KR101507903B1 - Apparatus and method for estimating observational reference threshold for the event registration of the driving risk index - Google Patents

Apparatus and method for estimating observational reference threshold for the event registration of the driving risk index Download PDF

Info

Publication number
KR101507903B1
KR101507903B1 KR20130035501A KR20130035501A KR101507903B1 KR 101507903 B1 KR101507903 B1 KR 101507903B1 KR 20130035501 A KR20130035501 A KR 20130035501A KR 20130035501 A KR20130035501 A KR 20130035501A KR 101507903 B1 KR101507903 B1 KR 101507903B1
Authority
KR
South Korea
Prior art keywords
threshold value
negative
data
event
value
Prior art date
Application number
KR20130035501A
Other languages
Korean (ko)
Other versions
KR20140119596A (en
Inventor
심재용
나영중
Original Assignee
(주)나노포인트
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by (주)나노포인트 filed Critical (주)나노포인트
Priority to KR20130035501A priority Critical patent/KR101507903B1/en
Publication of KR20140119596A publication Critical patent/KR20140119596A/en
Application granted granted Critical
Publication of KR101507903B1 publication Critical patent/KR101507903B1/en

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/08—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to drivers or passengers
    • B60W40/09—Driving style or behaviour

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Theoretical Computer Science (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Probability & Statistics with Applications (AREA)
  • Software Systems (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Algebra (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Databases & Information Systems (AREA)
  • Operations Research (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Traffic Control Systems (AREA)

Abstract

본 발명은 종래 영상 기록 장치 혹은 이벤트 데이터 레코더(Event Data Recoder) 혹은 주행 기록 장치들의 이벤트 기준 임계값을 설정하기 위한 문제를 해결하기 위한 것으로서, 극한 값의 통계 분포 이론을 적용하여 최소한의 데이터만을 이용하여 운전자의 운전 습관을 정확하게 분석하고 진단할 수 있도록 하는 위험 운전 지수 산출을 위한 이벤트 기준 임계값을 추정하기 위한 장치 및 방법을 제공하기 위한 것으로서, 양과 음의 후보 이벤트 데이터 수와 등록 데이터 이벤트수를 정의하는 초기화부와, 차량으로부터 데이터를 센서들로부터 입력받는 데이터 획득부와, 상기 데이터 획득부에서 입력되는 데이터를 기반으로 일정 시간 동안 관찰된 데이터 중 일정 개수의 양의 최대값들과 음의 최소값들을 구하고 이를 후보 이벤트 데이터 수만큼 양과 음의 후보 이벤트 데이터로 정렬하는 후보 이벤트 데이터 정렬부와, 상기 후보 이벤트 데이터 정렬부에서 정렬된 데이터 중 일정 개수의 양의 최대값들로부터 일반 파레토 분포(General Pareto Distribution)의 Shape 변수(

Figure 112013029600623-pat00153
)와 Scale 변수(
Figure 112013029600623-pat00154
)를 추정하고, 일정 개수의 음의 최소값들로부터 일반 파레토 분포(General Pareto Distribution)의 Shape 변수(
Figure 112013029600623-pat00155
)와 Scale 변수(
Figure 112013029600623-pat00156
)를 추정하는 GPD 변수 추정부와, 상기 후보 이벤트 데이터 정렬부에서 정렬된 데이터로부터 일정 개수의 양의 최대값들 중 최소값을 양의 피크 임계값(
Figure 112013029600623-pat00157
)으로 설정하고, 일정 개수의 음의 최소값들 중 최대값을 음의 피크 임계값(
Figure 112013029600623-pat00158
)으로 설정하는 피크 임계값 추정부와, 상기 추정된 양의 Shape 변수(
Figure 112013029600623-pat00161
) 및 Scale 변수(
Figure 112013029600623-pat00162
)와, 양의 피크 임계값(
Figure 112013029600623-pat00163
)으로부터 추정된 분위수(Quantile) 값을 이용하여 양의 등록 이벤트 기준 임계값을 추정하고, 상기 추정된 음의 Shape 변수(
Figure 112013029600623-pat00164
)와 Scale 변수(
Figure 112013029600623-pat00165
)와, 음의 피크 임계값(
Figure 112013029600623-pat00166
)으로부터 추정된 분위수(Quantile) 값을 이용하여 음의 등록 이벤트 기준 임계값을 추정하는 등록 이벤트 임계값 추정부를 포함하여 구성되는데 있다.The present invention solves the problem of setting an event reference threshold value of a conventional video recording apparatus, an event data recorder, or a traveling recording apparatus, and it is an object of the present invention to apply an extreme value statistical distribution theory to use only a minimum amount of data The present invention provides an apparatus and method for estimating an event reference threshold value for calculating a dangerous driving index so that a driving habit of a driver can be accurately analyzed and diagnosed. A data acquiring unit that receives data from the sensors from the vehicle; and a data acquiring unit that acquires a predetermined number of maximum values and a minimum value of the sound among the data observed for a predetermined time based on the data input from the data acquiring unit And the number of candidate event data A candidate event data rearrangement unit for rearranging the candidate event data into a plurality of pieces of shape data of a general Pareto distribution from maximum values of a predetermined number of pieces of sorted data,
Figure 112013029600623-pat00153
) And the Scale variable (
Figure 112013029600623-pat00154
), And the Shape variable of the general Pareto distribution from a certain number of negative minimum values
Figure 112013029600623-pat00155
) And the Scale variable (
Figure 112013029600623-pat00156
A GPD variable estimator for estimating a minimum peak value of a certain number of positive values from data sorted in the candidate event data sorting unit by a positive peak threshold value
Figure 112013029600623-pat00157
), And the maximum value of a certain number of negative minimum values is set as a negative peak threshold value (
Figure 112013029600623-pat00158
), A peak threshold value estimating unit that sets the estimated amount of Shape variable (
Figure 112013029600623-pat00161
) And the Scale variable (
Figure 112013029600623-pat00162
) And a positive peak threshold value (
Figure 112013029600623-pat00163
Estimates a positive registration event threshold value using the estimated quantile value from the estimated negative Shape variable,
Figure 112013029600623-pat00164
) And the Scale variable (
Figure 112013029600623-pat00165
) And a negative peak threshold value (
Figure 112013029600623-pat00166
And a registration event threshold value estimating unit for estimating a negative registration event threshold using the estimated quantile value.

Figure R1020130035501
Figure R1020130035501

Description

운전 위험 지수관련 이벤트 등록을 위한 관찰 기준 임계값 추정 장치 및 방법{Apparatus and method for estimating observational reference threshold for the event registration of the driving risk index}Technical Field [0001] The present invention relates to an apparatus and method for estimating an observation reference threshold value for registering an event related to a driving hazard index,

본 발명은 운전자 행동 분석 및 진단 시스템에 관한 것으로, 특히 운전자의 운전 습관을 정확하게 분석하고 진단할 수 있도록 하는 위험 운전 지수 추정을 위한 이벤트 관찰 기준 임계값을 추정하는 장치 및 방법에 관한 것이다.The present invention relates to a driver behavior analysis and diagnosis system, and more particularly, to an apparatus and a method for estimating an event observation reference threshold value for estimating a dangerous operation index that allows a driver to accurately analyze and diagnose driving habits.

운전자 행동 분석 및 진단 시스템은 현재 미국 혹은 일본에서 많은 상용 차량들에 장착되어 있는 영상 기록 장치 혹은 이벤트 데이터 레코더(Event Data Recoder) 혹은 주행 기록 장치로부터 얻어지는 급가속, 급감속, 급제동, 급출발, 그리고 과속(Over Speed) 등과 같은 여러 이벤트 데이터(Event Data)를 바탕으로 운전자의 운전 성향을 파악하고 진단하는 장치 및 시스템이다. The driver behavior analysis and diagnosis system can be applied to a variety of commercial vehicles in the US or Japan, such as video recorders or event data recorders (Event Data Recorder) or driving recorders, rapid acceleration, rapid deceleration, (Over Speed), and the like, based on various event data (Event Data).

이를 위하여 여러 센서(주로 가속 센서)의 데이터들을 수집하고 이 데이터들이 미리 정해진 임계값을 초과할 경우 이벤트로서 등록되고 분석할 수 있도록 하는 텔레매틱스 모니터링을 하고 있다.For this purpose, telematics monitoring is carried out by collecting data of various sensors (mainly acceleration sensors) and registering and analyzing them as an event when the data exceeds a predetermined threshold value.

이러한 목적을 위하여 이벤트의 등록을 위한 임계값을 추정하고 이 임계값을 초과하는 데이터(이상치; Outlier)들의 초과 횟수를 이용하여 운전 점수를 계산 한다. 예를 들어 미국의 GreenRoad는 이벤트 수에 운행 시간의 가중치를 곱하여 점수화하고 있고, 일본의 YAZAKI METER는 급정거(1.62g 이상) 및 급가속, 급출발 (1.51g 이상) 횟수를 산술적으로 누적 덧셈하여 점수화 한다.For this purpose, a threshold value for registering an event is estimated and a driving score is calculated by using an excess number of data (outliers) exceeding this threshold value. For example, GreenRoad in the United States is scored by multiplying the number of events by the weight of the driving time, and the YAZAKI METER in Japan is scored by cumulatively accumulating the sudden stop (1.62g or more), rapid acceleration, and rapid start (1.51g or more) .

미 교통성 발간 자료(FMCSA-RRR-06-004)는 사고를 Crash(충돌), Near Crash (유사 충돌), 그리고 Critical Incident로 나누어 이벤트 기준 임계값을 권고 하지만 이 역시 차량마다 충격에 대한 반응이 다르므로 정확하다고 볼 수 없다. 따라서 차량 타입 혹은 차량의 상태 별로 충격에 대한 반응이 다르므로 차량마다 이벤트 기준 임계값을 설정하는 캘리브레이션 과정이 반드시 필요하다. The FMCSA-RRR-06-004 recommends an event-based threshold by dividing the incident into a Crash, a Near Crash, and a Critical Incident, Therefore, it can not be considered accurate. Therefore, since the response to the impact varies depending on the vehicle type or the state of the vehicle, a calibration process for setting an event-based threshold value for each vehicle is indispensable.

그러나 이벤트의 기준은 교통사고에 해당하는 이상치 정도로서 이는 도 1에서 도시하고 있는 것과 같이 음의 임계값 이하, 양의 임계값 이상으로 발생하기가 매우 어려운 수치이며, 이를 며칠 혹은 몇 주의 시간 동안 통계적으로 관찰이 어려운 상황이므로 신뢰성 있는 이벤트 기준 임계값을 추정하기가 어려운 상황이다.However, the criterion of the event is an abnormal value corresponding to a traffic accident, and as shown in FIG. 1, it is a very difficult value to occur above a negative threshold value and above a positive threshold value, It is difficult to estimate a reliable event-based threshold value because it is difficult to observe.

또한 며칠 혹은 몇 주간의 데이터를 저장하여 분석하는데 네트워크로 연결이 안 되어있는 상황에서는 관리자가 모든 데이터들을 차량으로부터 수거해서 분석을 해야 하는 번거로움이 있다. 그리고 네트워크로 연결이 되어 업로드를 한다고 하더라도 용량 자체가 방대하며 셀룰러 네트워크에서는 효율적이지 못한 실정이다.In addition, it is troublesome for the administrator to collect all the data from the vehicle and analyze it in a situation where the network is not connected to analyze the data for several days or several weeks. Even if the network is connected and uploaded, the capacity itself is huge and it is not efficient in a cellular network.

본 발명은 종래 영상 기록 장치 혹은 이벤트 데이터 레코더(Event Data Recoder) 혹은 주행 기록 장치들의 이벤트 기준 임계값을 설정하기 위한 문제를 해결하기 위한 것으로서, 극한 값의 통계 분포 이론을 적용하여 최소한의 데이터만을 이용하여 운전자의 운전 습관을 정확하게 분석하고 진단할 수 있도록 하는 위험 운전 지수 산출을 위한 이벤트 기준 임계값을 추정하기 위한 장치 및 방법을 제공하는데 그 목적이 있다.The present invention solves the problem of setting an event reference threshold value of a conventional video recording apparatus, an event data recorder, or a traveling recording apparatus, and it is an object of the present invention to apply an extreme value statistical distribution theory to use only a minimum amount of data And to provide an apparatus and method for estimating an event reference threshold value for calculating a dangerous driving index that allows a driver to accurately analyze and diagnose driving habits.

본 발명이 다른 목적은 운전자의 운전 위험도를 추정하기 위해 한계 임계값을 설정하는 분야에 일반 파레토 분포(General Pareto Distribution)를 이용하여 충돌 사고의 경우와 같이 발생확률이 매우 낮아 단기간에 관찰이 어려운 데이터들을 분석 할 수 있도록 하는 관찰 기준 임계값 추정 장치 및 방법을 제공하는데 있다.Another object of the present invention is to provide a method and apparatus for setting a threshold value for estimating a driver's driving risk by using a general Pareto distribution, which is very difficult to observe in a short period of time And to provide an observation-based threshold value estimating apparatus and a method for analyzing the observed-reference threshold value.

본 발명의 다른 목적들은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.Other objects of the present invention are not limited to the above-mentioned objects, and other objects not mentioned can be clearly understood by those skilled in the art from the following description.

상기와 같은 목적을 달성하기 위한 본 발명에 따른 운전 위험 지수관련 이벤트 등록을 위한 관찰 기준 임계값 추정 장치의 특징은 양과 음의 후보 이벤트 데이터 수와 등록 데이터 이벤트수를 정의하는 초기화부와, 차량으로부터 데이터를 센서들로부터 입력받는 데이터 획득부와, 상기 데이터 획득부에서 입력되는 데이터를 기반으로 일정 시간 동안 관찰된 데이터 중 일정 개수의 양의 최대값들과 음의 최소값들을 구하고 이를 후보 이벤트 데이터 수만큼 양과 음의 후보 이벤트 데이터로 정렬하는 후보 이벤트 데이터 정렬부와, 상기 후보 이벤트 데이터 정렬부에서 정렬된 데이터 중 일정 개수의 양의 최대값들로부터 일반 파레토 분포(General Pareto Distribution)의 Shape 변수(

Figure 112013029600623-pat00001
)와 Scale 변수(
Figure 112013029600623-pat00002
)를 추정하고, 일정 개수의 음의 최소값들로부터 일반 파레토 분포(General Pareto Distribution)의 Shape 변수(
Figure 112013029600623-pat00003
)와 Scale 변수(
Figure 112013029600623-pat00004
)를 추정하는 GPD 변수 추정부와, 상기 후보 이벤트 데이터 정렬부에서 정렬된 데이터로부터 일정 개수의 양의 최대값들 중 최소값을 양의 피크 임계값(
Figure 112013029600623-pat00005
)으로 설정하고, 일정 개수의 음의 최소값들 중 최대값을 음의 피크 임계값(
Figure 112013029600623-pat00006
)으로 설정하는 피크 임계값 추정부와, 상기 추정된 양의 Shape 변수(
Figure 112013029600623-pat00009
) 및 Scale 변수(
Figure 112013029600623-pat00010
)와, 양의 피크 임계값(
Figure 112013029600623-pat00011
)으로부터 추정된 분위수(Quantile) 값을 이용하여 양의 등록 이벤트 기준 임계값을 추정하고, 상기 추정된 음의 Shape 변수(
Figure 112013029600623-pat00012
)와 Scale 변수(
Figure 112013029600623-pat00013
)와, 음의 피크 임계값(
Figure 112013029600623-pat00014
)으로부터 추정된 분위수(Quantile) 값을 이용하여 음의 등록 이벤트 기준 임계값을 추정하는 등록 이벤트 임계값 추정부를 포함하여 구성되는데 있다.According to another aspect of the present invention, there is provided an apparatus for estimating an observation-based threshold value for registering an event related to a driving hazard index, comprising: an initialization unit for defining a number of positive and negative candidate event data and a number of registered data events; A data acquisition unit for receiving data from sensors and a minimum value of a certain number of positive and negative values among data observed for a predetermined time based on data input from the data acquisition unit, A candidate event data rearrangement unit for rearranging the candidate event data into positive and negative candidate event data; and a Shape variable of a general Pareto distribution from maximum values of a certain number of pieces of data sorted in the candidate event data arrangement unit
Figure 112013029600623-pat00001
) And the Scale variable (
Figure 112013029600623-pat00002
), And the Shape variable of the general Pareto distribution from a certain number of negative minimum values
Figure 112013029600623-pat00003
) And the Scale variable (
Figure 112013029600623-pat00004
A GPD variable estimator for estimating a minimum peak value of a certain number of positive values from data sorted in the candidate event data sorting unit by a positive peak threshold value
Figure 112013029600623-pat00005
), And the maximum value of a certain number of negative minimum values is set as a negative peak threshold value (
Figure 112013029600623-pat00006
), A peak threshold value estimating unit that sets the estimated amount of Shape variable (
Figure 112013029600623-pat00009
) And the Scale variable (
Figure 112013029600623-pat00010
) And a positive peak threshold value (
Figure 112013029600623-pat00011
Estimates a positive registration event threshold value using the estimated quantile value from the estimated negative Shape variable,
Figure 112013029600623-pat00012
) And the Scale variable (
Figure 112013029600623-pat00013
) And a negative peak threshold value (
Figure 112013029600623-pat00014
And a registration event threshold value estimating unit for estimating a negative registration event threshold using the estimated quantile value.

바람직하게 상기 관찰 기준 임계값 추정 장치는 후보 데이터들을 관찰 임계값을 추정하는 서버로 전송하기 위한 송신부와, 상기 서버가 전송한 관찰 임계값을 수신하는 수신부와, 내부 메모리나 저장장치에 서버로부터 수신되는 관찰 임계값을 저장하는 관찰 임계값 저장부를 더 포함하여 구성하는 것을 특징으로 한다.Preferably, the observation reference threshold value estimating apparatus includes a transmitter for transmitting candidate data to a server for estimating an observation threshold value, a receiver for receiving an observation threshold value transmitted from the server, and a receiver for receiving And an observation threshold value storage unit for storing an observation threshold value.

바람직하게 상기 후보 이벤트 데이터 정렬부는 양의 후보 이벤트 데이터는 내림차순으로 정렬하고, 음의 후보 이벤트 데이터는 오름차순으로 정렬하는 것을 특징으로 한다.Preferably, the candidate event data sorting unit arranges positive candidate event data in descending order and negative candidate event data in ascending order.

바람직하게 상기 GPD 변수 추정부는 일정 시간 동안 운행한 차량으로부터 양의 한계값을 초과하는 샘플 데이터에서 내림차순으로 정렬된 샘플값들 중 일정 후보 이벤트(Candidate Event) 개수(

Figure 112013028435099-pat00015
)의 양의 최대값들과 미리 설정되어 있는 등록 이벤트 수(
Figure 112013028435099-pat00016
)를 통해 일반 파레토 분포의 Shape 변수(
Figure 112013028435099-pat00017
)와 Scale 변수(
Figure 112013028435099-pat00018
)를 추정하고, 일정 시간 동안 운행한 차량으로부터 음의 한계값을 미달하는 샘플에서 오름차순으로 정렬된 샘플값들 중 일정 후보 이벤트(Candidate Event) 개수(
Figure 112013028435099-pat00019
)의 음의 최소값들과 미리 설정되어 있는 등록 이벤트 수(
Figure 112013028435099-pat00020
)를 통해 일반 파레토 분포의 Shape 변수(
Figure 112013028435099-pat00021
)와 Scale 변수(
Figure 112013028435099-pat00022
)를 추정하는 것을 특징으로 한다.Preferably, the GPD variable estimating unit estimates the number of candidate events (Candidate Event) among the sample values sorted in descending order from the sample data exceeding the positive threshold value
Figure 112013028435099-pat00015
) And the preset number of registration events (
Figure 112013028435099-pat00016
) Through the general Pareto distribution Shape variable (
Figure 112013028435099-pat00017
) And the Scale variable (
Figure 112013028435099-pat00018
) And estimates the number of candidate events (Candidate Event) among the sample values sorted in ascending order in the sample that is less than the negative limit value
Figure 112013028435099-pat00019
) And the preset number of registration events (
Figure 112013028435099-pat00020
) Through the general Pareto distribution Shape variable (
Figure 112013028435099-pat00021
) And the Scale variable (
Figure 112013028435099-pat00022
).

바람직하게 상기 등록 이벤트 임계값 추정부는 이용되는 이벤트 수(

Figure 112013028435099-pat00023
)가 저장, 전송 및 관리 비용(cost)의 관점에서 양의 한계값을 초과하는 샘플 데이터에서의 등록되는 후보 이벤트(Candidate Event) 개수(
Figure 112013028435099-pat00024
)를 초과할 수 없으며, 또한 음의 한계값을 미달하는 샘플 데이터에서의 등록되는 후보 이벤트(Candidate Event) 개수(
Figure 112013028435099-pat00025
)를 초과할 수 없는 것을 특징으로 한다.Preferably, the registration event threshold value estimating unit estimates the number of events
Figure 112013028435099-pat00023
) Is the number of Candidate Events registered in the sample data exceeding the positive limit in terms of storage, transmission and management costs
Figure 112013028435099-pat00024
) And the number of candidate events (Candidate Events) to be registered in the sample data that does not exceed the negative threshold value
Figure 112013028435099-pat00025
) Can not be exceeded.

바람직하게 상기 등록 이벤트 임계값 추정부는 양의 후보 이벤트 값들의 평균과 양의 피크 임계값의 차이로 양의 운전자 위험 지수(Driver Risk Index : DRI)를 산출하고, 음의 후보 이벤트 값들의 평균과 음의 피크 임계값의 차이의 절대치로 음의 운전자 위험지수(Driver Risk Index : DRI)를 산출하는 것을 특징으로 한다.Preferably, the registration event threshold value estimator calculates a positive driver risk index (DRI) by a difference between an average of positive candidate event values and a positive peak threshold value, A negative driver risk index (DRI) is calculated by using the absolute value of the difference between the peak threshold values.

바람직하게 상기 등록 이벤트 임계값 추정부는 산출된 운전자 위험지수(Driver Risk Index : DRI)를 T-Score로 변환한 값으로 점수화하고 이를 통해 운전자의 위험 순위를 정하는 것을 특징으로 한다.Preferably, the registration event threshold value estimating unit scales the calculated driver risk index (DRI) into a value obtained by converting the driver risk index to a T-score, and determines a risk ranking of the driver through the score.

