Earticle

제어권 전환 안정화 시간(Stabilization time of take-over)은 제어권 전환 이후 운전이 안정화 될 때까지의 시간을 의미한다. 자율주행시스템(autonomated driving system)의 제어권 전환 요청 (take-over request) 직후, 운전자는 도로의 주행환경을 인지하고 수동운전을 수행해야하기 때문 에 주행환경과 제어권 전환 안정화 시간의 관계를 명확히 규명하는 것은 매우 중요하다. 반면, 제어권 전환 안정화 시간에 대해 특정하여 수행된 기존 연구는 드물었으며, 주행환경을 고려 한 연구도 부족한 실정이다. 이 점에 기인하여 본 연구는 드라이빙 시뮬레이터를 활용한 제어 권 전환 실험을 수행하고, 실험 결과를 선형혼합모형(linear mixed model)을 통해 분석하여 제어 권 전환 안정화 시간에 영향을 미치는 주행환경 요소를 정량적으로 도출하였으며, 각 영향요 인에 따른 제어권 전환 안정화 계수를 도출하였다.

The stabilization time of take-over refers to the time it takes for driving to stabilize after the take-over. Following a take-over request from an automated driving system, the driver must become aware of the road driving environment and perform manual driving, making it crucial to clearly understand the relationship between the driving environment and stabilization time of take-over. However, previous studies specifically focusing on stabilization time after take-over are rare, and research considering the driving environment is also lacking. To address this, our study conducted experiments using a driving simulator to observe take-over transitions. The results were analyzed using a liner mixed model to quantitatively identify the driving environment factors affecting the stabilization time of take-over. Additionally, coefficients for stabilization time based on each influencing factor were derived.

본 연구는 레벨 3(조건부 자동화) 이상 자율주행자동차에서 생성되는 자동운전시스 템(ADS) 데이터를 중심으로, 데이터 거버넌스와 사이버보안 쟁점을 분석하고 치안현 장 적용을 위한 통합적 활용 모델을 제시하는 것을 목적으로 한다. 자율주행자동차는 센서·통신·인공지능이 결합된 대표적 사이버-물리 시스템으로, 운행 과정에서 대용량· 고빈도·시계열 데이터를 생성한다. 이러한 데이터는 교통사고 조사, 형사책임 판단, 보 험 분쟁 해결, 범죄 수사 및 재난 대응에서 핵심 증거로 활용될 수 있는 잠재력을 가진 다. 그러나 자율주행 데이터의 접근·보존·제출을 둘러싼 법·제도적 기준은 아직 충분히 정립되지 않았으며, 네트워크 해킹, GPS 스푸핑, 센서 교란 등 다양한 사이버보안 위협 과 함께 프라이버시 침해 및 감시사회화 우려가 제기되고 있다. 이에 본 연구는 국제규범과 국내 법제 등 분석하여, 차량(EDR·DSSAD·ADSDL) → 통신·클라우드 → 경 찰 시스템 → 분석·재현 단계로 이어지는 치안현장 중심 데이터 흐름 모델을 제안하였 다. 또한 최소수집, 목적제한, 보존기간 설정, 역할기반 접근통제(RBAC), 암호화 및 무 결성 검증 등을 통합한 보안·프라이버시 결합형 데이터 거버넌스 원칙을 제시하였다. 본 연구는 자율주행 시대에 적합한 치안 데이터 인프라 설계 방향을 제시하고, 공공 안전과 기본권 보호의 균형을 모색하는 정책적·제도적 함의를 제공한다는 점에서 의의 를 가진다.

This study examines data governance and cybersecurity issues surrounding Automated Driving System (ADS) data generated by Level 3 (Conditional Automation) and higher autonomous vehicles, and proposes an integrated operational model for policing applications. Autonomous vehicles represent a typical cyber-physical system that combines sensors, communication networks, and artificial intelligence, continuously generating high-volume, high-frequency, time-series data during vehicle operation. Such data holds significant potential as digital evidence in traffic accident investigations, criminal liability determinations, insurance dispute resolutions, crime investigations, and disaster response. However, legal and institutional standards governing data access, retention, and disclosure remain insufficiently established. In addition, autonomous vehicle data environments are exposed to various cybersecurity threats, including network hacking, GPS spoofing, and sensor manipulation, while also raising concerns regarding privacy infringement and the risk of surveillance expansion. This study analyzes international regulatory frameworks alongside domestic legal developments. Based on this analysis, it proposes a policing-centered data flow model structured as: Vehicle (EDR·DSSAD·ADSDL) → Communication & Cloud → Police Systems → Analysis & Reconstruction. Furthermore, the study presents an integrated governance framework combining security and privacy principles, including data minimization, purpose limitation, retention control, role-based access control (RBAC), encryption, and integrity verification. The findings contribute to the design of policing data infrastructure suitable for the autonomous vehicle era and offer policy implications for balancing public safety and fundamental rights protection.