자율주행차는 자동차업계에서 중국시장과 함께 가장 큰 화두이다. 많은 메이커들이 2020년을 기해 실용화한다고 선언하고 있다. 컨셉트카를 통해 다양한 아이디어들도 선 보이고 있다. 나비간트 리서치나 IHS오토모티브 등은 다임러와 구글이 이 부문에서 가장 앞선 기술력을 보이고 있다고 각각 분석하고 있다. 구글은 자동차 회사는 아니지만 일찍이 자율주행 시스템의 개발을 시작했고 테스트도 가장 먼저 시작한 케이스다. IHS에 따르면 구글은 연 3,000만 달러를 자율주행 시스템 개발에 투자하고 있다. 시장 전망은 2035년경 연간 1,200만대 전후로 전망하고 있다. 이번에는 토요타가 지난 10월 일본의 고속도로에서 실험 주행한 내용에 관해 살펴 본다.

토요타자동차가 1990년대부터 ASV(Advanced Safety Vehicle)로 개발해 왔던 자율주행기술을 본격적으로 소개하기 시작한 것은 2013년부터다. 당시 토요타자동차는 더욱 안전한 고속도로 주행을 위해 자동화 운전 기술을 사용하는 차세대 첨단 운전 지원 시스템인 자동화 고속도로 주행 보조(Automated Highway Driving Assist)를 개발하고 있다고 발표했다.

AHDA는 더욱 안전한 운전을 지원하고 장거리 운전의 부담감을 줄이기 위해 두 가지의 자동화 운전 기술을 연결시켰다. 안전 거리를 유지하기 위해 앞차와 무선으로 통신하는 협력-조정형 크루즈 컨트롤(Cooperative-adaptive Cruise Control)과 차선 내에서 최적의 운전 선에 차량을 유지시키기 위한 보조 조종장치인 차선 추적 컨트롤(Lane Trace Control)이 그것이다.

토요타는 구글의 완전 무인자동차와 달리 운전자 존재의 중요성을 강조하고 있다. 이를 위해 AHDA와 함께 운전자가 차량을 직접 컨트롤하는 것을 지원하는 또 다른 첨단 운전 지원 시스템들도 개발하고 있다. 2013년 CES에 공개되었던 첨단 능동형 안전 연구 차량에 적용된 자동화 운전 연구의 노하우를 사용한다는 것도 토요타가 자율주행차의 방향을 어떻게 정하고 있는지를 보여 주는 대목이다.

자동화 고속도로 주행 보조(Automated Highway Driving Assist)는 밀리파 레이더를 사용하는 협력-조정형 크루즈 컨트롤(Cooperative-adaptive Cruise Control)과 차선 추적 컨트롤(Lane Trace Control) 로 구성된다. 앞 차의 감속 데이터를 전송하기 위해 700 MHz 대역의 차 대 차 ITS 통신을 사용한다. 따라서, 뒤따라오는 차량은 차량 간 거리를 적절하게 유지함에 따라 속도를 조절할 수 있다. 이 시스템은 불필요한 가속과 감속을 감소시킴으로써 연료 효율을 개선하고 교통 혼잡 감소에 기여한다.

차선 추적 컨트롤은 모든 속도에 맞는 최적의 차선 주행을 위해 고성능 카메라, 밀리파 레이더와 컨트롤 소프트웨어를 적용한다. 이 시스템은 최적의 차선을 유지하기 위해 차량의 조향 각도, 주행 토크와 제동력을 조절한다. 기본적으로 운전자를 보조하는 장비라는 점을 고수하고 있다.

 
2014년 9월의 제21회 ITS 세계회의 디트로이트 2014 에서는 한 단계 업그레이드된 안전 운전 지원을 위한 자동 운전 기술에 관한 개발상황을 발표했다. 당시 발표한 주된 고도운전지원 시스템과 요소 기술은 다음과 같다. 고도운전지원 시스템 중 AHDA는 미국의 실제도로 환경에 맞추어 개량되었다. 이 AHDA는 주로 3가지 기술에 의해, 고속도로에서 안전하게 차로 및 차간을 유지하면서 주행할 수 있도록, 운전자의 운전을 지원한다.

다이내믹 레이더 크루즈 컨트롤(DRCC)과 레인 트레이스 컨트롤(LTC), 휴먼 머신 인터페이스(HMI)이 그것이다.  고도운전지원 시스템에 있어서도 운전자가 항상 운전의 주역이어야 한다는 생각 아래, 수동 운전과 자동 운전의 전환이 원활하게 이루어질 수 있도록, 전용의 HMI를 채용한다.

프리뷰 HMI에서는, 주행중인 도로 상황 및 지금까지 축적된 센서의 작동 실적 데이터에 근거해, 고도운전지원 시스템의 이용이 제한될 수 있는 장면에서, 운전자에게 사전에 경고를 보내는 ‘프리뷰’ 기능을 갖춘다. 또, 지도 데이터, GPS, 카메라, 레이더 등을 활용함으로써, 현재 주행하고 있는 차선을 파악하여, 보다 정확하게 경고를 보낼 수 있다.

운전자 모니터나 스티어링 터치 센서 등의 기술에 의해, 운전자의 얼굴 방향이나 운전자의 손이 스티어링에 닿아 있는지를 검지함으로써, 운전에 대한 집중도를 판단 하고, 필요에 따라 운전자에게 경고를 보낸다.

요소 기술로는  소형화, 저비용화된 차량용 이메징 레이저 레이더(SPAD LIDAR*1)와 차량 상태, 표지판과 교통 상황 등의 정보를, 차량 앞 유리창 너머의 도로 상에 겹쳐지도록 3D 표시할 수가 있는 3 D 헤드 업 디스플레이(3 D-HUD) 등이 있다.

토요타는 2015년 10월 6일 2020년경의 실용화를 목표로 개발중인 자동운전 실험차(Highway Teammate)를 사용해, 도쿄의 수도 고속도로에서의 합류, 차선유지, 차선변경을 자동운전으로 수행하는 데모 주행을 실시했다.

토요타가 추진하고 있는 자동운전의 컨셉트는 모빌리티 팀 메이트 컨셉트(Mobility Teammate Concept). 사람과 차량이 같은 (주행)목적으로, 어느 때는 지켜 보고, 어느 때는 서로 돕는, 마음이 통하는 동료(파트너)와 같은 관계를 구축하는 것이 토요타 자동운전의 컨셉트이다. 하이웨이 팀 메이트(Highway Teammate)는 이 컨셉트 구현을 위한 첫 번째 행보이다.

 
하이웨이 팀 메이트는 자동운전에 있어서 중요한 3개의 과정인, 인지•판단•조작을 높은 차원에서 수행해 안전하며 원활한 자동운전을 추구하고 있다. 토요타는 하이웨이 팀 메이트를 2020년경에 실용화하는 것을 목표로 연구 개발을 추진하고 있다.
 
토요타는 모빌리티 팀 메이트 컨셉트를 실현하는 중요한 핵심 기술로서 ① 고도의 인식•예측 판단을 하는「운전 지능(Driving Intelligence)」, ② 차량과 차량, 차량과 도로간의 통신을 활용하여 안전 운전을 지원하는 ITS Connect를 비롯한 「연결지능 (Connected Intelligence)」, ③ 운전자 상태 인식, 운전자와 차량의 상호 운전 소통 등을 행하는 「사람과 차량의 상호협조(Interactive Intelligence)」의 3개 영역을 지향하고 있다. 토요타는 모든 사람이 안전, 원활, 자유롭게 이동할 수 있는 사회의 실현을 목표로 하여, 이러한 자동운전 기술의 개발을 강화해 나갈 것이라고 밝히고 있다.

토요타가 이번에 선 보인 시험차는 기본적으로 고속도로 진입 직후부터 진출 직전까지 자동으로 주행하는 것을 상정하고 있다.

일본의 고속도로에는 우리의 하이패스와 같은 ETC(Electronic Toll Collection System)가 있다. 우리나라처럼 진입 진출이 지선에 있는 것이 아니라 고속도로 가운데에도 있다는 점에서 약간의 차이가 있다. 토요타자동차는 "ETC게이트에서 ETC게이트까지 자동 운전"하는 것을 우선 설정하고 있다. 고속도로 안에서 차선 유지, 차간거리 유지, 차선 변경, 차선 변경을 수반하는 추월, 교차로(JC)에서의 분류와 합류, 본 차선으로부터 출구의 ETC게이트로 분류 등의 조작을 자동으로 하는 것이다.

