• 대한교통학회지
• /
• 제29권3호
• /
• pp.73-82
• /
• 2011

최근 교통상황을 정확하게 관측할 수 있는 교통류 검지에 관한 기술개발과 더불어 개별차량 주행궤적을 이용한 교통안전도 평가기법에 대한 관심이 높아지고 있다. 본 연구에서는 개별차량의 주행궤적을 이용하여 다음시점(t+1) 의 후미추돌 확률을 산출하는 방법론을 제시하였다. 신뢰성 있는 예측 기법인 칼만 필터링(Kalman Filtering)을 이용하여 주행궤적을 예측하고, 예측된 시점에 대한 개별차량의 후미추돌 확률을 산출하였다. 안전도를 평가하는 확률모형을 수립하기 위해서 서해안 고속도로의 동영상 자료로부터 개별차량의 주행궤적을 추출하였다. 추출한 개별차량의 주행궤적 자료를 이항 로지스틱 회귀분석(Binary logistic regression)을 이용하여 차량의 차로변경 결정 확률 모형을 생성하였고, exponential decay function을 이용하여 surrogate safety measure(SSM)의 하나인 time-to-collision(TTC)기반의 추돌확률 모형을 생성하였다. 미시적 교통류 시뮬레이터인 VISSIM에서 추출한 개별차량의 주행궤적 데이터를 이용하여 제안된 방법론을 평가하였다. 본 연구의 결과는 교통류 감시, 제어 및 정보 시스템에 효과적으로 적용될 수 있으며, 나아가 교통사고 예방에 효율적인 대안이 될 수 있을 것으로 판단된다.

• 한국전산구조공학회논문집
• /
• 제35권6호
• /
• pp.375-380
• /
• 2022

고속철도 교량은 열차 하중에 의한 공진으로 인한 동적응답 증폭의 위험이 존재하므로 설계기준에 따른 동적해석을 통한 주행안전성 및 승차감 검토를 반드시 수행하여야 한다. 그러나 주행안전성 및 승차감 산정 절차는 열차의 종류별로 임계속도를 포함하여 설계속도의 110km/h까지 10km/h 간격으로 동적해석을 일일이 수행해야 하므로 많은 시간과 경비가 소요된다. 이 연구에서는 딥러닝 알고리즘을 활용하여 별도의 동적해석 없이 주행안전성 및 승차감을 사전에 예측할 수 있는 딥러닝 기반 예측 시스템 개발하였다. 제안된 시스템은 철도교량의 열차별, 속도별 동적해석 결과를 학습한 후 학습 완료된 신경망을 기반으로 한 예측 시스템이며, 열차속도, 교량 특성 등의 입력파라미터에 따른 주행안전성 및 승차감 산정 결과를 사전에 예측할 수 있다. 제안된 시스템의 성능을 확인하기 위하여 단경간 직선 단순보 교량을 대상으로 한 주행안전성 및 승차감 예측을 수행하였고, 주행안전성 및 승차감 산정을 위한 상판 연직변위 및 상판 연직가속도를 높은 정확도로 예측할 수 있음을 확인하였다.

• 전기전자학회논문지
• /
• 제14권4호
• /
• pp.324-331
• /
• 2010

본 논문에서는 무인자동차의 자율주행을 위한 알고리즘을 제시하고 3차원 그래픽 시뮬레이션을 통하여 안정성 기반 자율주행 알고리즘의 성능을 검증하고자 한다. 제안된 자율주행 알고리즘은 주변 인접 차량의 위치, 속도, 가속도, 주행 차로 정보를 바탕으로 자율주행 차량과의 충돌가능성 및 충돌예측시간을 계산하여 최적의 안정 주로를 선택하고 이러한 주행 차로에 대한 주행 궤적을 생성하여 추종토록 함으로써 자율주행이 이루어지도록 한다. 본 논문에서는 제안된 자율주행 알고리즘을 검증하기 위하여 3차원 그래픽 시뮬레이션 환경을 구축하였으며 다차로, 다차량 주행 환경에서 몇 가지 가상 도로 환경을 구축하여 시뮬레이션 하였고 자율주행 차량의주행 궤적을 인접 주행차량의 주행 궤적과 비교 확인함으로써 알고리즘의 타당성을 검증하였다. 시뮬레이션 결과 제시된 안정성 기반 자율주행 알고리즘은 다차로, 다차량 주행 환경에서 주변 차량과 충돌 없이 안정적인주행 성능을 보여주는 것을 확인할 수 있었다.

• 기술혁신연구
• /
• 제30권2호
• /
• pp.1-27
• /
• 2022

최근 급격한 변화를 겪고 있는 자율주행 자동차 분야의 미래 기술 및 시장 전망 예측에 대한 요구와 관심이 집중되고 있다. 자동차 산업의 특성상, 복합적 요인의 상관관계가 미치는 영향력이 크고 요인 간의 복잡도가 높으므로, 체계적인 미래 예측 방법론 적용을 통한 미래 전망분석 및 전략 수립이 시급하다. 본 연구에서는 자동차 분야에 적합한 미래 예측 방법론 중 필드 변칙 완화기법(Field Anomaly Relaxation)과 다중관점 개념 기법(Multiple Perspective Concept)을 복합적으로 적용하여, 자율주행 자동차 분야의 핵심기술 및 산업 동향에 관한 미래 시나리오들을 개발하여 실증하였다. 도출된 3개의 시나리오는 전문가 평가 체크리스트를 통하여 타당성을 검증하였다. 본 연구 결과는 자율주행 자동차 산업과 같은 다양한 변동성이 존재하는 분야의 미래 예측 방법 중 한 가지로 적용될 수 있다는 점에 의의가 있다.

• 한국철도학회:학술대회논문집
• /
• 한국철도학회 1999년도 추계학술대회 논문집
• /
• pp.574-581
• /
• 1999

비선형 임계속도를 주행시험대를 이용하여 측정하였으며 비선형 임계속도가 관성에 의한 과도 현상이 아님을 확인하기 위하여 주행속도를 연속 그리고 불연속적으로 감가속 하면서 선형 및 비선형 임계속도를 측정하였다. 또한 차량의 안정성을 간편하게 예측할 때 대차모델만을 사용하던 종래의 방법이 타당한지 확인하였으며 차량의 임계속도와 응답주파수를 예측하기 위하여 산업체에서 사용되던 간편 식들의 정확성을 검토한 결과 다음의 결과를 도출할 수 있었다. (중략)

• 한국재난정보학회:학술대회논문집
• /
• 한국재난정보학회 2022년 정기학술대회 논문집
• /
• pp.339-340
• /
• 2022

운전자가 필요없는 완전한 자율주행 시대에 있어, 자율주행 차량에 탑승한 사람의 상황인지 측면에서 불안감을 예측하고 이를 저감하는 방법은 매우 중요하다. 본 논문에서는 탑승자의 불안감을 유발시키는 자율주행 환경 요인으로 도로 환경, 차량의 내·외부 환경, 자율주행 제어 환경의 3가지 요소가 도출되었고, 각 요소에서 탑승자의 불안감을 유발시키는 세부 요인들을 도출하여 분석하였다.

• 인터넷정보학회논문지
• /
• 제25권2호
• /
• pp.21-28
• /
• 2024

레이다는 자율주행 차에 있어 필수적인 센서 부품으로, 레이다가 활용되는 시장은 점차 커지고 있으며 제품 종류도 다양해지고 있다. 본 연구에서는 평가 공정에서부터 레이다의 불량 여부를 예측해 자율주행의 안정성과 효율성을 높일 수 있도록 성능 예측 모델을 구축하고 평가하였다. 레이더 공정 과정의 39607개 입력 데이터로 모델을 학습하였으며, 결과적으로 17개 모델을 스태킹 앙상블했을 때 Meta Ridge 모델이 가장 높은 학습률을 나타내는 것을 확인하였다. 이러한 연구 결과가 제품의 불량을 공정 단계에서 우선 예측해 수율을 극대화하고 불량으로 인한 제품 폐기 비용을 감축하는 데 도움이 될 것으로 기대 한다.

• 대한교통학회지
• /
• 제20권3호
• /
• pp.212-212
• /
• 2002

• 한국정보통신학회논문지
• /
• 제19권3호
• /
• pp.651-658
• /
• 2015

최근에 자율주행자동차에 대해 매우 활발한 연구와 개발이 진행되고 있다. 자율주행자동차를 구현하기 위해서는 매우 많은 기술들이 융복합적으로 해결되어야 한다. 이를 위해 차량에 장착된 블랙박스는 단순히 녹화기능 뿐만 아니라 신호등인식, 보행자검출, 정지선인식 등과 같이 자율주행차량을 구현하기 위한 핵심적인 기능을 제공할 수 있어 많은 연구 대상이 되고 있다. 따라서 자율주행차량을 구현하기 위한 한 가지 접근방법으로서 본 논문에서는 차량에 장착된 블랙박스 카메라를 이용하여 도로상에 위치한 거리를 효과적으로 예측할 수 있는 수식적인 모델을 제시한다. 제안한 모델은 도로의 기준선과 관찰선의 폭 또는 블랙박스 장착 높이 정보만을 이용함으로써 실제 도로상의 거리를 예측하는데 효과적으로 활용할 수 있음을 보인다. 다양한 실험을 통하여 본 논문에서 제안한 도로상의 거리 예측 모델이 타당함을 보인다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2020년도 추계학술발표대회
• /
• pp.842-845
• /
• 2020

본 연구는 시각-관성 기반의 딥러닝 학습으로 자유분방하게 움직이는 드론의 주행기록을 정확하게 추정하는 것을 목표로 한다. 드론의 비행주행은 드론의 온보드 센서와 조정값을 이용하는 것이 일반적이다. 본 연구에서는 이 온보드 센서 데이터를 학습에 사용하여 비행주행의 위치추정을 실험하였다. 선행연구로써 DeepVO[1]룰 구현하여 KITTI[3] 데이터와 Midair[4] 데이터를 비교, 분석하였다. 3D 좌표면에서의 위치 추정에 선행연구 모델의 한계가 있음을 확인하고 IMU를 Feature로써 사용하였다. 본 모델은 FlowNet[2]을 모방한 CNN 네트워크로부터 Optical Flow Feature에 IMU 데이터를 더해 RNN으로 학습을 진행하였다. 본 연구를 통해 주행기록 예측을 다소 정확히 했다고 할 수 없지만, IMU Feature를 통해 주행기록의 예측이 가능함을 볼 수 있었다. 본 연구를 통해 시각-관성 분야에서 사람의 지식이나 조정이 들어가는 센서를 융합하는 기존의 방식에서 사람의 제어가 들어가지 않는 End-to-End 방식으로 인공지능을 학습했다. 또한, 시각과 관성 데이터를 통해 주행기록을 추정할 수 있었고 시각적으로 그래프를 그려 정답과 얼마나 차이 있는지 확인해보았다.