본 연구는 차량운전의 주체인 인간이 실제 차량을 운전하면서 나타나게 되는 수많은 반응 중 생체정보인 뇌파를 측정 장비를 이용하여 도로주행 중 발생하는 뇌파를 수집하고 수집된 자료를 바탕으로 하여 실험횟수, 주행시간에 따른 변화, 도로 기하구조에 따른 변화 등 요인을 추출하고 분석을 실시하였다. 주행실험 중 발생한 뇌파 변화를 분석에 필요한 알파(${\alpha}$)파, 베타(${\beta}$)파, 감마(${\gamma}$)파의 형태로 1차 추출을 한 후, 실험 전 구간에서의 뇌파 발생 빈도와 변화율을 추출하고 실험 횟수에 증가에 따른 학습효과를 관찰하고자 회귀모형을 적용하여 뇌파 특성에 따른 빈도변화를 계산하였다. 그 결과, 실험 횟수에 따라 뇌파는 개인차에 의한 변화를 보였으며 이는 같은 구간을 반복적으로 주행함에 따라 운전자가 도로 기하구조와 신호, 안전시설 등을 기억함에 따라 익숙하고 편안하게 주행하고 있음을 확인할 수 있었다.
본 연구는 차량운전의 주체인 인간이 실제 차량을 운전하면서 나타나게 되는 수많은 반응 중 생체정보인 뇌파를 측정 장비를 이용하여 도로주행 중 발생하는 뇌파를 수집하고 수집된 자료를 바탕으로 하여 실험횟수, 주행시간에 따른 변화, 도로 기하구조에 따른 변화 등 요인을 추출하고 분석을 실시하였다. 주행실험 중 발생한 뇌파 변화를 분석에 필요한 알파(${\alpha}$)파, 베타(${\beta}$)파, 감마(${\gamma}$)파의 형태로 1차 추출을 한 후, 실험 전 구간에서의 뇌파 발생 빈도와 변화율을 추출하고 실험 횟수에 증가에 따른 학습효과를 관찰하고자 회귀모형을 적용하여 뇌파 특성에 따른 빈도변화를 계산하였다. 그 결과, 실험 횟수에 따라 뇌파는 개인차에 의한 변화를 보였으며 이는 같은 구간을 반복적으로 주행함에 따라 운전자가 도로 기하구조와 신호, 안전시설 등을 기억함에 따라 익숙하고 편안하게 주행하고 있음을 확인할 수 있었다.
In this study, human is the subject of driving a car, the actual EEG is a biological information in a number of reactions that are displayed while driving the vehicle by using a measuring device, occurs during travel of the road EEG to be collected, number of experiments the collected material on th...
In this study, human is the subject of driving a car, the actual EEG is a biological information in a number of reactions that are displayed while driving the vehicle by using a measuring device, occurs during travel of the road EEG to be collected, number of experiments the collected material on the basis of changes associated with running time, extracts the factors such as changes due to road geometry, and analysis was performed. The required changes in the EEG occurring during traveling experiment analysis alpha (${\alpha}$) waves, beta (${\beta}$) wave, after the primary extraction in the form of gamma (${\gamma}$) faction, the brain wave frequency of the entire period of the experiment change rate extracts, to calculate the change in frequency in response to EEG characteristics by applying the regression model to observe a learning effect in response to an increase in the number of experiments, as a result, depending on the number of experiments, EEG changes due to individual differences. The show, by repeatedly driving a section like this, it was possible to verify that comfortably travels driver accustomed in accordance with the stored road geometry and signal, safety facilities.
In this study, human is the subject of driving a car, the actual EEG is a biological information in a number of reactions that are displayed while driving the vehicle by using a measuring device, occurs during travel of the road EEG to be collected, number of experiments the collected material on the basis of changes associated with running time, extracts the factors such as changes due to road geometry, and analysis was performed. The required changes in the EEG occurring during traveling experiment analysis alpha (${\alpha}$) waves, beta (${\beta}$) wave, after the primary extraction in the form of gamma (${\gamma}$) faction, the brain wave frequency of the entire period of the experiment change rate extracts, to calculate the change in frequency in response to EEG characteristics by applying the regression model to observe a learning effect in response to an increase in the number of experiments, as a result, depending on the number of experiments, EEG changes due to individual differences. The show, by repeatedly driving a section like this, it was possible to verify that comfortably travels driver accustomed in accordance with the stored road geometry and signal, safety facilities.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구는 교통안전 분야에서 운전자 인적요인의 중요성을 인식하여 주행 시 뇌파 분석을 통해 위험요인을 도출하고자 한다. 이를 위해, 차내 실험환경을 구축하고 뇌파 변화량을 측정, 주행특성에 따른 뇌파 변화를 분석하는 것을 연구의 목적으로 한다.
