자율주행 차량의 안전에 대한 대규모 시스템 접근방식이 필요한 이유

자율주행차 산업은 AV 기술의 성숙도를 측정하기 위해 AV 회사는 시스템 안전을 나타내는 데 필요한 다양한 접근방식을 제공한다. AV 프로젝트가 본격적으로 발전함에 따라, 목표는 AV의 이점(도로 안전, 이동성 및 지속 가능성 향상 포함)을 광범위하게 실현할 수 있도록 채택하는 것이다. 연구에 따르면 AV 채택에 대한 대중의 지지는 AV 채택의 경제적 영향보다는 AV 채택이 얼마나 안전한지 또는 AV 채택이 수집할 수 있는 데이터로 인한 개인 정보 보호 문제에 달려 있다.

 

오늘날의 솔루션은 단일 솔루션

안전성 측정을 위한 기존의 많은 솔루션은 하나의 공통된 특징을 공유하는데 바로 소규모 시스템 접근법이다. 즉, 단일 렌즈, 방법 또는 측정 지표를 통해 AV 안전성을 평가한다. AV 안전을 좁게 정의하면 규제 결정을 간소화할 수 있지만, 동시에 AV 기술의 초기적이고 복잡하며 비확정적(non-deterministic)인 특성을 무시함으로써 사각지대가 발생할 위험이 있다. 우리가 필요한 것은 실현가능하고 포괄적인 안전 접근법이다.

 

이러한 문제를 해결하기 위해 AV Combinator는 Autonomous Vehicle Modular Safety Suite 백서를 발표했다. AV Combinator는 Hacking 4 Defense 프로그램에서 설립된 스탠포드 대학의 연구자 그룹으로, 기술자, 정책 입안자 및 소비자의 자율적 차량 안전에 대한 사고방식을 혁신하는 것을 목표로 하는 안전 자문 단체이다. 업계 리더와 연방 및 지방 정부 관계자와의 인터뷰에 기초하여, 이 백서는 AV 안전에 대한 새로운 접근방식을 제안하고 미국에서 AV 안전에 대한 향상된 이해와 평가를 위해 AV 안전이 구현될 수 있는 방법을 설명한다.

 

이 새로운 프레임워크는 각 소규모 시스템 솔루션(예: 시뮬레이션 기반 테스트)이 효과적으로 "모듈"이 되는 대규모 시스템 접근방식이다. 사용자(예: AV 개발자, 규제 기관 또는 공익 단체)는 이 접근방식을 사용하여 기존 모듈 풀 중에서 선택하여 우선순위, 기존 정책 및 위험 감수성을 기반으로 고유한 "제품군"을 개발할 수 있다.

 

전반적으로 3년 전보다 자율 자동차의 안전을 더 신뢰 (출처: Statista)

 

AV 개발자에서 대중에 이르기까지 다양한 이해 관계자에 맞게 조정 가능한 모듈식 안전 제품군은 AV 구축을 크게 가속화할 것이다.

 

• AV 개발자는 안전 성능 임계값을 정의하고 입증하기 위해 제품군을 적용할 수 있다.(안전운전자 제거할 준비가 되었는지 시연 등)

• 주 규제 기관은 AV 회사에서 요구하는 바에 대한 객관적인 기준선을 개발하여 도로에서의 AV 테스트 및 운영을 허용할 수 있다.

• 안전 조직의 지정된 안전 제품군은 AV 개발자가 대중에게 기술 또는 서비스를 추천하기 위해 사용해야 한다고 생각하는 모듈을 강조할 수 있다.

• 일반인은 차량을 사용하기 전에 AV 회사의 안전 조치에 대한 기대치를 명확히 하기 위해 안전 제품군을 볼 수 있다.

• 사용자의 안전 제품군을 살펴보면 시스템의 다른 이해 당사자가 어떤 소규모 시스템 솔루션의 우선순위를 정하고 있는지와 AV가 도로 안전하다고 간주되기 전에 충족해야 하는 성능 임계값을 파악할 수 있어야 한다.

 

하나의 안전 지표만 사용하거나 안전의 한 측면만 평가하는 것과 달리, 제품군을 만들면 사용자가 포괄적인 방식으로 AV 안전을 평가할 수 있다. 이러한 고립된 소규모 시스템 솔루션을 하나의 대규모 시스템으로 통합하면 이해 관계자가 시스템의 다른 사람들에게 안전 요구 사항과 편안함 수준을 전달하는 방법을 표준화 할 수 있다.

 

그러한 방식으로 공통의 안전 언어를 만들면 AV 안전을 일반 대중이 더 쉽게 접근할 수 있으며, 접근방식의 전체적인 성격은 대중이 AV 안전의 다양한 측면에 대해 교육을 받을 수 있다는 것을 의미한다. 이것은 사람들이 운전하는 자동차에 비해 AV의 이점과 한계를 더 쉽게 이해할 수 있도록 하며, 대중의 신뢰와 수용의 토대를 형성하는 명확한 기대치를 설정할 수 있다.

 

꾸준히 성장 중인 자율주행차 시장 (출처: Statista)

 

더 많은 사용자가 이러한 대규모 시스템 접근방식을 채택하고 공유가 더욱 확산되면서 특정 모듈과 실제 안전 성능 사이의 상관관계를 고려할 기회가 생길 것이다. 예를 들어, 한 모듈을 채택하는 것이 다른 모듈에 비해 성공적인 실제 주행 테스트와 더 강한 상관 관계가 있음을 알 수 있다. 이는 모듈이 AV 안전성에 대한 상대적으로 더 정확한 측정이며 현지 및 세계 전체 안전 표준에 통합될 수 있음을 나타낼 수 있다. 따라서 이 새로운 기술의 복잡성을 수용함으로써 대규모 시스템 접근방식이 퍼지고 있다. 시간이 지남에 따라 모든 당사자에게 전체 시스템이 최고의 안전 표준 세트로 수렴될 수 있는 도구와 정보를 제공한다.

 

유연한 대규모 시스템 접근방식

대규모 시스템 접근방식은 자율주행이 "복잡한 사회 기술 혁신"이라는 점을 잘 알고 있다. 소규모 시스템 접근방식과 달리 대규모 시스템 접근방식은 시간이 지남에 따라 변화와 기술 개발에 적응할 수 있으며, 이는 기술이 얼마나 초기 단계에 있는지를 고려할 때 특히 중요하다. 사용자는 모듈을 업데이트하거나 개발할 때 모듈을 교체하거나 새 모듈을 추가할 수 있다.

 

이러한 유연성이 내장되어 있어 다양한 시장에서도 대규모 시스템 접근방식을 적용할 수 있다. AV 정책 및 안전 평가에 대한 자체 접근법을 개발하는 국가의 범위를 고려할 때, 규제 기관의 우선순위, 기존 규정 및 지역의 안전 문화에 따라 모듈을 안전 제품군에 추가할 수 있다.

 

AV 안전에 대한 대규모 시스템 접근방식

Modular Safety Suite(MSS)는 대형 시스템 수준 접근법의 구현 가능한 예시들이다. AV Combinator가 US AV 거버넌스 시스템을 염두에 두고 개발한 이 제안은 반복할 수 있는 초기 제안이다. MSS는 6개의 모듈로 구성된다.

 

1. 기존 안전 지표: 차량 충돌, 부상 및 사망 기록

2. 기존 충돌 테스트: 차량의 물리적 구조를 평가하고 차량이 탑승자와 다른 도로 사용자를 보호하는지 확인

3. 자발적 AV 안전 표준 통합: 기존 및 미래의 AV 안전 표준 사용 방법 통합 및 추적

4. 사전 안전 예방 지표: 안전운전자를 제거하지 않고 정확하게 수집 및 평가하여 인식, 예측, 계획 및 실행에 있어 AV의 능력을 측정할 수 있는 지표. (사전 안전 지표의 예: AV가 시나리오 기반의 모의 주행 테스트를 통해 수행될 수 있는 도로의 다른 차량으로부터 최적의 위치를 준수함에 있어 얼마나 일관적인지를 측정)

5. 비교 운전 테스트: 자율 시스템이 백그라운드에서 작동하는 동안 인간운전자를 AV의 운전대 뒤에 두고 특별히 고도로 제어되는 환경에서 AV의 성능을 비교

6. 모범 사례, 안전 지표 및 주행 시나리오에 대한 익명 데이터베이스: 데이터 기반 안전 표준의 형성을 지원하면서 광범위하고 보다 포괄적인 데이터셋에서 AV 기술을 교육 및 검증

 

   

MSS의 6개 모듈은 리딩(leading) 및 래깅(lagging) 조치로 구분된다. 리딩은 이미 발생한 충돌과 같은 결과만 추적한다. 반대로 래깅은 예방 노력을 측정하는 사전 예방적 지표이며, 충돌이 발생하기 전에 관찰하고 평가할 수 있어 구축 전 기술 성능을 예측할 수 있다.  두 가지 유형의 조치를 모두 포함함으로써 MSS는 AV 안전에 대한 포괄적인 보기를 제공할 것이다.

 

모듈 자체와 마찬가지로, MSS는 안전 시스템 시장에서 경쟁할 것이다. 연방, 주 및 지방 규제 당국은 이 시장에서 채택, 반복 및 개발 접근방식을 선택할 것이다. 이 개방된 시장은 안전 데이터의 투명성을 높이고 보행자와 승객 모두에게 실질적인 안전을 제공할 것이다.

 

안전에 대한 일관되고 포용적인 접근방식으로 AV 개발을 가속화하는 것이 핵심인 대규모 시스템 접근방식은 AV 안전에 대한 새로운 사고 방식을 제공한다. 이러한 접근법이 생산적이고 유용하려면 두 가지 조건을 충족해야 한다.

 

1. 기술 중립적이어야 한다. 즉, 자율주행 시스템을 만드는 데 특정 기술의 사용을 지정할 수 없다. 이는 안전 달성을 위한 수단으로서 혁신을 장려하기 위해 개방형 규제 환경을 제공하는 것을 목표로 하는 미국 교통부 정책의 정신과 일치한다.

2. 협업이 중요하다. 자동차 제조업체, 기술 개발자들과 관련 정부 기관들은 서로 경쟁하는 것보다 훨씬 더 많은 가치를 창출할 수 있다. 이것은 정책 개발, 지식 공유 및 프로토콜 구축을 의미한다.

 

기존 소규모 시스템 접근방식 그대로 유지한다면, MSS와 같은 응집력 있는 안전 프레임워크의 개발이 진전될 수 없을 것이다. AV 시스템의 모든 이해당사자들의 일치된 노력이 이 새로운 접근법의 채택을 위한 현상을 추진하기 위해 필요하다. 그렇지 않으면 신뢰할 수 있는 안전 조치를 개발하고 AV에 대한 대중의 수용을 얻는 것은 계속해서 힘든 싸움이 될 것이다.

 

 

 

[출처]

https://www.weforum.org/agenda/2021/06/autonomous-vehicles-safety-large-systems-approach/

Autonomous vehicles need a large-systems approach to safety

 

Editor Lucy