상기와 같은 목적을 달성하기 위한 본 발명에 따른 운전 위험 지수관련 이벤트 등록을 위한 관찰 기준 임계값 추정 방법의 특징은 (A) 후보 이벤트 수와 등록 이벤트 수를 초기화하고, 차량으로부터 데이터를 수집하는 단계와, (B) 상기 수집된 데이터 중 일정 개수의 양의 최대값들과 음의 최소값들을 구하고 이를 후보 이벤트 데이터 수만큼 양과 음의 후보 이벤트 데이터로 정렬하는 단계와, (C) 상기 산출된 양의 최대값들과 일정 후보 이벤트(Candidate Event) 개수(

Figure 112013029600623-pat00172
) 와 미리 설정되어 있는 등록 이벤트 수(
Figure 112013029600623-pat00026
)를 기반으로 일반 파레토 분포의 Shape 변수(
Figure 112013029600623-pat00027
)와 Scale 변수(
Figure 112013029600623-pat00028
)를 추정하고, 상기 산출된 음의 최소값들과 일정 후보 이벤트(Candidate Event) 개수(
Figure 112013029600623-pat00173
) 와 미리 설정되어 있는 등록 이벤트 수(
Figure 112013029600623-pat00029
)를 통해 일반 파레토 분포의 Shape 변수(
Figure 112013029600623-pat00030
)와 Scale 변수(
Figure 112013029600623-pat00031
)를 추정하는 단계와, (D) 상기 산출된 양의 최대값 중 최소값을 양의 피크 임계값으로 설정하고, 상기 산출된 음의 최소값들 중 최대값을 음의 피크 임계값으로 설정하는 단계와, (E) 상기 설정된 양의 피크 임계값(
Figure 112013029600623-pat00032
) 및 음의 피크 임계값(
Figure 112013029600623-pat00033
)을 각각 추정하는 단계와, (F) 상기 산출된 양의 Shape 변수(
Figure 112013029600623-pat00034
) 및 Scale 변수(
Figure 112013029600623-pat00035
)와, 양의 피크 임계값(
Figure 112013029600623-pat00174
)을 이용하여 추정된 양의 분위수(Quantile) 값으로부터 양의 등록 이벤트 기준 임계값을 추정하고, 상기 산출된 음의 Shape 변수(
Figure 112013029600623-pat00036
)와 Scale 변수(
Figure 112013029600623-pat00037
)와, 음의 피크 임계값(
Figure 112013029600623-pat00175
)을 이용하여 추정된 음의 분위수(Quantile) 값으로부터 음의 등록 이벤트 기준 임계값을 추정하는 단계를 포함하여 이루어지는데 있다.According to another aspect of the present invention, there is provided a method for estimating an operation-related risk threshold for an event related to a driving hazard index, the method comprising the steps of: (A) initializing a candidate event count and a registration event count, (B) obtaining minimum and maximum values of a certain number of positive and negative values of the collected data, and arranging the positive and negative minimum values as positive and negative candidate event data by the number of candidate event data; and (C) Maximum values and number of Candidate Events (
Figure 112013029600623-pat00172
) And the preset number of registration events (
Figure 112013029600623-pat00026
) Based on the Shape variable of the general Pareto distribution (
Figure 112013029600623-pat00027
) And the Scale variable (
Figure 112013029600623-pat00028
), And calculates the number of the candidate events (Candidate Event)
Figure 112013029600623-pat00173
) And the preset number of registration events (
Figure 112013029600623-pat00029
) Through the general Pareto distribution Shape variable (
Figure 112013029600623-pat00030
) And the Scale variable (
Figure 112013029600623-pat00031
(D) setting a minimum value among the calculated maximum values as a positive peak threshold value and setting a maximum value among the calculated negative minimum values as a negative peak threshold value; and , (E) comparing the set positive peak threshold value
Figure 112013029600623-pat00032
) And negative peak threshold value (
Figure 112013029600623-pat00033
(F) a step of estimating each of the calculated positive Shape variables
Figure 112013029600623-pat00034
) And the Scale variable (
Figure 112013029600623-pat00035
) And a positive peak threshold value (
Figure 112013029600623-pat00174
), Estimates a positive registration event threshold value from the estimated positive quantile value, and outputs the calculated negative Shape variable (
Figure 112013029600623-pat00036
) And the Scale variable (
Figure 112013029600623-pat00037
) And a negative peak threshold value (
Figure 112013029600623-pat00175
Estimating a negative registration event threshold value from the estimated negative quantile value using the estimated threshold value.

바람직하게 상기 (B) 단계는 캘리브레이션 과정에서 양의 후보 이벤트 데이터는 내림차순으로 정렬하고, 음의 후보 이벤트 데이터는 오름차순으로 정렬하는 것을 특징으로 한다.Preferably, in the step (B), the positive candidate event data is sorted in descending order and the negative candidate event data is sorted in ascending order in the calibration process.

바람직하게 상기 (F) 단계 이후, (G) 상기 추정된 양, 음의 등록 이벤트 기준 임계값을 기반으로 양, 음의 운전자 위험 지수(Driver Risk Index : DRI)를 산출하는 단계와, (H) 상기 산출된 운전자 위험지수(Driver Risk Index : DRI)에 근무시간을 고려하고 이를 T-Score로 변환한 값으로 점수화하여 운전자 순위를 정하는 단계를 포함하여 이루어지는 것을 특징으로 한다.Preferably, the step (F) further comprises: (G) calculating a positive and negative driver risk index (DRI) based on the estimated positive and negative registration event thresholds; And calculating a driver's rank by considering the working time in the calculated driver risk index (DRI) and scoring it to a value converted into a T-score.

바람직하게 상기 추정된 양, 음의 등록 이벤트 기준 임계값과 기존 저장된 과거의 추정된 등록 이벤트 임계값들을 이용하여 일정한 윈도우 사이즈의 이동 평균을 구하는 단계와, 상기 산출된 이동 평균값으로 표현되는 등록 이벤트 임계값을 운전 위험 지수관련 이벤트 등록을 위한 관찰 임계값으로 다시 사용하여 위의 과정을 반복하는 단계를 더 포함하여 이루어지는 것을 특징으로 한다.Preferably, the method further comprises the steps of: obtaining a moving average of a predetermined window size using the estimated positive and negative registration event thresholds and the past stored estimated event thresholds; Value as an observation threshold value for registering an event related to a driving risk index, and repeating the above process.

상기와 같은 목적을 달성하기 위한 본 발명에 따른 운전 위험 지수관련 이벤트 등록을 위한 관찰 기준 임계값 추정 방법의 다른 특징은 후보 이벤트 수와 등록 이벤트 수를 초기화하고, 차량으로부터 데이터를 수집하는 단계와, 상기 수집된 데이터 중 일정 개수의 양의 최대값들을 구하고 이를 후보 이벤트 데이터 수만큼 양의 후보 이벤트 데이터로 정렬하는 단계와, 상기 산출된 양의 최대값들과 미리 설정되어 있는 등록 이벤트 수(

Figure 112013029600623-pat00038
)를 기반으로 일반 파레토 분포의 Shape 변수(
Figure 112013029600623-pat00039
)와 Scale 변수(
Figure 112013029600623-pat00040
)를 추정하는 단계와, 상기 산출된 양의 최대값 중 최소값을 양의 피크 임계값으로 설정하는 단계와, 상기 설정된 양의 피크 임계값(
Figure 112013029600623-pat00041
)을 이용하여 VaR(Value at Risk)로 정의되는 분위수(Quantile) 값을 각각 추정하는 단계와, 상기 추정된 양의 분위수(Quantile) 값으로부터 양의 등록 이벤트 기준 임계값을 추정하는 단계를 포함하여 이루어지는데 있다.According to another aspect of the present invention, there is provided a method for estimating a threshold value of an operating risk index, the method comprising: initializing a number of candidate events and a number of registration events; Calculating a predetermined number of maximum values of the collected data and arranging the maximum values as positive candidate event data as many as the number of candidate event data;
Figure 112013029600623-pat00038
) Based on the Shape variable of the general Pareto distribution (
Figure 112013029600623-pat00039
) And the Scale variable (
Figure 112013029600623-pat00040
Estimating a minimum peak value of the calculated positive maximum value as a positive peak threshold value;
Figure 112013029600623-pat00041
Estimating a quantile value defined as VaR (Value at Risk) using the estimated positive quantile value, and estimating a positive registration event threshold value from the estimated positive quantile value, .

이상에서 설명한 바와 같은 본 발명에 따른 운전 위험 지수관련 이벤트 등록을 위한 관찰 기준 임계값 추정 장치 및 방법은 다음과 같은 효과가 있다.The apparatus and method for estimating an observation reference threshold for registering an event related to a driving hazard index according to the present invention as described above have the following effects.

첫째, 차량에 장착된 여러 센서 데이터 정보들과 이 정보들 중 최소한의 데이터만을 이용하여 극한 치 확률 분포의 통계 변수들을 구하고 이 통계 변수들을 바탕으로 이벤트 기준 임계값을 정확하게 추정할 수 있다.First, the statistical parameters of the extreme value probability distribution can be obtained by using only a small amount of data of the sensor data and a plurality of the sensor data information, and the event threshold value can be accurately estimated based on these statistical parameters.

둘째, 극한 치 확률 분포의 통계 변수들을 바탕으로 관찰이 어려운 영역에 있는 극단적 한계값을 초과하는 확률을 계산하여 운전자의 운전 위험도를 산출하고 효과적으로 분석할 수 있다.Second, based on the statistical parameters of the extreme value probability distribution, it is possible to calculate and effectively analyze the driver's risk of operation by calculating the probability of exceeding the extreme limit in the difficult-to-observe area.

셋째, 단말과 서버간의 최소한의 데이터는 유/무선 네트워크 통신을 원활하게 하고 캘리브레이션이 필요할 때 신속한 대응이 가능하다.Third, the minimum data between the terminal and the server facilitates wired / wireless network communication and enables quick response when calibration is needed.

넷째, 정확한 이벤트 타입 별 기준 임계값을 바탕으로 운전자의 운전 성향 및 상대적인 사고 위험도를 계산하고, 사고율을 예측하며, 또한 이를 진단하는 효율적인 운전자 행동 분석 및 진단을 구현한다.Fourth, based on the precise threshold type for each event type, it calculates driver's propensity and relative accident risk, forecasts accident rate, and implements efficient driver behavior analysis and diagnosis to diagnose the accident rate.

다섯째, 이벤트의 등록을 위한 기준 임계값은 장치의 부착 위치, 차량의 상태, 차량 운행과 관련한 환경 변수들을 모두 표현하는 데이터들로부터 추정된 값이므로 이를 초과하는 값들은 운전자의 운전 성향을 설명 할 수 있어 전체적인 위험도 예측 및 진단이 가능하다.Fifth, the reference threshold value for registering the event is an estimated value from data expressing all the environment variables related to the attachment position of the apparatus, the state of the vehicle, and the driving of the vehicle. The overall risk prediction and diagnosis is possible.

도 1 은 일반적인 캘리브레이션 과정을 통한 샘플 확률 밀도함수(sample probability density function) 그래프
도 2 는 본 발명의 실시예에 따른 운전 위험 지수관련 이벤트 등록을 위한 관찰 기준 임계값 추정 장치의 구성을 나타낸 블록도
도 3 은 본 발명의 실시예에 따른 운전 위험 지수관련 이벤트 등록을 위한 관찰 기준 임계값 추정 방법을 설명하기 위한 흐름도
도 4 는 도 3에서 산출된 운전자 위험지수를 T-Score한 결과로 NanoIDEA Score와 위험도의 관계를 나타낸 도면
도 5 는 본 발명의 방법을 통해 실제 측정된 데이터를 이용하여 검증한 결과 상대 에러율을 나타낸 그래프FIG. 1 is a graph showing a sample probability density function graph
2 is a block diagram illustrating a configuration of an observation-based threshold value estimating apparatus for registering an event related to a driving hazard index according to an embodiment of the present invention.
3 is a flowchart for explaining an observation-based threshold value estimation method for registering an event related to a driving hazard index according to an embodiment of the present invention.
FIG. 4 is a graph showing the relationship between the NanoIDEA score and the risk as a result of T-Score of the driver risk index calculated in FIG.
FIG. 5 is a graph showing the relative error rate as a result of verifying using actual measured data through the method of the present invention

본 발명의 다른 목적, 특성 및 이점들은 첨부한 도면을 참조한 실시예들의 상세한 설명을 통해 명백해질 것이다.Other objects, features and advantages of the present invention will become apparent from the detailed description of the embodiments with reference to the accompanying drawings.

본 발명에 따른 운전 위험 지수관련 이벤트 등록을 위한 관찰 기준 임계값 추정 장치 및 방법의 바람직한 실시예에 대하여 첨부한 도면을 참조하여 설명하면 다음과 같다. 그러나 본 발명은 이하에서 개시되는 실시예에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예는 본 발명의 개시가 완전하도록하며 통상의 지식을 가진자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이다. 따라서 본 명세서에 기재된 실시예와 도면에 도시된 구성은 본 발명의 가장 바람직한 일 실시예에 불과할 뿐이고 본 발명의 기술적 사상을 모두 대변하는 것은 아니므로, 본 출원시점에 있어서 이들을 대체할 수 있는 다양한 균등물과 변형예들이 있을 수 있음을 이해하여야 한다.A preferred embodiment of an apparatus and method for estimating an observation reference threshold value for registering an event related to a driving hazard index according to the present invention will now be described with reference to the accompanying drawings. The present invention may, however, be embodied in many different forms and should not be construed as limited to the embodiments set forth herein. Rather, these embodiments are provided so that this disclosure will be thorough and complete, and will fully convey the scope of the invention to those skilled in the art. It is provided to let you know. Therefore, the embodiments described in the present specification and the configurations shown in the drawings are merely the most preferred embodiments of the present invention and are not intended to represent all of the technical ideas of the present invention. Therefore, various equivalents It should be understood that water and variations may be present.

도 2 는 본 발명의 실시예에 따른 운전 위험 지수관련 이벤트 등록을 위한 관찰 기준 임계값 추정 장치의 구성을 나타낸 블록도이다.2 is a block diagram illustrating a configuration of an observation-based threshold value estimating apparatus for registering an event related to a driving hazard index according to an embodiment of the present invention.

도 2와 같이, 관찰 기준 임계값 추정 장치는 초기화부(100)와, 데이터 획득부(200)와, 후보 이벤트 데이터 정렬부(300)와, GPD 변수 추정부(400)와, 피크 임계값 추정부(500)와, 등록 이벤트 임계값 추정부(600)로 구성된다. 이때, 상기 관찰 기준 임계값 추정 장치는 후보 데이터들을 관찰 임계값을 추정하는 서버로 전송하기 위한 송신부가 있으며, 또한 상기 서버가 전송한 관찰 임계값을 수신하는 수신부와, 내부 메모리나 저장장치에 서버로부터 수신되는 관찰 임계값을 저장하는 관찰 임계값 저장부가 추가로 구성된다.2, the observation reference threshold value estimating apparatus includes an initialization unit 100, a data obtaining unit 200, a candidate event data sorting unit 300, a GPD variable estimating unit 400, (500), and a registration event threshold value estimating unit (600). Here, the observation-based threshold value estimating apparatus includes a transmitter for transmitting candidate data to a server for estimating an observation threshold value, a receiver for receiving an observation threshold transmitted from the server, An observation threshold value storage section for storing an observation threshold value received from the observation point storage section.

상기 초기화부(100)는 양과 음의 후보 이벤트 데이터 수와 등록 데이터 이벤트수를 정의하고, 상기 데이터 획득부(200)는 차량으로부터 데이터를 센서들로부터 입력 받는다.The initialization unit 100 defines the number of positive and negative candidate event data and the number of registration data events, and the data acquisition unit 200 receives data from the sensors from the vehicle.

상기 후보 이벤트 데이터 정렬부(300)는 데이터 획득부(200)에서 입력되는 데이터를 기반으로 일정 시간 동안 관찰된 데이터 중 일정 개수의 양의 최대값들과 음의 최소값들을 구하고 이를 후보 이벤트 데이터 수만큼 양과 음의 후보 이벤트 데이터로 정렬하여 메모리 혹은 저장 장치에 보관한다. 이때, 상기 후보 이벤트 데이터 정렬부(300)는 양의 후보 이벤트 데이터는 내림차순으로 정렬하여 보관하고, 음의 후보 이벤트 데이터는 오름차순으로 정렬하여 보관한다. The candidate event data rearrangement unit 300 obtains a minimum number of maximum and minimum values of a predetermined number of data observed for a predetermined time based on the data input from the data obtaining unit 200, And stores them in a memory or a storage device. At this time, the candidate event data sorting unit 300 arranges and stores positive candidate event data in descending order, and stores the sorted candidate event data in ascending order.

상기 GPD 변수 추정부(400)는 후보 이벤트 데이터 정렬부(300)에서 정렬된 데이터 중 일정 개수의 양의 최대값들로부터 일반 파레토 분포(General Pareto Distribution)의 Shape 변수(

Figure 112013028435099-pat00044
)와 Scale 변수(
Figure 112013028435099-pat00045
)를 추정하고, 일정 개수의 음의 최소값들로부터 일반 파레토 분포(General Pareto Distribution)의 Shape 변수(
Figure 112013028435099-pat00046
)와 Scale 변수(
Figure 112013028435099-pat00047
)를 추정한다.The GPD variable estimating unit 400 may calculate the GPT variable estimating unit 400 based on a Shape variable of a general Pareto distribution from the maximum values of a certain number of sorted data
Figure 112013028435099-pat00044
) And the Scale variable (
Figure 112013028435099-pat00045
), And the Shape variable of the general Pareto distribution from a certain number of negative minimum values
Figure 112013028435099-pat00046
) And the Scale variable (
Figure 112013028435099-pat00047
).

상기 일반 파레토 분포는 다음 수학식 1과 같이 표현된다.The general Pareto distribution is expressed by the following equation (1).

Figure 112013028435099-pat00048
Figure 112013028435099-pat00048

이때, 상기

Figure 112013028435099-pat00049
는 Shape 변수이고, 상기
Figure 112013028435099-pat00050
는 Scale 변수이며,At this time,
Figure 112013028435099-pat00049
Is a Shape variable,
Figure 112013028435099-pat00050
Is a Scale variable,

Figure 112013028435099-pat00051
일 때,
Figure 112013028435099-pat00052
이면
Figure 112013028435099-pat00053
이며,
Figure 112013028435099-pat00054
이면
Figure 112013028435099-pat00055
인 관계를 만족한다.
Figure 112013028435099-pat00051
when,
Figure 112013028435099-pat00052
If
Figure 112013028435099-pat00053
Lt;
Figure 112013028435099-pat00054
If
Figure 112013028435099-pat00055
Lt; / RTI >

이와 같은 수학식 1을 통해 상기 GPD 변수 추정부(400)는 일정 시간 동안 운행한 차량으로부터 양의 한계값을 초과하는 샘플 데이터에서 내림차순으로 정렬된 샘플 값들 중 일정 후보 이벤트(Candidate Event) 개수(

Figure 112013028435099-pat00056
)의 양의 최대값들과 미리 설정되어 있는 등록 이벤트 수(
Figure 112013028435099-pat00057
)를 통해 일반 파레토 분포의 Shape 변수(
Figure 112013028435099-pat00058
)와 Scale 변수(
Figure 112013028435099-pat00059
)를 추정한다. 그리고 이와 마찬가지로 일정 시간 동안 운행한 차량으로부터 음의 한계값을 미달하는 샘플에서 오름차순으로 정렬된 샘플값들 중 일정 후보 이벤트(Candidate Event) 개수(
Figure 112013028435099-pat00060
)의 음의 최소값들과 미리 설정되어 있는 등록 이벤트 수(
Figure 112013028435099-pat00061
)를 통해 일반 파레토 분포의 Shape 변수(
Figure 112013028435099-pat00062
)와 Scale 변수(
Figure 112013028435099-pat00063
)를 추정한다.The GPD variable estimating unit 400 estimates the number of candidate events (Candidate Event) among the sample values sorted in descending order from the sample data exceeding the positive threshold value
Figure 112013028435099-pat00056
) And the preset number of registration events (
Figure 112013028435099-pat00057
) Through the general Pareto distribution Shape variable (
Figure 112013028435099-pat00058
) And the Scale variable (
Figure 112013028435099-pat00059
). Similarly, among the sample values arranged in the ascending order of the samples which are below the negative limit value from the vehicle that has been operated for a predetermined time, the number of the candidate events (Candidate Event
Figure 112013028435099-pat00060
) And the preset number of registration events (
Figure 112013028435099-pat00061
) Through the general Pareto distribution Shape variable (
Figure 112013028435099-pat00062
) And the Scale variable (
Figure 112013028435099-pat00063
).

상기 피크 임계값 추정부(500)는 후보 이벤트 데이터 정렬부(300)에서 정렬된 데이터로부터 일정 개수의 양의 최대값들 중 최소값을 양의 피크 임계값(

Figure 112013028435099-pat00064
)으로 설정하고, 일정 개수의 음의 최소값들 중 최대값을 음의 피크 임계값(
Figure 112013028435099-pat00065
)으로 설정한다.The peak threshold value estimator 500 estimates a minimum value among a predetermined number of maximum values from the sorted data in the candidate event data sorting unit 300 as a positive peak threshold value
Figure 112013028435099-pat00064
), And the maximum value of a certain number of negative minimum values is set as a negative peak threshold value (
Figure 112013028435099-pat00065
).

수학식 2는 양의 피크 임계값(

Figure 112013029600623-pat00176
)및 일반 파레토 분포의 Shape 변수(
Figure 112013029600623-pat00177
)와 Scale 변수(
Figure 112013029600623-pat00178
)를 이용하여 추정된 VaR(Value at Risk)로 정의되는 분위수(Quantile) 값을 나타낸다. 그리고 수학식 3은 음의 피크 임계값(
Figure 112013029600623-pat00179
)및 일반 파레토 분포의 Shape 변수(
Figure 112013029600623-pat00180
)와 Scale 변수(
Figure 112013029600623-pat00181
)를 이용하여 추정된 VaR(Value at Risk)로 정의되는 음의 분위수(Quantile) 값을 나타낸다.(2) is a positive peak threshold value
Figure 112013029600623-pat00176
) And the Shape parameter of the general Pareto distribution (
Figure 112013029600623-pat00177
) And the Scale variable (
Figure 112013029600623-pat00178
) Represents a quantile value defined as an estimated VaR (Value at Risk). And Equation (3) represents a negative peak threshold value
Figure 112013029600623-pat00179
) And the Shape parameter of the general Pareto distribution (
Figure 112013029600623-pat00180
) And the Scale variable (
Figure 112013029600623-pat00181
) Represents a negative quantile value defined as VaR (Value at Risk) estimated using the above equation.

Figure 112013028435099-pat00070
Figure 112013028435099-pat00070

Figure 112013028435099-pat00071
Figure 112013028435099-pat00071

이때, 상기

Figure 112013028435099-pat00072
,
Figure 112013028435099-pat00073
는 후보 이벤트 개수이고, 상기
Figure 112013028435099-pat00074
는 등록 이벤트 개수를 나타낸다. 그리고 상기 GPD 변수 추정부(400)와 피크 임계값 추정부(500)는 차량 내 임베디드 장치가 아닌 서버에서 구현될 수도 있다. At this time,
Figure 112013028435099-pat00072
,
Figure 112013028435099-pat00073
Is the number of candidate events,
Figure 112013028435099-pat00074
Represents the number of registration events. The GPD variable estimating unit 400 and the peak threshold value estimating unit 500 may be implemented in a server other than an in-vehicle embedded device.

상기 등록 이벤트 임계값 추정부(600)는 상기 GPD 변수 추정부(400)에서 추정된 일정 개수의 양의 최대값들로부터 일반 파레토 분포(General Pareto Distribution)의 Shape 변수(

Figure 112013028435099-pat00075
) 및 Scale 변수(
Figure 112013028435099-pat00076
)와, 상기 피크 임계값 추정부(500)에서 추정된 양의 피크 임계값(
Figure 112013028435099-pat00077
)으로부터 추정된 분위수(Quantile) 값을 이용하여 양의 등록 이벤트 기준 임계값을 추정하고, 또한 상기 GPD 변수 추정부(400)에서 설정된 일정 개수의 음의 최소값들로부터 일반 파레토 분포(General Pareto Distribution)의 Shape 변수(
Figure 112013028435099-pat00078
)와 Scale 변수(
Figure 112013028435099-pat00079
)와, 상기 피크 임계값 추정부(500)에서 설정된 음의 피크 임계값(
Figure 112013028435099-pat00080
)으로부터 추정된 분위수(Quantile) 값을 이용하여 음의 등록 이벤트 기준 임계값을 추정한다.The registration event threshold value estimating unit 600 calculates a Shape variable of a general Pareto distribution from a maximum number of positive values estimated by the GPD variable estimating unit 400
Figure 112013028435099-pat00075
) And the Scale variable (
Figure 112013028435099-pat00076
A peak threshold value estimating section 500 for estimating a positive peak threshold value
Figure 112013028435099-pat00077
And a general Pareto distribution from a predetermined number of negative minimum values set in the GPD variable estimating unit 400. In addition, The Shape variable (
Figure 112013028435099-pat00078
) And the Scale variable (
Figure 112013028435099-pat00079
A negative peak threshold value set in the peak threshold value estimating unit 500
Figure 112013028435099-pat00080
And estimates a negative registration event threshold value using the estimated quantile value.

이때, 등록되는 이벤트 수(

Figure 112013028435099-pat00081
)는 저장, 전송 및 관리 비용(cost)의 관점에서 양의 한계값을 초과하는 샘플 데이터에서의 후보 이벤트(Candidate Event) 개수(
Figure 112013028435099-pat00082
)를 초과할 수 없다. 따라서 상기 수학식 2와 추정된 변수들(Shape 변수, Scale 변수)을 이용하여 운수 운영업자(fleet carrier)의 비용 증가, 즉 손실로 고려될 수 있는 적자위험(Shortfall Risk)으로 등록 이벤트 기준 임계값을 추정한다. 이는 경제적 용어로서 투자자의 최소 투자 회수금이 보장이 안 될 수 있는 임계값이다. 이 기준을 넘었을 경우 비록 위험 운전은 아니더라도 도로의 팟홀(Pot hall) 등에 의해 강한 충격을 차량이 받았을 경우 이는 차량 정비 관리적인 부분에서 손실을 야기시킬 수 있기 때문이다. 그러므로 운전 위험지수는 운전자에 의해 발생하는 요인과 외부 환경 요소가 같이 함유되어 있다.At this time, the number of registered events (
Figure 112013028435099-pat00081
) Is the number of Candidate Events in the sample data exceeding the positive limit in terms of storage, transmission and management costs
Figure 112013028435099-pat00082
). Therefore, the increase of the cost of the fleet carrier, that is, the shortfall risk that can be considered as a loss, is calculated by using the formula (2) and the estimated parameters (Shape variable, Scale variable) . This is an economic term and a threshold at which the investor's minimum investment return can not be guaranteed. If this threshold is exceeded, even if it is not dangerous driving, if the vehicle is subjected to a strong impact due to the pot hall of the road or the like, it may cause loss in the maintenance part of the vehicle maintenance. Therefore, the driving hazard index is included both by the driver and external environmental factors.

이처럼, 본 발명은 이벤트 기준 임계값이 너무 낮아 비용이 증가되지 않도록 하고, 반대적으로 너무 높아 등록되는 이벤트가 없어 통계적 위험도를 산출할 수 없는 경우가 발생하지 않도록 적절한 임계값을 설정하도록 한다. 그리고 이를 위해 다음 수학식 4와 같은 양의 이벤트 등록 기준 추정 함수(Expected Shortfall)를 정의하고 이벤트 기준 임계값을 넘을 경우를 유사 충돌(Near Crash)로 분류하여 등록되도록 한다. 그리고 이 등록된 이벤트만이 관리의 대상이 된다.As described above, the present invention sets an appropriate threshold value so as not to increase the cost because the event-based threshold value is too low, and conversely, it is too high to register a statistical risk because there is no event to be registered. To this end, an event registration criterion estimation function (Expected Shortfall) of the following Equation (4) is defined, and a case of exceeding the event criterion threshold value is classified as Near Crash and registered. Only these registered events are subject to management.

Figure 112013028435099-pat00083
Figure 112013028435099-pat00083

또한, 상기 등록 이벤트 수(

Figure 112013028435099-pat00084
)는 음의 한계값을 미달하는 샘플 데이터에서의 후보 이벤트(Candidate Event) 개수(
Figure 112013028435099-pat00085
)를 초과할 수 없다. 따라서 상기 수학식 5와 같은 음의 이벤트 등록 기준 설정 함수(Expected Shortfall)를 정의함으로서 상기 등록 이벤트 임계값 추정부(600)는 이벤트 기준 임계값을 넘을 경우를 유사 충돌(Near Crash)로 분류하여 등록되도록 한다. 그리고 이 등록된 이벤트만이 관리의 대상이 된다.Further, the number of registration events (
Figure 112013028435099-pat00084
) Is the number of candidate events (Candidate Event) in the sample data that is below the negative threshold value
Figure 112013028435099-pat00085
). Accordingly, by defining a negative event registration standard setting function (Equation 5), the registration event threshold value estimator 600 classifies the event threshold value as a Near Crash, . Only these registered events are subject to management.

Figure 112013028435099-pat00086
Figure 112013028435099-pat00086

즉, 이는 하나의 이벤트 타입의 전체 샘플 데이터 수를 m+p 라 할 때 m을 음의 샘플 개수, p를 양의 샘플 개수로 정의하고, 이 샘플들 중 음의 샘플들을 다음 수학식 6과 같이 오름차순으로 정렬하고, 이 샘플 들 중 양의 샘플들을 다음 수학식 7과 같이 내림차순으로 정렬한다.That is, when m + p is the total number of sample data of one event type, m is defined as a negative number of samples, p is defined as a positive number of samples, and negative samples of these samples are expressed as Equation Order in ascending order, and positive samples among these samples are sorted in descending order as shown in the following equation (7).

Figure 112013028435099-pat00087
Figure 112013028435099-pat00087

Figure 112013028435099-pat00088
Figure 112013028435099-pat00088

그리고 다음 수학식 8에서 나타내고 있는 것과 같이, 양의 운전자 위험 지수(Driver Risk Index : DRI)는 양의 후보 이벤트 값들의 평균과 양의 피크 임계값의 차이로 정의하며, 다음 수학식 9에서 나타내고 있는 것과 같이, 음의 운전자 위험지수(Driver Risk Index : DRI)는 음의 후보 이벤트 값들의 평균과 음의 피크 임계값의 차이의 절대치로 정의한다. 이는 피크 임계값을 초과하는 초과량(Overshoot)을 나타내며, 이를 운전자들의 운전 위험 지수로 한다.As shown in Equation (8), a positive Driver Risk Index (DRI) is defined as a difference between an average of positive candidate event values and a positive peak threshold value, As such, the negative Driver Risk Index (DRI) is defined as the absolute value of the difference between the average of the negative candidate event values and the negative peak threshold. This represents an overshoot that exceeds the peak threshold, which is the driver's risk index for drivers.

Figure 112013028435099-pat00089
Figure 112013028435099-pat00089

Figure 112013028435099-pat00090
Figure 112013028435099-pat00090

이처럼 본 발명은 운전자의 운전 위험도(위험지수)를 추정하기 위해 한계 임계값을 설정하는 분야에 일반 파레토 분포(General Pareto Distribution)를 이용하여 충돌 사고의 경우와 같이 발생확률이 매우 낮아 단기간에 관찰이 어려운 데이터들을 분석 할 수 있도록 한다. As described above, the present invention uses a general Pareto distribution to set a threshold value for estimating a driver's risk (risk index) of a driver, so that the probability of occurrence is very low as in the case of a collision accident, Analyze difficult data.

상기 운전자 위험지수(Driver Risk Index : DRI)를 T-Score로 변환한 값으로 점수화하고 이를 통해 운전자의 위험 순위를 정한다. 그러나 이는 이에 한정되지 않으며, 점수화하고 운전자 순위를 정할 때 상기 추정된 운전자 위험지수를 다른 함수에 적용하여 구한 값을 T-Score로 변환하고 점수 채점과 순위 계산에 사용할 수도 있다. 예를 들어 운전 위험 지수의 역수를 T-Score 계산에 사용할 수도 있다.
The driver risk index (DRI) is scored as a value converted into a T-score, and the risk ranking of the driver is determined through this. However, the present invention is not limited to this, and it is also possible to convert the value obtained by applying the estimated driver risk index to another function when scoring and ranking the driver, and converting the value into T-Score and use it for score scoring and rank calculation. For example, the reciprocal of the risk index can be used to calculate the T-Score.

이와 같이 구성된 본 발명에 따른 운전 위험 지수관련 이벤트 등록을 위한 관찰 기준 임계값 추정 장치의 동작을 첨부한 도면을 참조하여 상세히 설명하면 다음과 같다. 도 2와 동일한 참조부호는 동일한 기능을 수행하는 동일한 부재를 지칭한다. The operation of the observation-based threshold value estimating apparatus for registering an event related to the driving hazard index according to the present invention will now be described in detail with reference to the accompanying drawings. The same reference numerals as those in Fig. 2 designate the same members performing the same function.

도 3 은 본 발명의 실시예에 따른 운전 위험 지수관련 이벤트 등록을 위한 관찰 기준 임계값 추정 방법을 설명하기 위한 흐름도이다.3 is a flowchart illustrating an observation-based threshold value estimation method for registering an event related to a driving hazard index according to an embodiment of the present invention.

도 3을 참조하여 설명하면, 먼저 초기화부(100)를 통해 후보 이벤트 수와 등록 이벤트 수를 초기화하고, 데이터 획득부(200)를 통해 차량으로부터 데이터를 수집한다(S10).Referring to FIG. 3, the number of candidate events and the number of registration events are initialized through the initialization unit 100, and data is collected from the vehicle through the data acquisition unit 200 (S10).

그리고 후보 이벤트 데이터 정렬부(300)를 통해 수집된 데이터 중 일정 개수의 양의 최대값들과 음의 최소값들을 구하고 이를 후보 이벤트 데이터 수만큼 양과 음의 후보 이벤트 데이터로 정렬하여 메모리 혹은 저장 장치에 보관한다(S20). 이때, 양의 최대값들과 음의 최소값들은 도 1에서 도시하고 있는 캘리브레이션 과정에서 양의 후보 이벤트 데이터는 내림차순으로 정렬하여 보관하고, 음의 후보 이벤트 데이터는 오름차순으로 정렬하여 보관한다.Then, a predetermined number of maximum and minimum values of the data collected through the candidate event data rearrangement unit 300 are obtained, and the data are sorted into positive and negative candidate event data by the number of candidate event data and stored in a memory or a storage device (S20). In this case, the positive maximum values and the negative minimum values are sorted in the descending order of the positive candidate event data in the calibration process shown in FIG. 1, and the negative candidate event data is sorted in the ascending order and stored.

그리고 GPD 변수 추정부(400)를 통해 상기 산출된 양의 최대값들과 미리 설정되어 있는 등록 이벤트 수(

Figure 112013028435099-pat00091
)를 기반으로 일반 파레토 분포의 Shape 변수(
Figure 112013028435099-pat00092
)와 Scale 변수(
Figure 112013028435099-pat00093
)를 추정한다. 이와 마찬가지로 상기 산출된 음의 최소값들과 미리 설정되어 있는 등록 이벤트 수(
Figure 112013028435099-pat00094
)를 통해 일반 파레토 분포의 Shape 변수(
Figure 112013028435099-pat00095
)와 Scale 변수(
Figure 112013028435099-pat00096
)를 추정한다(S30).Then, the GPD variable estimating unit 400 compares the calculated maximum values with the preset number of registration events (
Figure 112013028435099-pat00091
) Based on the Shape variable of the general Pareto distribution (
Figure 112013028435099-pat00092
) And the Scale variable (
Figure 112013028435099-pat00093
). Similarly, the calculated minimum minus values and the preset number of registration events (
Figure 112013028435099-pat00094
) Through the general Pareto distribution Shape variable (
Figure 112013028435099-pat00095
) And the Scale variable (
Figure 112013028435099-pat00096
(S30).

이어 동시에 피크 임계값 추정부(500)를 통해 상기 산출된 양의 최대값 중 최소값을 양의 피크 임계값으로 설정하고, 상기 산출된 음의 최소값들 중 최대값을 음의 피크 임계값으로 설정한다(S40). 그리고 상기 설정된 양의 피크 임계값(

Figure 112013091504647-pat00097
) 및 일반 파레토 분포의 Shape 변수(
Figure 112013091504647-pat00182
)와 Scale 변수(
Figure 112013091504647-pat00183
) 로부터 VaR(Value at Risk)로 정의되는 양의 분위수(Quantile) 값을 추정하고 또한 상기 설정된 음의 피크 임계값(
Figure 112013091504647-pat00184
) 및 일반 파레토 분포의 Shape 변수(
Figure 112013091504647-pat00185
)와 Scale 변수(
Figure 112013091504647-pat00186
) 로부터 VaR(Value at Risk)로 정의되는 음의 분위수(Quantile) 값을 각각 추정한다(S50).At the same time, the minimum value of the calculated maximum value is set as a positive peak threshold value through the peak threshold value estimating unit 500, and the maximum value of the calculated negative minimum values is set as a negative peak threshold value (S40). And the set amount of peak threshold value (
Figure 112013091504647-pat00097
) And the Shape parameter of the general Pareto distribution (
Figure 112013091504647-pat00182
) And the Scale variable (
Figure 112013091504647-pat00183
Quot; Value at Risk ") from the negative peak threshold value (" VaR "
Figure 112013091504647-pat00184
) And the Shape parameter of the general Pareto distribution (
Figure 112013091504647-pat00185
) And the Scale variable (
Figure 112013091504647-pat00186
(Value at Risk) (S50), respectively.

그리고 등록 이벤트 임계값 추정부(600)를 통해 상기 추정된 VaR(Value at Risk)로 정의되는 양의 분위수(Quantile) 값으로부터 양의 등록 이벤트 기준 임계값을 추정한다. 또한 상기 추정된 VaR(Value at Risk)로 정의되는 음의 분위수(Quantile) 값으로부터 음의 등록 이벤트 기준 임계값을 추정한다(S60).The registration event threshold value estimator 600 estimates a positive registration event threshold value from a positive quantile value defined as the estimated VaR (Value at Risk). In addition, a negative registration event threshold value is estimated from a negative quantile value defined by the estimated VaR (S60).

이렇게 추정된 양, 음의 등록 이벤트 기준 임계값을 기반으로 양, 음의 운전자 위험 지수(Driver Risk Index : DRI)를 산출한다(S70). 이는 피크 임계값을 초과하는 초과량(Overshoot)을 나타낸다. 이처럼 산출되는 운전자 위험 지수는 극한치 확률 분포를 적용하여 통계변수들을 추정하고 이를 바탕으로 관찰이 어려운 영역에 있는 극한값을 초과하는 확률을 계산함으로써, 운전자의 운전 위험도를 산출하고 효과적으로 분석할 수 있다.A positive and negative driver risk index (DRI) is calculated based on the estimated positive and negative registration event threshold values (S70). This represents an overshoot exceeding the peak threshold. The driver risk index is calculated by estimating the statistical parameters by applying the extreme value probability distribution, and by calculating the probability of exceeding the extreme value in the difficult to observe area, it is possible to calculate and effectively analyze the driver's driving risk.

이어 상기 산출된 운전자 위험지수(Driver Risk Index : DRI)에 근무시간을 고려하고 이를 T-Score로 변환한 값으로 점수화하고 이를 통해 운전자 순위를 정한다(S80). Subsequently, the calculated driver risk index (DRI) is converted into a T-Score, and the driver's rank is determined based on the calculated working time.

도 4 는 상기 산출된 운전자 위험지수를 T-Score한 결과로서, NanoIDEA Score와 위험도의 관계를 나타낸 도면으로, 도 4에서 도시하고 있는 것과 같이, 운전자 위험지수가 30점 이하(-2 이하)이면 경고, 30점에서 40점사이이면 주의, 40점에서 60점사이(-1에서 +1사이)이면 평균이며, 60점이상(+2 이상)이면 우수하다고 볼 때, 전 차량 운전자들 모두 평균적인 위험 범위 내에서 운전을 하고 있다. FIG. 4 is a graph showing the relationship between the NanoIDEA score and the degree of risk as a result of T-Score of the calculated driver's risk index. When the driver's risk index is 30 or less (-2 or less) If the warning is between 30 and 40, the average value is between 40 and 60 (-1 to +1). If the value is more than 60 (+2 or more) I am driving within the risk range.

한편, 상기 추정된 양, 음의 등록 이벤트 기준 임계값들과 기존 저장된 과거의 추정된 등록 이벤트 임계값들의 일정한 윈도우 사이즈의 이동 평균을 구하고 이 이동 평균값을 등록 이벤트 임계값으로 사용하여 자동으로 영상 기록장치 혹은 이벤트 데이터 레코더(Event Data Recoder) 혹은 주행 기록 장치의 메모리나 저장장치에 유, 무선 네트워크를 이용하여 전송 저장하고, 운전 위험 지수관련 이벤트 등록을 위한 관찰 임계값으로 다시 사용하여 위의 과정을 반복함으로써, 업데이트 되는 양, 음의 등록 이벤트 기준 임계값들을 통해 운전자의 운전 습관을 보다 정확하게 분석하고 진단할 수 있도록 한다.
On the other hand, a moving average of a predetermined window size of the estimated positive and negative registration event thresholds and existing past stored event thresholds is obtained, and the moving average value is automatically used as a registration event threshold value It is stored in the memory of the device or the event data recorder or the memory of the driving recorder using a wireless network and is used again as an observation threshold value for registering an event related to the driving hazard index. By repeating this, it is possible to more accurately analyze and diagnose the driver's driving habits through updated positive and negative registration event thresholds.

본 발명의 방법을 통해 실제 측정된 데이터를 이용하여 검증한 결과에 따른 효과를 나타내면 다음과 같다. The effect according to the result of the verification using the actually measured data through the method of the present invention is as follows.

먼저, 실제 측정된 데이터는 2012년 12월 20일부터 12월 22일 동안 트럭 2대를 이용하여 4개의 이벤트 타입(급가속, 급감속, 급좌회전, 급우회전)에 대하여 실험하였다. Truck-A에서 각 이벤트 타입 별 2,780,021개의 샘플 데이터를 Truck-B로부터 각 이벤트 타입 별 2,387,803개의 샘플 데이터를 수집하여 본 발명의 방법과 실재 데이터의 백분위 수를 이용하여 비교하였다. 그리고 후보 이벤트 수를 100개, 등록 이벤트 수를 5개로 하였다. First, the actual measured data was tested for four event types (rapid acceleration, rapid deceleration, rapid left turn, and sharp right turn) using two trucks from December 20 to December 22, 2012. 2,780,021 sample data for each event type was collected from Truck-A, 2,387,803 sample data for each event type was collected from Truck-B, and the method of the present invention was compared with the percentile of the actual data. The number of candidate events was 100, and the number of registration events was 5.

다음 표 1은 각 이벤트 타입 별 추정된 양의 Shape 변수(

Figure 112013028435099-pat00103
) 및 Scale 변수(
Figure 112013028435099-pat00104
), 그리고 양의 피크 임계값(
Figure 112013028435099-pat00105
) 및 음의 Shape 변수(
Figure 112013028435099-pat00106
)와 Scale 변수(
Figure 112013028435099-pat00107
), 그리고 음의 피크 임계값(
Figure 112013028435099-pat00108
)을 나타낸다.Table 1 below shows the estimated amount of Shape variable for each event type (
Figure 112013028435099-pat00103
) And the Scale variable (
Figure 112013028435099-pat00104
), And a positive peak threshold (
Figure 112013028435099-pat00105
) And a negative Shape variable (
Figure 112013028435099-pat00106
) And the Scale variable (
Figure 112013028435099-pat00107
), And negative peak threshold (
Figure 112013028435099-pat00108
).

Truck-ATruck-A Truck-BTruck-B 　 ξξ βbeta uu ξξ βbeta uu ΔVx (Km/h)DELTA Vx (Km / h) -0.2984-0.2984 0.04690.0469 0.23000.2300 -0.1018-0.1018 0.02560.0256 0.15200.1520 -ΔVx (Km/h)-ΔVx (Km / h) -0.2149-0.2149 0.03920.0392 -0.2800-0.2800 0.09180.0918 0.02170.0217 -0.1570-0.1570 ΔVy (Km/h)DELTA Vy (Km / h) -0.3993-0.3993 0.04680.0468 0.21300.2130 -0.3061-0.3061 0.03900.0390 0.17300.1730 -ΔVy (Km/h)-Vy (Km / h) 0.01520.0152 0.02650.0265 -0.2150-0.2150 0.08390.0839 0.02350.0235 -0.1520-0.1520

그리고 다음 표 2는 각 이벤트 타입 별 본 발명의 방법에 의해 추정된 등록 이벤트 임계 값 과 실재 데이터의 백분위 수 및 이 통계수치들간의 차이를 상대 에러율로 비교하였다.Table 2 below compares the registration event threshold value estimated by the method of the present invention for each event type, the percentile of the actual data, and the difference between the statistical values by the relative error rate.

추정 등록 임계 값Estimated registration threshold 실재 백분위 임계 값Realistic percentile threshold 상대 오차Relative error 　 Truck-ATruck-A Truck-BTruck-B Truck-ATruck-A Truck-BTruck-B Truck-ATruck-A Truck-BTruck-B ΔVx (Km/h)DELTA Vx (Km / h) 0.33740.3374 0.23470.2347 0.32600.3260 0.23100.2310 3.50%3.50% 1.58%1.58% -ΔVx (Km/h)-ΔVx (Km / h) -0.3833-0.3833 -0.2621-0.2621 -0.3770-0.3770 -0.2730-0.2730 1.66%1.66% 3.99%3.99% ΔVy (Km/h)DELTA Vy (Km / h) 0.30440.3044 0.26140.2614 0.29600.2960 0.26300.2630 2.83%2.83% 0.61%0.61% -ΔVy (Km/h)-Vy (Km / h) -0.3238-0.3238 -0.2647-0.2647 -0.3190-0.3190 -0.2650-0.2650 1.50%1.50% 0.11%0.11%

그리고 다음 수학식 10을 통해 운전 안전 지수 DSI(Driving Safety Index)를 나타낸다. 이때, 실 작업 시간 즉 HOS(Houres of Service)가 높을수록 안전 지수는 감소하는 것으로 나타난다.And the driving safety index (DSI) is expressed by the following equation (10). In this case, the safety index decreases as the actual working time, ie, HOS (Hour of Service) increases.

Figure 112013028435099-pat00109
Figure 112013028435099-pat00109

따라서 표 3은 같은 작업장의 4대의 차량에 상기 수학식 10의 DSI에 T-Score를 적용한 결과이다. Therefore, Table 3 shows the results of applying the T-Score to the DSI of Equation (10) for four vehicles in the same workplace.

　 1호 차량No. 1 vehicle 2호 차량No. 2 vehicle 3호 차량No. 3 vehicle 4호 차량No. 4 vehicle 급 가속Rapid acceleration 59.9759.97 57.0457.04 39.7039.70 43.3043.30 급 감속Rapid deceleration 62.7162.71 51.5151.51 38.7138.71 47.0747.07 급 우회전Sharp right 62.7162.71 38.2638.26 49.9349.93 49.1149.11 급 좌회전Turn left 60.0060.00 36.3036.30 53.5053.50 50.2150.21 평균 DSIMean DSI 61.3561.35 45.7845.78 45.4645.46 47.4247.42

상기 표 3의 경우, 도 4에서 도시하고 있는 것과 같이 DSI가 30점 이하(-2 이하)이면 경고, 30점에서 40점사이이면 주의, 40점에서 60점사이(-1에서 +1사이)이면 평균이며, 60점이상(+2 이상)이면 우수하다고 볼 때, 1호 차량 운전자가 가장 안전운전을 하였고, 나머지 차량 운전자들은 평균적으로 비슷한 점수를 보인다.In the case of Table 3, if the DSI is 30 points or less (-2 or less) as shown in FIG. 4, it is warned. If the DSI is between 30 points and 40 points, And the average score is 60 or more (+2 or more), the driver of the No. 1 car is the safest driver and the driver of the other car is on the average.

도 5 는 본 발명의 방법을 통해 실제 측정된 데이터를 이용하여 검증한 결과 상대 에러율을 나타낸 그래프로서, 도 5에서 나타내고 있는 것과 같이 모든 이벤트 타입에서 4%가 넘지 않는 정확성을 보이고 있다.
FIG. 5 is a graph showing the relative error rate as a result of verifying using actual measured data through the method of the present invention. As shown in FIG. 5, the accuracy is not more than 4% in all event types.

상기에서 설명한 본 발명의 기술적 사상은 바람직한 실시예에서 구체적으로 기술되었으나, 상기한 실시예는 그 설명을 위한 것이며 그 제한을 위한 것이 아님을 주의하여야 한다. 또한, 본 발명의 기술적 분야의 통상의 지식을 가진자라면 본 발명의 기술적 사상의 범위 내에서 다양한 실시예가 가능함을 이해할 수 있을 것이다. 따라서 본 발명의 진정한 기술적 보호 범위는 첨부된 특허청구범위의 기술적 사상에 의해 정해져야 할 것이다. While the present invention has been particularly shown and described with reference to exemplary embodiments thereof, it is to be understood that the invention is not limited to the disclosed exemplary embodiments. It will be apparent to those skilled in the art that various modifications may be made without departing from the scope of the present invention. Accordingly, the true scope of the present invention should be determined by the technical idea of the appended claims.

Claims (12)

양과 음의 후보 이벤트 데이터 수와 등록 데이터 이벤트수를 정의하는 초기화부와,
차량으로부터 데이터를 센서들로부터 입력받는 데이터 획득부와,
상기 데이터 획득부에서 입력되는 데이터를 기반으로 일정 시간 동안 관찰된 데이터 중 일정 개수의 양의 최대값들과 음의 최소값들을 구하고 이를 후보 이벤트 데이터 수만큼 양과 음의 후보 이벤트 데이터로 정렬하는 후보 이벤트 데이터 정렬부와,
상기 후보 이벤트 데이터 정렬부에서 정렬된 데이터 중 일정 개수의 양의 최대값들로부터 일반 파레토 분포(General Pareto Distribution)의 Shape 변수(
Figure 112013029600623-pat00110
)와 Scale 변수(
Figure 112013029600623-pat00111
)를 추정하고, 일정 개수의 음의 최소값들로부터 일반 파레토 분포(General Pareto Distribution)의 Shape 변수(
Figure 112013029600623-pat00112
)와 Scale 변수(
Figure 112013029600623-pat00113
)를 추정하는 GPD 변수 추정부와,
상기 후보 이벤트 데이터 정렬부에서 정렬된 데이터로부터 일정 개수의 양의 최대값들 중 최소값을 양의 피크 임계값(
Figure 112013029600623-pat00114
)으로 설정하고, 일정 개수의 음의 최소값들 중 최대값을 음의 피크 임계값(
Figure 112013029600623-pat00115
)으로 설정하는 피크 임계값 추정부와,
상기 추정된 양의 Shape 변수(
Figure 112013029600623-pat00118
) 및 Scale 변수(
Figure 112013029600623-pat00119
)와, 양의 피크 임계값(
Figure 112013029600623-pat00120
)으로부터 추정된 VaR(Value at Risk)로 정의되는 양의 분위수(Quantile) 값을 이용하여 양의 등록 이벤트 기준 임계값을 추정하고, 상기 추정된 음의 Shape 변수(
Figure 112013029600623-pat00121
)와 Scale 변수(
Figure 112013029600623-pat00122
)와, 음의 피크 임계값(
Figure 112013029600623-pat00123
)으로부터 추정된 VaR(Value at Risk)로 정의되는 음의 분위수(Quantile) 값을 이용하여 음의 등록 이벤트 기준 임계값을 추정하는 등록 이벤트 임계값 추정부를 포함하여 구성되는 것을 특징으로 하는 운전 위험 지수관련 이벤트 등록을 위한 관찰 기준 임계값 추정 장치. An initialization unit for defining the number of positive and negative candidate event data and the number of registration data events,
A data acquisition unit for receiving data from the vehicle from sensors,
A minimum number of positive and negative minimum values of a predetermined number of data observed for a predetermined period of time based on the data input from the data acquisition unit, and generates candidate event data for sorting into positive and negative candidate event data by the number of candidate event data An alignment unit,
The candidate event data rearrangement unit extracts a Shape variable (Pareto distribution) of a general Pareto distribution from maximum values of a certain number of sorted data
Figure 112013029600623-pat00110
) And the Scale variable (
Figure 112013029600623-pat00111
), And the Shape variable of the general Pareto distribution from a certain number of negative minimum values
Figure 112013029600623-pat00112
) And the Scale variable (
Figure 112013029600623-pat00113
), A GPD variable estimator for estimating a GPD variable,
A minimum value of a predetermined number of maximum values from the sorted data in the candidate event data rearrangement unit is referred to as a positive peak threshold value
Figure 112013029600623-pat00114
), And the maximum value of a certain number of negative minimum values is set as a negative peak threshold value (
Figure 112013029600623-pat00115
), A peak threshold value estimating section
The estimated amount of Shape variable (
Figure 112013029600623-pat00118
) And the Scale variable (
Figure 112013029600623-pat00119
) And a positive peak threshold value (
Figure 112013029600623-pat00120
Estimates a positive registration event threshold value using a positive quantile value defined as VaR (Value at Risk) estimated from the estimated negative Shape variable
Figure 112013029600623-pat00121
) And the Scale variable (
Figure 112013029600623-pat00122
) And a negative peak threshold value (
Figure 112013029600623-pat00123
And a registration event threshold value estimating unit for estimating a negative registration event threshold value by using a negative quantile value defined as VaR (Value at Risk) estimated from the operating risk index Observation criterion threshold estimator for registering related events. 제 1 항에 있어서, 상기 관찰 기준 임계값 추정 장치는
후보 데이터들을 관찰 임계값을 추정하는 서버로 전송하기 위한 송신부와,
상기 서버가 전송한 관찰 임계값을 수신하는 수신부와,
내부 메모리나 저장장치에 서버로부터 수신되는 관찰 임계값을 저장하는 관찰 임계값 저장부를 더 포함하여 구성하는 것을 특징으로 하는 운전 위험 지수관련 이벤트 등록을 위한 관찰 기준 임계값 추정 장치.The apparatus according to claim 1, wherein the observation-based threshold value estimating apparatus
A transmitter for transmitting candidate data to a server for estimating an observation threshold;
A receiving unit for receiving an observation threshold transmitted from the server;
And an observation threshold value storage unit for storing an observation threshold value received from the server in an internal memory or a storage device. 제 1 항에 있어서,
상기 후보 이벤트 데이터 정렬부는 양의 후보 이벤트 데이터는 내림차순으로 정렬하고, 음의 후보 이벤트 데이터는 오름차순으로 정렬하는 것을 특징으로 하는 운전 위험 지수관련 이벤트 등록을 위한 관찰 기준 임계값 추정 장치.The method according to claim 1,
Wherein the candidate event data sorting unit sorts the positive candidate event data in descending order and arranges the negative candidate event data in ascending order. 제 1 항에 있어서, 상기 GPD 변수 추정부는
일정 시간 동안 운행한 차량으로부터 양의 한계값을 초과하는 샘플 데이터에서 내림차순으로 정렬된 샘플값들 중 일정 후보 이벤트(Candidate Event) 개수(
Figure 112013028435099-pat00124
)의 양의 최대값들과 미리 설정되어 있는 등록 이벤트 수(
Figure 112013028435099-pat00125
)를 통해 일반 파레토 분포의 Shape 변수(
Figure 112013028435099-pat00126
)와 Scale 변수(
Figure 112013028435099-pat00127
)를 추정하고, 일정 시간 동안 운행한 차량으로부터 음의 한계값을 미달하는 샘플에서 오름차순으로 정렬된 샘플값들 중 일정 후보 이벤트(Candidate Event) 개수(
Figure 112013028435099-pat00128
)의 음의 최소값들과 미리 설정되어 있는 등록 이벤트 수(
Figure 112013028435099-pat00129
)를 통해 일반 파레토 분포의 Shape 변수(
Figure 112013028435099-pat00130
)와 Scale 변수(
Figure 112013028435099-pat00131
)를 추정하는 것을 특징으로 하는 운전 위험 지수관련 이벤트 등록을 위한 관찰 기준 임계값 추정 장치.The apparatus of claim 1, wherein the GPD variable estimator
The number of candidate events (Candidate Event) among the sample values sorted in descending order from the sample data exceeding the positive limit value
Figure 112013028435099-pat00124
) And the preset number of registration events (
Figure 112013028435099-pat00125
) Through the general Pareto distribution Shape variable (
Figure 112013028435099-pat00126
) And the Scale variable (
Figure 112013028435099-pat00127
) And estimates the number of candidate events (Candidate Event) among the sample values sorted in ascending order in the sample that is less than the negative limit value
Figure 112013028435099-pat00128
) And the preset number of registration events (
Figure 112013028435099-pat00129
) Through the general Pareto distribution Shape variable (
Figure 112013028435099-pat00130
) And the Scale variable (
Figure 112013028435099-pat00131
And estimating an observation threshold value for the event related to the driving hazard index. 제 1 항에 있어서, 상기 등록 이벤트 임계값 추정부는
이용되는 이벤트 수(
Figure 112013028435099-pat00132
)가 저장, 전송 및 관리 비용(cost)의 관점에서 양의 한계값을 초과하는 샘플 데이터에서의 등록되는 후보 이벤트(Candidate Event) 개수(
Figure 112013028435099-pat00133
)를 초과할 수 없으며, 또한 음의 한계값을 미달하는 샘플 데이터에서의 등록되는 후보 이벤트(Candidate Event) 개수(
Figure 112013028435099-pat00134
)를 초과할 수 없는 것을 특징으로 하는 운전 위험 지수관련 이벤트 등록을 위한 관찰 기준 임계값 추정 장치.The apparatus of claim 1, wherein the registration event threshold value estimating unit
Number of events used (
Figure 112013028435099-pat00132
) Is the number of Candidate Events registered in the sample data exceeding the positive limit in terms of storage, transmission and management costs
Figure 112013028435099-pat00133
) And the number of candidate events (Candidate Events) to be registered in the sample data that does not exceed the negative threshold value
Figure 112013028435099-pat00134
) Of the at least one of the at least one of the at least two of the at least one of the at least two of the at least one of the at least two of the at least one at least one of the at least one driver. 제 1 항에 있어서, 상기 등록 이벤트 임계값 추정부는
양의 후보 이벤트 값들의 평균과 양의 피크 임계값의 차이로 양의 운전자 위험 지수(Driver Risk Index : DRI)를 산출하고, 음의 후보 이벤트 값들의 평균과 음의 피크 임계값의 차이의 절대치로 음의 운전자 위험지수(Driver Risk Index : DRI)를 산출하는 것을 특징으로 하는 운전 위험 지수관련 이벤트 등록을 위한 관찰 기준 임계값 추정 장치.The apparatus of claim 1, wherein the registration event threshold value estimating unit
A positive driver risk index (DRI) is calculated from the difference between the average of the positive candidate event values and the positive peak threshold value, and the absolute value of the difference between the average of the negative candidate event values and the negative peak threshold value And calculating a negative driver risk index (DRI) based on the calculated driver risk index (DRI). 제 6 항에 있어서, 상기 등록 이벤트 임계값 추정부는
산출된 운전자 위험지수(Driver Risk Index : DRI)를 T-Score로 변환한 값으로 점수화하고 이를 통해 운전자의 위험 순위를 정하는 것을 특징으로 하는 운전 위험 지수관련 이벤트 등록을 위한 관찰 기준 임계값 추정 장치.7. The apparatus of claim 6, wherein the registration event threshold value estimating unit
And calculating a score of the calculated driver risk index (DRI) into a value obtained by converting the DRI to a T-score, and determining a risk ranking of the driver through the score. (A) 후보 이벤트 수와 등록 이벤트 수를 초기화하고, 차량으로부터 데이터를 수집하는 단계와,
(B) 상기 수집된 데이터 중 일정 개수의 양의 최대값들과 음의 최소값들을 구하고 이를 후보 이벤트 데이터 수만큼 양과 음의 후보 이벤트 데이터로 정렬하는 단계와,
(C) 상기 산출된 양의 최대값들과 미리 설정되어 있는 등록 이벤트 수(
Figure 112013029600623-pat00135
)를 기반으로 일반 파레토 분포의 Shape 변수(
Figure 112013029600623-pat00136
)와 Scale 변수(
Figure 112013029600623-pat00137
)를 추정하고, 상기 산출된 음의 최소값들과 미리 설정되어 있는 등록 이벤트 수(
Figure 112013029600623-pat00138
)를 통해 일반 파레토 분포의 Shape 변수(
Figure 112013029600623-pat00139
)와 Scale 변수(
Figure 112013029600623-pat00140
)를 추정하는 단계와,
(D) 상기 산출된 양의 최대값 중 최소값을 양의 피크 임계값으로 설정하고, 상기 산출된 음의 최소값들 중 최대값을 음의 피크 임계값으로 설정하는 단계와,
(E) 상기 설정된 양의 피크 임계값(
Figure 112013029600623-pat00187
) 및 추정된 일반 파레토 분포의 Shape 변수(
Figure 112013029600623-pat00188
)와 Scale 변수(
Figure 112013029600623-pat00189
) 로부터 VaR(Value at Risk)로 정의되는 양의 분위수(Quantile) 값을 추정하고 또한 상기 설정된 음의 피크 임계값(
Figure 112013029600623-pat00190
) 및 추정된 일반 파레토 분포의 Shape 변수(
Figure 112013029600623-pat00191
)와 Scale 변수(
Figure 112013029600623-pat00192
) 로부터 VaR(Value at Risk)로 정의되는 음의 분위수(Quantile) 값을 각각 추정하는 단계와,
(F) 상기 추정된 양의 분위수(Quantile) 값으로부터 양의 등록 이벤트 기준 임계값을 추정하고, 상기 추정된 음의 분위수(Quantile) 값으로부터 음의 등록 이벤트 기준 임계값을 추정하는 단계를 포함하여 이루어지는 것을 특징으로 하는 운전 위험 지수관련 이벤트 등록을 위한 관찰 기준 임계값 추정 방법.(A) initializing the number of candidate events and the number of registration events and collecting data from the vehicle,
(B) obtaining minimum and maximum values of a certain number of positive numbers and negative minimum values of the collected data, and arranging the minimum and maximum values as positive and negative candidate event data by the number of candidate event data;
(C) the maximum values of the calculated amounts and the preset number of registration events (
Figure 112013029600623-pat00135
) Based on the Shape variable of the general Pareto distribution (
Figure 112013029600623-pat00136
) And the Scale variable (
Figure 112013029600623-pat00137
), Estimates the calculated negative minimum values and the preset number of registration events (
Figure 112013029600623-pat00138
) Through the general Pareto distribution Shape variable (
Figure 112013029600623-pat00139
) And the Scale variable (
Figure 112013029600623-pat00140
),
(D) setting a minimum value among the maximum values of the calculated amounts as a positive peak threshold value and setting a maximum value of the calculated negative minimum values as a negative peak threshold value,
(E) comparing the set positive peak threshold value
Figure 112013029600623-pat00187
) And the Shape parameter of the estimated general Pareto distribution (
Figure 112013029600623-pat00188
) And the Scale variable (
Figure 112013029600623-pat00189
Quot; Value at Risk ") from the negative peak threshold value (" VaR "
Figure 112013029600623-pat00190
) And the Shape parameter of the estimated general Pareto distribution (
Figure 112013029600623-pat00191
) And the Scale variable (
Figure 112013029600623-pat00192
Estimating a negative quantile value defined as Value at Risk (VaR)
(F) estimating a positive registration event threshold value from the estimated positive quantile value, and estimating a negative registration event threshold value from the estimated negative quantile value, Wherein the step of estimating the threshold of the observation criterion for registering an event related to the driving hazard index is performed. 제 8 항에 있어서, 상기 (B) 단계는
캘리브레이션 과정에서 양의 후보 이벤트 데이터는 내림차순으로 정렬하고, 음의 후보 이벤트 데이터는 오름차순으로 정렬하는 것을 특징으로 하는 운전 위험 지수관련 이벤트 등록을 위한 관찰 기준 임계값 추정 방법.9. The method of claim 8, wherein step (B)
Wherein the positive candidate event data is sorted in descending order and the negative candidate event data is sorted in ascending order during the calibration process. 제 8 항에 있어서, 상기 (F) 단계 이후,
(G) 상기 추정된 양, 음의 등록 이벤트 기준 임계값을 기반으로 양, 음의 운전자 위험 지수(Driver Risk Index : DRI)를 산출하는 단계와,
(H) 상기 산출된 운전자 위험지수(Driver Risk Index : DRI)에 근무시간을 고려하고 이를 T-Score로 변환한 값으로 점수화하여 운전자 순위를 정하는 단계를 포함하여 이루어지는 것을 특징으로 하는 운전 위험 지수관련 이벤트 등록을 위한 관찰 기준 임계값 추정 방법.9. The method of claim 8, wherein after the step (F)
(G) calculating a positive and negative driver risk index (DRI) based on the estimated positive and negative registered event thresholds;
(H) determining a driver's risk index by calculating the driver's risk index (DRI) by calculating the calculated D-converted value into a T-score, Observation criterion threshold estimation method for event registration. 제 8 항에 있어서,
상기 추정된 양, 음의 등록 이벤트 기준 임계값과 기존 저장된 과거의 추정된 등록 이벤트 임계값들을 이용하여 일정한 윈도우 사이즈의 이동 평균을 구하는 단계와,
상기 산출된 이동 평균값으로 표현되는 등록 이벤트 임계값을 운전 위험 지수관련 이벤트 등록을 위한 관찰 임계값으로 다시 사용하여 위의 과정을 반복하는 단계를 더 포함하여 이루어지는 것을 특징으로 하는 운전 위험 지수관련 이벤트 등록을 위한 관찰 기준 임계값 추정 방법.9. The method of claim 8,
Obtaining a moving average of a predetermined window size using the estimated positive and negative registration event thresholds and the past stored past estimated event thresholds;
Further comprising the step of repeating the above process by again using the registration event threshold value represented by the calculated moving average value as the observation threshold value for registering the event related to the driving risk index. A method for estimating an observation reference threshold value for an observation reference point. 삭제delete
KR20130035501A 2013-04-01 2013-04-01 Apparatus and method for estimating observational reference threshold for the event registration of the driving risk index KR101507903B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR20130035501A KR101507903B1 (en) 2013-04-01 2013-04-01 Apparatus and method for estimating observational reference threshold for the event registration of the driving risk index

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR20130035501A KR101507903B1 (en) 2013-04-01 2013-04-01 Apparatus and method for estimating observational reference threshold for the event registration of the driving risk index

Publications (2)

Publication Number Publication Date
KR20140119596A KR20140119596A (en) 2014-10-10
KR101507903B1 true KR101507903B1 (en) 2015-04-07

Family

ID=51991861

Family Applications (1)

Application Number Title Priority Date Filing Date
KR20130035501A KR101507903B1 (en) 2013-04-01 2013-04-01 Apparatus and method for estimating observational reference threshold for the event registration of the driving risk index

Country Status (1)

Country Link
KR (1) KR101507903B1 (en)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102332930B1 (en) * 2014-12-19 2021-11-30 주식회사 케이티 Method for providing integrated information related to vehicle-driving, server and computer program
CN113994289A (en) * 2019-06-14 2022-01-28 沃尔沃卡车集团 Method for quantifying correctness of vehicle model
JP2022552063A (en) * 2019-08-23 2022-12-15 ボルボトラックコーポレーション Methods for quantifying extreme traffic behavior
CN114266091B (en) * 2021-12-13 2024-06-25 湖南科技大学 Improved threshold crossing extremum estimation method, device, equipment and storage medium

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100879854B1 (en) 2007-07-09 2009-01-22 에스케이 텔레콤주식회사 System and Method for Autiomatic Distribution Fitting
KR20090112327A (en) * 2008-04-24 2009-10-28 현대자동차주식회사 System For Informing Dangerous Driving

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100879854B1 (en) 2007-07-09 2009-01-22 에스케이 텔레콤주식회사 System and Method for Autiomatic Distribution Fitting
KR20090112327A (en) * 2008-04-24 2009-10-28 현대자동차주식회사 System For Informing Dangerous Driving

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
오주택 외 3명. "위험운전 유형에 따른 임계값 개발". 한국도로학회 논문집. 2009.3. *
최종원. "극단치 이론을 이용한 VaR의 추정과 검증". 홍익대학교 대학원 학위논문(석사). 2007.2. *

Also Published As

Publication number Publication date
KR20140119596A (en) 2014-10-10

Similar Documents

Publication Publication Date Title
US10198772B2 (en) Driver assessment and recommendation system in a vehicle
DE102015120991A1 (en) Method and device for wear estimation and maintenance planning for connected vehicle systems
US9406222B2 (en) Systems and methods for location reporting of detected events in vehicle operation
US9519875B2 (en) Method for determining an expected consumption value of a motor vehicle
KR101507903B1 (en) Apparatus and method for estimating observational reference threshold for the event registration of the driving risk index
CN104590275A (en) Driving behavior analyzing method
WO2016030699A1 (en) Method and apparatus for monitoring operation of a vehicle braking system
EP3610277B1 (en) System and method for determining a status of a vehicle battery
EP3420308B1 (en) Road monitoring method and system
DE102016223712A1 (en) ECU MASSAGE INSULATION FOR A DELAY SYSTEM
DE102017127028A1 (en) Vehicle sensor calibration using sensors connected to a wireless network
CN113219336B (en) Battery degradation determination system, method, and non-transitory storage medium storing program
CN106828106A (en) A kind of fault early warning method towards EMUs traction electric machine
CN114730523A (en) Determining the coefficient of friction of a vehicle on a road
KR101497988B1 (en) Method for calculating vehicle safety driving index in safety driving index calculating system, method for calculating issurance of vehicle in safety driving index calculating system and safety driving index calculating system using the same
CN110809280A (en) Detection and early warning method and device for railway wireless network quality
CN111259538B (en) Vibration alarm method, storage medium and electronic equipment
US20150367869A1 (en) Method and Device for Monitoring Coupling Elements of a Vehicle
CN109615879B (en) Vehicle speed abnormity early warning model and method based on Internet of vehicles and model construction method
CN116704822A (en) Big data-based communication processing method and system
CN108920655B (en) Method and device for quantifying space-time coverage range of road weather information system
CN108268678A (en) Driving behavior analysis method, apparatus and system
CN113727211B (en) Data processing method, device, server and system
CN115743143A (en) Vehicle running condition analysis method and system based on Internet of vehicles
CN110853182B (en) User road minimum collection mileage calculation method during association of user and test field

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
LAPS Lapse due to unpaid annual fee