• 한국전자통신학회논문지
• /
• 제19권1호
• /
• pp.149-156
• /
• 2024

기존 긴급 및 외부 통신이 주목적이었던 차량 인포테인먼트의 지능화와 고속화는 내비게이션, 자율주행 등 다양한 서비스 적용에 대한 가능성을 보여주고 있다. 특히 통신 및 네트워크의 진보로 인하여 외부 기기 및 인프라 연동에 대한 기능성이 강화되고 있는 바 이러한 경향하에 고도화된 차량 서비스 및 주행을 위한 협력 지능형 교통 체계 (C-ITS)와의 연동 방향에 대한 고민이 필요하다. 또한 자동차도 텔레매틱스 및 인포테인먼트 고도화를 넘어 전동화 경향에 맞춘 소프트웨어 정의 차량 (SDV) 라는 개념을 토대로 한 미래 차량 개발 개념을 정립하고 있는 바 이러한 SDV 연계에 대한 고려도 동시에 병행해야 한다. 본 논문에서는 차량 인포테인먼트 구조 분석을 토대로 한 향후 ITS와 SDV 연계 방향성에 대해서 고찰한다. 우선 이를 위해서 현존하는 차량 인포테인먼트 구조 및 아키텍처 분석을 진행하며 이와 연계된 SDV에 대한 구조도 같이 제시한다. 이를 토대로 하여 표준 기반의 C-ITS 서비스와 SDV 기기 적용 및 연동 가능성에 대한 고려사항을 도출한다.

• 전기전자학회논문지
• /
• 제22권4호
• /
• pp.1073-1078
• /
• 2018

4차 산업혁명에 대한 관심도가 높아지면서, 현실에 존재하는 요소들과 가상에 존재하는 요소들이 상호작용 하는 CPS 라는 개념이 중요한 기술로 주목받고 있다. 전기자동차, 자율주행, 스마트 팩토리나 스마트 그리드 시스템과 같은 복잡한 구조를 가진 시스템들은 4차 산업혁명의 핵심 기술 분야로 간주되고 있으며, 이를 개발하기 위해 많은 연구가 이루어지고 있다. 하지만 시스템 구성요소들의 복잡한 연결은 개발을 어렵게 하고, 개발의 신뢰성을 보장하기 쉽지 않다. 시스템의 신뢰성은 자율주행자동차 경우 사람의 안전 직결되며 실제 자동차의 하드웨어와 ADAS의 소프트웨어의 연결된 검증이 필수적이다. 본 논문에서는 복잡한 하이브리드 시스템의 신뢰성 있는 검증을 위해 HILS를 지원하는 분산 시뮬레이션 미들웨어를 제안한다.

• 한국전자통신학회논문지
• /
• 제16권4호
• /
• pp.699-708
• /
• 2021

본 논문에서는 2개의 비전 센서와 딥 러닝을 이용한 자율주행 차량의 속도제어 알고리즘을 제시하였다. 비전 센서 A로부터 제공되는 도로 속도 표지판 영상에 딥 러닝 프로그램인 텐서플로우를 이용하여 속도 표지를 인식한 후, 자동차가 인식된 속도를 따르도록 하는 자동차 속도 제어 알고리즘을 제시하였다. 동시에 비전 센서 B부터 전송되는 도로 영상을 실시간으로 분석하여 차선을 검출하고 조향 각을 계산하며 PWM 제어를 통해 전륜 차축을 제어, 차량이 차선을 추적하도록 하는 조향 각 제어 알고리즘을 개발하였다. 제안된 조향 각 및 속도 제어 알고리즘의 유효성을 검증하기 위해서 파이썬 언어, 라즈베리 파이 및 Open CV를 기반으로 하는 자동차 시작품을 제작하였다. 또한, 시험 제작한 트랙에서 조향 및 속도 제어에 관한 시나리오를 검증함으로써 정확성을 확인할 수 있었다.

• 정보보호학회논문지
• /
• 제31권3호
• /
• pp.411-422
• /
• 2021

무인이동체에 탑재되는 자율주행 시스템은 여러 센서를 통해 외부 환경을 인식하고 이를 통해 최적의 제어값을 도출한다. 무인이동체의 자율주행 시스템은 최근들어 사이버공격의 타겟이 되고 있다. 예를 들어, 무인이동체의 센서를 대상으로 신호오류 주입공격을 수행함으로써 센서 데이터를 악의적으로 조작하는 PHY 레벨 (Physical level) 공격과 관련한 연구 결과들이 발표되고 있다. PHY 레벨에서 수행되는 신호오류 주입공격은 주변 환경에 물리적 조작을 가하여 센서가 잘못된 데이터를 측정하게 하므로 소프트웨어 레벨에서 공격을 탐지하기 어렵다는 특징을 갖고 있다. 신호오류 주입공격을 탐지하기 위해서는 센서가 측정하는 데이터의 신뢰성을 검증하는 과정이 필요하다. 현재까지 자율주행 시스템에 탑재되는 센서들을 대상으로 PHY 레벨 공격을 시도하는 다양한 방법이 제시되었으나 이를 탐지하고 방어하는 연구는 아직까지는 부족한 상황이다. 본 논문에서는 무인이동체 환경에서 널리 쓰이고 있는 MEMS 방식의 센서를 대상으로 신호오류 주입공격을 재연하고, 이러한 공격을 탐지하는 방법을 제안한다. 제안하는 방법의 정확도를 분석하기 위해서 신호오류 주입 탐지 모델을 구축하였으며, 실험실 환경에서 유효성을 검증하였다.

• 한국산업정보학회논문지
• /
• 제26권4호
• /
• pp.11-18
• /
• 2021

강화 학습을 통한 실내 자율주행을 위해 가상 환경과 실제 환경에서 학습을 병행하는 방법을 제안한다. 실제 환경에서만 학습을 진행했을 경우 80시간 정도의 소요 시간이 필요하지만, 실제 환경과 가상 환경을 병행하며 학습을 진행했을 경우 50시간의 소요 시간이 필요하다. 가상 환경과 실제 환경에서 학습을 병행하면서 빠른 학습으로 다양한 실험을 거쳐 최적화된 파라미터를 얻을 수 있는 이점이 있다. 실내복도 이미지를 이용하여 가상 환경을 구성한 후 데스크톱으로 선행학습을 진행하였고 실제 환경에서의 학습은 Jetson Xavier를 기반으로 다양한 센서와 연결하여 학습을 진행하였다. 또한, 실내복도 환경의 반복되는 텍스처에 따른 정확도 문제를 해결하기 위해 복도 벽의 아랫선을 강조하는 특징점 검출을 학습하여 복도 벽 객체를 판단하고 정확도를 높일 수 있었다. 학습을 진행할수록 실험 차량은 실내복도 환경에서 복도 중앙을 기준으로 주행하며 평균 70회의 조향명령을 통해 움직인다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2021년도 추계학술대회
• /
• pp.603-605
• /
• 2021

자동차의 전장화와 실내 서비스 제공 로봇 등의 산업화로 자율주행에 대한 연구가 활발히 진행되고 있다. 일반적으로 주변이 넓은 외부의 경우 주로 GPS나 라이다, 비전을 통해 위치를 인식하고, 실내에서는 WiFi, UWB(Ultra-Wide Band), VLP등의 기술로 위치 측위를 수행한다. 본 논문에서는 실내 환경에서 서로 다른 색온도를 가진 LED 조명을 이용한 자기 위치 측위에 대한 시스템을 소개한다. 터널과 같은 모의 실험 환경에서 LED 조명을 설치 한 후, 위치에 따른 색도값의 분석을 통해 현재 위치에 대한 정보를 얻을 수 있음을 보였다. 이를 통해 차량의 터널 내 위치, 창고나 공장과 같은 실내에서 기기의 움직임에 대한 정보를 얻을 수 있을 것으로 기대한다.

• 제어로봇시스템학회논문지
• /
• 제18권6호
• /
• pp.584-593
• /
• 2012

This paper introduces an AVP (Automated Valet Parking) system which applies an autonomous driving concept into the current PAS (Parking Assistant System). The present commercial PAS technology is limited into vehicle. It means vehicle only senses and controls by and for itself to assist the parking. Therefore, the present PAS is restricted to simple parking events. But AVP includes wider parking events and planning because it uses infra-sensor network as well as vehicle sensor. For the realization of AVP, the commercial steering system of a compact vehicle was modified into steer-by-wire structure and various sensors like LRF (Long Range Finder) and camera were installed in a parking area. And local & global server decides where and when the vehicle can go and park in the testing area after recognized the status of environment and vehicle from those sensors. GPS solution was used to validate the AVP performance. More various parking situations, vehicles and obstacles will be considered in the next research stages based on these results. And we expect this AVP solution with more intelligent vehicles can be applied in a big parking lot like a market, an amusement park, etc.

