KR20210034216A

KR20210034216A - 보행 분석 장치 및 방법

Info

Publication number: KR20210034216A
Application number: KR1020190115864A
Authority: KR
Inventors: 정민기; 김정균; 배명남; 이강복; 이상연
Original assignee: 한국전자통신연구원
Priority date: 2019-09-20
Filing date: 2019-09-20
Publication date: 2021-03-30
Also published as: KR102357196B1; US11113944B2; US20210090418A1

Abstract

보행시 발생하는 바닥 착지에 의한 충격값을 측정하는 단계; 시간에 따른 충격값 그래프에서 바닥착지 전 충격 구간, 자유낙하 구간 및 바닥착지에 의한 충격 구간을 식별하는 단계; 상기 바닥착지 전 충격 구간, 상기 자유낙하 구간 및 상기 바닥착지에 의한 충격 구간에 대한 하나 이상의 충격 관련 파라미터를 분석하는 단계; 및 상기 하나 이상의 충격 관련 파라미터 분석 결과에 따라 보행 관련 사고 유형을 판단하는 단계를 포함하는 보행 분석 방법이 개시된다. 본 발명에 따르면, 다양한 사고를 세분화하여 분류하여 검출함으로써 사고에서 위험요소가 될 수 있는 주요 보행 특징들을 추출할 수 있다.

Description

보행 분석 장치 및 방법{APPARATUS AND METHOD FOR ANALYZING GAIT}

본 발명은 보행 분석 장치 및 방법에 관한 것으로, 더욱 상세하게는 보행자 사고와 관련한 낙상, 추락, 추돌을 구분하여 분석 가능한 보행 분석 장치 및 방법에 관한 것이다.

보행자의 보행 중 혹은 일상생활 중에 발생할 수 있는 낙상, 추락, 추돌과 같은 사고에 대해서 사고 직후의 정확한 사고 분석·판단 및 신속한 사고 대응이 중요하다. 특히나, 노인이나 어린이의 경우 사고가 빈번하게 발생하며, 사고에 의해 치명적인 부상을 입을 위험이 높고, 부상에 대한 적절한 사고 대응이 미흡하거나 부상에 대한 미인지 및 방치로 인해 상태를 악화시켜 심하게는 목숨도 잃을 수 있다.

기존의 보행자 사고 대응을 위한 기술에는 영상 카메라를 이용하거나 신체에 관성장치들을 부착하는 방식이 있다. 이러한 방식의 경우, 영상 카메라를 이용하여 카메라 내 보행자의 움직임을 실시간으로 분석하여 사고를 판단한다. 하지만, 영상 카메라를 이용한 기술은 장치들이 미리 설치돼 있어야 하고, 고비용이 발생하며 사전 설치를 위한 공간적인 제약이 있다는 단점이 있다.

그 외에 몸에 부착하는 관성장치들을 이용한 기술에서는 주로 낙상과 기본 일상 생활의 행동을 구분하는 기술을 중심으로 개발되었다. 하지만, 이러한 종래의 낙상에 제한을 둔 방식은 다양한 환경·상황에 따른 다양한 종류의 사고를 감지할 수 없기 때문에, 이를 실생활에 적용하는데 한계가 있다. 또한, 이러한 구체적인 사고 분류의 부족뿐 아니라, 사고 유형에 따른 보행자의 위험도에 대한 분석도 제대로 이뤄지지 않았다.

또한, 종래의 구조대원, 보호자에게 사고를 알리는 방식에는 사용자에 의한 수동 신고와 자동 신고가 있다. 하지만, 신고 수준 이하의 위험도로 판단되거나 사용자의 사고 심각성에 대한 미인지로 신고가 취소 될 수 있기 때문에 이에 대한 별도의 사고 대응이 필요하다는 문제가 존재하였다.

상기와 같은 문제점을 해결하기 위한 본 발명의 목적은, 보행 분석 방법을 제공하는 데 있다.

상기와 같은 문제점을 해결하기 위한 본 발명의 다른 목적은, 상기 보행 분석 방법을 이용하는 보행 분석 장치를 제공하는 데 있다.

상기와 같은 문제점을 해결하기 위한 본 발명의 또 다른 목적은 보행 관련 사고 대응 서비스 방법을 제공하는 데 있다.

상기 목적을 달성하기 위한 본 발명의 일 실시예에 따른 보행 분석 방법은, 보행시 발생하는 바닥 착지에 의한 충격값을 측정하는 단계; 시간에 따른 충격값 그래프에서 바닥착지 전 충격 구간, 자유낙하 구간 및 바닥착지에 의한 충격 구간을 식별하는 단계; 상기 바닥착지 전 충격 구간, 상기 자유낙하 구간 및 상기 바닥착지에 의한 충격 구간에 대한 하나 이상의 충격 관련 파라미터를 분석하는 단계; 및 상기 하나 이상의 충격 관련 파라미터 분석 결과에 따라 보행 관련 사고 유형을 판단하는 단계를 포함할 수 있다.

상기 하나 이상의 충격 관련 파라미터는, 바닥 착지에 의한 충격값의 합(SIF), 자유낙하 시간(FFT), 바닥 착지 전 충격 최대값(MBF), 및 충격 최대값(MPI) 중 하나 이상을 포함할 수 있다.

상기 하나 이상의 충격 관련 파라미터는 또한, 상기 바닥착지 전 충격 구간, 상기 자유낙하 구간 및 상기 바닥착지에 의한 충격 구간의 순서, 상기 바닥착지 전 충격 구간에 대해, 상기 구간들의 순서, 각 구간의 시간, 각 구간의 시작 지점 및 끝 지점에서의 신체 기울기, 및 각 구간별 신체 기울기 변화량 중 하나 이상에 대한 파라미터를 더 포함할 수 있다.

상기 보행 관련 사고 유형을 판단하는 단계는, 상기 바닥 착지에 의한 충격값의 합(SIF), 상기 자유낙하 시간(FFT), 상기 바닥 착지 전 충격 최대값(MBF), 및 상기 충격 최대값(MPI)을 각각에 대한 임계치와 비교하여 상기 보행 관련 사고 유형이 추락인지, 추돌인지, 또는 낙상인지 판단하는 단계를 포함할 수 있다.

상기 보행 관련 사고 유형을 판단하는 단계는, 상기 보행 관련 사고 유형이 낙상인 경우, 보행자 상체의 바닥 착지 전 충격 최대값, 보행자 몸의 기울기 변화량, 자유낙하시간, 및 인솔의 노출각을 추가로 분석하여 상기 낙상이 걸림 낙상인지, 미끄러짐 낙상인지, 또는 주저앉음 낙상인지 판단하는 단계를 더 포함할 수 있다.

상기 보행 관련 사고 유형을 판단하는 단계는 또한, 상기 보행 관련 사고 유형이 추락인 경우, 보행자 자유낙하 시간, 보행자 자유낙하 시간 동안의 충격값, 보행자 바닥 착지에 의한 충격값의 합, 보행자 몸의 기울기 변화량을 추가로 분석하여 떨어지는 도중 1차 충격 후 추락, 높은 곳에서의 자유낙하 추락인지 판단하는 단계를 더 포함할 수 있다.

상기 보행 관련 사고 유형을 판단하는 단계는 또한, 상기 보행 관련 사고 유형이 추돌인 경우, 보행자 바닥 착지에 의한 충격값의 합, 보행자 몸의 기울기 변화량, 보행자 상하체의 바닥 착지 전 충격값, 바닥 착지 전 걸음수, 보행자 보행 통계량 정보(보행자 가속도, 각속도, 속도)를 추가로 분석하여 이동체 탑승 중 추돌, 보행 중 추돌인지 판단하는 단계를 더 포함할 수 있다.

한편, 상기 보행 분석 방법은 판단된 사고 유형 및 하나 이상의 부가 정보에 기반하여 사고 위험도를 산출하는 단계를 더 포함할 수 있다.

상기 보행 분석 방법은 또한, 사고 이벤트 발생 후 보행자의 보행 특징을 분석하는 단계; 상기 사고 이벤트 발생 후의 보행 특징을 상기 사고 이벤트 발생 전의 보행 특징과 비교하는 단계; 및 상기 비교 결과에 따라 사고 이벤트에 따른 보행자의 이상 여부를 판단하는 단계를 더 포함할 수 있다.

상기 하나 이상의 부가 정보는 생체 이상 요소, 위험지역 내 위치 요소, 및 사용자 위험군 요소를 포함할 수 있다.

상기 목적을 달성하기 위한 본 발명의 다른 실시예에 따른 보행 분석 장치는, 프로세서; 및 상기 프로세서를 통해 실행되는 적어도 하나의 명령을 저장하는 메모리를 포함할 수 있다.

상기 적어도 하나의 명령은, 보행시 발생하는 바닥 착지에 의한 충격값을 측정하도록 하는 명령; 시간에 따른 충격값 그래프에서 바닥착지 전 충격 구간, 자유낙하 구간 및 바닥착지에 의한 충격 구간을 식별하도록 하는 명령; 상기 바닥착지 전 충격 구간, 상기 자유낙하 구간 및 상기 바닥착지에 의한 충격 구간에 대한 하나 이상의 충격 관련 파라미터를 분석하도록 하는 명령; 및 상기 하나 이상의 충격 관련 파라미터 분석 결과에 따라 보행 관련 사고 유형을 판단하도록 하는 명령을 포함할 수 있다.

상기 보행 관련 사고 유형을 판단하도록 하는 명령은, 상기 바닥 착지에 의한 충격값의 합(SIF), 상기 자유낙하 시간(FFT), 상기 바닥 착지 전 충격 최대값(MBF), 및 상기 충격 최대값(MPI)을 각각에 대한 임계치와 비교하여 상기 보행 관련 사고 유형이 추락인지, 추돌인지, 또는 낙상인지 판단하도록 하는 명령을 포함할 수 있다.

상기 보행 관련 사고 유형이 낙상인 경우, 상기 보행 관련 사고 유형을 판단하도록 하는 명령은, 보행자 상체의 바닥 착지 전 충격 최대값, 보행자 몸의 기울기 변화량, 자유낙하시간, 및 인솔의 노출각을 추가로 분석하여 상기 낙상이 걸림 낙상인지, 미끄러짐 낙상인지, 또는 주저앉음 낙상인지 판단하도록 하는 명령을 더 포함할 수 있다.

상기 적어도 하나의 명령은, 판단된 사고 유형 및 하나 이상의 부가 정보에 기반하여 사고 위험도를 산출하도록 하는 명령을 더 포함할 수 있다.

상기 적어도 하나의 명령은, 사고 이벤트 발생 후 보행자의 보행 특징을 분석하도록 하는 명령; 상기 사고 이벤트 발생 후의 보행 특징을 상기 사고 이벤트 발생 전의 보행 특징과 비교하도록 하는 명령; 및 상기 비교 결과에 따라 사고 이벤트에 따른 보행자의 이상 여부를 판단하도록 하는 명령을 더 포함할 수 있다.

상기 사고 이벤트 발생 후 보행자의 보행 특징을 분석하도록 하는 명령은, 보행 중 좌우발의 에너지 변화를 검출하도록 하는 명령; 및 발꿈치를 딛는 구간 및 발가락을 떼는 구간에서의 에너지 변화에 따라 보행 패턴을 검출하도록 하는 명령을 포함할 수 있다.

상기 또 다른 목적을 달성하기 위한 본 발명의 일 실시예에 따른 보행 관련 사고 대응 서비스 방법은, 보행시 발생하는 바닥 착지에 의한 충격값 그래프에서 바닥착지 전 충격 구간, 자유낙하 구간 및 바닥착지에 의한 충격 구간을 식별하는 단계; 식별된 각 구간에 대한 하나 이상의 충격 관련 파라미터를 분석하여 보행 관련 사고 유형을 판단하는 단계; 판단된 사고 유형, 생체 이상 요소, 위험지역 내 위치 요소, 및 사용자 위험군 요소 중 적어도 하나에 기반하여 사고 위험도를 산출하는 단계; 및 산출된 사고 위험도에 따라 사고 대응 서비스를 수행하는 단계를 포함할 수 있다.

상기 식별된 각 구간에 대한 하나 이상의 충격 관련 파라미터를 분석하여 보행 관련 사고 유형을 판단하는 단계는, 상기 바닥 착지에 의한 충격값의 합(SIF), 상기 자유낙하 시간(FFT), 상기 바닥 착지 전 충격 최대값(MBF), 및 상기 충격 최대값(MPI) 중 적어도 하나를 각각에 대한 임계치와 비교하여 상기 보행 관련 사고 유형이 추락인지, 추돌인지, 또는 낙상인지 판단하는 단계를 포함할 수 있다.

상기와 같은 본 발명에 따르면, 실제 발생할 수 있는 다양한 사고를 분류하여 검출함으로써, 실제 사고에서 위험이 되는 주요 보행 특징들을 추출할 수 있다.

본 발명은 또한, 이러한 방법을 바탕으로 사용자 이력정보, 생체 정보와 위치/위험지역 정보를 종합적으로 활용하여 위험도를 계산하고 사고를 신속하게 대응할 수 있다.

또한, 사고 의심 상황에서 보행자의 평소 보행 특징 및 패턴과 비교 분석하여 사고에 대응함으로써, 신고 오탐율을 줄이고 사용자의 사고 심각성에 대한 미인지와 방치로 인해 발생할 수 있는 큰 부상들을 미연에 방지할 수 있다.

본 발명의 일 실시에에 따른 보행 분석 장치는, 저가이며 크기가 작고 신체 부착이 용이하다. 또한, 상체의 일부(예를 드렁, 허리, 목, 주머니)나 하체의 일부에 착용(예를 들어, 신발의 인솔의 형태로)이 용이하여 휴대가 편리하다.

도 1은 본 발명의 일 실시예에 따라 시제품 형태로 제작된 보행 분석 장치의 외관이다.
도 2a 내지 도 2c는 본 발명의 실시예들에 따라 보행자의 신체에 부착된 보행분석 장치의 부착 예를 도시한다.
도 3은 본 발명의 일 실시예에 따른 보행분석 시스템의 블록 구성도이다.
도 4는 본 발명에 적용되는 보행시 충격값을 나타내는 그래프에서 곡선 모양 분석 방법을 나타낸 도면이다.
도 5a 및 도 5b는 보행시 충격값을 나타내는 그래프에서 주요 구간을 나타낸 도면이다.
도 6은 보행시 충격값을 나타내는 그래프에서 본 발명에 따른 보행 분석에 활용되는 여러 파라미터들을 나타낸 도면이다.
도 7a 및 7b는 본 발명의 일 실시예에 따라 낙상 관련 사고 유형을 판단하는 방법의 동작 순서도이다.
도 8은 본 발명의 실시예에 따른 사고유형별 위험도 점수의 일 예를 나타낸 테이블이다.
도 9는 본 발명의 실시예에 따른 사용자 위험군 요소 점수의 일 예를 나타낸다.
도 10은 본 발명에 따른 위험도 점수별 사고 판단 결과의 일 예를 나타낸다.
도 11a 및 11b는 본 발명에 따라 판단된 위험도에 따른 사고 대응 서비스 방법의 일 실시예를 나타낸다.
도 12는 본 발명에 적용되는 보행시 가속도 신호의 주파수 특성 분석의 예를 나타낸다.
도 13a는 본 발명에 따른 HS 구간에서의 CWT 계수 변화를 나타낸 도면이고, 도 13b는 본 발명에 따른 TO 구간 에서의 CWT 계수 변화를 나타낸 도면이다.
도 14는 본 발명의 일 실시예에 따른 보행자 사고 대응 서비스 방법의 동작 순서도이다.
도 15는 본 발명의 다른 실시예에 따른 초해상도 영상 생성 장치의 블록 구성도이다.

본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다.

제1, 제2, A, B 등의 용어는 다양한 구성요소들을 설명하는 데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. "및/또는"이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.

어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.

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

다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.

본 발명은 실생활에 적용 가능하기 위해서 다양한 상황에 따라 발생할 수 있는 다양한 종류의 사고를 분류 및 정의하고, 이를 위해 보행자의 신체에 착용하는 보행분석장치를 통해 주요 보행 특징 검출 및 알고리즘을 제안한다. 또한, 각 사고 유형에 따른 보행자의 위험도를 분석하고 적절한 사고 대응을 함으로써, 실제 활용 가능하고 효율적인 보행자 사고 대응 서비스를 제공하는 것을 목적으로 한다.

이를 위해 본 발명에서는, 노인, 어린이를 포함한 일반인들이 자주 발생하고 치명적인 사고에 대한 실제 사례들을 바탕으로 보행자가 보행 중 혹은 일상생활 중에 발생하는 사고를 대응하기 위해 사고에 대해 새롭게 분류하여 정의하였다. 사고는 장애물 걸려 넘어짐, 제자리 쓰러짐(앞, 뒤, 좌우 방향 넘어짐), 미끄러짐과 같은 낙상, 높은 곳에서 곧바로 바닥으로 착지하거나 도중에 물체에 1차 충격을 받고 바닥에 착지하는 추락, 보행 중 또는 이동체 탑승 중 외부의 물체(단단한 물체, 부드러운 물체)에 의해 강하게 충돌하여 바닥에 착지하는 추돌들로 구분하였다. 이는 모두 공통적으로 착지에 의해 바닥 면으로부터 충격을 받는다.

