< Previous김자유·차현수·박관우·이경수 자동차안전학회지:제14권,제2호,2022 측정하고, 이를 엔전 출력 외의 도로 경사나 마찰을 반영 한 가속도 값이라고 가정한다. 또한, 본 연구에서는 단순 히 질량 추정에 그치지 않고, 이를 ESC에 적용하였다. 차 량의 질량 파라미터에 대한 정보를 이용하면 더 정확한 시점에 제어를 개입할 수 있다. (8) 요 모멘트 제어 알고리즘은 목표 요 레이트를 추종하는 방식으로 구성된다. 목표 요 레이트는 bicycle 모델을 기 반으로, 차량과 타이어의 transient 특징을 모두 반영한 목표 값을 이용하였다. (8) 목표 요 레이트는 sliding mode control을 통해 제어된다. 또한, 요 모멘트는 공압 브레이 크의 ON/OFF 스위치를 통해 생성된다. 2. 차량 질량 추정기 2.1. 종방향 차량 모델 차량의 질량은 엔진의 출력 대비 차량의 가속도를 통 해 추정할 수 있다. 그러나 엔진으로부터 발생되는 추진 력이 모두 차량의 속도를 증가시키는데 사용되지 않는다. 일부는 도로의 마찰, 구름 저항 또는 경사면에서의 중력 등을 보상하기 위해 사용된다. 이를 식으로 표현하면 아 래와 같다. :Massofthevehicle :Longitudinalacceleration :Tractonforce :Roadgradeforce :Rollingresistance :Aerodynamicforce xxtgraderollingaero x t grade rolling aero maFFFFF where m a F F F F (1) 위의 식에서 F grade 와 F rolling 은 도로의 경사각와 연관이 있다. 그 식은 아래와 같다. cos sin rollingr grade Fmg Fmg (2) μ r 은 구름 저항 계수를, θ 는 도로의 경사각을, g 는 중력 가속도를 의미한다. 또한, F aero 은 바람이 약하게 부는 상 황을 가정했을 때 차량의 속도와 상수 파라미터로 간단하 게 나타낼 수 있다. 2 1 2 aeroairdfx FCAv (3) ρ air 는 공기의 밀도, C d 는 공기저항계수, A f 는 차량의 전 방 단면적 그리고 v x 는 종방향 속도를 의미한다. 2.2. 수동 변속 차량 대상 질량 추정기 식 (1)~(3)을 이용하고, 모든 차량 상태를 안다고 가정 하면 차량의 질량 또한 추정이 가능하다. 그러나 실제로는 도로의 경사각, 도로의 마찰계수 등의 실시간으로 변하는 외부 환경을 알 수가 없다. 따라서 본 연구에서는 수동 변 속 차량을 대상으로 질량 추정기를 제안, 보완하였다. 수동차량의 경우 기어가 변속하는 순간에 운전자는 클 러치 페달을 밟게 된다. 이는 엔진과 휠을 기계적으로 분 리시킴으로써 동력 전달을 막는다. 동력 전달이 차단된 차 량은 식 (1)의 도로의 경사각, 구름 저항 그리고 공기역학 힘에 따라 움직이게 된다. 즉 F t 가 0이 되고, 나머지 힘들 이 차량의 종방향 가속도 a x 를 결정한다. 이를 a shift 라고 정 의했을 때, 차량이 실제 가속하는 상황에서 순수하게 엔진 이 영향을 주는 차량 종방향 가속도는 아래의 식 (4)와 같다. engxshift aaa (4) 따라서, 추정된 차량의 질량은 아래와 같이 표현된다. ˆ enginedrivelineinertiawheelinertia t veh engxreal FFF F m aaa (5) 2.2.1. 엔진 모터 힘 추정 엔진 모터로 인하여 발생하는 토크가 휠에 작용하는 힘 은 일률 보존을 통해 계산할 수 있다. 엔진의 각속도를 나 타내는 엔진 rpm과 토크를 휠에 작용하는 힘과 차량 속도 로 나타내면 아래와 같다. 해당 식에서는 차량의 속도와 휠의 속도가 같음을 가정하므로 미끄러짐이 없다는 가정 이 필요하다. 차량의 속도는 비구동륜의 평균으로 추정하 였다. engengengveh TFv (6)질량 추정기 기반 수동 변속 상용차용 요 모멘트 제어 알고리즘 자동차안전학회지:제14권,제2호,2022 즉, 엔진 모터의 힘은 식 (7)과 같다. [][][1/] engeng eng veh FNTNmm where v (7) 2.2.2. 관성력 추정 엔진으로 발생하는 힘이 그대로 휠에 적용되지 않는다. 엔진, 클러치, 변속기, 차동 기어로 이루어진 차량 동력 장 치와 타이어의 관성력을 모두 고려해야한다. Fig. 1 Overall structure of driveline and tire 첫번째로 차량 동력 장치의 관성에 의해 작용하는 힘은 아래와 같다. drivetowheeldrivetowheel x drivelineinertiawheel effeffeff JJ a F rrr (8) J drive to wheel 은 동력 장치의 관성에 의해 생기는 힘을휠에 대하여 표현한 관성이다. 