차량의 궤적 예측은 지능형 교통시스템(Intelligent Transportation Systems)에서 핵심적인 구성요소로 부상하고 있다. 교차로 및 신호 제어 장치와 같은 외부 요인이 운전자의 고유한 습관뿐 아니라 주행 패턴에 유의미한 영향을 미치는 도시 도로에서는, 예측 과제가 훨씬 더 어렵다. 또한 장기 궤적 예측은 시간이 지남에 따라 예측 오차가 누적되어, 실제 도로와 크게 달라질 수 있는 실질적으로 부정확한 예측이 초래된다. 이러한 문제에 대한 해결책으로, 본 연구에서는 오차 누적에 강건하며 도로 이탈(off-road) 예측을 방지하는 장기 차량 궤적 예측 방법을 제안한다. 본 연구에서는 Transformer 모델을 활용하여 차량 궤적을 분석하고 예측한다. 더불어, 운전자의 인근 상황에 대한 추상적 표현을 생성함으로써 외부 요인이 주행 패턴에 미치는 영향을 정밀하게 포착하기 위한 추가 인코딩 네트워크를 제안한다. 도로 이탈 예측을 피하기 위해, 예측을 도로 기하(road geometry)에 투영하는 후처리 방법인 링크 프로젝션(link projection)을 제안한다. 또한 전체 궤적의 정확도를 평가함에 있어 유클리드 거리 기반 평가 지표의 한계를 극복하기 위해, area-between-curves(ABC)라는 새로운 메트릭을 제안한다. 이는 두 궤적 간의 유사성을 측정하며, 따라서 두 궤적 간의 일치 정도를 효과적으로 평가할 수 있다. 제안한 접근법의 유효성을 입증하기 위해, 실제 데이터를 이용한 대규모 평가를 널리 사용되는 방법들과 비교하여 수행하였다. 그 결과, 제안한 접근법은 기존의 전통적 딥러닝 모델보다 RMSE 기준 최대 65.74%, MAE 기준 60.13%, ABC 기준 91.45%까지 성능이 우수한 것으로 나타났다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.