가상 인체 모형을 활용한 승하강성 평가를 위한 승하차 방식별 키프레임에서의 자세 예측 모델 및 불편도 평가 모델 개발

Abstract

Ingress and egress motions, getting in and out of a car, result in a driver’s complex and dynamic movement due to restricted geometric characteristics of a car, and thus a driver experiences discomfort, the ease of ingress and egress, during ingress and egress. Driver’s ingress and egress strategies as well as the ease of ingress and egress represent large variation by driver and car features. There are great benefits to using digital human modeling tools in the early stage of automotive development process for evaluating the ease of ingress and egress. However, there are still many challenges in accurately simulating ingress and egress motions of digital human models and in quantitatively evaluating the ease of ingress and egress with such simulation. Therefore, this study developed statistical and mathematical models to predict ingress and egress postures and to quantify discomfort at key frames and overall discomfort based on ingress and egress strategies using digital human models.The field research through the one-to-one interview was conducted in order to understand the ease of ingress and egress that drivers experience in daily life. The pilot test, the ingress and egress trials in five different recreational vehicles, were performed by forty different participants in stature. Main design parameters affecting the ease of ingress and egress were the roof height, the seat height, and the step height. Six key frames, the specific instants that cause drivers physical discomfort during ingress and egress, were selected for the model development: 1) when the right foot is above the step, 2) when the head passes under the opening flange of the roof, and 3) when the left foot is above the step while sitting for ingress, and 4) when the left foot is above the step while sitting, 5) when the left foot strikes on the ground, and 6) when the right foot is above the step while standing on the left foot only for egress.In order to construct input and output data for developing posture prediction models and discomfort evaluation models, ingress and egress motions of twenty drivers in the variable mock-up were measured using a motion capture system. The subjective ratings of discomfort at key frames and overall discomfort were also collected. Three strategies (Median Motion, Lateral Sliding, and Backward Motion) for ingress, and two strategies (Head Forward and Parallel to the Vehicle) and two sub-strategies (Face and Lateral) for egress were classified by video observation, respectively. Ingress and egress postures at the key frames based on motion data were created by Manikins in the RAMSIS system. Two types of kinematic data, positions of body points and joint angles, were derived from Manikins’ postures.The posture prediction models which create postures of Manikins at the key frames based on the strategies during ingress and egress were developed. Three anthropometric measurements (Stature, Sitting height, and Leg length), five design parameters (Roof height from SgRP, Seat height, H30 height, Step height from ground, and Step over width), and six ratios between the two variables (R-RHs/SittingH, R-SgRPH/LegL, R-SHg/LegL, R-SHf/LegL, R-H30H/LegL, and R-SW/LegL) were adopted as input variables. The positions of fourteen body points composed of x-, y-, and z- coordinates were selected as output variables: Hip center, Right hip joint, Lumbar-sacrum joint for the hip, Thoracal joint, Cervical joint, End of chest, Vertex, and Forehead for the upper body, and Right/Left knee joints, Right/Left ankle joints, and Right/Left tiptoes for both lower extremities.Simple or multiple linear regression models were built. For this, the stepwise regression method was used, and the coefficient of determination, the variance inflation factors, and the p-values for the estimated coefficients were considered for determining the best subsets of input variables. The checking data collected by ingress and egress trials for three additional conditions in the main test were used to validate the posture prediction models. A paired t-test was carried out to identify whether the means of paired samples of relevant body points by the strategies at each key frame were equal.The discomfort evaluation models were developed by applying a Sugeno-type fuzzy inference system. Such models predict the ease of ingress and egress which drivers experience based upon their postures at key frames and their motions during ingress and egress. The key-frame discomfort evaluation models represent the association between a set of joint angles and subjective ratings of discomfort at a key frame. The overall discomfort evaluation models represent the association between discomforts at three key frames and overall discomfort during ingress and egress.The angles of nineteen degrees of freedom of nine joints were selected as input candidates for building discomfort evaluation models at key frames. By considering the correlation between subjective ratings of discomfort and joint angles at each key frame, irrelevant variables were screened out. Best subsets procedure based upon root mean square error was used to select definitive input variables for modeling. Fuzzy Logic Toolbox in MATLAB software was used

the genfis2 function was applied to generate the model structure with fuzzy IF-THEN rules using subtractive clustering. The IF-part of each rule included cluster centers and a common cluster radius of input variables, and the THEN-part of each rule included coefficients of the linear membership function composed of input variables and a constant as a local linear model. The discomfort evaluation models are validated compared with the findings of previous relevant studies.This study suggested statistical and mathematical models to systematically identify the step-by-step and sequential process to understand the characteristics of ingress and egress postures according to driver and automobile features, and based on that, to propose a method that enables the assessment of the ease of ingress and egress. These key frame-based modeling would simplify predictions about complex motions and at the same time enhance the statistical power of models. Automotive developers or designers can evaluate the ease of ingress and egress more quickly and accurately, solve design problems more efficiently, and make a rational decision in more detail with such models. A practical application of the proposed models in automotive design process was presented.

승하차 동작은 제한된 형태와 크기를 갖는 자동차의 기하학적인 특성으로 인해 운전자의 복잡한 움직임을 유발시키며, 이에 따라 운전자는 불편함을 경험하게 된다. 운전자가 승하차하는 동안 경험하는 불편함을 승하강성이라고 한다. 운전자의 승하차 방식은 승하강성과 함께 운전자와 자동차 특성에 따라 다양한 특성을 보인다. 자동차 설계 과정의 초기 단계부터 승하강성을 평가하기 위하여 가상 인체 모형을 활용하는 것은 장점을 갖는다. 하지만, 복잡한 승하차 동작을 가상 인체 모형으로 정확하게 구현하고, 이를 바탕으로 승하강성을 정량적으로 평가하는 것은 여전히 많은 한계점을 보이고 있다. 따라서, 본 연구는 가상 인체 모형을 활용하여 다양한 승하차 방식에 따른 키프레임에서의 승하차 자세 예측 모델과 불편도 평가 모델을 개발하였다.운전자가 일상생활에서 경험하는 승하강성을 확인하기 위해 일대일 인터뷰 방식의 필드 리서치가 수행되었다. 또한, 40명의 운전자를 대상으로 5대의 실제 RVs에서 승하차 실험을 수행하였다. 이를 통해, 천장 높이와 시트 높이 그리고 스텝 높이가 승하강성에 영향을 미치는 중요한 설계인자인 것으로 확인되었다. 운전자가 자동차와 물리적인 상호작용을 하는 순간으로써 운전자에게 불편함을 유발시키는 특정 상황을 주요 키프레임으로 선정하였다. 승차의 경우, 오른발이 스텝 위를 넘는 순간과 머리가 천장 아래로 통과하는 순간 그리고 왼발이 스텝 위를 넘는 순간이 해당된다. 하차의 경우, 왼발이 스텝 위를 넘는 순간과 왼발이 지면에 닿는 순간 그리고 오른발이 스텝 위를 넘는 순간이 해당된다.자세 예측 모델과 불편도 평가 모델을 개발하기 위해 필요한 입력 변수와 출력 변수를 수집하기 위하여 주요 설계인자의 치수 변경이 가능한 목업에서의 승하차 실험이 진행되었다. 이를 위해 20명의 남녀 운전자가 실험에 참여하였다. 동작 분석 시스템과 캠코더에 의해 다양한 실험 조건에서의 승하차 동작이 측정되었으며, 실험참여자는 키프레임에서의 불편도와 전반적 불편도를 평가하였다. 비디오 관찰을 통해 승차 방식은 ‘Median Motion’과 ‘Lateral Sliding’ 그리고 ‘Backward Motion’으로 분류되었다. 하차 방식은 ‘Head Forward’와 ‘Parallel to the Vehicle’로 분류되었으며, 세 번째 키프레임에 대해 세부적으로 ‘Face’와 ‘Lateral’로 분류되었다. RAMSIS software의 가상 인체 모형인 Manikin을 사용하여 측정된 승하차 동작 정보를 바탕으로 선정된 키프레임에서의 승하차 자세를 생성하고, 해당 자세로부터 kinematic data (주요 인체 지점 위치와 관절 각도)를 추출하였다.승하차 방식에 따른 키프레임에서의 자세 예측 모델은 운전자의 인체 치수 정보 (신장, 앉은 키, 다리 길이)와 설계인자 치수 정보 (천장 높이, 시트 높이, H30 높이, 스텝 높이 및 스텝 폭) 및 두 변수 사이의 비율 정보 (R-RHs/SittingH, R-SgRPH/LegL, R-SHg/LegL, R-SHf/LegL, R-H30H/LegL, and R-SW/LegL)에 따라서 선정된 주요 인체 지점 (엉덩이: Hip center, Right hip joint, Lumbar-sacrum joint, 상체: Thoracal joint, Cervical joint, End of chest, Vertex, and Forehead, 하체: Right/Left knee joints, Right/Left ankle joints, and Right/Left tiptoes x, y, z축 좌표)의 위치를 예측하는 함수의 형태로 개발되었다.자세 예측 모델을 개발하기 위해 단순/다중 선형 회귀 분석이 수행되었다. 가장 적합한 입력 변수를 선정하기 위해 단계별 회귀 방법이 사용되었으며, 결정 계수와 분산팽창계수 및 추정된 회귀계수에 대한 유의확률이 고려되었다. 또한, 개발된 모델의 검증을 위해 목업 실험에서 실험 조건 이외의 추가적인 세 가지 RVs 조건에서 수집된 승하차 동작 정보가 사용되었다. 각각의 인체 지점 위치에 대해서 측정 결과와 모델 결과를 비교하기 위해 키프레임에서 승하차 방식 별로 짝을 이룬 표본의 평균 차이의 검정이 수행되었다.불편도 평가 모델은 Sugeno 방식 퍼지 추론 시스템을 적용하여 개발되었다. 개발된 모델은 키프레임에서의 자세에 따른 불편도와 승하차 동안의 전반적인 동작에 따른 불편도를 예측한다. 키프레임 불편도 평가 모델은 키프레임에서의 관련 관절 각도의 조합과 주관적 불편도 사이의 연관성을 나타내는 수학적 모델이며, 전반적 불편도 평가 모델은 승하차 동작 별로 세 키프레임에서의 주관적 불편도와 전반적 불편도 사이의 연관성을 나타내는 수학적 모델이다.불편도 평가 모델을 개발하기 위해 주요 관절 자유도의 각도가 입력 변수의 후보로 선정되었다. 관절 각도와 불편도 사이의 상관 분석을 통해 후보 변수 중 일부를 제외하였다. 평균 제곱근 오차를 고려하여 승하차 방식에 따른 키프레임에서의 불편도 평가 모델을 개발하기 위한 최종적인 입력 변수를 선정하였다. MATLAB software에서 제공하는 Fuzzy Logic Toolbox가 모델 개발에 사용되었으며, subtractive clustering에 따른 퍼지 IF-THEN 규칙 기반의 모델을 제시하기 위해 genfis2함수가 적용되었다. 각 규칙에서의 IF-part는 입력 변수 별로 군집 중심과 공통의 군집 반지름을 나타내며, THEN-part는 지역 선형 모델로서 입력 변수로 구성된 선형 소속 함수의 계수와 상수항을 포함한다. 개발된 모델의 검증을 위해 기존 연구의 결과를 적용하여 비교 분석하였다.본 연구는 운전자 특성과 자동차 특성에 따른 승하차 자세 특성을 제시하고 이를 통한 승하강성 평가 방법을 제시하기 위해, 단계적이며 순차적인 과정으로 체계적인 확인이 가능한 수학적, 통계적 모델을 제시하였다. 서로 다른 승하차 방식을 고려하여 제시된 키프레임 기반의 자세 예측 모델과 불편도 평가 모델은 복잡한 승하차 동작과 이에 따른 승하강성을 단순화하여 예측하면서도 통계적, 수학적 설명력을 높이는 장점을 갖는다. 이와 같은 모델을 활용함으로써, 자동차 개발자는 승하강성을 보다 빠르고 정확하게 평가할 수 있으며, 이에 따라 보다 효율적으로 설계 문제점을 해결할 수 있다. 또한 세부적인 승하강성 분석을 통해 자동차 설계 시 보다 합리적인 의사결정을 할 수 있다. 이와 관련하여, 자동차 개발자가 자동차 설계 과정에서 개발된 모델을 활용하는 상황을 설명하였다.