[논문]보행자 충돌 회피를 위한 자율주행 차량의 종방향 거동 계획

김유진; 문종식; 정용환; 이경수

doi:10.22680/kasa2019.11.3.037

보행자 충돌 회피를 위한 자율주행 차량의 종방향 거동 계획
Longitudinal Motion Planning of Autonomous Vehicle for Pedestrian Collision Avoidance 원문보기

자동차안전학회지 = Journal of Auto-Vehicle Safety Association, v.11 no.3, 2019년, pp.37 - 42

김유진 (서울대학교 차량 동역학 및 제어 연구실) , 문종식 (서울대학교 차량 동역학 및 제어 연구실) , 정용환 (서울대학교 차량 동역학 및 제어 연구실) , 이경수 (서울대학교 차량 동역학 및 제어 연구실)

Abstract ▼ AI-Helper

This paper presents an autonomous acceleration planning algorithm for pedestrian collision avoidance at urban. Various scenarios between pedestrians and a vehicle are designed to maneuver the planning algorithm. To simulate the scenarios, we analyze pedestrian's behavior and identify limitations of fusion sensors, lidar and vision camera. Acceleration is optimally determined by considering TTC (Time To Collision) and pedestrian's intention. Pedestrian's crossing intention is estimated for quick control decision to minimize full-braking situation, based on their velocity and position change. Feasibility of the proposed algorithm is verified by simulations using Carsim and Simulink, and comparisons with actual driving data.

주제어

표/그림 (9)

그림 Fig. 1 Vehicle and Sensors configuration
그림 Fig. 2 Vehicle and Sensors FOV
표 Table 1 Average walking speed of pedestrians
그림 Fig. 3 Longitudinal motion planning algorithm block diagram
그림 Fig. 4 Scenarios for acceleration planning
그림 Fig. 5 Simulation result compared with experiment data
그림 Fig. 6 Carsim / Simulink simulation environment
그림 Fig. 7 Relative velocity-clearance simulation result
표 Table 2 TTC simulation result (sample 100 pedestrian)

AI 본문요약
AI-Helper

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

문제 정의

본 논문에서는 도심 환경에서 보행자와의 충돌을 회피하고 차량의 주행 승차감을 고려하여 종방향 속도 계획을 제안한다. 먼저 사용한 차량의 센서 구성 분석과 시뮬레 이션 상에 재현할 보행자 거동에 대한 분석이 진행되었으며 이는 기존 보행자 거동 분석 자료를 참고하였다.
본 연구에서는 보행자 안전을 위한 자율 주행 차량의 종방향 거동 계획 알고리즘을 제안했다. 퓨전 센서를 통해 인지된 보행자의 위치, 속도 그리고 요(Yaw) 방향을 통해 보행자의 상태를 분류했으며, 타겟 보행자를 결정하고 타겟 보행자의 횡단 속도와 횡단 완료 시점을 추정하여 차량의 추종 가속도를 결정하였다.

제안 방법

설계된 알고리즘의 안전성을 테스트하기 위해 Carsim 툴과 연동하여 Simulink 상에서 시뮬레이션을 진행하였다. Carsim에서 차량 특성을 고려한 가상의 차량에 가속도 설계 알고리즘을 통해 도출된 추종 가속도를 대입하였고, 차량은 미리 추출한 서울대학교 교내 맵에서 추종 가속도에 따라 주행하도록 설계했다. 또한 가상의 보행자는 충돌이 발생할 수 있는 단거리 상황만을 다루기 위해 차량으로부터 10-50m의 범위에서 무작위로 횡단하도록 설계했다.
이 경우에는 보행자의 의도를 판단하기에 어려움이 있으므로 설정한 안전 거리에서 차량이 감속하면 충분히 충돌 전에 멈출 수 있도록 현재의 차량 속도를 계산된 안전 속도로 낮추면서 진입하도록 설계했다. 낮은 속도로 주행하면서 실시간으로 보행자 의도를 파악하게 되고 보행자의 의도가 파악되면 그에 맞는 제어가 들어가도록 설계되었다.
개발한 알고리즘의 유효성과 안정성을 검증하기 위해 Matlab과 Carsim, Simulink툴을 이용해 시뮬레이션을 진 행하였다. 능숙한 운전자의 보행자 감지 후 판단 시점과 주행 특성을 설계한 알고리즘에서 도출된 추종 가속도를 통한 주행 거동과 비교했다. 또한, 차량 특성을 고려한 피드백 제어를 통해 무작위의 보행자에 대한 차량 주행 시뮬레이션을 반복 수행했다.
또한 가상의 보행자는 충돌이 발생할 수 있는 단거리 상황만을 다루기 위해 차량으로부터 10-50m의 범위에서 무작위로 횡단하도록 설계했다.
주변 장애물 중 보행자를 분류하고 보행자의 위치와 속도 등의 상태 정보를 취득하는데 사용된 센서는 Ibeo 라이다 센서와 카메라 센서를 퓨전하여 사용하였다. 또한 보행자의 의도 판단은 보행자 속도와 위치를 바탕으로 예측하였으며, 추종할 종방향 속도를 결정하는 데는 자차량과 보행자의 속도, TTC(Time to Collision) 그리고 보행자의 횡단 완료까지 예측되는 시간이 적용되었다. 이렇게 설계된 보행자 거동 계획 알고리즘은 실제 운전자의 거동과 비교하고 분석했으며, 센서의 인지 범위와 확인된 보행자 분류 가능 영역을 적용하여 Carsim과 Matlab/Simulink tool로 시뮬레이션 하였다.
반면, 보행자와 차량 사이에는 다양한 상황이 존재하므로 미처 예상치 못한 상황이 전개되거나 갑자기 안전거리가 확보되지 않는 거리에서 보행자가 튀어나오는 경우가 있을 수 있다. 또한 인지에 지연이 있을 경우와 보행자 분류에 지연이 있거나 분류 오류의 발생 시 위험 상황이 발생할 수 있어 비상 제동 모드를 독립적으로 가지도록 설계했다.
시뮬레이션은 Matlab 환경에서 실제 주행 데이터와 설계된 주행 가속도를 통한 주행 데이터를 비교하였다. 또한, 안정성을 평가하기 위해 Simulink와 Carsim을 연동하여 실제 차량 모델과 횡단하는 무작위의 보행자 모 델을 넣고 MFCC 피드백 제어기를 사용하여 추종한 가속도를 입력으로 주행한 결과를 바탕으로 안정성을 테스트하였다.
능숙한 운전자의 보행자 감지 후 판단 시점과 주행 특성을 설계한 알고리즘에서 도출된 추종 가속도를 통한 주행 거동과 비교했다. 또한, 차량 특성을 고려한 피드백 제어를 통해 무작위의 보행자에 대한 차량 주행 시뮬레이션을 반복 수행했다. 그 결과로 충돌 상황이 발생 하지 않음을 확인했고, 보행자를 인식한 시점부터 속도를 줄임으로써 보행자의 횡단 완료 시점까지 TTC 확보하여 안전하게 주행함을 검증했다.
본 논문에서는 도심 환경에서 보행자와의 충돌을 회피하고 차량의 주행 승차감을 고려하여 종방향 속도 계획을 제안한다. 먼저 사용한 차량의 센서 구성 분석과 시뮬레 이션 상에 재현할 보행자 거동에 대한 분석이 진행되었으며 이는 기존 보행자 거동 분석 자료를 참고하였다. 주변 장애물 중 보행자를 분류하고 보행자의 위치와 속도 등의 상태 정보를 취득하는데 사용된 센서는 Ibeo 라이다 센서와 카메라 센서를 퓨전하여 사용하였다.
우선적으로 인레인 타겟일 경우 횡단 의도가 있는 보행자로 정의하였고, 보도의 보행자 일 경우 요(Yaw) 는 도로로 향하고 속도를 높이는 보행자 또한 횡단 의도가 확실한 보행자로 판단하였다. 반대로 인레인 밖에서 속도를 낮추어 정지하는 보행자는 횡단 의도가 없음으로 파악하여 차량이 통행 우선권을 갖도록 설계하였다. 가장 주의해야 할 보행자는 점점 속도를 낮추며 차도 안으로 계속 들어오는 보행자이다.
보행자의 의도 파악은 보행자의 요(Yaw)방향과 속도 변화에 따라 판단하였다. 우선적으로 인레인 타겟일 경우 횡단 의도가 있는 보행자로 정의하였고, 보도의 보행자 일 경우 요(Yaw) 는 도로로 향하고 속도를 높이는 보행자 또한 횡단 의도가 확실한 보행자로 판단하였다.
빠른 제어를 위해 차량이 주행하는 차선 중앙 경로에서 양 쪽으로 각각 6m 범위를 관심 영역(ROI)으로 설정하고, 관심 영역 내에 감지된 보행자의 필터링된 보행자의 요(Yaw)각이 차도를 향하는 보행자들을 주요 보행자로 분류하였다. 또한 주요 보행자가 다수일 경우에는 차도 안으로 들어온 인레인 보행자와 차량과의 거리에 가중치를 두어 제어에 영향을 줄 타겟 보행자를 선정하였다.
설계된 알고리즘의 안전성을 테스트하기 위해 Carsim 툴과 연동하여 Simulink 상에서 시뮬레이션을 진행하였다. Carsim에서 차량 특성을 고려한 가상의 차량에 가속도 설계 알고리즘을 통해 도출된 추종 가속도를 대입하였고, 차량은 미리 추출한 서울대학교 교내 맵에서 추종 가속도에 따라 주행하도록 설계했다.
실험은 보행자 발견 당시의 보행자와의 거리가 단거리인 경우와 중거리인 경우로 나누어서 진행했다. 실험을 통해 보행자 중심의 주행 특성을 가진 능숙한 운전자의 판단 및 종방향 속도 계획 데이터를 확보하고, 또한 퓨전 센서로 취득한 보행자 정보를 바탕으로 설계한 종방향 모션 계획을 적용하여 비교해보았다.
실험은 보행자 발견 당시의 보행자와의 거리가 단거리인 경우와 중거리인 경우로 나누어서 진행했다. 실험을 통해 보행자 중심의 주행 특성을 가진 능숙한 운전자의 판단 및 종방향 속도 계획 데이터를 확보하고, 또한 퓨전 센서로 취득한 보행자 정보를 바탕으로 설계한 종방향 모션 계획을 적용하여 비교해보았다. 결과는 Fig.
가장 주의해야 할 보행자는 점점 속도를 낮추며 차도 안으로 계속 들어오는 보행자이다. 이 경우에는 보행자의 의도를 판단하기에 어려움이 있으므로 설정한 안전 거리에서 차량이 감속하면 충분히 충돌 전에 멈출 수 있도록 현재의 차량 속도를 계산된 안전 속도로 낮추면서 진입하도록 설계했다. 낮은 속도로 주행하면서 실시간으로 보행자 의도를 파악하게 되고 보행자의 의도가 파악되면 그에 맞는 제어가 들어가도록 설계되었다.
먼저 사용한 차량의 센서 구성 분석과 시뮬레 이션 상에 재현할 보행자 거동에 대한 분석이 진행되었으며 이는 기존 보행자 거동 분석 자료를 참고하였다. 주변 장애물 중 보행자를 분류하고 보행자의 위치와 속도 등의 상태 정보를 취득하는데 사용된 센서는 Ibeo 라이다 센서와 카메라 센서를 퓨전하여 사용하였다. 또한 보행자의 의도 판단은 보행자 속도와 위치를 바탕으로 예측하였으며, 추종할 종방향 속도를 결정하는 데는 자차량과 보행자의 속도, TTC(Time to Collision) 그리고 보행자의 횡단 완료까지 예측되는 시간이 적용되었다.
차선 정보와 보행자의 거동 속도를 기반으로 하여 도출한 보행자의 횡단을 완료 시간을 예측했고, 이를 바탕으로 추종할 가속도를 설계하였다. 또한 4.
본 연구에서는 보행자 안전을 위한 자율 주행 차량의 종방향 거동 계획 알고리즘을 제안했다. 퓨전 센서를 통해 인지된 보행자의 위치, 속도 그리고 요(Yaw) 방향을 통해 보행자의 상태를 분류했으며, 타겟 보행자를 결정하고 타겟 보행자의 횡단 속도와 횡단 완료 시점을 추정하여 차량의 추종 가속도를 결정하였다.
또한 식 (4)는 최대 감속을 하도록 설계 하였다. 해당 종방향 모션 계획 알고리즘은 보행자의 안전을 우선시하는 범위 내에서 최대한 제동의 변화가 완만한 기울기를 갖도록 설계했으며, 제어 시점이나 보행자의 거동에 따른 제어 판단은 최대한 실제 운전자의 주행과 유사하도록 부드러운 제동을 통해 충돌을 회피하도록 설계했다.

