자율주행 차량의 기능 간 상호작용 식별 패턴 (Patterns of Detecting Feature Interaction in Autonomous Car)

서지정보

· 발행기관 : 한국정보과학회
· 수록지 정보 : 정보과학회논문지 / 46권 / 10호 / 1001 ~ 1011페이지
· 저자명 : 이영우, 채흥석

초록

다양한 피처들이 복합적으로 동작하는 시스템은 피처 간 상호작용으로 인해 예상치 못한 동작을 수행할 때가 있다. 시스템 구성 요소의 의존성만을 고려한 상호작용 식별은 실제로 동시에 수행되지 않는 피처들 간에도 상호작용이 발생하는 것으로 간주하여 긍정 오류가 발생할 수 있다. 그리고 속도와 방향과 같이 연관관계로 인해 발생하는 상호작용을 고려하지 않는다. 본 연구는 시스템의 시계열 데이터를 기반으로 상호작용을 식별하기 위한 패턴을 제안한다. 사례 연구에서는 상호작용 속성을 조합하여 상호작용 종류를 분류하고, 각 상호작용을 식별하기 위한 패턴을 대응시켰으며, 자율주행 차량의 시계열 데이터를 바탕으로 상호작용 식별을 수행하였다. 자율주행 차량의 ACC, OA, LKA, EVA 피처를 대상으로 상호작용 식별 결과, 비연속적 파티션 변화 패턴과 반복적 파티션 변화 패턴을 이용하여 속도 변수와 방향 변수에서 발생한 상호작용을 식별하였으며, 파티션 상충 패턴을 이용하여 방향과 속도 변수 사이의 연관관계로 인해 발생하는 상호작용을 식별하였다.

영어초록

In a system with multiple features working together, unexpected behaviors may arise due to feature interaction. An interaction detection method that only considers the dependencies between a system's components can cause false positives, because interactions are considered to occur between features that are not actually performed simultaneously. In addition, it does not take into account for the interactions that result from the association, such as speed and direction. This paper proposes a pattern with which to detect interaction based on time-series data of the system. In case studies, I classified interaction types by combining interaction attributes, mapped the patterns to identify each interaction, and then performed interaction detection based on the time series data of an autonomous car. For the ACC, OA, LKA, and EVA features of the autonomous car, interactions between speed and direction variables were detected using a non-continuous partitioning pattern and a repetitive partitioning pattern. The interaction resulting from the association between direction and speed variables was detected using a partition conflict pattern.

참고자료

· 없음