자율 주행 차량은 주변 환경의 정보를 수집하는 센서, 측정된 데이터를 판단하는 제어 모듈로 구성된 첨단 운전자 지원 시스템(ADAS)을 기반하고 있다. 최근에 자율주행 기술에 대한 관심이 증가함에 따라 ADAS 입문 개발자들 및 학습자들을 위한 손쉬운 개발프레임워크가 필요하다. 그러나, 기존 개발 및 검증 방식은 고성능 자동차 시뮬레이터를 기반하기 때문에 검증 방법의 복잡성 및 고비용 등의 단점이 있다. 또한, 대부분의 방식은 시뮬레이터로부터 ADAS에서 필요로 하는 센싱 데이터를 직접 제공하지 않으므로 검증 신뢰성의 한계가 있다. 본 논문에서는 기존 방식들의 문제점들을 극복하는 3D 자동차 시뮬레이터를 활용한 상호작용형 ADAS 개발 및 검증 프레임워크를 제시한다. 영상인지 기반의 인공지능을 적용한 ADAS를 3D 자동차 시뮬레이터에서의 가상센서로 구현하고, 실제 시나리오에 자율주행 검증을 진행하였다.
최근 자동차는 안전성, 편리성, 친환경 등의 목적으로 개발되고 있다. 특히, 자동차 안전성에 대한 인식이 중요하게 바뀌고 있다. 이에 따라, ADAS 개발로 인한 안전 시스템들이 등장하였다. 그러나 ADAS의 개발과 시험 평가를 통해 양산 되는 기간은 상당히 오래 걸린다. 따라서 본 논문에서는 ADAS 개발과 시험 평가에 필요한 기간을 단축시키기 위해 브레이크 다이나모미터를 개발 하였다. 또한 개발한 브레이크 다이나모미터는 국제 표준인 JIS D-0210을 만족하며, ADAS의 모드별로 사용자가 시험 조건과 시험 방법을 선택 하여 제동력을 평가할 수 있다. 그리고 개발하는 브레이크 다이나모미터의 신뢰성 검증을 위해 선행 연구에서 제안한 ACC, LKAS, AEB의 시나리오를 사용하였다. 개발한 브레이크 다이나모미터는 시험값과 선행 연구를 통해 제안된 ADAS 모드별 이론식에 의한 계산값을 비교하여 신뢰성을 검증하였다. 또한, 향후에는 ADAS의 실차시험이 불가능한 환경에서 ADAS 모드별 브레이크 부품의 성능 평가가 가능할 것으로 기대 된다.
In recent years, the technology for autonomous driving has been advancing rapidly, ADAS (Advanced Driver Assistance System) functions, which improve driver convenience and safety performance, are mostly equipped in recently released vehicles and range from level 0 to level 2 in autonomous driving technology. Among the various functions of ADAS, AEBS (Autonomous Emergency Braking System), which analyzes traffic accidents, is the most closely related to the vehicle's braking. This study developed a simulation technique for reproducing accidents related to AEBS based on real vehicle experimental data, and it was applied to the analysis of actual ADAS vehicle accidents to identify the causes of accidents.
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.
Metallic energy-dissipation dampers are widely used in structures. They are comprised of an added damping and stiffness (ADAS) device with many parallel, diamond-shaped hole plates, the neck width of which is an important parameter. However, no studies have analyzed the neck width's influence on the ADAS device's performance. This study aims to better understand that influence by conducting a pseudo-static test on ADAS, with three different neck widths, and performing finite element analysis (FEA) models. Based on the FEA results and mechanical theory, a design neck width range was proposed. The results showed that when the neck width was within the specified range, the diamond-shaped hole plate achieved an ideal yield state with minimal stress concentration, where the ADAS had an optimal energy dissipation performance and the brittle shear fracture on the neck was avoided. The theoretical values of the ADAS yield loads were in good agreement with the test values. While the theoretical value of the elastic stiffness was lower than the test value, the discrepancy could be reduced with the proposed modified coefficient.
교통 데이터는 교통계획이나 교통시스템 운영에 필요한 기초 자료이며 최근 ADAS 카메라로 측정한 선행 차량과의 거리를 이용하여 교통류를 파악하는 방법이 시도되고 있다. 본 연구는 영상기반 차량인식의 거리오차를 반영한 미시적 시뮬레이션 분석을 통해 교통류를 추정하기 위한 ADAS 차량의 활용 가능성을 살펴보았다. 차로수, 교통수요, 프로브 차량의 점유율(MPR), 시공간 검지영역 등에 따른 교통류 추정치의 표준 평균 제곱근 오차를 통해 분석을 수행하였다. 분석결과, ADAS 카메라의 최대 인식거리의 한계로 저밀도 교통류(LOS A, LOS B)의 추정치는 신뢰할 수 없는 수준이다. 다차로나 교통수요가 크고 점유율(MPR)이 높을 경우 추정치의 신뢰성이 개선될 수 있지만, 인위적으로 점유율(MPR)을 높이는 것은 현실적으로 어려움이 있다. 또한, 검지영역의 시간범위를 연장함으로써 추정치의 신뢰성을 개선할 수 있지만, 가장 크게 영향을 미치는 것은 ADAS 차량의 주행행태로서 해당 차량이 도로의 교통류와 상이한 주행행태를 보일 경우 그 추정치는 신뢰할 수 없게 된다. 결론적으로 모든 교통류를 정확히 추정하지는 못 하지만 ADAS 카메라의 성능이나 기능을 개선함으로써 ADAS 차량의 활용 가능성은 확대될 것이다.
In this study a safety evaluation method is presented for a ADAS vehicle to be tested in collision situation when multiple vehicles are present on a single lane. Test scenarios are developed based on Euro-NCAP assessment scenarios, accident database and related simulation results in previous works. An automated evaluation system that is called as the K-target mover is used for active safety evaluation experiments. The experiments are conducted with two types of tests. First, the rear-end collision tests with 25% and 50% overlap for the test vehicle and target vehicle are conducted with the two kinds of test vehicles. On the other hand, the rear-end collision tests which include multiple vehicles in a single lane with 25% and 50% overlaps, are also conducted. Experimental results show that the test vehicles with ADAS cannot recognize the collision situation sometimes in the developed test scenarios, even in the case that the test vehicle showed stable performance in the simple overlap scenarios.
In the automotive industry, the development of automobiles to meet safety requirements is becoming increasingly complex. This is because quality evaluation agencies in each country are continually strengthening new safety standards for vehicles. Among these various requirements, collision safety must be satisfied by controlling airbags, seat belts, etc., and can be defined as post-crash safety. Apart from this safety system, the Advanced Driver Assistance Systems (ADAS) use advanced detection sensors, GPS, communication, and video equipment to detect the hazard and notify driver before the collision. However, research to improve passenger safety in case of an accident by using the sensor of active safety represented by ADAS in the existing passive safety is limited to the level that utilizes the sudden braking level of the FCA (Forward Collision-avoidance Assist) system. Therefore, this study aims to develop logic that can improve passenger protection in case of an accident by using ADAS information and driving information secured before a collision. The proposed logic was constructed based on LSTM deep learning techniques and trained using crash test data.
본 연구는 첨단운전자보조시스템(Advanced Driver Assistance System, ADAS)이 빠르게 보급됨에 따라 표본 프로브 차량에 설치된 ADAS로부터 얻은 개별차량의 궤적 데이터와 전방차량과의 차두거리 데이터를 이용하여 연속류의 교통밀도를 추정 및 분석하는 것을 목적으로 한다. 과거 연속류 교통밀도는 주로 차량검지시스템(Vehicle Detection System, VDS)에서 수집되는 교통량, 속도, 점유율 등의 데이터를 가공하여 추정되거나, CCTV등의 영상정보를 활용하여 직접 차량 대수를 계수하여 추정되었다. 이러한 방식은 교통밀도 추정의 공간적 제약이 있고, 교통 혼잡시 추정의 신뢰도가 낮다는 한계를 보였다. 이에 본 연구에서는 선행연구의 한계를 극복하기 위해 ADAS로부터 수집된 개별차량 궤적 데이터와 차두거리 정보를 활용하여 도로의 공간을 검지하고 일반화된 밀도(Generalized Density)방식을 이용하여 시공간적 교통밀도를 추정한다. 이에 따라 ADAS차량의 표본율에 따른 교통밀도 추정의 정확도를 분석한 결과, 30%의 표본율일 경우 교통밀도 참 값과 약 90% 일치하는 것으로 나타났다. 이를 통해 본 연구는 향후 ADAS 및 자율주행차량이 혼재되는 도로 상황에서 신뢰도 높은 교통밀도 추정을 가능하게 하며 효율적인 교통운영관리에 기여할 수 있을 것으로 판단된다.
There are trying to reduce damage from automobile accident in many countries. In many automobile companies, there have been active study on development of ADAS (Advanced Driver Assistance Systems) for commercialization, in order to reduce damage from automobile accident. ADAS is the system providing convenience and safeness for drivers. Generally, ADAS is composed of ACC (Adaptive Cruise Control), LKAS (Lane Keeping Assist System), and AEB (Autonomous Emergency Braking). AEB of the ADAS, it is an autonomous emergency braking system and it senses potential collide and avoids or degrades it. Therefore AEB plays a significant role in reducing automobile accident rate. However, AEB safety evaluation method is not established not yet. For this reason, this study suggests safety evaluation scenarios with adding cut-in, sensor malfunctioning scenario that scenario domestic street conditions considered as well as original standard AEB scenario of Euro NCAP for establishment of safety evaluation method of AEB. And verifying validity of suggested scenario by comparing the calculated values of the theoretical formulas presented in the previous study with results of the actual vehicle test.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.