[논문]자율주행 안전성 평가 시나리오 개발 및 검증

채흥석; 정용환; 이명수; 신재곤; 이경수

doi:10.22680/kasa.2017.9.1.006

자율주행 안전성 평가 시나리오 개발 및 검증
Development and Validation of Safety Performance Evaluation Scenarios of Autonomous Vehicle 원문보기

자동차안전학회지 = Journal of Auto-Vehicle Safety Association, v.9 no.1, 2017년, pp.6 - 12

채흥석 (서울대학교 기계항공공학부) , 정용환 (서울대학교 기계항공공학부) , 이명수 (교통안전공단 자동차안전연구원) , 신재곤 (교통안전공단 자동차안전연구원) , 이경수 (서울대학교 기계항공공학부)

Abstract ▼ AI-Helper

Regulation for the testing and operation of automated vehicles on public roadways has been recently developed all over the world. For example, the licensing standards and the evaluation technology for automated vehicles have been proposed in California, Nevada and EU. But specific safety evaluation scenarios for automated vehicles have not been proposed yet. This paper presents safety evaluation scenarios for extraordinary service permission of automated vehicles on highways. A total of seven scenarios are selected in consideration of safety priority and real traffic situation. Six scenarios are relevant with lane keeping and one scenario is relevant with lane change. All scenarios are developed based on existing ADAS evaluation scenarios and repeated simulation of automated vehicle algorithm. Safety evaluation factors as well as scenarios are developed. The safety factors are based on existing ADAS ISO requirements, ADAS safety factors and current traffic regulations. For the scenarios, a hunter vehicle is needed in addition to automated vehicle evaluated. The hunter vehicle performs multiple roles like preceding vehicle, cut-in vehicle and so on. The hunter vehicle is also automated vehicle equipped with high performance GPS, radar and Lidar. All the scenarios can be implemented by driving a lap on a KATRI ITS test track. These scenarios and safety evaluation factors are investigated via both a computer simulation and an experimental vehicle test on the test track. The experimental vehicle test was conducted with two automated vehicles, which are the evaluated vehicle and the hunter vehicle.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 논문의 대상인 자동차 전용도로에서의 자율주행 자동차는 개별 ADAS 요소 기술인 ACC, AEB, 그리고 LKAS의 통합 시스템이다. 따라서 자율주행 평가시나리오 개발에 앞서 개별기술인 ADAS 시스템의 기존 성능 평가 규정을 조사했다.
본 논문은 자율주행 자동차의 임시운행 허가를 위한 안전성 평가 시나리오와 평가 항목을 제시하려고 한다. 자율주행 자동차가 자동차 전용 도로에서 안전하게 운행하기 위한 최소한의 요건을 확인하는 시나리오를 제안한다.
본 연구에서는 자율주행 차량의 임시운행 허가를 위한 평가 시나리오를 개발하였다. 평가 시나리오는 크게 차선 유지 및 차선 변경 시나리오로 구성된다.
Cut-out차량 대응주행은 선행 차량이 옆 차선으로 차선 변경할 때 대응을 평가하는 시나리오이다. 선행 차량을 추종하다 선행 차량이 빠질 경우, 자율주행 차량이 기존의 단독 주행 상태로 회복하는지 평가한다. 안전성 평가항목은 차선 유지, 속도, 횡방향 가속도, 차간 거리이다.
8초 이전에 2개 이상의 경고를 제공, 충돌시점에서 10km/h이상의 속도감소, TTC 3초 이전에 긴급제동이 발생하지 않을 것. 이 조건들의 만족여부를 평가한다.
정지 차량과 충돌 위험이 있을 때, 조향 조작으로 피할 수 있는 최소한의 거리는 식 (1)에 근거한다. 이 최소한의 거리보다 먼 거리에서 차선 변경을 진행하는지 평가한다.
본 논문은 자율주행 자동차의 임시운행 허가를 위한 안전성 평가 시나리오와 평가 항목을 제시하려고 한다. 자율주행 자동차가 자동차 전용 도로에서 안전하게 운행하기 위한 최소한의 요건을 확인하는 시나리오를 제안한다. 또 각 시나리오에서 평가해야 할 요구 사항을 구체적으로 제시하여 현실적인 안전 성능 평가방안을 구성하였다.

제안 방법

선행차량 정체주행은 혼잡구간 주행지원 시스템(TJA) 기능을 평가하는 시나리오이다. Fig. 2와 같이 정지, 출발을 반복하는 앞 차량을 추종하면서 자동차 전용도로에서 빈번하게 발생하는 정체상황을 대응하는지 평가한다. 안전성 평가항목은 차선 유지, 횡방향 가속도, 속도, 차간 거리이다.
평가항목의 달성 여부를 통해 시나리오의 합격 여부를 정한다. 개발한 시나리오 및 평가항목은 자율주행의 개별 요소 기술인 ADAS의 기술 규정 및 자율주행 차량 시뮬레이션에 기반한다.
시나리오 구현에는 평가 받는 자율주행 차량과 평가를 도와주고 시나리오를 구현하는 헌터 차량, 총 2대의 자율주행 차량이 사용된다. 개발한 자율주행 안전성 평가 시나리오 및 평가항목의 적정성을 검증하기 위해 고속주회로에서 실차 실험을 진행하였다.
자율주행 자동차가 자동차 전용 도로에서 안전하게 운행하기 위한 최소한의 요건을 확인하는 시나리오를 제안한다. 또 각 시나리오에서 평가해야 할 요구 사항을 구체적으로 제시하여 현실적인 안전 성능 평가방안을 구성하였다.
본 논문에서 개발한 시나리오의 적정성을 평가하기 위해 실제 고속주회로에서 실차 실험을 진행하였다. 평가받는 평가 자율주행 차량과 평가를 도와주는 헌터 자율주행 차량을 이용해서 진행하였다.
본 논문에서 개발한 자율주행 안전성 평가 시나리오는 평가의 반복성 및 간편성을 위해서 6개의 시나리오를 통합 구현하였다. 원형 트랙인 교통안전공단 고속주회로를 이용해서 6개의 시나리오 순서를 배치하였다.
본 연구에 사용된 충돌경보지수 기반 AEB 알고리즘의 작동 여부는 자율주행 차량의 차선 변경의 안전도를 판단하는 주요 항목이 된다. 차선 변경 시 측 후방 차량의 반응은 차선 변경 안전에 중요 지표임으로 타겟 차량의 AEB 작동 여부는 차선 변경 안전성 평가항목이 될 수 있다.
본 장에서는 앞 장에서 개발한 차선 유지 시나리오 외에 차선 변경을 평가하는 시나리오 및 평가요소를 개발하였다.
직선로 인지 거리 성능 평가는 2초 이내에 인지 가능한 최대 거리를 평가한다. 선행 차량 식별 성능 평가는 직선로에서 자차선과 옆 차선에 존재하는 각각의 선행 차량의 인지여부를 평가한다. 이는 복수의 선행차량이 존재하는 경우, 다른 차선의 차량을 오인식 하지 않고 정상 추종하는지 검증하는 테스트이다.
차선 유지가 대부분의 비율을 차지함으로 차선 유지의 성능을 평가하는 시나리오를 총 5가지로 아래와 같이 개발하였다. 시나리오뿐만 아니라 시나리오에서 평가할 안전성 평가요소도 개발하였다. 평가요소를 통해 임시운행 허가의 기준요소로 정할 수 있다.
자율주행 임시운행 허가를 위한 시나리오로써 평가의 반복성 및 간편성을 위해서 6개의 시나리오를 통합 구현하였다. 원형 트랙인 교통안전공단 고속주회로를 이용해서 Fig. 10과 같이 6개의 시나리오를 통합하였다. 원형 트랙에 6개의 순서를 배치하였다.
카메라는 차선 인지, Radar는 차량 인지, Lidar는 장애물을 인지한다. 인지된 정보를 바탕으로 컴퓨터 및 Autobox를 이용해서 판단 및 요구 제어값을 결정하고 조향, 가감속 제어를 통해 자율주행을 한다. 헌터 차량에는 고속주회로 기반 시나리오 구현을 위해 미리 알고리즘에 요구 행동이 정해져 있다.
본 논문에서 개발한 자율주행 안전성 평가 시나리오는 차선 유지 5개, 차선 변경 1개로 총 6개이다. 자율주행 임시운행 허가를 위한 시나리오로써 평가의 반복성 및 간편성을 위해서 6개의 시나리오를 통합 구현하였다. 원형 트랙인 교통안전공단 고속주회로를 이용해서 Fig.
Cut-in차량 대응주행은 앞의 차량이 끼어드는 상황을 평가하는 시나리오이다. 자율주행 차량이 Cut-in차량에 대응해서 안전하게 반응하는지 평가한다. 안전성 평가 항목은 차선 유지, 종방향 가속도, 차간 거리이다.
평가 시나리오는 크게 차선 유지 및 차선 변경 시나리오로 구성된다. 차선 유지 5개, 차선 변경 1개로 총 6개의 시나리오를 개발하였고 각 시나리오 별 안전성 평가항목을 개발하였다. 평가항목의 달성 여부를 통해 시나리오의 합격 여부를 정한다.
자율주행 차량의 주행은 크게 차선 유지, 차선 변경으로 이루어져 있다. 차선 유지가 대부분의 비율을 차지함으로 차선 유지의 성능을 평가하는 시나리오를 총 5가지로 아래와 같이 개발하였다. 시나리오뿐만 아니라 시나리오에서 평가할 안전성 평가요소도 개발하였다.

대상 데이터

곡선로 선행 차량 식별 성능 평가는 곡선로에서 전방 선행차량에 대한 정상적 인지 여부를 평가한다. 또한 곡선로에서 선행 차량이 감속했을 때 자차량의 거동도 평가대상이다.⁽⁶⁾
본 논문에서 개발한 자율주행 안전성 평가 시나리오는 차선 유지 5개, 차선 변경 1개로 총 6개이다. 자율주행 임시운행 허가를 위한 시나리오로써 평가의 반복성 및 간편성을 위해서 6개의 시나리오를 통합 구현하였다.
본 논문의 대상인 자동차 전용도로에서의 자율주행 자동차는 개별 ADAS 요소 기술인 ACC, AEB, 그리고 LKAS의 통합 시스템이다. 따라서 자율주행 평가시나리오 개발에 앞서 개별기술인 ADAS 시스템의 기존 성능 평가 규정을 조사했다.
횡방향 가속도, 종방향 가속도는 ISO기준을 근거로 한다. 선행차량과 유지해야 하는 최소 차간 거리는 150명의 운전자 데이터를 기반으로 선정하였다.⁽¹¹⁾
본 논문에서 개발한 자율주행 안전성 평가 시나리오들은 기본적으로 평가 받는 자율주행 차량 외에 평가를 도와주고 시나리오를 구현하는 헌터 차량 한대가 더 필요하다. 실제 개발한 시나리오의 정확하고 간편한 구현을 위해서 헌터 차량에 자율주행 차량을 사용하였다. 사용된 자율주행 차량은 Fig.
본 논문에서 개발한 자율주행 안전성 평가 시나리오는 평가의 반복성 및 간편성을 위해서 6개의 시나리오를 통합 구현하였다. 원형 트랙인 교통안전공단 고속주회로를 이용해서 6개의 시나리오 순서를 배치하였다. 순서는 평가 받는 자율주행 차량과 평가를 도와주는 헌터 차량의 각 시나리오 별 차선 위치, 역할 등을 고려하였다.
11과 같다. 주변 환경 인지를 위해 카메라, Radar, Lidar가 사용되었다. 카메라는 차선 인지, Radar는 차량 인지, Lidar는 장애물을 인지한다.
본 논문에서 개발한 시나리오의 적정성을 평가하기 위해 실제 고속주회로에서 실차 실험을 진행하였다. 평가받는 평가 자율주행 차량과 평가를 도와주는 헌터 자율주행 차량을 이용해서 진행하였다. 모든 시나리오는 성공적으로 수행되었고 3.

후속연구

본 논문에서 개발한 자율주행 안전성 평가 시나리오들은 기본적으로 평가 받는 자율주행 차량 외에 평가를 도와주고 시나리오를 구현하는 헌터 차량 한대가 더 필요하다. 실제 개발한 시나리오의 정확하고 간편한 구현을 위해서 헌터 차량에 자율주행 차량을 사용하였다.
본 연구의 기대효과는 추후에 개발된 여러 자율주행차량의 평가를 위해 사용될 수 있다. 자율주행 차량이 실제 도로에서 주행하기 전에 충분한 사전 안전성 평가가 필요하다.
자율주행 차량의 임시운행 허가나 상용화 단계에 큰 기대효과를 얻을 수 있다. 본 연구의 향후 연구로 더 다양한 도로 상황의 시나리오 개발이 필요하다. 추월하는 시나리오, 고속도로의 합류점, 분기점, 톨게이트, 도심 환경의 교차로 등의 좀 더 복잡한 도로 상황의 시나리오가 필요하다.

질의응답

핵심어	질문	논문에서 추출한 답변
	ISO에서 규정하고 있는 ACC 성능 평가는 무엇인가?	ISO에서 규정하고 있는 ACC 성능 평가는 직선로 인지 거리 성능, 선행 차량 식별 성능, 그리고 곡선로 선행 차량 식별 성능으로 구성되어 있다. 직선로 인지 거리 성능 평가는 2초 이내에 인지 가능한 최대 거리를 평가한다.
	자동차 사고의 주 원인은 무엇인가?	자동차 사고의 90%는 운전자의 주행부담으로 인한 부주의에 기인한다. 센서나 통신을 이용해 운전자의 인지 범위 이상의 주행 환경을 사전에 판단하여 운전자의 반응시간을 향상시키거나 차량이 운전자 대신 능동적인 운전을 한다면 이러한 사고를 경감시킬 수 있을 것이다.
	선행 차량 식별 성능 평가는 무엇을 의미하는 테스트인가?	선행 차량 식별 성능 평가는 직선로에서 자차선과 옆 차선에 존재하는 각각의 선행 차량의 인지여부를 평가한다. 이는 복수의 선행차량이 존재하는 경우, 다른 차선의 차량을 오인식 하지 않고 정상 추종하는지 검증하는 테스트이다. 곡선로 선행 차량 식별 성능 평가는 곡선로에서 전방 선행차량에 대한 정상적 인지 여부를 평가한다.

참고문헌 (12)

Kyong-Su Yi, 2014, "Vehicle Dynamics Control Applications to Automobiles: Survey and Some New Trends", Journal of Institute of Control, Robotics and Systems, Vol. 20, No. 3, pp. 298-312.

원문보기 상세보기
Bengler, K., Dietmayer, K., Farber, B., Maurer, M., Stiller, C., and Winner, H., 2014, "Three decades of driver assistance systems: review and future perspectives", IEEE Intelligent Transportation Systems Magazine, Vol. 6, No. 4, pp. 6-22.

상세보기
California Department of Motor Vehicles, Adopted Regulations for Testing of Autonomous Vehicles by Manufacturers, 2014.
Nevada Department of Motor Vehicles, Autonomous Vehicle Testing License, 2013.
Felix Fahrenkrog, 2014, "Evaluation of automated driving functions", ITS Europe.
ISO, ISO 15622 Intelligent transport systems - adaptive cruise systems - performance requirements and test procedures, 2010.
Euro NCAP, Euro NCAP AEB Test Protocol, 2013.
ISO, ISO 11270 Intelligent transport systems - lane keeping assistance systems - performance requirements and test procedures, 2014.
Yonghwan Jeong, 2015, An evaluation scenario of safety performance for extraordinary service permission of autonomous vehicle, KASA Spring Conference Proceedings.
Moon, Seungwuk, and Kyongsu Yi, "Human driving data-based design of a vehicle adaptive cruise control algorithm", Vehicle System Dynamics 46.8 (2008): 661-690.

상세보기
채흥석, et al., "자율주행 자동차 임시운행 허가를 위한 안전 성능 평가 시나리오", 한국자동차공학회논문집 24.5 (2016): 495-503.

원문보기 상세보기
채흥석, et al., 2015, "자율주행 차량 차선 변경 평가 시나리오 개발", 대한기계학회 창립 70주년 기념 학술대회.

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증