선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 연구에서는 위험 운전 유형을 분류하고 차량용 블랙박스를 장착한 실차 실험을 통해 주행 데이터를 수집․분석하여 위험 운전을 인지하는 알고리즘을 제시한다. 그리고 인지 알고리즘을 통하여 교통사고를 예방하고 운전자 및 차량을 관리하는 시스템의 구성을 제안하고자 한다.
- 본 연구에서는 위험 운전 유형을 분류하고 차량용 블랙박스를 장착한 실차 실험을 통해 주행 데이터를 수집․분석하여 위험 운전을 인지하는 알고리즘을 제시한다. 그리고 인지 알고리즘을 통하여 교통사고를 예방하고 운전자 및 차량을 관리하는 시스템의 구성을 제안하고자 한다.
- 본 연구에서는 위험 운전 인지 알고리즘의 평가를 위하여, 실차 실험을 통하여 차량용 블랙박스의 데이터 저장․수집과 위험 운전 인지 알고리즘의 유효성을 확인하였다. 위험 운전 인지를 위해 <표 5>와 같이 위험 운전 감지항목을 저장매체에 기록하고 그래프로 확인하는 기능 시험을 실시하였다.
- 급선회 주행 패턴은 선회 속도의 변화가 크게 변화하는 특성을 나타내었다. 이러한 선회 속도의 변화량을 기준 속도에 따른 임계치와 비교하여 위험 운전을 판별하도록 하였다. <그림 14>에서 볼 수 있는 것처럼, 급선회 유형에서는 교차로 상에서의 좌/우회전, 분기점의 진출입 과정에서의 제한 속도인 40KPH 이상을 기준으로 급선회 유형을 인지하도록 하였다.
제안 방법
- 종 가속도의 변화는 거의 없고, 선회 속도의 변화가 크게 나타나므로 선회 속도의 변화량을 기준으로 위험 운전을 판별하도록 하였다. 위험한 차로 변경 유형에 대한 위험 운전 인지 방법은 <그림 15>(a)와 같이 일정 도달 시간 (Time Count 일정시간 경과) 600msec 동안 임계치 이상의 선회 속도를 나타내는 경우 위험 운전으로 인지하고 3sec이내에 반복적인 현상이나 나타나지 않는 경우 위험한 차로 변경으로 인지하도록 구성하였다. 이중 차로 변경은 위험한 차로 변경에서의 선회 속도 변화가 연속적으로 나타난다.
- 또한 U턴 등을 상황에서는 급격한 선회가 순간적으로 나타나므로 본 연구에서 배제하였다. U턴의 경우는 일정 시간 이하로 차량 조작을 마치고 다시 정상 주행을 하게되므로, 주행 실험을 통해 측정한 일정 도달 시간(Time Count 일정시간 이후) 5sec를 기준하여 변화량이 임계치 이상일 때, 급선회 유형에 대한 위험 운전을 인지하도록 구성하였다.
- 임계치는 위험 운전을 실시간 인지/판별하기 위한 세부적 기준이 된다. 그러므로 임계치의 도달 시간을 기준으로 위험 운전 인지 알고리즘을 구성하였다. 위험 운전 인지 결과는 실시간 경고를 할 수 있고, 운수회사 및 보험 회사 등에서는 사후 운전기록을 토대로 운전자의 성향을 평가 하여 보험료 산정 혹은 운전자 교육 및 상담을 수행할 수 있다.
- , 2003)은 서울 도심의 주행 노선을 선정하고 블랙박스를 장착한 실차 실험을 통하여 다양한 연령층의 남녀 운전자의 주행 데이터를 수집하였다. 그리고 수집된 주행 데이터의 분석과정을 통해 연료 소비율에 영향을 미치는 주행 변수와 운전자의 성별, 연령별, 주행 노선별 연비 절감을 위한 기준을 제시하였다. Mundke 등(Mundke et al.
- 위험 운전 인지를 위해 <표 5>와 같이 위험 운전 감지항목을 저장매체에 기록하고 그래프로 확인하는 기능 시험을 실시하였다. 그리고 일정 속도에서 위험 운전을 수행하고 실시간 위험 운전 인지 여부를 확인하는 실험을 반복 수행하였다. 위험 운전 순간의 센서 측정치는 임계치 이상의 변화가 발생할 때 감지하고 차량 조작이 불충분한 경우에는 위험 운전을 인지하지 않을 수 있으므로, 시험절차에 따라 주행을 한 이후 정차하여 기록데이터를 확인하였다.
- , 2006)도 상용 버스에 블랙박스를 장착한 실차 실험과 시뮬레이션 프로그램(Racer)을 이용하여 다양한 주행 데이터를 수집하였다. 그리고 주행 특성과 연료 소비율의 관계에 대하여 데이터마이닝 등의 통계적 기법을 활용하여 연료절감 운전 및 운전자 평가에 대한 기준을 제시하였다. Alessandrini 등(Alessandrini et al.
- 위험한 차로 변경에서는 저속/고속 상황에서 선회 속도의 변화량과 도달 시간을 측정하였으며, 도달 시간에 따른 변화량을 급차로 변경을 판별하는 기준 특성으로 선정하였다. 그리고 추월 및 연속적 차로 변경의 현상인 이중 차로 변경의 경우에는 일정 시간 동안의 동일한 기준의 위험한 차로 변경이 연속적으로 일어나는 경우로 확인하였다.
- 급차로 변경 주행 패턴은 위험한 차로 변경과 이중 차로 변경으로 구분하여 인지하도록 구성하였다. 종 가속도의 변화는 거의 없고, 선회 속도의 변화가 크게 나타나므로 선회 속도의 변화량을 기준으로 위험 운전을 판별하도록 하였다.
- 또한 급선회는 도로 설계 시 적용되는 진입 속도를 기준으로 하여 초과되는 속도를 기준으로 하였다. 급차로 변경의 경우에도 속도에 따른 안전거리를 기준으로 안전거리가 확보되지 못한 상태에서 주행하고 그에 따른 속도별 선회 속도 측정치를 통하여 임계치를 선정하였다.
- 다음으로 차량용 블랙박스를 장착한 실차의 주행 실험을 통해 유형별 특성을 파악하였으며, 특성 분류의 기준 데이터 항목을 선별 하였다. 끝으로 위험 운전의 인지를 위한 기준 데이터의 변화량과 센서 측정값의 변화하는 시간(도달 시간)을 측정하고, 이를 통한 기준 임계치 설정과 위험 운전 인지 알고리즘을 제시하였다.
- 본 논문에서는 우선적으로 최근의 교통사고 통계에 대한 분석 결과와 사고 상황에 따른 차량의 거동을 기준으로 위험 운전 유형을 분류하였다. 다음으로 차량용 블랙박스를 장착한 실차의 주행 실험을 통해 유형별 특성을 파악하였으며, 특성 분류의 기준 데이터 항목을 선별 하였다. 끝으로 위험 운전의 인지를 위한 기준 데이터의 변화량과 센서 측정값의 변화하는 시간(도달 시간)을 측정하고, 이를 통한 기준 임계치 설정과 위험 운전 인지 알고리즘을 제시하였다.
- 그리고 급선회 중에는 교차로의 좌/우회전, 분기점의 진출입시에도 지속적인 선회 과정이 있게 되는데 이때의 규정 속도는 40KPH이다. 따라서 40KPH 이상의 경우에 한하여 선회 속도의 변화량과 도달 시간을 기준으로 판별하였으며, U턴 등의 경우를 제외하기 위해 일정 도달 시간이 경과하는 동안 지속적 선회 속도의 변화를 급선회의 인지 기준으로 하였다.