다시 말해, 본 발명의 실시예에서는 사고 유형을 분류하고 위험도를 분석하기 위해 보행 특징들을 추출한다. 본 발명에서는 이를 위해 종래에는 제시되지 않았던 요소들을 제시하는데, 사고의 경우 모두 바닥 착지에 의한 충격이 발생하기 때문에, 사고 유형 구분 위해서 주요 구간들을 검출하고 분석하는 구성이 가장 중요한 부분이 될 수 있다. 여기서, 주요 구간은 바닥 착지에 의한 충격 전 상체 또는 하체가 받는 1차 충격 구간, 자유낙하 구간, 바닥 착지에 의한 충격 구간 등을 포함할 수 있다. 본 발명에서는 또한, 이러한 주요 구간과 각 구간에서 검출 가능한 보행 특징들을 이용하여 사고 유형을 분류하고, 사고 유형에 가중치를 더해 보행자의 생체 정보, 위치/위험 정보를 활용하여 위험도를 계산함으로써 사고에 대응할 수 있다.

추가적으로 본 발명에서는, 사고 후 사고 발생 시점 전후의 보행 특징 및 패턴들을 분석한다. 이는 사고 이후에 보행자가 어느 정도 위험한지, 도움이 필요한지에 대한 사고 대응에 관점을 두고 사고 유형들을 분석하기 위함이다.

이를 위해 본 발명에서는, 보행자(교통약자)의 가속도/자이로 센서 데이터 측정을 바탕으로 (1) 주요한 보행 특징들을 추출하여 새로 정의한 다양한 사고 유형을 분류하는 알고리즘을 제안하고, (2) 각 사고 유형별 가중치를 두고 사용자 정보, 생체정보, 위치/위험지역 정보를 반영하여 위험도를 계산하는 복합적 사고 분석·판단을 통해 사고 대응 서비스를 제공하는 것을 목적으로 한다.

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

도 1은 본 발명의 일 실시예에 따라 시제품 형태로 제작된 보행 분석 장치의 외관이다.

도 1에 도시된 바와 같이, 시제품 형태로 제작된 보행 분석 장치는 27mm*18mm의 크기를 가지도록 제작되었다. 본 발명에 따른 보행 분석 장치는 통신 모듈, IMU(Inertial Measurement Unit) 센서(또는 가속도/자이로 센서), 프로세서 등의 구성요소를 포함할 수 있다. 보행 분석 장치는 보행자의 신체에 부착되어 보행자에게 발생하는 사고를 인지하고 보행 특징을 검출할 수 있다.

도 2a 내지 도 2c는 본 발명의 실시예들에 따라 보행자의 신체에 부착된 보행분석 장치의 부착 예를 도시한다.

도 2a는 본 발명에 따른 보행 분석 장치가 보행자의 상체 목 부위에 장착된 모습을, 도 2b는 본 발명에 따른 보행 분석 장치가 보행자의 상체 허리 부위에 장착된 모습을, 도 2c는 본 발명에 따른 보행 분석 장치가 보행자의 하체 발 부위, 즉, 신발의 인솔에 장착된 모습을 나타낸다.

이처럼 본 발명에 따른 보행 분석 장치는, 보행자의 상체(예: 목걸이, 허리밴드, 벨트) 또는 하체(예: 신발의 인솔)에 부착되어 사용될 수 있으며, 그 형태 또는 부착 위치가 도 1 및 도 2a 내지 도 2c를 통해 제시된 예로 한정되지 않는다.

도 3은 본 발명의 일 실시예에 따른 보행분석 시스템의 블록 구성도이다.

본 발명에 따른 보행 분석 장치(100)는 이동 단말(200), 스마트워치(300), 서버(400) 등과 연동하여 동작할 수 있다. 본 명세서에서는, 하나 이상의 보행 분석 장치(100), 이동 단말(200), 서버(300), 선택적으로 스마트워치 등의 부가 장비를 포함하는 시스템을 보행분석 시스템이라 칭한다.

보행 분석 장치(100)는 예를 들어, 좌측, 신발, 우측 신발, 및 벨트 등 사용자 신체 여러 곳에 장착될 수 있다. 보행 분석 장치(100)의 가속도/자이로 센서는 관성 데이터를 수집하여 사고를 인지하고 보행 특징을 분석할 수 있다. 보행 분석 장치(100)는 사고인지 알림을 이동 단말에 전송하고, 수집한 관성 데이터와 보행 특징 데이터를 이동 단말(200)로 전송한다. 이동 단말은 수집된 데이터들을 바탕으로 사고 유형을 분류하여 판단한다. 이동 단말과 보행 분석 장치는 각각 프로세스를 내장하며, 보행 특징 및 사고를 분산·판단하기 위한 연산을 분산 처리할 수 있다. 따라서, 연산이 신속하고 배터리 소모가 효율적이다.

또한, 이동 단말(200)은 스마트워치로부터 보행자의 생체정보(심박수, 체온 정보 등)를 수집하여 평상시와 비교하여 사고 시점 이후 보행자의 생체 수치가 얼마나 변했는지, 생체 수치가 정상 범위를 벗어나는지 등을 분석함으로써 생체 이상을 판단한다. 또한, 이동 단말(200)은 내장된 GPS로부터 수집된 사용자 위치 정보와 서버(300)에서 외부 시스템인 교통사고분석시스템(TAAS)과 연동하여 수집한 위험지역 정보(보행자 사고다발 지역, 연령대별 사고 다발 지역 등)를 비교하여 사용자가 현 위치 기준 위험 지역에 위치하는지 확인할 수 있다. 서버(300)는 이동 단말이 제공하는 데이터로부터 이상 거동 또는 보행 특징을 추출하여 정밀 사고분석을 수행할 수 있다.

보행자의 기본 정보(예를 들어, 신체정보, 보호자 연락처 등), 설정 정보(예를 들어, 장치설정 정보, 위치/음성/카메라/파일 활용 동의 정보 등), 사고이력(예를 들어, 사고 분석 결과, 사고 대응 결과 등) 정보, 파일 로그(센서 데이터, 생체 데이터, 위치 데이터 등) 정보 등은 이동 단말(200)의 앱 저장 모듈이나 서버의 저장 모듈에 저장될 수 있다.

본 실시예에서는 연산의 부담을 고려하여 보행 특징 검출을 수행하는 동작 주체를 보행 분석 장치로, 사고 유형을 분석하고 위험도를 계산하는 동작 주체를 이동 단말로 설명하였다. 하지만, 사고 유형 분석 및 위험도 계산은 보행 분석 장치에 의해 수행될 수도 있다.

본 발명에서는 또한, 앞서 설명한 각 정보들을 종합하여 위험도를 계산하고 사고 대응 서비스를 제공할 수 있다. 수동 신고, 자동 신고인 경우는 공통적으로 보호자와 구조자(119 구조센터)에 신고 알림을 보내고, 사고가 의심되는 경우는 정밀 사고 분석·판단(사고 의심 후와 평상시 보행 특징 및 패턴을 비교)하여 그 결과를 사용자와 보호자에게 알릴 수 있다.

도 4는 본 발명에 적용되는 보행시 충격값을 나타내는 그래프에서 곡선 모양 분석 방법을 나타낸 도면이다.

본 발명에서 보행자의 보행특징을 추출하는 방법은 바닥 착지에 의한 충격 구간, 바닥 착지 전 자유낙하시간, 및 착지 전 충격 구간을 검출하는 것을 기본으로 한다.

따라서, 본 발명에서는 바닥 착지에 의한 충격 구간을 검출하고, 바닥 착지 전 자유낙하 시간과 착지 전 충격 구간을 검출하는 방법을 제시한다. 본 발명에 따른 충격 구간 검출은 시간에 따른 충격값(AVM, Amplitude Vector Magnitude)을 바탕으로 계산에 의해 이루어진다. 여기서, 보행시 바닥에 의해 보행자에 가해지는 충격값은 각 축의 가속도 값 제곱의 합의 제곱근으로 나타낼 수 있으며, 이는 아래 수학식 1과 같이 표현할 수 있다.

수학식 1에 나타낸 충격값은 3축 가속도 센서에서 측정된 가속도 크기이다. 여기서, Ax는 x 축에서의 가속도 값을, Ay는 y 축에서의 가속도 값을, Az 는 z 축에서의 가속도 값을 나타낸다.

바닥 착지에 의한 충격 구간(Floor landing section)은 시간 임계치 분석 방법, 곡선 모양 분석 방법, 스위칭 분석 방법을 등을 선택적으로 이용하여 산출될 수 있다.

시간 임계치 분석 방법은, 사고 이벤트 발생 시점 이전 충격값의 피크와 피크 사이 간격이 임계치 th₀ 이하를 만족하면(선택사항: peak와 peak 사이에 1g이하를 만족하는 지점이 포함되어야 함), 바닥 착지에 의한 연속된 충격으로 간주한다. 임계치 th₀는 일정 범위(예를 들어, 최대 1초)로 고정되는 상수값이며, 보행자의 체중에 영향을 받아 체중이 증가할수록 th₀가 감소한다.

곡선 모양 분석 방법은, 사고 이벤트 발생 시점 이전 충격값이 임계치 th₁ 이상이 되는 지점을 구하고 각 지점간 그래프 곡선의 높이(height; h), 폭(width; w), 곡선의 표면 파라미터(R_ku)를 산출한다.

도 4에서, h는 충격값의 최대와 골밑의 최소값 간의 길이를 나타내고, w는 앞의 최대값과 최소값 구간의 중간값을 평행선으로 놓았을 때 좌우 곡선과 교차하는 지점들 사이의 길이를 나타낸다. R_ku는 기준 길이(l) 내에서 그래프 곡선의 충격량을 Z(x)라 했을 때, Z(x)의 3제곱 평균을 R_q의 3제곱으로 나눈 값을 의미한다. R_q는 제곱 평균 제곱근 높이를 나타내며 Z(x)와 기준 중심선 차의 절대값의 산술 평균으로 산출할 수 있다.

아래 수학식 3에 나타난 바와 같이, 폭(Width)에 대한 임계치 th₃는 높이(height)가 큰 값을 가지고, 지점간 곡선의 최소값이 0에 가까울수록 작은 값을 갖는다.

수학식 3에서 α는 0에서 1 사이의 값을 갖는 상수이다.

해당 구간이 곡선의 높이가 임계치 th₂ 이상을 만족하고, 폭이 임계치 th₃ 이하를 만족하면, 바닥 착지에 의한 연속된 충격 구간으로 간주한다.

한편, 스위칭 분석 방법은 충격 그래프에 대한 미분 결과에 대해 이벤트 발생 시점 이전 충격값이 임계치 th₄ 이상이 되는 지점들 사이의 구간에 대해 +/- 교차되는 시점의 회수를 구하여 일정 횟수 이상을 만족하면, 해당 구간을 바닥 착지에 의한 연속된 충격 구간으로 간주한다.

도 5a 및 도 5b는 보행시 충격값을 나타내는 그래프에서 주요 구간을 나타낸 도면이다.

도 5a를 참조하면, 그래프 상에서 바닥 착지에 의한 충격 구간(50)을 기준으로, 이전에 바닥 착지 전 충격 구간(51) 및 자유낙하 구간(Free-fall section)(52)이 위치한다. 이들 구간은 본 발명에 따른 보행 분석에 활용되는 중요한 특징 또는 파라미터와 연관된다.

자유낙하 구간(Free-fall section)(52)은 바닥 착지에 의한 충격 구간 바로 전에 발생한다. 바닥에 의한 충격 최초 충격 피크의 직전 충격값이 임계치 th₅ 이하가 되는 시점이 자유낙하 종료 시점으로 설정되고, 종료 시점 이전에 임계치 th₆ 이상이 되는 시점이 자유낙하 시작 시점으로 설정될 수 있다. th₅와 th₆은 각각 1g - 3g, 0.1g - 1g 범위 내의 고정 상수값이고, 자유낙하 시간(FFT, Free-Fall Time)은 0초 이상을 갖는다.

바닥 착지 전 충격 구간(Impact section before floor landing)(51)은 바닥 착지 구간 이전에 신체가 충격을 받는 구간이며, 임계치 th₇ 이상이 되는 시점부터 다시 th₇ 이하가 되는 시점까지의 구간을 의미할 수 있다. 바닥 착지 전 충격 구간(51)에서 가장 큰(maximum) 충격값을 바닥 착지 전 충격 최대값(MBF, MPI Before Floor Landing)이라 하며 상체와 하체에 대해서 각각 MBF_waist, MBF_insole로 나타낼 수 있다.

도 5a에 도시된 그래프는 바닥 착지에 의한 충격 구간(50) 전에 바닥 착지 전 충격 구간(51) 및 자유낙하 구간(Free-fall section)(52)을 포함하고 있으나, 도 5b의 그래프는 바닥 착지에 의한 충격 구간(50) 전에 자유낙하 구간(52)만을 포함하고 바닥 착지 전 충격 구간을 포함하고 있지 않다. 도 5a의 그래프가 나타내는 충격의 유형은 도 5b의 그래프가 나타내는 충격의 유형과 다른 것임을 유추할 수 있다.

본 발명에 따른 사고 유형 판단에 활용되는 주요 특징들은 구간의 순서, 각 구간의 시간, 각 구간의 시작과 끝부분 지점의 신체 기울기(TAP, Tilt Angle Point), 각 구간별 신체 기울기 변화량(TVS, Tilt Variation in each Section), 바닥 착지에 의한 충격값의 합(SIF, Summation of Impact for Floor landing), 자유낙하 시간(FFT), 바닥 착지 전 충격 최대값(MBF_{waist, insole}) 등이다.

도 6은 보행시 충격값을 나타내는 그래프에서 본 발명에 따른 보행 분석에 활용되는 여러 파라미터들을 나타낸 도면이다.

도 6을 참조하면, 본 발명에 따라 사고 유형을 판단하는 데 추가적으로 사용될 수 있는 충격(AVM)을 이용한 특징으로, 바닥 착지에 의한 충격 시간(PDI, Peak Duration Index), 바닥 착지에 의한 충격 중심점 간의 시간차(IDI, Impact Duration Index), 자유낙하시간 동안의 충격 최소값(MVI, Minimum Valley Index), AAMV(Average absolute Acceleration Magnitude Variation), 바닥 착지에 의한 충격 최대값(MPI, Maximum Peak Impact), ARI(Activity Ratio Index), 자유낙하 구간 전 총 걸음수(SCI, Step Count Index) 등이 있다.

도 6을 참조하면, FFI(Free Fall Index)는 자유 낙하 구간에서의 AVM의 평균 값이다. AAMV(Average absolute Acceleration Magnitude Variation)는 일정 시간(window) 내에 가속도 변화량의 크기 평균이다. ARI(Activity Ratio Index)는 바닥에 의한 착지 구간 내의 총 샘플 수 대비 충격량이 특정 값(범위는 0.8g~8g로 함) 이상이 되지 않는 샘플 수 비율로 정의될 수 있다. 또한, SCI는 발 구르기 전 움직임에 의해 발생하는 밸리(valley)와 피크(peak)의 연속되는 특징을 이용하여 계산할 수 있다.

도 7a 및 7b는 본 발명의 일 실시예에 따라 낙상 관련 사고 유형을 판단하는 방법의 동작 순서도이다.

본 발명에서는 사고 유형을 판단하기 위해 보행시 충격값을 나타내는 그래프 상의 주요 구간과 보행 특징(또는 파라미터)들을 이용한다. 본 발명에서는 사고 유형을 크게 낙상, 추락, 추돌로 구분할 수 있다.

본 발명의 일 실시예에 따른 사고 유형 판단 방법에 따르면, 사고로 인지되는 이벤트가 발생하는 경우, 사고 유형을 분석하고(S700), 사고 유형이 낙상인 경우에는 낙상의 세부 유형을 판단하는 절차(S750)를 추가로 수행할 수 있다.

사고 유형을 판단하는 절차(S700)에서는, 바닥 착지에 의한 총 충격값의 합(SIF; Summation of Impact for Floor landing)이 특정 임계치 th₈ 이상을 만족하면(S710의 예), 추가적으로 MBF(MPI Before Floor Landing)이 임계치 th₉ 이상을 만족하는지 검토한다(S720). MBF이 임계치 th₉ 이상인 경우는 추돌로 판단하고(S722), 그렇지 않으면 추락으로 판정한다(S721). 여기서, 임계치 th₈ 은 예를 들어, 200 내지 1000의 범위 내일 수 있다. 또한, 임계치 th₉ 은 1g 이상일 수 있다.

이 때, 추락으로 판단된 경우는 추락의 세부 유형을 구분하기 위해 추가 분석을 수행할 수 있다. 보다 구체적으로, 상체와 하체에 모두 보행 분석 장치가 부착된 상태라면, 두 부위에 부착된 장치들에 의해 산출된 MBF을 비교하여 추락에 의한 바닥 착지 전 1차 충격이 있는지 판단하고 일반 추락인지 추락 도중 부딪힘이 발생한 경우인지 세부적으로 구별하여 판단할 수 있다.

즉, 보행 관련 사고 유형이 추락인 경우, 보행자 자유낙하 시간, 보행자 자유낙하 시간 동안의 충격값, 보행자 바닥 착지에 의한 충격값의 합, 보행자 몸의 기울기 변화량을 추가로 분석하여 떨어지는 도중 1차 충격 후 추락, 높은 곳에서의 자유낙하 추락인지 판단하는 단계를 더 포함할 수 있다.

또한, 보행 관련 사고 유형이 추돌인 경우, 보행자 바닥 착지에 의한 충격값의 합, 보행자 몸의 기울기 변화량, 보행자 상하체의 바닥 착지 전 충격값, 바닥 착지 전 걸음수, 보행자 보행 통계량 정보(보행자 가속도, 각속도, 속도)를 추가로 분석하여 이동체 탑승 중 추돌, 보행 중 추돌인지 판단하는 단계를 더 포함할 수 있다.

한편, 단계 710으로 돌아가, SIF가 th₈이상을 만족하지 못하는 경우(S710의 아니오), 자유낙하시간(FFT)이 임계치 th₁₀ 이상을 만족하는지 판단한다(S730). 자유낙하시간(FFT)이 임계치 th₁₀ 이상인 경우, 추락으로 판단하고(S721), 그렇지 않은 경우에는 충격최대값(MPI)에 대한 판단을 추가로 수행한다(S740). 충격 최대값이 임계치 th₁₁ 이상을 만족하면 추돌로 판단한다(S722). 여기서, 임계치 th₁₀ 은 0.1s 이상의 값으로 설정될 수 있다.

반대로, 충격 최대값이 임계치 th₁₁ 이상을 만족하지 못하는 경우는 낙상으로 판단할 수 있다(S745). 즉, SIF가 th₈이하이고, FFT가 th₁₀ 이하이고, MPI가 th₁₁ 이하인 경우는 낙상으로 분류한다. 임계치 th₁₁ 은 예를 들어, 1g로 설정될 수 있다.

한편, 낙상으로 구분된 경우(S745)는 상체와 하체 모두 보행 분석 장치로 연결되어 있는 상태이면, 낙상의 종류를 세부화하여 구분할 수 있다.

보다 구체적으로 도 7b를 참조하면, 낙상의 세부 유형을 구분하는 절차(S750)에서, 하체 부위의 MBF(MBF')이 임계치 th₁₂ 이상을 만족하면 "걸림 낙상"으로 판정한다(S752). 반면, 하체 부위의 MBF (MBF')이 임계치 th₁₂ 미만인 경우, 자유낙하시간(FFT)이 임계치 th₁₃ 이상이고 자유낙하 동안에 몸의 기울기 변화량(TVS)이 임계치 th₁₄이상인지 추가로 판단한다(S753). 자유낙하시간(FFT)이 임계치 th₁₃ 이상이고 자유낙하 동안에 몸의 기울기 변화량(TVS)이 임계치 th₁₄이상인 경우, 해당 사고 이벤트를 "미끄러짐 낙상"으로 판단한다(S754). 자유낙하시간(FFT)이 임계치 th₁₃ 이상이고 자유낙하 동안에 몸의 기울기 변화량(TVS)이 임계치 th₁₄이상이 아닌 경우(S753의 아니오), 하체 부분의 기울기 변화량(TVS) 또는 인솔의 노출각이 임계치 th₁₅ 이상인지 판단한다(S755). 하체 부분의 기울기 변화량(TVS) 또는 인솔의 노출각이 임계치 th₁₅ 이상이면, "주저앉음 낙상"으로 판정한다(S756). 한편, 하체 부분의 기울기 변화량(TVS) 또는 인솔의 노출각이 임계치 th₁₅ 미만이라면 사고 없음으로 판단한다(S757).

본 발명의 다른 실시예에 따르면, 추가적으로, PDI, IDI, MVI, AAMV, MPI, ARI, SCI 등의 파라미터를 이용하여 앞서 설명한 사고 유형 판단의 정확도를 높일 수 있다. PDI는 낙상하는 표면을 구분하는 데 사용되어 특정 값(대략 50-120ms) 이하의 값을 가지면 낙상으로 판단할 수 있다. 또한, IDI, MVI는 단순히 센서의 충격에 의한 오류를 구분하는 특징으로 활용하여, 각각이 특정값(예를 들어, 0.5s, 0.7g) 이하를 만족하면 낙상으로 간주한다. 그 밖에 AAMV, MPI, ARI, SCI 는 단순 걷기, 뛰기, 눕기, 앉기, 점프 등의 일상 동작들을 구분하는 데 사용될 수 있다.

도 7a 및 도 7b를 통해 도시된 실시예는 본 발명에 따른 다양한 실시예들 중 하나일 뿐이며, 도시된 단계들의 선후 또는 임계치에 대한 다양한 변경 또는 변형이 가능하다.

사고유형에 대한 판단이 완료되면 본 발명에 따른 위험도 계산 절차(S760)로 진행할 수 있다.

도 8은 본 발명의 실시예에 따른 사고유형별 위험도 점수의 일 예를 나타낸 테이블이다.

본 발명에서는 사고유형에 대해 총 4가지 요소를 활용하여 위험도를 계산한다. 본 발명에서 위험도를 판단하는 가장 기본적인 요소는 사고유형 위험 요소이다. 또한, 본 발명에 따라 위험도를 판단하기 위해 활용되는 부가적인 3가지 요소로서, 생체 정보, 위치/위험지역 정보, 사용자 이력 정보가 사용될 수 있다.

한편, 앞서 살펴본 바와 같이 보행분석장치가 장착된 상태(상체만 장착, 하체만 장착, 상체와 하체 모두 장착 등)에 따라 사고유형 분류 알고리즘이 달라지고, 사고유형 판단 정확도가 달라질 수 있다.

따라서, 본 발명에 따른 사고유형 위험 요소 점수는 사고유형별 점수와 보행 분석 장치별 판단 정확도를 반영하여 아래 수학식 4과 같이 계산할 수 있다.

이렇게 산출된 사고유형별 위험요소 점수는 도 8에 도시된 바와 같이 나타낼 수 있다. 도 8을 참조하면, 세부적인 사고유형별로 위험도 점수가 다르게 설정될 수 있음을 알 수 있다. 또한, 일반적인 낙상의 경우 추락이나 추돌보다 위험요소 점수가 전반적으로 낮지만, 미끄러짐 또는 뒤로 착지인 낙상의 경우는 위험도가 높게 산정된 것을 알 수 있다.

또한, 본 발명의 일 실시예에 따른 사고 위험도(R)는 사고유형 위험 요소 점수(A), 생체 이상 요소 점수(B), 위험지역 내 위치 요소 점수(C), 사용자 위험군 요소 점수(D)의 합으로 계산될 수 있다. A의 범위는 0 내지 3이고, B, C, D의 범위는 0 내지 1이다.

따라서, 기본 요소인 사고유형 위험 요소를 제외한 3가지 부가적인 요소는 아래와 같이 수집 가능한 상태에 따라 독립항으로 위험도 계산에 더해질 수 있다.

생체 이상 요소 점수(B)는 정상인의 심박수/체온 수치 범위에서 벗어난 정도에 비례하고, 보행자의 평상 시 심박수/체온 범위에서 벗어난 정도에 비례한다. 또한, 현재 보행자의 상태(걷는 중(=1), 뛰는 중(=0.7), 운동 중(=0.2), 이동체 탑승 중(=1) 등)에 따라서 영향도(α)가 결정되고, B_{심박수/체온} = α X (정상 심박수/체온 벗어난 정도 + 평상 시 심박수/체온 벗어난 정도) / 2으로 나타낼 수 있다. 이 때, B는 max(B_심박수, B_체온)로 결정될 수 있다.

위험지역 내 위치 요소 점수(C)는 보행자의 현 위치가 보행자 사고다발 지역 내 포함되어 있거나 그 외 어느 특정 장소에 있는가에 따라 점수가 차등 부여된다. 예를 들어, 차도 위에 있는가(1점), 인도 위에 있는가(0.5점), 건물 내 있는가(0.1점), 본인 집에 있는가(0점)등에 따라 차등적으로 점수를 부여한다.

사용자 위험군 요소 점수(D)는 사용자의 연령대와 체질량 지수(BMI(Body Mass Index)=몸무게(kg)/(신장(m))²) 수치에 따라 차등 적용된다. 이는 실제 사고가 사용자의 연령대와 비만도에 따라 작은 사고라 해도 치명적일 수 있기 때문이다.

도 9는 본 발명의 실시예에 따른 사용자 위험군 요소 점수의 일 예를 나타낸다.

도 9를 참조하면, 사용자 위험군 요소 점수는 연령별 위험군 요소 점수 및 BMI 수치별 위험군 요소 점수에 따라 결정될 수 있다.

예를 들어, 사용자 위험군 요소의 사용자의 연령대와 체질량 지수 영향 비율이 8:2라 하고 각각 α,

로 나타내면, α = 0.8,

= 0.2(∵α +

= 1) 이 되고, 위험도 D = α(AGE_RISK) +

(BMI_RISK)로 나타낼 수 있다. AGE_RISK는 연령별 위험군 요소 점수를 나타내고, BMI_RISK는 BMI 수치별 위험군 요소 점수를 타낸다.

도 10은 본 발명에 따른 위험도 점수별 사고 판단 결과의 일 예를 나타낸다.

앞서 실시예를 통해 설명한 바와 같이 위험도를 계산하면, 위험도 점수에 따라 차등적으로 사고 대응을 수행할 수 있다. 예를 들어, 도 10에 도시된 바와 같이 위험도 점수에 따라 사고 판단 결과를 사고 의심, 경고, 위험, 위급으로 구분할 수 있다. 도 10의 예의 경우에는, 사고 판단 결과 경고인 경우가 될 수 있는 점수 범위를 넓게 설정하여 보행자가 수동으로 사고를 신고하도록 유도하여 사고 판단 오작동(오탐)에 의한 사고 신고 접수 확률을 줄일 수 있도록 하였다.

도 11a 및 11b는 본 발명에 따라 판단된 위험도에 따른 사고 대응 서비스 방법의 일 실시예를 나타낸다.

본 발명에 따라 사고의 위험도를 판단하고 그에 따른 사고 대응을 수행하기 위해서는 발생된 사고에 대한 유형을 판단하는 절차가 선행된다(S700). 사고 유형을 판단하는 바람직한 일 실시예는 도 7을 통해 제시된 바 있다.

사고 유형 판단이 완료되면, 판단된 사고 유형에 기반하여 사고를 복합적으로 분석하고 판단한다(S1100). 보다 구체적으로, 보행자가 착용한 스마트워치, 스마트밴드 등의 기기로부터 맥박, 움직임과 같은 생체 정보를 수집한다(S1101). 또한, 해당 보행자자가 소지하는 스마트폰의 GPS로부터 위치 정보를 수집한다(S1102). 추가적으로 가디안 서버로부터 위험지역에 대한 정보를 수집할 수 있다(S1103). 이렇게 수집한 생체 정보, 보행자의 위치 정보, 위험지역에 대한 정보 등을 토대로 앞서 실시예를 통해 살펴본 바와 같이 위험도를 계산할 수 있다(S1120).

도 11b를 참조하면, 위험도 계산 결과(S1151), 위험도가 '위급'인 경우에는 위급사고 대응을 수행한다(S1152). 즉, 짧은 시간(5초) 내에 위험 발생 상황을 자동 신고하도록 한다. 즉, 보행자가 의식이 없거나 움직일 수 없을 수 있기 때문에, 자동으로 주변에 도움을 알리는 알림 소리를 발생시키고 카메라/마이크 기능을 활성화하여 사고현장 주변의 영상 또는 음성을 기록할 수 있도록 한다.

사고 위험도가 '위험'인 경우는 보행자에게 비교적 충분한 시간(30초) 내에 자동신고할 것을 알리고 신고를 원하지 않으면 취소하도록 한다(S1153).

사고 위험도가 '경고'인 경우는 보행자에게 사고 신고 여부를 물어 수동적으로 사고를 신고하거나 취소하도록 한다(S1154).

또한, 사고 위험도가 '의심'인 경우는 사고 이벤트 발생 시점 전후의 보행 특징 및 패턴을 분석하여 보행에 이상이 생겼는지 정밀 사고 판단하여 보행자나 보호자에게 알림을 제공한다(S1155).

이처럼 본 발명에 따른 사고 대응 서비스는 사고 전후의 이상 보행 분석을 포함할 수 있다. 위험도 분석 결과가 신고 필요 이하의 사고가 의심되는 경우(사고 신고 오탐율을 최소화 하기 위함), 수동 또는 자동 신고이나 보행자 사고 심각성에 대한 미인지로 인해 신고를 취소하는 경우 등에 있어서는, 사고 인지 이벤트 시점 전후의 보행 특징 및 패턴을 분석한다.

이를 위해, 본 발명에서는 사고 인지 이벤트 이전에, 즉 평상시에 수집한 가속도/자이로 센서 측정 데이터를 바탕으로 보행 특징 및 패턴을 분석하여 저장한다. 이후, 사고가 의심되는 상황 발생시 사고 인지 이후의 보행 특징 및 패턴을 분석하여 평상시 상태와 비교하는 정밀 사고 판단을 한다. 사고 의심 전후 보행에 이상이 발생했다면 보행자와 보호자에게 정밀 사고 판단 결과와 근거를 알려서 사고에 대응하도록 한다.

보행 특징은 앞서 설명한 보행자가 장착한 보행분석장치로부터 측정된 가속도/자이로 센서 데이터를 바탕으로 검출될 수 있다. 또한, 보행 패턴은 통계적 분석과 주파수 분석 방법을 사용하여 좌우발의 균형도를 검출함으로써 이루어질 수 있다.

여기서, 통계적 분석은 예를 들어, 가속도, 각속도 신호로부터 보행 선형지수(보행속도, 보행속수, 보장, 활보장, 단하지 지지기, 양하지 지지기, 발 각도)를 추출하는 단계, 보행을 7단계(초기 닿기, 반대 발가락 들기, 뒤축 올리기, 반대 초기 닿기, 발가락 들기, 양발 접근, 정강뼈 수직)로 구분하는 단계, 각 보행단계 별 보행 선형지수의 평균과 분산을 획득하여 좌우발을 비교 분석하는 단계를 포함할 수 있다.

본 발명의 바람직한 일 실시예에 따르면, 보행 7단계에서의 시상면, 관상면, 횡단면 상의 통계적 분석(가속도, 각속도 변화를 평균, 표준편차, 기울기, 미분값, 적분값, 최대값, 최소값, 변곡점)과 주파수분석(이산코사인, 웨이블릿, 등)을 통해 지수를 검출하여 사고인지 이벤트 전후 변화량을 비교함으로써 보행자의 이상 보행 또는 거동을 판단할 수 있다.

여기서, 주파수 분석은 웨이블릿을 활용한 주파수 분석을 사용할 수 있다. 주파수 분석 방법은 보행 중 좌우발에서의 에너지 변화를 지수적으로 검출할 수 있다는 점에서 보행 패턴 및 좌우발의 균형도 검출에 효과적이다.

보행에서는 발꿈치를 딛는 지점(HS)과 발가락을 떼는 지점(TO)에서 에너지가 가장 크게 발생한다. 이러한 지점을 검출하기 위해 한정된 구간에 대해 연속웨이브릿 변환(CWT, Continuous Wavelet Transform)을 적용한다. 이 방법은 시간 변화에 따른 주파수의 변화를 확인할 수 있어 사고 전후의 보행 패턴 변화 분석에 효과적으로 활용될 수 있다.

이때, 웨이블릿 변환의 기저 함수로는 여러가지 함수가 사용될 수 있는데, 예를 들어, 아래 수학식 5에 의해 표현되는 모릿 웨이블릿(morlet wavelet)이 사용될 수 있다.

수학식 5에서

₀는 주파수 파라미터, η는 시간 파라미터를 나타낸다. 이 때, CWT 계수(coefficient)인 Wn (s) 는 기저함수 ø^*와 가속도 신호 x_n의 내적으로 정의되며, (*)는 공액 복소수(complex conjugate), δ_t는 동일한 시간 간격, s는 웨이블릿 스케일링 팩터(scaling factor), n은 현재 시간을 나타낸다.

도 12는 본 발명에 적용되는 보행시 가속도 신호의 주파수 특성 분석의 예를 나타낸다.

도 12는 웨이블릿 스케일링 팩터를 변경하여 도출한 CWT 계수를 나타낸 3차원 그래프로, 왼쪽 축은 스케일을, 오른쪽 축은 계수를 나타낸다. 도 12에 도시된 바와 같이 CWT 계수에 대한 에너지 밀도 스펙트럼을 산출하면, 연속되는 피크(peak) 지점에서 HS와 TO 지점을 구할 수 있다. 피크가 되는 지점의 스케일 값은 보통 HS는 40~60, TO는 20~40의 범위를 갖는다.

도 13a는 본 발명에 따른 HS 구간에서의 CWT 계수 변화를 나타낸 도면이고, 도 13b는 본 발명에 따른 TO 구간 에서의 CWT 계수 변화를 나타낸 도면이다.

도 13a 및 도 13b는 도 12의 3차원 그래프에서 스케일(또는 amplitude)를 고정한 경우의 CWT 계수의 시간에 따른 변화를 나타낸다. 도 13a는 HS의 통상적인 스케일 범위인 40-60 사이의 값으로 스케일을 고정한 경우의 그래프이고, 도 13b는 본 발명에 따른 TO의 통상적인 스케일 범위인 20-40 사이의 값으로 스케일을 고정한 경우의 그래프이다

본 발명에서는, 평상시 보행과 사고인지 이벤트 후 보행에서 HS와 TO 구간 내 CWT 계수 그래프 및 통계적 수치들을 비교하여 보행 패턴의 이상 징후를 판단할 수 있다.

도 14는 본 발명의 일 실시예에 따른 보행자 사고 대응 서비스 방법의 동작 순서도이다.

도 14에 도시된 보행자 사고 대응 서비스 방법은 앞서 본 발명의 실시예들을 통해 설명한 보행 분석 장치 및 보행 분석 장치와 연동하는 이동 단말에 의해 수행될 수 있다.

본 발명에 따른 보행 관련 사고 대응 서비스가 개시되면, 서비스와 관련한 사용자 설정이 수행될 수 있다(S1410). 사용자 설정은 사고 발생 인지와 관련한 임계치의 설정과 관련될 수 있다. 일정 임계치(Th₁) 이상의 충격이 발생하고, 이 후 일정 시간(Th₂) 이상 동안에 th₁ 이상의 충격이 발생하지 않으면, 사고로 인지할 수 있다. 이때, th₁은 예를 들어, 2g 이상의 범위에서, th₂는 예를 들어, 0.5초 이상의 범위에서 설정될 수 있다.

보행 분석 장치는 가속도 및 각속도 관련 데이터를 측정하고(S1420), 설정된 임계치를 기반으로 사고를 인지한다(S1430). 사고인지 이벤트가 발생한 경우(S1440의 예) 보행분석 장치는 이벤트가 발생한 신체부위에 대한 알림을 표시하고(S1451), 단말로 사고인지 이벤트를 알린다(S1450).

사용자 신체에 부착된 하나 이상의 보행 분석 장치는 보행자의 보행 특징을 검출하며(S1460), 검출한 보행 특징 데이터 및 가속도/자이로 측정 데이터를 이동 단말로 전송한다. 이동 단말은 보행 특징을 기초로 하여 사고 유형을 분류하여 위험도를 계산하고 사고 대응을 수행한다(S1470). 본 실시예에서는 연산의 부담을 고려하여 보행 특징 검출을 수행하는 동작 주체를 보행 분석 장치로, 사고 유형을 분석하고 위험도를 계산하는 동작 주체를 이동 단말로 설명하였다. 하지만, 사고 유형 분석 및 위험도 계산은 보행 분석 장치에 의해 수행될 수도 있다.

위험도 계산 결과가 수동 신고 혹은 자동 신고이고, 신고가 접수되면(S1471) 구조대가 출동하고 보호자에게 알림을 보낸다(S1472). 그 외에 사고 의심의 경우(S1475의 예) 혹은 수동 신고 혹은 자동 신고이나 사용자가 신고 접수하지 않고 취소하는 경우는 사고 전후 보행 특징 및 패턴을 분석하여(S1480), 그 결과를 보행자와 보호자에게 통지할 수 있다(S1481).

상술한 본 발명의 사고 대응 서비스 방법을 다른 측면에서 정리하면, 본 발명에 따른 사고 대응 서비스 방법은 보행 분석 장치에 의해 수행될 수 있고, 보행시 발생하는 바닥 착지에 의한 충격값 그래프에서 바닥착지 전 충격 구간, 자유낙하 구간 및 바닥착지에 의한 충격 구간을 식별하는 단계; 식별된 각 구간에 대한 하나 이상의 충격 관련 파라미터를 분석하여 보행 관련 사고 유형을 판단하는 단계; 판단된 사고 유형, 생체 이상 요소, 위험지역 내 위치 요소, 및 사용자 위험군 요소 중 적어도 하나에 기반하여 사고 위험도를 산출하는 단계; 및 산출된 사고 위험도에 따라 사고 대응 서비스를 수행하는 단계를 포함할 수 있다.

도 15는 본 발명의 다른 실시예에 따른 보행 분석 장치의 블록 구성도이다.

본 발명의 일 실시예에 따른 보행 분석 장치는, 적어도 하나의 프로세서(910), 프로세서를 통해 실행되는 적어도 하나의 명령을 저장하는 메모리(920), 유무선 네트워크와 연결되어 통신을 수행하는 통신 모듈(930), 및 보행 중 발생하는 가속도 또는 각속도 관련 데이터를 획득하는 IMU 센서(960)를 포함할 수 있다.

여기서, 적어도 하나의 명령은, 상기 프로세서로 하여금, 보행시 발생하는 바닥 착지에 의한 충격값을 측정하도록 하는 명령; 시간에 따른 충격값 그래프에서 바닥착지 전 충격 구간, 자유낙하 구간 및 바닥착지에 의한 충격 구간을 식별하도록 하는 명령; 상기 바닥착지 전 충격 구간, 상기 자유낙하 구간 및 상기 바닥착지에 의한 충격 구간에 대한 하나 이상의 충격 관련 파라미터를 분석하도록 하는 명령; 및 상기 하나 이상의 충격 관련 파라미터 분석 결과에 따라 보행 관련 사고 유형을 판단하도록 하는 명령을 포함할 수 있다.

보행 분석 장치(900)는 또한 프로세서(910), 메모리(920) 및 통신 모듈(930)에 전력을 공급하는 전력공급 모듈(940) 등의 구성요소를 더 포함할 수 있다. 보행 분석 장치(900)에 포함된 각각의 구성 요소들은 버스(bus)(970)에 의해 연결되어 서로 통신을 수행할 수 있다.

프로세서(910)는 메모리(920)에 저장된 프로그램 명령(program command)을 실행할 수 있다. 프로세서(910)는 중앙 처리 장치(central processing unit, CPU), 그래픽 처리 장치(graphics processing unit, GPU), 또는 본 발명의 실시예들에 따른 방법들이 수행되는 전용의 프로세서를 의미할 수 있다. 메모리(920)는 휘발성 저장 매체 및 비휘발성 저장 매체 중에서 적어도 하나로 구성될 수 있다. 예를 들어, 메모리(920)는 읽기 전용 메모리(read only memory, ROM) 및 랜덤 액세스 메모리(random access memory, RAM) 중에서 적어도 하나로 구성될 수 있다.

본 발명의 실시예에 따른 방법의 동작은 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 프로그램 또는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의해 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 또한 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어 분산 방식으로 컴퓨터로 읽을 수 있는 프로그램 또는 코드가 저장되고 실행될 수 있다.

또한, 컴퓨터가 읽을 수 있는 기록매체는 롬(rom), 램(ram), 플래시 메모리(flash memory) 등과 같이 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치를 포함할 수 있다. 프로그램 명령은 컴파일러(compiler)에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터(interpreter) 등을 사용해서 컴퓨터에 의해 실행될 수 있는 고급 언어 코드를 포함할 수 있다.

본 발명의 일부 측면들은 장치의 문맥에서 설명되었으나, 그것은 상응하는 방법에 따른 설명 또한 나타낼 수 있고, 여기서 블록 또는 장치는 방법 단계 또는 방법 단계의 특징에 상응한다. 유사하게, 방법의 문맥에서 설명된 측면들은 또한 상응하는 블록 또는 아이템 또는 상응하는 장치의 특징으로 나타낼 수 있다. 방법 단계들의 몇몇 또는 전부는 예를 들어, 마이크로프로세서, 프로그램 가능한 컴퓨터 또는 전자 회로와 같은 하드웨어 장치에 의해(또는 이용하여) 수행될 수 있다. 몇몇의 실시예에서, 가장 중요한 방법 단계들의 하나 이상은 이와 같은 장치에 의해 수행될 수 있다.

실시예들에서, 프로그램 가능한 로직 장치(예를 들어, 필드 프로그머블 게이트 어레이)가 여기서 설명된 방법들의 기능의 일부 또는 전부를 수행하기 위해 사용될 수 있다. 실시예들에서, 필드 프로그머블 게이트 어레이는 여기서 설명된 방법들 중 하나를 수행하기 위한 마이크로프로세서와 함께 작동할 수 있다. 일반적으로, 방법들은 어떤 하드웨어 장치에 의해 수행되는 것이 바람직하다.

이상 본 발명의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.

Claims

보행시 발생하는 바닥 착지에 의한 충격값을 측정하는 단계;
시간에 따른 충격값 그래프에서 바닥착지 전 충격 구간, 자유낙하 구간 및 바닥착지에 의한 충격 구간을 식별하는 단계;
상기 바닥착지 전 충격 구간, 상기 자유낙하 구간 및 상기 바닥착지에 의한 충격 구간에 대한 하나 이상의 충격 관련 파라미터를 분석하는 단계; 및
상기 하나 이상의 충격 관련 파라미터 분석 결과에 따라 보행 관련 사고 유형을 판단하는 단계를 포함하는, 보행 분석 방법.
청구항 1에 있어서,
상기 하나 이상의 충격 관련 파라미터는,
바닥 착지에 의한 충격값의 합(SIF), 자유낙하 시간(FFT), 바닥 착지 전 충격 최대값(MBF), 및 충격 최대값(MPI) 중 하나 이상을 포함하는, 보행 분석 방법.
청구항 2에 있어서,
상기 하나 이상의 충격 관련 파라미터는,
상기 바닥착지 전 충격 구간, 상기 자유낙하 구간 및 상기 바닥착지에 의한 충격 구간의 순서, 상기 바닥착지 전 충격 구간에 대해,
구간들의 순서, 각 구간의 시간, 각 구간의 시작 지점 및 끝 지점에서의 신체 기울기, 및 각 구간별 신체 기울기 변화량 중 하나 이상에 대한 파라미터를 더 포함하는, 보행 분석 방법.
청구항 2에 있어서,
상기 보행 관련 사고 유형을 판단하는 단계는,
상기 바닥 착지에 의한 충격값의 합(SIF), 상기 자유낙하 시간(FFT), 상기 바닥 착지 전 충격 최대값(MBF), 및 상기 충격 최대값(MPI)을 각각에 대한 임계치와 비교하여 상기 보행 관련 사고 유형이 추락인지, 추돌인지, 또는 낙상인지 판단하는 단계를 포함하는, 보행 분석 방법.
청구항 4에 있어서,
상기 보행 관련 사고 유형을 판단하는 단계는,
상기 보행 관련 사고 유형이 낙상인 경우,
보행자 상체의 바닥 착지 전 충격 최대값, 보행자 몸의 기울기 변화량, 자유낙하시간, 및 인솔의 노출각을 추가로 분석하여 상기 낙상이 걸림 낙상인지, 미끄러짐 낙상인지, 또는 주저앉음 낙상인지 판단하는 단계를 더 포함하는, 보행 분석 방법.
청구항 1에 있어서,
판단된 사고 유형 및 하나 이상의 부가 정보에 기반하여 사고 위험도를 산출하는 단계를 더 포함하는, 보행 분석 방법.
청구항 1에 있어서,
사고 이벤트 발생 후 보행자의 보행 특징을 분석하는 단계;
상기 사고 이벤트 발생 후의 보행 특징을 상기 사고 이벤트 발생 전의 보행 특징과 비교하는 단계; 및
상기 비교 결과에 따라 사고 이벤트에 따른 보행자의 이상 여부를 판단하는 단계를 더 포함하는, 보행 분석 방법.
청구항 7에 있어서,
상기 사고 이벤트 발생 후 보행자의 보행 특징을 분석하는 단계는,
보행 중 좌우발의 에너지 변화를 검출하는 단계; 및
발꿈치를 딛는 구간 및 발가락을 떼는 구간에서의 에너지 변화에 따라 보행 패턴을 검출하는 단계를 포함하는, 보행 분석 방법.
청구항 6에 있어서,
상기 하나 이상의 부가 정보는
생체 이상 요소, 위험지역 내 위치 요소, 및 사용자 위험군 요소를 포함하는, 보행 분석 방법.
프로세서; 및
상기 프로세서를 통해 실행되는 적어도 하나의 명령을 저장하는 메모리를 포함하고,
상기 적어도 하나의 명령은,
보행시 발생하는 바닥 착지에 의한 충격값을 측정하도록 하는 명령;
시간에 따른 충격값 그래프에서 바닥착지 전 충격 구간, 자유낙하 구간 및 바닥착지에 의한 충격 구간을 식별하도록 하는 명령;
상기 바닥착지 전 충격 구간, 상기 자유낙하 구간 및 상기 바닥착지에 의한 충격 구간에 대한 하나 이상의 충격 관련 파라미터를 분석하도록 하는 명령; 및
상기 하나 이상의 충격 관련 파라미터 분석 결과에 따라 보행 관련 사고 유형을 판단하도록 하는 명령을 포함하는, 보행 분석 장치.
청구항 10에 있어서,
상기 하나 이상의 충격 관련 파라미터는,
바닥 착지에 의한 충격값의 합(SIF), 자유낙하 시간(FFT), 바닥 착지 전 충격 최대값(MBF), 및 충격 최대값(MPI) 중 하나 이상을 포함하는, 보행 분석 장치.
청구항 11에 있어서,
상기 하나 이상의 충격 관련 파라미터는,
상기 바닥착지 전 충격 구간, 상기 자유낙하 구간 및 상기 바닥착지에 의한 충격 구간의 순서, 상기 바닥착지 전 충격 구간에 대해,
구간들의 순서, 각 구간의 시간, 각 구간의 시작 지점 및 끝 지점에서의 신체 기울기, 및 각 구간별 신체 기울기 변화량 중 하나 이상에 대한 파라미터를 더 포함하는, 보행 분석 장치.
청구항 11에 있어서,
상기 보행 관련 사고 유형을 판단하도록 하는 명령은,
상기 바닥 착지에 의한 충격값의 합(SIF), 상기 자유낙하 시간(FFT), 상기 바닥 착지 전 충격 최대값(MBF), 및 상기 충격 최대값(MPI)을 각각에 대한 임계치와 비교하여 상기 보행 관련 사고 유형이 추락인지, 추돌인지, 또는 낙상인지 판단하도록 하는 명령을 포함하는, 보행 분석 장치.
청구항 13에 있어서,
상기 보행 관련 사고 유형을 판단하도록 하는 명령은,
상기 보행 관련 사고 유형이 낙상인 경우,
보행자 상체의 바닥 착지 전 충격 최대값, 보행자 몸의 기울기 변화량, 자유낙하시간, 및 인솔의 노출각을 추가로 분석하여 상기 낙상이 걸림 낙상인지, 미끄러짐 낙상인지, 또는 주저앉음 낙상인지 판단하도록 하는 명령을 더 포함하는, 보행 분석 장치.
청구항 10에 있어서,
상기 적어도 하나의 명령은,
판단된 사고 유형 및 하나 이상의 부가 정보에 기반하여 사고 위험도를 산출하도록 하는 명령을 더 포함하는, 보행 분석 장치.
청구항 10에 있어서,
상기 적어도 하나의 명령은,
사고 이벤트 발생 후 보행자의 보행 특징을 분석하도록 하는 명령;
상기 사고 이벤트 발생 후의 보행 특징을 상기 사고 이벤트 발생 전의 보행 특징과 비교하도록 하는 명령; 및
상기 비교 결과에 따라 사고 이벤트에 따른 보행자의 이상 여부를 판단하도록 하는 명령을 더 포함하는, 보행 분석 장치.
청구항 16에 있어서,
상기 사고 이벤트 발생 후 보행자의 보행 특징을 분석하도록 하는 명령은,
보행 중 좌우발의 에너지 변화를 검출하도록 하는 명령; 및
발꿈치를 딛는 구간 및 발가락을 떼는 구간에서의 에너지 변화에 따라 보행 패턴을 검출하도록 하는 명령을 포함하는, 보행 분석 장치.
청구항 15에 있어서,
상기 하나 이상의 부가 정보는
생체 이상 요소, 위험지역 내 위치 요소, 및 사용자 위험군 요소를 포함하는, 보행 분석 장치.
보행시 발생하는 바닥 착지에 의한 충격값 그래프에서 바닥착지 전 충격 구간, 자유낙하 구간 및 바닥착지에 의한 충격 구간을 식별하는 단계;
식별된 각 구간에 대한 하나 이상의 충격 관련 파라미터를 분석하여 보행 관련 사고 유형을 판단하는 단계;
판단된 사고 유형, 생체 이상 요소, 위험지역 내 위치 요소, 및 사용자 위험군 요소 중 적어도 하나에 기반하여 사고 위험도를 산출하는 단계; 및
산출된 사고 위험도에 따라 사고 대응 서비스를 수행하는 단계를 포함하는, 보행 관련 사고 대응 서비스 방법.
청구항 19에 있어서,
상기 식별된 각 구간에 대한 하나 이상의 충격 관련 파라미터를 분석하여 보행 관련 사고 유형을 판단하는 단계는,
상기 바닥 착지에 의한 충격값의 합(SIF), 상기 자유낙하 시간(FFT), 상기 바닥 착지 전 충격 최대값(MBF), 및 상기 충격 최대값(MPI) 중 적어도 하나를 각각에 대한 임계치와 비교하여 상기 보행 관련 사고 유형이 추락인지, 추돌인지, 또는 낙상인지 판단하는 단계를 포함하는, 보행 관련 사고 대응 서비스 방법.