KR20240050729A - 탑승자 행동 분석에 기반한 안전 관련 정보 전송 방법 - Google Patents
탑승자 행동 분석에 기반한 안전 관련 정보 전송 방법 Download PDFInfo
- Publication number
- KR20240050729A KR20240050729A KR1020220130477A KR20220130477A KR20240050729A KR 20240050729 A KR20240050729 A KR 20240050729A KR 1020220130477 A KR1020220130477 A KR 1020220130477A KR 20220130477 A KR20220130477 A KR 20220130477A KR 20240050729 A KR20240050729 A KR 20240050729A
- Authority
- KR
- South Korea
- Prior art keywords
- electronic device
- information
- passenger
- occupant
- communication
- Prior art date
Links
- 238000000034 method Methods 0.000 title abstract description 41
- 238000004458 analytical method Methods 0.000 title description 5
- 230000003542 behavioural effect Effects 0.000 title description 3
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 46
- 238000001514 detection method Methods 0.000 claims abstract description 35
- 238000004891 communication Methods 0.000 claims description 91
- 230000006399 behavior Effects 0.000 claims description 65
- 230000005540 biological transmission Effects 0.000 claims description 28
- 238000005315 distribution function Methods 0.000 claims description 15
- 230000015654 memory Effects 0.000 claims description 15
- 238000011017 operating method Methods 0.000 abstract 1
- 238000005516 engineering process Methods 0.000 description 15
- 238000010586 diagram Methods 0.000 description 14
- 238000010801 machine learning Methods 0.000 description 14
- 230000008054 signal transmission Effects 0.000 description 14
- 230000006870 function Effects 0.000 description 12
- 230000033001 locomotion Effects 0.000 description 11
- 230000008569 process Effects 0.000 description 11
- 230000004044 response Effects 0.000 description 11
- 230000009471 action Effects 0.000 description 9
- 238000012549 training Methods 0.000 description 8
- 238000007726 management method Methods 0.000 description 7
- 238000012360 testing method Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 206010042772 syncope Diseases 0.000 description 4
- 206010041349 Somnolence Diseases 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 238000010295 mobile communication Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000013500 data storage Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 241000699670 Mus sp. Species 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000036626 alertness Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000003278 mimic effect Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 229910052709 silver Inorganic materials 0.000 description 1
- 239000004332 silver Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 230000008733 trauma Effects 0.000 description 1
Images
Classifications
-
- 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
- B60W40/09—Driving style or behaviour
-
- 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
- B60W10/00—Conjoint control of vehicle sub-units of different type or different function
- B60W10/04—Conjoint control of vehicle sub-units of different type or different function including control of propulsion units
- B60W10/06—Conjoint control of vehicle sub-units of different type or different function including control of propulsion units including control of combustion engines
-
- 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64C—AEROPLANES; HELICOPTERS
- B64C39/00—Aircraft not otherwise provided for
- B64C39/02—Aircraft not otherwise provided for characterised by special use
- B64C39/024—Aircraft not otherwise provided for characterised by special use of the remote controlled vehicle type, i.e. RPV
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- 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
- B60W2050/143—Alarm 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, light or radio wave 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
- B60W2540/00—Input parameters relating to occupants
- B60W2540/30—Driving style
-
- 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
- B60W2556/45—External transmission of data to or from the vehicle
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
- B64U2101/00—UAVs specially adapted for particular uses or applications
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Automation & Control Theory (AREA)
- Combustion & Propulsion (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Medical Informatics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Traffic Control Systems (AREA)
Abstract
본 발명은 탑승자에 대한 행동 예측에 기반하여 탑승자의 안전과 관련된 정보를 전송하는 전자 장치의 동작 방법을 개시한다. 구체적으로 상기 동작 방법은, 상기 전자 장치의 탑승자에 대한 탑승자 행동 감지 정보를 획득하는 동작; 상기 탑승자 행동 감지 정보를 AI (artificial intelligence) 엔진 (engine) 에 입력하는 동작; 상기 탑승자 행동 감지 정보에 대응하는 상기 AI 엔진의 출력 동작에 기반하여, 상기 탑승자에 대한 탑승 상황 판단 정보를 획득하는 동작; 및 상기 탑승 상황 판단 정보에 기반하여, 상기 탑승자를 위한 지원 요청 정보가 포함된 신호를 관제 센터에 연계된 드론(drone)으로 전송하는 동작을 포함할 수 있다.
Description
본 발명은 탑승자에 대한 행동 분석에 기반하여 탑승자의 안전과 관련된 정보를 전송하는 방법에 관한 것으로서, 더욱 상세하게는 기계 학습을 기반으로 탑승자의 행동을 분석하여 판단된 안전 관련 정보를 전송할 수 있도록 한 방법 및 이의 전자 장치에 관한 것이다.
기계 학습(Machine Learning)을 기반으로 한 사람의 행동 예측 분석은 다양한 소셜 네트워크 서비스, 게임 서비스, 쇼핑 서비스 등에서 널리 이용되고 있으며, 사람의 행동에 포함된 동작 및 의도를 인식하는 수준으로 발전하고 있다. 이러한 인공지능(Artificial Intelligence) 기술은 현재 다양한 사업 분야에서 사람의 안전을 위해서도 활용되는 추세로서, 종래와 같이 사람의 안전을 위해 단순히 사람의 행동을 파악하는 것뿐 아니라, 인공지능 기술을 이용하여 분석한 사람의 행동에 대응하여 사람에게 필요한 안전 요구 사항 혹은 안전 지원 사항 등을 판단하여 이와 관련된 정보를 제공하는 수준까지 발전하고 있다.
한편, 차량의 주행과 관련하여 서버, 인프라, 드론, 및/또는 사용자 단말 등과의 통신을 지원하는 기술에 대한 연구가 활발하게 진행되고 있다. 이와 같은 연구를 위해 차량이 유, 무선망을 통해 다른 차량, 모바일 기기, 도로 관리 서버 등의 사물과 신호를 송수신하는 V2X (Vehicle to Everything) 통신에 대한 관심이 증가하고 있으며, 자율 주행 등의 주행 기술 발전으로 V2X 통신을 보다 효과적으로 제공할 필요성 또한 증가하고 있다. 특히, 차량의 V2X 통신이 원활하게 수행될 수 있는지 여부는 차량이 주행하는 지역 내 여러 지형물 등을 포함한 통신 지형에 따라 달라지므로, 차량의 V2X 통신을 위해 통신 지형을 고려하여 차량의 신호 송수신을 관리할 필요성이 대두되고 있다.
본 발명의 방법에 따르면 탑승자 안전 관련 신호 전송 시스템은 기계 학습을 통해 탑승자의 행동 및 탑승자의 안전과 관련된 안전 상태를 분석하여 판단하고, 탑승자의 안전 상태에 대응해 탑승자에 대한 안전을 지원할 수 있는 정보를 도출해 신호로 전송할 수 있도록 한다. 이를 통해 차량 주행 시 탑승자 스스로의 주의에 의존하여 탑승 안전을 도모하는 것에서 벗어나, 탑승자가 탑승한 차량이 탑승자의 행동을 파악하고 그에 대응하여 탑승자의 안전을 도모하기 위한 동작을 수행해 탑승 안전을 도모할 수 있다.
본 발명에서 이루고자 하는 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급하지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
다양한 실시예들은, 탑승자 행동 분석에 기반하여 탑승자의 안전과 관련된 정보가 포함된 신호를 전송하기 위한 전자 장치의 동작 방법 및 이를 지원하는 전자 장치를 제공할 수 있다.
다양한 실시예들에 따른 전자 장치의 동작 방법은: 상기 전자 장치의 탑승자에 대한 탑승자 행동 감지 정보를 획득하는 동작; 상기 탑승자 행동 감지 정보를 AI (artificial intelligence) 엔진 (engine) 에 입력하는 동작; 상기 탑승자 행동 감지 정보에 대응하는 상기 AI 엔진의 출력 동작에 기반하여, 상기 탑승자에 대한 탑승 상황 판단 정보를 획득하는 동작; 및 상기 탑승 상황 판단 정보에 기반하여, 상기 탑승자를 위한 지원 요청 정보가 포함된 신호를 관제 센터에 연계된 드론(drone)으로 전송하는 동작을 포함하고, 상기 AI 엔진의 출력 동작은: 상기 탑승자 행동 감지 정보에 기반하여, 상기 탑승자의 안전과 관련된 위험 상태를 판단하는 동작; 및 상기 판단된 위험 상태에 대한 정보 및 상기 판단된 위험 상태에 대응하는 안전 지원과 관련된 정보를 포함하도록 설정된 상기 탑승 상황 판단 정보를 출력하는 동작을 포함하며, 상기 신호를 전송하는 동작은: 상기 전자 장치의 위치 정보에 기반하여, 상기 전자 장치 및 상기 드론 사이의 통신 지형에 대한 정보를 획득하는 동작; 상기 통신 지형에 대한 정보에 기반하여, 상기 신호의 전송을 위한 전송 전력의 판단과 관련된 통신 지형 분포 함수를 산출하는 동작; 및 상기 통신 지형 분포 함수에 기반하여 판단된 전송 전력에 따라 상기 신호를 전송하는 동작을 포함할 수 있다.
