• Review of KIISC
• /
• v.29 no.1
• /
• pp.13-19
• /
• 2019

나날이 발전하고 있는 ICT 기술과 차량과의 융합은 차량을 대상으로 하는 사이버 위협과 공격을 더욱 증대시킨다. 그러나 차량 보안을 연구하는 산업계, 학계 연구 그룹들 또한 다양한 접근 방법을 통해 이러한 위협과 공격을 앞서 예방하고 탐지하기 위해 노력하고 있다. 2018 정보보호 R&D 데이터 챌린지에서는 차량주행 데이터기반 도난탐지 트랙을 마련하였다. 이는 운전자별 주행 데이터에 대한 분석을 통해 현재 주행 중인 운전자를 식별하는 챌린지로써 국내 및 해외에서 처음으로 진행된 트랙이다. 이번 2018 정보보호 R&D 데이터 챌린지 중 차량주행 데이터기반 도난탐지 트랙에 참가한 참가자들은 주행 데이터를 통계적 기반으로 분석하여 모델링 하였으며, 분석하는 과정에 있어 의미 있는 분류 결과를 도출해 내었다. 일반적으로, 한 가정이 보유하고 있는 차량이 가족들 이외 다른 이들에게는 잘 공유되지 않는다는 점을 고려한다면, 비록 소수의 운전 참가자이지만 5명을 대상으로 하는 본 실험이 의미가 있다고 본다. 이번 정보보호 R&D 데이터 챌린지를 통해, 운전자 주행 데이터가 도난 탐지를 위한 운전자 분류뿐만 아니라, 운전자에게 특화된 의료와 보험과 같은 맞춤형 서비스를 제공할 수 있는 가능성을 확인할 수 있었다.

• Review of KIISC
• /
• v.33 no.4
• /
• pp.41-46
• /
• 2023

운전자의 편의성 및 안정성 향상을 위해, 차량에 탑재되는 다양한 센서 및 전자제어장치들은 주행 중 많은 양의 데이터들을 생성한다. 이렇게 생성된 많은 양의 데이터들의 분석은 개인화 서비스, 자동차 보험, 사고 예측와 같은 곳에 활용되고 있다. 최근 주행 중의 다양한 데이터 종류와 머신러닝 및 딥러닝 기반의 방법론을 통해 차량의 운전자를 식별하는 연구들이 진행되고 있다. 본 고에서는 차량에서의 데이터 분석에 기반한 운전자 식별 연구 동향을 설명하도록 하겠다.

• The Journal of The Korea Institute of Intelligent Transport Systems
• /
• v.16 no.4
• /
• pp.153-163
• /
• 2017

This research is based on the previous research that personally preferred safe distance, rotating angle and speed are differentiated. Thus, we use machine learning model for recognizing maneuvering modes trained per personal or per similar driving pattern groups, and we evaluate automatic driving according to maneuvering modes. By utilizing driving knowledge, we subdivided 8 kinds of longitudinal modes and 4 kinds of lateral modes, and by combining the longitudinal and lateral modes, we build 21 kinds of maneuvering modes. we train the labeled data set per time stamp through RNN, LSTM and Bi-LSTM models by the trips of drivers, which are supervised deep learning models, and evaluate the maneuvering modes of automatic driving for the test data set. The evaluation dataset is aggregated of living trips of 3,000 populations by VTTI in USA for 3 years and we use 1500 trips of 22 people and training, validation and test dataset ratio is 80%, 10% and 10%, respectively. For recognizing longitudinal 8 kinds of maneuvering modes, RNN achieves better accuracy compared to LSTM, Bi-LSTM. However, Bi-LSTM improves the accuracy in recognizing 21 kinds of longitudinal and lateral maneuvering modes in comparison with RNN and LSTM as 1.54% and 0.47%, respectively.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2012.01a
• /
• pp.7-10
• /
• 2012

본 논문에서는 스마트폰을 이용하여 도로 주행 정보를 기록하고 운전자에게 패턴 별 주행정보를 제공하는 라이프로그(Lifelog) 형태의 서비스에 목적을 두고 있다. 운전자의 도로 주행 데이터를 데이터베이스화한 이 정보는 다양하게 이용될 수 있다. 주행 패턴 인식은 이벤트 구간 검출 과정을 통한 패턴 구간을 검출하고 가속도 센서와 방향 센서, 즉 멀티 센서 기반으로 주행패턴을 인식한다. 주행 패턴을 분석 후 시간 정보를 이용하여 촬영된 영상 데이터에서의 패턴 구간 영상을 같이 제공한다. 이렇게 패턴 구간의 센서 스트리밍 정보와 영상을 제공하면 운전자의 운전 성향 및 주행 기록을 분석하는데 이용될 수 있다. 따라서 주행패턴 인식 알고리즘을 프로토타입으로 제안한다.

• Journal of the Korea Convergence Society
• /
• v.8 no.9
• /
• pp.285-292
• /
• 2017

This paper describes a recursive least-squares based convergent algorithm for driving characteristic classification for personalized autonomous driving. Recently, various researches on autonomous driving technology have been conducted for level 4 fully autonomous driving. In order for commercialization of the autonomous vehicle, personalized autonomous driving is required to minimize passenger's insecureness to the autonomous vehicle. To address this problem. this study proposes mathematical model that represents driving characteristics and recursive least-squares based algorithm that can estimate the defined characteristics. The actual data of two drivers has been used to derive driving characteristics and the hypothesis testing method has been used to classify two drivers. It is shown that the proposed algorithms can derive driving characteristics and classify two drivers reasonably.

• Journal of the Korea Convergence Society
• /
• v.9 no.10
• /
• pp.249-255
• /
• 2018

This paper presents a human-centered control algorithm for personalized autonomous driving based on the integration of inverse time-to-collision and time headway. In order to minimize the sense of difference between driver and autonomous driving, the human-centered control technology is required. Driving characteristics in case that vehicle drives with the preceding vehicle have been analyzed and reflected to the longitudinal control algorithm. The driving characteristics such as acceleration, inverse time-to-collision, time headway have been analyzed for longitudinal control. The control algorithm proposed in this study has been constructed on Matlab/Simulink environment and the performance evaluation has been conducted by using actual driving data.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2022.06a
• /
• pp.330-331
• /
• 2022

자율주행 차량의 운전자는 현재 레벨3에서 탑승하는 운전자에부터 최종적으로 레벨 5단계에서 탑승자로 변화하게 된다. 관련하여 자율주행차량이 운행하는 동안 탑승자는 무엇을 하는지가 중요한 이슈로 대두될 여지가 있다. 탑승자는 뉴스를 읽거나 노래를 부르거나 주변 환경을 감상할 수 있고, 또는 탑승자는 다른 탑승자와 게임을 하거나 대화를 하거나 회의와 의사결정을 내릴 수도 있다. 자율주행차량은 이용자의 활용에 따라 오락공간, 휴식공간, 회의공간으로 트랜스포메이션되는 셈이다. 본 논문은 자율주행차량에서 블록체인 기술 중 하나인 NFT를 활용하여 차량의 탑승자에게 소유권이 있는 생산 데이터에 대해 스마트 계약을 구현하는 방법에 대하여 연구하였다. 자율주행 차량 내에서의 소유권을 표식한 스마트 계약 체결과 향후 적용 운용환경을 연구.개발하였다.

• International Journal of Highway Engineering
• /
• v.7 no.4 s.26
• /
• pp.185-202
• /
• 2005

In this research, to get over restrictions of a field expreiment, we modeled a planning road through the 3D Virtual Reality and achieved data about dynamic response related to sector fluctuation and about driver's visual behavior on testers' driving the Driving Simulator Car with Eye Camera. We made constant efforts to reduce the non-reality and side effect of Driving Simulator on maximizing the accord between motion reproduction and virtual reality based on data Driving Simulator's graphic module achieved by dynamic analysis module. Moreover, we achieved data of driver's natural visual behavior using Eye Camera(FaceLAB) that is able to make an expriment without such attaching equipments such as a helmet and lense. In this paper, to evaluate the level of road's safety, we grasp the meaning of the fluctuation of safety that drivers feel according to change of road geometric structure with methods of Driving Simulator and Eye Camera and investigate the relationship between road geometric structure and safety level. Through this process, we suggest the method to evaluate the road making drivers comfortable and pleasant from planning schemes.

• Journal of Korea Society of Industrial Information Systems
• /
• v.17 no.3
• /
• pp.35-42
• /
• 2012

The database for driving patterns can be utilized in various system such as automatic driving system, driver safety system, and it can be helpful to monitor driving style. Therefore, we propose a driving pattern recognition system in which the sensor streams from a smartphone are recorded and used for recognizing driving events. In this paper we focus on the driving pattern recognition that is an essential and preliminary step of driving style recognition. We divide input sensor streams into 7 driving patterns such as, Left-turn(L), U-turn(U), Right-turn(R), Rapid-Braking(RB), Quick-Start(QS), Rapid-Acceleration (RA), Speed-Bump(SB). To classify driving patterns, first, a preprocessing step for data smoothing is followed by an event detection step. Last the detected events are classified by DTW(Dynamic Time Warping) algorithm. For assisting drivers we provide the classified pattern with the corresponding video stream which is recorded with its sensor stream. The proposed system will play an essential role in the safety driving system or driving monitoring system.

• The Journal of The Korea Institute of Intelligent Transport Systems
• /
• v.21 no.5
• /
• pp.90-102
• /
• 2022

Currently, in our society with a substantial and increasing fraction of the elderly population, transport safety for elderly drivers is becoming the center of attention. However, deficient data on vehicle crashes in South Korea limits the growth of traffic accident research pertaining to the country. So, we complemented South Korean vehicle crash data by examining USA vehicle crash data, especially the data of Ohio State, and analyzing the influential factors of elderly driver-involved crashes of the State. Subsequently, we suggested a way of improving the South Korean dataset. Notably, our study showed that the influential factors were vehicle speed, posted speed, and following other vehicles too close and provided them in the South Korean dataset.