현재 사업용 차량의 교통사고 감소 및 안전운전에 대한 사회적 요구에 부흥하기 위하여 디지털 주행기록계, 차량용 블랙박스 등 다양한 형태의 시스템이 사용되고 있으나, 이러한 시스템은 주행 후 저장된 차량데이터를 기반으로 위험 운전 여부를 분석하기 때문에 위험운전을 실시간으로 예방하기에는 큰 한계성을 있는 것이 사실이다. 이에 본 연구의 선행연구에서는 차량 운전자의 운전행태에 따른 차량동역학 데이터를 저장 판단하여 운전자에게 실시간으로 경고정보를 제공하여 운전자의 안전운전을 향상 시킬 수 있는 위험운전 판단장치를 개발하였으나, 이에 대한 성능평가가 이루어 지지 않고 있는 실정이다. 따라서 본 연구에서는 기 개발된 위험운전 판단장치의 성능평가를 위하여 DGPS를 이용한 정밀위치 인식시스템을 구축하였다. 실험 결과 위험운전 판단장치에서 취득되는 차량 동역학 데이터와 DGPS를 통하여 취득되는 데이터가 거의 일치하는 것으로 분석되었다. 따라서 구축된 정밀위치 인식시스템을 통하여 위험운전 판단장치의 성능이 검증되면 차량의 위험운전 관리에 매우 효과가 있을 것으로 판단된다.
현재 사업용 차량의 교통사고 감소 및 안전운전에 대한 사회적 요구에 부흥하기 위하여 디지털 주행기록계, 차량용 블랙박스 등 다양한 형태의 시스템이 사용되고 있으나, 이러한 시스템은 주행 후 저장된 차량데이터를 기반으로 위험 운전 여부를 분석하기 때문에 위험운전을 실시간으로 예방하기에는 큰 한계성을 있는 것이 사실이다. 이에 본 연구의 선행연구에서는 차량 운전자의 운전행태에 따른 차량동역학 데이터를 저장 판단하여 운전자에게 실시간으로 경고정보를 제공하여 운전자의 안전운전을 향상 시킬 수 있는 위험운전 판단장치를 개발하였으나, 이에 대한 성능평가가 이루어 지지 않고 있는 실정이다. 따라서 본 연구에서는 기 개발된 위험운전 판단장치의 성능평가를 위하여 DGPS를 이용한 정밀위치 인식시스템을 구축하였다. 실험 결과 위험운전 판단장치에서 취득되는 차량 동역학 데이터와 DGPS를 통하여 취득되는 데이터가 거의 일치하는 것으로 분석되었다. 따라서 구축된 정밀위치 인식시스템을 통하여 위험운전 판단장치의 성능이 검증되면 차량의 위험운전 관리에 매우 효과가 있을 것으로 판단된다.
There have been various forms of systems such as a digital speedometer or a black box etc. to meet the social requirement for reducing traffic accidents and safe driving. However that systems are based on after-accident vehicle data, there is limit to prevent the accident before. So in our previous ...
There have been various forms of systems such as a digital speedometer or a black box etc. to meet the social requirement for reducing traffic accidents and safe driving. However that systems are based on after-accident vehicle data, there is limit to prevent the accident before. So in our previous research, by storing, analyzing the Vehicle-dynamic information coming from driver's behavior, we are developing the decision-device which could provide driver with Alerting-Information in real-time to enhance the driver's safety drive. but the performance valuation is not yet executed. Finally, this study developed positional recognition system by using the DGPS for pre-developed risky driving decision device. The result of test analyzed with the same that the aggregated vehicle dynamics data in DGPS and dangerous risky driving decision device. If the performance of risky driving decision device is verified by precisely positional recognition system, the risky driving management of vehicle would be effected.
There have been various forms of systems such as a digital speedometer or a black box etc. to meet the social requirement for reducing traffic accidents and safe driving. However that systems are based on after-accident vehicle data, there is limit to prevent the accident before. So in our previous research, by storing, analyzing the Vehicle-dynamic information coming from driver's behavior, we are developing the decision-device which could provide driver with Alerting-Information in real-time to enhance the driver's safety drive. but the performance valuation is not yet executed. Finally, this study developed positional recognition system by using the DGPS for pre-developed risky driving decision device. The result of test analyzed with the same that the aggregated vehicle dynamics data in DGPS and dangerous risky driving decision device. If the performance of risky driving decision device is verified by precisely positional recognition system, the risky driving management of vehicle would be effected.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
선행연구에서 위험운전 판단장치의 개발을 완료하였지만 위험운전 판단장치의 정확성을 측정 할 수 있는 장비가 구축되어 있지 않아 현재까지 성능평가가 이루어 지지 않고있는 실정이다. 이에 본 연구에서는 개발된 위험운전 판단장치의 정확성을 측정하기 위하여 DGPS/RTK를 구축하였다.
그러나 현재 위험운전 판단장치의 평가 및 검증이 이루어지지 않아 실제 차량에 장착하지 못하고 있는 실정이다. 이에 본 연구에서는 위험운전 판단장치의 성능을 평가할 수 있는 정밀위치 인식시스템을 실험차량에 구축하여 실차 실험을 진행하였다.
AVLN시스템에는 기존의 상용 GPS시스템이 아닌 DGPS가 장착되어 차량의 위치에 정보에 대한 오차를 감소시켰으며, 위성통신 불능지역에서는 dead reckoning시스템을 이용하여 차량의 위치 정보를 취득하였다. 현재 국내ㆍ외에서 DGPS를 이용하여 개발한 장비에 대한 검증이 이루어지고 있으며, 본 논문 또한 위험운전판단장치에서 취득되는 데이터의 검증에 DGPS를 이용하고자 한다.
제안 방법
AVLN시스템에는 기존의 상용 GPS시스템이 아닌 DGPS가 장착되어 차량의 위치에 정보에 대한 오차를 감소시켰으며, 위성통신 불능지역에서는 dead reckoning시스템을 이용하여 차량의 위치 정보를 취득하였다.
DGPS/RTK 시스템을 이용한 위험운전 판단장치의 성능평가를 급제동, 선회 중 과속 및 급차선 변경의 세가지 운전 행태로 성능평가를 실시하였다. 급제동의 경우 위험운전판단장치의 가속도가 DGPS 속도 변화량과 일치하는 것으로 나타났다.
DGPS/RTK를 위한 기준국의 좌표를 획득하기 위하여, Single Mode에서의 측위 좌표를 장시간에 걸쳐 획득하여 수집된 모든 데이터의 평균값을 계산하여 기준좌표를 획득하였으며, 본 연구에서는 KINTEX 일대의 차선 측량 데이터를 좌표변환하여 ENU 좌표를 획득한 후 1m 간격으로 차선 정보를 이용하였다.
엄재용 외(2004)에서는 DGPS를 기반으로 하는 정밀항법시스템을 개발하였다. DGPS를 이용하여 정밀지도 제작 후 시험차량에 DGPS를 구축한 후 차량의 이동에 따른 DGPS 정보를 통하여 주행차량 정밀위치 인식 시스템을 개발하였다. 주행차량에 따른 정밀위치를 인식하기 위하여 시험로 정밀지도를 제작하였으며, 시험차량에 DGPS를 장착한 후 시험차량 실험을 진행하였다.
Data-logger는 향후 교통안전 및 인간 공학적인 연구 활동을 위한 첨단 종합 도구로서 실용성이 매우 높다고 할 수 있다. Data-logger의 실험 및 검증을 위해서 차속, GPS, Gyro센서 등이 탑재된 실험차량을 개발하였으며, 실험차량의 센서 데이터와 Data-logger를 비교하여 Data-logger의 성능을 검증하였다.
따라서 본 연구에서는 위험운전 판단장치의 성능검증을 위하여 실험차량에 DGPS를 이용한 정밀위치 인식시스템을 구축하여 실험차량의 동역학 데이터를 취득하였으며, 취득된 데이터와 위험운전 판단장치에 저장되는 실험차량의 동역학 데이터를 비교하여 위험운전 판단장치에 대한 성능 검증을 시행하였다.
주행 데이터는 위험운전 판단장치의 이벤트 데이터와 정밀위치 인식시스템의 위·경도, 방향각 및 속도의 직접적인 비교는 취득되어지는 데이터의 성격이 다르기 때문에 불가능하다. 따라서, 본 연구에서는 위험운전 판단장치에서 검출되어지는 위험운전 발생시 Ax, Ay, Yaw Rate데이터와 정밀위치인식 장치에서 검출되어지는 속도, 방향각 데이터의 시간에 대한 변화량을 비교 분석하였으며, 차선변경은 차량의 궤적을 이용하여 차선변경에 따른 위험운전 판단장치에서 검출된 결과를 통해 그 정확성을 검증하였다. 표 4는 취득되는 주행 데이터를 보이고 있으며, 해당 데이터를 이용하여 운전행태가 뚜렷한 급제동, 급차선 변경 및 선회 중 과속에 대하여 기술하고자 한다.
본 연구에서는 DGPS/RTK를 구축하기 위해서 고정밀 GPS 수신기는 NovAtal사의 DL-V3를 사용하였으며, 기준국의 기준좌표로부터 수신된 오차 정보를 시험 차량으로 전달하기 위하여 Cisco System사의 Aironet 1310 Series 무선랜 AP/BG와 GPS 수신기와 무선랜간의 원거리 통신을 위해서 RS-232C 통신 프로토콜을 TCP/IP로 양방향간 변환할 수 있는 RS-232C-TCP/IP 컨버터를 사용하여 DGPS/RTK시스템을 구축하였다.
본 연구에서는 NOVATEL社(캐나다) DL-V3 GPS 수신기를 이용하여 정지 상태에서 정밀도 20mm인 정밀위치인식 시스템 구성 후 KINTEX 일대 차선 정보가 포함된 정밀 지도를 제작하였다. 정밀지도를 포함하는 정밀위치 인식 프로그램에서 DGPS 데이터를 실시간으로 저장하여 위험운전판단 장치의 주행 데이터와 비교하여 주행 및 Event 데이터 정확도 판별하였다.
본 연구에서는 오주택 외(2009)에서 개발된 위험운전 판단 알고리즘을 통하여 위험운전 판단장치를 개발하였으며, 개발된 위험운전 판단장치의 성능검증을 본 연구의 범위로 설정하였다.
시험차량에 위험운전 판단장치와 정밀위치 인식 시스템을 설치하여 KINTEX 일대를 주행 후 위험운전 판단장치 데이터와 정밀위치 인식 시스템 데이터를 이용하여 위험운전 판단장치의 정확성 평가를 수행하였다.
실차 실험은 차량에 적용된 정밀위치 인식시스템을 기반으로 위험운전 판단장치의 성능 검증을 위하여 급제동, 선회 중 과속, 급차선 변경 실험을 수행하여 정밀위치 인식시스템의 데이터와 위험운전 판단장치에 저장되어 있는 차량 동역학 데이터를 비교하였다.
실험을 통하여 위험운전 판단장치의 위험운전 유형 및 주행 데이터와 DGPS 위치 데이터, 속도, 방향각을 포함하는 차량 궤적 데이터를 취득하여 각 시나리오 별 속도, 위치 및 차량 궤적을 분석하였다.
위험 운전 유형을 급제동, 급가속, 급선회, 급차선 변경의 네 가지로 분류하고 차량용 블랙박스를 장착한 실차 실험을 통해 주행 데이터를 수집ㆍ분석하여 위험 운전을 인지하는 알고리즘을 제시한다.
이에 교통사고 감소 및 안전운전에 대한 사회적 요구에 부응하기 위하여 다양한 형태의 디지털 주행기록계 및 차량용 블랙박스가 출시되어 운전자의 운전행태 기록 및 위험운전에 대한 영상기록을 통하여 위험운전에 대한 명확한 분석을 할 수 있게 되었다.
정밀 위치 인식 소프트웨어의 개발 툴은 C/C++ 컴파일러인 Microsoft사의 Visual Studio 6.0, Fortran 컴파일러인 Digital사의 Visual Fortran 6.0 및 그래픽 언어인 G-언어 기반의 National Instrument사의 LabVIEW FDS 7.1을 이용하였으며, 그림 4와 같은 절차를 거쳐 정밀 위치 인식 프로그램을 개발하였다.
정밀도 실험은 기준국 및 이동국 설치 후 DGPS/RTK 구성 후 기준국을 통한 오차 보정을 통한 위치 데이터를 취득하였으며, 시험 방법은 다음과 같은 절차로 진행하였다.
정밀위치인식 시스템의 정밀도 측정을 위해서 기준국(BASE)와 이동국(ROVER)로 구성하였으며, 기준국의 위치는 고정시킨 후 무선통신을 이용하여 위치오차를 이동국에 보정할 수 있도록 전송하여 이동국의 수신 데이터의 Positioning Type이 위치오차를 계산하였으며, 위치 정밀도는 오차 보정 상태에서 정지 상태인 이동국의 위치 데이터의 정밀도와 이동국과 거리를 1m와 5m로 설정하여 거리 정밀도 측정 실험을 진행하였다.
