Ⅰ. 서 론

최근까지 자율주행에 대한 연구가 활발히 진행됨에 따라 자율주행 기술의 성숙화가 상당 부분 이루어졌 다. 현재 운전자 보조 수준의 종방향 및 횡방향 자율주행을 지원하는 2단계 자율주행 기술은 국내와 해외 OEM에서 양산되어 전 세계 자동차 시장에서 소비자들에게 활발히 판매되고 있다(Canalys, 2020). 혼다는 3단 계 자율주행 기술인 SENSING Elite를 Legend Ex 차량에 양산 적용하여 2021년 3월 시장에 내놓았고 현대자 동차, 벤츠는 2022년에 3단계 자율주행 기술이 장착된 자동차 판매를 계획하고 있다.

이처럼 레벨 2~3 수준의 자율주행 기술은 보편화되어 소비자에게 보급되고 있으며, 결함 또는 고장 상황 에서도 운전자의 대응이 필요 없는 4단계 이상의 자율주행 기술을 구현하기 위한 연구가 활발히 진행되고 있다. 4단계 이상의 자율주행 기술 구현을 위해서는 사람을 완전히 대체하고 사람이 운전하는 것 이상의 안 전을 확보해야 하기 때문에 먼 거리의 교통 상황이나 사각지대의 차량을 인지할 수 있어야 하는데, 기존의 레이더, 라이다와 같은 로컬 센서는 물리적인 인지 범위가 존재하고 장애물 너머의 상황은 인지하지 못하는 한계가 있다. 이러한 문제를 해결하기 위해 V2X 통신 기술이 그 대안으로 떠오르고 있다. V2X 통신 기술을 활용하면 교통정보와 같이 로컬 센서로 인지하지 못하는 새로운 정보를 인지할 수 있고 로컬 센서의 물리적 한계 너머의 정보를 얻을 수 있다. 예를 들어 V2V 통신을 이용하여 주변 차량에 대한 쓰로틀, 브레이크, 조 향각, 감가속도 정보와 같은 상태 정보를 받아 이를 자차의 제어에 활용할 수 있고, V2I 통신을 이용하여 전 방에 발생한 긴급 상황 정보를 사전에 인지하여 주변 객체와의 충돌 상황을 회피할 수 있다.(Park et al., 2014;Yun et al., 2021;Jeong et al., 2018;Kim et al., 2021).

본 연구에서는 이러한 V2X 통신기술의 넓은 인지 범위의 장점을 차량의 충돌 회피 상황에 적용하고자 한 다. 차량의 충돌 유형은 충돌 시 주변 교통 상황에 따라 매우 다양하지만 그 중에서도 차량 대 사람 간의 충 돌은 도로 위에서 가장 빈번하게 발생하는 충돌 유형 중 하나로, 충돌 상황에서 운전자가 반응할 수 있는 시 간이 매우 짧아 치명적인 결과로 이어지는 경우가 많다. 유엔 WHO의 통계 자료에 따르면 2018년 기준 연간 351,000명이 차량 대 사람 간의 충돌로 사망했으며 이 수치는 계속해서 증가하고 있다(Bachmann et al., 2021). Euro NCAP에서는 자전거나 도보를 이용하는 사람의 수가 증가하게 되면서 차량 대 사람 간의 충돌의 발생 빈도가 더욱 늘어날 것으로 전망하여, 2017년부터 AEB Test Protocol에 취약 도로 사용자 즉 VRU(Vulnerable Road User)와의 충돌상황에서 차량의 안전 기술을 테스트하기 위한 평가시나리오와 조건들 을 명시하여, 이 항목에 대한 안전도 점수를 부여하고 있다(Euro NCAP, 2021).

VRU와의 충돌을 방지하기 위해 차량에 장착된 카메라, 레이더, 라이다와 같은 로컬 센서를 활용한 많은 연구들이 이루어져 왔다. 하지만 로컬 센서를 활용한 연구를 살펴보면 센서의 인지 범위 한계로 인해 VRU 를 인지하고 거동을 예측하는데 한계가 있거나 주변 차로가 비어 있다는 가정을 한 경우가 다수이다. 이러한 점은 다양한 VRU의 거동 및 교통류 흐름을 보이는 도심 상황에서는 적용하기 어려운 점이 존재한다(Tsuji et al., 2002;Scheunert et al., 2004;Gandhi and Trivedi, 2006;Xu et al., 2005;Chun and Lee, 2012;Kim et al., 2018a;Kim et al., 2018b).

이러한 한계를 극복하기 위해 V2X를 활용한 대표적인 연구 사례들을 살펴보면, Shan et al.(2021)은 레이저 센서와 비전 센서를 장착하여 노변 객체의 동적 물리량을 계측하여 V2X 통신을 통해 전송하는 RSU(Road Side Unit)를 개발하고 VRU의 상태 정보를 받아 자율주행 차량의 인지 범위를 확장하는 방법을 제시함으로 써 인지 확장을 통한 자율주행 차량의 충돌 안전성 제고의 효과를 실차 시험을 통해 검증하였다. Baek et al.(2020)은 로컬 센서의 날씨 조건 및 시야각(FOV) 등에 의한 인지 한계로 인해 발생할 수 있는 사고 상황을 방지하기 위해 V2X 통신을 통해 센서 정보를 다른 차량에 공유함으로써 차량 또는 VRU와의 충돌을 경고하 는 알고리즘에 대해 제안하였다. 하지만 이러한 연구들은 VRU의 인지 방법에 중점을 두거나 경고를 주는 정도로 활용하였을 뿐 충돌 회피를 위한 전략적인 접근법에 대해 제시하지는 않았다.

따라서 본 논문에서는 V2X를 통해 얻은 VRU의 정보를 보다 능동적으로 활용하여 VRU의 거동을 예측하 고 다양한 교통상황에서도 VRU와의 충돌을 효과적으로 회피 또는 완화할 수 있는 제어 알고리즘에 대해 제 안하고자 한다.

알고리즘 개발에 사용된 V2X 메시지 셋은 V2X 표준 메시지 셋을 정의하는 SAE J2735에 제시된 VRU의 안전 확보 목적의 메시지 셋인 PSM(Personal Safety Message)과 차량 상태 변수와 같은 기본적인 동적 정보를 담고 있는 BSM(Basic Safety Message)을 활용하였다. PSM의 송수신 주기는 J2735에서 정의하는 BSM의 송수 신 주기인 10Hz로 가정하였다(SAE Standard J2735, 2016). 알고리즘의 유효성은 Euro NCAP VRU Test Protocol의 테스트 중 CBNA(Collision to Bicyclist Nearside Adult)시나리오를 활용하여 시뮬레이션 환경에서 검증하였다(Euro NCAP, 2021).

Ⅱ. 시뮬레이션 환경

본 연구에서는 <Fig. 1>과 같이 시뮬레이션 환경을 구성하였다.

<Fig. 1>

Architecture of simulation environment

CarMaker에서는 알고리즘의 타당성 확보를 위해 실차량 거동과 유사한 거동을 모사하도록 고자유도 차량 동역학 시뮬레이션을 수행하며, 알고리즘 구현에 필요한 주변 차량 정보와 VRU정보와 같은 동적 데이터를 가상으로 구현된 전측방 레이더와 V2X 통신 모듈을 통해 계측하여 Matlab/Simulink 환경에서 구성된 알고리 즘으로 전달한다. 알고리즘에서는 계측된 정보를 바탕으로 충돌 회피 전략을 판단한 뒤 VRU와의 충돌 회피 에 필요한 가감속 및 조향 입력을 CarMaker로 전달하여 회피 전략을 수행한다. 충돌 회피에 사용된 PSM/BSM 메시지셋은 <Table 1>과 같다.

<Table 1>

V2X message set for collision avoidance

차량은 도심을 주행하며 주변에 설치되어 있는 RSU로부터 위의 정보를 수신하게 된다. VRU의 위치 및 동적 거동 정보는 Shan et al.(2021)의 연구 및 Ojala et al.(2020)의 연구에서 제시하는 바와 같이, 노변에 설치 된 카메라나 레이더 등을 통해 도로 객체의 데이터를 취득하고 이를 객체 분류 알고리즘을 거쳐 객체 분류 를 수행한 뒤 해당 객체의 동적 물리량을 계측하여 차량에 전달하는 원리로 얻을 수 있으며, 주변 차량의 가 속도 정보는 각 차량에 설치된 OBU(On Board Unit)으로부터 V2X 통신을 통해 얻을 수 있다.

Ⅲ. VRU 충돌 회피 알고리즘

VRU와의 충돌을 회피하기 위한 알고리즘은 크게 VRU 거동 예측 및 충돌 위험 판단과 회피 전략 수행의 2단계로 구성된다. 먼저 VRU 거동 예측 및 충돌 위험 판단 단계에서는 V2X를 통해 전달받은 VRU의 위치 및 거동 정보를 바탕으로 TTC(Time To Collision) 시점에서의 VRU의 위치와 자차량의 위치를 예측하고 자차 량의 주행경로와 비교하여 충돌 가능 여부를 판단한다. 다음으로 충돌이 예측되면 조향 회피 또는 제동 회피 전략 중 하나를 선택하여 전략별 제어를 수행하고 충돌이 예측되지 않으면 기존의 계획된 차량 거동 제어를 수행한다.

1. VRU 거동 예측 및 충돌 위험 판단

먼저 V2X를 통해 받은 VRU의 글로벌 동적 정보(속도, 위치)를 아래 식 (1)의 좌표변환 행렬을 활용하여 자차량의 로컬 좌표계로 변환한다. X ,Y 는 글로벌 좌표계 기준의 동적 정보를 나타내고 x,y는 로컬 좌표계 기준의 동적 정보를 나타낸다. θ 는 차량의 글로벌 요각을 나타내며 글로벌 정보는 GPS를 통해 얻는다.

VRU의 위치가 자차량 로컬 좌표계를 기준으로 횡방향 거리 3.25m이내에 존재할 경우 충돌 잠재 위험이 있다고 판단한다. 3.25m의 기준은 차량이 주행하고 있는 차로 폭의 절반에 해당하는 1.75m와 보행자 도로 최소 설계 폭 1.5m를 활용하여 도출한 수치이다(Ministry of Land, Infrastructure and Transport, 2016). 충돌 잠 재 위험이 판단되면 충돌 가능 여부를 판단하기 위해 VRU와의 TTC를 연산하고 TTC에서의 VRU의 위치를 예측한다. TTC는 자차량과 VRU 사이의 종방향 상대 거리(d_rel)와 종방향 상대 속도(υ_rel)를 기준으로 식 (2) 와 같이 계산된다.

VRU의 위치 예측에는 예측 모델의 우수성이 검증된 등속도 모델을 사용하였고(Schöller et al., 2020) 식 (3)과 같이 표현된다

x_off, y_off는 VRU와 충돌 잠재 위험 판단 시점에서 차량 로컬 좌표계 기준의 VRU의 위치를 뜻하며 υ_VRU 는 VRU의 속도, θVRU 와 θ 는 각각 VRU와 차량의 요각 정보를 의미한다. 위 수식 정보를 통해 TTC 이후 VRU의 위치정보 x_VRU,TTC 와 y_VRU,TTC 를 예측하며, 이 위치는 추후 기술될 충돌 회피 경로 생성 시 충돌을 판단하기 위한 정보로 활용된다.

2. 충돌 회피 전략

이번 절에서는 3.1절에서 예측된 TTC시점에서의 VRU의 위치 정보를 기반으로 수행하는 충돌 회피 전략 에 대해 설명한다. <Fig. 2>는 본 논문에서 제안하는 충돌 회피 알고리즘에 대한 순서도를 나타낸다.

<Fig. 2>

Flow chart of collision avoidance system

자율주행 중인 자차량이 VRU와의 충돌 잠재 위험을 판단하면 VRU와의 충돌 예상 시점인 TTC에서의 VRU의 위치정보를 예측한다. 예측 시점에서 VRU의 위치가 자차량 주행경로 상에서 완전히 벗어났다고 판 단될 경우 기존에 계획된 차량 거동 제어를 수행한다. 하지만 VRU가 자차량의 주행 경로 상에 위치하여 충 돌 위험이 발생할 것으로 예상될 경우 자차량은 VRU와의 충돌 회피를 위해 조향 회피 또는 긴급 제동을 수 행한다. 단, 순서도 내 천이 조건에 대한 확인은 알고리즘의 주기 마다 확인하여 조향 회피 중에도 조향 회 피 조건이 충족되지 않으면 제동 회피를 수행하고 제동 회피 중에도 다시 조향 회피 조건이 충족되면 조향 회피를 수행한다.

본 알고리즘에서는 충돌 회피 시 조향을 통한 충돌 회피를 우선적으로 고려한다. 자율화 수준 2단계 이하 의 자동차에서는 제어의 주체가 운전자이므로 일반적으로 충돌 상황에서 보수적인 접근으로 제동을 통해 먼 저 시스템이 개입한다. 그리고 제동을 통한 회피가 불가한 상황이며 운전자의 조향 회피 의지가 있다고 판단 되면 추가적인 조향 토크를 주어 운전자의 조향력을 보조한다. 하지만 본 연구에서는 제어의 주체가 차량에 있으므로 차량 거동 결정에 완전한 개입을 하고 V2X를 통한 인지 확장을 통해 VRU의 거동 정보를 사전에 알 수 있다는 장점이 있기 때문에 조향 회피를 통해 충돌 회피가 충분히 가능한 상황에서는 일률적인 제동 제어 대신 조향 회피를 수행한다. 조향 회피를 우선적으로 고려하는 것은 효율적인 교통류 흐름 형성 및 차 량의 주행 효율성을 높일 수 있으며 이러한 효과는 다수의 차량이 연비 향상 및 주행 안전의 목적으로 짧은 차간 간격을 유지하며 주행하는 대열 주행 시 더욱 극대화 될 것이라 생각된다.

1) 조향 회피 전략

조향 회피를 위해서는 먼저 차로 변경 가능 여부를 판단한다. 이를 위해 전측방 및 후측방 레이더를 활용 하여 주변 차량들과의 상대 거리, 상대 속도를 계측하고 V2X 통신을 통해 얻은 상대 가속도를 활용하여 차 로 변경 위험도 판단 지표(Lane Change Criterion)를 계산한다. 차로 변경 위험도 판단지표가 모두 차로 변경 이 가능하다고 판단될 경우 자차량은 조향 회피 경로 후보군을 차량의 횡방향 거동 안정성을 고려하여 생성 한다. 이후 여러 경로 후보군 중 VRU와의 충돌 여부를 판단하여 최종 경로를 선택한다. 만약 후보군 내에 충돌 회피 가능 경로가 없으면 제동 회피 전략을 수행한다.

