Earticle

대부분의 도시철도 시스템은 승객의 탑승열차 및 탑승열차종을 정확히 알 수 없다. 다수의 선행연구에서는 교통카드데이터와 열차시각표를 매칭하여 탑승열차를 추정하였으나, 추정이 불가능한 승객 또한 다수 존재한다. 본 연구의 9호선 사례분석 결과 교통카드데이터-열차시각 표 매칭만으로는 약 28% 승객의 탑승열차종을 추정할 수 없음을 확인할 수 있었다. 이에 교통 카드데이터-열차시각표 매칭과 본 연구에서 정의한 통행시간 기반 혼합확률분포분석을 순차 적으로 적용하여 급행운영 도시철도노선 승객의 탑승열차종을 추정하는 방법을 개발하였다. 분석 결과, 298개 OD pair에서 본 연구의 검증 기준을 만족하는 합리적인 급행이용/비이용 승 객 분류기준점을 도출할 수 있었다.

Identifying the exact train and the type of train boarded by passengers is practically cumbersome. Previous studies identified the trains boarded by each passenger by matching the Automated Fare Collection (AFC) data and the train schedule diagram. However, this approach has been shown to be inefficient as the exact train boarded by a considerable number of passengers cannot be accurately determined. In this study, we demonstrate that the AFC data - diagram matching technique could not estimate 28% of the train type selected by passengers using the Seoul Metro line no.9. To obtain more accurate results, this paper developed a two-step method for estimating the train type boarded by passengers by applying the AFC data - diagram matching method followed by a mixture distribution analysis. As a result of the analysis, we derived reasonable express train use/non-use passenger classification points based on 298 origin-destination pairs that satisfied the verification criteria of this study.

교통사고 사망자 중 보행자 사망자는 약 40%로 가장 큰 비중을 차지하고 있으며, 이는 OECD 회원국 평균 약 2배 정도의 수치로 보행자의 안전관리가 시급한 실정이다. 이처럼 심각 성이 높은 보행자 사고의 감소를 위해서는 일반 운전자보다 교통사고 발생 가능성이 높은 고 위험 운전자(초보, 고령, 상용차 운전자)에 대한 사고 감소 방안이 선행 적용될 필요가 있다. 이에 본 연구는 보행자가 돌발적으로 횡단하는 위험상황이 구현된 주행시뮬레이터를 활용하 여 교통사고 감소 방안 중 하나인 안전운전 교육의 수행 전후 보행자 돌발 횡단 상황에서 고위 험 운전자의 운전행태 개선 효과를 분석하였다. 초보 운전자와 고령 운전자의 경우 대부분의 대리 안전 지표에서 운전행태 개선을 보이지 않았고, 상용차 운전자만이 안전운전 교육으로 인한 운전행태 개선 효과가 나타났다. 이러한 결과는 초보 운전자와 고령 운전자의 경우 안전 교육 이외에 보행안전 인프라, 운전자 주행 보조 시스템 등의 추가적인 보행자 사고 감소 방안 이 필요하다는 것을 시사한다. 본 연구의 결과는 고위험 운전자에 의한 보행자 사고의 감소 방안을 수립하는데 기초 연구로 활용될 수 있을 것으로 기대된다.

Pedestrian deaths in Korea due to traffic accidents are 40 percent of the fatalities in traffic accidents, which is about twice the average of OECD member countries. To reduce severe pedestrian accidents, it is necessary to apply the accident reduction measures to high-risk drivers (novice, elderly, and commercial vehicle drivers) who are more likely to cause traffic accidents than general drivers. Therefore, this study analyzed the effect of safe driving education on high-risk drivers' behavior. Here, the safe driving education is chosen as the measure to reduce traffic accidents. As part of the study, sudden pedestrian crossing situations were implemented in the driving simulator, and the vehicle trajectory data were collected to compare the driving behavior before and after the education. Most surrogate safety measures showed no improvement in the driving behavior of novice and elderly drivers, and the effect of safe driving education was found to be significant only in the group of commercial vehicle drivers. The results implied that additional measures such as pedestrian safety infrastructure and driver assistance systems, apart from the safe driving education, may be needed for novice and elderly drivers to reduce pedestrian accidents caused by them. With the findings mentioned above, this study is expected to provide a foundation to establish a plan to reduce pedestrian accidents caused by high-risk drivers.

