Journal Search Engine
The Journal of The Korea Institute of Intelligent Transport Systems Vol.24 No.1 pp.250-266
DOI : https://doi.org/10.12815/kits.2025.24.1.250
DOI : https://doi.org/10.12815/kits.2025.24.1.250
Identifying Potential Risk Factors for Autonomous Vehicles Using LLM Models: Focusing on a Convergent Approach to Interpreting Collision Reports and Driving Videos
│
│
Abstract
The change from conventional to autonomous vehicles means changes in the vehicle and the driver from a human to a vehicle. This has made the cause structure of accidents more complex than existing accidents. Research is being conducted on deriving accident factors based on the CA DMV collision reports, which provide information on autonomous driving accidents. Nevertheless, analyzing all situations with existing reports has limitations because autonomous vehicles make driving decisions in complex traffic environments with artificial intelligence considering many variables. A fusion analysis of CA DMV collision reports and driving video data provided by Waymo using generative AI and BERT models was conducted to overcome these limitations. As a result, the existing accident factors and new accident risk factors in terms of vehicle driving were derived. The accident factors derived from this study are expected to help prevent and mitigate future autonomous vehicle traffic accidents.
LLM 모델을 활용한 자율주행차량 잠재적 위험 요인 도출 : 충돌 보고서와 주행 영상의 융합적 접근 해석을 중심으로
초록
일반차량에서 자율주행차량의 변화는 단순 차량의 변화뿐만이 아닌 운전의 주체가 사람에 서 차량으로 변화됨을 뜻한다. 이는 교통사고 발생 시 기존 사고에 대비하여, 사고의 원인 구조 를 더욱 복잡하게 만들었다. 현재 자율주행 교통사고에 대한 정보를 제공하고 있는 CA DMV 충돌 보고서를 기반으로 사고 요인 도출 관련 연구가 수행 중이지만 자율주행차량은 복잡한 교통 환경 속에서 인공지능이 여러 변수를 고려하여 주행 결정을 내리기 때문에, 기존 보고서 로는 모든 상황을 효과적으로 분석하기에는 한계가 있다. 본 연구에서는 이러한 한계점을 극 복하고자 CA DMV 충돌 보고서와 Waymo사에서 제공하는 주행 영상 데이터를 생성형 AI와 BERT 모델을 통해 융합 분석을 수행하였다. 이에 따라 기존에 도출되었던 사고 요인뿐만이 아니라 차량 주행 측면의 잠재적 사고 위험 요인을 도출했다. 본 연구를 통해 도출된 사고 요 인은 향후 자율주행교통사고 예방과 대비에 기여할 것으로 기대한다.
