AI 알고리즘이 운전자 업무 부하 모니터링을 통해 도로 안전 향상

캠브리지 대학교 연구자들은 재규어 랜드로버(JLR)와 협력하여 도로 안전을 크게 향상시킬 수 있는 적응형 알고리즘을 개발했습니다. 이 알고리즘은 운전자들이 운전 중 차량 시스템과 안전하게 상호작용하거나 메시지를 받을 수 있는 시기를 예측합니다. 이 혁신적인 접근 방식은 도로 실험과 머신러닝 기술을 결합하여 운전자 업무 부하를 지속적으로 측정하고, 변화하는 조건과 운전자 행동에 실시간으로 대응할 수 있게 합니다.

향상된 도로 안전을 위한 적응형 알고리즘

연구진이 개발한 알고리즘은 운전자 업무 부하, 도로 조건, 도로 유형 및 운전자 특성의 변화에 대응할 수 있는 높은 적응력을 갖추고 있습니다. 이 알고리즘은 머신러닝과 베이지안 필터링 기술을 조합하여 운전자 업무 부하를 지속적으로 평가합니다. 예를 들어, 낯선 지역이나 혼잡한 교통 상황에서 운전하는 것은 높은 업무 부하를 나타낼 수 있는 반면, 일상적인 출퇴근은 낮은 업무 부하를 의미할 수 있습니다.

이 기술의 주요 목표는 운전자-차량 상호작용을 맞춤화하여 도로 안전을 향상시키는 것입니다. 예를 들어, 낮은 업무 부하 기간 동안 운전자들은 긴급하지 않은 메시지와 알림에 대해 경고받아, 더 요구가 높은 운전 시나리오 동안 도로에 대한 완전한 집중력을 유지할 수 있습니다.

차량 내 데이터의 증가된 가용성은 운전자들의 산만함을 초래할 수 있어 도로 안전에 주요 위험 요인이 될 수 있습니다. 이 도전을 해결하기 위해서는 운전자 업무 부하를 지속적으로 평가할 수 있는 시스템이 필수적입니다. 운전자 참여 수준과 도로 조건을 이해함으로써, 시스템은 정보를 제공하거나 알림을 표시할 시기를 우선순위화하여 낮은 업무 부하 기간에 발생하도록 보장할 수 있습니다.

운전자 업무 부하 측정

기존 알고리즘들은 안구 추적기와 생체 데이터 등을 사용하여 운전자 요구도를 측정하지만, 캠브리지 연구자들은 특정 차량의 운전 성능 신호(조향, 가속, 제동 데이터 등)와 같이 쉽게 이용 가능한 데이터에 의존하는 접근 방식을 개발하고자 했습니다. 이 접근 방식은 생체 센서 데이터(사용 가능한 경우)를 포함하여 다양한 비동기화 데이터 스트림의 소비와 융합을 가능하게 합니다.

운전자 업무 부하를 측정하기 위해 연구자들은 수정된 주변 감지 과제를 사용하여 도로 실험을 수행했습니다. 참가자들은 네비게이션 앱을 표시하는 전화기에 일정 간격으로 깜빡이는 빨간색 LED 빛이 낮은 업무 부하 상황을 나타낼 때 손가락 착용 버튼을 누르도록 요청받았습니다. 비디오 분석과 버튼 데이터를 통해 번잡한 교차로 탐색이나 비정상적인 차량 행동과 같은 높은 업무 부하 상황을 식별할 수 있었습니다.

적응형 머신러닝 프레임워크

실험 동안 수집된 데이터는 지도 학습 프레임워크의 개발과 검증을 위해 사용되었습니다. 이 프레임워크는 평균 업무 부하를 기준으로 운전자 프로파일을 작성하고, 베이지안 필터링 기술을 사용하여 운전자 순간 업무 부하의 실시간 추정을 수행합니다. 이는 업무 부하의 거시적 및 미시적 측정을 결합하여 동일한 차량을 사용하는 다른 도로 유형, 조건 또는 운전자에 맞게 적응할 수 있게 합니다.

재규어 랜드로버(JLR)와의 연구 협력에는 실험 설계와 데이터 수집이 포함되었습니다. JLR의 인간-기계 인터페이스 수석 기술 전문가인 Dr. Lee Skrypchuk은 사용자 관점에서의 디자인 영향을 이해하는 데 이 연구의 중요성을 강조했습니다. 이는 JLR 차량 내 알림과 상호작용의 타이밍을 최적화하여 안전과 운전 경험을 향상시키는 데 도움이 될 것입니다.

지속적인 안전 개선

이 적응형 알고리즘을 사용하면 차량은 높은 업무 부하 시나리오 중 산만함을 줄이기 위해 적절한 시기에 운전자에게 알림과 상호작용을 제공할 수 있습니다. 이 기술은 특히 요구가 높은 운전 상황에서 운전자들이 도로에 집중하도록 보장함으로써 도로 안전을 향상시키는 중요한 한 걸음을 의미합니다.

캠브리지 대학교의 연구는 Simon Godsill 교수의 지도 하에 엔지니어링 학부의 신호 처리 및 통신 연구실(SigProC) 소속 연구진 팀에 의해 수행되었습니다. Dr. Bashar Ahmad가 이끄는 팀에는 Nermin Caber와 Dr. Jiaming Liang이 포함되어 프로젝트 성공에 기여했습니다.

차량 내 연결성이 증가하는 시대에 운전자 업무 부하를 모니터링하고 적응하는 것은 도로 안전에 필수적입니다. 재규어 랜드로버와 협력하여 캠브리지 대학교가 개발한 혁신적인 알고리즘은 이 도전에 대한 유망한 해결책을 제시합니다. 안전을 우선시하고 운전자-차량 상호작용을 최적화함으로써 이 기술은 도로 위의 산만함을 줄이면서 전반적인 운전 경험을 크게 향상시킬 잠재력을 가지고 있습니다.