Earticle

최근 자율주행자동차의 개발이 활발하게 진행되면서 더욱 안전하고 쾌적한 주행을 위해 V2V, V2I 등 V2X 서비스를 활용하는 자율주행시스템의 중요성이 높아지고 있다. 환경 센서에 기반한 부분 자율주행자동차는 장착된 센서의 인식 거리를 벗어나는 영역에 대한 예측 및 판 단과 센서가 검지하기 힘든 비정형 물체에 대한 대응에 한계가 있다. 따라서 센서 검지 성능의 한계를 개선하고 보다 안전하고 쾌적한 주행을 위한 V2X 서비스 활용은 중요하다. 하지만 V2X의 잘못된 정보 제공으로 인한 자율주행자동차의 사고 위험도 존재할 수 있어 이를 방지 하기 위한 기술의 적용 또한 고려되어야 할 것이다. 본 논문에서는 ISO-26262 Part3 프로세스를 활용하고 HARA를 수행하여 V2X 중에서 차량과 인프라의 통신을 활용한 V2I 오작동에 의한 자율주행자동차의 위험원을 도출하고 주요 V2I 사용례의 오작동 시뮬레이션 및 실차 시험을 기반으로 ASIL 등급을 산정하였다.

The importance of autonomous driving systems that utilize V2X services such as V2V(Vehicle to Vehicle) and V2I(Vehicle to Infrastructure) for safer and more comfortable driving is increasing with the recent development of autonomous vehicles. Partly autonomous vehicles based on environmental sensors have limitations for predicting and determining areas beyond the recognition distance of the mounted sensors and in response to atypical objects that are difficult to detect. Therefore, it is important to utilize the V2X service to improve the limit of sensor detection performance and to make driving safer and more comfortable. However, there may be an accident risk of autonomous vehicles due to incorrect information provided by V2X. Thus, the application of technology to prevent this needs to be considered. In this pater, we used the ISO-26262 Part3 Process and performed HARA (Hazard Analysis and Risk Assessment) to derive the risk sources of autonomous vehicles due to V2I malfunctions by using the communication between vehicles and infrastructure among V2X. We also developed ASIL ratings based on the simulations and real vehicle tests of the malfunctions of major cases of usnig V2I.

독일의 자동차교통법 제7조를 계수한 우리나라의 자동차손해배상보장법 제3조는, 운전자와 기계가 복합된 자동차의 위험에서 기인하는 자동차 주행이 만들어 낸 사고를 대상으로, 자동차의 운행자에게 엄격한 책임을 묻고 있으며 사실상 무과실책임에 가깝다고 할 수 있다. 그 법적 근거는 자동차 운행의 위험을 지배할 수 있는 사람에게 엄격한 책임을 부과하는 위험책임과 자동차의 운행으로 인해 이익을 얻는 자에게 불이익을 부과하는 보상책임에서 구할 수 있으며, ‘운행지배’와 ‘운행이익’을 모두 갖는 자를 자동차 운행자라고 정의하여 법적 책임을 지우고 있다. 그리고 이러한 자율주행차의 손해배상책임은 자동차보험제도와 관련이 있다. 자율주행의 단계가 상승함에 따라, 사고의 원인으로서 물적 위험인 자동차 자체의 결함과 고장에 기인하는 비중이 증대함으로 인하여, 제조물책임이 많은 문제가 될 것이다. 그러나 제조물책임법을 자율주행차의 결함에 대해 적용하는 데는 몇 가지 문제점이 있다. 즉, 자율주행 소프트웨어를 제조물법책임법상의 제조물로 볼 수 있는지의 여부이다. 이에 대해서, 자율주행 소프트웨어가 자동차의 차체와 일체화되어 있다는 점을 인식하여, 소프트웨어의 결함은 동산인 자동차의 결함이라는 해석을 채용할 수 있다. 이러한 제조물의 결함의 유형 중, 특히 설계상의 결함과 표시상의 결함이 문제가 된다. 자동차손배법의 운행자책임과 제조물책임법의 제조물책임은 모두 자율주행차에 의한 제3자의 인신사고에 적용될 수 있다. 그런데, 사고의 원인이 자율주행차의 결함에 있으면서도 일정한 사실들에 대한 입증의 부담 때문에, 운행자책임이 제조물책임을 떠맡는 문제가 발생할 수도 있다. 그리고 자동차손배법 제3조의 손해배상책임의 범위에는 재산상의 손해를 포함하고 있지 않기 때문에, 운전자가 탑승하지 않는 자율주행 ‘제5단계’에서는 피해자의 보호에 미흡할 소지가 있다. 이러한 문제의 해결은 자동차보험 및 입증책임과 관련이 있다. 또한, 자율주행차가 제3자의 해킹 등에 의해 시스템이 방해·교란을 받아 사고를 일으킨 경우에 관한 민사책임 문제도 있다. 결국, 민사책임의 주체는 자율주행차의 운행자, 제조업자 등으로 책임의 구도가 다원화되므로, 이들 사이의 책임의 분배를 합리적으로 조정할 필요가 있다.

