91.5% 정확도! 위험 차선 변경 예측 AI 모델 개발 성공!

스페인 연구팀이 위험한 차선 변경 예측 AI 모델을 개발했습니다. CRASH 데이터셋과 지식 그래프, 베이지안 추론, RAG 기술을 활용하여 91.5%의 F1-score를 달성했으며, CARLA 시뮬레이터를 통해 실제 주행 환경에서 검증되었습니다. 이는 자율주행 자동차의 안전성 향상에 크게 기여할 것으로 기대됩니다.

도로 교통 사고의 주요 원인 중 하나인 갑작스럽거나 위험한 차선 변경. 기존 연구는 주로 안전한 차선 변경 예측에 집중해왔지만, 스페인 연구팀(M. Manzour, A. Ballardini, R. Izquierdo, M. Á. Sotelo)은 한 단계 더 나아갔습니다. 그들은 위험한 차선 변경에 특화된 CRASH 데이터셋을 직접 구축하고, 이를 바탕으로 혁신적인 예측 모델을 개발하는 데 성공했죠!

핵심 기술: 지식 그래프와 베이지안 추론의 만남

이 연구의 핵심은 지식 그래프(KG) 와 베이지안 추론을 활용한 점입니다. 단순히 이미지만으로 판단하는 기존 방식과 달리, 언어적 맥락 정보까지 고려하여 모델의 해석력과 투명성을 극대화했습니다. 이는 AI 모델의 '블랙박스' 문제 해결에 중요한 진전으로 평가받고 있습니다.

놀라운 성능: 4초 앞서 위험 예측

개발된 모델은 위험한 차선 변경의 경우 91.5%의 F1-score를 기록하며, 무려 4초 앞서 위험을 예측하는 놀라운 성능을 보였습니다. 안전한 차선 변경 예측에서도 90.0%의 F1-score를 달성했습니다. 이는 자율주행 자동차의 안전성 향상에 큰 기여를 할 것으로 기대됩니다.

현실 세계 검증: CARLA 시뮬레이터 활용

단순한 이론적 연구에 그치지 않고, 연구팀은 CARLA 시뮬레이터를 통해 개발한 모델을 실제 주행 환경에 가깝게 검증했습니다. 시뮬레이션 결과, 모델은 갑작스러운 차선 변경을 성공적으로 예측하여 자율주행 차량이 안전하게 대응할 수 있는 충분한 시간을 확보했습니다.

설명 가능성 향상: RAG 기술 도입

마지막으로, RAG (Retrieval Augmented Generation) 기술을 통해 모델의 예측 결과에 대한 명확하고 자연스러운 언어 설명을 제공하여 모델의 투명성을 더욱 높였습니다. 이는 AI 모델에 대한 신뢰도 향상에 매우 중요한 요소입니다.

이 연구는 위험한 차선 변경 예측 분야에서 획기적인 성과를 거두었으며, 더욱 안전하고 효율적인 자율주행 시스템 개발에 중요한 이정표를 제시했습니다. 앞으로 이 기술이 실제 자율주행 자동차에 적용되어 교통 안전에 기여할 날을 기대해봅니다.