검색 상세

위험도와 합성곱 신경망 및 트랜스포머를 통합한 차량 충돌 예측 알고리즘 개발

Vehicle Collision Prediction Integrating Threat Assessment with Convolutional Neural Network and Transformer

  • 이성우 (아주대학교 일반대학원)

초록/요약

본 논문에서는 충돌 예측 알고리즘 개발을 위한 주변 환경 인식 알고리즘과 충돌 예측 알고리즘을 제안한다. 먼저 주변 환경 인식을 위해서 전방 레이더, 측방 레이더, 전방 비전 센서를 융합하는 방법을 제시한다. 융합 트랙 중 자차량 주변의 차량을 종, 횡방향으로 구분하여 인식하였다. 인식된 차량에 해당하는 융합 트랙은 차량간 충돌 예측 알고리즘에 이용된다. 다음으로 물리 기반 접근방법과 데이터 기반 접근 방법이 통합된 차량 간 충돌 예측 알고리즘을 제안한다. 합성곱 신경망(Convolutional Neural Network, CNN)의 입력 이미지를 생성하는 추상화 단계에서 물리 기반 위험도, 궤적 예측 알고리즘을 반영함으로써 물리 기반 접근방법과 데이터 기반 접근 방법의 장점을 모두 승계하며 충돌 유무 뿐만 아니라 충돌이 예측될 경우 자차량에 충돌하는 부위를 출력한다. 마지막으로 시계열 데이터 처리가 가능한 네트워크 중 트랜스포머를 사용한 차량 간 충돌 예측 알고리즘을 제안한다. CNN 기반 충돌 예측 알고리즘의 경우 주변 차량의 대수가 증가할수록 추상화 이미지를 생성하는 연산 시간이 비례적으로 증가하게 된다. 이러한 연산 시간 문제를 완화하기 위해 주변 차량에 대한 정보를 결합하여 병렬 연산이 가능한 트랜스포머 네트워크를 사용하여 충돌을 예측하는 방법이 제안된다. 제안된 알고리즘 설계를 통해 충돌 예측 시스템의 성능 향상을 기대할 수 있으며 자율주행차량의 안전성 향상에 기여할 수 있을 것으로 기대된다.

more

목차

1. 서론 1
1.1 연구 배경 1
1.2 연구의 구성 4
2. 주행 환경 인지를 위한 센서 융합 7
2.1 연구 배경 7
2.2 문제 정의 9
2.3 센서 융합 및 차량 인식 13
2.3.1 센서 구성 14
2.3.2 동적 모델과 측정 모델 16
2.3.3 융합 18
2.3.4 추적 29
2.3.5 트랙 관리 31
2.3.6 차량 인식 32
2.4 검증 34
2.5 결론 39
3. 모델 기반 접근 방법과 합성곱 신경망을 통합한 차량 충돌 예측 40
3.1 연구 배경 40
3.2 문제 정의 44
3.3 통합적 접근 방법을 이용한 차량 충돌 모드 예측 46
3.3.1 추상화 48
3.3.2 충돌 모드 분류 및 판단 57
3.4 시나리오 기반 학습 62
3.4.1 프리-크래시 시나리오 데이터베이스 62
3.4.2 능동 학습 71
3.4.3 학습 세트 분석 74
3.5 검증 및 평가 77
3.6 결론 95
4. 트랜스포머의 병렬 연산 기반 다수의 주변 차량에 대한 충돌 예측 96
4.1 연구 배경 96
4.2 문제 정의 100
4.3 다수의 주변 차량에 대한 충돌 예측 103
4.3.1 입력과 출력 특징 103
4.3.2 입출력 데이터의 길이 105
4.3.3 네트워크 아키텍처 106
4.4 검증 및 평가 112
4.4.1 프리-크래시 시나리오 데이터베이스 114
4.4.2 평가 117
4.5 결론 129
5. 결론 130
참고 문헌 132

more
반출 Meta View 목록