1. 서 론
2. 실험 환경
2.1. 실험 차량
2.2. 실험 장소
2.3. 실험 장비
3. ACC 시나리오
3.1. EuroNCAP - CCRs, CCRm 시나리오
3.2. 엣지 케이스 - CCRs Overlap / Angle 시나리오
4. ACC 시나리오 실험 결과
4.1. CCRs 시나리오
4.2. CCRm 실험 시나리오
4.3. Overlap 실험 시나리오
4.4. Angle 실험 시나리오
5. 결 론
1. 서 론
최근 자동차 산업에서 첨단 운전자 지원 시스템(ADAS: Advanced Driver Assistance System)의 상용화 및 보편화가 가속화됨에 따라 국제적으로도 ADAS의 안전성과 신뢰성을 제도적으로 강화하려는 움직임이 활발하다. 이에 UNECE(2024)는 3월 6일에 운전자 제어 지원 시스템(DCAS: Driver Control Assistance Systems)에 관한 신규 규정을 채택하였으며, 해당 규정은 2024년 9월에 발효되었다.(1) DCAS는 SAE(Society of Automotive Engineers) 레벨 2 수준의 시스템으로서 운전자와 시스템 간의 제어 권한 분담, 작동 조건, 그리고 검증 기준을 명확히 규정하며, 특히 적응형 순항 제어(ACC: Adaptive Cruise Control)를 포함한 통합 제어 시스템의 안전성 확보를 강조한다. ADAS의 다양한 세부 기능 중 자율주행 2단계의 핵심 요소인 ACC와 차선 유지 보조(LKA: Lane Keeping Assistance)는 운전자의 주행 부하를 경감하고 사고 예방에 실질적으로 기여한다. 특히 ACC는 선행차량과의 이격 거리 및 상대 속도를 실시간으로 감지하여 차속을 능동적으로 제어하는 시스템으로, 다양한 주행 시나리오에서 차량 간 충돌 위험을 저감하여 주행 안전성을 획기적으로 향상시킨다. 실제로 ACC의 보편화가 교통사고 치사율을 낮추고 상해 심각도를 완화하는데 유의미한 영향을 미친다는 연구 결과가 다수 보고되고 있다. Li et al.(2020)은 시뮬레이션 연구를 통해 ACC 차량의 보급률이 증가할수록 도로의 안전성이 향상됨을 입증하였으며, 특히 타임 갭(Time Gap) 및 응답 지연과 같은 시스템 제어 변수가 최적화될 경우 그 효과가 더욱 뚜렷함을 규명하였다.(2) 또한, Tan et al.(2021)은 ACC의 도입이 교통사고 사망률을 5.48%, 중상률을 4.91%까지 감소시킬 수 있음을 정량적으로 제시하였다.(3) 그러나 이러한 안전 편익에도 불구하고, 실제 주행 환경에서는 운전자의 시스템 과신의존 및 센서 감지 성능의 기술적 한계로 인하여 ACC 작동 중 사고가 지속적으로 발생하고 있다. Kim et al.(2025)은 선행 차량이 극저속(12 km/h 이하)으로 주행할 시 객체 인식률이 급격히 저하되어 사고 위험이 가중될 수 있음을 보고하였다.(4) 이에 따라, 최근 학계에서는 ACC 인식 센서의 단일 성능 개선 및 센서 융합(Sensor Fusion)을 통한 객체 탐지 성능 고도화에 연구 역량을 집중하고 있다. 구체적으로, Liang et al.(2024)은 센서 기술 및 탐지 알고리즘의 발전 과정을 체계적으로 고찰하고 향후 연구 방향을 제시하였으며,(5) Yeong et al.(2021)은 다중 센서 보정 기술의 현황과 한계점을 분석하여 센서 융합의 주요 기술적 과제를 도출하였다.(6) 또한 Baek et al.(2024)은 레이다와 카메라의 센서 융합을 통해 기존 라이다 대비 감지 거리를 확장하는 알고리즘을 제안하고, 실차 실험을 통해 그 유효성을 입증하였다.(7) 그러나 단순 센서 성능의 개선을 넘어, 실제 주행 시나리오에서 ACC 차량의 동적 특성 및 작동 한계를 심도 있게 분석한 연구는 상대적으로 미흡한 실정이다. 기존 평가 연구를 살펴보면, Yong et al.(2007)은 선행 차량이 주행 중인 동적 상황에서의 ACC 추종 성능만을 평가하였을 뿐, 정지 차량에 대한 시스템 대응 성능 평가는 부재하였다.(8) Kim and Lee(2017) 역시 다양한 주행 환경에서 차간 거리를 지표로 안전성 평가를 수행하였으나, 주행 속도 변화에 따른 차간 거리 유지 특성이나 시스템의 임계 상황에 대한 분석은 다루지 않았다.(9) 따라서 ACC 관련 사고의 명확한 원인 규명을 위해서는 국제 표준인 EuroNCAP 프로토콜에 근거하여 시스템의 실질적인 동적 특성 및 작동 한계를 정량적이고 체계적으로 평가할 필요가 있다. 나아가 표준 실험법이 포괄하지 못하는 엣지 케이스(Edge Case) 상황에서의 임계 특성 분석 또한 필수적이다. 이에 본 연구에서는 EuroNCAP의 표준 시나리오인 CCRs(Car-to-Car Rear Stationary) 및 CCRm(Car-to-Car Rear Moving) 뿐만 아니라, 엣지 케이스에 해당하는 오버랩(Overlap) 및 각도(Angle) 충돌 시나리오를 대상으로 ACC의 동적 성능과 한계 특성을 체계적으로 평가하였다. 이를 통해 도출된 사고 위험성 분석 결과는 향후 ADAS 장착 차량의 교통사고 재현 및 법공학적 분석을 위한 실증적 기초 자료로 활용하고자 한다.
2. 실험 환경
2.1. 실험 차량
본 연구의 실험 대상 차량(Vehicle Under Test, VUT)으로는 한국 자동차 시장의 판매량 및 제조사 대표성을 고려하여, Fig. 1 및 Fig. 2와 같이 2024년식 KIA Sorento MQ4 PE(이하, MQ4)와 2024년식 Hyundai Santa Fe MX5(이하, MX5)를 선정하였다. 두 차량은 모두 자동 긴급 제동(AEB: Autonomous Emergency Braking) 및 ACC 시스템을 기본 사양으로 탑재하고 있으며, 전방 및 전측방 레이다와 윈드실드 상단 중앙의 카메라센서로부터 획득된 정보를 기반으로 주행 제어를 수행한다.
실험 진행 시 VUT 속도는 ACC 시스템의 설정 속도(Set Speed)를 기준으로 실험하였다.
2.2. 실험 장소
본 실험은 Korea Intelligent Automotive Parts Promotion Institute(KIAPI)의 주행 시험장(Proving Ground)에서 수행되었다. Fig. 3에 제시된 바와 같이, KIAPI PG는 범용로 및 고속 주회로를 포함한 다양한 실험 환경을 갖추고 있다. 이러한 실험 인프라는 실제 도로와 유사한 주행 환경을 모사할 수 있으며, 외부 변수가 통제된 조건하에서 특정 주행 시나리오에 대한 정밀 검증 및 반복적인 성능 평가를 가능하게 한다.
2.3. 실험 장비
2.3.1. GVT & SOV
본 실험에서는 EuroNCAP 표준 인증 타겟인 GVT(Global Vehicle Target)를 사용하였으며, 그 형상은 Fig. 4와 같다. GVT는 레이다(Radar), 라이다(Lidar), 카메라 등 다양한 ADAS 센서의 인식을 지원하도록 특수 설계되었으며, 최대 중량은 453 kg 이다. 특히, 충돌 실험 시 VUT의 파손을 최소화하기 위해 허용되는 VUT와의 상대 속도는 최대 120 km/h로 제한된다. 한편, 시나리오 특성상 GVT 적용이 부적합한 조건에서는 Fig. 5와 같이 실제 승용 차량(Hyundai Tucson 등)을 SOV(Secondary Other Vehicle)로 대체하여 활용하였다. 실험 간 GVT와 SOV의 주행 속도 데이터는 고정밀 GPS 측정값을 기반으로 측정하였다.
2.3.2. 조향 로봇, IMU, DAQ
엣지 케이스 시나리오의 정밀한 검증을 위해서는 VUT와 GVT 간의 횡방향 오버랩을 정확하게 제어하는 것이 필수적이다. 이를 구현하기 위해 Fig. 6과 같이 ABDynamics사의 조향 로봇을 활용하였다. 또한 차량의 동적 거동 및 정밀 위치 정보를 확보하기 위해 Fig. 7에 제시된 Oxford Technical Solutions사의 RT3000 v3 위성 항법 보정시스템(DGPS: Differential Global Positioning System)/관성측정장비(IMU: Inertial Measurement Unit) 시스템을 탑재하였다. 최종적으로 Fig. 8과 같이 GVT의 주행 정보, 조향 및 가감속 제어 데이터, 그리고 DGPS/IMU 측정값을 포함한 모든 실험 데이터는 Dewetron사의 SIRIUS DAQ를 통해 통합 수집되었다.
3. ACC 시나리오
3.1. EuroNCAP - CCRs, CCRm 시나리오
Fig. 9는 본 연구에서 수행된 CCRs 및 CCRm 시나리오의 실험 환경을 보여준다. 먼저 CCRs 시나리오는 타겟 차량인 GVT가 동일 직선 차로 전방에 정지해 있는 조건이다. 해당 시나리오에서 VUT의 실험 속도는 Table 1에 제시된 바와 같이 30 km/h부터 90 km/h 범위로 설정하여 평가를 수행하였다. 다음으로 CCRm시나리오는 타겟 차량인 SOV가 동일 직선 차로 상에서 주행 중인 조건이다. 이 경우 VUT의 속도는 Table 2와 같이 60 km/h부터 130 km/h 범위로 설정하여 실험을 진행하였다. VUT의 차간거리 설정 레벨(Lv: Level)은 가장 짧은 설정 거리인 Lv 1로 설정하였고, 모든 시나리오에 적용하였다.
Table 2.
CCRm scenario
| CCRm | ||
| SOV Speed | 20 km/h | 60 km/h |
| VUT Set Speed | 60 km/h ~ 130 km/h | 80 km/h ~ 130 km/h |
3.2. 엣지 케이스 - CCRs Overlap / Angle 시나리오
Fig. 10은 CCRs Overlap 시나리오의 개념도를 보여준다. 해당 시나리오는 동일 직선 차로 전방에 정지한 GVT를 대상으로, VUT와의 횡방향 오버랩 비율을 단계적으로 변경해가며 수행되었다. 구체적인 오버랩 조건은 Table 3에 제시된 바와 같이 50%부터 -5% 범위로 설정하였다. 이어 Fig. 11은 CCRs Angle 시나리오를 나타낸다. 이는 GVT를 동일 차로 상에 정지시키되, VUT 진행 방향에 대한 GVT의 Yaw 각도를 변화시킨 조건이다. 실험 각도는 Table 3과 같이 20°에서 90° 범위로 설정되었다. 두 시나리오 모두 VUT의 차간거리 설정 레벨은 가장 짧은 설정 거리인 Lv 1로 설정하였고, VUT의 주행 속도는 40 km/h로 고정하여 평가를 진행하였다.
4. ACC 시나리오 실험 결과
4.1. CCRs 시나리오
4.1.1. CCRs: MQ4
Table 4는 CCRs 시나리오에서의 MQ4 실험 결과를 요약한 것이다. VUT 속도 30 ~ 75 km/h 구간에서는 ACC 감속 제어만으로 GVT 와 충돌 이전에 정차하였다. 80 km/h 조건에서는 FCW(Forward Collision Warning)가 작동한 후 ACC 감속을 통해 정차에 성공하였으나, 85 km/h 이상의 속도에서는 ACC 시스템에서 GVT를 MIO(Most Important Object)로 감지하지 않아 감속하지 않았고, 이후 FCW와 AEB가 모두 개입했음에도 불구하고 충돌이 발생하였다. AEB도 ACC와 동일하게 레이다와 카메라 센서 기반으로 작동한다고 보고되었던 점을 고려할 때,(10) 85 km/h에서 레이다와 카메라 센서의 인식은 정상적으로 이루어졌으나, 일정 속도 이상에서 ACC 시스템 내부 로직상 MIO 감지 제한으로 인하여 GVT를 감지하지 못한 것으로 추정된다. 계기판에 타겟 차량인 GVT가 MIO로 감지된 시점을 MIO 감지 시점(MIO detection distance)이라고 정의할 때, Fig. 12와 같이 MIO 감지 거리는 30 ~ 60 km/h 구간에서 속도 증가에 따라 비례하여 증가하는 경향을 보였으며, 최소 약 58 m에서 최대 약 93 m로 측정되었다. 60 km/h 이상의 속도에서는 약 93 m 수준으로 수렴하는 특성이 확인되었다. 최대 가속도는 Fig. 13에 나타난 바와 같이 VUT 속도가 높아질수록 감소하는 경향을 보였으며, 최소값은 -4.2 m/s2으로 측정되었다. 또한, Jerk 값은 Fig. 14와 같이 VUT 속도가 증가함에 따라 감소하는 경향을 나타냈으며, 최소값은 -2.1 m/s3으로 확인되었다. 단, AEB가 작동한 85 km/h 이상 구간에서는 AEB 최대 감속을 확인하기 전에 실험이 종료되어, 유효한 최대 감속도 및 Jerk 데이터를 측정할 수 없었다. 정차 후 VUT와 GVT 간의 상대 거리인 정지 유지 거리(Stand Still Distance)는 모든 실험 속도 구간에서 약 4 m로 확인되었다.
Table 4.
Status of FCW, AEB, ACC and collision under the CCRs scenario using the MQ4
| VUT Set Speed (km/h) | Collision | FCW TTC (s) | AEB TTC (s) | ACC Deceleration |
| 30 ~ 75 | Avoid | - | - | Active |
| 80 | Avoid | 3.39 | - | Active |
| 85 | Collision | 2.54 | 1.21 | - |
| 90 | Collision | 2.57 | 1.21 | - |
4.1.2. CCRs: MX5
Table 5는 CCRs 시나리오에서의 MX5 실험 결과를 요약한 것이다. VUT 속도 40 ~ 70 km/h 구간에서는 ACC 감속 제어만으로 GVT 와 충돌 이전에 정차하였다. 75 km/h 및 80 km/h 조건에서는 ACC 제어 중 FCW와 AEB가 추가로 개입하여 충돌을 회피하였으나, 85 km/h에서는 ACC, FCW 및 AEB가 순차적으로 모두 작동하였음에도 불구하고 충돌이 발생하였다. MIO 감지 거리는 Fig. 15와 같다. 40 ~ 70 km/h 구간에서는 속도 증가에 비례하여 MIO 감지 거리도 증가하는 경향(최소 약 72 m, 최대 약 105 m)을 보였다. 그러나 75 km/h 이상의 고속 구간에서는 MIO 감지 거리가 약 52 m로 급격히 감소하였다. 최소 가속도는 Fig. 16에 나타난 바와 같이, AEB 미작동 구간인 40 ~ 70 km/h까지는 속도에 따라 약 -1.1 m/s2에서 -2.9 m/s2까지 감소하는 경향을 보였다. 반면, AEB가 개입한 75 km/h 이상 조건에서는 약 -8.7 ~ -10 m/s2의 낮은 가속도가 측정되었다. 단, 해당 구간에서는 ACC가 최대 감속을 형성하기 이전에 AEB가 개입함에 따라, ACC 제어에 의한 최대 감속도는 측정할 수 없었다. Jerk 값은 Fig. 17과 같이 속도 증가에 따라 감소하는 경향을 보였으며, 최소값은 -1.04 m/s3으로 나타났다. 정지 유지 거리는 모든 실험 속도 구간에서 약 3 ~ 4 m 수준으로 확인되었다.
Table 5.
Status of FCW, AEB, ACC and collision under the CCRs scenario using the MX5
| VUT Set Speed (km/h) | Collision | FCW TTC (s) | AEB TTC (s) | ACC Deceleration |
| 40 ~ 70 | Avoid | - | - | Active |
| 75 | Avoid | 2.53 | 1.35 | Active |
| 80 | Avoid | 2.37 | 1.34 | Active |
| 85 | Collision | 2.19 | 1.21 | Active |
4.2. CCRm 실험 시나리오
4.2.1. CCRm: MQ4
Table 6과 Table 7은 CCRm 시나리오에서의 MQ4 실험 결과를 나타낸다. SOV 속도 60 km/h 조건에서는 충돌이 발생하지 않았으며, FCW 및 AEB 또한 작동하지 않았다. 반면, SOV 속도 20 km/h 조건에서는 VUT 속도 130 km/h에서 충돌이 발생하였다. 해당 조건에서 FCW는 VUT 속도 100 km/h 이상부터 작동하였으며, FCW TTC는 VUT 속도와 무관하게 일정한 경향성을 보였다. 본 시나리오의 모든 속도 조건에서 AEB로 작동 전환되지 않았다. MIO 감지 거리는 Fig. 18과 같이 상대 속도가 증가함에 따라 함께 증가하는 경향을 보였으며, 최대값은 약 136 m로 수렴하였다. 단, SOV 20 km/h 조건의 경우 VUT 속도 110 km/h 시점에서 MIO 감지 거리가 급격하게 증가하는 현상이 확인되었다. 최소 가속도는 Fig. 19에 나타난 바와 같이 상대 속도가 증가함에 따라 감소하는 경향을 보였다. 상대 속도 80 km/h에서 약 -3.7 m/s2으로 측정되었으며, 그 이상의 상대 속도 구간에서는 이와 유사한 수준이 유지되었다. Jerk 값은 Fig. 20과 같이 상대 속도가 증가함에 따라 감소하는 경향을 보였으며, 최소값은 약 -1.96 m/s3으로 수렴하였다. VUT가 타겟 차량과 같은 속도에서 일정한 거리를 유지할 때의 Time Gap을 Stationary Time Gap이라고 정의하였을 때, Stationary Time Gap은 Fig. 21과 같이 상대 속도가 증가함에 따라 감소하는 경향을 나타냈으며, 상대 속도 50 km/h 및 60 km/h 구간에서는 약 1.10 ~ 1.14 s 범위 내로 확인되었다.
Table 6.
Status of FCW, AEB, ACC and collision under the CCRm scenario (SOV 20 km/h) using the MQ4
| VUT Set Speed (km/h) | Collision | FCW TTC (s) | AEB TTC (s) | ACC Deceleration |
| 60 ~ 90 | Avoid | - | - | Active |
| 100 | Avoid | 3.65 | - | Active |
| 110 | Avoid | 3.66 | - | Active |
| 120 | Avoid | 3.66 | - | Active |
| 130 | Collision | 3.52 | - | Active |
Table 7.
Status of FCW, AEB, ACC and collision under the CCRm scenario (SOV 60 km/h) using the MQ4
| VUT Set Speed (km/h) | Collision | FCW TTC (s) | AEB TTC (s) | ACC Deceleration |
| 80 ~ 130 | Avoid | - | - | Active |
4.2.2. CCRm: MX5
Table 8과 Table 9는 CCRm 시나리오에서의 MX5 실험 결과를 나타낸다. SOV 속도 60 km/h 조건에서는 충돌이 발생하지 않았으며, FCW 및 AEB 또한 작동하지 않았다. 반면, SOV 속도 20 km/h 조건에서는 VUT 속도 120 km/h부터 충돌이 발생하였다. 해당 조건에서 FCW는 VUT 속도 100 km/h 이상부터 작동하였으며, FCW TTC는 VUT 속도와 관계없이 일정한 경향성을 보였다. 반면, 본 시나리오의 모든 속도 조건에서 AEB는 작동하지 않았다. MIO 감지 거리는 Fig. 22와 같이 상대 속도가 증가함에 따라 증가하는 경향을 보였으나, 상대 속도 60 km/h 이상 구간에서는 그 증가폭이 둔화되는 특성을 나타냈다. 최대 MIO 감지 거리는 SOV 속도 20 km/h일 때 약 124 m, SOV 속도 60 km/h일 때 약 130 m로 측정되었다. 최소 가속도는 Fig. 23과 같이 상대 속도에 비례하여 감소하는 경향을 보였다. 상대 속도 80 km/h에서 약 -4.0 m/s2으로 측정되었으며, 그 이상의 상대 속도 구간에서는 이와 유사한 수준이 유지되었다. Jerk 값은 Fig. 24와 같이 상대 속도가 증가함에 따라 감소하는 경향을 보였으며, 최소값은 -2.06 m/s3으로 측정되었다. Stationary Time Gap은 Fig. 25와 같이 상대 속도가 증가함에 따라 감소하는 경향을 나타냈으며, 약 1.00 s에 수렴하는 것으로 확인되었다.
Table 8.
Status of FCW, AEB, ACC and collision under the CCRm scenario (SOV 20 km/h) using the MX5
Table 9.
Status of FCW, AEB, ACC and collision under the CCRm scenario (SOV 60 km/h) using the MX5
| VUT Set Speed (km/h) | Collision | FCW TTC (s) | AEB TTC (s) | ACC Deceleration |
| 80 ~ 130 | Avoid | - | - | Active |
4.3. Overlap 실험 시나리오
4.3.1. Overlap: MQ4
Table 10은 CCRs Overlap 시나리오에서의 MQ4 실험 결과를 나타낸다. 50% ~ 10% 조건에서 충돌이 발생하지 않았으나, 5% 조건에서는 MIO 감지 실패로 인하여 충돌이 발생하였다. MIO 감지 거리는 50% ~ 25% 조건에서 약 75 m 수준으로 일정하게 유지되었다. 그러나 20% 및 15% 조건에서는 MIO 감지 거리가 각각 67 m와 53 m로 감소하는 경향을 보였다. 특히 10% 조건의 경우, 반복 실험 수행 시 MIO 감지 거리가 각각 24 m, 76 m, 63 m로 측정되어 큰 편차를 보였으며, 이에 따라 MIO 감지 성능의 불안정성이 확인되었다.
Table 10.
Status of ACC (deceleration, MIO detection) and collision under the CCRs overlap scenario using the MQ4
| Overlap (%) | Collision | ACC Deceleration | MIO Detection Distance (m) |
| 50 ~ 25 | Avoid | Active | 75 m |
| 20 | Avoid | Active | 67 m |
| 15 | Avoid | Active | 53 m |
| 10 | Avoid | Active | Unstable |
| 5 | Collision | - | - |
4.3.2. Overlap: MX5
Table 11은 CCRs Overlap 시나리오에서의 MX5 실험 결과를 나타낸다. 해당 시나리오의 모든 실험 조건에서 충돌은 발생하지 않았다. MIO 감지 거리는 50% ~ 10% 조건에서 약 68 ~ 73 m 범위를 유지하였다. 반면, 5% 조건에서는 MIO 감지 거리가 약 62 m로 소폭 감소하였으며, 0% 조건에서는 29 m로 급격히 감소하는 경향을 나타냈다. 한편, -5% 조건에서는 ACC 시스템이 GVT를 MIO 감지하지 못하였으나, MX5와 GVT 간 Overlap 영역이 존재하지 않아 충돌은 발생하지 않았다.
Table 11.
Status of ACC (deceleration, MIO detection) and collision under the CCRs overlap scenario using the MX5
| Overlap (%) | Collision | ACC Deceleration | MIO Detection Distance (m) |
| 50 ~ 10 | Avoid | Active | 70 m |
| 5 | Avoid | Active | 62 m |
| 0 | Avoid | Active | 29 m |
| -5 | Avoid | - | - |
4.4. Angle 실험 시나리오
4.4.1. Angle: MQ4
Table 12는 CCRs Angle 시나리오에서의 MQ4 실험 결과를 나타낸다. 20° ~ 40° 조건에서 충돌이 발생하지 않았으며, MIO 감지 거리는 약 75 m 수준으로 일정하게 유지되었다. 반면, 50° ~ 90° 조건에서 충돌이 발생하였다. 구체적으로 50° 조건의 경우, MIO 감지 거리는 약 65 m로 소폭 감소하였으나, 접근 과정에서 MIO 감지에 실패하여 충돌로 이어졌다. 한편, 60° 이상의 조건에서는 시스템이 GVT를 MIO 감지하지 못하였다.
Table 12.
Status of ACC deceleration and collision under the CCRs angle scenario using the MQ4
| Angle (°) | Collision | ACC Deceleration | MIO Detection Distance (m) |
| 20 ~ 40 | Avoid | Active | 75 m |
| 50 | Collision | - | Unstable |
| 60 | Collision | - | - |
| 90 | Collision | - | - |
4.4.2. Angle: MX5
Table 13은 CCRs Angle 시나리오에서의 MX5 실험 결과를 나타낸다. 20° ~ 70° 조건에서 충돌은 발생하지 않았다. 반면, 75° 이상의 조건에서는 ACC 시스템이 GVT를 MIO 감지하지 못하여 충돌이 발생하였다. MIO 감지 거리는 20°와 30° 조건에서 약 70 ~ 75 m 수준으로 유지되었다. 그러나 40° ~ 70° 조건에서 각도가 증가함에 따라 MIO 감지 거리가 감소하는 경향이 확인되었다.
5. 결 론
본 연구는 다양한 주행 상황 시나리오에서 ACC의 작동 한계 특성을 명확히 규명해 사고 분석에 필요한 기초 데이터로 활용할 목적으로 EuroNCAP과 엣지 케이스를 기반으로 ACC의 작동 한계 특성을 분석하였다. 특히 타겟 차량의 동적 상태(CCRs, CCRm)와 기하학적 상태(CCRs Overlap / Angle)에 따른 시나리오에서 ACC의 작동 특성을 중점적으로 비교하였다.
1) CCRs 시나리오(정지 타겟)에서 MQ4와 MX5모두 한계 속도는 80 km/h였다. 반면, CCRm 시나리오(이동 타겟)에서 MQ4는 한계 속도(상대속도)는 100 km/h였으며, MX5는 95 km/h였다. CCRs 시나리오보다 CCRm 시나리오가 두 차량 모두 15 ~ 20 km/h 만큼 더 안정적으로 작동하였다. MIO 감지 거리에서도 이동 타겟이 정지 타겟보다 더 높은 인지 성능을 보였으나, 이동 타겟의 경우 AEB 작동 전환이 이루어지지 않는 안전 취약점이 확인되었다.
2) CCRs Overlap 및 Angle 시나리오 실험 결과, Overlap 시나리오에서 MQ4는 10%, MX5는 0% 조건까지, CCRs Angle 시나리오에서는 MQ4가 40°, MX5가 70° 조건까지 GVT를 MIO로 감지하여 충돌을 회피하였다. 두 시나리오 모두 한계 조건에 가까워질수록 MIO 감지 거리가 감소하거나 감지 성능이 불안정해지는 경향이 공통적으로 확인되었다. 이러한 실험 결과는 실제 도로 환경에서 선행 사고 등으로 인해 정차 차량이 차로에 일부만 걸쳐 있거나, 차체가 틀어진 상태인 경우, ACC 시스템이 타겟을 제대로 인지하지 못할 가능성이 높음을 시사한다. 이는 현행 EuroNCAP 등 표준 평가 방법이 실제 도로의 복잡한 사고 환경을 모두 반영하기에는 한계가 있음을 시사하며, 향후 안전 기준 강화 시 이러한 엣지 케이스에 대한 고려가 필수적임을 보여준다.
따라서 ACC 시스템을 포함한 ADAS 장착 차량의 사고 분석 시에는 타겟 차량의 동적 정보(정지 / 이동) 및 기하학적 상태(Angle / Overlap)에 따른 시스템의 작동 한계를 면밀히 검토해야 함을 제언한다. 본 연구의 결과는 사고 당시 ACC 시스템의 감지 및 제어 한계 상황을 판단하는 데 중요한 근거 자료로 활용될 수 있을 것이다. 향후 연구에서는 Cut-in, Cut-out, CCRb 등 도로 주행 환경과 유사한 시나리오로 범위를 확장하고, 다양한 차종에 대한 체계적인 분석을 수행함으로써 ADAS 관련 사고 조사 및 기술 분석을 위한 기초 데이터를 제공할 수 있을 것으로 기대된다.
