옥스퍼드 RobotCycle 프로젝트의 최근 연구는 영국 옥스퍼드에서 자전거 도로, 버스 전용 차로, 로터리 등을 주행하는 자전거 운전자의 시선을 정밀하게 측정했습니다. 결과에 따르면 차로의 폭과 분리 정도가 자전거 운전자의 인지 부하에 직접적인 영향을 미치며, 대부분의 자전거 도로는 버스 전용 차로만큼의 안전감을 제공하지 못하는 것으로 나타났습니다.
목차
연구진이 구축한 것
옥스퍼드 대학교 RobotCycle 프로젝트의 연구진은 자전거 운전자에게 모바일 시선 추적기를 장착하고 2024년과 2025년에 걸쳐 수개월간 옥스퍼드 시내를 주행했습니다. 경로는 자전거 도로, 버스 전용 차로, 공용 도로, 로터리, 신호 횡단보도, 무신호 회전, 얼룩말 횡단보도 등이 포함되었습니다. 목표는 실제 교통 상황에서 고해상도 시선 데이터(고정 시간, 수평 시선 분산, 고정 빈도)를 수집하는 것이었습니다.
이 데이터셋은 도시 환경에서 자전거 운전자가 위험을 어떻게 인식하는지 이해하기 위한 더 큰 노력의 일환입니다. 실험실 기반 연구와 달리, 이 작업은 실제 자동차, 버스, 보행자 교통 속에서 자연스러운 주행 행동을 포착합니다. 연구진은 모든 비디오 초를 인프라 유형, 이벤트 유형, 날씨 조건으로 주석 처리했습니다. 그 결과는 도시 계획자, 차량 제조사, 자율 주행 시스템이 자전거 운전자가 실제로 무엇을 보는지, 그리고 무엇이 그들을 안전하거나 스트레스 받게 만드는지 이해하는 데 도움이 되는 풍부하고 개방된 데이터셋입니다.
주요 결과
가장 눈에 띄는 발견은 옥스퍼드의 자전거 도로가 일반 차로에서 주행하는 것에 비해 거의 측정 가능한 안전 이점을 제공하지 않는다는 점입니다. 고정 시간과 시선 분산에서 자전거 도로와 일반 차로 간의 차이는 미미했습니다: 분산은 자전거 도로에서 8.5% 더 컸을 뿐입니다(p < 0.001, Hedges’ g = 0.09, 비율 = 1.085) — 통계적으로 유의미하지만 실질적으로는 작은 차이입니다.
실제 대비는 버스 전용 차로에서 나타났습니다. 버스 전용 차로의 자전거 운전자는 자전거 도로나 일반 차로에 비해 더 긴 고정 시간과 훨씬 낮은 고정 빈도를 보였습니다. 아래 표는 고정 빈도 데이터를 요약합니다:
| 인프라 유형 | 고정 빈도 (분당 고정 횟수) | 해석 |
|---|---|---|
| 자전거 도로 | 142.2 | 빠르고 빈번한 재고정 — 높은 인지 부하 |
| 일반 차로 | 80.5 | 중간 수준의 주시 |
| 버스 전용 차로 | 62.8 | 길고 안정적인 고정 — 낮은 인지 부하 |
자전거 도로는 버스 전용 차로보다 고정 빈도가 두 배 이상 높았습니다. 연구진은 이를 옥스퍼드의 전형적인 자전거 도로(좁고, 보호 페인트가 없으며, 자전거와 자동차를 거의 분리하지 않음) 때문으로 분석합니다. 반면 버스 전용 차로는 넓고, 종종 실선으로 분리되며, 지역 버스 기사들은 도로 공유에 익숙합니다.
고정 시간 자체는 로터리, 횡단보도, 회전과 같은 다양한 이벤트 유형을 신뢰성 있게 구분하지 못했습니다. 이는 자전거 운전자가 어디를 바라보는지가 얼마나 오래 응시하는지보다 더 중요함을 시사합니다.
작동 방식
이 연구는 모바일 시선 추적 시스템(아마도 머리 장착 카메라 및 적외선 센서)을 사용하여 60Hz로 자전거 운전자의 눈 움직임을 기록했습니다. 원시 데이터는 고정(시선이 한 지점에 상대적으로 안정적으로 머무는 기간)을 추출하고 두 가지 주요 지표를 계산하도록 처리되었습니다:
- 고정 시간: 눈이 한 지점에 머무는 시간. 더 긴 고정 시간은 일반적으로 집중된 주의 또는 인지 처리を示します.
- 수평 시선 분산: 수평면에서 시선의 퍼짐. 분산이 클수록 환경을 더 많이 주시함을 의미하며, 종종 위협 인식이나 불확실성 때문입니다.
연구진은 데이터를 로그 변환하여 오른쪽 왜곡을 보정한 후 Welch의 ANOVA로 전체 검정을 수행하고 Games-Howell 사후 비교를 진행했습니다. 효과 크기는 Hedges’ g와 기하 평균 비율로 보고되었습니다.
중요한 세부 사항: 데이터셋은 이용 가능한 인프라가 아닌 자전거가 실제로 있는 위치를 기준으로 인프라를 레이블링합니다. 예를 들어, 자전거 도로가 있지만 자전거가 회전 차로에 있는 경우 해당 구간은 '일반 차로'로 레이블링됩니다. 이는 자전거 운전자가 종종 보호 차로를 벗어나 회전하거나 장애물을 피하는 실제 행동을 반영합니다.
로봇 공학에 중요한 이유
자율 주행 차량이나 공유 공간 로봇을 개발하는 모든 사람에게 자전거 운전자 행동 이해는 중요합니다. 이 논문의 발견은 직접적인 시사점을 제공합니다:
- 인식 시스템: 자율 주행 자동차는 좁은 자전거 도로의 자전거 운전자가 높은 빈도로 빠른 눈 움직임을 보일 것임을 예상해야 합니다. 이는 경계 상태와 잠재적 예측 불가능성을 나타냅니다. 반면 넓은 버스 전용 차로의 자전거 운전자는 더 이완되어 있을 수 있지만 반응성이 낮을 수도 있습니다.
- 내비게이션 계획: 로봇이나 자율 주행 차량이 자전거 운전자의 의도를 예측하려면 시선 지표가 스트레스나 향후 기동의 유용한 대리 지표가 될 수 있습니다. 데이터는 자전거 운전자가 특정 물체(예: 차문이나 회전 차량)에 고정하면 곧 방향을 바꿀 수 있음을 시사합니다.
- 인프라 설계: 창고 로봇이나 자전거와 도로를 공유하는 배달 봇을 고려하는 도시 계획자와 차량 운영자는 이러한 통찰을 활용하여 더 안전한 공유 공간을 설계할 수 있습니다.
더 넓은 RobotCycle 데이터셋은 궁극적으로 도시의 시선 기반 '위험 지도'를 가능하게 하는 것을 목표로 하며, 이는 휴머노이드 로봇이 혼잡한 도시 환경을 탐색하는 데 사용될 수 있습니다.
한계 및 향후 과제
이 연구에는 몇 가지 주목할 만한 한계가 있습니다. 첫째, 단 한 명의 자전거 운전자(연구팀원)만 참여했으며 경로는 다양했지만 개인 행동이 일반화되지 않을 수 있습니다. 둘째, 분석은 두 가지 지표(고정 시간과 시선 분산)로 제한되었습니다. 관성 측정 장치 데이터를 추가하여 머리 움직임을 추적하면 해석이 개선될 수 있습니다.
가장 중요한 것은 연구진이 각 고정 중 자전거 운전자가 무엇을 보고 있는지 확인할 수 없었다는 점입니다. 자전거 운전자가 도로 전방이 아닌 차문을 응시하는 것을 알면 스트레스 예측에 훨씬 도움이 될 것입니다. 팀은 향후 연구에서 시선을 3D 장면 포인트에 투영하여 이 질문에 정확히 답할 계획입니다.
마지막으로, 옥스퍼드의 자전거 도로는 특히 좁고 보호가 없습니다. 분리된 자전거 도로나 더 넓은 차로가 있는 도시에서는 결과가 다를 수 있습니다. 강력한 정책 결론을 내리기 전에 여러 도시와 자전거 운전자를 대상으로 연구를 반복해야 합니다.
자주 묻는 질문
자전거 도로가 정말로 자전거 운전자를 더 안전하게 만들지 않나요? 이 연구에서 자전거 도로는 너무 좁고 자동차 교통과 제대로 분리되지 않아 자전거 운전자의 시선 행동이 일반 차로와 거의 동일했습니다. 넓고 잘 보호된 버스 전용 차로는 명확한 이점을 보여주었습니다.
고정 빈도가 인지 부하에 대해 무엇을 알려주나요? 더 높은 고정 빈도(분당 더 많은 눈 움직임)는 자전거 운전자가 위험이나 불확실성으로 인해 환경을 더 빠르게 주시하고 있음을 시사하며, 이는 더 높은 정신적 작업 부하와 관련됩니다.
이 데이터를 자율 주행 차량 훈련에 사용할 수 있나요? 네. 시선 패턴은 자전거 운전자가 무엇을 중요하게 생각하는지에 대한 기준 진리를 제공합니다. 미래의 자율 시스템은 유사한 시선 모델을 사용하여 실시간으로 자전거 운전자 행동을 예측할 수 있습니다.
연구 중 자전거 운전자의 안전이 위협받았나요? 자전거 운전자는 경험이 풍부한 라이더였으며 모든 교통 법규를 준수했습니다. 이 연구는 실제 교통 상황에서 자연스러운 행동을 기록했지만 위험한 개입은 없었습니다.
결론
옥스퍼드 RobotCycle 시선 추적 연구는 모든 자전거 인프라가 동등하지 않음을 보여줍니다. 버스 전용 차로와 같은 넓고 보호된 차로는 자전거 운전자가 더 길고 편안한 시선으로 주행할 수 있게 하는 반면, 좁은 자전거 도로는 지속적인 빠른 주시를 요구합니다. 이 발견은 도시 계획자에게 경각심을 불러일으키며, 자전거와 도로를 공유하는 로봇 공학이나 자율 시스템을 개발하는 모든 사람에게 귀중한 데이터셋입니다.