지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 문철
- 발행연도
- 2020
- 저작권
- 한국교통대학교 논문은 저작권에 의해 보호받습니다.
이용수13
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
요 약
제 목 : 교차로 안전 우회전 통행을 지원하는 엣지 컴퓨팅 기반 협력 센싱 시스템 연구
본 논문은 교차로 안전 우회전 통행을 지원하기 위해, V2X 통신과 엣지 컴퓨팅 기반 딥러닝 협력 센싱 기술을 개발하고, 이의 성능을 분석할 수 있는 HILS(Hardware In the Loop Simulation) 시스템을 구현하여, 협력 센싱에 기반한 교차로 안전 우회전 통행 성능을 분석 수행하였다.
V2X(Vehicle to Everything) 기반 C-ITS(Cooperative Intelligent Transportation System)의 안전 서비스 중 우회전 안전운행 지원의 현실적 구현 및 개선을 위해 IEEE 802.11p/WAVE를 기반하여 협력 센싱 메시지 및 협력 머뉴버링 메시지를 개발하였다.
새로 개발한 협력 센싱 메시지는 차로에 설치된 인프라 카메라에서 객체를 검출하고, 검출한 객체를 좌표 변환을 거친 후 검출된 객체의 데이터를 V2X 단말을 통해 자율주행차량으로 전송한다. 새로 개발한 협력 머뉴버링 메시지는 차량의 운전의도궤적(DIT, Driving Intent Trajectory) 메시지를 생성하여 주변 차량으로 브로드 캐스팅한다. 이러한 협력 센싱 정보를 기반으로 차량 충돌 예측을 수행하였으며, 충돌 예측 모델은 CTRA(Constant Turn Rate and Acceleration)를 사용하였다. 충돌 예측 모델을 사용할 객체를 검출하기 위해 엣지 컴퓨팅 기반 딥러닝 객체 검출 시스템을 개발하였고, 이와 시뮬레이션을 융합한 HILS 시스템을 개발하였다. 이러한 HILS는 시뮬레이션 화면을 엣지 컴퓨팅을 통해 딥러닝하여 객체 검출을 수행하고, 검출된 객체 데이터를 시뮬레이션 내 자율주행차량으로 전송하며, 전송된 데이터를 기반으로 자율주행차량은 차량 충돌 예측을 수행하는 시스템이다. 따라서, 본 연구에서는 협력 센싱을 기반한 교차로 안전 우회전 통행 성능을 비교 분석하기 위해 SILS 및 HILS 시스템에서 직진 차량의 거리와 속도 및 통신 지연을 단계별로 시뮬레이션을 수행하였다.
본 연구의 성능 분석 결과로는 다음과 같다.
첫 번째, SILS 시스템과 HILS 시스템의 결과를 비교한 경우 동일한 성능이 나타났다. 이를 통해 본 논문에서 구현한 엣지 컴퓨팅 기반 협력 센싱 시스템이 정확함을 입증하였다. 두 번째는, 통신 지연이 500ms 이상인 경우에 충돌이 발생함으로써 데이터를 처리하는 데이터 센터와의 통신 지연 시간이 존재하는 클라우드 컴퓨팅 방식은 충돌 위험이 높다는 것을 입증했으며, 엣지 컴퓨팅 방식의 안전성을 입증하였다. 세 번째는, 직진 차량의 속도가 느린 경우 보다 빠른 경우에 우회전 차량의 회피 주행 빈도가 높았으며 이는 충돌 위험이 높다는 것을 의미한다. 이를 통해 객체의 속도가 빠를수록 충돌 위험성이 높다는 것을 입증하였다. 네 번째는, 객체 탐지 범위가 증가할수록 우회전 차량의 정상 주행 빈도가 증가함으로써 탐지 범위가 길수록 우회전시 안전함이 증가함을 입증하였다. 다섯 번째는 사각지대가 존재할 경우 사각지대가 존재하지 않는 경우보다 직진 차량과 우회전 차량의 직선거리가 짧음으로써 충돌 위험성이 높다는 것을 입증하였다. 이를 종합한 결과 협력 센싱 메시지는 더 안전한 우회전 통행을 지원함을 입증하였다.
제 목 : 교차로 안전 우회전 통행을 지원하는 엣지 컴퓨팅 기반 협력 센싱 시스템 연구
본 논문은 교차로 안전 우회전 통행을 지원하기 위해, V2X 통신과 엣지 컴퓨팅 기반 딥러닝 협력 센싱 기술을 개발하고, 이의 성능을 분석할 수 있는 HILS(Hardware In the Loop Simulation) 시스템을 구현하여, 협력 센싱에 기반한 교차로 안전 우회전 통행 성능을 분석 수행하였다.
V2X(Vehicle to Everything) 기반 C-ITS(Cooperative Intelligent Transportation System)의 안전 서비스 중 우회전 안전운행 지원의 현실적 구현 및 개선을 위해 IEEE 802.11p/WAVE를 기반하여 협력 센싱 메시지 및 협력 머뉴버링 메시지를 개발하였다.
새로 개발한 협력 센싱 메시지는 차로에 설치된 인프라 카메라에서 객체를 검출하고, 검출한 객체를 좌표 변환을 거친 후 검출된 객체의 데이터를 V2X 단말을 통해 자율주행차량으로 전송한다. 새로 개발한 협력 머뉴버링 메시지는 차량의 운전의도궤적(DIT, Driving Intent Trajectory) 메시지를 생성하여 주변 차량으로 브로드 캐스팅한다. 이러한 협력 센싱 정보를 기반으로 차량 충돌 예측을 수행하였으며, 충돌 예측 모델은 CTRA(Constant Turn Rate and Acceleration)를 사용하였다. 충돌 예측 모델을 사용할 객체를 검출하기 위해 엣지 컴퓨팅 기반 딥러닝 객체 검출 시스템을 개발하였고, 이와 시뮬레이션을 융합한 HILS 시스템을 개발하였다. 이러한 HILS는 시뮬레이션 화면을 엣지 컴퓨팅을 통해 딥러닝하여 객체 검출을 수행하고, 검출된 객체 데이터를 시뮬레이션 내 자율주행차량으로 전송하며, 전송된 데이터를 기반으로 자율주행차량은 차량 충돌 예측을 수행하는 시스템이다. 따라서, 본 연구에서는 협력 센싱을 기반한 교차로 안전 우회전 통행 성능을 비교 분석하기 위해 SILS 및 HILS 시스템에서 직진 차량의 거리와 속도 및 통신 지연을 단계별로 시뮬레이션을 수행하였다.
본 연구의 성능 분석 결과로는 다음과 같다.
첫 번째, SILS 시스템과 HILS 시스템의 결과를 비교한 경우 동일한 성능이 나타났다. 이를 통해 본 논문에서 구현한 엣지 컴퓨팅 기반 협력 센싱 시스템이 정확함을 입증하였다. 두 번째는, 통신 지연이 500ms 이상인 경우에 충돌이 발생함으로써 데이터를 처리하는 데이터 센터와의 통신 지연 시간이 존재하는 클라우드 컴퓨팅 방식은 충돌 위험이 높다는 것을 입증했으며, 엣지 컴퓨팅 방식의 안전성을 입증하였다. 세 번째는, 직진 차량의 속도가 느린 경우 보다 빠른 경우에 우회전 차량의 회피 주행 빈도가 높았으며 이는 충돌 위험이 높다는 것을 의미한다. 이를 통해 객체의 속도가 빠를수록 충돌 위험성이 높다는 것을 입증하였다. 네 번째는, 객체 탐지 범위가 증가할수록 우회전 차량의 정상 주행 빈도가 증가함으로써 탐지 범위가 길수록 우회전시 안전함이 증가함을 입증하였다. 다섯 번째는 사각지대가 존재할 경우 사각지대가 존재하지 않는 경우보다 직진 차량과 우회전 차량의 직선거리가 짧음으로써 충돌 위험성이 높다는 것을 입증하였다. 이를 종합한 결과 협력 센싱 메시지는 더 안전한 우회전 통행을 지원함을 입증하였다.
목차
Ⅰ. 서 론 1Ⅱ. V2X 통신 기반 협력 센싱 31. V2X 통신 기반 협력 센싱 기술 개요 32. IEEE 802.11p/WAVE 43. C-ITS 안전 서비스 메시지 74. 협력 센싱 자율주행 메시지 95. 협력 머뉴버링 메시지 106. 경로 예측 기반 충돌 경고 알고리즘 116-1. 경로 예측 모델 116-2. 충돌 경고 알고리즘 15Ⅲ. 엣지 컴퓨팅 딥러닝 기반 객체 인지 시스템 191. 엣지 컴퓨팅 191-1. 하드웨어 201-2. 소프트웨어 232. 딥러닝 기반 객체 검출 253. Matlab Simulink와 Jetson Xavier의 통신 설계 ··· 28Ⅳ. HILS 개발 및 성능 분석 311. SILS 협력 센싱 개발 311-1. SILS 프로그램 311-2. SILS 시나리오 331-3. SILS 구성 환경 351-4. 좌표 변환 382. HILS 협력 센싱 개발 492-1. HILS 구성 환경 492-2. HILS 시스템 시나리오 553. 충돌 시나리오 564. SILS 결과 및 성능 분석 584-1. 객체 관측 거리 : 50m 584-2. 객체 관측 거리 : 100m 614-3. SILS 결과 분석 645. HILS 결과 및 성능 분석 665-1. 객체 관측 거리 : 50m 665-2. 객체 관측 거리 : 100m 695-3. HILS 결과 분석 72Ⅴ. 결론 74
최근 본 자료
댓글(0)
0