Article

Journal of Korean Society of Transportation. February 2021. 1-13
https://doi.org/10.7470/jkst.2021.39.1.001

ABSTRACT


MAIN

  • 서론

  • 기존 문헌 고찰

  •   1. 차량 내 경고 정보 제공 효과평가에 관한 연구

  •   2. 주행시뮬레이터를 이용한 주행행태 분석에 관한 연구

  •   3. 기존 연구와의 차별점

  • 연구 방법론

  •   1. 주행시뮬레이션 환경

  •   2. 실험 시나리오

  •   3. 후미추돌 사고위험도 평가지표

  •   4. 순응률

  • 분석 결과

  •   1. 평균 주행속도 비교

  •   2. 후미추돌 사고위험도 비교

  •   3. 순응률 변화에 따른 후미추돌 사고위험도 비교

  • 결론 및 향후 연구과제

서론

Cooperative-Intelligent Transport Systems(C-ITS)은 차량과 차량, 차량과 인프라 간의 발달된 무선 통신기술을 바탕으로 전방 교통상황 정보를 제공함으로써 운전자가 돌발상황에 신속하게 대응하고, 위험요소로부터 사고를 예방하는 것을 목적으로 한다(Guériau et al., 2016; Uhlemann, 2015). 국외에서 C-ITS는 Connected Vehicles(CV)로 명명되며, 2000년대 초반부터 미국, 유럽, 일본에서는 CV에 대한 다양한 연구가 진행되었다. 국내에서는 2018년부터 고속도로 C-ITS 실증사업이 진행되고 있으며, 700대의 차량에 설치된 C-ITS 단말기와 디지털 운행 기록계(digital tacho graph, DTG), 첨단 운전자 보조장치(advanced driver assistance system, ADAS)를 연계하여 DTG 데이터 및 ADAS 데이터가 포함된 원시 차량 데이터(probe vehicle data, PVD)를 수집하고 있다. DTG에는 속도, 가속도, 차량의 위치, 주행거리, 브레이크 작동상태 등 개별차량의 주행특성 자료가 포함되며, 영상 인식 기반의 ADAS에는 전방 충돌 경고(forward collision warning system, FCWS) 및 차로 이탈 경고(lane departure warning system, LDWS) 발생 정보와 선행차량과의 차간거리, 충돌 예상 시간(time-to-collision, TTC) 자료가 포함된다. 고속도로 C-ITS 실증사업에서는 전방 교통사고, 공사구간 등의 전방 위험상황 정보가 차량 내 설치된 단말기를 통해 실시간으로 운전자에게 제공된다. C-ITS 환경에서 사전에 경고 정보를 제공받은 운전자의 회피행동은 주변 차량에게 영향을 미치기 때문에 개별차량의 주행 안전성뿐만 아니라 차량추종 관계에서 차량 간 상호작용에 의한 사고 발생 개연성 분석이 요구된다.

본 연구의 목적은 C-ITS 환경에서 차량 내 경고 정보 제공에 대한 효과를 교통안전 측면에서 정량적으로 평가하는 것이다. 경고 정보 제공 유무에 따른 개별차량의 주행행태 및 주체차량과 선행차량 간의 상호작용을 분석하기 위해 2대의 차량이 동기화된 네트워크상에서 동시에 주행이 가능한 Multi-agent 주행시뮬레이터를 이용하였다. Multi-agent 주행시뮬레이터는 차량 추종관계에서 선후행 차량 간 상호작용에 의한 주행행태 변화 분석에 용이하다. 또한 본 연구에서는 순응률에 따른 경고 정보 제공이 교통안전성에 미치는 영향을 분석하기 위해 경고 정보 제공 시 피실험자의 속도 및 후미추돌 사고위험도(crash potential index, CPI)가 감소한 경우를 운전자 순응으로 정의하고 순응률에 따른 사고 발생 개연성의 변화를 분석하였다.

실험 시나리오는 주체 차량에 C-ITS 경고 정보를 제공한 경우를 “With”시나리오, 경고 정보를 제공하지 않은 경우를 “Without”시나리오로 설정하였다. 실험을 통해 수집된 데이터를 이용하여 평균 속도와 평균 CPI를 산출 후 비교 분석하였으며 순응률에 따라 경고 정보 제공 유무에 따른 주체차량의 주행행태 및 선행차량과의 상호작용을 분석하기 위해 순응률의 변화에 따른 평균 CPI를 분석하였다. 본 연구의 결과물은 C-ITS 환경에서 순응률 향상을 통한 교통안전 개선 효과를 제고하기 위해 차량 내 경고 정보 서비스의 개발 및 운영관리 방안 수립 시 기초자료로 활용될 수 있을 것으로 기대된다.

본 연구는 다음과 같이 구성되어 있다. 2장에서는 차량 내 경고 정보 제공 효과평가 관련 연구와 주행시뮬레이터를 이용한 주행행태 분석 관련 연구로 분류하여 기존 문헌을 검토하였고, 3장에서는 C-ITS 경고 정보 제공 유무에 따른 교통안전 개선 효과 평가를 위한 방법론을 제시하였다. 4장에서는 주행시뮬레이션 실험에 대한 시나리오별 결과를 비교 분석하였으며, 마지막 장에서는 본 연구 결과를 요약하여 결론 및 향후 연구 계획에 대해 서술하였다.

기존 문헌 고찰

본 연구는 Multi-agent 주행시뮬레이터를 이용하여 C-ITS 환경에서 차량 내 경고 정보 제공 시 개별차량의 주행행태 및 차량 간 상호작용에 미치는 영향을 교통안전 측면에서 평가하였다. 이에 차량 내 경고 정보 제공 효과평가 관련 연구와 주행시뮬레이터를 이용한 주행행태 분석 연구로 분류하여 관련 연구를 검토하고, 본 연구의 차별성을 제시하였다.

1. 차량 내 경고 정보 제공 효과평가에 관한 연구

C-ITS 환경에서는 운전자에게 다양한 전방 위험 상황에 대해 경고 정보를 제공한다. C-ITS 환경에서 차량 내 경고 정보 제공 서비스에 대해 교통안전 효과를 평가한 연구사례를 검토하였다. 일부 연구는 CV 기반 가변 속도 제한 서비스를 적용하였을 때의 효과를 평가하였다. Yang et al.(2019)은 CV 기반 가변 속도 제한 기술을 구현하여 트럭 운전자들을 대상으로 주행시뮬레이션 실험을 수행하였다. 분석 결과, 악천후 조건에서 교통류의 평균 속도와 속도 편차가 감소하는 경향이 있는 것으로 나타났다. Zhao et al.(2019)은 안개가 낀 상태의 다양한 가시성 수준에서 CV 기반 가변 속도 제한 서비스의 효과를 평가하였다. 분석 결과, CV 기반 가변 속도 제한 서비스는 주행속도를 줄이는데 효과적이고 주행속도 관리에 도움이 되는 것으로 나타났다. 운전자에게 실제 사고 데이터셋을 기반으로 핫스팟 경고를 제공하는 차량 내 의사결정 지원 시스템은 운전자의 주행행태를 개선에 도움을 주는 것으로 나타났다(Ryder et al., 2017). 도로 위 충돌에 대한 차량 내 정보 시스템과 유사한 장치의 영향을 추정하기 위한 메타분석 결과는 전체 충돌의 약 1.66%가 충돌에 대한 차량 내 정보 시스템 작동에 의해 발생하는 것으로 도출되었다(Ziakopoulos et al., 2019). Vashitz et al.(2008)은 터널 구간에서 차량 내 디스플레이 장치를 통해 안전 관련 정보를 제공하는 것이 교통 안전성 향상에 도움이 된다고 제시하였다. Chang et al.(2019)은 베이징의 실제 도로를 바탕으로 심한 안개 조건에서 교통안전에 대한 CV 안개 경보 시스템이 미치는 영향에 관한 연구를 수행하였다. 연구 결과, CV 안개 경고 시스템이 안개 지역으로 들어가기 전 속도 감소에 도움이 되며 운전자의 주행 행동을 개선시키는 것으로 나타났다.

2. 주행시뮬레이터를 이용한 주행행태 분석에 관한 연구

주행시뮬레이터 실험을 통해 운전자의 반응행태를 교통안전 관점에서 분석한 연구는 많이 수행되었다. Bella and Russo(2011)는 효과적인 운전자 보조 시스템을 개발하기 위해 운전자의 행동을 분석하였으며, 주행시뮬레이션 실험을 통해 운전자 주행행태를 기반으로 새로운 충돌 경고 알고리즘을 개발하였다. Yamani et al.(2018)은 정보 대역폭이 운전자의 주의력에 미치는 영향을 분석하기 위해 주행시뮬레이션 실험을 진행하였다. 분석 결과, 많은 차량 정보가 제공되면 운전자의 주의가 분산되는 것으로 나타났다. Ahmadi and Machiani(2019)는 주행시뮬레이터를 사용하여 적응형 곡선 속도 경고(Adaptive Curve Speed Warning, ACSW)를 개발하였으며, 이 시스템은 개별 운전자의 인지 및 반응 시간을 기반으로 곡선 구간에서 속도 경고를 제공한다. Cummings et al.(2007)은 여러 개의 별도의 경고 시스템과 비교하여 운전자 응답에 대한 단일 마스터 경고 시스템이 미치는 영향을 분석하기 위해 주행시뮬레이터를 이용하였다. Schleicher and Gelau(2011)는 Cruise Control(CC)와 Adaptive Cruise Control(ACC)이 차량 주행거동에 미치는 영향을 주행시뮬레이터를 이용하여 연구하였다. Naujoks et al.(2016)은 주행시뮬레이터를 이용하여 거짓된 정보들이 운전자가 협력 경고 시스템에 순응하는 것에 미치는 영향에 대해 조사하였다. Ho et al.(2006)은 주행시뮬레이터를 사용하여 잠재적 충돌 가능성이 있는 방향을 알려주는 촉각 경고 신호를 구현하고 전 ‧ 후방 충돌 상황에 대한 운전자가 신속하게 반응하는지 분석하였다. 차량 간 상호작용을 분석하기 위해 Multi-agent 주행시뮬레이터를 이용한 연구도 진행되었다. Park et al.(2019)은 Multi-agent 주행시뮬레이터를 이용하여 공격운전 상황에서 개별차량의 거동변화 및 선 ‧ 후행 차량 간의 상호작용을 분석하였다. 분석한 결과를 바탕으로 미시 교통 시뮬레이션인 VISSIM 내 파라미터를 조정하여 공격운전자의 주행행태를 구현하고 다양한 공격운전 상황에서 충돌 발생 가능성을 연구하였다. Kim et al.(2018)은 Multi-agent 주행시뮬레이션 실험을 수행하여 공격운전 발생 상황에서 가해자와 피해자 간의 상호작용을 분석하여 사고 발생 개연성을 분석하였다.

3. 기존 연구와의 차별점

주행시뮬레이터를 이용하여 C-ITS 환경에서 제공되는 서비스에 대한 교통안전 연구는 다수 수행되었으나, 기존의 연구는 개별 차량 자체의 거동만을 분석대상으로 설정하였다. 충돌 위험을 분석하는데 중요한 선행차량과의 상호작용을 고려하여 교통안전 효과 분석을 수행한 연구는 미비하다. 본 연구에서는 Multi-agent 주행시뮬레이터를 이용하여 C-ITS 경고 정보 제공 시 주체차량의 개별 주행행태 변화뿐만 아니라 선행차량과 상호작용에 의한 교통안전성 개선효과에 대해서 분석하였다. 주체차량과 선행차량 간 사고 발생 개연성을 정량화하고 비교하기 위해 대리안전척도(surrogate safety measure, SSM)인 CPI를 이용하였다.

연구 방법론

본 연구에서는 C-ITS 환경에서 차량 내 경고 정보 제공에 대해 교통안전 측면에서의 효과를 평가하고 순응률이 경고 정보 제공에 따른 교통 안전성 개선효과에 미치는 영향을 분석하고자 하였다. 이를 위해 경고 정보에 대한 순응을 운전자가 경고 정보를 제공 받았을 때 속도 및 CPI가 감소한 경우로 정의하였으며, 순응한 운전자의 데이터를 이용하여 경고 정보 제공 유무에 따른 속도 및 CPI 비교 분석과 순응률에 따른 CPI의 변화를 분석하였다.

본 연구의 수행과정은 Figure 1에 제시하였다. Step 1에서는 Multi-agent 주행시뮬레이션 실험 환경을 구축하고 시나리오를 설정하였다. Step 2에서는 수집된 데이터를 이용하여 안전성 평가지표인 주행 속도와 CPI를 산출하였다. Step 3에서는 산출된 평가지표를 시나리오에 따라 비교 분석하고 순응률의 변화에 따른 사고 발생 개연성을 비교하였다.

/media/sites/kst/2021-039-01/N0210390101/images/kst_39_01_01_F1.jpg
Figure 1

Overall research procedure

1. 주행시뮬레이션 환경

본 연구에서는 2대의 주행시뮬레이터를 동일한 네트워크에서 동시에 주행이 가능한 Multi-agent 주행시뮬레이터를 이용하여 주체차량과 선행차량의 상호작용 분석이 가능한 실험환경을 구축하였다. Multi-agent 주행시뮬레이터는 2대의 주행시뮬레이터를 동기화하여 동일한 네트워크에서 동시에 주행이 가능하다. TCP/IP 통신 프로토콜을 통해 연결된 Multi-agent 주행시뮬레이터는 주체차량과 선행차량의 위치, 속도, 가속도, 브레이크파워, 각속도 등 주행 자료를 서로 전송한다. 이러한 Multi-agent 주행시뮬레이터는 운전자의 개별 인적 특성이 반영된 주행행태 분석뿐만 아니라 차량 간 상호작용 분석에 활용된다. Figure 2에 Multi-agent 주행시뮬레이터 개념도를 제시하였다. 실험에 이용한 네트워크는 UC-win/Road 주행시뮬레이션 소프트웨어를 사용하여 4차로 고속도로 환경으로 구현하였다.

/media/sites/kst/2021-039-01/N0210390101/images/kst_39_01_01_F2.jpg
Figure 2

Illustration of a multi-agent driving simulation environment

2. 실험 시나리오

본 연구에서는 주체차량에 C-ITS 경고 정보를 제공한 경우를 “With”시나리오, 경고 정보를 제공하지 않은 경우를 “Without”시나리오로 정의하였다. Figure 3에 제시한 것과 같이 교통사고는 1, 2차로에서 발생한 것으로 설정하였다. 교통사고에 대한 전방 위험상황 정보는 국내 고속도로 C-ITS 실증사업에서 제공하는 방식과 동일하게 적용하여 이벤트 발생 지점에서 후방 361m부터 총 3차례에 걸쳐 제공하였다. 또한 최초 경고 정보 제공 지점부터 이벤트 발생 지점까지를 경고 정보 영향권이라고 정의하였다. 경고 정보 메시지 예시를 Figure 4에 제시하였으며, 경고음(“띵-띵-”)과 음성메시지(“전방 비상상황 차량이 있습니다. 주의 운전 하세요.”)가 함께 제공되었다.

/media/sites/kst/2021-039-01/N0210390101/images/kst_39_01_01_F3.jpg
Figure 3

Illustration of the driving simulation events in the scenario

/media/sites/kst/2021-039-01/N0210390101/images/kst_39_01_01_F4.jpg
Figure 4

Screenshot of the warning alarm service

주행 시뮬레이션 실험 시 피실험자들에게 평균 80-100km/h의 속도로 주행하도록 지시하였으며, 주체차량의 운전자는 선행차량을 추종하여 주행하였다. 또한 선행차량과 주체차량 피실험자 모두 2차로로 주행을 유지하도록 지시하였다. 모든 피실험자들에게는 주행 중 사고 상황이 발생할 것을 미리 언급하지 않았으며, 주행 중 필요한 경우에만 차로변경을 하도록 지시하였다.

주행시뮬레이션 실험은 2019년 2월 14일부터 5월 31일까지 총 72명의 피실험자를 대상으로 수행하였으며, Figure 5에 피실험자의 인적특성(성별, 연령대, 사고경험 유무, 운전면허 취득년도)을 제시하였다. 총 72명의 피실험자는 남성 36명, 여성 36명으로 구성되며, 20대가 64명으로 89%를 차지하였다. 사고경험이 있다고 응답한 피실험자의 수는 10명으로 전체 피실험자 중 약 14%가 사고경험이 있는 것으로 나타났다. 또한 운전경력이 없거나 1년 미만인 피실험자의 수는 42명이고, 1년 이상부터 5년 미만인 경우의 피실험자는 23명, 5년 이상인 경우는 7명으로 나타났다. 주체차량과 선행차량을 동시에 주행하는 실험 시나리오에 따라 피실험자들은 2명씩 실험을 진행하여, 총 36쌍이 실험을 수행하였다. 주행시뮬레이션 실험을 통해 “With”시나리오와 “Without”시나리오 각각 72개의 데이터셋을 수집하였다.

/media/sites/kst/2021-039-01/N0210390101/images/kst_39_01_01_F5.jpg
Figure 5

Characteristics of participants (unit: # of participants)

3. 후미추돌 사고위험도 평가지표

CPI는 차량추종 관계 시 주어진 시간 간격동안 차량의 Deceleration Rate to Avoid the Crash(DRAC)이 Maximum Available Deceleration Rate(MADR)을 초과할 확률로 후미추돌 사고 발생 위험도를 뜻한다. DRAC은 후행차량이 위험상황을 인지하고 사고회피를 위해 감속할 때 요구되는 최대 감속도로 Equation 1에 산출식을 제시하였다. MADR은 차량이 갖는 고유의 최대 감속도 성능을 의미하며, 본 연구에서 사용한 MADR은 평균 8.45m/s2, 표준편차 1.40m/s2인 정규분포를 따른다(Cunto and Saccomanno, 2008). DRAC값이 MADR 미만인 경우는 차량에 요구되는 감속도보다 차량 고유의 감속성능이 크기 때문에 사고 개연성이 낮으나, DRAC값이 MADR보다 높은 경우는 차량에 요구되는 감속도가 차량 고유의 감속성능보다 크기 때문에 후미추돌 사고가 발생할 개연성이 높다. 본 연구에서는 DRAC과 MADR을 비교한 사고 발생 확률을 Crash Potential(CP)라고 정의하였으며, 산출식은 Equation 2에 제시하였다. CP는 확률을 의미하므로 0에서 1사이의 값을 갖는다. 본 연구에서 이용한 CPI의 산출식은 Equation 3에 제시하였다. CPI는 DRAC을 산출한 뒤 MADR 분포에 정규화하여 MADR과 비교하고 DRAC값이 MADR 이상인 경우의 확률을 최종적으로 CPI 산출식에 대입하여 산출하였다.

(1)
DRACSV,t=(VSV,t-1-VPV,t-1)22×SSV,t-1PV

여기서, DRACSV,t: Deceleration rate to avoid crash for subject vehicle at time t (m/s2)

SV : Subject vehicle

PV : Preceding vehicle

t : Observation time (sec)

VSV,t-1 : Subject vehicle speed at time t-1 (m/s)

VPV,t-1 : Preceding vehicle speed at time t-1 (m/s)

SSV,t-1PV : Spacing between subject vehicle and preceding vehicle at time t-1 (m)

(2)
CPSV=t=0NPr(MADR(a1,a2,...,an)DRACSV,t)

여기서, CPSV : Crash potential for subject vehicle

MADR(a1,a2,...,an) : Random variable following normal distribution for given set of traffic and environmental attributes (a1,a2,...,an)(m/s2)

N : Total number of time intervals

(3)
CPISV=t=0NPr(MADR(a1,a2,...,an)DRACSV,t)×t×bTSV

여기서, CPISV : Crash potential index for subject vehicle

t : Observation time interval (1 sec)

TSV : Total observation time period for subject vehicle (T=t×N)

b : Binary state variable (1: DRACSV,t>0, 0: otherwise)

4. 순응률

본 연구에서는 순응률이 경고 정보 제공을 통한 교통 안전성 개선효과에 미치는 영향을 분석하기 위해 운전자 순응 및 순응률을 정의하고 순응률 변화에 따른 사고 발생 개연성을 비교 분석하였다. C-ITS 경고 정보를 제공한 경우의 속도 및 CPI가 경고 정보를 제공하지 않은 경우보다 감소한 경우를 운전자가 경고 정보에 순응한 것으로 정의하였다. 또한 전체 피실험자에 대해 경고 정보에 순응한 피실험자의 비율을 순응률로 정의하였다. 여기에서 전체 피실험자 수는 주행시뮬레이터 부적응자를 제외한 나머지 피실험자 수를 의미한다. 예를 들어 주행시뮬레이터 부적응자를 제외한 모든 피실험자가 “With”시나리오의 속도 및 CPI 값이 “Without”시나리오에 비해 감소한 경우는 순응률 100%에 해당한다. 순응률 산출식은 Equation 4에 제시하였다.

(4)
Compliancerate(%)=(numberofcompliantdrivers)(totalnumberofdrivers)-(numberofmaladaptivedrivers)×100

분석 결과

1. 평균 주행속도 비교

전방 사고 발생 상황에 대한 경고 정보를 제공한 경우와 제공하지 않은 경우에 대해 평균 주행속도를 비교 분석하였다. 평균 주행속도 비교 분석은 전체 피실험자 데이터 중에서 경고 정보 제공에 대해 순응한 36명의 피실험자 데이터를 사용하여 분석하였다. 경고 정보 제공 유무에 따른 개별차량의 속도 프로파일을 Figure 6에 제시하였다. Figure 6에 따르면 경고 정보 영향권 내에서 개별차량의 속도는 경고 정보 제공 유무에 관계없이 전반적으로 감소하는 것으로 나타났으며, C-ITS 경고 정보를 제공한 경우의 평균 개별차량 속도가 경고 정보를 제공하지 않은 경우에 비해 더 큰 폭으로 감소하는 것으로 나타났다. “Without” 시나리오에서는 차로변경을 수행하였음에도 불구하고 일부 개별차량 속도가 증가하거나 유지되는 경우가 존재하는데 이는 실험 시뮬레이션 네트워크 내에 주체차량과 선행차량, 사고차량 이외에 다른 차량이 존재하지 않아 차로변경 수행 시 주변 교통상황의 제약이 없기 때문인 것으로 판단된다. 또한 경고 정보 영향권 내 일부 “With”시나리오 운전자가 경고 정보를 제공받은 후 급감속 주행 패턴을 보이는 것으로 나타났는데 이는 경고 정보를 제공받은 주체차량 운전자가 경고 정보에 민감하게 반응하였기 때문인 것으로 해석된다. 시나리오별 속도의 통계분석 결과는 Table 1에 제시된 바와 같이 경고 정보를 제공한 “With”시나리오의 최대 속도 및 최소 속도가 “Without”시나리오에 비해 낮게 나타났다. 또한 “With”시나리오의 평균 속도는 81.03km/h로 “Without”시나리오의 평균 속도인 94.54km/h 대비 14.29% 감소한 것으로 나타났다. “With”시나리오의 표준편차가 “Without”시나리오의 표준편차에 비해 큰 것으로 나타나는데 이는 경고 정보를 제공 받은 운전자의 순응 여부에 따라 차이가 발생하기 때문인 것으로 판단되며 경고 정보 제공 시 운전자 순응도에 따른 안전성 비교가 필요하다. 두 시나리오 간 평균 속도의 차이는 95% 신뢰수준에서 통계적으로 유의성을 가지며 Table 2에 독립표본 T-검정 결과를 제시하였다. 주체차량에게 전방 사고 발생에 대한 C-ITS 경고 정보를 제공할 경우 약 14.29%의 속도 감소 효과가 있는 것으로 도출되었다.

/media/sites/kst/2021-039-01/N0210390101/images/kst_39_01_01_F6.jpg
Figure 6

Speed profiles by scenarios

Table 1.

Descriptive statistics of the speed by scenario

Distributions of scenarios With (n=36) Without (n=36)
/media/sites/kst/2021-039-01/N0210390101/images/kst_39_01_01_T1.jpg
Mean (kph) 81.03 94.54
Max (kph) 96.36 105.28
Min (kph) 59.41 81.65
Standard deviation (kph) 11.56 7.45
Variation (kph) 199.50 84.33
Median (kph) 82.86 95.11
Table 2.

Results of T-test for speed difference

Average Standard deviation t p (p*<0.05)
With (n=36) Without (n=36) With Without
Speed (kph) 81.03 94.54 11.56 7.45 -3.522 0.001

2. 후미추돌 사고위험도 비교

본 연구에서는 경고 정보 제공 유무에 따라 주체차량과 선행차량 간의 상호작용에 의한 사고 발생 개연성을 정량화하여 비교 분석하였다. 후미추돌 사고위험도 비교 분석을 위해 전체 피실험자 데이터 중 경고 정보 제공 시 순응한 36명의 피실험자 데이터를 사용하였으며 사고 발생 개연성을 평가하기 위해 CPI를 이용하였다. 분석 결과, “With”시나리오의 평균 CPI는 0.09이고, “Without”시나리오의 평균 CPI는 0.19로 주체차량에 경고 정보를 제공한 경우의 평균 CPI가 감소한 것으로 나타났다. 두 시나리오 간 평균 CPI의 차이에 대해 통계적 유의성을 확인하기 위해 독립표본 T 검정을 실시하였으며, Table 3에 제시한 것과 같이 95% 신뢰수준에서 평균 CPI 차이가 유의한 것으로 분석되었다. Table 4는 경고 정보 제공 유무에 따른 평균 주행속도 및 평균 CPI 분석 결과를 정리하여 제시하였다. 결과적으로 C-ITS 환경에서 운전자에게 전방 사고 발생 상황에 대한 경고 정보를 제공할 경우 14.29%의 속도 감소 효과와 55.81%의 후미 추돌 사고 발생 개연성 감소효과가 있는 것으로 도출되었다.

Table 3.

Results of T-test for CPI

Average Standard deviation t p (p*<0.05)
With (n=36) Without (n=36) With Without
CPI 0.09 0.19 0.06 0.08 -6.750 0.000
Table 4.

Results of the effect evaluation of traffic safety warning information systems

Average speed (km/h) Average CPI
With Without △Speed (%) With Without △CPI (%)
81.03 94.54 -14.29 0.09 0.19 -55.81

3. 순응률 변화에 따른 후미추돌 사고위험도 비교

본 연구에서는 순응률이 경고 정보 제공의 교통 안전성 개선효과에 미치는 영향을 분석하기 위해 경고 정보에 대한 순응을 정의하고 순응률에 따른 CPI 변화를 비교하였다. 경고 정보를 제공할 경우 순응률에 따른 CPI 비교를 위해 순응률이 100%에서 0%가 될 때까지 20%씩 순응률을 감소시켜 분석하였다. 각 순응률에 대한 분석 데이터셋은 표본이 편향되지 않도록 순응한 운전자의 데이터셋과 비순응한 운전자의 데이터셋에서 비복원 무작위 추출을 10회씩 수행하여 구성하였으며, 각각의 분석 데이터셋에서 산출한 평균 CPI를 분석에 이용하였다.

Figure 7은 경고 정보 제공 시 순응한 피실험자와 비순응한 피실험자의 Crash Potential(CP) 프로파일 예시이다. 순응한 피실험자의 경우 CP의 큰 변화가 나타나지 않지만 비순응한 피실험자의 경우 경고 정보를 제공 받았음에도 불구하고 사고 발생 이벤트 지점에 근접할수록 CP가 크게 변화하는 것으로 나타났다.

/media/sites/kst/2021-039-01/N0210390101/images/kst_39_01_01_F7.jpg
Figure 7

Example of CP by compliance

순응률 변화에 대한 CPI 분석 결과, Figure 8에 제시한 것과 같이 경고 정보 제공 시 순응률이 20%씩 증가할수록 CPI가 평균적으로 약 20%씩 감소하는 것으로 나타났다. 순응률이 100%인 경우의 평균 CPI는 모든 피실험자가 순응하지 않은 경우에 비해 약 67.86% 감소하였다. 순응률 40% 미만인 경우는 경고 정보를 제공했을 때의 CPI가 Table 3에서 제시한 경고 정보를 제공하지 않았을 때의 CPI인 0.19보다 상대적으로 높게 나타났다. 본 연구에서는 경고 정보 제공 시 CPI가 감소하는 상황만을 운전자가 순응한 것으로 정의하였다. 따라서 Figure 8에 제시한 바와 같이 순응률이 높아질수록 CPI는 감소한다. Figure 8의 CPI는 순응한 상황에 해당하는 자료만으로 순응도 증가에 따른 안전성의 변화를 관측한 결과이다. 그러므로 Table 3의 CPI와 Figure 8의 CPI는 비교 대상이 아님을 밝혀둔다. 순응률 변화에 따른 CPI 분석을 통해 C-ITS 경고 정보에 대한 운전자의 순응률이 증가할수록 교통사고 예방 효과가 증대되는 것을 확인하였다. 이러한 결과는 경고 정보 제공 시 운전자 순응 여부가 사고 발생 예방에 중요한 요소로 작용하는 것을 의미한다. 잘못된 경고 정보를 빈번하게 제공할 경우 운전자가 경고 정보를 무시하여 운전자의 순응률이 현저하게 감소하며, 운전자가 제공되는 경고 정보를 무시하고 전방의 위험 상황에 대해 적절한 회피 반응을 하지 않을 경우 안전성이 저해된다(Lee et al., 2004; Naujoks et al., 2016). 경고 정보 제공 시 안전성 측면에서 사고 예방 효과를 증대시키기 위해서는 적절한 경고 정보 제공 시간이나 위치, 제공 방식 선정을 통해 경고 정보의 신뢰성을 확보하여 운전자의 순응률을 제고시키는 것이 요구된다.

/media/sites/kst/2021-039-01/N0210390101/images/kst_39_01_01_F8.jpg
Figure 8

Relationship between crash potential and compliance rate

결론 및 향후 연구과제

C-ITS 환경에서 운전자는 실시간으로 전방 상황에 대한 경고 정보를 제공 받음으로써 돌발상황 발생 시 신속한 회피행동을 통해 위험요소로부터 사고를 예방하는 것이 가능하다. 본 연구에서는 C-ITS 환경에서 차량 내 경고 정보 제공 서비스에 대해 교통안전 측면에서의 효과를 평가하고 경고 정보 제공 시 순응률이 교통 안전성 개선효과에 미치는 영향을 분석하고자 하였다. 이를 위해 Multi-agent 주행시뮬레이터에 C-ITS 환경의 차량 내 경고 정보 제공 서비스를 구현하여 주체차량의 개별 주행행태 뿐만 아니라 선행차량과의 상호작용을 분석하였다. 사고 발생 위험성을 정량화하여 비교하기 위한 평가지표로 CPI를 이용하였다.

평균 주행속도 분석 결과, 전방의 사고 발생 상황에 대한 경고 정보를 제공한 경우가 제공하지 않은 경우에 비해 평균 속도, 최대 속도, 최소 속도가 더 낮은 것으로 나타났다. 경고 정보를 제공한 “With”시나리오의 주체차량 평균 속도가 “Without”시나리오에 비해 약 14.29% 감소하였으며 시나리오 간 평균 속도 차이는 95% 신뢰수준에서 통계적으로 유의한 것으로 나타났다. 경고 정보 제공 유무에 따른 후미추돌 사고위험도 비교 분석 결과, “With”시나리오의 평균 CPI는 0.09이고, “Without”시나리오의 평균 CPI는 0.19로 나타났으며 시나리오 간 평균 CPI 차이는 95% 신뢰수준에서 통계적으로 유의한 것으로 타나났다. 결과적으로 전방의 사고 차량에 대한 경고 정보를 제공한 경우가 제공하지 않은 경우에 비해 약 55.81%의 사고 발생 개연성 감소 효과가 있는 것으로 분석되었다. 또한 경고 정보 제공 시 운전자의 순응률이 증가할수록 평균 CPI가 감소하며 모든 피실험자가 경고 정보에 대해 순응한 경우의 평균 CPI는 모든 피실험자가 순응하지 않은 경우에 비해 약 67.86% 감소하는 것으로 나타났다. 즉 C-ITS 경고 정보에 대한 운전자의 순응률이 증가할수록 교통사고 예방 효과가 증대되는 것으로 나타났다. 본 연구의 결과는 C-ITS 환경에서 순응률 향상을 통한 교통안전 개선효과를 제고하기 위해 차내 경고 정보 제공 서비스 개발 및 서비스 관리 방안 수립 시에 기초자료로 활용될 수 있을 것으로 기대된다.

본 연구에서는 분석대상의 데이터 수가 충분하지 못하고 대부분의 피실험자 연령대가 20-30대로 한정적이므로 향후 연구에서는 다양한 연령대의 피실험자를 대상으로 추가적인 실험이 요구된다. 또한 시나리오에 대해 반복된 실험으로 인한 학습효과를 배제할 수 없으므로 학습효과를 최소화하는 방안을 마련해야 한다. 전방 사고 발생 상황 외에도 다양한 돌발상황을 반영한 실험을 통해 C-ITS 환경에서 차내 경고 정보 제공 서비스의 고도화를 위한 추가분석이 필요하다. 본 연구결과를 통해 경고 정보를 제공 시 운전자의 순응이 교통사고 발생 예방에 중요한 요소임을 확인하였다. 이를 토대로 다양한 경고 정보 제공 시나리오를 추가하여 경고 정보 제공 시 운전자 순응률을 제고시키기 위한 효과적인 경고 정보 제공 방식 설계에 대한 지속적인 연구가 필요하다. 마지막으로 본 연구에서는 주체차량의 경고 정보 제공 여부만을 고려하였으나 향후 연구에서는 주체차량과 선행차량 모두에 대해 경고 정보 제공 여부에 따라 차량 페어별 분석을 통해 C-ITS 경고 정보에 대한 효과분석이 필요하다.

References

1
Ahmadi A., Machiani S. G. (2019), Drivers' Performance Examination Using a Personalized Adaptive Curve Speed Varning: Driving Simulator Study, Int. J. Hum. Comput. Interact., 35(11), Taylor & Francis, 996-1007. 10.1080/10447318.2018.1561785
2
Bella F., Russo R. (2011), A Collision Warning System for Rear-end Collision: A Driving Simulator Study, Procedia Soc. Behav. Sci., 20, Elsevier, 676-686. 10.1016/j.sbspro.2011.08.075
3
Chang X., Li H., Qin L., Rong J., Lu Y., Chen X. (2019), Evaluation of Cooperative Systems on Driver Behavior in Heavy Fog Condition Based on a Driving Simulator, Accid. Anal. Prev., 128, Elsevier, 197-205. 10.1016/j.aap.2019.04.01931054492
4
Cummings M. L., Kilgore R. M., Wang E., Tijerina L., Kochhar D. S. (2007), Effects of Single Versus Multiple Warnings on Driver Performance, Hum. Factors, 49(6), SAGE Publications, 1097-1106. 10.1518/001872007X24995618074708
5
Cunto F., Saccomanno F. F. (2008), Calibration and Validation of Simulated Vehicle Safety Performance at Signalized Intersections, Accid. Anal. Prev., 40(3), Elsevier, 1171-1179. 10.1016/j.aap.2008.01.00318460386
6
Guériau M., Billot R., El Faouzi N. E., Monteil J., Armetta F., Hassas S. (2016), How to Assess the Benefits of Connected vehicles? A Simulation Framework for the Design of Cooperative Traffic Management Strategies, Transp. Res. Part C Emerg. Technol., 67, Elsevier, 266-279. 10.1016/j.trc.2016.01.020
7
Ho C., Reed N., Spence C. (2006), Assessing the Effectiveness of "intuitive" Vibrotactile Warning Signals in Preventing Front-to-rear-end Collisions in a Driving Simulator, Accid. Anal. Prev., 38(5), Elsevier, 988-996. 10.1016/j.aap.2006.04.00216697344
8
Kim Y., Oh C., Park S., Choi S. (2018), Analysis of Crash Potential by Vehicle Interactions Using Driving Simulations, J. Korea Inst. Intell. Transp. Syst., 17(2), The Korea Institute of Intelligent Transport Systems, 98-112. 10.12815/kits.2018.17.2.98
9
Lee J. D., Hoffman J. D., Hayes E. (2004), Collision Warning Design to Mitigate Driver Distraction, Proc. SIGCHI Conf. Hum. Factor Comput. Syst., Association for Computing Machinery ,65-72. 10.1145/985692.985701
10
Naujoks F., Kiesel A., Neukum A. (2016), Cooperative Warning Systems: The Impact of False and Unnecessary Alarms on Drivers' Compliance, Accid. Anal. Prev., 97, Elsevier, 162-175. 10.1016/j.aap.2016.09.00927639195
11
Park S., Oh C., Kim Y., Choi S., Park S. (2019), Understanding Impacts of Aggressive Driving on Freeway Safety and Mobility: A Multi-gent Driving Simulation Approach, Transp. Res. Part F Traffic Psychol. Behav., 64, Elsevier, 377-387. 10.1016/j.trf.2019.05.017
12
Ryder B., Gahr B., Egolf P., Dahlinger A., Wortmann F. (2017), Preventing Traffic Accidents With In-vehicle Decision Support Systems: The Impact of Accident Hotspot Warnings on Driver Behaviour, Decis. support syst., 99, Elsevier, 64-74. 10.1016/j.dss.2017.05.004
13
Schleicher S., Gelau C. (2011), The Influence of Cruise Control and Adaptive Cruise Control on Driving Behaviour-A Driving Simulator Study, Accid. Anal. Prev., 43(3), Elsevier, 1134-1139. 10.1016/j.aap.2010.12.02321376911
14
Uhlemann E. (2015), Introducing connected vehicles [connected vehicles]. IEEE Vehicular Technology Magazine, 10(1), Institute of Electrical and Electronics Engineers Inc., 23-31. 10.1109/MVT.2015.2390920
15
Vashitz G., Shinar D., Blum Y. (2008), In-vehicle Information Systems to Improve Traffic Safety in Road Tunnels, Transp. Res. Part F Traffic Psychol. Behav., 11(1), Elsevier, 61-74. 10.1016/j.trf.2007.07.001
16
Yamani Y., Bıçaksız P., Unverricht J., Samuel S. (2018), Impact of Information Bandwidth of In-vehicle Technologies on Drivers' Attention Maintenance Performance: A Driving Simulator Study, Transp. Res. Part F Traffic Psychol. Behav., 59, Elsevier, 195-202. 10.1016/j.trf.2018.09.004
17
Yang G., Ahmed M. M., Gaweesh S. (2019), Impact of Variable Speed Limit in a Connected Vehicle Environment on Truck Driver Behavior Under Adverse Weather Conditions: Driving Simulator Study, Transp. Res. Rec., 2673(7), US National Research Council, 132-142. 10.1177/0361198119842111
18
Zhao X., Xu W., Ma J., Li H., Chen Y., Rong J. (2019), Effects of Connected Vehicle-based Variable Speed Limit Under Different Foggy Conditions Based on Simulated Driving, Accid. Anal. Prev., 128, Elsevier, 206-216. 10.1016/j.aap.2019.04.02031055185
19
Ziakopoulos A., Theofilatos A., Papadimitriou E., Yannis G. (2019), A Meta-analysis of the Impacts of Operating In-vehicle Information Systems on Road Safety, IATSS Res., 43(3), International Association of Traffic and Safety Sciences, 185-194. 10.1016/j.iatssr.2019.01.003
페이지 상단으로 이동하기