The Article 3 of the Automobile Damage Compensation Act imposes strict responsibilities on the operators of motor vehicles, and is in effect close to the responsibility of non-negligence. The legal basis is the compensation from which the responsibility for the risks posed to those who can control the risk of running a car and the disadvantages imposed by those who can benefit from running a car. Anyone who has both ‘governing the running’ and ‘operating profit’ is defined as the driver of the motor vehicle and is legally responsible. And the liability for damages of such autonomous vehicles is related to the automobile insurance system. As the level of autonomous driving increases, product liability will be a major issue as the weight of the vehicle's own defects and malfunctions, which are the causes of the accident, increases. However, there are some problems with applying the Product Liability Act to the defects of autonomous vehicles. It is recognized whether the self-driving software can be considered a product under the Product Liability Act, and it is a defect to have it integrated with the body of the motor vehicle. Among the types of defects in these products, design defects and display defects are particularly problematic. Both the Automobile Liability Act and the Product Liability Act may apply to the body-accident of third parties caused by autonomous vehicles. By the way, due to the burden of proof of the defect, it can also be a problem in which the responsibility of the operator takes over the product. And since the scope of the liability under Article 3 of the Automobile Liability Act does not include property damage, the protection of victims becomes insufficient. The solution to this problem is related to car insurance and verification liability. There is also a civil liability issue related to the case where an autonomous vehicle caused an accident by disturbance or disturbance of the system by hacking of a third party.

본 논문에서는 Lv. 3 이상 자율차의 핸디캡 극복을 위한 필수요소인 자율차의 측위 성능 개선을 위하여, 자율차의 LiDAR를 활용하여 랜드마크 기반 측위보정에 활용 가능한 신규 도로 시설물(측위 지원 시설물)을 개발하고 이에 대한 성능기반의 효과를 검증한다. 기존 도로시설 물을 랜드마크로 활용하는 것보다 일관성이 확보되고, 형상 및 측위지원 과정에서의 활용성 측면에서 유리할 수 있도록 측위 지원 시설물을 제작한다. 자율차의 LiDAR를 활용한 효과검증 결과, 측위지원 성능은 악천후 환경(강우, 안개)에서도 15cm 이내로 개발된 시설물이 자율차 측위보정을 위한 랜드마크로서 활용될 수 있음을 확인하며, 개발된 시설물 및 시설물 활용 체 계를 자율차에 탑재하여 측위보정에 대한 실차 운영 상황에서의 효과를 정량적으로 확인한다.

In this paper, in order to improve the positioning of autonomous vehicles (AV), which is an essential element for overcoming the handicap of AV of Lv. 3 or higher, we develop a new road facility that can be used for landmark-based positioning calibration using mobile LiDAR and verify its performance. The new road facility is manufactured so that it is more consistent than using existing road facilities as landmarks and has an advantage in terms of usability in terms of shape and position calibration process. As a result of the effectiveness verification using mobile LiDAR, the positioning support performance is within 15 cm even in bad weather environments (rain, fog), confirming that the developed facility can be used as a landmark for AV positioning calibration. In addition, the developed facility and facility utilization system are loaded into AV to quantitatively verify the effect on positioning calibration in actual vehicle operation situations.

