주변차량의 경로와 도로 정보를 이용한 목표 차량의 미래 경로 예측

Abstract

It is necessary for safety and efficiency of driving to predict surrounding vehicles’ trajectory. Especially for autonomous vehicle, its important is highlighted. When human is driving, driver observes surrounding vehicles, lane and other situations and then expects where surroundings head. However in autonomous driving, that process has to be done automatically. Practically this is challenging but has to be overcome.

In this paper, to resolve this kind of challenge vehicle trajectory forecasting system using deep learning network is proposed. This network consists of encoder that encodes inputs from sensors and decoder thar generates predicted trajectory. Encoder makes three clues for forecasting. It includes historical context, social context, environmental context. The first is for location and velocity of the vehicle to be predicted. The second is for surrounding vehicle and the third is for road. The road information is considered by predicting driver’s intention using physical model.

To train deep learning network, NGSIM dataset was adopted. Several times of cross validation improves reliability of model. The proposed model’s prediction was closer to truth as compared with comparison model.; 주변 차량의 경로를 예측하는 것은 안전하고 효율적인 주행을 위한 필수적인 요소 중 하나이다. 특히 자율주행자동차에 있어서는 주변 차량의 경로 예측의 중요성이 더욱 부각된다. 사람이 직접 운전을 할 때에는 운전자가 주변 차량, 도로 상황, 해당 차량의 위치 등 여러 가지 상황들을 모두 고려하여 그 차량이 어떻게 움직일지 예측을 하지만 자율주행자동차는 이러한 과정을 모두 스스로 수행해야한다. 현실적으로 이 조건들을 모두 고려한 경로 예측은 어렵지만 자율주행자동차를 상용화함에 앞서 반드시 해결해야 할 문제로 인식되어 왔다.

본 연구에서는 이러한 문제를 해결하기 위하여 Deep Learning Network를 사용한 주변 차량의 경로 예측 시스템을 제안한다. 이 구조는 3가지 정보들을 인코딩하는 부분과 인코딩된 값을 통해 예측 경로를 생성하는 디코더 부분으로 이루어져있다. 이 때 사용하는 3가지 정보는 첫 번째 경로를 예측하고자하는 차량의 과거 경로와 현재 속도 상태, 두 번째는 목표 차량의 주변에 있는 차량들의 과거 경로, 세 번째는 목표 차량 전방의 차선에 대한 정보이다. 차선의 정보는 물리적 모델을 이용하여 그 가중치를 고려하는 방법으로 사용하였다. 위 정보들은 예측 경로를 생성하기 위한 맥락 정보 추출하기 위해 설계된 각각의 구조의 입력이 되며 이들을 통해 추출해낸 맥락 정보는 예측 경로를 생성하기 위한 입력 값이 된다.

딥러닝 네트워크를 학습하고 검증하는 데에는 NGSIM 데이터셋을 사용하였다. 여러 차례 교차 검증을 거쳤으며 그 결과 기존의 모델들 보다 높은 예측 정확성을 보였다.