PURPOSES : This study evaluates the effectiveness of traffic flow optimization when giving safety strategy guidance to a connected autonomous vehicle (CAV) based on information received through infrastructure cooperation in a V2X environment for non-signal intersection. METHODS : To evaluate the effectiveness of safety strategy guidance based on developed traffic flow control algorithm at a non-signalized intersection, it was implemented on simulation. A scenario based on the Level of Service (LOS) and the market penetration rate(MPR) of autonomous vehicles was established. The simulation results were divided into safety, operation, and environment to evaluate the effect, and the effect of optimizing traffic flow was finally derived through the integrated evaluation score. RESULTS : As a result, when safety strategy guidance was provided, the number of conflicts and CO emissions decreased by about 29% and about 15%, improving safety and environmental performance. In the case of operation, the mean of delay time was increased overall by 1%, but in the case of MPR 50 and above, the delay time was reduced by about 38%, thereby increasing operation. Finally, the aspect of traffic flow optimization, effectiveness of safety strategy guidance was derived through the integrated evaluation score, and the average integrated evaluation score improved from MPR 20 or higher. CONCLUSIONS : Providing guidance had the effect of optimizing traffic flow at a non-signal intersection. In the future, V2X communications will provide CAV with algorithm-based guidance developed in this study to control driving behavior. it will support safe and efficient driving at non-signal intersections.

PURPOSES : This study aims to understand the characteristics of accidents involving autonomous vehicles and derive the causes of accidents from road spatial information through autonomous vehicle accident reports. METHODS : For this study, autonomous vehicle accident reports collected and managed by the CA DMV were used as data sources. In addition, spatial characteristics and geometric data for accident locations were extracted by Google maps. Based on the collected data, the study conducted general statistics, text embedding, and cross-analysis to understand the overall characteristics of autonomous vehicle accidents and their relationship with road spatial features. RESULTS : The analysis results for characteristics of autonomous vehicle accidents, applying statistical analysis and text embedding techniques, reveal that the damages caused by autonomous vehicle accidents are often minor, and approximately half of the accidents are triggered by other vehicles. It is noteworthy that accidents where autonomous vehicles are at fault are not uncommon, and when the cause of the accident is within the autonomous vehicle, the accident risk can increase. The accident analysis results using spatial data showed that the severity of accidents increases when on-street parking is present, when dedicated lanes for bicycles and buses exist, and when bus stops are present. CONCLUSIONS : Through this study, geometric and spatial elements that appear to have an impact on autonomous driving systems have been identified. The findings of this study are expected to serve as foundational data for improving the safety of autonomous vehicle operations in the future.

최근 급격한 변화를 겪고 있는 자율주행 자동차 분야의 미래 기술 및 시장 전 망 예측에 대한 요구와 관심이 집중되고 있다. 자동차 산업의 특성상, 복합적 요인의 상관관 계가 미치는 영향력이 크고 요인 간의 복잡도가 높으므로, 체계적인 미래 예측 방법론 적용 을 통한 미래 전망분석 및 전략 수립이 시급하다. 본 연구에서는 자동차 분야에 적합한 미래 예측 방법론 중 필드 변칙 완화기법(Field Anomaly Relaxation)과 다중관점 개념 기법 (Multiple Perspective Concept)을 복합적으로 적용하여, 자율주행 자동차 분야의 핵심기술 및 산업 동향에 관한 미래 시나리오들을 개발하여 실증하였다. 도출된 3개의 시나리오는 전 문가 평가 체크리스트를 통하여 타당성을 검증하였다. 본 연구 결과는 자율주행 자동차 산업 과 같은 다양한 변동성이 존재하는 분야의 미래 예측 방법 중 한 가지로 적용될 수 있다는 점에 의의가 있다.

PURPOSES : Accidents involving autonomous vehicle continue to occur. However, research on autonomous vehicle monitoring has been insufficient. The purpose of this study is to develop monitoring indicators from the perspective of vehicles and road infrastructure for the safe driving of autonomous vehicles. In addition, the purpose is to monitor autonomous vehicles and road environments using the monitoring indicators developed, as well as to analyze the characteristics of road sections where autonomous vehicles exhibit abnormalities. METHODS : Data from Pangyo Zero Shuttle, an autonomous vehicle, were used in this study. Infrastructure data installed in Pangyo Zero City were used. The data were collected from June 2019 to July 2019, during the normal driving period of the zero shuttle. The five monitoring indicators were developed by combining the vehicle operation information table collected from the V2X device of the zero shuttle and the road environment monitoring detail table collected from the infrastructure data with the road section table. In addition, an analysis of road characteristics with frequent errors is performed for each monitoring indicator. RESULTS : The three monitoring indicators from the perspective of the vehicle allowed monitoring of the sensor error, sensor communication error, and yaw rate error of the autonomous vehicle's timing and road section. In addition, the two monitoring indicators from the infrastructure perspective enabled the monitoring of events and road surface conditions on roads where autonomous vehicles drive. As a result of analyzing the road characteristics that frequently caused errors by monitoring indicators, sensor errors frequently occurred in the section waiting to enter the left-turn lane. Sensor communication errors are left-turn standby and have occurred frequently on road sections where U-turns are allowed. Finally, yaw rate error occurred frequently in sections of roads where there were no induction lines or where changes to lanes occurred frequently. CONCLUSIONS : The five monitoring indicators developed in this study allowed the monitoring of autonomous vehicles and roads. The results of this study are expected to help the safe driving of autonomous vehicles and contribute to the detection of autonomous driving abnormalities and the provision of real-time road condition information through further analysis.

자율주행 5단계(mind-off)에서는 운전에서 해방된 탑승자가 차량 내에서 대면 대화, 업무, 휴식, 영화 감상 등의 다양한 활동이 될 것으로 예상된다. 특히 자동차 실내 공간의 다양한 변화가 예상된다. 또한 미국자동차협회(American Automobile Association)가 시행한 조사에서 73%가 자율주행 자동차에 탑승하는 것이 두렵다고 응답하였고, 자율주행 5단계에서는 안전의 주체가 자율주행자동차로 이양이 예상되므로 사용자 경험 관점에서 연구가 이루어져야 한다. 최근 완전자율주행자동차의 안전성 확보에 관한 다양한 연구가 이뤄지고 있으나 실제 탑승자의 심리적 안전성 확보 관점에서의 연구는 부족한 실정이다. 이에 본 연구는 AHP 분석 기법에 기반하여 설문조사를 진행하였다. 그 결과 각 실내 행위 유형에 따라 탑승자의 심리적 안전성 확보를 위한 자동차 안전장치의 우선순위를 도출하였고 도출된 결과를 기반으로 탑승자의 심리적 안전성을 확보를 위한 실내 공간을 제시하였다. 본 연구는 탑승자의 심리적 안전성을 충족하는 실내공간 설계를 위한 방향성을 제시한 것에 의의가 있으며, 이를 바탕으로 사용자의 심리적 안전성 확보를 위한 완전 자율주행 자동차 실내 환경 조성이 이루어질 것으로 기대한다.

본 연구에서는 뇌파와 맥파를 이용한 생체신호 분석을 통해 자율주행차량 사용자에게 안정감을 유발하는 최적의 색온도를 제안하고자 하였다. 이를 위해 3000 K, 4000 K, 5000 K, 6000 K의 색온도를 갖는 조명을 자율주행 환경에 적용하여 제시하였다. 실험은 자동차 그래픽 시뮬레이터가 구비된 실험실에서 진행되었으며, 실험절차는 다음과 같다. 1) 안정기(5분), 2) U-K테스트(3분), 3) 자율주행+조명(3분). 이 과정은 색온도를 변경해가며 총 4회 반복되었다. 수집된 시계열데이터에 대해 주파수 분석을 실시하였고 파워 스펙트럼 분석을 통해 주파수 대역별 power값을 산출하였다. 뇌파는 안정의 지표인 α파와 각성의 지표인 β에 대해 분석을 실시하였으며, 맥파의 경우 교감신경계 활성도에 대해 분석을 실시하였다. 산출된 데이터는 연구대상자 개인 간 편차를 줄이기 위해 정규화하여 통계분석을 실시하였다. 1차 분석 결과, 뇌파의 경우 5000 K의 조명을 제시하였을 때 α파가 가장 높았고, 대부분의 조명 제시 상황에서 β파가 증가하였다. 맥파의 경우 주행 상황에서 SNSA가 증가하였다. β파와 SNSA에 대한 2차 분석 결과, 유의수준 5%에서 색온도 간 유의한 차이가 인정되지 않았다. 결론적으로, α파가 가장 높은 5000 K의 색온도가 안정감을 유발한다고 볼 수 있다. 이러한 결과를 자율주행차량에 적용한다면, 탑승자의 높은 만족도를 유발할 수 있을 것으로 보인다. 나아가, 이와 같은 긍정적인 효과가 자율주행차량의 수용으로 이어질 수 있다.

스스로 완벽하게 목적지까지 주행하는 완전 자율주행 자동차 시대가 가까운 미래에 도래할 것으로 예상되면서 자동차 산업은 1800년대 후반에 자동차가 탄생한 이래 큰 변화를 꾀해야 할 중대한 전환기를 맞이하고 있다. 완전 자율주행 자동차는 단순한 이동수단의 개념을 넘어 생활공간으로 정의되어지며, 앞으로 실내공간을 중심으로 큰 변화가 나타나게 될 것이라고 전망되고 있으나 완전 자율주행 자동차 실내공간 디자인에 대한 기존 연구는 미비한 실정이다. 이에 본 연구는 생활공간이라는 개념에 적합하도록 사용자의 감성적 경험을 충족시켜줄 수 있는 근본적인 디자인 요소인 실내행위에 대한 분석을 통해 실내공간 디자인 방안을 제안하고자 한다. 이를 위해 완전 자율주행 자동차의 실내행위에 대한 소비자 의식을 조사하였다. 분석 결과 국내 소비자들은 완전 자율주행 자동차 내에서 ‘수면 및 휴식’, ‘TV 및 영화 시청’, ‘음악감상’ 등 개인 중심 행위 중에서도 휴식 및 감상 활동과 관련된 실내행위에 대한 필요 성을 인지하고 있었으며, 본 연구 결과를 바탕으로 완전 자율주행 자동차 실내공간 디자인 방안을 제안하였다. 본 연구는 소비자 니즈(needs)를 정량적 방법으로 분석하여 실내공간 디자인 방안을 새로운 시각으로 제시한 선도적인 연구라는 점에서 중요한 의미를 지닌다.

자율주행자동차의 가장 큰 특성은 자율주행시스템이 인간의 운전을 대신한다는 것이다. 자율주행시스템이 인간의 직접 운전을 가능하게 하는 핵심기술은 운행 차량 내부 통신기술, 각종 센서와 CPU(중앙처리장치) 의 인터페이스(Interface) 디자인 소프트웨어 알고리즘기능으로 요약할 수 있다. 인터페이스의 매개체 기능은 사물의 경계 부분과 그 지점에서의 통신, 접속을 용이하게 하는 것을 의미하며 하드웨어 인터페이스 디자인 , 소프트웨어 인터페이스 디자인 사용자 인터페이스 디자인의 세 가지로 구분된다. 그러나 각각의 시스템 핵심기술 요소의 인터페이스가 제대로 작동하지 않으면 기존 인간의 직접 운전으로 발생하는 자동차 사고보다 더 치명적 인 경우가 예상되고 유기적인 인터페이스 디자인 기능을 검증하여 사고 원인을 명확하게 밝히는 것 또한 쉽지 않다. 또한, 사고의 원인을 블랙박스 등 데이터 수집 장치를 통해 시간적, 공간적 상황 자료를 수집한다고 하더라도 이를 곧바로 자율주행 자동차 사고의 원인으로 확정하고 법적 책임을 부과할 지는 매우 불명확하다. 따라서 본 연구에서는 인터페이스(Interface) 디자인 소프트웨어 알고리즘에 의해 운행되는 자율주행자동차의 독특한 특성을 도외시하고 사고 시, 단순히 운행자 중심의 일반적인 민사배상책임 논리를 적용하거나 자동차 결함이라는 차량 제조자의 제조물책임을 인정하는 것에 의문을 제기하고 인터페이스(Interface) 디자인 소프트웨어 알고리즘 결함에 따른 합리적인 법 해석 원리와 제도적 개선안을 제시하려 한다. 또한, 본 연구는 자율주행 인터페이스 디자인의 중요성을 확인하고 차량 주행시 안정성 확보를 위한 효과적인 산업 디자인 기능과 효용성을 접목시키려는 목적으로 법, 제도적 측면과의 융합적 연구를 시도하였다.

본 연구는 빠른 운항 속도와 짧은 운용 시간을 요구하는 임무에 활용될 저가 소형 자율 무인잠수정에 고가 대형 관성 측정 장치를 대신하여 사용할 수 있는 저가 소형 자세 측정 장치 개발 및 성능 검증을 수행하였다. 저가 소형 자세 측정 장치 개발을 위해서 MEMS 기술을 적용한 gyro, accelerometer 및 magnetometer 채택하여 MEMS 기반 하드웨어를 제작하였으며, 좌표 변환 공식과 칼만필터를 적용하여 자세 계산 알고리즘을 구현하였다. 또한 개발된 MEMS 기반 자세 측정 장치에 대한 기본 성능 검증을 위한 지자기센서 검증 시험, 정적 자세 시험, 차량 시험, 운동 모사 장치 시험을 수행하였으며, 각각 시험 결과를 제시하였다. 지자기센서 검증 시험 결과 외부 자기장 보정을 통하면 개발된 MEMS 기반 자세 측정 장치의 측정 결과가 외부 자기장에 강인함을 확인하였으며, 정적자세 시험 및 차량 시험을 통하여 자세 변화가 크지 않는 환경에서 자세 측정 오차가 0.5°/hr 임을 확인하였다. 운동 모사 장치 시험을 통하여 5분 내외 자세 변화가 큰 운동 중에도 자세 측정 오차가 발산하지 않고 1°/hr 이내임을 확인하였다. 상기 시험 결과로부터 개발된 MEMS 기반 자세 측정 장치가 목표 성능인 1°/hr이내 roll, pitch, yaw 오차를 보여주고 있음 확인하였으며, 이로부터 20분 내외 운용시간 동안 정확한 자세 정보 제공 가능성을 확인할 수 있었다.

Collecting a rich but meaningful training data plays a key role in machine learning and deep learning researches for a self-driving vehicle. This paper introduces a detailed overview of existing open-source simulators which could be used for training self-driving vehicles. After reviewing the simulators, we propose a new effective approach to make a synthetic autonomous vehicle simulation platform suitable for learning and training artificial intelligence algorithms. Specially, we develop a synthetic simulator with various realistic situations and weather conditions which make the autonomous shuttle to learn more realistic situations and handle some unexpected events. The virtual environment is the mimics of the activity of a genuine shuttle vehicle on a physical world. Instead of doing the whole experiment of training in the real physical world, scenarios in 3D virtual worlds are made to calculate the parameters and training the model. From the simulator, the user can obtain data for the various situation and utilize it for the training purpose. Flexible options are available to choose sensors, monitor the output and implement any autonomous driving algorithm. Finally, we verify the effectiveness of the developed simulator by implementing an end-to-end CNN algorithm for training a self-driving shuttle.

Geomagnetic field signals have potential for use in underwater navigation and geophysical surveys. To map underwater geomagnetic fields, we propose a method that exploits an autonomous surface vehicle. In our system, a magnetometer is rigidly attached to the vehicle and not towed by a cable, minimizing the system’s size and complexity but requiring a dedicated calibration procedure due to magnetic distortion caused by the vehicle. Conventional 2D methods can be employed for the calibration by assuming the horizontal movement of the magnetometer, whereas the proposed 3D approach can correct for horizontal misalignment of the sensor. Our method does not require a supporting crane system to rotate the vehicle, and calibrates and maps simultaneously by exploiting data obtained from field operation. The proposed method has been verified experimentally in inland waters, generating a magnetic field map of the test area that is of much higher resolution than the public magnetic field data.

Flight of an autonomous unmanned aerial vehicle (UAV) generally consists of four steps; take-off, ascent, descent, and finally landing. Among them, autonomous landing is a challenging task due to high risks and reliability problem. In case the landing site where the UAV is supposed to land is moving or oscillating, the situation becomes more unpredictable and it is far more difficult than landing on a stationary site. For these reasons, the accurate and precise control is required for an autonomous landing system of a UAV on top of a moving vehicle which is rolling or oscillating while moving. In this paper, a vision-only based landing algorithm using dynamic gimbal control is proposed. The conventional camera systems which are applied to the previous studies are fixed as downward facing or forward facing. The main disadvantage of these system is a narrow field of view (FOV). By controlling the gimbal to track the target dynamically, this problem can be ameliorated. Furthermore, the system helps the UAV follow the target faster than using only a fixed camera. With the artificial tag on a landing pad, the relative position and orientation of the UAV are acquired, and those estimated poses are used for gimbal control and UAV control for safe and stable landing on a moving vehicle. The outdoor experimental results show that this vision-based algorithm performs fairly well and can be applied to real situations.