• 한국해양공학회지
• /
• 제36권1호
• /
• pp.41-49
• /
• 2022

With the advancement of intelligent vehicles and unmanned systems, there is a growing interest in underwater surveys using autonomous marine vehicles (AMVs). This study presents an automated planning strategy for a long-term survey mission using a fleet of AMVs consisting of autonomous surface vehicles and autonomous underwater vehicles. Due to the complex nature of the mission, the actions of the vehicle must be of high-level abstraction, which means that the actions indicate not only motion of the vehicle but also symbols and semantics, such as those corresponding to deploy, charge, and survey. For automated planning, the planning domain definition language (PDDL) was employed to construct a mission planner for realizing a powerful and flexible planning system. Despite being able to handle abstract actions, such high-level planners have difficulty in efficiently optimizing numerical objectives such as obtaining the shortest route given multiple destinations. To alleviate this issue, a widely known technique in operations research was additionally employed, which limited the solution space so that the high-level planner could devise efficient plans. For a comprehensive evaluation of the proposed method, various PDDL-based planners with different parameter settings were implemented, and their performances were compared through simulation. The simulation result shows that the proposed method outperformed the baseline solutions by yielding plans that completed the missions more quickly, thereby demonstrating the efficacy of the proposed methodology.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제18권5호
• /
• pp.1223-1237
• /
• 2024

Autonomous vehicles use onboard sensors to sense the surrounding environment. In complex autonomous driving scenarios, the detection and recognition capabilities are constrained, which may result in serious accidents. An efficient way to enhance the detection and recognition capabilities is establishing collaborations with the neighbor vehicles. However, the collaborations introduce additional challenges in terms of the data heterogeneity, communication cost, and data privacy. In this paper, a novel personalized federated learning framework is proposed for addressing the challenges and enabling efficient collaborations in autonomous driving environment. For obtaining a global model, vehicles perform local training and transmit logits to a central unit instead of the entire model, and thus the communication cost is minimized, and the data privacy is protected. Then, the inference similarity is derived for capturing the characteristics of data heterogeneity. The vehicles are divided into clusters based on the inference similarity and a weighted aggregation is performed within a cluster. Finally, the vehicles download the corresponding aggregated global model and train a personalized model which is personalized for the cluster that has similar data distribution, so that accuracy is not affected by heterogeneous data. Experimental results demonstrate significant advantages of our proposed method in improving the efficiency of collaborative perception and reducing communication cost.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제16권11호
• /
• pp.3523-3543
• /
• 2022

Autonomous vehicles are gradually being regarded as the mainstream trend of future development of the automobile industry. Autonomous driving networks generate many intensive and delay-sensitive computing tasks. The storage space, computing power, and battery capacity of autonomous vehicle terminals cannot meet the resource requirements of the tasks. In this paper, we focus on the task scheduling problem of autonomous driving in software-defined edge networks. By analyzing the intensive and delay-sensitive computing tasks of autonomous vehicles, we propose an emotion model that is related to task urgency and changes with execution time and propose an optimal base station (BS) task scheduling (OBSTS) algorithm. Task sentiment is an important factor that changes with the length of time that computing tasks with different urgency levels remain in the queue. The algorithm uses task sentiment as a performance indicator to measure task scheduling. Experimental results show that the OBSTS algorithm can more effectively meet the intensive and delay-sensitive requirements of vehicle terminals for network resources and improve user service experience.

• 융합보안논문지
• /
• 제19권1호
• /
• pp.19-30
• /
• 2019

최근 4차 산업혁명이 화두로 등장하면서 자율주행자동차의 중요성과 관심이 높아지고 있다. 전 세계적으로 시험 운행이 늘어나면서 자율주행자동차와 관련된 사고도 발생하고 있으며, 이에 대한 사이버 해킹 위협 가능성도 높아지고 있다. 미국, 영국, 독일을 포함한 여러 국가들은 이러한 추세를 반영하여 자율주행자동차의 사이버 해킹에 대응하기 위한 가이드라인을 만들거나 기존의 법률을 개정하고 있다. 국내의 경우 자율주행자동차의 제한적인 임시운행이 이루어지고 있으나, 자율주행자동차 해킹으로 인한 사고 발생 시 적용할 법제가 미흡한 상태이다. 본고에서는 기존의 관련 법률 체계를 분석하고 이를 바탕으로 자율주행자동차 사이버 해킹으로 인한 민사, 형사, 행정 책임 문제를 살펴보면서, 자율주행자동차 특성에 맞는 사고 책임 관련 법률체계를 제안하고 각 법제의 구성요소에 대해서 분석하여 이슈사항을 도출하며, 추가적으로 간략한 개선방안도 제시한다.

• 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.

