KR102170094B1 - Method for judging car accident based on exercise imformaion of car and apparatus using the same - Google Patents

Method for judging car accident based on exercise imformaion of car and apparatus using the same Download PDF

Info

Publication number
KR102170094B1
KR102170094B1 KR1020160169323A KR20160169323A KR102170094B1 KR 102170094 B1 KR102170094 B1 KR 102170094B1 KR 1020160169323 A KR1020160169323 A KR 1020160169323A KR 20160169323 A KR20160169323 A KR 20160169323A KR 102170094 B1 KR102170094 B1 KR 102170094B1
Authority
KR
South Korea
Prior art keywords
vehicle
sensor data
accident
change
exercise information
Prior art date
Application number
KR1020160169323A
Other languages
Korean (ko)
Other versions
KR20170118582A (en
Inventor
이진영
Original Assignee
한국전자통신연구원
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 한국전자통신연구원 filed Critical 한국전자통신연구원
Publication of KR20170118582A publication Critical patent/KR20170118582A/en
Application granted granted Critical
Publication of KR102170094B1 publication Critical patent/KR102170094B1/en

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R21/00—Arrangements or fittings on vehicles for protecting or preventing injuries to occupants or pedestrians in case of accidents or other traffic risks
    • B60R21/01—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60K—ARRANGEMENT OR MOUNTING OF PROPULSION UNITS OR OF TRANSMISSIONS IN VEHICLES; ARRANGEMENT OR MOUNTING OF PLURAL DIVERSE PRIME-MOVERS IN VEHICLES; AUXILIARY DRIVES FOR VEHICLES; INSTRUMENTATION OR DASHBOARDS FOR VEHICLES; ARRANGEMENTS IN CONNECTION WITH COOLING, AIR INTAKE, GAS EXHAUST OR FUEL SUPPLY OF PROPULSION UNITS IN VEHICLES
    • B60K28/00—Safety devices for propulsion-unit control, specially adapted for, or arranged in, vehicles, e.g. preventing fuel supply or ignition in the event of potentially dangerous conditions
    • B60K28/10—Safety devices for propulsion-unit control, specially adapted for, or arranged in, vehicles, e.g. preventing fuel supply or ignition in the event of potentially dangerous conditions responsive to conditions relating to the vehicle 
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60K—ARRANGEMENT OR MOUNTING OF PROPULSION UNITS OR OF TRANSMISSIONS IN VEHICLES; ARRANGEMENT OR MOUNTING OF PLURAL DIVERSE PRIME-MOVERS IN VEHICLES; AUXILIARY DRIVES FOR VEHICLES; INSTRUMENTATION OR DASHBOARDS FOR VEHICLES; ARRANGEMENTS IN CONNECTION WITH COOLING, AIR INTAKE, GAS EXHAUST OR FUEL SUPPLY OF PROPULSION UNITS IN VEHICLES
    • B60K28/00—Safety devices for propulsion-unit control, specially adapted for, or arranged in, vehicles, e.g. preventing fuel supply or ignition in the event of potentially dangerous conditions
    • B60K28/10—Safety devices for propulsion-unit control, specially adapted for, or arranged in, vehicles, e.g. preventing fuel supply or ignition in the event of potentially dangerous conditions responsive to conditions relating to the vehicle 
    • B60K28/14—Safety devices for propulsion-unit control, specially adapted for, or arranged in, vehicles, e.g. preventing fuel supply or ignition in the event of potentially dangerous conditions responsive to conditions relating to the vehicle  responsive to accident or emergency, e.g. deceleration, tilt of vehicle
    • 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
    • B60W50/04—Monitoring the functioning of the control system
    • 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
    • G08B21/182—Level alarms, e.g. alarms responsive to variables exceeding a threshold
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B25/00—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems
    • 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
    • B60W2520/00—Input parameters relating to overall vehicle dynamics
    • 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
    • B60W2556/00—Input parameters relating to data
    • B60W2556/10—Historical data

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Emergency Alarm Devices (AREA)

Abstract

차량의 운동정보를 기반으로 한 차량 사고 판단 방법 및 이를 위한 장치가 개시된다. 본 발명의 일실시예에 따른 차량 사고 판단 방법은 차량의 움직임에 대한 센서 데이터를 획득하는 단계; 상기 센서 데이터를 기반으로 상기 차량의 운동정보 변화량을 산출하는 단계; 및 상기 센서 데이터 및 상기 운동정보 변화량 중 적어도 하나를 기반으로 상기 차량의 사고발생 여부를 판단하는 단계를 포함한다.Disclosed are a vehicle accident determination method and an apparatus therefor based on vehicle motion information. A vehicle accident determination method according to an embodiment of the present invention includes the steps of acquiring sensor data on the movement of the vehicle; Calculating a change amount of the exercise information of the vehicle based on the sensor data; And determining whether an accident has occurred in the vehicle based on at least one of the sensor data and the amount of change in the exercise information.

Description

차량의 운동정보를 기반으로 한 차량 사고 판단 방법 및 이를 위한 장치 {METHOD FOR JUDGING CAR ACCIDENT BASED ON EXERCISE IMFORMAION OF CAR AND APPARATUS USING THE SAME}Vehicle accident judgment method based on vehicle motion information and device for it {METHOD FOR JUDGING CAR ACCIDENT BASED ON EXERCISE IMFORMAION OF CAR AND APPARATUS USING THE SAME}

본 발명은 차량에서 획득한 데이터를 기반으로 차량 사고를 자동으로 판단하는 기술에 관한 것으로, 특히 차량의 움직임에 상응하게 획득되는 센서 데이터에서 급격한 변화가 감지될 경우 사고가 발생한 것으로 판단하는 차량 사고 판단 기술에 관한 것이다.The present invention relates to a technology for automatically determining a vehicle accident based on data obtained from a vehicle, and in particular, when a sudden change is detected in sensor data obtained corresponding to the movement of the vehicle, a vehicle accident determination that determines that an accident has occurred. It's about technology.

차량은 사고 발생 시 사고 유형에 따라서 이동 속도가 급격히 변화하거나 방향성 및 자세가 변화하는 등의 운동성 변화를 보일 수 있다. 이 때, 차량의 운동성은 차량에 장착된 운동성 측정 센서, 차량 내에 추가로 장착된 네비게이션, 블랙박스 및 스마트 기기에 장착된 운동성 측정 센서 등을 통해 측정할 수 있다.When an accident occurs, a vehicle may show a change in mobility such as a rapid change in moving speed or a change in direction and posture depending on the type of accident. In this case, the mobility of the vehicle may be measured through a movement measurement sensor mounted on the vehicle, a navigation system additionally mounted in the vehicle, a movement measurement sensor mounted on a black box and a smart device.

한국 공개 특허 제10-2000-0044416호, 2000년 7월 15일 공개(명칭: 차량 사고 자동 통보 장치)Korean Patent Publication No. 10-2000-0044416, published on July 15, 2000 (Name: Automatic Vehicle Accident Notification Device)

본 발명의 목적은 차량으로부터 획득된 센서 데이터를 기반으로 차량 운동성의 급격한 변화를 감지하여 차량 사고를 판단하는 것이다.An object of the present invention is to determine a vehicle accident by detecting a sudden change in vehicle mobility based on sensor data acquired from a vehicle.

또한, 본 발명의 목적은 센서 데이터를 기반으로 사고 유형을 예측하여 자동으로 구조 요청을 수행함으로써 보다 신속하고 안전한 구조가 진행되도록 하는 것이다.In addition, an object of the present invention is to predict an accident type based on sensor data and automatically perform a rescue request so that a faster and safer rescue can proceed.

또한, 본 발명의 목적은 충격에 의한 데이터가 아닌 차량의 운동성을 통해 사고의 발생 여부를 감지함으로써 보다 신뢰성이 높고 효율적인 차량 사고 판단 알고리즘을 제공하는 것이다.In addition, an object of the present invention is to provide a more reliable and efficient vehicle accident determination algorithm by detecting whether an accident has occurred through the movement of the vehicle, not data due to the impact.

상기한 목적을 달성하기 위한 본 발명에 따른 차량 사고 판단 방법은 차량의 움직임에 대한 센서 데이터를 획득하는 단계; 상기 센서 데이터를 기반으로 상기 차량의 운동정보 변화량을 산출하는 단계; 및 상기 센서 데이터 및 상기 운동정보 변화량 중 적어도 하나를 기반으로 상기 차량의 사고발생 여부를 판단하는 단계를 포함한다.A vehicle accident determination method according to the present invention for achieving the above object comprises: acquiring sensor data on the movement of the vehicle; Calculating a change amount of the exercise information of the vehicle based on the sensor data; And determining whether an accident has occurred in the vehicle based on at least one of the sensor data and the amount of change in the exercise information.

이 때, 차량 사고 판단 방법은 상기 센서 데이터를 기반으로 상기 차량의 운동정보 평균 변화량을 산출하는 단계; 및 상기 센서 데이터에 상응하는 사고 판단 임계값을 설정하는 단계를 더 포함할 수 있다.In this case, the vehicle accident determination method comprises: calculating an average amount of change in the exercise information of the vehicle based on the sensor data; And setting an accident determination threshold corresponding to the sensor data.

이 때, 판단하는 단계는 상기 센서 데이터의 종류에 따라 상기 운동정보 평균 변화량 및 상기 사고 판단 임계값 중 어느 하나를 기준으로 상기 사고발생 여부를 판단할 수 있다.In this case, the determining step may determine whether the accident has occurred based on one of the average change amount of the exercise information and the accident determination threshold according to the type of the sensor data.

이 때, 판단하는 단계는 상기 센서 데이터가 종가속도, 횡가속도, 축가속도, 요 레이트(yaw rate) 및 휠(wheel) 속도 중 어느 하나에 상응하는 경우에 상기 운동정보 변화량이 상기 운동정보 평균 변화량을 초과하는지 여부에 따라 상기 사고발생 여부를 판단할 수 있다.At this time, the determining step is when the sensor data corresponds to any one of vertical acceleration, lateral acceleration, axis acceleration, yaw rate, and wheel speed, the amount of change in the exercise information is the average change amount of the exercise information. It can be determined whether or not the accident occurs according to whether it exceeds.

이 때, 판단하는 단계는 상기 센서 데이터가 피치(pitch) 값, 롤(roll) 값 및 중력 가속도 중 어느 하나에 상응하는 경우에 상기 센서 데이터에 상응하는 값이 상기 사고 판단 임계값을 초과하는지 여부에 따라 상기 사고발생 여부를 판단할 수 있다.At this time, the step of determining is whether the value corresponding to the sensor data exceeds the accident determination threshold when the sensor data corresponds to any one of a pitch value, a roll value, and a gravitational acceleration. According to the above, it can be determined whether the accident has occurred.

이 때, 획득하는 단계는 상기 차량에 구비된 적어도 하나의 센서를 통해 기설정된 단위시간마다 상기 센서 데이터를 획득할 수 있다.In this case, in the obtaining step, the sensor data may be acquired every predetermined unit time through at least one sensor provided in the vehicle.

이 때, 운동정보 변화량은 현재시각을 기준으로 가장 최근에 획득된 제1 센서 데이터와 상기 제1 센서 데이터의 바로 이전에 획득된 제2 센서 데이터를 이용하여 산출되고, 상기 기설정된 단위시간 동안 상기 차량의 운동정보가 변화한 수치의 절대값에 상응할 수 있다.At this time, the amount of change in exercise information is calculated using the most recently acquired first sensor data based on the current time and the second sensor data acquired immediately before the first sensor data, and the predetermined unit time The vehicle's motion information may correspond to the absolute value of the changed value.

이 때, 차량 사고 판단 방법은 상기 차량에 사고가 발생한 것으로 판단된 경우에 상기 센서 데이터 및 상기 운동정보 변화량 중 적어도 하나를 기반으로 사고유형을 예측하는 단계; 및 상기 사고유형을 기반으로 자동으로 구조 요청을 수행하는 단계를 더 포함할 수 있다.In this case, the vehicle accident determination method includes: predicting an accident type based on at least one of the sensor data and the amount of change in the exercise information when it is determined that an accident has occurred in the vehicle; And automatically executing a rescue request based on the type of accident.

또한, 본 발명의 일실시예에 따른 차량 사고 판단 장치는, 차량의 움직임에 대한 센서 데이터를 획득하는 수신부; 및 상기 센서 데이터를 기반으로 상기 차량의 운동정보 변화량을 산출하고, 상기 센서 데이터 및 상기 운동정보 변화량 중 적어도 하나를 기반으로 상기 차량의 사고발생 여부를 판단하는 제어부를 포함한다.In addition, an apparatus for determining a vehicle accident according to an embodiment of the present invention includes: a receiving unit for obtaining sensor data on a movement of a vehicle; And a control unit that calculates an amount of change in exercise information of the vehicle based on the sensor data, and determines whether an accident has occurred in the vehicle based on at least one of the sensor data and the amount of change in the exercise information.

