KR20210153186A - 개인화된 안전운전 보조 방법 및 시스템 - Google Patents

개인화된 안전운전 보조 방법 및 시스템 Download PDF

Info

Publication number
KR20210153186A
KR20210153186A KR1020200069808A KR20200069808A KR20210153186A KR 20210153186 A KR20210153186 A KR 20210153186A KR 1020200069808 A KR1020200069808 A KR 1020200069808A KR 20200069808 A KR20200069808 A KR 20200069808A KR 20210153186 A KR20210153186 A KR 20210153186A
Authority
KR
South Korea
Prior art keywords
vehicle
target vehicle
driver
personalized
determination element
Prior art date
Application number
KR1020200069808A
Other languages
English (en)
Other versions
KR102424867B1 (ko
Inventor
최거석
최문규
표건호
임국빈
Original Assignee
주식회사 인포카
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 주식회사 인포카 filed Critical 주식회사 인포카
Priority to KR1020200069808A priority Critical patent/KR102424867B1/ko
Priority to PCT/KR2020/012005 priority patent/WO2021251554A1/ko
Priority to US17/045,988 priority patent/US11866035B2/en
Priority to JP2022546648A priority patent/JP2023515326A/ja
Priority to EP20775565.3A priority patent/EP3957534A4/en
Publication of KR20210153186A publication Critical patent/KR20210153186A/ko
Application granted granted Critical
Publication of KR102424867B1 publication Critical patent/KR102424867B1/ko

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60Q—ARRANGEMENT OF SIGNALLING OR LIGHTING DEVICES, THE MOUNTING OR SUPPORTING THEREOF OR CIRCUITS THEREFOR, FOR VEHICLES IN GENERAL
    • B60Q9/00—Arrangement or adaptation of signal devices not provided for in one of main groups B60Q1/00 - B60Q7/00, e.g. haptic signalling
    • B60Q9/008—Arrangement or adaptation of signal devices not provided for in one of main groups B60Q1/00 - B60Q7/00, e.g. haptic signalling for anti-collision purposes
    • 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
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60Q—ARRANGEMENT OF SIGNALLING OR LIGHTING DEVICES, THE MOUNTING OR SUPPORTING THEREOF OR CIRCUITS THEREFOR, FOR VEHICLES IN GENERAL
    • B60Q1/00—Arrangement of optical signalling or lighting devices, the mounting or supporting thereof or circuits therefor
    • B60Q1/26—Arrangement of optical signalling or lighting devices, the mounting or supporting thereof or circuits therefor the devices being primarily intended to indicate the vehicle, or parts thereof, or to give signals, to other traffic
    • B60Q1/34—Arrangement of optical signalling or lighting devices, the mounting or supporting thereof or circuits therefor the devices being primarily intended to indicate the vehicle, or parts thereof, or to give signals, to other traffic for indicating change of drive direction
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R11/00—Arrangements for holding or mounting articles, not otherwise provided for
    • B60R11/04—Mounting of cameras operative during drive; Arrangement of controls thereof relative to the vehicle
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/08—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to drivers or passengers
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
    • B60W40/105—Speed
    • 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
    • B60W50/0098—Details of control systems ensuring comfort, safety or stability not otherwise provided for
    • 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
    • B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
    • 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
    • B60W2050/0001—Details of the control system
    • B60W2050/0002—Automatic control, details of type of controller or control system architecture
    • B60W2050/0004—In digital systems, e.g. discrete-time systems involving sampling
    • B60W2050/0005—Processor details or data handling, e.g. memory registers or chip architecture
    • 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
    • B60W2050/0001—Details of the control system
    • B60W2050/0019—Control system elements or transfer functions
    • B60W2050/0028—Mathematical models, e.g. for simulation
    • 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
    • B60W2050/0062—Adapting control system settings
    • B60W2050/0075—Automatic parameter input, automatic initialising or calibrating means
    • 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
    • B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
    • B60W2420/40—Photo or light sensitive means, e.g. infrared sensors
    • B60W2420/403—Image sensing, e.g. optical camera
    • 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
    • B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
    • B60W2420/42—Image sensing, e.g. optical camera
    • 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
    • B60W2520/00—Input parameters relating to overall vehicle dynamics
    • B60W2520/10—Longitudinal speed
    • 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
    • B60W2540/00—Input parameters relating to occupants
    • B60W2540/043—Identity of occupants
    • 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
    • B60W2540/00—Input parameters relating to occupants
    • B60W2540/225—Direction of gaze
    • 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
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/404—Characteristics
    • B60W2554/4046—Behavior, e.g. aggressive or erratic
    • 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
    • B60W2556/00—Input parameters relating to data
    • B60W2556/10—Historical data
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60Y—INDEXING SCHEME RELATING TO ASPECTS CROSS-CUTTING VEHICLE TECHNOLOGY
    • B60Y2300/00—Purposes or special features of road vehicle drive control systems
    • B60Y2300/08—Predicting or avoiding probable or impending collision
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60Y—INDEXING SCHEME RELATING TO ASPECTS CROSS-CUTTING VEHICLE TECHNOLOGY
    • B60Y2400/00—Special features of vehicle units
    • B60Y2400/90—Driver alarms

Abstract

개인의 성향 별로 위험 상황을 달리 판단함으로써, 개인화된 안전 운전 정보가 제공될 수 있도록 하는 안전운전 보조 시스템 및 방법이 개시된다. 본 발명의 일 측면에 따르면, 개인화된 안전운전 보조 시스템이, 소정의 측정 기간 동안 복수의 수집 대상 차량 각각에 대하여, 상기 수집 대상 차량에 상응하는 제1위험 판단 요소 내지 제N 위험 판단 요소에 대한 정보를 수집하는 단계(여기서, N은 3 이상의 정수); 상기 개인화된 안전운전 보조 시스템이, 상기 측정 기간 동안 상기 복수의 수집 대상 차량으로부터 수집된 정보에 기초하여, 서로 직교하는 N축 좌표계에서 표현되는 N차원 공간상의 표준 안전 영역을 모델링하는 단계-여기서, 상기 N차원 공간의 각 좌표축은, 상기 제1위험 판단 요소 내지 상기 제N 위험 판단 요소에 중 어느 하나에 대응됨; 상기 개인화된 안전운전 보조 시스템이, 소정의 경보 대상 차량을 운전하는 경보 대상 차량 운전자의 과거 주행 데이터에 기초하여 상기 경보 대상 차량 운전자의 방어운전 레벨을 결정하는 단계; 상기 개인화된 안전운전 보조 시스템이, 상기 경보 대상 차량 운전자의 방어운전 레벨에 기초하여, 상기 경보 대상 차량 운전자에 상응하는 개인화된 안전 영역을 특정하는 단계-여기서, 상기 개인화된 안전 영역은, 상기 표준 안전 영역을 상기 경보 대상 차량 운전자의 방어운전 레벨에 기초하여 보정한 영역임; 상기 개인화된 안전운전 보조 시스템, 상기 경보 대상 차량이 운행되는 동안 상기 경보 대상 차량에 상응하는 제1위험 판단 요소 내지 제N 위험 판단 요소에 대한 정보를 주기적으로 획득하는 단계; 및 상기 개인화된 안전운전 보조 시스템이, 획득한 상기 경보 대상 차량에 상응하는 제1위험 판단 요소 내지 제N 위험 판단 요소에 대한 정보, 및 상기 경보 대상 차량 운전자에 상응하는 개인화된 안전 영역에 기초하여 위험 여부를 판단하는 단계를 포함하는 개인화된 안전운전 보조방법이 제공된다.

Description

개인화된 안전운전 보조 방법 및 시스템{Method and system for supporting safe driving}
본 발명은 개인화된 안전운전 보조 방법 및 시스템에 관한 것이다. 보다 상세하게는 개인의 성향 별로 위험 상황을 달리 판단함으로써, 개인화된 안전 운전 정보가 제공될 수 있도록 하는 안전운전 보조 시스템 및 방법에 관한 것이다.
차량 안전을 위해 다양한 분야의 최첨단 기술을 이용한 안전운전보조시스템이 시장에 나와 있으나, 하나의 기기에서 확보되는 정보만으로는 정확한 주행상황을 반영하지 못하여 실질적인 교통사고 감소 효과가 미흡한 실정이다. 현재 상용화된 안전운전보조시스템은 위험상황 오인식으로 인한 사용자 불편도가 높아 장착 후 미사용 비율이 45%(미국자동차협회, 2016년)에 달하며, 안전보조기능과 사용자 편의성의 상충 문제 해결을 위한 새로운 시도가 필요한 실정이다.
또한 자동차 산업은 공유차, 전기차, 자율주행, 연결성 등의 모멘텀을 활용하여 지속적인 성장을 유지하고, 차량에서 발생하는 데이터를 활용하는 차량 데이터 시장 또한 폭발적으로 성장하여 향후 10년 이내에 약 750조억의 가치를 형성할 것이라고 예측되고 있다(맥킨지보고서, 2016년). 그러나 차량 데이터 분야는, B2C 관점에서는 정확한 자율주행, 안전운전 정보의 생성을 위한 통합적인 데이터 분석 플랫폼이 부족하고, B2B 관점에서는 안전운전/경제운전 관점의 운전자의 스타일을 분석할 수 있는 개인화된 인터페이스가 부족한 실정이다.
기존의 안전운전보조시스템은 위험 요소 별로 경고를 발생시키고, 위험 여부가 애매한 구간은 안전을 위해서 경고를 발생시키며, 경고 여부에 대해서 개인 별로 동일한 기준을 적용하는 특징을 갖는다. 또한 차량 안전을 위해 다양한 분야의 최첨단 기술을 이용한 안전운전보조시스템이 시장에 나와 있으나, 영상처리 또는 차량정보 등 단일 정보만 이용하여 주행상황을 분석하므로 정확한 주행상황을 반영하지 못하는 단점이 있으며, 하나의 기기에서 확보되는 정보만으로는 정확한 주행상황을 반영하지 못하여 실질적인 교통사고 감소 효과가 미흡한 실정이다.
본 발명이 해결하고자 하는 과제는 차량 운행 중에 획득 가능한 각종 위험 요소 간의 상관관계를 분석해서 경고를 발생시키고, 개인 별로 서로 다른 경고 기준을 적용되도록 함으로써, 개인 별로 적합한 안전운전 정보가 제공될 수 있도록 하는 개인화된 안전운전 보조 시스템 및 방법을 제공하는 것이다.
본 발명의 일 측면에 따르면, 개인화된 안전운전 보조 시스템이, 소정의 측정 기간 동안 복수의 수집 대상 차량 각각에 대하여, 상기 수집 대상 차량에 상응하는 제1위험 판단 요소 내지 제N 위험 판단 요소에 대한 정보를 수집하는 단계(여기서, N은 3 이상의 정수); 상기 개인화된 안전운전 보조 시스템이, 상기 측정 기간 동안 상기 복수의 수집 대상 차량으로부터 수집된 정보에 기초하여, 서로 직교하는 N축 좌표계에서 표현되는 N차원 공간상의 표준 안전 영역을 모델링하는 단계-여기서, 상기 N차원 공간의 각 좌표축은, 상기 제1위험 판단 요소 내지 상기 제N 위험 판단 요소에 중 어느 하나에 대응됨; 상기 개인화된 안전운전 보조 시스템이, 소정의 경보 대상 차량을 운전하는 경보 대상 차량 운전자의 과거 주행 데이터에 기초하여 상기 경보 대상 차량 운전자의 방어운전 레벨을 결정하는 단계; 상기 개인화된 안전운전 보조 시스템이, 상기 경보 대상 차량 운전자의 방어운전 레벨에 기초하여, 상기 경보 대상 차량 운전자에 상응하는 개인화된 안전 영역을 특정하는 단계-여기서, 상기 개인화된 안전 영역은, 상기 표준 안전 영역을 상기 경보 대상 차량 운전자의 방어운전 레벨에 기초하여 보정한 영역임; 상기 개인화된 안전운전 보조 시스템, 상기 경보 대상 차량이 운행되는 동안 상기 경보 대상 차량에 상응하는 제1위험 판단 요소 내지 제N 위험 판단 요소에 대한 정보를 주기적으로 획득하는 단계; 및 상기 개인화된 안전운전 보조 시스템이, 획득한 상기 경보 대상 차량에 상응하는 제1위험 판단 요소 내지 제N 위험 판단 요소에 대한 정보, 및 상기 경보 대상 차량 운전자에 상응하는 개인화된 안전 영역에 기초하여 위험 여부를 판단하는 단계를 포함하는 개인화된 안전운전 보조방법이 제공된다.
일 실시예에서, 상기 측정 기간 동안 상기 복수의 수집 대상 차량으로부터 수집된 정보에 기초하여, 서로 직교하는 N축 좌표계에서 표현되는 N차원 공간상의 표준 안전 영역을 모델링하는 단계는, 상기 측정 기간 동안 상기 복수의 수집 대상 차량으로부터 수집된 정보에 기초하여, 제i위험 판단 요소와 제j위험 요소간의 상관관계를 산출하는 단계-여기서, i는 1<=i<N인 각각의 정수이며, j는 i<j<=N인 각각의 정수임; 산출된 상기 제i위험 판단 요소와 제j위험 요소간-여기서, i는 1<=i<N인 각각의 정수이며, j는 i<j<=N인 각각의 정수-의 상관관계에 기초하여, 상기 N차원 공간상의 표준 안전 영역을 모델링하는 단계를 포함할 수 있다.
일 실시예에서, 상기 경보 대상 차량 운전자의 방어운전 레벨에 기초하여, 상기 경보 대상 차량 운전자에 상응하는 개인화된 안전 영역을 특정하는 단계는, 상기 경보 대상 차량 운전자의 방어운전 레벨에 기초하여 N차원 공간상의 표준 안전 영역을 확장하거나 축소하여 상기 경보 대상 차량 운전자에 상응하는 개인화된 안전 영역을 특정하는 단계를 포함할 수 있다.
일 실시예에서, 상기 제1위험 판단 요소 내지 제N 위험 판단 요소는, 운전자의 주시 각도, 운전자의 운전 중 스마트폰의 사용 이력, 차량의 속도, 차량의 각속도, 차량의 방향 지시등의 작동 여부, 차량과 앞차간의 차간 거리, 차량의 차선 이탈 정도를 포함할 수 있다.
일 실시예에서, 상기 수집 대상 차량에 상응하는 제1위험 판단 요소 내지 제N 위험 판단 요소에 대한 정보를 수집하는 단계는, 상기 수집 대상 차량에 설치된 카메라로부터 상기 수집 대상 차량의 운전자 영상을 수집하고, 수집된 영상에 기초하여 상기 수집 대상 차량의 운전자의 주시 각도를 판단하는 단계; 상기 수집 대상 차량의 운전자의 스마트폰으로부터 운전 중 사용 이력을 수집하는 단계; 상기 수집 대상 차량에 설치된 OBD(On-Board Diagnostics)로부터 차량의 속도, 차량의 각속도, 차량의 방향 지시등의 작동 여부를 수집하는 단계; 상기 수집 대상 차량에 설치된 차간거리 센서로부터 앞차와의 차간 거리를 수집하는 단계; 및 상기 수집 대상 차량에 설치된 차선이탈감지시스템으로부터 상기 수집 대상 차량의 차선 이탈 정도를 수집하는 단계를 포함할 수 있다.
일 실시예에서, 상기 경보 대상 차량 운전자의 과거 주행 데이터는, 평균 속도, 급가속 이력, 급정거 이력, 차선변경 이력, 평균 차간거리 중 적어도 일부를 포함할 수 있다.
일 실시예에서, 상기 위험 여부를 판단결과에 기초하여 경보가 상기 경보 대상 차량의 운전자에게 출력되도록 하는 단계를 더 포함할 수 있다.
본 발명의 다른 일 측면에 따르면, 상술한 방법을 수행하기 위한 컴퓨터 프로그램을 저장하는 컴퓨터 판독 가능한 기록매체가 제공된다.
