열차자율주행을 위한 차상중심 환경인지 프레임워크 및 딥러닝 알고리즘 설계 (Design of Vehicle-based Driving Environmental Recognition Framework and Deep Learning Algorithm for Autonomous Train Control System)

서지정보

· 발행기관 : 한국철도학회
· 수록지 정보 : 한국철도학회논문집 / 24권 / 11호 / 963 ~ 970페이지
· 저자명 : 강신욱, 최현영, 이동진

초록

지상기반의 환경인지 시스템은 센서, 신호기계실, 관제실을 거쳐 사람의 판단과 개입을 통한 열차로의 정보 전송체계를 가지고 있어, 능동적이고 지능적인 열차 운행에 한계를 가진다. 이에 열차자율주행을 위한 차상중심 환경인지 시스템 프레임워크를 제안한다. 차상중심 환경인지 시스템은 센서에서 열차로의 직접적인 정보 전송체계를 가지며, 차상에서 데이터를 수집, 인지, 분류, 결정 그리고 제어 단계를 모두 담당한다. 또한 열차자율주행 환경인지 시스템의 다수 다종의 센싱 정보를 처리하기 위한 인공지능 기술에 대하여 분석한다. 시계열 센싱 정보를 처리하기에 적합한 MultiPoint Long Short Term Memory 모델을 딥러닝에 활용하며, 이를 현재 활용가능한 부산 1호선 지하철 데이터에 적용한다. 데이터 선별, 프로세싱, 매개변수 최적화 과정을 거쳐 운행데이터를 학습하고 이를 바탕으로 열차의 속도를 결정, 예측하고 이를 실제 속도 데이터와 비교하여 딥러닝 모델의 성능을 검증한다.

영어초록

The ground-based environmental recognition system transmits information to trains through sensors, signal control room and Automatic Train Supervision (ATS) with human judgment /intervention. These cause limitations to active and intelligent train operation. We propose a framework for a vehicle-based environment recognition system for an Autonomous Train Control System (ATCS). The vehicle-based environment recognition system directly transmits information from the sensor to the train, and is responsible for all steps of collecting, recognizing, classifying, determining, and controlling information. We also analyze artificial intelligence technology to process multiple types of sensing information in the vehicle-based environment recognition system of ATCS. The Multi-Point Long Short Term Memory model, which is suitable for processing time-series sensing information, is used for deep learning. The deep learning model is studied using currently available Busan Metro Line 1 metro data. Driving data is learned through data selection, processing, and parameter optimization. Based on this, the speed of the train is predicted and the performance of the deep learning model is verified by comparing it with the actual speed data.

참고자료

· 없음