Earticle

GPS가 탑재된 차내 단말기, 스마트폰에서 방대하게 수집되는 초 단위 위치(위·경도) 데이터 는 교통 분야에 다양하게 활용되고 있다. 이러한 데이터는 공공의 교통관련 의사결정자들과 교통서비스를 개발·제공하는 민간회사들에게 운전자들의 행태와 교통흐름을 미시적으로 파악 할 수 있게 한다. 특히, 속도 데이터는 통행시간 예측에 주요한 정보로 활용되며, 해상도 높은 데이터 기반의 고차원 서비스 개발에 이용되고 있어 신뢰성있는 정보의 확보가 요구된다. 그 럼에도 불구하고 링크별 속도 산출 시 각기 다른 저장, 수집주기 등을 기준으로 사용하고 있어 정보 활용에 있어 신뢰성을 담보하기 어렵다. 본 연구의 목적은 차내 단말기를 장착한 프로브 차량 데이터를 수집해 링크 공간평균속도를 산출하고 동일 구간 및 시간대의 영상기반 공간평 균속도와 비교분석을 통해 오차율을 도출하는 것이다. 수집주기와 실제 속도 상황에 따른 오 차율을 분석한 결과 8초 이내 수집주기에서 95% 신뢰수준을 보였으며 이를 공간평균속도 산 출 시 신뢰성확보를 위한 적정 수집 주기로 제안했다. 해당 결과는 향후 커넥티드 환경에서 수집될 핵심 정보들의 신뢰성 확보와 서비스 개발 시 기초 정보로 활용될 것으로 기대해본다.

Point-by-point data, which is abundantly collected by vehicles with embedded GPS (Global Positioning System), generate useful information. These data facilitate decisions by transportation jurisdictions, and private vendors can monitor and investigate micro-scale driver behavior, traffic flow, and roadway movements. The information is applied to develop app-based route guidance and business models. Of these, speed data play a vital role in developing key parameters and applying agent-based information and services. Nevertheless, link speed values require different levels of physical storage and fidelity, depending on both collecting and reporting intervals. Given these circumstances, this study aimed to establish an appropriate collection interval to efficiently utilize Space Mean Speed information by vehicles with embedded GPS. We conducted a comparison of Probe-vehicle data and Image-based vehicle data to understand PE(Percentage Error). According to the study results, the PE of the Probe-vehicle data showed a 95% confidence level within an 8-second interval, which was chosen as the appropriate collection interval for Probe-vehicle data. It is our hope that the developed guidelines facilitate C-ITS, and autonomous driving service providers will use more reliable Space Mean Speed data to develop better related C-ITS and autonomous driving services.

본 연구는 기존에 정의된 LDM(Local Dynamic Map)에 동적지도 정보 제공 기능을 확장한 차량LDM(V-LDM) 기술의 설계 및 개발, 성능 검증을 목적으로 한다. 이를 위해 LDM과 동적 지도 정보 제공 관련 국제표준 및 관련 기술을 참고하여 차량LDM 시스템 구성을 설계하였 다. 또한 자율주행을 위한 차로 수준의 정보를 갖는 정밀전자지도의 기본 구성을 제안하였 고, 차량 전방의 주행 환경 정보(정적+동적 정보) 전달을 위한 메시지인 Dynamic Map (DM) 프로토콜의 기본 구조를 정의하였다. 경부고속도로의 기본구간을 대상으로 제안된 정밀전자 지도와 DM프로토콜 전달 기능의 성능을 검증한 결과, 데이터 크기와 처리 수행 시간 모두 전방거리에 선형적으로 비례함을 확인하였고, 10Hz의 갱신 주기를 갖기 위해 전방 최대 250m에 해당하는 정보를 제공하는 것을 적절한 대안으로 제시하였다.

This study aims to develop the Vehicle Local Dynamic Map (V-LDM) and demonstrate its performance for providing dynamic map data efficiently to the vehicle control module. Firstly, the concept of the in-vehicle LDM has been established and then the system has been carefully designed according to the international standards. The high-precision digital map embedded in LDM has been designed to incorporate the lane-level information of road network, and the Dynamic Map protocol (DM protocol) which is a message protocol including the road data with dynamic traffic event data has been defined. The performance test of the proposed system has been conducted in the uninterrupted road section of Kyungbu expressway, showing that both of the data size and the elapsed time to finish the process are almost linearly proportional to the length of target road. Finally, it is recommended that the length of target road for DM protocol be less than 250m.

안전한 자율주행을 위하여 차량 센서에만 의존하는 Stand-alone 방식의 한계를 극복하기 위 한 방법으로, 노변의 인프라와 자율주행차간 정보를 교환하는 ‘자율협력주행' 방식의 기술 개 발이 이루어지고 있다. 이 과정에서 협력의 대상이 되는 동적정보는 통신 데이터 손실 측면의 평가방법이 일반적이지만, 정보로서 역할 중심의 평가방법이 필요하다. 본 연구에서는 자율협 력주행에서 동적정보 서비스 역할의 적정성을 평가하기 위하여 역할 기반 평가방법을 제안하 였다. 평가 척도로 검출률, 검출 소요시간, LDM 처리시간을 제안하였고, 평가방법론을 검증하 기 위하여 실제 도로에서 보행자 정보를 대상으로 실증 실험을 시행하였다. 실험 결과로는 검 출률 99%, 소요시간 200ms/건, 처리시간 19ms/건을 얻었다. 향후 제안된 동적정보 서비스 평가 방법이 관련 정보제공 서비스의 평가에 활용되기를 기대한다.

The technology implementation method was diversified into an ‘autonomous cooperative driving’ method to overcome the limitations of a stand-alone autonomous vehicle with vehicle sensor-based autonomous driving. The autonomous cooperative driving method involves exchanging information between roadside infrastructure and autonomous vehicles. In this process, the concept of dynamic information (LDM), a target of cooperation, was established. But, evaluation methods and standards for dynamic information have not been established. Therefore, this study, a dynamic information evaluation method based on information on pedestrians within the moving objects. In addition, autonomous cooperative driving was demonstrated, and dynamic information was also verified through the evaluation method. The significance of this study is that it established the dynamic information evaluation methodology for autonomous cooperative driving for the first time. Based on this, this study is expected to contribute to the application of safe autonomous cooperative driving technology to the field.