머신 러닝 기법을 활용한 ADAS/자율주행 차량의 운행 적합도 설계

Abstract

본 논문에서는 ADAS(Advanced Driver Assistance System)/AV(Automated Vehicle)가 탑재된 차량에 탑승한 운전자/탑승자가 적합/부적합 상황을 판단하는 운전 적합도 지표를 설계하였다. 우선적으로 도로 교통 공단 교통사고 분석 시스템의 통계 결과를 바탕으로 차량 주행 시 부적합 하다고 주로 판단되는 상황을 통계적으로 판단하여 적합/부적합 시나리오를 구성했다. 이를 기반으로 시뮬레이션 환경을 구축하고 구축된 환경에서 주행 데이터 취득하였다. 취득한 데이터를 분석하고 머신 러닝으로 학습시켜 운전 적합도 지표를 도출하였다. 주행 환경 데이터는 각각 dSPACE社의 ASM(Automotive Simulation Models)과 Driving Simulator를 사용하여 획득했다. 이때 자율 주행 차의 운전 적합성 여부를 판단하기 위해 운전자 혹은 탑승자의 반응이 필요하므로 ‘Trigger Signal’이라는 입력 신호를 생성하였다. 이렇게 생성된 입력 신호는 운전자 또는 탑승자가 각 시나리오의 부적합한 운전 상황에 대해서만 입력하도록 하였다. 각각의 시나리오에 대해 지배적인 파라미터들을 파악하기 위하여 취득한 raw 데이터를 가지고 상대 거리, 상대 속도, 상대 가속도, TTC(Time To Collision)을 도출하였다. 이 실험 데이터를 동일한 스케일이 반영되도록 z-score를 통해 정규화 하였다. 데이터의 패턴을 보기위해 도출한 종/횡방향 상대 거리, 상대 속도, 상대 가속도, TTC, 그리고 ego 차량의 종방향 속도를 입력으로 적합/부적합 상황이라고 판정 지은 Trigger Signal을 출력으로 처리해 MLP(Multi-Layer Perceptron)학습을 시켰다. 학습시킨 MLP의 출력 값이 적합/부적합에 대한 신뢰도를 나타낸다는 점을 이용하여 인덱스를 설계하였고 이를 통해 ADAS/AV 시스템에서 제어기의 임계 값을 설계하여 다양한 운전자의 수용을 고려할 수 있고 운전 적합도 지표를 통해 종방향, 횡방향의 사고 위험도를 최소화하며 주행하여 높은 수준의 안전도 향상을 기대할 수 있다.