준정부조직 콴고(QUANGO: Quasi-Autonomous Non-Governmental Organization)는 자율성과 독립성을 갖춘 비국가적 행위자로 국제관계 속에서 네트워크 촉매 역할을 한다. 본 연구의 목적은 콴고를 공공외교 관점에서 살펴보고, 어떤 요인이 네트워크 참여를 추동하는지 밝히는 것 이다. 개별행위자의 차원에서 조직구성원, 일시적 구성원, 잠재적 구성원 을 대상으로 인터뷰 설문조사를 수행하고 참여관찰자의 관점에서 조직의 특징을 추적 관찰했다. 분석결과 다음의 다섯 가지 시사점을 얻을 수 있 었다. 첫째, 조직의 형태와 조직문화는 조직구성원의 관계성에 영향을 미 쳤고, 조직에 따라 네트워크 추동요인(상호통제, 헌신, 만족, 신뢰)의 일 부가 발현되거나 모두 작동할 수 있다. 둘째, 조직구성원-일시적 구성원 에서 중요하게 나타난 신뢰의 관계성은 종류와 정도에 따라 다른 양태를 보일 수 있다. 셋째, 조직구성원-잠재적 구성원에서는 신뢰와 만족이 추 동원인으로 작동했고, 콴고의 보편적 가치 추구가 중요한 네트워크 결정 요인이었다. 넷째, 국가성을 배제한 연대의 정체성이 성공요인으로 작용 했다. 마지막으로 문화 간 커뮤니케이션의 윤리성과 공공성의 충족이 네 트워크 형성과 확대에 지대한 영향을 미쳤다.

PURPOSES : In this study, the importance of various goals, accomplishment, composition, and operation factors of autonomous driving living labs was identified, and implications for establishing strategies to expand the performance of autonomous driving living labs are presented based on their analyzed activation factors. METHODS : We set the factors for accomplishing autonomous living labs to promote technology development and commercialization, create an autonomous living ecosystem, secure the sustainability of living labs, resolve social issues related to urban transportation, and perform factor analyses. To identify the determining factors affecting performance, we performed a multiple regression analysis based on the scores of the composition and operation factors of autonomous living lab environments. RESULTS : Among the accomplishments of autonomous driving living labs, it was found that performance activation and physical environmental factors are important for the promotion of technology development and commercialization; performance activation and promotion and communication factors are important for sustainability related to ecosystem creation; and performance activation and physical environmental factors are important for sustainability related to operational experience acquisition. Additionally, operational factors related to the developer are important for the direct resolution of urban transportation problems, and promotion and communication and performance activation factors are important for the indirect resolution of urban transportation problems. CONCLUSIONS : The findings of this study clarify that activation factors differ depending on accomplishments or goals, providing basic data for establishing accomplishment-based strategies.

PURPOSES : This study aimed to derive the factors that contribute to crash severity in mixed traffic situations and suggest policy implications for enhancing traffic safety related to these contributing factors. METHODS : California autonomous vehicle (AV) accident reports and Google Maps based on accident location were used to identify potential accident severity-contributing factors. A decision tree analysis was adopted to derive the crash severity analyses. The 24 candidate variables that affected crash severity were used as the decision tree input variables, with the output being the crash severity categorized as high, medium, and low. RESULTS : The crash severity contributing factor results showed that the number of lanes, speed limit, bus stop, AV traveling straight, AV turning left, rightmost dedicated lane, and nighttime conditions are variables that affect crash severity. In particular, the speed limit was found to be a factor that caused serious crashes, suggesting that the AV driving speed is closely related to crash severity. Therefore, a speed management strategy for mixed traffic situations is proposed to decrease crash severity and enhance traffic safety. CONCLUSIONS : This paper presents policy implications for reducing accidents caused by autonomous and manual vehicle interactions in terms of engineering, education, enforcement, and governance. The findings of this study are expected to serve as a basis for preparing preventive measures against AV-related accidents.

PURPOSES : For autonomous vehicles, abnormal situations, such as sudden changes in driving speed and sudden stops, may occur when they leave the operational design domain. This may adversely affect the overall traffic flow by affecting not only autonomous vehicles but also the driving environment of manual vehicles. Therefore, to minimize the traffic problems and adverse effects that may occur in mixed traffic situations involving manual and autonomous vehicles, an autonomous vehicle driving support system based on traffic operation optimization is required. The main purpose of this study was to build a big-data-classification system by specifying data classification to support the self-driving of Lv.4 autonomous vehicles and matching it with spatio-temporal data. METHODS : The research methodology is explained through a review of related literature, and a traffic management index and big-dataclassification system were built. After collecting and mapping the ITS history traffic information data of an actual Living Lab city, the data were classified using the traffic management indexing method. An AI-based model was used to automatically classify traffic management indices for real-time driving support of Lv.4 autonomous vehicles. RESULTS : By evaluating the AI-based model performance using the test data from the Living Lab city, it was confirmed that the data indexing accuracy was more than 98% for the KNN, Random Forest, LightGBM, and CatBoost algorithms, but not for Logistics Regression. The data were severely unbalanced, and it was necessary to classify very low probability nonconformities; therefore, precision is also important. All four algorithms showed similarly good performances in terms of accuracy. CONCLUSIONS : This paper presents a method for efficient data classification by developing a traffic management index to easily fuse and analyze traffic data collected from various institutions and big data collected from autonomous vehicles. Additionally, EdgeRSU is presented to support the driving of Lv.4 autonomous vehicles in mixed autonomous and manual vehicles traffic situations. Finally, a database was established by classifying data automatically indexed through AI-based models to quickly collect and use data in real-time in large quantities.

최근 자율주행 차량의 등장으로 인해 기존의 교통 시스템에 많은 변화가 생길 것으로 보이며, 운전자가 주행하던 차량과는 다른 행태로 인해 기존 비자율주행 차량들이 초래하는 고위험 상황의 요인과는 다른 새로운 요인들이 도출될 것으로 보인다. 하지만, 현 시점 국내 에서는 자율주행 차량이 실제로 주행하고 있지 않기 때문에 주행행태를 포함한 데이터 기반의 주요 요인 분석 및 도출에 한계가 있다. 따라서 현 시점에서 자율주행 차량이 혼재하는 환경에서 고위험한 상황을 정의할 수 있는 요인을 도출하기 위해서는 사례 중심의 분석이 필요하다. 따라서 본 연구에서는 기존 국내·외 자율주행차량과 관련된 다양한 논문 사례를 DB화하여 이를 정량적으로 평가할 수 있는 메타 분석(Meta-Analysis) 기법을 통해 향후 자율주행차량이 혼재하는 교통 네트워크에서 안전성을 증진하기 위한 고위험 유발의 주요 요인을 도출하고자 하였다. 본 연구에서 DB화한 논문은 자율주행 차량과 관련된 총 4가지(사고요인, 시나리오, 예측모델, 법규)에 해당 하는 분야로 분류하여 수집하였으며, 2015년부터 2024년 까지 최근 10개년에 해당 되는 사례를 수집하여 분석을 수행하고 주요 요인을 도출하였다. 본 연구의 결과는 향후 자율주행 차량 혼재 시 고위험 상황의 주요 요인들을 바탕으로 각 요인에 기반한 자율주행차량 혼재 시 고위험 상황에 대한 정의를 할 수 있으며, 이러한 고위험 요인들에 의해 도로교통의 안전성이 저해될 수 있는 요인에 대한 사전 예방을 수행할 수 있을 것으로 기대된다.

본 연구는 2017년부터 2021년까지 고속도로에서 발생한 약 9,600건의 사고를 분석하여 자율주행 긴급차량의 신속한 대응 능력을 향 상시키고자 하였다. 조사 결과, 2차 사고가 전체 사망자의 16.8%를 차지하며, 이들 중 약 74%가 선행사고와 관련이 있다는 점이 강조 된다. 이러한 통계는 긴급차량의 신속한 대처 능력이 피해를 최소화하는 데 얼마나 중요한지를 보여준다. 연구에서는 사고의 영향권을 정의하고, 이를 기반으로 긴급차량이 보다 안전하고 효율적으로 사고 현장에 접근할 수 있도록 하는 알고리즘을 개발하였다. 실제 교 통사고 데이터를 활용하여 사고 지속 시간과 다양한 변수를 고려한 기초 분석을 실시하였으며, 도로 특성, 사고 종류, 점유 차로 등 여러 요소를 반영하여 대응 기준을 설정했다. 알고리즘은 자율주행 차량이 실시간으로 주변 정보를 수집하고 신속하게 대응 방안을 마련할 수 있도록 설계되었다. 향후 연구에서는 알고리즘의 실제 도로 환경에서의 적용 가능성을 검토하고, 다양한 변수들을 포함한 추가 연구를 통해 성능을 더욱 개선할 계획이다. 이러한 연구 결과는 교통사고로 인한 피해를 줄이는 데 기여하고, 자율주행 기술을 활용하여 2차 사고의 가능성을 감소시키는 데 중요한 역할을 할 것으로 기대된다.

본 연구는 차내 정보 제공시스템을 통해 운전자에게 신호의 상태변화를 실시간으로 제공하는 것이 운전자의 운전행동에 어떤 영향 을 미칠지를 분석하고자 하였다. 신호정보제공에 따른 운전자의 반응은 신호등화의 변경시점과 브레이크 제동, 차량의 출발에 소요되 는 반응시간과 교차로 구간별 속도의 변화를 분석하였다. 또한 주행시험 전후 피시험자를 대상으로 서비스에 대한 사전 사후 설문을 실시함으로서 운전자의 성향과 서비스에 대한 만족도를 조사하고자 하였다. 실시간 교통신호상태정보 제공에 따른 설문조사는 일반설문과 사전설문, 사후설문으로 구성하여 피시험자 60명을 대상으로 수행하였 다. 장치조작에 익숙한 20-30대는 신호정보제공에 대한 기대 및 선호도가 낮게 나타났으며 60대 이상에게 운전편의성 및 선호도에 대 해 높은 만족도를 보였다. 연령대가 낮은 운전자에게서는 단순 정보제공의 의미, 고령운전자에게서 차량속도 조절 등 운전편의 효과를 확인 할 수 있었다. 주행시험은 동일한 경로를 주행하되 잔여시간정보를 제공하지 않는 일반주행과 정보를 제공하는 2번의 주행시험을 실시하였고, 반응 시간과 주행속도를 분석하였다. 잔여시간 정보를 제공하는 경우 브레이크 제동상태에 대한 반응시간은 전 연령대에서 통계적으로 유 의미한 반응시간 감소 효과가 있음을 확인하였다. 브레이크 반응시간은 평균 0.38초 감소하였고 특히 고령운전자 그룹에서의 반응시간이 66%가량 감소했다. 반면 2030대 운전자 그룹에 서는 등화가 변경되기 전에 예측반응하는 비율이 크게 증가하는 효과도 있었다. 그러나 예측반응은 제동상태의 변화가 있었던 것을 의미하므로 차량이 실제 움직인 예측출발과는 차이가 있다. 동일 데이터 분석 시 실제 2030대운전자 그룹에서 등화가 변경되기 전에 예측 출발한 빈도는 정보를 제공하기 전과 후 모두 7%로 변화가 없었기 때문이다. 출발인지반응은 전체반응시간의 감소가 통계적으로 유의하지 않았으나, 고령운전자 그룹에서 반응시간이 2.1초에서 1.8초로 -0.3초 통 계적으로 유의미한 감소가 있었던 것으로 분석되었다. 신호정보제공에 따른 주행속도의 변화는 적색등화 상태로 교차로 접근시의 평 균속도가 약 2km/h 감소하였으나, 녹색등화시에는 구간의 평균주행속도에는 큰 영향을 미치지 않는 것으로 분석되었다. 다만, 일반주 행 시 차량의 속도는 정지선으로부터 차량의 위치에 영향을 많이 받지만 잔여시간정보를 제공할 때는 거리보다 잔여시간의 영향이 더 크다는 사실을 확인하였다.

This study aims to analyze cooperative autonomous driving by integrating two advanced simulation tools, UC-WinRoad and VISSIM. Cooperative autonomous driving refers to the interaction of autonomous vehicles (AVs) with human-driven vehicles, infrastructure, and other road users within a dynamic traffic environment. The integration of UC-WinRoad’s realistic 3D visualization capabilities with VISSIM’s detailed microscopic traffic modeling enables the simulation of complex traffic scenarios, providing a comprehensive analysis of autonomous and connected vehicle behavior. The necessity of this study arises from the growing interest in autonomous driving technologies and the need for reliable tools to evaluate their performance and impact on real-world traffic systems. Simulations offer a safe and cost-effective environment to test AV behavior in various scenarios, including extreme or hazardous conditions that are difficult to replicate in the real world. This study also provides valuable insights into AV-infrastructure interactions, offering data-driven recommendations for policy and infrastructure planning. The outcomes of this research include the development of a methodology for linking UC-WinRoad and VISSIM, simulation results demonstrating potential improvements in traffic flow, safety, and efficiency through cooperative autonomous driving, and the identification of challenges in integrating AVs into existing traffic systems. This research contributes to the advancement of autonomous driving technologies by providing a robust framework for analyzing cooperative driving scenarios, supporting AV and human-driven systems ahead of the fully autonomous traffic systems of the future.

자율주행차가 보급되어 도로에서 사람 운전자와 함께 운영되는 미래가 다가오고 있다. 사람 중심으로 운영되는 도로 체계가 자율주 행차와 공존하는 형태로 변화하고 있으며, 도로 시스템도 사람 운전자와 자율주행차가 혼재된 혼합교통류를 대상으로 변화하고 있다. 현재 도로에서는 예상하지 못한 상황들이 다양하게 발생한다. 교통사고, 도로 낙하물 등 교통흐름에 영향을 주는 상황들이 발생하며, 대응을 위한 전략들이 각 지방자치단체에서 준비되어 있다. 미래 교통상황에는 도로상에 자율주행차가 혼재되어 있으며 이를 포함하 는 돌발 및 재난상황에 대한 제어전략은 아직 부재하다. 본 연구에서는 돌발 및 재난상황 발생 시 자율주행차 제어전략에 대한 설계 방안을 제안한다. 돌발 및 재난상황 범위에 대해 정의하며, 상황 구분을 위한 기준을 제시하여 각 상황에서 자율주행차가 안전하게 대 응할 수 있도록 제어전략을 제시한다.

최근 자율주행차량 기술의 급속한 발전은 교통 시스템의 효율성을 향상시키는 동시에, 도로 인프라에 새로운 도전 과제를 제기하고 있다. 자율주행차량은 차선 유지 시스템을 통해 일정하게 차선 중앙을 주행하는 특성이 있으며, 이로 인해 특정 휠패스(Wheel Path) 구 간에 하중이 집중되는 문제가 발생한다. 특히 중차량과 자율주행차량이 빈번하게 운행되는 도로 구간에서는 이러한 하중 집중으로 인 해 도로 포장층의 소성 변형과 균열이 빠르게 진행되며, 결과적으로 도로의 내구성이 크게 저하된다. 이는 도로의 유지보수 주기를 단 축시키고, 유지 비용을 증가시키며, 도로 이용자들에게 안전상의 위험을 초래할 수 있다. 이를 해결하기 위해 다양한 도로 보강 기술이 연구되어 왔으며, 그중 섬유 보강 그리드 기술이 주목받고 있다. 본 연구에서는 탄소섬 유와 유리섬유를 결합한 하이브리드형 섬유보강 그리드를 개발하고, 이를 자율주행차량이 운행하는 도로 구간에 적용함으로써 도로의 내구성 향상과 유지보수 비용 절감을 목표로 한다. 탄소섬유는 높은 강도와 내구성을 제공하여 휠패스 부위에 집중되는 하중에 대한 저항성을 강화하고, 유리섬유는 비휠패스 구간에 경제적인 보강 효과를 제공한다. 본 연구는 자율주행차량 시대에 적합한 도로 보강 솔루션을 제시하고, 이를 실증 구간에서 평가하여 그 효과를 검증하고자 한다. 이를 통해 도로의 반사균열 저항성 및 소성변형 저항성을 개선하고, 도로 수명을 연장함으로써 자율주행차량이 증가하는 교통 환경에서도 지속 가능한 도로 관리 방안을 제시할 수 있을 것이다.

본 연구는 보행로에서 주행하는 자율주행로봇의 경로 최적화를 위한 D*알고리즘 수정에 중점을 두고 있다. 기존의 D*알고리즘은 자율주행 로봇이 장애물을 인식하고 회피하는 방식으로 설계되었지만, 실제 보행환경에서는 보행로를 통행하는 사람들이 로봇을 인지 하고 스스로 회피하는 경향이 관찰되었다. 라이다 센서를 통해 수집된 사람들의 궤적 데이터를 분석하여, 사람들이 자율주행 로봇을 회피하기 시작하는 평균 거리와 회피 각도를 파악하였다. 이를 바탕으로, 사람들이 로봇을 회피할 의사가 있을 때 로봇이 기존 최적경 로를 유지하도록 하고, 그렇지 않은 경우에만 회피 경로를 채택하는 수정된 D*알고리즘을 제안하였다. 실험 결과, 수정된 D*알고리즘 을 적용한 자율주행 로봇은 운행 효율과 주행 시간 측면에서 기존 방식 대비 우수한 성능을 보였다. 이러한 연구는 제한된 배터리 용 량 하에서도 효율적인 주행이 가능하도록 하여 자율주행 로봇의 보행로 사용을 최적화하는 데 기여할 것으로 기대된다.

The diversity of smart EV(electric vehicle)-related industries is increasing due to the growth of battery-based eco-friendly electric vehicle component material technology, and labor-intensive industries such as logistics, manufacturing, food, agriculture, and service have invested in and studied automation for a long time. Accordingly, various types of robots such as autonomous mobile robots and collaborative robots are being utilized for each process to improve industrial engineering such as optimization, productivity management, and work management. The technology that should accompany this unmanned automobile industry is unmanned automatic charging technology, and if autonomous mobile robots are manually charged, the utility of autonomous mobile robots will not be maximized. In this paper, we conducted a study on the technology of unmanned charging of autonomous mobile robots using charging terminal docking and undocking technology using an unmanned charging system composed of hardware such as a monocular camera, multi-joint robot, gripper, and server. In an experiment to evaluate the performance of the system, the average charging terminal recognition rate was 98%, and the average charging terminal recognition speed was 0.0099 seconds. In addition, an experiment was conducted to evaluate the docking and undocking success rate of the charging terminal, and the experimental results showed an average success rate of 99%.

PURPOSES : This study explores the preference of shared autonomous vehicle service in an underground dedicated environment. METHODS : A stated preference survey was conducted to examine the mode choice behaviors on autonomous vehicle service competing with existing modes. Multinomial logit was employed to estimate the parameters of explanatory variables from the surveyed data. The model was estimated with alternative specific parameters rather than generic parameters. The value of time was also estimated using the parameters of the mode choice model. RESULTS : The results showed that the travel cost had the highest sensitivity to public transportation and the lowest to private cars. We also found that the value of the in-vehicle travel time was highest for private cars, lowest for public transportation, and intermediate for SAVs, suggesting that SAVs could serve as a premium public transport option. Additionally, the out-vehicle time coefficient was higher for public transportation compared to that for SAVs, indicating that users are more willing to tolerate longer out-vehicle times for SAVs due to their high-speed service compared to that of public transportation. CONCLUSIONS : This study presents a direction for policy regarding the adoption of shared autonomous vehicle services by considering the attributes that are valued by users of each mode.

PURPOSES : Even when autonomous vehicles are commercialized, a situation in which autonomous vehicles and regular drivers are mixed will persist for a considerable period of time until the percentage of autonomous vehicles on the road reaches 100%. To prepare for various situations that may occur in mixed traffic, this study aimed to understand the changes in traffic flow according to the percentage of autonomous vehicles in unsignalized intersections. METHODS : We collected road information and constructed a network using the VISSIM traffic simulation program. We then configured various scenarios according to the percentage of autonomous vehicles and traffic volume to understand the changes in the traffic flow in the mixed traffic by scenario. RESULTS : The results of the analysis showed that in all scenarios, the traffic flow on major roads changed negatively with the mix of autonomous vehicles; however, the increase or decrease was small. By contrast, the traffic flow on minor roads changed positively with a mix of autonomous vehicles. CONCLUSIONS : This study is significant because it proactively examines and designs traffic flow changes in congested traffic that may occur when autonomous vehicles are introduced.

GMDSS 도입 이후에도 많은 해난사고가 증가하고 있다. 선박에서 사람이 물에 빠진 경우 구조신호를 전달하는 방법은 현 재 다양한 방법으로 연구 및 개발되고 있지만, 해상이동업무용으로 지정된 주파수를 사용하는 제품의 개발은 이루어진 바 없다. 이에 따라 본 논문에서는 ITU의 최신 개정안을 통해 도입이 결정된 종별 B AMRD 기술을 적용하여 MOB 장치를 설계하고 제작해 보았 다. 또한 제작된 송신기의 성능을 확인하기 위해 수신기와 사용자 인터페이스를 제작하여 기존의 전자해도와 연동해서 사용할 수 있 음을 확인하였다. 본 논문을 통해 AIS기술을 이용하는 종별 B의 AMRD 일반조건과 기술조건을 만족하고 해상환경에서 휴대가 쉽도 록 소형화하기 위한 집적화된 소자를 선택하여 MOB 장치를 설계 및 구현해 봄으로써 AIS의 우수한 통신이 실현되고 긴급 상황에서 신속한 대응 및 안전에 핵심적인 역할을 담당할 것이라 기대한다.

최근 해사산업 분야에서는 4차 산업혁명의 대명사로서 자율운항선박 관련 자율운항기술 및 원격운항기술 등의 개발이 활발히 진행되어 자율운항선박에 대한 본격적인 실증이 현실화되고 있다. 이러한 자율운항선박이 현실화가 된다 면 이러한 선박이 국제해사협약 체계 내에서 아무 문제없이 운항이 가능해야 할 것이며, 이를 위한 정책적, 법제적 준비가 제대로 이루어져야 할 것이다. 이 를 위해 자율운항선박이 운용되기 위하여 반드시 고려되어야 하는 인적요인의 역할 변화에 대한 법제적 및 기능적 검토가 필요하다. 먼저 국제협약 및 국내법에서는 인적요인에 대한 여러 규정을 두고 있으며 선박의 해상에서의 안전을 확보하기 위하여 자격 있는 선원의 승선 및 통제를 전제로 하여 선박과 인적요인을 분리하고 있지 않다. 다만, 자율운항선박의 경 우 기국이 재량에 따라 판단하여 선원이 승선하지 않아도 안전하고 효율적으로 선박을 운항할 수 있다고 판단한다면 반드시 선원의 승선이 필요한 것은 아니 라고 볼 것이다. 특히, 선박의 안전운항을 위하여 그동안 선장 및 해기사가 수 행해 온 역할들이 누락없이 축소된 최소 선원, 원격운항자 및/또는 첨단기술로 적절히 이전된다면 그러한 시대변화를 뒷받침할 수 있을 것으로 보인다. 따라서 이 논문에서는 IMO에서 논의가 되고 있는 원격운항자의 역할과 책임 과 관련하여 기존 해기사의 기능 중 원격운항자가 이어 받아 수행할 수 있는 기능을 식별하고 그러한 기능에서 요구되는 해기능력을 확인하여 제시하고자 하였으며, 향후 원격운항자의 요구능력으로 참조할 수 있을 것이다.

자율주행에 관한 관심은 전 세계적으로 증가하고 있으며, 글로벌 자동차 제조사들과 기술기업들이 자율주행 분야에 대한 투자를 늘 리고 있어 향후 자동차 산업과 교통체계 전반에 큰 변화가 전망된다. 이처럼 자율주행 관련 연구와 개발은 끊임없이 진보하고 있으며, 관련 연구 수행은 계속해서 이루어질 것으로 보인다. 연구 수행에 있어 동향 파악은 필수 요소이며, 본 연구에서는 국내 자율주행 연 구 동향을 분석하고자 한다. 연구 동향을 분석한 다양한 분야의 선행연구 검토 결과, 각각 연구 목적에 맞는 다양한 데이터베이스를 이용하여 데이터를 수집하였으며 연구 주제어 혹은 초록을 분석데이터로 활용하였음을 확인하였다. 자율주행 연구 동향에 대해 분석 한 선행연구 검토 결과, 기존 연구들은 분야를 구분하지 않고 연구를 수집·분석하였음을 확인하였다. 자율주행은 도로, 교통, 자동차, 기계, 컴퓨터, 전자, 전기 등 다양한 분야를 포함하고 있기에 분야별 연구 동향 분석이 필요하다. 이에 본 연구에서는 도로·교통 분야 의 동향 분석을 위해 최근 5년간(2019년~2023년) 국내 도로·교통 분야 등재 학술지에 게재된 학술 논문을 대상으로 연구 동향을 분석 하였으며, 보다 많은 텍스트 데이터를 활용하기 위해 주제어가 아닌 초록을 활용하였다. 키워드 출현 빈도 분석을 통해 주요 키워드를 도출하였으며, 토픽 모델링을 통해 주요 연구주제를 도출하였다. 본 연구에서 수행한 자율주행 연구 동향 파악은 도로·교통 분야에서 향후 수행될 자율주행 연구 방향 수립에 시사점을 제공할 것이라 기대된다.

자율주행차량의 첨단 운전자 보조 시스템(ADAS)의 발전은 자율주행차량의 상용화를 가속화하고 있지만, 그 안전성을 입증하기 위한 충분한 테스트와 검증이 필요하다. 실제 차량을 이용한 대규모 테스트는 비용과 시간뿐만 아니라 다양한 시나리오를 구현하고 평가하 는 데 어려움이 있어, 다수의 연구자들은 시뮬레이션을 활용하고 있다. 이러한 문제를 해결하기 위해, 본 연구에서는 차량 시뮬레이션 소프트웨어인 CarMaker와 교통 흐름 시뮬레이션인 VISSIM을 결합하여 공동으로 시뮬레이션을 진행한다. 또한 두 시뮬레이션의 장점 을 결합하여 자율주행차량의 데이터를 보다 포괄적으로 분석할 수 있는 프레임워크를 제안한다. 시뮬레이션 결과, 각각의 시뮬레이션 에서 얻은 Ego Vehicle의 속도 값은 미세한 차이를 보였으며, 이는 실시간 시뮬레이션의 통신 과정에서 발생하는 오류로 해석된다. 또 한, 특정 시나리오에서는 차량이 급정지 후 출발하는 형태를 보였으며, 이는 자율주행차량이 주변 차량의 주행을 인식하여 주행 패턴 에 변화를 주는 것으로 해석된다. 향후에는 도심 도로에서의 자율주행 평가를 통해 복잡한 교통 상황과 불확실한 요소들로 인해 어려 운 문제를 겪는 상황을 분석할 수 있을 것으로 기대된다.

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.