KR102405814B1 - 사용자의 음주 여부를 확인하기 위한 방법, 전자 디바이스, 및 시스템 - Google Patents
사용자의 음주 여부를 확인하기 위한 방법, 전자 디바이스, 및 시스템 Download PDFInfo
- Publication number
- KR102405814B1 KR102405814B1 KR1020200153092A KR20200153092A KR102405814B1 KR 102405814 B1 KR102405814 B1 KR 102405814B1 KR 1020200153092 A KR1020200153092 A KR 1020200153092A KR 20200153092 A KR20200153092 A KR 20200153092A KR 102405814 B1 KR102405814 B1 KR 102405814B1
- Authority
- KR
- South Korea
- Prior art keywords
- user
- test
- electronic device
- drinking
- vehicle
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 76
- 238000012360 testing method Methods 0.000 claims abstract description 152
- 230000004044 response Effects 0.000 claims abstract description 115
- 230000035622 drinking Effects 0.000 claims abstract description 101
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 claims abstract description 19
- 230000006870 function Effects 0.000 claims description 12
- 230000000694 effects Effects 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 2
- 238000013473 artificial intelligence Methods 0.000 description 17
- 230000013016 learning Effects 0.000 description 15
- 238000012545 processing Methods 0.000 description 15
- 238000004891 communication Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 12
- 238000013528 artificial neural network Methods 0.000 description 11
- 230000001133 acceleration Effects 0.000 description 9
- 238000010801 machine learning Methods 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 235000013334 alcoholic beverage Nutrition 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000006399 behavior Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000000586 desensitisation Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 206010052804 Drug tolerance Diseases 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000002996 emotional effect Effects 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000026781 habituation Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000012015 optical character recognition Methods 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 238000005316 response function Methods 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
-
- G06Q50/30—
-
- 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
- B60K28/02—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 driver
- B60K28/06—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 driver responsive to incapacity of driver
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Transportation (AREA)
- Operations Research (AREA)
- Traffic Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
본 개시에 의해, 음주 여부를 확인하기 위한 방법으로서: 사용자의 음주 여부를 확인하기 위한 사용자의 전자 디바이스를 통해 사용자에게 테스트를 요청하는 단계; 테스트에 대해 전자 디바이스에 입력되는 사용자의 응답을 수신하는 단계; 테스트 및 응답 간의 매칭율과, 임계값에 기초하여, 사용자의 음주 여부를 결정하는 단계를 포함하는, 음주 여부를 확인하기 위한 방법이 제공될 수 있다.
Description
사용자의 음주 여부를 확인하기 위한 방법, 전자 디바이스, 및 시스템에 관한다. 본 개시는 구체적으로, 인공 지능에 기반하여 사용자의 음주 여부를 확인하기 위한 방법, 전자 디바이스, 및 시스템에 관한다. 본 개시는 딥러닝 등의 기계 학습 알고리즘을 활용하는 인공지능(AI) 시스템 및 그 응용에 관한다.
술은 인류의 오래된 기호 식품 중 하나이지만, 술로 인해 발생하는 폐단 또한 인류의 오래된 숙제이기도 하다. 음주 운전은 현대 사회에서 술로 인해 발생하는 가장 큰 문제이다.
음주 운전을 방지하기 위한 다양한 법적 규제가 있음에도, 음주 운전은 여전히 법의 사각 지대에서 횡행하고 있다. 음주 운전을 방지하기 위해 사회적 캠페인도 진행되고 있으나, 술을 없애지 않는 이상, 별도의 기술적 도입 없이 음주 운전을 방지하는 것은 불가능할 것이다.
음주 운전을 방지하기 위한 기술로서, 음주 시동 잠금 프로그램(Alcohol Interlock Program; AIP)이 논의되고 있다. 음주 시동 잠금 프로그램은, 운전자가 차량의 시동을 걸기 전에 운전자의 호흡 중 알코올 농도를 측정하여, 규정치를 초과할 경우 차량의 시동을 잠금으로써, 음주 운전을 방지할 수 있다. 음주 시동 잠금 프로그램에 사용되는 음주 측정기는, 반도체식, 전기 화학식, 비분산형 적외선식 등 다양한 방식으로 구현될 수 있다.
하지만, 음주 시동 잠금 프로그램은 사용하기 위해서는, 음주 측정기가 차량에 별도로 탑재되어야 할 뿐만 아니라, 음주자는 음주 시동 잠금 프로그램을 탑재하지 않은 차량을 여전히 운전할 수 있다.
한편 최근에는, 전동휠, 전동킥보드, 전동스케이트보드, 전기자전거, 등과 같은 전기를 동력으로 동작하는 퍼스널 모빌리티 (personal mobility) 가 대중화되고 공유 플랫폼 사업자들이 퍼스널 모빌리티의 시장에 참여하면서 퍼스널 모빌리티의 운전자들의 수가 크게 증가하고 있다.
퍼스널 모빌리티의 운전자들은 미숙한 운전 실력을 가지고 있을 뿐만 아니라, 인도 위를 주행하는 경우가 많다. 음주운전 측정은 보통 도로 위에서 실시되므로, 퍼스널 모빌리티를 탄 음주자는 인도로 회피할 수 있으므로, 퍼스널 모빌리티의 음주 운전은 완전히 법의 사각 지대에 놓여 있다.
이에 따라, 음주자가 공유 퍼스널 모빌리티나 공유 차량을 이용하는 것을 방지하기 위한 방안이 논의되고 있으나, 현재로선 공권력에 전적으로 의존하고 있다. 따라서, 기술적으로 음주 운전을 방지하기 위한 방안이 필요하다.
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, 사용자의 음주 운전을 확인하고자 한다.
본 개시의 실시예들을 통해, 음주자의 운전을 방지하고자 한다.
본 개시의 실시예들을 통해, 음주자의 차량 (예: 이륜 차량, 사륜 차량, 퍼스널 모빌리티, 등) 의 대여를 방지하고자 한다.
본 개시의 실시예들을 통해, 사용자를 선별하여 효과적으로 사용자의 음주 여부를 확인하고자 한다.
본 개시의 실시예들을 통해, 장소를 선별하여 효과적으로 사용자의 음주 여부를 확인하고자 한다.
본 개시의 실시예들을 통해, 음주 용의자의 운전을 억제하고자 한다.
본 개시에 의해, 음주 여부를 확인하기 위한 방법으로서: 사용자의 음주 여부를 확인하기 위한 상기 사용자의 전자 디바이스를 통해 상기 사용자에게 테스트를 요청하는 단계; 상기 테스트에 대해 상기 전자 디바이스에 입력되는 상기 사용자의 응답을 수신하는 단계; 상기 테스트 및 상기 응답 간의 매칭율과, 임계값에 기초하여, 상기 사용자의 음주 여부를 결정하는 단계를 포함하는, 음주 여부를 확인하기 위한 방법이 제공될 수 있다.
상기 테스트는 문장 테스트를 포함하고, 상기 응답은 상기 문장 테스트에 포함된 문장을 따라 상기 사용자에 의해 입력된 텍스트 응답인, 음주 여부를 확인하기 위한 방법이 제공될 수 있다.
상기 문장은 비문(非文)을 포함하는, 음주 여부를 확인하기 위한 방법이 제공될 수 있다.
상기 텍스트 응답이 상기 비문을 포함할 때의 매칭율은, 상기 텍스트 응답이 상기 비문을 포함하지 않을 때의 매칭율보다 높은, 음주 여부를 확인하기 위한 방법이 제공될 수 있다.
상기 사용자의 음주 여부는, 상기 응답의 응답 소요 시간에 더 기초하여 결정되는, 음주 여부를 확인하기 위한 방법이 제공될 수 있다.
상기 임계값은 복수의 사용자들의 응답들에 기초하여 결정되고, 상기 응답들은 상기 테스트에 대한 것인, 음주 여부를 확인하기 위한 방법이 제공될 수 있다.
상기 임계값은 복수의 사용자들의 응답들에 기초하여 결정되고, 상기 응답들은 상기 테스트와 동종의 테스트들에 대한 것인, 음주 여부를 확인하기 위한 방법이 제공될 수 있다.
상기 사용자의 상기 전자 디바이스를 통해, 차량에 연관된 정보를 캡쳐하는 단계를 더 포함하고, 상기 정보를 캡쳐하는 것에 응답하여, 상기 테스트가 요청되는, 음주 여부를 확인하기 위한 방법이 제공될 수 있다.
상기 정보는 QR코드(Quick Response Code)를 포함하고, 상기 QR코드를 캡쳐하는 것에 응답하여, 상기 전자 디바이스가 상기 차량과 연관되는, 음주 여부를 확인하기 위한 방법이 제공될 수 있다.
상기 사용자가 음주하지 않은 것으로 결정되는 경우, 상기 사용자에게 상기 차량의 제어가 허용되는, 음주 여부를 확인하기 위한 방법이 제공될 수 있다.
상기 정보는 문장을 포함하고, 상기 문장을 캡쳐하는 것에 응답하여, 상기 테스트가 문장 테스트로서 요청되는, 음주 여부를 확인하기 위한 방법이 제공될 수 있다.
상기 사용자가 음주하지 않은 것으로 결정되는 것에 응답하여, 상기 전자 디바이스가 상기 차량과 연관되는, 음주 여부를 확인하기 위한 방법이 제공될 수 있다.
상기 사용자가 음주한 것으로 결정되는 경우, 상기 사용자에게 상기 차량의 제어가 제한적으로 허용되는, 음주 여부를 확인하기 위한 방법이 제공될 수 있다.
상기 매칭율에 기초하여, 상기 차량의 상기 제어에 적용되는 제한이 달라지는, 음주 여부를 확인하기 위한 방법이 제공될 수 있다.
상기 테스트는 제 1 테스트이고, 제 2 테스트를 통해 상기 사용자의 음주 여부를 재결정하는 단계를 더 포함하고, 상기 재결정의 결과에 기초하여, 상기 차량의 상기 제어에 적용되는 제한이 해제되는, 음주 여부를 확인하기 위한 방법이 제공될 수 있다.
상기 테스트는, 문장 테스트, 다른 그림 찾기 테스트, 및 사칙연산 테스트 중 적어도 하나를 포함하는, 음주 여부를 확인하기 위한 방법이 제공될 수 있다.
상기 테스트는 상기 전자 디바이스의 위치에 기초하여 요청되는, 음주 여부를 확인하기 위한 방법이 제공될 수 있다.
상기 테스트가 제공되는 동안, 상기 전자 디바이스의 일부 기능을 비활성화하는 단계를 더 포함하는, 음주 여부를 확인하기 위한 방법이 제공될 수 있다.
나아가, 본 개시에 의해, 상기 음주 여부를 확인하기 위한 방법을, 하드웨어와 결합되어 실행시키기 위하여 매체에 저장되는 컴퓨터 프로그램이 제공될 수 있다.
나아가, 본 개시에 의해, 적어도 하나의 인스트럭션을 저장하도록 구성된 메모리; 및 적어도 하나의 프로세서를 포함하는 전자 디바이스로서, 상기 적어도 하나의 프로세서는, 상기 적어도 하나의 인스트럭션을 실행함으로써: 사용자의 상기 전자 디바이스에서, 상기 사용자의 음주 여부를 확인하기 위한 테스트를 제공하고; 상기 테스트에 대해 상기 전자 디바이스에 입력되는 상기 사용자의 응답을 수신하고; 상기 테스트 및 상기 응답 간의 매칭율과, 임계값에 기초하여, 상기 사용자의 음주 여부를 결정하도록 구성되는, 전자 디바이스가 제공될 수 있다.
도 1 은 일 실시예에 따른 사용자의 음주 여부를 확인하기 위한 방법의 흐름도이다.
도 2 는 일 실시예에 따른 전자 디바이스의 블록도이다.
도 3 은 일 실시예에 따른, 전자 디바이스 및 분석 시스템을 통해 사용자의 음주 여부를 확인하기 위한 방법의 흐름도이다.
도 4 는 일 실시예에 따른, 차량을 스캔하기 위한 방법을 설명하기 위한 도면이다.
도 5 는 일 실시예에 따른, 사용자의 음주 여부를 확인하기 위한 문장 테스트를 설명하기 위한 도면이다.
도 6 은 일 실시예에 따른, 사용자의 음주 여부를 확인하기 위한 다른 그림 찾기 테스트를 설명하기 위한 도면이다.
도 7 은 일 실시예에 따른, 사용자의 음주 여부를 확인하기 위한 사칙연산 테스트를 설명하기 위한 도면이다.
도 8 은 일 실시예에 따른, 사용자의 음주 여부를 확인하기 위한 패턴 테스트를 설명하기 위한 도면이다.
도 9 는 일 실시예에 따른, 사용자의 음주 여부를 확인하여 차량을 스캔하기 위한 방법의 흐름도이다.
도 10 은 일 실시예에 따른, 사용자의 음주 여부를 확인하여 차량을 스캔하기 위한 방법을 설명하기 위한 도면이다.
도 11 은 일 실시예에 따른, 음주자의 음주 운전을 방지하기 위한 방법의 흐름도이다.
도 12 는 일 실시예에 따른, 음주자의 음주 운전을 억제하기 위한 방법의 흐름도이다.
도 2 는 일 실시예에 따른 전자 디바이스의 블록도이다.
도 3 은 일 실시예에 따른, 전자 디바이스 및 분석 시스템을 통해 사용자의 음주 여부를 확인하기 위한 방법의 흐름도이다.
도 4 는 일 실시예에 따른, 차량을 스캔하기 위한 방법을 설명하기 위한 도면이다.
도 5 는 일 실시예에 따른, 사용자의 음주 여부를 확인하기 위한 문장 테스트를 설명하기 위한 도면이다.
도 6 은 일 실시예에 따른, 사용자의 음주 여부를 확인하기 위한 다른 그림 찾기 테스트를 설명하기 위한 도면이다.
도 7 은 일 실시예에 따른, 사용자의 음주 여부를 확인하기 위한 사칙연산 테스트를 설명하기 위한 도면이다.
도 8 은 일 실시예에 따른, 사용자의 음주 여부를 확인하기 위한 패턴 테스트를 설명하기 위한 도면이다.
도 9 는 일 실시예에 따른, 사용자의 음주 여부를 확인하여 차량을 스캔하기 위한 방법의 흐름도이다.
도 10 은 일 실시예에 따른, 사용자의 음주 여부를 확인하여 차량을 스캔하기 위한 방법을 설명하기 위한 도면이다.
도 11 은 일 실시예에 따른, 음주자의 음주 운전을 방지하기 위한 방법의 흐름도이다.
도 12 는 일 실시예에 따른, 음주자의 음주 운전을 억제하기 위한 방법의 흐름도이다.
아래에서는 첨부한 도면을 참고하여 실시예들에 대하여 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나, 실시예들은 다양한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고, 도면에서 실시예들을 명확하게 설명하기 위해 설명과 관계없는 부분은 생략하였으며, 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
용어는 다양한 실시예에 따른 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 당 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 실시예의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서 여기에서 사용되는 용어는 단순히 그 용어의 명칭이 아닌, 그 용어가 가지는 의미와 여기에 기재된 내용을 토대로 정의되어야 한다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수개의 표현을 포함한다. "포함하다" 또는 "가지다" 등의 용어는 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. 특히, 숫자들은 이해를 돕기 위한 예로서, 기재된 숫자들에 의해 실시예들이 한정되는 것으로 이해되지 말아야 한다.
"-부", "-기", "모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있다.
"제1", "제2" 등의 용어는 다양한 구성요소들을 서술하기 위해서 사용되나, 이 구성요소들이 해당 용어에 의해 제한되지 않음은 물론이다. "제1", "제2" 등의 용어는 단지 하나의 구성요소를 다른 구성요소와 구별하기 위하여 사용하는 것이다. 따라서 이하에서 언급되는 "제1 구성요소"는 실시예의 기술적 사상 내에서 "제2 구성요소"일 수도 있음은 물론이다.
"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.
도 1 은 일 실시예에 따른 사용자의 음주 여부를 확인하기 위한 방법의 흐름도이다.
일 실시예에서, 전자 디바이스는 스마트폰일 수 있으나, 이에 제한되지 않는다. 전자 디바이스의 구성요소들에 대해서는 이후 도 2 를 참조하여 후술할 것이다. 일 실시예에 따라 사용자의 음주 여부를 확인하기 위한 방법은, 사용자의 전자 디바이스에서 수행될 수 있으나, 이에 제한되지 않으며, 서버에서 수행되거나, 전자 디바이스와 서버의 상호작용을 통해 수행될 수도 있다.
동작 120 에서, 사용자의 음주 여부를 확인하기 위한 테스트가 사용자의 전자 디바이스를 통해 사용자에게 요청될 수 있다. 일 실시예에서, 테스트는 서버 (예: 음주자 분석 시스템) 로부터 전자 디바이스에게 전송될 수 있다. 일 실시예에서, 테스트는 사용자의 전자 디바이스에서 디스플레이될 수 있다.
일 실시예에서, 사용자의 음주 여부를 확인하기 위한 테스트는, 차량 (예: 이륜 차량, 사륜 차량, 킥보드, 자전거, 스케이트보드, 전동킥보드, 전기자전거, 전동스케이트보드, 전동휠, 등) 의 대여 시 진행될 수 있으며, 사용자의 음주 여부에 따라 대여가 허용되거나 제한될 수 있다. 차량 대여 시 사용자의 음주 여부를 확인하는 것은, 도 3, 4, 9, 및 10 을 참조하여 후술할 것이다.
동작 140 에서, 테스트에 대한 사용자의 응답이 전자 디바이스에서 수신될 수 있다. 일 실시예에서, 전자 디바이스에서 수신된 응답은, 서버에게 전송될 수 있다. 테스트에 대한 설명은 도 5 내지 8 을 참조하여 후술할 것이다.
동작 160 에서, 전자 디바이스의 사용자의 음주 여부가 결정될 수 있다. 사용자의 음주 여부는 테스트 및 사용자 응답 간의 매칭율에 기초하여 결정될 수 있다. 일 실시예에서, 사용자의 음주 여부는, 테스트 및 사용자 응답 간의 매칭율과, 임계값에 기초하여 결정될 수 있다. 임계값은, 복수의 사용자들의 응답들에 기초하여 결정되거나, 임의의 적절한 값으로 결정될 수 있다. 일 실시예에서, 복수의 사용자들의 응답들은, 해당 사용자에게 요청된 테스트와 동일한 테스트에 대한 응답들일 수 있으나, 이에 제한되지 않는다. 예를 들어, 복수의 사용자들의 응답들은, 해당 사용자에게 요청된 테스트와 동종의 테스트(문장 테스트, 다른 그림 찾기 테스트, 또는 사칙연산 테스트)에 대한 응답들일 수 있다.
일 실시예에서, 사용자의 음주 여부는 응답의 응답 소요 시간에 기초하여 결정될 수 있다.
일 실시예에서, 사용자의 음주 여부는 전자 디바이스에서 결정될 수 있다. 일 실시예에서, 사용자의 음주 여부는 서버에서 결정되고, 서버의 결정에 기초하여, 전자 디바이스에서 사용자의 음주 여부가 결정될 수 있다. 전자 디바이스 및/또는 서버에는, 사용자의 음주 여부를 결정하기 위해 필요한 정보, 예를 들어, 다른 사용자들의 응답들에 기초하여 결정된 임계값에 관한 정보가 미리 저장될 수 있다.
일 실시예에서, 사용자의 음주 여부에 따라 차량의 제어가 허용되거나 제한될 수 있으며, 이에 대해서는 도 11 및 12 를 참조하여 후술할 것이다.
일 실시예에서, 사용자의 음주 여부에 따라, 차량의 시동이 걸리거나, 운행될 수 있다. 예를 들어, 차량은 미리 전자 디바이스에 바인딩되고, 전자 디바이스를 소지한 사용자가 차량에 탑승할 경우 자동으로 차량의 시동이 걸리도록 구현될 수 있다. 일 실시예에서, 사용자의 음주 여부에 따라, 차량의 시동이 걸리도록 구현될 수 있다. 예를 들어, 사용자가 음주하지 않은 것으로 결정되는 경우 차량의 시동이 걸리고, 사용자가 음주한 것으로 결정되는 경우, 차량의 시동이 걸리지 않도록 구현될 수 있다. 일 실시예에서, 사용자의 음주 여부에 따라 차량의 운행이 제한될 수 있다. 예를 들어, 사용자가 차량에 탑승할 경우 차량의 시동은 걸리지만, 사용자가 음주한 것으로 결정되는 경우 차량의 주행은 개시되지 않도록 구현될 수 있다. 이에 따라, 음주자가 자신의 개인 차량을 운전하는 것을 방지할 수 있다.
도 2 는 일 실시예에 따른 전자 디바이스의 블록도이다.
일 실시예에서, 전자 디바이스(ED)는 스마트폰, 태블릿, 휴대폰, PDA(personal digital assistant), 미디어 플레이어, PMP(Portable Multimedia Player), 전자책 단말기, 디지털방송용 단말기, PC(Personal Computer), 노트북(laptop), 마이크로 서버, GPS(global positioning system) 장치, 네비게이션, 키오스크, MP3 플레이어, 스마트 TV, 디지털 카메라 및 기타 모바일, 또는, 비모바일 컴퓨팅 장치일 수 있으나, 이에 제한되지 않는다. 전자 디바이스(ED)는 엔드 유저 디바이스일 수 있다. 전자 디바이스(ED)는 업무 전용 단말기일 수 있다. 전자 디바이스(ED)는 사용자들에게 서비스를 제공하는 서버, 예를 들어, 앱 서버 (application server) 일 수도 있다. 전자 디바이스(ED)는 차량의 인포테인먼트 시스템일 수 있다.
도 2 를 참조하면, 전자 디바이스 (ED) 는 프로세서 (202) 및 메모리 (204) 를 포함할 수 있다. 또한, 전자 디바이스 (ED) 는 통신 인터페이스 (206) 및 디스플레이 (208) 를 더 포함할 수 있다. 디바이스 (ED) 의 소프트웨어 모듈들, 예를 들어, 프로그램 모듈들은 인스트럭션들의 집합으로서 메모리 (204) 에 저장될 수 있고, 인스트럭션들이 프로세서 (202) 에 의해 실행됨으로써 대응하는 기능들이 수행될 수 있다.
전자 디바이스 (ED) 의 프로세서 (202) 는 전자 디바이스 (ED) 의 구성요소들을 전반적으로 제어할 수 있다. 프로세서 (202) 는 전자 디바이스 (ED) 의 센서에 의해 감지되는 데이터를 획득할 수 있다. 프로세서 (202) 는 센서에 의해 감지되는 데이터를 수집할 수 있다. 프로세서 (202) 는 수집되는 데이터를 메모리에 저장할 수 있다. 프로세서 (202) 는 수집되는 데이터 (또는 저장된 데이터) 를 통신 인터페이스 (206) 를 통해 전송할 수 있다. 예를 들어, 프로세서 (202) 는 수집되는 데이터 (또는 저장된 데이터) 를 서버에게 전송할 수 있다.
전자 디바이스 (ED) 는, 통신 인터페이스 (206) 를 통해 차랑 및 서버와 통신할 수 있다. 통신 인터페이스 (206) 는 무선 통신 인터페이스이거나 유선 통신 인터페이스일 수 있다. 통신 인터페이스 (206) 는 근거리 통신 인터페이스, 예를 들어, 블루투스 인터페이스, Wi-Fi 인터페이스, 등일 수 있다. 통신 인터페이스 (206) 는 원거리 통신 인터페이스일 수도 있다.
전자 디바이스 (ED) 는 통신 인터페이스 (206) 를 통해 사용자 디바이스에게 데이터를 전달할 수 있다. 전자 디바이스 (ED) 는 통신 인터페이스 (206) 를 통해 사용자 디바이스로부터 전력을 공급받을 수 있다. 통신 인터페이스 (206) 를 통해, 음주자 분석 시스템에게 데이터가 전달될 수 있다.
전자 디바이스 (ED) 의 디스플레이 (208) 는, 전자 디바이스 (ED) 를 조작하는 데 이용되는 터치 스크린 디스플레이일 수 있다. 디스플레이 (208) 는 전자 디바이스 (ED) 에 연결되어 있을 수 있다.
전자 디바이스 (ED) 는 센서를 더 포함할 수 있다. 일 실시예에서, 전자 디바이스 (ED) 의 센서는 전자 디바이스 (ED) 의 가속도 데이터, 지자계 데이터, 및 자이로 데이터 중 적어도 하나의 데이터를 획득하기 위한 센서를 포함할 수 있다. 일 실시예에서, 전자 디바이스 (ED) 의 센서는 가속도 센서, 자이로 센서, 지자계 센서, 또는 그 조합의 센서일 수 있다. 예를 들어, 전자 디바이스 (ED) 의 센서는 3축 가속도 센서와 3축 자이로 센서가 결합된 6축 관성 측정 유닛 (inertia measurement unit; IMU) 일 수 있다. 예를 들어, 전자 디바이스 (ED) 의 센서는 3축 가속도 센서, 3축 자이로 센서, 및 3축 지자계 센서가 결합된 9축 관성 측정 유닛일 수 있다. 전자 디바이스 (ED) 의 센서를 통해, 전자 디바이스 (ED) 또는 전자 디바이스 (ED) 를 소지한 사용자의 움직임이나 위치가 감지될 수 있다.
일 실시예에서, 전자 디바이스 (ED) 의 센서는, 전자 디바이스 (ED) 의 외부를 촬영하기 위한 이미징 센서를 더 포함할 수 있다.
실시예들에 따라, 전자 디바이스(ED)는 전술된 유닛들의 수보다 더 많거나 더 적은 유닛들을 포함할 수 있다. 전자 디바이스(ED)의 유닛들에 대한 명명은, 전자 디바이스(ED)에서 수행되는 동작들을 구별하여(distinctively) 설명하기 위한 것이므로, 특정 동작이 반드시 특정 유닛에서 수행되는 것으로 이해되지 말아야 한다. 예를 들어, 전자 디바이스(ED)의 특정 유닛에서 수행되는 것으로 묘사된 동작이 다른 유닛에서 수행될 수 있고, 전자 디바이스(ED)의 하나의 유닛에서 수행되는 것으로 묘사된 동작이 복수의 유닛들에서 수행될 수 있고, 전자 디바이스(ED)의 복수의 유닛들 간의 상호적 처리 (interactive processing) 에 의해 수행되는 것으로 묘사된 동작이 하나의 유닛에 의해 수행될 수도 있다. 나아가, 전자 디바이스(ED)에서 수행되는 것으로 묘사된 동작이 다른 디바이스에서 수행되거나, 다른 디바이스의 도움을 받아 수행될 수도 있다.
도 3 은 일 실시예에 따른, 전자 디바이스 및 분석 시스템을 통해 사용자의 음주 여부를 확인하기 위한 방법의 흐름도이다.
설명의 편의상 도 4 를 더 참조한다.
도 4 는 일 실시예에 따른, 차량을 스캔하기 위한 방법을 설명하기 위한 도면이다.
일 실시예에 따라 사용자의 음주 여부를 확인하는 방법은, 차량 (예: 이륜 차량, 사륜 차량, 킥보드, 자전거, 스케이트보드, 전동킥보드, 전기자전거, 전동스케이트보드, 전동휠, 등) 대여 시 수행될 수 있다.
일 실시예에 따라 사용자의 음주 여부를 확인하기 위한 방법은, 사용자의 전자 디바이스 (ED) 에서 수행될 수 있으나, 이에 제한되지 않으며, 서버 (AS) 에서 수행되거나, 도 3 에 도시된 바와 같이 전자 디바이스 (ED) 와 서버 (AS) 의 상호작용을 통해 수행될 수도 있다.
도 3 을 참조하면, 동작 302 에서 전자 디바이스 (ED) 는 차량 대여 플랫폼에 액세스할 수 있다. 플랫폼은 전자 디바이스 (ED) 에 설치된 애플리케이션을 통해 액세스될 수 있으나, 이에 제한되지 않으며, 플랫폼은 웹을 통해 액세스될 수도 있다.
동작 304 에서 전자 디바이스 (ED) 는, 사용자가 입력한 (또는 미리 입력된) ID 와 비밀번호를 이용하여 사용자 로그인을 수행할 수 있다.
동작 310 에서, 전자 디바이스 (ED) 는 대여할 차량을 스캔할 수 있다. 대여할 차량이 도 4 에 도시된 바와 같이 전동 킥보드 (PM) 인 경우, 전자 디바이스 (ED) 는, 전동 킥보드 (PM) 에 부착된 정보 (410) 를 스캔함으로써, 동작 312 에서 해당 전동 킥보드 (PM) 의 대여 요청이 해당 플랫폼의 서버 (AS) 에게 전송될 수 있다. 전자 디바이스 (ED) 에서는, 정보 (410) 가 명확히 스캔될 수 있도록, 스캔 영역 (412) 이 디스플레이될 수 있다. 일 실시예에서, 정보 (410) 는 QR 코드 (quick response code; QR code) 일 수 있으나, 이에 제한되지 않는다. 예를 들어, 정보 (410) 는, 사용자의 음주 여부를 확인하기 위한 테스트 그 자체일 수 있으며, 이에 대해서는 도 9 및 10 을 참조하여 후술할 것이다.
동작 320 에서, 서버 (AS) 는 차량 대여 요청에 응답하여, 사용자의 음주 여부 확인을 위한 테스트를 사용자의 전자 디바이스 (ED) 에게 요청할 수 있다. 일 실시예에서, 해당 테스트는 서버 (AS) 로부터 전자 디바이스 (ED) 에게 전송될 수 있다.
동작 322 에서, 전자 디바이스 (ED) 는 사용자의 음주 여부 확인을 위한 테스트를 디스플레이할 수 있다. 일 실시예에서, 해당 테스트는 서버 (AS) 로부터 전자 디바이스 (ED) 에 수신된 것일 수 있다.
일 실시예에 따른 테스트는 도 5 내지 8 을 참조하여 후술할 것이다.
동작 340 에서, 테스트에 대한 사용자의 응답이 전자 디바이스 (ED) 에서 수신될 수 있다. 동작 342 에서, 사용자의 응답이 전자 디바이스 (ED) 로부터 서버 (AS) 에게 전송될 수 있다.
차량 대여의 전제하에, 도 3 및 도 4 를 참조하여 실시예를 설명하였으나, 실시예들은 차량 대여 시뿐만 아니라 개인 차량 시동 또는 운행 시에도 적용될 수 있다.
동작 360 에서, 서버 (AS) 는 사용자의 음주 여부를 결정할 수 있다. 일 실시예에서, 사용자의 음주 여부는, 테스트 및 그에 대한 사용자 응답 간의 매칭율과, 임계값에 기초하여 결정될 수 있다. 임계값은 복수의 사용자들의 응답들에 기초하여 결정될 수 있다. 예를 들어, 테스트 및 그에 대한 사용자 응답 간의 매칭율이, 복수의 사용자들의 응답들에 기초하여 결정된 제 1 임계값보다 높을 경우, 사용자가 음주하지 않은 것으로 결정될 수 있다. 예를 들어, 테스트 및 그에 대한 사용자 응답 간의 매칭율이, 복수의 사용자들의 응답들에 기초하여 결정된 제 2 임계값보다 낮을 경우, 사용자가 음주한 것으로 결정될 수 있다. 제 1 임계값과 제 2 임계값은 동일할 수 있으나, 상이할 수도 있다. 일 실시예에서, 복수의 사용자들의 응답들은, 사용자에게 요청된 테스트와 동일한 테스트에 대한 응답들일 수 있으나, 이에 제한되지 않으며, 사용자에게 요청된 테스트와 동종의 테스트들에 대한 응답들일 수 있다.
일 실시예에서, 사용자가 음주하지 않은 것으로 결정되는 경우, 서버 (AS) 는 사용자가 해당 차량 (PM) 을 운전할 수 있도록 허용할 수 있다. 이에 따라, 사용자의 전자 디바이스 (ED) 는 해당 차량 (PM) 과 연관될 수 있다. 전자 디바이스 (ED) 와 차량 (PM) 이 서로 연관되는 경우, 사용자가 차량 (PM) 을 대여하는 시간, 또는 사용자가 차량 (PM) 을 운전하는 시간에 기초하여, 서버 (AS) 는 전자 디바이스 (ED) 에게 대여 수수료의 결제를 요청할 수 있다.
일 실시예에서, 사용자가 음주한 것으로 결정되는 경우, 서버 (AS) 는 사용자가 해당 차량 (PM) 을 운전하는 것을 허용하지 않을 수 있다. 이에 따라, 사용자의 전자 디바이스 (ED) 에서는 사용자의 음주로 인해 차량의 대여가 금지되거나, 차량의 제어가 금지되거나, 차량의 제어가 제한되었음을 나타내는 메시지가 디스플레이될 수 있다. 사용자의 음주 여부에 따라, 차량의 제어를 금지하거나 제한하는 것은 도 11 및 12 를 참조하여 후술할 것이다.
도 5 는 일 실시예에 따른, 사용자의 음주 여부를 확인하기 위한 문장 테스트를 설명하기 위한 도면이다.
도 5 를 참조하면, 사용자의 음주 여부를 확인하기 위한 테스트는 문장 테스트일 수 있으며, 전자 디바이스 (ED) 에서는 문장 테스트를 위한 문장 (520) 이 디스플레이될 수 있다.
사용자에 의해 전자 디바이스 (ED) 에 응답이 수신될 수 있다. 예를 들어, 디스플레이된 문장 (520) 을 따라 사용자가 전자 디바이스 (ED) 의 키패드 (542) 를 조작함으로써, 사용자의 응답이 문자 입력란 (540) 에 입력될 수 있다. 사용자의 응답과 문장 (520) 간의 매칭율에 기초하여 사용자의 음주 여부가 결정될 수 있다.
일 실시예에서, 전자 디바이스 (ED) 를 통해 요청되는 문장 테스트의 문장 (520) 은 비문(非文)을 포함할 수 있다.
문장 (520) 이 랜덤하게 생성된 문자로 구성될 경우, 사용자는 음주 여부와 무관하게 상당한 주의를 기울일 수밖에 없고, 따라서, 음주자라 하더라도 주의를 기울여 충분히 따라 쓸 수 있다. 하지만, 문장 (520) 에 비문이 포함될 경우, 음주자는, 비음주자라면 응당 위화감을 느낄 부분을 매우 쉽게 간과할 수 있다. 특히 음주자는 감각의 둔감화(desensitization)로 인해 운전을 할 수 있다는 근거 없는 자신감에 차있어 주의를 기울일 순간과 그렇지 않아도 될 순간을 구분하지 못하는 경향이 있다. 또한, 비문이 포함된 문장 (520) 을 본 음주자는 감정의 둔감화와 독해의 습관화 (habituation)로 인해 자신이 정답을 안다는 근거 없는 자신감을 가지고 자신의 독해 체계를 답습하여 응답하게 되므로, 비음주자에 비해 문장 (520) 과 응답의 매칭율이 현저히 낮다.
또한, 음주자는, 오타불내증 (typoglycemia) 또는 단어 우월 효과 (word-superiority effect) 에 의해, 글자를 하나 하나 읽지 않고 단어 하나를 전체로 인식하는 경향이 비음주자에 비해 더 강해지므로, 한 단어 안에서 첫 번째와 마지막 글자를 제외한 나머지 글자들 중 배열이 바뀔 경우, 배열이 바뀐 사실을 비음주자에 비해 인지하지 못한다.
일 실시예에 따르면, 이러한 과학적 이론에 기반하여, 음주자의 차량 운전을 효과적으로 방지할 수 있다.
일 실시예에서, 문장 (520) 은 한 단어 안에서 첫 번째와 마지막 글자를 제외한 나머지 글자들의 배열이 바뀐 비문을 포함할 수 있다. 일 실시예에서, 문장 (520) 은 띄어쓰기가 틀린 비문을 포함할 수 있다. 일 실시예에서, 문장 (520) 은 한 단어 안에서 첫 번째와 마지막 음절을 제외한 나머지 음절들의 배열이 바뀐 비문을 포함할 수 있다. 일 실시예에서, 문장 (520) 은 한 단어 안에서 첫 번째와 마지막 음절을 제외한 나머지 음절들 중 적어도 하나의 음절이 틀린 비문을 포함할 수 있다. 일 실시예에서, 문장 (520) 은 서로 발음은 다르지만 정문(正文)과 유사하게 보이는 비문을 포함할 수 있다. 예를 들어, 서로 발음은 다르지만 상당히 유사하게 보이는 問 과 間 이 이용될 수 있다. 일 실시예에서, 문장 (520) 은 정문과 동일하거나 유사한 발음을 가지는 비문을 포함할 수 있다. 예를 들어, 동일하게 발음되는 洛 와 落 가 이용될 수 있다.
일 실시예에서, 문장 (520) 과 그에 대한 사용자의 응답 간의 매칭율이, 임계값, 예를 들어, 복수의 사용자들의 응답들에 기초하여 결정된 제 1 임계값보다 높을 경우, 사용자가 음주하지 않은 것으로 결정될 수 있다. 예를 들어, 문장 (520) 에 대한 복수의 비음주자들의 응답들이 평균적으로 70% 의 매칭율을 가질 경우, 제 1 임계값은 70% 일 수 있다. 일 실시예에서, 매칭율은 하나의 음절을 기준으로 계산될 수 있으나, 하나의 글자를 기준으로 계산될 수도 있다. 일 실시예에서, 한 칸의 공백은 하나의 음절로 취급되거나, 하나의 글자로 취급될 수 있다.
일 실시예에서, 문장 (520) 및 그에 대한 사용자 응답 간의 매칭율이, 임계값, 예를 들어, 복수의 사용자들의 응답들에 기초하여 결정된 제 2 임계값보다 낮을 경우, 사용자가 음주한 것으로 결정될 수 있다. 제 1 임계값과 제 2 임계값은 동일할 수 있으나, 상이할 수도 있다. 예를 들어, 제 1 임계값은 제 2 임계값과 동일한 70% 일 수 있다.
일 실시예에서, 복수의 사용자들의 응답들은, 사용자에게 요청된 문장 (520) 에 대한 응답들일 수 있으나, 이에 제한되지 않으며, 다른 문장들에 대한 응답들일 수 있다.
일 실시예에서, 사용자들의 응답들의 매칭율과 음주 수준이 머신러닝을 통해 학습되어, 적절한 임계값이 결정될 수 있다. 예를 들어, 비음주자들의 응답들과 테스트 간의 매칭율 또는 매칭 패턴은 '비음주자'로 라벨링되고, 음주자들의 응답들과 테스트 간의 매칭율 또는 매칭 패턴은 '음주자'로 라벨링되어, 머신러닝 모델이 트레이닝될 수 있다. 이에 따라, 해당 머신러닝 모델은 임의의 사용자의 응답과 테스트 간의 매칭율 또는 매칭 패턴이 입력될 경우, 해당 응답을 '음주자' 또는 '비음주자'로 분류할 수 있다. 머신러닝 모델은, '비음주자' 및 '음주자'뿐만 아니라, 음주 정도에 따라, 응답을 '비음주자', '1단계 음주자', '2단계 음주자', '3단계 음주자' 등과 같이 더 상세하게 분류하도록 트레이닝될 수도 있다. 임계값이 고정되어 있을 경우, 테스트에 적응한 음주자를 걸러내기 어려울 수 있다. 일 실시예에 따르면, 임계값이 고정되어 있지 않고 머신러닝을 통해 주기적 또는 비주기적으로 임계값이 변경(상승)할 수 있으므로, 유사한 테스트에 여러 번 응답하여 테스트에 적응한 음주자도 걸러낼 수 있다.
일 실시예에서, 사용자들의 운행 패턴이 추적 및 기록되고, 나아가, 사용자들의 차량 운행패턴과 음주 수준이 머신 러닝을 통해 학습되어, 음주자의 차량 운행패턴이, 비음주자의 차량 운행패턴으로부터 구분될 수 있다. 일 실시예에서, 학습 모델이 사용자들의 특정 운행 패턴을 학습하여, 해당 특정 운행 패턴을 구분할 수 있다. 일 실시예에서, 차량 운행패턴은 차량의 움직임에 기초하여 기록될 수 있다. 예를 들어, 차량의 비틀거림, 대각선 진행, 급가속, 급감속, 급출발, 급정거, 급회전, 턱 (bump) 넘음, 등에 기초하여 차량 운행패턴이 결정될 수 있다. 음주자의 차량 운행패턴은, 비음주주자의 차량 운행패턴보다 상대적으로, 차량의 비틀거림, 대각선 진행, 급가속, 급감속, 급출발, 급정거, 급회전, 턱 (bump) 넘음, 무감속 턱 넘음 등이 더 많이 검출될 수 있고, 이러한 차이에 기초하여, 음주자의 차량 운행패턴이 비음주자의 차량 운행패턴으로부터 구분되거나, 음주자의 음주의 정도가 예상될 수 있다.
일 실시예에서, 차량 운행패턴은 차량 운전자의 움직임에 기초하여 기록될 수 있다. 예를 들어, 차량 운전자의 자세에 기초하여 기록될 수 있다. 특히, 차량이 이륜 차량인 경우, 차량 운전자의 기울어짐, 비틀거림, 흔들림, 발 구름, 외발주행, 등에 기초하여 차량 운행패턴이 결정될 수 있다. 음주자의 차량 운행패턴은, 비음주자의 차량운행패턴보다 상대적으로, 차량 운전자의 기울어짐, 비틀거림, 흔들림, 발 구름, 외발주행, 등이 더 많이 검출될 수 있고, 이러한 차이에 기초하여, 음주자의 차량 운행패턴이 비음주자의 차량 운행패턴으로부터 구분되거나, 음주자의 음주의 정도가 예상될 수 있다.
일 실시예에서, 차량 운전자의 움직임에 관련된 데이터는 차량 운전자가 소지한 단말 (예를 들어, 스마트폰) 로부터 획득될 수 있으나, 이에 제한되지 않는다. 예를 들어, 차량에 설치된 센서나 카메라를 통해 차량 운전자의 움직임에 관련된 데이터가 획득될 수도 있다. 즉, 차량에 설치된 센서를 통해 차량 운전자의 움직임에 관련된 데이터가 간접적으로 획득될 수 있다. 예를 들어, 차량의 무게 중심의 변화에 기초하여 차량 운전자의 움직임이 예상될 수 있다. 차량 운전자의 차량 운행패턴을 학습 모델이 학습하여, 학습 모델은 특정 운행패턴을 구분할 수 있다.
일 실시예에서, 차량 운행 패턴은 차량의 종류 (예: 이륜 차량, 사륜 차량, 자전거, 전기 자전거, 킥보드, 전동 킥보드, 등) 에 따라 상이하게 학습될 수 있다. 이로써, 일 실시예에 따르면, 차량 대여자의 운행 패턴이 실시간으로 추적 및 기록되고, 해당 운행 패턴이 음주자의 운행패턴으로 분류될 경우, 차량의 운전이 정지되거나, 차량 운전이 제한적으로 허용되도록 구현될 수 있다. 예를 들어, 차량 운전의 제한적인 허용은, 다른 대여 차량의 제한 속도 (예를 들어, 시속 25km/h) 보다 더 낮은 제한 속도 (예를 들어, 시속 5km/h, 10km/h, 15km/h, 20km/h,등) 로 운전하는 것을 허용하는 것일 수 있다. 속도 제한의 정도는, 해당 사용자의 운행 패턴이 음주자의 운행 패턴과 일치하는 정도에 비례할 수 있다.
이때, 해당 사용자의 주의력이 현재 저하된 상태임을 알리거나, 운전에 주의할 것을 나타내는 메시지가 사용자의 전자 디바이스에서 디스플레이될 수 있다. 이로써, 주의력이 낮은 사용자의 자발적 하차를 유도할 수 있다. 일 실시예에서, 사용자의 운전이 제한적으로 허용된 이후, 사용자의 운행 패턴이 정상 사용자 (또는 비음주자) 의 운행 패턴에 일치하는 경우, 차량에 적용된 제한이 해제되도록 구현될 수 있다. 속도 제한의 해제의 정도는, 해당 사용자의 운행 패턴이 정상 사용자 (또는 비음주자) 의 운행 패턴과 일치하는 정도에 비례할 수 있다.일 실시예에 따르면, 차량을 대여하는 사용자가 보다 안전하게 운전할 수 있으므로, 공공의 안전이 보호될 수 있다.
일 실시예에서, 사용자의 음주 여부는, 문장 (520) 에 대한 응답의 응답 소요 시간에 더 기초하여 결정될 수 있다. 예를 들어, 응답 소요 시간의 길이에 따라 매칭율에 가중치가 적용될 수 있다. 따라서, 100% 매칭율에 1 초과의 가중치가 적용될 경우, 100% 를 초과하는 매칭율을 가지는 응답도 있을 수 있다. 일 실시예에서, 응답 소요 시간의 길이가 짧은 응답일수록, 매칭율에 더 높은 가중치가 적용되거나, 응답 소요 시간의 길이가 상대적으로 더 긴 응답보다, 더 높은 매칭율을 가지는 것으로 결정될 수 있다. 반대로, 응답 소요 시간의 길이가 긴 응답일수록, 응답 소요 시간의 길이가 상대적으로 더 짧은 응답보다, 더 낮은 매칭율을 가지는 것으로 결정될 수 있다.
일 실시예에서, 임계값은 음주자들의 음주 정도에 따른 응답들의 응답 소요 시간과 오답율 (또는 매칭율) 을 비교한 것에 기초하여 결정될 수도 있다. 테스트에 대한 응답의 오답율과 매칭율의 합은 100% 일 수 있다.
일 실시예에서, 도 5 에 도시된 바와 같이 테스트의 응답 제한 시간 (예를 들어, 10초) 이 설정될 수 있다. 따라서, 응답 제한 시간 내에 사용자의 응답이 완료되지 않을 경우, 해당 사용자가 음주한 것으로 결정되거나, 해당 사용자의 매칭율이 차감될 수 있다.
도 6 은 일 실시예에 따른, 사용자의 음주 여부를 확인하기 위한 다른 그림 찾기 테스트를 설명하기 위한 도면이다.
일 실시예에 따르면, 다른 그림 찾기 테스트를 통해 사용자의 음주 여부를 확인하기 위해, 다른 그림을 포함하는 이미지 (620) 가 전자 디바이스 (ED) 에서 디스플레이될 수 있다. 다른 그림 찾기 테스트는 사용자의 타이핑을 필요로 하지 않으므로, 문장 테스트에 비해 더 짧은 제한 시간 (예: 3초) 을 가지도록 구현될 수 있다.
도 7 은 일 실시예에 따른, 사용자의 음주 여부를 확인하기 위한 사칙연산 테스트를 설명하기 위한 도면이다.
일 실시예에 따르면, 사칙연산 테스트를 통해 사용자의 음주 여부를 확인하기 위해, 수학식 (720) 이 전자 디바이스 (ED) 에서 디스플레이될 수 있다. 사칙연산 테스트는 사용자의 넘패드 (742) 를 통한 타이핑이 필요하므로, 다른 그림 찾기 테스트에 비해 더 긴 제한 시간 (예: 10초) 을 가지도록 구현될 수 있다.
도 7 을 참조하면, 5, 4, 9, 8, 9 가 순서대로 입력란 (740) 에 입될 경우, 응답은 100% 의 매칭율을 가질 수 있다.
일 실시예에서, 사용자의 치팅 (cheating) 을 방지하기 위해, 적어도, 전자 디바이스 (ED) 에서 테스트가 진행되는 동안에는 전자 디바이스 (ED) 의 일부 기능이 제한되거나 비활성화될 수 있다.
예를 들어, 사용자의 문장 테스트의 문장을 복사하는 것을 금지하기 위해, 복사 기능이 제한될 수 있다. 예를 들어, 사용자의 문장 테스트를 캡쳐하여 광학문자인식 (optical character recognition) 을 통해 문장을 추출하는 것을 방지하기 위해, 스크린샷 캡쳐 기능이 제한될 수 있다. 예를 들어, 사칙연산 테스트가 진행되는 동안 사용자가 전자 디바이스 (ED) 의 계산기 애플리케이션을 이용하는 것을 금지하기 위해, 전자 디바이스 (ED) 에서 계산기 애플리케이션의 실행이 제한되거나, 전자 디바이스 (ED) 의 멀티태스킹이 제한될 수 있다.
일 실시예에서, 사용자의 치팅 (cheating) 을 방지하기 위해, 적어도, 전자 디바이스 (ED) 에서 테스트가 진행되는 동안에, 사용자의 치팅 시도가 검출되는 경우, 테스트가 리셋되도록 구현될 수 있다. 이 경우, 전자 디바이스 (ED) 에서 치팅 경고 메시지를 디스플레이하여 사용자에게 경각심을 주거나, 이후에 수신되는 사용자의 응답에 패널티가 부여될 수 있다.
도 8 은 일 실시예에 따른, 사용자의 음주 여부를 확인하기 위한 패턴 테스트를 설명하기 위한 도면이다.
일 실시예에 따르면, 따라 그리기 테스트를 통해 사용자의 음주 여부를 확인하기 위해, 패턴 (820) 이 전자 디바이스 (ED) 에서 디스플레이될 수 있다. 따라 그리기 테스트는 사용자의 타이핑이 불필요하므로, 타이핑이 필요한 문장 테스트나 사칙연산 테스트에 비해 더 짧은 제한 시간 (예: 3초) 을 가지도록 구현될 수 있다.
일 실시예에 따르면, 사용자의 음주 여부를 확인하기 위해, 사용자의 전자 디바이스를 통해 사용자에게 복수의 테스트들이 요청될 수 있다. 복수의 테스트들은 순차적으로 요청될 수 있고, 각 테스트에 대한 응답의 매칭율에 기초하여 사용자의 음주 여부가 결정될 수 있다.
도 9 는 일 실시예에 따른, 사용자의 음주 여부를 확인하여 차량을 스캔하기 위한 방법의 흐름도이다.
설명의 편의상 도 10 을 더 참조하여 설명한다.
도 10 은 일 실시예에 따른, 사용자의 음주 여부를 확인하여 차량을 스캔하기 위한 방법을 설명하기 위한 도면이다.
동작 930 에서, 전자 디바이스 (ED) 는 차량 (PM) 을 스캔할 수 있다. 일 실시예에서, 차량 (PM) 에 부착된 정보 (1020) 를 전자 디바이스 (ED) 가 스캔할 수 있다. 정보 (1020) 는 도 10 에 도시된 바와 같이 문장일 수 있고, 이러한 문장을 스캔하는 것에 응답하여, 해당 문장을 따라 써야 하는 테스트가 전자 디바이스 (ED) 를 통해 사용자에게 요청될 수 있다.
도 10 도시된 바와 같이, 차량 (PM) 에 부착된 정보 (1020) 를 전자 디바이스 (ED) 가 스캔하고, 스캔된 정보 (1022) 가 전자 디바이스 (ED) 에서 디스플레이될 수 있으나, 이에 제한되지 않는다. 예를 들어, 차량 (PM) 에 부착된 정보 (1020) 를 스캔하지 않고, 곧바로 해당 정보 (1020) 를 따라 쓰는 응답이 사용자에 의해 전자 디바이스 (ED) 에 수신될 수 있다. 사용자의 응답은 키패드 (1032) 를 통해 입력란 (1030) 에 입력될 수 있다.
일 실시예에서, 모든 차량 (PM) 에 부착되는 정보는, 각각의 차량이 모두 충분히 구별 가능한 (distinguishable) 문장들일 수 있다. 즉, 각각의 문장은 각각의 차량의 식별코드 (예: QR 코드) 로서 기능할 수 있고, 사용자가 해당 문장을 전자 디바이스 (ED) 를 통해 스캔하거나 전자 디바이스 (ED) 에 입력할 경우, 해당 차량의 대여 요청이 서버 (AS) 에게 전송될 수 있다. 일 실시예에서, 사용자가 해당 문장을 따라 쓴 응답을 전자 디바이스 (ED) 에 입력할 경우, 해당 응답이 서버 (AS) 에게 전송될 수 있고, 이때, 사용자의 응답은 해당 차량의 대여 요청으로 기능할 수 있다.
동작 960 에서, 서버 (AS) 는 사용자의 음주 여부를 결정할 수 있다. 일 실시예에서, 사용자가 음주하지 않은 것으로 결정되는 경우, 전자 디바이스 (ED) 와 차량 (PM) 이 서로 연관될 수 있다. 일 실시예에서, 사용자가 음주한 것으로 결정되는 경우, 전자 디바이스 (ED) 의 대여 요청은 거절될 수 있다.
일 실시예에서, 사용자가 음주한 것으로 결정되는 경우, 차량 (PM) 의 제어가 제한적으로 허용될 수 있고, 이에 대해서는 도 11 및 12 를 참조하여 설명한다.
도 11 은 일 실시예에 따른, 음주자의 음주 운전을 방지하기 위한 방법의 흐름도이다.
동작 1140 에서, 테스트에 대한 사용자의 응답이 수신될 수 있다.
동작 1160 에서, 사용자의 음주 여부가 결정될 수 있다.
사용자가 음주한 것으로 결정되는 경우, 동작 1162 에서 사용자의 운전이 허용될 수 있다.
사용자가 음주하지 않은 것으로 결정되는 경우, 동작 1164 에서 사용자의 운전이 거절될 수 있다.
일 실시예에서, 동작 1140 및 1160 은 전자 디바이스에서 수행되거나, 서버에서 수행되거나, 전자 디바이스와 서버의 상호작용을 통해 수행될 수 있다.
도 12 는 일 실시예에 따른, 음주자의 음주 운전을 억제하기 위한 방법의 흐름도이다.
동작 1240 에서, 테스트에 대한 사용자의 응답이 수신될 수 있다.
동작 1260 에서, 사용자의 음주 레벨이 결정될 수 있다. 사용자의 음주 레벨은, 테스트와 사용자의 응답 간의 매칭율에 기초하여 결정될 수 있으나, 이에 제한되지 않는다. 사용자의 음주 레벨이 제 1 임계값 (TH1) 보다 작을 경우, 동작 1262 에서 사용자의 운전이 전면적으로 허용되도록 구현될 수 있다. 제 1 임계값은, 비음주자들의 평균 오답율일 수 있으나, 이에 제한되지 않는다.
사용자의 음주 레벨이 제 1 임계값 (TH1) 보다 작지 않을 경우, 동작 1263 에서 사용자의 음주 레벨이 제 2 임계값 (TH2) 과 비교될 수 있다. 제 2 임계값은 음주자들의 평균 오답율일 수 있으나, 이에 제한되지 않는다.
사용자의 음주 레벨이 제 2 임계값 (TH2) 보다 낮을 경우, 동작 1264 에서 사용자의 운전이 거절될 수 있다.
사용자의 음주 레벨이 제 2 임계값 (TH2) 보다 클 경우, 동작 1265 에서 사용자의 운전이 제한적으로 허용될 수 있다. 즉, 이때의 사용자는 비음주자와 음주자의 경계에 있으므로, 차량 운전 또는 차량 대여 자체를 거절할 경우, 해당 사용자의 불만을 야기할 수 있다. 따라서, 해당 사용자의 운전을 제한적으로 허용함으로써 해당 사용자의 불만을 저감시키는 한편, 주변의 보행자의 안전을 담보할 수 있다. 예를 들어, 해당 사용자에게 대여된 차량에는, 다른 대여 차량의 제한 속도 (예를 들어, 시속 25km/h) 보다 더 낮은 제한 속도 (예를 들어, 시속 5km/h, 10km/h, 15km/h, 20km/h,등) 가 적용될 수 있다. 속도 제한의 정도는, 해당 사용자의 응답의 매칭율 (또는 오답율) 에 반비례 (또는 비례) 할 수 있다.
이때, 해당 사용자의 주의력이 현재 저하된 상태임을 알리거나, 운전에 주의할 것을 나타내는 메시지가 사용자의 전자 디바이스에서 디스플레이될 수 있다. 이로써, 주의력이 낮은 사용자의 자발적 하차를 유도할 수 있다. 일 실시예에서, 사용자의 운전이 제한적으로 허용된 이후, 다시 한번 사용자에게 전자 디바이스를 통해 테스트가 요청될 수 있다. 사용자는 다시 테스트에 대한 응답을 제출함으로써, 차량에 적용된 제한의 해제를 시도할 수 있다. 이때, 테스트는, 차량이 정지한 경우 다시 요청될 수 있다. 한편, 사용자가 차량에 탑승한 이후에는 테스트에 응답하기 어려울 수 있다. 일 실시예에 따르면, 사용자들의 운행 패턴이 추적 및 기록되고, 나아가, 사용자들의 차량 운행패턴과 음주 수준이 머신 러닝을 통해 학습되어, 음주자의 차량 운행패턴이, 비음주자의 차량 운행패턴으로부터 구분될 수 있다. 따라서, 사용자의 운전이 제한적으로 허용된 이후, 차량 대여자의 운행 패턴이 실시간으로 추적 및 기록되고, 사용자의 운행 패턴이 정상 사용자 (또는 비음주자) 의 운행 패턴에 일치하는 경우, 차량에 적용된 제한이 해제되도록 구현될 수 있다. 속도 제한의 해제의 정도는, 해당 사용자의 운행 패턴이 정상 사용자 (또는 비음주자) 의 운행 패턴과 일치하는 정도에 비례할 수 있다. 일 실시예에 따르면, 차량을 대여하는 사용자가 보다 안전하게 운전할 수 있으므로, 공공의 안전이 보호될 수 있다.
일 실시예에서, 소정의 조건이 충족되는 경우 테스트가 전자 디바이스를 통해 사용자에게 요청되도록 구현될 수 있다. 예를 들어, 전자 디바이스의 위치에 기초하여 테스트가 요청될 수 있다. 예를 들어, 현재 시간에 기초하여 테스트가 요청될 수 있다.
음주자의 음주 운전을 방지하는 것도 중요하지만, 음주 운전을 방지하기 위해 차량 대여에 너무 많은 시간이 소요될 경우, 사용자들에게 차량 대여에 대한 열악한 사용자에 경험을 안겨줄 수 있고, 이는 해당 차량 대여 플랫폼의 재방문율을 떨어뜨리는 요인이 될 수 있다. 따라서, 소정이 조건이 충족되는 경우에만 사용자의 음주 여부를 확인하기 위한 테스트가 사용자에게 요청될 수 있다.
일 실시예에서, 특정 시간대에 차량 대여 및/또는 차량 운전을 시도하는 사용자에게 테스트를 요청하도록 구현될 수 있다. 예컨대, 저녁 시간대에만 테스트를 요청하도록 구현될 수 있다.
일 실시예에서, 특정 지역에서 차량 대여 및/또는 차량 운전을 시도하는 사용자에게 테스트를 요청하도록 구현될 수 있다. 예를 들어, 미리 결정된 유흥 지역에서 차량 대여 및/또는 차량 운전을 시도하는 사용자에게 테스트를 요청하도록 구현될 수 있다. 또는, 사용자의 위치를 중심으로 소정 거리 내에 위치하는 주류 판매 가능 업소에 기초하여, 테스트가 요청될 수 있다. 예를 들어, 사용자의 위치를 중심으로 소정 거리 내에 위치하는 음식점들 중 주류 판매 가능 업소가 소정 비율 이상인 경우, 사용자에게 테스트가 요청될 수 있다. 일 실시예에서, 사용자들의 운전 행태가, 다른 지역보다, 더 유별난 지역, 예를 들어, 갈지자 운행, 급발진, 급정거 등 안전하지 않은 운행의 비율이 더 높은 것으로 확인되는 지역에서, 차량 대여 및/또는 차량 운전을 시도하는 사용자에게 테스트가 요청될 수 있다. 갈지자 운행, 급발진, 급정거 등 차량의 운행 행태를 검출하기 위해, 차량에는 센서가 포함될 수 있다. 센서는 차량의 가속도 데이터, 지자계 데이터, 및 자이로 데이터 중 적어도 하나의 데이터를 획득하기 위한 센서를 포함할 수 있다. 일 실시예에서, 차량의 센서는 가속도 센서, 자이로 센서, 지자계 센서, 또는 그 조합의 센서일 수 있다. 차량의 센서를 통해 감지되는 데이터를 분석함으로써, 해당 차량의 운행 행태가 검출될 수 있다.
일 실시예에서, 차량 사고 다발 지역으로 식별되는 지역에서, 차량 대여 및/또는 차량 운전을 시도하는 사용자에게 테스트가 요청될 수 있다. 차량 사고 다발 지역은, 서버에 접수된 사고 보고에 기초하여 결정될 수 있으나, 관리자에 의해 미리 설정된 지역일 수 있다.
일 실시예에서, 차량 대여 및/또는 차량 운전을 시도하는 사용자들 중 소정의 사용자들에게만 테스트를 요청하도록 구현될 수 있다. 예를 들어, 사용자의 누적 이동 경로에 유흥 지역이 있는 경우, 사용자의 차량 대여 및/또는 운전 시도 위치가 유흥 지역(예를 들어, 강남역, 홍대, 이태원, 등)인 경우, 사용자의 누적 이동 경로 주변의 음식점들 중 주류 판매 가능 업소가 소정 비율 이상인 경우, 사용자의 차량 대여 및/또는 운전 시도 위치 주변의 음식점들 중 주류 판매 가능 업소가 소정 비율 이상인 경우 등 사용자에게 테스트가 요청될 수 있으나, 이에 제한되지 않는다.
일 실시예에서, 사용자가 해당 장소에 머문 시간 길이나, 시간대에 기초하여 사용자에게 테스트가 요청될 수 있다.
일 실시예에서, 사용자의 과거 이력에 기초하여 해당 사용자에게 테스트가 요청될 수 있다. 예를 들어, 해당 사용자에게 과거에 테스트를 요청한 결과 음주한 것으로 결정되었던 경우, 해당 사용자에게는 제1 확률로 테스트가 요청되고, 해당 사용자에게 과거에 테스트를 요청한 결과 음주하지 것으로 결정되었던 경우, 해당 사용자에게는 제2 확률로 테스트가 요청될 수 있다. 일 실시예에서, 제1 확률 및 제2 확률은 50% 를 기준으로, 과거의 테스트 결과에 기초하여 조정된 값일 수 있으나, 이에 제한되지 않는다. 예를 들어, 제1 확률 및 제2 확률은 과거의 테스트 결과에 기초하여 100% 로부터 조정된 값일 수 있다. 예를 들어, 테스트 결과 음주하지 않은 것으로 결정될 때마다 해당 확률은 제1 값만큼 감산되고, 음주한 것으로 결정될 때마다 제2 값만큼 가산될 수 있다. 제1 값 및 제2 값은 동일한 값(예를 들어, 10%) 수 있으나, 제2 값이 제1 값보다 클 수 있다(예를 들어, 제2 값은 20%이고, 제1 값은 10%).
일 실시예에서, 차량 대여 및/또는 차량 운전을 시도하는 사용자들 중, 전술된 위치, 시간, 과거 테스트 불통과에 관한 조건 중 적어도 하나를 충족하는 사용자들에게만 테스트를 요청하도록 구현될 수 있다. 예를 들어, 오후 8시 이후에 유흥 지역(예를 들어, 강남역 주변)에서 차량 대여 및/또는 운전을 시도하는 사용자에게는, 일 실시예에 따른 테스트가 요청될 수 있다. 일 실시예에서, 차량 대여 및/또는 차량 운전을 시도하는 사용자들 중 확률적으로 및/또는 랜덤하게(randomly) 선택된 일부 사용자들에게만 테스트가 요청되도록 구현될 수도 있다. 예를 들어, 10%의 확률로 사용자들에게 테스트가 요청되도록 구현될 수 있다. 이러한 확률은, 해당 사용자의 위치, 시간, 과거 테스트 통과 여부 등에 따라 달라질 수 있다. 일 실시예에서, 제1 지역의 사용자들, 제1 시간대의 사용자들, 또는 과거 테스트 불통과 이력을 가진 사용자들에게는 제1 확률로 테스트가 요청되고, 제2 지역의 사용자들, 제2 시간대의 사용자들, 또는 과거 테스트 불통과 이력이 없는 사용자들에게는 제2 확률로 사용자들에게 테스트가 요청될 수 있다. 제1 시간대와 제2 시간대는 서로 상이할 수 있으나, 중첩될 수도 있다. 예를 들어, 제1 시간대는 상대적으로 음주 가능성이 높은 시간대, 즉, 오후 8:00 - 오전 5:00 에 속할 수 있고, 제2 시간대는 상대적으로 음주 가능성이 더 낮은 시간대, 즉, 오전 5:00 - 오후 8:00 에 속할 수 있으나, 이에 제한되지 않는다. 제1 확률은 제2 확률보다 높은 값을 가지도록 구현될 수 있다. 예를 들어, 제1 확률은 100% 이고, 제2 확률은 50% 일 수 있으나, 이에 제한되지 않는다. 일 실시예에서, 제1 지역은 유흥 지역이고, 제2 지역은 유흥 지역 외의 지역일 수 있다. 본 개시에서는 설명의 편의상 각 팩터마다 2개의 케이스 (즉, 제1 및 제2) 를 이용하여 설명하였으나, 각 팩터마다 3개 이상의 케이스로 차등적으로 구현될 수도 있고, 각 팩터마다 다른 개수의 케이스로 구현될 수도 있다.
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.
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 모델이 훈련될 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.
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 (20)
- 음주 여부를 확인하기 위한 방법으로서:
사용자의 음주 여부를 확인하기 위해, 상기 사용자의 전자 디바이스를 통해 상기 사용자에게, 비문(非文)과 정문(正文)을 모두 포함함으로써 단어 우월 효과(word-superiority effect)를 일으키는 문장을 따라 입력할 것을 요청하는 단계;
상기 문장에 대해 상기 전자 디바이스에 입력되는 상기 사용자의 응답을 수신하는 단계;
상기 문장 및 상기 응답 간의 매칭율과, 임계값에 기초하여, 상기 사용자의 음주 여부를 결정하는 단계를 포함하고,
상기 비문은, 상기 비문에 대응하는 정문과, 띄어쓰기, 단어의 첫 번째와 마지막 글자를 제외한 나머지 글자들의 배열, 단어의 첫 번째와 마지막 음절을 제외한 나머지 음절들의 배열 중 적어도 하나가 상이한, 음주 여부를 확인하기 위한 방법. - 삭제
- 삭제
- 제 1 항에 있어서,
상기 응답이 상기 비문을 포함할 때의 매칭율은, 상기 응답이 상기 비문을 포함하지 않을 때의 매칭율보다 높은, 음주 여부를 확인하기 위한 방법. - 제 1 항에 있어서,
상기 사용자의 음주 여부는, 상기 응답의 응답 소요 시간에 더 기초하여 결정되는, 음주 여부를 확인하기 위한 방법. - 제 1 항에 있어서,
상기 임계값은 복수의 사용자들의 응답들에 기초하여 결정되고, 상기 응답들은 상기 문장에 대한 것인, 음주 여부를 확인하기 위한 방법. - 제 1 항에 있어서,
상기 임계값은 복수의 사용자들의 응답들에 기초하여 결정되고, 상기 응답들은 비문과 정문을 모두 포함함으로써 단어 우월 효과를 일으키는 문장들에 대한 것인, 음주 여부를 확인하기 위한 방법. - 음주 여부를 확인하기 위한 방법으로서:
사용자의 전자 디바이스를 통해, 차량에 연관된 정보를 캡쳐하는 단계;
상기 정보를 캡쳐하는 것에 응답하여, 상기 사용자의 상기 전자 디바이스를 통해 상기 사용자에게, 상기 사용자의 음주 여부를 확인하기 위한 테스트를 요청하는 단계;
상기 테스트에 대해 상기 전자 디바이스에 입력되는 상기 사용자의 응답을 수신하는 단계;
상기 테스트 및 상기 응답 간의 매칭율과, 임계값에 기초하여, 상기 사용자의 음주 여부를 결정하는 단계를 포함하는, 음주 여부를 확인하기 위한 방법. - 제 8 항에 있어서,
상기 정보는 QR코드(Quick Response Code)를 포함하고,
상기 QR코드를 캡쳐하는 것에 응답하여, 상기 전자 디바이스가 상기 차량과 연관되는, 음주 여부를 확인하기 위한 방법. - 제 8 항에 있어서,
상기 사용자가 음주하지 않은 것으로 결정되는 경우, 상기 사용자에게 상기 차량의 제어가 허용되는, 음주 여부를 확인하기 위한 방법. - 제 8 항에 있어서,
상기 정보는 문장을 포함하고,
상기 문장을 캡쳐하는 것에 응답하여, 상기 테스트가 문장 테스트로서 요청되는, 음주 여부를 확인하기 위한 방법. - 제 11 항에 있어서,
상기 사용자가 음주하지 않은 것으로 결정되는 것에 응답하여, 상기 전자 디바이스가 상기 차량과 연관되는, 음주 여부를 확인하기 위한 방법. - 제 8 항에 있어서,
상기 사용자가 음주한 것으로 결정되는 경우, 상기 사용자에게 상기 차량의 제어가 제한적으로 허용되는, 음주 여부를 확인하기 위한 방법. - 제 13 항에 있어서,
상기 매칭율에 기초하여, 상기 차량의 상기 제어에 적용되는 제한이 달라지는, 음주 여부를 확인하기 위한 방법. - 제 13 항에 있어서,
상기 테스트는 제 1 테스트이고,
제 2 테스트를 통해 상기 사용자의 음주 여부를 재결정하는 단계를 더 포함하고,
상기 재결정의 결과에 기초하여, 상기 차량의 상기 제어에 적용되는 제한이 해제되는, 음주 여부를 확인하기 위한 방법. - 제 8 항에 있어서,
상기 테스트는, 문장 테스트, 다른 그림 찾기 테스트, 및 사칙연산 테스트 중 적어도 하나를 포함하는, 음주 여부를 확인하기 위한 방법. - 제 8 항에 있어서,
상기 테스트는 상기 전자 디바이스의 위치에 기초하여 요청되는, 음주 여부를 확인하기 위한 방법. - 제 8 항에 있어서,
상기 테스트가 제공되는 동안, 상기 전자 디바이스의 일부 기능을 비활성화하는 단계를 더 포함하는, 음주 여부를 확인하기 위한 방법. - 제 1 항 및 제4 항 내지 제 18 항 중 어느 한 항의 음주 여부를 확인하기 위한 방법을, 하드웨어와 결합되어 실행시키기 위하여 매체에 저장되는 컴퓨터 프로그램.
- 적어도 하나의 인스트럭션을 저장하도록 구성된 메모리; 및
적어도 하나의 프로세서를 포함하는 전자 디바이스로서, 상기 적어도 하나의 프로세서는, 상기 적어도 하나의 인스트럭션을 실행함으로써:
사용자의 음주 여부를 확인하기 위해, 상기 사용자의 전자 디바이스를 통해 상기 사용자에게, 비문(非文)과 정문(正文)을 모두 포함함으로써 단어 우월 효과(word-superiority effect)를 일으키는 문장을 따라 입력할 것을 요청하고;
상기 문장에 대해 상기 전자 디바이스에 입력되는 상기 사용자의 응답을 수신하고;
상기 문장 및 상기 응답 간의 매칭율과, 임계값에 기초하여, 상기 사용자의 음주 여부를 결정하도록 구성되고,
상기 비문은, 상기 비문에 대응하는 정문과, 띄어쓰기, 단어의 첫 번째와 마지막 글자를 제외한 나머지 글자들의 배열, 단어의 첫 번째와 마지막 음절을 제외한 나머지 음절들의 배열 중 적어도 하나가 상이한, 전자 디바이스.
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200120636 | 2020-09-18 | ||
| KR20200120636 | 2020-09-18 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20220037918A KR20220037918A (ko) | 2022-03-25 |
| KR102405814B1 true KR102405814B1 (ko) | 2022-06-08 |
Family
ID=80935523
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200153092A KR102405814B1 (ko) | 2020-09-18 | 2020-11-16 | 사용자의 음주 여부를 확인하기 위한 방법, 전자 디바이스, 및 시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102405814B1 (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102646296B1 (ko) | 2023-08-08 | 2024-03-11 | 오성시스템 주식회사 | 무인 키오스크를 이용한 배차 키 관리시스템 |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20240095736A (ko) | 2022-12-19 | 2024-06-26 | 김태완 | 음주 측정이 가능한 전동 킥보드 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20090070847A (ko) * | 2007-12-27 | 2009-07-01 | 한양대학교 산학협력단 | 음주운전 방지장치 및 그 방법 |
| KR20200009661A (ko) * | 2018-07-19 | 2020-01-30 | 부산대학교 산학협력단 | 보안성을 갖춘 nfc 통신 및 생체정보 기반의 운전자 인증 및 차량 제어 시스템 |
-
2020
- 2020-11-16 KR KR1020200153092A patent/KR102405814B1/ko active IP Right Grant
Non-Patent Citations (1)
| Title |
|---|
| 취중 트위터 낭패 막아주는 어플 (2010.11.12.), http://news.khan.co.kr/kh_news/khan_art_view.html?artid=201011121608231&code=970100* |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102646296B1 (ko) | 2023-08-08 | 2024-03-11 | 오성시스템 주식회사 | 무인 키오스크를 이용한 배차 키 관리시스템 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20220037918A (ko) | 2022-03-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Stilgoe | Machine learning, social learning and the governance of self-driving cars | |
| US20240249306A1 (en) | Biometric sensor system and method for monitoring a driver of a vehicle | |
| Collingwood | Privacy implications and liability issues of autonomous vehicles | |
| KR102405814B1 (ko) | 사용자의 음주 여부를 확인하기 위한 방법, 전자 디바이스, 및 시스템 | |
| US11989749B2 (en) | Systems and methods for detecting and scoring driver activity | |
| Tyagi et al. | Autonomous Intelligent Vehicles (AIV): Research statements, open issues, challenges and road for future | |
| KR102183189B1 (ko) | 차량내 휴대기기 관리 방법 및 장치 | |
| CN108241371A (zh) | 自动驾驶系统 | |
| Malik et al. | Deriving Driver Behavioral Pattern Analysis and Performance Using Neural Network Approaches. | |
| US20230161342A1 (en) | Methods and systems to reduce false calls in self driving vehicles | |
| Eboli et al. | Measuring the driver's perception error in the traffic accident risk evaluation | |
| WO2023005275A1 (zh) | 交通行为识别方法及装置、电子设备和存储介质 | |
| Farah et al. | The first year of driving: Can an in-vehicle data recorder and parental involvement make it safer? | |
| US20210233198A1 (en) | Micro-mobility vehicle status compliance determination | |
| JP6967042B2 (ja) | 運転評価装置、運転評価システム、運転評価方法、プログラム、及び交差点属性判別方法 | |
| JPWO2018179392A1 (ja) | システム、情報管理サーバ、および方法 | |
| JP6697998B2 (ja) | 移動体保険料算出方法、移動体保険料算出装置、移動体保険料算出プログラム及び移動体 | |
| Nori et al. | The specific role of spatial orientation skills in predicting driving behaviour | |
| Smirnov et al. | Human-smartphone interaction for dangerous situation detection and recommendation generation while driving | |
| KR102325998B1 (ko) | 운행 기록을 분석하는 방법 및 시스템, 및 운행 기록 장치 | |
| Çetinkaya et al. | Driver impairment detection using decision tree based feature selection and classification | |
| Lashkov et al. | A multimodal approach to psycho-emotional state detection of a vehicle driver | |
| Torres et al. | Exploiting machine learning models to avoid texting while driving | |
| Raj et al. | Smart and Digitalized Traffic Rules Montioring System | |
| CN109801490A (zh) | 行驶数据处理方法、装置、设备及计算机可读存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |