KR20230061711A

KR20230061711A - 주차된 차량의 충격 종류 추정 방법, 및 차량의 충격 종류 추정 시스템

Info

Publication number: KR20230061711A
Application number: KR1020210146233A
Authority: KR
Inventors: 홍현수
Original assignee: 주식회사 디파인
Priority date: 2021-10-29
Filing date: 2021-10-29
Publication date: 2023-05-09

Abstract

주차된 차량의 충격 종류 추정 방법에서, 주차된 차량에 발생한 충격을 감지할 수 있다. 상기 주차된 차량 내의 기압 변화를 감지할 수 있다. 상기 감지된 충격 및 기압 변화에 기초하여, 상기 주차된 차량에 문의 열림 혹은 닫힘에 의한 충격이 발생하거나, 혹은 문 여닫힘 이외의 충격이 발생한 것으로 추정할 수 있다.

Description

주차된 차량의 충격 종류 추정 방법, 및 차량의 충격 종류 추정 시스템{METHOD OF ASSUMING TYPES OF COLLISION OF A PARKED CAR AND SYSTEM OF ASSUMING TYPES OF COLLISION OF A CAR}

본 발명은 주차된 차량의 충격 종류 추정 방법, 및 차량의 충격 종류 추정 시스템에 관한 것이다.

주차된 차량에 충격이 발생한 경우, 이를 감지하고 차주에게 알려주는 방법들이 개발되고 있다. 하지만, 차량에 발생하는 충격의 원인에는 타 차량과의 충돌에 의한 접촉 사고도 있지만, 문 여닫힘에 따른 충격과 같이 비 접촉 사건도 있으며, 이에 따라, 이들을 구별하여 감지할 수 있는 방법이 필요하다.

KR 10-2020-0102768 (2020년 9월 1일 공개)

본 발명의 일 목적은 주차된 차량의 충격 종류 추정 방법을 제공하는 것이다.

본 발명의 다른 목적은 차량의 충격 종류 추정 시스템을 제공하는 것이다.

다만, 본 발명의 목적은 상술한 목적들로 한정되는 것이 아니며, 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위에서 다양하게 확장될 수 있을 것이다.

본 발명의 일 목적을 달성하기 위하여, 본 발명의 실시예들에 따른 주차된 차량의 충격 종류 추정 방법에서, 주차된 차량에 발생한 충격을 감지할 수 있다. 상기 주차된 차량 내의 기압 변화를 감지할 수 있다. 상기 감지된 충격 및 기압 변화에 기초하여, 상기 주차된 차량에 문의 열림 혹은 닫힘에 의한 충격이 발생하거나, 혹은 문 여닫힘 이외의 충격이 발생한 것으로 추정할 수 있다.

예시적인 실시예들에 있어서, 상기 주차된 차량의 충격은 상기 차량의 가속도의 크기를 측정함으로써 감지될 수 있다.

예시적인 실시예들에 있어서, 일정 시간 동안 상기 차량의 가속도의 크기가 증가한 후 감소하여 일정한 값을 유지하고, 상기 일정 시간 동안 상기 차량 내의 기압이 감소한 후 증가하여 일정한 값을 유지하는 경우, 상기 주차된 차량에 문의 열림에 의한 충격이 발생한 것으로 추정할 수 있다.

예시적인 실시예들에 있어서, 일정 시간 동안 상기 차량의 가속도의 크기가 증가한 후 감소하여 일정한 값을 유지하고, 상기 일정 시간 동안 상기 차량 내의 기압이 증가한 후 감소하여 일정한 값을 유지하는 경우, 상기 주차된 차량에 문의 닫힘에 의한 충격이 발생한 것으로 추정할 수 있다.

예시적인 실시예들에 있어서, 상기 주차된 차량의 가속도는 상기 주차된 차량 내에 탑재된 가속도계에 의해 측정될 수 있다.

예시적인 실시예들에 있어서, 상기 주차된 차량 내의 기압 변화는 상기 차량에 설치된 기압계에 의해 기압을 측정함으로써 감지될 수 있으며, 상기 주차된 차량에 발생한 충격이 감지된 경우, 상기 충격 발생 시점 전후의 상기 가속도계의 측정 데이터 및 상기 기압계의 측정 데이터로부터 충격 종류 추정을 위한 특징 요소를 추출하여 이를 기계학습 모델의 입력으로 사용하고, 상기 기계학습 모델의 출력으로부터 상기 주차된 차량에 문의 열림 혹은 닫힘에 의한 충격이 발생하거나, 혹은 문 여닫힘 이외의 충격이 발생한 것으로 추정할 수 있다.

예시적인 실시예들에 있어서, 상기 충격 종류 추정을 위한 특징 요소는 상기 가속도계에 의해 측정된 각 축별 가속도의 실효값(RMS), 최대 가속도 및 증감 시간을 포함할 수 있다.

예시적인 실시예들에 있어서, 상기 충격 종류 추정을 위한 특징 요소는 상기 기압계에 의해 측정된 기압 파형의 증감의 최대값, 증감 순서, 증감 형태 및 증감 시간을 포함할 수 있다.

예시적인 실시예들에 있어서, 상기 기계학습 모델의 학습 방법은 의사 결정 트리, 서포트 벡터 머신(SVM), 및 신경 회로망 중 적어도 하나를 포함할 수 있다.

예시적인 실시예들에 있어서, 상기 주차된 차량에 문의 열림 혹은 닫힘에 의한 충격, 혹은 문 여닫힘 이외의 충격이 발생한 것으로 추정하는 데 사용되는 상기 기계학습 모델의 학습 과정은, i) 상기 주차된 차량의 문을 열거나 닫음으로써 발생하는 충격 실험 및 문 여닫힘 이외의 충격 실험을 수행하여 상기 각 충격들의 발생 시점 전후의 상기 차량의 가속도 데이터 및 기압 데이터를 수집하고 상기 각 충격들의 종류를 기록하는 단계; 및 ii) 상기 수집된 가속도 데이터들 및 기압 데이터들로부터 특징 요소를 구하여 이를 상기 기계학습 모델의 입력으로 하고, 상기 기록된 충격들의 종류 중에서 상기 각 가속도 데이터들 및 상기 각 기압 데이터들에 대응하는 충격 종류를 상기 기계학습 모델의 출력으로 하는 단계를 포함할 수 있으며, 이에 따라 상기 기계학습 모델은 상기 입력과 이에 대응하는 상기 출력에 대해 적절한 파라미터를 학습할 수 있다.

예시적인 실시예들에 있어서, ii) 단계는 반복적으로 수행될 수 있으며, 이에 따라 상기 파라미터의 정확성이 향상될 수 있다.

예시적인 실시예들에 있어서, 상기 수집된 가속도 데이터들 및 기압 데이터들 중에서 일부만이 상기 특징 요소를 구하는 데 사용될 수 있으며, 상기 주차된 차량에 문의 열림 혹은 닫힘에 의한 충격, 혹은 문 여닫힘 이외의 충격이 발생한 것으로 추정하는 데 사용되는 상기 기계학습 모델의 학습 과정은, 상기 수집된 가속도 데이터들 및 기압 데이터들 중에서 상기 특징 요소를 구하는 데 사용되지 않은 가속도 데이터들 및 기압 데이터들을 사용하여 상기 기계학습 모델의 정확도를 평가하는 검증 단계를 더 포함할 수 있다.

예시적인 실시예들에 있어서, 상기 주차된 차량 내의 기압 변화는 상기 차량에 설치된 기압계에 의해 기압을 측정함으로써 감지될 수 있으며, 상기 기압계의 측정치의 시계열 데이터 및 상기 가속도계의 측정치의 시계열 데이터를 딥 뉴럴 네트워크(Deep Neural Network) 모델의 입력으로 사용하고, 상기 딥 뉴럴 네트워크 모델의 출력으로부터 상기 주차된 차량에 문의 열림 혹은 닫힘에 의한 충격이 발생하거나, 혹은 문 여닫힘 이외의 충격이 발생한 것으로 추정할 수 있다.

예시적인 실시예들에 있어서, 상기 주차된 차량의 충격은 상기 차량 내에 설치된 마이크로폰(microphone)이나 자이로스코프(gyroscope)에 의해 상기 차량으로부터 발생하는 소리, 혹은 상기 차량의 진동이나 자세 변화를 측정함으로써 감지될 수 있다.

예시적인 실시예들에 있어서, 상기 주차된 차량 내의 기압 변화를 감지하는 것은 상기 주차된 차량에 발생한 충격을 감지하는 것과 동시에 수행될 수 있다.

예시적인 실시예들에 있어서, 상기 주차된 차량 내의 기압 변화를 감지하는 것은 상기 주차된 차량에 발생한 충격을 감지한 이후에 수행될 수 있다.

예시적인 실시예들에 있어서, 상기 주차된 차량의 충격을 감지하는 것은 상기 주차된 차량의 기압 변화를 감지하는 단계 이후에 수행될 수 있다.

본 발명의 다른 목적을 달성하기 위하여, 본 발명의 실시예들에 따른 차량의 충격 종류 추정 시스템은, 차량의 충격에 관련된 물리량 및 상기 차량 내의 기압을 측정하는 센서부; 상기 센서부에 의해 측정된 충격 관련 물리량 데이터 및 기압 데이터를 저장하는 메모리부; 상기 센서부에 의해 측정된 충격 관련 물리량에 기초하여, 상기 차량에 충격이 발생한 것을 감지하는 제어부; 및 상기 메모리부에 저장된 상기 충격 관련 물리량 데이터 및 기압 데이터에 기초하여, 상기 차량에 문의 열림 혹은 닫힘에 의한 충격이 발생하거나 혹은 문 여닫힘 이외의 충격이 발생한 것으로 추정하는 충격 종류 추정부를 포함할 수 있다.

예시적인 실시예들에 있어서, 상기 센서부는 상기 차량의 충격에 관련된 물리량을 측정하는 충격 측정 유닛; 및 상기 차량 내의 기압을 측정하는 기압계를 포함할 수 있다.

예시적인 실시예들에 있어서, 상기 충격 측정 유닛은 상기 차량 내에 탑재되어 상기 차량의 가속도를 측정하는 가속도계를 포함할 수 있다.

예시적인 실시예들에 있어서, 상기 가속도계는 상기 차량이 주차 중일 때의 상기 차량의 가속도를 측정할 수 있으며, 상기 충격 종류 추정부는 일정 시간 동안 상기 주차된 차량의 가속도의 크기가 증가한 후 감소하여 일정한 값을 유지하고, 상기 일정 시간 동안 상기 차량 내의 기압이 감소한 후 증가하여 일정한 값을 유지하는 경우, 상기 주차된 차량에 문의 열림에 의한 충격이 발생한 것으로 추정할 수 있다.

예시적인 실시예들에 있어서, 상기 가속도계는 상기 차량이 주차 중일 때의 상기 차량의 가속도를 측정할 수 있으며, 상기 충격 종류 추정부는 일정 시간 동안 상기 주차된 차량의 가속도의 크기가 증가한 후 감소하여 일정한 값을 유지하고, 상기 일정 시간 동안 상기 차량 내의 기압이 증가한 후 감소하여 일정한 값을 유지하는 경우, 상기 주차된 차량에 문의 닫힘에 의한 충격이 발생한 것으로 추정할 수 있다.

예시적인 실시예들에 있어서, 상기 가속도계는 상기 차량이 주차 중일 때의 상기 차량의 가속도를 측정할 수 있으며, 상기 제어부는 상기 주차된 차량의 가속도 변화를 통해 상기 차량에 충격이 발생된 것으로 감지하고, 상기 충격 종류 추정부는 상기 메모리부에 저장된 상기 충격 발생 시점 전후의 상기 가속도계의 측정 데이터 및 상기 기압계의 측정 데이터로부터 충격 종류 추정을 위한 특징 요소를 추출하여 이를 기계학습 모델의 입력으로 사용하고, 상기 기계학습 모델의 출력으로부터 상기 주차된 차량에 문의 열림 혹은 닫힘에 의한 충격이 발생하거나, 혹은 문 여닫힘 이외의 충격이 발생한 것으로 추정할 수 있다.

예시적인 실시예들에 있어서, 상기 주차된 차량에 문의 열림 혹은 닫힘에 의한 충격, 혹은 문 여닫힘 이외의 충격이 발생한 것으로 추정하기 위해 사용되는 상기 기계학습 모델의 학습 과정은, i) 상기 주차된 차량의 문을 열거나 닫음으로써 발생하는 충격 실험 및 문 여닫힘 이외의 충격 실험을 수행하여 상기 각 충격들의 발생 시점 전후의 상기 차량의 가속도 데이터 및 기압 데이터를 수집하고 상기 각 충격들의 종류를 기록하는 단계; 및

ii) 상기 수집된 가속도 데이터들 및 기압 데이터들로부터 특징 요소를 구하여 이를 상기 기계학습 모델의 입력으로 하고, 상기 기록된 충격들의 종류 중에서 상기 각 가속도 데이터들 및 상기 각 기압 데이터들에 대응하는 충격 종류를 상기 기계학습 모델의 출력으로 하는 단계를 포함할 수 있으며, 이에 따라 상기 기계학습 모델은 상기 입력과 이에 대응하는 상기 출력에 대해 적절한 파라미터를 학습할 수 있다.

예시적인 실시예들에 있어서, 상기 수집된 가속도 데이터들 및 기압 데이터들 중에서 일부만이 상기 특징 요소를 구하는 데 사용될 수 있으며, 상기 주차된 차량에 문의 열림 혹은 닫힘에 의한 충격, 혹은 문 여닫힘 이외의 충격이 발생한 것으로 추정하기 위해 사용되는 상기 기계학습 모델의 학습 과정은, 상기 수집된 가속도 데이터들 및 기압 데이터들 중에서 상기 특징 요소를 구하는 데 사용되지 않은 가속도 데이터들 및 기압 데이터들을 사용하여 상기 기계학습 모델의 정확도를 평가하는 검증 단계를 더 포함할 수 있다.

예시적인 실시예들에 있어서, 상기 가속도계는 상기 차량이 주차 중일 때의 상기 차량의 가속도를 측정할 수 있으며, 상기 제어부는 상기 주차된 차량의 가속도 변화를 통해 상기 차량에 충격이 발생된 것으로 감지하고, 상기 충격 종류 추정부는 상기 메모리부에 저장된 상기 기압계의 측정치의 시계열 데이터 및 상기 가속도계의 측정치의 시계열 데이터를 딥 뉴럴 네트워크(Deep Neural Network) 모델의 입력으로 사용하고, 상기 딥 뉴럴 네트워크 모델의 출력으로부터 상기 주차된 차량에 문의 열림 혹은 닫힘에 의한 충격이 발생하거나, 혹은 문 여닫힘 이외의 충격이 발생한 것으로 추정할 수 있다.

예시적인 실시예들에 있어서, 상기 충격 측정 유닛은 상기 차량으로부터 발생하는 소리 혹은 상기 차량의 평형상태를 측정하도록 상기 차량 내에 설치된 마이크로폰(microphone)이나 자이로스코프(gyroscope)를 포함할 수 있다.

예시적인 실시예들에 있어서, 상기 제어부와 상기 충격 종류 추정부는 하나로 통합되어 동일한 역할을 수행할 수 있다.

본 발명의 실시예들에 따른 주차된 차량의 충격 종류 추정 방법 및 차량의 충격 종류 추정 시스템에 의하면, 주차된 차량에 문 열림 혹은 문 닫힘에 의한 충격이 발생했는지, 혹은 문 여닫힘 이외의 원인에 따른 충격이 발생했는지를 용이하게 추정할 수 있다.

다만, 본 발명의 효과는 상술한 효과에 한정되는 것이 아니며, 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위에서 다양하게 확장될 수 있을 것이다.

도 1은 본 발명의 실시예들에 따른 차량의 충격 종류 추정 시스템을 나타내는 블록도이다.
도 2는 본 발명의 실시예들에 따른 주차된 차량의 충격 종류 추정 방법을 나타내는 순서도이다.
도 3 및 4는 각각 주차된 차량에 문 열림 및 문 닫힘에 의해 발생한 충격에 따른 상기 차량의 가속도의 변화 및 상기 차량 내부의 기압 변화를 나타낸 그래프들이다.
도 5는 본 발명의 다른 실시예들에 따른 주차된 차량의 충격 종류 추정 방법을 나타내는 순서도이다.

본문에 개시되어 있는 본 발명의 실시예들에 대해서, 특정한 구조적 내지 기능적 설명들은 단지 본 발명의 실시예를 설명하기 위한 목적으로 예시된 것으로, 본 발명의 실시예들은 다양한 형태로 실시될 수 있으며 본문에 설명된 실시예들에 한정되는 것으로 해석되어서는 아니 된다.

본 발명은 다양한 변경을 가할 수 있고 여러 가지 형태를 가질 수 있는바, 특정 실시예들을 도면에 예시하고 본문에 상세하게 설명하고자 한다. 그러나 이는 본 발명을 특정한 개시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.

제1, 제2 등의 용어는 다양한 구성 요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성 요소로부터 구별하는 목적으로 사용될 수 있다. 예를 들어, 본 발명의 권리 범위로부터 이탈되지 않은 채 제1 구성 요소는 제2 구성 요소로 명명될 수 있고, 유사하게 제 2 구성 요소도 제1 구성 요소로 명명될 수 있다.

어떤 구성 요소가 다른 구성 요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성 요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성 요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성 요소가 다른 구성 요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다. 구성 요소들 간의 관계를 설명하는 다른 표현들, 즉 "~사이에"와 "바로 ~사이에" 또는 "~에 이웃하는"과 "~에 직접 이웃하는" 등도 마찬가지로 해석되어야 한다.

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 설시된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

또한, 본문에 기재된 "~부" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다.

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

이하, 첨부한 도면들을 참조하여, 본 발명의 실시예들을 보다 상세하게 설명하고자 한다. 도면상의 동일한 구성 요소에 대해서는 동일하거나 유사한 참조 부호를 사용한다.

도 1은 본 발명의 실시예들에 따른 차량의 충격 종류 추정 시스템을 나타내는 블록도이다.

도 1을 참조하면, 본 발명의 실시예들에 따른 차량의 충격 종류 추정 시스템(100)은 센서부(200), 메모리부(300), 제어부(400), 및 충격 종류 추정부(500)를 포함할 수 있다. 또한, 차량의 충격 종류 추정 시스템(100)은 예를 들어, 카메라와 같은 촬영 장치, 및 데이터 전송 모뎀과 같은 통신 장치를 더 포함할 수도 있다.

위와 같은 차량의 충격 종류 추정 시스템(100)은 예를 들어, 차량용 블랙박스, 빌트인 캠(built-in cam) 등일 수 있다.

센서부(200)는 차량 내에 탑재될 수 있으며, 충격 측정 유닛(210) 및 기압계(220)를 포함할 수 있다.

충격 측정 유닛(210)은 상기 차량에 충격이 발생한 경우, 상기 충격으로 인해 생성되거나 변화하는 물리량, 즉 차량의 충격과 관련된 물리량을 측정할 수 있다.

예시적인 실시예들에 있어서, 충격 측정 유닛(210)은 상기 차량에 충격이 발생함에 따라 변화되는 가속도를 측정하는, 예를 들어, 3축 가속도계와 같은 가속도계를 포함할 수 있다. 상기 3축 가속도계는 상기 차량 내에 장착되는 위치를 기준점(영점)으로 하고, 상기 차량의 전후방을 가로지르는 X축, 상기 차량의 좌우를 가로지르는 Y축, 및 X축 및 Y축에 의해 형성되는 평면에 수직한 Z축으로 구성되는 3차원 로컬 좌표계를 사용하여 상기 차량의 가속도를 측정할 수 있다. 상기 3축 가속도계에서 상기 X축, 상기 Y축 및 상기 Z축은 서로 수직이 된다면 자유롭게 배치될 수 있다.

다만, 경우에 따라서 충격 측정 유닛(210)는 X축 및 Y축만을 포함하는 2축 가속도계를 포함할 수도 있다.

다른 실시예들에 있어서, 충격 측정 유닛(210)은 상기 차량에 충격이 발생함에 따라 상기 차량으로부터 발생하는 소리를 측정하여 이를 전기적 신호로 변환하는 마이크로폰(microphone), 혹은 상기 차량에 충격이 발생함에 따라 변화되는 상기 차량의 진동이나 자세 변화를 측정하는 자이로스코프(gyroscope)를 포함할 수도 있다.

이하에서는 예시적으로, 충격 측정 유닛(200)이 가속도계를 포함하는 것을 기준으로 설명하기로 한다.

기압계(220)는 상기 차량 내에 설치되어, 상기 차량 내부의 기압을 측정할 수 있다.

메모리부(300)는 충격 측정 유닛(210)에 의해 측정된, 예를 들어 차량의 가속도, 차량에서 발생하는 소리, 차량의 평형 상태와 같은 충격에 관련된 물리량에 관한 각종 데이터들, 및 기압계(220)에 의해 측정된 기압 데이터들을 저장할 수 있다. 메모리부(300)는 예를 들어, 램(RAM), 롬(ROM), 하드 디스크 드라이브(HDD), 솔리드 스테이드 드라이브(SSD) 등을 포함할 수 있다.

제어부(400)는 센서부(200), 메모리부(300) 및 충격 종류 추정부(500)가 수행하는 각 동작들을 제어할 수 있으며, 이에 필요한 각종 연산을 수행할 수 있다. 제어부(400)는 예를 들어, 마이크로 컨트롤러 유닛(MCU), 마이크로 프로세서 유닛(MPU), 애플리케이션 프로세서(AP) 등을 포함할 수 있다.

예시적인 실시예들에 있어서, 제어부(400)는 주차된 차량의 센서부(200)에 포함된 충격 측정 유닛(210)에 의해 측정된 상기 차량의 충격 관련된 물리량을 통해 상기 주차된 차량에 충격이 발생한 것을 감지할 수 있다. 예를 들어, 상기 주차된 차량의 가속도의 실효값(RMS) 혹은 최대값이 임계치 이상의 크기를 갖는 경우, 상기 주차된 차량에 충격이 발생한 것으로 판정할 수 있다.

충격 종류 추정부(500)는 예를 들어, 마이크로 컨트롤러 유닛(MCU), 마이크로 프로세서 유닛(MPU), 애플리케이션 프로세서(AP) 등을 포함할 수 있다.

예시적인 실시예들에 있어서, 충격 종류 추정부(500)는 제어부(400)에 의해 상기 주차된 차량의 충격이 감지된 경우, 메모리부(300)에 저장된 상기 충격 발생 시점 전후의 상기 가속도계의 측정 데이터 및 상기 기압계의 측정 데이터로부터 기계학습 모델 혹은 딥 뉴럴 네트워크(Deep Neural Network) 모델에 의해 상기 차량에 문의 열림 혹은 닫힘에 의한 충격이 발생했는지, 혹은 문 여닫힘 이외의 원인에 의해 충격이 발생했는지를 추정할 수 있다. 이에 따라, 충격 종류 추정부(500)는 차량의 충격 종류 추정을 위한 알고리즘을 포함하는 소프트웨어를 구동시킬 수 있다.

지금까지는 충격 종류 추정부(500)가 제어부(400)와 별도로 존재하여, 제어부(400)는 주차된 차량의 충격을 감지하여 판정하는 동작을 수행하고, 충격 종류 추정부(500)는 상기 충격의 종류를 추정하는 동작을 수행하는 것으로 설명하였지만, 본 발명의 개념은 이에 한정되지는 않는다.

즉, 충격 종류 추정부(500)는 제어부(400) 내에 배치될 수도 있으며, 이에 따라 이들이 통합된 하나의 장치가 각종 제어 및 연산 동작뿐만 아니라, 충격 감지 및 충격 종류 추정 동작을 함께 수행할 수도 있다.

이하에서는 편의 상, 충격 종류 추정부(500)가 제어부(400)와 별도로 존재하여 이들이 각각 동작하는 것에 대해서만 설명하지만, 이들이 하나의 장치를 이루어 위 동작들을 모두 수행하는 것도 가능하다.

도 2는 본 발명의 실시예들에 따른 주차된 차량의 충격 종류 추정 방법을 나타내는 순서도이다.

도 1 및 2를 함께 참조하면, 제1 단계(S110)에서, 차량 내에 탑재된 차량의 충격 종류 추정 시스템(100)(이하에서는 시스템(100)으로 지칭함)에 구비된 제어부(400)는 주차된 차량의 충격을 감지할 수 있다.

예시적인 실시예들에 있어서, 시스템(100)에 구비된 센서부(200) 내의 충격 측정 유닛(210)은 상기 주차된 차량의 충격과 관련된 물리량, 예를 들어, 가속도, 소리, 평형상태 등을 측정할 수 있으며, 상기 각 물리량이 임계치 이상의 크기를 갖는 경우, 시스템(100)에 포함된 제어부(400)는 상기 주차된 차량에 충격이 발생한 것으로 판정하여 이를 감지할 수 있다.

예시적인 실시예들에 있어서, 상기 충격 관련 물리량이 가속도인 경우, 상기 차량의 가속도는 3축 가속도계 혹은 2축 가속도계에 의해 측정될 수 있으며, 각 축별로 측정된 가속도들에 의해 형성되는 가속도 벡터의 크기를 산출하여, 상기 크기가 일정한 값 이상이라면 상기 차량에 충격이 발생한 것으로 판정할 수 있다.

이때, 상기 가속도 벡터의 크기는 충격 발생 전후의 일정한 시간 동안의 상기 가속도 벡터 크기의 최대치인 최대 가속도, 혹은 충격 발생 전후의 일정한 시간 동안의 상기 가속도 벡터의 제곱평균제곱근인 실효값(Root Mean Square: RMS)일 수 있다.

한편, 충격 측정 유닛(210)에 의해 측정된 상기 충격 관련 물리량 데이터, 예를 들어 가속도 데이터는 시스템(100)에 포함된 메모리부(300)에 저장될 수 있다.

제2 단계(S120)에서, 센서부(200) 내의 기압계(220)는 상기 주차된 차량 내의 기압을 측정할 수 있으며, 제1 단계(S110)에서 상기 주차된 차량에 충격이 발생한 것으로 감지된 경우, 상기 충격 발생 전후 일정한 시간 동안의 상기 기압의 변화량이 임계치 이상의 크기를 가지면, 제어부(400)는 상기 주차된 차량에 기압 변화가 발생한 것으로 판정하여 이를 감지할 수 있다.

한편, 기압계(220)에 의해 측정된 상기 기압 데이터 역시 시스템(100)에 포함된 메모리부(300)에 저장될 수 있다.

제3 단계(S130)에서, 충격 종류 추정부(500)는 상기 감지된 충격 및 기압 변화에 기초하여, 상기 주차된 차량에 문의 열림 혹은 닫힘에 의한 충격이 발생하거나, 혹은 문 여닫힘 이외의 충격이 발생한 것으로 추정할 수 있다.

즉, 주차된 차량에 충격이 발생한 경우, 이는 예를 들어, 상기 차량의 문의 열림 혹은 닫힘에 의한 충격일 수도 있고, 혹은 문 여닫힘 이외의 충격, 예를 들어 다른 차량과의 충돌로 인한 충격일 수도 있다. 이때, 문 여닫힘에 의한 충격은 상기 차량에 실질적으로 손상을 주지 않으므로, 문 여닫힘 이외의 충격과 구별할 필요가 있다.

도 3 및 4는 각각 주차된 차량에 문 열림 및 문 닫힘에 의해 발생한 충격에 따른 상기 차량의 가속도의 변화 및 상기 차량 내부의 기압 변화를 나타낸 그래프들이다.

도 3을 먼저 참조하면, 주차된 차량의 문이 열린 경우 그 충격에 의해 상기 차량의 가속도의 크기가 일시적으로 증가하여 최고점에 이른 후 다시 감소하며, 이후 증가 전의 값과 유사한 값을 유지하게 된다. 이때, 상기 가속도의 크기는 가속도계의 신호 잡음을 초과하는 수준으로 증가했다가 감소해야 한다.

한편, 상기 차량의 문이 열림에 따라 상기 차량 내부의 기압은 일시적으로 감소하여 최저점에 이른 후 다시 증가하며, 이후 감소 전의 값과 유사한 값을 유지하게 된다. 이때, 상기 기압은 기압계의 신호 잡음을 초과하는 수준으로 감소했다가 증가해야 한다.

이와 같이, 상기 주차된 차량의 가속도의 크기가 특정 시간 동안 증가했다가 감소하여 일정한 값을 유지하고, 상기 주차된 차량의 기압이 상기 특정 시간 동안 감소했다가 증가하여 일정한 값을 유지하는 패턴을 갖는 경우, 상기 주차된 차량에는 문 열림에 의한 충격이 발생한 것으로 추정할 수 있다.

이제 도 4를 참조하면, 주차된 차량의 문이 닫힌 경우 그 충격에 의해 상기 차량의 가속도의 크기가 일시적으로 증가하여 최고점에 이른 후 다시 감소하며, 이후 증가 전의 값과 유사한 값을 유지하게 된다. 이때, 상기 가속도의 크기는 가속도계의 신호 잡음을 초과하는 수준으로 증가했다가 감소해야 한다.

한편, 상기 차량의 문이 닫힘에 따라 상기 차량 내부의 기압은 일시적으로 증가하여 최고점에 이른 후 다시 감소하며, 이후 증가 전의 값과 유사한 값을 유지하게 된다. 이때, 상기 기압은 기압계의 신호 잡음을 초과하는 수준으로 증가했다가 감소해야 한다.

이와 같이, 상기 주차된 차량의 가속도의 크기가 특정 시간 동안 증가했다가 감소하여 일정한 값을 유지하고, 상기 주차된 차량의 기압이 상기 특정 시간 동안 증가했다가 감소하여 일정한 값을 유지하는 패턴을 갖는 경우, 상기 주차된 차량에는 문 닫힘에 의한 충격이 발생한 것으로 추정할 수 있다.

예시적인 실시예들에 있어서, 상기 주차된 차량에 문의 열림 혹은 닫힘에 의한 충격이 발생했는지 혹은 문 여닫힘 이외의 충격이 발생했는지에 대한 구별, 즉 충격 종류에 대한 구별은 기계학습 방법으로 추정할 수 있다.

즉, 메모리부(300)에 저장된 상기 충격의 발생 시점 전후의 충격 관련 물리량 데이터, 즉 대표적으로 가속도 데이터, 및 상기 충격 발생 시점 전후의 기압 데이터로부터 충격 종류 추정부(500)가 충격 종류 추정을 위한 특징 요소를 추출하여 이를 기계학습 모델의 입력으로 사용함으로써, 상기 기계학습 모델의 출력을 통해 충격 종류를 추정할 수 있다.

예를 들어, 상기 충격 발생 시점 전후의 가속도계에 의해 측정된 각 축별 가속도의 실효값(RMS), 최대 가속도 및 증감 시간과, 기압계(220)에 의해 측정된 기압 파형의 증감의 최대값, 증감 순서, 증감 형태 및 증감 시간은 문 열림에 의한 충격, 문 닫힘에 의한 충격, 및 문 여닫힘 이외의 충격에 따라 서로 다른 양상을 보이므로, 이들을 구별하기 위한 특징 요소에 해당할 수 있다. 다만, 본 발명의 개념은 이에 한정되지는 않으며, 위에서 예시적으로 열거한 사항 이외의 다른 사항들도 상기 특징 요소에 해당될 수 있다.

예시적인 실시예들에 있어서, 상기 기계학습 모델의 학습 과정에서, 상기 주차된 차량에 대한 문 열림에 의한 충격 사건, 문 닫힘에 의한 충격 사건, 및 문 여닫힘 이외의 충격 사건을 포함하는 충격 실험을 복수 회 수행하여 상기 각 충격들의 발생 시점 전후의 상기 주차된 차량의 가속도 데이터 및 기압 데이터를 수집할 수 있으며, 이때 상기 각 충격들에 대해서는 문 열림, 문 닫힘 및 기타 중에서 충격의 원인이 되는 하나를 기록할 수 있다. 이후, 상기 수집된 가속도 데이터들 및 기압 데이터들로부터 특징 요소를 구하여 이를 상기 기계학습 모델의 입력으로 하고, 상기 각 가속도 데이터들 및 기압 데이터들에 대응하여 기록된 충격의 원인 즉, 문 열림, 문 닫힘 및 기타 중 하나를 상기 기계학습 모델의 출력이 되도록 함으로써, 상기 기계학습 모델의 파라미터(parameter)를 학습시킬 수 있다.

예시적인 실시예들에 있어서, 위와 같은 기계학습 모델의 학습, 즉 충격 실험에 의해 수집된 가속도 데이터 및 기압 데이터로부터 구해진 특징 요소를 입력으로 하고, 상기 가속도 데이터 및 기압 데이터에 대응하는 충격의 원인 즉, 문 열림 충격, 문 닫힘 충격 및 기타 충격인지를 출력으로 하는 학습은 반복적으로 수행되어 상기 파라미터의 정확성을 향상시킬 수 있으며, 이에 따라 상기 기계학습 모델은 상기 입력과 이에 대응하는 상기 출력에 대해 최적의 파라미터를 획득할 수 있다. 이와 같이 학습된 기계학습 모델을 사용함으로써, 주차된 차량의 충격 종류에 대한 보다 정확한 추정이 가능해질 수 있다.

예시적인 실시예들에 있어서, 상기 수집된 가속도 데이터들 및 기압 데이터들 중에서 일부만이 상기 특징 요소를 구하는 데 사용될 수 있으며, 상기 수집된 가속도 데이터들 및 기압 데이터들 중에서 상기 특징 요소를 구하는 데 사용되지 않은 가속도 데이터들 및 기압 데이터들을 사용하여 상기 기계학습 모델의 정확도를 평가하는 검증을 수행할 수 있다.

예시적인 실시예들에 있어서, 상기 기계학습 모델의 학습 방법은 의사 결정 트리(decision tree), 서포트 벡터 머신(Support Vector Machine: SVM), 신경 회로망 등을 포함할 수 있다.

이와는 달리, 상기 주차된 차량에 문의 열림 혹은 닫힘에 의한 충격이 발생했는지 혹은 문 여닫힘 이외의 충격이 발생했는지에 대한 구별, 즉 충격 종류에 대한 구별은 딥러닝(Deep Learning) 방법으로 추정할 수도 있다.

즉, 메모리부(300)에 저장된 상기 충격의 발생 시점 전후의 상기 가속도계 측정치의 시계열 데이터 및 상기 기압계 측정치의 시계열 데이터를 딥 뉴럴 네트워크(Deep Neural Network) 모델의 입력으로 사용함으로써, 상기 기계학습 모델의 출력을 통해 충격 종류를 추정할 수 있다.

도 5는 본 발명의 다른 실시예들에 따른 주차된 차량의 충격 종류 추정 방법을 나타내는 순서도이다.

도 5를 참조하면, 도 2를 참조한 충격 종류 추정 방법과는 달리, 제1 단계(S110) 이전에 제2 단계(S120)를 먼저 수행할 수 있다.

즉, 먼저 제2 단계(S120)를 수행하여, 센서부(200) 내의 기압계(220)가 상기 주차된 차량 내의 기압을 측정할 수 있으며, 상기 기압의 변화량이 임계치 이상의 크기를 가지면, 제어부(400)는 상기 주차된 차량에 기압 변화가 발생한 것으로 판정하여 이를 감지할 수 있다.

이후, 제1 단계(S110)를 수행하여, 센서부(200) 내의 충격 측정 유닛(210)은 상기 주차된 차량의 충격과 관련된 물리량, 예를 들어, 가속도, 소리, 평형상태 등을 측정할 수 있으며, 제2 단계(S120)를 수행한 결과 상기 주차된 차량에 기압 변화가 감지된 경우, 상기 각 물리량이 임계치 이상의 크기를 가지면, 제어부(400)는 상기 주차된 차량에 충격이 발생한 것으로 판정하여 이를 감지할 수 있다.

이후, 도 2를 참조로 설명한 제3 단계(S130)를 수행함으로써 주차된 차량의 충격 종류를 추정할 수 있다.

전술한 바와 같이, 본 발명의 실시예에 따른 주차된 차량의 충격 종류 추정 방법 및 시스템(100)에 의하면, 주차된 차량에 문 열림 혹은 문 닫힘에 의한 충격이 발생했는지, 혹은 문 여닫힘 이외의 원인에 따른 충격이 발생했는지를 용이하게 추정할 수 있다.

이와 같이, 주차된 차량에 발생한 충격의 종류를 추정할 수 충격 종류 추정 시스템(100)을 포함하는 블랙박스는 다음과 같은 추가적인 기능을 수행할 수 있다.

즉, 주차된 차량에 문 여닫힘에 의한 충격이 발생한 경우 이에 의한 데이터는 저장 매체에 저장하지 않는 대신, 문 여닫힘 이외의 원인에 의한 충격, 예를 들어, 타 차량과의 충돌에 의한 충격에 대한 데이터만을 상기 저장 매체에 저장하고 이를 차량의 소유주에게 알려줌으로써, 주차 상태에서의 접촉 사고에 대한 정보를 저장하고 알려줄 수 있다.

한편, 주차된 차량에 문 열림에 의한 충격이 발생한 경우 이를 상기 차량의 소유주에게 원격으로 알려줌으로써, 주차 상태에서의 도난 사고에 대한 정보를 알려줄 수 있다.

또한, 주차된 차량에 문 열림에 의한 충격이 발생한 경우 그 직후 영상을 저장함으로써, 주차 상태에서의 도난 사고나 문 열린 상태에서의 교통 사고에 대한 정보를 저장하고 알려줄 수 있다.

나아가, 주차된 차량에 문 열림에 의한 충격이 발생한 경우, 창문이 열린 상태로 주차한 것에 대한 정보를 알려줄 수 있다.

또한, 주차를 위해 문 여닫힘이 발생한 경우, 주차 후 하차한 뒤 차량 주변 영상을 촬영 및 전송함으로써, 주차 위치에 대한 정보를 저장하고 알려줄 수도 있다.

이상, 본 발명의 실시예들에 따른 주차된 차량의 충격 종류 추정 방법 및 시스템에 대하여 도면을 참조하여 설명하였지만, 상기 설명은 예시적인 것으로서 본 발명의 기술적 사상을 벗어나지 않는 범위에서 해당 기술 분야에서 통상의 지식을 가진 자에 의하여 수정 및 변경될 수 있을 것이다.

100: 차량의 충격 종류 추정 시스템
200: 센서부 210: 충격 측정 유닛
220: 기압계 300: 메모리부
400: 제어부 500: 충격 종류 추정부

Claims

주차된 차량에 발생한 충격을 감지하는 단계;
상기 주차된 차량 내의 기압 변화를 감지하는 단계; 및
상기 감지된 충격 및 기압 변화에 기초하여, 상기 주차된 차량에 문의 열림 혹은 닫힘에 의한 충격이 발생하거나, 혹은 문 여닫힘 이외의 충격이 발생한 것으로 추정하는 단계를 포함하는 주차된 차량의 충격 종류 추정 방법.
제1 항에 있어서, 상기 주차된 차량의 충격은 상기 차량의 가속도를 측정함으로써 감지되는 주차된 차량의 충격 종류 추정 방법.
제2 항에 있어서, 일정 시간 동안 상기 차량의 가속도의 크기가 증가한 후 감소하여 일정한 값을 유지하고, 상기 일정 시간 동안 상기 차량 내의 기압이 감소한 후 증가하여 일정한 값을 유지하는 경우,
상기 주차된 차량에 문의 열림에 의한 충격이 발생한 것으로 추정하는 주차된 차량의 충격 종류 추정 방법.
제2 항에 있어서, 일정 시간 동안 상기 차량의 가속도의 크기가 증가한 후 감소하여 일정한 값을 유지하고, 상기 일정 시간 동안 상기 차량 내의 기압이 증가한 후 감소하여 일정한 값을 유지하는 경우,
상기 주차된 차량에 문의 닫힘에 의한 충격이 발생한 것으로 추정하는 주차된 차량의 충격 종류 추정 방법.
제2 항에 있어서, 상기 주차된 차량의 가속도는 상기 주차된 차량 내에 탑재된 가속도계에 의해 측정되는 주차된 차량의 충격 종류 추정 방법.
제5 항에 있어서, 상기 주차된 차량 내의 기압 변화는 상기 차량에 설치된 기압계에 의해 기압을 측정함으로써 감지되며,
상기 주차된 차량에 발생한 충격이 감지된 경우,
상기 충격 발생 시점 전후의 상기 가속도계의 측정 데이터 및 상기 기압계의 측정 데이터로부터 충격 종류 추정을 위한 특징 요소를 추출하여 이를 기계학습 모델의 입력으로 사용하고,
상기 기계학습 모델의 출력으로부터 상기 주차된 차량에 문의 열림 혹은 닫힘에 의한 충격이 발생하거나, 혹은 문 여닫힘 이외의 충격이 발생한 것으로 추정하는 단계를 포함하는 주차된 차량의 충격 종류 추정 방법
제6 항에 있어서, 상기 충격 종류 추정을 위한 특징 요소는 상기 가속도계에 의해 측정된 각 축별 가속도의 실효값(RMS), 최대 가속도 및 증감 시간을 포함하는 주차된 차량의 충격 종류 추정 방법.
제6 항에 있어서, 상기 충격 종류 추정을 위한 특징 요소는 상기 기압계에 의해 측정된 기압 파형의 증감의 최대값, 증감 순서, 증감 형태 및 증감 시간을 포함하는 주차된 차량의 충격 종류 추정 방법.
제6 항에 있어서, 상기 기계학습 모델의 학습 방법은 의사 결정 트리, 서포트 벡터 머신(SVM), 및 신경 회로망 중 적어도 하나를 포함하는 주차된 차량의 충격 종류 추정 방법.
제6 항에 있어서, 상기 주차된 차량에 문의 열림 혹은 닫힘에 의한 충격, 혹은 문 여닫힘 이외의 충격이 발생한 것으로 추정하는 단계에서 사용되는 상기 기계학습 모델의 학습 과정은,
i) 상기 주차된 차량의 문을 열거나 닫음으로써 발생하는 충격 실험 및 문 여닫힘 이외의 충격 실험을 수행하여 상기 각 충격들의 발생 시점 전후의 상기 차량의 가속도 데이터 및 기압 데이터를 수집하고 상기 각 충격들의 종류를 기록하는 단계; 및
ii) 상기 수집된 가속도 데이터들 및 기압 데이터들로부터 특징 요소를 구하여 이를 상기 기계학습 모델의 입력으로 하고, 상기 기록된 충격들의 종류 중에서 상기 각 가속도 데이터들 및 상기 각 기압 데이터들에 대응하는 충격 종류를 상기 기계학습 모델의 출력으로 하는 단계를 포함하며,
이에 따라 상기 기계학습 모델은 상기 입력과 이에 대응하는 상기 출력에 대해 적절한 파라미터를 학습하는 주차된 차량의 충격 종류 추정 방법.
제10 항에 있어서, ii) 단계는 반복적으로 수행되며, 이에 따라 상기 파라미터의 정확성이 향상되는 주차된 차량의 충격 종류 추정 방법.
제10 항에 있어서, 상기 수집된 가속도 데이터들 및 기압 데이터들 중에서 일부만이 상기 특징 요소를 구하는 데 사용되며,
상기 주차된 차량에 문의 열림 혹은 닫힘에 의한 충격, 혹은 문 여닫힘 이외의 충격이 발생한 것으로 추정하는 단계에서 사용되는 상기 기계학습 모델의 학습 과정은,
상기 수집된 가속도 데이터들 및 기압 데이터들 중에서 상기 특징 요소를 구하는 데 사용되지 않은 가속도 데이터들 및 기압 데이터들을 사용하여 상기 기계학습 모델의 정확도를 평가하는 검증 단계를 더 포함하는 주차된 차량의 충격 종류 추정 방법.
제5 항에 있어서, 상기 주차된 차량 내의 기압 변화는 상기 차량에 설치된 기압계에 의해 기압을 측정함으로써 감지되며,
상기 기압계의 측정치의 시계열 데이터 및 상기 가속도계의 측정치의 시계열 데이터를 딥 뉴럴 네트워크(Deep Neural Network) 모델의 입력으로 사용하고,
상기 딥 뉴럴 네트워크 모델의 출력으로부터 상기 주차된 차량에 문의 열림 혹은 닫힘에 의한 충격이 발생하거나, 혹은 문 여닫힘 이외의 충격이 발생한 것으로 추정하는 단계를 포함하는 주차된 차량의 충격 종류 추정 방법.
제1 항에 있어서, 상기 주차된 차량의 충격은 상기 차량 내에 설치된 마이크로폰(microphone)이나 자이로스코프(gyroscope)에 의해 상기 차량으로부터 발생하는 소리, 혹은 상기 차량의 진동이나 자세 변화를 측정함으로써 감지되는 주차된 차량의 충격 종류 추정 방법.
제1 항에 있어서, 상기 주차된 차량 내의 기압 변화를 감지하는 단계는 상기 주차된 차량에 발생한 충격을 감지하는 단계 이후에, 상기 충격이 감지된 시간 전후의 상기 주차된 차량 내의 기압 변화를 감지하는 주차된 차량의 충격 종류 추정 방법.
제1 항에 있어서, 상기 주차된 차량의 충격을 감지하는 단계는 상기 주차된 차량의 기압 변화를 감지하는 단계 이후에, 상기 기압 변화가 감지된 시간 전후의 상기 주차된 차량의 충격을 감지하는 주차된 차량의 충격 종류 추정 방법.
차량의 충격에 관련된 물리량 및 상기 차량 내의 기압을 측정하는 센서부;
상기 센서부에 의해 측정된 충격 관련 물리량 데이터 및 기압 데이터를 저장하는 메모리부;
상기 센서부에 의해 측정된 충격 관련 물리량에 기초하여, 상기 차량에 충격이 발생한 것을 감지하는 제어부; 및
상기 메모리부에 저장된 상기 충격 관련 물리량 데이터 및 기압 데이터에 기초하여, 상기 차량에 문의 열림 혹은 닫힘에 의한 충격이 발생하거나 혹은 문 여닫힘 이외의 충격이 발생한 것으로 추정하는 충격 종류 추정부를 포함하는 차량의 충격 종류 추정 시스템.
제17 항에 있어서, 상기 센서부는,
상기 차량의 충격에 관련된 물리량을 측정하는 충격 측정 유닛; 및
상기 차량 내의 기압을 측정하는 기압계를 포함하는 차량의 충격 종류 추정 시스템.
제18 항에 있어서, 상기 충격 측정 유닛은 상기 차량 내에 탑재되어 상기 차량의 가속도를 측정하는 가속도계를 포함하는 차량의 충격 종류 추정 시스템.
제19 항에 있어서, 상기 가속도계는 상기 차량이 주차 중일 때의 상기 차량의 가속도를 측정하며,
상기 충격 종류 추정부는 일정 시간 동안 상기 주차된 차량의 가속도의 크기가 증가한 후 감소하여 일정한 값을 유지하고, 상기 일정 시간 동안 상기 차량 내의 기압이 감소한 후 증가하여 일정한 값을 유지하는 경우,
상기 주차된 차량에 문의 열림에 의한 충격이 발생한 것으로 추정하는 차량의 충격 종류 추정 시스템.
제19 항에 있어서, 상기 가속도계는 상기 차량이 주차 중일 때의 상기 차량의 가속도를 측정하며,
상기 충격 종류 추정부는 일정 시간 동안 상기 주차된 차량의 가속도의 크기가 증가한 후 감소하여 일정한 값을 유지하고, 상기 일정 시간 동안 상기 차량 내의 기압이 증가한 후 감소하여 일정한 값을 유지하는 경우,
상기 주차된 차량에 문의 닫힘에 의한 충격이 발생한 것으로 추정하는 차량의 충격 종류 추정 시스템.
제19 항에 있어서, 상기 가속도계는 상기 차량이 주차 중일 때의 상기 차량의 가속도를 측정하며,
상기 제어부는 상기 주차된 차량의 가속도 변화를 통해 상기 차량에 충격이 발생된 것으로 감지하고,
상기 충격 종류 추정부는 상기 메모리부에 저장된 상기 충격 발생 시점 전후의 상기 가속도계의 측정 데이터 및 상기 기압계의 측정 데이터로부터 충격 종류 추정을 위한 특징 요소를 추출하여 이를 기계학습 모델의 입력으로 사용하고,
상기 기계학습 모델의 출력으로부터 상기 주차된 차량에 문의 열림 혹은 닫힘에 의한 충격이 발생하거나, 혹은 문 여닫힘 이외의 충격이 발생한 것으로 추정하는 차량의 충격 종류 추정 시스템.
제22 항에 있어서, 상기 충격 종류 추정을 위한 특징 요소는 상기 가속도계에 의해 측정된 각 축별 가속도의 실효값(RMS), 최대 가속도 및 증감 시간을 포함하는 차량의 충격 종류 추정 시스템.
제22 항에 있어서, 상기 충격 종류 추정을 위한 특징 요소는 상기 기압계에 의해 측정된 기압 파형의 증감의 최대값, 증감 순서, 증감 형태 및 증감 시간을 포함하는 차량의 충격 종류 추정 시스템.
제22 항에 있어서, 상기 기계학습 모델의 학습 방법은 의사 결정 트리, 서포트 벡터 머신(SVM), 및 신경 회로망 중 적어도 하나를 포함하는 차량의 충격 종류 추정 시스템.
제22 항에 있어서, 상기 주차된 차량에 문의 열림 혹은 닫힘에 의한 충격, 혹은 문 여닫힘 이외의 충격이 발생한 것으로 추정하기 위해 사용되는 상기 기계학습 모델의 학습 과정은,
i) 상기 주차된 차량의 문을 열거나 닫음으로써 발생하는 충격 실험 및 문 여닫힘 이외의 충격 실험을 수행하여 상기 각 충격들의 발생 시점 전후의 상기 차량의 가속도 데이터 및 기압 데이터를 수집하고 상기 각 충격들의 종류를 기록하는 단계; 및
ii) 상기 수집된 가속도 데이터들 및 기압 데이터들로부터 특징 요소를 구하여 이를 상기 기계학습 모델의 입력으로 하고, 상기 기록된 충격들의 종류 중에서 상기 각 가속도 데이터들 및 상기 각 기압 데이터들에 대응하는 충격 종류를 상기 기계학습 모델의 출력으로 하는 단계를 포함하며,
이에 따라 상기 기계학습 모델은 상기 입력과 이에 대응하는 상기 출력에 대해 적절한 파라미터를 학습하는 차량의 충격 종류 추정 시스템.
제26 항에 있어서, ii) 단계는 반복적으로 수행되며, 이에 따라 상기 파라미터의 정확성이 향상되는 차량의 충격 종류 추정 시스템.
제26 항에 있어서, 상기 수집된 가속도 데이터들 및 기압 데이터들 중에서 일부만이 상기 특징 요소를 구하는 데 사용되며,
상기 주차된 차량에 문의 열림 혹은 닫힘에 의한 충격, 혹은 문 여닫힘 이외의 충격이 발생한 것으로 추정하기 위해 사용되는 상기 기계학습 모델의 학습 과정은,
상기 수집된 가속도 데이터들 및 기압 데이터들 중에서 상기 특징 요소를 구하는 데 사용되지 않은 가속도 데이터들 및 기압 데이터들을 사용하여 상기 기계학습 모델의 정확도를 평가하는 검증 단계를 더 포함하는 차량의 충격 종류 추정 시스템.
제19 항에 있어서, 상기 가속도계는 상기 차량이 주차 중일 때의 상기 차량의 가속도를 측정하며,
상기 제어부는 상기 주차된 차량의 가속도 변화를 통해 상기 차량에 충격이 발생된 것으로 감지하고,
상기 충격 종류 추정부는 상기 메모리부에 저장된 상기 기압계의 측정치의 시계열 데이터 및 상기 가속도계의 측정치의 시계열 데이터를 딥 뉴럴 네트워크(Deep Neural Network) 모델의 입력으로 사용하고,
상기 딥 뉴럴 네트워크 모델의 출력으로부터 상기 주차된 차량에 문의 열림 혹은 닫힘에 의한 충격이 발생하거나, 혹은 문 여닫힘 이외의 충격이 발생한 것으로 추정하는 차량의 충격 종류 추정 시스템.
제18 항에 있어서, 상기 충격 측정 유닛은 상기 차량으로부터 발생하는 소리, 혹은 상기 차량의 진동이나 자세 변화를 측정하도록 상기 차량 내에 설치된 마이크로폰(microphone)이나 자이로스코프(gyroscope)를 포함하는 차량의 충격 종류 추정 시스템.
제17 항에 있어서, 상기 제어부와 상기 충격 종류 추정부는 하나로 통합되어 동일한 역할을 수행하는 차량의 충격 종류 추정 시스템.