현대 사회에서 자동차는 가장 중요한 이동수단으로써 사용되고 있다. 그로 인해 교통사고 또한 증가되고 있는 추세이다. 교통사고의 가장 큰 요소는 운전자이다. 그렇기 때문에 운전자에 대한 연구는 반응속도, 심리상태, 생체 선호, 연령, 주행패턴 등으로 다양하게 진행되고 있다. 본 논문에서는 운전자의 숙련도에 따른 장애물 인식 반응속도를 측정하기 위한 임베디드 시스템을 설계하였다. 본 논문에서 제안된 시스템은 브레이크 측정 모듈과 OBD-2 스캐너, 블루투스전송 모듈로 구성되어있다. 또한, 측정된 데이터를 저장하고 분석하기 위해 GUI 프로그램과 데이터베이스를 구축하였다. 제안된 시스템을 통해 운전자의 반응 속도를 측정한 결과, 운전 숙련도를 판단할 수 있었다.
현대 사회에서 자동차는 가장 중요한 이동수단으로써 사용되고 있다. 그로 인해 교통사고 또한 증가되고 있는 추세이다. 교통사고의 가장 큰 요소는 운전자이다. 그렇기 때문에 운전자에 대한 연구는 반응속도, 심리상태, 생체 선호, 연령, 주행패턴 등으로 다양하게 진행되고 있다. 본 논문에서는 운전자의 숙련도에 따른 장애물 인식 반응속도를 측정하기 위한 임베디드 시스템을 설계하였다. 본 논문에서 제안된 시스템은 브레이크 측정 모듈과 OBD-2 스캐너, 블루투스 전송 모듈로 구성되어있다. 또한, 측정된 데이터를 저장하고 분석하기 위해 GUI 프로그램과 데이터베이스를 구축하였다. 제안된 시스템을 통해 운전자의 반응 속도를 측정한 결과, 운전 숙련도를 판단할 수 있었다.
In modem society, car are the most important transportation. Thereby, car accidents has been increasing steadily. The driver is the biggest factor of car accident. Therefor, various studies about driver (reaction time, mentality, physiological signal, age, pattern of drive) are underway. In this pap...
In modem society, car are the most important transportation. Thereby, car accidents has been increasing steadily. The driver is the biggest factor of car accident. Therefor, various studies about driver (reaction time, mentality, physiological signal, age, pattern of drive) are underway. In this paper, we design a embedded system for measuring the reaction time by driving skill. The proposed system is composed of measuring brake module, OBD-2 scanner and bluetooth transmission module. Also, we implement GUI program to analyze experiment result and database to store results. Though our proposed system, we can analyze driving skill.
In modem society, car are the most important transportation. Thereby, car accidents has been increasing steadily. The driver is the biggest factor of car accident. Therefor, various studies about driver (reaction time, mentality, physiological signal, age, pattern of drive) are underway. In this paper, we design a embedded system for measuring the reaction time by driving skill. The proposed system is composed of measuring brake module, OBD-2 scanner and bluetooth transmission module. Also, we implement GUI program to analyze experiment result and database to store results. Though our proposed system, we can analyze driving skill.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
Tl, T2, T3, T4는 운전자가 장애물을 인식하고 그에 대해 얼마만큼 빠른 반응을 보였는지를 측정하는 것이므로, 이 값이 작을수록 운전자의 숙련도가 높다고 판단된다. 물론 장애물 인식에 대한 반응 속도가 운전자의 숙련도를 절대적으로 판단할 수 없겠지만, 실험을 통해 얼마만큼 정확한지에 대해 분석할 것이다.
본 논문에서는 BRT를 즉정하기 위해서 다음과 같은 임베디드 시스템을 설계하였다. 그림 2과 같이 총 3개의 블록으로 구성되어 있다.
본 논문에서는 운전자의 장애물 인식 반응 속도를 이용하여 운전자의 숙련도를 판단하기 위해 BRT 측정시스템을 설계하였고, 실험결과를 통해 설계 된 시스템이 운전자의 숙련도를 판단하는데 적합한 지에 대한 연구를 진행하였다.
본 연구에서는 ③항의 데이터 수집이 곤란하여 ① 과 ②에 대한 데이터만을 대상으로 분석을 수행하여 운전숙련도를 판단하는 기준을 설정하기 위한 연구를 수행하였다. 각 피험자의 데이터로부터 실험과 무관한 조건에 의하여 발생된 경우는 모두 제거하였는데, 이러한 경우의 일례가 적색 신호등에 가까워 이미 브레이크를 밟기 시작하였는데 경광등이 켜지는 경우이다.
적을수록 높다고 할 수 있다. 본 연구에서는 교통사고에서 큰 비중을 차지하는 장애물에 의한 반응 속도를 분석함으로써 운전 숙련도를 판단하였다.
제안 방법
숙련도 사은 운전 경력 5년 이상, '중은 운전 경력 3년 이상, '저'는 운전 경력 1년 이하로 구분하였으며, 남녀간의 차이에 의한 요인을 제거하기 위하여 모두 남자 피험자만을 대상으로 하였다. ('상' 4명, '중' 4명, '하' 4명) 타 차량에 의한 간섭을 최소화하기 위하여 차량의 운행이 적은 도로 구간을 선택하여 각 피험자는 눈과 비가 없는 날의 주간에 약 15분 정도 운전을 하였으며, 차량의 운행 속도는 40Km/h를 유지하도록 요구하였다. 또한, '자동' 모드로만 운행 될 경우 피험자가 돌발 상황발생을 미리 예측하는 것을 방지하기 위하여 돌발 상황발생은 '자동'과 '수동'을 적절히 조합하였다.
BRT를 측정하기 위해서는 자동 혹은 수동으로 돌발상황을 주고 나서 운전자의 반응 속도를 측정하였다. 반응 속도 분석을 위해 아래의 그림 1과 같은 Time Point를 정의 하였다.
모습이다. MFC 기반으로 구현하였다. 확대/축소, 임베디드 시스템 제어, 데이터 관리 등의 기능을 수행한다.
제 1 모듈은 Atmega 128을 사용하여 AD(Analog-to-Digital) 변환을 하여 BRT DB 시스템으로 데이터를 전송하고 명령을 수신 받는 용도로 구성하였고, 제 2 모듈은 OBD-2 스캐너와의 통신 용도로 구성하였다. OBD-2 스캐너에서 수집된 데이터는 제 1 모듈을 통해서 BRT DB로 전송하도록 설계하였다.
돌발 상황을 가상적으로 나타내기 위한 경광등을 피험자 차량에 장착하고, BRT 프로그램에서 설정한 값을 바탕으로 자동 또는 수동으로 동작하도록 구성하였다. 기존의 방법은 DB Motor를 활용한 방법(3)이었으나, 이는 운전자의 눈에 잘 띄지 않고, 날씨 등의 영향을 많이 받는 단점이 있었다.
확대 축소 기능을 이용하여 사용자가 원하는 부분을 확대/축소하여 볼 수 있다. 또한 돌발 상황이 발생/종료 된 시점을 그래프에 중첩 표시하여 돌발 상황이 발생했을 때의 데이터를 쉽게 알아볼 수 있도록 구현하였다
('상' 4명, '중' 4명, '하' 4명) 타 차량에 의한 간섭을 최소화하기 위하여 차량의 운행이 적은 도로 구간을 선택하여 각 피험자는 눈과 비가 없는 날의 주간에 약 15분 정도 운전을 하였으며, 차량의 운행 속도는 40Km/h를 유지하도록 요구하였다. 또한, '자동' 모드로만 운행 될 경우 피험자가 돌발 상황발생을 미리 예측하는 것을 방지하기 위하여 돌발 상황발생은 '자동'과 '수동'을 적절히 조합하였다.
두 번째로, 측정된 데이터를 분석하기 위해 PC의 저장장치에 수집된센서 데이터를 저장하는 역할을 수행한다. 셋째로, 수집된 실험 데이터를 GUKGraphic User Interface) 형태로 보여주며, 각 실험 별로 분석하여 분석 결과를 보여주는 역할을 수행한다.
기존의 방법은 DB Motor를 활용한 방법(3)이었으나, 이는 운전자의 눈에 잘 띄지 않고, 날씨 등의 영향을 많이 받는 단점이 있었다. 이를 해결하기 위해 기존의 방법을 대신하여 경광등을 사용하였다. 경광등이 반짝이게 되면 돌발 상황이 발생한 것으로 간주하고 피험자는 브레이크를 동작하여야 하며, 이때의 반응속도를 브레이크 측정 모듈이 계측하여 프로그램으로 전송하게 된다.
구성하였다. 제 1 모듈은 Atmega 128을 사용하여 AD(Analog-to-Digital) 변환을 하여 BRT DB 시스템으로 데이터를 전송하고 명령을 수신 받는 용도로 구성하였고, 제 2 모듈은 OBD-2 스캐너와의 통신 용도로 구성하였다. OBD-2 스캐너에서 수집된 데이터는 제 1 모듈을 통해서 BRT DB로 전송하도록 설계하였다.
차량의 진동 및 측정 장치 자체에서 발생하는 시스템적 잡음을 제거하기 위하여 저역필터(Low pass filter) 의 일종인 Median Filter를 적용하였으며, Median Filter 윈도우 크기는 7을 적용하였다.
측정된 결과를 관리자에게 효과적으로 전달하기 위하여 GUI 시스템을 구축하였다. GUI 시스템은 그래프와 반응 속도에 대한 결과를 분석하여 관리자에게 전달
측정된 데이터를 저장/검색하기 위한 시스템으로써 SQLite를 이용하여 데이터를 관리하도록 구현하였다. DB 시스템은 그림 3과 같이 데이터를 저장하는 BRT
그림 2과 같이 총 3개의 블록으로 구성되어 있다. 피험자의 반응 속도를 측정하기 위해서 브레이크 페달에 센서 보드가 장착되어 있으며 차량의 속도 및 RPM 정보를 측정하기 위해서 OBD-2 스캐너를 이용하였다. 또한, 각 모듈은 블루투스를 이용하여 통신을 하고 노트북에서 구동되는 BRT 수집/분석 프로그램은 실시간으로 각 데이터의 상태 정보를 그래프로 표시하고, 각 모듈의 제어와 DB에 데이터를 저장하는 역할을 한다.
대상 데이터
T1과 T2의 값의 차이가 운전의 숙련도와 상관관계가 있는가를 분석하기 위하여 3단계 숙련도로 구분된 다수의 피험자를 대상으로 데이터를 수집하였다. 숙련도 사은 운전 경력 5년 이상, '중은 운전 경력 3년 이상, '저'는 운전 경력 1년 이하로 구분하였으며, 남녀간의 차이에 의한 요인을 제거하기 위하여 모두 남자 피험자만을 대상으로 하였다.
이론/모형
본 논문에서는 운전자의 숙련도를 분석하기 위해서 장애물 인식 반응속도를 판단하기 위하여 BRT(Brake Reaction Time)을 이용하였다.
후속연구
향후 본격적인 연구를 위해서는 좀 더 정밀도가 높은 데이터가 수집되어야 하고, 다양한 인자를 대상으로 판단 기준을 설정하는 연구가 수행되어야 한다. 또한, 이러한 다양한 인자들을 복합적으로 분석하여 좀 더 정확한 판단 기준을 찾는 연구도 필요하다.
본 연구에서는 운전자의 숙련도를 판단하는 분야에 적용을 하였으나, 이를 응용하여 피험자의 신체 상태에 따른 운전 형태의 변화를 고찰할 수 있을 것이다. 예를들면, 혈중 알코올 농도에 따른 변화를 관찰하거나 신경계에 영향을 주는 약물 투여량에 대한 변화를 관찰하는데 응용이 가능할 것이며, 더 나아가서는, 자동차의 안전에도 응용할 수 있을 것이다.
본 연구에서는 제한된 데이터의 정밀도와 제한된 피험자의 수로부터 데이터를 얻었기에 객관적이고 신뢰가 높은 결과라고 주장하기에는 무리가 있다. 그러나 이러한 제한된 데이터이지만 본 연구에서 적용한 방법들이 운전자의 숙련도를 판단할 수 있는 기준이 될 수 있는지를 검증하는 것으로는 충분한 의미가 있다.
예를들면, 혈중 알코올 농도에 따른 변화를 관찰하거나 신경계에 영향을 주는 약물 투여량에 대한 변화를 관찰하는데 응용이 가능할 것이며, 더 나아가서는, 자동차의 안전에도 응용할 수 있을 것이다.
그러나 이러한 제한된 데이터이지만 본 연구에서 적용한 방법들이 운전자의 숙련도를 판단할 수 있는 기준이 될 수 있는지를 검증하는 것으로는 충분한 의미가 있다. 향후 본격적인 연구를 위해서는 좀 더 정밀도가 높은 데이터가 수집되어야 하고, 다양한 인자를 대상으로 판단 기준을 설정하는 연구가 수행되어야 한다. 또한, 이러한 다양한 인자들을 복합적으로 분석하여 좀 더 정확한 판단 기준을 찾는 연구도 필요하다.
참고문헌 (6)
Jea-Bum Park, "Development and Installation of Driver's Behavior and Response Detecting System in Vehicle", 1998.
Suk-Ki Min, Il-Ki Moon, Jung-Soo Ha, Kyong-Su Yi, "Estimation of Human Driver Model Parameters using Analysis of Driving Behavior" KSAE Fall Conference pp.1109-1114, 2003.
J.Y Kim, S.Y. Yoon, J.S. Park, H.Y. Lee, J.B. Park, J.Y. Kim "Pattern Classification and Diagnosis of driver's bio-signal on highway" Proceedings of Spring Conference of Ergonomics Society of Korea pp234-234, 2001.
Manabu Tashiro, Etsuo Horikawa, Hideki Mochizuki, Yumiko Sakurada. "Effects of fexofenadine and hydroxyzine on brake reaction time during car-driving with cellular phone use". HUMAN PSYCHOPHARMACOLOGY Hum Psychopharmacol Clin Exp, 20, pp.501-509, 2005.
Dong-Hyuk Ihm, Seong-Mo Park, "System Implementation for measuring the obstacle recognition reaction rate of driver", IEEK Summer Conference, pp.611-612, 2009.
Jeon Jong-Oh, Seong-Mo Park, "Test result analysis of measuring the obstacle recognition reaction rate of driver.", IEEK Fall Conference, pp.439-440, 2009.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.