[go: up one dir, main page]

KR20240150640A - 차량 제어 장치, 및 그 방법 - Google Patents

차량 제어 장치, 및 그 방법 Download PDF

Info

Publication number
KR20240150640A
KR20240150640A KR1020230045433A KR20230045433A KR20240150640A KR 20240150640 A KR20240150640 A KR 20240150640A KR 1020230045433 A KR1020230045433 A KR 1020230045433A KR 20230045433 A KR20230045433 A KR 20230045433A KR 20240150640 A KR20240150640 A KR 20240150640A
Authority
KR
South Korea
Prior art keywords
vehicle
distance
stopping
collision
processor
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.)
Pending
Application number
KR1020230045433A
Other languages
English (en)
Inventor
김일환
Original Assignee
현대자동차주식회사
기아 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 현대자동차주식회사, 기아 주식회사 filed Critical 현대자동차주식회사
Priority to KR1020230045433A priority Critical patent/KR20240150640A/ko
Priority to US18/505,909 priority patent/US20240336258A1/en
Priority to CN202311613950.7A priority patent/CN118770205A/zh
Publication of KR20240150640A publication Critical patent/KR20240150640A/ko
Pending legal-status Critical Current

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
    • B60W30/095—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
    • B60W10/00—Conjoint control of vehicle sub-units of different type or different function
    • B60W10/20—Conjoint control of vehicle sub-units of different type or different function including control of steering systems
    • 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
    • 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
    • B60W30/18—Propelling the vehicle
    • B60W30/18009—Propelling the vehicle related to particular drive situations
    • B60W30/181—Preparing for stopping
    • 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
    • B60W40/02—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
    • 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
    • B60W40/105—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
    • 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
    • B60W50/08—Interaction between the driver and the control system
    • B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/092—Reinforcement learning
    • 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
    • B60W2050/0001—Details of the control system
    • B60W2050/0002—Automatic control, details of type of controller or control system architecture
    • B60W2050/0004—In digital systems, e.g. discrete-time systems involving sampling
    • B60W2050/0005—Processor details or data handling, e.g. memory registers or chip architecture
    • 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
    • B60W50/08—Interaction between the driver and the control system
    • B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
    • B60W2050/143—Alarm means
    • 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
    • B60W2554/4042—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
    • B60W2554/80—Spatial relation or speed relative to objects
    • 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
    • B60W2554/802—Longitudinal distance
    • 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
    • B60W2556/00—Input parameters relating to data
    • B60W2556/45—External transmission of data to or from the vehicle
    • B60W2556/65—Data transmitted between vehicles

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Mechanical Engineering (AREA)
  • Transportation (AREA)
  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Traffic Control Systems (AREA)

Abstract

본 발명은 차량 제어 장치, 및 그 방법에 관한 것으로, 본 발명의 실시 예에 의한 차량 제어 장치는 센서부, 제어 모듈 및 프로세서를 포함할 수 있다. 센서부는 차량의 전방 차량을 검출할 수 있고, 제어 모듈은 차량의 주행 및 조향을 제어할 수 있다. 프로세서는 전방 차량의 최대 감속도를 바탕으로 전방 차량 제동 거리 계산하고, 급제동을 할 경우 충돌 위험성을 판단하는 기준을 제공하는 정지 안전 거리를 상기 전방 차량 제동 거리에 비례하도록 계산하며, 정지 안전 거리를 바탕으로 전방 차량과의 충돌 위험성을 판단하고, 충돌 위험성을 바탕으로 제어 모듈을 제어할 수 있다.

