Virtual Reality-Simulated Interaction Between Micro-Mobility Vehicles and Pedestrians: A Biomechanical Analysis of Human Gait and Movement Responses

기술 요약: 마이크로 모빌리티 차량과 보행자 간의 가상 현실 시뮬레이션 상호작용

문제 정의
전동 킥보드(e-scooter)의 급격한 도입은 공유 보도 및 횡단보도에서 보행자와 마이크로 모빌리티 차량 간의 상호작용을 심화시켜 충돌 위험을 높이고 있습니다. 기존 문헌은 주로 궤적 기반의 관찰과 현장 데이터에 의존하고 있으나, 이러한 상호작용 과정에서 발생하는 보행자의 상세한 생체역학적 보행 반응을 이해하는 데에는 상당한 공백이 존재합니다. 현재의 연구들은 통제된 환경에서 이러한 변수들을 실세계의 혼란 요인으로부터 분리하여, 인지된 충돌 위험이 인간의 보행에서 어떻게 특정한 반사적 운동 적응을 유발하는지에 대한 통찰력을 제공하지 못하고 있습니다.

연구 방법론
본 연구는 몰입형 가상 현실(VR) 환경과 마커리스 포즈 에스티메이션(markerless pose estimation)을 결합하여 보행자의 생체역학적 반응을 정량화하였습니다.

• 참가자: 최종 분석에는 근골격계 질환 및 VR 내성 검사를 통과한 12명의 건강한 남성 대학생(21~23세)이 포함되었습니다.
• 실험 설계: 참가자들은 Meta Quest 3 헤드셋을 통해 제시되는 네 가지의 뚜렷한 VR 시나리오를 통과하며 보행하였습니다.
  1. 기초선(Baseline): 일반적인 보행자 전용 보행.
  2. 조우(Encounter): 10–25 km/h의 속도로 전동 킥보드가 지나감.
  3. 횡단(Crossing): 전동 킥보드가 보행자의 경로를 가로질러 횡단함.
  4. 충돌 직전(Near-Crash): 임박한 충돌 위협을 나타내는 시뮬레이션된 "충돌 돌입" 시나리오.
• 데이터 수집: 힙 높이에 설치된 GoPro HERO 12를 사용하여 30 fps(1080p)로 측면(sagittal-plane) 영상을 녹화하였습니다.
• 분석 파이프라인:
  • 시공간적 매개변수: Kinovea 소프트웨어를 사용하여 두 번의 보행 주기(GC)에 집중하여 수동으로 추출하였습니다. 지표로는 보폭, 보행 주기 시간, 속도, 입각기(stance phase), 유각기(swing phase)가 포함됩니다.
  • 관절 운동학: OpenPose 25-point 모델(BODY_25)을 사용하여 관절 좌표를 검출하는 마커리스 포즈 에스티메이션을 수행하였습니다. 커스텀 JSON 기반 파이프라인을 통해 왼쪽 무릎 관절 궤적을 추출하였습니다. 무릎 각도는 고관절-무릎-발목 좌표를 기반으로 계산되었으며, 노이즈를 줄이기 위해 Savitzky–Golay 필터를 사용하여 평활화되었습니다.
• 통계 분석: 시나리오 간 비교를 위해 GraphPad Prism을 사용하여 ANOVA, MANOVA 및 비모수 검정(Student's t-test)을 통해 데이터를 분석하였습니다.

주요 결과
본 연구는 증가하는 인지된 위협에 따른 통계적으로 유의미한 생체역학적 적응을 확인하였습니다:

• 시공간적 변화:
  • 보폭: 고스트레스 시나리오에서 유의미하게 감소하였습니다. 보폭은 충돌 직전 시뮬레이션 시 기초선 226.5 cm에서 204.7 cm로 감소하였습니다 ($p < 0.001$).
  • 보행 속도: 속도는 충돌 직전 시나리오(71.6 cm/s)에서 기초선(84.5 cm/s) 및 초기 조우 시나리오(92.6 cm/s)에 비해 유의미한 감소를 보였으며, 조우 시나리오와 충돌 직전 시나리오 사이에 매우 유의미한 차이가 있었습니다 ($p = 0.001$).
  • 타이밍: 전체적인 보행 속도와 보행 시간의 변화가 모든 비교에서 항상 통계적으로 유의미했던 것은 아니지만, 참가자들은 스트레스가 높은 조우 상황에서 일관되게 짧은 입각기와 긴 유각기를 나타냈습니다.
• 운동학적 적응:
  • 무릎 관절 각도 궤적은 변화된 굴곡-신전 패턴을 드러냈습니다. 시각적 분석 결과, 횡단 및 충돌 직전 시나리오(시나리오 3 및 4)에서 무릎 각도 진행의 "떨림(jitteriness)"이 관찰되었으며, 이는 제한된 무릎 움직임과 반사적인 자세 조절을 시사합니다.
  • 연구에서는 측면 뷰에서 반대측 하지에 의한 가려짐(occlusion)으로 인해 오른쪽 무릎 관절 데이터의 신뢰도가 낮아, 분석이 주로 왼쪽 하지로 제한되었다는 점을 언급하였습니다.

핵심 기여

1. 위험 인지에 대한 생체역학적 정량화: 본 연구는 물리적 접촉이 없는 상태에서도 보행자의 보행이 마이크로 모빌리티 위협에 측정 가능한 방식으로 적응함을 입증합니다. 이러한 적응(속도 감소, 보폭 단축, 입각기/유격기 비율 변화)은 인지된 충고 위험의 객적인 지표 역할을 합니다.
2. 방법론적 검증: 소비자급 VR 헤드셋, 2D 액션 카메라, 오픈 소스 포즈 에스티메이션(OpenPose)을 결합하여 시뮬레이션된 교통 환경에서 인간의 보행을 정량화하는 워크플로우를 검증하였습니다. 이는 전통적인 마커 기반 동작 포착 시스템에 대한 확장 가능하고 비침습적인 대안을 제공합니다.
3. 위협 의존적 조절: 연구 결과는 보행 조절이 단계적임을 확인합니다. 가장 두드러진 변화는 충돌 직전 시나리오에서 발생하며, 이는 보행자가 충돌 위험이 임박했을 때 주의 깊고 안정화하는 전략을 사용한다는 가설을 뒷받침합니다.

의의 및 주장
저자들은 이러한 발견이 새로운 마이크로 모빌리티 모드에 대한 보행자의 반응에 대한 기초적인 이해를 제공한다고 주장합니다. 식별된 보행 적응은 충돌 위험에 대한 민감한 바이오마커로 활용될 수 있으며, 잠재적으로 다음의 발전을 지원할 수 있습니다:

• 선제적 안전 조치: 마이크로 모빌리티와 보행자 간의 갈등을 완화하는 인프라 설계 및 운영 정책.
• 지능형 제어 시스템: 보행자 행동을 예측하기 위해 이러한 생체역학적 지표를 지능형 마이크로 모빌리티 제어 시스템에 통합.
• 중재 테스트: VR 기반 보행 분석을 사용하여 안전 중재(예: 속도 제한, 경고 시스템)를 평가하기 위한 확장 가능한 템플릿.

본 논문은 작은 규모의 동질적인 표본(건강한 젊은 남성), 두 번의 보행 주기에 국한된 점, 그리고 다관절 협응이나 발목 운동학을 놓칠 수 있는 2D 측면 분석에 대한 의존성 등 한계를 인정하며 신중한 입장을 유지합니다. 저자들은 VR 환경이 현실감을 모사하지만 멀미를 유발할 수 있음을 강조하며, 향후 연구에서는 다양한 인구 집단과 종합적인 분석을 위한 3D 동작 포착을 고려해야 한다고 명시하였습니다.