혼합교통 합류 협조제어 및 위험 민감 모방학습 자율주행 플래닝

Cooperative Merging and Risk-Aware Imitation Learning for Autonomous Driving

연구 내용

인간 구동 차량의 불확실 행동을 고려해 커넥티드 자동 차량의 합류 협조를 최적화하고, 위험 민감 학습 모듈로 안전성을 반영한 플래너를 구축하는 연구

커넥티드 자동 차량(CAV)과 인간 구동 차량(HDV)이 혼재하는 상황에서 합류 안전성과 교통 효율을 동시에 다루는 연구입니다. 제어 구역 내 여러 CAV의 전략적 상호작용을 고려하여, HDV의 의도 불확실성을 완화하기 위한 선행 CAV의 감속 패턴을 후보군으로 두고 처리량을 기준으로 동적 최적화합니다. 또한 모방학습 기반 자율주행 플래닝에서는 평균 변위 오차 중심 학습의 안전성 편향을 줄이기 위해 예측 지평 전반의 clearance 기반 꼬리 위험을 CVaR 형태로 계산하고, attention-constrained Transformer의 모드 선택과 soft target 구성에 반영합니다. 그 결과 멀티모달 학습에서 안전하지 않은 모드를 감쇠하여 안전 관련 지표를 개선하는 방향으로 연구를 수행합니다.

관련 프로젝트

5건

연구 흐름

2025년에는 혼합교통 합류 문제를 다차량 협조 최적화로 정식화하고, HDV의 불확실 행동을 전략적 영향(선행 감속)으로 완화하는 제어 설계를 수행했습니다. 이후 2026년에는 모방학습 플래너로 범위를 확장하여, 위험 민감 학습 신호를 CVaR 기반으로 구성하고 attention-constrained Transformer에 결합하는 접근을 제안했습니다. 실험 평가는 예측 궤적의 안전 관련 지표 개선을 중심으로 수행되어, 교통 제어와 자율주행 학습 플래닝의 공통 목표인 안전성 반영 방식을 한 단계 고도화하는 흐름을 형성했습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

혼합교통 합류 제어 정책
CAV-HDV 상호작용 모델링
전략적 감속 패턴 최적화
제어구역 기반 다차량 조정
CVaR 기반 위험 민감 학습
안전 꼬리 위험 기반 궤적 평가
멀티모달 모드 선택 로직
안전성 지표 중심 시뮬레이션 검증
자율주행 플래닝 학습 파이프라인
실도로 적용형 플래닝 모듈