[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

KR102106875B1 - 차량학습에 기반한 자율주행 중 사고 회피 시스템 및 방법 - Google Patents

차량학습에 기반한 자율주행 중 사고 회피 시스템 및 방법 Download PDF

Info

Publication number
KR102106875B1
KR102106875B1 KR1020170138192A KR20170138192A KR102106875B1 KR 102106875 B1 KR102106875 B1 KR 102106875B1 KR 1020170138192 A KR1020170138192 A KR 1020170138192A KR 20170138192 A KR20170138192 A KR 20170138192A KR 102106875 B1 KR102106875 B1 KR 102106875B1
Authority
KR
South Korea
Prior art keywords
driver
tutorial
driving
autonomous vehicle
autonomous
Prior art date
Application number
KR1020170138192A
Other languages
English (en)
Other versions
KR20190045511A (ko
Inventor
임철재
Original Assignee
엔에이치엔 주식회사
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 엔에이치엔 주식회사 filed Critical 엔에이치엔 주식회사
Priority to KR1020170138192A priority Critical patent/KR102106875B1/ko
Priority to US16/168,808 priority patent/US11142190B2/en
Publication of KR20190045511A publication Critical patent/KR20190045511A/ko
Application granted granted Critical
Publication of KR102106875B1 publication Critical patent/KR102106875B1/ko

Links

Images

Classifications

    • 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
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/09—Taking automatic action to avoid collision, e.g. braking and steering
    • 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
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
    • 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
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • 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
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/095—Predicting travel path or likelihood of collision
    • B60W30/0953—Predicting travel path or likelihood of collision the prediction being responsive to vehicle dynamic parameters
    • 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
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/095—Predicting travel path or likelihood of collision
    • B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
    • 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
    • B60W30/14—Adaptive cruise control
    • 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
    • B60W40/08—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 drivers or passengers
    • B60W40/09—Driving style or behaviour
    • 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
    • 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
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
    • 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
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/008—Registering or indicating the working of vehicles communicating information to a remotely located station
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B9/00—Simulators for teaching or training purposes
    • G09B9/02—Simulators for teaching or training purposes for teaching control of vehicles or other craft
    • G09B9/04—Simulators for teaching or training purposes for teaching control of vehicles or other craft for teaching control of land vehicles
    • 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
    • B60W2540/00—Input parameters relating to occupants
    • B60W2540/30—Driving style

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • General Physics & Mathematics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Game Theory and Decision Science (AREA)
  • Medical Informatics (AREA)
  • Educational Administration (AREA)
  • Educational Technology (AREA)
  • Traffic Control Systems (AREA)

Abstract

차량학습에 기반한 자율주행 중 사고 회피 방법 및 시스템이 개시된다. 일 실시예에 따른 자율주행 차량의 사고 회피 방법은, 운전자의 운전 패턴정보를 저장하기 위한 튜토리얼을 실행시키는 단계; 상기 튜토리얼을 통하여 상기 운전자의 학습이 수행됨에 따라 학습 데이터를 획득하는 단계; 상기 획득된 학습 데이터에 기초하여 상기 운전자의 운전 패턴정보를 저장하는 단계; 및 상기 운전자의 운전 패턴정보에 기초하여 상기 자율주행 차량의 자율주행을 제어하는 단계를 포함할 수 있다.

Description

차량학습에 기반한 자율주행 중 사고 회피 시스템 및 방법{SYSTEM AND METHOD FOR AVOIDING ACCIDENTS DURING AUTONOMOUS DRIVING BASED ON VEHICLE LEARNING}
아래의 설명은 자율 주행에서 사용자의 운전 방식을 차량에 학습시켜 사고 회피와 관련된 근거로 제공하기 위한 기술에 관한 것이다.
첨단 기술의 발전 및 IT 산업의 발전으로 다양한 분야에서 무인화 산업의 연구 개발 및 적용이 이루어지고 있다. 특히, 차량산업은 최근 IT 기술들이 접목된 친환경, 첨단차량으로 변모해가고 있으며, 차량 기술 발전과 더불어 운전자의 안전과 편의성 증대를 위한 사고예방, 사고회피, 충돌안전, 편의성 향상, 차량 정보화 그리고 자율주행 기술 등을 적용한 지능형 차량들이 상용화되고 있다. 이러한 지능형 차량은 운전자의 부주의나 조작 미숙에 대한 지원기술, 음성인식 등을 통한 편의 기능을 지원하는 차량으로서, 운전자의 과실에 의한 사고를 줄일 수 있을 뿐만 아니라, 시간감소, 연료낭비, 배기가스 저감 등의 이점을 기대할 수 있다.
일례로, 자율주행 차량은 지능형 차량 기술의 집합체로 운전자가 차량에 탑승하여 원하는 목적지를 지정하면 이후 특별한 조작을 하지 않아도 현재 위치에서 목적지까지 최적의 경로를 생성하여 주행을 수행할 수 있다. 그러나, 자율주행 차량은 자율주행 차량에 갑작스럽게 돌발적인 상황이 발생하였을 경우, 사용자의 피드백없이 공급업자의 기본적인 정책에 의하여 자율주행이 제어되기 때문에 갑작스럽게 발생한 돌발적인 상황을 대처하기란 쉽지 않다. 현재의 기술로는 자율주행 차량에 탑승한 운전자의 수동 조작에 의하여 일부의 돌발적인 상황을 대처할 수 있지만, 자율주행에 대한 책임 주체를 판단하는 것이 어려워지고 있다.
이에 따라, 지능형 차량의 상용화에 대비하여 자율주행 차량에서 사고가 발생하였을 경우, 피해 상황에 대하여 책임 소재를 명확히 하기 위한 기술이 제안될 필요가 있다.
참고자료: 한국공개특허 제10-2017-0078096호, 한국공개특허 제10-2014-0106939
자율주행 차량의 자율주행 중에 발생하는 돌발적인 상황에 대하여 피해 상황에 대한 책임 소재를 명확하게 하기 위한 사고 회피 방법 및 시스템을 제공할 수 있다.
튜토리얼을 통하여 사용자를 학습함에 따라 획득된 학습 데이터에 기초하여 패턴화하여 자율주행에 적용하는 사고 회피 방법 및 시스템을 제공할 수 있다.
사고 회피 서버에 의하여 수행되는 자율주행 차량의 사고 회피 방법은, 운전자의 운전 패턴정보를 저장하기 위한 튜토리얼을 실행시키는 단계; 상기 튜토리얼을 통하여 상기 운전자의 학습이 수행됨에 따라 학습 데이터를 획득하는 단계; 상기 획득된 학습 데이터에 기초하여 상기 운전자의 운전 패턴정보를 저장하는 단계; 및 상기 운전자의 운전 패턴정보에 기초하여 상기 자율주행 차량의 자율주행을 제어하는 단계를 포함할 수 있다.
상기 자율주행을 제어하는 단계는, 상기 자율주행 차량이 다른 차량과 사고가 발생하였을 경우, 상기 자율주행 차량에 저장된 운전 패턴정보에 기초하여 제어된 자율주행과 관련된 정보를 사고 회피의 증거로 사용하는 단계를 포함할 수 있다.
상기 자율주행을 제어하는 단계는, 상기 자율주행 차량을 통하여 주변상황을 인식함에 따라 상기 튜토리얼에 기초하여 획득된 운전 패턴정보를 추출하고, 상기 추출된 운전 패턴정보에 기초하여 상기 자율주행 차량을 제어하는 단계를 포함할 수 있다.
상기 자율주행을 제어하는 단계는, 상기 자율주행 차량의 전방 차량 또는 후방 차량과의 충돌예측 정보를 계산하고, 상기 계산된 충돌예측 정보에 기초하여 상기 전방 차량 또는 후방 차량과의 일정 거리를 유지하기 위하여 속도를 제어하는 단계를 포함할 수 있다.
상기 자율주행을 제어하는 단계는, 상기 운전자의 상기 자율주행 차량에 대한 운전 여부를 감지하고, 상기 운전자의 수동 운전에 기초하여 입력된 제어 데이터에 기초하여 상기 자율주행 차량을 제어하는 단계를 포함할 수 있다.
상기 운전자의 운전 패턴정보를 저장하는 단계는, 상기 튜토리얼로부터 각각의 학습 데이터에 대한 참조 데이터를 추정하고, 상기 추정된 참조 데이터에 기초하여 상기 운전자에 대한 운전 패턴정보를 저장하는 단계를 포함할 수 있다.
상기 튜토리얼을 실행시키는 단계는, 상기 운전자의 운전 패턴정보를 저장하기 위한 적어도 하나 이상의 시나리오를 제작하여 가상상황을 생성하고, 상기 생성된 가상상황을 재연하는 단계를 포함할 수 있다.
상기 튜토리얼을 실행시키는 단계는, 상기 운전자의 운전 패턴정보를 저장하기 위한 질의응답 정보를 튜토리얼로 제공하고, 상기 운전자로부터 상기 질의응답 정보와 관련된 답변을 수신하는 단계를 포함할 수 있다.
상기 튜토리얼을 실행시키는 단계는, 상기 자율주행 차량이 도로에서 실시간으로 주행되는 주행 상황을 상기 튜토리얼로 제공하는 단계를 포함할 수 있다.
상기 튜토리얼을 실행시키는 단계는, 상기 자율주행 차량에 설치된 또는 상기 자율주행 차량과 연동된 디스플레이를 통하여 증강 현실 또는 가상 현실에 기반하여 상기 가상상황을 재연하는 단계를 포함할 수 있다.
상기 튜토리얼을 실행시키는 단계는, 상기 자율주행 차량이 비주행 상태임을 판단함에 따라 상기 가상상황을 실행시키는 단계를 포함할 수 있다.
상기 튜토리얼을 실행시키는 단계는, 상기 운전자의 식별 정보에 기초하여 상기 운전자의 인증을 수행함에 따라 상기 튜토리얼을 실행시키는 단계를 포함할 수 있다.
자율주행 차량의 사고 회피 방법을 실행시키기 위하여 컴퓨터 판독 가능한 기록 매체에 저장된 컴퓨터 프로그램은, 운전자의 운전 패턴정보를 저장하기 위한 튜토리얼을 실행시키는 단계; 상기 튜토리얼을 통하여 상기 운전자의 학습이 수행됨에 따라 학습 데이터를 획득하는 단계; 상기 획득된 학습 데이터에 기초하여 상기 운전자의 운전 패턴정보를 저장하는 단계; 및 상기 운전자의 운전 패턴정보에 기초하여 상기 자율주행 차량의 자율주행을 제어하는 단계를 포함할 수 있다.
자율주행 차량의 사고 회피 서버는, 운전자의 운전 패턴정보를 저장하기 위한 튜토리얼을 실행시키는 튜토리얼 실행부; 상기 튜토리얼을 통하여 상기 운전자의 학습이 수행됨에 따라 학습 데이터를 획득하는 획득부; 상기 획득된 학습 데이터에 기초하여 상기 운전자의 운전 패턴정보를 저장하는 패턴정보 저장부; 및 상기 운전자의 운전 패턴정보에 기초하여 상기 자율주행 차량의 자율주행을 제어하는 자율주행 제어부를 포함할 수 있다.
상기 자율주행 제어부는, 상기 자율주행 차량이 다른 차량과 사고가 발생하였을 경우, 상기 자율주행 차량에 저장된 운전 패턴정보에 기초하여 제어된 자율주행과 관련된 정보를 사고 회피의 증거로 사용할 수 있다.
상기 자율주행 제어부는, 상기 자율주행 차량을 통하여 주변상황을 인식함에 따라 상기 튜토리얼에 기초하여 획득된 운전 패턴정보를 추출하고, 상기 추출된 운전 패턴정보에 기초하여 상기 자율주행 차량을 제어할 수 있다.
상기 튜토리얼 실행부는, 상기 운전자의 운전 패턴정보를 저장하기 위한 적어도 하나 이상의 시나리오를 제작하여 가상상황을 생성하고, 상기 생성된 가상상황을 재연할 수 있다.
상기 튜토리얼 실행부는, 상기 운전자의 운전 패턴정보를 저장하기 위한 질의응답 정보를 튜토리얼로 제공하고, 상기 운전자로부터 상기 질의응답 정보와 관련된 답변을 수신할 수 있다.
상기 튜토리얼 실행부는, 상기 자율주행 차량이 도로에서 실시간으로 주행되는 주행 상황을 상기 튜토리얼로 제공할 수 있다.
상기 튜토리얼 실행부는, 상기 운전자의 식별 정보에 기초하여 상기 운전자의 인증을 수행함에 따라 상기 튜토리얼을 실행시킬 수 있다.
일 실시예에 따른 사고 회피 서버는 튜토리얼을 통하여 사용자를 학습함에 따라 획득된 학습 데이터에 기초하여 생성된 운전자의 운전 패턴정보로 자율주행을 제어함으로써 자율주행의 미진한 점을 해결할 수 있다.
일 실시예에 다른 사고 회피 서버는 운전자의 운전 패턴정보에 기초하여 자율주행을 제어함에 따라 자율주행 차량의 자율주행 중에 사고가 발생하였을 경우, 사고 피해 상황에 대한 책임 소재를 명확히 따질 수 있다. 또한, 자율주행을 제공하는 공급자가 피해 상황에 대한 책임 소재를 회피할 수 있다.
일 실시예에 따른 사고 회시 서버는 자율주행 차량의 자율주행 중에 사고가 발생하였을 경우, 법정 공방 및 특정 상황에 대한 증거 자료를 제출할 수 있다.
도 1 은 일 실시예에 따른 네트워크 환경의 예를 도시한 도면이다.
도 2는 일 실시예에 따른 단말 및 서버의 내부 구성을 설명하기 위한 블록도이다.
도 3은 일 실시예에 따른 서버의 프로세서가 포함할 수 있는 구성 요소의 예를 도시한 블록도이다.
도 4는 일 실시예에 따른 서버의 사고 회피 방법의 예를 도시한 흐름도이다.
도 5는 일 실시예에 따른 서버에서 자율주행 차량의 자율주행을 제어하는 과정을 설명하기 위한 도면이다.
도 6 및 도 7은 일 실시예에 따른 자율주행 차량을 설명하기 위한 도면이다.
도 8은 일 실시예에 따른 서버에서 운전자의 인증을 수행하는 과정을 설명하기 위한 예이다.
도 9는 일 실시예에 따른 서버에서 튜토리얼을 실행하는 과정을 설명하기 위한 예이다.
도 10은 일 실시예에 따른 서버에서 튜토리얼을 실행함에 따라 획득된 학습 데이터에 기초하여 패턴정보를 저장하는 것을 설명하기 위한 도면이다.
도 11은 일 실시예에 따른 서버에서 자율주행 차량에 발생한 사고와 관련된 정보를 증거 자료로 제출하는 과정을 설명하기 위한 도면이다.
이하, 실시예를 첨부한 도면을 참조하여 상세히 설명한다.
도 1 은 일 실시예에 따른 네트워크 환경의 예를 도시한 도면이다.
도 1의 네트워크 환경은 단말(110), 서버(100) 및 네트워크(120)를 포함하는 예를 나타내고 있다. 이러한 도 1은 발명의 설명을 위한 일례로 단말의 수나 서버의 수가 도 1과 같이 한정되는 것은 아니다.
단말(110)은 컴퓨터 장치로 구현되는 고정형 단말이거나 이동형 단말일 수 있다. 단말(110)의 예를 들면, 스마트폰(smart phone), 휴대폰, 네비게이션, 컴퓨터, 노트북, 디지털방송용 단말, PDA(Personal Digital Assistants), PMP(Portable Multimedia Player), 태블릿 PC, 웨어러블 기기, HMD(Head　mounted　Display), 자율주행 차량 등이 있다. 단말(110)은 무선 또는 유선 통신 방식을 이용하여 네트워크(120)를 통해 다른 단말들 및/또는 서버(100)와 통신할 수 있다.
통신 방식은 제한되지 않으며, 네트워크(120)가 포함할 수 있는 통신망(일례로, 이동통신망, 유선 인터넷, 무선 인터넷, 방송망)을 활용하는 통신 방식뿐만 아니라 기기들간의 근거리 무선 통신 역시 포함될 수 있다. 예를 들어, 네트워크(120)는, PAN(personal area network), LAN(local area network), CAN(campus area network), MAN(metropolitan area network), WAN(wide area network), BBN(broadband network), 인터넷 등의 네트워크 중 하나 이상의 임의의 네트워크를 포함할 수 있다. 또한, 네트워크(120)는 버스 네트워크, 스타 네트워크, 링 네트워크, 메쉬 네트워크, 스타-버스 네트워크, 트리 또는 계층적(hierarchical) 네트워크 등을 포함하는 네트워크 토폴로지 중 임의의 하나 이상을 포함할 수 있으나, 이에 제한되지 않는다.
서버(100)는 단말(110)과 네트워크(120)를 통해 통신하여 명령, 코드, 파일, 컨텐츠, 서비스 등을 제공하는 컴퓨터 장치 또는 복수의 컴퓨터 장치들로 구현될 수 있다. 일례로, 서버(100)는 네트워크(120)를 통해 접속한 단말(110)로 어플리케이션의 설치를 위한 파일을 제공할 수 있다. 이 경우 단말(110)은 서버(100)로부터 제공된 파일을 이용하여 어플리케이션을 설치할 수 있다. 또한 단말(110)이 포함하는 운영체제(Operating System, OS)나 적어도 하나의 프로그램(일례로 브라우저나 상기 설치된 어플리케이션)의 제어에 따라 서버(100)에 접속하여 서버(100)가 제공하는 서비스나 컨텐츠를 제공받을 수 있다. 예를 들면, 단말(110)이 어플리케이션의 제어에 따라 네트워크(120)를 통해 서비스 요청 메시지를 서버(100)로 전송하면, 서버(100)는 서비스 요청 메시지에 대응하는 코드를 단말(110)로 전송할 수 있고, 단말(110)은 어플리케이션의 제어에 따라 코드에 따른 화면을 구성하여 표시함으로써 사용자에게 컨텐츠를 제공할 수 있다.
도 2는 일 실시예에 따른 단말 및 서버의 내부 구성을 설명하기 위한 블록도이다.
도 2에서는 하나의 단말 및 하나의 서버의 내부 구성을 설명하고 있으나, 도 1을 통해 설명한 네트워크 환경에 포함될 수 있는 또 다른 단말들이나 또 다른 서버들에도 동일한 또는 유사한 내부 구성요소들이 적용될 수 있다.
단말(110)은 예를 들면, 프로세서(200), 적어도 하나의 어플리케이션(201), 메모리(202), 통신 모듈(203) 및 입출력 인터페이스(204)를 포함할 수 있다.
서버(200)는 프로세서(211), 메모리(212), 통신 모듈(213)을 포함할 수 있다. 메모리(202, 212)는 컴퓨터에서 판독 가능한 기록 매체로서, RAM(random access memory), ROM(read only memory) 및 디스크 드라이브와 같은 영구 대용량 저장장치(permanent mass storage device)를 포함할 수 있다. 또한, 메모리(202, 212)에는 운영체제나 적어도 하나의 프로그램 코드(일례로 단말(110)에 설치되어 구동되는 브라우저나 상술한 어플리케이션 등을 위한 코드)가 저장될 수 있다. 이러한 소프트웨어 구성요소들은 메모리(202, 212)와는 별도의 컴퓨터에서 판독 가능한 기록 매체로부터 로딩될 수 있다. 이러한 별도의 컴퓨터에서 판독 가능한 기록 매체는 플로피 드라이브, 디스크, 테이프, DVD/CD-ROM 드라이브, 메모리 카드 등의 컴퓨터에서 판독 가능한 기록 매체를 포함할 수 있다. 다른 실시예에서 소프트웨어 구성요소들은 컴퓨터에서 판독 가능한 기록 매체가 아닌 통신 모듈(203, 213)을 통해 메모리(202, 212)에 로딩될 수도 있다. 예를 들어, 적어도 하나의 프로그램은 개발자들 또는 어플리케이션의 설치 파일을 배포하는 파일 배포 시스템(일례로 상술한 서버(100))가 네트워크(120)를 통해 제공하는 파일들에 의해 설치되는 프로그램(일례로 상술한 어플리케이션)에 기반하여 메모리(202, 212)에 로딩될 수 있다.
프로세서(200, 211)는 기본적인 산술, 로직 및 입출력 연산을 수행함으로써, 컴퓨터 프로그램의 명령을 처리하도록 구성될 수 있다. 명령은 메모리(202, 212) 또는 통신 모듈(203, 213)에 의해 프로세서(200, 211)로 제공될 수 있다. 예를 들면, 프로세서(200, 211)는 메모리(202, 212)와 같은 기록 장치에 저장된 프로그램 코드에 따라 수신되는 명령을 실행하도록 구성될 수 있다.
통신 모듈(203, 213)은 네트워크(120)를 통해 단말(110)과 서버(100)가 서로 통신하기 위한 기능을 제공할 수 있으며, 다른 단말 또는 다른 서버와 통신하기 위한 기능을 제공할 수 있다. 일례로, 단말(110)의 프로세서(200)가 메모리(202)와 같은 기록 장치에 저장된 프로그램 코드에 따라 생성한 요청이 통신 모듈(203)의 제어에 따라 네트워크(120)를 통해 서버(100)로 전달될 수 있다. 역으로, 서버(100)의 프로세서(211)의 제어에 따라 제공되는 제어 신호나 명령, 컨텐츠, 파일 등이 통신 모듈(213)과 네트워크(120)를 거쳐 단말(110)의 통신 모듈(203)을 통해 단말(110)로 수신될 수 있다. 예를 들면, 통신 모듈(203)을 통해 수신된 서버(100)의 제어 신호나 명령 등은 프로세서(200)나 메모리(202)로 전달될 수 있고, 컨텐츠나 파일 등은 단말(110)이 더 포함할 수 있는 저장 매체로 저장될 수 있다.
