KR20190095199A - 졸음 운전을 방지하기 위한 방법, 시스템 및 차량 - Google Patents

졸음 운전을 방지하기 위한 방법, 시스템 및 차량 Download PDF

Info

Publication number
KR20190095199A
KR20190095199A KR1020190091060A KR20190091060A KR20190095199A KR 20190095199 A KR20190095199 A KR 20190095199A KR 1020190091060 A KR1020190091060 A KR 1020190091060A KR 20190091060 A KR20190091060 A KR 20190091060A KR 20190095199 A KR20190095199 A KR 20190095199A
Authority
KR
South Korea
Prior art keywords
driver
stimulus
level
arousal
control device
Prior art date
Application number
KR1020190091060A
Other languages
English (en)
Other versions
KR102218526B1 (ko
Inventor
윤희남
김태환
홍승범
김범오
Original Assignee
엘지전자 주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 엘지전자 주식회사 filed Critical 엘지전자 주식회사
Priority to KR1020190091060A priority Critical patent/KR102218526B1/ko
Publication of KR20190095199A publication Critical patent/KR20190095199A/ko
Priority to US16/543,030 priority patent/US20190366844A1/en
Application granted granted Critical
Publication of KR102218526B1 publication Critical patent/KR102218526B1/ko

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60K—ARRANGEMENT OR MOUNTING OF PROPULSION UNITS OR OF TRANSMISSIONS IN VEHICLES; ARRANGEMENT OR MOUNTING OF PLURAL DIVERSE PRIME-MOVERS IN VEHICLES; AUXILIARY DRIVES FOR VEHICLES; INSTRUMENTATION OR DASHBOARDS FOR VEHICLES; ARRANGEMENTS IN CONNECTION WITH COOLING, AIR INTAKE, GAS EXHAUST OR FUEL SUPPLY OF PROPULSION UNITS IN VEHICLES
    • B60K28/00—Safety devices for propulsion-unit control, specially adapted for, or arranged in, vehicles, e.g. preventing fuel supply or ignition in the event of potentially dangerous conditions
    • B60K28/02—Safety devices for propulsion-unit control, specially adapted for, or arranged in, vehicles, e.g. preventing fuel supply or ignition in the event of potentially dangerous conditions responsive to conditions relating to the driver
    • B60K28/06—Safety devices for propulsion-unit control, specially adapted for, or arranged in, vehicles, e.g. preventing fuel supply or ignition in the event of potentially dangerous conditions responsive to conditions relating to the driver responsive to incapacity of driver
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/08—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to drivers or passengers
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60K—ARRANGEMENT OR MOUNTING OF PROPULSION UNITS OR OF TRANSMISSIONS IN VEHICLES; ARRANGEMENT OR MOUNTING OF PLURAL DIVERSE PRIME-MOVERS IN VEHICLES; AUXILIARY DRIVES FOR VEHICLES; INSTRUMENTATION OR DASHBOARDS FOR VEHICLES; ARRANGEMENTS IN CONNECTION WITH COOLING, AIR INTAKE, GAS EXHAUST OR FUEL SUPPLY OF PROPULSION UNITS IN VEHICLES
    • B60K28/00—Safety devices for propulsion-unit control, specially adapted for, or arranged in, vehicles, e.g. preventing fuel supply or ignition in the event of potentially dangerous conditions
    • B60K28/02—Safety devices for propulsion-unit control, specially adapted for, or arranged in, vehicles, e.g. preventing fuel supply or ignition in the event of potentially dangerous conditions responsive to conditions relating to the driver
    • B60K28/06—Safety devices for propulsion-unit control, specially adapted for, or arranged in, vehicles, e.g. preventing fuel supply or ignition in the event of potentially dangerous conditions responsive to conditions relating to the driver responsive to incapacity of driver
    • B60K28/066—Safety devices for propulsion-unit control, specially adapted for, or arranged in, vehicles, e.g. preventing fuel supply or ignition in the event of potentially dangerous conditions responsive to conditions relating to the driver responsive to incapacity of driver actuating a signalling device
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
    • A61B5/162—Testing reaction times
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
    • A61B5/18—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state for vehicle drivers or machine operators
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6887—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient mounted on external non-worn devices, e.g. non-medical devices
    • A61B5/6893—Cars
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W10/00—Conjoint control of vehicle sub-units of different type or different function
    • B60W10/04—Conjoint control of vehicle sub-units of different type or different function including control of propulsion units
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W10/00—Conjoint control of vehicle sub-units of different type or different function
    • B60W10/20—Conjoint control of vehicle sub-units of different type or different function including control of steering systems
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/14—Adaptive cruise control
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/08—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to drivers or passengers
    • B60W40/09—Driving style or behaviour
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/08—Interaction between the driver and the control system
    • B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/08—Interaction between the driver and the control system
    • B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
    • B60W50/16—Tactile feedback to the driver, e.g. vibration or force feedback to the driver on the steering wheel or the accelerator pedal
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
    • A61B5/14542—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring blood gases
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/7405—Details of notification to user or communication with user or patient ; user input means using sound
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60T—VEHICLE BRAKE CONTROL SYSTEMS OR PARTS THEREOF; BRAKE CONTROL SYSTEMS OR PARTS THEREOF, IN GENERAL; ARRANGEMENT OF BRAKING ELEMENTS ON VEHICLES IN GENERAL; PORTABLE DEVICES FOR PREVENTING UNWANTED MOVEMENT OF VEHICLES; VEHICLE MODIFICATIONS TO FACILITATE COOLING OF BRAKES
    • B60T2220/00—Monitoring, detecting driver behaviour; Signalling thereof; Counteracting thereof
    • B60T2220/02—Driver type; Driving style; Driver adaptive features
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/08—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to drivers or passengers
    • B60W2040/0809—Driver authorisation; Driver identity check
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/08—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to drivers or passengers
    • B60W2040/0818—Inactivity or incapacity of driver
    • B60W2040/0827—Inactivity or incapacity of driver due to sleepiness
    • B60W2540/02—
    • B60W2540/04—
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2540/00—Input parameters relating to occupants
    • B60W2540/043—Identity of occupants
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2540/00—Input parameters relating to occupants
    • B60W2540/21—Voice
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2540/00—Input parameters relating to occupants
    • B60W2540/215—Selection or confirmation of options
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2540/00—Input parameters relating to occupants
    • B60W2540/22—Psychological state; Stress level or workload
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2540/00—Input parameters relating to occupants
    • B60W2540/26—Incapacity

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Public Health (AREA)
  • Animal Behavior & Ethology (AREA)
  • Surgery (AREA)
  • Medical Informatics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Pathology (AREA)
  • Veterinary Medicine (AREA)
  • Mathematical Physics (AREA)
  • Human Computer Interaction (AREA)
  • Hospice & Palliative Care (AREA)
  • Social Psychology (AREA)
  • Child & Adolescent Psychology (AREA)
  • Developmental Disabilities (AREA)
  • Educational Technology (AREA)
  • Theoretical Computer Science (AREA)
  • Psychiatry (AREA)
  • Psychology (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Traffic Control Systems (AREA)

Abstract

운전자의 각성도의 정도를 고려하여, 졸음 운전을 방지하기 위한 방법이 개시된다. 본 발명의 일 실시예에 따른 졸음 운전을 방지하기 위한 방법은, 차량에 구비된 적어도 하나의 모니터링 유닛으로부터의 모니터링 정보에 기초하여, 운전자의 각성 레벨을 결정하는 단계; 결정된 각성 레벨에 기초하여, 복수의 자극 유닛 중 적어도 하나에 대응하는 자극을 결정하는 단계; 및 자극에 대응하는 적어도 하나의 자극 유닛을 동작시키는 단계를 포함한다. 운전자에게 전달될 자극은, 운전자의 신원 및 상태에 따라 운전자의 각성도를 향상시키기에 적합한 자극을 출력하도록 훈련된 인공신경망을 이용하여, 머신 러닝 또는 딥 러닝 방식으로 결정된다. 본 발명에 의하면, 운전자의 신원 및 운전자의 상태에 따른 최적의 자극을 운전자에게 전달할 수 있어, 졸음 운전 방지 효과를 향상시킬 수 있다.

