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 논문에서는 차대 보행자 충돌사고에서 비교적 측정이나 추정이 용이한 정량, 정성적인 사고 정보들에 근거하여 차량의 충돌속도를 정확하게 추론하는 퍼지도구를 제시하였다. 보행자 충돌 사고 및 실험, 시뮬레이션 데이터를 활용하여 4가지 소속함수의 범위를 설정하였고, 데이터 분석을 통해 퍼지 논리 규칙 설정에 참고하였다.
- 본 논문에서는 퍼지 이론을 활용하여 보행자 충돌사고에서 법정에서 가장 문제가 되고 있는 차량의 충돌속도를 정확하게 추론하는 방법을 제시한다. 퍼지 이론은 미국의 Zadeh가 처음 도입한 퍼지 집합 사고방식을 기초로한 이론으로 애매하고 불분명한 상황을 수학적으로 접근하는 시스템이다.
- <그림 2>는 실제사고 데이터와 세단형 차량 시뮬레이션 결과를 비교한 것으로, 시뮬레이션에서 충돌 속도의 분포가 실제사고 데이터에서 충돌 속도에 비해 다소 아래쪽에 분포하지만 비교적 잘 일치함을 볼 수 있다. 본 연구에서는 이와 같은 시뮬레이션 결과들이 유용성이 있다고 판단하여 퍼지 소속함수 설정에 필요한 대용량 데이터 보완에 활용하였다.
제안 방법
- hCG/Hc 비율은 보행자 무게중심 높이/차량 전면부 높이 비율로서 3종류의 차량(세단, SUV, Van)의 전면부 높이와 3가지의 인체정보(성인남자, 성인여자, 어린이)의 무게중심 높이를 이용하여 소속함수를 설정하였다. 무게중심은 키의 2/3지점으로 통일하였으며, hCG/Hc비율이 1보다 크면 Wrap유형의 충돌이 발생할 가능성이 높고, 1보다 작으면 Forward 유형이 발생할 가능성이 높다는 점을 기준으로 논리 규칙 설정에 활용하였다.
- <그림 3>과 같이 기존의 퍼지 추론 시스템 기본 5단계에서 논리적 규칙 부분을 2단계로 나눔으로서 논리적 규칙의 설정을 간소화 시키고, 더불어 보행자의 선회궤도를 판별할 수 있도록 하였다. 본 연구에서는 Matlab을 사용하여 퍼지 도구를 작성하였다.
- 국내에서 분류된 차량 파손 5단계(이수범 등, 2005)에서 4～5단계의 파손은 높은 속도에서 비교적 드물게 발생하며, 후드 부분의 손상은 Wrap과 Forward 두 선회유형에서 발생 할 수 있으므로, 선회궤도 판단을 위해 총 3단계로 , 와 같이 분류하였다.
- Konosu(2002)는 MADYMO(Mathematical Dynamic Models)와 JARI(Japan Automobile Research Institute) 인체 모듈을 이용하여 세 종류의 차량을 충돌속도, 30～65km/h 구간에서 제동의 변화를 주어 테스트하였다. 국내에선 김종혁(2002)이 MADYMO를 이용하여 충돌속도 10～60km/h 구간에서 두 가지 형태의 차량으로 시뮬레이션 하고, 기존 모델식과 이동거리를 비교하였다. 이외에도 보행자 충돌에 관한 시뮬레이션 해석에 관한 연구가 국내외에서 활발히 수행되고 있다.
- 또한 퍼지도구의 소속함수는 가능한 많은 양의 실제 데이터에 기반하여 설정되어야 하는데, 소속 함수에 맞는 대용량의 실제 보행자 충돌 실험 및 사고 데이터의 확보가 용이하지 않다. 국내외 실제 사고 데이터에서 부족한 차량 파손단계, 선회궤도별 전도거리-속도 관계를 다음 장에서 서술하는 바와 같은 PC-Crash 시뮬 레이션 작업을 통하여 부분적으로 보완 하였다.
- 그러기 위해선 보행자, 차량, 도로면에 관한 많은 양의 변수가 필요하며, 이를 전부 입력하기엔 범위가 너무 넓기에 특정 변수는 와 같이 대푯값을 사용하였고, 소속함수 설정시 데이터 비교를 위해 차량 정보, 보행자 정보, 차량 속도, 보행자-노면 마찰계수에 한해서 범위를 주어 시뮬레이션을 수행하였다.
- 본 연구에서 확보한 외국 데이터에는 차량 파손단계, 보행자 상해도에 관한 정보가 포함되어있지 않다. 그러므로 선회궤도 정보를 기반으로 파손단계를 대푯값으로 사용하였다. 파손단계는 Forward유형 선회궤도일 경우 전면범퍼 손상정도인 1, Wrap의 경우 전면유리 손상정도인 3으로 대푯값을 입력하고 상해도는 입력하지 않았다.
- 시뮬레이션 수행시 차량과의 접촉부위, 보행자의 접촉부위, 보행자 속도 등에 따라 보행자의 선회궤도, 최종 정지위치가 변하게 되는데, 이와 같은 상황은 실제 측정에 많은 어려움이 있다. 그렇기 때문에 본 연구에서는 보행자와 차량의 충돌 상황을 일치시켜 차량 전면부와 보행자 좌측면과의 충돌로 설정하였다. 차량의 충돌 속도는 10～70km/h구간에서 2.
- 비율은 보행자 무게중심 높이/차량 전면부 높이 비율로서 3종류의 차량(세단, SUV, Van)의 전면부 높이와 3가지의 인체정보(성인남자, 성인여자, 어린이)의 무게중심 높이를 이용하여 소속함수를 설정하였다. 무게중심은 키의 2/3지점으로 통일하였으며, hCG/Hc비율이 1보다 크면 Wrap유형의 충돌이 발생할 가능성이 높고, 1보다 작으면 Forward 유형이 발생할 가능성이 높다는 점을 기준으로 논리 규칙 설정에 활용하였다. 3단계로 분류한 소속함수의 범위가 <표 5>에 보여진다.
- 본 논문에서는 차대 보행자 충돌사고에서 비교적 측정이나 추정이 용이한 정량, 정성적인 사고 정보들에 근거하여 차량의 충돌속도를 정확하게 추론하는 퍼지도구를 제시하였다. 보행자 충돌 사고 및 실험, 시뮬레이션 데이터를 활용하여 4가지 소속함수의 범위를 설정하였고, 데이터 분석을 통해 퍼지 논리 규칙 설정에 참고하였다. 국내 사고 데이터 31건에 대하여 절대오차 평균 범위 5.
- 이 두 소속함수를 첫 번째 논리 규칙(Set of rules-1)에 대응 시켜 보행자 선회궤도의 소속함수를 추론한다. 본 연구에서 보행자 선회궤도는 전술한 5가지 분류 중 드물게 발생하는 Roof Vault와 Somersault, 보행자의 최종 정지 위치가 차량 옆면 또는 후면에 위치하는 Fender Vault를 제외하고 Wrap과 Forward의 유형만을 추론하도록 한다. 하지만 Wrap과 Forward을 판단하기 애매한 경우를 고려하여 그 중간 단계인 Wrap-Forward, Wrap으로 판단하기에는 파손단계가 높은 경우를 고려하여 Wrap-over의 총 4단계로 분류하였다.
- Vangi(2009)가 평가한 변수들은 <그림 1>에서 알 수 있듯이 차량 전면의 측면각도 γ, 보행자 무게중심 높이와 차량 전면부 높이 비율, 보닛 각도 β는 차량 보닛의 경사도를 나타낸다. 본 연구에서는 기존의 보행자-차량 사고 분석 모델에서 중요시되던 변수들에 중점을 두되 실제 사고 현장에서 비교적 측정이 용이한 변수들을 추가적으로 선택하여 활용하였다.