입출력 인터페이스(204)는 입출력 장치와의 인터페이스를 위한 수단일 수 있다. 예를 들면, 입력 장치는 키보드 또는 마우스 등의 장치를, 그리고 출력 장치는 어플리케이션의 통신 세션을 표시하기 위한 디스플레이와 같은 장치를 포함할 수 있다. 다른 예로 입출력 인터페이스(204)는 터치스크린과 같이 입력과 출력을 위한 기능이 하나로 통합된 장치와의 인터페이스를 위한 수단일 수도 있다. 보다 구체적인 예로, 단말(110)의 프로세서(200)는 메모리(202)에 로딩된 컴퓨터 프로그램의 명령을 처리함에 있어서 서버(100)나 다른 단말이 제공하는 데이터를 이용하여 구성되는 서비스 화면이나 컨텐츠가 입출력 인터페이스(204)를 통해 디스플레이(205)에 표시될 수 있다.
또한, 다른 실시예들에서 단말(110) 및 서버(100)는 도 2의 구성요소들보다 더 많은 구성요소들을 포함할 수도 있다. 그러나, 대부분의 종래기술적 구성요소들을 명확하게 도시할 필요성은 없다. 예를 들면, 단말(110)은 입출력 장치 중 적어도 일부를 포함하도록 구현되거나 또는 트랜시버(transceiver), GPS(Global Positioning System) 모듈, 카메라, 각종 센서, 데이터베이스 등과 같은 다른 구성요소들을 더 포함할 수도 있다. 보다 구체적인 예로, 단말(110)이 스마트 폰인 경우, 일반적으로 스마트 폰이 포함하고 있는 가속도 센서나 자이로 센서, 카메라 모듈, 각종 물리적인 버튼, 터치패널을 이용한 버튼, 입출력 포트, 진동을 위한 진동기 등의 다양한 구성요소들이 단말(110)에 더 포함되도록 구현될 수 있다.
도 3은 일 실시예에 따른 서버의 프로세서가 포함할 수 있는 구성 요소의 예를 도시한 블록도이고, 도 4는 일 실시예에 따른 서버의 사고 회피 방법의 예를 도시한 흐름도이다.
서버(100)의 프로세서(211)는 튜토리얼 실행부(310), 획득부(320), 패턴정보 저장부(330) 및 자율주행 제어부(340)를 포함할 수 있다. 이러한 프로세서(211)의 구성요소들은 서버(100)에 저장된 프로그램 코드가 제공하는 제어 명령에 따라 프로세서(211)에 의해 수행되는 서로 다른 기능들(different functions)의 표현들일 수 있다. 프로세서(211) 및 프로세서(211)의 구성요소들은 도 4의 사고 회피 방법이 포함하는 단계들(410 내지 440)을 수행하도록 서버(100)를 제어할 수 있다. 이때, 프로세서(211) 및 프로세서(211)의 구성요소들은 메모리가 포함하는 운영체제의 코드와 적어도 하나의 프로그램의 코드에 따른 명령(instruction)을 실행하도록 구현될 수 있다.
프로세서(211)는 사고 회피 방법을 위한 프로그램의 파일에 저장된 프로그램 코드를 메모리에 로딩할 수 있다. 예를 들면, 서버(100)에서 프로그램이 실행되면, 프로세서는 운영체제의 제어에 따라 프로그램의 파일로부터 프로그램 코드를 메모리에 로딩하도록 서버를 제어할 수 있다. 이때, 프로세서(211) 및 프로세서(211)가 포함하는 튜토리얼 실행부(310), 획득부(320), 패턴정보 저장부(330) 및 자율주행 제어부(340) 각각은 메모리에 로딩된 프로그램 코드 중 대응하는 부분의 명령을 실행하여 이후 단계들(410 내지 440)을 실행하기 위한 프로세서(211)의 서로 다른 기능적 표현들일 수 있다.
단계(410)에서 튜토리얼 실행부(310)는 튜토리얼을 실행시킬 수 있다. 튜토리얼 실행부(310)는 운전자의 운전 패턴정보를 저장하기 위한 적어도 하나 이상의 시나리오를 제작하여 가상상황을 생성하고, 생성된 가상상황을 재연할 수 있다. 이때, 공급자(예를 들면, 시나리오 제작자)에 의하여 제작된 시나리오가 프로세서로 입력될 수 있고, 적어도 하나 이상의 조건이 설정됨에 따라 각 조건을 포함하는 시나리오가 자동적으로 생성될 수 있다. 예를 들면, 튜토리얼 실행부(310)는 자율주행 차량에 설치된 또는 차율주행 차량과 연동된 디스플레이를 통하여 증강 현실 또는 가상 현실에 기반하여 가상상황을 재연하는 튜토리얼을 실행시킬 수 있다. 튜토리얼 실행부(310)는 자율주행 차량이 비주행 상태임을 판단함에 따라 튜토리얼을 실행시킬 수 있다. 튜토리얼 실행부(310)는 운전자의 식별 정보에 기초하여 운전자의 인증을 수행함에 따라 튜토리얼을 실행시킬 수 있다.
다른 예로서, 튜토리얼 실행부(310)는 운전자의 운전 패턴정보를 저장하기 위한 질의응답 정보를 튜토리얼로 제공하고, 운전자로부터 질의응답 정보와 관련된 답변을 수신할 수 있다. 또한, 튜토리얼 실행부(310)는 자율주행 차량이 도로에서 실시간으로 주행되는 주행 상황을 튜토리얼로 제공할 수 있다.
단계(420)에서 획득부(320)는 튜토리얼을 통하여 운전자의 학습이 수행됨에 따라 학습 데이터를 획득할 수 있다. 예를 들면, 획득부(320)는 튜토리얼을 통하여 가상상황에 대한 운전자의 학습이 수행됨에 따라 학습 데이터를 획득할 수 있다. 획득부(320)는 질의응답과 관련된 답변에 기반하여 학습 데이터를 획득할 수 있고, 또는, 자율주행 차량이 도로에서 실시간으로 주행되는 주행 상황과 관련된 정보를 학습 데이터로 획득할 수 있다.
단계(430)에서 패턴정보 저장부(330)는 획득된 학습 데이터에 기초하여 운전자의 운전 패턴정보를 저장할 수 있다. 패턴정보 저장부(330)는 가상상황에 대한 시나리오를 취합함에 따라 각각의 학습 데이터에 대한 참조 데이터를 추정하고, 추정된 참조 데이터에 기초하여 운전자에 대한 운전 패턴정보를 저장할 수 있다.
단계(440)에서 자율주행 제어부(340)는 운전자의 운전 패턴정보에 기초하여 자율주행 차량의 자율주행을 제어할 수 있다. 자율주행 제어부(340)는 자율주행 차량이 다른 차량과 사고가 발생하였을 경우, 자율주행 차량에 저장된 운전 패턴정보에 기초하여 제어된 자율주행과 관련된 정보를 사고 회피의 증거로 사용할 수 있다. 자율주행 제어부(340)는 운전자에 의하여 튜토리얼을 통한 학습이 수행됨에 따라 운전자로부터 획득된 운전 패턴정보에 의한 자율주행을 시작할 수 있다. 자율주행 제어부(340)는 운전자의 자율주행 차량에 대한 운전 여부를 감지할 수 있다. 자율주행 제어부(340)는 자율주행 차량의 주변상황을 인식함에 따라 주변상황에 기초하여 획득된 운전 패턴정보를 추출하고, 추출된 운전 패턴정보에 기초하여 자율주행 차량을 제어할 수 있다. 또한, 자율주행 제어부(340)는 운전자에 의하여 주변상황이 인식됨에 따라 운전자의 수동 운전에 기초하여 입력된 제어 데이터에 기초하여 자율주행 차량을 제어할 수 있다. 이때, 자율주행 제어부(340)는 자율주행 차량의 전방 차량 또는 후방 차량과의 충돌예측 정보를 계산하고, 계산된 충돌예측 정보에 기초하여 전방 차량 또는 후방 차량과의 일정 거리를 유지하기 위하여 속도를 유지하면서 운전자의 운전 패턴정보에 따른 자율주행을 제어할 수 있다.
도 5는 일 실시예에 따른 서버에서 자율주행 차량의 자율주행을 제어하는 과정을 설명하기 위한 도면이다.
서버에서 자율주행 차량의 자율주행을 제어하는 과정을 설명하기 위하여 도 6 및 도 7에 도시된 자율주행 차량을 참고하기로 한다. 도 6에 도시된 자율주행 차량(600)은 운전자가 차량을 직접 조작하지 않더라도 스스로 주행하는 자동차를 의미할 수 있다. 자율주행 차량(600)은 운전자가 예를 들면, 브레이크, 핸들, 가속 페달 등을 제어하지 않아도 도로의 상황을 파악하여 자동으로 주행할 수 있다.
서버는 자율주행 차량(600)에 존재하는 운전 장치가 제어됨을 감지할 수 있다(520). 서버는 예를 들면, 핸들, 엑셀레이터, 카메라, 주변상황을 인식하기 위한 적어도 하나 이상의 센서 등을 통하여 운전 장치가 제어됨을 감지할 수 있다. 이때, 서버는 자율주행 차량(600)이 운전자의 수동 운전(510)에 의하여 운전 장치가 제어되는 것인지 여부를 판단할 수 있다. 예를 들면, 운전자에 의하여 입력된 제어 데이터에 기초하여 자율주행 차량(600)이 주행될 수 있다. 이때, 서버는 운전자에 의하여 기 설정된 기준에 포함되지 않는 제어 데이터가 입력됨에 따라 제어 데이터를 제외시키고 주행을 수행할 수 있다.
