자율주행자동차란?
자동차 스스로 주변 환경을 인식하고, 위험을 판단하여, 운전자가 제어하지 않고도 스스로 주행 경로를 계획하여 안전주행이 가능한 인간 친화형 자동차.
미국은 2004년 자율주행자동차에 대한 민간 기업의 참여를 유도하기 위해서 DARPA가 후원하는 무인자동차 경주 대회를 개최했다. 2004년부터 2007년까지 개최했으며 2004년에 미국 모하비 사막지역 240KM구간을 완주하는 차량은 없었다. 2005년에는 스탠포드 스탠리 팀이 미국 모하비 사막지역을 완주했고 총 5개 팀이 완주했다. 2007년에는 미군 공군비행장을 개조한 도심지를 주행했고 96km경기 코스를 카네기멜론팀이 완주했다. 민간 기업의 충분한 관심을 끌었다고 생각한 미국 DARPA는 2007년을 마지막으로 더 이상 대회를 열지 않았다. 2010년에는 검색엔진, 구글맵, 각종 서비스를 제공하는 구글이 Self Driving Car를 개발했고 차세대 ICT 융합 기술 선점을 목적으로 하여 개발을 진행했다.
2012년 뉴스를 참고해보면 무인차 기술은 이미 개발되었고 10년 내에 손 뗀다는 기사로 볼보의 군집주행 개발현장, 고속도로와 같은 환경에서 맨 앞차만 유인운전을 하고 대열에 붙어 연결하여 기차처럼 군집주행을 하는 모습을 보였다. 이로 인해 도로 효율성이 3배 향상되었고 연비 최대 20% 개선효과를 나타냈다. 2015년에는 테슬라에서 탑승자 없는 무인차 추진 논란이을 보였다. 또한 같은 해 5월에는 구글에서 미국 캘리포니아에 국가로부터 허가받은 48대 차량을 시범운행하면서 작은 사고들이 발생했지만 이를 은폐했다는 기사가 나왔다. 그리고 같은 해 자동차업계는 구글과 애플처럼 자율주행차량에 뛰어든 기업에게 정보를 제공하지 않겠다고 선언했다. 이들이 자율주행차 시장을 선점할 것을 우려하여 이와 같은 행동을 보인 것으로 나타났다. 2015년 11월에는 현대차 무인주행을 시연했는데 캘리포니아에서 102대가 운행중이다. 중국의 구글 바이두 또한 무인차 주행에 성공했다. 그러나 이렇게 무인차가 실제로 주행을 하면서 한가지 딜레마가 발생했다. 무인차 딜레마란, 쭉 직진하면 10명을 자동차로 치게 되고, 좌회전이나 우회전하면 주행자가 다치거나 보행자가 다치는 상황이 발생한다. 이와 같은 피할 수 없는 상황에서 3가지 선택 중 무엇을 선택하겠느냐가 딜레마이다. 이에 미국 도로교통안전국은 인공지능이 인간 운전자와 같은 수준의 판단을 할 수 있다는 것을 입증한다면, 구글의 자율주행차 인공지능 시스템을 연방법 체제에서 운전자로 인정할 수 있다는 의견을 내놓았다. 2016년에는 애플이 무인차 산업에 연구개발비를 3조 이상을 자율주행차에 투자하고 무인차 산업이 앞으로 경제 효과가 102조원일 것이라고 밝혔다. 같은 해 구글은 한국에서 자율주행차 주행을 위해 정부에 한국 상세지도를 요구했으나 정부는 군 시설과 관련하여 이를 거절했다. 테슬라 모델S는 자율주행차가 흰 트럭을 햇빛으로 인지하여 그대로 돌진했고 운전자가 사망한 사건이 발생했다.
무인자율주행 기술이란?
자동차 스스로 주변 상황을 인지하고, 위험을 판단하여, 운전자의 개입이 최소화된 환경에서 자동차 스스로 주행 계획을 세우고 교통 상황에 맞춰 가, 감속 등 제어를 통해 목적지까지 안전하게 가는 기술을 의미한다. GPS모듈과 같은 자동 항법 장치도 필요하다. 일반용 뿐만아니라, 장애인을 위한 보조수단, 군사용, 화물운송을 비롯하여 상업용 등 광범위한 분야에서 사용될 전망으로 향후 자동차 산업을 이끌 기술로 주목을 받고 있다. 자유주행 자동차가 필요한 요소로는 인지, 판단, 제어로 크게 3가지로 나눈다. 현재 기술은 레이더, 카메라를 기반으로 한 지능형 자동차라면 미래에는 V2X를 이용한 외부와 소통하는 자동차가 개발될 것이다. 자율주행과 군집주행을 통해서, 또한 기계 중심의 자동차인 현재의 자동차는 미래에 인간 중심의 자동차로 스마트, 커넥티드 형으로 발전할 것이다. 그리고스마트카 관련 안전규제와 인센티브 강화 등 여러 정책들이 나타날 것이다. 미래에 자율주행 자동차가 상용화되면 미래 산업 중 유통 산업은 화물 운송 비용이 줄고 정시에 물품이 도착하여 효율성이 증가할 것이다. 부동산은 주차장 부지 개발로 도시 외부도 부동산 관심이 높아질 것이다. 자동차 제조 업계는 초기에는 자율주행 자동차를 공급하면서 호황기를 맞이하겠지만 나중에는 효율성 증대로 인해 차량 판매가 줄면서 불황을 맞이할 것이다. 캐피탈이나 금융권은 개인이 자동차를 소유하지 않고 택시처럼 이동하고자 하는 구간만 자동차를 이용하면서 자동차를 구매할 때 할부 이용이 줄어들 것이다. 또한 대중교통 이용도 줄어들 것이다. 군집주행과 자율주행으로 연료 효율성이 좋아져 석유 에너지 업체도 수요가 하락할 것이다. 보험사도 사고가 줄면서 보험에 대한 필요성이 줄어들어 불황을 맞이할 것이다.
세계 자동차 업계 중 아우디, 벤츠, BMW, 볼보, 닛산 도요타, 콘티넨탈 등 자동차 업계들은 각자 최첨단 ADAS(Advanced Driving Assistant systems)를 개발하고 있다. 자율주행 차량은 사람과 자동차의 제어 정도에 따라 레벨0부터 레벨4까지 나눌 수 있다. 레벨0은 모두 사람이 인지, 판단, 제어를 맡아 하는 것이다. 자동제어가 전혀 없는 것으로 자동차가 제어하는 시스템이 없다. 레벨1은 1개의 ADAS를 장착하여 일부를 자동차가 제어하고 레벨2는 2개의 ADAS를 장착해 운전대와 패달을 동시에 자동차가 제어한다. 레벨3은 자동차 전용도로, 주차장에서 자동차가 자율주행을 한다. 레벨4는 완전히 자동차가 스스로 인지, 판단, 제어를 하는 것으로 완전한 자율주행 차량이다. 현재 자율주행 시장은 레벨2~3정도이다. 기술적으로 레벨4로 가기 위해서는 모든 상황에 대해 인지, 판단, 제어를 자동차가 할 수 있어야하고, 제한된 조건에서의 자율주행 수준인 현재 수준으로는 불가능하다. 또한 ADAS를 장착함으로써 차량 구매 비용이 증가하는 것도 해결해야 할 문제다. 자동차가 상용화되기 위해서는 ADAS를 저렴한 추가 비용으로 이용할 수 있어야 한다. 그리고 운전자가 실제로 자율주행 차량을 믿을 수 있도록 신뢰성을 높여야 하고, 법/보험 측면에서도 자율주행에 대한 실질적인 법 제정과 보험 기준이 필요하다.
자율주행기술로는 BSD(Blind Spot Detection)으로 사각지대를 감지하는 시스템으로 라이더와 레이더가 사용된다. LDW(Lane Departure Warning), LKA(Lane Keeping Assistance)로 라이더와 레이더, 카메라가 필요하다. AVM(Around View Monitoring)을 통해 주변 360도를 볼 수 있으며 이에 필요한 부품으로는 라이더, 레이더, 카메라가 필요하다. AEB(Advanced Emergency Breaking)시스템으로 레이더와 라이더가 필요하다. NV(Night View)는 어두운 밤에도 전방을 확실히 볼 수 있도록 돕는 기능이다. 카메라가 주로 사용된다. DDD는 (Driver Drowsiness Detection)으로 운전자가 운전 중 졸고 있을 때 알림을 하는 기능이다. 헬스 센서와 카메라가 사용된다. TJA(Traffic Jam Assistance)는 교통 제층이 일어날 때 운전자가 운전하지 않고 앞의 차와 일정 거리를 유지하도록 하는 기능이다. 라이더와 레이더, 카메라가 사용된다. RPAS(Remote Parking Assistance System)은 차량을 먼 거리에 알아서 주차하도록 하는 기능이다. 이 기능이 상용화된다면 주차에 큰 어려움이 없을 것이며, 주차에 대한 스트레스도 줄어들 것이다. 그러나 이 기능이 상용화되기 위해서는 인프라도 구축되어야 한다. 주차 지원 시스템은 주차 사고를 줄일 수 있고, 차선 유지는 고속도로 차선 변경 사고를 감소시킬 수 있다. 적응형 순항제어는 인명피해를 줄이고 연비를 절감시킬 수 있다. 차선이탈 경고로 차선 변경사고를 줄일 수 있으며, 긴급 제동을 이용하여 인명피해 사고를 줄일 수 있다. 나이트뷰 지원으로 야간 교통사고를 줄일 수 있다. 라이더와 레이더처럼 ADAS시스템에 필요한 부품들은 앞으로도 수요가 늘어날 것이다. 라이더의 유망 기업으로는 벨로다인과 쿼너지가 있다. 라이더는 측정각도가 넓고 주변을 3차원으로 인지할 수 있다. 고가의 가격으로 환경의 영향을 많이 받는다. 너무 높은 가격으로 인해 2차원 라이더의 수요도 꾸준하다. 2차원 라이더는 IBEO와 SICK이 있다. 이외에도 레이더는 어두운 밤이나 악천후에서도 사용이 가능하고 최대 200M까지 장거리 탐지가 가능하다. 형태 인식이 가능하나 고가의 가격이다. 카메라도 형태인식이 가능하나 날씨와 시간대에 구애를 받는다. 레이더와 라이더보다 정밀도가 떨어지지만 그만큼 저렴하다. 초음파 센서는 주로 정차시나 저속에서 이용하며 측정거리가 짧으나 가격이 저렴하다. 레이더의 유망기업으로는 델파이,콘티넨탈 보스가 있다.
카메라 유망기업으로는 콘티넨탈이 있다. 그러나 센서를 이용해도 사각지대가 존재하고 인지능력에 한계가 있기 때문에 이를 극복하고자 V2X가 하나의 대안으로 떠오르고 있다. V2X는 V2V 차량과 차량간, V2I 차량과 인프라 간의 소통을 할 수 있는 통신을 의미한다. V2I를 통해 공사현장에 대한 정보를 받아들일 수 있고 교통상황에 대해 정보를 교환할 수 있다. V2V는 교차로에서 차량 간 부딪히지 않도록 정보를 교환하며 군집 자율주행이 가능하다. 볼보의 군집주행은 V2V를 이용하여 할 수 있다. V2I와 V2V가 완전해진다면, 베트남에서 신호등 없이도 4거리에서 이동할 수 있는 것처럼 자동차가 자율주행을 안전하게 할 것이다. ADAS기술인 BSD(Blind Spot Detection)은 많은 레이더와 초음파 센서, 라이더를 이용하여 사각지대 경고를 한다. 현재 아우디나 벤츠, BMW 등 여러 자동차 업체들이 사이드미러에 해당 정보를 볼 수 있도록 하고 있다. LDW, LKA는 (Lane Departure Warning, Lane Keeping Assistance)는 카메라와 레이저 센서, 적외선 센서, 라이다가 필요하다. AVM(Around View Monitoring)으로 차를 360도 볼 수 있으며 주차할 때 요긴하게 쓰인다. 카메라만으로 이용이 가능하다. FCW, PCW(Forward Collision Warning, Pedestrian Collision Warning)은 전방에 있는 장애물 혹은 보행자와 충돌 위험이 있을 때, 경고하는 기능이다. 이는 AEB(Advanced Emergency Breaking)과 더불어 사용한다. FCW, PCW는 카메라와 레이더, 라이더를 사용한다. AEB는 라이더와 레이더를 사용한다. NV(Night View)는 야간에 주행할 때 카메라를 이용하여 전방 시야 확보가 가능하여 운전자의 사고 위험을 줄이는 기능이다. DDD는 (Driver Drowsiness Detection)으로 헬스 센서와 카메라를 이용하여 운전자가 조는지 확인하여 알리는 기능이다. TJA(Traffic Jam Assistance)는 교통 정체가 심할 때, 자율 주행으로 앞차 간 거리유지를 할 수 있는 기능이다. 이로 인해 연비가 늘어날 것이며 사고도 줄어들 것이다. 레이더와 카메라, 라이더를 사용한다. RPAS는 소나센서와 라이더, AVM기술을 사용한다. 따라서 카메라도 필요하다. 우리나라에는 K-city라는 자율주행 자동차 시험도시가 존재한다. 경기도 화성시에 세계 최대규모 주행이 가능한 장소를 마련했다. 이외에도 japan cluster of village, US DOT Smart city challenge가 있다. 자율주행의 레벨은 0부터 4까지 있으며 0은 완전 수동으로 운전자가 인지, 판단, 제어를 한다. 레벨1은 adas가 1개 추가되어 일부 기능을 자동차가 자율 주행한다. 레벨2는 adas가 2가지로 운전대나 가,감속을 자동차가 제어한다. 레벨3은 일정 조건, 주차장이나 자율주행 도로에서 완전 자율주행이 가능하다. 레벨4는 완전한 자율주행이 가능한 수준이다. 현재 레벨 2~3단계이다. 현재 상용화되고 있는 자율주행 제품군으로 APS(Automated Parking System)으로 운전자가 탑승한 상태 또는 운전자가 차에서 내린 상태로 주차를 명령하면 자동으로 주차해 주는 시스템이다. 두번째로, tja가 있다. 가다서다를 반복하는 저속 시내구간에서 사용하는 자율주행 시스템이다. 세 번째로, 고속도로에서 사용하는 자율주행 시스템이다. 네 번째로, ALC(Automated Lane Change)시스템으로 자동으로 차선을 변경하는 시스템이다. 자율주행자동차는 미사일에서 사용되는 자동항법을 이용하여 목적지를 추적하여 경로를 계산한다.
따라서 자동항법과 gps가 필수적이다. 현재 자율주행차량은 실제 도로에서 운행 중이며, 테슬라 운전자 사망사고 외에 여러 사고가 발생하면서 안정성에 대한 의구심이 발생한다. 이에 따라 자율차 기술을 미리 운행해봐야 한다. 여러 자동차 회사들은 평가인프라가 마련된 곳에서 테스트를 해보고 실도로로 나가야 한다. 그리고 그래픽카드 회사였던 Nvidia의 딥러닝 기반 상황판단 sw를 통해 자동차 제어에 대한 정보들을 추가할 수 있다. 제어를 소프트웨어를 통해할 수 있기때문에 소프트웨어에 대한 수요도 증가하고 있는 추세이다. 단계별 개발 방법론으로는 1)MILS 블록다이어그램을 기반 모델에 기반한 시뮬레이션 기술이다. 2)SILS 는 SW를 확장시켜 가상 시뮬레이션 환경에서 드라이빙 시뮬레이션을 돌리는 것이다. 3)HILS는 Hardware 부분을 포함하여 비가 오는 상황이나 눈이 오는 상황을 추가해서 시뮬레이션 하는 것이다. 4)VILS는 HILS의 하드웨어 부분 대신 실제 차량을 이용하고 가상 시뮬레이션 환경을 차량에 입력하여 수행하는 드라이빙 시뮬레이션 기술이다. VILS1단계로는 실내에서 실차를 리프트로 들어올려 가상 드라이빙 환경을 입력하여 시뮬레이션 하는 기술이고 VILS2단계는 야외 공터에서 가상 드라이빙 환경을 입력하여 시뮬레이션 하는 기술이다. 실차에 실제 상황을 입력하여 하는 기술로 실제에 가장 가깝다. 소프트웨어 상황을 입력하기 위해서 GTA5환경에서 SILS 구동한다. GTA5는 실제 도로와 상황이 상당히 유사하다. 보행자, 이외에 다른 차량과 눈과 비가 오는 점에서 실제와 유사하여 SILS를 돌리기에 충분한 환경이다. 이를 통해 소프트웨어를 구동한다.