KR20140002373A - 운전패턴학습을 통한 운전자 상태 감시 장치 및 방법 - Google Patents
운전패턴학습을 통한 운전자 상태 감시 장치 및 방법 Download PDFInfo
- Publication number
- KR20140002373A KR20140002373A KR1020120070977A KR20120070977A KR20140002373A KR 20140002373 A KR20140002373 A KR 20140002373A KR 1020120070977 A KR1020120070977 A KR 1020120070977A KR 20120070977 A KR20120070977 A KR 20120070977A KR 20140002373 A KR20140002373 A KR 20140002373A
- Authority
- KR
- South Korea
- Prior art keywords
- driver
- driving pattern
- vehicle
- driving
- learning
- Prior art date
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/08—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to drivers or passengers
- B60W40/09—Driving style or behaviour
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/08—Interaction between the driver and the control system
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Human Computer Interaction (AREA)
- Traffic Control Systems (AREA)
Abstract
본 발명은 운전패턴학습을 통한 운전자 상태 감시 장치 및 방법에 관한 것으로, 운전패턴학습을 통한 운전자 상태 감시 장치는 차량 주행 시 차량의 내부 센서를 통해 감지된 차량 조작 정보와 차량의 외부 센서를 통해 감지된 주변상황 정보를 분석하여 주행패턴을 감시하는 주행패턴 감시부, 운전자의 운전패턴 정보가 등록된 운전자 DB를 호출하여, 주행패턴 감시부로부터의 주행패턴에 대응하는 운전자를 인식하는 운전자 인식부, 주행패턴 감시부로부터의 주행패턴에 근거하여 운전자의 운전패턴을 학습하고, 운전자별 운전패턴 학습정보를 운전패턴 학습 DB에 저장하는 운전패턴 학습부, 및 운전패턴 학습 DB로부터 운전자 인식부에 의해 인식된 운전자에 대응하는 운전패턴 학습정보를 호출하여 주행패턴 감시부로부터의 주행패턴과 비교하고, 비교 결과로부터 운전자의 주의 분산 상태를 감시하는 운전자 상태 감시부를 포함한다.
Description
본 발명은 운전패턴학습을 통한 운전자 상태 감시 장치 및 방법에 관한 것으로, 학습을 통해 운전자별 운전패턴을 등록하고, 차량 내부 및 외부에 구비된 센서들을 통해 감지된 정보를 토대로 감지된 현재 차량의 주행패턴으로부터 운전자를 인식하여 기 등록된 운전자의 운전패턴과 현재 차량의 주행패턴을 비교함으로써 운전자의 주의 분산 상태를 감시하는 장치 및 방법에 관한 것이다.
최근, 차량에는 지능형 안전 기능을 구현하기 위하여 많은 수의 센서들을 부착한다. 일 예로서, 차량에 부착되는 센서들은 LDWS(Lane Departure Warning)와 LKAS(Lane Keeping Assistance)의 카메라, SCC(Smart Cruise Control)와 BSD(Blind Spot Detection)의 레이더 등을 들 수 있다. 여기서, LDWS와 LKAS의 카메라는 차선을 인식하고 해당 차선으로부터 얼마나 벗어났는지에 대한 정보를 파악하는데 이용되고, SCC와 BSD의 레이더는 선행차량과의 상대속도와 차간 거리를 파악하는데 이용된다. 그러나, 이러한 센서들은 고가임에도 불구하고, 정해진 용도로만 쓰이기 때문에 활용도가 낮다.
한편, 운전자의 주의분산 상태를 감지하는 시스템은 얼굴 인식 카메라를 통해 운전자를 인식하고, 현재 차량의 상태, 즉, 조향 및 감/가속 상태 등을 중심으로 주의분산 상태를 감시하기 때문에, 차량의 주변상황은 전혀 고려되지 않고 있다.
예를 들어, 도로 상의 장애물을 피하기 위해 운전자의 평소 운전패턴과는 다르게 급 브레이크를 밟거나, 급하게 핸들을 조향하는 경우에 운전자가 주의분산 상태인 것으로 잘못 판단할 수 있다.
본 발명의 목적은, 차량 내부 및 외부에 구비된 센서들을 통해 감지된 정보를 토대로 감지된 현재 차량의 주행패턴으로부터 운전자를 인식하여 기 등록된 운전자의 운전패턴과 현재 차량의 주행패턴을 비교함으로써 운전자의 주의 분산 상태를 감시하도록 하는 운전패턴학습을 통한 운전자 상태 감시 장치 및 방법을 제공함에 있다.
본 발명의 다른 목적은, 차량 내부 및 외부에 구비된 센서들을 통해 감지된 정보를 토대로 현재 차량의 주행패턴을 분석하여, 핸들의 조향 및 브레이크 또는 엑셀의 페달을 밟는 정도의 정보뿐만 아니라, 주변 차량, 차선 및 주변 상황 등을 고려하여 운전자별 운전패턴을 학습하도록 하는 운전패턴학습을 통한 운전자 상태 감시 장치 및 방법을 제공함에 있다.
본 발명의 또 다른 목적은, 운전자의 주의 분산 상태를 감시함에 있어서 기 등록된 운전패턴 학습 정보뿐만 아니라, 차량 주변에서 발생한 이벤트에 대응하여 운전자의 주의 분산 상태를 감시하도록 하는 운전패턴학습을 통한 운전자 상태 감시 장치 및 방법을 제공함에 있다.
상기의 목적을 달성하기 위한 본 발명에 따른 운전패턴학습을 통한 운전자 상태 감시 장치는, 차량 주행 시 상기 차량의 내부 센서를 통해 감지된 차량 조작 정보와 상기 차량의 외부 센서를 통해 감지된 주변상황 정보를 분석하여 주행패턴을 감시하는 주행패턴 감시부, 운전자의 운전패턴 정보가 등록된 운전자 DB를 호출하여, 상기 차량의 주행 초기에 정상운전 상태에서 상기 주행패턴 감시부로부터의 주행패턴에 대응하는 운전자를 인식하는 운전자 인식부, 상기 차량의 주행 초기에 정상운전 상태에서 상기 주행패턴 감시부로부터의 주행패턴에 근거하여 운전자의 운전패턴을 학습하고, 운전자별 운전패턴 학습정보를 운전패턴 학습 DB에 저장하는 운전패턴 학습부, 및 상기 운전패턴 학습 DB로부터 상기 운전자 인식부에 의해 인식된 운전자에 대응하는 운전패턴 학습정보를 호출하여 상기 주행패턴 감시부로부터의 주행패턴과 비교하고, 비교 결과로부터 상기 운전자의 주의 분산 상태를 감시하는 운전자 상태 감시부를 포함하는 것을 특징으로 한다.
상기 운전자 상태 감시부는, 상기 주행패턴이 상기 운전자의 운전패턴 학습 정보와 오차 범위를 초과하도록 상이한 경우 상기 주변상황 정보로부터 상기 차량 주변의 이벤트 발생 여부를 확인하여, 상기 차량 주변에 이벤트가 발생하지 않은 것으로 확인되면 상기 운전자가 주의 분산 상태인 것으로 판단하는 것을 특징으로 한다.
상기 운전패턴 학습부는, 상기 차량의 주행 초기에 정상운전 상태에서 상기 주행패턴 감시부로부터의 주행패턴에 근거하여 상기 운전자 DB 및 상기 운전패턴 학습 DB를 업데이트하는 것을 특징으로 한다.
상기 운전자 인식부는, 상기 차량의 주행 초기에 정상운전 상태에서 상기 주행패턴 감시부로부터의 주행패턴에 대응하는 운전자 정보가 상기 운전자 DB에 존재하지 않는 경우, 상기 주행패턴에 근거하여 신규 운전자 정보를 등록하는 것을 특징으로 한다.
한편, 상기의 목적을 달성하기 위한 본 발명에 따른 운전패턴학습을 통한 운전자 상태 감시 방법은, 차량 주행 시 상기 차량의 내부 센서를 통해 감지된 차량 조작 정보와 상기 차량의 외부 센서를 통해 감지된 주변상황 정보를 분석하여 현재 차량의 주행패턴을 실시간으로 감시하는 단계, 운전자의 운전패턴 정보가 등록된 운전자 DB를 호출하여, 상기 차량의 주행 초기에 정상운전 상태에서 상기 현재 차량의 주행패턴에 대응하는 운전자를 인식하는 단계, 운전자별 운전패턴 학습정보가 저장된 운전패턴 학습 DB로부터 상기 운전자에 대응하는 운전패턴 학습 정보를 호출하는 단계, 및 상기 운전패턴 학습 정보와 상기 현재 차량의 주행패턴을 실시간으로 비교하며 상기 운전자의 주의 분산 상태를 감시하는 단계를 포함하는 것을 특징으로 한다.
상기 운전자의 주의 분산 상태를 감지하는 단계는, 상기 현재 차량의 주행패턴이 상기 운전자의 운전패턴 학습 정보와 오차 범위를 초과하도록 상이한 경우, 상기 주변상황 정보로부터 상기 차량 주변의 이벤트 발생 여부를 확인하는 단계, 및 상기 이벤트 발생 여부를 확인하는 단계에서 상기 차량 주변에 이벤트가 발생하지 않은 것으로 확인되는 경우, 상기 운전자가 주의 분산 상태인 것으로 판단하는 단계를 포함하는 것을 특징으로 한다.
한편, 본 발명에 따른 운전패턴학습을 통한 운전자 상태 감시 방법은, 상기 차량의 주행 초기에 정상운전 상태에서 상기 현재 차량의 주행패턴에 근거하여 상기 운전자 DB 및 상기 운전패턴 학습 DB를 업데이트하는 단계를 더 포함하는 것을 특징으로 한다.
또한, 본 발명에 따른 운전패턴학습을 통한 운전자 상태 감시 방법은, 상기 운전자를 인식하는 단계에서 상기 차량의 주행 초기에 정상운전 상태에서 상기 주행패턴 감시부로부터의 주행패턴에 대응하는 운전자 정보가 상기 운전자 DB에 존재하지 않는 경우, 상기 주행패턴에 근거하여 신규 운전자 정보를 등록하는 단계를 더 포함하는 것을 특징으로 한다.
본 발명에 따르면, 차량 내부 및 외부에 구비된 센서들을 통해 감지된 정보를 토대로 감지된 현재 차량의 주행패턴으로부터 운전자를 인식할 수 있어, 운전자 인식을 위한 별도의 장치(예를 들어, 얼굴 인식 카메라 등)를 설치하지 않아도 되며, 기 등록된 운전자의 운전패턴과 현재 차량의 주행패턴을 비교함으로써 운전자의 주의 분산 상태를 쉽게 감시할 수 있는 이점이 있다.
또한, 본 발명은, 차량 내부 및 외부에 구비된 센서들을 통해 감지된 정보를 토대로 감지된 주행패턴을 근거로 운전자의 운전패턴을 학습하기 때문에 차량에 구비된 센서들의 활용도를 높일 수 있으며, 더욱이 핸들의 조향 및 브레이크 또는 엑셀의 페달을 밟는 정도의 정보뿐만 아니라, 주변 차량, 차선 및 주변 상황 등을 고려하여 보다 다양한 조건에서 운전자별 운전패턴을 학습할 수 있는 이점이 있다.
더욱이, 본 발명은, 운전자의 주의 분산 상태를 감시함에 있어서 기 등록된 운전패턴 학습 정보뿐만 아니라, 차량 주변에서 발생한 이벤트에 대응하여 운전자의 주의 분산 상태를 감시하기 때문에, 일시적으로 발생하는 이벤트에 의해 운전자의 주의 분산 상태를 잘못 판단하는 오류를 최소화할 수 있는 이점이 있다.
도 1은 본 발명에 따른 운전패턴학습을 통한 운전자 상태 감시 장치의 구성을 설명하는데 참조되는 블록도이다.
도 2는 본 발명에 따른 운전패턴학습 동작을 설명하는데 참조되는 예시도이다.
도 3 및 도 4는 본 발명에 따른 운전자별 운전패턴 학습 결과를 도시한 예시도이다.
도 5는 본 발명에 따른 운전자 상태 감시 동작을 설명하는데 참조되는 예시도이다.
도 6은 본 발명에 따른 운전자 인식 동작을 설명하는데 참조되는 예시도이다.
도 7은 본 발명에 따른 신규 운전자 등록 동작을 설명하는데 참조되는 예시도이다.
도 8 및 도 9는 본 발명에 따른 운전패턴학습을 통한 운전자 상태 감시 방법에 대한 동작 흐름을 도시한 순서도이다.
도 2는 본 발명에 따른 운전패턴학습 동작을 설명하는데 참조되는 예시도이다.
도 3 및 도 4는 본 발명에 따른 운전자별 운전패턴 학습 결과를 도시한 예시도이다.
도 5는 본 발명에 따른 운전자 상태 감시 동작을 설명하는데 참조되는 예시도이다.
도 6은 본 발명에 따른 운전자 인식 동작을 설명하는데 참조되는 예시도이다.
도 7은 본 발명에 따른 신규 운전자 등록 동작을 설명하는데 참조되는 예시도이다.
도 8 및 도 9는 본 발명에 따른 운전패턴학습을 통한 운전자 상태 감시 방법에 대한 동작 흐름을 도시한 순서도이다.
이하, 첨부된 도면을 참조하여 본 발명의 실시예를 설명하도록 한다.
도 1은 본 발명에 따른 운전패턴학습을 통한 운전자 상태 감시 장치의 구성을 설명하는데 참조되는 블록도이다.
도 1을 참조하면, 본 발명에 따른 운전패턴학습을 통한 운전자 상태 감시 장치(이하, '운전자 상태 감시 장치'라 칭한다.)는 제어부(110), 주변상황 감지부(120), 조작 감지부(130), 운전패턴 학습부(140), 운전자 인식부(150), 주행패턴 감시부(160), 운전자 상태 감시부(170), 경부 제어부(180), 저장부(190) 및 경보부(200)를 포함한다. 이때, 제어부(110)는 운전자 상태 감시 장치의 각 부의 동작을 제어한다.
주변상황 감지부(120)는 차량 외부에 구비된 센서에 의해 계측되는 주변상황 정보들을 감지한다. 여기서, 차량 외부에 구비되는 센서는 LDWS(Lane Departure Warning)와 LKAS(Lane Keeping Assistance)의 카메라, SCC(Smart Cruise Control)와 BSD(Blind Spot Detection)의 레이더 등을 포함한다.
이때, 주변상황 감지부(120)는 차량 외부에 구비되는 센서를 통해 차선 위치, 주변차량 인지, 주변차량 간 거리 및 상대속도, 주변환경 및 주변 이벤트 발생 등을 감지한다.
조작 감지부(130)는 차량 내부에 구비된 센서에 의해 계측되는 차량 조작 정보들을 감지한다. 여기서, 차량 내부에 구비되는 센서는 핸들 조향각, SAS(Semi Active Suspension) 각도, SAS 각속도, 차량 속도, 브레이크 동작, 액셀러레이터 동작 및 가속도 등을 감지하는 센서가 해당 될 수 있다.
저장부(190)는 운전자 상태 감시 장치의 동작을 위한 설정값 등이 저장된다.
한편, 저장부(190)는 운전자별 운전패턴 정보가 등록된 운전자 DB(191) 및 운전자 DB(191)에 등록된 운전자별 운전패턴에 대응하는 운전패턴 학습 정보가 등록된 운전패턴 학습 DB(195)가 저장된다.
일 예로서, 운전자 DB(191)에는 운전자A, 운전자B, 운전자C, ... 등의 운전자 정보가 등록되고, 각각의 운전자에 대응하는 운전패턴 정보가 '운전자A-운전패턴A', '운전자B-운전패턴B', '운전자C-운전패턴C', ... 등과 같은 형식으로 등록된다.
한편, 운전패턴 학습 DB(195)에는 운전자 DB(191)에 등록된 운전자A, 운전자B, 운전자C, ... 등에 각각 대응되는 운전패턴에 대한 학습 정보가 저장된다. 이때, 각 운전패턴에 대한 주행 중 차선 위치, 차선 변경 시 방향 지시등의 점멸 상태 및 핸들 조향 상태, 선행차량 간 거리 및 상대 속도 등에 대한 상세 정보가 저장된다.
일 예로서, 운전패턴A는 주행 중 왼쪽 차선에 근접하고, 차선 변경 시 미리 방향 지시등을 점등한 후 핸들 조향각이 완만하게 차선을 변경하며, 선행 차량 간 거리는 50m를 유지하고, 차량 감/가속 정도가 완만하며, 운전패턴B는 주행 중 차선 가운데로 주행하고, 차선 변경 시 방향 지시등을 켜자마자 핸들 조향각이 급하게 차선을 변경하며, 선행 차량간 거리는 5m를 유지하고, 차량 감/가속 정도가 급한 것으로 등록될 수 있다.
물론, 운전패턴 학습 DB(195)는 차량 운전 시마다 감시되는 주행패턴에 근거하여 각 운전패턴에 대한 상세 정보가 업데이트 될 수 있다.
주행패턴 감시부(160)는 차량 주행 시 조작 감지부(130)를 통해 감지된 차량 조작 정보와 차량의 외부 센서를 통해 감지된 주변상황 정보를 분석하여 현재 차량의 주행패턴을 감시한다.
운전자 인식부(150)는 사전에 운전자의 운전패턴 정보가 등록된 운전자 DB(191)를 호출하여, 차량의 주행 초기에 정상운전 상태에서 주행패턴 감시부(160)로부터의 주행패턴에 대응하는 운전자를 인식한다. 다시 말해, 운전자 인식부(150)는 운전자가 정상 운전하는 상태에서 주행패턴 감시부(160)로부터의 주행패턴과 유사한 운전패턴을 감지하고, 해당 운전패턴에 대응하는 운전자를 인식한다. 여기서, 주행패턴과 유사한 운전패턴을 감지하기 위한 운전패턴의 세부 정보는 운전패턴 학습 DB(195)에 저장된 운전패턴 학습 정보를 참고하도록 한다.
물론, 차량의 주행 초기에 정상운전 상태에서 주행패턴 감시부(160)로부터의 주행패턴에 대응하는 운전자 정보가 호출된 운전자 DB(191)에 존재하지 않는 경우, 운전자 인식부(150)는 현재 차량의 주행패턴에 근거하여 신규 운전자 정보와 운전패턴을 등록한다.
이때, 운전자 인식부(150)는 보다 정확하게 운전자를 인식하기 위해, 운전자의 집중도가 높은 주행 초기에 정상운전 상태에서 감시되는 주행패턴에 근거하여 운전자를 인식하는 것으로 가정한다.운전패턴 학습부(140)는 운전자 인식부(150)에 의해 인식된 운전자에 대응하여 주행패턴 감시부(160)로부터의 주행패턴을 기초로 운전패턴을 학습한다. 이때, 운전패턴 학습부(140)는 학습된 운전패턴 학습 정보를 인식된 운전자에 대응하여 운전패턴 학습 DB(195)에 업데이트 한다. 만일, 운전자의 운전패턴이 다른 패턴으로 변경된 경우, 운전패턴 학습부(140)는 주행패턴 감시부(160)로부터의 주행패턴을 기초로 운전자 DB(191)에 등록된 해당 운전자에 대응하는 운전패턴 정보를 업데이트 한다.
한편, 운전패턴 학습부(140)는 기존에 운전패턴 학습 DB(195)에 등록되지 않은 새로운 유형의 주행패턴이 감지되면, 해당 운전패턴을 운전패턴 학습 DB(195)에 신규 등록한다. 물론, 운전패턴 학습 DB(195)에 신규 등록된 운전패턴 정보는 해당 주행패턴에 대응하여 운전자 DB(191)에 신규 등록된 운전자 정보와 서로 매칭되어 저장된다.
물론, 운전패턴 학습부(140)이 운전자의 운전패턴을 학습하는 동안은 차량이 정상 운전 상태인 경우에 이루어지는 것으로 가정하며, 상세하게는 운전자의 집중도가 높은 주행 초기에 이루어지는 것으로 가정한다.
운전자 상태 감시부(170)는 주행패턴 감시부(160)로부터의 주행패턴에 근거하여 인식된 운전자에 대응하는 운전패턴 학습 정보를 운전패턴 학습 DB(195)로부터 호출한다. 이때, 운전자 상태 감시부(170)는 운전패턴 학습 DB(195)로부터 호출된 운전패턴 학습 정보와 주행패턴 감시부(160)로부터의 주행패턴을 비교한다.
여기서, 운전자 상태 감시부(170)는 호출된 운전패턴 학습 정보와 주행패턴 감시부(160)로부터 감시되는 현재 차량의 주행패턴이 동일하면 운전자가 주의 분산 상태가 아닌 것으로 판단한다. 물론, 운전자 상태 감시부(170)는 호출된 운전패턴 학습 정보와 현재 차량의 주행패턴이 동일하지 않더라도, 기 설정된 오차 범위 이내로 유사한 경우에는 운전자가 주의 분산 상태가 아닌 것으로 판단한다.
한편, 운전자 상태 감시부(170)는 호출된 운전패턴 학습 정보와 현재 차량의 주행패턴이 기 설정된 오차 범위를 초과하도록 상이한 경우, 주변상황 감지부(120)에 의해 감지되는 주변상황 정보를 확인한다. 만일, 주변상황 정보로부터 차량 주변에 이벤트가 발생한 경우에는 운전자가 주의 분산 상태가 아닌 것으로 판단한다.
일 예로서, 차량 주변에 갑자기 장애물이 나타난 경우, 운전자 상태 감시부(170)는 운전자가 장애물을 피하기 위하여 일시적으로 기존의 운전패턴과 다른 유형의 운전을 한 것으로 인식하여 운전자가 주의 분산 상태가 아닌 것으로 판단한다.
반면, 운전자 상태 감시부(170)는 호출된 운전패턴 학습 정보와 현재 차량의 주행패턴이 기 설정된 오차 범위를 초과하도록 상이한 경우, 주변상황 감지부(120)에 의해 감지되는 주변상황 정보로부터 차량 주변에 이벤트가 발생하지 않은 것으로 확인되면 운전자가 주의 분산 상태인 것으로 판단한다.
이 경우, 경부 제어부(180)는 운전자 상태 감시부(170)의 판단 결과에 근거하여 운전자에게 경고를 하기 위한 제어신호를 발령한다. 따라서, 경보부(200)는 경부 제어부(180)로부터 발령된 제어신호에 따라 경보를 출력한다.
여기서, 경보부(200)는 차량 운전자에게 경각심을 일깨워주기 위한 수단이라면 어느 것이든 적용될 수 있으며, 차량 내 스피커와 같은 음향장치 또는 핸들, 운전자 시트 및 팔걸이 내의 햅틱장치 등을 들 수 있다.
도 2는 본 발명에 따른 운전패턴학습 동작을 설명하는데 참조되는 예시도이다.
도 2를 참조하면, 운전자 상태 감시 장치의 운전패턴 학습 동작은 크게 패턴분석 과정(220)과 패턴등록 과정으로 구분하여 설명할 수 있다.
먼저, 패턴 분석 과정(220)은 차량 시동이 온(ON) 된 상태(210)에서 차량 주행 중 차량 외부에 구비된 센서기반 주변상황을 분석하고(221), 차선변경상태 및 감/가속 상태 등을 분석하고(223, 225), 분석 결과를 통해 차량의 주행패턴을 분석한다. 도 2의 실시예에서는 패턴분석 과정에서 차량의 주변상황이나, 차선변경상태 및 감/가속 상태를 분석하는 예를 도시하였으나, 이 외에도 차량에 구비된 각종 센서들을 통해 세부적인 조작 사항들을 분석할 수 있다. 이에 대한 구체적인 설명은 생략한다. 여기서, 패턴 분석 과정(220)은 운전자가 주행 초기에 정상 운전하는 상태에서 이루어지는 것으로 가정한다.
패턴 등록 과정은 패턴분석 과정(220)의 주행패턴 분석 결과를 토대로 운전자 정보와 그에 대응하는 운전패턴 정보를 등록한다. 예를 들어, 세부적인 운전패턴 정보는 운전패턴 학습 DB(195)에 등록하고, 운전자 DB(191)에는 운전자 정보와 운전자에 대응하는 운전패턴을 인식하기 위한 매칭정보 등을 등록한다.
운전패턴 학습 DB(195)에 저장되는 세부적인 운전패턴 정보는 대응하는 운전자가 차량을 운전하는 때마다 학습하여 업데이트 함으로써, 회를 거듭할수록 신뢰도가 향상되게 된다.
또한, 운전자 상태 감시 장치는 특정 운전자가 주행을 시작하면, 일정시간 동안의 주행패턴을 근거로 운전패턴 학습 DB(195)에 등록된 운전패턴 중 주행패턴과 유사한 패턴의 운전패턴을 추출함으로써, 별도의 운전자를 인식하는 장치 없이 추출된 운전패턴에 대응하는 운전자를 인식할 수 있다.
뿐만 아니라, 운전자에 대응하여 등록된 운전패턴 정보를 토대로 운전자의 현재 주행패턴에 따른 주의 분산 상태를 파악할 수 있다.
도 3 및 도 4는 본 발명에 따른 운전자별 운전패턴 학습 결과를 도시한 예시도이다. 도 3 및 도 4의 실시예는 두 명의 운전자에 대한 두 개의 운전패턴을 예로 설명하고자 한다.
먼저, 도 3의 (a)는 차량 주행 시마다 감시된 주행패턴을 나타낸 것으로, n 개의 데이터에 대한 n 차원 공간(n-dimension space)을 나타낸 것이다.
이때, 운전자 상태 감시 장치는 도 3의 (a)에 도시된 주행패턴을 근거로 한 가우시안 분포 곡선의 다중합을 계산하여 도 3의 (b)와 같이 운전패턴을 나타낼 수 있다. 도 3의 (b)에서는 두 개의 운전패턴, 즉, 운전패턴A와 운전패턴B를 확인할 수 있다.
여기서, 운전자 상태 감시 장치는 추후 운전패턴을 통해 운전자를 인식하기 위해 각 운전패턴A와 운전패턴B에 대응하여 운전자A와 운전자B를 매칭시킨다.
도 4는 도 3의 (a)에 도시된 주행패턴을 근거로 한 가우시안 분포 곡선을 나타낸 것이다. 도 4에 도시된 가우시안 분포 곡선을 통해서도 운전자A와 운전자B의 운전패턴을 명확하게 구분할 수 있다.
도 5는 본 발명에 따른 운전자 상태 감시 동작을 설명하는데 참조되는 예시도이다.
도 5를 참조하면, 운전자 상태 감시 동작은 크게 운전자 인식 과정(310), 패턴 분석 과정(320), 패턴 비교 과정(330), 운전자 상태 감시 과정(340)으로 구분하여 설명할 수 있다.
먼저, 운전자 인식 과정(310)은 차량 주행 시 운전자가 정상 운전하는 일정시간 동안의 주행패턴을 근거로 운전자 DB(191)에 등록된 운전패턴 중 주행패턴과 유사한 운전패턴에 대응되는 운전자 정보를 호출함으로써 현재 차량을 운전하는 운전자를 인식하게 된다.
물론, 기 등록된 운전자 정보 중 현재 차량의 주행패턴과 유사한 운전패턴이 등록되어 있지 않다면, 현재 차량의 주행패턴에 대응하여 운전자 DB(191)에 새로운 운전자를 추가 등록할 수도 있다. 다만, 도 5의 실시예에서는 현재 차량을 운전하는 운전자의 정보가 이미 운전자 DB(191)에 등록된 상태인 것으로 가정하여 설명한다.
이후, 패턴 분석 과정(320)에서는 차량 주행 중 차량 외부에 구비된 센서기반 주변상황을 분석하고(331), 차선변경상태 및 감/가속 상태 등을 분석하여(323, 325), 분석 결과를 통해 차량의 주행패턴을 분석한다. 도 5의 실시예에서는 패턴 분석 과정(320)에서 차량의 주변상황이나, 차선변경상태 및 감/가속 상태를 분석하는 예를 도시하였으나, 이 외에도 차량에 구비된 각종 센서들을 통해 세부적인 조작 사항들을 분석할 수 있다. 이에 대한 구체적인 설명은 생략한다.
패턴 비교 과정(330)은 운전자 인식 과정(310)에서 인식된 운전자에 대응하는 운전패턴 학습 정보를 운전패턴 학습 DB(195)로부터 호출하고, 이때 호출된 운전패턴 학습 정보와 패턴 분석 과정의 주행패턴을 비교한다.
마지막으로, 운전자 상태 감시 과정(340)은 패턴 비교 과정(330)의 비교 결과를 토대로 운전자의 주의 분산 상태를 감시하게 되는데, 차량 주변에 특정 이벤트가 발생한 경우를 제외하고, 호출된 운전패턴 학습 정보와 패턴 분석 과정(320)의 주행패턴이 오차 범위를 초과하도록 상이한 경우 운전자가 주의 분산 상태인 것으로 감지한다. 다시 말해, 호출된 운전패턴 학습 정보와 패턴 분석 과정(320)의 주행패턴이 오차 범위를 초과하도록 상이하더라도 차량 주변에 특정 이벤트가 발생한 경우에는 운전자가 주의 분산 상태가 아닌 것으로 감지한다.
도 6은 본 발명에 따른 운전자 인식 동작을 설명하는데 참조되는 예시도이다. 도 6의 실시예는 도 3의 (b)에 도시된 기 등록된 운전자별 운전패턴 상에 현재 주행 중인 차량의 주행패턴을 나타낸 것으로, 현재 차량의 주행패턴이 기 등록된 운전패턴A와 유사하게 겹치므로, 이를 통해 해당 차량을 운전하는 운전자가 운전패턴A에 대응하는 운전자A 임을 인식한다.
도 7은 본 발명에 따른 신규 운전자 등록 동작을 설명하는데 참조되는 예시도이다. 도 7의 실시예는 도 3의 (b)에 도시된 기 등록된 운전자별 운전패턴 상에 현재 주행 중인 차량의 주행패턴을 나타낸 것으로, 도 6의 실시예와 달리 현재 차량의 주행패턴이 기 등록된 운전패턴과 다른 위치에 표시된 것을 확인할 수 있다.
이 경우, 운전자 상태 감시 장치는 현재 차량을 운전하는 운전자 정보가 운전자 DB에 등록되지 않은 것으로 판단하여, 현재 차량의 주행패턴을 근거로 한 운전패턴C와, 운전패턴C에 대응하는 운전자C를 운전자DB와 운전패턴 학습 DB에 신규 등록하도록 한다.
추후, 운전자C가 해당 차량을 운전하는 경우, 운전자 상태 감시 장치는 운전자C에 대응하여 기 등록된 운전패턴과 차량의 주행패턴을 비교함으로써 운전자의 상태를 감시할 수 있게 된다.
상기와 같이 구성되는 본 발명에 따른 운전패턴학습을 통한 운전자 상태 감시 장치의 동작 흐름을 보다 상세히 설명하면 다음과 같다.
도 8 및 도 9는 본 발명에 따른 운전패턴학습을 통한 운전자 상태 감시 방법에 대한 동작 흐름을 도시한 순서도이다.
도 8에 도시된 바와 같이, 차량의 시동이 온(ON) 되면(S100), 운전자 상태 감시 장치는 차량 외부의 센서를 통해 차선 위치, 날씨, 선행차량의 위치, 장애물 유/무 등의 주변상황을 감지하고(S110), 차량 내부의 센서를 통해 브레이크, 액셀러레이터 등의 차량 조작을 감지한다(S120).
이후, 운전자 상태 감시 장치는 'S110' 과정 및 'S120' 과정에서 감지된 정보에 기초하여 현재 차량의 주행패턴을 분석한다(S130).
운전자 상태 감시 장치는 운전자 DB를 호출하여(S140), 'S130' 과정에서 분석된 현재 차량의 주행 패턴과 기 등록된 운전패턴을 비교하여, 현재 차량의 주행패턴에 대응하는 운전자가 존재하는지를 판단한다(S150). 만일, 현재 차량의 주행패턴에 대응하는 운전자가 존재하지 않으면, 현재 차량의 주행패턴 정보에 근거하여 운전자 DB에 신규 운전자를 등록하고(S160), 신규 운전자 정보에 대응하여 운전패턴 학습 DB에 운전패턴 학습 정보를 등록한다(S170).
한편, 현재 차량의 주행패턴에 대응하는 운전자가 존재하면, 현재 차량의 주행패턴 정보에 근거하여 해당 운전자에 대응하는 운전패턴 학습 정보를 업데이트 한다(S180).
운전자 상태 감시 장치는 도 8의 'S170' 또는 'S180' 과정이 완료되면, 도 9의 'A' 이후 과정을 수행하도록 한다.
여기서, 도 8의 'S110' 내지 'S180' 과정은 운전자가 차량을 정상 운전하는 상태에서 이루어지는 것으로 한다.
도 9에 도시된 바와 같이, 운전자 상태 감지 장치는 도 8의 'S130' 과정에서 분석된 주행패턴에 대응하는 운전자를 인식한다(S210). 'S210' 과정은 운전자가 차량을 정상 운전하는 상태에서 이루어지는 것으로 하며, 이때 운전자 상태 감지 장치는 운전자 DB를 호출하여, 주행패턴에 대응하는 운전패턴과 매칭된 운전자를 인식한다.
'S210' 과정에서 운전자가 인식되면, 이후 차량의 주행패턴을 감시하고, 운전패턴 학습 DB를 호출하여(S230), 'S210' 과정에서 인식된 운전자에 대응하는 운전패턴 학습 정보를 추출한다. 이때, 운전자 상태 감시 장치는 호출된 운전패턴 학습 정보와, 'S220' 과정의 주행패턴을 실시간으로 비교하며(S240), 현재 차량의 주행패턴이 학습된 운전패턴을 벗어나는지 확인한다. 만일, 현재 차량의 주행패턴이 학습된 운전패턴을 벗어나는 경우 그 차이가 오차 범위를 초과하는지 확인한다.
'S260' 과정에서 현재 차량의 주행패턴이 오차범위를 초과하도록 학습된 운전패턴을 벗어난 것으로 확인되면, 운전자 상태 감시 장치는 차량 주변에 특정 이벤트 발생 여부를 확인한다. 여기서, 차량 주변에 특정 이벤트가 발생한 경우(S280), 운전자 상태 감시 장치는 운전자가 주의 분산상태가 아닌 것으로 판단한다.
반면, 차량 주변에 특정 이벤트가 발생하지 않은 경우, 운전자 상태 감시장치는 운전자가 주의 분산 상태인 것으로 판단하여, 경보를 출력한다(S280). 'S280' 과정에서 경보를 출력하는 예는 운전자가 인지할 수 있는 수단이라면 어느 것이든 적용할 수 있다.
'S220' 내지 'S280' 과정은 'S290' 과정에서 해당 운전자가 차량의 시동을 오프(off) 시킬 때까지 반복하여 수행하도록 한다.
이상과 같이 본 발명에 의한 운전패턴학습을 통한 운전자 상태 감시 장치 및 방법은 예시된 도면을 참조로 설명하였으나, 본 명세서에 개시된 실시예와 도면에 의해 본 발명은 한정되지 않고, 기술사상이 보호되는 범위 이내에서 응용될 수 있다.
110: 제어부 120: 주변상황 감지부
130: 조작 감지부 140: 운전패턴 학습부
150: 운전자 인식부 160: 주행패턴 감시부
170: 운전자 상태 감시부 180: 경보 제어부
190: 저장부 191: 운전자 DB
195: 운전패턴 학습 DB 200: 경보부
130: 조작 감지부 140: 운전패턴 학습부
150: 운전자 인식부 160: 주행패턴 감시부
170: 운전자 상태 감시부 180: 경보 제어부
190: 저장부 191: 운전자 DB
195: 운전패턴 학습 DB 200: 경보부
Claims (8)
- 차량 주행 시 상기 차량의 내부 센서를 통해 감지된 차량 조작 정보와 상기 차량의 외부 센서를 통해 감지된 주변상황 정보를 분석하여 주행패턴을 감시하는 주행패턴 감시부;
운전자의 운전패턴 정보가 등록된 운전자 DB를 호출하여, 상기 주행패턴 감시부로부터의 주행패턴에 대응하는 운전자를 인식하는 운전자 인식부;
상기 주행패턴 감시부로부터의 주행패턴에 근거하여 운전자의 운전패턴을 학습하고, 운전자별 운전패턴 학습정보를 운전패턴 학습 DB에 저장하는 운전패턴 학습부; 및
상기 운전패턴 학습 DB로부터 상기 운전자 인식부에 의해 인식된 운전자에 대응하는 운전패턴 학습정보를 호출하여 상기 주행패턴 감시부로부터의 주행패턴과 비교하고, 비교 결과로부터 상기 운전자의 주의 분산 상태를 감시하는 운전자 상태 감시부를 포함하는 것을 특징으로 하는 운전패턴학습을 통한 운전자 상태 감시 장치. - 청구항 1에 있어서,
상기 운전자 상태 감시부는,
상기 주행패턴이 상기 운전자의 운전패턴 학습 정보와 오차 범위를 초과하도록 상이한 경우 상기 주변상황 정보로부터 상기 차량 주변의 이벤트 발생 여부를 확인하여, 상기 차량 주변에 이벤트가 발생하지 않은 것으로 확인되면 상기 운전자가 주의 분산 상태인 것으로 판단하는 것을 특징으로 하는 운전패턴학습을 통한 운전자 상태 감시 장치. - 청구항 1에 있어서,
상기 운전패턴 학습부는,
상기 주행패턴 감시부로부터의 주행패턴에 근거하여 상기 운전자 DB 및 상기 운전패턴 학습 DB를 업데이트하는 것을 특징으로 하는 운전패턴학습을 통한 운전자 상태 감시 장치. - 청구항 1에 있어서,
상기 운전자 인식부는,
상기 주행패턴 감시부로부터의 주행패턴에 대응하는 운전자 정보가 상기 운전자 DB에 존재하지 않는 경우, 상기 주행패턴에 근거하여 신규 운전자 정보를 등록하는 것을 특징으로 하는 운전패턴학습을 통한 운전자 상태 감시 장치. - 차량 주행 시 상기 차량의 내부 센서를 통해 감지된 차량 조작 정보와 상기 차량의 외부 센서를 통해 감지된 주변상황 정보를 분석하여 현재 차량의 주행패턴을 실시간으로 감시하는 단계;
운전자의 운전패턴 정보가 등록된 운전자 DB를 호출하여, 상기 현재 차량의 주행패턴에 대응하는 운전자를 인식하는 단계;
운전자별 운전패턴 학습정보가 저장된 운전패턴 학습 DB로부터 상기 운전자에 대응하는 운전패턴 학습 정보를 호출하는 단계; 및
상기 운전패턴 학습 정보와 상기 현재 차량의 주행패턴을 실시간으로 비교하며 상기 운전자의 주의 분산 상태를 감시하는 단계를 포함하는 것을 특징으로 하는 운전패턴학습을 통한 운전자 상태 감시 방법. - 청구항 5에 있어서,
상기 운전자의 주의 분산 상태를 감지하는 단계는,
상기 현재 차량의 주행패턴이 상기 운전자의 운전패턴 학습 정보와 오차 범위를 초과하도록 상이한 경우, 상기 주변상황 정보로부터 상기 차량 주변의 이벤트 발생 여부를 확인하는 단계; 및
상기 이벤트 발생 여부를 확인하는 단계에서 상기 차량 주변에 이벤트가 발생하지 않은 것으로 확인되는 경우, 상기 운전자가 주의 분산 상태인 것으로 판단하는 단계를 포함하는 것을 특징으로 하는 운전패턴학습을 통한 운전자 상태 감시 방법. - 청구항 5에 있어서,
상기 현재 차량의 주행패턴에 근거하여 상기 운전자 DB 및 상기 운전패턴 학습 DB를 업데이트하는 단계를 더 포함하는 것을 특징으로 하는 운전패턴학습을 통한 운전자 상태 감시 방법. - 청구항 5에 있어서,
상기 운전자를 인식하는 단계에서 상기 주행패턴 감시부로부터의 주행패턴에 대응하는 운전자 정보가 상기 운전자 DB에 존재하지 않는 경우, 상기 주행패턴에 근거하여 신규 운전자 정보를 등록하는 단계를 더 포함하는 것을 특징으로 하는 운전패턴학습을 통한 운전자 상태 감시 방법.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020120070977A KR20140002373A (ko) | 2012-06-29 | 2012-06-29 | 운전패턴학습을 통한 운전자 상태 감시 장치 및 방법 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020120070977A KR20140002373A (ko) | 2012-06-29 | 2012-06-29 | 운전패턴학습을 통한 운전자 상태 감시 장치 및 방법 |
Publications (1)
Publication Number | Publication Date |
---|---|
KR20140002373A true KR20140002373A (ko) | 2014-01-08 |
Family
ID=50139453
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020120070977A KR20140002373A (ko) | 2012-06-29 | 2012-06-29 | 운전패턴학습을 통한 운전자 상태 감시 장치 및 방법 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR20140002373A (ko) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105313899A (zh) * | 2014-07-10 | 2016-02-10 | 现代摩比斯株式会社 | 车辆搭载状况感应装置及其方法 |
KR20170029257A (ko) * | 2015-09-07 | 2017-03-15 | 주식회사 케이티 | 운전 패턴 모니터링 방법, 운전 패턴 모니터링 서버 및 시스템 |
KR20170051197A (ko) * | 2015-10-29 | 2017-05-11 | 주식회사 세코닉스 | 운전 패턴 분석을 통한 운전자 상태 감시 방법 및 장치 |
US9696173B2 (en) | 2014-12-10 | 2017-07-04 | Red Hat, Inc. | Providing an instruction notification for navigation |
KR20180047522A (ko) * | 2016-10-31 | 2018-05-10 | 주식회사 티노스 | 운전자 인식이 가능한 차량용 전장 시스템 |
WO2018119416A1 (en) * | 2016-12-22 | 2018-06-28 | Surround Io Corporation | Method and system for providing artificial intelligence analytic (aia) services using operator fingerprints and cloud data |
KR20180130433A (ko) * | 2017-05-29 | 2018-12-07 | 폭스바겐 악티엔 게젤샤프트 | 차량 내에 위치하는 차량 탑승자를 지원하는 방법 및 장치 |
US10540557B2 (en) | 2016-08-10 | 2020-01-21 | Xevo Inc. | Method and apparatus for providing driver information via audio and video metadata extraction |
CN111098857A (zh) * | 2018-10-26 | 2020-05-05 | 本田技研工业株式会社 | 行驶控制装置、行驶控制方法以及存储程序的存储介质 |
KR20200116180A (ko) * | 2019-03-11 | 2020-10-12 | 현대모비스 주식회사 | 차량의 차로 변경 제어 장치 및 방법 |
KR20200002786U (ko) * | 2019-06-16 | 2020-12-24 | 이수선 | 상향등 레버를 이용한 차량 제어장치 |
KR20210059410A (ko) * | 2019-11-15 | 2021-05-25 | 한국전자기술연구원 | 운전자 맞춤형 서비스를 제공하는 차량 인포테인먼트 시스템 및 방법 |
US11068728B2 (en) | 2016-06-13 | 2021-07-20 | Xevo Inc. | Method and system for providing behavior of vehicle operator using virtuous cycle |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005092285A (ja) * | 2003-09-12 | 2005-04-07 | Toyota Central Res & Dev Lab Inc | 車両運転状態推定装置、及びドライバの車両運転特性推定装置 |
JP2007272834A (ja) * | 2006-03-31 | 2007-10-18 | Equos Research Co Ltd | ドライバモデル作成装置、運転支援装置、及び運転行動判定装置 |
JP2009002891A (ja) * | 2007-06-25 | 2009-01-08 | Denso Corp | 車載ナビゲーション装置 |
KR20090056464A (ko) * | 2007-11-30 | 2009-06-03 | 주식회사 현대오토넷 | 사용자의 운전 습관에 따라 에어백 제어 프로그램의 실행시점을 선택적으로 변경하는 에어백 제어 장치 |
JP2010198120A (ja) * | 2009-02-23 | 2010-09-09 | Nissan Motor Co Ltd | 運転状態判定装置及び運転状態判定方法 |
-
2012
- 2012-06-29 KR KR1020120070977A patent/KR20140002373A/ko not_active Application Discontinuation
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005092285A (ja) * | 2003-09-12 | 2005-04-07 | Toyota Central Res & Dev Lab Inc | 車両運転状態推定装置、及びドライバの車両運転特性推定装置 |
JP2007272834A (ja) * | 2006-03-31 | 2007-10-18 | Equos Research Co Ltd | ドライバモデル作成装置、運転支援装置、及び運転行動判定装置 |
JP2009002891A (ja) * | 2007-06-25 | 2009-01-08 | Denso Corp | 車載ナビゲーション装置 |
KR20090056464A (ko) * | 2007-11-30 | 2009-06-03 | 주식회사 현대오토넷 | 사용자의 운전 습관에 따라 에어백 제어 프로그램의 실행시점을 선택적으로 변경하는 에어백 제어 장치 |
JP2010198120A (ja) * | 2009-02-23 | 2010-09-09 | Nissan Motor Co Ltd | 運転状態判定装置及び運転状態判定方法 |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9776644B2 (en) | 2014-07-10 | 2017-10-03 | Hyundai Mobis Co., Ltd. | On-vehicle situation detection apparatus and method |
CN105313899A (zh) * | 2014-07-10 | 2016-02-10 | 现代摩比斯株式会社 | 车辆搭载状况感应装置及其方法 |
US9696173B2 (en) | 2014-12-10 | 2017-07-04 | Red Hat, Inc. | Providing an instruction notification for navigation |
US10488210B2 (en) | 2014-12-10 | 2019-11-26 | Red Hat, Inc. | Providing an instruction notification for navigation |
KR20170029257A (ko) * | 2015-09-07 | 2017-03-15 | 주식회사 케이티 | 운전 패턴 모니터링 방법, 운전 패턴 모니터링 서버 및 시스템 |
KR20170051197A (ko) * | 2015-10-29 | 2017-05-11 | 주식회사 세코닉스 | 운전 패턴 분석을 통한 운전자 상태 감시 방법 및 장치 |
US11068728B2 (en) | 2016-06-13 | 2021-07-20 | Xevo Inc. | Method and system for providing behavior of vehicle operator using virtuous cycle |
US10540557B2 (en) | 2016-08-10 | 2020-01-21 | Xevo Inc. | Method and apparatus for providing driver information via audio and video metadata extraction |
KR20180047522A (ko) * | 2016-10-31 | 2018-05-10 | 주식회사 티노스 | 운전자 인식이 가능한 차량용 전장 시스템 |
US10950132B2 (en) | 2016-12-22 | 2021-03-16 | Xevo Inc. | Method and system for providing artificial intelligence analytic (AIA) services using operator fingerprints and cloud data |
US10713955B2 (en) | 2016-12-22 | 2020-07-14 | Xevo Inc. | Method and system for providing artificial intelligence analytic (AIA) services for performance prediction |
WO2018119416A1 (en) * | 2016-12-22 | 2018-06-28 | Surround Io Corporation | Method and system for providing artificial intelligence analytic (aia) services using operator fingerprints and cloud data |
US11335200B2 (en) | 2016-12-22 | 2022-05-17 | Xevo Inc. | Method and system for providing artificial intelligence analytic (AIA) services using operator fingerprints and cloud data |
US10745025B2 (en) | 2017-05-29 | 2020-08-18 | Volkswagen Ag | Method and device for supporting a vehicle occupant in a vehicle |
KR20180130433A (ko) * | 2017-05-29 | 2018-12-07 | 폭스바겐 악티엔 게젤샤프트 | 차량 내에 위치하는 차량 탑승자를 지원하는 방법 및 장치 |
CN111098857A (zh) * | 2018-10-26 | 2020-05-05 | 本田技研工业株式会社 | 行驶控制装置、行驶控制方法以及存储程序的存储介质 |
CN111098857B (zh) * | 2018-10-26 | 2023-04-07 | 本田技研工业株式会社 | 行驶控制装置、行驶控制方法以及存储程序的存储介质 |
KR20200116180A (ko) * | 2019-03-11 | 2020-10-12 | 현대모비스 주식회사 | 차량의 차로 변경 제어 장치 및 방법 |
KR20200002786U (ko) * | 2019-06-16 | 2020-12-24 | 이수선 | 상향등 레버를 이용한 차량 제어장치 |
KR20210059410A (ko) * | 2019-11-15 | 2021-05-25 | 한국전자기술연구원 | 운전자 맞춤형 서비스를 제공하는 차량 인포테인먼트 시스템 및 방법 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR20140002373A (ko) | 운전패턴학습을 통한 운전자 상태 감시 장치 및 방법 | |
CN108932868B (zh) | 车辆的危险预警系统及方法 | |
US20170248950A1 (en) | Alerting predicted accidents between driverless cars | |
US8330620B2 (en) | Method for producing a localized warning of dangerous situations for vehicles | |
US20150294547A1 (en) | Driver condition detection apparatus, driving assistance apparatus, driver condition detection method, and driving assistance method | |
CN109421738A (zh) | 用于监视自主车辆的方法和装置 | |
US11117575B2 (en) | Driving assistance control system of vehicle | |
US9315191B2 (en) | Driving assistance device | |
US9975548B2 (en) | Vehicle driving situation determination apparatus and vehicle driving situation determination method | |
US20080204212A1 (en) | Method and Device For Driver Support | |
JP4051623B2 (ja) | 車両危険度に応じた警報信号を出力する警報装置 | |
CN110371018B (zh) | 使用其他车辆车灯的信息改善车辆行为 | |
US20150070159A1 (en) | Low-level consciousness determination system | |
CN107054364A (zh) | 用于确定路面的不规则的控制系统和方法 | |
US10583816B2 (en) | Lane departure prevention device | |
US9638615B2 (en) | Method and control device and detection device for recognizing an entry of a motor vehicle into a traffic lane opposite a driving direction | |
KR101478068B1 (ko) | 차량 충돌 방지 장치 및 그 방법 | |
US10882536B2 (en) | Autonomous driving control apparatus and method for notifying departure of front vehicle | |
KR20150144125A (ko) | 안전 운전 유도 시스템 및 이의 방법 | |
JP6327283B2 (ja) | 車両用情報提供装置 | |
JP4529394B2 (ja) | ドライバの車両運転特性推定装置 | |
JP6948790B2 (ja) | ドライバを支援するための方法および装置 | |
US20070024430A1 (en) | Detection of unintended lane departures | |
KR20100000388A (ko) | 차선이탈 경보시스템 | |
CN107139921B (zh) | 一种用于车辆的转向防碰撞方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A201 | Request for examination | ||
E902 | Notification of reason for refusal | ||
E601 | Decision to refuse application |