[논문 리뷰] TrafficNet: An Open Naturalistic Driving Scenario Library

Ding Zhao, Yaohui Guo외 1명|arXiv (Cornell University)|2017. 08. 01.

Traffic Prediction and Management Techniques인용 수 5

한 줄 요약

TrafficNet는 자연주행 데이터를 시나리오 기반으로 정리하는 웹 기반 라이브러리로, 기록된 순서에 따라 정렬된 자연주행 데이터를 자동 분류 알고리즘을 사용해 6개의 표준화된 비상운전 시나리오—차선 변경, 보행자 횡단, 자전거 기사 만남 등—으로 변환한다. 원시 데이터를 사용 가능한 쿼리 가능한 시나리오로 구조화하고, 데이터셋과 코드를 오픈소스로 제공함으로써, 대규모 데이터 전문 지식이 없는 연구자와 엔지니어들에게 접근성을 크게 향상시켜 자율주행 차량 개발을 가속화한다.

ABSTRACT

The enormous efforts spent on collecting naturalistic driving data in the recent years has resulted in an expansion of publicly available traffic datasets, which has the potential to assist the development of the self-driving vehicles. However, we found that many of the attempts to utilize these datasets have failed in practice due to a lack of usability concern from the organizations that host these collected data. For example, extracting data associated with certain critical conditions from naturalistic driving data organized in chronological order may not be convenient for a vehicle engineer that doesn't have big data analytics experiences. To address the general usability challenges of these publicly available traffic datasets, we propose TrafficNet, a large-scale and extensible library of naturalistic driving scenarios, aiming at bridging the gap between research datasets and practically usable information for vehicle engineers and researchers. The proposed web-based driving scenario database preprocesses massive raw traffic data collected in chronological order into an organized scenario-based dataset by applying a set of categorization algorithms to label the naturalistic driving data with six different critical driving scenarios. TrafficNet opens not only the scenario library but also the source code of these categorization methods to the public, which will foster more sophisticated and accurate scenario-based categorization algorithms to advance the intelligent transportation research. The source code and the scenario database can be accessed at https://github.com/TrafficNet.

연구 동기 및 목표

• 기존 자연주행 데이터셋은 종종 순서대로 기록되어 있어 시나리오 추출을 위해 광범위한 데이터 처리가 필요하므로, 이에 대한 사용성 격차를 해소한다.
• 대규모 현장 데이터에서 핵심 주행 시나리오를 효율적으로 접근하고 활용할 수 있도록, 빅데이터 전문 지식이 없는 차량 엔지니어와 연구자들을 지원한다.
• 원시 센서 데이터를 구조화된 시나리오 기반 정보로 변환하는 확장성 있고 유연한 프레임워크를 개발한다.
• 시나리오 데이터베이스와 분류 알고리즘을 오픈소스로 제공하여, 시나리오 탐지 정확도와 다양성 향상에 기여하는 공동체 기반 개선을 촉진한다.

제안 방법

• 자연주행 데이터를 자동 레이블링 알고리즘을 사용해 Safety Pilot Model Deployment(SPMD)의 순서대로 정렬된 원시 데이터를 시나리오 기반 카테고리로 변환한다.
• 6개의 핵심 주행 시나리오—차선 변경, 보행자 횡단, 자전거 기사 만남, 합류, 비상 브레이킹, 교차로 운행—을 정의하고, 각각에 대해 구체적인 탐지 논리를 설정한다.
• 시간 시리즈 분석과 기하학적 히우리스틱(예: 차선 이탈 임계값, 대상 추적 일관성)을 사용해 차량 및 장애물의 위치 데이터를 바탕으로 차선 변경과 같은 이벤트를 탐지한다.
• 차량 좌표 변환과 GPS 데이터 융합을 통해 보행자와 자전거 기사를 글로벌 좌표계에서 정확하게 국지화하여 시나리오 재구성의 정확도를 높인다.
• 탐지 일관성을 바탕으로 가짜 양성 이벤트를 제거하기 위해 필터링 알고리즘을 구현한다—예를 들어, 보행자나 자전거 기사 이벤트에 5개 이하의 데이터 포인트가 포함된 경우 제거한다.
• 표준화된 컬럼(예: pID, cID, StartTime, EndTime)을 갖는 웹 액세스 가능한 데이터베이스에 구조화된 시나리오 데이터를 저장하여 간편한 쿼리 및 통합을 가능하게 한다.

실험 결과

연구 질문

• RQ1 원시의 순서대로 정렬된 자연주행 데이터는 어떻게 효과적으로 재사용 가능한 시나리오 기반 정보로 변환될 수 있는가?
• RQ2 다중 센서 데이터에서 보행자 횡단, 차선 변경과 같은 핵심 주행 시나리오를 신뢰성 있게 탐지하고 분류할 수 있는 자동화된 방법은 무엇인가?
• RQ3 빅데이터 분석 경험 없이 연구자들이 데이터를 시나리오 기반으로 정리함으로써 얼마나 사용성이 향상되는가?
• RQ4 데이터셋과 분류 알고리즘을 오픈소스로 제공함으로써, 지능형 교통 시스템 개발은 어느 정도 가속화될 수 있는가?

주요 결과

• TrafficNet는 SPMD 데이터셋에서 6개의 시나리오 유형에 걸쳐 총 565,291건의 고유한 핵심 주행 이벤트를 성공적으로 추출하여 데이터의 사용성과 효용성을 크게 향상시켰다.
• 연구자들이 원시의 시간 순서 기반 센서 스트림이 아닌, 즉시 사용 가능한 시나리오 기반 데이터를 제공함으로써, 진입 장벽을 크게 낮추었다.
• 부족한 데이터 포인트로 인한 가짜 양성 이벤트는 필터링을 통해 효과적으로 감소시켰다—예를 들어, 5행 이하의 데이터 포인트를 포함한 보행자 이벤트는 제외되었다.
• 차량 및 장애물 궤적의 기하학적·시간적 일관성 검사를 통해 차선 변경 및 보행자 횡단과 같은 이벤트의 정밀한 국지화가 가능했다.
• 데이터셋과 분류 코드를 오픈소스로 제공함으로써, 공동체가 시나리오 탐지 알고리즘의 확장 및 개선을 수행할 수 있게 되었다.
• 자연주행 데이터를 시나리오 기반으로 정리하는 방법이 대규모 현장 데이터의 실용적 유용성을 극적으로 증가시킬 수 있음을 입증하였다.