Core Concepts
본 연구는 운전자의 인지된 안전성을 고려하여 자율주행 차량의 궤적을 예측하는 혁신적인 모델을 제안한다. 이 모델은 기존 데이터 중심 접근법의 한계를 극복하고, 실제 도로 환경에서의 복잡한 차량 상호작용을 효과적으로 모델링할 수 있다.
Abstract
본 연구는 자율주행 차량의 정확한 궤적 예측을 위해 운전자의 인지된 안전성을 고려하는 혁신적인 모델을 제안한다. 기존 연구들이 주로 데이터 기반 접근법에 의존했던 것과 달리, 이 모델은 운전자의 심리적 요인과 의사결정 과정을 반영한다.
모델의 핵심 구성요소는 다음과 같다:
정량적 안전성 평가(QSA): 시간 간격(TTC), 위험 노출 시간(TET), 위험 누적 시간(TIT) 등의 지표를 활용하여 객관적인 안전성을 평가한다.
운전자 행동 프로파일링(DBP): QSA 기반으로 운전자의 공격적/방어적 성향 등 행동 특성을 실시간으로 파악한다.
상호작용 인지 모듈(Leanformer): 주변 차량들의 위치, 속도, 가속도 등을 고려하여 복잡한 차량 간 상호작용을 모델링한다.
이 모델은 NGSIM, HighD, MoCAD 데이터셋에서 기존 최신 모델 대비 각각 16.2%, 27.4%, 19.8%의 성능 향상을 보였다. 또한 데이터 누락 상황에서도 강건한 성능을 보여, 실제 도로 환경에 적용 가능성이 높다.
Stats
시간 간격(TTC)이 3초 이하인 경우, 잠재적 충돌 위험이 높다.
위험 노출 시간(TET)이 길수록 안전성이 낮다.
위험 누적 시간(TIT)이 높을수록 안전성이 낮다.
주변 차량과의 상대적 속도와 가속도 차이가 클수록 위험 지수(RTI)가 높다.
Quotes
"운전자의 심리적 요인과 의사결정 과정을 반영하는 것이 자율주행 시스템의 정확성과 신뢰성을 높이는 데 핵심적이다."
"기존 데이터 중심 접근법의 한계를 극복하고, 실제 도로 환경에서의 복잡한 차량 상호작용을 효과적으로 모델링할 수 있다."