이는 동력 장치만의 관성이 아니 다. J drive 으로 식 (8)을 표현하기 위해서는 식 (9)의 에너 지 보존 법칙이 필요하다. 22 11 22 drivelineengdrivetowheelwheel JJ (9) 식 (9)를 식 (8)에 대입하면 아래와 같다. 2222 [][][1/][/] drivelineinertiadrivex FNJkgmmams (10) 이전 연구에서는 J drive 를 간단하게 상수로 취급한다. 그 러나 실제 동력 장치의 관성은 일정하지 않다. 기어를 변 경하면 기어비가 변경되기 때문에 회전 관성에 대한 보상 이 필요하다. 엔진과 클러치를 J 1 이라고 하고, 변속기와 차동 기어의 회전 관성을 J 2 라고 가정했을 때 전체 관성은 식 (11)과 같다. N 1 /N 2 는 기어비를 의미한다. 2 1 12 2 () driveline N JJJ N (11) 동력 장치의 관성 외에도 휠의 관성에 의해 발생하는 힘도 존재한다. 휠의 관성에 의해 작용하는 힘은 식 (12) 와 같다. 2 wheelwheel wheelinertiawheelxwheelx effeff JJ Fama rr (12) 즉, 엔진 모터의 회전으로 발생하는 힘이 휠에 그대로 작용하는 것이 아니라, 동력 장치나 휠의 관성에 의해 일 부 감소된다. 2.2.3. Recursive least square estimation 식 (4)~(12)에 따라 차량의 질량은 아래와 같이 추정 된다. 2 2 ˆ () enginedriveinertiawheelinertia wheel veh engxshift engdrivelinexwheelx xshift engdrivelinewheelx xshift FFF F m aaa TJama aa TJma aa (13) 추정한 질량은 recursive least square(RLS) estimation 을 통해 업데이트된다. 기어가 변속하는 순간에 a shift 를 측 정하고, 변속된 기어로 가속할 때의 가속도와 엔진 토크로 질량을 추정한다. 본 연구에서는 추정 활성 조건을 두 가 지 설정하였다. 첫번째는 기어 변속 후 1.5초 이후부터 활 성화하였다. 기어를 변속한 직후에는 엔진 토크가 불안정 하기 때문에 차량 질량 오차가 커진다. 두 번째는 종방향 가속도가 0.3g보다 클 경우에 업데이트하였다. 종방향 가 속도가 작으면 식 (13)에서 분모가 0에 가깝게 되고 분자 의 엔진 토크도 작아지기 때문에 이 역시 오차가 커진다. 3. 요 모멘트 제어 알고리즘 요 모멘트 제어 알고리즘은 Fig. 2와 같이 supervisor, upper-level controller, lower-level controller로 이루김자유·차현수·박관우·이경수 자동차안전학회지:제14권,제2호,2022 Fig. 2 Block diagram of the yaw moment control 어져 있다. 첫번째로 Supvervisor에서는 목표 요 레이트 를 설정한다. 속도와 횡가속도가 크지 않는 그립 주행 상 황에서의 요 레이트를 통해, 목표 요 레이트를 설정한다. 해당 과정에서는 bicycle model 가정이 필요하다. 두번째 upper-level controller에서는 추정 요 레이트를 추종하 기 위한 요 모멘트를 추정한다. 파라미터의 변화가 큰 상용차를 대상으로하는 제어이기 때문에, 본 연구에서는 sliding mode control을 통해 강건하게 제어하였다. 마지 막 lower-level controller에서는 추정한 요 모멘트를 공 압 브레이크 ON/OFF 제어를 통해 구현한다. 따라서, 브레 이크 챔버의 압력을 높이는 building, 유지하는 holding, 감소시키는 exhausting이 제어 입력이 된다. 3.1. 목표 요 레이트 설정 기존 대부분의 연구에서는 목표 값은 요 레이트의 변화 를 0으로 가정한steady-state bicycle model을 이용하였 다. 즉, steady-state 요 레이트 게인 값에 전륜 조향각을 곱하여 아래와 같이 목표 요 레이트를 설정하였다. 식 (13) 에서 L 은 전륜과 후륜 사이의 거리를, K us 는 understeer gradient를 의미한다. 2 x ssf usx v LKv (13) 그러나, 실제 요 레이트 반응과 조향각에는 phase차이 가 존재한다. 