The greatest barriers for the realization of the vehicle autonomy are the uncertainties that affect the safety of the autonomous driving. Especially, the uncertainty at the intersection is amplified in proportion to the complexity of the layout. And the crossed and interrupted traffic also contribute to the uncertainty at the intersection. Moreover, in the transition period, the autonomous vehicles are mixed with the non-autonomous vehicles which are the great uncertainty by themselves. Therefore, it is almost impossible for the autonomous vehicle to resolve the problems alone, and it requires the assist of the infrastructure such as the Cooperative Intelligent Transportation System (C-ITS). The edge server of C-ITS has more computing power compared to the autonomous vehicle, and especially C-ITS can be equipped with the sensor network of omniscient view that can monitor the mixed traffic at the intersection without any obstruction. The situation awareness is to unveil the uncertainties, and it can be done by both of infrastructure side and autonomous vehicle side. Among the various uncertainties in the autonomous driving, the trajectory of surrounding vehicle and road friction are the most significant ones that are relevant to the safety. From this background, this study introduces first, the situation awareness on traffic, which is to predict the trajectory of the non-autonomous vehicle in the mixed traffic of intersection at the infrastructure side, and second, the situation awareness on road, which is to estimate the road friction at the autonomous vehicle side. The former utilizes the multiple hypotheses on the maneuver set, and the proposed all-in-one framework is possible to make a stable trajectory prediction by virtue of the interaction between them. The latter proposes an on-line road friction estimation method which is integrated as a part of the Autonomous Emergency Braking (AEB) system. The proposed method is possible to estimate the road friction which is valid at the instance of emergency operation in on-line, which is not introduced in the literatures yet. The proposed frameworks are evaluated with the experiments. Additionally, the possibility of cooperative situation awareness between the infrastructure and autonomous vehicle is introduced in Appendix.
자율주행 사회의 실현을 더디게 하는 가장 핵심적인 장애물은 자율주행 안전에 영향을 미치는 여러 불확실성에 있다. 특히 교차로의 경우 교통 흐름이 교차하고, 단절되며, 더욱이 이동의 자유도가 증가하여 그 형태에 따라 불확실이 크게 증폭하게 된다. 특히 과도기에는 교차로 등 도심 내에 자율주행차량뿐만 아니라 비자율주행차량이 혼합되는데, 이 때 비자율주행차량은 그 자체로 하나의 거대한 불확실성이 된다. 따라서 도심 교차로의 경우 자율주행차량 단독으로 이 불확실성을 해소하기는 불가능에 가까우며, 이에 협력적 지능형교통체계(Cooperative Intelligent Transportation System, C-ITS)와 같은 인프라의 지원이 필수적이다. C-ITS의 서버는 차량에 비해 컴퓨팅 성능에 여유가 있으며, 특히 전지적 시점의 센서 네트워크가 통합될 경우 시야의 방해 없이 교차로 내 혼합 교통상황을 관찰할 수 있다. 자율주행 환경에서의 불확실성을 제거하는 일련의 행위를 ‘상황인지’ 라고 일컬으며, 상황인지는 인프라의 측면, 자율주행차량의 측면 모두에서 수행될 수 있다. 불확실성에는 여러 종류가 있지만, 특히 자율주행 안전에 크게 영향을 미치는 것은 주변차량의 거동과 노면의 상태이다. 이에 본 연구에서는 인프라 측면에서 교차로 내 혼합 교통상황에서 비자율주행차량의 경로를 예측하기 위한 기법(Traffic situation awareness)과, 자율주행차량의 측면에서 노면의 마찰계수를 추정하기 위한 기법(Road situation awareness)을 제시한다. 전자의 경우 사전정보에 해당하는 대표 Maneuver Set에 대한 다중 가설을 바탕으로 가설 간 상호작용을 통해 안정적인 경로 예측이 가능한 올인원(All-in-one) 형태의 기법을 제시하며, 후자의 경우 마찰계수 추정 자체에만 집중한 기존 연구와는 달리, 자율주행차량의 대표적 안전 기능인 자동긴급제동시스템의 일부로서 자동긴급제동 작동 시점에 유효한 마찰계수 정보를 추정하여 자동긴급제동의 효용을 극대화할 수 있는 방법을 제시한다. 두 가지 상황인지를 위해 제안된 기법들은 각각의 실험을 통해 그 성능을 입증한다. 아울러 부록에서는 두 가지 주체에 의한 상황인지가 상호 연계될 수 있는 가능성에 대해 제시한다.