- 보행자의 선회궤도를 판별 할 수 있는 근거는 목격자의 진술을 제외하면 차량의 파손단계, 보행자의 무게중심과 차량 전면부 높이의 비율이 있다. 본 연구에서는 차량 파손단계 소속함수를 3단계, hCG/Hc비율 소속함수를 3단계로 분류하여 총 논리 규칙은 9개로 구성된다.
- 두 번째 논리 규칙은 차량의 충돌 속도를 추론하는 부분으로서 전도거리, 보행자 선회궤도, 상해도 소속함수가 대응 된다. 본 연구에서는 첫 번째 논리 규칙에서 판별된 보행자 선회궤도인 Wrap과 Forward 두 가지 유형에 따라 전도거리로 분류하였다. 전도거리 7단계, 선회궤도 4단계, 상해도 4단계로 분류하여 총 112개의 논리 규칙으로 구성된다.
- 본 연구에서는 퍼지 분석 도구에서 사용될 변수를 실제사고 현장에서 비교적 측정이 용이한 전도거리, 차량파손단계, 차량 정보, 보행자 키, 상해도 정보를 사용하여 도구를 만들었다. 또한 퍼지도구의 소속함수는 가능한 많은 양의 실제 데이터에 기반하여 설정되어야 하는데, 소속 함수에 맞는 대용량의 실제 보행자 충돌 실험 및 사고 데이터의 확보가 용이하지 않다.
- 본 연구의 퍼지 도구는 선회궤도를 Forward와 Wrap유형으로 자동 판별하여 소속함수로 활용한다. 선회유형별 데이터 비교는 <그림 9>와 <그림 10>에 보여진다.
- 퍼지 추론 시스템은 입력, 퍼지화, 논리적 규칙, 비퍼지화, 출력으로 구성된다(McNeill and Thro, 1994). 실제 사고 현장에서 측정이나 추정이 비교적 용이한 변수들과 보행자의 인체적 특성을 고려해 전도거리, 차량 파손단계, 차량 정보, 보행자 키, 상해도 등에 관한 정보를 사용하여 차량의 보행자 충돌 속도를 추론하는 퍼지분석 도구를 개발하고 이를 국내외 실제 사고 및 실험 자료들을 대상으로 유효성을 검증한다. 한편, 개발과정에서 퍼지 도구의 유효한 소속함수를 결정하기 위하여 이러한 실제 사고 및 실험 자료들뿐만 아니라 시뮬레이션 데이터들도 일부 보완적으로 활용한다.
- 비율, 보행자 상해도의 4가지로 분류한다. 우선 보행자 선회궤도를 판별하기 위하여 차량 파손 단계와 hCG/Hc비율을 사용하였다. 이 두 소속함수를 첫 번째 논리 규칙(Set of rules-1)에 대응 시켜 보행자 선회궤도의 소속함수를 추론한다.
- 우선 보행자 선회궤도를 판별하기 위하여 차량 파손 단계와 hCG/Hc비율을 사용하였다. 이 두 소속함수를 첫 번째 논리 규칙(Set of rules-1)에 대응 시켜 보행자 선회궤도의 소속함수를 추론한다. 본 연구에서 보행자 선회궤도는 전술한 5가지 분류 중 드물게 발생하는 Roof Vault와 Somersault, 보행자의 최종 정지 위치가 차량 옆면 또는 후면에 위치하는 Fender Vault를 제외하고 Wrap과 Forward의 유형만을 추론하도록 한다.
- 78의 범위를 나타낸다. 이에 근거하여 본 연구에서는 0.6, 0.7, 0.8의 3가지 마찰계수에 대하여 시뮬레이션 작업을 수행하였다. 또한, 차량의 특성은 전면부 형상과 보행자의 키 비율에 따른 보행자의 선회궤도와 전도거리 구별을 위해 세단(소나타), SUV(무쏘), Van(프레지오)으로 차량을 구분하였고, 성인 남자, 성인 여, 어린이의 2008년 평균 신체 정보(문화체육관광부, 2009)를 더미 설정에 사용하였다.
- 차량 속도 소속함수는 전도거리 소속함수 설정시 10km/h의 단위로 나눈 속도 구간으로 설정하였으며, 에서 보는 것처럼 전부 7단계의 속도 구간으로 하였다.
- 차량 파손단계를 5단계로 구분하면 후드 부분에서 보행자의 키에 의해 Wrap인지 Forward인지 모호한 상황이 발생함으로 보행자의 키에 의해서 발생 할 수 있는 후드 앞부분까지의 파손을 Low단계로 설정하고, 드물게 발생하는 차량 후드와 후면유리, 트렁크의 파손을 High 단계로 분류하였다.
- 그렇기 때문에 본 연구에서는 보행자와 차량의 충돌 상황을 일치시켜 차량 전면부와 보행자 좌측면과의 충돌로 설정하였다. 차량의 충돌 속도는 10～70km/h구간에서 2.5km/h 간격으로 하였고, 전도거리 측정 방식으로 수행하였다.
- 첫 번째 논리 규칙에 의하여 도출되는 결과인 선회궤도 소속함수는 Forward와 Wrap유형으로 구별하였으나 Forward와 Wrap유형으로 구분하기 모호한 충돌을 Forward-Wrap유형으로 그리고 Wrap유형의 충돌이 지만 파손단계가가 4～5단계로 높을 경우를 고려해 Wrap-over유형을 추가하여 총 4단계 분류하였다. <표 6>에 나타나는 것처럼 분류기준은 차량 파손단계에 가중치를 두고 설정하였다.
- 첫 번째 논리 규칙은 보행자의 선회궤도를 판별하는 부분으로 대응되는 소속함수는 차량의 파손단계, hCG/Hc비율이다. 보행자의 선회궤도를 판별 할 수 있는 근거는 목격자의 진술을 제외하면 차량의 파손단계, 보행자의 무게중심과 차량 전면부 높이의 비율이 있다.
- 본 연구에서 보행자 선회궤도는 전술한 5가지 분류 중 드물게 발생하는 Roof Vault와 Somersault, 보행자의 최종 정지 위치가 차량 옆면 또는 후면에 위치하는 Fender Vault를 제외하고 Wrap과 Forward의 유형만을 추론하도록 한다. 하지만 Wrap과 Forward을 판단하기 애매한 경우를 고려하여 그 중간 단계인 Wrap-Forward, Wrap으로 판단하기에는 파손단계가 높은 경우를 고려하여 Wrap-over의 총 4단계로 분류하였다. 두 번째 논리 규칙(Set of rules-2)에는 직접적인 속도 추론을 위하여 전도거리, 보행자 선회궤도, 상해도를 대응시켜 속도를 추론한다.
대상 데이터
- 각 선회유형별 전도거리는 총 7단계로 구성하였고 소속함수를 설정하기에는 실제사고 데이터가 충분하지 않으므로 보행자 선회궤도 정보가 포함된 국내외 실제사고 데이터와 시뮬레이션 데이터를 함께 사용하였다.
- 8의 3가지 마찰계수에 대하여 시뮬레이션 작업을 수행하였다. 또한, 차량의 특성은 전면부 형상과 보행자의 키 비율에 따른 보행자의 선회궤도와 전도거리 구별을 위해 세단(소나타), SUV(무쏘), Van(프레지오)으로 차량을 구분하였고, 성인 남자, 성인 여, 어린이의 2008년 평균 신체 정보(문화체육관광부, 2009)를 더미 설정에 사용하였다.
- PC-Crash는 뉴톤 운동법칙에 기반한 충돌 모델을 적용하는 프로그램으로 차량 특성, 속도, 보행자 더미를 사용하여 다양한 시뮬레이션이 가능하다(Steffan, 2005). 본 연구에서는 약 700건의 시뮬레이션 결과를 DB로 구축하였고 퍼지도구의 소속함수 설정에 활용하였다. 시뮬레이션 수행시 차량과의 접촉부위, 보행자의 접촉부위, 보행자 속도 등에 따라 보행자의 선회궤도, 최종 정지위치가 변하게 되는데, 이와 같은 상황은 실제 측정에 많은 어려움이 있다.
- 퍼지추론의 유효성 검사는 국내외 사고 데이터와 비교를 통해 이루어졌으며, 34개의 국내 데이터(이수범 등, 2005)중 본 연구에서 계획한 10～80km/h속도 구간에 적합한 31개의 데이터를 활용하였다. 한편, 317건의 외국 데이터(Han and Brach, 2002)에서 보행자 선회궤도가 포함된 198건의 데이터에 한해서 비교가 이루어졌다.
- 퍼지추론의 유효성 검사는 국내외 사고 데이터와 비교를 통해 이루어졌으며, 34개의 국내 데이터(이수범 등, 2005)중 본 연구에서 계획한 10～80km/h속도 구간에 적합한 31개의 데이터를 활용하였다. 한편, 317건의 외국 데이터(Han and Brach, 2002)에서 보행자 선회궤도가 포함된 198건의 데이터에 한해서 비교가 이루어졌다.
이론/모형
- 두 번째 논리 규칙(Set of rules-2)에는 직접적인 속도 추론을 위하여 전도거리, 보행자 선회궤도, 상해도를 대응시켜 속도를 추론한다. 논리적 규칙은 퍼지 추론 시스템에서 가장 일반적으로 사용되고 있는 직접법(If-then)을 사용하여 식(4)와 같은 방법으로 설정하였다.
- 보행자 상해도는 미국 자동차의학협회의 상해 분류법인 AIS지수를 사용하여 소속함수 범위를 나타설정 하였다. 상해도는 <표 9>와 같이 AIS지수를 3단계로 분류하였다.
- <그림 3>과 같이 기존의 퍼지 추론 시스템 기본 5단계에서 논리적 규칙 부분을 2단계로 나눔으로서 논리적 규칙의 설정을 간소화 시키고, 더불어 보행자의 선회궤도를 판별할 수 있도록 하였다. 본 연구에서는 Matlab을 사용하여 퍼지 도구를 작성하였다.
성능/효과
- 2km/h의 오차를 보인다. 4개의 데이터만이 10km/h이상의 절대오차를 보이며, 43.8%의 추론 값이 절대 오차 범위 5km/h안에 포함되어 있다. 대략 87% 추론 값이 절대 오차 범위 10km/h안에 포함된다.
- 파손단계는 Forward유형 선회궤도일 경우 전면범퍼 손상정도인 1, Wrap의 경우 전면유리 손상정도인 3으로 대푯값을 입력하고 상해도는 입력하지 않았다. 그 결과 절대 오차 평균 8.5km/h, 오차는 최대 23.1km/h까지 발생하였다. 퍼지 추론 값의 94.
- <표 2>의 계수 값들을 사용하여 보행자의 선회궤도를 Wrap과 Forward유형으로 구분하여 시뮬레이션 한 결과, 데이터의 분포는 특정 범위를 가지며 속도가 증가함에 따라 분포의 범위가 넓어지는 형태를 가진다. 또한 선회궤도가 Forward유형일 때 Wrap유형 보다 속도에 따른 전도거리가 높게 측정됨을 알 수 있었다.
- <표 2>의 계수 값들을 사용하여 보행자의 선회궤도를 Wrap과 Forward유형으로 구분하여 시뮬레이션 한 결과, 데이터의 분포는 특정 범위를 가지며 속도가 증가함에 따라 분포의 범위가 넓어지는 형태를 가진다. 또한 선회궤도가 Forward유형일 때 Wrap유형 보다 속도에 따른 전도거리가 높게 측정됨을 알 수 있었다.
- 1km/h까지 발생하였다. 퍼지 추론 값의 94.4%의 데이터가 절대 오차범위 15km/h 이내에 포함되며, 대략 53%의 데이터가 10km/h 범위 내에 포함되었다.
후속연구
- 퍼지 도구는 소속함수 설정과 논리적 규칙에 따른 활용 범위가 넓지만, 퍼지도구의 소속함수 설정을 위해서는 대용량의 관련 정보들이 필요하다. 그러므로 사고 현장에서 차량의 파손단계, 보행자 상해도 등에 대한 정보들이 체계적으로 수집되어 적절한 규모의 DB가 구축된다면, 이에 근거하여 지역이나 계절 혹은 특정 그룹 별로 효과적이고 정확한 퍼지 도구의 설계 제작이 가능하게 될 것이다. 또한, 본 연구를 통하여 개발한 보행자 충돌 사고 해석을 위한 퍼지 도구는 사고 현장에서 부가적인 정보의 추가 획득을 통하여 기존 분석 모형들보다 실용적이고 정확한 분석을 가능하게 할 수 있을 것으로 여겨진다.
- 이는 보행자의 노면과 충돌 후 가질 수 있는 다양한 거동이나, 노면과의 마찰계수, 차량 전면의 충격 부분 등에 대하여 추가적인 소속함수를 설정할 수 있다면 감소시킬 수 있을 것이다. 또한, 보행자나 차량에 대한 보다 상세한 정보, 그리고 Somersault나 Roof Vault, Fender Vault 선회 유형에 대한 추가적인 판별과 각 선회궤도의 특성을 고려하여 논리 규칙을 수정한다면 더욱 좋은 성능을 보여줄 수 있을 것이다.
- 그러므로 사고 현장에서 차량의 파손단계, 보행자 상해도 등에 대한 정보들이 체계적으로 수집되어 적절한 규모의 DB가 구축된다면, 이에 근거하여 지역이나 계절 혹은 특정 그룹 별로 효과적이고 정확한 퍼지 도구의 설계 제작이 가능하게 될 것이다. 또한, 본 연구를 통하여 개발한 보행자 충돌 사고 해석을 위한 퍼지 도구는 사고 현장에서 부가적인 정보의 추가 획득을 통하여 기존 분석 모형들보다 실용적이고 정확한 분석을 가능하게 할 수 있을 것으로 여겨진다. 보행자 충돌 사고 현장에서 획득이 용이하지만, 다소 불확실하고 정성적인 형태에 불과한 정보들에 근거하여서도 상당히 정확한 추정결과를 제시하는 퍼지도구는 불확실성을 고려하는 사고 재구성 조사와 연구 혹은 관련 소송 등에 효과적으로 활용할 수 있을 것이다.
- 또한, 본 연구를 통하여 개발한 보행자 충돌 사고 해석을 위한 퍼지 도구는 사고 현장에서 부가적인 정보의 추가 획득을 통하여 기존 분석 모형들보다 실용적이고 정확한 분석을 가능하게 할 수 있을 것으로 여겨진다. 보행자 충돌 사고 현장에서 획득이 용이하지만, 다소 불확실하고 정성적인 형태에 불과한 정보들에 근거하여서도 상당히 정확한 추정결과를 제시하는 퍼지도구는 불확실성을 고려하는 사고 재구성 조사와 연구 혹은 관련 소송 등에 효과적으로 활용할 수 있을 것이다.
- <그림 10>에서 Forward유형의 비교는 단지 8건으로 충돌속도가 55km/h 이상에서 실제 데이터보다 높게 추론되었다. 차량의 파손단계와 보행자 신체 정보에 관한 데이터를 활용하여 보행자의 선회궤도를 정확히 판단하면 더욱 개선될 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.