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
- 허건수
- 발행연도
- 2022
- 저작권
- 한양대학교 논문은 저작권에 의해 보호받습니다.
이용수33
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
운전자의 안전과 편의를 위해 개발되고 있는 첨단 운전자 보조 시스템 중에서 운전자의 이상 상태 파악 및 경고 시스템과 충돌 회피 시스템에 관한 많은 연구가 이뤄지고 있다. 충돌을 회피하기 위해서는 자차량과 주변 차량의 움직임에 대한 정확한 예측이 필수적이다. 하지만 실제 도로에서는 다양한 운전자가 여러 상황에서 차량을 주행하기 때문에 움직임을 예측하기 어렵다.
본 연구에서는 차량의 CAN-bus로 얻을 수 있는 데이터만 사용하여 주행 성향을 판단하고 이를 이용하여 차량의 경로를 예측하는 통합 알고리즘을 제안한다. 차량의 움직임을 대표할 수 있는 주행 성향을 판단하여 운전자의 이상 상태를 파악할 수 있으며 주행 성향을 경로 예측에 반영하여 차량의 다양한 움직임을 정확하게 예측을 할 수 있다.
제안하는 통합 알고리즘은 주행 성향 판단 네트워크와 경로 예측 네트워크로 구성된다. 주행 성향 판단 네트워크는 딥러닝 기술을 기반으로 주행 데이터를 변환하고 주행 성향을 판단하는 구조로 설계하였으며 RPCNN과 DCLA 두 가지 구조로 제작하였다. 경로 예측 네트워크는 조건부 생성 모델을 이용하여 미래 경로를 생성하여 예측하는 구조로 설계하였으며 CGAN과 CVAE 두 가지 구조로 제작하였다.
네트워크의 조합에 따라 통합 알고리즘을 제작하고 성능 비교를 위해 비교 알고리즘을 제작하였다. HILS 환경을 구성하고 정의한 주행 성향에 따라 데이터를 수집하였고 알고리즘 검증을 위해 주행 성향과 무관한 데이터도 수집하였다. 또한, 오픈 데이터 셋 중 highD 데이터 셋을 클러스터링 기법을 통해 주행 성향으로 분류하였다. HILS 데이터와 highD 데이터 셋을 이용해 통합 알고리즘에 대한 주행 성향 판단 및 경로 예측 성능을 검증하였다.
본 연구에서는 차량의 CAN-bus로 얻을 수 있는 데이터만 사용하여 주행 성향을 판단하고 이를 이용하여 차량의 경로를 예측하는 통합 알고리즘을 제안한다. 차량의 움직임을 대표할 수 있는 주행 성향을 판단하여 운전자의 이상 상태를 파악할 수 있으며 주행 성향을 경로 예측에 반영하여 차량의 다양한 움직임을 정확하게 예측을 할 수 있다.
제안하는 통합 알고리즘은 주행 성향 판단 네트워크와 경로 예측 네트워크로 구성된다. 주행 성향 판단 네트워크는 딥러닝 기술을 기반으로 주행 데이터를 변환하고 주행 성향을 판단하는 구조로 설계하였으며 RPCNN과 DCLA 두 가지 구조로 제작하였다. 경로 예측 네트워크는 조건부 생성 모델을 이용하여 미래 경로를 생성하여 예측하는 구조로 설계하였으며 CGAN과 CVAE 두 가지 구조로 제작하였다.
네트워크의 조합에 따라 통합 알고리즘을 제작하고 성능 비교를 위해 비교 알고리즘을 제작하였다. HILS 환경을 구성하고 정의한 주행 성향에 따라 데이터를 수집하였고 알고리즘 검증을 위해 주행 성향과 무관한 데이터도 수집하였다. 또한, 오픈 데이터 셋 중 highD 데이터 셋을 클러스터링 기법을 통해 주행 성향으로 분류하였다. HILS 데이터와 highD 데이터 셋을 이용해 통합 알고리즘에 대한 주행 성향 판단 및 경로 예측 성능을 검증하였다.
목차
제 1장 서론 11. 1 연구 배경 11. 2 연구 동향 21. 3 연구 내용 3제 2장 주행 성향 판단 네트워크 설계 52. 1 주행 성향 판단 네트워크 52. 2 RPCNN 주행 성향 판단 네트워크 72. 2. 1 주행 데이터 변환 82. 2. 2 네트워크 구조 92. 3 DCLA 주행 성향 판단 네트워크 112. 3. 1 주행 데이터 변환 112. 3. 2 네트워크 구조 12제 3장 경로 예측 네트워크 설계 143. 1 경로 예측 네트워크 143. 2 CGAN을 이용한 경로 예측 네트워크 163. 3 CVAE를 이용한 경로 예측 네트워크 19제 4장 통합 알고리즘 제작 및 검증 결과 224. 1 통합 알고리즘 및 비교 알고리즘 제작 224. 1. 1 주행 성향 판단 및 경로 예측 통합 알고리즘 제작 224. 1. 2 비교 알고리즘 제작 234. 2 HILS 데이터를 이용한 검증 244. 2. 1 주행 성향 정의 244. 2. 2 HILS 환경 구성 및 데이터 수집 254. 2. 3 주행 성향 판단 결과 274. 2. 4 경로 예측 결과 284. 3 오픈 데이터 셋을 이용한 검증 324. 3. 1 주행 성향 분류 324. 3. 2 주행 성향 판단 결과 354. 3. 3 경로 예측 결과 36제 5장 결론 39REFERENCE 40ABSTRACT 43
최근 본 자료
댓글(0)
0