• 데이타베이스연구회지:데이타베이스연구
• /
• 제34권3호
• /
• pp.45-57
• /
• 2018

주행 중에 발생하는 졸음은 큰 사고로 직결될 수 있는 매우 위험한 운전자 상태이다. 졸음을 방지하기 위하여 운전자의 상태를 파악하는 전통적인 졸음 감지 방법들이 존재하지만 운전자들이 가지는 개개인의 특성을 모두 반영한 일반화 된 운전자 상태 인식에는 한계가 있다. 최근에는 운전자의 상태를 인식하기 위한 딥 러닝기반의 상태인식 연구들이 제안되었다. 딥 러닝은 인간이 아닌 기계가 특징을 추출하여 보다 일반화된 인식모델을 도출할 수 있는 장점이 있다. 본 연구에서는 운전자의 상태를 파악하기 위해 이미지와 PPG를 동시에 학습하여 기존 딥 러닝 방식보다 정확한 상태 인식 모델을 제안한다. 본 논문은 운전자의 이미지와 PPG 데이터가 졸음 감지에 어떤 영향을 미치는지, 함께 사용되었을 때 학습 모델의 성능을 향상시키는지 실험을 통해 확인하였다. 이미지만을 사용했을 때 보다 이미지와 PPG를 함께 사용하였을 때 3%내외의 정확도 향상을 확인했다. 또한, 운전자의 상태를 세 가지로 분류하는 멀티모달 딥 러닝 기반의 모델을 96%의 분류 정확도를 보였다.

• 융합정보논문지
• /
• 제9권5호
• /
• pp.27-33
• /
• 2019

완전자율주행(Auto Driving, AD) 실현을 위한 다양한 기술적, 사회적 접근이 진행되고 있으며, 동시에 통신 네트워크와 확장된 첨단운전자지원시스템을 포함하는 협력주행(Cooperative Driving, CD)에 대한 개발이 진행되고 있다. CD에서는 운전자와 시스템의 역할 분담과 주행 안정성 확보가 중요하기 때문에 운전자와 차량 간 효율적인 인터페이스 방안이 요구된다. 본 연구는 CD에서의 운전자와 시스템의 역할과 기능을 고려하여 운전자, 시스템 및 불확실성을 내재한 주행 환경을 포함하는 연구모델을 제안한다. 또한 주행 환경에 대한 분석과 연구모델을 이용하여 CD에서의 다양한 주행 상황에 대응해야하는 운전자와 차량 간의 효율적인 인터페이스 방안을 제시하였다. 본 연구를 통해서 제안된 연구모델과 인터페이스 방안은 CD 시스템 설계, 운전석 모듈 개발 및 인터페이스 디바이스 개발에 기여할 수 있을 것으로 기대된다.

• 예술인문사회 융합 멀티미디어 논문지
• /
• 제7권3호
• /
• pp.361-370
• /
• 2017

본 논문에서는 공격적 성향의 운전자를 판단할 수 있는 기계학습 방식과 설문지 방식을 융합한 운전자 성향 판단 연구의 일환으로 두 방법으로 결정된 운전자 성향정보의 상관성을 분석하였다. 30명의 운전자를 대상으로 설문지를 이용한 주관적 성향을 정보를 수집하고 기계학습 기반의 성향판단 시스템을 이용하여 객관적 성향을 취득하였다. 이 중에서 기계학습 기반의 성향판단 시스템은 운전자행위 성향 분류 모델을 기반으로 설계되었다. 모델을 도출하기 위하여 운전자의 가속 패달과 브레이크 패달 조작 데이터와 HMM 기법을 이용한 기계학습을 수행하였다. 두 가지 방법으로 추정한 공격적 성향정보를 Pearson 방식으로 상관관계를 분석한 결과 높은 상관관계가 있음을 확인하였다. 뿐만 아니라 객관적 성향은 동일한 운전자에 대하여 고유한 특성이 있음을 확인하였다. 본 논문의 실험결과는 향후 두 방법을 융합하는 연구를 수행하기 위한 참고자료가 될 것이다. 또한 운전자의 공격적 성향이 주의어시스트, 운전자 식별, 도난방지 등 지능형 운전자 보조시스템에도 응용 될 수 있음을 확인하였다.

