작성자: Nikolas Williams 박사, Emotiv 소속 연구원.

몇 달 전 저는 8년간의 해외 생활을 마치고 미국으로 돌아왔습니다. 다시 처음부터 시작한다는 것은 생활하는 데 필요한 물건들을 전부 새로 사야 한다는 뜻이었습니다. 소파, 침대, 식탁과 더불어 당연히 차도 한 대 필요했죠. 제 나름대로 재정에 밝은 사람이라 자부하기 때문에 부담 없는 구형 저렴한 모델들만 골라 찾아보았습니다. 하지만 이내 치솟은 가격과 턱없이 부족한 매물에 실망했습니다. 2021년의 중고차 시장 상황은 결국 저를 신차 구매로 내몰았고, 저 또한 결국 새 차를 사게 되었습니다. 개인 재정 원칙을 어겼다는 불만은 제 토요타 SUV 새 차가 주는 편안함과 다양한 기능들에 빠져 금세 한없는 열정으로 바뀌고 말았습니다.

특히 예전에 글에서만 접했던 자율 주행 기능이 신기했습니다. 조향 지원 장치와 전방 주행을 도와주는 레이더 덕분에 장거리 운전도 훨씬 더 편해졌습니다. 운전 시 도로를 계속 주시하고 스티어링 휠 위에 가볍게 손을 얹어두기만 하면, 거의 자동차 스스로 가는 셈이 되니까요. 충돌 방지 시스템, 사각지대 주차 모니터, 후방 카메라는 물론 지나가는 사람이 부딪히지 않도록 인지하는 경보 장치들을 더하면, 이 자동차는 지난 10년 넘게 제가 타 왔던 구형 모델보다 훨씬 안전합니다.

물론 오늘날의 자동차들이 완전히 스스로 알아서 운전하는 것은 아닙니다. 훌륭한 자율 주행과 안전 기능을 갖추고 있지만, 여전히 운전자의 개입과 때로는 비상 대응이 필요합니다. 운전에서 사람의 통제를 완전히 배제하기까지는 아직 갈 길이 멀며, 자동차 사고와 인명 피해의 주된 책임도 바로 사람에게 있습니다. 사람들은 운전대를 잡을 때 실수를 저지릅니다. 술을 한잔 걸치고 나서도 운전하기 수월할 것이라 생각하거나, 속도감 자체를 즐기는 사람들, 또는 졸리면 쉬어 가야 함에도 조금만 더 가서 쉬겠다고 생각하는 것 등으로 인해 예방할 수 있었던 수많은 인간의 운전 사고들이 발생합니다.

[block id="cta-shortcode-browse-eeg-headsets-v2"]

미국 고속도로 교통안전국(NHTSA)에 따르면 2019년 한 해 교통사고 사망자는 36,096명이었습니다. 2020년에는 사망자가 더 증가해 약 38,000명을 넘은 것으로 추산되고 있습니다 [1]. 이 중 대부분은 위험한 운전 습관 때문이며 충분히 예방 가능했습니다. NHTSA가 지목한 위험 차량 운전의 6가지 유형은 과속, 음주 및 약물 운전, 안전띠 미착용(또는 부적절한 착용), 주의 산만 운전, 졸음운전 등입니다. 과속 및 음주 운전 등에 따르는 인명 손실이 전체의 3분의 2에 육박하기 때문에, 다양한 예방 캠페인들이 당연히 이 두 위험에 우선 집중되어 왔습니다. 그럼에도 운전자의 부주의와 졸음운전도 무시할 수 없는 수준의 큰 인명 손실을 초래했는데, 2019년 기준 각각 주의 산만으로 3,142명, 그리고 졸음운전으로 697명이 목숨을 잃었습니다 [2].

실험실에서 뇌과학을 활용한 뇌파 주의 집중도 측정

운전석에서의 뇌과학 - 실험실에서 뇌뇌과학을 활용한 뇌파 주의 집중도 측정.

뇌과학자들은 실험설 테스트들을 통해 사람의 주의 수준을 다양하게 측정하고 있습니다. 이 중 대표적인 방법은 우리 뇌에서 뉴런이 활성화될 때 아주 미세한 전기 신호가 발생한다는 사실에 기반합니다. 뇌전도(EEG) 측정을 통해 우리는 뇌가 언제 어디에서 활동하는지에 관한 이 미세 전기의 변동 추이를 측정할 수 있습니다. 뇌파에서 이러한 진동 주파주나 변동 전위가 기록되는 속도를 주파수, 흔히 뇌파(Brain wave)라고 부릅니다. 이 뇌파 진동 속도는 뇌의 인지 영역이나 활동 상태 등을 추측하게 해주는 훌륭한 척도가 됩니다.

예를 들어 초당 14~30회(즉 14~30 Hz) 진동하는 뇌파를 베타(Beta)파라고 부르며, 아주 활동적이고 집중적인 인지 활동 상태와 밀접하게 연계되어 있습니다. 8~13 Hz 영역대의 뇌파는 알파(Alpha)파라고 불리며 주로 편안하고 느긋한 인지 및 수동 주의 활동이 이루어지는 전형적인 상태입니다. 예를 들어 명상을 하는 사람에게서 이 알파파를 쉽게 볼 수 있습니다. 세타(Theta)파는 4~7 Hz 진동이며 사용자가 매우 편안해 하거나 살짝 졸릴 때 나타납니다. 델타(Delta)파(1~4 Hz)는 가장 느린 파형으로 깊이 잠을 잘 때 주로 노출되는 뇌파입니다.

관련 뉴스 보기: EEG 뇌파 사용 지침 입문서

실험 환경에서 과학자들은 대상 업무를 수행할 때 뇌파의 발생 시간, 크기, 주파수 분포 등을 정밀 측정해 사람의 집중도가 상향되는지 또는 흐트러졌는지를 구분해 내고 있습니다. 가령 집중하고 있는 인물에게 특정 시청각 돌발 이벤트를 제시하면, 뇌는 이벤트가 촉발된 후 약 300 ms(밀리초) 전후 시점에 거대한 형태의 뇌파 반응 진동인 P300 진동을 특징적으로 보여 줍니다 [3]. 마찬가지로 알파 진동 수치 저하는 대상자가 무엇인가에 더욱 깊이 주시하고 있음을 암시하기도 합니다 [4]. 졸음이 몰려오는 것 또한 델타파, 세타파, 알파파 진동 등의 패턴 변화를 통하여 뇌전도 상으로 또렷하게 감지될 수 있습니다 [5].

그렇다면 실제 차량 내부에서 운전자의 주위를 어떻게 측정할까요?

자동차 내부의 행동 추적 기술(카메라 등의 수단)을 활용하여 주시 집중도나 졸음 지수를 알아볼 수 있습니다. 카메라 렌즈가 주사를 통해 운전자 동공 거동 및 전방 주시 유무를 확인하는 것처럼 말입니다. 또한 스티어링 휠에서 머리가 기울어지거나 고개가 흔들리는 것만 파악하여 수면 상태를 알리는 도구를 제공하기도 합니다. 하지만 운전자가 단지 시선의 위치를 전방에 두고 머리가 끄덕이지 않는다고 해서 집중력이 흐려지지 않았다거나 육체 피로가 없다고 확신하기는 어렵습니다. EEG 장비는 신체의 위험 전조 상태 판단을 직접 보강해 줄 수 있습니다. 즉 행동으로 특징이 직접 표출되기 전 시점에도 이러한 반응 유도를 먼저 잡아 분석해 낼 수 있는 능력이 있기 때문입니다.

운전석에서의 뇌과학 - EEG 는 행동으로 특징이 직접 표출되기 전에 이러한 반응 유도를 먼저 잡아 분석해 낼 수 있는 능력이 있어 신체의 위험 전조 상태 판단을 직접 보강해 줄 수 있습니다.

지난 2020년, 연구팀은 시판되고 있는 상용 EEG 헤드셋들을 통해 실제 시간으로 졸음을 방지할 수 있는지에 관한 체계적인 논문 리뷰를 진행했습니다 [6]. 이 분석 결과 이 같은 유형의 연구에 독보적으로 많이 쓰인 상용 장비 브랜드는 Emotiv 였으며 그 뒤를 이어 Neurosky, Interaxon, OpenBCI 장비 순으로 확인되었습니다. 졸음을 측정할 때 기본적인 수준의 뇌파 주파수 파형 정보를 통해서도 측정이 달성되는 점을 알렸습니다. 하지만, 많은 사례들에서 “알고리즘적 개선 또한 여전히 필요”한 부분이라고 명시했는데, 이는 머신러닝 방식 등이 가미된 알고리즘을 사용했을 때 탐지 정확도가 유의미하게 향상되는 결과를 낳았기 때문입니다.

범용 EEG 및 머신러닝 최적화 솔루션 활용하여 운전 영역 강화

Emotiv 브랜드는 지난 10년이 넘는 기간 상용화된 EEG 기기 분야의 글로벌 리더 입지를 고수해 왔습니다. 이 개발 과정에서 32-채널 의료용 캡 형태부터 작은 2-채널 형태의 귓속 이어폰형에 이르기까지 무수히 다양한 폼팩터 기술을 성취하여 선보이고 있습니다. MN8 이나 Insight 같은 콤팩트한 초경량 설계들은 일상생활 속에서 웨어러블 두뇌 장비로서 착용할 수 있는 신호탄이 되었습니다. 이러한 유연한 디바이스 장비들을 실제 차량 내부 제어 시스템 단에서 효과적으로 융합해 나간다면, 추후 사람의 감각 피로 인자가 큰 사건으로 이어지거나 촉발되기 이전에 미리 선제적인 제어를 통해 안전을 담보하는 일을 기대해 봄 직합니다.

운전석에서의 뇌과학 - 범용 EEG 및 머신러닝 최적화 솔루션 활용하여 운전 영역 강화.

기기에 EEG 하드웨어를 차량용 장비 시스템으로 완벽히 묶는 것은 단지 실현 부분의 절반에 가깝습니다. 실질적인 주파 신호를 정보화하여 가치를 산출해 내기 위해서는 원시 데이터를 사용하기 알맞은 수치와 매개 변수 형태로 가공하는 체계가 필요합니다. 세련된 최첨단 인공 지능 처리 구조가 개입되어 신호 처리를 통해 사용자가 겪고 있을 뇌 활동 등락 지표 등을 세세하게 판독해 내기 때문입니다. 현재 Emotiv 사에서는 이를 가동하기 위해 7가지 행동 지표(좌절감, 관심 유도, 이완성, 몰입 및 열중, 익사이팅, 주의 집중도, 스트레스 수준 등)를 감지하는 플랫폼을 빌드했습니다. Emotiv 사 엔지니어 전문가들은 연구 중인 뇌과학자들과 머리를 맞대고 검증 과정을 거쳐 특정 상태에 가장 부합하는 최상의 정확성 모델링을 완성했습니다. 현재 자동차 주행 분야를 공략하는 감지 엔진을 위해, Emotiv 브랜드는 실제 기기가 조작되는 드라이빙 가상 툴(Driving Simulator) 속에서 주위 방해 감지 수준을 모니터링하여 미세 보정 작업을 끊임없이 벌이고 있습니다. 이는 호주 Royal Automobile Club(RAC WA)과의 의미 깊은 공동 개발 덕분이었으며 당시 집중이 흐려지면 자율 작동하여 주행 속도를 서서히 스스로 낮춰 주는 ‘집중력 연동형 미래 자동차 디자인’을 성공적으로 입증하기에 이르렀습니다 [7]. 이 협업 과정의 클립 필름과 유의미하게 거두어낸 정밀 관측 실적 결과는 YouTube 채널을 통해 자세히 살펴보실 수 있습니다.

뇌과학 기술이 주도해 갈 진보적인 자율주행의 전망

운전석에서의 뇌과학 - 뇌과학 기술이 주도해 갈 진보적인 자율주행의 전망.

우리가 아는 초창기 자동차의 든든한 보호막이 되어 준 안전벨트, 주행 가드 레일 노면 요철 장치부터, 스마트 자동 급제동, 그리고 차선 복귀 제어 기능 등 시대에 발맞춰 수많은 자동차 안전 사양들이 보강되었습니다. 그러나 연간 여전히 수만 명씩 발생하는 교통사고 사상자의 수치는 우리가 가야 할 도로 주행 안전의 지형 구축에는 갈 길이 한참 멀다는 것을 방증합니다. 미래 기술들이 향상될수록 인공 지능 및 사물 인터넷 지원 차량들은 더욱 탄탄하게 사람을 지켜 주겠지만, 결국 기계를 완전 수송 제어하는 조종 파트는 여전히 사람에 가깝고 사람에 의한 돌발 운전 사고 가능성 또한 항시 잔존할 것입니다. 앞으로 다가올 EEG 솔루션들은 미처 사람이 전조 단계에서 알아채기 힘든 아주 작고 세밀한 지각 부주의 징후들을 미세 모니터링 분석하여 실시간 예측 차단 및 대응 개입을 실현하는 가장 촉망받는 패러다임이 될 것입니다.

참고자료

[1] National Center for Statistics and Analysis, “Early estimate of motor vehicle traffic fatalities in 2020.” National Highway Traffic Safety Administration, May 2021. Accessed: Jan. 04, 2022. [Online]. Available: https://crashstats.nhtsa.dot.gov/Api/Public/ViewPublication/813115

[2] National Center for Statistics and Analysis., “Overview of motor vehicle crashes in 2019.” National Highway Traffic Safety Administration, 2020.

[3] S. J. Luck and E. S. Kappenman, The Oxford handbook of event-related potential components. Oxford university press, 2011.

[4] G. Thut, “Alpha-Band Electroencephalographic Activity over Occipital Cortex Indexes Visuospatial Attention Bias and Predicts Visual Target Detection,” J. Neurosci., vol. 26, no. 37, pp. 9494–9502, Sep. 2006, doi: 10.1523/JNEUROSCI.0875-06.2006.

[5] C.-H. Chuang, C.-S. Huang, L.-W. Ko, and C.-T. Lin, “An EEG-based perceptual function integration network for application to drowsy driving,” Knowl.-Based Syst., vol. 80, pp. 143–152, May 2015, doi: 10.1016/j.knosys.2015.01.007.

[6] J. LaRocco, M. D. Le, and D.-G. Paeng, “A Systemic Review of Available Low-Cost EEG Headsets Used for Drowsiness Detection,” Front. Neuroinformatics, vol. 14, p. 42, 2020, doi: 10.3389/fninf.2020.553352.[7] “Australia researchers unveil ‘attention-powered’ car,” 2013. https://phys.org/news/2013-09-australia-unveil-attention-powered-car.html (accessed Jan. 12, 2022).