| 1 |
1
운전자의 안전과 편의와 관련된 운전 보조 정보를 제공하는 운전자 보조 시스템과, 상기 운전자 보조 시스템과 연동하여 상기 운전 보조 정보를 제공하는 디지털 운전석 시스템이 탑재된 차량과 통신하는 클라우드 서버에서,프로세서 모듈; 및 및 상기 디지털 운전석 시스템과 통신하는 통신모듈을 포함하고, 상기 프로세서 모듈은,상기 운전 보조 정보를 개인 운전자의 개인 운전 성향에 커스터마이즈하기 위해, 상기 통신 모듈을 통하여, 상기 디지털 운전석 시스템으로부터 상기 개인 운전자의 개인 차량 정보를 수집하고, 사전에 구축된 기계 학습 모델을 이용하여, 상기 수집된 개인 차량 정보에 따른 상기 개인 운전 성향을 결정하고, 상기 결정된 개인 운전 성향에 따른 상기 운전자-맞춤형 파라미터를 생성하고, 상기 디지털 운전석 시스템이 상기 운전자-맞춤형 파라미터를 기반으로 상기 운전 보조 정보의 출력 정책에 적용하도록, 상기 운전자-맞춤형 파라미터를 상기 통신 모듈을 통해 상기 디지털 운전석 시스템으로 전송하는 클라우드 서버
|
| 2 |
2
제1항에서, 상기 프로세서 모듈은,외부 서버로부터 수집한 공개된 차량 정보를 기반으로 기계 학습을 수행하여, 상기 공개된 차량 정보에 따른 상기 운전성향을 분류하는 분류모델과 상기 분류모델에 따라 결정된 운전성향에 맵핑되는 운전자-맞춤형 파라미터를 예측하는 예측모델을 포함하는 상기 기계 학습 모델을 생성하는 것인 클라우드 서버
|
| 3 |
3
제2항에서, 상기 프로세서 모듈은,상기 개인 차량 정보를 기반으로 상기 기계 학습을 재수행하여, 상기 분류모델과 상기 예측모델을 갱신하고, 상기 통신 모듈을 통하여 새로운 개인 차량 정보를 수신할 때마다 상기 분류모델과 상기 예측모델을 지속적으로 갱신하는 것인 클라우드 서버
|
| 4 |
4
제1항에서, 상기 운전자 맞춤형 파라미터를 저장하는 클라우드 저장소를 더 포함하고,상기 통신 모듈은,상기 프로세서 모듈에 의해, 상기 클라우드 저장소에 저장된 상기 운전자-맞춤형 파라미터를 상기 차량에 탑재된 상기 디지털 운전석 시스템 또는 상기 차량과 차종이 다른 차량에 탑재된 다른 디지털 운전석 시스템에 전송하는 것인 클라우드 서버
|
| 5 |
5
제1항에서, 상기 프로세서 모듈은,차선 이탈 경보 정보 및 전방 차량 충돌 경보 정보 중에서 적어도 하나를 포함하는 상기 운전 보조 정보에 적용하도록 구성된 상기 운전자-맞춤형 파라미터를 생성하는 것인 클라우드 서버
|
| 6 |
6
제1항에서, 상기 프로세서 모듈은,상기 운전자 보조 시스템에서 설정한 차선 이탈 경보 발생 조건을 상기 개인 운전 성향에 커스터마이징하기 위해, 차선 표시선과 주행 차량 사이의 맞춤형 거리값을 지시하는 파라미터; 및상기 운전자 보조 시스템에서 설정한 젼방 차량 충돌 경보 발생 조건을 상기 개인 운전 성향에 커스터마이징하기 위해, 상기 차량과 전방 차량 사이의 맞춤형 차간 거리값을 지시하는 파라미터;를 포함하는 상기 운전자-맞춤형 파라미터를 생성하는 것인 클라우드 서버
|
| 7 |
7
제1항에서, 상기 프로세서 모듈은,상기 생성된 운전자-맞춤형 파라미터를 상기 차량의 차종에 따라 교정(calibration)하고, 상기 통신 모듈을 통하여, 상기 교정한 운전자-맞춤형 파라미터를 상기 디지털 운전석 시스템으로 전송하는 것인 클라우드 서버
|
| 8 |
8
차량의 내부 통신망을 통하여, 운전자 보조 시스템으로부터 개인 운전자의 안전과 편의와 관련된 운전 보조 정보를 수신하고, 상기 운전 보조 정보를 HMI 기반의 출력정책(이하, HMI 출력정책)에 따라 출력하고, 상기 차량의 내부 통신망을 통하여, 다수의 차량 센서로부터 개인 운전자의 개인 차량 정보를 수집하는 디지털 운전석 시스템; 및상기 운전 보조 정보를 상기 개인 운전자의 상기 개인 운전 성향에 커스터마이즈하기 위해, 무선망을 통하여, 상기 디지털 운전석 시스템으로부터 상기 개인 차량 정보를 수집하고, 사전에 구축된 기계 학습 모델을 이용하여, 상기 수집된 개인 차량 정보에 따른 운전자-맞춤형 파라미터를 예측하고, 상기 운전자-맞춤형 파라미터를 상기 무선망을 통하여, 상기 디지털 운전석 시스템으로 전송하는 클라우드 서버;를 포함하고,상기 디지털 운전석 시스템은,상기 운전자-맞춤형 파라미터를 상기 HMI 출력정책에 적용하는 운용 시스템
|
| 9 |
9
제8항에서, 상기 디지털 운전석 시스템은,프로세서 모듈; 상기 무선망에 통하여, 상기 클라우드 서버와 통신하는 통신 모듈; 및상기 HMI 출력정책에 따라 상기 운전 보조 정보를 출력하는 출력 모듈을 포함하고,상기 프로세서 모듈은,상기 운전자-맞춤형 파라미터를 이용하여 상기 안전 운전 정보를 출력할지를 결정하는 상기 HMI 출력정책에 적용하는 것인 운용 시스템
|
| 10 |
10
제8항에서, 상기 디지털 운전석 시스템은,프로세서 모듈; 상기 무선망에 통하여, 상기 클라우드 서버와 통신하는 통신 모듈; 및상기 HMI 출력정책에 따라 상기 운전 보조 정보를 출력하는 출력 모듈을 포함하고,상기 프로세서 모듈은,상기 운전 보조 정보를 분석하여, 상기 차량의 실제 주행 상태를 나타내는 실제 상태값을 해석하고, 상기 실제 상태값과 상기 운전자-맞춤형 파라미터에서 정의하는 맞춤형 상태값을 비교하고, 상기 실제 상태값과 상기 맞춤형 상태값을 비교한 결과에 따라 상기 운전 보조 정보를 상기 출력 모듈을 통하여 출력할 지를 결정하는 것인 운용 시스템
|
| 11 |
11
제10항에서, 상기 프로세서 모듈은,상기 실제 상태값이 상기 맞춤형 상태값과 상기 운전자 보조 시스템에서 상기 운전 보조 정보를 출력하기 위해 설정한 기준 상태값에 의해 정의되는 범위에 포함되면, 상기 운전 보조 정보를 출력하지 않도록 상기 출력 모듈을 제어하는 것인 운용 시스템
|
| 12 |
12
제8항에서, 상기 디지털 운전석 시스템은,프로세서 모듈; 상기 무선망에 통하여, 상기 클라우드 서버와 통신하는 통신 모듈;상기 HMI 출력정책에 따라 상기 운전 보조 정보를 출력하는 출력 모듈; 및상기 수집된 개인 차량 정보를 저장하는 저장소를 포함하고,상기 프로세서 모듈은,상기 차량이 주차 또는 정차하는 시점에 상기 저장소에 저장된 개인 차량 정보를 상기 클라우드 서버로 전송하도록 상기 통신 모듈을 제어하는 것인 운용 시스템
|
| 13 |
13
제8항에서, 상기 디지털 클라우드 시스템과 상기 클라우드 서버를 중계하는 로컬 서버를 더 포함하고,상기 로컬 서버는,프로세서 모듈; 및상기 디지털 클라우드 시스템으로부터 수집된 상기 개인 차량 정보를 상기 클라우드 서버로 전송하는 통신 모듈;을 포함하고, 상기 프로세서 모듈은,상기 통신 모듈을 통하여, 상기 클라우드 서버로부터 수신된 상기 운전자-맞춤형 파라미터를 상기 차량의 차종에 따라 교정(calibration)하고, 상기 통신 모듈을 통하여, 상기 교정한 운전자-맞춤형 파라미터를 상기 디지털 클라우드 시스템으로 전송하는 것인 운용 시스템
|
| 14 |
14
제13항에서, 상기 로컬 서버는 인증 모듈을 더 포함하고,상기 인증 모듈은,상기 통신 모듈을 통해, 상기 디지털 클라우드 시스템으로부터 수신된 상기 개인 운전자의 운전자 정보를 이용하여 상기 개인 운전자에 대해 인증을 수행하는 것인 운용 시스템
|
| 15 |
15
운전자 보조 시스템과 연결된 디지털 운전석 시스템과 클라우드 서버를 포함하는 운용 시스템의 운용 방법에서,상기 디지털 운전석 시스템이, 차량 내의 센서들로부터 수신한 다수의 주행 정보를 포함하는 개인 차량 정보를 수집하는 단계; 상기 클라우드 서버가, 상기 디지털 운전석 시스템에게 상기 개인 차량 정보를 요청하는 요청 메시지를 전송하는 단계;상기 디지털 운전석 시스템이, 상기 요청 메시지에 응답하여 상기 개인 차량 정보를 상기 클라우드 서버에게 전송하는 단계;상기 클라우드 서버가, 기계 학습 모델을 이용하여, 상기 개인 차량 정보에 대응하는 개인 운전 성향을 결정하고, 상기 결정된 개인 운전 성향에 따른 상기 운전자-맞춤형 파라미터를 생성하고, 상기 운전자-맞춤형 파라미터를 상기 디지털 운전석 시스템에게 전송하는 단계; 및상기 디지털 운전석 시스템이, 상기 클라우드 서버로부터 수신한 운전자-맞춤형 파라미터를 상기 운전자 보조 시스템으로부터 수신한 운전 보조 정보의 출력 정책에 적용하는 단계를 포함하는 운용 방법
|
| 16 |
16
제15항에서, 상기 운전자-맞춤형 파라미터를 상기 디지털 운전석 시스템에게 전송하는 단계는,외부 서버로부터 수집한 공개된 차량 정보를 기반으로 기계 학습을 수행하여, 상기 공개된 차량 정보에 따른 상기 운전성향을 분류하는 분류모델과 상기 분류모델에 따라 결정된 운전성향에 맵핑되는 운전자-맞춤형 파라미터를 예측하는 예측모델을 포함하는 상기 기계 학습 모델을 생성하는 단계; 및상기 개인 차량 정보를 기반으로 상기 기계 학습을 재수행하여, 상기 분류모델과 상기 예측모델을 갱신하는 단계를 포함하는 운용 방법
|
| 17 |
17
제15항에서, 상기 운전자-맞춤형 파라미터를 상기 디지털 운전석 시스템에게 전송하는 단계는,상기 운전자-맞춤형 파라미터를 제1 차량에 탑재된 상기 디지털 운전석 시스템 또는 상기 제1 차량과 차종이 다른 제2 차량에 탑재된 다른 디지털 운전석 시스템에 전송하는 단계인 것인 운용 방법
|
| 18 |
18
제15항에서, 상기 적용하는 단계는,상기 운전자-맞춤형 파라미터에서 정의하는 맞춤형 상태값과 상기 운전 보조 정보에 포함된 실제 상태값을 비교하는 단계; 및상기 맞춤형 상태값과 상기 실제 상태값을 비교한 결과에 따라 상기 운전 보조 정보를 출력할지를 결정하는 단계를 포함하는 것인 운용 방법
|
| 19 |
19
제18항에서, 상기 맞춤형 상태값은 상기 개인 운전 성향에 커스터마이지화된 값으로서, 차선 표시선과 차량 사이의 거리값(맞춤형 거리값)이고, 상기 실제 상태값은 차선 표시선과 주행 중인 차량 사이의 거리값(실제 거리값)이고,상기 결정하는 단계는,상기 실제 거리값이 상기 맞춤형 거리값 이상인 경우, 상기 운전 보조 정보의 출력하지 않는 것이고, 상기 실제 거리값이 상기 맞춤형 거리값 미만인 경우, 상기 운전 보조 정보의 출력하는 것인 운용 방법
|
| 20 |
20
제18항에서, 상기 맞춤형 상태값은 상기 개인 운전 성향에 커스터마이지화된 값으로서, 전방 차량과 자기 차량 사이의 차간 거리값(맞춤형 차간 거리값)이고, 상기 실제 상태값은 실제 주행중인 전방 차량과 실제 주행 중인 자기 차량 사이의 차간 거리값이고,상기 결정하는 단계는,상기 실제 거리값이 상기 맞춤형 거리값 이상인 경우, 상기 운전 보조 정보의 출력하지 않는 것이고, 상기 실제 거리값이 상기 맞춤형 거리값 미만인 경우, 상기 운전 보조 정보의 출력하는 것인 운용 방법
|
