• 한국ITS학회 논문지
• /
• 제20권6호
• /
• pp.242-263
• /
• 2021

본 논문은 자율주행 알고리즘 개발을 위한 저비용 드라이빙 시뮬레이터 구축 방법을 소개한다. 이는 물리엔진을 적용한 상용게임 소프트웨어인 GTA V를 활용하여 구현되며 자율주행 시스템에 필요한 다양한 센서 출력값 및 데이터를 에뮬레이션하는 기능을 내장한다. 이를 위해 GTA V 내부 데이터를 취득할 수 있는 Script Hook V의 NF를 활용하여 GT 데이터를 취득하고, 이를 활용하여 다양한 자율주행용 센서 데이터를 생성한다. 본문에서는 설계된 드라이빙 시뮬레이터의 전반적인 기능들을 소개하며, 개별 기능에 대한 검증을 수행한다. 자율주행 알고리즘 개발 환경 구축을 위해 게임 엔진 내부 메모리 접근을 통한 GT 데이터를 취득하는 과정을 설명하고, 에뮬레이션된 센서값을 처리 및 활용하여 인공 신경망 학습 및 성능평가에 적용 가능한 예시를 제시한다.

• 로봇학회논문지
• /
• 제14권2호
• /
• pp.122-130
• /
• 2019

Collecting a rich but meaningful training data plays a key role in machine learning and deep learning researches for a self-driving vehicle. This paper introduces a detailed overview of existing open-source simulators which could be used for training self-driving vehicles. After reviewing the simulators, we propose a new effective approach to make a synthetic autonomous vehicle simulation platform suitable for learning and training artificial intelligence algorithms. Specially, we develop a synthetic simulator with various realistic situations and weather conditions which make the autonomous shuttle to learn more realistic situations and handle some unexpected events. The virtual environment is the mimics of the activity of a genuine shuttle vehicle on a physical world. Instead of doing the whole experiment of training in the real physical world, scenarios in 3D virtual worlds are made to calculate the parameters and training the model. From the simulator, the user can obtain data for the various situation and utilize it for the training purpose. Flexible options are available to choose sensors, monitor the output and implement any autonomous driving algorithm. Finally, we verify the effectiveness of the developed simulator by implementing an end-to-end CNN algorithm for training a self-driving shuttle.

• 한국ITS학회 논문지
• /
• 제23권1호
• /
• pp.167-181
• /
• 2024

자율주행 기술 개발에 있어서 드라이빙 시뮬레이터의 활용은 사고 환경에 대한 다양한 테스트를 단시간에 효과적으로 수행 가능하게 하여 개발 비용 및 노력을 획기적으로 줄일 수 있다. 그러나 드라이빙 시뮬레이터는 실제 환경과 차이가 존재한다는 심각한 단점이 존재하므로 드라이빙 시뮬레이터를 이용하여 개발된 자율주행 알고리즘이 실제 차량 시스템에 직접 적용시킬 때 큰 차이가 발생하는 문제가 있다. 이러한 문제는 Sim2Real 문제로 정의되며, 시나리오, 센서 모델링, 차량 동역학 등으로 구분할 수 있다. 본 논문에서는 Sim2Real 문제 중에서 IMU센서에 대해서 Sim2Real 문제 해결 방안에 대한 연구를 수행한다. 실제 환경과 에뮬레이터된 가상 IMU 센서의 차이를 줄이기 위해서 IMU 센서의 정밀 오차 모델링을 통한 센서 에뮬레이터 기술에 대해 소개한다. Bias, Scale Factor, Misalignmnet, Random Walk에 따른 오차를 가상 IMU 센서 등급별로 모델링하고 이를 실제 IMU 센서의 등급에 따른 오차 지표와 비교함으로써 IMU 센서의 Sim2Real 문제를 완화한다.

• 자동차안전학회지
• /
• 제14권1호
• /
• pp.20-25
• /
• 2022

This paper presents a development of simulation environment for validation of autonomous driving (AD) algorithm based on Robot Operating System (ROS). ROS is one of the commonly-used frameworks utilized to control autonomous vehicles. For the evaluation of AD algorithm, a 3D autonomous driving simulator has been developed based on LGSVL. Two additional sensors are implemented in the simulation vehicle. First, Lidar sensor is mounted on the ego vehicle for real-time driving environment perception. Second, GPS sensor is equipped to estimate ego vehicle's position. With the vehicle sensor configuration in the simulation, the AD algorithm can predict the local environment and determine control commands with motion planning. The simulation environment has been evaluated with lane changing and keeping scenarios. The simulation results show that the proposed 3D simulator can successfully imitate the operation of a real-world vehicle.

• 한국ITS학회 논문지
• /
• 제22권3호
• /
• pp.147-159
• /
• 2023

자율주행차량을 신뢰하고 탑승하도록 하기 위해서 자율주행 차량에 탑승하는 이용자를 위한 고민이 필요해지고 있다. 자율주행 차량 주행 행태에 대한 선호도를 평가하여 이용자의 자율주행차량 탑승 만족도를 높이는 주행행태를 찾아내고자 한다. 실험환경은 드라이빙 시뮬레이터에 공격적인 운전과 방어적인 운전 두 가지 자율주행 성향을 구현하고, 체험할 수 있도록 하였다. 탑승시 생체데이터를 수집하고, 탑승 전·후 설문조사를 실시하였다. 운전 습관에 따라 2그룹으로 분류하고, 수집한 생체데이터와 비교 분석하였다. 공격적인 성향의 운전자와 조심운전 성향의 운전자 모두 자율주행차량의 조심운전 주행행태를 선호하였다.

• 대한토목학회논문집
• /
• 제44권1호
• /
• pp.63-73
• /
• 2024

현재 전 세계적으로 연구·개발 중인 자율주행차 Level 3에서 Level 5단계는 운전자의 인지-판단-제어과정을 차량에 탑재된 각종 센서로 대체하여, 운전과정의 대부분을 인공지능이 자율적으로 수행할 수 있도록 한다. 하지만 현재 자율주행차는 국가별로 상이한 자율주행차의 판단능력 최소기준을 만족할 경우, 임시운행 허가를 받아 도로주행이 가능하도록 하고 있다. 향후 자율주행차가 보급될 때 구매자들은 임시운행 허가의 한계로 위험상황 회피능력에 대한 신뢰도가 높지 않을 것으로 예상된다. 이에 본 연구에서는 드라이빙 시뮬레이터 기반으로 운전자의 위험상황 회피능력 비교·평가를 통해 자율주행차 판단능력 등급화 방안 제시 및 시나리오별 등급화가 가능한 평가지표를 도출하고자 하였다. 드라이빙 시뮬레이터 실험에는 성인 30명(남=25, 여=5명)이 참여하였다. 실험결과 분석은 K-평균 군집분석과 독립표본 T-검정을 진행하였으며, 이를 통해 자율주행차의 판단능력 등급 분류가 가능함과 등급 분류의 통계적 유의성을 확인할 수 있었다. 향후 자율주행차의 위험상황 회피능력에 대한 신뢰수준을 향상시키는데 크게 기여할 수 있을 것이다.

• ETRI Journal
• /
• 제45권1호
• /
• pp.75-92
• /
• 2023

Level 3 autonomous vehicles require conditional autonomous driving in which autonomous and manual driving are alternately performed; whether the driver can resume manual driving within a limited time should be examined. This study investigates whether the demographics and subjective driving tendencies of drivers affect the take-over performance. We measured and analyzed the reengagement and stabilization time after a take-over request from the autonomous driving system to manual driving using a vehicle simulator that supports the driver's take-over mechanism. We discovered that the driver's reengagement and stabilization time correlated with the speeding and wild driving tendency as well as driving workload questionnaires. To verify the efficiency of subjective questionnaire information, we tested whether the driver with slow or fast reengagement and stabilization time can be detected based on machine learning techniques and obtained results. We expect to apply these results to training programs for autonomous vehicles' users and personalized human-vehicle interfaces for future autonomous vehicles.

• 디자인융복합연구
• /
• 제17권4호
• /
• pp.17-29
• /
• 2018

완전 자율주행 단계에 이르기 전까지 부분 자율주행 차량에서는 시스템이 특정 상황에서 운전자에게 직접 운전을 하도록 요청하는 제어권 전환 요청(TOR)이 필수적이다. 이 연구의 목적은 인간-자동차 인터랙션 방식 중 HDD(Head-Down Display)보다 HUD(Head-Up Display)가 제어권 전환 요청 시 사용자 경험 인식에서 더 유리한지 비교하는 것이다. 운전 시뮬레이터 실험을 통해 참가자가 자율주행 상황에서 부가적 과업인 게임을 하다가 제어권 전환 요청을 인지하면 직접 운전을 수행하도록 하였다. 실험 결과, 반응시간과 주관적 작업 부하에서는 차이가 없었으나, '사용 용이성'과 '만족도'에서 HUD 방식이 HDD보다 더 우수한 것으로 나타났다. 자율 주행시 HUD를 통해 부가적 과업을 하도록 디자인하는 것이 제어권 전환 요청 기능의 사용자 경험을 개선하는 효과가 있었다. 이 연구는 자율주행 맥락에서의 사용자 경험 디자인 가이드라인 설정을 위한 실증 사례를 제시했다는 점에서 의의가 있다.

• 인터넷정보학회논문지
• /
• 제24권1호
• /
• pp.39-47
• /
• 2023

The development of autonomous driving and Advanced Driver Assistance System (ADAS) technology has grown rapidly in recent years. As most traffic accidents occur due to human error, self-driving vehicles can drastically reduce the number of accidents and crashes that occur on the roads today. Obviously, technical advancements in autonomous driving can lead to improved public driving safety. However, due to the current limitations in technology and lack of public trust in self-driving cars (and drones), the actual use of Autonomous Vehicles (AVs) is still significantly low. According to prior studies, people's acceptance of an AV is mainly determined by trust. It is proven that people still feel much more comfortable in personalized ADAS, designed with the way people drive. Based on such needs, a new attempt for a customized ADAS considering each driver's driving style is proposed in this paper. Each driver's behavior is divided into two categories: assertive and defensive. In this paper, a novel customized ADAS algorithm with high classification accuracy is designed, which divides each driver based on their driving style. Each driver's driving data is collected and simulated using CARLA, which is an open-source autonomous driving simulator. In addition, Long Short-Term Memory (LSTM) and Gated Recurrent Unit (GRU) machine learning algorithms are used to optimize the ADAS parameters. The proposed scheme results in a high classification accuracy of time series driving data. Furthermore, among the vast amount of CARLA-based feature data extracted from the drivers, distinguishable driving features are collected selectively using Support Vector Machine (SVM) technology by comparing the amount of influence on the classification of the two categories. Therefore, by extracting distinguishable features and eliminating outliers using SVM, the classification accuracy is significantly improved. Based on this classification, the ADAS sensors can be made more sensitive for the case of assertive drivers, enabling more advanced driving safety support. The proposed technology of this paper is especially important because currently, the state-of-the-art level of autonomous driving is at level 3 (based on the SAE International driving automation standards), which requires advanced functions that can assist drivers using ADAS technology.

• 디지털산업정보학회논문지
• /
• 제17권4호
• /
• pp.31-42
• /
• 2021

In the modern era, radio wave analysis is necessary for various fields of engineering, and interpretation of this is also indispensable. Self-driving cars need multiple different electronic components, and thus accurate and fast electromagnetic simulator for this kind of complex radio environment is required for self-driving simulations. Accordingly, the demand for self-driving simulators as well as existing electromagnetic analysis software has increased. This paper briefly describes the characteristics of numerical analysis techniques for electromagnetic analysis, self-driving simulation software, and conventional electromagnetic simulation software and also summarizes the characteristics of each software. Finally, the verification of the result from in-house code compared to HFSS is demonstrated.