For the last decade, AV technology has arisen as a countermeasure to urbanization-related traffic congestion and traffic safety issues. Along with different improvements to the transportation system, the age of fully autonomous driving is anticipated to be implemented rapidly by 2035, alongside technical advancements. Unsignalized intersections by communication between cars is an effective means of enhancing traffic flow efficiency. However, it is difficult to determine the intention of each vehicle’s driving route, so the possibility of an accident is higher. Therefore the likelihood of an accident is greater than on conventional roads, and blind spots can compromise driving efficiency and safety. Consequently, in this thesis, we use a rule-based collision prediction algorithm and an attention mechanism-based multi-agent reinforcement learning model to identify the location and speed between each vehicle in real time and present a safe and efficient unsignalized intersection management methodology by means of a cooperative multi-agent reinforcement learning design. The two lane unsignalized intersection and circular intersection environments were constructed using the OpenAI Gym-based simulator, and model parameters were adjusted according on the circumstance. By learning rule-based collision prediction algorithms and attention-based multi-agent reinforcement learning models, we create a safe and effective fully autonomous driving-based unsignalized intersection management model by minimizing average speed and accident rate in a variety of traffic situations.
지난 10여 년간 자율주행 기술은 도시화로 인한 교통체증과 교통안전 문제에 대한 대응책으로 대두되면서 급속하게 발전하고 있다. 기술적인 발전과 함께 완전 자율주행 시대는 2035년까지 빠르게 도입될 것으로 보여지며, 이와 함께 교통 시스템에도 다양한 변화가 있을 것으로 예상된다. 이처럼 완전 자율주행 시대에서 교통신호 없이 차량 간 통신을 통한 비신호 교차로 설계는 교통류의 효율성을 높일 수 있는 좋은 방안이다. 그러나 비신호 교차로 내 각 차량의 주행 경로 의도 파악이 어려워 사고 가능성이 기존 도로에 비해 높고, 사각 지대 발생시 주행의 효율성과 안전에 영향을 미칠 수 있다. 따라서 본 학위논문에서는 규칙 기반의 교차로 관리 알고리즘과 어텐션 메커니즘 기반의 다중 에이전트 강화학습 모델을 사용하여, 실시간으로 각 차량간의 위치 및 속도를 파악하고 협력적인 다중 에이전트 강화학습 설계를 통해 안전하고 효율적인 비신호 교차로 관리 방법론을 제시하고자 한다. OpenAI Gym 기반의 시뮬레이터를 통해 2지 비신호 교차로와 원형 교차로 환경을 제작하였고, 상황에 맞는 모델 파라미터를 설정하였다. 규칙 기반의 충돌 예측 알고리즘과 어텐션 기반의 다중 에이전트 강화학습 모델을 학습하여 다양한 교통량 상황에서 평균 속도와 사고 발생율을 최소화하여 안전하고 효율적인 완전 자율주행 기반 비신호 교차로 관리 모델을 개발하였다.