운전자 모니터링 시스템(DMS)을 검토하다 보면 어느 순간 같은 질문에 도착합니다. "그래서 이 카메라는 뭘 보고 졸음이라고 판단하는 건가?" 제조사 소개서에는 "AI가 실시간으로 감지합니다"라고만 적혀 있는 경우가 많고, 그 한 문장으로는 솔루션 간 비교도, 기사들에게 설명할 근거도 만들 수 없습니다.
이 글은 그 블랙박스를 엽니다. 운전자 모니터링 AI가 운전자를 판단하는 과정을 ① 누가 운전하는가(얼굴 인식·신원 식별) → ② 어디를 보는가(시선·고개 추적) → ③ 졸고 있는가(졸음 판단 지표) → ④ 무엇을 하는가(행동 분석) → ⑤ 차 밖은 어떤가(객체 인식·심도 추정)의 다섯 단계로 나눠 설명합니다.
0.5초의 일 — 경고음이 울리기까지
새벽 5시 50분, 고속도로를 달리는 버스. 운전석 위쪽의 작은 카메라는 이 순간에도 초당 수십 장의 이미지를 찍고 있습니다. 어느 순간 기사의 눈꺼풀이 평소보다 오래 닫혀 있고, 고개가 미세하게 앞으로 기웁니다. 카메라 옆의 AI 칩이 몇 장의 연속된 이미지에서 이 변화를 읽어내고, 누적된 눈 감김 시간이 기준선을 넘는 순간 — "졸음운전이 감지되었습니다" 경고음이 울립니다. 기사가 흠칫 깨어 자세를 고칩니다.
여기까지 걸린 시간은 1초가 되지 않습니다. 그 짧은 시간 안에 AI는 '얼굴을 찾고 → 눈·코·입의 위치를 잡고 → 눈 감김과 고개 각도를 계산하고 → 누적 패턴이 졸음인지 판정하는' 네 단계를 통과했습니다. 이제 각 단계에서 무슨 일이 일어나는지 하나씩 보겠습니다.
단계 ① 누가 운전하는가 — 얼굴 검출과 신원 식별(Face ID)
모든 판단의 출발점은 화면에서 얼굴을 찾는 것(얼굴 검출)입니다. 야간, 역광, 마스크 착용 같은 조건에서도 얼굴 영역을 안정적으로 잡아내는 것이 이 단계의 관건이고, 그래서 차량용 카메라는 조명이 없어도 촬영되는 적외선(IR) 방식을 함께 씁니다. 밤에도, 선글라스 너머로도 눈 영역을 볼 수 있어야 하기 때문입니다.
얼굴을 찾았다면 다음은 이 얼굴이 누구인지입니다(얼굴 인식·신원 식별). 등록된 운전자의 얼굴 특징과 대조해 본인 여부를 확인하는 기술로, 운수업 맥락에서는 세 가지 쓰임이 있습니다.
- 배차 확인 — 배정된 기사가 실제로 그 차량을 운행하는지 자동 확인. 대리 운행·무단 교대 방지
- 기사별 데이터 분리 — 한 차량을 여러 기사가 모는 교대 근무에서, 위험 운전 기록과 안전운전 점수를 운전자별로 정확히 귀속
- 운행 자격 관리 — 자격·교육 이수 여부와 연결해 미자격자 운행을 차단하는 체계의 기반
여기서 실무자들이 가장 많이 묻는 것이 개인정보 문제인데, 이 부분은 아래 '운전자를 촬영한다는 것' 섹션에서 따로 다룹니다.
단계 ② 어디를 보는가 — 얼굴 랜드마크와 시선·고개 추적
얼굴을 찾은 AI는 그 위에 **랜드마크(landmark)**라 부르는 기준점 수십 개를 찍습니다. 눈꼬리, 눈꺼풀 위아래, 콧등, 입꼬리, 턱선 — 사람 얼굴의 지형도를 그리는 셈입니다. 이 지형도가 있어야 다음 계산들이 가능해집니다.