• 한국ITS학회 논문지
• /
• 제19권5호
• /
• pp.162-177
• /
• 2020

자율주행시스템에서 다양한 센서를 기반으로 한 외부환경 인지는 주행안전성과 직접적인 관계가 있다. 최근 머신러닝/심층 신경망 기술의 발전으로 심층 신경망 기반의 인지 모델이 사용됨에 따라, 인지 알고리즘의 올바른 학습과 이를 위한 양질의 학습데이터가 필수적으로 요구된다. 그러나 자율주행에 발생할 수 있는 모든 상황을 데이터를 수집하는 것은 현실적인 어려움이 많다. 해외와 국내의 교통 환경의 차이로 인지 모델의 성능이 저하되기도 하며, 센서가 정상동작을 못하는 악천우에 대한 데이터는 수집이 어려우며 질적인 부분을 보장하지 못한다. 때문에, 실제 도로가 아닌 시뮬레이터 내 가상 도로 환경을 구축하여 합성 데이터를 수집하는 접근법이 필요하다. 본 논문에서는 국내 실정에 맞게 국내 도로 상황을 모사한 시뮬레이터 환경 안에 날씨와 조도, 차량의 종류와 대수, 센서의 위치를 다양화하여 학습데이터를 수집하였고, 보다 더 좋은 성능을 위해 적대적 생성 모델을 활용하여 이미지의 도메인을 보다 실사에 가깝게 바꾸고 다양화 하였다. 그리고 위 데이터로 학습한 인지 모델을 실제 도로 환경에서 수집한 시험 데이터에 성능 평가를 진행하여, 실제 환경 데이터만으로 학습한 모델과 비슷한 성능을 내는 것을 보였다.

• 한국측량학회지
• /
• 제35권3호
• /
• pp.133-144
• /
• 2017

최근 기상정보는 우리 실생활에 더욱 밀접해지고 있으며, 특히 교통분야에는 매우 중요한 요소로 작용하고 있다. 전 세계적으로 기상이변에 따른 교통분야의 피해는 점차 증가하고 있지만, 기상상태에 따른 도로 위험정도, 교통사고 발생가능성 등 상관관계가 매우 높을 것으로 추정됨에도 불구하고 교통예보서비스, 교통안전정보 제공 등 국내 연구는 기초연구 수준에 진행되고 있다. 본 연구는 기상인자별 사고분석 자료를 기반으로 실시간 기상정보와 교통정보를 연계하여 기상상황별 도로위험 예보서비스를 위한 위험지도 개발을 연구목적으로 하고 있다. 이를 위해 관련자료 수집 및 분석, 자료가공, 기상상태별 예측모형을 적용, 웹 지도상에서 전국고속도로를 대상으로 기상상태별도로 위험지도를 제공하는 방안을 개발하였다. 그 결과 본 연구에서 개발한 도로 위험지도는 향후 온라인, 모바일 서비스 등 도로 관리자, 사용자에게 유용하게 활용할 수 있을 것으로 기대할 수 있다. 또한, 제4차 산업혁명의 핵심 키워드인 자율주행자동차 운행에 있어 기상요소에 따른 위험도를 예측하고 선제적으로 대비할 수 있도록 위험지도 DB를 지속적으로 아카이빙하고 제공하여 보다 안전한 자율주행을 지원할 수 있는 정보로써 활용할 수 있을 것으로 판단된다.

• 한국ITS학회 논문지
• /
• 제21권2호
• /
• pp.62-73
• /
• 2022

각국의 자율주행시스템 기술개발 경쟁이 심화함에 따라 정부도 자율주행시스템의 시장 진입을 전방위에서 지원하고 있다. SAE(Society of Automotive Engineers) 3단계 기술은 운전자가 위험 상황을 회피해야 하고, 4단계 기술은 자율주행시스템 스스로 위험 상황에 대응할 수 있어야 한다. 이에 따라, 공공부문은 도로 위험 상황을 모니터링하고, 도로 인프라 정보를 운전자와 자율주행시스템에 제공하여 대응할 수 있도록 지원할 필요가 있다. 본 연구는 도로 인프라 위험 요소를 자율주행시스템의 ODD(Operational Design Domain) 특성에 따라 모니터링 대상별 위험 요소를 세분화하고, 각 위험 요소가 차량에 미칠 영향에 따른 위험도 등급화 및 평가 방안을 제시하였다. 위험 상황 발생 시 자율주행차의 운행 특성을 시뮬레이션하고, 위험 요인 특성과 물리적인 차량 조건 사이의 영향 관계를 파악하여 등급화함으로써 위험도를 평가할 수 있다. 또한 수집된 모니터링 정보는 관리 센터와 공유하고, 요소별 특성에 따른 노드 혹은 링크 형태로 정밀지도에 표출하여 위치정보와 위험도 등급 등 종합적 관리가 가능한 모니터링 체계를 정립할 것을 제안하였다.