졸음은 심각한 교통사고를 일으키는 가장 큰 원인으로 고속도로에서 발생하는 교통사고의 약 23.1%가 운전자의 졸음에 의한 것이며, 이는 전체 사망사고의 30%를 차지하는 수치이다. 이에 따라 최근 다양한 연구기관에서는 졸음운전으로 인한 사고를 미연에 방지하고 감소시키기 위하여 운전자의 피로·졸음 상태를 측정하고 판단하기 위한 연구가 활발히 진행되고 있으며, 일부 자동차 업체에서는 운전자의 피로·졸음 상태를 판단할 수 있는 시스템을 자사의 차량에 탑재하여 출시하고 있다. 운전자의 상태를 판단하는 방법은 크게 생리 신호 측정 장비나 시선 추적 장비를 이용하여 운전자의 상태를 직접 측정하거나 차량의 거동 분석을 통해 운전자의 상태를 유추해내는 방법으로 나눌 수 있으며, 현재 진행되고 있는 연구는 대부분 다양한 장비를 이용하여 운전자의 상태를 직접 측정하거나, 운전자의 상태를 측정할 수 있는 장치를 개발하여 운전자의 상태를 판단하는 연구가 수행되고 있다. 본 연구에서는 피로·졸음 판단 시스템을 개발하기 위하여 차량 ...
졸음은 심각한 교통사고를 일으키는 가장 큰 원인으로 고속도로에서 발생하는 교통사고의 약 23.1%가 운전자의 졸음에 의한 것이며, 이는 전체 사망사고의 30%를 차지하는 수치이다. 이에 따라 최근 다양한 연구기관에서는 졸음운전으로 인한 사고를 미연에 방지하고 감소시키기 위하여 운전자의 피로·졸음 상태를 측정하고 판단하기 위한 연구가 활발히 진행되고 있으며, 일부 자동차 업체에서는 운전자의 피로·졸음 상태를 판단할 수 있는 시스템을 자사의 차량에 탑재하여 출시하고 있다. 운전자의 상태를 판단하는 방법은 크게 생리 신호 측정 장비나 시선 추적 장비를 이용하여 운전자의 상태를 직접 측정하거나 차량의 거동 분석을 통해 운전자의 상태를 유추해내는 방법으로 나눌 수 있으며, 현재 진행되고 있는 연구는 대부분 다양한 장비를 이용하여 운전자의 상태를 직접 측정하거나, 운전자의 상태를 측정할 수 있는 장치를 개발하여 운전자의 상태를 판단하는 연구가 수행되고 있다. 본 연구에서는 피로·졸음 판단 시스템을 개발하기 위하여 차량 시뮬레이터를 이용한 실험을 진행하여 피로·졸음운전 시 나타나는 운전자의 주행패턴을 확인하기 위한 주행 데이터를 취득하였으며, 운전자의 피로·졸음 상태를 객관적으로 판단하기 위한 운전자의 시선 데이터인 PERCLOS와 생리 신호인 뇌파(EEG)를 측정하였다. 또한, 주관적인 평가 기법 역시 적용하여 운전자의 피로·졸음 상태를 판단하였다. 실험을 통하여 취득한 주행 데이터는 피로·졸음 판단 기준과 절차에 따라 피로·졸음운전 데이터를 분류하고 이를 데이터베이스화 하였으며, 선행연구 조사 내용을 바탕으로 선정한 차량의 종방향 거동 변수인 차속, 가속페달과 횡방향 거동 변수인 조향각속도, 차선 내 차량 위치에 대한 분석을 실시하였다. 선정한 차량의 거동 변수에 대하여 운전자의 피로·졸음 수준에 따른 주행패턴을 분석한 결과, 운전자의 피로·졸음 수준이 증가함에 따라 분산이 증가함을 확인하였으며, 분산의 변화량은 통계 분석을 통해 운전자의 피로·졸음 수준에 따른 분산의 변화량이 유의미한 차이가 있음을 확인하였다. 분석 결과를 토대로 운전자의 상태에 따른 분산의 변화를 이용한 피로·졸음 판단 알고리즘을 개발하였으며, 개발한 알고리즘에 적용 가능한 고정 임계값과 적응형 임계값을 도출하였다. 또한, 운전자의 정상 상태 주행패턴 학습을 위한 학습시간을 결정하였으며, 변수별 판단 신뢰도에 따른 가중치를 결정하였다. 도출한 임계값과 가중치는 임계값의 형태와 가중치 적용 여부에 따라 4가지 형태의 피로·졸음 판단 알고리즘을 구성하였으며, 구성한 알고리즘의 성능을 분석하고 평가하기 위하여 오프라인 시뮬레이션 프로그램을 개발하였다. 또한, 개발 알고리즘에 대하여 실차 환경에서의 작동 여부를 확인하고 알고리즘의 성능을 분석하기 위하여 실차를 이용한 평가 실험을 진행하였으며, 차량 시뮬레이터 실험과 실차 실험을 통해 취득한 주행 데이터는 오프라인 시뮬레이션을 통해 구성한 알고리즘별 성능을 분석하였다. 본 논문에서는 알고리즘의 성능 분석 결과를 통해 차량의 추가적인 장비의 설치 없이 차량의 주행 패턴을 이용한 운전자의 피로·졸음 검출이 가능함을 확인하였다.
졸음은 심각한 교통사고를 일으키는 가장 큰 원인으로 고속도로에서 발생하는 교통사고의 약 23.1%가 운전자의 졸음에 의한 것이며, 이는 전체 사망사고의 30%를 차지하는 수치이다. 이에 따라 최근 다양한 연구기관에서는 졸음운전으로 인한 사고를 미연에 방지하고 감소시키기 위하여 운전자의 피로·졸음 상태를 측정하고 판단하기 위한 연구가 활발히 진행되고 있으며, 일부 자동차 업체에서는 운전자의 피로·졸음 상태를 판단할 수 있는 시스템을 자사의 차량에 탑재하여 출시하고 있다. 운전자의 상태를 판단하는 방법은 크게 생리 신호 측정 장비나 시선 추적 장비를 이용하여 운전자의 상태를 직접 측정하거나 차량의 거동 분석을 통해 운전자의 상태를 유추해내는 방법으로 나눌 수 있으며, 현재 진행되고 있는 연구는 대부분 다양한 장비를 이용하여 운전자의 상태를 직접 측정하거나, 운전자의 상태를 측정할 수 있는 장치를 개발하여 운전자의 상태를 판단하는 연구가 수행되고 있다. 본 연구에서는 피로·졸음 판단 시스템을 개발하기 위하여 차량 시뮬레이터를 이용한 실험을 진행하여 피로·졸음운전 시 나타나는 운전자의 주행패턴을 확인하기 위한 주행 데이터를 취득하였으며, 운전자의 피로·졸음 상태를 객관적으로 판단하기 위한 운전자의 시선 데이터인 PERCLOS와 생리 신호인 뇌파(EEG)를 측정하였다. 또한, 주관적인 평가 기법 역시 적용하여 운전자의 피로·졸음 상태를 판단하였다. 실험을 통하여 취득한 주행 데이터는 피로·졸음 판단 기준과 절차에 따라 피로·졸음운전 데이터를 분류하고 이를 데이터베이스화 하였으며, 선행연구 조사 내용을 바탕으로 선정한 차량의 종방향 거동 변수인 차속, 가속페달과 횡방향 거동 변수인 조향각속도, 차선 내 차량 위치에 대한 분석을 실시하였다. 선정한 차량의 거동 변수에 대하여 운전자의 피로·졸음 수준에 따른 주행패턴을 분석한 결과, 운전자의 피로·졸음 수준이 증가함에 따라 분산이 증가함을 확인하였으며, 분산의 변화량은 통계 분석을 통해 운전자의 피로·졸음 수준에 따른 분산의 변화량이 유의미한 차이가 있음을 확인하였다. 분석 결과를 토대로 운전자의 상태에 따른 분산의 변화를 이용한 피로·졸음 판단 알고리즘을 개발하였으며, 개발한 알고리즘에 적용 가능한 고정 임계값과 적응형 임계값을 도출하였다. 또한, 운전자의 정상 상태 주행패턴 학습을 위한 학습시간을 결정하였으며, 변수별 판단 신뢰도에 따른 가중치를 결정하였다. 도출한 임계값과 가중치는 임계값의 형태와 가중치 적용 여부에 따라 4가지 형태의 피로·졸음 판단 알고리즘을 구성하였으며, 구성한 알고리즘의 성능을 분석하고 평가하기 위하여 오프라인 시뮬레이션 프로그램을 개발하였다. 또한, 개발 알고리즘에 대하여 실차 환경에서의 작동 여부를 확인하고 알고리즘의 성능을 분석하기 위하여 실차를 이용한 평가 실험을 진행하였으며, 차량 시뮬레이터 실험과 실차 실험을 통해 취득한 주행 데이터는 오프라인 시뮬레이션을 통해 구성한 알고리즘별 성능을 분석하였다. 본 논문에서는 알고리즘의 성능 분석 결과를 통해 차량의 추가적인 장비의 설치 없이 차량의 주행 패턴을 이용한 운전자의 피로·졸음 검출이 가능함을 확인하였다.
Drowsy driving is most significant cause of traffic accident and accounts for 23.1% of total accidents and 30% of total fatalities occurred in highways. In order to reduce drowsy driving induced traffic accidents, various studies which is related to measurement and judgement of driver's fatigue & dr...
Drowsy driving is most significant cause of traffic accident and accounts for 23.1% of total accidents and 30% of total fatalities occurred in highways. In order to reduce drowsy driving induced traffic accidents, various studies which is related to measurement and judgement of driver's fatigue & drowsy state are being conducted and some automotive companies commercialized driver's fatigue & drowsy state judgement system. Methods for judging driver state include direct measurement of driver state via physiological signal measurement sensor or eye tracker and estimation of driver state via analysis of vehicle movement. This study tried to develop fatigue & drowsy driving detection system based on driving patterns. For analysis of driver's driving patterns on fatigue & drowsy state, driving data are acquired in driving simulator environment. Driver's percentage of eye closure(PERCLOS), electroencephalography(EEG), Karolinska Sleepiness Scale(KSS) questionnaire are also acquired for objective judgement of driver state. Database is built based on classification of driver state into normal state and fatigue & drowsy state. Vehicle speed, accelerator pedal, steering angle velocity and lane lateral offset are selected as parameters for judgement of driver state based on prior study. Analysis on driving patterns showed that variance of each parameter was increased on driver's fatigue & drowsy state. And t-test result also showed that increase of each parameter was meaningful. Through analysis, fatigue & drowsy driving detection algorithm based on driving patterns is developed. Fixed and adaptive threshold are developed. Learning time for driver's driving pattern in normal state and reliability based weight are also developed. Four different algorithms are developed according to type of threshold and weight distribution. Off-line simulation program was developed for evaluation of each algorithm. Real vehicle experiment was conducted for evaluation of algorithms in real vehicle environment. Driving data from driving simulator experiment and real vehicle experiment are used for system evaluation via off-line simulation. This study showed that detecting driver's fatigue & drowsy driving only with driving patterns and without using any additional sensors is possible.
Drowsy driving is most significant cause of traffic accident and accounts for 23.1% of total accidents and 30% of total fatalities occurred in highways. In order to reduce drowsy driving induced traffic accidents, various studies which is related to measurement and judgement of driver's fatigue & drowsy state are being conducted and some automotive companies commercialized driver's fatigue & drowsy state judgement system. Methods for judging driver state include direct measurement of driver state via physiological signal measurement sensor or eye tracker and estimation of driver state via analysis of vehicle movement. This study tried to develop fatigue & drowsy driving detection system based on driving patterns. For analysis of driver's driving patterns on fatigue & drowsy state, driving data are acquired in driving simulator environment. Driver's percentage of eye closure(PERCLOS), electroencephalography(EEG), Karolinska Sleepiness Scale(KSS) questionnaire are also acquired for objective judgement of driver state. Database is built based on classification of driver state into normal state and fatigue & drowsy state. Vehicle speed, accelerator pedal, steering angle velocity and lane lateral offset are selected as parameters for judgement of driver state based on prior study. Analysis on driving patterns showed that variance of each parameter was increased on driver's fatigue & drowsy state. And t-test result also showed that increase of each parameter was meaningful. Through analysis, fatigue & drowsy driving detection algorithm based on driving patterns is developed. Fixed and adaptive threshold are developed. Learning time for driver's driving pattern in normal state and reliability based weight are also developed. Four different algorithms are developed according to type of threshold and weight distribution. Off-line simulation program was developed for evaluation of each algorithm. Real vehicle experiment was conducted for evaluation of algorithms in real vehicle environment. Driving data from driving simulator experiment and real vehicle experiment are used for system evaluation via off-line simulation. This study showed that detecting driver's fatigue & drowsy driving only with driving patterns and without using any additional sensors is possible.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.