🚗 V2V 회피 전략 시뮬레이터

본 프로젝트는 SUMO(Simulation of Urban MObility) 시뮬레이터 기반에서 V2V(Vehicle-to-Vehicle) 차량 간 협력 주행 상황을 구성하고, PPO(Proximal Policy Optimization) 알고리즘을 활용하여 사고 회피 전략을 학습하는 시뮬레이션 프레임워크입니다.
또한 TTC(Time-to-Collision) 기반의 위험도 분석 및 시각화 기능을 포함합니다.

---

📌 주요 기능

• ✅ NGSIM 기반 궤적 데이터 전처리
• 🚗 혼잡 + 급정지 차량 포함 시나리오 자동 생성
• 🛣️ SUMO 환경 구성 자동화 (.xml 생성)
• 🧠 PPO 기반 강화학습 환경 제공
• 📊 시뮬레이션 중 TTC 계산 및 평균/표준편차 분석
• ⚠️ TTC < 3 구간 하이라이트 및 이벤트 밀도 시각화

---

📄 참고

PPO: Stable-Baselines3 라이브러리 기반

TTC 계산: traci.vehicle.getLeader() 기반 실시간 추출

시뮬레이션은 SUMO GUI 또는 headless 모드 모두 지원

---

📘 논문 관련

본 프로젝트는 KCC 2025 학부생 논문 제출을 위한 실험 기반 연구로 수행되었으며, 강화학습 기반 사고 회피 전략의 실효성과 안전성 분석을 목적으로 합니다.

---

📬 문의 정재훈 (Jaehoon Jung) [이메일 또는 GitHub 프로필 링크]

---