- 따라서 과 같이 차속 크기를 단계별로 구분하고 다수의 실차 실험을 통하여 임계치 (센서 측정치의 변화량)에 도달하는 도달 시간을 측정하였으며, 속도 구간별 측정한 임계치는 와 같다.
- 이를 위해 임계치 선정의 기준을 급제동/급가속의 경우에는 해당 주행 속도에서 감속/가속 페달을 최대로 밟았을 때의 종방향 가속도 수치를 측정하고 이 수치의 일정 비율을 임계치로 선정하였다. 또한 급선회는 도로 설계 시 적용되는 진입 속도를 기준으로 하여 초과되는 속도를 기준으로 하였다. 급차로 변경의 경우에도 속도에 따른 안전거리를 기준으로 안전거리가 확보되지 못한 상태에서 주행하고 그에 따른 속도별 선회 속도 측정치를 통하여 임계치를 선정하였다.
- 그러므로 우리나라의 주요 자동차 수출국인 미국 시장을 고려하여 표준 데이터 항목을 선정하였다. 미국 NHTSA의 차량용 블랙박스 권고 법안(NHTSA EDR WG, 2006)과 IEEE P1616 (MVEDR, 2004), SAE(VEDI TC, 2003)에서 규정하는 표준 항목을 비교하여 데이터 저장 범위를 선정하였다. 차량용 블랙박스의 표준 저장 데이터 항목은 주행 데이터와 차량 데이터로 구분하였다.
- 본 논문에서는 우선적으로 최근의 교통사고 통계에 대한 분석 결과와 사고 상황에 따른 차량의 거동을 기준으로 위험 운전 유형을 분류하였다. 다음으로 차량용 블랙박스를 장착한 실차의 주행 실험을 통해 유형별 특성을 파악하였으며, 특성 분류의 기준 데이터 항목을 선별 하였다.
- 본 연구에서는 차량 운행 중 발생하는 난폭 운전을 급제동, 급가속, 급선회, 급차로 변경의 4가지 유형으로 구분하였다. 이는 <표 1>에서 보이는 차량 거동에 따른 각 사고 유형의 발생가능성을 근거로 도출하였다.
- 본 연구에서는 북미 지역의 표준안/법안을 참고 하여 표준 데이터 저장 항목을 선정하였다. 선정한 저장 항목은 실차 실험을 통해 수집하고 위험 운전 유형별 패턴을 분석하였다. 여기서 유형별 패턴은 위험 운전 인지의 확인 항목이 되며 반복적인 실험으로 패턴 인지를 위한 임계치를 선정하였다.
- 실차 실험 결과를 통하여 속도에 따른 가변 임계치와 센서 측정치의 변화량, 임계치 이상의 변화량이 나타나는 도달 시간을 기준으로 패턴 분석과 위험 운전 인지를 위한 기준을 선정하였다.
- 저장된 데이터는<그림 6>과 같은 데이터 해석 프로그램에서 교통사고와 위험 운전을 구분하여 분석할 수 있다. 실차 실험에서는 국내산 중형 승용차에 블랙박스를 장착하여 위험 운전 인지를 위한 임계치를 도출하였다. 실험 과정은 블랙박스를 장착한 차량의 차속을 10KPH 단위로 증감시켜 속도 구간별 위험 운전을 수행 하였다.
- 실차 실험에서는 국내산 중형 승용차에 블랙박스를 장착하여 위험 운전 인지를 위한 임계치를 도출하였다. 실험 과정은 블랙박스를 장착한 차량의 차속을 10KPH 단위로 증감시켜 속도 구간별 위험 운전을 수행 하였다. 속도 구간별로 차속에 따른 위험 운전 인지 가변 임계치를 선정하면, 고속에서 차량 주행 시 저속에 비하여 작은 센서 변화량으로도 위험 운전으로 판단 할 수 있다.
- 이러한 특성은 전술한 위험 운전 인지 프로그램 상에서 위험 운전 인지 알고리즘이 주행 데이터를 판별하여 그 유형을 화면으로 출력하므로, 알고리즘의 문제점을 검증할 수 있다. 연구에서는 수차례의 실차 주행 테스트를 통해 신뢰성을 검증하였고, 여러 차종별 테스트를 계속 수행하고 있다. 이와 같은 테스트와 결과 분석을 통하여<표 6>과 같은 위험 운전 인지 시스템에 적용 가능한 위험 운전 구성 요소를 선정하였다.
- 급제동의 경우에는 속도에 따른 임계치 보다 속도에 따른 종 감속도 값이 클경우 급제동 유형으로 판별한다. <그림 12>와 같이 종방향 감속도의 변화량과 주행 속도별 임계치를 비교하고, 실차 주행 실험을 통해서 얻은 일정 도달 시간(Time Count 일정시간 경과) 500msec를 기준하여 그 사이 기준 임계치 이상일 경우 급제동 운전으로 판별한다.
- 그리고 일정 속도에서 위험 운전을 수행하고 실시간 위험 운전 인지 여부를 확인하는 실험을 반복 수행하였다. 위험 운전 순간의 센서 측정치는 임계치 이상의 변화가 발생할 때 감지하고 차량 조작이 불충분한 경우에는 위험 운전을 인지하지 않을 수 있으므로, 시험절차에 따라 주행을 한 이후 정차하여 기록데이터를 확인하였다. 위험 운전 유형별 그래프들의 확인과 알고리즘의 적용으로 위험 운전 유형의 인지를 확인하였다.
- 위험 운전 순간의 센서 측정치는 임계치 이상의 변화가 발생할 때 감지하고 차량 조작이 불충분한 경우에는 위험 운전을 인지하지 않을 수 있으므로, 시험절차에 따라 주행을 한 이후 정차하여 기록데이터를 확인하였다. 위험 운전 유형별 그래프들의 확인과 알고리즘의 적용으로 위험 운전 유형의 인지를 확인하였다. 대표적 실험 결과들을 보여주는 <그림 16>의 그래프들에서 1행은 종방향 가속도, 2행은 횡방향 가속도, 3행은 선회 속도, 4행은 차량의 타코미터 속도를 나타낸다.
- 위험 운전 인지를 위해 와 같이 위험 운전 감지항목을 저장매체에 기록하고 그래프로 확인하는 기능 시험을 실시하였다.
- 급차로 변경에서는 <그림 10>에서 보이는 것처럼 선회 속도의 변화가 짧은 도달 시간에 급격한 변화를 나타내며 급선회와 차이를 보인다. 위험한 차로 변경에서는 저속/고속 상황에서 선회 속도의 변화량과 도달 시간을 측정하였으며, 도달 시간에 따른 변화량을 급차로 변경을 판별하는 기준 특성으로 선정하였다. 그리고 추월 및 연속적 차로 변경의 현상인 이중 차로 변경의 경우에는 일정 시간 동안의 동일한 기준의 위험한 차로 변경이 연속적으로 일어나는 경우로 확인하였다.
- 속도 단계에 따른 임계치는 전술한 차량 데이터에 비하여 실시간 위험 운전을 인지하는 세부적 기준이 된다. 이러한 센서 측정값과 도달 시간을 기준으로 후술할 위험 운전 유형별 인지 알고리즘을 작성하였다. 한편, 임계치는 차량의 중량에 따른 마찰력의 변화 등으로 속도에 따른 위험 운전 수행 시 인지 기준이 되는 센서의 측정치가 변화할 수 있다.
- 위험 운전 유형별 센서 측정치에 대한 임계치를 선정 함에 있어서, 각각의 운전자가 느끼는 주관적인 위험 운전 정도의 크기를 평준화할 객관적인 절대기준이 필요하다. 이를 위해 임계치 선정의 기준을 급제동/급가속의 경우에는 해당 주행 속도에서 감속/가속 페달을 최대로 밟았을 때의 종방향 가속도 수치를 측정하고 이 수치의 일정 비율을 임계치로 선정하였다. 또한 급선회는 도로 설계 시 적용되는 진입 속도를 기준으로 하여 초과되는 속도를 기준으로 하였다.
- 이와 같은 테스트와 결과 분석을 통하여과 같은 위험 운전 인지 시스템에 적용 가능한 위험 운전 구성 요소를 선정하였다.
- 급가속 상황은 <그림 8>에 보이는 바와 같이 급제동과는 반대로 종방향 가속도가 짧은 주기의 도달 시간 동안 급격히 증가하는 변화를 보인다. 저 속/고속 상황에서 가속도 변화량의 도달 시간에 따른 가속도 증가 변화량을 급가속 위험 운전 인지 기준으로 선정하였다.
- 급제동 유형은 짧은 도달 시간 동안 종방향 가속도가 급격히 감소하는 변화 구간을 가진다. 저속/고속 상황에서 가속도 감소가 임계치까지 변화하는 도달 시간을 파악하였으며, 도달 시간에 따른 변화량을 급제동 유형을 판별하는 기준 특성으로 선정하였다.
- 급차로 변경 주행 패턴은 위험한 차로 변경과 이중 차로 변경으로 구분하여 인지하도록 구성하였다. 종 가속도의 변화는 거의 없고, 선회 속도의 변화가 크게 나타나므로 선회 속도의 변화량을 기준으로 위험 운전을 판별하도록 하였다. 위험한 차로 변경 유형에 대한 위험 운전 인지 방법은 <그림 15>(a)와 같이 일정 도달 시간 (Time Count 일정시간 경과) 600msec 동안 임계치 이상의 선회 속도를 나타내는 경우 위험 운전으로 인지하고 3sec이내에 반복적인 현상이나 나타나지 않는 경우 위험한 차로 변경으로 인지하도록 구성하였다.
- 미국 NHTSA의 차량용 블랙박스 권고 법안(NHTSA EDR WG, 2006)과 IEEE P1616 (MVEDR, 2004), SAE(VEDI TC, 2003)에서 규정하는 표준 항목을 비교하여 데이터 저장 범위를 선정하였다. 차량용 블랙박스의 표준 저장 데이터 항목은 주행 데이터와 차량 데이터로 구분하였다. 주행 데이터는 종/횡방향 가속도, 선회 속도 등 차량의 거동에 관한 정보로 차량용 블랙박스의 센서부를 통하여 수집되는 데이터이다.
- 속도 구간별로 차속에 따른 위험 운전 인지 가변 임계치를 선정하면, 고속에서 차량 주행 시 저속에 비하여 작은 센서 변화량으로도 위험 운전으로 판단 할 수 있다. 차속별 위험 운전 수행후 위험 운전 항목별로 차량 진행 방향 가속도인 종방향가속도와 차량의 좌우측 가속도인 횡방향 가속도 그리고 선회 속도를 측정하여 기록하였다.
- 최근 4년간의 국내 교통사고 통계(도로교통안전관리 공단, 2002; 2003; 2004; 2005)를 활용하여 난폭 운전에서 발생할 수 있는 사고 유형들을 구하였다. <표 1> 은 최근 교통사고 현황을 유형별로 간략하게 요약하고 있으며, 치사율은 (사망자수/총 발생 건수 × 100)으로 계산된다.
대상 데이터
- 이와 같은 항목은 차량의 거동을 측정하기 위한 주요 고려 요소로 데이터 범위와 측정 범위가 넓고 세분화된 데이터이다. 그 밖에 위험 운전에 대한 판별을 위한 확인 정보로서, 차량 내부 통신에 의해 측정되는 차량 데이터를 선정 하였다. 엔진 RPM은 차량 엔진 구동 상태 및 속도 범위에 대한 급조작(급가속, 급제동 등) 여부를 판단할 수 있으며, 브레이크 조작 시 나타나는 on/off 신호는 제동 의사 판별 및 제동 시간을 고려할 수 있다.
- 국내의 경우에는 차량용 블랙박스의 표준화 및 법률화가 점진적으로 진행 되고 있으나 아직 제정되지 않은 상태이다. 그러므로 우리나라의 주요 자동차 수출국인 미국 시장을 고려하여 표준 데이터 항목을 선정하였다. 미국 NHTSA의 차량용 블랙박스 권고 법안(NHTSA EDR WG, 2006)과 IEEE P1616 (MVEDR, 2004), SAE(VEDI TC, 2003)에서 규정하는 표준 항목을 비교하여 데이터 저장 범위를 선정하였다.
- 본 연구에서 활용한 차량용 블랙박스는 종/횡방향의가속도를 측정하는 센서 각 2개와 선회 속도 측정 센서를 통해 차량 거동에 대한 데이터를 측정한다. 가속도 센서는 일반 주행 상황의 기록을 위한 낮은 범위 가속도 센서와, 충돌 사고 감지 및 판단을 위한 높은 영역의 가속도센서를 이용하게 된다(Lee and Han, 2004a).
- 전술한 위험 운전 유형들을 대상으로 실차 실험을 통해 데이터 수집과 패턴 분석을 수행하기 위해서는 일차적으로 차량용 블랙박스의 저장 정보에 대한 기준이 필요하다. 본 연구에서는 북미 지역의 표준안/법안을 참고 하여 표준 데이터 저장 항목을 선정하였다. 선정한 저장 항목은 실차 실험을 통해 수집하고 위험 운전 유형별 패턴을 분석하였다.
- 위험 운전은 본인뿐만 아니라 동료들에게도 악습을 전파하는 특성이 있을 뿐만 아니라 사후 관리 부재 시 위험 운전 재발의 악순환으로 결국 사고를 유발한다. 본 연구에서는 실차 적용이 가능한 차량용 블랙박스를 활용한 실험으로 속도 단계별 위험 운전 임계치를 선정하였다. 임계치는 위험 운전을 실시간 인지/판별하기 위한 세부적 기준이 된다.
- 그러나 이러한 운전 행태가 항상 확연히 구분되는 것도 아니며 때로는 복합적 형태로 발생하기도 한다. 본 연구에서는 위험 운전 중 난폭 운전을 주 고려 대상으로 하였다. 난폭운전은 고의적이든 비고의적이든 과속, 밀착 주행, 끼어들기, 적색 신호 주행, 무리하고 빈번한 차로 변경 및 다른 차량의 진로방해 등과 같은 위험 운전으로 나타나고 결국 이런 운전행동은 교통 법규 위반 및 사고로 이어진다.
- 사고 정보와 위험 운전 정보는 저장되는 정보의 양을 달리하며 이를 위해 두개의 제어부로 구성되어 진다. 본 연구의 대상이 되는 위험 운전 제어부는 실시간 위험 운전 판별이 가능하며 종/횡 방향 가속도, 선회 속도, 차량 속도 데이터를 수집/저장한다. 데이터의 저장 항목의 내용은 <표 3>과 같다.
성능/효과
- 급제동과 급가속 유형에서는 1행에 보여지는 종가속도가 짧은 도달 시간 동안 각각 급격히 감소하거나 증가 하는 경향을 나타내었다. 급선회와 급차로 변경은 3행에 보여지는 선회 속도의 변화가 크게 나타났다.
- 이러한 기록데이터의 분석은 운전자 및 차량 관리 시스템을 구축하는 데 활용할 수 있다. 분석 결과는 유형별 위험 운전 빈도수, 사고 위험성 평가 등을 통해 운전자의 부상 또는 차량 파손 정도 등을 예상할 수 있다. 또한, 전술한 통계자료에 의한 사고 위험도 및 인명 상해 정도를 운전자 및 차량 관리 시스템에 도입할 수 있다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.