(1) 차로 변경 위험도 판단

차로 변경 위험도 판단은 주변 차량과의 안전거리를 계산하여 수행한다. 안전거리는 안전한 차로 변경을 위해 변경할 차로에 존재하는 전측방 및 후측방 차량들과 자차량 사이에 확보해야 할 상대 거리를 의미하며 식 (4)와 같이 결정하였다.

c_{s f}와 c_{s r} 은 차로 변경을 수행하기 위한 전측방 및 후측방 차량과의 상대적 안전 거리를 나타내며 υ_{s f}와 υ_sr 은 전측방 차량과 후측방 차량의 종방향 속도를 나타내며 υ_e 는 자차량의 속도를 나타낸다. 또한 a_sf와 a_sr 은 전측방 차량과 후측방 차량의 종방향 가속도를 나타내며 a_e 는 자차량의 가속도를 나타낸다. 상대속도 항과 상대 가속도 항은 주변 차량과의 상대 운동을 반영한 항으로 자차량으로부터 멀어지거나 멀어지는 방 향으로 가속하는 경우에는 요구되는 안전거리가 낮아지게 된다. 로컬 센서만을 활용하여 차로 변경을 위한 안전영역을 판단해야 하는 경우 계측 가능한 상대속도나 자차속 정보를 이용하지만 V2X 통신을 활용하면 주변 차량의 가속도 정보 또한 알 수 있으므로 이를 반영하여 주변 차량의 급가속 및 급감속과 같은 위험 상황에 대응한다. τ_υx,rel와 τ_ax,rel은 상대 속도 항과 상대 가속도 항에 대한 가중치 개념으로 튜닝 파라미터이 며, c₀ 는 최소 안전 거리로 차량의 전장 길이 이상의 값으로 결정한다.

식 (4)에 의해 차로 변경을 위한 최종 안전거리가 계산되면 측전방 및 측후방 차량과의 상대 거리(d_sf, d_sr )와 비교하여 현재 상대 거리가 안전 거리(c_sf, c_sr )보다 큰 지를 판단하고 이 두 가지 조건이 동시에 만족 될 경우 차로 변경이 가능한 것으로 판단한다. 식 (5)는 위에서 산정된 안전거리를 기반으로 위험도 판단 지 표 i_LC 를 나타낸다.

(2) 경로 생성

차로 변경 위험도 판단부에서 차로 변경이 가능하다는 판단을 내리게 되면 자차량은 차로 변경을 위한 경 로를 생성한다. 본 연구에서는 베지어 곡선(Bezier Curve)을 이용하여 차로 변경 경로를 생성하였다(Sederberg and Farouki, 1992). 베지어 곡선은 제어 시작점 위치와 제어 끝점 위치를 기준으로 부드러운 경로를 생성할 수 있고 중간 제어점을 통해 쉽게 곡선의 모양을 조절할 수 있는 장점이 있다. 또한 베지어 곡선을 활용한 경로 생성에 관한 이전 연구에 따르면 5차 다항식을 사용하였을 때 가장 효율적인 성능을 준다는 것이 증명 된 바 있다(Bae et al., 2013). 이에 따라 본 논문에서는 5차 다항식의 베지어 곡선을 이용하여 차로 변경을 위 한 경로를 생성하였다.

5차 베지어 곡선을 생성하기 위해서는 먼저 <Fig. 3>과 같이 6개의 제어점을 생성한다. P₀는 최초 제어점 으로 차로 변경 시작점인 현재 위치이며 P₅는 최종 제어점으로 차로 변경 종료 위치를 뜻한다. 중간 제어점 P₁,P₂,P₃,P₄의 위치는 최초 제어점과 최종 제어점에서의 곡률을 0으로 만들기 위해 차로 중앙에 위치 하도 록 설정하였다. L _c는 최초 제어점으로부터 최종 제어점까지의 종방향 길이를 뜻하며 이를 설정하는 기준은 본 절 하단에 설명하였다.

<Fig. 3>

Example of 5th order Bezier curve

베지어 곡선은 다음 식 (6)으로 표현된다.

n은 베지어 곡선의 차수를 의미하며, t는 0과 1사이의 매개 변수를 의미한다. 5차 베지어 곡선의 경우 t 가 0에서 1까지 변함에 따라 B (0) = P₀을 최초 제어점으로 시작하여 B (1) = P₅를 최종 제어점으로 하는 베 지어 곡선이 그려지게 된다. 최종 제어점이 너무 짧을 경우 급격한 조향이 발생하여 차량의 횡방향 안정성을 저하시킬 수 있다. 따라서 본 연구에서는 주행 상황에 따라 차량의 횡방향 안정성을 잃지 않는 최소 제어점 을 정의하고 그 길이 이상으로 경로 후보군을 생성하도록 하였다.

경로 후보군은 차로 변경 시작 지점으로부터 차로 변경 완료 지점까지의 종방향 거리 L _c에 따라 등간격으 로 생성하였다. 후보군 간 간격은 설계 변수로 간격을 늘릴수록 후보군의 개수가 많아지지만 연산 속도 저하 의 영향이 있기 때문에 목표 제어 성능에 영향이 없도록 선택하여야 한다. 본 연구에서는 실험적 비교를 통 해 5m 간격으로 후보군을 생성하였다.

차량 횡방향 안정성은 최대 횡가속도를 지표로 판단하였다. 즉 경로의 곡률에 따라 요구되는 횡방향 가속 도가 노면의 마찰계수를 초과할 경우, 차량은 횡방향 안정성을 잃을 수 있다. 따라서 본 연구에서는 베지어 곡선의 최고 곡률이 유발할 수 있는 횡방향 가속도를 고려하여 최단 거리 경로를 설정하였으며 마른 노면을 가정하여 0.9g 이하로 생성되도록 하였다. 생성된 경로에서 요구되는 가속도를 구하는 식은 다음 식 (7)과 같 다.(Li et al., 2019)

위 식에서 k는 베지어 곡선 내부 제어점에서의 곡률을 뜻하며 이 곡률이 가장 큰 지점에서 요구되는 횡 방향 가속도가 최대가 된다.