이 때, 제어부는 상기 센서 데이터를 기반으로 상기 차량의 운동정보 평균 변화량을 산출하고, 상기 센서 데이터에 상응하는 사고 판단 임계값을 설정할 수 있다.In this case, the controller may calculate an average amount of change in the vehicle's exercise information based on the sensor data and set an accident determination threshold corresponding to the sensor data.

이 때, 제어부는 상기 센서 데이터의 종류에 따라 운동정보 평균 변화량 및 상기 사고 판단 임계값 중 어느 하나를 기준으로 상기 사고발생 여부를 판단할 수 있다.In this case, the controller may determine whether the accident has occurred based on one of an average amount of change in exercise information and the accident determination threshold according to the type of the sensor data.

이 때, 제어부는 상기 센서 데이터가 종가속도, 횡가속도, 축가속도, 요 레이트(yaw rate) 및 휠(wheel) 속도 중 어느 하나에 상응하는 경우에 상기 운동정보 변화량이 상기 운동정보 평균 변화량을 초과하는지 여부에 따라 상기 사고발생 여부를 판단할 수 있다.In this case, when the sensor data corresponds to any one of vertical acceleration, lateral acceleration, axis acceleration, yaw rate, and wheel speed, the amount of change in the exercise information exceeds the average change amount of the exercise information. Depending on whether or not the accident can be determined whether or not.

이 때, 제어부는 상기 센서 데이터가 피치(pitch) 값, 롤(roll) 값 및 중력 가속도 중 어느 하나에 상응하는 경우에 상기 센서 데이터에 상응하는 값이 상기 사고 판단 임계값을 초과하는지 여부에 따라 상기 사고발생 여부를 판단할 수 있다.In this case, when the sensor data corresponds to any one of a pitch value, a roll value, and a gravitational acceleration, the controller determines whether the value corresponding to the sensor data exceeds the accident determination threshold. It is possible to determine whether the accident has occurred.

이 때, 수신부는 상기 차량에 구비된 적어도 하나의 센서를 통해 기설정된 단위시간마다 상기 센서 데이터를 획득할 수 있다.In this case, the receiving unit may acquire the sensor data every preset unit time through at least one sensor provided in the vehicle.

이 때, 운동정보 변화량은 현재시각을 기준으로 가장 최근에 획득된 제1 센서 데이터와 상기 제1 센서 데이터의 바로 이전에 획득된 제2 센서 데이터를 이용하여 산출되고, 상기 기설정된 단위시간 동안 상기 차량의 운동정보가 변화한 수치의 절대값에 상응할 수 있다.At this time, the amount of change in exercise information is calculated using the most recently acquired first sensor data based on the current time and the second sensor data acquired immediately before the first sensor data, and the predetermined unit time The vehicle's motion information may correspond to the absolute value of the changed value.

이 때, 제어부는 상기 차량에 사고가 발생한 것으로 판단된 경우에 상기 센서 데이터 및 상기 운동정보 변화량 중 적어도 하나를 기반으로 사고유형을 예측하고, 상기 사고유형을 기반으로 자동으로 구조 요청을 수행할 수 있다.In this case, when it is determined that an accident has occurred in the vehicle, the control unit predicts an accident type based on at least one of the sensor data and the amount of change in the exercise information, and automatically performs a rescue request based on the accident type. have.

본 발명에 따르면, 차량으로부터 획득된 센서 데이터를 기반으로 차량 운동성의 급격한 변화를 감지하여 차량 사고를 판단할 수 있다.According to the present invention, a vehicle accident can be determined by detecting a sudden change in vehicle mobility based on sensor data acquired from a vehicle.

또한, 본 발명은 센서 데이터를 기반으로 사고 유형을 예측하여 자동으로 구조 요청을 수행함으로써 보다 신속하고 안전한 구조가 진행되도록 할 수 있다.In addition, the present invention predicts an accident type based on sensor data and automatically performs a rescue request, so that a faster and safer rescue can proceed.

또한, 본 발명은 충격에 의한 데이터가 아닌 차량의 운동성을 통해 사고의 발생 여부를 감지함으로써 보다 신뢰성이 높고 효율적인 차량 사고 판단 알고리즘을 제공할 수 있다.In addition, the present invention can provide a more reliable and efficient vehicle accident determination algorithm by detecting whether an accident has occurred through the movement of the vehicle rather than data due to the impact.

도 1은 본 발명의 일실시예에 따른 차량 사고 판단 시스템을 나타낸 도면이다.
도 2는 본 발명의 일실시예에 따른 차량의 운동정보를 기반으로 한 차량 사고 판단 방법을 나타낸 동작 흐름도이다.
도 3은 차량에 대한 피치(Pitch), 롤(Roll) 및 요(Yaw)를 나타낸 도면이다.
도 4는 본 발명에 따른 차량 사고 판단 시 변화한 운동정보를 산출하기 위한 단위시간별 그래프의 일 예를 나타낸 도면이다.
도 5는 본 발명의 일실시예에 따른 차량의 운동정보를 기반으로 한 차량 사고 판단 방법을 상세하게 나타낸 동작흐름도이다.
도 6은 본 발명의 일실시예에 따른 차량의 운동정보를 기반으로 한 차량 사고 판단 장치를 나타낸 블록도이다.
도 7는 본 발명의 일실시예에 따른 컴퓨터 시스템을 나타낸 도면이다.1 is a diagram showing a vehicle accident determination system according to an embodiment of the present invention.
2 is a flowchart illustrating a vehicle accident determination method based on motion information of a vehicle according to an embodiment of the present invention.
3 is a view showing the pitch (Pitch), roll (Roll) and yaw (Yaw) of the vehicle.
4 is a view showing an example of a graph for each unit time for calculating changed exercise information when determining a vehicle accident according to the present invention.
5 is a detailed operation flow diagram illustrating a vehicle accident determination method based on motion information of a vehicle according to an embodiment of the present invention.
6 is a block diagram showing a vehicle accident determination apparatus based on motion information of a vehicle according to an embodiment of the present invention.
7 is a diagram showing a computer system according to an embodiment of the present invention.

본 발명을 첨부된 도면을 참조하여 상세히 설명하면 다음과 같다. 여기서, 반복되는 설명, 본 발명의 요지를 불필요하게 흐릴 수 있는 공지 기능, 및 구성에 대한 상세한 설명은 생략한다. 본 발명의 실시형태는 당 업계에서 평균적인 지식을 가진 자에게 본 발명을 보다 완전하게 설명하기 위해서 제공되는 것이다. 따라서, 도면에서의 요소들의 형상 및 크기 등은 보다 명확한 설명을 위해 과장될 수 있다.The present invention will be described in detail with reference to the accompanying drawings as follows. Here, repeated descriptions, well-known functions that may unnecessarily obscure the subject matter of the present invention, and detailed descriptions of configurations are omitted. Embodiments of the present invention are provided to more completely explain the present invention to those with average knowledge in the art. Accordingly, the shapes and sizes of elements in the drawings may be exaggerated for clearer explanation.

이하, 본 발명에 따른 바람직한 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.Hereinafter, preferred embodiments of the present invention will be described in detail with reference to the accompanying drawings.

도 1은 본 발명의 일실시예에 따른 차량 사고 판단 시스템을 나타낸 도면이다.1 is a diagram showing a vehicle accident determination system according to an embodiment of the present invention.

도 1을 참조하면, 본 발명의 일실시예에 따른 차량 사고 판단 시스템은 차량 사고 판단 장치(110)와 차량(120)에 설치 또는 구비된 센서들(121~127)을 포함한다.Referring to FIG. 1, a vehicle accident determination system according to an embodiment of the present invention includes a vehicle accident determination apparatus 110 and sensors 121 to 127 installed or provided in the vehicle 120.

차량 사고 판단 장치(110)는 차량(120)의 움직임에 대한 센서 데이터를 획득한다.The vehicle accident determination device 110 acquires sensor data on the movement of the vehicle 120.

이 때, 차량(120)에 구비된 적어도 하나의 센서(121~127)를 통해 기설정된 단위시간마다 센서 데이터를 획득할 수 있다. In this case, sensor data may be acquired at every predetermined unit time through at least one sensor 121 to 127 provided in the vehicle 120.

또한, 차량 사고 판단 장치(110)는 센서 데이터를 기반으로 차량(120)의 운동정보 변화량을 산출한다.In addition, the vehicle accident determination device 110 calculates the amount of change in the exercise information of the vehicle 120 based on the sensor data.

이 때, 운동정보 변화량은 현재시각을 기준으로 가장 최근에 획득된 제1 센서 데이터와 제1 센서 데이터 바로 이전에 획득된 제2 센서 데이터를 이용하여 산출되고, 기설정된 단위시간 동안 차량(120)의 운동정보가 변화한 수치의 절대값에 상응할 수 있다. At this time, the amount of change in the exercise information is calculated using the most recently acquired first sensor data and the second sensor data acquired immediately before the first sensor data based on the current time, and the vehicle 120 for a predetermined unit time The exercise information of may correspond to the absolute value of the changed value.

또한, 차량 사고 판단 장치(110)는 센서 데이터를 기반으로 차량(120)의 운동정보 평균 변화량을 산출한다.In addition, the vehicle accident determination apparatus 110 calculates an average amount of change in exercise information of the vehicle 120 based on the sensor data.

또한. 차량 사고 판단 장치(110)는 센서 데이터에 상응하는 사고 판단 임계값을 설정한다.In addition. The vehicle accident determination device 110 sets an accident determination threshold corresponding to the sensor data.

또한, 차량 사고 판단 장치(110)는 센서 데이터 및 운동정보 변화량 중 적어도 하나를 기반으로 차량(120)의 사고발생 여부를 판단한다.In addition, the vehicle accident determination device 110 determines whether an accident occurs in the vehicle 120 based on at least one of the amount of change in sensor data and exercise information.

이 때, 센서 데이터의 종류에 따라 운동정보 평균 변화량 및 사고 판단 임계값 중 어느 하나를 기준으로 사고발생 여부를 판단할 수 있다.At this time, it is possible to determine whether an accident has occurred based on one of an average amount of change in exercise information and an accident determination threshold according to the type of sensor data.

이 때, 센서 데이터가 종가속도, 횡가속도, 축가속도, 요 레이트(yaw rate) 및 휠(wheel) 속도 중 어느 하나에 상응하는 경우에 운동정보 변화량이 운동정보 평균 변화량을 초과하는지 여부에 따라 사고발생 여부를 판단할 수 있다.At this time, if the sensor data corresponds to any one of vertical acceleration, lateral acceleration, axis acceleration, yaw rate, and wheel speed, the accident depends on whether the amount of change in exercise information exceeds the average amount of change in exercise information. It can be determined whether or not it occurs.

이 때, 센서 데이터가 피치(pitch) 값, 롤(roll) 값 및 중력 가속도 중 어느 하나에 상응하는 경우에 센서 데이터에 상응하는 값이 사고 판단 임계값을 초과하는지 여부에 따라 사고발생 여부를 판단할 수 있다.At this time, when the sensor data corresponds to any one of a pitch value, a roll value, and a gravitational acceleration, the occurrence of an accident is judged according to whether the value corresponding to the sensor data exceeds the accident judgment threshold. can do.

또한, 차량 사고 판단 장치(110)는 차량(120)에 사고가 발생한 것으로 판단된 경우에 센서 데이터 및 운동정보 변화량 중 적어도 하나를 기반으로 사고유형을 예측한다.In addition, when it is determined that an accident has occurred in the vehicle 120, the vehicle accident determination apparatus 110 predicts an accident type based on at least one of a change amount of sensor data and exercise information.

또한, 차량 사고 판단 장치(110)는 사고유형을 기반으로 자동으로 구조 요청을 수행한다.In addition, the vehicle accident determination device 110 automatically performs a rescue request based on the type of accident.

차량(120)에 설치 또는 구비된 센서들(121~127)은 차량(120)의 움직임에 대한 센서 데이터를 생성하여 차량 사고 판단 장치(110)에게 제공할 수 있다. The sensors 121 to 127 installed or provided in the vehicle 120 may generate sensor data on the movement of the vehicle 120 and provide it to the vehicle accident determination apparatus 110.

예를 들어, 도 1에 도시된 센서들(121~127) 중 차량(120)의 휠(wheel) 부분에 설치된 센서(123, 127)는 차량(120)이 시동하여 움직이는 동안의 바퀴의 속도를 센서 데이터로 생성할 수 있다. 이와 같은 센서 데이터를 통해 차량(120)의 속도가 갑작스럽게 변경되는 상황을 감지하여 사고여부를 판단하는데 사용할 수 있다. For example, among the sensors 121 to 127 shown in FIG. 1, the sensors 123 and 127 installed on the wheel of the vehicle 120 control the speed of the wheel while the vehicle 120 is started and moved. It can be created with sensor data. Through such sensor data, a situation in which the speed of the vehicle 120 is suddenly changed may be detected and used to determine whether an accident has occurred.

