Earticle

초록

영어

Proactive traffic safety management has become increasingly important for stable autonomous vehicle (AV) operation as autonomous driving technology has advanced. Take-over events show technical and operational vulnerabilities in AVs and can serve as key indicators for traffic safety management. Traffic simulation is a practical tool for evaluating safety in road segments with limited AV data availability. Traffic simulation faces limitations in directly reproducing take-over events observed during real-world driving. Therefore, this study developed a take-over prediction model using real-world AV driving data and adopted the model in a traffic simulation to reproduce virtual take-over events. Autonomous driving vulnerability zones are defined as road segments where take-over events are spatially concentrated. A methodology was proposed to identify the vulnerability zones through spatial analysis. Take-over cases and normal autonomous driving cases were extracted. The driving behavior indicators were obtained from the trajectory data. The prediction model was trained using driving behavior indicators as input variables and take-over occurrence as the target variable. The trained model achieved an accuracy of 72.9%. The prediction logic was developed from the tree structure of the trained model and applied to the simulation network of the autonomous driving living lab. A kernel density estimation of the reproduced take-over events identified four autonomous driving vulnerability zones within areas corresponding to the top 5% of the density values. An analysis of the road conditions and traffic environments identified intersection influence areas, lane-drop sections, and bus stops as major characteristics of the vulnerability zones. The proposed methodology can provide a basis for decision-making on proactive traffic safety management and cooperative autonomous driving.

한국어

자율주행 기술이 발전함에 따라 안정적인 자율차 운행을 위한 선제적 안전관리의 중요성이 강조되고 있다. 제어권 전환은 자율차의 기술적·운영적 취약성이 표출된 이벤트로 교통안전관리를 위한 핵심 지표로 활용할 수 있다. 시뮬레이션은 자율차 데이터의 활용이 제한되는 구간의 안전성을 평가할 수 있는 실용적인 도구이지만, 실제 운행에서 관찰되는 제어권 전환을 직접 반영하는 데에는 한계가 있다. 따라서 본 연구에서는 실도로 자율차 주행 데이터를 기반으로 제어권 전환 예측 모델을 개발하고, 시뮬레이션에 적용하여 가상의 제어권 전환 이벤트를 재현한다. 또한 제어권 전환 이벤트가 공간적으로 집중된 구간을 자율주행 취약구간으로 정의하고, 공간분석을 통해 취약구간을 검지하는 방법론을 제안한다. 제어권 전환과 일반 자율주행 케이스를 추출하고, 궤적자료를 기반으로 주행행태지표를 산출하였다. 주행행태지표를 입력변수로, 제어권 전환 발생 여부를 목표변수로 설정하여, 정확도 72.9%의 예측 모델을 학습하였다. 모델 트리 구조를 바탕으로 예측 로직을 개발하고, 자율주행 리빙랩 시뮬레이션 네트워크에 적용하였다. 재현된 제어권 전환 이벤트를 대상으로 커널밀도추정 기법을 수행하여 밀도상위 5% 영역에서 4개의 자율주행 취약구간을 검지하였다. 도로조건과 교통환경을 바탕으로 취약요인을 분석한 결과, 교차로 영향권, 차로 감소구간, 버스정류장 등의 주요 특성이 확인되었다. 본 연구의 방법론은 선제적 안전관리와 자율협력주행을 위한 의사결정을 지원하는 기초자료로 활용될 수 있다.

목차

요약
ABSTRACT
Ⅰ. 서론
Ⅱ. 방법론
1. 분석 데이터셋 구축
2. 제어권 전환 예측 로직 개발
3. 자율주행 취약구간 분석
Ⅲ. 결론
ACKNOWLEDGEMENTS
REFERENCES

키워드

저자

• 지정훈 [ Jeonghoon Jee | 한양대학교 ERICA 교통물류공학과 박사과정 ] 주저자
• 오철 [ Cheol Oh | 한양대학교 ERICA 교통물류공학과 교수 ] 교신저자

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