본 연구에서는 시뮬레이션(비디오 영상) 중심의 기존연구의 한계점인 구축자료의 실용성을 보완하여 현장실험을 계획하고 실제 도로 주행 시 나타나는 운전자의 반응인 뇌파 특성을 분석한다.
본 연구에서는 운전자의 도로주행 학습 효과를 파악하고자 동일 도로 구간을 반복 주행하면서 뇌파 분석 실험하였다. 피실험자는 같은 도로를 여러 번 반복하여 운행할수록 뇌파는 개인차에 따라 유사한 폭으로 변화하고 뇌파별 뇌의 위치에 따라 비슷한 형태의 선형을 보임을 확인할 수 있었다.
본 연구는 교통안전 분야에서 운전자 인적요인의 중요성을 인식하여 주행 시 뇌파 분석을 통해 위험요인을 도출하고자 한다. 이를 위해, 차내 실험환경을 구축하고 뇌파 변화량을 측정, 주행특성에 따른 뇌파 변화를 분석하는 것을 연구의 목적으로 한다. 뇌파를 측정하는 실험은 가상공간을 구축한 상태의 운전시뮬레이터 실험이 일반적이나 양질의 실용적인 자료를 얻기 위해서는 실제 도로를 주행하면서 구축한 실증 자료가 필요하다.
제안 방법
뇌의 구조와 기능을 확인하고 뇌파의 고유특성을 파악한 후 전두엽, 두정엽, 후두엽의 부분의 6개 CH에 대한 알파(α)파 베타(β)파 감마(γ)파 값을 추출하여 분석을 진행하였다.
뇌의 구조와 기능을 확인하고 뇌파의 고유특성을 파악한 후 전두엽, 두정엽, 후두엽의 부분의 6개 CH에 대한 알파(α)파 베타(β)파 감마(γ)파 값을 추출하여 분석을 진행하였다. 뇌파 분석은 TeleScan 프로그램을 사용하였으며 실험에 필요한 주파수 영역인 8~50Hz를 추출하기 위하여 대역 통과 필터 기능(Band Pass Filter)을 이용하여 전 처리 과정을 진행한 뒤 Power Spectrum Analysis의 Power Spectrum Estimation by FFT기능을 이용하여 실험 전 구간의 해당 뇌파의 산술적인 합과 고유 주파수(Hz)의 뇌파를 추출하였다.
다원 생체계측시스템(PolyG-I)은 뇌파(EEG) 8채널, 피부 전기전도(GSR) 1채널, 근전도(EMG) 2개채널, 심전도(ECG) 1채널, 맥파(PPG) 1채널, 호흡(RESP) 1채널로 구성되어 인간의 생리신호를 분석할 수 있는 시스템이며 측정된 피실험자들의 뇌파자료들은 Telescan을 통해서 기록⋅저장되며 원하는 시간, 파형, 파워스펙트럼(수치) 등의 분석을 수행하였다.
인간의 뇌는 크게 Frontal(전두엽), Temporal(측두엽), Parietal(두정엽), Occipital(후두엽)의 4개 영역으로 구분되며 영역별 담당 주요 기능이 존재한다. 이에, 본 연구에서는 실험 회차 진행에 따른 뇌파의 변화를 확인하고자 각 측정 센서 위치 중 전두엽 2개, 두정엽 2개, 후두엽 2개의 위치에 따른 뇌파 특성치를 추출하였다.
이에, 현장실험 대상 구간을 설정하고 주행 시 운전자의 뇌파와 시각정보, 도로 기하구조에 대한 정보, GPS를 이용한 차량 위치정보, 운전자의 차량 조작 중 엑셀 페달과 브레이크 페달의 조작 정보 등을 수집하여 운전자의 거동에 따른 뇌파 특성을 분석한다.
