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

추천
검색
질문

논문 기본 정보

자료유형
학술대회자료
저자정보
탁세현 (한국교통연구원) 김사리 (엔제로) 최성진 (맥길대학교)
저널정보
대한교통학회 대한교통학회 학술대회지 대한교통학회 제86회 학술발표회
발행연도
2022.4
수록면
434 - 436 (4page)

이용수

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

초록· 키워드

오류제보하기
현재의 자율주행기술은 비교적 짧은 인지 거리(100~150m)로 인하여 정류장 및 신호 주변의 정체, 신호 정보 등의 먼거리에서 발생하는 정보를 미리 탐지하지 못하는 한계를 가지고 있다. 이로 인하여 차량을 감속해야 하는 상황에 미리 대응하지 못하여 급감속, 급가속과 같은 불안전 주행 상황이 발생하는 경우가 있다. 예를 들어, 주행경로 상에 신호등이 있을 경우, 현재의 신호가 붉은 색이라면 이 신호를 기반으로 자율협력주행 차량이 정지를 한다. 하지만 현재의 신호는 붉은 색이지만 차량이 불필요한 가속행위를 하지 않거나 약간의 감속을 한다면 해당 차량이 교차로에 도착하였을 때 신호가 파란불로 바뀌는 경우가 있다. 이 경우 자율율협력주행차량이 이러한 상황을 미리 인지하여 가속행위를 하지 않거나 약간의 감속을 해서 차량이 정지하는 상황을 피하게 된다면, 자율협력주행차량의 연료 효율성이 크게 향상할 수 있다. 또 다른 예로 대중교통에서 활용하고 있는 버스의 경우 센서의 제한된 범위로 인하여 급감속을 하게 될 경우 차내 탑승자의 안전에 안 좋은 영향을 끼칠 수 있다. 이에 본 연구에서는 자율협력주행차량에게 차량에게 앞서 말한 예시의 상황을 종합적으로 판단하여 차량에게 권장속도를 추천해주는 시스템을 개발 및 현장 적용하였다. 구간별 권장속도는 강화학습을 기반으로 산출되며 안전성과 에너지 효율 모두를 향상시키기 위하여 리워드는 속도, 안정성, 에너지 소비를 기반으로 주어지게 설계하였다. 강화학습의 학습은 세종시 수집 데이터 기반으로 생성된 시나리오를 기반으로 시뮬레이션 하였으며, 학습된 결과를 실제 차량에 적용하여 현장 테스트를 진행하였다. 권장 속도 추천 시스템의 적용 결과 권장 속도 추천 시스템 적용 전에는 약 52187.15 kW의 에너지 소비량을 보여주고 있지만 적용 후에는 약 18870.2km의 에너지 소비량을 보여주고 있다. 이러한 결과를 비교하여 볼 때 적용 전과 비교하였을 때 적용 후에는 약 64%정도의 연료 사용을 저감할 수 있는 결과가 분석되었다. 추후 이러한 연구를 더욱 확장하여 차량의 실시간 탐지 정보를 기반으로 한 실시간 훈련 및 적용 알고리즘으로 확대 및 적용하려고 한다.

목차

등록된 정보가 없습니다.

참고문헌 (0)

참고문헌 신청

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

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2022-053-001516542