선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 연구에서는 색온도(3000 K, 4000 K, 5000 K, 6000 K)가 자율주행 상황에서 미치는 영향에 대해 생체신호를 통해 규명하고자 하였다. 먼저 뇌파의 경우 안정 시 나타나는 α파와 긴장 및 각성 시 나타나는 β파를 지표로 삼았다(Shin et al.
- 본 연구에서는 생체신호를 통해 동적인 자율주행 자동차 환경에서 실내조명의 색온도 변화에 따른 효과를 객관적으로 입증하고자 한다.
- 본 연구에서는 안정성을 통해 수용성 문제를 해결하고자 한다. 기술개발과 윤리적 기준의 설립이 수용성에 영향을 미칠 수 있지만, 소비자가 직접적으로 체감할 수 있는 변화가 필요하다.
제안 방법
- , 2019). 4가지 수준의 안정기 밴드별 파워 값을 동일한 기준으로 설립하여 다른 처치와의 비교를 진행하였다.
- 따라서, β파와 SNSA에 대해 2차 분석을 통해 조명의 영향만을 살펴보고자 하였다.
- 본 연구는 자율주행 상황에서 조명의 색온도변화에 따라 뇌파를 통한 중추신경계 반응과 맥파를 통해 자 율신경계 반응을 관찰하였다. 본 연구를 통해 자율주행 에서 휴식을 취하는 행위 시 5000 K의 색온도를 적용 하면 탑승자로 하여금 안정을 유발하여 최적의 환경을 제안할 수 있다.
- 조명의 색을 구별하는데 문제가 없도록 색각이상자(색약, 색맹)는 제외하였다. 생체신호 측정에 영향을 줄 수 있는 카페인, 약물 등의 섭취를 금하였으며, 실험 전일 8시간 이상의 충분한 수면을 취하도록 하였다. 위의 조건을 충족한 연구대상자는 whithin subject design으로 모든 처치를 받게 하였다.
- 5와 같이 진행되었다. 생체신호의 안정화를 위해 소등된 환경에서 눈을 감은 상태로 5분간 안정을 취하도록 하였다. 생체신호 안정화 후, 스트레스 유발을 위한 U-K검사가 진행되었다.
- 주파수 분석을 통해 시계열 데이터를 주파수 영역으로 변환하였다. 스펙트럼 분석을 위해 Table 3과 같이 교감 신경계의 활동이 나타나는 low frequency (LF)와 부교 감신경계의 활동이 나타나는 high frequency (HF)대역으로 구분하고 각 대역의 평균 파워값을 도출하였다.
- 이어서, 교감신경계의 활성도(SNSA: Sympathetic Nervous System Activity)는 Equation (2)와 같이 LF와 HF의 비율을 통해 산출하였다(Park et al., 2015).
- 총 4회의 테스트가 진행되었는데 학습효과를 배제하기 위해 비슷한 난이도의 다른 문제를 제시하였으며, 조도는 400lx, 색온도는 6500 K의 환경에서 3분간 진행되었다. 이어서, 스트레스가 유발된 상태에서 각 색온도와 함께 야간자율주행 상황을 3분간 제시하였다. 순서효과를 배제하기 위해 조명은 Table 1과 같이 모든 조합의 경우를 고려하여 제시하였다.
- 순서효과를 배제하기 위해 조명은 Table 1과 같이 모든 조합의 경우를 고려하여 제시하였다. 이후, 자극의 이월 효과를 고려하 여 자극과 자극 사이에 5분간 안정을 취하도록 하였다.
- 자율신경계 반응을 보기 위하여 교감신경계 활성도 비교를 실시하였다. 그 결과 처치 간 차이가 유의수준 5%에서 인정되었다(Table 8).
- 자율신경계의 반응을 관찰하기 위해 맥파를 측정하였다. sampling rate는 200Hz로 설정하였으며, Fig.
