운전자 행동 분석
임베디드 AI 기반 운전자 행동 분석 기술과 OBD 데이터를 통해 위험운전 분석 기술, 졸음운전 감지 기술, OBD 기반 위치 추정 기술에 대한 연구를 수행하고 있다. 해당 기술을 통해 차 정비, 보험, 관제 서비스 등 다양한 방면으로 활용할 수 있을 것으로 기대된다. 특히 OBD 기반 단말의 이용은 비용 절감 및 설치가 용이하며 프라이버시 보장 측면에서 카메라, 생체신호 등 다른 기법에 비해 장점이 존재한다.
위험운전 분석
차량 동작 인식을 기반으로 위험운전을 판별하는 연구를 진행한 바 있다. 정확하고 세부적인 위험운전 분석 기술을 위해 2단계 인식 기법을 개발하였으며 위험운전의 경우 국토교통부 교통안전공단에서 정의한 내용을 기반으로 추론하였다. 또한 별도의 추론 장치 없이 임베디드 AI를 통해 OBD 단말 내부에서 차량 동작을 추론하며 추론 결과는 스마트폰 애플리케이션을 통해 확인할 수 있다.
OBD 단말 내부에서 딥러닝을 통한 추론을 진행하기 위해 딥러닝 모델의 크기를 경량화 하였으며 이를 통해 모델 사이즈를 17KB 수준으로 압축하면서 약 92%의 정확도를 유지하는 결과를 보였다. 또한 모델의 소형화를 통해 추론에 소요되는 자원과 시간을 줄였으며 50fps의 추론 속도로 제한된 리소스 환경에서의 실시간 추론을 구현하였다.
OBD 단말 내부에서 딥러닝을 통한 추론을 진행하기 위해 딥러닝 모델의 크기를 경량화 하였으며 이를 통해 모델 사이즈를 17KB 수준으로 압축하면서 약 92%의 정확도를 유지하는 결과를 보였다. 또한 모델의 소형화를 통해 추론에 소요되는 자원과 시간을 줄였으며 50fps의 추론 속도로 제한된 리소스 환경에서의 실시간 추론을 구현하였다.
졸음운전 감지
OBD 데이터를 기반으로 스티어링 등의 차량 조작 정보와 상태 정보를 기반으로 졸음운전을 인식하는 연구를 진행한 바 있다. SWM, SWA, 브레이크, 가속 등의 차량 조작정보와 차량 속도, 주행거리, 주행시간, 차종 등의 차량 상태정보를 RNN 등의 인공지능 기술을 적용하여 졸음운전을 감지토록 하였다.
졸음운전 데이터 수집을 위해 연구실 내부에 Euro Truck Simulator(ETS) 2 기반의 차량 시뮬레이션을 구성하였다. 해당 시뮬레이션 룸을 통해 가상의 차량 데이터를 수집하였으며 이를 기반으로 졸음운전 감지 기술을 개발하였다.
졸음운전 데이터 수집을 위해 연구실 내부에 Euro Truck Simulator(ETS) 2 기반의 차량 시뮬레이션을 구성하였다. 해당 시뮬레이션 룸을 통해 가상의 차량 데이터를 수집하였으며 이를 기반으로 졸음운전 감지 기술을 개발하였다.
OBD 기반 위치 추정
차량 궤적과 지도 매칭을 통한 차량 위치 추정 기술을 개발하고자 연구를 진행하고 있다. 이를 통해 GPS 음영지역을 극복할 수 있을 것으로 기대되며 GPS가 탑재되지 않은 단말에서도 위치 정보를 획득할 수 있다. 이를 위한 방법으로 LTE 기지국 정보를 활용한 차량 위치를 추정하는 기술을 개발 중이며 다수의 주행 데이터를 수집한 바 있다.