탑승자 동역학 기반 자율주행차량 모델예측제어

키워드

확장요약문

자동차의 승차감 향상을 위한 진동 연구는 노면과 구동계에서 발생하는 진동이 탑승자에게 전달되는 과정을 분석하고, 이에 따른 불편감을 줄이는 방향으로 발전해 왔다. 현가장치와 좌석의 진동 전달 특성 개선이 대표적인 연구 과제이며, 진동 승차감(ride comfort)은 진동의 크기·주파수·방향에 따른 인체 반응을 고려하여 평가된다. 이러한 가운데, 자율주행 환경에서는 진동의 전달을 줄이는 것에 더해 주행 운동 자체를 탑승자 관점에서 설계하는 일이 중요해지고 있다. 소프트웨어 중심 차량(SDV)을 기반으로 AI 의 인지·판단 기능을 통합하는 AI 중심 차량(AIDV)에서는 시스템의 주행 결정이 가속·감속·선회와 같은 실제 운동으로 구현된다. 이러한 운동은 차량의 주행 경로를 제어하는 동시에 탑승자의 신체에 전달되는 자극이 된다. 따라서 자율주행차를 물리적 환경에서 행동하는 피지컬 AI(Physical AI)의 관점에서 바라볼 때에는, 주행 판단의 정확성과 더불어 그 주행 특성이 탑승자에게 미치는 영향도 예측하고 제어해야 한다.

탑승자에게 미치는 영향을 고려해야 하는 중요한 이유 중 하나는 주행 제어를 시스템에 맡기면서 차량 운동을 경험하는 방식도 달라지기 때문이다. 운전자는 자신의 조작과 전방 정보를 바탕으로 다음 운동을 예측할 수 있지만, 수동적인 탑승자는 조작에 기반한 예측 단서를 활용하기 어렵다. 독서나 영상 시청에 집중하면 외부 시각 단서가 줄어들고 시각·전정 정보의 불일치도 커질 수 있다. 이러한 변화는 멀미(motion sickness)가 발생하기 쉬운 조건을 형성한다. 감각 불일치(sensory conflict) 이론은 실제 감각 입력과 중추신경계의 내부 모델이 예측하는 감각 정보 사이의 불일치를 멀미의 주요 발생 요인으로 설명한다. 즉, 시각·전정·체성감각을 통해 경험하는 운동이 예상과 지속적으로 어긋날 때 멀미가 발생할 수 있다는 것이다

이러한 멀미 반응은 운동의 주파수와 노출시간에 따라서도 달라지므로, 기존의 진동 승차감 평가와 구분하여 다룰 필요가 있다. ISO 2631-1 은 일반적인 전신진동 안락감 평가에 0.5~80 Hz 를, 수직 운동의 멀미 평가에 0.1~0.5 Hz 를 적용한다. 수평 운동에서도 동일한 최대 가속도를 적용한 전후 방향 정현파 실험에서 0.2 Hz 의 높은 멀미 유발 특성이 보고되었다. 따라서 자율주행 차량에서 탑승자 경험을 개선하려면 기존의 진동 승차감에 더해 저주파 운동의 누적 노출에 따른 멀미를 함께 고려해야 한다.

따라서 자율주행차의 승차감 연구는 전통적인 진동 승차감과 멀미를 통합적으로 고려하는 모션 컴포트 (motion comfort) 관점으로 확장되고 있다. 모션 컴포트를 제어 목표로 삼으려면 차체 운동과 탑승자의 신체 응답을 연결하는 예측 모델이 필요하다. 차량 운동은 좌석과 인체를 거치면서 전달 특성이 달라지므로, 차체 가속도와 머리의 운동을 동일하게 볼 수 없다. 또한 머리에 위치한 이석기관의 신호만으로는 병진 가속도와 중력에 대한 기울기를 구분할 수 없어, 종방향 가감속에 따른 머리의 병진 운동과 피치 운동을 함께 고려해야 한다. 차량 모델과 좌석·인체 연성 동역학 모델을 통합하면 이러한 응답을 예측하고, 주행 운동을 결정하는 과정에 반영할 수 있다. 이 강연에서는 이러한 통합 예측 모델을 차량의 모델예측제어(model predictive control, MPC)에 적용하여 선행차 추종 과정에서 탑승자 응답을 고려한 종방향 가감속 제어 방법을 소개한다. MPC 는 차량과 탑승자의 동적 응답을 예측하고, 차간거리와 가속도 등의 제약조건을 고려하면서 추종 성능과 탑승자 운동 저감 사이의 상충관계를 다룬다. 반복 가감속 및 실도로 주행 시나리오에서 머리 가속도와 주파수 가중 운동 노출의 저감 효과를 살펴본다. 또한 6 자유도 주관적 수직 불일치(subjective vertical conflict, SVC) 모델로 예측한 멀미 발생률과 선행차 추종 성능의 변화를 함께 검토한다. 끝으로 학습 기반 예측과 개인화된 탑승자 모델의 결합 가능성을 논의하며, 자율주행의 지능화를 주행 판단에서 탑승자 영향의 예측과 제어로 확장하는 방향을 제시한다.