The Korean Society Of Automotive Engineers
[ 응 용 논 문 ]
Transaction of the Korean Society of Automotive Engineers - Vol. 26, No. 4, pp.464-475
ISSN: 1225-6382 (Print) 2234-0149 (Online)
Print publication date 01 Jun 2018
Received 06 Mar 2018 Revised 19 Mar 2018 Accepted 02 Apr 2018
DOI: https://doi.org/10.7467/KSAE.2018.26.4.464

미국 캘리포니아 자동차관리국 제출보고서 기반 자율주행해제 원인 분석 연구

윤한나1) ; 김성래1) ; 이지원1) ; 양지현*, 2)
1)국민대학교 자동차공학전문대학원
2)국민대학교 자동차공학과
Analysis of Cause of Disengagement Based on U.S. California DMV Autonomous Driving Disengagement Report
Hanna Yun1) ; Sung Lae Kim1) ; Ji Won Lee1) ; Ji Hyun Yang*, 2)
1)Graduate School of Automotive Engineering, Kookmin University, Seoul 02707 Korea
2)Department of Automotive Engineering, Kookmin University, Seoul 02707 Korea

Correspondence to: *E-mail: yangjh@kookmin.ac.kr


*This is an Open-Access article distributed under the terms of the Creative Commons Attribution Non-Commercial License(http://creativecommons.org/licenses/by-nc/3.0) which permits unrestricted non-commercial use, distribution, and reproduction in any medium provided the original work is properly cited.

Abstract

With the dawn of the era of automated vehicles and the recent development of key technology in the automated driving system, there is a rising demand for solving the safety issue of control take-over along with legal system improvement and social acceptability. In order to secure the control take-over safety in Level 3 automated vehicles, which are expected to be commercialized, this paper seeks to analyze the automation mode disengagement situations and its causes in order to provide the foundation necessary to develop the take-over evaluation scenario and evaluation standard. The Autonomous Driving Disengagement Reports submitted to the U.S. CA Department of Motor Vehicles(DMV) were analyzed as follows: The analysis was implemented in the phases of securing temporary operational rule and disengagement report data; data conversion and integrated data building for easy data analysis of the secured disengagement report data; classification of disengagement situations and causes according to the three road traffic factors; and implementation of descriptive statistical analysis on the classified disengagement situations. From September 2014 to November 2016, 7 selected companies were found to have a total of 3,271 times of automated driving mode disengagement. Vehicle factor, which consisted of the automated driving system and automated vehicle, accounted for 54 %; environmental factor, which consisted of traffic participants, road, weather, traffic flow, and obstacle, accounted for 25 %; and human factor, which consisted of subjective inconvenience, accounted for 22 %. Based on the findings, the situation where Level 3 automated vehicles had the driving right then transferred the control regardless of the driver’s status was classified into: 1) automated vehicle hardware failure; 2) automated driving system software failure; and 3) operational design domain deviation cases for structuralization.

Keywords:

Disengagement of autonomous mode, Take-over, Autonomous vehicle, Disengagement report, Human factor

키워드:

자율주행모드해제, 제어권 전환, 자율주행차량, 해제보고서, 인적 요소

1. 서 론

최근 자율주행시스템의 핵심 기술인 센서와 인공지능 기술의 발달로 운전자가 직접 운전하는 자동차에서 자동차 스스로 운행이 가능한 자율주행자동차에 대한 큰 변화가 예상된다.

자율주행자동차는 운전자 실수에 의한 교통사고 감소, 운전부담 경감에 의한 편의성 증진, 교통정체 완화를 통한 쾌적한 주행환경 제공1) 등을 통해 사용자의 생활양식을 변화시킬 수 있는 새로운 기술 산업 관점으로도 기대되고 있다. 또한, 안전에 대한 소비자의 요구 증대, 교통사고로 인한 사회적 비용 증가, 급속한 고령사회 진입에 따른 교통약자 배려 등에 따라 자율주행자동차 개발 경쟁으로 시장이 빠르게 성장할 것으로 보인다.

일례로 2015년 보스턴컨설팅그룹 보고서에 따르면 자율주행자동차 세계 시장 규모는 2025년까지 비중 13 %에 420억 달러까지 증가하며, 2035년에는 비중 25 %를 차지하고 770억 달러 규모로 크게 증가할 것을 전망하고 있다.2)

자율주행기술 선진국에서는 정부차원에서 자율주행자동차의 시험운행 및 상용화를 위한 정책 마련과 법제도 개선을 추진하고 있는데, 미국의 경우 캘리포니아 주를 비롯한 네바다 주, 미시간 주 등에서 자율주행자동차 시장 경쟁을 선도하기 위해 임시운행이 가능하도록 입법화를 완료하고 개발을 지원하고 있다.3,4) 국내의 경우 2020년 자율주행자동차의 조기 상용화를 목표로 정부차원의 정책들이 추진되고 있으며, 자율주행자동차 임시운행허가 제도를 시행하고 있다(‘16.2.~).5)

하지만 자율주행자동차의 상용화를 위해서는 자율주행시스템 부품들의 높은 가격, 교통사고 시 법적 책임의 귀속 주체와 보험문제, 사회적 수용성, 테스트베드 구축 및 임시운행과 같은 인프라 구축 등 선결 과제들의 문제해결이 필요하다.6) 뿐만 아니라 차량-운전자간 제어권 전환에 대한 심층연구 필요성이 제기되고 있다. 자율주행 센서 기술에 비해서는 연구 개발이 덜 주목받고 있지만, 위에서 언급한 이슈에 관한 연구를 몇 가지 제한적인 예로 들어보면 다음과 같다.

교통사고 발생 시 종래의 운전자 중심의 법적 책임체계로는 자율주행자동차의 불명확한 책임에 대한 개선과7) 자율주행자동차의 사용자의 운전자 모니터링 시스템, 운행정보와 같은 개인정보에 관한 법제도 개선8) 등의 연구들이 진행되고 있다. 사회적 수용성은 자율주행자동차에 대한 일반인들의 인식, 실제 구매의사 등의 설문조사를 통해 자율주행기능 오작동에 대한 신뢰성 이슈에 대한 문제 제기9)와 자율주행기능 명칭이 운전자와 시스템간의 신뢰와 기대감에 영향을 미치는 연구,10) 센서 기술과 자동차 중심의 자율주행 자동화 단계 재정의가 아닌 운전자 중심의 자율주행 자동화 단계 연구11) 등 다양한 관점에서 진행되고 있다. 윤리는 자율주행자동차가 마주할 수 있는 도덕적 딜레마 상황들에서 로봇 3원칙, 공리주의, 칸트주의 등의 철학이 의사결정에 미치는 영향에 대한 연구12)들이 진행되고 있다. 제어권 전환은 자율주행자동차에서 발생하는 제어권 전환의 정의와 종류, 제어권 전환 인터페이스 설계 방안, 운전자 모드 혼동 등에 관한 연구13)나 Level 3 자율주행자동차에서 다양한 주행환경에 따라 최적의 제어권 전환 시점을 체계적으로 접근한 연구14)들이 진행되고 있다.

1.1 부분자율주행자동차와 차량-운전자간 제어권 전환

부분자율주행자동차는 운전자와 차량 간 주행 권한이 전환되며 운전자모드와 자율주행모드가 번갈아가며 운행된다. 자율주행시스템에서 예기치 않은 문제가 발생하여 제어권을 전환할 경우 운전자의 상황인식 대응 속도에 따라 반응속도가 달라지므로 도로교통 안전에 치명적인 영향을 미칠 수 있기 때문에, 전 세계적으로 제어권 전환에 대한 다양한 연구들이 주로 실험실 차원에서 활발히 진행되고 있다. 이와 같이 관련 선행적인 연구들이 많이 진행되었지만 실도로 기반의 제어권 전환 상황이나 안전기준에 대한 연구들은 미흡한 실정이다.

현재 다양한 기관들에서 가장 일반적으로 사용되고 있는 자율주행 레벨 기준을 제시한 SAE J3016 자동화 단계에 따르면15) Level 2에서 운전자는 주행환경 모니터링에 대한 책임이 있고, 자율주행자동차는 차량 거동의 종방향과 횡방향 동시 제어만 주체적으로 수행한다. 하지만 Level 3 자율주행자동차는 종횡방향 동시 제어와 더불어 주행 시 차량, 보행자 등에 대한 인식과 이벤트에 대한 대응(OEDR: Object and Event Detection and Response)까지 주체적으로 수행한다. 하지만 그 외의 돌발 상황에서는 제어권 전환 시 운전자가 비상상황 대처의 주체(DDT Fallback Ready User)로 전환되도록 기술되어 있다.

Level 3 자율주행자동차에서 운전자로 제어권이 전환되는 상황은 다음과 같이 3가지로 분류될 수 있다. 1) 자동차 고장, 2) 자율주행시스템 고장, 3) 자율주행시스템의 작동범위(ODD: Operational Design Domain) 초과를 감지하는 경우이다. 이와 같이, 자율주행자동차가 지속적인 안전운행을 담보할 수 없다고 판단한 경우 Level 3에서는 도로교통 상황이나 운전자의 준비 상태는 고려하지 않고, 제어권을 전환하는 단계로 설정되어 있다. 한편, Level 4 자율주행자동차는 작동범위(ODD) 내에서 차량 거동의 종횡방향 제어, 주행환경 인식과 대응(OEDR)과 더불어 비상상황 대처(DDT fallback)와 최소위험상태(MRC: Minimal Risk Condition) 도달까지 주체적으로 수행할 수 있도록 설계된 것을 말한다.

그러므로 향후 상용화가 예측되는 Level 3 자율주행자동차의 제어권 전환 안전성을 확보하고 평가하기 위해서는, 제어권 전환 시스템의 안전성 관련 평가기술 개발과 안전기준 마련이 진행되어야 한다.16) 이러한 연구의 일환으로 미국 캘리포니아 주 차량관리국(DMV)에 2015년과 2016년에 제출된 18건의17-34) 자율주행모드해제보고서를 확보하였다. 이를 통해 현재 임시운행 허가를 받고 실도로 테스트 중인 자율주행자동차의 자율주행모드 해제상황과 원인을 분석하여 부분자율주행자동차의 제어권 전환 평가 시나리오 개발과 평가기준 도출에 필요한 기초 연구를 수행하는 것을 목적으로 한다.


2. 자율주행모드 해제 개념 정의

미국 캘리포니아 실리콘밸리에 위치한 구글, 엔비디아, 인텔과 같은 IT 기업들은 자율주행시스템을 개발하여 완성차 업체 또는 부품업체에 공급하기 위해 기술개발에 많은 노력을 하고 있다.35) 특히, 자율주행자동차의 실도로 운행테스트를 통한 자율주행기술 고도화를 위해 임시운행 허용이 필수적이었다. 하지만 기존 캘리포니아 자동차법상으로는 자율주행자동차를 운행할 수 없어 2012년 9월 25일 캘리포니아 주는 자율주행테스트를 허용하는 법률안(Senate Bill 1298=Chapter 570, Statutes of 2012)을 제정하였고 임시운행 규정은 DIVISION 16.6에 자율주행자동차, 운전자, 제조업체 정의와 임시운행 요건, 자율주행해제보고서 제출 의무, 자율주행모드 해제 정의 등을 포함한다. 주요 내용을35-38) 정리하면 다음과 같다.

2.1 자율주행자동차, 운전자, 제조업체 정의 및 범위

캘리포니아 자동차법에서 자율주행기술은 인간의 능동적·물리적 제어나 감독 없이도 자동차를 주행시킬 수 있는 기술을 의미하며 자율주행기술이 탑재된 자동차를 자율주행자동차라고 정의하고 있다. 자율주행자동차의 운전자(Operator)는 운전석에 앉아있는 사람 또는 원격을 포함하여 자율주행기술이 작동되도록 하는 사람을 의미하며 제조자(Manufacturer)란 자율주행기술이 장착된 자동차 또는 미장착된 자동차에 자율주행기술을 탑재하여 자율주행자동차로 변환한 자를 의미한다. 이런 규정은 구글, 델파이 등이 자율주행자동차를 운행할 수 있는 근거를 제공하는데 기여하고 있다.36)

2.2 자율주행자동차 임시운행 요건

자율주행자동차의 임시운행을 위한 요건으로 ‘운전자(Operator)’, ‘보험(Insurance)’ 등을 규정하고 있다. 자율주행자동차 운전자는 자율주행기술의 제조업자에 의해 지정된 자만이 될 수 있으며 운행에 적합한 면허를 소지하고 반드시 운전석에 착석하여 안전한 작동을 감독하고 자율주행기술의 오작동 또는 기타 긴급상황이 발생한 경우 즉각적인 수동운전모드로 전환할 수 있는 능력이 있어야 한다. 임시운행 규정의 상당 부분은 인간의 책임범위를 포함하고 있음을 의미하고 있다. 임시운행을 수행하는 제조업자는 500만 달러의 보험 증서 등을 캘리포니아 자동차관리국(DMV)에 제출해야 한다.37)

2.3 자율주행모드 해제보고서 제출 의무

캘리포니아 자동차관리국(DMV)의 Article 3.7 Testing of Autonomous Vehicles에 따르면,38) 제조업자는 임시운행 승인 이후에는 자율주행모드 해제(Disengagement of Autonomous Mode)와 관련된 데이터를 보유해야 하며 매년 1월 1일까지 다음의 정보들이 포함된 자율주행해제 보고서를 제출해야 한다. 자율주행모드 해제의 총 횟수와 해제 상황 또는 시험조건 정보, 해제 시점에서 운전자의 시험운행차량의 작동 여부 정보, 자율주행해제 주체, 자율주행기술이 고장을 감지하여 운전자에게 경고를 한 시점부터 수동운전모드로 전환할 때까지 경과한 시간 정보 등을 비전문가도 이해할 수 있도록 자세하고 평이하게 작성하도록 규정하고 있다.39) 이에 따라, 2015년과 2016년 자율주행자동차 운행기록을 정리하여, 2017년 1월 1일까지 BMW, Bosch LLC, GM Cruise, Delphi Automotive Systems, Ford, Google Auto LLC/Waymo, Honda, Nissan North America, Mercedes-Benz Research & Development North America, Tesla Motors, Volkswagen Group of America 11개 업체들이 자동차관리국에 자율주행해제보고서를 제출하였다.

2.4 자율주행모드 해제 정의 및 종류

자율주행모드 해제는 1) 자율주행기술이 고장을 감지하여 자율주행모드가 해제되거나, 2) 시험 운전자가 자율주행차량의 안전한 작동을 위해 자율주행모드를 해제하거나, 3) 무인자동차에 탑승한 사람들이 자율주행모드 해제를 요구하여 해제되는 것을 의미한다.39) 자율주행모드 해제 종류는 Table 1과 같이 자율주행기술이 고장을 감지하여 자율주행모드를 해제한 시스템 해제와 운전자가 자율주행기술이 고장, 작동조건 초과를 예측하여 운전자가 의도적으로 자율주행모드를 해제한 운전자 해제로 구분된다.19)

Disengagement types reorganized from Google report19)


3. 자율주행모드 해제보고서 분석 방법

미국 캘리포니아 자동차관리국 홈페이지에 고시한 자율주행해제보고서 기반의 자율주행모드 해제 상황과 원인 분석을 위해 3단계 체제로 분석을 실시하였다.

3.1 자율주행모드 해제 데이터 구축

미국 캘리포니아 자동차관리국 홈페이지에서 고시한 자율주행해제보고서를 15~16년도별, 11개 제조업체별로 구분하여 18개의 보고서를 확보하였다.17-34) 2015년도에는 Bosch LLC, Delphi Automotive Systems, Google Auto LLC, Nissan North America, Mercedes-Benz Research & Development North America, Volkswagen Group of America 7개 업체가 7개의 보고서를 제출하였으며, 2016년도에는 BMW, GM Cruise, Ford, Honda 4개 업체가 추가되어 11개의 보고서를 제출하였다. 하지만 자율주행해제보고서 규정과 달리 제조업체별로 각기 다른 양식으로 자율주행해제 상황 및 원인이 작성되었고 필수 정보들이 없는 경우도 있었다. 따라서, 자율주행모드 해제 데이터 분석이 가능하도록 작성되었다고 판단된 GM Cruise, Delphi Automotive Systems, Google Auto LLC/Waymo, Nissan North America, Mercedes-Benz Research & Development North America, Tesla Motors, Volkswagen Group of America 7개 업체 보고서 해제횟수 총 3,271건을 분석자료로 사용하였다. 자율주행모드해제 데이터 구축을 위해 해제일시, 해제상황, 해제원인, 해제위치, 노면상태, 운행거리, 운전자 반응시간, 제조업체 등을 추출하여 통합 데이터베이스를 구축하였다.

3.2 자율주행모드 해제 데이터 범주화 분류

7개 업체보고서 상에 기재된 자율주행모드 해제 상황 및 원인은 Nissan 50종, Delphi 10종, Google 10종, GM 7종, Mercedes-Benz 6종, Volkswagen 6종, Tesla Motors 5종으로, 총 94종으로 집계되었다. 보고서에 기재된 해제 상황 및 원인을 키워드와 핵심 내용과 키워드를 중심으로 도로교통 3요소인 운전자, 차량, 환경 요인으로 Table 2와 같이 범주화하였다. 대분류 운전자는 자율주행자동차의 감속 지연, 차선유지 이상 등으로 운전자가 심리적으로 불편하여 해제된 것을 의미하며, 주요 키워드는 Driver felt, Uncomfortable 이다. 대분류 차량은 자율주행시스템과 자율주행자동차로 중분류하였다. 자율주행시스템은 인지, 판단, 제어, 통신, 측위모듈의 문제로 해제된 것으로, 주요 키워드는 Perception, Recognition, Localization, Software, CAN 등이다. 자율주행자동차는 엔진컨트롤 유닛 등의 고장으로 해제된 것으로, 주요 키워드는 Vehicle failure, Engine control unit 등이다. 대분류 환경은 교통참가자, 도로, 기상, 교통흐름, 장애물로 중분류하였다. 교통참가자는 주변 차량, 보행자, 자전거 등의 돌발행동으로 해제된 것으로, 주요 키워드는 Other driver, Pedestrian, Cyclist 이다. 도로는 공사나 사고구역, 차선 불량, 신호등 탐지 불가로 해제된 것으로, 주요 키워드는Construction, Poor lane marking 등이다. 기상은 비, 흐림 등 기상변화로 해제되는 것으로, 주요 키워드는 Rain, Sunglare 등이다. 교통흐름은 합류부, 교차로 등 혼잡한 상황에서 해제된 것으로, 주요 키워드는 High traffic 등이다. 장애물은 긴급차량, 낙하물로 해제된 것으로, 주요 키워드 Debris, Emergency vehicles 등이다.

Analysis of cause of disengagement based on 7 companies’s report on 2015~2016

3.3 자율주행모드 해제 데이터 통계 분석

해제상황 및 원인 94종에 대한 해제횟수 3,271건을 각각 도로교통 3요소의 대분류, 중분류를 기준으로 구분하여 통합 데이터베이스에 적용하였다. 다음으로, 자율주행모드 해제원인 범주화 비율과 임시운행 주행데이터를 제조업체 및 기간별로 비교분석하기 위해 기술통계를 실시하였다. 임시운행 주행데이터는 월별 자율주행 운행거리, 월별 해제횟수 정보를 활용하여 자율주행모드 해제율 (해제횟수/운행거리)로 계상하여 제조업체별 자율주행기술 성숙도를 비교할 수 있는 지표로 사용하였다.


4. 자율주행모드 해제원인 분석 결과

Table 2와 같이 7개 업체들의 자율주행모드 해제횟수는 총 3,271건으로 집계되었으며, 운전자 요인 711건(21.7 %), 차량 요인 1,748건(53.4 %), 환경 요인 812건(24.8 %)를 차지하는 것으로 나타났다. 7개 업체들의 임시운행 차량은 총 94대, 자율주행모드운행거리는 약 1,790,000 km로 나타났다. 세부별 상세 결과는 다음과 같다.

4.1 자율주행모드 해제원인 범주화 결과

선별된 7개 업체들의 자율주행모드 해제 상황과 원인 94종에 대한 해제횟수 3,271건을 운전자의 불편함으로만 구성된 운전자 요인, 자율주행시스템과 자율주행자동차로 구성된 차량 요인, 교통참가자, 도로, 기상, 교통흐름, 장애물로 구성된 환경 요인으로 중분류한 범주화한 결과는 아래 Fig. 1과 같다. 캘리포니아 주에서 임시운행 중인 테스트 차량의 자율주행모드 해제 원인의 약 54 %는 자율주행시스템의 고장, 오작동, 결함 등의 문제로 나타났다. 특히 주변 환경을 카메라, 라이다, 레이더와 같은 센서로 인식하는 인지모듈, 인식한 정보를 판단하고 차량의 경로 계획 등을 결정하는 판단모듈, 전장장치들을 구동, 관리, 제어해주는 소프트웨어가 주요 원인이었다. 다음으로 환경 요인이 약 25 %로 나타났다. 주변차량, 보행자 등의 교통참가자들의 예측 불가한 행동으로 자율주행자동차의 판단모듈에서 학습되지 않은 상황이 발생하여 테스트드라이버가 자율주행모드를 해제한 경우가 주요 원인이었다. 마지막으로 운전자 요인이 약 22 %로 운전자의 예측대로 감속이나 차선유지가 제대로 작동되지 않거나 자율주행자동차의 작동조건을 벗어나거나 벗어나기 전에 자율주행모드를 해제한 경우가 주요 원인으로 나타났다.

Fig. 1

Comparison of cause of disengagement - by manufacturers

4.1.1 제조업체별 자율주행모드 해제원인 비교결과

Fig. 1은 제조업체별로 자율주행모드 해제횟수를 해제원인으로 중분류한 범주화한 결과이다. GM Cruise는 자율주행모드 해제상황과 원인은 7종이며 해제횟수는 284건으로 나타났다. 차량 요인의 자율주행시스템 원인으로 해제된 상황과 원인은 Planned test, to address planning, Planned test, to address localization, Planned test, to address hardware, Planned test, to address perception, Planned test, to address controls 5종으로 해제된 횟수는 82건(29 %)이다. 나머지는 환경 요인의 교통참가자 원인으로 해제된 상황과 원인은 Planned test, to address unexpected behavior, Planned test, to avoid unexpected behavior 2종으로 해제된 횟수는 202건(71 %)이다.

Delphi는 해제상황과 원인 10종이며 해제횟수는 583건으로 나타났다. 차량 요인의 자율주행시스템 원인은 System tuning and calibration 1종으로 해제된 횟수는 62건(11 %)이며, 자율주행자동차 원인은 Stock Vehicle Failure 1종으로 해제된 횟수는 8건(1 %)이다. 환경 요인의 교통참가자는 Other driver unexpected behavior, Heavy pedestrian traffic, Precautionary intervention to give extra space for a cyclist 3종으로 해제된 횟수는 107건(18 %)이며, 교통흐름은 Driver Disengagement required to complete lane change in heavy traffic 1종으로 해제된 횟수는 112건(19 %)이며, 도로는 Poor lane markings, Construction Zones, Traffic light detection 3종으로 해제된 횟수는 286건(49 %)이며, 장애물은 Emergency vehicles 1종으로 해제된 횟수는 8건(1 %)으로 나타났다.

Google은 해제상황과 원인 10종, 해제횟수는 465 건으로 나타났다. 차량 요인의 자율주행시스템 원인은 Disengage for a perception discrepancy, Disengage for hardware discrepancy, Disengage for a software discrepancy 3종으로 해제된 횟수는 309건(66 %) 이며, 자율주행자동차 원인은 Disengage for unwanted maneuver of the vehicle 1종으로 85건(18 %)이다. 환경 요인의 교통참가자는 Disengage for a recklessly behaving road user, Disengage for incorrect behavior prediction of other traffic participants 2종으로 47건(10 %)이며, 기상은 Disengage for weather conditions during testing 1종으로 13건(3 %), 도로는 Disengage for construction zone during testing 1종으로 5건(1 %), 장애물은 Disengage for debris in the roadway, disengage for emergency vehicle during testing 2종으로 6건(1 %)으로 나타났다.

Nissan은 해제상황과 원인 50종, 해제횟수 131건으로 나타났다. 운전자 요인의 주관적 불편함은 5종으로 해제된 횟수는 10건(8 %)이다. 차량 요인의 자율주행시스템은 38종으로 해제된 횟수는 109건(83 %), 자율주행자동차는 2종으로 해제된 횟수는 3건(2 %)이다. 환경 요인의 교통참가자는 2종으로 해제된 횟수는 6건(5 %), 교통흐름은 2종으로 해제된 횟수는 2건(2 %), 도로는 1종으로 해제된 횟수는 1건 (1 %)으로 나타났다.

Mercedes-Benz은 해제상황과 원인 6종, 해제횟수 1360건으로 나타났다. 운전자 요인의 주관적 불편함 원인은 Driver was uncomfortable 1종으로 해제된 횟수는 701건(52 %)이다. 차량 요인의 자율주행시스템은 Technology evaluation management 1종으로 해제된 횟수는 642건(47 %)이다. 환경 요인의 기상은 Twilight, Sun glare, Rain 3종으로 해제된 횟수는 5건(0.4 %), 도로는 Construction zone 1종으로 해제된 횟수는 12건(1 %)로 나타났다.

Tesla은 해제상황과 원인 5종, 해제횟수 188건으로 나타났다. 모두 차량 요인의 자율주행시스템으로 Planner Output Invalid, ACC Cancel, Follower Output Invalid, Health Monitor, Cruise Fault 해제된 횟수는 188건(100 %)으로 나타났다.

Volkswagen은 해제상황과 원인 6종, 해제횟수 260건으로 나타났다. 모두 차량으로 자율주행시스템은 Planner data not received, Planner not ready, Lateral actors, Watchdog error, Drop off on received data 5종으로 해제된 횟수는 225건(87 %), 자율주행자동차는 Basic vehicle requirements not satisfied 1종으로 해제된 횟수는 35건(13 %)으로 나타났다.

4.1.2 분기별 자율주행모드 해제원인 비교결과

Fig. 2는 분기별로 제조업체간 자율주행모드 해제횟수를 중분류로 범주화한 결과이다. GM Cruise는 15년 3분기 8월부터 16년 4분기 11월까지 자율주행 임시운행을 수행하였다. 자율주행시스템의 경로계획(Planning), 측위(Localization), 제어(Control) 등의 문제로 해제되는 것이 15년 4분기를 기점으로 하락하는 추세로 변화되었으며, 교통참가자는 지속적으로 증가하다가 16년 3분기를 기점으로 하향되는 경향으로 나타났다.

Fig. 2

Comparison of disengagement - by time period

Delphi는 14년 4분기 10월부터 16년 4분기 11월까지 자율주행 임시운행을 수행하면서 초기에는 도로의 차선 마킹 불량, 신호등 탐지, 공사구역 요인으로 해제되는 것이 많았으나 15년 2분기를 기점으로 낮은 수준으로 떨어졌다.

Google은 14년 3분기 9월부터 16년 4분기 11월까지 자율주행 임시운행을 수행하면서 자율주행시스템의 소프트웨어, 하드웨어, 인식(Perception) 문제로 해제되는 것이 증가하다가 15년 1분기를 기점으로 하락하는 추세로 나타났다.

Nissan은 14년 4분기 11월부터 15년 1분기 1월까지, 15년 4분기 10월부터 16년 4분기 11월까지 자율주행 임시운행을 수행하였다, 자율주행시스템의 인식(Perception), 측위(Localization), 경로계획(Planning), 소프트웨어 등의 문제로 해제되는 것이 15년 4분기를 기점으로 하락하는 추세로 나타났다.

Mercedes-Benz은 14년 3분기 9월부터 16년 4분기 11월까지 자율주행 임시운행을 수행하였다. 자율주행시스템의 시스템 평가(Technology evaluation mana-gement)와 운전자의 주관적 불편함으로 발생되는 해제횟수가 테스트 기간이 증가할수록 감소하는 추세로 나타났다.

Tesla는 16년 4분기 10월만 자율주행 임시운행을 수행하였다. 자율주행시스템의 경로계획, 어댑티브 크루즈 컨트롤 등의 문제로 해제되는 것으로 나타났다.

Volkswagen은 14년 3분기 10월부터 15년 3분기 9월까지 자율주행 임시운행을 수행하면서, 자율주행시스템의 데이터 송수신, 경로계획 등의 문제로 해제되는 것이 14년 4분기를 기점으로 하향되는 경향으로 나타났다.

7개 업체 모두 테스트 기간이 증가할수록 자율주행모드 해제상황과 원인에 대한 문제점들을 기술적인 개선이나 보완 등으로 해결함에 따라 해제횟수가 점차 감소하는 경향으로 나타났다. GM Cruise와 Delphi의 경우 타사 대비 환경 요인의 교통참가자, 도로, 교통흐름 때문에 자율주행모드가 해제되는 경우들이 많았다. Mercedes-Benz는 운전자의 주관적 불편함으로 자율주행모드가 해제되는 경우가 타사 대비 매우 높았는데, 테스트 운행구역을 초기부터 도심로에서 주행함에 따라 자동차전용도로 대비 도로의 신호등과 교차로, 교통참가자의 돌발행동과 같은 자율주행시스템의 운영설계도메인(ODD) 한계 상황들 때문으로 보인다.

4.2 자율주행 임시운행 주행데이터 결과

Table 3은 2014년 9월부터 2016년 11월까지 27개월 동안 선별된 7개 업체들의 임시운행 테스트 기간의 주행데이터를 제조업체별로 운행차량, 운행기간, 운행거리, 해제종류, 해제횟수, 해제 비율 등으로 정리한 결과이다. 기존의 자율주행모드 해제보고서 분석 자료와40) 본 자료의 차이점은 해제원인 분석에 중점을 두어 각 보고서 부록에 기재된 자율주행모드 해제원인, 해제일시 등의 내용을 준용하여 조금의 차이가 존재할 수 있다.

Comparison of autonomous vehicle data by manufacturers

운행차량 측면에서 Google이 60대로 가장 많이 운영하였고 다음으로 GM Cruise로 25대로 운영하였다.

운행거리 측면에서도 Google이 1,706,220 km로 타 업체 대비 120배 이상 많은 압도적인 테스트 주행거리를 확보하였다. Google의 자율주행자동차 관련 특허 분석 결과 보고서에 따르면41) 최근 2년 동안 센싱 관련 특허를 집중 등록을 통해 센서 융합 알고리즘이나 센서 데이터를 통한 실시간지도, 차량 종류와 모델에 대한 표준화된 데이터 등을 확보하였는데, 이는 자율주행 관련 빅데이터가 있어야만 가능한 것이고 바로 운행차량과 운행거리가 타사 대비 압도적으로 높은 이유인 것이다.

해제종류는 Nissan이 50 종으로 타사 대비 약 5배 많은데 이는 자율주행모드해제보고서 제출 의무 중 해제상황을 이해할 수 있도록 자세하고 평이하게 작성하도록 하는 세부 규정을 가장 잘 준수한 것으로 해석할 수 있다. 하지만 자율주행모드해제의 개시 주체를 시스템 해제와 운전자 해제를 구분하여 제출한 업체는 Google과 Mercedes-Benz 2곳뿐이다.

해제횟수는 Mercedes-Benz가 1360건으로 전체의 40 % 비중을 차지하고 있는데, 이는 캘리포니아 주에서 임시운행을 시작한 14년 9월 이후부터 지속적으로 도심로에서 테스트를 진행하다보니 상대적으로 자동차 전용도로인 고속도로 대비 보행자, 교차로와 같은 상황들이 많기 때문으로 추정할 수 있다.

자율주행모드 해제 비율은 Google이 0.0003으로 10,000 km 당 3번 해제되는 것으로 6개 업체의 평균 0.107 대비 약 90 % 낮은 수준이다. 이는 Google이 자율주행기술 수준이 타사 대비 완성도가 높은 수준이라고 해석할 수도 있다.


5. 결 론

본 논문에서는 2015-2016년 캘리포니아에서 실도로 테스트 중인 자율주행자동차의 자율주행 해제상황과 원인을 도로교통 3요소인 운전자, 차량, 환경 관점에서 분석하였다. 본 논문의 결과는, 향후 상용화가 예측되는 SAE기준 level 3 자율주행자동차의 제어권 전환 안전성을 확보하고 평가 시나리오 개발에 필요한 제어권 전환 상황을 도출에 활용될 계획이다.

선별된 7개 업체들의 자율주행모드 해제의 주요 원인은 자율주행자동차가 스스로 운행할 수 있도록 지원해주는 시스템의 기술적 한계로 나타났다. 우선, 차량 요인으로는 주변 환경 인식 센서, 측위모듈, 판단모듈 등의 결함이 원인이었다. 다음으로 환경 측면에서 교통참가자들의 돌발행동이나 도로상의 공사 혹은 사고구역이 원인이었다. 마지막으로 운전자 요인으로는 테스트드라이버의 예측대로 자율주행자동차가 감속이나 차선유지가 제대로 작동되지 않는 상황이 원인이었다.

상기 사항들을 기반으로 자율주행자동차의 자율주행시스템이 지속적인 안전운행을 담보할 수 없어 제어권을 전환하여 운전자가 최소위험상태를 달성해야하는 비상상황이 3가지로 분류됨을 본 연구를 통해 확인할 수 있었다. 첫 번째로 자율주행자동차의 엔진계, 구동계 등의 고장으로 안전운행을 담보하지 못하는 상황을 확인했으며, 두 번째로 자율주행자동차에 탑재된 자율주행시스템의 인지, 판단, 제어, 통신, 측위모듈의 결함으로 안전운행을 담보할 수 없는 상황을 확인했다. 마지막으로 자율주행모드가 작동 중에 자율주행시스템 기능이 작동할 수 있도록 설계된 운영설계도메인(ODD)에서 급작스럽게 벗어나서 안전운행을 담보할 수 없는 상황을 확인할 수 있었다. 즉, 부분자율주행자동차의 제어권 전환 안전성을 확보하기 위해 우선적으로 3가지 비상상황을 실도로에서 발생 가능한 상황을 모사하고 반복 재현할 수 있는 평가 시나리오를 검증해야 한다. 차량 관점에서는 자율주행시스템의 비상상황 대처 성능을 시뮬레이션, 테스트 트랙, 실도로 테스트를 통해 검증할 수 있는 인프라와 평가 기술이 확보되어야 한다. 운전자 관점에서는 자율주행자동차와 상호작용 측면에서 최소한 자율주행시스템의 운행상태 정보, 작동상태 정보, 비상상황 정보, 제어권 전환 요청 정보를 운전자에게 명확하게 전달하고 인지하기 위한 평가 방법 기술을 갖추어야 한다.

따라서 운전자 관점에서 제어권 전환 안전성을 확보하기 위해 본 연구의 향후 계획은 비상상황에서 운전자가 안전하게 수동운전을 재개하는데 필요한 최소한의 제어권 시간을 도출하고 이를 기반으로 운전자의 상황인식과 인지행동을 고려한 최적의 제어권 전환 알림방법에 대한 후속 연구를 계획하고 있다.

Acknowledgments

본 연구는 국토교통부 교통물류연구사업의 연구비지원(과제번호 17TLRP-B131486-01)에 의해 수행된 연구임.

References

Fig. 1

Fig. 1
Comparison of cause of disengagement - by manufacturers

Fig. 2

Fig. 2
Comparison of disengagement - by time period

Table 1

Disengagement types reorganized from Google report19)

Subject Autonomous system disengagement Driver disengagement
Definition The system detects a failure and disengage The driver disengage the system for the safety
Disengage process 1. Autonomous driving system is operating
2. The system detects a failure
3. The system disengage the autonomous driving mode
4. Driving control is transferred to the driver regardless of the intention of the driver
1. Autonomous driving system is operating
2. The driver recognizes the limits of the system
3. The driver disengage the autonomous driving mode
4. Driving control is transferred to the driver under the intention of the driver
Disengage example - Detection of the failure of the system network
- Failure of the sensor for perception process or GPS
- Failure of the actuator for the control of longitudinal or lateral control
- Data transmission or reception error, etc.
- Bad lane marking on the road
- Unexpected behavior of other vehicles
- Unexpected behavior of pedestrians
- Autonomous driving vehicle threaten road traffic safety, etc.
Countermeasure Transfer take-over information to the driver through the alert system The driver records the take-over event according to the regulations

Table 2

Analysis of cause of disengagement based on 7 companies’s report on 2015~2016

Category Middle category Lower category Detailed causes # of disengagements Ratio of disengagements
Driver Subjective feeling Uncomfortable Delay with deceleration, etc. 711 21.7 %
Vehicle Autonomous system Localization, Perception, Logic, etc. Perception system not working, etc. 1,617 49.4 %
Autonomous vehicle Engine, etc. Engine control unit problem, etc. 131 4.0 %
Environment Traffic user Other vehicle, Cyclist, etc. Unexpected behavior of other vehicle, etc. 362 11.1 %
Road Construction, Accident, etc. Construction zone, etc. 175 5.3 %
Weather Rain, Sunny, etc. Disengage for weather conditions, etc. 147 4.5 %
Traffic flow High traffic Hard to complete lane change, etc. 114 3.5 %
Obstacle Emergency vehicle, etc. Disengage for emergence vehicles, etc. 14 0.4 %
Total 3,271 100 %

Table 3

Comparison of autonomous vehicle data by manufacturers

Manufacturer Number of cars Period
(month)
Distance
(km)
# of detailed causes # of disengagements # of Disengagements Road type
per km per km*a car
GM cruise 25 21 16,110 7 284 0.0176 0.44 Street
Delphi 2 26 31,790 10 583 0.0183 0.04 Street/Highway
Google 60 16 1,706,220 10 465 0.0003 0.02 Street/Highway
Nissan 6 27 7,960 50 131 0.0170 0.10 Street/Highway
Mercedes-Benz 3 13 3,850 6 1360 0.3532 1.06 Street
Tesla 4 1 850 5 188 0.2224 0.89 Street/Highway
Volkswagen 2 8 23,110 6 260 0.0113 0.02 Highway
Total(Average) (15) (16) (255,700) 94 3,271 (0.09) (0.37) -