$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

심층강화학습 기반 자율주행차량의 차로변경 방법론
Lane Change Methodology for Autonomous Vehicles Based on Deep Reinforcement Learning 원문보기

韓國ITS學會 論文誌 = The journal of the Korea Institute of Intelligent Transportation Systems, v.22 no.1, 2023년, pp.276 - 290  

박다윤 (부경대학교 지구환경시스템과학부 공간정보시스템공학전공) ,  배상훈 (부경대학교 공간정보시스템공학과) ,  (부경대학교 지구환경시스템과학부 공간정보시스템공학전공) ,  박부기 (부경대학교 지구환경시스템과학부 공간정보시스템공학전공) ,  정보경 (부경대학교 지구환경시스템과학부 공간정보시스템공학전공)

초록
AI-Helper 아이콘AI-Helper

현재 국내에서는 자율주행차량의 상용화를 목표로 다양한 노력을 기울이고 있으며 자율주행차량이 운영 가이드라인에 따라 안전하고 신속하게 주행할 수 있는 연구들이 대두되고 있다. 본 연구는 자율주행차량의 경로탐색을 미시적인 관점으로 바라보며 Deep Q-Learning을 통해 자율주행차량의 차로변경을 학습시켜 효율성을 입증하고자 한다. 이를 위해 SUMO를 사용하였으며, 시나리오는 출발지에서 랜덤 차로로 출발하여 목적지의 3차로까지 차로변경을 통해 우회전하는 것으로 설정하였다. 연구 결과 시뮬레이션 기반의 차로변경과 Deep Q-Learning을 적용한 시뮬레이션 기반의 차로변경으로 구분하여 분석하였다. 평균 통행 속도는 Deep Q-Learning을 적용한 시뮬레이션의 경우가 적용하지 않은 경우에 비해 약 40% 향상되었으며 평균 대기 시간은 약 2초, 평균 대기 행렬 길이는 약 2.3대 감소하였다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Several efforts in Korea are currently underway with the goal of commercializing autonomous vehicles. Hence, various studies are emerging on autonomous vehicles that drive safely and quickly according to operating guidelines. The current study examines the path search of an autonomous vehicle from a...

주제어

#자율주행   #경로계획   #차로변경  

참고문헌 (19)

  1. Chang, K. J. and Yoo, S. M.(2021), "A Study on Autonomous Vehicle Lane Change Method Using？Cooperative Maneuver", The Korea Contents Association, vol. 21, no. 1, pp.139-146. 

  2. Choi, Y. G., Lim, K. I. and Kim, J. H.(2015), "Lane Change and Path Planning of Autonomous？Vehicles using GIS", 12th International Conference on Ubiquitous Robots and Ambient？Intelligence (URAI), pp.163-166. doi: 10.1109/URAI.2015.7358855 

    crossref

  3. Deutsches Zentrum fur Luft- und Raumfahrt e.V.(DLR)(1998), "Microscopic modeling of traffic flow:？Investigation of collision free vehicle dynamics", vol. 55, no. 5, p.5597. 

  4. Eclipse SUMO, https://sumo.dlr.de/docs/Simulation/SublaneModel.html, 2022.10.18. 

  5. Eclipse SUMO, https://sumo.dlr.de/docs/TraCI.html, 2022.11.16. 

  6. Erdmann, J.(2015), Modeling Mobility with Open Data, SUMO's lane-changing model, Springer,？pp.105-123. 

  7. Kang, M. S., Yi, I. K., Cho, Y. S. and Shin, O. S.(2021), "Route Selection and Speed Control of？Autonomous Vehicles Based on Decentralized Deep Reinforcement Learning", The Korean？Institute of Communications and Information Sciences, pp.1501-1502. 

  8. Kwon, J. U., Chae, M. S., Cho, E. Y. and Cho, S. Y.(2022), "Path Planning Algorithm based on？Dijkstra Using HD-map", The Korean Society of Automotive Engineers, pp.455-457. 

  9. Li, Z., Liang, H., Zhao, P., Wang, S. and Zhu, H.(2020), "Efficient Lane Change Path Planning based？on Quintic splinefor Autonomous Vehicles", 2020 IEEE International Conference on Mechatronics？and Automation (ICMA), pp.338-344. doi: 10.1109/ICMA49215.2020.9233841 

    crossref

  10. Lu, Q. and Tettamanti, T.(2018), "Impacts of autonomous vehicles on the urban fundamental？diagram", 5th International Conference on Road and Rail Infrastructure, CETRA 2018,？pp.1265-1271. doi: 10.5592/co/cetra.2018.714 

    crossref

  11. Ministry of Land, Infrastructure and Transport(MOLIT), http://www.molit.go.kr/USR/NEWS/m_71/dtl.jsp?lcmspage1&id95087208, 2022.10.21. 

  12. Mnih, V., Kavukcuoglu, K., Silver, D., Graves, A., Antonoglou, I., Wierstra, D. and Riedmiller,？M.(2013), Playing atari with deep reinforcement learning, arXiv preprint arXiv:1312.5602. 

  13. National Highway Traffic Safety Administration(NHTSA)(2018), A Framework for Automated？Driving System Testable Cases and Scenarios, pp.1-162. 

  14. Shim, Y. B., Kim, Y. J., Min, K. W., Lee, S. Y. and Son, H. S.(2020), "A Study on the HD Map Editor？for the HD Map based Path Planning", The Korean Society of Automotive Engineers,？pp.513-517. 

  15. Song, J., Wu, Y., Xu, Z. and Lin, X.(2014), "Research on car-following model based on SUMO", The？7th IEEE/International Conference on Advanced Infocomm Technology, IEEE, pp.47-55. 

  16. Universite Gustave Eiffel(2021), Reinforcement Learning Project, pp.1-12. 

  17. Wang, F. J., Lu, Y., Dai, H. I. and Han, H. H.(2021), "Evaluation of Freeway Traffic Management？and Control Measures Based on SUMO", Journal of Physics: Conference Series, vol. 1910, 012044. doi: 10.1088/1742-6596/1910/1/012044 

    상세보기 crossref

  18. Wang, P., Chan, C. Y. and De La Fortelle, A.(2018), "A Reinforcement Learning Based Approach for？Automated Lane Change Maneuvers", Proc. IEEE Intelligent Vehicles Symposium, vol. 2018, no.？2, pp.1379-1384. 

  19. Ye, F., Cheng, X., Wang, P., Chan, C. Y. and Zhang, J.(2020.10), "Automated Lane Change Strategy？using Proximal Policy Optimization-based Deep Reinforcement Learning", Proc. IEEE Intelligent？Vehicles Symposium, pp.1746-1752. 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

BRONZE

출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로