대상 데이터

빠른 제어를 위해 차량이 주행하는 차선 중앙 경로에서 양 쪽으로 각각 6m 범위를 관심 영역(ROI)으로 설정하고, 관심 영역 내에 감지된 보행자의 필터링된 보행자의 요(Yaw)각이 차도를 향하는 보행자들을 주요 보행자로 분류하였다. 또한 주요 보행자가 다수일 경우에는 차도 안으로 들어온 인레인 보행자와 차량과의 거리에 가중치를 두어 제어에 영향을 줄 타겟 보행자를 선정하였다.
1과 같다. 차량은 현대 자동차의 아이오닉 차량이며, 센서 구성은 차량 측위를 위한 고성능 GPS와 저가 GPS가 장착되어 있고 주변 정보를 얻기 위한 센서는 전 방향 모니터링 카메라(Around View Monitoring, AVM)와 전방 카메라 센서 그리고 Ibeo 라이다 센서로 구성되어있다.

데이터처리

개발한 알고리즘의 유효성과 안정성을 검증하기 위해 Matlab과 Carsim, Simulink툴을 이용해 시뮬레이션을 진 행하였다. 능숙한 운전자의 보행자 감지 후 판단 시점과 주행 특성을 설계한 알고리즘에서 도출된 추종 가속도를 통한 주행 거동과 비교했다.
시뮬레이션은 Matlab 환경에서 실제 주행 데이터와 설계된 주행 가속도를 통한 주행 데이터를 비교하였다. 또한, 안정성을 평가하기 위해 Simulink와 Carsim을 연동하여 실제 차량 모델과 횡단하는 무작위의 보행자 모 델을 넣고 MFCC 피드백 제어기를 사용하여 추종한 가속도를 입력으로 주행한 결과를 바탕으로 안정성을 테스트하였다.

이론/모형

또한 보행자의 의도 판단은 보행자 속도와 위치를 바탕으로 예측하였으며, 추종할 종방향 속도를 결정하는 데는 자차량과 보행자의 속도, TTC(Time to Collision) 그리고 보행자의 횡단 완료까지 예측되는 시간이 적용되었다. 이렇게 설계된 보행자 거동 계획 알고리즘은 실제 운전자의 거동과 비교하고 분석했으며, 센서의 인지 범위와 확인된 보행자 분류 가능 영역을 적용하여 Carsim과 Matlab/Simulink tool로 시뮬레이션 하였다.