이를 해결하기 위해서 단순하게 1차 또는 2 차 딜레이 전달 함수를 이용한다. 최근 연구 중에서 요 레이트 변화(yaw acceleration) 을 고려하여 차량의 transient cornering 특징을 반영하 고, 타이어 relaxation length tire(RLT) model을 이용하 여 타이어의 transient 특징을 반영하는 방법이 있다. (9) 이 를 수식으로 나타내면 아래와 같다. 21222 21 22 2 010 (CC)I (CC)I (CC)I (CC)I f fr usx frzx frfrz usx frzfr fr frz aab CCL L whereaKv V CCL aKV CCL CCL b ˙ des ̈ des ˙ des (14) 식 (14)에서 τ 는 타이어의 relaxation length과 종방향 속도의 비율을 의미한다. 3.2. 요 모멘트 제어를 위한 상위 제어기의 control law 목표 요 레이트를 추종하기 위해 sliding mode control 을 통해 요 모멘트를 생성하였다. 먼저 sliding surface는 식 (15)와 같다. () des x (15) Surface를 0으로 수렴시키기 위해 리아프노프 함수는 식 (16)과 같이 정의하였다. 2 1 ()() 2 Vxx = (16) 먼저 equivalent control은 σ(x)=0 ˙ 을 통해 식 (17)과 같이 유도할 수 있다. ˆˆ eqzzdesfyfryr uMIlFlF ˙ I z des (17) σ질량 추정기 기반 수동 변속 상용차용 요 모멘트 제어 알고리즘 자동차안전학회지:제14권,제2호,2022 (a) Longitudinal Velocity (b) Estimated Mass Fig. 3 Simulation result for mass estimation Corrective control은 reachability condition을 통해 유 도된다. Reachability condition은 유한한 시간내에 제어 입력을 통하여 sliding surface를 보낼 수 있는 충분 조건 을 의미한다. 이를 정리한 것이 식 (18)이다. σ(x)σ˙(x)=σ(x)(γ˙ ࠏ γ˙ des ) =σ F yf ∙ l f I z ࠏ F yf ∙ l r I z + u eq + u c I z ࠏ γ˙ des =σ( ࠏ k sgn(σ)) (by taking u c = ࠏ kI z sgn(σ)) = ࠏ k|σ(x)| ≤ ࠏ η|σ(x)| (by taking k ≥ η) (18) 즉, control law는 아래와 같다. ˆˆ ()(sgn)) eqc uuu ˙ I zdes (19) 타이어에 작용하는 횡방향 힘은 bicycle model을 통해 계산할 수 있다. 횡방향 동역학 식과 모멘트에 관한 식을 연립하면 아래의 식과 같이 나타난다. / f rzz yfyyry ml mlII FaFa LLLL (20) 횡가속도와 요 레이트 변화량은 센서의 노이즈가 존재 하므로, 본 연구에서는 recursive least square를 통해 횡 방향 힘을 추정하였다. 또한, chattering 현상을 제거하기 위해 saturation 함수를 이용하였다. 3.3. 하위 제어기의 요 모멘트 생성 전략 요 모멘트를 구현하기 위해서 단순 브레이크 압력 분배 를 이용하였다. M z 가 0보다 클 때는, 오른쪽 방향의 브레 이크 압력을 0으로 설정하고 왼쪽 브레이크 압력을 높였 다. 또한 M z 가 0보다 작으면 이와 반대로 브레이크 압력을 생성하였다. 이를 식으로 나타내면 아래와 같다. ,, ,, 0 , 22 0 0 , 22 0 z effeff FLzRLz wbfrontwbrear FRRR z effeff FRzRRz wbfrontwbrear FLRL ifM RR PMPM tKtK PP elseifM RR PMPM tKtK PP (21) 실제 공압 브레이크 엑츄에이터는 밸브의 ON/OFF를 통해 스위치 제어된다. 현재 압력이 목표 압력보다 낮으면 building을 통해 압력을 높여주고, 목표 압력보다 높으면 exhausting을 통해 압력을 낮춰준다. 또한 잦은 제어 입력 을 방지하기 위해 오차가 특정 값보다 작아지면 압력을 유지하는 holding으로 제어한다. 4. 시뮬레이션 검증 질량 추정와 요 모멘트 제어 성능은 Trucksim과 MATLAB/ Simulink를 통해 검증하였다. 시뮬레이션에 사용된 차량 의 파라미터는 Table 1과 같다. 