Earticle

자율주행차 기술의 급격한 진보로 모빌리티 변혁이 가속화하고 있으며, 자율주행 기술과 서비스의 빠른 발전이 이루어지고 있다. 자율주행 운행이 보편화되면 도로 조건과 환경은 자 율주행의 안전성을 보장하는 데 매우 중요한 역할을 한다. 본 논문은 자율주행차의 도로 운행 위험을 정량화하고, 이를 기반으로 최적경로를 탐색하는 알고리즘을 개발하였으며, 이를 세종 시의 제1 생활권에 대해 모델링하였다. 도로 위험에 따라 링크의 통행시간과 속도가 변화하며, 이러한 정보를 고려한 다익스트라 기반의 경로 최적화 알고리즘을 제안하였다. 본 논문에서는 자율주행차의 운행 위험을 0(정상 수준)에서 4(매우 높음 수준)까지의 5개 척도로 구분하였으 며, 이를 기반으로 최적경로 선택 방법론을 제시하고 모델링하였다. 분석 결과, 상대적으로 위 험도가 낮고 통행 시간이 최소화하는 경로를 선택하는 데 효과적인 것으로 나타났다. 향후 서 비스 실증지역의 자료를 수집해 검증하는 것이 필요하다.

The rapid progress in automated driving technology has significantly accelerated the transformation of mobility and its services. As automated driving becomes more pervasive, the state of road infrastructure and environmental factors play pivotal roles in ensuring the safety of automated driving vehicles. This paper quantifies the risks associated with road operations of automated vehicles and devises an algorithm to optimize routes based on the risks using the Sejong City area as a case study. The proposed algorithm which based on the Dijkstra algorithm considers the variations in link travel times and speeds in accordance with road risks. The paper categorizes the risk levels for automated vehicle operations into five scales ranging from 0 (normal level) to 4 (very high level), and outlines a methodology for route selection based on these risk levels. The results indicate the effectiveness of selecting routes with lower risk and minimized travel time. Future research will require data collection and validation in real-world service demonstration areas.

본 논문의 목적은 도로 인프라의 안전성 관리를 위해 운행하는 자율주행차의 최적경로 선 정 알고리즘을 제안하는 것이다. 자율주행차는 지정된 구역의 도로 네트워크의 노드-링크를 최소한 한 번 이상 주행하며 인프라 요소의 위험성을 검지하고, 다시 차고지로 복귀해야 한다. 이때 위험도가 높은 노드-링크를 우선 방문해야 한다. 본 논문에서는 위험도가 높은 노드-링크 를 방문하면 높은 보상을 주는 보상 최적화 알고리즘을 제안하였다. 새로운 알고리즘의 유효 성 검증을 위해 토이 네트워크를 구성하고, 중국 집배원 배달경로 알고리즘과 비교했다. 보상 최적화 알고리즘의 이동 횟수는 중국 집배원 배달경로의 이동 횟수와 같으나, 임의로 지정한 고위험 노드-링크는 보상 최적화 알고리즘에서 선 순위로 통과했다. 하지만, 본 연구의 보상 최적화 알고리즘은 단순구조의 토이 네트워크를 통해 검증하였으나, 향후 실제 도로환경과 유 사한 복잡한 네트워크에서 알고리즘의 유효성을 검증해야 하는 과제가 남아 있다.

The purpose of this paper is to devise an optimal route allocation algorithm for automated vehicle(AV) in monitoring quality of road infrastructure to support the road safety. The tasks of an AV in this paper include visiting node-links at least once during its operation and checking status of road infrastructure, and coming back to its depot.. In selecting optimal route, its priority goal is visiting the node-links with higher risks while reducing costs caused by operation. To deal with the problem, authors devised reward maximizing algorithm for AVs. To check its validity, the authors developed simple toy network that mimic node-link networks and assigned costs and rewards for each node-link. With the toy network, the reward maximizing algorithm worked well as it visited the node-link with higher risks earlier then chinese postman route algorithm (Eiselt, Gendreau, Laporte, 1995). For further research, the reward maximizing algorithm should be tested its validity in a more complex network that mimic the real-life.

