메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술대회자료
저자정보
권대욱 (한양대학교) 김좌헌 (한양대학교) 조건희 (한양대학교) 이형철 (한양대학교)
저널정보
한국자동차공학회 한국자동차공학회 추계학술대회 및 전시회 2020년 한국자동차공학회 추계학술대회 및 전시회
발행연도
2020.11
수록면
607 - 614 (8page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

이 논문의 연구 히스토리 (2)

2021

머신 러닝 기법을 활용한 ADAS/자율주행 차량의 운행 적합도 설계
권대욱 전기공학과 2021.01 학위논문

2020

머신러닝을 이용한 자율주행차량의 주행적합지표 설계
권대욱 ,  김좌헌 ,  조건희 외 1명 한국자동차공학회 추계학술대회 및 전시회 2020.11 학술대회자료

초록· 키워드

오류제보하기
In this paper, we classified and composed a set of driving scenarios based on the statistical results of the Traffic Accident Analysis System of the Road Traffic Authority. The driving environmental data and the relative distance between the vehicles were obtained using dSPACE’s ASM (Automotive Simulation Models) and Driving Simulator, respectively. At this time, the relative distance and relative speed were calculated using the position, speed, and acceleration of the autonomous vehicle and the of the surrounding vehicles. Since we need responses of driver or occupant to determine whether autonomous vehicle is appropriate or not, we created an input signal called ‘Trigger Signal’. The driver or occupant trigger it only for inappropriate driving situation of each scenarios. With this experimental data, we built MLP (Multilayer Perceptron) based on MATLAB and collected environmental/vehicle data and triggered signal were dealt with input/output for training MLP, respectively. Then the output of MLP is quantitatively considered as driving suitability index to visualize how driving situation is appropriate or not. With this designed index, it can be used for designing threshold of controllers in ADAS (Advanced Driver Assistance System)/AV (Automated Vehicle) systems to consider various drivers’ acceptances.
#Autonomous Vehicle(자율쥬행차) #Machine Learning(머신 러닝) #Neural Network(뉴럴 네트워크) #Driving Simulator(주행 시뮬레이터) #Traffic Accident Analysis System(교통사고분석시스템)

목차

Abstract
1. Introduction
2. Logging proper/improper driving data
3. Data Analysis
4. Design of Driving Suitability Indicator
5. Validation of the proposed method
6. Conclusion
References

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

자율주행 기술 표준화 동향
윤현정 오토저널 2021 .03
데이터 이산화와 계층형 클러스터링 알고리즘을 적용한 효과적인 머신 러닝 방법 관한 연구
이영호 한국정보기술학회논문지 2021 .01
딥 러닝 모델의 경량화 기술 동향
김은희 ,  이경하 ,  성원경 정보과학회지 2020 .08
PMP 제어 하이브리드 자동차의 SOC 제어를 위한 머신러닝 활용
강창범 ,  송창희 ,  차석원 외 1명 한국자동차공학회 추계학술대회 및 전시회 2018 .11

최근 본 자료

전체보기

댓글(0)

0