운전석에 있는 신경과학

저자: 닉올라스 윌리엄스 박사, EMOTIV 연구 과학자.

몇 달 전, 저는 8년 동안 해외에 살다 미국으로 돌아왔습니다. 다시 시작하는 것의 일환으로, 삶에 필요한 모든 것을 구매해야 했습니다. 소파, 침대, 식탁 외에도 물론 차가 필요했습니다. 재정적으로 꿰뚫어 보는 사람이라고 생각했기 때문에, 저는 구형의 경제적인 모델만을 찾으려고 했지만, 가격 폭등과 재고 부족에 의해 금세 낙담하게 되었습니다. 2021년도 중고차 시장은 저를 새차를 사도록 강요했습니다. 결국 그렇게 했습니다. 기본적인 개인 금전 관리 원칙을 위반한 것에 대한 실망은 제 새 토요타 SUV의 편안함과 기능에 대한 열정으로 빠르게 대체되었습니다.

저는 특히 지금까지 읽기만 했던 자율주행 기능에 매료되었습니다. 보조 조향과 전방 레이더 덕분에 긴 거리 운전이 쉬워졌습니다. 저는 도로에 시선을 두고 한 손은 핸들 위에 올려 놓기만 하면 제 차가 사실상 스스로 운전을 했습니다. 충돌 회피, 사각지대 모니터링, 뒤쪽 카메라와 경고 시스템을 고려하면, 이 새 차는 제가 지난 10년 간 운전해온 구형 모델차들보다 객관적으로 몇 배는 더 안전했습니다.

차는 물론 아직 스스로 운전하지 않습니다. 자율주행 및 안전 기능이 멋지긴 하지만, 차량은 여전히 운전자의 감독이 필요하며 필요할 때는 개입이 필요합니다. 인간이 운전에서 차지하는 요소를 제거하는 데는 긴 시간이 걸립니다. 이 요소가 자동차 사고와 사망의 주요 원인입니다. 인간은 운전 중 실수를 합니다. 음주 후 차량 운영이 좋은 생각이라고 생각하든지, 속도를 내는 것이 재미있다고 생각하든지, 피곤한 자신을 쉬게 하려고 차를 좀 더 움직이려고 하든지간에, 인간은 많은 예방 가능한 자동차 사고를 일으킵니다.

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

국립 고속도로 교통 안전 국(NHTSA)에 따르면, 2019년에는 36,096명의 교통사고 사망자가 있었습니다. 2020년에는 사망자가 38,000명이 넘을 것으로 추정됩니다 [1]. 이 중 상당 부분은 위험한 운전에 기인하며 따라서 예방 가능합니다. NHTSA는 위험한 운전의 여섯 가지 유형을 확인했습니다: 과속, 음주 및 약물 영향을 받은 운전, 안전벨트를 착용하지 않거나 잘못 착용하기, 주의 분산 운전 및 졸음 운전. 모든 교통 사망자의 3분의 2가 과속과 영향받은 운전에 기인하므로, 많은 개입 캠페인이 이러한 위험에 주목하고 있습니다. 그러나 주의 분산 및 졸음 운전은 2019년에 3,142명의 주의 분산 관련 사망자와 697명의 졸음 관련 사망자를 발생시켜 유의미한 사망자를 초래합니다 [2].

실험실에서 주의력을 측정하기 위한 신경과학 활용

운전석의 신경과학 - 실험실에서 주의력을 측정하기 위해 신경과학을 활용합니다.

신경과학자는 실험실에서 주의를 측정하기 위해 다양한 방법을 활용합니다. 이 방법 중 하나는 우리 뇌가 뉴런이 활동할 때 미세한 양의 전기를 방출한다는 사실을 활용합니다. EEG(뇌파계)를 사용하여 이러한 전기의 변화를 측정하여 뇌가 언제, 어디서 활동하는지 이해할 수 있습니다. 이러한 전기 변동이 발생하는 속도 또는 주파수를 진동이나 일반적으로는 뇌파라고 합니다. 뇌파의 주파수는 정신 상태나 과정을 이해하는 데 통찰을 제공합니다.

예를 들어, 초당 14~30회(또는 14~30Hz) 진동을 하는 뇌파는 베타파로 알려져 있으며 높은 수준의 정신 참여와 관련이 있습니다. 8~13Hz 범위의 진동은 알파파로 알려져 있으며 일반적으로 이완이나 수동적 주의가 필요한 시기에 존재합니다. 예를 들어, 명상하는 동안 사람에게서 종종 알파파가 나타납니다. 세타파는 4~7Hz의 진동이며 사람이 깊이 이완하거나 졸릴 때 나타납니다. 가장 느린 파동은 델타파(1~4Hz)로, 사람이 깊이 자고 있을 때 관찰됩니다.

관련 포스트 보기 EEG 소개 가이드

실험실에서 과학자는 작업 중에 개인의 마음이 집중되어 있는지 또는 집중되어 있지 않은지를 확인하기 위해 뇌파의 타이밍, 크기 및 주파수를 측정할 수 있습니다. 예를 들어, 사용자가 무엇인가를 보고 듣고 있을 때, 그들의 EEG는 P300이라는 매우 특정한 반응을 보입니다. P300은 객체가 나타난 약 300ms 후에 발생하는 큰 진폭의 파동입니다 [3]. 마찬가지로 알파 진동이 감소하면 누군가가 무언가에 집중하고 있다는 것을 나타낼 수 있습니다 [4]. 졸음 또한 델타, 세타 및 알파 진동의 변화로 감지 가능한 EEG 시그니처를 만들어냅니다 [5].

차에서 주의력을 어떻게 측정할 수 있을까?

차량에서는 행동 방법을 사용하여 주의력 및 졸음을 측정할 수 있습니다. 예를 들어, 카메라는 운전자의 눈을 추적하여 그들이 도로를 보고 있는지 확인할 수 있습니다. 마찬가지로 카메라는 운전자의 머리가 끄덕여지기 시작할 때 졸린 것을 감지할 수 있습니다. 하지만 사람이 도로를 보고 있다 하더라도, 또는 머리가 처지지 않더라도 그들이 주의를 기울이고 있거나 피로하지 않다는 것을 의미하지 않습니다. EEG는 이러한 위험한 상태를 감지하는 것을 보완할 수 있습니다. 행동적으로 감지되기 전에 그것들을 예측할 수도 있습니다.

운전석의 신경과학 - EEG는 이러한 위험 상태의 감지를 보완할 수 있습니다. 행동적으로 감지되기 전에 예측할 수도 있습니다.

2020년, 연구자들은 실시간 졸음 감지를 위해 상용 EEG 헤드셋을 사용한 연구들의 체계적인 리뷰를 수행했습니다 [6]. 그들은 이러한 유형의 연구에서 가장 많이 사용되는 헤드셋이 EMOTIV에서 제조한 것이라고 보고했으며, 그 뒤로 Neurosky, Interaxon 및 OpenBCI가 뒤따랐습니다. 졸음 감지의 경우, 기초적인 EEG 특성(예: 주파수 진동)으로도 졸음을 감지할 수 있음을 발견했습니다. 그러나 많은 경우에 "알고리즘 최적화가 필요하다"고 지적합니다. 이는 기계 학습 알고리즘이 더 정확한 감지를 가능하게 했음을 의미합니다.

상업적 EEG 및 기계 학습 알고리즘 활용으로 안전한 운전 지원

EMOTIV는 10년 넘게 상업적 EEG의 선두주자입니다. 이 기간 동안 여러 형태의 EEG 시스템을 개발했으며, 32채널 전통적인 연구 캡부터 2채널 이어폰까지 다양합니다. MN8 이어폰이나 Insight와 같은 컴팩트한 형태의 시스템은 일상적인 착용 가능한 신경 기술을 향한 첫 발걸음을 대표합니다. 이러한 유형의 하드웨어를 자동차 제어에 통합함으로써, 사고가 일어나는 정신적 상태가 발생하기 전에 사고를 예방할 수 있을 것입니다.

운전석의 신경과학 - 상업적 EEG 및 기계 학습 알고리즘을 활용하여 안전한 운전을 지원합니다.

EEG 하드웨어를 차량에 통합하는 것은 해결책의 일부분에 불과합니다. 획득한 뇌 데이터를 활용하려면 유용한 메트릭으로 처리해야 합니다. 정교한 기계 학습 알고리즘은 EEG 데이터를 특정 정신 상태를 색인할 수 있는 특성으로 디코딩하여 이를 실현합니다. 현재까지 EMOTIV는 이러한 감지 기능을 7개 개발했습니다: 좌절감, 관심, 이완, 참여, 흥분, 주의 및 스트레스. EMOTIV 엔지니어는 이러한 상태를 유도하는 프로토콜을 사용하는 정밀한 실험 연구를 통해 이러한 감지를 개발하기 위해 신경과학자와 긴밀하게 협력해왔습니다. 자동차 분야에서 EMOTIV는 현재 운전 시 방해 요소 감지를 운전 시뮬레이터 내에서 미세 조정 중입니다. 이는 서호주 왕립 자동차 클럽과의 협력 결과로, 주의가 감소하면 속도가 줄어드는 주행력이 강조된 자동차가 의미합니다 [7]. YouTube에서 협력 및 결과에 대한 동영상을 찾을 수 있습니다 collaboration 및 결과.

신경과학과 미래의 운전

운전석의 신경과학 - 신경과학과 미래의 운전.

초기 개입(예: 안전벨트 및 노면 경고선)에서 현대적인 개입(예: 자동 긴급 제동 및 보조 조향)까지, 우리의 자동차는 훨씬 더 안전해졌습니다. 그럼에도 불구하고 매년 사고로 사망하는 사람들의 수는 차량이 "안전"하다고 여겨질 수 있는 지점에 도달하기까지 먼 길이 남았음을 보여줍니다. 기술이 발전함에 따라 자동차는 계속해서 더 안전해질 것이지만, 인간이 차의 주요 조작자라면 인간이 일으킨 사고는 계속 발생할 것입니다. EEG 기술은 미세한 지표를 감지하고 사고를 초래하는 조건이 발생하기 전에 개입함으로써 인간 요소를 완화하는 매우 유망한 경로를 나타냅니다.

참고 문헌

[1] 통계 및 분석을 위한 국립 센터, 2020년 자동차 사고 사망자 조기 추정. 국립 고속도로 교통 안전 국, 2021년 5월. 접근: 2022년 1월 4일. [온라인]. 이용 가능: https://crashstats.nhtsa.dot.gov/Api/Public/ViewPublication/813115

[2] 통계 및 분석을 위한 국립 센터. 2019년 자동차 사고 개요. 국립 고속도로 교통 안전 국, 2020년.

[3] S. J. Luck 및 E. S. Kappenman, 이벤트 관련 전위 성분에 대한 옥스포드 핸드북. 옥스포드 대학 출판부, 2011.

[4] G. Thut, "알파 밴드 뇌파 활동이 시공간적 주의 편향을 지시하고 시각적 표적 탐지를 예측한다", J. Neurosci., vol. 26, no. 37, pp. 9494–9502, 2006년 9월, doi: 10.1523/JNEUROSCI.0875-06.2006.

[5] C.-H. Chuang, C.-S. Huang, L.-W. Ko, 및 C.-T. Lin, "졸음 운전에 응용하기 위한 EEG 기반 지각 기능 통합 네트워크", Knowl.-Based Syst., vol. 80, pp. 143–152, 2015년 5월, doi: 10.1016/j.knosys.2015.01.007.

[6] J. LaRocco, M. D. Le, 및 D.-G. Paeng, "졸음 감지를 위한 저렴한 EEG 헤드셋에 대한 체계적 리뷰", Front. Neuroinformatics, vol. 14, p. 42, 2020년, doi: 10.3389/fninf.2020.553352.[7] "호주 연구자들이 '주의 기반' 자동차 공개", 2013년. https://phys.org/news/2013-09-australia-unveil-attention-powered-car.html (접근: 2022년 1월 12일).