Earticle

초록

한국어

본 논문은 교차로 내 사각지대에서 발생할 수 있는 돌발사고를 예방하기 위해, 인프라-차량 간 통신(I2V, Infra-to-Vehicle)을 활용한 위험 탐지 및 경고 모델을 제안한다. 교차로 인프라에 설치된 고정형 LiDAR와 광각 카메라를 통해 운전자의 시야에서 벗어난 객체(보행자, 자전거, 이륜차 등)를 인식하고, 탐지 확률 모델을 이용해 비가시 영역을 보정하였다. 탐지된 객체의 거리와 속도를 기반으로 충돌예상시간(Time-To-Collision, TTC)과 제 동거리(Braking Distance)를 산출하고, 이를 종합하여 위험도를 정량화하였다. 산출된 위험도는 ROS 2 기반 I2V 통신으로 차량에 전송되어, 운전자에게 시각 및 청각적 경고를 제공한다. 실험 결과, 제안된 모델은 단일 센서 대 비 18% 향상된 탐지율(96.8%)과 평균 통신 지연 147 ms 이하의 실시간 성능을 보였으며, 운전자 반응시간이 24.6% 단축되어 교차로 안전성 향상에 효과적임을 확인하였다. 본 연구는 C-ITS 기반 교차로 안전 인프라 구축 및 자율주행 지원 기술의 실증적 기반을 제시한다.

영어

This paper proposes a risk detection and warning model utilizing Infra-to-Vehicle (I2V) communication to prevent unexpected accidents occurring in intersection blind spots. Fixed LiDAR and wide-angle cameras installed at the infrastructure detect objects invisible to drivers—such as pedestrians, bicycles, and motorcycles—and compensate for non-line-of-sight (NLOS) areas using a detection probability model. Based on the distance and speed of detected objects, the system calculates Time-To-Collision (TTC) and Braking Distance to quantify the risk level. The calculated risk information is transmitted to vehicles in real time through ROS 2-based I2V communication, providing both visual and auditory alerts to drivers. Experimental results show that the proposed model improved detection accuracy by 18% (96.8%) compared to single-sensor methods and achieved a communication delay under 147 ms, while driver reaction time was reduced by 24.6%. These results demonstrate that the proposed system effectively enhances intersection safety and provides a practical foundation for developing C-ITS-based infrastructure for autonomous driving support.

목차

요약
Abstract
Ⅰ. 서론
Ⅱ. 관련연구
2.1 차량-인프라 통신(V2I) 기반 교차로 안전 지원 연구
2.2 사각지대(Blind Spot) 위험 탐지 및 멀티센서 융합 연구
2.3 협력 인지(Cooperative Perception) 및 표준화 동향
2.4 기존 연구의 한계 및 본 연구의 차별성
Ⅲ. 제안모델(Proposed Model)
3.1 사각지대 객체 탐지 모델
3.2 위험도(Risk Index) 산출 모델
3.3 I2V 경고 전송 모델
Ⅳ. 실험 및 검증
4.1 실험 시나리오 구성
4.2 실험 환경 및 구성
4.3 실험 결과 분석
4.4 종합 평가
Ⅴ. 결론
REFERENCES

저자

• 김성익 [ Seong-Ik Kim | 유원대학교 AI소프트웨어학과 교수 ] Corresponding Author
• 김문정 [ Moon Jeong Kim | 유원대학교 AI소프트웨어학과 교수 ]
• 송인호 [ In Ho Song | 유원대학교 미래자동차학과 교수 ]
• 조완섭 [ Cho, Wan-sup | (주)빅데이터랩스 이사/충북대학교 교수 ]

참고문헌