기성 스마트워치를 이용한 음주 운전 탐지

음주 운전은 여전히 주요하면서도 예방 가능한 도로 교통 부상 및 사망 원인으로 남아 있으며, 많은 운전자가 자신의 취중 상태를 과소평가하고 있습니다. 차량 내 시스템(in-vehicle systems)과 비교했을 때, 소비자용 스마트워치를 이용한 모바일 음주 운전 탐지는 추가적인 차량 내 하드웨어 없이도 예방적 개입을 유도하고 인식을 높일 수 있는 확장 가능한 방법을 제공합니다. 본 연구에서는 손목 가속도계(accelerometer) 데이터와 심박 변이도(heart rate variability)에서 유도된 생체 신호를 활용하여 알코올 관련 운전 장애를 탐지하는 시스템을 소개합니다. 우리는 무작위 대조 3군 테스트 트랙 연구(n=54)를 통해 데이터를 수집하였으며, 윈도우 집계 특징(window-aggregated features)을 사용한 로지스틱 회귀(logistic regression) 모델과 2-타워 1D 합성곱 신경망(1D convolutional neural network, CNN)을 모두 학습시켜 음주 운전 장애를 탐지하도록 했습니다. CNN은 모든 알코올 취중 상태를 탐지하는 데 있어 참가자 평균 수신자 조작 특성 곡선 아래 면적(AUROC) 0.88을 달성하였고, WHO 권장 한도인 0.05 g/dL를 초과하는 운전을 탐지하는 데 있어서는 0.86을 달성했습니다. 우리가 알고 있는 바로는, 본 연구는 (1) 소비자용 스마트워치를 이용한 음주 운전 탐지를 입증하고, (2) 폐쇄된 테스트 트랙의 실제 차량에서 이러한 시스템을 개발 및 평가하며, (3) 보지 못한 참가자에 대한 일반화(generalization) 능력을 엄격하게 평가한 첫 번째 연구입니다. 이러한 결과들을 종합하면, 웨어러블 기반 센싱이 알코올 관련 교통 피해를 측정 기반으로 확장 가능하게 예방하는 데 기여할 수 있는 잠재력을 보여줍니다.