Since the advent of intelligent vehicles, a lot of driving assistance systems (DASs) have been developed, such as FRMS (front rear monitoring system), LDWS (lane departure warning system), LKAS (lane keeping assist system), SOWS (side obstacle warning system), LCDAS (lane change decision aid system), etc. In general, driving assistance systems are one of the essential parts of modern vehicles, as enhancing the safety of the driver is one of the most important issues pertaining to a driving assistant system. The purpose of driving assistance systems is to prevent drivers from encountering dangerous situations by controlling their vehicles or notifying them of the current vehicle information by means of warning alarms. Therefore, they can divide into three functional categories, which are; infotainment, warning and active control. Although they have many advantages when used to detect dangerous situations, or actively control a vehicle when a driver cannot recognize dangers in advance, they still have several limitations as discussed below. First, these systems do not detect the current situations of a vehicle and driver, such as urgent, distracting, abnormal, and dangerous situations, as inaccurate information pertaining to the detected situation can confuse drivers and also because the detection process is complicated. Second, they do not understand the intention of drivers, because these systems are focused on vehicles dynamics. Moreover, detecting human’s intension is quite complicated. Third, many driving assistance systems handle the environment information narrowly, because the environment is a time-varying system and the estimation process is also difficult. Due to these limitations, driving assistance systems also have several problems. Above of all, without the situation information, including environment information and driver’s intension, driving assistance systems cannot choose the time to deliver crucial information to the drivers nor determine the priority of information.
In this research, we focus on how to handle the surrounding information of vehicles which is included in environment information for active lane change support system. In order to understand the movement of surrounding vehicles, we sought to redefine a lane change task from a view of Human-Vehicle Interaction, and present a surrounding vehicle interaction model (SVIM) using Hidden Markov Models (HMMs). From the presented SVIM, we can understand the reason behind the movement of surrounding vehicles and estimate the state transition of the next step. Finally, the presented model can deliver the situation information to the drivers with proper timing.
지능형 자동차의 발달에 따라 전후방 감시 시스템, 차선이탈 경보 시스템, 차선 이탈방지 시스템 등의 운전자 보조 시스템이 개발되었다. 일반적으로 운전자 보조 시스템은 운전자에게 잠재적인 위험에 대한 알림을 사전에 알림으로써 운전자의 안전을 도모하는데 목적이 있다. 운전자 보조 시스템은 기능적인 측면으로 정보제공, 위험경보, 능동제어의 3가지로 분류될 수 있으며 알림이나 능동제어를 통해 기존의 운전자가 위험을 사전에 감지하지 못하는 상황에서 발생하는 위험을 줄일 수 있는 많은 장점이 존재하지만 여전히 몇 가지 한계점이 존재한다. 첫 번째 위급상황, 주의분산, 이상상태, 위험상태 등의 운전자와 자동차의 복합적인 상황을 인지하지 않는다. 둘째 운전자의 의도파악을 하지 않는다. 셋째 다수의 운전자 보조 시스템이 제한적인 환경정보를 다루고 있다. 따라서 기존의 운전자 보조 시스템은 운전자 의도, 자동차의 상태 및 환경정보를 융합을 통한 복합적인 상황 판단의 부재로 운전자에게 정보를 전달하거나 알림을 하는데 단순 일방적이고 반복적인 방법을 사용하고 있다.
본 연구에서는 앞서 언급한 운전자 보조 시스템의 한계점 중 주변 환경 정보 처리에 초점을 맞추고 있으며 이를 통해 정보제공 시점의 문제점을 극복하여 운전자에게 효율적으로 필요한 정보제공을 목적으로 하며 이를 위해 은닉 마르코프 모델 기반의 자동차간 상호작용 모델(Surrounding Vehicles Interaction Model)을 통한 능동적인 차선변경 지원 시스템을 제안한다.
