KR102482529B1 - 클라우드 기반의 운전자-맞춤형 서비스를 제공하는 클라우드 서버, 상기 클라우드 서버를 포함하는 운용 시스템 및 그 시스템의 운용 방법 - Google Patents

클라우드 기반의 운전자-맞춤형 서비스를 제공하는 클라우드 서버, 상기 클라우드 서버를 포함하는 운용 시스템 및 그 시스템의 운용 방법 Download PDF

Info

Publication number
KR102482529B1
KR102482529B1 KR1020180134971A KR20180134971A KR102482529B1 KR 102482529 B1 KR102482529 B1 KR 102482529B1 KR 1020180134971 A KR1020180134971 A KR 1020180134971A KR 20180134971 A KR20180134971 A KR 20180134971A KR 102482529 B1 KR102482529 B1 KR 102482529B1
Authority
KR
South Korea
Prior art keywords
driver
vehicle
information
driving
digital
Prior art date
Application number
KR1020180134971A
Other languages
English (en)
Other versions
KR20190051857A (ko
Inventor
김휘
최진규
신성웅
최현균
Original Assignee
한국전자통신연구원
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 한국전자통신연구원 filed Critical 한국전자통신연구원
Priority to US16/182,187 priority Critical patent/US20190135303A1/en
Publication of KR20190051857A publication Critical patent/KR20190051857A/ko
Application granted granted Critical
Publication of KR102482529B1 publication Critical patent/KR102482529B1/ko

Links

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
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R16/00—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for
    • B60R16/02—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements
    • B60R16/037—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements for occupant comfort, e.g. for automatic adjustment of appliances according to personal settings, e.g. seats, mirrors, steering wheel
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Operations Research (AREA)
  • Traffic Control Systems (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)

Abstract

본 발명의 디지털 운전석 시스템은 클라우드 서버와 통신하며, 클라우드 서버로부터 수신한 운전자-맞춤형 파라미터를 이용하여 차량 내부 시스템의 출력 결과를 개인 운전자의 개인 운전 성향에 최적화된 HMI 출력정책에 따라 출력한다.