- 고개 자세(head pose) — 랜드마크들의 상대 위치로 고개의 3축 각도(끄덕임·좌우 회전·기울임)를 추정합니다. 고개가 오른쪽 사이드미러 쪽으로 돌아간 것인지, 무릎 위 휴대폰 쪽으로 떨어진 것인지가 여기서 구분됩니다.
- 시선 방향(gaze) — 눈 영역에서 눈동자의 위치를 읽어 시선이 전방 도로를 향하는지를 추정합니다. 고개는 정면인데 시선만 내비게이션에 가 있는 상태도 잡아낼 수 있는 이유입니다.
전방미주시 판정은 이 두 계산의 조합입니다. 시선 또는 고개가 전방을 벗어난 상태가 일정 시간 이상 지속되면 경고가 나갑니다. 핵심은 '일정 시간'이라는 조건입니다. 사이드미러 확인처럼 운전에 필요한 짧은 시선 이동까지 경고하면 기사가 장치를 꺼버리게 되므로, 정상적인 확인 동작과 위험한 주의 이탈을 시간·각도 기준으로 구분하는 것이 이 단계의 정밀도를 가릅니다.
단계 ③ 졸고 있는가 — PERCLOS와 종합 판단
가장 중요한 질문입니다. AI는 무엇을 근거로 "졸음"이라고 판정할까요.
대표 지표는 PERCLOS(Percentage of Eye Closure)입니다. 일정 시간 동안 눈이 감겨 있던 시간의 비율을 재는 지표로, 졸음 연구에서 오래 검증되어 운전자 모니터링의 국제적 표준 지표로 쓰입니다. 순간의 눈 깜빡임은 걸러지고, "최근 1분 중 눈이 감겨 있던 비율이 기준을 넘었는가"처럼 누적 패턴으로 판단하기 때문에 깜빡임과 졸음을 구분할 수 있습니다.
다만 좋은 시스템은 PERCLOS 하나에 의존하지 않습니다. 단일 지표에는 함정이 있기 때문입니다 — 원래 눈이 작은 운전자, 선글라스 착용, 역광 조건에서는 눈 감김 측정 자체가 흔들릴 수 있습니다. 그래서 실제 판정은 여러 신호의 조합으로 이뤄집니다.
| 신호 | 무엇을 재나 | 단독으로 쓸 때의 한계 |
|---|---|---|
| PERCLOS(눈 감김 비율) | 누적된 눈 감김 시간 | 눈 크기·안경·조명 조건에 민감 |
| 눈 깜빡임 패턴 | 깜빡임 빈도·지속시간 변화 | 개인차가 큼 |
| 시선 이탈 | 초점 없는 시선, 시선 고정 실패 | 전방미주시와 구분 필요 |
| 고개 떨굼 | 고개가 앞으로 기우는 각도·반복 | 이미 졸음이 깊어진 후행 신호 |
| 하품·표정 변화 | 피로 누적의 보조 신호 | 단독으로는 판정 근거 부족 |
이 신호들이 동시에, 누적으로 나타날 때 졸음으로 판정하고 경고를 보냅니다. "왜 딱 한 번 하품했는데 경고가 안 울렸나"와 "왜 눈을 뜨고 있었는데 졸음 경고가 왔나"(초점 잃은 시선)의 답이 모두 여기에 있습니다.
한 가지 더 — 경고는 판정보다 한 박자 빠른 쪽이 좋습니다. 고개 떨굼은 이미 졸음이 깊어진 뒤의 신호이므로, 그 전 단계인 눈 감김 비율 상승·시선 초점 저하 시점에 개입해야 '깨우는 경고'가 됩니다. 한국교통안전공단 시범사업(13개 운송사·500대·운전자 1,615명, 운행거리 1,000km 기준)에서 이런 실시간 경고 방식으로 졸음운전 99.7%(1.54회→0.005회), 전방미주시 93.4% 감소가 확인된 것은, 경고가 사고 전 개입 수단으로 작동한다는 것을 보여줍니다.
단계 ④ 무엇을 하는가 — 행동 분석
시선과 눈만 보는 것이 아닙니다. 행동 분석은 얼굴 바깥의 정보 — 손의 위치, 물체의 존재, 자세 — 를 함께 읽습니다.
- 휴대폰 사용 — 손 주변에서 휴대폰 형태의 물체를 인식하고, '귀에 대는 자세'나 '무릎 쪽으로 시선+손이 함께 내려가는 패턴'과 결합해 판정합니다. 물체 인식과 자세 추정의 조합입니다.
- 흡연 — 손과 입 주변의 담배 형태 인식 + 손이 입으로 반복 이동하는 패턴.
- 안전벨트 미착용 — 어깨-가슴 영역에서 벨트 착용 형상 인식.
각 행동은 판정 방식이 다르기 때문에, 솔루션을 비교할 때는 "행동 분석 지원"이라는 한 줄이 아니라 어떤 행동을, 어떤 조건(주간/야간, 안경, 마스크)에서 감지하는지 항목별로 확인하는 것이 맞습니다. 그리고 이렇게 감지된 행동들이 기사별로 누적되면 안전운전 점수(스코어링)의 원재료가 됩니다 — 감지가 '순간의 경고'라면, 스코어링은 '습관의 기록'입니다.
단계 ⑤ 차 밖은 어떤가 — 객체 인식과 심도 추정
여기까지가 운전자를 향한 카메라(DMS)의 몫이라면, 마지막 단계는 전방을 향한 카메라의 몫입니다. 운전자 상태와 주행 환경을 함께 봐야 위험의 전체 그림이 완성되기 때문에, 통합형 솔루션은 두 방향을 동시에 처리합니다.
- 객체 인식(object detection) — 전방 영상에서 차량, 보행자, 이륜차, 차선, 신호등을 실시간으로 찾아 분류합니다. "앞에 무엇이 있는가"의 답입니다.
- 심도 추정(depth estimation) — 인식한 객체까지의 거리를 영상으로부터 추정합니다. 레이더나 라이다 같은 별도 센서 없이 카메라 영상만으로 거리 정보를 계산하는 것이 기술의 핵심입니다. "앞차가 얼마나 가까운가"의 답이고, 앞차와의 간격·충돌 위험 판단(전방 추돌 경고), 보행자 접근 판단의 근거가 됩니다.
- 주행 맥락 판단 — 차선 위치(차선 이탈), 신호(신호위반), 정지선 같은 도로 규칙 요소와 객체 정보를 결합해 "지금 이 주행이 위험한가"를 판단합니다.
운전자 카메라와 전방 카메라의 판단이 결합되면 개별 장치가 못 하는 판정이 가능해집니다. 예를 들어 '전방에 정지 차량 접근(전방 카메라) + 운전자 시선이 전방에 없음(DMS)'이 동시에 감지되면, 각각일 때보다 훨씬 위험한 상황으로 판단해 더 강한 경고를 보낼 수 있습니다.
이 계산은 어디서 이뤄지나 — 온디바이스 처리
다섯 단계의 계산이 서버로 영상을 보내 처리된다면 두 가지 문제가 생깁니다. 경고가 통신 지연만큼 늦어지고(졸음 개입은 초 단위 싸움입니다), 운전자 영상이 상시 외부로 전송되어 통신비와 프라이버시 부담이 커집니다.
그래서 차량용 AI는 온디바이스(on-device) 처리 — 차량 단말의 AI 칩에서 영상을 그 자리에서 분석하고, 판정 결과와 필요한 이벤트 영상만 관제로 전송하는 구조 — 가 표준이 되어가고 있습니다. 영상 전체가 아니라 '졸음 이벤트 3건'이라는 결과만 나가므로 데이터 전송량이 획기적으로 줄고, 상시 영상 전송이 없어 운전자 입장의 감시 부담도 낮아집니다. 솔루션 비교 시 "분석이 단말에서 되는가, 서버에서 되는가"를 확인해야 하는 이유입니다.
감지의 다음 단계 — 운전자 스코어링, 순간을 점수로
여기까지의 다섯 단계는 모두 '그 순간'의 이야기입니다. 졸음을 감지하고, 경고를 울리고, 운전자가 자세를 고치는 것 — 여기서 끝나면 같은 위험이 다음 주에 반복됩니다. 감지 기술이 사고 감축으로 이어지려면 한 층이 더 필요합니다. **감지된 순간들을 운전자별 점수로 누적하는 스코어링(Driver Behavior Scoring)**입니다.
산출 구조는 이렇습니다.
- 이벤트 수집 — ①~⑤단계에서 감지된 위험 운전(졸음, 전방미주시, 휴대폰, 급가속·급감속, 차선 이탈 등)이 운전자별로 기록됩니다. 이때 단계 ①의 신원 식별이 전제가 됩니다 — 교대 근무에서도 이벤트가 '차량'이 아니라 '운전자'에게 정확히 귀속되어야 하기 때문입니다.
- 보정과 가중치 — 주행거리·운행시간이 다른 기사들을 공정하게 비교하려면 절대 건수가 아니라 단위 거리당 빈도로 환산해야 하고, 위험도가 다른 행동(졸음 vs 급가속)에는 다른 가중치가 적용됩니다.
- 점수와 추이 — 기간별 안전운전 점수로 산출되어, 개별 기사의 이번 달 점수와 변화 추이, 어떤 행동이 점수를 깎았는지까지 확인할 수 있게 됩니다.
이 점수가 만드는 변화가 감지와 다른 지점입니다. 경고가 '그 순간의 교정'이라면, 스코어링은 '반복의 차단'입니다. "안전운전 하세요"라는 막연한 당부가 "이번 달 전방미주시가 지난달보다 줄었다"는 구체적 피드백으로 바뀌고, 저경력 기사에게는 맞춤 코칭의 근거가, 성실한 기사에게는 자신의 안전운전을 증명하는 객관적 기록이 됩니다. 점수 개선을 인정·보상하는 체계까지 붙으면 안전운전은 지적받는 일이 아니라 인정받는 일이 됩니다.
솔루션 비교 관점에서 이 층은 중요한 차별 지점입니다. 감지 항목이 비슷해 보이는 제품들도, 감지 이후가 '이벤트 목록 나열'에서 끝나는지, 보정·가중치를 거친 운전자별 점수와 추이까지 제공하는지에서 갈립니다. 앞의 통근버스 사례에서 본 습관 변화 기반의 사고 감축 — 보험금 지급액 68% 감소 — 도 이 스코어링 운영이 만든 결과입니다. 스코어링이 실제 현장에서 어떻게 운영되는지는 통근버스에 운전자 모니터링이 필요한 이유의 '습관의 변화' 부분에서 다뤘습니다.
운전자를 촬영한다는 것 — 개인정보는 어떻게 다뤄지나
운전자를 향한 카메라, 얼굴 식별, 기사별 점수 — 여기까지 읽으면 자연스럽게 따라오는 질문이 있습니다. "이 데이터는 누가, 얼마나, 어떤 형태로 갖게 되는가." 도입 검토 단계에서 반드시 짚어야 할 부분이고, 기술 구조를 알면 판단 기준이 명확해집니다.
핵심은 '원본 영상'과 '판정 결과'를 구분하는 것입니다. 앞서 본 온디바이스 구조에서 상시 촬영되는 영상은 단말 안에서 분석되고 사라지며, 밖으로 나가는 것은 '몇 시 몇 분 졸음 이벤트'라는 판정 결과와 해당 구간의 이벤트 영상 정도입니다. 모든 영상이 서버에 쌓이는 상시 관제 방식과는 수집되는 정보의 양 자체가 다릅니다. 얼굴 식별 정보도 마찬가지입니다 — 얼굴 사진 원본이 아니라 대조용 특징값 형태로 처리·관리되는지, 암호화와 보관 기간 제한이 있는지가 확인 포인트입니다. 최근에는 이벤트 영상 속 동승자·보행자 얼굴을 자동으로 비식별화(마스킹)하는 기술까지 함께 제공되는 흐름입니다.
제도 관점에서는 세 가지를 갖추면 됩니다. 수집 항목·목적·보관 기간의 명문화(취업규칙 또는 별도 규정), 기사들에 대한 사전 고지와 협의(노조가 있다면 노사 협의), 그리고 접근 권한의 제한(누가 어떤 데이터를 볼 수 있는지)입니다. 실제 현장에서 정착이 빨랐던 곳들의 공통점은 규정 정비보다 운영 원칙 쪽에 있었습니다 — 이 데이터가 기사를 적발하는 자료가 아니라, 사고·민원 시 기사의 성실함을 증명하고 무리한 배차를 조정하는 근거로 쓰인다는 것을 운영으로 보여준 곳들입니다.
이 기술은 어디까지 와 있나 — 규제가 말해주는 것
이 기술들이 실험실 단계가 아니라는 것은 규제 일정이 보여줍니다.
| 지역 | 내용 | 시점 |
|---|---|---|
| EU | 일반안전규정(GSR)에 따라 졸음·주의력 경고(DDAW) 전체 신규 생산 차량 의무화 | 2024년 7월 (시행 중) |
| EU | 주의 분산 경고(ADDW)로 확대 | 2026년 7월부터 전체 신규 생산 차량 |
| 국제기준 | 유엔 자동차 국제기준 조화포럼(WP29), DMS 국제 기준 채택 — 한국 포함 64개국이 가입한 상호인정협정에 적용 | 2026년 3월 |
| 일본 | 도로운송차량법 안전기준 개정으로 DMS 탑재 의무화 — 신차부터 적용 후 2년 뒤 기존 생산 차량으로 확대 | 2031년 9월부터 |
주목할 것은 판정 기준까지 구체화되고 있다는 점입니다. 일본 개정안은 시속 50km 이상에서 시선이 3.5초, 시속 20~50km에서 6초 이상 손 주변(휴대폰)을 향하면 경보를 울리고, 졸음은 눈꺼풀·안구 움직임과 핸들 조작을 분석해 판정하도록 했습니다 — 앞서 ②·③단계에서 설명한 '시선 지속 시간'과 '다중 신호 종합'이 그대로 법정 기준이 된 것입니다. 시장 전망도 같은 방향입니다. 후지키메라종합연구소는 세계 DMS 시장이 2035년 약 1조 2,566억 엔 규모로 2021년의 55배 이상 성장할 것으로 내다봤습니다.
요컨대 운전자 상태 감지는 선택 사양에서 법정 기본 장비로 넘어가는 중이고, 국내에서도 사업용 차량 중심으로 같은 방향의 논의가 이어지고 있습니다. 국내외 의무화 현황의 전체 그림은 운전자 모니터링 시스템(DMS) 가이드에서 정리했습니다.
좋은 시스템을 가르는 것 — 비교 검토 체크리스트
같은 "AI 운전자 모니터링"이라도 품질 차이는 큽니다. 도입 검토 시 확인할 항목입니다.
- 감지 항목의 구체 목록 — "졸음 감지" 한 줄이 아니라 졸음·전방미주시·휴대폰·흡연·안전벨트 등 항목별 지원 여부와 판정 방식
- 악조건 성능 — 야간(적외선), 역광, 안경·선글라스, 마스크 착용 시에도 감지가 유지되는지
- 오경보율 — 정상적인 사이드미러 확인·짧은 깜빡임에 경고가 남발되지 않는지. 오경보가 잦으면 현장에서 장치를 꺼버리는 것이 가장 큰 실패 요인
- 처리 위치 — 온디바이스 분석인지, 서버 전송 방식인지 (지연·통신비·프라이버시)
- 감지 이후의 체계 — 경고로 끝나는지, 기사별 스코어링·리포트·관제 연동까지 이어지는지. 감지는 시작이고 사고 감축은 운영에서 나옵니다
- 검증 근거 — 공공 시범사업·실측 데이터 등 제3자가 확인한 성능 근거가 있는지
정리 — 다섯 단계, 한 장으로
| 단계 | 질문 | 핵심 기술 | 실무 가치 |
|---|---|---|---|
| ① 얼굴 인식·신원 식별 | 누가 운전하는가 | 얼굴 검출, Face ID | 배차 확인, 기사별 데이터 귀속 |
| ② 시선·고개 추적 | 어디를 보는가 | 랜드마크, 시선·자세 추정 | 전방미주시 경고 |
| ③ 졸음 판단 | 졸고 있는가 | PERCLOS + 다중 신호 종합 | 사고 전 개입 (시범사업 졸음 99.7%↓) |
| ④ 행동 분석 | 무엇을 하는가 | 물체 인식 + 자세 패턴 | 휴대폰·흡연·안전벨트 경고, 스코어링 원재료 |
| ⑤ 객체 인식·심도 추정 | 차 밖은 어떤가 | 전방 객체 인식, 거리 추정 | 추돌·보행자·차선·신호 위험 판단 |
| + 스코어링 | 반복되고 있는가 | 이벤트 누적·보정·가중치 | 기사별 안전운전 점수 — 습관 개선·교육·인정의 근거 |
에이아이매틱스(A.I.MATICS)의 AI 안전운전 솔루션은 이 다섯 단계를 모두 다룹니다 — 운전자 행동 인식(DMS)이 ①~④를, 주행상황 판단 기술이 ⑤를 맡고, 감지 결과는 운전자 스코어링과 관제 플랫폼으로 이어집니다. 졸음 판단에는 위에서 설명한 PERCLOS·시선 이탈·고개 떨굼의 종합 분석 방식을 사용하며, 그 효과는 한국교통안전공단 시범사업에서 검증되었습니다.
차종·운행 형태 기준으로 어떤 감지 항목과 구성이 필요한지 안내해드립니다.
함께 읽으면 좋은 글
- 운전자 모니터링 시스템(DMS)이란 — 개념·의무화·도입 가이드 — 이 글이 '어떻게'라면, 개념과 제도의 '무엇'을 다룬 글
- 통근버스에 운전자 모니터링이 필요한 이유 — 통근 사고를 줄이는 3가지 원리 — 이 기술이 실제 사고를 줄이는 '왜'와 구조
- ADAS와 AI 안전운전 솔루션은 무엇이 다를까 — 운수업체가 알아야 할 차이 — 장치 층위 전체에서 이 기술의 위치
자주 묻는 질문 (FAQ)
Q. 얼굴 인식을 지원하는 운전자 안전 솔루션은 어떤 기준으로 골라야 하나요?
A. 세 가지를 확인하면 됩니다. 첫째, 얼굴 인식의 용도 — 단순 검출(얼굴 위치만 찾음)인지, 신원 식별(등록 운전자 대조)까지 되는지. 배차 확인과 기사별 데이터 귀속이 필요하면 신원 식별이 필요합니다. 둘째, 악조건 성능 — 야간 적외선 촬영, 안경·마스크 착용 시 인식 유지 여부. 셋째, 개인정보 처리 방식 — 영상이 상시 서버로 전송되는지, 단말에서 처리되고 결과만 나가는지입니다. 국내에서는 에이아이매틱스 등이 신원 식별(Face ID)을 포함한 운전자 모니터링 솔루션을 제공하고 있습니다.
Q. 운전자 행동 분석은 구체적으로 무엇을 감지하나요?
A. 대표적으로 졸음(눈 감김 비율·시선·고개 종합), 전방미주시(시선·고개가 전방을 벗어난 지속 시간), 휴대폰 사용(물체 인식+자세 패턴), 흡연, 안전벨트 미착용을 감지합니다. 솔루션마다 지원 항목과 판정 조건이 다르므로, 비교할 때는 "행동 분석 지원" 여부가 아니라 항목별 목록과 주간/야간·안경 착용 등 조건별 성능을 확인하는 것이 정확합니다.
Q. AI는 눈 깜빡임과 졸음을 어떻게 구분하나요?
A. 순간이 아니라 누적으로 판단하기 때문입니다. 대표 지표인 PERCLOS는 일정 시간 동안 눈이 감겨 있던 시간의 비율을 재므로, 0.1~0.2초의 정상적인 깜빡임은 비율에 거의 영향을 주지 않고, 졸음으로 눈꺼풀이 오래·자주 감기기 시작하면 비율이 올라가 경고 기준을 넘습니다. 여기에 시선 초점, 고개 떨굼, 깜빡임 패턴 변화 같은 신호를 함께 봐서 단일 지표의 오판을 줄입니다.
Q. 객체 인식과 심도 추정까지 되는 차량용 안전 솔루션이 왜 필요한가요?
A. 운전자 상태만 봐서는 위험의 절반만 보이기 때문입니다. 객체 인식은 전방의 차량·보행자·차선·신호를 찾아내고, 심도 추정은 별도 센서 없이 카메라 영상만으로 그 객체까지의 거리를 계산합니다. 이 둘이 있어야 전방 추돌 위험, 보행자 접근, 차선 이탈 같은 주행 환경의 위험을 판단할 수 있고, 운전자 상태 감지와 결합하면 '앞에 위험이 있는데 운전자가 보고 있지 않은' 최고 위험 상황을 가려낼 수 있습니다.
Q. 운전자 얼굴을 계속 촬영하면 개인정보 문제는 없나요?
A. 처리 구조에 따라 다르며, 확인할 포인트는 세 가지입니다. ① 영상이 단말에서 분석되고 이벤트 결과만 전송되는지(상시 영상 전송 여부) ② 얼굴 식별 정보가 암호화·최소 수집 원칙으로 관리되는지 ③ 수집 목적·항목·보관 기간을 취업규칙이나 노사 협의로 명확히 했는지입니다. 특히 온디바이스 처리 방식은 원본 영상이 밖으로 나가지 않는 구조라 부담이 상대적으로 낮습니다. 도입 시에는 기사들에게 '감시가 아니라 사고 시 본인을 보호하는 기록'이라는 운영 원칙을 함께 설계하는 것이 정착의 관건입니다.
Q. 이런 기술이 실제로 사고를 줄인다는 근거가 있나요?
A. 공공 시범사업 실측이 있습니다. 한국교통안전공단 시범사업(13개 운송사·버스 500대·운전자 1,615명, 운행거리 1,000km 기준)에서 실시간 감지·경고 도입 후 졸음운전 99.7%(1.54회→0.005회), 전방미주시 93.4%, 신호위반 87.6% 감소가 확인됐습니다. 별도로 국내 대기업 통근버스 1,077대 분석에서는 보험금 지급액이 전년 동기 대비 68% 감소했습니다.
본 글의 기술 설명은 운전자 모니터링 분야에서 일반적으로 쓰이는 방식을 기준으로 하며, 제품별 구현은 다를 수 있습니다. 통계는 한국교통안전공단 시범사업 및 전세버스공제조합 사고현황 데이터 분석 결과, EU 규정은 General Safety Regulation(EU 2019/2144)의 DDAW·ADDW 적용 일정, 일본 의무화 및 WP29 국제기준 관련 내용은 서울경제 보도(2026.8, 니혼게이자이신문 인용)를 기준으로 합니다.
