운전 성향 및 체감 주행환경 요인을 반영한 가상운전자 주시거리 모델 구현

Abstract

첨단안전차량의 개발이나 평가에 사용되는 차량-운전자 상호연동 모델의 한 부분인 가상운전자 모델은 운전자의 정보처리 과정을 반영하여 차량의 조향각을 결정하는 역할을 한다. 본 연구에서는 이러한 가상운전자 모델이 운전자의 인간공학적 특성을 고려하여 실제와 같은 운전 행동을 표출할 수 있도록 주행에 영향을 미치는 다양한 요인을 반영한 가상운전자 주시거리 모델을 구현하고자 하였으며 이를 위한 실험을 실시하였다. 먼저 이중차선 변경 실험을 실시하여 운전자의 횡적, 종적 제어 능력인 기준궤적과의 거리오차 제곱합과 도로 입출력 속도비에 대한 정보를 수집하였으며 운전자의 인간공학 요인인 성, 주행경력, 연령 별 특성을 살펴본 결과 이 두 측정값이 운전자의 성향을 반영하는 변수라는 것을 확인할 수 있었다. 그리고 주시거리 실험을 실시하여 운전자가 도로 주행 시 느끼는 환경 요인인 체감속도, 체감곡률반경과 바라보고 있는 전방 도로의 특정 지점인 주시거리에 대한 정보를 수집하였다. 두 실험의 결과를 바탕으로 예상 주시거리 모델을 설정하였는데 운전자의 성, 주행경력, 연령은 운전 성향인 거리오차 제곱합과 도로 입출력 속도비에 영향을 미치며 이 두 요인은 체감속도, 체감곡률반경과 함께 주시거리에 직접적으로 영향을 미친다고 가정하였다. 예상 모델의 타당성을 검증하기 위하여 구조방정식 모형을 이용하였으며 그 결과 적합 모델이라고 판단되어 최종 주시거리 모델로 결정하였다. 비독립적이며 비선형의 특징을 가지는 변수들을 표현하기 위해 신경망 이론을 적용하여 모델을 구현하였으며 검증용 데이터를 사용한 결과 실제 주행에서의 주시거리 값과 통계적으로 다르지 않은 값을 도출한다는 것을 확인하였다. 본 연구에서 제시한 주시거리 모델은 차량동역학 모델과 연동하여 향후 운전자가 보다 안전하고 편안함을 느낄 수 있는 주행환경을 제공하는 지능형 첨단차량의 개발이나 평가에 응용될 것으로 기대된다.; Human-Vehicle Interactive Models(HVIMs) is an efficient evaluation tool for advanced vehicle safety assistant systems. It consists of vehicle dynamic models for emulating dynamic parameters of a vehicle and simulated driver models to adopt driver’s perceptual and cognitive characteristics. Preview sight distance(PSD) of the driver was proposed as an integrated measure of the driver’s cognitive process to differentiate simulated driver models of diverse human factors. Two human factors experiments were conducted to determine the measure of driving behavior and nonlinear correlations among considered predictor variables and the PSD. In the first experiment, a series of observational tests using sixty-nine subjects and ‘double-lane change(DLC)’ on the proving ground was conducted to quantify driving behavior, yielding two quantitative indices: 1) distance error from the ideal path and 2) the ratio of velocity between ‘driving in’ and ‘driving out’ points of the entire DLC route. In the second experiment, psychophysical rating scales were used to estimate the perceived velocity of the vehicle and radius of the road on which the vehicle was driving. Empirical structures from this experiment served as the basis of the modeling process for the PSD estimation model and a series of validation processes. Based on the results of these two experiments, a tentative PSD model was established with preview sight distance as a dependent variable and with fundamental human factors(i.e., gender, age, and mileage-driven), and the perceived velocity and radius of the road as independent variables. The appropriateness of the PSD model was confirmed statistically as acceptable. Finally, an integrated neural network model was developed for computerized simulation/evaluation environments. The tendency of estimated the PSD from the neural network model demonstrated a similar pattern of the PSD for the identical data set. Moreover, the t-tests results showed non-significant difference between the estimated PSD and the real PSD in the experiments, validating appropriateness of the neural network model. The PSD model from this study is expected to provide safe and convenient driving environments to be offered by intelligent vehicles of the future, when combined with the vehicle dynamic model.