Earticle

초록

영어

Establishing weather-based thresholds for Operational Design Domain (ODD) expansion requires empirical evidence on sensor degradation, yet ISO 34503:2023 Clause 10 provides no quantitative benchmarks. This study parsed full-frame 3D annotations from an adverse weather dataset (1,810 scenes, 72,021 frames) on AI Hub and applied nonparametric statistical tests to quantify LiDAR degradation by weather type. Results show that the 3D null ratio peaked at 65.4% under rain while the occluded ratio reached 69.3% under snow, confirming that the two conditions degrade LiDAR through qualitatively distinct mechanisms — position loss versus visual occlusion — with significant differences across all indicators (Kruskal-Wallis, p<0.001). These findings provide an empirical basis for weather-type-differentiated sensor compensation strategies and ODD operational criteria.

한국어

자율주행 운행설계영역(ODD) 확장을 위한 기상 조건 임계값 설정에는 센서 저하의 실증근거가 필요하나, ISO 34503:2023 제10조(Clause 10)는 정량적 기준값을 제시하지 않고 있다. 본 연구는 AI허브 악천후 데이터(1,810씬, 72,021프레임)의 3D 어노테이션을 전수 파싱하고 비 모수 통계 검정을 적용하여 기상 유형별 라이다(LiDAR) 센서 저하 메커니즘을 정량 분석하였다. 분석 결과 비 조건에서는 3D 위치정보 미획득 비율(3D null ratio, 65.4%)이, 눈 조건에서는 시야 차폐 비율(occluded ratio, 69.3%)이 각각 최고치를 기록하여, 두 기상 조건이 질적으로 다 른 메커니즘(위치 소실 vs 시야 차폐)으로 라이다(LiDAR) 성능을 저하시킴이 모든 핵심 지표에서 확인되었다(Kruskal-Wallis, p<0.001). 이 결과는 기상 유형별로 차별화된 센서 보완 전략과 ODD 운행 기준 마련의 실증적 근거를 제공한다.

목차

요약
ABSTRACT
Ⅰ. 서론
Ⅱ. 선행연구고찰
Ⅲ. 분석 방법
1. 데이터셋 개요
2. 분석 지표 정의 및 산출 방법
Ⅳ. 분석절차
Ⅴ. 분석결과
1. 날씨별 센서 가시성 핵심 지표
2. 통계적 검정 결과
3. 기상 조건별 이미지 비교
4. 날씨 × 도로유형 교차분석
5. 근접 위험도 분석
Ⅵ. 결론 및 정책 시사점
ACKNOWLEDGMENTS
REFERENCES

키워드

저자

• 빈미영 [ Bhin Miyoung | 경기연구원 모빌리티연구실 선임연구위원 ] 주저자 및 교신저자
• 손슬기 [ Son Seul ki | 경기연구원 모빌리티연구실 연구원 ] 공저자

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 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