최근 고속도로 본선구간에서 발생한 교통사고에 대한 연구가 다수 수행되고 있으나, 램프와 같이 본선 외 구간에 대한 교통안전을 다루는 연구는 미미한 실정이다. 최근 5년(2015년~2019 년)동안 램프에서 발생한 사고는 총 6,717건으로 이는 전체 고속도로 사고의 약 15%를 차지한 다. 본 연구에서는 고속도로 램프구간에 대해 보다 정확한 사고 예측 모형을 제공하기 위해 포아송 감마(PG)와 포아송 역가우스(PIG)와 같은 다양한 통계 분포를 비롯하여 랜덤효과와 같 은 기법을 적용하여 Simple 및 Full SPF를 구축하고 비교하였다. 교통 및 도로 기하구조 데이터 는 로드뷰와 같은 다양한 시스템에서 수집되었다. 분석 결과, PIG 모형은 일반적으로 더 정확 한 사고 예측을 제시하며, Simpe SPF와 Full SPF 모두에서 임의효과 모형이 더욱 우수한 성능 을 나타내었다. 본 연구결과는 교통실무자들에게 정확한 사고 예측 모형을 기반으로 램프구간 교통안전을 증대시키고 이해할 수 있는 참고자료로써 활용될 수 있다.

In recent times, several studies have been conducted focusing on crashes occurring on the main segment of the highway. However, there is a dearth of research dealing with traffic safety relating to other highway facilities, especially ramp areas. According to the Korea Expressway Corporation’s Expressway Information Service, 6,717 crashes have occurred on ramps in the five years from 2015~2019, which accounts for about 15% of all highway accidents. In this study, the simple and full safety performance functions (SPFs) were evaluated and explored using different statistical distributions (i.e., Poisson Gamma (PG) and Poisson Inverse Gaussian (PIG)) and techniques (i.e., fixed effects (FE) and random effects (RE)) to provide more accurate crash prediction models for highway ramp sections. Data on the geometric characteristics of traffic and roadways were collected from various systems and with extensive efforts using a street-view application. The results showed that the PIG models present more accurate crash predictions in general. The results also indicated that the RE models performed better than FE models for simple and full SPFs. The findings from this study offer transportation practitioners using the Korea Expressway Corporation’s Expressway a dependable reference to enhance and understand traffic safety in ramp areas based on accurate crash prediction models and empirical evidence.

국내에서 운영중인 2차로 회전교차로는 합·분류 등에서 발생하는 상충, 진출·입차량과 회전 차량간의 상충 등의 문제점이 있다. 해외에서는 2차로 회전교차로의 문제점을 해결하기 위해 주행경로를 도류화시켜 안전성과 효율성을 향상 시켜주는 나선형 회전교차로를 운영하고 있 다. 본 연구에서는 나선형 회전교차로의 국내에 맞는 적정교통량 수준을 분석하기 위해 VISSIM을 이용하여 교통량수준, 방향별 회전교통량을 일정한 수준으로 증가시켰다. 나선형 회 전교차로는 방향별 회전교통량에 의해 차이가 있지만 적정교통량은 2,400-2,800대/시인 것으로 분석되었다. 나선형 회전교차로는 좌회전·직진교통량에 의해 지체가 증가하는 것으로 분석되 었으며, 좌회전 통행비율이 30% 이상인 경우 나선형 회전교차로보다 2차로 회전교차로와 신 호교차로의 운영이 더 효율적인 것으로 분석되었다.

It is generally known that a two-lane roundabout has some problems in safety such as increasing conflicts, typically merging and diverging conflicts and conflicts between entering traffic and exiting as well as turning traffic. To solve these problems, a turbo-roundabout had been developed and has successfully brought safer and more efficient operation in other countries. In this study, micro simulations using VISSIM were conducted to investigate the maximum value of service traffic volume. It was found that operation of turbo-roundabouts was influenced by traffic volume for each turning traffic, and the maximum values of traffic volume were values between 2,400 and 2,800 vehicles per hour as rates of traffic volume for each turning traffic. Typically, turbo-roundabouts have limited to operate in conditions with more than 30% for left-turning traffic volume.

