인간의 행동 메커니즘을 이해하여 신기술의 이점 활용하기

나고야대학교 미래사회혁신연구소에서는 미래지향적인 연구자들이 인간의 행동 메커니즘을 이해하여 새로운 기술을 활용할 수 있는 방법을 모색하고 있습니다.

목표

나고야대학교 미래사회혁신연구소의 HMI 및 인간 특성 연구실에서는 새로운 모빌리티 인터페이스와 서비스를 위한 인간과 지능형 시스템 간의 상호작용 설계를 연구합니다. 이 연구진은 운전 중 운전자 행동 분석을 기반으로 새로운 인터페이스와 서비스를 도입하기 위해 노력하고 있습니다. 시선추적 솔루션을 통해 연구원들은 운전자의 중요한 시선 움직임을 침입 없이 인식할 수 있습니다.

방법

일본에서는 고령 운전자에 의한 교통사고가 증가하고 있습니다. 또한 고령자가 일상생활을 계속 독립적으로 영위하는 데 있어 자동차의 중요성이 더욱 커지고 있습니다. 이에 나고야대학교 미래사회혁신연구소는 연구를 통해 고령 자동차 사용자를 지원하고 운전 전반을 개선할 수 있는 운전자 에이전트 시스템을 제안했습니다.

나고야대학교 연구소는 시선추적 연구에서 50~76세 사이의 남녀 운전자 30명을 모집해 교차로에서 정지 신호에 접근할 때 운전 시뮬레이터 안에서 어떻게 행동하는지를 관찰했습니다. 이 분석을 통해 도출된 데이터는 시각 정보 처리 능력, 인식 할당 기능 및 시야를 보여줄 수 있었습니다.

연구원들은 음성, 시각, 로봇 에이전트 등 세 가지 운전자 경험을 실험했습니다. 이들은 시뮬레이터에 적용되었으며, 다음과 같이 설정되었습니다. 토비 아이 트래커로 설정된 시뮬레이터에 적용하여 가장 효과적인 버전을 결정하기 위해 고령 운전자에게 동일한 지원을 제공했습니다. 시뮬레이터는 고령 운전자의 충돌률이 높은 운전 상황을 제시하고 여러 에이전트가 위험 구역을 통과하는 운전 안내를 제공했습니다. 아이 트래커는 시선 데이터를 기록하여 운전자의 주의력 분산에 대한 인사이트를 얻었습니다.

결론

전반적으로 연구 결과, 초기 가설과는 달리 로봇 운전자 에이전트가 안전 운전 행동을 장려하고 사고를 예방하는 데 가장 효과적인 것으로 나타났습니다. 가장 눈에 잘 띄지 않고, 가장 방해가 적었으며, 대부분의 고령 운전자들이 가장 잘 받아들일 수 있었습니다. 고정점은 로봇 조건에서 가장 많이 수렴되었으며, 시선 시간은 매우 짧게 나타나 유사한 에이전트가 반드시 큰 운전 방해로 이어지지는 않는다는 것을 시사합니다.

음성 전용 에이전트는 가장 쉽게 알아챌 수 있을 것이라는 예상과 달리 고령 운전자에게 가장 도움이 되지 않았습니다. 가장 다양한 시선 패턴을 보였는데, 이는 운전자들이 제공되는 정보를 이해하지 못하고 본능적으로 출처를 찾기 위해 검색을 하기 때문일 수 있습니다.

출판물

다나카 타카히로, 후지카케 카즈히로, 요네카와 타카시, 야마기시 미사코, 이나가미 마코토, 키노시타 후미야, 아오키 히로후미, 카나모리 히토시 (2018)

운전 지시 데이터 분석에 기반한 운전자 에이전트 연구 - 안전 운전 행동 장려를 위한 운전자 에이전트 (1)

다나카 타카히로, 후지카케 카즈히로, 요네카와 타카시, 이나가미 마코토, 키노시타 후미야, 아오키 히로후미, 카나모리 히토시 (2018).

운전 지원 에이전트의 형태가 운전자의 수용성에 미치는 영향 - 안전 운전 행동 장려를 위한 운전자 에이전트 (2)

다나카 타카히로, 후지카케 카즈히로, 요시하라 유키, 카라타스 니한, 아오키 히로후미, 카나모리 히토시 (2020)

실제 자동차 환경에서의 운전자 에이전트 타당성 예비 연구 - 안전 운전 행동 장려를 위한 운전자 에이전트 (3)

다나카 타카히로, 후지카케 카즈히로, 요시하라 유키, 카라타스 니한, 시마자키 칸, 아오키 히로후미, 카나모리 히토시 (2020).

공공 도로에서 고령자 및 비고령자 운전자를 위한 운전 지원 에이전트를 사용한 주의 산만 및 운전 행동 개선 효과 분석