KR102325998B1 - 운행 기록을 분석하는 방법 및 시스템, 및 운행 기록 장치 - Google Patents

Abstract

본 개시의 일 측면에 따르면, 전자 디바이스의 가속도 데이터, 지자계 데이터, 및 자이로 데이터 중 적어도 하나의 데이터를 상기 전자 디바이스로부터 획득하는 단계; 및 상기 데이터에 기초하여 상기 전자 디바이스 아래의 도로의 패턴을 결정하는 단계를 포함하는, 방법이 제공될 수 있다. 상기 전자 디바이스는 차량, 예를 들어, 이륜 차량이나 마이크로 모빌리티 차량에 설치될 수 있다. 상기 방법은, 차량이 주행하는 도로의 패턴에 기초하여 차량의 운행 상태를 결정하는 단계를 더 포함할 수 있다. 상기 방법을 수행하도록 구성된 시스템이 제공될 수 있다.

Description

운행 기록을 분석하는 방법 및 시스템, 및 운행 기록 장치{METHOD AND SYSTEM FOR ANALYSING TACHOGRAPH, AND TACHGRAPH}

본 개시는 운행 기록을 분석하는 방법 및 시스템, 및 운행 기록 장치에 관한다. 본 개시는 구체적으로, 인공 지능에 기반하여 운행 기록을 분석하는 방법 및 시스템, 및 이에 사용되는 운행 기록 장치에 관한다. 본 개시는 운행 기록 장치로부터 전송된 센싱 데이터를 분석하는 시스템에 관한다. 본 개시는 딥러닝 등의 기계 학습 알고리즘을 활용하는 인공지능(AI) 시스템 및 그 응용에 관한다.

전동휠, 전동킥보드, 전동스케이트보드, 전기자전거, 등과 같은 전기를 동력으로 동작하는 퍼스널 모빌리티, 예를 들어, 마이크로 모빌리티 (micromobility) 및 스마트 모빌리티 (smart mobility), 등이 대중화되고 공유 플랫폼 사업자들이 퍼스널 모빌리티의 시장에 참여하면서 퍼스널 모빌리티의 운전자들의 수가 크게 증가하고 있다. 또한, 전염병으로 인한 배달 시장이 급격하게 커지면서 이륜차 운전자들의 수도 크게 증가하고 있다.

하지만, 퍼스널 모빌리티의 운전자들은 미숙한 운전 실력을 가지고 인도 위를 주행하는 경우가 많고, 이는 보행자들에게 큰 위협이 된다. 이뿐만 아니라, 배달 이륜차 운전자들은 배달 경쟁으로 인해 난폭하게 운전하는 경향이 있고, 이는 해당 운전자들뿐만 아니라 보행자의 안전에도 큰 위협이 된다. 특히, 퍼스널 모빌리티나 이륜차는 도로뿐만 아니라 인도로 주행할 수 있어, 큰 사고로 이어질 수 있다.

한편, 사륜차에는 블랙박스가 설치되어, 사륜차 관련 사고가 발생할 경우 사고 전후 상황을 판단하는 데 도움이 될 수 있다. 하지만, 퍼스널 모빌리티나 이륜차에는 블랙박스에 지속적인 전원을 공급하기 어려워, 해당 차량에 블랙박스를 설치하기 보다는, 운전자 개인의 스마트폰이나 카메라와 같은 모바일 디바이스가 이용되고 있고 있다.

인공지능(Artificial Intelligence, AI) 시스템은 인간 수준의 지능을 구현하는 컴퓨터 시스템이며, 기존 Rule 기반 스마트 시스템과 달리 기계가 스스로 학습하고 판단하며 똑똑해지는 시스템이다. 인공지능 시스템은 사용할수록 인식률이 향상되고 사용자 취향을 보다 정확하게 이해할 수 있게 되어, 기존 Rule 기반 스마트 시스템은 점차 딥러닝 기반 인공지능 시스템으로 대체되고 있다.

본 개시의 실시예들을 통해, 차량 (예: 이륜 차량, 퍼스널 모빌리티, 등), 그 운전자, 및 보행자의 안전을 담보하고자 한다.

본 개시의 실시예들을 통해, 차량의 운전자의 안전을 평가하고자 한다.

본 개시의 실시예들을 통해, 차량에 사고가 발생하는지 여부를 결정하고 사고를 신고하고자 한다.

본 개시의 실시예들을 통해, 차량이 비정상적인지 여부를 결정하여 사용자 또는 제3자에게 통지하고자 한다.

본 개시의 일 측면에 따르면, 전자 디바이스의 가속도 데이터, 지자계 데이터, 및 자이로 데이터 중 적어도 하나의 데이터를 상기 전자 디바이스로부터 획득하는 단계; 및 상기 데이터에 기초하여 상기 전자 디바이스 아래의 도로의 패턴을 결정하는 단계를 포함하는, 방법이 제공될 수 있다.

본 개시의 일 측면에 따르면, 상기 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터 판독 가능 기록매체가 제공될 수 있다.

본 개시의 일 측면에 따르면, 인스트럭션들을 저장하는 메모리; 및 상기 인스트럭션들을 실행하도록 구성된 적어도 하나의 프로세서를 포함하고, 상기 적어도 하나의 프로세서는: 전자 디바이스의 가속도 데이터, 지자계 데이터, 및 자이로 데이터 중 적어도 하나의 데이터를 상기 전자 디바이스로부터 획득하고, 상기 적어도 하나의 데이터에 기초하여 상기 전자 디바이스 아래의 도로의 패턴을 결정하도록 구성되는, 시스템이 제공될 수 있다.

본 개시의 일 측면에 따르면, 전자 디바이스로서: 가속도 데이터, 지자계 데이터, 및 자이로 데이터 중 적어도 하나의 데이터를 출력하도록 구성된 적어도 하나의 센서; 및 상기 적어도 하나의 데이터에 기초하여 상기 전자 디바이스 아래의 도로의 패턴이 결정될 수 있도록, 상기 출력된 적어도 하나의 데이터를 수집하도록 구성된 적어도 하나의 프로세서를 포함하는 전자 디바이스가 제공될 수 있다.

도 1 은 일 실시예에 따른 운행 기록 분석 방법의 흐름도이다.
도 2 는 일 실시예에 따른 전자 디바이스의 블록도이다.
도 3a 는 일 실시예에 따른, 전자 디바이스, 사용자 디바이스, 및 분석 시스템 간의 상호작용을 설명하기 위한 도면이다.
도 3b 는 일 실시예에 따른, 전자 디바이스 및 분석 시스템 간의 상호작용을 설명하기 위한 도면이다.
도 4 는 일 실시예에 따른, 이미지를 이용하여 인공 신경망이 도로의 패턴을 학습하는 방법을 설명하기 위한 도면이다.
도 5 는 일 실시예에 따른, 이미지와 차량 센싱 데이터를 이용하여 인공 신경망이 도로의 패턴을 학습하는 방법을 설명하기 위한 도면이다.
도 6 은 일 실시예에 따른, 차량 센싱 데이터를 이용하여 인공 신경망이 도로의 패턴을 결정하는 방법을 설명하기 위한 도면이다.
도 7 은 일 실시예에 따른 운행 기록 분석 결과를 이용하는 방법을 설명하기 위한 도면이다.
도 8 은 일 실시예에 따른 운행 기록 분석 결과를 이용하는 방법을 설명하기 위한 도면이다.

이하, 첨부된 도면들에 기재된 내용들을 참조하여 본 개시에 따른 예시적 실시예를 상세하게 설명한다. 또한, 첨부된 도면들에 기재된 내용들을 참조하여 본 개시의 실시예에 따른 전자 장치를 구성하고 사용하는 방법을 상세히 설명한다. 각 도면에서 제시된 동일한 참조번호 또는 부호는 실질적으로 동일한 기능을 수행하는 부품 또는 구성요소를 나타낸다.

제1, 제2 등과 같이 서수를 포함하는 용어는 다양한 구성 요소들을 설명하는데 사용될 수 있지만, 구성 요소들은 용어들에 의해 한정되지는 않는다. 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 개시의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 항목들의 조합 또는 복수의 관련된 항목들 중의 어느 하나의 항목을 포함한다.

본 개시에서 사용한 용어는 실시예를 설명하기 위해 사용된 것으로, 본 개시를 제한 및/또는 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 개시에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

"적어도 하나의"와 같은 표현은, 구성요소들의 리스트 전체를 수식하고, 그 리스트의 구성요소들을 개별적으로 수식하지 않는다. 예를 들어, "A, B, 및 C 중 적어도 하나"는 오직 A, 오직 B, 오직 C, A와 B 모두, B와 C 모두, A와 C 모두, A와 B와 C 전체, 또는 그 조합을 가리킨다.

본 개시에서 어떤 부분이 다른 부분과 연결되어 있다고 할 때, 이는 직접적으로 연결되어 있는 경우뿐 아니라, 그 중간에 다른 요소를 사이에 두고 전기적으로 연결되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 포함한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다. 또한, 명세서에 기재된 "...부", "모듈", "...기" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있다.

도 1 은 일 실시예에 따른 운행 기록 분석 방법의 흐름도이다.

110 동작에서, 운행 기록 분석 시스템이 전자 디바이스로부터 데이터를 획득할 수 있다. 일 실시예에서, 전자 디바이스는 운행 기록 장치일 수 있다. 전자 디바이스의 구성요소들에 대해서는 이후 도 2 를 참조하여 후술할 것이다.

일 실시예에서, 전자 디바이스는 차량에 설치될 수 있고, 전자 디바이스로부터 획득되는 데이터는, 차량의 움직임에 따라 달라질 수 있다. 전자 디바이스는 차량에서 다양한 위치에 설치될 수 있다. 예를 들어, 전자 디바이스는 차량의 내부 또는 외부에 설치될 수 있다. 예를 들어, 전자 디바이스는 차량의 프레임에 설치될 수 있다. 전자 디바이스는 차량의 핸들에 설치될 수 있다. 전자 디바이스는 차량의 바닥 (바닥의 상면, 하면, 측면 또는 전후면)에 설치될 수 있다. 전자 디바이스는 그 형상에 따라 다양한 방식으로 차량에 설치될 수 있다. 예를 들어, 전자 디바이스는 차량의 평평한 표면에 설치되거나, 차량의 핸들이나 프레임을 곡면에 설치될 수 있다. 전자 디바이스는 차량의 핸들 또는 프레임을 감싸는 형태로 설치될 수 있다. 전자 디바이스와 차량 사이에는 설치 부재가 위치할 수 있다. 차량은 이륜 차량, 퍼스널 모빌리티 차량, 마이크로 모빌리티 차량, 스마트 모빌리티 차량, 등일 수 있으나, 이에 제한되지 않는다.

일 실시예에서, 전자 디바이스로부터 획득되는 데이터는, 전자 디바이스의 가속도 데이터, 지자계 데이터, 및 자이로 데이터 중 적어도 하나일 수 있다. 예를 들어, 전자 디바이스로부터 획득되는 데이터는 전자 디바이스의 가속도 데이터 및 자이로 데이터를 포함할 수 있으나, 이에 제한되지 않는다. 예를 들어, 전자 디바이스로부터 획득되는 데이터는 전자 디바이스의 가속도 데이터, 자이로 데이터, 및 지자계 데이터를 포함할 수 있다.

분석될 데이터의 양이 작을수록, 더 짧은 시간 내에 분석이 완료될 수 있다. 분석될 데이터의 양이 많을수록, 분석의 정확도가 향상될 수 있다. 즉, 분석 시간과 분석 정확도는 서로 트레이드 오프 관계에 있으므로, 분석될 데이터의 양은 실시예에 따라 적절하게 설정될 수 있다. 한편, 전자 디바이스가 해당 데이터를 수집하므로, 분석될 데이터의 양이 많을수록, 전자 디바이스에게 가해지는 부담이 더 커질 수 있다. 즉, 수집되는 데이터의 양과 전자 디바이스의 리소스는 서로 트레이드 오프 관계에 있으므로, 수집되어 분석될 데이터의 양은 실시예에 따라 적절하게 설정될 수 있다. 전자 디바이스에서 수집되는 데이터의 양은 전자 디바이스의 센싱 주기를 조절함으로써, 조절될 수 있다. 즉, 전자 디바이스의 센싱 주기가 짧아질수록 더 많은 데이터가 수집될 수 있다.

120 동작에서, 운행 기록 분석 시스템이 데이터에 기초하여 전자 디바이스 아래의 도로의 패턴을 결정할 수 있다.

일 실시예에서, 운행 기록 분석 시스템에 전자 디바이스 아래의 도로의 패턴을 결정하기 위해 이용하는 데이터는 전자 디바이스로부터 획득된 데이터뿐만 아니라, 다른 종류의 데이터를 더 포함할 수 있다. 이에 대해서는, 도 4 내지 6 을 참조하여 후술할 것이다.

일 실시예에서, 전자 디바이스 아래의 도로는, 전자 디바이스가 설치된 차량이 주행하는 도로일 수 있다. 즉, 전자 디바이스가 설치된 차량이 주행하는 도로의 특성에 따라, 전자 디바이스에서 획득되는 데이터가 달라질 수 있다. 따라서, 전자 디바이스에서 획득된 데이터를 이용하여, 전자 디바이스가 설치된 차량이 주행하는 도로의 패턴이 결정될 수 있다.

일 실시예에서, 전자 디바이스 아래의 도로의 패턴의 결정에 따라, 전자 디바이스 아래의 도로가 차도인지, 아니면 인도인지 결정될 수 있다. 예를 들어, 도로의 패턴이 차도의 패턴에 가까운지 또는 인도의 패턴에 가까운지가 결정될 수 있다. 예를 들어, 도로의 패턴이 차도와 인도 중 어느 것의 패턴에 더 가까운지가 결정될 수 있다. 전자 디바이스 아래의 도로가 인도인 것으로 결정되는 경우, 해당 차량의 운전자 및/또는 서드파티에게, 인도로 주행 중임을 알리는 메시지가 전송될 수 있다. 이로써, 차량 운전자는 자신이 인도로 주행하고 있음을 인식할 수 있으므로, 차량 운전자가 인도를 주행하는 것이 억제될 수 있다. 서드파티는 운전자의 차량 임대인, 관리자, 고용자, 사용자, 보험사, 운영자, 관제사, 배달 대행사 등과 같이, 인도를 주행하는 차량 운전자에게 경제적 또는 사회적인 불이익을 줄 수 있는 자일 수 있으나, 이에 제한되지 않는다. 서드파티에게로의 통지는, 운전자의 동의 하에 가능할 수 있다.

이로써, 차량 운전자는 자신이 인도로 주행함에 따른 불이익으로부터 회피하고자 할 것이므로, 차량 운전자가 인도를 주행하는 것이 억제될 수 있다. 일 실시예에 따르면, 운전자의 인도 주행 횟수가 카운트될 수 있고, 그 누적 결과에 기초하여, 운전자의 안전 주행 여부가 결정될 수 있다. 즉, 운전자의 인도 주행 횟수가 절대적으로 높거나, 상대적으로 높을 경우, 운행 기록 분석 시스템은 해당 운전자를 난폭 운전자로 평가하도록 구현될 수 있다. 운전자는 난폭 운전자로 평가되는 것을 회피하기 위해, 안전하게 주행하도록 유도될 수 있다.

도 2 는 일 실시예에 따른 전자 디바이스의 블록도이다.

도 2 를 참조하면, 전자 디바이스 (200) 는 센서 (210) 및 프로세서 (220) 를 포함할 수 있다. 일 실시예에서, 전자 디바이스 (200) 는 통신 인터페이스 (230) 를 더 포함할 수 있다. 일 실시예에서, 전자 디바이스 (200) 는 조작부 (240) 를 더 포함할 수 있다. 일 실시예에서, 전자 디바이스 (200) 는 메모리를 더 포함할 수 있다. 디바이스 (200) 의 소프트웨어 모듈들, 예를 들어, 프로그램 모듈들은 인스트럭션들의 집합으로서 메모리에 저장될 수 있고, 인스트럭션들이 프로세서 (220) 에 의해 실행됨으로써 대응하는 기능들이 수행될 수 있다.

전자 디바이스 (200) 의 센서 (210) 는 전자 디바이스 (200) 의 가속도 데이터, 지자계 데이터, 및 자이로 데이터 중 적어도 하나의 데이터를 획득하기 위한 센서일 수 있다. 일 실시예에서, 센서 (210) 는 가속도 센서, 자이로 센서, 지자계 센서, 또는 그 조합의 센서일 수 있다. 예를 들어, 센서 (210) 는 3축 가속도 센서와 3축 자이로 센서가 결합된 6축 관성 측정 유닛 (inertia measurement unit; IMU) 일 수 있다. 예를 들어, 센서 (210) 는 3축 가속도 센서, 3축 자이로 센서, 및 3축 지자계 센서가 결합된 9축 관성 측정 유닛일 수 있다.

전자 디바이스 (200) 의 센서 (210) 를 통해, 전자 디바이스 (200) 또는 전자 디바이스 (200) 가 설치된 차량의 움직임이 감지될 수 있다.

전자 디바이스 (200) 의 프로세서 (220) 는 전자 디바이스 (200) 의 구성요소들을 전반적으로 제어할 수 있다. 프로세서 (220) 는 센서 (210) 에 의해 감지되는 데이터를 획득할 수 있다. 프로세서 (220) 는 센서 (210) 에 의해 감지되는 데이터를 수집할 수 있다. 프로세서 (220) 는 수집되는 데이터를 메모리에 저장할 수 있다. 프로세서 (220) 는 수집되는 데이터 (또는 저장된 데이터) 를 통신 인터페이스 (230) 를 통해 전송할 수 있다.

전자 디바이스 (200) 는, 전자 디바이스 (200) 의 통신 인터페이스 (230) 를 통해 데이터를 외부로 전송할 수 있다. 전자 디바이스 (200) 는, 전자 디바이스 (200) 의 통신 인터페이스 (230) 를 통해 사용자 디바이스에게 센싱 데이터를 전송하거나, 분석 시스템에게 센싱 데이터를 전송할 수 있다. 전자 디바이스 (200) 는 통신 인터페이스 (230) 를 통해 사용자 디바이스 및/또는 분석 시스템에 연결될 수 있다. 통신 인터페이스 (230) 는 무선 통신 인터페이스이거나 유선 통신 인터페이스일 수 있다. 통신 인터페이스 (230) 는 근거리 통신 인터페이스, 예를 들어, 블루투스 인터페이스, Wi-Fi 인터페이스, 등일 수 있다. 통신 인터페이스 (230) 는 원거리 통신 인터페이스일 수도 있다. 일 실시예에서, 전자 디바이스 (200) 는 통신 인터페이스 (230) 로서, 근거리 통신 인터페이스, 예를 들어, 블루투스 통신 인터페이스를 포함하고, 원거리 통신 인터페이스, 예를 들어, 셀룰러 통신 인터페이스를 구비하지 않을 수 있다. 이로써 전자 디바이스 (200) 의 전력 소비가 저감될 수 있다. 이때, 전자 디바이스 (200) 는 근거리 통신 인터페이스를 통해 사용자 디바이스에게 센싱 데이터를 전송하고, 센싱 데이터는 사용자 디바이스의 원거리 통신 인터페이스를 통해 분석 시스템에게 전송될 수 있다. 일 실시예에서, 전자 디바이스 (200) 는 원거리 통신 인터페이스를 포함하고, 근거리 통신 인터페이스를 구비하지 않을 수 있다. 이때, 전자 디바이스 (200) 의 원거리 통신 인터페이스를 통해 분석 시스템에게 센싱 데이터를 직접 전송할 수 있다. 전자 디바이스 (200) 가 사용자 디바이스를 통해 센싱 데이터를 분석 시스템에게 전송하는 것은 도 3a 를 참조하여 후술할 것이다. 전자 디바이스 (200) 가 센싱 데이터를 분석 시스템에게 직접 전송하는 것은 도 3b 를 참조하여 후술할 것이다. 일 실시예에서, 전자 디바이스 (200) 는 근거리 통신 인터페이스 및 원거리 통신 인터페이스를 모두 포함할 수 있다. 근거리 및 원거리 통신 인터페이스들은 전술된 블루투스 통신 인터페이스 및 셀룰러 통신 인터페이스에 제한되지 않으며, 기술 발전에 따라 다른 적절한 통신 인터페이스가 이용될 수 있다.

일 실시예에서, 사용자 디바이스는 전자 디바이스와 연결된 디바이스로서, 스마트폰, 태블릿, 휴대폰, PDA (personal digital assistant), 미디어 플레이어, PMP (Portable Multimedia Player), 전자책 단말기, 디지털방송용 단말기, PC (Personal Computer), 노트북 (laptop), GPS (global positioning system) 장치, 네비게이션, MP3 플레이어, 디지털 카메라 및 기타 모바일 컴퓨팅 장치일 수도 있으나, 이에 제한되지 않는다. 본 개시에서는 설명의 편의를 위해, 사용자 디바이스가 스마트폰인 것으로 상정한다.

일 실시예에서, 전자 디바이스 (200) 는 통신 인터페이스 (230) 를 더 포함할 수 있다. 전자 디바이스 (200) 는 통신 인터페이스 (230) 를 통해 사용자 디바이스에게 데이터를 전달할 수 있다. 전자 디바이스 (200) 는 배터리를 포함할 수 있다. 통신 인터페이스 (230) 는 USB 인터페이스일 수 있고, 전자 디바이스 (200) 는 USB 인터페이스를 통해 사용자 디바이스로부터 전력을 공급받고, 사용자 디바이스와 통신할 수 있다. 통신 인터페이스 (230) 를 통해, 운행 기록 분석 시스템에게 데이터가 전달될 수 있다. 전자 디바이스 (200) 의 통신 인터페이스 (230) 와 전력 인터페이스는 서로 상이한 인터페이스일 수 있다. 전자 디바이스 (200) 는 사용자 디바이스뿐만 아니라, 차량으로부터 (예를 들어, 차량의 시가잭을 통해) 전력을 공급받을 수도 있다. 전자 디바이스 (200) 는 전력 인터페이스를 통해 전력을 공급받을 수 있다. 공급되는 전력에 의해, 전자 디바이스 (200) 의 배터리가 충전되거나 전자 디바이스가 구동될 수 있다.

일 실시예에서, 전자 디바이스 (200) 는 조작부 (240) 를 더 포함할 수 있다. 전자 디바이스 (200) 의 조작부 (240) 는, 전자 디바이스 (200) 와 통신 인터페이스 (230) 를 통해 연결된 사용자 디바이스를 조작하는 데 이용될 수 있다. 전자 디바이스 (200) 의 조작부 (240) 는, 전자 디바이스 (200) 의 화면에 디스플레이된 버튼을 선택하는 데 이용될 수 있다. 예를 들어, 조작부 (240) 를 통해, 이전으로 이동, 다음으로 이동, 및 선택이 수행될 수 있으나, 이에 제한되지 않는다. 조작부 (240) 는 터치 패드로 구현될 수 있으나, 조작감을 향상시키기 위해 조이스틱이나 일자패드, 십자패드, 물리적 버튼, 등으로 구현될 수도 있다. 조이스틱을 위에서 아래로 누를 경우, 선택이 수행되고, 조이스틱이 기울어지는 방향에 따라 이전 또는 다음으로 이동되거나, 해당 방향으로 커서가 이동될 수 있다. 유사하게, 일자패드나 십자패드의 가운데를 누를 경우, 선택이 수행되고, 눌리는 패드 방향에 따라 이전 또는 다음으로 이동되거나, 해당 방향으로 커서가 이동될 수 있다. 조작부 (240) 는 하나의 버튼으로 구현되어, 버튼 입력 방식 (예: 탭, 더블 탭, 롱탭, 등) 으로 사용자 디바이스에서 대응하는 동작이 수행될 수도 있다. 조작부 (240) 는 전자 디바이스 (200) 와 별도의 파트로 구현될 수 있다. 예를 들어, 전자 디바이스 (200) 와 조작부 (240) 는 와이어로 서로 연결되거나 무선 통신 인터페이스를 통해 서로 연결될 수 있다. 조작부 (240) 는 전자 디바이스 (200) 와 별도의 통신 인터페이스를 포함할 수 있고, 조작부 (240) 는 별도의 통신 인터페이스를 통해 사용자 디바이스와 연결되어, 전술된 조작을 수행할 수 있다.

배달 운전자의 수익은 배달 완료 건수에 비례하기 때문에, 배달 운전자들은 종종 운전 중에 스마트폰을 조작하고, 이는 큰 사고로 이어질 수 있다. 일 실시예에 따른 전자 디바이스 (200) 는 이륜 차량의 핸들에 설치될 수 있고, 이륜 차량의 운전자는 전자 디바이스 (200) 의 조작부 (240) 를 통해, 전자 디바이스 (200) 의 통신 인터페이스 (230) 를 통해 연결된 자신의 스마트폰을 조작할 수 있으므로, 사고 확률이 낮아질 수 있다.

일 실시예에서, 전자 디바이스 (200) 의 센서 (220) 를 통해 획득된 데이터에 기초하여, 전자 디바이스 (200) 가 이동 중인지 여부, 예를 들어, 전자 디바이스 (200) 가 설치된 차량이 이동 중인지 여부가 결정될 수 있다. 전자 디바이스 (200) 가 이동 중인 경우에는, 사용자 디바이스의 직접적인 제어가 차단되고 조작부 (240) 를 통해 사용자 디바이스가 제어되도록 구현될 수 있다.

실시예들에 따라, 디바이스(200)는 전술된 유닛들의 수보다 더 많거나 더 적은 유닛들을 포함할 수 있다. 디바이스(200)의 유닛들에 대한 명명은, 디바이스(200)에서 수행되는 동작들을 구별하여(distinctively) 설명하기 위한 것이므로, 특정 동작이 반드시 특정 유닛에서 수행되는 것으로 이해되지 말아야 한다. 예를 들어, 디바이스(200)의 특정 유닛에서 수행되는 것으로 묘사된 동작이 다른 유닛에서 수행될 수 있고, 디바이스(200)의 하나의 유닛에서 수행되는 것으로 묘사된 동작이 복수의 유닛들에서 수행될 수 있고, 디바이스(200)의 복수의 유닛들 간의 상호적 처리 (interactive processing) 에 의해 수행되는 것으로 묘사된 동작이 하나의 유닛에 의해 수행될 수도 있다. 나아가, 디바이스(200)에서 수행되는 것으로 묘사된 동작이 다른 디바이스에서 수행되거나, 다른 디바이스의 도움을 받아 수행될 수도 있다.

실시예들에 따라, 디바이스(200)의 각각의 전술된 유닛은 하위 유닛을 포함할 수 있다. 유닛의 하위 유닛들은 전술된 하위 유닛들보다 더 많거나 더 적을 수 있다. 하위 유닛들에 대한 명명 또한 디바이스(200)의 유닛들에 대한 명명과 마찬가지로, 디바이스(200)에서 수행되는 동작들을 구별하여 설명하기 위한 것이므로, 특정 동작이 반드시 특정 하위 유닛에서 수행되는 것으로 이해되지 말아야 한다. 유닛과 하위 유닛들은 서로 계층(hierarchy) 관계에 있거나, 계층 관계에 있지 않을 수 있다.

도 3a 는 일 실시예에 따른, 전자 디바이스, 사용자 디바이스, 및 분석 시스템 간의 상호작용을 설명하기 위한 도면이다.

310 동작에서, 전자 디바이스 (ED) 는 센서를 통해 감지된 데이터를 출력할 수 있다. 즉, 전자 디바이스 (ED) 의 센서는 감지된 데이터를 전자 디바이스 (ED) 의 프로세서에게 출력할 수 있고, 프로세서는 출력된 데이터를 획득할 수 있다.

312 동작에서, 전자 디바이스 (ED) 는 출력된 데이터를 수집할 수 있다. 출력된 데이터를 즉각적으로 전자 디바이스 (ED) 에게 전송하는 것은, 전자 디바이스 (ED) 및 사용자 디바이스 (UD) 의 리소스를 낭비할 수 있으므로, 소정 시간 동안 데이터를 수집하여 전자 디바이스 (ED) 에게 전송하도록 구현될 수 있다. 소정 시간은, 전자 디바이스 (ED) 와 사용자 디바이스 (UD) 의 통신 인터페이스의 상태에 따라 달라질 수 있다.

320 동작에서, 전자 디바이스 (ED) 는 수집된 데이터를 사용자 디바이스 (UD) 에게 전송할 수 있다. 전자 디바이스 (ED) 로부터 사용자 디바이스 (UD) 로의 전송은 소정 시간을 기준으로 수행될 수 있으나, 이에 제한되지 않는다. 예를 들어, 전송은 수집된 데이터의 양이 소정 크기에 달하는지 여부에 기초하여 수행될 수도 있다. 전자 디바이스 (ED) 는 수집된 데이터를 소정의 방식으로 인코딩하여 사용자 디바이스 (UD) 에게 전송할 수 있다.

322 동작에서, 사용자 디바이스 (UD) 는, 전자 디바이스 (ED) 로부터 전송된 데이터를, 분석 시스템 (AS) 에게 전송할 수 있다. 사용자 디바이스 (UD) 는, 전자 디바이스 (ED) 로부터 전송된 데이터를 분석 시스템 (AS) 에게 전달할 수 있다. 전자 디바이스 (ED) 로부터 전송된 데이터는, 전자 디바이스 (ED) 의 가속도 데이터, 자이로 데이터, 및 지자계 데이터 중 적어도 하나일 수 있으나, 이에 제한되지 않는다. 전자 디바이스 (ED) 에 다른 센서가 더 구비된 경우, 해당 센서의 데이터도 전자 디바이스 (ED) 로부터 수신될 수 있다. 예를 들어, 전자 디바이스 (ED) 에 GPS 센서가 구비될 경우, 전자 디바이스 (ED) 의 GPS 정보가 사용자 디바이스 (UD) 에 수신될 수 있다. 322 동작은 320 동작이 완료된 직후에 수행될 수 있으나, 이에 제한되지 않는다. 예를 들어, 사용자 디바이스 (UD) 가 Wi-Fi에 연결될 때 또는 소정의 시간에 322 동작이 수행되도록 구현될 수도 있다.

324 동작에서, 사용자 디바이스 (UD) 는, GPS 정보를 분석 시스템 (AS) 에게 전송할 수 있다. GPS 정보는, 전자 디바이스 (ED) 의 GPS 정보일 수 있으나, 이에 제한되지 않는다. 예를 들어, GPS 정보는 사용자 디바이스 (UD) 의 GPS 정보일 수 있다. 전자 디바이스 (ED) 와 사용자 디바이스 (UD) 가 서로 근거리 통신 인터페이스 또는 유선 통신 인터페이스를 통해 서로 연결되어 있을 경우, 사용자 디바이스 (UD) 의 GPS 정보는 사실상 전자 디바이스 (ED) 의 GPS 정보로서 이용될 수 있다. GPS 정보는, 운전자를 평가하거나 사고 발생 시 활용될 수 있고, 이에 대해서는 도 7 및 8 을 참조하여 후술할 것이다.

330 동작에서, 분석 시스템 (AS) 은, 수신된 데이터에 기초하여 전자 디바이스 (ED) 아래의 도로의 패턴을 결정할 수 있다. 분석 시스템 (AS) 이, 수신된 데이터에 기초하여 어떻게 전자 디바이스 (ED) 아래의 도로의 패턴을 결정할 수 있는지는, 도 4 내지 도 6 을 참조하여 후술할 것이다.

일 실시예에서, 전자 디바이스 (ED) 아래의 도로의 패턴의 결정에 따라, 전자 디바이스 (ED) 아래의 도로가 차도인지, 아니면 인도인지 결정될 수 있다. 전자 디바이스 (ED) 아래의 도로가 인도인 것으로 결정되는 경우, 해당 차량의 운전자 및/또는 서드파티에게, 도로 주행 중임을 알리는 메시지가 전송될 수 있다. 일 실시예에 따르면, 운전자의 인도 주행 횟수가 카운트될 수 있고, 그 누적 결과에 기초하여, 운전자의 안전 주행 여부가 결정될 수 있다. 즉, 운전자의 인도 주행 횟수가 절대적으로 높거나, 상대적으로 높을 경우, 운행 기록 분석 시스템 (AS) 은 해당 운전자를 난폭 운전자로 평가하도록 구현될 수 있다.

일 실시예에서, 분석 시스템 (AS) 은, 사용자 디바이스 (UD) 로부터 전송된 GPS 정보와, 전자 디바이스 (ED) 수집 데이터를 이용하여, 전자 디바이스 (ED) 아래의 도로의 패턴을 결정할 수 있다.

332 동작에서, 분석 시스템 (AS) 은, 수신된 데이터에 기초하여 운전자의 안전 주행 여부를 결정할 수 있다. 운전자의 안전 주행 여부를 결정하는 것은 도 7 을 참조하여 후술할 것이다.

334 동작에서, 분석 시스템 (AS) 은, 수신된 데이터에 기초하여 운전자의 사고 여부를 결정할 수 있다. 운전자의 사고 여부를 결정하는 것은 도 8 을 참조하여 후술할 것이다.

도 3b 는 일 실시예에 따른, 전자 디바이스 및 분석 시스템 간의 상호작용을 설명하기 위한 도면이다.

도 3b 의 동작 311 및 313 은 도 3a 의 동작 310 및 312 와 실질적으로 동일하므로, 중복 설명은 생략한다.

일 실시예에서, 전자 디바이스 (ED) 는 분석 시스템 (AS) 과 직접 통신하도록 구현될 수 있다. 예를 들어, 전자 디바이스 (ED) 는 원거리 통신 인터페이스를 포함할 수 있다. 이때, 도 3a 에서 사용자 디바이스 (UD) 의 동작 322 및 324 는, 전자 디바이스 (ED) 에 의해 수행될 수 있다.

동작 321 에서, 전자 디바이스 (ED) 는 수집된 데이터를 분석 시스템 (AS) 에게 전송할 수 있다. 전자 디바이스 (ED) 로부터 분석 시스템 (AS) 으로의 전송은 소정 시간을 기준으로 수행될 수 있으나, 이에 제한되지 않는다. 예를 들어, 전송은 수집된 데이터의 양이 소정 크기에 달하는지 여부에 기초하여 수행될 수도 있다. 전자 디바이스 (ED) 는 수집된 데이터를 소정의 방식으로 인코딩하여 분석 시스템 (AS) 에게 전송할 수 있다.

321 동작은 320 동작이 완료된 직후에 수행될 수 있으나, 이에 제한되지 않는다. 예를 들어, 전자 디바이스 (ED) 가 Wi-Fi에 연결될 때 또는 소정의 시간에 321 동작이 수행되도록 구현될 수도 있다.

전자 디바이스 (ED) 로부터 전송되는 데이터는, 전자 디바이스 (ED) 의 가속도 데이터, 자이로 데이터, 및 지자계 데이터 중 적어도 하나일 수 있으나, 이에 제한되지 않는다. 전자 디바이스 (ED) 에 다른 센서가 더 구비된 경우, 해당 센서의 데이터도 전자 디바이스 (ED) 로부터 분석 시스템 (AS) 에게 전송될 수 있다. 예를 들어, 323 동작에서, 전자 디바이스 (ED) 는, GPS 정보를 분석 시스템 (AS) 에게 전송할 수 있다. GPS 정보는, 운전자를 평가하거나 사고 발생 시 활용될 수 있고, 이에 대해서는 도 7 및 8 을 참조하여 후술할 것이다.

도 4 는 일 실시예에 따른, 이미지를 이용하여 인공 신경망 모델이 도로의 패턴을 학습하는 방법을 설명하기 위한 도면이다. 설명의 편의상 도 5 및 도 6 을 더 참조하여 설명한다.

도 5 는 일 실시예에 따른, 이미지와 차량 센싱 데이터를 이용하여 인공 신경망이 도로의 패턴을 학습하는 방법을 설명하기 위한 도면이다.

도 6 은 일 실시예에 따른, 차량 센싱 데이터를 이용하여 인공 신경망이 도로의 패턴을 결정하는 방법을 설명하기 위한 도면이다.

본 개시에 따른 인공지능과 관련된 기능은 프로세서와 메모리를 통해 동작된다. 프로세서는 하나 또는 복수의 프로세서로 구성될 수 있다. 이때, 하나 또는 복수의 프로세서는 CPU, AP, DSP(Digital Signal Processor) 등과 같은 범용 프로세서, GPU, VPU(Vision Processing Unit)와 같은 그래픽 전용 프로세서 또는 NPU와 같은 인공지능 전용 프로세서일 수 있으나, 이에 제한되지 않는다. 하나 또는 복수의 프로세서는, 메모리에 저장된 기 정의된 동작 규칙 또는 인공지능 모델에 따라, 입력 데이터를 처리하도록 제어할 수 있다. 또는, 하나 또는 복수의 프로세서가 인공지능 전용 프로세서인 경우, 인공지능 전용 프로세서는, 특정 인공지능 모델의 처리에 특화된 하드웨어 구조로 설계될 수 있다.

도 4 를 참조하면, 제 1 도로 이미지 (402) 와 제 2 도로 이미지 (404) 를 학습하도록 인공 신경망 모델 (410) 을 훈련시키면, 훈련된 인공 신경망 모델은 입력된 이미지들 (402 및 404) 가 제 1 도로 (412) 인지, 아니면 제 2 도로 (414) 인지 결정할 수 있다. 인공 신경망 모델 (410) 에 입력되는 이미지들 (402 및 404) 은 전자 디바이스 아래 또는 주변의 환경을 촬영한 이미지일 수 있다. 인공 신경망 모델 (410) 의 학습은 지도형 학습으로 수행될 수 있으나, 이에 제한되지 않으며, 인공 신경망 모델 (410) 은 기존의 이미지 구분 인공 신경망 모델 (410) 일 수 있다. 본 개시에서 제 1 도로 (412) 는 차도이고, 제 2 도로 (414) 는 인도인 것으로 상정하였으나, 제 1 도로 (412) 및 제 2 도로 (414) 는 이에 제한되지 않으며, 인공 신경망 모델 (410) 은 두 개뿐만 아니라, 세 개 이상의 도로 타입을 구분하도록 구현될 수 있다. 예를 들어, 도로 타입은, 아스팔트, 시멘트, 횡단보도, 점자블록, 연석, 보도블록, 배수시설용 상판, 맨홀 뚜껑, 비포장도로, 등 시각적으로 도로의 표면에서 구분될 수 있는 형상을 포함할 수 있고, 인공 신경망 모델 (410) 은 이러한 도로 타입을 모두 구분하도록 훈련될 수 있다.

기 정의된 동작 규칙 또는 인공지능 모델은 학습을 통해 만들어질 수 있다. 인공지능 모델이 학습 알고리즘에 의하여 다수의 학습 데이터들을 이용하여 학습함으로써, 원하는 특성(또는, 목적)을 수행하도록 설정된 기 정의된 동작 규칙 또는 인공지능 모델이 만들어질 수 있다. 이러한 학습은 전술된 운행 기록 분석 시스템에서 이루어질 수 있으나, 이에 제한되지 않는다. 학습 알고리즘의 예로는, 지도형 학습(supervised learning), 비지도형 학습(unsupervised learning), 준지도형 학습(semi-supervised learning) 또는 강화 학습(reinforcement learning)이 있으나, 전술한 예에 한정되지 않고, 주어진 특성(또는, 목적)을 수행하기 위해 적합한 방식으로 인공 신경망 모델 (410) 이 훈련될 수 있다.

도 4 에서 이미지들 (402, 404) 을 통해 훈련된 인공 신경망 모델 (410, 510) 은, 입력된 이미지의 도로 타입을 결정할 수 있다. 따라서, 이미지 (502) 와 함께, 해당 이미지 (502) 가 촬영되는 시간에 연관되어 (또는 동시에) 전자 디바이스에서 획득된 센싱 데이터 (504), 즉, 가속도 데이터, 자이로 데이터, 및 지자계 데이터 중 적어도 하나의 데이터를 인공 신경망 모델 (510) 에 입력함으로써, 인공 신경망 모델 (510) 은 센싱 데이터 (504) 를 도로 이미지 (502) 에 매핑시킬 수 있다. 해당 이미지 (502) 는 전자 디바이스 아래 또는 주변의 환경을 촬영한 이미지일 수 있다. 인공 신경망 모델 (510) 은, 도 4 에서 전술한 바와 같이, 이미지에 기초하여 도로 타입을 결정할 수 있고, 도 5 를 참조하면, 입력된 이미지 (502) 를 제 1 도로 (512) 로 결정할 수 있다. 입력된 이미지 (502) 촬영 당시, 또는 촬영 시를 중심으로 하는 소정 주기 동안 센싱 데이터 (504) 도 획득되므로, 해당 센싱 데이터 (504) 또한 제 1 도로로 레이블링될 수 있고, 레이블링된 센싱 데이터 (514) 에 기초하여 훈련된 인공 신경망 모델 (510) 은 입력된 센싱 데이터에 기초하여 도로의 타입을 결정할 수 있다. 즉, 도 5 에서 센싱 데이터 (504) 및 센싱 데이터 (504) 획득 시, 또는 센싱 데이터 획득 주기 내에 촬영된 이미지 (502) 를 통해 훈련된 인공 신경망 모델 (510, 610) 은, 입력된 센싱 데이터 (602) 에 기초하여 도로 타입을 결정할 수 있다.

각 도로는 도로의 재질, 도로 표면에 형성된 요철, 도로 표면에 칠해진 페인트 등으로 인해, 전자 디바이스에서 센싱된 데이터, 예를 들어, 가속도 데이터, 자이로 데이터, 및 지자계 데이터 중 적어도 하나의 데이터에 기초하여 전자 디바이스가 설치된 차량이 주행하는 도로가 구분될 수 있다.

예를 들어, 차도에서는 다른 도로 타입에 비해, 전자 디바이스에서 센싱된 데이터는 비교적 안정된 (stable) 상태를 지속할 수 있고, 인공 신경망 모델 (510, 610) 은 센싱된 데이터의 안정된 상태의 양태를 학습함으로써, 전자 디바이스로부터 획득된 데이터에 기초하여 전자 디바이스 아래의 도로가 차도인지를 결정할 수 있다.

예를 들어, 비포장도로에서는 전자 디바이스에서 센싱된 데이터는 비교적 불안정한 (unstable) 상태를 지속할 수 있고, 인공 신경망 모델 (510, 610) 은 센싱된 데이터의 불안정한 상태의 양태를 학습함으로써, 전자 디바이스로부터 획득된 데이터에 기초하여 전자 디바이스 아래의 도로가 비포장도로인지를 결정할 수 있다.

예를 들어, 인도에서는 보도블록으로 인해, 전자 디바이스에서 센싱된 데이터는 반복적인 변화 (또는 피크, 골, 출렁임) 를 보일 수 있고, 인공 신경망 모델 (510, 610) 은 센싱된 데이터에서 나타나는 반복적인 변화를 학습함으로써, 전자 디바이스로부터 획득된 데이터에 기초하여 전자 디바이스 아래의 도로가 인도인지를 결정할 수 있다.

예를 들어, 횡단보도에서 보행자의 횡단 방향과 동일한 방향으로 차량이 횡단보도를 주행하는 경우, 횡단보도의 줄무늬 패턴으로 인해 전자 디바이스에서 센싱된 데이터는 반복적인 변화 (또는 피크, 골, 출렁임) 를 보일 수 있고, 인공 신경망 모델 (510, 610) 은 센싱된 데이터에서 나타나는 반복적인 변화를 학습함으로써, 전자 디바이스로부터 획득된 데이터에 기초하여, 전자 디바이스가 설치된 차량이 횡단보도를 보행자 방향과 동일한 방향으로 주행하는지를 결정할 수 있다.

예를 들어, 경계석 (점자블록, 연석, 등), 배수구 (배수시설용 상판), 맨홀뚜껑 등에서는, 전자 디바이스에서 센싱된 데이터는 갑작스러운 변화 (또는 피크, 골, 출렁임) 를 보일 수 있고, 인공 신경망 모델 (510, 610) 은 센싱된 데이터에서 나타나는 갑작스러운 변화의 양태를 학습함으로써, 전자 디바이스로부터 획득된 데이터에 기초하여, 전자 디바이스가 설치된 차량이 경계석, 배수구, 맨홀뚜껑 등을 지나는지를 결정할 수 있다.

인공지능 모델은, 복수의 신경망 레이어들로 구성될 수 있다. 인공지능 모델은 인공 신경망 모델, 신경망 모델, 인공 신경망, 신경망, 등으로도 지칭될 수 있다. 복수의 신경망 레이어들 각각은 복수의 가중치들(weight values)을 갖고 있으며, 이전(previous) 레이어의 연산 결과와 복수의 가중치들 간의 연산을 통해 신경망 연산이 수행될 수 있다.

복수의 신경망 레이어들이 갖고 있는 복수의 가중치들은 인공지능 모델의 학습 결과에 의해 최적화될 수 있다. 예를 들어, 학습 과정 동안 인공지능 모델에서 획득한 로스(loss) 값 또는 코스트(cost) 값이 감소 또는 최소화되도록 복수의 가중치들이 갱신될 수 있다. 인공 신경망은 심층 신경망(DNN:Deep Neural Network), CNN (Convolutional Neural Network), RNN (Recurrent Neural Network) 등일 수 있으나, 전술한 예에 한정되지 않는다.

일 실시예에 따른 전자 디바이스에서 획득되는 센싱 데이터의 크기는 일반적으로, 카메라나 블랙박스를 통해 촬영되는 이미지의 크기보다 작으므로, 사륜차량처럼 지속적인 전력을 공급받을 수 없는 차량, 예를 들어, 퍼스널 모빌리티나 이륜 차량에서도 일 실시예에 따른 전자 디바이스를 구비할 수 있다.

운전자가 안전 주행 중인지를 판단하기 위해 이미지를 실시간으로 분석한다면, 분석자의 분석 비용 및 운전자의 데이터 통신 비용이 비약적으로 상승하게 된다. 반면, 일 실시예에 따르면, 전자 디바이스의 IMU 센서를 통해 획득된 센싱 데이터가 운전자로부터 전송될 뿐이므로, 이미지를 이용하는 경우보다 데이터 통신 비용이 절약될 뿐만 아니라, 분석자의 실시간 분석 데이터 양이 줄어들 수 있다.

도 4 내지 도 6 에서는, 이미지를 이용하여 훈련된 인공 지능 모델이 활용되었으나, 센싱 데이터를 중심으로 인공 지능 모델이 훈련될 수도 있다.

일 실시예에서, 훈련하려는 (검출하려는) 항목에 따라, 가속도 데이터, 자이로 데이터, 및 지자계 데이터 중 적어도 하나가 선택되거나, 그에 가중치가 부여될 수 있다.

예를 들어, 도로 타입은, 자이로 데이터나 지자계 데이터보다는, 가속도 데이터에서 더 현저한 변화 (또는 피크, 골, 출렁임) 를 보인다. 즉, 도로 타입을 결정할 때, 예를 들어, 주행도로 (아스팔트, 시멘트 도로, 비포장도로, 등), 경계석 (점자블록, 연석, 등), 배수구 (배수시설용 상판), 맨홀뚜껑, 횡단보도, 등의 주행 여부가, 전자 디바이스로부터 획득된 가속도 데이터로부터 결정될 수 있다.

예를 들어, 주행 시 획득되는 가속도 데이터로부터, 차량의 충돌 여부, 충돌 시 충격량, 충격력, 충격방향, 감/가속 정도 (급제동/급가속 여부), 엔진 상태가 결정될 수 있다. 즉, 이러한 항목들은 자이로 데이터나 지자계 데이터보다는, 가속도 데이터에서 더 현저한 변화 (또는 피크, 골, 출렁임) 를 보인다.

예를 들어, 주행 시 획득되는 지자계 데이터로부터, 도로를 횡으로 가로질러 운행하는지 여부, 유턴 여부가 결정될 수 있다. 즉, 이러한 항목들은 가속도 데이터나 자이로 데이터보다는 지자계 데이터에서 더 현저한 변화 (또는 피크, 골, 출렁임) 를 보인다. 한편, 도로를 횡으로 가로지르는지 여부, 즉, 횡단보도 주행 여부는, GPS 및 지도 정보를 더 고려하여 결정될 수 있다. 한편, 교통 신호 정보를 더 고려하여, 불법 유턴 여부가 더 결정될 수 있다.

예를 들어, 주행 시 획득되는 자이로 데이터로부터, 롤링 (rolling), 피칭 (pitching), 요잉 (yawing), 칼치기 (weaving) 여부, 곡예주행 여부, 앞바퀴가 들어 올려지는지 (wheelie) 여부, 뒷바퀴가 들어 올려지는지 (front wheelie) 여부, S자 주행 여부, 넘어짐(주행 중, 정차 중) 여부, 도로의 경사 (오르막길, 내리막길), 등이 결정될 수 있다. 즉, 이러한 항목들은 가속도 데이터나 지자계 데이터보다는 자이로 데이터에서 더 현저한 변화 (또는 피크, 골, 출렁임)를 보인다.

일 실시예에서, 상기 항목들은 하나의 데이터, 즉, 가속도 데이터, 자이로 데이터, 또는 지자계 데이터로부터 결정될 수 있으나, 이들의 조합으로부터 결정될 수도 있다.

일 실시예에서, 분석 시스템이 특정 항목 판단 시 현저한 변화를 보이는 데이터에 더 높은 가중치가 적용될 수 있으나, 이에 제한되지 않는다. 가중치는 인공신경망을 이용하여 조절될 수 있다.

본 발명은 상기 정보들에 한정되지 않고 센서에 의해 측정된 값에 기초하여 다양한 정보들이 검출될 수 있고, 검출된 다양한 정보들에 기초하여 운전자의 안전 운행 여부가 판단될 수 있다.

외부 정보로서, 신호체계, GPS 정보, 지도정보뿐만 아니라 다양한 정보들이 이용될 수 있다. 외부 정보는 도 7 및 도 8 을 참조하여 후술할 것이다.

도 7 은 일 실시예에 따른 운행 기록 분석 결과를 이용하는 방법을 설명하기 위한 도면이다.

도 7 은, 도 3a 의 동작 310, 312, 320, 및 322, 또는 도 3b 의 동작 311, 313, 및 321 이 수행된 이후의 동작을 설명하기 위한 도면이다.

동작 710 에서 분석 시스템 (AS) 은 전자 디바이스의 센싱 데이터에 기초하여 운전자를 평가할 수 있다. 예를 들어, 분석 시스템 (AS) 은 운전자가 인도로 주행하는지, 주행의 속도나 주행 패턴 등을 결정할 수 있다. 운전자가 인도로 주행하면서 소정 속도 이상으로 주행 중이거나, 운전자가 인도로 주행하면서 소정 각도 이상으로 비틀거리거나 꺾으면서 주행 중인 경우, 해당 운전자는 난폭 운전자로 결정될 수 있다.

동작 720 에서 평가 결과를 사용자 디바이스 (UD) 및 서드파티 (TP) 에게 전송할 수 있다. 서드파티 (TP) 로의 전송을 위해, 사용자 (운전자) 의 사전 허락이나 동의가 필요할 수 있다. 사용자의 한 번의 동의로, 사용자의 평가 결과가 서드파티 (TP) 에게 계속 전송되도록 구현될 수 있으나, 이에 제한되지 않고, 서드파티 (TP) 에게 평가 결과를 전송하기 위해서는 매번 사용자의 동의가 필요하도록 구현될 수도 있다. 일 실시예에서, 전자 디바이스는 분석 시스템 (AS) 과 통신할 수 있는 통신 인터페이스를 포함할 수 있고, 이 경우, 평가 결과는 분석 시스템 (AS) 로부터 전자 디바이스에게 직접 전송될 수 있다.

일 실시예에서, 운전자 평가 결과는 분석 시스템 (AS) 으로부터 서드파티 (TP) 에게만 전송될 수도 있다.

일 실시예에서, 사용자 디바이스 (UD) (또는, 분석 시스템 (AS) 과 통신할 수 있는 통신 인터페이스를 포함하는 전자 디바이스) 에게 전송되는 제 1 운전자 평가 결과 및 서드파티 (TP) 에게 전송되는 제 2 운전자 평가 결과는 서로 상이할 수 있다. 예를 들어, 제 2 운전자 평가 결과는, 제 1 운전자 평가 결과 중 필터링된 일부만을 포함할 수 있다. 필터링의 범위는 사용자에 의해 결정되거나, 필터링의 범위는 서드파티 (TP) 에 따라 상이할 수 있으나, 이에 제한되지 않는다. 운전자 평가 결과의 전송 주기는 매 운전 종료 시, 매일, 매주, 매월 등일 수 있으나, 이에 제한되지 않는다. 제 1 운전자 평가 결과 및 제 2 운전자 평가 결과는 전송 시기 또는 전송 주기가 서로 상이할 수 있다. 일 실시예에서, 지나치게 많은 정보에 의해 사용자가 불편하지 않도록, 사용자 디바이스 (UD) 에게 전송되는 제 1 운전자 평가 결과는, 서드파티 (TP) 에게 전송되는 제 2 운전자 평가 결과 중 일부만을 포함할 수 있다.

도로와 평행하여 주행하는 사륜 차량과 달리, 이륜차량은 커브 시 도로를 향해 기울어진다. 따라서, 전자 디바이스가 설치된 차량이 이륜 차량일 때, 운전자의 평가는, 전자 디바이스, 즉, 이륜 차량의 기울어짐에 기초하여 운전자의 난폭 운전 여부가 결정될 수 있다. 기울어짐의 여부 및 그 정도는, 전자 디바이스로부터 획득된 센싱 데이터에 기초하여 결정될 수 있다. 이러한 기울어짐의 여부 및 크기에 기초하여, 이륜 차량의 칼치기 여부, S자 주행 여부, 곡예 주행 여부, 유턴 주행 여부 등이 결정될 수 있고, 이러한 항목은 운전자의 난폭 운전 이력에 반영될 수 있다.

일 실시예에서, 사용자 디바이스 (UD) 로부터 분석 시스템 (AS) 에게 GPS 정보가 더 전송될 수 있고, 분석 시스템 (AS) 은 전자 디바이스의 센싱 데이터 및 GPS 정보에 기초하여, 운전자를 평가할 수 있다. 예를 들어, 분석 시스템 (AS) 은 전자 디바이스의 센싱 데이터 및 GPS 정보에 기초하여, 운전자가 차량을 안전하게 운전하는지, 아니면 난폭하게 운전하는지를 평가할 수 있다. 예를 들어, GPS 정보 및 가속도 데이터에 기초하여, 차량이 역주행하는지 여부가 결정될 수 있다.

차도로만 주행하는 사륜차량과 달리, 이륜차량은 인도로 주행하거나, 차도와 인도를 넘나들기도 한다. 차도와 인도의 경계 주행 시 큰 출렁임을 동반하므로, 가속도 데이터에서 피크, 골, 출렁임, 등이 나타날 수 있다.

일 실시예에서, 분석 시스템 (AS) 은 운전자를 평가하기 위해 교통 신호 정보를 더 고려할 수 있다. 교통 신호 정보 및 GPS 정보에 기초하여, 신호 위반 여부, 교통 안전 수칙 준수 여부, 불법 유턴, 등이 결정될 수 있다.

일 실시예에서, 분석 시스템 (AS) 은 운전자를 평가하기 위해 GPS 정보 및 지도 정보를 더 고려할 수 있다. 예를 들어, 교통약자 보호구역 (스쿨존, 실버존, 등), 집단 거주 지역, 골목길 등에서 운전자의 운행 행태가 결정될 수 있고, 이러한 지역에서는 난폭 운전으로 결정되는 임계치가 더 낮아질 수 있다.

일 실시예에서, 외부 정보보다 차량 (이륜차량) 에 연계된 전자 디바이스에 의해 검출되는 신호에 더 높은 가중치가 적용될 수 있으나, 이에 제한되지 않는다. 따라서, 전자 디바이스에 의해 수집되는 데이터보다 외부 정보에 더 높은 가중치가 적용될 수도 있다.

도 8 은 일 실시예에 따른 운행 기록 분석 결과를 이용하는 방법을 설명하기 위한 도면이다.

도 8 은, 도 3a 의 동작 310, 312, 320, 및 322, 또는 도 3b 의 동작 311, 313, 및 321 이 수행된 이후의 동작을 설명하기 위한 도면이다.

동작 810 에서 분석 시스템 (AS) 은 전자 디바이스로부터 전송된 센싱 데이터에 기초하여, 사고 발생 여부를 결정할 수 있다. 예를 들어, 전자 디바이스로부터의 센싱 데이터 분석 결과, 급격한 가속도의 변화와 함께 차량이 쓰러진 것으로 결정되는 경우, 동작 820 에서 분석 시스템 (AS) 은 서드파티 (TP) 에게 사고를 신고할 수 있다. 여기서, 서드파티 (TP) 는 119, 112, 등 사고 신고 접수가 가능한 곳일 수 있으나, 이에 제한되지 않는다. 사고 발생으로 인해, 배달이 불가능하거나 지연될 수 있으므로, 분석 시스템 (AS) 은 가게업주에게도 사고를 신고할 수도 있다.

본 개시에서 분석 시스템 (AS) 을 단일의 주체로 설명하였으나, 분석 시스템 (AS) 은 복수의 서버로 구분될 수 있다. 예를 들어, 분석 시스템 (AS) 은 전자 디바이스의 센싱 데이터를 분석하는 서버, 분석 결과에 따라 운전자를 평가하는 서버, 분석 결과에 따라 사고를 신고하는 서버, 센싱 데이터를 학습하는 서버, 등을 포함할 수 있다.

일 실시예에서, 전자 디바이스 (ED) 는 차량에 설치되고, 분석 시스템 (AS) 은 차량의 주행 및/또는 정거 중 감지된 차량의 떨림에 기초하여, 차량이 비정상적인지를 결정할 수 있다. 차량이 비정상적인지 여부는, 전자 디바이스 (ED) 로부터 획득된 기존 데이터에 기초하여, 결정될 수 있다. 즉, 센싱 데이터가 소정 기준 이상 누적되고, 누적된 데이터의 평균으로부터 소정 범위를 벗어나는 데이터가 획득되는 경우, 차량이 비정상적인 것으로 결정될 수 있다. 이때, 환경적 요인, 예를 들어, 온도, 습도, 등이 더 고려될 수 있다. 차량이 비정상적인 경우, 분석 시스템 (AS) 은, 사용자 디바이스 (UD) 또는 전자 디바이스 (분석 시스템 (AS) 과 통신할 수 있는 통신 인터페이스를 포함하는 경우) 에게 차량 점검에 관한 메시지를 전송할 수 있다. 분석 시스템 (AS) 는 서드파티로서, 차량 점검 업체에게 차량 점검에 관한 메시지를 전송할 수 있다.

일 실시예에서, 전자 디바이스로부터 획득되는 센싱 데이터는 소정의 기준을 중심으로 보정될 수 있다. 예를 들어, 전자 디바이스의 가속도 데이터 (중력 방향) 에 기초하여 가속도 데이터, 자이로 데이터 및 지자계 데이터 중 적어도 하나의 데이터가 보정될 수 있다. 이에 따라, 전자 디바이스가 설치된 위치나 방향에 대한 영향이 감소할 수 있다. 예를 들어, 사용자 디바이스의 GPS 정보에 기초하여, 전자 디바이스의 가속도 (또는 속도) 및 요잉 (헤딩방향) 이 보정될 수 있다. 예를 들어, 지자계 데이터에 기초하여, 전자 디바이스의 헤딩방향과 기울어짐이 보정될 수 있다.

일 실시예에서, 데이터는, 전자 디바이스의 센서를 칼리브레이션함으로써 보정될 수 있으나, 이미 획득된 데이터가 다른 데이터를 기준으로 보정될 수도 있다. 보정은 전자 디바이스 및/또는 분석 시스템에서 수행될 수 있다.

소프트웨어 모듈 또는 알고리즘으로 구현되는 방법들은 상기 프로세서상에서 실행 가능한 컴퓨터가 읽을 수 있는 코드들 또는 프로그램 명령들로서 컴퓨터가 읽을 수 있는 기록 매체 상에 저장될 수 있다. 여기서 컴퓨터가 읽을 수 있는 기록 매체로 마그네틱 저장 매체(예컨대, ROM(read-only memory), RAM(random-access memory), 플로피 디스크, 하드 디스크 등) 및 광학적 판독 매체(예컨대, 시디롬(CD-ROM), 디브이디(DVD: Digital Versatile Disc)) 등이 있다. 컴퓨터가 읽을 수 있는 기록 매체는 네트워크로 연결된 컴퓨터 시스템들에 분산되어, 분산 방식으로 컴퓨터가 판독 가능한 코드가 저장되고 실행될 수 있다. 매체는 컴퓨터에 의해 판독가능하며, 메모리에 저장되고, 프로세서에서 실행될 수 있다.

본 개시에서 인용하는 공개 문헌, 특허 출원, 특허 등을 포함하는 모든 문헌들은 각 인용 문헌이 개별적으로 및 구체적으로 병합하여 나타내는 것 또는 본 개시에서 전체적으로 병합하여 나타낸 것과 동일하게 본 개시에 병합될 수 있다.

본 개시의 이해를 위하여, 도면에 도시된 바람직한 실시 예들에서 참조 부호를 기재하였으며, 본 개시의 실시 예들을 설명하기 위하여 특정 용어들을 사용하였으나, 특정 용어에 의해 본 개시가 한정되는 것은 아니며, 본 개시는 당업자에 있어서 통상적으로 생각할 수 있는 모든 구성 요소들을 포함할 수 있다.

본 개시는 기능적인 블록 구성들 및 다양한 처리 단계들로 나타내어질 수 있다. 이러한 기능 블록들은 특정 기능들을 실행하는 다양한 개수의 하드웨어 또는/및 소프트웨어 구성들로 구현될 수 있다. 예를 들어, 본 개시는 하나 이상의 마이크로프로세서들의 제어 또는 다른 제어 장치들에 의해서 다양한 기능들을 실행할 수 있는, 메모리, 프로세싱, 로직(logic), 룩업 테이블(look-up table) 등과 같은 직접 회로 구성들을 채용할 수 있다.

본 개시에의 구성 요소들이 소프트웨어 프로그래밍 또는 소프트웨어 요소들로 실행될 수 있는 것과 유사하게, 본 개시는 데이터 구조, 프로세스들, 루틴들 또는 다른 프로그래밍 구성들의 조합으로 구현되는 다양한 알고리즘을 포함하여, C, C++, 자바(Java), 어셈블러(assembler) 등과 같은 프로그래밍 또는 스크립팅 언어로 구현될 수 있다. 기능적인 측면들은 하나 이상의 프로세서들에서 실행되는 알고리즘으로 구현될 수 있다. 또한, 본 개시는 전자적인 환경 설정, 신호 처리, 및/또는 데이터 처리 등을 위하여 종래 기술을 채용할 수 있다. "메커니즘", "요소", "수단", "구성"과 같은 용어는 넓게 사용될 수 있으며, 기계적이고 물리적인 구성들로서 한정되는 것은 아니다. 상기 용어는 프로세서 등과 연계하여 소프트웨어의 일련의 처리들(routines)의 의미를 포함할 수 있다.

본 개시에서 설명하는 특정 실행들은 일 실시 예들로서, 어떠한 방법으로도 본 개시의 범위를 한정하는 것은 아니다. 명세서의 간결함을 위하여, 종래 전자적인 구성들, 제어 시스템들, 소프트웨어, 상기 시스템들의 다른 기능적인 측면들의 기재는 생략될 수 있다. 또한, 도면에 도시된 구성 요소들 간의 선들의 연결 또는 연결 부재들은 기능적인 연결 및/또는 물리적 또는 회로적 연결들을 예시적으로 나타낸 것으로서, 실제 장치에서는 대체 가능하거나 추가의 다양한 기능적인 연결, 물리적인 연결, 또는 회로 연결들로서 나타내어질 수 있다. 또한, "필수적인", "중요하게" 등과 같이 구체적인 언급이 없다면 본 개시의 적용을 위하여 반드시 필요한 구성 요소가 아닐 수 있다.

본 개시의 명세서(특히 특허청구범위에서)에서 "상기"의 용어 및 이와 유사한 지시 용어의 사용은 단수 및 복수 모두에 해당하는 것일 수 있다. 또한, 본 개시에서 범위(range)를 기재한 경우 상기 범위에 속하는 개별적인 값을 적용한 발명을 포함하는 것으로서(이에 반하는 기재가 없다면), 발명의 상세한 설명에 상기 범위를 구성하는 각 개별적인 값을 기재한 것과 같다. 마지막으로, 본 개시에 따른 방법을 구성하는 단계들에 대하여 명백하게 순서를 기재하거나 반하는 기재가 없다면, 상기 단계들은 적당한 순서로 행해질 수 있다. 반드시 상기 단계들의 기재 순서에 따라 본 개시가 한정되는 것은 아니다. 본 개시에서 모든 예들 또는 예시적인 용어(예들 들어, 등등)의 사용은 단순히 본 개시를 상세히 설명하기 위한 것으로서 특허청구범위에 의해 한정되지 않는 이상 상기 예들 또는 예시적인 용어로 인해 본 개시의 범위가 한정되는 것은 아니다. 또한, 당업자는 다양한 수정, 조합 및 변경이 부가된 특허청구범위 또는 그 균등물의 범주 내에서 설계 조건 및 팩터에 따라 구성될 수 있음을 알 수 있다.

이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(operating system: OS) 및 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 어플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.

Claims (22)

1. 전자 디바이스의 움직임에 관한, 가속도 데이터, 지자계 데이터, 및 자이로 데이터 중 적어도 하나를 포함하는 센싱 데이터를 상기 전자 디바이스로부터 획득하는 단계; 및
   데이터 수집 전자 디바이스가 부착된 차량이 주행하는 주행도로를 촬영한 이미지, 및 상기 이미지가 촬영되는 동안 수집된 상기 데이터 수집 전자 디바이스의 센싱 데이터에 기초하여 트레이닝된 인공 신경망 모델에, 상기 전자 디바이스로부터 획득된 상기 센싱 데이터를 입력하여, 상기 전자 디바이스가 부착된 차량이 주행하는 도로의 패턴을 결정하는 단계를 포함하고,
   상기 전자 디바이스가 부착된 차량이 주행하는 상기 도로가 인도의 패턴에 가까울 경우, 상기 전자 디바이스가 부착된 차량이 안전 주행하지 않은 것으로 결정되는, 방법
2. 삭제
3. 제 1 항에 있어서,
   상기 차량은 이륜 차량, 퍼스널 모빌리티 차량, 및 마이크로 모빌리티 차량 중 적어도 하나를 포함하는, 방법.
4. 제 1 항에 있어서,
   상기 도로의 패턴을 결정하는 단계는,
   상기 도로의 패턴이 차도의 패턴에 가까운지 또는 인도의 패턴에 가까운지를 결정하는 단계를 포함하는, 방법.
5. 제 1 항에 있어서,
   상기 전자 디바이스로부터 획득된 상기 센싱 데이터를 이용하여, 상기 인공 신경망 모델이 더 트레이닝되는, 방법.
6. 제 1 항에 있어서,
   상기 가속도 데이터에는, 상기 지자계 데이터 및 상기 자이로 데이터보다 더 큰 가중치가 적용되는, 방법.
7. 삭제
8. 제 1 항에 있어서,
   상기 도로의 패턴을 결정하는 단계는,
   상기 도로의 패턴이 차도의 패턴에 가까운지 또는 인도의 패턴에 가까운지를 결정하는 단계를 포함하고,
   상기 방법은,
   상기 결정된 상기 도로의 패턴이 차도의 패턴에 가까운지 또는 인도의 패턴에 가까운지에 기초하여, 상기 전자 디바이스가 부착된 차량의 운전자를 평가하는 단계; 및
   상기 운전자의 평가 결과를 상기 운전자, 상기 운전자의 관리자, 상기 운전자의 차량 임대인, 상기 운전자의 고용자, 및 상기 운전자의 보험사 중 적어도 하나에게 전송하는 단계를 더 포함하는, 방법.
9. 제 1 항에 있어서,
   상기 전자 디바이스로부터 획득된 상기 센싱 데이터에 기초하여, 상기 전자 디바이스가 부착된 차량의 칼치기 (weaving) 여부, S자 주행 (롤링, rolling) 여부, 곡예 주행 여부, 앞바퀴가 들어 올려지는지 (wheelie) 여부, 뒷바퀴가 들어 올려지는지 (front wheelie) 여부, 유턴 주행 여부, 사선 주행 여부, 및 횡 주행 여부 중 적어도 하나를 결정하는 단계를 더 포함하는 방법.
10. 삭제
11. 제 1 항에 있어서,
    전자 디바이스로부터 획득된 상기 센싱 데이터에 기초하여, 상기 전자 디바이스가 부착된 차량의 충돌 여부, 넘어짐 여부, 충격량, 충격력, 충격 방향, 급제동 여부, 급가속 여부, 도로의 경사, 및 엔진 상태 중 적어도 하나를 결정하는 단계를 더 포함하는 방법.
12. 제 1 항에 있어서,
    상기 전자 디바이스에 연관된 GPS 정보, 및 상기 전자 디바이스로부터 획득된 상기 센싱 데이터에 기초하여, 교통안전 수칙 준수 여부를 결정하는 단계를 더 포함하는, 방법.
13. 제 1 항에 있어서,
    상기 전자 디바이스에 연관된 GPS 정보, 및 상기 전자 디바이스로부터 획득된 상기 센싱 데이터에 기초하여, 교통약자 보호구역, 집단 거주지역, 및 골목길에서의 운행 행태, 신호 위반 여부, 역주행 여부, 및 불법 유턴 여부를 결정하는 단계를 더 포함하는, 방법.
14. 제 1 항에 있어서,상기 도로의 패턴을 결정하는 단계는,
    상기 도로의 패턴이 비포장도로의 패턴에 가까운지를 결정하는 단계를 포함하는, 방법.
15. 제 1 항에 있어서,
    상기 도로의 패턴을 결정하는 단계는,
    상기 도로의 패턴이 차도의 패턴에 가까운지, 또는 횡단보도의 패턴에 가까운지를 결정하는 단계를 포함하고,
    전자 디바이스가 부착된 차량이, 보행자의 횡단 방향과 동일한 방향으로 횡단보도를 주행하는 경우, 상기 도로의 패턴이 횡단보도의 패턴에 가까운 것으로 결정되는, 방법.
16. 제 1 항, 제 3 항 내지 제 6 항, 제 8항, 제9항 및 제 11 항 내지 제 15 항 중 어느 한 항의 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터 판독 가능 기록매체.
17. 인스트럭션들을 저장하는 메모리; 및
    상기 인스트럭션들을 실행하도록 구성된 적어도 하나의 프로세서를 포함하고,
    상기 적어도 하나의 프로세서는:
    전자 디바이스의 움직임에 관한, 가속도 데이터, 지자계 데이터, 및 자이로 데이터 중 적어도 하나를 포함하는 센싱 데이터를 상기 전자 디바이스로부터 획득하고,
    데이터 수집 전자 디바이스가 부착된 차량이 주행하는 주행도로를 촬영한 이미지, 및 상기 이미지가 촬영되는 동안 수집된 상기 데이터 수집 전자 디바이스의 센싱 데이터에 기초하여 트레이닝된 모델에, 상기 전자 디바이스로부터 획득된 상기 센싱 데이터를 입력하여, 상기 전자 디바이스가 부착된 차량이 주행하는 도로의 패턴을 결정하도록 구성되고,
    상기 전자 디바이스가 부착된 차량이 주행하는 상기 도로가 인도의 패턴에 가까울 경우, 상기 전자 디바이스가 부착된 차량이 안전 주행하지 않은 것으로 결정되는, 시스템.
18. 전자 디바이스로서:
    상기 전자 디바이스의 움직임에 관한, 가속도 데이터, 지자계 데이터, 및 자이로 데이터 중 적어도 하나를 포함하는 센싱 데이터를 출력하도록 구성된 적어도 하나의 센서; 및
    데이터 수집 전자 디바이스가 부착된 차량이 주행하는 주행도로를 촬영한 이미지, 및 상기 이미지가 촬영되는 동안 수집된 상기 데이터 수집 전자 디바이스의 센싱 데이터에 기초하여 트레이닝된 모델에, 상기 전자 디바이스로부터 획득된 상기 센싱 데이터를 입력하여, 상기 전자 디바이스가 부착된 차량이 주행하는 도로의 패턴이 결정될 수 있도록, 상기 출력된 센싱 데이터를 수집하도록 구성된 적어도 하나의 프로세서를 포함하고,
    상기 전자 디바이스가 부착된 차량이 주행하는 상기 도로가 인도의 패턴에 가까울 경우, 상기 전자 디바이스가 부착된 차량이 안전 주행하지 않은 것으로 결정되는 전자 디바이스.
19. 제 18 항에 있어서,
    통신 인터페이스를 더 포함하고,
    상기 프로세서는, 상기 전자 디바이스가 수집한 상기 센싱 데이터가 분석 시스템에게 전송되도록, 상기 전자 디바이스가 수집한 상기 센싱 데이터를 상기 통신 인터페이스를 통해 전송하도록 더 구성되고,
    상기 도로의 패턴은 상기 분석 시스템에 의해 결정되는, 전자 디바이스.
20. 제 19 항에 있어서,
    상기 전자 디바이스가 수집한 상기 센싱 데이터는 사용자 디바이스를 통해 상기 분석 시스템에게 전송되는, 전자 디바이스.
21. 제 18 항에 있어서,
    사용자 디바이스와 연결되기 위한 통신 인터페이스; 및
    상기 사용자 디바이스의 그래픽 인터페이스를 선택하기 위한 조작부를 더 포함하는, 전자 디바이스.
22. 제 18 항에 있어서,
    상기 가속도 데이터에 기초하여 상기 가속도 데이터, 상기 자이로 데이터 및 상기 지자계 데이터 중 적어도 하나의 데이터가 보정되는, 전자 디바이스.
    

Images