< Previous김성호·김수빈·한경희·신재호·김경진·장형진·김시우 28 자동차안전학회지:제14권,제4호,2022 Table 1 Test subject body size Sex Height (cm) Weight (kg) BMI (kg/m 2 ) Subject 1Male1778527.1 Subject 2Female1605521.5 Subject 3Male1747324.1 Subject 4Male1806018.5 Subject 5Male1787724.3 Subject 6Male1708529.4 Subject 7Male1737625.4 Subject 8Female1635219.6 Subject 9Male1726522.0 Subject 10Male1767524.2 Fig. 1 Seat model of a midsize sedan Fig. 2 Occupant postures for comfort 본 연구는 자율주행 자동차 승객의 탑승 자세에 따른 각도를 연구하고, 실험 결과를 바탕으로 시트 모델의 정 적 안락감 평가 및 자동차 시트의 최적 설계 수행으로 자 율주행 자동차 시트의 개념 모델 제안을 연구의 목적으로 하였다. 2. 안락감 연구방법 2.1. 시트 폼의 정적 안락감 특성 연구 시트의 기하학적 요인과 시트 폼의 재질 및 형상에 따 라 시트의 안락감은 결정된다. (6) 시트의 기하학적 요인으 로 각도, 재질, 형상이 있고, 시트 폼의 기하학적 요인으로 두께, 크기, 표면 형상 및 기울기 등이 있다. 본 연구에서는 시트의 기하학적 요인 중 각도를 선정하여 안락감을 평가 하고자 하였고, 시트 폼의 기하학적 요인 중 안락감에 큰 영향을 미치는 폼 두께와 깊이를 선정하여 평가를 수행하 였다. 평가 시 사용된 시트는 일반적으로 많이 적용되는 폴리우레탄 재질의 승용차용 시트로 고려하였다. 안락감을 평가하는 방법은 정적 평가와 동적 평가로 나 누며, 정적 평가는 실험자들의 데이터를 통한 주관적 평가 와 같이 고려하여 안락감을 판단하였다. 탑승자의 착좌 시 편안한 자세를 평가하는 방법으로 Overall Load Defection, Hard Profile Test, Impact Test, 체압 분포 평가방법이 있으며, 체압 분포 시험이 객관적인 평가지표로 많이 연구 되고 있다. (6) 본 논문은 체압 분포 평가를 컴퓨터 시뮬레 이션으로 수행하여 탑승객의 안락감을 평가하였다. 2.2. 안락감을 고려한 승객자세 연구 탑승객이 주행 중 편안함을 느끼는 시트 각도를 피실험 자의 승객 자세 실험을 통해 주관적 데이터를 평균화하였 다. Table 1과 같이 다양한 신체 사이즈를 가진 남녀를 대상으로 Fig. 1의 일반 승용차 시트 모델로 Fig. 2와 같이 진행하였다. 남자 8명, 여자 2명, 총 10명의 피실험자가 가장 편안함을 느끼는 시트 각도를 측정하는 실험을 수행 하였다. 실험 방법은 시트에 앉아 각도를 달리하였을 때 편하다 고 느끼는 시점에 피실험자가 손을 들면 그 시점의 각도를 측정하여 데이터를 수집하였다. 실험은 Fig. 2와 같이 진 행하였으며 바닥 면을 기준으로 피실험자의 엉덩이와 맞 닿는 시트의 Bottom 사이 각도와 피실험자의 등이 맞닿는 시트의 Back 사이 각도를 Fig. 3과 같이 측정하였다. 피실험자들의 주관적인 판단으로 편안하다고 느낀 자 세의 각도(bottom and back angles)를 측정하여 Fig. 3에 서 정의한 Seat angle로 계산하여 Table 2에 나타냈다. 기준면인 바닥 면으로부터 피실험자들의 시트 Bottom에 서 측정된 각도의 평균값은 약 10도, 시트 Back 각도의 평균값은 약 30도로 계산되었다. 피실험자의 평균 Seat 자율주행자동차 전용 시트 모델 연구 자동차안전학회지:제14권,제4호,2022 29 Fig. 3 Definition of seat angle Table 2 Seat angles for comfort Bottom (°)Back (°)Seat (°) Subject 11030140 Subject 2729144 Subject 3536139 Subject 41626138 Subject 51527138 Subject 61030140 Subject 7840132 Subject 8428148 Subject 91128141 Subject 101029141 Average9.630.3140.1 Fig. 4 Simple dummy model and seat foam Table 3 Foam thicknesses ModelCase1Case2Case3Case4Case5 Foam Thickness (mm) 3040506070 Fig. 5 Stress-strain curve of foam models angle 값은 140.1도로 계산되어 Fig. 4와 같이 안락감 평 가를 위한 간이 더미-시트 모델에 적용하였다. 2.3. 정적 안락감 평가를 위한 구조해석 2.3.1. 안락감 평가를 위한 간이 더미 모델 충돌해석에 적용되는 더미 모델은 골반 부분이 강체 모 델로 구성되어 다양한 자세를 모델링하여 해석모델에 적용 하기에 제한적이다. 다양하게 젖혀진 자세를 평가하기 위 해 시트 안락감 평가를 위한 간이 더미를 구상하였다. 개념 적 구조해석을 위해 일반적인 더미 모델 또는 인체 모델처 럼 머리, 상하지를 고려하지 않고 시트와 접촉하는 부위만 고려하였다. 간이 더미 모델은 상체와 하체로 분리하여 구 성하였고 상체와 하체 모델은 THUMS(Total Human Model for Safety) AM50 Model (7) (Toyota Motor Corporation) 의 형상과 크기 등을 참고하여 구성하였다. 체압 분포 시험 (6,8) 을 동적구조해석으로 구현하기 위해 간이 더미의 상체와 하체가 자유로운 거동을 보일 수 있도 록 두 부위를 스프링으로 연결하였고, 시트의 안락감을 평 가하기 위한 간이 더미와 시트 모델을 Fig. 4와 같이 모델 링하였다. 2.3.2. 모델 구성 및 경계 조건 시트의 안락감을 평가하기 위한 적정한 폼 두께를 선정 하고자 Radioss(Altair Engineering Inc., version 2022) 를 이용하여 동적구조해석을 수행하였다. 일반 중형 승용 차(Toyota Camry) 시트 모델의 평균 폼 두께인 50mm를 기준으로 ±10mm, ±20mm 두께의 총 5가지 모델을 Table 3과 같이 구성하였고, Radioss의 Material Card MAT38 을 사용하여 폴리우레탄 폼 모델링을 하였다. 폼 모델의 Stress-strain curve는 Fig. 5와 같다. 시트 폼 모델은 10mm 크기의 Hexa 요소(3D element)를 이용하여 구성 하였다. 안락감 평가를 위해 간이 더미의 상체와 하체에 각각 30kg와 40kg의 무게를 부여하고, 중력가속도를 적용하였김성호·김수빈·한경희·신재호·김경진·장형진·김시우 30 자동차안전학회지:제14권,제4호,2022 Table 4 Foam thickness evaluation results Foam Thickness (mm) 3040506070 Max. Pressure (MPa) 0.1412 0.1430 0.0957 0.0758 0.0580 Mean Pressure (MPa) 0.0311 0.0353 0.0207 0.0286 0.0312 Contact Area (mm2) 50,175 51,550 51,875 57,075 58,180 Fig. 6 Displacement-time history of a foam (t=60mm) model (a) Center depth: 6.645mm (b) Center depth: 13.29mm (c) Center depth: 19.95mm (d) Center depth: 26.58mm Fig. 7 Modified foam shape models 다. 또한 시간에 따른 시트 폼 변형의 수렴성을 확인하기 위해 계산시간은 3초로 설정하였다. 2.3.3. 해석 결과 선행연구 (9) 에 따르면 일반적으로 체압 분포 시험의 안락 감 평가 기준으로 Max Pressure, Mean Pressure, Contact Area, Min Pressure, SPD 총 5가지의 평가 기준이 있다. 해석으로 구현할 수 있는 평가 항목인 Max Pressure, Mean Pressure, Contact Area의 3가지 항목으로 안락감을 평 가하였다. 폼의 두께가 커짐에 따라 Max Pressure와 Mean Pressure는 최소화되고, Contact Area는 증대되어 우수 한 안락감으로 평가된다고 보고되었다. 선행연구의 3가지 기준을 바탕으로 폼 두께가 다른 5가지 해석모델을 평가 하여 Table 4와 같은 결과가 계산되었다. 