본 발명의 다른 일 측면에 따르면, 정보처리장치에 설치되며, 상술한 방법을 수행하기 위한 컴퓨터 판독 가능한 기록매체에 저장된 컴퓨터 프로그램이 제공된다.
본 발명의 다른 일 측면에 따르면, 개인화된 안전운전 보조 시스템으로서, 프로세서; 및 컴퓨터 프로그램을 저장하는 메모리를 포함하고, 상기 컴퓨터 프로그램은, 상기 프로세서에 의해 실행되는 경우, 상기 개인화된 안전운전 보조 시스템으로 하여금 상술한 방법을 수행하도록 하는 개인화된 안전운전 보조 시스템이 제공된다.
본 발명의 다른 일 측면에 따르면, 소정의 측정 기간 동안 복수의 수집 대상 차량 각각에 대하여, 상기 수집 대상 차량에 상응하는 제1위험 판단 요소 내지 제N 위험 판단 요소에 대한 정보를 수집하는 수집모듈(여기서, N은 3 이상의 정수); 상기 측정 기간 동안 상기 복수의 수집 대상 차량으로부터 수집된 정보에 기초하여, 서로 직교하는 N축 좌표계에서 표현되는 N차원 공간상의 표준 안전 영역을 모델링하는 모델링모듈-여기서, 상기 N차원 공간의 각 좌표축은, 상기 제1위험 판단 요소 내지 상기 제N 위험 판단 요소에 중 어느 하나에 대응됨; 소정의 경보 대상 차량을 운전하는 경보 대상 차량 운전자의 과거 주행 데이터에 기초하여 상기 경보 대상 차량 운전자의 방어운전 레벨을 결정하는 결정모듈; 상기 경보 대상 차량 운전자의 방어운전 레벨에 기초하여, 상기 경보 대상 차량 운전자에 상응하는 개인화된 안전 영역을 특정하는 개인화모듈-여기서, 상기 개인화된 안전 영역은, 상기 표준 안전 영역을 상기 경보 대상 차량 운전자의 방어운전 레벨에 기초하여 보정한 영역임; 상기 경보 대상 차량이 운행되는 동안 상기 경보 대상 차량에 상응하는 제1위험 판단 요소 내지 제N 위험 판단 요소에 대한 정보를 주기적으로 획득하는 획득모듈; 및 획득한 상기 경보 대상 차량에 상응하는 제1위험 판단 요소 내지 제N 위험 판단 요소에 대한 정보, 및 상기 경보 대상 차량 운전자에 상응하는 개인화된 안전 영역에 기초하여 위험 여부를 판단하는 제어모듈을 포함하는 개인화된 안전운전 보조 시스템이 제공된다.
일 실시예에서, 상기 모델링모듈은, 상기 측정 기간 동안 상기 복수의 수집 대상 차량으로부터 수집된 정보에 기초하여, 제i위험 판단 요소와 제j위험 요소간의 상관관계를 산출하고-여기서, i는 1<=i<N인 각각의 정수이며, j는 i<j<=N인 각각의 정수임-, 산출된 상기 제i위험 판단 요소와 제j위험 요소간-여기서, i는 1<=i<N인 각각의 정수이며, j는 i<j<=N인 각각의 정수임-의 상관관계에 기초하여, 상기 N차원 공간상의 표준 안전 영역을 모델링할 수 있다.
일 실시예에서, 상기 개인화모듈은, 상기 경보 대상 차량 운전자의 방어운전 레벨에 기초하여 N차원 공간상의 표준 안전 영역을 확장하거나 축소하여 상기 경보 대상 차량 운전자에 상응하는 개인화된 안전 영역을 특정할 수 있다.
일 실시예에서, 상기 제1위험 판단 요소 내지 제N 위험 판단 요소는, 운전자의 주시 각도, 운전자의 운전 중 스마트폰의 사용 이력, 차량의 속도, 차량의 각속도, 차량의 방향 지시등의 작동 여부, 차량과 앞차간의 차간 거리, 차량의 차선 이탈 정도를 포함할 수 있다.
일 실시예에서, 상기 수집모듈은, 상기 수집 대상 차량에 설치된 카메라로부터 상기 수집 대상 차량의 운전자 영상을 수집하고, 수집된 영상에 기초하여 상기 수집 대상 차량의 운전자의 주시 각도를 판단하고, 상기 수집 대상 차량의 운전자의 스마트폰으로부터 운전 중 사용 이력을 수집하고, 상기 수집 대상 차량에 설치된 OBD(On-Board Diagnostics)로부터 차량의 속도, 차량의 각속도, 차량의 방향 지시등의 작동 여부를 수집하고, 상기 수집 대상 차량에 설치된 차간거리 센서로부터 앞차와의 차간 거리를 수집하고, 상기 수집 대상 차량에 설치된 차선이탈감지시스템으로부터 상기 수집 대상 차량의 차선 이탈 정도를 수집할 수 있다.
일 실시예에서, 상기 경보 대상 차량 운전자의 과거 주행 데이터는, 평균 속도, 급가속 이력, 급정거 이력, 차선변경 이력, 평균 차간거리 중 적어도 일부를 포함할 수 있다.
일 실시예에서, 상기 위험 여부를 판단결과에 기초하여 경보가 상기 경보 대상 차량의 운전자에게 출력되도록 하는 경보모듈을 더 포함할 수 있다.
본 발명의 일 실시예에 따르면, 차량 운행 중에 획득 가능한 각종 위험 요소 간의 상관관계를 분석해서 경고를 발생시키고, 개인 별로 서로 다른 경고 기준을 적용되도록 함으로써, 개인 별로 적합한 안전운전 정보가 제공될 수 있도록 하는 개인화된 안전운전 보조 시스템 및 방법을 제공할 수 있다.
본 발명의 상세한 설명에서 인용되는 도면을 보다 충분히 이해하기 위하여 각 도면의 간단한 설명이 제공된다.
도 1은 본 발명의 일 실시예에 따른 개인화된 안전운전 보조방법의 수행 환경을 개략적으로 설명하기 위한 도면이다.
도 2는 본 발명의 일 실시예에 따른 개인화된 안전운전 보조 시스템의 개략적인 구성을 도시한 블록도이다.
도 3은 본 발명의 일 실시예에 따른 개인화된 안전운전 보조방법의 전체적인 과정을 도시한 흐름도이다.
도 4는 데이터 수집 및 표준 안전 영역을 모델링 단계의 구체적인 과정을 도시한 흐름도이다.
도 5는 도 4의 S120 단계의 구체적인 일 예를 도시한 흐름도이다.
도 6a는 두 개의 위험 판단 요소간의 상관관계의 일 예를 도시한 도면이며, 도 6b는 도 6a의 상관관계와 표준 안전 영역과의 관계를 도시한 도면이다.
도 7은 표준 안전 영역을 개인화하는 단계의 구체적인 과정을 도시한 흐름도이다.
도 8은 방어운전 레벨에 따라 개인화된 안전 영역이 달리 결정되는 예를 도시한 도면이다.
도 9는 차량 운행 중 위험 감지 및 경보 단계의 구체적인 과정을 도시한 흐름도이다.
도 10은 위험 판단 요소에 따라 위험 여부가 결정되는 방법을 설명하기 위한 도면이다.
본 발명은 다양한 전환을 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 외관에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 전환, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 적어도 하나의 표현을 포함한다.
본 명세서에 있어서, "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.
또한, 본 명세서에 있어서는 어느 하나의 구성요소가 다른 구성요소로 데이터를 '전송'하는 경우에는 상기 구성요소는 상기 다른 구성요소로 직접 상기 데이터를 전송할 수도 있고, 적어도 하나의 또 다른 구성요소를 통하여 상기 데이터를 상기 다른 구성요소로 전송할 수도 있는 것을 의미한다. 반대로 어느 하나의 구성요소가 다른 구성요소로 데이터를 '직접 전송'하는 경우에는 상기 구성요소에서 다른 구성요소를 통하지 않고 상기 다른 구성요소로 상기 데이터가 전송되는 것을 의미한다.
이하, 첨부된 도면들을 참조하여 본 발명의 실시예들을 중심으로 본 발명을 상세히 설명한다. 각 도면에 제시된 동일한 참조부호는 동일한 부재를 나타낸다.
