여, 상기 타겟 차량의 감속 확률을 생성하는 단계를 포함할 수 있다.
일실시예에 따르면, 상기 쓰레기 수거 차량 정차 빈도를 판단하는 단계는 상기 도로가 주거 지역의 도로 또는 상업 지역의 도로인지 여부를 판단하는 단계를 포함할 수 있다.
일실시예에 따른 차량 움직임 예측 장치는 적어도 하나의 차로를 포함하는 도로에서 타겟 차로를 주행하는 타겟 차량의 종류를 식별하고, 상기 종류에 기초하여, 상기 타겟 차량의 움직임-상기 움직임은 상기 타겟 차로와 연관됨-을 예측하기 위한 움직임 예측 정보를 생성하는 프로세서를 포함한다.
도 1은 일실시예에 따른 차량 움직임 예측 방법을 설명하기 위한 도면이다.
도 2는 일실시예에 따른 차량 움직임 예측 방법을 설명하기 위한 순서도이다.
도 3은 일실시예에 따른 차량 움직임 예측 방법을 설명하기 위한 도면이다.
도 4는 일실시예에 따른 차량 움직임 예측 방법을 설명하기 위한 도면이다.
도 5는 일실시예에 따른 차량 움직임 예측 방법을 설명하기 위한 도면이다.
도 6은 일실시예에 따른 차량 움직임 예측 방법을 설명하기 위한 도면이다.
도 7은 일실시예에 따른 차량 움직임 예측 장치의 예시도이다.
도 8은 일실시예에 따른 차량 움직임 예측 장치의 예시도이다.
실시예들에 대한 특정한 구조적 또는 기능적 설명들은 단지 예시를 위한 목적으로 개시된 것으로서, 다양한 형태로 변경되어 실시될 수 있다. 따라서, 실시예들은 특정한 개시형태로 한정되는 것이 아니며, 본 명세서의 범위는 기술적 사상에 포함되는 변경, 균등물, 또는 대체물을 포함한다.
제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이런 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 해석되어야 한다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 설명된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함으로 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 해당 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 갖는 것으로 해석되어야 하며, 본 명세서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 실시예들을 첨부된 도면을 참조하여 상세하게 설명한다. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다.
도 1은 일실시예에 따른 차량 움직임 예측 방법을 설명하기 위한 도면이다.
차량 움직임 예측 장치는 차량의 움직임을 예측하는 장치로서, 예를 들어 소프트웨어 모듈, 하드웨어 모듈, 또는 이들의 다양한 조합으로 구현될 수 있다. 차량 움직임 예측 장치는 타겟 차량(101)의 움직임을 예측하기 위한 움직임 예측 정보를 생성할 수 있다. 타겟 차량(101)은 움직임 예측의 타겟이 되는 차량이다.
차량 움직임 예측 장치는 호스트 차량(Host Vehicle)(102)에 탑재되거나 호스트 차량(102)의 외부에서 호스트 차량(102)에 정보를 제공할 수 있고, 호스트 차량(102)의 주변 차량들의 움직임을 예측하고, 호스트 차량(102)의 제어에 필요한 정보를 생성할 수 있다. 차량 움직임 예측 장치는 호스트 차량(102)의 주행과 관련된 정보 또는 명령을 수집, 처리, 가공, 저장 또는 전송하거나 호스트 차량(102)을 로컬 또는 원격으로 제어할 수 있다. 이 경우, 호스트 차량(102)은 차량 움직임 예측 장치에 의해 제어의 타겟이 되는 차량일 수 있다.
차량 움직임 예측 장치는 호스트 차량(102)의 주행 보조 장치 또는 호스트 차량(102)의 자율 주행 제어 장치에 포함될 수 있다. 여기서, 주행 보조 장치 또는 자율 주행 제어 장치는 호스트 차량(102)의 주행을 보조하거나 자율 주행을 제어하는 장치로서 호스트 차량(102) 내부에 탑재되거나 외부의 서버로 구현될 수 있다.
도 1을 참조하면, 차량 움직임 예측 장치는 호스트 차량(102)의 주변 차량인 타겟 차량(101)을 감지하고, 감지된 타겟 차량(101)과 관련된 정보를 인식하여 타겟 차량(101)의 움직임을 예측할 수 있다. 호스트 차량(102)의 주변 차량은 호스트 차량(102)의 주변에 위치한 차량으로서, 예를 들면 호스트 차량(102)의 위치에 의해 정의되는 범위 내에 위치한 차량을 포함한다.
차량 움직임 예측 장치는 타겟 차량(101)의 종류와 위치 정보를 이용하여 차로와 연관된 타겟 차량의 움직임을 예측할 수 있는데, 이하 도 2의 순서도와 함께 차량 움직임 예측 방법을 설명한다.
도 2는 일실시예에 따른 차량 움직임 예측 방법을 설명하기 위한 순서도이다.
차량 움직임 예측 장치는 적어도 하나의 차로를 포함하는 도로에서 타겟 차로(103)를 주행하는 타겟 차량(101)의 종류를 식별할 수 있다(201). 타겟 차량(101)의 종류는 차량을 분류하는 카테고리로서, 예를 들어 버스, 택시, 통학 차량 등을 포함한다.
차량 움직임 예측 장치는 호스트 차량(102)의 적어도 하나의 센서 또는 카메라로부터 획득된 정보, 근거리 통신을 이용하여 타겟 차량(101)으로부터 수집한 정보, 호스트 차량(102)의 메모리 또는 외부의 서버로부터 획득된 정보 등을 이용하여 타겟 차량(101)과 관련된 특성을 분석할 수 있다. 여기서, 서버는 수정 및 편집이 자유로운 개방형 클라우드 및 접근 권한이 제한된 클라우드 형태로 구현된 서버를 포함한다.
차량 움직임 예측 장치는 타겟 차량(101)과 타겟 차량(101)이 주행하는 타겟 차로(103)를 인식할 수 있다. 차량 움직임 예측 장치는 타겟 차량(101)이 주행하는 도로의 차로들 중 타겟 차량(101)이 있는 타겟 차로(103)를 식별할 수 있다.
차량 움직임 예측 장치는 호스트 차량(102)의 주변 차량들(예를 들어, 호스트 차량(102)의 앞, 뒤 및 양 옆의 차량들)을 감지할 수 있고, 센서, 카메라 또는 외부 서버로부터 수집한 정보를 이용하여 타겟 차량(101)을 인식하고, 인식 결과를 저장할 수 있다. 차량 움직임 예측 장치는 센서, 카메라 또는 외부로부터 수집한 정보를 이용하여 타겟 차량(101)의 종류 및 타겟 차로(103)를 식별하거나 타겟 차량(101)의 종류 및 타겟 차로(103)의 식별 결과를 획득할 수 있다. 예를 들어, 차량 움직임 예측 장치는 호스트 차량(102)에 탑재된 센서 또는 카메라를 이용하여 타겟 차량(101)의 영상을 획득하고, 획득된 영상에 기초하여, 타겟 차량(101)의 종류 및 타겟 차로(103)를 식별할 수 있다.
