충돌회피 임계거리 결정 및 샤시통합제어 전략 도출을 위한 대규모 최적화 문제의 전역 해 탐색 = Determination of Critical Distance and Derivation of Integrated Chassis Control Strategy for Collision Avoidance via Global Solution Search in Large-Scale Optimization Problems

국문 초록 (Abstract)

국내 교통사고 사망자 수는 첨단운전자보조시스템(ADAS) 보급으로 2014년 대비 2023년 46% 감소하였다. 긴급제동시스템(AEB)은 V2X 통신 기술의 발전과 결합하여 위험 상황을 사전에 인지하고 작동함으로써 기존의 한계를 극복하고 있으나, 낙석이나 야생동물 출현과 같이 예측 불가능한 돌발 상황에서는 여전히 조향을 활용한 충돌회피가 유효하다. 기존 연구에서는 회피 성능을 확보하기 위해 다양한 한계 주행 상황에서 우수한 성능을 보이는 제어 시스템을 제안하였으나, 회피 성능의 물리적 한계에 도달하고자 하는 연구는 수행되지 않았다.
따라서, 본 연구에서는 충돌이 임박한 상황에서 충돌회피 시스템이 달성할 수 있는 최대 성능을 확인하기 위해 조향, 제동, 구동 제어 명령을 최적화 변수로 설정한 대규모 최적화 문제를 정의하고, 전역 최적해를 탐색하는 방법을 수립하고자 하였다. 먼저, 전방에 위치한 장애물을 피할 수 있는 가장 짧은 상대거리인 임계거리를 결정하기 위해 multi-start 기법을 통한 최적해 탐색을 수행하였다. 이때, 최적화 문제의 차원을 축소하기 위해 매개변수화를 적용하였으며, 초기 프로파일 생성 시 Sobol sequence를 사용하여 유효해(feasible solution)의 확보 확률을 높이고자 하였다.
이어서, 임계거리에서 얻은 다수의 최적해로부터 제어 전략을 추출하기 위해 군집 분석을 적용하였다. 군집 분석에 필요한 군집 수 결정 방법과 군집 간 우열 판단 기준을 수립하여 제안하였으며, 이를 통해 최적의 제어 전략을 추출할 수 있음을 보였다. 추출된 최적 제어 전략은 기존 연구의 실시간 제어 시스템과 비교하여 더 짧은 임계거리를 보였으며, 해당 성능 달성을 위해서는 구동 및 제동을 활용한 후륜 횡력 억제와 같은 구체적인 제어 전략이 필요함을 확인하였다.

다국어 초록 (Multilingual Abstract)

The number of traffic fatalities in South Korea decreased by 46% from 2014 to 2023, largely due to the widespread adoption of Advanced Driver Assistance Systems (ADAS). Autonomous Emergency Braking (AEB), combined with advances in V2X communication technology, is overcoming its previous limitations by proactively detecting and responding to hazardous situations. However, steering-based collision avoidance remains effective for unpredictable emergencies such as falling rocks or sudden wildlife encounters. Previous studies have proposed control systems that demonstrate strong performance in various limit handling situations. However, research aiming to reach the physical limits of avoidance performance has not been conducted.
Therefore, this study defines a large-scale optimization problem with steering, braking, and traction control commands as optimization variables. The objective is to identify the maximum achievable performance of collision avoidance systems in imminent collision scenarios by establishing a method for searching global optimal solutions. First, a multi-start method was employed to determine the critical distance, defined as the shortest relative distance at which an obstacle ahead can be avoided. Parameterization was applied to reduce the dimensionality of the optimization problem. Sobol sequences were used for initial profile generation to increase the probability of obtaining feasible solutions.
Subsequently, cluster analysis was applied to extract control strategies from the multiple optimal solutions obtained at the critical distance. Methods for determining the number of clusters and criteria for identifying relatively more optimal clusters were established and proposed. This demonstrated that optimal control strategies can be extracted through this approach. The extracted optimal control strategy exhibited a shorter critical distance compared to real-time control systems from previous studies. It was confirmed that specific control strategies, such as rear lateral force suppression using traction and braking, are required to achieve this performance.

목차 (Table of Contents)

• 1. 서론 (Introduction) 1
• 1.1. 연구 배경 및 필요성 (Research Background and Motivation) 1
• 1.2. 기존 연구 고찰 및 한계점 (Literature Review and Limitations) 3
• 1.3. 연구 목적 및 기여 (Research Objectives and Contributions) 6
• 1.4. 연구 범위 및 가정 (Research Scope and Assumptions) 7
• 1.5. 논문 구성 (Dissertation Structure) 8
• 2. 회피 시나리오 정의 (Scenario Definition) 10
• 2.1. 시나리오 설계 및 파라미터 정의 (Scenario Design and Parameter Definition) 10
• 2.2. 충돌 회피 평가 기준 (Collision Avoidance Evaluation Criteria) 11
• 2.2.1. 장애물 충돌 판정 (Obstacle Collision Detection) 12
• 2.2.2. 주행 가능 영역 이탈 판정 (Drivable Area Departure Detection) 14
• 3. 이론적 배경 (Theoretical Background) 15
• 3.1. 대규모 비선형 최적화 문제의 특성 (Characteristics of Large-Scale Nonlinear Optimization Problems) 15
• 3.1.1. 최적화 기법의 기본 프레임워크 및 한계 (Fundamental Framework and Limitations of Optimization Methods) 15
• 3.1.2. 전역 최적화 알고리즘 (Global Optimization Algorithms) 17
• 3.1.3. 미분 방정식 기반 최적화 (Optimization based on Differential Equations) 18
• 3.1.4. 최적화 문제에서의 차원의 저주 (Curse of Dimensionality in Optimization Problems) 19
• 3.2. 최적해 분석을 위한 군집화 기법 (Clustering Techniques for Optimal Solution Analysis) 20
• 3.2.1. 군집 분석의 개요 (Cluster Analysis Overview) 20
• 3.2.2. 군집 분석과 Multi-start (Applying Cluster Analysis at Multi-start) 21
• 3.3. 한계 주행 상황에서의 타이어 역학 및 제어 전략 (Tire Mechanics and Control Strategies at Handling Limits) 24
• 3.3.1. 종/횡방향 슬립과 타이어 힘의 상호작용 (Interaction between Longitudinal/Lateral Slip and Tire Forces) 24
• 3.3.2. 한계 주행 전략 (Driving Strategy at Handling Limits) 25
• 4. 대규모 최적화 문제 정립 (Formulation of Large-Scale Optimization Problem) 27
• 4.1. 차량 모델 (Vehicle Model) 27
• 4.1.1. 이륜 차량 모델 (Two-Track Vehicle Model) 28
• 4.1.2. 휠 동역학 모델 (Wheel Dynamics Model) 31
• 4.1.3. 타이어 모델 (Tire Model) 32
• 4.1.4. 슬립 계산 (Slip Calculation) 33
• 4.1.5. 수직 하중 계산 (Vertical Load Calculation) 34
• 4.1.6. 모델 정합성 검증 (Model Validation) 36
• 4.2. 최적화 문제 정립 (Optimization Problem Formulation) 41
• 4.2.1. 결정 변수 정의 (Definition of Decision Variables) 41
• 4.2.2. 비용함수 설계 (Cost Function Design) 42
• 4.2.3. 제약조건 정의 (Constraint Definition) 44
• 4.3. 전역 최적해 탐색 전략 (Global Optimum Search Strategy) 48
• 4.3.1. 초기 프로파일 샘플링 기법 (Initial Profile Sampling Techniques) 49
• 4.3.2. 프로파일 매개변수화 (Profile Parameterization) 53
• 5. 최적해를 통한 제어 전략 도출 (Derivation of Control Strategies through Optimal Solutions) 61
• 5.1. 초기 프로파일 최적화 결과 (Feasible Solution Acquisition Results) 61
• 5.2. 군집화 및 제어 전략 도출 (Clustering and Control Strategy Derivation) 62
• 5.2.1. 군집 방법론 (Clustering Methodology) 62
• 5.2.2. 최적 군집 선정 기준 (Criteria for Optimal Cluster Selection) 67
• 5.2.3. 도출된 제어 전략의 특성 분석 (Characteristic Analysis of Derived Control Strategies) 70
• 5.2.4. 비용함수 구성요소별 영향도 비교 (Comparative Analysis of Cost Function Components) 77
• 5.3. 기존 제어기와의 비교 (Comparison with Conventional Controllers) 80
• 5.3.1. 비교 대상 제어기 개요 (Overview of Comparative Controllers) 80
• 5.3.2. 비교 결과 (Comparison Results) 81
• 6. 도출 전략의 구현 및 검증 (Implementation and Validation of Derived Strategy) 90
• 6.1. 시스템 구조 (System Architecture) 90
• 6.2. 목표 경로 생성 (Reference Path Generation) 92
• 6.2.1. 경로 생성 알고리즘 (Path Generation Algorithm) 92
• 6.2.2. 경로 생성 파라미터 영향도 분석 (Path Generation Parameter Study) 96
• 6.2.3. 경로 생성 결과 (Path Generation Result) 99
• 6.3. 제어기 설계 (Controller Design) 100
• 6.3.1. 최적화 문제 (Optimization Problem Definition) 100
• 6.3.2. 비용함수 (Cost Function) 100
• 6.3.3. 제약조건 (Constraints) 103
• 6.3.4. 초기값 설정 전략 (Initial Value Definition Strategy) 103
• 6.3.5. 경로 오차 계산 알고리즘 (Precise Error Calculation Algorithm) 105
• 6.4. 차량 동역학 시뮬레이터를 통한 검증 (Validation through Vehicle Dynamics Simulator) 110
• 7. 결론 (Conclusion) 118
• 7.1. 연구 요약 (Research Summary) 118
• 7.2. 연구 한계점 및 향후 연구 (Research Limitations and Future Work) 119
• 참고문헌 (References) 120
• Abstract 123
• APPENDIX A. Spline Based Minimum Curvature Trajectory 125