자율주행차량 사고 원인 추적을 위한 HMM 기반 접근법
HMM-based Approach to Tracking the Cause of Autonomous Vehicle Accidents
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
자율주행차량의 기술 발전과 보급률 증가로 인해 기존 비자율주행차량 교통사고와는 다른유형의 사고가 새롭게 등장하고 있다. 본 연구는 다양한 센서를 기반으로 주행하는 자율주행차량의 교통사고 원인을 분석하기 위해, 은닉 마르크프 모델(HMM)을 활용한 사고원인 추적방법을 제안한다. 제안된 모델은 전체 사고 발생과정을 충돌 전(Pre-crash), 충돌 상태(In-crash), 충돌 후(Post-crash)로 구분하고, 각 단계의 상태 전이와 주요 요인 간 상호작용을 확률적 접근법으로 분석할 수 있도록 설계되었다. 또한 3W (Who, Why, What) 포맷을 기반으로 주요 자율주행교통사고 시나리오를 제시하여 모델의 활용 가능성을 검증하였다. 본 모델은 복잡한 사고원인을 체계적으로 분석하는 데 높은 성능을 보이며, 특히 Pre-crash 단계에서 알 수 없는 블랙데이터인 은닉 상태를 효과적으로 추적하여 사고 대응 및 예방에 기여할 것으로 기대된다.
Abstract
With the advancement of autonomous vehicle technology and its increasing adoption, new types of accidents distinct from those involving conventional vehicles have emerged. This study proposes a Hidden Markov Model (HMM)-based approach to systematically track and analyze the causes of autonomous vehicle accidents. The proposed model categorizes the accident process into three stages: Pre-crash, In-crash, and Post-crash. It is designed to analyze the transitions between states in each stage and the interactions among key factors using a probabilistic approach. Furthermore, the study introduces practical applications of the model by presenting major autonomous vehicle accident scenarios based on the 3W (Who, Why, What) framework. The model demonstrates high performance in systematically analyzing complex accident causes, particularly by effectively tracking hidden states, or "black data," in the Pre-crash stage. This capability is expected to contribute significantly to improving accident response and prevention.