์ธ๊ณต์ง๋ฅ
์์จ ์ฃผํ ์๋์ฐจ๊ฐ ๋ณดํ์ ํตํ ์์ธก์ ๋์์ ์ฃผ๋ ์ธ๊ฐ ํ๋ ์ฐ๊ตฌ
リーズ 대학(University of Leeds)의 연구는 자율 주행 자동차가 더 인간 친화적이게 될 수 있도록 도와줄 수 있다. 교통에서 인간 행동을 더 잘 이해하는 방법을 조사함으로써, 뇌가 결정하는 방식에 대한 신경과학 이론은 자동 운전 기술이 보행자가 도로를 건너갈 때 예측할 수 있게 할 수 있다.
드리프트 확산 모델
연구자들이 조사한 결정 모델은 드리프트 확산이라고 불리며, 신호가 있는 경우나 없는 경우에 자동차가 보행자에게 양보하는 시나리오에서 사용될 수 있다. 이러한 예측 기능을 통해 자율 주행 자동차는 보행자와 더 효과적으로 통신할 수 있다. 그것은 보행자의 움직임과 외부 신호를 더 잘 이해할 수 있을 것이며, 이는 교통 흐름을 최대화하고 불확실성을 감소시킬 것이다.
드리프트 확산 모델은 사람들이 감각적 증거를 임계점까지 축적한 후 결정한다는 가정에 의존한다.
구스타프 마르쿨라(Gustav Markkula) 교수는 리즈 대학의 교통 연구소(Institute for Transport Studies) 출신이며, 이 연구의 주도자이다.
“건너는 결정에 대해, 보행자들은 자동차의 거리와 속도에 관련된 다양한 증거를 추가하는 것처럼 보이며, 또한 자동차의 감속과 헤드라이트 플래시와 같은 통신 신호를 사용한다”고 마르쿨라 교수는 말했다.
“자동차가 양보할 때, 보행자들은 종종 자동차가 실제로 양보하는지에 대해 불확실하게 느끼며, 종종汽车가 거의 완전히 정지할 때까지 기다리다 보행을 시작한다”고 그는 계속했다. “우리의 모델은 명확하게 이 불확실성을 보여주며, 이는 자동 운전 자동차가 보행자 주변에서 어떻게 행동해야 하는지 설계하는 데 도움이 될 수 있다. 이는 교통 안전과 교통 흐름을 모두 개선할 수 있다”
“인지 신경과학의 이러한 이론이 현실 세계의 맥락으로 들어와 실제 사용을 찾는 것을 보는 것은 흥미롭다”
모델 테스트
연구 팀은 가상 현실로 모델을 테스트했다. 실험 참가자들은 대학의 HIKER(고도로 몰입적인 운동 실험 연구) 보행자 시뮬레이터 내의 다양한 도로 건너기 시나리오에 배치되었다. 그들의 움직임은 자유롭게 가상 3D 장면 내에서 걷는 동안 추적되었다. 참가자들은 충분히 안전하다고 느끼면 도로를 건너라는 지시를 받았다.
연구자들은 여러 시나리오를 테스트했으며, 접근하는 자동차가 일정한 속도를 유지하거나 보행자가 건너게 하기 위해 감속하는 경우가 포함되었다. 때때로 자동차는 건너는 신호로 헤드라이트를 깜빡였다.
테스트는 참가자들이 자동차의 거리, 속도, 가속도 및 통신 신호의 감각 데이터를 추가한 후에 건너는 결정에 대해 추가했음을 나타냈다. 이것은 연구 팀에게 드리프트 확산 모델이 보행자가 도로를 건널 가능성이 있을 때 예측할 수 있음을 나타냈다.
“이 발견은 교통에서 인간 행동에 대한 더 나은 이해를 제공할 수 있으며, 이는 교통 안전을 개선하고 인간 도로 사용자와 공존할 수 있는 자동 운전 자동차를 개발하는 데 필요하다”고 마르쿨라 교수는 말했다.
“보행자와의 안전하고 인간적으로 수용 가능한 상호 작용은 자동 운전 자동차 개발자에게 주요 도전이며, 보행자의 행동을 더 잘 이해하는 것이 이를 가능하게 할 것이다”
주도 연구자 자미 페칸넨(Jami Pekkanen) 박사는 “보행자의 결정과 불확실성을 예측하는 것은 자동차가 언제, 어떻게 감속하고 신호를 보내서 건너는 것이 안전하다는 것을 알릴 수 있게 해주며, 이는 자동차와 보행자 모두에게 시간과 노력을 절약할 수 있다”고 말했다.
