Autonomous driving is no longer atechnology of the future since the development of autonomous vehicles has now been realized, and many technologies have already been developed for the convenience of drivers. For example, autonomous vehicles are one of the most important drive assistant systems. Among these many drive assistant systems, Cruise Control Systems are now a typical technology. This system constantly maintains a vehicle's speed and distance from a vehicle in front by using Radar or LiDAR sensors in real time. Cruise Control Systems do not only serve their original role, but also fulfill another role as a 'Driving Safety' measure as they can detect a situation that a driver did not predict and can intervene by assuming a vehicle's longitude control. However, these systems have the limitation of only focusing on driver safety. Therefore, in this paper, an Intelligent Cruise Control System that utilizes the path planning method and GIS is proposed to overcome some existing limitations.
International Journal of Control, Automation, and Systems
/
제2권3호
/
pp.374-383
/
2004
This paper presents a neural network adaptive controller for autonomous diving control of an autonomous underwater vehicle (AUV) using adaptive backstepping method. In general, the dynamics of underwater robotics vehicles (URVs) are highly nonlinear and the hydrodynamic coefficients of vehicles are difficult to be accurately determined a priori because of variations of these coefficients with different operating conditions. In this paper, the smooth unknown dynamics of a vehicle is approximated by a neural network, and the remaining unstructured uncertainties, such as disturbances and unmodeled dynamics, are assumed to be unbounded, although they still satisfy certain growth conditions characterized by 'bounding functions' composed of known functions multiplied by unknown constants. Under certain relaxed assumptions pertaining to the control gain functions, the proposed control scheme can guarantee that all the signals in the closed-loop system satisfy to be uniformly ultimately bounded (UUB). Simulation studies are included to illustrate the effectiveness of the proposed control scheme, and some practical features of the control laws are also discussed.
This paper presents a RLS based adaptive sliding mode observer (A-SMO) for unknown fault reconstruction in longitudinal autonomous driving. Securing the functional safety of autonomous vehicles from unexpected faults of sensors is essential for avoidance of fatal accidents. Because the magnitude and type of the faults cannot be known exactly, the RLS based A-SMO for unknown acceleration fault reconstruction has been designed with relationship function in this study. It is assumed that longitudinal acceleration of preceding vehicle can be obtained by using the V2V (Vehicle to Vehicle) communication. The kinematic model that represents relative relation between subject and preceding vehicles has been used for fault reconstruction. In order to reconstruct fault signal in acceleration, the magnitude of the injection term has been adjusted by adaptation rule designed based on MIT rule. The proposed A-SMO in this study was developed in Matlab/Simulink environment. Performance evaluation has been conducted using the commercial software (CarMaker) with car-following scenario and evaluation results show that maximum reconstruction error ratios exist within range of ±10%.
For the commercialization and standardization of autonomous vehicles, demand for rigorous safety criteria has been increased over the world. In Korea, the number of extraordinary service permission for automated vehicles has risen since Hyundai Motor Company got its initial license in March 2016. Nevertheless, licensing standards and evaluation factors are still insufficient for operating on public roadways. To assure driving safety, it is significant to verify whether or not the vehicle's decision is similar to human driving. This paper validates the safety of the autonomous vehicle by drawing scenario-based comparisons between manual driving and autonomous driving. In consideration of real traffic situations and safety priority, seven scenarios were chosen and classified into basic and advanced scenarios. All scenarios and safety factors are constructed based on existing ADAS requirements and investigated via a computer simulation and actual experiment. The input data was collected by an experimental vehicle test on the SNU FMTC test track located at Siheung. Then the offline simulation was conducted to verify the output was appropriate and comparable to the manual driving data.
Journal of information and communication convergence engineering
/
제21권4호
/
pp.346-350
/
2023
Trajectory prediction is an essential element for driving autonomous vehicles, and various trajectory prediction models have emerged with the development of deep learning technology. Convolutional neural network (CNN) is the most commonly used neural network architecture for extracting the features of visual images, and the latest models exhibit high performances. This study was conducted to identify an efficient CNN backbone model among the components of deep learning models for trajectory prediction. We changed the existing CNN backbone network of multiple-trajectory prediction models used as feature extractors to various state-of-the-art CNN models. The experiment was conducted using nuScenes, which is a dataset used for the development of autonomous vehicles. The results of each model were compared using frequently used evaluation metrics for trajectory prediction. Analyzing the impact of the backbone can improve the performance of the trajectory prediction task. Investigating the influence of the backbone on multiple deep learning models can be a future challenge.
본 연구는 자율주행차 보안 강화를 목적으로 자율주행차 특징, 보안 위협, 국내외 컴플라이언스 등 자율주행차 보안 관련 현황 분석을 통해 보안 수준 점검 항목을 도출하였고 이를 토대로 AHP 모형에 적용하여 상대적 중요도를 확인하였다. 실증 분석 결과 사이버보안 관리체계 수립·이행, 암호화, 위험평가 등의 순으로 중요도 우선 순위가 나타났다. 본 연구의 의의는 자율주행차관련 보안 수준 점검 항목을 도출하고 연구 모형을 실증함으로써 인명 피해까지 초래할 수 있는 사이버 보안 사고 감소 및 관련 기업들의 자율주행차 보안 관리 수준을 향상시킬 수 있다. 그리고 자율주행차 점검 항목의 상대적 중요도를 고려하여 점검을 수행한다면 보안 수준을 조기에 식별할 수 있을 것이다.
4차 산업혁명의 도래로 정밀도로지도는 미래형자동차, 물류, 로봇 등의 분야에서 자율주행의 위치결정을 위한 핵심 인프라로 자리잡고 있다. 특히, 자율주행자동차는 자기위치 결정뿐만 아니라 LiDAR, GNSS, Radar, 스테레오카메라 등 다양한 센서에서 감지하는 대상체의 정확한 위치결정을 위하여 정밀도로지도의 의존도가 더욱 증대되고 있는 실정이다. 현재 자율주행 및 C-ITS 기술이 현실화됨에 따라 정밀도로지도의 정밀한 위치정보에 대한 요구가 증가하고 있으며, 각종 변화정보의 감지 및 실시간 정보 융합에 따른 새로운 정밀지도 생성 기술 요구도 함께 증가하고 있다. 따라서 본 연구에서는 정밀도로지도와 관련된 국내·외 표준 및 관련된 제반 환경의 동향을 분석하고, 이를 기반으로 현재 정밀도로지도를 구축하는 기관별로 표준 정밀도로지도와 비교하여 활용성을 연구하였다. 또한 추가적으로 표준 정밀도로지도에 대하여 실제 자율주행자동차에 적용하기 위한 정밀도로지도를 재가공하여 활용성을 연구하였다. 연구 결과 표준 정밀도로지도는 항법레이어 구축과 교통안전시설의 재가공이 필요하나 다양한 기관이 유용하게 활용할 수 있도록 구축되어 있음을 확인하였다. 향후 본 연구에서 제시한 결과를 기반으로 자율주행 협력모델에서 기관별 레이어 분류와 정의 등에 대하여 추가적인 연구가 진행된다면 보다 효율적인 정밀도로지도 및 도로 주변 공간정보가 구축 및 갱신이 이루어질 것으로 기대된다.
현재 자율주행 차량 시장은 3레벨 자율주행 차량의 상용화를 넘어 4레벨 자율주행 차량을 연구, 개발하고 있다. 4레벨 자율주행 차량에서 가장 주목되는 부분은 차량의 안정성이다. 3레벨과 다르게 4레벨의 자율주행 차량은 긴급상황을 차량이 직접 대처해야 하기 때문이다. 본 논문에서는 긴급상황에서의 즉각적인 반응보다는 차량의 목적지가 정해진 순간 사고 가능성이 가장 낮은 경로를 결정하는 Optimized Vehicle Routing System (OVRS)을 제안한다. OVRS는 RSU 통신으로 수집한 도로와 주변 차량 정보를 분석하여 도로의 위험성을 예측하여 주행 중인 차량이 더 안전하고 빠른 길로 주행할 수 있도록 경로를 설정한다. OVRS는 네트워크 라우팅 방식처럼 도로에 있는 RSU를 통하여 도로 상황에 따른 경로 안내를 실행하기 때문에 차량의 안정성을 더욱 높일 수 있다. 실험 결과, OVRS모듈 중 하나인 ASICM의 RPNN은 CNN보다 약 17%, LSTM보다 약 40% 더 좋은 연산 시간을 보였다. 그러나 해당 연구가 PC를 이용한 가상환경에서 실행되었기 때문에, VPDM의 사고 가능성을 실제로 검증하지 못했다. 따라서 향후 사고 데이터 수집으로 인한 VPDM의 정확도 높은 실험과 실제 차량 및 RSU에서 실제 도로를 대상으로 한 실험이 진행되어야 한다.
자율주행 차량의 개발은 현재 각종 기업체와 연구소에서 활발하게 이뤄지고 있다. 특정 산업뿐만 아니라 일상생활 속 상용화에 대한 기대감 역시 높아진 상태이다. 자율주행 차량을 위한 시뮬레이터는 안정성 및 비용을 고려했을 때, 알고리즘 개발 및 수행에 있어서 필수 요소이다. 이러한 필요 속에서 다양한 시뮬레이터 및 시뮬레이터용 플랫폼들이 등장하고 있지만, 현실 세계의 다양한 기상 환경 요소를 반영한 시뮬레이션에 대한 연구는 아직 미흡한 편이다. 본 논문은 기상 환경을 고려할 수 있는 자율주행 차량용 교통 시뮬레이션을 제안하였다. 설정할 수 있는 기상 환경을 크게 4가지로 분류하였고, 이를 적용할 수 있는 개선된 충돌 방지 알고리즘을 제시한다. 시뮬레이션 개발은 자율주행을 위한 개발 도구 CARLA의 Python API를 통해 이루어졌고, 기존 충돌 알고리즘과의 수행 결과를 비교하였다. 이를 통해 실생활의 다양한 기상 환경 요소를 반영할 수 있는 고도화된 자율주행 차량용 시뮬레이션 개발을 위한 개선점을 제안하고자 하였다.
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.