● 판단 기술
판단기술은 수집한 주행환경 정보를 기반으로 주행상황을 인식해 향후 일어날 일을 예측하고 목표지점에 도달하기 위한 가장 안전하고 적합한 경로, 속도 및 주행방법 등 최적 주행전략을 결정하고 차량에 제어명령을 내리는 기술입니다.
예를 들어 목표지점까지 이동하려는 주행경로를 탐색해 최적의 경로를 결정하고 현재 주행위치에서 차량의 전진예정방향 도로나 차량의 상황, 신호상태, 보행자나 장애물 등의 정보를 고려해 진행할지, 멈추는지, 피해갈지, 아니면 어떤 길이 안전한지 위험한지 등 사전에 입력된 논리를 이용하거나 인공지능을 활용해 판단을 내리는 것입니다.
센서 기반 인지와 연결 기반 인지로 수집된 수많은 정보는 자동차 내 고성능 연산이 가능한 프로세서와 안전을 실시간으로 계산하는 프로세서로 구성된 ‘자율주행 시스템 칩’ 또는 ‘자율주행 ECU/DCU’로 수집돼 판단에 활용된다.
<최초로 운전자 보조 시스템과 자동차 제어 유닛을 통합한 zFAS-아우디의 레벨3 차량 A8에 구현, 출처 : Audi Media Center Web> 현재에도 이미 자동차에는 주행 환경 입력 장치로 많은 센서가 있으며, 또한 차량의 구동, 가/감속, 정지 등을 자동으로 수행하는 제어 기능이 포함되어 있으며, 이들을 관리하고 판단하기 위한 장치로 다양한 “시스템 칩”과 “ECU/DCU” 등이 사용되고 있습니다.
ECU(Electronic Control Unit, 전자제어시스템)나 DCU(Domain Control Unit, 통합제어시스템)는 차량에서 인간의 뇌와 같은 역할을 하는 장치로 관련 소프트웨어와 함께 센서로 전달된 데이터를 해석하고 판단해 최적의 솔루션을 결정하는 역할을 하는데 MCU(MicroControl Unit), 디지털 신호처리장치(DSP, Digital Signal Processor), CAN(Controller Area Network) 버스, 트랜시버 등으로 구성되어 있습니다.
이전 차량용 시스템 칩이나 ECU/DCU 등은 차량 제어를 위한 판단으로 주로 확률적 계산에 의해 설계된 기술이 활용됐습니다. 어댑티브 크루즈 컨트롤을 예로 들면 레이저 센서로 취득한 앞차와의 거리, 속도 정보와 운전자 세팅 값 등 몇 가지 기준에 따라 가속 또는 감속 판단 규칙을 정해놓고 규칙에 따라 판단하고 명령을 내리는 것입니다.
그러나 자율주행자동차에서는 긴급제동, 충돌회피용으로 중장거리레이더, 야간물체탐지용으로 중장거리적외선카메라, 정속주행을 위한 전방카메라 및 차선감지를 위한 스테레오카메라, 주변물체감지를 위한 초음파센서, 주변시설 및 환경감지를 위한 라이더, 사각지대감지를 위한 단거리레이더, 후방 및 후측방감지를 위한 다중모드레이더 등 외부상황파악을 위한 다양한 센서가 사용되고 있습니다.
뿐만 아니라 현재 위치 파악을 위한 GPS, 자동차 내 다양한 기기의 상태를 확인하는 센서가 사용되는데, 이 모든 센서가 감지한 데이터를 실시간으로 수집해야 하며, 또한 HD맵 데이터, V2X 통신을 통해 수집된 정보 등을 모두 실시간으로 처리하면서 차간 거리 유지, 주변 도로 상황, 차량 흐름, 신호 변경을 감지하여 주행 중 돌발 상황에 대한 신속한 대처로 사고를 회피해야 합니다.
이처럼 자율주행차로 발전함에 따라 차량간, 도로변, 그리고 신호등 도로주변시설에서 취득해야 할 정보의 종류와 양이 급격히 늘어나게 되고 해당 도로의 제한속도, 기상에 따른 제동거리 등 기존 인간이 고려하던 환경적 조건까지 차량 스스로 고려해야 하는 등 판단장치가 고려해야 할 경우의 수가 기하급수적으로 증가하므로 규칙 기반의 판단을 프로그래밍하는 것은 현실적으로 불가능해집니다.
따라서 이런 경우에는 자율주행차는 특정 상황에서 스스로 판단할 수 있도록 머신러닝 등 인공지능을 통한 학습으로 추론하는 방법을 고려해야 하지만 자율주행 레벨 2 정도의 ADAS에도 이미 NPU(Neural Processing Unit, 신경망처리 유닛)를 포함해 인공지능 기능 통합 칩을 장착하기도 합니다.
<클라우드 기반의 3차원 디지털멘, 출처: Volvo Cars-Global Newroom> 한편 자율주행 기술이 더욱 발전하고 인지된 정보는 빅데이터 기술에 의해 처리되어 자율주행 시스템 칩 또는 자율주행 ECU/DCU에서 판단 작업을 하는데 활용되지만 차량 내 시스템 칩이나 ECU/DCU만으로 처리하기에는 방대한 정보와 연산이 필요한 경우가 발생할 수밖에 없어 클라우드를 활용하기도 합니다.
이처럼 점차 자율주행 판단에 인공지능을 활용하는 경우가 많아지면서 클라우드를 활용해야 하는 경우가 많아지는데, 이는 완벽한 자율주행 기능을 수행하기 위해서는 엄청난 컴퓨팅 파워가 필요하고 차량 내에서 인공지능 구현에 필요한 모든 연산을 할 수 있도록 구성하기에는 공간과 전력효율상의 제약이 있기 때문입니다.
하지만 이 모든 데이터의 처리와 그에 대한 대처 판단이 클라우드를 통해 이뤄질 경우 네트워크 지연이 발생하거나 데이터 전송 오류가 발생하면 돌발 상황에 유연하게 대처하지 못할 수도 있고 최악의 경우 심각한 사고가 발생할 수도 있어 자율주행차에서는 에지 컴퓨팅이 적극 활용되고 있습니다.
한편 누군가가 의도적인 악의를 가지고 클라우드와 자율주행 자동차 간 통신을 해킹해 사고를 유발한다면 이는 자율주행 자동차가 무기화될 수 있는 보다 심각한 상황이 될 수도 있습니다.
이에 취득된 인지정보를 바탕으로 인공지능을 학습시키고 고도화하는 것은 클라우드에서 담당하고, 차량에서는 클라우드에서 학습된 인공지능 기능만을 다운로드하여 활용해 실시간으로 수집되는 정보에 기반한 판단을 하거나 V2X 통신이 충분히 통신·제어 지연속도를 충족하지 못할 경우 클라우드에서의 처리 과부하에 대비하는 방안으로 차량 판단 기능에 인공지능을 활용하는 에지 컴퓨팅 기술도 적극 도입되고 있습니다.
<AECC(Automotive Edge Computing Consortium)의 데이터 처리 계층도, 출처 : AECC Whitepaper “Driving Data to the Edge : The Challenge of Traffic Distribution” ● 제어 기술
제어기술은 스티어링 기술과 가감속 기술로 차량을 움직이는 구동계를 제어하는 기술인데 이미 상당한 수준에 도달한 기술입니다.
스티어링은 임의로 스티어링 휠 방향을 조작해 차량의 진행 방향을 제어하는 것으로 가감속은 가속 페달과 제동 페달을 통해 차량을 달리게 하거나 멈추는 기술을 말합니다.
기존에 운전자가 직접 조작하던 스티어링과 가감속 제어는 차량 내 통신 규격인 CAN(Controller Area Network) 통신을 이용해 ‘MDPS(Motor Driven Power Steering)’ 모터, 혹은 엔진 제어기를 조절하는 방식으로 변화하고 있습니다.
이러한 제어 기술은 기존의 내연기관차에도 구현되어 실용화 되어 사용되고 있지만 자율주행차로 발전하면서 전기차로 변화하게 되면 구동계가 모터 기반의 전자식 액추에이터가 되므로 구조도 훨씬 간단하고 정밀 제어에도 더욱 유리해질 것입니다.
주요 부품은 파워트레인(Power train), 브레이크(Brake), 스티어링(Steering), 서스펜션(Suspension) 등의 액추에이터가 이에 해당하며 EPS(Electric Power Steering) 등의 조향 시스템, ESC(Electronic Stability Control, 전자 안정성 제어), EPB(Electronic Parking Brake) 등의 제동 시스템, 그리고 에어 서스펜션 등의 요소 기술입니다.
<자동차 구동계, 출처 : Hitachi Automotive America Web> ● 지원 인프라 기술
이러한 인지, 판단, 제어 기술은 자율주행 차량 자체에 적용되는 기술이지만 완전한 자율주행 차량 환경은 차량 기술 외에도 자율주행 차량의 운행 성능을 향상시키고 차량에 필요한 정보를 감지, 분석, 관리하여 차량에 전송하는 지원 인프라 기술도 함께 요구됩니다.
자율주행 지원 인프라는 첨단 교통 운영 시스템과 첨단 교통 시설로 분류될 수 있습니다.
첨단교통시설물로는 스마트도로시설물과 노변센서가 있는데 스마트도로시설물은 자율주행차량의 인지성능 향상과 사고위험 감소 등을 위해 도로시설물에 적용되는 기술로 스마트톨게이트, 스마트신호기, 발광차로 등의 자율주행지원도로시설물이 있으며 노변센서는 도로내외 물체와 환경을 감지하는 기술로 보행자, 차량, 장애물, 기후 등을 감지하는 노변카메라, 노변레이더, 노변라이더다. 등의 센서가 있습니다.
첨단교통운영시스템으로는 차량과 도로시설, 노변센서 등으로 수집된 데이터를 종합적으로 분석·관리하는 기술교통관제시스템이 있으며 교통신호, 정체, 사고, 공사, 기상 등의 정보를 관리하고 차량에 정보를 제공하는 기능을 합니다. 인프라 기술에는 자율주행에 필요한 데이터를 차량과 인프라 간에 송수신시키는 인프라용 V2X 통신 기술도 포함됩니다.
<제주 차세대 지능형 교통시스템 개념도, 출처 : KT> 이외에도 자율주행 전략, 법, 제도, 정책, 보험 등 기술에 포함되지 않는 인프라성 사항 등이 있습니다.
자율주행차에서 또 한 가지 중요한 기술 문제는 사이버 보안입니다. 자율주행차는 IT기술을 바탕으로 통신접속성을 통해 자율주행과 편의시스템을 누릴 수 있는 자동차이기 때문에 네트워크에 접속하는 빈도가 크게 늘어나고 해커의 공격, 사이버테러 또는 시스템을 제어하는 실질적인 테러 등의 위협이 증가할 수 있기 때문에 이들로부터 보호하기 위한 사이버보안이 중요합니다.
이미 2015년 지프체로키 모델이 인포테인먼트 플랫폼을 통해 손쉽게 해킹할 수 있다는 사실이 확인돼 140만대의 차량을 리콜한 바 있고 2016년 닛산에서도 해킹 가능성이 제기되는 등 자동차 IT화와 연결화가 빠르게 진행됨에 따라 자율주행차에서의 사이버 보안은 가장 중요한 고려사항 중 하나가 됐습니다.