Earticle

현재 위치 Home

Autonomous Vehicle

심층강화학습 기반 자율주행차량의 차로변경 방법론
Lane Change Methodology for Autonomous Vehicles Based on Deep Reinforcement Learning

첫 페이지 보기
  • 발행기관
    한국ITS학회 바로가기
  • 간행물
    한국ITS학회논문지 KCI 등재 바로가기
  • 통권
    제22권 제1호 통권105호 (2023.02)바로가기
  • 페이지
    pp.276-290
  • 저자
    박다윤, 배상훈, Trinh Tuan Hung, 박부기, 정보경
  • 언어
    한국어(KOR)
  • URL
    https://www.earticle.net/Article/A425193

※ 기관로그인 시 무료 이용이 가능합니다.

4,800원

원문정보

초록

영어
Several efforts in Korea are currently underway with the goal of commercializing autonomous vehicles. Hence, various studies are emerging on autonomous vehicles that drive safely and quickly according to operating guidelines. The current study examines the path search of an autonomous vehicle from a microscopic viewpoint and tries to prove the efficiency required by learning the lane change of an autonomous vehicle through Deep Q-Learning. A SUMO was used to achieve this purpose. The scenario was set to start with a random lane at the starting point and make a right turn through a lane change to the third lane at the destination. As a result of the study, the analysis was divided into simulation-based lane change and simulation-based lane change applied with Deep Q-Learning. The average traffic speed was improved by about 40% in the case of simulation with Deep Q-Learning applied, compared to the case without application, and the average waiting time was reduced by about 2 seconds and the average queue length by about 2.3 vehicles.
한국어
현재 국내에서는 자율주행차량의 상용화를 목표로 다양한 노력을 기울이고 있으며 자율주 행차량이 운영 가이드라인에 따라 안전하고 신속하게 주행할 수 있는 연구들이 대두되고 있 다. 본 연구는 자율주행차량의 경로탐색을 미시적인 관점으로 바라보며 Deep Q-Learning을 통 해 자율주행차량의 차로변경을 학습시켜 효율성을 입증하고자 한다. 이를 위해 SUMO를 사용 하였으며, 시나리오는 출발지에서 랜덤 차로로 출발하여 목적지의 3차로까지 차로변경을 통해 우회전하는 것으로 설정하였다. 연구 결과 시뮬레이션 기반의 차로변경과 Deep Q-Learning을 적용한 시뮬레이션 기반의 차로변경으로 구분하여 분석하였다. 평균 통행 속도는 Deep Q-Learning을 적용한 시뮬레이션의 경우가 적용하지 않은 경우에 비해 약 40% 향상되었으며 평균 대기 시간은 약 2초, 평균 대기 행렬 길이는 약 2.3대 감소하였다.

목차

요약
ABSTRACT
Ⅰ. 서론
1. 연구 배경 및 목적
2. 연구 수행 과정
Ⅱ. 이론적 고찰
1. 자율주행차량의 운영 가이드라인
2. 미시적인 관점에서의 자율주행차량 경로계획
3. 차로변경을 통한 자율주행차량 경로계획
4. 강화학습 기반의 자율주행차량 경로계획
5. 심층강화학습 모델
6. 차량추종 모델
7. 차로변경 모델
Ⅲ. 연구 내용
1. 연구 범위
2. 데이터 수집 및 분석
3. 시뮬레이션 환경 구축
4. 심층강화학습 기반 시뮬레이션 수행
Ⅳ. 연구 결과
1. 평균 통행 속도
2. 평균 대기 시간
3. 평균 대기행렬 길이
Ⅴ. 결론
REFERENCES

키워드

자율주행 경로계획 차로변경 Deep Q-Learning Autonomous driving Path planning Lane-Change Deep Q-Learning

저자

  • 박다윤 [ DaYoon Park | 부경대학교 지구환경시스템과학부 공간정보시스템공학전공 석사과정 ] 주저자
  • 배상훈 [ SangHoon Bae | 부경대학교 공간정보시스템공학과 교수 ] 교신저자
  • Trinh Tuan Hung [ 부경대학교 지구환경시스템과학부 공간정보시스템공학전공 박사과정 ] 공저자
  • 박부기 [ Boogi Park | 부경대학교 지구환경시스템과학부 공간정보시스템공학전공 박사과정 ] 공저자
  • 정보경 [ Bokyung Jung | 부경대학교 지구환경시스템과학부 공간정보시스템공학전공 석사과정 ] 공저자

참고문헌

자료제공 : 네이버학술정보

간행물 정보

발행기관

  • 발행기관명
    한국ITS학회 [The Korean Society of Intelligent Transport Systems]
  • 설립연도
    2002
  • 분야
    공학>교통공학
  • 소개
    ◈ 전문분야간 공동협의, 공동연구를 통한 ITS의 학술적 발전 ◈ 산·학·연 협동체계 구축으로 기술개발 지원 ◈ 정부정책 및 제도 방향에 대한 기술적 자문 ◈ 외국 ITS 관련 학술단체와 기술교류 ◈ 관련전문가 및 기술자의 교육 및 양성

간행물

  • 간행물명
    한국ITS학회논문지 [The Journal of The Korean Society of Intelligent Transport Systems]
  • 간기
    격월간
  • pISSN
    1738-0774
  • eISSN
    2384-1729
  • 수록기간
    2003~2026
  • 등재여부
    KCI 등재
  • 십진분류
    KDC 326 DDC 338

이 권호 내 다른 논문 / 한국ITS학회논문지 제22권 제1호 통권105호

    피인용수 : 0(자료제공 : 네이버학술정보)

    함께 이용한 논문 이 논문을 다운로드한 분들이 이용한 다른 논문입니다.

      페이지 저장