졸음운전은 사고발생 확률이 높고, 사고 발생 시 심각도가 높기 때문에 효율적인 졸음운전 판단 시스템이 필요하다. 그러나 생체 신호나 비전을 이용한 졸음운전 판단시스템은 비용 측면에서 활용되기가 어렵다. 이에 본 논문에서는 추가적인 비용 없이 대부분의 차량에 기본 장착되어 있는 조향각 센서(steering angle sensor)와 차량정보(brake switch, throttle position signal, vehicle speed)를 이용하여 졸음운전자의 조향패턴 중 하나인 저킹 판단을 이용한 졸음운전 판단 알고리즘을 제안한다. 본 연구에서는 각 변수의 임계값을 제시하고, HILS(Hardware in the Loop Simulation)에서 CAN을 통해 취득한 차량의 데이터와 Matlab 프로그램을 이용하여 알고리즘을 평가한다.
졸음운전은 사고발생 확률이 높고, 사고 발생 시 심각도가 높기 때문에 효율적인 졸음운전 판단 시스템이 필요하다. 그러나 생체 신호나 비전을 이용한 졸음운전 판단시스템은 비용 측면에서 활용되기가 어렵다. 이에 본 논문에서는 추가적인 비용 없이 대부분의 차량에 기본 장착되어 있는 조향각 센서(steering angle sensor)와 차량정보(brake switch, throttle position signal, vehicle speed)를 이용하여 졸음운전자의 조향패턴 중 하나인 저킹 판단을 이용한 졸음운전 판단 알고리즘을 제안한다. 본 연구에서는 각 변수의 임계값을 제시하고, HILS(Hardware in the Loop Simulation)에서 CAN을 통해 취득한 차량의 데이터와 Matlab 프로그램을 이용하여 알고리즘을 평가한다.
An effective drowsy driver detection system is needed, because the probability of accident is high for drowsy driving and its severity is high at the time of accident. However, the drowsy driver detection system that uses bio-signals or vision is difficult to be utilized due to high cost. Thus, this...
An effective drowsy driver detection system is needed, because the probability of accident is high for drowsy driving and its severity is high at the time of accident. However, the drowsy driver detection system that uses bio-signals or vision is difficult to be utilized due to high cost. Thus, this paper proposes a drowsy driver detection algorithm by using steering angle sensor, which is attached to the most of vehicles at no additional cost, and vehicle information such as brake switch, throttle position signal, and vehicle speed. The proposed algorithm is based on jerk criterion, which is one of drowsy driver's steering patterns. In this paper, threshold value of each variable is presented and the proposed algorithm is evaluated by using acquired vehicle data from hardware in the loop simulation (HILS) through CAN communication and MATLAB program.
An effective drowsy driver detection system is needed, because the probability of accident is high for drowsy driving and its severity is high at the time of accident. However, the drowsy driver detection system that uses bio-signals or vision is difficult to be utilized due to high cost. Thus, this paper proposes a drowsy driver detection algorithm by using steering angle sensor, which is attached to the most of vehicles at no additional cost, and vehicle information such as brake switch, throttle position signal, and vehicle speed. The proposed algorithm is based on jerk criterion, which is one of drowsy driver's steering patterns. In this paper, threshold value of each variable is presented and the proposed algorithm is evaluated by using acquired vehicle data from hardware in the loop simulation (HILS) through CAN communication and MATLAB program.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
제안 방법
2001년에 간단한 형태의 시뮬레이터를 활용하여 장시간 운전시 나타나는 운전자의 피로 상태를 시트에 장착된 압력 측정기와 뇌파 신호를 이용하여 분석하는 연구가 진행되었으며[15], 2005년도에 수면을 박탈한 후 차량 시뮬레이터를 장시간 주행하게 하여 뇌파 신호의 변화를 측정하는 연구가 진행되었으며[16], 2007년에는 운전자의 졸음단계를 구분하기 위하여 뇌파 신호와 함께 특정 태스크에 대한 반응시간을 측정하였다[17]. 2008년에 풀스케일 차량 시뮬레이터를 활용하여 정상상태일 때와 피로상태일 때 나타나는 차량의 조정능력의 변화와 함께 PERCLOS의 측정을 통해 피로 시 나타나는 차량의 조정능력의 감소와 PERCLOS의 상관 관계를 분석하였다[18]. 2009년도에는 차량 시뮬레이터 환경에서 운전자의 졸음상태를 측정하기 위해 차량의 거동과 함께 스티어링 휠과 가속페달에 부착한 압력센서를 이용하여 시스템을 구축하고 시선추적 장비를 통해 시스템의 신뢰도를 검증하는 연구가 진행되었다[19].
본 연구에서는 HILS에서 수집된 차량데이터를 Matlab 프로그램을 이용하여 알고리즘을 코딩하고 평가하였다. 알고리즘 평가에 사용된 파라미터들의 임계치를 표 2에 제시하였다.
본 연구에서는 추가적인 비용 없이 대부분의 차량에 기본 장착되어있는 조향각 센서와 차량상태 (BS, Stp, v)를 이용하여 졸음운전자의 조향패턴 중 하나인 저킹패턴을 이용한 졸음운전 판단 알고리즘을 제안하였다. 조향각 센서를 이용한 졸음운전 판단알고리즘은 크게 3가지 단계로 분류된다.
하지만 실제 도로에서 위와 같은 상황을 재현하면서 시험을 진행하게 되면 상황 재현과 안전확보가 서로 상반되기 때문에 정확한 시험을 진행하기 어렵게 된다[20]. 이에 본 연구에서는 아래의 그림1과 같은 HILS(Hardware in the Loop Simulation)을 통해 실제와 유사한 도로 상황을 재현하여 안전한 환경에서 시험을 진행하였다.
이에 본 연구에서는 추가적인 비용 없이 대부분의 차량에 기본 장착되어있는 조향각 센서(Steering angle sensor)와 브레이크 스위치(BS), 스로틀 포지션 신호(Stp), 차속(v)를 이용하여 졸음운전자의 조향패턴 중 하나인 저킹(Jerking) 판단을 통한 졸음운전 판단 알고리즘을 제안한다.
조향각 센서와 차량의 상태정보를 이용하여 졸음운전자의 조향패턴 중 하나인 저킹 패턴을 분석하기 위해 브레이크 스위치(BS), 스로틀 포지션 신호(Stp), 차속(v)과 조향각 센서의 상태정보(Sstate), 조향각(θsas), 조향각속도(ωsas)를 파라미터로 선정하였다.
주행로는 직진로, 우커브, 좌커브로 선정하였고, 3절의 내용과 같이 차속이 72KPH 이상인 경우에서만 저킹판단을 수행하므로 v는 80KPH, 100KPH, 120KPH로 선정하였다. 핸들이 조작되는 방향은 왼쪽과 오른쪽 두 가지 방향이므로, 그림 3의 첫 번째 그림과 같이 왼쪽저킹과 두 번째 그림과 같이 오른쪽 저킹으로 구분하여 시험을 수행하였다. 표 1의 좌커브와 우커브 같은 곡선 주행로는 ISO 17361 for Lane departure warning systems[21]에서 4.
대상 데이터
이에 평상시 주행과 저킹 상태의 구분을 위한 ωsas의 임계치는 30으로 선정하였다.
따라서, 아래의 표 1과 같은 시험 시나리오를 구성하였다. 주행로는 직진로, 우커브, 좌커브로 선정하였고, 3절의 내용과 같이 차속이 72KPH 이상인 경우에서만 저킹판단을 수행하므로 v는 80KPH, 100KPH, 120KPH로 선정하였다. 핸들이 조작되는 방향은 왼쪽과 오른쪽 두 가지 방향이므로, 그림 3의 첫 번째 그림과 같이 왼쪽저킹과 두 번째 그림과 같이 오른쪽 저킹으로 구분하여 시험을 수행하였다.
고속도로와 같이 고속으로 단조로운 구간을 주행할 경우에 졸음운전이 빈번하게 발생하므로, 차속이 72KPH 이상인 경우에서만 저킹 판단을 수행한다. 차속을 72KPH로 선정한 이유는 ISO 17361 for Lane departure warning systems에서 4.2 System classification절의 Class I을 참조하여 선정하였다. 운전자가 제동을 하거나, 급격한 감가속을 한 이후에는 일정시간 동안 졸지 않기 때문에 운전자가 브레이크 페달을 1분 이상 밟지 않고, 이 1분 이상 동안 급격한 변화가 없는 경우에만 저킹 판단을 수행한다.
핸들이 조작되는 방향은 왼쪽과 오른쪽 두 가지 방향이므로, 그림 3의 첫 번째 그림과 같이 왼쪽저킹과 두 번째 그림과 같이 오른쪽 저킹으로 구분하여 시험을 수행하였다. 표 1의 좌커브와 우커브 같은 곡선 주행로는 ISO 17361 for Lane departure warning systems[21]에서 4.2 System classification절의 Class I을 참조하여 곡율 반경(Curve of radius)을 600m로 선정하였다.
데이터처리
본 연구에서는 각 변수의 임계값을 제시하였고, HILS에서 CAN을 통해 취득한 차량의 데이터와 Matlab 프로그램을 이용하여 알고리즘을 평가하였다. 실험 결과를 통해서 제안된 조향각 센서를 이용한 졸음운전 판단알고리즘은 저킹 패턴을 잘 검출하는 것을 알 수 있다.
성능/효과
그리고, 75.55초 부근에서 WTLeft가 임계치 이내인 상태에서 ωsas가 임계치보다 큰 상태로 초기와 반대 방향으로 200ms이상 조향하였으므로, 75.75초에 졸음 운전 상태를 검출하고, 운전자에게 경고와 알람을 해주었다.
1%가 피로·졸음에 의한 것이며, 전체 사망사고 중 약 30%가 이 때문에 발생하는 것으로 보고되고 있다[1]. 또한 졸음운전으로 인한 사고 발생률이 매년 증가하는 추세로 나타나고 있으며, 사고발생 확률이 높고, 사고 발생 시 심각도가 높다. 따라서 졸음운전에 대한 대응책이 요구되고 있다[2].
본 연구에서는 각 변수의 임계값을 제시하였고, HILS에서 CAN을 통해 취득한 차량의 데이터와 Matlab 프로그램을 이용하여 알고리즘을 평가하였다. 실험 결과를 통해서 제안된 조향각 센서를 이용한 졸음운전 판단알고리즘은 저킹 패턴을 잘 검출하는 것을 알 수 있다.
조향각 센서만으로 모든 졸음운전을 검출할 수 는 없지만, 추가적인 비용 없이 알고리즘만으로 졸음운전 패턴의 일부를 검출할 수 있으므로, 이 알고리즘의 비용대비 효과가 매우 높다고 할 수 있다.
후속연구
향후, 보다 정확한 저킹 판단을 이용한 졸음운전을 검지하기 위해서는 보다 많은 자료 수집을 통한 임계치 선정 및 다양한 주행환경을 고려한 알고리즘의 보완이 필요하다.
질의응답
핵심어
질문
논문에서 추출한 답변
졸음운전의 어떤 문제점 때문에 효율적인 졸음운전 판단 시스템의 필요로 하는가?
졸음운전은 사고발생 확률이 높고, 사고 발생 시 심각도가 높기 때문에 효율적인 졸음운전 판단 시스템이 필요하다. 그러나 생체 신호나 비전을 이용한 졸음운전 판단시스템은 비용 측면에서 활용되기가 어렵다.
생체 신호나 비전을 이용한 졸음운전 판단시스템이 활용되기 어려운 이유는?
졸음운전은 사고발생 확률이 높고, 사고 발생 시 심각도가 높기 때문에 효율적인 졸음운전 판단 시스템이 필요하다. 그러나 생체 신호나 비전을 이용한 졸음운전 판단시스템은 비용 측면에서 활용되기가 어렵다. 이에 본 논문에서는 추가적인 비용 없이 대부분의 차량에 기본 장착되어 있는 조향각 센서(steering angle sensor)와 차량정보(brake switch, throttle position signal, vehicle speed)를 이용하여 졸음운전자의 조향패턴 중 하나인 저킹 판단을 이용한 졸음운전 판단 알고리즘을 제안한다.
저킹패턴을 이용한 졸음운전 판단 알고리즘의 실험 결과로 무엇을 알 수 있는가?
본 연구에서는 각 변수의 임계값을 제시하였고, HILS에서 CAN을 통해 취득한 차량의 데이터와 Matlab 프로그램을 이용하여 알고리즘을 평가하였다. 실험 결과를 통해서 제안된 조향각 센서를 이용한 졸음운전 판단알고리즘은 저킹 패턴을 잘 검출하는 것을 알 수 있다.
Hee-Sub Rim, Eun-Bi Jeong, Cheol Oh, Kyeong-Pyo Kang, Detection of Unsafe Zigzag Driving Maneuvers using a Gyro Sensor , The Journal of The Korea Institute of Intelligent Transport Systems, pp42-54, 2011.
Han-Woo Ko, Woan-Kyu Lee, Chang-Ho Kim, Arousal monitoring and Analysis System To Assess Driver Drowsiness, KSAE 1995 Annual Conference, pp474-480, 1995.
Han-Woo Ko, Woan-Kyu Lee, Chang-Ho Kim, Arousal monitoring and Analysis System To Assess Driver Drowsiness - Detection of eye blinking speed - , KSAE 1995 Annual Conference, pp481-486, 1995.
H.W.Ko, Y.H. Kim, Analysis and Determination of Arousal Level Control to Prevent Drowsy Driving, KSAE 1997 Annual Conference, pp 1171-1176, 1997.
Sunwoong Kim, Sejin Park, Youngsin Lee, Development of Evaluation Method of Driver`s Fatigue by Physiological Signal , KSAE 2003 Annual Conference, pp 1208-1212, 2003.
Tom Pilutti, A. Galip Ulsoy, Identification of Driver State for Lane-Keeping Tasks, IEEE TRANSACTIONS ON SYSTEMS, MAN, AND CYBERNETICS PART A: SYSTEMS AND HUMANS, VOL. 29, NO. 5, 1999.
Paul Smith, Mubarak Shah, Niels da Vitoria Lobo, Determining Driver Visual Attention With One Camera, IEEE TRANSACTIONS ON INTELLIGENT TRANSPORTATION SYSTEMS, VOL. 4, NO. 4, 2003.
JiHong Min, Jung-Chul Kim, Kicheon Hong, Implementation of Drowsiness Driving Warning System based on Eyes Detection and Pupil Tracking, Proceedings of KFIS Autumn Conference 2005, Vol 15, No 2, pp 249-252, 2005.
Mu-Chun Su, Chao-Yueh Hsiung, De-Yuan Huang, A Simple Approach to Implementing a System for Monitoring Driver Inattention, IEEE International Conference on Systems, Man, and Cybernetics, 2006.
Zhibo Guo , Huajun Liu, Qiong Wang and Jingyu Yang, A Fast Algorithm of Face Detection for Driver Monitoring, Proceedings of the Sixth International Conference on Intelligent Systems Design and Applications, 2006.
Zutao Zhang, Jia-shu Zhang, Driver Fatigue Detection Based Intelligent Vehicle Control, The 18th International Conference on Pattern Recognition, 2006.
Qiong Wang, Jingyu Yang, Mingwu Ren, Yujie Zheng, Driver Fatigue Detection: A Survey, Proceedings of the 6th World Congress on Intelligent Control and Automation, 2006.
Cheol-Soo Bae, Behavior Recognition using Facial Feature Information, Journal of Korean Institute of Information Technology, Vol 5, No 3, pp 82-88, 2007.
Nanae Michida, Hiroshi Okiyama, Kazuo Nishikawa and Takahide Nouzawa, A Study of Drivers' Fatigue Mechanisms during Long Hour Driving, SAE 2001 World Congress, 2001.
Hong J. Eoh, Min K. Chung, Seong-Han Kim, Electroencephalographic study of drowsiness in simulated driving with sleep deprivation, International Journal of Industrial Ergonomics, pp. 307-320, 2005.
Byung-Chan Chang, Jung-Eun Lim, Hae-Jin Kim, and Bo-Hyeok Seo, A study of classification of the level of sleepiness for the drowsy driving prevention, 2007 SICE Annual Conference, 2007.
Ju-taek Oh, Sang-yong Lee, Young-sam Kim, Analysis of Car controls and Perclos by Normal and Fatigue driving, Korean Society of Road Engineers, Vol 10, No 4, pp 127-138, 2008.
Hwan Hu, Sung-Soo Park, Woon-Sung Lee, Development of a Driver Status Monitoring System Using a Driving Simulator, KSAE 2009 Annual Conference, pp. 1986-1993, 2009.
Hwan Hu, Development of a Drowsy Driving Detection System , Graduate School of Automotive Engineering, Kookmin University, 2010
ISO 17361, Intelligent transport systems - Lane departure warning systems - Performance requirements and test procedures, INTERNATIONAL STANDARD ISO, 2007-02-01
Youngki Lee, Seokwon Yeom, Drowsy driver warning with eye recognition, IEEK Fall Conference 2010, pp 329-330, 2010.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.