레벨 3단계의 자율주행 차량에서는 차량에서 운전자에게로 제어권을 이양하는 시점이 존재하게 된다. 이 때에 운전자는 전방으로 주의를 돌려 상황에 대한 인지를 해야 한다. 이 시점에서 휴먼 에러가 발생할 수 있으며, 이를 방지하기 위해 적절한 정보를 운전자에게 전달해야 한다. 본 연구에서는 운전자 관점에서의 제어권 전환 시점을 'in-the-middle-of-the-loop'이라 정의하고, 요구 정보를 도출하기 위해 과업 분석과 작업 도메인 분석을 실시하였다. 그 결과, 요구 정보 타입과 그에 따른 인터페이스 고려사항을 도출하였다. 마지막 단계로는, 앞서 도출된 정보 타입 중 시스템 투명도에 대한 정보와 운전자 안내에 대한 정보를 선별하여 정보 별 운전자의 상황 인지, 인지 부하 그리고 반응 시간에 미치는 영향을 탐구하였다. 결론적으로, 상황의 위험도에 따라 시스템 투명도에 대한 정보를 다르게 제공해야 하며, 운전자 안내가 제어권 전환 후 상황 인지를 도와줄 수 있다는 결론을 얻을 수 있었다.
레벨 3단계의 자율주행 차량에서는 차량에서 운전자에게로 제어권을 이양하는 시점이 존재하게 된다. 이 때에 운전자는 전방으로 주의를 돌려 상황에 대한 인지를 해야 한다. 이 시점에서 휴먼 에러가 발생할 수 있으며, 이를 방지하기 위해 적절한 정보를 운전자에게 전달해야 한다. 본 연구에서는 운전자 관점에서의 제어권 전환 시점을 'in-the-middle-of-the-loop'이라 정의하고, 요구 정보를 도출하기 위해 과업 분석과 작업 도메인 분석을 실시하였다. 그 결과, 요구 정보 타입과 그에 따른 인터페이스 고려사항을 도출하였다. 마지막 단계로는, 앞서 도출된 정보 타입 중 시스템 투명도에 대한 정보와 운전자 안내에 대한 정보를 선별하여 정보 별 운전자의 상황 인지, 인지 부하 그리고 반응 시간에 미치는 영향을 탐구하였다. 결론적으로, 상황의 위험도에 따라 시스템 투명도에 대한 정보를 다르게 제공해야 하며, 운전자 안내가 제어권 전환 후 상황 인지를 도와줄 수 있다는 결론을 얻을 수 있었다.
In level 3 automated vehicles, drivers are expected to encounter transition of control when the system reaches its limit. Drivers need to refocus their attention on the road ahead and gain situational awareness. Appropriate information should be conveyed during this period in order to prevent human ...
In level 3 automated vehicles, drivers are expected to encounter transition of control when the system reaches its limit. Drivers need to refocus their attention on the road ahead and gain situational awareness. Appropriate information should be conveyed during this period in order to prevent human errors. In this paper, we defined the takeover process as 'in-the-middle-of-the-loop' and conducted Task Analysis and Work Domain Analysis to find out information requirements. As a result, we specified required information types and interface considerations. Moreover, we conducted an experimental study to find how the information types affect drivers on situation awareness, cognitive load and reaction time. Consequently, we found different information on system transparency should be conveyed depending on the urgency of takeover situation and driver guidance could help drivers with better situation awareness after the takeover.
In level 3 automated vehicles, drivers are expected to encounter transition of control when the system reaches its limit. Drivers need to refocus their attention on the road ahead and gain situational awareness. Appropriate information should be conveyed during this period in order to prevent human errors. In this paper, we defined the takeover process as 'in-the-middle-of-the-loop' and conducted Task Analysis and Work Domain Analysis to find out information requirements. As a result, we specified required information types and interface considerations. Moreover, we conducted an experimental study to find how the information types affect drivers on situation awareness, cognitive load and reaction time. Consequently, we found different information on system transparency should be conveyed depending on the urgency of takeover situation and driver guidance could help drivers with better situation awareness after the takeover.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
디자인 스터디를 통해 운전자의 인지 과정을 분석하였으며, 작업 도메인 분석을 통해 HMI 아이디어를 도출하였다. 그 후 도출된 정보 유형 중 중요도가 높은 정보를 선별하여 실험 연구에서 정보 유형이 미치는 영향을 탐구하였다. 이론적인 관점에서는 상황인지 모델에 따라 운전자 관점에서 요구되는 정보 요건을 정리하였다는 점에서 의의가 있다.
특히 제어권 전환 시의 정보와 관련해서는 '운전자의 주의를 적절히 전방으로 돌리고 인지(awareness)를 도와주는 상황 정보가 어떻게, 언제 제시되어야 하는지'에 대해 언급하고 있다. 따라서 본 연구에서는 운전자 관점에서의 제어권 전환 프로세스를 정의하고, 전환 시점에 요구되는 정보 요건에 대해 탐구하고자 한다. 그에 따른 연구 질문은 다음과 같다.
자동화 시스템은 운전자에게 편리함을 가져다주지만, 시스템의 한계 상황에 도달했을 때에는 휴먼 에러(human error)라는 위험 요소를 내포하고 있다. 본 논문에서는 대표적인 자동주행 이슈인 제어권 전환 상황에서 운전자를 도와줄 수 있는 정보 유형에 대한 연구를 진행하였다. 디자인 스터디를 통해 운전자의 인지 과정을 분석하였으며, 작업 도메인 분석을 통해 HMI 아이디어를 도출하였다.
작업 도메인 분석은 무수히 생성되는 주행데이터에서 운전자에게 유의미한 맥락 정보를 선별하기 위해 실시하였다. 이는 기존 항공, 제어분야에서 많이 사용되던 디자인 방법론이다.
작업 도메인 분석을 통해 도출한 정보의 유형에 대한 효과를 실제 시뮬레이터 환경에서 운전자에게 미치는 영향을 탐구하기 위해 실험 연구를 진행하였다. 실험에서 보고자 하는 정보의 유형을 선정하였다.
Fastenmeier & Gstalter의 연구모델은 주행과업을 인지적 관점에서 체계적으로 분석하였는데, 차량 내/외의 시그널을 인지해서 그에 상응하는 운전자의 차량 조작에 이르기까지의 프로세스를 정보 처리의 관점에서 해석한 모델이다. 해당 과업 분석 모델은 특정 주행 과업을 인간의 인지 프로세스에 맞춰 분석하고, 행동 요구 사항(behavior requirement)을 도출하는 것을 목표로 한다. 각 프로세스는 즉각적이며, 밀리초 단위의 짧은 시간 안에 발생한다.
제안 방법
아이데이션 과정은 작업도메인 분석의 분류체계 별로 진행하였다. 가장 상위 단계인 기능적 목표를 설정한 후, 추상적 기능과 일반화된 기능을 정의하였다. 추상적 기능은 앞서 논의한 'in-the–middle– of-the-loop' 의 세 가지 레벨을 선정하였다.
따라서 시스템 투명성에 관한 정보 유형과 운전자 안내와 관련된 정보 유형인'what to do' cue가 선정되었다. 각 정보 유형은 실험에서의 독립변수로서, 제어권 전환 시간 (response time), 인지부하(cognitive load) 그리고 상황 인지 (situation awareness)에 미치는 영향을 탐구하였다.
첨단 운전자 지원 시스템(Advanced Driver Assistance System, ADAS)과 같은 자율주행 기술은 주행안전을 보장하고 편리를 증진하기 위해 발전되어 왔다. 국제자동차기술자협회(SAE)나 미국 도로교통안전국(National Highway Traffic Safety Administration, NHTSA)과 같은 기관들에서 미래 자율주행 자동차를 여러 레벨로 분류해 놓았다. NHTSA 기준으로 레벨 3의 완전 자동주행 기능이 포함된 차량의 경우 운전자는 주행 외의 2차 과업을 수행할 수 있게 된다[1].
디자인 스터디를 통해 제어권 전환의 과업을 운전자 중심에서 분석하고, 그에 따라 요구되는 정보 유형과 인터페이스 고려사항을 도출하였다. 그 결과, 시스템 투명성에 대한 정보와 통제권을 전환 받은 후 상황에 대한 가이드 정보에 대한 효과를 실험 연구를 통해 검정하였다. 결과적으로, capability에 관한 정보를 display해 주는 것이 인지부하 수준은 낮지만, 그만큼 반응 속도도 느리다는 것을 알 수 있었다.
긍정적 프레임 조건 (Positive frame condition)에서는 어디 구간까지 자율 주행이 가능한 지에 대해 초록색의 시각적인 증강 현실(augmented reality) 큐와 위험도가 느껴지지 않는 청각 피드백 (auditory cue)을 제공하였다. 더불어 현재 자율 주행 시스템의 인식 성공률에 대한 정보를 함께 제공하였다. 한편, 부정적 프레임 조건(Negative frame condition)에서는 어디서부터 자율 주행이 불가능한 지에 대해 빨간색의 시각적인 증강 현실 큐와 위험도가 느껴지는 청각 피드백을 제공하였다.
한편, 부정적 프레임 조건(Negative frame condition)에서는 어디서부터 자율 주행이 불가능한 지에 대해 빨간색의 시각적인 증강 현실 큐와 위험도가 느껴지는 청각 피드백을 제공하였다. 더불어 현재 자율주행 시스템의 인식 실패율에 대한 정보를 함께 제공하였다.
제어권 전환 시 요구되는 정보구조의 특성을 파악하기 위해 디자인 스터디를 진행하였다. 디자인 스터디는 과업 분석과 작업 도메인 분석(work domain analysis)을 중심으로 실시하였다.
본 논문에서는 대표적인 자동주행 이슈인 제어권 전환 상황에서 운전자를 도와줄 수 있는 정보 유형에 대한 연구를 진행하였다. 디자인 스터디를 통해 운전자의 인지 과정을 분석하였으며, 작업 도메인 분석을 통해 HMI 아이디어를 도출하였다. 그 후 도출된 정보 유형 중 중요도가 높은 정보를 선별하여 실험 연구에서 정보 유형이 미치는 영향을 탐구하였다.
디자인 스터디를 통해 제어권 전환의 과업을 운전자 중심에서 분석하고, 그에 따라 요구되는 정보 유형과 인터페이스 고려사항을 도출하였다. 그 결과, 시스템 투명성에 대한 정보와 통제권을 전환 받은 후 상황에 대한 가이드 정보에 대한 효과를 실험 연구를 통해 검정하였다.
시뮬레이터 조작 및 자율주행 제어권 전환 프로세스에 적응하기 위해 약 5분간 연습 주행을 실시하였다. 본 실험이 시작되면, 참여자는 3분간의 수동 주행(manually driving)을 하였다. 그 후, 5분간 자율주행 모드(automated mode)를 시작하였다.
본 연구에서는 반응 시간, 피부 전기 반응 그리고 상황 인지를 측정하였다. 먼저, 반응시간은 자극의 시작부터 의도적인 반응이 시작되기까지의 시간 간격을 의미한다.
시스템 상태 (system status)는 현재의 자동화 시스템의 상태를 의미하며, 이는 능력(capability)으로 표현될 수 있다[17]. 본 연구에서는 시스템 상태에 대한 정보를 자동 주행 모듈의 능력(capability) 대한 정보로 설정하였다. 사용자가 시스템이 수행 가능한 정도를 아는 것은 현재 상황에 대한 이해를 높이는 데 중요한 정보이기 때문이다 [17], [23].
본 연구에서는 차량 시뮬레이터 상의 주행 실험을 진행하기 위해 C# 언어를 기반으로 게임엔진 유니티 3D (Unity 3D) 5.3.5 버전을 이용하여 주행과 관련된 세부 기능 및 인터페이스를 개발 및 구현하였다. 참여자들은 Logitech G27 Gaming Wheel을 통해 운전대를 제어하고 가/감속을 할 수 있었다.
본 연구에서는, 상황인지 모델에 따른 운전자의 'in-the-middle-of-the-loop' 프로세스를 세 단계로 나누어 정의하였다.
먼저, 반응시간은 자극의 시작부터 의도적인 반응이 시작되기까지의 시간 간격을 의미한다. 본 연구에서의 반응시간은 제어권 전환 요청 알람이 울린 후부터 다시 핸들을 잡기까지의 시간을 계산하였다[25]. 피부 전기 반응은 각성 수준에 따라 피부에서 발생하며 운전자의 인지부하를 측정하기 위해 활용되는 생체신호이다[26].
제어권 발생 시점은 통제하였으며, 제어권 전환 후 발생한 시나리오는 (1)차선유실(Ending lanes), (2)공사 표지판(construction site), (3)안개로 인해 가시거리(visibility)가 좋지 않은 상황에서 선행 차(leading vehicle)가 급정지하는 이벤트가 있다 [24]. 순서효과를 배제하고자 무작위(random)로 분배하였다. 각 시나리오의 시간은 약 12분이었다.
시뮬레이터 탑승 전에 실험 참가자의 인지부하에 대한 객관적 데이터를 취득하고자 피부 전기 반응(Galvanic Skin Response, GSR)를 측정기기(Shimmer, Ireland)를 장착하였다. 시뮬레이터 조작 및 자율주행 제어권 전환 프로세스에 적응하기 위해 약 5분간 연습 주행을 실시하였다. 본 실험이 시작되면, 참여자는 3분간의 수동 주행(manually driving)을 하였다.
시뮬레이터 탑승 전에 실험 참가자의 인지부하에 대한 객관적 데이터를 취득하고자 피부 전기 반응(Galvanic Skin Response, GSR)를 측정기기(Shimmer, Ireland)를 장착하였다. 시뮬레이터 조작 및 자율주행 제어권 전환 프로세스에 적응하기 위해 약 5분간 연습 주행을 실시하였다.
작업 도메인 분석을 통해 도출한 정보의 유형에 대한 효과를 실제 시뮬레이터 환경에서 운전자에게 미치는 영향을 탐구하기 위해 실험 연구를 진행하였다. 실험에서 보고자 하는 정보의 유형을 선정하였다. 정보의 유형을 선정하기 위한 기준은 다음과 같았다.
하위 단계의 물리적 기능과 물리적 형태는 아이데이션(ideation) 과정을 거쳐 도출하였다. 아이데이션 과정은 작업도메인 분석의 분류체계 별로 진행하였다. 가장 상위 단계인 기능적 목표를 설정한 후, 추상적 기능과 일반화된 기능을 정의하였다.
따라서 주의 전환, 과업 전환, 그리고 운전자 안내로 정의하였다. 앞서 실시한 과업 분석의 세부 과업을 재분류하여 네 가지 일반화된 기능으로 구분하였다. 일반적 기능은 제어권 전환 알람, 운전자 상태 감지, 주변 상황 인식, 그리고 네비게이션 네 가지 기능으로 분류되었다.
과업 분석 모델에 따른 제어권 전환 시점에서의 과업은 다음과 같이 적용될 수 있다 (그림 1 참조). 이를 바탕으로 세부 과업에서 실제 관찰한 문제점(pain point)을 도출하고, 최종적으로 행동 요구사항 별 요구정보의 가이드라인 (Information Guideline)을 도출하였다. 도출된 세부과업은 표1과 같다.
사용자가 시스템이 수행 가능한 정도를 아는 것은 현재 상황에 대한 이해를 높이는 데 중요한 정보이기 때문이다 [17], [23]. 이를 보는 관점에 따라 긍정적, 부정적 프레임(frame)의 2가지 수준으로 조작(manipulate)하였다.
이에 제어권 전환 후에 시스템이 개입해야 하는 수준을 기준으로 2가지 수준 (정보 기반, info-based/행동 기반, action-based) 으로 분류하였다. 정보 기반 조건에서는 현재의 상태와 현 단계에서 해야 할 행동에 대한 정보, 환경적인 이유를 제공하였다.
참여자들은 Logitech G27 Gaming Wheel을 통해 운전대를 제어하고 가/감속을 할 수 있었다. 제어권 요청 전환 방식은 운전대에 부착된 버튼을 통해 전환이 이루어지도록 설계하였다. 운전 상황은 40인치 모니터에서 재생되었다.
제어권 전환 시 요구되는 정보구조의 특성을 파악하기 위해 디자인 스터디를 진행하였다. 디자인 스터디는 과업 분석과 작업 도메인 분석(work domain analysis)을 중심으로 실시하였다.
제어권 전환 시 정보의 프레임에 따른 인지부하의 차이를 보기 위한 생체 신호로 피부 전도 반응을 측정하였다. 모집된 데이터 중 데이터가 하나라도 유실된 참여자를 제외한 39개의 데이터가 분석에 사용되었다.
제어권 전환 요청 알람이 울리게 되면 운전자는 지정된 버튼을 통해 10초 이내에 핸들을 take over 해야만 하였다. 제어권 전환 후 다시 3분간 수동으로 주행을 하였고, 수동 주행 구간에서 이벤트가 발생하도록 하였다. 전체 세션은 약 70분 동안 진행되었다 (그림 3 참조).
정보의 유형을 선정하기 위한 기준은 다음과 같았다. 첫째, 기존 연구에서 다뤄지지 않았는지와 두 번째로 제어권 전환 시점에서 운전자의 판단에 영향을 미치는 중요한 정보인지를 고려하였다. 따라서 시스템 투명성에 관한 정보 유형과 운전자 안내와 관련된 정보 유형인'what to do' cue가 선정되었다.
추후 섹션에서는 운전자 관점에서 자동화 단계로 들어가기 전, 후의 중간인 ‘in-the-middle-of-the-loop’의 레벨을 정의하여 각 레벨에 맞는 정보 요건을 도출하고자 한다.
그리고 이러한 정보를 바탕으로 다음 단계에 해야 할 행동을 예상하고 판단하는 것은 운전자의 결정으로 남겼다. 행동 기반 조건에서는 앞의 단계에 포함되는 정보는 제외하고 그 다음의 상황을 예측하고 판단하여 운전자가 다음 단계에서 해야 할 구체적인 행동에 대한 정보만을 제공하였다.
대상 데이터
따라서 시스템 투명성에 관한 정보 유형과 운전자 안내와 관련된 정보 유형인'what to do' cue가 선정되었다.
제어권 전환 시 정보의 프레임에 따른 인지부하의 차이를 보기 위한 생체 신호로 피부 전도 반응을 측정하였다. 모집된 데이터 중 데이터가 하나라도 유실된 참여자를 제외한 39개의 데이터가 분석에 사용되었다. 결과적으로, limitation(M=0.
작업 도메인 분석은 시스템 경계를 설정하는데서 시작한다. 본 연구에서는 시스템의 경계를 다양한 자율주행 차량의 기술적 층위 중 운전자 인터페이스 부분에 한정하였다. 따라서 기능적 목표는 '안전한 제어권 전환을 위한 HMI'로 설정하였다.
운전 면허를 소지한 82명의 참여자가 모집되었다 (남: 65, 여: 17). 참여자 모집은 대학교의 학내 인터넷 게시판을 통해 이루어졌으며, 참여자의 나이대는 21살에서 35살 사이였다.
운전 면허를 소지한 82명의 참여자가 모집되었다 (남: 65, 여: 17). 참여자 모집은 대학교의 학내 인터넷 게시판을 통해 이루어졌으며, 참여자의 나이대는 21살에서 35살 사이였다.
데이터처리
제어권 전환 상황에서 제공되는 시스템 투명성에 대한 정보가 운전자의 반응 속도에 미치는 영향을 분석하기 위해 독립표본 t검정을 실시하였다. 유실된 데이터 1개를 제외한 81개의 데이터로 분석 한 결과 capability 와 limitation조건 사이의 유의미한 차이가 있었다(t(79) = 2.
제어권 전환 후 driver guidance의 정보 유형이 운전자에게 미치는 영향을 분석하기 위해 대응표본 t검정을 실시하였다. 결과적으로 참여자 간 information정보 유형과 action정보 유형 조건의 차이는 발견되지 않았다(p > .
이론/모형
피부 전기 반응은 각성 수준에 따라 피부에서 발생하며 운전자의 인지부하를 측정하기 위해 활용되는 생체신호이다[26]. 마지막으로, 상황인지는 SART(Situational Awareness Rating Technique) 문항을 통해 측정하였다[27].
운전자 과업 분석은 Fastenmeier와 Gstalter[20]의 모델을 차용하여 In-the-Middle-of-the-Loop 시점의 과업을 재정의하였다. Fastenmeier & Gstalter의 연구모델은 주행과업을 인지적 관점에서 체계적으로 분석하였는데, 차량 내/외의 시그널을 인지해서 그에 상응하는 운전자의 차량 조작에 이르기까지의 프로세스를 정보 처리의 관점에서 해석한 모델이다.
성능/효과
결과적으로 참여자 간 information정보 유형과 action정보 유형 조건의 차이는 발견되지 않았다(p > .05).
그 결과, 시스템 투명성에 대한 정보와 통제권을 전환 받은 후 상황에 대한 가이드 정보에 대한 효과를 실험 연구를 통해 검정하였다. 결과적으로, capability에 관한 정보를 display해 주는 것이 인지부하 수준은 낮지만, 그만큼 반응 속도도 느리다는 것을 알 수 있었다. 이는 제어권을 전환하는 상황의 위급도(urgency)에 따라 다르게 프레임된 정보를 제공해야 한다는 점을 시사한다.
결과적으로, limitation(M=0.011, SD = 0.002)조건이 capability조건(M=0.0135, SD = 0.004, 표 4 참조)에 비해 유의미하게 높은 인지부하 수준을 보였다 (t(37) = 2.448, p = .019 < .05, 표 3 참조).
추후 학계와 산업 관계자들이 정보의 유형에 관한 스터디를 할 때 본 연구에서 사용한 디자인프로세스를 차용할 수 있을 것이다. 또한, 실험 스터디를 통해 시스템 투명성에 관한 정보와 운전자 가이드 정보를 상황에 맞추어 제시해 주는 것이 효과적일 수 있음을 보여주었다는 점에서 의의가 있다.
또한, 통제권을 이양 받은 후 제시된 가이드(driver guidance) 정보는 상황인지에 유의미한 영향을 줄 수 있음을 확인하였다. 하지만 제시된 두 조건(information & action) 간의 유의미한 차이는 발견되지 않았다.
유실된 데이터 1개를 제외한 81개의 데이터로 분석 한 결과 capability 와 limitation조건 사이의 유의미한 차이가 있었다(t(79) = 2.782, p = .007 <.05, 표3 참조).
앞서 실시한 과업 분석의 세부 과업을 재분류하여 네 가지 일반화된 기능으로 구분하였다. 일반적 기능은 제어권 전환 알람, 운전자 상태 감지, 주변 상황 인식, 그리고 네비게이션 네 가지 기능으로 분류되었다. 하위 단계의 물리적 기능과 물리적 형태는 아이데이션(ideation) 과정을 거쳐 도출하였다.
하지만 제시된 두 조건(information & action) 간의 유의미한 차이는 발견되지 않았다. 즉, 두 가지 guidance 정보 모두가 없는 조건에 비해 효과가 있었고, 어떤 정보가 제시되든 상관이 없다는 것이다. 본 연구에서는 기존에는 다루어 지지 않았던 driver guidance 정보에 대한 효과를 발견하였다는 점에서 의의가 있지만, 정보 유형 간의 효과는 나오지 않았다는 점에서 제어권 전환 후의 management를 어떻게 해줘야 할지에 대한 고려가 더 필요하다.
후속연구
즉, 두 가지 guidance 정보 모두가 없는 조건에 비해 효과가 있었고, 어떤 정보가 제시되든 상관이 없다는 것이다. 본 연구에서는 기존에는 다루어 지지 않았던 driver guidance 정보에 대한 효과를 발견하였다는 점에서 의의가 있지만, 정보 유형 간의 효과는 나오지 않았다는 점에서 제어권 전환 후의 management를 어떻게 해줘야 할지에 대한 고려가 더 필요하다. 또한 다른 시점에 제시된 정보의 상호작용을 보지 못하였다는 한계가 있다.
이론적인 관점에서는 상황인지 모델에 따라 운전자 관점에서 요구되는 정보 요건을 정리하였다는 점에서 의의가 있다. 추후 학계와 산업 관계자들이 정보의 유형에 관한 스터디를 할 때 본 연구에서 사용한 디자인프로세스를 차용할 수 있을 것이다. 또한, 실험 스터디를 통해 시스템 투명성에 관한 정보와 운전자 가이드 정보를 상황에 맞추어 제시해 주는 것이 효과적일 수 있음을 보여주었다는 점에서 의의가 있다.
질의응답
핵심어
질문
논문에서 추출한 답변
인강공학 문헌에서 말하는 휴먼에러는 무엇을 의미하는가?
기존 인간공학 문헌에서는 자동화 시스템과의 상호작용에서 발생할 수 있는 휴먼에러를 'out-of-the-loop performance problem'이라고 정의하고 있다. 이는 운전자의 수동 조작 능력이 퇴화하고 상황인지 능력이 저하되는 것을 의미한다[5].
NHTSA 기준으로 레벨 3의 특징은?
국제자동차기술자협회(SAE)나 미국 도로교통안전국(National Highway Traffic Safety Administration, NHTSA)과 같은 기관들에서 미래 자율주행 자동차를 여러 레벨로 분류해 놓았다. NHTSA 기준으로 레벨 3의 완전 자동주행 기능이 포함된 차량의 경우 운전자는 주행 외의 2차 과업을 수행할 수 있게 된다[1]. 이때, 자동주행이 있는 차량의 경우 자동주행에서 운전자에게로 차량의 컨트롤 권한이 이양되는 시점이 존재하게 된다.
제어권 전환이란?
이때, 자동주행이 있는 차량의 경우 자동주행에서 운전자에게로 차량의 컨트롤 권한이 이양되는 시점이 존재하게 된다. 이렇듯, 기존 문헌에서는 운전자가 한시적으로 도로 상황이나 기술적 한계에 따라 자율주행 자동차에게 다시 운전 권한을 넘겨주고, 넘겨받는 과정을 '제어권 전환'으로 정의한다[2], [3]. 예견된 제어권 전환의 경우에도, 운전자가 얼마나 제어권 전환에 준비가 되었는지에 따라 주행 퍼포먼스가 결정된다[4].
※ AI-Helper는 부적절한 답변을 할 수 있습니다.