MEC(Mobile Edge Computing)에서 사용자의 이동성 지원 및 서비스의 연속성 보장은 중요한 요소이다. 특히 다양한 네트워크와 이기종의 서비스가 혼재하는 IoT(Internet of Things) 환경에서의 마이그레이션 경로 결정 문 제는 더욱 복잡하다. 본 연구에서는 이기종의 다양한 서비스가 혼재하는 환경에서 UE(User Equipment)의 이동 에도 끊김없이 서비스를 제공해 사용자의 QoS(Quality of Service)를 높이고자 한다. 이동성 지원을 위해 마이그 레이션 비용과 전송비용, 에너지 소비량을 고려한 총비용을 계산하고, UE별 가중치를 설정하여 마이그레이션 여부 및 최적의 경로를 결정한다. NS3로 이기종 서비스가 혼재하는 네트워크 환경을 구축하며, DQN(Deep Q-Network) 알고리즘에 가중치를 설정한 보상의 합으로 성능을 확인한다. 실험을 통해 제안하는 weight-DQN 알고리즘이 다양한 서비스가 혼재하는 환경에서 QoS를 더욱 향상시키는 것을 확인한다.

In MEC(Mobile Edge Computing), user mobility support and service continuity guarantee are important factors. In particular, the problem of determining a migration path in an IoT(Internet of Things) environment in which various networks and heterogeneous services coexist is more complicated. In this study, we intend to improve the QoS(Quality of Service) of users by providing services without interruption even when UE(User Equipment) moves in an environment where heterogeneous and various services coexist. To support mobility, the total cost considering the migration cost, transmission cost, and energy consumption is calculated, and weights are set for each UE to determine migration and the optimal path. With NS3, a network environment in which heterogeneous services coexist is established, and performance is confirmed by the sum of compensations with weights set in the DQN(Deep Q-Network) algorithm. Experiments confirm that the proposed algorithm further improves QoS in an environment where various services coexist.

The major goal of this research is to develop an optimal route search algorithm for an intelligent route guidance system, one sub-area of ITS. ITS stands for intelligent Transportation System. ITS offers a fundamental solution to various issues concerning transportation and it will eventually help comfortable and swift moves of drivers by receiving and transmitting information on humans, roads and automobiles. Genetic algorithm, and fuzzy logic are utilized in order to implement the proposed algorithm. Using genetic algorithm, the proposed algorithm searches shortest routes in terms of travel time in consideration of stochastic traffic volume, diverse turn constraints, etc. Then using fuzzy logic, it selects driver-preference optimal route among the candidate routes searched by GA, taking into account various driver's preferences such as difficulty degree of driving and surrounding scenery of road, etc. In order to evaluate this algorithm, a virtual road-traffic network DB with various road attributes is simulated, where the suggested algorithm promptly produces the best route for a driver with reference to his or her preferences.

This paper deals with a real time optimization algorithm within real time for DRGS(Dynamic Route Guidance System) and evaluate the algorithm. A pre-developed system offers the optimal route in using only static traffic information. In using real-time traffic information, Dynamic route guidance algorithm is needed. The serious problem in implementing it is processing time increase as nodes increase and then the real time processing is impossible. Thus, in this paper we propose the optimal route algorithm with window mechanism for the real-time processing and then evaluate the algorithms.

최근 자율주행 기술의 발전과 더불어 차량의 최적 경로를 예측하기위한 알고리즘이 활발하게 연구되고 있다. 기존 국내에서는 SK, Kakao, Naver등과 같은 기업들에서 차량의 최적 경로를 알려주는 서비스를 시행하고 있다. 언급된 기업들에서 사용하는 기술은 해당 어플리케이션 사용자들의 정보를 실시간으로 입력받아 최적 경로를 예측해준다. 하지만 이러한 방법은 최적 경로를 예측할 수는 있으나 최적 차선경로 까지는 예측할 수 없다. 본 논문에서는 최근 자율주행 차량에 부착된 Lidar 센서를 활용하여 주변 차량의 좌표를 취득 후 최적 차선 경로를 안내하는 시스템을 제안한다. 제안된 방법은 Lidar기반 object detection 방법을 수행한 후 차량의 시계열 좌표 데이터를 취득하여 원활한 차선을 안내하는 시스템이다. 제안하는 방법은 실험결과에서 실제 취득된 데이터를 사용하여 제안하는 방법의 성능을 입증한다.

