State Estimation and Lateral Control System for Autonomous Driving of Commercial Vehicles

Abstract

전 세계적으로 자율주행 기술이 급속도로 발전하고 있는 가운데, 승용차 뿐만 아니라 대형 상용차량에 특화된 자율주행 기술 개발이 중요한 연구 분야로 주목받고 있습니다. 상용차량은 대중교통, 건설, 물류, 그리고 운송 산업에서 필수적인 역할을 담당하고 있으며, 이 분야에서 자율주행 기술의 통합은 사회경제적으로 상당한 혜택을 가져올 것으로 기대됩니다. 하지만 현재 이 분야의 연구는 아직 더 많은 발전이 필요한 상태입니다. 따라서, 본 연구는 대형 상용차량의 동역학적 특성을 분석하고, 차량의 구조적 특성을 고려한 상태 추정과 횡방향 제어 시스템을 개발하는 것을 목표로 합니다. 특히, 승객 또는 화물의 중량 변화 그리고 트레일러 차량의 굴절각 발생 등 운용의 복잡성을 고려한 자율주행의 기술적 도전 과제를 중점적으로 다룹니다. 상용차량에 자율주행 시스템을 적용하는 것은 운전자의 피로를 감소시키고, 교통 안전을 강화하며, 운송 시스템의 효율성을 향상시킬 수 있을 것으로 기대합니다. 본 논문에서는 상용차량인 세 가지 타입인 대형 버스, 세미 트레일러 트럭 그리고 더블 트레일러 트럭의 자율 주행을 위한 새로운 상태 추정과 횡방향 제어 시스템을 제안합니다.

먼저 대형 버스의 자율주행을 위한 횡방향 제어 시스템 설계에서는, 기존의 차량 횡방향 모델의 문제점을 개선하고자 운동학적 특성에 기반한 새로운 개선된 운동학(E-Kinematic) 모델을 제안하였습니다. 이 모델은 실제 버스의 요 모션 데이터를 바탕으로 설계되었으며, 그 효율성을 주파수 도메인에서 기존의 운동학 모델 및 동역학 모델과 비교하여 검증하였습니다. 특히, 모델 예측 제어(MPC) 시스템 개발에 활용되어 경로 추적 성능을 크게 향상시켰습니다. 또한, 차량의 횡방향 모션 지연 문제를 해결하기 위하여 차량의 미래 상태를 예측하고, 지연 프레임을 고려한 새로운 기준 궤적을 도입함으로써 차량의 큰 횡방향 모션 딜레이가 있는 상황에서 경로를 보다 정확하게 추적하도록 설계 하였습니다. 대형 버스의 자율주행을 위한 제안한 횡방향 제어 시스템은 시뮬레이션과 버스 실차 실험을 통해 성능을 검증하였습니다.

두 번째로, 세미 트레일러 트럭의 동적 특성을 고려하여 새로운 조향 제어 알고리즘을 제안하였습니다. 설계한 제어 시스템은 운동학적 모델과 동적 모델을 결합하여 차량의 경로 추적 성능을 향상시킵니다. 특히, 트랙터와 트레일러 사이의 연결 부위인 굴절각은 새롭게 설계된 속도에 따라 적응적으로 대응하는 칼만 필터(SD-KF)에 의해 저속과 고속 모두에서 정밀하게 추정되며, 제어 시스템에 활용됩니다. 또한, 트레일러의 경로 추적 성능을 개선하기 위해, 차량의 각 유닛의 적합한 추적 곡률 반경을 기하학적으로 산출하는 새로운 수식을 유도하여 알고리즘에 적용하였습니다. 또한, 상용차량에서 발생하는 횡방향 모션 지연 문제를 해결하기 위해, 차량의 동적 모델에 기반한 예측 기법이 활용되었습니다. 예측된 트랙터와 트레일러의 미래 상태를 기반으로, 지연 보상 메커니즘이 제어 시스템에 통합되어, 조향 시 발생하는 지연을 보완하고 경로 추적의 정밀도를 높였습니다. 제안한 제어 시스템은 트레일러의 무게 변화와 조향 명령에 지연이 있는 시나리오에서의 견고성을 시뮬레이션을 통해 검증했습니다.

세 번째로, 더블 트레일러 트럭의 두 개의 굴절각을 정밀하게 모니터링할 수 있는 새로운 하이브리드 상태 관찰자를 제안하였습니다. 일반적인 더블 트레일러 트럭의 트레일러에는 상태 추정을 위한 센서가 없기 때문에, 새롭게 개발된 상태 관찰자는 트랙터의 정보만을 활용하여 차량의 상태를 추정합니다. 차량의 동역학 수식을 기반으로 설계한 칼만 필터에 딥러닝 네트워크 또는 전달 함수 기법을 통합하여 굴적각에 대한 정교한 추정 시스템이 구축됩니다. 게이트 순환 유닛(Gate Recurrent Unit, GRU) 네트워크와 2-link 조작기(manipulator)의 유사성을 이용한 전달 함수를 통해 굴절각들을 먼저 예측합니다. 그런 다음, 두 가지 방식으로 예측된 굴절각들은 각각 동역학 기반 칼만 필터에 추가 측정값으로 활용되고 이를 칼만 필터에서 보정한는 방식으로 알고리즘을 설계하였습니다. 제안한 하이브리드 상태 관찰자는 다양한 곡률 시나리오에서의 기존에 개발된 상태 관찰자들과 성능을 비교하여 검증하였습니다.

마지막으로, 더블 트레일러 트럭의 강건한 차선 유지 성능을 위해, 최적 횡방향 제어 시스템을 제안하였습니다. 개발된 최적 제어 시스템은 차량의 동적 모델을 기반으로 하여, 모델 예측 제어(Model Predictive Control, MPC) 기법을 사용하여 설계하였습니다. 제안한 제어 시스템은 두 트레일러의 무게 변화에 따른 모델 불확실성이 고려되고, 차량의 각 유닛에 대한 기하학적 제약 조건을 적용하여 모든 유닛의 차선 침범을 방지합니다. 또한, 모델을 통한 예측 불확실성에 대응하기 위해 MPC 출력에 제약 강화 및 완화 조건이 적용됩니다. 제안한 최적 제어 시스템의 차선 유지 성능은 다양한 곡률이 있는 도로와 두 트레일러의 무게 변화가 있는 시나리오에서 시뮬레이션을 통해 기존에 개발된 제어 시스템과 비교하여 검증되었습니다.

대형 상용차량의 안전하고 효율적인 자율주행 시스템 개발을 위해서는 차량의 구조적 및 동역학적 특성을 깊이 이해하는 것이 필수적입니다. 이러한 이해를 바탕으로 개발된 제어 시스템들은 상용차량의 잠재력을 극대화하며, 대중교통과 물류 산업에 큰 혁신과 운전자의 안전과 편의성을 향상시킬 수 있습니다. 또, 이와 같은 기술의 발전은 단순한 개인적 편의를 넘어서, 사회 전반의 운송 및 물류 시스템에 긍정적인 변화가 될 것으로 생각됩니다. 따라서, 본 연구에서 개발된 상용차량의 자율주행 기술은 상용차량의 안전한 교통 시스템으로의 전환에 중요한 역할을 할 것으로 기대됩니다.|In this thesis, the design of an autonomous control system tailored for commercial vehicles is presented, with a focus on vehicles such as heavy-duty buses, semi-trailer trucks, and double trailer trucks, which exhibit dynamic behaviors distinct from passenger cars. The analysis encompasses the lateral motion characteristics unique to each vehicle type and the development of a lateral control system adapted to their specific geometric and dynamic properties. Beginning with an overview of current research trends, each section provides a detailed analysis, introducing and validating a novel lateral control system tailored to the distinct characteristics of each commercial vehicle type. The content is organized into four comprehensive chapters, providing an in-depth exploration of control system design for each vehicle type.

First, Chapter 2 introduces a novel Enhanced Kinematic (E-Kinematic) model for Heavy-Duty Buses (HDBs), along with an optimal lateral control system tailored to their unique characteristics. This E-Kinematic model advances beyond conventional kinematic models by more accurately capturing the lateral motion of large buses, utilizing yaw motion data gathered from test vehicles. It is validated through frequency domain analysis and compared with conventional kinematic and dynamic models across various speeds. Furthermore, the chapter details the development of a robust Model Predictive Control (MPC) system, which integrates compensators to manage the vehicle's lateral motion and incorporates geometric and dynamic constraints to improve lane-keeping performance. The effectiveness of this lateral control system for HDB is validated by simulation and real-world vehicle experiments compared to conventional control systems.

Second, Chapter 3 details an advanced steering control algorithm for semi-trailer trucks, incorporating their dynamic characteristics. This algorithm integrates the trailer’s characteristics to enhance path tracking. The articulation angle at the connection point between the tractor and trailer is accurately estimated for both low and high speeds using a Speed Dependent Kalman Filter (SD-KF). In addition, a new method for deriving the optimal tracking curvature radius, tailored to both tractor and trailer, is introduced to further improve tracking. To address lateral motion delay in semi-trailer trucks, the algorithm employs a dynamic model-based prediction method, complemented by a delay compensation mechanism within the control system. The system's performance and robustness are demonstrated through simulations that test its effectiveness under various road curvatures, including scenarios with steering delay and trailer payload variation.

Third, in Chapter 4, a novel hybrid state observer is proposed to precisely monitor the two articulation angles of a double-trailer truck. Typically, double-trailer trucks lack sensors on the trailers for state estimation. Therefore, the newly developed state observer estimates the vehicle's state using only the information from the tractor. The estimator for two articulation angles of a double trailer truck is developed by integrating a dynamics-based Kalman filter with deep learning network or transfer function techniques. The system first predicts the articulation angles using the Gated Recurrent Unit (GRU) network or a transfer function that utilizes the similarities with a 2-link manipulator. The articulation angles predicted by each method are used as additional measures in the Kalman filter, and are designed to correct for these predictions within the dynamic model-based Kalman filter. The proposed hybrid state observer is validated by comparing its performance with conventional state observers across various curvature scenarios.

Finally, Chapter 5 presents an optimal lane keeping control system for a double trailer truck. This control system is based on a dynamic model of the vehicle and utilizes the MPC algorithm for optimal control. Given that the double trailer truck has two trailers with variable load weights, model uncertainty arises due to these weight variations. This uncertainty is analyzed by considering the allowable load weight of each trailer, and an uncertainty boundary model is established. The vehicle's optimal control system utilizes a robust MPC technique designed to prevent lane encroachment by enforcing geometric constraints for each unit. Moreover, to improve the performance of the vehicle controller, constraint tightening and smoothing techniques are applied to the MPC output to enhance its robustness to model uncertainties. The lane keeping performance of the proposed control system is validated by simulations comparing it with conventional controllers in scenarios with various curvatures and varying trailer payloads.