• 사물인터넷융복합논문지
• /
• 제10권5호
• /
• pp.27-37
• /
• 2024

공원 내 다중 차량 및 다중 작업 물류 분배의 맥락에서 전통적인 알고리즘은 종종 높은 계산 복잡성과 느린 수렴 속도에 의해 제한된다. 입자 군집 최적화(PSO)는 그 간단한 알고리즘 원칙, 광범위한 적용 가능성, 그리고 포괄적인 검색 능력으로 인해 자율 배달 차량의 경로 계획에서 인기를 얻고 있다. 그러나 기존의 PSO는 조기 수렴에 취약하여 지역 최적해에 도달할 수 있다. 이를 해결하기 위해 본 연구는 PSO에 텐트 맵 혼돈(Tent map)을 도입하여 알고리즘의 전역 검색 능력을 향상시키고 조기 수렴을 방지하고자 하였다. 벤치마크 함수 테스트 결과, 이 글에서 제안한 개선된 입자 군집 최적화 알고리즘(TPSO)은 더 빠른 수렴과 높은 정확성을 보였다. 사례 검증 섹션에서는 X 공원을 예로 들어 공원 내 물류 분배를 위한 다중 차량 및 다중 작업 모델을 구축하였으며, 이 글에서 제안한 TPSO 알고리즘을 사용하여 모델을 해결하였고, 최종적으로 TPSO 알고리즘의 우수성을 비교 시뮬레이션을 통해 검증하였다.

• 한국전자통신학회논문지
• /
• 제17권4호
• /
• pp.687-694
• /
• 2022

본 논문에서는 Visual 동시적 위치추정 및 지도작성(SLAM : Simultaneous Localization and Mapping)기술을 응용하여 실내에서 생성된 SLAM 맵을 기반으로 지정된 목적지에 물건을 배달하는 자율주행 차량 플랫폼을 제안하였다. 실내에서 SLAM 맵을 생성하기 위해 소형 자율주행 차량 플랫폼의 상단에 SLAM 맵 생성을 위한 심도 카메라를 설치하고 SLAM 맵 속에서의 정확한 위치추정을 하기 위해 추적 카메라를 장착하여 구현하였다. 또한, 목적지의 표찰을 인식하기 위해 합성곱 신경망(CNN : Convolutional neural network)을 사용하여 목적지에 정확하게 도착할 수 있도록 주행 알고리즘을 적용하여 설계하였다. 실내 배송 자율주행 차량을 실제로 제작하였고 SLAM 맵의 정확도 확인과 CNN을 통한 목적지 표찰 인식 실험을 수행하였다. 결과적으로 표찰 인식의 성공률을 향상시켜 구현한 실내 배송용 자율주행 차량의 활용 적합성 여부를 확인하였다.

• 한국ITS학회 논문지
• /
• 제22권1호
• /
• pp.265-275
• /
• 2023

본 논문의 목적은 도로 인프라의 안전성 관리를 위해 운행하는 자율주행차의 최적경로 선정 알고리즘을 제안하는 것이다. 자율주행차는 지정된 구역의 도로 네트워크의 노드-링크를 최소한 한 번 이상 주행하며 인프라 요소의 위험성을 검지하고, 다시 차고지로 복귀해야 한다. 이때 위험도가 높은 노드-링크를 우선 방문해야 한다. 본 논문에서는 위험도가 높은 노드-링크를 방문하면 높은 보상을 주는 보상 최적화 알고리즘을 제안하였다. 새로운 알고리즘의 유효성 검증을 위해 토이 네트워크를 구성하고, 중국 집배원 배달경로 알고리즘과 비교했다. 보상 최적화 알고리즘의 이동 횟수는 중국 집배원 배달경로의 이동 횟수와 같으나, 임의로 지정한 고위험 노드-링크는 보상 최적화 알고리즘에서 선 순위로 통과했다. 하지만, 본 연구의 보상 최적화 알고리즘은 단순구조의 토이 네트워크를 통해 검증하였으나, 향후 실제 도로환경과 유사한 복잡한 네트워크에서 알고리즘의 유효성을 검증해야 하는 과제가 남아 있다.