1 |
1
센서부로부터 입력되는 센싱 정보들 및 운전 성향을 기반으로 운전자의 각성도, 부주의, 과부하를 포함하는 운전자 상태를 판단하는 운전자 상태 판단부와, 상기 판단된 운전자 상태 정보를 이용하여 센싱 정보별로 분류하여 군집화하고, 베이지안 네트워크 층의 각 노드 간 인과관계를 정의하여 원인(졸음, 부주의, 과부하를 포함)에 의한 결과(속도 유지, 눈 감김 정도를 포함)를 조건부 확률표로 정리하여 정의된 하이브리드 동적 베이지안 네트워크를 이용하여 졸음, 부주의 및 과부하(원인)가 발생될 확률을 계산하여 운전자 통합 상태를 추정하는 운전자 모델결과 처리부를 포함하여 구성되는 것을 특징으로 하는 운전자 상태 통합 판단 장치
|
2 |
2
제 1 항에 있어서, 상기 센싱 정보는 운전자의 영상, 생체, 음성 정보 및 차량 정보를 포함하는 것을 특징으로 하는 운전자 상태 통합 판단 장치
|
3 |
3
제 1 항에 있어서,상기 운전자 성향 판단부는 분류된 센싱 정보들을 기반으로 파라미터별 설정된 임계값과 비교하여 파라메타별 가중치를 적용하여 운전자의 운전성향을 판단하는 것을 특징으로 하는 운전자 상태 통합 판단 장치
|
4 |
4
제 1 항에 있어서, 상기 운전자 상태 판단부는센싱 정보들 및 운전 성향을 기반으로 운전자의 각성(alertness) 정도를 판단하는 각성도 판단부와,센싱 정보들 및 운전 성향을 기반으로 운전자의 부주의 정도를 판단하는 부주의 판단부와,센싱 정보들 및 운전 성향을 기반으로 운전자의 과부하 정도를 판단하는 과부하 판단부를 포함하여 구성되는 것을 특징으로 하는 운전자 상태 통합 판단 장치
|
5 |
5
제 1 항에 있어서, 상기 운전자 모델결과 처리부는 베이지안 네트워크 층과 클러스터 층으로 나누어져 있으며, 상기 클러스터 층에서는 서포트 벡터 머신(Support Vector Machine)과 같은 클러스터 알고리즘을 통해 많은 변수들을 특정 기준으로 군집화되어 구성되고, 상기 베이지안 네트워크 층의 각 노드들이 군집화되고 있는 클러스터 층과 인과관계로 정의되어 네트워크를 구성하는 것을 특징으로 하는 운전자 상태 통합 판단 장치
|
6 |
6
(A) 차량에 부착되어 있는 센서부를 통해 센싱되어 입력되는 센싱정보를 이용하여 운전자의 운전성향, 운전자 상태를 기준으로 영상/생체/차량의 정보들을 군집화하고, 베이지안 네트워크의 각 노드 간 인과관계를 정의하며, 원인(졸음, 부주의, 과부하를 포함)에 의한 결과(속도 유지, 눈 감김 정도를 포함)를 조건부 확률 표로 정리하는 단계와,(B) 상기 조건부 확률표를 기반으로 주행 중 실시간으로 입력되는 데이터들(원인에 의한 결과)을 정의된 하이브리드 동적 베이지안 네트워크를 이용하여 졸음, 부주의 및 과부하(원인)가 발생할 확률을 산출하여 운전자의 통합 상태를 판단하는 단계를 포함하여 이루어지는 것을 특징으로 하는 운전자 상태 통합 판단 방법
|
7 |
7
제 6 항에 있어서, 상기 운전자 상태는 센서부로부터 입력되는 영상, 생체, 음성 정보와 차량 정보를 포함하는 센싱 정보들 및 운전자 성향 판단부에서 입력되는 운전 성향을 기반으로 운전자의 각성도, 부주의, 피로도를 포함하여 운전자 상태를 판단하는 것을 특징으로 하는 운전자 상태 통합 판단 방법
|
8 |
8
제 6 항에 있어서,상기 하이브리드 동적 베이지안 네트워크는 베이지안 네트워크 층과 클러스터 층으로 나누는 단계와,상기 클러스터 층에서 서포트 벡터 머신(Support Vector Machine)과 같은 클러스터 알고리즘을 통해 많은 변수들을 특정 기준으로 군집화되어 형성하는 단계와,상기 베이지안 네트워크 층의 각 노드들이 군집화되고 있는 클러스터 층과 인과관계로 정의되어 네트워크를 연결하는 단계를 포함하여 이루어지는 것을 특징으로 하는 운전자 상태 통합 판단 방법
|