305 0

주변 차량의 의도가 포함된 차선 기반의 확률적 위험도 평가

Title
주변 차량의 의도가 포함된 차선 기반의 확률적 위험도 평가
Other Titles
A Lane-based Probabilistic Risk Assessment including the Intention of Surrounding Vehicles
Author
김동환
Alternative Author(s)
KIM DONGHWAN
Advisor(s)
박장현
Issue Date
2021. 8
Publisher
한양대학교
Degree
Master
Abstract
최근 자율주행(Autonomous Driving)/ADAS(Advanced Driver Assistance Systems) 차량에 대한 관심이 지대해짐에 따라, 이러한 기능을 탑재한 차량의 안전한 경로생성 및 제어를 위한 주위 환경의 위험도 평가(Risk Assessment)는 필수적이다. 이에 V2X와 정밀도로지도(Precise Road Map)를 활용한 연구들이 많이 진행되고 있지만, 상용화되어있는 대부분의 차량들은 이러한 정보들을 저장 및 송·수신 할 수 있는 기능이 탑재되어있지 않다. 따라서 모든 자율주행 차량은 자차량에 탑재된 센서 데이터를 기반으로 주변 차량들의 움직임을 파악하고 이에 따른 경로 선정 및 제어를 해야 한다. 이에 본 논문에서는 주변 차량의 의도가 포함된 차선 기반에 확률적 위험도 평가 방법을 제안한다. 자차량과 주변차량들의 속도와 위치정보를 통해 여러 위험도 메트릭(Risk Metric)을 생성하고, 각 메트릭을 퍼지로직(Fuzzy Logic) 기반의 우도함수(Likelihood Function)의 입력으로 하여 이에 대한 출력을 구한다. 그 후 이를 베이즈 정리(Bayes’ Theorem)를 통해 확률화하여 여러 위험도 메트릭 중 가장 위험도가 높은 한 메트릭에서의 위험도를 그 차량의 위험도로 선정한다. 이렇게 주변차량들에 대한 위험도가 정해지면 자차량을 기준으로 구역을 나누어 그 구역에 해당하는 위험한 차량들의 지난 경로를 추적하게 되고, 이를 딥러닝 네트워크 (Deep Learning Network)를 통해 차선 변경과 유지의 의도를 추출한다. 마지막으로 이들 구역을 차선 단위로 확장하여 위험도 평가를 하게 된다. 검증 방법으로는 자동차 전용도로에서의 일반 주행 환경을 모사한 시나리오에서 본 연구에서 제안한 방법과 비교 논문에서 제안한 방법을 시뮬레이션을 통해 비교해보았다. 그 결과 비교가 되는 논문에서는 특정 구간에서 비합리적인 위험도 판단을 했으나, 본 연구에서 제안한 방법은 그러한 구간이 존재하지 않았다. 또한 주변차량의 의도를 포함한 본 연구가 비교 논문보다 더 빨리 차량의 위험도를 파악할 수 있었다.| In this paper, we propose a probabilistic risk assessment method based on lanes including the intention of surrounding vehicles. Several risk metrics are generated based on the velocity and position of the ego vehicle and surrounding vehicles, and each metric is used as an input of a fuzzy logic-based likelihood function to obtain an output. After that, it is probabilisticized through Bayes' Theorem, and the risk in one metric with the highest risk among several risk metrics is selected as the risk of the vehicle. When the level of risk for surrounding vehicles is determined, it divides the area based on the own vehicle and tracks the past routes of dangerous vehicles corresponding to the area, and extract their lane change and keeping intention using the Deep Learning Network Finally, lane based risk assessment is performed by expanding these sections. The proposed method is evaluated in the driving situation which is similar to the real traffic scenario. The result validated that the proposed algorithm makes a more reasonalble risk assessment than the comparative paper.
URI
http://hanyang.dcollection.net/common/orgView/200000498480https://repository.hanyang.ac.kr/handle/20.500.11754/163974
Appears in Collections:
GRADUATE SCHOOL[S](대학원) > AUTOMOTIVE ENGINEERING(미래자동차공학과) > Theses (Master)
Files in This Item:
There are no files associated with this item.
Export
RIS (EndNote)
XLS (Excel)
XML


qrcode

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.

BROWSE