최근 전 세계적으로 자율주행자동차 개발을 위한 연구가 증가하고 있으며, 자율주행자동차 의 실도로 도입이 증가되고 있는 추세이다. 하지만, 자율주행자동차의 교통사고 발생으로 인해 자율주행자동차 안전성에 대한 관심이 높아지고 있다. 또한, 자율주행자동차 교통사고에 대한 특성 파악 및 분석 방법론 개발의 필요성이 대두되고 있다. 특히 미국 캘리포니아 차량관리국 (California Department of Motor Vehicles, DMV)에서는 자율주행자동차의 교통사고 데이터를 수 집하여 리포트 형태로 제공하고 있다. 본 연구에서는 DMV에서 제공하는 자율주행자동차 교 통사고를 분석하는 방법론을 제시하였다. 또한, 텍스트 임베딩 기법을 이용하여 주요 키워드 및 주요 토픽 도출을 통해 개발된 방법론의 활용도를 검토하였다. 본 연구에서 개발된 방법론 은 향후 자율주행자동차 교통사고 데이터가 충분히 수집된다면 자율주행자동차 교통사고 분 석 및 자율주행자동차 개발시 활용될 수 있을 것으로 기대된다.

Recently, research on the development of autonomous vehicles has increased worldwide. Moreover, a means to identify and analyze the characteristics of traffic accidents of autonomous vehicles is needed. Accordingly, traffic accident data of autonomous vehicles are being collected in California, USA. This research examined the characteristics of traffic accidents of autonomous vehicles. Primarily, traffic accident data for autonomous vehicles were analyzed, and the text data used text-embedding techniques to derive major keywords and four topics. The methodology of this study is expected to be used in the analysis of traffic accidents in autonomous vehicles.

최근 4차 산업혁명이 대두됨에 따라 다양한 산업의 변화되는 형태가 나타나고 있는데, 그중에서 인공지능, 빅데이터, 사물인터넷 등의 요소기술을 활용한 자율주행 자동차에 대한 관심이 높아지고 있다. 자율주행 자동차는 과거의 자동차 산업을 이끌던 차량 제조사와 부품사들의 영역에서 벗어나 전자 업체/통신 업체/IT 업체등 다양한 회사들의 관심이 증대되고 있다. 본 논문에서는 이러한 자율 주행 기술과, 현재 다양한 연구소/산업계의 현황 그리고 자율주행 자동차의 발전 추세에 대하여 정리하여 보고, 자율주행 자동차의 발전으로 인한 사회 변화에 대해서 간략하게 고찰해보도록 한다.

The Korea Convergence Society. Recently, as the 4th industrial revolution is rising, there are many changes in various field of industries. Among these industries, autonomous vehicles based on artificial intelligence, big data and internet of things is one of the most promising industry. Autonomous vehicle stray from classical car domain of manufacturers and suppliers, IT/Electronics suppliers and communication companies are widen their business area to autonomous vehicle technology. In this paper, we analysis the state of art of autonomous vehicle technology and development direction of industries/research institute. Finally, we discuss the social/economic effects of autonomous vehicle.

자율주행차량은 다양한 사회 문제를 해결하기 위한 대안으로 각광받고 있다. 자율주행차량의 도입 및 관련 기술 개발 연구가 활발히 진행되고 있으나 자율주행차량에 탑재된 운행알고리즘에 따른 실제 운행의 영향력에 대한 연구는 미흡한 실정이다. 본 연구에서는 한정된 물리적 환경에서 공리주의와 사회적 합의를 고려하여 차량 운행 중 발생 가능한 상황인 중앙선 침범 상황에 대한 시나리오를 설정하고 시뮬레이션을 통해 윤리적 판단이 필요한 상황에서의 자율주행차량의 운행에 따른 영향을 분석하였다. 분석 결과, 자율주행차량이 안전도를 판단하여 옆 차선으로 차선을 변경한 시나리오에서 사고에 따른 영향이 더 큰 것으로 나타났다. 또한 자율주행차량의 판단에 따라 전방 충돌한 경우, 자율주행차량의 기능에 의해 교통류 개선 효과가 있음을 확인하였다.

Autonomous Vehicles(AV) are considered as an alternative to solve various social problems. Many researches which are related to developing technologies and AV operations have been conducted vastly and on-going. However, there seem to be little studies on various influences of AIalgorithm on driving installed in AV. This study aims to examine the impacts of the ethical decisions made by Utilitarianism-based AI in AV when the oncoming car crossed over the central line. It establishes scenarios about situation of encroaching a central line and analyzes traffic impacts of ethical decision made by AV. According to the results of the analyses, as th accident occurs, overall speed of traffic decrease. There is a negative impact on the traffic flow when AV made an Utilitarian-based ethical decision by changing the lane. However, when AV choose to collide head-on, there is a positive effect to relieve traffic flow with an assistance of CACC, equipped.

최근 자율주행 자동차에 대한 연구가 활발하다. 이러한 자율주행을 실현하기 위해서는ITS, Connected Car, V2X, ADAS 등의 여러 가지 기술이 있다. 그 중에서도 차선의 변경과 목적지까지 운행하기 위해서는 도로상에서 차량이 어디에 있는가를 인식하는 것이 특히 중요하다. 일반적으로 GPS 및 카메라 영상처리를 통하여 이루어지고 있다. 그러나 GPS의 경우 터널과 같은 음영 지역으로 인한 위치 확인의 신뢰성에 한계가 있으며, 카메라 영상처리를 실행할 경우 도로 차선의 상태 및 도로 주변 환경에 따라 인식 및 측위에 한계가 있다. 본 논문에서는 GPS 음영지역인 터널에서 자율주행 자동차를 위한 LED 조명이 설치되어야 함 을 제안한다. 본 논문의 실험에서는 차로별 다른 색온도의 빛을 조사하는 터널 LED 조명 모의 환경을 구성한 후, 색온도를 분석하여 자율주행차의 현재 차로의 위치를 측정할 수 있음을 보였다. 이를 바탕으로 본 연구에서는 터널 LED 조명을 이용한 차로 위치측위 기술을 제안한다.

Recently, autonomous vehicles have been studied actively. There are various technologies such as ITS, Connected Car, V2X and ADAS in order to realize such autonomous driving. Among these technologies, it is particularly important to recognize where the vehicle is on the road in order to change the lane and drive to the destination. Generally, it is done through GPS and camera image processing. However, there are limitations on the reliability of the positioning due to shaded areas such as tunnels in the case of GPS, and there are limitations in recognition and positioning according to the state of the road lane and the surrounding environment when performing the camera image processing. In this paper, we propose that LED lights should be installed for autonomous vehicles in tunnels which are shaded area of the GPS. In this paper, we show that it is possible to measure the position of the current lane of the autonomous vehicle by analyzing the color temperature after constructing the tunnel LED lighting simulation environment which illuminates light of different color temperature by lane. Based on the above, this paper proposes a lane positioning technique using tunnel LED lights.

자율주행자동차는 운전자의 조작 없이 목표지점까지 스스로 주행환경을 인식하여 운행하는 최첨단 자동차를 말하며 위성항법장치, 센서 등으로 위치를 측정하고 주행환경을 인식, 연산장치로 가감속․차선변경 등 자율주행을 제어한다. 최근, 자동차 산업은 기존 기계공학과 정보통신, 센서, 위성항법 등 첨단기술이 총 집약된 자율주행 자동차로 빠르게 진화중이다. 교통안전 정책과제 분석은 Issue－Tree를 활용하여 분석하였다. Issue－Tree 방법론은 복잡한 문제를 세분화하여 구체화하고, 체계적으로 접근하는 문제해결 도구로 자율주행자동차 도입에 따른 교통안전 관련 Issue의 해결을 위한 정책과제를 도출하기 위해 사용된다. 교통안전 정책과제를 분석하기 위해는 우선 미래 사회 및 교통여건 변화로부터 Key Word 를 도출하고, 이와 연계되는 국내외 도로교통 정책/계획을 확인하여 국내외 도로 교통 정책목표 Key Word를 도출하였다. 도출된 정책목표 Key Word로부터 핵심적인 Issue를 도출하였는데, 이때 Issue－Tree 방법을 통해 체계화하였다.

An autonomous car(driverless car, self－driving car, robotic car) is a vehicle that is capable of sensing its environment and navigating without human input. Autonomous cars can detect surroundings using a variety of techniques such as radar, lidar, GPS, odometry, and computer vision. Advanced control systems interpret sensory information to identify appropriate navigation paths, as well as obstacles and relevant signage. Autonomous cars have control systems that are capable of analyzing sensory data to distinguish between different cars on the road, which is very useful in planning a path to the desired destination. An issue tree, also called a logic tree, is a graphical breakdown of a question that dissects it into its different components vertically and that progresses into details as it reads to the right.Issue trees are useful in problem solving to identify the root causes of a problem as well as to identify its potential solutions. They also provide a reference point to see how each piece fits into the whole picture of a problem. Using Issue－Tree menthods, transportation safety policies were developed with autonompus vehicle in mind.

본 연구는 V2I통신을 이용하여 교차로 등의 사각지대로 인해 발생할 수 있는 충돌 사고를 예방하기 위한 충돌 방지체계를 제안한다. 교차로의 인프라에 위치한 Vision센서와 LiDAR센서 가 물체를 인식하고 사고 위험이 있는 차량에게 경고함으로써 사고를 미연에 방지한다. 딥러 닝 기반의 YOLOv4를 이용하여 교차로에 진입하는 물체를 인식하고 LiDAR 센서와의 Calibration을 통해 대상 물체와의 맨하탄 거리값을 이용하여 충돌 예상시간과 제동거리에 대한 가중치를 계산하고 안전거리를 확보한다. 차량-인프라간 통신은 ROS통신을 이용하였으며 충 돌 경고 외에도 진입 물체의 Class, 거리, 진행속도 등의 다양한 정보를 차량에 전달함으로써 사고를 미연에 방지하고자 하였다.

This research proposes the Accident Prevention System to prevent collision accident that can occur due to blind spots such as crossway or school zone using V2I communication. Vision sensor and LiDAR sensor located in the infrastructure of crossway somewhere like that recognize objects and warn vehicles at risk of accidents to prevent accidents in advance. Using deep learning-based YOLOv4 to recognize the object entering the intersection and using the Manhattan Distance value with LiDAR sensors to calculate the expected collision time and the weight of braking distance and secure safe distance. V2I communication used ROS (Robot Operating System) communication to prevent accidents in advance by conveying various information to the vehicle, including class, distance, and speed of entry objects, in addition to collision warning.

국토교통부는 2019년 12월에 세계 최초로 레벨 3 자율주행 차량에 대한 안전기준을 제정하 였으며, 제어권전환을 포함한 부분 자율주행시스템의 안전과 관련된 기준들을 명시하였다. 하 지만, 제정된 “부분 자율주행시스템의 안전기준”에서는 구체적인 운전 환경 등이 명시되어 있 지 않다. 따라서, 자율주행자동차의 안전한 주행을 위해서는 실제로 자율주행자동차가 주행하 게 될 다양한 운전 환경이 제어권전환에 미치는 영향을 분석할 필요가 있다. 본 연구에서는 주행 시뮬레이터를 이용하여 교통상황(서비스수준 D, E, F)과 기하구조(직선 및 곡선부) 및 기 상 상황(주야 및 강우)이 제어권전환 시간과 안정화시간에 어떠한 영향을 미치는 지 알아보았 다. 실험 절차는 사전교육, 연습주행, 시험주행의 순서로 진행되었으며 시험주행은 교통량 및 기하구조 실험과 기상 상황 실험으로 나누어서 진행되었다. 실험 결과, 교통상황과 기상 상황 은 제어권전환 시간 및 제어권전환 안정화시간에 통계적으로 유의한 영향을 미치지 않았으며, 곡선반경만이 제어권전환 안정화시간에 통계적으로 유의한 영향을 미치는 것으로 분석되었다.

The Ministry of Land, Infrastructure and Transport established safety standards for Level 3 autonomous vehicles for the first time in the world in December 2019, and specified the safety standards for conditional autonomous driving systems. Accordingly, it is necessary to analyze the influence of various driving environments on take-over. In this study, using a driving simulator, we investigated how traffic conditions and weather conditions affect take-over time and stabilization time. The experimental procedure was conducted in the order of preliminary training, practice driving, and test driving, and the test driving was conducted by dividing into a traffic density and geometry experiment and a weather environment experiment. As a result of the experiment, it was analyzed that the traffic volume and weather environment did not affect the take-over time and take-over stabilization time, and only the curve radius affects take-over stabilization time.

자율주행차는 자율주행시스템이 차량의 제어권을 가지고 있고, 센서를 이용하여 자율주행 의 기능을 구현하는 점에서 사람 운전자와 차이가 있다. 이러한 자율주행 차량과 사람이 운전 하는 차량이 혼재되어 도로를 주행함에 따라, 도로교통 분야에서 많은 변화가 나타날 것으로 예상된다. 특히, 자율주행차는 자율주행 시스템에 의해 주행하므로, 자율주행 시스템이 인지하 지 못하여 기능 해제가 발생하는 구간에 대한 검토가 필요하다. 이러한 관점에서 본 연구에서 는 자율주행 기능을 활성화시켜 기존 도로를 주행하도록 하였으며, 특정 도로 시설물을 통과 하는 상황에서 기능 해제가 발생하는 상황을 분석하였다. 대상 도로 시설물은 단속류와 연속 류에 설치된 시설을 대상으로 선정하였으며, 실제 자율주행 기능을 보유한 차량을 이용하여 주행 테스트를 진행하였다. 분석 결과, 차선 마킹 훼손 또는 단절 구간, 자율차의 차로 유도가 불명확한 구간에서 해제가 발생하였으며, 제한 속도가 변경되는 구간에서 속도 감속 실패로 인한 자율주행 기능의 해제 상황도 발생하였다. 또한, 기능 해제가 발생하는 상황을 예방하기 위한 시사점을 제시하였다. 본 연구의 결과는 자율주행차의 안전한 주행을 위한 기술 개발 연 구에 활용될 수 있을 것으로 기대한다.

Autonomous vehicles(AVs) differ from human-driven vehicles(HVs) in that the AV controls itself, and uses sensors to implement driving functions. As AVs and HVs are driven on the road at the same time, many changes will occur in the traffic flow. In particular, since AVs are controlled by a self-driving system, it is necessary to review any sections where disengagement occurs because the self-driving system is not detecting them. For this study, the autonomous driving function was activated on existing roads, and analyzed in situations when the function was deactivated when passing through road facilities. Target road facilities were selected for interrupted and uninterrupted flow. As a result, deactivation occurred in sections where lane markings were damaged or disconnected, and in sections where AV lane guidance was unclear. In addition, deactivation of the autonomous driving function occurred due to failure to slow down in sections where the speed limit has changed. The results of this study are expected to be used in research on technology development for safe AVs driving.

미래 자율주행 차량의 도입은 기존 도로에서 일반 차량과의 주행 행태 차이로 인해 교통 환경 변화를 야기할 것으로 예상된다. 그러나 자율주행 혼재율을 고려한 교통 영향 분석에서 차량의 주행 성향과 차종 구성 등 현실적 요인을 동시에 반영한 연구는 부족하였다. 본 연구는 이러한 한계를 보완하고자 다양한 자율주행 차량 시장 점유율과 주행 성향, 차종 구성을 반영 한 시뮬레이션을 수행하였다. 분석 결과, 자율주행 차량 비율 증가는 반드시 교통 안전성을 향 상시키지 않으며, 혼합 교통 단계에서는 주행 행태 간 상호작용으로 충돌 위험이 증가할 수 있음을 확인하였다. 또한 도입 초기에는 기존 차량과의 상호작용으로 위험이 높아지지만, 기술 성숙과 보급 확대 이후에는 교통 효율성과 안정성이 점진적으로 개선되는 경향을 보였다. 본 연구는 자율주행 도입 과정에서 정책적·기술적 대응의 필요성을 제시하며, 향후 다양한 교통 환경과 실증 데이터 기반의 추가 연구가 요구됨을 시사한다.

The introduction of autonomous vehicles is expected to alter existing traffic environments due to behavioral differences between conventional and autonomous vehicles. However, previous studies have rarely incorporated realistic factors—such as driver behavior and vehicle type composition— when analyzing traffic impacts under mixed autonomy conditions. To address this limitation, this study conducted simulations that considered varying market penetration rates of autonomous vehicles, diverse driving behavior profiles, and heterogeneous vehicle types. The results indicate that an increased share of autonomous vehicles does not necessarily improve traffic safety; rather, interaction effects in mixed traffic can elevate collision risks during transitional phases. In the early adoption stage, safety may deteriorate due to interactions with conventional vehicles, whereas traffic efficiency and stability tend to improve as technology matures and autonomous vehicle prevalence becomes sufficiently high. This study provides important implications for policy and technology development related to autonomous vehicle deployment and highlights the need for future research incorporating diverse traffic environments and real-world data.

본 연구는 자율주행기술개발혁신사업의 성과와 국내 기술수준을 국제적으로 비교·분석하 여 향후 발전방향을 모색하는 것을 목적으로 한다. 연구 대상 국가는 미국, 유럽, 일본, 중국, 한국 등 5개국이다. 국가 간 기술 수준과 격차를 논문 및 특허 경쟁력으로 정량 분석하고, 전문 가 의견으로 정성분석하였다. 정량적 분석은 30대 중점기술 기반으로 도출된 총 149개의 세부 키워드를 참조하였다. 최근 10년간 게재된 논문과 등록 특허의 활동도와 영향력을 측정하여 국가별 연구 성과를 비교하였다. 정성적 분석에서는 자율주행 분야 전문가를 대상으로 한 델 파이 조사 방식을 적용하여 기술 중요도, 성숙도, 개발 역량 등을 반영하였다. 분석 결과, 미국 이 가장 높은 기술경쟁력을 보였으며 한국은 종합 4위로, 미국 대비 약 89.2%의 수준에 머무르 는 것으로 나타났다. 특히 논문과 특허 경쟁력에서 모두 선진국과 격차가 확인되었으며, 이는 한국이 글로벌 경쟁력을 확보하기 위해 체계적인 기술평가 기준을 유지하고 중점 분야 연구를 강화할 필요가 있음을 시사한다.

This study evaluated the outcomes of the Autonomous Driving Technology Development Innovation Project and explored future directions for Korea by conducting an international comparative analysis of technological levels. The analysis covered five countries (the United States, Europe, Japan, China, and Korea) using bibliometric and patent-based indicators together with expert surveys to assess the competitiveness and technological gaps. For quantitative analysis, 149 detailed keywords were derived from 30 core technologies, and the publication activity, citation impact, patent filings, and registrations over the past ten years were examined to compare the national research performance. For the qualitative analysis, a Delphi survey of autonomous driving experts was conducted to reflect the importance, maturity, and development capacity of each technology area. The results suggest that the United States had the highest level of technological competitiveness, while Korea ranked fourth overall, corresponding to approximately 89.2% of the U.S. level. The patent and publication competitiveness in Korea remains behind that of advanced economies, highlighting significant disparities. These findings suggest that Korea must strengthen the systematic evaluation frameworks and prioritize continuous R&D in key technological domains to enhance global competitiveness in the autonomous driving sector.

현재 국내외 자율주행 관련 연구가 활발하고 현장 데이터의 한계로 인하여 시뮬레이션 기반의 연구가 주로 진행되고 있다. 그러나, 연구의 대상으로 하는 자율주행 기술의 범위와 시뮬레이션 내 구현 방안의 편차에 의해 연구 결과의 경향성을 파악하기 어려운 실정이다. 따라서, 본 연구는 자율주행 관련 연구의 문헌 검토를 기반으로 SAE 기술 단계별 특성을 분석하고, 분석 결과를 바탕으로 향후의 발전 방향을 제시하였다. 분석 결과, 다수 연구에서 SAE 기준과 일치하지 않는 가정으로 자율주행 차량을 구현하는 것으로 나타나 자율주행 기술 수준에 따른 교통 영향 예측과 제도 반영에 혼란을 줄 수 있을 것으로 분석되었다. 또한, 차량 행태 모형의 매개변수 선정에서 연구 간 일관성이 부족하여 비교 분석이 어려운 것으로 나타났으며 자율주행 혼재 시 객체 간의 상호작용, 미래 교통 상황 변화를 고려한 연구가 부족한 것으로 분석되었다. 향후 본 연구의 결과를 바탕으로 시뮬레이션 기반의 자율주행 연구에서 발전된 방향의 연구를 수행하고, 자율주 행 상용화를 위한 사회적 검증 과정에 기여할 수 있을 것으로 기대한다.

Currently, research on autonomous driving is actively conducted both domestically and internationally, with simulation-based studies being predominant due to the limitations of real-world data. However, it is challenging to identify trends in research outcomes due to the varying scopes of autonomous driving technologies and the differences in implementation approaches within simulations. Therefore, this study analyzes the characteristics of each SAE technology level based on a literature review of autonomous driving research and suggests directions for future advancements based on the analysis. The analysis revealed that many studies implement autonomous vehicles with assumptions that do not align with SAE standards, which could lead to confusion in predicting traffic impacts and incorporating regulations based on the level of autonomous driving technology. Furthermore, there is a lack of consistency in parameter selection for vehicle behavior models across studies, making comparative analyses difficult. Additionally, insufficient research has been conducted on interactions between entities in mixed traffic environments and future traffic condition changes. Based on the findings of this study, it is anticipated that future simulation-based research on autonomous driving will progress in more advanced directions and contribute to the social validation process necessary for the commercialization of autonomous driving.