Vehicle sensor 자료를 이용한 후미 추돌사고의 주행 안전성 평가 방법론 개발

Abstract

Surrogate Safety Measure (SSM) is safety evaluation frameworks designed to evaluate the driving safety of a subject vehicle that is constantly interacting with other adjacent vehicles. Toapply these approaches, the trajectory data of all adjacent vehicles, as well as the subject vehicle, must be obtained. Because it is nearly impossible to obtain the trajectory data from all adjacent vehicles in the real world, it is required to develop a novel approach for evaluating thedriving safety that does not rely on data from adjacent vehicles. The purpose of this study is todevelop a methodology to evaluate driving safety using only the subject vehicle’s trajectory data. To evaluate the driving safety of the subject vehicle, the speed, acceleration, and jerk of the subject vehicle were utilized as driving information, and the Stopping Distance Index (SDI)was employed as a SSM. Furthermore, for the development of the driving safety evaluation algorithm, Support Vector Machine (SVM), a machine learning technique, was utilized as a classifier. As a result, the derived accuracy of the classifier was at 80.1%, and therefore, it wasconcluded that the validity of the proposed methodology was satisfied. 도로를 주행하는 차량은 인접 차량과의 끊임없는 상호 작용을 통해 차량의 주행 안전성을 확보하고자 한다. 차량의 주행 안전성은 교통안전대체지표를 사용하여 평가 할 수 있으나, 교통안전대체지표를 사용하기 위해서는 상호 작용을 형성하고 있는 주체 차량 및 선행 차량의 모든 주행 정보를 취득해야 한다. 그러나 실도로의 주행 환경에서는 주체 차량을 선행하거나 인접하고 있는 모든 차량의 주행 정보를 수집할 수 없으므로, 주체 차량의 주행 안전성을 평가하는데 한계가 존재한다. 본 연구에서는 이러한 한계점을 보완하기 위하여, 주체 차량의 주행 정보만을 이용하여 차량의 주행 안전성을 평가 할 수 있는 방법론을 개발하였다. 주체 차량의 주행 정보는 속도, 가속도, Jerk를 사용하였으며, 교통안전대체지표에는 선행 차량과 후행 차량의 정지 거리를 비교하여 주행 안전성을 평가하는 Stopping Distance Index(SDI)를 사용하였다. 또한, 주행 안전성을 평가하는 분류기로써 Support Vector Machine(SVM)을 사용했으며, 차량의 주행 정보와 SDI를 입 ‧ 출력 변수로써 사용하였다. 또한, 오차 행렬에서 산출된 분류 정확도, 특이도, 정밀도, 재현율을 기준으로 분류기의 성능을 검증하였다. 분석 결과, 주행 안전성 평가 분류기의 분류 정확도는 80.1%로 나타났으며, 본 연구에서 개발한 주행 안전성 평가 방법론에 대한 타당성을 확보했다는 결론을 제시하였다.