자동·수동 운전 전환 시 운전자 시선 동역학 연구

초록

본 연구는 고충실도 운전 시뮬레이터와 눈동자 추적 장치를 활용해 자동, 수동, 전환(핸드오버·테이크오버) 모드에서 운전자가 도로, 중앙거울, 차량 내 HMI, 속도계 등 네 가지 AOI에 어떻게 시선을 배분하는지를 분석하였다. GLMM 결과, 자동 모드에서는 HMI에 장시간 고정이 늘어나고, 수동 모드에서는 도로 시선이 우세했으며, 전환 단계에서는 환경·기술 요소 간 시선이 급격히 전이되는 패턴을 확인했다. 또한 신뢰 수준이 높을수록 자동 모드에서 도로 시선이 감소하고 부수적 작업에 대한 시선이 증가하는 비선형 관계가 드러났다.

상세 분석

본 논문은 자동·수동 운전 전환 시 운전자의 시선 배분을 정량적으로 규명하려는 시도로, 몇 가지 강점과 한계를 동시에 내포하고 있다. 첫째, 34명의 성인 참가자를 대상으로 사전 전력 분석을 통해 0.95 이상의 검정력을 확보했으며, 이는 기존 연구보다 표본 규모가 충분히 큰 편에 속한다. 특히, 자동·수동 전환이 가능한 레벨 3 시뮬레이터와 50 Hz Tobii Pro Glasses 2를 이용한 고해상도 눈동자 데이터 수집은 실험의 내외적 타당성을 높인다.

둘째, 연구는 고전적인 시선 지표(고정 지속시간, 고정 횟수, 최초 고정 시간) 외에 AOI를 ‘윈드실드’와 ‘태블릿’이라는 두 개의 기능적 카테고리로 통합해 분석함으로써 통계적 파워를 강화하고, 실제 운전 상황에서 운전자와 차량 인터페이스 간 시선 경쟁을 직관적으로 파악한다. GLMM(Generalized Linear Mixed Model)을 적용해 피험자 간 랜덤 효과와 고정 효과(운전 모드, AOI, 신뢰 수준)를 동시에 모델링한 점은 복합적인 요인들을 통제하면서도 상호작용을 탐색할 수 있게 한다.

하지만 몇 가지 제한점도 눈에 띈다. 첫째, 실험 환경이 실내 시뮬레이터에 국한돼 있어 실제 도로에서 발생하는 물리적 진동, 조도 변화, 외부 시각 방해 요소를 충분히 재현하지 못한다는 점이다. 이는 특히 자동 모드에서 HMI에 과도하게 집중하는 현상이 실제 주행에서는 다소 감소할 가능성을 시사한다. 둘째, 비운전 과제(NDRT)를 배제한 설계는 연구 목적에 부합하지만, 실제 운전자가 스마트폰, 내비게이션 등 부수적 작업을 수행하는 상황을 반영하지 못한다는 점에서 외적 타당성이 제한된다. 셋째, 신뢰 수준을 사전 설문으로만 측정하고, 실시간 신뢰 변화를 추적하지 않은 점은 신뢰와 시선 간 인과관계를 완전히 규명하기 어렵게 만든다.

결과적으로, 자동 모드에서 HMI 고정이 장시간 지속되는 현상은 운전자 과신과 주의 분산 위험을 경고한다. 전환 단계에서 시선이 도로와 HMI 사이를 빠르게 오가는 패턴은 ‘시선 전이 지연(time‑to‑first‑fixation)’이 테이크오버 성공에 핵심 변수임을 시사한다. 이러한 인사이트는 적응형 HMI 설계—예를 들어, 테이크오버 직전 HMI 시각 부하를 최소화하고, 도로 중심 시선을 유도하는 시각·청각 알림—에 직접 활용될 수 있다. 향후 연구는 실제 도로 테스트와 실시간 신뢰 측정, 그리고 다양한 NDRT 상황을 포함한 다변량 설계를 통해 현재 결과의 일반화를 검증할 필요가 있다.