자율주행 시 탑승자의 비운전상태에 따른 운전권 전환 반응 차이에 대한 연구
Copyright Ⓒ 2019 KSAE / 166-01
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
According to the definition of Level 3 automated vehicles by the Society of Automotive Engineering, the passenger or remote operator must respond to takeover requests either in a planned or an unplanned takeover scenario. Therefore, it is important to study whether a human operator is capable of understanding the driving environment and responding in a safe and swift manner when he or she is not actively engaged in driving. In this regard, this study investigated how the reactions to takeover transition of a passenger vary in different non-driving scenarios. There were 30 subjects who participated in the experiment using a driving simulator, wherein 6 different non-driving scenarios were compared, including “max seat back angle” and “using a smartphone”. The experimental data showed that in an urgent takeover, a quick and safe driving response was not achieved if the human driver was not looking ahead or was leaning backward in the seat.
Keywords:
Automated vehicle, Take-over, Human factor, Driving simulator, Non-driving status키워드:
자율주행자동차, 제어권 전환, 인적 요소, 차량 시뮬레이터, 비운전상태1. 서 론
최근 자율주행 관련 연구개발이 가속화되면서 머지않아 SAE 기준 레벨 3에 해당하는 자율주행자동차가 상용화될 것으로 보인다. SAE 기준 레벨 3은 조건부 자율주행으로써, 자율주행 시스템이 차량의 종방향･횡방향 제어를 하며 주행 중에 출현하는 주변 물체(Object)나 발생하는 이벤트(Event)를 감지(Detection)하고 이에 대응(Respond)한다(Object and event detection and response or OEDR).1) 차량 탑승자는 자율주행 시스템 작동 시 주변 환경을 모니터링하지 않아도 되지만, 자율주행 시스템이 고장이 나거나 혹은 작동할 수 없는 영역에 진입하였을 경우에 자율주행 시스템으로부터 제어권(운전권) 전환을 받아 수동운전을 재개해야만 한다.2.3) 이처럼 자율주행 차량이 등장하면서 운전자의 역할도 차량의 거동을 직접 제어하는 것에서 자율주행 시스템을 모니터링하며 위기 상황에 대응하는 것으로 변경이 예상되는데,4) 탑승자가 운전을 직접 하고 있지 않은 상황에서도 신속하고 안전한 대처가 가능해야 할 것이다. 이에, 인간의 운전권 전환 능력에 대한 이해가 충분히 선행되어야, 추후 자율주행 차량의 성공적인 상용화가 이루어질 수 있으나, 관련 연구는 상대적으로 미비한 실정이다.
기존 자율주행 차량의 제어권 전환과 관련된 선행연구의 경우에는 NDRT(Non-driving related tasks)라 하여 주로 N-back task, SURT(Surrogate reference task), TQT(Twenty questions task) 등 운전자에게 운전행동과 관련 없는 임무를 부여한 뒤 제어권 전환 반응이 어떻게 달라지는지에 대해 연구하였다.4-7) NDRT는 운전자에게 시각적, 인지적, 또는 신체적으로 부하를 가하여 해당 상황에 따른 제어권 전환 반응의 질을 평가할 수 있지만 실제로 자율주행차량에서 탑승자가 취할 수 있는 행동은 아니라는 한계점이 존재한다. 