KR102387127B1 - AI-based Prediction System of Automotive Shock Source - Google Patents

AI-based Prediction System of Automotive Shock Source Download PDF

Info

Publication number
KR102387127B1
KR102387127B1 KR1020200025435A KR20200025435A KR102387127B1 KR 102387127 B1 KR102387127 B1 KR 102387127B1 KR 1020200025435 A KR1020200025435 A KR 1020200025435A KR 20200025435 A KR20200025435 A KR 20200025435A KR 102387127 B1 KR102387127 B1 KR 102387127B1
Authority
KR
South Korea
Prior art keywords
data
shock
shock source
unit
source
Prior art date
Application number
KR1020200025435A
Other languages
Korean (ko)
Other versions
KR20210110029A (en
Inventor
정진만
김서연
Original Assignee
한남대학교 산학협력단
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 한남대학교 산학협력단 filed Critical 한남대학교 산학협력단
Priority to KR1020200025435A priority Critical patent/KR102387127B1/en
Publication of KR20210110029A publication Critical patent/KR20210110029A/en
Application granted granted Critical
Publication of KR102387127B1 publication Critical patent/KR102387127B1/en

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/18—Status alarms
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • 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
    • B60R21/013—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents including means for detecting collisions, impending collisions or roll-over
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • B60R2021/01013—Means for detecting collision, impending collision or roll-over
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60Y—INDEXING SCHEME RELATING TO ASPECTS CROSS-CUTTING VEHICLE TECHNOLOGY
    • B60Y2400/00—Special features of vehicle units
    • B60Y2400/30—Sensors
    • B60Y2400/304—Acceleration sensors
    • B60Y2400/3042—Collision sensors

Abstract

본 발명은 충격으로 발생하는 데이터와 충격원의 데이터가 수집되는 충격 감지모듈과, 충격 감지 모듈에서 전달받은 데이터와 저장되어 있는 데이터를 비교하여 충격원을 검출하는 분석모듈과, 사용자에게 검출된 충격원 정보를 제공하는 진단모듈을 포함하여 이루어져, 운전 상황에서 사용자에게 충격원 정보를 실시간으로 제공 가능한 인공지능 기반의 자동차 충격원 예측 시스템에 관한 것이다.The present invention provides an impact detection module in which data generated by impact and data of a shock source are collected, an analysis module that detects a shock source by comparing data transmitted from the shock detection module with stored data, and an impact detected by a user It relates to an artificial intelligence-based vehicle shock source prediction system that includes a diagnostic module that provides original information and can provide shock source information to a user in real time in a driving situation.

Description

인공지능 기반의 자동차 충격원 예측 시스템{AI-based Prediction System of Automotive Shock Source} AI-based Prediction System of Automotive Shock Source

본 발명은 차량 외부에서 날아온 물체에 의한 충격 발생 시 운전자에게 충격원 정보를 제공하여 운전자의 걱정을 해소할 수 있을 뿐 아니라 문제 발생 시 운전자가 신속하게 대처 가능하게 하는 인공지능 기반의 자동차 충격원 예측 시스템에 관한 것이다.The present invention provides the driver with information on the shock source in the event of an impact caused by an object flying from outside the vehicle to solve the driver's worries, and predicts the impact source of a vehicle based on artificial intelligence that enables the driver to respond quickly when a problem occurs It's about the system.

차량에 설치된 블랙박스는 사용자가 영상을 되돌려 보아야 하기 때문에 운전 상황에서 차량에 충격이 가해질 경우 어떠한 이유로 차량에 충격이 가해졌는지 파악할 수 없고, 정차 후 녹화된 블랙박스의 영상을 되돌려 보더라도 촬영 사각지대에서 날아온 물체에 의해 차량이 충격을 받을 경우 영상을 통하여 이를 확인하기 어렵다.The black box installed in the vehicle requires the user to review the video, so if an impact is applied to the vehicle while driving, it is impossible to determine for what reason the impact was applied to the vehicle. When a vehicle is impacted by a flying object, it is difficult to confirm it through an image.

