검색 상세

자율주행 실운행 로그 데이터를 활용한 자율주행차량 악의환경 분석

Analysis of Adverse Road Environments for Autonomous Vehicles Using Real-World Driving Log Data

  • 백지영 (아주대학교 교통·모빌리티대학원)

초록/요약

본 연구는 실운행 로그로부터 구축한 돌발상황 이벤트 데이터를 활용하고 도심 도로환경에서 돌발상황 이벤트가 반복적으로 나타나는 구조적 조건을 정량적으로 규명하였다. 이벤트 단위의 데이터셋을 도로 기하·운영·기상 변수와 결합하여 총 538건을 분석하였고 이 중 약 95% 공간 매칭을 완료하였다. 방법론은 K-means++ 군집화와 노출 대비 상대위험도(𝑅ᵢ), 제한속도와 곡률의 상호작용을 결합한 복합위험도(𝐶𝑅ᵢ)를 병행하였다. 분석 결과, 돌발상황 이벤트는 속도–곡률–시정(조도)를 결합했을 때 비선형적으로 증가하였다. 군집 결과 4개 환경 유형이 도출되었으며 그중 야간·고속·고곡률 조건(터널 진입부, 고가 진출입로 등)은 표본 비중이 약 6.7%임에도 불구하고 상대위험도 5.03, 복합위험도 𝐶𝑅=0.6785로 고위험 수준을 보였다. 통계 검정과 변수 중요도 분석에 따르면 제한속도·곡률(또는 곡률반경의 역수)·차로 수가 핵심 결정요인으로 확인되었고 야간(시정 저하)은 고속·고곡률과 결합시 위험을 유의하게 가중하였다. 본 연구는 사고 통계 중심 접근을 보완하여 돌발상황 이벤트를 사전 위험 신호로 정식화하고 환경 복잡성과의 연계를 실도로 데이터로 정량화하였다. 실무적으로는 인지 가중 보정, 시인성 개선, 노면 정비, 조명 보강 등 우선순위 기반 개선 전략을 제시할 수 있다. 다만, 익명화로 인한 지도 시각화 생략, 상세 속도 등 제약이 존재한다. 향후에는 라이다–레이더–가시/열화상 카메라 융합과 협력인지(Cooperative Perception), RSU·신호기·스마트폴 등 C-ITS 인프라(V2I/V2X) 연계를 통해 가시성·곡률·운영상태 정보를 실시간 공유하고, 속도·차간거리·경로 선택을 협조적으로 조정하는 도로 환경 자율협력주행 체계를 고도화할 필요가 있다.

more

목차

제1장 서론 1
제1절 연구의 배경 및 목적 1
제2절 연구의 범위 및 내용 4
제3절 연구의 수행과정 6
제2장 관련 이론 및 선행연구 고찰 8
제1절 관련 이론 고찰 8
제2절 선행연구 고찰 14
제3절 소결 18
제3장 데이터 기초 분석 및 연구 방법론 선정 19
제1절 데이터 수집 및 기초 통계 분석 19
제2절 돌발상황 이벤트 판정 기준 및 처리 과정 23
제3절 도로 환경변수 결합 27
제4절 돌발상황 이벤트 위험도 산정 및 클러스터링 방법론 31
제5절 소결 38
제4장 결과 및 해석 39
제1절 군집별 공간 분포 및 발생 특성 39
제2절 환경 요인별 위험도 비교 41
제3절 통계적 유의성 검정 및 변수 상관 해석 43
제4절 고위험 도로환경 유형 도출 및 시사점 46
제5장 결론 50
참 고 문 헌 56

more
반출 Meta View 목록