KR20140028405A - 차량 상태 정보 처리 시스템 및 방법 - Google Patents

차량 상태 정보 처리 시스템 및 방법 Download PDF

Info

Publication number
KR20140028405A
KR20140028405A KR1020120094576A KR20120094576A KR20140028405A KR 20140028405 A KR20140028405 A KR 20140028405A KR 1020120094576 A KR1020120094576 A KR 1020120094576A KR 20120094576 A KR20120094576 A KR 20120094576A KR 20140028405 A KR20140028405 A KR 20140028405A
Authority
KR
South Korea
Prior art keywords
vehicle
value
acceleration sensor
data
axis
Prior art date
Application number
KR1020120094576A
Other languages
English (en)
Inventor
심재용
나영중
Original Assignee
(주)나노포인트
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 (주)나노포인트 filed Critical (주)나노포인트
Priority to KR1020120094576A priority Critical patent/KR20140028405A/ko
Publication of KR20140028405A publication Critical patent/KR20140028405A/ko

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
    • 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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
    • B62D—MOTOR VEHICLES; TRAILERS
    • B62D41/00—Fittings for identifying vehicles in case of collision; Fittings for marking or recording collision areas

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Human Computer Interaction (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Traffic Control Systems (AREA)

Abstract

본 발명은 운전 습관 분석 및 진단에 이용할 수 있도록 한 차량 상태 정보 처리 시스템 및 방법에 관한 것으로, 차량에 장착되어 영상 데이터와 가속 센서 데이터를 생성하는 데이터 생성부;가속센서 바이어스 데이터 및 차량 고유 진동 데이터를 저장하는 데이터/DB 저장부로 구성되는 저장부 및 데이터 송수신을 위한 통신부;상기 데이터 생성부로부터 영상 데이터와 가속 센서 데이터를 수신하여 가속 센서 고정 바이어스 계산을 하고, 차량 고유 진동값 계산 및 속도 변위량 계산, 정지 이벤트 등록 판단 그리고 데이터 구성을 수행하는 차량 상태 정보 처리부;를 포함하고, 상기 영상과 가속 센서 데이터 정보를 바탕으로 차량마다 다른 이벤트 판정을 위한 임계값을 계산하고, 차량의 고유 특성과 운전자의 운전 성향에 관련된 순수 운동 에너지를 분리 계산하여 이벤트 등록을 판단하는 것이다.