서버는 자율주행 차량(600)의 운전 장치가 제어됨을 인식함에 따라 운전자에 대한 자율주행 차량(600)의 운전을 감지할 수 있다(530). 서버는 자율주행 차량의 운전이 감지됨에 따라 학습(540)을 수행할 수 있다. 서버는 운전자의 학습 데이터를 획득하기 위하여 튜토리얼을 실행시킬 수 있다. 서버는 운전자의 운전 패턴정보를 저장하기 위한 질의응답 정보를 튜토리얼로 제공할 수 있고, 자율주행 차량이 도로에서 실시간으로 주행되는 주행 상황을 튜토리얼로 제공할 수 있다.
일례로, 서버는 적어도 하나 이상의 시나리오를 제작하여 가상상황을 생성할 수 있다. 예를 들면, 서버는 동일한 시나리오에 기반하여 실행되는 가상상황일지라도 배경을 다르게 제공하여 운전자가 다양한 튜토리얼을 경험할 수 있도록 함으로써 운전자의 흥미를 유발시킬 수 있다.
서버는 가상상황을 재연하는 튜토리얼을 실행시킴에 있어서, 자율주행 차량이 비주행 상태, 다시 말해서, 정지 상태에서 튜토리얼이 실행될 수 있다. 자율주행 차량에 설치된 자율주행 차량과 연동된 디스플레이를 통하여 튜토리얼이 증강 현실 또는 가상 현실에 기반하여 가상상황을 재연할 수 있다. 예를 들면, 자율주행 차량에 별도의 디스플레이가 설치될 수 있고, 자율주행 차량에 존재하는 윈도(Window)에 디스플레이 기능이 실행될 수 있다. 또는, 자율주행 차량과 연동된 단말(110)의 디스플레이를 통하여 튜토리얼이 실행될 수 있다. 이와 같이, 튜토리얼을 증강 현실 또는 가상 현실에 기반하여 가상상황을 재연함으로써 운전자가 보다 현실감있는 운전을 수행하게 된다. 서버는 운전자로부터 자율주행 차량의 운전 장치가 직접 조작됨에 따라 학습 데이터를 획득할 수 있다. 이때, 튜토리얼은 기 설정된 단계가 제공될 수 있으며, 이러한 단계를 각각 통과해야만 자율주행이 시작될 수 있다.
다른 예로서, 서버는 운전자의 운전 패턴정보를 저장하기 위한 질의응답 정보를 튜토리얼로 제공함에 따라 운전자로부터 질의응답 정보와 관련된 답변을 수신할 수 있다. 더욱 상세하게는, 서버는 자율주행 차량에 별도로 설치된 디스플레이, 자율주행 차량에 존재하는 윈도(Window)에 디스플레이 또는 자율주행 차량과 연동된 단말의 디스플레이를 통하여 튜토리얼로 질의응답 정보를 제공할 수 있다. 운전자는 질의응답 정보에 제공된 질의에 대한 응답을 선택 또는 입력함으로써 질의응답 정보와 관련된 답변을 전송하게 된다. 서버는 질의응답 정보와 관련된 답변을 학습 데이터로 획득할 수 있다. 이때, 질의응답과 관련된 정보는 자율주행 차량의 정지 또는 비정지 상태에서 제공될 수 있다. 또한, 서버는 자율주행 차량이 비정지 상태에서 질의응답 정보를 튜토리얼로 제공할 경우, 음성 메시지를 통하여 질의응답 정보를 제공하고, 운전자로부터 음성 데이터를 통하여 질의응답과 관련된 답변이 입력될 수 있다.
또 다른 예로서, 서버는 자율주행 차량이 도로에서 실시간으로 주행되는 주행 상황을 튜토리얼로 제공할 수 있다. 서버는 자율주행 차량이 주행 중에 입력되는 제어 데이터를 학습 데이터로 획득할 수 있다. 더욱 상세하게는, 자유주행 차량이 주행 중에 운전 장치를 조작할 수 있다. 서버는 운전자로부터 운전 장치를 조작됨에 따라 인식되는 제어 데이터를 통하여 학습 데이터로 획득할 수 있다.
서버는 튜토리얼을 제공함으로써 각각의 운전자의 학습 데이터로부터 운전자의 운전 패턴정보를 생성할 수 있다. 서버는 동일한 가상상황을 포함하는 튜토리얼을 기 설정된 횟수 이상 실행시킴에 따라 획득된 운전자의 학습 데이터로부터 운전자의 운전 패턴정보를 생성할 수 있다. 예를 들면, 서버는 자율주행 차량의 좌측 또는 우측 차선에 존재하는 다른 차량이 자율주행 차량의 전방으로 끼어드는 상황에 운전자는 핸들을 기 설정된 각도(예를 들면, 70도) 이상 움직이는 것을 감지할 수 있다. 서버는 이러한 운전자의 행위에 대하여 학습 데이터로 저장할 수 있다. 서버는 운전자가 튜토리얼을 통하여 계속적으로 동일한 행위를 반복함에 따라 운전자의 패턴정보로 저장하게 된다. 또한, 서버는 튜토리얼을 통하여 운전자가 하지 말아야 하는 금지 행위가 감지될 경우, 이러한 금지 행위를 하지 않도록 위험을 실시간으로 통보할 수 있다. 예를 들면, 서버는 사전에 설정된 금지 행위인 운전자가 브레이크를 밟으면서 회전을 하는 것이 입력됨에 따라 운전자에게 위험을 통보할 수 있고, 이러한 행위와 관련된 학습 데이터를 저장하지 않는다. 이에 따라 서버는 튜토리얼을 통하여 획득된 운전자의 운전 패턴정보를 통하여 자율주행 차량의 자율주행 시에 사고가 발생할 경우, 피해 상황에 대하여 책임 소재를 명확히 할 수 있다.
서버는 자율주행 차량(600)의 운전자의 수동 운전(510)에 의하여 운전 장치가 제어될 경우, 운전자의 수동 운전에 따른 주행을 수행할 수 있고, 또는, 운전자로부터 학습된 학습 데이터에 기초하여 생성된 운전자의 운전 패턴정보로부터 조건별 참조 데이터를 추출하여 자율주행을 수행할 수 있다(550). 구체적으로 서버는 자율주행 차량을 통하여 자율주행 차량의 주변상황을 인식할 수 있다. 예를 들면, 서버는 자율주행 차량(600) 주변의 교통상황을 판단할 수 있고, 자율주행 차량이 현재 위치하고 있는 도로 정보, 주변에 차량들이 많은지 여부를 판단할 수 있다. 서버는 자율주행 차량을 통하여 인식된 주변상황에 대응하는 운전자의 운전 패턴정보를 추출할 수 있다. 일례로, 서버는 자율주행 차량을 통하여 인식된 주변상황과 동일한 가상상황이 존재하지 않더라도, 튜토리얼에 존재하는 유사한 가상상황을 취합함에 따라 각각의 학습 데이터에 대한 참조 데이터를 추정하고, 추정된 참조 데이터에 기초하여 운전자의 운전 패턴정보를 추출할 수 있다. 서버는 학습 데이터를 통하여 운전자의 행동들에 대한 조건들의 결론이 어떻게 도출되었는지 추정할 수 있다. 서버는 추정된 참조 데이터에 기초하여 추출된 운전자의 운전 패턴정보에 기초하여 자율주행을 제어할 수 있다.
도 7을 참고하면, 자율주행 차량에서 자율주행이 제어되는 것을 설명하기 위한 예로서, 서버는 자율주행 차량이 주변상황을 인식함에 따라 튜토리얼에 기초하여 획득된 운전 패턴정보를 추출하고, 추출된 운전 패턴정보에 기초하여 자율주행 차량(600)을 제어할 수 있다. 자율주행 차량(600)은 자율주행 차량(600)의 주변에 존재하는 차량들을 감지함에 따라 특정 도로에서 주변에 존재하는 차량과의 기 설정된 간격을 유지하면서 일정 거리를 710과 같이 주행하다가 720과 같이 주행할 수 있다. 예를 들면, 자율주행 차량(600)은 코너가 있는 도로에서 운전자의 학습 패턴정보에 기초하여 일정 거리를 직진으로 50Km/h로 주행하다가, 왼쪽으로 45도 방향으로 코너를 주행한 후, 다시 직진으로 20Km/h로 주행할 수 있다. 더 나아가, 서버는 자율주행 차량의 전방 차량 또는 후방 차량과의 충돌예측 정보를 계산하고, 계산된 충돌예측 정보에 기초하여 전방 차량 또는 후방 차량과의 일정 거리를 유지하기 위하여 속도 및 방향을 제어할 수 있다.
도 8은 일 실시예에 따른 서버에서 운전자의 인증을 수행하는 과정을 설명하기 위한 예이다.
서버는 자율주행 차량에서 실시되는 튜토리얼을 통하여 운전자의 운전 패턴정보를 저장하고, 저장된 운전자의 운전 패턴정보에 기초하여 자율주행을 제어하기 위하여 사용자 인증 과정을 수행할 수 있다. 예를 들면, 서버는 튜토리얼을 통하여 획득된 학습 데이터를 패턴화하기 위하여 인증 과정을 실행할 수 있다. 이때, 운전자가 인증 과정을 수행함에 따라 동일한 자율주행 차량에서 튜토리얼을 수행하지 않더라도 운전자의 운전 패턴정보가 획득될 수 있다.
자율주행 차량은 운전자 없이 자율주행이 수행될 수 있다. 또한, 자율주행 차량은 자율주행 차량에 운전자가 존재하는 경우, 운전자에 의하여 수동으로 주행이 제어되는 운전자 모드 또는 운전자의 운전 패턴정보에 기초하여 주행이 제어되는 자율주행 모드를 포함할 수 있다. 이때, 자율주행 차량은 운전자의 유무와 관계없이 운전자의 인증을 식별할 수 있다. 인증 방식으로 홍채 인식, 지문 인식, 아이디/패스워드 인식, 음성 인식 및 얼굴 인식 등 운전자를 식별할 수 있는 다양한 방법이 존재할 수 있다. 운전자가 자율주행 차량에 착석함에 따라 자율주행 차량의 디스플레이 또는 자율주행 차량과 연동된 단말을 통하여 인증 과정이 실행될 수 있다. 예를 들면, 운전자가 자율주행 차량의 핸들을 잡음에 따라 인증 과정이 실시될 수 있다. 또한, 운전자가 자율주행 차량에 착석하지 않을 경우, 자율주행 차량과 연동된 단말을 통하여 인증 과정이 실행될 수 있다. 서버는 운전자로부터 인증된 인증 정보와 기 저장된 인증 정보를 비교할 수 있다. 서버는 운전자로부터 인증된 인증 정보와 기 저장된 인증 정보가 일치하지 않을 경우, 자율주행 모드를 실행하지 않게 되며, 운전자로부터 인증된 인증 정보와 기 저장된 인증 정보가 일치할 경우, 자율주행 모드를 실행하게 된다. 서버는 운전자의 인증을 수행함에 따라 자율주행 차량이 인증된 운전자와 관련된 운전 패턴정보를 추출하여 자율주행을 시작할 수 있다.