또한 자율주행 수준에 따라 허용되는 구체적인 비운전 행동에 대한 어떠한 합의나 가이드라인이 존재하지 않는다. 예를 들어, SAE J3016에 따르면 자율주행 레벨 3에서 사용자의 역할은 기존 수동주행의 직접 운전 역할에서 DDT fallback-ready user로 바뀌며 제어권 전환 상황 발생 시 안전하고 신속하게 대응할 수 있어야 한다.1) 이러한 일반적인 정의는 제공되어있지만, 탑승자가 신속하게 대응 가능한 행동 및 상태에 대해서는 구체적인 예시가 없다. 따라서, SAE J3016 정의서를 기반으로 독자들이 각자 합리적 유추를 통해 ‘신속하게 대응 가능한’ 탑승자의 행동을 도출해야 한다. 이에 본 연구진은 SAE 레벨 3 자율주행 차량에서 DDT fallback-ready user 중 탑승자에게 허용된다고 판단되는 행동 및 상태를 Table 1에 정리하였다. SAE 레벨 3 자율주행 차량에서 허용되는 행동 및 상태는 기존 수동주행에서 법적으로 허용되거나 운전에 필수적인 행동(예: 전방주시)도 물론 포함하였으며, 수동주행 시에는 안전상의 이유로 금지되는 행동(예: 스마트폰 사용) 또한 포함하였다. 통화나 메시지 전송, 웹 서핑 등이 해당하며 시간이나 온도 등의 정보 확인, 음식을 먹거나 음료수를 마시는 등의 행위, 화장 혹은 면도 등도 허용 행동 및 상태로 간주하였다. 이 같은 행동 및 상태를 취하는 탑승자는 긴급한 상황에서 알림이 제공될 시 후술할 불허 행동에 비해 비교적 신속한 대처가 가능하다 사료된다. 또한, 레벨 3에서 허용되지 않는 행동은 탑승자들이 자율주행능력을 과신하거나 혹은 안전에 대한 주의 의무를 느끼지 못하여 시트 등받이를 뒤로 젖힌 뒤 휴식, 혹은 수면을 취하기, 다리를 꼬거나 양반다리 등의 다리 상태, 음주 운전 등으로 간주하였다. 이와 같은 상태의 탑승자는 인지적인 측면(예: 음주)이나 신체적인 측면(예: 누워있음)에서 앞서 언급한 허용되는 행동 및 상태에 비해 긴급한 상황에서의 대처속도 및 능력이 떨어진다고 보았다. 안전띠 미착용은 제어권 전환 반응과 직접적인 관련은 없으나 위험상황 발생 시 탑승자의 안전문제와 직결되어 있으므로 포함하였다.
Allowable and unallowable behaviors for the in-vehicle DDT fallback-ready users while in Level 3 automated driving mode
따라서, 본 연구는 자율주행 시 탑승자가 실제로 취할 수 있는 상태를 선별하여 이에 따라 제어권 전환 반응이 어떻게 달라지는지에 대해 알아보기 위한 Human-in-the-loop 실험을 진행하였다.
Table 1에 정의된 비운전 상황에서 실험에서 연구할 비운전 행동 및 상태를 선별한 후, Full-scale 차량 시뮬레이터에 SAE 기준 레벨 3에 해당하는 차량 기능을 구현하고, 경부고속도로 내 오산IC부터 신갈IC 방면 구간의 도로상에서, 운전면허를 소유한 30명의 실험참가자를 모집하여 실험을 진행하였다. 실험참가자는 자율주행 시 6가지의 상태를 유지하고 있는 상황에서, 제어권 전환 알림 신호를 받은 뒤 수동 운전을 재개하도록 요청받았으며, 제어권 전환 상황은 갑작스러운 차량의 고장으로 인해 자율주행이 불가능할 경우로 설정하였다. 제어권 전환 알림 시 사용자의 시선 데이터, 반응 시간, 조향토크, 조향각 등의 데이터를 분석하여 탑승자의 다양한 상태가 제어권 전환 상황에 미치는 영향을 분석하고 제시하였다.
2. 시뮬레이터 기반 Human-in-the-loop 실험
2.1 실험 시나리오
본 실험에서는 경부고속도로 내 오산 IC부터 신갈 IC까지 구간의 도로를 Oktal 사의 시뮬레이터 운용 소프트웨어인 SCANeRTM studio version 1.7에 구현하여 사용하였다. 교통량은 LOS C로 이는 한 차로에 1 km 당 10대 초과 14대 이하의 차량이 주행하는 것을 의미하는데,8) 시나리오 생성 시 LOS C 조건에 맞도록 자차량 전후방 500 m, 편도 4차로 도로의 10 km 구간에서 차량 45대를 70 m에서 120 m 간격으로 배치하고, 90 km/h에서 120 km/h로 주행하도록 구현하였다. 실험참가자는 정지상태에서 수동주행을 시작해 속도가 100 km/h에 도달하면 스티어링 휠에 설치된 운전모드 전환버튼을 눌러 자율주행으로 전환한다. 실험참가자는 Fig. 1과 같이 스크린 상에 구현된 HUD를 통해 현재 속도 및 주행모드를 확인할 수 있다.
