[논문]실도로 주행 조건 기반의 자율주행자동차 고위험도 평가 시나리오 개발 및 검증에 관한 연구

정승환; 유제명; 정낙승; 유민상; 편무송; 김재부

doi:10.22680/kasa2018.10.4.040

실도로 주행 조건 기반의 자율주행자동차 고위험도 평가 시나리오 개발 및 검증에 관한 연구
A Study on Development of High Risk Test Scenario and Evaluation from Field Driving Conditions for Autonomous Vehicle 원문보기

자동차안전학회지 = Journal of Auto-Vehicle Safety Association, v.10 no.4, 2018년, pp.40 - 49

정승환 (현대자동차 ADAS성능개발팀) , 유제명 (현대자동차 ADAS성능개발팀) , 정낙승 (현대자동차 ADAS성능개발팀) , 유민상 (현대자동차 법규인증1팀) , 편무송 (현대자동차 법규인증1팀) , 김재부 (현대자동차 법규인증1팀)

Abstract ▼ AI-Helper

Currently, a lot of researches about high risk test scenarios for autonomous vehicle and advanced driver assistance systems have been carried out to evaluate driving safety. This study proposes new type of test scenario that evaluate the driving safety for autonomous vehicle by reconstructing accident database of national automotive sampling system crashworthiness data system (NASS-CDS). NASS-CDS has a lot of detailed accident data in real fields, but there is no data of accurate velocity in accident moments. So in order to propose scenario generation method from accident database, we try to reconstruct accident moment from accident sketch diagram. At the same step, we propose an accident of occurrence frequency which is based on accident codes and road shapes. The reconstruction paths from accident database are integrated into evaluation of simulation environment. Our proposed methods and processor are applied to MILS (Model In the Loop Simulation) and VILS (Vehicle In the Loop Simulation) test environments. In this paper, a reasonable method of accident reconstruction typology for autonomous vehicle evaluation of feasibility is proposed.

주제어

표/그림 (17)

그림 Fig. 1 German in-Depth Accident Study Database
그림 Fig. 2 Driving Vehicle Environments of SHRP-2 Database
그림 Fig. 3 Classification and Reconstruction Process of Accident Database
표 Table 1 Comparison NASS CDC and SHRP-2
표 Table 2 4-Phase Process of Accident Reconstruction
표 Table 3 Accident Reconstruction Type and Equations
그림 Fig. 4 Accident and Road Type Classification
표 Table 3 Accident Reconstruction Type and Equations (Continued)
표 Table 4 Results Analysis of Accident Database
그림 Fig. 5 Classification and Reconstruction Process of Accident Database
그림 Fig. 6 Real Accident Diagram in NASS CDS Database
그림 Fig. 7 Reconstruction of Accident Driving Path
표 Table 4 Results Analysis of Accident Database (Continued)
표 Table 5 Result of Accident Reconstruction
표 Table 6 Accident Reconstruction – MILS Test Validation
표 Table 7 Accident Reconstruction – VILS Test Validation
그림 Fig. 8 Accident Database Classification Type and Reconstruction Process

