KR20170118582A

KR20170118582A - 차량의 운동정보를 기반으로 한 차량 사고 판단 방법 및 이를 위한 장치

Info

Publication number: KR20170118582A
Application number: KR1020160169323A
Authority: KR
Inventors: 이진영
Original assignee: 한국전자통신연구원
Priority date: 2016-04-15
Filing date: 2016-12-13
Publication date: 2017-10-25
Also published as: KR102170094B1

Abstract

차량의 운동정보를 기반으로 한 차량 사고 판단 방법 및 이를 위한 장치가 개시된다. 본 발명의 일실시예에 따른 차량 사고 판단 방법은 차량의 움직임에 대한 센서 데이터를 획득하는 단계; 상기 센서 데이터를 기반으로 상기 차량의 운동정보 변화량을 산출하는 단계; 및 상기 센서 데이터 및 상기 운동정보 변화량 중 적어도 하나를 기반으로 상기 차량의 사고발생 여부를 판단하는 단계를 포함한다.

Description

차량의 운동정보를 기반으로 한 차량 사고 판단 방법 및 이를 위한 장치 {METHOD FOR JUDGING CAR ACCIDENT BASED ON EXERCISE IMFORMAION OF CAR AND APPARATUS USING THE SAME}

본 발명은 차량에서 획득한 데이터를 기반으로 차량 사고를 자동으로 판단하는 기술에 관한 것으로, 특히 차량의 움직임에 상응하게 획득되는 센서 데이터에서 급격한 변화가 감지될 경우 사고가 발생한 것으로 판단하는 차량 사고 판단 기술에 관한 것이다.

차량은 사고 발생 시 사고 유형에 따라서 이동 속도가 급격히 변화하거나 방향성 및 자세가 변화하는 등의 운동성 변화를 보일 수 있다. 이 때, 차량의 운동성은 차량에 장착된 운동성 측정 센서, 차량 내에 추가로 장착된 네비게이션, 블랙박스 및 스마트 기기에 장착된 운동성 측정 센서 등을 통해 측정할 수 있다.

한국 공개 특허 제10-2000-0044416호, 2000년 7월 15일 공개(명칭: 차량 사고 자동 통보 장치)

본 발명의 목적은 차량으로부터 획득된 센서 데이터를 기반으로 차량 운동성의 급격한 변화를 감지하여 차량 사고를 판단하는 것이다.

또한, 본 발명의 목적은 센서 데이터를 기반으로 사고 유형을 예측하여 자동으로 구조 요청을 수행함으로써 보다 신속하고 안전한 구조가 진행되도록 하는 것이다.

또한, 본 발명의 목적은 충격에 의한 데이터가 아닌 차량의 운동성을 통해 사고의 발생 여부를 감지함으로써 보다 신뢰성이 높고 효율적인 차량 사고 판단 알고리즘을 제공하는 것이다.

상기한 목적을 달성하기 위한 본 발명에 따른 차량 사고 판단 방법은 차량의 움직임에 대한 센서 데이터를 획득하는 단계; 상기 센서 데이터를 기반으로 상기 차량의 운동정보 변화량을 산출하는 단계; 및 상기 센서 데이터 및 상기 운동정보 변화량 중 적어도 하나를 기반으로 상기 차량의 사고발생 여부를 판단하는 단계를 포함한다.

이 때, 차량 사고 판단 방법은 상기 센서 데이터를 기반으로 상기 차량의 운동정보 평균 변화량을 산출하는 단계; 및 상기 센서 데이터에 상응하는 사고 판단 임계값을 설정하는 단계를 더 포함할 수 있다.

이 때, 판단하는 단계는 상기 센서 데이터의 종류에 따라 상기 운동정보 평균 변화량 및 상기 사고 판단 임계값 중 어느 하나를 기준으로 상기 사고발생 여부를 판단할 수 있다.

이 때, 판단하는 단계는 상기 센서 데이터가 종가속도, 횡가속도, 축가속도, 요 레이트(yaw rate) 및 휠(wheel) 속도 중 어느 하나에 상응하는 경우에 상기 운동정보 변화량이 상기 운동정보 평균 변화량을 초과하는지 여부에 따라 상기 사고발생 여부를 판단할 수 있다.

이 때, 판단하는 단계는 상기 센서 데이터가 피치(pitch) 값, 롤(roll) 값 및 중력 가속도 중 어느 하나에 상응하는 경우에 상기 센서 데이터에 상응하는 값이 상기 사고 판단 임계값을 초과하는지 여부에 따라 상기 사고발생 여부를 판단할 수 있다.

이 때, 획득하는 단계는 상기 차량에 구비된 적어도 하나의 센서를 통해 기설정된 단위시간마다 상기 센서 데이터를 획득할 수 있다.

이 때, 운동정보 변화량은 현재시각을 기준으로 가장 최근에 획득된 제1 센서 데이터와 상기 제1 센서 데이터의 바로 이전에 획득된 제2 센서 데이터를 이용하여 산출되고, 상기 기설정된 단위시간 동안 상기 차량의 운동정보가 변화한 수치의 절대값에 상응할 수 있다.

이 때, 차량 사고 판단 방법은 상기 차량에 사고가 발생한 것으로 판단된 경우에 상기 센서 데이터 및 상기 운동정보 변화량 중 적어도 하나를 기반으로 사고유형을 예측하는 단계; 및 상기 사고유형을 기반으로 자동으로 구조 요청을 수행하는 단계를 더 포함할 수 있다.

또한, 본 발명의 일실시예에 따른 차량 사고 판단 장치는, 차량의 움직임에 대한 센서 데이터를 획득하는 수신부; 및 상기 센서 데이터를 기반으로 상기 차량의 운동정보 변화량을 산출하고, 상기 센서 데이터 및 상기 운동정보 변화량 중 적어도 하나를 기반으로 상기 차량의 사고발생 여부를 판단하는 제어부를 포함한다.

이 때, 제어부는 상기 센서 데이터를 기반으로 상기 차량의 운동정보 평균 변화량을 산출하고, 상기 센서 데이터에 상응하는 사고 판단 임계값을 설정할 수 있다.

이 때, 제어부는 상기 센서 데이터의 종류에 따라 운동정보 평균 변화량 및 상기 사고 판단 임계값 중 어느 하나를 기준으로 상기 사고발생 여부를 판단할 수 있다.

이 때, 제어부는 상기 센서 데이터가 종가속도, 횡가속도, 축가속도, 요 레이트(yaw rate) 및 휠(wheel) 속도 중 어느 하나에 상응하는 경우에 상기 운동정보 변화량이 상기 운동정보 평균 변화량을 초과하는지 여부에 따라 상기 사고발생 여부를 판단할 수 있다.

이 때, 제어부는 상기 센서 데이터가 피치(pitch) 값, 롤(roll) 값 및 중력 가속도 중 어느 하나에 상응하는 경우에 상기 센서 데이터에 상응하는 값이 상기 사고 판단 임계값을 초과하는지 여부에 따라 상기 사고발생 여부를 판단할 수 있다.

이 때, 수신부는 상기 차량에 구비된 적어도 하나의 센서를 통해 기설정된 단위시간마다 상기 센서 데이터를 획득할 수 있다.

이 때, 제어부는 상기 차량에 사고가 발생한 것으로 판단된 경우에 상기 센서 데이터 및 상기 운동정보 변화량 중 적어도 하나를 기반으로 사고유형을 예측하고, 상기 사고유형을 기반으로 자동으로 구조 요청을 수행할 수 있다.

본 발명에 따르면, 차량으로부터 획득된 센서 데이터를 기반으로 차량 운동성의 급격한 변화를 감지하여 차량 사고를 판단할 수 있다.

또한, 본 발명은 센서 데이터를 기반으로 사고 유형을 예측하여 자동으로 구조 요청을 수행함으로써 보다 신속하고 안전한 구조가 진행되도록 할 수 있다.

또한, 본 발명은 충격에 의한 데이터가 아닌 차량의 운동성을 통해 사고의 발생 여부를 감지함으로써 보다 신뢰성이 높고 효율적인 차량 사고 판단 알고리즘을 제공할 수 있다.

도 1은 본 발명의 일실시예에 따른 차량 사고 판단 시스템을 나타낸 도면이다.
도 2는 본 발명의 일실시예에 따른 차량의 운동정보를 기반으로 한 차량 사고 판단 방법을 나타낸 동작 흐름도이다.
도 3은 차량에 대한 피치(Pitch), 롤(Roll) 및 요(Yaw)를 나타낸 도면이다.
도 4는 본 발명에 따른 차량 사고 판단 시 변화한 운동정보를 산출하기 위한 단위시간별 그래프의 일 예를 나타낸 도면이다.
도 5는 본 발명의 일실시예에 따른 차량의 운동정보를 기반으로 한 차량 사고 판단 방법을 상세하게 나타낸 동작흐름도이다.
도 6은 본 발명의 일실시예에 따른 차량의 운동정보를 기반으로 한 차량 사고 판단 장치를 나타낸 블록도이다.
도 7는 본 발명의 일실시예에 따른 컴퓨터 시스템을 나타낸 도면이다.

본 발명을 첨부된 도면을 참조하여 상세히 설명하면 다음과 같다. 여기서, 반복되는 설명, 본 발명의 요지를 불필요하게 흐릴 수 있는 공지 기능, 및 구성에 대한 상세한 설명은 생략한다. 본 발명의 실시형태는 당 업계에서 평균적인 지식을 가진 자에게 본 발명을 보다 완전하게 설명하기 위해서 제공되는 것이다. 따라서, 도면에서의 요소들의 형상 및 크기 등은 보다 명확한 설명을 위해 과장될 수 있다.

이하, 본 발명에 따른 바람직한 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.

도 1은 본 발명의 일실시예에 따른 차량 사고 판단 시스템을 나타낸 도면이다.

도 1을 참조하면, 본 발명의 일실시예에 따른 차량 사고 판단 시스템은 차량 사고 판단 장치(110)와 차량(120)에 설치 또는 구비된 센서들(121~127)을 포함한다.

차량 사고 판단 장치(110)는 차량(120)의 움직임에 대한 센서 데이터를 획득한다.

이 때, 차량(120)에 구비된 적어도 하나의 센서(121~127)를 통해 기설정된 단위시간마다 센서 데이터를 획득할 수 있다.

또한, 차량 사고 판단 장치(110)는 센서 데이터를 기반으로 차량(120)의 운동정보 변화량을 산출한다.

이 때, 운동정보 변화량은 현재시각을 기준으로 가장 최근에 획득된 제1 센서 데이터와 제1 센서 데이터 바로 이전에 획득된 제2 센서 데이터를 이용하여 산출되고, 기설정된 단위시간 동안 차량(120)의 운동정보가 변화한 수치의 절대값에 상응할 수 있다.

또한, 차량 사고 판단 장치(110)는 센서 데이터를 기반으로 차량(120)의 운동정보 평균 변화량을 산출한다.

또한. 차량 사고 판단 장치(110)는 센서 데이터에 상응하는 사고 판단 임계값을 설정한다.

또한, 차량 사고 판단 장치(110)는 센서 데이터 및 운동정보 변화량 중 적어도 하나를 기반으로 차량(120)의 사고발생 여부를 판단한다.

이 때, 센서 데이터의 종류에 따라 운동정보 평균 변화량 및 사고 판단 임계값 중 어느 하나를 기준으로 사고발생 여부를 판단할 수 있다.

이 때, 센서 데이터가 종가속도, 횡가속도, 축가속도, 요 레이트(yaw rate) 및 휠(wheel) 속도 중 어느 하나에 상응하는 경우에 운동정보 변화량이 운동정보 평균 변화량을 초과하는지 여부에 따라 사고발생 여부를 판단할 수 있다.

이 때, 센서 데이터가 피치(pitch) 값, 롤(roll) 값 및 중력 가속도 중 어느 하나에 상응하는 경우에 센서 데이터에 상응하는 값이 사고 판단 임계값을 초과하는지 여부에 따라 사고발생 여부를 판단할 수 있다.

또한, 차량 사고 판단 장치(110)는 차량(120)에 사고가 발생한 것으로 판단된 경우에 센서 데이터 및 운동정보 변화량 중 적어도 하나를 기반으로 사고유형을 예측한다.

또한, 차량 사고 판단 장치(110)는 사고유형을 기반으로 자동으로 구조 요청을 수행한다.

차량(120)에 설치 또는 구비된 센서들(121~127)은 차량(120)의 움직임에 대한 센서 데이터를 생성하여 차량 사고 판단 장치(110)에게 제공할 수 있다.

예를 들어, 도 1에 도시된 센서들(121~127) 중 차량(120)의 휠(wheel) 부분에 설치된 센서(123, 127)는 차량(120)이 시동하여 움직이는 동안의 바퀴의 속도를 센서 데이터로 생성할 수 있다. 이와 같은 센서 데이터를 통해 차량(120)의 속도가 갑작스럽게 변경되는 상황을 감지하여 사고여부를 판단하는데 사용할 수 있다.

이 때, 도 1에 도시된 센서들(121~127)은 본 발명의 설명을 위한 일 실시예에 해당하는 것으로, 차량 사고 판단 장치(110)에서 사고발생 여부를 판단하는데 사용될 수 있는 센서 데이터의 종류에 따라 다양한 센서가 차량(120)에 설치 또는 구비될 수 있다.

또한, 도 1에는 차량(120)의 외부에 별도로 차량 사고 판단 장치(110)를 도시하였으나, 차량 사고 판단 장치(110)는 차량(120)의 내부에 위치할 수도 있다. 예를 들어, 차량 사고 판단 장치(110)가 차량(120)의 외부에 위치한다고 가정하면, 차량 사고 판단 장치(110)는 차량(120)에 구비된 센서들(121~127)로부터 무선 네트워크를 통해 센서 데이터를 수신할 수 있다. 또한, 차량 사고 판단 장치(110)가 차량(120)의 내부에 위치한다고 가정하면, 차량 사고 판단 장치(110)는 차량(120)에 구비된 센서들(121~127)로부터 차량 내부의 유선 네트워크 또는 단거리 무선 네트워크 등을 통해 센선 데이터를 수신할 수도 있다.

도 2는 본 발명의 일실시예에 따른 차량의 운동정보를 기반으로 한 차량 사고 판단 방법을 나타낸 동작 흐름도이다.

도 2를 참조하면, 본 발명의 일실시예에 따른 차량의 운동정보를 기반으로 한 차량 사고 판단 방법은 차량의 움직임에 대한 센서 데이터를 획득한다(S210).

이 때, 센서 데이터는 차량에 설치된 센서의 종류에 따라 종가속도, 횡가속도, 축가속도, 요 레이트(yaw rate), 피치(pitch), 롤(roll), 중력 가속도 및 휠 속도 등 다양하게 획득될 수 있다.

이 때, 가속도는 특정 방향의 직선 운동에 대한 속도의 증강비를 의미하는 것으로 종가속도, 횡가속도 및 축가속도는 각각 차량을 기준으로 특정방향에 대한 속도의 증강비를 나타낸 것일 수 있다.

이 때, 종가속도는 차량의 전후방으로 작용하는 가속도일 수 있다. 즉, 차량이 직진하거나 후진할 때의 속도의 증강비를 의미할 수 있다.

이 때, 횡가속도는 차량의 좌우 방향으로 작용하는 가속도일 수 있다. 예를 들어, 차량이 코너에서 우회전으로 진행하는 경우에 차량이 오른쪽으로 움직이는 속도에 대한 증강비가 횡가속도에 상응할 수 있다.

이 때, 축가속도는 차량의 상하 방향으로 작용하는 가속도일 수 있다. 예를 들어, 도로위에 요철이 존재하는 경우에 차량이 요철을 통과하면서 위 아래로 움직이는 속도에 대한 증강비가 축가속도에 상응할 수 있다.

이 때, 롤, 피치, 요 레이트는 각각 차량의 X축, Y축, Z축을 기준으로 차량이 회전한 각도의 값을 의미할 수 있다. 즉, 롤 값은 차량의 전후방 방향에 상응하는 X축을 기준으로 차량이 회전하는 각도를 의미할 수 있고, 피치 값은 차량의 좌우 방향에 상응하는 Y축을 기준으로 차량이 회전하는 각도를 의미할 수 있고, 요 레이트는 차량의 상하 방향에 상응하는 Z축을 기준으로 차량이 회전하는 각도를 의미할 수 있다.

이 때, 중력 가속도는 의미 그대로 차량에 적용되는 중력 가속도를 의미할 수 있다.

이 때, 휠 속도는 차량에 존재하는 4개의 바퀴의 회전 속도를 의미할 수 있다.

이 때, 차량에 구비된 적어도 하나의 센서를 통해 기설정된 단위시간마다 센서 데이터를 획득할 수 있다.

이 때, 차량에 구비된 적어도 하나의 센서는 가속도 센서나 자이로(Gyro) 센서, 휠 속도 센서 등과 같이 센서 데이터의 종류에 따라 다양한 종류가 존재할 수 있다.

이 때, 기설정된 단위시간이란 센서 데이터가 측정되는 주기에 상응할 수 있다. 예를 들어, 기설정된 단위시간이 1초라고 가정한다면, 1초마다 적어도 하나의 센서에서 센서 데이터를 측정하여 차량 사고 판단 장치(110)에게 전달할 수 있다.

이 때, 기설정된 단위시간은 차량의 관리자 또는 차량 사고 판단 장치의 관리자에 의해 자유롭게 설정 및 변경이 가능할 수 있다.

또한, 기설정된 단위시간은 센서 데이터의 종류에 따라 각각 상이하게 설정될 수도 있다. 예를 들어, 종가속도, 횡가속도 및 축가속도는 0.5초마다 센서 데이터가 획득되도록 설정하고, 요 레이트, 피치 및 롤은 1초마다 센서 데이터가 획득되도록 설정할 수도 있다.

또한, 본 발명의 일실시예에 따른 차량의 운동정보를 기반으로 한 차량 사고 판단 방법은 센서 데이터를 기반으로 차량의 운동정보 변화량을 산출한다(S220).

이 때, 운동정보 변화량이란, 차량의 속도, 방향성, 자체의 자세 등의 운동정보가 변화하는 정보를 수치로 나타낸 것에 상응할 수 있다.

이 때, 차량의 운동정보는 차량의 움직임을 감지하는 적어도 하나의 센서를 통해 획득된 센서 데이터를 기반으로 측정할 수 있다.

이 때, 운동정보 변화량은 현재시각을 기준으로 가장 최근에 획득된 제1 센서 데이터와 제1 센서 데이터의 바로 이전에 획득된 제2 센서 데이터를 이용하여 산출되고, 기설정된 단위시간 동안 차량의 운동정보가 변화한 수치의 절대값에 상응할 수 있다.

예를 들어, 차량의 종가속도에 상응하는 센서 데이터가 센서로부터 수신되는 기설정된 단위시간이 1초라고 가정한다면, 현재시각을 기준으로 가장 최근에 수신된 제1 종가속도와 제1 종가속도가 수신되기 1초전에 수신된 제2 종가속도의 차이 값에 대한 절대값을 운동정보 변화량으로 산출할 수 있다.

또한, 도 2에는 도시하지 아니하였으나, 본 발명의 일실시예에 따른 차량의 운동정보를 기반으로 한 차량 사고 판단 방법은 센서데이터를 기반으로 차량의 운동정보 평균 변화량을 산출할 수 있다.

이 때, 운동정보 평균 변화량을 현재시각을 기준으로 일정한 기간 동안의 운동정보 변화량을 기반으로 산출될 수 있다. 예를 들어, 현재시각을 기준으로 1달전부터 수집된 운동정보 변화량 데이터를 이용하여 기설정된 단위시간에 따른 운동정보 평균 변화량을 산출할 수 있다.

이 때, 운동정보 평균 변화량은 일정한 기간 동안 산출된 복수개의 운동정보 변화량들에 대한 평균값에 상응할 수 있다. 예를 들어, 현재시각을 기준으로 10시간 전부터 수집된 모든 횡가속도 변화량 데이터에 대한 평균을 횡가속도 평균 변화량으로 산출할 수 있다.

이 때, 센서 데이터들마다 각각의 운동정보 평균 변화량을 산출하기 위해서는 센서 데이터의 종류마다 각각의 운동정보 변화량에 상응하는 데이터를 수집 및 저장해야 하기 때문에 많은 메모리자원을 필요로 할 수 있다. 따라서, 차량 사고 판단 장치의 메모리 능력을 기반으로 운동정보 평균 변화량을 산출하기 위한 기간을 적절하게 설정할 수 있다.

이 때, 운동정보 평균 변화량을 산출하기 위해 저장되는 운동정보 변화량은 차량이 정상적으로 운행되고 있는 것으로 판단되는 상황에 수집될 수 있다.

또한, 도 2에는 도시하지 아니하였으나, 본 발명의 일실시예에 따른 차량의 운동정보를 기반으로 한 차량 사고 판단 방법은 센서 데이터에 상응하는 사고 판단 임계값을 설정할 수 있다.

이 때, 사고 판단 임계값은 차량으로부터 수신된 센서 데이터의 수치만을 통해서 차량에 사고가 발생하였는지 여부를 판단하기 위한 값일 수 있다.

따라서, 사고 판단 임계값은 차량이 정상적으로 운행할 때에는 수신되지 않을 센서 데이터의 값을 기반으로 설정될 수 있다.

또한, 본 발명의 일실시예에 따른 차량의 운동정보를 기반으로 한 차량 사고 판단 방법은 센서 데이터 및 운동정보 변화량 중 적어도 하나를 기반으로 차량의 사고발생 여부를 판단한다(S230).

이 때, 센서 데이터나 운동정보 변화량을 통해 차량의 움직임에 대한 상황 또는 급격한 변화를 감지함으로써 차량에 사고가 발생하였는지 여부를 판단할 수 있다. 따라서, 차량 사고 판단을 위해 차량으로부터 획득되는 센서 데이터 및 운동정보 변화량 중 적어도 하나를 지속적으로 모니터링 할 수 있다.

예를 들어, 운동정보 변화량이 운동정보 평균 변화량을 초과하거나 센서 데이터의 수치가 사고 판단 임계값을 초과하는 경우, 차량에 사고가 발생한 것으로 판단할 수 있다.

즉, 센서 데이터의 운동정보 변화량이 운동정보 평균 변화량을 초과하지 않는 선형적인 패턴을 유지한다면 차량의 운행에 문제가 없는 것으로 판단할 수 있지만, 운동정보 평균 변화량을 초과하는 비선형적 패턴이 발생한다면 사고가 발생한 것으로 판단할 수 있다.

예를 들어, 종가속도가 급격히 줄어들어 운동정보 변화량이 운동정보 평균 변화량을 초과하는 경우에는 차량의 전후방 충돌에 의해 종가속도가 감소한 것으로 판단할 수 있다.

다른 예를 들어, 횡가속도가 급격히 상승하여 운동정보 변화량이 운동정보 평균 변화량을 초과하는 경우에는 차량의 측면 충돌에 의해 횡가속도가 증가한 것으로 판단할 수 있다.

또, 다른 예를 들어, 축가속도가 급격히 상승하여 운동정보 변화량이 운동정보 평균 변화량을 초과하는 경우에는 차량이 추락하거나 전복되는 등의 상황에 의해 축가속도가 증가한 것으로 판단할 수 있다.

또, 다른 예를 들어, 요 레이트가 급격히 증가하거나 감소하여 운동정보 변화량이 운동정보 평균 변화량을 초과하는 경우에는 차량이 전후방 충돌 및 코너 충돌에 의해 차량이 회전하면서 요 레이트가 급격히 변화한 것으로 판단할 수 있다.

또한, 센서 데이터가 피치(pitch) 값, 롤(roll) 값 및 중력 가속도 중 어느 하나에 상응하는 경우에 센서 데이터에 상응하는 값이 사고 판단 임계값을 초과하는지 여부에 따라 사고발생 여부를 판단할 수도 있다.

예를 들어, 차량의 피치 값에 대한 사고 판단 임계값이 90도라고 가정한다면, 센서 데이터에 상응하게 수신된 차량의 피치 값이 90도를 초과하는 경우에 차량이 종방향으로 전복되거나 추락한 것으로 판단할 수 있다.

다른 예를 들어, 차량의 롤 값에 대한 사고 판단 임계값이 90도라고 가정한다면, 센서 데이터에 상응하게 수신된 차량의 롤 값이 90도를 초과하는 경우에 차량이 횡방향으로 전복되거나 추락한 것으로 판단할 수도 있다.

또한, 도 2에는 도시하지 아니하였으나, 본 발명의 일실시예에 따른 차량의 운동정보를 기반으로 한 차량 사고 판단 방법은 차량에 사고가 발생한 것으로 판단된 경우에 센서 데이터 및 운동정보 변화량 중 적어도 하나를 기반으로 사고유형을 예측할 수 있다.

예를 들어, 종가속도, 횡가속도 및 축가속도에 의한 운동정보 변화량이 운동정보 평균 변화량을 초과하여 사고가 발생한 것으로 판단된 경우에는 차량에 충돌사고가 발생한 것으로 예측할 수 있다.

다른 예를 들어, 피치 값이나 롤 값에 상응하는 센서 데이터가 사고 판단 임계값을 초과하여 사고가 발생한 것으로 판단된 경우에는 차량이 전복되거나 추락하는 사고가 발생한 것으로 예측할 수도 있다.

또한, 도 2에는 도시하지 아니하였으나, 본 발명의 일실시예에 따른 차량의 운동정보를 기반으로 한 차량 사고 판단 방법은 사고유형을 기반으로 자동으로 구조 요청을 수행할 수 있다.

예를 들어, 차량의 GPS 정보를 기반으로 차량의 위치와 함께 미리 예측된 사고유형에 대한 내용을 구조 요청과 함께 제공함으로써 구조대가 현장에 대한 상황을 신속하게 파악 및 예측할 수 있도록 할 수 있다.

또한, 사고 차량의 운전자가 의식을 잃거나 부상의 이유로 구조 요청을 수행할 수 없는 경우, 차량 사고 판단에 의한 구조 요청이 자동으로 수행됨으로써 보다 신속하게 구조작업을 수행할 수도 있다.

또한, 도 2에는 도시하지 아니하였으나, 본 발명의 일실시예에 따른 차량의 운동정보를 기반으로 한 차량 사고 판단 방법은 차량 사고 판단 시 발생하는 다양한 정보를 저장할 수 있다.

실시예에 따라, 다양한 정보를 저장하는 저장 모듈은 차량 사고 판단 장치와 독립적으로 구성되어 차량 사고 판단을 위한 기능을 지원할 수 있다. 이 때, 저장모듈은 별도의 대용량 스토리지로 동작할 수 있고, 동작 수행을 위한 제어 기능을 포함할 수도 있다.

이와 같은 차량 사고 판단 방법을 통해 차량에 사고가 발생한 것을 자동으로 감지함으로써 보다 신속하고 안전한 구조가 진행되도록 할 수 있다.

또한, 충격에 의한 데이터가 아닌 차량의 운동성을 통해 사고의 발생 여부를 감지함으로써 보다 신뢰성이 높고 효율적인 차량 사고 판단 알고리즘을 제공할 수 있다.

도 3은 차량에 대한 피치(Pitch), 롤(Roll) 및 요(Yaw)를 나타낸 도면이다.

도 3을 참조하면, 차량(300)의 X축, Y축, Z축을 기준으로 차량이 회전한 각도가 각각 롤, 피치 및 요에 해당할 수 있다.