해당 파라미터는 적차 상 황의 정보이다. Table 1 Simulation Vehicle Parameter Para meter value Para meter Value m 4000 [kg] I z 34372.9 [kg･m 2 ] l f 1.113 [m] l r 4.887 [m] C f 189 [kN/rad] C r 87 [kN/rad] 4.1. 질량 추정기 수동 차량 대상 질량 추정기는 기어를 변경하는 동안 a shift 를 측정하고, 기어 변경 이후에 가속 상황의 엔진 토 크, 기어비, 종방향 가속도를 통해 차량 질량을 추정한다. 김자유·차현수·박관우·이경수 자동차안전학회지:제14권,제2호,2022 (a) Yaw rate (b) Lateral Acceleration (c) ESC OFF (d) ESC ON Fig. 4 ESC simulation result for unloaded vehicle (a) Yaw rate (b) Lateral Acceleration (c) ESC OFF (d) ESC ON Fig. 5 ESC simulation result for loaded vehicle 이를 검증하기 위해 1단에서부터 6단까지 가속하는 상황을 설정하고 실험해보았다. 4초동안 가속하고, 0.5초동안 기 어를 변경하는 시나리오로 실험을 진행했다. 또한 6000kg 의 짐을 실어서 차량의 총질량은 10000kg이다. 시뮬레이 션 결과는 Fig. 3과 같다. a shift 를 고려하지 않은 경우에는, 추정 질량이 실제 질량 보다 훨씬 크게 나타남을 알 수 있다. 이는 실제 엔진 출력 이 전부 차량의 종방향 가속에 이용되지 않고 일부 마찰로 빠져나감을 의미한다. 또한 제안된 방법은 실제 동력 장치 의 관성을 일정한 상수로 하지 않고, 식 (11)을 고려하여 기어에 따라 달라지게 설정한 값이다. 그 결과 3단 이상에 서는 큰 차이가 없지만 1단에서 오차가 줄었다. 이는 1단 의 경우 기어비가 크기 때문에, 관성에 대한 오차 또한 커 지기 때문이다. 4.2. 요 모멘트 제어 차량의 횡방향 안정성을 검증하기 위해 sine with dwell test를 시뮬레이션을 통해 구현하였다. 0.5Hz의 주파수를 갖고, dwell 시간은 상용차 조건에 맞춰 1초로 설정하였 다. 또한 조향각은 220 deg로 충분히 크게 설정하였다. 공차 상황의 실험 결과는 Fig. 4와 같다. 4.2.1. 적차 상황 시뮬레이션 결과 ESC가 작동한 경우, Fig. 4(b)에서 볼 수 있듯이 횡가 속도가 최대 0.6g에서 0.4g로 감소하였다. 상용차는 횡가 속도가 0.6g만 되도 롤오버의 위험이 있다. Fig. 4(c)에서 RR 방향의 휠 slip angle이 4초부터 1초간 떴기 때문에 일정하게 유지되고 있다. 반면에 ESC가 작동한 경우에는 질량 추정기 기반 수동 변속 상용차용 요 모멘트 제어 알고리즘 자동차안전학회지:제14권,제2호,2022 바퀴가 뜨지 않고 slip angle값도 3degree를 넘지 않았다. 이외의 다른 휠에서도 ESC 작동으로 인해 slip angle이 감소하는 효과가 나타났다. 적차 상황에서의 시뮬레이션 결과는 공차와 대부분 유 사하다. 차량의 질량은 4000kg에서 7000kg으로 증가시 켰다. 질량 파라미터가 변화하였기 때문에 목표 요 레이트 가 Fig. 4(a)와 다름을 알 수 있다. 적차의 무게중심은 공 차에 비해 높기 때문에 더 낮은 횡가속도에도 롤오버가 일어날 수 있다. 따라서, Fig. 5(b)의 횡가속도가 Fig. 4 (b)에 비해 0.05g가량 낮음을 확인할 수 있다. Fig. 5(c) 와 (d)에서는, Fig. 4와 유사하게 전체적인 slip angle이 감소하였고 한 바퀴가 들리는 현상도 사라졌다. 5. 결 론 본 연구에서는 수동 차량에서 기어를 변화시키기 위해 운전자가 페달을 밟을 때 엔진의 동력 전달이 끊긴다는 점을 이용하여 질량을 추정하였다. 또한, 변화한 질량 파 라미터를 목표 요 레이트에 반영하여 차량 자세를 제어하 고 이를 시뮬레이션을 통해 검증하였다. 제안된 알고리즘 은 차량의 횡가속도와 타이어 slip angle을 감소시킴으로 써 롤 안정성과 횡방향 안정성을 향상시켰다. 후 기 본 연구는 국토교통부 도심도로 자율협력주행 안전·인프 라 연구 사업의 연구비지원(과제번호 19PQOW-B152473- 01) )에 의해 수행되었습니다. 