국내 도로공간은 평면적 공간 분배의 한계점에 다다르고 있으며, 점점 지하공간의 개발을 통한 입체적 공간 분배의 중요성이 대두되고 있다. 이에 본 연구에서는 지상도로와 지하도로 의 연계에 있어 서로 다른 두 교통흐름을 안전하게 유도할 수 있는 교통제어 방안에 대한 연구 를 수행하였다. VISSIM을 통해 지하도로 내 분·합류부가 존재할 경우의 본선 용량대비 적정 유출·입 교통량을 산출하였으며, 상충 수 분석을 통해 지하도로 내 안전을 위한 적정 교통량 제어수준을 분석하였고, 지상도로의 지·정체 시나리오 분석을 통해 지상부 지·정체 수준에 따 른 지하도로 내 위험도 수준에 대한 기초연구를 수행하였다.

The domestic road space is reaching the limit of planar space distribution, and Increasingly, the importance of three-dimensional space distribution through the development of underground space. therefore, In this study, a study was conducted on a traffic control method that can safely induce two different traffic flows in the connection between the ground road and the underground road. Through VISSIM, we calculated the appropriate amount of outflow and inflow traffic compared to the capacity of the main line when there is a Merge/Diverge section in the underground road. and Through the analysis of the number of conflicts, the appropriate traffic control level for safety in the underground, A basic study was conducted on the level of risk in the underpass according to the level of delay in the ground part through the analysis of the delay scenario of the ground road.

국내 2020년 기준 교통사고 건수는 약 23만 건으로, 고속도로는 비반복적 정체와 높은 주행 속도로 인해 다른 도로 대비 교통사고 발생 건수당 사망자수가 2배 이상으로 나타나고 있다. 고속도로의 교통정보는 도로의 중심선을 이용한 노드, 링크를 기준으로 제공하고 있으나 세분 화된 속도정보를 주지 못하고 있다. 최근 자율주행차 뿐만 아니라 일반 차량에서도 장애물 모 니터링, 위치 측정을 위한 차량용 센서 장착이 일반화되고 있어, 대용량 위치 기반 데이터를 이용한 분석은 처리속도에 따라 실시간 서비스가 가능하다. 본 연구는 대용량 위치기반 개별 차량 정보의 분석을 위한 공간 기반의 맵핑 방법을 제시하였다. 경위도 각각 2개로 분할하는 4진법 기준의 분할 방법을 적용하여 개별 차량의 공간 코드를 생성하여 지오코딩 하는 방법으 로 처리 속도를 대폭 증가 시켰다. 공간이 세분됨에 따라 평균속도는 유사하였으나 속도의 표 준편차는 점차 감소하였으며 9회 분할 이후는 그 감소 폭이 작아 졌다.

The number of traffic accidents is about 230,000, and due to non-recurring congestion and high driving speed, the number of deaths per traffic accident on freeways is more than twice compared to other roads. Currently, traffic information is provided based on nodes and links using the centerline of the road, but it does not provide detailed speed information. Recently, installing sensors for vehicles to monitor obstacles and measure location is becoming common not only for autonomous vehicles but also for ordinary vehicles as well. The analysis using large-capacity location-based data from such sensors enables real time service according to processing speed. This study presents an mapping method for individual vehicle data analysis based on space. The processing speed of large-capacity data was increased by using method which applied a quaternary notation basis partition method that splits into two directions of longitude and latitude respectively. As the space partition was processed, the average speed was similar, but the speed standard deviation gradually decreased, and decrease range became smaller after 9th partition.

4차 산업혁명의 도래와 함께 자율주행자동차의 주행관리 및 주행 전략과 관련된 연구들이 대두되고 있다. 이러한 연구를 위해서는 차량의 미시적 교통데이터의 확보가 필수적이나, 기존 교통정보 수집 방식은 개별차량의 주행행태를 수집할 수 없다. 본 연구에서는 미시적 교통정 보를 수집 가능한 항공에서 내려다보는 관점의 교통정보 수집을 위해 드론 항공영상을 활용하 였다. 관련 연구의 한계점을 극복하기 위하여 딥러닝 기반 다중객체추적 알고리즘과 영상정합 을 활용하여 미시적 교통데이터를 추출하였다. 그 결과로 속도는 MAE 3.49km/h, RMSE 4.43km/h, MAPE 5.18km/h의 오차율과 교통량 Precision 98.07%, Recall 97.86%의 정확도를 획득 하였다.

