비신호 교차로에서의 안전성 평가 기반 궤적 예측 알고리즘에 대한 대조 학습 응용 연구
An Application Study of Contrastive Learning for Trajectory Prediction Based on Safety Assessment at Unsignalized Intersections
- 주제(키워드) 궤적 예측 , 자율주행 , 안전성 평가
- 발행기관 아주대학교 일반대학원
- 지도교수 송봉섭
- 발행년도 2026
- 학위수여년월 2026. 2
- 학위명 석사
- 학과 및 전공 일반대학원 D.N.A.플러스융합학과
- 실제URI http://www.dcollection.net/handler/ajou/000000036114
- 본문언어 한국어
- 저작권 아주대학교 논문은 저작권에 의해 보호받습니다.
초록/요약
본 연구에서는 화성시 실도로에서 수집된 라이다 인프라 데이터를 활용하 여, 실제 인프라 가이던스 서비스 환경에서의 안전성 향상을 목표로 딥러닝 기 반 궤적 예측 알고리즘을 위한 새로운 학습 및 분석 방법을 제안한다. 실도로 주행 환경에서는 센서 노이즈 및 비정형적 교통 시나리오로 인해 예측 네트워 크의 안정적인 성능 유지가 어렵고, 이러한 예측 불안정성은 서비스 관점에서 치명적인 판단 오류로 이어질 수 있다. 이를 극복하기 위해, 예측 궤적 간 상호 작용을 이용하여 충돌 확률(Collision Probability, CP)을 계산하고 이를 안전성 판단의 핵심 지표로 활용함으로써, 단순한 오차 기반 평가를 넘어 차량 간 상 호작용에서 발생할 수 있는 잠재적 위험 상황을 정량적으로 평가한다. 또한, 대조학습(contrastive learning) 프레임워크 내에서 난이도 지표로 충돌 확률(Collision Probability, CP)을 도입하여, 예측 궤적 간 충돌 위험도가 높은 샘 플을 어려운 데이터로 정의하고 임베딩 공간에서 위험도 기반 학습을 수행하 는 방법을 제시한다. 이를 통해 모델이 단순한 위치 오차를 줄이는 데 그치지 않고, 예측 궤적의 상호작용으로 인한 잠재적 위험 상황을 학습적으로 반영할 수 있는 구조적 학습 방법을 구현하였다. 이는 인프라 가이던스(Infrastructure Guidance, IG) 실도로 실증을 위한 기반 기술로서, 예측 궤적 기반 충돌 확률을 안전성 지표로 활용하고 이를 대조학습 과정에 통합함으로써 인프라 관점에 서 자율주행 안전성을 향상시키는 방법을 제안한다.
more목차
1. 서론 1
1.1 연구 배경 1
1.2 연구 동향 3
1.3 문제 정의 9
2. 궤적 예측 알고리즘에 대한 안전성 평가 15
2.1 인프라 가이던스 서비스 개요 17
2.2 데이터셋 선정 20
2.3 궤적 예측 네트워크 선정 25
2.4 안전성 평가 지표 29
2.5 검증 및 평가 34
3. 궤적 예측 알고리즘을 위한 대조 학습 37
3.1 충돌확률 기반 대조학습 39
3.2 검증 및 평가 46
4. 결론 51
5. 참고 문헌 52
