Most of the existing forward Collision Warning Systems (CWS) that involve the variable Perception-Reaction Time (PRT) have some negative effects on the collision warning performance due to the poor adaptive capability for the influence of different human PRTs. In an effort to address such issues associated with the parametric approaches, there has been a growing interest to develop a novel Artificial Neural Network (ANN)-based forward CWS in the field of Advanced Driver Assistance System (ADAS). However, since the previous studies show limitations for real-time learning to adjust and update pre-determined weights by considering spatiotemporal traffic pattern, they are of doubtful validity in the context of real-time forward CWS.
This research develops a real-time learning rule called Rolling Period (RP)-based real-time learning algorithm that enables ANN-based forward CWSs to adjust their current weights depending on the real-time traffic information. With the real-time learning rule, Multi-layer Perceptron Neural Network-based forward CWS (MCWS) is proposed. The MCWS provides real-time forward collision warning by predicting potential critical deceleration in a subsequent few seconds. Comparison study demonstrates that the MCWS significantly reduces the number of nuisance and missed alarms compared to other conventional parametric forward CWSs, including Honda and Berkeley system, without any influence of the human PRT. To further enhance the performance of the MCWS, this study proposes Real-time associative memory-based forward CWS (RCWS), which updates and adjusts the pre-determined weights by using real-time sectional traffic information from vehicle sensor and smartphone in a cloud computing environment. Numerical analysis shows that the RCWS not only provides better warning performance compared to the MCWS, but also yields a significant improvement in the warning performance with a relatively low Market Penetration Rate (MPR) of in-vehicle sensors and communication devices. As an extension of the previous study on the RCWS, modified RCWSs using Multi-layer Perceptron Neural Network with two hidden layers and Radial Basis Function Network (RBFN) are proposed to mitigate impact of Communication Delay (CD) between smartphone and cloud server on the warning performance. Numerical study reveals that the overall performance improvements of the modified RCWSs compared to the original RCWS increases as the CD increases, which implies that the benefit of using the modified RCWSs increases as the time delay of uploading individual traffic data from the smartphone to the cloud server increases.
인지반응시간 변수를 포함하는 대부분의 기존 전방 추돌 경고 시스템(CWS: Collision Warning System)들은 상황에 따라 변화하는 사람의 인지반응시간으로 인해 추돌경고 성능에 부정적인 영향을 미친다. 이러한 파라메트릭 기법과 연관된 문제를 해결하기 위한 노력의 일환으로 첨단운전자지원시스템 분야에서는 인공신경망을 이용한 전방 추돌 경고 시스템 개발에 대한 관심이 증가하고 있다. 그러나, 종래의 연구들은 시공간적 교통 패턴을 고려해서 사전에 학습된 가중치를 조정하고 갱신하는데 한계가 있어, 실시간으로 제공되어야 하는 전방 추돌 경고 서비스 측면에서 고려했을 때 그 타당성에 의심의 여지가 있다.
이러한 배경아래, 본 연구는 주기시간(RP: Rolling Period) 기반 실시간 학습 알고리즘을 개발하여 개별 차량 단위로 현재의 주행 상태를 반영하여 가중치를 교정할 수 있도록 하는 인공신경망 기반의 실시간 전방 추돌 경고 시스템을 개발했다. 개발된 RP 기반 실시간 학습 알고리즘을 통해 다층 퍼셉트론 뉴럴 네트워크를 이용한 전방 추돌 경고 시스템(MCWS: Multi-layer Perceptron Neural Network-based forward CWS)을 제안했다. 제안된 MCWS는 기본적으로 몇 초 뒤 발생가능성 있는 Critical Deceleration을 예측해서 운전자에게 실시간으로 추돌위험을 경고한다. 비교연구를 통해 제안한 MCWS가 사람의 인지반응시간 측면에서 구애 받지 않으며, Honda와 Berkeley 시스템과 같은 종래의 전방 추돌 경고 시스템들에 비해 상대적으로 적은 Nuisance Alarm과 Missed Alarm을 제공하는 것을 입증했다. 본 연구는 MCWS의 성능을 더욱 향상시키기 위해서, 클라우드 컴퓨팅 환경아래 차량센서 및 스마트폰을 이용하여 취득되는 실시간 구간 교통 정보를 활용하여 사전에 학습된 가중치를 업데이트하고, 업데이트된 가중치 정보를 개별 차량이 실시간으로 조정하는 실시간 연상메모리 기반 전방 추돌 경고 시스템(RCWS: Real-time associative memory-based forward CWS)을 제안했다. 제안된 RCWS는 MCWS보다 향상된 성능을 보일 뿐만 아니라, 차량센서 및 스마트폰 기기의 낮은 시장침투율 속에서도 추돌위험 경고 측면에서 현저한 개선을 보였다. 더 나아가, RCWS에서 발생할 수 있는 스마트폰과 클라우드 서버간 통신지연시간에 의한 시스템 성능의 부정적 영향을 완화하기 위해 두 개의 은닉층을 갖는 다층 퍼셉트론 뉴럴 네트워크와 방사 기저 함수 네트워크(RBFN: Radial Basis Function Network)를 이용한 수정된 RCWS들을 제안했다. 수치적 연구를 통해 통신지연시간이 증가할수록, RCWS 대비 수정된 RCWS들의 성능 개선도가 증가하는 경향을 발견했다. 이에 따라, 스마트폰 기기를 통해 개별 차량 주행 정보를 클라우드 서버로 업로드 할 때 발생하는 통신지연시간이 증가하는 악조건일수록, 수정된 RCWS들을 통해 보다 나은 시스템 성능 개선을 기대할 수 있을 것으로 판단된다.
