A new approach to develop human driver models (HDMs) is proposed in accordance with the drivers` generic human factors, i.e., gender. age, and experience, to develop more realistic vehicle simulations. The HDMs consist of three independent and stepwise models with functioning driver`s information processing stages based on the human factors: constructing drivers` preview distance (PVD) models as a `cognition process`, implementing a finite preview optimal control algorithm as a `decision process`, and differentiating an `operation process` according to neuromuscular efficiency. Eight different groups of 65 drivers with a 2×2×2 within-subject design participated in both the PVD estimates and neuromuscular efficiency tests to develop a set of statistically different HDMs. Regarding the preview distance models, an analysis of covariance (ANCOVA) procedure was adopted with two covariates (i.e., vehicle velocity and road curvature), while analyses of variance (ANOVAs) were performed on the neuromuscular efficiency parameters. The ANCOVA procedure produced eight significantly different cognition processes, whereas the ANOVAs revealed gender differences for the drivers` neuromuscular systems. Moreover, an integrated vehicle simulation was configured with the HDMs using Carsim and Simulink software to observe the differential effects of both the cognition and operation processes on a double-lane-change (DLC) maneuver. During the simulations, gender differences in real-world DLC tests were also identified, especially between the male-senior-expert and the female-young-novice HDMs. The results presented in this study suggest that differentiating HDMs according to human factors is an essential process when utilizing vehicle simulations in the early stage of developing an intelligent vehicle system. In review and application researches, the additional simulations on various drivers` driving patterns and vehicle response using the proposed HDM were conducted for the development of a better HDM that more closely matches actual human behavior. First, the DLC simulation on non feedforward steering input was conducted for the necessity of the PVD models, second, the DLC simulation on existing and recommenced PVD models was conducted for the necessity of the road curvature in the PVD model, third, he DLC simulation without NMS was conducted for the necessity of the neuromuscular system(NMS) in the HDMs. Finally various drivers, i.e., extreme novice, drunk driver and elderly driver, were simulated and evaluated on DLC maneuver.
본 논문에서는 차량 해석을 보다 더 실제 운전 형태와 가깝게 모사하기 위해 성별, 나이, 운전 경험과 같은 기본적인 인간 특성들을 포함하는 인간다운 운전자 모델들(HDMs)을 개발하기 위한 새로운 접근 방법이 제안되었다. 인간다운 운전자 모델들은 인간 특성들에 기반하여 총 3가지의 독립적이고 순차적인 모델들로 구성된다. 첫째가 인간의 인지과정을 대변하는 운전자 주시거리 모델(PVD)의 개발, 둘째가 판단과정을 대변하는 유한 전방 최적제어(finite preview optimal control) 알고리즘의 적용, 셋째가 신경근육계 효율을 고려한 조작과정이 있다. 총 65명의 운전자들은 2×2×2 within-subject 설계방식에 의해 8개의 그룹으로 분류되고, 전방주시거리 측정시험과 신경근육계 효율시험에 참여하였으며, 이 결과를 통해 통계적으로 다른 인간다운 운전자 모델들을 개발하고자 하였다. 전방주시거리 모델을 개발하기 위해 차량 속도와 도로의 곡률의 2가지 변수를 이용한 ANCOVA 절차를 수행하였고, 반면 신경근육계 효율 변수들에 대해서는 ANOVA 절차들을 수행하였다. ANCOVA 절차를 통해 8개의 상호 유의한(다른) 인지과정들을 만들 수 있음을 확인할 수 있었고, 대신 ANOVA 절차를 통해서는 운전자들의 신경근육계 시스템이 성별에만 유의한 특성이 있음이 밝혀졌다. 이중 차선변경 해석을 할 때, 인지 및 조작과정에서 인간 운전자들의 차별화되는 효과를 관찰하기 위해 Carsim 및 Simulink를 이용한 인간다운 운전자 모델을 구성하여 복합적인 차량 해석이 되도록 해석 환경을 구성하였다. 실제 이중 차선변경 시험에서 남녀 간의 차이가 발견되는데, 특히 남성-연장자-숙련자 조합 모델과 여성-청년-초보자 조합 모델의 차이가 해석 상에서도 차별성이 확인되었다. 본 연구에서 제시한 결과인 운전자 특성에 따른 차별화된 인간다운 운전자 모델은 지능형 차량 시스템을 개발하는 초기 단계에서 차량 해석을 이용할 때 필수적으로 사용될 수 있도록 제안하고자 한다. 검토 및 응용 연구를 위해 본 논문에서 제안한 인간다운 운전자 모델을 이용하여 여러 운전자들의 운전 행태와 차량 특성에 대한 해석을 수행하였다. 첫째는 인간다운 운전자 모델에서 non feedforward 조향 입력 해석을 수행하여 주시거리 모델이 필요함을 설명하였고, 둘째는 기존 주시거리 모델과 DLC 비교를 통해 주시거리 모델에 곡률반경의 적용 필요성을 설명하였으며, 셋째는 신경근육계 모델이 있는 운전자 모델과 없는 운전자 모델을 비교하여 신경근육계 모델의 필요성을 설명하였다. 마지막으로 운전 미숙자, 음주 운전자, 노약자를 대변하는 인간다운 운전자 모델을 적용하여 다양한 운전자들의 행태를 예측하였으며, 이를 통해 보다 더 실제 운전자의 운전 행태에 가까운 모델 개발에 도움이 되도록 하였다.