또한 운전자가 확인하기 어려운 충격은 운전자에게 심리적인 불안감을 야기하기 때문에 안전한 운전을 방해할 뿐만 아니라, 이후 차량 사고가 발생하는 원인으로 작용할 수도 있다.In addition, impacts that are difficult for the driver to check can cause psychological anxiety in the driver, thereby hindering safe driving and acting as a cause of subsequent vehicle accidents.

따라서 운전 상황에서 차량에 충격이 인가될 경우 충격 원인을 운전자에게 제공하여, 사용자가 운전에 집중할 수 있게 하고, 차량 운행에 문제가 발생할 수 있는 충격일 경우 사용자가 신속히 대응하여 사고를 방지 가능한 시스템의 필요성이 대두되고 있는 실정이다.Therefore, when an impact is applied to the vehicle in a driving situation, the cause of the impact is provided to the driver so that the user can focus on driving, and in the event of an impact that may cause problems in driving the vehicle, the user can respond quickly to prevent accidents. The necessity is emerging.

특허문헌 1) 한국공개특허 제10-2019-0140516호(명칭: 기계학습을 이용하여 소음, 충격 및 영상 분석을 통한 주차 차량 감시 시스템, 공개일: 2019.12.20)Patent Document 1) Korean Patent Application Laid-Open No. 10-2019-0140516 (Title: Parking vehicle monitoring system through noise, impact and image analysis using machine learning, publication date: 2019.12.20) 특허문헌 2) 한국공개특허 2012-0070719호(명칭: 실시간 차량 충격 감시, 전송 장치 및 방법, 공고일: 2012.07.02)Patent Document 2) Korean Patent Application Laid-Open No. 2012-0070719 (Title: Real-time vehicle impact monitoring, transmission device and method, announcement date: 2012.07.02)

본 발명은 상기와 같은 문제점을 해결하기 위하여 안출된 것으로서, 본 발명의 목적은 운전 상황에서 차량에 충격이 인가될 시 사용자가 이를 보다 쉽게 파악 가능한 시스템을 제공하는 것이다.The present invention has been devised to solve the above problems, and an object of the present invention is to provide a system in which a user can more easily understand when an impact is applied to a vehicle in a driving situation.

또한, 사용자는 운전하고 있는 주변 상황 조건에 대응하여 충격원 판단 정보를 학습 가능한 시스템을 제공하는 것이다.In addition, it is to provide a system in which the user can learn information on determining the impact source in response to the surrounding circumstance while driving.

상기한 바와 같은 목적을 달성하기 위한 본 발명인 인공지능 기반의 자동차 충격원 예측 시스템은, 충격으로 발생하는 데이터와 충격원의 데이터가 수집되는 충격 감지 모듈(100); 상기 충격 감지 모듈(100)에서 전달받은 데이터와 저장되어 있는 데이터를 비교하여 충격원을 검출하는 분석모듈(200); 및 사용자에게 검출된 충격원 정보를 제공하는 진단모듈(300);을 포함하는 것을 특징으로 한다.The present invention for achieving the above object is an artificial intelligence-based vehicle shock source prediction system, the shock detection module 100 in which data generated by the shock and data of the shock source are collected; an analysis module 200 for detecting a shock source by comparing the data received from the shock detection module 100 with the stored data; and a diagnosis module 300 that provides information on the detected shock source to the user.

또한, 상기 충격 감지 모듈(100)은 충격으로 발생하는 진동 데이터를 수집하는 진동 데이터 수집부(110)를 포함하는 것을 특징으로 한다.In addition, the shock detection module 100 is characterized in that it includes a vibration data collection unit 110 for collecting vibration data generated by the shock.

또한, 상기 충격 감지 모듈(100)은 충격원의 속도, 방향, 중력 및 가속도 중 어느 하나 이상의 데이터를 수집하는 관성 데이터 수집부(120)를 포함하는 것 특징으로 한다.In addition, the impact detection module 100 is characterized in that it includes an inertial data collection unit 120 that collects any one or more data of the speed, direction, gravity, and acceleration of the impact source.

