KR101768640B1 - 최소 사고 정보 군집 분석을 이용한 교통사고 접수 시스템 및 방법 - Google Patents

Abstract

본 발명은 최소 사고 정보 군집 분석을 이용한 교통사고 접수 시스템 및 방법을 공개한다. 본 발명은 복수의 차량에 각각 교통사고 보고 단말을 설치하고, 교통사고 보고 단말이 교통사고 발생을 감지하면, 적어도 사고 시간 및 사고 위치를 포함하는 최소 사고 정보를 교통사고 접수 장치로 전송한다. 그러면, 교통사고 접수 장치는 수신된 최소 사고 정보에서 사고 시간 및 사고 위치 정보를 추출하여 기존에 최소 사고 정보가 수신된 다른 정보와 비교를 통해서, 서로 동일한 시간대에 동일한 지역에서 발생한 서로 연관된 사고들을 조사하여 군집 사고로 설정하고, 사고 규모를 판단하여 응급 구조를 요청함으로써, 다중 추돌/충돌 사고와 같은 군집 사고에 보다 효율적으로 대응할 수 있다.

Description

최소 사고 정보 군집 분석을 이용한 교통사고 접수 시스템 및 방법{Traffic accident receiving system and method using Minimum Set of Data}

본 발명은 교통사고 접수 시스템 및 방법에 관한 것으로서, 보다 구체적으로는 최소 사고 정보 군집 분석을 이용한 교통사고 접수 시스템 및 방법에 관한 것이다.

최근 유럽에서는 자동차에 e-Call(긴급구난체계, 이하 e-Call) 시스템 장치의무화 법안이 통과(2011년 9월)되어 2015년부터 유럽내 모든 신차에 e-Call 시스템 장착이 의무화되었다. 국내에서는 2013년부터 이러한 시스템 도입을 추진하고 있다.

자동차에 설치되는 e-Call 시스템 장치는 공장 주문 방식(OEM, in-vehicle) 방식과 후 구매 방식(After Market) 장치로 분류되며, e-Call 시스템 장치는 MSD(Minium Set of Data) 라고 하는 최소 사고 정보를 e-Call PSAP(Public Safety Answering Point)(긴급 구난 관제센터, 이하 e-Call PSAP)로 전송하도록 되어 있어 자동차 사고 발생시 PSAP을 통해 긴급 구난을 받을 수 있도록 구성되어 있다.

이러한 종래의 기술은 사고 발생시 최소 사고 정보를 바탕으로 사고 차량의 사고자와 e-Call PSAP 운영요원과 1:1 로 통화로 대응하여 긴급 구난을 지원하고 있다.

그러나, 여러 가지 상황(기상 악화-안개/강우/강설, 공사, 사고 등)에서 다수의 사고가 연속적으로 발생하였을 경우, 긴급 구난을 위한 규모 및 재원을 빠르게 확보하기 위한 정보로서 판단하기 어려우며, 긴급 구조의 골든타임 내에 구난 / 구조가 이루어질 수 없다.

이러한 문제를 해결하기 위해 e-Call 시스템 장치에서 전송되는 최소 사고 정보(MSD)를 이용하여 사고 규모를 자동으로 판단하고, 운영요원들에게 알림을 제공할 수 있는 기술의 개발이 필요한 실정이다.

본 발명이 해결하고자 하는 과제는 최소 사고 정보(MSD)를 이용하여 사고 규모를 자동으로 파악하고, 복수의 운영요원들에게 알림을 제공할 수 있는 교통사고 접수 시스템 및 방법을 제공하는 것이다.

상술한 과제를 해결하기 위한 본 발명의 바람직한 실시예에 따른 교통사고 접수 시스템은, 교통사고 발생을 감지하여 최소 사고 정보를 생성하고, 상기 최소 사고 정보를 교통사고 접수 장치로 전송하는 교통사고 보고 단말; 상기 최소 사고 정보를 수신하고, 이전에 접수된 다른 최소 사고 정보와의 관계를 조사하여 군집 사고 여부를 판단하고, 판단 결과에 따라서 사고 규모를 판단하여 응급 구조 서버로 응급 구조를 요청하는 교통사고 접수 장치; 및 상기 교통사고 접수 장치에 연결되고, 운영요원이 사고 차량의 운전자로부터 획득한 사고 정보를 운영요원으로부터 입력받아 상기 교통사고 접수 장치에 입력하는 운영요원 단말을 포함한다.

또한, 상기 최소 사고 정보는 사고 시간 및 사고 위치 정보를 포함하고, 상기 교통사고 접수 장치는 사고 시간 및 사고 위치 정보를 이전에 접수된 최소 사고 정보에 포함된 사고 시간 및 사고 위치 정보와 비교하여 군집 사고 여부를 판단할 수 있다.

또한, 상기 교통사고 접수 장치는, 상기 사고 시간 전후로 사전에 정의된 사고 군집 설정 시간 동안, 상기 사고 위치 정보가 나타내는 사고 위치로부터 사전에 정의된 거리내에서 발생한 사고들을 군집 사고로 설정하고, 군집 사고에 포함된 차량의 수에 따라서 사고의 규모를 복수의 레벨로 분류할 수 있다.

또한, 상기 교통사고 접수 장치는, 상기 최소 사고 정보가 수신되기 이전에 수신되어 저장된 사고 정보들 중 그 사고 시간이, 상기 최소 사고 정보에 포함된 사고 시간 전후로 사전에 정의된 사고 군집 설정 시간내에 포함되는 사고 정보들을 조사하고, 상기 조사된 사고 정보들 중 사고 위치가 상기 최소 사고 정보에 포함된 상기 사고 위치 정보가 나타내는 사고 위치로부터 사전에 정의된 거리내에 포함되는 사고들을 군집 사고로 설정하고, 군집 사고에 포함된 차량의 수에 따라서 사고의 규모를 복수의 레벨로 분류하는 사고 규모 판단부를 포함할 수 있다.

또한, 상기 교통사고 접수 장치는, 최소 사고 정보가 수신된 차량의 운전자의 휴대 단말로 자동 응답 통화를 시도하여, 운전자로 하여금 사고 유무를 확인해 줄 것을 요청하고, 운전자가 사고 발생을 확인하면 운전자의 휴대 단말을 음성 통화부로 연결하는 자동 응답 통화부; 및 운영요원이 운전자와 음성 통화를 하면서 사고 상황에 대한 정보를 추가로 수집하여 사고 정보를 입력할 수 있도록 운영요원 단말과 운전자의 휴대 단말간의 통화를 수행하는 음성 통화부를 더 포함할 수 있다.

또한, 상기 교통사고 접수 장치는, 최소 사고 정보가 수신되면, 수신된 내역을 운영요원 단말에 표시되도록 제공하고, 상기 사고 규모 판단부에서 판단된 사고 규모에 대한 정보를 운영요원 단말로 제공하여 표시하며, 사고 규모에 대한 정보를 응급 구조 서버로 제공하는 사고 정보 전파부를 더 포함할 수 있다.

또한, 운전자의 휴대 단말과 통화가 이루어지면, 상기 운영요원 단말에는 수신된 최소 사고 정보, 최소 사고 정보에서 추출된 위치 정보와 주변에서 사고가 발생한 위치가 표시된 지도, 및 현재 접수되고 있는 다른 사고 정보들이 표시될 수 있다.

또한, 상기 운영요원 단말은 아래의 표에 기재된 정보 내용을 운영요원으로부터 입력받아, 상기 교통사고 접수 장치로 출력하여 저장할 수 있다.

또한, 상기 교통사고 보고 단말은, 차량에 인가된 충격을 감지하는 충격 감지부; 주변의 음향을 수집하여 신호 변환부로 출력하는 음향 입력부; 상기 음향 입력부로부터 입력된 시간 영역의 음향 신호를 주파수 영역의 음향 데이터로 변환하는 상기 신호 변환부; 상기 음향 데이터를 컨벌루션 인공 신경망(CNN:Convolution Neural Network)에 적용하여 상기 음향 입력부에서 수집된 음향 신호가 교통사고 음향 신호인지 여부를 판단하는 음향 판정부; 및 상기 충격 감지부로부터 입력되는 센서 정보를 이용하여 차량에 인가된 충격이 사전에 정의된 임계값 이상이고, 상기 음향 판정부에서 상기 음향 입력부에서 수집된 음향 신호가 교통사고 음향 신호라고 판단하면, 최종 사고 발생이라고 판단하여 사고 시간 및 사고 위치 정보를 포함하는 최소 사고 정보를 상기 교통사고 접수 장치로 전송하는 제어부를 포함하고, 상기 컨벌루션 인공 신경망은, 상기 컨벌루션 인공 신경망과 동일한 컨벌루션 인공 신경망에 대해서 학습을 수행한 학습 서버로부터 수신된 설정 정보(웨이트 값 및 바이어스 값을 포함 함)에 따라서 초기 설정될 수 있다.

또한, 상기 음향 판정부는, 상기 음향 데이터에 상기 학습 서버로부터 수신된 설정 정보에 따른 마스크를 이용하여 컨벌루션 연산을 수행함으로써 상기 음향 데이터의 특징을 나타내는 특징맵을 형성하는 컨벌루션 계층; 및 상기 특징맵을 이용하여 상기 음향 데이터가 교통사고 음향 데이터에 해당하는지 여부를 판정함으로써, 상기 음향 입력부에서 수집된 음향 신호가 교통사고 음향 신호인지 여부를 판단하는 판단 계층을 포함할 수 있다.

또한, 상기 컨벌루션 계층은, 상기 음향 데이터에 상기 학습 서버로부터 수신된 설정 정보에 따른 마스크를 이용하여 컨벌루션 연산을 수행함으로써 상기 음향 데이터의 특징을 나타내는 특징맵을 생성하는 특징 추출부; 및 상기 특징맵에 최대값 풀링(Max Pooling) 연산을 수행하여 상기 특징맵의 크기를 감소시키는 풀링부를 포함할 수 있다.

또한, 상기 신호 변환부는 시간 영역의 음향 신호에 대해서 고속 푸리에 트랜스폼(Fast Fourier Transform:FFT)을 수행하여 주파수 영역의 음향 데이터로 변환할 수 있다.

또한, 상기 제어부는, 상기 충격 감지부로부터 입력되는 센서 정보를 이용하여 차량에 인가된 충격이 사전에 정의된 임계값 이상인지 여부를 조사하여, 임계값 이상이면 상기 음향 입력부를 활성화하고, 상기 음향 판정부에서 상기 음향 입력부에서 수집된 음향 신호가 교통사고 음향 신호라고 판단하면, 최종 사고 발생이라고 판단하여 사고 시간과 사고 위치를 포함하는 최소 사고 정보를 상기 교통사고 접수 장치로 전송할 수 있다.

또한, 상기 제어부는, 상기 음향 입력부가 수집한 음향 신호를 데이터 저장부에 저장하고, 상기 충격 감지부로부터 입력되는 센서 정보를 이용하여 차량에 인가된 충격이 사전에 정의된 임계값 이상인지 여부를 조사하여, 임계값 이상이면 충격이 인가된 시점 이전에 사전에 정의된 시간 동안 상기 데이터 저장부에 저장된 음향 신호와 충격이 인가된 시점 이후에 사전에 정의된 시간 동안 음향 입력부에서 수집된 음향 신호를 상기 신호 변환부로 출력하며, 상기 음향 판정부에서 상기 음향 입력부에서 수집된 음향 신호가 교통사고 음향 신호라고 판단하면, 최종 사고 발생이라고 판단하여 사고 시간과 사고 위치를 포함하는 최소 사고 정보를 상기 교통사고 접수 장치로 전송할 수 있다.

한편, 상술한 과제를 해결하기 위한 본 발명의 바람직한 실시예에 따른 교통사고 접수 방법은, 교통사고 보고 단말, 교통사고 접수 장치 및 상기 교통사고 접수 장치와 연결된 운영요원 단말을 포함하는 교통사고 접수 시스템에서 수행되는 방법으로서, (a) 상기 교통사고 보고 단말이 교통사고 발생을 감지하여 최소 사고 정보를 생성하여 전송하고, 상기 교통사고 접수 장치가 상기 최소 사고 정보를 수신하여 저장하는 단계; (c) 사고 차량 운전자의 휴대 단말과 운영요원 단말간의 통화가 연결되면, 상기 운영요원 단말이 운영요원이 사고 차량의 운전자로부터 획득한 사고 정보를 운영요원으로부터 입력받아 상기 교통사고 접수 장치에 입력하는 단계; 및 (d) 상기 교통사고 접수 장치가 상기 (a) 단계에서 수신된 최소 사고 정보와 이전에 접수된 다른 최소 사고 정보와의 관계를 조사하여 군집 사고 여부를 판단하고, 판단 결과에 따라서 사고 규모를 판단하여 응급 구조 서버로 응급 구조를 요청하는 단계를 포함한다.

또한, 상기 최소 사고 정보는 사고 시간 및 사고 위치 정보를 포함하고, 상기 (d) 단계에서, 상기 교통사고 접수 장치는 상기 (a) 단계에서 수신된 최소 사고 정보의 사고 시간 및 사고 위치 정보를 이전에 접수된 최소 사고 정보에 포함된 사고 시간 및 사고 위치 정보와 비교하여 군집 사고 여부를 판단할 수 있다.

또한, 상기 (d) 단계에서, 상기 교통사고 접수 장치는, 상기 (a) 단계에서 수신된 사고 시간 전후로 사전에 정의된 사고 군집 설정 시간 동안, 상기 사고 위치 정보가 나타내는 사고 위치로부터 사전에 정의된 거리내에서 발생한 사고들을 군집 사고로 설정하고, 군집 사고에 포함된 차량의 수에 따라서 사고의 규모를 복수의 레벨로 분류할 수 있다.

또한, 상기 (d) 단계는, (d1) 상기 최소 사고 정보가 수신되기 이전에 수신되어 저장된 다른 사고 정보들 중 그 사고 시간이, 상기 (a) 단계에서 수신된 최소 사고 정보에 포함된 사고 시간 전후로 사전에 정의된 사고 군집 설정 시간내에 포함되는 사고 정보들을 조사하는 단계; (d2) 상기 조사된 사고 정보들 중 사고 위치가 상기 최소 사고 정보에 포함된 상기 사고 위치 정보가 나타내는 사고 위치로부터 사전에 정의된 거리내에 포함되는 사고들을 군집 사고로 설정하는 단계; 및 (d3) 군집 사고에 포함된 차량의 수에 따라서 사고의 규모를 복수의 레벨로 분류하여 상기 응급 구조 서버로 응급 구조를 요청하는 단계를 포함할 수 있다.

또한, 상기 (a) 단계와 상기 (c) 단계 사이에, (b1) 상기 운전자의 휴대 단말과 자동 응답 통화를 시도하여, 자동 응답 통화가 연결되면 상기 휴대 단말로부터 교통사고 발생 여부를 확인받는 단계; 및 (b2) 교통사고의 발생을 확인받은 경우에, 상기 휴대 단말과 상기 운영요원 단말간에 음성 통화를 연결하고, 운영요원이 운전자와 음성 통화를 하면서 수집된 사고 상황에 대한 추가적인 사고 정보를 상기 운영요원 단말이 상기 교통사고 접수 장치로 입력하는 단계를 더 포함할 수 있다.

또한, 상기 (b2) 단계에서, 상기 교통사고 접수 장치는 상기 (a) 단계에서 수신된 최소 사고 정보 내역을 운영요원 단말에 표시되도록 제공하고, 상기 (d3) 단계에서, 상기 교통사고 접수 장치는 상기 (a) 단계에서 최소 사고 정보가 수신된 사고와 연계된 전체 사고 군집과 관련된 사고 규모 정보를 운영요원 단말로 제공하여 표시할 수 있다.

또한, 상기 (c) 단계에서, 상기 운영요원 단말에는 상기 (a) 단계에서 수신된 최소 사고 정보, 최소 사고 정보에서 추출된 사고 위치 정보와 주변에서 사고가 발생한 위치가 표시된 지도, 및 현재 접수되고 있는 다른 사고 정보들이 표시될 수 있다.

또한, 상기 (c) 단계에서, 상기 운영요원 단말은 아래의 표에 기재된 정보 내용을 운영요원으로부터 입력받아, 상기 교통사고 접수 장치로 출력하여 저장할 수 있다.

또한, 상기 (a) 단계는, (a1) 학습 서버에서 복수의 교통사고 음향 데이터를 이용하여 컨벌루션 인공 신경망(CNN:Convolution Neural Network)을 학습하고, 상기 컨벌루션 인공 신경망에 대한 설정 정보를, 상기 컨벌루션 인공 신경망과 동일한 컨벌루션 인공 신경망을 구비한 교통사고 보고 단말로 전송하는 단계; (a2) 상기 교통사고 보고 단말이 상기 학습 서버로부터 수신한 설정 정보를 이용하여 컨벌루션 인공 신경망을 초기 설정하는 단계; (a3) 차량에 인가되는 충격 감지를 시작하는 단계; (a4) 차량에 인가되는 충격이 임계값 이상인 경우에, 상기 교통사고 보고 단말 주변에서 음향 신호를 수집하고, 상기 음향 신호를 주파수 영역의 음향 데이터로 변환하는 단계; (a5) 상기 음향 데이터를 상기 컨벌루션 인공 신경망에 적용하여 교통사고 발생 여부를 판단하는 단계; 및 (a6) 상기 (a5) 단계에서 교통사고 발생이라고 최종 판단되면, 교통사고 접수 장치로 최소 사고 정보를 전송하는 단계를 포함할 수 있다.

또한, 상기 (a) 단계는, (a1) 학습 서버에서 복수의 교통사고 음향 데이터를 이용하여 컨벌루션 인공 신경망(CNN:Convolution Neural Network)을 학습하고, 상기 컨벌루션 인공 신경망에 대한 설정 정보를, 상기 컨벌루션 인공 신경망과 동일한 컨벌루션 인공 신경망을 구비한 교통사고 보고 단말로 전송하는 단계; (a2) 상기 교통사고 보고 단말이 상기 학습 서버로부터 수신한 설정 정보를 이용하여 컨벌루션 인공 신경망을 초기 설정하는 단계; (a3) 차량에 인가되는 충격 감지를 시작하고, 상기 교통사고 보고 단말 주변의 음향 신호를 수집하여 저장하기 시작하는 단계; (a4) 차량에 인가되는 충격이 임계값 이상인 경우에, 상기 저장된 음향 신호를 주파수 영역의 음향 데이터로 변환하는 단계; (a5) 상기 음향 데이터를 상기 컨벌루션 인공 신경망에 적용하여 교통사고 발생 여부를 판단하는 단계; 및 (a6) 상기 (a5) 단계에서 교통사고 발생이라고 최종 판단되면, 교통사고 접수 장치로 최소 사고 정보를 전송하는 단계를 포함할 수 있다.

또한, 상기 (a5) 단계는, (a5-1) 상기 음향 데이터에 상기 학습 서버로부터 수신된 설정 정보에 따른 마스크를 이용하여 컨벌루션 연산을 수행함으로써 상기 음향 데이터의 특징을 나타내는 특징맵을 형성하는 단계; 및 (a5-2) 상기 특징맵을 이용하여 상기 음향 데이터가 교통사고 음향 데이터에 해당하는지 여부를 판정함으로써, 상기 수집된 음향 신호가 교통사고 음향 신호인지 여부를 판단하는 단계를 포함할 수 있다.

또한, 상기 (a5-1) 단계는, 상기 음향 데이터에 상기 학습 서버로부터 수신된 설정 정보에 따른 마스크를 이용하여 컨벌루션 연산을 수행함으로써 상기 음향 데이터의 특징을 나타내는 특징맵을 생성하는 단계; 및 상기 특징맵에 최대값 풀링(Max Pooling) 연산을 수행하여 상기 특징맵의 크기를 감소시키는 단계를 포함할 수 있다.

또한, 상기 교통사고 접수 방법은, (a7) 상기 교통사고 보고 단말이 교통사고로 판단된 음향 데이터를 상기 학습 서버로 전송하는 단계; 및 (a8) 상기 학습 서버가 수신된 음향 데이터를 저장하여 추후에 컨벌루션 인공 신경망 학습에 이용할 수 있도록 저장하는 단계를 더 포함할 수 있다.

본 발명은 복수의 차량에 각각 교통사고 보고 단말을 설치하고, 교통사고 보고 단말이 교통사고 발생을 감지하면, 적어도 사고 시간 및 사고 위치를 포함하는 최소 사고 정보를 교통사고 접수 장치로 전송한다. 그러면, 교통사고 접수 장치는 수신된 최소 사고 정보에서 사고 시간 및 사고 위치 정보를 추출하여 기존에 최소 사고 정보가 수신된 다른 정보와 비교를 통해서, 서로 동일한 시간대에 동일한 지역에서 발생한 서로 연관된 사고들을 조사하여 군집 사고로 설정하고, 사고 규모를 판단하여 응급 구조를 요청함으로써, 다중 추돌/충돌 사고와 같은 군집 사고에 보다 효율적으로 대응할 수 있다.

도 1은 본 발명의 바람직한 제 1 실시예에 따른 교통사고 접수 시스템의 전체 구성을 도시하는 도면이다.
도 2는 본 발명의 바람직한 제 1 실시예에 따른 교통사고 접수 장치의 구성을 도시하는 블록도이다.
도 3은 운영요원 단말에 표시되는 사고 접수 화면을 도시하는 도면이다.
도 4는 본 발명의 바람직한 제 1 실시예에 따른 교통사고 접수 방법을 설명하는 흐름도이다.
도 5는 본 발명의 바람직한 제 2 실시예에 따른 교통사고 접수 시스템의 전체 구성을 도시하는 도면이다.
도 6은 본 발명의 바람직한 제 2 실시예에 따른 학습 서버의 구성을 도시하는 도면이다.
도 7은 본 발명의 바람직한 제 2 실시예에 따른 교통사고 보고 단말의 세부 구성을 도시하는 도면이다.
도 8a 내지 도 8c는 각각 차량의 실제 상황에서 발생하는 음향을 분석한 그래프이다.
도 9a 및 도 9b는 도 6에서 도시된 학습부의 학습 과정을 설명하는 도면이다.
도 10은 본 발명의 바람직한 제 2 실시예에 따라서 교통사고 보고 단말에서 교통사고 발생 여부를 판단하는 방법을 설명하는 흐름도이다.
도 11은 본 발명의 제 2 실시예의 변형 실시예에 따라서 교통사고 보고 단말에서 교통사고 발생 여부를 판단하는 방법을 설명하는 도면이다.

이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예들을 설명한다.

도 1은 본 발명의 바람직한 제 1 실시예에 따른 교통사고 접수 시스템의 전체 구성을 도시하는 도면이다.

도 1을 참조하면, 본 발명의 바람직한 제 1 실시예에 따른 교통사고 접수 시스템은 차량들에 각각 설치되는 교통사고 보고 단말(100), 교통사고 접수 장치(200), 교통사고 접수 장치(200)에 연결된 복수의 운영요원 단말(300), 및 응급 구조 서버(400)를 포함한다.

먼저, 교통사고 보고 단말(100)은 차량에 설치되어, 차량의 사고 발생을 감지하면, 사고 발생시 최소 사고 정보(Minium Set of Data:MSD)를 통신망을 통해서 교통사고 접수 장치(200)로 전송한다.

교통사고 보고 단말(100)은 차량의 사고를 감지하고 위치를 측정하여 위치 정보를 전송할 수 있는 구성이라면 그 구현 방식에 제한이 없다.

예컨대, 교통사고 보고 단말(100)은 충격을 감지할 수 있는 구성(예컨대, 3축 가속도 센서, 자이로 센서 등)을 포함하여 사전에 정의된 시간동안 임계 변위량 이상의 변위량이 발생하면 충격이 인가된 것으로 판단하여 교통사고 발생으로 판단할 수 있다. 또한, 교통사고 보고 단말(100)은 차량에 설치되어 차량에 인가되는 충격뿐만 아니라 차량의 에어백 전개여부 등을 종합적으로 고려하여 사고 발생 여부를 판단할 수 있다.

또한, 교통사고 보고 단말(100)은 내부에 GPS 모듈을 포함하여, 차량에 사고 발생시 차량의 위치를 측정하여 위치 정보를 시간 정보와 함께 전송한다.

아울러, 교통사고 보고 단말(100)은 단일한 장치로 구현될 수도 있고, 복수의 장치가 결합되어 구성될 수도 있다. 예컨대, 교통사고 보고 단말(100)은 충격을 감지할 수 있는 센서를 내장한 내비게이션, 블랙박스, 운전자의 휴대폰 등으로 구현될 수 있을 뿐만 아니라, 차량 내부에 설치된 센서들과 연계된 OBD(On Board Diagnosis) 회로로 구현될 수도 있다. 만약, 이러한 장치들에 장거리 무선 통신 기능이 구비되어 있는 경우에는 스스로 최소 사고 정보(MSD)를 교통사고 접수 장치(200)로 전송할 수 있고, 이러한 장치들에 장거리 무선 통신 기능이 구비되지 않은 경우에는, 블루투스와 같은 근거리 통신 방식으로 운전자의 휴대폰과 연동되고, 운전자의 휴대폰을 통해서 최소 사고 정보를 교통사고 접수 장치(200)로 전송할 수 있다.

여기서, 최소 사고 정보는 기본적으로 사고 위치에 관한 위치 정보 및 사고 시간을 포함하고, 교통사고 보고 단말(100)이 수집할 수 있는 정보의 종류에 따라서 다양한 정보가 추가로 포함될 수 있다. 예컨대, 교통사고 보고 단말(100)이 내비게이션 또는 차량의 OBD 라면, 사고 발생 당시 차량의 속도 정보를 최소 사고 정보에 포함시켜 전송할 수 있다. 만약, 교통사가 보고 단말(100)이 차량의 OBD 라면 에어백 전개 여부, 차량의 온도 등의 정보도 최소 사고 정보에 포함시켜 전송할 수 있다.

한편, 교통사고 접수 장치(200)는 복수의 교통사고 보고 단말(100)로부터 최소 사고 정보를 수신하면, 수신된 최소 사고 정보를 저장하고, 최소 사고 정보에 포함된 위치 정보와 사고 시간을 이용하여, 해당 사고 현장 주변에서 동일한 시간대에 접수된 최소 사고 정보를 분석하여 사고 규모를 파악한다.

교통사고 접수 장치(200)는 사고 차량의 운전자가 사전에 등록한 전화번호로 자동 응답 통화를 연결하고, 운전자로부터 사고 발생이 맞는지 여부를 확인한 후, 운영요원과 통화를 하도록 유도한다.

또한, 교통사고 접수 장치(200)는 운영 요원이 조작하는 운영요원 단말(300)로 도 3에 도시된 바와 같은 교통사고 접수 화면을 표시하고, 운영 요원 단말(300)로부터 입력되는 정보를 저장한다.

교통사고 접수 장치(200)는 최소 사고 정보로부터 파악된 사건 정보들을 군집 분석하여 사건 규모를 판단하고, 운영 요원 단말(300)로부터 입력된 추가 정보와 함께 종합적으로 판단하여, 사고 위치, 사고 규모, 사고에 필요한 구조 설비 및 구조 인력 등의 정보를 응급 구조 서버(400)로 전송하면서 구조를 요청한다.

도 2는 본 발명의 바람직한 제 1 실시예에 따른 교통사고 접수 장치(200)의 구성을 도시하는 블록도이다.

도 2를 더 참조하여 설명하면, 본 발명의 바람직한 제 1 실시예에 따른 교통사고 접수 장치(200)는 사고 정보 수신부(210), 사고 정보 저장부(220), 자동 응답 통화부(230), 음성 통화부(240), 군집 사고 조회부(250), 사고 규모 판단부(260), 및 사고 정보 전파부(270)를 포함한다.

사고 정보 수신부(210)는 교통사고 보고 단말(100)로부터 최소 사고 정보를 수신하고, 수신된 최소 사고 정보에서 각 항목별 정보를 추출하여 사고 정보 저장부(220)로 출력하여 저장한다.

사고 정보 저장부(220)는 사고 정보 수신부(210)로부터 각 항목별 사고 정보(사고 시간, 사고 위치 정보, 에어백 전개 여부, 차량 온도, 차량 속도 등)가 입력되면, 해당 사건에 대해서 저장 공간을 할당하고, 사고 정보 수신부(210)로부터 입력된 정보들 이외에 아래의 표 1에 도시된 바와 같은 정보들이 저장될 필드의 저장 공간을 생성하고, 추후에 운영요원 단말들(300)로부터 해당 정보들이 입력되면, 대응되는 저장 공간에 저장한다.

자동 응답 통화부(230)는 최소 사고 정보가 수신된 차량의 운전자의 휴대 단말로 자동 응답 통화를 시도하여, 운전자로 하여금 사고 유무를 확인해 줄 것을 요청한다. 예컨대, 사고 보고 단말(100)이 내비게이션으로 구현되고, 내비게이션이 차량에서 떨어진 경우에는, 내비게이션에 큰 충격이 감지되어 차량 사고로 인식되고, 따라서 최소 사고 정보가 교통사고 접수 장치(200)로 전송될 수도 있다. 이러한 문제점을 해결하기 위해서, 본 발명은 최소 사고 정보가 수신되면, 자동 응답 통화부(230)를 통해서 운전자에게 자동 응답 전화 통화를 시도하고, 사용자가 자동 응답 전화를 받아 사고 발생이 아님을 확인하면 사건 접수 절차는 종료되고, 사고 발생을 확인하면 후술하는 음성 통화부(240)로 통화를 연결한다. 아울러, 자동 응답 통화부(230)는 사전에 정의된 시간 및/또는 횟수 동안 전화 통화를 시도하였으나, 운전자가 전화에 응답하지 않는 경우에는 사고 발생이라고 판단하고, 음성 통화부(240)로 연결한다.

음성 통화부(240)는 자동 응답 통화부(230)에서 운전자가 사고 발생이라고 확인하면, 운영요원 단말(300)과 운전자의 휴대 단말간의 통화를 연결하여 운영요원으로 하여금 운전자와 음성 통화를 하면서 사고 상황에 대한 정보를 추가로 수집하여 사고 정보를 입력할 수 있도록 한다. 이 때, 운영요원이 운영요원 단말(300)을 통해서 입력하는 사고 상황에 대한 정보는 표 1에 도시된 바와 같다.

군집 사고 조회부(250)는 최소 사고 정보가 접수되면, 사고 정보 저장부(220)에 저장된 군집 사고 정보들 중에서, 새롭게 수신된 최소 사고 정보에 포함된 위치 정보 및 사고 시간과 서로 매칭되는 군집 사고가 존재하는지 여부를 조회하여, 군집 사고가 존재한다면 이러한 정보를 운영요원 단말(300)로 출력한다.

사고 규모 판단부(260)는 최소 사고 정보가 접수되고 운영 요원에 의해서 추가로 사고 정보가 입력되면, 사고 정보 저장부(220)에 저장된 사고 정보들 중 최소 사고 정보에 포함된 위치 정보와 시간 정보에 대응되는 위치와 시간대에 발생한 사고 정보들을 종합하여 사고의 규모를 판단하고, 사고의 규모에 따라서 사고 규모를 복수의 레벨들 중 어느 하나로 평가한다.

구체적으로, 최소 사고 정보가 접수되고 운영 요원에 의해서 추가로 사고 정보가 입력되면(단, 운영요원이 운전자와 통화를 할 수 없는 경우에는 최소 사고 정보만 접수된 상황에서), 사고 규모 판단부(260)는 최소 사고 정보에서 추출된 사고 시간과 동일한 시간대에 있는 사고 정보가 존재하는지 여부를 조사한다. 이 때, 동일 시간대라고 함은, 수신된 사고 시간의 전후 사전에 정의된 시간 동안을 의미한다.

예를 들면, 사고 규모 판단부(260)는 수신된 사고 시간을 기준으로 사전에 정의된 사고 군집 설정 시간(예컨대, 5분) 전과 후의 시간 동안 최소 사고 정보가 수신된 다른 사고가 접수되었는지 여부를 조사한다. 이 때, 사전에 정의된 사고 군집 설정 시간 이후의 발생한 최소 사고 정보까지 조사하는 이유는 최소 사고 정보에 포함된 사고 발생 시간은 교통사고 보고 단말(100)에 기록된 시간이고, 이 시간은 교통사고 접수 장치(200) 및 다른 교통사고 보고 단말(100)에 기록된 시간과 다를 수도 있으며, 현재 수신된 최소 사고 정보가 지연 수신되어, 시간적으로 이후에 발생한 사고의 최소 사고 정보가 먼저 수신되는 경우도 발생할 수 있기 때문이다.

한편, 동일한 시간대에 사고 정보들이 존재하는 경우에는, 사고 규모 판단부(260)는 동일한 시간대에 접수된 사고 정보들 중에서, 동일한 지역의 사고 정보가 존재하는지 여부 조사하여, 사고 위치 간의 거리가 사전에 정의된 임계값 이하라면, 동일 지역의 연관된 사고라고 판단하여 군집 사고로 판단한다.

예컨대, 사고 규모 판단부(260)는 동일 시간대에 100m내에서 일어난 사고들에 대해서는 서로 연관된 군집 사고라고 판단하고, 군집 사고에 포함된 차량의 수에 따라서 사고의 규모를 복수의 레벨로 분류하여 판단하고, 판단된 내용을 사고 정보 저장부(220)에 저장한다.

사고 정보 전파부(270)는 최소 사고 정보가 수신되면, 수신된 내역을 운영요원 단말(300)에 표시되도록 제공하고, 사고 규모 판단부(260)에서 판단된 사고 규모에 대한 정보가 사고 정보 저장부(220)에 저장되면, 사고 규모에 대한 정보(즉, 군집 사고 여부, 사고 관련 차량의 수, 사고 레벨 등)를 운영요원 단말(300)로 제공하여 표시하는 한편, 사고 규모에 대한 정보를 응급 구조 서버(400)로 제공함으로써, 응급 구조 서버(400)가 사고 규모를 사전에 파악하여 적절한 구조 조치를 취할 수 있도록 한다.

다시 도 1을 참조하면, 운영요원 단말(300)은 교통사고 접수 장치(200)에 연결되어 운전자의 휴대 단말과 통화가 이루어지면, 운영요원 단말(300)에는 도 3에 도시된 바와 같은 사고 접수 화면이 표시된다.

도 3을 참조하면, 운영요원 단말(300)의 좌측에는 수신된 사고 접수 정보가 표시되고, 중앙에는 최소 사고 정보에서 추출된 위치 정보와 주변에서 사고가 발생한 위치가 표시된 지도가 표시되며, 우측에는 현재 접수되고 있는 다른 사고 정보가 표시된다.

운영요원은 운전자와 통화를 하면서 운전자에게 사고 상황을 문의하고, 사고 상황에 대한 정보를 운전자로부터 획득하여 운영요원 단말(300)에 표시된 사고 접수 항목들을 통해서 입력하며, 입력된 정보는 사고 정보 저장부(220)에 저장된다.

도 4는 본 발명의 바람직한 제 1 실시예에 따른 교통사고 접수 방법을 설명하는 흐름도이다.

도 4를 더 참조하여, 본 발명의 바람직한 제 1 실시예에 따른 최소 사고 정보 군집 분석을 이용한 교통사고 접수 시스템 및 방법을 설명한다. 다만, 도 4에 도시된 교통사고 접수 방법은 도 1 내지 3을 참조하여 설명한 교통사고 접수 시스템에서 수행되는 것이므로, 명시적인 설명이 없더라도, 도 4를 참조하여 설명되는 기능은 도 1 및 도 2에 도시된 교통사고 접수 시스템에서도 수행되며, 도 1 및 도 2에 도시된 교통사고 접수 시스템에서 수행되는 기능은 도 4를 참조하여 설명하는 교통사고 접수 방법에서도 수행됨을 주의 해야 한다.

먼저, 사고가 발생하면 차량에 설치된 교통사고 보고 단말(100)이 사고를 감지하여 사고 발생 시간 및 사고 위치 정보를 기본적으로 포함하는 최소 사고 정보를 교통사고 접수 장치(200)로 전송하고(S401), 교통사고 접수 장치(200)는 이를 수신하여 사고 정보 저장부(220)에 저장한다(S403).

그 후, 교통사고 접수 장치(200)의 자동 응답 통화부(230)는 교통사고 보고 단말(100)에 대응되는 운전자의 휴대 단말로 자동 응답 통화를 시도하고(S405), 사전에 정의된 시간동안 그리고 사전에 정의된 횟수의 통화 연결 시도하는 동안 통화 연결이 되지 않으면 제 S420 단계로 진행하고(S407), 통화가 연결되면 사용자에게 교통사고가 실제로 발생하였는지 또는 교통사고 보고 단말(100)이 오동작한 것인지 여부를 음성 안내로 문의하고, 운전자가 사고 발생이 아니라고 확인하면 교통사고 접수 과정을 종료한다(S409).

만약, 운전자가 교통사고 발생을 확인하면, 음성 통화부(240)가 운영요원 단말(300)과 운전자의 휴대 단말 간의 전화 통화를 연결하고, 운영요원 단말(300)에 도 3에 도시된 바와 같은 사고 정보 입출력 화면을 표시한 상태에서(S411), 운영요원으로 하여금 운전자와 통화하면서 사고 정보 입출력 화면에서 사고 정보를 입력하도록 한다(S413).

제 S411 단계에서, 군집사고 조회부(250)는 사고 정보 저장부(220)에 저장된 군집 사고 정보들 중에서, 최소 사고 정보에 포함된 위치 정보 및 사고 시간과 서로 매칭되는 군집 사고가 존재하는지 여부를 조회하여, 군집 사고가 존재한다면 이러한 정보를 도 3의 사고 정보 입출력 화면에 표시한다.

제 S413 단계에서, 운영요원이 운전자에게 질문하여 입력하는 정보는 표 1에 도시된 바와 같고, 이 때, 최소 사고 정보에서 추출할 수 있는 정보는 이미 도 3에 도시된 사고 정보 입출력 화면에 반영되어 있다.

예컨대, 교통사고 보고 단말(100)이 차량의 정보를 수집할 수 있는 OBD 인 경우에는, 에어백 전개 상태, 차량의 온도, 마지막 차량 속도 등의 정보가 표시될 수 있고, 교통사고 보고 단말(100)이 내비게이션인 경우에는 마지막 차량의 속도는 표시되지만 에어백 전개 상태 및 차량의 온도 등은 초기값으로 설정된 채 표시되고, 이에 대해서는 운영요원이 운전자와의 통화를 수행하여 운영요원 단말(300)을 통해서 입력하게 된다.

운영요원 단말(300)을 통해서 사고 정보가 입력되면, 사고 정보 전파부(270)는 입력된 사고 접수 정보를 다른 운영요원 단말(300)로 표시하여 전파한다(S420). 전파된 사고 정보는 도 3의 우측에 도시된 바와 같이 사고 처리 현황에 표시되며, 전파된 사고 정보의 사고 위치 정보가 현재 운영요원 단말(300)에 표시된 지도에 대응되는 경우에는 지도에도 함께 표시된다.

사고 접수 정보가 전파되는 동안, 사고 규모 판단부(260)는 사고 정보 저장부(220)를 조회하여 신규로 접수된 최소 사고 정보의 사고 시간과 동일한 시간대에 발생한 사고 정보가 존재하는지 여부를 조사한다(S430). 이 때, 동일 시간대라고 함은, 수신된 최소 설정 정보에 포함된 사고 시간을 기준으로 사전에 정의된 시간(사고 군집 설정 시간) 전후의 시간 동안을 의미한다.

상술한 바와 같이, 사고 규모 판단부(260)는 현재 수신된 사고 시간("기준 사고 시간")을 기준으로 사전에 정의된 사고 군집 설정 시간(예컨대, 5분) 전과 후의 시간 동안 최소 사고 정보가 수신된 다른 사고가 접수되었는지 여부를 조사한다. 즉, 아래의 수학식 1을 만족하는 사고 시간(조사 대상 사고 시간)을 갖는 사고 접수가 존재하는지 조사한다.

이 때, 사전에 정의된 시간 이후의 발생한 최소 사고 정보까지 검색하는 이유는 최소 사고 정보에 포함된 사고 발생 시간은 교통사고 보고 단말(100)에 기록된 시간이고, 이 시간은 교통사고 접수 장치(200) 및 다른 교통사고 보고 단말(100)에 기록된 시간과 다를 수도 있으며, 현재 수신된 최소 사고 정보가 지연 수신되어, 시간적으로 이후에 발생한 사고의 최소 사고 정보가 먼저 수신되는 경우도 발생할 수 있기 때문이다.

그 후, 사고 규모 판단부(260)는 상기 제 S430 단계에서 조사된 동일한 시간대에 접수된 사고 정보들 중에서, 동일한 지역의 사고 정보가 존재하는지 여부를 확인한다(S440). 동일한 지역의 사고 정보란 현재 수신된 사고 위치를 기준으로 사전에 정의된 거리(예컨대 100m)이내에서 발생한 사고의 사고 정보를 의미한다.

사고 규모 판단부(260)는 동일한 시간대의 동일 지역의 사고 정보를 하나의 군집 사고로 설정하고, 군집 사고에 포함된 차량의 수에 따라서 사고의 규모를 복수의 레벨로 분류하여 판단하고, 판단된 내용을 사고 정보 저장부(220)에 저장한다.

그 후, 사고 정보 전파부(270)는 사고 규모에 대한 정보(즉, 군집 사고 여부, 사고 관련 차량의 수, 사고 레벨 등)를 전파한다(S460). 제 S460 단계에서, 사고 정보 전파부(270)는 현재 최소 사고 정보가 수신된 사고와 연계된 전체 사고 군집과 관련된 사고 규모 정보를 운영요원 단말(300)로 제공하여 표시하는 한편, 사고 규모에 대한 정보를 응급 구조 서버(400)로 제공함으로써, 응급 구조 서버(400)가 사고 규모를 사전에 파악하여 적절한 구조 조치를 취할 수 있도록 한다.

지금까지 설명한 본 발명의 바람직한 제 1 실시예에서, 교통사고 보고 단말(100)은 차량에 설치되어, 차량의 사고 발생을 감지하면, 사고 발생시 최소 사고 정보(Minium Set of Data:MSD)를 통신망을 통해서 교통사고 접수 장치(200)로 전송하되, 교통사고 보고 단말(100)이 차량의 사고를 감지하는 방식으로서, 교통사고 보고 단말(100)이 충격을 감지할 수 있는 구성(예컨대, 3축 가속도 센서, 자이로 센서 등)을 포함하여 사전에 정의된 시간동안 임계 변위량 이상의 변위량이 발생하면 충격이 인가된 것으로 판단하여 교통사고 발생으로 판단하도록 구성하였다.

그러나, 이러한 구성의 경우에는, 교통사고 보고 단말(100)을 구현하는 내비게이션, 블랙박스, 스마트폰 등이 차량에서 떨어져 순간적으로 큰 충격이 인가되는 경우에도 교통사고 보고 단말(100)이 교통사고 발생으로 인식하여, 본 발명의 교통사고 접수 시스템이 오동작할 가능성이 있다.

따라서, 도 5 내지 도 11을 참조하여 후술하는 본 발명의 바람직한 제 2 실시예에 따른 최소 사고 정보 군집 분석을 이용한 교통사고 접수 시스템은, 전체적으로 제 1 실시예와 동일한 구성과 방법으로 최소 사고 정보 군집 분석을 이용하여 교통사고를 접수하되, 각 교통사고 보고 단말(100)이 교통사고 발생을 판단하는 구성 및 방법만을 개선하였다. 따라서, 이하에서는 제 1 실시예와 다른 구성인, 교통사고 보고 단말(100)이 교통사고 발생 여부를 판단하는 구성 및 방법에 대해서만 설명한다.

도 5는 본 발명의 바람직한 제 2 실시예에 따른 교통사고 접수 시스템의 전체 구성을 도시하는 도면이다.

도 5를 참조하면, 본 발명의 바람직한 제 2 실시예에 따른 교통사고 접수 시스템은 차량들에 각각 설치되는 교통사고 보고 단말(100), 교통사고 접수 장치(200), 교통사고 접수 장치(200)에 연결된 복수의 운영요원 단말(300), 응급 구조 서버(400), 및 학습 서버(500)를 포함한다.

교통사고 접수 장치(200), 복수의 운영요원 단말(300), 및 응급 구조 서버(400)의 구성 및 기능은 제 1 실시예와 동일하므로 구체적인 설명은 생략한다.

제 2 실시예는, 사전에 학습 서버(500)에서 복수의 교통사고 음향 신호들을 이용하여 컨벌루션 인공 신경망(CNN:Convolution Neural Network)을 학습하고, 학습된 설정 정보(웨이트 값, 바이어스 값 등)를 동일한 컨벌루션 인공 신경망(CNN)을 구비하는 교통사고 보고 단말(100)로 제공한다.

그러면, 교통사고 보고 단말(100)은 설정 정보를 이용하여 컨벌루션 인공 신경망을 초기 설정하고, 차량에 임계값 이상의 충격이 인가되면 컨벌루션 인공 신경망을 이용하여 교통사고 보고 단말(100)에서 수집된 음향이 교통사고 음향인지 여부를 확인함으로써 차량에 교통사고가 발생하였는지 여부를 최종적으로 판단한다.

이렇게, 본 발명의 바람직한 제 2 실시예는 1차적으로 외부에서 인가되는 충격과, 2차적으로 주변 음향을 확인함으로써, 정확한 사고 판단이 가능하다. 특히, 본 발명의 컨벌루션 인공 신경망을 소프트웨어적으로 교통사고 보고 단말에 설치가 가능하므로, 적은 비용으로 정확한 교통사고 판단이 가능하다.

보다 구체적으로 설명하면, 학습 서버(500)는 사고와 관련된 다양한 음향 정보를 사전에 저장하고, 사고 음향을 이용하여 컨벌루션 인공 신경망(CNN:Convolution Neural Network)을 학습한다. 그리고, 학습에 의해서 최적으로 결정된 CNN의 웨이트(weight) 및 바이어스(bias) 값들을 교통사고 보고 단말(100)로 전송한다.

학습 서버(500)는 각 운전자의 교통사고 보고 단말(100)이 설치된 차종에 관한 정보(차종 정보)를 교통사고 보고 단말(100)로부터 수신하여 내부에 저장한다. 또한, 학습 서버(500)는 각 차종별로 사고 음향 데이터들을 저장하고, 각 차종별 사고 음향 데이터들을 이용하여 각 차종별 CNN을 학습함으로써, 각 차종에 적합한 CNN의 웨이트 값 및 바이어스 값(이하, "CNN 설정 정보"라 칭함)을 학습하여 저장하는 한편, 교통사고 보고 단말(100)로 해당 교통사고 보고 단말(100)이 설치된 차종에 적합한 CNN 설정 정보를 제공함으로써 교통사고 보고 단말(100)의 교통사고 판단 능력을 극대화 할 수 있다.

이 때, 학습 서버(500)는 교통사고의 유형별(추돌 사고, 충돌 사고, 전복 사고, 추락 사고 등)로 사고 음향 데이터를 저장하고, 차종별 및 사고 유형별로 CNN 설정 정보를 학습하여 저장하고, 교통사고 보고 단말(100)로 제공할 수도 있다.

또한, 학습 서버(500)는 실제로 사고가 발생한 교통사고 보고 단말(100)로부터 다양한 사고 음향 데이터들을 수신하여 저장하고, 일정한 시간 간격으로 새로 수집된 사고 음향 데이터를 이용하여 CNN을 학습함으로써 지속적으로 CNN 설정 정보를 최적화할 수 있다.

한편, 교통사고 보고 단말(100)은 각 차량마다 설치되어 차량의 교통사고 발생 여부를 판단하고, 교통사고 발생이라고 판단되면 최소 사고 정보를 교통사고 접수 장치(200)로 전송하여 사고 발생 사실을 알린다.

상술한 바와 같이, 교통사고 보고 단말(100)은 차량에 설치되는 내비게이션 및 블랙박스 등에 설치될 수도 있고, 운전자가 이용하는 스마트폰 등과 같은 휴대 단말기에 소프트웨어적으로 설치될 수 있으며, 그 내부에는 자이로센서, 3축 가속도 센서 등과 같이 차량에 인가되는 충격을 감지할 수 있는 센서를 내장하여 차량에 충격이 인가되었는지 여부를 감지할 수 있다.

교통사고 보고 단말(100)은 그 내부에 학습 서버(500)에 포함된 CNN과 동일한 CNN을 내부에 포함하고, 학습 서버(500)로부터 자신의 차종에 적합한 CNN 설정 정보를 수신하여, 내부의 CNN을 수신된 웨이트 값 및 바이어스 값으로 초기 설정한다.

또한, 교통사고 보고 단말(100)은 마이크와 같은 음향 입력부(160)를 내부에 포함하고, 충격이 감지되면 충격이 감지된 순간 음향 입력부(360)를 활성화시켜 교통사고 보고 단말(100) 주변의 음향을 CNN을 이용하여 분석하고, 분석 결과에 따라서 감지된 충격이 단순한 급정거 또는 교통사고 보고 단말(100)을 바닥에 떨어뜨려서 발생한 충격인지, 교통사고 발생으로 인한 충격인지 여부를 정확하게 판단한다.

만약, 교통사고 발생으로 인한 충격이라고 판단되면, 교통사고 보고 단말(100)은 최소 사고 정보를 교통사고 접수 장치(200)로 전송한다.

도 6은 본 발명의 바람직한 제 2 실시예에 따른 학습 서버(500)의 구성을 도시하는 도면이다.

도 6을 참조하여 본 발명의 바람직한 제 2 실시예에 따른 학습 서버(500)를 보다 상세하게 설명하면, 본 발명의 학습 서버(500)는 데이터 베이스(530), 학습부(510) 및 통신부(520)를 포함하여 구성된다.

먼저, 데이터 베이스(530)는 음향 데이터를 저장하는 음향 데이터 저장부(531), 교통사고 보고 단말(100)에 관한 정보를 저장하는 장치 정보 저장부(532), 교통사고 보고 단말(100)에서 수신하여 업데이트할 CNN 설정 정보를 저장하는 설정 정보 저장부(533)를 포함한다.

음향 데이터 저장부(531)는 학습부(510)에서 학습에 이용될 각종 교통사고시에 발생하는 음향에 대한 데이터를 저장하되, 상술한 바와 같이, 각 차종별로, 그리고, 각 사고 유형별로 음향 데이터를 서로 분류하여 저장할 수 있다. 이 때, 각종 음향 데이터는 아날로그 신호가 그대로 저장될 수도 있으나, 아날로그 음향 신호에 대해서 FFT(Fast Fourier Transform)을 수행하여, 시간 영역의 음향 신호를, 주파수 영역의 음향 데이터로 변환한 데이터를 저장하는 것이 바람직하다.

장치 정보 저장부(532)는 본 발명의 서비스를 이용하는 교통사고 보고 단말(100)별 식별 정보, 교통사고 보고 단말(100)이 설치된 차종에 관한 정보, 및 교통사고 보고 단말(100)에 포함된 CNN 설정 정보 업데이트 관련 정보 등을 서로 연계시켜 저장할 수 있다.

설정 정보 저장부(533)는 각 차종별로 CNN 설정 정보를 분류하여 저장할 수 있고, 이 경우, 교통사고 보고 단말(100)은 자신이 설치된 차종에 대응되는 CNN 설정 정보를 제공받을 수 있다.

통신부(520)는 통신망을 통해서 각 교통사고 보고 단말(100)과 통신을 수행하여, 교통사고 보고 단말(100)로부터 교통사고 발생시 기록된 음향 데이터를 수신하여 음향 데이터 저장부(531)에 저장할 수 있고, 업데이트할 웨이트 및 바이어스 정보를 각 교통사고 보고 단말(100)로 전송하여 줄 수도 있다.

학습부(510)는 교통사고 보고 단말(100)이 포함하는 것과 동일한 컨벌루션 인공 신경망(CNN:Convolution Neural Network)을 포함하고, 음향 데이터 저장부(531)에 저장된 다양한 음향 데이터를 이용하여 컨벌루션 인공 신경망을 학습하여 교통사고 판단에 요구되는 최적의 CNN 설정 정보를 결정하여 설정 정보 저장부(533)에 저장한다.

도 8a 내지 도 8c는 각각 차량의 실제 상황에서 발생하는 음향을 분석한 그래프를 도시한다.

구체적으로, 도 8a는 일반 주행 상황에서 차량의 엔진 소리를 나타내고, 도 8b는 차량이 급정거할 때의 소리를 나타내며, 도 8c는 차량 충돌시에 발생하는 소리를 나타낸다. 각각의 도면에서, 위에 도시된 그래프는 시간 영역에서의 파형을 나타내고, 아래에 도시된 그래프는 고속 푸리에 변환(Fast Fourier Transform:FFT)을 통해 생성된 시간(가로축)과 주파수(세로축)를 축으로 하는 2차원 배열 형태의 데이터를 보여주는데 밝을수록 큰 데시벨 값을 갖는다.

도 8a에 도시된 일반적인 차량 엔진 소리와 비교하여, 도 8b에 도시된 차량 급정지시 소리는 높은 특정 주파수 대역에서 큰 데시벨 값을 보여주는 것을 확인할 수 있으며, 도 8c에 도시된 차량 충돌시의 소리는 충돌하는 순간 모든 대역에서 큰 데시벨 값을 보여주는 것을 확인할 수 있다.

도 9a 및 도 9b는 도 6에서 도시된 학습부(510)의 학습 과정을 설명하는 도면이다.

도 6, 및 도 9a 내지 도 9b를 참조하여 설명하면, 학습부(510)는 컨벌루션 인공 신경망(CNN:Convolution Neural Network)으로 구현되며, 컨벌루션 계층(511)과 판단 계층(513)을 포함하고, 컨벌루션 계층(511)은 특징 추출부(511a) 및 풀링부(511b)를 포함한다. 또한, 도 6 에서는, 컨벌루션 계층(511)이 하나의 특징 추출부(511a) 및 풀링부(511b)를 포함하는 것으로 도시하였으나, 교통사고 음향의 다양한 특징들을 추출하기 위해서 복수의 특징 추출부(511a) 및 풀링부(511b)를 포함하거나, 특징 추출부(511a) 및 풀링부(511b)가 복수 회 연산을 반복 수행할 수도 있다.

음향 데이터 저장부(531)에는 다양한 음향 신호들이 FFT 연산을 거쳐서 디지털 음향 데이터로 저장되어 있고, 이 음향 데이터들은 학습을 위해서 학습부(510)의 특징 추출부(511a)로 입력된다.

특징 추출부(511a)는 사전에 정의된 컨벌루션 마스크(또는 커널(kernel))를 입력된 데이터에 적용하여 컨벌루션 연산을 수행함으로써, 교통사고 보고 단말(100)에서 수집된 주변 음향 데이터 중에서 교통사고와 관련된 음향 특징 성분을 나타내는 특징맵을 생성하고, 생성된 특징맵을 풀링부(511b)로 출력한다.

도 9a에 도시된 예에서, 3*3 크기의 마스크(501)를 6*6 크기의 음향 데이터(502)에 적용하여 컨벌루션 연산을 수행하는 예를 살펴보면, 특징 추출부(511a)는 마스크(501)를 음향 데이터(502)의 좌측 상단에서부터 우측 하단으로 1칸씩 이동시키면서 컨벌루션 연산을 수행하여 특징맵(503)을 생성한다. 이 과정에서, 특징 추출부(511a)는 서로 대응되는 데이터를 곱한 후 이들을 모두 합산한 값을 마스크의 중앙에 대응되는 위치에 기록하고, 동일한 방식으로 1칸씩 이동시키면서 특징맵(503)을 형성하였고, 가장자리의 공간은 0으로 채워서 입력 데이터의 크기를 그대로 유지하였다.

풀링부(511b)는 특징 추출부(511a)로부터 입력된 특징맵에 대해서 풀링(pooling)을 수행하여 특징맵의 크기를 축소시킨다. 본 발명의 바람직한 제 1 실시예에서는 최대값 풀링(Max Pooling) 방식으로 특징맵의 크기를 감소시켰다. 일 예로, 도 9b에 도시된 바와 같이, 특징 추출부(521a)로부터 입력된 특징맵의 값들에 대해서 2*2 단위로 조사하여, 4개의 값들 중에서 특징이 큰 최대값만을 추출하는 방식으로 특징맵의 크기를 3*3으로 감소시키고 노이즈를 제거하였다.

그 후, 풀링부(511b)에서 출력된 특징맵은 다시 특징 추출부(511a)에 입력되어 다시 한번 컨벌루션 연산을 통해서 특징맵이 생성되고, 생성된 특징맵은 다시 풀링부(511b)에 입력되어 풀링이 수행될 수도 있다. 즉, 특징맵의 크기에 따라서 컨벌루션 계층(511)은 특징 추출부(511a)에서 특징맵을 생성하고 풀링부(511b)에서 특징맵에 대해서 풀링을 수행하는 과정을 수회 반복적으로 실행할 수 있다.

이러한 과정을 거쳐서 사이즈가 감소된 특징맵은 판단 계층(513)으로 출력되고, 판단 계층(513)은 일반적인 인공 신경망(Neural Network)과 동일한 방식으로 구현되어, 풀링부(511b)로부터 입력된 특징맵 데이터에 기반하여, 데이터가 어떤 의미를 갖는지 판단하고 역전파(Backpropagation)를 통해 학습을 수행한다.

예를 들어, 특징맵이 속하는 값의 범위가 차량 충돌 소리에 해당한다면 차량 충돌이 된 것으로 판단한다. 이렇게 판단하는 역할을 하는 함수를 활성화함수(Activation Function)라고 한다. 이 때, 판단한 결과가 기대 값과 달라서 오판한 경우, 특징 추출부(511a)에서 이용되는 마스크의 값을 조정하여 보정된 특징맵이 나올 수 있도록 하고, 판단 계층(513)을 구성하는 인공 신경망의 웨이트와 바이어스를 조정한다.

이렇게 결과 값에 따라서 이전 과정의 웨이트 값과 바이어스 값을 조정함으로써 CNN에 대해서 학습을 수행하고, 학습된 웨이트 값과 바이어스 값은 CNN 설정 정보로서 설정 정보 저장부(533)에 저장된 후, 교통사고 보고 단말(100)로 전송되어 교통사고 보고 단말(100)이 CNN 설정 정보로 자신의 CNN을 설정할 수 있도록 한다.

도 7은 본 발명의 바람직한 제 2 실시예에 따른 교통사고 보고 단말의 세부 구성을 도시하는 도면이다.

도 7을 참조하여, 본 발명의 바람직한 제 2 실시예에 따른 교통사고 보고 단말(100)을 설명하면, 교통사고 보고 단말(100)은 충격 감지부(150), 음향 입력부(160), 통신부(120), GPS 모듈(140), 데이터 저장부(130), 제어부(170), 신호 변환부(180), 및 음향 판정부(110)를 포함한다. 또한, 음향 판정부(110)는 학습 서버(500)의 학습부(510)와 동일한 CNN 으로 구현되어, 그 내부에 특징 추출부(111a) 및 풀링부(111b)를 포함하는 컨벌루션 계층(111) 및 판단 계층(113)을 포함한다.

충격 감지부(150)는 자이로센서, 3축 가속도 센서 등과 같이 차량에 인가되는 충격을 감지할 수 있는 센서를 내장하여, 차량에 인가되는 충격에 따른 센서값을 제어부(170)로 출력한다.

제어부(170)는 센서값을 이전 센서값과 비교하여 센서값의 순간적인 변화 정도가 임계값 이상인 경우에는 차량에 큰 충격이 인가되었다고 판단하고, 음향 입력부(160)를 즉시 활성화시켜 음향 입력부(160)로 하여금 교통사고 보고 단말(100) 주변의 음향을 수집하여 신호 변환부(180)로 출력하도록 한다.

예컨대, 특정 시간 t에 대하여 3축 가속도의 값을 x(t), y(t), z(t)로 표현한다면, 아래와 같은 수학식 2에 따라서 가속도의 변화량(△ a)을 측정할 수 있다.

이 때, 제어부(170)는 가속도의 변화량이 충격 임계값 이상인 경우에는 차량에 큰 충격이 발생한 것으로 판단할 수 있다.

음향 입력부(160)는 마이크 등으로 구현되어, 제어부(170)의 제어에 따라서 활성화되어 교통사고 보고 단말(100) 주변의 음향을 수집하여 아날로그 음향신호로 생성하여 신호 변환부(180)로 출력한다.

신호 변환부(180)는 음향 입력부(160)로부터 입력되는 시간 영역의 아날로그 음향 신호를 주파수 영역의 디지털 신호로 변환하여 음향 판정부(110)로 출력한다. 본 발명의 신호 변환부(180)는 고속 푸리에 변환(Fast Fourier Transform:FFT)을 통해 시간 영역의 음향 신호를 진폭과 주파수의 스펙트럼을 분석할 수 있도록 주파수 영역의 음향 데이터로 변환하여 음향 판정부(110)로 출력한다.

예를 들어서, 마이크로 얻게 되는 소리 신호는 다양한 주파수 대역의 신호들의 합성 데이터로 볼 수 있다. 음향을 통해서 사고를 인지하기 위해서는 보다 구체적으로 고주파 대역의 음향 신호와 저주파 대역의 음향 신호가 어떻게 구성되는지주파수의 대역별로 스펙트럼을 분석할 필요가 있다. 이러한 합성 데이터를 이산 주파수 영역의 신호로 분해하는 분해식을 이산 푸리에 변환(Discrete Fourier Transform)이라고 하며, 분해식 내에서 중복되는 계산을 줄여 계산 복잡성을 낮춘 분해식이 고속 푸리에 변환이다. 따라서, 본 발명의 신호 변환부(180)는 음향 입력부(160)로부터 입력되는 시간 영역의 아날로그 음향 신호에 대해서 FFT 를 수행하여 주파수 영역의 음향 데이터로 변환하여 음향 판정부(110)로 출력한다.

통신부(120)는 학습 서버(500)와 통신을 수행하여 학습부(510)로부터 음향 판정부(110)에 적용될 CNN 설정 정보를 제어부(170)로 출력하고, 제어부(170)는 CNN 설정 정보를 데이터 저장부(130)에 저장하는 한편 음향 판정부(110)로 출력하여, 음향 판정부(110)를 설정한다.

또한, 통신부(120)는 제어부(170)의 제어에 의해서 학습 서버(500) 및 교통사고 접수 장치(200)와 통신을 수행한다. 구체적으로, 통신부(120)는 사고 발생시에 사고 시간 및 사고 위치 정보(GPS 위치 정보)를 기본적으로 포함하는 최소 사고 정보를 교통사고 접수 장치로 전송하여 교통사고 발생을 알린다. 또한, 통신부(120)는 사고 발생시의 음향 데이터를 학습 서버(500)로 전송할 수도 있다.

GPS 모듈(140)은 GPS 수신기로 구현되어, 교통사고 보고 단말(100)의 위치를 측정하여 제어부(170)로 출력한다.

음향 판정부(110)는 학습 서버(500)의 학습부(510)와 동일한 컨벌루션 인공 신경망(CNN:Convolution Neural Network)으로 구현되어, 신호 변환부(180)로부터 입력되는 음향 데이터를 분석하여 사고 발생 여부를 판정하여 제어부(170)로 출력한다.

음향 판정부(110)는 학습 서버(500)의 학습부(510)와 동일하게 컨벌루션 계층(111)과 판단 계층(113)을 포함하고, 컨벌루션 계층(111)은 특징 추출부(111a) 및 풀링부(111b)를 포함하고, 특징 추출부(111a)에서 이용되는 마스크 및 판단 계층(113)에서 적용되는 웨이트 및 바이어스 값은 학습 서버(500)로부터 수신된 값이 동일하게 설정된다. 따라서, 음향 판정부(110)에서 수행되는 동작은 학습을 제외하면 학습 서버(500)의 학습부(510)와 동일하다.

즉, 특징 추출부(111a)는 신호 변환부(180)로부터 입력되는 음향 데이터에 대해서 마스크를 적용하여 특징맵을 생성하여 풀링부(111b)로 출력하고, 풀링부(111b)는 특징맵에 대해서 최대값 풀링 방식으로 풀링을 수행하여 특징맵의 사이즈를 축소하며, 이러한 과정을 반복 수행하여 특징맵의 사이즈가 충분히 축소되면 판단 계층(113)으로 출력한다.

판단 계층(113)은 학습 서버(500)로부터 수신된 웨이트와 바이어스 값이 설정된 인공 신경망을 통해서 음향 입력부(160)를 통해서 입력된 음향이 교통사고시에 발생하는 음향인지 여부를 최종적으로 판단하여 제어부(170)로 출력한다. 이 때, 판단 계층(113)은 음향 데이터에 따라서 사고의 종류(충돌, 추돌, 추락 등)를 식별하여 출력하도록 설계될 수도 있다.

한편, 제어부(170)는 통신부(120)를 통해서 학습 서버(500)로부터 CNN 설정정보(웨이트 값 및 바이어스 값)를 수신하여, 음향 판정부(110)에 포함된 CNN의 웨이트 값 및 바이어스 값을 설정한다.

또한, 제어부(170)는 충격 감지부(150)로부터 입력되는 센서값을 이용하여 충격 정도를 계산하고, 임계값 이상의 충격이 인가되었다고 판단되면, 음향 입력부(160)를 활성화시켜 교통사고 보고 단말(100) 주변의 음향을 수집하도록 제어하고, 음향 입력부(160)로부터 입력된 음향이 교통사고시의 음향이라고 음향 판정부(110)가 판정하면, 사고 시간, GPS 모듈(140)에서 측정된 위치 정보 및 사전에 데이터 저장부(130)에 저장된 교통사고 보고 단말(100)의 식별 정보를 포함하는 최소 사고 정보를 생성하여 통신부(520)를 통해서 교통사고 접수 장치(200)로 전송한다.

도 10은 본 발명의 바람직한 제 2 실시예에 따라서 교통사고 보고 단말에서 교통사고 발생 여부를 판단하는 방법을 설명하는 흐름도이다.

본 발명의 바람직한 제 2 실시예에 따른 교통사고 보고 단말에서 교통사고 발생 여부를 판단하는 방법은, 도 5 내지 도 9b를 참조하여 설명한 교통사고 보고 단말(100)에서 수행되는 것이므로, 그 기능이 동일하다. 따라서, 이하에서는 전체적인 흐름을 중심으로 설명한다.

먼저, 학습 서버(500)는 내부에 저장된 음향 데이터를 이용하여 컨벌루션 인공 신경망(CNN:Convolution Neural Network)을 학습하고, 학습 결과 획득된 CNN 설정 정보(웨이트 값, 및 바이어스 값 등)를 교통사고 보고 단말(100)로 전송한다(S1010). 이 때, 음향 데이터의 양이 충분히 많다면, 차종 별로 및/또는 교통사고 유형별로 학습을 수행할 수도 있고, 각 교통사고 보고 단말(100)은 자신이 설치된 차종에 대응되는 CNN 설정 정보를 제공받을 수도 있음은 상술한 바와 같다.

교통사고 보고 단말(100)은 학습 서버(500)로부터 수신된 CNN 설정 정보를 이용하여 음향 판정부(110)를 구현하는 CNN의 웨이트 값 및 바이어스 값 등을 설정한다(S1020).

그 후, 교통사고 보고 단말(100)은 차량 운행이 시작되면, 충격 감지부(150)를 동작시켜 차량의 가속도 등과 같은 충격을 감지할 수 있는 센서의 센서값을 측정하고(S1031), 센서값의 변화를 조사하여 임계값 이상의 충격이 차량에 인가되었는지 여부를 조사한다(S1033).

제 S1033 단계에서 조사한 결과, 임계값 이상의 충격이 감지되면, 교통사고 보고 단말(100)은 음향 입력부(160)를 활성화하여 주변의 음향 신호를 수집하고, 아날로그 음향 신호에 대해서 고속 푸리에 변환(FFT)을 수행하여 주파수 영역으로 변환된 음향 데이터를 CNN 으로 구현된 음향 판정부(110)로 입력한다(S1040).

음향 판정부(110)는 입력된 음향 데이터를 이용하여 특징맵을 생성하고(S1051), 특징맵에 대해서 풀링 연산을 수행하여(S1053), 음향 입력부(160)에 입력된 음향이 교통사고 발생시에 발생하는 음향과 일치하는지 여부를 판단함으로써 교통사고 발생 여부를 최종적으로 판단한다(S1060).

제 S1060 단계에서 판단한 결과, 사고가 발생했다고 판단되면, 교통사고 보고 단말(100)은 GPS 모듈(140)을 이용하여 교통사고 보고 단말(100)의 위치를 측정하여 위치 정보를 생성하고, 사고 시간, 사고 위치 정보, 및 교통사고 보고 단말(100)의 식별정보를 교통사고 접수 장치(200)로 전송하여 사고 발생 사실을 알린다(S1070).

아울러, 교통사고가 발생했다고 판단된 경우에, 교통사고 보고 단말(100)은 교통사고로 판단된 음향 데이터를 학습 서버(500)로 전송하고(S1080), 학습 서버(500)는 수신된 음향 데이터를 저장하여 추후에 CNN 학습에 활용한다(S1090).

지금까지 본 발명의 바람직한 제 2 실시예에 따라서, 본 발명의 교통사고 보고 단말의 구성 및 교통사고 보고 단말에서 교통사고 발생 여부를 판단하는 방법에 대해서 설명하였다.

상술한 제 2 실시예에서는, 임계값 이상의 충격이 인가된 시점에 음향 입력부(160)를 활성화하여 충격이 인가된 시점 이후의 음향을 수집하여 사고 발생 여부를 최종적으로 판단하였다.

한편, 본 발명의 바람직한 제 2 실시예의 변형 실시예에서는, 음향 입력부(160)가 지속적으로 음향을 수집하여 데이터 저장부(130)에 저장하고, 임계값 이상의 충격이 차량에 인가되면, 충격이 인가된 시점 이전에 사전에 정의된 시간 동안 데이터 저장부(130)에 저장된 음향 신호와 충격이 인가된 시점 이후에 사전에 정의된 시간 동안 음향 입력부(130)에서 수집된 음향 신호를 신호 변환부(180)로 출력하고, 신호 변환부(180)는 입력된 음향 신호를 주파수 영역의 음향 데이터로 변환하여 음향 판정부(110)로 출력함으로써 교통사고 발생 여부를 최종적으로 판단한다.

이 때, 상기 데이터 저장부(130)는 사전에 정의된 시간 동안 만큼의 음향 신호를 저장하고, 오래된 신호는 자동으로 삭제하도록 설계되는 것이 바람직하다. 한편, 상기한 구성을 제외한 나머지 구성은 모두 제 2 실시예와 동일하므로, 중복되는 설명은 생략한다.

도 11은 본 발명의 제 2 실시예의 변형 실시예에 따라서 교통사고 보고 단말에서 교통사고 발생 여부를 판단하는 방법을 설명하는 도면이다.

도 11을 참조하면, 제 2 실시예의 변형 실시예는 제 2 실시예의 제 S1010 단계 내지 제 S1031 단계와 동일한 과정을 수행하여, 학습 서버에서 CNN을 학습하고(S1110), 교통사고 보고 단말(100)의 CNN의 초기 설정을 수행하며(S1120), 충격 감지부(150)를 작동시킨다(S1131).

또한, 음향 입력부(160)가 활성화되어 교통사고 보고 단말(100) 주변의 음향을 수집하고, 음향 입력부(160)에서 수집된 음향 신호는 데이터 저장부에 저장된다(S1132). 이 때, 음향 신호가 저장되는 시간은 사전에 정의될 수 있고, 사전에 정의된 시간을 초과하는 음향 신호는 자동으로 삭제될 수 있다. 또한, 제 S1131 단계와 제 S1132 단계는 동시에 수행될 수도 있고, 시간의 선후 관계가 서로 바뀔 수도 있음을 물론이다.

한편, 제 S1033 단계와 동일한 방식으로, 차량에 임계값 이상의 충격이 인가되었는지 여부를 조사하고(S1133), 임계값 이상의 충격이 인가된 경우에는, 충격이 인가된 시점 이전에 사전에 정의된 시간 동안 데이터 저장부에 저장된 음향 신호와 충격이 인가된 시점 이후에 사전에 정의된 시간 동안 음향 입력부(160)에서 수집된 음향 신호를 주파수 영역의 음향 데이터로 변환한다(S1140).

주파수 영역으로 변환된 이후에 수행되는 처리 과정은, 제 2 실시예의 제 S1050 단계 내지 제 S1090 단계와 동일하므로 구체적인 설명을 생략한다(S1150~S1190).

본 발명은 또한 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 기록매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광데이터 저장장치 등이 있다. 또한 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다.

이제까지 본 발명에 대하여 그 바람직한 실시예들을 중심으로 살펴보았다. 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 그러므로 개시된 실시예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 발명의 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.

100 : 교통사고 보고 단말
110 : 음향 판정부 111 : 컨벌루션 계층
111a: 특징 추출부 111b: 풀링부
113 : 판단 계층 120 : 통신부
130 : 데이터 저장부 140 : GPS 모듈
150 : 충격 감지부 160 : 음향 입력부
170 : 제어부 180 : 신호 변환부
200 : 교통사고 접수 장치
210 : 사고 정보 수신부 220 : 사고 정보 저장부
230 : 자동 응답 통화부 240 : 음성 통화부
250 : 군집 사고 조회부 260 : 사고 규모 판단부
270 : 사고 정보 전파부
300 : 운영요원 단말
400 : 응급 구조 서버
500 : 학습 서버
510 : 학습부 511 : 컨벌루션 계층
511a: 특징 추출부 511b: 풀링부
513 : 판단 계층 520 : 통신부
530 : 데이터 베이스 531 : 음향 데이터 저장부
532 : 장치 정보 저장부 533 : 설정 정보 저장부

Claims (27)

1. 교통사고 발생을 감지하여 최소 사고 정보를 생성하고, 상기 최소 사고 정보를 교통사고 접수 장치로 전송하는 교통사고 보고 단말;
   상기 최소 사고 정보를 수신하고, 이전에 접수된 다른 최소 사고 정보와의 관계를 조사하여 군집 사고 여부를 판단하고, 판단 결과에 따라서 사고 규모를 판단하여 응급 구조 서버로 응급 구조를 요청하는 교통사고 접수 장치; 및
   상기 교통사고 접수 장치에 연결되고, 운영요원이 사고 차량의 운전자로부터 획득한 사고 정보를 운영요원으로부터 입력받아 상기 교통사고 접수 장치에 입력하는 운영요원 단말을 포함하는 것을 특징으로 하는 교통사고 접수 시스템.
2. 제 1 항에 있어서,
   상기 최소 사고 정보는 사고 시간 및 사고 위치 정보를 포함하고,
   상기 교통사고 접수 장치는 사고 시간 및 사고 위치 정보를 이전에 접수된 최소 사고 정보에 포함된 사고 시간 및 사고 위치 정보와 비교하여 군집 사고 여부를 판단하는 것을 특징으로 하는 교통사고 접수 시스템.
3. 제 2 항에 있어서, 상기 교통사고 접수 장치는
   상기 사고 시간 전후로 사전에 정의된 사고 군집 설정 시간 동안, 상기 사고 위치 정보가 나타내는 사고 위치로부터 사전에 정의된 거리내에서 발생한 사고들을 군집 사고로 설정하고, 군집 사고에 포함된 차량의 수에 따라서 사고의 규모를 복수의 레벨로 분류 하는 것을 특징으로 하는 교통사고 접수 시스템.
4. 제 3 항에 있어서, 상기 교통사고 접수 장치는
   상기 최소 사고 정보가 수신되기 이전에 수신되어 저장된 사고 정보들 중 그 사고 시간이, 상기 최소 사고 정보에 포함된 사고 시간 전후로 사전에 정의된 사고 군집 설정 시간내에 포함되는 사고 정보들을 조사하고,
   상기 조사된 사고 정보들 중 사고 위치가 상기 최소 사고 정보에 포함된 상기 사고 위치 정보가 나타내는 사고 위치로부터 사전에 정의된 거리내에 포함되는 사고들을 군집 사고로 설정하고,
   군집 사고에 포함된 차량의 수에 따라서 사고의 규모를 복수의 레벨로 분류하는 사고 규모 판단부를 포함하는 것을 특징으로 하는 교통사고 접수 시스템.
5. 제 4 항에 있어서, 상기 교통사고 접수 장치는
   최소 사고 정보가 수신된 차량의 운전자의 휴대 단말로 자동 응답 통화를 시도하여, 운전자로 하여금 사고 유무를 확인해 줄 것을 요청하고, 운전자가 사고 발생을 확인하면 운전자의 휴대 단말을 음성 통화부로 연결하는 자동 응답 통화부; 및
   운영요원이 운전자와 음성 통화를 하면서 사고 상황에 대한 정보를 추가로 수집하여 사고 정보를 입력할 수 있도록 운영요원 단말과 운전자의 휴대 단말간의 통화를 수행하는 음성 통화부를 더 포함하는 것을 특징으로 하는 교통사고 접수 시스템.
6. 제 5 항에 있어서, 상기 교통사고 접수 장치는
   최소 사고 정보가 수신되면, 수신된 내역을 운영요원 단말에 표시되도록 제공하고,
   상기 사고 규모 판단부에서 판단된 사고 규모에 대한 정보를 운영요원 단말로 제공하여 표시하며, 사고 규모에 대한 정보를 응급 구조 서버로 제공하는 사고 정보 전파부를 더 포함하는 것을 특징으로 하는 교통사고 접수 시스템.
7. 제 6 항에 있어서,
   운전자의 휴대 단말과 통화가 이루어지면,
   상기 운영요원 단말에는 수신된 최소 사고 정보, 최소 사고 정보에서 추출된 위치 정보와 주변에서 사고가 발생한 위치가 표시된 지도, 및 현재 접수되고 있는 다른 사고 정보들이 표시되는 것을 특징으로 하는 교통사고 접수 시스템.
8. 제 7 항에 있어서,
   상기 운영요원 단말은 아래의 표에 기재된 정보 내용을 운영요원으로부터 입력받아,
   

   

   
   상기 교통사고 접수 장치로 출력하여 저장하는 것을 특징으로 하는 교통사고 접수 시스템.
9. 제 1 항 내지 제 8 항 중 어느 한 항에 있어서, 상기 교통사고 보고 단말은
   차량에 인가된 충격을 감지하는 충격 감지부;
   주변의 음향을 수집하여 신호 변환부로 출력하는 음향 입력부;
   상기 음향 입력부로부터 입력된 시간 영역의 음향 신호를 주파수 영역의 음향 데이터로 변환하는 상기 신호 변환부;
   상기 음향 데이터를 컨벌루션 인공 신경망(CNN:Convolution Neural Network)에 적용하여 상기 음향 입력부에서 수집된 음향 신호가 교통사고 음향 신호인지 여부를 판단하는 음향 판정부; 및
   상기 충격 감지부로부터 입력되는 센서 정보를 이용하여 차량에 인가된 충격이 사전에 정의된 임계값 이상이고, 상기 음향 판정부에서 상기 음향 입력부에서 수집된 음향 신호가 교통사고 음향 신호라고 판단하면, 최종 사고 발생이라고 판단하여 사고 시간 및 사고 위치 정보를 포함하는 최소 사고 정보를 상기 교통사고 접수 장치로 전송하는 제어부를 포함하고,
   상기 컨벌루션 인공 신경망은, 상기 컨벌루션 인공 신경망과 동일한 컨벌루션 인공 신경망에 대해서 학습을 수행한 학습 서버로부터 수신된 설정 정보(웨이트 값 및 바이어스 값을 포함 함)에 따라서 초기 설정 되는 것을 특징으로 하는 교통사고 접수 시스템.
10. 제 9 항에 있어서, 상기 음향 판정부는
    상기 음향 데이터에 상기 학습 서버로부터 수신된 설정 정보에 따른 마스크를 이용하여 컨벌루션 연산을 수행함으로써 상기 음향 데이터의 특징을 나타내는 특징맵을 형성하는 컨벌루션 계층; 및
    상기 특징맵을 이용하여 상기 음향 데이터가 교통사고 음향 데이터에 해당하는지 여부를 판정함으로써, 상기 음향 입력부에서 수집된 음향 신호가 교통사고 음향 신호인지 여부를 판단하는 판단 계층을 포함하는 것을 특징으로 하는 교통사고 접수 시스템.
11. 제 10 항에 있어서, 상기 컨벌루션 계층은
    상기 음향 데이터에 상기 학습 서버로부터 수신된 설정 정보에 따른 마스크를 이용하여 컨벌루션 연산을 수행함으로써 상기 음향 데이터의 특징을 나타내는 특징맵을 생성하는 특징 추출부; 및
    상기 특징맵에 최대값 풀링(Max Pooling) 연산을 수행하여 상기 특징맵의 크기를 감소시키는 풀링부를 포함하는 것을 특징으로 하는 교통사고 접수 시스템.
12. 제 9 항에 있어서,
    상기 신호 변환부는 시간 영역의 음향 신호에 대해서 고속 푸리에 트랜스폼(Fast Fourier Transform:FFT)을 수행하여 주파수 영역의 음향 데이터로 변환하는 것을 특징으로 하는 교통사고 접수 시스템.
13. 제 9 항에 있어서, 상기 제어부는
    상기 충격 감지부로부터 입력되는 센서 정보를 이용하여 차량에 인가된 충격이 사전에 정의된 임계값 이상인지 여부를 조사하여, 임계값 이상이면 상기 음향 입력부를 활성화하고, 상기 음향 판정부에서 상기 음향 입력부에서 수집된 음향 신호가 교통사고 음향 신호라고 판단하면, 최종 사고 발생이라고 판단하여 사고 시간과 사고 위치를 포함하는 최소 사고 정보를 상기 교통사고 접수 장치로 전송하는 것을 특징으로 하는 교통사고 접수 시스템.
14. 제 9 항에 있어서, 상기 제어부는
    상기 음향 입력부가 수집한 음향 신호를 데이터 저장부에 저장하고,
    상기 충격 감지부로부터 입력되는 센서 정보를 이용하여 차량에 인가된 충격이 사전에 정의된 임계값 이상인지 여부를 조사하여, 임계값 이상이면 충격이 인가된 시점 이전에 사전에 정의된 시간 동안 상기 데이터 저장부에 저장된 음향 신호와 충격이 인가된 시점 이후에 사전에 정의된 시간 동안 음향 입력부에서 수집된 음향 신호를 상기 신호 변환부로 출력하며, 상기 음향 판정부에서 상기 음향 입력부에서 수집된 음향 신호가 교통사고 음향 신호라고 판단하면, 최종 사고 발생이라고 판단하여 사고 시간과 사고 위치를 포함하는 최소 사고 정보를 상기 교통사고 접수 장치로 전송하는 것을 특징으로 하는 교통사고 접수 시스템.
    
15. 교통사고 보고 단말, 교통사고 접수 장치 및 상기 교통사고 접수 장치와 연결된 운영요원 단말을 포함하는 교통사고 접수 시스템에서 수행되는 교통사고 접수 방법으로서,
    (a) 상기 교통사고 보고 단말이 교통사고 발생을 감지하여 최소 사고 정보를 생성하여 전송하고, 상기 교통사고 접수 장치가 상기 최소 사고 정보를 수신하여 저장하는 단계;
    (c) 사고 차량 운전자의 휴대 단말과 운영요원 단말간의 통화가 연결되면, 상기 운영요원 단말이 운영요원이 사고 차량의 운전자로부터 획득한 사고 정보를 운영요원으로부터 입력받아 상기 교통사고 접수 장치에 입력하는 단계; 및
    (d) 상기 교통사고 접수 장치가 상기 (a) 단계에서 수신된 최소 사고 정보와 이전에 접수된 다른 최소 사고 정보와의 관계를 조사하여 군집 사고 여부를 판단하고, 판단 결과에 따라서 사고 규모를 판단하여 응급 구조 서버로 응급 구조를 요청하는 단계를 포함하는 것을 특징으로 하는 교통사고 접수 방법.
16. 제 15 항에 있어서,
    상기 최소 사고 정보는 사고 시간 및 사고 위치 정보를 포함하고,
    상기 (d) 단계에서, 상기 교통사고 접수 장치는 상기 (a) 단계에서 수신된 최소 사고 정보의 사고 시간 및 사고 위치 정보를 이전에 접수된 최소 사고 정보에 포함된 사고 시간 및 사고 위치 정보와 비교하여 군집 사고 여부를 판단하는 것을 특징으로 하는 교통사고 접수 방법.
17. 제 16 항에 있어서, 상기 (d) 단계에서,
    상기 교통사고 접수 장치는, 상기 (a) 단계에서 수신된 사고 시간 전후로 사전에 정의된 사고 군집 설정 시간 동안, 상기 사고 위치 정보가 나타내는 사고 위치로부터 사전에 정의된 거리내에서 발생한 사고들을 군집 사고로 설정하고, 군집 사고에 포함된 차량의 수에 따라서 사고의 규모를 복수의 레벨로 분류 하는 것을 특징으로 하는 교통사고 접수 방법.
18. 제 17 항에 있어서, 상기 (d) 단계는
    (d1) 상기 최소 사고 정보가 수신되기 이전에 수신되어 저장된 다른 사고 정보들 중 그 사고 시간이, 상기 (a) 단계에서 수신된 최소 사고 정보에 포함된 사고 시간 전후로 사전에 정의된 사고 군집 설정 시간내에 포함되는 사고 정보들을 조사하는 단계;
    (d2) 상기 조사된 사고 정보들 중 사고 위치가 상기 최소 사고 정보에 포함된 상기 사고 위치 정보가 나타내는 사고 위치로부터 사전에 정의된 거리내에 포함되는 사고들을 군집 사고로 설정하는 단계; 및
    (d3) 군집 사고에 포함된 차량의 수에 따라서 사고의 규모를 복수의 레벨로 분류하여 상기 응급 구조 서버로 응급 구조를 요청하는 단계를 포함하는 것을 특징으로 하는 교통사고 접수 방법.
19. 제 18 항에 있어서, 상기 (a) 단계와 상기 (c) 단계 사이에,
    (b1) 상기 운전자의 휴대 단말과 자동 응답 통화를 시도하여, 자동 응답 통화가 연결되면 상기 휴대 단말로부터 교통사고 발생 여부를 확인받는 단계; 및
    (b2) 교통사고의 발생을 확인받은 경우에, 상기 휴대 단말과 상기 운영요원 단말간에 음성 통화를 연결하고, 운영요원이 운전자와 음성 통화를 하면서 수집된 사고 상황에 대한 추가적인 사고 정보를 상기 운영요원 단말이 상기 교통사고 접수 장치로 입력하는 단계를 더 포함하는 것을 특징으로 하는 교통사고 접수 방법.
20. 제 19 항에 있어서,
    상기 (b2) 단계에서, 상기 교통사고 접수 장치는 상기 (a) 단계에서 수신된 최소 사고 정보 내역을 운영요원 단말에 표시되도록 제공하고,
    상기 (d3) 단계에서, 상기 교통사고 접수 장치는 상기 (a) 단계에서 최소 사고 정보가 수신된 사고와 연계된 전체 사고 군집과 관련된 사고 규모 정보를 운영요원 단말로 제공하여 표시하는 것을 특징으로 하는 교통사고 접수 방법.
21. 제 20 항에 있어서, 상기 (c) 단계에서
    상기 운영요원 단말에는 상기 (a) 단계에서 수신된 최소 사고 정보, 최소 사고 정보에서 추출된 사고 위치 정보와 주변에서 사고가 발생한 위치가 표시된 지도, 및 현재 접수되고 있는 다른 사고 정보들이 표시되는 것을 특징으로 하는 교통사고 접수 방법.
22. 제 21 항에 있어서, 상기 (c) 단계에서,
    상기 운영요원 단말은 아래의 표에 기재된 정보 내용을 운영요원으로부터 입력받아,
    

    

    
    상기 교통사고 접수 장치로 출력하여 저장하는 것을 특징으로 하는 교통사고 접수 방법.
23. 제 15 항에 있어서, 상기 (a) 단계는
    (a1) 학습 서버에서 복수의 교통사고 음향 데이터를 이용하여 컨벌루션 인공 신경망(CNN:Convolution Neural Network)을 학습하고, 상기 컨벌루션 인공 신경망에 대한 설정 정보를, 상기 컨벌루션 인공 신경망과 동일한 컨벌루션 인공 신경망을 구비한 교통사고 보고 단말로 전송하는 단계;
    (a2) 상기 교통사고 보고 단말이 상기 학습 서버로부터 수신한 설정 정보를 이용하여 컨벌루션 인공 신경망을 초기 설정하는 단계;
    (a3) 차량에 인가되는 충격 감지를 시작하는 단계;
    (a4) 차량에 인가되는 충격이 임계값 이상인 경우에, 상기 교통사고 보고 단말 주변에서 음향 신호를 수집하고, 상기 음향 신호를 주파수 영역의 음향 데이터로 변환하는 단계;
    (a5) 상기 음향 데이터를 상기 컨벌루션 인공 신경망에 적용하여 교통사고 발생 여부를 판단하는 단계; 및
    (a6) 상기 (a5) 단계에서 교통사고 발생이라고 최종 판단되면, 교통사고 접수 장치로 최소 사고 정보를 전송하는 단계를 포함하는 것을 특징으로 하는 교통사고 접수 방법.
24. 제 15 항에 있어서, 상기 (a) 단계는
    (a1) 학습 서버에서 복수의 교통사고 음향 데이터를 이용하여 컨벌루션 인공 신경망(CNN:Convolution Neural Network)을 학습하고, 상기 컨벌루션 인공 신경망에 대한 설정 정보를, 상기 컨벌루션 인공 신경망과 동일한 컨벌루션 인공 신경망을 구비한 교통사고 보고 단말로 전송하는 단계;
    (a2) 상기 교통사고 보고 단말이 상기 학습 서버로부터 수신한 설정 정보를 이용하여 컨벌루션 인공 신경망을 초기 설정하는 단계;
    (a3) 차량에 인가되는 충격 감지를 시작하고, 상기 교통사고 보고 단말 주변의 음향 신호를 수집하여 저장하기 시작하는 단계;
    (a4) 차량에 인가되는 충격이 임계값 이상인 경우에, 상기 저장된 음향 신호를 주파수 영역의 음향 데이터로 변환하는 단계;
    (a5) 상기 음향 데이터를 상기 컨벌루션 인공 신경망에 적용하여 교통사고 발생 여부를 판단하는 단계; 및
    (a6) 상기 (a5) 단계에서 교통사고 발생이라고 최종 판단되면, 교통사고 접수 장치로 최소 사고 정보를 전송하는 단계를 포함하는 것을 특징으로 하는 교통사고 접수 방법.
25. 제 23 항 또는 제 24 항에 있어서, 상기 (a5) 단계는
    (a5-1) 상기 음향 데이터에 상기 학습 서버로부터 수신된 설정 정보에 따른 마스크를 이용하여 컨벌루션 연산을 수행함으로써 상기 음향 데이터의 특징을 나타내는 특징맵을 형성하는 단계; 및
    (a5-2) 상기 특징맵을 이용하여 상기 음향 데이터가 교통사고 음향 데이터에 해당하는지 여부를 판정함으로써, 상기 수집된 음향 신호가 교통사고 음향 신호인지 여부를 판단하는 단계를 포함하는 것을 특징으로 하는 교통사고 접수 방법.
26. 제 25 항에 있어서, 상기 (a5-1) 단계는
    상기 음향 데이터에 상기 학습 서버로부터 수신된 설정 정보에 따른 마스크를 이용하여 컨벌루션 연산을 수행함으로써 상기 음향 데이터의 특징을 나타내는 특징맵을 생성하는 단계; 및
    상기 특징맵에 최대값 풀링(Max Pooling) 연산을 수행하여 상기 특징맵의 크기를 감소시키는 단계를 포함하는 것을 특징으로 하는 교통사고 접수 방법.
27. 제 23 항 또는 제 24 항에 있어서,
    (a7) 상기 교통사고 보고 단말이 교통사고로 판단된 음향 데이터를 상기 학습 서버로 전송하는 단계; 및
    (a8) 상기 학습 서버가 수신된 음향 데이터를 저장하여 추후에 컨벌루션 인공 신경망 학습에 이용할 수 있도록 저장하는 단계를 더 포함하는 것을 특징으로 하는 교통사고 접수 방법.

Images