●판단기술
판단기술은 수집한 주행환경 정보를 바탕으로 주행상황을 인식하고 향후 있을 사건을 예측해 목표지점에 도달하기 위한 가장 안전하고 적합한 경로, 속도와 주행방법 등 최적의 주행전략을 결정해 차량에 제어명령을 내리는 기술입니다.
예를 들어 목표지점까지 가고자 하는 주행경로를 탐색하여 최적의 경로를 결정하고, 현재 주행위치에서 차량의 전진예정방향의 도로 및 차량의 상황, 신호상태, 보행자나 장애물 등의 정보를 고려하여 진행하는지, 멈추는지, 아니면 어떤 길이 안전한지, 위험한지 등 사전에 입력된 논리를 이용하거나 인공지능을 활용하여 판단을 내리는 것입니다.
센서 기반의 인지와 연결 기반의 인지로 정리된 수많은 정보는 자동차 내 고성능 연산이 가능한 프로세서와 안전을 실시간으로 계산하는 프로세서로 구성된 “자동주행 시스템 칩” 또는 “자동주행 ECU/DCU”로 수집되어 판단에 활용됩니다.
<최초 운전자 보조 시스템과 자동차 제어 유닛을 통합한 zFAS-아우디의 레벨 3 차량 A8에 실장, 출처 : Audi Media Center Web> 현재도 이미 자동차에는 주행 환경 입력 장치에 의해 많은 센서가 있고, 또한 차량의 구동, 가/감속, 정지 등을 자동적으로 실시하는 제어 기능이 붙어 있으므로, 이들을 관리·판단하기 위한 장치와 차량의 구동, 또는 ECU 등이 자동적으로 행해지는 제어 기능이 포함되어 있으므로, 「DCU」라고 합니다.
“ECU(Electronic Control Unit, 전자제어시스템)”나 “DCU(Domain Control Unit, 통합제어시스템)”는 차량에서 인간의 뇌와 같은 역할을 하는 장치로 관련 소프트웨어와 함께 센서로부터 전달된 데이터를 해석하고 판단하여 최적의 솔루션을 결정하는 역할을 하는데 MCU(Microl), DSTAN(Micro Cont), DA NCont(Microl
종래의 차량용 시스템 팁이나 ECU/DCU 등은, 차량의 제어를 위한 판단으로서 주로 확률적 계산에 의해 설계된 기술이 활용되고 있었습니다. 어댑티브 크루즈 컨트롤을 예로 들면, 레이저 센서로 취득한 이전 차와의 거리, 속도 정보와 운전자의 세트 값 등 몇 가지 기준에 따라 가속 또는 감속 판단의 규칙을 정하고 규칙에 따라 판단하고 명령을 내리는 것입니다.
그러나 자율주행자동차에서는 긴급제동, 충돌회피용으로 중장거리레이더, 야간물체탐지용으로 중장거리적외선카메라, 정속주행을 위한 전방카메라 및 차선감지를 위한 초음파센서, 사각지대감지를 위한 단거리레이더, 후방 및 후방감지를 위한 다중모드레이더 등 외부상황 파악을 위한 다양한 센서가 사용되고 있습니다.
뿐만 아니라 현재 위치 파악을 위한 GPS, 자동차 내 다양한 기기의 상태를 확인하는 센서를 사용하는데, 이 모든 센서가 감지한 데이터를 실시간으로 수집하고 또한 HD맵 데이터, V2X통신을 통해 수집된 정보 등을 모두 실시간으로 처리하면서 차량 간 거리 유지, 주변 도로 상황, 차량 흐름, 신호 변경 등을 감지하여 주행 중 돌발 상황에 대한 신속한 대처로 사고를 방지해야 합니다.
이와 같이 자동 주행 차량으로서 발전해 나가는 가운데, 차간, 도로변, 그리고 신호등의 도로 주위의 시설로부터 취득해야 할 정보의 종류·량이 급격하게 증가해 가는 것이나, 해당 도로의 제한 속도, 기상에 의한 제동 거리 등, 종래 인간이 고려하고 있던 환경적인 조건까지 차 스스로 고려해야 하는 등, 판단 장치가 고려해야 할 경우의 수가 기하급수적으로 증가하기 때문에, 종래 인간이 고려하고 있던 환경적인 조건까지 차량 스스로 고려해야 하는 현실적 판단은 불가능에 따라, 판단됩니다.
따라서 이러한 경우 자율주행차량은 특정 상황에서 스스로 판단할 수 있도록 머신러닝 등의 인공지능을 통한 학습으로 추론하는 방법을 고려해야 하지만, 자율주행 레벨이 2정도인 ADAS에도 이미 NPU(Neural Processing Unit, 신경망 처리 유닛)를 포함하여 인공지능 기능을 통합한 칩을 장착할 수도 있습니다.
<클라우드 기반의 3차원 디지털 맘, 출처 : VolvoCars-Global Newroom> 한편 자율주행기술이 더욱 발전하고 인지된 정보는 빅데이터 기술에 의해 처리되어 자율주행 시스템 칩 또는 자율주행 ECU/DCU로 판단작업을 하는데 활용되지만 차량 내 시스템 칩이나 ECU/DCU만으로 처리하려면 엄청난 정보와 연산이 필요합니다.
이렇게 점차 자율주행을 판단하는데 인공지능을 활용하는 경우가 많아지면서 클라우드를 활용해야 하는 경우가 많아지는데, 이는 완벽한 자율주행 기능을 수행하기 위해서는 엄청난 컴퓨팅 파워가 필요하고 차량 내에서 인공지능을 구현하는데 필요한 모든 연산을 할 수 있도록 구성하는 공간과 전력 효율상의 제약이 있기 때문입니다.
그러나 이 모든 데이터의 처리와 그에 대한 대처판단이 클라우드에 의해서 이루어질 경우 네트워크 지연이 발생하거나 데이터 전송 에러가 발생하면 돌발상황에 유연하게 대처할 수 없게 될 수도 있고 최악의 경우 심각한 사고가 발생할 수도 있기 때문에 자율주행차에서는 에지 컴퓨팅이 적극적으로 활용되고 있습니다.
한편으로 의도적인 악의를 가지고 클라우드와 자율주행차 간의 통신을 해킹해서 사고를 유발할 경우 자율주행차가 무기화될 수도 있는 상황이 올 수도 있습니다.
이에 수집된 인지정보를 기반으로 인공지능을 학습하고 고도화하는 일은 클라우드에서 담당하며, 차량에서는 클라우드에서 학습된 인공지능의 기능만을 다운로드하여 활용하여 실시간으로 수집되는 정보에 기반한 판단을 하거나 V2X통신이 충분히 통신 및 제어 지연속도를 충족시키지 못할 경우 클라우드에서 처리의 과부하를 대비하는 방법으로 차량의 판단기능에 인공지능을 활용하는 엣지 컴퓨팅 기술도 적극적으로 도입되고 있습니다.
< AECC ( Automotive Edge C omputing Consortium ) 의 데이터 처리 계층도 , 출처 : AECC Whitepaper ” Driving Data to the Edge : The Challenge of Traffic Distribution ” ● 제어 기술
제어기술은 조향기술과 가감속기술로 차량을 움직이는 구동계를 제어하는 기술로 이미 상당한 수준에 도달한 기술입니다.
조종은 임의로 스티어링 휠의 방향을 조작하여 차량의 진행 방향을 제어하는 것이며, 가감속은 가속 페달과 제동 페달에 의해 차를 달리게 하거나 멈추게 하는 기술입니다.
과거 운전자가 직접 조작하였던 스티어링과 가감속 제어는 차량 내 통신규격인 CAN (Controller Area Network) 통신을 이용하여 “MDPS (Motor Driven PowerSteering)” 모터 혹은 엔진 제어기를 조절하는 방식으로 변화하고 있습니다.
이러한 제어기술은 기존의 내연기관 차량에도 구현되어 실용화되어 사용되고 있으나 자율주행 자동차로 발전하면서 전기차로 변화하면 구동계가 모터기반의 전자식 액추에이터가 되므로 구조도 훨씬 간단하고 정밀제어에도 유리할 것입니다.
주요부품은 파워트레인(Powertrain), 브레이크(Brake), 스티어링(Stering), 서스펜션(Suspension) 등의 액추에이터가 이에 해당하며, EPS(Electric Power Steering) 등의 조향시스템, ESC(Electronic Stability Control, 전자안정성제어) EP.
<자동차 구동계, 출처 : Hita chi Automotive America Web> ● 지원 인프라 기술
이러한 인지, 판단, 제어기술은 자율주행 차량 자체에 적용되는 기술이지만 완전한 자율주행 차량환경은 차량기술 외에도 자율주행 차량의 운행성능을 향상시키고 차량에 필요한 정보를 감지, 분석, 관리하여 차량에 전송하는 지원 인프라 기술도 함께 요구되고 있습니다.
자율주행지원인프라는 첨단 교통운영시스템과 첨단교통시설로 분류됩니다.
첨단교통시설에는 스마트도로시설과 노변센서가 있는데 스마트도로시설은 자율주행차량의 인지성능 향상과 사고위험 감소 등을 위해 도로시설에 적용되는 기술로 스마트요금소, 스마트신호기, 발광차선 등 자동주행지원 도로시설이 있으며 노변센서는 도로 안팎의 물체와 환경을 감지하는 기술로 보행자, 차량, 장애물, 기후 등을 감지하는 노변카메라, 노변레이더, 노변레이더, 노변레이더, 노변레이더. 등의 센서가 있습니다.
첨단교통운영시스템은 차량과 도로시설, 노변센서 등을 통해 수집된 데이터를 종합적으로 분석하고 관리하는 기술교통관제시스템이 있으며 교통신호, 정체, 사고, 공사, 기상 등의 정보를 관리하고 차량에 정보를 제공하는 기능을 합니다. 인프라 기술에는 자율주행에 필요한 데이터를 차량과 인프라 간에 송수신하기 위한 인프라용 V2X 통신기술도 포함됩니다.
<제주 차세대 지능형 교통시스템 개념도, 출처 : KT> 그 외에도 자율주행 전략, 법, 제도, 정책, 보험 등 기술에 포함되지 않은 인프라성 사항 등이 있습니다.
자율주행자동차에서 또 한 가지 중요한 기술의 문제는 사이버 보안입니다. 자율주행차는 IT기술을 기반으로 통신연결성을 통해 자율주행과 편리성을 누릴 수 있는 차량이기 때문에 네트워크에 접속하는 빈도가 크게 증가하여 해커의 공격, 사이버테러, 시스템을 제어하는 실질적인 테러 등의 위협이 증가할 수 있기 때문에 이들을 보호하기 위한 사이버보안이 중요합니다.
이미 2015년 지프체로키 모델이 인포테인먼트 플랫폼을 통해 쉽게 해킹할 수 있다는 사실이 확인되어 140만대의 차량을 리콜하였고, 2016년 닛산자동차에서도 해킹 가능성이 제기되는 등 자동차의 IT화와 연결화가 급속히 진행되면서 자율주행차에서의 사이버 보안은 가장 중요한 고려사항의 하나가 되고 있습니다.