| 1 |
1
차량의 운행정보 빅데이터에 기반한 스마트 운전 에이전트 시스템에 있어서,상기 차량과 데이터를 송수신하는 통신모듈,상기 차량 또는 상기 차량과 동일 모델의 차량으로부터 수집된 차량 운행 및 주행 정보, 운행도로 교통정보 및 주행도로 속성정보 중 하나 이상을 포함하는 운행정보 빅데이터에 기초하여, 상기 차량을 제어하기 위한 최적주행모델을 생성하기 위한 프로그램이 저장된 메모리 및상기 메모리에 저장된 프로그램을 실행시키는 프로세서를 포함하되,상기 프로세서는 상기 프로그램을 실행시킴에 따라 상기 수집된 운행정보 빅데이터를 인공지능 학습 알고리즘에 기초하여 분석하고, 상기 분석을 통해 안전도 정보 및 연비 정보를 포함하는 최적주행모델을 생성하며, 상기 통신모듈을 통해 상기 생성된 최적주행모델을 상기 차량으로 제공하는 것인 스마트 운전 에이전트 시스템
|
| 2 |
2
제 1 항에 있어서,상기 차량 운행 및 주행 정보는 운행 일시, 운행 구간, 주행 위치, 속도 및 실시간 연비 데이터 정보 중 하나 이상을 포함하고, 상기 운행도로 교통정보는 교통량 및 평균속도 정보 중 하나 이상을 포함하며, 상기 주행도로 속성정보는 기울기, 곡률, 제한 속도, 도로 종류, 진출입로 구간 및 분기 구간 정보 중 하나 이상을 포함하는 것인 스마트 운전 에이전트 시스템
|
| 3 |
3
제 1 항에 있어서,상기 프로세서는 상기 차량의 주행 속도 정보를 획득하고, 상기 차량의 위치 정보를 3차원 도로 맵과 매칭하여 도로의 기울기, 곡률, 제한속도, 종류, 진출입로 구간, 분기 구간 정보를 포함하는 도로 정보에서의 주행 위치 정보를 획득한 뒤, 상기 차량의 상기 주행 위치 정보에 대응하는 주행 속도 정보에 기초하여 상기 연비 정보를 학습하는 것인 스마트 운전 에이전트 시스템
|
| 4 |
4
제 3 항에 있어서,상기 프로세서는 상기 차량의 현재 주행속도 정보와, 상기 차량의 주행도로 제한속도 정보 및 주변차량의 평균속도 정보를 포함하는 상기 차량의 주행 속도 정보를 획득하는 것인 스마트 운전 에이전트 시스템
|
| 5 |
5
제 1 항에 있어서,상기 프로세서는 상기 운행정보 빅데이터가 시계열적 데이터에 해당하는 경우 상기 인공지능 학습 알고리즘으로 순환 신경망을 적용하고, 한 구간의 일회 주행 데이터를 이미지 데이터화하여 상기 최적주행모델을 생성하는 경우 상기 인공지능 학습 알고리즘으로 컨볼루션 신경망 알고리즘을 적용하는 것인 스마트 운전 에이전트 시스템
|
| 6 |
6
제 1 항에 있어서,상기 프로세서는 상기 운행정보 빅데이터에 기초하여 목표 연비와 주행조건별 연비의 차이가 최소가 되고, 목표 안전도와 주행조건별 안전도의 차이가 최소가 되는 경우를 상기 최적주행모델로 생성하는 것인 스마트 운전 에이전트 시스템
|
| 7 |
7
제 1 항에 있어서,상기 프로세서는 상기 생성된 최적주행모델에 대하여 가상의 운행도로에 가상의 교통정보 조건을 입력으로 하는 사이버 피지컬 시스템(CPS, Cyber-Physical System) 시뮬레이션 환경을 구성하여 강화학습을 통해 훈련시키는 것인 스마트 운전 에이전트 시스템
|
| 8 |
8
차량의 운행정보 빅데이터에 기반한 스마트 운전 에이전트 방법에 있어서,차량으로부터 수집된 운행정보 빅데이터를 분석하는 단계; 상기 운행정보 빅데이터를 인공지능 학습 알고리즘에 기초한 분석을 통해 안전도 정보 및 연비 정보를 포함하는 최적주행모델을 생성하는 단계; 및상기 최적주행모델을 상기 차량으로 제공하는 단계를 포함하는 스마트 운전 에이전트 방법
|
| 9 |
9
제 8 항에 있어서,상기 차량은 기 설정된 시간 및 노선을 일정 기간 이상 반복 운행하는 상용 차량인 것인 스마트 운전 에이전트 방법
|
| 10 |
10
제 8 항에 있어서,상기 최적주행모델을 생성하는 단계는,상기 차량의 주행 속도 정보를 획득하는 단계;상기 차량의 위치 정보를 3차원 도로 맵과 매칭하여 도로의 기울기, 곡률, 제한속도, 종류, 진출입로 구간, 분기 구간 정보를 포함하는 도로 정보에서의 주행 위치 정보를 획득하는 단계;상기 차량의 상기 주행 위치 정보에 대응하는 주행 속도 정보에 기초하여 상기 연비 정보를 학습하는 단계를 포함하는 것인 스마트 운전 에이전트 방법
|
| 11 |
11
제 10 항에 있어서,상기 차량의 주행 속도 정보를 획득하는 단계는,상기 차량의 현재 주행속도 정보와, 상기 차량의 주행도로 제한속도 정보 및 주변차량의 평균속도 정보를 포함하는 것인 스마트 운전 에이전트 방법
|
| 12 |
12
제 8 항에 있어서,상기 운행정보 빅데이터는 차량 운행 및 주행 정보, 운행도로 교통정보 및 주행도로 속성정보 중 하나 이상을 포함하는 것인 스마트 운전 에이전트 방법
|
| 13 |
13
제 12 항에 있어서,상기 차량 운행 및 주행 정보는 운행 일시, 운행 구간, 주행 위치, 속도 및 실시간 연비 데이터 정보 중 하나 이상을 포함하고, 상기 운행도로 교통정보는 교통량 및 평균속도 정보 중 하나 이상을 포함하며, 상기 주행도로 속성정보는 기울기, 곡률, 제한 속도, 도로 종류, 진출입로 구간 및 분기 구간 정보 중 하나 이상을 포함하는 것인 스마트 운전 에이전트 방법
|
| 14 |
14
제 12 항에 있어서,상기 인공지능 학습 알고리즘은 상기 운행정보 빅데이터가 시계열적 데이터에 해당하는 경우 순환 신경망 알고리즘이 적용되고, 한 구간의 일회 주행 데이터를 이미지 데이터화하여 상기 최적주행모델을 생성하는 경우 컨볼루션 신경망 알고리즘이 적용되는 것인 스마트 운전 에이전트 방법
|
| 15 |
15
제 12 항에 있어서,상기 최적주행모델을 생성하는 단계는,상기 운행정보 빅데이터에 기초하여 목표 연비와 주행조건별 연비의 차이가 최소가 되고, 목표 안전도와 주행조건별 안전도의 차이가 최소가 되는 경우를 상기 최적주행모델로 생성하는 것인 스마트 운전 에이전트 방법
|
| 16 |
16
제 8 항에 있어서,상기 생성된 최적주행모델에 대하여 가상의 운행도로에 가상의 교통정보 조건을 입력으로 하는 사이버 피지컬 시스템(CPS, Cyber-Physical System) 시뮬레이션 환경을 구성하여 강화학습을 통해 훈련시키는 단계를 더 포함하는 스마트 운전 에이전트 방법
|
