Lv.4~5 자율주행차 도입에 따른 혼합교통류 안전성 평가방법 개발 = Development of a Safety Evaluation Method for Mixed Traffic Flow due to the Introduction of Lv.4~5 Autonomous Vehicles

국문 초록 (Abstract)

본 논문에서는 자율주행차 도입에 앞서 일반자동차와 자율주행차간의 상호작용으 로 인하여 미치는 문제점을 분석하고 대비하고자, 실제 운전자들의 주행행태를 잘 반영할 수 있는 주행행태 파라미터 정산 방법론을 포함하여 일반자동차와 자율주행 차가 혼재되어 주행할 때의 교통안전성 평가방법을 개발하고, 안전성 평가 결과를 활용하여 안전성을 향상시키기 위한 방안 중 하나인 자율주행차 전용차로 운영방안을 수립하는 방법론을 제시하였다. 자율주행차는 개발 중으로 상용화가 되지 않았기에, 자율주행차 도입시의 발생하 는 안전성을 분석하기 위해서는 시뮬레이션으로 분석이 필수적이다. 시뮬레이션은 가상의 환경이므로 정확한 분석을 위해서는 실제 도로와 같이 현재 도로를 주행하는 차량들의 주행행태를 반영하여 구현하는 것이 매우 중요하므로, 일반자동차 파 라미터는 실제 주행행태에 맞춰 보정하여야 하며, 자율주행차 파라미터는 자율주행 차의 주행행태를 고려하여 정산하여야 한다. 자율주행차의 주행원리를 살펴보면, 카메라 등의 센서를 통해 주변 상황을 인식 후 핸들, 브레이크 등을 조정하여 주행하게 된다. 이는 일반운전자가 눈으로 주변 상황을 인식 후 핸들, 브레이크 등을 조정하여 주행하는 것과 유사하다고 할 수 있 다. 따라서 자율주행차 주행행태 예측모형을 개발시 주변 상황 중 가장 중요한 요 소인 주변 차량들의 움직임에 따른 일반자동차의 주행행태를 적용하도록 하였다. 또한, 자율주행차만의 주행특성을 반영하여 주변 차량들의 움직임에 따른 자율주행 차의 주행행태 예측모형을 개발하였다. VISSIM에는 다양한 주행행태 파라미터가 있으며, 파라미터간의 유기적인 작용을 통하여 시뮬레이션 상에서 구현된다. 이에, 파라미터간의 유기적인 작용을 고려할 수 있도록 유전알고리즘을 활용하여 자율주행차의 주행행태를 가장 유사하게 구현 할 수 있는 파라미터를 개발하였으며, 일반자동차도 유전알고리즘을 활용하여 파라 미터를 보정하였다. 자율주행차 도입시 안전성 평가에서는 실제 자율주행차 주행시 발생한 교통사고에 대해 텍스트 임베딩 기법을 활용하여 사고원인을 분석하였으며, 사고원인에 초점을 맞춰 자율주행차 도입률별로 상충횟수 및 상충위험도를 평가하였다. 그리고 안전성 평가 결과를 활용하여 안전성을 향상시키기 위한 방안 중 하나인 자율주행차 전용 차로 운영방안을 수립하는 방법론을 제시하였다. 본 연구를 통해, VISSIM을 활용하여 일반자동차 및 자율주행차의 파라미터를 보 정 및 개발하는 단계부터 안전성 평가를 통해 도로운영방안을 수립하는 단계까지를 종합적으로 수행할 수 있는 방법론을 제시함으로써, 신뢰성 높은 안전성 평가 결과 를 제시할 수 있고, 나아가 향후 자율주행차 도입시의 일반자동차 및 자율주행차의 안전성을 제고할 수 있는 도로운영방안 수립에 기여할 수 있을 것으로 사료된다.

다국어 초록 (Multilingual Abstract)

This paper presents a methodology that addresses the potential issues arising from the interaction between human-driven vehicles(HDVs) and autonomous vehicles (AVs), in anticipation of the introduction of AVs. It includes a driving behavior parameter adjustment methodology that accurately reflects the driving behaviors of actual drivers. This study develops a traffic safety assessment method for situations where HDVs and AVs coexist on the roads. Utilizing the results of the safety assessment, the paper proposes a method to establish dedicated lanes for AVs as one of the solutions to enhance safety.
As AVs are in development and not yet commercialized, simulation is essential for analyzing the safety implications of their introduction. This requires simulations to accurately reflect current road driving behaviors of vehicles. Therefore, parameters for HDVs must be calibrated according to actual driving behaviors, and AV parameters must be calibrated considering AV driving behaviors.
The driving principles of AVs, which involve navigating based on sensor data like cameras and adjusting the steering and brakes, are similar to how human drivers operate. Hence, the development of the AV driving behavior prediction model applied human driving behaviors in response to the movement of surrounding vehicles. Additionally, a model predicting AV driving behavior based on the movement of surrounding vehicles was developed to reflect the unique characteristics of AV driving.
VISSIM contains various driving behavior parameters, which are implemented through their organic interaction in simulations. To this end, genetic algorithms were used to develop parameters that most closely replicate the driving behavior of AVs, and these algorithms were also applied to calibrate parameters for HDVs.
In the safety assessment for the introduction of AVs, the study analyzed the causes of traffic accidents involving AVs using text embedding techniques. By focusing on the causes of these accidents, the frequency and risk of conflicts at various AV adoption rates were evaluated. Additionally, leveraging the results of the safety evaluation, a methodology was proposed for developing operational plans for AV-only lanes as a measure to enhance safety.
The research presented a comprehensive methodology that spans from calibrating and developing parameters for both HDVs and AVs using VISSIM, to establishing road operation strategies through safety evaluation. This approach enables the presentation of reliable safety evaluation results. Furthermore, it is anticipated to significantly contribute to the development of road operation strategies that enhance the safety of both HDVs and AVs in the future adoption of autonomous driving technology.

목차 (Table of Contents)

• 제1장 서 론 1
• 제1절 연구의 배경 및 목적 1
• 제2절 연구의 범위 및 방법 4
• 1. 연구 범위 4
• 2. 연구 방법 5
• 제2장 이론적 고찰 및 선행연구 고찰 8
• 제1절 자율주행차와 일반자동차 혼재시 교통안전성 분석 연구 8
• 제2절 일반자동차 주행행태 예측모형 개발 연구 13
• 제3절 자율주행차 파라미터 개발 연구 15
• 1. 자율주행차 주행행태 모델 종류 및 특징 15
• 2. 자율주행차 파라미터 개발 연구사례 20
• 제4절 선행연구 검토결과 시사점 22
• 제3장 데이터 수집 24
• 제1절 NGSIM 데이터 개요 24
• 제2절 데이터 기초분석 25
• 1. 데이터 전처리 및 기초통계분석 25
• 2. 시공간 궤적도 26
• 제4장 일반자동차 파라미터 정산 28
• 제1절 일반자동차 파라미터 정산 방법론 28
• 제2절 일반자동차 파라미터 선정 및 범위값 설정 31
• 1. 유전알고리즘을 활용하여 파라미터를 정산한 선행연구 31
• 2. 일반자동차 파라미터 선정 및 범위값 설정 결과 34
• 제3절 유전알고리즘을 활용한 일반자동차 파라미터 최적화 36
• 1. 시뮬레이션 환경설계 36
• 2. 효과척도 선정 및 적합성 검증 36
• 3. 일반자동차 파라미터 최적화 결과 38
• 제5장 자율주행차 파라미터 정산 39
• 제1절 자율주행차 파라미터 정산 방법론 39
• 제2절 V2V 통신 기반의 입력변수 선정 41
• 1. 선행연구 검토결과 41
• 2. 주변차량 정의 및 입력변수 선정 43
• 제3절 일반자동차 주행행태 예측모형 개발 46
• 1. 딥러닝 기반 시계열 예측 모델 종류 46
• 2. 일반자동차 주행행태 예측모형 개발 49
• 3. 적합성 분석 결과 55
• 제4절 자율주행차 행태모형 개발 58
• 1. 자율주행차 주행특성 분석 58
• 2. 인지반응시간 및 Jerk 적용방안 61
• 3. 자율주행차 행태모형 적용 결과 67
• 제5절 자율주행차 파라미터 개발 71
• 1. 자율주행차 파라미터 개발 방법론 71
• 2. 자율주행차 파라미터 선정 및 범위값 설정 73
• 3. 유전알고리즘을 활용한 자율주행차 파라미터 최적화 75
• 제6장 자율주행차 도입시 교통안전성 분석 80
• 제1절 자율주행차 사고분석 80
• 1. 자율주행차 사고분석 개요 80
• 2. 자율주행차 사고분석 결과 82
• 제2절 혼합교통류 안전성 평가 85
• 1. 혼합교통류 안전성 평가 방법론 85
• 2. 시뮬레이션 환경 구축 및 분석 CASE 설정 86
• 3. 자율주행차 도입시 사고감소 효과지표 선정 87
• 4. 운영효율성 분석 89
• 5. 교통안전성 분석 결과 89
• 6. 자율주행차 전용차로 운영방안 수립 100
• 제7장 결론 및 향후 연구과제 104
• 제1절 결론 104
• 제2절 향후 연구과제 106
• 참고문헌 108
• ABSTRACT 115