• 대한인간공학회지
• /
• 제29권5호
• /
• pp.735-739
• /
• 2010

Driving workload is increasing according to developing new in-vehicle devices and introducing driving information systems. In this research using a driving simulator, EFRP (Eye Fixation Related Potential) was measured for evaluating driving attention and distraction while tasking cognitive workload, n-back tasks. The result of EFRP was compared with driver behaviors. Results suggest that EFRP is able to use for a method of evaluating driving workload, however, the analysis of driver behavior is difficult to find driving attention and distraction in the case of free flow of traffic situation.

• 한국자동차공학회논문집
• /
• 제21권4호
• /
• pp.62-69
• /
• 2013

Visual demands associated with in-vehicle display usage and text messaging distract a driver's visual attention from the roadway. To minimize eyes-off-the-road demands, voice interaction systems are widely introduced. Under cognitively distracted condition, however, awareness of the operating environment will be degraded although the driver remains oriented to the roadway. It is also know that the risk of inattentive driving varies with age, thus systematic analysis of driving risks is required for the older drivers. This paper aims to understand the age-related driving performance degradation and visual attention changes under auditory cognitive demand which consists of three graded levels of cognitive complexity. In this study, two groups, aged 25-35 and 60-69, engaged in a delayed auditory recall task, so called N-back task, while driving a simulated highway. Comparisons of younger and older drivers' driving performance including mean speed, speed variability and standard deviation of lane position, and gaze dispersion changes, which consist of x-axis and y-axis of visual attention, were conducted. As a result, it was observed that gaze dispersion decreased with each level of demand, demonstrating that these indices can correctly rank order cognitive workload. Moreover, gaze dispersion change patterns were quite consistent in younger and older age groups. Effects were also observed on driving performance measures, but they were subtle, nonlinear, and did not effectively differentiate the levels of cognitive workload.

• International Journal of Internet, Broadcasting and Communication
• /
• 제14권2호
• /
• pp.119-128
• /
• 2022

Recently, due to the development of related technologies for autonomous vehicles, driving work is changing more safely. However, the development of support technologies for level 5 full autonomous driving is still insufficient. That is, even in the case of an autonomous vehicle, the driver needs to drive through forward attention while driving. In this paper, we propose a method to monitor driving tasks by recognizing driver behavior. The proposed method uses pre-trained deep convolutional neural network models to recognize whether the driver's face or body has unnecessary movement. The use of pre-trained Deep Convolitional Neural Network (DCNN) models enables high accuracy in relatively short time, and has the advantage of overcoming limitations in collecting a small number of driver behavior learning data. The proposed method can be applied to an intelligent vehicle safety driving support system, such as driver drowsy driving detection and abnormal driving detection.

• 한국지리정보학회지
• /
• 제26권4호
• /
• pp.116-129
• /
• 2023

최근 자율주행에 관한 관심은 자율주행차량의 주행기술 개발과 함께 주행환경을 이루는 인프라 개발을 함께 고려하는 자율협력 주행이 주목을 받고 있다. 자율협력 주행의 개념에 따라 본 연구에서는 기존 정밀도로지도의 정보를 보완할 수 있는 자율주행을 위한 신규 인프라를 분석하고 해당 인프라를 정밀도로지도에 추가하는 방안을 연구하였다. 자율주행을 위한 신규 인프라는 개선 물리 시설물 2종과 센서 전용 물리 시설물 1종을 제시하였다. 정밀도로지도 분석 결과 분기점과 같은 정보는 거의 변화하지 않는 정보이지만 분기점에서 발생할 수 있는 장애물에 주의하라는 의미 전달을 위해 자율주행을 위한 인프라를 추가할 수 있을 것으로 예상된다. 이와 같이 자율주행을 위한 신규 인프라는 기존 도로 시설물이 수행하는 안내, 지시, 주의 환기 등의 역할을 지원해야 할 필요가 있다.

• 재활치료과학
• /
• 제9권3호
• /
• pp.53-61
• /
• 2020

목적 : 본 연구는 운전능력 평가도구를 이용하여 운전과 관련된 반응속도와 분리집중력을 평가하여, 고령자의 연령대에 따른 평균점수의 차이 분석으로 추후 고령자의 운전위험여부 진단을 위한 기초 자료를 제공하고자 한다. 연구방법 : 본 연구의 대상은 2019년 8월부터 12월까지 강원도 W시에 거주하고 있는 65세 이상 복지관 이용 노인 70명을 대상으로 운전 평가 프로그램을 실시하였다. 1차적으로 운전관련 설문지를 작성한 후, 운전평가도구에 대한 설명을 듣고 반응속도와 분리집중력과제에 대한 평가를 진행하였다. 본 연구의 수집된 자료는 통계프로그램 SPSS 25.0을 이용하여 분석하였고, 유의수준은 0.1로 설정하였다. 결과 : 전기노인의 반응속도 과제에 대한 반응시간 평균은 0.717초, 후기노인은 0.843초로 유의수준 0.1에서 유의미한 차이가 나타났다(p=.084). 분리집중력 과제에 대한 반응시간은 0.669, 후기노인은 0.695로 유의미한 차이가 없었다(p=.901). 결론 : 운전능력 평가도구를 이용하여 고령운전자의 운전 시 반응속도와 분리집중력을 평가할 수 있었고, 향후 운전 평가도구 개발의 기초 자료로 활용될 수 있을 것이다.

• 한국멀티미디어학회논문지
• /
• 제25권2호
• /
• pp.421-431
• /
• 2022

The purpose of this research is to determine the point of fixation of the driver during the process of driving. Based on the results of this research, the driving instructor can make a judgement on what the trainee stare on the most. Traffic accidents have become a serious concern in modern society. Especially, the traffic accidents among unskilled and elderly drivers are at issue. A driver should put attention on the vehicles around, traffic signs, passersby, passengers, road situation and its dashboard. An eye-tracking-based application was developed to analyze the driver's gaze behavior. It is a prototype for real-time eye tracking for monitoring the point of interest of drivers in driving practice. In this study, the driver's attention was measured by capturing the movement of the eyes in real road driving conditions using these tools. As a result, dwelling duration time, entry time and the average of fixation of the eye gaze are leading parameters that could help us prove the idea of this study.

• 한국항행학회논문지
• /
• 제27권2호
• /
• pp.182-189
• /
• 2023

깊이 추정은 차량, 로봇, 드론의 자율주행을 위한 3차원 지도 생성의 핵심 기술이다. 기존의 센서 기반 깊이 추정 방식은 정확도는 높지만 가격이 비싸고 해상도가 낮다. 반면 카메라 기반 깊이 추정 방식은 해상도가 높고 가격이 저렴하지만 정확도가 낮다. 본 연구에서는 무인항공기 카메라의 깊이 추정 성능 향상을 위해 Self-Attention 기반의 비지도 단안 카메라 영상 깊이 추정을 제안한다. 네트워크에 Self-Attention 연산을 적용하여 전역 특징 추출 성능을 향상시킨다. 또한 카메라 파라미터를 학습하는 네트워크를 추가하여 카메라 칼리브레이션이 안되어있는 이미지 데이터에서도 사용 가능하게 한다. 공간 데이터 생성을 위해 추정된 깊이와 카메라 포즈는 카메라 파라미터를 이용하여 포인트 클라우드로 변환되고, 포인트 클라우드는 Octree 구조의 점유 그리드를 사용하여 3D 맵으로 매핑된다. 제안된 네트워크는 합성 이미지와 Mid-Air 데이터 세트의 깊이 시퀀스를 사용하여 평가된다. 제안하는 네트워크는 이전 연구에 비해 7.69% 더 낮은 오류 값을 보여주었다.

• 자동차안전학회지
• /
• 제14권3호
• /
• pp.65-70
• /
• 2022

Lane change in urban environments is a challenge for both human-driving and automated driving due to their complexity and non-linearity. With the recent development of deep-learning, the use of the RNN network, which uses time series data, has become the mainstream in this field. Many researches using RNN show high accuracy in highway environments, but still do not for urban environments where the surrounding situation is complex and rapidly changing. Therefore, this paper proposes a lane change possibility decision network by adopting Attention layer, which is an SOTA in the field of seq2seq. By weighting each time step within a given time horizon, the context of the road situation is more human-like. A total 7D vectors of x, y distances and longitudinal relative speed of side front and rear vehicles, and longitudinal speed of ego vehicle were used as input. A total 5,614 expert data of 4,098 yield cases and 1,516 non-yield cases were used for training, and the performance of this network was tested through 1,817 data. Our network achieves 99.641% of test accuracy, which is about 4% higher than a network using only LSTM in an urban environment. Furthermore, it shows robust behavior to false-positive or true-negative objects.

• 한국멀티미디어학회논문지
• /
• 제21권2호
• /
• pp.166-172
• /
• 2018

The distraction of the driver's attention causes as much traffic accidents as drowsiness driving. Yet though there have been many studies on drowsiness driving, research on distraction driving is insufficient. In this paper, we divide distraction of attention into visual distraction and cognitive distraction and analyze the EEG of subjects while viewing images of distracting situations. The results show that more information is received and processed when distractions occur. It is confirmed that the probability of accident increases when the driver receives overwhelming amount of information that he or she cannot concentrate on driving.

• 한국ITS학회 논문지
• /
• 제19권5호
• /
• pp.178-188
• /
• 2020

본 논문에서는 split-attention 네트워크를 백본으로 특징을 추출하는 차선인식 CNN 네트워크를 제안한다. split-attention은 CNN의 특징 추출 과정에서 feature map의 각 channel에 가중치를 부여하는 방법으로, 빠르게 변화하는 자동차의 주행 환경에서 안정적으로 이미지의 특징을 추출할 수 있다. Tusimple 데이터 셋을 활용하여 본 논문에서 제안하는 네트워크를 학습·평가하였으며, 백본 네트워크의 레이어 수에 따른 성능 변화를 비교·분석 하였다. 평가 결과 최대 96.26%의 정확도로 최신 연구에 준하는 결과를 얻었으며, FP의 경우 0.0234(2.34%)로 비교 연구 중 가장 좋은 결과를 보여준다. 따라서, 실제 차량의 주행 환경 등에서도 본 연구에서 제안하는 모델을 사용하여 오인식 없이 안정적인 차선 인식이 가능하다.