$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

[국내논문] 재귀적 확률 갱신 방법을 이용한 보행자 충돌 위험 판단 방법
Recursive Probabilistic Approach to Collision Risk Assessment for Pedestrians' Safety 원문보기

한국지능시스템학회 논문지 = Journal of Korean institute of intelligent systems, v.21 no.4, 2011년, pp.475 - 480  

박성근 (연세대학교 전기전자공학부) ,  김범성 (연세대학교 전기전자공학부) ,  김은태 (연세대학교 전기전자공학부) ,  이희진 (한경대학교 정보제어공학부) ,  강형진 ((주)만도 중앙연구소)

초록
AI-Helper 아이콘AI-Helper

본 논문에서는 충돌 위험도 판단 시스템을 제안한다. 먼저 칼만 필터를 이용하여 보행자의 정보를 예측하고, 몬테 카르롤로 모의 실험과 신경 회로망을 이용해 충돌 확률을 계산한다. 그리고 과거의 충돌 확률 정보를 이용하여 충돌확률을 예측한다. Belief 충돌 예측 방법은 현재뿐만 아니라, 과거의 필터링 정보를 모두 이용하여 충돌 확률을 에측한다. 마지막으로 컴퓨터 시뮬레이션으로 제안된 알고리즘의 성능을 확인한다.

Abstract ▼ AI-Helper 아이콘AI-Helper

In this paper, we propose a collision risk assesment system. First, using Kalman Filter, we estimate the information of pedestrian, and second, we compute the collision probability using Monte Carlo Simulations(MCS) and neural network(NN). And we update the collision risk using time history which is...

주제어

#확률적 충돌 판단 시스템   #신경 회로망   #빌리프   #몬테 카를로 모의 실험  

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 보행자와의 충돌을 사전에 방지하기 위해서는 우선 센서를 이용하여 보행자의 위치[3-5]를 파악하여야 하고, 파악된 보행자의 정보를 통해 보행자와의 충돌 확률을 예측하는 과정이 필요한데, 본 논문에서는 보행자를 보호하기 위한 보행자와 차량간 충돌 확률 계산 알고리즘을 제안한다. 칼만 필터를 통해 보행자의 위치를 계속적으로 추적하며, 추적된 보행자의 위치에 따른 충돌 확률을 신경 회로망을 이용하여 계산한다.
  • 하지만, 한순간의 센서 데이터만을 이용할 경우, 센서 데이터와 칼만 필터의 예측 결과가 잘못 된 경우, 충돌 확률 예측을 잘못 계산할 수 있다. 본 논문에서는 이러한 오류를 보완하기 위해, 센서의 첫 번째 데이터부터 현재 데이터까지 모두를 이용하여 충돌 확률 계산 알고리즘 방법을 개선한다[7][10]. 먼저 t번째 레이더 스캔의 데이터만 이용하여 얻어진 충돌 확률을 p(xt = C|mt) 레이더 스캔 타임 1회부터 t 번째 시간까지의 모든 데이터를 이용한 충돌 확률을 bel(xc)라 하자.
  • 본 논문은 보행자와 차량의 충돌 확률을 알아내기 위한 새로운 방법을 제안하였다. 기존의 방법과는 다르게 매 센서 스캔 타임의 보행자의 거리, 속도 정보를 이용하는 것이 아니라, 과거의 정보도 이용함으로 보행자와의 충돌 확률의 정확도를 높였다.

가설 설정

  • 본 장에서는 제안된 알고리즘에 관련된 배경지식에 대한 설명을 한다. 또한 본 논문에서 사용하는 센서는 레이더 센서로 가정하며, 측정이 되는 데이터는 보행자 데이터로 한정한다. 즉, 센서는 도로상의 물체의 분류를 사전에 처리하여, 보행자의 데이터만을 제공한다고 가정한다.
  • 칼만 필터를 이용한 상태 평균과 분산은 이고, 간단한 보행자 움직임의 예측결과는 그림 1과 같다. 본 실험에 사용된 센서는 거리 정보를 제공하는 레이더 센서로 가정하였고 실측 데이터가 아닌 정규분포를 따르는 잡음이 추가된 데이터로 모의 생성하였다.
  • 또한 본 논문에서 사용하는 센서는 레이더 센서로 가정하며, 측정이 되는 데이터는 보행자 데이터로 한정한다. 즉, 센서는 도로상의 물체의 분류를 사전에 처리하여, 보행자의 데이터만을 제공한다고 가정한다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
칼만 필터를 이용하여 무엇을 예측하는가? 본 논문에서는 충돌 위험도 판단 시스템을 제안한다. 먼저 칼만 필터를 이용하여 보행자의 정보를 예측하고, 몬테 카르롤로 모의 실험과 신경 회로망을 이용해 충돌 확률을 계산한다. 그리고 과거의 충돌 확률 정보를 이용하여 충돌확률을 예측한다.
Belief 충돌 예측 방법은 무엇을 이용하여 충돌 확률을 예측하는가? 그리고 과거의 충돌 확률 정보를 이용하여 충돌확률을 예측한다. Belief 충돌 예측 방법은 현재뿐만 아니라, 과거의 필터링 정보를 모두 이용하여 충돌 확률을 에측한다. 마지막으로 컴퓨터 시뮬레이션으로 제안된 알고리즘의 성능을 확인한다.
지능형 차량 시스템에 대한 연구 목적은 무엇인가? 운전자의 편의성을 향상시키기 위한 지능형 차량 시스템(Intelligence vehicle systems, ITS) 에 대한 연구가 함께 진행되었다. 이러한 운전자 편의성에 대한 연구는 운전자의 운전부담을 덜어주는 것을 목적으로 하고 있으며 종국적으로는 차량 주행의 안전성도 향상시키도록 되어 있다. 이러한 운전자 편의시스템의 대표적인 예로는 차선유지 지원 시스템 (lane-keeping support,), 충돌경고 및 회피시스템 (collision warning and collision avoidance), 차선변경 지원시스템 (assisted lane change), 도로신호 인식시스템, 사각 경고 시스템 (blind spot alert) 등이 이에 속한다.
질의응답 정보가 도움이 되었나요?

참고문헌 (10)

  1. 서수민, "자동차, 보행자 안전 기술 개발 부산." 한겨례 신문: http://www.hani.co.kr, 8. 11. 2006, [21. 11. 2009]. 

  2. 이상원, "유럽연합, 보행자 보호위해 BAS 의무장착 추진," 자동차 신문 AutoDaily: www.AutoDaily.co.kr, 29. 10. 2007, [21. 11. 2009] 

  3. S. Park, J. P. Hwang, E. Kim, H. Lee and H. G. Jung, "A neural network approach to target classification for active safety system using microwave radar," Expert Systems with Applications, vol 37, no. 3, pp. 2340-2346, 3. 2010. 

    상세보기 crossref

  4. G. D. Nicloao, A. Ferrara, L. Giacomini, "Onboard Sensor-Based Collision Risk Assessment to Improve Pedestrians' Safety", IEEE Transaction on vehicular technology, vol. 56, no. 5, September. 2007. 

    상세보기 crossref

  5. 김범성, 박성근, 최배훈, 김은태, 이희진, 강형진, "신경 회로망을 이용한 보행자와의 충돌 위험 판단 방법," 제어 로봇 시스템학회 논문지, 제17권, 1호, pp. 6-11 , 2011년 1월. 

    원문보기 상세보기 crossref

  6. S. Park, B. Kim, B. Choi and E. Kim, "Collision Risk Assessment for Pedestrians' Safety : Neural Network with Interacting Multiple Model Approach," in Proc. of The Society of Instrument and Control Engineers Annual Conference (SICE2010), pp. 2897-2899, Taipei, Taiwan, August 2010 

  7. S. Thrun, W. Bugard and D. Fox, Probabilistic Robotics, MIT Press, Cambridge, M.A. 2005. 

  8. R Kalman, "A New Approach to Linear Filtering and Prediction Problems," Trans, ASME, J. Basic Engineering, vol.82, pp. 34-45, Mar. 1960. 

  9. M. T. Hagan, H. B. Demuth, and H. Beale, Neural network design, PWS publishing Company, USA, 1995. 

  10. H.Lee, S. Hong and E. Kim, "Probabilistic Background Subtraction," KSII Transactions on Internet and Information Systems, to be appeared. 

    원문보기 상세보기 crossref

저자의 다른 논문 :

LOADING...

관련 콘텐츠

오픈액세스(OA) 유형

FREE

Free Access. 출판사/학술단체 등이 허락한 무료 공개 사이트를 통해 자유로운 이용이 가능한 논문

유발과제정보 저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로