참고문헌 (1)Jo, A., Jeong, Y., Lim, H. and Yi, K., 2020, 자율주 행 버스의 종방향 제어를 위한 질량 및 종 경사 추정 기 개발, 자동차안전학회지, Vol. 12, No. 2, pp. 14~20. (2)김민수, 최규재, 2017, 실시간 상용차용 질량 추정 알고리즘 개발, 한국자동차공학회 추계학술대회 및 전시회, pp. 422~423. (3)한광진, 김인근, 김승기, 허건수, 2012, 차량 전복 방 지 장치를 위한 실시간 차량 질량 추정 시스템, 대한기 계학회 논문집 A권, Vol. 36, No. 6, pp. 673~679. (4)Vahidi, A., Stefanopoulou, A. and Peng, H., 2005, Recursive Least Squares with Forgetting for Online Estimation of Vehicle Mass and Road Grade, Vehicle System Dynamics, Vol. 43, No. 1, pp. 31~55. (5)Kim, S., Shin, K., Yoo, C. and Huh, K., 2017, Development of algorithms for commercial vehicle mass and road grade estimation, International Journal of Automotive Technology, 18(6), pp. 1077~1083. (6)Winstead, V. and Kolmanovsky, I. V., 2005, Esti- mation of road grade and vehicle mass via model predictive control, In Proceedings of 2005 IEEE Conference on Control Applications, pp. 1588~1593. (7)Genise, T., 1994, Control method system including determination of an updated value indicative of gross combination weight of vehicles. US Patent, No. 5,490,063. (8)Roh, J. H., Lee, K.W., Lee, J.I., Oh, S.K., Kim, H.S. and Jang, J.H., 2009, Development of HIL simulator for the sensitivity analysis of factors influencing ESC performance, ICROS-SICE Inter- national joint Conference, pp. 4058~4062. (9)K. Park, E. Joa, Y. Koh and K. Yi, 2017, Incorpo- rating transient cornering characteristics in target yaw-rate design for chassis control system, Pro- ceedings of the 25th International Symposium on Dynamics of Vehicles on Roads and Tracks.◎ 논 문 http://dx.doi.org/10.22680/kasa2022.14.2.014 혼잡 교통류에서의 V2V 기반 Cut-In 차량 양보 거동 계획 알고리즘 김창희 * ·채흥석 * ·윤영민 * ·이경수 **,† V2V based Cut-In Vehicle Yield Algorithm for Congested Traffic Autonomous Driving † 자율 주행혼잡 교통류거동 계획 ABSTRACT This paper presents motion planning algorithm that yields to intervening side lane vehicles in a congested traffic flow based on vehicle to vehicle (V2V) communication. Autonomous driving in dense traffic situation requires advanced driving performance in terms of vehicle interaction and risk mitigation. One of the most important functions necessary for congested traffic autonomous driving is to predict the lane change intention of the side lane target vehicle. However, implementing this function by using only environmental sensors has