This study aims to define interaction criteria between vehicles and incorporate them into an autonomous vehicle lane-changing path planning algorithm to minimize the differences in driving behavior between human-driven vehicles and autonomous vehicles. Traditional autonomous vehicle path planning research has mainly focused on physical safety distances and collision avoidance, but this approach does not fully reflect the complex interactions between vehicles in real road environments. Human-driven vehicles continuously interact with surrounding vehicles while changing lanes, necessitating the exploration of autonomous driving path planning that accounts for these interactions. This study focuses on mandatory lane-changing scenarios that require active interaction with surrounding vehicles. For modeling the criteria of interaction, an experimental environment was designed where two driving simulators influence each other while changing lanes. Using data obtained from the experiments, the merging probability is modeled with logistic regression and applied to the cost function of an optimal polynomial path generation algorithm. By involving human drivers in the simulators the proposed model and the baseline one were compared. The proposed model demonstrated, compared to the baseline model, a higher lane change success rate, less speed reduction in human-driven vehicles, and shorter lane change times for autonomous vehicles. This suggests that the proposed model can effectively reduce the heterogeneous driving behaviors between human-driven and autonomous vehicles. The results validate the effectiveness of integrating vehicle interactions into lane-changing path planning.
본 연구에서는 차량 간 상호작용의 기준을 정의하고 자율주행 차로 변경 경로 계획 알고리즘에 반영하여 인간 운전 차량과 자율주행의 이질적 주행 행태를 최소화하는 것을 목표로 한다. 기존의 자율주행 차량 경로 계획 연구는 주로 물리적 안전거리와 충돌 회피의 요소에 집중해 왔으나, 이는 실제 도로 환경에서 차량 간 복잡하게 이루어지는 상호작용을 충분히 반영하지 못한다. 실제 도로상에서 인간 운전 차량들은 주변 차량과 지속적으로 상호작용하며 차로를 변경하기 때문에 이를 반영한 자율주행의 주행 경로 계획에 대한 탐구가 필요하다. 본 연구에서는 주변 차량과의 적극적인 상호작용을 요구하는 의무 차로 변경 상황에 집중하였 다. 상호작용의 기준을 모델링하기 위해 두 대의 운전 시뮬레이터로 서로에게 영향을 주며 차로 변경하는 상황이 되도록 실험 환경을 조성하였다. 실험을 통해 얻은 데이터로부터 차로 변경 확률을 로지스틱 회귀로 모델링하고, 이를 최적 다항식 경로 생성 알고리즘의 비용 함수에 적용하였다. 사람을 운전 시뮬레이터에 개입하여, 제안된 모델과 기존 방식과의 결과를 비교하였다. 제안된 모델은 기존 방식 대비 높은 차로 변경 성공 확률을 보였고, 인간 운전 차량의 속도 저하를 덜 유발하였으며, 자율주행 차량의 차로 변경 시간이 더 짧은 것으로 나타났다. 이는 제안된 모델이 인간 운전 차량과 자율주행의 이질적 주행 행태를 효과적으로 줄일 수 있음을 시사한다. 결과를 통해, 본 연구는 차로 변경 경로 계획에 차량 간 상호작용을 통합하는 접근 방식의 유효성을 입증하였다.
