비정상적인 주행차량 회피를 위한 MPC 기반의 ACC 제어기 설계

Abstract

최근 자율주행자동차에 대한 관심과 다양한 연구들이 진행되면서, 운전자의 편의성과 안전성을 확보 할 수 있는 다양한 첨단 운전자 지원 시스템들이 개발 및 상용화되고 있다. 더불어 도로 혹은 교통 정보와 같이 다양한 정보와 기술의 융합을 통해 보다 효율적인 주행을 실현하고자 자동차 제조사 및 정부 간의 협업 또한 이루어지고 있다. 대표적인 첨단 운전자 지원 시스템인 적응형 순항 제어(ACC)는 장거리 운전 시 운전자의 스트레스를 줄여주는 등 고속도로 주행 상황에서 많은 운전자들이 사용하는 효율적인 시스템이다. 해당 시스템은 전방차량의 움직임에 큰 영향을 받기에 전방차량이 비정상적으로 주행할 시 이에 따른 제어 전략이 필요하다. 본 논문에서는 비정상적인 주행차량 회피를 위한 MPC 기반의 ACC 제어기를 제안한다. 전방 차량의 비정상적인 움직임을 종방향 정보(종방향 가속도,종방향 Jerk)와 횡방향 정보(Lateral Offset)를 기반으로 판단하고 이를 비정상 지표(Abnormal Indicator)로 수치화 시킨다. 이를 통해 전방차량과의 상대거리 와 비정상 수치를 기반으로 설계된 Hazard 지표를 이용하여 비정상 수치에 따라 추가 상대거리를 도출한다. 상대거리 확보 후 전방 차량의 비정상적인 움직임을 추종하지 않기 위해 비정상 주행 판단 시 LPF 기반의 Ghost vehicle을 추종하도록 설계하였다. 이후 요구되는 추가 상대거리를 유지하기 위해 제어 차량의 요구 안전거리와 전방차량과의 상대거리 오차를 기반으로 상태 방정식을 구성하였다. 이를 기반으로 최적화 문제의 가격함수와 제약 조건을 설정하여 MPC 제어기를 구성하였다. Ghost vehicle 및 Hazard 지표 기반의 추가 상대거리에 의해 전방차량과의 상대거리가 임계거리 이상일 때 차선을 변경하기 위해 road tracking에 대한 error dynamics model을 기반으로 LQR 기반의 차선 변경 제어기를 설계하였다. 설계된 로직의 성능을 검증하기 위해 IPG 社의 Carmaker 차량 시뮬레이터 를 활용하여 Matlab/Simulink 환경에서 제어기 모델을 구현하였다. 또한 전방차량의 종방향, 횡방향, 종/횡방향 비정상 주행 시나리오를 구성하여 해당 로직을 평가 분석하였다|With the recent interest in autonomous vehicles and various studies, various advanced driver assistance systems that can secure driver convenience and safety are being developed and commercialized. In addition, cooperation between car manufacturers and government is also being conducted to realize more efficient driving through the convergence of various information and technologies such as road or traffic information. Adaptive cruise control, a representative advanced driver assistance system, is an efficient system used by many drivers in highway driving situations, such as reducing driver stress when driving long distances. Since the system is greatly influenced by the movement of the preceding vehicle, a control strategy is required when the preceding vehicle drives abnormally. This paper proposes an MPC-based ACC controller for avoiding abnormal driving vehicles. The abnormal movement of preceding vehicle is determined based on longitudinal information(Longitudinal Acceleration, Longitudinal Jerk) and lateral information(Lateral Offset), which are quantified into Abnormal Indicators(AI). In order not to follow the abnormal movement of the preceding vehicle, it is designed to follow the LPF-based Ghost vehicle when determining abnormal driving. In addition, an additional relative distance is derived in proportion to the abnormal value using the Hazard index designed based on the relative distance to the preceding vehicle and the abnormal value. n order to maintain the required additional relative distance, the state equation was constructed based on the required safety distance of the control vehicle and the relative distance error of the preceding vehicle. Through this, the cost function and constraints of the optimization problem were composed, and the MPC controller was configured by converting it into a QP form. An MPC-based lane change controller was designed based on the error dynamics model for road tracking in order to change lanes when the relative distance to the front vehicle is above the threshold distance due to the Ghost vehicle and Hazard indicator-based additional relative distances. To verify the performance of the designed logic, a controller model was implemented in the Matlab/Simulink environment using IPG's Carmaker vehicle simulator. In addition, abnormal driving scenarios in the longitudinal, lateral, and longitudinal/lateral directions of the preceding vehicle were constructed to evaluate and analyze the logi