또한, 상기 분석모듈(200)은 충격원 검출을 위한 비교에 사용되는 데이터가 저장되는 비교 데이터 저장부(210)와, 상기 비교 데이터 저장부(210)에 저장된 데이터와 상기 충격 감지 모듈(100)에서 수신되는 데이터를 비교하여 충격원을 검출하는 충격원 검출부(220)를 포함하는 것을 특징으로 한다.In addition, the analysis module 200 includes a comparison data storage unit 210 that stores data used for comparison for detecting an impact source, data stored in the comparison data storage unit 210 and the impact detection module 100 . It is characterized in that it comprises a shock source detection unit 220 for detecting the shock source by comparing the data received from the.

또한, 상기 분석모듈(200)은 메인 서버로부터 데이터를 수신하여 상기 비교 데이터 저장부(210)로 제공하는 데이터 업데이트부(230)를 더 포함하는 것을 특징으로 한다.In addition, the analysis module 200 is characterized in that it further includes a data update unit 230 that receives data from the main server and provides the data to the comparison data storage unit 210 .

또한, 상기 분석모듈(200)은 사용자가 판단한 충격원 정보를 수신받아 상기 비교 데이터 저장부(210)에 저장된 데이터를 수정하는 데이터 최적화부(240)를 더 포함하는 것을 특징으로 한다.In addition, the analysis module 200 is characterized in that it further comprises a data optimization unit 240 for receiving the shock source information determined by the user and correcting the data stored in the comparison data storage unit (210).

또한, 상기 진단모듈(300)은 상기 분석모듈(200)에서 검출된 충격원 정보를 제공하는 디스플레이부(310)와, 상기 디스플레이부(310)를 통해 검출된 충격원 정보 및 사용자가 판단한 충격원 정보를 비교하여 정합 여부를 입력하는 데이터 입력부(320)를 포함하며, 상기 데이터 입력부(320)는 상기 데이터 최적화부(240)로 사용자가 판단한 정보를 제공하는 것을 특징으로 한다.In addition, the diagnosis module 300 includes a display unit 310 that provides information on the shock source detected by the analysis module 200 , information on the shock source detected through the display unit 310 and the shock source determined by the user. and a data input unit 320 that compares information and inputs whether the information matches, wherein the data input unit 320 provides the information determined by the user to the data optimization unit 240 .

상기와 같은 구성에 의한 본 발명인 인공지능 기반의 자동차 충격원 예측 시스템은 운전자에게 실시간으로 충격원 정보를 제공하여, 운전 상황에서 차량에 충격이 가해질 경우 사용자가 충격원 정보를 즉시 확인 가능하므로, 운전자의 심리적 불안감을 해소 가능하고, 긴급 상황 발생 시 운전자가 이에 신속하게 대처 가능한 장점이 있다.The artificial intelligence-based vehicle shock source prediction system according to the present invention according to the above configuration provides shock source information to the driver in real time, so that when an impact is applied to the vehicle in a driving situation, the user can immediately check the shock source information, so that the driver It has the advantage of being able to relieve the psychological anxiety of the driver and allowing the driver to respond quickly in case of an emergency.

또한, 진동 데이터와 관성 데이터를 이용하여 충격원을 판단하므로 보다 신속하고 정밀한 판단이 가능한 장점이 있다,In addition, since the shock source is determined using vibration data and inertia data, it has the advantage of enabling faster and more precise judgment.

아울러 주변계 상황에 대응하여 비교 판단에 사용되는 데이터를 보정 또는 업그레이드 가능하므로, 충격원 판단 정밀도를 보다 높일 수 있는 장점이 있다.In addition, since it is possible to correct or upgrade data used for comparison determination in response to a peripheral system situation, there is an advantage in that the accuracy of determining the impact source can be further improved.

도 1은 본 발명인 인공지능 기반의 자동차 충격원 예측 시스템을 나타낸 블록도.
도 2는 본 발명인 인공지능 기반의 자동차 충격원 예측 시스템의 원리를 설명하기 위한 개념도.
도 3은 본 발명인 인공지능 기반의 자동차 충격원 예측 시스템의 구성을 구체화한 블록도.
도 4는 또 다른 실시예에 따른 인공지능 기반의 자동차 충격원 예측 시스템을 나타낸 블록도.1 is a block diagram showing an artificial intelligence-based vehicle impact source prediction system of the present invention.
Figure 2 is a conceptual diagram for explaining the principle of the present invention artificial intelligence-based vehicle impact source prediction system.
3 is a block diagram embodying the configuration of an artificial intelligence-based vehicle impact source prediction system according to the present invention.
4 is a block diagram illustrating an artificial intelligence-based vehicle impact source prediction system according to another embodiment.

본 발명의 실시예들에 대한 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성요소를 지칭한다.Advantages and features of embodiments of the present invention, and methods of achieving them, will become apparent with reference to the embodiments described below in detail in conjunction with the accompanying drawings. However, the present invention is not limited to the embodiments disclosed below, but may be implemented in various different forms, and only these embodiments allow the disclosure of the present invention to be complete, and common knowledge in the technical field to which the present invention pertains It is provided to fully inform those who have the scope of the invention, and the present invention is only defined by the scope of the claims. Like reference numerals refer to like elements throughout.

본 발명의 실시예들을 설명함에 있어서 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다. 그리고 후술되는 용어들은 본 발명의 실시예에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.In describing the embodiments of the present invention, if it is determined that a detailed description of a well-known function or configuration may unnecessarily obscure the gist of the present invention, the detailed description thereof will be omitted. In addition, the terms to be described later are terms defined in consideration of functions in an embodiment of the present invention, which may vary according to intentions or customs of users and operators. Therefore, the definition should be made based on the content throughout this specification.

이하, 첨부된 도면을 참조하여 본 발명에 따른 인공지능 기반의 자동차 충격원 예측 시스템에 관하여 설명하도록 한다.Hereinafter, an artificial intelligence-based vehicle impact source prediction system according to the present invention will be described with reference to the accompanying drawings.

도 1은 본 발명인 인공지능 기반의 자동차 충격원 예측 시스템을 나타낸 블록도이고, 도 2는 본 발명인 인공지능 기반의 자동차 충격원 예측 시스템의 원리를 설명하기 위한 개념도이고, 도 3은 본 발명인 인공지능 기반의 자동차 충격원 예측 시스템의 구성을 구체화한 블록도이다.1 is a block diagram showing an artificial intelligence-based vehicle shock source prediction system based on the present invention, FIG. 2 is a conceptual diagram for explaining the principle of an artificial intelligence-based vehicle shock source prediction system based on the present invention, and FIG. 3 is an artificial intelligence of the present invention It is a block diagram embodying the configuration of a vehicle impact source prediction system based on

도 1을 참조하면, 본 발명인 인공지능 기반의 자동차 충격원 예측 시스템은 충격으로 발생하는 데이터와 충격원의 데이터가 수집되는 충격 감지모듈(100)과, 상기 충격 감지모듈(100)에서 전달받은 데이터와 저장되어 있는 데이터를 비교하여 충격원을 검출하는 분석모듈(200)과, 사용자에게 상기 검출된 충격원 정보를 제공하는 진단모듈(300)을 포함하여 이루어질 수 있다.Referring to FIG. 1 , the present invention's artificial intelligence-based vehicle shock source prediction system includes a shock detection module 100 in which data generated by an impact and data of a shock source are collected, and data received from the shock detection module 100 and an analysis module 200 for detecting a shock source by comparing the stored data with the stored data, and a diagnosis module 300 for providing information about the detected shock source to a user.

상세히 설명하면, 도 2에 도시된 바와 같이 상기 충격 감지모듈(100)에서 진동센서 및 관성측정장치(Inertial Measuring Unite)를 이용하여 충격 및 충격원의 데이터를 수집하고, 상기 분석모듈(200)에서 CNN(Convolution Neural Network) 모델을 통해 수집된 정보를 저장되어 있는 충격 및 충격원 데이터 정보와 비교한 후, 일정 이상의 유사도를 갖는 충격 및 충격원 데이터가 있을 경우 이를 충격원으로 판단하며, 상기 진단모듈(300)에서 사용자에게 판단된 충격원 정보와 취득된 정보를 사용자에게 제공함으로써, 사용자가 운전 상황에서 상기 진단모듈(300)에서 디스플레이 되는 영상을 통해 충격원을 파악할 수 있다. In detail, as shown in FIG. 2 , data of shock and shock source are collected by using a vibration sensor and an inertial measuring unit in the shock detection module 100 , and in the analysis module 200 , After comparing the information collected through the CNN (Convolution Neural Network) model with the stored shock and shock source data information, if there is shock and shock source data with a degree of similarity above a certain level, it is determined as the shock source, and the diagnosis module By providing information on the shock source determined to the user in 300 and the acquired information to the user, the user can identify the shock source through the image displayed on the diagnosis module 300 in a driving situation.

도 3을 참조하여 설명하면 상기 충격 감지 모듈(100)은 충격으로 발생하는 진동 데이터를 수집하는 진동 데이터 수집부(110)와, 충격원의 속도, 방향, 중력 및 가속도 중 어느 하나 이상의 데이터를 수집하는 관성 데이터 수집부(120)를 포함할 수 있고, 상기 분석모듈(200)은 충격원 검출을 위한 비교에 사용되는 데이터가 저장되는 비교 데이터 저장부(210)와, 상기 비교 데이터 저장부(210)에 저장된 데이터와 상기 충격 감지 모듈(100)에서 수신되는 데이터를 비교하여 충격원을 검출하는 충격원 검출부(220)를 포함할 수 있으며, 상기 진단모듈(300)은 사용자에게 상기 분석모듈(200)에서 검출된 충격원 정보를 제공하는 디스플레이부(310)를 포함할 수 있다.Referring to FIG. 3 , the shock sensing module 100 collects the vibration data collection unit 110 for collecting vibration data generated by the shock, and any one or more data among the speed, direction, gravity, and acceleration of the shock source. and an inertial data collection unit 120 that ) may include a shock source detection unit 220 for detecting a shock source by comparing the data stored in the shock detection module 100 with the data received from the shock detection module 100, and the diagnosis module 300 provides the user with the analysis module 200 ) may include a display unit 310 that provides information about the shock source detected in the.

상세히 설명하면, 상기 진동 데이터 수집부(110)와 상기 관성 데이터 수집부(120)를 통하여 충격으로 발생하는 진동 데이터와, 충격원의 이동하는 속도, 방향, 중력 및 가속도 중 어느 하나 이상의 데이터를 수집한 후, 이를 상기 충격원 검출부(220)로 송신하면, 상기 충격원 검출부(220)에서 상기 비교 데이터 저장부(210)에 저장되어 있는 데이터와 비교하여 충격원을 파악한 후, 파악된 충격원 정보를 상기 디스플레이부(310)를 통하여 영상 및/또는 음성으로 사용자에게 제공하는 것이다.In more detail, the vibration data collection unit 110 and the inertia data collection unit 120 collect vibration data generated by an impact and any one or more data among the moving speed, direction, gravity, and acceleration of the shock source. Then, when it is transmitted to the shock source detection unit 220 , the shock source detection unit 220 compares the data stored in the comparison data storage unit 210 to determine the shock source, and then determines the shock source information is provided to the user through the display unit 310 as an image and/or voice.

도 4는 또 다른 실시예에 따른 인공지능 기반의 자동차 충격원 예측 시스템을 나타낸 블록도이다.4 is a block diagram illustrating an artificial intelligence-based vehicle impact source prediction system according to another embodiment.

도 4를 참조하면, 본 발명인 인공지능 기반의 자동차 충격원 예측 시스템은 메인 서버로부터 데이터를 수신하여 상기 비교 데이터 저장부(210)로 제공하는 데이터 업데이트부(230)와, 사용자가 판단한 충격원 정보를 수신받아 상기 비교 데이터 저장부(210)에 저장된 데이터를 수정하는 데이터 최적화부(240)를 더 포함할 수 있다.Referring to FIG. 4 , the artificial intelligence-based vehicle shock source prediction system according to the present invention includes a data update unit 230 that receives data from a main server and provides it to the comparison data storage unit 210, and shock source information determined by the user. It may further include a data optimization unit 240 that receives and corrects data stored in the comparison data storage unit 210 .

상세히 설명하면, 상기 충격 감지 모듈(100)에서 측정되는 충격 또는 충격원의 정보는 적용 차량에 따라 다르고 환경 조건에 따라 다를 수 있으므로, 상기 데이터 업데이트부(230)로부터 적용 차량 및 환경 조건에 적합한 데이터를 수신받아 사용함으로써, 보다 올바른 충격원 판단이 가능하게 된다.In detail, since the information of the impact or impact source measured by the impact detection module 100 varies depending on the applied vehicle and may vary depending on environmental conditions, data suitable for the applied vehicle and environmental conditions from the data update unit 230 By receiving and using

메인 서버는 적용 차량 및 환경 조건에 따른 충격 및 충격원의 정보를 수집하여, 이를 데이터 업데이터부(230)로 실시간으로 전달하고, 상기 데이터 업데이트부(230)는 메인 서버로부터 데이터를 수신하여 상기 비교 데이터 저장부(210)로 제공할 수 있다.The main server collects information on the impact and impact source according to the applied vehicle and environmental conditions, and transmits it to the data updater 230 in real time, and the data updater 230 receives data from the main server and compares it. It may be provided to the data storage unit 210 .

상기 비교 데이터 저장부(210)는 이를 반영하여 저장된 비교 데이터를 업데이트함으로써, 충격 발생 시 충격원의 판단 정확도를 높일 수 있다. The comparison data storage unit 210 reflects this and updates the stored comparison data, thereby increasing the accuracy of determining the shock source when an impact occurs.

또한 사용자가 차량으로 특수 지역을 자주 이동할 경우 일반적인 데이터로 충격원을 검색하기 어려운 문제가 발생하여, 도출된 충격원이 실제 충격을 발생시킨 원인이 아닌 경우가 빈번히 발생할 수 있으므로, 사용자가 상기 디스플레이부(310)를 통하여 확인한 충격원과 실제로 확인된 충격원이 다를 경우 상기 데이터 입력부(320)를 통하여 실제 충격원 정보를 입력하여 이를 데이터 최적화부(240)로 전달하고, 상기 데이터 최적화부(240)는 수신된 실제 충격원 정보를 기반으로 상기 비교 데이터 저장부(210)에 저장되어 있는 비교 데이터를 수정 가능하게 한 것이다.In addition, when the user frequently moves to a special area with a vehicle, it is difficult to search for the shock source with general data, so that the derived shock source is not the cause of the actual shock. When the shock source confirmed through 310 and the shock source actually confirmed are different, information about the actual shock source is input through the data input unit 320 and transmitted to the data optimization unit 240, and the data optimization unit 240 is made possible to modify the comparison data stored in the comparison data storage unit 210 based on the received actual shock source information.

따라서 특수 환경 조건에서도 본 발명인 충격원 예측 시스템을 이용하여 충격원을 정확히 예측 가능하며, 사용자의 사용 기간이 길어질수록 충격원 정보가 학습되어 보다 올바른 판단이 가능함은 물론이다.Therefore, it is possible to accurately predict the shock source using the shock source prediction system of the present invention even under special environmental conditions, and as the user's usage period increases, the shock source information is learned and a more correct judgment is possible.

이상의 설명에서는 본 발명의 다양한 실시예들을 제시하여 설명하였으나 본 발명이 반드시 이에 한정되는 것은 아니며, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 여러 가지 치환, 변형 및 변경이 가능함을 알 수 있다.In the above description, various embodiments of the present invention have been presented and described, but the present invention is not necessarily limited thereto. It can be seen that branch substitutions, transformations and alterations are possible.

100 : 충격 감지모듈 110 : 진동 데이터 수집부
120 : 관성 데이터 수집부
200 : 분석모듈 210 : 비교 데이터 저장부
220 : 충격원 검출부 230 : 데이터 업데이트부
240 : 데이터 최적화부
300 : 진단모듈 310 : 디스플레이부
320 : 데이터 입력부100: shock detection module 110: vibration data collection unit
120: inertial data collection unit
200: analysis module 210: comparison data storage unit
220: shock source detection unit 230: data update unit
240: data optimization unit
300: diagnostic module 310: display unit
320: data input unit

Claims (7)

충격으로 발생하는 데이터와 충격원의 데이터가 수집되는 충격 감지 모듈(100);
상기 충격 감지 모듈(100)에서 전달받은 데이터와 저장되어 있는 데이터를 비교하여 충격원을 검출하는 분석모듈(200); 및
사용자에게 검출된 충격원 정보를 제공하는 진단모듈(300);을 포함하는 인공지능 기반의 자동차 충격원 예측 시스템에 있어서,
상기 충격 감지 모듈(100)은
충격으로 발생하는 진동 데이터를 수집하는 진동 데이터 수집부(110)와,
충격원의 속도, 방향, 중력 및 가속도 중 어느 하나 이상의 데이터를 수집하는 관성 데이터 수집부(120)를 포함하고,
상기 분석모듈(200)은
충격원 검출을 위한 비교에 사용되는 데이터가 저장되는 비교 데이터 저장부(210)와,
상기 비교 데이터 저장부(210)에 저장된 데이터와 상기 충격 감지 모듈(100)에서 수신되는 데이터를 비교하여 충격원을 검출하는 충격원 검출부(220)와,
메인 서버로부터 데이터를 수신하여 상기 비교 데이터 저장부(210)로 제공하는 데이터 업데이트부(230)와,
사용자가 판단한 충격원 정보를 수신받아 상기 비교 데이터 저장부(210)에 저장된 데이터를 수정하는 데이터 최적화부(240)를 포함하며,
상기 진단모듈(300)은 상기 분석모듈(200)에서 검출된 충격원 정보를 제공하는 디스플레이부(310)와,
상기 디스플레이부(310)를 통해 표시되는 검출된 충격원 정보 및 사용자가 판단한 충격원 정보를 비교하여 정합 여부를 입력하는 데이터 입력부(320)를 포함하고,
상기 데이터 입력부(320)는 사용자가 판단한 충격원 정보를 상기 데이터 최적화부(240)로 제공하며,
상기 디스플레이부(310)를 통하여 표시되는 검출된 충격원 정보와 사용자가 판단한 충격원 정보가 다를 경우, 상기 데이터 입력부(320)는 사용자가 판단한 충격원 정보를 입력하고, 상기 입력된 충격원 정보는 상기 데이터 최적화부(240)로 전달되며, 상기 데이터 최적화부(240)는 수신된 충격원 정보를 기반으로 상기 비교 데이터 저장부(210)에 저장되어 있는 데이터를 수정하는 것을 특징으로 하는 인공지능 기반의 자동차 충격원 예측 시스템.
a shock detection module 100 in which data generated by the shock and data of the shock source are collected;
an analysis module 200 for detecting a shock source by comparing the data transmitted from the shock detection module 100 with the stored data; and
In an artificial intelligence-based vehicle shock source prediction system comprising a; a diagnostic module 300 that provides information about the detected shock source to the user,
The shock detection module 100 is
A vibration data collection unit 110 that collects vibration data generated by impact, and
Including an inertial data collection unit 120 that collects any one or more data of the speed, direction, gravity, and acceleration of the shock source,
The analysis module 200 is
A comparison data storage unit 210 in which data used for comparison for detecting an impact source is stored;
a shock source detection unit 220 for detecting a shock source by comparing the data stored in the comparison data storage unit 210 with the data received from the shock detection module 100;
a data update unit 230 that receives data from the main server and provides it to the comparison data storage unit 210;
and a data optimization unit 240 that receives the shock source information determined by the user and corrects the data stored in the comparison data storage unit 210,
The diagnosis module 300 includes a display unit 310 that provides information on the shock source detected by the analysis module 200;
and a data input unit 320 for comparing the detected shock source information displayed through the display unit 310 and the shock source information determined by the user and inputting whether or not matching is performed;
The data input unit 320 provides the shock source information determined by the user to the data optimization unit 240 ,
When the detected shock source information displayed through the display unit 310 is different from the shock source information determined by the user, the data input unit 320 inputs the shock source information determined by the user, and the input shock source information is It is transmitted to the data optimizer 240, and the data optimizer 240 corrects the data stored in the comparison data storage unit 210 based on the received shock source information. of automobile shock source prediction system.
 삭제delete 삭제delete 삭제delete 삭제delete 삭제delete 삭제delete
KR1020200025435A 2020-02-28 2020-02-28 AI-based Prediction System of Automotive Shock Source KR102387127B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200025435A KR102387127B1 (en) 2020-02-28 2020-02-28 AI-based Prediction System of Automotive Shock Source

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200025435A KR102387127B1 (en) 2020-02-28 2020-02-28 AI-based Prediction System of Automotive Shock Source

Publications (2)

Publication Number Publication Date
KR20210110029A KR20210110029A (en) 2021-09-07
KR102387127B1 true KR102387127B1 (en) 2022-04-14

Family

ID=77797160

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200025435A KR102387127B1 (en) 2020-02-28 2020-02-28 AI-based Prediction System of Automotive Shock Source

Country Status (1)

Country Link
KR (1) KR102387127B1 (en)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2019179372A (en) * 2018-03-30 2019-10-17 パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカＰａｎａｓｏｎｉｃ Ｉｎｔｅｌｌｅｃｔｕａｌ Ｐｒｏｐｅｒｔｙ Ｃｏｒｐｏｒａｔｉｏｎ ｏｆ Ａｍｅｒｉｃａ Learning data creation method, learning method, risk prediction method, learning data creation device, learning device, risk prediction device, and program

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120070719A (en) 2010-12-22 2012-07-02 (주) 아이테크코리아 Apparatus and method for detecting, transmitting vehicle shock in real time
KR102407701B1 (en) * 2017-06-14 2022-06-15 주식회사 파인디지털 Parking impact detecting device performing notification of an impact of a vehicle and method of notifying an impact of a vehicle using a parking impact detecting device
KR20190140516A (en) 2018-05-29 2019-12-20 (주)씨앤아이피 System for monitoring status of a parked car using noise, impact and image analysis using machine learning

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2019179372A (en) * 2018-03-30 2019-10-17 パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカＰａｎａｓｏｎｉｃ Ｉｎｔｅｌｌｅｃｔｕａｌ Ｐｒｏｐｅｒｔｙ Ｃｏｒｐｏｒａｔｉｏｎ ｏｆ Ａｍｅｒｉｃａ Learning data creation method, learning method, risk prediction method, learning data creation device, learning device, risk prediction device, and program

Also Published As

Publication number Publication date
KR20210110029A (en) 2021-09-07

Similar Documents

Publication Publication Date Title
US10311652B2 (en) Method and device for modifying the configuration of a driving assistance system of a motor vehicle
US10269242B2 (en) Autonomous police vehicle
CN107195024B (en) Universal vehicle operation data record system and processing method
JP5407764B2 (en) Driving assistance device
JP5434912B2 (en) Driving state determination method, driving state determination system and program
JP2016146162A (en) Driving determination device, driving determination program, calculation system, detection device, detection system, and detection method and program
US11662735B2 (en) Method and system for updating a control model for automatic control of at least one mobile unit
US9870708B2 (en) Methods for enabling safe tailgating by a vehicle and devices thereof
KR102368127B1 (en) Traffic violation enforcement system for motor bicycle
JP2018136754A (en) Information processing apparatus, and mobility data collecting system
KR101049183B1 (en) Car accident record system
US20220306127A1 (en) Method for determining driving parameters and vehicle control apparatus
US20240029576A1 (en) Systems and methods for delivering vehicle-specific educational content for a critical event
KR20200068258A (en) Apparatus and method for predicting sensor fusion target in vehicle and vehicle including the same
KR20150085335A (en) Big Data based UX Learning Test Bed System for Interaction between Driver and Car
US11335136B2 (en) Method for ascertaining illegal driving behavior by a vehicle
JP2016133868A (en) Driving support system, driving support method, and program
KR102387127B1 (en) AI-based Prediction System of Automotive Shock Source
KR102319383B1 (en) Method and apparatus for automatically reporting traffic rule violation vehicles using black box images
JP6431261B2 (en) Operation information management system
CN113085872B (en) Driving behavior evaluation method, device, equipment and storage medium
CN108401234A (en) For the method for detection data, the method for updating scene catalogue, equipment, computer program and machine readable storage medium
JP2021152927A (en) Information creation device, control method, program and storage medium
KR102570295B1 (en) Vehicle and control method thereof
KR101980331B1 (en) Image recording system using vehicle and method thereof

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant