지난 10월, 통제된 조건에서 발생한 교통사고는 스마트 오토바이의 안전 약속에 균열을 드러냈습니다. 라이더의 에어백 시스템이 시속 45km의 측면 충돌 후 전개되지 않았습니다. PC-Crash와 Artec Studio를 사용한 사고의 3D 재구성 결과, 낙상 감지 알고리즘이 충격 각도를 심각하지 않음으로 분류하여 실제 측면 가속도를 무시한 것으로 나타났습니다.
MATLAB을 이용한 관성 센서 분석 및 작동 임계값 분석 🏍️
관성 측정 장치(IMU)에서 추출한 데이터는 MATLAB에서 처리되어 가속도 및 각속도 벡터를 분해했습니다. 시뮬레이션 결과, 오토바이가 Y축에서 38도의 기울기 각도에 도달했지만 요 레이트는 정상 주행 매개변수 내에 유지되는 것으로 나타났습니다. 결정적인 오류는 시스템이 순간적인 측면 가속도와 무게 중심 높이 변화를 분석하는 대신 회전 벡터의 크기를 기준으로 낙상을 평가했다는 점에 있었습니다. PC-Crash에서 다물체 재현을 통해 라이더의 상체가 알고리즘이 전개 임계값에 도달하기 120밀리초 전에 아스팔트에 충돌한 것이 확인되었으며, 이는 치명적인 시간적 차이였습니다.
이륜차 ADAS 시스템 재설계를 위한 교훈 🛠️
이 사례는 오토바이의 능동 안전 시스템이 승용차의 알고리즘을 직접 적용할 수 없음을 보여줍니다. 측면 낙상의 운동학은 미끄러짐과 회전의 조합을 수반하며, 정면 충돌 또는 완전 전복에 맞게 보정된 현재의 관성 센서는 이를 올바르게 해석하지 못합니다. 3D 시뮬레이션은 결함을 식별했을 뿐만 아니라 측면 가속도 적분과 드리프트 각도를 기반으로 한 새로운 작동 임계값을 제안할 수 있게 했습니다. 이러한 알고리즘을 재설계하는 것은 약속된 기술이 사고의 침묵하는 증인이 되는 것을 방지하기 위해 이제 최우선 과제입니다.
관성 센서와 노면 접촉 센서를 통합한 오토바이 낙상 감지 시스템을 설계하는 것이 가능할까요, 아니면 해결책이 전적으로 인공지능 기반 예측 알고리즘에 달려 있을까요?
(추신: ECU를 시뮬레이션하는 것은 토스터기를 프로그래밍하는 것과 같습니다. 크루아상을 주문하기 전까지는 쉬워 보이거든요)