With the rapid transition to an aging society, the need for assistive technologies that promote independent indoor living for the elderly and mobility-impaired has become increasingly critical. This study proposes the development of a next-generation powered chair designed to support such independence by compensating for mobility limitations caused by natural aging. The proposed system incorporates two core functionalities: (1) an low seat-lifting mechanism capable of lowering the seat height to 7 cm, and (2) a short-range autonomous driving mode operable in both lowered and lifted positions. The low driving mode enables the user to approach low tables or desks and facilitates effortless transfer to and from low beds or sofas. In the lifted position, the system performs real-time obstacle detection and avoidance within a 3-meter range, preventing falls and collisions while expanding the user’s range of motion— for instance, by allowing access to higher objects or enabling eye-level communication with standing individuals. To realize these functions, a rack-and-pinion lifting mechanism is applied, along with a direct target-point designation method utilizing an LED pointer and a wiper-type screening approach for real-time obstacle avoidance. The design concept, implementation strategy, and validation plan are presented. This research contributes to enhancing the quality of life for elderly users by maximizing their remaining physical capabilities, while simultaneously reducing the physical and emotional burden on caregivers.

우리나라 농촌 인구의 고령화는 빠르게 진행되고 있으며, 2020년 기준 농업경영주의 평균 연령은 66.1세, 65세 이상 경영주 비율은 56%에 이른다. 2022년 기준 밭작물 전체의 기계화율은 63.3%인 반면, 정식 작업의 기계화율은 12.2%에 불과하며, 특히 고추 정식의 기계화율은 거의 0% 수준이다. 이러한 문제를 해결하기 위해 본 연구에서는 1회전 2식부 방식의 식부 메커니즘을 적용한 고추 정식기를 설계하였다. 식부 장치는 식부 프레임, 암(arm), 그리고 호퍼로 구성되며, 호퍼는 상사점에서 모종을 공급받아 하사점에서 식부한 후 모종과의 충돌 없이 복귀하도록 캠 메커니즘과 스윙 구조의 보조를 받는다. 호퍼는 하강 시 시계 방향의 반원 궤적을 따라 이동하고, 상승 시에는 타원 궤적으로 이동하며, 이때 상승 궤적은 사이클로이드 곡선과 높은 유사성을 보였고 주행속도가 증가할수록 그 유사성이 더욱 증가하였다. 재배 환경에 따른 주행속도는 하우스 재배에서 2.0 km/h(55.6 rpm), 노지 일반 재배에서 2.5 km/h(52.1 rpm), 노지 터널 재배에서 3.0 km/h(50.0 rpm)로 설정하였다. 식부 암의 회전속도를 60 rpm으로 고정한 조건에서, 주간거리별 최대 주행속도를 산출하였다. 주행속도와 주간거리가 증가할수록 식부 호퍼의 후퇴 면적은 감소하는 경향을 보였으며, 노지 터널 재배 조건(주간거리 500 mm, 주행속도 3.6 km/h)에서 가장 작은 후퇴 면적(10,560.0 mm²)이 나타났다. 본 연구는 1구 2식부 방식의 식부 메커니즘이 우수한 작동 성능을 가짐을 입증하였으며, 고추 정식기의 구조 및 구동 시스템 최적화를 위한 궤적 및 운전 조건 설정에 기초 자료를 제공한다.

This study aims to analyze the driving trajectories and lateral behavior characteristics of autonomous vehicles via simulation and to derive the implications for roadway infrastructure design based on the analysis results. A three-lane, one-way autonomous driving simulation environment was established to replicate the actual driving characteristics of autonomous vehicles. Roadways were designed based on domestic road design standards (MLTM, 2020), where horizontal, vertical, and cross-sectional alignments were incorporated and design speeds ranging from 20 to 120 km/h were considered. Curves with minimum radii of 15, 30, 60, …, 710 m were implemented. Autonomous vehicles were driven along these designed roads to obtain driving data, including position, speed, and steering angle. The lateral deviation from the lane center was calculated for each lane by measuring the distance between the front and rear wheels of the vehicle and the lane centerline. This approach allows for the analysis of lane-specific deviation characteristics under different speeds and curve radii, thus enabling a quantitative assessment of the lateral clearance required for autonomous-vehicle operation. Lateral deviation increased when vehicles entered or exited curves, particularly in outer lanes and at curves with changing turning directions. Passenger cars and heavy vehicles showed decreasing deviations within curves, whereas the deviations varied in straight sections. The lateral clearance increased with the design speed for passenger cars, whereas heavy vehicles generally exhibited limited clearance owing to their larger size and mirror widths, with slight increases above 100 km/h. Autonomous vehicles maintained lane centers outside curve entries and exit sections, thus indicating that variable lane widths can be safely implemented. The existing design standards based on human driving may be adapted for autonomous vehicles, thus enabling more efficient roadway use while maintaining stability.

