자율주행 운행 데이터 기반 위험운전행동 및 위험도로구간 예측 모델링 : 심층 비지도 패턴 군집화 적용
Unsupervised Deep Pattern Clustering for Risk Prediction in Driving Behaviors and Road Segments via Autonomous Vehicle Data
- 주제(키워드) 자율주행차 , 운행패턴 군집화 , 위험운전행동 탐지 , 도로구간 위험도 , 비지도 학습 , Transformer , 도로 기하구조
- 발행기관 아주대학교 일반대학원
- 지도교수 소재현
- 발행년도 2026
- 학위수여년월 2026. 2
- 학위명 박사
- 학과 및 전공 일반대학원 D.N.A.플러스융합학과
- 실제URI http://www.dcollection.net/handler/ajou/000000036019
- 본문언어 한국어
- 저작권 아주대학교 논문은 저작권에 의해 보호받습니다.
초록/요약
본 연구는 사고 이력 데이터가 희소한 자율주행 환경에서 잠재적 위험을 선제적으로 식별하기 위해 ‘운행패턴 군집화-위험운전행동 탐지-도로구간 위험도 산출’을 연계한 계층적 통합 분석 방법론을 개발하고 실증하였다. 기존의 단일 임계치 기반 위험 정의가 갖는 경직성을 극복하기 위해, 본 연구는 주행 맥락에 따른 상대적 이탈을 포착하는 데이터 중심의 비지도 학습 접근법을 제안하였다. 연구의 핵심 방법론은 다음과 같다. 첫째, 10Hz 고해상도 차량 센서 데이터와 정밀도로지도(HD Map)를 결합하여 시계열 윈도우 기반의 정제된 데이터셋을 구축하였다. 둘째, Transformer Encoder와 DEC(Deep Embedded Clustering)를 결합하여 자율운행차의 주요 운행패턴을 5가지 주행 문맥으로 구조화하였다. 셋째, 잠재 거리 및 분포 경계를 동시에 고려하는 보수적 기준의 이상치 탐지 알고리즘을 설계하여 위험 판단의 신뢰도를 확보하였다. 넷째, 탐지한 위험운전행동을 도로구간 단위로 가중 집계하여 위험도 지도를 생성하고, XGBoost 및 SHAP 분석을 통해 위험도 형성에 미치는 기하 구조적 영향력을 정량적으로 규명하였다. 실증 분석 결과, 제안 모델은 비선형 시계열 패턴 변별력과 공간적 일관성에서 전통적 알고리즘 대비 우수성을 입증하였다. 특히 도로구간의 연장이 길고 곡선반경 및 경사가 급한 구간에서 위험도가 상승하는 경향이 정량적으로 확인되었다. 본 연구는 자율주행 안전 분석을 사후 대응에서 사전적 예방 체계로 전환한 학술적 의의가 있으며, 향후 관제 임계값 수립 및 자율주행 친화적 인프라 설계를 위한 실무적 의사결정 도구로 활용될 것으로 기대된다. 주제어: 자율주행차, 운행패턴 군집화, 위험운전행동 탐지, 도로구간 위험도, 비지도 학습, Transformer, 도로 기하구조
more목차
제1장 서론 1
제1절 연구의 배경 및 목적 1
제2절 연구의 방법 및 범위 4
제3절 연구의 기대효과 7
1. 자율주행 관제 및 도로 안전관리 고도화 7
2. 데이터 기반 교통정책 의사결정 지원 8
3. 연구의 학술적·기술적 기여 8
제2장 선행연구 고찰 9
제1절 자율주행 운행데이터 활용 연구 9
제2절 자율주행차 운행패턴 및 행태 분석 연구 13
제3절 위험운전행동 탐지 및 이상 탐지 모델 연구 16
제4절 도로구간 위험도 산출 및 공간 분석 연구 19
제5절 기존 연구의 한계 및 본 연구의 차별성 22
제3장 연구 방법론 및 분석 프레임워크 26
제1절 연구 방법론 개요 26
제2절 데이터 개요 및 전처리 프로세스 30
1. 자율주행버스 운행 개요 30
2. 데이터 구성 및 변수 정의 32
3. 변수 생성 및 데이터 전처리 35
제3절 주행 문맥 정의를 위한 군집화 모델 42
1. 운행패턴 군집화 모델 개요 42
2. 운행패턴 군집화 모델 설계 43
제4절 군집화 기반 위험운전행동 탐지 프로세스 48
1. 문맥 기반 위험운전행동 정의 48
2. 위험운전행동 판별 기준 구성 49
3. 위험운전행동 기준 정의 51
제5절 도로구간 위험도 산출 및 요인 분석 방법 53
1. 위험운전행동의 도로구간 귀속 원칙 53
2. 도로구간 위험도 지표 정의 54
3. 도로구간 위험도 등급화 기준 55
4. 도로구간 위험 요인 분석 방법 56
제4장 실증 분석 및 결과 58
제1절 분석 데이터 개요 및 기초 통계 58
1. 실증 분석 데이터 개요 58
2. 주행 데이터의 기초 통계 특성 58
제2절 운행패턴 군집화 및 주행 문맥 도출 결과 61
1. Transformer–DEC 기반 운행패턴 군집화 모델 구축 62
2. 하이퍼파라미터 설정 63
3. 모델 학습 결과 65
4. 학습 결과 분석 및 시사점 68
제3절 위험운전행동 탐지 성능 평가 76
1. 위험운전행동 탐지 결과 개요 76
2. 이상치 선정 방안 비교 결과 77
3. 이상 탐지 알고리즘 비교 결과 79
4. 클러스터별 운전행동 시계열 특성 비교 84
5. 위험운전행동 탐지 결과 해석 95
제4절 도로구간 위험도 및 구조적 요인 분석 96
1. 도로구간별 빈도 산출 96
2. 클러스터 기반 도로구간 위험도 특성 98
3. 도로 기하요인 기반 결과 해석 101
4. 도로구간 위험도 예측 및 결과 분석 105
제5절 실증 분석 결과의 종합적 해석 110
1. 운행패턴–위험운전행동–도로구간 위험도의 연계 해석 110
2. 도로구간 위험도 지도와 구조적 요인 분석 110
3. 실증 분석 결과의 종합적 고찰 111
제5장 연구의 정책적 활용 가능성 및 시사점 112
제1절 분석 방법론의 정책적 의의 112
제2절 관제 및 도로 안전관리 활용 측면 114
제3절 도로 인프라 개선 측면 116
제6장 결론 118
제1절 결론 및 시사점 118
제2절 연구의 한계 및 향후 연구 120
참 고 문 헌 123
부 록 131
Abstract 161