AI 본문요약
AI-Helper

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

문제 정의

^(6~8) 이런 논문들에서 제시하고 있는 결과의 대부분은 다양한 지역별, 연령별 및 기후별 사고 발생에 대해 통계학적 근거를 기반으로 사고 원인 분석 및 사고 절감을 위한 제도를 선언적으로 제시할 뿐 차량 개발관점에서 활용이 불가능한 한계점을 가지고 있다. ^(9,10) 따라서, 본 연구에서는 실도로 사고 데이터 베이스를 활용하여 사고 상황을 주행 속도 예측의 관점으로 재구성하는 합리적인 방법과 예측된 속도를 차대차 주행 경로를 생성하고 시뮬레이션 및 실차 평가 시나리오로 활용하는 절차를 제안하고자 한다. 이런 절차와 방법을 통한 시험·검증 방법은 실도로에서 발생할 수 있는 사고 위험에 대한 자율주행 제어 전략, ADAS 제어 개입 및 한계 사항과 시험 평가의 우선 순위를 정할 수 있게 되고, FDC(Field Driving Conditions)에서 발생할 수 있는 다양한 조건에서의 검증이 가능하여 시험 평가 기술을 확보하는데 도움이 될 것으로 예상한다.
따라서 본 논문에서는 NASS CDS를 활용하여 사고 분류 방안 및 재구성에 대한 합리적인 방법을 소개한다. 또한, 사고 재구성된 시나리오를 시뮬레이션 및 실차 평가 환경에 적용하여 FOT 환경에서 ADAS 제어 개입 여부 및 한계 상황에 대한 수준을 파악한다.
본 논문에서는 실도로 공로에서 발생하는 고위험도 시나리오를 자율주행자동차와 ADAS 시험 평가 및 검증 시나리오로 구성하기 위한 절차와 방법을 개발하고 제안하였다. 이번 연구에서 소개한 무료의 사고 데이터 베이스 선정, 사고 및 도로 유형 분류의 구조화, 재구성 절차와 생성된 시나리오를 MILS 또는 VILS 환경에서 검증할 경 우 다양한 실도로 주행 조건의 평가가 가능하다는 것을 증명하였다.

제안 방법

3) 구성된 시나리오를 MILS 및 VILS의 주행 경로로 입력하여 자율주행 제어 이벤트 개입 여부를 검증한다.
FCA 선행 검증 제어 알고리즘의 경우 MILS와 동일한 형태인 MatLab/Simulink 환경에서 설계된 것을 사용하 였으며, MicroAutoBox에 업로드 및 제어 개입을 통해 검증하였다. VILS 검증 결과 정지 거리는 약 0.
FCA 제어 알고리즘은 남→북 방향으로 주 행하는 차량에 적용하였으며, 주행 속도는 19.8(km/h)이 고, 방해 차량은 70.2(km/h)로 FCA 없이 주행하게 하였다.
즉, NASS CDS에서 분류하고 있는 충돌후 정차, 종･ 횡 이동 등의 최종 위치 상세 구분이 재구성 과정 중에 확인이 가능하기에 구분이 불필요하게 된다. 그 다음으로 도로 형태를 구분하게 되는데 크게는 일반로와 교차로의 두 가지 구성으로, 세부적으로는 직선로, 곡선로 및 진입로 등 총 20개 종류의 도로로 분류하였다. 이렇게 새롭게 정의된 사고 유형과 도로 형태를 기반으로 사고 발생 건 수를 확인하고 재구성을 선별하는 결정 과정에 기준으로 활용하였다.
이번 연구에서 사용한 사고 경로 재구성 프로그램은 PC-Crash 적용하였고, NASS CDS에서 제공하는 사고 다이어그램에 가상의 두 차량을 위치 시키고, 앞에서 설명한 바와 같이 시행착오법을 적용하여 주행 속도를 예측 하였다. 그 한 예로 Fig. 6과 같은 T형 단순유출입로에서 발생한 선회 충돌 사고에 대해 재구성을 실시 하였다. NASS CDS 사고 코드로는 2014-09-047에 해당하고, 본 연구에서 정의한 영역으로는 사고 발생 4순위 해당하게 된다.
두 검증 환경에 적용된 FCA 제어 알고리즘의 경우 회피 가능성을 검증하기 위해 설계한 선행 알고리즘이 적용되었고, 레이더 센서의 경우 인식거리 200(m) / FOV(Field of View) 10(deg), 인식거리 50(m) / FOV 45(deg)로 설정하였다. FCA 제어 알고리즘은 남→북 방향으로 주 행하는 차량에 적용하였으며, 주행 속도는 19.
또한, VILS 환경의 경우 주행 속도가 운전자 성향별로 상이하게 되어 정확한 사고 위치에 충돌이 발생하기 어려운 한계점을 가지고 있어, 목표 차량의 주행 속도별 적응형 속도 제어 알고리즘을 별도로 설계 및 적용하여 평가 환경의 강건성을 확보하였다.
또한, 사고 재구성된 시나리오를 시뮬레이션 및 실차 평가 환경에 적용하여 FOT 환경에서 ADAS 제어 개입 여부 및 한계 상황에 대한 수준을 파악한다.
본 연구에서는 사고 경로 예측 상용 툴의 경우 제조사별 차량 제원값을 제공하고 있어 이를 활용하였다. 또한, 충돌후 최종 예측 위치까지 이동이 가능한 차량의 주행 속도와 경로를 도출한다.
본 논문에서는 두 차량의 충돌후 최종 정차 위치를 직관적으로 표현하기 벡터 연산을 적용한다. 두 차량의 위치는 “초기 속도 → 충돌 → 최종 위치 판단” 순으로의 결정하게 된다.
사고 재구성 2단계는 차량의 충돌 지점 및 충돌시 차량에 발생한 충격량을 예측하기 위해 차량 제원 값을 결정해야 한다. 본 연구에서는 사고 경로 예측 상용 툴의 경우 제조사별 차량 제원값을 제공하고 있어 이를 활용하였다. 또한, 충돌후 최종 예측 위치까지 이동이 가능한 차량의 주행 속도와 경로를 도출한다.
사고 상황이 재구성된 시나리오를 MILS(Model In the Loop Simulation)와 VILS(Vehicle In the Loop Simulation) 환경에 적용하여 ADAS 제어 개입에 따른 사고 회피 성능을 확인하였다.
사고 재구성을 위해서는 다양한 주행 조건이 고려되어야 하지만, 본 논문에서는 사고 유형의 정규화를 위해 아래와 같은 3가지 가정하에 재구성을 실시한다.
개정 근거로 활용하고 있는 것으로 확인된다. 여기 데이터 베이스는 사고 건당 별도의 사고 번호를 부여하고 사고를 구성한 차량과 사람을 구분하여 현장 조사, 상해 기록, 보고서 및 사고 재현 과정을 통해 위의 Fig. 1과 같이 데이터 베이스를 구축하게 된다. 이를 구성하는 입력 변수 데이터는 총 30개의 카테고리에 2,500 여개로 구성된다.
3과 Table 2에서 보는 바 와 같다. 이 과정에서는 방대한 사고 데이터 중에서 사고를 재구성 (reconstruction)을 하기 위한 선별 과정을 포함하고 있으며, 본 논문에서는 차대차 사고에 한하여 재구성 범위를 한정 지었다. 본 연구에서는 ’09～’10년의 사고 데이터 베이스를 분석 및 재구성의 기간으로 선정하였다.
그 다음으로 도로 형태를 구분하게 되는데 크게는 일반로와 교차로의 두 가지 구성으로, 세부적으로는 직선로, 곡선로 및 진입로 등 총 20개 종류의 도로로 분류하였다. 이렇게 새롭게 정의된 사고 유형과 도로 형태를 기반으로 사고 발생 건 수를 확인하고 재구성을 선별하는 결정 과정에 기준으로 활용하였다. 사고 재구성 2단계는 차량의 충돌 지점 및 충돌시 차량에 발생한 충격량을 예측하기 위해 차량 제원 값을 결정해야 한다.
사고 재구성 중 1단계 과정으로서 사고 유형과 도로 형태를 구분하는 작업이 선행되어야 한다. 이를 위해 기존 NTHSA에서 정의한 사고 유형 56종을 15종으로 단순화 하였다. 이런 간략화가 가능했던 이유는 사고 재 구성 과정중에 시행착오법을 기반으로 사고후 두 차량의 최종 근사 위치를 찾기 위한 과정이 포함되고 있기 때문이다.
이번 연구에서 사용한 사고 경로 재구성 프로그램은 PC-Crash 적용하였고, NASS CDS에서 제공하는 사고 다이어그램에 가상의 두 차량을 위치 시키고, 앞에서 설명한 바와 같이 시행착오법을 적용하여 주행 속도를 예측 하였다. 그 한 예로 Fig.

대상 데이터

본 연구에서는 ’09～’10년의 사고 데이터 베이스를 분석 및 재구성의 기간으로 선정하였다.
이를 구성하는 입력 변수 데이터는 총 30개의 카테고리에 2,500 여개로 구성된다.

이론/모형

1(m) 정도로 예측할 수 있었다. VILS 평가 결과는 Table 7과 같으며 MILS와 동일한 FCA 제어 알고리즘을 적용하였고 방해차량과 충돌이 발생하지 않았다.

성능/효과

1) 사고 데이터 베이스의 ‘사고 번호’를 도로 형태와 사고 유형으로 분류한다.
2(km/h)로 예측되었다. 두 차량의 주행 경로를 확인해 보면 발생 지점인 TP-4에서 헤딩 각도가 갑자기 증가하는 것을 확인할 수 있으며, TP4-1로부터 선형적인 헤딩 각도로부터 당초 운전자 요구 경로 또한 정상적으로 추정이 되었음을 확인할 수 있다. 또한, 추정된 속도와 경로로 주행할 경우 충돌후 최종 위치에 정차하는 결과로부터 사고후 거동 변화가 잘 예측 되었음을 확인할 수 있었고, 그 상세 사고 재구성 결과는 Table 5에서 확인할 수 있다.
본 논문에서는 실도로 공로에서 발생하는 고위험도 시나리오를 자율주행자동차와 ADAS 시험 평가 및 검증 시나리오로 구성하기 위한 절차와 방법을 개발하고 제안하였다. 이번 연구에서 소개한 무료의 사고 데이터 베이스 선정, 사고 및 도로 유형 분류의 구조화, 재구성 절차와 생성된 시나리오를 MILS 또는 VILS 환경에서 검증할 경 우 다양한 실도로 주행 조건의 평가가 가능하다는 것을 증명하였다.
재구성된 사고 경로를 확인해 보면 두 차량의 주행 속 도는 19.8(km/h)와 70.2(km/h)로 예측되었다. 두 차량의 주행 경로를 확인해 보면 발생 지점인 TP-4에서 헤딩 각도가 갑자기 증가하는 것을 확인할 수 있으며, TP4-1로부터 선형적인 헤딩 각도로부터 당초 운전자 요구 경로 또한 정상적으로 추정이 되었음을 확인할 수 있다.