차량 움직임 예측 장치는 호스트 차량(102)의 차로를 식별하거나 식별 결과를 획득할 수 있다. 차량 움직임 예측 장치는 호스트 차량(102)의 속도 및 타겟 차량(101)의 속도를 감지 또는 획득할 수 있다. 타겟 차량(101)의 종류, 타겟 차로(103) 및 호스트 차량(102)의 차로를 식별하거나 타겟 차량(101)의 속도 및 호스트 차량(102)의 속도를 감지하는 동작에는 상술한 방식에 제한되지 않고 다양한 기법들이 채용될 수 있다.
차량 움직임 예측 장치는 타겟 차량(101)의 종류에 기초하여, 타겟 차량(101)의 움직임을 예측하기 위한 움직임 예측 정보를 생성할 수 있다(202). 타겟 차량(101)의 움직임은 타겟 차로(103)와 연관된 움직임으로서, 예를 들어 타겟 차로(103)로부터 차로를 변경하는 움직임 또는 차로의 변경 없이 타겟 차로(103)를 유지하는 움직임, 타겟 차로(103)에서 가속 또는 감속하는 움직임을 포함한다.
일실시예에 따르면, 차량 움직임 예측 장치는 타겟 차량(101)의 종류와 연관된 위치 정보를 획득하고, 타겟 차량(101)의 종류 및 위치 정보에 기초하여 타겟 차량(101)의 움직임 예측 정보를 생성할 수 있다. 타겟 차량(101)의 종류와 연관된 위치 정보는 타겟 차량(101)의 종류에 따라 타겟 차량(101)의 주행에 고려되는 위치 정보이다. 예를 들어 타겟 차량(101)의 종류가 버스인 경우, 위치 정보는 버스 전용 차로 정보, 버스 노선 정보, 정류장 위치 정보를 포함한다. 또한, 위치 정보는 타겟 차량(101)의 위치, 타겟 차량(101)이 위치한 도로의 특성, 타겟 차량(101)의 주행을 위한 차로 정보도 포함할 수 있다.
차량 움직임 예측 장치는 타겟 차량(101)의 종류 및 타겟 차량(101)의 위치 정보에 기초하여 타겟 차량(101)의 차로 변경 확률 및 감속 확률을 생성할 수 있다. 여기서, 차로 변경 확률은 타겟 차량(101)의 차로 변경이 발생할 확률을 의미하고, 감속 확률은 타겟 차량(101)의 감속이 발생할 확률을 의미한다.
도 1을 참조하면, 차량 움직임 예측 장치는 타겟 차량(101)의 종류 및 타겟 차량(101)의 위치 정보에 기초하여, 타겟 차량(101)이 직진할 확률 p1(104), 타겟 차량(101)이 우측으로 차로를 변경할 확률 p2(105) 및 타겟 차량(101)이 좌측으로 차로를 변경할 확률 p3(106)을 계산할 수 있다. 또한, 차량 움직임 예측 장치는 타겟 차량(101)의 종류 및 타겟 차량(101)의 위치 정보에 기초하여, 타겟 차량(101)의 감속 확률 p4(107)을 계산할 수 있다.
여기서, 타겟 차량(101)이 직진할 확률 p1(104)은 타겟 차량(101)이 차로 변경 없이 타겟 차로(103)를 유지하여 주행할 확률을 의미한다. 타겟 차량(101)이 우측으로 차로를 변경할 확률 p2(105)은 타겟 차량(101)이 타겟 차로(103)로부터 우측 차로(3차로)로 차로를 변경할 확률을 의미하고, 타겟 차량(101)이 좌측으로 차로를 변경할 확률 p3(106)은 타겟 차량(101)이 타겟 차로(103)로부터 좌측 차로(1차로)로 차로를 변경할 확률을 의미한다. 차로와 관련된 타겟 차량(101)의 움직임은 차로 유지 및 차로 변경의 2가지 시나리오 중 어느 하나로 분류될 수 있으므로, p1(104), p2(105) 및 p3(106)의 총합은 1이 된다. 타겟 차량(101)의 감속 확률 p4(107)은 감속이 발생하는지 여부에 대한 확률이므로, 0과 1사이의 값일 수 있다.
차량 움직임 예측 장치는 타겟 차량(101)의 종류 및 타겟 차량(101)의 위치 정보에 기초하여, 타겟 차량(101)의 차로 변경 확률 및 감속 확률을 생성하고, 생성된 확률에 따라 타겟 차량(101)의 움직임을 예측할 수 있다. 여기서 생성된 차로 변경 확률 및 감속 확률은 타겟 차량(101)의 움직임 예측에 반영될 수 있고, 기 예측된 차로 변경 확률 및 감속 확률을 조정하는데 이용될 수 있다.
차량 움직임 예측 장치는 호스트 차량(102)의 제어를 위해, 타겟 차량(101)의 타겟 차로(103)와 호스트 차량(102)의 호스트 차로(1차로)를 식별할 수 있다. 차량 움직임 예측 장치는 타겟 차로(103), 호스트 차로(1차로), 차로 변경 확률 p1(104), p2(105) 및 p3(106), 감속 확률 p4(107), 타겟 차량(107)의 속도 및 호스트 차량(102)의 속도에 기초하여, 호스트 차량(102)의 목표 속도를 생성할 수 있다. 차량 움직임 예측 장치는 생성된 목표 속도에 기초하여 호스트 차량(102)의 속도를 제어할 수 있다.
차량 움직임 예측 장치는 타겟 차로(103), 호스트 차로(1차로), 차로 변경 확률 p1(104), p2(105) 및 p3(106), 감속 확률 p4(107), 타겟 차량(107)의 속도 및 호스트 차량(102)의 속도에 기초하여, 호스트 차량(102)의 차로 변경이 필요한지 여부를 판단할 수 있다. 차량 움직임 예측 장치는 판단 결과에 따라 호스트 차량(102)의 주행을 제어할 수 있다.
호스트 차량(102)의 주행은 주변 차량의 방향지시등, 이동 궤적, 속도 등의 인식 정보에 기초하여 제어될 수 있는데, 주변 차량의 예기치 못한 차로 변경 또는 급감속에 대응하기 어려울 수 있다. 예를 들어, 버스나 택시는 급박한 차로 변경 또는 급정차가 많음에도 불구하고, 주변 차량의 방향지시등만으로 호스트 차량(102)의 주행이 제어될 경우 충돌 위험이 발생할 수 있다.
차량 움직임 예측 장치는 타겟 차량(101)의 종류와 타겟 차량(101)의 종류와 연관된 위치 정보를 이용하여 타겟 차량(101)의 움직임을 미리 예측하고, 타겟 차량(101)의 차로 변경 확률과 감속 확률을 조정하므로, 갑작스러운 차로 변경 또는 감속에 따른 사고 위험을 줄일 수 있다. 차량 움직임 예측 장치는 타겟 차량(101)의 갑작스러운 차로 변경 또는 감속에 대응하여 호스트 차량(102)의 주행을 제어할 수 있다.
