KR20180063679A

KR20180063679A - 운전 습관 평가 방법 및 그 장치

Info

Publication number: KR20180063679A
Application number: KR1020160163732A
Authority: KR
Inventors: 박찬일; 김한림; 조형수; 오만석; 정구상
Original assignee: 주식회사 케이티
Priority date: 2016-12-02
Filing date: 2016-12-02
Publication date: 2018-06-12

Abstract

본 발명은 추종차량 운전자의 운전 습관 평가 방법에 관한 것으로, 선행차량과의 상대 거리 및 상대 속도를 기반으로 추종차량의 적정 감가속도를 산출하는 단계; 상기 추종차량의 실제 감가속도를 획득하는 단계; 및 상기 적정 감가속도와 상기 실제 감가속도의 비교 결과에 기초하여 운전자의 운전 습관을 평가하는 단계를 포함한다.

Description

운전 습관 평가 방법 및 그 장치{METHOD FOR EVALUATING DRIVING HABIT AND APPARATUS THEREOF}

본 발명은 차량 운전자의 운전 습관 평가 방법 및 그 장치에 관한 것입니다. 보다 구체적으로, 선행차량과 추종차량 간의 상대 거리 및 상대 속도를 기반으로 차량 운전자의 운전 습관을 객관적으로 평가할 수 있는 운전 습관 평가 방법 및 그 장치에 관한 것이다.

일반적으로, 자동차 보험료는 사고 위험도에 따라 결정되는데, 사고 위험도를 정확하게 평가하기 위해 운전자의 나이, 차종, 사고 기록 등의 과거 기록이 고려되고 있다.

최근 들어서는 사고 위험도를 좀 더 정확히 평가하기 위해 운전자의 급 가속, 급 감속, 과속 등의 운전 습관을 기반으로 자동차 보험료를 평가하는 UBI(usage based insurance) 상품들이 출시되고 있다. 이러한 UBI 상품들의 보험료 산정을 위해 차량 운전자의 운전 습관을 분석하기 위한 다양한 방법이 개발되고 있다.

그런데, 일반적인 운전 습관 평가 기법은 GPS(Global Positioning System) 및 OBD(On Board Diagnostics)를 기반으로 수집되는 운전자의 평균 운행 특성(가령, trip별 과속/급 가속/급 감속/급 회전 빈도수)과 도로조건에 따른 운행 특성(가령, 곡선 구간/교차로 구간 등에서의 운전 행태) 등을 기반으로 운전자의 교통 사고 유발 가능성을 산출하였다.

하지만, 이와 같은 운전자의 운행 특성이 동일한 경우라도, 선행 차량과 추종 차량 간의 관계(가령, 차간거리/주행속도차이)에 따라 교통사고 발생 가능성은 극심한 차이를 보인다. 따라서, 선행차량과 추종차량간의 미시적인 움직임을 교통 공학적으로 분석하여 운전 습관의 새로운 평가 기준을 정립할 필요가 있다.

본 발명은 전술한 문제 및 다른 문제를 해결하는 것을 목적으로 한다. 또 다른 목적은 첨단 운전자 보조 시스템(Advanced Driver Assistance System, ADAS)을 통해 측정된 선행차량과 추종차량 간의 상대 거리 및 상대 속도를 기반으로 차량 운전자의 운전 습관을 객관적으로 평가할 수 있는 운전 습관 평가 방법 및 그 장치를 제공함에 있다.

상기 또는 다른 목적을 달성하기 위해 본 발명의 일 측면에 따르면, 선행차량과의 상대 거리 및 상대 속도를 기반으로 추종차량의 적정 감가속도를 산출하는 단계; 상기 추종차량의 실제 감가속도를 획득하는 단계; 및 상기 적정 감가속도와 상기 실제 감가속도의 비교 결과에 기초하여 운전자의 운전 습관을 평가하는 단계를 포함하는 운전습관 평가 방법을 제공한다.

좀더 바람직하게는, 상기 운전 습관 평가 방법은, 추종차량에 탑재된 ADAS(Advanced Driver Assistance System) 모듈을 이용하여 선행차량과 추종차량 간의 상대 거리를 측정하는 단계를 더 포함하는 것을 특징으로 한다.

좀 더 바람직하게는, 상기 운전 습관 평가 방법에서, 선행차량과 추종차량 간의 상대 속도는, 현재 시점의 차간 거리와 1초 전 시점의 차간 거리의 차를 통해 계산되는 것을 특징으로 한다.

좀 더 바람직하게는, 상기 운전 습관 평가 방법에서의 적정 감가속도 산출 단계는, 선행차량과 추종차량 간의 상대 거리 및 상대 속도에 관한 정보를 Car-Following 모델에 적용하여 일반적인 인지반응 수준을 가진 운전자의 적정 감가속도를 산출하는 것을 특징으로 한다.

좀 더 바람직하게는, 상기 운전 습관 평가 방법에서, 추종차량의 적정 감가속도는 수학식

을 통해 계산되는 것을 특징으로 한다.

좀 더 바람직하게는, 상기 운전 습관 평가 방법은, OBD(On Board Diagnostics) 모듈을 통해 추종차량의 실제 감가속도를 측정하는 단계를 더 포함하는 것을 특징으로 한다.

좀 더 바람직하게는, 상기 운전 습관 평가 방법에서의 운전 습관 평가 단계는, 추종차량이 감속 상황인 경우, 상기 추종차량의 실제 감가속도가 적정 감가속도보다 크거나 같다면, 해당 운전자의 운전 습관 위험도가 낮은 것으로 평가하고, 상기 실제 감가속도가 상기 적정 감가속도보다 작다면, 해당 운전자의 운전 습관 위험도가 높은 것으로 평가하는 것을 특징으로 한다.

좀 더 바람직하게는, 상기 운전 습관 평가 방법에서의 운전 습관 평가 단계는, 추종차량이 가속 상황인 경우, 상기 추종차량의 실제 감가속도가 적정 감가속도보다 작거나 같다면, 해당 운전자의 운전 습관 위험도가 낮은 것으로 평가하고, 상기 실제 감가속도가 적정 감가속도보다 크다면, 해당 운전자의 운전 습관 위험도가 높은 것으로 평가하는 것을 특징으로 한다.

본 발명의 다른 측면에 따르면, 선행차량과 추종차량 간의 상대 거리를 이용하여 상대 속도를 계산하는 상대속도 계산부; 상기 상대 거리 및 상대 속도를 기반으로 추종차량의 적정 감가속도를 산출하는 적정 감가속도 산출부; 상기 추종차량의 실제 감가속도를 획득하는 실제 감가속도 수집부; 및 상기 적정 감가속도와 상기 실제 감가속도의 비교 결과에 기초하여 운전자의 운전 습관을 평가하는 운전습관 평가부를 포함하는 운전 습관 평가 장치를 제공한다.

좀 더 바람직하게는, 상기 운전 습관 평가 장치는 선행차량과 추종차량 간의 상대 거리를 측정하는 ADAS 모듈을 더 포함하는 것을 특징으로 한다.

좀 더 바람직하게는, 상기 운전 습관 평가 장치는 추종차량의 실제 감가속도를 측정하는 OBD 모듈을 더 포함하는 것을 특징으로 한다.

좀 더 바람직하게는, 상기 운전 습관 평가 장치에서의 적정 감가속도 산출부는, 선행차량과 추종차량 간의 상대 거리 및 상대 속도에 관한 정보를 Car-Following 모델에 적용하여 일반적인 인지반응 수준을 가진 운전자의 적정 감가속도를 산출하는 것을 특징으로 한다.

본 발명의 또 다른 측면에 따르면, 선행차량과의 상대 거리 및 상대 속도를 기반으로 추종차량의 적정 감가속도를 산출하는 과정; 상기 추종차량의 실제 감가속도를 획득하는 과정; 및 상기 적정 감가속도와 상기 실제 감가속도의 비교 결과에 기초하여 운전자의 운전 습관을 평가하는 과정을 수행하는 프로그램을 기록한 컴퓨터 판독 가능한 기록매체를 제공한다.

본 발명의 실시 예들에 따른 운전 습관 평가 방법 및 그 장치의 효과에 대해 설명하면 다음과 같다.

본 발명의 실시 예들 중 적어도 하나에 의하면, 추종차량과 선행차량들 간의 미시적 움직임을 교통 공학적으로 분석하여 운전 습관을 평가할 수 있는 객관적인 판단 기준을 제시함으로써, 운전자의 교통사고 유발 가능성에 관한 예측을 획기적으로 개선할 수 있다는 장점이 있다.

다만, 본 발명의 실시 예들에 따른 운전 습관 평가 방법 및 그 장치가 달성할 수 있는 효과는 이상에서 언급한 것들로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.

도 1은 본 발명과 관련된 차량의 외관을 도시한 도면;
도 2는 본 발명과 관련된 차량을 설명하기 위한 블록도;
도 3은 본 발명의 일 실시 예에 따른 운전습관 평가 장치의 구성을 설명하기 위한 블록도;
도 4는 선행차량과 추종차량 간의 관계를 설명하기 위해 참조되는 도면;
도 5는 본 발명의 일 실시 예에 따른 운전습관 평가 장치의 동작을 설명하기 위한 순서도.

이하, 첨부된 도면을 참조하여 본 명세서에 개시된 실시 예를 상세히 설명하되, 도면 부호에 관계없이 동일하거나 유사한 구성요소는 동일한 참조 번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 이하의 설명에서 사용되는 구성요소에 대한 접미사 "모듈" 및 "부"는 명세서 작성의 용이함만이 고려되어 부여되거나 혼용되는 것으로서, 그 자체로 서로 구별되는 의미 또는 역할을 갖는 것은 아니다. 즉, 본 발명에서 사용되는 '부'라는 용어는 소프트웨어, FPGA 또는 ASIC과 같은 하드웨어 구성요소를 의미하며, '부'는 어떤 역할들을 수행한다. 그렇지만 '부'는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. '부'는 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 '부'는 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로 코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 및 변수들을 포함한다. 구성요소들과 '부'들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 '부'들로 결합되거나 추가적인 구성요소들과 '부'들로 더 분리될 수 있다.

또한, 본 명세서에 개시된 실시 예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 명세서에 개시된 실시 예의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 첨부된 도면은 본 명세서에 개시된 실시 예를 쉽게 이해할 수 있도록 하기 위한 것일 뿐, 첨부된 도면에 의해 본 명세서에 개시된 기술적 사상이 제한되지 않으며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.

본 발명은 첨단 운전자 보조 시스템(ADAS)을 통해 측정된 선행차량과 추종차량 간의 상대 거리 및 상대 속도를 기반으로 차량 운전자의 운전 습관을 평가할 수 있는 운전 습관 평가 방법 및 그 장치를 제안한다.

이하에서는, 본 발명의 다양한 실시 예들에 대하여, 도면을 참조하여 상세히 설명한다.

본 명세서에서 기술되는 차량은, 자동차, 오토바이를 포함하는 개념일 수 있다. 이하에서는, 차량에 대해 자동차를 위주로 기술한다. 또한, 본 명세서에서 기술되는 차량은, 동력원으로서 엔진을 구비하는 내연기관 차량, 동력원으로서 엔진과 전기 모터를 구비하는 하이브리드 차량, 동력원으로서 전기 모터를 구비하는 전기 차량 등을 모두 포함하는 개념일 수 있다.

도 1은 본 발명과 관련된 차량의 외관을 도시한 도면이다.

도 1을 참조하면, 차량(100)은, 동력원에 의해 회전하는 바퀴(10FR, 10FL, 10RL, ...), 차량(100)의 진행 방향을 조절하기 위한 조향 입력 수단(121), 차량 전방의 영상을 촬영하는 카메라(122) 및 차량(100) 내부에 구비되는 각종 전장 유닛을 포함할 수 있다.

도 2는 본 발명과 관련된 차량을 설명하기 위한 블록도이다.

도 2를 참조하면, 차량(100)은 통신부(110), 입력부(120), 센싱부(130), 출력부(140), 차량 구동부(150), 메모리(160), 인터페이스부(170), 제어부(180), 및 전원부(190)를 포함할 수 있다.

통신부(110)는, 차량(100)과 이동 단말기 사이, 차량(100)과 웨어러블 디바이스 사이, 차량(100)과 외부 서버 사이, 또는 차량(100)과 타 차량과의 무선 통신을 가능하게 하는 하나 이상의 모듈을 포함할 수 있다. 또한, 통신부(110)는 차량(100)을 하나 이상의 망(network)에 연결하는 하나 이상의 모듈을 포함할 수 있다.

통신부(110)는, 방송 수신 모듈(111), 무선 인터넷 모듈(112), 근거리 통신 모듈(113), 위치 정보 모듈(114), 및 광통신 모듈(115) 등을 포함할 수 있다.

방송 수신 모듈(111)은, 방송 채널을 통하여 외부의 방송 관리 서버로부터 방송 신호 또는 방송 관련된 정보를 수신한다. 여기서, 방송은 라디오 방송 또는 TV 방송을 포함한다.

무선 인터넷 모듈(112)은, 무선 인터넷 접속을 위한 모듈을 말하는 것으로, 차량(100)에 내장되거나 외장될 수 있다. 무선 인터넷 모듈(112)은 무선 인터넷 기술들에 따른 통신망에서 무선 신호를 송수신하도록 이루어진다.

무선 인터넷 기술로는, 예를 들어 WLAN(Wireless LAN), Wi-Fi(Wireless-Fidelity), Wi-Fi(Wireless Fidelity) Direct, DLNA(Digital Living Network Alliance), WiBro(Wireless Broadband), WiMAX(World Interoperability for Microwave Access), HSDPA(High Speed Downlink Packet Access), HSUPA(High Speed Uplink Packet Access), LTE(Long Term Evolution), LTE-A(Long Term Evolution-Advanced) 등이 있다.

근거리 통신 모듈(113)은, 근거리 통신(Short range communication)을 위한 것으로서, 블루투스(Bluetooth™), RFID(Radio Frequency Identification), 적외선 통신(Infrared Data Association; IrDA), UWB(Ultra Wideband), ZigBee, NFC(Near Field Communication), Wi-Fi(Wireless-Fidelity), Wi-Fi Direct, Wireless USB(Wireless Universal Serial Bus) 기술 중 적어도 하나를 이용하여, 근거리 통신을 지원할 수 있다.

위치 정보 모듈(114)은, 차량(100)의 위치를 획득하기 위한 모듈로서, 그의 대표적인 예로는 GPS 모듈이 있다. GPS모듈은 GPS 위성에서 보내는 신호를 이용하여 차량(100)의 위치를 획득할 수 있다.

광통신 모듈(115)은, 광발신부 및 광수신부를 포함할 수 있다.

광수신부는, 광(light) 신호를 전기 신호로 전환하여, 정보를 수신할 수 있다. 광수신부는 광을 수신하기 위한 포토 다이오드(PD, Photo Diode)를 포함할 수 있다. 광발신부는, 전기 신호를 광 신호로 전환하기 위한 발광 소자를 적어도 하나 포함할 수 있다. 여기서, 발광 소자는 LED(Light Emitting Diode)인 것이 바람직하다.

입력부(120)는, 운전 조작 수단(121), 카메라(122), 마이크로 폰(123) 및 사용자 입력부(124)를 포함할 수 있다.

운전 조작 수단(121)은, 차량(100) 운전을 위한 사용자 입력을 수신한다. 운전 조작 수단(121)은 조향 입력 수단, 쉬프트 입력 수단, 가속 입력 수단, 브레이크 입력 수단 중 적어도 하나를 포함할 수 있다.

카메라(122)는, 이미지 센서와 영상 처리 모듈을 포함할 수 있다. 카메라(122)는 이미지 센서(예를 들면, CMOS 또는 CCD)에 의해 얻어지는 정지영상 또는 동영상을 처리할 수 있다. 영상 처리 모듈은 이미지 센서를 통해 획득된 정지영상 또는 동영상을 가공하여, 필요한 정보를 추출하고, 추출된 정보를 제어부(180)에 전달할 수 있다. 한편, 차량(100)은 차량 전방의 영상을 촬영하는 제1 카메라와, 차량 내부 영상을 촬영하는 제2 카메라를 포함할 수 있다.

마이크로 폰(123)은, 외부의 음향 신호를 전기적인 데이터로 처리할 수 있다. 처리된 데이터는 차량(100)에서 수행 중인 기능에 따라 다양하게 활용될 수 있다. 마이크로폰(123)은 사용자의 음성 명령을 전기적인 데이터로 전환할 수 있다.

사용자 입력부(124)는 사용자로부터 정보를 입력 받기 위한 것이다. 사용자 입력부(124)를 통해, 정보가 입력되면, 제어부(180)는 입력된 정보에 대응되도록 차량(100)의 동작을 제어할 수 있다. 사용자 입력부(124)는 터치식 입력수단 또는 기계식 입력 수단을 포함할 수 있다.

센싱부(130)는, 차량(100)의 주행 등과 관련한 신호를 센싱한다. 이를 위해, 센싱부(130)는, 충돌 센서, 휠 센서(wheel sensor), 속도 센서, 경사 센서, 중량 감지 센서, 헤딩 센서(heading sensor), 요 센서(yaw sensor), 자이로 센서(gyro sensor), 포지션 모듈(position module), 차량 전진/후진 센서, 배터리 센서, 연료 센서, 타이어 센서, 핸들 회전에 의한 스티어링 센서, 차량 내부 온도 센서, 차량 내부 습도 센서, 초음파 센서, 레이더, 라이더 등을 포함할 수 있다.

이에 의해, 센싱부(130)는, 차량 충돌 정보, 차량 방향 정보, 차량 위치 정보(GPS 정보), 차량 각도 정보, 차량 속도 정보, 차량 가속도 정보, 차량 기울기 정보, 차량 전진/후진 정보, 배터리 정보, 연료 정보, 타이어 정보, 차량 램프 정보, 차량 내부 온도 정보, 차량 내부 습도 정보 등에 대한 센싱 신호를 획득할 수 있다.

출력부(140)는, 제어부(180)에서 처리된 정보를 출력하기 위한 것으로, 디스플레이부(141), 음향 출력부(142) 및 햅틱 출력부(143)를 포함할 수 있다.

디스플레이부(141)는 제어부(180)에서 처리되는 정보를 표시할 수 있다. 예를 들어, 디스플레이부(141)는 차량 관련 정보를 표시할 수 있다. 여기서, 차량 관련 정보는, 차량에 대한 직접적인 제어를 위한 차량 제어 정보, 또는 차량 운전자에게 운전 가이드를 위한 차량 운전 보조 정보를 포함할 수 있다.

디스플레이부(141)는 액정 디스플레이(liquid crystal display, LCD), 박막 트랜지스터 액정 디스플레이(thin film transistor-liquid crystal display, TFT LCD), 유기 발광 다이오드(organic light-emitting diode, OLED), 플렉서블 디스플레이(flexible display), 3차원 디스플레이(3D display), 전자잉크 디스플레이(e-ink display) 중에서 적어도 하나를 포함할 수 있다. 또한, 디스플레이부(141)는 터치 센서와 상호 레이어 구조를 이루거나 일체형으로 형성됨으로써, 터치 스크린을 구현할 수 있다.

음향 출력부(142)는 제어부(180)로부터의 전기 신호를 오디오 신호로 변환하여 출력한다. 이를 위해, 음향 출력부(142)는 스피커 등을 구비할 수 있다.

햅틱 출력부(143)는 촉각적인 출력을 발생시킨다. 예를 들어, 햅틱 출력부(143)는, 스티어링 휠, 안전 벨트, 시트를 진동시켜, 사용자가 출력을 인지할 수 있게 동작할 수 있다.

차량 구동부(150)는, 차량 각종 장치의 동작을 제어할 수 있다. 차량 구동부(150)는 동력원 구동부(151), 조향 구동부(152), 브레이크 구동부(153), 램프 구동부(154), 및 공조 구동부(155) 등을 포함할 수 있다.

동력원 구동부(151)는, 차량(100) 내의 동력원에 대한 전자식 제어를 수행할 수 있다. 조향 구동부(152)는, 차량(100) 내의 조향 장치(steering apparatus)에 대한 전자식 제어를 수행할 수 있다. 이에 의해, 차량의 진행 방향을 변경할 수 있다.

브레이크 구동부(153)는, 차량(100) 내의 브레이크 장치(brake apparatus)에 대한 전자식 제어를 수행할 수 있다. 예를 들어, 바퀴에 배치되는 브레이크의 동작을 제어하여, 차량(100)의 속도를 줄일 수 있다.

램프 구동부(154)는, 차량 내, 외부에 배치되는 램프의 턴 온/턴 오프를 제어할 수 있다. 또한, 램프의 빛의 세기, 방향 등을 제어할 수 있다. 예를 들어, 방향 지시 램프, 브레이크 램프 등의 대한 제어를 수행할 수 있다.

공조 구동부(155)는, 차량(100) 내의 공조 장치(air conditioner)에 대한 전자식 제어를 수행할 수 있다. 예를 들어, 차량 내부의 온도가 높은 경우, 공조 장치가 동작하여, 냉기가 차량 내부로 공급되도록 제어할 수 있다.

메모리(160)는, 제어부(180)와 전기적으로 연결된다. 메모리(160)는 유닛에 대한 기본데이터, 유닛의 동작제어를 위한 제어데이터, 입출력되는 데이터를 저장할 수 있다. 메모리(160)는 하드웨어적으로, ROM, RAM, EPROM, 플래시 드라이브, 하드 드라이브 등과 같은 다양한 저장매체일 수 있다.

인터페이스부(170)는, 차량(100)에 연결되는 다양한 종류의 외부 기기와의 통로 역할을 수행할 수 있다. 예를 들면, 인터페이스부(170)는 이동 단말기 또는 웨어러블 디바이스와 연결 가능한 포트를 구비할 수 있고, 상기 포트를 통해, 이동 단말기 또는 웨어러블 디바이스와 연결할 수 있다. 이 경우, 인터페이스부(170)는 이동 단말기 또는 웨어러블 디바이스와 데이터를 교환할 수 있다. 또한, 인터페이스부(170)는 연결된 이동 단말기 또는 웨어러블 디바이스에 전기 에너지를 공급하는 통로 역할을 수행할 수 있다.

제어부(180)는, 차량(100) 내 각 유닛의 전반적인 동작을 제어할 수 있다. 여기서, 상기 제어부(180)는 ECU(Electronic Control Unit)로 명명될 수 있다.

제어부(180)는, 하드웨어적으로, ASICs (application specific integrated circuits), DSPs(digital signal processors), DSPDs(digital signal processing devices), PLDs(programmable logic devices), FPGAs(field programmable gate arrays), 프로세서(processors), 제어기(controllers), 마이크로 컨트롤러(micro-controllers), 마이크로 프로세서(microprocessors), 기타 기능 수행을 위한 전기적 유닛 중 적어도 하나를 이용하여 구현될 수 있다.

또한, 제어부(180)는 ADAS 모듈(181) 및 OBD 모듈(182)을 포함할 수 있다. 상기 ADAS 모듈(181) 및 OBD 모듈(182)은 제어부(180) 내에 하드웨어로 구성될 수 있고, 제어부(180)와 별도로 소프트웨어로 구성될 수도 있다.

ADAS 모듈(181)은, 운전자의 안전과 편의를 향상시키기 위해 차량의 주행 영상으로부터 주행 차선을 인식하여 운전자의 졸음운전, 전방 주시 태만 및 차선 이탈에 대해 경고하고, 전방의 다른 차량, 보행자, 교통 표지판 및 장애물 등을 인식하여 운전자 보조 동작을 위한 주행 도로의 상태 정보를 제공한다. 이러한 ADAS 모듈(181)은, 주변 영상을 촬영하는 카메라(122)와, 주변 환경을 감지하는 센싱부(130) 등과 연동하여 동작할 수 있다.

OBD 모듈(또는 OBD-II 모듈, 182)은 차량 내의 OBD 커넥터에 연결되어, OBD 커넥터를 통해 엔진장치, 제동장치, 현가장치, 변속장치 등 차량을 구성하는 각 요소에 배치된 센서들로부터 전달되는 차량 운행정보(이하, '차량 정보'로 총칭)를 수집한다. 이러한 차량 정보는 센싱부(130)를 통해 감지된 복수의 센서 정보들로 구성된다.

전원부(190)는, 제어부(180)의 제어에 따라, 각 구성요소들의 동작에 필요한 전원을 공급할 수 있다. 특히, 전원부(190)는, 차량 내부의 배터리 등으로부터 전원을 공급받을 수 있다.

도 3은 본 발명의 일 실시 예에 따른 운전습관 평가 장치의 블록도이다.

도 3을 참조하면, 운전습관 평가 장치(300)는 차량(100) 내부에 구비되며, 상대속도 계산부(310), 적정 감가속도 산출부(320), 실제 감가속도 수집부(330), 운전습관 평가부(340)를 포함할 수 있다. 이하, 본 실시 예에서, 추종차량은 운전자의 차량을 지칭하고, 선행차량은 운전자의 앞 차량을 지칭한다.

상대속도 계산부(310)는 ADAS 모듈(181)로부터 선행차량과 추종차량 간의 차간 거리 정보를 수집한다.

가령, 도 4에 도시된 바와 같이, 추종차량(410)에 탑재된 ADAS 모듈(181)은 차량 전방에 설치된 카메라(미도시)를 이용하여 선행차량(420)과의 차간 거리(d)를 측정할 수 있다. 이때, ADAS 모듈(181)은 선행차량(420)과의 차간 거리(d)를 초 단위로 측정할 수 있다. ADAS 모듈(181)은 상기 측정된 차간 거리 정보를 운전습관 평가 장치(300)의 상대속도 계산부(310)로 전송할 수 있다.

상대속도 계산부(310)는 상기 수집된 차간 거리 정보를 이용하여 선행차량과 추종차량 간의 상대 속도(m/s)를 계산한다. 가령, 상대속도 계산부(310)는 아래 수학식 1을 통해 상대 속도(m/s)를 계산할 수 있다.

상대속도 계산부(310)는 선행차량과 추종차량 간의 상대 거리 및 상대 속도에 관한 정보를 적정 감가속도 산출부(320)로 제공할 수 있다.

적정 감가속도 산출부(320)는 선행차량과 추종차량 간의 상대 거리 및 상대 속도에 관한 정보를 Car-Following 모델에 적용하여 일반적인 인지반응 수준을 가진 운전자의 적정 감가속도를 산출할 수 있다. 여기서, 적정 감가속도는 적정 감속도와 적정 가속도를 모두 포함하는 개념이다.

Car-Following 모델은 차량 군을 이루며 주행하는 교통 현상을 잘 설명하는 모델로서, 선행차량과 추종차량의 차간 거리 및 상대 속도를 이용해 추종차량의 적정 감가속도를 계산하는 모델이다. 이러한 Car-Following 모델의 수식은 아래 수학식 2와 같이 정의될 수 있다.

여기서,

은 t 시점에서 선행차량의 위치,

는 t 시점에서 추종차량의 위치,

은 t 시점에서 선행차량의 속도,

은 t 시점에서 추종차량의 속도,

는 t 시점에서 추종차량의 감가속도, ψ는 운전자 인지반응시간, α, m, l은 운전자 인지반응 파라미터임.

Car-Following 모델 수식에서, 운전자 인지반응 관련 수치(ψ, α, m, l)는, 교통공학 분석에 널리 사용되는 GM(General Motors) Test Track 자료에서 제시하고 있는 운전자 인지반응관련 수치를 적용할 수 있으며 이를 제한하지는 않는다. 해당 자료에서 제시하고 있는 운전자 인지반응관련 수치는 다음과 같다.

운전자 인지반응시간 (ψ)은 1.5초이고, 운전자 인지반응 파라미터 α는 12.3m/s이고, 운전자 인지반응 파라미터 m은 0이고, 운전자 인지반응 파라미터 l은 1이다.

이러한 수치를 적용한 Car-Following 모델 수식은 아래 수학식 3과 같이 정리될 수 있다. 적정 감가속도 산출부(320)는 아래 수학식 3을 통해 적정 감가속도(m/s²)를 계산할 수 있다.

여기서,

는 t시점에서의 선행차량과 추종차량간의 차간 거리이고,

는 t시점에서의 선행차량과 추종차량간의 상대 속도이며,

는 일반적인 인지반응속도를 가진 운전자가 t+1.5 시점에서 선행차량과의 간격을 인지하여 차량속도를 조절하는 적정 감가속도를 나타내는 값임.

실제 감가속도 수집부(330)는 OBD 모듈(182)로부터 운전 습관을 평가하고자 하는 운전자(즉, 추종차량의 운전자)가 t+1.5 시점에서 선행차량과의 간격을 인지하고 자신이 차량속도를 조절하는 실제 감가속도 값을 수집할 수 있다.

OBD 모듈(182)은 제동 장치 및 가속 장치 등에 배치된 센서들로부터 전달받은 센싱 정보들을 기반으로 운전자의 실제 감가속도 값을 산출하여 운전습관 평가 장치(300)의 실제 감가속도 수집부(330)로 제공할 수 있다.

운전습관 평가부(340)는 적정 감가속도와 실제 감가속도를 서로 비교하여 운전자의 운전 습관을 평가할 수 있다. 이때, 운전습관 평가부(340)는 추종차량이 감속 상황인 경우와 가속 상황인 경우를 구분하여 운전자의 운전 습관을 평가할 수 있다.

가령, 추종차량이 선행차량의 급 감속에 의해 속도를 급격히 줄인 경우, 종래의 운전습관 평가에서는 교통류의 고려 없이 단순히 급 감속을 행하였기 때문에 안 좋은 운전 습관으로 판단하였다.

하지만, 본 발명에서는, 일반적인 감속 상황의 경우, 위 방법을 통해 산출된 적정 감가속도 값과 운전자의 실제 감가속도 값을 서로 비교하여, 실제 감가속도 값이 적정 감가속도 값보다 크거나 같다면, 이는 선행차량의 급격한 감속에 따라 적절한 수준의 안전 거리를 유지할 수 있을 만큼 충분히 속도를 줄이기 위한 적절한 대처라고 판단할 수 있다.

반대로, 일반적인 감속 상황의 경우, 위 방법을 통해 산출된 적정 감가속도 값과 운전자의 실제 감가속도 값을 서로 비교하여, 실제 감가속도 값이 적정 감가속도 값보다 더 작다면, 이는 운전자가 적절한 수준의 안전 거리를 유지할 수 있을 만큼 충분히 속도를 줄이지 않았거나, 운전자의 인지반응속도가 일반 사람의 인지반응속도보다 더 늦어서 안정성이 떨어진 상황이 되었다고 판단할 수 있다.

한편, 일반적인 가속 상황의 경우, 위 방법을 통해 산출된 적정 감가속도 값과 운전자의 실제 감가속도 값을 서로 비교하여, 실제 감가속도 값이 적정 감가속도 값보다 작거나 같다면, 이는 선행차량과 적절한 수준의 안전 거리를 유지할 수 있는 적절한 운전 습관이라고 판단할 수 있다.

반대로, 일반적인 가속 상황의 경우, 위 방법을 통해 산출된 적정 감가속도 값과 운전자의 실제 감가속도 값을 서로 비교하여, 실제 감가속도 값이 적정 감가속도 값보다 크다면, 이는 선행차량과의 적절한 안전거리를 유지하지 않고 선행차량에 바짝 추격하여 운전을 했다고 판단할 수 있다.

이처럼, 운전습관 평가부(340)는, 급 감속 또는 급 가속의 횟수가 적다 하더라도, 적정 감가속도 값과 실제 감가속도 값의 비교 결과에 기초하여 차량 운전자가 안 좋은 운전 습관을 갖고 있는 것으로 판단할 수 있다.

한편, 본 실시 예에서는 운전 습관 평가 장치가 차량 내부에 구비되는 것을 예시하고 있으나 이를 제한하지는 않으며, 상기 차량(100)과 유/무선 통신 가능한 이동 단말기 또는 서버의 내부에 구비될 수 있음은 당업자에게 자명할 것이다. 이 경우, 이동 단말기 또는 서버는 선행차량과 추종차량의 차간 거리 정보를 차량(100)의 통신부(110)로부터 수신할 수 있다. 또한, 이동 단말기 또는 서버는 추종차량의 실제 감가속도 정보를 차량의 통신부(110)로부터 수신할 수 있다.

도 5는 본 발명의 일 실시 예에 따른 운전습관 평가 장치의 동작을 설명하는 순서도이다.

도 5를 참조하면, 운전습관 평가 장치(300)는 ADAS 모듈(181)로부터 선행차량과 추종차량 간의 차간 거리 정보를 수집할 수 있다(S510).

운전습관 평가 장치(300)는 상기 수집된 차간 거리 정보를 이용하여 선행차량과 추종차량 간의 상대 속도(m/s)를 계산할 수 있다(S520). 이때, 상대 속도는 상술한 수학식 1을 통해 계산될 수 있다.

운전습관 평가 장치(300)는 선행차량과 추종차량 간의 차간 거리 및 상대 속도에 관한 정보를 Car-Following 모델에 적용하여 일반적인 인지반응 수준을 가진 운전자의 적정 감가속도를 산출할 수 있다(S530). 이때, 상기 적정 감가속도는 상술한 수학식 3을 통해 계산될 수 있다.

운전습관 평가 장치(300)는 추종차량의 운행 시작 시부터 운행 종료 시까지의 적정 감가속도 값을 주기적으로 산출하여 메모리(미도시)에 저장할 수 있다. 한편, 다른 실시 예로, 운전습관 평가 장치(300)는 특정 이벤트(가령, 급 가속 이벤트 또는 급 감속 이벤트)가 발생할 때마다 적정 감가속도 값을 산출하여 메모리에 저장할 수 있다.

운전습관 평가 장치(300)는, OBD 모듈(182)로부터 운전자의 실제 감가속도 값을 수집할 수 있다(S540).

운전습관 평가 장치(300)는, 추종차량의 운행 시작 시부터 운행 종료 시까지, 운전자의 실제 감가속도 값을 OBD 모듈(182)로부터 주기적으로 수집하여 메모리에 저장할 수 있다. 한편, 다른 실시 예로, 운전습관 평가 장치(300)는 특정 이벤트(가령, 급 가속 이벤트 또는 급 감속 이벤트)가 발생할 때마다 운전자의 실제 감가속도 값을 수집하여 메모리에 저장할 수 있다.

운전습관 평가 장치(300)는 일반적인 인지반응 수준을 가진 운전자의 적정 감가속도와 추종차량에 탑승한 운전자의 실제 감가속도를 서로 비교할 수 있다(S550).

운전습관 평가 장치(300)는 적정 감가속도와 실제 감가속도의 비교 결과에 기초하여 운전자의 운전 습관 위험도를 평가할 수 있다(S560). 운전습관 평가 장치(300)는 추종차량이 감속 상황인 경우와 가속 상황인 경우를 구분하여 운전자의 운전 습관을 평가할 수 있다.

운전습관 평가 장치(300)는, 추종차량이 일반적인 감속 상황인 경우, 적정 감가속도 값과 실제 감가속도 값을 비교하여, 실제 감가속도 값이 적정 감가속도 값보다 크거나 같다면, 운전 습관의 위험도가 낮은 것으로 평가할 수 있고, 실제 감가속도 값이 적정 감가속도 값보다 작다면, 운전 습관의 위험도가 높은 것으로 평가할 수 있다.

따라서, 일반적인 감속 상황의 경우, 운전습관 평가 장치(300)는 실제 감가속도 값이 적정 감가속도 값보다 작은 경우의 횟수를 카운트하여 선행차량과 추종차량 간의 미시적 움직임을 운전습관으로 평가할 수 있는 판단 기준을 제시할 수 있다.

한편, 운전습관 평가 장치(300)는, 추종차량이 일반적인 가속 상황인 경우, 적정 감가속도 값과 실제 감가속도 값을 비교하여, 실제 감가속도 값이 적정 감가속도 값보다 작거나 같다면, 운전 습관의 위험도가 낮은 것으로 평가할 수 있고, 실제 감가속도 값이 적정 감가속도 값보다 크다면, 운전 습관의 위험도가 높은 것으로 평가할 수 있다.

따라서, 일반적인 가속 상황의 경우, 운전습관 평가 장치(300)는 실제 감가속도 값이 적정 감가속도 값보다 큰 경우의 횟수를 카운트하여 선행차량과 추종차량 간의 미시적 움직임을 운전습관으로 평가할 수 있는 판단 기준을 제시할 수 있다.

이상 상술한 바와 같이, 본 발명에 따른 운전 습관 평가 방법은, 추종차량과 선행차량들 간의 미시적 움직임을 교통 공학적으로 분석하여, 운전자의 급 가속 및 급 감속 동작에 대해 운전 습관으로 평가할 수 있는 객관적인 판단 기준을 제시할 수 있다. 한편, 적정 감가속도와 실제 감가속도의 비교 이외에도, 다양한 평가 요소들을 추가하여 운전자의 운전 습관을 평가할 수 있음은 당업자에게 자명할 것이다.

전술한 본 발명은, 프로그램이 기록된 매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 매체는, 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 매체의 예로는, HDD(Hard Disk Drive), SSD(Solid State Disk), SDD(Silicon Disk Drive), ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 데이터 저장 장치 등이 있으며, 또한 캐리어 웨이브(예를 들어, 인터넷을 통한 전송)의 형태로 구현되는 것도 포함한다. 또한, 상기 컴퓨터는 단말기의 제어부(180)를 포함할 수도 있다. 따라서, 상기의 상세한 설명은 모든 면에서 제한적으로 해석되어서는 아니되고 예시적인 것으로 고려되어야 한다. 본 발명의 범위는 첨부된 청구항의 합리적 해석에 의해 결정되어야 하고, 본 발명의 등가적 범위 내에서의 모든 변경은 본 발명의 범위에 포함된다.

300: 운전습관 평가 장치 310: 상대속도 계산부
320: 적정 감가속도 산출부 330: 실제 감가속도 수집부
340: 운전습관 평가부

Claims

선행차량과의 상대 거리 및 상대 속도를 기반으로 추종차량의 적정 감가속도를 산출하는 단계;
상기 추종차량의 실제 감가속도를 획득하는 단계; 및
상기 적정 감가속도와 상기 실제 감가속도의 비교 결과에 기초하여 운전자의 운전 습관을 평가하는 단계를 포함하는 운전습관 평가 방법.
제1항에 있어서,
상기 추종차량에 탑재된 ADAS(Advanced Driver Assistance System) 모듈을 이용하여 상기 선행차량과의 상대 거리를 측정하는 단계를 더 포함하는 운전 습관 평가 방법.
제1항에 있어서,
상기 선행차량과의 상대 속도는, 현재 시점의 차간 거리와 1초 전 시점의 차간 거리의 차를 통해 계산되는 운전 습관 평가 방법.
제1항에 있어서, 상기 적정 감가속도 산출 단계는,
상기 선행차량과 추종차량 간의 상대 거리 및 상대 속도에 관한 정보를 Car-Following 모델에 적용하여 일반적인 인지반응 수준을 가진 운전자의 적정 감가속도를 산출하는 운전 습관 평가 방법.
제4항에 있어서,
상기 적정 감가속도는 아래 수학식을 통해 계산되는 운전 습관 평가 방법.
[수학식]

여기서,
은 t 시점에서 선행차량의 위치,
는 t 시점에서 추종차량의 위치,
은 t 시점에서 선행차량의 속도,
은 t 시점에서 추종차량의 속도,
는 t 시점에서 추종차량의 감가속도, ψ는 운전자 인지반응시간, α, m, l은 운전자 인지반응 파라미터임.
제1항에 있어서,
OBD(On Board Diagnostics) 모듈을 통해 상기 실제 감가속도를 측정하는 단계를 더 포함하는 운전 습관 평가 방법.
제1항에 있어서, 상기 운전 습관 평가 단계는,
상기 추종차량이 감속 상황인 경우, 상기 실제 감가속도가 상기 적정 감가속도보다 크거나 같다면, 상기 운전자의 운전 습관 위험도가 낮은 것으로 평가하고, 상기 실제 감가속도가 상기 적정 감가속도보다 작다면, 상기 운전자의 운전 습관 위험도가 높은 것으로 평가하는 운전 습관 평가 방법.
제1항에 있어서, 상기 운전 습관 평가 단계는,
상기 추종차량이 가속 상황인 경우, 상기 실제 감가속도가 상기 적정 감가속도보다 작거나 같다면, 상기 운전자의 운전 습관 위험도가 낮은 것으로 평가하고, 상기 실제 감가속도가 상기 적정 감가속도보다 크다면, 상기 운전자의 운전 습관 위험도가 높은 것으로 평가하는 운전 습관 평가 방법.
선행차량과 추종차량 간의 상대 거리를 이용하여 상대 속도를 계산하는 상대속도 계산부;
상기 상대 거리 및 상대 속도를 기반으로 추종차량의 적정 감가속도를 산출하는 적정 감가속도 산출부;
상기 추종차량의 실제 감가속도를 획득하는 실제 감가속도 수집부; 및
상기 적정 감가속도와 상기 실제 감가속도의 비교 결과에 기초하여 운전자의 운전 습관을 평가하는 운전습관 평가부를 포함하는 운전 습관 평가 장치.
제9항에 있어서,
상기 선행차량과 추종차량 간의 상대 거리를 측정하는 ADAS(Advanced Driver Assistance System) 모듈을 더 포함하는 운전 습관 평가 장치.
제9항에 있어서,
상기 추종차량의 실제 감가속도를 측정하는 OBD(On Board Diagnostics) 모듈을 더 포함하는 운전 습관 평가 장치.
제9항에 있어서,
상기 적정 감가속도 산출부는, 상기 선행차량과 추종차량 간의 상대 거리 및 상대 속도에 관한 정보를 Car-Following 모델에 적용하여 일반적인 인지반응 수준을 가진 운전자의 적정 감가속도를 산출하는 운전 습관 평가 장치.
제12항에 있어서,
상기 적정 감가속도 산출부는, 아래 수학식을 이용하여 상기 적정 감가속도를 계산하는 운전 습관 평가 장치.
[수학식]

여기서,
은 t 시점에서 선행차량의 위치,
는 t 시점에서 추종차량의 위치,
은 t 시점에서 선행차량의 속도,
은 t 시점에서 추종차량의 속도,
는 t 시점에서 추종차량의 감가속도, ψ는 운전자 인지반응시간, α, m, l은 운전자 인지반응 파라미터임.
청구항 제1항 내지 제8항 중 어느 하나의 항에 기재된 방법의 각 단계를 컴퓨터 상에서 수행하기 위한 프로그램을 기록한 컴퓨터 판독 가능한 기록 매체.