예시적 실시예에서, 상기 방법은, 상기 탑승 상황 판단 정보에 기반하여, 상기 탑승자가 일반적인 탑승 상황에 해당함을 확인하는 동작; 및 상기 탑승자가 일반적인 탑승 상황에 해당하는 점에 기반하여, 상기 전자 장치 내 상기 탑승자에 대한 경고음을 발생시키는 동작을 더 포함할 수 있다.
예시적 실시예에서, 상기 신호를 전송하는 동작은, 상기 탑승 상황 판단 정보에 기반하여, 상기 탑승자가 위급한 탑승 상황에 해당함을 확인하는 동작; 및 상기 탑승자가 위급한 탑승 상황에 해당하는 점에 기반하여, 상기 신호를 전송하도록 결정하는 동작을 포함할 수 있다.
예시적 실시예에서, 상기 탑승자 행동 감지 정보는 상기 전자 장치에 포함된 센싱(sensing) 카메라를 통해 획득될 수 있다.
예시적 실시예에서, 상기 신호는 V2X (vehicle-to-everything) 통신에 기반하여 전송될 수 있다.
예시적 실시예에서, 상기 드론은 상기 관제 센터의 관리 영역 중 일부의 영역에 대응하여 배치되며, 상기 방법은, 상기 전자 장치가 상기 일부의 영역에 위치한 경우, 상기 V2X 통신을 위해 상기 전자 장치의 식별 정보를 상기 드론으로 전송하는 동작을 더 포함할 수 있다.
예시적 실시예에서, 상기 AI 엔진은, 모델 (model) 에 기계 학습 (machine learning) 을 적용할 수 있도록 미리 구성되고, 상기 기계 학습은: - (a) 학습용 탑승자 행동 데이터를 처리함에 기초하여 획득된 훈련용 데이터 및 테스트용 데이터 중 훈련용 데이터에 기초하여 상기 모델을 학습; - (b) 상기 테스트용 데이터가 상기 모델로 입력됨에 대한 응답으로 출력되는 피드백 정보를 획득; - (c) 상기 피드백 정보에 기초하여 상기 모델을 업데이트; 및 - (d) 상기 (a) 내지 (c) 가 반복되되, 상기 (a) 내지 (c) 의 반복 횟수가 미리 설정된 임계값과 일치함에 기초하여 종료; 됨에 기초하여 수행될 수 있다.
다양한 실시예들에 따른 전자 장치는: 프로세서 (processor); 및 하나 이상의 인스트럭션 (instruction) 을 저장하는 하나 이상의 메모리 (memory) 를 포함할 수 있다.
예시적 실시예에서, 상기 하나 이상의 인스트럭션은, 실행 시에, 상기 프로세서가: 상기 전자 장치의 탑승자에 대한 탑승자 행동 감지 정보를 획득하는 동작; 상기 탑승자 행동 감지 정보를 AI (artificial intelligence) 엔진 (engine) 에 입력하는 동작; 상기 탑승자 행동 감지 정보에 대응하는 상기 AI 엔진의 출력 동작에 기반하여, 상기 탑승자에 대한 탑승 상황 판단 정보를 획득하는 동작; 및 상기 탑승 상황 판단 정보에 기반하여, 상기 탑승자를 위한 지원 요청 정보가 포함된 신호를 관제 센터에 연계된 드론(drone)으로 전송하는 동작을 수행하도록 상기 프로세서를 제어하고, 상기 AI 엔진의 출력 동작은: 상기 탑승자 행동 감지 정보에 기반하여, 상기 탑승자의 안전과 관련된 위험 상태를 판단하는 동작; 및 상기 판단된 위험 상태에 대한 정보 및 상기 판단된 위험 상태에 대응하는 안전 지원과 관련된 정보를 포함하도록 설정된 상기 탑승 상황 판단 정보를 출력하는 동작을 포함하며, 상기 신호를 전송하는 동작은: 상기 전자 장치의 위치 정보에 기반하여, 상기 전자 장치 및 상기 드론 사이의 통신 지형에 대한 정보를 획득하는 동작; 상기 통신 지형에 대한 정보에 기반하여, 상기 신호의 전송을 위한 전송 전력의 판단과 관련된 통신 지형 분포 함수를 산출하는 동작; 및 상기 통신 지형 분포 함수에 기반하여 판단된 전송 전력에 따라 상기 신호를 전송하는 동작을 포함할 수 있다.
예시적 실시예에서, 상기 프로세서는, 상기 탑승 상황 판단 정보에 기반하여, 상기 탑승자가 일반적인 탑승 상황에 해당함을 확인하는 동작; 및 상기 탑승자가 일반적인 탑승 상황에 해당하는 점에 기반하여, 상기 전자 장치 내 상기 탑승자에 대한 경고음을 발생시키는 동작을 더 수행할 수 있다.
예시적 실시예에서, 상기 신호를 전송하는 동작은, 상기 탑승 상황 판단 정보에 기반하여, 상기 탑승자가 위급한 탑승 상황에 해당함을 확인하는 동작; 및 상기 탑승자가 위급한 탑승 상황에 해당하는 점에 기반하여, 상기 신호를 전송하도록 결정하는 동작을 포함할 수 있다.
예시적 실시예에서, 상기 탑승자 행동 감지 정보는 상기 전자 장치에 포함된 센싱(sensing) 카메라를 통해 획득될 수 있다.
예시적 실시예에서, 상기 신호는 V2X (vehicle-to-everything) 통신에 기반하여 전송될 수 있다.
예시적 실시예에서, 상기 드론은 상기 관제 센터의 관리 영역 중 일부의 영역에 대응하여 배치되며, 상기 프로세서는, 상기 전자 장치가 상기 일부의 영역에 위치한 경우, 상기 V2X 통신을 위해 상기 전자 장치의 식별 정보를 상기 드론으로 전송하는 동작을 더 수행할 수 있다.
예시적 실시예에서, 상기 AI 엔진은, 모델 (model) 에 기계 학습 (machine learning) 을 적용할 수 있도록 미리 구성되고, 상기 기계 학습은: - (a) 학습용 탑승자 행동 데이터를 처리함에 기초하여 획득된 훈련용 데이터 및 테스트용 데이터 중 훈련용 데이터에 기초하여 상기 모델을 학습; - (b) 상기 테스트용 데이터가 상기 모델로 입력됨에 대한 응답으로 출력되는 피드백 정보를 획득; - (c) 상기 피드백 정보에 기초하여 상기 모델을 업데이트; 및 - (d) 상기 (a) 내지 (c) 가 반복되되, 상기 (a) 내지 (c) 의 반복 횟수가 미리 설정된 임계값과 일치함에 기초하여 종료; 됨에 기초하여 수행될 수 있다.
상술한 본 개시의 다양한 실시예들은 본 개시의 바람직한 실시예들 중 일부에 불과하며, 본 개시의 다양한 실시예들의 기술적 특징들이 반영된 여러 가지 실시예들이 당해 기술분야의 통상적인 지식을 가진 자에 의해 이하 상술할 상세한 설명을 기반으로 도출되고 이해될 수 있다.
본 발명은 탑승자 행동 분석에 기반하여 탑승자의 안전과 관련된 정보가 포함된 신호를 전송하는 방법을 제시하여, 보다 안정적으로 탑승 안전을 도모하고 위험 상황을 방지할 수 있는 측면에서 기술적인 효과를 갖는다.
본 발명에서 얻을 수 있는 효과는 이상에서 언급한 효과들로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
다양한 실시예들에 대한 이해를 돕기 위해 상세한 설명의 일부로 포함된 첨부 도면은 다양한 실시예들을 제공하고, 상세한 설명과 함께 본 개시의 기술적 특징을 설명한다.
도 1은 다양한 실시예들에 따른 탑승자 안전과 관련된 정보의 전송을 위한 전자 장치의 동작 방법이 구현될 수 있는 탑승자 안전 관련 정보 전송 시스템을 설명하기 위한 도면이다.
도 2는 다양한 실시예들에 따른 탑승자 안전 관련 정보 전송 시스템에 포함된 장치의 구성을 도시한 도면이다.
도 3은 다양한 실시예들에 따른 탑승자 안전과 관련된 정보의 전송을 위한 전자 장치의 동작 방법을 도시한 도면이다.
도 4는 탑승자의 탑승 상황에 대응하여 수행되는 전자 장치의 동작을 도시한 도면이다.
도 5는 다양한 실시예들에 따른 신호 전송과 관련된 통신 지형 분포 함수 산출을 위한 전자 장치의 동작 방법을 도시한 도면이다.
도 6은 지상에 위치한 전자 장치와 공중에서 비행하는 드론 사이에 위치한 지형물을 설명하기 위한 도면이다.
도 7은 다양한 실시예들에 따른 탑승자에 대한 상황 판단을 위한 AI (Artificial Intelligence) 엔진을 획득하는 과정을 도시한 도면이다.
도 1은 다양한 실시예들에 따른 탑승자 안전과 관련된 정보의 전송을 위한 전자 장치의 동작 방법이 구현될 수 있는 탑승자 안전 관련 정보 전송 시스템을 설명하기 위한 도면이다.
도 2는 다양한 실시예들에 따른 탑승자 안전 관련 정보 전송 시스템에 포함된 장치의 구성을 도시한 도면이다.
도 3은 다양한 실시예들에 따른 탑승자 안전과 관련된 정보의 전송을 위한 전자 장치의 동작 방법을 도시한 도면이다.
도 4는 탑승자의 탑승 상황에 대응하여 수행되는 전자 장치의 동작을 도시한 도면이다.
도 5는 다양한 실시예들에 따른 신호 전송과 관련된 통신 지형 분포 함수 산출을 위한 전자 장치의 동작 방법을 도시한 도면이다.
도 6은 지상에 위치한 전자 장치와 공중에서 비행하는 드론 사이에 위치한 지형물을 설명하기 위한 도면이다.
도 7은 다양한 실시예들에 따른 탑승자에 대한 상황 판단을 위한 AI (Artificial Intelligence) 엔진을 획득하는 과정을 도시한 도면이다.
이하의 실시예들은 다양한 실시예들의 구성요소들과 특징들을 소정 형태로 결합한 것들이다. 각 구성요소 또는 특징은 별도의 명시적 언급이 없는 한 선택적인 것으로 고려될 수 있다. 각 구성요소 또는 특징은 다른 구성요소나 특징과 결합되지 않은 형태로 실시될 수 있다. 또한, 일부 구성요소들 및/또는 특징들을 결합하여 다양한 실시예들을 구성할 수도 있다. 다양한 실시예들에서 설명되는 동작들의 순서는 변경될 수 있다. 어느 실시예의 일부 구성이나 특징은 다른 실시예에 포함될 수 있고, 또는 다른 실시예의 대응하는 구성 또는 특징과 교체될 수 있다.
도면에 대한 설명에서, 다양한 실시예들의 요지를 흐릴 수 있는 절차 또는 단계 등은 기술하지 않았으며, 당해 기술분야에서 통상의 지식을 가진 자의 수준에서 이해할 수 있을 정도의 절차 또는 단계는 또한 기술하지 아니하였다.
명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함(comprising 또는 including)"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다. 또한, 명세서에 기재된 "...부", "...기", "모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다. 또한, "일(a 또는 an)", "하나(one)", "그(the)" 및 유사 관련어는 다양한 실시예들을 기술하는 문맥에 있어서(특히, 이하의 청구항의 문맥에서) 본 명세서에 달리 지시되거나 문맥에 의해 분명하게 반박되지 않는 한, 단수 및 복수 모두를 포함하는 의미로 사용될 수 있다.
이하, 다양한 실시예들에 따른 바람직한 실시 형태를 첨부된 도면을 참조하여 상세하게 설명한다. 첨부된 도면과 함께 이하에 개시될 상세한 설명은 다양한 실시예들의 예시적인 실시형태를 설명하고자 하는 것이며, 유일한 실시형태를 나타내고자 하는 것이 아니다.
또한, 다양한 실시예들에서 사용되는 특정(特定) 용어들은 다양한 실시예들의 이해를 돕기 위해서 제공된 것이며, 이러한 특정 용어의 사용은 다양한 실시예들의 기술적 사상을 벗어나지 않는 범위에서 다른 형태로 변경될 수 있다.
1. 탑승자 안전 관련 정보 전송 시스템 구현
도 1은 다양한 실시예들에 따른 탑승자 안전과 관련된 정보의 전송을 위한 전자 장치의 동작 방법이 구현될 수 있는 탑승자 안전 관련 정보 전송 시스템을 설명하기 위한 도면이다.
도 1을 참조하면, 다양한 실시예들에 따른 탑승자 안전 관련 정보 전송 시스템은 다양한 종류의 전자 장치들에 구현될 수 있다. 예를 들어, 탑승자 안전 관련 정보 전송 시스템은 서버(100), 차량(200) 및/또는 드론(300)에 구현될 수 있다. 달리 말해, 서버(100), 차량(200) 및/또는 드론(300)은 각각의 장치에 구현된 탑승자 안전 관련 정보 전송 시스템을 기반으로, 본 개시의 다양한 실시예들에 따른 동작을 수행할 수 있다. 한편, 다양한 실시예들에 따른 탑승자 안전 관련 정보 전송 시스템은, 상기 도 1에 도시된 바에 국한되지 않고, 더 다양한 전자 장치와 서버들에 구현될 수도 있을 것이다.
다양한 실시예들에 따른 서버(100)는, 복수 개의 차량(200)들 및/또는 복수 개의 드론(300)들과 무선 통신을 수행하며, 대단위의 저장 용량을 갖는 데이터베이스를 포함하는 장치일 수 있다. 예를 들어, 서버(100)는 복수 개의 드론(300)들을 관리하여 운용하며, 복수 개의 드론(300)들을 통해 획득하는 복수 개의 차량(200)들과 관련된 정보를 관리하는 관제 센터에 대응한 클라우드 디바이스(Cloud device)일 수 있다.
다양한 실시예들에 따른 차량(200)은, 승용차, 오토바이, 트럭 등의 개인 사용자에 의해 운용될 수 있는 자동차 등을 포함하며 통신 등의 전자적 기능을 수행할 수 있는 모빌리티 디바이스(Mobility device)에 해당하는 전자 장치일 수 있다. 이외에도 유사한 기능을 수행하는 다른 전자 장치들이 차량(200)으로 이용될 수 있다.
다양한 실시예들에 따른 드론(300)은 통신 등의 전자적 기능을 수행할 수 있는 무인 비행체(Unmanned Aerial Vehicle; UAV)에 해당하며, 서버(100)에 대응한 관제 센터에 의해 관리되는 전자 장치일 수 있다. 이외에도 유사한 기능을 수행하는 다른 전자 장치들이 드론(300)으로 이용될 수 있다.
1.1. 기능적 구현
다양한 실시예들에 따른 탑승자 안전 관련 정보 전송 시스템은, 탑승자 안전 관련 정보 전송의 동작을 위한 다양한 모듈들을 포함할 수 있다. 탑승자 안전 관련 정보 전송 시스템에 포함된 모듈들은 탑승자 안전 관련 정보 전송 시스템이 구현되는(또는, 물리적 장치에 포함되는) 물리적 장치(예: 서버(100), 차량(200) 및/또는 드론(300))가 지정된 동작을 수행할 수 있도록 구현된 컴퓨터 코드 내지는 하나 이상의 인스트럭션 (instruction) 일 수 있다. 다시 말해, 탑승자 안전 관련 정보 전송 시스템이 구현되는 물리적 장치는 복수 개의 모듈들을 컴퓨터 코드 형태로 메모리에 저장하고, 메모리에 저장된 복수 개의 모듈들이 실행되는 경우 복수 개의 모듈들은 물리적 장치가 복수 개의 모듈들에 대응하는 지정된 동작들을 수행하도록 할 수 있다.
1.2. 장치 구현
도 2는 다양한 실시예들에 따른 탑승자 안전 관련 정보 전송 시스템에 포함된 장치의 구성을 도시한 도면이다.
도 2를 참조하면, 탑승자 안전 관련 정보 전송 시스템을 위한 전자 장치는 서버(100), 차량(200) 및/또는 드론(300) 등을 포함할 수 있으며, 서버(100), 차량(200) 및/또는 드론(300)은 입/출력부(210), 통신부(220), 데이터베이스(230) 및 프로세서(240)를 포함할 수 있다.
입/출력부(210)는 사용자 입력을 받거나 또는 사용자에게 정보를 출력하는 각종 인터페이스나 연결 포트 등일 수 있다. 입/출력부(210)는 입력 모듈과 출력 모듈을 포함할 수 있는데, 입력 모듈은 사용자로부터 사용자 입력을 수신한다. 사용자 입력은 키 입력, 터치 입력, 음성 입력을 비롯한 다양한 형태로 이루어질 수 있다. 이러한 사용자 입력을 받을 수 있는 입력 모듈의 예로는 전통적인 형태의 키패드나 키보드, 마우스는 물론, 사용자의 터치를 감지하는 터치 센서, 음성 신호를 입력받는 마이크, 영상 인식을 통해 제스처 등을 인식하는 카메라, 사용자 접근을 감지하는 조도 센서나 적외선 센서 중 적어도 하나를 포함하는 근접 센서, 가속도 센서나 자이로 센서 등을 통해 사용자 동작을 인식하는 모션 센서 및 그 외의 다양한 형태의 사용자 입력을 감지하거나 입력받는 다양한 형태의 입력 수단이 있으며, 본 개시의 실시예에 따른 입력 모듈은 위에 나열한 장치 중 적어도 하나를 포함할 수 있다. 여기서, 터치 센서는 디스플레이 패널에 부착되는 터치 패널이나 터치 필름을 통해 터치를 감지하는 압전식 또는 정전식 터치 센서, 광학적인 방식에 의해 터치를 감지하는 광학식 터치 센서 등으로 구현될 수 있다. 이외에도 입력 모듈은 자체적으로 사용자 입력을 감지하는 장치 대신 사용자 입력을 입력받는 외부의 입력 장치를 연결시키는 입력 인터페이스(USB 포트, PS/2 포트 등)의 형태로 구현될 수도 있다. 또 출력 모듈은 각종 정보를 출력할 수 있다. 출력 모듈은 영상을 출력하는 디스플레이, 소리를 출력하는 스피커, 진동을 발생시키는 햅틱 장치 및 그 외의 다양한 형태의 출력 수단 중 적어도 하나를 포함할 수 있다. 이외에도 출력 모듈은 상술한 개별 출력 수단을 연결시키는 포트 타입의 출력 인터페이스의 형태로 구현될 수도 있다.
일 예로, 디스플레이 형태의 출력 모듈은 텍스트, 정지 영상, 동영상을 디스플레이 할 수 있다. 디스플레이는 액정 디스플레이(LCD: Liquid Crystal Display), 발광 다이오드(LED: light emitting diode) 디스플레이, 유기 발광 다이오드(OLED: Organic Light Emitting Diode) 디스플레이, 평판 디스플레이(FPD: Flat Panel Display), 투명 디스플레이(transparent display), 곡면 디스플레이(Curved Display), 플렉시블 디스플레이(flexible display), 3차원 디스플레이(3D display), 홀로그래픽 디스플레이(holographic display), 프로젝터 및 그 외의 영상 출력 기능을 수행할 수 있는 다양한 형태의 장치 중 적어도 하나를 포함할 수 있다. 이러한 디스플레이는 입력 모듈의 터치 센서와 일체로 구성된 터치 디스플레이의 형태일 수도 있다.
통신부(220)는 다른 장치와 통신할 수 있다. 따라서, 서버(100), 차량(200) 및/또는 드론(300)은 통신부를 통해 다른 장치와 정보를 송수신할 수 있다. 예를 들어, 서버(100), 차량(200) 및/또는 드론(300)은 통신부를 이용해 상호 간 통신을 수행하거나, 기타 다른 장치와 통신을 수행할 수 있다.
여기서, 통신, 즉 데이터의 송수신은 무선으로 이루어질 수 있다. 이를 위해 통신부(220)는 이동 통신 기지국을 거쳐 이동 통신 네트워크에 접속하여 데이터를 송수신하는 이동 통신 모듈, 와이파이(Wi-Fi) 같은 WLAN(Wireless Local Area Network) 계열의 통신 방식이나 블루투스(Bluetooth), 직비(Zigbee)와 같은 WPAN(Wireless Personal Area Network) 계열의 통신 방식을 이용하는 근거리 통신 모듈, GPS(Global Positioning System)과 같은 GNSS(Global Navigation Satellite System)을 이용하는 위성 통신 모듈 또는 이들의 조합 등을 포함할 수 있다.
스토리지(230)는 각종 정보를 저장할 수 있다. 스토리지(230)는 데이터를 임시적으로 또는 반영구적으로 저장할 수 있다. 예를 들어, 서버(100), 차량(200) 및/또는 드론(300)에는 각 장치를 구동하기 위한 운용 프로그램(OS: Operating System), 웹 사이트를 호스팅하기 위한 데이터나 점자 생성을 위한 프로그램 내지는 어플리케이션(예를 들어, 웹 어플리케이션)에 관한 데이터 등이 저장될 수 있다. 또한, 스토리지(230)는 상술한 바와 같이 모듈들을 컴퓨터 코드 형태로 저장할 수 있다.
스토리지(230)의 예로는 하드 디스크(HDD: Hard Disk Drive), SSD(Solid State Drive), 플래쉬 메모리(flash memory), 롬(ROM: Read-Only Memory), 램(RAM: Random Access Memory) 등이 있을 수 있다. 이러한 스토리지(230)는 내장 타입 또는 탈부착 가능한 타입으로 제공될 수 있다.
프로세서(240)는 서버(100), 차량(200) 및/또는 드론(300)의 전반적인 동작을 제어한다. 이를 위해 프로세서(240)는 각종 정보의 연산 및 처리를 수행하고 각 장치의 구성요소들의 동작을 제어할 수 있다. 예를 들어, 프로세서(240)는 정보 제공을 위한 프로그램 내지 어플리케이션을 실행시킬 수 있을 것이다. 프로세서(240)는 하드웨어, 소프트웨어 또는 이들의 조합에 따라 컴퓨터나 이와 유사한 장치로 구현될 수 있다. 하드웨어적으로 프로세서(240)는 전기적인 신호를 처리하여 제어 기능을 수행하는 전자 회로 형태로 구현될 수 있으며, 소프트웨어적으로는 하드웨어적인 프로세서(240)를 구동시키는 프로그램 형태로 구현될 수 있다. 한편, 이하의 설명에서 특별한 언급이 없는 경우에는 서버(100), 차량(200) 및/또는 드론(300)의 동작은 각 장치에 내장된 프로세서(240)의 제어에 의해 수행되는 것으로 해석될 수 있다. 즉, 상술한 정보 제공 시스템에 구현되는 모듈들이 실행되는 경우, 모듈들은 프로세서(240)가 서버(100), 차량(200) 및/또는 드론(300)을 이하의 동작들을 수행하도록 제어하는 것으로 해석될 수 있다.
요약하면, 다양한 실시예들은 다양한 수단을 통해 구현될 수 있다. 예를 들어, 다양한 실시예들은 하드웨어, 펌웨어(firmware), 소프트웨어 또는 그것들의 결합 등에 의해 구현될 수 있다.
하드웨어에 의한 구현의 경우, 다양한 실시예들에 따른 방법은 하나 또는 그 이상의 ASICs(application specific integrated circuits), DSPs(digital signal processors), DSPDs(digital signal processing devices), PLDs(programmable logic devices), FPGAs(field programmable gate arrays), 프로세서, 콘트롤러, 마이크로 콘트롤러, 마이크로 프로세서 등에 의해 구현될 수 있다.
펌웨어나 소프트웨어에 의한 구현의 경우, 다양한 실시예들에 따른 방법은 이하에서 설명된 기능 또는 동작들을 수행하는 모듈, 절차 또는 함수 등의 형태로 구현될 수 있다. 예를 들어, 소프트웨어 코드는 메모리에 저장되어 프로세서에 의해 구동될 수 있다. 상기 메모리는 상기 프로세서 내부 또는 외부에 위치할 수 있으며, 이미 공지된 다양한 수단에 의해 상기 프로세서와 데이터를 주고받을 수 있다.
이하에서는, 상기와 같은 기술적 사상에 기반하여 다양한 실시예들에 대해 보다 상세히 설명한다. 이하에서 설명되는 다양한 실시예들에 대해서는 앞서 설명한 내용들이 적용될 수 있다. 예를 들어, 이하에서 설명되는 다양한 실시예들에서 정의되지 않은 동작, 기능, 용어 등은 앞서 설명한 내용들에 기반하여 수행되고 설명될 수 있다.
2. 다양한 실시예들에 따른 전자 장치의 동작
이하에서는, 상기와 같은 기술적 사상에 기반하여 다양한 실시예들에 대해 보다 상세히 설명한다. 이하에서 설명되는 다양한 실시예들에 대해서는 앞서 설명한 제1절의 내용들이 적용될 수 있다. 예를 들어, 이하에서 설명되는 다양한 실시예들에서 정의되지 않은 동작, 기능, 용어 등은 제1절의 내용들에 기반하여 수행되고 설명될 수 있다.
2.1. 안전 관련 정보를 포함한 신호 전송 동작
이하의 설명에서는 차량(200)에 해당하는 전자 장치가 관제 센터에서 운용하는 드론(300)으로 안전 관련 정보를 포함한 신호를 전송함으로써 관제 센터에 대응한 서버(100)로 안전 관련 정보가 전달됨을 전제로 다양한 실시예들에 대하여 설명한다.
도 3은 다양한 실시예들에 따른 탑승자 안전과 관련된 정보의 전송을 위한 전자 장치의 동작 방법을 도시한 도면이다.
도 3에 따를 때 전자 장치는, 전자 장치의 탑승자에 대한 탑승자 행동 감지 정보를 획득하고(301), 탑승자 행동 감지 정보를 AI 엔진에 입력할 수 있다(303). 또한 전자 장치는 탑승자 행동 감지 정보에 대응하는 AI 엔진의 출력 동작에 기반하여 탑승자에 대한 탑승 상황 판단 정보를 획득하고(305), 탑승 상황 판단 정보에 기반하여 탑승자를 위한 지원 요청 정보가 포함된 신호를 관제 센터에 연계된 드론으로 전송할 수 있다(307).
다양한 실시예들에 따르면, 동작 301에서, 전자 장치는 탑승자에 대한 탑승자 행동 감지 정보를 획득할 수 있다.
예를 들어, 탑승자 행동 감지 정보는 차량 등의 전자 장치에 탑승한 탑승자의 행동을 전자 장치가 객관적으로 감지한 정보에 해당할 수 있으며, 탑승자의 행동에 대한 이미지 및/또는 영상 등이 탑승자 행동 감지 정보에 포함될 수 있다.
예를 들어, 탑승자 행동 감지 정보는 전자 장치에 포함된 센싱(sensing) 카메라를 통해 획득될 수 있다. 즉, 전자 장치에는 탑승자의 행동을 분석하여 이와 관련된 이미지 및/또는 영상 등을 포함한 정보를 획득하기 위한 센싱 카메라가 탑재될 수 있으며, 센싱 카메라에는 차량의 DMS (Driver Monitoring Systems) 용 카메라 및/또는 OMS (Occupant Monitoring System) 용 카메라 등이 포함될 수 있다.
예를 들어, 탑승자 행동 감지 정보는 차량 등의 전자 장치에 탑승한 탑승자가 일정 시간 동안 전자 장치의 운용과 관련된 아무런 동작을 수행하지 않을 경우 전자 장치가 획득하도록 설정될 수 있다. 일 예로, 탑승자가 차량 등의 전자 장치를 주행하는 경우 탑승자가 일정 시간 동안 운전대를 조작하지 않거나, 액셀러레이터(accelerator) 혹은 브레이크(brake) 장치를 조작하지 않는 등 전자 장치의 탑승자가 주행을 위해 통상적으로 수행하여야 할 동작들을 전혀 수행하지 않을 때 전자 장치가 탑승자 행동 감지 정보를 획득하도록 설정될 수 있다. 여기서, 전자 장치의 운용과 관련된 아무런 동작을 수행하지 않는 것으로 판단된 상기 일정 시간은, 사고를 방지하는 차원에서 짧은 시간으로 설정될 수 있다.
예를 들어, 탑승자 행동 감지 정보는 차량 등의 전자 장치에 탑승한 탑승자와 동행하여 탑승한 존재가 확인되는 경우, 상기 동행 탑승한 존재와 탑승자 사이에 일정 시간 동안 아무런 의사 소통 및/또는 동작 교환이 확인되지 않는 경우 전자 장치가 획득하도록 설정될 수 있다. 일 예로, 탑승자가 영유아 혹은 반려동물과 함께 차량 등의 전자 장치에 탑승한 경우에 있어서, 일정 시간 동안 탑승자와 영유아 혹은 반려동물 사이에 아무런 의사 소통 및/또는 동작 교환이 이루어지지 않는 것으로 확인될 때 전자 장치가 탑승자 행동 감지 정보를 획득하도록 설정될 수 있다. 여기서, 탑승자가 동행 탑승한 존재와 아무런 의사 소통 및/또는 동작 교환이 확인되지 않는 것으로 판단된 상기 일정 시간은, 탑승자와 동행 탑승한 존재 사이에 항상 의사 소통 및/또는 동작 교환이 이루어지는 것은 아닌 점을 고려하는 차원에서 긴 시간으로 설정될 수 있다.
다양한 실시예들에 따르면, 동작 303에서, 전자 장치는 탑승자 행동 감지 정보를 AI 엔진에 입력할 수 있다.
예를 들어, 동작 303에 따라 전자 장치가 탑승자 행동 감지 정보를 입력하는 AI 엔진은, 탑승자의 행동이 감지된 정보를 기반으로 하여 탑승자의 탑승 상황을 판단하도록 구성된 AI 엔진에 해당할 수 있다. 즉, 상기 AI 엔진은 탑승자의 행동을 분석하여, 1) 탑승자가 아무런 문제 없는 긍정적인 탑승 상황에 속하여 별다른 동작을 수행하지 않아도 되는지, 2) 탑승자가 일반적인 탑승 상황에 속하되 탑승자의 안전을 예방하는 차원에서 경고음 등을 발생시키는 것이 좋을지, 혹은 3) 탑승자가 위급한 탑승 상황에 속하여 탑승자의 경각심을 높이고 탑승자의 탑승 상황에 관련된 정보를 외부에 알리는 것이 좋을지 등을 판단할 수 있다.
여기서, 탑승자의 안전을 예방하는 차원에서 경고음 등을 발생시키는 것이 좋을 것으로 확인되는 일반적인 탑승 상황은, 전자 장치의 조작과 관련된 탑승자의 반응이 이전보다 다소 느려진 것으로 판단되거나, 탑승자가 눈이 잠긴 채로 순간적으로 고개를 끄덕이는 등 졸음의 가능성이 있는 것으로 판단되는 등의 상황을 포함할 수 있다. 또한, 탑승자의 경각심을 높이고 탑승자의 탑승 상황에 관련된 정보를 외부에 알리는 것이 좋을 것으로 확인되는 위급한 탑승 상황은, 탑승자가 오랜 시간 동일한 자세로 아무런 전자 장치의 조작을 수행하지 않아 기절 혹은 실신 등의 가능성이 있는 것으로 판단되거나, 탑승자와 동행하여 탑승한 존재 사이에 오랜 시간 의사 소통 및/또는 동작 교환이 없거나 탑승자 없이 상기 동행 탑승한 존재만이 오랜 시간 실내에 방치되어 있는 것으로 판단되는 등의 상황을 포함할 수 있다.
예를 들어, 동작 303에 따라 전자 장치가 탑승자 행동 감지 정보를 입력하는 AI 엔진은 전자 장치와 연계될 수 있도록 사전에 구성된 AI 엔진에 해당할 수 있으며, 후술할 도 7의 과정을 따라서 전자 장치를 위해 획득될 수 있다.
예를 들어, 전자 장치는 AI 엔진과의 통신을 통해 탑승자 행동 감지 정보를 AI 엔진에 입력하거나, AI 엔진에 대응하는 중계 장치 등과의 통신을 통해 탑승자 행동 감지 정보를 AI 엔진에 입력할 수도 있다.
다양한 실시예들에 따르면, 동작 305에서, 전자 장치는 탑승자 행동 감지 정보에 대응하는 AI 엔진의 출력 동작에 기반하여, 탑승자에 대한 탑승 상황 판단 정보를 획득할 수 있다.
예를 들어, 전자 장치는 AI 엔진과의 통신을 통해 탑승 상황 판단 정보를 AI 엔진으로부터 출력 받거나, AI 엔진에 대응하는 중계 장치 등과의 통신을 통해 탑승 상황 판단 정보를 AI 엔진으로부터 출력 받을 수도 있다.
예를 들어, 동작 305에 따라 전자 장치가 획득한 탑승 상황 판단 정보는, 탑승자의 탑승 상황에 대하여 탑승자의 안전과 관련된 위험 상태에 대한 정보 및 위험 상태에 대응하는 안전 지원과 관련된 정보를 포함하도록 설정될 수 있다.
예를 들어, 동작 305에 따라 전자 장치가 획득한 탑승 상황 판단 정보는, 탑승자가 1) 아무런 문제없는 긍정적인 탑승 상황에 해당하는지, 2) 탑승자의 안전을 예방하는 부분만 고려하면 충분한 일반적인 탑승 상황에 해당하는지, 혹은 3) 탑승자의 경각심을 높이고 외부에 대한 정보 전달이 필요한 위급한 탑승 상황에 해당하는지를 확인하는데 이용될 수 있다.
예를 들어, 동작 305에 따라 전자 장치가 획득한 탑승 상황 판단 정보에 기반하여 탑승자가 긍정적인 탑승 상황에 해당함을 확인하는 경우, 전자 장치는 별다른 동작을 수행하지 않을 수 있다.
예를 들어, 동작 305에 따라 전자 장치가 획득한 탑승 상황 판단 정보에 기반하여 탑승자가 일반적인 탑승 상황에 해당함을 확인하는 경우, 전자 장치는 탑승자가 일반적인 탑승 상황에 해당하는 점에 기반하여 전자 장치 내 탑승자에 대한 경고음을 발생시키는 수준의 동작을 수행함으로써, 탑승자에게 탑승 안전을 위한 경각심을 줄 수 있다.
예를 들어, 동작 305에 따라 전자 장치가 획득한 탑승 상황 판단 정보에 기반하여 탑승자가 위급한 탑승 상황에 해당함을 확인하는 경우, 전자 장치는 탑승자가 위급한 탑승 상황에 해당하는 점에 기반하여 탑승자를 위한 지원 요청을 외부에 알리도록 동작할 수 있다. 구체적으로, 이 경우 전자 장치는 탑승자의 위급 상황 및/또는 탑승자를 위한 긴급 지원 요청 등과 관련된 정보를 포함한 신호를 관제 센터에 전달하기 위해, 후술할 동작 307과 같이 탑승자를 위한 지원 요청 정보가 포함된 신호를 관제 센터에 연계된 드론으로 전송하도록 결정하는 동작을 수행할 수 있다.
다양한 실시예들에 따르면, 동작 307에서, 전자 장치는 탑승 상황 판단 정보에 기반하여, 탑승자를 위한 지원 요청 정보가 포함된 신호를 관제 센터에 연계된 드론으로 전송할 수 있다.
예를 들어, 동작 307에 따라 전자 장치가 드론으로 전송하는 신호는 V2X (vehicle-to-everything) 통신에 기반하여 전송될 수 있으며, 전자 장치는 V2X 통신을 수행 가능한 무선 통신 모듈 및 상기 무선 통신 모듈을 제어하는 제어부를 포함하도록 구성될 수 있다.
예를 들어, 관제 센터는 복수의 드론을 운용해 넓은 관리 영역을 모니터링 하며, 동작 307에 따라 전자 장치가 신호를 전송하는 드론은 관제 센터의 관리 영역 중 일부의 영역에 대응하여 배치된 드론일 수 있다. 즉, 상기 드론에 대응하는 상기 일부의 영역에 전자 장치가 포함되어 있을 때 상기 드론과 전자 장치가 V2X 통신을 수행할 수 있다. 일 예로, 전자 장치가 상기 일부의 영역에 위치하거나 진입하는 경우, 전자 장치는 상기 드론과의 V2X 통신을 수행하기 위해 전자 장치의 식별 정보를 상기 드론으로 전송할 수 있으며, 상기 드론은 수신한 식별 정보를 기반으로 전자 장치를 인식하고 전자 장치와 V2X 통신을 수행할 수 있다.
예를 들어, 탑승자를 위한 지원 요청 정보가 포함된 신호가 드론으로 전송되면, 상기 신호를 수신한 드론은 전자 장치의 식별 정보, 위치 정보 등과 함께 해당 전자 장치의 탑승자에 대한 사고 지원이 필요할 수 있음을 알리는 정보를 관제 센터에 전달할 수 있다. 상기의 정보를 전달받은 관제 센터는 해당 전자 장치의 탑승자에 대한 사고 지원을 위한 다양한 동작을 수행할 수 있다.
도 4는 탑승자의 탑승 상황에 대응하여 수행되는 전자 장치의 동작을 도시한 도면이다.
전자 장치는 탑승자의 행동을 감지하고, 졸음, 기절 및/또는 방치 등 특정 상황에 대응하는 탑승자 행동 감지 정보를 획득해 AI 엔진을 기반으로 분석 및 판단하게 되며(401), 분석 및 판단된 결과에 따라 탑승자의 상황을 일반적인 탑승 상황과 위급한 탑승 상황으로 구분하여 각 상황에 따른 동작을 수행하게 된다.
탑승자가 일반적인 탑승 상황에 속한 것으로 확인되는 경우, 전자 장치는 운전자 및/또는 탑승자에게 경고음을 발생시키는 등의 동작을 수행하여 운전자 및/또는 탑승자의 주의를 환기시킬 수 있으며, 이를 통해 사고를 예방하도록 관리할 수 있다(403).
또한, 탑승자가 위급한 탑승 상황에 속한 것으로 확인되는 경우, 전자 장치는 운전자 및/또는 탑승자의 탑승 상황에 대응해 안전과 관련된 정보를 외부로 전달하도록 할 수 있다(405). 구체적으로, 전자 장치는 관제 센터에 운전자 및/또는 탑승자의 안전 지원 요청에 대한 정보를 전달할 수 있으며, 이를 통해 관제 센터가 전자 장치의 운전자 및/또는 탑승자를 위한 사고 지원을 수행할 수 있게 된다.
한편, 동작 307에 따라 전자 장치가 드론으로 전송하는 신호는, 전자 장치와 드론 사이의 통신 지형을 고려하여 결정된 전송 전력에 따라 전송되는 것일 수 있으며, 이 때 전자 장치는 다음과 같은 통신 지형 분포 함수를 산출하는 동작에 기반하여 신호를 전송하기 위한 전송 전력을 결정할 수 있다.
2.2. 신호 전송과 관련된 통신 지형 분포 함수 산출 동작
차량 등의 전자 장치가 드론으로 신호를 전송하는 동작은 자유 공간에서 수행하는 것이 아니라, 도로, 도심 등 실존하는 공간에서 전자 장치가 주행하면서 수행하게 된다. 따라서 신호의 전송을 위해서는 전자 장치가 실제 주행하고 있거나 운용되고 있는 위치에 따른 통신 지형이 고려되어야 하며, 특히, 통신 지형에서 신호의 전송에 방해가 될 수 있는 건물 등의 지형물이 고려될 수 있어야 한다. 이를 위해 전자 장치는 도 5와 같이 통신 지형 분포 함수를 산출하여, 지형물의 영향을 반영하여 신호를 전송할 수 있다.
도 5는 다양한 실시예들에 따른 신호 전송과 관련된 통신 지형 분포 함수 산출을 위한 전자 장치의 동작 방법을 도시한 도면이다.
도 5에 따를 때 전자 장치는, 전자 장치가 주행하거나 운용되고 있는 전자 장치의 위치 정보를 확인하고(501), 위치 정보에 기반하여 전자 장치 및 드론 사이의 통신 지형에 대한 정보를 획득하며(503), 통신 지형에 대한 정보에 기반하여 신호의 전송을 위한 전송 전력의 판단과 관련된 통신 지형 분포 함수를 산출할 수 있다(505).
다양한 실시예들에 따르면, 동작 501에서, 전자 장치는 전자 장치가 주행하거나 운용되고 있는 전자 장치의 위치 정보를 확인할 수 있다.
예를 들어, 전자 장치의 위치 정보는 전자 장치가 실시간으로 위치한 장소에 대한 실시간 위치 정보로서, 전자 장치의 GPS (Global Positioning System)를 이용한 방식 혹은 GNSS (Global Navigation Satellite System)를 이용한 방식 등에 기반하여 확인될 수 있다.
예를 들어, 전자 장치의 위치 정보는 전자 장치가 위치하고 있는 장소를 특정할 수 있는 주소 정보, 전자 장치가 위치한 장소를 포함한 이미지 정보, 및/또는 전자 장치가 위치한 장소가 표시된 지도 정보 등을 포함할 수 있다.
다양한 실시예들에 따르면, 동작 503에서, 전자 장치는 전자 장치의 위치 정보에 기반하여 전자 장치 및 드론 사이의 통신 지형에 대한 정보를 획득할 수 있다.
예를 들어, 전자 장치 및 드론 사이의 통신 지형에 대한 정보는 통신 지형에 포함된 도로, 건물 등 각종 지형물의 분포, 밀도 등에 대한 정보를 포함할 수 있다.
예를 들어, 장치 및 드론 사이의 통신 지형에 대한 정보는 통신 지형에 포함된 도로, 건물 등 각종 지형물의 높이, 면적 등에 대한 정보를 포함할 수 있다.
예를 들어, 전자 장치 및 드론 사이의 통신 지형에 대한 정보는, 통신 지형 내에서 전자 장치 및 드론 사이에 위치한 도로, 건물 등 각종 지형물의 분포, 밀도, 높이, 면적 등 지상에 위치한 전자 장치와 공중에서 비행하는 드론 사이의 지형 구간에 특정하여 확인되는 정보를 구별하여 포함하도록 설정될 수 있다.
다양한 실시예들에 따르면, 동작 505에서, 전자 장치는 통신 지형에 대한 정보에 기반하여 신호의 전송을 위한 전송 전력의 판단과 관련된 통신 지형 분포 함수를 산출할 수 있다.
예를 들어, 전자 장치 및 드론 사이의 신호 전송을 위한 전송 전력을 예상 및 판단하기 위해서는 전자 장치 및 드론 사이에서 신호의 전송에 방해가 될 수 있는 지형물을 고려할 수 있어야 한다. 지상에 위치한 전자 장치와 공중에서 비행하는 드론 사이에 신호의 전송에 방해가 될 수 있는 지형물은 전자 장치와 드론 사이의 통신을 막는 높이 조건을 충족하는 지형물에 해당할 수 있으며, 구체적인 예시는 도 6과 같을 수 있다.
도 6은 지상에 위치한 전자 장치와 공중에서 비행하는 드론 사이에 위치한 지형물을 설명하기 위한 도면이다.
도 6에서 전자 장치와 드론의 직선 거리를 d, 드론이 운용되는 높이를 h, 전자 장치와 지형물 사이의 직선 거리를 ld, 지형물의 높이를 lh라 했을 때, 전자 장치와 드론 사이의 통신에 직접적으로 방해가 되는 지형물의 높이 조건은 다음의 수학식 1과 같을 수 있다.
[수학식 1]
도 6에서, 특정의 지형물 610이 위 수학식 1의 조건을 충족하여 전자 장치와 드론 사이의 통신에 방해가 되는 높이 조건을 충족한 것으로 확인할 수 있다. 위 수학식 1에 따른 높이 조건을 적용하여도 전자 장치와 드론 사이의 통신에 방해가 되는 지형물을 반영할 수 있겠으나, 지형물의 높이에 따라서 간접적인 방해를 발생시킬 수 있는 지형물까지 최대한 반영하기 위해, 아래 수학식 2와 같이 부가 파라미터 를 추가할 수도 있다.
[수학식 2]
수학식 1의 경우 지형물의 높이 자체로서 전자 장치와 드론 사이의 통신에 방해가 되는 높이 조건을 충족하는지 여부를 판단한다면, 수학식 2의 경우 지형물의 높이에 부가 파라미터 b를 추가한 높이가 전자 장치와 드론 사이의 통신에 방해가 되는 높이 조건을 충족하는지 여부를 판단하는 것으로 이해할 수 있다.
수학식 2와 같은 높이 조건의 설정을 통해, 지형물의 높이 자체로서 전자 장치와 드론 사이의 통신에 방해가 되는 높이가 되지 않더라도, 통신에 방해가 될 가능성이 높은 높이를 가진 지형물에 의한 통신 방해까지 고려할 수 있다.
도 6에서, 특정의 지형물 620이 위 수학식 2의 조건을 충족하여 전자 장치와 드론 사이의 통신에 방해가 될 가능성이 있는 높이에 해당하는 것으로 확인할 수 있다.
구체적으로, 전자 장치는 상기 통신 지형 분포 함수를 통해 획득된 값이 사전에 설정된 임계 값 보다 낮은 경우 통신 지형 내 지형물의 밀도 및/또는 통신 지형 내 신호의 전송을 방해하는 지형물의 밀도가 낮은 것으로 판단하여, 낮은 수준의 전송 전력을 설정해 신호를 전송할 수 있다. 반면 전자 장치는 상기 통신 지형 분포 함수를 통해 획득된 값이 사전에 설정된 임계 값 보다 높은 경우 통신 지형 내 지형물의 밀도 및/또는 통신 지형 내 신호의 전송을 방해하는 지형물의 밀도가 높은 것으로 판단하여, 높은 수준의 전송 전력을 설정해 신호를 전송할 수 있다.
2.3. AI 엔진과의 연계 동작
인공지능 시스템은 인간 수준의 지능을 구현하는 컴퓨터 시스템이며, 기존 Rule 기반 스마트 시스템과 달리 기계가 스스로 학습하고 판단하며 똑똑해지는 시스템이다. 인공지능 시스템은 사용할수록 인식률이 향상되고 사용자 취향을 보다 정확하게 이해할 수 있게 되어, 기존 Rule 기반 스마트 시스템은 점차 딥 러닝 기반 인공지능 시스템으로 대체되고 있다.
인공지능 기술은 기계 학습(딥 러닝) 및 기계 학습을 활용한 요소 기술들로 구성된다.
기계 학습은 입력 데이터들의 특징을 스스로 분류/학습하는 알고리즘 기술이며, 요소 기술은 딥 러닝 등의 기계 학습 알고리즘을 활용하여 인간 두뇌의 인지, 판단 등의 기능을 모사하는 기술로서, 언어적 이해, 시각적 이해, 추론/예측, 지식 표현, 동작 제어 등의 기술 분야로 구성된다.
인공지능 기술이 응용되는 다양한 분야는 다음과 같다. 언어적 이해는 인간의 언어/문자를 인식하고 응용/처리하는 기술로서, 자연어 처리, 기계 번역, 대화 시스템, 질의 응답, 음성 인식/합성 등을 포함한다. 시각적 이해는 사물을 인간의 시각처럼 인식하여 처리하는 기술로서, 객체 인식, 객체 추적, 영상 검색, 사람 인식, 장면 이해, 공간 이해, 영상 개선 등을 포함한다. 추론 예측은 정보를 판단하여 논리적으로 추론하고 예측하는 기술로서, 지식/확률 기반 추론, 최적화 예측, 선호 기반 계획, 추천 등을 포함한다. 지식 표현은 인간의 경험 정보를 지식데이터로 자동화 처리하는 기술로서, 지식 구축(데이터 생성/분류), 지식 관리(데이터 활용) 등을 포함한다. 동작 제어는 차량의 자율 주행, 로봇의 움직임을 제어하는 기술로서, 움직임 제어(항법, 충돌, 주행), 조작 제어(행동 제어) 등을 포함한다.
이하에서 설명하는 AI 엔진은, 다양한 실시예들에 따르면, 서버(100) 및/또는 차량(200)과 연계되어 획득되거나, 혹은 서버(100) 및/또는 차량(200)과 관련된 외부의 다른 서버에 연계되어 획득될 수도 있다. 후술하는 과정에 의해 획득되는 AI 엔진은, 전술한 도 3의 안전 관련 정보를 포함한 신호 전송 동작에 활용될 수 있다.
도 7은 다양한 실시예들에 따른 탑승자에 대한 상황 판단을 위한 AI (artificial intelligence) 엔진을 획득하는 과정을 도시한 도면이다.
도 7을 참조하면, 탑승자의 안전과 관련된 위험 상태 및 위험 상태에 대응하는 안전 지원을 판단하기 위한 탑승자의 행동에 대한 데이터가 AI 엔진에 수집될 수 있다. 예를 들어, 탑승자의 행동에 대한 데이터는, 일정 기간 동안 차량 등의 전자 장치에 탑승한 탑승자의 행동에 대한 데이터들이 수집될 수 있으며, 탑승자의 성별, 탑승자의 연령대, 탑승자의 탑승 시간대, 다른 존재와의 동행 탑승 여부 등 탑승자의 행동을 판단하는데 고려될 수 있는 다양한 특성 중 하나 이상의 특성에 기초하여 수집될 수 있다. 탑승자의 상황을 판단하기 위한 탑승자 행동 데이터의 일 예로, 탑승자의 정상 운전, 탑승자의 졸음, 탑승자의 기절, 탑승자의 외상, 영유아 혹은 반려 동물과의 동행 탑승 등이 포함될 수 있으며, 이와 같은 각종 예시적 탑승자 행동에 대한 탑승자 행동 데이터가 기계 학습을 위해 수집될 수 있다.
탑승자 행동 데이터가 수집될 경우 수집된 탑승자 행동 데이터에 기반하여 학습용 탑승자 행동 데이터가 획득될 수 있으며, 획득되는 학습용 탑승자 행동 데이터는 훈련용 탑승자 행동 데이터 및 테스트용 탑승자 행동 데이터로 분류될 수 있다.
차량 등 전자 장치에 탑승한 탑승자의 행동을 감지한 탑승자 행동 감지 정보에 대응하여 탑승자의 안전과 관련된 위험 상태 및 위험 상태에 대응하는 안전 지원을 판단하는 탑승 상황 판단 정보를 출력하는 기계 학습을 위해, 훈련용 탑승자 행동 데이터가 모델을 학습하는데 활용될 수 있다(701). 또한, 테스트용 탑승자 행동 데이터는 학습된 모델을 검증 및 업데이트 하는데 활용될 수 있다. 구체적으로, 학습된 모델에 테스트용 탑승자 행동 데이터가 입력될 시 이에 대응하여 출력되는 탑승 상황 판단 데이터를 확인하고, 확인된 탑승 상황 판단 데이터에 대한 피드백 정보를 획득하여(703), 획득한 피드백 정보를 기반으로 학습된 모델을 업데이트 할 수 있다(705).
상기의 기계 학습은, 모델을 학습하고 피드백 정보에 기반하여 학습된 모델의 특성을 수정하며, 수정된 모델을 기반으로 재차 피드백 정보를 획득하여 업데이트 하는 과정을 반복할 수 있다. 이와 같은 반복 과정의 수행 횟수가 기 설정된 임계 횟수 N(일 예로, 3-5회)에 도달할 때까지 학습된 모델이, AI 엔진으로서 획득될 수 있다(707).
본 명세서와 도면에 개시된 본 발명의 실시 예들은 본 발명의 기술 내용을 쉽게 설명하고 본 발명의 이해를 돕기 위해 특정 예를 제시한 것일 뿐이며, 본 발명의 범위를 한정하고자 하는 것은 아니다. 즉 본 발명의 기술적 사상에 바탕을 둔 다른 변형 예들이 실시 가능하다는 것은 본 발명의 속하는 기술 분야에서 통상의 지식을 가진 자에게 자명한 것이다. 또한 상기 각각의 실시 예는 필요에 따라 서로 조합되어 운용할 수 있다. 예컨대, 본 발명의 모든 실시 예는 일부분들이 서로 조합되어 시스템에 의해 구현될 수 있다.
또한, 본 발명에 따른 시스템 등에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다.
이와 같이, 본 발명의 다양한 실시 예들은 특정 관점에서 컴퓨터 리드 가능 기록 매체(computer readable recording medium)에서 컴퓨터 리드 가능 코드(computer readable code)로서 구현될 수 있다. 컴퓨터 리드 가능 기록 매체는 컴퓨터 시스템에 의해 리드될 수 있는 데이터를 저장할 수 있는 임의의 데이터 저장 디바이스이다. 컴퓨터 리드 가능 기록 매체의 예들은 읽기 전용 메모리(read only memory: ROM)와, 랜덤-접속 메모리(random access memory: RAM)와, 컴팩트 디스크- 리드 온니 메모리(compact disk-read only memory: CD-ROM)들과, 마그네틱 테이프(magnetic tape)들과, 플로피 디스크(floppy disk)들과, 광 데이터 저장 디바이스들, 및 캐리어 웨이브(carrier wave)들(인터넷을 통한 데이터 송신 등)을 포함할 수 있다. 컴퓨터 리드 가능 기록 매체는 또한 네트워크 연결된 컴퓨터 시스템들을 통해 분산될 수 있고, 따라서 컴퓨터 리드 가능 코드는 분산 방식으로 저장 및 실행된다. 또한, 본 발명의 다양한 실시 예들을 성취하기 위한 기능적 프로그램들, 코드, 및 코드 세그먼트(segment)들은 본 발명이 적용되는 분야에서 숙련된 프로그래머들에 의해 쉽게 해석될 수 있다.
또한 본 발명의 다양한 실시 예들에 따른 장치 및 방법은 하드웨어, 소프트웨어 또는 하드웨어 및 소프트웨어의 조합의 형태로 실현 가능하다는 것을 알 수 있을 것이다. 이러한 소프트웨어는 예를 들어, 삭제 가능 또는 재 기록 가능 여부와 상관없이, ROM 등의 저장 장치와 같은 휘발성 또는 비 휘발성 저장 장치, 또는 예를 들어, RAM, 메모리 칩, 장치 또는 집적 회로와 같은 메모리, 또는 예를 들어 콤팩트 디스크(compact disk: CD), DVD, 자기 디스크 또는 자기 테이프 등과 같은 광학 또는 자기적으로 기록 가능함과 동시에 기계(예를 들어, 컴퓨터)로 읽을 수 있는 저장 매체에 저장될 수 있다. 본 발명의 다양한 실시 예들에 따른 방법은 제어부 및 메모리를 포함하는 컴퓨터 또는 이와 같은 메모리 또는 컴퓨터를 포함한 차량 등에 의해 구현될 수 있고, 이러한 메모리는 본 발명의 실시 예들을 구현하는 명령들을 포함하는 프로그램 또는 프로그램들을 저장하기에 적합한 기계로 읽을 수 있는 저장 매체의 한 예임을 알 수 있을 것이다.
따라서, 본 발명은 본 명세서의 청구항에 기재된 장치 또는 방법을 구현하기 위한 코드를 포함하는 프로그램 및 이러한 프로그램을 저장하는 기계(컴퓨터 등)로 읽을 수 있는 저장 매체를 포함한다. 또한, 이러한 프로그램은 유선 또는 무선 연결을 통해 전달되는 통신 신호와 같은 임의의 매체를 통해 전자적으로 이송될 수 있고, 본 발명은 이와 균등한 것을 적절하게 포함한다.
상기에서는 본 발명의 실시 예들을 참조하여 설명하였지만, 본 명세서와 도면에 개시된 본 발명의 실시 예들은 본 발명의 기술 내용을 쉽게 설명하고 본 발명의 이해를 돕기 위해 특정 예를 제시한 것일 뿐이며 본 발명의 범위를 한정하고자 하는 것은 아니다. 또한 앞서 설명된 본 발명에 따른 실시 예들은 예시적인 것에 불과하며, 당해 분야에서 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 범위의 실시 예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호 범위는 다음의 특허청구범위에 의해서 정해져야 할 것이다.
100: 서버
200: 차량
210: 입/출력부 220: 통신부
230: 데이터베이스 240: 프로세서
300: 드론
610, 620: 지형물
200: 차량
210: 입/출력부 220: 통신부
230: 데이터베이스 240: 프로세서
300: 드론
610, 620: 지형물
Claims (5)
- 전자 장치에 있어서,
프로세서 (processor); 및
하나 이상의 인스트럭션 (instruction) 을 저장하는 하나 이상의 메모리 (memory) 를 포함하고,
상기 하나 이상의 인스트럭션은, 실행 시에, 상기 프로세서가:
상기 전자 장치의 탑승자에 대한 탑승자 행동 감지 정보를 획득하는 동작;
상기 탑승자 행동 감지 정보를 AI (artificial intelligence) 엔진 (engine) 에 입력하는 동작;
상기 탑승자 행동 감지 정보에 대응하는 상기 AI 엔진의 출력 동작에 기반하여, 상기 탑승자에 대한 탑승 상황 판단 정보를 획득하는 동작; 및
상기 탑승 상황 판단 정보에 기반하여, 상기 탑승자를 위한 지원 요청 정보가 포함된 신호를 관제 센터에 연계된 드론(drone)으로 전송하는 동작을 수행하도록 상기 프로세서를 제어하고,
상기 AI 엔진의 출력 동작은:
상기 탑승자 행동 감지 정보에 기반하여, 상기 탑승자의 안전과 관련된 위험 상태를 판단하는 동작; 및
상기 판단된 위험 상태에 대한 정보 및 상기 판단된 위험 상태에 대응하는 안전 지원과 관련된 정보를 포함하도록 설정된 상기 탑승 상황 판단 정보를 출력하는 동작을 포함하며,
상기 신호를 전송하는 동작은:
상기 전자 장치의 위치 정보에 기반하여, 상기 전자 장치 및 상기 드론 사이의 통신 지형에 대한 정보를 획득하는 동작;
상기 통신 지형에 대한 정보에 기반하여, 상기 신호의 전송을 위한 전송 전력의 판단과 관련된 통신 지형 분포 함수를 산출하는 동작; 및
상기 통신 지형 분포 함수에 기반하여 판단된 전송 전력에 따라 상기 신호를 전송하는 동작을 포함하는, 전자 장치.
- 제 1 항에 있어서,
상기 프로세서는,
상기 탑승 상황 판단 정보에 기반하여, 상기 탑승자가 일반적인 탑승 상황에 해당함을 확인하는 동작; 및
상기 탑승자가 일반적인 탑승 상황에 해당하는 점에 기반하여, 상기 전자 장치 내 상기 탑승자에 대한 경고음을 발생시키는 동작을 더 수행하는, 전자 장치.
- 제 2 항에 있어서,
상기 신호를 전송하는 동작은,
상기 탑승 상황 판단 정보에 기반하여, 상기 탑승자가 위급한 탑승 상황에 해당함을 확인하는 동작; 및
상기 탑승자가 위급한 탑승 상황에 해당하는 점에 기반하여, 상기 신호를 전송하도록 결정하는 동작을 포함하는, 전자 장치.
- 제 3 항에 있어서,
상기 탑승자 행동 감지 정보는 상기 전자 장치에 포함된 센싱(sensing) 카메라를 통해 획득되는, 전자 장치.
- 제 4 항에 있어서,
상기 신호는 V2X (vehicle-to-everything) 통신에 기반하여 전송되는, 전자 장치.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220130477A KR20240050729A (ko) | 2022-10-12 | 2022-10-12 | 탑승자 행동 분석에 기반한 안전 관련 정보 전송 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220130477A KR20240050729A (ko) | 2022-10-12 | 2022-10-12 | 탑승자 행동 분석에 기반한 안전 관련 정보 전송 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20240050729A true KR20240050729A (ko) | 2024-04-19 |
Family
ID=90881894
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220130477A KR20240050729A (ko) | 2022-10-12 | 2022-10-12 | 탑승자 행동 분석에 기반한 안전 관련 정보 전송 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20240050729A (ko) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20150075774A (ko) | 2013-12-26 | 2015-07-06 | 한국전자통신연구원 | 자율 주행 차량 및 그것의 자율 주행을 지원하는 인프라 |
| KR20200058272A (ko) | 2018-11-19 | 2020-05-27 | 건국대학교 산학협력단 | 도로 주행 영상의 전처리를 통한 도로 주행 상황 제공 방법 및 시스템 |
| KR20200144006A (ko) | 2019-06-17 | 2020-12-28 | 엘지전자 주식회사 | 자율 주행 시스템 |
-
2022
- 2022-10-12 KR KR1020220130477A patent/KR20240050729A/ko not_active Application Discontinuation
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20150075774A (ko) | 2013-12-26 | 2015-07-06 | 한국전자통신연구원 | 자율 주행 차량 및 그것의 자율 주행을 지원하는 인프라 |
| KR20200058272A (ko) | 2018-11-19 | 2020-05-27 | 건국대학교 산학협력단 | 도로 주행 영상의 전처리를 통한 도로 주행 상황 제공 방법 및 시스템 |
| KR20200144006A (ko) | 2019-06-17 | 2020-12-28 | 엘지전자 주식회사 | 자율 주행 시스템 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11055544B2 (en) | Electronic device and control method thereof | |
| AU2019253703B2 (en) | Improving the safety of reinforcement learning models | |
| US11835962B2 (en) | Analysis of scenarios for controlling vehicle operations | |
| US20200369271A1 (en) | Electronic apparatus for determining a dangerous situation of a vehicle and method of operating the same | |
| Alkinani et al. | Detecting human driver inattentive and aggressive driving behavior using deep learning: Recent advances, requirements and open challenges | |
| US11625036B2 (en) | User interface for presenting decisions | |
| KR102481487B1 (ko) | 자율 주행 장치 및 그의 제어 방법 | |
| US20190310636A1 (en) | Dynamically controlling sensor behavior | |
| JP2022525586A (ja) | 自律車両システム | |
| Yi et al. | Implicit personalization in driving assistance: State-of-the-art and open issues | |
| US11688195B2 (en) | Electronic device and method for assisting with driving of vehicle | |
| US20200050894A1 (en) | Artificial intelligence apparatus and method for providing location information of vehicle | |
| CN112020411B (zh) | 用于向用户提供服务的移动机器人装置和方法 | |
| WO2021090897A1 (ja) | 情報処理装置、情報処理方法及び情報処理プログラム | |
| KR20190027657A (ko) | 차량의 주행을 보조하는 장치 및 방법 | |
| Butt et al. | REEEC-AGENT: human driver cognition and emotions-inspired rear-end collision avoidance method for autonomous vehicles | |
| US20210155262A1 (en) | Electronic apparatus and operation method thereof | |
| KR20190121273A (ko) | 차량 정보 연계 컨텐츠 제공 장치 및 방법 | |
| KR20240050729A (ko) | 탑승자 행동 분석에 기반한 안전 관련 정보 전송 방법 | |
| US11550328B2 (en) | Artificial intelligence apparatus for sharing information of stuck area and method for the same | |
| US20210133561A1 (en) | Artificial intelligence device and method of operating the same | |
| KR20200145356A (ko) | 차량 탑승자를 위한 컨텐츠 제공 방법 및 장치 | |
| US11926259B1 (en) | Alert modality selection for alerting a driver | |
| US11950316B1 (en) | Vehicle-passenger assistance facilitation | |
| US20240061907A1 (en) | Artificial intelligence apparatus and method for estimating sound source localization thereof |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal |