Since the vehicle safety standard has been globally tightened to reduce traffic accidents, research towards the autonomous driving has been actively done over the last few years. However, the capability of coping with dangerous situations is still insufficient for improving the reliability of autonomous driving vehicles. To solve this problem, system should detect future hazardous driving situations and have enough time before initiating an evasive action to avoid accidents. Thus, a reliable risk assessment algorithm is a key enabling technology which allows to predict how collision risk will evolve in the future. Therefore, in this thesis, we propose the risk assessment algorithm that can accurately estimate the collision probability of each local path candidate via lane-based probabilistic motion prediction of surrounding vehicles. In contrast with the way of using directly the Gaussian distribution for the error propagation along the predicted trajectories, we estimate the future motion uncertainty in the level of lane that which lane the vehicle is likely to proceed in near future. The advantage of this method is that the driving road geometry such as the lane number and the width can be inherently considered in aspect of modeling the motion uncertainty. Here, this algorithm is called as the probabilistic target lane detection and can compute probabilities representing where the surrounding vehicle is likely to move into a certain lane in the same framework of Interacting Multiple Model (IMM) approach except for the filtering step. This is composed of multiple lane models corresponding to the lateral offset from the road centerline and the lateral velocity-dependent transition probability matrix. And then, the collision probability of each local path candidates is computed by incorporating both the time-to-collision between a pair of trajectories and model probability distribution of lanes. Time-to-collision is calculated by checking whether the rectangular shape of two vehicles overlap or not at each discrete time step by applying the separating axis theorem. Also, this quantity is converted into the collision risk value by using an exponential function with a constant rate of risk regarding time. Finally, collision probabilities obtained above are plotted on a trajectory plane that is composed of the each set of the tangential acceleration and the final lateral offset of local path candidates. This collision risk map is able to provide the intuitive risk monitoring as well as be utilized to determine a control strategy for collision avoidance. The model validation are conducted by comparing the model probabilities obtained from the probabilistic target lane detection with maneuver probabilities derived from the NGSIM database. Also, the effectiveness of the proposed risk assessment results is verified in rear-end and cut-in driving scenarios on the curved highway with multiple surrounding vehicles.
교통사고 사망률을 줄이기 위한 각국의 차량 안전성 평가 규제가 강화됨에 따라 자동차 업계에서는 ADAS 시스템 개발 및 궁극적으로 자율주행을 실현하기 위한 연구에 대대적인 투자하고 있다. 하지만 주행위험 상황에 대처할 수 있는 자율주행 차량의 안전성 및 신뢰성은 여전히 소비자 인식변화에 큰 걸림돌로 작용하고 있다. 이를 해결하기 위해서는 미래의 잠재적인 위험도를 사전에 판단하여 감속 또는 차선변경 등의 충돌회피 동작을 수행하기 위한 충분한 시간을 확보해야 한다. 따라서 본 논문에서는 주변차량의 확률적 미래 움직임 모델링 및 경로예측을 통해 상대적으로 먼 미래 상황에 대한 충돌위험도 평가 알고리즘을 제안한다. 기존에 주변차량의 예측경로를 기반으로 한 위험도 평가는 두 경로가 겹치는지를 이진법적으로 평가하거나 경로 상에서 충돌하게 되는 시간을 계산한다. 하지만 이러한 방법은 주변차량이 예측된 경로 이외에 다른 거동으로 움직일 경우에 대한 불확실성을 고려할 수 없으므로 충돌예측성능이 떨어진다. 이를 해결하기 위해 칼만필터를 이용하여 가우시안 형태로 표현된 제어입력의 불확실성을 전파한 후 몬테카를로 방법 또는 타원이 겹치는 정도에 따라 위험도를 평가하는 방법이 제안되었다. 하지만 이러한 방법은 예측시간 범위가 길어질수록 불확실성을 표현하는 가우시안 분포가 도로 바깥으로 벗어나게 되므로 도로정보를 고려할 수 없다. 따라서 우리는 확률적 목표차선 추정 알고리즘을 통해 주변차량들이 어느 차선으로 이동할지에 대한 확률값을 계산하여 도로 정보가 고려된 미래 움직임 불확실성을 모델링 한 후 경로예측을 통해 각 지역후보경로의 충돌확률을 계산한다. 확률적 목표차선 추정은 필터링 단계를 제외한 기존의 상호다중모델 접근법 내에서 횡 방향 오프셋에 대한 다수차선모델과 횡 방향 속도에 따른 조건부천이확률을 적용하여 주변차량이 어떤 차선으로 이동할지에 대한 모델 확률값을 계산한다. 또한 각 차선에 해당하는 주변차량의 예측경로와 이에 대한 확률값을 기반으로 자율주행 차량의 지역후보경로에 대한 충돌확률을 계산한다. 마지막으로 충돌확률을 각 지역후보경로가 하나의 점으로 투영된 경로평면 상에 표현하여 3차원 충돌위험도 맵을 도출함으로써 충돌회피전략을 직관적으로 선택할 수 있도록 한다. 확률적 목표차선 추정 알고리즘은 NGSIM 경로데이터베이스를 기반으로 도출된 확률값과 비교하여 그 성능을 검증하였으며 곡선도로 상의 주변 다차량이 존재하는 주행 상황에 대한 시뮬레이션을 통해 제안된 알고리즘의 타당성을 검토하였다.