With the advent of the fourth industrial revolution, studies on driving management and driving strategies of autonomous vehicles are emerging. While obtaining microscopic traffic data on vehicles is essential for such research, we also see that conventional traffic data collection methods cannot collect the driving behavior of individual vehicles. In this study, UAV videos were used to collect traffic data from the viewpoint of the aerial base that is microscopic. To overcome the limitations of the related research in the literature, the micro-traffic data were estimated using the multiple object tracking of deep learning and an image registration technique. As a result, the speed obtained error rates of MAE 3.49 km/h, RMSE 4.43 km/h, and MAPE 5.18 km/h, and the traffic obtained a precision of 98.07% and a recall of 97.86%.

빅데이터의 등장과 더불어 교통 상태 예측은 과거 이력 데이터 분석 방식에 힘을 싣고 발전 되어 왔으나, 이 방법은 관측된 적 없는 돌발 상황에 충분히 대응하지 못한다는 약점이 있다. 본 연구에서는 기계학습과 시뮬레이션 기법의 융합을 통해 돌발 상황 발생 시 교통 상태 예측 정확도 감소를 보완할 수 있는 예측 기법을 제시한다. 데이터 기반 방식의 맹점은 과거에 관측 된 적 없는 데이터 패턴이 인지되었을 때 드러난다. 본 연구에서는 시뮬레이션을 이용하여 과 거 이력 데이터를 보강하는 방법으로 문제를 해결하고자 하였다. 제시한 방법은 기계학습 기 반의 교통 예측을 수행하고, 예측 결과와 실시간으로 수집되는 교통 데이터를 지속적으로 비 교하여 돌발 상황 발생 여부를 판단한다. 돌발 상황이 인지되었을 시, 시뮬레이션을 통해 생성 한 데이터베이스를 활용하여 예측을 수행한다. 본 연구에서 제시한 방법은 실제 도로 구간을 대상으로 검증되었으며, 검증 결과 돌발 상황에서의 교통 상태 예측 정확도 향상을 확인할 수 있었다. 본 연구에서 제시한 융합 교통 예측 방법은 향후 교통 예측 고도화에 이바지할 수 있 을 것으로 전망된다.

With the advent of big data, traffic prediction has been developed based on historical data analysis methods, but this method deteriorates prediction performance when a traffic incident that has not been observed occurs. This study proposes a method that can compensate for the reduction in traffic prediction accuracy in traffic incidents situations by hybrid approach of machine learning and traffic simulation. The blind spots of the data-driven method are revealed when data patterns that have not been observed in the past are recognized. In this study, we tried to solve the problem by reinforcing historical data using traffic simulation. The proposed method performs machine learning-based traffic prediction and periodically compares the prediction result with real time traffic data to determine whether an incident occurs. When an incident is recognized, prediction is performed using the synthetic traffic data generated through simulation. The method proposed in this study was tested on an actual road section, and as a result of the experiment, it was confirmed that the error in predicting traffic state in incident situations was significantly reduced. The proposed traffic prediction method is expected to become a cornerstone for the advancement of traffic prediction.

최근 수도권 중심의 생활권역 확장과 대도시로의 인구 집중으로 도시 내의 교통 혼잡이 지 속적으로 증가하고 있다. 도심지의 땅값 상승과 한정된 부지로 인해 새로운 도로 건설은 불가 능하게 되었고, 데이터 기반의 효율적인 도로 운영의 중요성이 점점 부각되고 있다. 효율적인 도로 운영을 위해서는 교통상황의 변화에 따른 적절한 TOD 시간분할과 TOD 시간분할을 통한 최적의 신호 운영 방안이 필수적이다. 본 연구에서는 최적의 TOD 시간 분할을 위해 연속된 교차로에서 수집된 교통량과 속도 데이터에 시계열 데이터의 군집 분석을 위한 동적 타임 워 핑 모델을 적용하였다. 시간 분할을 위해 활용된 데이터별 군집의 특성을 분석하여 최적의 신 호 운영 시나리오를 구성하기 위한 시간 분할 방법론을 제안하고자 한다.

