earticle

영어

Takeover occur frequently in situations where autonomous driving is difficult as autonomous vehicles are increasingly driven on the roads. Takeover prediction can prevent accidents caused by frequent takeovers on urban roads. In order to predict the probability of a takeover, it is necessary to set an appropriate time window before the takeover. Therefore, the objective of this study is to derive the historical time window, which is an appropriate historical time window for the takeover prediction of autonomous vehicles. Data was collected from real-world driving data of autonomous vehicles to derive the point where takeover occurs and established five historical time window scenarios. The dataset of takeover occurrence and normal by historical time window was constructed to distinguish whether takeover occurred or not. In addition, seven driving safety evaluation indicators that can affect takeover were considered. Decision tree analysis was performed to derive the appropriate historical time window for predicting a takeover. The model was developed by using seven feature vectors as input variables of the decision tree and whether a takeover occurred as the output variable. The results of the analysis showed that a historical time window of 7 seconds was the most accurate in classifying whether a takeover occurred. The findings of this study are expected to be utilized to establish a historical time window of data to be used to predict the probability of an autonomous vehicle takeover.

한국어

자율주행차의 실도로 주행이 증가하며 자율주행이 어려운 상황에서 운전의 주체가 자율주 행 시스템에서 운전자로 전환되는 제어권 전환이 빈번하게 발생한다. 도심부 도로에서의 빈번 한 자율주행차 제어권 전환은 사고를 유발할 수 있어 이를 예방하기 위해 제어권 전환 예측이 필요하다. 제어권 전환 발생 가능성 예측을 위해 제어권 전환 전 시간적 영향범위에 대해 적정 한 범위 설정이 요구된다. 따라서 본 연구는 자율주행차의 제어권 전환 예측을 위한 적정 시간 적 영향범위인 historical time window 도출하는 것을 목적으로 한다. 자율주행차의 실도로 주행 데이터를 수집하여 제어권 전환이 발생하는 지점을 도출하고 5가지 시나리오를 설정하였다. 제어권 전환 발생 데이터셋과 제어권 전환 미발생 데이터셋을 historical time window별 구축하 여 제어권 전환 발생 여부를 구분하였다. 또한 제어권 전환에 영향을 미칠 수 있는 7가지 주행 안전성 평가지표를 선정하였다. 제어권 전환 예측을 위한 적정 historical time window 도출을 위해 의사결정나무 분석을 수행하였으며 7가지 평가지표를 의사결정나무의 입력변수로, 제어 권 전환 발생 여부를 출력변수로 설정하여 모형을 구축하였다. 분석 결과, 7초의 historical time window가 제어권 전환 발생 여부를 분류하는데 정확도가 가장 높은 것으로 도출되었다. 본 연 구의 결과는 자율주행차의 제어권 전환 발생 가능성 예측 시 활용 데이터의 시간적 범위 설정 에 활용할 수 있을 것으로 기대된다.