limitations. In this study, V2V communication is used to overcome the limitations and determine the intention of cut-in vehicles. Lane change intention of the intervening side lane vehicle is inferred by its longitudinal speed, steering angle, and turn signal light information received by the on-board-unit (OBU). Once the yield decision is made, the subject vehicle decelerates to generate sufficient clearance for the target vehicle to enter. Validation of the algorithm was conducted with actual autonomous test vehicles. * 서울대학교 기계항공공학부, 학생 ** 서울대학교 기계항공공학부, 교수 † 교신저자: kyi@snu.ac.kr E-mail: andykim0531@snu.ac.kr 1. 서 론 첨단 운전자 보조 시스템(Advanced Driver Assistance System, ADAS)이 발전하고 보다 적은 비용으로 기능 구 현이 가능해지면서 양산 차량에 ADAS 기술이 점차 보편 적으로 적용되고 있다. (1) 대표적인 종 방향 주행 보조 기 술로는 Adaptive Cruise Control(ACC)이 있다. ACC는 단순 속도 추종 제어기와 달리 전방 차량과의 거리 및 상 대 속도에 따라 목표 속도를 계획하고 추종한다. 횡 방향 주행 보조 기능으로는 Lane Keeping Assistance System (LKAS)가 있는데, 이 기능은 전방 차선 정보를 이용하여 차량이 차로 중심 위치를 유지하도록 운전자의 조작 없이 조향 입력 토크를 생성해 조향 각을 제어한다. 고속도로 및 자동차 전용도로 등 제한적 상황에서의 자율주행 기술 의 경우 일부 양산 차량에 적용되어 있다. 반면 혼잡한 도심 교통 상황에서의 자율 주행 기술은 차량에 장착된 환경 센서 만을 이용해 구현하기 어려운 경우가 존재한다. 낮은 속력으로 이동하는 상대 차량의 거 동은 예측하기 어려우며, 특히 차선 변경을 수행해 자 차 선으로 들어오는 측방 차량의 경우 차선 변경 거동 초기에 자동차안전학회지: 제14권, 제2호, pp. 14∼19, 2022 논문접수일: 2020.11.9, 논문수정일: 2021.9.6, 게재확정일: 2021.9.7혼잡 교통류에서의 V2V 기반 Cut-In 차량 양보 거동 계획 알고리즘 자동차안전학회지:제14권,제2호,2022 Table 1 LiDAR sensor specifications Components/ModelSpecifications LiDAR/ IBEO LUX LiDAR - 4 scanning layers - Horizontal field of view 4 layers: 85° (35° to –50°) - Vertical field of view: 3.2° - Data rate: 12.5~50.0 Hz - Accuracy: 10 cm Fig. 1 IBEO LiDAR sensor configuration diagram of autonomous test vehicle 미리 양보해 안전거리를 확보해야 한다. 이러한 문제를 해 결할 수 있는 방법으로 V2V(Vehicle to Vehicle) 통신을 이용할 수 있다. 차량 간 통신을 이용하면 주변에 존재하 는 차량들이 서로의 정보를 공유할 수 있는데, 공유 가능 한 정보에는 위/경도 값과 같은 위치 정보뿐 아니라 속도, 조향 핸들 각도, 방향 지시등 정보와 같이 다양한 차량 상 태가 포함된다. 따라서 환경 센서와 더불어 V2V 통신으로 부터 수신된 정보를 이용하면 상대 차량의 주행 의도를 파악하고 이에 능동적으로 대응할 수 있다. V2V를 이용하여 보다 광범위한 분야로 확장된 연구 들이 진행되고 있다. 대표적인 예로 V2V 통신을 이용한 connected vehicle에 대한 연구를 들 수 있다. (2) 선행 차 량을 따라 주행하는 일렬의 차량들은 전방 차량과 일정 거리와 시간 간격을 두고 운행하는데, V2V를 이용할 경우 더 좁은 간격으로 주행할 수 있다. 이는 상용 차량의 관점 에서 수송 능력 및 효율 향상을 가져오게 된다. 또한, 상호 협력적 교차로 통과 및 차선 변경 기능을 수행하는 경우에도 V2V 통신을 적용할 수 있다. (3) 통신이 수립된 차량이 아닌 일반 차량에 대해서도 자 차량의 사각 지대에 위치해 있지만 후방 차량의 인지 범위 내에 존재할 경우 위험 상황이 발생하기 전에 미인지 차량의 정보를 송신하여 보다 안전하게 주행이 가능하다. (4) 본 논문의 2장에서는 사용된 실험 차량의 환경 센서 및 통신 장비 구성에 대해 기술하였다. 3장에서는 cut in 차 량에 대한 양보 거동 계획을 위해 도입한 virtual target vehicle에 대해 소개하고 목표 거동을 계획하는 방법을 제 시한다. 계획된 목표 거동을 바탕으로 4장에서는 차량의 종 방향 가속도 입력을 결정하는 모델 예측 제어에 대해 서술하였다. 5장에는 본 연구에서 제시한 V2V 기반 양보 거동 계획 알고리즘을 실제 자율주행 차량을 이용해 검증 하였다. 수행한 실험을 통해 저속 상황에서 주행 차선으로 차선 변경하는 측 전방 차량에 대한 양보 거동을 효과적으 로 수행하는 것을 확인하였다. 2. 자율주행 차량 센서 및 통신 장비 구성 2.1. 환경 센서 알고리즘 검증 및 실험에 사용된 자율주행 차량의 환경 센서는 총 6개의 라이다 장비로 구성되어 있으며 인지 정 보를 처리하는 IBEO ECU 및 자율주행 알고리즘을 수행 하는 산업용 PC가 장착되어 있다. 라이다 센서의 구성도 및 인지 각도는 Fig. 1과 같고, 센서의 세부 사양 정보는 Table 1에 표기하였다. 라이다 센서로 인지된 점군 데이터는 IBEO ECU 장비 에서 clustering 및 classification을 진행하여 타겟 정보로 변환된다. 처리된 타겟 정보와 점군 데이터는 PC로 송신 된다. 2.2. V2V 통신 장비 자율주행 차량과 타겟 차량 간 V2V 통신을 위해 두 차 량에 On Board Unit(OBU)와 통신 안테나를 각각 장착하 였다. 타겟 차량의 센서 신호들은 주기적으로 OBU로 전 송되며, WAVE 통신이 가능한 안테나를 통해 송신된다. 이 신호는 자율주행 차량에 장착된 WAVE 안테나로 수신 되며 OBU를 거쳐 PC로 입력된다. 김창희·채흥석·윤영민·이경수 자동차안전학회지:제14권,제2호,2022 3. 양보 거동 계획 3.1. Virtual target vehicle 설정 측 전방에 위치한 차량이 자차선으로 차선을 변경하려 는 의도를 인지한 경우, 운전자는 차선 변경에 필요한 안 전 거리를 확보한다. 환경 센서 만을 사용하여 주변을 인 지하는 자율주행 차량의 경우 상대 차량의 이동 방향이 확실하게 인지된 경우 현재 상태를 바탕으로 미래 거동을 예측할 수 있다. 하지만 정체 상황을 비롯한 혼잡 교통류 주행에서는 상대 차량의 의도를 예측하기 어렵고, 이 때문 에 별도의 신호를 통해 차선 변경 의도를 수신할 필요가 있다. 운전자는 쉽게 인지하지만 환경 센서로 수신하기 어 려운 대표적인 신호로 방향 지시등이 있는데, V2V OBU 를 통해 수신된 상대 차량 정보를 이용하면 해당 차량의 절대 위치와 속도 및 방향 지시등 상태 정보를 알 수 있다. 측 차선에서 방향 지시등을 켜고 자 차선으로 차선 변 경을 진행하고자 하는 전방 차량의 의도가 파악되면 해당 차량이 차선 변경을 완료하였을 때 위치하게 될 주행 차선 내 공간을 확보해야 한다. 따라서 본 논문에서는 이 위치 에 가상의 타겟 차량을 생성하여 추종함으로써 해당 기능 을 구현하였다. 관심 영역 내의 유의미한 차량에 대한 대 응을 위해cut in 차량의 종 방향 위치가 전방 30m 이내, 횡 방향 위치가 주행 차선 중심으로부터 차선 폭의 1/2이 상 떨어진 경우 지시등의 방향이 주행 차선 방향과 일치할 때 가상 타겟을 생성하도록 조건을 두었다. 저속 주행 차선 변경 상황에서는 상대 속도 및 상대 종 방향 위치 변화가 작기 때문에 보수적인 대응이 가능하도 록 가상 타겟의 종 방향 위치는 현재 cut in 차량의 종 방향 상대 위치와 같게 설정하였다. 3.2. 목표 거동 생성 차선 및 차간 거리 유지 기능을 수행하는 자율주행 자 차량은 가장 가까운 전방 차량을 추종한다. 이 경우 전방 차량과의 종 방향 안전 거리 및 상대 속도를 유지하도록 목표 거동을 계획한다. 전방 차량의 상대 거리가 안전 거 리 이내에 존재하는 경우 다음과 같이 목표 속도를 계획 한다. ,,,target min, xdesxroadx vvv (1) 식 (1)에서 ,,target , xroadx vv 는 각각 도로 제한 속도와 전 방 차량의 속도를 나타낸다. 전방 차량이 안전 거리보다 멀리 존재하는 경우 식 (2)와 같이 목표 종 방향 거동을 계획한다. (5) ,,,,target ,target ,target min,1 .. xdesxroadxroadx xsafe x vvkvkv pc stk p (2) ,targetx p 는 자차량 좌표계 기준 전방 차량의 위치를, ,xsafe c 는 전방 차량과의 안전 거리를 의미한다. 합리적인 운전자 는 전방 차량이 안전 거리에 비해 매우 멀리 존재하는 경 우 안전을 위해 목표 주행 속도를 도로 제한 속도로 설정 하고, 전방 차량이 안전 거리 근방에 존재하는 경우 목표 속도를 전방 차량의 주행 속도에 맞추어 주행한다. 이러한 종 방향 속도 계획을 적용하기 위해 전방 차량과의 종 방 향 상대 거리에 대한 여유 거리의 비로 정의되는 변수 k 를 도입하였다. k 는 0과 1사이의 값을 가지며, 양 끝의 값은 각각 여유 거리가 0일 때와 전방 차량이 아주 먼 거리에 있을 때에 해당한다. 4. 종 방향 제어 입력 계산 4.1. 종 방향 동역학 모델 주행 차선 내 전방에 차량이 존재하는 경우 자 차량은 선행 차량과의 안전 거리를 유지하고 제한 속도를 준수하 도록 종 방향 거동을 계획한다. 차량의 종 방향 감/가속 입력은 목표 가속도로 주어지게 되며, 입력 지연을 고려한 목표 가속도와 실제 가속도의 관계는 다음과 같은 1차 전 달함수의 형태로 나타낼 수 있다. (6) , 1 ()() 1 xxdes asas s (3) 식 (3)에서 는 입력 가속도 값과 실제 가속도 값의 반응에서 시간 상수에 해당한다. 종 방향 속도와 위치, 가 속도 사이의 미분 관계식을 이용하면 아래와 같은 종 방향 동역학 모델에 해당하는 식을 얻을 수 있다. 혼잡 교통류에서의 V2V 기반 Cut-In 차량 양보 거동 계획 알고리즘 자동차안전학회지:제14권,제2호,2022 (a)(b) (c)(d) Fig. 2 Actual vehicle test scene for cut in vehicle yield driving 0100 0010 001/1/ lonlonlonlonlon lonlon xAxBu xu & (4) 식 (4)에서 종 방향 상태 변수는 T lonxxx xpva 이며 입력 변수는 ,lonxdes ua 이다. 따라서 위 식에 기반하여 입력 신호인 종 방향 목표 가 속도에 대한 종 방향 상태를 예측할 수 있다. 4.2. 목표 거동 최적화 종 방향 목표 상태가 결정되면 제어 입력에 해당하는 차량의 종 방향 가속도 입력을 계산해야 한다. 세 개의 종 방향 상태 변수에 대하여 목표 상태와의 오차를 최소화 하기 위해 모델 예측 제어 기법을 사용하였다. 최적화 목 적 함수 및 제한 조건은 다음 식 (5)과 같다. (7) 1 0 ,min,max min()()()() ..() p N TT eelonlon k lonlonlon JxkQxkukRuk stuuku (5) 최적화 변수 벡터는 목표 상태 변수와 현재 상태 변수 의 차이인 ,elondeslon xxx 이며, Q 와 R은 각각 상태 오차 와 입력에 대한 가중치 행렬에 해당한다. p N 는 예측 step horizon으로, 본 논문에서는 20 p N 을 사용하였다. 현재 시점에서 예측된 미래 시점의 상태 변수는 식 (4) 를 이용해 계산하며, 주어진 목적 함수를 최소로 만드는 입력의 sequence 중 첫 번째 값을 현 시점에서의 종 방향 목표 가속도 입력으로 사용한다. 5. 실차 실험 결과 제안된 양보 거동 알고리즘을 시험하기 위해 자율주행 차량 및 일반 차량들을 이용한 실차 실험을 진행하였다. 1차선 전방에 위치한 차량이 2차선 후방에서 주행 중인 자율주행 차량 앞으로 끼어드는 상황을 산정하였으며, 혼 잡 교통류 주행을 모사하기 위해 밀집한 차간 거리를 유지 한 상태로 반복적인 정차 및 저속 주행을 수행하였다. 측 전방 차량의 차선 변경 의도를 파악하고 양보하여 차선 변경을 완료하기까지 전체 차량의 거동을 4개의 시 점으로 나누어 나타낸 결과는 Fig. 2와 같다. Fig. 2(a)는 측 전방 차량이 차선 변경을 시작하기 전 모든 차량이 차선 차간 거리 유지 주행을 하는 상황을 나 타낸다. 이후 Fig. 2(b)와 같이 측 전방 차량이 방향 지시 등을 점등하여 자 차량이 차선 변경 의도를 파악하고 양 보 거동을 수행한다. 방향 지시등 점등 후 생성된 virtual target vehicle은 주변 차량 인지 결과와 함께 도시하였다. 안전 거리가 확보되면 cut in 차량은 Fig. 2(c)와 같이 Next >