도 3은 일실시예에 따른 차량 움직임 예측 방법을 설명하기 위한 도면이다.
도 3을 참조하면, 차량 움직임 예측 장치는 호스트 차량(302)의 주변의 타겟 차량(301)을 인식할 수 있다. 차량 움직임 예측 장치는 타겟 차량(301)의 종류가 버스인지 여부를 판단할 수 있다.
차량 움직임 예측 장치는 타겟 차량(301)의 영상을 분석하여 타겟 차량(301)의 종류가 버스인 것으로 판단하고, 타겟 차량(301)의 종류가 버스인 경우 버스 노선 번호를 인식하고, 버스 전용 차로 정보, 버스 노선 정보 및 정류장 위치 정보 중 적어도 하나를 획득할 수 있다.
차량 움직임 예측 장치는 도로 상 적어도 하나의 차로 중 타겟 차량(301)의 타겟 차로(303)를 식별할 수 있다. 차량 움직임 예측 장치는 버스 전용 차로 정보, 버스 노선 정보 및 정류장 위치 정보 중 적어도 하나의 정보와 타겟 차로(303)에 기초하여, 타겟 차량(301)의 차로 변경 확률 및 감속 확률 중 적어도 하나를 생성할 수 있다.
일실시예에 따르면, 차량 움직임 예측 장치는 정류장 위치 정보에 기초하여, 타겟 차량(301)으로부터 미리 정의된 거리 내에 있는 정류장(304)의 위치를 식별할 수 있다. 예를 들어, 정류장 위치 정보는 지도 상에 타겟 차량(301)의 버스 노선 번호에 대응하는 정류장(304)의 위치가 표현된 정보일 수 있다. 차량 움직임 예측 장치는 타겟 차량(301)의 버스 노선에 따른 경로와 정류장(304)의 위치를 파악하고, 현재 타겟 차량(301)의 위치와 정류장(304)의 위치와의 관계를 판단할 수 있다.
차량 움직임 예측 장치는 정류장(304)의 위치 및 타겟 차로(303)에 기초하여, 타겟 차량(301)의 차로 변경 방향을 판단할 수 있다. 타겟 차로(303)는 1차로이고, 3차로 외곽의 인도에 있는 정류장(304)은 타겟 차량(301)으로부터 미리 정의된 거리 내에 있으므로, 차량 움직임 예측 장치는 타겟 차량(301)의 차로 변경 방향이 우측 방향인 것으로 판단할 수 있다.
차량 움직임 예측 장치는 타겟 차량(301)으로부터 정류장(304)까지 떨어진 거리 및 타겟 차로(303)에 기초하여, 차로 변경 방향에 대응하는 차로 변경 확률(306)을 생성할 수 있다. 차량 움직임 예측 장치는 타겟 차량(301)으로부터 정류장(304)까지 떨어진 거리에 기초하여, 타겟 차량(301)의 감속 확률(308)을 생성할 수 있다.
예를 들어, 차량 움직임 예측 장치는 타겟 차량(301)이 직진할 확률(305), 타겟 차량(301)이 우측으로 차로를 변경할 확률(306), 타겟 차량(301)이 좌측으로 차로를 변경할 확률(307) 및 타겟 차량(301)이 감속할 확률(308)을 생성하기 위해, 표 1의 정보를 획득할 수 있다.
Figure pat00001
차량 움직임 예측 장치는 표 1의 획득된 정보로부터 타겟 차량(301)의 차로 변경 확률과 감속 확률(308)을 계산할 수 있다. 차량 움직임 예측 장치는 차로 변경 방향이 우측 방향이므로, 타겟 차량(301)이 좌측으로 차로를 변경할 확률 p1(307)을 0으로 설정할 수 있다. 타겟 차량(301)이 직진할 확률 p0(305), 타겟 차량(301)이 우측으로 차로를 변경할 확률 p2(306) 및 타겟 차량(301)이 좌측으로 차로를 변경할 확률 p1(307)의 총합은 1이므로, 차량 움직임 예측 장치는 수학식 1을 이용하여 p0(305), p1(307), 및 p2(306)의 관계를 생성할 수 있다.
Figure pat00002
차량 움직임 예측 장치는 수학식 2를 이용하여 p2(306)를 계산할 수 있다.
Figure pat00003
여기서, max{}함수가 활용된 것은 p2(306)가 음수가 되는 것을 방지하기 위함이다. 수학식 2에 따르면, 차량 움직임 예측 장치는 타겟 차량(301)이 정류장(304)에 가까워질수록 p2(306)가 커지고, 타겟 차로(303)가 정류장(304)으로부터 멀수록 p2(306)가 커지는 확률 모델을 활용할 수 있다.
차량 움직임 예측 장치는 수학식 3을 이용하여 타겟 차량(301)의 감속 확률 q(308)를 계산할 수 있다.
Figure pat00004
여기서, max{}함수가 활용된 것은 q(308)가 음수가 되는 것을 방지하기 위함이다. 수학식 3에 따르면, 차량 움직임 예측 장치는 타겟 차량(301)이 정류장(304)에 가까워질수록 q(308)가 커지는 확률 모델을 활용할 수 있다.
차량 움직임 예측 장치는 수학식 1 내지 3을 이용하여 표 2와 같이 p0(305), p1(307), p2(306) 및 q(308)를 생성할 수 있다.
Figure pat00005
차량 움직임 예측 장치는 타겟 차량(301)의 타겟 차로(303), 차로 변경 확률, 감속 확률 및 속도와 호스트 차량(302)의 차로 및 속도에 기초하여 호스트 차량(302)의 목표 속도를 생성할 수 있다. 차량 움직임 예측 장치는 수학식 4를 이용하여 호스트 차량(302)의 목표 속도를 계산할 수 있다.
Figure pat00006
타겟 차량(301)이 호스트 차량(302)의 좌측 차로에 있으므로, 차량 움직임 예측 장치는 p2(306)와 q(308)가 커짐에 따라 호스트 차량(302)의 목표 속도가 타겟 차량(301)의 감속된 속도에 기초하여 조절되는 수학식 4의 모델을 활용할 수 있다.
상술한 표 1 내지 2와 수학식 1 내지 4의 모델은 예시에 지나지 않고, 차량 움직임 예측 장치는 타겟 차량(301)의 움직임을 예측하기 위해, 타겟 차량(301)의 종류와 연관된 위치 정보 및 타겟 차로(303)를 이용하는 다양한 기법들을 채용할 수 있다.
도 4는 일실시예에 따른 차량 움직임 예측 방법을 설명하기 위한 도면이다.
도 4를 참조하면, 차량 움직임 예측 장치는 호스트 차량(402)의 주변의 타겟 차량(401)을 인식하고, 타겟 차량(401)의 종류가 버스인 것으로 판단할 수 있다. 차량 움직임 예측 장치는 도로(405) 상 차로들 중 타겟 차량(401)의 타겟 차로(403)를 식별하고, 타겟 차량(401)의 버스 노선 정보(404)를 획득할 수 있다.
차량 움직임 예측 장치는 버스 노선 정보(404)에 기초하여 도로(405)와 연결된 교차로(406)에서 타겟 차량(401)이 좌회전 또는 우회전할지 여부를 예측할 수 있다. 예를 들어, 차량 움직임 예측 장치는 타겟 차량(401)이 교차로(406)에서 좌회전(407)할 것으로 예측할 수 있다.
차량 움직임 예측 장치는 타겟 차량(401)이 좌회전 또는 우회전할지 여부의 예측 결과 및 타겟 차로(403)에 기초하여, 타겟 차량(401)의 차로 변경 방향을 판단할 수 있다. 예를 들어, 차량 움직임 예측 장치는 타겟 차량(401)이 교차로(406)에서 좌회전(407)할 것으로 예측하였고, 타겟 차로(403)가 3차로이므로, 타겟 차량(401)의 차로 변경 방향이 좌측 방향인 것으로 판단할 수 있다.
차량 움직임 예측 장치는 타겟 차량(401)으로부터 교차로(406)까지 떨어진 거리 및 타겟 차로(403)에 기초하여, 차로 변경 방향인 좌측 방향에 대응하는 차로 변경 확률(408)을 생성할 수 있다. 차량 움직임 예측 장치는 타겟 차량(401)으로부터 교차로(406)까지 떨어진 거리가 작아질수록 차로 변경 확률(408)이 커지고, 타겟 차로(403)가 좌회전 차로로부터 멀리 떨어져 있을수록 차로 변경 확률(408)이 커지는 확률 모델을 활용하여, 차로 변경 확률(408)을 계산할 수 있다.
도 5는 일실시예에 따른 차량 움직임 예측 방법을 설명하기 위한 도면이다.
도 5를 참조하면, 차량 움직임 예측 장치는 호스트 차량(502)의 주변의 타겟 차량(501)을 인식하고, 타겟 차량(501)의 종류가 버스인 것으로 판단할 수 있다. 차량 움직임 예측 장치는 도로 상 차로들 중 타겟 차량(501)의 타겟 차로(503)를 식별하고, 버스 전용 차로 정보를 획득할 수 있다.
차량 움직임 예측 장치는 버스 전용 차로 정보에 기초하여 타겟 차량(501)이 있는 도로 또는 타겟 차량(501)의 도착이 예정된 도로에 버스 전용 차로(504)가 있는지 여부를 판단할 수 있다. 차량 움직임 예측 장치는 타겟 차량(501)의 위치로부터 미리 정의된 거리 내에 있는 버스 전용 차로(504)를 식별할 수 있다.
일실시예에 따르면, 차량 움직임 예측 장치는 버스 전용 차로 정보에 기초하여 버스 전용 차로(504)의 운영 시간을 판단할 수 있고, 버스 전용 차로(504)의 운영 시간에 기초하여 버스 전용 차로(504)가 운영 중인지 여부를 판단할 수 있다. 차량 움직임 예측 장치는 버스 전용 차로(504)가 운영 중인 것에 응답하여 버스 전용 차로(504)를 식별할 수 있다.
차량 움직임 예측 장치는 버스 전용 차로(504) 및 타겟 차로(503)에 기초하여, 타겟 차량(501)의 차로 변경 방향을 판단할 수 있다. 예를 들어, 차량 움직임 예측 장치는 타겟 차로(503)가 4차로이고, 버스 전용 차로(504)가 1차로이므로, 타겟 차량(501)의 차로 변경 방향이 좌측 방향인 것으로 판단할 수 있다.
차량 움직임 예측 장치는 타겟 차량(501)으로부터 버스 전용 차로(504)까지 떨어진 거리 및 타겟 차로(503)에 기초하여, 차로 변경 방향에 대응하는 차로 변경 확률(505)을 생성할 수 있다. 여기서, 타겟 차량(501)으로부터 버스 전용 차로(504)까지 떨어진 거리는 타겟 차량(501)이 주행하고 있는 도로로부터 버스 전용 차로(504)가 시작되는 도로까지의 거리이다. 따라서, 타겟 차량(501)이 주행하고 있는 도로에 버스 전용 차로(504)가 있다면 타겟 차량(501)으로부터 버스 전용 차로(504)까지 떨어진 거리는 0이 된다.
차량 움직임 예측 장치는 타겟 차량(501)으로부터 버스 전용 차로(504)까지 떨어진 거리가 작아질수록 차로 변경 확률(505)이 커지고, 타겟 차로(503)가 버스 전용 차로(504)로부터 멀리 떨어져 있을수록 차로 변경 확률(505)이 커지는 확률 모델을 활용하여, 차로 변경 확률(505)을 계산할 수 있다.
도 6은 일실시예에 따른 차량 움직임 예측 방법을 설명하기 위한 도면이다.
도 6을 참조하면, 차량 움직임 예측 장치는 호스트 차량(602)의 주변의 타겟 차량(601)을 인식하고, 타겟 차량(601)의 종류를 식별할 수 있다. 차량 움직임 예측 장치는 타겟 차량(601)의 종류에 기초하여, 타겟 차량(601)이 주행하는 도로(604)가 타겟 차량(601)의 승객의 승하차 또는 타겟 차량(601)의 정차가 가능한 도로(604)인지 여부를 판단할 수 있다. 차량 움직임 예측 장치는 판단 결과에 기초하여, 타겟 차량(601)의 차로 변경 확률 및 감속 확률 중 적어도 하나를 생성할 수 있다.
차량 움직임 예측 장치는 도로(604) 상 차로들 중 타겟 차량(601)의 타겟 차로(603)를 식별하고, 타겟 차량(601)의 종류가 택시인 것으로 판단할 수 있다. 타겟 차량(601)의 종류가 택시인 경우, 차량 움직임 예측 장치는 도로(604)의 택시 승객 승하차 빈도를 판단할 수 있다. 예를 들어, 차량 움직임 예측 장치는 도로(604)가 시내 도로, 상업 지역의 도로, 고속 도로 중 어느 도로인지 여부를 판단할 수 있다. 차량 움직임 예측 장치는 도로(604)의 위치에 기초하여 도로(604)를 식별하고, 식별된 도로(604)에 기초하여 도로(604)의 택시 승객 승하차 빈도를 획득할 수 있다.
차량 움직임 예측 장치는 타겟 차로(603)에 기초하여, 택시 승객의 승하차를 위한 차로 변경 방향을 판단할 수 있다. 타겟 차로(603)는 1차로이고, 택시 승객의 승하차는 3차로 외곽의 인도에서 이루어지므로, 차량 움직임 예측 장치는 타겟 차량(601)의 차로 변경 방향이 우측 방향인 것으로 판단할 수 있다.
차량 움직임 예측 장치는 택시 승객 승하차 빈도 및 타겟 차로(603)에 기초하여, 차로 변경 방향에 대응하는 차로 변경 확률(606)을 생성할 수 있다. 차량 움직임 예측 장치는 택시 승하차 빈도에 기초하여, 타겟 차량(601)의 감속 확률(606)을 생성할 수 있다.
차량 움직임 예측 장치는 택시 승객 승하차 빈도가 클수록 차로 변경 확률(606) 및 감속 확률(606)이 커지고, 타겟 차로(603)가 택시 승객 승하차를 위한 차로로부터 멀리 떨어져 있을수록 차로 변경 확률(606)이 커지는 확률 모델을 활용하여, 차로 변경 확률(505)을 계산할 수 있다.
차량 움직임 예측 장치는 도로(604)가 시내 도로인 경우 표 3과 같이 타겟 차량(601)의 차로 변경 확률을 생성할 수 있다.
Figure pat00007
차량 움직임 예측 장치는 도로(604)가 상업 지역의 도로인 경우 표 4와 같이 타겟 차량(601)의 차로 변경 확률과 감속 확률을 생성할 수 있다.
Figure pat00008
차량 움직임 예측 장치는 도로(604)가 고속 도로인 경우 표 5과 같이 타겟 차량(601)의 차로 변경 확률과 감속 확률을 생성할 수 있다.
Figure pat00009
도시하지는 않았지만, 차량 움직임 예측 장치는 타겟 차량의 종류가 통학 차량인지 여부를 판단할 수 있다. 차량 움직임 예측 장치는 타겟 차량의 종류가 통학 차량인 경우, 타겟 차량이 주행하는 도로의 통학 차량 승객 승하차 빈도를 판단할 수 있다. 예를 들어, 차량 움직임 예측 장치는 타겟 차량이 주행하는 도로가 주거 지역의 도로 또는 어린이 보호 구역의 도로인지 여부를 판단하고, 판단 결과에 기초하여 통학 차량 승객 승하차 빈도를 판단할 수 있다. 주거 지역의 도로 또는 어린이 보호 구역의 도로의 통학 차량 승객 승하차 빈도는 일반 도로의 통학 차량 승객 승하차 빈도보다 클 수 있다.
차량 움직임 예측 장치는 도로 상 타겟 차량의 타겟 차로를 식별하고, 식별된 타겟 차로에 기초하여, 통학 차량 승객의 승하차를 위한 차로 변경 방향을 판단할 수 있다. 차량 움직임 예측 장치는 통학 차량 승객 승하차 빈도 및 타겟 차로에 기초하여, 차로 변경 방향에 대응하는 차로 변경 확률을 생성할 수 있다. 차량 움직임 예측 장치는 통학 차량 승객 승하차 빈도에 기초하여, 타겟 차량의 감속 확률을 생성할 수 있다.
차량 움직임 예측 장치는 통학 차량 승객 승하차 빈도가 클수록 승하차를 위한 차로 변경 확률 및 감속 확률이 커지고, 타겟 차로가 통학 차량 승객 승하차를 위한 차로로부터 멀리 떨어져 있을수록 차로 변경 확률이 커지는 확률 모델을 활용하여, 차로 변경 확률을 계산할 수 있다.
도시하지는 않았지만, 차량 움직임 예측 장치는 타겟 차량의 종류가 쓰레기 수거 차량인지 여부를 판단할 수 있다. 차량 움직임 예측 장치는 타겟 차량의 종류가 쓰레기 수거 차량인 경우, 타겟 차량이 주행하는 도로의 쓰레기 수거 차량 정차 빈도를 판단할 수 있다. 예를 들어, 차량 움직임 예측 장치는 타겟 차량이 주행하는 도로가 주거 지역의 도로 또는 상업 지역의 도로인지 여부를 판단하고, 판단 결과에 기초하여 쓰레기 수거 차량 정차 빈도를 판단할 수 있다. 주거 지역의 도로 또는 상업 지역의 도로의 쓰레기 수거 차량 정차 빈도는 일반 도로의 쓰레기 수거 차량 정차 빈도보다 클 수 있다.
차량 움직임 예측 장치는 도로 상 타겟 차량의 타겟 차로를 식별하고, 식별된 타겟 차로에 기초하여, 쓰레기 수거 차량 정차를 위한 차로 변경 방향을 판단할 수 있다. 차량 움직임 예측 장치는 쓰레기 수거 차량 정차 빈도 및 타겟 차로에 기초하여, 차로 변경 방향에 대응하는 차로 변경 확률을 생성할 수 있다. 차량 움직임 예측 장치는 쓰레기 수거 차량 정차 빈도에 기초하여, 타겟 차량의 감속 확률을 생성할 수 있다.
차량 움직임 예측 장치는 쓰레기 수거 차량 정차 빈도가 클수록 쓰레기 수거 차량 정차를 위한 차로 변경 확률 및 감속 확률이 커지고, 타겟 차로가 쓰레기 수거 차량 정차를 위한 차로로부터 멀리 떨어져 있을수록 차로 변경 확률이 커지는 확률 모델을 활용하여, 차로 변경 확률을 계산할 수 있다.
도 7은 일실시예에 따른 차량 움직임 예측 장치의 예시도이다.
도 7을 참조하면, 차량 움직임 예측 장치(701)은 프로세서(702) 및 메모리(703)를 포함한다. 차량 움직임 예측 장치(701)은 차량에 탑재될 수 있지만 차량 외부에 설치되어 차량과 통신할 수도 있다.
메모리(703)는 차량 움직임 예측과 관련된 명령들을 처리하기 위한 프로그램이 기록될 수 있고, 도 1 내지 6을 참조하여 설명된 동작들을 실행하기 위한 명령들이 기록될 수 있다. 또한, 메모리(703)는 호스트 차량의 센서 또는 카메라로부터 감지되는 정보와 서버로부터 수신한 정보를 기록할 수 있다.
프로세서(702)는 메모리(703)에 기록된 프로그램을 로딩하여 실행할 수 있다. 프로세서(702)는 타겟 차량의 종류와 타겟 차량의 종류와 연관된 위치 정보에 기초하여 타겟 차량의 차로와 연관된 움직임 예측 정보와 호스트 차량의 목표 속도를 생성할 수 있고, 생성된 정보에 기초하여 호스트 차량을 제어할 수 있다.
프로세서(702)는 타겟 차량의 움직임 예측 정보와 호스트 차량의 목표 속도를 디스플레이(704)에 표시하거나 호스트 차량의 주행을 제어하여 호스트 차량의 주행과 관련된 안전도 성능을 높일 수 있다. 여기서 프로세서(702)의 동작들은 위에서 설명한 실시예들이 적용되므로, 중복되는 내용의 설명은 생략한다.
도 8은 일실시예에 따른 차량 움직임 예측 장치의 예시도이다.
차량 움직임 예측 장치는 객체 검출부(802), 종류 식별부(803), 차로 변경 확률 생성부(806), 감속 확률 생성부(807) 및 제어부(808)를 포함한다. 객체 검출부(802)는 센서들(801)로부터 획득된 정보를 이용하여 타겟 차량을 인식할 수 있다. 여기서, 센서들(801)은 자이로 센서, IMU 센서, 카메라, Radar, LiDAR, GPS 및 기타 센서들을 포함한다. 종류 식별부(803)는 타겟 차량의 종류를 식별할 수 있다. 종류 식별부(803)는 식별된 종류가 미리 정의된 종류인지 여부를 판단하고(804), 식별된 종류가 미리 정의된 종류가 아닌 경우 판단 결과를 제어부(808)로 전달할 수 있다. 제어부(808)는 호스트 차량을 제어할 수 있다.
종류 식별부(803)는 식별된 종류가 미리 정의된 종류인 경우, 식별된 종류에 관한 정보 및 식별된 종류와 연관된 위치 정보(805)를 차로 변경 확률 생성부(806)와 감속 확률 생성부(807)로 전달할 수 있다. 여기서, 위치 정보(805)는 지도 정보와 같이 상술한 예시들을 포함한다.
차로 변경 확률 생성부(806)는 타겟 차량의 차로 변경 확률을 생성하고, 생성된 차로 변경 확률을 제어부(808)로 전달할 수 있다. 감속 확률 생성부(807)는 타겟 차량의 감속 확률을 생성하고, 생성된 감속 확률을 제어부(808)로 전달할 수 있다. 제어부(808)는 수신된 정보에 기초하여 호스트 차량을 제어할 수 있다.
이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims (25)

  1. 적어도 하나의 차로를 포함하는 도로에서 타겟 차로를 주행하는 타겟 차량의 종류를 식별하는 단계; 및
    상기 종류에 기초하여, 상기 타겟 차량의 움직임-상기 움직임은 상기 타겟 차로와 연관됨-을 예측하기 위한 움직임 예측 정보를 생성하는 단계
    를 포함하는
    차량 움직임 예측 방법.
  2. 제1항에 있어서,
    상기 타겟 차량의 종류와 연관된 위치 정보를 획득하는 단계
    를 더 포함하고,
    상기 움직임 예측 정보를 생성하는 단계는
    상기 종류 및 상기 위치 정보에 기초하여, 상기 타겟 차량의 차로 변경 확률 및 감속 확률 중 적어도 하나를 생성하는 단계
    를 포함하는,
    차량 움직임 예측 방법.
  3. 제2항에 있어서,
    상기 차로 변경 확률은 상기 타겟 차량의 차로 변경이 발생할 확률이고,
    상기 감속 확률은 상기 타겟 차량의 감속이 발생할 확률인,
    차량 움직임 예측 방법.
  4. 제2항에 있어서,
    상기 도로 상 상기 적어도 하나의 차로 중 상기 타겟 차로와 호스트 차량의 호스트 차로를 식별하는 단계; 및
    상기 타겟 차로, 상기 호스트 차로, 상기 차로 변경 확률, 상기 감속 확률, 상기 타겟 차량의 속도 및 상기 호스트 차량의 속도에 기초하여, 상기 호스트 차량의 목표 속도를 생성하는 단계
    를 더 포함하는,
    차량 움직임 예측 방법.
  5. 제1항에 있어서,
    상기 움직임 예측 정보를 생성하는 단계는
    상기 종류가 버스인 경우, 버스 전용 차로 정보, 상기 타겟 차량의 버스 노선 정보 및 정류장 위치 정보 중 적어도 하나를 획득하는 단계;
    상기 도로 상 상기 적어도 하나의 차로 중 상기 타겟 차로를 식별하는 단계; 및
    상기 획득된 적어도 하나의 정보 및 상기 식별된 타겟 차로에 기초하여, 상기 타겟 차량의 차로 변경 확률 및 감속 확률 중 적어도 하나를 생성하는 단계
    를 포함하는,
    차량 움직임 예측 방법.
  6. 제5항에 있어서,
    상기 적어도 하나를 생성하는 단계는
    상기 정류장 위치 정보에 기초하여, 상기 타겟 차량으로부터 미리 정의된 거리 내에 있는 정류장의 위치를 식별하는 단계;
    상기 식별된 위치 및 상기 식별된 타겟 차로에 기초하여, 상기 타겟 차량의 차로 변경 방향을 판단하는 단계;
    상기 타겟 차량으로부터 상기 정류장까지 떨어진 거리 및 상기 식별된 타겟 차로에 기초하여, 상기 차로 변경 방향에 대응하는 차로 변경 확률을 생성하는 단계; 및
    상기 타겟 차량으로부터 상기 정류장까지 떨어진 상기 거리에 기초하여, 상기 타겟 차량의 감속 확률을 생성하는 단계
    를 포함하는,
    차량 움직임 예측 방법.
  7. 제5항에 있어서,
    상기 적어도 하나를 생성하는 단계는
    상기 버스 노선 정보에 기초하여, 상기 도로와 연결된 교차로에서 상기 타겟 차량이 좌회전 또는 우회전할지 여부를 예측하는 단계;
    상기 예측 결과 및 상기 식별된 타겟 차로에 기초하여, 상기 타겟 차량의 차로 변경 방향을 판단하는 단계; 및
    상기 타겟 차량으로부터 상기 교차로까지 떨어진 거리 및 상기 식별된 타겟 차로에 기초하여, 상기 차로 변경 방향에 대응하는 차로 변경 확률을 생성하는 단계
    를 포함하는,
    차량 움직임 예측 방법.
  8. 제5항에 있어서,
    상기 적어도 하나를 생성하는 단계는
    상기 버스 전용 차로 정보에 기초하여, 상기 타겟 차량의 위치로부터 미리 정의된 거리 내에 있는 버스 전용 차로를 식별하는 단계;
    상기 식별된 버스 전용 차로 및 상기 식별된 타겟 차로에 기초하여, 상기 타겟 차량의 차로 변경 방향을 판단하는 단계; 및
    상기 타겟 차량으로부터 상기 버스 전용 차로까지 떨어진 거리 및 상기 식별된 타겟 차로에 기초하여, 상기 차로 변경 방향에 대응하는 차로 변경 확률을 생성하는 단계
    를 포함하는,
    차량 움직임 예측 방법.
  9. 제8항에 있어서,
    상기 버스 전용 차로를 식별하는 단계는
    상기 버스 전용 차로의 운영 시간에 기초하여, 상기 버스 전용 차로가 운영 중인지 여부를 판단하는 단계
    를 포함하는,
    차량 움직임 예측 방법.
  10. 제1항에 있어서,
    상기 움직임 예측 정보를 생성하는 단계는
    상기 종류에 기초하여, 상기 도로가 상기 타겟 차량의 승객의 승하차 또는 상기 타겟 차량의 정차가 가능한 도로인지 여부를 판단하는 단계; 및
    상기 판단 결과에 기초하여, 상기 타겟 차량의 차로 변경 확률 및 감속 확률 중 적어도 하나를 생성하는 단계
    를 포함하는,
    차량 움직임 예측 방법.
  11. 제10항에 있어서,
    상기 적어도 하나를 생성하는 단계는
    상기 종류가 택시인 경우, 상기 도로의 택시 승객 승하차 빈도를 판단하는 단계;
    상기 도로 상 상기 적어도 하나의 차로 중 상기 타겟 차로를 식별하는 단계;
    상기 식별된 타겟 차로에 기초하여, 택시 승객의 승하차를 위한 차로 변경 방향을 판단하는 단계;
    상기 택시 승객 승하차 빈도 및 상기 식별된 타겟 차로에 기초하여, 상기 차로 변경 방향에 대응하는 차로 변경 확률을 생성하는 단계; 및
    상기 택시 승하차 빈도에 기초하여, 상기 타겟 차량의 감속 확률을 생성하는 단계
    를 포함하는,
    차량 움직임 예측 방법.
  12. 제11항에 있어서,
    상기 택시 승객 승하차 빈도를 판단하는 단계는
    상기 도로가 시내 도로, 상업 지역의 도로, 고속 도로 중 어느 도로인지 여부를 판단하는 단계
    를 포함하는,
    차량 움직임 예측 방법.
  13. 제10항에 있어서,
    상기 적어도 하나를 생성하는 단계는
    상기 종류가 통학 차량인 경우, 상기 도로의 통학 차량 승객 승하차 빈도를 판단하는 단계;
    상기 도로 상 상기 적어도 하나의 차로 중 상기 타겟 차로를 식별하는 단계;
    상기 식별된 타겟 차로에 기초하여, 통학 차량 승객의 승하차를 위한 차로 변경 방향을 판단하는 단계;
    상기 통학 차량 승객 승하차 빈도 및 상기 식별된 타겟 차로에 기초하여, 상기 차로 변경 방향에 대응하는 차로 변경 확률을 생성하는 단계; 및
    상기 통학 차량 승객 승하차 빈도에 기초하여, 상기 타겟 차량의 감속 확률을 생성하는 단계
    를 포함하는,
    차량 움직임 예측 방법.
  14. 제13항에 있어서,
    상기 통학 차량 승객 승하차 빈도를 판단하는 단계는
    상기 도로가 주거 지역의 도로 또는 어린이 보호 구역의 도로인지 여부를 판단하는 단계
    를 포함하는,
    차량 움직임 예측 방법.
  15. 제10항에 있어서,
    상기 적어도 하나를 생성하는 단계는
    상기 종류가 쓰레기 수거 차량인 경우, 상기 도로의 쓰레기 수거 차량 정차 빈도를 판단하는 단계;
    상기 도로 상 상기 적어도 하나의 차로 중 상기 타겟 차로를 식별하는 단계;
    상기 식별된 타겟 차로에 기초하여, 쓰레기 수거 차량 정차를 위한 차로 변경 방향을 판단하는 단계;
    상기 쓰레기 수거 차량 정차 빈도 및 상기 식별된 타겟 차로에 기초하여, 상기 차로 변경 방향에 대응하는 차로 변경 확률을 생성하는 단계; 및
    상기 쓰레기 수거 차량 정차 빈도에 기초하여, 상기 타겟 차량의 감속 확률을 생성하는 단계
    를 포함하는,
    차량 움직임 예측 방법.
  16. 제15항에 있어서,
    상기 쓰레기 수거 차량 정차 빈도를 판단하는 단계는
    상기 도로가 주거 지역의 도로 또는 상업 지역의 도로인지 여부를 판단하는 단계
    를 포함하는,
    차량 움직임 예측 방법.
  17. 하드웨어와 결합되어 제1항 내지 제16항 중 어느 하나의 항의 방법을 실행시키기 위하여 기록 매체에 저장된 컴퓨터 프로그램.
  18. 적어도 하나의 차로를 포함하는 도로에서 타겟 차로를 주행하는 타겟 차량의 종류를 식별하고,
    상기 종류에 기초하여, 상기 타겟 차량의 움직임-상기 움직임은 상기 타겟 차로와 연관됨-을 예측하기 위한 움직임 예측 정보를 생성하는 프로세서
    를 포함하는
    차량 움직임 예측 장치.
  19. 제18항에 있어서,
    상기 프로세서는
    상기 타겟 차량의 종류와 연관된 위치 정보를 획득하고,
    상기 종류 및 상기 위치 정보에 기초하여, 상기 타겟 차량의 차로 변경 확률 및 감속 확률 중 적어도 하나를 생성하는,
    차량 움직임 예측 장치.
  20. 제19항에 있어서,
    상기 프로세서는
    상기 도로 상 상기 적어도 하나의 차로 중 상기 타겟 차로와 호스트 차량의 호스트 차로를 식별하고,
    상기 타겟 차로, 상기 호스트 차로, 상기 차로 변경 확률, 상기 감속 확률, 상기 타겟 차량의 속도 및 상기 호스트 차량의 속도에 기초하여, 상기 호스트 차량의 목표 속도를 생성하는,
    차량 움직임 예측 장치.
  21. 제18항에 있어서,
    상기 프로세서는
    상기 종류가 버스인 경우, 버스 전용 차로 정보, 상기 타겟 차량의 버스 노선 정보 및 정류장 위치 정보 중 적어도 하나를 획득하고,
    상기 도로 상 상기 적어도 하나의 차로 중 상기 타겟 차로를 식별하고,
    상기 획득된 적어도 하나의 정보 및 상기 식별된 타겟 차로에 기초하여, 상기 타겟 차량의 차로 변경 확률 및 감속 확률 중 적어도 하나를 생성하는,
    차량 움직임 예측 장치.
  22. 제18항에 있어서,
    상기 프로세서는
    상기 종류에 기초하여, 상기 도로가 상기 타겟 차량의 승객의 승하차 또는 상기 타겟 차량의 정차가 가능한 도로인지 여부를 판단하고,
    상기 판단 결과에 기초하여, 상기 타겟 차량의 차로 변경 확률 및 감속 확률 중 적어도 하나를 생성하는,
    차량 움직임 예측 장치.
  23. 제22항에 있어서,
    상기 프로세서는
    상기 종류가 택시인 경우, 상기 도로의 택시 승객 승하차 빈도를 판단하고,
    상기 도로 상 상기 적어도 하나의 차로 중 상기 타겟 차로를 식별하고,
    상기 식별된 타겟 차로에 기초하여, 택시 승객의 승하차를 위한 차로 변경 방향을 판단하고,
    상기 택시 승객 승하차 빈도 및 상기 식별된 타겟 차로에 기초하여, 상기 차로 변경 방향에 대응하는 차로 변경 확률을 생성하고,
    상기 택시 승하차 빈도에 기초하여, 상기 타겟 차량의 감속 확률을 생성하는,
    차량 움직임 예측 장치.
  24. 제22항에 있어서,
    상기 프로세서는
    상기 종류가 통학 차량인 경우, 상기 도로의 통학 차량 승객 승하차 빈도를 판단하고,
    상기 도로 상 상기 적어도 하나의 차로 중 상기 타겟 차로를 식별하고,
    상기 식별된 타겟 차로에 기초하여, 통학 차량 승객의 승하차를 위한 차로 변경 방향을 판단하고,
    상기 통학 차량 승객 승하차 빈도 및 상기 식별된 타겟 차로에 기초하여, 상기 차로 변경 방향에 대응하는 차로 변경 확률을 생성하고,
    상기 통학 차량 승객 승하차 빈도에 기초하여, 상기 타겟 차량의 감속 확률을 생성하는,
    차량 움직임 예측 장치.
  25. 제22항에 있어서,
    상기 프로세서는
    상기 종류가 쓰레기 수거 차량인 경우, 상기 도로의 쓰레기 수거 차량 정차 빈도를 판단하고,
    상기 도로 상 상기 적어도 하나의 차로 중 상기 타겟 차로를 식별하고,
    상기 식별된 타겟 차로에 기초하여, 쓰레기 수거 차량 정차를 위한 차로 변경 방향을 판단하고,
    상기 쓰레기 수거 차량 정차 빈도 및 상기 식별된 타겟 차로에 기초하여, 상기 차로 변경 방향에 대응하는 차로 변경 확률을 생성하고,
    상기 쓰레기 수거 차량 정차 빈도에 기초하여, 상기 타겟 차량의 감속 확률을 생성하는,
    차량 움직임 예측 장치.

KR1020170124062A 2017-09-26 2017-09-26 차량 움직임 예측 방법 및 장치 Ceased KR20190035159A (ko)

Priority Applications (4)

Application Number Priority Date Filing Date Title
KR1020170124062A KR20190035159A (ko) 2017-09-26 2017-09-26 차량 움직임 예측 방법 및 장치
US15/992,240 US20190095809A1 (en) 2017-09-26 2018-05-30 Vehicle movement prediction method and apparatus
CN201810820095.XA CN109552333A (zh) 2017-09-26 2018-07-24 车辆运动预测方法和设备
EP18187646.7A EP3467799A1 (en) 2017-09-26 2018-08-07 Vehicle movement prediction method and apparatus

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170124062A KR20190035159A (ko) 2017-09-26 2017-09-26 차량 움직임 예측 방법 및 장치

Publications (1)

Publication Number Publication Date
KR20190035159A true KR20190035159A (ko) 2019-04-03

Family

ID=63407027

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170124062A Ceased KR20190035159A (ko) 2017-09-26 2017-09-26 차량 움직임 예측 방법 및 장치

Country Status (4)

Country Link
US (1) US20190095809A1 (ko)
EP (1) EP3467799A1 (ko)
KR (1) KR20190035159A (ko)
CN (1) CN109552333A (ko)

Families Citing this family (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2760050C1 (ru) * 2018-12-11 2021-11-22 Ниссан Мотор Ко., Лтд. Способ предсказания действий другого транспортного средства и устройство предсказания действий другого транспортного средства
US11222219B2 (en) * 2019-04-15 2022-01-11 Qualcomm Incorporated Proximate vehicle localization and identification
CN112534483B (zh) * 2020-03-04 2021-12-14 华为技术有限公司 预测车辆驶出口的方法和装置
KR20210114689A (ko) * 2020-03-11 2021-09-24 주식회사 만도 차량 및 그 제어 방법
US12030507B2 (en) 2020-06-29 2024-07-09 Dr. Ing. H.C. F. Porsche Aktiengesellschaft Method and system for predicting a trajectory of a target vehicle in an environment of a vehicle
CN114056347B (zh) * 2020-07-31 2025-02-25 深圳引望智能技术有限公司 车辆运动状态识别方法及装置
US11945472B2 (en) 2020-08-28 2024-04-02 Motional Ad Llc Trajectory planning of vehicles using route information
CN114519931B (zh) * 2020-11-17 2023-04-07 宇通客车股份有限公司 一种路口环境下目标车辆行为预测方法及装置
CN112685531B (zh) * 2021-01-26 2021-12-03 腾讯科技（深圳）有限公司 车辆匹配方法和装置、计算设备以及计算机可读存储介质
CN112820125B (zh) * 2021-03-24 2023-01-17 苏州大学 车辆混行情况的智能网联车辆的通行引导方法及引导系统
US11623645B2 (en) * 2021-03-24 2023-04-11 Denso International America, Inc. Vehicle behavior planning for overtaking vehicles
CN113313941B (zh) * 2021-05-25 2022-06-24 北京航空航天大学 基于记忆网络和编码器-解码器模型的车辆轨迹预测方法
CN113044042B (zh) * 2021-06-01 2021-09-21 禾多科技（北京）有限公司 车辆预测变道图像显示方法、装置、电子设备和可读介质
CN115451982B (zh) * 2021-06-09 2025-05-06 腾讯科技（深圳）有限公司 一种定位方法和相关装置
CN113916242B (zh) * 2021-12-14 2022-03-25 腾讯科技（深圳）有限公司 车道定位方法和装置、存储介质及电子设备
CN117635010B (zh) * 2023-10-25 2024-07-30 北京汇通天下物联科技有限公司 车辆事故识别方法、装置、电子设备及存储介质

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4692898B2 (ja) * 2006-11-15 2011-06-01 株式会社デンソー 車両用案内装置
DE102011018157A1 (de) * 2011-04-19 2012-10-25 GM Global Technology Operations LLC (n. d. Gesetzen des Staates Delaware) Erkennung einer Bushaltestelle
US8457827B1 (en) * 2012-03-15 2013-06-04 Google Inc. Modifying behavior of autonomous vehicle based on predicted behavior of other vehicles
US10152882B2 (en) * 2015-11-30 2018-12-11 Nissan North America, Inc. Host vehicle operation using remote vehicle intention prediction
US10486707B2 (en) * 2016-01-06 2019-11-26 GM Global Technology Operations LLC Prediction of driver intent at intersection
US20180203457A1 (en) * 2017-01-13 2018-07-19 Ford Global Technologies, Llc System and Method for Avoiding Interference with a Bus

Also Published As

Publication number Publication date
CN109552333A (zh) 2019-04-02
US20190095809A1 (en) 2019-03-28
EP3467799A1 (en) 2019-04-10

Similar Documents

Publication Publication Date Title
KR20190035159A (ko) 차량 움직임 예측 방법 및 장치
JP6831420B2 (ja) 自動運転車の軌跡候補を評価するための方法
JP7444874B2 (ja) 方法、非一時的コンピュータ可読媒体、および、車両
CN112810628B (zh) 车辆控制系统
CN109426256B (zh) 自动驾驶车辆的基于驾驶员意图的车道辅助系统
US11724708B2 (en) Fail-safe handling system for autonomous driving vehicle
JP6975512B2 (ja) 自動運転車両の周辺車両の挙動に基づくリアルタイム感知調整と運転調整
EP3794572B1 (en) Drive envelope determination
EP3867117B1 (en) Responsive vehicle control
CN114555449B (zh) 车载装置以及驾驶辅助方法
JP6831419B2 (ja) 自動運転車と警告サービスの操作方法、システム及び機械可読メディア
KR20190014871A (ko) 차량의 후방에 위치한 응급 차량에 기초하여 상기 차량의 주행 경로를 변경하는 장치 및 방법
JP6588592B2 (ja) 自動運転車両に用いられる衝突予測及びエアバッグ事前展開システム
EP3091370B1 (en) Method and arrangement for determining safe vehicle trajectories
JP5160311B2 (ja) 自律移動装置及び自律移動装置の制御方法
US12060084B2 (en) Autonomous vehicle trajectory determination based on state transition model
JP6984172B2 (ja) 走行支援方法及び走行支援装置
CN112180911B (zh) 用于监控自动驾驶车辆的控制系统的方法
JP6007739B2 (ja) 運転支援装置及び運転支援方法
KR102597917B1 (ko) 자율 주행 차량을 위한 음원 검출 및 위치 측정
CN115884908A (zh) 路径确认装置以及路径确认方法
CN110171420A (zh) 车辆控制装置
CN115158359B (zh) 改进自主驾驶车辆的规划模块的方法及系统
KR102667225B1 (ko) 자동 주차 시스템, 자동 주차 시스템의 제어 방법, 및 자동 운전 차량
JP2019153025A (ja) 車両制御装置

Legal Events

Date Code Title Description
PA0109 Patent application

Patent event code: PA01091R01D

Comment text: Patent Application

Patent event date: 20170926

PG1501 Laying open of application
A201 Request for examination
PA0201 Request for examination

Patent event code: PA02012R01D

Patent event date: 20200922

Comment text: Request for Examination of Application

Patent event code: PA02011R01I

Patent event date: 20170926

Comment text: Patent Application

E902 Notification of reason for refusal
PE0902 Notice of grounds for rejection

Comment text: Notification of reason for refusal

Patent event date: 20210506

Patent event code: PE09021S01D

E601 Decision to refuse application
PE0601 Decision on rejection of patent

Patent event date: 20210803

Comment text: Decision to Refuse Application

Patent event code: PE06012S01D

Patent event date: 20210506

Comment text: Notification of reason for refusal

Patent event code: PE06011S01I

点击 这是indexloc提供的php浏览器服务，不要输入任何密码和下载