Concetti Chiave
자율주행차량 기술 발전에 따라 사용자 편안함, 수용성 및 신뢰도 향상을 위해 인지 위험 정확한 추정이 필요하다. 본 연구는 차선변경 시나리오에서 인지 위험 추정을 위한 새로운 자율주행차량-탑승자 위험(AVOR) 모델을 제안하고, 실증적 연구를 통해 검증한다.
Sintesi
본 연구는 자율주행차량(AV) 기술 발전에 따른 탑승자의 인지 위험 추정 모델을 개발하고 실증적으로 검증하는 것을 목표로 한다.
연구 내용은 다음과 같다:
- 차선변경 시나리오에 대한 AVOR 모델 개발
- 실사용자 실험을 통한 AVOR 모델의 실증적 검증
- 도로 환경 및 시나리오 위험도가 인지 위험 평가에 미치는 영향 분석
실험 결과, 76%의 참가자들이 차선변경 초기 단계에서 인지 위험 증가를 보였다. 기존 모델은 이러한 중요한 현상을 포착하지 못했지만, AVOR 모델은 특히 고위험 시나리오에서 인지 위험 추정 정확도를 최대 54%까지 향상시켰다.
AVOR 모델 개념은 동적 불확실성이 특징인 다양한 주행 상황에서 인지 위험을 정량화할 수 있어, AV 시스템의 신뢰성과 사용자 중심 초점을 높일 수 있다.
Statistiche
고위험 시나리오(HRS)의 경우 차선변경 초기 단계(Phase I)에서 저위험 시나리오(LRS)에 비해 평균 인지 위험 점수가 1.7점 더 높았다.
차선변경 실행 단계(Phase II)에서 HRS는 LRS 대비 평균 인지 위험 점수가 2.7점 더 높았다.
차선변경 완료 단계(Phase III)에서 HRS는 LRS 대비 평균 인지 위험 점수가 2.1점 더 높았다.
도로 행위자 추가(시나리오 A)와 도로 시설물 추가(시나리오 A+R)는 Phase II에서 각각 0.6점, 1.1점의 평균 인지 위험 점수 증가를 야기했다.
Citazioni
"자율주행차량 기술 발전에 따라 사용자 편안함, 수용성 및 신뢰도 향상을 위해 인지 위험 정확한 추정이 필요하다."
"76%의 참가자들이 차선변경 초기 단계에서 인지 위험 증가를 보였다."
"AVOR 모델은 특히 고위험 시나리오에서 인지 위험 추정 정확도를 최대 54%까지 향상시켰다."