케임브리지 대학교 연구진은 재규어 랜드로버(JLR)와 협력하여 운전자가 주행 중 차량 내 시스템과 안전하게 상호 작용하거나 메시지를 수신할 수 있는 시점을 예측함으로써 도로 안전을 크게 향상시킬 수 있는 적응형 알고리즘을 개발했습니다. 이 혁신적인 접근 방식은 실제 도로 주행 실험과 머신러닝 기술을 결합하여 운전자의 작업 부하를 지속적으로 측정하고, 변화하는 상황과 운전자 행동에 실시간으로 대응하여 조정할 수 있도록 합니다.
도로 안전 향상을 위한 적응형 알고리즘
연구진이 개발한 알고리즘은 적응력이 뛰어나 운전자의 작업 부하, 도로 상황, 도로 유형, 운전자 특성 등의 변화에 효과적으로 대응할 수 있습니다. 이 알고리즘은 머신 러닝과 베이지안 필터링 기법을 결합하여 운전자의 작업 부하를 지속적으로 평가합니다. 예를 들어, 낯선 지역이나 교통 체증이 심한 곳에서 운전할 때는 작업 부하가 높을 수 있고, 매일 출퇴근할 때는 작업 부하가 낮을 수 있습니다.
이 기술의 주요 목표는 운전자와 차량 간의 상호 작용을 맞춤화하여 도로 안전을 향상시키는 것입니다. 예를 들어, 운전자는 업무량이 적은 시간대에 긴급하지 않은 메시지와 알림을 받게 되어, 더욱 까다로운 운전 상황에서도 도로에 온전히 집중할 수 있도록 합니다.
차량 내 데이터 가용성이 증가함에 따라 운전자의 주의력을 분산시켜 도로 안전에 심각한 위험 요소가 될 수 있습니다. 이러한 문제를 해결하기 위해서는 운전자의 작업trac를 지속적으로 평가하는 시스템을 구축하는 것이 중요합니다. 운전자의 집중도와 도로 상황을 파악하여, 시스템은 운전자의 작업 부하가 낮은 시간대에 정보나 경고를 제공하는 우선순위를 정할 수 있습니다.
운전자 업무량 측정
시선 trac장치와 생체 데이터를 활용하여 운전자의 요구를 측정하는 기존 알고리즘이 있지만, 케임브리지 연구진은 조향, 가속, 제동 데이터와 같은 주행 성능 신호 등 모든 차량에서 쉽게 얻을 수 있는 데이터를 활용하는 접근 방식을 개발하는 것을 목표로 삼았습니다. 이 접근 방식을 통해 생체 센서 데이터(사용 가능한 경우)를 포함하여 다양한 비동기 데이터 스트림을 수집하고 융합할 수 있습니다.
운전자 작업 부하를 측정하기 위해 연구진은 주변 감지 과제(Peripheral Detection Task)의 수정된 버전을 사용하여 도로 주행 실험을 수행했습니다. 참가자들은 내비게이션 앱이 표시된 휴대전화에서 일정한 간격으로 깜빡이는 빨간색 LED 표시등을 통해 작업 부하가 낮은 상황을 인지할 때마다 손가락에 착용한 버튼을 누르도록 요청받았습니다. 비디오 분석과 버튼 데이터 분석을 통해 혼잡한 교차로를 주행하거나 비정상적인 차량 움직임을 마주하는 등 작업 부하가 높은 상황을dent수 있었습니다.
적응형 머신러닝 프레임워크
실험 과정에서 수집된 데이터는 지도 학습 기반 머신러닝 프레임워크를 개발하고 검증하는 데 사용되었습니다. 이 프레임워크는 운전자의 평균 작업량을 기반으로 운전자 프로파일링을 수행하고 베이지안 필터링 기법을 활용하여 운전자의 순간 작업량을 실시간으로 추정합니다. 또한, 작업량에 대한 거시적 및 미시적 측정값을 결합하여 다양한 도로 유형, 조건 또는 동일한 차량을 사용하는 운전자에 맞춰 조정할 수 있습니다.
재규어 랜드로버(JLR)와의 연구 협력은 실험 설계 및 데이터 수집을 포함했습니다. JLR의 인간-기계 인터페이스 수석 기술 전문가인 리 스크립척 박사는 사용자 관점에서 디자인의 영향을 이해하는 데 있어 이번 연구의 중요성을 강조했습니다. 이 연구는 JLR 차량 내 알림 및 상호 작용 시점을 최적화하여 안전성과 운전 경험을 개선하는 데 도움이 될 것입니다.
안전성의 지속적인 개선
이 적응형 알고리즘을 사용하면 차량은 운전자에게 적절한 시기에 알림 및 상호 작용을 제공하여 작업 부하가 높은 상황에서 주의trac위험을 줄일 수 있습니다. 이 기술은 특히 까다로운 운전 상황에서 운전자가 도로에 집중할 수 있도록 함으로써 도로 안전을 향상시키는 데 중요한 진전을 의미합니다.
케임브리지 대학교에서 진행된 이번 연구는 사이먼 고드실 교수 지도 하에 공학부 신호처리 및 통신 연구실(SigProC) 연구팀이 수행했습니다. 바샤르 아흐마드 박사가 이끄는 이 팀에는 네르민 카베르와 지아밍 량 박사가 참여하여 프로젝트의 성공에 기여했습니다.
차량 내 연결성이 점점 강화되는 시대에 운전자의 작업 부하를 모니터링하고 이에 맞춰 조정하는 것은 도로 안전에 필수적입니다. 케임브리지 대학교가 재규어 랜드로버와 협력하여 개발한 혁신적인 알고리즘은 이러한 과제에 대한 유망한 해결책을 제시합니다. 안전을 최우선으로 하고 운전자와 차량 간의 상호 작용을 최적화함으로써, 이 기술은 전반적인 운전 경험을 크게 향상시키고 도로 위의 주의trac을 줄일 수 있는 잠재력을 지니고 있습니다.