• 한국인터넷방송통신학회논문지
• /
• 제24권1호
• /
• pp.65-74
• /
• 2024

최근 자율주행 분야에서는 영상 처리 기술이 중요한 역할을 하고 있다. 그 중에서도 영상 식별 기술은 자율주행 차량의 안전성과 성능에 매우 중요한 역할을 한다. 이에 따라 본 논문에서는 융복합 영상 식별 시스템을 개발하여 자율주행 차량의 안전성과 성능을 향상시키는 것을 목표로 한다. 본 연구에서는 다양한 영상 식별 기술을 활용하여 차량주변 환경의 객체를 인식하고 추적하는 시스템을 구축한다. 이를 위해 머신 러닝과 딥 러닝 알고리즘을 활용하며, 이미지처리 및 분석 기술을 통해 실시간으로 객체를 식별하고 분류한다. 또한, 본 연구에서는 영상 처리 기술과 차량 제어 시스템을 융합하여 자율주행 차량의 안전성과 성능을 높이는 것을 목표로 한다. 이를 위해, 식별된 객체의 정보를 차량 제어시스템에 전달하여 자율주행 차량이 적절하게 반응하도록 한다. 본 연구에서 개발된 융복합 영상 식별 시스템은 자율주행 차량의 안전성과 성능을 크게 향상시킬 것으로 기대된다. 이를 통해 자율주행 차량의 상용화가 더욱 가속화될 것으로 기대된다.

• 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.

• 한국ITS학회 논문지
• /
• 제17권6호
• /
• pp.224-239
• /
• 2018

자율주행자동차로 인해 기존의 교통사고 원인의 대부분을 차지하는 '운전자부주의'로 인한 교통사고가 크게 감소할 수 있지만, '트롤리 딜레마', 차량 결함, 도로 함몰 등과 같은 사고를 피할 수 없는 상황이 발생할 수 있다. 이 경우 사람과 같은 윤리적 선택이 필요해진다. 본 연구는 돌발적인 싱크홀이 발생하여 자율주행차가 교통사고를 피할 수 없는 상황을 가정하고, 자율주행자동차의 윤리적 선택에 따른 교통사고비용을 시뮬레이션 분석을 통해 추정하였다. 이 때 자율주행자동차는 (1) 탑승자의 안전을 최우선으로 하는 이기주의, (2) 인명피해를 최소화하는 의무론, (3) 사고비용을 최소화하는 공리주의의 3가지 윤리적 선택 중 한 가지를 선택하도록 하였다. 분석결과, 이기주의의 교통사고비용이 가장 높게 분석되었고, 인명피해를 최우선으로 하는 의무론의 교통사고비용이 가장 낮게 분석되었다.

• 한국ITS학회 논문지
• /
• 제22권1호
• /
• pp.192-207
• /
• 2023

Lv.4 자율주행의 상용화를 위하여 안전한 도로환경과 자율주행차량이 안전하게 운행할 수 있는 구체적인 정의가 필요되고, 미래 교통안전 문제에 대비하기 위해 자율주행차량의 안전한 운행 여부를 판단할 수 있는 위험도 평가모델이 요구된다. 자율주행차량의 운행 위험요소를 선정 및 등급화를 수행하였으나, 자율주행차량의 사고 발생 원인과 운행 자료 구득에 어려움이 있어 자율주행 분야 전문가 설문조사를 활용하여 정성적 자료로 의사결정방법을 적용하였다. 의사결정자의 애매모호한 언어적 표현, 불확실함을 정량적 수치로 변환하는 퍼지-계층화 분석법을 통해 다기준 의사결정에 있어 기존의 계층화 분석법(AHP)의 단점을 보완할 수 있었다. 상위·하위속성들의 가중치 도출 과정을 거쳐, 물리적 인프라인 도로선형이 자율주행차량의 운행 위험도에 가장 중요한 위험요소로 분석되었다. 또한, 자율주행차량의 운행 위험도 범례를 통하여 평가 대상지 5곳에 대한 자율주행차량 운행 위험 여부를 도출하였다.

• 한국콘텐츠학회논문지
• /
• 제19권12호
• /
• pp.452-459
• /
• 2019

자율주행자동차를 상용화하기 위해서는 모든 측면에서 안전성 테스트를 수행해야 한다. 자율주행자동차 기술의 구현을 고려할 때, 시내상황과 같은 복잡한 환경에서 발생할 수 있는 시나리오를 분석 할 필요가 있다. 자율 주행 차량이 기존의 교통 환경에서 정상적인 작동이 가능한지 여부의 평가도 중요하다. 또한 자율주행 자동차가 일반 차량과의 상호 작용을 검토하고, 도로에서 발생할 수 있는 사고에 대처할 필요가 있다. 본 연구는 도로환경에서 자율주행자동차의 평가 요소들을 기존의 ADAS와 같은 평가 프로토콜을 참고하여 자율주행 차량의 평가 방안을 모색하였다. 연구 결과는 다양한 기술 구현수준과 함께 다른 시험환경에 대한 자율 차량평가 방법을 수립하는데 반영하고자 한다.