서론
교통안전은 중요한 부분 중 하나이다. 최근 항만 내에서도 교통안전을 위한 연구가 활발히 진행중이다. 항만 컨테이너 야드는 도로교통법에 적용을 받지 않는다(National Police Agency, 2020). 컨테이너 야드 내 도로는 각 항만의 독자적인 도로체계와 운영체계로 수립되고 운영되고 있다. 보통 항만 컨테이너 야드 내 교차로에는 높이 2m 이상의 컨테이너가 적재되어 있어, 교차로에 접근하는 차량의 시거가 확보되지 않는다. 시거가 확보되지 않는 교차로에서는 교차로로 진입하는 차량 간에 사고를 유발할 수 있다. 항만 컨테이너 야드를 주행하는 차량은 대형 트레일러여서 사고가 인명사고나 대형사고로 이어질 확률이 높다.
현재 이러한 항만 컨테이너 야드 내 도로 특성 때문에 교통안전을 위한 연구가 진행중이다. 컨테이너 야드내부를 주행하는 차량에게 다른 차량의 접근과 안전정보를 제공해 줄 수 있는 장비가 개발되고 있다. 이 장비는 주행중인 운전자가 정보를 정확히 인지할 수 있는 곳에 위치해야 한다. 차내 장비의 최적 위치를 도출할 방안이 필요하다. 본 연구에서 항만 컨테이너 야드를 주행하는 차량 내부에 탑재될 장치의 적정 위험상황 정보제공 위치 도출을 목적으로 한다.
선행연구
과거부터 실제 환경에서 하기 어려운 연구들을 차량 시뮬레이터를 활용하여 가상환경에서 진행해왔다. 아이트래커와 차량 시뮬레이터를 활용한 연구를 중심으로 관련 문헌 고찰을 수행한다.
1. 차량 시뮬레이터 활용에 관한 연구
Hong et al.(2011)은 차량 시뮬레이터와 뇌파 검지기를 활용하여 운전중 정보 제공 유형에 따른 이용자의 심리적 반응 및 만족도를 평가하였다. VMS 제공위치, 제공 내용, 문자 크기, 표출 형식에 따라 운전자들의 스트레스 지수를 뇌파 검지기를 활용하여 산출하였다. 산출된 결과를 분석해 운전자의 심리적 반응을 분석하였다. VMS를 통해 시간정보를 제공 할 때가 속도정보나 소통정보를 제공할 때보다 스트레스를 덜 받는 것으로 분석하였다. VMS 문자 크기는 운전자의 심리적 만족도에 영향을 끼치지 않는 것으로 분석하였다. 60명의 피실험자로 실험을 수행하였지만, 다양한 운전경력자를 모집하지 못한 한계가 있다. 또한 차량이 없는 가상환경에서 모의 주행을 하였다는 한계점을 갖는다.
Lee et al.(2013)은 차량 시뮬레이터를 활용하여 초보 운전자와 일반 운전자의 운전 행동 특성을 비교 분석하였다. 초보 운전자들이 일반 운전자들에 비해 복잡한 도로 교통 상황에서의 운전경험과 학습 능력이 부족하여 초보 운전자는 일반 운전자들에 비해 복잡한 도로교통 상황에서 운전 수행 능력이 저조한 것으로 분석하였다. 초보 운전자 10명, 일반 운전자 10명을 대상으로 차량 시뮬레이터 실험을 수행하였다. 초보운전자와 일반 운전자의 운전 행동을 분석하는데 표본이 적고, 차량 시뮬레이터에 적응하는 정도가 개개인마다 다를 수 있다는 한계가 존재한다.
Lim et al.(2020)은 차량 시뮬레이터를 활용하여 도시부 양방향 2차로와 4차로 대상을 규제표지(속도제한, 서행, 진입금지, 일시정지)에 대해 아이트래커를 활용하여 설치방법별 주시시간, 준수율 등을 분석하였다. VAS(Visual Attention Service)를 활용하여 시선 주시도를 분석하였다. 분석한 결과 노면표시가 측주식, 문형식 표지판보다 높은 주시율 및 주시도를 보였다. 노면표시가 운전자에게 주행 중 필요한 정보를 효과적으로 제공 할 수 있을 것이라 분석하였다. 차량 시뮬레이터를 활용해 강남의 도심부 도로를 구현하였지만, 차량이 없는 도로 환경에서 노면표시에 대한 시선 주시도를 분석했다는 한계가 있다.
연구 방법
1. 실험 개요
본 연구에서는 차내 장비의 적정 위험상황 정보제공 위치를 도출하기 위해 차량 시뮬레이터로 구현된 가상 환경에서 아이트래커를 활용해 주행 중 운전자의 시선 움직임을 분석한다. 분석된 시선 움직임 결과를 토대로 적정 위험상황 정보제공 위치를 도출한다. 실험 수행 상세 과정과 목적은 Table 1과 같다.
Table 1.
Detailed process and purpose of conducting experiments
먼저 1) 실험 전 피실험자에게 연구 배경과 실험 진행과정에 대해 설명한다. 실험에 관한 전반적인 내용을 설명한다. 하지만 제공되는 위험상황 정보를 평소보다 의식하지 않도록하기 위해 실험 목적에 대한 설명은 하지 않는다. 다음으로 2)아이트래커를 착용하고 조정(Adjust)과 보정(Calibration) 과정을 거친다. 이는 사람마다 얼굴의 형태, 코의 높이, 동공의 위치가 각각 다르기 때문이다. 조정과 보정 과정을 통해 아이트래커를 착용한 피 실험자의 동공이 아이트래커 카메라 정 가운데 위치하여 정확한 시선 데이터를 수집 할 수 있다. 조정과 보정 과정을 통해 아이트래커로 운전자 시선 움직임 데이터를 수집 할 수 있는 준비가 되면 3) 피실험자가 차량 시뮬레이터에 적응하기 위해 자유롭게 가상환경을 주행 하도록 한다. 테스트 주행이 완료 되면 4) 아이트래커를 착용하고 차량 시뮬레이터 가상환경의 정해진 시나리오대로 주행하여 운전자 시선 움직임 데이터를 수집한다.
본 연구를 위해 구성한 피 실험자는 Table 2와 같다.
Table 2.
Configuration of subjects
| Category | Content | |
| 1 | Number of drivers | Over 30 drivers |
| 2 | Ratio of gender | Male: 80%, Female: 20% |
| 3 | Age | 20s to 50s |
| 4 | Driving experience | Over 3 years |
피실험자는 30명 이상으로 구성하였다. 성비는 남자 80%, 여자 20%로 구성하였고 연령대가 높아질 경우 차량 시뮬레이터의 가상 주행 환경에 적응을 하기 어려울 수 있어, 20대부터 50대까지로 구성하였다. 또한 가상 주행 환경에 적응과 시나리오 대로 정확한 주행을 위해 운전 경력은 3년 이상을 설정하였다.
아이트래커를 착용하고 데이터를 수집하기 위해서는 신체적으로 제한사항이 없는 피실험자여야 한다. 피실험자의 요구 조건은 Table 3과 같다.
Table 3.
Requirement of subjects
| Category | Content | |
| 1 | Glasses | No glasses |
| 2 | Vision | No color blindness, Strabismus, Astigmatism, Nearsighted |
| 3 | Ear | No hearing loss |
아이트래커는 안경과 흡사한 형태로 얼굴에 착용하는 것이기 때문에 안경을 착용한 자는 실험에 참여하기에 제한된다. 단, 안경을 쓰지 않아도 정상적인 주행이 가능한 피실험자는 예외로 하였다. 안경을 쓰지 않더라도 사시, 난시, 근시 같이 눈에 이상이 있는 자는 아이트래커로 운전자 시선 데이터를 수집하기 어렵기 때문에 제외하였다. 또한 가상환경에서 청각적, 시각적으로 위험상황 정보를 제공하기 때문에 실험을 위해 색맹이나 난청 등 위헝상황 정보를 제대로 인지 할 수 없는 피실험자는 제외하도록 하였다.
2. 실험 환경 구성
본 연구에서는 크게 두 가지의 첨단 장비를 활용한다. 하나는 가상 주행환경 주행 실험을 위한 차량 시뮬레이터이고, 또 다른 하나는 운전자 시선 움직임 데이터를 수집하기 위한 아이트래커이다. 첨단 장비를 활용함으로서 실제 환경에서 수행하기 어려운 실험과 얻기 어려운 데이터를 수집하고 분석할 수 있다. 가상환경 주행실험을 위해 구축한 실험 환경 구성은 Table 4와 같다.
Table 4.
Configuration of environment
실제 환경과 똑같은 가상환경 구현을 위해 워크스테이션을 활용하였고, UC-Win/Road 소프트웨어를 활용하였다.
실제 부산 A부두의 항만 야드 배치도와 위성사진, 측량 데이터, 도면을 활용하여 가상 주행환경을 구현하였다. 구성된 가상환경은 Figure 1과 같다.
구현된 가상 환경을 주행할 차량도 실제 차량과 같은 트레일러 차량으로 Figure 2와 같이 구현하고, 경고 발생을 위한 이벤트와 주행 시나리오를 개발하였다. 실제 컨테이너야드와 같이 20ft, 40ft 컨테이너를 3단으로 적재한 높이 약 7m까지 구현하였다.
피실험자가 주행 실험에 집중 할 수 있도록 높은 파티션(2m)을 활용하여 실험 공간을 Figure 3과 같이 구성하였다. 구현된 실험 환경에서 파일럿 테스트를 수행하였다.
파일럿 테스트를 통해 운전자가 조작하는 핸들 스티어링의 민감도, 구현된 가상환경의 현실과의 부합성을 확인하고 보정하였다.
3. 아이트래커 활용 방법
운전자 시선 움직임 분석을 위해 Tobii사의 Tobii Pro Glasses 2를 활용하였다. Tobii Pro Glasses 2를 활용하면 GP(Gaze Position) 데이터, 3GP(3D Gaze Position), GD(Gaze Direction)등 여러 형태의 시선 데이터를 수집할 수 있다. 아이트래커를 착용하고 실험을 진행하면 JSON 파일 형식으로 여러 형태의 데이터 들이 저장된다. 본 연구에서는 운전자 시선 움직임을 위해 저장된 JSON 파일에서 TS(Time Stamp)와 GP 데이터만 추출하여 분석을 수행한다. GP 데이터는 Figure 4와 같이 좌측 상딘이 원점(0,0)이고 우측 하단이 끝점(1,1)로서 0.0000부터 1.0000까지 좌표 값으로 운전자가 바라본 위치 값이 저장이 된다.
JSON 결과 파일에서 GP 데이터를 추출하고 GP 데이터 결과값을 출력하기 위한 모듈을 개발하였다. JAVA 프로그래밍 언어를 활용하여 웹 기반에서 개발하였으며, 결과값을 쉽게 확인할 수 있도록 Scatter Chart와 Heat Map으로 표현하고 출력된 그래프를 그림 파일로 저장할 수 있도록 개발하였다. 개발한 화면은 Figure 5와 같다.
저장된 JSON 결과 데이터중 ts(Time Stamp)와 gp(Gaze position)데이터를 분석하여 그래프 형태로 출력하도록 개발하였다.
연구 결과
본 연구에서 피실험자 30명을 대상으로 구현된 차량 시뮬레이터 환경에서 아이트래커를 착용하고 실험을 수행하였다. 실험에 참여한 피실험자 결과는 Table 5와 같다.
Table 5.
Results of subjects
남녀 성비는 실제 트럭 운전자의 성비를 고려하여 남자를 80% 이상 피실험자로 선정하였고, 연령대는 대한민국 운전자중 가장 많은 비율을 차지하고 있는 30대로 전체 피실험자중 50% 이상 선정하였다.
실험을 통해 각각 주행중 시선 주시율 데이터를 수집하고 개발한 모듈을 활용하여 Heat Map 형태로 결과를 추출하였다. 출력된 Heat Map 형태의 결과는 Figure 6과 같다.
Heat Map 형태로 출력된 운전자 시선 움직임 결과를 보면 피실험자는 주로 4-6개의 권역을 주시하는 것으로 나타났다.
전체 16개 권역을 운전자가 주로 주시하는 6개 권역으로 데이터 가공(Data Reduction)을 수행하였다. 가공한 데이터 결과는 Figure 7과 같다.
가공된 6개 권역별 운전자 시선 주시율을 값으로 나타내면 Table 6과 같다.
Table 6.
Attention rate of subject for each section (unit: %)
가공된 경과로 권역별 주시율 간에 통계적인 차이가 존재하는지 존재하기 위해 유의확률 95%로 일원배치 분산분석(Analysis of Variace, ANOVA)을 수행하였다. 일원배치분산 분석을 위해 다음과 같이 가설을 설정하였다.
- H0 : 운전자의 시선 주시율은 6개 영역 모두 동일하다.
- H1 : 운전자의 시선 주시율이 다른 권역이 적어도 하나 존재한다.
일원배치 분산분석 결과는 Table 7과 같다.
Table 7.
Result of ANOVA (1)
| SS | df | Mean squares | f ratio | p-value | f rejected value | |
| Inter group | 60770.717 | 5 | 12154.143 | 67.065 | 8.87E-39 | 2.266062 |
| Inner group | 31533.833 | 174 | 181.229 | |||
| Total | 92304.550 | 179 |
일원배치 분산분석 결과 F=67.065, p=8.87E-39로 나타났다. F 비가 67.065로 F 기각치 2.266062보다 높고, P값이 8.87E-39로 유의확률 0.05보다 훨씬 작은 값을 보였기에 설정된 가설을 기각한다. 즉, 각 권역간 운전자 주시율 평균의 차이는 존재한다.
ANOVA 분석을 통해 각 권역간 운전자 시선 주시율의 차이가 존재하는 것을 확인하였다. 6개 권역 중 시선 주시율이 가장 높은 권역을 확인하기 위해 Duncan Test로 사후검정을 수행하였다 결과는 Table 8과 같다.
Table 8.
Result of ANOVA (2)
| Section | N | 1 | 2 | 3 |
| 6 | 30 | 3.6667 | - | - |
| 5 | 30 | 3.7667 | - | - |
| 1 | 30 | 5.3667 | - | - |
| 2 | 30 | 6.4667 | - | - |
| 4 | 30 | - | 27.0000 | - |
| 3 | 30 | - | - | 53.4333 |
| Significance probability | 0.471 | 1.0000 | 1.0000 |
사후 검정 결과 총 3개의 집단으로 분류되었다. 권역 6, 권역 5, 권역 1, 권역 2가 동일한 집단으로 분류되었다. 권역 4와 권역 3은 각각 다른 집단으로 분류되었다. 3개의 집단을 비교한 결과 권역 3이 속한 집단 3의 운전자 주시율이 가장 높고, 권역 4가 속한 집단 2, 나머지 4개의 권역들로 이루어진 집단 1순서로 분석되었다.
분석된 통계 결과와 운전자 주행중 주시한 화면을 분석한 결과 운전자는 주행 중 핸들 부 대시보드의 주시율이 가장 높은 것으로 분석되었다. 주행 중 운전자의 정면을 주시하여도 정면 대부분의 시야가 주변시로 파악되기 때문에 주행 중 핸들부 대시보드의 주시율이 가장 높은 것으로 분석되었다.
차량 시뮬레이터로 구현한 가상환경에서 아이트래커를 활용하여 운전자의 시선 움직임 데이터를 수집 하였다. 수집된 운전자의 주행 중 시선 주시율 데이터를 분석하여 주행 중 안전정보 장비의 차내 최적 위치 도출 방안을 개발하였다.
결론
본 연구에서 피실험자 총 30명을 대상으로 차량 시뮬레이터 환경에서 아이트래커를 활용하여 적정 위험 상황 정보 제공방안을 위한 실험을 수행하였다. 운전자 시선 주시율을 수집하기 위한 환경을 구성하고 결과 데이터를 추출하기 위한 프로그램을 개발하였다. 구현된 환경에서 실험을 수행한 16개 권역의 시선 주시율 결과를 주로 주시하는 6개 권역의 결과 데이터로 가공하였다. 가공된 데이터를 유의확률 95%로 일원배치 분산분석을 수행한 결과 권역별 운전자의 주시율의 차이가 존재하는 것을 확인하였다. Duncan Test 사후 분석을 통해 가공된 6개의 권역이 총 3개의 집단으로 형성됨을 확인하였고 권역 3의 주시율이 가장 높은 것으로 분석되었다. 도출된 권역 3은 차량의 핸들부 대시보드 위치로서, 운전자는 주행 중 차량 핸들부 대시보드 위 즉, 운전자의 정면을 주시고 있어도 주변시로 인해 차량 정면의 시야를 다 확인할수 있는 것으로 분석하였다. 본 연구를 통해 항만 내 차량의 안전을 향상 시킬 장비의 위험상황 정보제공 적정 위치를 차량 시뮬레이터 환경에서 아이트래커를 활용하여 도출 가능함을 확인하였다.
현재 항만 안전을 위해 차내 안전 정보 제공 장비가 HUD(Head Up Display) 형태로 개발되고 있다. HUD 형태의 장비가 본 연구를 통해 도출된 곳에 장착이 된다면, 운전자의 시야 방해를 최소화하고, 시거가 확보되지 않은 항만에서 운전자의 주행 안정성을 향상시킬 것이라 기대된다.
본 연구는 트레일러 운전자로 수행하는데 어려움이 있어 일반 운전자와 트레일러 운전자의 주행 행태 및 특성이 크게 다르지 않을 것이라 가정하고, 일반 운전자를 대상으로 실험을 수행했다는 한계점이 존재한다. 향후 실제 트레일러 운전자를 대상으로 진행하여 실험 결과를 비교하면 일반 운전자와 트레일러 운전자의 운전 행태 조사가 가능할 것이다. 또한 운전자 시선 움직임을 이벤트 발생 시점 별로 분석하지 못한 한계가 존재한다. 향후 특정 이벤트 발생 시점의 운전자의 AOI(Area of Interest)등을 분석하면 주행 중 다양한 이벤트 상황 발생에 따른 운전자의 시선 변화 등을 분석할 수 있을 것이다.
향후 실제 주행 중 운전자의 시선 움직임 데이터를 수집하여 가상환경에서 도출된 결과와 분석할 필요가 있다. 또한 도출된 위치에 차내 안전 정보 제공 장치를 장착하고 운전자에게 안전 정보를 제공하였을 때 운전자의 반응과 시거가 확보되지 않은 환경에서 주행 안정성의 향상에 관한 연구도 필요하다.
