KR101865590B1

KR101865590B1 - 졸음운전감지를 위한 차량주행정보 처리 방법 및 이를 이용한 졸음운전감지 장치

Info

Publication number: KR101865590B1
Application number: KR1020160177527A
Authority: KR
Inventors: 서명원; 김광섭; 정낙탁; 최수빈; 백건희
Original assignee: 성균관대학교 산학협력단
Priority date: 2016-12-23
Filing date: 2016-12-23
Publication date: 2018-07-16

Abstract

본 명세서는 졸음운전여부를 판단하는 학습 알고리즘의 정확도를 향상시킬 수 있는 졸음운전감지를 위한 차량주행정보 처리 방법 및 이를 이용한 졸음운전감지 장치를 개시한다. 졸음운전여부를 판단하기 위해 차량의 주행정보를 학습알고리즘에 입력했을 때, 단순한 주행정보를 입력하는 경우보다 데이터의 전처리를 통한 경우 정확도가 향상될 수 있다. 이때 차량의 주행정보를 어떠한 식으로 전처리할 것인지에 따라 정확도의 향상정도가 달라질 수 있는데, 본 명세서는 상기 정확도를 최대한 향상시킬 수 있는 전처리 즉, 차량주행정보 처리 방법을 개시한다.

Description

졸음운전감지를 위한 차량주행정보 처리 방법 및 이를 이용한 졸음운전감지 장치{VEHICLE'S BEHAVIOR INFORMATION PROCESSING METHOD FOR DRIVER DROWSINESS DETECTION AND DRIVER DROWSINESS DETECTION APPARATUS USING THE SAME METHOD}

본 발명은 졸음운전감지를 위한 차량주행정보 처리 방법 및 이를 이용한 졸음운전감지 장치에 관한 것으로서, 구체적으로는 차량에 설치된 다양한 센서로부터 수집한 차량주행정보를 분석하여 졸음운전여부를 판단하고자 할 때 판단의 정확도를 높이기 위한 차량주행정보 처리 방법 및 이를 이용한 졸음운전감지 장치에 관한 것이다.

요즘 졸음운전으로 인한 자동차 사고가 해마다 증가하고 있다. 특히 심야에 오랜 시간 동안 장거리 운행을 해야 하는 사업용 차량 운전자의 경우 졸음운전을 하기 쉬우며 이는 사망에 이를 수도 있는 큰 교통사고로 이어지기 때문에 이에 대한 주의가 필요하다.

종래 졸음운전 감지 기술로서 대한민국 공개특허공보 제10-2005-0108216호가 있다. 상기 종래 기술은 운전자의 운전자의 얼굴 움직임을 감지하여 눈이 감긴 횟수 또는 눈 크기를 감지하여 졸음 여부를 판단한다. 이러한 방법은 eye tracking, eye blinking, EEG(electroencephalogram), ECG(electrocardiogram) 등 기술을 활용하며 정확도는 높지만 많은 비용이 발생하고 또한 운전자에게 직간접 센서 등의 장치를 달아야 하는 부담이 있다.

대한민국 공개특허공보 제10-2005-0108216호

본 명세서는 학습알고리즘을 이용하여 졸음운전여부의 판단을 향상시킬 수 있는 정보처리 방법 및 이를 이용한 졸음운전감지 장치를 제공하고자 한다.

본 명세서에 기재된 해결과제는 이상에서 언급한 것들에 한정되지 않으며, 언급되지 아니한 다른 해결과제들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.

상기 과제를 해결하기 위한 본 명세서에 따른 방법은 데이터 수신부, 데이터 저장부, 연산부 및 학습알고리즘부를 이용하여 졸음운전감지를 위한 차량주행정보 처리 방법으로서, (a) 상기 데이터 수신부를 통해 조향핸들의 조향각, 차량의 종방향 가속도, 차량의 횡방향 가속도 및 차량의 속도 정보를 수신하고, 상기 데이터 저장부에 저장하는 단계; (b) 상기 연산부가 상기 조향핸들의 조향각, 차량의 종방향 가속도 및 차량의 횡방향 가속도 정보 각각에 대해서 현재부터 1초전까지 구간 동안(이하 '1초전구간')의 평균, 분산, 최대값, 최소값, 최대값과 최소값의 차이값, 상위 75%에 해당하는 값, 상위 50%에 해당하는 값 및 상위 25%에 해당하는 값을 산출하고 상기 데이터 저장부에 저장하는 단계; (c) 상기 연산부가 상기 조향핸들의 조향각, 차량의 종방향 가속도 및 차량의 횡방향 가속도 정보 각각에 대해서 1초전부터 5초전까지 구간 동안의 평균, 분산, 최대값, 최소값, 최대값과 최소값의 차이값, 상위 75%에 해당하는 값, 상위 50%에 해당하는 값 및 상위 25%에 해당하는 값을 산출하고 상기 데이터 저장부에 저장하는 단계; (d) 상기 연산부가 상기 조향핸들의 조향각, 차량의 종방향 가속도 및 차량의 횡방향 가속도 정보 각각에 대해서 1초전부터 2초전까지 구간 동안(이하 '2초전구간')의 평균값과 4초전부터 5초전까지 구간 동안(이하 '5초전구간')의 평균값의 차이값, 상기 2초전구간의 평균값과 3초전부터 4초전까지 구간 동안(이하 '4초전구간')의 평균값의 차이값 및 상기 2초전구간의 평균값과 2초전부터 3초전까지 구간 동안(이하 '3초전구간')의 평균값의 차이값을 산출하고 상기 데이터 저장부에 저장하는 단계; (e) 상기 연산부가 상기 조향핸들의 조향각, 차량의 종방향 가속도 및 차량의 횡방향 가속도 정보 각각에 대해서 상기 1초전구간 내지 상기 5초전구간의 각 평균값이 미리 설정된 기준범위값 이상이면 '1', 상기 1초전구간 내지 상기 5초전구간의 각 평균값이 미리 설정된 기준범위값에 포함되면 '0', 상기 1초전구간 내지 상기 5초전구간의 각 평균값이 미리 설정된 기준범위값 이하이면 '-1'으로 산출하고, 상기 산출된 1초전구간 내지 상기 5초전구간들 각각에 대한 값을 인접하는 구간의 값과 곱연산하여 곱연산된 값들을 모두 합산하고 그 합산값을 상기 데이터 저장부에 저장하는 단계; (f) 상기 연산부가 상기 차량의 속도 정보의 1초전구간의 평균값을 산출하고 상기 데이터 저장부에 저장하는 단계; 및 (g) 상기 학습알고리즘부가 상기 (b) 내지 (f) 단계에서 상기 데이터 저장부에 저장된 값을 수신하여 졸음운전여부에 대한 판단 데이터를 출력하는 단계;를 포함할 수 있다.

본 명세서의 일 실시예에 따르면, 단계 (e)에서 상기 기준범위값은, 조향각의 경우 -0.001 도(dgree) 초과이며 0.001 도 미만이고, 가속도의 경우 -0.001 m/s² 초과이며 0.001 m/s² 미만일 수 있다.

본 명세서의 일 실시예에 따르면, 상기 학습알고리즘은, Decision Tree, Neural Network, Bayesian Network, SVM 및 Markov Chain 중 어느 하나일 수 있다.

본 명세서의 일 실시예에 따르면, 상기 데이터 수신부는, 차량의 OBD 단자를 통해 차량주행정보를 수신힐 수 있다.

상기 과제를 해결하기 위한 본 명세서에 따른 졸음운전감지 장치 데이터 수신부, 데이터 저장부, 연산부 및 학습알고리즘부를 포함하는 졸음운전감지 장치로서, 상기 데이터 수신부는, 조향핸들의 조향각, 차량의 종방향 가속도, 차량의 횡방향 가속도 및 차량의 속도 정보를 수신하고, 상기 데이터 저장부에 저장하고, 상기 연산부는, 상기 조향핸들의 조향각, 차량의 종방향 가속도 및 차량의 횡방향 가속도 정보 각각에 대해서 현재부터 1초전까지 구간 동안(이하 '1초전구간')의 평균, 분산, 최대값, 최소값, 최대값과 최소값의 차이값, 상위 75%에 해당하는 값, 상위 50%에 해당하는 값 및 상위 25%에 해당하는 값을 산출하고, 상기 조향핸들의 조향각, 차량의 종방향 가속도 및 차량의 횡방향 가속도 정보 각각에 대해서 1초전부터 5초전까지 구간 동안의 평균, 분산, 최대값, 최소값, 최대값과 최소값의 차이값, 상위 75%에 해당하는 값, 상위 50%에 해당하는 값 및 상위 25%에 해당하는 값을 산출하고, 상기 조향핸들의 조향각, 차량의 종방향 가속도 및 차량의 횡방향 가속도 정보 각각에 대해서 1초전부터 2초전까지 구간 동안(이하 '2초전구간')의 평균값과 4초전부터 5초전까지 구간 동안(이하 '5초전구간')의 평균값의 차이값, 상기 2초전구간의 평균값과 3초전부터 4초전까지 구간 동안(이하 '4초전구간')의 평균값의 차이값 및 상기 2초전구간의 평균값과 2초전부터 3초전까지 구간 동안(이하 '3초전구간')의 평균값의 차이값을 산출하고, 상기 조향핸들의 조향각, 차량의 종방향 가속도 및 차량의 횡방향 가속도 정보 각각에 대해서 상기 1초전구간 내지 상기 5초전구간의 각 평균값이 미리 설정된 기준범위값 이상이면 '1', 상기 1초전구간 내지 상기 5초전구간의 각 평균값이 미리 설정된 기준범위값에 포함되면 '0', 상기 1초전구간 내지 상기 5초전구간의 각 평균값이 미리 설정된 기준범위값 이하이면 '-1'으로 산출하고, 상기 산출된 1초전구간 내지 상기 5초전구간들 각각에 대한 값을 인접하는 구간의 값과 곱연산하여 곱연산된 값들을 모두 합산하고, 상기 차량의 속도 정보의 1초전구간의 평균값을 산출하고 상기 데이터 저장부에 저장하고, 상기 학습알고리즘부는, 상기 상기 연산부가 산출하여 상기 데이터 저장부에 저장된 값을 수신하여 졸음운전여부에 대한 판단 데이터를 출력할 수 있다.

본 명세서에 따른 졸음운전감지 장치는 상기 학습알고리즘부에서 출력된 정보를 수신하며, 수신된 정보가 졸음운전에 해당할 때 경고를 출력하는 경보부;를 더 포함할 수 있다.

본 명세서의 일 측면에 따르면, 졸음운전여부를 판단하는 학습 알고리즘의 정확도를 향상시킬 수 있다.

본 명세서의 다른 측면에 따르면, 추가 장비를 최소하고 기존 장비를 활용한 졸음운전감지 장치를 제공할 수 있다.

본 명세서에 기재된 효과는 이상에서 언급된 것들에 한정되지 않으며, 언급되지 아니한 다른 효과들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.

도 1은 본 명세서에 따른 졸음운전감지 장치의 구성을 개략적으로 도시한 블록도이다.
도 2 내지 4는 본 명세서에 따른 차량주행정보 처리 방법을 도시한 흐름도이다.
도 5는 시간에 따른 차량의 주행정보를 나타낸다.
도 6 내지 도 9는 조향핸들의 조향각에 대한 수식의 참고도이다.
도 10 내지 도 12는 차량의 종방향 가속도(b)에 대한 수식의 참고도이다.
도 13 내지 도 15는 차량의 횡방향 가속도(c)에 대한 수식의 참고도이다.

이하, 첨부한 도면을 참조하여, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 설명한다. 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 용이하게 이해할 수 있는 바와 같이, 후술하는 실시예는 본 발명의 개념과 범위를 벗어나지 않는 한도 내에서 다양한 형태로 변형될 수 있다. 가능한 한 동일하거나 유사한 부분은 도면에서 동일한 도면부호를 사용하여 나타낸다.

본 명세서에서 사용되는 전문용어는 단지 특정 실시예를 언급하기 위한 것이며, 본 발명을 한정하는 것을 의도하지는 않는다. 여기서 사용되는 단수 형태들은 문구들이 이와 명백히 반대의 의미를 나타내지 않는 한 복수 형태들도 포함한다.

본 명세서에서 사용되는 "포함하는"의 의미는 특정 특성, 영역, 정수, 단계, 동작, 요소 및/또는 성분을 구체화하며, 다른 특정 특성, 영역, 정수, 단계, 동작, 요소, 성분 및/또는 군의 존재나 부가를 제외시키는 것은 아니다.

본 명세서에서 사용되는 기술용어 및 과학용어를 포함하는 모든 용어들은 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 일반적으로 이해하는 의미와 동일한 의미를 가진다. 사전에 정의된 용어들은 관련기술문헌과 현재 개시된 내용에 부합하는 의미를 가지는 것으로 추가 해석되고, 정의되지 않는 한 이상적이거나 매우 공식적인 의미로 해석되지 않는다.

이하에서는 본 명세서에 따른 졸음운전감지를 위한 차량주행정보 처리 방법 및 이를 이용한 졸음운전감지 장치를 설명하고자 한다.

도 1은 본 명세서에 따른 졸음운전감지 장치의 구성을 개략적으로 도시한 블록도이다.

도 1을 참조하면, 본 명세서에 따른 졸음운전감지 장치(100)는 데이터 수신부(110), 데이터 저장부(120), 연산부(130) 및 학습알고리즘부(140)를 포함할 수 있다.

상기 데이터 수신부(110)는 다양한 장치로부터 출력되는 조향핸들의 조향각, 차량의 종방향 가속도, 차량의 횡방향 가속도 및 차량의 속도 정보를 수신할 수 있다. 상기 다양한 장치는 차량용 OBD(ON-Board Diagonsis)기기, 스마트폰, Kviser 등이 될 수 있다. 단 본 명세서가 상기 예시로 기재된 기기에 의해 권리범위가 제한되는 것은 아니며, 차량의 주행정보를 출력할 수 있는 다양한 기기를 모두 포함할 수 있다. 나아가, 2이상의 기기로부터 각각 차량의 주행정보를 수신할 수도 있다.

상기 데이터 저장부(120)는 상기 데이터 수신부(110)를 통해 수신된 차량의 주행정보 및 상기 연산부(130)에서 산출된 다양한 값 및 상기 학습알고리즘부(140)에서 졸음운전여부를 판단하는 과정에서 필요한 다양한 정보를 저장할 수 있다. 상기 데이터 저장부(120)는 RAM, ROM, EEPROM등 데이터를 기록하고 소거할 수 있다고 알려진 공지의 반도체 소자나 하드 디스크와 같은 대용량 저장매체로서, 디바이스의 종류에 상관 없이 정보가 저장되는 디바이스를 총칭하는 것으로서 특정 메모리 디바이스를 지칭하는 것은 아니다.

상기 연산부(130)는 이하에서 상세히 설명될 다양한 연산을 수행할 수 있다. 상기 연산부(130)는 마이크로프로세서로 구성할 수 있다. 이런 경우, 상기 연산부(130)의 동작은 프로그램 모듈로 구현할 수 있다. 프로그램 모듈은 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터에 의해 판독 가능한 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합으로 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 프로그램 분야의 당업자에게 공지되어 사용 가능한 것일 수도 있다. 또한, 상기 연산부(130)의 구성요소는 논리회로를 포함하는 전자회로 모듈로 구체화될 수 있다. 전자회로 모듈의 일 예로는 주문형 반도체(ASIC)을 들 수 있다. 하지만 본 명세서가 이에 한정되는 것은 아니다.

상기 학습알고리즘부(140)는 상기 연산부(130)에서 산출된 다양한 값들을 이용하여 졸음운전여부를 판단하는 데이터를 출력할 수 있다. 상기 학습알고리즘은 Decision Tree, Neural Network, Bayesian Network, SVM 또는 Markov Chain 등 공지의 다양한 학습알고리즘이 사용될 수 있다. 상기 학습알고리즘 자체는 이미 공지의 기술인바 상세한 설명은 생략하도록 한다.

도 2 내지 4는 본 명세서에 따른 차량주행정보 처리 방법을 도시한 흐름도이다.

본 명세서에 따른 차량주행정보 처리 방법은 상기 졸음운전감지 장치(100)를 이용하여 졸음운전감지를 위한 차량주행정보 처리하는 방법이 될 수 있다. 이하에서 언급되는 각 구성은 상기 졸음운전감지 장치(100)에 해당할 수 있다.

도 2 내지 4를 참조하면, 먼저 단계 S200에서 상기 데이터 수신부(110)를 통해 조향핸들의 조향각, 차량의 종방향 가속도, 차량의 횡방향 가속도 및 차량의 속도 정보를 수신할 수 있다. 이때 수신된 정보들은 상기 데이터 저장부(120)에 저장될 수 있다. 그리고 본 방법은 단계 S210으로 이행한다.

단계 S210에서, 상기 연산부(130)가 상기 조향핸들의 조향각, 차량의 종방향 가속도 및 차량의 횡방향 가속도 정보 각각에 대해서 현재부터 1초전까지 구간 동안(이하 '1초전구간')의 평균, 분산, 최대값, 최소값, 최대값과 최소값의 차이값, 상위 75%에 해당하는 값, 상위 50%에 해당하는 값 및 상위 25%에 해당하는 값을 산출하고 상기 데이터 저장부(120)에 저장할 수 있다. 여기서 조향핸들의 조향각은 도(dgree) 단위의 크기를 가지고, 차량의 종방향 가속도 및 차량의 횡방향 가속도는 m/s² 단위의 크기를 갖는다. 그리고 본 방법은 단계 S220으로 이행한다.

단계 S220에서, 상기 연산부(130)가 상기 조향핸들의 조향각, 차량의 종방향 가속도 및 차량의 횡방향 가속도 정보 각각에 대해서 1초전부터 5초전까지 구간 동안의 평균, 분산, 최대값, 최소값, 최대값과 최소값의 차이값, 상위 75%에 해당하는 값, 상위 50%에 해당하는 값 및 상위 25%에 해당하는 값을 산출하고 상기 데이터 저장부(120)에 저장할 수 있다. 그리고 본 방법은 단계 S230으로 이행한다.

단계 S230에서, 상기 연산부(130)가 상기 조향핸들의 조향각, 차량의 종방향 가속도 및 차량의 횡방향 가속도 정보 각각에 대해서 1초전부터 2초전까지 구간 동안(이하 '2초전구간')의 평균값과 4초전부터 5초전까지 구간 동안(이하 '5초전구간')의 평균값의 차이값, 상기 2초전구간의 평균값과 3초전부터 4초전까지 구간 동안(이하 '4초전구간')의 평균값의 차이값 및 상기 2초전구간의 평균값과 2초전부터 3초전까지 구간 동안(이하 '3초전구간')의 평균값의 차이값을 산출하고 상기 데이터 저장부(120)에 저장할 수 있다. 그리고 본 방법은 단계 S240으로 이행한다.

단계 S240에서, 상기 연산부(130)가 상기 조향핸들의 조향각, 차량의 종방향 가속도 및 차량의 횡방향 가속도 정보 각각에 대해서 상기 1초전구간 내지 상기 5초전구간의 각 평균값이 미리 설정된 기준범위값 이상이면 '1', 상기 1초전구간 내지 상기 5초전구간의 각 평균값이 미리 설정된 기준범위값에 포함되면 '0', 상기 1초전구간 내지 상기 5초전구간의 각 평균값이 미리 설정된 기준범위값 이하이면 '-1'으로 산출하고, 상기 산출된 1초전구간 내지 상기 5초전구간들 각각에 대한 값을 인접하는 구간의 값과 곱연산하여 곱연산된 값들을 모두 합산하고 상기 데이터 저장부(120)에 저장할 수 있다. 여기서 상기 기준범위값은, 조향각의 경우 -0.001 도(dgree) 초과이며 0.001 도 미만이고, 가속도의 경우 -0.001 m/s² 초과이며 0.001 m/s² 미만일 수 있다. 그리고 본 방법은 단계 S250으로 이행한다.

단계 S250에서, 상기 연산부(130)가 상기 차량의 속도 정보의 1초전구간의 평균값을 산출하고 상기 데이터 저장부(120)에 저장할 수 있다. 그리고 본 방법은 단계 S260으로 이행한다.

단계 S260에서, 상기 학습알고리즘부(140)가 상기 단계 S210 내지 단계 S250에서 상기 데이터 저장부(120)에 저장된 값을 수신하여 졸음운전여부에 대한 판단 데이터를 출력할 수 있다. 그리고 본 방법은 상기 단계 S200으로 되돌아가서 다시 단계 S200 내지 단계 S260을 반복하여 실시간으로 졸음운전 여부를 판단할 수 있다.

한편, 도 2 내지 도 4에서는 단계 S210 내지 단계 S250가 순차적으로 이행되는 실시예를 도시하였으나, 본 명세서에 따른 방법이 상기 예시에 제한되는 것은 아니다. 상기 단계 S210 내지 단계 S250은 그 연산 순서가 서로 바뀔 수 있으며, 동시에 연산되거나, 병렬처리방식으로 연산되는 것도 가능하다.

이하에서는 도 5 내지 도 15를 참조하여, 상기 각 주행정보를 처리하는 과정을 수식으로 확인하여 보다 이해의 편의를 돕도록 하겠다.

도 5는 시간에 따른 차량의 주행정보를 나타낸다.

도 5를 참조하면, 상단에서부터 조향핸들의 조향각(a), 차량의 종방향 가속도(b), 차량의 횡방향 가속도(c) 및 차량의 속도(d) 정보가 도시된 것을 확인할 수 있다. 또한, 각 정보에 표기된 숫자는 수신된 시간과 관련 있다. 예를 들어, a₁은 현재를 기준으로 5초전에 입력된 정보이다. 그리고 a₅₀은 현재에 입력된 정보이다. 도 5에 도시된 예시에서는 1초에 10개의 정보가 수신되는 예시를 도시하였으나, 이는 차량의 주행정보를 샘플링(sampling)하는 횟수에 따라 다양해 질 수 있다. 본 명세서에서는 10개의 정보마다 1초의 시간 간격에 해당하며, 이행의 편의를 위해 현재부터 1초전까지 구간 동안을 '1초전구간', 1초전부터 2초전까지 구간 동안을 '2초전구간', 2초전부터 3초전까지 구간 동안을 '3초전구간', 3초전부터 4초전까지 구간 동안을 '4초전구간' 및 4초전부터 5초전까지 구간 동안을 '5초전구간'이라 명명한다. 본 출원인의 연구에 따르면, 현재를 기준으로 5초전 주행정보를 이용하여 졸음운전여부를 판단할 경우 가장 높은 효율로 졸음여부를 판단할 수 있었다. 즉, 졸음운전에 따라 비정상적인 주행패턴을 판단하기 위해서는 5초구간동안의 정보를 비교할 때 졸음여부의 판단 정확도가 상승하는 연구결과에 따른 것이다.

도 6은 연산부가 조향핸들의 조향각(a)에 대한 단계 S210에 해당하는 값을 산출하는 수식의 참고도이다.

1번 수식(Mean Steering for 1sec)은 1초 단위로 평균 조향각의 크기를 측정하므로써 차량의 현재 횡방향 움직임에 대한 정보를 취득하는 것을 의미한다.

2번 수식(Variation_Steering for 1sec)은 졸음 운전의 경우 깊은 수면이 아닌 얕은 수면의 경향을 보이며 운전자는 반복적으로 졸음과 깨어남을 반복하게 되고, 이 경우 핸들링의 움직임이 격하게 발생하기 때문에 1초 동안의 핸들링의 분산값을 통해 핸들 변화량을 추정하는 것을 의미한다.

3번 내지 5번 수식(Max, Min, Peak to peak)은 1초 동안 발생되는 핸들링의 최대각, 최소각 그리고 Peak to Peak를 측정하여 핸들링 변화량의 절대값을 측정하여 위의 분산값과 더불어 운전자의 핸들링의 변화량 등을 반영하는 것을 의미한다.

도 7은 연산부가 조향핸들의 조향각(a)에 대한 단계 S220에 해당하는 값을 산출하는 수식의 참고도이다.

9번 수식(Average Steering 2~5sec ago)은 현 시점을 기준으로 2초 전부터 5초 전까지의 핸들링의 평균값을 적용. 순간적인 변화뿐만 아니라 차선 침범 등이 복합적으로 발생되는 경우를 예측하는 것을 의미한다.

10번 수식(Variation 2~5sec ago)은 2~5초 전 동안의 핸들링의 분산값을 통해 얼마나 운전자가 얼마나 많은 조향각의 변화를 주었는지를 반영하는 값을 의미한다.

11번 내지 13번 수식(Min-max-peak to peak)은 2~5초 전 동안의 핸들링의 최대 최소와 그 차이를 통해 위의 분산값과 더불어 변화량을 의미한다.

14번 내지 16번 수식(75%, 50%, 25% 2~5 sec ago)은 평균과 분산에서 발생될 수 있는 오류들에 대해 분율 값을 이용하여 보정을 의미한다.

도 8은 연산부가 조향핸들의 조향각(a)에 대한 단계 S230에 해당하는 값을 산출하는 수식의 참고도이다.

17번 내지 19번 수식(Steering value from present)은 현재 핸들링 조향각 대비 과거 2~5초 동안 핸들링의 변화량을 얻어내어 조향각 변화의 변화량 및 횟수를 측정하는 것을 의미한다.

도 9은 연산부가 조향핸들의 조향각(a)에 대한 단계 S240에 해당하는 값을 산출하는 수식의 참고도이다.

20번(Counting of direction change) 프로그램식은 과거 5초 동안 차량 진행 방향 0도를 기준으로 +와 -로 차량의 좌우로 몇번 움직였는지를 Counting 하여 사행운전 등을 감지하는 것을 의미한다. 참고로 'M_5s'는 5초전 구간을 의미한다.

도 10 내지 도 12는 차량의 종방향 가속도(b)에 대한 단계 S220 내지 단계 S240에 해당하는 값을 산출하는 수식의 참고도이다. 수식 21 내지 수식 40은 그 대상만 조향핸들의 조향각(a)에서 차량의 종방향 가속도(b)으로 바뀌었으며, 각 수식은 서로 대응된다. 따라서 반복적인 설명은 생략한다.

도 13 내지 도 15는 차량의 횡방향 가속도(c)에 대한 단계 S220 내지 단계 S240에 해당하는 값을 산출하는 수식의 참고도이다. 수식 41 내지 수식 60은 그 대상만 조향핸들의 조향각(a)에서 차량의 종방향 가속도(c)으로 바뀌었으며, 각 수식은 서로 대응된다. 따라서 반복적인 설명은 생략한다.

본 명세서에서 설명되는 실시예와 첨부된 도면은 본 발명에 포함되는 기술적 사상의 일부를 예시적으로 설명하는 것에 불과하다. 따라서, 본 명세서에 개시된 실시예들은 본 발명의 기술적 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이므로, 이러한 실시예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아님은 자명하다. 본 발명의 명세서 및 도면에 포함된 기술적 사상의 범위 내에서 당업자가 용이하게 유추할 수 있는 변형 예와 구체적인 실시 예는 모두 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.

100 : 졸음운전감지 장치
110 : 데이터 수신부
120 : 데이터 저장부
130 : 연산부
140 : 학습알고리즘부

Claims

데이터 수신부, 데이터 저장부, 연산부 및 학습알고리즘부를 이용하여 졸음운전감지를 위한 차량주행정보 처리 방법으로서,
(a) 상기 데이터 수신부를 통해 조향핸들의 조향각, 차량의 종방향 가속도, 차량의 횡방향 가속도 및 차량의 속도 정보를 수신하고, 상기 데이터 저장부에 저장하는 단계;
(b) 상기 연산부가 상기 조향핸들의 조향각, 차량의 종방향 가속도 및 차량의 횡방향 가속도 정보 각각에 대해서 현재부터 1초전까지 구간 동안(이하 '1초전구간')의 평균, 분산, 최대값, 최소값, 최대값과 최소값의 차이값, 상위 75%에 해당하는 값, 상위 50%에 해당하는 값 및 상위 25%에 해당하는 값을 산출하고 상기 데이터 저장부에 저장하는 단계;
(c) 상기 연산부가 상기 조향핸들의 조향각, 차량의 종방향 가속도 및 차량의 횡방향 가속도 정보 각각에 대해서 1초전부터 5초전까지 구간 동안의 평균, 분산, 최대값, 최소값, 최대값과 최소값의 차이값, 상위 75%에 해당하는 값, 상위 50%에 해당하는 값 및 상위 25%에 해당하는 값을 산출하고 상기 데이터 저장부에 저장하는 단계;
(d) 상기 연산부가 상기 조향핸들의 조향각, 차량의 종방향 가속도 및 차량의 횡방향 가속도 정보 각각에 대해서 1초전부터 2초전까지 구간 동안(이하 '2초전구간')의 평균값과 4초전부터 5초전까지 구간 동안(이하 '5초전구간')의 평균값의 차이값, 상기 2초전구간의 평균값과 3초전부터 4초전까지 구간 동안(이하 '4초전구간')의 평균값의 차이값 및 상기 2초전구간의 평균값과 2초전부터 3초전까지 구간 동안(이하 '3초전구간')의 평균값의 차이값을 산출하고 상기 데이터 저장부에 저장하는 단계;
(e) 상기 연산부가 상기 조향핸들의 조향각, 차량의 종방향 가속도 및 차량의 횡방향 가속도 정보 각각에 대해서 상기 1초전구간 내지 상기 5초전구간의 각 평균값이 미리 설정된 기준범위값 이상이면 '1', 상기 1초전구간 내지 상기 5초전구간의 각 평균값이 미리 설정된 기준범위값에 포함되면 '0', 상기 1초전구간 내지 상기 5초전구간의 각 평균값이 미리 설정된 기준범위값 이하이면 '-1'으로 산출하고, 상기 산출된 1초전구간 내지 상기 5초전구간들 각각에 대한 값을 인접하는 구간의 값과 곱연산하여 곱연산된 값들을 모두 합산하고 그 합산값을 상기 데이터 저장부에 저장하는 단계;
(f) 상기 연산부가 상기 차량의 속도 정보의 1초전구간의 평균값을 산출하고 상기 데이터 저장부에 저장하는 단계; 및
(g) 상기 학습알고리즘부가 상기 (b) 내지 (f) 단계에서 상기 데이터 저장부에 저장된 값을 수신하여 졸음운전여부에 대한 판단 데이터를 출력하는 단계;를 포함하는 것을 특징으로 하는 차량주행정보 처리 방법.
청구항 1에 있어서,
상기 단계 (e)에서 상기 기준범위값은, 조향각의 경우 -0.001 도(dgree) 초과이며 0.001 도 미만이고, 가속도의 경우 -0.001 m/s² 초과이며 0.001 m/s² 미만인 것을 특징으로 하는 차량주행정보 처리 방법.
청구항 1에 있어서,
상기 학습알고리즘부는, Decision Tree, Neural Network, Bayesian Network, SVM 및 Markov Chain 중 어느 하나인 것을 특징으로 하는 차량주행정보 처리 방법.
청구항 1에 있어서,
상기 데이터 수신부는, 차량의 OBD 단자를 통해 차량주행정보를 수신하는 것을 특징으로 하는 차량주행정보 처리 방법.
데이터 수신부, 데이터 저장부, 연산부 및 학습알고리즘부를 이용하여 졸음운전감지를 위한 차량주행정보 처리 방법으로서,
(a) 상기 데이터 수신부를 통해 조향핸들의 조향각, 차량의 종방향 가속도, 차량의 횡방향 가속도 및 차량의 속도 정보를 수신하고, 상기 데이터 저장부에 저장하는 단계;
(b) 상기 연산부가 상기 조향핸들의 조향각, 차량의 종방향 가속도 및 차량의 횡방향 가속도 정보 각각에 대해서 현재부터 1초전까지 구간 동안(이하 '1초전구간')의 평균, 분산, 최대값, 최소값, 최대값과 최소값의 차이값, 상위 75%에 해당하는 값, 상위 50%에 해당하는 값 및 상위 25%에 해당하는 값을 산출하고,
상기 연산부가 상기 조향핸들의 조향각, 차량의 종방향 가속도 및 차량의 횡방향 가속도 정보 각각에 대해서 1초전부터 5초전까지 구간 동안의 평균, 분산, 최대값, 최소값, 최대값과 최소값의 차이값, 상위 75%에 해당하는 값, 상위 50%에 해당하는 값 및 상위 25%에 해당하는 값을 산출하고,
상기 연산부가 상기 조향핸들의 조향각, 차량의 종방향 가속도 및 차량의 횡방향 가속도 정보 각각에 대해서 1초전부터 2초전까지 구간 동안(이하 '2초전구간')의 평균값과 4초전부터 5초전까지 구간 동안(이하 '5초전구간')의 평균값의 차이값, 상기 2초전구간의 평균값과 3초전부터 4초전까지 구간 동안(이하 '4초전구간')의 평균값의 차이값 및 상기 2초전구간의 평균값과 2초전부터 3초전까지 구간 동안(이하 '3초전구간')의 평균값의 차이값을 산출하고,
상기 연산부가 상기 조향핸들의 조향각, 차량의 종방향 가속도 및 차량의 횡방향 가속도 정보 각각에 대해서 상기 1초전구간 내지 상기 5초전구간의 각 평균값이 미리 설정된 기준범위값 이상이면 '1', 상기 1초전구간 내지 상기 5초전구간의 각 평균값이 미리 설정된 기준범위값에 포함되면 '0', 상기 1초전구간 내지 상기 5초전구간의 각 평균값이 미리 설정된 기준범위값 이하이면 '-1'으로 산출하고, 상기 산출된 1초전구간 내지 상기 5초전구간들 각각에 대한 값을 인접하는 구간의 값과 곱연산하여 곱연산된 값들을 모두 합산하고,
상기 연산부가 상기 차량의 속도 정보의 1초전구간의 평균값을 산출하고 상기 데이터 저장부에 저장하는 단계; 및
(c) 상기 학습알고리즘부가 상기 (b) 단계에서 상기 데이터 저장부에 저장된 값을 수신하여 졸음운전여부에 대한 판단 데이터를 출력하는 단계;를 포함하는 것을 특징으로 하는 차량주행정보 처리 방법.
데이터 수신부, 데이터 저장부, 연산부 및 학습알고리즘부를 포함하는 졸음운전감지 장치로서,
상기 데이터 수신부는, 조향핸들의 조향각, 차량의 종방향 가속도, 차량의 횡방향 가속도 및 차량의 속도 정보를 수신하고, 상기 데이터 저장부에 저장하고,
상기 연산부는, 상기 조향핸들의 조향각, 차량의 종방향 가속도 및 차량의 횡방향 가속도 정보 각각에 대해서 현재부터 1초전까지 구간 동안(이하 '1초전구간')의 평균, 분산, 최대값, 최소값, 최대값과 최소값의 차이값, 상위 75%에 해당하는 값, 상위 50%에 해당하는 값 및 상위 25%에 해당하는 값을 산출하고,
상기 조향핸들의 조향각, 차량의 종방향 가속도 및 차량의 횡방향 가속도 정보 각각에 대해서 1초전부터 5초전까지 구간 동안의 평균, 분산, 최대값, 최소값, 최대값과 최소값의 차이값, 상위 75%에 해당하는 값, 상위 50%에 해당하는 값 및 상위 25%에 해당하는 값을 산출하고,
상기 조향핸들의 조향각, 차량의 종방향 가속도 및 차량의 횡방향 가속도 정보 각각에 대해서 1초전부터 2초전까지 구간 동안(이하 '2초전구간')의 평균값과 4초전부터 5초전까지 구간 동안(이하 '5초전구간')의 평균값의 차이값, 상기 2초전구간의 평균값과 3초전부터 4초전까지 구간 동안(이하 '4초전구간')의 평균값의 차이값 및 상기 2초전구간의 평균값과 2초전부터 3초전까지 구간 동안(이하 '3초전구간')의 평균값의 차이값을 산출하고,
상기 조향핸들의 조향각, 차량의 종방향 가속도 및 차량의 횡방향 가속도 정보 각각에 대해서 상기 1초전구간 내지 상기 5초전구간의 각 평균값이 미리 설정된 기준범위값 이상이면 '1', 상기 1초전구간 내지 상기 5초전구간의 각 평균값이 미리 설정된 기준범위값에 포함되면 '0', 상기 1초전구간 내지 상기 5초전구간의 각 평균값이 미리 설정된 기준범위값 이하이면 '-1'으로 산출하고, 상기 산출된 1초전구간 내지 상기 5초전구간들 각각에 대한 값을 인접하는 구간의 값과 곱연산하여 곱연산된 값들을 모두 합산하고,
상기 차량의 속도 정보의 1초전구간의 평균값을 산출하고 상기 데이터 저장부에 저장하고,
상기 학습알고리즘부는, 상기 연산부가 산출하여 상기 데이터 저장부에 저장된 값을 수신하여 졸음운전여부에 대한 판단 데이터를 출력하는 것을 특징으로 하는 졸음운전감지 장치.
청구항 6에 있어서,
상기 학습알고리즘부에서 출력된 정보를 수신하며, 수신된 정보가 졸음운전에 해당할 때 경고를 출력하는 경보부;를 더 포함하는 것을 특징으로 하는 졸음운전감지 장치.
청구항 6에 있어서,
상기 기준범위값은, 조향각의 경우 -0.001 도(dgree) 초과이며 0.001 도 미만이고, 가속도의 경우 -0.001 m/s² 초과이며 0.001 m/s² 미만인 것을 특징으로 하는 졸음운전감지 장치.
청구항 6에 있어서,
상기 학습알고리즘부는, Decision Tree, Neural Network, Bayesian Network, SVM 및 Markov Chain 중 어느 하나인 것을 특징으로 하는 졸음운전감지 장치.
청구항 6에 있어서,
상기 데이터 수신부는, 차량의 OBD 단자를 통해 차량주행정보를 수신하는 것을 특징으로 하는 졸음운전감지 장치.