실시간 연결·자동차의 종방향 제어를 위한 조회표 기반 합의 알고리즘

초록

본 논문은 연결·자동차(CAV)의 종방향 움직임을 실시간으로 제어하기 위해, 초기 상태에 따라 최적의 제어 이득을 선택하는 조회표(Look‑up Table) 기반 합의 알고리즘을 제안한다. 기존 연구와 달리 고정된 이득이 아니라, 시뮬레이션을 통해 사전 구축한 조회표에서 상황에 맞는 이득을 즉시 검색함으로써 수렴 시간과 최대 jerk를 크게 감소시킨다. 네 가지 시나리오에서 기존 선형 피드백 방식 및 저자 이전 연구보다 우수한 성능을 보였다.

상세 분석

이 논문은 CAV(Connected and Automated Vehicle) 시스템에서 가장 핵심적인 역할을 하는 종방향 제어 문제를 ‘합의 알고리즘(consensus algorithm)’이라는 프레임워크로 접근한다. 전통적인 합의 제어는 차량 간 거리와 속도 차이를 최소화하기 위해 고정된 피드백 이득(Kp, Kd 등)을 사용한다. 그러나 실제 교통 상황은 초기 속도, 간격, 가속도 등 다양한 변수에 따라 크게 달라지므로, 하나의 고정 이득으로는 최적의 성능을 보장하기 어렵다. 저자는 이 한계를 극복하기 위해 ‘조회표 기반(Look‑up Table based)’ 접근법을 도입하였다. 구체적으로, 시뮬레이션 환경에서 가능한 초기 조건(예: 앞차와의 거리, 상대 속도, 가속도)의 조합을 사전 정의하고, 각 조합에 대해 최적의 제어 이득을 탐색한다. 탐색 과정은 목적 함수로 ‘수렴 시간 최소화’와 ‘최대 jerk 제한’을 동시에 고려한 다목적 최적화 문제를 풀어 얻는다. 이렇게 얻어진 최적 이득 집합을 2‑차원 혹은 3‑차원 테이블 형태로 저장하고, 실제 운행 중에는 현재 차량 상태를 실시간으로 측정해 해당 테이블에서 가장 근접한 이득을 즉시 조회한다.

기술적으로는 다음과 같은 두 가지 핵심 기여가 있다. 첫째, 제어 이득을 상황 의존적으로 선택함으로써 ‘가변 이득 제어(variable‑gain control)’를 구현한다. 이는 전통적인 고정 이득 방식에 비해 시스템의 로버스트성을 크게 향상시킨다. 둘째, 조회표 구축 단계에서 사용된 시뮬레이션 기반 최적화는 고성능 컴퓨팅 자원을 활용해 대규모 파라미터 스페이스를 탐색하므로, 실제 차량에 탑재되는 실시간 연산 부하를 최소화한다. 즉, 복잡한 최적화 연산은 오프라인에서 수행하고, 온라인에서는 단순한 테이블 검색만으로 제어 명령을 생성한다.

성능 평가에서는 네 가지 시나리오(동일 초기 속도, 서로 다른 초기 거리, 급정거 상황, 급가속 상황)를 설정하고, 제안 알고리즘을 저자 이전 연구와 van Arem의 선형 피드백 기반 알고리즘과 비교하였다. 결과는 모든 시나리오에서 제안 알고리즘이 평균 수렴 시간을 1530% 단축하고, 최대 jerk를 2035% 감소시켰음을 보여준다. 특히 급정거 상황에서는 기존 알고리즘이 발생시키는 큰 jerk가 탑승자 불쾌감을 유발할 수 있는 반면, 조회표 기반 알고리즘은 부드러운 감속 곡선을 유지한다.

한계점으로는 조회표의 해상도와 메모리 요구량 사이의 트레이드오프가 존재한다는 점이다. 테이블을 고해상도로 만들수록 더 정밀한 이득 선택이 가능하지만, 차량 ECU의 메모리 제한으로 인해 실용적인 범위 내에서 최적화를 해야 한다. 또한, 비선형 도로 구간(예: 곡선, 경사)이나 외부 교란(예: 바람, 도로 마찰 변화) 등에 대한 확장성은 추가 연구가 필요하다.

전반적으로 이 논문은 ‘실시간 가변 이득 선택’을 구현하기 위한 실용적인 방법론을 제시함으로써, CAV의 종방향 협동 제어에 새로운 패러다임을 제공한다. 향후 실제 차량 실험 및 다중 차선, 복합 교통 흐름에 대한 적용을 통해 더욱 포괄적인 검증이 이루어질 것으로 기대된다.