Driving mode on HUD
자율주행 중 실험참가자는 부여된 비운전상태를 수행하다 자율주행시스템 고장으로 인한 제어권 전환 요청을 받게 된다. 이때는 시스템에서 시각, 청각, 촉각을 이용한 제어권 전환 알림이 제공되며 각 알림은 기존 선행연구 사례를 참고하여 구성하였다. 시각 알림은 지름 19 mm의 원형 그림이 HUD에 나타나고, 청각알림은 880 Hz와 1760 Hz의 단일한 톤을 혼합한 소리가 재생되며, 촉각 알림은 시트 내부에 있는 모터가 진동하여 허리와 둔부에 알림을 제공한다.9) 실험참가자는 스티어링 휠 혹은 가속･제동 페달을 작동하여 수동주행을 재개하고 제어권 전환 이후에도 차로는 계속 유지한다. 제어권 전환 시 상황과 알림을 Fig. 2에 나타내었다.
TOR situation and alarm modalities9)
2.2 독립변수
본 실험의 독립변수는 자율주행 시 탑승자가 취할 수 있다고 생각되는 상태 6가지를 선별하였다. 우선 기존의 수동주행과 마찬가지로 항상 전방을 주시하는 상태와 주변 상황을 확인할 수 없도록 스마트폰을 이용하는 상태를 선별하여 전방 주시 여부에 따른 제어권 전환 반응을 알아보고자 하였다. 또한 팔이나 다리 등이 다친 뒤 보호대 혹은 석고붕대 등을 착용한 상태에서 운전을 하는 경우도 있는데,10) 한 쪽 팔이 구속된 상태에서의 운전 능력에 관해 파악하기 위하여 팔걸이 보호대를 착용한 상태와 해당 상태에서 스마트 폰을 사용하는 경우도 추가하였다. 마지막으로 자율주행 상태에서 탑승자가 자율주행 시스템의 능력을 과신하여 시트 등받이를 최대로 젖힌 뒤 휴식을 취하거나 스마트폰을 작동하는 등 긴급한 상황에서 신속한 대처를 하기 힘든 상태도 취할 수 있을 것이라 판단되어 독립변수로 선정하였다. 실험참가자는 실험 시나리오에 따라 수동주행 중 자율주행으로 전환을 한 뒤, 스티어링 휠 및 가속･제동 페달을 작동하지 않음으로써 차량의 종･횡방향의 제어를 하지 않으며 주어진 6수준의 상태를 수행한다(Fig. 3, Table 2).
Types of non-driving status
Characteristics of non-driving status (IVs)
실험참가자는 자율주행 중 별다른 임무를 부여받지 않으며 시선은 평소 수동주행차량을 운전할 때와 마찬가지로 주로 윈드실드 쪽을 주시한 채로 틈틈이 룸미러와 사이드미러를 확인하며 주변 차량 및 교통흐름을 모니터링한다. 이때 손은 스티어링 휠에서 뗀 채 다리 위에 자연스럽게 두도록 한다.
실험참가자가 운전 시 주로 사용하는 손에 팔걸이 보호대를 착용하도록 한 뒤, 보호대를 착용하지 않은 손은 전방주시 때와 같이 다리 위에 자연스럽게 올려두도록 하였으며 시선은 전방을 유지한 채 주변 환경을 모니터링하도록 한다.
실험참가자는 양손을 사용하여 스마트폰에서 타자 연습 게임을 진행하게 되며 스마트폰의 위치는 스티어링 휠 중심에서 약간 아래에 두도록 한다.
주로 사용하는 손에 팔걸이 보호대를 착용한 뒤 다른 한 손을 이용하여 스마트폰으로 타자 연습 게임을 진행한다.
차량 시트 등받이 각도를 최대로 젖힌 뒤(170°) 두 눈을 감은 채 휴식을 취하게 되며 이때 양손은 다리 위에 자연스럽게 둔다.
차량 시트 등받이 각도를 최대로 젖힌 뒤 양손을 사용하여 스마트폰으로 타자 연습 게임을 진행한다.
2.3 종속변수
D’Addario와 Donmez는 도로의 위험요소에 대한 운전자의 인지시간과 반응시간에 대해 연구하였는데 인지시간은 위험요소가 발생한 시점부터 운전자가 해당상황을 인지하기까지의 시간이며, 반응시간은 위험요소가 발생한 시점부터 운전자가 스티어링 휠이나 제동페달 등을 이용하여 반응을 보이기까지의 시간을 의미한다.11) 본 실험의 ‘시스템 고장으로 인한 제어권 전환 상황’역시 위험요소에 해당하므로 이와 같은 상황에서 탑승자들의 제어권 전환 방법, 제어권 전환 인지시간과 제어권 전환 반응시간 등을 분석하여 각 비운전상태에 따라 탑승자가 어떤 방법으로, 얼마나 빨리 제어권 전환을 완료하는지 확인하였다. 이는 운전자 관련 종속변수에 해당한다. 차량 조향 관련 종속변수로는 조향 안정화 시간과 조향각 0°교차율(Steering wheel zero crossing rate or SZCR)을 측정하여 역시 탑승자의 상태에 따라 제어권 전환 이후 조향이 안정화되는데 차이가 있는지를 확인하였다.12) 각 종속변수의 정의 및 단위는 Table 3에 정리하였다.
Dependent variables
Attalla 등은 시뮬레이터를 이용한 실험에서 교차로 진입 시 사고위험과 같은 위급한 상황이 발생할 때 운전자들이 스티어링 휠과 가속･제동페달 중 어떤 장치를 먼저 작동하는지에 대해 연구하였는데,13) 본 실험에 사용된, 위급한 상황에서의 제어권 전환 방법 역시 총 3가지로 탑승자는 자율주행 상태에서 스티어링 휠 혹은 가속･제동 페달을 작동하여 수동주행을 재개할 수 있으며, 자율주행 시 탑승자의 상태에 따라 제어권 전환 방법에 통계적으로 유의미한 차이가 있는지 확인하기 위해 선정하였다.
제어권 전환 인지시간(시선)은 제어권 전환 알림이 울린 시점부터 탑승자의 주시방향14)이 윈드실드에 향하기까지의 시간을 의미하며, 탑승자의 상태에 따라 제어권 전환 상황을 인지하는데 유의미한 차이가 나타나는지 확인하기 위해 선정하였다. 독립변수에서 MF와 AS는 전방주시를 계속하는 상태로 이미 시선의 방향이 윈드실드를 향한 상태이기 때문에 제외하였다.
제어권 전환 인지시간(머리)은 제어권 전환 알림이 울린 시점부터 탑승자의 머리 방향이 윈드실드에 향하기까지의 시간을 의미하며, 시선을 기준으로 한 제어권 전환 인지시간과 마찬가지로 독립변수에서 MF와 AS는 제외하였다.
제어권 전환 반응시간은 제어권 전환 알림 이후부터 운전자가 스티어링 휠과 가속･제동 페달을 작동하여 수동주행을 재개하기까지의 시간을 의미하며, 자율주행 상황에서 탑승자의 상태에 따라 제어권 전환 반응시간에서 통계적으로 유의미한 차이가 있는지를 확인하기 위해 선정하였다.
조향 안정화 시간은 운전자가 자율주행 상태에서 제어권을 전환한 이후 조향토크 표준편차의 값이 자율주행 개시 전 수동주행 구간의 조향토크 표준편차의 평균값과 같아질 때까지의 시간을 의미한다. 자율주행 중 운전과 관련 없는 상태이던 실험참가자는 갑작스러운 제어권 전환 상황을 맞이하기 때문에 스티어링 휠을 실험 초기 자율주행 전 수동주행 때와 같이 안정적으로 제어하는데 각 상태별로 어느 정도의 시간이 소요되는지 확인하기 위해 선정하였다.
SZCR은 조향각이 0˚를 지난 횟수를 측정 시간으로 나눈 것으로,12) 본 실험에서 측정 시간으로는 조향 안정화 시간을 사용하였다. SZCR 값이 클수록 조향이 불안정하다.
2.4 실험참가자
실험참가자는 교내 게시판을 통해 운전면허를 보유하고 있으며 운전경력이 1년 이상인 성인을 대상으로 총 30명을 모집하였다. 이 중 남자는 26명, 여자는 4명이었으며, 평균연령은 25.6세(SD=2.5)로 나이대는 21세에서 33세까지였다. 실험참가자들의 평균운전경력은 4.1년(SD=2.4)으로 나타났다. 본 실험은 국민대학교 생명윤리위원회(Institutional Review Board, IRB)로부터 승인(KMU-201803-HR-174)을 받았으며 생명윤리위원회 규정을 준수하였다.
2.5 실험 장비
차량 시뮬레이터는 국민대학교 차량인간공학실험실 내 설치된 KMU-DS(Kookmin University - Driving Simulator)를 사용하였다. KMU-DS는 2016년식 현대 LF 쏘나타 캐빈 기반의 Full scale driving simulator로써 크게 영상, 캐빈, 알림장치, 모션, 운용 시스템으로 구성되어 있다. 실험자는 운용 시스템을 통해 도로주행상황과 캐빈 내부에 설치된 CCD 카메라를 통해 운전자 상태를 모니터링할 수 있다.
2.6 실험 절차
실험 전 실험참가자들은 실험 관련 사항을 숙지한 뒤 동의서 작성을 하였으며 시뮬레이터 특성상 멀미감 등으로 인해 실험 진행이 불가능하다고 판단될 시 언제든 실험을 중단할 수 있도록 했다.
시뮬레이터 탑승 후 각 실험참가자의 안면 특징에 맞게 시선추적기를 세팅하였고, 시뮬레이터에 익숙해지기 위한 연습 주행을 10분간 실시하였다. 연습 주행 과정에서는 자율주행 작동 방법 및 제어권 전환 방법을 충분히 숙지하도록 하였다.
연습 주행을 마친 뒤 본 실험을 진행하였다. 본 실험은 6가지 비운전상태 별로 한 번씩 총 6번을 진행하였으며, 실험참가자의 학습효과 혹은 순서효과를 배제하기 위해 6가지 상태를 랜덤하게 배치하여 진행하였다
실험이 완료되면 시뮬레이터의 차량 관련 데이터와 시선추적기 데이터 및 동영상 데이터 취득 여부를 확인한 후 백업을 진행하였다.
3. 실험 결과
운전자의 상태에 따라 종속변수에 유의미한 차이가 있는지 확인하기 위하여 통계분석을 진행하였다. 제어권 전환 방법은 범주형이므로 Chi-squared test를 사용하였고, 제어권 전환 인지시간(시선, 머리)과 조향 안정화 시간은 연속형이며 정규성을 불만족하여 Kruskal-wallis test를 진행하였으며, 유의한 차이가 있을 경우 사후분석으로는 Tukey test using ranks를 사용하였다. 제어권 전환 반응시간과 SZCR은 연속형이며 정규성을 만족하였으나 등분산을 불만족하여 Welch test를 진행하였고 사후분석으로는 Games-howell test를 사용하였다.
3.1 제어권 전환 방법
본 실험의 제어권 전환 상황은 전방에 차량 등 방해물이 없었고 제어권 전환 이후에도 차선을 계속 유지하며 주행해야 하는 상황이었다. 해당 상황에서 실험참가자들의 제어권 전환 방법은 Fig. 5의 (c)와 같이 제동페달 31건(17.2 %), 가속페달 128건(71.1 %), 스티어링 휠 21건(11.7 %)으로 주로 가속페달을 사용하여 제어권 전환을 하는 경우가 많았다. 해당 경우 실험참가자들은 가속페달을 짧은 시간 동안 밟아 제어권 전환을 하였으며 이후 가속을 하기보다는 평소 수동주행 시와 마찬가지로 가속페달 위에 오른발을 살짝 걸친 상태를 유지하였다. 이와 같은 반응은 자차량의 주행차로에 선행 차량이 없었기 때문에 나타난 것으로 유추할 수 있다.
Take- over methods when right foot was on (a) throttle, (b) floor mat before TOR and (c) total
제어권 전환 전 오른발의 위치는 제동 페달 1건(0.6 %), 가속 페달 39건(21.7 %), 플로어매트 140건(77.8 %)으로 나타났으며, 제동페달은 빈도가 낮아 제외한 뒤 가속페달과 플로어매트 간의 통계분석을 진행한 결과 유의한 차이가 있는 것으로 나타났다(p=.004<.05). 잔차(Residual)를 이용한 사후검정15) 결과, 제어권 전환 전 오른발의 위치가 가속페달에 있을 때가 플로어매트에 있을 때 비해 제동페달을 이용하여 제어권 전환을 하는 비율이 20.4 % 높았고, 가속페달을 이용하여 제어권 전환을 하는 비율이 25.8 % 낮았다. 하지만 제어권 전환 방법의 빈도순서는 두 위치 모두 가속페달-제동페달-스티어링 휠 순으로 같았다(Table 4). 반면 손의 상태(p=.344>.05)와 비운전상태(p=.849>.05)에 따른 제어권 전환 방법은 유의한 차이가 없었다(Table 4, 5).
Take-over method by right foot position and hands status
Take-over method by non-driving status
3.2 제어권 전환 인지시간(시선)
시선 방향을 기준으로 한 제어권 전환 인지시간의 경우 상태에 따라 차이가 있는 것으로 나타났다(p<.001). Tukey test using ranks의 방법으로 사후검정 결과 TM(M=0.522s)과 AS+TM(M=0.770s)이 LB(M=2.131s), LB+TM(M=2.246s)보다 제어권 전환 인지시간이 빠른 것으로 나타났다. 즉, 시트 등받이 각도가 정상인 상태가 최대로 한 상태에 비해 제어권 전환 인지시간이 빠른 것으로 나타났다(Table 6).
TOR perception time(sec) by non-driving status
3.3 제어권 전환 인지시간(머리)
머리 방향을 기준으로 한 제어권 전환 인지시간의 경우 탑승자의 상태에 따라 유의한 차이가 있는 것으로 나타났다(p<.001). Tukey test using ranks의 방법으로 사후검정 결과 TM(M=0.717s)과 AS+TM(M=0.915s)이 LB(M=2.196s), LB+TM(M=2.160s)보다 제어권 전환 인지시간이 빠른 것으로 나타났다. 즉, 시트 등받이 각도가 정상인 상태가 최대로 한 상태에 비해 제어권 전환 인지시간이 빠른 것으로 나타났으며 이는 시선을 기준으로 한 제어권 전환 인지시간의 결과와 동일하다(Table 6).
3.4 제어권 전환 반응시간
탑승자의 상태에 따른 제어권 전환 반응시간의 차이를 분석한 결과 유의한 차이가 있는 것으로 나타났다(p<.001). Tukey test using ranks의 방법으로 사후검정 결과 AS(M=1.486s)이 AS+TM(M=1.909s), LB+TM(M=2.253s), LB(M=2.261s)보다, MF(M=1.524s)가 LB+TM(M=2.253s), LB(M=2.261s)보다 제어권 전환 반응시간이 빠른 것으로 나타났다. AS와 MF는 전방주시 상황이므로 운전자가 전방주시를 할 때, 전방주시를 하지 않는 다른 상태일 때 보다 제어권 전환 반응시간이 빠르다는 것을 알 수 있다(Table 7).
TOR response time(sec) by non-driving status
3.5 조향 안정화 시간
비운전상태에 따른 조향 안정화 시간의 차이를 분석한 결과 유의한 차이가 없는 것으로 나타났다(p=.138>.05) (Table 8).
Steering stabilization time(sec) by non-driving status
TOR perception and response times by non-driving status, error bars indicate the standard deviation
3.6 조향각 0˚ 교차율(SZCR)
비운전상태에 따른 조향각 0˚ 교차율의 차이를 분석한 결과 유의한 차이가 있는 것으로 나타났다(p<.001). Games-Howell의 사후검정 결과 LB(M=0.560)가 MF(M=0.722), LB+TM(M=0.763), AS(M=0.831), AS+TM(M=0.833), TM(M=0.921)에 비해 조향각 0˚ 교차율이 작은 것으로 나타났다(Table 9, Fig. 7).
SZCR(counts/sec) by non-driving status
Mean and standard deviation of SZCR(count/sec) by Non-driving status
4. 결 론
본 연구는 SAE 기준 레벨 3의 자율주행차량에서 실제 탑승자가 취할 수 있을 것이라 생각되는 상태 6가지를 선별 후, 자율주행차량이 고속도로를 주행하던 중 시스템 고장으로 인한 제어권 전환 상황 발생 시 탑승자의 6가지 상태에 따라 제어권 전환의 질이 운전자 및 차량 관점에서 어떻게 달라지는지 분석하였고 다음과 같은 결론을 도출하였다.
- 1) 제어권 전환 상황 시 탑승자의 비운전상태는 제어권 전환 방법에 통계적으로 유의미한 영향을 미치지 않았으며, 전방에 장애물이 없을 시 운전자들은 주로 가속페달을 이용하여 제어권 전환을 하는 것으로 나타났다.
- 2) 제어권 전환 인지 및 반응시간과 관련하여서 시트 등받이 각도를 뒤로 젖힌 상태가 정상인 상태에 비해 느린 것을 확인할 수 있었다. 또한 LB와 LB+TM은 TM, AS+TM과 달리 TOR perception time과 TOR response time간에 차이가 없었는데 이는 TM과 AS+TM은 전방 상황을 인식 후 제어권 전환을 한 반면에 LB와 LB+TM은 상체가 올라오면서 윈드실드를 주시하는 동시에 제어권 전환이 이루어졌기 때문이다. 따라서 매우 긴급한 상황에서 자율주행시스템이 제어권 전환을 요구하는 경우, 시트 등받이를 뒤로 젖힌 상태는 위험한 것으로 사료되며 권장되지 않는다. 또한 본 연구에서는 MF와 AS상태의 제어권 전환 인지시간을 별도로 도출하지는 않았으나 운전자가 사이드 미러 등 윈드실드 외의 영역을 통해 제어권 전환 상황을 인지할 수 있으므로 이는 향후 연구에 보완해야 할 점으로 사료된다.
- 3) 탑승자의 상태에 따라 제어권 전환 이후 조향 안정화 시간에는 유의한 차이가 없었으나 조향각 0˚ 교차율과 관련하여서는 시트 등받이 각도를 최대로 한 상태인 LB가 다른 상태에 비해 작은 것으로 나타나 제어권 전환 이후의 조향이 안정화 된 것을 확인할 수 있었다. 이는 LB가 AS, TM, AS+TM, LB+TM 상태와 달리 Hands ready 상태였고, MF는 제어권 전환 알림 즉시 스티어링 휠을 제어하는데 비해 LB는 상체가 올라오는 과정에서 주변 환경을 파악하기 시작한 후 스티어링 휠을 제어하기 시작하였기 때문으로 판단된다.
본 연구는 총 실험참가자 30명 중에 20대 남성이 26명으로 대다수를 차지하였는데 ,향후 30대 이상 및 여성을 포함하여 실험참가자를 다양화하고 정체 교통 상황에서의 제어권 전환 연구를 추가하여 진행함에 따라 제어권 전환 상황에서 권장되지 않는 상태를 선별하여 추후 SAE 기준 레벨 3 차량이 성공적으로 상용화 되는데 도움이 될 것으로 기대된다.
Acknowledgments
본 연구는 산업통상자원부 산업기술혁신사업의 지원(10079730, 자동차전용도로/도심로 자율주행 시스템 개발 및 성능평가)과 과학기술정보통신부의 재원으로 한국연구재단의 기초연구사업의 지원을 받아 수행된 연구임(No.2017R1A2B4008615).
References
- SAE On-Road Automated Vehicle Standards Committee, Taxonomy and Definitions for Terms Related to On-road Motor Vehicle Automated Driving Systems, SAE Standard J3016, (2018).
-
N. Merat, and A. H. Jamson, “How Do Drivers Behave in a Highly Automated Car?”, Proceedings of the Fifth International Driving Symposium on Human Factors in Driver Assessment, Training and Vehicle Design, p514-521, (2009).
[https://doi.org/10.17077/drivingassessment.1365]
-
H. Yun, S. L. Kim, J. W. Lee, and J. H. Yang, “Analysis of Cause of Disengagement Based on U.S. California DMV Autonomous Driving Disengagement Report”, Transactions of KSAE, 26(4), p464-475, (2018).
[https://doi.org/10.7467/ksae.2018.26.4.464]
-
N. Merat, A. H. Jamson, F. C. Lai, and O. Carsten, “Highly Automated Driving, Secondary Task Performance, and Driver State”, Human Factors, 54(5), p762-771, (2012).
[https://doi.org/10.1177/0018720812442087]
-
C. Gold, I. Berisha, and K. Bengler, “Utilization of Drivetime-performing Non-driving Related Tasks While Driving Highly Automated”, Proceedings of the Human Factors and Ergonomics Society Annual Meeting, 59(1), p1666-1670, (2015).
[https://doi.org/10.1177/1541931215591360]
-
J. Radlmayr, C. Gold, L. Lorenz, M. Farid, and K. Bengler, “How Traffic Situations and Non-driving Related Tasks Affect the Take-over Quality in Highly Automated Driving”, Proceedings of the Human Factors and Ergonomics Society Annual Meeting, 58(1), p2063-2067, (2014).
[https://doi.org/10.1177/1541931214581434]
-
K. Zeeb, A. Buchner, and M. Schrauf, “What Determines the Take-over time? An Integrated Model Approach of Driver Take-over After Automated Driving”, Accident Analysis & Prevention, 78, p212-221, (2015).
[https://doi.org/10.1016/j.aap.2015.02.023]
- Ministry of Land, Transport and Maritime Affairs, Korea Highway Capacity Manual 2013, (2013).
-
J. Lee, H. Yun, J. Kim, S. Baek, H. Han, S. M. FakhrHosseini, E. Vasey, O. Lee, M. Jeon, and J. H. Yang, “Design of Single-modal Take-over Request in SAE Level 2 & 3 Automated Vehicle”, Transactions of KSAE, 27(3), p171-183, (2019).
[https://doi.org/10.7467/ksae.2019.27.3.171]
- O. A. Von Arx, A. J. Langdown, R. A. Brooks, and D. A. Woods, “Driving Whilst Plastered: Is It Safe, Is It Legal? A Survey of Advice to Patients Given by Orthopaedic Surgeons, Insurance Companies and The Police”, Injury, 35(9), p883-887, (2004).
-
P. D’Addario, and B. Donmez, “The Effect of Cognitive Distraction on Perception-response Time to Unexpected Abrupt and Gradually Onset Roadway Hazards”, Accident Analysis & Prevention, 127, p177-185, (2019).
[https://doi.org/10.1016/j.aap.2019.03.003]
-
S. L. Kim, and J. H. Yang, “Evaluation of the Effects of Driver Distraction Part 2: Based on Real Vehicle Experiments”, 2018 IEEE International Conference on Systems, Man, and Cybernetics (SMC), p1087-1092, (2018).
[https://doi.org/10.1109/smc.2018.00192]
-
S. Attalla, R. Toxopeus, S. Kodsi, and M. Oliver, “Driver Response Time to Left-Turning Vehiclesat Traffic Signal Controlled Intersections”, SAE 2018-01-0521, (2018).
[https://doi.org/10.4271/2018-01-0521]
- ISO 15007-1, Road Vehicles - Measurement of Driver Visual Behaviour with Respect to Transport Information and Control Systems - Part1: Definitions and Parameters, (2014).
-
T. Beasley, and R. Schumacker, “Multiple Regression Approach to Analyzing Contingency Tables: Post Hoc and Planned Comparison Procedures”, The Journal of Experimental Education, 64(1), p79-93, (1995).
[https://doi.org/10.1080/00220973.1995.9943797]