이 때, 도 1에 도시된 센서들(121~127)은 본 발명의 설명을 위한 일 실시예에 해당하는 것으로, 차량 사고 판단 장치(110)에서 사고발생 여부를 판단하는데 사용될 수 있는 센서 데이터의 종류에 따라 다양한 센서가 차량(120)에 설치 또는 구비될 수 있다.In this case, the sensors 121 to 127 shown in FIG. 1 correspond to an embodiment for the description of the present invention, and the sensor data that can be used to determine whether an accident has occurred in the vehicle accident determination device 110 Various sensors may be installed or provided in the vehicle 120 according to the type.

또한, 도 1에는 차량(120)의 외부에 별도로 차량 사고 판단 장치(110)를 도시하였으나, 차량 사고 판단 장치(110)는 차량(120)의 내부에 위치할 수도 있다. 예를 들어, 차량 사고 판단 장치(110)가 차량(120)의 외부에 위치한다고 가정하면, 차량 사고 판단 장치(110)는 차량(120)에 구비된 센서들(121~127)로부터 무선 네트워크를 통해 센서 데이터를 수신할 수 있다. 또한, 차량 사고 판단 장치(110)가 차량(120)의 내부에 위치한다고 가정하면, 차량 사고 판단 장치(110)는 차량(120)에 구비된 센서들(121~127)로부터 차량 내부의 유선 네트워크 또는 단거리 무선 네트워크 등을 통해 센선 데이터를 수신할 수도 있다. In addition, although the vehicle accident determination device 110 is shown separately outside the vehicle 120 in FIG. 1, the vehicle accident determination device 110 may be located inside the vehicle 120. For example, assuming that the vehicle accident determination device 110 is located outside the vehicle 120, the vehicle accident determination device 110 transmits a wireless network from the sensors 121 to 127 provided in the vehicle 120. Through the sensor data can be received. In addition, assuming that the vehicle accident determination device 110 is located inside the vehicle 120, the vehicle accident determination device 110 receives a wired network inside the vehicle from the sensors 121 to 127 provided in the vehicle 120. Alternatively, it is possible to receive Senseon data through a short-range wireless network.

도 2는 본 발명의 일실시예에 따른 차량의 운동정보를 기반으로 한 차량 사고 판단 방법을 나타낸 동작 흐름도이다.2 is a flowchart illustrating a vehicle accident determination method based on motion information of a vehicle according to an embodiment of the present invention.

도 2를 참조하면, 본 발명의 일실시예에 따른 차량의 운동정보를 기반으로 한 차량 사고 판단 방법은 차량의 움직임에 대한 센서 데이터를 획득한다(S210).Referring to FIG. 2, in a vehicle accident determination method based on vehicle motion information according to an embodiment of the present invention, sensor data on the vehicle motion is acquired (S210).

이 때, 센서 데이터는 차량에 설치된 센서의 종류에 따라 종가속도, 횡가속도, 축가속도, 요 레이트(yaw rate), 피치(pitch), 롤(roll), 중력 가속도 및 휠 속도 등 다양하게 획득될 수 있다. At this time, the sensor data can be obtained in various ways such as vertical acceleration, lateral acceleration, axis acceleration, yaw rate, pitch, roll, gravity acceleration, and wheel speed, depending on the type of sensor installed in the vehicle. I can.

이 때, 가속도는 특정 방향의 직선 운동에 대한 속도의 증강비를 의미하는 것으로 종가속도, 횡가속도 및 축가속도는 각각 차량을 기준으로 특정방향에 대한 속도의 증강비를 나타낸 것일 수 있다. In this case, the acceleration means an increase ratio of the speed to the linear motion in a specific direction, and the vertical acceleration, the lateral acceleration, and the axial acceleration may each represent the increase ratio of the speed in a specific direction based on the vehicle.

이 때, 종가속도는 차량의 전후방으로 작용하는 가속도일 수 있다. 즉, 차량이 직진하거나 후진할 때의 속도의 증강비를 의미할 수 있다.In this case, the vertical acceleration may be an acceleration acting in the front and rear of the vehicle. That is, it may mean an increase ratio of the speed when the vehicle moves straight forward or backward.

이 때, 횡가속도는 차량의 좌우 방향으로 작용하는 가속도일 수 있다. 예를 들어, 차량이 코너에서 우회전으로 진행하는 경우에 차량이 오른쪽으로 움직이는 속도에 대한 증강비가 횡가속도에 상응할 수 있다.In this case, the lateral acceleration may be an acceleration acting in the left and right directions of the vehicle. For example, when the vehicle proceeds from a corner to a right turn, an enhancement ratio to the speed at which the vehicle moves to the right may correspond to the lateral acceleration.

이 때, 축가속도는 차량의 상하 방향으로 작용하는 가속도일 수 있다. 예를 들어, 도로위에 요철이 존재하는 경우에 차량이 요철을 통과하면서 위 아래로 움직이는 속도에 대한 증강비가 축가속도에 상응할 수 있다.In this case, the shaft acceleration may be an acceleration acting in the vertical direction of the vehicle. For example, when there are irregularities on the road, an enhancement ratio to the speed of the vehicle moving up and down while passing through the irregularities may correspond to the shaft acceleration.

이 때, 롤, 피치, 요 레이트는 각각 차량의 X축, Y축, Z축을 기준으로 차량이 회전한 각도의 값을 의미할 수 있다. 즉, 롤 값은 차량의 전후방 방향에 상응하는 X축을 기준으로 차량이 회전하는 각도를 의미할 수 있고, 피치 값은 차량의 좌우 방향에 상응하는 Y축을 기준으로 차량이 회전하는 각도를 의미할 수 있고, 요 레이트는 차량의 상하 방향에 상응하는 Z축을 기준으로 차량이 회전하는 각도를 의미할 수 있다.In this case, the roll, pitch, and yaw rate may mean values of angles at which the vehicle rotates based on the X-axis, Y-axis, and Z-axis of the vehicle, respectively. That is, the roll value may mean the angle at which the vehicle rotates based on the X axis corresponding to the front and rear direction of the vehicle, and the pitch value may mean the angle at which the vehicle rotates based on the Y axis corresponding to the left and right directions of the vehicle. In addition, the yaw rate may mean an angle at which the vehicle rotates based on the Z axis corresponding to the vertical direction of the vehicle.

이 때, 중력 가속도는 의미 그대로 차량에 적용되는 중력 가속도를 의미할 수 있다.In this case, the gravitational acceleration may literally mean the gravitational acceleration applied to the vehicle.

이 때, 휠 속도는 차량에 존재하는 4개의 바퀴의 회전 속도를 의미할 수 있다. In this case, the wheel speed may mean the rotational speed of four wheels present in the vehicle.

이 때, 차량에 구비된 적어도 하나의 센서를 통해 기설정된 단위시간마다 센서 데이터를 획득할 수 있다.In this case, sensor data may be obtained at every predetermined unit time through at least one sensor provided in the vehicle.

이 때, 차량에 구비된 적어도 하나의 센서는 가속도 센서나 자이로(Gyro) 센서, 휠 속도 센서 등과 같이 센서 데이터의 종류에 따라 다양한 종류가 존재할 수 있다. In this case, at least one sensor provided in the vehicle may exist in various types according to the type of sensor data such as an acceleration sensor, a gyro sensor, and a wheel speed sensor.

이 때, 기설정된 단위시간이란 센서 데이터가 측정되는 주기에 상응할 수 있다. 예를 들어, 기설정된 단위시간이 1초라고 가정한다면, 1초마다 적어도 하나의 센서에서 센서 데이터를 측정하여 차량 사고 판단 장치(110)에게 전달할 수 있다. In this case, the preset unit time may correspond to a period in which sensor data is measured. For example, assuming that the preset unit time is 1 second, sensor data may be measured by at least one sensor every 1 second and transmitted to the vehicle accident determination apparatus 110.

이 때, 기설정된 단위시간은 차량의 관리자 또는 차량 사고 판단 장치의 관리자에 의해 자유롭게 설정 및 변경이 가능할 수 있다. In this case, the preset unit time may be freely set and changed by the manager of the vehicle or the manager of the vehicle accident determination device.

또한, 기설정된 단위시간은 센서 데이터의 종류에 따라 각각 상이하게 설정될 수도 있다. 예를 들어, 종가속도, 횡가속도 및 축가속도는 0.5초마다 센서 데이터가 획득되도록 설정하고, 요 레이트, 피치 및 롤은 1초마다 센서 데이터가 획득되도록 설정할 수도 있다. Also, the preset unit time may be set differently according to the type of sensor data. For example, vertical acceleration, lateral acceleration, and axis acceleration may be set to obtain sensor data every 0.5 seconds, and yaw rate, pitch, and roll may be set to obtain sensor data every second.

또한, 본 발명의 일실시예에 따른 차량의 운동정보를 기반으로 한 차량 사고 판단 방법은 센서 데이터를 기반으로 차량의 운동정보 변화량을 산출한다(S220).In addition, the vehicle accident determination method based on the exercise information of the vehicle according to an embodiment of the present invention calculates the amount of change in the exercise information of the vehicle based on sensor data (S220).

이 때, 운동정보 변화량이란, 차량의 속도, 방향성, 자체의 자세 등의 운동정보가 변화하는 정보를 수치로 나타낸 것에 상응할 수 있다.In this case, the amount of change in the exercise information may correspond to a numerical expression of information on which exercise information such as a vehicle speed, a direction, and a posture of the vehicle is changed.

이 때, 차량의 운동정보는 차량의 움직임을 감지하는 적어도 하나의 센서를 통해 획득된 센서 데이터를 기반으로 측정할 수 있다. In this case, the motion information of the vehicle may be measured based on sensor data acquired through at least one sensor that detects the motion of the vehicle.

이 때, 운동정보 변화량은 현재시각을 기준으로 가장 최근에 획득된 제1 센서 데이터와 제1 센서 데이터의 바로 이전에 획득된 제2 센서 데이터를 이용하여 산출되고, 기설정된 단위시간 동안 차량의 운동정보가 변화한 수치의 절대값에 상응할 수 있다.At this time, the amount of change in the exercise information is calculated using the most recently acquired first sensor data and the second sensor data acquired immediately before the first sensor data based on the current time, and the vehicle's movement for a predetermined unit time. The information may correspond to the absolute value of the changed number.

예를 들어, 차량의 종가속도에 상응하는 센서 데이터가 센서로부터 수신되는 기설정된 단위시간이 1초라고 가정한다면, 현재시각을 기준으로 가장 최근에 수신된 제1 종가속도와 제1 종가속도가 수신되기 1초전에 수신된 제2 종가속도의 차이 값에 대한 절대값을 운동정보 변화량으로 산출할 수 있다. For example, assuming that the sensor data corresponding to the vehicle's final acceleration is received from the sensor and the preset unit time is 1 second, the most recently received first final acceleration and first final acceleration are received based on the current time. The absolute value of the difference value of the second longitudinal acceleration received 1 second before the start may be calculated as the amount of change in the exercise information.

또한, 도 2에는 도시하지 아니하였으나, 본 발명의 일실시예에 따른 차량의 운동정보를 기반으로 한 차량 사고 판단 방법은 센서데이터를 기반으로 차량의 운동정보 평균 변화량을 산출할 수 있다. In addition, although not shown in FIG. 2, the vehicle accident determination method based on the exercise information of the vehicle according to an embodiment of the present invention may calculate an average amount of change in the exercise information of the vehicle based on sensor data.

이 때, 운동정보 평균 변화량을 현재시각을 기준으로 일정한 기간 동안의 운동정보 변화량을 기반으로 산출될 수 있다. 예를 들어, 현재시각을 기준으로 1달전부터 수집된 운동정보 변화량 데이터를 이용하여 기설정된 단위시간에 따른 운동정보 평균 변화량을 산출할 수 있다. In this case, the average change amount of exercise information may be calculated based on the change amount of exercise information for a certain period based on the current time. For example, an average amount of change in exercise information according to a preset unit time may be calculated by using the amount of change in exercise information collected from one month before the current time.

이 때, 운동정보 평균 변화량은 일정한 기간 동안 산출된 복수개의 운동정보 변화량들에 대한 평균값에 상응할 수 있다. 예를 들어, 현재시각을 기준으로 10시간 전부터 수집된 모든 횡가속도 변화량 데이터에 대한 평균을 횡가속도 평균 변화량으로 산출할 수 있다.In this case, the average change amount of exercise information may correspond to an average value of a plurality of change amounts of exercise information calculated for a certain period. For example, the average of all lateral acceleration change data collected from 10 hours ago based on the current time can be calculated as the lateral acceleration average change amount.

이 때, 센서 데이터들마다 각각의 운동정보 평균 변화량을 산출하기 위해서는 센서 데이터의 종류마다 각각의 운동정보 변화량에 상응하는 데이터를 수집 및 저장해야 하기 때문에 많은 메모리자원을 필요로 할 수 있다. 따라서, 차량 사고 판단 장치의 메모리 능력을 기반으로 운동정보 평균 변화량을 산출하기 위한 기간을 적절하게 설정할 수 있다. In this case, in order to calculate the average change amount of each exercise information for each of the sensor data, it is necessary to collect and store data corresponding to the change amount of each exercise information for each type of sensor data, which may require a large amount of memory resources. Accordingly, it is possible to appropriately set a period for calculating the average change amount of exercise information based on the memory capability of the vehicle accident determination apparatus.

이 때, 운동정보 평균 변화량을 산출하기 위해 저장되는 운동정보 변화량은 차량이 정상적으로 운행되고 있는 것으로 판단되는 상황에 수집될 수 있다.In this case, the amount of change in the exercise information stored to calculate the average amount of change in the exercise information may be collected in a situation where it is determined that the vehicle is running normally.

또한, 도 2에는 도시하지 아니하였으나, 본 발명의 일실시예에 따른 차량의 운동정보를 기반으로 한 차량 사고 판단 방법은 센서 데이터에 상응하는 사고 판단 임계값을 설정할 수 있다.In addition, although not shown in FIG. 2, the vehicle accident determination method based on the motion information of the vehicle according to an embodiment of the present invention may set an accident determination threshold corresponding to sensor data.

이 때, 사고 판단 임계값은 차량으로부터 수신된 센서 데이터의 수치만을 통해서 차량에 사고가 발생하였는지 여부를 판단하기 위한 값일 수 있다. In this case, the accident determination threshold may be a value for determining whether an accident has occurred in the vehicle through only the value of sensor data received from the vehicle.

따라서, 사고 판단 임계값은 차량이 정상적으로 운행할 때에는 수신되지 않을 센서 데이터의 값을 기반으로 설정될 수 있다. Accordingly, the accident determination threshold may be set based on a value of sensor data that will not be received when the vehicle is running normally.

또한, 본 발명의 일실시예에 따른 차량의 운동정보를 기반으로 한 차량 사고 판단 방법은 센서 데이터 및 운동정보 변화량 중 적어도 하나를 기반으로 차량의 사고발생 여부를 판단한다(S230).In addition, the vehicle accident determination method based on the exercise information of the vehicle according to an embodiment of the present invention determines whether the vehicle has an accident based on at least one of the sensor data and the amount of change in the exercise information (S230).

이 때, 센서 데이터나 운동정보 변화량을 통해 차량의 움직임에 대한 상황 또는 급격한 변화를 감지함으로써 차량에 사고가 발생하였는지 여부를 판단할 수 있다. 따라서, 차량 사고 판단을 위해 차량으로부터 획득되는 센서 데이터 및 운동정보 변화량 중 적어도 하나를 지속적으로 모니터링 할 수 있다.In this case, it is possible to determine whether an accident has occurred in the vehicle by detecting a situation or a sudden change in the movement of the vehicle through the amount of change in sensor data or exercise information. Accordingly, it is possible to continuously monitor at least one of a change amount of sensor data and exercise information acquired from the vehicle to determine a vehicle accident.

이 때, 센서 데이터의 종류에 따라 운동정보 평균 변화량 및 사고 판단 임계값 중 어느 하나를 기준으로 사고발생 여부를 판단할 수 있다.At this time, it is possible to determine whether an accident has occurred based on one of an average amount of change in exercise information and an accident determination threshold according to the type of sensor data.

예를 들어, 운동정보 변화량이 운동정보 평균 변화량을 초과하거나 센서 데이터의 수치가 사고 판단 임계값을 초과하는 경우, 차량에 사고가 발생한 것으로 판단할 수 있다. For example, when the amount of change in exercise information exceeds the average amount of change in exercise information or the value of sensor data exceeds an accident determination threshold, it may be determined that an accident has occurred in the vehicle.

이 때, 센서 데이터가 종가속도, 횡가속도, 축가속도, 요 레이트(yaw rate) 및 휠(wheel) 속도 중 어느 하나에 상응하는 경우에 운동정보 변화량이 운동정보 평균 변화량을 초과하는지 여부에 따라 사고발생 여부를 판단할 수 있다.At this time, if the sensor data corresponds to any one of vertical acceleration, lateral acceleration, axis acceleration, yaw rate, and wheel speed, the accident depends on whether the amount of change in exercise information exceeds the average amount of change in exercise information. It can be determined whether or not it occurs.

즉, 센서 데이터의 운동정보 변화량이 운동정보 평균 변화량을 초과하지 않는 선형적인 패턴을 유지한다면 차량의 운행에 문제가 없는 것으로 판단할 수 있지만, 운동정보 평균 변화량을 초과하는 비선형적 패턴이 발생한다면 사고가 발생한 것으로 판단할 수 있다.In other words, if the movement information change amount of sensor data maintains a linear pattern that does not exceed the average change amount of exercise information, it can be determined that there is no problem with the operation of the vehicle, but if a non-linear pattern exceeding the average change amount of exercise information occurs, an accident Can be determined to have occurred.

예를 들어, 종가속도가 급격히 줄어들어 운동정보 변화량이 운동정보 평균 변화량을 초과하는 경우에는 차량의 전후방 충돌에 의해 종가속도가 감소한 것으로 판단할 수 있다.For example, when the longitudinal acceleration decreases rapidly and the amount of change in the exercise information exceeds the average change amount of the exercise information, it may be determined that the longitudinal acceleration decreases due to a front and rear collision of the vehicle.

다른 예를 들어, 횡가속도가 급격히 상승하여 운동정보 변화량이 운동정보 평균 변화량을 초과하는 경우에는 차량의 측면 충돌에 의해 횡가속도가 증가한 것으로 판단할 수 있다.For another example, when the lateral acceleration rapidly increases and the amount of change in the exercise information exceeds the average change amount of the exercise information, it may be determined that the lateral acceleration has increased due to a side collision of the vehicle.

또, 다른 예를 들어, 축가속도가 급격히 상승하여 운동정보 변화량이 운동정보 평균 변화량을 초과하는 경우에는 차량이 추락하거나 전복되는 등의 상황에 의해 축가속도가 증가한 것으로 판단할 수 있다.In addition, for another example, when the axis acceleration rapidly increases and the amount of change in the movement information exceeds the average change amount of the movement information, it may be determined that the axis acceleration is increased due to a situation such as a vehicle falling or overturning.

또, 다른 예를 들어, 요 레이트가 급격히 증가하거나 감소하여 운동정보 변화량이 운동정보 평균 변화량을 초과하는 경우에는 차량이 전후방 충돌 및 코너 충돌에 의해 차량이 회전하면서 요 레이트가 급격히 변화한 것으로 판단할 수 있다.In addition, for another example, if the amount of change in exercise information exceeds the average amount of change in exercise information due to a sharp increase or decrease in the yaw rate, it may be determined that the yaw rate has changed rapidly as the vehicle rotates due to a front-to-back collision or a corner collision. I can.

또한, 센서 데이터가 피치(pitch) 값, 롤(roll) 값 및 중력 가속도 중 어느 하나에 상응하는 경우에 센서 데이터에 상응하는 값이 사고 판단 임계값을 초과하는지 여부에 따라 사고발생 여부를 판단할 수도 있다. In addition, when the sensor data corresponds to any one of a pitch value, a roll value, and a gravitational acceleration, it is possible to determine whether an accident has occurred according to whether the value corresponding to the sensor data exceeds the accident determination threshold. May be.

예를 들어, 차량의 피치 값에 대한 사고 판단 임계값이 90도라고 가정한다면, 센서 데이터에 상응하게 수신된 차량의 피치 값이 90도를 초과하는 경우에 차량이 종방향으로 전복되거나 추락한 것으로 판단할 수 있다.For example, assuming that the accident determination threshold for the pitch value of the vehicle is 90 degrees, it is determined that the vehicle has rolled over or fell in the longitudinal direction when the pitch value of the vehicle received corresponding to the sensor data exceeds 90 degrees. can do.

다른 예를 들어, 차량의 롤 값에 대한 사고 판단 임계값이 90도라고 가정한다면, 센서 데이터에 상응하게 수신된 차량의 롤 값이 90도를 초과하는 경우에 차량이 횡방향으로 전복되거나 추락한 것으로 판단할 수도 있다.For another example, assuming that the accident determination threshold for the roll value of the vehicle is 90 degrees, the vehicle rolls over or falls in the lateral direction when the roll value of the vehicle received corresponding to the sensor data exceeds 90 degrees. You can judge.

또한, 도 2에는 도시하지 아니하였으나, 본 발명의 일실시예에 따른 차량의 운동정보를 기반으로 한 차량 사고 판단 방법은 차량에 사고가 발생한 것으로 판단된 경우에 센서 데이터 및 운동정보 변화량 중 적어도 하나를 기반으로 사고유형을 예측할 수 있다.In addition, although not shown in FIG. 2, the vehicle accident determination method based on the exercise information of the vehicle according to an embodiment of the present invention is at least one of sensor data and the amount of change in exercise information when it is determined that an accident has occurred in the vehicle. The type of accident can be predicted based on.

예를 들어, 종가속도, 횡가속도 및 축가속도에 의한 운동정보 변화량이 운동정보 평균 변화량을 초과하여 사고가 발생한 것으로 판단된 경우에는 차량에 충돌사고가 발생한 것으로 예측할 수 있다.For example, when it is determined that an accident has occurred because the amount of change in motion information due to vertical acceleration, lateral acceleration, and axial acceleration exceeds the average change in motion information, the vehicle may be predicted to have a collision accident.

다른 예를 들어, 피치 값이나 롤 값에 상응하는 센서 데이터가 사고 판단 임계값을 초과하여 사고가 발생한 것으로 판단된 경우에는 차량이 전복되거나 추락하는 사고가 발생한 것으로 예측할 수도 있다.For another example, when it is determined that an accident has occurred because the sensor data corresponding to the pitch value or the roll value exceeds the accident determination threshold, it may be predicted that an accident in which the vehicle is overturned or falls has occurred.

또한, 도 2에는 도시하지 아니하였으나, 본 발명의 일실시예에 따른 차량의 운동정보를 기반으로 한 차량 사고 판단 방법은 사고유형을 기반으로 자동으로 구조 요청을 수행할 수 있다.In addition, although not shown in FIG. 2, the vehicle accident determination method based on the motion information of the vehicle according to an embodiment of the present invention may automatically perform a rescue request based on the type of accident.

예를 들어, 차량의 GPS 정보를 기반으로 차량의 위치와 함께 미리 예측된 사고유형에 대한 내용을 구조 요청과 함께 제공함으로써 구조대가 현장에 대한 상황을 신속하게 파악 및 예측할 수 있도록 할 수 있다. For example, it is possible to quickly grasp and predict the situation on the site by providing information on a predicted accident type along with the location of the vehicle based on the vehicle's GPS information along with a rescue request.

또한, 사고 차량의 운전자가 의식을 잃거나 부상의 이유로 구조 요청을 수행할 수 없는 경우, 차량 사고 판단에 의한 구조 요청이 자동으로 수행됨으로써 보다 신속하게 구조작업을 수행할 수도 있다.In addition, when the driver of the accident vehicle loses consciousness or cannot perform the rescue request due to injury, the rescue request based on the vehicle accident determination is automatically performed, so that rescue work can be performed more quickly.

또한, 도 2에는 도시하지 아니하였으나, 본 발명의 일실시예에 따른 차량의 운동정보를 기반으로 한 차량 사고 판단 방법은 차량 사고 판단 시 발생하는 다양한 정보를 저장할 수 있다.In addition, although not shown in FIG. 2, the vehicle accident determination method based on the motion information of the vehicle according to an embodiment of the present invention may store various types of information generated when the vehicle accident is determined.

실시예에 따라, 다양한 정보를 저장하는 저장 모듈은 차량 사고 판단 장치와 독립적으로 구성되어 차량 사고 판단을 위한 기능을 지원할 수 있다. 이 때, 저장모듈은 별도의 대용량 스토리지로 동작할 수 있고, 동작 수행을 위한 제어 기능을 포함할 수도 있다.Depending on the embodiment, the storage module for storing various information may be configured independently of the vehicle accident determination device to support a function for determining a vehicle accident. In this case, the storage module may operate as a separate mass storage, and may include a control function for performing the operation.

이와 같은 차량 사고 판단 방법을 통해 차량에 사고가 발생한 것을 자동으로 감지함으로써 보다 신속하고 안전한 구조가 진행되도록 할 수 있다. Through such a vehicle accident determination method, a faster and safer structure can be performed by automatically detecting that an accident has occurred in the vehicle.

또한, 충격에 의한 데이터가 아닌 차량의 운동성을 통해 사고의 발생 여부를 감지함으로써 보다 신뢰성이 높고 효율적인 차량 사고 판단 알고리즘을 제공할 수 있다.In addition, it is possible to provide a more reliable and efficient vehicle accident determination algorithm by detecting whether an accident has occurred through the movement of the vehicle rather than data due to the impact.

도 3은 차량에 대한 피치(Pitch), 롤(Roll) 및 요(Yaw)를 나타낸 도면이다. 3 is a view showing the pitch (Pitch), roll (Roll) and yaw (Yaw) of the vehicle.

도 3을 참조하면, 차량(300)의 X축, Y축, Z축을 기준으로 차량이 회전한 각도가 각각 롤, 피치 및 요에 해당할 수 있다. Referring to FIG. 3, angles at which the vehicle rotates based on the X-axis, Y-axis, and Z-axis of the vehicle 300 may correspond to a roll, a pitch, and a yaw, respectively.

이 때, X축은 차량(300)의 전후방을 나타내는 직선에 상응할 수 있고, Y축은 차량(300)의 좌우를 나타내는 직선에 상응할 수 있고, Z축은 차량(300)의 상하를 나타내는 직선에 상응할 수 있다. At this time, the X-axis may correspond to a straight line representing the front and rear of the vehicle 300, the Y-axis may correspond to a straight line representing the left and right of the vehicle 300, and the Z-axis corresponds to a straight line representing the up and down of the vehicle 300. can do.

이 때, 차량(300)의 X축을 기준으로 회전한 각도를 나타내는 롤 값은 차량이 횡방향으로 회전한 각도를 의미할 수 있다. 즉. 롤 값의 모니터링을 통해 차량 사고 및 추락에 의한 횡방향 전복 상태 등을 감지할 수 있다.In this case, a roll value representing an angle of rotation based on the X axis of the vehicle 300 may mean an angle at which the vehicle rotates in the horizontal direction. In other words. Through the monitoring of the roll value, it is possible to detect a lateral rollover condition caused by a vehicle accident or fall.

또한, 차량(300)의 Y축을 기준으로 회전한 각도를 나타내는 피치 값은 차량이 종방향으로 회전한 각도를 의미할 수 있다. 즉, 피치 값의 모니터링을 통해 차량 사고 및 추락에 의한 종방향 전복 상태 등을 감지할 수 있다.In addition, a pitch value representing an angle rotated based on the Y axis of the vehicle 300 may mean an angle at which the vehicle rotates in the vertical direction. That is, it is possible to detect a longitudinal rollover state due to a vehicle accident or a fall through the monitoring of the pitch value.

또한, 차량(300)의 Z축을 기준으로 회전한 각도를 나타내는 요 값은 차량이 수평 상태로 회전한 각도를 의미할 수 있다. 즉, 요 값의 변화량 모니터링을 통해 차량의 회전 상태를 감지하여 차량에 충돌이 발생하였거니 미끄러짐에 의한 사고가 발생한 것을 예측할 수도 있다.In addition, the yaw value indicating an angle rotated based on the Z axis of the vehicle 300 may mean an angle at which the vehicle rotates in a horizontal state. In other words, it is possible to predict that a collision occurred in the vehicle or an accident due to slipping occurred by detecting the rotational state of the vehicle through monitoring the amount of change in the yaw value.

도 4는 본 발명에 따른 차량 사고 판단 시 변화한 운동정보를 산출하기 위한 단위시간별 그래프의 일 예를 나타낸 도면이다.4 is a view showing an example of a graph for each unit time for calculating changed exercise information when determining a vehicle accident according to the present invention.

도 4를 참조하면, 본 발명에 따른 차량 사고 판단 시에는 기설정된 단위시간에 따라 차량의 운동정보 변화량을 산출하고, 산출된 운동정보 변화량이 운동정보 평균 변화량을 초과하는 비선형적인 패턴을 보일 때 차량에 사고가 발생한 것으로 판단할 수 있다.Referring to FIG. 4, when determining a vehicle accident according to the present invention, when a vehicle's exercise information change amount is calculated according to a preset unit time, and the calculated exercise information change amount exceeds the average change amount of exercise information, the vehicle shows a non-linear pattern. It can be determined that an accident has occurred.

이 때, 운동정보 변화량의 비선형적 패턴을 감지하기 위한 일 예로 아래의 [수학식 1]과 같은 과정을 통해 판단할 수 있다.In this case, as an example for detecting the nonlinear pattern of the amount of change in the exercise information, it may be determined through a process as shown in [Equation 1] below.

Figure 112016122018847-pat00001
Figure 112016122018847-pat00001

이 때, S(t)는 t 시간의 센서 데이터에 상응할 수 있다.In this case, S(t) may correspond to sensor data at time t.

이 때, |S(t-1) - S(t)|는 t-1 시간부터 t 시간 사이, 즉 도 4에 도시된 1 샘플 구간에서의 운동정보 변화량에 상응할 수 있다.At this time, |S(t-1)-S(t)| may correspond to the amount of change in the exercise information between time t-1 and time t, that is, in the 1-sample section shown in FIG. 4.

이 때, α(t)는 운동정보 평균 변화량에 상응하고, β(t)는 운동 모델 변경 상수에 상응할 수 있다. 이 때, 운동 모델 변경 상수는 센서 데이터를 측정하는 센서의 특성에 따라 별도로 설정될 수 있다. In this case, α(t) may correspond to an average change amount of exercise information, and β(t) may correspond to an exercise model change constant. In this case, the exercise model change constant may be separately set according to the characteristics of a sensor measuring sensor data.

이 때, α(t)는 [수학식 2]를 통해 산출될 수 있다.In this case, α(t) can be calculated through [Equation 2].

Figure 112016122018847-pat00002
Figure 112016122018847-pat00002

따라서, [수학식 1]을 풀이하면, 도 4에 도시된 1 샘플 구간에서의 운동정보 변화량의 값이 (1+ β(t))x α(t)를 초과하면 비선형적인 패턴이 발생한 것으로 보고 차량에 사고가 발생한 것으로 판단할 수 있다.Therefore, when [Equation 1] is solved, it is reported that a non-linear pattern occurs when the value of the amount of change in exercise information in the 1 sample section shown in FIG. 4 exceeds (1+ β(t))x α(t). It can be determined that an accident has occurred in the vehicle.

이 때, 운동정보 변화량의 비선형적 패턴을 감지하기 위한 방법은 상기 [수학식 1]을 이용하는 것으로 한정되지 않고, 운동정보 변화량의 비선형적 패턴 감지가 가능한 다양한 방법이 사용가능할 수 있다.In this case, the method for detecting the nonlinear pattern of the change amount of exercise information is not limited to using the above [Equation 1], and various methods capable of detecting the nonlinear pattern of the change amount of exercise information may be used.

도 5는 본 발명의 일실시예에 따른 차량의 운동정보를 기반으로 한 차량 사고 판단 방법을 상세하게 나타낸 동작흐름도이다.5 is a detailed operation flow diagram illustrating a vehicle accident determination method based on motion information of a vehicle according to an embodiment of the present invention.

도 5를 참조하면, 본 발명의 일실시예에 따른 차량의 운동정보를 기반으로 한 차량 사고 판단 방법은 먼저 차량의 움직임에 대한 센서 데이터를 획득한다(S510).Referring to FIG. 5, in the method for determining a vehicle accident based on motion information of a vehicle according to an embodiment of the present invention, first, sensor data on the movement of the vehicle is obtained (S510).

이 후, 센서 데이터를 기반으로 차량의 운동정보 평균 변화량을 산출하고, 센서 데이터에 상응하는 사고 판단 임계값을 설정한다(S520).Thereafter, an average amount of change in vehicle exercise information is calculated based on the sensor data, and an accident determination threshold value corresponding to the sensor data is set (S520).

이 후, 센서 데이터가 피치 값, 롤 값 및 중력 가속도 중 어느 하나에 상응하는지 여부를 판단한다(S525).After that, it is determined whether the sensor data corresponds to any one of a pitch value, a roll value, and a gravity acceleration (S525).

단계(S525)의 판단결과 센서 데이터가 피치 값, 롤 값 및 중력 가속도 중 어느 하나에 상응하면, 센서 데이터가 사고 판단 임계값을 초과하는지 여부를 판단한다(S535).As a result of the determination in step S525, if the sensor data corresponds to any one of a pitch value, a roll value, and gravity acceleration, it is determined whether the sensor data exceeds an accident determination threshold (S535).

단계(S535)의 판단결과 센서 데이터가 사고 판단 임계값을 초과하면, 차량에 사고가 발생한 것으로 판단하고(S550), 사고유형을 예측하여 자동으로 구조 요청을 수행한다(S560).As a result of the determination in step S535, when the sensor data exceeds the accident determination threshold, it is determined that an accident has occurred in the vehicle (S550), and the type of accident is predicted to automatically request a rescue (S560).

또한, 단계(S535)의 판단결과 센서 데이터가 사고 판단 임계값을 초과하지 않으면, 차량에 사고가 발생하지 않은 것으로 판단하고, 지속적으로 차량의 움직임에 대한 센서 데이터를 획득하여 차량에 사고가 발생하였는지 여부를 판단하도록 할 수 있다.In addition, if the sensor data does not exceed the accident determination threshold as a result of the determination in step S535, it is determined that an accident has not occurred in the vehicle, and whether an accident has occurred in the vehicle by continuously acquiring sensor data on the movement of the vehicle. You can decide whether or not.

만약, 단계(S525)의 판단결과 센서 데이터가 피치 값, 롤 값 및 중력 가속도 중 어느 하나에 상응하지 않으면, 차량의 운동정보 변화량을 산출한다(S540).If, as a result of the determination in step S525, the sensor data does not correspond to any one of the pitch value, the roll value, and the gravitational acceleration, the amount of change in the motion information of the vehicle is calculated (S540).

이 후, 운동정보 변화량이 운동정보 평균 변화량을 초과하는지 여부를 판단한다(S545).After that, it is determined whether the amount of change in the exercise information exceeds the average amount of change in the exercise information (S545).

단계(S545)의 판단결과 운동정보 변화량이 운동정보 평균 변화량을 초과하면, 차량에 사고가 발생한 것으로 판단하고(S550), 사고유형을 예측하여 자동으로 구조 요청을 수행한다(S560).As a result of the determination in step S545, if the amount of change in exercise information exceeds the average amount of change in exercise information, it is determined that an accident has occurred in the vehicle (S550), and the type of accident is predicted to automatically request rescue (S560).

또한, 단계(S545)의 판단결과 운동정보 변화량이 운동정보 평균 변화량을 초과하지 않으면, 차량에 사고가 발생하지 않은 것으로 판단하고, 지속적으로 차량의 움직임에 대한 센서 데이터를 획득하여 차량에 사고가 발생하였는지 여부를 판단하도록 할 수 있다.In addition, as a result of the determination in step S545, if the amount of change in exercise information does not exceed the average amount of change in exercise information, it is determined that no accident has occurred in the vehicle, and an accident occurs in the vehicle by continuously acquiring sensor data on the vehicle movement. It can be determined whether or not.

도 6은 본 발명의 일실시예에 따른 차량의 운동정보를 기반으로 한 차량 사고 판단 장치를 나타낸 블록도이다.6 is a block diagram showing a vehicle accident determination apparatus based on motion information of a vehicle according to an embodiment of the present invention.

도 6을 참조하면, 본 발명의 일실시예에 따른 차량의 운동정보를 기반으로 한 차량 사고 판단 장치는 수신부(610), 제어부(620) 및 저장부(630)를 포함한다.Referring to FIG. 6, a vehicle accident determination apparatus based on motion information of a vehicle according to an embodiment of the present invention includes a receiving unit 610, a control unit 620, and a storage unit 630.

수신부(610)는 차량의 움직임에 대한 센서 데이터를 획득한다.The receiving unit 610 acquires sensor data on the movement of the vehicle.

이 때, 센서 데이터는 차량에 설치된 센서의 종류에 따라 종가속도, 횡가속도, 축가속도, 요 레이트(yaw rate), 피치(pitch), 롤(roll), 중력 가속도 및 휠 속도 등 다양하게 획득될 수 있다. At this time, the sensor data can be obtained in various ways such as vertical acceleration, lateral acceleration, axis acceleration, yaw rate, pitch, roll, gravity acceleration, and wheel speed, depending on the type of sensor installed in the vehicle. I can.

이 때, 가속도는 특정 방향의 직선 운동에 대한 속도의 증강비를 의미하는 것으로 종가속도, 횡가속도 및 축가속도는 각각 차량을 기준으로 특정방향에 대한 속도의 증강비를 나타낸 것일 수 있다. In this case, the acceleration means an increase ratio of the speed to the linear motion in a specific direction, and the vertical acceleration, the lateral acceleration, and the axial acceleration may each represent the increase ratio of the speed in a specific direction based on the vehicle.

이 때, 종가속도는 차량의 전후방으로 작용하는 가속도일 수 있다. 즉, 차량이 직진하거나 후진할 때의 속도의 증강비를 의미할 수 있다.In this case, the vertical acceleration may be an acceleration acting in the front and rear of the vehicle. That is, it may mean an increase ratio of the speed when the vehicle moves straight forward or backward.

이 때, 횡가속도는 차량의 좌우 방향으로 작용하는 가속도일 수 있다. 예를 들어, 차량이 코너에서 우회전으로 진행하는 경우에 차량이 오른쪽으로 움직이는 속도에 대한 증강비가 횡가속도에 상응할 수 있다.In this case, the lateral acceleration may be an acceleration acting in the left and right directions of the vehicle. For example, when the vehicle proceeds from a corner to a right turn, an enhancement ratio to the speed at which the vehicle moves to the right may correspond to the lateral acceleration.

이 때, 축가속도는 차량의 상하 방향으로 작용하는 가속도일 수 있다. 예를 들어, 도로위에 요철이 존재하는 경우에 차량이 요철을 통과하면서 위 아래로 움직이는 속도에 대한 증강비가 축가속도에 상응할 수 있다.In this case, the shaft acceleration may be an acceleration acting in the vertical direction of the vehicle. For example, when there are irregularities on the road, an enhancement ratio to the speed of the vehicle moving up and down while passing through the irregularities may correspond to the shaft acceleration.

이 때, 롤, 피치, 요 레이트는 각각 차량의 X축, Y축, Z축을 기준으로 차량이 회전한 각도의 값을 의미할 수 있다. 즉, 롤 값은 차량의 전후방 방향에 상응하는 X축을 기준으로 차량이 회전하는 각도를 의미할 수 있고, 피치 값은 차량의 좌우 방향에 상응하는 Y축을 기준으로 차량이 회전하는 각도를 의미할 수 있고, 요 레이트는 차량의 상하 방향에 상응하는 Z축을 기준으로 차량이 회전하는 각도를 의미할 수 있다.In this case, the roll, pitch, and yaw rate may mean values of angles at which the vehicle rotates based on the X-axis, Y-axis, and Z-axis of the vehicle, respectively. That is, the roll value may mean the angle at which the vehicle rotates based on the X axis corresponding to the front and rear direction of the vehicle, and the pitch value may mean the angle at which the vehicle rotates based on the Y axis corresponding to the left and right directions of the vehicle. In addition, the yaw rate may mean an angle at which the vehicle rotates based on the Z axis corresponding to the vertical direction of the vehicle.

이 때, 중력 가속도는 의미 그대로 차량에 적용되는 중력 가속도를 의미할 수 있다.In this case, the gravitational acceleration may literally mean the gravitational acceleration applied to the vehicle.

이 때, 휠 속도는 차량에 존재하는 4개의 바퀴의 회전 속도를 의미할 수 있다. In this case, the wheel speed may mean the rotational speed of four wheels present in the vehicle.

이 때, 차량에 구비된 적어도 하나의 센서를 통해 기설정된 단위시간마다 센서 데이터를 획득할 수 있다.In this case, sensor data may be obtained at every predetermined unit time through at least one sensor provided in the vehicle.

이 때, 차량에 구비된 적어도 하나의 센서는 가속도 센서나 자이로(Gyro) 센서, 휠 속도 센서 등과 같이 센서 데이터의 종류에 따라 다양한 종류가 존재할 수 있다. In this case, at least one sensor provided in the vehicle may exist in various types according to the type of sensor data such as an acceleration sensor, a gyro sensor, and a wheel speed sensor.

이 때, 기설정된 단위시간이란 센서 데이터가 측정되는 주기에 상응할 수 있다. 예를 들어, 기설정된 단위시간이 1초라고 가정한다면, 1초마다 적어도 하나의 센서에서 센서 데이터를 측정하여 차량 사고 판단 장치(110)에게 전달할 수 있다. In this case, the preset unit time may correspond to a period in which sensor data is measured. For example, assuming that the preset unit time is 1 second, sensor data may be measured by at least one sensor every 1 second and transmitted to the vehicle accident determination apparatus 110.

이 때, 기설정된 단위시간은 차량의 관리자 또는 차량 사고 판단 장치의 관리자에 의해 자유롭게 설정 및 변경이 가능할 수 있다. In this case, the preset unit time may be freely set and changed by the manager of the vehicle or the manager of the vehicle accident determination device.

또한, 기설정된 단위시간은 센서 데이터의 종류에 따라 각각 상이하게 설정될 수도 있다. 예를 들어, 종가속도, 횡가속도 및 축가속도는 0.5초마다 센서 데이터가 획득되도록 설정하고, 요 레이트, 피치 및 롤은 1초마다 센서 데이터가 획득되도록 설정할 수도 있다.Also, the preset unit time may be set differently according to the type of sensor data. For example, vertical acceleration, lateral acceleration, and axis acceleration may be set to obtain sensor data every 0.5 seconds, and yaw rate, pitch, and roll may be set to obtain sensor data every second.

제어부(620)는 센서 데이터를 기반으로 차량의 운동정보 변화량을 산출하고, 센서 데이터 및 운동정보 변화량 중 적어도 하나를 기반으로 차량의 사고발생 여부를 판단한다.The control unit 620 calculates the amount of change in exercise information of the vehicle based on the sensor data, and determines whether an accident has occurred in the vehicle based on at least one of the amount of change in the sensor data and the exercise information.

이 때, 운동정보 변화량이란, 차량의 속도, 방향성, 자체의 자세 등의 운동정보가 변화하는 정보를 수치로 나타낸 것에 상응할 수 있다.In this case, the amount of change in the exercise information may correspond to a numerical expression of information on which exercise information such as a vehicle speed, a direction, and a posture of the vehicle is changed.

이 때, 차량의 운동정보는 차량의 움직임을 감지하는 적어도 하나의 센서를 통해 획득된 센서 데이터를 기반으로 측정할 수 있다. In this case, the motion information of the vehicle may be measured based on sensor data acquired through at least one sensor that detects the motion of the vehicle.

이 때, 운동정보 변화량은 현재시각을 기준으로 가장 최근에 획득된 제1 센서 데이터와 제1 센서 데이터의 바로 이전에 획득된 제2 센서 데이터를 이용하여 산출되고, 기설정된 단위시간 동안 차량의 운동정보가 변화한 수치의 절대값에 상응할 수 있다.At this time, the amount of change in the exercise information is calculated using the most recently acquired first sensor data and the second sensor data acquired immediately before the first sensor data based on the current time, and the vehicle's movement for a predetermined unit time. The information may correspond to the absolute value of the changed number.

예를 들어, 차량의 종가속도에 상응하는 센서 데이터가 센서로부터 수신되는 기설정된 단위시간이 1초라고 가정한다면, 현재시각을 기준으로 가장 최근에 수신된 제1 종가속도와 제1 종가속도가 수신되기 1초전에 수신된 제2 종가속도의 차이 값에 대한 절대값을 운동정보 변화량으로 산출할 수 있다. For example, assuming that the sensor data corresponding to the vehicle's final acceleration is received from the sensor and the preset unit time is 1 second, the most recently received first final acceleration and first final acceleration are received based on the current time. The absolute value of the difference value of the second longitudinal acceleration received 1 second before the start may be calculated as the amount of change in the exercise information.

또한, 센서데이터를 기반으로 차량의 운동정보 평균 변화량을 산출할 수 있다. In addition, it is possible to calculate the average change amount of the vehicle's exercise information based on the sensor data.

이 때, 운동정보 평균 변화량을 현재시각을 기준으로 일정한 기간 동안의 운동정보 변화량을 기반으로 산출될 수 있다. 예를 들어, 현재시각을 기준으로 1달전부터 수집된 운동정보 변화량 데이터를 이용하여 기설정된 단위시간에 따른 운동정보 평균 변화량을 산출할 수 있다. In this case, the average change amount of exercise information may be calculated based on the change amount of exercise information for a certain period based on the current time. For example, an average amount of change in exercise information according to a preset unit time may be calculated by using the amount of change in exercise information collected from one month before the current time.

이 때, 운동정보 평균 변화량은 일정한 기간 동안 산출된 복수개의 운동정보 변화량들에 대한 평균값에 상응할 수 있다. 예를 들어, 현재시각을 기준으로 10시간 전부터 수집된 모든 횡가속도 변화량 데이터에 대한 평균을 횡가속도 평균 변화량으로 산출할 수 있다.In this case, the average change amount of exercise information may correspond to an average value of a plurality of change amounts of exercise information calculated for a certain period. For example, the average of all lateral acceleration change data collected from 10 hours ago based on the current time can be calculated as the lateral acceleration average change amount.

이 때, 센서 데이터들마다 각각의 운동정보 평균 변화량을 산출하기 위해서는 센서 데이터의 종류마다 각각의 운동정보 변화량에 상응하는 데이터를 수집 및 저장해야 하기 때문에 많은 메모리자원을 필요로 할 수 있다. 따라서, 차량 사고 판단 장치의 메모리 능력을 기반으로 운동정보 평균 변화량을 산출하기 위한 기간을 적절하게 설정할 수 있다. In this case, in order to calculate the average change amount of each exercise information for each of the sensor data, it is necessary to collect and store data corresponding to the change amount of each exercise information for each type of sensor data, which may require a large amount of memory resources. Accordingly, it is possible to appropriately set a period for calculating the average change amount of exercise information based on the memory capability of the vehicle accident determination apparatus.

이 때, 운동정보 평균 변화량을 산출하기 위해 저장되는 운동정보 변화량은 차량이 정상적으로 운행되고 있는 것으로 판단되는 상황에 수집될 수 있다.In this case, the amount of change in the exercise information stored to calculate the average amount of change in the exercise information may be collected in a situation where it is determined that the vehicle is running normally.

또한, 센서 데이터에 상응하는 사고 판단 임계값을 설정할 수 있다.In addition, an accident determination threshold corresponding to the sensor data may be set.

이 때, 사고 판단 임계값은 차량으로부터 수신된 센서 데이터의 수치만을 통해서 차량에 사고가 발생하였는지 여부를 판단하기 위한 값일 수 있다. In this case, the accident determination threshold may be a value for determining whether an accident has occurred in the vehicle through only the value of sensor data received from the vehicle.

따라서, 사고 판단 임계값은 차량이 정상적으로 운행할 때에는 수신되지 않을 센서 데이터의 값을 기반으로 설정될 수 있다.Accordingly, the accident determination threshold may be set based on a value of sensor data that will not be received when the vehicle is running normally.

이 때, 센서 데이터나 운동정보 변화량을 통해 차량의 움직임에 대한 상황 또는 급격한 변화를 감지함으로써 차량에 사고가 발생하였는지 여부를 판단할 수 있다. 따라서, 차량 사고 판단을 위해 차량으로부터 획득되는 센서 데이터 및 운동정보 변화량 중 적어도 하나를 지속적으로 모니터링 할 수 있다.In this case, it is possible to determine whether an accident has occurred in the vehicle by detecting a situation or a sudden change in the movement of the vehicle through the amount of change in sensor data or exercise information. Accordingly, it is possible to continuously monitor at least one of a change amount of sensor data and exercise information acquired from the vehicle to determine a vehicle accident.

이 때, 센서 데이터의 종류에 따라 운동정보 평균 변화량 및 사고 판단 임계값 중 어느 하나를 기준으로 사고발생 여부를 판단할 수 있다.At this time, it is possible to determine whether an accident has occurred based on one of an average amount of change in exercise information and an accident determination threshold according to the type of sensor data.

예를 들어, 운동정보 변화량이 운동정보 평균 변화량을 초과하거나 센서 데이터의 수치가 사고 판단 임계값을 초과하는 경우, 차량에 사고가 발생한 것으로 판단할 수 있다. For example, when the amount of change in exercise information exceeds the average amount of change in exercise information or the value of sensor data exceeds an accident determination threshold, it may be determined that an accident has occurred in the vehicle.

이 때, 센서 데이터가 종가속도, 횡가속도, 축가속도, 요 레이트(yaw rate) 및 휠(wheel) 속도 중 어느 하나에 상응하는 경우에 운동정보 변화량이 운동정보 평균 변화량을 초과하는지 여부에 따라 사고발생 여부를 판단할 수 있다.At this time, if the sensor data corresponds to any one of vertical acceleration, lateral acceleration, axis acceleration, yaw rate, and wheel speed, the accident depends on whether the amount of change in exercise information exceeds the average amount of change in exercise information. It can be determined whether or not it occurs.

즉, 센서 데이터의 운동정보 변화량이 운동정보 평균 변화량을 초과하지 않는 선형적인 패턴을 유지한다면 차량의 운행에 문제가 없는 것으로 판단할 수 있지만, 운동정보 평균 변화량을 초과하는 비선형적 패턴이 발생한다면 사고가 발생한 것으로 판단할 수 있다.In other words, if the movement information change amount of sensor data maintains a linear pattern that does not exceed the average change amount of exercise information, it can be determined that there is no problem with the operation of the vehicle, but if a non-linear pattern exceeding the average change amount of exercise information occurs, an accident Can be determined to have occurred.

예를 들어, 종가속도가 급격히 줄어들어 운동정보 변화량이 운동정보 평균 변화량을 초과하는 경우에는 차량의 전후방 충돌에 의해 종가속도가 감소한 것으로 판단할 수 있다.For example, when the longitudinal acceleration decreases rapidly and the amount of change in the exercise information exceeds the average change amount of the exercise information, it may be determined that the longitudinal acceleration decreases due to a front and rear collision of the vehicle.

다른 예를 들어, 횡가속도가 급격히 상승하여 운동정보 변화량이 운동정보 평균 변화량을 초과하는 경우에는 차량의 측면 충돌에 의해 횡가속도가 증가한 것으로 판단할 수 있다.For another example, when the lateral acceleration rapidly increases and the amount of change in the exercise information exceeds the average change amount of the exercise information, it may be determined that the lateral acceleration has increased due to a side collision of the vehicle.

또, 다른 예를 들어, 축가속도가 급격히 상승하여 운동정보 변화량이 운동정보 평균 변화량을 초과하는 경우에는 차량이 추락하거나 전복되는 등의 상황에 의해 축가속도가 증가한 것으로 판단할 수 있다.In addition, for another example, when the axis acceleration rapidly increases and the amount of change in the movement information exceeds the average change amount of the movement information, it may be determined that the axis acceleration is increased due to a situation such as a vehicle falling or overturning.

또, 다른 예를 들어, 요 레이트가 급격히 증가하거나 감소하여 운동정보 변화량이 운동정보 평균 변화량을 초과하는 경우에는 차량이 전후방 충돌 및 코너 충돌에 의해 차량이 회전하면서 요 레이트가 급격히 변화한 것으로 판단할 수 있다.In addition, for another example, if the amount of change in exercise information exceeds the average amount of change in exercise information due to a sharp increase or decrease in the yaw rate, it may be determined that the yaw rate has changed rapidly as the vehicle rotates due to a front-to-back collision or a corner collision. I can.

또한, 센서 데이터가 피치(pitch) 값, 롤(roll) 값 및 중력 가속도 중 어느 하나에 상응하는 경우에 센서 데이터에 상응하는 값이 사고 판단 임계값을 초과하는지 여부에 따라 사고발생 여부를 판단할 수도 있다. In addition, when the sensor data corresponds to any one of a pitch value, a roll value, and a gravitational acceleration, it is possible to determine whether an accident has occurred according to whether the value corresponding to the sensor data exceeds the accident determination threshold. May be.

예를 들어, 차량의 피치 값에 대한 사고 판단 임계값이 90도라고 가정한다면, 센서 데이터에 상응하게 수신된 차량의 피치 값이 90도를 초과하는 경우에 차량이 종방향으로 전복되거나 추락한 것으로 판단할 수 있다.For example, assuming that the accident determination threshold for the pitch value of the vehicle is 90 degrees, it is determined that the vehicle has rolled over or fell in the longitudinal direction when the pitch value of the vehicle received corresponding to the sensor data exceeds 90 degrees. can do.

다른 예를 들어, 차량의 롤 값에 대한 사고 판단 임계값이 90도라고 가정한다면, 센서 데이터에 상응하게 수신된 차량의 롤 값이 90도를 초과하는 경우에 차량이 횡방향으로 전복되거나 추락한 것으로 판단할 수도 있다.For another example, assuming that the accident determination threshold for the roll value of the vehicle is 90 degrees, the vehicle rolls over or falls in the lateral direction when the roll value of the vehicle received corresponding to the sensor data exceeds 90 degrees. You can judge.

또한, 차량에 사고가 발생한 것으로 판단된 경우에 센서 데이터 및 운동정보 변화량 중 적어도 하나를 기반으로 사고유형을 예측할 수 있다.In addition, when it is determined that an accident has occurred in the vehicle, the type of accident may be predicted based on at least one of a change amount of sensor data and exercise information.

예를 들어, 종가속도, 횡가속도 및 축가속도에 의한 운동정보 변화량이 운동정보 평균 변화량을 초과하여 사고가 발생한 것으로 판단된 경우에는 차량에 충돌사고가 발생한 것으로 예측할 수 있다.For example, when it is determined that an accident has occurred because the amount of change in motion information due to vertical acceleration, lateral acceleration, and axial acceleration exceeds the average change in motion information, the vehicle may be predicted to have a collision accident.

다른 예를 들어, 피치 값이나 롤 값에 상응하는 센서 데이터가 사고 판단 임계값을 초과하여 사고가 발생한 것으로 판단된 경우에는 차량이 전복되거나 추락하는 사고가 발생한 것으로 예측할 수도 있다.For another example, when it is determined that an accident has occurred because the sensor data corresponding to the pitch value or the roll value exceeds the accident determination threshold, it may be predicted that an accident in which the vehicle is overturned or falls has occurred.

이 때, 사고유형을 기반으로 자동으로 구조 요청을 수행할 수 있다.At this time, it is possible to automatically perform a rescue request based on the type of accident.

예를 들어, 차량의 GPS 정보를 기반으로 차량의 위치와 함께 미리 예측된 사고유형에 대한 내용을 구조 요청과 함께 제공함으로써 구조대가 현장에 대한 상황을 신속하게 파악 및 예측할 수 있도록 할 수 있다. For example, it is possible to quickly grasp and predict the situation on the site by providing information on a predicted accident type along with the location of the vehicle based on the vehicle's GPS information along with a rescue request.

또한, 사고 차량의 운전자가 의식을 잃거나 부상의 이유로 구조 요청을 수행할 수 없는 경우, 차량 사고 판단에 의한 구조 요청이 자동으로 수행됨으로써 보다 신속하게 구조작업을 수행할 수도 있다.In addition, when the driver of the accident vehicle loses consciousness or cannot perform the rescue request due to injury, the rescue request based on the vehicle accident determination is automatically performed, so that rescue work can be performed more quickly.

저장부(630)는 상술한 바와 같이 본 발명의 일실시예에 따른 차량 사고 판단 장치에서 발생하는 다양한 정보를 저장한다.As described above, the storage unit 630 stores various pieces of information generated by the vehicle accident determination apparatus according to an embodiment of the present invention.

실시예에 따라, 저장부(630)는 차량 사고 판단 장치와 독립적으로 구성되어 차량 사고 판단을 위한 기능을 지원할 수 있다. 이 때, 저장부(630)는 별도의 대용량 스토리지로 동작할 수 있고, 동작 수행을 위한 제어 기능을 포함할 수도 있다.According to an embodiment, the storage unit 630 may be configured independently of the vehicle accident determination device to support a function for determining a vehicle accident. In this case, the storage unit 630 may operate as a separate mass storage, and may include a control function for performing the operation.

한편, 차량 사고 판단 장치는 메모리가 탑재되어 그 장치 내에서 정보를 저장할 수 있다. 일 구현예의 경우, 메모리는 컴퓨터로 판독 가능한 매체이다. 일 구현 예에서, 메모리는 휘발성 메모리 유닛일 수 있으며, 다른 구현예의 경우, 메모리는 비휘발성 메모리 유닛일 수도 있다. 일 구현예의 경우, 저장장치는 컴퓨터로 판독 가능한 매체이다. 다양한 서로 다른 구현 예에서, 저장장치는 예컨대 하드디스크 장치, 광학디스크 장치, 혹은 어떤 다른 대용량 저장장치를 포함할 수도 있다.Meanwhile, the vehicle accident determination device is equipped with a memory and can store information in the device. In one implementation, the memory is a computer-readable medium. In one implementation, the memory may be a volatile memory unit, and in another implementation, the memory may be a non-volatile memory unit. In one implementation, the storage device is a computer-readable medium. In various different implementations, the storage device may include, for example, a hard disk device, an optical disk device, or some other mass storage device.

이와 같은 차량 사고 판단 장치를 이용함으로써 차량에 사고가 발생한 것을 자동으로 감지함으로써 보다 신속하고 안전한 구조가 진행되도록 할 수 있다. By using such a vehicle accident determination device, it is possible to advance a faster and safer structure by automatically detecting that an accident has occurred in the vehicle.

또한, 충격에 의한 데이터가 아닌 차량의 운동성을 통해 사고의 발생 여부를 감지함으로써 보다 신뢰성이 높고 효율적인 차량 사고 판단 알고리즘을 제공할 수 있다.In addition, it is possible to provide a more reliable and efficient vehicle accident determination algorithm by detecting whether an accident has occurred through the movement of the vehicle rather than data due to the impact.

도 7는 본 발명의 일실시예에 따른 컴퓨터 시스템을 나타낸 도면이다.7 is a diagram showing a computer system according to an embodiment of the present invention.

도 7을 참조하면, 본 발명의 실시예는 컴퓨터로 읽을 수 있는 기록매체와 같은 컴퓨터 시스템에서 구현될 수 있다. 도 7에 도시된 바와 같이, 컴퓨터 시스템(700)은 버스(720)를 통하여 서로 통신하는 하나 이상의 프로세서(710), 메모리(730), 사용자 입력 장치(740), 사용자 출력 장치(750) 및 스토리지(760)를 포함할 수 있다. 또한, 컴퓨터 시스템(700)은 네트워크(780)에 연결되는 네트워크 인터페이스(770)를 더 포함할 수 있다. 프로세서(710)는 중앙 처리 장치 또는 메모리(730)나 스토리지(760)에 저장된 프로세싱 인스트럭션들을 실행하는 반도체 장치일 수 있다. 메모리(730) 및 스토리지(760)는 다양한 형태의 휘발성 또는 비휘발성 저장 매체일 수 있다. 예를 들어, 메모리는 ROM(731)이나 RAM(732)을 포함할 수 있다.Referring to FIG. 7, an embodiment of the present invention may be implemented in a computer system such as a computer-readable recording medium. As shown in FIG. 7, the computer system 700 includes one or more processors 710, memory 730, user input devices 740, user output devices 750, and storage that communicate with each other through a bus 720. It may include (760). Further, the computer system 700 may further include a network interface 770 connected to the network 780. The processor 710 may be a central processing unit or a semiconductor device that executes processing instructions stored in the memory 730 or the storage 760. The memory 730 and the storage 760 may be various types of volatile or nonvolatile storage media. For example, the memory may include a ROM 731 or a RAM 732.

따라서, 본 발명의 실시예는 컴퓨터로 구현된 방법이나 컴퓨터에서 실행 가능한 명령어들이 기록된 비일시적인 컴퓨터에서 읽을 수 있는 매체로 구현될 수 있다. 컴퓨터에서 읽을 수 있는 명령어들이 프로세서에 의해서 수행될 때, 컴퓨터에서 읽을 수 있는 명령어들은 본 발명의 적어도 한 가지 측면에 따른 방법을 수행할 수 있다.Accordingly, an embodiment of the present invention may be implemented as a computer-implemented method or a non-transitory computer-readable medium in which instructions executable in a computer are recorded. When computer-readable instructions are executed by a processor, the computer-readable instructions may perform a method according to at least one aspect of the present invention.

이상에서와 같이 본 발명에 따른 차량의 운동정보를 기반으로 한 차량 사고 판단 방법 및 이를 위한 장치는 상기한 바와 같이 설명된 실시예들의 구성과 방법이 한정되게 적용될 수 있는 것이 아니라, 상기 실시예들은 다양한 변형이 이루어질 수 있도록 각 실시예들의 전부 또는 일부가 선택적으로 조합되어 구성될 수도 있다.As described above, the vehicle accident determination method and apparatus for the vehicle accident based on the motion information of the vehicle according to the present invention are not limited to the configuration and method of the embodiments described as described above, but the embodiments are All or some of the embodiments may be selectively combined and configured so that various modifications may be made.

110: 차량 사고 판단 장치 120, 300: 차량
121~127: 센서 610: 수신부
620: 제어부 630: 저장부
700: 컴퓨터 시스템 710: 프로세서
720: 버스 730: 메모리
731: 롬 732: 램
740: 사용자 입력 장치 750: 사용자 출력 장치
760: 스토리지 770: 네트워크 인터페이스
780: 네트워크110: vehicle accident determination device 120, 300: vehicle
121~127: sensor 610: receiver
620: control unit 630: storage unit
700: computer system 710: processor
720: bus 730: memory
731: ROM 732: RAM
740: user input device 750: user output device
760: storage 770: network interface
780: network

Claims (16)

차량의 움직임에 대한 센서 데이터를 획득하는 단계;
상기 센서 데이터를 기반으로 기설정된 단위시간 동안 상기 차량의 운동정보가 변화한 수치의 절대값에 상응하는 상기 차량의 운동정보 변화량을 산출하는 단계;
상기 센서 데이터 및 상기 운동정보 변화량 중 적어도 하나를 기반으로 상기 차량의 운동정보 평균 변화량을 산출하고, 상기 센서 데이터에 상응하는 사고 판단 임계값을 설정하는 단계; 및
상기 센서 데이터 및 상기 운동정보 변화량 중 적어도 하나를 기반으로 상기 차량의 사고발생 여부를 판단하는 단계
를 포함하고,
상기 판단하는 단계는
상기 센서 데이터의 종류에 따라 상기 운동정보 평균 변화량 및 상기 사고 판단 임계값 중 어느 하나를 기준으로 상기 사고발생 여부를 판단하되, 상기 센서 데이터가 종가속도, 횡가속도, 축가속도, 요 레이트(yaw rate) 및 휠(wheel) 속도 중 어느 하나에 상응하는 경우에 상기 운동정보 변화량이 상기 운동정보 평균 변화량을 초과하는지 여부에 따라 상기 사고발생 여부를 판단하고,
상기 운동정보 평균 변화량은
현재시각을 기준으로 상기 차량이 정상적으로 운행된 기설정된 과거기간동안에 수집된 상기 운동정보 변화량의 평균값에 상응하며, 상기 차량의 사고발생 여부를 판단하기 위한 값으로 사용되는 것을 특징으로 하는 차량 사고 판단 방법.Acquiring sensor data on the movement of the vehicle;
Calculating an amount of change in exercise information of the vehicle corresponding to an absolute value of a value at which the exercise information of the vehicle changes during a predetermined unit time based on the sensor data;
Calculating an average amount of change in exercise information of the vehicle based on at least one of the sensor data and the amount of change in exercise information, and setting an accident determination threshold value corresponding to the sensor data; And
Determining whether an accident has occurred in the vehicle based on at least one of the sensor data and the amount of change in the exercise information
Including,
The determining step
Depending on the type of sensor data, it is determined whether the accident has occurred based on any one of the average change amount of the exercise information and the accident determination threshold, but the sensor data is the vertical acceleration, the lateral acceleration, the axis acceleration, and the yaw rate. ) And wheel speed, determining whether the accident has occurred according to whether the amount of change in the exercise information exceeds the average amount of change in the exercise information,
The average amount of change in the exercise information is
A vehicle accident determination method, characterized in that it corresponds to an average value of the amount of change in the exercise information collected during a preset past period in which the vehicle has been normally operated based on the current time, and is used as a value for determining whether an accident has occurred in the vehicle. . 삭제delete 삭제delete 삭제delete 청구항 1에 있어서,
상기 판단하는 단계는
상기 센서 데이터가 피치(pitch) 값, 롤(roll) 값 및 중력 가속도 중 어느 하나에 상응하는 경우에 상기 센서 데이터에 상응하는 값이 상기 사고 판단 임계값을 초과하는지 여부에 따라 상기 사고발생 여부를 판단하는 것을 특징으로 하는 차량 사고 판단 방법.The method according to claim 1,
The determining step
When the sensor data corresponds to any one of a pitch value, a roll value, and gravitational acceleration, the occurrence of the accident is determined according to whether a value corresponding to the sensor data exceeds the accident determination threshold. Vehicle accident determination method, characterized in that to determine. 청구항 1에 있어서,
상기 획득하는 단계는
상기 차량에 구비된 적어도 하나의 센서를 통해 기설정된 단위시간마다 상기 센서 데이터를 획득하는 것을 특징으로 하는 차량 사고 판단 방법.The method according to claim 1,
The obtaining step
The vehicle accident determination method, characterized in that acquiring the sensor data every predetermined unit time through at least one sensor provided in the vehicle. 청구항 6에 있어서,
상기 운동정보 변화량은
현재시각을 기준으로 가장 최근에 획득된 제1 센서 데이터와 상기 제1 센서 데이터의 바로 이전에 획득된 제2 센서 데이터를 이용하여 산출되는 것을 특징으로 하는 차량 사고 판단 방법.The method of claim 6,
The amount of change in the exercise information is
A vehicle accident determination method, characterized in that it is calculated using first sensor data most recently acquired based on a current time and second sensor data acquired immediately before the first sensor data. 청구항 1에 있어서,
상기 차량 사고 판단 방법은
상기 차량에 사고가 발생한 것으로 판단된 경우에 상기 센서 데이터 및 상기 운동정보 변화량 중 적어도 하나를 기반으로 사고유형을 예측하는 단계; 및
상기 사고유형을 기반으로 자동으로 구조 요청을 수행하는 단계를 더 포함하는 것을 특징으로 하는 차량 사고 판단 방법.The method according to claim 1,
The vehicle accident determination method
Predicting an accident type based on at least one of the sensor data and the amount of change in the exercise information when it is determined that an accident has occurred in the vehicle; And
And automatically performing a rescue request based on the type of accident. 차량의 움직임에 대한 센서 데이터를 획득하는 수신부; 및
상기 센서 데이터를 기반으로 기설정된 단위시간 동안 상기 차량의 운동정보가 변화한 수치의 절대값에 상응하는 상기 차량의 운동정보 변화량을 산출하고, 상기 센서 데이터 및 상기 운동정보 변화량 중 적어도 하나를 기반으로 상기 차량의 운동정보 평균 변화량을 산출하고, 상기 센서 데이터에 상응하는 사고 판단 임계값을 설정하고, 상기 센서 데이터 및 상기 운동정보 변화량 중 적어도 하나를 기반으로 상기 차량의 사고발생 여부를 판단하는 제어부
를 포함하고,
상기 제어부는
상기 센서 데이터의 종류에 따라 상기 운동정보 평균 변화량 및 상기 사고 판단 임계값 중 어느 하나를 기준으로 상기 사고발생 여부를 판단하되, 상기 센서 데이터가 종가속도, 횡가속도, 축가속도, 요 레이트(yaw rate) 및 휠(wheel) 속도 중 어느 하나에 상응하는 경우에 상기 운동정보 변화량이 상기 운동정보 평균 변화량을 초과하는지 여부에 따라 상기 사고발생 여부를 판단하고,
상기 운동정보 평균 변화량은
현재시각을 기준으로 상기 차량이 정상적으로 운행된 기설정된 과거기간동안에 수집된 상기 운동정보 변화량의 평균값에 상응하며, 상기 차량의 사고발생 여부를 판단하기 위한 값으로 사용되는 것을 특징으로 하는 차량 사고 판단 장치.A receiver that acquires sensor data on the movement of the vehicle; And
Based on the sensor data, an amount of change in exercise information of the vehicle corresponding to an absolute value of a value at which the exercise information of the vehicle changes during a predetermined unit time is calculated, and based on at least one of the sensor data and the amount of change in exercise information A control unit that calculates an average amount of change in the vehicle's exercise information, sets an accident determination threshold corresponding to the sensor data, and determines whether an accident occurs in the vehicle based on at least one of the sensor data and the amount of change in the exercise information
Including,
The control unit
Depending on the type of sensor data, it is determined whether the accident has occurred based on any one of the average change amount of the exercise information and the accident determination threshold, but the sensor data is the vertical acceleration, the lateral acceleration, the axis acceleration, and the yaw rate. ) And wheel speed, determining whether the accident has occurred according to whether the amount of change in the exercise information exceeds the average amount of change in the exercise information,
The average amount of change in the exercise information is
Vehicle accident determination device, characterized in that it corresponds to an average value of the amount of change in the exercise information collected during a preset past period in which the vehicle has been normally operated based on the current time, and is used as a value for determining whether an accident has occurred in the vehicle. . 삭제delete 삭제delete 삭제delete 청구항 9에 있어서,
상기 제어부는
상기 센서 데이터가 피치(pitch) 값, 롤(roll) 값 및 중력 가속도 중 어느 하나에 상응하는 경우에 상기 센서 데이터에 상응하는 값이 상기 사고 판단 임계값을 초과하는지 여부에 따라 상기 사고발생 여부를 판단하는 것을 특징으로 하는 차량 사고 판단 장치.The method of claim 9,
The control unit
When the sensor data corresponds to any one of a pitch value, a roll value, and gravitational acceleration, the occurrence of the accident is determined according to whether a value corresponding to the sensor data exceeds the accident determination threshold. Vehicle accident determination device, characterized in that to determine. 청구항 9에 있어서,
상기 수신부는
상기 차량에 구비된 적어도 하나의 센서를 통해 기설정된 단위시간마다 상기 센서 데이터를 획득하는 것을 특징으로 하는 차량 사고 판단 장치.The method of claim 9,
The receiver
A vehicle accident determination apparatus, characterized in that acquiring the sensor data every predetermined unit time through at least one sensor provided in the vehicle. 청구항 14에 있어서,
상기 운동정보 변화량은
현재시각을 기준으로 가장 최근에 획득된 제1 센서 데이터와 상기 제1 센서 데이터의 바로 이전에 획득된 제2 센서 데이터를 이용하여 산출되는 것을 특징으로 하는 차량 사고 판단 장치.The method of claim 14,
The amount of change in the exercise information is
A vehicle accident determination apparatus, characterized in that it is calculated using the first sensor data most recently acquired based on the current time and the second sensor data acquired immediately before the first sensor data. 청구항 9에 있어서,
상기 제어부는
상기 차량에 사고가 발생한 것으로 판단된 경우에 상기 센서 데이터 및 상기 운동정보 변화량 중 적어도 하나를 기반으로 사고유형을 예측하고, 상기 사고유형을 기반으로 자동으로 구조 요청을 수행하는 것을 특징으로 하는 차량 사고 판단 장치.The method of claim 9,
The control unit
Vehicle accident, characterized in that when it is determined that an accident has occurred in the vehicle, an accident type is predicted based on at least one of the sensor data and the amount of change in the exercise information, and a rescue request is automatically performed based on the accident type. Judgment device.
KR1020160169323A 2016-04-15 2016-12-13 Method for judging car accident based on exercise imformaion of car and apparatus using the same KR102170094B1 (en)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR20160046474 2016-04-15
KR1020160046474 2016-04-15

Publications (2)

Publication Number Publication Date
KR20170118582A KR20170118582A (en) 2017-10-25
KR102170094B1 true KR102170094B1 (en) 2020-10-27

Family

ID=60299804

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020160169323A KR102170094B1 (en) 2016-04-15 2016-12-13 Method for judging car accident based on exercise imformaion of car and apparatus using the same

Country Status (1)

Country Link
KR (1) KR102170094B1 (en)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102652381B1 (en) * 2018-11-05 2024-03-29 한국전자통신연구원 Method for judging a vehicle accident and apparatus for performing the same
KR102067547B1 (en) * 2019-08-08 2020-01-20 마인엔지니어링건축사사무소 주식회사 Method and detection for peripheral vehicle risk based on image analysis and communication connection between portable communication terminals and building cctv camera

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100888308B1 (en) * 2007-11-14 2009-03-11 현대자동차주식회사 Method for sensing roll over of car
JP2011131834A (en) 2009-12-25 2011-07-07 Toyota Motor Corp Device for determining rollover

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100689438B1 (en) 1998-12-30 2007-06-04 삼성전자주식회사 Vehicle accident automatic notification device and method
KR101674211B1 (en) * 2010-06-24 2016-11-08 현대모비스 주식회사 Decision method of roll over for vehicle
KR20150083227A (en) * 2014-01-09 2015-07-17 유동배 Smartphone application to detect and report traffiic accident automatically

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100888308B1 (en) * 2007-11-14 2009-03-11 현대자동차주식회사 Method for sensing roll over of car
JP2011131834A (en) 2009-12-25 2011-07-07 Toyota Motor Corp Device for determining rollover

Also Published As

Publication number Publication date
KR20170118582A (en) 2017-10-25

Similar Documents

Publication Publication Date Title
US20180267076A1 (en) System and method for detecting driving behavior
US6202020B1 (en) Method and system for determining condition of road
CN105813903B (en) Vehicle security system
KR101011532B1 (en) Method and apparatus for determining a roll angle for occupant protection apparatuses
EP1767422B1 (en) Method and apparatus for evaluating a cornering stability of a wheel
EP1486382B1 (en) Vehicle rollover detection method and apparatus
KR100640175B1 (en) Control system for preventing a rollover of vehicle and method therefor
EP2454138B1 (en) Method of determining the lateral velocity of a vehicle during abnormal driving situations
US11458776B2 (en) Tread wear monitoring system and method
EP3800072A1 (en) Tire wear measuring apparatus using acceleration peak value of tire and tire wear measuring method using same
EP3833553B1 (en) Tread wear monitoring system and method
US20140012468A1 (en) Real-Time Center-of-Gravity Height Estimation
JP6097747B2 (en) Vehicle safety system
JP6252344B2 (en) Data recording apparatus and data recording program
KR102170094B1 (en) Method for judging car accident based on exercise imformaion of car and apparatus using the same
CN108288313B (en) Method and device for monitoring vehicle running state and vehicle
US20120109485A1 (en) Vehicle control system, and operaton device
CN104321226B (en) A kind of method for activating Vehicle security system
CN108189783B (en) Vehicle running state monitoring method and device and vehicle
EP2020338B1 (en) A method and system for detecting a vehicle rollover, in particular a soil trip rollover
CN109963753B (en) Method and device for detecting a vehicle collision
JP2009040080A (en) Tire internal pressure drop detecting method and apparatus, and tire internal pressure drop detecting program
JP3985694B2 (en) Vehicle rollover detection device
Chowdhury et al. Smartphone based sensing enables automated vehicle prognosis
US7546194B2 (en) Method of evaluating a movement of a motor vehicle

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
AMND Amendment
E601 Decision to refuse application
AMND Amendment
J201 Request for trial against refusal decision
J301 Trial decision

Free format text: TRIAL NUMBER: 2019101001739; TRIAL DECISION FOR APPEAL AGAINST DECISION TO DECLINE REFUSAL REQUESTED 20190524

Effective date: 20200723

GRNO Decision to grant (after opposition)
GRNT Written decision to grant