[논문]정밀 도로지도 정보를 활용한 자율주행 하이브리드 제어 전략

유동연; 김동규; 최호승; 황성호

doi:10.7839/ksfc.2020.17.4.080

정밀 도로지도 정보를 활용한 자율주행 하이브리드 제어 전략
Hybrid Control Strategy for Autonomous Driving System using HD Map Information 원문보기

드라이브ㆍ컨트롤 = Journal of drive and control, v.17 no.4, 2020년, pp.80 - 86

유동연 (Department of Mechanical Engineering, Sungkyunkwan University) , 김동규 (Department of Mechanical Engineering, Sungkyunkwan University) , 최호승 (Department of Mechanical Engineering, Sungkyunkwan University) , 황성호 (Department of Mechanical Engineering, Sungkyunkwan University)

Abstract ▼ AI-Helper

Autonomous driving is one of the most important new technologies of our time; it has benefits in terms of safety, the environment, and economic issues. Path following algorithms, such as automated lane keeping systems (ALKSs), are key level 3 or higher functions of autonomous driving. Pure-Pursuit and Stanley controllers are widely used because of their good path tracking performance and simplicity. However, with the Pure-Pursuit controller, corner cutting behavior occurs on curved roads, and the Stanley controller has a risk of divergence depending on the response of the steering system. In this study, we use the advantages of each controller to propose a hybrid control strategy that can be stably applied to complex driving environments. The weight of each controller is determined from the global and local curvature indexes calculated from HD map information and the current driving speed. Our experimental results demonstrate the ability of the hybrid controller, which had a cross-track error of under 0.1 m in a virtual environment that simulates K-City, with complex driving environments such as urban areas, community roads, and high-speed driving roads.

주제어

표/그림 (13)

그림 Fig. 1 K-City
그림 Fig. 2 Geometry of Pure-Pursuit and Stanley
표 Fig. 3 Simulation track for verification of vehicle control algorithm
그림 Fig. 4 HD map data and corrected driving path
그림 Fig. 5 Driving result on the simulation track(X, Y position)
그림 Fig. 6 Steering control input results
그림 Fig. 7 Vehicle roll angle results
그림 Fig. 8 Hybrid control strategy flowchart
그림 Fig. 9 Controller fusion model base on vehicle velocity and path curvature
그림 Fig. 10 RMS cross track error histogram
그림 Fig. 11 Driving simulation result in K-City
그림 Fig. 12 Error histogram (a) Cross track error, (b) Heading error
표 Table 1 Mean and standard deviation of errors

AI 본문요약
AI-Helper

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

문제 정의

본 연구에서는 대표적인 기하학적 경로 추종 알고리즘인 Pure-Pursuit 제어기와 Stanley 제어기를 복합적으로 사용하는 하이브리드 제어 전략을 제안하였다. 급격한 커브와 직진 구간으로 이루어진 시뮬레이션 트랙에서 평균속도 83kph의 공격적 주행으로 각 제어 알고리즘의 특성과 한계 상황에 대해 분석하였다.
3 형상의 코스에서 각 제어기의 장단점을 분석하였다. 본 연구에서는 한 가지 제어기만을 이용해 다양한 속도와 목표 경로 형상에 대응할 때 발생하는 문제점과 이를 극복할 수 있는 하이브리드 제어 전략을 제안한다.
본 연구에서는 한국교통안전공단 자동차안전연구원의 자율주행 실험도시 K-City의 정밀 도로지도 정보를 바탕으로 IPG CarMaker 소프트웨어를 이용해 시뮬레이션 환경을 개발하였다. K-City는 도심부도로, 커뮤니티도로, 자동차전용도로, 교외도로, 자율주차시설 등 다양한 주행 테스트 환경으로 구성되어 있어 자율주행 제어 알고리즘을 평가하기에 적합하다.
환경에 적용하는데 한계가 있다. 이에 본 논문에서는 차량 주행 속도와 경로 곡률 정보를 바탕으로 Pure-Pursuit 제어 알고리즘과 Stanley 알고리즘을 복합적으로 사용하는 하이브리드 제어 전략을 제시한다. 경로 추종 난이도가 높은 환경에서 각 제어기의 장점과 한계 상황을 분석하고, 상호 보완할 수 있는 제어기 융합 모델을 개발하였다.

