KR102499056B1 - 차량의 주행경로에 기초한 운전 상태 모니터링 방법, 장치 및 서버 - Google Patents

Abstract

본 발명은 차량의 주행경로에 기초한 운전 상태 모니터링 방법, 장치 및 서버에 관한 것으로, 본 발명의 일 실시예에 따르면, 차량의 주행경로에 기초한 운전 상태 모니터링 방법에 있어서, 상기 차량의 GPS 정보, 상기 차량에 탑재된 카메라의 촬영 영상 및 맵 정보를 획득하는 단계; 상기 GPS 정보, 상기 촬영 영상 및 상기 맵 정보에 기초하여 상기 차량의 현재 차선 위치를 결정하는 단계; 상기 현재 차선 위치로부터 선택 가능한 최적 주행경로를 추정하는 단계; 상기 현재 차선 위치를 상기 맵 정보에 매핑하여 상기 차량의 실제 주행경로를 추적하는 단계; 및 상기 최적 주행경로와 상기 실제 주행경로를 비교하는 단계;를 포함하는, 방법을 제공한다.

Description

차량의 주행경로에 기초한 운전 상태 모니터링 방법, 장치 및 서버{METHOD, APPARATUS AND SERVER TO MONITOR DRIVING STATUS BASED VEHICLE ROUTE}

본 발명은 차량의 주행경로에 기초한 운전 상태 모니터링 방법, 장치 및 서버에 관한 기술이다.

정보통신 기술과 차량 산업의 융합으로 인해 빠르게 차량의 스마트화가 진행되고 있다. 스마트화로 인해 차량은 단순한 기계적 장치에서 스마트 카로 진화하고 있으며, 특히 스마트 카의 핵심기술로 자율 주행이 주목 받고 있다. 자율 주행이란 운전자가 핸들과 가속페달, 브레이크 등을 조작하지 않아도 차량 스스로 목적지까지 찾아가는 기술이다.

자율주행 차량이 상용화되기 위해서는 단순히 자율주행을 위한 기술적 난제들 해결하는 것뿐 아니라 사회 일반에 널리 통용될 수 있는 자율주행 관련 법적, 사회적 제도의 마련이 필요하다.

한편, 자율주행 차량 생산 업체는 인적 요인과 관련된 HMI(Human Machine Interface)를 설계하고, HMI를 통해 운전자를 운전 과제에 참여시키고 차량 상태 및 도로 교통 상황을 인식하게 하는 것이 필요하다. 예를 들어, 자율주행 차량에 자동으로 주행, 조향을 제어하는 첨단 조향장치가 설치되어 있다고 하더라도, 운전자가 일정 시간 이상 차량 운전대를 잡지 않으면 자율주행시스템은 시청각적 신호로 운전자에게 경고를 보내야 한다.

한편, 이러한 자율주행 차량의 사고가 어떻게 발생되었고 누구에게 책임이 있는지 그 책임 소재와 과실 비율에 대한 판단을 기술적으로 입증하기 위한 기술이 향후 각광받을 것으로 보인다.

본 개시는 차량의 주행경로에 기초한 운전 상태 모니터링 방법, 장치, 및 서버를 제공하는데 있다. 한편, 본 개시는 단순히 주행 중 운전 상태를 모니터링하는데 그치지 않고 사고 발생 처리나 보험료 산출을 위한 운전자 과실 비율을 분석하는데도 적용될 수 있다.

본 발명이 해결하고자 하는 과제는 이상에서 언급한 과제에 한정되지 않으며, 언급되지 않은 본 발명의 다른 과제 및 장점들은 하기의 설명에 의해서 이해될 수 있고, 본 발명의 실시 예에 의해보다 분명하게 이해될 것이다. 또한, 본 발명이 해결하고자 하는 과제 및 장점들은 특허 청구 범위에 나타낸 수단 및 그 조합에 의해 실현될 수 있음을 알 수 있을 것이다.

본 개시의 제1 측면은, 차량의 주행경로에 기초한 운전 상태 모니터링 방법에 있어서, 상기 차량의 GPS 정보, 상기 차량에 탑재된 카메라의 촬영 영상 및 맵 정보를 획득하는 단계; 상기 GPS 정보, 상기 촬영 영상 및 상기 맵 정보에 기초하여 상기 차량의 현재 차선 위치를 결정하는 단계; 상기 현재 차선 위치로부터 선택 가능한 최적 주행경로를 추정하는 단계; 상기 현재 차선 위치를 상기 맵 정보에 매핑하여 상기 차량의 실제 주행경로를 추적하는 단계; 및 상기 최적 주행경로와 상기 실제 주행경로를 비교하는 단계;를 포함하는, 방법을 개시한다.

본 개시의 제2측면은, 차량의 주행경로에 기초한 운전 상태 모니터링 장치에 있어서, 상기 차량의 GPS 정보, 상기 차량에 탑재된 카메라의 촬영 영상 및 맵 정보를 획득하는 정보획득부; 상기 GPS 정보, 상기 촬영 영상 및 상기 맵 정보에 기초하여 상기 차량의 현재 차선 위치를 결정하는 차선 위치 결정부; 상기 현재 차선 위치로부터 선택 가능한 최적 주행경로를 추정하는 최적 주행경로 추정부; 상기 현재 차선 위치를 상기 맵 정보에 매핑하여 상기 차량의 실제 주행경로를 추적하는 실제 주행경로 추적부; 및 최적 주행경로 및 실제 주행경로를 비교하는 운전 상태 모니터링부(16);를 포함하는 장치를 개시한다.

본 개시의 제3 측면은, 차량의 주행경로에 기초한 운전 상태 모니터링 서버에 있어서, 적어도 하나의 프로그램이 저장된 메모리; 상기 적어도 하나의 프로그램을 실행함으로써 연산을 수행하는 프로세서를 포함하고, 상기 프로세서는, 차량에 탑재된 카메라가 촬영한 촬영 영상 및 맵 정보에 기초하여 차량의 현재 차선 위치를 결정하고, 상기 현재 차선 위치로부터 선택 가능한 최적 주행경로를 추정하고, 상기 현재 차선 위치를 맵 정보에 매핑하여 상기 차량의 실제 주행경로를 추적하는 것을 포함하는, 서버를 개시한다.

이 외에도, 본 발명을 구현하기 위한 다른 방법, 다른 시스템 및 상기 방법을 실행하기 위한 컴퓨터 프로그램이 저장된 컴퓨터로 판독 가능한 기록매체가 더 제공될 수 있다.

본 발명은 자율주행 차량의 운전을 모니터링하고, 운전자 부주의 상태가 추정되면 알림을 지속적으로 제공함으로써 운전자의 부주의 상태에 대한 경각심을 높이고, 차량이 안전하게 주행될 수 있도록 모니터링한다.

본 발명은 차량이 부적절한 경로로 주행하거나, 운전자의 부주의 상황에 대한 모니터링을 수행할 수 있으며, 이러한 내용이 서버에 업로드하여 관리됨으로써 사고발생시 정보의 조작이나 은폐를 방지할 수 있다.

본 발명은 최적 주행경로를 추정함으로써 차량이 주행 상태와 결과에 대한 가치 판단을 수행할 수 있으며, 이로부터 운전자의 부주의 여부, 나아가 운전자의 과실 정도에 대한 분석을 수행할 수 있다.

종래 기술이 교통사고 발생시 블랙박스에 의존하여 운전자의 과실 여부를 판단해왔다면, 본 발명의 차량의 주행경로, 카메라로부터 획득한 주변 환경 및 차량의 주행 정보를 기초로 운전자의 과실 여부를 분석하기 때문에 객관적이고, 신뢰도를 가지는 과실 판단을 수행할 수 있으며, 이러한 근거 데이터는 보험사의 과실 산정 근거 자료로 활용될 수 있다.

본 발명의 일 실시 예에 따르면, 교통사고 처리 특례법상 12대 중과실 및현저한 과실 중 일부의 항목에 대해 이를 운전자가 위반했는지 명확하게 판단할 수 있을 것으로 보인다. 예를 들어, 12대 중과실 중 신호 위반, 중앙선 침범, 속도 위반, 앞지르기 위반, 건널목 위반, 횡단보도 위반, 보도 침범, 스쿨존 위반 등은 차량에 기록된 정확한 물리량 분석을 통해 판단할 수 있으므로, 객관적이고, 신뢰성 있는 분석 리포트를 제공할 수 있다.

도 1은 본 발명의 일 실시예에 따른 차량의 주행경로에 기초한 운전 상태 모니터링 방법에 관한 흐름도이다.
도 2a와 도 2b는 본 발명의 일 실시예를 설명하기 위해 제시된, 차량이 촬영한 촬영 영상과 맵 정보에 관한 도면이다.
도 3a 내지 도 3b는 각각 본 발명의 일 실시예에 따른 최적 주행경로, 실제 주행경로를 설명하는 그림이다.
도 4는 본 발명의 일 실시예에 따라 맵 정보 상에 최적 주행경로와 실제 주행경로를 매핑한 일 예이다.
도 5는 본 발명의 일 실시예에 따라 장치가 운전자의 과실을 분석할 때 적용하는 과실판단 가부와 과실비율 인정 기준에 관해 설명하는 일 예이다.
도 6은 본 발명의 다른 실시예에 따른 서버에서 수행하는 차량의 주행경로에 기초한 운전 상태 모니터링 방법의 흐름도이다.
도 7은 본 발명의 또 다른 실시예에 따른 서버에서 수행하는 차량의 주행경로에 기초한 운전 상태 모니터링 방법에 관한 흐름도이다
도 8은 다른 실시 예에 따른 차량의 주행경로에 기초한 운전 상태 모니터링 장치에 관한 구성도이다.
도 9는 본 발명의 또 다른 실시예에 따른 차량의 주행경로에 기초한 운전 상태 모니터링 서버에 관한 구성도이다.

본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 설명되는 실시 예들을 참조하면 명확해질 것이다. 그러나 본 발명은 아래에서 제시되는 실시 예들로 한정되는 것이 아니라, 서로 다른 다양한 형태로 구현될 수 있고, 본 발명의 사상 및 기술 범위에 포함되는 모든 변환, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 아래에 제시되는 실시 예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이다. 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.

본 출원에서 사용한 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

본 개시의 일부 실시예는 기능적인 블록 구성들 및 다양한 처리 단계들로 나타내어질 수 있다. 이러한 기능 블록들의 일부 또는 전부는, 특정 기능들을 실행하는 다양한 개수의 하드웨어 및/또는 소프트웨어 구성들로 구현될 수 있다. 예를 들어, 본 개시의 기능 블록들은 하나 이상의 마이크로프로세서들에 의해 구현되거나, 소정의 기능을 위한 회로 구성들에 의해 구현될 수 있다. 또한, 예를 들어, 본 개시의 기능 블록들은 다양한 프로그래밍 또는 스크립팅 언어로 구현될 수 있다. 기능 블록들은 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. "매커니즘", "요소", "수단" 및 "구성" 등과 같은 용어는 넓게 사용될 수 있으며, 기계적이고 물리적인 구성들로써 한정되는 것은 아니다.

또한, 도면에 도시된 구성 요소들 간의 연결 선 또는 연결 부재들은 기능적인 연결 및/또는 물리적 또는 회로적 연결들을 예시적으로 나타낸 것일 뿐이다. 실제 장치에서는 대체 가능하거나 추가된 다양한 기능적인 연결, 물리적인 연결, 또는 회로 연결들에 의해 구성 요소들 간의 연결이 나타내어질 수 있다.

자율주행 시스템(ADS, Automated Driving System)에서는 운행의 주체를 사람-차량, 또는 차량-사람으로 전환하는 단계가 수시로 필요할 수 있어, 사람-차량간 상호 작용을 하기 위한 인터페이스(HMI,Human-machine Interfae)를 설계하는 것이 필요하다. 자율주행 시스템의 상황과 운전자 상태는 로그 데이터로서 기록 장치에 탑재될 수 있으며, 필요할 때 이러한 로그 데이터가 참조될 수 있다.

본 발명의 차량의 주행경로에 기초한 운전 상태 모니터링 방법, 장치, 및 서버는 자율주행 시스템(ADS) 환경에서 크게 활용될 수 있지만, 현재 시점에서도 차량의 운전 상태를 파악하고 사고 발생시 과실 비율을 분석하는 것은 상당히 의미 있게 활용될 수 있다. 이에 본 발명의 실시 예가 자율주행 시스템(ADS)에서만 적용되어야 하는 것은 아니며 그 외 다양한 환경하에 널리 활용될 수 있음을 설명한다.

본 발명에서 사용되는 용어의 정의는 다음과 같다. 먼저, 본 발명은 차량의 운행을 지배하는 주체로 운전자를 주로 기재하고 있다. 그러나, 사람-차량간 인터페이스를 통해서 상호 작용하는 주체는 동승자, 운행자, 외부의 보행자, 외부의 객체들이 될 수도 있다. 예를 들어, 차량에 사고가 발생했을 때, 다수의 사람이 해당 사고와 연관되어 있는 경우가 있을 수 있다. 또한, 사람별(Ex: 운전자, 동승자) 또는, 차량별(Ex: 가해차량, 피해차량, 오토바이, 자전거 등)로 과실을 산정해야 하는 경우가 있을 수 있다. 이에 본 발명에서는 주로"운전자" 를 기재하고 있으나 조금 더 넓은 범위에서 이는 해당 차량의 주행과 관련된 사람이 통상적으로 가지고 있을 것으로 추론되는 주의의무의 의미를 내포하고 있을 수 있다.

교통사고에서의 과실은 자동차 운행과정에서 발생한 사고의 운전자 주의의무 위반에 대한 책임을 의미한다. 과실비율은 교통사고 가해자와 피해자의 책임 정도를 나타내는 비율을 의미한다.

여기서, 자율주행 시스템(ADS)은 차선 이탈방지 시스템, 차량 변경 제어 기술, 장애물 회피 제어 기술 등을 활용하여 출발지와 목적지를 입력하면 최적의 주행 경로를 선택하여 자율 주행토록 하는 시스템을 말한다. 일 예에 따르면, 자율주행 시스템(ADS)이 선택할 것으로 예상되는 주행 예정 경로를 최적 주행경로로 가정할 수 있다.

이하 첨부된 도면을 참고하여 본 개시를 상세히 설명하기로 한다.

도 1은 본 발명의 일 실시예에 따른 차량의 주행경로에 기초한 운전 상태 모니터링 장치(10)를 이용하는 운전 상태 모니터링 방법에 관한 흐름도이다.

단계 110에서, 장치(10)는 차량의 GPS 정보, 차량에 탑재된 카메라의 촬영 영상 및 맵 정보를 획득할 수 있다. 장치(10)는 차량에 탑재된 GPS 수신기로부터 GPS 신호를, 카메라로부터 촬영 영상을 획득할 수 있다. 이때 카메라는 차량내 여러 대가 탑재해 있을 수 있으며, 이 경우 소정의 전처리를 통해 촬영 영상을 가공하는 단계를 거칠 수 있다. 여기서, 카메라의 종류나 형태를 한정하는 것은 아니다. 일 예로 차량내 블랙박스와 같은 장치도 카메라의 일종이 될 수 있다.

또한, 장치(10)는 사전에 또는 서버로부터 맵(Map) 정보를 획득할 수 있다. 여기서 맵 정보는 차선 정보를 포함하고 있는 정밀도로지도일 수 있다. 일 예로, 정밀도로지도란 자율주행 등에 필요한 차선(규제선, 도로경계선, 정지선, 차로중심선), 도로시설(중앙분리대, 터널, 교량, 지하차도), 표지시설(교통안전표지, 노면표시, 신호기) 정보를 3차원으로 제작한 전자 지도일 수 있다.

만일, 차량이 이러한 정밀도로지도를 획득하지 못한 경우, 차량은 일반 맵 정보에 차선에 관한 정보를 보강하여 매핑함으로써 차선 정보를 포함하는 맵을 제작할 수도 있을 것이다.

단계 120에서, 장치(10)는 GPS 정보, 촬영 영상 및 맵 정보에 기초하여 차량의 현재 차선 위치를 결정할 수 있다. 차량 내 GPS 정보는 해당 차량의 위치를 가리키기도 하지만, 일반적으로 GPS 는 소정의 구간에 대한 정보만을 제시할 뿐 특정 지역 특히 세분화된 위치 정보는 제공하지 않을 수 있다. 장치(10)는 촬영 영상 및 맵 정보에 기초하여 차량의 현재 위치를 차선 단위로 파악할 수 있다.

장치(10)가 차선지역화(In-Lane-Locallization) 기술을 적용하는 일 예를 설명하여 보면, 장치(10)는 촬영 영상으로부터 차량이 주행하고 있는 차선이 좌/우에서 몇번째 차선인지 또는 그 차선과의 거리가 몇 미터인지를 계산하여 현재 차선 위치를 판단할 수 있다. 그 외에도, 차량의 현재 차선 위치를 파악하기 위해 다양한 기술들이 활용될 수 있다.

단계 130에서, 장치(10)는 현재 차선 위치로부터 선택 가능한 최적 주행경로를 추정할 수 있다. 일 예로, 장치(10)는 차선 정보를 포함하는 맵 정보로부터 차량의 현재 차선 위치에서 선택 가능한 복수의 주행경로 후보들을 추출하고, 주행경로 후보들 중에서 안전 팩터(safe factor)에 따른 소정의 기준을 만족하는 적어도 하나 이상의 주행경로 후보를 최적 주행경로로 추정할 수 있다.

자율주행 시스템(ADS)이 차량의 이동 경로를 스스로 판단한다고 가정했을 때, 자율주행 시스템(ADS)은 차선의 유지나 변경에 관하여 다양한 시나리오를 가지고 이를 스스로 판단할 수 있다. 이때, 자율주행 시스템(ADS)이 최적 주행경로로 선택할 수 있는 차선의 수는 매우 많을 수 있다는 점에서 복수의 차선 주행경로를 후보로 추출하는 것이 필요할 수 있다. 자율주행 시스템(ADS)은 안전 펙터를 기준으로 소정의 기준에 따라 위 후보 경로를 필터링하고, 최적의 경로를 선별하여 최적 주행경로로 추정할 수 있다.

여기서, 안전 펙터는 차량의 차선 유지 시나리오 또는 차선 변경 시나리오에서 필요한 주행성 평가 펙터 및 도로교통 규범 펙터 중 적어도 하나를 포함할 수 있다. 예를 들어, 차선 유지 시나리오에서는 주행성 평가 펙터로 차선유지, 속도, 종방향 가속도, 횡방향 가속도, 차선거리 등의 요소가 있을 수 있다. 차선 변경 시나리오에서는 주행성 평가 펙터로 ACC(적응형 순항 제어장치), AEB(자동 긴급제동 시스템) 작동 여부(EX: AEB가 작동하면 차선 변경에 문제가 있음), 정지차량으로부터의 거리(Ex: 충돌 위험이 있을 때 조향 조작으로 피할 수 있는 거리), 차선 변경시 후방 차량의 거동에 미치는 영향 등의 펙터가 있을 수 있다. 그 외에, 도로교통 규범에 관한 팩터로 신호 준수 여부, 차선 이동 제한 구간 여부, 규정 속도 등이 있을 수 있다.

자율주행 시스템(ADS)은 위와 같은 차선 유지 시나리오 또는 차선 변경 시나리오에 따라 안전성을 만족하는 복수개의 주행경로를 산출할 수 있다. 이러한 경로는 차량의 위치 변화에 따라 실시간으로 갱신될 수 있으며, 현재 차량의 위치를 기준으로 최적의 주행경로를 찾는 방향으로 설정될 수 있다.

또한, 장치(10)는 차량을 운전하는 사용자의 운행 습관이 반영된 사용자 팩터(user factor)를 결정하고, 안전 팩터 및 사용자 팩터에 따른 소정의 기준을 만족하는 적어도 하나 이상의 주행경로 후보를 최적 주행경로로 추정할 수 있다.

또한, 장치(10)는 맵 정보 중 차선 정보가 불충분한 구간에 대해 전후의 차선 정보에 기초하여 해당 구간에 대한 차선 정보를 추정하고, 추정된 차선 정보를 맵 정보에 매핑함으로써 최적 주행경로를 추정할 수 있다. 이에 따르면, 맵 정보 상에 차선 정보가 불충분한 구간에 대해서도 이를 보강하여 최적 주행경로를 추정할 수 있다.

한편, 장치(10)는 최적 주행경로를 추정할 때, 차량의 실제 주행경로(또는 주행경로실제 주행경로)로부터 이에 상응하는 최적 주행경로를 역산하여 추정할 수도 있다. 또한, 장치(10)는 이를 외부의 다른 기기 또는 서버로부터 위 최적 주행경로를 불러오는 방식으로 위 최적 주행경로를 추정할 수 있다.

다른 예로, 장치(10)는 촬영 영상으로부터 차량의 주변 환경 정보를 획득(object detection)하고, 획득한 주변 환경 정보를 경로재설정 펙터로 고려하여 추정된 최적 주행경로를 갱신할 수 있다.

예를 들어, 장치(10)는 카메라로부터 획득한 영상을 전처리하고, 객체(object)에 대한 특징(feature)을 기초로 영상에서 주변 차량, 신호등을 인식할 수 있다. 이때 장치(10)는 맵 정보내 포함된 주변환경에 관한 특징들과 비교를 통해 상기 검출한 객체를 정의하고, 객체의 특징에 상응하는 정보를 추출할 수 있다. 특히, 장치(10)는 차선 단위로 객체를 인식할 수 있으며, 차선 맵 정보와 비교하여 몇 차선에 어떠한 방해물이 있는지 파악하고, 이를 회피하기 위해 차량을 제어할 수 있다.

한편, 장치(10)가 차량에 탑재된 카메라로부터 촬영된 영상을 분석할 때, 여러 단계가 일련의 과정을 거쳐 함께 수행될 수 있다. 일 예로, 장치(10)는 촬영 영상으로부터 영상 내 차선을 검출하고, 검출한 차선이 해당 차량과의 거리가 얼마나 되는지, 차량이 좌측 또는 우측 차선으로부터 몇 번째 차선 위에 있는지 그 개수를 카운트하여 차량의 현재 위치를 결정할 수 있다. 이때, 장치(10)는 차선 정보를 포함하는 맵 정보와 비교하여, 촬영 영상에서 검출한 다른 주변 환경, 예를 들면 신호등이나 횡단보도, 보행자 및 주변 건물들(Ex: DB와 비교하여 촬영 영상의 건물 이름과 위치를 파악)까지 특정하여 인식할 수 있다.

장치(10)는 이러한 객체 인식을 통해 해당 차량이 주행 중 마주치는 다양한 상황, 예를 들어 차량이 신호를 기다리는 중 이라던지, 보행자가 갑자기 튀어나오는 경우 라던지, 속도제한 규정 표시가 있는데도 차량이 속도위반을 한 상황 이라던지 등의 상황 정보를 인식할 수 있다.

장치(10)는 획득한 주변 환경 정보를 기초로 최적 주행경로를 갱신할 수 있다. 예를 들어, 차량은 갑자기 마주친 장애물을 회피하기 위해 차선 변경이나 급정지를 수행할 수 있다. 장치(10)는 안전 펙터를 고려하여 차량의 주행 안전성을 만족하는 범위내에서, 획득한 주변 환경 정보에 따라 유연하게 주행경로를 갱신할 수 있다.

한편, 다수의 차량이 운행한 주행경로에 관한 정보나 통계를 활용한다면 보다 쉽게 최적 주행경로를 추정할 수 있다. 예를 들어, 네비게이션 경로를 생성하는 것과 같이 차량의 실제 주행 경로를 수집할 수 있다면, 특정 도로에서 통상적인 차량이 주로 어떠한 경로로 이동을 해왔는지에 대한 빅데이터가 수집될 수 있다. 이를 인공지능을 통해 학습한다면, 사전에 최적 주행경로에 대한 일반차량 주행경로DB가 수집될 수 있다.

장치(10)는 통계적으로 유의미한 복수의 차량이 주행한 주행경로를 최적 주행경로로 추정하고, 최적 주행경로가 맵 정보에 매핑된 일반차량 주행경로 DB를 획득할 수 있다. 예를 들어, 복수의 차량이 주행한 주행경로들의 평균경로가 최적 주행경로로 추정되거나, 복수의 차량이 주행한 주행경로들의 최빈경로가 최적 주행경로로 추정될 수 있다.

다른 예로, 장치(10)는 일반차량 주행경로DB로부터 차량의 현재 차선을 포함하는 소정 구간내 주행경로들을 추출하고, 소정 구간내 주행경로들의 평균치를 산출하여 적어도 하나의 최적 주행경로를 추정할 수 있다. 이때, 장치(10)는 일반차량 주행경로DB로부터 추출한 주행경로가 여러 개일 경우 이에 대한 히스토그램 평균치를 산출하여 하나의 최적 주행경로를 선택할 수 있다.

단계 140에서, 장치(10)는 현재 차선 위치를 맵 정보에 매핑하여 차량의 실제 주행경로를 추적할 수 있다. 차량의 주행경로를 트래킹하는 기술은 다양한 기술들이 활용될 수 있다. 또한, 전술한 차선-지역화 기술(In-lane-locallization)을 적용하여 GPS, 촬영 영상 및 맵 정보로부터 차량의 현재 차선 위치를 결정하고, 차량이 이동함에 따라 파악되는 현재 차선 위치를 차선 맵 상에 선으로 매핑함으로써 주행경로를 추적할 수 있다. 이때 차선 맵 상에는 곡률을 가지는 선으로 매핑될 수 있으며, 위 곡률은 주행경로들을 비교할 때 활용될 수 있다.

단계 150에서, 장치(10)는 최적 주행경로 및 실제 주행경로를 비교할 수 있다.

장치(10)는 최적 주행경로 및 실제 주행경로를 비교 결과에 기초하여 차량 운전 상태를 모니터링할 수 있다. 여기서, 장치(10)는 운전 상태 모니터링 결과, 차량 운전자가 주의를 기울이고 있는지 판단할 수 있다. 운전자 주의의무 준수 여부를 판단하는 것은 법률적, 규범적 가치 판단의 영역이 필요할 수 있기 때문에 본 발명의 장치(10)가 운전자의 주의의무 준수 여부를 완전하게 판단할 수는 없다. 그러나, 장치(10)는 수집한 데이터를 근거로 운전자의 과실을 일부 분석할 수 있으며, 이에 관하여는 도 5를 통해 자세히 후술한다.

대신, 장치(10)는 전술한 바와 같이 차량 운행에 대한 안전 레퍼런스로 최적 주행경로를 추정하고, 이를 기초로 차량의 실제(real) 주행경로와 비교하여 운전자의 주의의무를 판단하는 기술적 추정을 수행할 수 있다.

이에 따르면, 장치(10)는 최적 주행경로 및 실제 주행경로를 비교하여 운전자 주의의무 상태를 "준수 상태" 또는 "부주의 상태"로 추정할 수 있다. 이를 위해, 장치(10)는 최적 주행경로 및 실제 주행경로 간 일치율, 불일치율의 증감구간, 불일치 시간, 불일치 거리 중 적어도 하나를 주의의무 추정 펙터(factor)로 산출하고, 주의의무 추정 펙터의 증감에 따라 이에 상응하는 운전자 주의의무 상태를 추정할 수 있다.

예를 들어, 장치(10)는 맵 정보에 매핑된 최적 주행경로와 실제 주행경로의 곡률을 비교하여 일치율을 계산할 수 있다. 이때, 장치(10)는 두 주행경로간 일치율이 현저히 떨어지는 경우 운전자 주의의무 상태를 "부주의 상태"로 추정할 수 있다.

다른 예로, 장치(10)는 최적 주행경로와 실제 주행경로간 불일치율의 증감구간을 산출할 수 있다. 여기서 최적 주행경로와 실제 주행경로가 모두 맵(map) 상에 매핑되어 있기 때문에 소정의 임계값을 설정해놓으면 최적 주행경로와 실제 주행경로간 불일치율의 증감 구간을 용이하게 산출할 수 있다. 이때, 장치는 해당 증감 구간을 하나의 펙터(factor)로 적용하여, 위 펙터가 임계값 이상인 경우를 운전자 주의의무 "부주의 상태"로 추정할 수 있다.

또 다른 예로, 장치(10)는 불일치 시간, 불일치 거리 중 적어도 하나를 주의의무 추정 펙터로 설정할 수 있다. 또한, 장치(10)는 위의 펙터들을 조합하거나, 가중치를 정하여 이를 합산하는 방식으로 주의의무 추정 펙터를 설정할 수도 있을 것이다. 만일 이러한 주행으로 인해 사고가 발생했다면, 향후 이러한 주의의무 추정 펙터는 추후 차량 운전자의 과실을 추정하는데 참고될 수 있다.

장치(10)는 운전 상태 모니터링 결과 운전자 부주의 상태가 추정되면 차량을 관리모드로 전환하고 차량의 주행 상태를 모니터링 할 수 있다. 또한, 장치(10)는 차량 관리모드에서 차량 주행상태를 모니터링하고 서버에 모니터링 결과를 전송할 수 있다. 예를들어, 장치(10)는 운전자 부주의 상태가 추정되면, 차량의 차선 유지 여부, 가속/감속 정보, 및 최적 주행경로와 차량의 실제 주행경로 등을 기록하고, 이를 서버에 전송할 수 있다. 다른 예로, 장치(10)는 운전자 부주의 상태가 추정되면, 탑재된 카메라의 촬영 영상을 서버에 전송할 수 있다. 이때, 서버에서는 장치(10)의 운전자 부주의 상태 추정 결과를 기초로, 차량의 주행 정보를 모니터링할 수 있다.

또한, 장치(10)는 운전자 부주의 상태가 추정되면, 차량 운전자의 주의를 환기시키도록 차량내 기기를 제어할 수 있다. 구체적으로, 장치(10)는 네비게이션 장치 또는 스피커를 통해 운전자에게 경고 알림을 발생시키거나, 차량내 공조장치 제어를 통한 에어컨/난방을 조정하거나, 차량내 스피커를 통한 음향을 출력하는 등의 제어를 수행할 수 있다. 이외에도, 차량내 인포테인먼트 시스템을 제어하거나, 다양한 방식으로 운전자의 주의를 환기시키는 제어를 수행할 수 있다.

만일 차량에 사고가 발생하는 경우, 장치(10)는 최적 주행경로 및 실제 주행경로를 비교 분석하여, 차량 운전자의 과실 여부 및 과실 비율을 분석할 수 있다. 이때 과실 여부 분석은 앞서 주의의무를 추정할 때와 달리, 법적 가치판단을 포함할 수 있다.

일반적으로 과실비율 산정의 원칙은, 도로교통법의 우선권 여부에 따라 판단하고, 교통강자 위험부담의 원칙(Ex: 자동차의 위험부담 > 보행자의 위험부담)과, 사고 당시의 구체적 상황(Ex: 차량의 속도, 사고발생시 교통량, 가시거리, 도로의 폭과 종류 및 상황, 교통정리 규제상황, 기후와 계절을 비롯한 자연 조건 등)을 종합하여 고려한다.

장치(10)는 이상 주행경로와 차량의 실제 주행경로를 비교하여 차량 운전자가 사고를 회피할 수 있었는지 여부를 판단할 수 있고, 차량 주행 기록 중 차량의 속도, 가속/감속 구간 및 촬영 영상으로부터 추출한 주변 환경 정보 등을 종합하여 운전자의 과실 여부를 분석할 수 있다. 이에 관하여 판단가능한 과실과, 판단 불가한 과실에 대해서는 도 5을 참고할 수 있다.

또한, 장치(10)는 차량이 위의 운전자 주의의무 추정에 의해, 부주의 상태로 추정되어 차량 관리모드로 전환한 구간이나, 관리 모드에서 서버에 전송한 정보 등을 사고 관련 데이터로 저장할 수 있다. 또한, 장치(10)는 분석 결과를 포함하는 리포트를 생성할 수 있다.

한편, 이러한 과실 여부와 비율에 대한 구체적인 판단은 장치(10) 내부 또는 외부에 있는 AI 모델을 통해 수행될 수도 있다. 또는 보험회사의 과실산정 알고리즘에 필요한 근거 데이터를 취합하여 분석 보고서(리포트) 형태로 서버에 전송할 수 있을 것이다.

본 발명에서 장치(10)는 상기 언급된 차량 주행과 관련된 모니터링, 차량 운전자의 모니터링을 장치(10) 단독으로 또는 차량에 부착되거나 차량과 유/무선으로 연결된 장비와 연결되어 수행 할 수 있다.

도 2a와 도 2b는 본 발명의 일 실시예를 설명하기 위해 제시된, 차량이 촬영한 촬영 영상과 맵 정보에 관한 도면이다. 장치(10)는 차량(210)의 현재 차선 위치를 결정하기 위해 GPS(미도시) 신호, 촬영 영상(211), 맵 정보를 획득할 수 있다. 도 2a를 참고하면 차량(210) 탑재된 카메라를 이용하여 촬영 영상(211)을 획득하는 것을 설명할 수 있다. 또한, 도 2b를 참고하면, 본 발명에서 예시하는 맵(Map) 정보는, 차선 정보를 포함하는 정밀도로지도 일 수 있다. 도 2b의 좌측도면(213)은 맵 정보에 대한 일 예이고, 도 2b의 우측도면(214)은 좌측도면(213)의 일 부분을 확대한 확대도이다. 맵 정보 확대도(214)를 참고하면, 맵 정보에서 도로는 차선과, 교차로 등의 정보를 포함함을 알 수 있다.

도 3a 내지 도 3b는 각각 본 발명의 일 실시예에 따른 최적 주행경로, 실제 주행경로에 관해 설명하는 그림이다. 도 3a를 참고하면, 본 발명에서 최적 주행경로는 자율주행 시스템(ADS)이 차량의 현재 차선 위치로부터 선택할 수 있는 복수의 주행경로 중 안전 펙터(Safe factor)를 만족하는 하나의 주행경로 일 수 있다.

일 예로, 이상 주행 경로는 소정의 길이를 가지는 차선 노드를 연결한 차선 레벨의 이동 경로일 수 있다

도 3a를 참고하면, 최적 주행경로(331, 332)는 최적 주행경로를 차선 정보를 포함하는 맵(Map) 정보에 매핑함으로써 곡률을 가지는 선으로 표현될 수 있다. 여기서 최적 주행경로는, 만일 차량이 해당 최적 주행경로로 실제로 주행한다면 차량의 타이어가 어떤 궤적을 그리며 주행할 지에 대해 계산한 이상 수치일 수 있으며, 직선이라면 곡률이 0, 그리고 커브 구간이라면 곡률반경의 역수에 따르는 곡률을 가지는 궤적일 수 있다. 이를 위해, 장치(10)는 도로의 폭, 차량의 폭, 타이어 마찰 등을 고려해 위 최적 주행경로를 산술적으로 산출할 수 있다.

도 3b는 일 예에 따라 차량의 실제 주행경로를 설명하는 예시이다. 차량(300)은 현재 차선 위치 정보를 맵 정보에 매핑하여 실제 주행경로(361, 362)을 추적할 수 있다. 차량 운전자는 운전 습관에 따라 차선 범위 내라도 지그재그로 운전하는 습관이 있을 수 있으며, 또는 운전자가 부주의 상태로 운전을 수행하고 있을 수도 있다. 다만, 본 발명의 실시에에서는 위 상황에 대한 전체적, 종합적 판단보다 차량의 실제 주행경로를 기록하고 최적 주행경로와 비교함으로써 운전자의 주의의무 위반 여부를 추정하는 것을 설명한다.

도 4는 본 발명의 일 실시예에 따라 맵 정보 상에 최적 주행경로와 실제 주행경로를 매핑하는 것을 설명하는 일 예이다. 장치(10)는 도 4의 좌측도면(400)과 같이 맵 정보를 획득하고, 위 맵 정보 상에 최적 주행경로와 실제 주행경로를 매핑할 수 있다.

도 4의 좌측도면(400)에서 소정의 구간을 확대하여 보면, 우측 도면에서 최적 주행경로(410)과 실제 주행경로(420)을 비교하여 볼 수 있다. 본 발명의 일 실시 예에 따르면, 장치(10)는 위 맵 상에 매핑된 최적 주행경로와 차량의 실제 주행경로를 비교하여 두 궤적간 일치율, 불일치 증감구간, 불일치 시간, 불일치 거리 등을 계산할 수 있다.

도 5는 본 발명의 일 실시예에 따라 장치가 운전자의 과실을 분석할 때 사용하는 과실판단 가부와 과실비율 인정 기준에 관해 설명하는 일 예이다.

만일 차량에 사고가 발생한다면, 장치(10)는 최적 주행경로와 차량의 실제 주행경로를 비교 분석하여 차량 운전자의 과실 여부 및 과실 비율을 분석할 수 있다. 이때, 도로교통법과 판레를 통해 과실 인정 요건과, 산정 기준 등이 다수 제시되어 있으며, 도 5는 그 중 장치(10)에서 판단 가능한 과실과, 판단 불가한 과실을 분류한 표이다.

이에 따르면, 장치(10) 도로교통법상 과실 비율을 20% 가중하는 12대 중과실 중 신호 위반, 중앙선 침범, 제한속도 위반(20km/h 이상), 앞지르기 위반, 철길건널목 위반, 횡단보도 사고, 보도 침범, 어린이 보호구역(스쿨존) 안전의무 위반 등 8개 항목을 판단할 수 있다. 반면, 장치(10)는 12대 중과실 중 무면허 운전, 음주운전(혈중알콜농도 0.03% 이상), 승객추락방지 의무위반(개문발차), 화물 고정 위반 등 주로 인적 요소 관련된 항목은 판단이 불가할 것으로 보인다.

또한, 장치(10)는 과실 비율을 10% 가중하는 현저한 과실로 전방주시의무 위반이 현저한 경우, 제한속도 위반(10~20km/h), 핸들 및 브레이크 조작이 현저히 부적절한 경우 등을 판단할 수 있을 것으로 보인다. 반면, 장치(10)는 음주운전, 운전중 휴대전화 사용, 운전중 영상표시장치 시청/조작 등 주로 인적 요소 관련된 항목은 판단이 불가할 것으로 보인다.

다만, 여기서 현재 판단 불가라고 지정하였어도, 향후 차량 내부를 비추는 카메라를 설치하거나, 다른 정보(다른 차량의 블랙박스 등)을 통해 위 항목중 판단이 가능한 항목도 생길 수 있다. 본 발명은 이에, 이를 절대적 판단 가부 항목으로 지정하는 것은 아니며, 어디까지나 여러 상황 중 하나의 예시로써 파악되어야 할 것이다.

구체적으로, 장치(10)는 차량의 주행 상태와 최적 주행경로, 차량의 실제 주행경로를 기초로 다음과 같은 분석을 수행할 수 있다. 일 예로, 장치(10)는 최적 주행경로를 기초로 차량의 실제 주행경로를 비교하여 차량이 사고 발생을 인지하고 속도를 감속하거나 조향장치를 좌/우로 조작하여 사고를 회피하려는 시도를 했는지(전방 주시의무)와, 차량이 사고를 회피하기 위해 차량이 정지하기 위한 충분한 거리를 확보하고 있었는지(안전거리 확보의무) 등을 분석 할 수 있다. 한편, 이에 대한 판단 결과는 단순히 과실 유/무로 표시되는 것이 아니라, 여러가지 가능성을 고려한 확률로서 제시될 수 있다.

또한, 장치(10)는 차량의 실제 주행경로를 기초로 차량 운전자의 전방 주시의무, 안전거리 확보의무, 시야장애 유무, 정지/후퇴/사행 유무 등을 판단할 수 있다. 또한, 차량의 촬영 영상으로부터 주변 환경을 인식하고, 이로부터 차량의 선행과 후행 여부, 진로변경, 앞지르기, 끼어들기, 꼬리물기 등을 판단할 수 있다.

또한, 장치(10)는 운전자 주의의무 준수 상태 또는 부주의 상태를 추정한 후 사고가 발생하기까지 차량의 운행 기록, 모니터링 결과를 위 과실을 분석하는데 참조할 수 있다.

한편, 장치(10)는 운전자의 과실이 있다고 판단될 수 있는 몇가지 시나리오를 바탕으로, AI 모델을 활용하여 위 과실 분석을 수행할 수 있다.

특히, 구체적으로, 서버 및 장치는 차량 운전자가 전방 주시의무, 안전거리 확보 의무를 지켰는지, 또는 차량 운전자에게 현저한 과실 또는 중과실이 인정되는 요건에 해당하는 행위가 있었는지 분석하고, 사고 과실에 대한 평가를 수행할 수 있다. 그리고, 사고 과실을 포함한 상기 분석 결과를 포함하는 리포트를 생성할 수 있다.

AI 모델 학습을 이용한 사고 과실 평가는 사고 과실 판별 모델의 학습 과정 및 사고 과실 판별 모델의 평가 과정을 포함할 수 있다.

학습 과정에서, 사고 영상 학습데이터 및 사고 영상 학습데이터에 대응하는 과실 비율 학습데이터를 획득할 수 있다.

또한, 학습 과정에서, 입력된 사고 영상 학습데이터와 과실 비율 학습 데이터, 즉, 해당 사고 영상이 촬영된 차량의 과실 비율을 정답으로 하여 사고 과실 판별 모델을 학습시킨다. 즉, 사고 과실 판별 모델은 딥러닝 기반으로 학습될 수 있다.

또한, 학습 과정에서, 사고 과실 비율을 평가하기 위해서, 사고 영상 학습데이터에 포함된 신호등, 차선 등 공간 정보와 속도, 사고 발생 이전의 상태 정보 등의 시간 정보가 이용될 수 있다. 따라서 본 발명에 따른 사고 과실 판별 모델은 공간 정보와 시간 정보를 모두 학습할 수 있는 딥러닝 네트워크를 사용할 수 있다.

평가 과정에서, 사고 영상 데이터가 입력되는 경우, 학습이 완료된 사고 과실 판별 모델을 이용하여 사고 과실 정보(예:과실 비율)를 판별할 수 있다.

예를 들어, 사고 상황이 담긴 영상을 사고 과실 판별 모델에 입력하면 과실 비율이 측정될 수 있다. 예를 들어, 사고 과실 판별 모델의 출력값이 사고 과실 비율(0~100%)로 나타낼 수 있다.

학습 과정에서는 사고 과실 판별 모델을 통해 출력된 값과, 입력된 과실 비율을 비교하여 두 개의 값에 차이가 발생하지 않도록 하는 과정을 의미할 수 있다. 즉, 본 발명에 따른 사고 과실 판별 모델은 정답과 예측값의 차이를 줄여나가는 방식으로 학습되는 모델이다.

과실 비율 평가 과정에서, 학습된 사고 과실 판별 모델에 사고 영상 데이터(예: 차량에 설치된 카메라로부터 획득된 영상)을 입력되는 경우, 사고 영상 데이터에 대한 과실 비율이 출력될 수 있다.

상기 과정을 통해 산출된 과실 비율에 대한 정보는 카셰어링 업체, 보험사, 변호사 등 다양한 교통사고에 관해 사고처리를 담당하는 이해관계자에 의해 활용될 수 있다. 본 발명의 다양한 실시예에 따라, 사고 영상 데이터를 사고 과실 판별 모델에 적용하여 사고 과실 정보를 산출함으로써, 제3자의 입장에서 변호사 또는 법률로 상호간 합의된 과실 측정 자료를 이용하여 신뢰도 높일 수 있다.

한편, 장치(10)는 운전자의 과실이 있다고 판단될 수 있는 몇가지 시나리오를 바탕으로, AI 모델을 활용하여 위 과실 분석을 수행할 수 있다. 다른 실시 예로, 장치는 외부 보험사가 가지고 있는 과실 판단 알고리즘을 이용할 수 있다. 이때, 과실 분석은 장치(10) 외부의 서버를 통해 수행될 수 있으며, 이 경우 장치(10)는 위 과실 분석에 필요한 근거 데이터를 제공하는 역할을 수행할 수 있다.

도 6은 본 발명의 다른 실시예에 따른 서버에서 수행하는 차량의 주행경로에 기초한 운전 상태 모니터링 방법의 흐름도이다.

도 6을 참고하면, 본 발명은 장치(10) 이외에, 차량 외부에 있는 서버에 의해 아래와 같은 차량의 주행경로에 기초한 운전 상태 모니터링 방법이 수행될 수 있다.

차량은 부착된 카메라로부터 영상을 획득하고 이를 저장할 수 있다. 이때, 차량은 획득한 영상을 서버에 실시간으로 업로드할 수 있다. 이때, 서버는 운전 상태 모니터링을 위한 각 단계를 수행할 수 있다. 서버를 통해 위의 운전 상태 모니터링이 구현되는 경우, 차량은 운전 상태 모니터링을 위해 복잡하고 무거운 프로세서를 탑재할 필요가 없으며, 서버에서는 더 많은 정보와 DB를 가지고 고도의 연산 처리를 수행할 수 있는 장점이 있다.

단계 600에서, 서버는 차량에 탑재된 카메라가 촬영한 촬영 영상 및 맵 정보에 기초하여 차량의 현재 차선 위치를 결정할 수 있다. 구체적으로, 서버는 비쥬얼 로컬리제이션(Visual localization) 기술을 이용해 수신한 영상을 기반으로 차량의 위치를 특정할 수 있다. 예를 들어, 서버는 차량으로부터 수신한 영상으로부터 주변 환경을 인식할 수 있다. 서버는 획득한 영상을 전처리하고, 객체(object)에 대한 특징(feature)을 기초로 영상에서 주변 차량, 신호등을 인식할 수 있다.

여기서, 서버는 촬영 영상으로부터 차량 주변 환경 정보를 획득하고, 주변 환경 정보로부터 특징들을 추출하고, 이를 맵 정보에 포함된 특징들과 비교하여 일치하는 특징들을 추출하고, 일치하는 특징들을 맵 정보내 위치 정보와 비교하여 차량의 현재 차선 위치를 결정할 수 있다. 여기서, 맵 정보는 각 사물에 대한 주요 특징들을 포함하도록 제작되어 있어야 하기 때문에 DB가 상당히 크고, 서버에서도 이를 처리하기 위한 고도의 연산이 필요하다. 그러나, 서버에서 이러한 비쥬얼 로컬리제이션 기술을 통해 차량의 차선 위치를 결정할 수 있다면, 차량으로부터 촬영 영상을 전송 받는 것 만으로도, 해당 차량의 현재 차선 위치, 주변 환경 등 상당히 많은 정보들을 추출할 수 있다.

단계 610에서, 서버는 현재 차선 위치로부터 선택 가능한 최적 주행경로를 추정할 수 있다. 일 예로, 서버는 차선 정보를 포함하는 맵 정보로부터 차량의 현재 차선 위치에서 선택 가능한 복수의 주행경로 후보들을 추출하고, 주행경로 후보들 중에서 안전 팩터(safe factor)에 따른 소정의 기준을 만족하는 적어도 하나 이상의 주행경로 후보를 최적 주행경로로 추정할 수 있다.

여기서, 안전 펙터는 차량의 차선 유지 시나리오 또는 차선 변경 시나리오에서 필요한 주행성 평가 펙터 및 도로교통 규범 펙터 중 적어도 하나를 포함할 수 있다. 예를 들어, 차선 유지 시나리오에서는 주행성 평가 펙터로 차선유지, 속도, 종방향 가속도, 횡방향 가속도, 차선거리 등의 요소가 있을 수 있다. 차선 변경 시나리오에서는 주행성 평가 펙터로 ACC(적응형 순항 제어장치), AEB(자동 긴급제동 시스템) 작동 여부(EX: AEB가 작동하면 차선 변경에 문제가 있음), 정지차량으로부터의 거리(Ex: 충돌 위험이 있을 때 조향 조작으로 피할 수 있는 거리), 차선 변경시 후방 차량의 거동에 미치는 영향 등의 펙터가 있을 수 있다. 그 외에, 도로교통 규범에 관한 팩터로 신호 준수 여부, 차선 이동 제한 구간 여부, 규정 속도 등이 있을 수 있다.

또한, 서버는 차량을 운전하는 사용자의 운행 습관이 반영된 사용자 팩터(user factor)를 결정하고, 안전 팩터 및 사용자 팩터에 따른 소정의 기준을 만족하는 적어도 하나 이상의 주행경로 후보를 최적 주행경로로 추정할 수 있다.

또한, 서버는 맵 정보 중 차선 정보가 불충분한 구간에 대해 전후의 차선 정보에 기초하여 해당 구간에 대한 차선 정보를 추정하고, 추정된 차선 정보를 맵 정보에 매핑함으로써 최적 주행경로를 추정할 수 있다. 이에 따르면, 맵 정보 상에 차선 정보가 불충분한 구간에 대해서도 이를 보강하여 최적 주행경로를 추정할 수 있다.

다른 예로, 서버는 촬영 영상으로부터 차량의 주변 환경 정보를 획득(object detection)하고, 획득한 주변 환경 정보를 경로재설정 펙터로 고려하여 추정된 최적 주행경로를 갱신할 수 있다.

예를 들어, 서버는 카메라로부터 획득한 영상을 전처리하고, 객체(object)에 대한 특징(feature)을 기초로 영상에서 주변 차량, 신호등을 인식할 수 있다. 이때 서버는 맵 정보내 포함된 주변환경에 관한 특징들과 비교를 통해 상기 검출한 객체를 정의하고, 객체의 특징에 상응하는 정보를 추출할 수 있다. 특히, 서버는 차선 단위로 객체를 인식할 수 있으며, 차선 맵 정보와 비교하여 몇 차선에 어떠한 방해물이 있는지 파악하고, 이를 회피하기 위해 차량을 제어할 수 있다.

서버는 이러한 객체 인식을 통해 해당 차량이 주행 중 마주치는 다양한 상황, 예를 들어 차량이 신호를 기다리는 중 이라던지, 보행자가 갑자기 튀어나오는 경우 라던지, 속도제한 규정 표시가 있는데도 차량이 속도위반을 한 상황 이라던지 등의 상황 정보를 인식할 수 있다.

서버는 획득한 주변 환경 정보를 기초로 최적 주행경로를 갱신할 수 있다. 예를 들어, 차량은 갑자기 마주친 장애물을 회피하기 위해 차선 변경이나 급정지를 수행할 수 있다. 서버는 안전 펙터를 고려하여 차량의 주행 안전성을 만족하는 범위내에서, 획득한 주변 환경 정보에 따라 유연하게 주행경로를 갱신할 수 있다.

또한, 서버는 통계적으로 유의미한 복수의 차량이 주행한 주행경로를 최적 주행경로로 추정하고, 최적 주행경로가 맵 정보에 매핑된 일반차량 주행경로 DB를 획득할 수 있다.

다른 예로, 서버는 일반차량 주행경로DB로부터 차량의 현재 차선을 포함하는 소정 구간내 주행경로들을 추출하고, 소정 구간내 주행경로들의 평균치를 산출하여 적어도 하나의 최적 주행경로를 추정할 수 있다. 이때, 서버는 일반차량 주행경로DB로부터 추출한 주행경로가 여러 개일 경우 이에 대한 히스토그램 평균치를 산출하여 하나의 최적 주행경로를 선택할 수 있다.

단계 630에서, 서버는 현재 차선 위치를 맵 정보에 매핑하여 차량의 실제 주행경로를 추적할 수 있다. 차량의 주행경로를 트래킹하는 기술은 다양한 기술들이 활용될 수 있다. 또한, 전술한 비쥬얼 로컬리제이션(visual-locallization)을 적용하여 촬영 영상 및 맵 정보로부터 차량의 현재 차선 위치를 결정하고, 차량이 이동함에 따라 파악되는 현재 차선 위치를 차선 맵 상에 선으로 매핑함으로써 주행경로를 추적할 수 있다. 이때 차선 맵 상에는 곡률을 가지는 선으로 매핑될 수 있으며, 위 곡률은 주행경로를 비교할 때 활용될 수 있다.

한편, 서버는 최적 주행경로 및 상기 실제 주행경로를 비교하여 차량 운전 상태를 모니터링할 수 있다. 서버는 전술한 바와 같이 차량 운행에 대한 안전 레퍼런스로 최적 주행경로를 추정하고, 이를 기초로 차량의 실제 주행경로와 비교하여 운전자의 주의의무 준수 여부를 판단하는 기술적 추정을 수행할 수 있다.

이에 따르면, 서버는 최적 주행경로 및 실제 주행경로를 비교하여 운전자 주의의무 상태를 "준수 상태" 또는 "부주의 상태"로 추정할 수 있다. 이를 위해, 서버는 최적 주행경로 및 실제 주행경로 간 일치율, 불일치율의 증감구간, 불일치 시간, 불일치 거리 중 적어도 하나를 주의의무 추정 펙터(factor)로 산출하고, 주의의무 추정 펙터의 증감에 따라 이에 상응하는 운전자 주의의무 상태를 추정할 수 있다.

예를 들어, 서버는 맵 정보에 매핑된 최적 주행경로와 실제 주행경로의 곡률을 비교하여 일치율을 계산할 수 있다. 이때, 서버는 두 주행경로간 일치율이 현저히 떨어지는 경우 운전자 주의의무 상태를 "부주의 상태"로 추정할 수 있다.

다른 예로, 서버는 최적 주행경로와 실제 주행경로간 불일치율의 증감구간을 산출할 수 있다. 여기서 최적 주행경로와 실제 주행경로가 모두 맵(map) 상에 매핑되어 있기 때문에 소정의 임계값을 설정해놓으면 최적 주행경로와 실제 주행경로간 불일치율의 증감 구간을 용이하게 산출할 수 있다. 이때, 장치는 해당 증감 구간을 하나의 펙터(factor)로 적용하여, 위 펙터가 임계값 이상인 경우를 운전자 주의의무 "부주의 상태"로 추정할 수 있다.

또 다른 예로, 서버는 불일치 시간, 불일치 거리 중 적어도 하나를 주의의무 추정 펙터로 설정할 수 있다. 또한, 서버는 위의 펙터들을 조합하거나, 가중치를 정하여 이를 합산하는 방식으로 주의의무 추정 펙터를 설정할 수도 있을 것이다. 만일 이러한 주행으로 인해 사고가 발생했다면, 향후 이러한 주의의무 추정 펙터는 추후 차량 운전자의 과실을 추정하는데 참고될 수 있다.

단계 640에서, 서버는 차량에 알림을 발송하여 운전자의 주의를 환기시킬 수 있다. 서버는 주의의무 추정 결과 운전자 부주의 상태가 추정되면 차량을 모니터링하는 모드로 전환할 수 있다. 예를 들어, 서버는 운전자 부주의 상태가 추정되면, 차량의 차선 유지 여부, 가속/감속 정보, 및 최적 주행경로와 차량의 실제 주행경로 등을 기록할 수 있다. 이때, 서버는 차량 운전자에게 운전자 주의의무 추정 결과 부주의 상태로 추정됨을 해당 차량에 알리고, 해당 운전자의 주의를 환기시키기 위한 후속 조치를 수행할 수 있다.

구체적으로, 서버는 네비게이션 장치 또는 스피커를 통해 운전자에게 경고 알림을 발생시키거나, 차량내 공조장치 제어를 통한 에어컨/난방을 조정하거나, 차량내 스피커를 통한 음향을 출력하는 등의 제어를 수행할 수 있다. 이외에도, 차량내 인포테인먼트 시스템을 제어하거나, 다양한 방식으로 운전자의 주의를 환기시키는 제어를 수행할 수 있다.

차량에 교통사고가 발생하는 경우, 단계 650에서와 같이, 서버는 최적 주행경로와 실제 주행경로를 비교 분석하여 운전자의 과실 여부, 과실 비율 분석을 수행할 수 있다. 이때, 서버는 최적 주행경로와 차량의 실제 주행경로를 비교하여 차량 운전자가 사고를 회피할 수 있었는지 여부를 판단할 수 있고, 차량 주행 기록 중 차량의 속도, 가속/감속 구간 및 촬영 영상으로부터 추출한 주변 환경 정보 등을 종합하여 운전자의 과실 여부를 분석할 수 있다.

구체적으로, 서버는 차량 운전자가 전방 주시의무, 안전거리 확보 의무를 지켰는지, 또는 차량 운전자에게 현저한 과실 또는 중과실이 인정되는 요건에 해당하는 행위가 있었는지 분석하고, 상기 분석 결과를 포함하는 리포트를 생성할 수 있다.

도 7은 본 발명의 또 다른 실시예에 따른 서버에서 수행하는 차량의 주행경로에 기초한 운전 상태 모니터링 방법에 관한 흐름도이다. 도 6과 도 7을 비교하면 교통사고 발생 전후 시점이 다르다. 이 경우, 서버에서 실시간으로 차량을 모니터링하는 단계는 수행할 수 없게 되지만, 서버는 교통 사고 발생 후 해당 사고에 대한 과실 분석만을 수행하기 때문에, 차량과 서버 모두 과도한 연산처리가 필요하지 않은 장점이 있다. 도 7의 경우, 교통 사고 발생 후 처리에 초점이 맞춰져 있다.

이에, 도 7을 참고하면, 단계 700에서, 서버는 차량에 탑재된 카메라가 촬영한 촬영 영상 및 맵 정보에 기초하여 차량의 현재 차선 위치를 결정할 수 있다.

단계 710에서, 서버는 현재 차선 위치로부터 선택 가능한 최적 주행경로를 추정하고, 단계 720에서, 서버는 현재 차선 위치를 맵 정보에 매핑하여 차량의 실제 주행경로를 추적할 수 있다. 또한, 서버는 최적주행경로 및 상기 실제 주행경로를 비교하여 차량 운전 상태를 모니터링할 수 있다. 단계 740에서, 서버는 사고 촬영 영상, 상기 추정한 최적 주행경로 및 상기 차량의 실제 주행경로를 기초로 상기 운전자의 과실 여부 및 과실 비율을 분석하는 것을 할 수 있다. 이때, 전술한 각 단계는 도 6의 각 단계와 유사한 측면이 있어 이에 관한 자세한 설명은 생략한다.

도 8은 다른 실시 예에 따른 차량의 주행경로에 기초한 운전 상태 모니터링 장치(10)에 관한 구성도이다. 도 8을 참고하면, 일 실시 예에 따른 차량의 주행경로에 기초한 운전 상태 모니터링 장치(10)는, 정보획득부(11), 차선 위치 결정부(12), 최적 주행경로 추정부(14), 실제 주행경로 추적부(15), 운전 상태 모니터링부(16), 운전자 과실 분석부(17), 제어부(18)를 포함할 수 있다.

정보획득부(11)는 차량의 GPS 정보, 차량에 탑재된 카메라의 촬영 영상 및 맵 정보를 획득할 수 있다. 정보획득부(11)는 차량에 탑재된 GPS 수신기로부터 GPS 신호를, 카메라로부터 촬영 영상을 획득할 수 있다. 이때 카메라는 차량내 여러 대가 탑재해 있을 수 있으며, 이 경우 소정의 전처리를 통해 촬영 영상을 가공하는 단계를 거칠 수 있다. 여기서, 카메라의 종류나 형태를 한정하는 것은 아니다. 일 예로 차량내 블랙박스와 같은 장치도 카메라의 일종이 될 수 있다. 또한, 정보획득부(11)는 사전에 또는 서버로부터 맵(Map) 정보를 획득할 수 있다. 여기서 맵 정보는 차선 정보를 포함하고 있는 정밀도로지도일 수 있다.

차선 위치 결정부(12)는 GPS 정보, 촬영 영상 및 맵 정보에 기초하여 차량의 현재 차선 위치를 결정할 수 있다. 차량 내 GPS 정보는 해당 차량의 위치를 가리키기도 하지만, 일반적으로 GPS 는 소정의 구간에 대한 정보만을 제시할 뿐 특정 지역 특히 세분화된 위치 정보는 제공하지 않을 수 있다. 장치(10)는 촬영 영상 및 맵 정보에 기초하여 차량의 현재 위치를 차선 단위로 파악할 수 있다.

차선 위치 결정부(12)가 차선지역화(In-Lane-Locallization) 기술을 적용하는 일 예를 설명하여 보면, 차선 위치 결정부(12)는 촬영 영상으로부터 차량이 주행하고 있는 차선이 좌/우에서 몇변째 차선인지 또는 그 차선과의 거리가 몇 미터인지를 계산하여 현재 주행차로를 판단할 수 있다. 그 외에도, 차량의 현재 차선 위치를 파악하기 위해 다양한 기술들이 활용될 수 있다.

최적 주행경로 추정부(14)는 현재 차선 위치로부터 선택 가능한 최적 주행경로를 추정할 수 있다. 일 예로, 최적 주행경로 추정부(14)는 차선 정보를 포함하는 맵 정보로부터 차량의 현재 차선 위치에서 선택 가능한 복수의 주행경로 후보들을 추출하고, 주행경로 후보들 중에서 안전 팩터(safe factor)에 따른 소정의 기준을 만족하는 적어도 하나 이상의 주행경로 후보를 최적 주행경로로 추정할 수 있다.

여기서, 안전 펙터는 차량의 차선 유지 시나리오 또는 차선 변경 시나리오에서 필요한 주행성 평가 펙터 및 도로교통 규범 펙터 중 적어도 하나를 포함할 수 있다. 예를 들어, 차선 유지 시나리오에서는 주행성 평가 펙터로 차선유지, 속도, 종방향 가속도, 횡방향 가속도, 차선거리 등의 요소가 있을 수 있다. 차선 변경 시나리오에서는 주행성 평가 펙터로 ACC(적응형 순항 제어장치), AEB(자동 긴급제동 시스템) 작동 여부(EX: AEB가 작동하면 차선 변경에 문제가 있음), 정지차량으로부터의 거리(Ex: 충돌 위험이 있을 때 조향 조작으로 피할 수 있는 거리), 차선 변경시 후방 차량의 거동에 미치는 영향 등의 펙터가 있을 수 있다. 그 외에, 도로교통 규범에 관한 팩터로 신호 준수 여부, 차선 이동 제한 구간 여부, 규정 속도 등이 있을 수 있다.

또한, 최적 주행경로 추정부(14)는 차량을 운전하는 사용자의 운행 습관이 반영된 사용자 팩터(user factor)를 결정하고, 안전 팩터 및 사용자 팩터에 따른 소정의 기준을 만족하는 적어도 하나 이상의 주행경로 후보를 최적 주행경로로 추정할 수 있다.

또한, 최적 주행경로 추정부(14)는 맵 정보 중 차선 정보가 불충분한 구간에 대해 전후의 차선 정보에 기초하여 해당 구간에 대한 차선 정보를 추정하고, 추정된 차선 정보를 맵 정보에 매핑함으로써 최적 주행경로를 추정할 수 있다. 이에 따르면, 맵 정보 상에 차선 정보가 불충분한 구간에 대해서도 이를 보강하여 최적 주행경로를 추정할 수 있다.

한편, 최적 주행경로 추정부(14)는 최적 주행경로를 추정할 때, 차량의 실제 주행경로(또는 주행경로실제 주행경로)로부터 이에 상응하는 최적 주행경로를 역산하여 추정할 수도 있다. 또한, 최적 주행경로 추정부(14)는 이를 외부의 다른 기기 또는 서버로부터 위 최적 주행경로를 불러오는 방식으로 위 최적 주행경로를 추정할 수 있다.

다른 예로, 최적 주행경로 추정부(14)는 촬영 영상으로부터 차량의 주변 환경 정보를 획득(object detection)하고, 획득한 주변 환경 정보를 경로재설정 펙터로 고려하여 추정된 최적 주행경로를 갱신할 수 있다.

예를 들어, 최적 주행경로 추정부(14)는 카메라로부터 획득한 영상을 전처리하고, 객체(object)에 대한 특징(feature)을 기초로 영상에서 주변 차량, 신호등을 인식할 수 있다. 이때 최적 주행경로 추정부(143)는 맵 정보내 포함된 주변환경에 관한 특징들과 비교를 통해 상기 검출한 객체를 정의하고, 객체의 특징에 상응하는 정보를 추출할 수 있다. 특히, 최적 주행경로 추정부(14)는 차선 단위로 객체를 인식할 수 있으며, 차선 맵 정보와 비교하여 몇 차선에 어떠한 방해물이 있는지 파악하고, 이를 회피하기 위해 차량을 제어할 수 있다.

최적 주행경로 추정부(14)는 이러한 객체 인식을 통해 해당 차량이 주행 중 마주치는 다양한 상황, 예를 들어 차량이 신호를 기다리는 중 이라던지, 보행자가 갑자기 튀어나오는 경우 라던지, 속도제한 규정 표시가 있는데도 차량이 속도위반을 한 상황 이라던지 등의 상황 정보를 인식할 수 있다.

최적 주행경로 추정부(14)는 획득한 주변 환경 정보를 기초로 최적 주행경로를 갱신할 수 있다. 예를 들어, 차량은 갑자기 마주친 장애물을 회피하기 위해 차선 변경이나 급정지를 수행할 수 있다. 최적 주행경로 추정부(14)는 안전 펙터를 고려하여 차량의 주행 안전성을 만족하는 범위내에서, 획득한 주변 환경 정보에 따라 유연하게 주행경로를 갱신할 수 있다.

한편, 다수의 차량이 운행한 주행경로에 관한 정보나 통계를 활용한다면 보다 쉽게 최적 주행경로를 추정할 수 있다. 예를 들어, 네비게이션 경로를 생성하는 것과 같이 차량의 실제 주행 경로를 수집할 수 있다면, 특정 도로에서 통상적인 차량이 주로 어떠한 경로로 이동을 해왔는지에 대한 빅데이터가 수집될 수 있다. 이를 인공지능을 통해 학습한다면, 사전에 최적 주행경로에 대한 일반차량 주행경로DB가 수집될 수 있다.

최적 주행경로 추정부(14)는 통계적으로 유의미한 복수의 차량이 주행한 주행경로를 최적 주행경로로 추정하고, 최적 주행경로가 맵 정보에 매핑된 일반차량 주행경로 DB를 획득할 수 있다.

최적 주행경로 추정부(14)는 최적 주행경로를 맵 정보에 매핑하여 최적 주행경로를 추정할 수 있다. 일 예로, 최적 주행경로 추정부(14)는 최적 주행경로를 맵 정보에 곡률을 가지는 선으로 매핑하고, 상기 선을 최적 주행경로로 추정할 수 있다. 이에 따르면, 최적 주행경로 추정부(14)는 최적 주행경로와 실제 주행경로를 동일 평면 상의 맵 정보에 매핑할 수 있고, 맵 정보 상에서 표시되는 선으로부터 각 주행경로의 곡률을 용이하게 비교할 수 있다.

다른 예로, 최적 주행경로 추정부(14)는 일반차량 주행경로DB로부터 차량의 현재 차선을 포함하는 소정 구간내 주행경로들을 추출하고, 소정 구간내 주행경로들의 평균치를 산출하여 적어도 하나의 최적 주행경로를 추정할 수 있다. 이때, 최적 주행경로 추정부(14)는 일반차량 주행경로DB로부터 추출한 주행경로가 여러 개일 경우 이에 대한 히스토그램 평균치를 산출하여 하나의 최적 주행경로를 선택할 수 있다.

실제 주행경로 추적부(15)는 현재 차선 위치를 맵 정보에 매핑하여 차량의 실제 주행경로를 추적할 수 있다. 차량의 주행경로를 트래킹하는 기술은 다양한 기술들이 활용될 수 있다. 또한, 실제 주행경로 추적부(15)는 전술한 차선-지역화 기술(In-lane-locallization)을 적용하여 GPS, 촬영 영상 및 맵 정보로부터 차량의 현재 차선 위치를 결정하고, 차량이 이동함에 따라 파악되는 현재 차선 위치를 차선 맵 상에 선으로 매핑함으로써 주행경로를 추적할 수 있다. 이때 차선 맵 상에는 곡률을 가지는 선으로 매핑될 수 있으며, 위 곡률은 주행경로들을 비교할 때 활용될 수 있다.

운전 상태 모니터링부(16)는 최적 주행경로 및 실제 주행경로를 비교하여 차량 운전 상태를 모니터링할 수 있다. 운전 상태 모니터링부(16)는 전술한 바와 같이 차량 운행에 대한 안전 레퍼런스로 최적 주행경로를 추정하고, 이를 기초로 차량의 실제 주행경로와 비교하여 운전자의 주의의무 준수 여부를 판단하는 기술적 추정을 수행할 수 있다.

이에 따르면, 운전 상태 모니터링부(16)는 최적 주행경로 및 실제 주행경로를 비교하여 운전자 주의의무 상태를 "준수 상태" 또는 "부주의 상태"로 추정할 수 있다. 이를 위해 운전 상태 모니터링부(16)는 최적 주행경로 및 실제 주행경로 간 일치율, 불일치율의 증감구간, 불일치 시간, 불일치 거리 중 적어도 하나를 주의의무 추정 펙터(factor)로 산출하고, 주의의무 추정 펙터의 증감에 따라 이에 상응하는 운전자 주의의무 상태를 추정할 수 있다.

예를 들어, 운전 상태 모니터링부(16)는 맵 정보에 매핑된 최적 주행경로와 실제 주행경로의 곡률을 비교하여 일치율을 계산할 수 있다. 이때, 운전 상태 모니터링부(16)는 두 주행경로간 일치율이 현저히 떨어지는 경우 운전자 주의의무 상태를 "부주의 상태"로 추정할 수 있다.

다른 예로, 운전 상태 모니터링부(16)는 최적 주행경로와 실제 주행경로간 불일치율의 증감구간을 산출할 수 있다. 여기서 최적 주행경로와 실제 주행경로가 모두 맵(map) 상에 매핑되어 있기 때문에 소정의 임계값을 설정해놓으면 최적 주행경로와 실제 주행경로간 불일치율의 증감 구간을 용이하게 산출할 수 있다. 이때 운전 상태 모니터링부(16)는 해당 증감 구간을 하나의 펙터(factor)로 적용하여, 위 펙터가 임계값 이상인 경우를 운전자 주의의무 "부주의 상태"로 추정할 수 있다.

또 다른 예로, 운전 상태 모니터링부(16)는 불일치 시간, 불일치 거리 중 적어도 하나를 주의의무 추정 펙터로 설정할 수 있다. 또한, 운전 상태 모니터링부(16)는 위의 펙터들을 조합하거나, 가중치를 정하여 이를 합산하는 방식으로 주의의무 추정 펙터를 설정할 수도 있을 것이다. 만일 이러한 주행으로 인해 사고가 발생했다면, 향후 이러한 주의의무 추정 펙터는 추후 차량 운전자의 과실을 추정하는데 참고될 수 있다.

제어부(18)는 위의 추정 결과 운전자 부주의 상태가 추정되면 차량을 관리모드로 전환하고 차량의 주행 상태를 모니터링 할 수 있다. 또한 제어부(18)는 차량 관리모드에서 차량 주행상태를 모니터링하고 서버에 모니터링 결과를 전송할 수 있다. 예를들어, 제어부는 운전자 부주의 상태가 추정되면, 차량의 차선 유지 여부, 가속/감속 정보, 및 최적 주행경로와 차량의 실제 주행경로 등을 기록하고, 이를 서버에 전송할 수 있다. 다른 예로, 제어부(18)는 운전자 부주의 상태가 추정되면, 탑재된 카메라의 촬영 영상을 서버에 전송할 수 있다. 이때, 서버에서는 운전자 부주의 상태 추정 결과를 기초로, 차량의 주행 정보를 모니터링할 수 있다.

또한, 제어부(18)는 운전자 부주의 상태가 추정되면, 차량 운전자의 주의를 환기시키도록 차량내 기기를 제어할 수 있다. 구체적으로, 제어부(18)는 네비게이션 장치 또는 스피커를 통해 운전자에게 경고 알림을 발생시키거나, 차량내 공조장치 제어를 통한 에어컨/난방을 조정하거나, 차량내 스피커를 통한 음향을 출력하는 등의 제어를 수행할 수 있다. 이외에도, 차량내 인포테인먼트 시스템을 제어하거나, 다양한 방식으로 운전자의 주의를 환기시키는 제어를 수행할 수 있다.

운전자 과실 분석부(17)는 차량에 사고가 발생하는 경우 최적 주행경로 및 실제 주행경로를 비교 분석하여, 차량 운전자의 과실 여부 및 과실 비율을 분석할 수 있다.

운전자 과실 분석부(17)는 최적 주행경로와 차량의 실제 주행경로를 비교하여 차량 운전자가 사고를 회피할 수 있었는지 여부를 판단할 수 있고, 차량 주행 기록 중 차량의 속도, 가속/감속 구간 및 촬영 영상으로부터 추출한 주변 환경 정보 등을 종합하여 운전자의 과실 여부를 분석할 수 있다.

구체적으로, 운전자 과실 분석부(17)는 차량 운전자가 전방 주시의무, 안전거리 확보 의무를 지켰는지, 또는 차량 운전자에게 현저한 과실 또는 중과실이 인정되는 요건에 해당하는 행위가 있었는지 분석할 수 있다. 이에 관하여 판단가능한 과실과, 판단 불가한 과실에 대해서는 도 5을 참고할 수 있다.

또한, 운전자 과실 분석부(17)는 차량이 위의 운전자 주의의무 추정에 의해, 부주의 상태로 추정되어 차량 관리모드로 전환한 구간이나, 관리 모드에서 서버에 전송한 정보 등을 사고 관련 데이터로 저장할 수 있다. 또한, 운전자 과실 분석부(17)는 분석 결과를 포함하는 리포트를 생성할 수 있다.

본 발명의 일 실시 예에 따른 차량의 주행경로에 기초한 운전자 관리 장치(10)의 정보획득부(11), 차선 위치 결정부(12), 최적 주행경로 추정부(14), 실제 주행경로 추적부(15), 운전 상태 모니터링부(16), 운전자 과실 분석부(17), 제어부(18)는 각각 적어도 하나의 프로세서에 의해 수행될 수 있다.

일 실시 예로, 장치(10)는 이동성을 가지는 전자 장치일 수 있다. 예를 들어, 장치(10)는 스마트폰, 태블릿 PC, PC, 스마트 TV, PDA(personal digital assistant), 랩톱, 미디어 플레이어, 네비게이션, 카메라가 탑재된 디바이스 및 기타 모바일 전자 장치로 구현될 수 있다. 또한, 장치(10)는 통신 기능 및 데이터 프로세싱 기능을 구비한 시계, 안경, 헤어 밴드 및 반지 등의 웨어러블 장치로 구현될 수 있다.

다른 실시 예로, 장치(10)는 차량 내에 임베디드 되는 전자 장치일 수 있다. 예를 들어, 장치(10)는 생산 과정 이후 튜닝(tuning)을 통해 차량 내에 삽입되는 전자 장치일 수 있다.

또 다른 실시 예로, 장치(10)는 차량 외부에 위치하는 서버일 수 있다. 서버는 네트워크를 통해 통신하여 명령, 코드, 파일, 컨텐츠, 서비스 등을 제공하는 컴퓨터 장치 또는 복수의 컴퓨터 장치들로 구현될 수 있다. 서버는 차량에 탑재된 장치들로부터 차량이 주행 중인 현재 차선을 결정하기 위해 필요한 데이터를 수신하고, 수신한 데이터에 기초하여 차량이 주행 중인 현재 차선을 결정할 수 있다.

도 9는 본 발명의 또 다른 실시예에 따른 차량의 주행경로에 기초한 운전자 상태를 추정하는 서버(1000)에 관한 구성도이다.

도 9를 참고하면, 본 발명의 서버는, 적어도 하나의 프로그램이 저장된 메모리(1030), 적어도 하나의 프로그램을 실행함으로써 연산을 수행하는 프로세서(1010)를 포함하고, 프로세서(1010)는, 차량에 탑재된 카메라가 촬영한 촬영 영상 및 맵 정보에 기초하여 차량의 현재 차선 위치를 결정하고, 현재 차선 위치로부터 선택 가능한 최적 주행경로를 추정하고, 최적 주행경로를 상기 맵 정보에 매핑하여 이상(ideal) 주행경로를 추정하고, 상기 현재 차선 위치를 상기 맵 정보에 매핑하여 상기 차량의 실제 주행경로를 추적하고, 및 상기 최적 주행경로 및 상기 실제 주행경로를 비교하여 차량 운전 상태를 모니터링하는 것을 포함할 수 있다.

통신부(1020)는 외부 서버 또는 외부 장치와 유선/무선 통신을 하게 하는 하나 이상의 구성 요소를 포함할 수 있다. 예를 들어, 통신부(1020)는, 근거리 통신부(미도시), 이동 통신부(미도시) 및 방송 수신부(미도시) 중 적어도 하나를 포함할 수 있다.

본 발명에 따른 실시 예는 컴퓨터 상에서 다양한 구성요소를 통하여 실행될 수 있는 컴퓨터 프로그램의 형태로 구현될 수 있으며, 이와 같은 컴퓨터 프로그램은 컴퓨터로 판독 가능한 매체에 기록될 수 있다. 이때, 매체는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium), 및 ROM, RAM, 플래시 메모리 등과 같은, 프로그램 명령어를 저장하고 실행하도록 특별히 구성된 하드웨어 장치를 포함할 수 있다.

한편, 상기 컴퓨터 프로그램은 본 발명을 위하여 특별히 설계되고 구성된 것이거나 컴퓨터 소프트웨어 분야의 당업자에게 공지되어 사용 가능한 것일 수 있다. 컴퓨터 프로그램의 예에는, 컴파일러에 의하여 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용하여 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 포함될 수 있다.

일 실시예에 따르면, 본 개시의 다양한 실시예들에 따른 방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다. 컴퓨터 프로그램 제품은 기기로 읽을 수 있는 저장 매체(예: compact disc read only memory (CD-ROM))의 형태로 배포되거나, 또는 어플리케이션 스토어(예: 플레이 스토어TM)를 통해 또는 두 개의 운전 장치들 간에 직접, 온라인으로 배포(예: 다운로드 또는 업로드)될 수 있다. 온라인 배포의 경우에, 컴퓨터 프로그램 제품의 적어도 일부는 제조사의 서버, 어플리케이션 스토어의 서버, 또는 중계 서버의 메모리와 같은 기기로 읽을 수 있는 저장 매체에 적어도 일시 저장되거나, 임시적으로 생성될 수 있다.

본 발명에 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 발명이 한정되는 것은 아니다. 본 발명에서 모든 예들 또는 예시적인 용어(예들 들어, 등등)의 사용은 단순히 본 발명을 상세히 설명하기 위한 것으로서 특허청구범위에 의해 한정되지 않는 이상 상기 예들 또는 예시적인 용어로 인해 본 발명의 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.

따라서, 본 발명의 사상은 상기 설명된 실시 예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등한 또는 이로부터 등가적으로 변경된 모든 범위는 본 발명의 사상의 범주에 속한다고 할 것이다.

10: 차량의 주행경로에 기초한 운전 상태 모니터링 장치
11: 정보획득부
12: 차선위치 결정부
14: 최적 주행경로 추정부
15: 실제 주행경로 추적부
16: 운전 상태 모니터링부
17: 운전자 과실 분석부
18: 제어부
1000: 서버
1010: 프로세서
1020: 통신부
1030: 메모리

Claims (15)

1. 차량의 주행경로에 기초한 운전 상태 모니터링 방법에 있어서,
   상기 차량의 GPS 정보, 상기 차량에 탑재된 카메라의 촬영 영상 및 맵 정보를 획득하는 단계;
   상기 GPS 정보, 상기 촬영 영상 및 상기 맵 정보에 기초하여 상기 차량의 현재 차선 위치를 결정하는 단계;
   상기 현재 차선 위치로부터 선택 가능한 최적 주행경로를 추정하는 단계;
   상기 현재 차선 위치를 상기 맵 정보에 매핑하여 상기 차량의 실제 주행경로를 추적하는 단계;
   상기 최적 주행경로와 상기 실제 주행경로를 비교하는 단계; 및
   상기 차량에 사고가 발생한 경우 상기 최적 주행경로 및 상기 실제 주행경로를 비교 분석하여, 상기 차량 운전자의 과실 여부 및 과실 비율을 분석하는 단계;
   를 포함하는, 방법.
2. 제1항에 있어서,
   상기 최적 주행경로를 추정하는 단계는,
   차선 정보를 포함하는 상기 맵 정보로부터 상기 현재 차선 위치에서 선택 가능한 복수의 주행경로 후보들을 추출하는 단계; 및
   상기 주행경로 후보들 중에서 안전 팩터(safe factor)에 따른 소정의 기준을 만족하는 적어도 하나 이상의 주행경로 후보를 상기 최적 주행경로로 추정하는 단계;를 포함하되,
   상기 안전 팩터(safe factor)는 상기 차량의 차선 유지 시나리오 또는 차선 변경 시나리오에서 필요한 주행성 평가 팩터 및 도로교통 규범 팩터 중 적어도 하나를 포함하는 방법.
3. 제2항에 있어서,
   상기 최적 주행경로를 추정하는 단계는,
   상기 차량을 운전하는 사용자의 운행 습관이 반영된 사용자 팩터(user factor)를 결정하는 단계; 및
   상기 안전 팩터 및 상기 사용자 팩터에 따른 소정의 기준을 만족하는 적어도 하나의 이상의 주행경로 후보를 상기 최적 주행경로로 추정하는 단계;를 더 포함하는, 방법.
4. 제1항에 있어서,
   상기 최적 주행경로를 추정하는 단계는,
   상기 맵 정보 중 차선 정보가 불충분한 구간에 대해 전후의 차선 정보에 기초하여 상기 구간에 대한 차선 정보를 추정하는 단계; 및
   상기 추정된 차선 정보를 상기 맵 정보에 매핑함으로써 상기 최적 주행경로를 추정하는 단계;를 더 포함하는, 방법.
5. 제1항에 있어서,
   상기 촬영 영상으로부터 상기 차량의 주변 환경 정보를 획득(object detection)하는 단계;를 더 포함하고,
   상기 최적 주행경로를 추정하는 단계는,
   상기 획득한 주변 환경 정보를 경로재설정 팩터로 고려하여 상기 추정된 최적 주행경로를 갱신하는 단계를 더 포함하는, 방법.
6. 제1항에 있어서,
   통계적으로 유의미한 복수의 차량이 주행한 주행경로를 최적 주행경로로 추정하고 상기 최적 주행경로가 맵 정보에 매핑된 일반차량 주행경로 DB를 획득하는 단계;를 더 포함하고,
   상기 최적 주행경로를 추정하는 단계는,
   상기 일반차량 주행경로DB로부터 상기 차량의 현재 차선을 포함하는 소정 구간내 주행경로들을 추출하고, 상기 소정 구간내 주행경로들의 평균치를 산출하여 적어도 하나의 최적 주행경로를 추정하는 단계;를 포함하는, 방법.
7. 제1항에 있어서,
   상기 최적 주행경로 및 상기 실제 주행경로를 비교하여 차량 운전 상태를 모니터링하는 단계;를 더 포함하고,
   상기 차량 운전 상태를 모니터링하는 단계는,
   상기 최적 주행경로 및 상기 실제 주행경로 간 일치율, 불일치율의 증감구간, 불일치 시간, 불일치 거리 중 적어도 하나를 주의의무 추정 팩터(factor)로 산출하는 단계; 및
   상기 주의의무 추정 팩터의 증감에 따라 이에 상응하는 운전자 상태를 추정하는 단계;를 포함하는, 방법.
8. 제7항에 있어서,
   상기 운전 상태 모니터링 결과 운전자 부주의 상태가 추정되면 상기 차량을 관리 모드로 전환하고 상기 차량의 주행 상태를 모니터링하는 단계;
   상기 모니터링 결과를 서버에 전송하는 단계; 및
   상기 차량 운전자의 주의를 환기시키도록 차량내 기기를 제어하는 단계;를 더 포함하는, 방법.
9. 삭제
10. 제 1항에 있어서,
    상기 분석 결과를 포함하는 리포트를 생성하는 단계;를 더 포함하는, 방법
11. 차량의 주행경로에 기초한 운전 상태 모니터링 장치에 있어서,
    상기 차량의 GPS 정보, 상기 차량에 탑재된 카메라의 촬영 영상 및 맵 정보를 획득하는 정보획득부;
    상기 GPS 정보, 상기 촬영 영상 및 상기 맵 정보에 기초하여 상기 차량의 현재 차선 위치를 결정하는 차선 위치 결정부;
    상기 현재 차선 위치로부터 선택 가능한 최적 주행경로를 추정하는 최적 주행경로 추정부;
    상기 현재 차선 위치를 상기 맵 정보에 매핑하여 상기 차량의 실제 주행경로를 추적하는 실제 주행경로 추적부;
    최적 주행경로 및 실제 주행경로를 비교하는 운전 상태 모니터링부; 및
    상기 차량에 사고가 발생한 경우 상기 최적 주행경로 및 상기 실제 주행경로를 비교 분석하여, 상기 차량 운전자의 과실 여부 및 과실 비율을 분석하는 운전자 과실 분석부;를 포함하는 장치.
12. 차량의 주행경로에 기초한 운전 상태 모니터링 서버에 있어서,
    적어도 하나의 프로그램이 저장된 메모리;
    상기 적어도 하나의 프로그램을 실행함으로써 연산을 수행하는 프로세서를 포함하고,
    상기 프로세서는,
    차량에 탑재된 카메라가 촬영한 촬영 영상 및 맵 정보에 기초하여 차량의 현재 차선 위치를 결정하고,
    상기 현재 차선 위치로부터 선택 가능한 최적 주행경로를 추정하고,
    상기 현재 차선 위치를 맵 정보에 매핑하여 상기 차량의 실제 주행경로를 추적하며,
    상기 최적 주행경로와 상기 실제 주행경로를 비교하고,
    상기 차량의 사고 발생시 촬영된 촬영 영상을 획득하며,
    상기 사고 촬영 영상, 상기 추정한 최적 주행경로 및 상기 차량의 실제 주행경로를 기초로 상기 차량 운전자의 과실 여부 및 과실 비율을 분석하는 것인, 서버.
13. 제12항에 있어서,
    상기 프로세서가 현재 차선 위치를 결정하는 것은,
    상기 촬영 영상으로부터 상기 차량 주변 환경 정보를 획득하고,
    상기 주변 환경 정보로부터 특징들을 추출하고, 이를 상기 맵 정보에 포함된 특징들과 비교하여 일치하는 특징들을 추출하고,
    상기 일치하는 특징들을 상기 맵 정보내 위치 정보와 비교하여 상기 차량의 현재 차선 위치를 결정하는 것을 포함하는, 서버.
14. 제12항에 있어서, 상기 프로세서는,
    상기 최적 주행경로 및 상기 실제 주행경로를 비교하여 차량 운전 상태를 모니터링하는 단계를 더 포함하고,
    상기 운전 상태 모니터링 결과 운전자 부주의 상태가 추정되면 상기 차량을 관리 모드로 전환하고 차량의 주행 상태를 모니터링하고,
    상기 차량에 알림을 발송하여 상기 차량 운전자의 주의를 환기시키는 것을 더 포함하는, 서버.
15. 삭제

Images