Description

차량 제어 장치, 및 그 방법{APPARATUS FOR CONTROLLING A VEHICLE, AND METHOD THEREOF}
본 발명은 차량 제어 장치, 및 그 방법에 관한 것으로, 보다 상세하게는 전방 차량과의 충돌 위험을 방지하기 위한 기술에 관한 것이다.
자율주행 차량은 운전자가 직접 조작하지 않아도 주행 환경을 인식해 위험을 판단하고 주행 경로를 계획하여 운전자 주행 조작을 최소화하며, 스스로 안전하게 운행하는　차량이다.
자율주행 차량은 수동 주행 모드 또는 자율 주행 모드에서 조향, 가속 및 제동 등의　차량　주행 제어가 수행될 수 있다. 예를 들어, 자동 차선 유지 시스템(Automated Lane Keeping System; ALKS)을 기반으로 주행 중인 차량은 선행 차량이 급제동을 할 경우에도 충돌 회피를 할 수 있을 정도의 추종 거리를 유지하면서 주행할 필요가 있다.
하지만, 차량들의 급제동 성능이 모두 다르기 때문에, 동일한 추종 거리를 유지한다고 할지라도 전방 차량과의 충돌 위험성이 달라질 수 있다. 따라서, 교통 정체를 최소화하면서 차량들마다 상이한 급제동 성능에 대응하여 안전한 주행을 유지할 수 있는 방안이 요구된다.
본 발명은 차량들의 상이한 급제동 성능에 대응하여 주행 중인 차량의 안전성을 판단할 수 있는 차량의 제어 장치 및 그 방법을 제공하기 위한 것이다.
또한, 본 발명은 차량들의 상이한 급제동 성능에 대응하여 안전하게 차량을 제어할 수 있는 차량의 제어 장치 및 그 방법을 제공하기 위한 것이다.
본 발명의 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재들로부터 당업자에게 명확하게 이해될 수 있을 것이다.
본 발명의 실시 예에 의한 차량 제어 장치는 센서부, 제어 모듈 및 프로세서를 포함할 수 있다. 센서부는 차량의 전방 차량을 검출할 수 있고, 제어 모듈은 차량의 주행 및 조향을 제어할 수 있다. 프로세서는 전방 차량의 최대 감속도를 바탕으로 전방 차량 제동 거리 계산하고, 급제동을 할 경우 충돌 위험성을 판단하는 기준을 제공하는 정지 안전 거리를 상기 전방 차량 제동 거리에 비례하도록 계산하며, 정지 안전 거리를 바탕으로 전방 차량과의 충돌 위험성을 판단하고, 충돌 위험성을 바탕으로 제어 모듈을 제어할 수 있다.
실시 예에 의하면, 상기 전방 차량으로부터 상기 최대 감속도에 대한 정보를 제공받기 위한 통신부를 더 포함할 수 있다.
실시 예에 의하면, 상기 프로세서는 상기 전방 차량의 사이즈 및 제조사를 입력값으로 인공지능 학습을 통해서 상기 최대 감속도를 출력할 수 있다.
실시 예에 의하면, 상기 프로세서는 상기 전방 차량과의 차간 거리 및 상기 전방 차량의 제동 거리에 비례하여 상기 정지 안전 거리를 크게 계산할 수 있다.
실시 예에 의하면, 상기 프로세서는 상기 전방 차량의 제동 거리와 미리 설정된 충돌 안전 거리 간의 차이를 계산하여 정지 안전 마진을 획득하고, 상기 차간 거리와 상기 정지 안전 마진을 합산하여 상기 정지 안전 거리를 계산할 수 있다.
실시 예에 의하면, 상기 프로세서는 상기 정지 안전 거리가 상기 정지 거리를 초과할 경우, 상기 차간 거리가 줄어들지 않도록 주행 상태를 유지하도록 상기 주행 제어장치를 제어할 수 있다.
실시 예에 의하면, 상기 프로세서는 상기 정지 거리가 상기 정지 안전 거리 이상이고 상기 정지 안전 거리와 상기 충돌 안전 거리의 합보다 작을 경우, 상기 차량이 충돌 위험 영역 내에 존재한다고 판단하고, 알람부를 통해서 경보를 알릴 수 있다.
실시 예에 의하면, 상기 프로세서는 상기 차량이 상기 충돌 위험 영역 내에 있다고 판단에 기초하여, 차선 변경이 가능한지를 판단할 수 있다.
실시 예에 의하면, 상기 프로세서는 상기 정지 거리가 상기 정지 안전 거리와 상기 충돌 안전 거리의 합보다 클 경우, 상기 차량이 충돌 영역 내에 존재한다고 판단하고 차선 변경을 시도할 수 있다.
실시 예에 의하면, 상기 프로세서는 상기 차선 변경이 불가능할 경우, 상기 차량을 감속시킬 수 있다.
본 발명의 실시 예에 의한 차량 제어 방법은 전방 차량의 최대 감속도를 확인하고, 전방 차량의 최대 감속도를 바탕으로, 전방 차량의 제동 거리를 계산하는 단계, 급제동을 할 경우 충돌 위험성을 판단하는 기준을 제공하는 정지 안전 거리를 상기 전방 차량 제동 거리에 비례하도록 계산하는 단계, 및 상기 정지 안전 거리를 바탕으로 전방 차량과의 충돌 위험성을 판단하고, 상기 충돌 위험성을 바탕으로 차량의 주행 모듈을 제어하는 단계를 포함할 수 있다.
실시 예에 의하면, 상기 전방 차량의 최대 감속도를 확인하는 단계는 통신부를 통해서 상기 전방 차량으로부터 상기 최대 감속도에 대한 정보를 수신하는 단계를 포함할 수 있다.
실시 예에 의하면, 상기 전방 차량의 최대 감속도를 확인하는 단계는 상기 전방 차량의 사이즈 및 제조사를 입력값으로 인공지능 학습을 통해서 상기 최대 감속도를 출력할 수 있다.
실시 예에 의하면, 상기 정지 안전 거리를 계산하는 단계는 상기 전방 차량과의 차간 거리 및 상기 전방 차량의 제동 거리가 클수록 상기 정지 안전 거리를 크게 계산할 수 있다.
실시 예에 의하면, 상기 정지 안전 거리를 계산하는 단계는 상기 차간 거리를 계산하는 단계, 상기 전방 차량의 제동 거리와 미리 설정된 충돌 안전 거리 간의 차이를 계산하여 정지 안전 마진을 획득하는 단계, 및 상기 차간 거리와 상기 정지 안전 마진을 합산하는 단계를 포함할 수 있다.
실시 예에 의하면, 상기 충돌 위험성을 바탕으로 차량의 주행 장치를 제어하는 단계는 상기 정지 안전 거리가 상기 정지 거리를 초과할 경우, 상기 차간 거리가 줄어들지 않도록 주행 상태를 유지하는 단계를 포함할 수 있다.
실시 예에 의하면, 상기 충돌 위험성을 바탕으로 차량의 주행 장치를 제어하는 단계는 상기 정지 거리가 상기 정지 안전 거리 이상이고 상기 정지 안전 거리와 상기 충돌 안전 거리의 합보다 작을 경우, 상기 차량이 충돌 위험 영역 내에 존재한다는 경보를 알리는 단계를 더 포함할 수 있다.
실시 예에 의하면, 상기 충돌 위험성을 바탕으로 차량의 주행 장치를 제어하는 단계는 상기 차량이 상기 충돌 위험 영역 내에 있다고 판단에 기초하여, 차선 변경이 가능한지를 판단하는 단계를 더 포함할 수 있다.
실시 예에 의하면, 상기 충돌 위험성을 바탕으로 차량의 주행 장치를 제어하는 단계는 상기 정지 거리가 상기 정지 안전 거리와 상기 충돌 안전 거리를 합산한 크기 이상일 경우, 상기 차량이 충돌 영역 내에 존재한다고 판단하고 차선 변경을 시도하는 단계를 더 포함할 수 있다.
실시 예에 의하면, 상기 충돌 위험성을 바탕으로 차량의 주행 장치를 제어하는 단계는 상기 차선 변경이 불가능할 경우, 상기 차량을 감속시키는 단계를 더 포함할 수 있다.
본 발명의 실시 예에 의하면, 급제동 성능을 기반으로 충돌 위험성을 판단함으로써, 운전자에게 주행 중인 차량의 안전성을 알릴 수 있다.
또한, 본 발명의 실시 예에 의하면, 급제동 성능에 따라 충돌 위험성을 회피함으로써 차량을 안전하게 제어할 수 있다.
이 외에, 본 문서를 통해 직접적 또는 간접적으로 파악되는 다양한 효과들이 제공될 수 있다.
도 1은 본 발명의 일 실시 예에 주행 제어 장치를 포함하는 차량을 나타내는 도면이다.
도 2는 본 발명의 일 실시 예에 의한 차량 제어 장치의 구성을 나타내는 블록도이다.
도 3은 본 발명의 실시 예에 의한 차량의 제어 방법을 나타내는 순서도이다.
도 4는 본 발명의 실시 예에 의한 최대 감속도를 설정하기 위한 인공 신경망(Artificial Neural Network; ANN)을 모식화한 도면이다.
도 5은 제동 거리를 설명하는 도면이다.
도 6은 정지 거리를 설명하는 도면이다.
도 7은 정지 안전 거리를 설명하는 도면이다.
도 8는 안전 주행 영역으로 판단되는 주행 상태를 설명하는 도면이다.
도 9은 충돌 위험 영역으로 판단되는 주행 상태를 설명하는 도면이다.
도 10은 충돌 영역으로 판단되는 주행 상태를 설명하는 도면이다.
도 11는 본 발명의 다른 실시 예에 의한 최대 감속도 기반의 차량 제어 방법을 설명하는 순서도이다.
도 12는 본 발명의 일 실시 예에 따른 컴퓨팅 시스템을 나타내는 도면이다.
이하, 본 발명의 일부 실시 예들을 예시적인 도면을 통해 상세하게 설명한다. 각 도면의 구성요소들에 참조 부호를 부가함에 있어서, 동일한 구성요소들에 대해서는 비록 다른 도면 상에 표시되더라도 가능한 한 동일한 부호를 가지도록 하고 있음에 유의해야 한다. 또한, 본 발명의 실시 예를 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 실시 예에 대한 이해를 방해한다고 판단되는 경우에는 그 상세한 설명은 생략한다.
본 발명의 실시예의 구성 요소를 설명하는 데 있어서, 제 1, 제 2, A, B, (a), (b) 등의 용어를 사용할 수 있다. 이러한 용어는 그 구성 요소를 다른 구성 요소와 구별하기 위한 것일 뿐, 그 용어에 의해 해당 구성 요소의 본질이나 차례 또는 순서 등이 한정되지 않는다. 또한, 다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 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 가진 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 도 1 내지 도 12를 참조하여, 본 발명의 실시 예들을 구체적으로 설명하기로 한다.
도 1은 본 발명의 일 실시 예에 주행 제어 장치를 포함하는 차량을 나타내는 도면이다. 본 발명의 실시 예에 의한 차량은 자율주행 레벨1 내지 자율주행 레벨5를 수행할 수 있는 자율주행 차량일 수 있다.
도 1을 참조하면, 본 발명의 실시 예에 의한 차량(VEH)은 본체(2), 차륜(61, 62), 도어(71), 전면 유리(80), 사이드 미러(81, 82), 센서부(10), 및 프로세서(100)를 포함할 수 있다.
차량(VEH)은 전기자동차(Electric Vehicle, EV), 하이브리드 차량(Hybrid Electric Vehicle, HEV), 플러그인 하이브리드 차량(Plug-in Hybrid Electric Vehicle, PHEV), 또는 수소 전기차(Fuel Cell Electric Vehicle, FCEV) 등의 전동화 기반의 차량일 수 있다.
본체(2)는 차량(VEH)의 외형을 이루는 구조물일 수 있다.
차륜(61, 62)은 차량의 전방에 마련되는 전륜(61), 차량의 후방에 마련되는 후륜(62)을 포함하며, 전륜(61) 및 후륜(62)은 구동장치에 의해서 회전하여 차량(VEH)을 이동시킬 수 있다.
도어(71)는 본체(2)의 좌측 및 우측에 회동 가능하게 마련되어 개방 시에 탑승자가 차량(VEH)의 내부에 탑승할 수 있도록 하며, 폐쇄 시에 차량(VEH)의 내부를 외부로부터 차폐시킬 수 있다.
윈드 스크린의 일종인 전면 유리(80)는 본체(2)의 전방 상측에 마련되어 차량(VEH) 내부의 운전자 또는 사용자에게 차량(VEH) 전방의 시야 정보를 제공할 수 있다.
사이드미러(81, 82)는 본체(2)의 좌측에 마련되는 좌측 사이드미러(81) 및 우측에 마련되는 우측 사이드미러(82)를 포함하며, 차량(VEH) 내부의 운전자가 차량(VEH) 측, 후방의 시야 정보를 제공할 수 있다.
센서부(10)는 카메라(11), 라이다(LIDAR)(12), 및 초음파 센서(13) 등을 포함할 수 있으며, 카메라(11), 라이다(12), 초음파 센서(13)가 형성되는 위치는 도 1에 한정되지 않을 수 있다.
프로세서(100)는 본 발명의 실시 예에 의한 최대 감속도 기반으로 주행 제어를 위한 알고리즘을 수행할 수 있다.
본 발명의 실시 예에 의한 차량 제어 장치의 구체적인 구성을 살펴보면 다음과 같다.
도 2는 본 발명의 일 실시 예에 의한 차량 제어 장치의 구성을 나타내는 블록도이다. 본 발명의 일 실시 예에 의한 차량 제어 장치(200)는 차량의 내부에 구현될 수 있다. 이때, 차량 제어 장치(2000)는 차량의 내부 제어 유닛들과 일체로 형성될 수 있으며, 별도의 장치로 구현되어 별도의 연결 수단에 의해 차량의 제어 유닛들과 연결될 수도 있다.
도 2를 참조하면, 본 발명의 실시 예에 의한 차량 제어 장치(200)는 센서부(10), 통신부(20), 저장부(30), 프로세서(100), 제어 모듈(110), 및 알람부(120)를 포함할 수 있다.
센서부(10)는 차량의 외부 객체, 특히 차량의 전방 또는 후방의 위치한 차량들을 검출하기 위한 카메라(11), 라이다(Light Imaging Detection and Ranging; LIDAR)(12), 초음파 센서(13)를 포함할 수 있다.
카메라(11)는 차량 외부 이미지를 획득하기 위해, 차량의 외부의 적절한 곳, 예를 들면, 차량의 전방, 후방, 우측 사이드 미러, 좌측 사이드 미러에 위치할 수 있다. 카메라 모노 카메라, 스테레오 카메라, AVM(Around View Monitoring) 카메라 또는 360도 카메라일 수 있다.
카메라(11)는 차량 전방의 이미지를 획득하기 위해, 차량의 실내에서, 프런트 윈드 쉴드에 근접하게 배치될 수 있고, 프런트 범퍼 또는 라디에이터 그릴 주변에 배치될 수 있다.
카메라(11)는 차량 측방의 이미지를 획득하기 위해, 차량의 실내에서 사이드 윈도우 중 적어도 어느 하나에 근접하게 배치될 수 있다. 또한, 카메라(11)는 휀더 또는 도어 주변에 배치될 수 있다.
라이다(12)는 레이저 송신 모듈, 수신 모듈을 포함할 수 있다. 라이다는, TOF(Time of Flight) 방식 또는 페이즈 쉬프트(phase-shift) 방식으로 구현될 수 있다. 라이다(12)는 차량의 전방, 후방 또는 측방에 위치하는 객체를 감지하기 위해 차량의 외부에 노출될 수 있다.
초음파 센서(13)는 초음파 송신 모듈, 수신 모듈을 포함할 수 있다. 초음파 센서(13)는 초음파를 기초로 객체를 검출하고, 검출된 객체의 위치, 검출된 객체와의 거리 및 상대 속도를 검출할 수 있다. 초음파 센서는 차량의 전방, 후방 또는 측방에 위치하는 객체를 감지하기 위해 차량의 외부의 적절한 위치에 배치될 수 있다.
또한, 센서부(10)는 레이다(Radio Detection and Ranging; RADAR), 또는 적외선 센서를 더 포함할 수 있다.
레이다는 전자파 송신 모듈, 수신 모듈을 포함할 수 있다. 레이다는 전파 발사 원리상 펄스 레이다(Pulse Radar) 방식 또는 연속파 레이다(Continuous Wave Radar) 방식으로 구현될 수 있다. 레이다는 연속파 레이다 방식 중에서 신호 파형에 따라 FMCW(Frequency Modulated Continuous Wave)방식 또는 FSK(Frequency Shift Keyong) 방식으로 구현될 수 있다. 레이다는 전자파를 매개로, TOF(Time of Flight) 방식 또는 페이즈 쉬프트(phase-shift) 방식에 기초하여, 객체를 검출하고, 검출된 객체의 위치, 검출된 객체와의 거리 및 상대 속도를 검출할 수 있다.
적외선 센서는 적외선 송신 모듈, 수신 모듈을 포함할 수 있다. 적외선 센서는, 적외선 광을 기초로 객체를 검출하고, 검출된 객체의 위치, 검출된 객체와의 거리 및 상대 속도를 검출할 수 있다. 적외선 센서는 차량의 전방, 후방 또는 측방에 위치하는 객체를 감지하기 위해 차량의 외부에 배치될 수 있다.
또한, 센서부(10)는 차량의 변속을 위한 속도 제어 명령을 생성하는 브레이크 페달 위치 센서(Brake-pedal Position Sensor; BPS), 및 가속 페달 위치 센서(Accelerator Position Sensor; APS)를 더 포함할 수 있다.
브레이크 페달 위치 센서는 차량에 구비된 브레이크 페달의 눌림 정도에 따라 BPS 신호를 출력할 수 있다. 일례로, BPS 신호는 브레이크 페달의 눌림에 따라 0~100의 데이터를 출력할 수 있고, 0의 값은 브레이크 페달의 눌림이 없을 경우이며, 100의 값은 브레이크 페달의 눌림이 최대인 경우일 수 있다.
가속 페달 위치 센서는 차량에 구비된 가속 페달의 눌림 정도에 따라 APS 신호를 출력할 수 있다. 일례로, APS 신호는 가속 페달의 눌림에 따라 0~100의 데이터를 출력할 수 있고, 0의 값은 가속 페달의 눌림이 없을 경우이며, 100의 값은 가속 페달의 눌림이 최대인 경우일 수 있다.
통신부(20)는 사용자 단말기, 다른 차량 또는 외부 서버와 통신을 수행할 수 있으며, 실시 예에 의하면 전방 차량으로부터 최대 감속도 정보를 수신할 수 있다.
근거리 통신(Short range communication), GPS 신호 수신, V2X 통신, 광통신, 방송 송수신 및 ITS(Intelligent Transport Systems) 통신 기능을 수행할 수 있다.
통신부(20)는 블루투스(Bluetooth), RFID(Radio Frequency Identification), 적외선 통신(Infrared Data Association; IrDA), UWB(Ultra Wideband), ZigBee, NFC(Near Field Communication), Wi-Fi(Wireless-Fidelity), Wi-Fi Direct, Wireless USB(Wireless Universal Serial Bus) 기술 중 적어도 하나를 이용하여, 근거리 통신을 지원할 수 있다.
통신부(20)는 위치 정보를 획득하기 위한 GPS(Global Positioning System) 모듈 또는 DGPS(Differential Global Positioning System) 모듈을 포함할 수 있다.
또한 통신부(20)는 V2X 통신 모듈을 포함할 수 있다. V2X 통신 모듈은 서버(Vehicle to Infra; V2I), 타 차량(Vehicle to Vehicle; V2V) 또는 보행자(Vehicle to Pedestrian; V2P)와의 무선 통신 프로토콜을 위한 RF 회로를 포함할 수 있다.
통신부(20)는 이동 통신을 위한 기술 표준들 또는 통신방식에 따라 구축된 이동 통신망 상에서 기지국, 외부의 단말, 센터 중 적어도 하나와 무선 신호를 송수신할 수 있다. 예를 들어, 통신부(20)는 GSM(Global System for Mobile communication), CDMA(Code Division Multi Access), CDMA2000(Code Division Multi Access 2000), EV-DO(Enhanced Voice-Data Optimized or Enhanced Voice-Data Only), WCDMA(Wideband CDMA), HSDPA(High Speed Downlink Packet Access), HSUPA(High Speed Uplink Packet Access), LTE(Long Term Evolution), LTE-A(Long Term Evolution-Advanced) 기반으로 통신을 수행할 수 있다. 무선 신호는 음성 호 신호, 화상 통화 호 신호 또는 문자/멀티미디어 메시지 송수신에 따른 다양한 형태의 데이터를 포함할 수 있다.
저장부(30)는 프로세서(100)의 동작을 위한 알고리즘 및 AI 프로세서를 저장할 수 있다. 저장부(30)는 하드 디스크 드라이브, 플래시 메모리, EEPROM(Electrically erasable programmable read-only memory), SRAM(Static RAM), FRAM (Ferro-electric RAM), PRAM (Phase-change RAM), MRAM(Magnetic RAM), DRAM(Dynamic Random Access Memory), SDRAM(Synchronous Dynamic Random Access Memory), DDR-SDRAM(Double Date Rate-SDRAM) 등을 이용할 수 있다.
프로세서(100)는 전방 차량의 최대 감속도를 바탕으로, 차량(VEH)의 충돌 위험성을 판단하고 차량(VEH)의 제어 모듈(110)을 제어할 수 있다. 차량은 본 발명의 실시 예가 적용되는 차량으로 자차를 의미할 수 있다.
보다 구체적으로, 프로세서(100)는 센서부(10)를 이용하여 전방 차량을 검출하고, 전방 차량의 최대 감속도를 판단할 수 있다. 이를 위해서, 프로세서(100)는 전방 차량으로부터 최대 감속도 정보를 제공받을 수 있다. 또는 프로세서(100)는 전방 차량의 사이즈 및 제조사를 입력값으로 인공지능 학습을 수행하고 최대 감속도를 출력할 수 있다.
또한, 프로세서(100)는 최대 감속도를 바탕으로 전방 차량의 제동 거리 및 정지 안전 거리를 계산할 수 있다. 전방 차량의 제동 거리는 최대 감속도에 반비례하도록 계산될 수 있다. 정지 안전 거리는 차량(VEH)이 급제동을 할 경우 충돌 위험성을 판단하는 기준이 되는 것으로, 차간 거리와 전방 차량의 제동 거리에 비례하는 것일 수 있다.
또한, 프로세서(100)는 정지 안전 거리를 바탕으로 전방 차량과의 충돌 위험성을 판단하고, 충돌 위험성을 바탕으로 주행 장치를 제어할 수 있다. 충돌 위험성을 판단하고 주행 장치를 제어하는 구체적인 방법은 후술하기로 한다.
제어 모듈(110)은 프로세서(100)로부터의 제어 신호에 응답하여 차량의 속도 및 조향을 제어하기 위한 것으로, 엔진 제어기,　제동　제어기 및 변속 제어기(Transmission Control Module)를 포함할 수 있다.
엔진 제어기는 차량의 엔진을 제어하는 액추에이터로, 차량의 가속을 제어한다. 엔진 제어기는 EMS(Engine Management System)으로 구현될 수 있다. 엔진 제어기는 가속 페달 위치 센서로부터 출력되는 가속 페달 위치 정보에 따라 엔진의　구동토크를 제어한다. 엔진 제어기는　자율주행시 프로세서(100)로부터 요청받은 차량의 주행속도를 추종하기 위해 엔진 출력을 제어한다.
제동　제어기는 차량의 감속을 제어하는 액추에이터로, 전자식 주행 안정화 컨트롤(Electronic Stability Control, ESC)로 구현될 수 있다.　제동　제어기는　프로세서(100)로부터 요청받은 목표 속도를 추종하기 위해　제동　압력을 제어한다. 즉,　제동　제어기는 차량의 감속을 제어한다.
변속 제어기는 차량의 변속기를 제어하기 위한 액추에이터로, 전기식 시프터(Shift By Wire, SBW)로 구현될 수 있다. 변속 제어기는 기어 위치 및 기어 상태 범위에 따라 차량의 변속을 제어한다.
알람부(120)는 차량의 주행 상태를 운전자에게 알리기 위한 것으로, 디스플레이, 스피커 또는 스티어링 휠과 결합된 햅틱 장치들 중에서 적어도 어느 하나를 이용할 수 있다.
도 3은 본 발명의 실시 예에 의한 차량의 제어 방법을 나타내는 순서도이다. 도 3에 도시된 절차는 도 2에 도시된 프로세서에 의해서 수행될 수 있다. 이하, 도 3을 참조하여, 본 발명의 실시 예에 의한 차량의 제어 방법을 설명하면 다음과 같다.
S310에서, 프로세서(100)는 전방 차량의 최대 감속도를 바탕으로, 전방 차량의 제동 거리를 계산할 수 있다.
차량의 최대 감속도는 제동력이 최대일 경우, 차량의 감속도를 의미할 수 있다.
프로세서(100)는 통신부(20)를 통해서 최대 감속도를 제공받을 수 있고, 또는 AI 학습을 바탕으로 최대 감속도를 추정할 수 있다.
S320에서, 프로세서(100)는 전방 차량의 제동 거리에 비례하여 정지 안전 거리를 계산할 수 있다.
프로세서(100)는 정지 안전 거리를 계산하기 위해서 차간 거리, 전방 차량의 제동 거리를 계산할 수 있다. 또한, 전방 차량의 제동 거리를 바탕으로 정지 안전 마진을 계산할 수 있다. 정지 안전 마진은 전방 차량이 최대 감속도로 정지하는 과정에서 제동 거리의 마진일 수 있다. 정지 안전 마진은 전방 차량의 제동 거리(Df)에서 충돌 안전 거리(X)를 감산하여 획득될 수 있다. 충돌 안전 거리(X)는 전방 차량과의 충돌 회피를 위해서 요구되는 최소 거리일 수 있으며, 미리 설정될 수 있다.
프로세서(100)는 차간 거리와 정지 안전 마진을 합산하여 정지 안전 거리를 계산할 수 있다.
S330에서, 프로세서(100)는 정지 안전 거리를 바탕으로 충돌 위험성을 판단하고, 충돌 위험성에 따라 주행 모듈을 제어할 수 있다.
프로세서(100)는 정지 안전 거리가 정지 거리를 초과할 경우, 차량(VEH)이 전방 차량에 대하여 안전 주행 상태인 것으로 판단할 수 있다. 차량(VEH)이 안전 주행 상태일 경우, 프로세서(100)는 차량(VEH)과 전방 차량의 차간 거리가 좁혀지지 않도록 주행 상태를 제어할 수 있다.
프로세서(100)는 정지 거리가 정지 안전 거리 이상이고, 정지 거리가 정지 안전 거리와 충돌 안전 거리의 합보다 작을 경우, 차량(VEH)이 전방 차량과 충돌 위험 영역 내에 존재한다고 판단할 수 있다. 차량(VEH)이 충돌 위험 영역 내에 있다고 판단될 경우, 프로세서(100)는 알람부(120)를 통해서 경보를 출력할 수 있고, 차선 변경이 가능한지를 판단할 수 있다.
프로세서(100)는 정지 거리가 정지 안전 거리와 충돌 안전 거리의 합보다 클 경우, 차량(VEH)이 충돌 영역 내에 존재한다고 판단할 수 있다. 차량(VEH)이 충돌 영역 내에 존재한다고 판단될 경우, 프로세서(100)는 차선 변경을 시도할 수 있다. 인접 차선에서 주행하는 차량들로 인해서 차선 변경이 불가능할 경우, 프로세서(100)는 차량(VEH)을 감속시킬 수 있다.
이하, 도 3에 도시된 절차들의 구체적인 실시 예를 살펴보면 다음과 같다.
프로세서(100)는 최대 감속도를 확인하기 위해서, 전방 차량으로부터 최대 감속도 정보를 제공받을 수 있다.
또는, 전방 차량이 최대 감속도 정보를 보유하고 있지 않거나 통신이 불가능할 경우, 프로세서(100)는 전방 차량의 사이즈 및 제조사를 AI 학습하여 최대 감속도를 추정할 수 있다.
도 4는 본 발명의 실시 예에 의한 최대 감속도를 설정하기 위한 인공 신경망(Artificial Neural Network; ANN)을 모식화한 도면이다.
프로세서(100)는 도 4에 도시된 인공 신경망을 이용하여 최대 감속도를 획득할 수 있다. 인공 신경망은 프로세서(100) 또는 저장부에 저장될 수 있다.
인공 신경망은 인간의 뉴런이 연결된 형태를 수학적으로 모델링한 것으로, 입력 계층(Input Layer), 은닉 계층(Hidden Layer), 및 출력 계층(Out Layer)을 포함할 수 있다.
입력 계층은 입력 데이터에 대해서 가중치 행렬을 곱하여 은닉 계층으로 제공할 수 있다. 입력 데이터는 최대 감속도를 설정하는 데에 활용되는 변수들일 수 있다. 예를 들어, 입력 데이터는 차량 사이즈, 제조사, 차량 종류 중에서 적어도 어느 하나를 포함할 수 있다.
은닉 계층은 활성화 함수를 바탕으로 입력 데이터를 가공할 수 있다. 또한, 은닉 계층은 가공된 입력 데이터를 새로운 가중치 행렬을 곱하여 출력 계층으로 전달할 수 있다.
출력 계층은 출력을 위한 활성화 함수를 반영하여 결과를 출력할 수 있다. 출력 계층은 최대 감속도를 출력값으로 출력할 수 있다.
또한, 프로세서(100)는 강화 학습 기반으로 최대 감속도 획득을 위한 AI 알고리즘을 업데이트할 수 있다. 예를 들어, AI 학습을 통해서 획득된 최대 감속도를 바탕으로 차량의 충돌 위험도를 판단한 이후, 충돌 위험도 판단이 적절하였는지를 피드백 받아서, AI 알고리즘을 최적화할 수 있다.
도 5는 제동 거리를 설명하는 도면이다. 도 5를 참조하여, S310에서 전방 차량의 제동 거리를 계산하는 방법을 살펴보면 다음과 같다.
프로세서(100)는 전방 차량이 최대 감속도 기반으로 제동할 경우의 제동 거리를 계산할 수 있다. 예를 들어, 전방 차량이 36km/h(10m/s)로 주행중이고, 전방 차량의 최대 감속도가 -5m/s2일 경우, 프로세서(100)는 전방 차량의 제동 거리(Df)가 10m라고 계산할 수 있다.
도 6은 정지 거리를 설명하는 도면이다. 도 6을 참조하여, 차량의 정지 거리를 계산하는 방법을 살펴보면 다음과 같다.
정지 거리를 계산하기 위해서, 프로세서(100)는 차량(VEH)의 공주 거리를 계산할 수 있다. 공주 거리는 차량(VEH)의 주행 속도에 비례하여 큰 값으로 설정될 수 있다. 공주 거리는 차량의 주행 속도에 매칭되어 룩업 테이블에 저장될 수 있으며, 또는 프로세서(100)는 차량의 주행 속도를 바탕으로 공주 거리를 계산할 수도 있다.
프로세서(100)는 차량(VEH)의 제동 거리를 계산할 수 있다. 차량(VEH)의 제동 거리는 제동력이 최대 크기로 가해질 경우 차량(VEH)이 정지하기까지의 이동 거리를 의미할 수 있다. 프로세서(100)는 제동력이 최대인 상태에서의 최대 감속도와 주행 속도를 바탕으로 제동 거리를 계산할 수 있다. 예를 들어, 차량(VEH)이 72km/h(20m/s)로 주행중이고, 차량(VEH)의 최대 감속도가 -5m/s2일 경우, 프로세서(100)는 차량(VEH)의 제동 거리(Ds)가 40m라고 계산할 수 있다.
프로세서(100)는 공주 거리(Ts)와 차량(VEH)의 제동 거리(Ds)의 합을 계산하여 정지 거리를 획득할 수 있다.
도 7은 정지 안전 거리를 설명하는 도면이다. 도 7을 참조하여, 차량의 정지 안전 거리를 계산하는 방법을 살펴보면 다음과 같다.
정지 안전 거리를 계산하기 위해서, 프로세서(100)는 차간 거리(C) 및 정지 안전 마진(S)을 계산할 수 있다.
프로세서(100)는 센서부(10)를 통해서 검출된 전방 차량의 차간 거리(C)를 계산할 수 있다.
또한, 프로세서(100)는 정지 안전 마진(S)을 계산할 수 있다. 정지 안전 마진(S)은 전방 차량의 제동 거리(Df)에서 충돌 안전 거리(X)를 감산하여 획득할 수 있다. 충돌 안전 거리(X)는 전방 차량과의 충돌을 회피하기 위한 마진일 수 있다.
또한, 프로세서(100)는 차간 거리(C)와 정지 안전 마진(S)의 합을 계산하여 정지 안전 거리(CS)를 획득할 수 있다.
도 8 내지 도 10은 정지 안전 거리를 바탕으로 차량의 충돌 위험성을 판단하는 실시 예들을 나타내는 도면이다. 이하, 도 8 내지 도 10을 참조하여, 정지 안전 거리를 바탕으로 차량의 충돌 위험성을 판단하는 실시 예를 살펴보면 다음과 같다.
도 8은 안전 주행 영역으로 판단되는 주행 상태를 설명하는 도면이다.
도 8은 차간 거리가 60m이고, 충돌 안전 거리는 3m이며, 차량(VEH)의 속도는 72km/h(20m/s)이고, 차량(VEH)의 최대 감속도는 -5m/s2이며, 전방 차량의 속도는 36km/h(10m/s)이고, 전방 차량의 최대 감속도는 -5m/s2인 경우를 설명하는 도면일 수 있다.
이에 따라, 프로세서(100)는 차량(VEH)의 속도와 최대 감속도를 바탕으로 차량(VEH)의 제동 거리(Ds)를 40m로 계산할 수 있고, 공주 거리(Ts)를 20m로 계산할 수 있다. 또한, 프로세서(100)는 차량의 공주 거리(Ts)와 제동 거리(Ds)를 합산하여, 차량(VEH)의 정지 거리를 60m로 계산할 수 있다.
또한, 프로세서(100)는 전방 차량의 속도와 최대 감속도를 바탕으로, 전방 차량의 제동 거리(Df)를 10m로 계산할 수 있다. 또한, 프로세서(100)는 전방 차량의 제동 거리(Df)에서 충돌 안전 거리(X)를 감산하여, 정지 안전 마진(S)을 7m로 계산할 수 있다. 또한, 프로세서(100)는 차간 거리(C)와 정지 안전 마진(S)을 합산하여, 정지 안전 거리(CS)를 67m로 계산할 수 있다.
결과적으로, 정지 안전 거리(CS)는 67m이며, 차량(VEH)의 정지 거리는 60m이기 때문에, 프로세서(100)는 정지 안전 거리(CS)가 차량(VEH)의 정지 거리 보다 크다고 판단할 수 있다. 이와 같이, 차량(VEH)의 정지 안전 거리(CS)는 정지 거리를 초과하는 상태일 경우, 프로세서(100)는 차량(VEH)이 안전 주행 영역에서 주행하는 것으로 판단할 수 있다.
프로세서(100)는 차량(VEH)이 안전 주행 영역에 위치할 경우, 제어 모듈(110)의 동작에 관여하지 않을 수 있고, 또는 차량(VEH)과 전방 차량 간의 거리가 줄어들지 않도록 제어 모듈(110)의 동작을 보조할 수 있다.
도 9는 충돌 위험 영역으로 판단되는 주행 상태를 설명하는 도면이다.
도 9는 차간 거리가 51m이고, 충돌 안전 거리는 3m이며, 차량(VEH)의 속도는 72km/h(20m/s)이고, 차량(VEH)의 최대 감속도는 -5m/s2이며, 전방 차량의 속도는 36km/h(10m/s)이고, 전방 차량의 최대 감속도는 -5m/s2인 경우를 설명하는 도면일 수 있다.
이에 따라, 프로세서(100)는 차량(VEH)의 속도와 최대 감속도를 바탕으로 차량(VEH)의 제동 거리(Ds)를 40m로 계산할 수 있고, 공주 거리(Ts)를 20m로 계산할 수 있다. 또한, 프로세서(100)는 차량의 공주 거리(Ts)와 제동 거리(Ds)를 합산하여, 차량(VEH)의 정지 거리를 60m로 계산할 수 있다.
또한, 프로세서(100)는 전방 차량의 속도와 최대 감속도를 바탕으로, 전방 차량의 제동 거리(Df)를 10m로 계산할 수 있다. 또한, 프로세서(100)는 전방 차량의 제동 거리(Df)에서 충돌 안전 거리(X)를 감산하여, 정지 안전 마진(S)을 7m로 계산할 수 있다. 또한, 프로세서(100)는 차간 거리(C)와 정지 안전 마진(S)을 합산하여, 정지 안전 거리(CS)를 58m로 계산할 수 있다.
결과적으로, 정지 안전 거리(CS)는 58m이며, 차량(VEH)의 정지 거리는 60m이며, 정지 안전 거리(CS)와 충돌 안전 거리(X)의 합은 61m로 획득될 수 있다. 즉, 프로세서(100)는 차량(VEH)의 정지 거리는 정지 안전 거리(CS) 이상이며, 정지 안전 거리(CS)와 충돌 안전 거리(X)의 합 보다 작은 범위에 속한다고 판단하여, 차량(VEH)이 충돌 위험 영역에서 주행하는 것으로 판단할 수 있다.
프로세서(100)는 차량(VEH)이 충돌 위험 영역에 위치할 경우, 알람부(120)를 통해서 경보를 출력할 수 있다.
또한, 프로세서(100)는 차량(VEH)이 충돌 위험 영역에 위치할 경우, 차선 변경이 가능한지를 판단할 수 있다. 차량(VEH)이 충돌 위험 영역에 위치할 경우, 차선 변경 가능을 판단하는 절차는 정지 안전 거리(CS)가 보다 좁혀질 경우 차선 변경을 보다 빠르게 수행하기 위한 예비 절차일 수 있다.
도 10은 충돌 영역으로 판단되는 주행 상태를 설명하는 도면이다.
도 10은 차간 거리가 49m이고, 충돌 안전 거리는 3m이며, 차량(VEH)의 속도는 72km/h(20m/s)이고, 차량(VEH)의 최대 감속도는 -5m/s2이며, 전방 차량의 속도는 36km/h(10m/s)이고, 전방 차량의 최대 감속도는 -5m/s2인 경우를 설명하는 도면일 수 있다.
이에 따라, 프로세서(100)는 차량(VEH)의 속도와 최대 감속도를 바탕으로 차량(VEH)의 제동 거리(Ds)를 40m로 계산할 수 있고, 공주 거리(Ts)를 20m로 계산할 수 있다. 또한, 프로세서(100)는 차량의 공주 거리(Ts)와 제동 거리(Ds)를 합산하여, 차량(VEH)의 정지 거리를 60m로 계산할 수 있다.
또한, 프로세서(100)는 전방 차량의 속도와 최대 감속도를 바탕으로, 전방 차량의 제동 거리(Df)를 10m로 계산할 수 있다. 또한, 프로세서(100)는 전방 차량의 제동 거리(Df)에서 충돌 안전 거리(X)를 감산하여, 정지 안전 마진(S)을 7m로 계산할 수 있다. 또한, 프로세서(100)는 차간 거리(C)와 정지 안전 마진(S)을 합산하여, 정지 안전 거리(CS)를 56m로 계산할 수 있다.
결과적으로, 정지 안전 거리(CS)는 56m이며, 차량(VEH)의 정지 거리는 60m이며, 정지 안전 거리(CS)와 충돌 안전 거리(X)의 합은 59m로 획득될 수 있다. 즉, 프로세서(100)는 차량(VEH)의 정지 거리는 정지 안전 거리(CS)와 충돌 안전 거리(X)의 합 보다 크다고 판단하여, 차량(VEH)이 충돌 영역에서 주행하는 것으로 판단할 수 있다.
프로세서(100)는 차량(VEH)이 충돌 영역에 위치할 경우, 차선 변경을 시도할 수 있다.
또한, 프로세서(100)는 차량(VEH)이 충돌 영역으로부터 벗어나기 위한 차선 변경이 불가능할 경우, 제어 모듈(110)을 제어하여 차량(VEH)의 속도를 줄일 수 있다.
도 11은 본 발명의 다른 실시 예에 의한 최대 감속도 기반의 차량 제어 방법을 설명하는 순서도이다.
도 11을 참조하여 본 발명의 다른 실시 예에 의한 차량 제어 방법을 살펴보면 다음과 같다.
S1201에서, 차량(VEH)의 프로세서(100)는 전방 차량을 감지할 수 있다. 차량(VEH)은 센서부(10)를 통해서 전방 차량을 감지할 수 있다.
S1202에서, 프로세서(100)는 전방 차량의 최대 감속도를 판단할 수 있다.
프로세서(100)는 V2X 통신을 통해서 전방 차량으로부터 최대 감속도 정보를 수신하거나, 센서부(10)를 통해서 획득한 전방 차량의 정보를 바탕으로 AI 학습하여 최대 감속도를 추정할 수 있다.
또는, 프로세서(100)는 차량의 사이즈에 대응하는 최대 감속도를 미리 저장하고, 전방 차량의 사이즈에 매칭되는 최대 감속도를 확인할 수 있다.
S1203에서, 프로세서(100)는 전방 차량의 최대 감속도를 바탕으로 전방 차량의 제동 거리(Df) 및 정지 안전 마진(S)을 계산할 수 있다.
정지 안전 마진(S)은 전방 차량의 제동 거리(Df)에서 충돌 안전 거리(X)를 감산하여 획득될 수 있고, 충돌 안전 거리(X)는 미리 설정될 수 있다.
S1204에서, 프로세서(100)는 차량(VEH)의 정지 안전 거리(CS)를 계산할 수 있다.
정지 안전 거리(CS)는 차간 거리(C)와 정지 안전 마진(S)을 합산하여 계산될 수 있다.
S1205에서, 프로세서(100)는 차량(VEH)의 최대 감속도 상태에서 정지 거리를 계산할 수 있다.
정지 거리는 차량(VEH)의 공주 거리(Ts)와 제동 거리(Ds)를 합산하여 획득될 수 있다. 공주 거리(Ts)와 제동 거리(Ds)는 차량(VEH)의 주행 속도 및 최대 감속도를 바탕으로 결정될 수 있다.
S1206에서, 프로세서(100)는 차량(VEH)의 정지 거리와 정지 안전 거리(CS)를 비교할 수 있다.
S1207에서, 차량(VEH)의 정지 거리가 정지 안전 거리(CS)를 초과할 경우, 프로세서(100)는 차량(VEH)이 안전 영역 주행 상태인 것으로 판단할 수 있다.
S1208에서, 차량(VEH)의 정지 거리가 정지 안전 거리(CS)이하일 경우, 프로세서(100)는 차량(VEH)의 정지 거리를 정지 안전 거리와 충돌 안전 거리(X)의 합과 비교할 수 있다.
S1209에서, 차량(VEH)의 정지 거리가 정지 안전 거리(CS)와 충돌 안전 거리(X)의 합 미만일 경우, 프로세서(100)는 차량(VEH)이 충돌 위험 영역을 주행 중이라고 판단하여 운전자에게 경보를 송출하고, 차선 회피가 가능한지를 판단할 수 있다.
S1210 및 S1211에서, 차량(VEH)의 정지 거리가 정지 안전 거리(CS)와 충돌 안전 거리(X)의 합 이상일 경우, 프로세서(100)는 차량(VEH)이 충돌 영역을 주행중이라고 판단할 수 있다. 차량(VEH)이 충돌 영역에 위치할 경우, 프로세서(100)는 차선 변경 가능성을 판단하고, 차선 변경이 가능할 경우 차선을 변경할 수 있다.
S1212에서, 차량(VEH)이 충돌 영역을 주행 중인데 차선 변경이 불가능할 경우, 프로세서(100)는 차량(VEH)을 감속시킬 수 있다.
도 12는 본 발명의 일 실시 예에 따른 컴퓨팅 시스템을 도시한다.
도 12를 참조하면, 컴퓨팅 시스템(1000)은 버스(1200)를 통해 연결되는 적어도 하나의 프로세서(1100), 메모리(1300), 사용자 인터페이스 입력 장치(1400), 사용자 인터페이스 출력 장치(1500), 스토리지(1600), 및 네트워크 인터페이스(1700)를 포함할 수 있다.
프로세서(1100)는 중앙 처리 장치(CPU) 또는 메모리(1300) 및/또는 스토리지(1600)에 저장된 명령어들에 대한 처리를 실행하는 반도체 장치일 수 있다. 메모리(1300) 및 스토리지(1600)는 다양한 종류의 휘발성 또는 불휘발성 저장 매체를 포함할 수 있다. 예를 들어, 메모리(1300)는 ROM(Read Only Memory) 및 RAM(Random Access Memory)을 포함할 수 있다.
따라서, 본 명세서에 개시된 실시예들과 관련하여 설명된 방법 또는 알고리즘의 단계는 프로세서(1100)에 의해 실행되는 하드웨어, 소프트웨어 모듈, 또는 그 2 개의 결합으로 직접 구현될 수 있다. 소프트웨어 모듈은 RAM 메모리, 플래시 메모리, ROM 메모리, EPROM 메모리, EEPROM 메모리, 레지스터, 하드 디스크, 착탈형 디스크, CD-ROM과 같은 저장 매체(즉, 메모리(1300) 및/또는 스토리지(1600))에 상주할 수도 있다.
예시적인 저장 매체는 프로세서(1100)에 커플링되며, 그 프로세서(1100)는 저장 매체로부터 정보를 판독할 수 있고 저장 매체에 정보를 기입할 수 있다. 다른 방법으로, 저장 매체는 프로세서(1100)와 일체형일 수도 있다. 프로세서 및 저장 매체는 주문형 집적회로(ASIC) 내에 상주할 수도 있다. ASIC는 사용자 단말기 내에 상주할 수도 있다. 다른 방법으로, 프로세서 및 저장 매체는 사용자 단말기 내에 개별 컴포넌트로서 상주할 수도 있다.
이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다.
따라서, 본 발명에 개시된 실시예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.

Claims (20)

  1. 차량의 전방 차량을 검출하는 센서부;
    상기 차량의 주행 및 조향을 제어하는 제어 모듈; 및
    상기 전방 차량의 최대 감속도를 바탕으로 전방 차량 제동 거리 계산하고, 급제동을 할 경우 충돌 위험성을 판단하는 기준을 제공하는 정지 안전 거리를 상기 전방 차량 제동 거리에 비례하도록 계산하며, 상기 정지 안전 거리를 바탕으로 전방 차량과의 충돌 위험성을 판단하고, 상기 충돌 위험성을 바탕으로 상기 제어 모듈을 제어하는 프로세서;
    를 포함하는 차량의 제어 장치.
  2. 제 1 항에 있어서,
    상기 전방 차량으로부터 상기 최대 감속도에 대한 정보를 제공받기 위한 통신부를 더 포함하는 것을 특징으로 하는 차량의 제어 장치.
  3. 제 1 항에 있어서,
    상기 프로세서는
    상기 전방 차량의 사이즈 및 제조사를 입력값으로 인공지능 학습을 통해서 상기 최대 감속도를 출력하는 것을 특징으로 하는 차량의 제어 장치.
  4. 제 1 항에 있어서,
    상기 프로세서는
    상기 전방 차량과의 차간 거리 및 상기 전방 차량의 제동 거리가 클수록 상기 정지 안전 거리를 크게 계산하는 것을 특징으로 하는 차량의 제어 장치.
  5. 제 4 항에 있어서,
    상기 프로세서는
    상기 전방 차량의 제동 거리와 미리 설정된 충돌 안전 거리 간의 차이를 계산하여 정지 안전 마진을 획득하고, 상기 차간 거리와 상기 정지 안전 마진을 합산하여 상기 정지 안전 거리를 계산하는 것을 특징으로 하는 차량의 제어 장치.
  6. 제 5 항에 있어서,
    상기 프로세서는
    상기 정지 안전 거리가 상기 정지 거리를 초과할 경우, 상기 차간 거리가 줄어들지 않도록 주행 상태를 유지하도록 상기 주행 제어장치를 제어하는 것을 특징으로 하는 차량의 제어 장치.
  7. 제 6 항에 있어서,
    상기 프로세서는
    상기 정지 거리가 상기 정지 안전 거리 이상이고 상기 정지 안전 거리와 상기 충돌 안전 거리의 합보다 작을 경우, 상기 차량이 충돌 위험 영역 내에 존재한다고 판단하고, 알람부를 통해서 경보를 알리는 것을 특징으로 하는 차량의 제어 장치.
  8. 제 7 항에 있어서,
    상기 프로세서는
    상기 차량이 상기 충돌 위험 영역 내에 있다고 판단에 기초하여, 차선 변경이 가능한지를 판단하는 것을 특징으로 하는 차량의 제어 장치.
  9. 제 7 항에 있어서,
    상기 프로세서는
    상기 정지 거리가 상기 정지 안전 거리와 상기 충돌 안전 거리를 합산한 크기 이상일 경우, 상기 차량이 충돌 영역 내에 존재한다고 판단하고 차선 변경을 시도하는 것을 특징으로 하는 차량의 제어 장치.
  10. 제 9 항에 있어서,
    상기 프로세서는
    상기 차선 변경이 불가능할 경우, 상기 차량을 감속시키는 것을 특징으로 하는 차량의 제어 장치.
  11. 전방 차량의 최대 감속도를 확인하고, 상기 전방 차량의 최대 감속도를 바탕으로, 전방 차량 제동 거리 계산하는 단계;
    급제동을 할 경우 충돌 위험성을 판단하는 기준을 제공하는 정지 안전 거리를 상기 전방 차량 제동 거리에 비례하도록 계산하는 단계; 및
    상기 정지 안전 거리를 바탕으로 전방 차량과의 충돌 위험성을 판단하고, 상기 충돌 위험성을 바탕으로 차량의 주행 및 조향을 제어하는 제어 모듈을 제어하는 단계;
    를 포함하는 차량의 제어 방법.
  12. 제 11 항에 있어서,
    상기 전방 차량의 최대 감속도를 확인하는 단계는
    통신부를 통해서 상기 전방 차량으로부터 상기 최대 감속도에 대한 정보를 수신하는 단계를 포함하는 것을 특징으로 하는 차량의 제어 방법.
  13. 제 11 항에 있어서,
    상기 전방 차량의 최대 감속도를 확인하는 단계는
    상기 전방 차량의 사이즈 및 제조사를 입력값으로 인공지능 학습을 통해서 상기 최대 감속도를 출력하는 것을 특징으로 하는 차량의 제어 방법.
  14. 제 11 항에 있어서,
    상기 정지 안전 거리를 계산하는 단계는
    상기 전방 차량과의 차간 거리 및 상기 전방 차량의 제동 거리가 클수록 상기 정지 안전 거리를 크게 계산하는 것을 특징으로 하는 차량의 제어 방법.
  15. 제 14 항에 있어서,
    상기 정지 안전 거리를 계산하는 단계는
    상기 차간 거리를 계산하는 단계;
    상기 전방 차량의 제동 거리와 미리 설정된 충돌 안전 거리 간의 차이를 계산하여 정지 안전 마진을 획득하는 단계; 및
    상기 차간 거리와 상기 정지 안전 마진을 합산하는 단계;를 포함하는 것을 특징으로 하는 차량의 제어 방법.
  16. 제 15 항에 있어서,
    상기 충돌 위험성을 바탕으로 차량의 주행 장치를 제어하는 단계는
    상기 정지 안전 거리가 상기 정지 거리를 초과할 경우, 상기 차간 거리가 줄어들지 않도록 주행 상태를 유지하는 단계를 포함하는 것을 특징으로 하는 차량의 제어 방법.
  17. 제 16 항에 있어서,
    상기 충돌 위험성을 바탕으로 차량의 주행 장치를 제어하는 단계는
    상기 정지 거리가 상기 정지 안전 거리 이상이고 상기 정지 안전 거리와 상기 충돌 안전 거리의 합보다 작을 경우, 상기 차량이 충돌 위험 영역 내에 존재한다는 경보를 알리는 단계를 더 포함하는 것을 특징으로 하는 차량의 제어 방법.
  18. 제 17 항에 있어서,
    상기 충돌 위험성을 바탕으로 차량의 주행 장치를 제어하는 단계는
    상기 차량이 상기 충돌 위험 영역 내에 있다고 판단에 기초하여, 차선 변경이 가능한지를 판단하는 단계를 더 포함하는 것을 특징으로 하는 차량의 제어 방법.
  19. 제 17 항에 있어서,
    상기 충돌 위험성을 바탕으로 차량의 주행 장치를 제어하는 단계는
    상기 정지 거리가 상기 정지 안전 거리와 상기 충돌 안전 거리를 합산한 크기 이상일 경우, 상기 차량이 충돌 영역 내에 존재한다고 판단하고 차선 변경을 시도하는 단계를 더 포함하는 것을 특징으로 하는 차량의 제어 방법.
  20. 제 19 항에 있어서,
    상기 충돌 위험성을 바탕으로 차량의 주행 장치를 제어하는 단계는
    상기 차선 변경이 불가능할 경우, 상기 차량을 감속시키는 단계를 더 포함하는 것을 특징으로 하는 차량의 제어 방법.
KR1020230045433A 2023-04-06 2023-04-06 차량 제어 장치, 및 그 방법 Pending KR20240150640A (ko)

Priority Applications (3)

Application Number Priority Date Filing Date Title
KR1020230045433A KR20240150640A (ko) 2023-04-06 2023-04-06 차량 제어 장치, 및 그 방법
US18/505,909 US20240336258A1 (en) 2023-04-06 2023-11-09 Device and method for controlling a vehicle
CN202311613950.7A CN118770205A (zh) 2023-04-06 2023-11-29 车辆控制装置和车辆控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020230045433A KR20240150640A (ko) 2023-04-06 2023-04-06 차량 제어 장치, 및 그 방법

Publications (1)

Publication Number Publication Date
KR20240150640A true KR20240150640A (ko) 2024-10-16

Family

ID=92935491

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020230045433A Pending KR20240150640A (ko) 2023-04-06 2023-04-06 차량 제어 장치, 및 그 방법

Country Status (3)

Country Link
US (1) US20240336258A1 (ko)
KR (1) KR20240150640A (ko)
CN (1) CN118770205A (ko)

Also Published As

Publication number Publication date
US20240336258A1 (en) 2024-10-10
CN118770205A (zh) 2024-10-15

Similar Documents

Publication Publication Date Title
US10593211B2 (en) Apparatus and method for controlling platooning of vehicles
US11679762B2 (en) Active rear collision avoidance apparatus and method
EP3208165A1 (en) Vehicle safety assist system
US12246714B2 (en) Advanced driver assistance system, and vehicle having the same
KR20210014433A (ko) 군집 주행 제어 장치, 그를 포함한 시스템 및 그 방법
KR20200095976A (ko) 운전자 보조 장치
US20220388502A1 (en) Lateral movement system for collision avoidance
CN112977453A (zh) 用于车辆自动换道设备和方法
US20240270238A1 (en) Vehicle for avoiding collision and method for operating the same
KR20250022744A (ko) 군집 주행 제어 방법
US20240199067A1 (en) Apparatus and Method for Controlling Autonomous Driving Vehicle
KR20230091210A (ko) 운전자 보조 장치 및 그를 가지는 차량
CN114506317A (zh) 自动变道的安全处理方法、装置、设备及可读存储介质
KR20240150640A (ko) 차량 제어 장치, 및 그 방법
US11760367B2 (en) System for controlling failure of environment-friendly vehicle
KR20230020030A (ko) 운전자 보조 장치 및 그를 가지는 차량
US20240199014A1 (en) Device and Method for Controlling Vehicle
CN113771844A (zh) 用于车辆的安全驾驶控制系统、方法及存储介质
CN114616154A (zh) 用于控制车辆的方法以及距离调整控制装置
KR20240102098A (ko) 주행 보조 시스템, 차량 및 주행 보조 방법
JP7347340B2 (ja) 走行制御装置および車両
US20250074457A1 (en) Autonomous driving vehicle
US20230406354A1 (en) Vehicle for Performing Minimal Risk Maneuver and Method of Operating the Vehicle
US20240124025A1 (en) Autonomous driving predictive defensive driving system through interaction based on forward vehicle driving and situation judgement information
US20240174223A1 (en) Vehicle for avoiding collision and method of operating the vehicle

Legal Events

Date Code Title Description
PA0109 Patent application

Patent event code: PA01091R01D

Comment text: Patent Application

Patent event date: 20230406

PG1501 Laying open of application