< 연구 목록으로
2025 Ph.D. Research / Evaluation Framework
개요
‘협력 주행이 왜·얼마나 좋은가’를 정량화하기 위해 입력 신뢰도(R)·인지 상태 추정 품질(O)·주행 성능(P)을 잇는 3축 프레임워크와 OST/ΔOST 지표를 설계하고, 협력/비협력(WC vs WOC)을 SIM·SIM-NPC·실차(FIELD)에서 대조 검증했습니다.
배경
단독 자율주행(ADS)은 센서 사각지대·가림(물리적 한계)과 상대 의도 불확실성(정보적 한계)을 가집니다. V2V 협력은 가시영역 확장·불확실성 감소의 잠재력이 있지만, 실세계 정량 근거가 부족하고 시뮬레이션에 치우쳐 있었습니다.
방법 1
R·O·P 3축 프레임워크 — 입력 신뢰도(R)·인지 상태 추정 품질(O)·주행 성능(P)을 잇고, ΔOST로 ‘어느 축이 병목인지’를 진단해(R 막힘→V2X, O 막힘→인지, P 막힘→판단 우선순위) 다음 개선 방향을 가립니다.
방법 2
OST 지표 — 각 소스가 타깃의 상대 상태를 얼마나 연속(Availability)·정확(Accuracy)·안정(Consistency)적으로 유지하는지를 [0,1]로 정량화하고, 협력(CAD)−단독(SAD)의 차이 ΔOST로 정보이득을 측정합니다.
결과 1
가설 검증 — R→O 연관(H1)과 ΔR→ΔO 전이(H2)를 SIM·SIM-NPC·실차(FIELD)에서 상관분석했고, 시스템별 단조성은 세 환경 모두에서 성립했습니다.
결과 2
주행 성능 영향 — ΔOST가 안전성·안정성·효율성에 미치는 효과크기를 분석했고, 효율성(병합·회피 성능)에서 일관된 개선을 확인했습니다.