주행 실험 중 나타나는 뇌파의 형태 중 운전자의 시각인지 중추 후두엽 7CH, 8CH에 대한 분석, 운전자의 시각인지 후 판단을 하게 되는 전두엽 1CH, 2CH에 대한 분석, 최종 행동을 판단하고 운동형태로 이루어지게 되는 두정엽 4CH, 5CH에 대한 알파(α)파, 베타(β)파, 감마(γ)파의 분석하였다.
피실험자의 운전거동과 뇌파의 영향을 측정하기 위해, 뇌파 측정 장비인 PloyG-I와 시각 측정 장비인 FaceLAB, 자동차 조작 페달 여부를 파악하기 위한 가⋅감속 측정장치 및 GPS를 차량에 장착하고 주행 실험을 실시하였다. 피실험자 주행 실험 자료 구축은 이동 거리 기반으로 도로 이정별 주행속도와 인적요인을 매칭한 후처리 작업을 시행하였으며, 본 연구에서는 각 주행 회차에 따른 뇌파의 변화를 파악하는데 한정하여 뇌파의 자료를 중심으로 분석하였다.
우리나라는 여러 가지 생리 신호 측정을 위한 전극 배치법으로 국제 전극 배치법(10-20법)을 사용하고 있으며 뇌파 측정에 사용한 장비는 (주)Laxtha의 PolyG-I(다원생체계측시스템)으로 뇌파(EEG) 8채널, 피부전기전도(GSR) 1채널, 근전도(EMG) 2개채널, 심전도(ECG) 1채널, 맥파(PPG) 1채널, 호흡(RESP) 1채널로 구성되어 인간의 생리 신호를 분석할 수 있는 시스템을 활용하였다. 피실험자의 머리(두부)에 국제 전극 배치법에 따라 8개 위치에 측정센서를 부착한 후 각각의 뇌파를 측정하였다.
피실험자의 운전거동과 뇌파의 영향을 측정하기 위해, 뇌파 측정 장비인 PloyG-I와 시각 측정 장비인 FaceLAB, 자동차 조작 페달 여부를 파악하기 위한 가⋅감속 측정장치 및 GPS를 차량에 장착하고 주행 실험을 실시하였다.
현장 주행 실험은 실험대상 구간을 피실험자 별로 각각 6회 주행하도록 하였다. 피실험자의 운전거동과 뇌파의 영향을 측정하기 위해, 뇌파 측정 장비인 PloyG-I와 시각 측정 장비인 FaceLAB, 자동차 조작 페달 여부를 파악하기 위한 가⋅감속 측정장치 및 GPS를 차량에 장착하고 주행 실험을 실시하였다.
대상 데이터
1. 현장실험
실험대상 도로는 익산시 함라면 함라교차로~탑고지 사거리구간으로 회전교차로를 포함하고 있으며 총 연장은 2.0㎞이다. 피실험자는 총 10명으로 이들은 모두 5년 이상의 운전경력을 보유하고 있다.
뇌파 자료는 회귀모형과 변화량을 계산하여 분석하였으며 총 10명의 피실험자 중 실험추출 자료의 사용성 여부를 확인한 결과 2명의 실험자에게서 발생한 실험의 오차는 분석에서 제외하였다(장비 오류에 의한 데이터 누락 발생). 이에, 놔파 분석에는 총 8명의 운전자 자료를 활용하였다.
0㎞이다. 피실험자는 총 10명으로 이들은 모두 5년 이상의 운전경력을 보유하고 있다.
데이터처리
실험 횟수가 증가함에 따라 변화하는 각 주파수 영역대의 뇌파 변화를 관찰하기 위하여 회귀모형을 적용하였다. 실험자별 주파수 영역 대별로 변화하는 뇌파 점유율에 대한 Parameter 값과 상수항, R2값을 분석하였다. Parameter 값의 부호가 +일수록 해당 CH의 뇌파 점유율이 높아짐을 의미하며 –일수록 해당 CH의 뇌파 점유율이 낮아지고 상수항의 값은 1회차 실험에서의 해당 뇌파가 가지고 있는 실험자의 뇌파 시작 값을 의미한다.
주행 실험 중 발생한 뇌파 변화를 분석에 필요한 알파(α)파, 베타(β)파, 감마(γ)파의 형태로 1차 추출을 한 후 실험 전 구간에서의 뇌파 발생 빈도와 변화율을 추출하고 실험 횟수에 증가에 따른 학습효과를 회귀분석을 통해 계산하였다.
이론/모형
실험 횟수가 증가함에 따라 변화하는 각 주파수 영역대의 뇌파 변화를 관찰하기 위하여 회귀모형을 적용하였다. 실험자별 주파수 영역 대별로 변화하는 뇌파 점유율에 대한 Parameter 값과 상수항, R2값을 분석하였다.
우리나라는 여러 가지 생리 신호 측정을 위한 전극 배치법으로 국제 전극 배치법(10-20법)을 사용하고 있으며 뇌파 측정에 사용한 장비는 (주)Laxtha의 PolyG-I(다원생체계측시스템)으로 뇌파(EEG) 8채널, 피부전기전도(GSR) 1채널, 근전도(EMG) 2개채널, 심전도(ECG) 1채널, 맥파(PPG) 1채널, 호흡(RESP) 1채널로 구성되어 인간의 생리 신호를 분석할 수 있는 시스템을 활용하였다. 피실험자의 머리(두부)에 국제 전극 배치법에 따라 8개 위치에 측정센서를 부착한 후 각각의 뇌파를 측정하였다.
성능/효과
뇌파 자료는 회귀모형과 변화량을 계산하여 분석하였으며 총 10명의 피실험자 중 실험추출 자료의 사용성 여부를 확인한 결과 2명의 실험자에게서 발생한 실험의 오차는 분석에서 제외하였다(장비 오류에 의한 데이터 누락 발생). 이에, 놔파 분석에는 총 8명의 운전자 자료를 활용하였다.
피실험자는 같은 도로를 여러 번 반복하여 운행할수록 뇌파는 개인차에 따라 유사한 폭으로 변화하고 뇌파별 뇌의 위치에 따라 비슷한 형태의 선형을 보임을 확인할 수 있었다. 또한, 피실험자별로 보인 변화는 동일하지는 않았으나, 개인별로 변화하는 현상은 각 뇌의 부분별로 유사한 것으로 개인차별 변화를 보이는 것으로 나타났다. 교통사고의 주요 원인으로 파악되고 있는 인적요인 중 뇌파를 하나의 지표로써 연구를 진행하였으며 교통사고 분석 시 이용되는 개인특성, 도로기하 구조 등과 연계가 된다면 교통사고감소에 필요한 중요한 지표가 될 수 있을 것으로 기대된다.
이는 뇌파의 고유 특성과 피실험자별 개인적으로 차이가 나타났으며 모든 피실험자에게서 나타나는 공통점은 대부분 고도의 인지 작용 시 활성화되는 감마(γ)파의 비율이 초기에는 다른 뇌파의 비율보다 높았으나 실험이 진행됨에 따라 다른 뇌파의 점유율에 비해 낮은 폭으로 변화하는 것을 파악할 수 있었다.
본 연구에서는 운전자의 도로주행 학습 효과를 파악하고자 동일 도로 구간을 반복 주행하면서 뇌파 분석 실험하였다. 피실험자는 같은 도로를 여러 번 반복하여 운행할수록 뇌파는 개인차에 따라 유사한 폭으로 변화하고 뇌파별 뇌의 위치에 따라 비슷한 형태의 선형을 보임을 확인할 수 있었다. 또한, 피실험자별로 보인 변화는 동일하지는 않았으나, 개인별로 변화하는 현상은 각 뇌의 부분별로 유사한 것으로 개인차별 변화를 보이는 것으로 나타났다.
후속연구
또한, 피실험자별로 보인 변화는 동일하지는 않았으나, 개인별로 변화하는 현상은 각 뇌의 부분별로 유사한 것으로 개인차별 변화를 보이는 것으로 나타났다. 교통사고의 주요 원인으로 파악되고 있는 인적요인 중 뇌파를 하나의 지표로써 연구를 진행하였으며 교통사고 분석 시 이용되는 개인특성, 도로기하 구조 등과 연계가 된다면 교통사고감소에 필요한 중요한 지표가 될 수 있을 것으로 기대된다.
본 연구결과는 운전자 주행특성 관련 기초자료 및 운전자 특성을 고려한 도로환경 개선 대책 수립 시 활용할 수 있을 것으로 기대된다.
본 연구는 뇌파 지표를 활용하여 실험결과와 연계하지 못하였기 때문에 뇌파의 변화 외 생리/심리적 추론을 하지 못하는 한계점이 있다. 향후 연구에서는 운전자의 뇌파에 대한 명확한 현상 제시와 운전자 시각, 도로구조 등의 데이터 보완을 통해 교통환경에 따른 변화량 분석 연구가 필요하다.
본 연구는 뇌파 지표를 활용하여 실험결과와 연계하지 못하였기 때문에 뇌파의 변화 외 생리/심리적 추론을 하지 못하는 한계점이 있다. 향후 연구에서는 운전자의 뇌파에 대한 명확한 현상 제시와 운전자 시각, 도로구조 등의 데이터 보완을 통해 교통환경에 따른 변화량 분석 연구가 필요하다.
질의응답
핵심어
질문
논문에서 추출한 답변
교통사고 발생에 따른 사회경제적 손실을 줄이기 위해 무엇이 시행되고 있나?
우리나라에서는 매일 평균 600건의 교통사고가 발생하며 22명이 사망하고 834명의 부상자가 발생하고 있다[1]. 교통사고 발생에 따른 사회경제적 손실을 줄이기 위해 다양한 교통안전 정책과 제도적 보완이 이루어지고 있으며, 도로를 주행하는 운전자 중심의 신체적/심리적 변화 분석의 중요성이 주목받아 현장 중심의 실증실험 연구가 증가하고 있다.
교통안전 분야에서 실 주행 시 수집하는 자료는 무엇인가?
뇌파를 측정하는 실험은 가상공간을 구축한 상태의 운전시뮬레이터 실험이 일반적이나 양질의 실용적인 자료를 얻기 위해서는 실제 도로를 주행하면서 구축한 실증 자료가 필요하다. 이에, 현장실험 대상 구간을 설정하고 주행 시 운전자의 뇌파와 시각정보, 도로 기하구조에 대한 정보, GPS를 이용한 차량 위치정보, 운전자의 차량 조작 중 액셀러레이터 페달과 브레이크 페달의 조작 정보 등을 수집하여 운전자의 거동에 따른 뇌파 특성을 분석한다.
뇌파 측정 실험 시 시뮬레이션보다 실제 주행 시 구축 자료가 필요한 이유는?
이를 위해, 차내 실험환경을 구축하고 뇌파 변화량을 측정, 주행특성에 따른 뇌파 변화를 분석하는 것을 연구의 목적으로 한다. 뇌파를 측정하는 실험은 가상공간을 구축한 상태의 운전시뮬레이터 실험이 일반적이나 양질의 실용적인 자료를 얻기 위해서는 실제 도로를 주행하면서 구축한 실증 자료가 필요하다. 이에, 현장실험 대상 구간을 설정하고 주행 시 운전자의 뇌파와 시각정보, 도로 기하구조에 대한 정보, GPS를 이용한 차량 위치정보, 운전자의 차량 조작 중 액셀러레이터 페달과 브레이크 페달의 조작 정보 등을 수집하여 운전자의 거동에 따른 뇌파 특성을 분석한다.
참고문헌 (7)
Road Traffic Authority, "2014 Traffic Accident Statistics", pp.37, Aug. 2015.
Cooper, R., Osselton, J.W. and Shaw, J.C., EEG Technology, 3rd edition, Butter worths & Co Ltd; Cuild ford & london, 1980.
Goran Kecklund and Torbjorn Akerstedt, "leepiness in Long Distance Truck Driving; an Ambluatory EEG Study of Right Driving" Ergonornics, vol. 36, no. 9, 1993.
Cabon, P., Maintien de la vigilance et gestion du sommeil dans les systemes automatises. Doctoral thesis, Universite Rene Descartes, Paris, France, 1992.
Y. W. Jeon, "The Evaluation of Driver's Physiology Signal and Sensibility according to the Change of Speed and the Gap of Platoon on AHS", Journal of Ergonomics Society of Korea, pp.15-28, May, 2002.
H. J. Jeon, "Evaluations on Driver's Sensibility Changes by Sudden Start and Sudden Stop Conditions in Driving Simulator", Journal of Korea Society for Emotion and Sensibility, pp.51-57, Nov. 2002
Leisch, J. P., "horizontal sight distance considerations in freeway and interchange reconstruction", Transportation Research Record no. 1208, pp.80-84, 1989.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.