도 1은 본 발명의 일 실시예에 따른 개인화된 안전운전 보조방법(이하, '안전운전 보조방법'이라고 함)의 수행 환경을 개략적으로 설명하기 위한 도면이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 안전운전 보조방법을 구현하기 위하여, 개인화된 안전운전 보조 시스템(100; 이하, '안전운전 보조 시스템'이라고 함)이 구비될 수 있다.
상기 안전운전 보조 시스템(100)은 데이터 처리를 수행하는 컴퓨팅 시스템일 수 있다. 예를 들어, 상기 안전운전 보조 시스템(100)은 서버일 수 있으나 이에 한정되는 것은 아니며, 본 발명의 기술적 사상에 따른 안전운전 보조방법을 수행할 수 있는 각종 정보처리장치를 포함할 수 있다.
상기 안전운전 보조 시스템(100)은 차량(10)을 운행하는 운전자가 구비하고 있는 사용자 단말(20)과 통신을 수행하며, 본 발명의 기술적 사상을 구현하는데 필요한 각종 정보, 신호 및/또는 데이터를 송수신할 수 있다. 예를 들어, 상기 안전운전 보조 시스템(100)은 WIFI, 셀룰러 네트워크 및 인터넷을 통하여 서로 연결될 수 있다.
상기 사용자 단말(20)은 네트워크 통신 기능을 구비한 정보처리장치일 수 있다. 예를 들어, 상기 사용자 단말(20)은 데스크탑 컴퓨터나 랩탑 컴퓨터, 또는 휴대전화, 위성전화, 무선전화, SIP(Session Initiation Protocol), WLL(Wireless Local Loop) 스테이션, 스마트폰, 타블렛 PC, PDA(Personal Digital Assistant) 등의 핸드헬드 장치를 포함하는 프로세싱 장치일 수도 있다.
상기 차량(20)에는 OBD(On-Board Diagnostics; 30), 카메라(40), 차간거리 센서(50) 및/또는 차선이탈감지시스템(60)이 설치되어 있을 수 있다.
상기 안전운전 보조 시스템(100)은 차량(10)의 운전자가 소지한 사용자 단말(20)뿐만 아니라 상기 차량(10)에 설치된 OBD(30), 카메라(40), 차간거리 센서(50) 및/또는 차선이탈감지시스템(60)로부터 각종 데이터를 수집할 수 있다. 이를 위하여, 일 실시예에서는, 도 1에 도시된 바와 같이, 상기 사용자 단말(20)이 OBD(30), 카메라(40), 차간거리 센서(50) 및/또는 차선이탈감지시스템(60)와 유무선 네트워크를 통해 연결되어, 본 발명의 기술적 사상을 구현하는데 필요한 각종 정보 및/또는 데이터를 획득할 수 있으며, 획득한 정보 및/또는 데이터를 상기 안전운전 보조 시스템(100)으로 전송할 수 있다.
실시예에 따라서는 상기 안전운전 보조 시스템(100)은 OBD(30), 카메라(40), 차간거리 센서(50) 및/또는 차선이탈감지시스템(60)과 통신 네트워크를 통해 연결되어 상기 사용자 단말(20)을 거치지 않고 바로 정보를 수집하도록 구현될 수도 있음은 물론이다.
한편, 도 1은, 설명의 편의를 위하여, 상기 안전운전 보조 시스템(100)이 하나의 차량(10)으로부터 정보를 수집하는 것에 관하여 도시하고 있으나, 실제로는 상기 안전운전 보조 시스템(100)은 다수의 차량으로부터 데이터를 수집할 수 있다.
도 2는 본 발명의 일 실시예에 따른 안전운전 보조 시스템(100)의 개략적인 구성을 도시한 블록도이다.
도 2를 참조하면 상기 안전운전 보조 시스템(100)은 수집모듈(110), 모델링모듈(120), 결정모듈(130), 개인화모듈(140), 획득모듈(150), 제어모듈(160), 경보모듈(170)을 포함할 수 있다. 본 발명의 실시예에 따라서는, 상술한 구성요소들 중 일부 구성요소는 반드시 본 발명의 구현에 필수적으로 필요한 구성요소에 해당하지 않을 수도 있으며, 또한 실시예에 따라 안전운전 보조 시스템(100)은 이보다 더 많은 구성요소를 포함할 수도 있음은 물론이다.
상기 안전운전 보조 시스템(100)은 본 발명의 기술적 사상을 구현하기 위해 필요한 하드웨어 리소스(resource) 및/또는 소프트웨어를 구비할 수 있으며, 반드시 하나의 물리적인 구성요소를 의미하거나 하나의 장치를 의미하는 것은 아니다. 즉, 상기 안전운전 보조 시스템(100)은 본 발명의 기술적 사상을 구현하기 위해 구비되는 하드웨어 및/또는 소프트웨어의 논리적인 결합을 의미할 수 있으며, 필요한 경우에는 서로 이격된 장치에 설치되어 각각의 기능을 수행함으로써 본 발명의 기술적 사상을 구현하기 위한 논리적인 구성들의 집합으로 구현될 수도 있다. 또한, 상기 안전운전 보조 시스템(100)은 본 발명의 기술적 사상을 구현하기 위한 각각의 기능 또는 역할별로 별도로 구현되는 구성들의 집합을 의미할 수도 있다. 또한, 본 명세서에서 모듈이라 함은, 본 발명의 기술적 사상을 수행하기 위한 하드웨어 및 상기 하드웨어를 구동하기 위한 소프트웨어의 기능적, 구조적 결합을 의미할 수 있다. 예를 들면, 상기 모듈은 특정된 코드와 상기 특정된 코드가 수행되기 위한 하드웨어 리소스의 논리적인 단위를 의미할 수 있으며, 반드시 물리적으로 연결된 코드를 의미하거나, 한 종류의 하드웨어를 의미하는 것은 아님은 본 발명의 기술분야의 평균적 전문가에게는 용이하게 추론될 수 있다.
상기 제어모듈(160)는 상기 사용자 단말(20)에 포함된 다른 구성(예를 들면, 수집모듈(110), 모델링모듈(120), 결정모듈(130), 개인화모듈(140), 획득모듈(150), 경보모듈(170) 등)의 기능 및/또는 리소스를 제어할 수 있다.
상기 수집모듈(110) 및 상기 모델링모듈(120)은 데이터 수집 및 표준 안전 영역을 모델링 과정을 수행할 수 있다.
보다 상세하게는 상기 수집모듈(110)은 소정의 측정 기간 동안 복수의 수집 대상 차량 각각에 대하여, 상기 수집 대상 차량에 상응하는 제1위험 판단 요소 내지 제N 위험 판단 요소(여기서, N은 3 이상의 정수)에 대한 정보를 수집할 수 있으며, 상기 모델링모듈(120)은 상기 측정 기간 동안 상기 복수의 수집 대상 차량으로부터 수집된 정보에 기초하여, 서로 직교하는 N축 좌표계에서 표현되는 N차원 공간상의 표준 안전 영역을 모델링할 수 있다. 이때, 상기 N차원 공간의 각 좌표축은, 상기 제1위험 판단 요소 내지 상기 제N 위험 판단 요소에 중 어느 하나에 대응될 수 있다.
일 실시예에서, 상기 제1위험 판단 요소 내지 제N 위험 판단 요소는, 운전자의 주시 각도, 운전자의 운전 중 스마트폰의 사용 이력, 차량의 속도, 차량의 각속도, 차량의 방향 지시등의 작동 여부, 차량과 앞차간의 차간 거리, 차량의 차선 이탈 정도를 포함할 수 있다.
일 실시예에서, 상기 수집모듈(110)은 상기 수집 대상 차량에 설치된 카메라(40)로부터 상기 수집 대상 차량의 운전자 영상을 수집하고, 수집된 영상에 기초하여 상기 수집 대상 차량의 운전자의 주시 각도를 판단할 수 있다. 또한 상기 수집모듈(110)은 상기 수집 대상 차량의 운전자의 스마트폰(20)으로부터 운전 중 사용 이력을 수집할 수 있다. 또한 상기 수집모듈(110)은 상기 수집 대상 차량에 설치된 OBD(30)로부터 차량의 속도, 차량의 각속도, 차량의 방향 지시등의 작동 여부를 수집할 수 있으며, 상기 수집 대상 차량에 설치된 차간거리 센서(50)로부터 앞차와의 차간 거리를 수집할 수 있으며, 상기 수집 대상 차량에 설치된 차선이탈감지시스템(60)으로부터 상기 수집 대상 차량의 차선 이탈 정도를 수집할 수 있다.
일 실시예에서, 상기 모델링모듈(120)은 상기 측정 기간 동안 상기 복수의 수집 대상 차량으로부터 수집된 정보에 기초하여, 제i위험 판단 요소와 제j위험 요소간의 상관관계를 산출하고(여기서, i는 1<=i<N인 각각의 정수이며, j는 i<j<=N인 각각의 정수임), 산출된 상기 제i위험 판단 요소와 제j위험 요소간(여기서, i는 1<=i<N인 각각의 정수이며, j는 i<j<=N인 각각의 정수임)의 상관관계에 기초하여, 상기 N차원 공간상의 표준 안전 영역을 모델링할 수 있다.
다른 일 실시예에서, 상기 모델링모듈(120)은 기계 학습을 통해 표준 안전 영역을 모델링할 수 있다. 예를 들어 표준 안전 영역은 딥러닝에 의해 학습된 뉴럴 네트워크로 표현되거나, 베이지언 로지스틱 회귀 방법에 의해 학습된 베이지언 모델 등으로 표현될 수 있다.
한편, 상기 결정모듈(130) 및 상기 개인화모듈(140)은 상기 표준 안전 영역을 개인화하는 과정을 수행할 수 있다.
보다 상세하게는 상기 결정모듈(130)은 소정의 경보 대상 차량을 운전하는 경보 대상 차량 운전자의 과거 주행 데이터에 기초하여 상기 경보 대상 차량 운전자의 방어운전 레벨을 결정하고, 상기 개인화모듈(140)은 상기 경보 대상 차량 운전자의 방어운전 레벨에 기초하여, 상기 경보 대상 차량 운전자에 상응하는 개인화된 안전 영역을 특정할 수 있다. 이때, 상기 개인화된 안전 영역은, 상기 표준 안전 영역을 상기 경보 대상 차량 운전자의 방어운전 레벨에 기초하여 보정한 영역일 수 있다.
일 실시예에서, 상기 경보 대상 차량 운전자의 과거 주행 데이터는 평균 속도, 급가속 이력, 급정거 이력, 차선변경 이력, 평균 차간거리 중 적어도 일부를 포함할 수 있다.
방어운전 레벨은 운전자의 방어운전 정도를 등급화 내지 양자화한 것으로서, 예를 들면, 방어적/공격적의 2단계, 방어적/중립적/공격적의 3단계 등으로 구분될 수 있으나 이에 한정되는 것은 아니며, 4 이상의 단계로 구분될 수도 있다.
일 실시예에서, 상기 개인화모듈(140)은 상기 경보 대상 차량 운전자의 방어운전 레벨에 기초하여 N차원 공간상의 표준 안전 영역을 확장하거나 축소하여 상기 경보 대상 차량 운전자에 상응하는 개인화된 안전 영역을 특정할 수 있다.
한편, 상기 획득모듈(150), 상기 제어모듈(160) 및 상기 경보모듈(170)은 차량 운행 중 위험 감지 및 경보 과정을 수행할 수 있다.
보다 상세하게는 상기 획득모듈(150)은 상기 경보 대상 차량이 운행되는 동안 상기 경보 대상 차량에 상응하는 제1위험 판단 요소 내지 제N 위험 판단 요소에 대한 정보를 주기적으로 획득하고, 상기 제어모듈(160)은 획득한 상기 경보 대상 차량에 상응하는 제1위험 판단 요소 내지 제N 위험 판단 요소에 대한 정보, 및 상기 경보 대상 차량 운전자에 상응하는 개인화된 안전 영역에 기초하여 위험 여부를 판단할 수 있다.
일 실시예에서, 상기 제어모듈(160)은, 상기 경보 대상 차량에 상응하는 제1위험 판단 요소 내지 제N 위험 판단 요소에 의해 표현되는 상기 N차원 공간상의 지점이 상기 경보 대상 차량 운전자에 상응하는 개인화된 안전 영역 내부에 있는 경우에는 위험하지 않다고 판단할 수 있으며, 상기 경보 대상 차량에 상응하는 제1위험 판단 요소 내지 제N 위험 판단 요소에 의해 표현되는 상기 N차원 공간상의 지점이 상기 경보 대상 차량 운전자에 상응하는 개인화된 안전 영역 외부에 있는 경우에는, 위험하다고 판단할 수 있다.
상기 경보모듈(170)은 상기 위험 여부를 판단결과에 기초하여 경보가 상기 경보 대상 차량의 운전자에게 출력되도록 할 수 있다.
도 3은 본 발명의 일 실시예에 따른 개인화된 안전운전 보조방법의 전체적인 과정을 도시한 흐름도이다.
도 3을 참조하면, 상기 개인화된 안전운전 보조방법은 데이터 수집 및 표준 안전 영역을 모델링 단계(S100), 표준 안전 영역을 개인화하는 단계(S200) 및 차량 운행 중 위험 감지 및 경보 단계(S300)으로 구성될 수 있다.
도 4는 상기 데이터 수집 및 표준 안전 영역을 모델링 단계(S100)의 구체적인 과정을 도시한 흐름도이다.
도 4를 참조하면, 상기 안전운전 보조 시스템(100)은 소정의 측정 기간 동안 복수의 수집 대상 차량 각각에 대하여, 상기 수집 대상 차량에 상응하는 제1위험 판단 요소 내지 제N 위험 판단 요소(여기서, N은 3 이상의 정수)에 대한 정보를 수집할 수 있다(S110).
한편, 상기 안전운전 보조 시스템(100)은 상기 측정 기간 동안 상기 복수의 수집 대상 차량으로부터 수집된 정보에 기초하여, 서로 직교하는 N축 좌표계에서 표현되는 N차원 공간상의 표준 안전 영역을 모델링할 수 있으며, 상기 N차원 공간의 각 좌표축은, 상기 제1위험 판단 요소 내지 상기 제N 위험 판단 요소에 중 어느 하나에 대응될 수 있다.
도 5는 도 4의 S120 단계의 구체적인 일 예를 도시한 흐름도이다.
도 5를 참조하면, 상기 안전운전 보조 시스템(100)은 상기 측정 기간 동안 상기 복수의 수집 대상 차량으로부터 수집된 정보에 기초하여, 각각의 위험 판단 요소 서로간의 상관관계를 산출할 수 있다. 즉, 상기 상기 안전운전 보조 시스템(100)은 제1 위험 판단 요소와 나머지 위험 판단 요소(즉, 제2위험판단 요소 내지 제N위험 판단 요소) 각각과의 상관관계, 제2 위험 판단 요소와 나머지 위험 판단 요소(즉, 제3위험판단 요소 내지 제N위험 판단 요소) 각각과의 상관관계, …, 제N-1 위험 판단 요소와 나머지 위험 판단 요소(즉, 제N위험 판단 요소)와의 상관관계를 산출할 수 있다(S121 내지 S123 참조).
이후 상기 안전운전 보조 시스템(100)은 산출된 제1위험 판단 요소 내지 제N위험 판단 요소 서로 간의 상관관계(즉, 상기 제i위험 판단 요소와 제j위험 요소간-여기서, i는 1<=i<N인 각각의 정수이며, j는 i<j<=N인 각각의 정수-의 상관관계)에 기초하여, 상기 N차원 공간상의 표준 안전 영역을 모델링할 수 있다(S124).
도 6a는 두 개의 위험 판단 요소간의 상관관계의 일 예를 도시한 도면이며, 도 6b는 도 6a의 상관관계와 표준 안전 영역과의 관계를 도시한 도면이다.
상기 안전운전 보조 시스템(100)은, 예를 들어, 선형 회귀분석을 통하여, 임의의 두 위험 판단 요소(제i위험 판단요소 및 제j위험 판단 요소)간의 상관관계를 산출할 수 있으며, 산출된 상관관계는 도 6a의 회귀선(1)으로 표현될 수 있다.
한편 도 6b에는, 모델링된 N차원 공간상의 표준 안전 영역의 i축-j축 단면 영역(2)이 표현되어 있다. 여기서 i축은 제i위험판단요소에 상응하는 축이며, j축은 제j위험판단요소에 상응하는 축임).
일 실시예에서, 모델링된 표준 안전 영역의 i축-j축 단면 영역(2)은, 도 6b에 도시된 바와 같이, 제i위험판단요소와 제j위험판단요소간의 상관관계를 나타내는 회귀선(1) 주변의 일정 영역일 수 있다.
