인프라 가이던스를 위한 통합 시뮬레이션 프레임워크 설계

Ⅰ. 서 론

최근 첨단기술의 발전으로 인해 전 세계적으로 자율주행 연구가 빠르게 진전되고 있으며, 국내에서도 2027년 자율주행차 상용화를 목표로 정부 주도의 다양한 연구가 진행중에 있다 [1]. 특히, 차량 내부의 통신을 돕는 OBU(On-Board Unit), 운전자의 주행 보조 기능을 하는 ADAS(Advanced Driving Assistant System), 차량 내부통신을 하는 CAN(Controller Area Network), 화면에 데이터를 송출하는 HMI(Human-Machine Interface), 차량의 주변을 인식하는 영상/레이더/라이더 센서, 그리고 도로에는 차량과 도로의 정보를 송수신하고 모니터링하는 RSU, 각종 센서들 및 기존의 ITS와 협력 기술 등이 보다 안전한 자율주행을 구현하기 위하여 개별 또는 통합적으로 연구되고 있다 [2].

자율주행 시대 도로환경에서는 자율주행차 및 일반차가 공존하는 혼재 상황이 예상되며, 효율적인 교통 운영을 위해서는 실시간 모니터링 및 제어를 위한 지원 정보가 포함된 교통류 운영 전략이 필요할 것으로 보인다. 인프라 가이던스(Infra-Guidance, IG)는 실시간 동적 도로환경 정보를 기반으로 보다 적극적으로 자율주행을 지원하고 이를 통해 교통류 최적화를 달성하기 위한 교통 운영 기술이다 [3][4]. 인프라 센서와 차량 센서의 인지정보를 활용하여 도로의 동적 상황을 판단하고 자율차와 일반차가 혼재된 교통류 상황을 최적화할 수 있는 정보를 제공하는 것이 인프라 가이던스의 목표이다. 인프라 가이던스 정보를 생산하는 과정에서 다루어지는 다양한 정보, 이를 수집하고 연산하는 다수의 기기 및 기능, 대상이 되는 다양한 형태의 유스케이스 및 시나라오를 고려할 때에 실도로 실험으로 알고리즘을 개발하고 검증하기에는 너무 많은 케이스 발생으로 현실적인 어려움이 있다. 그러므로 초기 개발과정에서는 다양한 환경을 변화시킬 수 있는 컴퓨터 시뮬레이션 실험환경의 적용이 필요하다. 실제로 존재하지 않은 환경, 같은 환경에서 다른 변수의 반복 적용, 구현 전후 비교 테스트, 실도로 환경의 검증을 위한 수단으로 인프라 가이던스 전용 컴퓨터 시뮬레이션 실험환경이 필요하다.

인프라 가이던스 환경 구현을 위하여 교통류 흐름, 통신 현상, 차량 내 인지/판단/제어 프로세스, 운전자 반응, 인프라 검지/판단 등 다양한 시뮬레이션 역할이 요구된다. 하지만 기존의 시뮬레이션 프로그램들은 교통, 통신, 자율차, 인프라 환경 등 독립적으로 개발되어 있어 인프라 가이던스와 같은 복합적 환경을 구현하기에 충분하지 않다. 또한 각각의 시뮬레이션을 통합하는 방식인 표준구조(HLA, High Level Architecture)는 교통 관련 시뮬레이터에는 일반화되어 있지 않은 표준으로 기능 적용이 어렵다 [5]. 그런 이유로 일부 연구에서는 HLA를 개념적으로만 적용하기도 하였다 [6]. 기존 시뮬레이션 프로그램을 직접 또는 인터페이스를 통하여 통합할 수 있지만 대상이 많아지면 효율이 떨어질 수 있다 [7]. 각각의 시뮬레이션은 하나의 시뮬레이터가 작동하는 것처럼 통합되어 동작해야 하기 때문에 이를 만족시키기 위해 인프라 가이던스 실험이라는 목적에 부합하는 통합 시뮬레이션이 가능한 전용 프레임워크의 설계가 필요하다.

본 연구의 목적은 자율차 및 일반차가 혼재된 교통류 상황에서 교통류 최적화를 위한 인프라 가이던스 알고리즘 개발에 필수적으로 요구되는 교통, 통신, 자율차, 인프라 환경이 일체된 통합 시뮬레이션 구현을 위한 프레임워크 설계를 제안하는 것이다. 본 연구에서는 각각의 독립 시뮬레이션 역할을 일체된 형태로 통합하는 기법인 HLA 개념을 기반으로 각각의 기능을 담당하는 모듈을 통합 또는 독립 작동시킴으로써 인프라 가이던스의 안정적인 구현과 높은 확장성을 가질 수 있도록 하였다. 제2장은 전용 프레임워크 설계에 이슈가 되는 주제의 관련 연구를 정리하였고, 제3장은 제안하는 시뮬레이션 프레임워크 설계를 설명하였다. 제4장은 3장에서 구현된 프레임워크의 동작을 검증하고, 제5장의 결론으로 마무리하였다. 연구의 결과는 인프라 가이던스 시스템 및 서비스를 위한 시뮬레이션 실험 환경 개발에 활용될 것으로 기대된다.

Ⅱ. 프레임워크 관련 연구

2-2 시뮬레이터 통합 방식

독립 시뮬레이터의 통합 방식은 표1과 같이 연계(joint) 방식과 합성(integration) 방식으로 구분된다.

Table 1.

Type of simulator coupling

연계 방식은 기존에 별도의 목적으로 존재하는 시뮬레이터(예를 들어, 교통 시뮬레이터와 네트워크 시뮬레이터)를 인터페이스로 연동시키는 방식을 의미하며, 합성 방식은 독립 시뮬레이터들의 기능을 하나의시뮬레이터에 구현하도록 하는 방식을 의미한다. 연계 방식의 장점은 인터페이스의 구현만으로 기존 시뮬레이터의 모형 구현 및 기능을 그대로 활용할 수 있다는 것이지만, 인터페이스 설계와 다수의 파라미터 설정이 어렵고 연동시 어느 정도의 오차가 반복적으로 누적될 수 있는 단점을 가지고 있다. 합성 방식은 하나로 만들어지므로 동기화에 따른 오차 부담에서 자유로울 수 있으나, 매번 기존 시뮬레이터 모형 및 기능을 새로 개발해야 하므로 개발 과정이 비효율적이다. 표 1은 대표적인 시뮬레이터 연계 방식과 합성 방식 사례를 정리한 것이다.

연계 방식의 대표적인 시뮬레이터인 iTetris [7]는 교통 시뮬레이터인 SUMO [8]와 네트워크 시뮬레이터인 NS3 [9]를 통합하였다. C-ITS 환경에서 25,000 대 이상의 차량에 대한 시뮬레이션을 지원하며, 자동차, 노변기지국, 중앙처리 시스템의 상호작용을 기반으로 구성된 아키텍처로 구성되었다. TraCI [10]는 SUMO와 NS2 [11]를 통합하였는데, SUMO를 통해 시나리오를 구현하고 NS2가 주기적으로 SUMO에 명령을 전달하는 구조로 설계하였다. TraNS [12]는 SUMO와 NS2를 통합한 연계 방식 시뮬레이터로, 자바(Java) 기반의 시각화 도구를 이용하여 VANET(Vehicular Ad hoc NETwork) 환경에서의 다양한 통신 프로토콜의 성능평가를 수행할 수 있다. VanetMobiSim [13]은 TIGER 데이터베이스를 사용하고 네트워크 시뮬레이터를 위한 도로 토폴로지, 지도, 거리 등을 추출한다. Veins [14]은 OMNeT++ [15]와 SUMO를 통합한 형태로, IEEE 802.11p, ETSS ITS-G5 등 다양한 프로토콜 스택과 애플리케이션을 모델링할 수 있는 많은 확장이 포함되어 있다. V2X 시뮬레이션 런타임 인프라 VSim RTI [16]로 알려졌던 Eclipse MOSAIC은 연결 및 자동화된 이동성을 위한 새로운 솔루션 평가를 위한 오픈 소스, 다중 규모 및 다중 도메인 시뮬레이션 프레임워크이다. ezCar2x [17]은 협력 ITS 애플리케이션 및 새로운 통신 프로토콜의 신속한 프로토타이핑을 위한 모듈식 소프트웨어 프레임워크이다. VENTOS [18]은 협업 운전, 자동 순항 제어 및 군집 주행과 같은 차량 네트워크 애플리케이션 분석을 위해 설계된 오픈 소스 시뮬레이터이며, Veins와 마찬가지로 이동성 및 네트워크 모델링에 각각 SUMO 및 OMNET++를 사용한다.

합성 방식의 대표적인 시뮬레이터인 MoVES [19]는 분산 처리 컴퓨터 간에는 통신의 신뢰도에 따라 UDP/IP 혹은 TCP/IP 통신이 가능하며, ARTIS라는 미들웨어에 의해 동기화를 관리한다. NCTUns [20]는 에이전트 기반 이동성을 통해 개별 자동차의 이동 모델링을 하며, 에이전트 기반 이동성 모델의 확장성 문제가 있을 경우 모듈 기반 이동성 모델링 사용 가능하다. VISSIM [21]은 대표적인 유료 시뮬레이터로 교차로, 다양한 교통수단 상호작용, 교통흐름, 능동교통관리, 대중교통, 배출 분석에 적용 가능하며, add-on 모듈을 통한 교통 분석 인터페이스 및 외부 프로그램 연계 가능하다. NetSim [22]은 광범위한 유선, 무선, 모바일 및 센서 네트워크를 포괄하는 상용 개별 이벤트 시뮬레이터이다. EstiNet [23]는 높은 시간 충실도를 가진 상용 네트워크 시뮬레이터 및 에뮬레이터이다. EstiNet은 시뮬레이션과 에뮬레이션 접근 방식의 장점을 결합하기 위해 커널 재진입 방식을 사용한다. VANETSim [24] 은 차량 통신에서 보안 및 개인 정보 보호 문제를 조사하도록 특별히 설계된 이벤트 기반 시뮬레이터이며, 공격을 생성하고 다양한 유형의 차량에 미치는 영향을 측정함으로써 애플리케이션 관점에서 공격 및 대응책을 분석할 수 있다. GooveNet [25]은 도로기반 시뮬레이터로 실제 거리 지도 기반 토폴로지를 통해 차량 간 통신인 IVC(Inter-Vehicle Communication)을 모델링하므로 프로토콜 설계 및 차량 내 배치가 용이하다.

시뮬레이터의 통합을 위한 연계 방식과 합성 방식은 장단점을 가지고 있으므로 개발 목적에 더 적합한 방식으로 결정되는 것이 적절하다. 최근의 경향은 합성 방식 보다는 연계 방식 많으며, 기존 관련 연구를 활용할 수 있다는 측면에서 오픈 소스 시뮬레이터를 선호하고 편이다.

Ⅲ. 시뮬레이션 프레임워크 설계

3-1 인프라 가이던스 시뮬레이션 요구사항

본 연구는 인프라 가이던스 알고리즘 개발을 위하여 교통, 통신, 자율차, 인프라 환경 시뮬레이션이 일체된 통합 시뮬레이터 구현을 위한 프레임워크를 제안한다. 인프라 가이던스란 자율차와 일반차, 보행자 및 자전거 등을 위한 VRU가 혼재된 도로교통상황에서 인프라 검지와 공동/협력인지를 통해 수집된 정보를 융합하고 활용하여 분석, 판단을 통해 차량 또는 차량군의 주행행태를 최적화하는 것이다. 인프라는 권고 또는 지시의 가이던스를 제공하고 차량은 가이던스를 기반으로 협력주행을 수행함으로써 자율주행 Lv.4/4+와 안전성과 이동성, 환경성에서 최적화된 교통상태를 구현하는 협력형 자율주행 서비스를 말한다 [3][4].

인프라 가이던스를 구현하기 위한 시뮬레이션 프레임워크는 교통 및 통신 시뮬레이션에 기반하고 있으며, 이는 도로 네트워크에서의 물리적인 차량 트래픽과 인프라와 차량 또는 차량간의 V2X 통신 네트워크 및 애플리케이션을 우선적으로 고려해야 한다. 애플리케이션을 위하여 각각의 인프라와 차량의 내부 구성요소들을 구현할 수 있어야 하며, 도로 상황에서의 악천후, 공사 등의 이벤트도 고려 대상이 될 수 있다.

가장 핵심적인 고려 사항으로는 차량 이동에 따른 도로 특성과 같은 매개변수의 실시간 변화 및 감지를 위한 교통과 통신 시뮬레이션과의 시간과 공간의 동기화이다. 예를 들어 교통 사고가 발생하였다면 사고 정보와 함께 가이던스 정보를 통신 시뮬레이션 프레임워크를 통해 RSU-차량 간의 통신 메시지로 전달하게 하고, 이로 인해 차량의 경로가 변경된다. 이는 시간과 공간의 동기화가 이루어지지 않으면 불가능하며, 따라서 통신 시뮬레이터에서 통신 성공 여부가 확인이 되면 이에 대한 정보를 교통 시뮬레이터로 보내주는 방식의 동기화가 필수적이다.

그림 1은 인프라 가이던스 구간에 자율차가 진입했을 때부터 인프라 가이던스 메시지를 받고 거동할 때까지의 통신 및 데이터 전달 과정의 예시를 그림으로 나타낸 것이다. 인프라와 자율차는 센싱과 통신을 통해 주변 동적정보를 검지한다. 자율차는 인프라 가이던스 구간에 진입하면 진입한 정보를 인프라에 알리며, 인프라는 진입 정보를 통해 차량이 확인되면 해당 차량에게 진입이 확인되었다는 메시지를 보내게 된다. 메시지를 받으면 차량은 지속적으로 V2X 통신을 통해 센서로부터 검지된 주변 동적정보를 제공하고 인프라는 주변 정보와 차량으로부터 받은 검지정보를 포함하여 최적의 경로 및 궤적정보를 도출하여 이를 자율차에게 인프라 가이던스 메시지로 전달하게 된다. 차량은 수신된 인프라 가이던스 메시지를 이용하여 주변의 자율차와 협력주행(Cooperative Driving)을 통해 진행하게 된다. 이러한 과정은 차량이 인프라 가이던스 구간을 벗어날 때까지 지속적으로 반복될 수 있다. 이 때 비자율차의 경우 노변에 설치된 VMS(Variable Message Sign)와 같은 장치로부터 축약된 형태의 가이던스 정보를 수신함으로써 주행 참고 정보를 수신하게 된다.

Fig. 1.

Infra-guidance section environment configuration and communication example

그림 1의 데이터 교환 형태는 기본적인 인프라 가이던스 구간에서의 인프라와 차량간 메시시 통신 사례를 나타낸 것이며, 인프라의 역할로 주변 이동체를 검지하기 위한 인프라 검지기, 데이터를 송수신하기 위한 RSU, 인프라 가이던스 메시지를 생성하는 인프라 가이던스(IG, Infra-Guidance) 알고리즘, 그리고 비자율차에 정보를 제공할 수 있도록 정보 표출 방식까지 포함된다. 자율차의 경우, 본인의 위치를 알 수 있는 위치정보를 생성하고, 차량 센서로 주변의 이동체와 인프라를 인지한다. 또한 V2X통신을 위한 차량 내에 OBU 기기가 있으며, 합의 모색(agreement seeking)과 주행 궤적을 결정하는 Movement Decision, 차량 내에 주변 차량의 움직임과 가이던스 정보를 표출하는 HMI로 이루어진다. 이렇게 개별적인 기능은 모듈로 구성해야 하며, 전체 맵, 장비 위치, 차량의 수, 통신방법 등의 정보가 필요하다.

이를 토대로 인프라 가이던스 구간의 시스템 환경을 구성하면 그림 2와 같다. 본 환경은 교통도로 환경이 구성된 인프라 가이던스 구간이 존재해야 하며, 자율차와 인프라는 주변 동적정보를 검지하도록 한다. 검지된 차량 및 도로 환경의 정보를 활용하여 IG 알고리즘을 구동하는 부분이 존재하며, 도출된 IG 정보를 바탕으로 IG 메시지를 전달하면 자율차는 주변 자율차와의 협력주행을 통해 최적의 궤적을 도출하여 거동하도록 한다. 비자율주행 차량을 위하여 거동된 자율차의 정보를 제공하는 노변정보 표출장치 및 HMI를 구성하도록 하며, 궤적 정보를 통해 인프라와 차량은 지속적으로 정보를 업데이트 한다.

Fig. 2.

Infra-guidance simulation environment configuration

3-2 프레임워크 설계

본 연구에서는 앞서 설명한 시뮬레이션 요구사항을 기반으로 그림 3과 같이 인프라 가이던스를 구현할 수 있는 통합 시뮬레이션 프레임워크 아키텍처를 제안한다. 인프라 가이던스 시뮬레이션은 차량의 자율주행 기능을 포함하여, 인프라의 알고리즘과 도로의 객체와 교통 시나리오의 복잡성을 구현하기 위해 다양한 구현 역량을 필요로 하기 때문에, 기능별로 다수의 모듈들로 이루어진다. 본 시뮬레이션 프레임워크의 핵심 개념 중의 하나는 ‘통합’과 ‘독립’이며, 이를 위해 일괄적으로 또는 개별적으로 동작하게 하기 위해 HLA 개념을 도입하였다. 각 기능을 수행하는 모듈을 관리하는 미들웨어인 RTI를 포함하며, 이 RTI는 모듈 관리, 시간 및 공간 동기화, 모듈간의 통신을 위한 상호작용을 관리한다. 시뮬레이션 전체의 이동체 거동 및 인프라를 위한 교통 시뮬레이터와, 통신의 동작을 확인하기 위한 ISO OSI(Open System Interconnection) 7 layer 모형 적용을 위한 통신 네트워크 시뮬레이터 모듈, 인프라 검지기, Edge RSU, 인프라 가이던스 알고리즘, 인프라 정보표출 모듈을 수행하는 인프라 모듈이 있으며, 차량 테스트를 위한 OBU, 차량센서, 위치정보, 차량 전체 통신을 위한 CAN, 정보 표출을 위한 HMI로 구성된 차량 모듈이 존재한다. 각 모듈은 Federate라고 부르며, ambassador라는 통신 메시지 채널로 통신을 하며, 시뮬레이션이 동작하게 되면 시간과 공간 타이밍을 맞추기 위해 RTI에서 조율하게 된다.

Fig. 3.

Architecture of the proposed simulation

제안하는 HLA 기반의 시뮬레이션 프레임워크는 미들웨어인 RTI를 통해 통합 시뮬레이션 수행 시에 이러한 동기화를 관리할 수 있다. 타임스탬프를 기반으로 하여 런타임 동안 각 모듈들은 이벤트를 예약하고 해당 시뮬레이션 단계를 실행하기 전에 승인을 기다린다. 모든 이벤트는 시간에 따라 오름차순으로 대기열에 저장되며, 시뮬레이션은 가장 임박한 이벤트의 시간을 기준으로 동적으로 진행된다. 기존 연구들의 시간에 따른 대기열 처리(시간 동기화)는 매 100 ms 마다 이루어져 순간의 차량 궤적 변화 등의 이벤트를 잡는데 한계가 있었으므로, 본 시뮬레이션 프레임워크에서는 교통류 상황에 따라 10 ms ~ 100 ms를 가변적으로 처리하여 시뮬레이션의 프로세스 부하와 동기화로 인한 인과관계 오류를 최소화 한다. 단위 구간 대응으로 최대 1 km 길이의 구간에 혼잡상황을 고려하였으며, 복잡한 시나리오 시뮬레이션시 분산 컴퓨팅을 시행할 수 있도록 한다.

Ⅳ. 시뮬레이션 프레임워크 구현

본 장에서는 설계된 시뮬레이션 아키텍처를 활용하여 실제 동작 가능한 프레임워크를 구현한다. 그림 4는 통합 시뮬레이션 구현을 위한 시뮬레이터의 기능들을 간소화하여 그린 프레임워크이며, 업데이터, 정보 생성 시뮬레이터, IG 시뮬레이터, 통신 시뮬레이터, 자율주행 차량인 CAV(Connected Automated Vehicle) 시뮬레이터, Non-CAV 시뮬레이터로 구성되어 동작한다. 업데이터에서는 시뮬레이션의 전체 네트워크와 도로교통 상황을 정의하고 좌표를 가진 센서와 차량을 설정한다. 설정된 정보를 통해 정보 생성 시뮬레이터에서 인프라는 센서와 교통신호를 수집하고 차량에서는 주변 차량과 본인의 GNSS (Global Navigation Satellite System) 정보를 수신한다. 이 후 인프라와 차량 간의 통신이 이루어지는데 IG 시뮬레이터에서는 인프라 가이던스 메시지를 생성하는 알고리즘을 통해 의도추정, 교통류 최적화, 궤적생성 정보를 도출하여 통신 시뮬레이터를 통해 CAV 시뮬레이터로 전송한다. CAV 시뮬레이터는 통신 시뮬레이터 간의 V2V 통신을 통해 협력주행을 수행하고 주행 궤적을 설정하여 이를 토대로 최종적으로 주행을 한다. 이로 인해 도출된 주행 정보는 업데이터와 Non-CAV시뮬레이터에 CAV 주행궤적 정보로 전송되며, 이 Non-CAV 시뮬레이터는 CAV 주행궤적을 Non-CAV에게 노변정보 표출장치와 HMI를 통해 안내함으로써 주행 궤적이 설정되어지게 되고 마찬가지로 Non-CAV의 주행궤적도 업데이터로 전송되어지게 된다. 업데이터는 수신된 CAV와 Non-CAV 궤적 정보를 바탕으로 전체 시뮬레이션 업데이트를 하며, 시뮬레이터들은 이 전단계의 시뮬레이션을 종료시까지 반복적으로 수행한다.

Fig. 4.

Simulation Function Framework

그림 5는 그림 4의 시뮬레이터 기능 프레임워크를 기반으로 실제 구현한 시뮬레이션 동작 프레임워크이다. HLA 구조 형태를 구현하기 위해 오픈 소스 기반 OpenRTI를 활용하였고, RTI Node를 통하여 시뮬레이터의 전반적인 모듈, 동기화, 상호작용을 관리한다. 교통 시뮬레이터는 SUMO를 통신 네트워크 시뮬레이터는 NS3를 선택하였으며, 모두 오픈 소스의 높은 확장성을 가져 WAVE/LTE 등 자율주행에서의 모든 통신이 가능하도록 구현할 수 있으며, 사용자 커뮤니티 등을 통해 활용과 방향에 대해 지속적인 토론이 이루어지고 있으며, 성능 업그레이드를 위한 업데이트가 반복적으로 진행되고 있는 장점을 선택한 것이다.

Fig. 5.

Simulation implementation framework

또한 SUMO는 교통 및 도로의 미시적 구현이 가능하며, NS3는 자율주행 통신 모델에서의 MAC layer를 구현이 가능하여 활용하였다. 원활한 시뮬레이션을 위해 IGAdmin, IGServer, IGSimWave는 자체적으로 개발하였다. IGSimul은 교통 시뮬레이터 SUMO와 이를 지원하는 API인 TraCI Library로 구성되어 있으며, SUMO를 제어하고 IGAdmin과 IGServer, NS3에 SUMO로부터 수집된 차량 정보를 전달한다. IGAdmin은 가상 시뮬레이션 모듈을 연결하여 시뮬레이션을 시작 또는 정지할 수 있으며 상태정보를 확인할 수 있는 Viewer tool을 가진다. IGServer는 입력된 차량정보/ 지도정보를 기반으로 IG 알고리즘을 통해 IG 메시지를 생성하며 IGSimWave 모듈에 정보 전송한다. IGSimWave은 RSU 시뮬레이션 모듈로 IGServer에 IG 메시지를 Subscription 요청을 하고 이후 IGServer에서 생성된 IG 메시지를 Publication하며 EndApplicationMessage를 통해 수신하고, SUMO와 NS3 간 데이터 통신 및 서비스 연계 기능을 갖는다. IGServer와 IGSimWave간에 DATEX(ISO14827) 통한 IG 메시지 송수신하며, IGSimWave과 NS3간, NS3와 IGSimul간에는 HLA를 통한 메시지 송수신한다. 교통 시뮬레이터인 SUMO와 통신 네트워크 시뮬레이터인 NS3를 사용하였기 때문에 실질적인 도로 및 교통 환경 구축은 SUMO의 netedit로 가능하며, SUMO에 기반하여 동작하며, 통신 시뮬레이터는 NS3를 활용하기 때문에 차량과 인프라의 모든 V2X 통신이 NS3를 통해 OSI 7 Layer 기반으로 이루어지게 된다.

그림 6은 제안된 통합 시뮬레이터 동작 프레임워크의 작동을 확인하기 위하여 단순 합류부 도로를 대상으로 인프라 가이던스 시뮬레이션을 적용한 것으로, 모니터링 시스템인 IGAdmin의 일부 화면 부분이다. 실제로 이를 위하여 SUMO의 netedit로 도로/교통 환경 구성을 하였다. 위쪽 그림은 시뮬레이션 Top View, Bird View을 나타내고, 연속된 흰 점이 IG 메시지를 통해 전달된 차량의 주행 가이던스를 의미한다. 그림의 왼쪽 화면은 시나리오로 구현한 합류구간의 2차로이며, 차량 14대가 우측방향으로 진행하고 있다. 차량은 차량 위쪽에 차량의 ID를 보여주고 있으며, 화면 왼쪽 상단에는 시뮬레이션의 시나리오 및 날짜와 시간을 표시한다. 화면 오른쪽 창에는 차량의 기본적인 차량ID, 속도, 가속도, 레인id, 메시지 등을 포함하고 있으며 이러한 구성을 통해 시뮬레이션에서의 각각의 차량이 어떻게 동작하고 인프라 가이던스 메시지를 받고 어떻게 궤적이 변하는지 추적할 수 있게 된다.

Fig. 6.

Merging area simulation work display

합류부 도로 유스케이스에 대한 시뮬레이션에서 제안된 통합 시뮬레이터는 교통류, 통신, 자율차, 인프라, 인프라 가이던스 알고리즘 시뮬레이션 구현이 설계된 것과 같이 적용되었다. 이와 같이 합류부 유스케이스를 통해 HLA 기반 독립/통합 시뮬레이터 아키텍처 및 프레임워크, 시간 동기화가 적절하게 구현되었음을 확인할 수 있었다.

Ⅴ. 결 론

최근 첨단기술의 발전으로 국내외로 자율주행 연구가 빠르게 진행되고 있다. 자율주행 관련 기술로는 차량내 센서, 판단, 제어, 통신 기술, 도로 인프라에 RSU, 인지 센서, 판단, 통신 기술 포함되며 안전한 자율주행을 구현하기 위하여 개별 또는 통합적으로 연구되고 있다. 최근에는 인프라 센서와 차량 센서의 인지정보를 활용하여 도로의 동적 상황을 판단하고 자율차와 일반차가 혼재된 교통류 상황을 최적화할 수 있는 인프라 가이던스가 연구되고 있다. 인프라 가이던스는 다양한 구성요소를 필요로 하는 인프라 환경 및 많은 유스케이스를 고려할 때 환경을 변화시킬 수 있는 컴퓨터 시뮬레이션 실험환경이 필요하다.

본 연구에서는 혼재 교통류 상황에서 교통류를 최적화하기 위한 인프라 가이던스 알고리즘 개발을 위하여 HLA 기반 교통, 통신, 자율차, 인프라 환경 시뮬레이션이 일체된 통합 시뮬레이터 구현을 위한 프레임워크를 제안하였다. 본 시뮬레이터는 인프라 가이던스 시뮬레이션에서 모든 이동체 거동 및 인프라 협력 구현을 위한 교통 시뮬레이터와, 통신의 동작을 확인하기 위한 통신 네트워크 시뮬레이터 모듈, 인프라 검지기, Edge RSU, 인프라 가이던스 알고리즘, 인프라 정보표출 모듈을 수행하는 인프라 모듈, 차량 테스트를 위한 OBU, 차량센서, 위치정보, 차량 내부 통신을 위한 CAN, 정보 표출을 위한 HMI의 기능을 가진 모듈로 구성하였으며, ‘통합’과 ‘독립’적으로 모듈이 동작하도록 하였다. 또한 각 기능을 수행하는 모듈을 관리하는 미들웨어인 RTI를 통해 모듈 관리, 시간 및 공간 동기화, 모듈간의 통신을 위한 상호작용을 관리하도록 하였다. 연구의 결과는 인프라 가이던스 시스템 및 서비스를 위한 시뮬레이션 실험 환경 개발에 활용될 것으로 기대된다.

본 연구에서는 인프라 가이던스 실험을 위한 시뮬레이션 프레임워크 설계를 제안했지만 개발 수준의 성과물에 추가 연구가 필요하다. 이를 위하여 효율을 고려한 섬세한 동기화 연구가 필요하며, 모듈별 조합에 대한 테스트 방식 연구가 필요하다. 또한 다양한 기능을 담당하는 모듈이 독립적으로 작동하도록 설계하였기 때문에 실제 하드웨어 연결을 통한 Hardware-In-Loop 구성을 통해 시스템 개발에 필요한 테스트를 구현할 수 있는 수준의 개발과 다수의 모듈의 통합 과정에서 하드웨어 자원을 효율적으로 사용하면서 시공간적으로 일체된 동기화 방안과 모듈간 조합 연구가 필요할 것으로 판단된다.

Acknowledgments

본 연구는 국토교통부/국토교통과학기술진흥원의 지원으로 수행되었음(과제번호 RS-2022-00142565).

References

• S. Ahn, J. Lee, J. Kim, Y. Son, and H. Koo, “A Study on the Design of the Import/Export Ports Cyber-Physical System for Intelligent Vehicle,” Journal of the Korea Academia-Industrial cooperation Society, Vol. 22, No. 12, pp. 25-31, December, 2021. [https://doi.org/10.5762/KAIS.2021.22.12.25]
• R. Miucic, Connected Vehicles: Intelligent Transportation Systems, Springer, 2019. [https://doi.org/10.1007/978-3-319-94785-3]
• H. Jeon, In. Yang, H. Kim, J. Lee, S. Kim, and J. Jang, “A study on methodology to develop use cases of infra- guidance service for connected and automated driving,” Journal of Digital Contents Society, Vol. 23, No. 7, pp. 1331-1340, July, 2022. [https://doi.org/10.9728/dcs.2022.23.7.1331]
• S. Kim and H. Kim, “Computer simulation environment for infra-guidance experiment,” In Proceedings of Intelligent Transportation Systems Conference on Mobile and Ubiquitous Systems: Networking & Services, November, 2022.
• J. S. Dahmann, “High level architecture for simulation,” In Proceedings of First International Workshop on Distributed Interactive Simulation and Real Time Applications, pp. 9-14, January, 1997. [https://doi.org/10.1109/IDSRTA.1997.568652]
• P. Lytrivis, E. Papanikolaou, A. Amditis, M. Dirnwöber, A. Froetscher, R. Protzmann, ..., and A. Kerschbaumer, “Advances in road infrastructure, both physical and digital, for mixed vehicle traffic flows,” In Proceedings of the 7th transport research Arena, pp. 16-19, April, 2018. https://inframix.eu/wp-content/uploads/INFRAMIX-TRA2018-paper.pdf
• M. Rondinone, J. Maneros, D. Krajzewicz, R. Bauza, P. Cataldi, F. Hrizi, ..., and F. Cartolano, “iTETRIS: A modular simulation platform for the large scale evaluation of cooperative ITS applications,” Simulation Modelling Practice and Theory, Vol. 34, pp. 99-125, May, 2013. [https://doi.org/10.1016/j.simpat.2013.01.007]
• M. Behrisch, L. Bieker, J. Erdmann, and D. Krajzewicz, “SUMO - Simulation of Urban MObility: An Overview,” In Proceedings of The Third International Conference on Advances in System Simulation, pp. 23-28, October, 2011. https://elib.dlr.de/71460/
• G. Carneiro, “NS-3: Network simulator 3,” In UTM Lab Meeting April, Vol. 20, pp 4–5, April, 2010.
• A. Wegener, M. Piórkowski, M. Raya, H. Hellbrück, S. Fischer, and J-P. Hubaux, “TraCI: an interface for coupling road traffic and network simulators,” In Proceedings of the 11th Communications and Networking Simulation Symposium, pp 155–163, April, 2008. [https://doi.org/10.1145/1400713.1400740]
• T. Issariyakul T and E. Hossain, Introduction to network simulator 2 (NS2), Introduction to Network Simulator NS2, Springer, pp 1–18, 2009. [https://doi.org/10.1007/978-0-387-71760-9_2]
• M. Piorkowski, M. Raya, A. L., Lugo, P. Papadimitratos, M. Grossglauser, and J. P. Hubaux, “TraNS: realistic joint traffic and network simulator for VANETs,” ACM SIGMOBILE mobile computing and communications review, Vol. 12, No. 1, pp. 31-33, January, 2008. [https://doi.org/10.1145/1374512.1374522]
• J. Härri, F. Filali, C. Bonnet, and M. Fiore, “VanetMobiSim: generating realistic mobility patterns for VANETs,” In Proceedings of the 3rd international workshop on Vehicular ad hoc networks, pp. 96-97, September, 2006. [https://doi.org/10.1145/1161064.1161084]
• C. Sommer, D. Eckhoff, A. Brummer, DS. Buse, F. Hagenauer, S. Joerer, M. Segata, Veins: The open source vehicular network simulation framework, Recent Advances in Network Simulation Springer, pp 215–252, May, 2019. [https://doi.org/10.1007/978-3-030-12842-5_6]
• A. Varga, OMNeT++, Modeling and Tools for Network Simulation. Springer, pp 35–59, 2010. [https://doi.org/10.1007/978-3-642-12331-3_3]
• B. Schünemann, “V2X simulation runtime infrastructure VSimRTI: An assessment tool to design smart traffic management systems,” Computer Networks, Vol. 55, No. 14, pp. 3189-3198, October, 2011. [https://doi.org/10.1016/j.comnet.2011.05.005]
• K. Roscher, S. Bittl, A. Gonzalez, M. Myrtus, and J. Jiru , “ezCar2X: rapid-prototyping of communication technologies and cooperative ITS applications on real targets and inside simulation environments,” In Proceedings of 11th Conference Wireless Communication and Information, pp 51–62, October, 2014
• M. Amoozadeh, B. Ching, C-N. Chuah, D. Ghosal D, HM. Zhang, “VENTOS: Vehicular network open simulator with hardware-in-the-loop support,” Procedia Computer Science, Vol. 151, pp. 61–68, May, 2019. [https://doi.org/10.1016/j.procs.2019.04.012]
• A. Papson, S. Hartley, and K.L. Kuo, “Analysis of emissions at congested and uncongested intersections with motor vehicle emission simulation 2010,” Transportation research record, Vol. 2270, No. 1, pp.124-131, January, 2012. [https://doi.org/10.3141/2270-15]
• S.Y. Wang, C.C. and Lin, C.C, “NCTUns 5.0: A Network Simulator for IEEE 802.11(p) and 1609 Wireless Vehicular Network,” In Proceedings of Vehicular Technology Conference, September, 2008. [https://doi.org/10.1109/VETECF.2008.464]
• M. Fellendorf and P. Vortisch, Microscopic traffic flow simulator VISSIM, Fundamentals of Traffic Simulation. Springer. pp 63–93, January, 2010. [https://doi.org/10.1007/978-1-4419-6142-6_2]
• J. S. Weber, M. Neves, and T. Ferreto, “VANET simulators: an updated review,” Journal of the Brazilian Computer Society, Vol. 27, No. 1, pp.1-31, May. 2021. [https://doi.org/10.1186/s13173-021-00113-x]
• S-Y. Wang, C-L. Chou, C-M. Yang(2013), “EstiNet openflow network simulator and emulator,” IEEE Communication Magazine, Vol. 51, No. 9, pp. 110–117, September, 2013. [https://doi.org/10.1109/MCOM.2013.6588659]
• A. Tomandl, D. Herrmann, K-P. Fuchs K-P, H. Federrath H, and F. Scheuer, “VANETsim: an open source simulator for security and privacy concepts in VANETs,” In Proceedings of 2014 International Conference on High Performance Computing & Simulation (HPCS), pp 543–550, July, 2014. [https://doi.org/10.1109/HPCSim.2014.6903733]
• R. Mangharam, D. Weller, R. Rajkumar, P. Mudalige and F. Bai, 2006, "GrooveNet: A Hybrid Simulator for Vehicle-to-Vehicle Networks," In Proceedings of Third Annual International Conference on Mobile and Ubiquitous Systems: Networking & Services, pp. 1-8, July, 2006. [https://doi.org/10.1109/MOBIQ.2006.340441]
• J. Wang, Y. Shao, Y. Ge, and R. Yu, “A survey of vehicle to everything (V2X) testing,” Sensors, Vol. 19, No. 2, pp. 334, January, 2019. [https://doi.org/10.3390/s19020334]
• S. Eichler, B. Ostermaier, C. Schroth, and T. Kosch, “Simulation of car-to-car messaging: analyzing the impact on road traffic,” In Proceedings of 13th IEEE International Symposium on Modeling, Analysis, and Simulation of Computer and Telecommunication Systems, pp. 507-510, September, 2005. [https://doi.org/10.1109/MASCOTS.2005.64]