이 때, X축은 차량(300)의 전후방을 나타내는 직선에 상응할 수 있고, Y축은 차량(300)의 좌우를 나타내는 직선에 상응할 수 있고, Z축은 차량(300)의 상하를 나타내는 직선에 상응할 수 있다.

이 때, 차량(300)의 X축을 기준으로 회전한 각도를 나타내는 롤 값은 차량이 횡방향으로 회전한 각도를 의미할 수 있다. 즉. 롤 값의 모니터링을 통해 차량 사고 및 추락에 의한 횡방향 전복 상태 등을 감지할 수 있다.

또한, 차량(300)의 Y축을 기준으로 회전한 각도를 나타내는 피치 값은 차량이 종방향으로 회전한 각도를 의미할 수 있다. 즉, 피치 값의 모니터링을 통해 차량 사고 및 추락에 의한 종방향 전복 상태 등을 감지할 수 있다.

또한, 차량(300)의 Z축을 기준으로 회전한 각도를 나타내는 요 값은 차량이 수평 상태로 회전한 각도를 의미할 수 있다. 즉, 요 값의 변화량 모니터링을 통해 차량의 회전 상태를 감지하여 차량에 충돌이 발생하였거니 미끄러짐에 의한 사고가 발생한 것을 예측할 수도 있다.

도 4는 본 발명에 따른 차량 사고 판단 시 변화한 운동정보를 산출하기 위한 단위시간별 그래프의 일 예를 나타낸 도면이다.

도 4를 참조하면, 본 발명에 따른 차량 사고 판단 시에는 기설정된 단위시간에 따라 차량의 운동정보 변화량을 산출하고, 산출된 운동정보 변화량이 운동정보 평균 변화량을 초과하는 비선형적인 패턴을 보일 때 차량에 사고가 발생한 것으로 판단할 수 있다.

이 때, 운동정보 변화량의 비선형적 패턴을 감지하기 위한 일 예로 아래의 [수학식 1]과 같은 과정을 통해 판단할 수 있다.

이 때, S(t)는 t 시간의 센서 데이터에 상응할 수 있다.

이 때, |S(t-1) - S(t)|는 t-1 시간부터 t 시간 사이, 즉 도 4에 도시된 1 샘플 구간에서의 운동정보 변화량에 상응할 수 있다.

이 때, α(t)는 운동정보 평균 변화량에 상응하고, β(t)는 운동 모델 변경 상수에 상응할 수 있다. 이 때, 운동 모델 변경 상수는 센서 데이터를 측정하는 센서의 특성에 따라 별도로 설정될 수 있다.

이 때, α(t)는 [수학식 2]를 통해 산출될 수 있다.

따라서, [수학식 1]을 풀이하면, 도 4에 도시된 1 샘플 구간에서의 운동정보 변화량의 값이 (1+ β(t))x α(t)를 초과하면 비선형적인 패턴이 발생한 것으로 보고 차량에 사고가 발생한 것으로 판단할 수 있다.

이 때, 운동정보 변화량의 비선형적 패턴을 감지하기 위한 방법은 상기 [수학식 1]을 이용하는 것으로 한정되지 않고, 운동정보 변화량의 비선형적 패턴 감지가 가능한 다양한 방법이 사용가능할 수 있다.

도 5는 본 발명의 일실시예에 따른 차량의 운동정보를 기반으로 한 차량 사고 판단 방법을 상세하게 나타낸 동작흐름도이다.

도 5를 참조하면, 본 발명의 일실시예에 따른 차량의 운동정보를 기반으로 한 차량 사고 판단 방법은 먼저 차량의 움직임에 대한 센서 데이터를 획득한다(S510).

이 후, 센서 데이터를 기반으로 차량의 운동정보 평균 변화량을 산출하고, 센서 데이터에 상응하는 사고 판단 임계값을 설정한다(S520).

이 후, 센서 데이터가 피치 값, 롤 값 및 중력 가속도 중 어느 하나에 상응하는지 여부를 판단한다(S525).

단계(S525)의 판단결과 센서 데이터가 피치 값, 롤 값 및 중력 가속도 중 어느 하나에 상응하면, 센서 데이터가 사고 판단 임계값을 초과하는지 여부를 판단한다(S535).

단계(S535)의 판단결과 센서 데이터가 사고 판단 임계값을 초과하면, 차량에 사고가 발생한 것으로 판단하고(S550), 사고유형을 예측하여 자동으로 구조 요청을 수행한다(S560).

또한, 단계(S535)의 판단결과 센서 데이터가 사고 판단 임계값을 초과하지 않으면, 차량에 사고가 발생하지 않은 것으로 판단하고, 지속적으로 차량의 움직임에 대한 센서 데이터를 획득하여 차량에 사고가 발생하였는지 여부를 판단하도록 할 수 있다.

만약, 단계(S525)의 판단결과 센서 데이터가 피치 값, 롤 값 및 중력 가속도 중 어느 하나에 상응하지 않으면, 차량의 운동정보 변화량을 산출한다(S540).

이 후, 운동정보 변화량이 운동정보 평균 변화량을 초과하는지 여부를 판단한다(S545).

단계(S545)의 판단결과 운동정보 변화량이 운동정보 평균 변화량을 초과하면, 차량에 사고가 발생한 것으로 판단하고(S550), 사고유형을 예측하여 자동으로 구조 요청을 수행한다(S560).

또한, 단계(S545)의 판단결과 운동정보 변화량이 운동정보 평균 변화량을 초과하지 않으면, 차량에 사고가 발생하지 않은 것으로 판단하고, 지속적으로 차량의 움직임에 대한 센서 데이터를 획득하여 차량에 사고가 발생하였는지 여부를 판단하도록 할 수 있다.

도 6은 본 발명의 일실시예에 따른 차량의 운동정보를 기반으로 한 차량 사고 판단 장치를 나타낸 블록도이다.

도 6을 참조하면, 본 발명의 일실시예에 따른 차량의 운동정보를 기반으로 한 차량 사고 판단 장치는 수신부(610), 제어부(620) 및 저장부(630)를 포함한다.

수신부(610)는 차량의 움직임에 대한 센서 데이터를 획득한다.

제어부(620)는 센서 데이터를 기반으로 차량의 운동정보 변화량을 산출하고, 센서 데이터 및 운동정보 변화량 중 적어도 하나를 기반으로 차량의 사고발생 여부를 판단한다.

또한, 센서데이터를 기반으로 차량의 운동정보 평균 변화량을 산출할 수 있다.

또한, 센서 데이터에 상응하는 사고 판단 임계값을 설정할 수 있다.

또한, 차량에 사고가 발생한 것으로 판단된 경우에 센서 데이터 및 운동정보 변화량 중 적어도 하나를 기반으로 사고유형을 예측할 수 있다.

이 때, 사고유형을 기반으로 자동으로 구조 요청을 수행할 수 있다.

저장부(630)는 상술한 바와 같이 본 발명의 일실시예에 따른 차량 사고 판단 장치에서 발생하는 다양한 정보를 저장한다.

실시예에 따라, 저장부(630)는 차량 사고 판단 장치와 독립적으로 구성되어 차량 사고 판단을 위한 기능을 지원할 수 있다. 이 때, 저장부(630)는 별도의 대용량 스토리지로 동작할 수 있고, 동작 수행을 위한 제어 기능을 포함할 수도 있다.

한편, 차량 사고 판단 장치는 메모리가 탑재되어 그 장치 내에서 정보를 저장할 수 있다. 일 구현예의 경우, 메모리는 컴퓨터로 판독 가능한 매체이다. 일 구현 예에서, 메모리는 휘발성 메모리 유닛일 수 있으며, 다른 구현예의 경우, 메모리는 비휘발성 메모리 유닛일 수도 있다. 일 구현예의 경우, 저장장치는 컴퓨터로 판독 가능한 매체이다. 다양한 서로 다른 구현 예에서, 저장장치는 예컨대 하드디스크 장치, 광학디스크 장치, 혹은 어떤 다른 대용량 저장장치를 포함할 수도 있다.

이와 같은 차량 사고 판단 장치를 이용함으로써 차량에 사고가 발생한 것을 자동으로 감지함으로써 보다 신속하고 안전한 구조가 진행되도록 할 수 있다.

도 7는 본 발명의 일실시예에 따른 컴퓨터 시스템을 나타낸 도면이다.

도 7을 참조하면, 본 발명의 실시예는 컴퓨터로 읽을 수 있는 기록매체와 같은 컴퓨터 시스템에서 구현될 수 있다. 도 7에 도시된 바와 같이, 컴퓨터 시스템(700)은 버스(720)를 통하여 서로 통신하는 하나 이상의 프로세서(710), 메모리(730), 사용자 입력 장치(740), 사용자 출력 장치(750) 및 스토리지(760)를 포함할 수 있다. 또한, 컴퓨터 시스템(700)은 네트워크(780)에 연결되는 네트워크 인터페이스(770)를 더 포함할 수 있다. 프로세서(710)는 중앙 처리 장치 또는 메모리(730)나 스토리지(760)에 저장된 프로세싱 인스트럭션들을 실행하는 반도체 장치일 수 있다. 메모리(730) 및 스토리지(760)는 다양한 형태의 휘발성 또는 비휘발성 저장 매체일 수 있다. 예를 들어, 메모리는 ROM(731)이나 RAM(732)을 포함할 수 있다.

따라서, 본 발명의 실시예는 컴퓨터로 구현된 방법이나 컴퓨터에서 실행 가능한 명령어들이 기록된 비일시적인 컴퓨터에서 읽을 수 있는 매체로 구현될 수 있다. 컴퓨터에서 읽을 수 있는 명령어들이 프로세서에 의해서 수행될 때, 컴퓨터에서 읽을 수 있는 명령어들은 본 발명의 적어도 한 가지 측면에 따른 방법을 수행할 수 있다.

이상에서와 같이 본 발명에 따른 차량의 운동정보를 기반으로 한 차량 사고 판단 방법 및 이를 위한 장치는 상기한 바와 같이 설명된 실시예들의 구성과 방법이 한정되게 적용될 수 있는 것이 아니라, 상기 실시예들은 다양한 변형이 이루어질 수 있도록 각 실시예들의 전부 또는 일부가 선택적으로 조합되어 구성될 수도 있다.

110: 차량 사고 판단 장치 120, 300: 차량
121~127: 센서 610: 수신부
620: 제어부 630: 저장부
700: 컴퓨터 시스템 710: 프로세서
720: 버스 730: 메모리
731: 롬 732: 램
740: 사용자 입력 장치 750: 사용자 출력 장치
760: 스토리지 770: 네트워크 인터페이스
780: 네트워크

Claims

차량의 움직임에 대한 센서 데이터를 획득하는 단계;
상기 센서 데이터를 기반으로 상기 차량의 운동정보 변화량을 산출하는 단계; 및
상기 센서 데이터 및 상기 운동정보 변화량 중 적어도 하나를 기반으로 상기 차량의 사고발생 여부를 판단하는 단계
를 포함하는 것을 특징으로 하는 차량 사고 판단 방법.
청구항 1에 있어서,
상기 차량 사고 판단 방법은
상기 센서 데이터를 기반으로 상기 차량의 운동정보 평균 변화량을 산출하는 단계; 및
상기 센서 데이터에 상응하는 사고 판단 임계값을 설정하는 단계를 더 포함하는 것을 특징으로 하는 차량 사고 판단 방법.
청구항 2에 있어서,
상기 판단하는 단계는
상기 센서 데이터의 종류에 따라 상기 운동정보 평균 변화량 및 상기 사고 판단 임계값 중 어느 하나를 기준으로 상기 사고발생 여부를 판단하는 것을 특징으로 하는 차량 사고 판단 방법.
청구항 3에 있어서,
상기 판단하는 단계는
상기 센서 데이터가 종가속도, 횡가속도, 축가속도, 요 레이트(yaw rate) 및 휠(wheel) 속도 중 어느 하나에 상응하는 경우에 상기 운동정보 변화량이 상기 운동정보 평균 변화량을 초과하는지 여부에 따라 상기 사고발생 여부를 판단하는 것을 특징으로 하는 차량 사고 판단 방법.
청구항 3에 있어서,
상기 판단하는 단계는
상기 센서 데이터가 피치(pitch) 값, 롤(roll) 값 및 중력 가속도 중 어느 하나에 상응하는 경우에 상기 센서 데이터에 상응하는 값이 상기 사고 판단 임계값을 초과하는지 여부에 따라 상기 사고발생 여부를 판단하는 것을 특징으로 하는 차량 사고 판단 방법.
청구항 1에 있어서,
상기 획득하는 단계는
상기 차량에 구비된 적어도 하나의 센서를 통해 기설정된 단위시간마다 상기 센서 데이터를 획득하는 것을 특징으로 하는 차량 사고 판단 방법.
청구항 6에 있어서,
상기 운동정보 변화량은
현재시각을 기준으로 가장 최근에 획득된 제1 센서 데이터와 상기 제1 센서 데이터의 바로 이전에 획득된 제2 센서 데이터를 이용하여 산출되고, 상기 기설정된 단위시간 동안 상기 차량의 운동정보가 변화한 수치의 절대값에 상응하는 것을 특징으로 하는 차량 사고 판단 방법.
청구항 1에 있어서,
상기 차량 사고 판단 방법은
상기 차량에 사고가 발생한 것으로 판단된 경우에 상기 센서 데이터 및 상기 운동정보 변화량 중 적어도 하나를 기반으로 사고유형을 예측하는 단계; 및
상기 사고유형을 기반으로 자동으로 구조 요청을 수행하는 단계를 더 포함하는 것을 특징으로 하는 차량 사고 판단 방법.
차량의 움직임에 대한 센서 데이터를 획득하는 수신부; 및
상기 센서 데이터를 기반으로 상기 차량의 운동정보 변화량을 산출하고, 상기 센서 데이터 및 상기 운동정보 변화량 중 적어도 하나를 기반으로 상기 차량의 사고발생 여부를 판단하는 제어부
를 포함하는 것을 특징으로 하는 차량 사고 판단 장치.
청구항 9에 있어서,
상기 제어부는
상기 센서 데이터를 기반으로 상기 차량의 운동정보 평균 변화량을 산출하고, 상기 센서 데이터에 상응하는 사고 판단 임계값을 설정하는 것을 특징으로 하는 차량 사고 판단 장치.
청구항 10에 있어서,
상기 제어부는
상기 센서 데이터의 종류에 따라 운동정보 평균 변화량 및 상기 사고 판단 임계값 중 어느 하나를 기준으로 상기 사고발생 여부를 판단하는 것을 특징으로 하는 차량 사고 판단 장치.
청구항 11에 있어서,
상기 제어부는
상기 센서 데이터가 종가속도, 횡가속도, 축가속도, 요 레이트(yaw rate) 및 휠(wheel) 속도 중 어느 하나에 상응하는 경우에 상기 운동정보 변화량이 상기 운동정보 평균 변화량을 초과하는지 여부에 따라 상기 사고발생 여부를 판단하는 것을 특징으로 하는 차량 사고 판단 장치.
청구항 11에 있어서,
상기 제어부는
상기 센서 데이터가 피치(pitch) 값, 롤(roll) 값 및 중력 가속도 중 어느 하나에 상응하는 경우에 상기 센서 데이터에 상응하는 값이 상기 사고 판단 임계값을 초과하는지 여부에 따라 상기 사고발생 여부를 판단하는 것을 특징으로 하는 차량 사고 판단 장치.
청구항 9에 있어서,
상기 수신부는
상기 차량에 구비된 적어도 하나의 센서를 통해 기설정된 단위시간마다 상기 센서 데이터를 획득하는 것을 특징으로 하는 차량 사고 판단 장치.
청구항 14에 있어서,
상기 운동정보 변화량은
현재시각을 기준으로 가장 최근에 획득된 제1 센서 데이터와 상기 제1 센서 데이터의 바로 이전에 획득된 제2 센서 데이터를 이용하여 산출되고, 상기 기설정된 단위시간 동안 상기 차량의 운동정보가 변화한 수치의 절대값에 상응하는 것을 특징으로 하는 차량 사고 판단 장치.
청구항 9에 있어서,
상기 제어부는
상기 차량에 사고가 발생한 것으로 판단된 경우에 상기 센서 데이터 및 상기 운동정보 변화량 중 적어도 하나를 기반으로 사고유형을 예측하고, 상기 사고유형을 기반으로 자동으로 구조 요청을 수행하는 것을 특징으로 하는 차량 사고 판단 장치.