차량 추종 행동의 감속 모드별 운동학적 판별자: NGSIM 궤적 데이터에 대한 증거

감속 강도에 따라 Gap-closing rate 와 visual looming 이 판별적 우위를 차지하며, 이는 차량 추종 문헌에서 오랫동안 존재했던 모순을 화해시키고 전통적인 운전 행동 모델의 간격 중심 가정 (spacing-centered assumptions) 을 도전합니다. 본 연구는 환경에서 측정 가능한 운동학적 변수 (information availability) 와 운전자의 행동 패턴을 구별적으로 나타내는 변수 (information utilization) 를 구분하는 2 단계 분석 프레임워크를 제시하며, NGSIM 궤적 데이터셋의 1,060,119 개의 유효 차량 추종 관측치 (2,932 대 차량) 를 적용합니다. 6 가지 운동학적 특징을 추출하고, 두 가지 임계 조건 (-0.5 m/s^2 와 -0.3 m/s^2) 하에서 감속 사건을 탐지합니다. K-means 클러스터링이 행동 모드를 식별하고, 일원분산분석 (one-way ANOVA) 과 eta-squared 효과 크기를 통해 각 특징의 판별력을 순위화합니다. 세 가지 주요 결과가 도출됩니다: (1) 임계값 선택은 행동 추론을 근본적으로 형성 - 엄격한 임계값은 3 개의 해석 가능한 모드를 제공하지만, 허용적인 임계값은 이를 2 개로 축소합니다; (2) 급정차 (hard braking) 는 Gap-closing rate 를 우선시하며 (eta^2 = 0.715), 중간 감속 (moderate braking) 은 visual looming 을 강조합니다 (eta^2 = 0.574); 그리고 (3) 간격 간격 (spacing headway) 은 두 임계값 모두에서 무시할 수 있습니다 (eta^2 <= 0.014). 이러한 결과는 감각적 단서 우선순위 선정에 대한 경험적으로 근거를 마련한 후보를 제공하며, ADAS 경보 시스템 설계 및 자율주행 차량 제어에 직접적인 함의를 가집니다.