In order to enable safe autonomous driving, it is necessary to predict the trajectory of surrounding vehicles. Only when accurately predicted trajectories of surrounding vehicles are utilized, autonomous vehicles can establish safe driving strategies and determine future behavior. In driving, driving behavior is affected by the road environment and interaction with surrounding vehicles. Therefore, it is difficult to accurately predict the trajectory without considering all of this information. In this study, we use graph neural network to predict the trajectory of surrounding vehicles, taking into account the interactions between surrounding vehicles. In addition, instead of using rasterized lane image information, we used vectorized lane information to lower the calculation cost and increase the accuracy of trajectory prediction. We also used graph neural network and attention to extract appropriate features from lane information. We created a dataset with data acquired in Sangam-dong, Mapo-gu, Seoul, and the proposed model was verified with this dataset. By configuring a recognition and tracking module, we demonstrated that the proposed model is robust to noise and can be operated in real-time in complex urban environment.
안전한 자율주행이 가능하기 위해서는 주변 차량의 경로를 예측하는 것이 필요하다. 주변 차량의 정확한 경로 예측 정보를 활용해야 올바른 주행 전략을 세우고 향 후 거동을 결정할 수 있다. 운전을 함에 있어서 주행 거동은 도로 환경, 주변 차량과의 상호 관계에 의해 영향을 받는다. 따라서 이러한 정보를 모두 고려하지 않고 서는 정확한 경로 예측을 하기가 힘들다. 본 연구에서는 그래프 신경망을 사용하여 주변 차량들간의 상호작용을 고려하여 다중 차량의 경로를 예측한다. 또한 래스터화된 차선 이미지 정보를 사용하지 않고 벡터화한 차선 정보를 이용하여 계산 비용을 낮추고 경로 예측의 정확도를 높인다. 도로에 대한 적절한 특징을 추출하기 위해 그래프 신경망과 어텐션을 사용하였다. 서울시 마포구 상암동에서 취득한 데이터로 데이터 세트를 만들어서 모델에 대한 검증을 진행하였다. 인식과 추적 모듈을 구성하여 제안한 모델이 노이즈에 강건하고 복잡한 도심 환경에서 실시간 동작이 가능함을 확인하였다.
