- C-ITS : 차세대 지능형 교통 시스템, 차량과 인프라 간의 협력
- V2X : 차량을 위한 통신 기술, 유/무선망을 통해 다른 차량 및 도로 등 인프라가 구축된 사물과 정보 교환
- MMS : 고정밀 지도 구축을 위한 시스템, 고정밀 지도 구축을 위한 데이터 수집
- 라벨링 과정 : 학습 데이터에 정답을 붙여주는 과정
- 차량 네트워크 : 차량에서 고속 센서 데이터를 자율주행 컴퓨터로 전송하기 위한 네트워크
- NPU (Neural Processing Unit) : 딥러닝 계산에 특화된 칩셋
인프라
차세대 지능형 교통 시스템(C-ITS: Cooperative-intelligent transportation systems) : 차량과 인프라 간의 협력
통신
V2X (Vehicle to X)
- 유/무선망을 통해 다른 차량 및 도로 등 인프라와 정보 교환
- IEEE 802.11p의 DSRC방식과 이동통신방식 기반의 C-V2X 기술로 표준화 진행중
- 지능형 교통 시스템을 위한 5.9GHz 주파수 대역 할당
V2V (Vehicle to Vehicle)
- 실시간으로 서로 정보 공유
- 안전성 강화 및 충돌 방지
- 5G에서는 실시간 정보 교환을 위해 지연시간(latency) 목표를 10ms 이하로 함.
- 사이드 링크를 이용해 차량끼리 직접 정보 송수신
V2I (Vehicle to Infra)
- 도로상황, 교통상황 정보 교환
- 모바일 엣지 컴퓨팅(MEC) : 차량에서 전송되는 정보를 중앙의 클라우드까지 보내지 않고 기지국 등의 엣지에서 처리하는 기술, 차량과 물리적으로 가까워 지연시간 단축, 운전 패턴/도로 상태 및 기타 차량 움직임을 지속적으로 감지하여 자율주행차에 정보 제공
고정밀 지도
Mobile Mapping System(MMS)
- 차로 단위의 정보 제공
- 속성 제공
- 이동체에 GPS, 레이저스캐너, 카메라, INS(Inertial navigation system) 센서 등 장착
- 맵매칭 방법 기반의 측위를 위해 랜드마크 정보, 지형의 특징을 지도에 포함
클라우드
- 시간에 따라 변화하는 지형 및 도로 환경 반영하여 최신성 유지
- 자율주행차에서 수집하는 정보 취득
- 고정밀지도 업데이트
데이터
- 많은 센서 데이터 생성해 이를 이용한 인공지능 모델 학습
- 급속도로 증가하는 데이터에 대한 관리가 필요함.
- 데이터에 정답을 붙여주는 라벨링 과정이 필요함.
- 데이터 증가로 머신러닝 모델 학습 성능이 개선되면서 주기적인 기능 업데이트가 필요함.
- 클라우드를 통해 수집, 가공, 학습이 이루어짐.
1) 자율주행 기능의 학습(트레이닝) 수행
2) 학습된 자율주행 기능의 테스트 및 검증
3) 학습된 자율주행 기능을 OTA를 통해 탑재
OTA (Over the air): 기기에 내장된 소프트웨어를 무선으로 업데이트하는 기술
하드웨어
자율주행 센서를 통해 얻은 주변 환경에 대한 데이터를 자율주행 컴퓨터 프로세서로 전달해 줘야함.
- 차량용 네트워크 : 차량 내 고속 센서 데이터 네트워크 지원
- 차량용 반도체 프로세서 :전체적인 자율주행 기능 수행 및 관리
- 임베디드 하드웨어 : 인지, 판단 등의 딥러닝 수행
-- NPU (Neural Processing Unit) 딥러닝 계산에 특화된 반도체
-- GPU : 병렬 연산에 특화된 범용 프로세서 - 저전력, 실시간성이 중요함.
MEMO
DSRC 방식 ?
사이드 링크 ?