제안 방법

Fig. 3의 시뮬레이션 트랙에서 개발한 하이브리드제어기를 자율주행 실험도시 K-City 모사 시뮬레이션 환경에서 동일하게 적용하여 주행 테스트를 진행하였다.
이에 본 논문에서는 차량 주행 속도와 경로 곡률 정보를 바탕으로 Pure-Pursuit 제어 알고리즘과 Stanley 알고리즘을 복합적으로 사용하는 하이브리드 제어 전략을 제시한다. 경로 추종 난이도가 높은 환경에서 각 제어기의 장점과 한계 상황을 분석하고, 상호 보완할 수 있는 제어기 융합 모델을 개발하였다. 정밀 도로 지도를 이용하여 시뮬레이션 환경을 구축하고 제어 알고리즘 구성에 활용하여 하이브리드 제어기의 유효성을 검증하였다.
제안하였다. 급격한 커브와 직진 구간으로 이루어진 시뮬레이션 트랙에서 평균속도 83kph의 공격적 주행으로 각 제어 알고리즘의 특성과 한계 상황에 대해 분석하였다. 또한, 국토지리정보원에서 제공하는 정밀도로 지도데이터를 바탕으로 보정된 레퍼런스 경로를 생성하고 복합제어 알고리즘의 판단 기준이 되는 곡률 인덱스를 도출하였다.
Stanley 제어기는 조향 시스템의 반응성에 따라 고속 영역 또는 불연속적인 곡률 변화 구간에서 발산 위험이 있지만, 정밀한 경로 추종이 가능하다. 따라서 Fig. 9 의 그림과 같이 각 제어기의 성능이 우수한 상황에서 높은 가중치를 부여하는 융합 모델을 개발하였다. 부드러운 조향 제어에 유리한 Pure-Pursuit 제어기의 비중을 최소 35%에서 최대 85%까지 상대적으로 크게 유지하면서, Stanley 제어기는 최소 15%에서 최대 65%의 가중치를 부여하였다.
급격한 커브와 직진 구간으로 이루어진 시뮬레이션 트랙에서 평균속도 83kph의 공격적 주행으로 각 제어 알고리즘의 특성과 한계 상황에 대해 분석하였다. 또한, 국토지리정보원에서 제공하는 정밀도로 지도데이터를 바탕으로 보정된 레퍼런스 경로를 생성하고 복합제어 알고리즘의 판단 기준이 되는 곡률 인덱스를 도출하였다. 주행 속도와 도출된 곡률 인덱스로부터 각 제어기의 가중치를 결정하는 제어기 융합모델이 적용된 하이브리드 제어 알고리즘을 개발하였다.
그러나 정밀 도로지도 링크데이터는 교차로 부분이 비어있고 포인트들의 간격이 일정하지 않아 제어 명령이 불연속적으로 발생할 수 있다. 링크 데이터의 각 포인트 사이에 거리를 누적한 뒤 일정 간격으로 보간함으로써 경로 포인트를 재배치하였다. 현재 주행 차선과 다음 차선 사이를 마찬가지로 일정 간격으로 연결하였다.
시뮬레이션 환경에 스티어링 시스템의 지연 요소를 반영하기 위해 제어 알고리즘과 시뮬레이션 제어 명령 입력 사이에 1차 지연 전달함수를 구성하였다.
자율주행 실험도시 K-City의 정밀 도로지도를 이용해 시뮬레이션에 주행 환경을 구축하고 제안하는 하이브리드 제어 알고리즘의 유효성을 검증하였다. 각 제어기의 한계 상황을 상호 보완하면서 차선을 침범하지 않고 평균 8.
경로 추종 난이도가 높은 환경에서 각 제어기의 장점과 한계 상황을 분석하고, 상호 보완할 수 있는 제어기 융합 모델을 개발하였다. 정밀 도로 지도를 이용하여 시뮬레이션 환경을 구축하고 제어 알고리즘 구성에 활용하여 하이브리드 제어기의 유효성을 검증하였다.
또한, 국토지리정보원에서 제공하는 정밀도로 지도데이터를 바탕으로 보정된 레퍼런스 경로를 생성하고 복합제어 알고리즘의 판단 기준이 되는 곡률 인덱스를 도출하였다. 주행 속도와 도출된 곡률 인덱스로부터 각 제어기의 가중치를 결정하는 제어기 융합모델이 적용된 하이브리드 제어 알고리즘을 개발하였다.
차량 제어 알고리즘에 관한 연구는 고전 PID 제어이론에서부터 LQR 최적제어, 슬라이딩 모드 제어 (Sliding Mode Control; SMC), 모델 예측 제어(Model Predictive Control; MPC) 등 다양한 이론을 바탕으로 진행되었다^3-4). 여러가지 제어 알고리즘의 유효성이 제안되었지만, 모델의 복잡성과 연산 시간, 그리고 한계점이 여전히 존재한다.

성능/효과

각 제어기의 한계 상황을 상호 보완하면서 차선을 침범하지 않고 평균 8.1cm의 RMS cross track error의 경로 추종 제어 결과를 확인하였다.
따라서 부드러운 제어 입력으로 안정성 측면에서 유리한 Pure-Pursuit 제어기와 정밀한 경로 추종에 장점이 있는 Stanley 제어기를 복합적으로 사용하는 하이브리드 제어 전략을 이용해 높은 수준의 정밀성과안정감을 확보할 수 있다.
9 의 그림과 같이 각 제어기의 성능이 우수한 상황에서 높은 가중치를 부여하는 융합 모델을 개발하였다. 부드러운 조향 제어에 유리한 Pure-Pursuit 제어기의 비중을 최소 35%에서 최대 85%까지 상대적으로 크게 유지하면서, Stanley 제어기는 최소 15%에서 최대 65%의 가중치를 부여하였다. 식 (1)과 (2)에서 각각 계산된 목표 조향각에 제어기 융합 모델의 결과 가중치를 곱하여 최종 제어 목표 조향각을 결정한다.
전체 구간에서의 평균 cross track error는 0.016m이고, RMS cross track error는 0.081m로 나타났다. Fig.
Stanley 제어기는 고속의 커브 구간에서도 중앙경로를 정밀하게 지키기 위해 변화량이 큰 조향 값을 사용하고 일부 구간에서는 오버슈트가 발생하였다. 하이브리드 제어 전략을 통해 Stanley 제어기 수준의 낮은 Cross track error를 확보하면서 급격한 조향 제어를 억제하여 주행 안정성을 향상할 수 있었다.

후속연구

상기 기술한 제어 방식을 검증함에 있어 제한된 도로 형상과 주행 속도 하에서 진행되어 복합적인 주행 환경에 적용하는데 한계가 있다. 이에 본 논문에서는 차량 주행 속도와 경로 곡률 정보를 바탕으로 Pure-Pursuit 제어 알고리즘과 Stanley 알고리즘을 복합적으로 사용하는 하이브리드 제어 전략을 제시한다.

참고문헌 (17)

SAE, "J3016 : Taxonomy and Definitions for Terms Related to Driving Automation Systems for On-Road Motor Vehicles," 2018.
UNECE, "Proposal for a new UN Regulation on uniform provisions concerning the approval of vehicles with regards to Automated Lane Keeping System," World Forum for Harmonization of Vehicle Regulations, 2020.
D. H. Shin, "Design of Adaptive Neural Networks Based Path Following Controller Under Vehicle Parameter Variations," Journal of Drive and Control, Vol.17, No.1, pp.13-20, 2020.

원문보기 상세보기
K. S. Yi and J. Y. Lee, "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, 2014.

원문보기 상세보기
J. M. Snider, "Automatic Steering Methods for Autonomous Automobile Path Tracking," Technical Report CMU-RI-TR-09-08, Carnegie Mellon University Robotics Institute, 2009.
M. W. Park, S. W. Lee and W. Y. Han, "Development of lateral control system for autonomous vehicle based on adaptive pure pursuit algorithm," 14th International Conference on Control, Automation and Systems (ICCAS), IEEE, pp. 1443-1447, 2014.
H. W. Lee, "Research on lateral error correction Pure Pursuit considering vehicle weight distribution for stable following on curved path for autonomous vehicle," Kookmin University, 2017.
M. Cibooglu, U. Karapinar and M. T. Soylemez, "Hybrid controller approach for an autonomous ground vehicle path tracking problem," 25th Mediterranean Conference on Control and Automation(MED), IEEE, 2017.
L. Chen, Y. Chen, X. Yao, Y. Shan and L. Chen, "An Adaptive Path Tracking Controller Based on Reinforcement Learning with Urban Driving Application," 2019 IEEE Intelligent Vehicles Symposium(IV), IEEE, pp.2411-2416, 2019.
H. G. Seif and X. Hu, "Autonomous Driving in the iCity-HD Maps as a Key Challenge of the Automotive Industry," Engineering, Vol.2, No.2, pp.159-162, 2016.

상세보기
R. Liu, J. Wang and B. Zhang, "High Definition Map for Automated Driving: Overview and Analysis," The Journal of Navigation, Vol.73, No.2, pp.324-341, 2020.

상세보기
J. Kong, M. Pfeiffer, G. Schildbach and F. Borrelli, "Kinematic and dynamic vehicle models for autonomous driving control design," 2015 IEEE Intelligent Vehicles Symposium(IV), IEEE, pp.1094-1099, 2015.
G. M. Hoffmann, C. J. Tomlin, M. Montemerlo and S. Thrun, "Autonomous Automobile Trajectory Tracking for Off-Road Driving : Controller Design, Experimental Validation and Racing," Proceedings of the 2007 American Control Conference, 2007.
E. Yurtsever, J. Lambert, A. Carballo and K. Takeda, "A Survey of Autonomous Driving : Common Practices and Emerging Technologies," IEEE Access, Vol.8, 2020.

상세보기
M. Elbanhawi, M. Simic and R. Jazar, "In the Passenger Seat : Investigating Ride Comfort Measures in Autonomous Cars," IEEE Intelligent Transportation Systems Magazine, Vol.7, No.3, pp.4-17, 2015.

상세보기
S. Y. Cheon, S. W. Choi and S. Y. Yang, "Development of Hydraulic Simulation Model for ESP Real Time Simulation," Journal of Drive and Control, Vol.16, No.2, pp.36-42, 2019.

원문보기 상세보기
S. Y. Cheon, S. W. Choi and S. Y. Yang, "Development of Real-time Simulator for Vehicle Electric Brake System," Journal of Drive and Control, Vol.16, No.1, pp.22-28, 2019.

원문보기 상세보기

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