Description

클라우드 기반의 운전자-맞춤형 서비스를 제공하는 클라우드 서버, 상기 클라우드 서버를 포함하는 운용 시스템 및 그 시스템의 운용 방법{cloud sever for providing driver-customized service based on cloud, operation system comprising the cloud sever and operation method thereof}
본 발명은 클라우드 기반의 운전자-맞춤형 서비스를 제공하는 디지털 운전석 플랫폼(digital cockpit platform)에 관한 것이다.
잘 알려진 바와 같이, 차량에 탑재되는 지능형 운전자 보조 시스템은 운전자의 편의 및 안전을 위한 다양한 서비스를 제공하기 위해 개발된 시스템이다.
현재 출시되고 있는 운전자 보조 시스템은 운전자의 운전성향을 고려하지 않고, 일반화된 운전 보조 서비스를 제공한다. 이러한 이유로, 운전자는 자신의 운전성향에 따라 안전 및 편의 시스템에 대한 만족도가 상이하다. 뿐만 아니라, 기능 및 성능 개선을 위한 업그레이드 및 업데이트를 위해, 서비스 센터를 방문하는 번거로움이 있다.
본 발명의 목적은 서비스 센터의 방문 없이, 운전자의 운전성향을 고려하여 운전 보조 시스템과 같은 차량 내부 시스템을 업데이트할 수 있는 클라우드 서버, 상기 클라우드 서버를 포함하는 운용 시스템 및 그 시스템의 운용 방법을 제공하는 데 있다.
상술한 목적을 달성하기 위한 본 발명의 클라우드 서버는, 프로세서 모듈; 및 및 상기 디지털 운전석 시스템과 통신하는 통신모듈을 포함하고, 상기 프로세서 모듈은, 상기 운전 보조 정보를 개인 운전자의 개인 운전 성향에 커스터마이즈하기 위해, 상기 통신 모듈을 통하여, 상기 디지털 운전석 시스템으로부터 상기 개인 운전자의 개인 차량 정보를 수집하고, 사전에 구축된 기계 학습 모델을 이용하여, 상기 수집된 개인 차량 정보에 따른 상기 개인 운전 성향을 결정하고, 상기 결정된 개인 운전 성향에 따른 상기 운전자-맞춤형 파라미터를 생성하고, 상기 디지털 운전석 시스템이 상기 운전자-맞춤형 파라미터를 기반으로 상기 운전 보조 정보의 출력 정책에 적용하도록, 상기 운전자-맞춤형 파라미터를 상기 통신 모듈을 통해 상기 디지털 운전석 시스템으로 전송한다.
본 발명에 따른 운용 시스템은, 차량의 내부 통신망을 통하여, 운전자 보조 시스템으로부터 개인 운전자의 안전과 편의와 관련된 운전 보조 정보를 수신하고, 상기 운전 보조 정보를 HMI 기반의 출력정책(이하, HMI 출력정책)에 따라 출력하고, 상기 차량의 내부 통신망을 통하여, 다수의 차량 센서로부터 개인 운전자의 개인 차량 정보를 수집하는 디지털 운전석 시스템; 및 상기 운전 보조 정보를 상기 개인 운전자의 상기 개인 운전 성향에 커스터마이즈하기 위해, 무선망을 통하여, 상기 디지털 운전석 시스템으로부터 상기 개인 차량 정보를 수집하고, 사전에 구축된 기계 학습 모델을 이용하여, 상기 수집된 개인 차량 정보에 따른 운전자-맞춤형 파라미터를 예측하고, 상기 운전자-맞춤형 파라미터를 상기 무선망을 통하여, 상기 디지털 운전석 시스템으로 전송하는 클라우드 서버;를 포함하고, 상기 디지털 운전석 시스템은 상기 운전자-맞춤형 파라미터를 상기 HMI 출력정책에 적용한다.
본 발명에 따른 운용 시스템의 운용 방법은, 상기 디지털 운전석 시스템이, 차량 내의 센서들로부터 수신한 다수의 주행 정보를 포함하는 개인 차량 정보를 수집하는 단계; 상기 클라우드 서버가, 상기 디지털 운전석 시스템에게 상기 개인 차량 정보를 요청하는 요청 메시지를 전송하는 단계; 상기 디지털 운전석 시스템이, 상기 요청 메시지에 응답하여 상기 개인 차량 정보를 상기 클라우드 서버에게 전송하는 단계; 상기 클라우드 서버가, 기계 학습 모델을 이용하여, 상기 개인 차량 정보에 대응하는 개인 운전 성향을 결정하고, 상기 결정된 개인 운전 성향에 따른 상기 운전자-맞춤형 파라미터를 생성하고, 상기 운전자-맞춤형 파라미터를 상기 디지털 운전석 시스템에게 전송하는 단계; 및 상기 디지털 운전석 시스템이, 상기 클라우드 서버로부터 수신한 운전자-맞춤형 파라미터를 상기 운전자 보조 시스템으로부터 수신한 운전 보조 정보의 출력 정책에 적용하는 단계를 포함한다.
본 발명에 따르면, 클라우드 서버와 연동하는 디지털 운전석 시스템은, 차량 내부 시스템에서 제공하는 서비스를 개인 운전 성향에 커스터마이징하기 위해, 클라우드 서버를 이용하여 차량 내부 시스템에서 제공하는 서비스를 지능적으로 업데이트함으로써, 사용자가 차량 내부 시스템의 기능을 직접 업데이트하지 않고서도 차량 내부 시스템의 만족도를 향상시킬 수 있다.
또한, 본 발명의 디지털 운전석 시스템은 차량이 주차 또는 정차할 때마다 수집한 정보를 축적하여, 그 축적된 정보를 기반으로 차량 내부 시스템에서 제공하는 서비스를 지속적으로 업데이트함으로써, 본 발명의 디지털 운전석 시스템을 통해 다양한 고객 맞춤형 서비스를 제공할 수 있다.
도 1은 본 발명의 실시 예에 따른 운용 시스템을 보여주는 블록도이다.
도 2는 본 발명의 실시 예에 따른 디지털 운전석 시스템의 내부 구성을 개략적으로 도시한 블록도이다.
도 3은 도 2에 도시한 디지털 운전석 시스템의 출력 정책의 일 예를 설명하기 위한 도면이다.
도 4는 도 2에 도시한 디지털 운전석 시스템의 출력 정책의 다른 예를 설명하기 위한 도면이다.
도 5은 본 발명의 실시 예에 따른 클라우드 서버의 내부 구성을 개략적으로 도시한 블록도이다.
도 6는 본 발명의 다른 실시 예에 따른 운용 시스템을 보여주는 블록도이다.
도 7는 본 발명의 실시 예에 따른 로컬 서버의 내부 구성을 개략적으로 도시한 블록도이다.
도 8은 본 발명의 일 실시 예에 따른 운용 시스템의 운용 방법을 보여주는 신호 흐름도이다.
도 9은 본 발명의 다른 실시 예에 따른 운용 시스템의 운용 방법을 보여주는 신호 흐름도이다.
이하 첨부된 도면을 참조하면서 오로지 예시를 위한 실시예들을 상세히 설명하기로 한다. 하기 실시예는 기술적 사상을 구체화하기 위한 것일 뿐 권리범위를 제한하거나 한정하는 것이 아님은 물론이다. 상세한 설명 및 실시 예로부터 해당 기술분야에 속하는 전문가가 용이하게 유추할 수 있는 것은 권리범위에 속하는 것으로 해석된다.
본 명세서에서 사용되는 "구성된다" 또는 "포함한다" 등의 용어는 명세서 상에 기재된 여러 구성 요소들, 도는 여러 단계들을 반드시 모두 포함하는 것으로 해석되지 않아야 하며, 그 중 일부 구성 요소들 또는 일부 단계들은 포함되지 않을 수도 있고, 또는 추가적인 구성 요소 또는 단계들을 더 포함할 수 있는 것으로 해석되어야 한다. 또한, 명세서에 기재된 "...부", "모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있다.
도 1은 본 발명의 실시 예에 따른 운용 시스템을 보여주는 블록도이다.
도 1을 참조하면, 본 발명의 실시 예에 따른 운용 시스템은 디지털 운전석 시스템(100) 및 디지털 운전석 시스템(100)과 통신 가능한 클라우드 서버(300)를 포함한다.
디지털 운전석 시스템(100, digital cockpit system)은 승용차(car), 상용차(commercial vehicle), 승합차(vans), 렌터카, 카셰어링 차량(car-sharing vehicle)와 같은 다양한 차량(20)에 탑재된다.
디지털 운전석 시스템(100)은 차량(20)의 중요한 정보와 기능을 중앙 화면으로 조작할 수 있게 하는 HMI(Human-Machine Interface) 기능을 지원하는 시스템일 수 있다.
디지털 운전석 시스템(100)은 다수의 차량 센서들(S1, S2, … Sn)을 포함하는 센서 그룹(120)으로부터 다양한 주행 정보들을 수집하고, 운전자 보조 시스템(130, Advanced Driver Assistance Systems)과 같은 차량 내부 시스템으로부터 다수의 운전 보조 정보를 수신할 수 있다.
차량 센서들(S1, S2, … Sn)은, 예를 들면, 연료 압력 센서(Fuel Pressure Sensor, FPS), 가속 페달 센서(Accelerato Position Sensor, APS), 브레이크 페달 센서(Brake pedal Sensor, BPS), 거리 센서(초음파 센서, 레이더, 레이다), 카메라(컬러 카메라 스테레오 카메라), 공조기(air conditioner)의 풍량 조절을 위한 온도/습도 센서, 네비게이션 등을 포함한다.
차량 센서들(S1, S2, … Sn)로부터 수집되는 정보들은, 예를 들면, FPS에서 측정한 연료 분사량, APS에서 측정한 가속 페달값, 브레이크 페달 센서에서 측정한 페달 압력값, 거리 센서에서 측정한 주변 장애물과의 거리값, 카메라에서 촬영한 운전자 얼굴 이미지, 온도/습도 센서에서 측정한 차량 내의 온도/습도값, GPS 센서, 차량 자세를 측정하는 센서(자이로 센서, 가속도 센서), 차량 속도 센서 등을 포함한다.
차량 센서들(S1, S2, … Sn)로부터 수집되는 정보들은 개인 운전자의 개인 운전성향을 분석하기 위한 정보로 활용된다.
운전자 보조 시스템(130)은, 예를 들면, 차선 이탈 경고 시스템(Lane Departure Warning system, LDWS)(132), 전방 충돌 경고 시스템(Forward Collision Warning system, FCWS)(134) 및 운전자상태 모니터링 시스템(Driver Status Monitoring system, DSMS)(136) 중 적어도 하나를 포함할 수 있다. 도시하지는 않았으나, 운전자 보조 시스템(130)은 자율 주행 시스템(Adaptive Cruise Control, ACC)을 더 포함할 수 있다. 차선 이탈 경고 시스템은 차선 유지 보조 시스템(Lane Keeping Assist System, LKAS)으로 불릴 수도 있다. 본 발명은 시스템들(132, 134, 136)을 한정하는 데 특징이 있는 것이 아니므로, 이에 대한 설명은 생략한다.
운전자 보조 시스템(130)으로부턱 획득되는 운전 보조 정보는, 예를 들면, LDWS (132)로부터 수신되는 차선 이탈 경보 정보, FCWS (134)로부터 수신되는 전방 차량 충돌 경보 정보 및 DSMS (136)로부터 수신되는 졸음 운전 경보 정보 중에서 적어도 하나를 포함할 수 있다.
각 정보는 운전 보조 서비스의 종류를 나타내는 식별자와 차량(20)의 실제 주행 상태를 나타내는 실제 상태값을 포함하도록 구성될 수 있다.
차선 이탈 경보 정보에 포함된 식별자는, 차선 이탈 경보의 발생을 명령하는 식별자일 수 있고, 전방 차량 충돌 경보 정보에 포함된 식별자는 전방 차량 충돌 경보의 발생을 명령하는 식별자일 수 있고, 졸음 운전 경보 정보에 포함된 식별자는 졸음 운전 경보 정보의 발생을 명령하는 식별자일 수 있다.
차선 이탈 경보 정보에 포함된 실제 상태값은 차선 표시선과 현재 주행인 차량(20) 사이의 실제 거리값이고, 전방 차량 충돌 경보 정보에 포함된 실제 상태값은 전방 차량과 현재 주행인 차량(20) 사이의 실제 차간 거리값일 수 있다.
디지털 운전석 시스템(100)은 유무선망을 통하여, 사용자 단말(10)로부터 운전자 정보를 수집할 수 있다. 운전자 정보는, 예를 들면, 운전자의 연령, 이름, 나이, 성별, 운전 경력, 사고 이력, 운전자가 설정한 ID/패스워드, 차종 등과 관련된 정보들을 포함할 수 있다. 이러한 운전자 정보는 운전자가 사용자 단말(10)에 직접 입력하는 정보일수 있다. 운전자 정보는, 이전의 주행 경로 정보를 더 포함할 수 있다. 이전의 주행 경로 정보는 네비게이션으로부터 획득할 수 있다.
사용자 단말(10)에는 본 발명에 따른 서비스를 제공하는 애플리케이션이 설치되며, 운전자는 설치된 애플리케이션의 요청에 따라 운전자 정보를 사용자 단말(10)에 구비된 입력수단을 통해 사용자 단말(10)에 입력할 수 있다. 이러한 운전자 정보는 클라우드 서버(300)에서 사용자 단말(10)을 등록하기 위한 등록 정보로 활용될 수 있다.
사용자 단말(10)은 스마트 폰(smartphone), 태블릿 PC(tablet personal computer), 이동 전화기(mobile phone), 비디오 전화기, 전자북 리더기(e-book reader), 데스크탑 PC(desktop personal computer), 랩탑 PC(laptop personal computer), 넷북 컴퓨터(netbook computer), PDA(personal digital assistant), PMP(portable multimedia player), MP3 플레이어, 모바일 의료기기, 카메라(camera), 또는 웨어러블 장치(wearable device)(예: 전자 안경과 같은 head-mounted-device(HMD), 전자 의복, 전자 팔찌, 전자 목걸이, 전자 앱세서리(appcessory), 또는 스마트 와치(smart watch))중 적어도 하나를 포함할 수 있다.
디지털 운전석 시스템(100)은 사용자 단말(10)로부터 수집한 운전자 정보와 센서 그룹(120)으로부터 수집한 차량(20)의 주행 정보들을 개인 차량 정보로 구성하여, 클라우드 서버(300)로 전송한다.
디지털 운전석 시스템(100)은, 차량(20)이 주차 또는 정차했을 때, 개인 차량 정보를 클라우드 서버(300)로 전송한다. 또한, 디지털 운전석 시스템(100)은, 차량(20)이 주차 또는 정차했을 때 마다 축적한 개인 차량 정보를 클라우드 서버(300)로 전송한다. 디지털 운전석 시스템(100)은, 차량 주변의 통신 인프라 또는 사용자 단말(10)을 통하여, 개인 차량 정보를 클라우드 서버(300)로 전송한다.
클라우드 서버(300)는 디지털 운전석 시스템(100)으로부터 수집된 개인 차량 정보를 이용하여 분석하여, 개인 운전자의 개인 운전 성향을 결정하고, 결정된 개인 운전 성향에 최적화된 운전자-맞춤형 파라미터를 생성하고, 이를 디지털 운전석 시스템(100)으로 전송한다.
개인 운전 성향은 "신중한(cautious)" 스타일, "스포츠(sport)" 스타일, "경제 운전 스타일" 또는 "방어 운전 스타일"을 포함할 수 있다. 이러한 개인 운전 성향을 결정하고, 결정된 개인 운전 성향에 대응하는 운전자-맞춤형 파라미터를 생성하기 위해, 기계 학습 모델이 이용될 수 있다.
운전자-맞춤형 파라미터는 운전자 보조 시스템(130)으로부터 획득되는 운전 보조 정보를 상기 결정된 개인 운전 성향에 커스터마이징하기 위해 활용되는 정보일 수 있다.
디지털 운전석 시스템(100)은 클라우드 서버(300)로부터 수신된 운전자-맞춤형 파라미터를 이용하여 운전자 보조 시스템(130)으로부터 수신된 운전 보조 정보의 출력 정책에 적용할 수 있다.
출력 정책은 디지털 운전석 시스템(100)이 운전 보조 정보를 어떤 형태의 정보로 변환하고, 변환된 정보를 자신(100)이 보유한 어떤 HMI(Human-Machine Interface)를 이용하여 제공할 지를 결정하는 정책일 수 있다.
또한, 출력 정책은 운전자-맞춤형 파라미터를 기반으로 운전 보조 정보를 출력할지를 결정하는 정책일 수 있다. 예를 들면, 디지털 운전석 시스템(100)은 운전자-맞춤형 파라미터를 기반으로 운전 보조 정보에 포함된 다양한 경보 발생 명령을 무시하거나 제한할 수 있다.
이하, 도 2 및 5를 참조하여, 디지털 운전석 시스템(100) 및 클라우드 서버(300)에 대해 더욱 상세히 기술한다.
도 2는 본 발명의 실시 예에 따른 디지털 운전석 시스템의 내부 구성을 개략적으로 도시한 블록도이다.
도 2를 참조하면, 디지털 운전석 시스템(100)은 제1 통신 모듈(110), 제2 통신 모듈(120), 저장소(130), 인증 모듈(140), 출력 모듈(150) 및 프로세서 모듈(160)을 포함한다.
제1 통신 모듈(110)은 차량 내부 통신망을 통하여, 센서 그룹(120)과 운전자 보조 시스템(130)과 통신을 수행할 수 있다. 차량 내부 통신망은, 예를 들면, CAN(Controller Area Network), LIN(Local Interconnect Network), MOST(Media Oriented Systems Transport), X-by-Wire(Flexray)를 포함할 수 있다.
제2 통신 모듈(120)은 사용자 단말(10) 및 클라우드 서버(300)와 유선 또는 무선 통신을 수행할 수 있다. 무선 통신은, 예를 들면, 셀룰러 통신, 근거리 무선 통신, 또는 GNSS(global navigation satellite system) 통신을 포함할 수 있다.
셀룰러 통신은, 예를 들면, LTE(Long-Term Evolution), LTE-A(LTE Advance), CDMA(code division multiple access), WCDMA(wideband CDMA), UMTS(universal mobile telecommunications system), WiBro(Wireless Broadband), 또는 GSM(Global System for Mobile Communications)을 포함할 수 있다.
근거리 무선 통신은, 예를 들면, WiFi(wireless fidelity), WiFi Direct, LiFi(light fidelity), 블루투스, 블루투스 저전력(BLE), 지그비(Zigbee), NFC(near field communication), 자력 시큐어 트랜스미션(Magnetic Secure Transmission), 라디오 프리퀀시(RF), 또는 보디 에어리어 네트워크(BAN)을 포함할 수 있다. 유선 통신은, 예를 들면, USB 통신 또는 RS-232C 통신일 수 있다.
저장소(130)는, 프로세서 모듈(160)의 제어에 의해, 제2 통신 모듈(120)을 통하여 수신된 운전자 정보를 저장한다. 저장소(130)에 운전자 정보를 저장함으로써, 디지털 운전석 시스템(100)은 사용자 단말(10) 또는 사용자 단말(10)을 소지한 운전자의 등록을 완료한다.
또한, 저장소(130)는 제1 통신 모듈(120)을 통하여 센서 그룹(120)으로부터 수신된 다수의 주행 정보를 저장하고, 운전자 보조 시스템(130)으로부터 수신한 운전 보조 정보를 저장한다.
저장소(130)는 휘발성 메모리 또는 비휘발성 메모리를 포함할 수 있다. 휘발성 메모리는, 예를 들면, RAM(random access memory)(예: DRAM, SRAM, 또는 SDRAM)을 포함할 수 있다. 비휘발성 메모리는, 예를 들면, OTPROM(one time programmable read-only memory(ROM)), PROM(programmable read-only memory), EPROM(erasable programmable read-only memory), EEPROM(electrically erasable programmable read-only memory), mask ROM, flash ROM, 플래시 메모리, 하드 드라이브, 또는 솔리드 스테이트 드라이브 (SSD))를 포함할 수 있다.
인증 모듈(140)은 저장소(130)에 저장된 운전자 정보를 이용하여 사용자 단말(10) 또는 사용자 단말(10)을 소지한 운전자에 대한 인증을 수행한다. 또한, 인증 모듈(140)은 디지털 운전석 시스템(100)에 대한 인증을 수행할 수도 있다.
이러한 인증 모듈(140)의 인증 처리는 프로세서 모듈(160)에서 수행할 수도 있다. 이 경우, 프로세서 모듈(160)은 인증 처리 과정을 수행하도록 인증 로직을 포함할 수 있다.
출력 모듈(150)은 주행 정보, 인포테인먼트 정보, 운전 보조 정보 등을 인간이 인지할 수 있는 다양한 정보 형태로 변환하여 출력하는 것으로, LCD, OLED와 같은 표시기, 스피커와 오디오 출력기, 진동모터, 햅틱 피드백 디바이스(haptic feedback device) 등을 포함할 수 있다. 출력 모듈(150)은 프로세서 모듈(160)의 제어에 의해, 운전자 보조 시스템으로부터 수신된 운전 보조 정보를 HMI 기반의 출력정책에 따라 출력한다.
프로세서 모듈(160)은 주변 구성들(110, 120, 130, 140, 150)의 동작을 제어 및 관리한다. 프로세서 모듈(160)는 중앙처리장치, 어플리케이션 프로세서, GPU(graphic processing unit), 카메라 이미지 신호 프로세서, 또는 커뮤니케이션 프로세서(communication processor(CP)) 중 하나 또는 그 이상을 포함할 수 있다.
프로세서 모듈(160)은 SoC(system on chip) 또는 SiP(system in package)으로 구현될 수 있다. 프로세서 모듈(160)는, 예를 들면, 운영 체제 또는 응용 프로그램을 구동하여 각종 데이터 처리 및 연산을 수행할 수 있다.
프로세서 모듈(160)은 다른 구성요소들(110, 120)로부터 수신된 명령, 데이터 또는 정보를 휘발성 메모리에 로드하여 처리하고, 결과 데이터를 비휘발성 메모리에 저장할 수 있다.
프로세서 모듈(160)은 클라우드 서버(300)로부터 수신된 운전자-맞춤형 파라미터를 수신하기 위해, 저장소(130)에 저장된 운전자 정보와 다수의 주행 정보는 개인 차량 정보로 구성하고, 상기 개인 차량 정보를 클라우드 서버(300)로 전송하도록 제2 통신 모듈(120)을 제어한다. 이때, 프로세서 모듈(160)은 상기 차량(20)이 주차 또는 정차하는 시점에 개인 차량 정보를 클라우드 서버(300)로 전송한다. 즉, 프로세서 모듈(160)은 차량의 주차 또는 정차하기 바로 직전까지 수집한 개인 차량 정보를 클라우드 서버(300)로 전송한다. 개인 차량 정보의 주행 정보는 차량(20)이 주행할 때마다 새롭게 축적된다.
프로세서 모듈(160)은 새롭게 축적된 주행 정보를 포함하는 개인 차량 정보를 주차 또는 정차할 때마다 클라우드 서버(300)로 전송한다. 이에 따라, 클라우드 서버(300)는 차량 주행 시마다 축적되는 주행 정보를 반영하여 운전자-맞춤형 파라미터를 지속적으로 업데이트할 수 있다.
차량의 주차 또는 정차는 운전자의 시동 키 조작상태의 변화에 따라 가변되는 이그니션 신호의 온/오프 상태로부터 판단할 수 있다. 즉, 프로세서 모듈(160)이 차량 시동과 관련된 ECU(도시하지 않음)로부터 차량 주차 또는 정차를 알리는 오프 상태의 이그니션 신호를 수신하면, 개인 차량 정보를 클라우드 서버(300)로 전송하도록 제2 통신 모듈(120)을 제어한다.
프로세서 모듈(160)은 클라우드 서버(300)로부터 수신된 운전자-맞춤형 파라미터를 이용하여 운전자 보조 시스템(130)으로부터 수신된 안전 운전 정보를 출력할지를 결정한다.
이를 위해, 프로세서 모듈(160)은 분석 로직(162)과 판단 로직(164)을 포함한다. 분석 로직(162)은 운전 보조 정보를 분석하여, 차량의 실제 주행 상태를 나타내는 실제 상태값을 해석한다. 판단 로직(164)은 상기 실제 상태값과 상기 운전자-맞춤형 파라미터에서 정의한 맞춤형 상태값을 비교하고, 그 비교 결과에 따라 상기 운전 보조 정보의 출력을 제한하도록 출력 모듈(150)을 제어할 수 있다.
예를 들면, 판단 로직(164)은 상기 실제 상태값이 상기 맞춤형 상태값과 상기 운전자 보조 시스템(130)에서 상기 운전 보조 정보의 출력 조건으로서 설정한 기준 상태값에 의해 정의되는 범위에 포함되면, 상기 운전 보조 정보를 출력하지 않도록 상기 출력 모듈(150)의 출력을 제어할 수 있다.
실제 상태값은, 전술한 바와 같이, 운전자 보조 시스템(130)에서 제공하는 운전자 보조 정보에 포함된 값으로, 도 3에 도시된 바와 같이, LDWS(132)에서 제공하는 차선 표시선(L)과 현재 주행 중인 차량(20) 사이의 실제 거리값(DREAL)일 수 있다.
기준 상태값은 LDWS(132)에서 차선 이탈 경고의 발생 조건으로 설정한 값으로서, 차선 표시선(L)과 현재 주행 중인 차량(20) 사이의 기준 거리값(DREF)일 수 있다. 즉, 주행 중인 차량(20)과 차선 표시선(L) 사이의 거리값이 기준 거리값(DREF)보다 작으면, LDWS(132)은 차선 이탈 경고를 발생하도록 설정된다.
맞춤형 상태값은 차선 이탈 경고의 발생 조건을 나타내는 값으로서, 개인 운전 성향에 최적화된 ??춤형-거리값(DC)일 수 있다. 시간 t1에서는, 실제 거리값(DREAL)이 기준 거리값(DREF)보다 크기 때문에, 판단 로직(164)은 차선 이탈 경고 정보(운전 보조 정보)를 출력하지 않도록 상기 출력 모듈(150)을 제어한다. 시간 t2에서는, 실제 거리값(DREAL)이 기준 거리값(DREF)보다 작아지면, LDWS(132)에서 설정한 이탈 경고 발생 조건을 만족하기 때문에, 판단 로직(164)은 차선 이탈 경고 정보(운전 보조 정보)를 출력하도록 상기 출력 모듈(150)을 제어해야 하지만, 본 발명에서는 개인 운전 성향에 최적화된 ??춤형-거리값(DC) 이내로 진입할 경우에만 차선 이탈 경고 정보(운전 보조 정보)를 출력하도록 출력 정책이 변경된다. 따라서, 판단 로직(164)은 시간 t2가 아니라 시간 t3에서 차선 이탈 경고 정보(운전 보조 정보)를 출력하도록 상기 출력 모듈(150)을 제어한다.
유사하게, 판단 로직(164)은 전방 차량 충돌 경보(운전 보조 정보)의 출력 정책도 개인 운전 성향에 최적화되도록 변경할 수 있다. 예를 들면, 도 4에 도시된 바와 같이, FCWS(136)에서 전방 충돌 경고의 발생 조건으로 설정한 기준 상태값이 전방 차량(22)과 현재 주행 중인 차량(20) 사이의 기준 거리값(DREF)인 경우, 시간 t1에서, 전방 차량(22)과 현재 주행 중인 차량(20) 사이의 실제 거리값(DREAL1, 실제 상태값)이 기준 거리값(DREF)보다 작기 때문에, 판단 로직(164)은 전방 충돌 경고 정보(운전 보조 정보)를 출력하도록 상기 출력 모듈(150)을 제어해야 하지만, 본 발명에서는 현재 주행 중인 차량(20)이 개인 운전 성향에 최적화된 ??춤형-차간 거리값(DC) 이내로 진입할 경우에만 차선 이탈 경고 정보(운전 보조 정보)를 출력하도록 출력 정책이 변경된다. 따라서, 판단 로직(164)은 전방 차량(22)과 현재 주행 중인 차량(20) 사이의 실제 차간 거리값(DREAL2, 실제 상태값)이 맞춤형-차간 거리값(Dc, 맞춤형 상태값)보다 작아지는 시간 t2에서, 전방 충돌 경고 정보(운전 보조 정보)를 출력하도록 상기 출력 모듈(150)을 제어한다.
도 5은 본 발명의 실시 예에 따른 클라우드 서버의 내부 구성을 개략적으로 도시한 블록도이다.
도 5를 참조하면, 클라우드 서버(300)는 통신 모듈(310), 인증 모듈(320), 클라우드 저장소(330) 및 프로세서 모듈(340)을 포함한다.
통신 모듈(310)은 차량 내의 디지털 운전석 시스템(100)과 유선 또는 무선 통신을 수행할 수 있다. 통신 모듈(310)은, 프로세서 모듈(340)의 제어에 의해, 디지털 운전석 시스템(100)으로부터 개인 차량 정보를 수신한다. 통신 모듈(310)은, 프로세서 모듈(340)에 의해, 프로세서 모듈(340)이 생성 또는 갱신한 운전자-맞춤형 파라미터를 디지털 운전석 시스템(100)으로 전송한다. 이때, 통신 모듈(310)은, 상기 운전자-맞춤형 파라미터를 상기 차량(20)에 탑재된 상기 디지털 운전석 시스템(100) 또는 상기 차량(20)과 차종이 다른 차량에 탑재된 다른 디지털 운전석 시스템에 전송할 수 있다. 따라서, 개인 운전자는, 차종에 관계없이, 본 발명의 디지털 운전석 시스템(100)이 탑재된 차량이라면, 자신의 운전성향에 최적화된 운전자-맞춤형 파라미터를 제공받을 수 있다.
인증 모듈(320)은 통신 모듈(310)을 통하여, 디지털 운전석 시스템(100)으로부터 수신된 인증 요청 메시지에 응답하여 사용자 단말(10), 운전자 또는 디지털 운전석 시스템(100)에 대해 인증 처리를 수행한다.
인증 요청 메시지는 사용자 단말(10)에서 생성하고, 디지털 운전석 시스템(100)이 사용자 단말(10)에서 생성한 인증 요청 메시지를 인증 모듈(320)로 전달할 수 있다.
인증 모듈(320)은 클라우드 저장소(330)에 사전 등록된 운전자의 아이디와 패스워드와 인증 요청 메시지에 포함된 운전자의 아이디와 패스워드를 비교하여, 일치하면, 인증 성공을 나타내는 응답 메시지를 디지털 운전석 시스템(100)으로 전송한다.
디지털 운전석 시스템(100)은 인증 성공을 나타내는 응답 메시지를 수신하면, 수집한 개인 차량 정보를 전송을 시작한다. 인증을 실패한 경우, 차량이 주차 또는 정차한 경우에도 개인 차량 정보는 전송되지 않는다. 이렇게 함으로써. 개인 차량 정보에 포함된 운전자의 개인 정보가, 운전자의 동의 없이, 외부로 유출되는 것을 방지할 수 있다. 인증 모듈(320)은 프로세서 모듈(340) 내부에 로직 형태로 내장될 수 있다.
클라우드 저장소(330)에는 통신 모듈(310)을 통하여 수신한 개인 차량 정보가 저장된다. 또한, 클라우드 저장소(330)에는 프로세서 모듈(340)에서 생성 또는 업데이트한 운전자-맞춤형 파라미터가 저장될 수 있다. 또한, 클라우드 저장소(330)에는 프로세서 모듈(340)이 통신 모듈(310)을 통하여 외부 서버로부터 수집한 빅 데이터가 저장될 수 있다. 빅 데이터는 공공 기관에서 배포하는 공개된 대용량의 차량 정보 및 다른 운전자의 다른 차량에 탑재된 디지털 운전석 시스템에서 배포한 개인 차량 정보일 수 있다. 이때, 다른 차량에 탑재된 디지털 운전석 시스템에서 배포한 개인 차량 정보는 다른 운전자가 외부 공개를 허용한 정보일 수 있다.
프로세서 모듈(340)은 운전자 보조 시스템(130)에서 제공하는 운전 보조 정보를 개인 운전자의 개인 운전 성향에 커스터마이즈하기 위해, 상기 통신 모듈(310)을 통하여, 상기 디지털 운전석 시스템(100)으로부터 상기 개인 운전자의 개인 차량 정보를 수집하고, 이를 클라우드 저장소(330)에 저장한다.
프로세서 모듈(340)은 수집한 개인 차량 정보를 이용하여 운전자-맞춤형 파라미터를 생성하도록 사전 학습된 기계 학습 모델을 구축할 수 있다.
프로세서 모듈(340)은 상기 기계 학습 모델을 이용하여, 상기 수집된 개인 차량 정보에 따른 개인 운전 성향을 결정하고, 상기 결정된 개인 운전 성향에 따른 상기 운전자-맞춤형 파라미터를 생성한다.
상기 운전자-맞춤형 파라미터를 생성하기 위해, 프로세서 모듈(340)은 학습 로직(342)과 교정 로직(342)을 포함한다.
학습 로직(342)은 상기 클라우드 저장소(330)에 저장된 공개된 차량 정보를 기반으로 기계 학습을 수행하여, 기계 학습 모델을 생성한다. 기계 학습으로, 시계열 모델 기반의 기법 또는 딥 러닝(deep learning) 기반의 기법이 이용될 수도 있다.
시계열 모델 기반의 기법의 예로는 시간에 따른 행위의 변화를 추정지표(stochastic)로 설명하는 ARIMA(Autoregressive integrated moving average) 기법, 비모수 회귀(nonparametric regression) 방법을 이용하는 MLP(Multi-layer Perceprton) 기법 등을 들 수 있다.
또한, 딥러닝 기반의 기법으로는 차원 축소를 통해 입/출력 데이터를 유사하게 만드는 SAE(Stacked AutoEncoder) 기법, 순차적인 정보를 처리하는 신경망 알고리즘인 RNNs(Recurrent Neural Networks) 기법, 장기 의존성 학습에 적합한 LSTM(Long Short Term Memory) 기법 등을 들 수 있다.
이러한 기계 학습을 수행한 결과로부터 생성된 기계 학습 모델은 상기 공개된 차량 정보에 따른 상기 운전성향을 분류하는 분류모델과 상기 분류모델에 따라 결정된 운전 성향에 맵핑되는 운전자-맞춤형 파라미터를 예측하는 예측모델을 포함할 수 있다.
학습 로직(342)은 상기 개인 차량 정보를 기반으로 상기 기계 학습을 재수행하여, 상기 분류모델과 상기 예측모델을 갱신한다. 학습 로직(342)은 새로운 개인 차량 정보를 수신할 때마다 상기 개인 차량 정보에 따른 개인 운전 성향을 반영하도록 상기 분류모델과 상기 예측모델을 지속적으로 갱신할 수 있다.
이와 같이, 차량이 주행과 정차를 반복할수록 기계 학습 모델은 새롭게 수신되는 개인 차량 정보를 기반으로 개인 운전 성향에 최적화되기 때문에, 운전자-맞춤형 파라미터는 개인 운전 성향에 완벽하게 커스터마이징될 수 있다.
교정 로직(344)는 학습 로직(342)에 의해 생성 또는 갱신된 운전자-맞춤형 파라미터를 상기 차량의 차종에 따라 교정(calibration)하는 작업을 수행한다. 차량은 차종에 따라 차량 크기(길이, 폭, 높이)가 다르다. 이 경우, 운전자-맞춤형 파라미터에서 정의하는 맞춤형 상태값(DC), 예를 들면, 도 3에 도시한 맞춤형 거리값(DC)과 도 4에 도시한 맞춤형 차간 거리값(DC)도 차량 크기에 따라 교정될 필요가 있다.
생성 또는 갱신된 운전자-맞춤형 파라미터를 교정하기 위해, 교정 테이블이 이용될 수 있다. 교정 테이블은 차종에 따라 운전자-맞춤형 파라미터(맞춤형 상태값)에 적용될 교정값을 사전에 정의한 테이블일 수 있다. 교정 테이블은 클라우드 저장소(330)에 저장됨으로써, 프로세서 모듈(340)은 필요에 따라 교정 테이블을 이용할 수 있다.
프로세서 모듈(340)은 교정된 운전자-맞춤형 파라미터를 상기 운전 보조 정보의 출력 정책에 적용하도록, 상기 교정된 운전자-맞춤형 파라미터를 상기 디지털 운전석 시스템(100)으로 전송한다.
도 6는 본 발명의 다른 실시 예에 따른 운용 시스템을 보여주는 블록도이다.
도 6을 참조하면, 본 발명의 다른 실시 예에 따른 운용 시스템은 디지털 운전석 시스템(100)과 클라우드 서버(300)를 중계하는 로컬 서버(200)를 포함하는 점에서 도 1에 도시한 운용 시스템과 차이점이 있다.
로컬 서버(200)는 액세스 포인트(AP), 중계기, 공유기, 게이트웨이 또는 허브일 수 있다. 로컬 서버(200)는 클라우드 서버(300)의 기능들 중 일부 기능들을 갖도록 구성될 수 있다. 예를 들면, 로컬 서버(200)는 클라우드 서버(300)의 기능들 중에서 인증 처리 기능과 운전자-맞춤형 파라미터의 교정 기능을 갖도록 구성될 수 있다. 이 경우, 도 5에서 교정 로직(344)과 인증 모듈(320)은 생략될 수 있다. 이렇게 함으로써, 클라우드 서버(300)의 처리 부담과 구축 비용을 줄일 수 있다.
도 7는 본 발명의 실시 예에 따른 로컬 서버의 내부 구성을 개략적으로 도시한 블록도이다.
도 7을 참조하면, 로컬 서버(200)는 통신 모듈(210), 인증 모듈(220), 로컬 저장소(230) 및 프로세서 모듈(240)을 포함한다.
통신 모듈(210)은, 프로세서 모듈(240)에 의해, 디지털 운전석 시스템(100) 및 클라우드 서버(300)와 각각 유무선 통신을 수행한다. 통신 모듈(210)은 디지털 운전석 시스템(100)로부터 수신된 개인 차량 정보를 클라우드 서버(300)로 전송하고, 클라우드 서버(300)로부터 수신된 운전자-맞춤형 파라미터를 디지털 운전석 시스템(100)으로 전송한다.
통신 모듈(210)은 프로세서 모듈(240)에 의해, 디지털 운전석 시스템(100)으로부터 수신된 인증 요청 메시지를 인증 모듈(220)로 전달한다. 이때, 통신 모듈(210)은 사용자 단말(10)로부터 직접 인증 요청 메시지를 수신할 수도 있다.
인증 모듈(220)은 사용자 단말(10)에 대해 인증 처리를 수행한다. 인증이 성공한 경우, 로컬 서버(200)는 디지털 운전석 시스템(100)로부터 수신한 개인 차량 정보를 클라우드 서버(300)로 전송한다.
프로세서 모듈(240)은 클라우드 서버(300)로 전송할 개인 차량 정보를 로컬 저장소(230)에 저장한 후, 개인 차량 정보의 전송이 완료되면, 로컬 저장소(230)에 저장된 개인 차량 정보를 삭제한다.
유사하게, 프로세서 모듈(240)은 디지털 운전석 시스템(100)으로 전송할 운전자-맞춤형 파라미터를 로컬 저장소(230)에 저장한 후, 운전자-맞춤형 파라미터의 전송이 완료되면, 로컬 저장소(230)에 저장된 운전자-맞춤형 파라미터를 삭제할 수 있다.
로컬 서버(200)는 클라우드 서버(300)에 비해 저장공간과 같은 충분한 메모리 자원을 보유하고 있지 않은 저성능의 장치일 수 있다. 그러므로, 로컬 서버(200)는 전송이 완료된 데이터를 로컬 저장소(230)에서 삭제하는 것이 바람직하다.
프로세서 모듈(240)은 교정 로직(242)을 포함한다. 교정 로직(242)은 클라우드 서버(300)로부터 수신한 운전자-맞춤형 파라미터를 상기 차량의 차종에 따라 교정(calibration)하는 작업을 수행한다.
로컬 서버(200)가 운전자-맞춤형 파라미터를 교정하는 경우, 클라우드 서버(300)는 운전자-맞춤형 파라미터를 교정하는 기능을 삭제할 수 있다. 이렇게 함으로써, 클라우드 서버(300)에 가중되는 부하는 줄어들 수 있다.
도 8은 본 발명의 일 실시 예에 따른 운용 시스템의 운용 방법을 보여주는 신호 흐름도이다.
일 실시 예에 따른 운용 방법에서는, 클라우드 서버(300)가 사용자 단말(10) 및/또는 디지털 운전석 시스템(100)에 대해 인증 처리를 수행하는 것으로 가정한다. 또한, 설명의 간략화를 위해, 도 1 내지 7을 참조하여 설명한 내용들과 중복되는 내용들은 간략히 설명하거나 생략하기로 한다.
도 8을 참조하면, 클라우드 서버(300)가 사용자 단말(10) 및/또는 디지털 운전석 시스템(100)에 대해 인증 성공을 확인하면, S810에서, 클라우드 서버(300)가 디지털 운전석 시스템(100)에게 개인 차량 정보를 요청하는 요청 메시지를 전송한다.
이어, S820에서, 디지털 운전석 시스템(100)가 상기 요청 메시지에 응답하여 사용자 단말(10)로부터 수집한 운전자 정보와 차량 내의 센서 그룹(120)으로부터 수집한 주행 정보들을 개인 차량 정보로 구성하고, 구성된 개인 차량 정보를 클라우드 서버(300)로 전송한다.
이어, S830에서, 클라우드 서버(300)가 사전에 구축한 기계 학습 모델을 이용하여, 디지털 운전석 시스템(100)으로부터 수신한 개인 차량 정보에 대응하는 개인 운전 성향을 결정하고, 상기 결정된 개인 운전 성향에 따른 상기 운전자-맞춤형 파라미터를 생성한다.
이어, S840에서, 클라우드 서버(300)가 상기 생성된 운전자-맞춤형 파라미터를 상기 차량의 차종에 따라 교정(calibration)한다.
이어, S850에서, 클라우드 서버(300)가 교정된 운전자-맞춤형 파라미터를 디지털 운전석 시스템(100)으로 전송한다. 운전자-맞춤형 파라미터는 맞춤형 상태값을 정의한다. 일 예에서, 맞춤형 상태값은, 예를 들면, 차량 이탈 또는 전방 충돌을 경고하기 위해, 운전자 보조 시스템(130)에서 설정한 경고 발생 조건을 나타내는 기준 상태값을 개인 운전 성향에 최적화시킨 값으로 정의할 수 있다. 맞춤형 상태값으로, 차선 표시선과 차량 사이의 맞춤형 거리값 또는 차량과 전방 차량간의 맞춤형 차간 거리값일 수 있다.
이어, S860에서, 디지털 운전석 시스템(100)이 운전자 보조 시스템(130)으로부터 운전 보조 정보를 전송한다. 운전 보조 정보는, 운전 보조 서비스의 종류를 나타내는 식별자와 차량의 주행 상태를 나타내는 실제 상태값을 포함한다. 운전 보조 정보가 차량 이탈 경보 정보인 경우, 실제 상태값은 차선 표시선과 주행 중인 자기 차량 사이의 실제 거리값일 수 있다. 운전 보조 정보가 전방 충돌 경보 정보인 경우, 실제 상태값은 주행 중인 자기 차량과 주행중인 전방 차량간의 실제 거리값일 수 있다.
이어, S870에서, 디지털 운전석 시스템(100)이 클라우드 서버(300)로부터 수신한 교정된 운전자-맞춤형 파라미터를 운전자 보조 시스템(130)으로부터 수신된 운전 보조 정보의 출력 정책에 적용한다. 예를 들면, 운전자-맞춤형 파라미터에서 정의하는 맞춤형 상태값과 운전 보조 정보에 포함된 실제 상태값을 비교하고, 그 비교 결과에 따라 운전 보조 정보에 포함된 식별자에 의해 구분되는 운전 보조 서비스를 제공할지를 결정한다.
운전 보조 서비스가 차량 이탈 경보 서비스인 경우, 차량 이탈 경보 정보에 포함된 실제 거리값(DREAL)이 차량 이탈 경보 서비스에서 경보 발생 조건으로 정의한 기준 거리값(DREF)보다 작을지라도 맞춤형 거리값(DC)보다 크면, 디지털 운전석 시스템(100)은 차량 이탈 경보를 발생시키지 않는다. 즉, 디지털 운전석 시스템(100)은 오직 차량 이탈 경보 정보에 포함된 실제 거리값(DREAL)이 맞춤형 거리값(DC)보다 작은 경우에만 차량 이탈 경보를 발생시킨다.
이와 같이, 본 발명은 운전자 보조 시스템의 설계를 변경하지 않고, 운전자 보조 시스템에서 제공하는 다양한 운전 보조 서비스(경보 발생 서비스)를 개인 운전 성향에 커스터마이징 할 수 있다.
한편, 클라우드 서버(300)의 처리 부담을 줄이기 위해, 클라우드 서버에서 수행되는 운전자-맞춤형 파라미터를 상기 차량의 차종에 따라 교정하는 S840의 처리 과정은 생략할 수 있다.
도 9은 본 발명의 다른 실시 예에 따른 운용 시스템의 운용 방법을 보여주는 신호 흐름도이다.
다른 실시 예에 따른 운용 방법은 디지털 운전석 시스템(100)과 클라우드 서버(300) 사이에 로컬 서버(200)가 배치된 점에서 도 8의 운용 방법과 차이가 있다.
다른 실시 예에 따른 운용 방법에서는, 로컬 서버(300)가 사용자 단말(10) 및/또는 디지털 운전석 시스템(100)에 대해 인증을 수행하는 것으로 가정한다. 또한, 설명의 간략화를 위해, 도 1 내지 8을 참조하여 설명한 내용들과 중복되는 내용들은 간략히 설명하거나 생략하기로 한다.
로컬 서버(300)가 사용자 단말(10) 및/또는 디지털 운전석 시스템(100)에 대해 인증 성공을 확인하면, S910에서, 로컬 서버가 디지털 운전석 시스템(100)에게 개인 차량 정보를 요청하는 요청 메시지를 전송한다.
이어, S920에서, 디지털 운전석 시스템(100)이 사용자 단말(10)로부터 수집한 운전자 정보와 센서 그룹(120)으로부터 수집한 다수의 주행 정보를 개인 차량 정보로 구성하고, 이를 로컬 서버(200)로 전송한다.
이어, S930은 로컬 서버(200)는 디지털 운전석 시스템(100)으로부터 수신한 개인 차량 정보를 클라우드 서버(300)로 전송한다. 이때, 개인 차량 정보의 전송이 완료되면, 로컬 서버(200)는 개인 차량 정보를 전송하기 위해 로컬 저장소(230)에 저장한 개인 차량 정보를 삭제한다.
이어, S940에서, 클라우드 서버(300)가 사전에 구축한 기계 학습 모델을 이용하여, 디지털 운전석 시스템(100)으로부터 수신한 개인 차량 정보에 대응하는 개인 운전 성향을 결정하고, 상기 결정된 개인 운전 성향에 따른 상기 운전자-맞춤형 파라미터를 생성한다.
이어, S950에서, 클라우드 서버(300)가 상기 생성한 운전자-맞춤형 파라미터를 로컬 서버(200)로 전송한다.
이어, S960에서, 로컬 서버(200)가 클라우드 서버(300)로부터 수신한 상기 운전자-맞춤형 파라미터를 차량(20)의 차종에 따라 교정(calibration)한다.
이어, S970에서, 로컬 서버(200)가 상기 교정한 운전자-맞춤형 파라미터를 디지털 운전석 시스템(100)으로 전송한다.
이어, S980에서, 디지털 운전석 시스템(100)이 운전자 보조 시스템(130)으로부터 운전 보조 정보를 전송한다.
이어, S990에서, 디지털 운전석 시스템(100)이 클라우드 서버(300)로부터 수신한 교정된 운전자-맞춤형 파라미터를 운전자 보조 시스템(130)으로부터 수신한 운전 보조 정보의 출력 정책에 적용한다. 예를 들면, 운전자-맞춤형 파라미터에서 정의하는 맞춤형 상태값과 운전 보조 정보에 포함된 실제 상태값을 비교하고, 그 비교 결과에 따라 운전 보조 정보에 포함된 식별자에 구분되는 운전 보조 서비스를 제공할지를 결정한다.
이상에서 본 발명에 대하여 실시예를 중심으로 설명하였으나 이는 단지 예시일 뿐 본 발명을 한정하는 것이 아니며, 본 발명이 속하는 분야의 통상의 지식을 가진 자라면 본 발명의 본질적인 특성을 벗어나지 않는 범위에서 이상에 예시되지 않은 여러 가지의 변형과 응용이 가능함을 알 수 있을 것이다. 예를 들어, 본 발명의 실시예에 구체적으로 나타난 각 구성 요소는 변형하여 실시할 수 있는 것이다. 그리고 이러한 변형과 응용에 관계된 차이점들은 첨부된 청구 범위에서 규정하는 본 발명의 범위에 포함되는 것으로 해석되어야 할 것이다.

Claims (20)

  1. 운전자의 안전과 편의와 관련된 운전 보조 정보를 제공하는 운전자 보조 시스템과, 상기 운전자 보조 시스템과 연동하여 상기 운전 보조 정보를 제공하는 디지털 운전석 시스템이 탑재된 차량과 통신하는 클라우드 서버에서,
    프로세서 모듈 및 상기 디지털 운전석 시스템과 통신하는 통신 모듈을 포함하고,
    상기 프로세서 모듈은,
    상기 운전 보조 정보를 개인 운전자의 개인 운전 성향에 커스터마이즈하기 위해, 상기 통신 모듈을 통하여, 상기 디지털 운전석 시스템으로부터 상기 개인 운전자의 개인 차량 정보를 수집하고, 사전에 구축된 기계 학습 모델을 이용하여, 상기 수집된 개인 차량 정보에 따른 상기 개인 운전 성향을 결정하고, 상기 결정된 개인 운전 성향에 따른 운전자-맞춤형 파라미터를 생성하고, 상기 디지털 운전석 시스템이 상기 운전자-맞춤형 파라미터를 기반으로 상기 운전 보조 정보의 출력 정책에 적용하도록, 상기 운전자-맞춤형 파라미터를 상기 통신 모듈을 통해 상기 디지털 운전석 시스템으로 전송하고,
    상기 운전 보조 정보의 출력 정책은,
    상기 운전 보조 정보를 분석하여, 상기 차량의 실제 주행 상태를 나타내는 실제 상태값을 해석하고, 상기 실제 상태값과 상기 운전자-맞춤형 파라미터에서 정의하는 맞춤형 상태값을 비교하고, 상기 실제 상태값과 상기 맞춤형 상태값을 비교한 결과에 따라 상기 운전 보조 정보를 출력 모듈을 통하여 출력할 지를 결정하는 정책인 것인 클라우드 서버.
  2. 제1항에서, 상기 프로세서 모듈은,
    외부 서버로부터 수집한 공개된 차량 정보를 기반으로 기계 학습을 수행하여, 상기 공개된 차량 정보에 따른 상기 개인 운전 성향을 분류하는 분류모델과 상기 분류모델에 따라 결정된 운전성향에 맵핑되는 운전자-맞춤형 파라미터를 예측하는 예측모델을 포함하는 상기 기계 학습 모델을 생성하는 것인 클라우드 서버.
  3. 제2항에서, 상기 프로세서 모듈은,
    상기 개인 차량 정보를 기반으로 상기 기계 학습을 재수행하여, 상기 분류모델과 상기 예측모델을 갱신하고, 상기 통신 모듈을 통하여 새로운 개인 차량 정보를 수신할 때마다 상기 분류모델과 상기 예측모델을 지속적으로 갱신하는 것인 클라우드 서버.
  4. 제1항에서, 상기 운전자-맞춤형 파라미터를 저장하는 클라우드 저장소를 더 포함하고,
    상기 통신 모듈은,
    상기 프로세서 모듈에 의해, 상기 클라우드 저장소에 저장된 상기 운전자-맞춤형 파라미터를 상기 차량에 탑재된 상기 디지털 운전석 시스템 또는 상기 차량과 차종이 다른 차량에 탑재된 다른 디지털 운전석 시스템에 전송하는 것인 클라우드 서버.
  5. 제1항에서, 상기 프로세서 모듈은,
    차선 이탈 경보 정보 및 전방 차량 충돌 경보 정보 중에서 적어도 하나를 포함하는 상기 운전 보조 정보에 적용하도록 구성된 상기 운전자-맞춤형 파라미터를 생성하는 것인 클라우드 서버.
  6. 제1항에서, 상기 프로세서 모듈은,
    상기 운전자 보조 시스템에서 설정한 차선 이탈 경보 발생 조건을 상기 개인 운전 성향에 커스터마이징하기 위해, 차선 표시선과 주행 차량 사이의 맞춤형 거리값을 지시하는 파라미터; 및
    상기 운전자 보조 시스템에서 설정한 젼방 차량 충돌 경보 발생 조건을 상기 개인 운전 성향에 커스터마이징하기 위해, 상기 차량과 전방 차량 사이의 맞춤형 차간 거리값을 지시하는 파라미터;
    를 포함하는 상기 운전자-맞춤형 파라미터를 생성하는 것인 클라우드 서버.
  7. 제1항에서, 상기 프로세서 모듈은,
    상기 생성된 운전자-맞춤형 파라미터를 상기 차량의 차종에 따라 교정(calibration)하고, 상기 통신 모듈을 통하여, 상기 교정한 운전자-맞춤형 파라미터를 상기 디지털 운전석 시스템으로 전송하는 것인 클라우드 서버.
  8. 차량의 내부 통신망을 통하여, 운전자 보조 시스템으로부터 개인 운전자의 안전과 편의와 관련된 운전 보조 정보를 수신하고, 상기 운전 보조 정보를 HMI 기반의 출력정책(이하, HMI 출력정책)에 따라 출력하고, 상기 차량의 내부 통신망을 통하여, 다수의 차량 센서로부터 개인 운전자의 개인 차량 정보를 수집하는 디지털 운전석 시스템; 및
    상기 운전 보조 정보를 상기 개인 운전자의 상기 개인 운전 성향에 커스터마이즈하기 위해, 무선망을 통하여, 상기 디지털 운전석 시스템으로부터 상기 개인 차량 정보를 수집하고, 사전에 구축된 기계 학습 모델을 이용하여, 상기 수집된 개인 차량 정보에 따른 운전자-맞춤형 파라미터를 예측하고, 상기 운전자-맞춤형 파라미터를 상기 무선망을 통하여, 상기 디지털 운전석 시스템으로 전송하는 클라우드 서버;를 포함하고,
    상기 디지털 운전석 시스템은,
    상기 운전자-맞춤형 파라미터를 상기 HMI 출력정책에 적용하고,
    상기 HMI 출력정책은,
    상기 운전 보조 정보를 분석하여, 상기 차량의 실제 주행 상태를 나타내는 실제 상태값을 해석하고, 상기 실제 상태값과 상기 운전자-맞춤형 파라미터에서 정의하는 맞춤형 상태값을 비교하고, 상기 실제 상태값과 상기 맞춤형 상태값을 비교한 결과에 따라 상기 운전 보조 정보를 출력 모듈을 통하여 출력할 지를 결정하는 정책인 것인 운용 시스템.
  9. 제8항에서,
    상기 디지털 운전석 시스템은,
    프로세서 모듈;
    상기 무선망에 통하여, 상기 클라우드 서버와 통신하는 통신 모듈; 및
    상기 HMI 출력정책에 따라 상기 운전 보조 정보를 출력하는 출력 모듈을 포함하고,
    상기 프로세서 모듈은,
    상기 운전자-맞춤형 파라미터를 이용하여 상기 운전 보조 정보를 출력할지를 결정하는 상기 HMI 출력정책에 적용하는 것인 운용 시스템.
  10. 제8항에서,
    상기 디지털 운전석 시스템은,
    프로세서 모듈;
    상기 프로세서 모듈의 제어에 따라 상기 무선망에 통하여, 상기 클라우드 서버와 통신하는 통신 모듈; 및
    상기 프로세서 모듈의 제어 및 상기 HMI 출력정책에 따라 상기 운전 보조 정보를 출력하는 상기 출력 모듈을 포함하는 운용 시스템.
  11. 제10항에서, 상기 프로세서 모듈은,
    상기 실제 상태값이 상기 맞춤형 상태값과 상기 운전자 보조 시스템에서 상기 운전 보조 정보를 출력하기 위해 설정한 기준 상태값에 의해 정의되는 범위에 포함되면, 상기 운전 보조 정보를 출력하지 않도록 상기 출력 모듈을 제어하는 것인 운용 시스템.
  12. 제8항에서, 상기 디지털 운전석 시스템은,
    프로세서 모듈;
    상기 무선망에 통하여, 상기 클라우드 서버와 통신하는 통신 모듈;
    상기 HMI 출력정책에 따라 상기 운전 보조 정보를 출력하는 출력 모듈; 및
    상기 수집된 개인 차량 정보를 저장하는 저장소를 포함하고,
    상기 프로세서 모듈은,
    상기 차량이 주차 또는 정차하는 시점에 상기 저장소에 저장된 개인 차량 정보를 상기 클라우드 서버로 전송하도록 상기 통신 모듈을 제어하는 것인 운용 시스템.
  13. 제8항에서, 상기 디지털 운전석 시스템과 상기 클라우드 서버를 중계하는 로컬 서버를 더 포함하고,
    상기 로컬 서버는,
    프로세서 모듈; 및
    상기 디지털 운전석 시스템으로부터 수집된 상기 개인 차량 정보를 상기 클라우드 서버로 전송하는 통신 모듈;을 포함하고,
    상기 프로세서 모듈은,
    상기 통신 모듈을 통하여, 상기 클라우드 서버로부터 수신된 상기 운전자-맞춤형 파라미터를 상기 차량의 차종에 따라 교정(calibration)하고, 상기 통신 모듈을 통하여, 상기 교정한 운전자-맞춤형 파라미터를 상기 디지털 운전석 시스템으로 전송하는 것인 운용 시스템.
  14. 제13항에서, 상기 로컬 서버는 인증 모듈을 더 포함하고,
    상기 인증 모듈은,
    상기 통신 모듈을 통해, 상기 디지털 운전석 시스템으로부터 수신된 상기 개인 운전자의 운전자 정보를 이용하여 상기 개인 운전자에 대해 인증을 수행하는 것인 운용 시스템.
  15. 운전자 보조 시스템과 연결된 디지털 운전석 시스템과 클라우드 서버를 포함하는 운용 시스템의 운용 방법에서,
    상기 디지털 운전석 시스템이, 차량 내의 센서들로부터 수신한 다수의 주행 정보를 포함하는 개인 차량 정보를 수집하는 단계;
    상기 클라우드 서버가, 상기 디지털 운전석 시스템에게 상기 개인 차량 정보를 요청하는 요청 메시지를 전송하는 단계;
    상기 디지털 운전석 시스템이, 상기 요청 메시지에 응답하여 상기 개인 차량 정보를 상기 클라우드 서버에게 전송하는 단계;
    상기 클라우드 서버가, 기계 학습 모델을 이용하여, 상기 개인 차량 정보에 대응하는 개인 운전 성향을 결정하고, 상기 결정된 개인 운전 성향에 따른 운전자-맞춤형 파라미터를 생성하고, 상기 운전자-맞춤형 파라미터를 상기 디지털 운전석 시스템에게 전송하는 단계; 및
    상기 디지털 운전석 시스템이, 상기 클라우드 서버로부터 수신한 운전자-맞춤형 파라미터를 상기 운전자 보조 시스템으로부터 수신한 운전 보조 정보의 출력 정책에 적용하는 단계를 포함하고,
    상기 적용하는 단계는,
    상기 운전자-맞춤형 파라미터에서 정의하는 맞춤형 상태값과 상기 운전 보조 정보에 포함된 실제 상태값을 비교하는 단계; 및
    상기 맞춤형 상태값과 상기 실제 상태값을 비교한 결과에 따라 상기 운전 보조 정보를 출력할지를 결정하는 단계를 포함하는 운용 방법.
  16. 제15항에서, 상기 운전자-맞춤형 파라미터를 상기 디지털 운전석 시스템에게 전송하는 단계는,
    외부 서버로부터 수집한 공개된 차량 정보를 기반으로 기계 학습을 수행하여, 상기 공개된 차량 정보에 따른 상기 개인 운전 성향을 분류하는 분류모델과 상기 분류모델에 따라 결정된 운전성향에 맵핑되는 운전자-맞춤형 파라미터를 예측하는 예측모델을 포함하는 상기 기계 학습 모델을 생성하는 단계; 및
    상기 개인 차량 정보를 기반으로 상기 기계 학습을 재수행하여, 상기 분류모델과 상기 예측모델을 갱신하는 단계
    를 포함하는 운용 방법.
  17. 제15항에서, 상기 운전자-맞춤형 파라미터를 상기 디지털 운전석 시스템에게 전송하는 단계는,
    상기 운전자-맞춤형 파라미터를 제1 차량에 탑재된 상기 디지털 운전석 시스템 또는 상기 제1 차량과 차종이 다른 제2 차량에 탑재된 다른 디지털 운전석 시스템에 전송하는 단계인 것인 운용 방법.
  18. 삭제
  19. 제15항에서,
    상기 맞춤형 상태값은 상기 개인 운전 성향에 커스터마이지화된 값으로서, 차선 표시선과 차량 사이의 거리값(맞춤형 거리값)이고, 상기 실제 상태값은 차선 표시선과 주행 중인 차량 사이의 거리값(실제 거리값)이고,
    상기 결정하는 단계는,
    상기 실제 거리값이 상기 맞춤형 거리값 이상인 경우, 상기 운전 보조 정보의 출력하지 않는 것이고, 상기 실제 거리값이 상기 맞춤형 거리값 미만인 경우, 상기 운전 보조 정보의 출력하는 것인 운용 방법.
  20. 제15항에서,
    상기 맞춤형 상태값은 상기 개인 운전 성향에 커스터마이지화된 값으로서, 전방 차량과 자기 차량 사이의 차간 거리값(맞춤형 차간 거리값)이고, 상기 실제 상태값은 실제 주행중인 전방 차량과 실제 주행 중인 자기 차량 사이의 차간 거리값(실제 거리값)이고,
    상기 결정하는 단계는,
    상기 실제 거리값이 상기 맞춤형 차간 거리값 이상인 경우, 상기 운전 보조 정보의 출력하지 않고, 상기 실제 거리값이 상기 맞춤형 차간 거리값 미만인 경우, 상기 운전 보조 정보의 출력하는 것인 운용 방법.
KR1020180134971A 2017-11-07 2018-11-06 클라우드 기반의 운전자-맞춤형 서비스를 제공하는 클라우드 서버, 상기 클라우드 서버를 포함하는 운용 시스템 및 그 시스템의 운용 방법 KR102482529B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US16/182,187 US20190135303A1 (en) 2017-11-07 2018-11-06 Cloud server for providing driver-customized service based on cloud, operating system including the cloud server, and operating method thereof

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020170147081 2017-11-07
KR20170147081 2017-11-07

Publications (2)

Publication Number Publication Date
KR20190051857A KR20190051857A (ko) 2019-05-15
KR102482529B1 true KR102482529B1 (ko) 2022-12-30

Family

ID=66580011

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180134971A KR102482529B1 (ko) 2017-11-07 2018-11-06 클라우드 기반의 운전자-맞춤형 서비스를 제공하는 클라우드 서버, 상기 클라우드 서버를 포함하는 운용 시스템 및 그 시스템의 운용 방법

Country Status (1)

Country Link
KR (1) KR102482529B1 (ko)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20210316754A1 (en) * 2020-04-09 2021-10-14 Micron Technology, Inc. Vehicles that can be customized and personalized via mobile user profiles
CN114119301A (zh) * 2021-11-03 2022-03-01 支付宝(杭州)信息技术有限公司 基于共享车辆的自学车处理方法及装置

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011080815A (ja) * 2009-10-06 2011-04-21 Mitsubishi Electric Corp サーバ、車載ナビゲーション装置、および車載ナビゲーションシステム

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101313146B1 (ko) * 2011-05-17 2013-10-01 자동차부품연구원 운전자별 운전특성을 반영한 적응 순항 제어시스템 및 그 제어 방법
KR101493360B1 (ko) * 2012-07-30 2015-02-23 주식회사 케이티 주변 차량의 상태 변화 감지를 통한 차량 주행 관리 방법 및 시스템
KR101518894B1 (ko) * 2013-07-11 2015-05-11 현대자동차 주식회사 운전자 보조 시스템의 경고 기준 설정 방법

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011080815A (ja) * 2009-10-06 2011-04-21 Mitsubishi Electric Corp サーバ、車載ナビゲーション装置、および車載ナビゲーションシステム

Also Published As

Publication number Publication date
KR20190051857A (ko) 2019-05-15

Similar Documents

Publication Publication Date Title
US20190135303A1 (en) Cloud server for providing driver-customized service based on cloud, operating system including the cloud server, and operating method thereof
US20210083924A1 (en) System and method for a unified connected network
CN109753047B (zh) 用于自主车辆行为控制的系统和方法以及高级控制器
US11343316B2 (en) Highly assisted driving platform
US11475770B2 (en) Electronic device, warning message providing method therefor, and non-transitory computer-readable recording medium
US20180090009A1 (en) Dynamic traffic guide based on v2v sensor sharing method
CN111098862A (zh) 用于预测传感器信息的系统和方法
WO2019234019A1 (en) Server, method, and computer-readable storage medium for automated parking
US9992817B2 (en) Wireless data processing in a connected vehicle
JP2018135069A (ja) 情報処理システム、情報処理方法及びプログラム
US11443247B2 (en) Vehicle prioritization for vehicle-sharing fleet
JP2018135068A (ja) 情報処理システム、情報処理方法及びプログラム
KR102482529B1 (ko) 클라우드 기반의 운전자-맞춤형 서비스를 제공하는 클라우드 서버, 상기 클라우드 서버를 포함하는 운용 시스템 및 그 시스템의 운용 방법
CN110856108A (zh) 跟踪车辆中的智能装置
US11881113B2 (en) Predictive vehicle acquisition
WO2023108566A1 (zh) 一种升级方法、装置及系统
US11762648B2 (en) Systems and methods of coordinating application versions among connected vehicles
US11254286B2 (en) System and method to disable automated driving mode based on vehicle operation context
US20230418286A1 (en) Emergency vehicle interactions using external triggers
US20220222600A1 (en) User authentication and personalization without user credentials
US20240174236A1 (en) Apparatus for Controlling Driving of a Vehicle, System Having the Same and Method Thereof
WO2023230760A1 (zh) 一种隐私保护方法、装置以及车辆
US20240094725A1 (en) Remote assistance system and remote assistance method
US11122489B2 (en) On-board vehicular communication system
US20220261627A1 (en) Driving monitoring and scoring systems and methods

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