도로 거칠기와 차량의 승객 상태를 활용한 DSJS(Driving Situation Judgment System) 설계

• Published in: 한국정보전자통신기술학회 논문지 Vol. 14; no. 3; pp. 223 - 230
• Main Authors: 손수락(Su-Rak Son), 정이나(Yi-Na Jeong), 안희학(Heui-Hak Ahn)
• Format: Journal Article
• Language: Korean
• Published: 한국정보전자통신기술학회 2021
• Subjects: Dangerous situation Judgement; Passenger recognition; Deep neural network; Suspension pressure; Road roughness classification
• ISSN: 2005-081X; 2288-9302

Currently, self-driving vehicles are on the verge of commercialization after testing. However, even though autonomous vehicles have not been fully commercialized, 81 accidents have occurred, and the driving method of vehicles to avoid accidents relies heavily on LiDAR. In order for the currently commercialized 3-level autonomous vehicle to develop into a 4-level autonomous vehicle, more information must be collected than previously collected information. Therefore, this paper proposes a Driving Situation Judgment System (DSJS) that accurately calculates the crisis situation the vehicle is in by useing the roughness of the road and the state of the passengers of surrounding vehicles including road information and weather information collected from existing autonomous vehicles. As a result of DSJS's PDM experiment, PDM was able to classify passengers 15.52% more accurately on average than the existing vehicle's passenger recognition system. This study can be a basic research to achieve the 4th level autonomous vehicle by collecting more various types than the data collected by the existing 3rd level autonomous vehicle. 현재 자율주행차량은 테스트 이후 상용화를 눈앞에 두고 있다. 그러나 아직 자율주행차량이 완벽히 상용화되지 않았음에도 81건의 사고가 발생했으며, 사고를 피하기 위한 차량의 주행 방식은 LiDAR에 많이 의존하고 있다. 현재 상용화된 3레벨 자율주행차량이 4레벨 자율주행차량으로 발전하기 위해서는 기존에 수집되는 정보보다 더 많은 정보를 수집해야만 한다. 따라서 본 논문에서는 기존의 자율주행차량에서 수집하는 정보인 도로 정보, 기상정보를 포함하여 차량이 주행 중인 도로의 거칠기와 자기 자신 및 주변 차량의 탑승객 상태를 정확하게 인식하여 차량이 처한 위기 상황을 정확하게 계산하는 Driving Situation Judgment System (DSJS)을 제안한다. DSJS의 PDM에 대한 실험 결과, PDM은 기존 차량의 탑승객 인식 시스템보다 평균적으로 15.52% 더 정확하게 탑승객을 분류할 수 있었다. 본 연구는 기존 3단계 자율주행차량이 수집하는 데이터보다 더 다양한 종류를 수집하여 4단계 자율주행차량을 달성하는 기초연구가 될 수 있다.