(3) 경로 선택

각 경로에서 VRU와의 충돌 회피 여부를 판단하기 위해, TTC 시점에서의 자차량과 VRU의 위치를 비교한 다. 생성된 차로 변경 경로와 3장에서 계산된 VRU의 예측 위치는 현재 자차량이 주행중인 차로의 좌표계 상에서 계산되므로, 각 경로 후보 마다 TTC 시점에서의 자차량 위치를 예측한 뒤 해당 위치에서 현재 차로 중심과의 횡방향 이탈거리가 VRU의 차로 중심 이탈 거리보다 크다면 충돌을 회피할 수 있는 경로라 판단한 다. VRU의 차로 중심 이탈 거리는 VRU의 크기와 차량의 폭을 반영한 여윳값 y_m 을 고려하여 계산한다. 본 연구에서는 VRU의 크기와 자차량의 전폭을 각각 1.89m 와 1.96m인 경우로 고려하였으며(ACEA, 2018), 여윳 값 y_m 은 아래 식 (8)과 같이 계산된다.

각 경로의 TTC 시점에서 VRU와의 충돌 회피 여부를 계산하기 위한 수식은 식 (9)와 같다.

i_{n, collis ion} 은 5m 간격으로 생성된 주행 경로 후보군 중 n번째 주행 경로의 TTC 시점에서 충돌 회피 가 능 여부를 나타내는 지표이다. y_VRU.TTC 는 TTC 시점에서의 VRU의 차로 중심 기준 상대적인 침범 위치를 뜻 하며 B _n (x_{V RU .TTC} )는 앞서 설명한 베지어 곡선으로 생성된 n번째 주행 경로에서 TTC 에서의 차량의 차 로 중심 이탈량을 뜻한다. i_n,collision가 양수일 경우 TTC 시점에서 VRU를 회피가 가능하다고 판단하며 0보다 같거나 작은 경로는 VRU와의 충돌 가능성이 있는 경로로 판단하여 경로 선택 후보에서 배제한다. 충돌 회 피 가능 경로가 다수일 경우 <Fig. 4>와 같이 후보군 중 차량의 횡방향 거동 안정성을 위해 가장 긴 종방향 거리의 경로를 선택한다. 만약 모든 경로 상에서 VRU를 회피하는 경로를 찾지 못할 경우 제동을 통한 충돌 회피를 수행한다.

<Fig. 4>

Generation of path candidates

(4) 경로 추종

최종적인 차로 변경 경로가 선택되면 선택된 경로를 추종하기 위한 횡방향 제어가 수행되어야 한다. 본 연구에서는 Stanley Method 기법을 적용하여 횡방향 제어기를 설계하였다(Snider, 2009).

Stanley 기법은 <Fig. 5>와 같이 조향각 산출 시 자차량의 전륜축 중심점에 대한 경로 곡선의 최단거리 횡 방향 오차와 차량과 곡선 간의 각도 오차를 이용한다. 먼저 전륜 차축 중심점에서 목표 경로까지의 최단 거 리를 계산하고 이에 대한 횡방향 오차를 적용하여 아래 식 (10)과 같이 조향각을 산출한다.

<Fig. 5>

Schematics of path tracking algorithm

e_θ , e _y , η 그리고 υ는 각각 경로 상의 최단 거리 지점에서의 접선 벡터와 차량의 종방향 축이 이루는 오 차, 최단 거리 지점과의 횡방향 거리 오차, 횡방향 거리 오차에 대한 가중치와 차속을 나타낸다.

2) 제동 회피 전략

조향으로 VRU와의 충돌 회피가 불가능한 경우에는 제동을 통해 충돌을 방지하거나 완화시킬 수 있다. 본 연구에서는 TTC 별로 제동 전략을 나누어 수행하였다. ACC에서 요구되는 감속도만으로도 충분히 충돌을 회피할 수 있는 상황에서는 차량 내 승객의 승차감과 주행 효율을 고려하여 ACC 요구사항에 따른 감속 전 략을 수행하고 그렇지 않은 상황에서는 긴급제동을 수행한다. ACC 감속모드와 긴급 제동모드를 나누는 기 준은 벤츠의 PRE-SAFE BRAKE 시스템을 참조하여(Breuer et al., 2007) TTC 1.6초 이상일 경우 ACC 감속 모 드, 1.6초 미만일 경우 긴급 제동 모드를 수행하였다.

조향 및 ACC 모드로 VRU와의 충돌 회피가 불가능한 상황에서는 긴급 제동이 수행되어야 한다. 본 논문 에서는 ACC 모드에서의 감속도는 ISO 15622 표준에 제시되어 있는 전략을 사용하였으며(ISO 15622, 2018) 긴급제동 감속도는 TTC 1.6초 이하일 경우 Partial Braking(0.4g~0.5g), TTC 0.6초 이하일 경우 Full Braking(0.9g~1g) 을 수행하도록 구성하였다.

Ⅳ. 충돌 회피 알고리즘 검증

이번 장에서는 본 논문에서 제안한 V2X 기반의 충돌 회피 알고리즘의 유효성 검증을 위해 수행한 시뮬레 이션 결과를 보여주며, 비교를 위해 기존의 레이더만을 활용한 충돌 회피 로직을 사용하였을 때의 결과를 함 께 보여준다. 레이더 기반 충돌 회피 알고리즘은 기존의 제동 우선인 차량을 가정하여 50kph에서 full-braking 시 정차하는 데까지 걸리는 시간인 1.38s를 기준으로, TTC가 그 이상인 경우는 제동 회피를 수행하고 이외 의 경우에는 조향 회피를 하도록 구성하였다. 단, 조향 회피 가능 여부는 주변 차로의 차량 존재 유무로 판 단하며 조향 회피가 불가한 경우에는 제동 회피를 수행한다고 가정한다.

비교에 활용된 시나리오는 앞서 언급하였던 Euro NCAP AEB VRU 테스트 시나리오를 기본으로 하고, 로 컬 센서의 인지 한계 상황을 모사하기 위한 CBNA(Car-to-Bicycle Nearside Adult)시나리오를 활용하였다. CBNA 시나리오는 자전거가 장애물에 가려진 채 차로에 수직으로 접근하는 시나리오이다. Euro NCAP 프로 토콜에 따라 자전거의 초기 속도는 15kph로 설정하였으며 자전거는 차량을 발견하고 차로 중앙에 정지하도 록 하였다. 충돌 회피에 사용 되는 VRU 예측 위치 정보는 식(3)과 같이 등속도 모델로 계산되지만, VRU의 속도 변화에 따라 실시간으로 계산되므로 VRU의 거동 변화에도 회피 대응이 가능하다. 10~60kph의 범위로 정의되어 있는 차량의 주행 속도의 경우, 국내 도심 도로 제한 속도인 50kph 주행 상황으로 설정하였다. 시 나리오는 TTC 1.38s 이하의 다양한 긴급 상황에서의 회피 알고리즘의 검증을 위해 제동 회피, 조향 회피, 제 동 후 조향 회피, 조향 후 제동 회피 4가지 경우를 고려하였다.

1. 제동 회피 상황

긴급 제동을 통해 VRU와의 충돌을 회피하는 상황은 자차량이 주변 차량과의 충돌 위험을 고려해 조향 회피를 수행하지 못하는 경우이다. <Fig. 6>은 CBNA 시나리오에서 제동 회피 시뮬레이션 결과를 나타낸다.

<Fig. 6>

Simulation result of CBNA with braking

그림에서 y축 값이 Steering Wheel Angle, Acceleration, LC_criterion인 그래프는 각각 스티어링 휠의 조향각, 종방향 가속도, 차로변경 가능 여부를 나타낸다. Maneuver는 충돌 회피를 위한 주행 모드를 의미하며 Driving Mode는 긴급 제동모드에서 수행해야 하는 제동 모드로 각각 아래 식 (11)과 같이 정의된다.

레이더 정보만을 사용하여 충돌 회피를 수행한 경우 차로에 접근하는 자전거를 장애물에 의해 미리 인지 하지 못하기 때문에 VRU를 인지한 시점에서 Full Braking을 수행하였지만 13.1초에서 자전거와 충돌하는 것 을 확인할 수 있다. 반면 V2X 정보를 활용하는 경우에는 주행 경로로 진입하는 자전거를 선제적으로 인지하 고 제동 모드를 순차적으로 수행하기 때문에 충돌 회피가 가능한 것을 볼 수 있다. 이를 통해 V2X 정보를 활용하는 경우 긴급 제동을 통한 충돌 회피 성능을 확보할 수 있음을 확인할 수 있다.

2. 조향 회피 상황

조향을 통해 충돌을 회피하는 전략은 주변 차로에 존재하는 차량들과의 충돌 위험이 없고 VRU와의 충분 한 상대거리로 충돌 회피가 가능한 상황에서 이루어진다. 조향 회피는 VRU와의 충돌 가능성과 차량의 횡방 향 안정성을 고려하여 차로 변경 경로가 선택되고 이에 대한 추종 제어가 수행된다. VRU는 제동 회피 시나 리오와 같이 15kph로 주행하다 차로 중앙에 정지하는 것을 가정하였다.

<Fig. 7>의 조향각 그래프를 보면 레이더 정보만을 사용한 VRU 회피 시스템은 VRU에 대한 인지가 늦어 져 뒤늦게 급격한 회피 조향이 이루어졌다. 그 결과 VRU와의 충돌 회피는 성공하였지만 횡방향 안정성을 잃어 차로 밖으로 이탈하고 조향각을 보면 조향 회피를 수행하기 위한 제어 입력이 최대 조향각에 해당하는 720deg로 과도하게 들어가는 모습을 볼 수 있다. 레이더 정보만을 사용하여 조향 회피를 수행할 때 추가적인 구동 및 제동을 수행하지 않음에도 종방향 가속도의 변화가 요동치는 현상이 발생하는데, 이는 급격한 조향 변화에 의하여 타이어의 마찰력이 그 한계 근처에 위치하게 되고 이에 따라 횡방향 가속도의 변화가 종방향 가속도에 직접적인 영향을 끼치기 때문이다.

<Fig. 7>

Simulation result of CBNA with steering

반면에 V2X 정보 기반의 충돌 회피 알고리즘은 장애물 뒤에 존재하는 자전거를 미리 인지하고 거동을 예 측함으로써 횡방향 안정성을 잃지 않고 레이더의 경우인 720deg 보다 적은 조향 입력(100deg)으로 안정적인 충돌 회피가 가능한 것을 확인할 수 있다. Maneuver 그래프에서 보듯이 조향 회피를 수행하기에 앞서 제동 모드를 수행한 것은, 등속도 모델에 따라 VRU의 충돌 예측 위치가 현재 차로와 옆 차로 사이에 존재할 것으 로 판단되고 차로 변경만으로 충돌 회피가 불가능하다고 판단되었기 때문이다. 이후, VRU가 감속하여 충돌 예측 위치가 자차량의 현재 차로 위치에 존재할 경우 조향을 수행하여 충돌 회피를 수행하는 것을 확인할 수 있다.

3. 제동 후 조향 회피 상황

본 논문에서는 VRU와의 잠재적 충돌 위험이 존재하며 주변 차량과의 상대적 안전 거리를 만족하지 못할 경우 제동 모드로 충돌 회피를 수행하게 된다. 하지만 제동 수행 상황에서도 주변 차량과의 상대 거리가 변 화하여 안전 거리를 만족하게 될 경우 주행 효율을 위해 조향 회피 모드로 전환한다.

제동 후 조향 회피 시나리오에서는 옆 차로에 주변 차량이 존재하는 상황을 추가적으로 구성하였다. VRU 는 제동 회피 시나리오와 마찬가지로 15kph로 주행하다 차로 중앙에 정지한다. <Fig. 8>은 제동 후 조향 회 피 시나리오에서의 시뮬레이션 결과를 나타낸다.

<Fig. 8>

Simulation result of CBNA with steering after braking

자차량의 옆 차로에 등속도로 주행을 하고 있는 차량이 있는 경우 자차량은 주변 차량과의 충돌을 고려해 차로 변경을 할 수 없다. 이러한 상황에서 레이더 정보만을 사용한 경우에는 제한된 시야로 인해 뒤늦게 VRU를 인지하고 긴급 제동을 수행하지만 VRU와의 충돌 회피에 실패함을 확인할 수 있다. 하지만 V2X 정 보를 기반으로 한 경우 VRU를 미리 인지하여 그에 따른 제동을 선제적으로 수행한다. 또한 제동 회피 거동 중 주변 차량과의 안전거리가 확보되어 차로 변경이 가능해지면 차로를 변경하여 VRU와의 충돌을 회피함 과 동시에 기존의 계획된 주행경로를 진행하는 것을 확인할 수 있다. 이를 통해 레이더 정보만을 사용하는 경우보다 V2X 정보를 사용하였을 때 유동적인 제어 전략을 가져감으로써 VRU와의 충돌을 회피함과 동시에 주행 효율성도 함께 확보할 수 있음을 확인하였다.

4. 조향 후 제동 회피 상황

이번 절에서는 VRU 거동의 불확실성을 고려해 VRU의 가속이 있는 상황을 추가하여 조향 후 제동 회피 시나리오에 대해 검증하였다. 이전의 검증 시나리오와 같이 장애물 뒤에 있는 VRU가 자차량의 차로 중앙에 정지하는 거동을 한 후 추가적인 가속 거동을 수행한다.

<Fig. 9>는 조향 후 제동을 통한 회피 시나리오에서의 시뮬레이션 결과를 나타낸다.

<Fig. 9>

Simulation result of CBNA with braking after steering

레이더 정보만을 사용하여 충돌 회피를 수행한 경우에는 VRU의 거동을 예측하지 않아 VRU가 인지된 시 점에서 결정된 조향 회피 전략을 유지한다. 반면 V2X 정보를 사용하는 경우는 VRU의 거동 예측을 수행하 기 때문에 VRU의 거동 변화에 따른 전략 변경이 수행된다. 그 결과 레이더를 사용한 경우에는 차로 변경 수 행 중 발생한 VRU의 갑작스러운 가속 거동 시 충돌을 회피하지 못하는 반면, V2X를 사용한 경우는 거동 예 측을 통해 충돌 가능성을 미리 판단하는 과정을 거치므로 제동 회피로의 전략 변경을 통해 충돌을 회피한다. 또한 레이더를 사용하는 경우 늦은 VRU 인지로 인해 조향 회피 시 급격한 조향을 수행하여 차량 횡방향 안 정성을 잃고(t=12.3s, t=13.1s) 목표 차로를 이탈할 뿐 아니라 조향 회피 상황에서와 같이 급격한 조향으로 인 하여 종방향 가속도가 요동치는 현상이 발생한다.

반면 V2X 정보를 기반으로 한 경우에는 VRU를 미리 인지하여 완만한 조향을 수행함으로써 안정적인 조 향 회피가 가능함을 확인할 수 있다. 또한, Maneuver 그래프를 보면 조향 수행 전 제동이 진행되는 것을 확 인할 수 있다. 이는 위의 조향 시나리오와 마찬가지로 등속도 모델에 따른 VRU의 충돌 예측 위치가 현재 차 로와 변경 차로 사이에 존재할 것으로 판단 될 경우 조향으로 충돌 회피가 불가능하므로 제동을 수행하는 상황을 나타낸다. 이후, VRU의 감속으로 충돌 예측 위치가 현재 차로 위에 존재하며 조향으로 인한 충돌 위 험이 없는 경우 조향 회피를 수행하는 것을 확인 할 수 있다.

정리하면 V2X를 사용한 경우는 VRU의 정보를 미리 인지하고 거동을 예측한 결과 제동 회피 전략을 먼저 수행하여 차량의 속도를 일정량 감속할 수 있었으며 이후 조향 회피 시 완만한 조향을 한 결과 VRU의 거동 불확실성이 발생한 상황에서도 충분히 충돌을 회피할 수 있었다.

5. 시나리오 검증 결과 분석

이번 절에서는 V2X 통신 적용의 정량적 효과를 나타내기 위해 위에서 진행한 시뮬레이션 결과를 V2X 통 신 여부에 따른 결과표로 정리하였다. V2X 정보를 활용할 경우, VRU에 대한 인지 정보에 대해 레이더 정보 만을 사용할 경우보다 빠른 시점에서 VRU를 인지하기 때문에 차량 레벨에서의 대응도 선제적으로 진행될 수 있다.

<Table 2>

Simulation results according to application of V2X communication

레이더 정보만을 활용하여 충돌 회피를 진행할 경우, 조향 회피 시나리오를 제외한 모든 상황에서 충돌이 발생하였으나, V2X 정보를 사용하는 경우는 모든 시나리오에서 충돌 회피가 가능함을 확인할 수 있다.

조향 회피 시나리오에서는 두 경우 모두 충돌 회피가 가능하였으나 레이더 정보만을 활용하는 경우 VRU 회피에 최대 720deg의 급격한 조향각이 발생하는 것을 확인할 수 있다. 이와 달리 V2X 정보를 활용할 시, 최 대 100deg의 조향각으로 보다 안정적인 조향 회피가 가능하였다.

제동 후 조향 시나리오에서는 레이더 정보만을 사용할 시, 10m/s²의 감속도로 급격한 감속을 보임에도 충돌 회피가 불가능하였지만 V2X 정보를 활용할 경우 5m/s²의 감속도 만으로도 안정적인 충돌 회피가 가 능함을 확인하였다.

Ⅴ. 결 론

기존의 ADAS나 자율주행 기능들은 레이더 및 라이다와 같은 로컬 센서를 기반으로 작동하기 때문에 물 리적인 환경 요소에 의해 인지 범위가 제한되어 VRU와의 충돌 회피에 한계점을 가지고 있다. 본 논문에서 는 이러한 한계를 극복하기 위해 고도화된 자율 주행을 위해 필요한 V2X 통신을 활용하여 VRU와의 충돌을 회피할 수 있는 알고리즘을 소개하고 다양한 긴급 상황에서 알고리즘의 충돌 회피 유효성을 로컬 센서 기반 의 알고리즘과 비교하여 검증하였다.

제동 회피 및 조향 회피 상황에서는 V2X 기반의 VRU 충돌 회피 시스템이 로컬 센서 기반의 충돌 회피 시스템보다 작은 가감속 및 조향 입력으로 VRU와의 충돌을 회피할 수 있었으며 특히 조향 회피 상황에서는 차량 횡방향 안정성의 저해 없이 조향 회피가 가능했다. 또한 제동 후 조향 회피 상황에서는 조향 회피가 가 능하면 불필요한 감속을 수행하지 않음으로써 주행 효율성 또한 향상시킬 수 있음을 확인할 수 있었으며, 조 향 후 제동 회피 상황에서는 로컬 센서를 사용한 경우에는 VRU의 거동 불확실성을 반영하지 못하여 VRU와 의 충돌이 발생한 반면 V2X를 사용한 경우에는 VRU의 위치 예측을 실시간으로 수행한 결과 VRU와의 충돌 을 효과적으로 회피할 수 있었다.

결과적으로 본 연구에서는 로컬 센서의 인지 한계로 극복하지 못했던 VRU와의 충돌 상황을 기존 연구와 달리 V2X의 인지 확장의 장점을 활용하여 제어 전략에 적극 반영하여 제어 효율을 향상시킴은 물론 상황별 회피 전략을 제시함으로써 VRU와의 충돌을 회피함과 동시에 주행 효율을 향상시킬 수 있었다.

본 연구에서는 VRU 회피 알고리즘을 단독 차량에만 적용하여 안전 및 효율 측면에서의 성능 향상 가능 성을 확인하였다. 향후에는 주행 효율을 극대화하기 위해 선행 차량과 매우 짧은 간격으로 대열을 이루어 주 행하는 대열주행 상황에서 대열 안정성을 고려한 회피 알고리즘에 대해 연구하고자 한다.