한국정보처리학회:학술대회논문집 (Annual Conference of KIPS)

한국정보처리학회 (Korea Information Processing Society)
권호 표지

CAN-bus 및 스마트폰 센서 데이터 융합을 통한 운전자 식별 연구

A Study on Driver Identification Using CAN-bus and Smartphone Sensor Data Fusion

  • 이가현 (한림대학교 컴퓨터공학과) ;
  • 정유빈 (한림대학교 빅데이터학과) ;
  • 이기훈 (한림대학교 컴퓨터공학과) ;
  • 허종욱 (한림대학교 컴퓨터공학과)
  • Ka-Hyun Lee (Dept. of Computer Engineering, Hallym University) ;
  • Yu-been Jeong (Dept. of Computer Engineering, Hallym University) ;
  • Gi-Hun Lee (Dept. of Computer Engineering, Hallym University) ;
  • Jong-Uk Hou (Dept. of Computer Engineering, Hallym University)
  • 발행 : 2024.10.31
PDF 다운로드
⟨ 이전 논문 다음 논문 ⟩

초록

차량의 증가와 함께 교통 안전에 대한 관심이 높아지면서, 운전자 프로파일링에 대한 필요성이 증대되고 있다. 또한, 자율주행 기술의 발전과 자동차 보안 문제의 증가로 운전자 식별 연구의 중요성도 커지고 있다. 이에 본 연구는 차량의 CAN-bus 데이터와 스마트폰 센서 데이터를 직접 수집하여 운전자를 식별하는 새로운 방법을 제안한다. 기존의 생체 인식 정보나 운전자의 이미지를 활용하는 방법과 달리, 본 연구는 주행 중 수집된 정량적 데이터를 이용해 프라이버시 위험을 최소화하였다. 특히, 다양한 주행 상황에서 직접 수집한 CAN-bus 및 센서 데이터를 기반으로 한 멀티모달 퓨전 기법을 통해 운전자의 행동 및 반응을 정밀하게 분석하였다. 실험 결과, 제안된 방법이 기존 방법보다 정확하게 운전 습관을 식별하였으며, 운전자 식별의 정확성을 높여 미래의 운전자 프로파일링 연구에 기여할 수 있을 것으로 기대된다.

키워드

과제정보

이 논문은 2022 년도 정부(과학기술정보통신부)의 재원으로 한국연구재단의 지원을 받아 수행된 연구임(No.2022R1A4A1033600).

참고문헌

  1. National Insurance Crime Bureau, "Vehicle Thefts Surge Nationwide in 2023," [Online]. Available: https://www.nicb.org/news/news-releases/vehicle-thefts-surge-nationwide-2023. Accessed: April 12, 2024.
  2. Rahim, Mussadiq Abdul, et al., "Zero-to-stable driver identification: A non-intrusive and scalable driver identification scheme," IEEE Transactions on Vehicular Technology, 69(1), pp. 163-171, 2019.
  3. Fugiglando, Umberto, et al., "Driving behavior analysis through CAN bus data in an uncontrolled environment," IEEE Transactions on Intelligent Transportation Systems, 20(2), pp. 737-748, 2018.
  4. Chan, Teck Kai, et al., "A comprehensive review of driver behavior analysis utilizing smartphones," IEEE Transactions on Intelligent Transportation Systems, 21(10), pp. 4444-4475, 2019.
  5. Kwak, Byung Il, Mee Lan Han, and Huy Kang Kim, "Driver identification based on wavelet transform using driving patterns," IEEE Transactions on Industrial Informatics, 17(4), pp. 2400-2410, 2020.
  6. Kwak, Byung Il, JiYoung Woo, and Huy Kang Kim, "Know your master: Driver profiling-based anti-theft method," 2016 14th Annual Conference on Privacy, Security and Trust (PST), Auckland, New Zealand, 2016, pp. 129-136.
  7. Sanchez, Sara Hernandez, Ruben Fernandez Pozo, and Luis Alfonso Hernandez Gomez, "Driver identification and verification from smartphone accelerometers using deep neural networks," IEEE Transactions on Intelligent Transportation Systems, 23(1), pp. 97-109, 2020.
  8. Ahmadian, Rouhollah, Mehdi Ghatee, and Johan Wahlstrom, "Discrete wavelet transform for generative adversarial network to identify drivers using gyroscope and accelerometer sensors," IEEE Sensors Journal, 22(7), pp. 6879-6886, 2022.