정밀지도를 포함하는 정밀위치 인식 프로그램에서 DGPS 데이터를 실시간으로 저장하여 위험운전판단 장치의 주행 데이터와 비교하여 주행 및 Event 데이터 정확도 판별하였다.
정지상태에서 정밀도 및 거리 정확성 실험의 결과로 정밀위치 인식 시스템의 정밀도 및 정확도 성능은 검증되었으므로 먼저 위험운전판단장치의 판단 정확성 성능을 평가하기 위해서 정밀위치 인식시스템과의 데이터의 차이점을 먼저 검토하였다.
DGPS를 이용하여 정밀지도 제작 후 시험차량에 DGPS를 구축한 후 차량의 이동에 따른 DGPS 정보를 통하여 주행차량 정밀위치 인식 시스템을 개발하였다. 주행차량에 따른 정밀위치를 인식하기 위하여 시험로 정밀지도를 제작하였으며, 시험차량에 DGPS를 장착한 후 시험차량 실험을 진행하였다. 실험결과 차량 정밀위치 인식시스템의 차폭방향 위치 오차는 RMS값이 3.
대상 데이터
국외에서 DGPS를 이용하여 각종 실험을 실시하였으며, 그에 따른 분석 내용은 다음과 같다.
본 연구의 실험은 2009년 3월과 4월 총 2회에 걸쳐 진행되었으며, 주행 장소는 일산 KINTEX IC와 KINTEX 서문 일대에서 진행되었다.
실험을 통하여 위험운전 판단장치의 위험운전 유형 및 주행 데이터와 DGPS 위치 데이터, 속도, 방향각을 포함하는 차량 궤적 데이터를 취득하여 각 시나리오 별 속도, 위치 및 차량 궤적을 분석하였다. 실험 장비로는 정밀위치인식시스템, 실시간 위험운전 판단 장치가 사용되었으며, 실험 시나리오 표 3과와 같다.
성능/효과
유형에 따른 알고리즘은 차속에 따른 센서 측정치의 변화량과 도달 시간을 기준으로 구성하였다. 급제동과 급가속 유형에서는 종 가속도가 짧은 도달 시간 동안 각각 급격히 감소하거나 증가하는 경향이 나타났다. 급선회와 급차선 변경은 급선회의 경우에는 긴 주기, 급차선 변경은 짧은 주기 동안 선회속도의 변화가 크게 나타났다.
따라서, 위험운전 판단장치는 가속도 및 Yaw Rate 센서를 이용한 차량의 거동을 예측하기 위한 성능이 증명되어졌다.
급제동의 경우 위험운전판단장치의 가속도가 DGPS 속도 변화량과 일치하는 것으로 나타났다. 또한 선회 중 과속과 급차선변경의 경우도 DGPS의 방위각과 위험운전 판단장치의 Yaw Rate은 동일한 경향을 보이는 것으로 판단되었다.
위험운전 판단장치는 첫째, 운전자로부터 발생할 수 있는 위험운전 유형이 분류되어 있으며, 둘째, 분류된 위험운전 유형에 대한 임계값(Ki)이 저장되어 있어 운전자의 운전행태를 실시간으로 분석할 수 있다. 마지막으로 무선 통신을 이용하여 운전자의 운전행태를 위험운전 관리센터에 전송할 수 있는 장치로써 운전자의 안전운전 관리에 매우 효과적인 장치인 것으로 판단된다. 그러나 현재 오주택 외(2009)에서 개발된 위험운전 판단장치의 성능을 검증할 수 있는 장비가 구축되어있지 않아 차량에 장착하지 못하고 있는 실정이다.
시속 50km/h로 주행 중 교차로에서 속도를 줄이지 않고 우회전하였으며, 그림 13과 같이 선회 전 속도는 50km/h이상으로 진입하나 우회전 후 44km/h 낮아졌으나 최대한 속도를 유지하여 주행 실험을 진행하였으며, 첫 번째 그림은 DGPS 취득한 시험차량의 방향각으로 정북 시계방향 30도에서 120도로 직각으로 우회전할 때, 위험운전 판단장치에서 선회 중 과속으로 판단하는 Yaw Rate은 38.0deg/sec로 선회 중 과속의 운전 행태를 정확하게 판단함을 보이고 있다.
실험 결과 정밀위치 인식시스템의 데이터와 위험운전 판단 장치에 저장되어 있는 데이터가 일치 하는 것으로 분석되어 위험운전 판단장치의 성능을 검증하였다.
이동국 정지 상태에서 위치 데이터의 정밀도 분석 결과 20mm 이내로 수렴하고 있음을 알 수 있으며, 일반적인 차선의 폭이 160mm인 것을 고려했을 경우 정밀도가 매우 우수한 시스템으로 판단된다.
차량의 궤적에서 도로가 정북 시계방향으로 약 120도정도 기울어진 도로이며, 그림 15의 첫번째에서 DGPS의 방향각이 일치하고, 2차로에서 1차로로 차선을 변경하는 과정에서 차량의 시계반대 방향으로 회전하면서 차량의 방향각이 약 10도 감소함을 보이고 있으며, 위험운전 판단장치의 Yaw Rate Sine Wave 여부를 판단하여 최대값이 16.3deg/sec으로 급격한 차선변경의 위험한 운전행태로 정확하게 판단하고 있음을 알 수있다.
후속연구
주행차량에 따른 정밀위치를 인식하기 위하여 시험로 정밀지도를 제작하였으며, 시험차량에 DGPS를 장착한 후 시험차량 실험을 진행하였다. 실험결과 차량 정밀위치 인식시스템의 차폭방향 위치 오차는 RMS값이 3.2cm로 자율 주행에 적합 할 것으로 예상되나 시뮬레이션 연구를 통하여 검증되어야 할 것으로 예상되었다.
질의응답
핵심어
질문
논문에서 추출한 답변
오주택 외(2008)이 개발한 Data-logger는 무엇으로 구성되어 있는가?
따라서 선행연구에서는 위험운전 유형을 분류하고, 분류된 위험운전 유형을 검출하기 위하여 Data-logger를 개발하였다. Data-logger는 시험차량, Gyro, GPS 및 DAQ 시스템, Rack 시스템, 영상 데이터 취득 시스템, 전원 공급 장치와 운전자 인지 검출 시스템으로 이루어진 하드웨어와 실시간(Real-time) 모듈, 재생(Replay) 모듈, 데이터 추출(Export) 모듈로 이루어진 소프트웨어로 구성되어 진다. Data-logger는 향후 교통안전 및 인간 공학적인 연구 활동을 위한 첨단 종합 도구로서 실용성이 매우 높다고 할 수 있다.
DGPS/RTK란 무엇인가?
DGPS/RTK(Differential Global Positioning System/RealTime Kinematic(Positioning))란 기준국과 이동국에서 관측되는 위상 변화 정보를 실시간으로 서로 교환하여 공통오차를 제거하는 정밀 측위 기법으로 토목 측량에 널리 이용되고있으며, 최근에는 조선과 자동차 산업에 확대되고 있다. 특히, 국내 자동차회사에서 Active Cruise Control 시스템 등 최신 첨단 기술 개발을 위한 평가 도구로 활용하고자 활발한 연구가 진행되고 있다.
디지털 주행기록계 및 차량용 블랙박스를 이용하여 운전자의 운전 행태를 분석하는 방식의 한계점은 무엇인가?
이에 교통사고 감소 및 안전운전에 대한 사회적 요구에 부응하기 위하여 다양한 형태의 디지털 주행기록계 및 차량용 블랙박스가 출시되어 운전자의 운전행태 기록 및 위험운전에 대한 영상기록을 통하여 위험운전에 대한 명확한 분석을 할 수 있게 되었다. 그러나 이러한 시스템은 USB/SD메모리를 통한 데이터의 후처리 방식 및 사고 후 차량의 데이터를 이용하여 위험운전의 행위를 판별하는 장치로써 운전자의 운전행태를 실시간으로 관리하는 데에는 큰 한계성을 가지고 있다.
참고문헌 (10)
김상겸 외(1998) DGPS를 이용한 차량의 위치 결정방법, 한국자동차공학회 추계학술대회논문집, 한국자동차공학회, 제2호.
송성재, 조병관(1996) ADAMS를 이용한 차량 조종안정성 해석, 한국자동차공학회논문집, 한국자동차공학회, 제4권 제5호, pp. 109-118.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.