Algorithms for predicting the optimal route of vehicles are being actively sudied with the recent development of autonomous driving technology. Companies such as SK, Kakao, and Naver provide services that navigate the optimal route. They predicts the optimal path with information from the users in real time. However, they can predict the optimal route, but not optimal lane route. We proposes a system that navigates the optimal lane path with coordinates data from vehicles using Lidar sensor. The proposed method is a system that guides smooth lanes by acquiring time series coordinate data of a vehicle after performing the Lidar-based object detection method. we demonstrates the performance using actual acquired data from the experimental results.

도로에서의 최적 경로 탐색은 출발지와 목적지의 위치를 알고 있는 경우로서 탐색에 대한 일종의 사전 지식을 가진 탐색으로 A* 알고리즘이 널리 사용되고 있다. 단방향 A* 알고리즘은 최적의 경로를 보장해 주는 반면 탐색 시간이 많이 소요되고 양방향 A* 알고리즘은 최적 경로를 보장해 주지 못하거나 최적 경로 보장을 위해서는 오히려 단방향 A* 보다 탐색 시간이 더 많이 소요될 수도 있다. 본 논문에서는 탐색 시간이 우수하며 최적 경로를 보장하는 새로운 양방향 A* 알고리즘을 제안한다. 본 논문에서 제안하는 알고리즘의 효용성을 확인하기 위하여 실제 도로에 적용한 격과 정확한 최적 경로를 탐색하고 탐색 시간도 매우 우수한 것으로 확인되었다.

A* algorithm is widely used in optimal car route search which is a kind of informed search, since the locations of starting and ending points are known a priori. Unidirectional A* algorithm requires considerable search time but guarantees a optimal path, bidirectional A* algorithm does not guarantee a optimal path and takes even longer search time than unidirectional search to guarantee a optimal path. In this paper, a new bidirectional A* algorithm which requites less search time and guarantees a optimal path is proposed. To evaluate the efficiency of the proposed algorithm, several experiments are conducted in real road map and the results show that the algorithm is very effective in terms of finding a optimal path and search time.

In this thesis, based on Genetic Algorithm, a new route search algorithm is presented to search an optimal route between the origin and the destination in intelligent route guidance systems in order to minimize the route traveling time. The proposed algorithm is effectively employed to complex road networks which have diverse turn constrains, time-delay constraints due to cross signals, and stochastic traffic volume. The algorithm is also shown to significantly promote search efficiency by changing the population size of path individuals that exist in each generation through the concept of age and lifetime to each path individual. A virtual road-traffic network with various turn constraints and traffic volume is simulated, where the suggested algorithm promptly produces not only an optimal route to minimize the route cost but also the estimated travel time for any pair of the origin and the destination, while effectively avoiding turn constraints and traffic jam.

선박에서 항해시간을 줄이고 연료소비를 절감하기 위하여 최적항로의 결정하는 작업은 선박운항의 가장 중요한 요소이다. 최근, 보다 빠르고, 정확한 최적항로를 결정하기 위해 전자해도시스템이 개발되고 있다. 본 논문은 이러한 시스템에 탐색의 알고리즘 중 최선의 탐색해를 제공하는 $A^*$알고리즘을 전자해도 시스템에 적용하였다. 그러나 $A^*$알고리즘의 적용은 과도한 탐색시간과 많은 메모리를 요구하는 문제점이 있다는 사실이 발견되었고 이러한 문제점을 해결하기 위해 장애물을 발견했을 때 탐색 후보 선정에 가중치를 부여하는 보다 개선된 알고리즘의 필요성을 제안하고자 한다.

One of the tasks of maritime navigation is to decide upon the optimal navigation route that minimizes a vessals travel time and fuel consumption. Recently. ECDIS(Electronic Chart Display Information System) is used to decide the optimal navigation route and have expert knowledge of maritime navigation. In this paper, the system use $A^*$algorithm for optimal navigation route on ECDIS. But some problems is discovered in this situation. it requires many memory device and searching time. So this paper has tried to develope a advanced algorithm system that decides the optimal navigation route.