기계 학습 방법을 이용한 적응순항제어에서의 주변 차량 감지

Abstract

ACC(Adaptive Cruise Control) 시스템은 운전자가 가속페달 및 브레이크 페달을 밟지 않고 운전자가 원하는 속도를 추종한다. 자 차량의 주행경로에 운전자가 원하는 속도보다 낮은 속도로 주행하는 선행 차량이 있을 시에는, 차량의 전방 Radar가 선행 차량을 CIPV(Closest in Path Vehicle)로 감지하여 거리를 유지해주는 시스템이다. 기존의 ACC는 상대차량이 자 차량의 주행경로에 완전히 들어오면 CIPV로 인식하기 때문에, 상대 거리가 가까운 상태에서 상대 차량이 갑자기 Cut-in하게 되면 자 차량의 속도가 급격하게 감소하는 현상이 발생하고, 이러한 현상은 탑승자가 불안감을 느끼게 만든다. 본 논문은 차량 전방의 Radar로부터 얻어지는 데이터를 기계 학습 방법을 통해 ACC 시스템이 주변 차량의 주행 의도를 미리 예측하여, 목표 차량을 빠르게 감지하는 알고리즘을 제안한다. 이를 위해 사용되는 기계 학습 방법은 다양한 주행상황을 분류하기 위하여 Multi-Class SVM(Support Vector Machine)을 이용한다. 자 차량의 주행경로를 더욱 정확하게 예측하기 위해 Yaw angular acceleration을 추정하기 위한 Kalman filter estimator를 설계하고, 추정된 Yaw angular acceleration 정보와 IMU(Inertial Measurement Unit) 센서에서 출력되는 Yaw rate, 종 방향 속도를 포함하여 차량 주행경로를 예측하기 위한 Clothoid curve 모델 설계 방법을 설명한다. 제안된 알고리즘은 실용성 검증을 위해 차량의 전방 Radar 데이터와 비교 검증한다.