Recently, traffic congestion in the city is continuously increasing due to the expansion of the living area centered in the metropolitan area and the concentration of population in large cities. New road construction has become impossible due to the increase in land prices in downtown areas and limited sites, and the importance of efficient data-based road operation is increasingly emerging. For efficient road operation, it is essential to classify appropriate scenarios according to changes in traffic conditions and to operate optimal signals for each scenario. In this study, the Dynamic Time Warping model for cluster analysis of time series data was applied to traffic volume and speed data collected at continuous intersections for optimal scenario classification. We propose a methodology for composing an optimal signal operation scenario by analyzing the characteristics of the scenarios for each data used for classification.

스마트 서울 정책의 일환으로 도시 빅데이터 활용의 중요성이 부각되고 있으며, 미세먼지, 소음과 같이 교통과 관련된 도시환경 요소가 시민들의 삶의 질에 미치는 영향에 대한 사회적 관심이 증가하고 있다. 본 연구에서는 IoT 도시 빅데이터와 교통 빅데이터를 매칭하여 통합 DB를 구축하고, 이를 활용하여 특정 공간이 도로 영향권 내에 포함되는지 여부에 따라 미세먼 지, 소음 피해에 유의한 차이가 있는지 분석하였다. 또한 시계열 클러스터링을 통하여 도로교 통특성 및 환경요인들이 유사한 특성을 가지는 공간 단위들을 군집화하였으며, 이 결과를 통 하여 미세먼지 또는 초미세먼지 hot-spot, 소음 hot-spot 등 도시공간 단위의 환경위험 관리를 체계적으로 구축하는 기반을 마련하고자 하였다.

As part of the Smart Seoul policy, the importance of using big urban data is being highlighted. Furthermore interest in the impact of transportation-related urban environmental factors such as PM10 and noise on citizen's quality of life is steadily increasing. This study established the integrated DB by matching IoT big data with transportation data, including traffic volume and speed in the microscopic Spatio-temporal scope. This data analyzed the impact of a spatial unit in the road-effect zone on environmental risk level. In addition, spatial units with similar characteristics of road traffic and environmental factors were clustered. The results of this study can provide the basis for systematically establishing environmental risk management of urban spatial units such as PM10 or PM2.5 hot-spot and noise hot-spot.

스마트시티는 도시의 인구 집중화로 인해 발생하는 문제를 IT 기술을 접목하여 해결하는 지능화된 도시를 뜻하며 안전, 교통, 환경, 교육, 의료 등 다양한 서비스가 제공되고 있으나 거 주하는 시민들이 체감하는 서비스의 정도는 제공되는 기술적 성숙도에 비해 낮아 서비스 체감 도의 향상이 필요하다. 본 연구에서는 스마트시티 내에 거주하는 시민들이 생활하면서 체감 하는 스마트 서비스의 인지도 및 체감도를 향상시키고 서비스를 쉽게 받아들 일수 있는 수용 의도 분석을 위해 이용자 특성과 서비스 특성 변수를 구분하였다. 또한 서비스에 대한 인지 용이성과 인지 유용성의 유대관계 분석 및 시민과 공무원 집단에 대한 조절효과를 분석하여 서비스 수용의도에 영향을 미치는 요소를 확인하였다. 이러한 결과를 바탕으로 시민의 적극적 인 참여와 정부 및 민간의 투자를 유도하여 도시의 다양한 문제해결을 통해 시민의 삶의 질 향상과 행복한 사회가 이루어지는 기반이 될 것으로 기대된다.

A smart city refers to an intelligent city solving problems arising from the concentration its population using IT technology. Various services such as safety, transportation, environment, education, and medical care are provided in a smart city. Still, the degree of service experienced by the residents is lower compared to the technological maturity. Hence, the service acceptance intention factor needs to be improved. In this study, User Characteristic and Service Characteristic variables were identified separately to improve the awareness and experience of smart services among citizens of the smart city and analyze the intention of easy service acceptance. Based on the results, the present study is expected to improve citizen’s quality of life and form a happy society. This improvement in citizens and society is achieved by drawing active participation from citizens and investments from the government and private enterprise through solving various problems in the city.

