KR100742112B1

KR100742112B1 - 차량 운전자 활동 상태를 분류하는 방법 및 장치

Info

Publication number: KR100742112B1
Application number: KR20057023865A
Authority: KR
Inventors: 카리 토콜라; 노엘 에스. 마세이; 로버트 에이치. 레이비안
Original assignee: 모토로라 인코포레이티드
Priority date: 2003-06-12
Filing date: 2004-06-10
Publication date: 2007-07-25
Also published as: EP1631946A4; KR20060010836A; EP1631946A1; WO2004111966A1; US7292152B2; US20040252027A1

Abstract

운전자의 활동상태를 분류하는 장치 및 방법은 적어도 하나의 차량의 조작 상태에 관한 센서 데이터를 사용하여 운전자 활동을 판정하고 적어도 두가지 상태들 중 하나의 상태로 분류한다. 2-상태 분류기(200)는 차량 감시기들(210), 운전 상태들(212), 운전자 활동(214), 차량 제어들(216), 및 운전자 식별(218)에 관계된 입력들을 사용하여 출력(204)을 "운전(maneuver)" 및 "비-운전(non-maneuver)"에 대응하는 상태로 설정한다.

활동 상태, 운전, 비-운전

Description

차량 운전자 활동 상태를 분류하는 방법 및 장치{Method and apparatus for classifying vehicle operator activity state}

본 발명은 일반적으로 차량 운전 분야에 관한 것으로, 보다 구체적으로는, 차량 운전자의 활동 상태를 분류하기 위한 방법 및 장치에 관한 것이다.

텔레매틱스, 인포테인먼트(infotainment), 충돌경고 등과 같은 운전자들에 도달하는 정보의 홍수는 운전자-차량 인터페이스에 새로운 방식을 필요로 한다. 현재, 정보(이를테면 네비게이션 지시들, 셀 전화 및 이메일 메시지들, 교통경고들, 인포테인먼트 옵션들, 차량상태 감시 등)는 주어진 순간에 운전작업이 어떻게 요구될 수 있을 것인가는 무시하고, 비동시적으로 차량 운전자에게 주어진다. 예를 들면, 운전자가 스테레오 시스템에 CD를 넣음과 동시에, "엔진 체크(check engine)" 지시기의 라이트가 계기들 중에서 켜질 수도 있을 것이고, 이와 아울러 휴대 전화에 전화가 걸려오고, 운전자가 1인 이상의 탑승자들과 대화하고 있는 가운데, 내비게이션 시스템 화면에 곧 턴이 있을 것임을 표시하고, 그 턴을 말로 설명되고 있을 수가 있다.

사람들은 환경을 인지하고, 환경의 요소들에 주의하여, 수용된 자극들을 인식 처리하고, 인지들로부터 적절한 의미를 이끌어내어, 이들 인지된 의미들에 따라 적절히 행동하는 유한한 능력을 갖는다. 또한, 운전자 간에도, 운전에 선천적인 능력과 개발된 능력 면에서 크게 다르다. 따라서, 차량 운전자들은 당황하게 되고, 주의가 산만해지고, 무지해지는데, 이것은 차량을 운전하는 중에 받고 있는 연속된 자극들에 의해 더욱 심해진다. 당황과, 주의산만과, 무지는 연습과, 경험과, 기술에 의해 완화될 수 있다. 불행히도, 미국 내에서는 사람들이 운전면허 신청시의 기간말고는, 운전에 연루된 공식적 혹은 비공식적 기능 연습은 거의 없다. 운전자의 연습 프로그램은 특히 효과가 있는 것도, 운전이력 내내 연습이 계속된 것으로 입증되지 않았다. 사실, 미국에서는, 특히, 대부분의 사람들은 운전을 특권이 아닌 권리로서 생각한다. 또한, 연구에 따르면, 대다수는 스스로를 능숙한 운전자라고 생각하며 "다른 사람(the other person)"을 문제를 야기하는 자로 생각하고 있음을 보여주고 있다. 운전자들을 운전 기능을 향상시키려는 소망을 장려하는 문화적 혹은 법적인 변화가 발생하지 않거나 그때까지는, 당황, 주의산만, 무지를 최소화하게 설계되는 기술적 해결책들은 고속도로 수송체계의 안전성을 향상시킬 최상의 잠재력이 있을 것으로 보이지만, 이 수송체계는 도로 기반시설 확장이 거의 혹은 전혀 행해지지 않을 것이라면 더욱 혼잡하게 될 것이며, 따라서 장래에는 더욱 위험하게 될 것이다.

이들 및 그 외 안전도의 우려를 해결하기 위해서, 상태 천이 모델에 근거한 통합 안전체계가 제안되었다. 기본개념은, 각 상태가 외부 물체 검출기들 및 차량내 센서들로부터의 정보에 근거해서 곧 충돌할 것이라는 위험의 판단을 나타내는 것인 일련의 상태들을 거쳐 나아가는 "위협 계층(hierarchy of threat)" 모델이다. 상태들은 "정상 구동상태(normal driving state)", "경고상태(warning state)", "충돌 회피가능 상태(collision avoidable state)", "충돌 회피불가 상태(collision unavoidable state)", "충돌후 상태(post-collision state)"이다. 센서 및 데이터 퓨전 알고리즘들은 센서들로부터의 정보를 결합하여, 충돌 위험이 존재하는 정보를 판정한다. 시스템이 충돌 위험을 검출하면 시스템은 운전자에게 경고를 발행하거나, 어떤 상황들에서는 차량의 제어를 취하여 자동 브레이크, 자동 차선변경, 혹은 그 외 다른 형태의 차량제어를 개시한다. 이 시스템은 이전에 관계가 없는 센서 정보를 충돌 위험에 관한 유용한 추론이 행해질 수 있게 하는 통합 상태로 가져가려는 시도를 보여주고 있고, 운전자에게 경고, 혹은 차량의 제어를 사용해서 충돌로부터의 피해를 완전히 피하게 하거나 완화시킬 수 있게 한다.

운전자에게 정보 제공의 우선순위를 매기기 위해서 차량 및 교통상황을 광범하게 감시할 수 있는 시스템이 제안되어 있다. 이 시스템의 목적은 운전자의 운전작업, 상태, 및 물리적, 인지적, 인식 역량을 고려하면서 운전자에게 정보 스트림을 유지하는 것이다. 제공된 지원은 운전자의 집중을 향상시키고 또한 운전자가 차량의 네비게이션, 운전 및 제어를 이행할 때 흩어진 운전의 주의를 다시 집중시키게 설계된다. 전체 시스템 구조는 센서들로부터의 입력들을 받아들이고 운전상황들에 대해 저장된 각 상황들을 포함하고 운전자에 관한 정보를 기록하는 분석자/플래너를 탑재한다. 또한, 시스템은 운전자와의 통신을 처리하는 대화형 제어기를 포함한다. 시스템은 또한 운전자를 감시하고 운전자의 상태를 경고 및 제어 시스템들에 의해 행해진 결정들에 합친다.

기존 시스템들 어느 것도 일 범위의 센서 데이터의 감시를 하지 않으며 이들은 운전자의 인식 부하의 평가를 제공하지도 않는다. 이러한 시스템들은 또한, 창문을 개폐하거나, 라디오를 켜는 등의 운전작업에 직접 관계되지 않은, 운전석에서의 운전자의 활동을 고려할 수 없다. 예를 들면, 기존의 시스템들은 운전자를 전혀 감시하지 않거나 실제 동적인 운전자 동작 및/또는 습관들과는 반대되는 정적인 "모델(model)" 행동 면에 대해 운전자를 감시하지 않는다. 이에 따라, 이들 시스템들은 운전작업과 동기하여 정보를 제공하지 않으며, 주의산만을 최소화하려는 시도도 하지 않는다.

또한, 운전자 동작에 액세스를 시도하였던 이전의 시스템들은 차선-추종 능력, 즉 운전자의 차선 추종 능력을 나타내는 파라미터를 발생하기 위해서 차선의 에지들에 대한 차량의 위치를 운전자가 얼마나 잘 유지하는가를 평가하는 것으로 제한되었다. 파라미터는 주기적으로 결정되고, 설정레벨 미만으로 된다면, 버저 또는 시각적 표시와 같은 경고가 운전자에게 주어진다. 이 시스템은 차선 추종 평가만을 제공하며 이를테면 위험을 피하기 위해 신중한 차선 이탈을 고려하지 않으며, 일 범위의 센서 입력을 수신하게 일체화되어 있지 않으며 운전자 상태 및 운전자 활동 데이터를 포함하지 않는 점에서 한계가 있다.

동일 구성요소에 동일 참조부호를 사용하고 상세한 설명과 함께 명세서 내 포함되어 이의 일부를 이루는 첨부한 도면들은 각종 실시예들을 예시하고 본 발명에 따른 모든 다양한 원리 및 이점을 설명하기 위한 것이다.

도 1은 단순화한 대표적인 형태로 차량을 도시하는 도면.

도 2는 차량과 분류기와의 인터페이스를 도시한 블록도.

도 3은 운전자의 활동상태를 분류하는 방법을 도시하는 도면.

도 4는 현 변수값들과 타겟간의 시간 시프트의 함수로서 운전 분류 에러 레이트를 도시한 그래프.

시스템은 운전자의 조작에 관계된 정보 및 운전자에게 다른 있을 수 있는 주의산만에 관계된 정보에 액세스하여 운전자의 인식부하를 더 증가시키는 것에 관하여 판정을 내리는데 사용하기 위한 출력을 제공하도록 구성된 것이다. 출력은 차량의 조작, 조작 환경, 및 조작자와 탑승자들의 활동에 관계된 다수의 상태들에 근거한다. 이 명세서에서 사용되는, 차량 조작자라는 용어와 운전자라는 용어는 상호 교환적으로 사용되고, 각각은 차량이 조작되게 하려고 차량을 조작하는 사람을 지칭하는데 사용된다.

또 다른 실시예에서, 시스템은 조작자 선호도, 과거 운전 수행 및 습관들에 대해 평가가 행해질 수 있게 특정 차량 조작자를 또한 식별할 수 있다.

도 1을 참조하면, 차량(100)은 분류기(102) 및 차량을 감시하는데 사용되는 각종의 가시 및 은닉된 장치들을 포함한다. 조향 휠(104), 브레이크 페달(106), 가속기(108), 및 엔터테인먼트 유닛(110)이 도시되었다. 여러 실시예들에서, 도시하진 않았으나 그 외 사용되는 차량 제어기들은 방향전환 신호, 기어 시프터, 도어 핸들, 창 제어기들을 포함한다. 분류기(102)는, 각종 구동제어기들(104, 106, 108), 엔터테인먼트 유닛(110) 및 그 외 장치들로부터 감시 및 보고하는 센서들(도시생략) 및 후술하는 바와 같은 내부 및 외부 감시 둘 다를 위한 센서들에 접속된다.

도 2를 참조하여, 분류기와 차량과의 인터페이스를 도시한 블록도를 논하고 기술한다. 분류기(200)는 분류기(102)와 동일하거나 유사할 수 있는 것으로, 입력(202) 및 출력(204)을 구비한다. 도시된 바와 같이, 분류기는 하니스(harness;204)에 결합된 복수의 입력들(202) 및 단일의 출력(206)을 구비한다. 실제로 그 외의 구성들이 있을 수 있다. 입력(202) 및 출력(204)은 버스이거나, 다중화되거나, 패킷 인터페이스이거나 혹은 개별 도체들일 수 있다. 분류기(200)의 기능들은 물리계층 인터페이스에 의해 영향을 받지 않는다.

분류기(200)는 마이크로프로세서, 디지털 신호 프로세스 등과 같은 적합한 처리 디바이스(206), 적합하게 구성된 데이터 구조들을 포함하는 하나 이상의 메모리 디바이스들, 및 차량의 각종 센서들에 분류기를 결합시켜 분류 정보를 하류의 디바이스들에 제공하는 인터페이스들을 포함할 수 있다. 분류기(200)는 일체화된 단일 모듈일 수도 있고 혹은 이의 기능들은 엔진 제어기, 차체 제어기 혹은 엔터테인먼트 제어기와 같은 차량의 또 다른 계산 시스템(도시생략)의 일부로서 수행될 수도 있다.

다양한 센서들 모두는 직접 혹은 간접적으로 차량의 상태 및 새로운 입력에 관한 운전자의 인식부하를 추론하는데 사용될 수 있는데, 이들 센서들로부터 데이터가 캡처된다. 이러한 데이터는 차량의 각종의 센서들에 의해 생성된 데이터를 포괄한다. 차량 상태 감시 센서들은 탑승자 차량들(차, 미니-밴, 스포츠 유틸리티 차량들, 등) 및 그 외 많은 차량들에 보급되어 있다. 이들 센서들은 엔진 작동 파라미터들, 차량속도, 변속 및 휠 속도, 3축 차량 가속, 새시 기능, 배기 제어기능 등의 많은 파라미터들을 감시한다. 이들 센서들은 차량 진단에 관계된 데이터를 제공할 수도 있다.

차량 감시기들(210)은 차량이 운전되고 있는 환경, 예를 들면, 도로 상태, 교통상태, 날씨 등에 관계된 데이터를 포괄한다. 차량 감시기들(210)은 차량-운전 데이터를 또한 제공하는 센서들을 포함할 수 있다. 차량 감시기들(210)의 또 다른 요소인 차량 위치는 GPS(global positioning system) 기술을 이용하는 내장된 네비게이션 시스템에 의해 제공될 수도 있고, 혹은 위치정보는 무선 통신 디바이스(예를 들면, 셀룰라 전화) 및 연관된 무선 통신 네트워크에 의해 제공될 수도 있다.

운전상태들(212), 예를 들면, 도로면 및 트랙션(traction) 추정들은 안티-록 브레이크, 트랙션 및 새시 제어 시스템 센서들에 의해 제공될 수 있다. 레이더, 레이저, 초음파 및 비디오 시스템들은 차량 근처의 물체들의 지도 및 차량에 대한 이들의 움직임을 제공할 수 있다. 날씨 및 시각은 직접적으로 감시될 수도 있고 혹은 윈도우 와이퍼들, 라이트들 및 제상기들(defrosters)과 같은 소스들로부터 도출될 수 있다.

운전에 직접 관계되지 않은 운전자 활동(214)이 감시될 수도 있다. 좌석 센서들 및/또는 적외 센서들은 차량 내 탑승자들의 수 및 위치들을 감지할 수 있다. 플로어 및 조향 휠 센서들은 운전자의 발과 손들의 위치를 표시할 수 있다. 비디오 혹은 이미징 센서들은 운전자의 머리, 몸, 손 및 발의 움직임들을 감시할 수 있 고, 조작상태들과 정보의 운전자 사용, 엔터테인먼트 및 텔레매틱스 시스템들이 또한 감시될 수도 있다. 쉽게 감시되는 그 외의 활동들은 라디오 조정, 셀룰라 전화의 사용, 네비게이션 정보 획득, 환경제어들의 조정, 및 대화수준을 포함한다.

분류기(200)는 차량 제어기들(216)을 감시함으로써 차량동작에 직접 관계된 데이터를 캡처할 수도 있다. 차량을 조작하는 중에, 운전자는 확실하게 제한은 없으나, 가속기 혹은 브레이크들을 적용하며, 조향 휠을 돌리며, 방향전환 신호들, 윈드실드 워서/와이퍼들, 윈도우 디포거 등을 사용하는 등의 다수의 서로 다른 행동들에 관여한다. 차량 제어기들 혹은 그 외 센서들로부터 도출된 데이터는 인식 부하를 평가하는데 사용될 수 있고, 예를 들면, 가속기 및 브레이크의 변화율, 차량속도와 결합된 회전반경, 및 전자식 현가 설정들이 몇 개의 예이다.

사람의 숙련수준들, 물리적 크기, 개인의 선호들 및 기호들이 크게 다르므로, 누가 차량에 들어가고 및/또는 운전을 시도하고 있는지를 분류기(200)가 "인식(recognize)"하는데 있어 유용할 많은 상황들이 있다. 이에 관하여, 운전자 식별 인터페이스(218)는 개인 휴대 사용자 인터페이스(PPUI)로서 구성될 수 있다. PPUI는 많은 형태들로 존재할 수 있으나, 특정 운전자에 연관된 선호도, 수행 및 습관 데이터를 캡처하는 것은 필수적이다. PPUI는 스마트 카드, 키 포브(fob)에 엔코딩될 수도 있고, 지문 판독기, 음성 인식 시스템, 광학 인식 시스템 혹은 그 외 이러한 수단에 의해 활성화되게 차량 내 내장될 수 있다.

다양한 실시예들에서, PPUI는 차량 혹은 차량의 이그니션 시스템(vehicle's ignition system)에의 액세스를 승인 혹은 제한하는 보안 시스템으로서 기능할 수도 있고, 권한없는 자들에의 액세스를 금지시키거나, 권한이 없는 자가 차량 운전을 시도할 때 차량을 무력화시킨다. 운전자 식별 인터페이스(202)의 일부로서의 PPUI는 차량의 각 조작자가 시간에 앞서 선택들을 설정할 수 있게 한다.

PPUI는 운전자 수행 향상 및/또는 운전 제한 시행 툴에서 기능할 수도 있다. PPUI는 운전 수행을 감시하고 교통 시행당국에 보고하는데 사용될 수도 있다. 이것은 상습적인 교통 위반자에게 법원이 감시하듯이 운전면허를 명심하게 할 것이다. 운전 수행은 추후에 검토를 위해 기록될 수 있고 운전자 수행을 향상시키는 방법이 그에 기술된다. 또한, PPUI는 차량의 이용에 관한 제어들을 구현하는데 사용될 수 있다. 예를 들면, 부모는 차량이 취할 수 있는 거리들 및 위치들 혹은 초보 운전자에 의해 차량이 조작될 수 있는 시간들을 제약할 수도 있다. 고용주는 플리트 운전자들의 운전습관들을 감시할 수도 있다.

인식되는 바와 같이, 분류기(200)에 의해 이용될 수 있는 차량 환경 내에 그리고 이에 관해 수많은 데이터 소스들이 존재한다. 몇가지 데이터 유형들이 위에 기술되었고, 그 외 다른 것들은 분류기(200)의 조작에 관련하여 기술할 것이며, 여기 구체적으로 언급하지 않은 또 다른 것들은 본 발명의 범위 및 정신 내에서 사용될 수도 있다. 신 기술들이 새로운 유형들 및 소스들의 데이터와 새로운 유형들 및 소스들의 정보를 차량에 도입하고, 분류기(200)는 이들 추가의 데이터 소스들을 이용하게 수정될 수 있음을 알 것이다.

즉, 분류기(200)는 어떤 주어진 순간에 운전자가 무엇을 하고 있는지에 관하여 가능한 한 많을 것을 분류기(200)가 알도록 차량의 운전석에서 운전자가 터치하거나 사용할 수도 있을 기술적인 특징의 어느 것이든 감시할 것이다. 또한, 운전석에서 비디오 혹은 이미징 기술, 좌석 센서들 및 마이크들을 사용함으로써 분류기(200)는 운전자의 소재 및 위치, 잡음수준, 및 탑승자들의 유무와 그 외 주위산만의 잠재적인 소스들을 판정할 수 있다. 차량 주위에 배치된 레이더, 레이저, 비디오 및 적외 센서들은 교통 및 날씨 상태들, 장애물들, 차선표시들, 등을 감시한다. 운전자의 현 상태 및 운전 수행은 이를테면 비디오와 같은 직접적인 측정들로부터, 그리고 과거의 수행 및 알려진 좋은 수행 습관과 현재의 수행과의 비교로부터 추론될 수 있다.

결국, 분류기(200)는 차량, 및 대응하여, 운전자는 운전 및 비-운전의 적어도 두 상태 중 한 상태에 있을 때를 판정하기 위해 가용 입력들을 사용한다. 데이터를 두 상태로의 감축에 대해선 후술한다.

출력(204)은 다양한 차량 장치들 및 시스템들에 결합될 수 있는데, 각각은 분류기(200)로부터의 출력(204) 신호들을 사용하기 위한 어떤 형태로 구성될 수 있다.

셀룰러 전화(200)는 출력(204)의 상태를 감시하여 "운전(maneuver)"으로서 분류된 시간 동안 수신된 호들을 전환시키고 출력(204)이 "비-운전(non-maneuver)"을 표시할 때는 호들이 수신되게 하도록 프로그램될 수 있다.

이메일 디바이스(222), 이를테면, 전방표시장치(head up display), 콘솔 유닛 혹은 음성 인터페이스를 구비한 개인 정보 관리기는 출력(204)이 운전을 표시할 때는 이메일의 통보 혹은 이메일 메시지들의 표시/음성화를 지연시키기에 설정될 수 있다.

각종 계기들 및 경고들(224)은 특정 상황에서 어떤 정보를 운전자에게 보낼 것인지를 관리함에 있어 출력(204)의 상태를 사용하게 프로그램될 수 있다. 계기 및 경보 인터페이스(204)는 시각적, 청각, 촉각 혹은 그 외 적합한 지시기들을 포함할 수 있다. 시각적 지시기들은 게이지들, 발광 지시기들, 그래픽 및 문자 표시기들을 포함할 수 있다. 이들 시각적 지시기들은 차량의 계기판 내 중앙에 위치할 수도 있고, 차량 주위에 배치될 수도 있고, 전방표시장치 내 구성될 수도 있고, 백미러 및 사이드 미러에 일체로 될 수도 있고, 아니면 운전자에게 정보를 효과적으로 전달하게 구성될 수도 있다. 청각적 지시기들은 부저들 혹은 알람들, 음성 혹은 그 외 청각적 경고들일 수 있다. 촉각적 경고들은 시뮬레이팅된 럼블 스트립, 페달 혹은 조향 휠 피드백 압력, 좌석 움직임들 등을 제공하기 위해 새시 제어 시스템 사용을 포함할 수 있다.

임의의 하나 혹은 그 이상의 지시기들 혹은 경고들의 작동은 정보가 운전자에게 제공될 때의 이의 타이밍을 동기화하기 위해 제어된다. 개념을 예시하기 위한 한 매우 제한된 예에서, 긴급 오일교환 표시는 차량의 동력전달장치 관리 시스템에 의해 발생될 수 있다. 전에는, 이러한 표시는 동력전달장치 관리 시스템이 표시를 발생한 즉시로 "엔진 서비스(service engine)" 혹은 "엔진오일 교환(change engine oil)" 라이트가 차량 계기판에서 켜지게 하였을 것이다. 계기들 중에서 갑자기 나타난 라이트는 일시적으로 운전자를 산만하게 할 수 있다. 라이트가 켜질 때 운전자가 교통을 빠져나가고 있거나 운전 작업에 완전히 주의를 기울여야 하는 상황에 있다면, 엔진오일 교환에 관계된 중요하지 않은 데이터는 덜 위험한 상황이 되었을 때 운전자에게 정보가 제공되는 상황이 될 때까지 저장해 둘 수 있다.

엔터테인먼트 시스템(226)은 볼륨 레벨을 자동으로 줄이게, 아니면 "운전(maneuver)"으로서 분류된 상황에서 운전자에 대한 주의산만 수 및 레벨을 낮추게 행동하도록 유사한 방식으로 프로그램될 수 있다.

또 다른 실시예에서, 분류기(200)는 스스로가, 디바이스들과의 직접적인 인터페이스를 통해서 혹은 디바이스와 이의 출력 트랜스듀서간의 개재된 관계에 의해서 어떤 이벤트들을 차단 혹은 지연시킬 것인지를 판정할 수 있다.

목적은 운전자가 디바이스 혹은 서비스로부터 추가의 정보를 수신할 수 있을지를 판정하는 것이기 때문에, 운전자의 인식 부하를 추정하게 시스템이 구성된다. 위에 논한 바와 같이, 이것은 운전자를 직접적으로 관찰함으로써 행해질 수 있는데, 그러나, 필요한 전용의 센서들은 조만간에는 차량들에서 사라지게 될 것이다. 운전은 운전자의 상태에 직접적으로 액세스를 시도하기보다는 차량 내에서 입수가능한 센서 입력들로부터 검출될 수 있어 효과적이다. 즉, 인식 부하는 실제 운전상황에 직접적으로 관계될 수 있고, 입수가능한 차량 센서들을 통해 운전상황에 액세스함으로써 판정될 수 있다. 대부분의 이전의 연구는 운전 상태 인식보다는 운전자 행동 인식 및 예측에 중점을 두었다.

분류기의 구성요소들은 알려져 있고 입수가 가능하다. 프로세서(206)는 단일칩 제어기, DSP, 혹은 조합일 수 있고, 일체형 휘발성 및 비휘발성 메모리를 구비할 수 있다. 이러한 프로세서들은 모토롤라와 같은 회사들로부터 구입할 수 있다.

분류기(200)가 운전자의 인식 부하에 지능형으로 액세스하기 위해서, 운전자의 현재 상태의 판정을 시도할 수 있다. 운전자 상태의 한 구성요소는 운전작업을 수행하기 위해 운전자가 필요로 하는 현재의 노력이다. 예로서, 고속도로에 진입하거나 나오기, 차선변경하기, 코너 돌기, 및 주차는 통상적으로 '어려운(diffucult)' 운전작업들로 간주된다. 반대로, 주위에 교통량이나 스폿라이트에 놓이지 않고 곧바른 고속도로에서 운행하는 것은 통상적으로 '쉬운(easy)' 운전작업으로 간주된다. 따라서, 운전자 활동을 특징화하는 한 방법은 운전 상태들이라 할 수 있는 '어려운(difficult)' 운전상태들과 비-운전 상태들이라 할 수 있는 '쉬운(easy)' 운전상태들을 분리하는 2상태 분류기(200)일 수 있다.

다음의 예시한 예에서, 순간 센서상태는 운전/비-운전 부류들로 분류된다. 즉, 시간 시퀀스들로서가 아니라 센서 스냅샷들이 고찰한다. 이것은 간단하고 효율적인 구현을 할 수 있게 하는데, 그러나, 시간 시퀀스들도 사용될 수 있음을 알 것이다. 또한, 순간 센서 상태들의 사용은 분류 응답시간에 시간 래그를 제거한다.

변수 세트를 향상시키기 위해서, 변수들의 2차 항들, 즉 변수들의 모든 외적들 및 제곱들이 사용될 수 있다. 변수 d의 총 수가 증가된다. 예를 들면, 5개의 센서들이 사용되는 경우, 변수의 총 수는 사용된 외적들의 수에 따라 5 내지 20 혹은 그 이상으로 증가한다. 또한, 대응하는 음 및 양의 출력들을 갖는 센서들의 출력의 절대값이 사용될 수도 있다. 예를 들면, 좌회전일 경우엔 음이고 우회전일 경우엔 양인 조향 휠 각도는 절대값으로 바꿀 수 있다. 방향전환 신호 표시에 대해서도 마찬가지가 행해질 수 있다.

운전/비-운전 분류를 제공하기 위해서 몇가지 서로 다른 통계적 데이터 분류기들이 사용될 수 있다. 한 가지는 분류기를 통상의 언어, 이를테면 'IF-THEN-ELSE' 논리를 사용한 C나 Java로 코딩하거나 자동 시스템을 사용할 수도 있을 것이다. 이러한 자동 시스템은 예를 들면 C4.5 분류기일 수도 있을 것인데, 이를테면, Witten의 Data Mining: Practical machine learning tools with Java implementation, Morgan Kaufmann, San Francisco에 기술된, J48이라 불리는 Weka 툴 키트에 Quinlan C4.5가 사용될 수 있다. 분류기들은 운전 및 비-운전들의 예들을 제공하기 위해 설명한 수집된 데이터를 사용한 훈련을 요한다. C4.5는 각 스플리트에서 얻어진 정보에 근거하여 결정 트리들을 구축한다. 이 C4.5는 또한 프루닝을 지원한다. 결과로 나온 출력이 결정 트리이며, 이는 이어서 규칙들로 변환되고 시스템에서 세서 데이터로부터 운전 및 비-운전 분류를 제공하기 위해 사용된다.

다른 예에서, 에러 감소를 위한 반복 증분 프루닝(RIPPER)인 이전 위치 규칙 학습기가 사용될 수도 있다. RIPPER는 코헨의 고속 유효 규칙 유도, Machine Learning:Proceedings of the Twelfth International Conference, Lake Tahoe, CA에 기술된 IREP의 최적화한 버전일 수 있다. 구현은 위에 기술된 Weka 툴 키트 내 JRip 분류기일 수 있다. 이 모델은 감소된 에러 프루닝을 위한 겹 수(하나의 겹이 프루팅 세트로서 사용되는 경우), 스플리트 내 인스탄스들의 최소 가중값들, 최적화의 런 수, 랜덤화의 시드, 중지 기준에서 에러 레이트가 >= 0.6인지 체크 여부, 및 프루닝을 사용할지 여부를 명시할 옵션들을 갖는다. 결과적인 출력은 사람이 읽을 수 있는 형태의 규칙 리스트이고 검사되어 다른 프로그래밍 언어들의 규칙들로 쉽게 전환될 수 있다.

또 다른 실시예에서, 2차 분류기는 2차항들을 생성한 후에 표준 최소-제곱 의사역행렬 방식을 사용하여 훈련될 수 있다. n행 및 d+1 열들의 훈련 데이터 행렬(상수 열을 데이터에 결부시킬 필요가 있다)을 X로 표기하고, 운전 경우에 대해선 +1을 포함하고 비-운전 경우에 대해선 -1을 포함하는 타겟 열 벡터를 D로 표기하면, 분류기의 가중값들에 대한 최소 제곱 해는 다음과 같다:

정리한 해는 다음 식에 의해 형성될 수 있다:

실제 인식 동작에서, 행 벡터 x의 센서 입력들, 이들의 2차 전개, 및 1의 결부된 상수값이 주어지면, 분류기의 최종 출력은 d = xw이 되고, 이는 운전에 경우엔 양이 될 것이다.

모델 데이터를 전개하기 위한 운전 환경 시나리오를 생성하기 위해서 GlobalSim HyperDrive 작성 툴과 같은 운전 시뮬레이션 디바이스를 사용할 수도 있다. 가상 드라이브는 진입로 및 진출로, 고가도로, 및 각 방향에서(중앙분리대로 분리된) 2 및 3차선 교통량을 가진 수 킬로미터에 이르는 복수 차선 순환도로를 시뮬레이팅할 수 있다. 미드-사이드 고가도로에 연결되는 순환도로 내측은 2차선 도로의 시내, 시외, 산업 및 전원환경들로 다양할 수 있다. 이들 도로들은 라이트로 통제되는 교차로들에서 교차할 수 있다. 드라이브는 가시도가 좋은 주간 포장도로 운전조건을 사용할 수도 있고, 혹은 운전조건을 더 어렵게 할 수도 있다.

고밀도 운전환경의 경우, 고밀도 랜덤 "주변(ambient)" 교통량과 함께 고속도로 시나리오에 다수의 "디스트랙터(distracter)" 차량들을 포함시킬 수 있다. 이들 디스트랙터 차량들은 지정 속도제한보다 10 퍼센트 내외로 빠르게/느리게 운전하게 하여, 당해 차 주위로 통상의 교통량이 일정하게 흐른다는 인상을 주게 랜덤하게 프로그램될 수 있다. 모든 디스트랙터 차량들은 방심하지 않는 "양호한(good)" 운전자 습관을 시뮬레이팅하였으며 당해 운전자로부터 어떤 특정 운전에 대해 적합하게 반응하였다.

이 구성은 한정된, 그러나 연속적인 운전공간 내에서 다양한 교통조건 및 도로 유형들을 가능하게 한다. 그럼으로써, 추월 및 추월되는 기회들, 교통혼잡 및 서로 다른 수준의 운전 난이도들이 드라이브 동안에 가질 수 있다.

다수의 운전자들로부터 데이터가 수집될 수 있다. 예를 들면, 시뮬레이팅된 세계에서 각자가 약 15분간 운전하는 4명의 운전자들로부터 데이터가 수집될 수 있다. 운전자들은 이들이 생각할 수도 있을 모든 가능한 운전들에 관여되게 지시를 받을 수 있다. 분류기가 가용 변수들 및 데이터의 일부분만을 이용할지라도, 모든 변수들 및 비디오의 모든 채널들은 세이브될 수 있다. 예를 들면, 위에 기술한 5개의 변수들인 가속기 페달 위치, 브레이크 페달 위치, 속도, 방향전환 신호상태(좌, 오프, 혹은 우), 조향 휠 위치가 입력들로서 사용될 수 있다. 이들 5개의 변수들은 5Hz로 다운샘플될 수 있으므로 약 1시간 운전에, 19700 샘플의 데이터가 얻어질 수 있다. 타겟 라벨들(운전 혹은 비-운전)을 생성하기 위해서, 수집된 데이터의 선택된 변수들의 그래픽 시각화와 비디오 재생을 결합하는 툴을 사용하여 수작업으로 데이터를 설명하였다.

3개의 분류기를 평가하기 위해서, 4중의 교차-검증(리브-원-아웃)이 사용될 수 있다. 4명의 운전자들 1인은 테스트 데이터 세트에서 제외시켜두고, 나머지 3인의 운전자들을 분류기의 훈련 세트로서 사용하였다. 모든 나타난 숫자들은 4번의 이러한 런들의 평균들이다. 표1은 운전/비-운전 분류에서 3개의 분류기들의 에러 레이트들에 관하여 이들을 최종 비교한 것이다.

C4.5 Ripper 2차 분류기

에러 레이트 19.5% 18.2% 18.8%

표 1. 4중의 교차검증을 사용한 3개의 분류기들의 에러 레이트들의 비교.

2차 분류기에서 단일 파라미터는 정규화(regularization) 계수이다. 최적의 값은 운전자에 무관한 교차검증 실험들을 통해 결정될 수 있다. 정규화 계수는 운전자들간에 최상의 일반화를 제공할 수 있다.

가중값 벡터를 훈련한 후에 분류기(200)에서 2차 분류기의 구현은 특히 수월하다. 먼저, 2차 항들은 들어오는 센서 데이터 스트림으로부터 계산되고, 이후 실제 분류기는 센서 벡터 데이터와의 가중값 데이터와의 내적(상수를 결부시킨), 및 운전/비-운전 결정을 하기 위해 결과를 제로와 비교하는 것으로서 간단히 구현된다.

C4.5의 주 파라미터 값인, 한 리프(leaf)에 최소 허용 수의 훈련 인스턴스들은 또한 교차검증을 사용하여 결정될 수 있다. 드라이브들간에 최상의 일반화는 400의 리프 크기에 의해 얻어졌으며 에러 레이트는 19.5 퍼센트였다. 가장 작은 리프 크기는 2였으며, 가장 큰 것은 700이었다.

C4.5는 Java의 규칙들로 쉽게 변환되고 시스템(100)에서 사용되는 결정 트리의 일반화를 할 수 있게 한다. 다음은 최적 파라미터 세팅을 사용하여 생성될 수 있는 트리의 예이다.

RIPPER는 시스템(100)에 쉽게 추가되는 규칙들을 생성하였다. 기술된 예에서는 24개의 규칙들을 사용하였다. 훈련 세트로부터 도출한 예로서의 규칙을 다음에 열거한다:

현 시각을 두 부류들 중 한 종류로 분류하려는 것 외에도, 미래의 운전들( 및 과거의 운전들의 포스트딕션(postdiction))을 예측하는 것이 가능할 수 있다. 결과들은 도 4에 선 400으로 나타내었다. 2차 분류기가 사용될 수도 있는데, 모든 운전자들로부터의 데이터는 단일 복수-운전자 데이터베이스에 넣어둘 수 있고, 에러 레이트들을 도출하기 위해 10중의 교차검증이 사용될 수도 있다. 예상할 수 있는 바와 같이, 미래의 예측은 과거를 인식하는 것보다 어렵다. 도 4는 현재의 운전 상태에 관한 얼마나 많은 정보가 시간의 함수로서 다른 변수들에 의해 전해되는가의 생각을 제공한다. 도 4에 기초하여, 현재의 값들 외에, 분류기에의 입력들로서 변수들의 과거 상태들을 포함하는 것이 이익이 있을 것이다.

모든 3개의 분류기들은 실시간 운전에서 이들의 조작에 액세스하기 위해 시뮬레이터에서 구현되었다. 분류기들의 정확도들은 테스팅 데이터를 사용하여 서로간에 매우 근접할지라도, 온라인 조작에서는 트리-기반 및 규칙-기반의 분류기들은 일부 중요한 운전들은 놓쳤으며, 반면에 2차 분류기는 이들을 검출한 것으로 관찰되었다. 고찰 결과, 에러 레이트를 고려하기보다는, 운전 상태를 검출함에 있어서는 분류기의 정밀도를 최적화하는 것이 이익이 있다. 이것은 2차 분류기에 있어선 더 높았다. 또한, 운전자들마다의 에러 레이트의 편차는 2차 분류기에 있어선 가장 작았다.

분류기들은 독립적으로 사용되는 것으로서 기술되었으나, 이들은 조작 인식부호를 분류하기 위해 조합하여 사용될 수도 있다. 이러한 구현은 환경들이 요구하는 바에 따라 하나 이상의 분류기의 선택적 사용을 가능하게 한다.

다시 도 2를 참조하여, 앞에서 말한 바와 같이, 분류기(200)는 차량상태, 운전자 상태, 운전자 활동 및 조작 환경(예를 들면, 날씨, 도로 및 교통상태)를 측정하는 것을 포함하여, 각종 센서 입력들 모두를 수신하여, 한 세트의 상태들 혹은 마스터 상태 리스트를 생성한다. 상태들은 분류기(200)가 감시 중의 개개의 것의 현 개별적 상태를 나타낸다. 예를 들면, 속도상태는 임의의 시각에서의, "정지(stopped)", "서행(slow)", "정상(normal)", "고속(fast)", 및 "속도위반(speeding)" 상태들 중 한 상태에 있을 수 있다. 상태들은 상태들 간의 학습된 임계값들에 근거함과 아울러 이력 및 기지의 좋은 습관에 근거해서 결정된다. 분류기(200)는 마스터 상태 리스트가 주어지면, 이를테면 라디오를 튜닝하는 것, 이메일을 보는 것 혹은 그 외 잠재적으로 주의를 흩트리는 작업들 등의 현 운전자들의 작업들 및 활동들을 평가하여, 추정된 운전자 인식부하를 생성한다. 각 정적 작업의 인식부하는 한 세트의 테스트 주체들(예를 들면, 라이트 튜닝은 운전자의 주의를 15.4 퍼센트를 사용할 수도 있다)에 제어된 실험들에 의해 외부적으로 결정될 수 있다. 총 인식부하는 개개의 작업들 각각의 가중화한 합이다. 가중화는 고정된 것일 수도 있고, 혹은 예를 들면 통시 작업들의 수가 주어진다면, 지수함수적으로 변경될 수도 있다.

잠재적 운전자 주의산만의 한 특정 예는 셀룰라 전화의 사용에 관한 것이다. 기술된 바와 같이, 분류기(200)는 조작자 인식부하에 관한 정보를 제공한다. 예를 들면, 활성화된 셀 전화(220)는 호들을 완전히 금지함이 없이 운전자에게 셀 전화 호들의 두 가지 잠재적 컷-오프들을 제공할 수 있다. 제1 경우에서, 호출자에게, 미리 기록해 둔 메시지에 의해, 호가 현재 차량을 운전하는 사람에게 완료되고 있음이 알려진다. 그러면, 호출자에게는 음성메일로 직접 보내진 호를 취할 것인지 아니면 운전자에게 호를 보류할지의 옵션이 주어진다. 호가 운전자에게 완료되기 전에, 셀 전화(220)는 운전자의 주의산만의 가능성이 어떤 요망되는 한계들을 넘어서는 시기를 판정하기 위해 분류기의 출력을 참조하는데, 예를 들면, 요구되는 운전자 인식부하가 임계값을 초과하면, 인커밍 호는 보류되고/되거나 적합한 사전 기록해 둔 메시지와 함께 음성 메일로 자동으로 전송될 수도 있다.

출력(204)을 사용하는 셀 전화(220)는 운전자에게 오는 호들의 수를 실질적으로 제한시키게 구성될 수도 있다. 대부분 호출자는 이들이 호출중의 사람이 운전중임을 알지 못하고, 이들이 운전중일 경우, 호출되지 않을 수도 있다. 위에 기술한 바와 같이, 셀 전화(220)는 운전자에게 호출 중임을 호출자에게 알리는 메커니즘을 제공하며 호를 음성메일로 전환시키는 옵션을 제공한다. 또는, 셀 전화(220)는 호출자가 아는 호들을 수락하는 옵션을 운전자에게 주도록 구성될 수도 있 다. 이러한 구성에서, 인커밍 호는 핸드프리 음성 인터페이스를 통해 운전자에게 확인된다. 그러면, 운전자는 호를 수락하거나, 호를 음성메일로 돌리거나, 호를 발송번호로 돌리거나 또는 호를 끊으며, 이들 모두는 호출자에 대해 모르고도 완성될 수 있다. 또는, 호 완료는 잠시 지연될 수 있고, 이때 적합한 메시지가 호출자에게 제공된다. 시스템(100)은 운전자의 인식부하가 수락가능 수준인 것으로 일단 판정되면 짧은 지연 후에 호를 완료할 수 있다.

셀 전화(220)는 진행중의 호가 운전자의 인식부하의 증가에 결합되는 경우 "정정(corrective)" 행동을 취하게 수정될 수 있다. 셀 전화를 수락한 후에 분류기(200)가 운전자의 인식부하고 임계 수준을 넘어 증가한 것으로 판정하면, 셀 전화(218)는 자동으로 셀 전화 호를 보류시킬 수 있다. 이러한 경우, 호출자가 일시 보류되고 있음을 알리는 메시지가 제공된다. 셀 전화(220) 혹은 연관된 네트워크 서비스(도시생략)는 음성 메일 메시지를 남기는 옵션을 호출자에게 제공할 수도 있다. 또한, 운전자가 호 중단을 알도록, 호가 보류 중에 있음을 알리는 적합한 메시지가 운전자에게 제공된다. 마찬가지로 운전자는 호출자를 음성메일로 돌릴 수도 있다. 일단 보류되고 있으면, 호출자는 음성메일을 남기거나, 다른 번호로 보내지거나, 운전자가 대화를 재개할 수 있을 때까지 기다리는 옵션을 가질 수 있다.

조작의 다른 면들에서와 같이, 셀룰라 전화 사용에 관한 운전자의 선호는 운전자 식별 인터페이스(218)를 통해 제공된다. 분류기(200)는 PDA 및 이메일과 텍스트 및 데이터 메시지들을 수신하기 위한 페이저들을 포함한 그 외 무선 통신 디바이스들과 더불어 동작할 수도 있다.

운전자의 인식부하에 근거해서 인커밍 셀 전화 호들의 우선순위를 정하기 위해 셀 전화(200)의 능력을 이용하기 위해서는 셀 전화(220)를 분류기(220)에 통신이 되게 결합시켜 기술한 바와 같이 특정의 기능들을 수행하게 해야 한다.

도 3을 참조하여, 운전자의 활동상태를 분류하는 방법을 논한다. 하나 이상의 입력들로부터 데이터를 알고리즘으로 분석을 수행할 수 있는 2상태 분류기(200)가 제공된다. 분류기(200)는 적어도 한 차량의 조작상태에 관계된 센서 데이터를 수신한다(304). 일 실시예에서, 운전자의 상태, 탑승자실의 상태, 예를 들면, 탑승자 수 및 탑승자의 상태에 관한 제2 센서 데이터로부터 데이터가 수신된다. 상태를 분류하는데 사용되는 데이터의 일부 혹은 전부는 순시 센서 데이터 혹은 센서 데이터의 시간 시퀀스로부터 선택될 수 있다(306). 수집된 데이터 및 도출된 데이터 모두는 운전자의 활동 상태를 분석하는데 사용될 수 있다. 예를 들면, 가속기, 브레이크, 조향 휠, 크러치 및 기어 선택기의 위치 변화 레이트 및 위치는 모두가 운전자의 활동 수준에 관한 가치있는 정보 및, 함축적으로, 운전자가 마주치는 운전상태들을 제공한다. 운전자 활동을 분류하는 것은 위에 논한 바와 같이, C4.5 알고리즘, RIPPER 알고리즘 혹은 2차 분류기 중 하나를 사용할 수 있다.

선택된 분류 알고리즘, 위의 것들 중 하나, 또 다른 알고리즘 혹은 조합은 운전자 활동을 센서 데이터에 근거하여 적어도 2상태 중 하나로 분류하는데(308) 사용된다. 한 상태는 운전 활동에 대응하고 또 다른 상태는 비-운전 활동에 대응한다. 일부 실시예들은 2상태를 넘은 운전자 인식활동을 또한 분류할 수 있게 하기 위해서 2이상의 상태들을 포함할 수도 있다. 예를 들면, 실시예는 운전자 상태를 이를테면 "저(low)", "중간(moderate)", "고(high)", 및 "극도(extreme)"와 같은 4 이상의 레벨들로 분류할 수도 있을 것이다. 그러면, 접속된 디바이스들 혹은 중앙 제어기는 선정한 적합한 행동을 취할 수 있다. 운전자 활동의 상태를 운전으로 분류하게 하는 일부 활동들은 운전차선에 관한 차량의 위치 변경, 주차 운전, 고속도로에 진입, 고속도로 밖으로 나감, 외부인과의 통신, 차량의 다른 착석자와의 대화 혹은 엔터테인먼트 디바이스의 설정(특히 볼륨)을 포함할 수 있다. 위의 활동들의 하나 이상에 관여하지 않는 것은 비-운전으로서 분류될 것이다.

운전이 결정되었을 때(310), 310의 예의 분기가 이어지고 출력(204)은 다른 접속된 시스템들의 상호 동의에 의해 이해되는, 예를 들면 논리 1인 운전에 대응하는 상태로 설정된다(312). 이어서, 접속된 외부 디바이스 혹은 시스템(220, 222, 224, 226)은 지연(314)에의 출력(204)을 사용할 수도 있고 아니면 차량 내 제공된 서비스 혹은 특징을 우회시킬 수도 있고 아니면 운전자에의 인식부하를 감소시킬 수도 있다. 우회 혹은 지연될 수 있는 서비스들 및 특징들 중 일부는 무선 통신, 와이퍼 유체 신호와 같은 차량 상태 경고, 네비게이션 명령, 이메일 메시지, 혹은 엔터테인먼트 프리젠테이션이다. 예를 들면, 운전자 인식부하가 특히 높은 것으로 판정되었을 때는, 라디오의 불륨을 줄임과 아울러 셀룰라 전화 호를 음성메일로 우회시킬 수도 있다.

본 발명은 몇 개의 바람직한 실시예들에 관하여, 특히 정보를 합성 및 요약하고 운전자에게 정보를 제공하는 시스템들 및 방법들을 기술하였다. 본 발명의 수정들 및 대안적인 실시예들은 전술한 바에 비추어 당업자들에게 명백할 것이다. 본 설명된 바는 단지 예시적인 것으로서 해석되어야 할 것이고, 본 발명을 수행하는 최상의 모드를 당업자들에게 교시할 목적인 것이다. 구조 및 방법의 상세들은 본 발명의 정신 내에서 다양하고 첨부한 청구항의 범위 내인 모든 수정들의 배타적 사용은 유보된다.

Claims

운전자의 활동 상태(activity state)를 분류하는 방법에 있어서,

통계 분류기(statistical classifier)를 제공하는 단계로서, 상기 통계 분류기는 C4.5, RIPPER 및 2차 분류기(Quadratic classifier) 중 적어도 하나이고, 운전 활동에 대응하는 제1 운전 상태와 비-운전 활동에 대응하는 제2 운전 상태를 적어도 인식하도록 동작하는 적어도 2-상태 활동 분류기로서 상기 통계 분류기를 구성하는, 상기 통계 분류기를 제공하는 단계;

적어도 하나의 차량 조작 상태에 관한 센서 데이터를 수신하는 단계;

상기 센서 데이터에 기초하여 상기 운전자 활동을 상기 적어도 제1 및 제2 운전 상태들 중 하나로 상기 구성된 통계 분류기를 사용하여 분류하는 단계; 및

상기 차량의 운전자에게 이벤트를 송신할지의 여부를 결정하기 위해 상기 적어도 제1 및 제2 운전 상태들 중 상기 분류된 상태를 이용하는 단계를 포함하는, 운전자의 활동 상태를 분류하는 방법.
제1항에 있어서, 상기 운전자 활동을 상기 운전 활동에 대응하는 상기 제1 운전 상태로 분류하는 단계는:

하나 이상의 차량들 또는 정지 물체들에 대한 차량의 위치 변경, 주차 운전(parking maneuver), 고속도로에 진입, 고속도로 밖으로 나감, 외부인과의 통신, 다른 탑승자와의 대화 및 엔터테인먼트 디바이스의 상태 중 하나에 대응하는 활동에 관여되는 때, 상기 운전자 활동의 상태를 운전(maneuver)으로서 분류하는 단계를 더 포함하는, 운전자의 활동 상태를 분류하는 방법.
제1항에 있어서, 상기 운전자 활동을 상기 비-운전 활동에 대응하는 상기 제2 운전 상태로 분류하는 단계는:

하나 이상의 차량들 또는 정지 물체들에 대한 차량의 위치 변경, 주차 운전, 고속도로에 진입, 고속도로 밖으로 나감, 외부인과의 통신, 다른 탑승자와의 대화 및 엔터테인먼트 디바이스의 상태 중 하나에 대응하는 활동에 관여되지 않는 때, 상기 운전자 활동의 상태를 비-운전으로서 분류하는 단계를 더 포함하는, 운전자의 활동 상태를 분류하는 방법.
제1항에 있어서, 상기 운전자 활동을 분류하는 단계는 순간 센서 데이터(instantaneous sensor data) 및 이전 센서 데이터 중 하나를 사용하여 상기 운전자 활동을 분류하는 단계를 더 포함하는, 운전자의 활동 상태를 분류하는 방법.
삭제
제1항에 있어서, 상기 분류된 상태가 상기 운전 활동에 대응하는 상기 제1 운전 상태인 경우 상기 차량 내의 상기 이벤트의 표시를 변경하는 단계를 더 포함하는, 운전자의 활동 상태를 분류하는 방법.
운전자의 활동 상태를 분류하기 위한 2-상태 분류 장치에 있어서,

적어도 하나의 차량 상태에 관한 센서 데이터를 수신하는 입력; 및

상기 입력에 결합된 프로세서를 포함하고,

상기 프로세서는 통계 분류기를 사용하여 상기 운전자의 상기 활동 상태의 분류를 결정하기 위해 상기 센서 데이터를 분석하고, 상기 프로세서에 의해 사용되는 상기 통계 분류기는 운전 활동에 대응하는 제1 운전 상태 및 비-운전 활동에 대응하는 제2 운전 상태를 적어도 인식하도록 동작하는 적어도 2-상태 활동 분류기로서 구성되는 C4.5, RIPPER 및 2차 분류기 중 적어도 하나이고, 상기 프로세서는 상기 통계 분류기를 사용하여 운전과 비-운전 중 적어도 하나로서 상기 운전자의 상기 활동 상태의 분류를 결정하고 상기 차량의 운전자에게 이벤트를 송신할지의 여부를 결정하기 위해 상기 활동 상태의 분류를 이용하는, 운전자의 활동 상태를 분류하기 위한 2-상태 분류 장치.
삭제
제7항에 있어서, 상기 비-운전의 분류는 상기 차량에서 상기 이벤트를 가능하게 하는, 운전자의 활동 상태를 분류하기 위한 2-상태 분류 장치.
제7항에 있어서, 상기 적어도 하나의 차량 상태는 가속기 페달 위치, 브레이크 페달 위치, 차량 속도, 방향 전환 신호 상태, 및 조향 휠 위치 중 하나인, 운전자의 활동 상태를 분류하기 위한 2-상태 분류 장치.