성능/효과

또한, 차량 특성을 고려한 피드백 제어를 통해 무작위의 보행자에 대한 차량 주행 시뮬레이션을 반복 수행했다. 그 결과로 충돌 상황이 발생 하지 않음을 확인했고, 보행자를 인식한 시점부터 속도를 줄임으로써 보행자의 횡단 완료 시점까지 TTC 확보하여 안전하게 주행함을 검증했다.
보행자가 감지된 순간부터 보행자 와의 거리를 기록했으며, 차량의 속도와 거리가 실제 거동과 유사함을 확인했다. 또한 보행자가 횡단 하는 동안의 TTC를 고려한 상대 속도와 보행자와의 거리 그래프에서도 실제 데이터와 유사하게 확보됨을 확인함으로써 종방향 모션 설계 알고리즘의 유효성을 확인했다. TTC 는 식 (6)과 같다.
빨간색으로 표시된 부분이 인지된 보행자 중 타겟 보행자 를 뜻하며, 이어진 막대 부분은 보행자의 요(Yaw)방향와 속도의 크기를 뜻한다. 보행자가 감지된 순간부터 보행자 와의 거리를 기록했으며, 차량의 속도와 거리가 실제 거동과 유사함을 확인했다. 또한 보행자가 횡단 하는 동안의 TTC를 고려한 상대 속도와 보행자와의 거리 그래프에서도 실제 데이터와 유사하게 확보됨을 확인함으로써 종방향 모션 설계 알고리즘의 유효성을 확인했다.
보행자의 의도 파악은 보행자의 요(Yaw)방향과 속도 변화에 따라 판단하였다. 우선적으로 인레인 타겟일 경우 횡단 의도가 있는 보행자로 정의하였고, 보도의 보행자 일 경우 요(Yaw) 는 도로로 향하고 속도를 높이는 보행자 또한 횡단 의도가 확실한 보행자로 판단하였다. 반대로 인레인 밖에서 속도를 낮추어 정지하는 보행자는 횡단 의도가 없음으로 파악하여 차량이 통행 우선권을 갖도록 설계하였다.
7의 그래프는 안전성을 확인하기 위해 상대 속도와 보행자와의 거리를 나타내며, 각 색상 별로 한 명의 보행자가 인지된 순간부터 횡단을 완료할 때까지의 데이터이다. 횡단하는 보행자가 감지가 된 순간부터 상대 속도가 줄어들면서 TTC가 늘어나며 횡단 완료까지 안전 TTC를 확보한 것을 확인했다. Table 2는 해당 시뮬레이션을 통해 100명의 보행자를 샘플로 하여, 횡단 완료 순간의 확보된 TTC를 조사한 결과이며 충돌 상황은 발생하지 않음을 확인하였다.

질의응답

핵심어	질문	논문에서 추출한 답변
	ADAS란 무엇인가?	완전 자율주행 기술에 도달하기에 앞서 운전자의 안전한 주행을 돕는 ADAS(Advances Driver Assistance System)가 널리 대중화되고 있으며 기술 범위의 확장을 위한 연구도 활발히 진행되고 있다. 자율화의 범위가 점차 넓어짐에 따라 주행 시 안전에 대한 우려와 관심 또한 증가하고 있다.
	자율 주행 시 고려해야 할 사항 중 우선시 되어야 할 사항은 무엇인가?	자율화의 범위가 점차 넓어짐에 따라 주행 시 안전에 대한 우려와 관심 또한 증가하고 있다. 주행 시 고려해야 할 사항 중 보행자의 안전 확보는 무엇보다도 가장 우선시 된다.
	본 논문에서 차량 종방향 거동 계획 알고리즘의 입력에는 어떠한 것들이 있는가?	3과 같다. 해당 알고리즘의 입력으로는 퓨전 센서로부터 보행자로 분류된 타겟 데이터와 카메라 센서를 통한 로컬 차선 맵 정보와 캔 통신을 통해 들어오는 위치, 속도, 가속도, 요(Yaw)각 등의 자 차량 정보가 있다. 이를 통해 해당 알고리즘은 최종적으로 차량이 추종해야 할 가속도를 도출한다.

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