스마트폰 보급과 ICT 기술을 발전에 따라 택시영업의 형태는 배회영업에서 플랫폼 기반 영 업으로 변화해왔다. 이는 이용자의 이동성 및 접근성을 향상시키는 장점을 갖고 있지만 반대 로 단거리 및 첨두수요 시간대의 간접 승차거부 등의 문제를 지속적으로 발생시키고 있다. 간 접승차거부는 호출이 발생했을 때 이를 무시하고 수락하지 않는 경우를 의미하며 이를 개선할 필요가 있다. 이에 본 연구에서는 택시 운행 데이터를 통해 강화 학습 기반 호출 간 기대수익 조정 시뮬레이션을 수행하여 택시 수급의 불일치 완화 방안을 도출하고자 한다. 분석 결과 운 행 완료율에 따라 인센티브 지급을 할 경우 평균 운행 완료율이 50.29%에서 54.24% 수준까지 증가함을 확인하였으며 5,000원 미만 단거리 구간에서 5.86%의 개선 효과를 도출하였다. 운행 완료율의 개선으로 운전자에게는 수익성 개선, 승객에게는 대기시간 감소의 편익을 줄 수 있 을 것으로 기대되며, 택시 서비스 전반의 만족도 향상이 나타날 것으로 사료된다.

As smartphones spread and ICT technologies develop, taxi services have changed from hovering to platform-based calls and reservations. This has improved the mobility and accessibility of taxi users but caused problems, such as digital observing (no-responses to calls) for either short-distance services or services during the peak-demand periods. Digital Observing means ignoring and not accepting calls when they occur, which require improvement. Therefore, this study aims to derive measures to mitigate discrepancies in taxi supply and demand by adjusting the expected revenue of each taxi service using reinforcement learning based on the Taxi operation data. The results confirmed that the average complete response rate to calls would increase from 50.29% to 54.24% when incentives are applied, and an improvement of 5.86% can be achieved in short-distance sections of less than 5,000 won incentives. It is expected that the improvement will increase profitability for drivers, reduce the waiting time for passengers, and improve satisfaction with taxi services overall.

자율주행시대가 우리 삶에 다가오면서 삶의 변화에 많은 영향을 미칠 것으로 예상된다. 자율주행자동차가 등장하면 운전자의 부담을 줄임으로 차내에서 생산적 가치가 확장되는 만큼 이를 평가할 수 있는 지표개발이 필요하다. 이번 연구는 경기도 직장인 중 승용차를 이용하는 통근자를 대상으로 자율주행 자동차가 통근시간 및 통근시간 만족도에 어떠한 영향을 미치 는지 분석하였다. 통근시간 및 통근시간 만족도는 비선형 관계(V)가 도출되었다. 여기서, 자 율주행시대에 영향받을 가능성이 높은 비선형 구간인 통근시간 70분 이상영역을 중심으로 이 항로지스틱 모형을 통해 분석하였다. 분석결과 자율주행시대의 영향변수로는 건강도, 수면시 간, 근무시간, 여가시간 등이 도출되었다. 자율주행자동차의 등장은 이러한 변수를 개선시킬 가 능성이 높으므로 장거리 통근자의 통근시간 만족도는 개선될 가능성이 높다.

As the era of autonomous driving approaches, it is expected to have a significant impact on our lives. When autonomous driving cars emerge, it is necessary to develop an index that can evaluate autonomous driving cars as it enhance the productive value of the car by reducing the burden on the driver. This study analyzed how the autonomous driving era affects commuting time and commuting time satisfaction among office goers using a car in Gyeonggi-do. First, a nonlinear relationship (V) was derived for the commuting time and commuting time satisfaction. Here, the factors affecting commuting time satisfaction were analyzed through a binomial logistic model, centered on the sample belonging to the nonlinear section (70 minutes or more for commuting time), which is likely to be affected by the autonomous driving era. The analysis results show that the variables affected by the autonomous driving era were health, sleeping hours, working hours, and leisure time. Since the emergence of autonomous driving cars is highly likely to improve the influencing variables, long-distance commuters are likely to feel higher commuting time satisfaction.