Description

졸음 운전을 방지하기 위한 방법, 시스템 및 차량{METHOD, SYSTEM, AND VEHICLE FOR PREVENTING DROWSY DRIVING}
본 발명은 차량에 관한 것으로, 보다 상세하게는, 졸음 운전을 방지하기 위한 차량 내의 시스템 및 이의 제어 방법에 관한 것이다.
졸음 운전에 의한 자동차 사고는, 일반적으로 브레이크 동작이 수반되지 않거나 또는 뒤늦게 브레이크 동작이 이루어진다는 점에서, 대형 사고로 이어질 가능성이 높다. 이러한 이유로 졸음 운전의 위험성은 음주 운전의 위험성보다 작지 않다는 연구 결과가 있다. 자동차 제조 분야에서는 졸음 운전을 감지하고 이를 방지하고자 하는 노력이 진행되어 왔다.
대한민국 공개특허공보 제10-2014-0007444호(특허문헌 1)는 운전자가 졸고 있는지를 판정하고, 운전자가 졸고 있을 때 하나 이상의 차량 시스템의 제어를 수정하는 방법을 개시하고 있다.
대한민국 공개특허공보 제10-2019-0042259호(특허문헌 2)는 운전자 및 차량의 상태를 감지하고, 차량의 주행에 영향을 주는 요인들의 개수가 미리 설정된 기준을 초과하는 경우 운전자에게 인지 부하를 제공하는 방법을 개시하고 있다.
특허문헌 1과 특허문헌 2는 졸음 운전을 방지하기 위해 운전자에게 청각적 또는 촉각적 자극을 제공하는 것을 개시하고는 있으나, 복수의 자극 중에서 운전자에게 제공하기 위한 자극을 선택하는 알고리즘을 개시하고 있지 않다. 특허문헌 1과 특허문헌 2에서 임의로 선택된 자극이 운전자의 각성도를 향상시키기에 효과적인지 여부는 불분명하다.
본 발명의 발명자는, 상이한 운전자들에게 동일한 자극이 인가된다고 하더라도, 자극에 대한 각성 효과는 운전자마다 상이하다는 것을 발견하였다.
또한, 본 발명의 발명자는 동일한 운전자에게 동일한 자극이 인가된다고 하더라도, 자극에 대한 각성 효과는 운전자의 각성 레벨에 따라 상이하다는 것을 발견하였다.
본 발명의 일 과제는, 운전자에 특정적으로 운전자의 각성도를 향상시키기에 효과적인 자극을 제공하기 위한 것이다.
본 발명의 다른 과제는, 운전자의 상태에 따라 운전자의 각성도를 향상시키기에 효과적인 자극을 제공하기 위한 것이다.
본 발명의 또 다른 과제는, 자극의 전달에 따른 운전자의 각성도의 향상 성과를 학습함으로써, 최적의 자극을 결정할 수 있도록 졸음 운전 방지 시스템을 진화시키기 위한 것이다.
본 발명의 목적은 이상에서 언급한 과제에 한정되지 않으며, 언급되지 않은 본 발명의 다른 목적 및 장점들은 하기의 설명에 의해서 이해될 수 있고, 본 발명의 실시예에 의해 보다 분명하게 이해될 것이다. 또한, 본 발명의 목적 및 장점들은 특허 청구범위에 나타낸 수단 및 그 조합에 의해 실현될 수 있음을 알 수 있을 것이다.
본 발명의 실시예에 따른 졸음 운전을 방지하기 위한 방법 및 차량은, 운전자의 상태를 모니터링하여 운전자의 각성 레벨을 결정하고, 결정된 각성 레벨에 기초하여 운전자에게 전달할 자극을 선택하고, 운전자에게 자극을 전달한다.
본 발명의 제1 양상에 따른 졸음 운전을 방지하기 위한 방법은, 차량에 구비된 적어도 하나의 모니터링 유닛으로부터의 모니터링 정보에 기초하여, 운전자의 제1 각성 레벨을 결정하는 단계와, 결정된 제1 각성 레벨에 기초하여, 복수의 이용 가능한 자극 유닛 중 적어도 하나에 대응하는 제1 자극을 결정하는 단계와, 제1 자극에 대응하는 적어도 하나의 자극 유닛을 동작시키는 단계를 포함한다.
본 발명의 제2 양상에 따른 차량은, 운전자의 상태를 모니터링하기 위한 적어도 하나의 모니터링 유닛, 운전자에게 자극을 전달하기 위한 복수의 자극 유닛, 및 제어 디바이스를 포함하고, 이때 제어 디바이스는, 적어도 하나의 모니터링 유닛으로부터의 모니터링 정보에 기초하여 운전자의 제1 각성 레벨을 결정하고, 결정된 제1 각성 레벨에 기초하여, 복수의 자극 유닛 중 적어도 하나에 대응하는 제1 자극을 결정하고, 그리고 제1 자극에 대응하는 제1 자극 유닛을 동작시키는 제어 신호를 출력하도록 구성된다.
일 실시예에서, 제1 자극은 식별된 운전자의 신원 및 제1 각성 레벨에 기초하여 결정될 수 있다.
추가 실시예에서, 자극 전달 후의 운전자의 각성 레벨의 변화량이 제1 임계값 이하인 경우, 제1 자극과 다른 종류의 제2 자극이 운전자에게 전달될 수 있다. 이에 의해, 성과가 부족한 자극을 배제할 수 있다.
추가 실시예에서, 자극 전달 후의 운전자의 각성 레벨의 변화량이 제1 임계값을 초과하지만 제2 임계값 이하인 경우, 세부 속성이 변경된 제1 자극이 운전자에게 전달될 수 있다. 이에 의해, 이미 긍정적인 성과를 나타낸 자극의 효과를 보다 향상시킬 수 있다.
추가 실시예에서, 상호작용형 대화가 제1 자극으로서 결정될 수 있고, 자극 후의 각성 레벨의 변화량이 제1 임계값을 초과하지만 제2 임계값 이하인 경우, 상호작용형 대화의 주제가 변경될 수 있다.
추가 실시예에서, 제1 자극은, 운전자의 제1 각성 레벨을 입력 데이터로 갖는 인공 신경망으로부터의 출력 데이터에 기초하여 결정될 수 있고, 인공 신경망은 자극 전달 후의 운전자의 각성 레벨 또는 각성 레벨의 변화량에 의해 학습될 수 있다. 이에 의해, 운전자의 신원 및 상태에 따라 최적인 자극을 출력하도록 차량의 시스템이 진화할 수 있다.
본 발명에 의하면, 운전자의 신원 및 각성 레벨에 기초하여 운전자에게 전달될 자극을 결정하기 때문에, 운전자에 특정적으로 그리고 운전자의 상태에 따라 졸음 운전을 방지하기에 효과적인 자극을 제공할 수 있다.
또한, 본 발명에 의하면, 자극 전달 후의 운전자의 각성 레벨의 변화량에 의해 자극의 종류나 세부 속성을 변화시키기 때문에, 긍정적인 성과가 부족한 자극을 배제하거나, 이미 긍정적인 성과를 나타낸 자극의 효과를 보다 향상시킬 수 있다.
또한, 본 발명에 의하면, 운전자에게 전달될 자극을 인공 신경망을 이용하여 운전자에게 전달될 자극을 결정하고, 그러한 자극에 의한 성과를 학습 데이터로 하여 인공 신경망을 학습시킴으로써, 운전자의 신원 및 상태에 따라 최적인 자극을 출력하도록 차량의 시스템이 진화할 수 있다.
도 1은 본 발명의 일 실시예에 따른 차량의 내부 환경의 예시도이다.
도 2는 본 발명의 일 실시예에 따른 졸음 운전을 방지하기 위한 차량 내 시스템(in-car system)을 개략적으로 도시하는 블록도이다.
도 3은 본 발명의 일 실시예에 따른 운전자의 각성도를 향상시키는 예시적인 방법을 나타내는 흐름도이다.
도 4a 내지 4c는 자극의 인가 후 시간에 따른 운전자의 각성도의 변화를 나타내는 예시적인 그래프들을 도시한다.
도 5는 본 발명의 다른 실시예에 따른 운전자의 각성도를 향상시키는 예시적인 방법을 나타내는 흐름도이다.
도 6은 본 발명의 일 실시예에 따라 운전자의 각성도를 향상시키는 예시적인 시나리오를 나타내는 도면이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 설명되는 실시 예들을 참조하면 명확해질 것이다. 그러나 본 발명은 아래에서 제시되는 실시 예들로 한정되는 것이 아니라, 서로 다른 다양한 형태로 구현될 수 있고, 본 발명의 사상 및 기술 범위에 포함되는 모든 변환, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 아래에 제시되는 실시 예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이다. 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
본 출원에서 사용한 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다. 제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 구성요소들은 용어들에 의해 한정되어서는 안 된다. 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
이하, 본 발명에 따른 실시예들을 첨부된 도면을 참조하여 상세히 설명하기로 하며, 첨부 도면을 참조하여 설명함에 있어, 동일하거나 대응하는 구성 요소는 동일한 도면번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다.
도 1은 본 발명의 일 실시예에 따른 차량의 내부 환경의 예시도이다.
도 1을 참조하면, 운전석의 전방에는 스티어링 휠(steering wheel)(10), 계기판(instrument panel)(20), 공조기(30), 디스플레이 화면(40), 스피커(50), 실내등(60), 음향 센서(70), 및 영상 센서(80) 등이 배치될 수 있다.
스티어링 휠(10)은 차량의 구성들을 설정할 수 있는 제어 버튼들(11)을 포함할 수 있다. 예를 들어, 제어 버튼들(11)은, 계기판(20) 또는 디스플레이 화면(40)의 디스플레이를 제어하거나, 또는 스피커(50)의 볼륨을 제어하도록 사용될 수 있다. 또한, 제어 버튼들(11)은 속도 제어(크루즈 제어)를 설정하거나, 메모리에 저장된 복수의 운전자 프로파일 중에서 하나를 선택하도록 사용될 수 있다.
또한, 스티어링 휠(10)은 운전자의 생체측정 정보를 검출하기 위한 생체측정 센서(13)를 포함할 수 있다. 생체측정 센서(13)는, 예를 들어, 운전자의 엄지손가락 또는 검지손가락이 놓이는 곳에 위치한 심박수 및/또는 산소 포화도 센서일 수 있다.
또한, 스티어링 휠(10)은 진동으로서 운전자에게 자극을 전달할 수 있는 진동 유닛(15)을 포함할 수 있다. 진동 유닛(15)은, 예를 들어, 운전자의 손바닥이 놓이는 곳에 위치할 수 있다.
계기판(20)은, 예를 들어, 차량의 주행 속도, 엔진의 분당 회전수(RPM), 및 연료량을 표시하는 게이지(gauge)를 포함할 수 있다.
공조기(30)는, 사용자에 의해 또는 제어 디바이스에 의해 설정된 팬 스피드(fan speed) 및 온도로 공기의 흐름을 제공할 수 있다. 예를 들어, 공조기(30)는, 설정된 온도로 가열된 또는 냉각된 공기를 설정된 팬 스피드로 배출할 수 있다.
디스플레이 화면(40)은 계기판(20)에서 제공하는 정보 이외의 다양한 부가적인 정보(예컨대, 내비게이션 정보)를 운전자에게 제공할 수 있는 임의의 형태의 장치일 수 있고, 예를 들어, 헤드-업 디스플레이(HUD)일 수 있다.
스피커(50)는 전기 신호를 소리로 변환하여 출력할 수 있다. 예를 들어, 스피커(50)는 라디오 수신기, CD 플레이어, MP3 플레이어 등으로부터의 음악을 출력하거나, 내비게이션으로부터의 음성 안내를 출력하거나, 또는 차량의 제어 디바이스로부터의 제어 신호에 따라 음악, 음성, 또는 경고음을 출력할 수 있다.
실내등(60)은 사용자의 수동 설정에 따라, 도어의 개폐 상태에 따라, 또는 제어 디바이스로부터의 제어 신호에 따라 차량의 실내 환경을 조명하거나 또는 운전자에게 지향되는 광을 방출한다.
음향 센서(70)는 실내의 소리, 특히 운전자의 음성을 획득하도록 구성되며, 예를 들어 마이크로폰일 수 있다. 음향 센서(70)는 운전자의 음성을 획득하기에 적합한 임의의 장소에 장착될 수 있다. 예를 들어, 음향 센서(70)는 차량의 실내 천장에 장착되거나, 실내등(60) 모듈에 통합될 수 있다.
영상 센서(80)는 실내의 영상, 특히 운전자의 영상을 획득하도록 구성되며, 예를 들어 카메라일 수 있다. 영상 센서(80)는 운전자의 영상을 획득하기에 적합한 임의의 장소에 장착될 수 있다. 예를 들어, 영상 센서(80)는 차량의 실내 천장에 장착되거나, 룸미러에 장착되거나, 또는 계기판(20)에 장착될 수 있다. 영상 센서(80)로부터 획득되는 운전자의 안면의 영상은, 운전자의 신원을 식별하거나 또는 운전자의 안구의 움직임(특히, 눈의 깜박임)을 검출하거나, 또는 운전자의 안면의 각도를 검출하도록 사용될 수 있다.
스티어링 휠(10)의 아래에는 브레이크 페달 및 가속 페달(90)이 배치되고, 브레이크 페달 및 가속 페달(90)에는 각각 센서가 부착될 수 있다. 브레이크 페달 센서 또는 가속 페달 센서는, 운전자가 브레이크 페달 또는 가속 페달(90)을 밟을 때, 브레이크 페달 또는 가속 페달(90)의 변위 및/또는 각도를 검출한다.
운전석 시트(100)는 헤드레스트(110) 및 마사지 패드(120)를 포함할 수 있다. 헤드레스트(110)는 운전자의 머리가 기대지는 곳에 위치한 헤드레스트 센서(115)를 포함할 수 있다. 헤드레스트 센서(115)는, 운전자의 머리에 의해 헤드레스트(110)에 가해지는 압력을 검출하기 위한 압력 센서, 또는 운전자의 머리와 헤드레스트(110) 사이의 거리를 검출하기 위한 근접 센서를 포함할 수 있다.
마사지 패드(120)는 운전석 시트(100) 내에 매장되어 운전자의 등에 압력(지압) 및/또는 진동을 인가하는 복수의 액추에이터(125)를 포함할 수 있다. 마사지 패드(120)는 사용자로부터의 제어 입력에 의해 또는 제어 디바이스로부터의 제어 신호에 의해 복수의 액추에이터(125)를 동작시킬 수 있다.
운전석의 도어에는 외부의 공기가 차량 내로 유입되도록 하기 위한 창문(130)이 설치되어 있고, 창문(130)은 사용자의 수동 제어에 의해 또는 제어 디바이스의 제어 신호에 따라 개폐될 수 있다.
단순화를 위해 도 1에 도시되지 않았지만, 차량의 내부 환경에는 차량의 주행 또는 운전자의 편의를 위해 요구되는 다양한 디바이스들이 추가로 배치될 수 있다.
도 2는 본 발명의 일 실시예에 따른 졸음 운전을 방지하기 위한 차량 내 시스템(in-car system)을 개략적으로 도시하는 블록도이다.
