• 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.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2019.01a
• /
• pp.135-136
• /
• 2019

센서 데이터의 발전에 따라 자율주행 자동차 산업도 급격히 성장하고 있다. 미국 우버(UBER)는 2015년부터 자율주행 자동차 산업에 뛰어들었고, 국내에서도 '판교 자율주행 셔틀'이 시범운행 되었다. 따라서 자율주행 자동차는 앞으로 우리 삶에 보다 많은 영향을 끼칠 것이 분명하나, 아직 자율주행 자동차가 완벽하게 개발되지 않은 만큼 우리가 예상하지 못한 교통사고 등 새로운 문제가 나타날 위험이 있다. 따라서 본 논문은 자율주행 자동차에 대해 살펴보고 사고 사례를 분석하여 앞으로 나타날 수 있는 사고 유형을 예측하는 것에 목적이 있다.

• Proceedings of the Korea Technology Innovation Society Conference
• /
• 2017.11a
• /
• pp.459-468
• /
• 2017

본 논문에서는 자율주행자동차와 관련한 주제어를 선정하여 KCI 등재 논문의 서론 자료를 수집하고, 이에 빅데이터 분석 기법을 적용하였다. 이를 토대로 자율주행자동차와 관련된 다양한 이슈 분석을 통해 자율주행자동차의 연구 동향을 파악할 수 있으며, 추가적인 연구가 필요한 분야에 대해 알 수 있다. 제4차 산업혁명의 영향으로 등장한 다양한 기술들의 활용이라고 볼 수 있는 자율주행자동차는 2025년 상용화 될 가능성이 높다. 자율주행자동차의 상용화를 위해 지속적인 연구와 논의가 필요하지만, 과거부터 등재된 자율주행자동차 관련 KCI 논문 빅데이터 분석을 통해 기술들 간의 군집 방식과 주제어의 밀집도, 네트워킹 형성 방식 등에 대해 파악할 수 있다. 이처럼 논문 데이터 분석을 통해 향후 정부출연(연), 혹은 기업체에서 더욱 발전시켜야 할 부분에 대해 인지하고 정부 차원의 과제 지원과 연구를 통해 자율 주행자동차 상용화를 촉진시킬 수 있을 것이라고 예상한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2018.05a
• /
• pp.394-397
• /
• 2018

최근 인공지능 연구가 활발하게 진행이 되면서 여러 기업에서 자율 주행연구도 활발하게 진행되고 있다. 하지만 실제 상황에서 자동차 주행 데이터를 얻기에는 여러 위험사항들과 경제적인 낭비가 있다. 그렇기 때문에 게임 상에서 데이터를 수집하고 딥러닝을 이용해 학습을 하기로 했다. 본 논문에서는 실제 세계와 유사한 환경을 가지고 있는 자동차 게임을 이용하여 자율 주행을 시도 했다. 자율 주행 시 많이 쓰이는 End to End 방법으로 데이터를 수집하면 두 가지 데이터가 저장된다. 하나는 이미지 데이터고 두 번째는 방향키 데이터다. 이러한 데이터들을 numpy 타입으로 40분간 데이터를 수집한 후 딥러닝에 많이 쓰이는 tensorflow를 사용하여 구현한 CNN을 이용하여 학습이 되는 것을 확인을 하고 91.9%의 정확도를 얻었다. 이를 기반으로 실세계에서의 사용 가능성을 확인했다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2019.01a
• /
• pp.443-444
• /
• 2019

공유경제 시대의 다양한 전기구동플랫폼 운용에 유효한 새로운 유지보수 가이드라인을 도출하고자, 본 연구는 하이브리드자동차와 전기자동차의 특성을 모두 갖는 PHEV의 장기간 주행 데이터를 분석하여, 주요 부품의 상태 변화를 파악하였다. PHEV의 모터, 인버터, 2차전지 등 주요 부품의 주행 데이터 변화를 관찰하여 마일리지 누적에 따른 상태변화가 큰 부품을 파악하였다. 분석결과 1만Km 이상 주행 시 보조 배터리의 온도와 5만Km 이상 주행 시 2차전지의 온도 변화가 유의미하게 발생함을 확인하였다.