 
토요타는 렉서스 GS450h로 편도 약 5.5km 정도의 구간을 왕복하는 것을 상정해 실험했다. 스티어링 휠 왼쪽 스포크 아래쪽에 있는 자동운전 전환 버튼을 누르면 자율주행이 시작된다. 전환이 되면 리어 윈도우 좌우 부분에 흰색 빛이 들어와 후속 차가 자동운전 중이라는 것을 확인할 수 있도록 되어 있다.

고속도로에 들어서면 앞에 속도가 느린 차가 없으면 차선을 유지하고 선행 차 추종 기능으로 앞 차와 차간거리를 유지하면서 주행한다. 앞에 느린 차가 있으면 차선을 변경해 추월한다. ETC 사이를 운행하는 것을 상정한 실험이었기에 램프웨이로부터의 진입이나 진출 상황까지는 수동 운전으로 했다.

자동운전이 실행되면 스티어링 휠과 가속 페달, 브레이크 페달의 제어가 차량측으로 넘어간다. 운전자는 가속 및 브레이크 페달과 스티어링 휠에서 발과 손을 뗀다. 하지만 돌발상황에 대비해 직접 수동운전을 할 자세를 취하고 있어야 한다. 수동운전으로의 전환은 스티어링 휠이나 페달 조작을 하면 된다. 이런 자동운전이 가능하게 된데에는 우선 자차 위치를 10cm 이내로 정확하게 파악하고 있기 때문이라고 토요타측은 설명한다.

실험차는 자차 위치를 2단계 순서로 파악한다. 1단계는 GPS 안테나를 사용한 것이다. 흰 선 등의 도로표시의 정보를 포함한 높은 정밀도의 상세 지도 데이터 상에서 약 10cm 이내의 유격에서 자차의 위치를 파악해 낸다.

2단계에서는 자차 위치를 더 정밀하게 확인한다. 차 에 설치된 단안 카메라로 흰색선 등의 도로표시를 인식하고 고정밀도의 상세지도에 나타나 있는 해당 도로표시의 위치와 대조해 합함으로써 위치 정밀도를 약 10cm까지 높인다.

또 하나 중요한 요소는 자동차 주위 360도에 존재하는 자동차와 장해물을 검출하는 기술이다. 실험차에는 그를 위해 5개의 밀리파 레이더와 6개의 적외선 레이저 스캐너를 탑재했다. 밀리파 레이더는 앞쪽 렉서스 엠블럼 뒤쪽에 77GHz(검출 가능거리는 약 170m)대의 것을 하나, 앞뒤 범퍼 좌우에 24GHz대(60~80m 정도)의 것을 하나씩 배치했다. 한편 적외선 레이저 스캐너는 앞 엠블럼 왼쪽, 뒤 중앙, 그리고 차의 네 모서리에 각각 하나씩 배치했다.

실제로는 밀리파 레이더와 적외선 레이저 스캐너는 어느 한쪽만으로도 주위의 자동차와 장해물의 검출이 가능하다. 하지만 실험차에서는 연구개발용이라고 하는 점도 있어 모두 탑재했다. 실험을 통해 각각의 데이터가 올바른 것인지 검토할 것이라고 한다.

실험차는 정밀도가 높은 자차 위치의 정보와 주변의 자동차 및 장해물의 정보에 기초해 목적에 따른 루트와 차선을 선택한다. 그 위에 주행라인과 목표 속도를 생성하고 스티어링 휠과 가속 페달, 브레이크 페달를 자동으로 조작함으로써 자동운전을 하게 된다.

헌데 그것만으로는 자동운전을 실현할 수는 없다. 입구 ETC게이트를 통과한 후 본 차선에의 합류에서는 본 차선을 따라가는 자동차 중 어느 자동차와 어느 자동차 사이로 끼어 들지를 판단할 필요가 있다.

추월과 분류에서도 마찬가지이다. 자차의 앞쪽에 다른 자동차가 끼어드는 경우도 후속차와의 차간거리에 여유가 있는지, 감속할지의 대응이 달라진다. 그래서 필요로 하는 것이 앞에 설명한 구체적인 장면을 상정한 제어 알고리즘이다. 실험차에서는 제어 알고리즘을 작성함으로써 보다 많은 장면에 대응할 수 있도록 하고 있다. 이 제어 알고리즘으로 운전실력이 좋은 운전자와 같은 거동을 보이도록 하고 있다는 점도 특징이다.

고속도로에서 완전한 자율주행을 곤란하게 하는 것 중 하나가 운전자의 손을 빌리지 않으면 안되는 장면이다. 예를 들면 정체시의 합류와 차선변경이다. 현상에서는 운전자가 손을 들어 주변 차량의 운전자에게 의사를 표현하고자 할 때다. 그에 대응하는데에는 또 다른 알고리즘을 구축할 필요가 있다. 이에 대해서는 자율주행차를 개발하고 있는 다른 회사들과 공통 툴을 만들어야 한다는 의견이 재기되고 있다.

토요타의 실험차는 다음과 같은 순서로 진행된다. 자차 위치를 고정밀도로 파악해 합류지점을 인식한다. 본 차선이 가까워지면 자동으로 방향지시등을 깜박여 본 차선에의 합류를 살필 태세에 들어간다.

여기에서 사용하는 것이 밀리파 레이더와 적외선 레이저 스캐너다. 이들 센서로 주위의 자동차와 장해물을 감지해 제어 알고리즘의 판단에 기초한 본 차선으로 합류한다. 차선 변경과 추월, 분류의 경우도 기본적으로 수순은 거의 동일하다.

수동 운전의 사이드 미러의 사각지대 때문에 확인이 곤란한 경우도 있지만 자동주행에서는 훨씬 부드럽게 차선 합류가 가능해 진다는 것을 알 수 있다.

토요타자동차는 고속도로 자율주행 실용화를 위한 과제를 다음과 같이 설명하다. 우선 백색 선의 인식 등 불안정성을 개선하는 것. 두 번째로 운전자에게 위화감을 덜 주는 것. 세 번째로는 지금은 과하게 채용되어 있을 가능성이 있는 센서류를 비용을 고려해 낮추는 것 등이다. 또한 일본의 고속도로와 다른 나라의 고속도로의 차이를 상정해 모든 상황에서 작동하도록 하는 것이다. 교통 신호등의 위치도 나라마다 다르고 작동 방법도 차이가 있다. 라운드 어바웃이라고 하는 유럽 특유의 도로 상황도 고려 해야 한다. 이런 복잡한 문제들로 인해 완전 자율주행을 실현하는데는 앞으로도 많은 시간이 필요하다는 주장이다.

그를 위해서 딥 러닝(Deep Learning; 심층학습)의 기술을 응용하는 것도 필요하다. 딥 러닝은 앞으로 자율주행기술 개발에 크게 기여할 것으로 기대되고 있다. 수많은 경우의 수를 데이터로 입력해 돌발 상황에 대처할 수 있어야 하기 때문이다.

그래서 보이지 않는 차량과 신호기의 색깔, 횡단 보도상의 보행자 등의 인식에 유효한 것이 차차간, 노차간 통신 기술이다. 2015년 10월 출시한 크라운과 프리우스에 ITS Connect라고 하는 이름의 기술을 탑재한 것이 그 예다. 다만 여기에는 차차간 통신을 이용하는 보이지 않는 차량의 감지기능은 탑재되어 있지 않다. 자차 위치 추정 정밀도가 낮고 차차간 통신에 대응하는 차량이 거의 보급되어 있지 않았기 때문이다.

차차간 통신이 완벽해 지면 모든 차가 같은 시스템을 이용했을 때 돌발 상황에 대처가 가능하다. 앞 차가 급제동을 했을 때 차차간 통신에 의해 후속차량도 거의 동시에 급제동을 할 수 있다는 것이다. 통신 주가는 100ms정도로 빠르고 앞차가 급 브레이크를 밟고 0.5~1초 이내에 후속차도 제동이 된다.

 
좀 더 구체적인 실제 주행 상황에서의 대처 능력을 갖추어가고 있다는 것을 말해 준다. 그럼에도 불구하고 토요타도 구글과 달리 다른 자동차회사들과 마찬가지로 운전석에 운전자가 있어야 한다는 것을 전제로 개발하고 있다는 점은 짚고 넘어갈 필요가 있다.