도 9는 일 실시예에 따른 서버에서 튜토리얼을 실행하는 과정을 설명하기 위한 예이다.
서버는 운전자의 운전 패턴정보를 획득하기 위하여 튜토리얼을 실행시킬 수 있다. 튜토리얼은 다양한 형태로 제공될 수 있으며, 예를 들면, 가상상황을 재연하거나, 질의응답 정보를 튜토리얼로 제공하거나 도로에서 실시간으로 주행되는 주행 상황을 튜토리얼로 제공할 수 있다.
도 9에서는 가상상황을 재연하는 튜토리얼을 실행시키는 것을 예를 들어 설명하기로 한다. 이때, 서버는 자율주행 차량(600)이 비주행 상태임을 판단함에 따라 튜토리얼을 실행시킬 수 있다. 예를 들면, 서버는 자율주행 차량(600)이 파킹 상태임을 판단함에 따라 자율주행 차량(600)이 정지 상태임을 식별할 수 있다. 또는, 서버는 자율주행 차량(600)의 속도가 0임을 판단함에 따라 정지 상태임을 식별할 수 있다. 이외에도 자율주행 차량(600)의 핸들, 엑셀레이터, 카메라, 주변상황을 인식함으로써 자율주행 차량(600)의 비주행 상태를 판단할 수 있다.
서버는 자율주행 차량(600)의 디스플레이, 자율주행 차량(600)에 설치된 별도의 디스플레이, 자율주행 차량(600)과 연동된 단말(110)의 디스플레이를 통하여 튜토리얼을 실행시킬 수 있다. 도 9에서는 자율주행 차량과 연동된 단말(110)을 통하여 튜토리얼이 실행되는 것을 예를 들어 설명하기로 한다. 이때, 자율주행 차량(600)과 연동된 단말(110)은 자율주행 차량(600)의 내부에서 튜토리얼이 실행될 수 있다.
일례로, 서버는 자율주행 차량(600)을 비주행 상태로 판단함에 따라 단말(110)의 디스플레이에 튜토리얼 약관 화면(900)을 출력할 수 있다. 단말(110)에 튜토리얼 약관이 출력된 후, 디스플레이를 통하여 튜토리얼 화면(910)이 출력될 수 있다. 이때, 튜토리얼 화면(910)에 출력되는 튜토리얼은 증강 현실 또는 가상 현실에 기반하여 가상상황을 재연한 것으로, 운전자는 튜토리얼을 통하여 직접적으로 운전 장치를 조작할 수 있다. 자율주행 차량에서 튜토리얼을 실행하기 때문에 운전자에 의하여 운전 장치, 예를 들면, 자율주행 차량의 핸들, 브레이크, 엑셀레이터, 복수의 센서들이 제어될 수 있다. 서버는 운전자로부터 조작된 운전 장치로부터 학습 데이터를 획득할 수 있다.
도 10은 일 실시예에 따른 서버에서 튜토리얼을 실행함에 따라 획득된 학습 데이터에 기초하여 패턴정보를 저장하는 것을 설명하기 위한 도면이다.
서버는 튜토리얼로 제공된 질의응답 정보를 통하여 운전자로부터 질의에 대한 응답을 선택 또는 입력받음에 따라 운전자의 학습 데이터를 획득할 수 있고, 획득된 학습 데이터에 기초하여 운전자의 운전 패턴정보를 저장할 수 있다. 또는, 서버는 자율주행 차량이 도로에서 실시간으로 주행되는 주행 상황을 튜토리얼로 제공함에 따라 자율주행 차량으로부터 주행 중에 입력되는 제어 데이터를 학습 데이터로 획득할 수 있다. 서버는 운전자로부터 운전 장치를 조작됨에 따라 인식되는 제어 데이터를 통하여 학습 데이터로 획득할 수 있다.
또는, 서버는 튜토리얼을 통하여 가상상황에 대한 운전자의 학습이 수행됨에 따라 학습 데이터를 획득할 수 있다. 서버는 획득된 학습 데이터에 기초하여 운전자의 운전 패턴정보를 저장할 수 있다. 이때, 서버는 운전자의 패턴정보(1000)를 데이터베이스에 저장할 수 있다. 서버는 운전자의 학습 데이터가 업데이트됨에 따라 운전자의 패턴정보(1000)도 업데이트할 수 있다.
서버는 데이터베이스에 저장된 학습 데이터에 기초하여 운전자의 운전 패턴정보를 생성할 수 있다. 서버는 가상상황에 대한 시나리오를 취합함에 따라 각각의 학습 데이터에 기초하여 특정 상황에 대응하는 참조 데이터를 추정할 수 있다. 서버는 사전에 예를 들면, 어떤 상황에서는 운전자가 왼쪽으로 핸들을 꺾으며, 또 다른 상황에서는 운전자가 브레이크를 밟으며 등과 같이 특정 상황에 대한 운전자의 학습 데이터를 획득할 수 있다. 서버는 운전자로부터 획득된 학습 데이터에 기초하여 운전자의 운전 패턴정보를 생성할 수 있다. 이때, 자율주행 차량에서 자율주행이 수행됨에 따라 각각의 주변상황에 대응하는 운전자의 운전 패턴정보를 추출할 수 있다. 서버는 자율주행 차량의 주변상황, 예를 들면, 교통 상황, 각 차량의 속도 정보, 방향 정보, 도로 정보 등에 대응하는 운전자의 운전 패턴정보를 추출할 수 있다. 서버는 자율주행 차량이 주변상황과 일치 또는 유사한 운전자의 패턴정보를 추출하여 자율주행을 제어할 수 있다. 또한, 서버는 참조 데이터를 조합하여 자율주행을 수행할 수 있다.
서버는 운전자로부터 자율주행 차량에서 금지된 금지 상황이 학습 데이터로 획득됨에 따라 금지 상황에 대한 위험을 운전자에게 통보할 수 있고, 금지 상황에 대한 학습 데이터는 저장하는데 제외시킬 수 있다.
도 11은 일 실시예에 따른 서버에서 자율주행 차량에 발생한 사고와 관련된 정보를 증거 자료로 제출하는 과정을 설명하기 위한 도면이다.
서버는 자율주행 차량에 사고가 발생함을 인식할 수 있다. 일례로, 자율주행 차량에 추돌 또는 충돌이 발생할 수 있다. 서버는 자율주행 차량에 저장된 운전 패턴정보에 기초하여 제어된 자율주행과 관련된 정보를 저장할 수 있다. 더욱 상세하게는, 서버는 자율주행 차량에서 발생한 사고와 관련된 영상 정보, 사고 당시의 주행 속도, 사고 당시의 주행 방향, 사고가 발생할 때까지의 이동 경로 등을 저장할 수 있다.
서버는 자율주행 차량에 저장된 운전 패턴정보에 기초하여 제어된 자율주행과 관련된 정보를 사고 회피의 증거로 사용할 수 있다. 이때, 서버는 자율주행과 관련된 정보를 사고를 처리하는 보험회사, 경찰서, 법원 등으로 제출할 수 있다. 운전자는 단말(110)을 통하여 자율주행과 관련된 정보를 온라인 또는 오프라인으로 제출할 수 있다. 예를 들면, 단말(110)의 사고 회피 화면(1100)이 출력될 수 있고, 사고 회피 화면(1100)에 자율주행과 관련된 정보를 제출할 것인지 여부를 질의하는 메시지가 출력될 수 있다. 운전자가 자율주행과 관련된 정보를 제출하고자 할 경우, 메시지에 대한 긍정 응답에 대응하는 유저 인터페이스를 선택함에 따라 자율주행과 관련된 정보가 전송될 수 있다.
다시 말해서, 자율주행 차량이 사고를 발생하는 가해자이거나 사고를 당한 피해자일 경우, 운전자의 운전 패턴정보에 기초하여 자율주행과 관련된 정보를 증거 자료로 사용함으로써 책임 여부를 명확히 할 수 있다. 뿐만 아니라, 운전자의 운전 패턴 정보에 기초하여 제어된 자율주행과 관련된 정보를 증거 자료로 사용함으로써 운전자 또는 자율주행을 공급하는 공급업체의 책임 여부를 명확하게 할 수 있다. 이에 따라, 공급업체는 자율주행 차량의 오작동으로 인하여 사고가 발생하였다는 누명을 벗을 수 있으며, 자율주행 차량의 상용화에 대비하여 발생할 수 있는 사건들에 대하여 공급업체의 책임을 회피할 수 있다.
이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 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 장치에 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.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 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 (20)

  1. 사고 회피 서버에 의하여 수행되는 자율주행 차량의 사고 회피 방법에 있어서,
    운전자의 운전 패턴정보를 저장하기 위한 튜토리얼을 실행시키는 단계;
    상기 튜토리얼을 통하여 상기 운전자의 학습이 수행됨에 따라 학습 데이터를 획득하는 단계;
    상기 획득된 학습 데이터에 기초하여 상기 운전자의 운전 패턴정보를 저장하는 단계; 및
    상기 운전자의 운전 패턴정보에 기초하여 상기 자율주행 차량의 자율주행을 제어하는 단계
    를 포함하고,
    상기 운전자의 운전 패턴정보를 저장하기 위한 튜토리얼을 실행시키는 단계는,
    상기 운전자의 식별 정보에 기초하여 상기 운전자의 인증을 수행함에 따라 튜토리얼을 실행하고, 상기 자율주행 차량에 설치된 또는 상기 자율주행 차량과 연동된 디스플레이를 통하여 튜토리얼이 증강 현실 또는 가상 현실에 기반하여 가상상황을 재연하고, 상기 자율주행 차량이 비주행 상태임을 판단함에 따라 상기 가상상황을 실행시키는 단계
    를 포함하고,
    상기 튜토리얼을 통하여 상기 운전자의 학습이 수행됨에 따라 학습 데이터를 획득하는 단계는,
    상기 튜토리얼을 기 설정된 횟수 이상 실행시킴에 따라 운전자의 학습 데이터를 획득하고, 상기 튜토리얼을 통하여 상기 운전자로부터 금지 행위가 감지될 경우, 상기 감지된 금지 행위를 상기 학습 데이터로 제외시키고, 상기 금지 행위에 대한 위험을 통보하는 단계
    를 포함하고,
    상기 자율주행을 제어하는 단계는,
    상기 자율주행 차량을 통하여 주변상황을 인식함에 따라 상기 튜토리얼에 기초하여 획득된 운전 패턴정보를 추출하고, 상기 추출된 운전 패턴정보에 기초하여 상기 자율주행 차량을 제어하고, 상기 자율주행 차량이 다른 차량과 사고가 발생하였을 경우, 상기 자율주행 차량에 저장된 운전 패턴정보에 기초하여 제어된 자율주행과 관련된 정보를 사고 회피의 증거로 사용하여, 상기 자율주행과 관련된 정보를 사고를 처리하기 위한 업체로 제출하는 단계
    를 포함하고,
    상기 튜토리얼은, 적어도 하나 이상의 시나리오를 제작하여 가상상황을 생성하고, 동일한 또는 다른 시나리오에 기반하여 실행되는 가상상황에 배경이 다르게 제공되는 것을 포함하고,
    상기 자율주행 차량은, 운전자의 유무와 관계없이 운전자의 인증이 수행됨에 따라 상기 인증된 운전자와 관련된 운전 패턴정보가 추출되어 자율주행이 시작되는,
    자율주행 차량의 사고 회피 방법.
  2. 삭제
  3. 삭제
  4. 제1항에 있어서,
    상기 자율주행을 제어하는 단계는,
    상기 자율주행 차량의 전방 차량 또는 후방 차량과의 충돌예측 정보를 계산하고, 상기 계산된 충돌예측 정보에 기초하여 상기 전방 차량 또는 후방 차량과의 일정 거리를 유지하기 위하여 속도를 제어하는 단계
    를 포함하는 자율주행 차량의 사고 회피 방법.
  5. 제1항에 있어서,
    상기 자율주행을 제어하는 단계는,
    상기 운전자의 상기 자율주행 차량에 대한 운전 여부를 감지하고, 상기 운전자의 수동 운전에 기초하여 입력된 제어 데이터에 기초하여 상기 자율주행 차량을 제어하는 단계
    를 포함하는 자율주행 차량의 사고 회피 방법.
  6. 제1항에 있어서,
    상기 운전자의 운전 패턴정보를 저장하는 단계는,
    상기 튜토리얼로부터 각각의 학습 데이터에 대한 참조 데이터를 추정하고, 상기 추정된 참조 데이터에 기초하여 상기 운전자에 대한 운전 패턴정보를 저장하는 단계
    를 포함하는 자율주행 차량의 사고 회피 방법.
  7. 삭제
  8. 제1항에 있어서,
    상기 튜토리얼을 실행시키는 단계는,
    상기 운전자의 운전 패턴정보를 저장하기 위한 질의응답 정보를 튜토리얼로 제공하고, 상기 운전자로부터 상기 질의응답 정보와 관련된 답변을 수신하는 단계
    를 포함하는 자율주행 차량의 사고 회피 방법.
  9. 제1항에 있어서,
    상기 튜토리얼을 실행시키는 단계는,
    상기 자율주행 차량이 도로에서 실시간으로 주행되는 주행 상황을 상기 튜토리얼로 제공하는 단계
    를 포함하는 자율주행 차량의 사고 회피 방법.
  10. 삭제
  11. 삭제
  12. 삭제
  13. 자율주행 차량의 사고 회피 방법을 실행시키기 위하여 컴퓨터 판독 가능한 기록 매체에 저장된 컴퓨터 프로그램에 있어서,
    운전자의 상기 차량에 대한 운전 패턴정보를 저장하기 위한 튜토리얼을 실행시키는 단계;
    상기 튜토리얼을 통하여 상기 운전자의 학습이 수행됨에 따라 학습 데이터를 획득하는 단계;
    상기 획득된 학습 데이터에 기초하여 상기 운전자의 운전 패턴정보를 저장하는 단계; 및
    상기 운전자의 운전 패턴정보에 기초하여 상기 자율주행 차량의 자율주행을 제어하는 단계
    를 포함하고,
    상기 운전자의 운전 패턴정보를 저장하기 위한 튜토리얼을 실행시키는 단계는,
    상기 운전자의 식별 정보에 기초하여 상기 운전자의 인증을 수행함에 따라 튜토리얼을 실행하고, 상기 자율주행 차량에 설치된 또는 상기 자율주행 차량과 연동된 디스플레이를 통하여 튜토리얼이 증강 현실 또는 가상 현실에 기반하여 가상상황을 재연하고, 상기 자율주행 차량이 비주행 상태임을 판단함에 따라 상기 가상상황을 실행시키는 단계
    를 포함하고,
    상기 튜토리얼을 통하여 상기 운전자의 학습이 수행됨에 따라 학습 데이터를 획득하는 단계는,
    상기 튜토리얼을 기 설정된 횟수 이상 실행시킴에 따라 운전자의 학습 데이터를 획득하고, 상기 튜토리얼을 통하여 상기 운전자로부터 금지 행위가 감지될 경우, 상기 감지된 금지 행위를 상기 학습 데이터로 제외시키고, 상기 금지 행위에 대한 위험을 통보하는 단계
    를 포함하고,
    상기 자율주행을 제어하는 단계는,
    상기 자율주행 차량을 통하여 주변상황을 인식함에 따라 상기 튜토리얼에 기초하여 획득된 운전 패턴정보를 추출하고, 상기 추출된 운전 패턴정보에 기초하여 상기 자율주행 차량을 제어하고, 상기 자율주행 차량이 다른 차량과 사고가 발생하였을 경우, 상기 자율주행 차량에 저장된 운전 패턴정보에 기초하여 제어된 자율주행과 관련된 정보를 사고 회피의 증거로 사용하여, 상기 자율주행과 관련된 정보를 사고를 처리하기 위한 업체로 제출하는 단계
    를 포함하고,
    상기 튜토리얼은, 적어도 하나 이상의 시나리오를 제작하여 가상상황을 생성하고, 동일한 또는 다른 시나리오에 기반하여 실행되는 가상상황에 배경이 다르게 제공되는 것을 포함하고,
    상기 자율주행 차량은, 운전자의 유무와 관계없이 운전자의 인증이 수행됨에 따라 상기 인증된 운전자와 관련된 운전 패턴정보가 추출되어 자율주행이 시작되는,
    컴퓨터 판독 가능한 기록 매체에 저장된 프로그램.
  14. 자율주행 차량의 사고 회피 서버에 있어서,
    운전자의 상기 차량에 대한 운전 패턴정보를 저장하기 위한 튜토리얼을 실행시키는 튜토리얼 실행부;
    상기 튜토리얼을 통하여 상기 운전자의 학습이 수행됨에 따라 학습 데이터를 획득하는 획득부;
    상기 획득된 학습 데이터에 기초하여 상기 운전자의 운전 패턴정보를 저장하는 패턴정보 저장부; 및
    상기 운전자의 운전 패턴정보에 기초하여 상기 자율주행 차량의 자율주행을 제어하는 자율주행 제어부
    를 포함하고,
    상기 실행부는,
    상기 운전자의 식별 정보에 기초하여 상기 운전자의 인증을 수행함에 따라 튜토리얼을 실행하고, 상기 자율주행 차량에 설치된 또는 상기 자율주행 차량과 연동된 디스플레이를 통하여 튜토리얼이 증강 현실 또는 가상 현실에 기반하여 가상상황을 재연하고, 상기 자율주행 차량이 비주행 상태임을 판단함에 따라 상기 가상상황을 실행시키는 것을 포함하고,
    상기 획득부는,
    상기 튜토리얼을 기 설정된 횟수 이상 실행시킴에 따라 운전자의 학습 데이터를 획득하고, 상기 튜토리얼을 통하여 상기 운전자로부터 금지 행위가 감지될 경우, 상기 감지된 금지 행위를 상기 학습 데이터로 제외시키고, 상기 금지 행위에 대한 위험을 통보하는 것을 포함하고,
    상기 제어부는,
    상기 자율주행 차량을 통하여 주변상황을 인식함에 따라 상기 튜토리얼에 기초하여 획득된 운전 패턴정보를 추출하고, 상기 추출된 운전 패턴정보에 기초하여 상기 자율주행 차량을 제어하고, 상기 자율주행 차량이 다른 차량과 사고가 발생하였을 경우, 상기 자율주행 차량에 저장된 운전 패턴정보에 기초하여 제어된 자율주행과 관련된 정보를 사고 회피의 증거로 사용하여, 상기 자율주행과 관련된 정보를 사고를 처리하기 위한 업체로 제출하는 것을 포함하고,
    상기 튜토리얼은, 적어도 하나 이상의 시나리오를 제작하여 가상상황을 생성하고, 동일한 또는 다른 시나리오에 기반하여 실행되는 가상상황에 배경이 다르게 제공되는 것을 포함하고,
    상기 자율주행 차량은, 운전자의 유무와 관계없이 운전자의 인증이 수행됨에 따라 상기 인증된 운전자와 관련된 운전 패턴정보가 추출되어 자율주행이 시작되는,
    자율주행 차량의 사고 회피 서버.
  15. 삭제
  16. 삭제
  17. 삭제
  18. 제14항에 있어서,
    상기 튜토리얼 실행부는,
    상기 운전자의 운전 패턴정보를 저장하기 위한 질의응답 정보를 튜토리얼로 제공하고, 상기 운전자로부터 상기 질의응답 정보와 관련된 답변을 수신하는
    것을 특징으로 하는 자율주행 차량의 사고 회피 서버.
  19. 제14항에 있어서,
    상기 튜토리얼 실행부는,
    상기 자율주행 차량이 도로에서 실시간으로 주행되는 주행 상황을 상기 튜토리얼로 제공하는
    것을 특징으로 하는 자율주행 차량의 사고 회피 서버.
  20. 삭제
KR1020170138192A 2017-10-24 2017-10-24 차량학습에 기반한 자율주행 중 사고 회피 시스템 및 방법 KR102106875B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020170138192A KR102106875B1 (ko) 2017-10-24 2017-10-24 차량학습에 기반한 자율주행 중 사고 회피 시스템 및 방법
US16/168,808 US11142190B2 (en) 2017-10-24 2018-10-23 System and method for controlling autonomous driving vehicle

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170138192A KR102106875B1 (ko) 2017-10-24 2017-10-24 차량학습에 기반한 자율주행 중 사고 회피 시스템 및 방법

Publications (2)

Publication Number Publication Date
KR20190045511A KR20190045511A (ko) 2019-05-03
KR102106875B1 true KR102106875B1 (ko) 2020-05-08

Family

ID=66169146

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170138192A KR102106875B1 (ko) 2017-10-24 2017-10-24 차량학습에 기반한 자율주행 중 사고 회피 시스템 및 방법

Country Status (2)

Country Link
US (1) US11142190B2 (ko)
KR (1) KR102106875B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220019117A (ko) 2020-08-05 2022-02-16 한양대학교 에리카산학협력단 자율주행 차량의 위험 상황 회피 시스템

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10698421B1 (en) 2017-09-25 2020-06-30 State Farm Mutual Automobile Insurance Company Dynamic autonomous vehicle train
US10948927B1 (en) 2017-10-05 2021-03-16 State Farm Mutual Automobile Insurance Company Dynamic autonomous vehicle train
JP2020189498A (ja) * 2019-05-17 2020-11-26 トヨタ自動車株式会社 起動システムおよび起動方法
US20220073104A1 (en) * 2019-05-30 2022-03-10 Lg Electronics Inc. Traffic accident management device and traffic accident management method
US11422553B2 (en) * 2019-06-28 2022-08-23 Intel Corporation Methods and apparatus to adjust autonomous vehicle driving software using machine programming
KR102226419B1 (ko) 2019-08-05 2021-03-12 삼성전자주식회사 차량용 전자 장치 및 차량용 전자 장치 동작 방법
FR3103439B1 (fr) * 2019-11-25 2021-12-10 Psa Automobiles Sa Analyse de données d’environnement acquises dans une zone pour déterminer le type de conduite d’un véhicule à conduite automatisée
US11494533B2 (en) * 2019-11-27 2022-11-08 Waymo Llc Simulations with modified agents for testing autonomous vehicle software
KR102641118B1 (ko) * 2019-12-30 2024-02-27 삼성전자주식회사 사용자에게 ar 오브젝트를 제공하는 방법 및 장치
JP7354888B2 (ja) * 2020-03-17 2023-10-03 トヨタ自動車株式会社 情報処理装置、プログラム、及び、情報処理方法
KR102498328B1 (ko) 2020-10-12 2023-02-09 충북대학교 산학협력단 차량 상태 기반 모델을 기초로 차량의 상태전이를 학습시키는 방법 및 장치
KR20230023125A (ko) * 2021-08-09 2023-02-17 현대자동차주식회사 자율주행 차량의 제어장치 및 제어 방법
KR20230158320A (ko) 2022-05-11 2023-11-20 현대모비스 주식회사 자율주행 차량을 위한 nft 기반의 운전자 데이터 관리 서버 및 방법

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015000722A (ja) * 2013-06-12 2015-01-05 ローベルト ボツシユ ゲゼルシヤフト ミツト ベシユレンクテル ハフツングＲｏｂｅｒｔ Ｂｏｓｃｈ Ｇｍｂｈ 車両作動方法および車両作動装置
JP2015179445A (ja) * 2014-03-19 2015-10-08 日本電気株式会社 運転情報収集システム、車載器、サーバ、運転情報収集方法、およびプログラム

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007048003A2 (en) * 2005-10-21 2007-04-26 Deere & Company Versatile robotic control module
US8598977B2 (en) * 2010-04-16 2013-12-03 Tiny Towne International Llc System and method for driver training in a controlled driving environment
US8509982B2 (en) * 2010-10-05 2013-08-13 Google Inc. Zone driving
EP2615598B1 (en) * 2012-01-11 2017-12-06 Honda Research Institute Europe GmbH Vehicle with computing means for monitoring and predicting traffic participant objects
KR101736306B1 (ko) 2013-02-27 2017-05-29 한국전자통신연구원 차량과 운전자간 협력형 자율 주행 장치 및 방법
KR102137213B1 (ko) * 2015-11-16 2020-08-13 삼성전자 주식회사 자율 주행을 위한 모델 학습 장치 및 방법과 자율 주행 장치
KR20170078096A (ko) 2015-12-29 2017-07-07 서울대학교산학협력단 자율주행 차량의 제어방법
EP3475778B1 (en) * 2016-06-28 2024-07-10 Cognata Ltd. Realistic 3d virtual world creation and simulation for training automated driving systems
DE102017214225B3 (de) * 2017-08-15 2018-11-22 Volkswagen Aktiengesellschaft Verfahren zum Betreiben eines Fahrerassistenzsystems eines Kraftfahrzeugs sowie Kraftfahrzeug
US10850741B2 (en) * 2017-09-20 2020-12-01 Denso International America, Inc. Systems and methods for automated vehicle driving that mimic safe driver behaviors

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015000722A (ja) * 2013-06-12 2015-01-05 ローベルト ボツシユ ゲゼルシヤフト ミツト ベシユレンクテル ハフツングＲｏｂｅｒｔ Ｂｏｓｃｈ Ｇｍｂｈ 車両作動方法および車両作動装置
JP2015179445A (ja) * 2014-03-19 2015-10-08 日本電気株式会社 運転情報収集システム、車載器、サーバ、運転情報収集方法、およびプログラム

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220019117A (ko) 2020-08-05 2022-02-16 한양대학교 에리카산학협력단 자율주행 차량의 위험 상황 회피 시스템

Also Published As

Publication number Publication date
US20190118805A1 (en) 2019-04-25
US11142190B2 (en) 2021-10-12
KR20190045511A (ko) 2019-05-03

Similar Documents

Publication Publication Date Title
KR102106875B1 (ko) 차량학습에 기반한 자율주행 중 사고 회피 시스템 및 방법
US10896122B2 (en) Using divergence to conduct log-based simulations
CN107577227B (zh) 操作无人驾驶车辆的方法、装置和数据处理系统
CN108137015B (zh) 用于自动驾驶车辆的侧滑补偿控制方法
CN109287122B (zh) 基于自动驾驶车辆的控制反馈更新地图的方法和系统
US9361795B2 (en) Regional driving trend modification using autonomous vehicles
CN108137052B (zh) 驾驶控制装置、驾驶控制方法和计算机可读介质
JP2020004402A (ja) ニューラルネットワークに基づく自動運転車両用の安全監視システム
JP6917827B2 (ja) 車両制御装置、車両、車両制御方法およびプログラム
CN111613091A (zh) 利用外部驾驶员数据增强移动设备操作
KR20180050704A (ko) 전극을 이용한 인간 운전자의 자율 주행 차량 제어 인계 메커니즘
CN110901656B (zh) 用于自动驾驶车辆控制的实验设计方法和系统
CN109213144A (zh) 人机接口（hmi）架构
US20200019173A1 (en) Detecting activity near autonomous vehicles
US20190114558A1 (en) Information processing apparatus, information processing method, and program
US11604908B2 (en) Hardware in loop testing and generation of latency profiles for use in simulation
US20230343108A1 (en) Systems and methods for detecting projection attacks on object identification systems
US11126763B1 (en) Realism metric for testing software for controlling autonomous vehicles
Tigadi et al. Autonomous vehicles: Present technological traits and scope for future innovation
CN117130298A (zh) 用于评估自动驾驶系统的方法、装置及存储介质
KR20200134040A (ko) 보험료를 산정하기 위하여 자율 주행 차량의 운전자 개입 여부를 판단하는 시스템 및 방법
US12019449B2 (en) Rare event simulation in autonomous vehicle motion planning
CN109144070A (zh) 移动设备辅助自动驾驶方法、汽车和存储介质
JP6946456B2 (ja) 地図及び測位を必要としない自動運転車両のコーナネゴシエーション方法
EP4177732A1 (en) Information processing device, information processing method, information processing system, and program

Legal Events

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