Globally, safety has become an increasingly important issues in the automotive industry. In an attempt to reduce traffic fatalities, UNECE launched a new EU Road Safety program which aims to decrease the number of road deaths by half by 2020. AEB(Autonomous Emergency Braking) is a very effective active safety system intended to reduce fatalities. This study involves the design of a multi-sensor data fusion strategy and decision making for AEB pedestrian. Commercialized environmental sensors like cameras and radars detect and classify a vehicle in the road reliably. Contrast to this, detection performance of pedestrians isn’t good enough to avoid most of accidents in real-life and moving patterns of pedestrians are more diverse and hard to be predicted exactly. Sometimes, pedestrians can be occluded by many other objects located in roadside so it also makes pedestrians hard to be detected. To enhance the performance of AEB, first occlusion estimation is dealt in high level sensor fusion. Radar and camera can detect several objects like vehicles, pedestrians, bicycles, motorcycles, Trucks and so on in driving situation. Those detected objects can make occlusion zone behind them. Analyzing that, occluded objects by those detected objects can be tracked more reliably considering that occlusion probability. this study suggests a robust occlusion handling method using occlusion estimation. Second, Collision estimation is very important to decide exact braking time while driving. To enhance true positive rate and reduce false positives, precise trajectory prediction considering real-world complex environment is required using vehicle signals and lane information from a forward looking sensor. Especially, lane change action to avoid collision happens often in real-life dangerous traffic situations. In this case, vehicle trajectory can be predicted more precisely using the lane change intention prediction. This study involves a lane change prediction using HMM and driver attention estimation while driving. Public road driving data and proving ground testing data are used to train and verify HMM models. Finally, recent studies on artificial intelligence have been carried out in this area as a result of the research that it is possible to implement the judgment and control more than human ability. However, there are many problems to be solved in applying artificial intelligence to automotive control systems that are directly connected to safety by improving basic performance. In addition to the collision avoidance performance, it is required to satisfy the functional safety required for the reliable safety system of the vehicle and to reduce the possible false positives and real-time performance of AI software is critical to commercialize that. In this study, comparison of AEB performance between rule-based logic and AI-based logic in various pedestrian movements is conducted and the possibility of application to the vehicle control system of AI-based logic is discussed.
전기·전자·IT 기술이 발전함에 따라 자동차는 카메라, 레이더와 같은 환경 센서를 탑재하여 전방 차량을 식별하여 추중하거나 위험 상황에서 긴급 제동을 수행하여 사고를 회피하는 것이 가능해졌다. 단일 사고 유형 중 가장 높은 비율을 차지하는 보행자 사고도 환경 센서를 통해 식별이 가능해지고 있으며, 그에 따른 사고 회피 시스템이 개발되고 있다. 하지만, 보행자의 경우 자동차에 비해 크기가 작고 인도에서 차도로 출현하는 이동 패턴의 상이함으로 자동차에 비해 환경 센서를 통해 감지하기가 어려우며, 특히 보행자인지 여부를 식별하는 것은 현존하는 최고 수준의 자동차용 카메라 센서도 검지 성능의 한계가 있다. 또한, 자동차는 차도로 주행을 하며 도로의 형태를 따라 주행하여 그 움직임에 대한 예상이 수월할 수 있지만, 보행자의 경우 보행, 주행 등 이동 패턴의 다양성과 이동 방향도 자동차에 비해 변동이 크며 위급한 상황에서 아주 짧은 시간에 정지가 가능하다. 이러한 보행자와의 사고 위험을 예측하여 주행 차량에서 긴급제동을 수행하도록 판단하는 것은 아직까지 잘못된 판단을 수행할 여지를 상당부분 내포하고 있다. 이러한 부분을 고려하여 본 논문에서는 카메라, 레이더, 라이다 3종의 센서를 조합하여 보다 효과적으로 보행자를 감지 및 식별하는 방법과 특히 강인한 보행자의 추적이 어렵게 되는 가려짐 발생에 대해 효과적으로 대응할 수 있는 보행자 추적 방법을 제안하고자 한다. 이어서, 보행자와의 효과적인 사고 위험 판단을 위해 주행 차량의 경로 예측이 필요하다. 사고 회피 시스템을 위해서는 1초 내외의 짧은 구간에 대한 경로 예측이 필요하지만, 좀 더 정확한 충돌 위험 예측을 위하여 추가적인 경로 예측이 요구되며 이를 위해서는 동력학 모델기반의 경로 예측만으로는 정확도의 한계가 있다. 이에 본 논문에서는 주행 중 빈번하게 나타나는 차선 유지와 차선 변경에 대한 운전자의 주행 의도를 예측하여 그에 따른 주행 경로 예측을 수행하여 보행자용 자동긴급제동시스템의 충돌 위험 예측 정확도를 향상시키고자 하였다. 끝으로, 최근 인공지능을 이용한 판단 및 제어가 인간의 능력보다 뛰어날 정도로 구현이 가능하다는 연구 결과로 이 분야에 대한 많은 연구가 진행되고 있다. 하지만, 기본 성능의 향상만으로 안전과 직결되는 자동차 제어시스템에 인공지능의 적용에는 많은 해결해야 할 문제가 있을 수 있다. 사고 회피 성능뿐만 아니라, 최근 자동차의 안전시스템에 요구되는 기능안전을 만족시켜야 하며 이는 주행 중 발생 가능한 오제동을 일정 수준 이하로 줄여야하며 자동차용 제어기에서 효과적으로 작동하기 위해서는 실시간성 확보가 요구된다. 이러한 제어시스템의 안전 관점과 다양한 보행자의 움직임에 효과적으로 반응하는 인공지능기반 사고회피시스템 로직을 구현하여 기존 규칙기반 로직과의 성능 비교와 차량 시스템 적용에 대한 가능성을 타진해 보고자 한다.