폼의 두께가 클수록 Max Pressure는 작아지는 경향을 보 이고, 간이 더미가 시트 폼에 닿는 면적으로 정의되는 Contact Area는 증대되는 경향성이 나타났다. Mean Pressure는 두께에 따라 상이한 결과로 계산되었다. 3가지 안락성 평 가 기준에 대해 상대적으로 우수한 결과가 계산된 모델을 2가지 경우씩 선정하여 최종적으로 모든 기준에 대해 공 통적으로 우수한 결과가 계산된 모델을 선정하였다. Max Pressure 기준에서 최솟값이 계산된 모델의 두께는 60mm 와 70mm이고, Mean Pressure 기준에서 상대적으로 작 은 값이 계산된 모델의 두께는 50mm와 60mm으로 나타 났다. Contact Area 기준에서 상대적으로 높은 수치가 계 산된 모델의 두께는 60mm와 70mm로 나타났다. 결과적 으로 모든 기준에서 우수한 결과가 계산된 모델은 60mm 폼 모델로 나타났다. 2.3.4. 안락감을 고려한 폼 변형 모델 및 해석 조건 Lieke de Mare 등은 시트 폼의 깊이 변화로 시트 접촉 면적을 증가시켜 평균 압력 값이 최소화되는 결과를 보고 하였고, (10) 본 연구에서는 안락감이 우수한 폼 두께로 선정 된 모델(폼 두께 60mm)의 폼 형상(폼의 중앙부 깊이)에 따른 접촉면적의 증대 및 평균 압력 값을 감소시킬 수 있는 모델을 도출하고자 하였다. Fig. 6과 같이 3가지 평가 기준 에 의해 우수한 결과가 도출된 폼 두께 60mm 모델의 최종 변위에 해당하는 Convergence Displacement, 13.29mm 를 기준으로 4가지 깊이가 다른 폼 모델(13.29mm * 0.5, 1.0, 1.5, 2.0)을 Fig. 7과 같이 구성하였다.자율주행자동차 전용 시트 모델 연구 자동차안전학회지:제14권,제4호,2022 31 Fig. 8 Baseline seat model for optimization (a) Vertical load (b) Shear load (c) Upper load (d) Eccentric load Fig. 9 Stiffness load cases 2.3.5. 폼 변형 모델의 해석 결과 안락감 평가 기준으로 적용했던 3가지 기준으로 4가지 폼 형상 변형 모델에 대해 간이 더미 모델을 이용하여 시트 동적구조해석을 수행하였고 해석결과를 Table 5에 나타 내었다. 폼의 중앙부 깊이가 증가함에 따라 Max Pressure 는 증가하는 경향을 보였으며, 중앙부 깊이, 6.645mm 모 델의 결과를 제외하고 폼의 중앙부 깊이가 증가함에 따라 Contact area는 증가하는 경향이 나타났고, Mean Pressure 결과는 폼의 중앙부 깊이 변화에 따른 경향성이 도출되지 않았다. 3가지 평가 기준에 대해 결과가 우수한 2개의 모델을 각각 선정하고, 평가기준 별 우수한 모델로 가장 많이 선 정된 모델을 안락성이 우수한 모델로 정하였다. Max. Pressure 기준에서는 6.645mm와 13.29mm 깊이 의 폼이 선정되었고, Mean Pressure 기준에서는 13.29mm 와 19.95mm 깊이의 폼이 선정되었다. 반면에 Contact Area 기준에서는 6.645mm와 26.58mm 깊이의 폼이 선 정되었다. 결국, 3가지 기준에 대해 종합적으로 우수한 결 과가 도출된 모델은 6.645mm 깊이의 모델로 나타났다. Table 5 Modified form model evaluation Depth (mm) 6.64513.2919.9526.58 Max. pressure (MPa) 0.06550.06840.08960.1099 Mean pressure (MPa) 0.01190.0110.01110.0115 Contact area (mm 2 ) 68,50064,20066,50068,700 2.4. 시트 프레임 모델링 2.4.1. 시트 폼과 프레임 모델 폼 두께 60mm 모델에 중앙부 깊이가 6.645mm인 모 델이 최종적으로 안락성이 가장 우수한 폼 형상으로 선정 되었고, 폼의 아랫면에 두께 100mm의 시트 프레임 모델 을 구성하였다. 또한, 기존 시트의 슬라이더를 모사하여 Bottom 프레임 하단에 경계조건을 설정하였고, 시트 Back 과 Bottom 프레임의 연결을 담당하는 리클라이너를 모사 하여 Fig. 8과 같이 유한요소모델링을 수행하였다. 2.4.2. 