KR101881127B1 - 운전 패턴 모니터링 방법, 운전 패턴 모니터링 서버 및 시스템 - Google Patents

운전 패턴 모니터링 방법, 운전 패턴 모니터링 서버 및 시스템 Download PDF

Info

Publication number
KR101881127B1
KR101881127B1 KR1020150126360A KR20150126360A KR101881127B1 KR 101881127 B1 KR101881127 B1 KR 101881127B1 KR 1020150126360 A KR1020150126360 A KR 1020150126360A KR 20150126360 A KR20150126360 A KR 20150126360A KR 101881127 B1 KR101881127 B1 KR 101881127B1
Authority
KR
South Korea
Prior art keywords
operation pattern
previous
information
vehicle
current
Prior art date
Application number
KR1020150126360A
Other languages
English (en)
Other versions
KR20170029257A (ko
Inventor
오재영
김한림
노은상
최강림
Original Assignee
주식회사 케이티
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 주식회사 케이티 filed Critical 주식회사 케이티
Priority to KR1020150126360A priority Critical patent/KR101881127B1/ko
Publication of KR20170029257A publication Critical patent/KR20170029257A/ko
Application granted granted Critical
Publication of KR101881127B1 publication Critical patent/KR101881127B1/ko

Links

Images

Classifications

    • 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
    • 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
    • B60W40/02—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 ambient conditions
    • 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
    • B60W40/10—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 vehicle motion
    • 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
    • B60W40/10—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 vehicle motion
    • B60W40/105—Speed
    • 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
    • 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
    • B60W2550/12—

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Human Computer Interaction (AREA)
  • Traffic Control Systems (AREA)

Abstract

운전 패턴 모니터링 서버에서 수행되는 운전 패턴 모니터링 방법은 차량의 디바이스로부터 수신한 이전 운행 정보 및 이전 위치 정보와, 제 1 외부 서버로부터 수신한 적어도 하나의 이전 데이터에 기초하여 기준 운전 패턴을 생성하는 단계, 차량의 운행이 시작된 경우, 디바이스로부터 현재 운행 정보 및 현재 위치 정보를 수신하고, 제 1 외부 서버로부터 적어도 하나의 현재 데이터를 수신하는 단계, 현재 운행 정보, 현재 위치 정보 및 적어도 하나의 현재 데이터에 기초하여 실시간 운전 패턴을 생성하는 단계, 실시간 운전 패턴 및 기준 운전 패턴을 비교하는 단계를 포함할 수 있다.

