[논문 리뷰] Big Data Generated by Connected and Automated Vehicles for Safety Monitoring, Assessment and Improvement, Final Report (Year 3)

Asad J. Khattak, Iman Mahdinia외 3명|arXiv (Cornell University)|2021. 01. 01.

Autonomous Vehicle Technology and Safety참고 문헌 117인용 수 3

한 줄 요약

이 연구는 연결형 및 자율주행차(CAV)에서 유도하는 빅데이터를 통합하여 데이터 마이닝 및 텍스트 분석을 통해 도로 안전을 향상시키며, 충돌 방지 및 실시간 데이터 스트림 처리와 같은 핵심 안전 기술을 규명한다. 사이버보안, 개인정보 보호, 인프라 설계 등의 주요 과제를 밝히고, CAV 안전 기술 혁신을 추적하고 향후 연구를 이끄는 개념적 프레임워크를 제안한다.

ABSTRACT

This report focuses on safety aspects of connected and automated vehicles (CAVs). The fundamental question to be answered is how can CAVs improve road users' safety? Using advanced data mining and thematic text analytics tools, the goal is to systematically synthesize studies related to Big Data for safety monitoring and improvement. Within this domain, the report systematically compares Big Data initiatives related to transportation initiatives nationally and internationally and provides insights regarding the evolution of Big Data science applications related to CAVs and new challenges. The objectives addressed are: 1-Creating a database of Big Data efforts by acquiring reports, white papers, and journal publications; 2-Applying text analytics tools to extract key concepts, and spot patterns and trends in Big Data initiatives; 3-Understanding the evolution of CAV Big Data in the context of safety by quantifying granular taxonomies and modeling entity relations among contents in CAV Big Data research initiatives, and 4-Developing a foundation for exploring new approaches to tracking and analyzing CAV Big Data and related innovations. The study synthesizes and derives high-quality information from innovative research activities undertaken by various research entities through Big Data initiatives. The results can provide a conceptual foundation for developing new approaches for guiding and tracking the safety implications of Big Data and related innovations.

연구 동기 및 목표

• 연결형 및 자율주행차(CAV)와 관련된 빅데이터 연구를 체계적으로 통합하여 도로 이용자의 안전 모니터링 및 향상에 기여한다.
• 국내외 CAV 이니셔티브에서 유도하는 안전 향상 데이터 요구사항과 기술 트렌드를 식별하고 분류한다.
• 텍스트 분석 및 데이터 마이닝을 활용하여 CAV 빅데이터와 그 안전 영향을 체계적으로 추적하고 분석할 수 있는 개념적 기초를 마련한다.
• CAV 배치 시 나타나는 사이버보안, 개인정보 보호, 운전자 이탈, 인프라 호환성 등의 새로운 과제를 다룬다.
• 인프라 기하학, 실시간 데이터 스트림 분석 등 아직 탐색되지 않은 분야를 규명하여 향후 연구 및 정책 방향을 이끈다.

제안 방법

• Google Scholar, ScienceDirect, Web of Science 등의 출처에서 1,000건 이상의 보고서, 백서, 학술 논문, 컫페리런스 논문을 포함한 종합적인 데이터베이스를 구축하였다.
• R 및 QDA Miner 소프트웨어를 활용해 텍스트 분석 및 주제 분석을 수행하여 CAV 연구 문헌에서 핵심 개념, 실체, 관계를 추출하였다.
• 빈도 분석 및 내용 분석을 수행하여 '충돌 회피' 및 '운전자 행동'과 같은 CAV 안전 연구의 주요 주제를 규명하였다.
• 링크 분석을 수행하고 CAV 빅데이터의 논리적 아키텍처를 개발하여 데이터 흐름과 시스템 통합을 모델링하였다.
• 통계적 시각화 기법을 활용해 CAV 연구의 추세를 맵핑하였으며, V2V/V2I 통신 및 실시간 데이터 처리에 대한 초점 변화를 분석하였다.
• 안전 관련 CAV 빅데이터 이니셔티브에 대한 세분화된 분류 체계를 개발하여 기술 및 연구 분야의 분류를 가능하게 하였다.

실험 결과

연구 질문

• RQ1 연결형 및 자율주행차에서 생성하는 빅데이터는 도로 이용자의 안전을 어떻게 향상시킬 수 있는가?
• RQ2 글로벌 및 국내 CAV 빅데이터 이니셔티브에서 지배적인 기술적 및 연구 주제는 무엇인가?
• RQ3 데이터 프라이버시, 사이버보안, 인프라 호환성 측면에서 CAV 안전 연구의 주요 과제와 격차는 무엇인가?
• RQ4 텍스트 분석 및 데이터 마이닝은 어떻게 CAV 안전 연구의 진화를 체계적으로 추적하고 평가하는 데 활용될 수 있는가?
• RQ5 안전하고 확장 가능한 CAV 배치를 가능하게 하기 위한 핵심 데이터 요구사항과 인프라 요구사항은 무엇인가?

주요 결과

• CAV 문헌에서 가장 자주 다뤄지는 안전 관련 주제는 '충돌 회피 및 경고', '운전 과제 참여/해제', '시장 점유율 영향'이다.
• 현재 CAV 안전 연구의 핵심이 되는 기술은 '자율 주행선 변경', '통신 시스템 및 데이터', '운전 변동성' 등이다.
• 실시간 데이터 스트림 분석 및 데이터 스트림 내 이상 탐지 능력은 향후 CAV 안전 시스템의 핵심 신규 기능으로 규명되었다.
• 특히 도로 기하학, 교량 설계, CAV 운영을 위한 포장 요구사항 측면에서 인프라 설계 분야에 뚜렷한 연구 격차가 존재한다.
• 사이버보안 위협, 개인정보 침해, 그리고 보행자 및 자전거 운전자와의 불확실한 인간-차량 상호작용은 해결되지 않은 주요 과제이다.
• 자동화로 사고를 줄일 수 있는 잠재력이 있음에도 불구하고, 운전자 무관심과 기술 고장은 여전히 추가 연구 및 완화가 필요한 주요 위험 요인이다.