어텐션 기반 합성곱 신경망을 이용한 교통약자에 대한 충돌 예측 알고리즘
Collision Prediction for Vulnerable Road Users Based on Attention-based Convolution Neural Network
- 주제(키워드) Autonomous Vehicle , CNN , Collision Prediction
- 발행기관 아주대학교 일반대학원
- 지도교수 송봉섭
- 발행년도 2025
- 학위수여년월 2025. 8
- 학위명 석사
- 학과 및 전공 일반대학원 D.N.A.플러스융합학과
- 실제URI http://www.dcollection.net/handler/ajou/000000035229
- 본문언어 한국어
- 저작권 아주대학교 논문은 저작권에 의해 보호받습니다.
초록/요약
본 논문에서는 자율주행 차량의 운용안전 개념을 적용하여 교통약자(Vulnerable Road Users, VRU)와의 충돌 예측을 위한 Convolution Neural Network(CNN)과 attention 구조 기반의 모델을 비교 분석하고, 교통약자와의 충돌 가능성을 보다 정확히 예측하는 것을 목표로 한다. 또한 규칙 기반 후처리를 통해 예측 성능 향상 방안을 체계적으로 고찰하였다. 두 가지 모델 구조를 살펴보면, CNN 기반 모델은 단순한 Convolution 및 Pooling 계층으로 구성된 baseline 구조이며, attention 기반 CNN 모델은 CNN backbone 위에 4개 영역 분할 및 soft attention 기법을 적용하여, 중요한 영역에 가중치를 부여하는 구조이다. 제안된 구조들은 사전 학습된 BEV(Bird’s Eye View) 이미지 입력에 대해 충돌 모드(Collision Mode)를 분류하게 된다. 해당 이미지는 자차 위치, 속도, 진행 방향, 주변 차량 및 교통약자 위치, 속도, 진행방향, 차선 및 도로 구조 정보 등을 반영하여 RGB 채널로 구성하여 학습 및 검증에 이용된다. 이후, 모델의 강인성과 신뢰성을 높이기 위해, 이중 임계값(double threshold) 기반 통계 검정 방법을 적용하여 예측 결과를 최종 판단한다. 이 방법은 예측 성능과 오판단 사이의 trade-off 를 효과적으로 조절할 수 있는 전략으로 작용한다. 제안된 후처리 구조를 통해 자율주행 차량의 비정형 상황 대응에 있어 안전성 향상과 견고한 예측 기반을 제공할 수 있을 것으로 기대된다.
more목차
1. 서론 1
1.1 연구 배경 1
1.2 연구 동향 5
1.3 문제 정의 7
2. 교통약자 충돌 예측 시스템 구성 13
2.1 개발 프로세서 13
2.2 시스템 아키텍처 및 논문구성 16
3. 시나리오 기반 데이터셋 생성 19
3.1 시나리오 데이터베이스 구성 19
3.2 시나리오 카탈로그 선정 24
3.3 시스템 및 데이터셋 요구사항 27
4. 교통약자 충돌 예측 네트워크 설계 37
4.1 입력 및 출력 정의 37
4.2 네트워크 아키텍처 44
5. 교통약자 충돌 예측 시스템 49
5.1 충돌 예측 후처리 알고리즘 적용 49
5.2 검증 및 평가 51
6. 결론 59
7. 참고문헌 61
