KR101842658B1 - 위험운전 경고 방법, 이를 위한 단말기 및 서버 - Google Patents

위험운전 경고 방법, 이를 위한 단말기 및 서버 Download PDF

Info

Publication number
KR101842658B1
KR101842658B1 KR1020160102456A KR20160102456A KR101842658B1 KR 101842658 B1 KR101842658 B1 KR 101842658B1 KR 1020160102456 A KR1020160102456 A KR 1020160102456A KR 20160102456 A KR20160102456 A KR 20160102456A KR 101842658 B1 KR101842658 B1 KR 101842658B1
Authority
KR
South Korea
Prior art keywords
vehicle
dangerous driving
driving
dangerous
information
Prior art date
Application number
KR1020160102456A
Other languages
English (en)
Other versions
KR20180017906A (ko
Inventor
박경식
이주상
방승현
이진형
서경진
한운규
Original Assignee
이에스이 주식회사
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 이에스이 주식회사 filed Critical 이에스이 주식회사
Priority to KR1020160102456A priority Critical patent/KR101842658B1/ko
Publication of KR20180017906A publication Critical patent/KR20180017906A/ko
Application granted granted Critical
Publication of KR101842658B1 publication Critical patent/KR101842658B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/18—Status alarms
    • 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
    • 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
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/08—Interaction between the driver and the control system
    • B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B27/00—Alarm systems in which the alarm condition is signalled from a central station to a plurality of substations
    • 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
    • B60W2540/00—Input parameters relating to occupants
    • B60W2540/30—Driving style
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60Y—INDEXING SCHEME RELATING TO ASPECTS CROSS-CUTTING VEHICLE TECHNOLOGY
    • B60Y2400/00—Special features of vehicle units
    • B60Y2400/90—Driver alarms

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • General Physics & Mathematics (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Human Computer Interaction (AREA)
  • Mathematical Physics (AREA)
  • Traffic Control Systems (AREA)

Abstract

본 발명은 위험운전 경고 방법, 이를 위한 단말기 및 서버에 관한 것이다. 본 발명에 따르면, 위험운전 경고 서버에 의해 수행되는 위험운전 경고 방법으로서, (a) 차량 내의 위험운전 경고 단말기로부터 차량의 주행정보를 수집하는 단계; 및 (b) 상기 위험운전 경고 단말기가 각기 설치된 복수의 차량의 주행정보들에 기반하여 제 1 기준 주행패턴을 결정하고, 각 차량의 주행패턴과 상기 제 1 기준 주행패턴을 비교하여 의심 차량을 식별하는 단계를 포함하는, 위험운전 경고 방법이 개시된다.

Description

위험운전 경고 방법, 이를 위한 단말기 및 서버{METHOD FOR WARNING DANGEROUS DRIVING AND, TERMINAL AND SERVER FOR PERFORMING THE METHOD}
본 발명은 위험운전 경고 방법, 이를 위한 단말기 및 서버에 관한 것으로서, 더 구체적으로, 차량의 주행정보뿐만 아니라 주변 환경, 주변 차량의 위치 및 속도 등을 고려하여 위험운전 여부를 판단하고, 위험운전 차량으로 판단되는 경우 위험운전 차량의 운전자 및 주변 차량에 위험운전 경고를 제공할 수 있는 위험운전 경고 방법, 이를 위한 단말기 및 서버에 관한 것이다.
차량이 널리 보급되고 이용되면서, 차량을 운전하는데 있어 도움을 주는 다양한 운전 보조 장비들이 개발되어 이용되고 있다. 특히, 근래에 들어 난폭운전, 졸음운전 등의 위험운전이 큰 사회적인 문제로 대두되고 있으며, 이러한 위험운전을 방지하기 위한 다양한 운전 보조 장비들이 개발되고 있다.
종래기술에 따른 위험운전 방지 장치들은 일반적으로 차량에 설치된 주행정보 수집 단말기(예를 들어, 주행정보를 수집할 수 있는 네비게이션 장치, 스마트 폰 등)로부터 GPS(global positioning system) 정보, 가속도 정보 등의 주행정보를 수집하고, 수집된 주행정보를 분석하여 해당 차량의 운전패턴을 분석하여 위험운전 여부를 판단하도록 구성되어 있다. 이러한 종래의 기술들은, 특정 차량에 설치된 주행정보 수집 단말기에만 의존하기 때문에 주변 환경, 주변 차량의 위치, 주변 차량의 속도, 주변 차량의 경로 등을 전혀 고려할 수 없다는 문제점이 있었다. 특히, 종래기술에 있어, 특정 차량의 운전패턴을 분석한 결과 해당 차량이 현재 위험운전 중이라는 것을 판단하는 경우, 해당 차량을 운전하고 있는 운전자에게만 위험운전 경고를 제공할 수 있을 뿐 위험운전 차량으로 인해 피해를 입을 수 있는 주변 차량에게 위험운전과 관련된 어떠한 경고도 제공할 수 없다는 문제점이 있다.
본 발명의 목적은 위에서 언급한 종래기술의 문제점을 해결하는 것이다.
본 발명의 일 목적은, 특정 차량의 주행정보뿐만 아니라 주변 환경, 주변 차량의 위치 및 속도 등을 고려하여 위험운전 여부를 판단할 수 있는 위험운전 경고 방법, 이를 위한 단말기 및 서버을 제공하는 것이다.
또한, 본 발명의 다른 목적은, 특정 차량이 위험운전 차량으로 판단되는 경우 위험운전 차량의 운전자 및 주변 차량에 위험운전 경고를 제공할 수 있는 위험운전 경고 방법, 이를 위한 단말기 및 서버을 제공하는 것이다.
상기한 바와 같은 본 발명의 목적을 달성하고, 후술하는 본 발명의 특유의 효과를 달성하기 위한, 본 발명의 특징적인 구성은 하기와 같다.
본 발명의 일 태양에 따르면, 위험운전 경고 서버에 의해 수행되는 위험운전 경고 방법으로서, (a) 차량 내의 위험운전 경고 단말기로부터 차량의 주행정보를 수집하는 단계; 및 (b) 상기 위험운전 경고 단말기가 각기 설치된 복수의 차량의 주행정보들에 기반하여 제 1 기준 주행패턴을 결정하고, 각 차량의 주행패턴과 상기 제 1 기준 주행패턴을 비교하여 의심 차량을 식별하는 단계를 포함하는, 위험운전 경고 방법이 제공된다.
바람직하게, 상기 위험운전 경고 방법은, (c) 상기 의심 차량의 위치 정보에 기반하여 상기 의심 차량에 근접한 주변 차량들을 결정하는 단계; 및 (d) 상기 의심 차량의 주행정보 및 상기 주변 차량들의 주행정보에 기반하여 제 2 기준 주행패턴을 결정하고, 상기 제 2 기준 주행패턴과 상기 의심 차량의 주행패턴을 비교하여 상기 의심 차량의 위험운전 여부를 판단하는 더 단계를 포함할 수 있다.
바람직하게, 상기 위험운전 경고 방법은, (e) 상기 (d) 단계에서 상기 의심 차량이 위험운전 차량으로 판단되는 경우, 상기 위험운전 차량 내의 위험운전 경고 단말기로 위험운전 경고 메시지를 전송하는 단계를 더 포함할 수 있다.
바람직하게, 상기 (e) 단계는 상기 위험운전 차량의 주행패턴을 분석하여 상기 위험운전의 유형을 판단하고, 상기 위험운전 알림부는 판단된 위험운전 유형에 따른 경고 메시지를 상기 위험운전 차량 내의 위험운전 경고 단말기로 전송할 수 있다.
바람직하게, 상기 (e) 단계는 상기 위험운전 차량에 근접한 주변 차량 내의 위험운전 경고 단말기로 위험운전 차량 근접 경고 메시지를 더 전송할 수 있다.
바람직하게, 상기 위험운전 차량 근접 경고 메시지는 상기 위험운전 차량과 상기 주변 차량 사이의 거리 정보를 포함할 수 있다.
바람직하게, 상기 위험운전 경고 방법은, (f) 상기 (e) 단계 이후에 상기 의심 차량 대신 상기 위험운전 차량을 기준으로 상기 (c) 단계 내지 상기 (e) 단계를 재수행하는 단계를 더 포함할 수 있다.
바람직하게, 상기 의심 차량의 식별 및 상기 위험운전 차량의 판단은 수집된 주행정보들을 통계적으로 분석함으로써 수행될 수 있다.
바람직하게, 상기 의심 차량의 식별 및 상기 위험운전 차량의 판단은 수집된 주행정보들에 마할라노비스 거리(Mahalanobis Distance) 알고리즘을 기반으로 한 K-최근접 이웃(K-Nearest Neighbor: K-NN) 군집화를 적용함으로써 수행될 수 있다.
본 발명의 다른 일 측면에 따르면, 위험운전을 경고하기 위한 위험운전 경고 서버로서, 차량 내의 위험운전 경고 단말기로부터 차량의 주행정보를 수집하는 주행정보 수집부; 및 상기 위험운전 경고 단말기가 각기 설치된 복수의 차량의 주행정보들에 기반하여 제 1 기준 주행패턴을 결정하고, 각 차량의 주행패턴과 상기 제 1 기준 주행패턴을 비교하여 의심 차량을 식별하는 위험운전 판단부를 포함하는, 위험운전 경고 서버가 제공된다.
바람직하게, 상기 위험운전 판단부는, 상기 의심 차량의 위치 정보에 기반하여 상기 의심 차량에 근접한 주변 차량들을 결정하고; 및 상기 의심 차량의 주행정보 및 상기 주변 차량들의 주행정보에 기반하여 제 2 기준 주행패턴을 결정하고, 상기 제 2 기준 주행패턴과 상기 의심 차량의 주행패턴을 비교하여 상기 의심 차량의 위험운전 여부를 판단하도록 구성될 수 있다.
바람직하게, 상기 위험운전 경고 서버는, 상기 의심 차량이 위험운전 차량으로 판단되는 경우, 상기 위험운전 차량 내의 위험운전 경고 단말기로 위험운전 경고 메시지를 전송하는 위험운전 알림부를 더 포함할 수 있다.
바람직하게, 상기 위험운전 판단부는 상기 위험운전 차량의 주행패턴을 분석하여 상기 위험운전의 유형을 판단하고, 상기 위험운전 알림부는 판단된 위험운전 유형에 따른 경고 메시지를 상기 위험운전 차량 내의 위험운전 경고 단말기로 전송하도록 구성될 수 있다.
바람직하게, 상기 위험운전 알림부는 상기 위험운전 차량에 근접한 주변 차량 내의 위험운전 경고 단말기로 위험운전 차량 근접 경고 메시지를 더 전송하도록 구성될 수 있다.
바람직하게, 상기 위험운전 차량 근접 경고 메시지는 상기 위험운전 차량과 상기 주변 차량 사이의 거리 정보를 포함할 수 있다.
바람직하게, 상기 위험운전 판단부는 판단된 위험운전 차량에 대해 위험운전 상태가 해소될 때까지 위험운전 여부를 지속적으로 모니터링하며, 상기 위험운전 알림부는 판단된 위험운전 차량에 대해 위험운전 상태가 해소될 때까지 상기 위험운전 차량 내의 위험운전 경고 단말기로 상기 위험운전 경고 메시지를 전송하도록 구성될 수 있다.
바람직하게, 상기 위험운전 판단부는 수집된 주행정보들을 통계적으로 분석하여 상기 의심 차량을 식별하고 상기 위험운전 차량을 판단하도록 구성될 수 있다.
바람직하게, 상기 위험운전 판단부는 수집된 주행정보들에 마할라노비스 거리 알고리즘을 기반으로 한 K-최근접 이웃 군집화를 적용함으로써 상기 의심 차량을 식별하고 상기 위험운전 차량을 판단하도록 구성될 수 있다.
본 발명의 바람직한 일 실시예에 따르면, 특정 차량의 주행정보뿐만 아니라 주변 환경, 주변 차량의 위치 및 속도 등을 고려하여 위험운전 여부를 판단함으로써 위험운전 여부를 보다 정확하게 판단할 수 있는 효과를 기대할 수 있다.
또한, 본 발명에 따르면, 위험운전 차량이 식별되는 경우, 식별된 위험운전 차량에 근접해 있는 주변 차량으로 위험운전 경고를 제공할 수 있는 효과를 기대할 수 있다.
도 1은 본 발명의 바람직한 일 실시예에 따른 위험운전 경고 시스템의 개략적인 구성 블록도이다.
도 2는 본 발명의 바람직한 일 실시예에 따른 위험운전 경고 단말기의 구성 블록도이다.
도 3은 본 발명의 바람직한 일 실시예에 따른 위험운전 경고 서버의 구성 블록도이다.
도 4는 본 발명의 바람직한 일 실시예에 따른 위험운전 경고 방법을 수행하기 위한 순서도이다.
도 5a는 본 발명에서 이용하는 마할라노비스 거리를 설명하기 위한 도로 상황의 예시도이다.
도 5b는 도 5a에 도시된 도로 상황에 적용될 수 있는 마할라노비스 거리 알고리즘을 예시하는 그래프이다.
도 6a는 본 발명에서 이용하는 K-NN 군집화를 설명하기 위한 도로 상황의 예시도이다.
도 6b는 본 발명에 따른 K-NN 군집화를 이용한 위험운전 차량 판단의 예시도이다.
후술하는 본 발명에 대한 상세한 설명은, 본 발명이 실시될 수 있는 특정 실시예를 예시로서 도시하는 첨부 도면을 참조한다. 이들 실시예는 당업자가 본 발명을 실시할 수 있기에 충분하도록 상세히 설명된다. 본 발명의 다양한 실시예는 서로 다르지만 상호 배타적일 필요는 없음이 이해되어야 한다. 예를 들어, 여기에 기재되어 있는 특정 형상, 구조 및 특성은 일 실시예에 관련하여 본 발명의 정신 및 범위를 벗어나지 않으면서 다른 실시예로 구현될 수 있다. 또한, 각각의 개시된 실시예 내의 개별 구성요소의 위치 또는 배치는 본 발명의 정신 및 범위를 벗어나지 않으면서 변경될 수 있음이 이해되어야 한다. 따라서, 후술하는 상세한 설명은 한정적인 의미로서 취하려는 것이 아니며, 본 발명의 범위는 적절하게 설명된다면 그 청구항들이 주장하는 것과 균등한 모든 범위와 더불어 첨부된 청구항에 의해서만 한정된다. 도면에서 유사한 참조부호는 여러 측면에 걸쳐서 동일하거나 유사한 기능을 지칭한다.
이하, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있도록 하기 위하여, 본 발명의 바람직한 실시예들에 관하여 첨부된 도면을 참조하여 상세히 설명하기로 한다.
[본 발명의 바람직한 실시예]
본 발명에 따른 위험운전 경고 시스템의 개괄
본 발명에 따른 위험운전 경고 시스템의 구성을 설명하기에 앞서, 종래기술과 차별화되는 본 발명의 주요한 기술적 특징에 대해 간략히 살펴보기로 한다. 앞서 언급한 바와 같이 종래기술에 따른 위험운전 경고 시스템의 경우 특정 차량의 주행패턴만을 분석하기 때문에 주변 차량, 주변 환경 등을 일체 고려할 수 없다는 문제점이 있다. 따라서, 이러한 종래기술의 문제점을 해결하기 위하여, 본 발명은 본 발명에 따른 위험운전 경고 단말기(100)가 배치되고 현재 운행 중인 다수의 차량(이하에서 '차량'을 언급하는 경우, 이러한 '차량'에 본 발명에 따른 위험운전 경고 단말기(100)가 배치되어 있는 것으로 가정한다)의 주행정보를 수집하여 일반적인 주행패턴(제 1 기준 주행패턴)을 결정하고, 각 차량의 주행패턴과 결정된 제 1 기준 주행패턴을 비교함으로써 대부분의 차량들의 주행패턴과 상이한 주행패턴을 갖는 차량을 의심 차량으로 식별하도록 구성된다. 즉, 본 발명은 현재 주행중인 다수의 차량의 주행정보를 분석하여 제 1 기준 주행패턴을 결정함으로써 위험운전 여부의 판단에 주변 차량의 정보들이 반영될 수 있다는 점에 있어 종래기술과 명확하게 차별성이 있다. 제 1 기준 주행패턴은 다양한 알고리즘을 이용하여 결정될 수 있으며, 일 실시예에 있어, 주행중인 다수•‘ 차량의 주행정보를 통계적으로 처리하여 결정될 수 있다. 이러한 특징은 주행조건들(예를 들어, 주행시간대, 주행요일, 등)에 따라 위험운전에 대한 판단기준이 동적으로 변화될 수 있기 때문에, 종래기술에 비해 큰 이점이 있다. 즉, 위험운전에 대한 판단기준 자체가 일률적으로 정의되기 힘든 측면이 있다. 예를 들어, 주행조건이 열악한 경우(예를 들어, 혼잡 시간대, 기상 상태 악화 등)에 차량들의 일반적인 주행패턴이 시속 10km라면, 시속 40km로 주행하는 차량이 위험운전 차량으로서 주변 차량들에게 위협이 될 수 있다. 반면, 주행조건이 양호한 경우(예를 들어, 통행량이 적은 시간대, 기상 조건 양호 등)에 차량들의 일반적인 주행패턴이 시속 60km이라면 시속 70km의 주행패턴을 갖는 차량은 위험운전 차량이 아닐 수 있다. 따라서, 본 발명은 주행중인 다수의 차량(또는 모든 차량)의 주행정보를 통계적으로 분석함으로써 주변 환경, 주변 차량들을 종합적으로 고려하여 위험운전 차량을 식별할 수 있도록 구성된다. 주행패턴을 판단하기 위한 주행정보로서 시속을 예시하였지만, 이는 오로지 설명 및 예시를 위한 것이며, 다양한 주행정보(예를 들어, 속도 정보, 가속도 정보, 변위 정보, 주행 방향 정보, 주행 방향 변화량 정보, 단위시간 당 방향변경 횟수, 방향변경 정도 등등)들이 필요에 따라 다양하게 선택되어 주행패턴을 판단하는데 이용될 수 있다는 것이 당업자에게 자명할 것이다.
또한, 전술한 바에 더하여, 본 발명은 위험운전 여부를 보다 더 정확히 판단하기 위하여 지역적인 특징을 고려한다. 예를 들어, 동일한 시간대라 하더라도, 기역에 따라 통행량이 많은 혼잡한 지역이 있는 반면, 통행량이 적은 지역이 존재할 수 있다. 또한, 다른 예로서, 사고가 발생하여 주행조건이 열악한 지역이 있는 반면, 사고가 없이 주행조건이 양호한 지역이 존재할 수 있다. 따라서, 본 발명은 이러한 점에 착안하여, 1차적으로 의심 차량으로 식별된 차량에 근접한 주변 차량들의 일반적인 주행패턴(제 2 기준 주행패턴)을 결정하고, 결정된 제 2 기준 주행패턴과 의심 차량의 주행패턴을 비교함으로써 위험운전 여부를 최종적으로 판단하도록 구성된다.
전술한 바와 같은 주변 차량들의 식별이 또한 본 발명의 주요한 기술적 특징에 일조한다. 전술한 바와 같이, 종래기술의 경우 위험운전 차량을 운전하는 운전자에게만 경고를 제공하도록 구성되어 있다는 문제점이 있었다. 본 발명은 이러한 종래기술의 문제점을 해결하기 위하여, 의심 차량이 위험운전 차량으로 최종적으로 확정되는 경우, 의심 차량에 근접한 주변 차량으로 결정된 주변 차량들에 배치된 위험운전 경고 단말기로 위험운전 차량 근접 경고 메시지를 제공하도록 구성된다. 다만, 실시예를 구성하기에 따라, 제 2 기준 주행패턴을 결정하기 위해 이용되는 주변 차량들의 범위와 경고 메시지를 전송하도록 결정되는 주변 차량들의 범위가 동일할 수도 있으며, 또는, 상이할 수 있다. 예를 들어, 제 2 기준 주행패턴을 결정하기 위해 이용되는 주변 차량들이 의심 차량으로부터 반경 2km 내의 차량으로 결정될 수 있는 반면, 경고 메시지를 전송하도록 결정되는 주변 차량들은 위험운전 차량으로부터 반경 500m 내의 차량으로 결정될 수도 있다.
이하에서 첨부된 도면들을 참조하여 본 발명의 구성 및 기능에 대해 구체적으로 설명하도록 한다.
본 발명에 따른 위험운전 경고 시스템의 구성 및 기능
도 1은 본 발명의 바람직한 일 실시예에 따른 위험운전 경고 시스템의 개략적인 구성 블록도이며, 도 2는 본 발명의 바람직한 일 실시예에 따른 위험운전 경고 단말기의 구성 블록도이고, 도 3은 본 발명의 바람직한 일 실시예에 따른 위험운전 경고 서버의 구성 블록도이다.
이하에서, 도 1 내지 도 3을 참조하여, 본 발명에 따른 위험운전 경고 시스템에 대해 구체적으로 살펴보도록 한다.
도 1에 도시되어 있는 바와 같이, 본 발명에 따른 위험운전 경고 시스템은 복수의 위험운전 경고 단말기들(100a 내지 100n)(이하에서 집합적인 개념 또는 대표적인 개념으로 사용되는 경우 위험운전 경고 단말기(100)라 함), 네트워크(200), 위험운전 경고 서버(300) 및 교통정보 서버(400)를 포함할 수 있다.
위험운전 경고 단말기의 구성 및 기능
본 발명에 따른 위험운전 경고 단말기(100)는 각각의 차량(미도시) 내에 배치되며, 주행중인 차량의 주행정보를 수집하여 네트워크(200)를 통해 위험운전 경고 서버(300)로 전송하는 기능을 수행하도록 구성된다. 이러한 위험운전 경고 단말기(100)는 고정적으로 차량 내에 설치될 수도 있으며, 또는 일시적으로 차량 내에 배치될 수도 있다. 위험운전 경고 단말기(100)에 의해 수집되는 주행정보는, 비제한적으로, 위치정보(GPS 정보), 속도정보, 가속도정보, 진행 방향정보 등 차량의 주행과 관련된 다양한 정보들을 포함할 수 있다.
또한, 위험운전 경고 단말기(100)는 네트워크(200)를 통해 위험운전 경고 서버(300)로부터 전송되는 경고 메시지를 수신하여 출력하도록 구성될 수 있다. 예를 들어, 위험운전 차량으로 판단된 차량에 배치된 위험운전 경고 단말기(100)는 위험운전 경고 서버(300)로부터 전송되는 위험운전 경고 메시지를 수신하여 출력할 수 있다. 실시예를 구성하기에 따라, 위험운전 경고 서버(300)가 위험운전의 유형(예를 들어, 졸음운전, 난폭운전 등)을 판단하도록 구성되는 경우, 위험운전 경고 단말기(100)는 위험운전 경고 서버(300)로부터 전송되는 유형별 위험운전 경고 메시지를 수신하여 출력할 수 있다. 또한, 위험운전 차량에 인접한 주변 차량에 배치된 위험운전 경고 단말기(100)는 경고 서버(300)로부터 전송되는 위험운전 차량 근접 경고 메시지를 수신하여 출력할 수 있다.
이러한 본 발명에 따른 위험운전 경고 단말기(100)는, 비제한적으로, 네비게이션 장치, 스마트 폰, 노트북, PDA, 랩탑, 팜탑 등과 같은 주행정보를 수집하여 위험운전 경고 서버(300)로 전송하고 위험운전 경고 서버(300)로부터 경고 메세지를 수신하여 출력할 수 있는 다양한 정보통신 기기를 이용하여 구현될 수 있다. 위험운전 경고 단말기(100)는 위험운전을 경고하기 위한 전용 장치일 수도 있으며, 또는, 범용 단말기에 본 발명에 따른 각종 기능을 수행하기 위한 모듈(소프트웨어, 하드웨어, 또는 이들의 조합)이 탑재되어 구성될 수도 있다.
도 2는 본 발명의 바람직한 일 실시예에 따른 위험운전 경고 단말기의 구성 블록도이다. 전술한 바와 같은 본 발명에 따른 위험운전 경고 단말기(100)에 대해 도 2를 참조하여 더 구체적으로 살펴보도록 한다.
도 2에 도시되어 있는 바와 같이, 전술한 바와 같은 기능을 수행하기 위하여, 본 발명에 따른 위험운전 경고 단말기(100)는 제어부(110), GPS 수신부(112), 화면 표시부(114), 통신부(116), 경고음 발생부(118), 주행 안내부(120), 센서부(122)를 포함할 수 있다.
GPS 수신부(112)는 GPS 위성들과 통신하여 차량의 현재 위치를 결정하고, 위치정보를 제어부(110)로 출력하도록 구성되며, 센서부(122)는 차량의 주행과 관련된 각종 정보를 센싱하여 제어부(110)로 출력하도록 구성된다. 이러한 센서부(122)는 복수의 센서들을 포함할 수 있으며, 예시적으로, 속도 센서, 가속도 센서, 자이로 센서 등등을 포함할 수 있다.
화면 표시부(114)는 제어부(110)의 제어에 따라 각종 정보를 시각적으로 출력하도록 구성되며, 주행 안내부(120)는 사용자의 요청에 따라 제어부(110)의 제어 하에서 네비게이션 기능을 수행하도록 구성된다.
통신부(116)는 제어부(110)의 제어에 따라 네트워크(200)를 통한 통신을 수행하도록 구성되며, 실시예를 구성하기에 따라 하나 이상의 유형의 네트워크들을 통해 데이터 통신을 수행할 수 있도록 구성될 수도 있다.
경고음 발생부(118)는 제어부(110)의 제어에 따라 위험운전 경고 서버(300)로부터 전송되는 경고 메시지에 따른 경고음을 생성하여 출력하도록 구성된다.
제어부(110)는 위험운전 경고 단말기(100) 내의 구성요소들 각각을 제어하여 전술한 바와 같은 주행정보의 수집 및 전송 기능과, 경고 메세지 수신 및 출력 기능을 수행하도록 구성된다. 즉, 제어부(110)는 차량이 주행중인 것으로 판단되는 경우, GPS 수신부(112)로부터 위치정보를 입력받고, 센서부(122)로부터 각종 센싱정보를 입력받아 미리 설정된 주행정보를 생성하여 네트워크(200)를 통해 위험운전 경고 서버(300)로 전송하게 된다. 또한, 제어부(110)는 위험운전 경고 서버(300)로부터 경고 메시지가 수신되는지 여부를 판단하고, 경고 메시지가 수시되는 경우 경고음 발생부(118) 및/또는 화면 표시부(114)를 제어하여 경고 메시지를 청각적 및/또는 시각적으로 출력하게 된다.
위험운전 경고 서버의 구성 및 기능
본 발명에 따른 위험운전 경고 서버(300)는 네트워크(200)를 통해 각 차량에 배치된 각각의 위험운전 경고 단말기(100)로부터 각 차량의 주행정보를 수집하고 이를 데이터베이스(350)에 저장하며, 수집된 각 차량의 주행정보를 통계적으로 분석하여 일반적인 주행패턴에서 벗어나는 의심 차량의 결정 및 위험운전 차량의 확정 기능을 수행하도록 구성된다. 또한, 본 발명에 따른 위험운전 경고 서버(300)는 위험운전 차량이 확정되는 경우, 위험운전 차량에 설치된 위험운전 경고 단말기(100) 및 위험운전 차량에 인접한 주변 차량에 배치된 위험운전 경고 단말기(100)로 위험운전에 관련된 경고 메시지를 전송하도록 구성된다. 또한, 본 발명에 따른 위험운전 경고 서버(300)는 도 1에 도시된 바와 같이 네트워크(200)를 통해 교통정보 서버(400)에 연결되며, 교통정보 서버(400)로부터 GIS(geographic information system) 정보, 도로 정보(도로 차선 정보, 도로 속도 제한 정보 등)을 제공받아서 이를 위험운전 여부를 판단할 때 이용하도록 구성될 수도 있다. 도 1에 도시된 바와 같은 교통정보 서버(400)는 국가 또는 지자체에서 운영하는 공적 교통정보 서버일 수도 있으며, 또는 민간에서 운영하는 사설 교통정보 서버일 수도 있다. 이러한 교통정보 서버(400)에는 교통과 관련된 다양한 정보(예를 들어, GIS 정보, 도로 정보 등)이 구조화되어 데이터베이스(450)에 저장되어 있다.
전술한 바와 같은 본 발명에 따른 위험운전 경고 서버(300)의 구성 및 기능에 대하여 도 3을 참조하여 더 구체적으로 살펴보도록 한다.
도 3은 본 발명의 바람직한 일 실시예에 따른 위험운전 경고 서버의 구성 블록도이다. 도 3에 도시되어 있는 바와 같이, 본 발명에 따른 위험운전 경고 서버(300)는 주행정보 수집부(310), 위험운전 판단부(312), 및 위험운전 알림부(314)를 포함할 수 있다.
먼저, 본 발명에 따른 주행정보 수집부(310)는 네트워크(200)를 통해 각 차량에 배치된 각각의 위험운전 경고 단말기(100)로부터 각 차량의 주행정보를 수집하고 이를 데이터베이스(350)에 저장하도록 구성될 수 있다. 또한, 실시예에 따라, 주행정보 수집부(310)는 수신된 주행정보 내에 포함된 다양한 데이터(예를 들어, 위치 정보, 속도 정보, 가속도 정보, 변위 정보, 주행 방향정보, 등등)을 분류하고, 정규화 등의 전처리 작업을 수행하도록 구성될 수도 있다.
다음으로, 본 발명에 따른 위험운전 판단부(312)는 지속적으로 수집되는 차량들의 주행정보를 모니터링하고 분석하여 위험운전이 우려되는 의심 차량이 발생되는지 여부를 판단하며, 의심 차량이 발생된 것으로 결정되는 경우 의심 차량의 주변 차량들의 주행정보에 기반하여 의심 차량이 실제로 위험운전을 하고 있는지 여부를 최종적으로 판단하여 위험운전 차량을 확정도록 구성될 수 있다.
이를 보다 구체적으로 살펴보면, 먼저, 본 발명에 따른 위험운전 판단부(312)는 복수의 차량들에 각기 설치된 위험운전 경고 단말기(100)로부터 수집된 차량들의 주행정보를 분석하여 일반적이고 평균적인 제 1 기준 주행패턴을 결정하도록 구성될 수 있다. 일 실시예에 있어, 제 1 기준 주행패턴을 결정하기 위해 사용되는 차량들의 주행정보는 현재 운행 중인 모든 차량들의 주행정보들일 수 있다. 이러한 경우, 본 발명에 따른 위험운전 판단부(312)는 주행정보가 수집되는 모든 차량들의 주행패턴을 결정된 제 1 기준 주행패턴과 각기 비교함으로써 위험 차량을 식별하도록 구성된다. 다른 실시예에 있어, 제 1 기준 주행패턴을 결정하기 위해 사용되는 차량들의 주행정보는 소정의 기준에 따란 구분된 주행정보들일 수도 있다. 예를 들어, 차량들의 주행정보들이 각기 차량의 현재 위치에 따라 소정의 행정구역별로 군집화(clustering)되고, 행정구역별로 제 1 기준 주행패턴이 결정될 수 있다. 예를 들어, 서울 지역에서의 제 1 기준 주행패턴을 결정하기 위해 서울 지역에서 운행 중인 차량들의 주행정보들이 분석될 수 있다. 마찬가지로, 경기 지역에서의 제 1 기준 주행패턴을 결정하기 위해 경기 지역에서 운행 중인 차량들의 주행정보들이 분석될 수도 있다. 이러한 경우, 본 발명에 따른 위험운전 판단부(312)는 해당 군집 내의 차량들의 주행패턴을 결정된 해당 군집의 제 1 기준 주행패턴과 각기 비교함으로써 위험 차량을 식별하도록 구성된다.
한편, 본 발명에 있어, 제 1 기준 주행패턴을 결정하고 위험 차량을 식별함에 있어 데이터를 분석/가공하기 위한 다양한 알고리즘들이 이용될 수 있다. 다만, 이하에서는 위험운전 판단부(312)가 수집된 주행정보들의 통계적인 분석을 통해 제 1 기준 주행패턴을 결정하고, 위험 차량을 식별하도록 구성된 실시예를 기준으로 설명을 진행하도록 하지만, 본 발명이 이러한 통계적인 분석 알고리즘들에 한정되는 것은 아니라는 점을 명심해야 한다. 통계적인 분석 방법에 있어, 가장 단순한 방식으로, 주행정보에 포함된 각각의 변량(variate)(예를 들어, 위치 정보, 속도 정보, 가속도 정보, 변위 정보, 주행 방향 정보, 주행 방향 변화량 정보) 중 설정된 적어도 하나의 변량에 대하여 전체적인 평균을 구하고, 각 차량의 해당되는 변량과 비교하여 미리 설정된 임계값 이상으로 오차가 발생하는 차량을 위험 차량으로 식별할 수 있다. 예를 들어, 아주 단순하게 차량의 현재 속도를 변량으로 하여 의심 차량을 식별하도록 구성되는 경우, 주행중인 차량들의 평균 속도가 제 1 기준 주행패턴으로 결정되며, 이를 각 차량의 속도를 비교하여 그 오차가 미리 설정된 임계값 이상으로 발생하는 차량을 위험 차량으로 식별할 수 있다. 물론, 이는 설명의 용이함을 위한 단지 예시적인 일 예일 뿐이며, 통계적인 분석 방법, 통계적인 분석에 이용될 변량(들)의 결정/전처리 등이 필요에 따라 다양하게 구현될 수 있음이 당업자에게 자명할 것이다.
보다 바람직하게, 본 발명에 따른 위험운전 판단부(312)는 의심 차량을 식별하기 위해 미리 설정된 변량들에 마할라노비스 거리(Mahalanobis Distance) 알고리즘을 기반으로 한 K-최근접 이웃(K-Nearest Neighbor: K-NN) 군집화를 적용함으로써, 제 1 기준 주행패턴을 결정하고 이에 기초하여 의심 차량을 식별하도록 구성될 수 있다. 마할라노비스 거리란 각각의 케이스가 여러가지 변량의 중심값(평균값, mean)들로 이루어진 중심(centroid)에 대해 갖는 거리를 말한다. 여러 변량을 동시에 이용하여 살펴보는 다변량(multivariate) 분석의 경우에, 각각의 중심값을 중앙에 교차시켜 케이스 값들을 나열해 보면 일종의 군집을 이루게 되는데, 마할라노비스 거리는 특정 케이스의 값이 중심에서 얼마나 벗어났는가를 보기 위한 거리값이다. 즉, 마할라노비스 거리는 데이터의 분포 모양을 고려한 거리 측도이다. 따라서, 중심값으로부터의 마할라노비스 거리가 크면 클수록 해당 군집 내에서 이상적인 케이스로 판단될 수 있다. 이러한 알고리즘을 차량의 주행패턴에 적용하면, 중심값으로부터 마할라노비스 거리가 미리 설정된 임계값 이상으로 큰 차량을 의심 차량으로 식별하거나 또는 위험운전 차량으로 판단할 수 있다.