강성해석의 경계 및 하중 조건 시트 프레임은 자동차의 운행 중 탑승자를 안전하게 지지 해야 하므로 탑승자의 안전을 확보할 수 있는 시트 프레임의 강성과 강도를 평가한 선행연구 (11) 의 하중 조건을 반영하여 본 연구에서는 Fig. 9와 같이 4가지 하중 조건을 적용하였다. 김성호·김수빈·한경희·신재호·김경진·장형진·김시우 32 자동차안전학회지:제14권,제4호,2022 Fig. 11 Design and non-design areas Table 6 Optimization constraints Stiffness Load Case (a)(b)(c)(d) Constraints [mm] Upper 1.058 Upper 2.921 Upper 0.058 Upper 0.112 Comfort Load Case Back foam (A)Bottom foam (B) Constraints [mm] Lower 0.138Lower 0.269 Vertical load는 Bottom 시트 프레임의 표시된 영역에 승객 1명의 하중 조건인 980N을 앞뒤에 나누어 각각 490N 을 부여하였고, 경계조건으로 시트 프레임의 슬라이더 부 위를 3방향의 병진과 회전에 대해 구속하였다. Shear load는 Bottom 시트 프레임의 측면부에 수평 방 향으로 980N을 두 지점에 나누어 부여하였고, 구속조건 은 Vertical load case와 동일하다. Upper load는 Back 시트 프레임의 전방에서 센터에 작 용하는 490N을 좌우에 분배하여 각각 245N을 수직 방향 으로 부여하였고, 구속조건은 Seat back frame의 리클라 이너 주변을 3방향의 병진과 회전에 대해 구속했다. Eccentric load는 선행된 연구 (12) 에서 승객이 자동차에 탑승 하거나 도로 면의 기울기 및 도로 사정을 고려하여 Back 시트 프레임의 전방에서 작용하는 편심하중으로 716N을 수직 방 향으로 부여하였고, 구속조건은 Front load case와 동일하다. 2.4.3. 안락감 해석의 경계 및 하중 조건 4가지 조건의 시트 프레임 강성해석조건에 추가하여 안 락감을 고려하는 하중 조건을 Fig. 10과 같이 설정하였다. 탑승객이 착좌 시 느끼는 안락감을 모델링하기 위해 시트 폼에 가해지는 탑승객의 무게를 고려하여 총 700N으로 부여하였다. Back Foam에 가해지는 힘을 300N, Bottom Foam에 가해지는 힘을 400N으로 가정하고, 선행연구 (13) 의 체압 분포 결과를 구간별로 구분하고 Back foam(A)과 Bottom foam(B)에서 최대 압력이 측정된 영역에 132N (Back foam)과 248N(Bottom foam)을 각각 적용하였다. 구속조건은 Seat 슬라이더 위치에 3방향의 병진과 회전 에 대해 구속조건을 적용하였다. Fig. 10 Comfort load case 3. 시트 프레임 최적화 해석 3.1. 최적화 정의 최적화 대상은 시트 프레임이며, 적절한 영역에서 위상 이 이루어질 수 있도록 Fig. 11과 같이 시트 프레임을 설 계 영역으로 정의하였고, 시트 폼, 리클라이너, 슬라이더, 하중이 가해지는 부분 등은 비설계 영역으로 정의해서 Optistruct(Altair Engineering Inc., version 2022)를 이 용하여 위상 최적화를 정적 해석으로 수행하였다. 3.2. 최적화 조건 위상 최적화는 구성 요소들을 효과적으로 0과 1 사이를 변화하여 최적의 위상을 찾는 방법으로 설계 변수는 요소 의 밀도이다. 제조 제약조건으로 y, z 방향으로 대칭 조건 을 부여했다. 위상 최적화를 위한 목적 함수로 설계 가능한 재료에 대한 부피 분율의 최소화로 정의했고, 구조에 대한 제약조건으로 하중 조건 별로 Table 6과 같이 설정하였다. 선행연구 (11) 에서 충분한 강성과 강도를 확인한 하중 조 건의 해석결과(Max displacement)보다 1/2배 크기의 제 약조건을 부여하여 강성이 2배 증가할 수 있도록 하였다. Vertical load는 1.058mm 이하, Shear load는 2.921mm 이하, Upper load는 0.058mm 이하로 설정하였다. Eccentric load는 강성 하중 조건을 보완하기 위해 고려하였고, 이에 대한 제약조건은 본 모델의 Upper load의 해석결과인 Max displacement와 선행연구 (10) 의 Upper load의 해석결과인 Max displacement를 비교하여 1/2배 크기의 0.112mm 이 하 조건을 설정하였다. 안락감 하중 조건에 대한 제약조건은 각 안락감 하중 조건에 대한 해석결과인 Max displacement자율주행자동차 전용 시트 모델 연구 자동차안전학회지:제14권,제4호,2022 33 Fig. 12 Topology optimization model Table 7 Topology optimization model analysis results Stiffness Load Case (a)(b)(c)(d) Max Displacement [mm] 1.2553.2290.0450.119 Comfort Load Case Back foam (A) Bottom foam (B) Max Displacement [mm] 0.7380.603 Fig. 13 Updated seat frame model Table 8 Updated model analysis results Stiffness Load Case (a)(b)(c)(d) Max Displacement [mm] 0.2800.0300.0480.104 Comfort Load Case Back foam (A) Bottom foam (B) Max Displacement [mm] 1.7760.308 보다 2배 크게 제약조건을 부여하여 안락감이 2배 증가할 수 있도록 하였다. Back foam(A) 영역에는 0.138mm 이 상, Bottom foam(B) 영역에는 0.269mm 이상으로 설정 하였다. 3.3. 최적화 결과 강성과 안락감을 고려한 위상 최적화의 형상은 Fig. 12 에 나타내었고, 이에 대한 최적화 결과를 Table 7에 나타 내었다. 부여한 제약조건과 해석결과를 비교하였을 때, 강 성 하중 조건 중 Upper load와 두 안락감 하중 조건만 제 약조건을 만족하였다. 설정한 강성 하중 조건에 대해 모두 만족하도록 강성 하중 조건에 효과적인 부위에 재료를 추가하여 개선안을 Fig. 13과 같이 구성하고, 개선된 모델의 해석결과를 Table 8에 나타내었다. 개선된 모델은 모든 하중 조건에 대해 제 약조건을 만족하였으며, 강성 조건을 2배 만족하고 안락 감도 2배 만족하는 시트 설계안이 도출되었다. 4. 결 론 자율주행기술의 발전으로 자율주행자동차의 운행이 보 편화될 시기가 앞당겨질 것으로 전망된다. 자율주행자동 차에 탑승한 승객은 다양한 착좌자세를 취할 수 있으며 차량 내에서 편안한 자세, 즉 안락성을 느낄 수 있는 자세 로 이동할 것으로 예상되어 본 연구에서는 안락성과 강도 조건을 만족하는 자율주행자동차 전용 시트모델의 개념 연구를 수행하였다. 탑승객의 가장 편안한 자세를 피실험자 실험을 통해 도 출하고 승객의 안락성에 영향을 미치는 폼 두께 및 형상과 시트 강성에 영향을 미치는 시트 프레임의 형상에 관해 최적화를 수행하였고, 최적화 조건에 만족하는 시트 설계 개념 안을 도출하였다. 본 연구는 자율주행자동차에 적용 될 시트의 개념 설계를 위한 연구방법을 제시하였으며 본 연구 내용은 자동차 탑승객의 우수한 안락성과 안전도를 확보할 수 있는 시트 개면 설계의 기초자료가 될 것이다. 추후 피실험자의 수와 연령, 성별 등을 종합적으로 고려한 체압 분포 실험을 통한 해석결과 검증 연구가 필요하며 주행 중의 승차감을 고려한 시트 안락성 평가를 위한 하중 및 경계 조건의 연구도 요구된다. 후 기 본 연구는 ‘자율주행기술개발혁신사업, 주행 및 충돌상김성호·김수빈·한경희·신재호·김경진·장형진·김시우 34 자동차안전학회지:제14권,제4호,2022 황 대응 안전성 평가기술 개발’의 연구 결과로서 국토교 통부와 국토교통과학기술진흥원의 지원으로 수행되었음 (과제번호 22AMDP-C160637-02). 