목적: 조건부 자동 주행(SAE 레벨 3)은 자동화 시스템이 실패할 경우 운전자가 차량을 인수해야 한다. 이러한 인수(takeover) 상황에서 발생할 수 있는 정신적 작업부하(mental workload)는 운전자의 행동과 안전에 직접적인 영향을 줄 수 있는 중요한 인간 요인이므로 예측하는 것이 중요하다. 따라서 본 연구는 ACT-R(Adaptive Control of Thought-Rational) 인지 아키텍처를 사용하여 자동 주행 중 인수 상황에서의 정신적 작업부하를 예측하는 방법을 제시한다. 본 연구에서 제안하는 정신적 작업부하 예측 모델은 향후 자율주행 상황에서의 대두되는 충돌 회피 기술을 위한 기반이 될 수 있는 계산 모델이다. 방법: 본 방법론은 인지 과정을 모델링하고 수행을 예측하는 데 있어 견고함으로 알려진 ACT-R 인지 아키텍처를 통합한다. 제안된 인수 인지 모델은 운전 상황을 반복적으로 점검하고 인수에 대한 의사결정을 수행하기 위한 상징적 구조뿐 아니라 비운전 관련 업무(Non-Driving-Related Tasks, NDRT)도 포함한다. 우리는 자동 주행 시나리오에서 인수 동안의 정신적 작업부하를 예측하기 위해 ACT-R 인지 모델을 사용하였다. 모델의 예측은 검증 시험에서의 생리학적 데이터와 수행 데이터에 대해 검증하였다. 결과: 모델은 r-square 값 0.97로 높은 정확도를 보였으며, 이는 예측된 정신적 작업부하와 실제 정신적 작업부하 간의 강한 상관관계를 나타낸다. 모델은 운전 시나리오에서의 다중작업(multitasking)의 미묘한 차이를 성공적으로 포착하였고, 인수 동안 다양한 인지적 요구를 나타내는 데 있어 적응성을 보여주었다. 결론: 본 연구는 자동 주행 인수 상황에서의 정신적 작업부하 예측에 ACT-R 모델의 효능을 확인한다. 이는 운전자 보조 시스템을 개선하고, 차량 안전성을 향상시키며, 인간-기계 역할의 효율적인 통합을 보장할 수 있는 모델의 잠재력을 강조한다. 본 연구는 인지 모델링 분야에 유의미하게 기여하며, 견고한 예측과 자동 주행 과업에서의 인간 행동에 대한 통찰을 제공한다.

Stroop 과제는 특히 ACT-R 인지 아키텍처의 맥락에서 인지 처리 과정에서의 인간 오류를 이해하기 위해 사용된다. 기존 ACT-R 모델에서는 Stroop 효과가 직관적 과정과 의도적 과정 간의 경쟁에 의해 유도된다. 그러나 직관과 의도성을 구분하는 기준을 정하기는 어렵다. 본 연구에서는 Stroop 과제를 위해 이원 과정 이론(dual process theory)에 기반한 새로운 방법을 제안한다. 우리는 ACTR을 기반으로 한 인지부하(cognitive load)의 정량적 예측값을 통해 직관적 과정과 의도적 과정 간의 전환을 나타낸다. 제안된 인지 모델은 검증 실험을 통해 Stroop 효과를 비교적 양호하게 재현함을 보여준다. 이 방법은 Stroop 과제에서 직관적 의사결정으로 인한 인간 오류를 재현할 수 있게 함으로써 ACT-R 모델링 분야의 확장에 기여한다.