AIoT 기반 고령자 운전 능력의 지속적, 상황 인식적, 그리고 설명 가능한 평가

AIoT-based Continuous, Contextualized, and Explainable Driving Assessment for Older Adults

세계적으로 고령 인구 비중이 급격히 증가하면서 운전 안전에 새로운 과제가 발생하고 있습니다. 특히 미국과 같이 자동차 의존도가 높은 지역에서는 운전이 개인의 독립성, 서비스 접근성, 그리고 사회 참여에 필수적입니다. 그러나 노화는 시력, 집중력, 반응 시간, 그리고 운전 능력에 미묘한 변화를 가져와 안전을 저해할 수 있습니다. 현재의 평가 방법은 대부분 불규칙적인 병원 방문이나 간단한 선별 도구를 사용하여 일시적인 정보만을 제공하며, 고령자가 실제 도로에서 어떻게 운전하는지를 제대로 반영하지 못합니다. 본 연구는 일상적인 운전이 기능 능력의 지속적인 기록을 제공하며, 운전자가 교통 상황에 어떻게 반응하고, 복잡한 도로를 어떻게 주행하며, 일상적인 행동을 어떻게 처리하는지를 보여준다는 점에 주목합니다. 이러한 점을 바탕으로, 본 연구에서는 고령자의 운전 안전을 지속적으로 평가하기 위한 AIoT 프레임워크인 AURA를 제안합니다. AURA는 차량 내 센서, 다중 스케일 행동 모델링, 그리고 상황 인식 분석을 통합하여 일상적인 운전 경로로부터 상세한 운전 성능 지표를 추출합니다. AURA는 세분화된 행동을 연결하여 더 긴 행동 패턴을 생성하고, 교통, 도로 설계, 날씨와 같은 상황 요인과 관련된 노화로 인한 성능 변화를 구분합니다. AURA는 개인 정보 보호를 고려한 엣지 아키텍처 내에서 센서, 모델링, 그리고 해석을 통합하여, 고령자가 안전하게 운전할 수 있도록 지원하는 기반을 제공합니다. 본 논문에서는 신뢰할 수 있는 실시간 모니터링 시스템을 구축하기 위한 설계 원칙, 과제, 그리고 연구 기회를 제시합니다.

The world is undergoing a major demographic shift as older adults become a rapidly growing share of the population, creating new challenges for driving safety. In car-dependent regions such as the United States, driving remains essential for independence, access to services, and social participation. At the same time, aging can introduce gradual changes in vision, attention, reaction time, and driving control that quietly reduce safety. Today's assessment methods rely largely on infrequent clinic visits or simple screening tools, offering only a brief snapshot and failing to reflect how an older adult actually drives on the road. Our work starts from the observation that everyday driving provides a continuous record of functional ability and captures how a driver responds to traffic, navigates complex roads, and manages routine behavior. Leveraging this insight, we propose AURA, an Artificial Intelligence of Things (AIoT) framework for continuous, real-world assessment of driving safety among older adults. AURA integrates richer in-vehicle sensing, multi-scale behavioral modeling, and context-aware analysis to extract detailed indicators of driving performance from routine trips. It organizes fine-grained actions into longer behavioral trajectories and separates age-related performance changes from situational factors such as traffic, road design, or weather. By integrating sensing, modeling, and interpretation within a privacy-preserving edge architecture, AURA provides a foundation for proactive, individualized support that helps older adults drive safely. This paper outlines the design principles, challenges, and research opportunities needed to build reliable, real-world monitoring systems that promote safer aging behind the wheel.