Trajectory Prediction of Surrounding Vehicles and Motion Planning for Automated Driving in Urban Intersections

Abstract

차랑용 센싱 및 처리기술이 발달함에 따라 자동차 기술 연구가 수동 안전 기술에서 능동 안전 기술로 초점이 확장되고 있다. 최근, 주요 자동차 제작사들은 능동형 차간거리 제어, 차선 유지 보조, 그리고 긴급 자동 제동과 같은 능동 안전 기술이 이미 상업화하고 있다. 이러한 기술적 진보는 사상률 제로를 달성하기 위하여 기술 연구 분야를 능동 안전 기술을 넘어서 자율주행 시스템으로 확장시키고 있다. 특히, 도심 도로는 인도, 사각지대, 주차차량, 이륜차, 보행자 등과 같은 교통 위험 요소를 많이 갖고 있기 때문에 고속도로보다 사고 발생률과 사상률이 높으며, 이는 도심 도로에서의 자율주행은 핵심 이슈가 되고 있다. 많은 프로젝트들이 자율주행의 환경적, 인구학적, 사회적, 그리고 경제적 측면에서의 자율주행의 효과를 평가하기 위해 수행되었거나 수행 중에 있다. 예를 들어, 유럽의 AdaptIVE는 다양한 자율주행 기능을 개발하였으며, 구체적인 평가 방법론을 개발하였다. 또한, CityMobil2는 유럽 전역의 9개의 다른 환경에서 무인 지능형 차량을 성공적으로 통합하였다. 일본에서는 2014년 5월에 시작된 Automated Driving System Research Project는 자율주행 시스템과 차세대 도심 교통 수단의 개발 및 검증에 초점을 맞추었다. 기존 연구들에 대한 조사를 통해 자율주행 시스템은 교통 참여자들의 안전도를 향상시키고, 교통 혼잡을 감소시키며, 운전자 편의성을 증진시키는 것이 증명되었다. 다양한 방법론들이 인지, 거동 계획, 그리고 제어와 같은 도심 도로 자율주행차의 핵심 기술들을 개발하기 위하여 사용되었다. 하지만 많은 최신의 자율주행 연구들은 각 기술의 개발을 별개로 고려하여 진행해왔다. 결과적으로 통합적인 관점에서의 자율주행 기술 설계는 아직 충분히 고려되어 않았다. 따라서, 본 논문은 복잡한 도심 도로 환경에서 라이다, 카메라, GPS, 그리고 간단한 경로 맵에 기반한 완전 자율주행 알고리즘을 개발하는 것을 목표로 하였다. 제안된 자율주행 알고리즘은 비통제 교차로를 포함한 도심 도로 상황을 차량 거동 예측기와 모델 예측 제어 기법에 기반하여 설계되었다. 본 논문은 동적, 정적 환경 표현 및 종횡방향 거동 계획을 중점적으로 다루었다. 본 논문은 도심 도로 자율주행을 위한 거동 계획 알고리즘의 개요를 제시하였으며, 실제 교통 상황에서의 실험 결과는 제안된 알고리즘의 효과성과 운전자 거동과의 유사성을 보여주었다. 실차 실험 결과는 비통제 교차로를 포함한 도심 시나리오에서의 강건한 성능을 보여주었다.

The foci of automotive researches have been expanding from passive safety systems to active safety systems with advances in sensing and processing technologies. Recently, the majority of automotive makers have already commercialized active safety systems, such as adaptive cruise control (ACC), lane keeping assistance (LKA), and autonomous emergency braking (AEB). Such advances have extended the research field beyond active safety systems to automated driving systems to achieve zero fatalities. Especially, automated driving on urban roads has become a key issue because urban roads possess numerous risk factors for traffic accidents, such as sidewalks, blind spots, on-street parking, motorcycles, and pedestrians, which cause higher accident rates and fatalities than motorways. Several projects have been conducted, and many others are still underway to evaluate the effects of automated driving in environmental, demographic, social, and economic aspects. For example, the European project AdaptIVe, develops various automated driving functions and defines specific evaluation methodologies. In addition, CityMobil2 successfully integrates driverless intelligent vehicles in nine other environments throughout Europe. In Japan, the Automated Driving System Research Project began on May 2014, which focuses on the development and verification of automated driving systems and next-generation urban transportation. From a careful review of a considerable amount of literature, automated driving systems have been proven to increase the safety of traffic users, reduce traffic congestion, and improve driver convenience. Various methodologies have been employed to develop the core technology of automated vehicles on urban roads, such as perception, motion planning, and control. However, the current state-of-the-art automated driving algorithms focus on the development of each technology separately. Consequently, designing automated driving systems from an integrated perspective is not yet sufficiently considered. Therefore, this dissertation focused on developing a fully autonomous driving algorithm in urban complex scenarios using LiDAR, vision, GPS, and a simple path map. The proposed autonomous driving algorithm covered the urban road scenarios with uncontrolled intersections based on vehicle motion prediction and model predictive control approach. Mainly, four research issues are considered: dynamic/static environment representation, and longitudinal/lateral motion planning. In the remainder of this thesis, we will provide an overview of the proposed motion planning algorithm for urban autonomous driving and the experimental results in real traffic, which showed the effectiveness and human-like behaviors of the proposed algorithm. The proposed algorithm has been tested and evaluated using both simulation and vehicle tests. The test results show the robust performance of urban scenarios, including uncontrolled intersections.