자율주행차 상용화 시대를 가속화하기 위해 실제 도로에서 다양한 실증 프로젝트를 수행중이다. 그러나, 자율주행차와 비자율주행차 가 혼재된 혼합교통류 환경에서 발생할 수 있는 다양한 문제의 원인을 파악하고 선제적인 안전대책을 강구하는 노력은 미비한 실정이 다. 특히, 기존 비자율주행차 측면의 주행안전성을 고려하여 설계된 도로 시설 특성으로 인해 자율주행차의 주행안전성이 저하될 수 있다. 또한 기존 비자율주행차의 주행안전성을 저해함과 동시에 자율주행차의 주행안전성도 저해하는 도로 시설 특성이 존재할 가능 성이 있다. 본 연구에서는 상암 자율주행차 시범운행지구에서 수집된 automated vehicle data (AVD)를 활용하여 자율주행차와 비자율주 행차의 주행안전성을 평가하고 도로 시설 특성 측면의 영향요인을 도출하였다. 주행모드별 주행안전성 평가를 위해 autonomous emergency braking system (AEBS) 위험 이벤트 기반의 driving risk index (DRI)를 개발하였다. 구간별 DRI가 발생하지 않은 구간을 very good으로 정의하고 발생한 구간을 25 percentile로 구분하여 good, moderate, poor, very poor 등급으로 정의하여 총 5개의 등급으로 구분 하였다. 또한, 현장조사을 수행함으로써 구간별 포함되어 있는 도로 시설 특성을 수집하였다. 주행모드별 주행안전성에 영향을 미치는 도로 시설 특성을 도출하기 위해 이항로지스틱 회귀분석을 수행하였다. 종속 변수의 경우 DRI 기반 안전등급 중 poor 이상 등급을 1, 그 외의 등급을 0으로 정의하였으며, 독립변수의 경우 현장조사를 통해 수집된 교차로 유형, 차로 수, 차로 폭, 추가차로 유무, 차량 진행방향, 불법주정차 유무, 버스정류장 유무, 자전거 차로 유무에 대해 명목형 변수로 설정하였다. 도출된 주행모드별 주행안전성 영 향 요인을 검토하고 향후 자율주행차 시대에 대비하여 선제적으로 개선이 요구되는 도로 시설 특성을 도출하고 도로 운영성 및 효율 성, 안전성 측면의 개선 방향을 제시하였다.

전 세계적으로 실도로에서의 자율주행차 안전성능을 검증하고 자율주행 시스템 기술의 개발을 위해 다양한 실증을 수행하고 있다. 미국의 경우 캘리포니아, 오하이오, 애리조나 등 다양한 주에서 자율주행차의 실도로 테스트를 진행하고 있으며, 독일의 경우 페가수 스 및 이매진 프로젝트 등을 통해 자율주행 성능 및 협력 운행 테스트를 수행하였다. 그러나, 자율주행차의 주행 성능 측면의 평가에 국한되어 실증이 진행되고 있다는 한계가 존재한다. 실도로 환경에서 자율주행차는 비자율주행차, 보행자 및 자전거 등과 상호작용하 며, 다양한 도로 기하구조에서 주행안전성 저하 문제가 발생할 수 있다. 따라서, 본 연구에서는 혼재교통상황에서 자율주행차의 주행 안전성을 저하시키는 도로 기하구조를 도출하였다. 또한, 캘리포니아 Department of Motor Vehicles (DMV)에서 제시한 자율주행차 관련 사고자료 검토를 통해 유사한 도로 기하구조에서 발생할 수 있는 사고 유형을 검토함으로써 선제적인 대안을 마련하고자 한다. 시뮬 레이션 분석을 위한 자율주행차 거동구현의 경우 real-world automated vehicle data (AVD) 기반 주행행태 분석을 통해 VISSIM 파라미 터를 조정하였다. 위험구간 도출을 위해 평가지표를 선정하고 주행안전성 분석을 수행하였으며, 위험 구간의 도로 기하구조의 특성을 도출하였다. 마지막으로 위험구간의 도로 기하구조와 유사한 구간에서 발생한 실제 자율주행차 관련 사고 보고서를 검토함으로써 본 연구에서 도출된 위험구간의 도로 기하구조에서 발생할 수 있는 잠재적 사고 원인을 제시하였다. 본 연구의 결과를 통해 향후 자율주 행차의 실도로 도입을 위해 선제적인 대책을 마려하는데 기초자료로 활용될 수 있으며, 나아가 자율주행차 안전성 향상을 위한 경고 정보 서비스 개발, 정보 제공 인프라 설치 우선순위, 도로 기하구조 개선 사업에 활용할 수 있을 것으로 기대된다.

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.

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.

자율주행차는 운전자의 부주의로 인한 사고를 줄일 수 있는 반면, 기계에 어느 정도의 자율성을 허용해야 할 것인지의 문제를 제기한다. 특히 돌발상황의 발생시에 운전자와 보행자 중에서 누구를 선택해야 할 것인지에 대한 의사 결정은 모두가 합당하다고 생각하는 도덕적 원칙을 기반으로 일관적으로 실시되어야 한다. 본 연구(N = 103)에서는 한국 사회에서 자율주행차의 윤리적 의사결정을 프로그래밍한다고 가정했을 때, 의사결정과정에 영향을 끼칠 수 있는 개인적/상황적 변인을 검증하였다. 이에 따라 개인적 변인으로서 참가자의 자율주행차의 자동화 기술에 대한 수용도를 측정한 후, 상황적 변인으로 문장완성과제를 통해 참가자에게 성취 또는 배려의 가치를 활성화시켰다. 이후 자율주행차의 사고상황에서 공리주의 의사결정의 비율 및 자율주행차 구매의향이 어떻게 달라지는지를 설문지를 통해 비교하였다. 그 결과 연구참가자에게 성취의 가치를 활성화시켰을 때, 자신이 차 안의 운전자로 가정된 상황에서 다수의 보행자를 배려하는 공리주의 의사결정의 비율이 가장 낮게 나타났다. 또한 연구참가자가 자율자동차 기술을 긍정적으로 생각할수록 공리주의 원칙으로 설계된 자율주행차의 구매의향이 전반적으로 높았지만, 성취-운전자 조건에서 참가자의 구매의향이 다른 조건보다 유의하게 낮게 나타났다. 이 결과는 자율주행차의 사고상황에서 의사결정의 과정이 개인적 변인뿐만 아니라 특정 상황에서 활성화된 가치 및 관점의 차이에 따라 영향을 받을 가능성을 시사한다. 논의에서는 연구결과의 제한점 및 후속 연구방향에 관해 논의하였다.

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.