ADAS 및 자율주행을 위한 제어 가능 상태 분석과 불확실성을 고려한 의사결정

Abstract

In this thesis, supervisors for ADAS and self-driving decision making and control are described. The self-driving Markov decision process (MDP) composed by surrounding vehicle motion modeling, precedent policy, and the other units for autonomous driving are explained. In each chapter, research motivations are stated based on the review of the previous works. Then, the analysis and algorithm implementation for the method are described. The main contents of this thesis are explained in three chapters.|본 thesis 에서 셀프드라이빙 판단 및 제어를 위한 supervisor를 다루었다. 자율 주행을 위한 주변차량 모션 모델링, precedent policy 그리고 모든 유닛을 종합 하여 자율주행 MDP를 구성하였다. 각 챕터에서는 연구 동기, 선행 연구들에 대한 리뷰를 통해 기술될 방법에 대한 필요성을 설명하였다. 그리고 해당 방법 에 대한 기반 분석 및 알고리즘 구현이 설명되었다. 본 thesis의 주요 내용을 3 개의 챕터를 거쳐 설명하였다. 첫번째, 챕터 2에서는 주변차량의 모션 예측에 대해 real-traffic data 분석 과 교통예측 모델을 설명하였다. real-traffic data는 종방향과 횡방향 인터랙션 방법이 고려되었다. 종방향 인터랙션은 차속과 차간거리 유지특성을 반영하여 각각 1st order delay model 과 adaptive cruise control model로 구성된다. 횡 방향 인터랙션은 근방 차선의 차량의 cut-in확률을 분석하고 cut-in 후보들중 cut-in을 시작하는 차량을 간단한 나이브-베이즈 분류를 통해 추정하였다. 그리 고 trajectory 는 artificial potential field method로 예측 하였다. 두 번째, 챕터 3에서는 셀프드라이빙 차량이 편안하고 안전하게 주행하도 록 piecewise linear clothoid curve를 구현하는 방법, longitudinal precedent policy를 정의하는 방법, 그리고 collision-aware tracking controller에 대해 기 술하였다. piecewise linear clothoid curve의 파라미터 조건을 차량동역학으로 부터 도출하였고, 차선 변경 패스의 길이를 리얼 교통정보로 부터 분석하여 차 선 변경루트를 생성하였다. Precedent policy는 human-driven vehicle 데이터 로 부터 분석하여 Markov process 모델로 구현하였다. collision-aware tracking controller 는 lookahead policy로 구현된 simple MDP로 정식화 되고 micro genetic algorithm을 통해 처리하였다. 마지막으로, 챕터 4에서는 자율주행 MDP를 구현하는 방법을 기술하였고, interaction과 uncertainty를 고려한 자율주행 문제를 정식화 하였다. 자율주행 MDP는 path planning MDP와 speed profiling MDP 로 각각 구분하였고 구 현되었다. path planning MDP는 piecewise linear clothoid curve 시퀀스를 안 락함과 안전함을 고려하여 최적의 경로를 생성한다. 또한 speed profiling MDP 는 계획된 옵티멀 경로를 추종할때 더욱 안락하고 안전하게 최적의 속도 프로 파일을 결정한다. 제안된 방법들을 통합하여 몇가지 테스트 케이스에서 검증하 였다.