The automotive industry is rapidly shifting from hardware-focused design to Software Defined Vehicles (SDVs), where functions are flexibly updated through software. Embedded systems are central to this transition, ensuring real-time data processing and control across sensors, actuators, and controllers. Yet, most autonomous driving education and competitions have been designed for senior students, creating high entry barriers for early undergraduates. This study proposes an embedded practice-based education model for lower-year students, implemented through an autonomous driving competition. Arduino was adopted as an accessible embedded platform, enabling rapid prototyping and intuitive learning of sensor–controller–actuator integration. The curriculum was structured to advance from interrupt-based programming to Real-Time Operating System (RTOS)-based task scheduling, providing stepwise exposure to core SDV concepts. The model was validated through a mission-oriented competition that included line following, obstacle avoidance, and stop-line detection tasks. Dual assessment—combining technical performance indicators with rubric-based educational outcomes— demonstrated both algorithmic feasibility and pedagogical effectiveness. This work highlights that early undergraduates can gain meaningful SDV-oriented embedded control experience through lightweight competitions. The proposed framework offers an effective pathway for cultivating the next-generation mobility workforce, bridging the gap between theoretical education and practical implementation in the SDV era.

In this study, we propose a data-driven analytical framework for systematically analyzing the driving patterns of autonomous buses and quantitatively identifying risky driving behaviors at the road-segment level using operational data from real roads. The analysis was based on Basic Safety Message (BSM) data collected over 125 days from two Panta-G autonomous buses operating in the Pangyo Autonomous Driving Testbed. Key driving indicators included speed, acceleration, yaw rate, and elevation, which were mapped onto high-definition (HD) road maps. A hybrid clustering method combining self-organizing map (SOM) and k-means++ was applied, which resulted in eight distinct driving pattern clusters. Among these, four clusters exhibited characteristics associated with risky driving such as sudden acceleration, deceleration, and abrupt steering, and were spatially visualized using digital maps. These visualizations offer practical insights for real-time monitoring and localized risk assessment in autonomous vehicle operations. The proposed framework provides empirical evidence for evaluating the operational safety and reliability of autonomous buses based on repeated behavioral patterns. Its adaptability to diverse urban environments highlights its utility for intelligent traffic control systems and future mobility policy planning.

In this study, we investigated and analyzed the impact of changes in driving speed and inter-vehicle distance on users’ perceived tension during autonomous vehicle operation. To this end, a survey experiment was conducted for both urban roads and highways. The results show that the greatest changes in perceived tension occurred in the range of 50–70 Km/h and 50–70 m following distance on urban roads, and in the range of 80–100 Km/he and 60–80 m following distance on highways. Furthermore, modeling user behavioral responses to perceived tension based on changes in speed and following distance revealed that linear models best described the relationship for speed on both urban roads and highways. For the following distance, a quadratic model was the most suitable for urban roads, whereas a logarithmic model best fit the highway data. These findings are expected to contribute to practical operational guidelines for autonomous vehicles by alleviating users’ psychological discomfort and enhancing public acceptance. Future research will extend this study using a driving simulator to examine user responses in more realistic driving environments.

본 연구는 레벨 3 자율주행의 운전이양권(TOR) 안전성 향상을 위해, 기존 행동 기반 감지 방식의 한계를 극복하 는 운전자 모니터링 시스템(DMS)을 개발했다. 차량의 미러 내장형 RGBW 카메라를 이용한 비접촉 원격 광용적맥 파(rPPG) 기술로 운전자의 심박수를 실시간 측정하고, 심박변이도(HRV) 분석을 통해 졸음, 스트레스 등 운전자의 각성 수준을 판단한다. 딥러닝 기반 얼굴 인식, 신호 처리, 패턴 인식 알고리즘을 통합하여 시스템을 구현했다. 총 28명을 대상으로 105시간 이상의 실제 도로 환경에서 검증한 결과, 심전도(ECG) 대비 85.14%의 심박수 측정 정확 도와 90.81%의 상태 판단 정확도를 달성했다. 본 연구는 생체신호 기반의 운전자 상태 평가가 TOR 판단의 신뢰성 을 높이는 핵심 기술이 될 수 있음을 실증했다.

이동로봇은 인공지능, 센서 기술 등과 융합함으로서 다양한 산업 및 서비스 분야에서 광범위하게 사용되고 있으며, 조선 및 해 양 분야에서도 이동로봇을 활용한 물품 운반, 현장 모니터링, 위험한 업무 등에 대한 연구가 수행됨으로서 생산성 향상 및 안정성 강화를 향상시키고자 하고 있다. 본 연구에서는 선박기관실처럼 내연기관, 선반, 드릴머신, 공구대, 용접실습대 등 다양한 기기 및 장비의 간격이 좁고 구조가 복잡한 환경의 기관실습실 내에서 이동로봇의 자율주행을 구현함으로서 선박기관실에 적용 가능여부를 확인하고자 하였다. ROS2기반의 이동로봇으로 SLAM 라이브러리 중 하나인 Cartographer를 사용하여 지도를 작성한 후 여러 위치에서 자율주행 시험과 지도에 없는 장애물을 놓은 경우 자율주행 시험결과 복잡한 환경에서도 높은 자율주행 성능을 확인하였다. 선박기관실은 실험한 장소와 여러환 경의 차이는 있으나 구조의 변화가 거의 없어 자율주행이 가능할 것으로 사료된다.

Autonomous vehicle (AV) technology is rapidly entering the commercialization phase driven by advancements in artificial intelligence, sensor fusion, and communication-based vehicle control systems. Real-world road testing and pilot deployments are increasingly being conducted, both domestically and internationally. However, ensuring the safe operation of AVs on public roads requires not only technological advancement of the vehicle itself but also a thorough pre-evaluation of the road environments in which AVs are expected to operate. However, most previous studies have focused primarily on improving internal algorithms or sensor performance, with relatively limited efforts to quantitatively assess how the structural and physical characteristics of road environments affect AV driving safety. To address this gap, this study quantitatively evaluated the compatibility of road environments for AV operation and defined the road conditions under which AVs can drive safely. Three evaluation scenarios were designed by combining static factors such as curve radius and longitudinal gradient with dynamic factors such as level of service (LOS). Using the MORAI SIM autonomous driving simulator, we modeled the driving behaviors of autonomous vehicles and buses in a virtual environment. For each scenario, the minimum time to collision (mTTC) from the moment the AV sensors detected a lead vehicle was calculated to assess risk levels across different road conditions.The analysis revealed that sharper curves and lower service levels resulted in significantly increased risk. Autonomous buses exhibited a higher risk on downhill segments, autonomous vehicles were more vulnerable to uphill slopes and gradient transitions. The findings of this study can be applied to establish road design standards, develop pre-assessment systems for AV road compatibility, and improve AV route planning and navigation systems, thereby providing valuable implications for policy and infrastructure development.

This paper presents a novel methodology for assessing the vulnerabilities of autonomous vehicles (AVs) across diverse operational design domains (ODDs) related to road transportation infrastructure, categorized by the level of service (LOS). Unlike previous studies that primarily focused on the technical performance of AVs, this study addressed the gap in understanding the impact of dynamic ODDs on driving safety under real-world traffic conditions. To overcome these limitations, we conducted a microscopic traffic simulation experiment on the Sangam autonomous mobility testbed in Seoul. This study systematically evaluated the driving vulnerability of AVs under various traffic conditions (LOSs A–E) across multiple ODD types, including signalized intersections, unsignalized intersections, roundabouts, and pedestrian crossings. A multivariate analysis of variance (MANOVA) was employed to quantify the discriminatory power of the evaluation indicators as the traffic volume was changed by ODD. Furthermore, an autonomous driving vulnerability score (ADVS) was proposed to conduct sensitivity analyses of the vulnerability of each ODD to autonomous driving. The findings indicate that different ODDs exhibit varying levels of sensitivity to autonomous driving vulnerabilities owing to changes in traffic volume. As the LOS deteriorates, driving vulnerability significantly increases for AV–bicycle interactions and AV right turns at both signalized and unsignalized intersections. These results are expected to be valuable for developing scenarios and evaluation systems to assess the driving capabilities of AVs.

자율주행 차량이 상용화됨에 따라 연구에 사용할 수 있는 자율주행 차량의 주행궤적 자료를 제공하고 연구하는 기관이 증가하고 있다. 캘리포니아 자동차관리국은 사고 당시 차량의 거동과 주변 환경을 기록한 자율주행 차량 사고 보고서를 제공한다. Waymo는 라이다, 카메라 등을 통해 수집한 자율주행 차량의 실주행 자료를 제공한다. 본 연구에서는 캘리포 니아 자동차관리국에서 제공하는 자율주행 차량 사고 보고서와 Google Street Map을 이용하여 사고 당시의 도로유형과 도로환경요소 및 사고 당시 상황을 파악하고, 베이지안 네트워크(BN)을 통해 자율주행 차량 사고 영향요인을 파악하였 다. 랜덤 포레스트를 통해 앞에서 파악한 자율주행 차량 사고 영향요인들의 변수 중요도를 추출하고 이를 기반으로 자율 주행 차량 주행 시나리오를 도출하였다. 도출한 자율주행 차량 주행 시나리오와 유사한 상황을 보이는 Waymo Open Dataset의 자율주행 차량 실제 주행궤적을 매칭하여 자율주행 차량 주행 행태 기반 사고 위험도 평가 지표를 도출하였 다. 본 연구의 결과는 앞으로 도로환경요소 및 자율주행 차량 주행궤적에 따른 자율주행 차량 주행 안전성 연구의 기반 이 될 것으로 기대된다.

본 연구는 자율주행상황에서 주관적인 운전 준비도를 객관적으로 측정할 수 있는 심리⋅생리적 지표를 확인하는 것을 목적으로 한다. 51명의 연구대상자가 참여하였고, 설문을 통해 운전 경험, 태도, 운전부하, 상황인식 등을 평가 하였다. 자율주행 중 차량 제어권을 인계받아야 하는 시나리오 동안 심전도를 측정하여 심박변이도 지표를 추출하였 고, 주행 종료 후 연구대상자는 자신의 상태를 평가하였다. 분석 결과, 운전 준비도는 정신적 부하와 부적 상관, 상황 인식과 상황 이해도와는 정적 상관을 보였다. 또한, 심박변이도 지표인 제곱 평균 근간 심박 간격 차이(Root Mean Square of Successive Differences, RMSSD)와 50ms 이상의 연속적인 RR 간격의 차이 비율(proportion derived NN50 by the total number of NN interval, pNN50)과의 유의한 정적 상관관계가 확인되었다. 운전 준비도 수준에 따라 상⋅중⋅하로 나누어 분석한 결과, 높은 운전 준비도 집단은 정신적 부하가 낮고 상황인식 및 상황에 대한 이해 도가 유의하게 높았으며, 자율주행 구간에서 pNN50이 높은 경향이 있었다. 마지막으로 상황인식과 RMSSD가 운전 준비도의 주요 예측 지표로 확인되었다. 이는 운전 준비도가 낮은 운전자는 자율신경 각성이 높고, 높은 운전자는 부교감신경계의 활성화로 인해 심리적, 생리적으로 안정된 상태임을 의미한다. 본 연구는 운전자의 주관적인 운전 준비도를 예측하기 위한 운전자의 심리 및 생리 지표를 확인하였고, 이는 운전자의 운전 준비 상태를 모니터링하는 기술에 적용되어 사고 예방에 기여할 수 있을 것이다.

This study aimed to develop a comprehensive validation methodology for an Infra-guidance system, which is an infrastructure-based service aimed at enhancing the safety of autonomous driving. The proposed method includes quantitative techniques for validating both the Infra-guidance algorithm module and the guidance message module using each optimal indicator. In addition, a promising method is suggested to validate the entire system by applying a multicriteria decision methodology. The relative weight for the algorithm module was higher than relative weight for the message module. Moreover, the relative weight of the latency for the message module was slightly higher than weight of the packet error rate. The proposed methodology is applicable for validating the performance of infrastructure-based services for enhancing connected autonomous driving based on the comprehensive quantification of various factors and indicators.

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 : 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.

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.

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.