Korea Digital Contents Society

Current Issue

Journal of Digital Contents Society - Vol. 23 , No. 7

[ Article ]
Journal of Digital Contents Society - Vol. 23, No. 7, pp. 1331-1340
Abbreviation: J. DCS
ISSN: 1598-2009 (Print) 2287-738X (Online)
Print publication date 31 Jul 2022
Received 30 Jun 2022 Revised 20 Jul 2022 Accepted 21 Jul 2022
DOI: https://doi.org/10.9728/dcs.2022.23.7.1331

자율협력주행을 위한 인프라 가이던스 서비스 유스케이스 도출 방법론 연구
전현명1 ; 양인철2, * ; 김형수3 ; 이준형4 ; 김선겸5 ; 장지용6
1한국건설기술연구원 박사후연구원
2한국건설기술연구원 연구위원
3한국건설기술연구원 연구위원
4한국건설기술연구원 수석연구원
5한국건설기술연구원 수석연구원
6한국건설기술연구원 전임연구원

A study on methodology to develop use cases of infra-guidance service for connected and automated driving
Hyeonmyeong Jeon1 ; Inchul Yang2, * ; Hyoungsoo Kim3 ; Junhyung Lee4 ; Sun-Kyum Kim5 ; Jiyong Jang6
1Post-doctoral researcher, Korea Institute of Civil Engineering and Building Technology, Goyang-si, Gyeonggi-do, Korea
2Research Fellow, Korea Institute of Civil Engineering and Building Technology, Goyang-si, Gyeonggi-do, Korea
3Research Fellow, Korea Institute of Civil Engineering and Building Technology, Goyang-si, Gyeonggi-do, Korea
4Senior Researcher, Korea Institute of Civil Engineering and Building Technology, Goyang-si, Gyeonggi-do, Korea
5Senior Researcher, Korea Institute of Civil Engineering and Building Technology, Goyang-si, Gyeonggi-do, Korea
6Research Specialist, Korea Institute of Civil Engineering and Building Technology, Goyang-si, Gyeonggi-do, Korea
Correspondence to : *Inchul Yang Tel: +82-31-910-0489 E-mail: ywinter75@kict.re.kr


Copyright ⓒ 2022 The Digital Contents Society
This is an Open Access article distributed under the terms of the Creative Commons Attribution Non-CommercialLicense(http://creativecommons.org/licenses/by-nc/3.0/) which permits unrestricted non-commercial use, distribution, and reproduction in any medium, provided the original work is properly cited.
Funding Information ▼

초록

인프라 가이던스 서비스는 실시간 도로 동적 상황을 기반으로 보다 적극적으로 자율주행을 지원하고 이를 통해 교통류 최적화를 달성하기 위한 교통 운영 서비스이다. 인프라 센서 기반의 센싱 정보와 V2X 기반의 협력인지 정보를 융합하여 실시간으로 도로의 동적 상황을 수집하고, 이를 이용하여 교통류를 최적화할 수 있는 정보, 즉 인프라 가이던스 정보를 생성하여 실시간으로 자율차에게 권고 또는 지시하며, 이를 수신한 자율차는 가이던스 정보를 기반으로 협력주행을 수행한다. 본 연구에서는 이러한 인프라 가이던스 서비스의 활용성을 극대화하기 위해 실제 도로 현장에서 사용 가능하고 유용한 서비스 유스케이스를 도출하기 위한 방법론을 제안하였다. 먼저 공간적/상황적 범위를 고려한 인프라 가이던스 서비스를 정의하고, 서비스 가능한 유스케이스를 도출한 후, 인프라 협력형 자율주행 기술 관련 선행 연구 분석을 통해 가능한 유스케이스를 추가하여 후보안을 도출한다. 후보안 중 기존 유사 기술 유스케이스와의 중복성과 타당성을 검토하여 최종 유스케이스를 개발하는 과정으로 방법론을 도출하였다.

Abstract

Infra-Guidance service is to support fast and efficient deployment of high driving automation. It adopts the state-of-the-art sensing technology to detect dynamic behavior of transportation participants on a real-time basis as well as cooperative perception technologies. The infrastructure assisted guidance is created based on the dynamic information, and provided to V2X-equipped vehicles via V2X communication network. The participants which receives the guidance message perform cooperative driving in order to achieve the optimized traffic flow state. This study proposed methodology to develop use cases of infra-guidance service for connected and automated driving which are useful and deployable in real-world road network to facilitate the infra-guidance technology. The first draft of use case list was generated based on the definition of infra-guidance service, and then the second draft was generated by reviewing the precedent studies. The final use cases were selected by deleting the use cases similar to the ones of relative technologies such as C-ITS and dropping the unnecessary use cases in terms to feasibility and necessity.


Keywords: Cooperative Automated Driving, Infra-Guidance, Use case, Driving Automation, Traffic Optimization
키워드: 자율협력주행, 인프라 가이던스 서비스, 유스케이스, 자율주행, 교통류 최적화

Ⅰ. 서 론

2021년 말에 벤츠는 세계 최초의 자율주행 레벨3 기술인 Drive Pilot을 개발하고 이에 대한 상용화 승인을 받았다. 이에 따라 Drive Pilot이 탑재된 차량의 운전자는 조건부로 60kph 이하의 속도에서 운전대를 잡지 않고 일정 시간동안 운전 외 다른 업무를 할 수 있게 된다. 다른 완성차 업체도 2022년을 자율주행 레벨3 상용화 시작 목표연도로 설정하고 기술 개발에 박차를 가하고 있기 때문에 레벨3 자율주행 기술은 우리의 일상생활에서 쉽게 접하게 되는 날이 머지않아 보인다.

이러한 자율주행 기술 개발의 추세에 따라 이미 많은 국가에서는 자율주행 레벨4 핵심 요소 기술을 개발하기 위해 많은 예산을 투자하고 있다. 국내에서도 자율주행기술개발 혁신사업단(Korea Autonomous driving Development Innovation Foundation, KADIF)을 발족하며, 산업통상자원부, 과학기술정보통신부, 국토교통부, 경찰청이 협력하여 자율주행 레벨4 기술의 상용화 기반 마련을 위한 연구개발에 박차를 가하고 있다. 레벨4 핵심 요소 기술은 센서, 보안, 인프라, 제어, 판단 등 다양한 분야에 걸쳐 개발이 이루어지고 있는데, 국토교통부 소관의 연구개발 과제 중에는 인프라와의 협력을 통해 레벨3의 기술적 한계를 극복하기 위한 인프라 가이던스 서비스에 대한 연구가 포함되어 있다.

인프라 가이던스(Infra-Guidance, IG) 서비스는 실시간 도로 동적 상황을 기반으로 보다 적극적으로 자율주행을 지원하고 이를 통해 교통류 최적화를 달성하기 위한 교통 운영 서비스이다. 좀 더 구체적으로, 인프라 센서 기반의 인지 정보([1],[2])와 V2X 기반의 협력인지(Cooperative Perception) 정보([3],[4],[5])를 융합하여 실시간으로 도로의 동적 상황을 인지 및 추적, 수집하고, 이를 이용하여 교통류를 최적화할 수 있는 정보, 즉 인프라 가이던스 정보를 생성하여 실시간으로 자율차에게 권고 또는 지시하며, 이를 수신한 자율차는 가이던스 정보를 기반으로 SAE J3216[6]의 협력등급에 따라 협력주행(Cooperative Driving)을 수행한다. 이 서비스는 합류부, 분류부, 엇갈림 구간, 차로 수 감소 구간, 무신호교차로, 회전교차로, 신호교차로 등의 공간적 범위와 비반복 지정체, 돌발상황, 도로공사, 반복적 상충발생 상황 등의 상황적 범위와 같이 레벨3 자율주행 기술이 스스로 해결하기 까다로운 공간적/상황적 범위를 대상으로 하며, 차량 간 통행우선 순위, 차량의 통행속도 제한, 차량의 주행궤적 등의 권고 또는 지시를 통해 안전하고 신속하게 위험 상황을 주행할 수 있도록 지원한다. 이러한 기술의 개발과 검증을 위해서는 각 상황 별 기술의 적용 범위, 각 행위자의 행태, 기술의 기능적 범위 등을 정의하는 유스케이스의 도출이 필수적이다.

