도로 인프라 센서를 이용하여 교차로에 위치하는 차량의 주행 의도를 판단하는 차량 주행 의도 판단 장치에 있어서, 상기 차량 주행 의도 판단 장치는 교차로 내의 도로 인프라 센서에 의해 측정된 어느 하나의 차량에 대한 차량 정보를 이용하여 차량 데이터를 생성하는 신호 처리부;교차로 형상별 주행 의도에 따라 라벨링된 차량 데이터로 기 학습된 딥러닝 네트워크 모델에 상기 차량 데이터를 과거 주행 궤적으로 입력하고, 상기 딥러닝 네트워크 모델로부터 출력된 상기 차량에 대한 예측 주행 궤적을 도출하는 차량 주행 궤적 예측부; 및상기 딥러닝 네트워크 모델을 통해 판단된 상기 차량에 대한 주행 의도를 도출하는 차량 주행 의도 판단부;를 포함하는 것을 특징으로 하는 차량 주행 의도 판단 장치.

제1항에 있어서,상기 신호 처리부는 상기 도로 인프라 센서에 의해 측정된 차량 정보를 도로 인프라 센서 좌표계를 기준으로 한 차량 위치, 속도, 가속도 및 헤딩각을 포함하는 차량 데이터로 생성하는 것을 특징으로 하는 차량 주행 의도 판단 장치.

제1항에 있어서, 상기 신호 처리부는 상기 차량 주행 궤적 예측부로부터 상기 예측 주행 궤적을 전달받아, 일 시점의 차량 데이터와 대응하는 예측 주행 궤적 사이의 거리 오차가 임계치 이상이면, 상기 일 시점의 차량 데이터를 오검지로 판단하여, 상기 과거 주행 궤적에서 삭제되도록 제어하는 것을 특징으로 하는 차량 주행 의도 판단 장치.

제1항에 있어서,상기 차량 주행 궤적 예측부는상기 차량 주행 의도 판단부로부터 일 시점에 대응하여 판단된 차량에 대한 주행 의도를 전달받아 상기 딥러닝 네트워크 모델에 피드백 입력하여 다음 시점에 대응하여 보정된 예측 주행 궤적을 도출하는 것을 특징으로 하는 차량 주행 의도 판단 장치.

제1항에 있어서,상기 차량 주행 의도 판단부는 학습을 위한 차량 데이터를 교차로 형상별 주행 의도에 따라 라벨링하고, 라벨링된 차량 데이터를 이용하여 상기 딥러닝 네트워크 모델의 학습 과정을 지원하는 것을 특징으로 하는 차량 주행 의도 판단 장치.

제5항에 있어서,상기 차량 주행 의도 판단부는 교차로의 형상이 평면이면 상기 학습을 위한 차량 데이터를 직진, 우회전, 좌회전, 멈춤의 주행 의도로 라벨링하고, 교차로의 형상이 회전이면 상기 학습을 위한 차량 데이터를 차로 유지, 가속, 감속, 멈춤, 차선 변경의 주행 의도로 라벨링하는 것을 특징으로 하는 차량 주행 의도 판단 장치.

제6항에 있어서,상기 차량 주행 의도 판단부는 교차로의 형상이 평면이면, 평면 교차로 내에 동쪽, 서쪽, 북쪽, 남쪽 방향 각각의 정지선을 정의하고, 동쪽-서쪽 방향 정지선간 이동 또는 북쪽-남쪽 방향 정지선간 이동에 대한 차량 데이터는 직진으로 라벨링하고, 어느 하나의 정지선에 차량의 우측 또는 좌측이 닿는 시점부터 상기 정지선을 통과하는 시점까지의 차량 데이터는 우회전 또는 좌회전으로 라벨링하고, 차량 속도가 일정 값 이하인 차량 데이터는 멈춤으로 라벨링하는 것을 특징으로 하는 차량 주행 의도 판단 장치.

제6항에 있어서,상기 차량 주행 의도 판단부는 교차로 형상이 회전 교차로이면, 상기 회전 교차로의 차선을 추출하고, 차량의 바운딩 박스를 설정한 후, 바운딩 박스 한 쪽지점이 어느 하나의 차선에 닿는 시점부터 상기 차선을 통과하는 시점까지의 차량 데이터는 차선 변경으로 라벨링하고, 차량 가속도에 따라 차량 데이터를 가속 또는 감속으로 라벨링하고, 차량 속도가 일정 값 이하인 차량 데이터는 멈춤으로 라벨링하고, 나머지 차량 데이터는 차로 유지로 라벨링하는 것을 특징으로 하는 차량 주행 의도 판단 장치.

제5항에 있어서,상기 차량 주행 의도 판단부는 상기 라벨링된 차량 데이터를 이용하여 딥러닝 네트워크 모델을 학습한 후, 학습된 상기 딥러닝 네트워크 모델의 성능 스코어를 측정하여 측정된 성능 스코어가 일정 값 이하이면, 상기 라벨링된 차량 데이터에 대응하는 가상의 차량 데이터를 생성하여, 상기 라벨링된 차량 데이터 및 상기 가상의 차량 데이터를 이용하여 상기 딥러닝 네트워크 모델의 재학습 과정을 지원하는 것을 특징으로 하는 차량 주행 의도 판단 장치.

제1항에 있어서,상기 차량 주행 궤적 예측부로부터 상기 예측 주행 궤적을 전달받고, 상기 차량 주행 의도 판단부로부터 상기 주행 의도를 전달받아, 상기 교차로 내에 위치하는 복수의 차량간 통행 우선순위 정보를 산출한 후, 산출된 통행 우선순위 정보를 상기 복수의 차량 각각으로 전달하는 교통 정보 출력부;를 더 포함하는 것을 특징으로 하는 차량 주행 의도 판단 장치.

도로 인프라 센서를 이용하여 교차로에 위치하는 차량의 주행 의도를 판단하는 차량 주행 의도 판단 방법에 있어서, 차량 주행 의도 판단 장치가, 교차로 내의 도로 인프라 센서에 의해 측정된 어느 하나의 차량에 대한 차량 정보를 이용하여 차량 데이터를 생성하는 단계;교차로 형상별 주행 의도에 따라 라벨링된 차량 데이터로 기 학습된 딥러닝 네트워크 모델에 상기 차량 데이터를 과거 주행 궤적으로 입력하는 단계; 및상기 딥러닝 네트워크 모델로부터 상기 차량에 대한 예측 주행 궤적 및 판단된 주행 의도를 도출하는 단계;를 포함하는 것을 특징으로 하는 차량 주행 의도 판단 방법.

제11항에 있어서, 상기 차량 데이터를 생성하는 단계 이전에, 학습을 위한 차량 데이터를 교차로 형상별 주행 의도에 따라 라벨링하는 단계; 및라벨링된 상기 차량 데이터를 이용하여 상기 딥러닝 네트워크 모델을 학습하는 단계;를 더 포함하는 것을 특징으로 하는 차량 주행 의도 판단 방법.

제11항에 있어서, 상기 도출하는 단계는 일 시점에 대응하여 판단된 주행 의도를 상기 딥러닝 네트워크 모델에 피드백 입력하여 다음 시점에 대응하여 보정된 예측 주행 궤적을 출력하는 것을 특징으로 하는 차량 주행 의도 판단 방법.

제11항에 있어서, 상기 도출하는 단계 이후에, 상기 예측 주행 궤적 및 상기 판단된 주행 의도를 이용하여 상기 교차로 내에 위치하는 복수의 차량간 통행 우선순위 정보를 산출하는 단계; 및산출된 상기 통행 우선순위 정보를 상기 복수의 차량 각각으로 전달하는 단계;를 더 포함하는 것을 특징으로 하는 차량 주행 의도 판단 방법.

제14항 내지 제14항 중 어느 하나의 항에 기재된 차량 주행 의도 판단 방법을 실행하는 프로그램을 기록한 컴퓨터 판독 가능한 기록매체.