참고문헌 (1)장승주, 2016, “자율 주행 자동차 관련 SW기술 동 향”, Information and Communications Magazine, pp. 27~33. (2)권주영, 주다영, 2018, “완전 자율주행 자동차의 실 내공간 설계를 위한 문헌연구 기반의 실내행위 분석 및 유형화”, Journal of the HCI Society of Korea, Volume 13, Issue 2, pp. 5~20. (3)박유선, 2022, “자율주행 자동차의 세그먼트 모델 제안을 위한 모빌리티 퍼니처 구성 연구”, 한국산학 기술학회논문지, Vol. 23, No. 4, pp. 370~376. (4)김기선, 김성수, 김세환, 조재웅, 2013, “자동차 시 트 프레임의 구조 강도 해석에 관한 연구”, 한국산학 기술학회논문지, Vol. 14, No. 1, pp. 39~44. (5)박상남, 2009, “자동차 시트 기술 개발동향”, Auto Journal, pp. 26~33. (6)전용두, 2021, “차량용 시트 쿠션의 경도 특성이 인 체의 안락감에 미치는 영향”, 최종보고서. (7)Toyota Motor Corporation, 2021, “TOTAL HUMAN MODEL FOR SAFETY (THUMS): REVOLUTIONI- ZING CRASH SIMULATION TO SUPPORT SAFE MOBILITY FOR ALL”, January 28, 2021. (8)M.M. VERVER, J. VAN HOOF, C.W.J. OOMENS, J.S.H.M. WISMANS, F.P.T. BAAIJENS, 2004, “A Finite Element Model of the Human Buttocks for Prediction of Seat Pressure Distributions”, Taylor & Francis,Vol. 7, No. 4, August 2004, pp. 193~ 203. (9)지효성, 김성육, 전용두, 2020, “피험자 체형에 따른 자동차 시트 쿠션의 체압분포 특성과 안락감”, 한국 자동차공학회 대전·세종·충청지회 춘계학술대회. (10)Lieke de Mare, Bas de Groot, Fleur de Koning, Richard Geers & Daniel Tetteroo, 2021, “The influence of a contoured seating base on pressure distribution and discomfort”, Taylor & Francis Online. (11)김성수, 김기선, 최두석, 박상흡, 김세환, 조재웅, 2012, “자동차 시트 쿠션 프레임 및 백 프레임의 구조 강도 해석”, Journal of the Korea Academia-Industrial, Vol. 13, No. 11, pp. 4,956~4,962. (12)신현호, 강희용, 양성모, 2019, “유한요소해석을 이 용한 차량용 시트 백 프레임의 최적설계”, 자동차안 전학회지, Vol. 11, No. 4, pp. 57~62. (13)Peter Vink, Conne Mara Bazley and Karen Jacobs, 2016, “Application of ideal pressure distribution in development process of automobile seats”, Journal of Prevention, Assessment & Rehabilitation, Vol. 54, No. 4, pp. 895~904.35 ◎ 논 문 http://dx.doi.org/10.22680/kasa2022.14.4.035 자율주행 자동차 정지 거동에서의 인지 불확실성을 고려한 확률적 모델 예측 제어 김상윤 * ·조아라 ** ·이경수 ***,† Stochastic Model Predictive Control for Stop Maneuver of Autonomous Vehicles under Perception Uncertainty Sangyoon Kim * , Ara Jo ** , Kyongsu Yi ***, † Key Words: Stochastic Model Predictive Control(확률적 모델 예측 제어), Stop Maneuver(정지 거동), Perception Uncertainty(인지 불확실성) ABSTRACT This paper presents a stochastic model predictive control (SMPC) for stop maneuver of autonomous vehicles considering perception uncertainty of stopped vehicle. The vehicle longitudinal motion should achieve both driving comfortability and safety. The comfortable stop maneuver can be performed by mimicking acceleration profile of human driving pattern. In order to implement human-like stop motion, we propose a reference safe inter-distance and velocity model for the longitudinal control system. The SMPC is used to track the reference model which contains the position uncertainty of preceding vehicle as a chance constraint. We conduct simulation studies of deceleration scenarios against stopped vehicle in urban environment. The test results show that proposed SMPC can execute comfortable stop maneuver and guarantee safety simultaneously. * 서울대학교 기계항공공학부, 석사과정 ** 서울대학교 기계항공공학부, 박사과정 *** 서울대학교 기계항공공학부, 교수 † 교신저자: kyi@snu.ac.kr E-mail: oiei0806@snu.ac.kr 1. 서 론 자율주행 자동차의 인지, 측위, 판단, 제어기술이 고도 화됨에 따라 차체 및 시스템의 안정성과 승차감 개선으로 인한 불안감 해소에 이목이 집중되고 있다. 자율주행차의 안정성을 위해서는 시스템이 측정 불확실성에 대한 정보 를 알고 대응하고, 외란에 대한 강건함을 보장해야 한다. 자율주행차 탑승자가 편안한 승차감을 느끼기 위해서는 주행형태가 수동주행과 유사해야 되며, 안정성이 보장되 는 범위 안에서 합리적이되 지나치게 보수적이지 않은 거 동을 보여야한다. 자율주행차의 종방향 거동은 선행차량 및 전방 장애물 과의 충돌 방지에 대한 안전을 보장함과 동시에 탑승자에 게 불안함 및 주행 이질감을 주지 않아야 한다. National Highway Traffic Safety Administration에서 공개한 2007 년 설문 (1) 에 따르면 어댑티브 크루즈 컨트롤 기능에서 가 장 개선해야할 요소는 승차감이라고 하였다. 편안한 종방 향 거동을 결정짓는 요소는 가속도와 가가속도(jerk)다. 종방향 가속도와 가가속도를 제한하여 차량을 제어하면 분명 탑승자에게 편안함을 제공할 수는 있지만, 필요 제어 입력이 실행 불가능할 수 있어 충돌 방지에 대한 안전성을 장담할 수는 없다. 반면에 전방 충돌을 확실하게 방지하고 자 가속도 및 가가속도의 입력을 과하게 가하면 승차감에 악영향을 미친다. 더불어 자율주행차가 측정한 전방 차량 및 장애물까지의 거리는 실제 값과 오차가 있는데 이 측정 자동차안전학회지: 제14권, 제4호, pp. 35∼42, 2022 논문접수일: 2022.4.17, 논문수정일: 2022.10.7, 게재확정일: 2022.11.4김상윤·조아라·이경수 36 자동차안전학회지:제14권,제4호,2022 Fig. 1 Overall architecture of the proposed longitudinal braking-stop control system 의 불확실성을 무시한 채 종방향 거동을 설계하면 인지 성능이 저하된 악의 상황에서 안전성에 문제가 발생한다. John-Jairo Martinez (2,3) 는 크루즈 컨트롤을 위한 새 로운 차간거리 기준 모델을 제안했다. 이 차간거리 참조모 델에서의 종방향 제어 입력은 Hunt (4) 가 제안한 비선형 댐 퍼/스프링 모델을 따르며, 제어 입력이 실행 가능할 수 있 는 최대 가속도와 가가속도는 수학적으로 구해진다. 이 모 델에서는 자차량이 선행차량과 적절한 차간 거리를 유지 하며 속도와 가속도를 추종하지만, 정지 혹은 저속의 차량 을 대상으로 감속할 때에는 초반에 과도한 제동입력이 가 하는 모습이 관찰됐다. Li-hua LUO (5) 는 모델 예측 제어 (Model Predictive Control, MPC) 기법을 이용하여 승차 감, 연비, 안전성을 고려한 적응형 크루즈 컨트롤을 제안 하였다. 안전성 보장을 위해 차간거리가 최소 안전거리보 다 길다는 구속조건을 있고, 승차감과 연료 효율성을 위해 가속도와 가가속도의 범위에 대한 구속조건이 있다. 차간 거리에 대한 기준 모델로 Constant Time Headway(CTH) 를 적용하였고, 레귤레이터 제어기를 구성했기에 감속 거 동에서 초반에 과도한 가속도로 제동하다가 저속에서 완 화되는 형태가 나타났다. Taewon Kang (6) 은 승차감을 위 해 감속하는 차량의 속도와 가속도 프로파일을 세 구간 으로 구분하고 경계에서 연속성을 만족시킴과 동시에 가 속도와 가가속도의 한계를 만족시키는 삼각함수 형태의 함수를 제안하였다. 그에 따라 차량이 감속을 시작해야 하는 차간 거리가 계산되는데 이는 자율주행 차량의 전 방인지거리 한계를 대응하지 못한다. Jongsang Suh (7) 는 자율주행차의 차선변경 판단을 위한 확률적 모델 예측 제 어(Stochastic Model Predictive Control, SMPC) 기법을 제안했다. 차선변경 판단을 위한 safe driving envelope를 차량의 상태변수와 주변 차량의 상태에 대한 부등식 형태 의 구속조건으로 제시했다. 이를 확률 분포를 가진 chance constraints로 취급하고 constraint tightening 기법으로 해결했다. 본 연구는 정지차량을 대상으로 안전성이 보장되고 승 차감이 향상된 자율자동차의 제동거동을 제안한다. Constant time headway rule을 적용하여 선행 차량에 대해 ACC를 하던 기존 연구와 달리 수동 주행 데이터와 유사한 새로운 차간거리 및 속도 기준 모델을 제시하고 이를 추종한다. 오직 정지차량을 대상으로 작동하는 제동 모드이며 이 모 드의 작동조건을 위한 판단 알고리즘과 기준 모델을 추종 하는 제어 알고리즘을 제안한다. 안전성을 위해 차량이 제 동 거동 중 최소 차간거리를 초과하지 않는 조건이 구속조 건으로 작용한다. 선행 차량에 대한 측정 거리의 불확실성 이 가우스 확률분포로 가정되며 이 chance constraint를 SMPC에 적용한다. Fig. 1은 자율주행 차량의 감속-정지 모드를 위한 알고 리즘 구조를 보여준다. 인지 모듈에서 측정한 정보로부터 target manager module이 선행차량의 속도와 거리를 측 정한다. Host vehicle filter에서 자차량의 속도를 추정한 다. 판단 모듈에서는 앞서 추정한 데이터로부터 감속-정 지 모드가 작동되어야 하는 조건을 판단하고 공칭 가속도 (nominal acceleration)을 계산한다. 감속-정지 모드가 작동되면 제어 모듈에서는 선행차량까지의 거리와 자차 량의 속도로부터 기준모델을 구성하고 제한 조건들과 함 께 모델 예측 제어에 반영한다. 제시된 모델의 안전성과 승차감 검증은 시뮬레이션으로 진행된다. 2. 수동주행 데이터 Fig. 2는 정지 차량을 대상으로 감속하는 상황에서 차량 의 거동 특성을 보여준다. 차량의 초기 속도는 약 36km/h 이며 LiDAR를 장착한 일반적인 자율주행차의 인지거리자율주행 자동차 정지 거동에서의 인지 불확실성을 고려한 확률적 모델 예측 제어 자동차안전학회지:제14권,제4호,2022 37 (a) Clearance (b) Velocity (c) Acceleration (d) Time to Collision (e) Clearance vs Velocity Fig. 2 Human driving dataFig. 3 Flow chart of the decision algorithm 인 40m부터 타겟을 감지했다고 가정하고 감속을 시작한 상황이다. 운전자는 초반에 해당 차간거리와 속도에서 필 요한 제동 입력을 경험 바탕으로 일정하게 가한다. 차간 거리가 가까워지면서 부족한 제동 입력을 더 가해주어 최 소 차간거리 3m부근에서 정차한다. 본 연구에서 모사할 차량의 제동 거동 특성은 수동주행의 가속도 프로파일 (Fig. 2(c))이다. 3. 판단 알고리즘 Fig. 3은 정지 차량 대상 감속-정지 모드(Braking-Stop Control Mode, BSC Mode)의 판단 알고리즘을 보여준다. 선행차량의 속도 () p vk 가 1km/h이하 일 때 정지차량으로 판단한다. 자율주행 시스템의 루프가 k번째 단계를 진행 할 때, BSC 모드가 작동되기 위한 기준 거리는 식 (1)과 같다. 2 0 () () 2 x b set vk dkc a (1) 2 0 ,1/,3 set whereamscmNext >