Description

차량 상태 정보 처리 시스템 및 방법{System and Method for processing status data of vehicle}
본 발명은 차량 상태 정보 처리에 관한 것으로, 구체적으로 차량으로부터 얻어지는 영상과 가속 센서 데이터 정보를 바탕으로 차량의 고유 특성과 운전자의 운전 성향에 관련된 순수 운동 에너지를 분리 계산하여 운전 습관 분석 및 진단에 이용할 수 있도록 한 차량 상태 정보 처리 시스템 및 방법에 관한 것이다.
미국의 Drivecam사, Progressive사, 영국의 Wooneli사, 일본의 NEC, HORIBA 사 등은 운전사의 운전 성향을 급가속, 급감속, 및 급회전 등의 몇 가지 이벤트들을 통하여 분석하고 이를 통하여 운전 습관에 대한 경고 및 지도를 할 수 있도록 한다.
이를 위하여 여러 센서의 데이터를 수집하고 이 데이터들이 미리 정해진 임계값을 초과할 경우 이벤트로서 등록되고 분석할 수 있도록 하는 텔레매틱스 모니터링을 하고 있다.
그러나 이들 장치들은 차량별 특성에 맞추어 가속 센서 값들을 영점 조정하여 데이터 수집하는 과정과 이벤트 등록을 위한 임계값 설정 그리고 임계값들을 데이터베이스화하고 지속적으로 관리하여 설정 값 변경이 필요할 때 신속하게 대응하는 능력이 부족한 상황이다.
블랙박스나 이벤트 데이터 레코더는 가속 센서 값을 읽어 기 설정한 조건이 넘으면 이벤트로 분류되는데, 이러한 이벤트의 등록을 위한 임계값은 장치의 부착 위치, 차량의 상태 등을 모두 고려하여 계산되어야 한다.
이뿐 아니라 이와 같은 정보들을 처리하는 서버에서는 여러 차량들의 상태를 주기적으로 모니터링하고 이값을 바탕으로 새로 설정할 내용들을 단말과 서버간 지속적인 유/무선 통신을 통하여 쉽게 갱신(update) 할 수 있는 네트워크 시스템이 요구되고 있다.
그러나 종래 기술의 차량의 상태를 분석하는 방법 및 시스템에서는 데이터 수집과정과 이벤트 등록을 위한 임계값 설정 그리고 임계값들을 데이터베이스화하고 지속적으로 관리하여 설정 값 변경이 필요할 때 신속하게 대응하는 능력이 부족하여 운전 습관에 대한 경고 및 지도를 위한 대응에 어려움이 있다.
본 발명은 이와 같은 종래 기술의 차량의 상태를 분석하는 방법 및 시스템의 문제를 해결하기 위한 것으로, 차량으로부터 얻어지는 영상과 가속 센서 데이터 정보를 바탕으로 차량의 고유 특성과 운전자의 운전 성향에 관련된 순수 운동 에너지를 분리 계산하여 운전 습관 분석 및 진단에 이용할 수 있도록 한 차량 상태 정보 처리 시스템 및 방법을 제공하는데 그 목적이 있다.
본 발명은 차량 블랙박스에 장착되어 차량의 고유 진동 데이터와 운전자의 운전 성향을 함께 표현하는 가속 센서 데이터만으로 운전자의 운전 성향 및 상대적인 사고 위험도를 계산하고, 사고율을 예측하며, 또한 이를 진단하는 효율적인 운전자 행동 분석 및 진단을 실현할 수 있도록 한 차량 상태 정보 처리 시스템 및 방법을 제공하는데 그 목적이 있다.
본 발명은 차량의 고유 특성과 운전자의 운전 성향에 관련된 순수 운동 에너지를 분리 계산하여 운전자 행동 분석 및 진단을 정확하게 수행할 수 있도록 한 차량 상태 정보 처리 시스템 및 방법을 제공하는데 그 목적이 있다.
본 발명의 목적들은 이상에서 언급한 목적들로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
이와 같은 목적을 달성하기 위한 본 발명에 따른 차량 상태 정보 처리 시스템은 차량에 장착되어 영상 데이터와 가속 센서 데이터를 생성하는 데이터 생성부;가속센서 바이어스 데이터 및 차량 고유 진동 데이터를 저장하는 데이터/DB 저장부로 구성되는 저장부 및 데이터 송수신을 위한 통신부;상기 데이터 생성부로부터 영상 데이터와 가속 센서 데이터를 수신하여 가속 센서 고정 바이어스 계산을 하고, 차량 고유 진동값 계산 및 속도 변위량 계산, 정지 이벤트 등록 판단 그리고 데이터 구성을 수행하는 차량 상태 정보 처리부;를 포함하고, 이벤트 판정을위하여 상기 영상과 가속 센서 데이터 정보를 바탕으로 차량마다 다른 임계값을 계산하고, 차량의 고유 특성과 운전자의 운전 성향에 관련된 순수 운동 에너지를 분리 계산하여 이벤트 등록을 판단하는 것을 특징으로 한다.
여기서, 상기 차량 상태 정보 처리부는, 차량 고유 진동을 계산하는 차량 고유 진동 계산부와, 차량 고정 바이어스를 계산하는 차량 고정 바이어스 계산부와,차량 정지 상태의 이벤트 등록을 판단 및 수행하는 정지 이벤트 등록 판단부와,가속 센서 고정 바이어스 계산, 차량 고유 진동값 계산, 속도 변위량 계산에 따른 데이터를 구성하는 데이터 구성부를 포함하는 것을 특징으로 한다.
그리고 상기 차량 고정 바이어스 계산부에서 차량 고정 바이어스를 계산하기 위하여, 차량 시동을 끈 후 각축마다 복수의 샘플을 사용하여 각 축의 가속 센서의 평균을 구하여 저장하고, 이후 차량 시동을 다시 켰을 때 각축의 가속 센서의 평균치를 구하여 상기 저장된 각축의 가속 센서의 평균치 값과 비교하여 일정한 편차 범위(표준 편차의 3배) 내에 있을 때 두 측정 시점의 각축의 평균값 혹은 가중 평균값을 사용하거나 두 시점의 중 한 시점의 값을 사용하는 것을 특징으로 한다.
그리고 상기 정지 이벤트 등록 판단부는, 정지 상태에서 가속 센서의 각 축 방향으로 값이 1초이상 0.05g 이내 있을 경우를 이벤트로 등록하고, 정지 상태에서 차량 진행 축 방향으로 단말에서 일정 시간 측정한 샘플 분산 값이 서버에서 이미 계산되어 단말에 전송된 정지상태의 편차 값의 3배(3σx,0) 보다 적을 경우를 이벤트로 등록하고, 정지 상태에서 차량 진행 축 방향으로 가속 센서로 측정되는 속도 변위 값이 1초이상 1.8 km/h 이내 있을 경우를 이벤트로 등록하고, 정지 상태에 대한 판단은 단말에서 일정시간 측정한 3축 모두에 대한 샘플 분산 값이 서버에서 이미 계산되어 단말에 전송된 정지상태 편차 값의 3배(3σx,0, 3σy,0, 3σz,0) 보다 적을 경우를 이벤트로 등록하는 것을 특징으로 한다.
그리고 상기 차량 상태 정보 처리부는, 이벤트 등록 판단이 이루어지면 이를 네트워크에 연결 시 서버에 영상 데이터와 가속센서 데이터를 전송하고 서버는 영상의 옵티컬 플로우 벡터(optical flow vector)를 이용하여 영상 기반 속도 변위 값(Image based velocity change)을 계산하고 가속 센서 값을 이용하여 가속 센서 기반 속도 변위 값(Accelerometer based velocity change)을 계산하여 두 속도변위를 이용한 최종 속도 변위 값을 구하여 정지 이벤트 등록을 재판단하는 것을 특징으로 한다.
그리고 상기 차량 상태 정보 처리부의 데이터 구성은, x축 고정 바이어스 값, y축 고정 바이어스 값, z축 고정 바이어스 값, x축 정지 분산 값(
Figure pat00001
), x축 정지 임계 값(
Figure pat00002
), y축 정지 분산 값(
Figure pat00003
), y축 정지 임계 값(
Figure pat00004
), z축 정지 분산 값(
Figure pat00005
), z축 정지 임계 값(
Figure pat00006
), 차량 아이들링 로그를 포함하는 것을 특징으로 한다.
그리고 상기 차량 고유 진동부 계산부는, 가속 센서 속도 변위량을 측정하는 가속 센서 속도 변위량 측정부와, 각축의 정지 분산을 구하는 정지 분산 계산부와,영상을 이용하여 속도 변위량을 측정하는 영상 속도 변위량 측정부와, 정지 상태의 기준 임계값을 계산하는 정지 임계값 계산부를 포함하는 것을 특징으로 한다.
다른 목적을 달성하기 위한 본 발명에 따른 차량 상태 정보 처리 방법은 차량 시동 off 후 각축마다 10개 이상의 가속센서 샘플을 사용하여 각 축의 가속센서 평균값을 산출하여 저장하는 단계;차량 시동 off 상태의 각 축의 가속 평균값과 차량 시동 on 상태의 각축의 가속 평균값을 구하여 비교하는 단계;비교 결과가 설정된 편차 범위 이내이면, 두 측정 시점의 각축의 평균값 또는 어느 한 시점의 값을 가속센서 고정 바이어스로 사용하는 단계;두 측정 시점의 각축의 평균 값 혹은 가중 평균 값을 사용하거나 어느 한 시점의 값을 사용하여 가속센서 고정 바이어스로 등록하는 단계;차량 시동off 시점에 저장된 값이 존재하는지 확인하는 단계;저장된 값을 가속센서 고정 바이어스로 등록 하는 단계를 포함하는 것을 특징으로 한다.
다른 목적을 달성하기 위한 본 발명에 따른 차량 상태 정보 처리 방법은 차량 고유 진동 값 계산을 위하여 차량 시동 on 확인하는 단계;영상 혹은 가속 센서 값으로 정지 속도 (Zero Velocity) 상태를 비교하는 단계;비교결과가 설정된 정지 속도편차범위 이내이면, 단말에서 차량의 정지 상태를 이벤트화하여 등록하는 단계;서버와 접속 시 서버로 영상과 3축 가속 센서 값을 전송하는 단계;를 포함하는 것을 특징으로 한다.
여기서, 상기 차량의 정지 상태를 이벤트화하여 등록하는 단계에서, 정지 상태에서 가속 센서의 각 축 방향으로 값이 1초이상 0.05g 이내 있을 경우를 이벤트로 등록하고, 정지 상태에서 차량 진행 축 방향으로 단말에서 일정시간 측정한 샘플 분산 값이 서버에서 이미 계산되어 단말에 전송된 정지상태 분산 값(
Figure pat00007
) 보다 적을 경우를 이벤트로 등록하고, 정지 상태에서 차량 진행 축 방향으로 가속 센서로 측정되는 속도 변위의 절대 값이 1초이상 1.8 km/h 이내 있을 경우를 이벤트로 등록하고, 정지 상태에 대한 판단은 단말에서 일정시간 측정한 3축 모두에대한 샘플 분산 값이 서버에서 이미 계산되어 단말에 전송된 정지상태 분산 값(
Figure pat00008
,
Figure pat00009
,
Figure pat00010
) 보다 적을 경우를 이벤트로 등록하는 것을 특징으로 한다.
또 다른 목적을 달성하기 위한 본 발명에 따른 차량 상태 정보 처리 방법은 차량 고유 진동 값 계산을 위하여 서버에서 정지 이벤트인지 확인하는 단계; 단말에서 전송된 영상 데이터 와 3축 가속 센서 데이터 수신을 확인하는 단계;영상 기반의 속도 변위 값 계산시 영상의 옵티컬 플로우 벡터(optical flow vector)를 계산하고 이를 이용하여 영상 기반 속도 변위 값을(Image based velocity change) 계산하는 단계;가속 센서 값 기반의 속도 변위 값 계산;비교결과가 설정된 정지 판단 기준 이내 (10cm/sec)인지 비교하는 단계;가속 센서 값들을 이용한 정지 분산 값을 계산 단계;를 포함하는 것을 특징으로 한다.
여기서, 상기 가속센서 기반의 속도 변위량 계산을 위하여,
Figure pat00011
개의 샘플들로 구성되는 n 번째 프레임과 (n+1) 번째 프레임 간의 이동체의 센서 평균 속도를,
Figure pat00012
로 구하는 것을 특징으로 한다.
그리고 상기 영상 기반의 속도 변위량 계산을 위한 영상의 옵티컬 플로우 벡터(optical flow vector)를 계산하는 단계는, 전송된 이벤트 영상의 옵티컬 플로우 벡터를 구하는 과정과,옵티컬 플로우 벡터 중 영상의 4개 영역의 차량 진행 방향 벡터를 분류하는 과정과,4개 영역의 옵티컬 플로우 벡터를 이용하여 속도 벡터를 구하는 과정을 포함하는 것을 특징으로 한다.
그리고 4개 영역에 속하는 벡터는 영상의 모서리와 영상 중심을 잇는 두 대각선을 기준으로 한 4개의 선을 중심으로 일정 영역에 포함된 옵티컬 플로우 벡터를 의미하고, 각 4개의 영역은 주 대각선을 기준으로
Figure pat00013
≤30도(degree) 이내에 있는 영역을 의미하는 것을 특징으로 한다.
그리고 속도 벡터를 구하는 과정에서 상기 4개 영역 중 일부 영역에 속하는 옵티컬 플로우 벡터만 고려하는 것을 특징으로 한다.
그리고
Figure pat00014
개의 프레임으로 구성되는 정지 이벤트에서 n 번째 프레임에서 영상을 기반으로 한 차량의 영상 평균 속도(
Figure pat00015
)는,
Figure pat00016
이고, 여기서, d m은 카메라를 차량 진행방향 (x 방향)으로 1 cm움직였을 때 기준 측정값(cm)이고, d n ,k는 n 번째 프레임과 n+1 번째 프레임간 k번째 옵티컬 플로우 벡터를 기준으로 계산한 3D world 좌표계에서 차량이 움직인 거리(cm)이고, 상기 d n ,k는,
Figure pat00017
로 정의되고, T n은 n 번째 프레임 측정 시간, M n은 n 번째 프레임에서 전체 혹은 4개 영역 중 일부 영역들에 속한 옵티컬 플로우 벡터 수, v x ,k는 k 번째 옵티컬 플로우 벡터의 x 방향 요소, v y ,k는 k 번째 옵티컬 플로우 벡터의 y 방향 요소이고, V x ,n,k는 n 번째 프레임의 k 번째 옵티컬 플로우 벡터의 3D world 좌표 계의 x 방향 요소이고, V y,n,k는 n 번째 프레임의 k 번째 옵티컬 플로우 벡터의 3D world 좌표 계의 y 방향 요소이고, V z ,n,k는 n 번째 프레임의 k 번째 옵티컬 플로우 벡터의 3D world 좌표 계의 z 방향 요소인 것을 특징으로 한다.
그리고 n번째 프레임에서 (n+1)번째 프레임 시간 사이의 이동체의 속도(v n)는 가속센서 값을 기반으로 계산된 이동체의 센서 평균 속도
Figure pat00018
와 영상을 기반으로 계산된 이동체의 영상 평균 속도(v I ,n)로 나타낼 수 있고,
Figure pat00019
여기서,
Figure pat00020
는 km/h를 cm/sec로 변환하는 상수 값으로 가속센서 값을 기반으로 계산된 이동체의 센서 평균 속도가 km/h로 계산될 때만 사용되는 것을 특징으로 한다.
그리고 N n개의 프레임으로 구성되는 하나의 이벤트의 차량의 평균 이동 속도는,
Figure pat00021
이고, 여기서, 정지 판단 기준은 v e ≤10(cm/sec)인 것을 특징으로 한다.
그리고 정지 상태로 판단될 경우 차량의 고유 진동을 모든 정지 판단된 이벤트 데이터 중 각축의 가속 센서 데이터들의 정지 분산 벡터로 나타내면,
Figure pat00022
이고, 여기서,
Figure pat00023
는 n 번째 프레임의 x 축 분산,
Figure pat00024
는 n 번째 프레임의 y 축 분산,
Figure pat00025
는 n 번째 프레임의 z 축 분산,
Figure pat00026
는 n 번째 프레임의 j 번째 x 축 가속센서 값,
Figure pat00027
는 n 번째 프레임의 j 번째 y 축 가속센서 값,
Figure pat00028
는 n 번째 프레임의 j 번째 z 축 가속센서 값,
Figure pat00029
는 n 번째 프레임의 x 축 가속센서 평균값,
Figure pat00030
는 n 번째 프레임의 y 축 가속센서 평균값,
Figure pat00031
는 n 번째 프레임의 z 축 가속센서 평균값이고,
Figure pat00032
는 가속 센서의 초당 샘플 수인 것을 특징으로 한다.
그리고 모든 정지 판단된 이벤트들의 정지 분산 벡터를 상기 계산된 정지 분산 벡터들의 평균 값으로 나타내면,
Figure pat00033
이고, 여기서,
Figure pat00034
는 전체 정지 판단된 이벤트 숫자를 나타내는 것을 특징으로 한다.
이와 같은 본 발명에 따른 차량 상태 정보 처리 시스템 및 방법은 다음과 같은 효과를 갖는다.
첫째, 차량으로부터 얻어지는 영상과 가속 센서 데이터 정보를 바탕으로 차량의 고유 특성과 운전자의 운전 성향에 관련된 순수 운동 에너지를 분리 계산할 수 있다.
둘째, 차량의 고유 특성과 운전자의 운전 성향에 관련된 순수 운동 에너지를 분리 계산하여 운전 습관 분석 및 진단이 정확하게 이루어지도록 한다.
셋째, 가속 센서 데이터만으로 운전자의 운전 성향 및 상대적인 사고 위험도를 계산하고, 사고율을 예측하며, 또한 이를 진단하는 효율적인 운전자 행동 분석 및 진단을 실현할 수 있다.
도 1은 본 발명에 따른 차량 상태 정보 처리 시스템의 구성도
도 2는 가속 센서의 각 축의 바이어스를 나타낸 그래프
도 3은 가속 센서 바이어스를 제거한 상태를 나타낸 그래프
도 4는 Optical flow 벡터 중 영상의 4개 영역의 차량 진행 방향 벡터를 분류한 구성도
도 5 내지 도 7은 본 발명에 따른 차량 상태 정보 처리 시스템의 동작을 나타낸 플로우 차트
이하, 본 발명에 따른 차량 상태 정보 처리 시스템 및 방법의 바람직한 실시 예에 관하여 상세히 설명하면 다음과 같다.
본 발명에 따른 차량 상태 정보 처리 시스템 및 방법의 특징 및 이점들은 이하에서의 각 실시 예에 대한 상세한 설명을 통해 명백해질 것이다.
도 1은 본 발명에 따른 차량 상태 정보 처리 시스템의 구성도이고, 도 2는 가속 센서의 각 축의 바이어스를 나타낸 그래프이다.
그리고 도 3은 가속 센서 바이어스를 제거한 상태를 나타낸 그래프이다.
본 발명은 차량으로부터 얻어지는 영상과 가속 센서 데이터 정보를 바탕으로 차량의 고유 특성과 운전자의 운전 성향에 관련된 순수 운동 에너지를 분리 계산하여 운전 습관 분석 및 진단에 이용할 수 있도록 하기 위한 것이다.
이를 위한 데이터 수집을 위한 차량 상태 정보 처리 시스템은 가속 센서 고정 바이어스 계산, 차량 고유 진동값 계산, 정확한 속도 변위량 계산 및 데이터 구성을 수행한다.
이를 위한 데이터 수집을 위한 차량 상태 정보 처리 시스템의 구성은 다음과 같다.
이하의 설명에서 단말은 차량의 블랙박스나 이벤트 데이터 레코더(Event Data Recorder)와 같이 차량에 장착되어 운전 습관 분석 진단에 사용되는 장치들을 뜻하는 것으로, 단말은 상기한 장치들로 한정되는 것이 아니고 다른 장치가 적용될 수 있음은 당연하다.
또한, 서버는 차량 상태 정보 처리 시스템을 구성하는 차량 상태 정보 처리부 및 저장부 그리고 통신부를 포함할 수 있다.
도 1에서와 같이 본 발명에 따른 차량 상태 정보 처리 시스템은 가속 센서부(11) 및 카메라부(12)를 구비하고 영상 데이터와 3축 가속센서 데이터를 생성하는 데이터 생성부(10)와, 가속센서 바이어스 데이터 및 차량 고유 진동 데이터를 저장하는 데이터/DB 저장부로 구성되는 저장부(20)와, 데이터 송수신을 위한 통신부(30)와, 가속 센서 고정 바이어스 계산, 차량 고유 진동값 계산, 속도 변위량 계산 및 정지 이벤트 등록 판단 그리고 데이터 구성을 수행하는 차량 상태 정보 처리부(40)를 포함한다.
여기서, 차량 상태 정보 처리부(40)는 차량 고유 진동을 계산하는 차량 고유 진동 계산부(41)와, 차량 고정 바이어스를 계산하는 차량 고정 바이어스 계산부(42)와, 차량 정지 상태의 이벤트 등록을 판단 및 수행하는 정지 이벤트 등록 판단부(43)와, 가속 센서 고정 바이어스 계산, 차량 고유 진동값 계산, 속도 변위량 계산에 따른 데이터를 구성하는 데이터 구성부(44)를 포함한다.
이와 같은 본 발명에 따른 차량 상태 정보 처리 시스템은 데이터 수집을 위한 차량 지문(Vehicle Fingerprint) 획득 과정으로, 차량 고정 바이어스 계산부(42)에서 가속 센서 고정 바이어스 계산을 수행한다.
차량 고정 바이어스 계산부(42)에서 차량 고정 바이어스를 계산하기 위하여,
(1)차량 시동을 끈 후 각축마다 10개 이상의 샘플을 사용하여 각 축의 가속 평균을 구한다.
시동을 킨 상태에서 측정할 경우 운전 중에는 도로 환경에 따라 고정 바이어스가 편차가 많이 생길 수 있으므로 시동을 끈 상태의 측정치를 기준으로 하여 랜덤 바이어스(Random Bias)를 제거하는 것이다.
(2)상기 가속 센서 평균치를 저장한다.
(3)이후 차량 시동을 다시 켰을 때 각축의 가속 평균치를 구하여 저장된 각축의 가속 평균치 값과 비교 시 일정한 편차 범위 내에(고정 바이어스 표준편차의 3배;3σb) 있을 때 두 측정 시점의 각축의 평균값을 사용하거나 두 시점의 중 한 시점의 값을 사용한다.
이와 같이 측정하는 동안 블랙박스는 차량용 혹은 블랙박스 자체의 배터리 혹은 대용량 컨덴서와 연결되어 있어야 한다.
차량 고유 진동 계산부(41)는 차량 고유 진동 계산을 위하여,
(1)차량의 시동이 켜져 있음을 먼저 확인한다.
(2)영상과 가속 센서로 정지 속도(Zero Velocity) 상태를 확인한다.
(3)이를 데이터 수집이 이루어지는 단말에서 초기 탐색(Coarse Search)을 하고, 단말로부터 데이터를 제공받는 차량 상태 정보 처리부(40)에서 확인 탐색(Fine Search)을 한다.
(4)차량의 정지 상태를 이벤트화하는데, 이 이벤트가 차량 상태 정보 처리부(40)에 전송되면 차량 상태 정보 처리부(40)에서 이를 체크 한다.
이와 같은 정지 이벤트 등록 판단부(43)에서 수행하는 이벤트 등록 조건을 설명하면 다음과 같다.
(ㄱ)정지 상태를 가속 센서의 각 축 방향으로 값이 1초이상 0.05g 이내 있을 경우를 이벤트로 등록한다.
(ㄴ)또 다른 정지 상태에 대한 판단은 차량 진행 축 방향으로(다른 축들 차량 좌우 방향, 차량 상하 방향) 가속 센서 값의 평균을 중심으로 일정 편차 이내 (정지 가속 센서 표준편차의 3배;3σ0) 있을 경우를 이벤트로 등록한다.
(ㄷ)또 다른 정지 상태에 대한 판단은 차량 진행 축 방향으로 가속 센서로 측정되는 속도 변위 절대 값이 1초이상 1.8 km/h 이내 있을 경우를 이벤트로 등록한다.
(ㄹ)또 다른 정지 상태에 대한 판단은 차량 진행 축 방향으로(다른 축들 차량 좌우 방향, 차량 상하 방향) 가속 센서로 측정되는 속도 변위 값의 평균을 중심으로 일정 편차 이내 (정지 속도 변위 표준편차 3배;3σv) 있을 경우를 이벤트로 등록한다.
이와 같은 이벤트 등록 정보를 차량 상태 정보 처리부(40)로 전송 하면 차량 상태 정보 처리부(40)는 영상의 옵티컬 플로우 벡터((optical flow vector)를 계산하고 가속 센서의 샘플 표준 편차값을 이용하여 재 판단한다.
그리고 데이터 구성부(44)에서의 데이터 구성은 x축 고정 바이어스 값, y축 고정 바이어스 값, z축 고정 바이어스 값, x축 정지 분산 값(
Figure pat00035
), x축 정지 임계 값(
Figure pat00036
), y축 정지 분산 값(
Figure pat00037
), y축 정지 임계 값(
Figure pat00038
), z축 정지 분산 값(
Figure pat00039
), z축 정지 임계 값(
Figure pat00040
), 차량 아이들링 로그를 포함한다.
그리고 본 발명에 따른 차량 상태 정보 처리 시스템의 차량 상태 정보 처리부(40)의 차량 고유 진동부 계산부(41)는 가속 센서 속도 변위량을 측정하는 가속 센서 속도 변위량 측정부(41a)와, 각축의 정지 분산을 구하는 정지 분산 계산부(41b)와, 영상 속도 변위량을 측정하는 영상 속도 변위량 측정부(41c)와, 정지 임계값을 계산하는 정지 임계값 계산부(41d)를 포함한다.
이하의 설명에서 가속 센서 에너지는 (순수 운동 에너지 + 중력 에너지) 또는 가속 센서 에너지는 (중력 에너지 영향+ 차량의 고유 특성 + 운전자의 운전 성향)이고, 순수 운동 에너지는 (차량의 고유 특성 + 운전자의 순수 운전 성향)을 의미한다.
서스펜션의 상태, 타이어의 압력 상태, 그리고 차량의 연식에 따른 부품의 마모 상태 등 이 차량의 고유 특성에 영향을 미치는 신호로 볼 수 있다.
만약, 속도가 0이고 차량이 turn off이면 가속 센서 값은 장치가 차량 내 설치된 상태(orientation) 즉, 고정 바이어스를 표현하는 것이고, 속도가 0이고 차량이 turn on이면 가속 센서 값은 장치가 차량 내 설치된 상태와 차량의 고유 특성을 표현하는 것이다.
그리고 속도가 0이 아니고 차량이 turn on이면 가속 센서 값은 장치가 차량 내 설치된 상태와 차량의 고유 특성 및 운동에너지로 나타나는 운전자의 운전 성향을 표현하는 것이다.
본 발명은 운전자의 순수 운전 성향을 구하기 위해 고정 바이어스와 차량의 고유 특성을 구하는 것으로, 가속 센서 바이어스 추정에 관하여 설명하면 다음과 같다.
충격에 대한 가속 센서의 반응은 운전자가 비포장도로와 같은 진동이 심한 환경, 혹은 차량의 노후화 등에 따라 차량마다 다르므로 순수 운동에너지에 영향을 주는 운전자의 운전 성향을 판단하기 위해서는 차량의 고유 특성을 추정할 필요가 있다.
충격에 대한 가속 센서의 반응은 도로 상황에 따라 달라서 비포장도로 혹은 철도 건널목, 다리와 같은 진동이 심한 환경과 포장이 잘 된 도로 환경과 비교하면 가속센서 신호에 있어 차이가 많다. 또한, 차량의 노후화 및 타이어 공기압, 블랙박스 부착위치 등 주행 환경 및 차량 상태마다 다르므로 순수 운동에너지에 영향을 주는 운전자의 운전 성향을 판단하기 위해서는 차량의 고유 특성을 정확히 추정할 필요가 있다.
이를 위해서 보통 약 1개월 가량 차량들을 시운전하며 설치 업자들의 경험치 에만 의존하는 방식을 사용하는데, 이는 올바른 임계값의 미적용으로 인한 불필요한 비용을 발생시킨다.
이를 자동화 하기 위한 필수 요건이 각 차량의 특징들을 표현하는 자동차 지문(Vehicle Fingerprint)을 먼저 계산을 하는데 이 지문 중의 하나가 가속 센서 바이어스이다.
차량의 가속센서 값들은 고정 오프셋(offset)과 속도에 따른 랜덤 오프셋(random offset)으로 구성된 바이어스를 포함하므로 이를 제거하여 계산을 하지 않으면 정확한 이벤트 등록(Event Registration)을 하기가 어렵다.
이는 시스템의 비효율적 운용으로 인한 소비자 신뢰 감소를 야기할 수 있어 가속센서 바이어스 값을 정확히 추정하고 이를 통하여 이벤트 판정을 위한 임계값을 정확히 계산하는 것이 전체 시스템 운용에 매우 중요하다.
차량용 블랙박스에서 충격 센서로 사용되는 가속 센서는 제품의 공장 출하 전 캘리브레이션을 통하여 가속 센서의 바이어스 정보를 알아내고 보정을 한다.
가속센서 바이어스의 요인은 다음과 같은 요소로 구성된다.
첫 번째는 가속센서 칩 자체의 에러이다. 이는 가속센서 칩들마다 중력에 대한 특성에 차이가 있기 때문이다.
두 번째는 칩을 보드에 장착(Mount)시킬 때 비 균일한 납땜의 영향으로 바이어스가 생긴다.
세 번째는 사용하면서 에이징 영향(aging effect)으로 생기는 바이어스이다. 이는 차량 탑재 후 시간이 지남에 따라 가속 센서의 바이어스 정보가 변화할 가능성이 높고 이렇게 변화된 바이어스 정보는 차량의 충돌을 제대로 감지하지 못하거나 너무 민감하여 작은 범퍼 충돌에도 경고를 하는 단점이 있다.
그리고 네 번째는 설치 위치(orientation)에 의하여 발생하는 바이어스로 이는 가속 센서 값을 일정 시간 동안의 가속 센서 값들의 이동 평균치(Moving average value)로 감 함으로서 쉽게 제거될 수 있다.
본 발명은 상기 두 가지 요인으로 발생하는 가속 센서의 고정 바이어스 정보를 구하고 이값을 적용하여 차량마다 다른 정확한 임계값을 추정하여 이를 바탕으로 충돌, 급가속, 급감속, 급정거, 과속(Over Speed)와 같은 여러 이벤트들을 판단 하여 기록하고 이를 바탕으로 운전자의 운전 습관을 교정함으로써 자원의 효율적 관리를 통한 연료 절감 및 사고 예방에 사용하는 시스템을 구축하기 위한 것이다.
도 2에서 Ax, Ay, Az 는 가속센서의 x, y, z 축을 각각 지칭하며 Bx, By, Bz는 각축의 바이어스를 나타낸다. 상기 가속 센서는 실제 차량 (약 40 km/h)에서 측정하였고 초당 30개의 샘플을 8개의 샘플로 데시메이션(decimation)하여 표현하고, 1g를 128 로 표현한 것이다.
도 3은 가속센서 바이어스를 제거하고 g 단위로 표현한 것으로, 도 2 및 도 3은 칼만 필터링과 GPS 속도정보만을 이용하여 구한 것이다.
본 발명에 따른 차량 상태 정보 처리 시스템에서 차량 내 장착된 장치로부터 얻어지는 영상과 가속 센서 데이터 정보를 바탕으로 차량의 고유 특성과 운전자의 운전 성향에 관련된 순수 운동 에너지를 분리 계산하는 과정은 다음과 같다.
도 4는 옵티컬 플로우(Optical flow) 벡터 중 영상의 4개 영역의 차량 진행 방향 벡터를 분류한 구성도이고, 도 5 내지 도 7은 본 발명에 따른 차량 상태 정보 처리 시스템의 동작을 나타낸 플로우 차트이다.
본 발명에 따른 차량 상태 정보 처리 방법은 크게, 가속 센서 고정 바이어스 등록 단계; 단말에서의 차량 정지 상태 초기 판단 단계;서버에서 차량 정지 확인을 위한 판단 단계로 구성된다.
가속 센서 고정 바이어스 등록 단계는 도 5에서와 같이, 차량 시동을 끈(off) 후 각축마다 10개 이상의 가속 센서 샘플을 사용하여 각 축의 가속 평균을 산출하여 저장하는 단계(S501)와, 차량 시동을 킨(on) 상태의 각축의 가속 센서 평균값을 구하여 저장된 시동off 상태의 각축의 가속 평균값과 비교하는 단계(S502)와, 비교결과가 설정된 고정 바이어스 편차 범위인지를 판단하는 단계(S503)와, 설정된 고정 바이어스 편차 범위 이내이면, 두 측정 시점의 각축의 평균값 또는 가중 평균값을 사용 또는 어느 한 시점의 값을 가속센서 고정 바이어스로 등록하는 단계(S504)와, 설정된 고정 바이어스 편차 범위 이내가 아니면 차량 시동 off 시점에 저장된 값이 존재하는 지를 판단하는 단계(S505)와, 저장된 값이 존재하면 저장된 값을 고정 바이어스로 등록하는 단계(S506)를 포함한다.
그리고 차량 고유 진동 값 계산을 위한 단말에서의 차량 정지 상태 초기 판단 단계는 도 6에서와 같이, 차량 고유 진동 값 계산을 위하여 차량의 시동 on을 확인하는 단계(S601)와, 영상과 가속 센서로 정지 속도(Zero Velocity) 상태를 비교하는 단계(S602)와, 비교 결과가 설정된 정지 속도 편차 범위 이내 이면(S603), 단말에서 차량의 정지 상태를 이벤트화하여 등록하는 단계(S604)와, 서버와 접속시에 서버로 영상과 3축 가속 센서값을 전송하는 단계(S605)를 포함한다.
그리고 서버에서 차량 정지 확인을 위한 판단 단계는 도 7에서와 같이, 정지 이벤트인지를 판단하는 단계(S701)와, 단말에서 전송된 영상 데이터와 3축 가속도 센서 데이터를 수신하였는지를 확인하는 단계(S702)와, 영상 기반의 속도 변위값을 계산하는 단계(S703) 및 가속 센서값 기반의 속도 변위값을 계산하는 단계(S704)와, 계산된 결과를 설정된 정지 판단 기준(10m/sec) 이내인지를 판단하는 단계(S705)와, 설정된 정지 판단 기준 이내이면 가속 센서 값들을 이용하여 정지 분산값을 계산하는 단계(S706)를 포함한다.
여기서, 고정 바이어스와 랜덤 바이어스로 표현되는 바이어스 중에서 고정 바이어스를 계산하는 과정을 구체적으로 설명하면 다음과 같다.
먼저, 차량 시동을 끈 후 약 5초가 지난 후 각 축의 가속 센서 값의 평균을 구하는 고정 바이어스 측정을 하고 이 평균값들과 고정 바이어스 측정을 했다는 정보를 저장한다.
정보 저장은 장치 내 메모리 공간, SD 카드, 혹은 서버에 저장을 한다.
이와 같은 평균값을 구하기 위해 각축마다 100개 이상의 샘플을 사용하는 것이 바람직하다.
이 과정에서 시동을 킨 상태에서 측정할 경우 운전 중에는 도로 환경에 따라 고정 바이어스가 편차가 많이 생길 수 있으므로 각 축의 가속 센서 값의 속도 변위 값을 구하여 시동을 끈 상태의 측정치를 기준으로 하여 랜덤 바이어스를 제거한다.
이 후에 다시 차량 시동을 켰을 경우 고정 바이어스 측정을 했다는 정보를 먼저 확인하고 고정 바이어스 측정을 했다는 정보가 있으면 고정 바이어스 다시 측정을 하지 않고, 고정 바이어스 측정을 했다는 정보가 없으면 고정 바이어스를 다시 측정을 한다.
그리고 고정 바이어스 측정을 했다는 정보가 있다고 하더라도 각축의 가속 평균치를 구하여 저장된 각 축의 가속 평균치 값과 비교하여 허용된 편차(고정 바이어스 표준편차의 3배;3σb)보다 클 때 두 측정 시점의 각축의 평균값을 사용하거나 두 시점의 중 한 시점의 값을 사용한다.
그리고 측정하는 동안 블랙박스는 차량용 혹은 블랙박스 자체 배터리혹은 대용량 컨덴서와 연결되어있어 차량의 시동을 끈 후 일정시간 동안 블랙박스에 전원이 공급되도록 한다.
그리고 차량 고유 진동 계산 과정을 구체적으로 설명하면 다음과 같다.
차량의 고유 진동은 차량의 아이들링 상태에 대한 정보를 줌으로서 차량의 실제 운행 시간을 파악할 수 있고 연비 효율 모니터링의 자료로 사용될 수 있다.
차량의 고유 진동을 계산하기 위하여 정지 분산 계산부(41b)에서 차량의 표준 편차(Standard Deviation)를 구한다. 차량이 정차했을 때 자동차의 흔들림을 통하여 자동차의 고유 파라미터(차량의 변화량)를 산출하게 된다.
그리고 정지 임계값 계산부(41d)에서 구하는 차량의 정지 임계값은 분위 수 추정을 통해 이루어지는데, 이 분위 수가 판단 기준이 된다.
차량의 고유 진동을 계산하는 과정은 차량의 시동이 켜져 있는지 확인하여 시동이 켜 있는 경우에 진행된다.
먼저, 가속센서 속도 변위량 측정부(41a), 영상 속도 변위량 측정부(41c)에서 영상과 가속 센서로 정지 속도(Zero Velocity)를 확인한다.
이를 위해 고유 진동에 속하는 가속센서 혹은 속도 변위량의 고유 진동 임계값을 구한다. 이 임계값을 이용하여 차량의 아이들링 시간을 구할 수 있다.
이를 단말에서 초기 탐색(Coarse Search), 서버에서 확인 탐색 (Fine Search)를 한다.
그리고 차량의 정지 상태를 정지 이벤트 등록 판단 부(43)에서 이벤트화하는데, 정지 판단을 위한 이벤트 파일의 최소한의 구성 요소는 영상과 가속 센서 데이터로 구성된다.
여기서, 이벤트 파일이란 단말에 미리 정의된 정지 이벤트 조건이 충족되었을 때 정지 상황 전후 일정 시간 동안의 저장된 데이터 파일을 의미한다.
이벤트 파일이 서버에 올라왔을 때 서버에서 이를 체크하고, 단말은 정지 이벤트 등록 판단부(43)에서 아래의 판단을 통해 이벤트 파일로 등록하고 통신부(30)를 통하여 단말기로 결과값을 다운로드 할 수 있다.
정지 이벤트 등록 판단부(43)에서의 판단은,
첫째, 정지 상태를 가속 센서의 각 축 방향으로 값이 1초이상 0.05g 이내 있을 경우를 이벤트로 등록한다.
둘째, 또 다른 정지 상태에 대한 판단은 차량 진행 축 방향으로 (다른 축들 차량 좌우 방향, 차량 상하 방향) 가속 센서 값의 평균을 중심으로 일정 편차(3σ) 이내에 있을 경우를 이벤트로 등록한다.
셋째, 또 다른 정지 상태에 대한 판단은 차량 진행 축 방향으로 가속 센서로 측정되는 속도 변위 값이 1초이상 1.8 km/h 이내 있을 경우를 이벤트로 등록한다.
넷째, 또 다른 정지 상태에 대한 판단은 차량 진행 축 방향으로 가속 센서로 측정되는 속도 변위 값의 평균을 중심으로 일정 편차(정지 가속 센서 표준편차의 3배;3σ0), 혹은 속도 변위 값의 평균을 중심으로 일정 편차(정지 속도변위 표준편차 3σv) 이내에 있을 경우를 이벤트로 등록한다.
이는 다른 축들 즉, 차량 좌우 방향, 차량 상하 방향에 대해서도 동일하게 적용 할 수 있다.
상기 가속 센서 값이나 속도 변위 값들은 중간값 필터링(median filtering)을 적용한 후의 값으로 상기 조건들과 비교할 수 있다.
그리고 차량 상태 정보 처리부(40)의 가속 센서 속도 변위량 측정부(41a)에서 가속 센서 데이터를 이용한 이동체의 속도를 수학식 1의 속도 변위량 계산 모듈에서 계산된 방법으로 계산한다.
Figure pat00041
개의 샘플들로 구성되는 n 번째 프레임과 (n+1) 번째 프레임 간의 이동체의 센서 평균 속도는 km/h로 표현되며,
Figure pat00042
Figure pat00043
:차량 진행 방향 속도
그리고 차량 상태 정보 처리부(40)의 영상 속도 변위량 측정부(41c)에서 영상 프레임을 이용한 이동체의 속도를 아래의 방법으로 계산한다.
먼저, 전송된 이벤트 영상의 옵티컬 플로우 벡터를 구한다.
도 4에서와 같이 옵티컬 플로우 벡터 중 영상의 4개 영역의 차량 진행 방향 벡터를 분류한다.
이를 이용 하여 4개 영역의 옵티컬 플로우 벡터를 이용하여 속도 벡터를 구한다.
4개 영역에 속하는 벡터는 영상의 모서리와 영상 중심을 잇는 두 대각선을 기준으로 한 4개의 선을 중심으로 일정 영역에 포함된 벡터를 의미한다.
그리고 각 4개의 영역은 주 대각선을 기준으로
Figure pat00044
≤30도(degree) 이내에 있는 영역을 의미한다.
각 옵티컬 플로우 벡터를 두 개의 직교 기저(orthogonal basis)인 x 방향 요소와 y방향 요소로 표현하면 수학식 2에서와 같다.
Figure pat00045
Figure pat00046
개의 프레임으로 구성되는 정지 이벤트에서 n 번째 프레임에서 차량의 영상 평균 속도는 (
Figure pat00047
)를 수학식 3에서와 같이 정의한다.
Figure pat00048
여기서, d m은 영상을 차량 진행방향 (x 방향)으로 1 cm움직였을 때 기준 측정값(cm)이고, d n ,k는 n 번째 프레임과 n+1 번째 프레임간 k번째 옵티컬 플로우 벡터를 기준으로 계산한 3D world 좌표계에서 차량이 움직인 거리(cm)이다.
d n ,k는 수학식 4에서와 같이 정의된다.
Figure pat00049
그리고 T n은 n 번째 프레임 측정 시간, M n은 n 번째 프레임을 나타내는 도 4에서 전체 혹은 4개 영역 중 일부 영역들에 속한 옵티컬 플로우 벡터 수이다.
그리고 v x ,k는 k 번째 옵티컬 플로우 벡터의 x 방향 요소, v y ,k는 k 번째 옵티컬 플로우 벡터의 y 방향 요소이고, V x ,n,k는 n 번째 프레임의 k 번째 옵티컬 플로우 벡터의 3D world 좌표 계의 x 방향 요소이고, V y ,n,k는 n 번째 프레임의 k 번째 옵티컬 플로우 벡터의 3D world 좌표 계의 y 방향 요소이고, V z ,n,k는 n 번째 프레임의 k 번째 옵티컬 플로우 벡터의 3D world 좌표 계의 z 방향 요소이다.
그리고
Figure pat00050
와
Figure pat00051
는 수학식 5에서와 같이 정의된다.
Figure pat00052
Figure pat00053
그리고 n번째 프레임에서 (n+1)번째 프레임 시간 사이의 이동체의 속도(v n)은 이동체의 센서 평균 속도 와 이동체의 영상 평균 속도(v I,n)으로 나타낼 수 있다.
Figure pat00055
여기서,
Figure pat00056
는 km/h를 cm/sec로 변환하는 상수 값이다.
N n개의 프레임으로 구성되는 하나의 이벤트의 차량의 평균 이동 속도는 수학식 7에서와 같다.
Figure pat00057
여기서, 정지 판단 기준은 v e ≤10(cm/sec)이다.
정지 상태로 판단될 경우 차량의 고유 진동은 모든 정지 판단된 이벤트 데이터 중 각축의 가속 센서 데이터들의 분산 벡터로 표현된다.
그리고 이벤트 데이터의 분산 벡터는 수학식 8에서와 같이 정의된다.
Figure pat00058
여기서,
Figure pat00059
는 n 번째 프레임의 x 축 분산,
Figure pat00060
는 n 번째 프레임의 y 축 분산,
Figure pat00061
는 n 번째 프레임의 z 축 분산이다.
그리고
Figure pat00062
는 n 번째 프레임의 j 번째 x 축 가속센서 값,
Figure pat00063
는 n 번째 프레임의 j 번째 y 축 가속센서 값,
Figure pat00064
는 n 번째 프레임의 j 번째 z 축 가속센서 값이다.
그리고
Figure pat00065
는 n 번째 프레임의 x 축 가속센서 평균값,
Figure pat00066
는 n 번째 프레임의 y 축 가속센서 평균값,
Figure pat00067
는 n 번째 프레임의 z 축 가속센서 평균값이고,
Figure pat00068
는 가속 센서의 초당 샘플 수이다.
이와 같이 정지 상태로 판단된 모든 정지 이벤트들의 고유 진동의 평균값을 수학식 9에서와 같이 차량의 고유 진동(
Figure pat00069
)의 한 변수로 표현할 수 있다.
Figure pat00070
여기서,
Figure pat00071
는 정지 이벤트 수이다.
정지 상태로 판단될 경우 차량의 고유 진동은 모든 정지 판단된 이벤트 데이터 중 가속 센서로 측정되는 속도 변위 값에 대한 정지 임계값(
Figure pat00072
) 을 차량의 고유 진동의 다른 변수로 표현할 수 있다.
본 발명에서 정지 임계값(
Figure pat00073
) 을 결정하는 방법은, 정지상태로 판단된 시간 동안 관찰된 데이터에서 허용된 일정 편차(3σ)에 해당하는 분위수(quantile)를 이용하여 정한다. 이를 여러 차례 반복하여 구한 평균값을 사용할 수 있다. 이를 각 축에 대하여 모두 계산한다.
따라서 차량의 고유 진동은 정지 분산 값(
Figure pat00074
)과 정지 임계값(
Figure pat00075
)으로 표현되고 이 값들이 DB로 저장되어 사용된다.
그리고 속도 변위량 계산은 비균등 시간 간격 보정 방법을 사용하는데, 국제 표준(VERONICA-II)은 비보정 속도 변위(Uncorrected deltaV) 계산 방법과 보정 속도 변위(Corrected deltaV)의 계산 방법을 기술하고 있다.
비 보정 속도변위(Uncorrected deltaV)는 가속 센서 값을 150ms 동안 적분하는 것이고, 보정 속도변위(Corrected deltaV)는 가속 센서 값을 120ms 동안 적분하고 1초간의 평균값을 제한 값이다.
본 발명은 실제 측정된 시간을 이용하고 측정된 시간이 제한 시간(120ms, 150ms, 1초)에서 벗어나는 오차를 다음과 같이 보정한다.
임베디드 시스템(embedded system)에서 샘플링 간격은 다른 프로그램과의 상호 자원 공유로 인하여 균등화하기 어려운데, 이러한 비 균등 샘플 간격을 보정해야 정확한 속도 변위 량을 구할 수 있다.
비 균등 샘플 간격 보정 속도 변위량 계산은 수학식 10에서와 같다.
Figure pat00076
그리고 고속 보정 속도 변위량 계산은 수학식 11에서와 같다.
Figure pat00077
Figure pat00078
여기서,
Figure pat00079
는 k 시점의 각축의 속도 변위량이고,
Figure pat00080
는 정규화된 3축 가속 센서 벡터이다.
그리고
Figure pat00081
는 n 번째 프레임의 1초간의 이동평균 벡터이다.
그리고 k는 시간 인덱스이고, d는 시간 보정 인덱스, ΔTi는 i 시간 인덱스에서 (i-1) 시간 인덱스 와 의 시간 간격, zi는 정규화된 가속 센서 값 (Normalized g-sensor value), 2M은 계산을 위한 관심 시간 (Time Of Interest) 구간에 해당하는 샘플 수, 2W는 평균 변위 량 계산을 위한 샘플 수이다.
예를 들어 보정 시간 구간을 120msec 그리고 1초간 평균을 고려할 경우 1초에 가속센서 샘플링을 100개를 한다면 M=6, W=50이 된다.
예를 들어 샘플링 시간 변화가 1초를 기준으로 d 샘플만큼 발생했을 경우에 d 샘플만큼 보정해준다. d는 리얼 타임 클럭(real time clock)을 이용하여 계산한다.
Figure pat00082
는 자유 낙하하는 물체의 1초 후 속도를 의미한다. 표준 중력에서는 35.30394 km/h 이다.
이와 같은 본 발명은 차량의 블랙박스나 이벤트 데이터 레코더(Event Data Recorder) 와 같은 차량 내 장착된 장치로부터 얻어지는 영상과 가속 센서 데이터 정보를 바탕으로 차량의 고유 특성과 운전자의 운전 성향에 관련된 순수 운동 에너지를 분리 계산하여 운전자 운전 습관 분석 및 진단 시스템에 이용할 수 있도록 하는 차량의 상태를 분석하는 방법 및 시스템에 관한 것이다.
이상에서의 설명에서와 같이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 본 발명이 구현되어 있음을 이해할 수 있을 것이다.
그러므로 명시된 실시 예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 하고, 본 발명의 범위는 전술한 설명이 아니라 특허청구 범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.
10. 데이터 생성부 20. 저장부
30. 통신부 40. 차량 상태 정보 처리부

Claims (20)

  1. 차량에 장착되어 영상 데이터와 가속 센서 데이터를 생성하는 데이터 생성부;
    가속센서 바이어스 데이터 및 차량 고유 진동 데이터를 저장하는 데이터/DB 저장부로 구성되는 저장부 및 데이터 송수신을 위한 통신부;
    상기 데이터 생성부로부터 영상 데이터와 가속 센서 데이터를 수신하여 가속 센서 고정 바이어스 계산을 하고, 차량 고유 진동값 계산 및 속도 변위량 계산, 정지 이벤트 등록 판단 그리고 데이터 구성을 수행하는 차량 상태 정보 처리부;를 포함하고,
    이벤트 판정을 위하여 상기 영상과 가속 센서 데이터 정보를 바탕으로 차량마다 다른 임계값을 계산하고, 차량의 고유 특성과 운전자의 운전 성향에 관련된 순수 운동 에너지를 분리 계산하여 이벤트 등록을 판단하는 것을 특징으로 하는 차량 상태 정보 처리 시스템.
  2. 제 1 항에 있어서, 상기 차량 상태 정보 처리부는,
    차량 고유 진동을 계산하는 차량 고유 진동 계산부와,
    차량 고정 바이어스를 계산하는 차량 고정 바이어스 계산부와,
    차량 정지 상태의 이벤트 등록을 판단 및 수행하는 정지 이벤트 등록 판단부와,
    가속 센서 고정 바이어스 계산, 차량 고유 진동값 계산, 속도 변위량 계산에 따른 데이터를 구성하는 데이터 구성부를 포함하는 것을 특징으로 하는 차량 상태 정보 처리 시스템.
  3. 제 2 항에 있어서, 상기 차량 고정 바이어스 계산부에서 차량 고정 바이어스를 계산하기 위하여,
    차량 시동을 끈 후 각축마다 복수의 샘플을 사용하여 각 축의 가속 센서의 평균을 구하여 저장하고, 이후 차량 시동을 다시 켰을 때 각축의 가속 센서의 평균치를 구하여 상기 저장된 각축의 가속 센서의 평균치 값과 비교하여 일정한 편차 범위(표준 편차의 3배) 내에 있을 때 두 측정 시점의 각축의 평균값 혹은 가중 평균값을 사용하거나 두 시점의 중 한 시점의 값을 사용하는 것을 특징으로 하는 차량 상태 정보 처리 시스템.
  4. 제 2 항에 있어서, 상기 정지 이벤트 등록 판단부는,
    정지 상태에서 가속 센서의 각 축 방향으로 값이 1초이상 0.05g 이내 있을 경우를 이벤트로 등록하고,
    정지 상태에서 차량 진행 축 방향으로 단말에서 일정 시간 측정한 샘플 분산 값이 서버에서 이미 계산되어 단말에 전송된 정지상태의 편차 값의 3배(3σx,0) 보다 적을 경우를 이벤트로 등록하고,
    정지 상태에서 차량 진행 축 방향으로 가속 센서로 측정되는 속도 변위 값이 1초이상 1.8 km/h 이내 있을 경우를 이벤트로 등록하고,
    정지 상태에 대한 판단은 단말에서 일정시간 측정한 3축 모두에 대한 샘플 분산 값이 서버에서 이미 계산되어 단말에 전송된 정지상태 편차 값의 3배(3σx,0, 3σy,0, 3σz,0) 보다 적을 경우를 이벤트로 등록하는 것을 특징으로 하는 차량 상태 정보 처리 시스템.
  5. 제 1 항에 있어서, 상기 차량 상태 정보 처리부는,
    이벤트 등록 판단이 이루어지면 이를 네트워크에 연결 시 서버에 영상 데이터와 가속센서 데이터를 전송하고 서버는 영상의 옵티컬 플로우 벡터(optical flow vector)를 이용하여 영상 기반 속도 변위 값(Image based velocity change)을 계산하고 가속 센서 값을 이용하여 가속 센서 기반 속도 변위 값(Accelerometer based velocity change)을 계산하여 두 속도변위를 이용한 최종 속도 변위 값을 구하여 정지 이벤트 등록을 재판단하는 것을 특징으로 하는 차량 상태 정보 처리 시스템.
  6. 제 1 항에 있어서, 상기 차량 상태 정보 처리부의 데이터 구성은,
    x축 고정 바이어스 값, y축 고정 바이어스 값, z축 고정 바이어스 값, x축 정지 분산 값(
    Figure pat00083
    ), x축 정지 임계 값(
    Figure pat00084
    ), y축 정지 분산 값(
    Figure pat00085
    ), y축 정지 임계 값(
    Figure pat00086
    ), z축 정지 분산 값(
    Figure pat00087
    ), z축 정지 임계 값(
    Figure pat00088
    ), 차량 아이들링 로그를 포함하는 것을 특징으로 하는 차량 상태 정보 처리 시스템.
  7. 제 2 항에 있어서, 상기 차량 고유 진동부 계산부는,
    가속 센서 속도 변위량을 측정하는 가속 센서 속도 변위량 측정부와,
    각축의 정지 분산을 구하는 정지 분산 계산부와,
    영상을 이용하여 속도 변위량을 측정하는 영상 속도 변위량 측정부와,
    정지 상태의 기준 임계값을 계산하는 정지 임계값 계산부를 포함하는 것을 특징으로 하는 차량 상태 정보 처리 시스템.
  8. 차량 시동 off 후 각축마다 10개 이상의 가속센서 샘플을 사용하여 각 축의 가속센서 평균값을 산출하여 저장하는 단계;
    차량 시동 off 상태의 각 축의 가속 평균값과 차량 시동 on 상태의 각축의 가속 평균값을 구하여 비교하는 단계;
    비교 결과가 설정된 편차 범위 이내이면, 두 측정 시점의 각축의 평균값 또는 어느 한 시점의 값을 가속센서 고정 바이어스로 사용하는 단계;
    두 측정 시점의 각축의 평균값 혹은 가중 평균값을 사용하거나 어느 한 시점의 값을 사용하여 가속센서 고정 바이어스로 등록하는 단계;
    차량 시동off 시점에 저장된 값이 존재하는지 확인하는 단계;
    저장된 값을 가속센서 고정 바이어스로 등록하는 단계를 포함하는 것을 특징으로 하는 차량 상태 정보 처리 방법.
  9. 차량 고유 진동 값 계산을 위하여 차량 시동 on 확인하는 단계;
    영상 혹은 가속 센서 값으로 정지 속도 (Zero Velocity) 상태를 비교하는 단계;
    비교결과가 설정된 정지 속도편차범위 이내이면, 단말에서 차량의 정지 상태를 이벤트화하여 등록하는 단계;
    서버와 접속 시 서버로 영상과 3축 가속 센서 값을 전송하는 단계;를 포함하는 것을 특징으로 하는 차량 상태 정보 처리 방법.
  10. 제 9 항에 있어서, 상기 차량의 정지 상태를 이벤트화하여 등록하는 단계에서,
    정지 상태에서 가속 센서의 각 축 방향으로 값이 1초이상 0.05g 이내 있을 경우를 이벤트로 등록하고, 정지 상태에서 차량 진행 축 방향으로 단말에서 일정시간 측정한 샘플 분산 값이 서버에서 이미 계산되어 단말에 전송된 정지상태 분산 값(
    Figure pat00089
    ) 보다 적을 경우를 이벤트로 등록하고, 정지 상태에서 차량 진행 축 방향으로 가속 센서로 측정되는 속도 변위의 절대 값이 1초이상 1.8 km/h 이내 있을 경우를 이벤트로 등록하고, 정지 상태에 대한 판단은 단말에서 일정시간 측정한 3축 모두에대한 샘플 분산 값이 서버에서 이미 계산되어 단말에 전송된 정지상태 분산 값(
    Figure pat00090
    ,
    Figure pat00091
    ,
    Figure pat00092
    ) 보다 적을 경우를 이벤트로 등록하는 것을 특징으로 하는 차량 상태 정보 처리 방법.
  11. 차량 고유 진동 값 계산을 위하여 서버에서 정지 이벤트인지 확인하는 단계;
    단말에서 전송된 영상 데이터 와 3축 가속 센서 데이터 수신을 확인하는 단계;
    영상 기반의 속도 변위 값 계산시 영상의 옵티컬 플로우 벡터(optical flow vector)를 계산하고 이를 이용하여 영상 기반 속도 변위 값을(Image based velocity change) 계산하는 단계;
    가속 센서 값 기반의 속도 변위 값 계산;
    비교결과가 설정된 정지 판단 기준 이내 (10cm/sec)인지 비교하는 단계;
    가속 센서 값들을 이용한 정지 분산 값을 계산 단계;를 포함하는 것을 특징으로 하는 차량 상태 정보 처리 방법.
  12. 제 11 항에 있어서, 상기 가속센서 기반의 속도 변위량 계산을 위하여,
    Figure pat00093
    개의 샘플들로 구성되는 n 번째 프레임과 (n+1) 번째 프레임 간의 이동체의 센서 평균 속도를,
    Figure pat00094
    로 구하는 것을 특징으로 하는 차량 상태 정보 처리 방법.
  13. 제 11 항에 있어서, 상기 영상 기반의 속도 변위량 계산을 위한 영상의 옵티컬 플로우 벡터(optical flow vector)를 계산하는 단계는,
    전송된 이벤트 영상의 옵티컬 플로우 벡터를 구하는 과정과,
    옵티컬 플로우 벡터 중 영상의 4개 영역의 차량 진행 방향 벡터를 분류하는 과정과,
    4개 영역의 옵티컬 플로우 벡터를 이용하여 속도 벡터를 구하는 과정을 포함하는 것을 특징으로 하는 차량 상태 정보 처리 방법.
  14. 제 13 항에 있어서, 4개 영역에 속하는 벡터는 영상의 모서리와 영상 중심을 잇는 두 대각선을 기준으로 한 4개의 선을 중심으로 일정 영역에 포함된 옵티컬 플로우 벡터를 의미하고, 각 4개의 영역은 주 대각선을 기준으로
    Figure pat00095
    ≤30도(degree) 이내에 있는 영역을 의미하는 것을 특징으로 하는 차량 상태 정보 처리 방법.
  15. 제 14 항에 있어서, 속도 벡터를 구하는 과정에서 상기 4개 영역 중 일부 영역에 속하는 옵티컬 플로우 벡터만 고려하는 것을 특징으로 하는 차량 상태 정보 처리 방법.
  16. 제 11 항이 있어서,
    Figure pat00096
    개의 프레임으로 구성되는 정지 이벤트에서 n 번째 프레임에서 영상을 기반으로 한 차량의 영상 평균 속도(
    Figure pat00097
    )는,
    Figure pat00098
    이고,
    여기서, d m은 카메라를 차량 진행방향 (x 방향)으로 1 cm움직였을 때 기준 측정값(cm)이고, d n ,k는 n 번째 프레임과 n+1 번째 프레임간 k번째 옵티컬 플로우 벡터를 기준으로 계산한 3D world 좌표계에서 차량이 움직인 거리(cm)이고, 상기 d n ,k는,
    Figure pat00099
    로 정의되고,
    T n은 n 번째 프레임 측정 시간, M n은 n 번째 프레임에서 전체 혹은 4개 영역 중 일부 영역들에 속한 옵티컬 플로우 벡터 수, v x ,k는 k 번째 옵티컬 플로우 벡터의 x 방향 요소, v y ,k는 k 번째 옵티컬 플로우 벡터의 y 방향 요소이고, V x,n,k는 n 번째 프레임의 k 번째 옵티컬 플로우 벡터의 3D world 좌표 계의 x 방향 요소이고, V y ,n,k는 n 번째 프레임의 k 번째 옵티컬 플로우 벡터의 3D world 좌표 계의 y 방향 요소이고, V z ,n,k는 n 번째 프레임의 k 번째 옵티컬 플로우 벡터의 3D world 좌표 계의 z 방향 요소인 것을 특징으로 하는 차량 상태 정보 처리 방법.
  17. 제 11 항에 있어서, n번째 프레임에서 (n+1)번째 프레임 시간 사이의 이동체의 속도(v n)는 가속센서 값을 기반으로 계산된 이동체의 센서 평균 속도
    Figure pat00100
    와 영상을 기반으로 계산된 이동체의 영상 평균 속도(v I ,n)로 나타낼 수 있고,
    Figure pat00101

    여기서,
    Figure pat00102
    는 km/h를 cm/sec로 변환하는 상수 값으로 가속센서 값을 기반으로 계산된 이동체의 센서 평균 속도가 km/h로 계산될 때만 사용되는 것을 특징으로 하는 차량 상태 정보 처리 방법.
  18. 제 11 항에 있어서, N n개의 프레임으로 구성되는 하나의 이벤트의 차량의 평균 이동 속도는,
    Figure pat00103
    이고,
    여기서, 정지 판단 기준은 v e ≤10(cm/sec)인 것을 특징으로 하는 차량 상태 정보 처리 방법.
  19. 제 18 항에 있어서, 정지 상태로 판단될 경우 차량의 고유 진동을 모든 정지 판단된 이벤트 데이터 중 각축의 가속 센서 데이터들의 정지 분산 벡터로 나타내면,
    Figure pat00104

    이고, 여기서,
    Figure pat00105
    는 n 번째 프레임의 x 축 분산,
    Figure pat00106
    는 n 번째 프레임의 y 축 분산,
    Figure pat00107
    는 n 번째 프레임의 z 축 분산,
    Figure pat00108
    는 n 번째 프레임의 j 번째 x 축 가속센서 값,
    Figure pat00109
    는 n 번째 프레임의 j 번째 y 축 가속센서 값,
    Figure pat00110
    는 n 번째 프레임의 j 번째 z 축 가속센서 값,
    Figure pat00111
    는 n 번째 프레임의 x 축 가속센서 평균값,
    Figure pat00112
    는 n 번째 프레임의 y 축 가속센서 평균값,
    Figure pat00113
    는 n 번째 프레임의 z 축 가속센서 평균값이고,
    Figure pat00114
    는 가속 센서의 초당 샘플 수인 것을 특징으로 하는 차량 상태 정보 처리 방법.
  20. 제 19 항에 있어서, 모든 정지 판단된 이벤트들의 정지 분산 벡터를 상기 계산된 정지 분산 벡터들의 평균 값으로 나타내면,
    Figure pat00115
    이고,
    여기서,
    Figure pat00116
    는 전체 정지 판단된 이벤트 숫자를 나타내는 것을 특징으로 하는 차량 상태 정보 처리 방법.
KR1020120094576A 2012-08-28 2012-08-28 차량 상태 정보 처리 시스템 및 방법 KR20140028405A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020120094576A KR20140028405A (ko) 2012-08-28 2012-08-28 차량 상태 정보 처리 시스템 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020120094576A KR20140028405A (ko) 2012-08-28 2012-08-28 차량 상태 정보 처리 시스템 및 방법

Related Child Applications (1)

Application Number Title Priority Date Filing Date
KR1020140092185A Division KR101456561B1 (ko) 2014-07-21 2014-07-21 차량 상태 정보 처리 시스템 및 방법

Publications (1)

Publication Number Publication Date
KR20140028405A true KR20140028405A (ko) 2014-03-10

Family

ID=50641834

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020120094576A KR20140028405A (ko) 2012-08-28 2012-08-28 차량 상태 정보 처리 시스템 및 방법

Country Status (1)

Country Link
KR (1) KR20140028405A (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110705416A (zh) * 2019-09-24 2020-01-17 武汉工程大学 一种基于驾驶员面部图像建模的安全驾驶预警方法及系统
KR20200075918A (ko) * 2018-12-07 2020-06-29 현대자동차주식회사 차량 및 그 제어 방법
KR20220026244A (ko) * 2020-08-25 2022-03-04 정광수 차량주행정보를 이용한 이벤트 저장 방법

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200075918A (ko) * 2018-12-07 2020-06-29 현대자동차주식회사 차량 및 그 제어 방법
CN110705416A (zh) * 2019-09-24 2020-01-17 武汉工程大学 一种基于驾驶员面部图像建模的安全驾驶预警方法及系统
CN110705416B (zh) * 2019-09-24 2022-03-01 武汉工程大学 一种基于驾驶员面部图像建模的安全驾驶预警方法及系统
KR20220026244A (ko) * 2020-08-25 2022-03-04 정광수 차량주행정보를 이용한 이벤트 저장 방법

Similar Documents

Publication Publication Date Title
US10690695B2 (en) System and method for detecting driving behavior
US9390568B2 (en) Driver identification based on driving maneuver signature
US20130316310A1 (en) Methods for determining orientation of a moving vehicle
US9663047B2 (en) Method and system for inferring the behavior or state of the driver of a vehicle, use of the method and computer program for carrying out the method
EP3498559B1 (en) Method for recognizing the driving style of a driver of a land vehicle, and corresponding apparatus
US20140111354A1 (en) Systems and Methods for Location Reporting of Detected Events in Vehicle Operation
Ghadge et al. Machine learning approach for predicting bumps on road
JP2016057836A (ja) 移動体分析システムおよび移動体の方向軸推定方法
KR101658101B1 (ko) 3축 가속도 센서를 이용한 사고패턴 기반 차량 사고 유형 판단 방법 및 시스템, 장치
Salau et al. A survey of accelerometer-based techniques for road anomalies detection and characterization
CN110852542A (zh) 一种道路平整度的计算方法及系统
CN109643487A (zh) 用于测量行驶事件的方法、服务器设备以及包括服务器设备和多个机动车的系统
CN108062856B (zh) 一种基于车载obd接口的车辆碰撞检测系统及方法
CN111183464B (zh) 基于车辆轨迹数据估计信号交叉路口的饱和流量的系统和方法
KR20140028405A (ko) 차량 상태 정보 처리 시스템 및 방법
CN111947669A (zh) 用于将基于特征的定位地图用于车辆的方法
US20210240991A1 (en) Information processing method, information processing device, non-transitory computer-readable recording medium recording information processing program, and information processing system
KR101456561B1 (ko) 차량 상태 정보 처리 시스템 및 방법
MXPA06006399A (es) Determinacion en tiempo real de angulos de grado y de super-elevacion de caminos.
EP3269608B1 (en) Detection of tailgating situations
CN111831959B (zh) 运动数据处理方法、装置、终端和计算机可读存储介质
EP3709670B1 (en) System for monitoring transport infrastructure and method thereof
US20200372379A1 (en) Apparatus and method for estimating a physical state of a movable object
WO2016121654A1 (ja) 情報処理装置、判定方法、及びプログラム
WO2022264492A1 (ja) 外界認識システム

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
AMND Amendment
E601 Decision to refuse application
AMND Amendment
E801 Decision on dismissal of amendment
A107 Divisional application of patent
WITB Written withdrawal of application