도로인프라 동적정보를 활용한 공사작업구간 회피 자율협력주행 시스템

1. 서 론

제한된 환경이나 조건을 전제로 한 영역에서의 자율주행이 가능한 차량이 상용화되면서, 일반운전자들의 자율주행에 대한 관심과 우려가 점점 높아지고 있다. 여기서 제한된 환경이나 조건은 일반적으로 설명할 수 있는 화창한 날씨와 같은 환경적인 부분과 곡률이 크지 않고 차선의 구분이 명확한 고속도로와 같은 기술적인 전제조건으로 기술된다. 이러한 전제조건에 대한 객관적인 기준은 이미 SAE J 3016-20161) 기술표준에서 ODD(Operational Design Domain)의 용어로 정의하고 있으며, 자율주행의 기술적 완성도에 의한 자율주행 레벨 0~5에 따라서 ODD영역을 Fig. 1과 같이 구분하여 제시하였다. Fig. 1에 따르면, 자율주행 레벨 5를 제외한 모든 ODD는 제한된 조건(Speed, Geography, Roadway, Environment, Traffic, Weather, etc)을 시스템 설계 시에 고려해야 한다.

Fig. 1

Definition of ODD by the autonomous vehicle level

동일한 ODD를 기준으로 시스템을 설계하는 경우에도, 자율주행 레벨 2 시스템은 Partial OEDR(Object and Event Detection and Response)이 구현되어야 하는 반면에 자율주행 레벨 3에서는 Complete OEDR이 구현되어야 하는 등 차별성이 존재한다.²⁾ 또한, 동일한 자율주행 레벨 2 또는 레벨 3 시스템에서도 설계한 ODD 영역을 확대하는 등의 차별성도 존재한다. 결과적으로 동일한 자율주행 레벨에서의 ODD 영역의 확장과, 동일한 ODD 영역에서의 자율주행 레벨의 진화는 OEDR의 수준에 따라 달라진다. 현재 자율주행 레벨 3 시스템의 상용화를 진행하고 있는 국내외 OEM에서는 완벽한 OEDR을 구현하기 위해서 전통적인 초음파, 레이더, 카메라는 물론 라이다나 적외선 등의 다중 및 다종 센서정보를 적극적으로 융합하고 있다.³⁾ 이에 따라서 과거와는 비교가 불가할 정도로 높은 신뢰성을 가지는 OEDR이 활발하게 개발되고 있다.

자율주행 시스템을 구성하기 위해서 가장 일반적으로 차량에 적용되고 있는 77/79 GHz 레이더 센서의 경우 최대 감지거리는 약 200 m 내외이며, 아우디 A8 차량을 통해서 최초로 양산 적용된 라이다센서는 약 150 m 내외이다. 차속 100 KPH를 가정하면 위의 센서들을 이용하여 최대 5초선에 해당하는 교차점, 횡단보도 등에서 OEDR을 개발할 수 있지만, 그 이상의 전방감지거리가 필요한 노면상태, 차량지체, 도로형상 등을 고려한 OEDR의 개발에는 제한이 있다.

아래 Fig. 2는 저자가 재직하고 있는 한국자동차연구원의 PG에서 직접 실험한 공사구간의 실험환경과 라이다센서의 인식결과를 나타낸 것이다. 실험에 사용된 트래픽 콘(Rubber Corn)은 고속도로 공사구간용으로 사용되는 규격이며, 한 개 차로를 차단하기 위해서 6개의 트래픽 콘을 사용하였다. 비록 라이다센서의 장착위치, 각도에 따라 상이할 수 있지만 본 실험에서는 대략 100 m 전방에서 최초 트래픽 콘이 인식되었다. 그러나 공사구간임을 식별하기 위해서 6개의 트래픽 콘이 모두 인식된 시점은 대략 10 m 전후였으며, 이 데이터를 클러스터링 하여 공사구간으로 판단하기 위해서는 상당한 연산량이 요구된다.⁴⁾

Fig. 2

Raw data in experimental road work zone

이를 근거로, Complete OEDR의 개발이나 ODD영역의 확장을 위해서는 차량에 탑재되는 센서의 정보와 함께 도로인프라에서 제공하는 각종 보정정보와 참조정보를 활용하는 것이 필수적이다. 그리고 이 경우에도 무선통신을 통해서 수신되는 정보인 점을 고려하여 실시간성에 대한 안전이슈가 항상 존재할 수 있다. 도로인프라를 활용한 OEDR 개발과 ODD 영역의 확장을 위해서는 최대 5초 이내의 거리에는 차량 센서정보에 가중치를 높이 부여하고, 최소 5초 이상의 거리에서는 도로인프라 정보에 가중치를 높이 부여하는 형태로 정보를 융합하는 것이 필요하다.⁵⁾

도로인프라 정보를 차량에 제공하여 안전운행에 도움을 주기 위한 연구는 C-ITS(Cooperative Intelligence Transport System)를 중심으로 활발하게 진행되고 있으며, 국내에서는 대표적으로 대전에서 세종까지 고속도로, 국도, 시가지도로를 포함한 약 87.8 Km 구간에서 도로작업구간 주행지원, 교차로신호위반 위험경고, 보행자 충돌방지 경고 등을 포함하여 모두 15개 서비스가 시범적으로 운영되고 있다.⁵⁾ 그리고 C-ITS 시범서비스를 위해서 국제 표준을 반영한 BSM(Basic Safety Message), PVD (Prove Vehicle Data), TIM(Traveler Information Message)등 의 메시지가 정의되어 있어서 이를 자율주행 시스템의 설계에 활용할 수 있다.^6,7) 본 논문에서는 TIM 메시지를 통해서 제공되는 도로인프라의 정보를 바탕으로 ODD영역을 확장하거나 OEDR기능을 개선할 수 있는 자율협력주행 시스템을 설계하였다. 구체적으로 차량에 장착된 영상센서의 차선정보를 이용하여 기본적인 주행경로를 생성하고, 주행도로에서 발생되는 도로작업구간에 대한 경로정보를 TIM 메시지를 통해서 수집하여 부분적인 영역에서 새로운 경로를 실시간으로 생성하였다.

본 논문은 서론을 포함하여 5장으로 구성되어 있다. 2장에서는 본 논문에서 설계한 자율협력주행시스템에 필요한 메시지표준과 공사구간에서 주행경로를 생성하기 위한 주요 파라미터에 대해서 설명하였다. 3장에서는 도로인프라정보를 활용한 공사구간 회피경로의 생성과 자율협력주행 시스템의 설계를, 그리고 4장에서는 설계된 시스템에 대한 실험결과와 평가를 기술하였다. 마지막으로 5장에서는 결론 및 향후연구에 대해서 제시하였다.

2. 도로인프라 정보규격

2.1 V2X 메시지 표준

도로인프라의 정보를 관제센터 또는 차량과 교환하기 위해서 필요한 각종 데이터는 다양한 OEM별 차량과 장비 등과 상호운영이 중요하므로 표준화된 메시지의 형태로 구성된다. 미국은 SAE를 통해서 J2735(SAE, 2016)라는 DSRC 메시지 사전을 출판하였는데, 돌발상황 정보를 전달하는 RSA(Road Side Alert) 메시지, 여행자 정보를 전달하는 TIM 등의 내용을 포함하고 있다. 유럽에서는 차량의 주행 기본 정보를 담아 전달하는 CAM(Cooperative Awareness Message), 이벤트 정보를 전달하는 DEMN (Event Driven Message) 등에 대한 내용을 담아 ETSI EN 302 637 표준을 제정하였다.^8,9) 이 외에도 여러 가지 메시지포맷에 대한 표준이 정의되어 있고, 해당 메시지간의 상호운영성을 위한 별도의 표준 및 보안과 신뢰성을 보장하기 위한 표준이 정의되어 있다.

TIM 규격은 앞서 설명한 것과 같이 SAE J2735의 SAE-DSRC 교통 및 여행자정보 위원회에서 정의한 메시지 셋으로, 현재 위치 및 주행상황과 관련된 정보에 기초하여 차량 운전자의 안전운전에 도움이 되는 정보(Advisory message)를 제공하기 위한 용도로 설계되었다. 또한 제공되는 정보의 권고유형에 따라서 우선순위가 결정되는데 권고유형은 교통정보, 교통사고, 주요사건, 대피와 같이 동적인 정보와 도로표지판 정보와 같이 정적인 정보 등으로 구분된다. 물론 복수의 정보를 전달해야 하는 경우에 하나의 패킷으로 구성하여 전송할 수 있으나 상대적으로 빨리 업데이트가 필요한 동적인 정보와는 달리 도로표지판 정보와 같이 정적인 정보는 업데이트 주기가 상이하므로 일반적으로 동일한 패킷으로 구성하지 않는다.

Fig. 3은 표준에서 정의하고 있는 TIM 패킷의 형식을 나타낸 것이다.¹⁰⁾ 우선 고유한 패킷 ID를 가지는 하나의 패킷은 복수개의 정보를 동시에 전송할 수 있도록 여러개의 데이터 프레임으로 구성될 수 있다. 하나의 데이터 프레임은 Fig. 3에 나타낸 것과 같이 크게 헤더부분, 최대 8개의 정보를 포함할 수 있는 유효영역부분, 컨텐츠 부분 및 URL(옵션)의 4부분으로 구성된다. 먼저 헤더영역은 해당 프레임의 정보를 나타내는 Frame Type과 정보가 생성된 시간의 정보로 구성되며, 설계자의 선택에 따라서 동적정보의 타입을 설정하여 사용할 수 있다. 다음으로 유효영역부분은 실제 운전자에게 제공해야 하는 정보가 발생한 기하학적인 위치에 대한 정보로 구성되는데, 예를 들면 공사구간 시작점의 위치정보, 공사구간의 차선폭, 공사구간의 접근 경로정보, Offset의 개수 등으로 설계된다. 컨텐츠 영역에서는 유효영역부분의 개수와 운전자에게 제공하기 위한 텍스트 정보 등이 포함된다.

Fig. 3

Message format of the TIM packet

2.2 도로공사장 교통관리규격

국내에서는 도로를 공사하는 경우 국토교통부 간선도로과의 도로 공사장 교통관리지침에 의거하여 공사구간을 관리하고 있는데, 이는 도로에서 공사 시행 시 도로 이용자와 작업자의 안전확보, 도로 서비스수준 저하 최소화, 시공성을 확보하는 것을 목적으로 한다.¹¹⁾ 도로 공사구간의 유형은 공사장 이동여부에 따라 고정 공사와 이동공사로 구분되는데, 고정 공사는 공사기간에 따라 장기, 중기, 단기, 단시간 공사로 구분하고 이동공사는 일정한 속도로 이동하거나 일시적으로 정지했다가 이동을 반복하면서 수행하는 공사로 구분된다. 본 논문에서는 장기, 중기, 단기, 단시간 공사를 구분하지 않고 일정한 영역에서 고정으로 수행하는 고정 공사의 경우만 한정하여 기술하였다.

고정 공사는 공사장의 상류부부터 하류부까지 교통류의 특성이 다르기 때문에 주의구간, 완화구간, 작업구간(완충구간 포함), 종결구간으로 구분하여 세부적으로 구간을 관리하고 있다. 아래 Fig. 4는 해당구간을 그림으로 표현한 것이다. 먼저 주의구간은 운전자들이 전방의 교통상황 변화를 사전에 인지할 수 있도록 확보하는 구간이고, 완화구간은 진행 중인 차로를 변화시키는 구간으로 공사 중인 해당 차로 전방에 일정 거리를 두어 주행차로를 차단하고 차로를 변경하게 하는 구간이다. 다음으로 작업구간은 완충구간과 실제 공사를 수행하는 작업활동구역으로 구성되는데, 완충구간은 차로 변경을 하지 못한 경우에 대비하여 운전자 및 작업자를 보호하기 위한 구간이다. 종결구간은 작업구간을 통과하여 공사 이전의 정상적인 교통흐름으로 복귀하는 구간이다.^12,13)

Fig. 4

Management section for road work zone

주의구간(D_Warning)은 도로유형별로 상이하나 자동차 전용도로 및 고속국도를 기준으로 완화구간 시점 전방을기준으로 1.50 Km로 설정한다. 완화구간은 자동차가 급격한 차로변경 없이 유도 시설을 따라 주행하던 차로를 안전하게 변경하도록 충분한 테이퍼 길이를 확보해야 하며, 테이퍼 길이는 차단될 차로 폭과 제한속도에 의해서 결정된다. 따라서 완화구간(D_Taper)의 길이는 1개 차로 차단의 경우, 제한속도 60 KPH 이하에서는 $$ \frac{{WS}^2}{150}$$(W: 차로 폭 m, S: 제한속도 KPH)로 규정하고, 제한속도 60 KPH 초과에서는 $$ \frac{WS}{1.6}$$ 로 규정하고 있다. 만약 2개 차로를 차단하는 경우에 테이퍼의 길이는 위의 수식이 적용된 테이퍼길이(차선변경), 그 2배 만큼의 테이퍼길이(차선변경 후 직선 주행), 그리고 다시 위의 수식이 적용된 테이퍼길이(차선변경)를 모두 합하여 적용해야 한다. 지침에 나타낸 표에 의하면 제한속도 100 KPH을 적용하면 1차로 차단 후 합류하는 테이퍼의 길이는 약 220 m로 권고하고 있다. 완충구간(D_Buffer)은 제한속도별 완화구간 중심점에서 측정한 정지시거에 따라서 제한속도 100 KPH 적용 시 50 m 이상을 확보하고 작업활동구역에서의 측방향 완충구간은 0.3 m 이상을 유지하는 것이 필요하다. 마지막으로 종결구간은 고속도로의 경우 차단 차로 수 당 30 m 이상으로 권고하고 있다.¹¹⁾

3. 자율협력주행 시스템 설계

본 연구에서는 자율주행 시스템의 ODD 영역을 확장하고, OEDR 기능을 확장하거나 개선하는 것을 목적으로 도로인프라의 정보를 활용한 자율협력주행 시스템을 설계하였다. 이를 위하여 차량 센서만을 활용한 자율주행 시스템을 우선 설계하였고, 주행속도를 기준으로 차량의 전방 5초 이후의 상황에 대해서는 보조적인 수단으로 도로인프라의 정보를 반영하였다. Fig. 5는 위에서 설명한 자율협력주행 시스템의 상태도를 나타낸 것이다. 시스템의 작동방식을 전체적으로 설명하자면 우선 Fig. 5에서 나타낸 것과 같이 운전자의 입력에 따라서 자율협력주행 모드가 시작되며, 최초 시스템에 장착된 각종 장치의 상태를 체크하는 상태로 진입한다. 자율협력주행에 필요한 장치의 상태가 정상적으로 확인되면, 가장먼저 차량에 장착된 센서를 통해서 차량 좌우측의 차선상태를 판단하며 차선의 상태가 정상적으로 인식되면 자율협력주행 모드(Cooperative Automated Driving)로 천이한다. 자율협력주행 모드에서는 제어주기에 따라서 일정한 시간의 타임아웃을 통해서 종방향 제어기와 횡방향 제어기를 통해서 제어정보를 수신한다. 종방향 제어기는 속도제어모드 또는 차간거리제어모드에 따라서 목표로 하는 가속도와 감속도를 생성하며, 횡방향 제어기는 차선의 정보(차선 간 거리, 차선 곡률, 차선 곡률의 변화량 등)을 바탕으로 조향토크를 생성한다. 일반적인 자율주행 상황에서 공사구간을 설정하기 위해서 설치된 트래픽 콘을 정상적으로 인식하지 못하면 공사구간과 충격할 수 밖에 없으나, 본 논문에서 제안하는 자율협력주행 모드에서는 이 때, 도로인프라의 정보(TIM)을 수신(Fig. 5의 회색부분)하여 인프라에서 제공된 이벤트의 형태와 차선을 변경하기 위해서 필요한 테이퍼의 경로를 생성하여 이를 횡방향 제어기로 전달한다. 횡방향 제어기는 테이퍼의 경로와 이벤트까지의 도착시간을 바탕으로 차선변경에 필요한 조향토크를 생성한다. 자율협력주행 모드에서 정상적으로 가속도와 감속도 또는 조향토크를 수신하지 못하면 이전에 생성된 정보를 바탕으로 가상의 제어값을 생성하여 일정시간 동안 시스템을 유지하다가 미리 설계한 에러카운트를 벗어나면 수동모드로 전환하고 시스템을 다시 대기상태로 천이한다. 여기서 차선의 정보(Lane information)는 현재 차량의 위치를 기준으로 좌우에 감지된 차선의 인식정보(Quality)와 좌우차선간의 위치정보(Position parameter), 차선 곡률정보(Curvature parameter), 차선 곡률변화정보(Curvature derivative parameter)를 의미한다.

Fig. 5

State diagram of the cooperative automated vehicle

도로인프라 정보는 Table 1에 나타낸 것과 같이 TIM 표준 패킷구조를 준용하여 사용하였다. 앞서 Fig. 3에서 설명한 패킷형식(Message format)에 따라 크게 패킷정보(PacketID)와 데이터프레임(Data frame#n)으로 구분하고 데이터프레임에서는 실제 도로이벤트 정보를 포함하는 유효영역정보(Valid region#n)를 Part2 부분에서 정의하고 있다. 여기서 좌표는 모두 GPS의 위경도좌표(Latitude, longitude)로 먼저 공사구간이 시작되는 시작점의 위치정보(Position 3D), 공사구간의 차선폭(Lane width), 0~22.5도 범위에서 공사구간 시작점에서 공사구간 종료점으로의 접근방향(Heading slice)으로 사용한다. 이 접근방향정보를 이용하여 자율주행차량의 진행방향에 존재하는 이벤트 유무를 판단할 수 있다. 다음으로 Description 영역에서 공사구간 접근경로의 정보를 포함하고 있는데, 각각 2byte크기로 최대 16개로 구성되는 Offset 정보로 바탕으로 차선변경 시에 필요한 공사구간차선 정보(Lane_Taper Information)를 생성하였다. 본 메시지 규격의 Part 1부분은 도로이벤트의 ID와 이벤트가 발생된 도로의 ID 및 발생시간 및 지속시간에 대한 정보를 포함하고 있고, Part 3 부분에서는 도로상황 문자안내 등 ITS 서비스를 위해서 사용자가 정의할 수 있는 부분으로 정의되어 있다.

Table 1

Implementation of TIM for road work zone

Table 1에서 정의하고 있는 공사구간차선 정보(Lane_Taper Information)를 통해서 Fig. 6과 같이 실제 차량이 추종할 주행라인(Lane_driving)을 생성하는데, 처음 주행라인을 생성할 때는 규칙적인 위치 데이터를 확보하기 위해 스플라인 곡선을 통하여 10 cm ~ 20 cm 간격으로 보간을 실시한다.

Fig. 6

Generation of path to avoid work zone

Fig. 7과 같이 위치 데이터를 일정하게 생성하고 차선의 정보를 활용하여 경로를 추종하기 위해 다항식 회귀분석(Polynomial Regression)을 통해 위치 데이터를 가장 근접한 다항식으로 표현할 수 있다.¹⁴⁾

Fig. 7

Adjustment of the generated path

식 (1)을 이용하여 오차(Error)를 제곱해서 합이 최소화되는 다항식의 계수를 구할 수 있다.

편의를 위해 2차 다항식으로 가정 하고 i 번째 데이터와 다항식 사이의 오차는

양변을 제곱하면

오차의 제곱의 합을 Sr이라 하면

식 (5) 이용하여 식 (6), (7), (8)을 구할 수 있다.

위 식을 정리하여 아래와 같이 행렬로 표현하고

식 (9)의 연립방정식을 풀면

식 (10)과 같은 2차방정식을 구할 수 있다. 식 (10)은 Fig. 6의 녹색점인 차량이 추종하는 점(Waypoint)을 다항식으로 표현하였다.

이와 같이 경로점(Waypoint) 데이터를 생성하면 추종제어 알고리즘을 사용하여 경로추종을 실시한다. 이때 사용한 경로추종 알고리즘은 Pure Pursuit을 이용하였다. 식 (10)에서 구한 다항식에서 x값에 Look Ahead Distance 값을 넣어 해를 구하면 현재 자차 위치로부터 바라보는 경로점(Waypoint)까지의 횡방향 오차를 구할 수 있고, Pure Pursuit을 통해 횡방향 오차를 목표로 하는 조향각으로 산출 하였다.¹⁵⁾

이상을 통해서 차량센서와 도로인프라 정보를 바탕으로 공사구간 회피가 가능한 자율협력주행 시스템의 운영 알고리즘을 아래 Fig. 8과 같이 설계하였다. 자율협력주행 모드가 시작되면 가장먼저 초기 조향토크값을 생성하여 차량을 제어할 수 있는 모드(Torque Control Mode)로 전환시킨다. 도로인프라의 정보를 수신하였는지를 판단하여 해당정보가 없을 경우에는 차량의 센서에서 수집된 차선정보(Lane Information)을 이용하여 주행라인(Lane_driving)을 계산하고, 이를 바탕으로 조향토크를 생성한다. 변경하고자 하는 차선에 다른 차량이 존재하는지의 여부를 판단하여 존재하지 않을 경우, 조향시스템을 제어하고 현재의 차량위치를 판단하여 다시 도로인프라 정보수신상태로 변경한다. 만약 이 경우에 도로인프라 정보를 수신하면 가장먼저 주의구간(D_Warning)까지의 거리를 기준으로 차속을 계산하고, 완화구간(D_Taper)의 정보를 바탕으로 테이퍼라인(Lane_Taper)을 생성하여 위에서 설명한 과정을 반복하게 된다.

Fig. 8

System operation for cooperative automated vehicle

4. 자율협력주행 시스템 실험결과 및 평가

도로인프라정보를 이용하여 공사구간 회피가 가능한 자율협력주행 시스템의 성능을 평가하기 위하여 현대자동차의 G80 3.8 모델을 실험차량으로 구현하였다. 차량에는 도로인프라의 정보를 수신할 수 있는 V2X 통신모듈 1기와 차량의 위치를 측정하고 성능평가에 사용 할 수 있는 GPS 1기, 차선의 정보를 파악하기 위한 모빌아이 EyeQ2 1기를 장착하였다. 또한 위에서 설명한 상태도와 알고리즘은 모두 NXP사 32비트급 마이크로컨트롤러인 Calypso를 이용하여 자체적으로 제작한 ECU에 소스코드형태로 구현하였다.

먼저 Fig. 9(a)와 9(b)는 본 본문에서 제안하고 있는 자율협력주행시스템의 성능을 평가하기 위해서 사용한 차선유지 알고리즘의 성능에 대해서 각각 60 KPH와 80 KPH의 속도에서 시뮬레이션을 통해서 나타낸 것이다. 실험결과에서 목표조향각도에 대한 추종성능은 안정화된 100초 이후를 기준으로 시속 60 KPH에서는 최대 2.7° 오차로 목표각도를 추종하였고, 80 KPH에서도 최대오차가 2.8°로 적절하게 추종하는 것을 확인하였다. 다음으로 Fig. 10은 도로인프라정보를 이용하여 생성된 공사구간회피경로를 추종하는 경로추종 알고리즘의 성능을 나타낸 것이다. 시뮬레이션 결과에서는 최대 횡방향 오차가 약 29.16 cm였으며, 시뮬레이션에서 가정한 전체 주행경로에서의 오차는 평균 7.61 cm였다. 이상의 시뮬레이션 결과를 바탕으로 본 논문에서 제안하고 있는 자율협력주행시스템에 대한 실험적인 결과는 다음과 같다.

Fig. 9 (a)

Simulation result of lane keeping logic (@ 60 KPH)

Fig. 9 (b)

Simulation result of lane keeping logic (@ 80 KPH)

Fig. 10

Simulation result of path following logic

Fig. 11은 실험차량에서 측정된 차선유지 시스템의 횡방향 오차를 나타낸 것이다. 횡방향 오차는 양쪽 차선의 중앙에 가상의 중심선을 기준으로 각각 왼쪽 차선까지의 거리와 오른쪽 차선까지의 거리를 합산한 것으로 정의하였다. 실험결과에서는 속도별로 380개의 데이터가 계측되었으며, 나타난 것과 같이 속도 약 80 KPH에서는 최대 37.89 cm, 평균 18.96 cm의 오차가 발생하였고, 속도 60 KPH에서는 최대 28.13 cm, 평균 8.8 cm의 오차가 발생하여 전체실험 과정 중 차선을 이탈하는 경우는 발생하지 않았다.

Fig. 11

Experimental result of lane keeping system (@ 60/80 KPH)

Fig. 12(a)와 12(b)는 위의 실험차량에 구성된 차선유지 시스템과 경로추종 시스템을 이용하여 차선유지 중 도로인프라에서 공사구간 경로를 수신하여 차선을 변경하는 전 영역에서 GPS를 통해서 측정된 차량의 위치를 속도별로 나타낸 것이다. 차속 80 KPH를 기준으로 도로 공사장 교통관리지침을 기준으로 주의구간(1.5 Km 이내)에서부터 차선변경을 시작하며, 이 때의 완화구간(D_Taper)은 약 150 m였다. 1차로 차단으로 가정하여 계산되는 완화구간의 테이퍼각도는 약 2.33°였고, 실험에서 나타낸 것과 같이 60 KPH와 80 KPH 두 영역에서 완화구간 내에서차선변경을 시작하여 정상적으로 공사구간을 회피하여 주행 가능함을 확인할 수 있었다. 이상의 실험결과를 측정한 실험차량과 실험환경은 아래 Fig. 13의 사진에 나타냈었다.

Fig. 12 (a)

Experimental result of avoiding work zone (@ 60 KPH)

Fig. 12 (b)

Experimental result of avoiding work zone (@ 80 KPH)

Fig. 13

Picture of the experimental testbed (T-car, environment)

5. 결론 및 향후계획

본 논문에서는 자율주행 시스템을 설계할 때 고려해야 하는 제한된 조건인 ODD의 영역을 확장하거나 자율주행 기술수준을 높이기 위해 중요한 OEDR의 기능을 개선하기 위한 목적으로 도로인프라의 동적정보를 기반으로 하는 자율협력주행 시스템에 대해서 제안하였다. 구체적으로 도로인프라에서 제공하는 동적정보를 수신할 수 있는 TIM 규격과 공사구간에서의 차선합류 경로를 생성하기 위한 주요파라미터에 대해서 살펴보고, 이를 바탕으로 차선유지로직과 경로추종로직을 개발하고 공사구간 회피가 가능한 자율협력주행시스템을 설계하여 그 성능을 평가하였다. 이상을 통해서 다음과 같은 결론을 도출하였다.

• 1) 자율주행 차량에 사용되는 초음파, 영상, 레이더 및 라이다 센서의 경우 필연적으로 가지고 있는 성능의 한계와 제약사항으로 인해서 수 초 내외의 실시간 도로 상황에 대한 대응을 중심으로 시스템을 설계하고 있다. 그러나 자율주행 차량에서 운전자로의 제어권전환에 필요한 시간과 확장된 OEDR의 개발 등 자율주행 수준을 증가시키기 위해서는 도로인프라에서 제공할 수 있는 정보를 적극적으로 활용하는 것이 필요하다.
• 2) 자율주행차에 장착된 센서에서 수집되는 실시간 정보와 도로인프라에서 제공되는 동적정보는 상호보완적인 관계로 차량의 위치를 중심으로 장애물, 선행차량, 돌발상황과의 거리(TTC)에 따라서 적절하게 운영하는 것이 중요하다. 본 논문에서는 이를 위해서 차선유지로직과 경로추종로직을 설계/구현하였고 V2X 서비스를 위해서 표준화된 정보규격인 TIM 메시지와 연동하는 자율협력주행 시스템을 설계하였다.
• 3) 설계한 시스템과 제어로직의 성능과 기능을 평가하기 위해서 실험차량을 이용하여 시스템을 구성하였고, 실제 도로환경에서 도로 인프라로부터 정보를 수신하여 차선을 변경함으로써 새로이 생성된 경로로 주행할 수 있음을 시뮬레이션과 실험결과를 통해서 평가하였다.

이상의 결론을 통해서 자율주행 시스템을 설계함에 있어서 센서 단독으로는 주행이 불가능한 돌발상황에 대하여 사전 대응이 가능함을 실험적으로 증명하였고, 표준화된 정보규격을 활용함으로서 향후 다른 시스템으로의 확장도 기대할 수 있다. 그러나 본 논문에서는 차량센서를 통해서 생성되는 차선의 정보와 도로인프라에서 제공되는 공사구간의 정보를 주행거리에 따라서 선택적으로만 활용하였고, TTC와 주변차량상황 등을 고려하여 능동적으로 정보를 융합하는 과정에 대한 고려가 부족하다. 향후에는 공사구간에서 발생하는 극심한 정체상황을 고려하여 옆 차로에 있는 차량들과의 조화 등에 대한 연구가 추가적으로 필요하다.

Acknowledgments

본 연구는 국토교통부 교통물류연구개발사업의 연구비지원(과제번호 18TLRP-B101406-04)에 의해 수행되었습니다.

References

• SAE J 3016-2018: Taxonomy and Definitions for Terms Related to Driving Automation Systems for On-Road Motor Vehicles, 2018.
• H. S. Han, S. H. Jeong and J. H. Yang, “Comparison of Non-driving Behaviors When Responding Takeover Requests in Automated Driving,” Transactions of KSAE, Vol.27, No.9, pp.677-686, 2019. [https://doi.org/10.7467/KSAE.2019.27.9.677]
• C. H. Park and S. C. Kee, “Implementation of Autonomous Driving System in the Intersection Area Equipped with Traffic Lighs,” Transactions of KSAE, Vol.27, No.5, pp.379-387, 2019. [https://doi.org/10.7467/KSAE.2019.27.5.379]
• J. W. Kim and S. W. Seo, “Implementation of 3D Point Cloud Segmentation Algorithm in Road Environment for Autonomous Vehicle,” IEIE Annual Conference Proceedings, pp.646-647, 2016.
• J. E. Choi, M. H. Bae, J. W. Lee and S. H. Kim, “Development of Comprehensive Performance Evaluation Methodology for Cooperative-Automated Driving Roadway System,” Journal of Transport Research, Vol.26, No.2, pp.71-82, 2019. [https://doi.org/10.34143/jtr.2019.26.2.71]
• Ministry of Land, Infrastructure and Transport, About C-ITS, https://www.c-its.kr/entrance.do, , 2019.
• J. H. Byun and B. W. Bae, “The Implementation of Cooperative Intelligent Transport System Pilot Project,” IEIE Summer Conference Proceedings, pp.1864-1867, 2015.
• I. C. Yang, W. H. Jeon and H. M. Lee, “A Study on Dynamic Map Data Provision System for Automated Vehicle,” The Journal of The Korea Institute of Intelligent Transport Systems, Vol.16, No.6, pp.208-218, 2017. [https://doi.org/10.12815/kits.2017.16.6.208]
• S. G. Jin, K. T. Lim, D. G. Shin, S. H. Yoon, H. K. Jeong and S. H. Jang, “Analysis of WAVE Communication Performance by Coding Rate Highway Environment,” IEIE Annual Conference Proceedings, pp.964-965, 2016.
• SAE J2735-Draft-Rev29, Issued: 12-11-08, 2008.
• Ministry of Land, Infrastructure and Transport, Main Road Section, Road Construction Traffic Management Guidelines, 2018.11.
• H. J. Park, J. P. Moon and C. Oh, “Development of Work Zone Traffic Control Algorithm for Two Lane Road,” The Journal of The Korea Institute of Intelligent Transport Systems, Vol.16, No.2, pp.23-35, 2017. [https://doi.org/10.12815/kits.2017.16.2.23]
• S. H. Kim, J. H. Lee, Y. J. Kim and C. W. Lee, “Simulation-Based Analysis on Dynamic Merge Control at Freeway Work Zones in Automated Vehicle Environment,” Journal of The Korean Society of Civil Engineers, Vol.38, No.6, pp.867-878, 2018.
• J. H. Yang, W. Y. Choi, S. H. Lee and J. J. Jeong, “Deep Convolutional Neural Network Based Multirate Lateral Motion Control of Autonomous Vehicle Using Camera,” ICROS Spring Conference Proceedings, pp.305-306, 2019.
• S. H. Huh, S. W. Baek and J. H. Kim, “Lane Keeping System using Lane Detection and Pure Pursuit Algorithm in Automotive road Environment,” KSAE Spring Conference Proceedings, pp.716-724, 2018.