자동차 기능 안전에 관한 국제표준인 SOTIF[7]에 따르면 유스케이스는 응용서비스(Application)의 일반화된 영역에 대한 명세로, 한 개 이상의 시나리오, 기능적 범위, 희망하는 행태, 시스템의 범위에 대한 정보를 포함하는 것으로 정의된다. [8]은 유스케이스가 시스템 검증을 위한 좋은 기반(basis)이라고 주장하였으며, [9]는 자율주행시스템의 HMI(Human Machine Interface)를 연구하기 위한 유스케이스 유형을 다양하게 제안하기도 하였다. [10]은 V2X 통신을 이용한 지능형교통체계(ITS) 서비스를 정의하기 위해 응용서비스 유형별로 다양한 유스케이스를 도출하고 이에 대한 자세한 정의를 제안하였다.

본 연구에서는 인프라 가이던스 기술의 활용성을 극대화하기 위해 실제 도로 현장에서 사용 가능하고 유용한 서비스 유스케이스를 도출하기 위한 방법론을 제안하고자 한다. 일반적으로 유스케이스는 기술의 적용 범위와 각 행위자의 행태, 기술의 기능적 범위 등을 포함하지만, 본 연구는 유스케이스의 적용 범위를 도출하는 방법론에 대한 개발을 연구의 범위로 한다. 제안된 방법론은 다양한 인프라 협력형 자율주행 기술의 개발과 검증에 필수적인 유스케이스를 체계적이고 일관되게 도출하는 데 기여할 것으로 기대된다.


Ⅱ. 유스케이스 도출 방법론
2-1 방법론 개요

인프라 가이던스 기술의 유스케이스 도출을 위해 본 연구에서는 Fig. 1과 같은 일반화된 유스케이스 방법론을 제안하였다. 먼저 공간적/상황적/시간적 범위를 고려한 서비스를 정의하고, 이를 활용하여 가능한 유스케이스 초안(UCv1)를 도출한다. 그리고 다음 단계로, 선행 연구 분석을 통해 개념적 및 기술적 유사성을 갖는 유스케이스를 추가하여 두 번 째 후보안(UCv2)를 도출한 후, 기존 기술을 활용한 유스케이스와의 중복성 검토, 유스케이스의 타당성 및 필요성 검토를 통해 최종 유스케이스를 선택한다.


Fig. 1. 
Development methodology of use cases

본 연구에서 제안하는 유스케이스 도출 방법론은 신규로 개발되는 서비스의 활용 및 검증을 위해 요구되는 유용한 유스케이스의 도출하는 체계화된 절차로서, 기존 연구[9]와 같이 특정 목표를 위한 분류 방법론에 비해 보다 많은 분야에서 유연하게 활용이 가능하다.

2-2 서비스 정의 기반 유스케이스 도출

도로에서 발생하는 교통 현상은 도로의 기하구조에 의하여 많은 영향을 받는다. 엇갈림 구간의 경우 합류(merge)와 분류(diverge)를 위한 교통류가 동시에 발생하기 때문에 그로 인한 상충(conflict)과 혼잡(congestion)이 빈번하게 발생한다. 회전교차로의 경우 원칙적으로 교차로 내 차량이 통행 우선권을 갖지만, 내부 차량과 접근로의 상대적 위치에 따라 접근 차량의 진입이 가능하기 때문에 다양한 상충이 불가피하다.

무신호 교차로의 경우 국내에서는 도로교통법 제26조에 따라 주행하도록 정의하고 있으나 실제 도로 현장에서는 운전자 미숙과 부주의, 법규의 잘못된 이해 등으로 인해 많은 차량이 위험상황에 노출된다. 이러한 도로구간들의 위험 요건은 자율주행차에게도 예외는 아니다. 특히 자차(ego-vehicle)의 센서에 의존하여 주행하는 stand-alone 방식의 자율주행차는 위와 같은 도로구간에서 순간적으로 발생하는 상충 상황을 스스로 해결하기에는 기술적 한계가 존재한다.

따라서 이러한 문제의 해결을 위해 인프라와의 협력을 통해 기술의 가외성(redundancy)을 확보하는 것이 필요하고, 이러한 협력 기반의 자율주행에 필수적으로 요구되는 것이 인프라 가이던스 서비스이다.

인프라 가이던스 서비스는 인프라와 차량 기반의 동적 환경 인지 정보에 기반한다. 인프라에 설치된 각종 센서(영상카메라, 라이다, 레이더 등)를 활용하여 주요 도로구간의 동적객체(차량, 보행자, 자전거 등)를 인지한다.

통신 기능을 탑재한 차량과의 V2I 통신을 통해 개별 차량의 상태(위치, 속도, 방향 등) 정보를 수집하고, 나아가 V2I 협력인지를 통해 차량의 센서로 인지한 주변 차량 정보를 수집한다. 이렇게 다양한 방법을 통해 수집 및 인지된 동적 객체 정보를 융합하여 하나의 LDM(Local Dynamic Map)[11]을 생성한다.

LDM을 활용하여 개별 동적 객체의 단기적인 주행의도를 추정하고, 교통류 측면에서 안전성, 이동성, 환경성의 비효율이 발생할 것으로 예측될 경우 이를 최적화할 수 있는 개별 동적 객체의 주행우선순위와 그에 따른 local path를 최적화한다.

최적화된 정보는 I2V 통신을 통해 개별 동적 객체에 가이던스 형태로 전달되고, 이를 수신한 객체는 가이던스에 따라 협력주행을 수행함으로써 교통류의 최적화가 달성된다. 이때 협력주행은 SAE J3216 표준[6]에 따라 수행이 되며, 협력주행 레벨 C에 따라 합의모색(Agreement Seeking) 수행 중 합의가 이루어지지 않을 경우 경쟁주행(Competitive Driving)을 하게 된다. 가이던스에 따른 교통류 상태는 실시간으로 모니터링되고, 최적화 상태를 확인 및 검증 후 LDM 생성부터 새로운 반복 작업이 시작된다. 이러한 전반적인 인프라 가이던스 서비스의 절차를 Fig. 2에서 보여주고 있다.


Fig. 2. 
Example of Infra-Guidance Service Process

이와 같이 인프라 가이던스 서비스는 교통류 최적화라는 최종 목표를 위해 인프라와 차량이 상호 협력하는 과정이라 할 수 있으며, 이러한 정의를 고려할 때 엇갈림 구간, 회전교차로, 무신호 교차로 등 상충 지점이 많고, 통행권(right of way)이 명확히 보장되지 않으며, 차량 센서만으로 주변 상황에 대한 인지가 어려운 도로의 공간적 범위와 상황적 범위가 서비스의 대상이 될 수 있다. 이에 본 연구에서는 Table 1과 같이 서비스의 공간적 범위와 Table 2와 같이 상황적 범위를 정의하였다.

Table 1. 
Options of Spatial Criteria for IG Service
Cat.1 Cat.2 Cat.3 Cat.4
General-purpose General Section General Section -
Toll Highpass
Cash
Bus stop -
Taxi stop -
Climbing -
Shoulder -
Emergency Stop -
CAV Dedicated Lane
Designated Area Children
Old
Rest Area Rest Area
Sleep
Intersection Signalized -
Non-signalized -
Roundabout -
3D Overpass
Underpass
Complex 3D Whole
Merging
Diverging
Weaving
Acc./Dec.
Shared Space - -
Express-way General Section - -
Interchange Whole -
Merging -
Diverging -
Weaving -
Acc./Dec. -

공간적 범위는 주로 「도로의 구조ㆍ시설 기준에 관한 규칙」을 기준으로 구분을 하였으며, 해당 규칙에 언급되지 않은 시설도 일부 포함하였다. 도로는 일반도로와 고속도로로 구분하였고, 일반도로는 다시 기본구간과 교차로, 이면도로(shared space)로 구분되며, 고속도로는 기본구간과 접속구간(인터체인지)로 구분된다.

일반도로의 기본구간은 일반구간과 톨게이트, 버스정차대, 택시정차대, 오르막차로, 갓길, 비상주차대, 자율차 전용차로, 보호구역, 휴게시설로 구분되고, 교차로는 신호교차로, 무신호교차로, 회전교차로, 단순입체교차, 인터체인지로 구분된다. 고속도로의 접속구간은 합류부(on-ramp 포함), 분류부(off-ramp 포함), 엇갈림구간 변속차로로 구분된다.

상황적 범위는 Table 2와 같이 서비스 수준에 따른 교통류 상태, 도로공사, 돌발상황, 일부 차로 혼잡, 택시 승객 승하차, 저속차량, 비상 갓길 정차, 긴급차량 등으로 구분하였다.

Table 2. 
Options of Situational Criteria for IG Service
Cat.1 Cat.2
Traffic Flow Service Level A (Free Flow)
B (Stable Flow)
C (Stable Flow)
D (Stable Flow with High Density)
E (Capacitated Unstable Flow)
F (Breakdown)
Lane-level congestion -
Road Work Planned
Unplanned
Incident Accident
Landslide
Roadkill
Taxi Stop -
Slow vehicle Urban Cleaning Vehicle
Emergency Shoulder Stop -
Emergency Vehicle -

이렇게 도출된 공간적 범위 30개와 상황적 범위16개를 조합한 모든 유스케이스를 도출하였고, 이를 인프라 가이던스 서비스 유스케이스 초안(UCv1)이라 정의한다.

2-3 선행연구 기반 유스케이스 추가 도출

앞선 절에서 인프라 가이던스 서비스의 정의에 따라 유스케이스를 도출하였고, 이번 절에서는 선행 연구의 유스케이스 사례를 분석하여 인프라 가이던스 서비스에 필요한 유스케이스를 추가로 도출한다. 이를 위해 총 네 개의 협력형 자율주행 프로젝트, 즉, MAVEN[12], CO-EXIST[13], TransAID[14], 그리고 INFRAMIX[15]를 검토하였고, 각 프로젝트에서 제안된 유스케이스 중 인프라 가이던스 서비스와 개념적 및 기술적 유사성이 있다고 판단되는 유스케이스를 선정하였다.

먼저 MAVEN의 경우 Table 3과 같이 총 16 개의 유스케이스를 제안하였는데, 이 중 군집주행(platoon)과 교통신호 최적화 부분은 인프라 가이던스와 연관성이 낮아 제외하고, 그 외 다섯 개의 유스케이스를 개발에 활용하였다. 다음으로 CO-EXIST 프로젝트는 Table 4와 같이 총 8개의 유스케이스를 제안하였는데, 이 중 이면도로(Shared space), 공사구간(Construction work), 신호교차로(Signalized intersection) 등 다섯 개의 유스케이스를 선택하였다. INFRAMIX의 경우 Table 5와 같이 세 가지의 시나리오, 즉 a) 동적 차로 배정(속도 권고 포함), b) 도로공사구역, c) 병목구간 별로 2~3 가지의 유스케이스를 제안하여 총 8 개의 유스케이스를 제안하였고, 이 중 세 개를 선택하였다. 마지막으로 TransAID에서는 Table 6에서 볼 수 있듯이 총 7 개의 유스케이스를 제안하였고, 이 중 두 개의 유스케이스를 선택하였다.

Table 3. 
Use cases of MAVEN Project
No. Use case Sel.
1 Platoon Initialization (Platoon)
2 Joining a platoon (Platoon)
3 Traveling in a platoon (Platoon)
4 Leaving a platoon (Platoon)
5 Platoon break-up (Platoon)
6 Platoon termination (Platoon)
7 Speed change advisory
8 Lane change advisory
9 Emergency situations
10 Priority management (Traffic Signal)
11 Queue length estimation (Traffic Signal)
12 Local level routing (Traffic Signal)
13 Network coordination – green wave (Traffic Signal)
14 Signal optimization (Traffic Signal)
15 Negotiation
16 Detect non-cooperative road users

Table 4. 
Use cases of CO-EXIST Project
No. Use case Sel.
1 Shared space
2 Accessibility during long-term construction works
3 Signalized intersection including pedestrians and cyclists
4 Transition from interurban highway to arterial
5 Waiting and drop-off areas for passengers
6 Loading and unloading areas for freight
7 Impacts of CAV* on travel time and mode choice on a network level
* CAV : Connected Automated Vehicles
8 Impact of driverless car and ridesharing services

Table 5. 
Use cases of INFRAMIX Project
No. Use case Sel.
1 Real-time lane assignment
2 Exceptional traffic situatins-adverse weather conditions as an example
3 A conventional vehicle drives on a dedicated lane for AVs
4 Single lane closure
5 New lane design
6 Automated vehicles (AV) driving behavior adaptation in real time
7 Lane-change advice to connected vehicles at bottlenecks
8 Lane-change advice combined with flow control at bottlenecks for all vehicles

Table 6. 
Use cases of TransAID Project
No. Use case Sel.
1 Provide path around rowd works via bus lane
2 Prevent ToC*/MRM** by providing speed, headway and/or lane advice
* ToC : Transition of Control
* MRM : Minimum Risk Manoeuvre
3 Apply traffic separation before motorway merging/diverging
4 Safe spot in lane of blockage and lane change assistant
5 Schedule ToCs before no automated driving zone
6 Intersection handling due to incident
7 Distributed safe spots along an urban corridor

이러한 절차를 통해 추가로 도출된 15개의 유스케이스와 UCv1을 통합하여 유스케이스 후보안(UCv2)을 마련하였다.

2-4 최종 유스케이스 선택

UCv2로부터 최종 유스케이스의 도출을 위해 두 가지 절차를 수행하였다. 먼저 인프라 가이던스 서비스와 유사한 국내 C-ITS(Cooperative Intelligent Transport Systems) 서비스의 유스케이스와 비교하여 유사한 유스케이스를 삭제하였고, 다음으로 인프라 가이던스 서비스의 정의에 부적절하거나 불필요한 공간적/상황적 범위 조합의 유스케이스를 걸러내었다.

국내 C-ITS 시범사업에서는 Table 7과 같이 대표적인 15개의 안전 서비스를 제공하고 있다[16].

Table 7. 
C-ITS Safety Service
No. Use case
1 Location based data collection
2 Location based traffic info. provision
3 Smart tolling system
4 High-risk road section info. provision
5 Road surface status info. provision
6 Road work zone driving assistant
7 Intersection signal violation warning
8 Safe right-turn assistant
9 Bus fleet management
10 Yellow bus fleet management
11 School zone speed control
12 Pedestrian warning
13 Vehicle crash warning
14 Emergency vehicle alarm
15 Incident info. provision

모든 서비스는 서비스의 대상이 되는 교통객체의 위치를 기반으로 시공간적으로 인접한 정보를 제공하는 것을 목적으로 하며, 교통객체는 수신된 정보를 기반으로 자체적인 판단 알고리즘으로 스스로를 제어한다. 즉, C-ITS에서 제공하는 정보는 (차량의 경우) 종적/횡적 제어와 관련된 직접적인 정보를 포함하지 않는다. 하지만 인프라 가이던스 서비스는 교통객체가 주어진 도로교통 상황에서 안전성과 이동성, 친환경성 측면에서 교통류를 최적화하기 위해 요구되는 종적/횡적 행태를 권고 또는 지시하기 때문에 C-ITS 보다는 좀 더 적극적으로 교통류에 개입한다는 측면에서 차이가 있다.

C-ITS는 현재 국내에서 많은 시범사업이 진행되었고, 앞으로도 진행될 예정이며, 관련된 연구개발사업이 수행되었기 때문에 15개의 대표 유스케이스는 이미 검증이 되었다고 할 수 있다. 또한 C-ITS의 유스케이스는 대부분 인프라의 역할이 단순 정보 제공으로 제한되기 때문에 인프라 가이던스 서비스에 직접적으로 활용하기에는 한계가 있다. 따라서 이러한 이유로 C-ITS와 유사한 유스케이스는 UCv2로부터 모두 삭제하였다.

마지막으로 타당성과 필요성을 기준으로 불필요한 유스케이스를 제외하였다. 타당성과 필요성으로는 센서의 인지 범위, V2X 통신 반경, 인프라 가이던스의 필요성 등을 종합적으로 고려하였다. 인프라 가이던스를 위해서는 정확한 동적 객체의 인지가 가장 필요하다. 따라서 현재의 다양한 인프라 센서(영상카메라, 라이다, 레이더, 적외선 등)가 갖는 인지 범위(높은 정확성 유지 필수)를 고려하여 너무 넓은 공간적 범위를 가지는 유스케이스는 제외하였다. 예를 들어 고속도로 인터체인지의 경우 공간적 범위가 매우 광범위하기 때문에 전체 보다는 합류부 또는 분류부, 엇갈림구간 등 부분에 대해서만 서비스가 가능하다. V2X 통신 반경도 센서 인지 범위와 동일한 기준으로 적용이 가능하다. 톨게이트와 오르막차로, 고가차로, 지하차로, 교통류 상태가 양호한 기본구간, 휴게시설은 인프라 가이던스의 필요성이 낮은 것으로 판단되어 유스케이스에서 제외하였다.

이렇게 기존 기술과의 중복성을 갖는 유스케이스, 그리고 타당성 및 필요성에 따라 불필요한 유스케이스를 제외함으로써 최종 16개의 유스케이스를 도출하였고, 이는 Table 8과 같고, 이를 Fig. 3과 같이 그림으로 나타냈다. 앞서 정의한 바와 같이 인프라 가이던스 서비스는 안정성(Safety, S), 이동성(Mobility, M), 친환경성(Eco-friendly, E) 측면에서 교통류를 최적화하는 것을 목표로 하며, 각각의 유스케이스는 세 가지 목표를 동시에 고려한다. 하지만 유스케이스별로 모든 목표의 가중치가 동일하다고 할 수는 없다. 예를 들어 이면도로의 경우 보행자와 자전거 등 교통약자(Vulnerable Road User, VRU)의 안전이 우선 시 되어야 하는 반면, 병목구간에서는 이동성 향상에 조금 더 가중치가 부여될 필요가 있다. 이에 따라 개별 목표에 대한 가중치를 Table 8에 S, M, E 열에 각각 나타내었고, Fig 3.에도 가중치가 높은 목표의 색으로 유스케이스를 표현하였다.

Table 8. 
Use cases of Infra-Guidance service (Size of a circle means the level of relationship with each goal)
No. Use case S M E
1 VRU safety guidance in shared space
2 Efficient signalized intersection operation
3 Lane-closure (Bottleneck) guidance
4 Road work zone guidance
5 Emergency vehicle service
6 Incident spot guidance
7 Low speed vehicle passing guidance
8 Emergency parking assist
9 Non-signalized intersection assist
10 Roundabout assist
11 Diverging section guidance
12 Merging section guidance
13 Stop-and-go assist
14 Weaving section guidance
15 Convoy driving assist
16 CAV dedicated lane assist


Fig. 3. 
Use cases of Infra-Guidance Service


Ⅲ. 결 론

본 연구에서는 인프라 가이던스 기술의 활용성을 극대화하기 위해 실제 도로 현장에서 가능하고 유용한 서비스 유스케이스를 도출하는 방법론을 제안하였다.

먼저 공간적/상황적 범위를 고려한 인프라 가이던스 서비스를 정의하고, 이를 활용하여 가능한 유스케이스 초안한 후, 인프라 협력형 자율주행 기술 관련 선행 연구 분석을 통해 유스케이스를 추가하여 후보안을 도출하였다. 후보안을 대상으로 기존 유사 기술 유스케이스와의 중복성 검토, 타당성을 통해 최종 유스케이스를 개발하였다.

인프라 가이던스 서비스는 이제 개발의 시작단계이다. 모든 서비스의 개발 시작단계에는 해당 서비스를 정의하고, 그 정의에 따른 유스케이스를 도출하는 작업이 필수적으로 수행되어야 한다. 이러한 측면에서 본 연구는 새로운 서비스에 대한 유스케이스를 어떻게 도출할 수 있는지에 대한 방향성을 제시한 연구라 할 수 있다. 본 연구를 통해 도출된 유스케이스는 추후 세부적인 시나리오 도출과 기술의 구현, 검증에 활용될 것으로 기대된다.

본 연구에서 제안하는 유스케이스 도출 방법론은 다양한 접근법 중의 하나라 할 수 있다. 추후 전문가를 대상으로 유스케이스에 대한 기술적, 정책적, 사회적 타당성이 검토될 필요가 있다. 그리고 보다 기술적으로 체계적인 접근법에 대한 연구가 수행될 필요가 있고, 유스케이스의 목표 가중치에 대한 타당성 또한 검증될 필요가 있다. 또한 향후 각 행위자의 행태, 기술의 기능적 범위를 포함하는 유스케이스의 개발 방법론의 개발 또한 필요하다.


Acknowledgments

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


References
1. Cui, Y., Xu, H., Wu, J., Sun, Y., and Zhao, J., "Automatic vehicle tracking with roadside LiDAR data for the connected-vehicles system," IEEE Intelligent Systems, Vol.34, No.3, pp. 44-51, 2019.
2. Wu, J., Xu, H., Zheng, Y., Zhang, Y., Lv, B., and Tian, Z., “Automatic vehicle classification using roadside LiDAR data,” Transportation Research Record, Vol.2673, No.6, pp. 153-164, 2019.
3. Guo, J., Carrillo, D., Chen, Q., Yang, Q., Fu, S., Lu, H., and Guo, R., “Slim-FCP: Lightweight Feature-Based Cooperative Perception for Connected Automated Vehicles,” IEEE Internet of Things Journal, 2022.
4. Zhou, P., Kortoçi, P., Yau, Y. P., Finley, B., Wang, X., Braud, T., Lee, L-H., Tarkoma S., Kangasharju J., and Hui, P., “AICP: Augmented Informative Cooperative Perception,” IEEE Transactions on Intelligent Transportation Systems. 2022.
5. ETSI, “Analysis of the Collective Perception Service (CPS),” ETSI TR 103 562 Technical Report, 2019
6. SAE, “Taxonomy and definitions for terms related to cooperative driving automation for on-road motor vehicles,” SAE Standard J3216, 2021
7. ISO, “Safety of the intended functionality,” ISO/PAS 21448, 2019.
8. Nebut, C., F. Fleurey, Y. Le Traon and J. -M. Jezequel, "Automatic test generation: a use case driven approach," IEEE Transactions on Software Engineering, Vol. 32, No. 3, pp. 140-155, 2006.
9. Naujoks F, Hergeth S, Wiedemann K, Schömig N, Keinath A., “Use Cases for Assessing, Testing, and Validating the Human Machine Interface of Automated Driving Systems,” Proceedings of the Human Factors and Ergonomics Society Annual Meeting. Vol.62, No.1, pp. 1873-1877, 2018.
10. ETSI, “ITS – Vehicular Communications – Basic Set of Applications – Definitions,” ETSI TR 102 638, 2009.
11. ISO, “Local Dynamic Map”, ISO 18750, 2018.
12. MAVEN [Internet]. Available: http://www.maven-its.eu. Last Access: 2022/06/23
13. CO-EXIST [Internet]. Available: https://www.h2020-coexist.eu. Last Access: 2022/06/23
14. TRANSAID [Internet]. Available: https://www.transaid.eu. Last Access: 2022/06/23
15. INFRAMIX [Internet]. Available: https://www.inframix.eu. Last Access: 2022/06/23
16. C-ITS Safety Service [Internet]. Available: https://c-its.kr/introduction/service.do. Last Access: 2022/06/23

저자소개

전현명(Hyeonmyeong Jeon)

2015년 : 연세대학교 도시공학 학사

2020년 : 연세대학교 도시공학 박사

2020년~현 재: 한국건설기술연구원 박사후연구원

※관심분야:교통류, 자율주행, C-ITS, 교통안전

양인철(Inchul Yang)

1998년 : 연세대학교 도시공학 학사

2000년 : 연세대학교 도시공학석사

2011년 : Ph.D. in Civil Engineering at Univ. of California, Irvine

2000년~2006년: 현대엠엔소프트(現현대오토에버)

2006년~2011년: Institute of Transport Studies, UCI

2011년~현 재: 한국건설기술연구원 연구위원

※관심분야:첨단교통, 자율주행, C-ITS, 도로안전, 도로시설

김형수(Hyoungsoo Kim)

1990년 : 인하대학교 건축공학 학사

1995년 : 연세대학교 도시공학 석사

2007년 : Ph.D. in Civil and Environment at Univ. of Maryland, College Park

1995년~1999년: 한국건설기술연구원 연구원

2008년~현 재: 한국건설기술연구원 연구위원

※관심분야:첨단교통, 자율주행, C-ITS, 시뮬레이션

이준형(Junhyung Lee)

2013년 : 연세대학교 도시공학 학사

2019년 : 연세대학교 도시공학 박사

2019년~현 재: 한국건설기술연구원 수석연구원

※관심분야:자율주행, C-ITS, 도로점용, 주행보조 기술, 교통안전

김선겸(Sun-Kyum Kim)

2010년 : 세종대학교 컴퓨터공학 학사

2012년 : 연세대학교 컴퓨터과학 석사

2016년 : 연세대학교 컴퓨터과학 박사

2016년~2017년: 한국건설기술연구원 박사후연구원

2017년~2019년: 한국과학기술정보연구원 박사후연구원

2019년~2020년: 차세대융합기술연구원 선임연구원

2020년~현 재: 한국건설기술연구원 미래스마트건설연구본부

※관심분야:모바일 컴퓨팅, 데이터 분석, 블록체인

장지용(Jiyong Jang)

2011년 : 한양대학교 교통시스템공학 학사

2014년 : 한양대학교 교통공학 석사

2021년 : 한양대학교 교통・물류공학 박사(교통공학)

2014년~2015년: 한국도로공사 도로교통연구원

2016년~2018년: ㈜건화

2021년~현 재: 한국건설기술연구원 전임연구원

※관심분야:C-ITS, 자율주행, 차량거동 및 운전자 주행행태 분석, 교통안전