도 5a는 본 발명에서 이용하는 마할라노비스 거리를 설명하기 위한 도로 상황의 예시도이며, 도 5b는 도 5a에 도시된 도로 상황에 적용될 수 있는 마할라노비스 거리 알고리즘을 예시하는 그래프이다. 이하에서 도 5a 및 도 5b를 참조하여, 본 발명에서 이용하는 마할라노비스 거리 알고리즘에 대해 구체적으로 살펴본다.
일반적인 클러스터링 기법의 경우 유클리드 거리를 이용한 단수 데이터의 개별 비교방식이 주로 사용되며, 이러한 경우 변량간의 상관도와 관계없이 비슷한 위치에 있는 모든 변량들이 같은 군집으로 분류된다. 그러나 실제 도로 상에는 여러가지 상황들이 존재하기 때문에, 각 변량의 값이 유사하지 않더라도 도로의 특성을 고려하여 정상으로 분류해야 하는 경우가 존재한다. 예를 들어, 도 5a에 도시되 예시도에 있어, 제 1 차량(510)은 직진 주행중인 차량으로서 속도가 높고 가속도가 낮은 주행패턴을 보이고 있는 차량으로 가정하고, 제 2 차량(520)은 우회전하여 도로구간에 진입하는 차량으로서 속도가 낮고 가속도가 높은 주행패턴을 보이고 있는 차량으로 가정한다. 직진 주행의 속성상 직진 주행 차량은 속도가 높고 가속도가 낮은 주행패턴을 갖는 것이 정상적이며, 우회전 진입 주행의 속성상 우회전 진입 차량은 속도가 낮고 가속도가 높은 주행패턴을 갖는 것이 정상적이다. 따라서, 속도가 높고 가속도가 낮은 주행패턴을 보이는 제 1 차량(510)과 속도가 낮고 가속도가 높은 주행패턴을 보이는 제 2 차량(520)이 모두 정상적인 주행패턴을 보이는 정상운전 차량으로 분류되어야만 한다. 그러나, 유클리드 거리를 이용하는 경우 단순히 변량간의 거리만을 획일적으로 비교하기 때문에, 제 1 차량(510) 및 제 2 차량(520)이 동일한 군집으로 분류될 수 없는 문제점이 있다. 따라서, 본 발명에 따른 위험운전 판단부(312)는 마할라노비스 거리를 이용하여 1차적으로 클러스터링을 수행하도록 구성된다. 마할라노비스 거리는 변량간의 상관도를 분석하는 방식으로서, 도 5a의 상황에 있어 이상에서 살펴본 바와 같이 정상주행의 경우 각 차량의 주행속성상 제 1 변량인 속도와 제 2 변량인 가속도 사이에 반비례하는 상관 관계가 있다고 분석될 수 있다. 즉, 속도가 높은 차량은 가속도가 낮은게 정상이며, 속도가 낮은 차량은 가속도가 높은게 정상이고, 이를 위배하는 경우 비정상으로 분류될 수 있다. 이러한 속도와 가속도 간의 상관도(530)가 도 5b에 도시되어 있다. 따라서, 전술한 바와 같은 경우, 제 1 차량(510) 및 제 2 차량(520)이 동일한 그룹으로서 클러스터링될 수 있다. 이상에서는 이해의 편의를 도모하기 위하여, 속도 및 가속도만을 변량으로 고려한 경우에 대하여 설명하였지만, 필요에 따라 변량들의 수 및 종류가 다양하게 설정되어 이용될 수 있음이 당업자에게 자명할 것이다. 예시적인 일 실시예에 있어, 본 발명에 따른 위험운전 판단부(312)는 주행 방향, 주행 방향 변화량, 주행 속도, 및 가속도의 4개의 변량들을 사용하도록 구성될 수 있다.
도 6a는 본 발명에서 이용하는 K-NN 군집화를 설명하기 위한 도로 상황의 예시도이이며, 도 6b는 본 발명에 따른 K-NN 군집화를 이용한 위험운전 차량 판단의 예시도이다. 이하에서 도 6a 및 도 6b를 참조하여, 본 발명에 따른 마할라노비스 거리에 기초한 K-NN 군집화를 이용한 위험운전 차량 판단 알고리즘에 대해 구체적으로 살펴보도록 한다.
도 6a에는 직진 주행중인 직진 차량들(610) 및 좌회전 주행중인 좌회전 차량들(620)이 도시되어 있으며, 도 6b에는 도 6a에 도시된 도로구간을 주행중인 차량들에 대한 마할라노비스 거리에 기초한 K-NN 군집화 결과가 도시되어 있다. 도 6b에서, 전술한 바와 같이 설명 및 이해의 편의를 위하여 2개의 변량들(주행 속도 및 가속도)만을 이용한 K-NN 군집화 결과가 도시된다.
도 6b를 더 구체적으로 살펴보면, 각 차량이 각자의 속도 및 가속도를 기준으로 속도-가속도 그래프 상에 매핑되며, 마할라노비스 거리에 기초하여 K-NN 군집화 알고리즘을 이용하여 군집화된다. 즉, 본 발명에 따른 위험운전 판단부(312)는 특정 도로구간을 주행중인 차량들의 주행경로에 따라 개별 차량의 주행정보를 분류하기 위하여 K-NN 군집화를 이용하도록 구성된다. 위험운전 판단부(312)는 도 5a 및 도 5b를 참조하여 이상에서 설명된 마할라노비스 거리를 이용하여 상관도를 도출하고, 도출된 상관도를 반영하여 개별 차량의 데이터를 클러스터링하도록 구성된다. 도 6b에는 직진 주행중인 차량들에 대한 제 1 상관도(612) 및 좌회전 주행중인 차량들에 대한 제 2 상관도(622)가 도시되어 있다. 즉, 도 6b에 있어 직진 차량들의 그룹인 제 1 그룹(614)의 중심에 있는 데이터와 좌회전 차량들의 그룹인 제 2 그룹(624)에 있는 데이터 사이의 유클리드 거리가 제 1 그룹(614)의 중심에 있는 데이터와 제 1 그룹(614)의 말단에 있는 데이터 사이의 유클리드 거리보다 더 짧지만, 전술한 바와 같이 본 발명에 따른 위험운전 판단부(312)는 유클리드 거리가 아니라 마할라노비스 거리에 기반한 상관도를 이용하여 군집화를 수행하도록 구성되기 때문에, 도 6b에 도시된 바와 같이 2개의 그룹들(즉, 직진 주행중인 차량들의 제 1 그룹(614) 및 좌회전 주행중인 차량들의 제 2 그룹(624))로 클러스터링될 수 있다. 한편, K-NN 클러스터링은 주행 방향, 신호 주기 등에 따라 다르게 나타날 수 있는 데이터를 분류하기 위해 사용될 수 있다. 도 6a의 예에서, 설명의 목적을 위하여 일단 직진 주행중인 차량들 및 좌회전 주행중인 차량들만을 대상으로 하고 있으므로, 클러스터링 결과 2개의 그룹들이 결정될 수 있다. 다만, 이는 예시적인 설명에 불과하며, 도로구간의 구성(예를 들어, 삼거리, 사거리 등), 신호 주기 등에 따라 차량들이 2개 이상의 그룹들로 클러스터링될 수 있될 수 있다는 것을 유의해야만 한다.
클러스터링 결과 그룹들의 개수(위의 예에 있어 2개)와 각 그룹의 중심이 정해지면, 본 발명에 따른 위험운전 판단부(312)는 개별 차량의 데이터와 각 그룹의 중심과의 마할라노비스 거리를 산출한다. 각 그룹의 중심으로부터의 개별 차량의 데이터의 마할라노비스 거리가 산출되면, 위험운전 판단부(312)는 산출된 마할라노비스 거리에 기초하여 해당 차량이 정상적인 주행패턴을 보이고 있는지 또는 비정상적인 주행패턴을 보이고 있는지 여부를 판단한다. 예를 들어, 특정 그룹(예를 들어, 제 1 그룹(614))의 중심으로부터 미리 설정되거나 또는 산출되는 마할라노비스 거리 이내에 있는 차량은 해당 그룹에 속하는 정상주행 차량으로 식별되지만, 모든 그룹들의 중심들로부터 미리 설정되거나 또는 산출되는 마할라노비스 거리 이상에 있는 차량은 어느 그룹에도 속하지 않는 비정상 주행 차량으로 식별될 수 있다. 도 6b에 도시된 예에 있어, 제 3 차량(630)은 급가속 차량으로서 어느 그룹에도 속하지 않은 비정상적인 주행패턴을 보이고 있으며, 유사하게 제 4 차량(632)은 주정차 차량으로서 어느 그룹에도 속하지 않은 비정상적인 주행패턴을 보이고 있고, 제 5 차량(634)은 과속 차량으로서 마찬가지로 어느 그룹에도 속하지 않은 비정상적인 주행패턴을 보이고 있다. 따라서, 본 발명에 따른 위험운전 판단부(312)는 제 3 차량(630), 제 4 차량(632), 및 제 5 차량(634)을 비정상적인 주행패턴을 보이고 있는 의심 차량 및/또는 위험운전 차량으로 판단할 수 있다.
이상에서 도 5a 내지 도 6b를 참조하여, 본 발명에 따른 위험운전 판단부(312)에서 수행되는 마할라노비스 거리 알고리즘을 기반으로 한 K-최근접 이웃 군집화에 의한 의심 차량 및/또는 위험운전 차량의 판단과정에 대하여 살펴보았다. 이상의 설명에 있어, 전술한 바와 같이 설명 및 이해의 편의를 위하여 2개의 변량들(주행 속도 및 가속도)만을 이용한 K-NN 군집화 결과를 설명하였지만, 주행 방향, 주행 방향 변화량, 주행 속도, 및 가속도를 포함하는 차량 주행과 관련된 다양한 정보들이 필요에 따라 의심 차량을 식별하기 위한 변량으로 설정될 수 있으며, 이러한 변량 유형의 설정 및 변량 유형의 수는 이론적으로 또는 실험적으로 결정될 수 있다. 마할라노비스 거리 알고리즘 자체는 이미 공지된 기술을 이용하고 있는 바, 이에 대한 더 이상의 상세한 설명은 생략하도록 한다.
또한, 본 발명에 따른 위험운전 판단부(312)는 1차적으로 의심 차량이 식별된 후, 주행정보에 포함된 위치정보에 기반하여 의심 차량에 근접한 주변 차량들을 식별하고, 식별된 주변 차량들의 주행정보들에 기반하여 의심 차량이 위험운전 차량인지 여부를 최종적으로 결정하도록 구성될 수 있다. 예를 들어, 위험운전 판단부(312)는 의심 차량으로부터 반경 2km 이내의 차량들이 주변 차량으로 식별할 수 있으며, 주변 차량으로 식별된 차량들의 주행정보들을 분석하여 제 2 주행패턴을 결정하고, 제 2 주행패턴과 의심 차량의 주행패턴을 비교/분석하여 의심 차량이 위험운전 차량인지 여부를 최종적으로 결정할 수 있다. 이러한 제 2 주행패턴을 결정 및 위험운전 차량의 판단은 전술한 바와 유사하게 마할라노비스 거리 알고리즘을 기반으로 한 K-최근접 이웃 군집을 이용하여 수행되도록 구성될 수 있다. 다만 의심 차량의 식별에 사용되는 변량의 유형 및 수와 위험운전 차량 확정에 사용되는 변량의 유형 및 수가 상이할 수 있다. 즉, 의심 차량을 식별하기 위해서는 아주 많은 수의 차량의 주행정보를 분석/모니터링해야 하므로 이러한 경우 변량의 유형 및 수를 상대적으로 적게 설정하고, 반면, 의심 차량이 식별된 후에는 상대적으로 적은 수의 차량의 주행정보를 분석해야 하므로 분석/판단의 정확성을 제고하기 위해 변량의 유형 및 수를 상대적으로 크게 설정할 수 있다. 즉, 본 발명에 따른 위험운전 판단부(312)는 1차적으로는 최대한 간단하고 단순하게 의심 차량을 식별한 후, 2차적으로 주변 차량들 및 의심 차량의 주행정보를 정밀하게 분석하여 의심 차량이 실제 위험운전을 하고 있는지 여부를 판단하도록 구성될 수 있다. 이러한 방식으로 구성되는 경우, 시스템의 속도를 향상시킬 수 있는 동시에 위험운전 차량의 정확한 판단이 가능하게 된다는 장점이 있다.
또한, 본 발명에 따른 위험운전 판단부(312)는 위험운전 차량으로 식별된 차량의 주행패턴에 기초하여 위험운전의 유형을 추가적으로 판단하도록 구성될 수도 있다. 대표적인 위험운전 유형들로서 난폭운전과 졸음운전이 있을 수 있다. 각 유형의 위험운전들이 각기 고유하고 특징적인 주행패턴을 가질 수 있으며, 이러한 위험운전 유형별 주행패턴들이 데이터베이스(350)에 저장될 수 있다. 이러한 경우, 위험운전 판단부(312)는 위험운전 차량으로 식별된 차량의 주행패턴을 데이터베이스(350)에 저장된 위험운전 유형별 주행패턴들과 비교함으로써 위험운전의 유형을 판단하도록 구성될 수 있다.
또한, 본 발명에 따른 위험운전 판단부(312)는 위험운전 차량으로 식별된 차량의 주행패턴이 개선되어 위험운전 상태가 해소될 때까지 지속적으로 모니터링하고 후술하는 위험운전 알림부(314)를 통해 계속해서 경고 메세지를 전송하도록 구성될 수 있다. 이러한 모니터링 시, 위험운전 판단부(312)는 전술한 바와 같은 위험운전 차량 판단 알고리즘에 따라 주변 차량의 주행정보들에 기초하여 위험운전 차량의 주행패턴을 모니터링하도록 구성된다.
한편, 본 발명에 따른 위험운전 알림부(314)는 위험운전 판단부(312)에 의해 최종적으로 위험운전 차량으로 판단된 차량 내의 위험운전 경고 단말기(100)로 위험운전 경고 메시지를 전송하도록 구성될 수 있다. 이때, 전술한 바와 같이, 위험운전 판단부(312)가 위험운전의 유형까지 판단하도록 구성된 경우, 위험운전 알림부는 판단된 위험운전 유형에 따른 경고 메시지(예를 들어, 난폭운전 경고 메시지, 졸음운전 경고 메시지)를 위험운전 차량 내의 위험운전 경고 단말기(100)로 전송하도록 구성될 수 있다.
또한, 본 발명에 따른 위험운전 알림부(314)는 위험운전 차량에 근접한 주변 차량 내의 위험운전 경고 단말기(100)로 위험운전 차량 근접 경고 메시지를 더 전송하도록 구성될 수 있다. 이때, 주변 차량으로 전송되는 위험운전 차량 근접 경고 메시지에는 위험운전 차량과의 거리, 위험운전 차량의 위치 등 주변 차량 운전자가 위험운전 차량을 식별할 수 있는 다양한 정보가 포함될 수 있다. 일 실시예에 있어, 위험운전 차량 근접 경고 메시지를 수신하는 위험운전 경고 단말기(100)가 위험운전 차량의 위치를 전자 지도상에 출력하거나, 및/또는 음성으로 출력하도록 구성될 수도 있다. 또한, 전술한 바와 같이 제 2 기준 주행패턴을 결정하기 위해 이용되는 주변 차량들은 의심 차량으로부터 반경 2km 내의 차량으로 결정될 수 있는 반면, 경고 메시지를 전송하도록 결정되는 주변 차량들은 위험운전 차량으로부터 반경 500m 내의 차량으로 결정될 수도 있다.
또한, 본 발명에 따른 위험운전 알림부(314)는 위험운전 판단부(312)는 위험운전 차량으로 식별된 차량의 주행패턴이 개선되어 위험운전 상태가 해소될 때까지 지속적으로 경고 메세지를 위험운전 차량 및 주변 차량으로 전송하도록 더 구성될 수도 있다.
한편, 본 발명에 따른 위험운전 경고 서버(300)는 관제부(316)를 더 포함할 수 있다. 관제부(316)는 위험운전 경고 서버(300)와 하나의 시스템 내에 통합될 수 있거나, 또는 별개의 시스템으로 상호 연결되도록 구성될 수도 있다. 위험운전 차량이 최종적으로 확정되는 경우, 위험운전 판단부(312)는 위험운전 차량에 관한 정보를 관제부(316)로 전송할 수 있으며, 관제부(316)는 이에 기초해 적절한 교통 관제를 수행하도록 구성될 수 있다. 예를 들어, 위험운전 판단부(312)로부터 위험운전 차량에 관한 정보가 전송되는 경우, 관제부(316)는 위험운전 차량의 현재 위치에 기반하여 주변 교통 시설물(예를 들어, 전광판, 스피커 등)을 통해 위험운전 경고 메시지를 송출할 수 있다. 다른 예에 있어, 위험운전 판단부(312)로부터 위험운전 차량에 관한 정보가 전송되는 경우, 관제부(316)는 관제 요원의 단말기(미도시)로 관련된 정보를 출력하여 관제 요원이 적절한 교통 관제를 수행하도록 할 수도 있다.
위험운전 경고 방법의 일 예
도 4는 본 발명의 바람직한 일 실시예에 따른 위험운전 경고 방법을 수행하기 위한 순서도이다. 이하에서 도 4를 참조하여, 전술한 바와 같이 구성된 위험운전 경고 서버(300)에서 수행되는 위험운전 경고 방법의 실시예에 대해 살펴보도록 한다.
위험운전 경고 서버(300)는 지속적으로 현재 주행중인 차량들에 각각 설치된 위험운전 경고 단말기들(100)로부터 주행중인 차량들의 주행정보를 수집하며, 이를 데이터베이스(350)에 저장한다(S400).
동시에, 위험운전 경고 서버(300)는 수집된 차량들의 주행정보에 기초해 주행상황을 모니터링하고(S402), 의심 차량이 발생하는지 여부를 판단한다(S404). 전술한 바와 같이, 본 발명에 따른 위험운전 경고 서버(300)는 수집된 차량들의 주행정보에 기반하여 제 1 기준 주행패턴을 결정하고, 각 차량의 주행패턴과 제 1 기준 주행패턴을 비교하여 의심 차량을 식별할 수 있다. 의심 차량이 발생하지 않은 경우, 위험운전 경고 서버(300)는 S400 단계 내지 S402 단계를 반복적으로 수행한다. 반면, 제 1 기준 주행패턴과 크게 상이한 주행패턴을 보이는 의심 차량이 식별되는 경우, 위험운전 경고 서버(300)는 의심 차량의 위치 정보에 기반하여 의심 차량에 근접한 주변 차량들을 결정한다. 일 실시예에 있어 의심 차량을 중심으로 반경 2km 내의 차량들이 주변 차량들로 결정될 수도 있으며, 또는, 다른 실시예에 있어 의심 차량을 중심으로 반경 3km 내에 있고, 도로 상에 있으며, 주행 방향이 의심 차량과 동일한 방향인 차량들이 주변 차량들로 결정될 수도 있다. 즉, 주행정보에 포함된 다양한 정보들에 기초하여 다양한 기준들로 주변 차량들이 결정될 수 있다.
의심 차량이 식별되고 의심 차량에 인접한 주변 차량들이 결정되면, 위험운전 경고 서버(300)는 주변 차량들의 주행정보 및 의심 차량의 주행정보에 기반하여 제 2 기준 주행패턴을 결정하고 의심 차량의 주행패턴과 제 2 기준 주행패턴을 비교하여(S406), 의심 차량이 현재 위험운전을 하고 있는지 여부를 최종적으로 판단한다(S408).
주변 차량들의 일반적인 주행패턴, 즉, 제 2 기준 주행패턴과 의심 차량의 주행패턴의 차이가 설정된 임계만큼 크지 않은 경우, 위험운전 경고 서버(300)는 해당 의심 차량이 위험운전 차량이 아닌 것을 판단하고 단계 S400으로 되돌아간다.
반면, 제 2 기준 주행패턴과 의심 차량의 주행패턴의 차이가 설정된 임계이상인 경우, 위험운전 경고 서버(300)는 해당 의심 차량을 위험운전 차량으로 확정한 후, 위험운전 유형을 판단한다(S410).
위험운전 유형이 판단되면, 위험운전 경고 서버(300)는 위험운전 유형에 따른 경고 메시지를 해당 위험운전 차량에 배치된 위험운전 경고 단말기(100)로 전송한다(S412). 또한, 위험운전 경고 서버(300)는 위험운전 차량에 인접한 식별된 주변 차량들로 위험운전 차량 근접 경고 메시지를 전송한다(S414). 그 후, 위험운전 경고 서버(300)는 단계 S406으로 되돌아가서 위험운전 차량의 주행패턴이 개선되어 위험운전 상태가 해소되는지 여부를 지속적으로 모니터링한다.

Claims (18)

  1. 위험운전 경고 서버에 의해 수행되는 위험운전 경고 방법으로서,
    (a) 차량 내의 위험운전 경고 단말기로부터 차량의 주행정보를 수집하는 단계;
    (b) 상기 위험운전 경고 단말기가 각기 설치된 복수의 차량의 주행정보들에 기반하여 제 1 기준 주행패턴을 결정하고, 각 차량의 주행패턴과 상기 제 1 기준 주행패턴을 비교하여 의심 차량을 식별하는 단계;
    (c) 상기 의심 차량의 위치 정보에 기반하여 상기 의심 차량에 근접한 주변 차량들을 결정하는 단계;
    (d) 상기 의심 차량의 주행정보 및 상기 주변 차량들의 주행정보에 기반하여 제 2 기준 주행패턴을 결정하고, 상기 제 2 기준 주행패턴과 상기 의심 차량의 주행패턴을 비교하여 상기 의심 차량의 위험운전 여부를 판단하는 단계; 및
    (e) 상기 (d) 단계에서 상기 의심 차량이 위험운전 차량으로 판단되는 경우, 상기 위험운전 차량 내의 위험운전 경고 단말기로 위험운전 경고 메시지를 전송하는 단계를 포함하며,
    상기 (e) 단계는 상기 위험운전 차량의 주행패턴을 분석하여 상기 위험운전의 유형을 판단하고, 판단된 위험운전 유형에 따른 경고 메시지를 상기 위험운전 차량 내의 위험운전 경고 단말기로 전송하는, 위험운전 경고 방법.
  2. 삭제
  3. 삭제
  4. 삭제
  5. 청구항 1에 있어서,
    상기 (e) 단계는 상기 위험운전 차량에 근접한 주변 차량 내의 위험운전 경고 단말기로 위험운전 차량 근접 경고 메시지를 더 전송하는, 위험운전 경고 방법.
  6. 청구항 5에 있어서,
    상기 위험운전 차량 근접 경고 메시지는 상기 위험운전 차량과 상기 주변 차량 사이의 거리 정보를 포함하는, 위험운전 경고 방법.
  7. 청구항 1에 있어서,
    상기 위험운전 경고 방법은,
    (f) 상기 (e) 단계 이후에 상기 의심 차량 대신 상기 위험운전 차량을 기준으로 상기 (c) 단계 내지 상기 (e) 단계를 재수행하는 단계를 더 포함하는, 위험운전 경고 방법.
  8. 청구항 1에 있어서,
    상기 의심 차량의 식별 및 상기 위험운전 차량의 판단은 수집된 주행정보들을 통계적으로 분석함으로써 수행되는, 위험운전 경고 방법.
  9. 청구항 8에 있어서,
    상기 의심 차량의 식별 및 상기 위험운전 차량의 판단은 수집된 주행정보들에 마할라노비스 거리(Mahalanobis Distance) 알고리즘을 기반으로 한 K-최근접 이웃(K-Nearest Neighbor: K-NN) 군집화를 적용함으로써 수행되는, 위험운전 경고 방법.
  10. 위험운전을 경고하기 위한 위험운전 경고 서버로서,
    차량 내의 위험운전 경고 단말기로부터 차량의 주행정보를 수집하는 주행정보 수집부;
    상기 위험운전 경고 단말기가 각기 설치된 복수의 차량의 주행정보들에 기반하여 제 1 기준 주행패턴을 결정하고, 각 차량의 주행패턴과 상기 제 1 기준 주행패턴을 비교하여 의심 차량을 식별하는 위험운전 판단부; 및
    상기 의심 차량이 위험운전 차량으로 판단되는 경우, 상기 위험운전 차량 내의 위험운전 경고 단말기로 위험운전 경고 메시지를 전송하는 위험운전 알림부를 포함하며,
    상기 위험운전 판단부는,
    상기 의심 차량의 위치 정보에 기반하여 상기 의심 차량에 근접한 주변 차량들을 결정하고; 및
    상기 의심 차량의 주행정보 및 상기 주변 차량들의 주행정보에 기반하여 제 2 기준 주행패턴을 결정하고, 상기 제 2 기준 주행패턴과 상기 의심 차량의 주행패턴을 비교하여 상기 의심 차량의 위험운전 여부를 판단하며,
    상기 위험운전 판단부는 상기 위험운전 차량의 주행패턴을 분석하여 상기 위험운전의 유형을 판단하고, 상기 위험운전 알림부는 판단된 위험운전 유형에 따른 경고 메시지를 상기 위험운전 차량 내의 위험운전 경고 단말기로 전송하는, 위험운전 경고 서버.
  11. 삭제
  12. 삭제
  13. 삭제
  14. 청구항 10에 있어서,
    상기 위험운전 알림부는 상기 위험운전 차량에 근접한 주변 차량 내의 위험운전 경고 단말기로 위험운전 차량 근접 경고 메시지를 더 전송하는, 위험운전 경고 서버.
  15. 청구항 14에 있어서,
    상기 위험운전 차량 근접 경고 메시지는 상기 위험운전 차량과 상기 주변 차량 사이의 거리 정보를 포함하는, 위험운전 경고 서버.
  16. 청구항 10에 있어서,
    상기 위험운전 판단부는 판단된 위험운전 차량에 대해 위험운전 상태가 해소될 때까지 위험운전 여부를 지속적으로 모니터링하며,
    상기 위험운전 알림부는 판단된 위험운전 차량에 대해 위험운전 상태가 해소될 때까지 상기 위험운전 차량 내의 위험운전 경고 단말기로 상기 위험운전 경고 메시지를 전송하는, 위험운전 경고 서버.
  17. 청구항 10에 있어서,
    상기 위험운전 판단부는 수집된 주행정보들을 통계적으로 분석하여 상기 의심 차량을 식별하고 상기 위험운전 차량을 판단하는, 위험운전 경고 서버.
  18. 청구항 17에 있어서,
    상기 위험운전 판단부는 수집된 주행정보들에 마할라노비스 거리 알고리즘을 기반으로 한 K-최근접 이웃 군집화를 적용함으로써 상기 의심 차량을 식별하고 상기 위험운전 차량을 판단하는, 위험운전 경고 서버.
KR1020160102456A 2016-08-11 2016-08-11 위험운전 경고 방법, 이를 위한 단말기 및 서버 KR101842658B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020160102456A KR101842658B1 (ko) 2016-08-11 2016-08-11 위험운전 경고 방법, 이를 위한 단말기 및 서버

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020160102456A KR101842658B1 (ko) 2016-08-11 2016-08-11 위험운전 경고 방법, 이를 위한 단말기 및 서버

Publications (2)

Publication Number Publication Date
KR20180017906A KR20180017906A (ko) 2018-02-21
KR101842658B1 true KR101842658B1 (ko) 2018-03-27

Family

ID=61525425

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020160102456A KR101842658B1 (ko) 2016-08-11 2016-08-11 위험운전 경고 방법, 이를 위한 단말기 및 서버

Country Status (1)

Country Link
KR (1) KR101842658B1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11527154B2 (en) 2020-02-20 2022-12-13 Toyota Motor North America, Inc. Wrong way driving prevention
US11603094B2 (en) 2020-02-20 2023-03-14 Toyota Motor North America, Inc. Poor driving countermeasures
US11858528B2 (en) 2018-11-13 2024-01-02 Samsung Electro-Mechanics Co., Ltd. Driving control system with driving assistance control and autonomous driving control

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109326134A (zh) * 2018-12-03 2019-02-12 北京远特科技股份有限公司 谨慎驾驶提醒方法及装置
KR102287136B1 (ko) * 2019-01-07 2021-08-06 한국자동차연구원 주행상황 정보융합 기반 주행경로 가변화 방법 및 시스템
KR102548813B1 (ko) * 2020-11-09 2023-06-29 주식회사 엘지유플러스 위험 경고 처리를 위한 장치 및 그 제어방법
KR102357985B1 (ko) 2021-08-20 2022-02-09 주식회사 리벤츠 모바일 커뮤니티 위치기반 안전운전정보 공유 시스템 및 방법
KR102658908B1 (ko) * 2021-08-30 2024-04-19 한양대학교 에리카산학협력단 자율주행 차량의 위법 차량 신고 시스템

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003044994A (ja) * 2001-05-25 2003-02-14 Honda Motor Co Ltd 危険車両抽出装置、危険車両情報提供装置、及びそのプログラム

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003044994A (ja) * 2001-05-25 2003-02-14 Honda Motor Co Ltd 危険車両抽出装置、危険車両情報提供装置、及びそのプログラム

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11858528B2 (en) 2018-11-13 2024-01-02 Samsung Electro-Mechanics Co., Ltd. Driving control system with driving assistance control and autonomous driving control
US11527154B2 (en) 2020-02-20 2022-12-13 Toyota Motor North America, Inc. Wrong way driving prevention
US11603094B2 (en) 2020-02-20 2023-03-14 Toyota Motor North America, Inc. Poor driving countermeasures
US11837082B2 (en) 2020-02-20 2023-12-05 Toyota Motor North America, Inc. Wrong way driving prevention

Also Published As

Publication number Publication date
KR20180017906A (ko) 2018-02-21

Similar Documents

Publication Publication Date Title
KR101842658B1 (ko) 위험운전 경고 방법, 이를 위한 단말기 및 서버
KR102387240B1 (ko) 자율 주행 능력들을 갖는 차량들에 대한 위험 처리
EP1862988B1 (en) A driving assist for a vehicle
JP5447371B2 (ja) 移動体警告装置、移動体警告方法および移動体警告プログラム
CN112106124A (zh) 用于使用v2x和传感器数据的系统和方法
KR101446546B1 (ko) 위치기반 실시간 차량정보 표시시스템
JP6944472B2 (ja) 逆走ドライバを検出するための方法、装置、およびシステム
KR101944048B1 (ko) 지능형 교통 서비스 시스템 및 방법
KR20180078973A (ko) 목표차량의 운전패턴에 따른 협조 적응 순항 제어 시스템
CN107424410B (zh) 一种基于路径旅行时间计算的交通异常检测方法
WO2015052577A1 (en) Traffic lane guidance system for vehicle and traffic lane guidance method for vehicle
US11170639B2 (en) Transportation threat detection system
CN106662454A (zh) 警告通知系统、警告通知方法以及程序
KR20180053385A (ko) 차량-대-차량 인터페이스를 통해 교통 체증 정보를 제공하는 장치, 방법 및 컴퓨터 프로그램
Predic et al. Enhancing driver situational awareness through crowd intelligence
Liu et al. Evaluation of floating car technologies for travel time estimation
CN112712729B (zh) 预测运动轨迹的方法和系统
CN108122295A (zh) 一种车联网系统
CN117178309A (zh) 用于创建具有碰撞概率的地图的方法
WO2023155218A1 (en) A system and a method for reducing false alerts in a road management system
JP6732053B2 (ja) 逆走ドライバを検出するための方法、装置、およびシステム
KR101945179B1 (ko) 위험 교통류 정보 제공 시스템 및 그 방법
KR20200031286A (ko) 교통안내 시스템 및 방법
EP4176328A1 (en) Route selection using correction factors indicating phase interruptible traffic signals
CN117496726A (zh) 一种基于智能交通系统的交通控制协同方法及系统

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
GRNT Written decision to grant