점진적 인계 전략을 통한 능동 안전 시스템 통합

초록

본 논문은 위험 수준에 따라 실시간으로 운전 권한을 동적으로 할당하고, 운전 권한을 점진적으로 인계하는 전략을 제안한다. 명백한 위험을 나타내는 TTC와 잠재 위험을 나타내는 시간 여유(TM)를 결합한 위험 평가 알고리즘을 개발하고, 비협조형 MPC와 신뢰 행렬 업데이트를 이용해 운전자와 능동 안전 시스템 간의 충돌을 해결한다. 시뮬레이션 결과, 제안된 알고리즘이 기존 TTC 기반 방법보다 ROC 성능이 우수하고, 점진적 인계가 원활히 이루어짐을 확인하였다.

상세 분석

본 연구는 운전자의 인계 상황을 보다 현실적으로 모델링하기 위해 두 가지 위험 지표를 동시에 활용한다. 첫 번째는 전통적으로 사용되어 온 TTC(Time‑to‑Collision)로, 충돌이 임박했을 때 즉각적인 개입이 필요함을 나타낸다. 그러나 TTC만으로는 운전자가 이미 위험을 인지하고 대비하고 있는지를 판단하기 어렵다. 이를 보완하기 위해 저자들은 ‘시간 여유(Time Margin, TM)’라는 개념을 도입하였다. TM은 목표 차량이 급제동할 경우, 현재 차량이 브레이크를 밟아야 하는 시점을 예측한 값으로, 잠재적인 위험을 정량화한다. 즉, 운전자가 아직 위험을 감지하지 못했지만, 시스템이 미리 대비할 수 있는 여지를 제공한다.

위험 평가 알고리즘은 TTC와 TM을 각각 ‘명백 위험(obvious risk)’과 ‘잠재 위험(potential risk)’으로 분류하고, 이 두 값을 가중합하거나 다중 기준 의사결정 기법을 적용해 종합 위험 점수를 산출한다. 저자들은 자연주의 운전 데이터셋을 활용해 다양한 위험 상황에서 운전자의 행동 패턴을 분석했으며, 이를 통해 위험 점수 임계값을 최적화하였다. ROC 분석 결과, 제안된 위험 평가 모델은 TTC 단독 모델에 비해 AUC가 현저히 상승했으며, 특히 낮은 위험 구간에서 오탐률을 크게 감소시켰다.

운전 권한 인계 단계에서는 비협조형 모델 예측 제어(non‑cooperative MPC)를 채택하였다. 운전자와 능동 안전 시스템을 각각 독립적인 플레이어로 모델링하고, 각 플레이어는 자신의 목적 함수(운전 편의성 vs. 안전성)를 최소화한다. 이때 두 플레이어 간의 충돌은 게임 이론적 프레임워크를 통해 해결되며, Nash 균형을 찾는 것이 핵심 과제가 된다. 기존 연구에서는 반복적인 최적화 과정을 통해 균형을 탐색했지만, 저자들은 ‘비반복(non‑iterative)’ 방법을 제안한다. 구체적으로, 각 플레이어의 최적 제어 입력을 선형화하고, 라그랑주 승수를 이용해 제약 조건을 동시에 만족시키는 해를 직접 계산한다. 이 접근법은 계산 복잡도를 크게 낮추면서도 실시간 적용이 가능하도록 한다.

인계 과정의 부드러움을 확보하기 위해 ‘신뢰 행렬(confidence matrix)’을 도입하였다. 시스템은 운전자의 현재 행동과 위험 점수에 기반해 신뢰도를 업데이트하고, 신뢰도가 일정 임계값을 초과하면 권한을 점진적으로 전환한다. 행렬의 각 원소는 운전자와 시스템 간의 협력 정도를 나타내며, 시간에 따라 가중치가 조정된다. 이를 통해 급격한 권한 전환으로 인한 운전자의 혼란을 최소화하고, 자연스러운 인계 흐름을 구현한다.

시뮬레이션 실험에서는 다양한 시나리오(전방 급정거, 차선 변경, 급가속 등)를 설정하고, 제안된 전략과 기존 급격 인계 전략을 비교하였다. 결과는 위험 평가 정확도, 인계 시간, 운전자 반응 시간, 그리고 전체 충돌 회피율 측면에서 모두 우수함을 보여준다. 특히, 위험이 고조되는 초기 단계에서 시스템이 미리 권한을 확보함으로써 충돌 회피 성공률이 12% 이상 향상되었다.

전체적으로 본 논문은 위험 인식, 게임 이론 기반 제어, 그리고 신뢰 기반 인계 메커니즘을 통합함으로써 능동 안전 시스템이 운전자와 협력적으로 작동할 수 있는 새로운 패러다임을 제시한다. 향후 실제 차량에 적용하기 위해서는 센서 신뢰성, 통신 지연, 그리고 운전자 개인 차이를 고려한 맞춤형 파라미터 튜닝이 필요할 것으로 보인다.