9.5 판단 및 경로 계획의 요구사항

1. 판단 시스템의 계층 구조

Level 4 자율주행의 판단(planning) 시스템은 일반적으로 다음 세 가지 계층으로 구성된다(Paden et al., 2016).

전역 경로 계획(Route Planning): 출발지에서 목적지까지의 최적 경로를 도로 네트워크 그래프에서 탐색한다. A* 알고리즘, Dijkstra 알고리즘 등이 사용되며, 실시간 교통 정보에 따라 동적으로 경로를 갱신한다.

행동 계획(Behavior Planning): 현재 교통 상황에서 적절한 주행 행동(차선 유지, 차선 변경, 좌회전, 우회전, 정지, 양보, 합류 등)을 결정한다. 유한 상태 기계(Finite State Machine, FSM), 의사결정 트리, 또는 학습 기반 정책(policy)이 사용된다.

궤적 생성(Trajectory Planning): 결정된 행동을 실행하기 위한 시간-공간 궤적을 생성한다. 궤적은 안전성, 교통 법규 준수, 차량 동역학 제약, 승차감을 동시에 만족하여야 한다.

2. 안전성 요구사항

2.1 충돌 회피

판단 시스템은 인지 시스템이 제공하는 객체 정보와 예측 궤적을 기반으로, 정적 장애물 및 동적 교통 참여자와의 충돌을 방지하는 궤적을 생성하여야 한다. 충돌 회피는 판단 시스템의 가장 근본적인 안전 요구사항이다.

2.2 안전 거리 유지

선행 차량과의 안전 거리(safe following distance)를 유지하여야 한다. RSS(Responsibility-Sensitive Safety) 모델(Shalev-Shwartz et al., 2017)은 수학적으로 정의된 안전 거리를 제시하며, Level 4 시스템에서 참조 안전 프레임워크로 활용될 수 있다.

RSS에서 정의하는 최소 안전 종방향 거리 $d_{\text{safe}}$ 는 다음과 같다.

$d_{\text{safe}} = v_r \rho + \frac{v_r^2}{2a_{\min,\text{brake}}} - \frac{v_f^2}{2a_{\max,\text{brake}}} + \frac{1}{2} a_{\max,\text{accel}} \rho^2$

여기서 $v_r$ 은 후행 차량 속도, $v_f$ 는 선행 차량 속도, $\rho$ 는 반응 시간, $a_{\min,\text{brake}}$ 는 후행 차량의 최소 제동 감속도, $a_{\max,\text{brake}}$ 는 선행 차량의 최대 제동 감속도, $a_{\max,\text{accel}}$ 는 선행 차량의 최대 가속도이다.

9.5.2.3 교통 법규 준수

판단 시스템은 해당 지역의 교통 법규(속도 제한, 신호등 준수, 차선 변경 규칙, 우선권 규칙 등)를 정확하게 준수하여야 한다. 교통 법규의 공식적 표현(formal representation)과 자동화된 준수 검증이 연구되고 있다.

9.5.3 교통 흐름 적응

Level 4 시스템의 판단은 안전성만을 고려한 보수적 운행에 그치지 않고, 자연스러운 교통 흐름에 적응하여야 한다. 지나치게 보수적인 주행(예: 불필요한 정지, 극도로 느린 합류)은 다른 교통 참여자에게 혼란을 야기하고, 교통 효율을 저하시키며, 추돌 위험을 증가시킬 수 있다.

9.5.4 비정형 상황 대응

공사 구간 우회, 비상 차량 양보, 교통 경찰 수신호 대응, 도로 위 낙하물 회피 등 사전에 모든 경우를 열거하기 어려운 비정형 상황에 대한 대응 능력이 요구된다. 이러한 상황에 대해 규칙 기반 접근법은 확장성에 한계가 있으며, 학습 기반 판단(예: 모방 학습, 강화 학습)이나 대규모 언어 모델(LLM) 기반 추론의 활용이 연구되고 있다.

9.5.5 계획의 실시간성

궤적 계획의 갱신 주기는 10–20 Hz(50–100 ms)가 요구되며, 계획 알고리즘의 실행 시간이 이 주기를 초과하지 않아야 한다. 급변하는 교통 상황(끼어들기, 급제동 등)에서도 실시간으로 궤적을 재계획(replanning)할 수 있는 연산 효율이 필수적이다.

9.5.6 예측(Prediction) 요구사항

정확한 경로 계획을 위해서는 주변 교통 참여자의 미래 궤적을 예측하여야 한다. 예측 범위(prediction horizon)는 일반적으로 3–8초이며, 예측 궤적은 다중 모드(multi-modal) — 즉, 복수의 가능한 미래 행동(예: 직진, 좌회전, 차선 변경)과 각각의 확률 — 를 포함하여야 한다. 이를 통해 판단 시스템은 불확실성을 고려한 안전한 의사 결정을 수행한다.

참고문헌

Paden, B., Čáp, M., Yong, S. Z., Yershov, D., & Frazzoli, E. (2016). A survey of motion planning and control techniques adopted in self-driving vehicles. IEEE Transactions on Intelligent Vehicles, 1(1), 33–55.
Shalev-Shwartz, S., Shammah, S., & Shashua, A. (2017). On a formal model of safe and scalable self-driving cars. arXiv preprint arXiv:1708.06374.

버전: v1.0, 2026-04-11