- 기술개발과 윤리적 기준의 설립이 수용성에 영향을 미칠 수 있지만, 소비자가 직접적으로 체감할 수 있는 변화가 필요하다. 자율주행차량 변화의 도구로 실내조명을 고려하였다. 기존의 비자율주행 차량에서는 전방주시 의무가 필수적이기에 차량 내 조명은 방해요소로 작용하였다.
- 측정 시 sampling rate는 512Hz로 설정하였다. 전극은 10-20법을 통해 감정, 기억, 사고력 등 고등행동을 관장하는 전전두엽(Fpz)부위에 부착하였으며 reference전극은 Fp1부위, ground전극은 Fp2부위에 부착하였다(Hur et al., 2016).
- 주파수 분석을 통해 시계열 데이터를 주파수 영역으로 변환하였다. 스펙트럼 분석을 위해 Table 3과 같이 교감 신경계의 활동이 나타나는 low frequency (LF)와 부교 감신경계의 활동이 나타나는 high frequency (HF)대역으로 구분하고 각 대역의 평균 파워값을 도출하였다.
- 차량 모델은 현대자동차의 ‘클릭’이며 운전장치 (핸들, 가속페달, 브레이크 페달, 등)와 표시장치(속도계, 방향지시등, RPM미터 등)가 실제 차량과 동일하게 구현되어있다(Kim, 2010). 주행 상황의 시뮬레이션은 왕복 4차선 도로이며 야간주행 상황을 구현하였다.
- 중추신경계의 반응을 관찰하기 위하여 뇌파를 측정하였다. 측정 시 sampling rate는 512Hz로 설정하였다.
- 처치에 따른 생체신호 반응에 대해 통계적으로 유의한 차이가 있는지 분석을 실시하였다. 독립변수의 경우 안정기와 U-K검사는 매개변인의 영향을 최소화하기 위해 총 4회 실시된 데이터의 평균데이터를 사용하였 다.
- 생체신호 안정화 후, 스트레스 유발을 위한 U-K검사가 진행되었다. 총 4회의 테스트가 진행되었는데 학습효과를 배제하기 위해 비슷한 난이도의 다른 문제를 제시하였으며, 조도는 400lx, 색온도는 6500 K의 환경에서 3분간 진행되었다. 이어서, 스트레스가 유발된 상태에서 각 색온도와 함께 야간자율주행 상황을 3분간 제시하였다.
- 해석해보면, U-K 검사로 인해 SNSA가 증가하였으며 뇌파와 마찬가지로 주행 상황 시 신체적 각성이 이루어졌다. 특히 4000 K와 5000 K에서 증가하였으며 이를 토대로 2차 분석을 통해 조명의 영향만을 살펴보았다.
대상 데이터
- 처치에 따른 생체신호 반응에 대해 통계적으로 유의한 차이가 있는지 분석을 실시하였다. 독립변수의 경우 안정기와 U-K검사는 매개변인의 영향을 최소화하기 위해 총 4회 실시된 데이터의 평균데이터를 사용하였 다. 뇌파와 맥파 각각 반복측정분산분석(RM-ANOVA) 을 통해 분석을 실시하였고, 이후 사후검정을 하여 처 치 간 비교를 하였다.
- 산출된 데이터는 편차가 큰 4명을 제외한 20명의 데이터를 분석에 사용하였다. 이때, Equation (1)의 정규화 과정을 통해 연구대상자의 base line을 통일하여 개인의 특성을 배제하려 하였다.
- 생체신호의 경우 일본 TAOS사의 DUALMIND/ VBPG-02를 사용하였다(Fig. 4). Bluetooth 무선 통신을 통해 PC에 시계열 뇌파와 맥파 데이터를 동시에 전달하며, 주파수분석, 스펙트럼 분석, 교감신경계 활성도 분석이 가능하다.
- 연구대상자는 운전면허를 소지한 성인 남성 24명을 대상으로 하였다. 조명의 색을 구별하는데 문제가 없도록 색각이상자(색약, 색맹)는 제외하였다.
- 조도는 최소 8lx에서 최대 1000lx까지 조절이 가능하며, 색온도는 1700 K에서 6500 K까지 조절이 가능하다. 운 전자의 눈에 직접적으로 빛을 제시하는 것이 아닌 Fig. 2와 같이 간접조명 방식으로 4대의 조명을 배치하였다. 조도의 경우 실제 야간 주행 상황에서의 수준을 측정하여 10lx로 고정하였으며, 색온도의 경우, 특성에 따라 3000 K, 4000 K, 5000 K, 6000 K로 설정하였다(Kim et al.
- 실험실 환경은 내부온도 22℃, 습도 40~50%를 유지하였다. 자동차 그래픽 시뮬레이터는 Gridspace Co. (Korea) 사의 GDS-3000S로 Fig. 1과 같이 3대의 LCD 모니터를 통해 운전 상황을 제공하도록 구성되어있다. 차량 모델은 현대자동차의 ‘클릭’이며 운전장치 (핸들, 가속페달, 브레이크 페달, 등)와 표시장치(속도계, 방향지시등, RPM미터 등)가 실제 차량과 동일하게 구현되어있다(Kim, 2010).
- 차량 내 환경 조성을 위한 조명은 중국 Xiaomi사의 Yeelight LED smart bulb(Color)로 어플리케이션을 통해 색온도와 밝기 조절이 가능한 가변조명이다. 조도는 최소 8lx에서 최대 1000lx까지 조절이 가능하며, 색온도는 1700 K에서 6500 K까지 조절이 가능하다.
데이터처리
- 2차 분석은 SNSA에 대한 자율주행+조명의 수준 간 비교를 실시하였다. 반복측정분산분석 결과, Table 9와 같이 유의수준 5%에서 통계적으로 차이가 인정되지 않았다.
- 2차 분석은 자율주행+조명의 수준 간 비교를 통해 실시하였다. β파에 대해 조명으로 인한 영향만을 살펴보기 위해 반복측정분산분석을 실시한 결과, 유의수준 0.
- Repeated measurement ANOVA (RM-ANOVA)를 통해 요인별 통계분석을 하였다. 또한, 귀무가설이 기각되었을 경우 least significance difference (LSD)사후 검정을 통해 수준별 통계분석을 진행하였다.
- 독립변수의 경우 안정기와 U-K검사는 매개변인의 영향을 최소화하기 위해 총 4회 실시된 데이터의 평균데이터를 사용하였 다. 뇌파와 맥파 각각 반복측정분산분석(RM-ANOVA) 을 통해 분석을 실시하였고, 이후 사후검정을 하여 처 치 간 비교를 하였다.
- 반복측정분산분석 결과, α파와 β파 모두 유의수준 5%에서 통계적으로 차이가 인정되었다(Table 5)(Table 6). 따라서 수준 간 비교를 위해 LSD사후검정을 실시하였다. α파의 경우, Fig.
- Repeated measurement ANOVA (RM-ANOVA)를 통해 요인별 통계분석을 하였다. 또한, 귀무가설이 기각되었을 경우 least significance difference (LSD)사후 검정을 통해 수준별 통계분석을 진행하였다.
- 수집된 데이터는 dualmind 프로그램을 사용하여 교감신경계 활성도에 대해 분석하였다.
- 수집된 데이터는 fast fourier transform (FFT)을 통해 주파수 분석을 실시하였다. 이어서, Table 2와 같이 각 밴드별 주파수 범위를 설정하여 power spectrum analysis를 실시하였다.
- 이어서, Table 2와 같이 각 밴드별 주파수 범위를 설정하여 power spectrum analysis를 실시하였다. 해당 구간의 power값을 평균하여 스펙트럼 별 power값을 산출하였다. 생체신호 특성상 개인 간 편차가 큰 것을 고려하여 Equation (1)과 같이 정규화 과정을 거쳤다.
이론/모형
- 이를 통해 스트레스를 유발하고 자율주행 상황에서 휴식에 도움을 주는 가장 안정적인 색온도를 탐색하기 위함이다. 총 4회의 테스트가 진행되기 때문에 비슷한 난이도의 다른 문제들로 구성된 U-K검사를 채택하였다.
성능/효과
- 1차 통계분석 결과, 뇌파는 5000 K를 제시하였을 경우 α파가 가장 높았으며 다른 수준과의 차이가 유의수준 5%에서 인정되었다.
- 그 결과 처치 간 차이가 유의수준 5%에서 인정되었다(Table 8). Fig. 10과 같이 사후검정 결과, 안정기와 비교 시 U-K검사, 4000 K, 5000 K에서 SNSA가 상승하였고 이는 유의수준 5%에서 차이가 인정되었다. 또한, U-K검사가 이루어진 후 3000 K에서 교감신경계 활성도가 감소하였으며 유의수준 5%에서 통계적으로 차이가 인정되었다.
- 10과 같이 사후검정 결과, 안정기와 비교 시 U-K검사, 4000 K, 5000 K에서 SNSA가 상승하였고 이는 유의수준 5%에서 차이가 인정되었다. 또한, U-K검사가 이루어진 후 3000 K에서 교감신경계 활성도가 감소하였으며 유의수준 5%에서 통계적으로 차이가 인정되었다. 해석해보면, U-K 검사로 인해 SNSA가 증가하였으며 뇌파와 마찬가지로 주행 상황 시 신체적 각성이 이루어졌다.
- 따라서, 운전자의 개입이 없는 완전자율주행 차량에서는 Human error로 인한 사고발생 확률이 현저히 줄어들 것이다. 마지막으로, 자율주행차량의 편리성이다. 현대모비스의 국내 대학생 1000여명을 대상으로 미래자동차 관련 인식도 조사 결과에 따르면 자율 주행차의 장점 부분에서 편리성이 46%로, 교통체증 완화(34%), 사고예방(19%), 기타(1%)에 비해 가장 높은 수준으로 나타났다(Seoul finance, 2018).
- 반복측정분산분석 결과, α파와 β파 모두 유의수준 5%에서 통계적으로 차이가 인정되었다(Table 5)(Table 6).
- 본 연구는 자율주행 상황에서 조명의 색온도변화에 따라 뇌파를 통한 중추신경계 반응과 맥파를 통해 자 율신경계 반응을 관찰하였다. 본 연구를 통해 자율주행 에서 휴식을 취하는 행위 시 5000 K의 색온도를 적용 하면 탑승자로 하여금 안정을 유발하여 최적의 환경을 제안할 수 있다. 또한, 4가지의 조명을 제시하였을 경 우 안정기에 비해 α파가 증가한 것을 보아 추후 연구를 통해 차량 내 시청각 활동, 생산적 활동 등 여러 상황에 알맞은 색온도를 탐색한다면 생체신호 감지를 통해 탑승자의 상태를 파악하고, 이를 통해 상황 별 적절한 색 온도를 제공하는 시스템을 기대할 수 있다.
- 대표적으로 세 가지 이점이 있다. 첫 번째로, 교통체증을 완화할 수 있다. 차량과 차량, 차량과 신호 간 정보교류를 통해 최적의 교 통시스템 구축이 가능하다.
후속연구
- 또한, 4가지의 조명을 제시하였을 경 우 안정기에 비해 α파가 증가한 것을 보아 추후 연구를 통해 차량 내 시청각 활동, 생산적 활동 등 여러 상황에 알맞은 색온도를 탐색한다면 생체신호 감지를 통해 탑승자의 상태를 파악하고, 이를 통해 상황 별 적절한 색 온도를 제공하는 시스템을 기대할 수 있다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.