• 대한교통학회지
• /
• 제25권3호
• /
• pp.87-97
• /
• 2007

본 연구에서는 기존의 한정합리적인 모델에서 자주 언급된 운전자의 인지의 한계와 정보처리능력의 한계에 초점을 두어 운전자의 경로선택 행동에 대한 모델링과 정보제공에 따른 운전자의 교통환경에 대한 신념(belief) 형성과정을 살펴보기로 한다. 나아가 기존의 운전자의 기대형성 및 경로선택 행동에서 자주 인용된 모델들이 가지는 문제점과 현실에서 도입을 위한 한계점을 지적하고 실제의 도로 네트워크를 가정한 시뮬레이션을 통하여 운전자의 이질 성에 따른 경로선택 행동과 운전자의 도로 환경에 대한 신념 형성의 과정을 모델링 하였다. 본 연구를 통해 도로의 특성 및 운전자 그룹의 특성에 따라 운전자의 학습 과정과 정보의 가치가 달라짐을 확인 할 수 있었다. 먼저 교통량의 증가에 민감하게 도로의 혼잡이 심해지는 환경에서 정보의 효용이 커지는 것을 알 수 있었으며, 운전하는 횟수의 차이에 따라 정보의 가치가 차이가 남을 확인할 수 있었다. 나아가 한정된 교통환경하에서 매일 주행하는 운전자의 비율 차이가 운전자가 형성하게 되는 경로의 특성에 대한 신념의 차이로 이어짐도 확인할 수 있었다.

• 대한기계학회논문집A
• /
• 제38권11호
• /
• pp.1201-1206
• /
• 2014

본 논문에서는 가상의 V상차 작업을 위한 이벤트 기반의 휠로더 운전자 모델을 개발하였다. 운전자 모델 개발의 목적은 휠로더의 일반적인 작업인 V상차 작업 시 동역학적 해석과 작업성능을 가상의 시뮬레이션 모델과 운전자 입력을 이용해 예측 및 평가하는 것이다. V상차 작업은 4단계로 이루어져 있으며, 총 8 개의 이벤트로 인해 순차적으로 작업이 진행된다. 개발된 3D 휠로더 시뮬레이션 모델은 Matlab/Simulink 환경에서 구성 되었으며, 시뮬레이션 결과는 V상차 작업의 실차 데이터와 비교 되었다. 본 연구에서 개발된 운전자 모델로 향후 가상의 V상차 작업에 대한 작업성능 및 동역학적 해석이 가능할 것으로 본다.

• 대한교통학회지
• /
• 제26권6호
• /
• pp.71-80
• /
• 2008

무통제 교차로(uncontrolled intersection)는 교통신호기나 정지표지, 양보표지 등에 의한 통제가 없으며, 교통량도 많지 않은 교차로이다. 무통제 교차로에서의 간격수락(gap acceptance) 과정은 교차로 안전상, 그리고 흐름상 중요한 문제이다. 본 연구에서는 무통제 교차로 지역의 차량의 행태를 조사하여 간격수락상황을 규명하고, 운전자의 특성을 고려한 간격수락 모델을 개발하여 무통제 교차로에서의 차량 흐름을 파악하고자 한다. 이를 위하여 수 원시 지역의 무통제 교차로의 지역을 현장 조사 및 비디오 조사를 하고 로짓모델로 간격수락모델을 모형화하였다. 그 결과, 무통제 교차로에서 간격수락을 위해 운전자가 기다리는 총시간, 차량의 진행방향이 우회전인 경우, 나이, 성별, 동승자 유무 등이 간격수락에 영향을 미치고 있음을 알 수 있었다. 특히 성별이 남성인 경우, 동승자가 있는 경우, 기다리는 시간이 길수록 수락간격이 더 빠른 특성을 보였다. 이러한 연구 결과는 무통제 교차로를 운행하는 운전자들은 교차로에서 통행의 의사결정을 함에 있어 그러한 운전자, 교통, 동승자조건등의 특성에 영향을 받는 것으로 나타나고 있는바 향후 교차로 설계나 교차로 안전정보제공 등에 사용될 수 있을 것으로 사료된다.

• 한국정밀공학회:학술대회논문집
• /
• 한국정밀공학회 2004년도 춘계학술대회 논문요약집
• /
• pp.166-166
• /
• 2004

운전자 보조시스템에는 적응순항제어 (adaptive cruise control), 차선변경 (lane change), 충돌경고 (collision warning), 충돌회피 (collision avoidance), 및 자동주차 (automatic parking) 등이 있다. 이런 운전자 보조시스템은 어떤 목적을 가지고 있다. 운전자의 부담을 줄이고 안전을 위하여 차량의 주행방향에 있는 장애물이나 차량을 감지하여 차량간의 안전거리론 유지하고 자동차가 일정 속도를 유지하도록 한다. 운전자 보조시스템의 효율은 센서들로부터 얻어진 정보의 해석에 달려있다.(중략)

• 한국자동차공학회논문집
• /
• 제13권1호
• /
• pp.76-82
• /
• 2005

In this paper, validation of Driver Steering Model has been conducted. The comparison between the simulation model and vehicle test results shows that the model is very feasible for describing combined human driver and actual vehicle dynamic behaviors. The 3D vehicle model is consisted of 6-DOF sprung mass and 4-quarter car model for vehicle body dynamics. Powertrain model including differential gear and Pacejka tire model are applied. The driver steering model is also validated with vehicle test result. The driver steering model is based on angle and displacement error from the desired path, recognized by driver.

• 한국ITS학회 논문지
• /
• 제16권4호
• /
• pp.153-163
• /
• 2017

본 연구에서는 운전자 별로 생활 중에 이동하는 주행 도로의 특징 및 교통상황이 서로 다르며 운전습관이 상이함을 고려하여, 운전자 혹은 운전자 그룹별 기계학습모형을 구성하고, 학습된 모델을 분석하여 운전자의 주행모드 별 특징을 탐색하여 자율 주행 자동차를 시뮬레이션 하였다. 운전지식을 활용하여 주행조작 전후 센서의 동작 상황에 따라 8종류의 종방향 모드와 4종류 회전모드로 구분하고, 종방향 모드와 회전모드를 결합한 21개의 결합형 주행모드로 세분화 하였다. 주행모드가 레이블 된 시계열 데이터에 대해 딥러닝 지도학습 모델인 RNN (Recurrent Neural Network), LSTM (Long Short-Term Memory), Bi-LSTM 모델을 활용하여서 운전자 별 혹은 운전자 그룹별 주행데이터를 학습하고, 학습된 모델을 테스트 데이터 셋에서 주행 모드인식률을 검증하였다. 실험 데이터는 미국 VTTI 기관에서 수집된 22명의 운전자의 1,500개의 실생활 주행 데이터가 사용되었다. 주행 모드 인식에 있어, 데이터 셋에 대해 Bi-LSTM 모델이 RNN, LSTM 모델에 비해 향상된 성능을 보였으며, 최대 93.41%의 주행모드 인식률을 확인하였다.

• 한국컴퓨터정보학회논문지
• /
• 제26권11호
• /
• pp.173-182
• /
• 2021

본 논문에서는 운전자의 주의산만을 유발하는 운전자, 탑승자의 동작을 분석하고 핸드폰과 관련된 운전자의 행동 10가지를 인식하였다. 먼저 주의산만을 유발하는 동작을 환경 및 요인으로 분류하고 관련 최근 논문을 분석하였다. 분석된 논문을 기반으로 주의산만을 유발하는 주요 원인인 핸드폰과 관련된 10가지 운전자의 행동을 인식하였다. 약 10만 개의 이미지 데이터를 기반으로 실험을 진행하였다. SURF를 통해 특징을 추출하고 3가지 모델(CNN, ResNet-101, 개선된 ResNet-101)로 실험하였다. 개선된 ResNet-101 모델은 CNN보다 학습 오류와 검증 오류가 8.2배, 44.6배가량 줄어들었으며 평균적인 정밀도와 f1-score는 0.98로 높은 수준을 유지하였다. 또한 CAM(class activation maps)을 활용하여 딥러닝 모델이 운전자의 주의 분산 행동을 판단할 때, 핸드폰 객체와 위치를 결정적 원인으로 활용했는지 검토하였다.