긴급차량 우선신호 부여를 고려한 강화학습 기반 지체 시간 최소화 실시간 신호 제어 체계 개발 (The Real-Time Signal Control System Using Reinforcement Learning Considering Priority Signaling for Emergency Vehicle)

서지정보

· 발행기관 : 대한교통학회
· 수록지 정보 : 대한교통학회지 / 39권 / 3호 / 329 ~ 344페이지
· 저자명 : 정상철, 이승재, 김주영

초록

최근, 자율주행차량 및 V2X 기술의 개발에 따라 도심부 신호 교차로에서 차량의 지체시간과 불필요한 stop-and-go 현상을 줄이기 위한 연구가 시도되고 있다. 특히, 정주기식 신호 제어 체계가 주를 이루는 현재의 도시 네트워크에서는 실시간 교통상황을 신호체계에 반영할 수 없어 자율주행차량이 등장하여 상용화된다고 하더라도 그 성능을 모두 발휘할 수 없다. 이 때, V2I 기술을 통해 얻어지는 정확한 실시간 차량 정보를 바탕으로 한 인공지능 신호 제어 체계를 개발한다면 정주기식 신호 제어 체계에 비해 불필요한 신호 대기 시간을 감소시킬 수 있어 더욱 효율적인 신호제어가 가능하며 교통류 흐름뿐만 아니라 V2X 기술 탑재 차량의 성능 향상에도 영향을 미칠 것이다. 특히, 도심부 교차로에서 긴급 차량이 목적지까지 도달하는 데에는 불필요한 신호 대기 시간이 존재할 경우 현장까지의 통행 시간에 영향을 끼칠 수 있으며, 통행 시간 단축을 위해 차선을 이탈해가면서 운행할 경우 오히려 긴급 차량에 탑승한 환자 및 주변 차량의 안전을 위협할 수 있다. 이 때, V2I 기술을 통해 긴급 차량의 교차로 진입을 감지하고, 긴급 차량에 우선 신호를 부여하는 신호 제어 체계를 개발한다면 보다 안전한 긴급 차량의 운행을 보장할 수 있을 것이다. 본 논문에서는 V2I 기술 상용화를 전제로 단일 신호교차로에서 미시적 교통 정보를 바탕으로 신호 제어 체계의 변화에 따른 교통류 변화를 분석하였다. 단일 신호 교차로에서 이동류별 실시간 교통 정보를 학습하여 실시간으로 최적 신호를 표출하는 강화학습 모형을 구축하였으며, 개발한 신호 제어 체계의 성능은 미시적 교통 시뮬레이터인 Vissim을 통해 측정하였다. 개발한 강화학습 모형은 이동류별 실시간 교통 정보를 통해 특정한 신호를 표출하고, 변화된 네트워크 상황에 적절한 신호 현시를 표출한다. 본 논문에서 개발한 신호 제어 체계를 통해 복잡한 도로 네트워크에서 체계 최적을 달성할 수 있는 신호 제어 체계를 개발하는 바탕이 되고자 하며, 교통류 흐름을 분석하는 데 기여할 것으로 기대된다. 또한, 미래 V2X 환경에서 자율주행차량이 운영될 때 스마트시티를 구축하는 데 기여할 것이다.

영어초록

Recently, with the development of autonomous vehicles and V2X (Vehicle-to-Everyting) technology, researches are being conducted to reduce vehicle delay time and unnecessary stop-and-go phenomenon at the urban signalized intersection. In particular, current urban networks, in which the fixed-time traffic signal control system is dominant, can not reflect the real-time traffic situation in the signaling system. Even if the autonomous vehicle is commercialized, it could not exhibit its performance. At this time, if the artificial intelligence traffic signal control system based on accurate real-time vehicle information obtained through V2I technology is developed, more efficient traffic signal control will be possible and it will affect not only traffic flow but also the performance of the V2X technology-equipped vehicles. Especially, when there is unnecessary waiting time for the emergency vehicle in the urban intersection, it may affect the travel time to reach the destination. In case of driving while leaving the lane for the purpose of shortening the travel time, it can threaten the safety of a patient and surrounding vehicles. At this point, if the traffic signal control system that detects the entrance of the emergency vehicle to an intersection through the V2I technology and gives the priority signal to the emergency vehicle is developed, the safer emergency vehicle operation could be guaranteed. In this paper, the change of traffic flow according to the change of traffic signal control system is analyzed based on micro traffic information at single signalized intersection with V2I technology commercialization. A reinforcement learning model that expresses the optimum signal in real-time by learning the traffic information at the single signalized intersection was constructed based on the deep learning through the tensor flow. The performance of the developed traffic signal control system was verified through Vissim. The developed reinforcement learning model expresses a specific signal phase through real-time traffic information and expresses appropriate signal display in the changed network situation. The traffic signal control system developed in this paper is expected to contribute to achieve system optimization in a complex road network and to contribute to the analysis of traffic flow. In addition, it will contribute to building a smart city when autonomous vehicles are operated in the future V2X environment.

참고자료

· 없음