ISSN 2005-9396 ISNI 0000 0004 9415 5811 2022년 12월 제14권 제4호 자동차안전학회지 Journal of Auto-Vehicle Safety Association자동차안전학회지 권두언 (사)자동차안전학회 부회장 / 이재완5 논 문 ￭ 저속 특장차의 도심 자율주행을 위한 신호등 인지 알고리즘 적용 및 검증 윤원섭·김종탁·이명규·김원균6 ￭ 휠 슬립에 강건한 확장칼만필터 기반 차량 상태 추정 전명근·조아라·이경수16 ￭ 고정벽을 활용한 차대차 경사충돌 재현 배준석·김 호·소영명21 ￭ 자율주행자동차 전용 시트 모델 연구 김성호·김수빈·한경희·신재호·김경진·장형진·김시우27 ￭ 자율주행 자동차 정지 거동에서의 인지 불확실성을 고려한 확률적 모델 예측 제어 김상윤·조아라·이경수35 ￭ 조건부가치측정법을 이용한 수소버스 연료장치 안전성 평가 및 검사기술에 대한 투자 편익 분석 임서현·장정아43 ￭ 모델 예측 제어 기법을 이용한 토크벡터링과 후륜조향 통합 제어 차현수·김자유·이경수53 ￭ 자율주행시스템 개발을 위한 FMTC 가상주행환경 고도화 개발 이빈희·허관회·이효진·이장우·윤종민·조성우60 ￭ 연령, 성별 및 상황적 요인이 자율주행 제어권 전환 수행도에 미치는 영향 박명옥·손준우70 ￭ Far-Side 실사고 분석과 승객거동해석 연구 신재호·백창민77 ￭ 고속도로 주행 시 선행차량의 전방 긴급 장애물 회피에 따른 Car-to-Car Cut-out 시나리오 기반 AES 성능평가 방법 연구 김진석·이동훈84 ￭ KANO 모델을 활용한 V2H 커뮤니케이션 기술의 우선순위 분석 이상화·강수희·장정아91 ￭ 동일 차량간 충돌 시 차량간 속도 대칭성 연구 안명규·김 호·소영명100 ￭ 자율주행자동차 상용화에 따른 자동차 안전 인증제도 개선에 관한 연구 조용혁·안정아·이상현106 ￭ 수소버스 수소저장용기의 측면충돌 안전성 평가방법 연구 김경진·신재호·한경희·한현민·인정민·김시우113 해설 / 특집 ￭ 2022년 국제 대학생 창작자동차 경진대회 자율주행차 부문 참가기 / 국민대학교 KUUVe120 ￭ 2022년 국제 대학생 창작자동차 경진대회 전기자동차 부문 참가기 / 영남대학교 마이브126 학회소식 131 저널집필요강 151 편집위원 명단 158￭ Implementation and Validation of Traffic Light Recognition Algorithm for Low-speed Special Purpose Vehicles in an Urban Autonomous Environment Wonsub Yun, Jongtak Kim, Myeonggyu Lee, Wongun Kim6 ￭ Vehicle State Estimation Robust to Wheel Slip Using Extended Kalman Filter Myeonggeun Jun, Ara Jo, Kyongsu Yi16 ￭ Utilization of Rigid Barrier to Simulate Car to Car Crash of Two Identical Vehicles Junsuk Bae, Ho Kim, Young Myoung So21 ￭ Seat Model Study for Autonomous Vehicle Seongho Kim, Subin Kim, Kyeonghee Han, Jaeho Shin, Kyungjin Kim Hyung-Jin Chang, Siwoo Kim27 ￭ Stochastic Model Predictive Control for Stop Maneuver of Autonomous Vehicles under Perception Uncertainty Sangyoon Kim, Ara Jo, Kyongsu Yi35 ￭ Investment Benefit Analysis of Safety Assessment and Inspection Technologies of Hydrogen Bus Fuel System Using Contingent Valuation Methods Seohyun Lim, Jeong Ah Jang43 ￭ Integrated Control of Torque Vectoring and Rear Wheel Steering Using Model Predictive Control Hyunsoo Cha, Jayu Kim, Kyongsu Yi53 ￭ Development of Advanced FMTC Virtual Driving Environment for Autonomous Driving System Development Beenhui Lee, Kwanhoe Huh, Hyojin Lee, Jangu Lee, Jongmin Yoon, Seongwoo Cho60 ￭ The Effects of Age, Gender, and Situational Factors on Take-Over Performance in Automated Driving Myoungouk Park, Joonwoo Son70 ￭ Study for Real-World Accident Database and Occupant Behavior Analysis in Far-Side Collisions Jaeho Shin, Chang Min Baek77 ￭ A Study on AES Performance Assessment Protocol based on Car-to-car cut-out Scenario According to front Emergency Obstacle Avoidance of Preceding Vehicle during Highway Driving Jinseok Kim, Donghun Lee84 ￭ Exploring the Key Priority of V2H Communication Technology Using the KANO Model SangHwa Lee, SooHee Kang, Jeong Ah Jang91 ￭ A Study of Symmetry in Speed of Two Identical Vehicles in a Frontal Oblique Crash Myeonggyu An, Ho Kim, Young Myung So100 ￭ A Study on the Improvement of Motor Vehicles Safety Certification System According to the Deployment of Autonomous Vehicle Yong Hyuk Cho, Jeong Ah An, Sang Hyun Lee106 ￭ Study on Safety Evaluation Process for Hydrogen Storage System of Hydrogen Bus Kyungjin Kim, Jaeho Shin, Kyeonghee Han, Hyeon Min Han, Jeong Min In, Siwoo Kim113자동차안전학회지:제14권,제4호,2022 5 이 재 완 (사)자동차안전학회 부회장(편집) 서울대학교 FMTC 부센터장 ◎ 권두언 최근 국토교통부는 모빌리티 혁명의 일상 구현과 글로벌 선도를 위하여 모밀리티 혁신 로드맵을 발표하였다. 교통 분야에서의 4차 산업혁명은 ICT와 혁신기술이 융·복합되면서 기존과 전혀 다른 양상의 모빌리티 시대가 오고 있기 때문이다. 또한, 국토교통부는 조직을 개편하여 모빌리티자동차국을 신설하겠다고 발표하였다. 그동안 이동수단별로 분절되어 있던 교통체계를 수요자 중심의 모빌리티로 전환하고 미래 모빌리티 시대를 선도하기 위함이라고 한다. 모빌리티 혁신 로드맵은 자율주행차, 도심항공교통, 디지털 물류, 모빌리티 서비스 및 모빌리티 도시에 걸쳐 도전 적인 목표를 제시하고 있다. 예를 들어 자율주행차는 2025년까지 완전자율주행 버스·셔틀을 출시하고, 2027년까지 완전자율주행 승용차를 출시하는 것이다. 이러한 대전환기에 우리 학회가 축적된 경험과 역량을 발휘하여 다가오는 변화를 준비하고 대응해야 할 몇 가지를 강조하고자 한다. 모빌리티 전반에 걸친 새로운 분야에 관한 관심과 업무 영역을 넓히는 노력이 필요하다. 2021년부터 우리 학회 는 한국모빌리티학회와 정기적인 포럼을 통하여 UAM 관련 법규, 기술적 이슈와 모빌리티 생태계 및 스타트업 활성 화 방안 등을 논의한 것은 좋은 사례라 볼 수 있다. 모빌리티 분야의 핵심역량 강화를 위해 회원 모두 노력해야 할 것이다. 2022년부터 시행하고 있는 학회 자체연 구 과제를 더욱 활성화하여, 분야별 전문가를 육성하고 학회 구성원이나 세대 간의 노하우 전수 노력도 필요하다고 본다. 스타트업, 연구기관, 기업 등의 핵심 연구인력 보유현황을 구체적으로 파악하고 집중 육성방안을 제시하고, 모빌리티 분야의 상용화를 위하여 학회를 중심으로 컨소시엄을 구성하여 심층 연구를 수행할 필요가 있다. 지금까지 학회가 잘 발전시켜 왔던 춘·추계 학술대회, 학술지 논문게재 등 학술 활동은 물론, 자동차와 관련된 제 도 정책 등에 대한 조사연구와 자동차 안전 정책 수립을 위한 자문, 협력 및 건의 등도 중요한 사업임을 잊지 말아 야 할 것이다 .6 ◎ 논 문 http://dx.doi.org/10.22680/kasa2022.14.4.006 저속 특장차의 도심 자율주행을 위한 신호등 인지 알고리즘 적용 및 검증 윤원섭 * ·김종탁 ** ·이명규 *** ·김원균 ****,† Implementation and Validation of Traffic Light Recognition Algorithm for Low-speed Special Purpose Vehicles in an Urban Autonomous Environment Wonsub Yun * , Jongtak Kim ** , Myeonggyu Lee *** , Wongun Kim ****, † Key Words: Low-speed unmanned special vehicle(저속 무인 특장차), Deep Learning(딥러닝), Traffic light recognition Algorithm(신호등 인지 알고리즘), Real-Time Object Detection(실시간 사물 감지), YOLO algorithm ABSTRACT In this study, a traffic light recognition algorithm was implemented and validated for low-speed special purpose vehicles in an urban environment. Real-time image data using a camera and YOLO algorithm were applied. Two methods were presented to increase the accuracy of the traffic light recognition algorithm, and it was confirmed that the second method had the higher accuracy according to the traffic light type. In addition, it was confirmed that the optimal YOLO algorithm was YOLO v5m, which has over 98% mAP values and higher efficiency. In the future, it is thought that the traffic light recognition algorithm can be used as a dual system to secure the platform safety in the traffic information error of C-ITS. * 한국생산기술연구원, 연구원 ** 한국생산기술연구원, 선임연구원 *** 한국생산기술연구원, 연구원 **** 한국생산기술연구원, 수석연구원 † 교신저자, E-mail: wgk@kitech.re.kr 1. 서 론 자율주행 기술의 도래로 인해 다양한 산업군에 자율주 행 플랫폼이 개발 및 적용되고 있으며, 자율주행 요소 기 술인 인지, 판단 및 제어 기술은 인공지능 알고리즘 개발 과 더불어 고도화가 되고 있다. 그러나 자율주행 기술은 시스템 오류 및 주변상황에 따른 심각한 물적 인적 피해를 유발할 수 있다. 이에 대응하기 위해 시스템의 Fail-Safe 기능을 인공지능 알고리즘 활용 기법, 시스템 이중화 기술 및 V2X(Vehicle-to-Everything) 활용을 통해 구현하고 있다. 대부분의 자율주행 기술은 Lidar, Radar 및 초음파 센 서를 활용하여 주변 사물, 차선, 차량 등을 인지하고 주행 에 필요한 기반 데이터를 활용하고 있다. 이와 더불어 인 공지능 발전으로 인하여 카메라를 활용한 영상 데이터 인 지 기술을 개발하고 있으며, 기존 센서데이터 시스템과 차 량 외부로부터의 도로 신호 정보를 기반으로 2중화 설계 를 도모하고 있다. 특히 도로 신호정보의 경우 V2X에서 획득한 정보와 영상기반의 신호정보를 활용하여 자율주 행 차량의 안정성을 확보하고 있다. 특히 인공지능 알고리즘을 활용한 신호등 인지의 경우 도로의 규격 및 형태에 따라 신호등 종류 및 신호정보가 다르며, 자율주행 차량의 속도 및 형상에 따른 정형화된 기반데이터의 획득의 어려움이 있다. Saini et al. (1) 은 HSV 자동차안전학회지: 제14권, 제4호, pp. 6∼15, 2022 논문접수일: 2021.9.10, 논문수정일(1차: 2022.4.8, 2차: 2022.11.16), 게재확정일: 2022.11.16저속 특장차의 도심 자율주행을 위한 신호등 인지 알고리즘 적용 및 검증 자동차안전학회지:제14권,제4호,2022 7 Fig. 1 Model architecture Table 1 Drawbacks of conventional methods and its im- provements made in this study Drawbacks Improvements made in this study Dataset composed of vertical traffic lights (Not adequate for Korean traffic environment) ∙ Horizontal traffic light dataset constructed especially for Korean traffic environment Detection model detecting single light, rather than the entire signal ∙ Entire signal detection ∙ Training separate models according to the traffic light shape Scarce number of classes (red, green, yellow) ∙ 3 classes for 3-holed traffic lights ∙ 6 classes for 6-holed traffic lights ∙ Can detect complex signals 채널 기반 color segmentation, Maximally Stable Extremal Region(MSER), Histogram of Oriented Gradients(HOG) features, support vector machine(SVM) 등의 기법을 사 용하여 다양한 광도와 날씨 등의 환경 아래에서 획득된 이미지들을 통해 다른 환경에서도 균일하게 탐지가 가능 한 신호등 탐지 CNN 알고리즘을 개발하였다. Ouyang et al. (2) 은 자율주행 차량에 광각 카메라를 설치하여 신호등 영상 데이터를 수집 후, 모델의 복잡성을 줄이고 정확도를 향상시킨 알고리즘을 개발하여 이를 Nvidia Jetson TX1, TX2에 탑재하였다. 모델 개발에는 HSV, HSI 채널을 모 델 학습시에 사용하였으며, SSD 기반 모델을 이용하여 학 습을 진행하였다. 학습된 모델은 자율주행 차량과 버스에 장착하여 모델의 검증을 진행하였다. Kento et al. (3) 은 초 고속 카메라를 사용하여, 신호등의 LED가 깜빡이는 프레 임에 대한 해결 방안을 제시하였다. 이는 band pass filter, binarization, buffering 등의 모듈을 사용하여 알고리즘이 개발되었고, 추후 신호 판별에는 SVM 기법이 활용되었 다. Ruturaj et al. (4) 은 5가지 신호에 대해서 Inception V2 R-CNN 모델을 전이학습하여 신호등을 탐지하는 알고리 즘을 개발하였고, Mello et al. (5) 은 인공적인 교통 상황 데 이터를 생성하는 기법을 개발하여 부족한 데이터의 보충 및 데이터의 불균형 문제를 해소하였다. 기존에 이루어진 연구들의 한계로는, 신호등의 구조에 따른 클래스의 세분화된 분류가 이루어지지 않았다는 단 점이 존재한다. 본 연구에서는 이를 극복하기 위하여 두가 지의 세분화된 방법론을 제시하였으며, 대한민국 신호등 의 고유한 특징(3구 및 4구의 가로형 신호등 형태)에 대 응 가능하도록 데이터셋을 구축하여 모델의 학습 및 평가 를 진행하였다. 기존 연구들의 한계점 및 이에 대해 본 연 구에서 이루어진 개선사항은 Table 1과 같다. 본 연구는 광주 규제자유특구혁신사업의 선정지인 광 주 평동산업2단지에서 자율주행 실증 시험을 수행하였으 며, 저속 무인 특장차인 무인노면청소차의 자율주행에 필 요한 맞춤형 신호등 인지 알고리즘을 개발하였다. 무인노 면청소차는 광주광역시 광산구 장록동 일대에 위치하고 있는 국가산업단지로서 산단 주요 도로 폭은 35m 산단 통행도로 폭은 20m이며, 총 거리 4.8km를 왕복하게 된 다. 자율주행 중 차량의 청소작업이 함께 수행된다. 무인 노면청소차의 시스템 구성은 자율주행 플랫폼, 자율작업 시스템, 이를 통제하는 관제센터로 구성되어 있다. 무인노 면청소차는 관제센터 C-ITS(Cooperative Intelligehnt Transport System)의 교통신호, 도로 정보를 통해 주행 시나리오를 구성하고 플랫폼에 장착된 센싱 시스템을 통 해 확보한 실시간 도로 환경를 연계하여 자율주행을 실시 하게 된다. C-ITS의 교통 정보오류에서 플랫폼의 안전을 확보하 기 위해 교통신호 이원화 시스템을 구성하고자 하였으며, 이에 카메라를 활용한 실시간 신호등 인지 알고리즘이 필 수적으로 요구되었다. 실시간 인지에 필요한 인공지능 알 고리즘은 YOLO 알고리즘을 활용하였다. YOLO 버전에 따라 실제 플랫폼에 적합한 알고리즘을 검증할 필요가 있 으며, 시스템에 적용시 안정성을 확보하는 연구를 수행하 였다. 2. 인지 알고리즘 2.1. YOLO 알고리즘 딥러닝 모델은 스스로 특징점들을 직접 학습하고 인간 이 이해하지 못하는 특징점을 탐지할 수 있다. 그러나 이 러한 특징점들을 탐지하기 위해선 딥러닝 모델의 학습이 선행되어야 한다. 데이터 분석에서는 학습 용이성, 학습 Next >