• Journal of IKEEE
• /
• v.14 no.4
• /
• 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.

• Journal of the Korea Convergence Society
• /
• v.8 no.9
• /
• pp.285-292
• /
• 2017

This paper describes a recursive least-squares based convergent algorithm for driving characteristic classification for personalized autonomous driving. Recently, various researches on autonomous driving technology have been conducted for level 4 fully autonomous driving. In order for commercialization of the autonomous vehicle, personalized autonomous driving is required to minimize passenger's insecureness to the autonomous vehicle. To address this problem. this study proposes mathematical model that represents driving characteristics and recursive least-squares based algorithm that can estimate the defined characteristics. The actual data of two drivers has been used to derive driving characteristics and the hypothesis testing method has been used to classify two drivers. It is shown that the proposed algorithms can derive driving characteristics and classify two drivers reasonably.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.16 no.3
• /
• pp.275-284
• /
• 2006

This paper deals with problems of safe and efficient navigation algorithm for autonomous mobile robots in unknown environments. Since the obstacle avoidance algorithms are very important in mobile robot navigation, two obstacle avoidance algorithms: VFH(vector field histogram) algorithm and a fuzzy algorithm are combined to have optimal performance in various environments. And a upper-level supervisor is to select the proper one from VFH algorithm and the fuzzy algorithm according to the situations the robot faces. Computer simulation results show the effectiveness of the proposed navigation algorithm for autonomous mobile robots.

• Proceedings of the KIEE Conference
• /
• 2002.07d
• /
• pp.2460-2462
• /
• 2002

본 논문에서는 안정성 높은 미로탐색로봇의 제작을 위해 EPLD를 이용하여 회로부의 간략화를 꾀한 후 PCB 작업을 하여 하드웨어 시스템을 구성하였고 주행기법을 개선하여 주행 알고리즘을 강화하였다. 미로탐색로봇의 제작 및 주행 실험 결과 미로탐색로봇에서 주행기간의 단축은 최고속도가 아니라 가속과 감속방법에 달려 있음을 확인할 수 있었으며, 이를 바탕으로 속도 테이블의 구성과 테이블 운영방법을 연구하여 기존의 주행 알고리즘을 강화할 수 있었다.

• Proceedings of the KIEE Conference
• /
• 2003.07d
• /
• pp.2334-2336
• /
• 2003

이동로봇의 주행을 위해서는 주변 환경에 대한 정보와 출발점과 도착점을 기초로 한 경로 탐색 알고리즘이 필요하다. 여러 경로 탐색 알고리즘 중 A* 알고리즘은 주어진 격자로 구성한 환경 정보 지도상에서 시작점과 목표점 두 Node가 주어지면 목표점까지 Node 단위로 탐색을 실시하여 시작점과 목표점 사이에 존재하는 수많은 경로 중 최저의 이동 비용 경로를 찾는 경험적인 알고리즘이다. 본 논문은 로봇의 가상 크기가 지도의 격자 방안 보다 큰 공간상에서 이동로봇의 경로 생성을 위해 격자 단위가 아닌 로봇의 가상 크기 단위로 탐색하도록 A*알고리즘을 보완하였으며 실험 결과 보완된 A* 알고리즘이 격자 단위 탐색으로 생성한 경로보다 로봇의 주행에 더 적합한 경로를 생성하였다. 또한 이동로봇의 코너 주행시 벽과의 충돌 가능성을 최소화 시키는 안전한 주행 방법을 제시하였다.

• 전기의세계
• /
• v.46 no.3
• /
• pp.20-25
• /
• 1997

자율주행시스템은 복잡한 환경에서 효과적인 주행을 위해서 센서를 통해 주변의 정보를 수집하고 주변환경에 적절한 동작을 취해야 한다. 이러한 자율주행시스템에 지능적인 방법을 통하여 새롭게 제안한 방법을 서술하였다. 퍼지 논리를 이용하여 운전자와 같이 차량이 차선을 따라 주행하기 위한 퍼지 논리 제어기(FLC)가 설계되었다. 함축적인 차량모델을 기반으로 설계한 퍼지 논리 제어기가 복잡하고 정확한 차량모델을 기반으로 설계된 PID나 FSLQ 제어기와 동등한 성능을 발휘하였다. 인간의 운전방법을 학습할 수 있는 신경회로망을 이용하여 자율주행시스템에 적용하였다. 퍼지 신경회로망은 인간의 제어특성을 반영하도록 설계되었으며 자동으로 생성된 제어기는 퍼지 논리 제어나 신경회로망의 기법보다 우수한 성능을 발휘하였다. 퍼지 논리, 신경회로망, 유전자 알고리즘 등의 인간의 지능 모델에 기초를 둔 방법을 자율주행차량의 제어에 도입하므로써 기존의 자율주행시스템의 문제점을 극복하는데 주요한 역할을 하였다. 앞으로 퍼지 논리, 신경회로망, 유전자 알고리즘은 각각의 강점을 융합하거나, 고전적인 제어 알고리즘과 결합하므로써 더욱 우수한 성능을 발휘할 것으로 예상된다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 1997.10a
• /
• pp.283-286
• /
• 1997

일반적으로 직진 경로를 주행하는 이동로봇의 오차 보정을 위해서는 PI 제어기의 계수 보정이 필요하다. 본 논문에서는 직진 경로를 주행하는 이동로봇의 양쪽 바퀴에서 얻어진 엔코더의 값으로 측정하고, 측정되어진 엔코더의 값을 이용하여 방향과 움직임의 오차를 보정해주는 알고리즘을 PI제어기와 유전알고리즘을 사용하여 최적의 파라미터를 구할 수 있는 방법을 제안하였다.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.19 no.3
• /
• pp.381-387
• /
• 2009

This paper is presented simultaneous localization and mapping (SLAM) based on feature map and path-planning using modified genetic algorithm for efficient driving of autonomous vehicle. The biggest problem for autonomous vehicle from now is environment adaptation. There are two cases that its new location is recognized in the new environment and is identified under unknown or new location in the map related kid-napping problem. In this paper, SLAM based on feature map using ultrasonic sensor is proposed to solved the environment adaptation problem in autonomous driving. And a modified genetic algorithm employed to optimize path-planning. We designed and built an autonomous vehicle. The proposed algorithm is applied the autonomous vehicle to show the performance. Experimental result, we verified that fast optimized path-planning and efficient SLAM is possible.

• Journal of the Korea Convergence Society
• /
• v.9 no.10
• /
• pp.249-255
• /
• 2018

This paper presents a human-centered control algorithm for personalized autonomous driving based on the integration of inverse time-to-collision and time headway. In order to minimize the sense of difference between driver and autonomous driving, the human-centered control technology is required. Driving characteristics in case that vehicle drives with the preceding vehicle have been analyzed and reflected to the longitudinal control algorithm. The driving characteristics such as acceleration, inverse time-to-collision, time headway have been analyzed for longitudinal control. The control algorithm proposed in this study has been constructed on Matlab/Simulink environment and the performance evaluation has been conducted by using actual driving data.

• The Journal of the Korea Contents Association
• /
• v.8 no.10
• /
• pp.76-87
• /
• 2008

Prediction of travel time on road network is one of crucial research issue in dynamic route guidance system. A new approach based on Rule-Based classification is proposed for predicting travel time. This approach departs from many existing prediction models in that it explicitly consider traffic patterns during day time as well as week day. We can predict travel time accurately by considering both traffic condition of time range in a day and traffic patterns of vehicles in a week. We compare the proposed method with the existing prediction models like Link-based, Micro-T* and Switching model. It is also revealed that proposed method can reduce MARE (mean absolute relative error) significantly, compared with the existing predictors.