• Proceedings of the KIEE Conference
• /
• 2004.07d
• /
• pp.2206-2208
• /
• 2004

본 논문에서는 자이로스코프를 이용한 자율이동로봇의 주행기록계에 대한 오차 보상을 제안한다. 자율이동로봇의 주행 시 주행기록계는 슬립과 마찰 등으로 인해 많은 방향각에 대해 오차를 포함하고 있어서 주행기록계에만 의존하여 주행하기 힘들다. 주행기록계가 슬립과, 회전에 대한 단점을 보안하기 위해 방향각에 대해 자이로스코프를 사용하여, 자이로스코프로부터 얻은 데이터와 주행기록계의 데이터를 융합하여 주행기록계의 오차누적에 의한 이동로봇의 방향각에 대한 비정확성을 보상하기 위한 알고리듬을 제안한다. 대부분의 주행 시 주행기록계의 값을 신뢰하고 자율이동로봇의 순간적인 각도변화에 대해서는 자이로스코프를 이용하였다. 이동로봇의 직진 주행 실험 결과 주행기록계만을 사용하여 주행했을 때는 방향각 오차가 크게 발생하였다. 그러나 주행기록계와 자이로스코프의 데이터를 융합하여 적용한 시스템의 성능이 주행기록계만 이용한 경우에 비해 보다 정확함을 실험을 통해 확인하였다. 이동로봇의 안정성 있는 경로 추종을 통해 이동로봇의 보다 넓은 영역에서의 작업이 기대된다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2019.11a
• /
• pp.87-88
• /
• 2019

최근 기계학습 기술의 급속한 발전에 힘입어 자율주행을 위한 객체 인식 및 처리 기술 역시 비약적으로 발전하고 있다. 그러나 이러한 기계학습의 성능은 모델의 구조와 학습용 데이터의 품질에 영향을 받는다. 특히 주행환경을 잘 표현하는 학습데이터가 중요한데 전혀 새로운 도로, 주행환경, 장애물, 정적 혹은 동적 객체 등을 마주하면 정확도와 안정성에서 부정적인 영향을 받을 수 있는 것이다. 해외의 주행 데이터들에 크게 의존하고 있는 우리나라의 현실에 비춰 볼 때 국내 환경에 맞는 학습데이터를 쉽고 효율적으로 확보/관리/분석할 수 있게 하는 환경의 구축이 시급하다. 따라서 본 논문에서는 자율주행을 위한 기계학습 데이터를 효과적으로 관리하고 분석하기 위한 소프트웨어를 설계하고 개발하였다. 구체적으로는 수집된 영상들을 관리하는 기능, 영상에 존재하는 노이즈 제거 및 화질 개선 처리 기능, 학습 및 검증을 위한 메타 정보 태깅 기능, 태깅 정보의 통계적 분석 기능들을 포함한다. 개발한 소프트웨어는 우리나라에서 자체 촬영한 자율주행 학습 영상들에 대해 딥러닝 모델들을 학습하고 검증하는데 활용할 예정이다.

• Proceedings of the KAIS Fall Conference
• /
• 2011.05b
• /
• pp.537-539
• /
• 2011

최근의 차량 연비는 엔진, 파워트레인 등 차량의 구성품들을 성능 개선하여 많이 향상 되었으나 연비 측정은 현재도 주어진 모드(LA-4, FTP-75 등)에서 컴퓨터 모의시험 및 다이나모에서 수행한다. 본 논문에서는 차량에 미리 장착된 지리정보데이터와 현재 주행하면서 수신되는 GPS 데이터를 이용하여 약 213Km 영동고속도로를 주행하면서 실제 도로의 연비 향상 방안을 도출한다. 지리정보데이터와 주행하면서 수신한 GPS 데이터 중에서 거리와 고도 데이터를 추출하여 각 구간의 경사도, 주행저항을 계산, 연비향상 알고리즘에 따른 속도 프로파일을 영동고속도로 전 구간에 대해서 완성하고 이 속도 프로파일로 컴퓨터를 이용한 AVL사의 CRUISE 프로그램으로 모의 주행하여 연비를 산출하고 연비 향상 방안을 제안한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2014.11a
• /
• pp.798-801
• /
• 2014

여행 정보 시스템(ATIS), 교통 관리 시스템 (ITS) 등 궤적 기반 서비스에서, 서비스 품질을 향상시키기 위해서는 주어진 궤적 질의에 대한 정확한 주행시간을 예측하는 것이 필수적이다. 이를 위한 대표적인 공간 데이터 분석 기법으로는 데이터 분류에서 높은 정확도를 보장하는 규칙 기반 분류화 기법이 존재한다. 그러나 기존 규칙 기반 분류화 기법은 단일 컴퓨터 환경만을 고려하기 때문에, 대용량 공간 데이터 처리에 적합하지 않은 문제점이 존재한다. 이를 해결하기 위해, 본 연구에서는 맵리듀스 환경에서 규칙 기반 분류화를 이용한 궤적 데이터 주행 시간 예측 알고리즘을 개발하고자 한다. 제안하는 알고리즘은 첫째, 맵리듀스를 이용하여 대용량 공간 데이터를 병렬적으로 분석함으로써, 활용도 높은 궤적 데이터 규칙을 생성한다. 이를 통해 대용량 공간 데이터 기반의 규칙 생성 시간을 감소시킨다. 둘째, 그리드 구조 기반의 지도 데이터 분할을 통해, 사용자 질의처리 시 탐색 성능을 향상시킨다. 즉, 주행 시간 예측을 위한 규칙 그룹을 탐색 시 질의를 포함하는 그리드 셀만을 탐색하기 때문에, 질의처리 성능이 향상된다. 마지막으로 맵리듀스 구조에 적합한 질의처리 알고리즘을 설계하여, 효율적인 병렬 질의처리를 지원한다. 이를 위해 맵 함수에서는 선정된 그리드 셀에 대해, 질의에 포함된 도로 구간에서의 주행 시간을 병렬적으로 측정한다. 아울러 리듀스 함수에서는 출발 시간 및 구간별 주행 시간을 바탕으로 맵 함수의 결과를 병합함으로써, 최종 결과를 생성한다. 이를 통해 공간 빅데이터 분석을 통한 주행 시간 예측 기법의 처리 시간 및 결과 정확도를 향상시킨다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2020.11a
• /
• pp.842-845
• /
• 2020

본 연구는 시각-관성 기반의 딥러닝 학습으로 자유분방하게 움직이는 드론의 주행기록을 정확하게 추정하는 것을 목표로 한다. 드론의 비행주행은 드론의 온보드 센서와 조정값을 이용하는 것이 일반적이다. 본 연구에서는 이 온보드 센서 데이터를 학습에 사용하여 비행주행의 위치추정을 실험하였다. 선행연구로써 DeepVO[1]룰 구현하여 KITTI[3] 데이터와 Midair[4] 데이터를 비교, 분석하였다. 3D 좌표면에서의 위치 추정에 선행연구 모델의 한계가 있음을 확인하고 IMU를 Feature로써 사용하였다. 본 모델은 FlowNet[2]을 모방한 CNN 네트워크로부터 Optical Flow Feature에 IMU 데이터를 더해 RNN으로 학습을 진행하였다. 본 연구를 통해 주행기록 예측을 다소 정확히 했다고 할 수 없지만, IMU Feature를 통해 주행기록의 예측이 가능함을 볼 수 있었다. 본 연구를 통해 시각-관성 분야에서 사람의 지식이나 조정이 들어가는 센서를 융합하는 기존의 방식에서 사람의 제어가 들어가지 않는 End-to-End 방식으로 인공지능을 학습했다. 또한, 시각과 관성 데이터를 통해 주행기록을 추정할 수 있었고 시각적으로 그래프를 그려 정답과 얼마나 차이 있는지 확인해보았다.