본 발명이 속하는 분야에서 통상의 지식을 가진 자라면, 도 6a 및 도 6b와 같은 2차원 영역을 예로 들어 설명된 위 내용 및 후술할 예시를 N차원 영역으로 손쉽게 확장할 수 있을 것이다.
도 7은 상기 표준 안전 영역을 개인화하는 단계(S200) 의 구체적인 과정을 도시한 흐름도이다.
도 7을 참조하면, 상기 안전운전 보조 시스템(100)은 소정의 경보 대상 차량을 운전하는 경보 대상 차량 운전자의 과거 주행 데이터를 획득할 수 있다(S210).
이후 상기 안전운전 보조 시스템(100)의 경보 대상 차량 운전자의 과거 주행 데이터에 기초하여 상기 경보 대상 차량 운전자의 방어운전 레벨을 결정할 수 있다(S220). 예를 들어, 상기 안전운전 보조 시스템(100)은 경보 대상 차량 운전자의 방어운전 레벨을 방어적/중립적/공격적 중 어느 하나로 결정할 수 있다.
한편, 상기 개인화된 안전운전 보조 시스템(100)은 상기 경보 대상 차량 운전자의 방어운전 레벨에 기초하여, 상기 경보 대상 차량 운전자에 상응하는 개인화된 안전 영역을 특정할 수 있으며, 이때, 상기 개인화된 안전 영역은 상기 표준 안전 영역을 상기 경보 대상 차량 운전자의 방어운전 레벨에 기초하여 보정한 영역일 수 있다.
도 8은 방어운전 레벨에 따라 개인화된 안전 영역이 달리 결정되는 예를 도시한 도면이다. 도 8에 도시된 바와 같이, 상기 개인화된 안전운전 보조 시스템(100)은 상기 표준 안전 영역(2)을 중립적 레벨의 운전자에 적용되는 개인화된 안전 영역으로 특정할 수 있으나, 공격적 레벨의 운전자의 개인화된 안전 영역은 표준 안전 영역(2)보다 좁게 보정한 영역(3)으로 특정할 수 있으며, 방어적 레벨의 운전자의 개인화된 안전 영역은 표준 안전 영역(2)보다 넓게 보정한 영역(4)으로 특정할 수 있다.
도 9는 상기 차량 운행 중 위험 감지 및 경보 단계(S300)의 구체적인 과정을 도시한 흐름도이다.
도 9를 참조하면, 상기 개인화된 안전운전 보조 시스템(100)은 상기 경보 대상 차량이 운행되는 동안 상기 경보 대상 차량에 상응하는 제1위험 판단 요소 내지 제N 위험 판단 요소에 대한 정보를 획득할 수 있다(S310).
상기 개인화된 안전운전 보조 시스템(100)은 획득한 상기 경보 대상 차량에 상응하는 제1위험 판단 요소 내지 제N 위험 판단 요소에 대한 정보, 및 상기 경보 대상 차량 운전자에 상응하는 개인화된 안전 영역에 기초하여 위험 여부를 판단할 수 있으며(S320), 상기 위험 여부를 판단결과에 기초하여 경보가 상기 경보 대상 차량의 운전자에게 출력되도록 할 수 있다(S330, S340 참조).
보다 상세하게는, 상기 개인화된 운전 보조 시스템(100)은, 상기 경보 대상 차량에 상응하는 제1위험 판단 요소 내지 제N 위험 판단 요소에 의해 표현되는 상기 N차원 공간상의 지점이 상기 경보 대상 차량 운전자에 상응하는 개인화된 안전 영역 내부에 있는 경우에는 위험하지 않다고 판단할 수 있으며, 상기 경보 대상 차량에 상응하는 제1위험 판단 요소 내지 제N 위험 판단 요소에 의해 표현되는 상기 N차원 공간상의 지점이 상기 경보 대상 차량 운전자에 상응하는 개인화된 안전 영역 외부에 있는 경우에는, 위험하다고 판단할 수 있다.
도 10은 위험 판단 요소에 따라 위험 여부가 결정되는 방법을 설명하기 위한 도면이다.
도 10을 참조하면, 획득한 제i위험 판단 요소 및 제j위험 판단 요소가 점(5-1)에 의해 표현되는 경우, 점(5-1)은 방어적 운전자의 개인화된 안전 영역(4) 안에 있으나, 중립적 운전자의 개인화된 안전 영역(2) 및 공격적 운전자의 개인화된 안전 영역(3) 바깥에 있게 된다. 따라서, 경보 대상 차량 운전자의 방어운전 레벨이 방어적인 경우 위험하지 않은 것으로 판단되지만, 경보 대상 차량 운전자의 방어운전 레벨이 중립적 또는 공격적인 경우에는 위험한 것으로 판단될 수 있다.
만약 획득한 제i위험 판단 요소 및 제j위험 판단 요소가 점(5-2)에 의해 표현되는 경우, 점(5-2)은 방어적 운전자의 개인화된 안전 영역(4) 및 중립적 운전자의 개인화된 안전 영역(2) 안에 있으나, 및 공격적 운전자의 개인화된 안전 영역(3) 바깥에 있게 된다. 따라서, 경보 대상 차량 운전자의 방어운전 레벨이 방어적 또는 중립적인 경우 위험하지 않은 것으로 판단되지만, 경보 대상 차량 운전자의 방어운전 레벨이 공격적인 경우에는 위험한 것으로 판단될 수 있다.
한편, 실시 예에 따라서, 상기 안전운전 보조 시스템(100)은 프로세서 및 상기 프로세서에 의해 실행되는 프로그램을 저장하는 메모리를 포함할 수 있다. 도 5여기서, 상기 프로그램은, 프로세서에 의해 실행되는 경우, 본 실시예에 따른 안전운전 보조 시스템(100)으로 하여금, 상술한 시각적 오브젝트 제공 방법을 수행하도록 할 수 있다.
상기 프로세서는 상기 안전운전 보조 시스템(100)를 구성하는 하드웨어 및/또는 소프트웨어를 제어할 수 있으며, CPU, GPU, MCU, 마이크로프로세서 등을 포함할 수 있다. 상기 메모리는 예를 들어, 플래시 메모리, ROM, RAM, EEROM, EPROM, EEPROM, 하드 디스크, 레지스터를 포함할 수 있다.
한편, 본 발명의 실시예에 따른 시각적 오브젝트 제공 방법은 컴퓨터가 읽을 수 있는 프로그램 명령 외관으로 구현되어 컴퓨터로 읽을 수 있는 기록 매체에 저장될 수 있으며, 본 발명의 실시예에 따른 제어 프로그램 및 대상 프로그램도 컴퓨터로 판독 가능한 기록 매체에 저장될 수 있다. 컴퓨터가 읽을 수 있는 기록 매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 장치를 포함한다.
기록 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 소프트웨어 분야 당업자에게 공지되어 사용 가능한 것일 수도 있다.
컴퓨터로 읽을 수 있는 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media) 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 또한 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다.
프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 전자적으로 정보를 처리하는 장치, 예를 들어, 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.
상술한 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 외관으로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시 예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성요소들도 결합된 외관으로 실시될 수 있다.
본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타나며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 외관이 본 발명의 범위에 포함되는 것으로 해석되어야 한다.

