오늘날 도로의 이동수단은 자율주행자동차와 더불어 전동 킥보드, 전기 자전거 등과 같은 개인형 이동수단의 등장으로 인해 기존 도 로가 수용해야 할 범위는 더욱 광범위해졌으며, 개인형 이동장치의 시장 확대 및 공유서비스로 인한 개인형 이동장치의 교통사고는 급격하게 증가하고 있는 추세이다. 기존 자동차 중심의 설계 및 운영되고 있는 현재의 도로에서는 자동차 이외의 다른 교통수단 이용 자들은 인프라 시설과 서비스 면에서 안전하지 못하고 편리하지 못한 환경으로 인해 잦은 교통사고 발생과 대중교통 이용 기피 등의 문제로 이어지고 있다. 따라서, 현재 도로의 차량 중심 설계에 의한 한계가 드러나고 있으며 이에 대한 해결책으로 모든 도로 교통수 단 및 이용자가 고려되는 완전도로(Complete Streets)에 관한 관심이 증가함에 따라 완전도로 구축에 관한 정책이 필요한 실정이다. 이 에 본 연구에서는 완전도로 구축을 위해 미시적 교통 시뮬레이션 VISSIM을 활용하여 자율주행자동차 레벨 4 수준의 혼입에 따른 교 통흐름 변화를 분석하여 완전도로 구축을 위한 잉여차로 확보 가능성을 검증하는 분석을 진행하였다. 또한, 잉여차로를 활용하여 완전 도로를 구축하기 위해 국외 완전도로 디자인 매뉴얼을 참고하여 국내 도로의 적용이 가능한 평자지표를 안전성, 형평성, 쾌적성을 고려한 요인을 설정하였으며, 계층화 분석법(Analytic Hierarchy Process, 이하 AHP)을 통해 평가요인별 중요도 가중치를 산정하여 완전도로 구축을 위한 완전도로 서비스수준 산정방안을 제 시하였다. 완전도로 구축을 위한 모바일매핑시스템(MMS) 및 인공지능, 드론(UAV)을 활용하여 도로의 현황 모니터링을 진행하였으며, 도출된 평가지표와 가중치를 활용하여 대상 구간에 적용 및 비교를 위해 완전도로 개념과 가깝게 적용된 세종시의 한누리대로와 비교 ㆍ분석하였다. 이를 토대로 완전도로 서비스수준 적용을 통해 도출된 도로의 한계점을 보완한 완전도로 구축방안을 제시하고자 한다.

도로 위 차량의 차로변경은 주변 차량의 움직임에 민감하게 반응해야 하며, 적절한 속도와 타이밍으로 수행하지 못할 경우 교통 흐름을 방해하고 부정적인 영향을 초래할 수 있다. 자율주행차량(Autonomous Vehicle, AV)은 이러한 문제를 해결하기 위해 주변 상황을 정확히 판단하고 인지하여 차로변경을 수행한다. 이때, 안전 관리 전략의 일환으로 최적화된 차로변경 주행 궤적을 제공함으로써 안전하고 효율적인 차로변경을 실현하는 것이 중요하다. 본 연구는 이러한 배경에서 주변 차량과 EGO 차량의 예측 주행 궤적에 기반한 확률론적 개념인 risk field를 계산하고, 이를 활용하여 차량의 종방 향 및 횡방향 안전 궤적을 제시하였다. 이를 위해 고속도로 드론 데이터를 활용하여 차량 간 상호작용 상황을 분석하고, 차로변경 시나리오 데이터를 분류하였다. 연구에서는 주행 속도와 차량의 경위도 등 1.1초 동안의 연속된 주행 데이터를 입력으로 사용하였으며, 다층 인코더-디코더 장단기 메모리 네트워크(EDLN) 모델을 통해 미래 6초 후 차량의 위치를 예 측하였다. 이후 장 이론(field theory)을 기반으로 한 risk field 모형을 통해 도로 위 각 지점의 위험도를 정량화하였다. 또한, 차량의 거동 제약, 주행 편의성, 그리고 안전성 제약 조건을 반영하여 안전 궤적을 생성하였다. 마지막으로, 생성된 궤적이 교통류 안전성에 미치는 영향을 평가하기 위해 예측된 주행 궤적(predicted trajectory)과 실제 주행 궤적(ground truth)을 비교 분석하였다. 평가지표는 대리 안전 지표(surrogate safety measure, SSM) 중 TTC(Time to Collision)와 PET(Post Encroachment Time)를 활용하였다. 본 연구는 제안된 안전성 정량화 및 궤적 생성 방법이 기존 방법론과 비 교하여 우수한 성능을 보임을 입증하였으며, 향후 자율주행차량 혼재 교통류 및 완전 자율주행 교통류에서 높은 효율성 과 안전성을 확보하는 데 기여할 것으로 기대된다.

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.

This study collected video footage of accident-risk scenarios on actual roads using automobiles and motorcycles. A total of 191,500 km was driven with three vehicles and one motorcycle, capturing 6,550 near-miss accident videos. The footage was analyzed and categorized based on the 27 parameters of the iGLAD(Initiative for the Global Harmonization of Accident Data) accident categories. Parameters difficult to classify under iGLAD were localized to fit domestic conditions, and further analysis identified areas needing optimization. The categorized data was organized into a web-based database platform, providing statistical analysis and search functions for scenario development. Future use of this data will support the creation of safety evaluation scenarios for autonomous vehicles, enhancing traffic accident investigation and analysis systems. Expanding the database to include data from secondary roads and parking areas is expected to increase its applicability and value.

This study developed an unmanned autonomous moving algae collection device (HAMA-bot) to remove high-density algae concentrated in the waterfront of urban agricultural reservoirs, and analyzed the effect of algae removal after field application to medium-sized urban reservoir. The algae reduction effect (Chl-a) of the study site in the reservoir by the HAMA-bot operation showed an average 18.5% higher in the treatment area compared to the control area before operation, while the average reduction of 24% in the treatment area after operation. In addition, the Chl-a removal rate, which directly analyzed the influent and effluent of HAMA-bot, showed a very high level with an average of 96.9% (94.7~99.2%). Currently, it is optimized for urban reservoirs and manufactured on a small scale, but it is a useful tool that can be applied on a large scale to large dams and rivers, and it is considered that the field applicability would be improved with the optimized scale.

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.

This study proposes a method to evaluate the publicity of real-time, demand-responsive, autonomous public-transportation systems. By analyzing real-time data collected based on publicity evaluation indicators suggested in previous research studies, this study seeks to establish a system that objectively assesses the publicity of public transportation. Thus, the introduction of autonomous public transportation systems is expected to contribute to solving problems in underserved transportation areas and enable more sophisticated public transportation operations. We reviewed evaluation indicators proposed in previous studies. Based on this review, publicity evaluation indicators were derived and specific criteria were selected to assess systematically the publicity of autonomous public transportation. An AHP analysis was conducted to assess the relative importance of each indicator by analyzing the importance of the selected indicators. Additionally, to score the indicators, minimum and maximum target values were established, and a method for assigning scores to each indicator was examined. The most important factor in the publicity evaluation of autonomous demand-responsive transport (DRT) was the “success rate of allocation to weak public transportation service areas,” with a significance level p of 0.204. This was analyzed as a key evaluation criterion because of the importance of service provision in areas with low-public-transportation accessibility. Subsequently, “Accessing distance to a virtual station” (p = 0.145) was evaluated as an important factor representing the convenience of the service. “Waiting time after allocation” (p = 0.134) also appeared as an important evaluation factor, as reducing waiting time considerably affected service quality. Conversely, “compliance rate of velocity” yielded the lowest significance (p = 0.017), as speed compliance was typically guaranteed owing to autonomous driving technology. This study proposed a specific evaluation method based on publicity indicators to provide a strategic direction for improving services and enhancing the publicity of autonomous DRT systems. These results can serve as a foundational resource for improving transportation services in underserved areas and for enhancing the overall quality of public transportation services. However, the study’s limitation was its inability to use real-time autonomous public transportation data, relying instead on I-MoD data from Incheon. This limitation constrained the ability to establish universal benchmarks because data from various municipalities were not included. Future research should collect and analyze data from diverse regions to establish more reliable evaluation 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 : 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.