자율 주행 기술이 발전함에 따라 주행 주변 환경을 인식하는 데 차량 위치의 정확성은 매우 중요하다. 측위의 정확도를 높이기 위해 정밀지도를 사용한 지도 정합 측위기술(map-matching localization)이 연구되고 있다. 기존의 지도 정합 기법은 지도에서 차선의 중심으로 표현된 데이 터를 기반으로 차량 위치를 추정하기에 차선 내 측면 거리의 편차를 반영하지 않는다. 따라서 본 논문에서는 정밀한 측위를 제공하기 위해 영상처리를 통한 차선 검출 기법과 정밀지도의 차선 위치 정보를 이용한 기법을 제안한다. 영상 처리 기법으로 IPM(inverse perspective mapping)과 다중 차선 검출 기법, 중앙선 검출 기법을 통하여 차선 번호를 검출하고 차선 이탈 감지 방법으로 차선 중심으로부터 차량의 측면 거리를 추정한다. 최종적으로 영상처리로 검출 한 차선 번호와 GNSS / INS의 위치를 기반으로 정밀지도에서 위치 링크정보를 추출하고 추출 된 링크에 측면 거리를 반영하여 차선 내 차량의 위치를 추정한다. 제안된 방법의 성능을 평가 하기 위하여 실제 도로에서 실험하였다. 제안하는 방법은 GNSS / INS와 비교 시 약 1.0m 정도 정확도가 개선되며, 기존의 차선레벨 맵매칭 방법과 비교 시 구간별로 약 0.04m ~ 0.21m (7~30%) 정확도가 개선됨을 확인하였다.

As autonomous driving technology advances, the accuracy of the vehicle position is important for recognizing the environments around driving. Map-matching localization techniques based on high definition (HD) maps have been studied to improve localization accuracy. Because conventional map-matching techniques estimate the vehicle position based on an HD map reference dataset representing the center of the lane, the estimated position does not reflect the deviation of the lateral distance within the lane. Therefore, this paper proposes a localization system based on the reference lateral position dataset extracted using image processing and HD maps. Image processing extracts the driving lane number using inverse perspective mapping, multi-lane detection, and yellow central lane detection. The lane departure method estimates the lateral distance within the lane. To collect the lateral position reference dataset, this approach involves two processes: (i) the link and lane node is extracted based on the lane number obtained from image processing and position from GNSS/INS, and (ii) the lateral position is matched with the extracted link and lane node. Finally, the vehicle position is estimated by matching the GNSS/INS local trajectory and the reference lateral position dataset. The performance of the proposed method was evaluated by experiments carried out on a highway environment. It was confirmed that the proposed method improves accuracy by about 1.0m compared to GNSS / INS, and improves accuracy by about 0.04m～0.21m (7～30%) for each section when compared with the existing lane-level map matching method.

세계 최대 차량공유업체 우버의 자율주행에 의한 보행자 사망사고에 이어 지난 4월에는 테 슬라의 자율주행 교통사고로 2명이 사망하는 등 자율주행의 안전성 문제가 대두됨에 따라 자 율주행 도입에 따른 도로 이용자의 안전성 확보가 필요한 실정이다. 이에 자율주행의 안전성 을 확보하기 위해서는 실제로 자율주행자동차가 주행할 도로 및 교통 환경을 기반으로 다양한 상황에서의 자율주행 운전능력을 평가할 필요가 있다. 따라서 본 연구는 다양한 운전능력 시 험방법 중 가상현실 기반 자율주행 운전능력 평가도구를 제시하고자 일반 운전면허시험 문제 를 기반으로 UC-win/Road ver.14.0을 활용하였다. 이를 바탕으로 복합적이고 다양한 주행환경 에서 돌발상황에 대한 운전능력을 시험하고자 하였으며 자율주행 운전능력 시험평가의 최적 의 도구로서의 실제 적용가능성을 확인하고자 하였다.

Following the fatal accident of pedestrians caused by Autonomous Vehicle by Uber, the world's largest ride-hailing company, two people were killed in a self-driving car accident by Tesla in April. There is a need to ensure the safety of road users. Accordingly, in order to secure the safety of Autonomous Vehicle driving, it is necessary to evaluate Autonomous Vehicle driving technologies in various situations based on the road and traffic environment in which the Autonomous vehicle will actually drive. Therefore, this study used UC-win/Road ver.14.0 based on general driver's license test questions to present a virtual reality-based Autonomous Vehicles driving ability evaluation tool among various driving ability test method. Based on this, it was intended to test driving ability for unexpected situations in complex and diverse driving environments, and to confirm its practical applicability as an optimal tool for Autonomous vehicle ability test and evaluation.