도 2를 참조하면, 차량 내 시스템은, 복수의 모니터링 유닛(210), 복수의 자극 유닛(220), 자율 주행 제어 유닛(230), 및 제어 디바이스(240)를 포함할 수 있다.
일 실시예에서, 모니터링 유닛들(210), 자극 유닛들(220), 자율 주행 제어 유닛(230), 및 제어 디바이스(240)는, 예를 들어 차량 내 통신 버스(250)를 통해, 전기적으로 통신 가능하게 연결되어 있을 수 있다. 다른 실시예에서, 모니터링 유닛들(210), 자극 유닛들(220), 자율 주행 제어 유닛(230), 및 제어 디바이스(240)는 무선 통신 기술을 통해 통신 가능하게 연결되어 있을 수도 있다. 무선 통신 기술은, 예를 들어, 5세대(5G) 셀룰러 네트워크, 블루투스, 적외선 데이터 협회(IrDA), 사물 인터넷(IoT), 로컬 영역 네트워크(LAN), 저전력 네트워크(LPN), 저전력 광역 네트워크(LPWAN), 개인 영역 네트워크(PAN), 무선 주파수 식별(RFID), 초광대역(UWB), Wi-Fi(wireless fidelity), 무선 LAN, 또는 ZigBee 통신 기술들 중 하나 이상을 포함할 수 있으나, 이에 한정되는 것은 아니다.
단순화를 위해 도 2에 도시되지 않았지만, 차량 내 시스템은 차량의 동작을 위해 요구되는 다양한 디바이스들, 예를 들어, 엔진 제어 유닛, 변속기 제어 유닛, 제동 제어 유닛, 및 배터리 제어 유닛 등을 더 포함할 수 있다.
모니터링 유닛(210)은 운전자의 상태를 모니터링하기 위한 임의의 디바이스를 포함한다. 예를 들어, 모니터링 유닛(210)은 도 1에 예시된 스티어링 휠(10)의 생체측정 센서(13), 영상 센서(80), 브레이크 페달 센서, 가속 페달 센서, 및 헤드레스트 센서(115) 중 적어도 하나를 포함할 수 있다. 그러나, 모니터링 유닛(210)은 상술한 예들로 한정되지 않으며, 운전자의 상태를 모니터링할 수 있는 임의의 디바이스가 모니터링 유닛(210)으로서 이용될 수 있다.
모니터링 유닛(210)은 획득 또는 검출한 정보를 제어 디바이스(240)로 전송한다. 모니터링 유닛(210)으로부터의 정보는 운전자의 각성도 또는 졸음의 레벨을 결정하기 위해 사용될 수 있다. 예를 들어, 생체측정 센서(13)에 의해 검출된 운전자의 심박수 및/또는 산소 포화도, 영상 센서(80)에 의해 획득된 운전자의 안구의 움직임 또는 운전자의 안면의 각도, 브레이크 페달 센서 또는 가속 페달 센서에 의해 검출된 비정상적인 페달의 움직임, 또는 헤드레스트 센서(115)를 통해 검출된 운전자의 머리의 끄덕임 중 하나 또는 이들의 결합은 운전자의 각성도 또는 졸음의 레벨을 결정하기 위한 인자로서 사용될 수 있다.
자극 유닛(220)은 운전자에게 임의의 종류의 자극(예컨대, 시각적 자극, 청각적 자극, 촉각적 자극 등)을 전달하기 위한 임의의 디바이스를 포함한다. 예를 들어, 자극 유닛(220)은 도 1에 예시된 스티어링 휠(10)의 진동 유닛(15), 공조기(30), 디스플레이 화면(40), 스피커(50), 실내등(60), 운전석 시트(100)의 마사지 패드(120) 및 창문(130) 중 적어도 하나를 포함할 수 있다. 그러나, 자극 유닛(220)은 상술한 예들로 한정되지 않으며, 운전자에게 자극을 전달할 수 있는 임의의 디바이스가 자극 유닛(220)으로서 이용될 수 있다.
자극 유닛(220)은, 운전자의 각성도를 향상시키기 위하여, 제어 디바이스(240)로부터의 제어 신호에 따라 운전자에게 자극을 전달하도록 동작할 수 있다. 예를 들어, 진동 유닛(15)은 제어 디바이스(240)로부터의 제어 신호에 따라 운전자의 손에 진동을 인가함으로써, 운전자의 각성도를 증가시킬 수 있다. 시트(100)의 마사지 패드(120)는 제어 디바이스(240)로부터의 제어 신호에 따라 운전자의 등에 진동 또는 압력을 인가함으로써, 운전자의 각성도를 증가시킬 수 있다. 공조기(30)는 제어 디바이스(240)로부터의 제어 신호에 따라 냉각된 공기 또는 가열된 공기를 운전자에게 송풍함으로써 운전자에게 활력을 줄 수 있다. 창문(130)은 제어 디바이스(240)로부터의 제어 신호에 따라 외부 공기가 유입되도록 개방됨으로써 운전자에게 활력을 줄 수 있다. 스피커(50)는 제어 디바이스(240)로부터의 제어 신호에 따라 음악, 음성, 또는 경고음을 출력함으로써 운전자에게 청각적 자극을 전달할 수 있다. 디스플레이 화면(40) 또는 실내등(60)은, 제어 디바이스(240)로부터의 제어 신호에 따라 운전자의 주의를 끌게 하는 깜빡이는 화면 또는 적색 광을 출력함으로써, 운전자에게 시각적 자극을 전달할 수 있다.
모니터링 유닛(210) 및 자극 유닛(220)이 도 1과 관련하여 예시되었으나, 모니터링 유닛(210) 또는 자극 유닛(220)은 상술한 예들로 한정되지 않으며, 자동차 제조 분야의 당업자에게 알려진 임의의 모니터링 유닛 또는 자극 유닛이 사용될 수 있다.
자율 주행 제어 유닛(230)은 다수의 자율 주행을 위한 센서들(예를 들어, 레이저 스캐너, 초음파 센서, 360도 카메라, 전방 카메라, 단거리 레이더, 중거리 레이더, 장거리 레이더 등)을 이용하여 다수의 차량 제어를 위한 유닛들(예를 들어, 엔진 제어 유닛, 변속 제어 유닛, 제동 제어 유닛, 조향 제어 유닛, 등)을 제어하도록 구성된다. 자율 주행 제어 유닛(230)은 자동차 제조 분야의 당업자에게 알려진 임의의 구성을 가질 수 있다.
자율 주행 제어 유닛(230)은, 운전자의 요청에 따라 또는 제어 디바이스(240)의 요청에 따라, 미국 자동차공학회(Society of Automotive Engineering; SAE)에 의해 규정된 SAE 레벨들 중 하나의 레벨로 차량을 제어할 수 있다. SAE 레벨은, 비자동화(레벨 0), 운전자 보조(레벨 1), 부분 자율 주행(레벨 2), 조건부 자율 주행(레벨 3), 고도 자율 주행(레벨 4), 및 완전 자율 주행(레벨 5)을 포함한다.
즉, 자율 주행 제어 유닛(230)은, 운전자에 의한 차량의 속도 또는 조향 제어를 보조하거나(어댑티브 크루즈 또는 차선 유지 보조), 운전자의 제어 없이 차량의 속도 또는 조향을 직접 제어하거나(오토파일럿 또는 자동 주차), 또는 운전자의 제어와 무관하게 차량의 제동 또는 조향을 제어할 수 있다(자동 비상 제동 또는 비상 조향).
제어 디바이스(240)는, 프로세서(241), 메모리(242), 상호작용형 음성 응답(Interactive Voice Response; IVR) 엔진(243), 운전자 식별 엔진(245), 각성 레벨 결정 엔진(247), 및 각성도-자극 학습 엔진(249)을 포함할 수 있다. 제어 디바이스(240)는 차량 내 전자 제어 유닛에 통합될 수도 있고, 전자 제어 유닛과 별개로 존재할 수 있다.
프로세서(241)는, 예를 들어 메모리(242)에 저장된 프로그램에 포함된 코드들 또는 명령어들로 표현된 기능들을 수행하기 위해 구조화된 회로를 갖는, 하드웨어로 구현된 임의의 형태의 데이터 처리 디바이스일 수 있다. 프로세서(241)는, 예를 들어, 마이크로프로세서, 중앙처리장치(Central Processing Unit; CPU), 프로세서 코어, 멀티프로세서, 주문형 집적회로(Application-Specific Integrated Circuit; ASIC), 또는 필드 프로그래머블 게이트 어레이(Field Programmable Gate Array; FPGA) 중 하나 이상을 포함할 수 있으나, 이에 한정되는 것은 아니다. 프로세서(241)는 메모리(242)에 저장된 프로그램에 따라 제어 디바이스(240)의 동작들을 수행한다. 이하, 명시적으로 표시되지 않은 제어 디바이스(240)의 동작들은 프로세서(241)에 의해 수행되는 것으로 이해될 것이다.
메모리(242)는 프로세서(241)에 의해 실행되기 위한 컴퓨터 프로그램을 저장하는 유형의(tangible) 컴퓨터로 판독가능한 매체일 수 있다. 메모리(242)는 또한 복수의 운전자 신원에 관한 정보를 저장하고 있을 수 있다. 메모리(242)는, 예를 들어, 하드 디스크, 플로피 디스크, 또는 자기 테이프와 같은 자기 매체, CD-ROM 또는 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium), 또는 RAM, ROM, 플래시 메모리 등과 같은 고체-상태 반도체 디바이스 중 하나 이상을 포함할 수 있으나, 이에 한정되는 것은 아니다. 또한, 메모리(242)는 휘발성 메모리 및 비-휘발성 메모리 중 하나 이상을 포함할 수 있다.
IVR 엔진(243)은, 딥 러닝(deep learning) 기술을 이용하여, 음향 센서(70)로부터의 음성의 의미를 분석하고 분석된 의미와 관련된 신호 또는 자연어(natural language)를 출력하도록 훈련된 인공 신경망(Artificial Neural Network; ANN)을 포함할 수 있다. 다른 실시예에서, IVR 엔진(243)은 원격에 위치된 이러한 인공 신경망과 통신할 수 있다. IVR 엔진(243)은 운전자의 음성 명령을 분석하여 제어 디바이스(240)로 하여금 음성 명령에 대해 응답하는 동작을 수행하게 하거나, 운전자의 음성 질문에 대한 답변을 출력하거나, 또는 운전자에게 질문하여 운전자의 답변을 유도할 수 있다.
운전자 식별 엔진(245)은, 딥 러닝 기술을 이용하여, 영상 센서(80)로부터의 영상 정보를 분석하고 운전자의 신원을 식별하도록 훈련된 인공 신경망을 포함할 수 있다. 예를 들어, 운전자 식별 엔진(245)은 영상 센서(80)로부터의 영상에 출현하는 인물이 메모리(242)에 저장된 기존의 운전자 A 또는 기존의 운전자 B일 가능성, 또는 메모리(242)에 저장되지 않은 제3자일 가능성을 각각 구하도록 훈련되어 있을 수 있다.
각성 레벨 결정 엔진(247)은, 딥 러닝 기술을 이용하여, 하나 이상의 모니터링 유닛(210)으로부터의 정보를 분석하고 운전자의 각성 레벨을 결정하도록 훈련된 인공 신경망을 포함하거나 이와 통신할 수 있다. 예를 들어, 각성 레벨 결정 엔진(247)은, 생체측정 센서(13)에 의해 검출된 운전자의 심박수 및/또는 산소 포화도 정보, 영상 센서(80)에 의해 획득된 운전자의 영상(특히, 안면의 영상 및 안구의 영상), 브레이크 페달 또는 가속 페달(90)의 변위 또는 각도, 또는 헤드레스트 센서(115)를 통해 검출된 운전자의 머리와 헤드레스트(110) 사이의 거리 정보 중 하나 이상을 입력 데이터로 하여, 운전자의 각성 레벨을 결정하도록 훈련되어 있을 수 있다.
각성도-자극 학습 엔진(249)은, 예를 들어 강화 학습을 이용하여, 복수의 이용 가능한 자극 중에서 운전자의 신원 및 각성 레벨에 따라 운전자의 각성도를 향상시키기에 적합한 자극을 식별하도록 훈련된 인공 신경망을 포함할 수 있다. 일 실시예에서, 각성도-자극 학습 엔진(249)은, 운전자의 신원 및 각성 레벨에 따라, 이용 가능한 자극들 중 하나를 출력할 수 있다. 다른 실시예에서, 각성도-자극 학습 엔진(249)은, 자극들 각각에 스코어를 부여한 복수의 자극들의 목록을 출력할 수 있다.
IVR 엔진(243), 운전자 식별 엔진(245), 각성 레벨 결정 엔진(247), 및 각성도-자극 학습 엔진(249)은 각각 제공되는 입력에 대한 출력을 딥 러닝(deep learning) 기술을 이용하여 생성하도록 구성된 인공 신경망(Artificial Neural Network; ANN)을 포함하고, 하드웨어 모듈 및/또는 소프트웨어 모듈로서 구현될 수 있다.
인공 신경망은 생물학적 뉴런의 동작원리와 뉴런간의 연결 관계를 모델링한 것으로 노드 또는 처리 요소(processing element)라고 하는 다수의 뉴런들이 레이어(layer) 구조의 형태로 연결된 정보처리 시스템이다. 인공 신경망은 기계 학습에서 사용되는 모델로서, 기계 학습과 인지 과학에서 생물학의 신경망(동물의 중추신경계 중 특히 뇌)에서 영감을 얻은 통계학적 학습 알고리즘이다. 구체적으로 인공 신경망은 시냅스(synapse)의 결합으로 네트워크를 형성한 인공 뉴런(노드)이 학습을 통해 시냅스의 결합 세기를 변화시켜, 문제 해결 능력을 가지는 모델 전반을 의미할 수 있다. 인공신경망은 복수의 레이어(layer)를 포함할 수 있고, 레이어들 각각은 복수의 뉴런(neuron)을 포함할 수 있다. 또한 인공 신경망은 뉴런과 뉴런을 연결하는 시냅스를 포함할 수 있다.
인공 신경망은 일반적으로 다음의 세가지 인자, 즉 (1) 다른 레이어의 뉴런들 사이의 연결 패턴, (2) 연결의 가중치를 갱신하는 학습 과정, 및 (3) 이전 레이어로부터 수신되는 입력에 대한 가중 합으로부터 출력값을 생성하는 활성화 함수에 의해 정의될 수 있다.
인공 신경망은, 예를 들어, 컨볼루션 신경망(Convolution Neural Network; CNN), 순환 신경망(Recurrent Neural Network; RNN), 심층 신뢰 신경망(Deep Belief Network; DBN) 등의 심층신경망(Deep Neural Network; DNN)을 포함할 수 있으나, 이에 한정되는 것은 아니다.
인공신경망은 계층 수에 따라 단층 신경망(Single-Layer Neural Networks)과 다층 신경망(Multi-Layer Neural Networks)으로 구분된다. 일반적인 단층 신경망은, 입력층과 출력층으로 구성된다. 또한, 일반적인 다층 신경망은 입력층(Input Layer)과 하나 이상의 은닉층(Hidden Layer), 출력층(Output Layer)으로 구성된다.
입력층은 외부의 자료들을 받아들이는 층으로서, 입력층의 뉴런 수는 입력되는 변수의 수와 동일하며, 은닉층은 입력층과 출력층 사이에 위치하며 입력층으로부터 신호를 받아 특성을 추출하여 출력층으로 전달한다. 출력층은 은닉층으로부터 신호를 받고, 수신한 신호에 기반한 출력 값을 출력한다. 뉴런간의 입력신호는 각각의 연결 강도(가중치)와 곱해진 후 합산되며 이 합이 뉴런의 임계치보다 크면 뉴런이 활성화되어 활성화 함수를 통하여 획득한 출력값을 출력한다.
입력층과 출력 층 사이에 복수의 은닉층을 포함하는 심층 신경망은, 기계 학습 기술의 한 종류인 딥 러닝을 구현하는 대표적인 인공 신경망일 수 있다.
한편, 용어 '딥 러닝'은 용어 '심층 학습'과 혼용되어 사용될 수 있다.
인공 신경망은 훈련 데이터(training data)를 이용하여 학습(training)될 수 있다. 여기서 학습이란, 입력 데이터를 분류(classification)하거나 회귀분석(regression)하거나 군집화(clustering)하는 등의 목적을 달성하기 위하여, 학습 데이터를 이용하여 인공 신경망의 파라미터(parameter)를 결정하는 과정을 의미할 수 있다. 인공 신경망의 파라미터의 대표적인 예시로써, 시냅스에 부여되는 가중치(weight)나 뉴런에 적용되는 편향(bias)을 들 수 있다.
훈련 데이터에 의하여 학습된 인공 신경망은, 입력 데이터를 입력 데이터가 가지는 패턴에 따라 분류하거나 군집화 할 수 있다.
한편 훈련 데이터를 이용하여 학습된 인공 신경망을, 본 명세서에서는 학습 모델(a trained model)이라 명칭 할 수 있다.
다음은 인공 신경망의 학습 방식에 대하여 설명한다.
인공 신경망의 학습 방식은 크게, 지도 학습, 비 지도 학습, 준 지도 학습(Semi-Supervised Learning), 강화 학습(Reinforcement Learning)으로 분류될 수 있다.
지도 학습은 훈련 데이터로부터 하나의 함수를 유추해내기 위한 기계 학습의 한 방법이다.
그리고 이렇게 유추되는 함수 중, 연속 적인 값을 출력하는 것을 회귀분석(Regression)이라 하고, 입력 벡터의 클래스(class)를 예측하여 출력하는 것을 분류(Classification)라고 할 수 있다.
지도 학습에서는, 훈련 데이터에 대한 레이블(label)이 주어진 상태에서 인공 신경망을 학습시킨다.
여기서 레이블이란, 훈련 데이터가 인공 신경망에 입력되는 경우 인공 신경망이 추론해 내야 하는 정답(또는 결과 값)을 의미할 수 있다.
본 명세서에서는 훈련 데이터가 입력되는 경우 인공 신경망이 추론해 내야 하는 정답(또는 결과값)을 레이블 또는 레이블링 데이터(labeling data)이라 명칭 한다.
또한 본 명세서에서는, 인공 신경망의 학습을 위하여 훈련 데이터에 레이블을 설정하는 것을, 훈련 데이터에 레이블링 데이터를 레이블링(labeling) 한다고 명칭 한다.
이 경우 훈련 데이터와 훈련 데이터에 대응하는 레이블)은 하나의 트레이닝 셋(training set)을 구성하고, 인공 신경망에는 트레이닝 셋의 형태로 입력될 수 있다.
한편 훈련 데이터는 복수의 특징(feature)을 나타내고, 훈련 데이터에 레이블이 레이블링된다는 것은 훈련 데이터가 나타내는 특징에 레이블이 달린다는 것을 의미할 수 있다. 이 경우 훈련 데이터는 입력 객체의 특징을 벡터 형태로 나타낼 수 있다.
인공 신경망은 훈련 데이터와 레이블링 데이터를 이용하여, 훈련 데이터와 레이블링 데이터의 연관 관계에 대한 함수를 유추할 수 있다. 그리고, 인공 신경망에서 유추된 함수에 대한 평가를 통해 인공 신경망의 파라미터가 결정(최적화)될 수 있다.
비 지도 학습은 기계 학습의 일종으로, 훈련 데이터에 대한 레이블이 주어지지 않는다.
구체적으로, 비 지도 학습은, 훈련 데이터 및 훈련 데이터에 대응하는 레이블의 연관 관계 보다는, 훈련 데이터 자체에서 패턴을 찾아 분류하도록 인공 신경망을 학습시키는 학습 방법일 수 있다.
비 지도 학습의 예로는, 군집화 또는 독립 성분 분석(Independent Component Analysis)을 들 수 있다.
본 명세서에서 용어 '군집화'는 용어 '클러스터링'과 혼용되어 사용될 수 있다.
비지도 학습을 이용하는 인공 신경망의 일례로 생성적 적대 신경망(Generative Adversarial Network; GAN), 오토 인코더(Autoencoder; AE)를 들 수 있다.
생성적 적대 신경망이란, 생성기(generator)와 판별기(discriminator), 두 개의 서로 다른 인공지능이 경쟁하며 성능을 개선하는 머신 러닝 방법이다.
이 경우 생성기는 새로운 데이터를 창조하는 모형으로, 원본 데이터를 기반으로 새로운 데이터를 생성할 수 있다.
또한 판별기는 데이터의 패턴을 인식하는 모형으로, 입력된 데이터가 원본 데이터인지 또는 생성기에서 생성한 새로운 데이터인지 여부를 감별하는 역할을 수행할 수 있다.
그리고 생성기는 판별기를 속이지 못한 데이터를 입력 받아 학습하며, 판별기는 생성기로부터 속은 데이터를 입력 받아 학습할 수 있다. 이에 따라 생성기는 판별기를 최대한 잘 속이도록 진화할 수 있고, 판별기는 원본 데이터와 생성기에 의해 생성된 데이터를 잘 구분하도록 진화할 수 있다.
오토 인코더는 입력 자체를 출력으로 재현하는 것을 목표로 하는 신경망이다.
오토 인코더는 입력층, 적어도 하나의 은닉층 및 출력층을 포함한다.
이 경우 은닉 계층의 노드 수가 입력 계층의 노드 수보다 적으므로 데이터의 차원이 줄어들게 되며, 이에 따라 압축 또는 인코딩이 수행되게 된다.
또한 은닉 계층에서 출력한 데이터는 출력 계층으로 들어간다. 이 경우 출력 계층의 노드 수는 은닉 계층의 노드 수보다 많으므로, 데이터의 차원이 늘어나게 되며, 이에 따라 압축 해제 또는 디코딩이 수행되게 된다.
한편 오토 인코더는 학습을 통해 뉴런의 연결 강도를 조절함으로써 입력 데이터가 은닉층 데이터로 표현된다. 은닉층에서는 입력층보다 적은 수의 뉴런으로 정보를 표현하는데 입력 데이터를 출력으로 재현할 수 있다는 것은, 은닉층이 입력 데이터로부터 숨은 패턴을 발견하여 표현했다는 것을 의미할 수 있다.
준 지도 학습은 기계 학습의 일종으로, 레이블이 주어진 훈련 데이터와 레이블이 주어지지 않은 훈련 데이터를 모두 사용하는 학습 방법을 의미할 수 있다.
준 지도 학습의 기법 중 하나로, 레이블이 주어지지 않은 훈련 데이터의 레이블을 추론한 후 추론된 라벨을 이용하여 학습을 수행하는 기법이 있으며, 이러한 기법은 레이블링에 소요되는 비용이 큰 경우에 유용하게 사용될 수 있다.
강화 학습은, 에이전트(Agent)가 매 순간 어떤 행동을 해야 좋을지 판단할 수 있는 환경이 주어진다면, 데이터 없이 경험으로 가장 좋을 길을 찾을 수 있다는 이론이다.
강화 학습은 주로 마르코프 결정 과정(Markov Decision Process; MDP)에 의하여 수행될 수 있다.
마르코프 결정 과정을 설명하면, 첫 번째로 에이전트가 다음 행동을 하기 위해 필요한 정보들이 구성된 환경이 주어지며, 두 번째로 그 환경에서 에이전트가 어떻게 행동할지 정의하고, 세 번째로 에이전트가 무엇을 잘하면 보상(reward)을 주고 무엇을 못하면 벌점(penalty)을 줄지 정의하며, 네 번째로 미래의 보상이 최고점에 이를 때까지 반복 경험하여 최적의 정책(policy)을 도출하게 된다.
인공 신경망은 모델의 구성, 활성 함수(Activation Function), 손실 함수(Loss Function) 또는 비용 함수(Cost Function), 학습 알고리즘, 최적화 알고리즘 등에 의해 그 구조가 특정되며, 학습 전에 하이퍼파라미터(Hyperparameter)가 미리 설정되고, 이후에 학습을 통해 모델 파라미터(Model Parameter)가 설정되어 내용이 특정될 수 있다.
예컨대, 인공 신경망의 구조를 결정하는 요소에는 은닉층의 개수, 각 은닉층에 포함된 은닉 노드의 개수, 입력 특징 벡터(Input Feature Vector), 대상 특징 벡터(Target Feature Vector) 등이 포함될 수 있다.
하이퍼파라미터는 모델 파라미터의 초기값 등과 같이 학습을 위하여 초기에 설정하여야 하는 여러 파라미터들을 포함한다. 그리고, 모델 파라미터는 학습을 통하여 결정하고자 하는 여러 파라미터들을 포함한다.
예컨대, 하이퍼파라미터에는 노드 간 가중치 초기값, 노드 간 편향 초기값, 미니 배치(Mini-batch) 크기, 학습 반복 횟수, 학습률(Learning Rate) 등이 포함될 수 있다. 그리고, 모델 파라미터에는 노드 간 가중치, 노드 간 편향 등이 포함될 수 있다.
손실 함수는 인공 신경망의 학습 과정에서 최적의 모델 파라미터를 결정하기 위한 지표(기준)로 이용될 수 있다. 인공 신경망에서 학습은 손실 함수를 줄이기 위하여 모델 파라미터들을 조작하는 과정을 의미하며, 학습의 목적은 손실 함수를 최소화하는 모델 파라미터를 결정하는 것으로 볼 수 있다.
손실 함수는 주로 평균 제곱 오차(Mean Squared Error; MSE) 또는 교차 엔트로피 오차(Cross Entropy Error; EPP)를 사용할 수 있으며, 본 발명이 이에 한정되지는 않는다.
교차 엔트로피 오차는 정답 레이블이 원 핫 인코딩(one-hot encoding)된 경우에 사용될 수 있다. 원 핫 인코딩은 정답에 해당하는 뉴런에 대하여만 정답 레이블 값을 1로, 정답이 아닌 뉴런은 정답 레이블 값이 0으로 설정하는 인코딩 방법이다.
머신 러닝 또는 딥 러닝에서는 손실 함수를 최소화하기 위하여 학습 최적화 알고리즘을 이용할 수 있으며, 학습 최적화 알고리즘에는 경사 하강법(Gradient Descent; GD), 확률적 경사 하강법(Stochastic Gradient Descent; SGD), 모멘텀(Momentum), NAG(Nesterov Accelerate Gradient), Adagrad, AdaDelta, RMSProp, Adam, Nadam 등이 있다.
경사 하강법은 현재 상태에서 손실 함수의 기울기를 고려하여 손실 함수값을 줄이는 방향으로 모델 파라미터를 조정하는 기법이다.
모델 파라미터를 조정하는 방향은 스텝(step) 방향, 조정하는 크기는 스텝 사이즈(size)라고 칭한다.
이때, 스텝 사이즈는 학습률을 의미할 수 있다.
경사 하강법은 손실 함수를 각 모델 파라미터들로 편미분하여 기울기를 획득하고, 모델 파라미터들을 획득한 기울기 방향으로 학습률만큼 변경하여 갱신할 수 있다.
확률적 경사 하강법은 학습 데이터를 미니 배치로 나누고, 각 미니 배치마다 경사 하강법을 수행하여 경사 하강의 빈도를 높인 기법이다.
Adagrad, AdaDelta 및 RMSProp는 SGD에서 스텝 사이즈를 조절하여 최적화 정확도를 높이는 기법이다. SGD에서 모멘텀 및 NAG는 스텝 방향을 조절하여 최적화 정확도를 높이는 기법이다. Adam은 모멘텀과 RMSProp를 조합하여 스텝 사이즈와 스텝 방향을 조절하여 최적화 정확도를 높이는 기법이다. Nadam은 NAG와 RMSProp를 조합하여 스텝 사이즈와 스텝 방향을 조절하여 최적화 정확도를 높이는 기법이다.
인공 신경망의 학습 속도와 정확도는 인공 신경망의 구조와 학습 최적화 알고리즘의 종류뿐만 아니라, 하이퍼파라미터에 크게 좌우되는 특징이 있다. 따라서, 좋은 학습 모델을 획득하기 위하여는 적당한 인공 신경망의 구조와 학습 알고리즘을 결정하는 것뿐만 아니라, 적당한 하이퍼파라미터를 설정하는 것이 중요하다.
통상적으로 하이퍼파라미터는 실험적으로 다양한 값으로 설정해가며 인공 신경망을 학습시켜보고, 학습 결과 안정적인 학습 속도와 정확도를 제공하는 최적의 값으로 설정한다.
한편, 인공신경망의 학습은 주어진 입력에 대하여 원하는 출력이 나오도록 노드간 연결선의 웨이트(weight)를 조정(필요한 경우 바이어스(bias) 값도 조정)함으로써 이루어질 수 있다. 또한, 인공신경망은 학습에 의해 웨이트(weight) 값을 지속적으로 업데이트시킬 수 있다. 또한, 인공신경망의 학습에는 역전파(back propagation) 등의 방법이 사용될 수 있다.
도 3은 본 발명의 일 실시예에 따른 운전자의 각성도를 향상시키는 예시적인 방법을 나타내는 흐름도이다. 이하, 도 3을 참조하여, 본 발명의 일 실시예에 따른 운전자의 각성도를 향상시키는 방법을 설명한다.
운전자의 신원 식별
단계 S310에서, 제어 디바이스(240)는 운전자의 신원을 식별한다. 예를 들어, 운전자는 제어 버튼(11)을 이용하여 메모리(242)에 저장된 복수의 운전자 신원 중 하나를 선택할 수 있고, 제어 디바이스(240)는 운전자의 선택을 통해 운전자의 신원을 식별할 수 있다.
다른 예로서, 제어 디바이스(240)는 차량의 시동시 영상 센서(80)에 의해 획득된 운전자의 영상, 특히 안면의 영상으로부터 운전자의 신원을 식별할 수 있다. 제어 디바이스(240)는 영상 센서(80)로부터 수신한 운전자의 영상을 운전자 식별 엔진(245)에 입력 데이터로서 제공한다. 운전자 식별 엔진(245)은 운전자의 안면의 영상을 분석하여, 운전자가 메모리(242)에 저장된 복수의 신원의 각각에 해당할 가능성 또는 메모리(242)에 저장되지 않은 새로운 신원에 해당할 가능성을 수치화한 결과 데이터를 출력할 수 있다. 제어 디바이스(240)는 운전자 식별 엔진(245)으로부터 출력된 결과 데이터에서 가장 높은 가능성을 갖는 신원을 운전자의 신원으로 결정할 수 있다.
운전자 모니터링 정보 수신
단계 S320에서, 제어 디바이스(240)는 하나 이상의 모니터링 유닛(210)으로부터 운전자 모니터링 정보를 수신한다. 운전자 모니터링 정보는, 운전자의 심박수, 산소 포화도, 운전자의 안면 영상, 브레이크 페달 또는 가속 페달의 변위 또는 각도, 운전자의 머리와 헤드레스트 사이의 간격, 또는 운전자의 머리에 의해 헤드레스트에 가해지는 압력 중 적어도 하나를 포함할 수 있으나, 이에 한정되는 것은 아니다.
모니터링 유닛들(210A, 210B, 210N)은 차량의 주행 중에 지속적으로 운전자의 상태를 모니터링할 수 있다. 각각의 모니터링 유닛(210)은 미리 설정된 시간 간격으로 또는 제어 디바이스(240)에 의해 요청될 때, 모니터링된 운전자 상태를 제어 디바이스(240)에 통지할 수 있다.
생체측정 센서(13)는, 예를 들어 10초의 시간 간격으로, 운전자의 심박수 및 산소 포화도를 제어 디바이스(240)에 통지할 수 있다. 영상 센서(80)는 획득되는 운전자의 영상을 실시간으로 제어 디바이스(240)에 스트리밍할 수 있다. 브레이크 페달 센서 및 가속 페달 센서는, 예를 들어 0.1초의 시간 간격으로, 브레이크 페달 및 가속 페달(90)의 변위 또는 각도를 제어 디바이스(240)에 통지할 수 있다. 헤드레스트 센서(115)는, 예를 들어 1초의 시간 간격으로, 운전자의 머리와 헤드레스트(110) 사이의 거리 또는 운전자의 머리에 의해 헤드레스트에 가해지는 압력을 제어 디바이스(240)에 통지할 수 있다.
운전자의 각성 레벨 결정
단계 S330에서, 제어 디바이스(240)는 운전자 모니터링 정보에 기초하여 운전자의 각성 레벨을 결정한다. 예를 들어, 제어 디바이스(240)는 모니터링 유닛(210)으로부터 수신된 운전자 모니터링 정보 중 하나 이상의 항목을 각성 레벨 결정 엔진(247)에 입력 데이터로서 제공한다. 각성 레벨 결정 엔진(247)은 입력 데이터를 분석하여 운전자의 각성도를 수치화하여 각성 레벨을 출력한다.
예를 들어, 각성 레벨 결정 엔진(247)은 운전자의 안면 영상으로부터 눈이 감긴 정도 또는 눈이 감기는 빈도를 검출하고 이로부터 운전자의 각성도를 수치화할 수 있다. 다른 예에서, 각성 레벨 결정 엔진(247)은 운전자의 안면이 전방에 대해 이루는 각도를 검출하고 이로부터 운전자의 각성도를 수치화할 수 있다. 또 다른 예에서, 각성 레벨 결정 엔진(247)은 운전자의 머리와 헤드레스트(110) 사이의 시간에 따른 거리의 프로파일로부터 운전자의 각성도를 수치화할 수 있다. 또 다른 예에서, 각성 레벨 결정 엔진(247)은 브레이크 페달 및 가속 페달(90)의 시간에 따른 변위의 프로파일로부터 운전자의 각성도를 수치화할 수 있다.
각성 레벨 결정 엔진(247)은 상술한 요인들에 따른 수치화된 결과 값들에 상이한 가중치를 부여하고, 가중치가 부여된 결과 값들의 연산(예를 들어, 합)으로부터 운전자의 각성 레벨을 결정할 수 있다. 예를 들어, 영상 센서(80)에 기초한 각성도 값에는 가장 높은 가중치가 부여되고, 브레이크 페달 또는 가속 페달(90)의 변위 프로파일에 기초한 각성도 값에는 가장 낮은 가중치가 부여될 수 있다.
운전자의 각성 레벨은 0 내지 100% 사이의 값으로 결정될 수도 있고, 임의의 범위의 값으로 결정될 수도 있다. 이하, 편의를 위해, 운전자의 각성 레벨은 0 내지 5 사이의 값인 것으로 예시한다. 예를 들어, 0 내지 1의 각성 레벨은 "지속적인 의식 없음", 1 내지 2 사이의 각성 레벨은 "간헐적인 의식 없음", 2 내지 3 사이의 각성 레벨은 "졸음에 임박", 3 내지 4 사이의 각성 레벨은 "집중력 저하", 그리고 4 내지 5 사이의 각성 레벨은 "충분한 각성" 상태일 수 있다.
운전자의 각성 레벨과 임계 레벨의 비교
단계 S340에서, 제어 디바이스(240)는 운전자의 각성 레벨을 임계 레벨과 비교한다. 임계 레벨은 운전자의 졸음 운전 가능성을 결정하기 위한 미리 결정된 값이다. 예를 들어, 각성 레벨이 1 내지 5 사이의 값으로 결정되는 경우, 임계 레벨은 3.5로 미리 결정될 수 있다.
운전자의 각성 레벨이 임계 레벨을 초과하는 경우, 운전자의 각성도를 향상시키기 위한 조치는 필요하지 않을 수 있다. 따라서, 프로세스는 운전자 모니터링 정보를 수신하는 단계(S320)로 복귀하고, 단계 S320 내지 S340이 반복될 수 있다.
운전자의 각성 레벨이 임계 레벨 이하인 경우(즉, 졸음 운전의 가능성이 있다고 판단되는 경우), 운전자의 각성도를 향상시키기 위한 아래의 조치가 필요하다.
운전자에게 전달할 자극 결정
단계 S350에서, 제어 디바이스(240)는 운전자의 신원 및 운전자의 각성 레벨에 기초하여 운전자에게 전달할 자극을 결정한다. 예를 들어, 제어 디바이스(240)는 운전자의 신원 및 운전자의 각성 레벨을 입력 데이터로서 각성도-자극 학습 엔진(249)에 제공하고, 각성도-자극 학습 엔진(249)으로부터의 출력 데이터에 기초하여 운전자에게 전달할 자극을 결정할 수 있다.
표 1은 본 발명의 일 실시예에 따른 차량에서 선택될 수 있는 예시적인 자극들의 종류, 전달 수단, 및 세부 속성을 나타낸다.
자극 전달 수단 자극 종류 자극 세부 속성
스티어링 휠(10)의 진동 유닛(15) 진동 세기, 패턴
공조기(30) 송풍 온도, 팬 스피드
디스플레이 화면(40) 경고 화면 색상, 밝기, 깜박임
스피커(50) 음악 / 경고음 장르, 볼륨
IVR 엔진(243) / 스피커(50) 상호작용형 대화 대화 주제
실내등(60) 빛 색상, 밝기, 깜박임
마사지 패드(120) 진동 / 지압 세기, 패턴
창문(130) 공기 유입 창문 개방 정도
각성도를 향상시키기에 효과적인 자극은 운전자에 따라 그리고/또는 각성 레벨에 따라 상이할 수 있다. 동일한 자극이 상이한 운전자들에게 인가되는 경우, 자극에 대한 각성 효과는 운전자마다 상이할 수 있다. 또한, 동일한 운전자에게 동일한 자극이 인가된다고 하더라도, 자극에 대한 각성 효과는 운전자의 각성 레벨에 따라 상이할 수 있다. 도 4a 내지 4c는 자극의 인가 후 시간에 따른 운전자의 각성도의 변화를 나타내는 예시적인 그래프들을 도시한다.
도 4a는 자극의 종류에 따라 자극의 인가 후 시간에 따른 운전자의 각성도의 변화를 나타내는 예시적인 그래프이다. 운전자 A는 최초에 각성 레벨 2의 상태에 있다. 실선 410은 시점 t1에서 운전자에게 자극 a(예를 들어, 스피커(50)를 통한 음악 출력)가 인가되는 경우를 나타낸다. 실선 410에 따르면, 시점 t1의 직후에 운전자의 각성 레벨은 임계 레벨을 초과하게 상승하고, 시점 t3까지 임계 레벨보다 높게 유지된다. 실선 420은 시점 t1에서 동일한 운전자에게 자극 b(예를 들어, 진동 유닛(15)에 의한 진동)가 인가되는 경우를 나타낸다. 실선 420에 따르면, 시점 t1 직후에 운전자의 각성 레벨은 임계 레벨을 초과하게 상승하지만, 시점 t2에서 임계 레벨 이하로 떨어진다. 실선 430은 시점 t1에서 운전자에게 자극 c(예를 들어, 실내등(60)을 통해 깜빡이는 광을 방출)가 인가되는 경우를 나타낸다. 실선 430에 따르면, 시점 t1 직후에 운전자의 각성 레벨은 약간 상승하지만 임계 레벨을 초과하지 못한다. 도 4a로부터, 상이한 종류의 자극들은 상이한 각성 효과를 나타낸다는 것을 알 수 있다.
도 4b는 동일한 자극이 상이한 운전자들에게 인가될 때, 자극의 인가 후 시간에 따른 운전자의 각성도의 변화를 나타내는 그래프이다. 운전자 A와 운전자 B는 모두 최초에 각성 레벨 2의 상태에 있다. 실선 440은 시점 t4에서 운전자 A에게 자극 a가 인가되는 경우를 나타낸다. 실선 440에 따르면, 시점 t4 직후에 운전자 A의 각성 레벨은 임계 레벨을 초과하게 상승하고, 시점 t6까지 임계 레벨보다 높게 유지된다. 파선 450은 시점 t4에서 운전자 B에게 동일한 자극 a가 인가되는 경우를 나타낸다. 파선 450에 따르면, 시점 t4 직후에 운전자 B의 각성 레벨은 임계 레벨을 초과하게 상승하지만, 시점 t5에서 임계 레벨 이하로 떨어진다. 도 4b로부터, 동일한 자극이더라도 상이한 운전자들에게 상이한 각성 효과를 나타낸다는 것을 알 수 있다.
도 4c는 동일한 운전자에게 동일한 자극이 인가되는 경우, 자극의 인가 후 시간에 따른 운전자의 각성도의 변화를 나타내는 예시적인 그래프이다. 실선 460은 시점 t7에서 각성 레벨 2의 상태에 있는 운전자 A에게 자극 a가 인가되는 경우를 나타낸다. 실선 460에 따르면, 시점 t7 직후에 운전자 A의 각성 레벨은 임계 레벨을 초과하게 상승하고 시점 t9까지 임계 레벨보다 높게 유지된다. 실선 470은 시점 t7에서 각성 레벨 3의 상태에 있는 운전자 A에게 자극 a가 인가되는 경우를 나타낸다. 실선 470에 따르면, 시점 t7 직후에 운전자 A의 각성 레벨은 임계 레벨을 초과하게 상승하지만, 시점 t8에서 임계 레벨 아래로 떨어진다. 실선 480은 시점 t7에서 각성 레벨 1의 상태에 있는 운전자 A에게 자극 a가 인가되는 경우를 나타낸다. 실선 480에 따르면, 시점 t7 직후에 운전자 A의 각성 레벨은 약간 상승하지만 임계 레벨을 초과하지 못한다. 도 4c로부터, 동일한 운전자에게 인가되는 동일한 자극이더라도, 자극이 인가될 때의 운전자의 각성 레벨에 따라 상이한 각성 효과를 나타낸다는 것을 알 수 있다.
각성도-자극 학습 엔진(249)은 운전자의 신원 및 각성 레벨에 따른 효과적인 자극을 결정할 수 있다. 일 실시예에서, 운전자의 신원 및 각성 레벨이 상태 데이터로서 주어지면, 각성도-자극 학습 엔진(249)은 이용 가능한 자극들의 목록을 자극들 각각의 스코어와 함께 출력할 수 있다.
예를 들어, 운전자 A가 각성 레벨 2에 있는 경우, 각성도-자극 학습 엔진(249)은 음악 출력에 가장 높은 스코어를 부여할 수 있고, 스티어링 휠(10)의 진동 유닛(15)에 의한 진동에 두번째로 높은 스코어를 부여할 수 있다. 동일한 운전자 A가 각성 레벨 3에 있는 경우, 각성도-자극 학습 엔진(249)은, 예를 들어, IVR 엔진(243)을 이용한 상호작용형 대화에 가장 높은 스코어를 부여할 수 있고, 마사지 패드(120)를 이용한 진동 및/또는 지압 인가에 두번째로 높은 스코어를 부여할 수 있다.
제어 디바이스(240)는 각성도-자극 학습 엔진(249)으로부터 출력된 자극들의 각각에 대한 스코어에 기초하여 운전자에게 전달될 자극을 결정할 수 있다. 예를 들어, 운전자 A가 각성 레벨 2에 있는 경우, 제어 디바이스(240)는 가장 높은 스코어가 부여된 음악 출력을 운전자에게 전달될 자극으로 결정할 수 있다.
운전자에게 자극 전달 및 자율 주행 제어
단계 S360에서, 제어 디바이스(240)는 결정된 자극을 전달하도록 하나 이상의 자극 유닛(220)에 명령한다. 제어 디바이스(240)는, 예를 들어, 시트(100)의 마사지 패드(120)를 동작시키는 제어 신호를 출력할 수 있다. 제어 신호를 수신한 자극 유닛(220)은 운전자에게 자극을 제공하도록 동작한다. 본 발명의 일 실시예에 따르면, 운전자의 신원 및 운전자의 각성 레벨 모두에 기초하여 운전자에게 전달될 자극을 결정하기 때문에, 운전자-특정적인 방식으로 운전자의 각성도를 향상시킬 수 있다.
운전자에게 자극이 인가될 때, 운전자가 자극에 의해 놀라게 되어 의도하지 않게 갑자기 조향을 변경할 가능성이 있다. 이러한 의도하지 않은 조향 변경을 방지하기 위해, 제어 디바이스(240)는 운전자에게 자극을 인가함에 앞서 자율 주행 제어 유닛(230)에 적어도 차선 유지 기능을 수행할 것을 요청할 수 있다.
부가적으로, 제어 디바이스(240)는 운전자에게 자극을 인가함과 함께 자율 주행 제어 유닛(230)에 자율 주행 요청을 전송할 수 있다. 요청되는 자율 주행 레벨은 운전자의 각성 레벨에 따라 상이할 수 있다. 예를 들어, 운전자의 각성 레벨이 0 내지 1의 범위에 있는 경우, 제어 디바이스(240)는 SAE 레벨 4 이상의 자율 주행 제어를 자율 주행 제어 유닛(230)에 요청할 수 있다. 운전자의 각성 레벨이 1 내지 2의 범위에 있는 경우, 제어 디바이스(240)는 SAE 레벨 3의 자율 주행 제어를 요청할 수 있다. 운전자의 각성 레벨이 2 내지 3의 범위에 있는 경우, 제어 디바이스(240)는 SAE 레벨 2의 자율 주행 제어를 요청할 수 있다.
자극 후 각성 레벨 결정
단계 S370에서 자극 후의 운전자의 각성 레벨이 결정된다. 단계 S320와 동일한 방식으로, 제어 디바이스(240)는 하나 이상의 모니터링 유닛(210)으로부터 운전자 모니터링 정보를 수신하고, 그리고 단계 S330와 동일한 방식으로, 제어 디바이스(240)는 운전자 모니터링 정보에 기초하여 운전자의 각성 레벨을 결정할 수 있다.
운전자에게 자극을 전달한 후 운전자의 각성도가 변화하기까지 시간이 필요할 수 있다. 따라서, 제어 디바이스(240)는, 운전자에게 자극을 전달한 때로부터 미리 결정된 시간이 경과한 후에 운전자의 자극 후 각성 레벨을 결정할 수 있다. 이때, 미리 결정된 시간은 운전자에게 전달된 자극에 따라 상이할 수 있다.
예를 들어, 운전자는 경고음에 즉각적으로 반응할 수 있으므로, 제어 디바이스(240)는 경고음을 출력하고 5초 후에, 자극 후 각성 레벨을 결정할 수 있다. 마사지 패드(120)를 통한 진동 또는 지압의 인가의 경우, 제어 디바이스(240)는 자극의 전달로부터 30초 후에, 자극 후 각성 레벨을 결정할 수 있다. IVR 엔진(243)을 통한 상호작용형 대화의 경우, 제어 디바이스(240)는 대화 유도로부터 1분 후에, 자극 후 각성 레벨을 결정할 수 있다.
자극에 대한 각성도 향상 성과 학습
단계 S380에서 각성도-자극 학습 엔진(249)은 자극의 성과를 학습한다. 일 실시예에서, 제어 디바이스(240)는 운전자에게 전달된 자극에 관한 정보와 함께 운전자의 자극 후 각성 레벨을 학습 데이터로서 각성도-자극 학습 엔진(249)에 피드백할 수 있다. 자극 후 각성 레벨이 자극을 전달하기 전과 비교하여 증가한 경우, 제어 디바이스(240)는 학습 데이터와 함께 보상(reward)을 각성도-자극 학습 엔진(249)에 제공할 수 있다. 이와는 반대로, 자극 후 각성 레벨이 자극을 전달하기 전과 비교하여 감소한 경우, 제어 디바이스(240)는 학습 데이터와 함께 페널티(penalty)를 각성도-자극 학습 엔진(249)에 제공할 수 있다.
다른 실시예에서, 제어 디바이스(240)는 운전자에게 전달된 자극에 관한 정보와 함께 자극 전달 전과 후의 각성 레벨의 변화량을 학습 데이터로서 각성도-자극 학습 엔진(249)에 피드백할 수 있다. 먼저, 제어 디바이스(240)는 단계 S360의 자극 전달에 의한 운전자의 각성 레벨의 변화량을 결정한다. 각성 레벨의 변화량은 단계 S370에서 결정된 자극 후 각성 레벨과 단계 S360의 자극 전달 전의 각성 레벨의 차이일 수 있다. 각성 레벨의 변화량은 단계 S360에서 운전자에게 전달된 자극의 성과를 의미한다. 제어 디바이스(240)는 각성 레벨의 변화량과 함께, 각성 레벨의 변화량에 기초하여 결정된 보상 또는 페널티를 각성도-자극 학습 엔진(249)에 제공한다. 운전자의 각성 레벨이 크게 향상된 경우, 각성도-자극 학습 엔진(249)은 해당 자극에 대해 큰 보상을 받을 수 있다. 운전자의 각성 레벨이 작게 향상된 경우, 각성도-자극 학습 엔진(249)은 해당 자극에 대해 작은 보상을 받을 수 있다.
또 다른 실시예에서, 제어 디바이스(240)는 운전자의 각성도의 향상이 유지된 시간에 기초하여, 자극에 대한 보상을 각성도-자극 학습 엔진(249)에 제공할 수 있다. 예를 들어, 자극에 대한 각성도 향상이 장시간 유지된 경우, 각성도-자극 학습 엔진(249)은 해당 자극에 대해 큰 보상을 받을 수 있다. 자극에 대한 각성도 향상이 단시간 유지된 경우, 각성도-자극 학습 엔진(249)은 해당 자극에 대해 작은 보상을 받을 수 있다.
각성도-자극 학습 엔진(249)은 보상 또는 페널티에 의해 운전자의 신원 및 각성 레벨에 따라 출력했던 자극의 성과를 학습할 수 있다. 추후 동일한 운전자의 신원 및 각성 레벨이 주어질 때, 각성도-자극 학습 엔진(249)은 보상을 받은 자극에 대한 스코어를 상향 조정하거나, 또는 페널티를 받은 자극에 대한 스코어를 하향 조정하여, 자극들의 목록을 출력할 수 있다.
이후, 프로세스는 단계 S340으로 복귀하여, 단계 S370에서 결정된 자극 후 각성 레벨이 다시 임계 레벨과 비교될 수 있고, 운전이 종료될 때까지 단계 S320 내지 단계 S380가 반복 실행될 수 있다.
도 5는 본 발명의 다른 실시예에 따른 운전자의 각성도를 향상시키는 예시적인 방법을 나타내는 흐름도이다. 이 실시예는 자극에 대한 각성도 향상 효과를 학습하는 단계(S380) 이후의 프로세스에서만 도 3에 도시된 실시예와 차이가 있고, 단계 S310 내지 단계 S380는 도 3에 도시된 실시예와 동일하다. 도 5에는 도 3과 중복되는 단계 S310 내지 단계 S340가 생략된다. 이하, 중복되는 단계 S310 내지 단계 S380의 설명은 생략한다.
운전자의 각성 레벨과 임계 레벨의 비교
단계 S510에서, 제어 디바이스(240)는 단계 S370에서 결정된 운전자의 자극 후 각성 레벨을 미리 설정된 임계 레벨과 비교한다. 운전자의 자극 후 각성 레벨이 임계 레벨을 초과하면, 운전자는 졸음 운전을 벗어난 것으로 이해될 수 있다. 따라서, 운전자의 자극 후 각성 레벨이 임계 레벨을 초과하면, 각성도를 향상시키기 위한 조치는 필요하지 않고, 프로세스는 운전자 모니터링 정보를 수신하는 단계(S320)로 복귀한다.
운전자의 자극 후 각성 레벨이 여전히 임계 레벨 이하인 경우(즉, 졸음 운전의 가능성이 있다고 판단되는 경우), 운전자의 각성도를 향상시키기 위한 아래의 조치가 필요하다.
각성 레벨 변화량과 제1 임계값의 비교
단계 S520에서, 제어 디바이스(240)는 단계 S380에서 결정된 운전자의 자극 후의 각성 레벨의 변화량을 제1 임계값과 비교한다. 제1 임계값은 자극 후의 각성 레벨의 변화가 유의미한 변화인지 여부를 결정하기 위해 미리 결정된 값이다. 제어 디바이스(240)는 자극 후의 각성 레벨의 변화량이 제1 임계값을 초과하는지 여부를 결정함으로써, 운전자에게 전달된 자극이 운전자의 각성도를 향상시킬 수 있는 긍정적인 효과가 있는지 여부를 결정할 수 있다.
자극의 종류 변경
자극 후 각성 레벨의 변화량이 제1 임계값을 초과하지 않으면, 이전에 운전자에게 전달된 종류의 자극이 운전자의 각성도를 향상시키기에 충분한 성과를 나타내지 않는다고 이해될 수 있다. 따라서, 자극 후 각성 레벨의 변화량이 제1 임계값을 초과하지 않는 경우, 단계 S530에서 제어 디바이스(240)는 이전에 전달된 자극과는 상이한 종류의 자극을 운전자에게 전달할 자극으로서 결정할 수 있다.
예를 들어, 제어 디바이스(240)는 단계 S350에서 각성도-자극 학습 엔진(249)이 출력한 데이터에서 두번째로 가장 높은 스코어를 갖는 자극을 운전자에게 새롭게 전달할 자극의 종류로 결정할 수 있다. 다른 예에서, 제어 디바이스(240)는 각성도-자극 학습 엔진(249)에 새로운 상태 데이터를 입력하고, 각성도-자극 학습 엔진(249)으로부터의 출력 데이터에 기초하여 새롭게 전달할 자극의 종류를 결정할 수도 있다.
각성 레벨 변화량과 제2 임계값의 비교
자극 후 각성 레벨의 변화량이 제1 임계값을 초과하는 경우, 단계 S540에서 제어 디바이스(240)는 각성 레벨 변화량을 미리 결정된 제2 임계값과 비교한다. 각성 레벨의 변화량이 제2 임계값을 초과한다는 것은, 이전에 운전자에게 전달된 자극이 운전자의 각성도를 향상시키기에 충분한 성과를 나타내고 있다고 이해될 수 있다. 따라서, 자극 후 각성 레벨의 변화량이 제2 임계값을 초과하는 경우, 자극의 종류 및 세부 속성이 변경 없이 그대로 유지된다.
자극의 종류를 유지한 채 세부 속성 변경
자극 후 각성 레벨의 변화량이 제1 임계값을 초과하지만 제2 임계값을 초과하지는 않는 경우, 단계 S550에서 제어 디바이스(240)는 동일한 종류의 자극을 운전자에게 전달할 자극으로서 유지한 채, 자극의 세부 속성을 변경할 수 있다.
자극의 세부 속성을 변경하는 것은, 예를 들어, 진동 유닛(15)의 진동 세기 또는 진동 패턴을 변경하거나, 스피커(50)의 볼륨을 변경하거나, 상호작용형 대화의 대화 주제를 변경하는 것일 수 있다. 예를 들어, 이전에 운전자에게 청각적 자극(음악 재생)이 전달된 경우, 제어 디바이스(240)는 자극의 종류(음악 재생)는 그대로 유지한 채 음악의 볼륨만을 변경하기로 결정할 수 있다. 제어 디바이스(240)는 이전에 재생되었던 볼륨(예를 들어, 볼륨 10)보다 더 큰 볼륨(예컨대, 볼륨 15)으로 음악을 재생하도록 스피커(50)에 제어 신호를 전송할 수 있다.
자율 주행 레벨 변경
단계 S560에서, 제어 디바이스(240)는 각성 레벨의 변화에 따라 자율 주행 레벨을 변경하고, 변경된 레벨에 따른 자율 주행을 자율 주행 제어 유닛(230)에 요청할 수 있다. 예를 들어, 운전자의 각성 레벨이 증가한 경우, 제어 디바이스(240)는 자율 주행 레벨을 낮출 것을 자율 주행 제어 유닛(230)에 요청할 수 있다.
이후, 프로세스는 단계 S360으로 복귀하여, 단계 S530 또는 단계 S540에서 변경된 종류 또는 세부 속성을 갖는 자극이 운전자에게 전달될 수 있고, 운전이 종료될 때까지 도 3 또는 도 5에 예시된 단계들이 반복 실행될 수 있다.
도 6은 본 발명의 일 실시예에 따라 운전자의 각성도를 향상시키는 예시적인 시나리오를 나타내는 도면이다.
도 6을 참조하면, 먼저 제어 디바이스(240)는 생체측정 센서(13) 및 영상 센서(70)로부터의 정보에 기초하여 운전자 A의 각성 레벨을 레벨 2.6으로 결정한다(S610).
각성도-자극 학습 엔진(249)은 운전자 A가 각성 레벨 2.6에 있을 때, 상호작용형 대화(스포츠)가 가장 효과적인 자극(스코어 90)이고, 마사지 패드 진동이 두번째로 효과적인 자극(스코어 75)이라고 출력하고, 제어 디바이스(240)는 상호작용형 대화(스포츠)를 운전자에게 전달할 자극으로 결정한다(S620).
IVR 엔진(243)은 스피커(50) 및 음향 센서(70)를 통해 운전자와 스포츠에 관한 대화를 수행한다(S630). 예를 들어, IVR 엔진(243)은 "오늘은 LA 다저스와 뉴욕 양키스의 경기가 있어요. 어느 팀을 응원하세요?"라는 질문을 하여 운전자와의 대답을 유도한다.
미리 결정된 시간(예를 들어, 1분)의 경과 후, 제어 디바이스(240)는 생체측정 센서(13) 및 영상 센서(70)로부터의 정보에 기초하여, 상호작용형 대화 후의 운전자 A의 각성 레벨을 레벨 3.0으로 결정한다(S640).
각성 레벨의 증가(3.0 - 2.6 = 0.4)가 제1 임계값(0.2) 및 제2 임계값(0.3)을 초과하므로, 동일한 주제(세부 속성)의 대화가 지속될 수 있다. 예를 들어, IVR 엔진(243)은 "LA 다저스의 마지막 월드 시리즈 우승이 언제인가요?"라는 질문으로 스포츠에 관한 대화를 지속한다(S650).
미리 결정된 시간의 경과 후, 제어 디바이스(240)는 생체측정 센서(13) 및 영상 센서(70)로부터의 정보에 기초하여, 상호작용형 대화 후의 운전자 A의 각성 레벨을 레벨 3.3으로 결정한다(S660).
각성 레벨의 증가(3.3 - 3.0 = 0.3)가 제1 임계값(0.2)을 초과하지만 제2 임계값(0.3)을 초과하지 않으므로, 상호작용형 대화의 주제(세부 속성)가 변경된다. 예를 들어, IVR 엔진(243)은 "BTS의 신곡을 아시나요?"라는 질문으로 엔터테인먼트에 관한 대화를 수행한다(S670).
미리 결정된 시간의 경과 후, 제어 디바이스(240)는 생체측정 센서(13) 및 영상 센서(70)로부터의 정보에 기초하여, 상호작용형 대화 후의 운전자 A의 각성 레벨을 레벨 2.6으로 결정한다(S680).
각성 레벨의 증가(2.6 - 3.3 = -0.7)가 제1 임계값보다 작으므로, 자극의 종류가 변경된다. 이전의 단계 S620에서는, 운전자 A가 각성 레벨 2.6에 있을 때, 제어 디바이스(240)는 상호작용형 대화(스포츠)를 운전자에게 전달할 자극으로 결정하였다. 동일한 자극이 반복되는 경우, 자극에 의한 각성도 향상 효과는 처음 자극이 인가되었을 때보다 낮게 된다. 따라서, 이번에는 제어 디바이스(240)는 운전자 A가 각성 레벨 2.6에 있을 때 두번째로 효과적이라고 결정된 마사지 패드 진동을 운전자에게 전달할 자극으로 결정하고, 마사지 패드(120)를 동작시키는 제어 신호를 출력한다(S690).
이상 설명된 본 발명의 실시예들에 따른 방법은 컴퓨터 상에서 다양한 구성요소를 통하여 실행될 수 있는 컴퓨터 프로그램의 형태로 구현될 수 있으며, 이와 같은 컴퓨터 프로그램은 컴퓨터로 판독 가능한 매체에 기록될 수 있다. 이때, 매체는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium), 및 ROM, RAM, 플래시 메모리 등과 같은, 프로그램 명령어를 저장하고 실행하도록 특별히 구성된 하드웨어 디바이스를 포함할 수 있다.
한편, 상기 컴퓨터 프로그램은 본 발명을 위하여 특별히 설계되고 구성된 것이거나 컴퓨터 소프트웨어 분야의 당업자에게 공지되어 사용 가능한 것일 수 있다. 컴퓨터 프로그램의 예에는, 컴파일러에 의하여 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용하여 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 포함될 수 있다.
본 발명의 명세서(특히 특허청구범위에서)에서 "상기"의 용어 및 이와 유사한 지시 용어의 사용은 단수 및 복수 모두에 해당하는 것일 수 있다. 또한, 본 개시에서 범위(range)를 기재한 경우 상기 범위에 속하는 개별적인 값을 적용한 발명을 포함하는 것으로서(이에 반하는 기재가 없다면), 발명의 상세한 설명에 상기 범위를 구성하는 각 개별적인 값을 기재한 것과 같다.
본 발명에 따른 방법을 구성하는 단계들에 대하여 명백하게 순서를 기재하거나 반하는 기재가 없다면, 상기 단계들은 적당한 순서로 행해질 수 있다. 반드시 상기 단계들의 기재 순서에 따라 본 발명이 한정되는 것은 아니다. 본 개시에서 모든 예들 또는 예시적인 용어(예들 들어, 등등)의 사용은 단순히 본 발명의 실시예를 상세히 설명하기 위한 것으로서 특허청구범위에 의해 한정되지 않는 이상 상기 예들 또는 예시적인 용어로 인해 본 발명의 범위가 한정되는 것은 아니다. 또한, 당업자는 다양한 수정, 조합 및 변경이 부가된 특허청구범위 또는 그 균등물의 범주 내에서 설계 조건 및 팩터에 따라 구성될 수 있음을 알 수 있다.
따라서, 본 발명의 사상은 상기 설명된 실시예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등한 또는 이로부터 등가적으로 변경된 모든 범위는 본 발명의 사상의 범주에 속한다고 할 것이다.
10: 스티어링 휠 11: 제어 버튼
13: 생체측정 센서 15: 진동 유닛
20: 계기판 30: 공조기
40: 디스플레이 화면 50: 스피커
60: 실내등 70: 음향 센서
80: 영상 센서 90: 브레이크 페달 및 가속 페달
100: 운전석 시트 110: 헤드레스트
115: 헤드레스트 센서 120: 마사지 패드
125: 액추에이터 130: 창문
210: 모니터링 유닛 220: 자극 유닛
230: 자율 주행 제어 유닛 240: 제어 디바이스
241: 프로세서 242: 메모리
243: IVR 엔진 245: 운전자 식별 엔진
247: 각성 레벨 결정 엔진 249: 각성도-자극 학습 엔진

Claims (14)

  1. 졸음 운전을 방지하기 위한 방법으로서,
    차량에 구비된 적어도 하나의 모니터링 유닛으로부터의 모니터링 정보에 기초하여, 운전자의 제1 각성 레벨을 결정하는 단계;
    결정된 제1 각성 레벨에 기초하여, 복수의 이용 가능한 자극 유닛 중 적어도 하나에 대응하는 제1 자극을 결정하는 단계; 및
    상기 제1 자극에 대응하는 적어도 하나의 자극 유닛을 동작시키는 단계를 포함하는,
    방법.
  2. 제1항에 있어서,
    운전자의 신원을 식별하는 단계를 더 포함하고,
    상기 제1 자극을 결정하는 단계는, 상기 운전자의 신원 및 상기 제1 각성 레벨에 기초하여, 상기 제1 자극을 결정하는 단계를 포함하는,
    방법.
  3. 제1항에 있어서,
    상기 적어도 하나의 자극 유닛을 동작시키는 단계 이후에, 운전자의 제2 각성 레벨을 결정하는 단계;
    상기 제2 각성 레벨과 상기 제1 각성 레벨의 차이가 제1 임계값 이하인 경우, 복수의 이용 가능한 자극 유닛 중 적어도 하나에 대응하는 제2 자극을 결정하는 단계; 및
    상기 제2 자극에 대응하는 적어도 하나의 자극 유닛을 동작시키는 단계를 더 포함하고,
    상기 제2 자극은 상기 제1 자극과는 다른 종류의 자극인,
    방법.
  4. 제1항에 있어서,
    상기 적어도 하나의 자극 유닛을 동작시키는 단계 이후에, 운전자의 제2 각성 레벨을 결정하는 단계; 및
    상기 제2 각성 레벨과 상기 제1 각성 레벨의 차이가 제2 임계값 이하인 경우, 상기 제1 자극의 세부 속성을 변경하여 상기 제1 자극에 대응하는 적어도 하나의 자극 유닛을 동작시키는 단계를 더 포함하는,
    방법.
  5. 제4항에 있어서,
    상기 제1 자극을 결정하는 단계는, 상호작용형 대화를 상기 제1 자극으로서 결정하는 단계를 포함하고,
    상기 제1 자극의 세부 속성을 변경하여 적어도 하나의 자극 유닛을 동작시키는 단계는, 상기 상호작용형 대화의 주제를 변경하는 단계를 포함하는,
    방법.
  6. 제3항에 있어서,
    상기 제1 자극을 결정하는 단계는,
    운전자의 각성 레벨에 따라 선택된 하나 이상의 자극을 출력하도록 훈련된 인공 신경망에 상기 제1 각성 레벨을 입력 데이터로 제공하는 단계; 및
    상기 인공 신경망으로부터의 출력 데이터에 기초하여 제1 자극을 결정하는 단계를 포함하고,
    상기 방법은, 상기 인공 신경망을 학습시키기 위해, 상기 제2 각성 레벨과 상기 제1 각성 레벨의 차이를, 또는 상기 제2 각성 레벨을 상기 제1 자극에 대한 정보와 함께 학습 데이터로서 상기 인공 신경망에 제공하는 단계를 더 포함하는,
    방법.
  7. 제1항에 있어서,
    상기 제1 각성 레벨이 임계 레벨 이하인 경우, 상기 차량의 자율 주행 제어를 활성화하는 단계를 더 포함하는,
    방법.
  8. 차량으로서,
    운전자의 상태를 모니터링하기 위한 적어도 하나의 모니터링 유닛;
    운전자에게 자극을 전달하기 위한 복수의 자극 유닛; 및
    제어 디바이스를 포함하고,
    상기 제어 디바이스는,
    상기 적어도 하나의 모니터링 유닛으로부터의 모니터링 정보에 기초하여 운전자의 제1 각성 레벨을 결정하고,
    결정된 제1 각성 레벨에 기초하여, 상기 복수의 자극 유닛 중 적어도 하나에 대응하는 제1 자극을 결정하고, 그리고
    제1 자극에 대응하는 제1 자극 유닛을 동작시키는 제어 신호를 출력하도록 구성되는,
    차량.
  9. 제8항에 있어서,
    상기 제어 디바이스는,
    운전자의 신원을 식별하고, 그리고
    상기 운전자의 신원 및 상기 제1 각성 레벨에 기초하여, 상기 제1 자극을 결정하도록 추가로 구성되는,
    차량.
  10. 제8항에 있어서,
    상기 제어 디바이스는,
    상기 제1 자극 유닛을 동작시킨 후, 운전자의 제2 각성 레벨을 결정하고, 그리고
    상기 제2 각성 레벨과 상기 제1 각성 레벨의 차이가 제1 임계값 이하인 경우, 상기 제1 자극 유닛과 상이한 제2 자극 유닛을 동작시키는 제어 신호를 출력하도록 추가로 구성되는,
    차량.
  11. 제10항에 있어서,
    상기 제어 디바이스는,
    상기 제2 각성 레벨과 상기 제1 각성 레벨의 차이가 상기 제1 임계값을 초과하고 제2 임계값 이하인 경우, 자극의 세부 속성을 변경하는 제어 신호를 상기 제1 자극 유닛에 출력하도록 추가로 구성되는,
    차량.
  12. 제11항에 있어서,
    상기 제어 디바이스는, 운전자의 음성의 의미를 분석하고 분석된 음성의 의미와 관련된 음성을 출력하도록 훈련된 인공 신경망을 이용하여, 운전자와 대화를 수행하도록 구성된 상호작용형 음성 응답(IVR) 엔진을 더 포함하고,
    상기 제어 디바이스는,
    상기 IVR 엔진을 이용한 상호작용형 대화를 상기 제1 자극으로서 결정하고, 그리고
    상기 제2 각성 레벨과 상기 제1 각성 레벨의 차이가 제1 임계값을 초과하고 제2 임계값 이하인 경우, 상기 상호작용형 대화의 주제를 변경하도록 추가로 구성되는,
    차량.
  13. 제10항에 있어서,
    상기 제어 디바이스는, 운전자의 각성 레벨에 따라 선택된 하나 이상의 자극을 출력하도록 훈련된 인공 신경망을 포함하는 각성도-자극 학습 엔진을 포함하고,
    상기 제어 디바이스는,
    상기 각성도-자극 학습 엔진으로부터의 출력 데이터에 기초하여 제1 자극을 결정하고, 그리고
    상기 각성도-자극 학습 엔진을 학습시키기 위해, 상기 제2 각성 레벨과 상기 제1 각성 레벨의 차이를, 또는 상기 제2 각성 레벨을 학습 데이터로서 상기 각성도-자극 학습 엔진에 제공하도록 추가로 구성되는,
    차량.
  14. 제8항에 있어서,
    상기 차량은 자율 주행 제어 유닛을 더 포함하고,
    상기 제어 디바이스는, 상기 제1 각성 레벨이 임계 레벨 이하인 경우, 상기 자율 주행 제어 유닛을 동작시키는 제어 신호를 출력하도록 추가로 구성되는,
    차량.
KR1020190091060A 2019-07-26 2019-07-26 졸음 운전을 방지하기 위한 방법, 시스템 및 차량 KR102218526B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020190091060A KR102218526B1 (ko) 2019-07-26 2019-07-26 졸음 운전을 방지하기 위한 방법, 시스템 및 차량
US16/543,030 US20190366844A1 (en) 2019-07-26 2019-08-16 Method, system, and vehicle for preventing drowsy driving

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190091060A KR102218526B1 (ko) 2019-07-26 2019-07-26 졸음 운전을 방지하기 위한 방법, 시스템 및 차량

Publications (2)

Publication Number Publication Date
KR20190095199A true KR20190095199A (ko) 2019-08-14
KR102218526B1 KR102218526B1 (ko) 2021-02-19

Family

ID=67622117

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190091060A KR102218526B1 (ko) 2019-07-26 2019-07-26 졸음 운전을 방지하기 위한 방법, 시스템 및 차량

Country Status (2)

Country Link
US (1) US20190366844A1 (ko)
KR (1) KR102218526B1 (ko)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112440902A (zh) * 2019-08-30 2021-03-05 比亚迪股份有限公司 方向盘、转向装置及车辆
WO2021072064A1 (en) * 2019-10-10 2021-04-15 Waymo Llc Psychomotor vigilance testing for persons tasked with monitoring autonomous vehicles
WO2021188525A1 (en) * 2020-03-18 2021-09-23 Waymo Llc Fatigue monitoring system for drivers tasked with monitoring a vehicle operating in an autonomous driving mode
KR102314864B1 (ko) * 2021-03-29 2021-10-19 주식회사 리트빅 차량운전 상태정보를 이용한 에지 딥러닝 기반의 차량 안전운전 시스템
US11423675B2 (en) 2019-11-26 2022-08-23 Electronics And Telecommunications Research Institute System and method for detecting activeness of driver
KR20230131312A (ko) * 2022-03-03 2023-09-13 최종훈 인공지능을 이용한 졸음 운전 방지 시스템 및 졸음 운전 방지 방법

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11039771B1 (en) * 2020-03-03 2021-06-22 At&T Intellectual Property I, L.P. Apparatuses and methods for managing tasks in accordance with alertness levels and thresholds
US11634130B2 (en) * 2020-03-26 2023-04-25 Robert Bosch Gmbh Adapting an advanced driver assistance system of a vehicle
JP2022026320A (ja) * 2020-07-30 2022-02-10 株式会社Subaru 運転交代制御装置
CN112784695B (zh) * 2020-12-31 2024-02-20 南京视察者智能科技有限公司 一种基于图像及语音识别的司机异常状态检测方法
JPWO2023112073A1 (ko) * 2021-12-13 2023-06-22
DE102023000710A1 (de) 2023-02-28 2023-11-02 Mercedes-Benz Group AG Verfahren zum Betreiben eines Kraftfahrzeugs, Fahrzeugsitzeinrichtung und Kraftfahrzeug

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150139229A (ko) * 2014-06-03 2015-12-11 현대모비스 주식회사 헤드 마운트 디스플레이를 활용한 운전자 졸음경보장치 및 방법
KR20180067862A (ko) * 2016-12-13 2018-06-21 박창진 심박수 기반 운전자 상태에 따른 차량 제어 장치 및 방법
KR20180113838A (ko) * 2017-04-07 2018-10-17 손승희 생체정보를 센싱하는 조향장치 및 이를 이용한 자율 주행 시스템
KR20190011891A (ko) * 2017-07-26 2019-02-08 김시습 졸음운전 방지장치 및 방법
JP2019512780A (ja) * 2016-03-01 2019-05-16 ヴァレオ、コンフォート、アンド、ドライビング、アシスタンスＶａｌｅｏ Ｃｏｍｆｏｒｔ Ａｎｄ Ｄｒｉｖｉｎｇ Ａｓｓｉｓｔａｎｃｅ 自動車両のドライバーを監視するための装置及び方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102004051804A1 (de) * 2004-10-21 2006-04-27 Max-Delbrück-Centrum Für Molekulare Medizin (Mdc) Beta-L-N4-Hydroxycytosin-Desoxynucleoside und ihre Verwendung als pharmazeutische Mittel zur Prophylaxe oder Therapie von viralen Erkrankungen
WO2014054293A1 (ja) * 2012-10-05 2014-04-10 パナソニック株式会社 眠気推定装置、眠気推定方法、コンピュータ読み取り可能な非一時的な記録媒体
DE102015220237A1 (de) * 2015-10-16 2017-04-20 Zf Friedrichshafen Ag Fahrzeugsystem und Verfahren zur Aktivierung einer Selbstfahreinheit zum autonomen Fahren
EP3535646A4 (en) * 2016-11-07 2020-08-12 Nauto, Inc. SYSTEM AND METHOD FOR DETERMINING DRIVER DISTRACTION
WO2018118958A1 (en) * 2016-12-22 2018-06-28 Sri International A driver monitoring and response system

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150139229A (ko) * 2014-06-03 2015-12-11 현대모비스 주식회사 헤드 마운트 디스플레이를 활용한 운전자 졸음경보장치 및 방법
JP2019512780A (ja) * 2016-03-01 2019-05-16 ヴァレオ、コンフォート、アンド、ドライビング、アシスタンスＶａｌｅｏ Ｃｏｍｆｏｒｔ Ａｎｄ Ｄｒｉｖｉｎｇ Ａｓｓｉｓｔａｎｃｅ 自動車両のドライバーを監視するための装置及び方法
KR20180067862A (ko) * 2016-12-13 2018-06-21 박창진 심박수 기반 운전자 상태에 따른 차량 제어 장치 및 방법
KR20180113838A (ko) * 2017-04-07 2018-10-17 손승희 생체정보를 센싱하는 조향장치 및 이를 이용한 자율 주행 시스템
KR20190011891A (ko) * 2017-07-26 2019-02-08 김시습 졸음운전 방지장치 및 방법

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112440902A (zh) * 2019-08-30 2021-03-05 比亚迪股份有限公司 方向盘、转向装置及车辆
WO2021072064A1 (en) * 2019-10-10 2021-04-15 Waymo Llc Psychomotor vigilance testing for persons tasked with monitoring autonomous vehicles
US11826146B2 (en) 2019-10-10 2023-11-28 Waymo Llc Psychomotor vigilance testing for persons tasked with monitoring autonomous vehicles
US11423675B2 (en) 2019-11-26 2022-08-23 Electronics And Telecommunications Research Institute System and method for detecting activeness of driver
WO2021188525A1 (en) * 2020-03-18 2021-09-23 Waymo Llc Fatigue monitoring system for drivers tasked with monitoring a vehicle operating in an autonomous driving mode
US11738763B2 (en) 2020-03-18 2023-08-29 Waymo Llc Fatigue monitoring system for drivers tasked with monitoring a vehicle operating in an autonomous driving mode
KR102314864B1 (ko) * 2021-03-29 2021-10-19 주식회사 리트빅 차량운전 상태정보를 이용한 에지 딥러닝 기반의 차량 안전운전 시스템
WO2022211140A1 (ko) * 2021-03-29 2022-10-06 주식회사 리트빅 차량운전 상태정보를 이용한 에지 딥러닝 기반의 차량 안전운전 시스템
KR20230131312A (ko) * 2022-03-03 2023-09-13 최종훈 인공지능을 이용한 졸음 운전 방지 시스템 및 졸음 운전 방지 방법

Also Published As

Publication number Publication date
KR102218526B1 (ko) 2021-02-19
US20190366844A1 (en) 2019-12-05

Similar Documents

Publication Publication Date Title
KR102218526B1 (ko) 졸음 운전을 방지하기 위한 방법, 시스템 및 차량
CN108688677B (zh) 车辆驾驶支援***以及车辆驾驶支援方法
CN108688676B (zh) 车辆驾驶支援***以及车辆驾驶支援方法
US11842730B2 (en) Modification of electronic system operation based on acoustic ambience classification
US10960838B2 (en) Multi-sensor data fusion for automotive systems
CN108688673B (zh) 车辆驾驶支援***
JP2018169706A (ja) 車両運転支援システム
CN108688675B (zh) 车辆驾驶支援***
JP2002274277A (ja) 乗物の表現動作制御システム及び乗物のコミュニケーションシステム、表現動作を行う乗物
WO2019044427A1 (ja) 支援方法およびそれを利用した支援システム、支援装置
US11691636B2 (en) Systems and methods for generating a context-dependent experience for a driver
JP5530106B2 (ja) 運転行動誘導システム
JP6575933B2 (ja) 車両運転支援システム
JP6555645B2 (ja) 車両運転支援システム及び車両運転支援方法
KR102625398B1 (ko) 차량 및 그 제어방법
US11203292B2 (en) Vehicle and control method for the same
JP2020052482A (ja) 危険運転防止装置
WO2021185468A1 (en) Technique for providing a user-adapted service to a user
WO2018030019A1 (ja) 運転支援装置
WO2023272502A1 (zh) 一种人机交互方法及装置、设备及车辆
JP6607223B2 (ja) 車両運転支援システム及び車両運転支援方法
JP2018169702A (ja) 車両運転支援システム
EP4121968A1 (en) Technique for providing a user-adapted service to a user
JP2024059399A (ja) 振動制御システム、振動制御方法
EP4271591A1 (en) Driver monitoring method for monitoring the activity of a vehicle driver and vehicle for executing said method

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant