[논문 리뷰] Gentlemen on the Road: Understanding How Pedestrians Interpret Yielding Behavior of Autonomous Vehicles using Machine Learning

Yoon Kyung Lee, Yong-Eun Rhee외 2명|arXiv (Cornell University)|2020. 05. 16.

Autonomous Vehicle Technology and Safety참고 문헌 41인용 수 4

한 줄 요약

이 연구는 39명의 참가자가 참여한 가상현실 실험을 통해 자율주행차(AV)의 양보 행동과 차량 크기가 보행자 신뢰도 및 횡단 행동에 미치는 영향을 조사한다. 머신러닝을 활용해 머리 방향 패턴을 분류한 결과, 보행자는 양보하지 않는 큰 AV에 가장 집중하며, 양보 행동과 차량 크기 양측 모두가 인식된 안전도와 횡단 결정에 유의미한 영향을 미친다.

ABSTRACT

Autonomous vehicles (AVs) can prevent collisions by understanding pedestrian intention. We conducted a virtual reality experiment with 39 participants and measured crossing times (seconds) and head orientation (yaw degrees). We manipulated AV yielding behavior (no-yield, slow-yield, and fast-yield) and the AV size (small, medium, and large). Using machine learning approach, we classified head orientation change of pedestrians by time into 6 clusters of patterns. Results indicate that pedestrian head orientation change was influenced by AV yielding behavior as well as the size of the AV. Participants fixated on the front most of the time even when the car approached near. Participants changed head orientation most frequently when a large size AV did not yield (no-yield). In post-experiment interviews, participants reported that yielding behavior and size affected their decision to cross and perceived safety. For autonomous vehicles to be perceived more safe and trustful, vehicle-specific factors such as size and yielding behavior should be considered in the designing process.

연구 동기 및 목표

• 보행자가 실시간 상호작용에서 자율주행차의 양보 행동을 어떻게 해석하는지 이해하기 위해.
• AV 크기(소형, 중형, 대형)가 보행자의 인식과 행동에 미치는 영향을 조사하기 위해.
• AV 만남 중 머리 방향 추적을 통해 보행자의 주의 패턴을 규명하기 위해.
• 주관적 안전도, 양보 행동, 횡단 결정 간의 관계를 정량적 및 정성적 데이터를 통해 탐색하기 위해.
• 차량 특성 요소가 보행자 신뢰도와 안전도 인식을 향상시키는 데 기여하는 요소를 특정하여 AV 설계에 기여하기 위해.

제안 방법

• 39명의 참가자가 참여한 통제된 가상현실 실험을 실시하여, 세 가지 양보 행동(비양보, 천천히 양보, 빠르게 양보)을 보이는 AV에 노출시켰다.
• 차량 크기를 세 수준(소형, 중형, 대형)으로 다양화하여 3×3 실험 설계(크기 × 양보 행동)를 구현하였다.
• AV 접근 시 횡단 시간(초 단위)과 머리 방향(요 각도)의 실시간 데이터를 수집하였다.
• 머리 방향 변화를 시간에 따라 여섯 가지 구분된 행동 패턴으로 군집화하기 위해 머신러닝을 적용하였다.
• 실험 후 인터뷰를 통해 주관적 안전도 및 횡단 결정에 대한 정성적 통찰을 확보하였다.
• 정량적 행동 데이터와 정성적 피드백을 통합하여 AV 특성의 보행자 행동에 미치는 영향을 분석하였다.

실험 결과

연구 질문

• RQ1 자율주행차의 양보 행동(비양보, 천천히 양보, 빠르게 양보)이 보행자의 횡단 결정과 주의 패턴에 어떤 영향을 미치는가?
• RQ2 자율주행차의 물리적 크기(소형, 중형, 대형)가 보행자의 안전도 인식과 횡단 의사에 얼마나 큰 영향을 미치는가?
• RQ3 다른 양보 행동과 크기를 가진 자율주행차에 접근할 때 보행자가 보이는 머리 방향 변화 패턴은 어떠한가?
• RQ4 보행자의 주관적 안전도 및 신뢰도 인식이 횡단 시간과 머리 움직임과 같은 객관적 행동 지표와 어떻게 상관관계가 있는가?
• RQ5 차량 특성 요소 중에서(크기와 양보 행동) 보행자 신뢰도에 가장 크게 영향을 미치는 요소는 무엇인가?

주요 결과

• 보행자는 차량이 가까이 다가오더라도 대부분의 시간 동안 AV의 앞부분을 주시하였다.
• 비양보하는 큰 AV에서 머리 방향 변화 빈도가 가장 높았으며, 이는 경각심과 잠재적 위협 인식을 반영한다.
• 참가자들은 양보 행동과 AV 크기가 횡단 결정 및 안전도 인식에 유의미한 영향을 미친다고 보고하였다.
• 머신러닝을 통해 머리 방향 변화를 여섯 가지 시간적 군집으로 성공적으로 분류하였으며, AV 상호작용 중 동적인 주의 패턴을 규명하였다.
• 빠르게 양보하는 AV는 더 높은 안전도 인식과 연관되었고, 비양보하는 큰 AV는 가장 경계심이 많고 주의를 기울이는 보행자 반응을 유도하였다.
• 차량 크기와 양보 행동의 조합은 개별적으로 고려할 때보다 보행자 행동에 더 강한 영향을 미쳤다.