후속연구

최근까지 발표된 논문들의 대부분은 실도로 사고 유형 및 빈도들에 대한 교통 공학 관점의 사고 확률 및 위험도 분석이 대부분 이다. ^(6~8) 이런 논문들에서 제시하고 있는 결과의 대부분은 다양한 지역별, 연령별 및 기후별 사고 발생에 대해 통계학적 근거를 기반으로 사고 원인 분석 및 사고 절감을 위한 제도를 선언적으로 제시할 뿐 차량 개발관점에서 활용이 불가능한 한계점을 가지고 있다. ^(9,10) 따라서, 본 연구에서는 실도로 사고 데이터 베이스를 활용하여 사고 상황을 주행 속도 예측의 관점으로 재구성하는 합리적인 방법과 예측된 속도를 차대차 주행 경로를 생성하고 시뮬레이션 및 실차 평가 시나리오로 활용하는 절차를 제안하고자 한다.
이런 고위험도 주행 시나리오를 자율주행자동차와 ADAS 차량의 평가 시나리오로 적용할 경우 주행 상황에서 발생 하는 다양한 주행 조건에 대한 제어 능력, 한계 사항 및 최소한의 대응 능력 등을 신속하게 검증할 수 있을 것으로 예상한다. 또한, Field Driving Conditions을 바탕으로 하는 시나리오 분류 및 정규화 과정에 활용이 가능할 것 으로 판단한다.
이런 고위험도 주행 시나리오를 자율주행자동차와 ADAS 차량의 평가 시나리오로 적용할 경우 주행 상황에서 발생 하는 다양한 주행 조건에 대한 제어 능력, 한계 사항 및 최소한의 대응 능력 등을 신속하게 검증할 수 있을 것으로 예상한다. 또한, Field Driving Conditions을 바탕으로 하는 시나리오 분류 및 정규화 과정에 활용이 가능할 것 으로 판단한다.
이런 절차와 방법을 통한 시험·검증 방법은 실도로에서 발생할 수 있는 사고 위험에 대한 자율주행 제어 전략, ADAS 제어 개입 및 한계 사항과 시험 평가의 우선 순위를 정할 수 있게 되고, FDC(Field Driving Conditions)에서 발생할 수 있는 다양한 조건에서의 검증이 가능하여 시험 평가 기술을 확보하는데 도움이 될 것으로 예상한다.
위의 과정으로부터 재구성된 시나리오가 피드백 형태로 대규모 데이터 베이스에 추가되고, 이는 신규 시스템을 도입함으로써 감소된 사고 유형 분석이 가능해진다. 이를 통해 사고 절감 및 회피를 위해 강화된 자율주행자동차와 ADAS 설계 목표가 명확히 예측되고, 수준별 평가 시나리오도 정확히 반영할 수 있는 선환 구조 형성이 가능해 진다.
ADAS NCAP 평가 시나리오 만으로는 실제 공로 주행 조건을 포함 수 없는 한계 사항의 대안과 자율주행 자동차 사용자 요구 만족 개선에도 도움이 될 것으로 예상 된다. 향후 계획으로는 본 논문에서 제안한 Fig. 8과 같은 사고 재구성에 절차에 확률 분포가 포함된 평가 시나리오를 정규화 과정을 통해 도출하고 다음과 같은 절차를 거쳐 자율주행자동차 검증 시나리오 확대 적용할 예정이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	자율주행자동차의 기술 단계은 어떻게 나뉘나?	자율주행자동차의 기술 단계는 0부터 4까지, 총 다섯 단계로 나눠지는데 이중 ADAS는 단계 1～2수준에 해당 하며, 제한적 또는 완전한 자율주행의 경우는 단계 3～4 로 구분하고 있다. (1,2) 이중 ADAS의 경우에는 각국에서 신차안전도평가(NCAP, New Car Assessment Program) 라는 제도 및 프로토콜을 제시하여 자국 내 시장에 출시 되는 차량 안정성의 수준과 정도가 일정 이상 유지될 수 있도록 평가 시나리오를 제시하고 평가 만족 여부를 안전성 등급으로 표기하여 소비자로 하여금 차량 선택의 기준 이 될 수 있도록 제도화 하고 있다.
	ADAS의 제도화 내용은 무엇인가?	자율주행자동차의 기술 단계는 0부터 4까지, 총 다섯 단계로 나눠지는데 이중 ADAS는 단계 1～2수준에 해당 하며, 제한적 또는 완전한 자율주행의 경우는 단계 3～4 로 구분하고 있다. (1,2) 이중 ADAS의 경우에는 각국에서 신차안전도평가(NCAP, New Car Assessment Program) 라는 제도 및 프로토콜을 제시하여 자국 내 시장에 출시 되는 차량 안정성의 수준과 정도가 일정 이상 유지될 수 있도록 평가 시나리오를 제시하고 평가 만족 여부를 안전성 등급으로 표기하여 소비자로 하여금 차량 선택의 기준 이 될 수 있도록 제도화 하고 있다. (3~5) 이런 NCAP의 경우 각각의 첨단 운전자 보조 시스템이 갖춰야 할 최소 작동 조건에 대한 평가 시나리오를 제시하고 있으나, 이는 각 시스템의 시험, 검증 및 안정 성능 만족에 대한 표준화 및 정규화를 제시할 수 있을 뿐이다.
	SHRP(Strategic Highway Research Program)-2 의 장단점은 무엇인가?	SHRP-2 데이터 베이스는 사고 당시의 영상이 다양한 위치에서 확보되어 있어 갑작스런 방해 차량 출현, 도로 조건, 운전자 부주의 및 운전 미숙 등 사고 원인을 분석하는데 도움이 된다. 뿐만 아니라 사고 발생과 사고 유사 상황을 구분하고 있어 사고를 재구성하는데 가장 적합한 데이터 베이스 환경 조건을 갖추고 있다. 다만, 사고 다이어그램은 제공하고 있지 않아 데이터 계측 차량 전방에 설치된 레이더 데이터의 후 처리로부터 방해 차량의 경로를 재구성해야 하는 불편함을 가지고 있다

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