KR102412310B1 - Method for estimating passenger injury severity in traffic collisions - Google Patents
Method for estimating passenger injury severity in traffic collisions Download PDFInfo
- Publication number
- KR102412310B1 KR102412310B1 KR1020170152453A KR20170152453A KR102412310B1 KR 102412310 B1 KR102412310 B1 KR 102412310B1 KR 1020170152453 A KR1020170152453 A KR 1020170152453A KR 20170152453 A KR20170152453 A KR 20170152453A KR 102412310 B1 KR102412310 B1 KR 102412310B1
- Authority
- KR
- South Korea
- Prior art keywords
- vehicle
- estimating
- data set
- center server
- injury
- Prior art date
Links
- 230000006378 damage Effects 0.000 title claims abstract description 85
- 208000014674 injury Diseases 0.000 title claims abstract description 81
- 208000027418 Wounds and injury Diseases 0.000 title claims abstract description 80
- 238000000034 method Methods 0.000 title claims abstract description 15
- 206010039203 Road traffic accident Diseases 0.000 claims abstract description 53
- 238000004891 communication Methods 0.000 claims abstract description 12
- 229920000291 Poly(9,9-dioctylfluorene) Polymers 0.000 claims description 27
- 238000007477 logistic regression Methods 0.000 claims description 7
- 208000037974 severe injury Diseases 0.000 claims description 7
- 230000009528 severe injury Effects 0.000 claims description 7
- 230000001419 dependent effect Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 4
- 230000035939 shock Effects 0.000 claims description 4
- 238000011835 investigation Methods 0.000 description 5
- 230000034994 death Effects 0.000 description 4
- 231100000517 death Toxicity 0.000 description 4
- 240000008042 Zea mays Species 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 208000024891 symptom Diseases 0.000 description 2
- 206010010144 Completed suicide Diseases 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 239000000090 biomarker Substances 0.000 description 1
- 210000000746 body region Anatomy 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 239000013056 hazardous product Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 230000035488 systolic blood pressure Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000008733 trauma Effects 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
- G06Q50/10—Services
- G06Q50/22—Social work or social welfare, e.g. community support activities or counselling services
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Molecular Biology (AREA)
- Tourism & Hospitality (AREA)
- Medical Informatics (AREA)
- Heart & Thoracic Surgery (AREA)
- Veterinary Medicine (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Primary Health Care (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Physiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Child & Adolescent Psychology (AREA)
- Computer Networks & Wireless Communication (AREA)
- Alarm Systems (AREA)
- Traffic Control Systems (AREA)
Abstract
교통사고 탑승자 상해 중증도 추정방법으로서, e-call 센터 서버가, 차량에 설치된 e-call 단말기가 획득한 것으로서, 상기 차량에 설치된 한 개 이상의 센서가 출력한 제1데이터 세트를 상기 e-call 단말기로부터 무선통신망을 통해 수신하는 단계, 상기 e-call 센터 서버가, 상기 제1데이터 세트를 이용하여 상기 차량의 충돌속도를 산출하는 단계, 및 상기 e-call 센터 서버가, 미리 결정된 계수를 갖는 중상확률 추정식에 상기 충돌속도를 대입하여 상기 차량의 탑승자의 중증상해 확률을 추정하는 단계를 포함한다. As a method for estimating the severity of injuries to occupants in a traffic accident, the e-call center server obtains the e-call terminal installed in the vehicle and outputs a first data set output by one or more sensors installed in the vehicle from the e-call terminal Receiving through a wireless communication network, the e-call center server calculating the collision speed of the vehicle using the first data set, and the e-call center server, serious injury probability having a predetermined coefficient and estimating a probability of serious injury of an occupant of the vehicle by substituting the collision speed into an estimation equation.
Description
본 발명은 차량 운행자 또는 차량 소유자가 소유하고 있는 단말기로서 차량에 설치되어 있는 단말기를 이용하여, 교통사고시 탑승자의 상해 중증도를 추정하는 기술에 관한 것이다. 특히 상기 단말기가 원격의 서버와의 협력에 의해 탑승자의 상해 중증도를 추정하는 기술에 관한 것으로서, 통신 네트워크, 휴대형 단말기, 차량 단말기, 및 서버를 포함하여 구성되는 시스템에 관한 것이다.The present invention relates to a technology for estimating the severity of injuries to a passenger in a traffic accident by using a terminal installed in a vehicle as a terminal owned by a vehicle operator or vehicle owner. In particular, the terminal relates to a technology for estimating the severity of an occupant's injury by cooperating with a remote server, and to a system comprising a communication network, a portable terminal, a vehicle terminal, and a server.
2015년 교통사고로 인하여 4,621명의 사망자와 350,400명의 부상자가 발생하였다. 교통사고는 국가적으로 2아홉 번째의 사망원인이다. 질환으로 인한 사망자가 적은 40대 미만의 연령대에서는 교통사고가 자살, 암과 함께 3대 사망원인으로 보고되고 있다.Traffic accidents in 2015 resulted in 4,621 deaths and 350,400 injuries. Traffic accidents are the second leading cause of death in the country. Traffic accidents are reported to be the third leading cause of death, along with suicide and cancer, among those under 40 years of age, with fewer deaths from diseases.
세계보건기구는 교통사고 상해의 위험요인을 교통사고 발생 전, 발생 중, 발생 후 3단계로 구분하였는데, 교통사고 발생 후의 위험요소로 교통사고 감지 및 부상자 의료기관 이송에서 발생하는 지체, 사고현장에서의 화재, 위험물 유출, 승객 구출 및 대피의 어려움, 병원 전 또는 응급실에서의 적절한 치료의 부족을 제시하고 있다.The World Health Organization classified the risk factors for traffic accident injuries into three stages before, during, and after the accident. It presents the difficulties of fire, hazardous material spills, passenger rescue and evacuation, and lack of adequate treatment before hospitals or emergency rooms.
교통사고 발생 후의 위험요소를 줄이기 위한 방법으로 제안된 것이 교통사고 자동통보이다. 교통사고 자동통보는 차량에서 교통사고 발생정보와 위치정보를 응급구난기관으로 자동전송하여 신속한 응급대응을 가능하게 함으로써 피해자의 생명을 살리고, 부상으로 인한 장애를 줄일 수 있다.Automated traffic accident notification is proposed as a method to reduce risk factors after a traffic accident. Automatic traffic accident notification enables rapid emergency response by automatically transmitting traffic accident occurrence information and location information from the vehicle to an emergency rescue organization, thereby saving the lives of victims and reducing disability due to injuries.
교통사고 자동통보체계는 교통사고의 발생을 알려줄 뿐만 아니라, 교통사고에 대한 자료를 제공한다. 이러한 자료에 대한 분석을 통해 추정한 교통사고 피해자의 상해도는 현장에서의 응급조치, 적절한 이송 의료기관 결정에 도움을 줄 수 있다.The automatic traffic accident notification system not only informs about the occurrence of traffic accidents, but also provides data on traffic accidents. The degree of injury of traffic accident victims estimated through the analysis of these data can help determine emergency measures at the scene and appropriate transfer medical institutions.
기존의 연구자들은 이러한 가능성에 주목하여 교통사고 발생 시 탑승자의 상해도를 결정하는 요인을 분석하고, 교통사고 자동통보체계에 적용할 수 있는 탑승자 상해도 추정 알고리즘의 개발을 모색하여 왔다.Existing researchers, paying attention to this possibility, have analyzed the factors that determine the degree of occupant injury in the event of a traffic accident, and have sought to develop an occupant injury degree estimation algorithm that can be applied to the automatic traffic accident notification system.
교통사고에서 충격방향과 탑승자의 좌석위치에 따라 충격이 가해지는 신체부위가 다르므로, 좌석위치, 신체부위에 따라 탑승자의 상해에 미치는 영향이 상이할 것으로 예상된다. 교통사고로 인해 손상된 신체부위에 대한 정보는 현장에서의 응급처치, 의료기관에서의 응급치료에 유용하지만, 기존의 연구는 탑승자의 위치와 부위별 상해를 구분하지 않았다. 따라서, 탑승자 중 운전자의 신체부위별 상해도를 차량 센서가 수집할 수 있는 사고자료로 유의하게 추정할 수 있는 모형을 개발할 필요가 있다.In a traffic accident, the body part to which the impact is applied is different depending on the direction of impact and the seat position of the occupant, so it is expected that the impact on the injury of the occupant will be different depending on the seat position and body part. Information on body parts damaged by traffic accidents is useful for on-site emergency treatment and emergency treatment at medical institutions, but previous studies did not distinguish between the location of the occupant and the injury by part. Therefore, it is necessary to develop a model that can significantly estimate the degree of injury by body part of the driver as accident data that the vehicle sensor can collect.
교통사고 피해자에 대한 현장 응급처치, 피해자가 적절한 치료를 받을 수 있는 의료기관과 이송수단을 결정하기 위해서는 교통사고로 인한 손상의 중증도 판단이 필요하다.In order to determine the on-site emergency treatment for traffic accident victims, a medical institution where victims can receive appropriate treatment, and a means of transport, it is necessary to determine the severity of the damage caused by a traffic accident.
응급의료 분야에서 외상환자의 손상 중증도 판단에 사용하는 도구는 생리학적 지표, 해부학적 지표, 혼합(해부·생리학적) 지표로 구분된다. 생리학적 지표는 의식 수준, 수축기 혈압, 분당 호흡수 등 생체지표에 기반하고, 해부학적 지표는 신체부위별 손상의 유형과 정도를 표현한 약식상해등급(AIS; Abbreviated Injury Scale)에 기반한다.In the emergency medical field, tools used for judging the severity of injuries in trauma patients are classified into physiological indicators, anatomical indicators, and mixed (anatomical/physiological) indicators. Physiological indicators are based on biomarkers such as level of consciousness, systolic blood pressure, and respiration rate, while anatomical indicators are based on the Abbreviated Injury Scale (AIS), which expresses the type and degree of damage to each body part.
AIS는 미국자동차의학진흥협회(AAAM, Association for the Advancement of Automotive Medicine)가 자동차사고에 의한 손상 중증도와 유형을 구분하기 위해 개발하여 1971년 미국의사협회지에 소개한 것으로 국내·외에서 교통사고 조사분석에 사용되고 있다. AIS는 손상부위를 머리, 얼굴, 목 등 9개 부위로 구분한다.AIS was developed by the Association for the Advancement of Automotive Medicine (AAAM) to classify the severity and type of damage caused by automobile accidents and introduced in the Journal of the American Medical Association in 1971. is being used AIS divides the damaged area into 9 parts including the head, face, and neck.
Malliaris 등(1997)은 교통사고 발생 시 차량 탑승자가 사망할 확률, 탑승자의 상해 중증도가 MAIS 3+ 이상일 확률, 탑승자의 상해 중증도가 MAIS 2+ 일 확률을 구하는 로지스틱회귀모형을 개발하고, 교통사고 인명피해에 영향을 주는 사고속성을 분석하였다. 또한, 교통사고로 인한 상해 중증도에 가장 큰 영향을 주는 것은 충돌속도(Delta V)이며, 충격방향(PDOF, Principal Direction of Force), 탑승자 나이, 안전벨트 착용, 에어백 전개도 영향을 준다고 하였다. 아울러, 사고속성정보가 신속하고 적절한 응급치료 의사결정에 도움을 줄 수 있다고 하였다.Malliaris et al. (1997) developed a logistic regression model to find the probability that a vehicle occupant will die, the probability that the occupant's injury severity is MAIS 3+ or higher, and the probability that the occupant's injury severity is MAIS 2+ in the event of a traffic accident, Accident attributes affecting damage were analyzed. In addition, it was said that the impact speed (Delta V) has the greatest influence on the severity of injuries caused by traffic accidents, and the impact direction (PDOF, Principal Direction of Force), occupant age, seat belt wearing, and airbag deployment also have an effect. In addition, it was said that accident attribute information can help make quick and appropriate emergency treatment decisions.
NHTSA(2001)은 교통사고 자동통보체계(ACN, Automated Collision Notification) 현장시험을 통해 교통사고정보가 응급의료반 현장출동에 유용한 정보를 제공할 수 있다고 하였다. 아울러, 교통사고로 인한 탑승자의 상해는 차량 크기, 차량속도, 충격유형(전방/후방/측면/전복), 탑승위치, 안전장치(안전벨트, 에어백)에 의해 결정된다고 하였다. NHTSA (2001) stated that traffic accident information can provide useful information for emergency medical team dispatch to the scene through the Automated Collision Notification (ACN) field test. In addition, it was stated that the injuries of occupants due to traffic accidents are determined by vehicle size, vehicle speed, impact type (front/rear/side/overturn), boarding position, and safety devices (seat belt, airbag).
아래의 [수식 0]은 현장에서 관찰하여 획득한 운전자의 신체부위별 상해도가 적용된 식이다. [Equation 0] below is an expression in which the degree of injury for each body part of the driver obtained by observation at the site is applied.
[수식 0][Formula 0]
본 발명에서는, 탑승자 중 운전자의 신체부위별 상해도를 차량 센서가 수집할 수 있는 사고자료로 유의하게 추정할 수 있는 모형을 제공하고자 한다.In the present invention, an object of the present invention is to provide a model that can significantly estimate the degree of injury for each body part of the driver as accident data that the vehicle sensor can collect.
교통사고 발생 시 차량의 충돌속도에 따라 탑승자에게 가해지는 충격의 크기가 결정되고, 차량의 충격방향, 탑승자의 위치에 따라 충격이 가해지는 신체부위가 달라진다. 기존의 연구는 탑승자의 위치별, 부위별 상해도를 고려하지 않았다.When a traffic accident occurs, the size of the impact applied to the occupant is determined according to the collision speed of the vehicle, and the body part to which the impact is applied varies according to the direction of impact of the vehicle and the position of the occupant. Existing studies did not consider the degree of injury by location or part of the occupant.
본 발명에서는 탑승객의 부위에 따른 상해특성을 반영할 수 있도록 모형을 구성하였다. 좌석위치에 따른 영향을 배제하기 위해 운전자를 대상으로 모형을 구축하였고, 운전자의 성에 따른 상해 특성을 반영할 수 있도록 운전자 성별을 구분하였다.In the present invention, the model was configured to reflect the injury characteristics according to the part of the passenger. In order to exclude the influence of the seat position, a model was built for the driver, and the driver's gender was divided to reflect the injury characteristics according to the driver's gender.
사고차량을 충격방향별로 구분하고 충돌속도에 따른 성별, 부위별 운전자 중증상해 확률을 추정하는 이진선택 로지스틱회귀모형(logistic regression model)을 구성하였다. 신체 부위는 AIS code 9개 부위 중 화상을 제외한 8개 부위로 구분하고, 부위별 중증상해의 기준은 AIS 3 이상으로 정하였다.A binary selection logistic regression model was constructed to classify the accident vehicle by impact direction and estimate the probability of serious injury among drivers by gender and part according to the collision speed. Body parts were divided into 8 parts excluding burns among 9 parts of the AIS code, and the standard of severe symptom injury for each part was set as AIS 3 or higher.
충격방향(PDOF)에 따라 구분한 성(Gender)·부위(Body Region)별 중증상해 확률, 
[수식 1][Formula 1]
여기서 ω = β0 + β1 ·△Vwhere ω = β 0 + β 1 ΔV
신체부위를 구분하지 않은 기존 모형과의 비교를 위해 중증상해의 기준을 MAIS 3 이상, ISS 15 이상으로 설정한 로지스틱 회귀모형도 함께 구축하였다. 아울러, 충격방향을 구분하지 않고 범주형 설명변수로 설정한 모형도 구축하여 모형 평가에 사용하였다. 수식 2는 이를 반영한 것이다.For comparison with the existing model that does not distinguish body parts, a logistic regression model was also constructed in which the criteria for severe symptoms were set to MAIS 3 or higher and ISS 15 or higher. In addition, a model set as a categorical explanatory variable without classifying the impact direction was also constructed and used for model evaluation. Equation 2 reflects this.
[수식 2][Formula 2]
여기서 ω = β0 + β1 ·△V + β2 · PDOFwhere ω = β 0 + β 1 △V + β 2 PDOF
수식 2는 수식 1과는 다른 관점의 식으로서, PDOF값을 회귀모양의 하나의 텀으로 추가한 것이다. Equation 2 is an expression different from Equation 1, in which the PDOF value is added as one term of the regression shape.
모형의 매개변수(β0, β1)를 추정하기 위해서는 충돌속도, 충격방향 등 교통사고 특성, 교통사고 피해자의 부위별 상해도에 대한 조사자료가 필요하다. 국내에는 교통사고를 조사·분석하고, 인명피해를 상세하게 조사한 자료가 구축되어 있지 않아, 미국의 NASS-CDS(National Automotive Sampling System-Crashworthiness Data System) 자료를 사용하였다. In order to estimate the parameters (β 0 , β 1 ) of the model, it is necessary to obtain survey data on the characteristics of traffic accidents such as collision speed and impact direction, and the degree of injury for each part of the traffic accident victim. In Korea, there is no data that investigates and analyzes traffic accidents and investigates casualties in detail, so the US NASS-CDS (National Automotive Sampling System-Crashworthiness Data System) data was used.
NASS-CDS는 미국 교통부 교통안전국(NHTSA)이 경찰에 의해 보고된 자동차 교통사고 중 전체 교통사고를 대표할 수 있도록 지역, 사고차종, 사고유형에 따라 층화추출(stratifed sampling)한 교통사고(연간 4,700건)를 대상으로 심층조사하는 자료조사체계로 사고현장조사, 차량파손조사뿐만 아니라, 교통사고 피해자 의료기록조사, 피해자 면담, 사고 재구성을 통해 자료를 구축한다. The NASS-CDS is a traffic accident (4,700 per year) that the U.S. Department of Transportation's National Transportation Safety Administration (NHTSA) conducted stratifed sampling according to region, accident vehicle type, and accident type to represent all traffic accidents among automobile traffic accidents reported by the police. As a data investigation system that conducts an in-depth investigation of cases), data is constructed through accident site investigation and vehicle damage investigation as well as medical record investigation of traffic accident victims, interview with victims, and accident reconstruction.
본 발명에서는 충돌속도, 충격방향이 운전자의 부위별 상해 중증도에 미치는 영향을 분석하기 위하여 NASS-CDS 중 사고특성(충격방향과 출동속도)과 운전자부상(부위, 상해도) 자료를 추출하였다.In the present invention, accident characteristics (impact direction and dispatch speed) and driver injury (part, injury degree) data were extracted from NASS-CDS to analyze the effect of collision speed and impact direction on the severity of injuries by parts of the driver.
본 발명의 일 관점에 따른 교통사고 탑승자 상해 중증도 추정방법은, e-call 센터 서버가, 차량에 설치된 e-call 단말기가 획득한 것으로서, 상기 차량에 설치된 한 개 이상의 센서가 출력한 제1데이터 세트를 상기 e-call 단말기로부터 무선통신망을 통해 수신하는 단계,상기 e-call 센터 서버가, 상기 제1데이터 세트를 이용하여 상기 차량의 충돌속도를 산출하는 단계, 및 상기 e-call 센터 서버가, 미리 결정된 계수를 갖는 중상확률 추정식에 상기 충돌속도를 대입하여 상기 차량의 탑승자의 중증상해 확률을 추정하는 단계를 포함할 수 있다. 이때, 상기 중상확률 추정식은, 상기 충돌속도를 설명변수로 갖고, 상기 중증상해 확률을 종속변수로 갖는 것을 특징으로 할 수 있다.In a method for estimating the severity of injury to a traffic accident occupant according to an aspect of the present invention, the e-call center server is obtained by an e-call terminal installed in a vehicle, and a first data set output by one or more sensors installed in the vehicle Receiving from the e-call terminal through a wireless communication network, the e-call center server, calculating the collision speed of the vehicle using the first data set, and the e-call center server, The method may include estimating the probability of serious injury of an occupant of the vehicle by substituting the collision speed into a serious injury probability estimation equation having a predetermined coefficient. In this case, the serious injury probability estimation equation may have the collision speed as an explanatory variable and the severe injury probability as a dependent variable.
이때, 상기 e-call 단말기는, 상기 e-call 단말기에 설치된 충격센서가 소정 강도 이상의 충격을 감지하였을 때에, 상기 e-call 센터 서버가 상기 교통사고 탑승자 상해 중증도 추정방법을 실행하도록 트리거하는 신호를 상기 e-call 센터 서버에게 제공하도록 되어 있을 수 있다.At this time, the e-call terminal, when the shock sensor installed in the e-call terminal detects an impact of a predetermined strength or more, a signal triggering the e-call center server to execute the method for estimating the severity of the accident occupant injury It may be adapted to provide to the e-call center server.
이때, 상기 e-call 센터 서버가, 상기 제1데이터 세트를 이용하여 상기 차량에 가해진 충격의 방향을 나타내는 값인 PDOF를 산출하는 단계를 더 포함하며, 상기 중상확률 추정식은, 상기 PDOF를 범주형 설명변수로서 더 포함하고, 상기 e-call 센터 서버가, 상기 중상확률 추정식에 상기 충돌속도 및 상기 PDOF를 대입하여 상기 차량의 탑승자의 중증상해 확률을 추정하는 단계를 더 포함할 수 있다.In this case, the method further comprises the step of calculating, by the e-call center server, a PDOF, which is a value indicating the direction of the impact applied to the vehicle, using the first data set, wherein the serious injury probability estimation formula describes the PDOF as a categorical description It may further include as a variable, and the e-call center server may further include the step of estimating, by the e-call center server, the probability of serious injury of the occupant of the vehicle by substituting the collision speed and the PDOF into the serious injury probability estimation equation.
이때, 상기 PDOF는 상기 제1데이터 세트를 이용하여 추출된 진행방향 속도 누계와 측방향 속도 누계를 기초로 계산되는 것을 특징으로 할 수 있다.In this case, the PDOF may be calculated based on the accumulated forward speed and the accumulated lateral speed extracted using the first data set.
이때, 상기 e-call 센터 서버가, 상기 e-call 단말기에 포함된 OBD가 획득한 제2데이터 세트를 상기 e-call 단말기로부터 무선통신망을 통해 수신하는 단계, 상기 e-call 센터 서버가, 상기 제2데이터 세트를 기초로 상기 차량번호 또는 상기 차량의 차대번호를 확인하고, 그리고 상기 제2데이터 세트를 기초로 상기 차량 내의 각 좌석의 안전벨트 결착여부를 판단하는 단계, 및 상기 e-call 센터 서버가, 상기 제1데이터 세트를 이용하여 상기 차량에 가해진 충격의 방향을 나타내는 값인 PDOF를 산출하는 단계를 더 포함할 수 있다. 이때, 상기 중상확률 추정식의 계수들은, 상기 각 좌석의 안전벨트 결착여부에 의해 판단되는 상기 탑승자의 착석 위치, 상기 차량번호 또는 상기 차대번호에 의해 결정되는 상기 차량의 종류, 및 상기 PDOF 값에 따라 달라지도록 되어 있는 것을 특징으로 할 수 있다.At this time, the step of the e-call center server receiving the second data set obtained by the OBD included in the e-call terminal from the e-call terminal through a wireless communication network, the e-call center server, the Confirming the vehicle number or the vehicle identification number of the vehicle based on a second data set, and determining whether seat belts of each seat in the vehicle are fastened based on the second data set, and the e-call center The method may further include calculating, by the server, the PDOF, which is a value indicating the direction of the impact applied to the vehicle, by using the first data set. At this time, the coefficients of the serious injury probability estimation formula are the seated position of the occupant determined by whether the seat belts of each seat are fastened, the type of the vehicle determined by the vehicle number or the vehicle identification number, and the PDOF value. It may be characterized in that it is adapted to vary according to the present invention.
이때, 상기 중상확률 추정식은 [수식 1] 또는 [수식 2]로 주어지며, 상기 추정식의 계수(β0, β1, β2)는, 이미 발생했던 교통사고들을 분석하여 수집한 교통사고 별 충돌속도, 충격방향, 교통사고 피해자의 부위별 상해도를 기초로, 상기 수식 1 또는 상기 수식 2를 이용한 로지스틱 회귀분석을 수행하여 산출된 것일 수 있다.At this time, the serious injury probability estimation equation is given by [Equation 1] or [Equation 2], and the coefficients (β0, β1, β2) of the estimation equation are the collision speed for each traffic accident collected by analyzing the traffic accidents that have already occurred, It may be calculated by performing logistic regression analysis using Equation 1 or Equation 2 above based on the direction of impact and the degree of injury for each part of the traffic accident victim.
이때, [수식 1]은 
그리고 [수식 2]는 
본 발명의 일 관점에 따라 처리부를 포함하는 교통사고 탑승자 상해 중증도 추정서버를 제공할 수 있다. 이때, 상기 처리부는, 차량에 설치된 e-call 단말기가 획득한 것으로서, 상기 차량에 설치된 한 개 이상의 센서가 출력한 제1데이터 세트를 상기 e-call 단말기로부터 무선통신망을 통해 수신하는 단계, 상기 제1데이터 세트를 이용하여 상기 차량의 충돌속도를 산출하는 단계, 및 미리 결정된 계수를 갖는 중상확률 추정식에 상기 충돌속도를 대입하여 상기 차량의 탑승자의 중증상해 확률을 추정하는 단계를 수행하도록 되어 있으며, 상기 중상확률 추정식은, 상기 충돌속도를 설명변수로 갖고, 상기 중증상해 확률을 종속변수로 갖는 것을 특징으로 할 수 있다.According to an aspect of the present invention, it is possible to provide a traffic accident occupant injury severity estimation server including a processing unit. At this time, the processing unit, as obtained by the e-call terminal installed in the vehicle, receiving a first data set output by one or more sensors installed in the vehicle from the e-call terminal through a wireless communication network; Calculating the collision speed of the vehicle using one data set, and estimating the probability of serious injury of the occupant of the vehicle by substituting the collision speed into a serious injury probability estimation formula having a predetermined coefficient , the serious injury probability estimation equation may have the collision speed as an explanatory variable and the severe injury probability as a dependent variable.
본 발명에 따르면 탑승자 중 운전자의 신체부위별 상해도를 차량 센서가 수집할 수 있는 사고자료로 유의하게 추정할 수 있는 모형을 제공할 수 있다.According to the present invention, it is possible to provide a model capable of estimating the degree of injury by body part of a driver among occupants significantly as accident data that can be collected by a vehicle sensor.
도 1은 본 발명의 일 실시예에 따른 교통사고 탑승자 상해 중증도 추정을 위한 개략도를 나타낸 것이다.
도 2는 본 발명의 일 실시예에 따라 교통사고 탑승자 상해 중증도 추정을 위한 순서도를 나타낸 것이다.1 shows a schematic diagram for estimating the severity of injury to an occupant in a traffic accident according to an embodiment of the present invention.
2 is a flowchart for estimating the severity of injury to a traffic accident occupant according to an embodiment of the present invention.
이하, 본 발명의 실시예를 첨부한 도면을 참고하여 설명한다. 그러나 본 발명은 본 명세서에서 설명하는 실시예에 한정되지 않으며 여러 가지 다른 형태로 구현될 수 있다. 본 명세서에서 사용되는 용어는 실시예의 이해를 돕기 위한 것이며, 본 발명의 범위를 한정하고자 의도된 것이 아니다. 또한, 이하에서 사용되는 단수 형태들은 문구들이 이와 명백히 반대의 의미를 나타내지 않는 한 복수 형태들도 포함한다.Hereinafter, embodiments of the present invention will be described with reference to the accompanying drawings. However, the present invention is not limited to the embodiments described herein and may be implemented in various other forms. The terminology used in this specification is intended to help the understanding of the embodiment, and is not intended to limit the scope of the present invention. Also, singular forms used hereinafter include plural forms unless the phrases clearly indicate the opposite.
도 1은 본 발명의 일 실시예에 따른 교통사고 탑승자 상해 중증도 추정을 위한 개략도를 나타낸 것이다. 1 shows a schematic diagram for estimating the severity of injury to a traffic accident occupant according to an embodiment of the present invention.
차량(10)은 e-call 단말기(12)를 포함하고 있을 수 있으며, 차량 내부에 차대번호(13)가 적혀있을 수 있다.The
교통사고 탑승자 상해 중증도 추정을 위한 구성으로서, 차량(10) 내부에 설치된 e-call 단말기(12)와 e-call 센터 서버(20)를 포함할 수 있다. As a configuration for estimating the severity of the accident occupant injury, the
이때, 상기 e-call 단말기(12)와 e-call 센터 서버(20)는 무선통신망(30)을 통해 서로 통신할 수 있다.In this case, the
이때, 상기 e-call 단말기(12)는 충격센서(121) 및 OBD(122)를 포함하고 있을 수 있다.In this case, the
상기 e-call 단말기(12)는, 상기 e-call 단말기(12)에 설치된 충격센서(121)가 소정 강도 이상의 충격을 감지하였을 때에, 상기 e-call 센터 서버(20)가 상기 교통사고 탑승자 상해 중증도 추정방법을 실행하도록 트리거하는 신호를 상기 e-call 센터 서버(20)에게 제공하도록 되어 있을 수 있다.The
도 2는 본 발명의 일 실시예에 따라 교통사고 탑승자 상해 중증도 추정을 위한 순서도를 나타낸 것이다.2 is a flowchart for estimating the severity of injury to a traffic accident occupant according to an embodiment of the present invention.
단계(S10)에서, e-call 센터 서버(20)가, 차량에 설치된 e-call 단말기(12)가 획득한 것으로서, 상기 차량에 설치된 한 개 이상의 센서가 출력한 제1데이터 세트를 상기 e-call 단말기로부터 무선통신망을 통해 수신할 수 있다.In step S10, the
단계(S20)에서, e-call 센터 서버(20)가, e-call 단말기(12)의 OBD가 획득한 제2데이터 세트를 무선통신망을 통해 수신할 수 있다.In step S20 , the
단계(S30)에서, e-call 센터 서버(20)가, 상기 제2데이터 세트를 기초로 상기 차량번호 또는 상기 차량의 차대번호를 확인하고, 상기 제2데이터 세트를 기초로 상기 차량 내의 각 좌석의 안전벨트 결착여부를 판단할 수 있다.In step S30, the
단계(S40)에서, e-call 센터 서버(20)가, 상기 제1데이터 세트를 이용하여 상기 차량의 충돌속도를 산출할 수 있다.In step S40, the
단계(S50)에서, e-call 센터 서버(20)가, 상기 제1데이터 세트를 이용하여 상기 차량에 가해진 충격의 방향을 나타내는 값인 PDOF를 산출할 수 있다. In step S50, the
이때, 상기 PDOF는 상기 제1데이터 세트를 이용하여 추출된 진행방향 속도 누계와 측방향 속도 누계를 기초로 계산될 수 있다.In this case, the PDOF may be calculated based on the accumulated forward speed and the accumulated lateral speed extracted using the first data set.
단계(S60)에서, e-call 센터 서버(20)가, 미리 결정된 계수를 갖는 중상확률 추정식에 상기 충돌속도 및 상기 PDOF를 대입하여 상기 차량의 탑승자의 중증상해 확률을 추정할 수 있다.In step S60, the
이때, 상기 중상확률 추정식은, 상기 충돌속도를 설명변수로 갖고, 상기 중증상해 확률을 종속변수로 가질 수 있다. 이때, 상기 중상확률 추정식은 PDOF를 범주형 설명변수로서 더 포함할 수 있다.In this case, the serious injury probability estimation equation may have the collision speed as an explanatory variable and the severe injury probability as a dependent variable. In this case, the estimating equation for the probability of severe injury may further include PDOF as a categorical explanatory variable.
그리고 상기 중상확률 추정식의 계수들은, 상기 각 좌석의 안전벨트 결착여부에 의해 판단되는 상기 탑승자의 착석 위치, 상기 차량번호 또는 상기 차대번호에 의해 결정되는 상기 차량의 종류, 및 상기 PDOF 값에 따라 달라지도록 되어 있을 수 있다.In addition, the coefficients of the serious injury probability estimation formula are based on the seating position of the occupant determined by whether the seat belts of each seat are fastened, the type of the vehicle determined by the vehicle number or the vehicle identification number, and the PDOF value. may be set to vary.
이때, 상기 중상확률 추정식은 [수식 1] 또는 [수식 2]로 주어질 수 있다.In this case, the serious injury probability estimation formula may be given by [Equation 1] or [Equation 2].
[수식 1][Formula 1]
여기서 ω = β0 + β1·△Vwhere ω = β 0 + β 1 ΔV
[수식 2][Formula 2]
여기서 ω = β0 + β1·△V + β2·PDOFwhere ω = β 0 + β 1 △V + β 2 PDOF
상기 추정식의 계수(β0, β1, β2)는, 이미 발생했던 교통사고들을 분석하여 수집한 교통사고 별 충돌속도, 충격방향, 교통사고 피해자의 부위별 상해도를 기초로, 상기 [수식 1] 또는 상기 [수식 2]를 이용한 로지스틱 회귀분석을 수행하여 산출된 것일 수 있다. The coefficients (β 0 , β 1 , β 2 ) of the above estimation formulas are based on the collision speed, impact direction, and injury degree for each part of the traffic accident victim, collected by analyzing traffic accidents that have already occurred. It may be calculated by performing logistic regression analysis using Equation 1] or [Equation 2].
도 2에 제시한 실시예에서, e-call 단말기(12)는 차량에 설치된 스마트 기기와 OBD를 모두 포함하는 개념일 수 있다.In the embodiment shown in FIG. 2 , the
도 2로부터 변형된 일 실시예에서, OBD가 제공하던 정보를 상기 스마트 기기가 자체적으로 획득할 수도 있다. 이 경우 e-call 단말기(12)는 상기 OBD가 생략된 상태로 정의될 수도 있다.In an embodiment modified from FIG. 2 , the smart device may autonomously acquire information provided by OBD. In this case, the
도 2로부터 변형된 다른 실시예에서, e-call 센터 서버는 상기 제2데이터 세트를 사용해야 하는 기능을 수행하지 않을 수도 있다. 이 경우 이 경우 e-call 단말기(12)는 상기 OBD가 생략된 상태로 정의될 수도 있다.In another embodiment modified from FIG. 2 , the e-call center server may not perform the function of using the second data set. In this case, the
상술한 본 발명의 실시예들을 이용하여, 본 발명의 기술 분야에 속하는 자들은 본 발명의 본질적인 특성에서 벗어나지 않는 범위 내에 다양한 변경 및 수정을 용이하게 실시할 수 있을 것이다. 특허청구범위의 각 청구항의 내용은 본 명세서를 통해 이해할 수 있는 범위 내에서 인용관계가 없는 다른 청구항에 결합될 수 있다.By using the above-described embodiments of the present invention, those skilled in the art will be able to easily implement various changes and modifications within the scope without departing from the essential characteristics of the present invention. The content of each claim in the claims may be combined with other claims without reference within the scope that can be understood through this specification.
Claims (7)
상기 e-call 센터 서버가, 상기 제1데이터 세트를 이용하여 상기 차량의 충돌속도 및 상기 차량에 가해진 충격의 방향을 나타내는 값인 PDOF를 산출하는 단계;
상기 e-call 센터 서버가, 상기 e-call 단말기에 포함된 OBD가 획득한 제2데이터 세트를 상기 e-call 단말기로부터 무선통신망을 통해 수신하는 단계;
상기 e-call 센터 서버가, 상기 제2데이터 세트를 기초로 차량번호 또는 상기 차량의 차대번호를 확인하고, 그리고 상기 제2데이터 세트를 기초로 상기 차량 내의 각 좌석의 안전벨트 결착여부를 판단하는 단계; 및
상기 e-call 센터 서버가, 미리 결정된 계수를 갖는 중상확률 추정식에 상기 충돌속도를 대입하여 상기 차량의 탑승자의 중증상해 확률을 추정하는 단계
를 포함하며,
상기 중상확률 추정식은, 상기 충돌속도를 설명변수로 갖고, 상기 중증상해 확률을 종속변수로 갖고, 그리고
상기 중상확률 추정식의 계수들은, 상기 각 좌석의 안전벨트 결착여부에 의해 판단되는 상기 탑승자의 착석 위치, 상기 차량번호 또는 상기 차대번호에 의해 결정되는 상기 차량의 종류, 및 상기 PDOF 값에 따라 달라지도록 되어 있는 것을 특징으로 하는,
교통사고 탑승자 상해 중증도 추정방법.Receiving, by the e-call center server, a first data set obtained by the e-call terminal installed in the vehicle, and output by one or more sensors installed in the vehicle, from the e-call terminal through a wireless communication network;
calculating, by the e-call center server, a value indicating a collision speed of the vehicle and a direction of an impact applied to the vehicle, using the first data set, a PDOF;
receiving, by the e-call center server, a second data set obtained by the OBD included in the e-call terminal from the e-call terminal through a wireless communication network;
The e-call center server checks the vehicle number or the vehicle identification number of the vehicle based on the second data set, and determines whether the seat belts of each seat in the vehicle are fastened based on the second data set step; and
estimating, by the e-call center server, the probability of serious injury of the occupant of the vehicle by substituting the collision speed into a serious injury probability estimation equation having a predetermined coefficient
includes,
The serious injury probability estimation formula has the collision speed as an explanatory variable, the severe injury probability as a dependent variable, and
The coefficients of the serious injury probability estimation formula vary depending on the seating position of the occupant determined by whether the seat belt of each seat is fastened, the type of the vehicle determined by the vehicle number or the vehicle identification number, and the PDOF value characterized in that it is designed to be
A method for estimating the severity of injuries to occupants in traffic accidents.
상기 중상확률 추정식은, 상기 PDOF를 범주형 설명변수로서 더 포함하고,
상기 중증상해 확률을 추정하는 단계는, 상기 e-call 센터 서버가, 상기 중상확률 추정식에 상기 충돌속도 및 상기 PDOF를 대입하여 상기 차량의 탑승자의 중증상해 확률을 추정하는 단계를 포함하는,
교통사고 탑승자 상해 중증도 추정방법.According to claim 1,
The sever probability estimation formula further includes the PDOF as a categorical explanatory variable,
The step of estimating the probability of serious injury includes, by the e-call center server, estimating, by the e-call center server, the probability of serious injury of the occupant of the vehicle by substituting the collision speed and the PDOF into the serious injury probability estimation equation.
A method of estimating the severity of injuries to occupants in traffic accidents.
상기 중상확률 추정식은 [수식 1] 또는 [수식 2]로 주어지며,
상기 추정식의 계수(β0, β1, β2)는, 이미 발생했던 교통사고들을 분석하여 수집한 교통사고 별 충돌속도(△V), 충격방향(PDOF), 교통사고 피해자의 부위별 상해도를 기초로, 상기 수식 1 또는 상기 수식 2를 이용한 로지스틱 회귀분석을 수행하여 산출된 것인,
교통사고 탑승자 상해 중증도 추정방법.
[수식 1]
여기서 ω = β0 + β1 ·△V
[수식 2]
여기서 ω = β0 + β1 ·△V + β2 · PDOFAccording to claim 1,
The estimating equation for the probability of severe injury is given by [Equation 1] or [Equation 2],
The coefficients (β 0 , β 1 , β 2 ) of the above estimation formulas are the collision speed (ΔV), impact direction (PDOF), and injuries by parts of traffic accident victims collected by analyzing traffic accidents that have already occurred. Based on the figure, it is calculated by performing logistic regression analysis using Equation 1 or Equation 2,
A method of estimating the severity of injuries to occupants in traffic accidents.
[Formula 1]
where ω = β 0 + β 1 ΔV
[Equation 2]
where ω = β 0 + β 1 △V + β 2 PDOF
상기 처리부는,
차량에 설치된 e-call 단말기가 획득한 것으로서, 상기 차량에 설치된 한 개 이상의 센서가 출력한 제1데이터 세트를 상기 e-call 단말기로부터 무선통신망을 통해 수신하는 단계;
상기 제1데이터 세트를 이용하여 상기 차량의 충돌속도 및 상기 차량에 가해진 충격의 방향을 나타내는 값인 PDOF를 산출하는 단계;
상기 e-call 단말기에 포함된 OBD가 획득한 제2데이터 세트를 상기 e-call 단말기로부터 무선통신망을 통해 수신하는 단계;
상기 제2데이터 세트를 기초로 차량번호 또는 상기 차량의 차대번호를 확인하고, 그리고 상기 제2데이터 세트를 기초로 상기 차량 내의 각 좌석의 안전벨트 결착여부를 판단하는 단계; 및
미리 결정된 계수를 갖는 중상확률 추정식에 상기 충돌속도를 대입하여 상기 차량의 탑승자의 중증상해 확률을 추정하는 단계;
를 수행하도록 되어 있으며,
상기 중상확률 추정식은, 상기 충돌속도를 설명변수로 갖고, 상기 중증상해 확률을 종속변수로 갖고. 그리고
상기 중상확률 추정식의 계수들은, 상기 각 좌석의 안전벨트 결착여부에 의해 판단되는 상기 탑승자의 착석 위치, 상기 차량번호 또는 상기 차대번호에 의해 결정되는 상기 차량의 종류, 및 상기 PDOF 값에 따라 달라지도록 되어 있는 것을 특징으로 하는,
교통사고 탑승자 상해 중증도 추정서버.As a traffic accident occupant injury severity estimation server including a processing unit,
The processing unit,
Receiving the first data set obtained by the e-call terminal installed in the vehicle and output by one or more sensors installed in the vehicle from the e-call terminal through a wireless communication network;
calculating a PDOF, which is a value indicating a collision speed of the vehicle and a direction of an impact applied to the vehicle, using the first data set;
receiving a second data set obtained by the OBD included in the e-call terminal from the e-call terminal through a wireless communication network;
checking a vehicle number or a vehicle identification number of the vehicle based on the second data set, and determining whether each seat in the vehicle is seated with a seat belt based on the second data set; and
estimating a serious injury probability of an occupant of the vehicle by substituting the collision speed into a serious injury probability estimation equation having a predetermined coefficient;
is to perform,
The serious injury probability estimation formula has the collision speed as an explanatory variable and the severe injury probability as a dependent variable. and
The coefficients of the serious injury probability estimation formula vary depending on the seating position of the occupant determined by whether the seat belt of each seat is fastened, the type of the vehicle determined by the vehicle number or the vehicle identification number, and the PDOF value characterized in that it is designed to be
Traffic accident occupant injury severity estimation server.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020170152453A KR102412310B1 (en) | 2017-11-15 | 2017-11-15 | Method for estimating passenger injury severity in traffic collisions |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020170152453A KR102412310B1 (en) | 2017-11-15 | 2017-11-15 | Method for estimating passenger injury severity in traffic collisions |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20190055584A KR20190055584A (en) | 2019-05-23 |
| KR102412310B1 true KR102412310B1 (en) | 2022-06-24 |
Family
ID=66681257
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020170152453A KR102412310B1 (en) | 2017-11-15 | 2017-11-15 | Method for estimating passenger injury severity in traffic collisions |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102412310B1 (en) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111582368A (en) * | 2020-05-07 | 2020-08-25 | 中南大学 | Comprehensive evaluation method for safety performance of passenger vehicle based on accident statistical data |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20050006914A (en) * | 2003-07-10 | 2005-01-17 | 현대자동차주식회사 | System for analyzing accident information for vehicle and method for the same |
| KR101444231B1 (en) * | 2012-12-14 | 2014-09-26 | 이충훈 | Range hood system and the control method of the same |
| KR101498993B1 (en) * | 2013-06-14 | 2015-03-11 | 건국대학교 산학협력단 | Method of Real time transmission providing the information of accident vehicle to standardize vehicle damage by accident, to predict occupant's injury from vehicle crash, and computer-readable recording medium for the same |
| KR102196999B1 (en) * | 2014-06-24 | 2020-12-30 | 현대모비스 주식회사 | Apparatus and method for emergency rescue service of emergency call system |
| KR20160115449A (en) * | 2015-03-27 | 2016-10-06 | 연세대학교 원주산학협력단 | Database for moving vehicle accident - human body injury and method for building up thereof |
-
2017
- 2017-11-15 KR KR1020170152453A patent/KR102412310B1/en active IP Right Grant
Non-Patent Citations (2)
| Title |
|---|
| 김승기, 최형연,"자동차 정면충돌에서 자동차 영구 변형량에 따른 승객 상해 추정", Transactions of KSAE, Vol.21, No.2, pp.63-71, 2013. |
| 박상조, 유형목, 정소담, 정경민,"교통사고 운전자 상해 중증도 추정", 교통연구, Vol.24, No.5, pp.1-15, 2017.03. |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20190055584A (en) | 2019-05-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11610684B2 (en) | Automated system and method for evaluation and report of passenger pain and trauma in a vehicular crash | |
| US20020103622A1 (en) | Decision-aid system based on wirelessly-transmitted vehicle crash sensor information | |
| Malliaris et al. | Relationships between crash casualties and crash attributes | |
| EP1636774B1 (en) | Distress call device for a motor vehicle | |
| US8335616B2 (en) | Individualizable post-crash assist system | |
| Augenstein et al. | Characteristics of crashes that increase the risk of serious injuries | |
| CN110648075A (en) | Driving safety evaluation method and device | |
| Nishimoto et al. | Serious injury prediction algorithm based on large-scale data and under-triage control | |
| JP6301758B2 (en) | Driver crisis management device, driver crisis management method, and driver crisis management program | |
| US20170129435A1 (en) | Vehicle communication system, vehicle, communication system and method for processing vehicle crash data | |
| US20200160994A1 (en) | Occupant injury determination systems for vehicles and methods incorporating the same | |
| Davidson et al. | Validation of prehospital trauma triage criteria for motor vehicle collisions | |
| US20220092891A1 (en) | Passive safety design systems and methods | |
| US20210237744A1 (en) | Management assistance system | |
| US10165429B1 (en) | Systems and methods for facilitating vehicle incident communications | |
| KR101647634B1 (en) | Apparatus and method for handling emergency situation of wheel chair a passenger | |
| KR101498993B1 (en) | Method of Real time transmission providing the information of accident vehicle to standardize vehicle damage by accident, to predict occupant's injury from vehicle crash, and computer-readable recording medium for the same | |
| KR102412310B1 (en) | Method for estimating passenger injury severity in traffic collisions | |
| Kumar et al. | Smart characterization of vehicle impact and accident reporting system | |
| Schiff et al. | The effect of air bags on pregnancy outcomes in Washington State: 2002–2005 | |
| WO2019136201A1 (en) | Vehicular artificial intelligence triage of collisions | |
| SE539493C2 (en) | Driver warning and limitation of vehicle performance in the event of an accident | |
| JP2002127857A (en) | Emergency alarm system for automobile | |
| KR20170126244A (en) | System and Method for Guiding Driver's State of Accidient Vehicle | |
| Vaca et al. | Crash injury prediction and vehicle damage reporting by paramedics |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| N231 | Notification of change of applicant | ||
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |