자율주행자동차 기초

학습원리와 방식 

1. 도로정보 수집 - 도로를 촬영하여 도로이외의 정보를 삭재하여 검은 색 선 내부의 도로 모습을 정보로 수집함.

2. 촬영한 사진마다 사용자가 방향키로 조작한 기록을 수집.

3. 사진과 방향키 조작정보가 테서플로에 입력된다.

   텐서플로는 사진을 원인값(x),방향키 조작 정보를 결과값(y)으로 하는 모델 함수 방정식을 만든다. 

이 방적식을 위해 AI 기술인 인공신경망에서  AI가 도로를 학습해 자율주행을 위한 훈련을 하게 된다. AI는 사진속 정보를 파악해 특징을 잡아내고, 그 경우 좌,우,직진 중 어느것을 선택해야할지 예측한다.

   * 텐서플로 - 딥러닝과 머신러닝 들에 활용하기 위해 구글 내 인공지능 부문인 구글브레인팀이 개발한 인공지능 툴

AI의 학습이 매우 중요하며, 너무 많은 학습을 진행하게 되면 직진도로에서 좌,우회전을 하거나 지나치게 회원을 하는등 도로를 벗어나는 등의 경우가 발생한다. 

  * 머신러닝 - AI의 한 분야로 경험적 데이터를 기반으로 학습을 한뒤 예측을 하고 스스로 성능을 향상시키는 시스템과 이를 위한 알고리즘을 연구하고 구축하는 기술이다. 

  *인공신경망 기술 - 사람의 두뇌에서 일어나는 과정을 본떠 만든 AI 알고리즘이다. 구글 번역기나 다양한 수요및 가격예측시스템에 폭 넓게 사용되고 있다. 

인공신경망은 사람의 뇌에서는 감각기관에서 받아들인 정보를 뉴런(신경세포)을 통해 뇌로 전달한다. 이후 뇌는 정보를 종합판단해서 다시 인체 각기관으로 명령을 내린다. 이때 여러개의 뉴런이 연결되면서 복잡한 연산을 수행하는데, 이와 같은 두뇌의 정보처리 과정을 모방해서 인공신경망 AI 알고리즘이 만들어졌다. 

인공신경망 기술은 입력층과 은닉층, 출력층으로 구성된다. 은닉층이 2단계 이상일 경우 신경망이 깊다(Deep)는 뜻으로 딥러닝이라 부른다. 

 

인공지능에는 예측모델과 분류모델이 있으며, 예측모델은 선형예측을 통해 원인값에 따른 결과값을 예측하며, 분류모델은 원인값에 따른 결과값이 분류 카테고리 내에서 결정된다. 여기서 선형예측이란, 현재까지 관측한 값의 선형 함수로 미랫값을 추정하는 예측이다.

 

자율주행의 국제표준 

사람이 운전하는 0단계부터 자율주행시스템이 운전하는 5단계로 구분된다.

자동화 단계	특징	핵심내용
사람이 주행환경을 모니터링
Level 0	비자동(No Automation)	운전자가 모든 조작을 제어하고, 모든 동적 주행을 조정
Level 1	운전자 보조(Driver Assistance) 크루즈컨트롤기능	자동차가 조향지원 시스템 또는 가속/감속 지원시스템에 의해 실행되지만, 사람이 자동차의 동적 주행에 대한 모든 기능을 수행
Level 2	부분자동화(partial Automation) 첨단 운전자 보죄스템(ADAS)	자동차가 조향지원 시스템 또는 가속/감속 지원 시스템에 의해 실행되지만, 주행환경의 모니터링은 사람이 하여 안전운전 책임도 운전자에게 있음.
자율주행 시스템이 주행환경을 모니터링
Level 3	조건부 자동화(Conditional Automation)	시스템이 운전조작의 모든 측면을 제어하지만, 시스템이 운전자의 개입을 요청하면 운전자가 적절하게 자동차를 제어해야 하며, 그에 따른 책임도 운전자에게 있음.
Level 4	고도 자동화(High Automation) 자율주행택시"웨이모 원"	주행에 대한 핵심제어, 주행환경 모니터링 및 비상시의 대체 등을 모두 시스템이 수행되지만, 시스템이 전적으로 항상 제어하는것은 아님
Level 5	완전 자동화(Full Automation)	모든 도로조건과 환경에서 시스템이 항상 주행 당담