신호등이 있는 교차로에서 운전자의 행동을 예측하여 교통사고를 줄이는 새로운 인공지능(AI) 모델이 발표되었습니다. 이 연구는 운전자가 신호 변경 시 정지할지, 아니면 통과할지 결정하는 방식과 그에 따른 차량의 종방향(앞뒤) 움직임을 분석하고 예측하는 데 초점을 맞춥니다. 특히 신호 위반이나 급제동은 교통사고의 주요 원인으로 지목되는데, 이 AI 모델은 이러한 위험한 상황을 사전에 파악하는 데 도움을 줄 수 있습니다.
연구팀은 다양한 속도와 거리 조건에서 449개의 실제 주행 데이터를 수집했습니다. 이 데이터에는 센티미터(cm) 수준의 정밀도를 가진 RTK-GNSS로 기록된 차량 움직임은 물론, 운전자의 심박수와 다단계 편안함 등급까지 포함되어 운전자의 생리적, 심리적 상태를 반영했습니다. 통계 분석 결과, 필요한 감속량(required deceleration)이 운전자의 정지/진행 결정에 가장 큰 영향을 미치는 단일 예측 변수임을 밝혀냈습니다. 또한, 최대 감속량에 대한 이분산 가우시안 모델링(heteroscedastic Gaussian modeling)을 통해 인간의 정지 행동에서 파생된 다섯 가지 경험적 편안함 범위를 도출했습니다. 이러한 통찰을 바탕으로 연구팀은 2단계 모델링 프레임워크를 제안했습니다. 1단계에서는 이진 조작 결정(정지 또는 진행)을 예측하고, 2단계에서는 물리적 제약(목표 상태 조건 및 저크(jerk) 한계 포함)이 적용된 의사결정 조건부 자기회귀 트랜스포머(decision-conditioned autoregressive Transformer)를 사용하여 종방향 가속도 궤적을 생성합니다. 이 모델은 기존 기준선(baseline) 방법보다 뛰어난 성능을 보이며, 0.49m/s²의 가속도 평균 절대 오차(MAE)와 0.62m의 거리 MAE를 달성했습니다. 또한, 황색 신호가 시작되는 순간의 스냅샷만으로도 운전자의 미래 정지 편안함 수준을 추정할 수 있습니다.
이러한 운전자 행동 예측 AI는 자율주행 시스템의 안전성을 크게 향상시킬 수 있습니다. 인간 운전자의 복잡하고 미묘한 의사결정 과정을 이해하고 예측함으로써, 자율주행 차량이 더욱 자연스럽고 안전하게 주행할 수 있도록 돕는 것이죠. 특히 교차로와 같이 사고 발생 위험이 높은 구간에서 예측 정확도를 높이는 것은 교통 흐름을 원활하게 하고, 궁극적으로는 인명 피해를 줄이는 데 결정적인 역할을 할 수 있습니다. 연구팀은 데이터셋과 소스 코드를 공개하여 관련 연구 및 개발에 기여할 예정입니다.