Description

운전 패턴 모니터링 방법, 운전 패턴 모니터링 서버 및 시스템{METHOD FOR MONITORING DRIVING PATTERN, DRIVING PATTERN MONITORING SERVER AND SYSTEM}
본 발명은 운전 패턴 모니터링 방법, 운전 패턴 모니터링 서버 및 시스템에 관한 것이다.
종래의 자동차 보험 시스템은 운전자의 나이, 차종, 사고 기록 등에 따라 운전자마다 보험료를 달리 산정하고 있다.
이러한, 종래의 자동차 보험 시스템은 기정해진 특정 정책에 따라 획일적이며 고정된 보험 기준을 적용하고 있다. 이에 따라 종래의 보험 시스템은 운전자별 특성을 제대로 반영하지 못하기 때문에 보험료 산정에 있어 객관성이 없는 문제점이 있다.
이에, 종래의 자동차 보험 시스템에는 실제적인 사고 위험도에 따른 보험요율을 결정하도록 UBI(Usage Based Insurance)를 이용하는 방법이 있으나, 가속, 감속, 운행 시간대만을 측정하여 운전자의 사고율을 평가하기에는 역부족이다.
한국공개특허 제2015-0009073호에는 스마트디바이스의 GPS모듈을 통해 자동차의 위치정보를 수신하여 현위치를 파악하고, 노드링크 구간별정보를 통해 운전 태양을 분석하여 점수화하고, 점수를 포함한 운전태양정보를 시간추이에 따라 비교, 분석한 평가데이터를 산출하고, 운전태양정보에 포함된 속도정보(평균속도, 가감속정보)를 통해 운전습관형을 추출하여 스마트디바이스에게 제공하는 구성이 개시되어 있다.
차량의 이전 운행 정보 및 이전 위치 정보와, 이전 데이터(날씨 정보 및 교통 정보)에 기초하여 기준 운전 패턴을 생성하고, 차량의 현재 운행 정보 및 현재 위치 정보, 현재 데이터(날씨 정보 및 교통 정보)에 기초하여 실시간 운전 패턴을 생성하고자 한다. 또한, 실시간 운전 패턴과 기준 운전 패턴 간의 차이가 기설정된 범위 이상 차이가 발생하는 경우, 차량의 디바이스로 경고 메시지를 전송하고자 한다. 또한, 실시간 운전 패턴 및 기준 운전 패턴을 비교한 결과에 기초하여 차량에 대한 보험요율을 결정하고자 한다. 다만, 본 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제들로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.
상술한 기술적 과제를 달성하기 위한 기술적 수단으로서, 본 발명의 제 1 측면에 따른 운전 패턴 모니터링 서버에서 수행되는 운전 패턴 모니터링 방법은 차량의 디바이스로부터 수신한 이전 운행 정보 및 이전 위치 정보와, 제 1 외부 서버로부터 수신한 적어도 하나의 이전 데이터에 기초하여 기준 운전 패턴을 생성하는 단계, 상기 차량의 운행이 시작된 경우, 상기 디바이스로부터 현재 운행 정보 및 현재 위치 정보를 수신하고, 상기 제 1 외부 서버로부터 적어도 하나의 현재 데이터를 수신하는 단계, 상기 현재 운행 정보, 상기 현재 위치 정보 및 상기 적어도 하나의 현재 데이터에 기초하여 실시간 운전 패턴을 생성하는 단계, 상기 실시간 운전 패턴 및 상기 기준 운전 패턴을 비교하는 단계를 포함할 수 있다.
또한, 본 발명의 제 2 측면에 따른 운전 패턴 모니터링 서버는 차량의 디바이스로부터 운행 정보 및 위치 정보를 수신하고, 제 1 외부 서버로부터 적어도 하나의 데이터를 수신하는 수신부, 상기 운행 정보, 상기 위치 정보 및 상기 적어도 하나의 데이터에 기초하여 기준 운전 패턴을 생성하는 기준 운전 패턴 생성부, 상기 차량의 운행이 시작된 경우, 상기 디바이스로부터 수신한 현재 운행 정보 및 현재 위치 정보와, 상기 제 1 외부 서버로부터 수신한 적어도 하나의 현재 데이터에 기초하여 실시간 운전 패턴을 생성하는 실시간 운전 패턴 생성부 및 상기 실시간 운전 패턴 및 상기 기준 운전 패턴을 비교하는 비교부를 포함할 수 있다.
또한, 본 발명의 제 3 측면에 따른 운전 패턴 모니터링 시스템은 디바이스 및 운전 패턴 모니터링 서버를 포함하되, 상기 디바이스는 차량의 운행 정보 및 위치 정보를 상기 운전 패턴 모니터링 서버로 전송하고, 상기 운전 패턴 모니터링 서버로부터 수신한 메시지를 출력하도록 구성되고, 상기 운전 패턴 모니터링 서버는 상기 운행 정보 및 위치 정보와, 제 1 외부 서버로부터 수신한 적어도 하나의 데이터에 기초하여 기준 운전 패턴을 생성하고, 차량의 운행이 시작된 경우, 상기 디바이스로부터 수신한 현재 운행 정보 및 현재 위치 정보와, 상기 제 1 외부 서버로부터 수신한 적어도 하나의 현재 데이터에 기초하여 실시간 운전 패턴을 생성하고, 상기 실시간 운전 패턴 및 상기 기준 운전 패턴을 비교하고, 상기 실시간 운전 패턴 및 상기 기준 운전 패턴의 비교 결과에 기초하여 상기 메시지를 상기 디바이스로 전송하도록 구성될 수 있다.
상술한 과제 해결 수단은 단지 예시적인 것으로서, 본 발명을 제한하려는 의도로 해석되지 않아야 한다. 상술한 예시적인 실시예 외에도, 도면 및 발명의 상세한 설명에 기재된 추가적인 실시예가 존재할 수 있다.
전술한 본 발명의 과제 해결 수단 중 어느 하나에 의하면, 차량의 운행 정보 및 위치 정보, 날씨 정보 및 교통 정보를 포함하는 데이터에 기초하여 생성된 차량 운전자의 운전 패턴으로부터 차량 운전자의 운전습관을 도출할 수 있다.
또한, 실시간 운전 패턴과 기준 운전 패턴 간의 차이가 기설정된 범위 이상 차이가 발생하는 경우, 차량의 디바이스로 경고 메시지를 전송할 수 있다.
또한, 실시간 운전 패턴 및 기준 운전 패턴을 비교한 결과에 기초하여 차량에 대한 보험요율을 결정할 수 있다. 차량 운전자의 운전 패턴이 일정하지 않은 경우, 차량 운전자의 보험요율을 높여 보험사의 손해율을 개선하고, 차량 운전자의 사고율 감소를 유도할 수 있다.
도 1은 본 발명의 일 실시예에 따른, 운전 패턴 모니터링 시스템의 구성도이다.
도 2는 본 발명의 일 실시예에 따른, 도 1에 도시된 운전 패턴 모니터링 서버의 블록도이다.
도 3a 내지 3c는 본 발명의 일 실시예에 따른, 운전 패턴을 설명하기 위한 도면이다.
도 4는 본 발명의 일 실시예에 따른, 위험 운전 판정 기준과 개인별 점수 간의 관계 그래프를 나타낸 도면이다.
도 5는 본 발명의 일 실시예에 따른, 운전 패턴 모니터링 결과를 나타낸 도면이다.
도 6은 본 발명의 일 실시예에 따른, 운전 패턴 모니터링 방법을 나타낸 순서도이다.
아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
본 명세서에 있어서 '부(部)'란, 하드웨어에 의해 실현되는 유닛(unit), 소프트웨어에 의해 실현되는 유닛, 양방을 이용하여 실현되는 유닛을 포함한다. 또한, 1 개의 유닛이 2 개 이상의 하드웨어를 이용하여 실현되어도 되고, 2 개 이상의 유닛이 1 개의 하드웨어에 의해 실현되어도 된다.
본 명세서에 있어서 단말 또는 디바이스가 수행하는 것으로 기술된 동작이나 기능 중 일부는 해당 단말 또는 디바이스와 연결된 서버에서 대신 수행될 수도 있다. 이와 마찬가지로, 서버가 수행하는 것으로 기술된 동작이나 기능 중 일부도 해당 서버와 연결된 단말 또는 디바이스에서 수행될 수도 있다.
이하, 첨부된 구성도 또는 처리 흐름도를 참고하여, 본 발명의 실시를 위한 구체적인 내용을 설명하도록 한다.
도 1은 본 발명의 일 실시예에 따른, 운전 패턴 모니터링 시스템의 구성도이다.
도 1을 참조하면, 운전 패턴 모니터링 시스템은 운전 패턴 모니터링 서버(100) 및 차량의 디바이스(110)를 포함할 수 있다. 다만, 이러한 도 1의 운전 패턴 모니터링 시스템은 본 발명의 일 실시예에 불과하므로 도 1을 통해 본 발명이 한정 해석되는 것은 아니며, 본 발명의 다양한 실시예들에 따라 도 1과 다르게 구성될 수도 있다.
운전 패턴 모니터링 서버(100)는 차량의 디바이스(110)의 운행 정보 및 위치 정보와, 제 1 외부 서버로부터 수신한 적어도 하나의 데이터(날씨 정보 또는 교통 정보를 포함하는 데이터)에 기초하여 기준 운전 패턴을 생성할 수 있다. 여기서, 제 1 외부 서버는 날씨 정보를 제공하는 기상청 서버이거나, 교통 정보(예를 들어, 도로 정보, 교통 상황 등)를 제공하는 교통 관리 서버일 수 있다. 운행 정보는 예를 들어, 속도, 주행거리 정보, 차량 속도 및 가속도 변화 관련 정보, 차량 회전 정보, 엔진 RPM 정보, 유류 소비량 정보, 브레이크 상태 정보 등을 포함할 수 있다.
운전 패턴 모니터링 서버(100)는 차량의 디바이스(110)의 운행이 시작된 경우, 차량의 디바이스(110)의 디바이스로부터 수신한 현재 운행 정보 및 현재 위치 정보와, 제 1 외부 서버로부터 수신한 적어도 하나의 현재 데이터(날씨 정보 또는 교통 정보를 포함하는 데이터)에 기초하여 실시간 운전 패턴을 생성할 수 있다. 여기서, 실시간 운전 패턴은 예를 들어, 도로 환경, 날씨 상황, 차량 운전자의 신체적 상황(예컨대, 졸음, 음주 등)에 따라 변경될 수 있다.
운전 패턴 모니터링 서버(100)는 실시간 운전 패턴 및 기준 운전 패턴을 비교할 수 있다. 또한, 운전 패턴 모니터링 서버(100)는 날씨 정보, 도로 정보, 차량의 위치 정보 등에 따라, 실시간 운전 패턴의 비교 대상인 기준 운전 패턴을 변경 선택하여, 선택된 기준 운전 패턴과 실시간 운전 패턴을 비교할 수 있다.
운전 패턴 모니터링 서버(100)는 실시간 운전 패턴 및 기준 운전 패턴의 비교 결과에 기초하여 메시지를 차량의 디바이스(110) 에게 전송할 수 있다. 이 때, 메시지는 실시간 운전 패턴이 기준 운전 패턴에 비해 기설정된 범위 이상으로 변화되었을 때 차량 운전자에게 보내는 경고 메시지일 수 있다.
운전 패턴 모니터링 서버(100)는 실시간 운전 패턴 및 기준 운전 패턴의 비교 결과를 제 2 외부 서버에게 전송할 수 있다. 여기서, 제 2 외부 서버는 보험 관련 서버로서, 실시간 운전 패턴 및 기준 운전 패턴의 비교 결과에 기초하여 차량 운전자의 보험요율을 책정할 수 있다.
차량의 디바이스(110) 는 차량의 운행 정보를 운행기록 자기 진단 장치(OBD, On-Board Diagnostics)로부터 수신하고, 차량의 위치 정보를 추적할 수 있다.
차량의 디바이스(110) 는 차량의 운행 정보 및 위치 정보를 운전 패턴 모니터링 서버(100)에게 전송할 수 있다.
차량의 디바이스(110) 는 운전 패턴 모니터링 서버(100)로부터 수신한 메시지를 출력할 수 있다.
일반적으로, 도 1의 운전 패턴 모니터링 시스템의 각 구성요소들은 네트워크(120)를 통해 연결된다. 네트워크는 단말들 및 서버들과 같은 각각의 노드 상호 간에 정보 교환이 가능한 연결 구조를 의미하는 것으로, 이러한 네트워크(network)의 일례에는 3GPP(3rd Generation Partnership Project), LTE(Long Term Evolution), WIMAX(World Interoperability for Microwave Access), 와이파이(Wi-Fi), 3G, 4G, 5G 등이 포함되나 이에 한정되지는 않는다.
이하에서는 도 1의 운전 패턴 모니터링 시스템의 각 구성요소의 동작에 대해 보다 구체적으로 설명한다.
도 2는 본 발명의 일 실시예에 따른, 도 1에 도시된 운전 패턴 모니터링 서버(100)의 블록도이다.
도 2를 참조하면, 운전 패턴 모니터링 서버(100)는 수신부(200), 기준 운전 패턴 생성부(210), 실시간 운전 패턴 생성부(220), 비교부(230), 전송부(240) 및 데이터베이스(250)를 포함할 수 있다. 다만, 도 2에 도시된 운전 패턴 모니터링 서버(100)는 본 발명의 하나의 구현 예에 불과하며, 도 2에 도시된 구성요소들을 기초로 하여 여러 가지 변형이 가능하다.
수신부(200)는 차량의 디바이스(110)로부터 이전 운행 정보(운행 정보는 예를 들어, 속도, 주행거리 정보, 차량 속도 및 가속도 변화 관련 정보, 차량 회전 정보, 엔진 RPM 정보, 유류 소비량 정보, 브레이크 상태 정보 등) 및 이전 위치 정보를 수신하고, 제 1 외부 서버로부터 적어도 하나의 이전 데이터(이전의 날씨 정보 및 교통 정보)를 수신할 수 있다. 여기서, 제 1 외부 서버는 날씨 정보를 제공하는 기상청 서버일 수 있고, 교통 정보(예를 들어, 도로 정보, 교통 상황 등)를 제공하는 교통 관리 서버일 수 있다.
또한, 수신부(200)는 차량의 운행이 시작된 경우, 차량의 디바이스(110)로부터 현재 운행 정보 및 현재 위치 정보를 수신하고, 제 1 외부 서버로부터 적어도 하나의 현재 데이터(현재의 날씨 정보 및 교통 정보)를 수신할 수 있다.
예를 들어, 수신부(200)는 차량의 디바이스(110)로부터, 차량의 디바이스(110)가 운행기록 자기 진단 장치(OBD, On-Board Diagnostics)로부터 수집한 차량의 디바이스(110)의 이전 운행 정보 및 현재 운행 정보를 수신할 수 있다. 또한, 수신부(200)는 차량의 디바이스(110)로부터, 위치 추적 장치(예를 들어, GPS 장치, 네비게이션 장치 등)를 통해 수집되는 차량의 이전 이동 경로에 따른 위치 정보 및 현재 이동 경로에 따른 위치 정보를 수신할 수 있다.
기준 운전 패턴 생성부(210)는 차량의 이전 운행 정보, 이전 위치 정보 및 적어도 하나의 데이터에 기초하여 기준 운전 패턴을 생성할 수 있다. 여기서, 기준 운전 패턴은 이전 위치 정보 및 적어도 하나의 이전 데이터에 따른 복수의 기준 운전 패턴을 포함할 수 있다. 예를 들면, 기준 운전 패턴 생성부(210)는 위치 정보, 날씨 정보 및 교통 정보의 조합에 따라 복수의 기준 운전 패턴을 생성할 수 있다.
기준 운전 패턴 생성부(210)는 이전 위치 정보, 날씨 정보 및 교통 정보 각각에 대한 기설정된 기준에 기초하여 이전 위치 정보에 포함된 복수의 위치, 날씨 정보에 포함된 복수의 날씨 및 교통 정보에 포함된 복수의 도로 상황을 조합한 복수의 기준 데이터를 추출할 수 있다.
예를 들면, 기준 운전 패턴 생성부(210)는 위치 정보로서 고속도로, 날씨 정보로서 맑음, 교통 정보로서 서행인 경우의 제 1 기준 데이터를 추출할 수 있다. 또한, 기준 운전 패턴 생성부(210)는 위치 정보로서 국도, 날씨 정보로서 안개, 교통 정보로서 정체인 경우의 제 2 기준 데이터를 추출할 수 있다. 제 1 기준 데이터 및 제 2 기준 데이터만을 설명하였으나, 제 1 기준 데이터 및 제 2 기준 데이터 외에도 다양한 조합이 추출될 수 있다.
기준 운전 패턴 생성부(210)는 복수의 기준 데이터마다 기준 운전 패턴을 생성할 수 있다. 예를 들면, 기준 운전 패턴 생성부(210)는 제 1 기준 데이터에 해당하는 상황(예컨대, 위치 정보로서 고속도로, 날씨 정보로서 맑음, 교통 정보로서 서행인 경우)에서의 운전 패턴을 수집하여 제 1 기준 데이터에 대응하는 기준 운전 패턴을 생성할 수 있다. 또한, 기준 운전 패턴 생성부(210)는 제 2 기준 데이터에 해당하는 상황(예컨대, 위치 정보로서 국도, 날씨 정보로서 안개, 교통 정보로서 정체인 경우)에서의 운전 패턴을 수집하여 제 2 기준 데이터에 대응하는 기준 운전 패턴을 생성할 수 있다.
기준 운전 패턴 생성부(210)는 차량의 급 가속의 발생 빈도, 급 감속의 발생 빈도 및 급 방향 변경의 발생 빈도에 기초하여 기준 운전 패턴을 생성할 수 있다. 기준 운전 패턴 생성부(210)는 속도(이전 운행 정보에 포함된 차량의 속도)에 따른 가속도의 기준을 달리하여 판단된 차량의 급 가속의 발생 빈도에 기초하여 기준 운전 패턴을 생성할 수 있다. 여기서, 속도에 따른 가속도의 기준은 이전 위치 정보 및 적어도 하나의 이전 데이터(이전 교통 정보 및 날씨 정보)에 따라 변경될 수 있다.
예를 들면, 기준 운전 패턴 생성부(210)는 제 1 기준 데이터에 해당하는 상황(예컨대, 위치 정보로서 고속도로, 날씨 정보로서 맑음, 교통 정보로서 서행인 경우)에서의 속도에 따른 가속도의 기준과 제 2 기준 데이터에 해당하는 상황(예컨대, 위치 정보로서 국도, 날씨 정보로서 안개, 교통 정보로서 정체인 경우)에서의 속도에 따른 가속도의 기준이 상이할 수 있다.
기준 운전 패턴 생성부(210)는 속도에 따른 감속도의 기준을 달리하여 판단된 차량의 의 급 감속의 발생 빈도에 기초하여 기준 운전 패턴을 생성할 수 있다. 여기서, 속도에 따른 감속도의 기준은 이전 위치 정보 및 적어도 하나의 이전 데이터에 따라 변경될 수 있다.
예를 들면, 기준 운전 패턴 생성부(210)는 제 1 기준 데이터에 해당하는 상황(예컨대, 위치 정보로서 고속도로, 날씨 정보로서 맑음, 교통 정보로서 서행인 경우)에서의 속도에 따른 가속도의 기준과 제 2 기준 데이터에 해당하는 상황(예컨대, 위치 정보로서 국도, 날씨 정보로서 안개, 교통 정보로서 정체인 경우)에서의 속도에 따른 가속도의 기준이 상이할 수 있다. 기준 운전 패턴 생성부(210)는 속도에 따른 각속도의 기준을 달리하여 판단된 차량의 급 방향 변경의 발생 빈도에 기초하여 기준 운전 패턴을 생성할 수 있다. 여기서, 속도에 따른 각속도의 기준은 이전 위치 정보 및 적어도 하나의 이전 데이터에 따라 변경될 수 있다.
예를 들면, 기준 운전 패턴 생성부(210)는 제 1 기준 데이터에 해당하는 상황(예컨대, 위치 정보로서 고속도로, 날씨 정보로서 맑음, 교통 정보로서 서행인 경우)에서의 속도에 따른 가속도의 기준과 제 2 기준 데이터에 해당하는 상황(예컨대, 위치 정보로서 국도, 날씨 정보로서 안개, 교통 정보로서 정체인 경우)에서의 속도에 따른 가속도의 기준이 상이할 수 있다.본 발명의 다른 일 실시예로, 기준 운전 패턴 생성부(210)는 차량이 위치한 경도 및 위도 정보, 차량의 누적 주행거리, 주행 속도, 회전 방향각, 가속도, 각속도(방향각 변화율), 각가속(각속도 변화율), 주행곡선변경 정보 등을 포함하는 과거 운행 정보를 이용하여 차량의 디바이스(110)의 운전자의 운전 습관을 판단할 수 있다.
본 발명의 다른 일 실시예로, 기준 운전 패턴 생성부(210)는 기설정된 기간 동안의 차량의 운행 정보를 바탕으로 운전자별 위험 운전 이벤트(예컨대, 급 가속, 급 감속, 급 방향 변경 등)의 발생 빈도수에 기초하여, 운전 습관 지수를 결정할 수 있다. 이 때, 차량의 이전 위치 정보, 날씨 정보, 교통 정보에 따라 운전 습관 지수는 가변적으로 적용될 수 있다.
또한, 기준 운전 패턴 생성부(210)는 차량의 급 가속 지수(또는, 급 감속 지수)를 초당 속도 변화량으로 측정하고, 차량의 급 가속 지수(또는 급 감속 지수)가 속도 구간별 기설정된 급 가속 기준 지수(또는, 급 감속 기준 지수)를 초과할 때 마다, 차량의 급 가속 지수(또는, 급 감속 지수)에 기설정된 비율만큼 적용하여 급 가속에 대한 운전 습관 지수를 산출할 수 있다.
또한, 기준 운전 패턴 생성부(210)는 차량의 급 방향 변경 지수를 초당 방향각 변화량으로 측정하고, 차량의 급 방향 변경 지수가 속도 구간별 기설정된 급 방향 변경 기준 지수를 초과할 때 마다, 차량의 급 방향 변경 지수에 기설정된 비율만큼 적용하여 급 방향 변경에 대한 운전 습관 지수를 산출할 수 있다.
또한, 기준 운전 패턴 생성부(210)는 차량의 과속 지수를 차량 OBD/GPS 속도로 측정하고, 차량의 과속 지수가 운행 도로의 기설정된 제한속도 기준을 초과할 때 마다, 차량의 과속 지수에 기설정된 비율만큼 적용하여 과속에 대한 운전 습관 지수를 산출할 수 있다.
예를 들어, 기준 운전 패턴 생성부(210)는 차량의 운행시간을 GPS 시간으로 측정하고, 차량의 운행시간이 야간 운전(예컨대, 0:00 AM ~ 5:00 AM)에 비중을 많이 두는지 판단하여, 차량의 운행시간에 대한 운전 습관 지수를 산출할 수 있다.
기준 운전 패턴 생성부(210)는 차량의 운행거리를 OBD/GPS 속도를 이용하여 계산하여, 차량의 운행거리에 대한 운전 습관 지수를 산출할 수 있다. 또는, 기준 운전 패턴 생성부(210)는 기설정된 기간 동안, 차량의 주행 거리와 전체 차량의 주행거리 간의 비교를 통해 차량의 운행거리에 대한 운전 습관 지수를 산출할 수 있다.
실시간 운전 패턴 생성부(220)는 차량의 디바이스(110)의 운행이 시작된 경우, 차량의 디바이스(110)로부터 수신한 현재 운행 정보 및 현재 위치 정보와, 제 1 외부 서버로부터 수신한 적어도 하나의 현재 데이터에 기초하여 실시간 운전 패턴을 생성할 수 있다. 실시간 운전 패턴 생성부(220)는 이전 위치 정보, 날씨 정보 및 교통 정보 각각에 대한 기설정된 기준에 기초하여 이전 위치 정보에 포함된 복수의 위치, 날씨 정보에 포함된 복수의 날씨 및 교통 정보에 포함된 복수의 도로 상황을 조합한 복수의 기준 데이터에 기초하여 실시간 운전 패턴을 생성할 수 있다.
예를 들면, 실시간 운전 패턴 생성부(220)는 차량의 현재 위치 정보로서 고속도로, 현재 날씨 정보로서 맑음, 현재 교통 정보로서 서행인 경우를 포함하는 제 1 실시간 데이터에 기초하여, 제 1 실시간 데이터에 대응하는 실시간 운전 패턴을 생성할 수 있다. 또한, 실시간 운전 패턴 생성부(220)는 위치 정보로서 국도, 날씨 정보로서 안개, 교통 정보로서 정체인 경우를 포함하는 제 2 실시간 데이터에 기초하여 제 2 실시간 데이터에 대응하는 실시간 운전 패턴을 생성할 수 있다.
실시간 운전 패턴 생성부(220)는 차량의 운행이 시작된 이후, 차량의 급 가속의 발생 빈도, 급 감속의 발생 빈도 및 급 방향 변경의 발생 빈도에 기초하여 실시간 운전 패턴을 생성할 수 있다.
실시간 운전 패턴 생성부(220)는 속도(현재 운행 정보에 포함된 차량의 속도)에 따른 가속도의 기준을 달리하여 판단된 차량의 급 가속의 발생 빈도에 기초하여, 실시간 운전 패턴을 생성할 수 있다. 여기서, 속도에 따른 가속도의 기준은 현재 위치 정보 및 적어도 하나의 현재 데이터(현재의 교통 정보 및 날씨 정보)에 따라 변경될 수 있다.
예를 들면, 실시간 운전 패턴 생성부(220)는 제 1 실시간 데이터에 해당하는 상황(예컨대, 차량의 현재 위치 정보로서 고속도로, 현재 날씨 정보로서 맑음, 현재 교통 정보로서 서행인 경우)에서의 속도에 따른 가속도의 기준과 제 2 실시간 데이터에 해당하는 상황(예컨대, 위치 정보로서 국도, 날씨 정보로서 안개, 교통 정보로서 정체인 경우)에서의 속도에 따른 가속도의 기준이 상이할 수 있다.
실시간 운전 패턴 생성부(220)는 속도에 따른 감속도의 기준을 달리하여 판단된 차량의 급 감속의 발생 빈도에 기초하여, 실시간 운전 패턴을 생성할 수 있다. 여기서, 속도에 따른 감속도의 기준은 현재 위치 정보 및 적어도 하나의 현재 데이터에 따라 변경될 수 있다.
예를 들면, 실시간 운전 패턴 생성부(220)는 제 1 실시간 데이터에 해당하는 상황(예컨대, 차량의 현재 위치 정보로서 고속도로, 현재 날씨 정보로서 맑음, 현재 교통 정보로서 서행인 경우)에서의 속도에 따른 감속도의 기준과 제 2 실시간 데이터에 해당하는 상황(예컨대, 위치 정보로서 국도, 날씨 정보로서 안개, 교통 정보로서 정체인 경우)에서의 감속도의 기준은 상이할 수 있다.
실시간 운전 패턴 생성부(220)는 속도에 따른 각속도의 기준을 달리하여 판단된 차량의 급 방향 변경의 발생 빈도에 기초하여, 실시간 운전 패턴을 생성할 수 있다. 여기서, 속도에 따른 각속도의 기준은 현재 위치 정보 및 적어도 하나의 현재 데이터에 따라 변경될 수 있다.
예를 들면, 실시간 운전 패턴 생성부(220)는 제 1 실시간 데이터에 해당하는 상황(예컨대, 차량의 현재 위치 정보로서 고속도로, 현재 날씨 정보로서 맑음, 현재 교통 정보로서 서행인 경우)에서의 속도에 따른 각속도의 기준은 제 2 실시간 데이터에 해당하는 상황(예컨대, 위치 정보로서 국도, 날씨 정보로서 안개, 교통 정보로서 정체인 경우)에서의 속도에 따른 각속도의 기준은 상이할 수 있다.
비교부(230)는 실시간 운전 패턴 및 기준 운전 패턴을 비교할 수 있다.
비교부(230)는 현재 위치 정보 및 적어도 하나의 현재 데이터에 기초하여 복수의 기준 운전 패턴중 어느 하나의 기준 운전 패턴을 선택하고, 선택된 기준 운전 패턴 및 실시간 운전 패턴을 비교할 수 있다. 예를 들어, 비교부(230)는 현재 위치 정보가 고속도로, 현재 날씨 정보가 맑음, 현재 교통 정보가 서행인 경우, 현재의 상황에 대응하는 제 1 기준 데이터(예컨대, 이전 위치 정보로서 고속도로, 날씨 정보로서 맑음, 교통 정보로서 서행인 경우)에 대한 기준 운전 패턴을 선택할 수 있다. 또한, 비교부(230)는 선택된 제 1 기준 데이터에 대한 기준 운전 패턴과 현재의 실시간 운전 패턴을 비교할 수 있다.
전송부(240)는 실시간 운전 패턴 및 기준 운전 패턴을 비교한 결과, 기설정된 시간 동안 실시간 운전 패턴 및 기준 운전 패턴의 차이가 기설정된 범위 이상의 차이(예를 들어, 졸음 운전, 운행 도로, 운행 지역 등의 변화로 운전 패턴 차이가 발생됨)가 발생한 경우, 차량의 디바이스(110) 에게 경고 메시지를 전송할 수 있다.
전송부(240)는 실시간 운전 패턴 및 기준 운전 패턴을 비교한 결과를 제 2 외부 서버에게 전송할 수 있다.
데이터베이스(250)는 운전 패턴 모니터링 서버(100) 내부의 각 구성요소들 간에 입력 및 출력되는 데이터를 저장하고, 운전 패턴 모니터링 서버(100)와 운전 패턴 모니터링 서버(100) 외부의 구성요소들간에 입력 및 출력되는 데이터를 저장한다. 예를 들어, 데이터베이스(250)는 차량의 이전 및 현재 운행 정보, 이전 및 현재 위치 정보, 이전 및 현재 날씨/교통 정보 등을 저장할 수 있다. 이러한 데이터베이스(250)의 일 예에는 운전 패턴 모니터링 서버(100) 내부 또는 외부에 존재하는 하드디스크드라이브, ROM(Read Only Memory), RAM(Random Access Memory), 플래쉬메모리 및 메모리카드 등이 포함된다.
한편, 당업자라면, 수신부(200), 기준 운전 패턴 생성부(210), 실시간 운전 패턴 생성부(220), 비교부(230), 전송부(240) 및 데이터베이스(250) 각각이 분리되어 구현되거나, 이 중 하나 이상이 통합되어 구현될 수 있음을 충분히 이해할 것이다.
도 3a 내지 3c는 본 발명의 일 실시예에 따른, 운전 패턴을 설명하기 위한 도면이다.
도 3a를 참조하면, 교통안전공단에서는 급 가속 기준(30)을 초당 11 km/h로 설정하고, 해외 교통 기준에서는 급 가속 기준(31)을 초당 약 9 km/h로 설정하고 있지만, 본원 발명은 속도에 따라 가속도의 기준을 변경할 수 있다.
도 3a를 참조하면, 속도가 증가함에 따라 가속도로 판단되는 가속도의 기준이 낮아짐을 알 수 있다.
또한, 운전 패턴 모니터링 서버(100)는 속도에 따른 가속도의 기준을 이전 위치 정보 및 적어도 하나의 이전 현재 데이터(날씨 정보 및 교통 정보)에 따라 변경할 수 있다.
예를 들면, 위치 정보로서 고속도로, 날씨 정보로서 맑음, 교통 정보로서 원활인 경우, 운전 패턴 모니터링 서버(100)는 99%의 가속도 분포 지점을 기준 운전 패턴(파란색 그래프)으로 설정할 수 있다.
예를 들면, 위치 정보로서 고속도로, 날씨 정보로서 비, 교통 정보로서 원활인 경우, 운전 패턴 모니터링 서버(100)는 95%의 가속도 분포 지점을 기준 운전 패턴(노란색 그래프)으로 설정할 수 있다.
예를 들면, 위치 정보로서 고속도로, 날씨 정보로서 안개, 교통 정보로서 서행인 경우, 운전 패턴 모니터링 서버(100)는 95%의 가속도 분포 지점을 기준 운전 패턴(빨간색 그래프)로 설정할 수 있다.
운전 패턴 모니터링 서버(100)는 과거의 사고 차량 운전자와 일반 차량 운전자의 급 가속의 발생 빈도를 분석하여 급 가속에 대한 기준 운전 패턴의 강화 여부를 결정할 수 있다.
운전 패턴 모니터링 서버(100)는 위치 정보, 날씨 정보 및 교통 정보에 기초하여 기설정된 가속도 기준을 초과하는 차량 운전자를 위험 운전자로 분류할 수 있다.
도 3b를 참조하면, 교통안전공단에서는 급 감속 기준(32)을 초당 -7.5 km/h로 설정하고, 해외 교통 기준에서는 급 가속 기준(33)을 초당 약 -11 km/h로 설정하고 있지만, 본원 발명은 속도에 따라 급 감속의 기준을 변경할 수 있다.
도 3b를 참조하면, 속도가 증가함에 따라 급 감속으로 판단되는 급 감속의 기준이 높아지다가 속도가 150km/h 이상인 경우 급 감속의 기준이 낮아지는 것을 알 수 있다.
또한, 운전 패턴 모니터링 서버(100)는 감속도의 기준을 이전 위치 정보 및 적어도 하나의 이전 현재 데이터(날씨 정보 및 교통 정보)에 따라 변경할 수 있다.
예를 들면, 위치 정보로서 고속도로, 날씨 정보로서 맑음, 교통 정보로서 원활인 경우, 운전 패턴 모니터링 서버(100)는 99%의 감속도 분포 지점을 기준 운전 패턴(파란색 그래프)으로 설정할 수 있다.
예를 들면, 위치 정보로서 고속도로, 날씨 정보로서 비, 교통 정보로서 원활인 경우, 운전 패턴 모니터링 서버(100)는 95%의 감속도 분포 지점을 기준 운전 패턴(노란색 그래프)으로 설정할 수 있다.
예를 들면, 위치 정보로서 고속도로, 날씨 정보로서 안개, 교통 정보로서 서행인 경우, 운전 패턴 모니터링 서버(100)는 95%의 감속도 분포 지점을 기준 운전 패턴(빨간색 그래프)로 설정할 수 있다.
또한, 운전 패턴 모니터링 서버(100)는 과거의 사고 차량 운전자와 일반 차량 운전자의 급 감속의 발생 빈도를 분석하여 급 감속에 대한 기준 운전 패턴의 강화 여부를 결정할 수 있다.
운전 패턴 모니터링 서버(100)는 위치 정보, 날씨 정보 및 교통 정보에 기초하여 기설정된 감속도 기준을 초과하는 차량 운전자를 위험 운전자로 분류할 수 있다.
도 3c를 참조하면, 운전 패턴 모니터링 서버(100)는 속도에 따라 각속도의 기준을 변경할 수 있다.
도 3c를 참조하면, 속도가 증가함에 따라 각속도의 기준이 감소함을 알 수 있다.
또한, 운전 패턴 모니터링 서버(100)는 속도에 따른 각속도의 기준을 이전 위치 정보 및 적어도 하나의 이전 현재 데이터(날씨 정보 및 교통 정보)에 따라 변경할 수 있다.
예를 들면, 위치 정보로서 고속도로, 날씨 정보로서 맑음, 교통 정보로서 원활인 경우, 운전 패턴 모니터링 서버(100)는 99%의 각속도 분포 지점을 기준 운전 패턴(파란색 그래프)으로 설정할 수 있다.
예를 들면, 위치 정보로서 고속도로, 날씨 정보로서 비, 교통 정보로서 원활인 경우, 운전 패턴 모니터링 서버(100)는 95%의 각속도 분포 지점을 기준 운전 패턴(노란색 그래프)으로 설정할 수 있다.
예를 들면, 위치 정보로서 고속도로, 날씨 정보로서 안개, 교통 정보로서 서행인 경우, 운전 패턴 모니터링 서버(100)는 95%의 각속도 분포 지점을 기준 운전 패턴(빨간색 그래프)로 설정할 수 있다.
운전 패턴 모니터링 서버(100)는 과거의 사고 차량 운전자와 일반 차량 운전자의 급 방향 변경의 발생 빈도를 분석하여 급 방향 변경에 대한 기준 운전 패턴의 강화 여부를 결정할 수 있다.
운전 패턴 모니터링 서버(100)는 위치 정보, 날씨 정보 및 교통 정보에 기초하여 기설정된 각속도 기준을 초과하는 차량 운전자를 위험 운전자로 분류할 수 있다.
예를 들어, 운전 패턴 모니터링 서버(100)는 차량의 디바이스(110)의 급앞지르기, 급좌회전/급우회전(2초 유지), 급유턴(3초 유지)의 경우, 도면 부호 34에서의 각속도 범위를 기준 각속도로 설정할 수 있다. 예를 들어, 운전 패턴 모니터링 서버(100)는 차량의 디바이스(110)의 급진로 변경의 경우, 도면 부호 35에서의 각속도 범위를 기준 각속도로 설정할 수 있다.
도 4는 본 발명의 일 실시예에 따른, 위험 운전 판정 기준과 개인별 점수 간의 관계 그래프를 나타낸 도면이다.
도 4를 참조하면, 운전 패턴 모니터링 서버(100)는 위험 운전 습관과 사고 간 연관성 분석을 통해, 위험 운전 습관별 가중치를 도출할 수 있다. 여기서, 위험 운전 습관은 예를 들어, 급 가속/급 감속에 대한 운전 패턴, 급 방향 변경에 대한 운전 패턴 등을 포함할 수 있다.
운전 패턴 모니터링 서버(100)는 특정 기간 또는 거리 당 차량의 디바이스(110)의 위험 운전 이벤트 발생 빈도를 분석하고, 보험사에서 차량 운전자의 보험요율이 합리적으로 책정될 수 있도록 각 위험 운전 발생 횟수의 위험 운전 습관별 점수를 조정할 수 있다.
운전 패턴 모니터링 서버(100)는 차량의 운전자의 운전 지수 점수와 가중치를 종합하여 운전자의 운전 습관 점수를 계산할 수 있다. 여기서, 가중치는 운전자의 운전 사고 분석 결과와 보험사의 요구 사항에 따라 결정될 수 있다.
수학식 1은 운전 습관 점수의 계산식이다.
[수학식 1]
a1w1 + a2w2 + a3w3 + a4w4 + a5w5 + a6w6 = D (운전습관점수)
(a1 : 급가속 , a2 :급감속, a3 :급방향변경, a4 : 과속, a5 : 운행시간, a6 : 운행거리, w1 : 급가속 가중치, w2 :급감속 가중치, w3 :급방향변경 가중치, w4 : 과속 가중치, w5 : 운행시간 가중치, w6 : 가중치운행거리)
여기서, 운전 패턴 모니터링 서버(100)는 운전 습관 점수로부터 운전자의 운전 패턴을 도출할 수 있다.
예를 들어, 운전 습관 점수가 낮은 운전자는 공격적인 성향의 운전자이고, 사고의 위험도가 높을 수 있다.
도 5는 본 발명의 일 실시예에 따른, 운전 패턴 모니터링 결과를 나타낸 도면이다.
도 5를 참조하면, 운전 패턴 모니터링 서버(100)는 기준 운전 패턴(기존의 운전 습관 점수)과 실시간 운전 패턴(차량 운행 중, 운전습관 점수)을 비교하여 급격한 차이가 나타나면, 차량의 운전 사고 위험성이 높다고 판단할 수 있다.
예를 들어, 동일한 주행 도로에서 기존의 운전 습관 점수가 75점인 차량 운전자가 현재 운전 습관 점수가 50점인 경우에는, 졸음 운전 등의 사고 위험성이 높다고 판단할 수 있다.
운전 패턴 모니터링 서버(100)는 실시간 운전 패턴이 기설정된 범위 이상을 벗어나는 차량 운전자를 사고율이 높은 운전자로 분류할 수 있다. 이 때, 해당 차량 운전자의 보험료은 높게 책정될 수 있다.
예를 들어, 실시간 운전 패턴이 급변하는 변화 횟수가 잦을수록 차량 운전자의 보험요율을 높이고, 차량 운전자에게 경고 메시지를 전달하여 안전한 운전 습관을 갖도록 유도할 수 있다.
도 6은 본 발명의 일 실시예에 따른, 운전 패턴 모니터링 방법을 나타낸 순서도이다.
도 6에 도시된 실시예에 따른 운전 패턴 모니터링 방법은 도 1 내지 도 5에 도시된 실시예에 따른 운전 패턴 모니터링 서버(100) 및 차량의 디바이스(110)에서 시계열적으로 처리되는 단계들을 포함한다. 따라서, 이하 생략된 내용이라고 하더라도 도 1 내지 도 5의 운전 패턴 모니터링 서버(100) 및 차량의 디바이스(110)에 관하여 기술된 내용은 도 6에 도시된 실시예에 따른 운전 패턴 모니터링 방법에도 적용될 수 있다.
도 6를 참조하면, 단계 S601에서 운전 패턴 모니터링 서버(100)는 차량의 디바이스(110)로부터 수신한 이전 운행 정보 및 이전 위치 정보와, 제 1 외부 서버로부터 수신한 적어도 하나의 이전 데이터에 기초하여 기준 운전 패턴을 생성할 수 있다. 여기서, 적어도 하나의 이전 데이터는 날씨 정보 및 교통 정보 중 적어도 하나를 포함할 수 있다. 또한, 운전 패턴 모니터링 서버(100)는 이전 위치 정보 및 적어도 하나의 이전 데이터에 따른 복수의 기준 운전 패턴을 포함하는 기준 운전 패턴을 생성할 수 있다. 여기서, 기준 운전 패턴은 차량의 급 가속의 발생 빈도, 급 감속의 발생 빈도 및 급 방향 변경의 발생 빈도에 기초하여 생성된 것일 수 있다.
단계 S603에서 운전 패턴 모니터링 서버(100)는 차량의 운행이 시작된 경우, 차량의 디바이스(110)로부터 현재 운행 정보 및 현재 위치 정보를 수신하고, 제 1 외부 서버로부터 적어도 하나의 현재 데이터를 수신할 수 있다. 여기서, 적어도 하나의 현재 데이터는 날씨 정보 및 교통 정보 중 적어도 하나를 포함할 수 있다.
단계 S605에서 운전 패턴 모니터링 서버(100)는 단계 S603에서 수신한 현재 운행 정보, 현재 위치 정보 및 적어도 하나의 현재 데이터에 기초하여 실시간 운전 패턴을 생성할 수 있다. 여기서, 실시간 운전 패턴은 차량의 급 가속의 발생 빈도, 급 감속의 발생 빈도 및 급 방향 변경의 발생 빈도에 기초하여 생성된 것일 수 있다.
단계 S607에서 운전 패턴 모니터링 서버(100)는 실시간 운전 패턴 및 기준 운전 패턴을 비교할 수 있다.
도 6에는 도시되지 않았으나, 단계 S601에서 운전 패턴 모니터링 서버(100)는 이전 위치 정보, 날씨 정보 및 교통 정보 각각에 대한 기설정된 기준에 기초하여 이전 위치 정보에 포함된 복수의 위치, 날씨 정보에 포함된 복수의 날씨 및 교통 정보에 포함된 복수의 도로 상황을 조합한 복수의 기준 데이터를 추출할 수 있다.
또한, 도 6에는 도시되지 않았으나, 단계 S601에서 운전 패턴 모니터링 서버(100)는 복수의 기준 데이터마다 기준 운전 패턴을 생성할 수 있다.
또한, 도 6에는 도시되지 않았으나, 단계 S607에서 운전 패턴 모니터링 서버(100)는 현재 위치 정보 및 적어도 하나의 현재 데이터에 기초하여 복수의 기준 운전 패턴 중 어느 하나의 기준 운전 패턴을 선택할 수 있다.
또한, 도 6에는 도시되지 않았으나, 단계 S607에서 운전 패턴 모니터링 서버(100)는 선택된 기준 운전 패턴 및 실시간 운전 패턴을 비교할 수 있다.
또한, 도 6에는 도시되지 않았으나, 단계 S607 이후에, 운전 패턴 모니터링 서버(100)는 실시간 운전 패턴 및 기준 운전 패턴을 비교한 결과, 기설정된 시간 동안 실시간 운전 패턴 및 기준 운전 패턴의 차이가 기설정된 범위 이상의 차이가 발생한 경우, 차량의 디바이스(110)로 경고 메시지를 전송할 수 있다.
또한, 도 6에는 도시되지 않았으나, 단계 S607 이후에, 운전 패턴 모니터링 서버(100)는 실시간 운전 패턴 및 상기 기준 운전 패턴을 비교한 결과를 제 2 외부 서버로 전송할 수 있다.
상술한 설명에서, 단계 S601 내지 S607는 본 발명의 구현예에 따라서, 추가적인 단계들로 더 분할되거나, 더 적은 단계들로 조합될 수 있다. 또한, 일부 단계는 필요에 따라 생략될 수도 있고, 단계 간의 순서가 변경될 수도 있다.
본 발명의 일 실시예는 컴퓨터에 의해 실행되는 프로그램 모듈과 같은 컴퓨터에 의해 실행 가능한 명령어를 포함하는 기록 매체의 형태로도 구현될 수 있다. 컴퓨터 판독 가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 모두 포함한다. 또한, 컴퓨터 판독가능 매체는 컴퓨터 저장 매체 및 통신 매체를 모두 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함한다. 통신 매체는 전형적으로 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈, 또는 반송파와 같은 변조된 데이터 신호의 기타 데이터, 또는 기타 전송 메커니즘을 포함하며, 임의의 정보 전달 매체를 포함한다.
전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.
본 발명의 범위는 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
100: 운전 패턴 모니터링 서버
110: 차량의 디바이스

Claims (18)

  1. 운전 패턴 모니터링 서버(100)에서 수행되는 운전 패턴 모니터링 방법에 있어서,
    차량의 디바이스(110)로부터 수신한 이전 운행 정보 및 이전 위치 정보와, 제 1 외부 서버로부터 수신한 적어도 하나의 이전 데이터에 기초하여 기준 운전 패턴을 생성하는 단계;
    상기 차량의 운행이 시작된 경우, 상기 디바이스(110)로부터 현재 운행 정보 및 현재 위치 정보를 수신하고, 상기 제 1 외부 서버로부터 적어도 하나의 현재 데이터를 수신하는 단계;
    상기 현재 운행 정보, 상기 현재 위치 정보 및 상기 적어도 하나의 현재 데이터에 기초하여 실시간 운전 패턴을 생성하는 단계;
    상기 실시간 운전 패턴 및 상기 기준 운전 패턴을 비교하는 단계
    를 포함하되,
    상기 기준 운전 패턴은 상기 이전 운행 정보, 상기 이전 위치 정보 및 상기 적어도 하나의 이전 데이터의 조합에 따라 생성된 복수의 기준 운전 패턴을 포함하고,
    상기 복수의 기준 운전 패턴 각각은 상기 이전 운행 정보에 포함된 상기 차량의 속도에 따른 상기 차량의 가속도, 감속도 및 방향 변경의 기준이 상이한 것인, 운전 패턴 모니터링 방법.
  2. 삭제
  3. 제 1 항에 있어서,
    상기 적어도 하나의 이전 데이터 및 현재 데이터는 날씨 정보 및 교통 정보 중 적어도 하나를 포함하는 것인, 운전 패턴 모니터링 방법.
  4. 제 3 항에 있어서,
    상기 기준 운전 패턴을 생성하는 단계는
    상기 이전 위치 정보, 상기 날씨 정보 및 상기 교통 정보 각각에 대한 기설정된 기준에 기초하여 상기 이전 위치 정보에 포함된 복수의 위치, 상기 날씨 정보에 포함된 복수의 날씨 및 상기 교통 정보에 포함된 복수의 도로 상황을 조합한 복수의 기준 데이터를 추출하는 단계; 및
    상기 복수의 기준 데이터마다 기준 운전 패턴을 생성하는 단계
    를 포함하는 것인, 운전 패턴 모니터링 방법.
  5. 제 1 항에 있어서,
    상기 실시간 운전 패턴 및 상기 기준 운전 패턴을 비교하는 단계는
    상기 현재 위치 정보 및 상기 적어도 하나의 현재 데이터에 기초하여 상기 복수의 기준 운전 패턴 중 어느 하나의 기준 운전 패턴을 선택하는 단계; 및
    상기 선택된 기준 운전 패턴 및 상기 실시간 운전 패턴을 비교하는 단계
    를 포함하는 것인, 운전 패턴 모니터링 방법.
  6. 제 1 항에 있어서,
    상기 실시간 운전 패턴 및 기준 운전 패턴은 상기 차량의 급 가속의 발생 빈도, 급 감속의 발생 빈도 및 급 방향 변경의 발생 빈도에 기초하여 생성된 것인, 운전 패턴 모니터링 방법.
  7. 제 6 항에 있어서,
    상기 급 가속은 상기 이전 또는 현재 운행 정보에 포함된 상기 차량의 속도에 기초하여, 속도에 따른 가속도의 기준을 달리하여 판단되는 것인, 운전 패턴 모니터링 방법.
  8. 제 6 항에 있어서,
    상기 급 감속은 상기 이전 또는 현재 운행 정보에 포함된 상기 차량의 속도에 기초하여, 속도에 따른 감속도의 기준을 달리하여 판단되는 것인, 운전 패턴 모니터링 방법.
  9. 제 6 항에 있어서,
    상기 급 방향 변경은 상기 이전 또는 현재 운행 정보에 포함된 상기 차량의 속도에 기초하여, 속도에 따른 각속도의 기준을 달리하여 판단되는 것인, 운전 패턴 모니터링 방법.
  10. 제 7 항에 있어서,
    상기 속도에 따른 가속도의 기준은 상기 이전 또는 현재 위치 정보 및 상기 적어도 하나의 이전 또는 현재 데이터에 따라 변경되는 것인, 운전 패턴 모니터링 방법.
  11. 제 8 항에 있어서,
    상기 속도에 따른 감속도의 기준은 상기 이전 또는 현재 위치 정보 및 상기 적어도 하나의 이전 또는 현재 데이터에 따라 변경되는 것인, 운전 패턴 모니터링 방법.
  12. 제 9 항에 있어서,
    상기 속도에 따른 각속도의 기준은 상기 이전 또는 현재 위치 정보 및 상기 적어도 하나의 이전 또는 현재 데이터에 따라 변경되는 것인, 운전 패턴 모니터링 방법.
  13. 제 1 항에 있어서,
    상기 실시간 운전 패턴 및 상기 기준 운전 패턴을 비교한 결과, 기설정된 시간 동안 상기 실시간 운전 패턴 및 상기 기준 운전 패턴의 차이가 기설정된 범위 이상의 차이가 발생한 경우, 상기 차량의 디바이스(110)로 경고 메시지를 전송하는 단계
    를 더 포함하는 것인, 운전 패턴 모니터링 방법.
  14. 제 1 항에 있어서,
    상기 실시간 운전 패턴 및 상기 기준 운전 패턴을 비교한 결과를 제 2 외부 서버로 전송하는 단계
    를 더 포함하는 것인, 운전 패턴 모니터링 방법.
  15. 제 1 항에 있어서,
    상기 이전 운행 정보 및 현재 운행 정보는 상기 차량의 운행기록 자기 진단 장치(OBD, On-Board Diagnostics)로부터 수집되는 것인, 운전 패턴 모니터링 방법.
  16. 운전 패턴 모니터링 서버(100)에 있어서,
    차량의 디바이스(110)로부터 이전 운행 정보 및 이전 위치 정보를 수신하고, 제 1 외부 서버로부터 적어도 하나의 이전 데이터를 수신하는 수신부;
    상기 이전 운행 정보, 상기 이전 위치 정보 및 상기 적어도 하나의 이전 데이터에 기초하여 기준 운전 패턴을 생성하는 기준 운전 패턴 생성부;
    상기 차량의 운행이 시작된 경우, 상기 디바이스(110)로부터 수신한 현재 운행 정보 및 현재 위치 정보와, 상기 제 1 외부 서버로부터 수신한 적어도 하나의 현재 데이터에 기초하여 실시간 운전 패턴을 생성하는 실시간 운전 패턴 생성부; 및
    상기 실시간 운전 패턴 및 상기 기준 운전 패턴을 비교하는 비교부
    를 포함하되,
    상기 기준 운전 패턴은 상기 이전 운행 정보, 상기 이전 위치 정보 및 상기 적어도 하나의 이전 데이터의 조합에 따라 생성된 복수의 기준 운전 패턴을 포함하고,
    상기 복수의 기준 운전 패턴 각각은 상기 이전 운행 정보에 포함된 상기 차량의 속도에 따른 상기 차량의 가속도, 감속도 및 방향 변경의 기준이 상이한 것인, 운전 패턴 모니터링 서버.
  17. 제 16 항에 있어서,
    상기 실시간 운전 패턴 및 상기 기준 운전 패턴을 비교한 결과, 기설정된 시간 동안 상기 실시간 운전 패턴 및 상기 기준 운전 패턴의 차이가 기설정된 범위 이상의 차이가 발생한 경우, 상기 차량의 디바이스(110)로 경고 메시지를 전송하고,
    상기 실시간 운전 패턴 및 상기 기준 운전 패턴을 비교한 결과를 제 2 외부 서버로 전송하는 전송부
    를 더 포함하는 것인, 운전 패턴 모니터링 서버.
  18. 운전 패턴 모니터링 시스템에 있어서,
    디바이스(110); 및
    운전 패턴 모니터링 서버(100)
    를 포함하되,
    상기 디바이스(110)는,
    차량의 이전 운행 정보 및 이전 위치 정보를 상기 운전 패턴 모니터링 서버(100)로 전송하고,
    상기 운전 패턴 모니터링 서버(100)로부터 수신한 메시지를 출력하도록 구성되고,
    상기 운전 패턴 모니터링 서버(100)는,
    상기 이전 운행 정보 및 이전 위치 정보와, 제 1 외부 서버로부터 수신한 적어도 하나의 이전 데이터에 기초하여 기준 운전 패턴을 생성하고,
    차량의 운행이 시작된 경우, 상기 디바이스(110)로부터 수신한 현재 운행 정보 및 현재 위치 정보와, 상기 제 1 외부 서버로부터 수신한 적어도 하나의 현재 데이터에 기초하여 실시간 운전 패턴을 생성하고,
    상기 실시간 운전 패턴 및 상기 기준 운전 패턴을 비교하고,
    상기 실시간 운전 패턴 및 상기 기준 운전 패턴의 비교 결과에 기초하여 상기 메시지를 상기 디바이스(110)로 전송하도록 구성되되,
    상기 기준 운전 패턴은 상기 이전 운행 정보, 상기 이전 위치 정보 및 상기 적어도 하나의 이전 데이터의 조합에 따라 생성된 복수의 기준 운전 패턴을 포함하고,
    상기 복수의 기준 운전 패턴 각각은 상기 이전 운행 정보에 포함된 상기 차량의 속도에 따른 상기 차량의 가속도, 감속도 및 방향 변경의 기준이 상이한 것인, 운전 패턴 모니터링 시스템.
KR1020150126360A 2015-09-07 2015-09-07 운전 패턴 모니터링 방법, 운전 패턴 모니터링 서버 및 시스템 KR101881127B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020150126360A KR101881127B1 (ko) 2015-09-07 2015-09-07 운전 패턴 모니터링 방법, 운전 패턴 모니터링 서버 및 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020150126360A KR101881127B1 (ko) 2015-09-07 2015-09-07 운전 패턴 모니터링 방법, 운전 패턴 모니터링 서버 및 시스템

Publications (2)

Publication Number Publication Date
KR20170029257A KR20170029257A (ko) 2017-03-15
KR101881127B1 true KR101881127B1 (ko) 2018-07-23

Family

ID=58403272

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020150126360A KR101881127B1 (ko) 2015-09-07 2015-09-07 운전 패턴 모니터링 방법, 운전 패턴 모니터링 서버 및 시스템

Country Status (1)

Country Link
KR (1) KR101881127B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102255512B1 (ko) 2020-06-30 2021-05-24 주식회사 버틀러 운전원 맞춤형 교통사고 위험 예측 방법 및 그 시스템

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101979863B1 (ko) * 2017-12-29 2019-08-28 경일대학교산학협력단 IoT 기반 스마트 장치를 이용한 안전 운전 서비스를 제공하기 위한 시스템, 이를 위한 방법 및 이 방법을 수행하는 프로그램이 기록된 컴퓨터 판독 가능한 기록매체
KR102575717B1 (ko) * 2018-07-26 2023-09-07 현대자동차주식회사 주변차량의 상태정보 안내 장치 및 그 방법
KR102610752B1 (ko) * 2018-12-10 2023-12-08 현대자동차주식회사 차량의 자율주행 제어 장치 및 방법
GB2592425A (en) * 2020-02-28 2021-09-01 Continental Automotive Gmbh Vehicular control assistance system and method
KR102479348B1 (ko) * 2021-03-12 2022-12-21 (주)모토벨로 전기 자전거용 음성 안내 방법 및 장치
KR102456087B1 (ko) * 2022-05-03 2022-10-19 (주)블루포인트 안전운전 평가 방법

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015089695A (ja) * 2013-11-05 2015-05-11 トヨタ自動車株式会社 ストップランプスイッチ異常検出装置

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130082644A (ko) * 2011-12-12 2013-07-22 주식회사 선택인터내셔날 운전자성향분석장치 및 그 장치를 이용한 운전자성향분석방법
KR20140002373A (ko) * 2012-06-29 2014-01-08 현대자동차주식회사 운전패턴학습을 통한 운전자 상태 감시 장치 및 방법
KR20150084250A (ko) * 2014-01-13 2015-07-22 한국전자통신연구원 차량 센싱 장치 기반 안전운전 성향정보를 반영한 자동차 보험료 산출 방법
KR20150085335A (ko) * 2014-01-15 2015-07-23 한국전자통신연구원 빅 데이터 기반 운전자와 차량 상호작용을 위한 ux 학습 테스트 베드 시스템

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015089695A (ja) * 2013-11-05 2015-05-11 トヨタ自動車株式会社 ストップランプスイッチ異常検出装置

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102255512B1 (ko) 2020-06-30 2021-05-24 주식회사 버틀러 운전원 맞춤형 교통사고 위험 예측 방법 및 그 시스템

Also Published As

Publication number Publication date
KR20170029257A (ko) 2017-03-15

Similar Documents

Publication Publication Date Title
KR101881127B1 (ko) 운전 패턴 모니터링 방법, 운전 패턴 모니터링 서버 및 시스템
US11694487B1 (en) Vehicle-to-vehicle accident detection
US11315190B1 (en) Vehicle-to-vehicle incident information collection
US11891071B2 (en) Vehicle to vehicle telematics
US11295391B1 (en) Reward system related to a vehicle-to-vehicle communication system
US20230177615A1 (en) Reward system related to a vehicle-to-vehicle communication system
US11909817B2 (en) Scalable and secure vehicle to everything communications
US11397993B2 (en) Electronic logging and track identification system for mobile telematics devices, and corresponding method thereof
US10956983B1 (en) Insurance system for analysis of autonomous driving
US10664918B1 (en) Insurance system related to a vehicle-to-vehicle communication system
US10633002B1 (en) Context-based grading
US9623876B1 (en) Driving analysis using vehicle-to-vehicle communication
US11170639B2 (en) Transportation threat detection system
EP4145340A1 (en) Method for identifying abnormal vehicle parameters in vehicle platoon and terminal device
US11741763B2 (en) Systems and methods for system generated damage analysis
Tak et al. Study on the framework of hybrid collision warning system using loop detectors and vehicle information
US20220324467A1 (en) Driving safety systems
US10163340B2 (en) Methods and network nodes for notifying vehicle drivers about their driving
CN112233419B (zh) 一种数据处理方法、装置、设备及存储介质
JP7095673B2 (ja) 高ネットワーク負荷状況におけるコネクティッド車両のための無線通信保証
CN111461094A (zh) 基于监控视频的套牌车识别方法、装置及计算机设备
SenthamilSelvan et al. Intersection collision avoidance in dedicated short‐range communication using vehicle ad hoc network
US11380198B2 (en) Managing anomalies and anomaly-affected entities
CN117178309A (zh) 用于创建具有碰撞概率的地图的方法
KR102332939B1 (ko) 실시간 교통 정보 제공 방법, 시스템 및 디바이스

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