확률적 위험도 평가가 고려된 자율 주행 차량에서의 지역 경로 계획 전략

Q: 이 논문에서 정의한 경로 계획이란 무엇인가?

자율 주행 차량이 출발지에서 목적지까지 안전하고 효율적으로 이동하기 위해 최적의 경로를 설정하는 과정이다. 본 연구에서는 특히 차선 기반 위험도 평가와 수렴 비용을 포함하는 평가 함수를 통해 최적의 지역 경로를 선정하는 기법을 다룬다.

Q: 차선 기반 위험도 평가를 통한 지역 경로 선정은 충돌 회피에 어떤 영향을 미치는가?

연구 결과, 측후방 동적 물체의 위험도 평가 비용과 차선 중앙 수렴 비용을 동시에 고려함으로써 기존 방식이 감지하지 못한 위험 요소를 식별한다. 이를 통해 고속 주행 환경에서도 안전한 차선으로 변경하여 충돌을 효과적으로 회피하고 안정적인 거동을 구현한다.

김동환; 최영민; 박장현

학술대회자료 Full-text

저자정보: 김동환 (한양대학교) 최영민 (한양대학교) 박장현 (한양대학교)

저널정보: 한국자동차공학회 한국자동차공학회 추계학술대회 및 전시회 2020년 한국자동차공학회 추계학술대회 및 전시회

오류 신고하기

피인용 0

검색

초록·키워드

There are numerous latest technologies in autonomous driving. Among them, path planning studies have contributed greatly to avoiding collisions with static objects and finally reaching the target point. However, for this path planning to be applied to vehicles and more intelligent robots, both the effects of dynamic objects (E.g. surrounding vehicles) as well as static, convenience, and safety must be considered. In this study, the risk level of the ego and adjacent lanes is analyzed based on the surrounding vehicle information measured by sensors, and this is optimized and reflected as one of the factors that determine the local path of the vehicle. The main contribution of this study is as follows. First, it is possible to prevent selection even if a path candidate occurs in an area that is not the actual by reflecting the lane information from the risk assessment of the lane to the local path candidate. Second, a path planning strategy can be established considering the situation of lateral rearward regions where local path candidates are not created. As a result, it is expected that vehicles equipped with this path planning strategy will be able to plan safer paths than before.

#Autonomous Driving(자율 주행) #Path Planning(경로 계획) #Risk Assessment(위험도 평가) #Dynamic Object(동적 물체)

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록·키워드

참고문헌

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

댓글(0)