From Raw Gaze to Meaningful Features: Assessment of Visual Behavior in Driving Simulator

논문 요약: 운전 시뮬레이터에서의 시각적 행동 평가를 위한 단일 센서 다중 파라미터 안구 추적 접근법

1. 연구 배경 및 문제 제기 (Problem)

• 배경: 운전은 복잡한 다중 작업 활동이며, 시각적 주의 (Visual Attention) 는 안전 운전의 핵심 요소입니다. 특히 안구 운동 (Saccade, Fixation, Blink) 은 운전자의 인지 및 지각 처리 상태를 반영하는 중요한 지표입니다.
• 문제점:
  • 기존 안구 추적 연구는 대부분 맑은 날씨 (Normal Visibility) 조건에 집중되어 있어, 안개 등 시정 감소 (Reduced Visibility) 조건에서 운전자의 안구 운동이 어떻게 적응하는지에 대한 이해가 부족합니다.
  • 현재의 운전자 모니터링 시스템은 주로 단일 지표 (예: 깜빡임 빈도, 고정 시간 등) 에 의존하는데, 이는 안개와 같은 가시성 저하 상황에서 발생하는 복합적인 시각적 부하 (Visual Strain) 를 포괄적으로 파악하지 못합니다.
  • 안개 상황에서는 운전자가 시각 정보를 유지하기 위해 깜빡임을 억제하고, 시선 분산 (Gaze Dispersion) 및 안구 운동 패턴을 동시에 변화시킬 수 있으나, 기존 단일 모드 시스템은 이를 감지하지 못합니다.

2. 연구 방법론 (Methodology)

• 실험 설계:
  • 환경: 슬로베니아 류블랴나 대학교의 모션 기반 운전 시뮬레이터 (SCANeR Studio 사용, 145° 시야각, HD 해상도).
  • 참가자: 24 명 (21~42 세, 정상 또는 교정 시력 보유).
  • 조건 (3 단계):
    1. Baseline: 15 분간 정좌 및 휴식.
    2. Ride: 정상 가시성 조건에서 고속도로 주행 (~10 분).
    3. Fog: 주행 중 갑자기 안개가 끼어 가시성이 급격히 저하되는 조건 (~2 분).
• 데이터 수집:
  • 센서: Tobii Pro Glasses 3 (샘플링 주파수 100Hz).
  • 전처리: MATLAB R2021a 사용. 결측치 제거, Savitzky-Golay 필터 (3 차, 110ms 윈도우) 를 통한 노이즈 제거.
• 추출된 파라미터 (31 개, 3 가지 그룹):
  1. Saccade Parameters (SP): 안구 운동 역학 및 시각 탐색 전략 분석 (진폭, 지속 시간, 피크 속도, 고정 시간 등).
  2. Bivariate Contour Ellipse Area (BCEA): 시선 분산의 공간적 측정 및 주의 안정성 평가.
     • 기존 BCEA 외에 **Guzik's Index (GI)**라는 새로운 지표를 도입하여 BCEA 타원의 주축을 따라 고정된 시선의 비대칭성 (Asymmetry) 을 정량화했습니다.
     • MSE, 엔트로피 (Sample/Approximate Entropy) 등 추가 지표 포함.
  3. Blinking Parameters (BP): 피로도 및 주의력 변화 지표 (깜빡임 지속 시간, 빈도, 분당 횟수).
• 통계 분석:
  • 반복 측정 ANOVA (파라메트릭) 및 Friedman 검정 (논파라메트릭) 수행.
  • Benjamini-Hochberg FDR 보정 적용.
  • 사후 분석 (Pairwise comparisons) 을 통해 Baseline, Ride, Fog 조건 간 차이 검증.

3. 주요 결과 (Key Results)

• Saccade (안구 운동) 특성:
  • Ride/Fog vs Baseline: 주행 중 (Ride, Fog) 에는 고정 시간 (Fixation Duration) 이 유의하게 짧아지고, 안구 운동 횟수는 감소했습니다. 이는 운전 중 빠른 시각 샘플링이 필요함을 시사합니다.
  • Ride vs Fog: 안개 조건에서 안구 운동 진폭 (Amplitude) 이 증가하는 등 일부 변화가 있었으나, 피크 속도 (Peak Velocity) 등 대부분의 Saccade 파라미터는 Ride와 Fog 간 통계적으로 유의미한 차이가 적었습니다 (13 개 중 1 개만 유의).
• BCEA (시선 분산) 특성:
  • 가시성 저하의 영향: Ride 및 Fog 조건에서 BCEA 값이 Baseline 대비 유의하게 감소했습니다 (시선이 더 집중됨).
  • Ride vs Fog: 안개 (Fog) 조건에서 시선 분산이 Ride 조건보다 더 크게 감소했습니다 (9 개 중 9 개 파라미터에서 유의미한 차이). 이는 운전자가 안개 속에서는 시선을 더욱 좁게 집중 (Narrowing) 하여 안정성을 유지함을 의미합니다.
  • Guzik's Index (GI): 주행 중 시선 분산의 비대칭성이 감소하는 경향을 보였으며, 이는 운전 중 시선 패턴이 더 예측 가능하고 구조화됨을 나타냅니다.
• Blinking (깜빡임) 특성:
  • Ride/Fog vs Baseline: 주행 중에는 깜빡임 지속 시간이 짧아지고, 빈도는 증가했습니다.
  • Ride vs Fog: 안개 조건에서는 깜빡임 빈도가 Ride 조건보다 유의하게 더 높았습니다 (4 개 중 4 개 파라미터에서 유의). 이는 안개와 같은 가시성 저하 환경에서 운전자가 시각 정보를 확보하기 위해 더 빈번하게 (하지만 짧게) 눈을 감는 전략을 취함을 보여줍니다.

4. 주요 기여 및 혁신성 (Key Contributions)

1. 단일 센서 다중 파라미터 접근법: 하나의 안구 추적기 (Eye Tracker) 만으로 Saccade, BCEA, Blink 등 3 가지 차원의 데이터를 통합하여 운전자의 시각적 행동을 종합적으로 평가하는 프레임워크를 제시했습니다.
2. 새로운 지표 (Guzik's Index, GI) 도입: 기존 요약 통계로는 포착하기 어려운 시선 분산의 방향적 비대칭성을 정량화하여, 고정 행동의 불안정성이나 방향성을 감지하는 민감도를 높였습니다.
3. 가시성 저하 조건에 대한 심층 분석: 안개와 같은 저가시성 환경에서 운전자가 안구 운동을 어떻게 적응적으로 조절하는지 (시선 집중 강화, 깜빡임 패턴 변화 등) 를 체계적으로 규명했습니다.
4. 오픈 소스 데이터 및 코드: 분석에 사용된 전처리 코드, I-VT 알고리즘 구현, BCEA 계산, 엔트로피 측정 및 익명화된 데이터셋을 GitHub 및 Zenodo 를 통해 공개하여 연구의 재현성 (Reproducibility) 을 확보했습니다.

5. 의의 및 응용 (Significance)

• 적응형 HCI 및 ADAS 개발: 이 연구 결과는 가시성 저하 조건에서 운전자의 시각적 주의 변화를 감지할 수 있는 강력한 지표를 제공합니다. 이를 통해 운전자의 인지 부하 (Workload) 나 시각적 스트레스를 실시간으로 감지하여, 디스플레이 단순화, 경고 지연, 텍스트 크기 조절 등 상황에 적응하는 (Adaptive) 차량 인터페이스를 설계하는 데 기여할 수 있습니다.
• 안전 운전 평가: 단일 센서 기반의 비침습적 (Non-intrusive) 모니터링 시스템이 실제 도로 환경의 가시성 저하 조건에서도 효과적으로 운전자의 상태를 평가할 수 있음을 입증했습니다.
• 향후 연구 방향: 머신러닝 기반의 안구 운동 분류, 다양한 시나리오 (도로 형태, 교통량) 에 대한 비교 연구, 그리고 눈 openness 신호를 활용한 피로도 감지 정확도 향상 등으로 확장 가능합니다.

결론적으로, 본 연구는 단순한 안구 추적 데이터를 넘어, 가시성 변화에 따른 운전자의 복잡한 시각적 적응 메커니즘을 다각도로 해석할 수 있는 정량적 프레임워크를 제시함으로써, 더 안전하고 지능적인 차량 인간 - 컴퓨터 상호작용 (HCI) 시스템 개발의 기초를 마련했습니다.