최근 자동차 업계는 무선 인터넷 기술의 발달과 응용의 확산으로 자율 주행의 연구가 활발히 진행 중에 있으나 교통사고는 아직도 해결되지 않는 부분이다. 사고의 요인으로는 졸음운전, 운전자의 실수, 환경적인 요소, 잘못된 도로 구조 등이 있으며 사고 원인의 하나인 운전자의 운전 행태와 특성은 교통사고에 큰 영향을 미친다. 본 논문에서는 자율 주행 및 자가 운전을 하는 경우에 발생 할 수 있는 교통사고에서 사고발생 전에 나타날 수 있는 사행운전의 특성을 판단하기 위한 연구를 수행하였다. 기존 연구에서는 영상기법이나 1,2차로의 운전행태로 횡방향 각속도 변화의 특성으로 사행 운전을 판단하였으나 본 논문은 센서의 값을 이용하여 횡방향의 이동거리와 임계 범위를 설정하여 사행 운전을 검출하는 연구를 진행하였다.
최근 자동차 업계는 무선 인터넷 기술의 발달과 응용의 확산으로 자율 주행의 연구가 활발히 진행 중에 있으나 교통사고는 아직도 해결되지 않는 부분이다. 사고의 요인으로는 졸음운전, 운전자의 실수, 환경적인 요소, 잘못된 도로 구조 등이 있으며 사고 원인의 하나인 운전자의 운전 행태와 특성은 교통사고에 큰 영향을 미친다. 본 논문에서는 자율 주행 및 자가 운전을 하는 경우에 발생 할 수 있는 교통사고에서 사고발생 전에 나타날 수 있는 사행운전의 특성을 판단하기 위한 연구를 수행하였다. 기존 연구에서는 영상기법이나 1,2차로의 운전행태로 횡방향 각속도 변화의 특성으로 사행 운전을 판단하였으나 본 논문은 센서의 값을 이용하여 횡방향의 이동거리와 임계 범위를 설정하여 사행 운전을 검출하는 연구를 진행하였다.
Even though automakers have actively been conducting studies on autonomous navigation thanks to the development and application of wireless Internet technology, the traffic accident has been kept unsolved. The causes of the accident are drowsy driving, a mistake of a driver, environmental factors, a...
Even though automakers have actively been conducting studies on autonomous navigation thanks to the development and application of wireless Internet technology, the traffic accident has been kept unsolved. The causes of the accident are drowsy driving, a mistake of a driver, environmental factors, and a wrong road structure; Driving manner and characteristics of a driver among the causes are significantly influential for the accident. In this paper, a study to measure characteristics of zigzag driving that can be seen before an occurrence of an accident regarding traffic accidents that can be incurred while driving manually or autonomously was conducted. While existing studies measured zigzag driving based on characteristics of the change of lateral angular velocity by imaging techniques or driving manner on the first and second lane, this study proceeded to measure zigzag driving by setting a lateral moving distance and a critical value range by utilizing the value of a sensor.
Even though automakers have actively been conducting studies on autonomous navigation thanks to the development and application of wireless Internet technology, the traffic accident has been kept unsolved. The causes of the accident are drowsy driving, a mistake of a driver, environmental factors, and a wrong road structure; Driving manner and characteristics of a driver among the causes are significantly influential for the accident. In this paper, a study to measure characteristics of zigzag driving that can be seen before an occurrence of an accident regarding traffic accidents that can be incurred while driving manually or autonomously was conducted. While existing studies measured zigzag driving based on characteristics of the change of lateral angular velocity by imaging techniques or driving manner on the first and second lane, this study proceeded to measure zigzag driving by setting a lateral moving distance and a critical value range by utilizing the value of a sensor.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
이에 본 논문은 사고가 발생할 경우 대처 방안을 제시하여 응급 구조를 신속히 처리하고자 하는데 목적을 두고 연구를 수행하였다. 그리고 선행 연구인 곡선 도로 탐지 방안[6]에 이어서 운전자의 운전 행태의 파악을 위하여 사행 운전 검출에 대하여 연구하였다. 단독 사고의 일부는 사고 직전에 급격한 사행 운전이 발생하는 경우가 있는데 단독 사고의 판정에 대한 기준의 하나로 사행운전을 판단하고 단독 사고의 가능성이 높은 경우 응급구조를 수행할 수 있을 것이다.
그리고 차선변경 운전과 사행 운전을 분류하기 위하여 임계 범위를 설정하고, 설정된 임계 범위를 이용하여 사행 운전을 검출한다. 본 논문에서는 센서 데이터로 이동거리를 구하고, 임계 범위를 설정하여 사행 운전을 검출하는 시스템 모델을 제안한다.
본 논문은 선행연구인 곡선차선 탐지 방안 이후의 연구로 사고 발생 후의 대응을 위하여 운전자의 운전 행태를 파악하기 위해 방향센서를 이용한 사행 운전 검출 시스템을 제안하였다. 제안하는 시스템은 Unity 5를 이용하여 시뮬레이션 한 결과, 차선 변경 운전 및 사행 운전의 운전 행태를 판단할 수 있었다.
그러나 이러한 주행 보조 시스템들을 사용한다고 하더라도 사고에 대한 완벽한 예방은 아직 불가능하다[5]. 이에 본 논문은 사고가 발생할 경우 대처 방안을 제시하여 응급 구조를 신속히 처리하고자 하는데 목적을 두고 연구를 수행하였다. 그리고 선행 연구인 곡선 도로 탐지 방안[6]에 이어서 운전자의 운전 행태의 파악을 위하여 사행 운전 검출에 대하여 연구하였다.
제안 방법
산출한 위치 값의 변화량으로 총 이동거리를 구한다. 구간 최단 거리를 계산하여 차선 변경의 임계 범위를 설정하고 사행 운전 판단 조건과 비교하여 사행 운전을 판단한다. 구간 최단 거리를 산출하는 식은 식(4)와 같다.
본 논문에서는 직선운전과 차선 변경 그리고 사행 운전을 시나리오로 설정하고 방향센서의 축의 값과 가속도 센서 값을 사용하여 위치와 이동거리를 산출하고 각 운전별 특성을 파악하여 운전 행태를 판단한다. 그리고 각 시나리오별로 운전 특성을 검출하기 위하여 임계 범위를 설정하고 임계 범위에 따라서 사행 운전 및 차선변경 운전을 판단할 수 있는 시스템 모델을 제안한다.
각 시나리오별로 이동 궤적을 실선으로 표현하였다. 그리고 각 운전 상황 별로 20회씩 주행 시뮬레이션을 수행하였다.
도로의 설계 속도는 80km/h이고 편도 2차로로 설정하였으며 차량 방호벽의 등급은 SB4, 기준 충격도는 160kJ로 설정하였다. 그리고 도로 및 주변 환경은 고도를 반영하지 않은 2차원 평면도로로 설계하였다. 각 시나리오별로 이동 궤적을 실선으로 표현하였다.
제안하는 시스템은 사행운전을 검출하기 위하여 방향센서와 가속도센서를 이용하여 위치와 이동거리를 구하고, 방향 전환을 판단하기 위하여 주행거리를 계산한다. 그리고 차선 변경 운행과 사행 운전을 분류하기 위하여 임계 범위를 설정하고, 설정된 임계 범위를 이용하여 사행 운전을 검출한다. 사행운전이 발생하고 시뮬레이션 결과 값은 [Table 9]로 확인할 수 있다.
제안하는 시스템 모델은 사행 운전을 검출하기 위하여 가속도센서와 방향센서를 이용하여 위치와 이동거리를 구하고, 주행거리를 계산한다[7]. 그리고 차선변경 운전과 사행 운전을 분류하기 위하여 임계 범위를 설정하고, 설정된 임계 범위를 이용하여 사행 운전을 검출한다. 본 논문에서는 센서 데이터로 이동거리를 구하고, 임계 범위를 설정하여 사행 운전을 검출하는 시스템 모델을 제안한다.
기존 연구는 운전자의 눈동자의 깜박임을 감지[10,11]하거나 운전자의 시선과 머리의 흔들림으로 졸음운전을 감지 또는 부주의를 검지할 수 있는 시스템을 개발하였다[12,13,14]. 또한 사행 운전을 검출하는 방법으로는 자이로 센서를 이용하여 사행운전 시 관찰되는 횡방향 각속도 방향의 특성을 분석하고, 통계적 분석을 통하여 정상주행과 사행 운전을 분류하기 위하여 임계값을 설정하여 설정된 임계값을 이용하여 사행 운전을 검출한다[15]. 기존 논문에서는 센서의 값을 이용하여 사행 운전을 검출하였다.
본 논문에서는 직선운전과 차선 변경 그리고 사행 운전을 시나리오로 설정하고 방향센서의 축의 값과 가속도 센서 값을 사용하여 위치와 이동거리를 산출하고 각 운전별 특성을 파악하여 운전 행태를 판단한다. 그리고 각 시나리오별로 운전 특성을 검출하기 위하여 임계 범위를 설정하고 임계 범위에 따라서 사행 운전 및 차선변경 운전을 판단할 수 있는 시스템 모델을 제안한다.
차량에 탑재한 방향센서를 이용하여 운전 특성을 파악하여 사행 운전 여부를 검출할 때 차선변경으로 인한 방향센서 데이터의 변화와 사행 운전으로 인한 데이터 변화를 구분하기 어려운 특성을 보인다. 이 문제를 해결하기 위하여 가속도센서와 방향센서의 데이터를 수집하고 수집한 데이터로 이동 거리와 위치를 구하여 차선 변경 운전과 사행 운전을 판정한다.
제안 시스템 모델에서는 별도의 속력 센서를 구현하지 않았으며 가속도센서로 속력을 산출하고 있다. 차선변경과 사행 운전을 구분하기 위하여 차량 운전 시 시간 구간을 설정하고 센서에서 취득한 값으로 위치를 산출한다.
단독 사고의 일부는 사고 직전에 급격한 사행 운전이 발생하는 경우가 있는데 단독 사고의 판정에 대한 기준의 하나로 사행운전을 판단하고 단독 사고의 가능성이 높은 경우 응급구조를 수행할 수 있을 것이다. 제안하는 시스템 모델은 사행 운전을 검출하기 위하여 가속도센서와 방향센서를 이용하여 위치와 이동거리를 구하고, 주행거리를 계산한다[7]. 그리고 차선변경 운전과 사행 운전을 분류하기 위하여 임계 범위를 설정하고, 설정된 임계 범위를 이용하여 사행 운전을 검출한다.
6]과 같은 급격한 차선 변경을 나타낸다. 제안하는 시스템은 사행운전을 검출하기 위하여 방향센서와 가속도센서를 이용하여 위치와 이동거리를 구하고, 방향 전환을 판단하기 위하여 주행거리를 계산한다. 그리고 차선 변경 운행과 사행 운전을 분류하기 위하여 임계 범위를 설정하고, 설정된 임계 범위를 이용하여 사행 운전을 검출한다.
차선 변경과 사행 운전을 구분하기 위하여 axis-X의 값을 이용하여 임계 범위를 산출하였다. 시뮬레이션에서 axis-X의 최소값은 –8.
제안 시스템 모델에서는 별도의 속력 센서를 구현하지 않았으며 가속도센서로 속력을 산출하고 있다. 차선변경과 사행 운전을 구분하기 위하여 차량 운전 시 시간 구간을 설정하고 센서에서 취득한 값으로 위치를 산출한다. 산출한 위치 값의 변화량으로 총 이동거리를 구한다.
성능/효과
72의 범위에 들어가는 경우와 주행 기록이 임계 범위 내에 있을 경우 차량의 주행거리가 직선운전의 2배 이상인 경우 사행 운전으로 판단할 수 있다. 기존 연구에서는 사행 운전을 검출하여 경고 정보를 제공하는 방안으로 연구가 진행 되었으나 본 논문은 운전 유형을 판단하여 사고 상황을 판정하기에 적절함을 보였다.
8을 보였다. 두 값은 서로 다른 시나리오에서 나타났으며 각각의 시나리오에서 최대값과 최소값의 편차는 최소 8.7에서 최대 33.4가 나타났다. 이 값을 이용하여 산출되는 임계 범위는 [Table 10]와 같다.
본 논문은 선행연구인 곡선차선 탐지 방안 이후의 연구로 사고 발생 후의 대응을 위하여 운전자의 운전 행태를 파악하기 위해 방향센서를 이용한 사행 운전 검출 시스템을 제안하였다. 제안하는 시스템은 Unity 5를 이용하여 시뮬레이션 한 결과, 차선 변경 운전 및 사행 운전의 운전 행태를 판단할 수 있었다. 또한 임계값이 0.
7]은 직선 운전과 차선 변경 운전 그리고 사행 운전과 같이 차량 운행에 따른 시뮬레이션 결과를 나타내는 그래프이다. 직선 운전과 사행 운전과의 이동거리는 2배 이상의 차이가 있음을 확인할 수 있으며, 사행 운전인 경우 그래프의 폭이 차선 변경 운전일 때 보다 2배가량 좁은 것으로 나타났다.
후속연구
향후 연구에는 몬테카를로 시뮬레이션을 이용하여 임계 범위의 오차를 줄여 사행 운전 검출을 보완 연구가 필요하다.
질의응답
핵심어
질문
논문에서 추출한 답변
최근 자동차 업계는 어떤 연구가 활발히 진행 중에 있는가?
최근 자동차 업계는 무선 인터넷 기술의 발달과 응용의 확산으로 자율 주행의 연구가 활발히 진행 중에 있으나 교통사고는 아직도 해결되지 않는 부분이다. 사고의 요인으로는 졸음운전, 운전자의 실수, 환경적인 요소, 잘못된 도로 구조 등이 있으며 사고 원인의 하나인 운전자의 운전 행태와 특성은 교통사고에 큰 영향을 미친다.
사고가 발생할 경우 대처 방안을 제시하여 응급 구조를 신속히 처리하고자 하는데 목적을 두고 연구를 수행한 이유는 무엇인가?
최근의 자동차 업계는 자율주행 시스템을 적용한 차량에 대한 연구를 활발히 진행하는 추세이다[1,2,3,4]. 이와 함께 안전을 고려한 여러 시스템을 차량에 적용하고 있으며 이 시스템들은 능동적인 주행 보조 역할을 수행하고 있다. 그러나 이러한 주행 보조 시스템들을 사용한다고 하더라도 사고에 대한 완벽한 예방은 아직 불가능하다[5]. 이에 본 논문은 사고가 발생할 경우 대처 방안을 제시하여 응급 구조를 신속히 처리하고자 하는데 목적을 두고 연구를 수행하였다.
사고의 요인으로는 무엇이 있는가?
최근 자동차 업계는 무선 인터넷 기술의 발달과 응용의 확산으로 자율 주행의 연구가 활발히 진행 중에 있으나 교통사고는 아직도 해결되지 않는 부분이다. 사고의 요인으로는 졸음운전, 운전자의 실수, 환경적인 요소, 잘못된 도로 구조 등이 있으며 사고 원인의 하나인 운전자의 운전 행태와 특성은 교통사고에 큰 영향을 미친다. 본 논문에서는 자율 주행 및 자가 운전을 하는 경우에 발생 할 수 있는 교통사고에서 사고발생 전에 나타날 수 있는 사행운전의 특성을 판단하기 위한 연구를 수행하였다.
참고문헌 (15)
Hye G. Park, Hyong G. Lee and Soon H. Kwon, "Design of Autonomous Navigation Systems based on Wireless Networks", Journal of Korean Institute of Intelligent Systems, Vol. 22, No. 4, pp. 435-440, 2012.
Hee Chang Moon, Hoon Je Woo and Jung Ha Kim, "Development of System Architecture and Communication Protocol for Unmanned Ground Vehicle", Journal of Institute of Control, Robotics and Systems Vol. 14, No.9, pp.873-880, 2008.
KwangOh Cho, JongDuck Moon, "Direction for Support of MOTIE R&D in Autonomous Driving Vehicle", Journal of the Korean Society of Automotive Engineers, Vol. 36, No. 7, pp. 20-25, 2014.
J. Y. Song, J. W. Park, K. Y. Jhang, J. W. Lee, I. S. Chang, "The Detection of Traffic Lanes and the Distance to The Forward Vehicle using the Machine Vision", Transactions of KSAE, Vol. 7, No. 3, pp. 310-320, 1999.
L. N. Boyle and F. Mannering, "Impact of traveler advisory systems on driving speed: some new evidence", Transportation Research Part C12, vol. 12, pp. 57-72, 2004.
Gea-Hee Kim, Seon-Mi Jeong, Hyungjin Mun, Chang-Geun Kim, "Design of Curve Road Detection System by Convergence of Sensor", Journal of digital convergence, Vol. 14, No. 8, pp. 253-259, 2016.
Jung-Mo Yang, Jeong-Ho Kim, "A Study on the Enhancement of Network Survivability through Smart Sensor Technologies Convergence", Journal of digital convergence, Vol. 14, No. 8, pp. 269-276, 2016.
P. Li, X. Huang, Y. Fang, P. Lin, "Optimal placement of gateways in Vehicular Networks", IEEE Transactions on Vehicular Technology, Vol. 56, No. 6, pp. 3421-3430, 2007.
Ministry of Land, Transport and Maritime Affairs, "Road Disign Standards: Chapter 9", 2012.
M. Eriksson and N. P. Papanikolopoulos, "Driver fatigue:a vision-based approach to automatic diagnosis", Transportation Research Part C9, Vol. 9, pp. 399-413, 2001.
Q. Ji, Z. zhu and P. Lan, "Real time and non-intrusive driver fatigue monitoring", In 7th IEEE Transactions on Vehicular Technology 4, 1052-1068, 2004.
J. D. Wu and T. R. Chen, "Development of a drowsiness warning system based on the fuzzy logic images analysis", Expert Systems with Applications, Vol. 34, pp. 1556-1561, 2008.
J. Wang, W. Xu and Y. Gong, "Real-time driving danger-level prediction", Engineering Applications of Artificial Intelligence, Vol. 23, pp. 1247-1254, 2010.
N. Sharma and V. K. Banga, "Drowsiness arning system using artificial intelligence", World Academy of Science, Engineering and Technology 67, pp. 850-852, 2010.
Hee-Sub Rim, Eun-Bi Jeong, Cheol Oh, Kyeong-Pyo Kang, "Detection of Unsafe Zigzag Driving Maneuvers using a Gyro Sensor", Review of KITS, Vol. 22, No 1, Vol. 10, No. 2, pp. 42-54, 2011.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.