Claims (17)

  1. 개인화된 안전운전 보조 시스템이, 소정의 측정 기간 동안 복수의 수집 대상 차량 각각에 대하여, 상기 수집 대상 차량에 상응하는 제1위험 판단 요소 내지 제N 위험 판단 요소에 대한 정보를 수집하는 단계(여기서, N은 3 이상의 정수);
    상기 개인화된 안전운전 보조 시스템이, 상기 측정 기간 동안 상기 복수의 수집 대상 차량으로부터 수집된 정보에 기초하여, 서로 직교하는 N축 좌표계에서 표현되는 N차원 공간상의 표준 안전 영역을 모델링하는 단계-여기서, 상기 N차원 공간의 각 좌표축은, 상기 제1위험 판단 요소 내지 상기 제N 위험 판단 요소에 중 어느 하나에 대응됨;
    상기 개인화된 안전운전 보조 시스템이, 소정의 경보 대상 차량을 운전하는 경보 대상 차량 운전자의 과거 주행 데이터에 기초하여 상기 경보 대상 차량 운전자의 방어운전 레벨을 결정하는 단계;
    상기 개인화된 안전운전 보조 시스템이, 상기 경보 대상 차량 운전자의 방어운전 레벨에 기초하여, 상기 경보 대상 차량 운전자에 상응하는 개인화된 안전 영역을 특정하는 단계-여기서, 상기 개인화된 안전 영역은, 상기 표준 안전 영역을 상기 경보 대상 차량 운전자의 방어운전 레벨에 기초하여 보정한 영역임;
    상기 개인화된 안전운전 보조 시스템, 상기 경보 대상 차량이 운행되는 동안 상기 경보 대상 차량에 상응하는 제1위험 판단 요소 내지 제N 위험 판단 요소에 대한 정보를 주기적으로 획득하는 단계; 및
    상기 개인화된 안전운전 보조 시스템이, 획득한 상기 경보 대상 차량에 상응하는 제1위험 판단 요소 내지 제N 위험 판단 요소에 대한 정보, 및 상기 경보 대상 차량 운전자에 상응하는 개인화된 안전 영역에 기초하여 위험 여부를 판단하는 단계를 포함하는 개인화된 안전운전 보조방법.
  2. 제1항에 있어서,
    상기 측정 기간 동안 상기 복수의 수집 대상 차량으로부터 수집된 정보에 기초하여, 서로 직교하는 N축 좌표계에서 표현되는 N차원 공간상의 표준 안전 영역을 모델링하는 단계는,
    상기 측정 기간 동안 상기 복수의 수집 대상 차량으로부터 수집된 정보에 기초하여, 제i위험 판단 요소와 제j위험 요소간의 상관관계를 산출하는 단계-여기서, i는 1<=i<N인 각각의 정수이며, j는 i<j<=N인 각각의 정수임;
    산출된 상기 제i위험 판단 요소와 제j위험 요소간-여기서, i는 1<=i<N인 각각의 정수이며, j는 i<j<=N인 각각의 정수-의 상관관계에 기초하여, 상기 N차원 공간상의 표준 안전 영역을 모델링하는 단계를 포함하는 개인화된 안전운전 보조방법.
  3. 제1항에 있어서,
    상기 경보 대상 차량 운전자의 방어운전 레벨에 기초하여, 상기 경보 대상 차량 운전자에 상응하는 개인화된 안전 영역을 특정하는 단계는,
    상기 경보 대상 차량 운전자의 방어운전 레벨에 기초하여 N차원 공간상의 표준 안전 영역을 확장하거나 축소하여 상기 경보 대상 차량 운전자에 상응하는 개인화된 안전 영역을 특정하는 단계를 포함하는 개인화된 안전운전 보조방법.
  4. 제1항에 있어서,
    상기 제1위험 판단 요소 내지 제N 위험 판단 요소는,
    운전자의 주시 각도, 운전자의 운전 중 스마트폰의 사용 이력, 차량의 속도, 차량의 각속도, 차량의 방향 지시등의 작동 여부, 차량과 앞차간의 차간 거리, 차량의 차선 이탈 정도를 포함하는 개인화된 안전운전 보조방법.
  5. 제4항에 있어서,
    상기 수집 대상 차량에 상응하는 제1위험 판단 요소 내지 제N 위험 판단 요소에 대한 정보를 수집하는 단계는,
    상기 수집 대상 차량에 설치된 카메라로부터 상기 수집 대상 차량의 운전자 영상을 수집하고, 수집된 영상에 기초하여 상기 수집 대상 차량의 운전자의 주시 각도를 판단하는 단계;
    상기 수집 대상 차량의 운전자의 스마트폰으로부터 운전 중 사용 이력을 수집하는 단계;
    상기 수집 대상 차량에 설치된 OBD(On-Board Diagnostics)로부터 차량의 속도, 차량의 각속도, 차량의 방향 지시등의 작동 여부를 수집하는 단계;
    상기 수집 대상 차량에 설치된 차간거리 센서로부터 앞차와의 차간 거리를 수집하는 단계; 및
    상기 수집 대상 차량에 설치된 차선이탈감지시스템으로부터 상기 수집 대상 차량의 차선 이탈 정도를 수집하는 단계를 포함하는 개인화된 안전운전 보조방법.
  6. 제1항에 있어서,
    상기 경보 대상 차량 운전자의 과거 주행 데이터는,
    평균 속도, 급가속 이력, 급정거 이력, 차선변경 이력, 평균 차간거리 중 적어도 일부를 포함하는 개인화된 안전운전 보조방법.
  7. 제1항에 있어서,
    상기 위험 여부를 판단결과에 기초하여 경보가 상기 경보 대상 차량의 운전자에게 출력되도록 하는 단계를 더 포함하는 개인화된 안전운전 보조방법.
  8. 제1항 내지 제7항 중 어느 한 항에 기재된 방법을 수행하기 위한 컴퓨터 프로그램을 저장하는 컴퓨터 판독 가능한 기록매체.
  9. 정보처리장치에 설치되며, 제1항 내지 제7항 중 어느 한 항에 기재된 방법을 수행하기 위한 컴퓨터 판독 가능한 기록매체에 저장된 컴퓨터 프로그램.
  10. 개인화된 안전운전 보조 시스템으로서,
    프로세서; 및
    컴퓨터 프로그램을 저장하는 메모리를 포함하고,
    상기 컴퓨터 프로그램은, 상기 프로세서에 의해 실행되는 경우, 상기 개인화된 안전운전 보조 시스템으로 하여금 제1항 내지 제7항 중 어느 한 항에 기재된 방법을 수행하도록 하는 개인화된 안전운전 보조 시스템.
  11. 소정의 측정 기간 동안 복수의 수집 대상 차량 각각에 대하여, 상기 수집 대상 차량에 상응하는 제1위험 판단 요소 내지 제N 위험 판단 요소에 대한 정보를 수집하는 수집모듈(여기서, N은 3 이상의 정수);
    상기 측정 기간 동안 상기 복수의 수집 대상 차량으로부터 수집된 정보에 기초하여, 서로 직교하는 N축 좌표계에서 표현되는 N차원 공간상의 표준 안전 영역을 모델링하는 모델링모듈-여기서, 상기 N차원 공간의 각 좌표축은, 상기 제1위험 판단 요소 내지 상기 제N 위험 판단 요소에 중 어느 하나에 대응됨;
    소정의 경보 대상 차량을 운전하는 경보 대상 차량 운전자의 과거 주행 데이터에 기초하여 상기 경보 대상 차량 운전자의 방어운전 레벨을 결정하는 결정모듈;
    상기 경보 대상 차량 운전자의 방어운전 레벨에 기초하여, 상기 경보 대상 차량 운전자에 상응하는 개인화된 안전 영역을 특정하는 개인화모듈-여기서, 상기 개인화된 안전 영역은, 상기 표준 안전 영역을 상기 경보 대상 차량 운전자의 방어운전 레벨에 기초하여 보정한 영역임;
    상기 경보 대상 차량이 운행되는 동안 상기 경보 대상 차량에 상응하는 제1위험 판단 요소 내지 제N 위험 판단 요소에 대한 정보를 주기적으로 획득하는 획득모듈; 및
    획득한 상기 경보 대상 차량에 상응하는 제1위험 판단 요소 내지 제N 위험 판단 요소에 대한 정보, 및 상기 경보 대상 차량 운전자에 상응하는 개인화된 안전 영역에 기초하여 위험 여부를 판단하는 제어모듈을 포함하는 개인화된 안전운전 보조 시스템.
  12. 제11항에 있어서,
    상기 모델링모듈은,
    상기 측정 기간 동안 상기 복수의 수집 대상 차량으로부터 수집된 정보에 기초하여, 제i위험 판단 요소와 제j위험 요소간의 상관관계를 산출하고-여기서, i는 1<=i<N인 각각의 정수이며, j는 i<j<=N인 각각의 정수임-,
    산출된 상기 제i위험 판단 요소와 제j위험 요소간-여기서, i는 1<=i<N인 각각의 정수이며, j는 i<j<=N인 각각의 정수임-의 상관관계에 기초하여, 상기 N차원 공간상의 표준 안전 영역을 모델링하는 개인화된 안전운전 보조 시스템.
  13. 제11항에 있어서,
    상기 개인화모듈은,
    상기 경보 대상 차량 운전자의 방어운전 레벨에 기초하여 N차원 공간상의 표준 안전 영역을 확장하거나 축소하여 상기 경보 대상 차량 운전자에 상응하는 개인화된 안전 영역을 특정하는 개인화된 안전운전 보조 시스템.
  14. 제11항에 있어서,
    상기 제1위험 판단 요소 내지 제N 위험 판단 요소는,
    운전자의 주시 각도, 운전자의 운전 중 스마트폰의 사용 이력, 차량의 속도, 차량의 각속도, 차량의 방향 지시등의 작동 여부, 차량과 앞차간의 차간 거리, 차량의 차선 이탈 정도를 포함하는 개인화된 안전운전 보조방법.
  15. 제14항에 있어서,
    상기 수집모듈은,
    상기 수집 대상 차량에 설치된 카메라로부터 상기 수집 대상 차량의 운전자 영상을 수집하고, 수집된 영상에 기초하여 상기 수집 대상 차량의 운전자의 주시 각도를 판단하고,
    상기 수집 대상 차량의 운전자의 스마트폰으로부터 운전 중 사용 이력을 수집하고,
    상기 수집 대상 차량에 설치된 OBD(On-Board Diagnostics)로부터 차량의 속도, 차량의 각속도, 차량의 방향 지시등의 작동 여부를 수집하고,
    상기 수집 대상 차량에 설치된 차간거리 센서로부터 앞차와의 차간 거리를 수집하고,
    상기 수집 대상 차량에 설치된 차선이탈감지시스템으로부터 상기 수집 대상 차량의 차선 이탈 정도를 수집하는 개인화된 안전운전 보조 시스템.
  16. 제11항에 있어서,
    상기 경보 대상 차량 운전자의 과거 주행 데이터는,
    평균 속도, 급가속 이력, 급정거 이력, 차선변경 이력, 평균 차간거리 중 적어도 일부를 포함하는 개인화된 안전운전 보조 시스템.
  17. 제11항에 있어서,
    상기 위험 여부를 판단결과에 기초하여 경보가 상기 경보 대상 차량의 운전자에게 출력되도록 하는 경보모듈을 더 포함하는 개인화된 안전운전 보조 시스템.
KR1020200069808A 2020-06-09 2020-06-09 개인화된 안전운전 보조 방법 및 시스템 KR102424867B1 (ko)

Priority Applications (5)

Application Number Priority Date Filing Date Title
KR1020200069808A KR102424867B1 (ko) 2020-06-09 2020-06-09 개인화된 안전운전 보조 방법 및 시스템
PCT/KR2020/012005 WO2021251554A1 (ko) 2020-06-09 2020-09-07 개인화된 안전운전 보조 방법 및 시스템
US17/045,988 US11866035B2 (en) 2020-06-09 2020-09-07 Personalized safe driving assistance method and system
JP2022546648A JP2023515326A (ja) 2020-06-09 2020-09-07 パーソナライズされた安全運転支援方法及びシステム
EP20775565.3A EP3957534A4 (en) 2020-06-09 2020-09-07 PROCESS AND SYSTEM FOR INDIVIDUAL SAFE DRIVING ASSISTANCE

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200069808A KR102424867B1 (ko) 2020-06-09 2020-06-09 개인화된 안전운전 보조 방법 및 시스템

Publications (2)

Publication Number Publication Date
KR20210153186A true KR20210153186A (ko) 2021-12-17
KR102424867B1 KR102424867B1 (ko) 2022-07-26

Family

ID=78845760

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200069808A KR102424867B1 (ko) 2020-06-09 2020-06-09 개인화된 안전운전 보조 방법 및 시스템

Country Status (5)

Country Link
US (1) US11866035B2 (ko)
EP (1) EP3957534A4 (ko)
JP (1) JP2023515326A (ko)
KR (1) KR102424867B1 (ko)
WO (1) WO2021251554A1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2022142510A (ja) * 2021-03-16 2022-09-30 パナソニックＩｐマネジメント株式会社 車両用周辺警戒装置および車両用周辺警戒方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150086910A (ko) * 2014-01-21 2015-07-29 자동차부품연구원 차량 운전 중 휴대단말 사용 감지 장치 및 방법 그리고 그를 구비한 휴대단말
KR101577415B1 (ko) * 2014-06-23 2015-12-15 주식회사 디리아 운전유형 분석을 통한 운전가이드 장치 및 방법
KR20160133179A (ko) * 2015-05-12 2016-11-22 자동차부품연구원 통합 hvi기반 운전자 위험상황 판단 방법 및 장치
JP2017138952A (ja) * 2015-04-21 2017-08-10 パナソニックＩｐマネジメント株式会社 情報処理システム、情報処理方法、およびプログラム
KR20180090644A (ko) * 2017-02-03 2018-08-13 한국전자통신연구원 운전자 및 차량 간의 상호 작용을 위한 장치 및 그 방법

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090054171A (ko) * 2007-11-26 2009-05-29 한국전자통신연구원 차량 및 운전자 정보 관리 시스템 및 그 방법
KR20130050113A (ko) * 2011-11-07 2013-05-15 현대자동차주식회사 위험단계별 경고기능을 갖는 차량 운행보조 시스템 및 그 방법
US10210761B2 (en) * 2013-09-30 2019-02-19 Sackett Solutions & Innovations, LLC Driving assistance systems and methods
WO2016170786A1 (ja) * 2015-04-21 2016-10-27 パナソニックＩｐマネジメント株式会社 情報処理システム、情報処理方法、およびプログラム
JP6731619B2 (ja) * 2016-10-26 2020-07-29 パナソニックＩｐマネジメント株式会社 情報処理システム、情報処理方法、およびプログラム
JP6895634B2 (ja) * 2016-12-16 2021-06-30 パナソニックＩｐマネジメント株式会社 情報処理システム、情報処理方法、およびプログラム
US10308242B2 (en) * 2017-07-01 2019-06-04 TuSimple System and method for using human driving patterns to detect and correct abnormal driving behaviors of autonomous vehicles
EP3657465A4 (en) * 2017-07-21 2020-10-21 Sony Semiconductor Solutions Corporation VEHICLE CONTROL DEVICE AND VEHICLE CONTROL PROCEDURE

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150086910A (ko) * 2014-01-21 2015-07-29 자동차부품연구원 차량 운전 중 휴대단말 사용 감지 장치 및 방법 그리고 그를 구비한 휴대단말
KR101577415B1 (ko) * 2014-06-23 2015-12-15 주식회사 디리아 운전유형 분석을 통한 운전가이드 장치 및 방법
JP2017138952A (ja) * 2015-04-21 2017-08-10 パナソニックＩｐマネジメント株式会社 情報処理システム、情報処理方法、およびプログラム
KR20160133179A (ko) * 2015-05-12 2016-11-22 자동차부품연구원 통합 hvi기반 운전자 위험상황 판단 방법 및 장치
KR20180090644A (ko) * 2017-02-03 2018-08-13 한국전자통신연구원 운전자 및 차량 간의 상호 작용을 위한 장치 및 그 방법

Also Published As

Publication number Publication date
EP3957534A4 (en) 2023-06-07
US11866035B2 (en) 2024-01-09
WO2021251554A1 (ko) 2021-12-16
EP3957534A1 (en) 2022-02-23
US20220281441A1 (en) 2022-09-08
JP2023515326A (ja) 2023-04-13
KR102424867B1 (ko) 2022-07-26

Similar Documents

Publication Publication Date Title
US11055544B2 (en) Electronic device and control method thereof
WO2020010822A1 (en) Adaptive driver monitoring for advanced driver-assistance systems
US20210232147A1 (en) Trajectory representation in behavior prediction systems
US9576083B2 (en) Automatic driver modeling for integration of human-controlled vehicles into an autonomous vehicle network
US11871313B2 (en) System and method for vehicle sensing and analysis
CN114126944B (zh) 滚动时域状态估计器
US10442444B1 (en) Vehicle behavior and driver assistance modules for a mobile network device implementing pseudo-vehicle behavior signal generation based on mobile sensor signals
CN113212442A (zh) 一种轨迹感知车辆驾驶分析方法及系统
US11391825B2 (en) Sensor calibration parameter sensitivity analysis
KR102424867B1 (ko) 개인화된 안전운전 보조 방법 및 시스템
US11774596B2 (en) Streaming object detection within sensor data
US20220111870A1 (en) Systems and methods for brokering peer-assisted safety models for autonomous and assisted-driving vehicles
WO2024049461A2 (en) Methods and systems for dealiasing radar range rate measurements using machine learning
WO2024049461A9 (en) Methods and systems for dealiasing radar range rate measurements using machine learning
CN114282776A (zh) 车路协同评估自动驾驶安全性的方法、装置、设备和介质
CN110660217B (zh) 用于检测信息安全的方法及装置
CN110659696A (zh) 用于检测行车安全的方法及装置
US20240157979A1 (en) Trajectory prediction using diffusion models
CN110706374B (zh) 运动状态预测方法、装置、电子设备及车辆
US11875615B2 (en) Odometry noise model fitting from fleet-scale datasets
US20230280753A1 (en) Robust behavior prediction neural networks through non-causal agent based augmentation
CN115900724A (zh) 路径规划方法和装置
JP2022030567A (ja) 車両制御システム
KR20200133852A (ko) 자율 주행 장치 및 방법
CN114126943A (zh) 应用于自主车辆中的方法和设备

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant