[논문 리뷰] Integration of Vehicular Clouds and Autonomous Driving: Survey and Future Perspectives

Yassine Maalej, Elyes Balti|arXiv (Cornell University)|2022. 01. 08.

Vehicular Ad Hoc Networks (VANETs)인용 수 4

한 줄 요약

이 논문은 차량 클라우드(VCs)와 자율 주행(AD) 간의 통합 프레임워크를 제안하여 V2V/V2I 통신, 클라우드 컴퓨팅, 그리고 AI 기반 인식 기술을 융합함으로써 차량 인식, 안전성 및 협업 능력을 향상시킨다. VC의 분산형 컴퓨팅과 AD의 딥러닝 및 센서 융합 기술을 조합하면 실시간 3D 환경 이해가 가능해지며, 차량 내 처리에 대한 의존도를 낮추고 협업 기반 인식을 통해 의사결정 능력을 향상시킨다.

ABSTRACT

For decades, researchers on Vehicular Ad-hoc Networks (VANETs) and autonomous vehicles presented various solutions for vehicular safety and autonomy, respectively. Yet, the developed work in these two areas has been mostly conducted in their own separate worlds, and barely affect one-another despite the obvious relationships. In the coming years, the Internet of Vehicles (IoV), encompassing sensing, communications, connectivity, processing, networking, and computation is expected to bridge many technologies to offer value-added information for the navigation of self-driving vehicles, to reduce vehicle on board computation, and to deliver desired functionalities. Potentials for bridging the gap between these two worlds and creating synergies of these two technologies have recently started to attract significant attention of many companies and government agencies. In this article, we first present a comprehensive survey and an overview of the emerging key challenges related to the two worlds of Vehicular Clouds (VCs) including communications, networking, traffic modelling, medium access, VC Computing (VCC), VC collation strategies, security issues, and autonomous driving (AD) including 3D environment learning approaches and AD enabling deep-learning, computer vision and Artificial Intelligence (AI) techniques. We then discuss the recent related work and potential trends on merging these two worlds in order to enrich vehicle cognition of its surroundings, and enable safer and more informed and coordinated AD systems. Compared to other survey papers, this work offers more detailed summaries of the most relevant VCs and ADs systems in the literature, along with some key challenges and insights on how different technologies fit together to deliver safety, autonomy and infotainment services.

연구 동기 및 목표

• VCs와 AD 간의 분산된 연구를 통합할 것. 이 둘은 강력한 상호보완성에도 불구하고 독립적으로 발전해왔다.
• VC 및 AD 시스템 통합 시 발생하는 주요 과제, 특히 통신, 네트워킹, 보안 및 실시간 조율 분야의 과제를 규명하고 분석할 것.
• VC가 분산형 데이터 처리 및 협업 기반 인식을 통해 차량 내 계산 부담을 줄이고 AD 기능을 향상시킬 수 있는 방법을 탐색할 것.
• AI, 컴퓨터 비전 및 딥러닝이 자율 주행 차량에서 고도화된 3D 장면 이해 및 의사결정을 가능하게 하는 방식을 검토할 것.
• 미래의 통합 작업를 안내하기 위해 기존 기술, 표준(예: WAVE, DSRC) 및 시스템 아키텍처에 대한 종합적인 개요를 제공할 것.

제안 방법

• VC 및 AD 분야의 최근 논문 150편 이상을 체계적으로 조사하여 통신 프로토콜, 네트워킹 모델 및 AI 기반 인식 시스템에 중점을 둔다.
• WAVE 및 DSRC와 같은 통신 표준을 분석하며, 채널 할당(CCH/SCH), MAC 계층 프로토콜(AODV, DSR, GPSR), 그리고 안전 메시징을 위한 지리기반 라우팅 기법을 포함한다.
• 차량 클라우드 컴퓨팅(VCC) 아키텍처를 평가하며, QoS 및 비용 기반의 클라우드 선택 전략과 주변 기지국(RSUs)이 마이크로 데이터센터 역할을 하는 방식을 다룬다.
• LIDAR, 카메라, GNSS 등의 다중 센서 데이터를 CNN, RPN, MRF 등의 AI 기법과 융합하여 전체 장면 레이블링 및 3D 지ap핑을 수행한다.
• 차량들이 BSM(Basic Safety Messages)과 CAM(Cooperative Awareness Messages)을 공유하여 실시간 분산형 3D 지도를 구축하는 협업 프레임워크를 제안한다.
• AD 시스템 내 실패 안전 소프트웨어 구성요소, 특히 물체 탐지, 센서 융합, 경로 계획 및 제어 시스템의 검증 및 신뢰성 부족 문제를 분석한다.

실험 결과

연구 질문

• RQ1 차량 클라우드(VCs)와 자율 주행(AD) 시스템을 어떻게 효과적으로 통합하여 자율 주행 차량의 상황 인식 및 의사결정 능력을 향상시킬 수 있는가?
• RQ2 VC 및 AD 기술을 융합할 때 발생하는 주요 기술적 과제는 무엇인가? 특히 통신, 네트워킹, 보안 및 실시간 조율 측면에서의 과제를 묻는다.
• RQ3 VC는 인식 및 계획 작업을 오프로딩함으로써 개별 차량의 계산 부담을 어느 정도 줄일 수 있는가?
• RQ4 신규로 등장하는 AI 및 컴퓨터 비전 기법(예: CNN, SLAM, 3D 장면 재구성)이 VC 기반 데이터 공유와 어떻게 융합되어 AD 성능을 향상시키는가?
• RQ5 표준화된 통신 프로토콜(예: WAVE, DSRC)과 QoS 기반 클라우드 선택 전략이 신뢰성 있고 저지연의 VC-AD 통합을 어떻게 가능하게 하는가?

주요 결과

• VC는 인식 및 계획 작업을 분산형 클라우드 자원으로 오프로딩함으로써 차량 내 계산 부담을 크게 줄일 수 있으며, 이는 확장성과 효율성을 향상시킨다.
• 다양한 센서(LIDAR, 카메라)의 데이터와 협업 기반 V2X 메시징을 융합함으로써 실시간 3D 환경 재구성이 가능해지며, 더 정확하고 견고한 인식 능력을 확보할 수 있다.
• 전방 충돌 경고(FCW) 및 블라인드 스포트 경고(BSW)와 같은 안전 중심 응용 프로그램은 V2V 및 V2I 통신 덕분에 시뮬레이션에서 사고 위험을 최대 30%까지 감소시킬 수 있다.
• VC 기반 데이터 공유와 함께 CNN 및 RPN 등의 AI 기법을 융합하면 물체 탐지 및 장면 이해 능력이 향상되며, 특히 복잡한 도심 환경에서 두드러진다.
• 기존 표준인 WAVE 및 DSRC는 성숙되어 있으며 이미 구현 가능하며, 2020년까지 2억 5,000만台 이상의 무선 통신 기능을 탑재한 차량이 보급될 것으로 예측되어 VC-AD 생태계의 확장성을 뒷받침한다.
• 다른 한편으로는, 실패 안전 소프트웨어 구성요소—특히 센서 융합, 경로 계획 및 제어 분야—는 여전히 개발이 부족하고 철저한 검증이 이루어지지 않아 심각한 안전 위험을 야기할 수 있다.