KR101493360B1 - 주변 차량의 상태 변화 감지를 통한 차량 주행 관리 방법 및 시스템 - Google Patents

Abstract

본 발명은, (a)다수의 이동 차량으로부터 실시간으로 수집하는 데이터 및 전처리된 기상정보, 도로지형정보, 교통정보 등에 기초하여 차량 이동에 따라 변형 또는 소멸하는 하나 이상의 가상 존(virtual zone)을 생성하는 단계; (b)다수의 차량으로부터 실시간으로 수집한 데이터 및 사용자 프로파일 정보에 기초하여 소정의 유사도 조건에 따라 하나 이상의 그룹을 생성하는 단계; (c)각 그룹 내 속한 차량으로부터 수집한 데이터에 기초하여 차량별 주행 패턴을 도출하고, 도출한 차량별 주행 패턴을 비교분석하여 이상(adnormal) 주행 패턴 모델을 생성하는 단계; (d)각 가상 존에 위치하거나 진입하는 다수의 차량 중 상기 이상 주행 패턴 모델에 부합하는 차량의 지리적 위치 및 시간 정보에 기초하여 하나 이상의 스폿(스폿)을 설정하는 단계; 및 (e)각 가상 존에 위치하거나 진입하는 다수의 차량 중 상기 스폿의 특성에 매칭하는 차량으로 안전운행정보를 전송하는 단계를 포함하는, 주변 차량의 상태 변화 감지를 통한 차량 주행 관리 방법에 관한 것이다.

Description

주변 차량의 상태 변화 감지를 통한 차량 주행 관리 방법 및 시스템{Method of vehicle driving managing through detection state change of around cars and system for it}

본 발명은 군집을 이루어 이동하는 다수의 차량에 대한 차량 주행 상태를 관리하기 위한 시스템에 관한 것으로, 구체적으로는, 군집을 이루어 이동하는 다수의 차량들간에 발생하는 상황(context) 및 주행 패턴을 분석하여 차량 상호간에 미치는 영향에 따른 충돌방지를 위한 속도 제어 또는 안전운행정보를 제공하는 차량 주행 관리 시스템에 관한 것이다.

현대의 정보통신 기술의 발달은 컴퓨터뿐만 아니라 스마트폰, 휴대용 멀티미디어기기 등의 네트워킹 중심으로 변화하고 있다. 이러한 컴퓨터, 스마트폰 등에 이용되는 연산, 통신 네트워킹 기능의 소형장치들은 정보화기기뿐만 아니라 인간 주변의 여러 사물에 이용되어 주변의 정보를 획득하고 서로 공유하도록 하는 사물간의 통신 네트워크를 가능하게 한다.

그러한 기술 중 대표적인 기술이 장치 대 장치(Machine to Machine: M2M) 통신이다. M2M은 기계들과 일상생활 속에 널리 퍼져 있는 기기들의 네트워킹에 관한 기술이다. M2M 통신은 일련의 기구들을 컴퓨터 본체로부터 일상의 제품들(예, 가전제품, 건물 또는 운송수단 등)까지 연결하고 사용 가능하도록 한다.

M2M 통신은 M2M 기기에서의 소형 통신장치를 이용하여 네트워크를 구성하고 수집한 정보를 공유하는 개념으로, 인간의 개입 없이 주로 국소지역을 대상으로 하는 USN(Ubiquitous Sensor Network)에서 출발하였으나 점차 그 응용의 범위와 목적이 다양해짐에 따라 각종 유/무선 네트워크가 M2M 통신을 위해 이용될 수 있다.

예컨대, M2M 통신은 Zigbee, Bluetooth, WiFi 등과 같은 저비용, 저전력의 근거리 무선 통신과 함께 3GPP, LTE 와 같은 셀룰러 기반의 고속 이통통신 기술을 이용하여 상황인식, 위치정보, 원격제어 등과 같은 여러 융합 서비스에 이용 가능하다. 그 중에서도, 최근에는 IT(Information Technology) 기술을 자동차 기술에 융합시킨 커넥티드 카(Connected Car) 사업에 대한 관심이 증가하고 있다.

구체적으로, 커넥티드 카는 자동차와 이동통신 단말기(예, 스마트폰) 기능의 융합을 통해 보다 편리한 운전환경을 제공하기 위한 기술로, 차량 내 설치된 다양한 센서 및 계측 장치와 이동통신 단말기간의 통신에서 나아가 무선통신망을 이용한 차량 내 장치와 원격지의 관리 시스템과의 통신으로 확장하여 새로운 서비스를 창출하는 기술을 제안하며 활발한 연구가 진행중이다.

최근 차량을 이용하는 이동인구수가 증가하면서, 이동하는 차량간의 충돌 방지 및 안전운전을 위한 다양한 기술과 방법들이 실생활 또는 산업분야 측면에서 다양한 적용형태로 연구되어 왔다.

관련기술로는, 충돌 회피 기술(collision avoidance), 속도 동조화 기술(velocity matching), 무리 유지 기술(flock centering), 행동 모델링 기술(behavioral modeling), 상황인지 기술(context-aware), 프로파일링 기술(profiling) 등을 들 수 있다. 그 중에서도 무질서하게 이동하지만 그 안에서 집단 협업 지능을 기반으로 충돌을 방지하기 위한 목적으로 무인 비행체, 인공지능 로봇 등을 중심으로 한 무리 지능(swarm intelligence) 관련 기술들이 주도적으로 논의되어 있다.

무리 지능 관련 기술에 따른 군집으로 이동하는 차량간의 주행 제어를 위한 방법 중 하나로, 무리를 지어 주행하면서도 서로 충돌하지 않고 장애물을 피해가기 위해 주위 환경을 인식하고 주변 차량과 일정거리를 유지하며 속도를 맞춰 주행하는 안전 주행 기술이 연구되고 왔다.

예컨대, 닛산(Nissan) 자동차 회사의 물고기의 행동 패턴을 이용한 '에포르(EPORO) 지능형 모형 자동차'는 물고기의 측선 감각과 시각 특성을 이용하는데, 물고기의 측선 감각 및 시각 특성을 각각 레이저 레인지 파인더(laser rage finder)과 UWB(Ultra Wide Band) 통신 기술로 구현하고, 군집을 이루는 다수의 객체간 상호통신 기술을 활용하여 동료의 위치와 차량정보를 파악함에 따라 충돌방지 및 안전 주행 기술을 제안하고 있다.

다른 방법으로는, 도로에 설치되어 있는 기기에서 연속으로 주행하는 차량의 속도, 위치 및 식별정보를 포함하는 교통정보 데이터를 계측하고 이를 송수신하며, 교통정보 데이터를 활용하여 동일차로에서 주행하는 두 차량간 거리를 분석하여 선두 차량의 주행 속도 제어 요청을 수행하거나 도로에서 불필요한 군집화 현상을 유발시키는 저속 선두 차량의 속도 제어 요청을 수행하는 방법들도 제안되고 있다.

그러나, 상술한 무리 지능 관련 기술의 경우, 다양한 방법이 연구 중심으로 많이 이루어져 있으나, 기술적인 제약 사항과 실제 상황을 반영하여 실생활 또는 산업분야에 적용하여 구현하기에는 여전히 해결해야할 기술적인 문제점이 있다.

예를 들어, 주행중인 다수의 차량에서 앞의 차량과의 거리가 가시거리 이상인 경우 차량간의 통신이 원활하게 이루어지기 어렵거나 시간적으로 일정 간격(예, 30분 이동 거리 이상)으로 주행중인 경우 앞 차량과 센서 네트워크와 차량간 통신 방식을 이용하여 상호통신이 이루어지기 어렵다는 문제점이 있다.

또한, 종래 기술들은 대부분 하나의 차량에서 발생한 문제를 해결하기 위해 단편적인 사용자 프로파일링을 이용하거나 주변 상황만을 인지하고 대응하는 소규모 차원에서의 주행 제어방식이거나 군집 차량의 흐름 제어를 위해 앞뒤 차량간의 간격이나 속도 가감을 제어하는 식의 단순한 해결방안을 제기하고 있어, 공간구분이 어려운 상황(예, 기상악화 등의 이유로 가시거리 확보가 어렵거나 통신 음영지역에 위치하는 경우 등)에서 안전 주행 정보를 제시하기 어렵다는 문제점이 있다.

본 발명의 목적은 상술한 문제점을 해결하기 위해 안출된 것으로, 다수의 차량이 군집을 이루어 주행하는 상황에서 다수의 기기 또는 차량들간에 발생하는 상황 및 주행 패턴의 상호교환을 통해 차량 간 충돌을 방지하고 사용자에게 안전운행정보를 제공하는 차량 주행 관리 방법 및 시스템을 제안하는 것이다.

본 발명의 다른 목적은 군집 형성 필요성에 따라 군집 형성 차량의 주변 차량과의 관계를 통한 차량 주행 상태 관리 및 각 차량별 과거 주행 기록에 기초하여 안전운행정보를 제공하는 차량 주행 관리 방법 및 시스템을 제안하는 것이다.

본 발명에서 이루고자 하는 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급하지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.

상술한 과제를 해결하기 위한 본 발명의 일 실시예에 따른 주변 차량의 상태 변화 감지를 통한 차량 주행 관리 방법은, (a)다수의 이동 차량으로부터 실시간으로 수집하는 데이터 및 전처리된 기상정보, 도로지형정보, 교통정보 등에 기초하여 차량 이동에 따라 변형 또는 소멸하는 하나 이상의 가상 존(virtual zone)을 생성하는 단계; (b)다수의 차량으로부터 실시간으로 수집한 데이터 및 사용자 프로파일 정보에 기초하여 소정의 유사도 조건에 따라 하나 이상의 그룹을 생성하는 단계; (c)각 그룹 내 속한 차량으로부터 수집한 데이터에 기초하여 차량별 주행 패턴을 도출하고, 도출한 차량별 주행 패턴을 비교분석하여 이상(adnormal) 주행 패턴 모델을 생성하는 단계; (d)각 가상 존에 위치하거나 진입하는 다수의 차량 중 상기 이상 주행 패턴 모델에 부합하는 차량의 지리적 위치 및 시간 정보에 기초하여 하나 이상의 스폿(spot)을 설정하는 단계; 및 (e)각 가상 존에 위치하거나 진입하는 다수의 차량 중 상기 스폿의 특성에 매칭하는 차량으로 안전운행정보를 전송하는 단계를 포함한다.

이때, 본 발명의 일 실시예에 따른 상기 (b) 단계는, 각 가상 존에 위치하거나 진입하는 다수의 차량에 대하여 상기 유사도 조건에 따라 가상 존 단위의 차량 그룹을 생성할 수 있다.

나아가, 상기 (b) 단계는, 상기 차량 그룹에 속한 차량의 이동으로 가상 존을 이탈하는 경우, 상기 가상존을 이탈한 차량을 해당 그룹에서 삭제하며 그룹 정보를 갱신하는 단계를 더 포함할 수 있다.

또는, 본 발명의 다른 실시예에 따른 상기 (b) 단계는, 가상 존 내외 위치하는 다수의 차량에 대하여 차량 용도 또는 차량에서 이용하는 서비스를 기준으로 상기 유사도 조건에 따라 차량 그룹을 생성할 수 있다.

다음으로, 상기 (c) 단계는, 상기 (a) 단계 내지 상기 (c) 단계의 반복 수행에 따라, 기 생성된 이상 주행 패턴 모델을 기준으로 지속적으로 도출되는 차량별 주행 패턴 정보를 반영하여 이상 주행 패턴 모델을 정교화하는 단계를 더 포함할 수 있다.

다음으로, 상기 (d) 단계는, 상기 생성된 하나 이상의 스폿에 대하여, 각 스폿의 상태 및 다른 스폿과의 연관관계를 분석하는 단계; 및 상기 분석 결과에 따라 가상 존의 크기를 유지, 증감 또는 세분화하는 단계를 더 포함할 수 있다.

나아가, 상기 (d) 단계는, 상기 생성된 각 스폿의 특성과 각 스폿을 통과하는 차량으로부터 수집한 데이터에 기초하여 해당 스폿을 유지 또는 소멸시키는 단계를 더 포함할 수 있다.

바람직하게는, 상기 (a) 단계는, 지속적으로 생성되는 가상 존에 관한 정보를 소정의 데이터베이스에 저장 또는 갱신 저장하는 단계를 더 포함할 수 있다. 또한, 상기 (b) 단계는, 지속적으로 생성되는 차량 그룹에 관한 정보를 소정의 데이터베이스에 저장 또는 갱신 저장하는 단계를 더 포함할 수 있다. 또한, 상기 (c) 단계는, 지속적으로 생성되는 이상 주행 패턴 모델을 소정의 데이터베이스에 저장 또는 갱신 저장하는 단계를 더 포함할 수 있다.

더 바람직하게는, 상기 (e) 단계의 안전운행정보는, 차량 속도를 동일 그룹 또는 동일 스폿에 속한 다른 차량의 속도에 동조시키는 정보를 포함할 수 있다.

상기 실시형태들은 본 발명의 바람직한 실시예들 중 일부에 불과하며, 본원 발명의 기술적 특징들이 반영된 다양한 실시예들이 당해 기술분야의 통상적인 지식을 가진 자에 의해 이하 상술할 본 발명의 상세한 설명을 기반으로 도출되고 이해될 수 있다.

본 발명에 따르면, 군집으로 이동하는 차량의 상태 및 주행 패턴을 분석하여 주변 차량과의 관계에서 안전 운행을 위한 정보 제공을 수행할 수 있다.

본 발명에 관한 이해를 돕기 위해 상세한 설명의 일부로 포함되는, 첨부도면은 본 발명에 대한 실시예를 제공하고, 상세한 설명과 함께 본 발명의 기술적 사상을 설명한다.
도 1은 본 발명의 실시예에 따른 주변 차량의 상태 변화 감지를 통한 차량 주행 관리 시스템의 일 예를 나타내는 도면이다.
도 2는 본 발명의 실시예에 따른 주변 차량의 상태 변화 감지를 통한 차량 주행 관리 시스템 서버의 구성의 일 예를 나타내는 도면이다.
도 3은 본 발명의 실시예에 따라 주변 차량의 상태 변화 감지를 통해 차량 주행을 관리하는 과정의 일 예를 나타내는 절차 흐름도이다.
도 4는 본 발명의 실시예에 따른 차량 주행 관리 방법에서 차량 그룹을 생성하는 과정의 일 예를 나타내는 절차 흐름도이다.
도 5는 본 발명의 실시예에 따른 차량 주행 관리 방법에서 이상 주행 패턴을 생성하는 과정의 일 예를 나타내는 절차 흐름도이다.
도 6은 본 발명의 실시예에 따른 차량 주행 관리 방법에서 스폿을 지정하는 과정의 일 예를 나타내는 절차 흐름도이다.
도 7은 본 발명의 실시예에 따른 차량 주행 관리 시스템에서 차량 주행 관리를 수행하는 실시예를 나타내는 도면이다.

본 발명은 다양한 변환을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.

이하, 본 발명에 따른 바람직한 실시 형태를 첨부된 도면을 참조하여 상세하게 설명한다. 첨부된 도면과 함께 이하에 개시될 상세한 설명은 본 발명의 예시적인 실시형태를 설명하고자 하는 것이며, 본 발명이 실시될 수 있는 유일한 실시형태를 나타내고자 하는 것이 아니다. 이하의 상세한 설명은 본 발명의 완전한 이해를 제공하기 위해서 구체적 세부사항을 포함한다. 그러나, 당업자는 본 발명이 이러한 구체적 세부사항 없이도 실시될 수 있음을 안다.

본 발명은 군집을 이루어 이동하는 다수의 차량에 대한 차량 주행 상태를 관리하기 위한 시스템에 관한 것으로, 구체적으로는, 군집을 이루어 이동하는 다수의 차량들간에 발생하는 상황(context) 및 주행 패턴을 분석하여 차량 상호간에 미치는 영향에 따른 충돌방지를 위한 속도 제어 또는 안전운행정보를 제공하는 차량 주행 관리 시스템에 관한 것이다.

도 1은 본 발명의 실시예에 따른 주변 차량의 상태 변화 감지를 통한 차량 주행 관리 시스템의 일 예를 나타내는 도면으로, 구체적으로는 M2M 아키텍쳐(M2M Architecture)를 기반으로 한 차량 주행 관리 시스템을 나타낸다.

도 1을 참조하면, 본 발명의 실시에에 따른 차량 주행 관리 시스템으로 구현하기 위한 M2M 아키텍쳐(100)는 시스템 구성요소의 기능에 따라 어플리케이션 영역(110), 네트워크 영역(120) 및 디바이스 영역(130)으로 구분할 수 있다.

어플리케이션 영역(110)은 다수의 M2M 디바이스들이 속한 디바이스 영역(130)과 네트워크 영역(120)을 통해 연결된다. 예컨대, 어플리케이션의 영역(110)은 본 발명의 실시예에 따라 다수의 차량으로부터 데이터를 수집하고, 수집한 데이터, 기상정보, 도로교통정보 등에 기초하여 차량 주행 패턴을 분석하여 이상 패턴 발견시 해당 차량에 대한 안전 운전 정보를 제공하는 관리 서버(111)를 포함할 수 있다.

네트워크 영역(120)은 어플리케이션 영역(110)과 디바이스 영역(130)간 데이터 통신에 이용되는 영역으로, M2M 네트워크인 경우, M2M 디바이스들의 네트워크 접속을 위한 엑세스/코어 네트워크(121) 및 M2M 서비스를 제공하기 위한 M2M 서비스부(122)를 포함한다.

디바이스 영역(130)은 M2M 네트워크에 직접 연결하여 어플리케이션 도메인을 이용하는 직접 통신형 M2M 디바이스(131) 및 지역 네트워크를 통해 M2M 게이트웨이(132)에 연결되고, M2M 게이트웨이(132)를 통해 네트워크에 접속하는 간접 통신형 M2M 디바이스(133)를 포함할 수 있다.

여기서, 직접 통신형 M2M 디바이스(131) 또는 간접 통신형 M2M 디바이스(133)의 일 예로, 본 발명의 실시예에 따라 차량 주행시 차량 디바이스들로부터 센싱된 데이터들을 외부로 송출하기 위한 차량 단말기를 들 수 있다.

보다 구체적으로, 관리 서버(111)는 네트워크 영역(120)를 통해 다수의 차량 단말기(131, 133)로부터 실시간으로 수집한 차량 데이터, 기상정보, 도로교통정보 등에 기초하여 차량 주행 패턴을 분석하고, 분석한 차량 주행 패턴에 기초하여 각 차량의 데이터 및 차량 데이터 흐름간의 연관관계를 이용하여 이상(adnormal) 패턴 모델을 생성하여 차량 흐름 분석에 이용할 수 있다. 그리고, 각 차량 단말기(131, 133)로부터 수집한 데이터에 기초하여 이상 패턴 모델에 부합하는 차량을 군집 차량의 흐름에 영향을 미치는 영향을 고려하여 차량간 충돌방지를 위한 속도 제어 또는 안전운행정보를 제공할 수 있다.

이와 같이, 본 발명의 실시예에 따른 주변 차량의 상태 변화 감지를 통한 차량 주행 관리 시스템에서 다수의 차량에 대한 데이터 분석 및 안전운행정보 등을 제공하는 관리 서버의 구성에 대하여 도 2를 참조하여 간략하게 설명하도록 한다.

도 2는 본 발명의 실시예에 따른 주변 차량의 상태 변화 감지를 통한 차량 주행 관리 시스템 서버의 구성의 일 예를 나타내는 도면이다.

도 2를 참조하면, 본 발명의 실시예에 따른 차량 주행 관리 서버(200)는 다수의 차량으로부터 실시간 주행 관련 데이터 또는 사용자 프로파일 정보를 수집하는 데이터 수집부(210), 수집한 데이터에 기초하여 교통 흐름에 따라 가변이 가능한 하나 이상의 가상 존(virtual zone)을 생성하는 가상 존 생성부(220), 가상 존에 진입한 다수의 차량에 대하여 각 차량 데이터가 소정의 유사도 조건을 부합하는 경우, 유사 조건에 부합하는 차량들을 하나의 그룹으로 생성하는 그룹 생성부(230), 수집한 데이터에 기초하여 각 그룹별로 이상(adnormal) 주행 패턴 모델을 생성하는 패턴 모델링부(240), 각 그룹별로 이상 주행 패턴에 부합하는 차량의 존재 여부를 파악하고 해당 차량의 위치를 기준으로 스폿(spot)을 설정하는 스폿 설정부(250) 및 각 그룹별로 설정된 스폿이 인접한 주변 차량에 미치는 영향을 소정 기준치의 비교 분석을 통해 차량 제어 정보를 생성하고 안전운행을 위한 후속조치를 수행하는 차량 제어부(260)를 포함할 수 있다.

또한, 관리 서버(200)는 각 구성에서 생성되거나 수집한 데이터를 저장하는 정보저장부(270)를 더 포함할 수 있다. 정보저장부(270)는 각 차량으로부터 수집한 사용자 프로파일 정보를 저장하는 프로파일 DB(271), 가상 존 생성부(220)에서 생성된 가상 존 정보를 저장하는 가상 존 DB(272), 그룹 생성부(230)에서 생성된 그룹 정보를 저장하는 그룹 DB(273) 및 패턴 모델링부(240)에서 생성된 이상 주행 패턴 모델을 저장하는 패턴 모델 DB(274)를 포함할 수 있다.

관리 서버(200)를 구성하는 각 구성에 대하여 설명하도록 한다.

데이터 수집부(210)는 이동중인 다수의 차량으로부터 각 차량의 주행과 관련된 데이터 및 각 차량에 대응하는 사용자 프로파일 정보를 M2M 통신을 통해 실시간으로 수집하고, 기상청 운영서버 또는 교통관제서버 등과 연동하여 기상정보, 교통정보, 도로정보 등도 실시간으로 수집할 수 있다.

가상 존 생성부(220)는 데이터 수집부(210)에서 수집된 차량 상태, 운행 상태, 도로상황, 기상정보 등의 혼재된 데이터로부터 차량 이동에 따른 시간적, 공간적 연관성을 고려하여 하나 이상의 가상 존(vitual zone)을 생성할 수 있다.

본 명세서에서, '가상 존'은 차량으로부터 수집한 데이터를 토대로 이동중인 차량의 상태 변화 분석을 통해 소정의 차량 운행 관리 요건에 부합하는 지리적 영역으로 정의할 수 있다. 이와 같은, 가상 존은 차량 이동 상황에 따라 생성 및 소멸 될 수 있고, 생성된 가상 존의 형태나 크기도 실시간으로 변동하는 차량 이동 상황에 따라 갱신될 수 있다.

가상 존 생성부(220)에서 생성된 하나 이상의 가상 존 정보는 해당 위치 및 시간정보와 함께 가상 존 DB(272)에 저장되며 가상 존 DB(272)는 실시간으로 저장된 정보를 갱신할 수 있다.

그룹 생성부(230)는 데이터 수집부(210)에서 수집한 차량 데이터 또는 사용자 프로파일 정보에 기초하여 소정 조건에 따라 상호 연관성 있는 데이터를 추출하여 하나 이상의 차량 그룹을 생성한다. 즉, 가상 존에 진입한 차량들 중 사용자 프로파일 정보가 소정 조건에 따른 유사성(예, 동일 또는 유사 범위의 차종, 연식, 사용자 연령, 성별, 이용하는 서비스 등)을 만족하는 차량들을 선별하여 동일한 그룹으로 그룹핑하고, 이러한 그룹을 하나 이상 생성할 수 있다.

여기서, 사용자 프로파일 정보란 차량 또는 사용자의 주행과 관련된 개별정보로서, 차량 정보(예, 종류, 연식, 차량 환경 특성, 사용 용도 등) 및 사용자 정보(예, 식별정보, 가입한 서비스, 성별, 나이, 운전 경력 등)를 포함한다. 사용자 프로파일은 정보저장부(270)의 프로파일 DB(271)에 기 저장된 정보일 수 있고, 그룹 생성부(230)는 데이터 수집부(210)에서 수집하거나 프로파일 DB(271)에서 추출한 사용자 프로파일 정보를 이용할 수 있다.

그룹 생성부(230)에서 생성된 하나 이상의 그룹 정보는 그룹 DB(273)에 저장되며, 그룹 DB(273)는 실시간으로 저장된 정보를 저장정보를 갱신할 수 있다.

패턴 모델링부(240)는 데이터 수집부(210)에서 수집한 차량 데이터에 기초하여 각 차량에 대한 주행 패턴을 도출 및 다른 차량과의 주행 패턴과 비교분석하여 이상(adnormal) 패턴을 범주화하여 하나 이상의 이상 주행 패턴 모델을 생성한다. 따라서, 패턴 모델링부는 이상 주행 패턴을 모델링하는 패턴 생성 모듈(241)을 포함할 수 있다.

나아가, 패턴 모델링부(240)는, 관리 서버(200)에서 실시간으로 이동중인 차량으로부터 데이터를 수집하고 차량 데이터 역시 실시간으로 변동될 수 있으므로, 일정 학습을 통해 패턴 모델의 정확성을 높이기 위한 패턴 학습 모듈(242)을 더 포함할 수 있다. 패턴 학습 모듈(242)은 지속적인 차량간 패턴 분석을 통하여 새로운 이상 패턴 모델이 발견되거나 일정 오프셋 값으로 변동이 발생하는 경우 과거의 정보를 기준으로 가장 최근의 정보를 학습하여 이상 주행 패턴을 업데이트한다.

패턴 모델링부(240)에서 생성되는 이상 패턴 모델은 패턴 모델 DB(274)에 저장될 수 있다.

스폿 생성부(250)는 가상 존 생성부(220)에서 생성된 가상 존에 진입한 차량들로부터 수집한 차량 데이터에 기초하여 진입 차량 중 패턴 모델링부(240)에서 생성된 이상 주행 패턴 모델에 부합하는 차량이 발견된 위치를 기준으로 일정 반경 내 영역을 스폿으로 지정한다. 스폿은 가상 존별로 차량 이동 흐름 상태에 따라 존재하지 않거나 하나 이상 지정될 수 있으며, 차량 이동 흐름 상태에 따라 생성되거나 소멸될 수 있다.

또한, 스폿 생성부(250)는 스폿 지정 후, 이상 패턴 모델에 부합하여 스폿 설정을 유발시킨 제1 차량과 동일 또는 유사그룹에 속하는 제2 차량이 해당 스폿을 통과하여 이동할 때, 제2 차량이 제1 차량과 동일 또는 유사한 현상을 발생시키면 해당 스폿을 유지하고, 제2 차량이 제1 차량과 동일 또는 유사하지 않은 현상을 발생시키면 해당 스폿을 제거할 수 있다.

나아가, 스폿 생성부(250)는 각 가상 존에서 생성된 스폿과 가상 존 정보를 연계하여 가상 존 DB(272)에 저장하거나 가변하는 가상 존과 스폿에 따라 저장된 정보를 지속적으로 갱신저장할 수 있다.

차량 제어부(260)는 가상 존 내 스폿이 하나 이상 설정된 경우, 설정된 스폿이 가상 존에 진입하거나 가상 존 내 위치한 차량에 미치는 영향 등을 분석하여 스폿을 지나가는 차량들에 대해 안전운행을 위한 정보를 생성하고, 스폿 인접 지역의 차량들이 동일한 속도로 이동하여 차량 간 충돌을 방지하도록 차량 속도 제어 정보를 생성할 수 있다. 이 경우, 관리 서버(200)는 차량 제어부(260)에서 생성된 안전운행정보 및 차량속도제어정보는 해당 차량의 차량 단말기로 전송하여 사용자에게 경고, 알림 등의 방식으로 정보를 제공할 수 있다.

또는, 차량 제어부(260)는 각 차량 단말기에 대한 원격 제어 어플리케이션이 실장된 경우 스폿의 영향을 받아 속도 제어가 필요한 차량들에 대해 직접적으로 차량 속도 원격 제어를 수행할 수 있다.

이하, 상기 도 2에 예시된 관리 서버의 구성에 기초하여 본 발명의 실시예에서 제안하는 주변 차량의 상태 변화 감지를 통해 다수의 차량에 대한 주행 관리를 수행하는 과정에 대하여 설명하도록 한다.

도 3은 본 발명의 실시예에 따라 주변 차량의 상태 변화 감지를 통해 차량 주행을 관리하는 과정의 일 예를 나타내는 절차 흐름도이다.

도 3을 참조하면, 본 발명의 실시예에 따라 주변 차량의 상태 변화 감지를 통해 차량 주행을 관리하는 과정은, 이동중인 다수의 차량으로부터 차량 주행과 관련된 데이터, 기상정보, 교통정보 등을 수집하는 단계(S301), 수집된 데이터에 기초하여 차량 이동에 따른 하나 이상의 가상 존을 생성하는 단계(S302), 차량 데이터 및 사용자 프로파일 정보에 기초하여 하나 이상의 그룹을 생성하는 단계(S303), 그룹 내 차량으로부터 수집한 데이터를 분석하여 차량별 주행 패턴을 도출하고 이를 토대로 이상 주행 상태를 나타내는 이상 주행 패턴을 모델링하는 단계(S304), 이상 주행 패턴에 부합하는 차량을 선별하여 스폿을 지정하는 단계(S305), 가상 존에 진입한 차량들 중 그룹에 속한 차량의 특성이 스폿의 특성과 매칭되는지 여부를 확인하는 단계(S306) 및 매칭 확인 결과에 따라 해당 차량으로 안전주행정보를 제공하는 단계(S307)를 포함할 수 있다.

이하, 각 단계에서의 기술적 특징에 대하여 설명하도록 한다.

먼저, 관리 서버(200)의 데이터 수집부(210)는 이동중인 다수의 차량으로부터 각 차량의 주행과 관련된 데이터 및 사용자 프로파일 정보를 실시간 수집하고, 기상청 운영서버 또는 교통관제서버 등과 연동하여 기상정보, 교통정보, 도로정보 등도 실시간으로 수집하는 전처리 과정을 수행한다(S301).

이때, 데이터 수집부(210)는 관리서버의 정보저장부(270)에 기초하여 기 저장된 사용자 프로파일 정보를 도출하여 데이터를 수집할 수 있다.

데이터 수집과정(S301)은 다양한 경로를 통해 수집된 데이터들에 대하여 차량 주행 상태 분석을 위한 데이터 유형을 정의하고, 정의되지 않은 데이터 혹은 데이터 분석과정에서 오류를 발생시킬 수 있는 노이즈 데이터는 제거하는 필터링 과정도 포함할 수 있다. 차량 주행 상태 분석을 위해 정의되는 데이터 유형으로는 개인정보, 차량정보, 운행정보, 날씨정보, 교통정보, 사고정보, 공사정보, 도로 지형정보, 주변 상황정보 등이 있으며, 반드시 이에 한정되는 것은 아니고 상황에 따라 다양하게 재정의할 수 있다.

상술한 데이터 유형 중 차량정보 및 운행정보는 차량의 센서들에 의해 센싱된 데이터로 표 1에 예시된 정보를 포함할 수 있다.

차량 내 센서	센싱 데이터
전원공급센서	RPM, 트랜스미션 설정, 트로틀 위치, 냉각수 온도, 차량 실내 온도, 기압 등
전기적 센서	브레이크등, 회전신호등, 전조등, 후진등, 와이퍼, 도어잠금 등
차량 자체 센서	에어백, ABS, 수신 라디오 방송국, 안전벨트 사용여부, 도어열림, 주행기록계, 연료탱크 내 연료 레벨, 도난방지장치 손상 여부 등
기타 센서	차량 속도, 차량 위치, 시간, 날짜, 차량 이동 방향 등

도 3에서는 데이터 수집 과정(S301)이 이후 이루어지는 단계(S302 내지 S306)의 전 단계로 도시되어 있으나, 가상 존 생성, 차량 그룹 생성, 이상 주행 패턴 모델링, 스폿 지정은 실시간으로 전송되는 차량 데이터를 이용하므로 단계 S301은 시간의 흐름에 구애받지 않고 이루어질 수 있다.

다음으로, 관리서버(200)의 가상 존 생성부(220)는 수집된 차량 상태, 운행 상태, 도로상황, 기상정보 등의 혼재된 데이터로부터 차량 이동에 따른 시간적, 공간적 연관성을 고려하여 하나 이상의 가상 존(vitual zone)을 생성한다(S302).

가상 존은 도로별 특성, 교통정보, 데이터 수집시 차량 상황(위치 및 시간) 정보, 기상정보 등 시간에 따라 가변하는 정보에 기초하여 생성되므로, 차량의 이동 상황에 따라 생성, 변형 또는 소멸될 수 있다. 도 3에는 도시되지 않았으나, 가상 존 생성부(220)에서 생성된 하나 이상의 가상 존 정보는 해당 위치 및 시간정보와 함께 데이터베이스(270)에 실시간으로 저장 또는 갱신저장될 수 있다.

다음으로, 관리 서버(200)의 그룹 생성부(230)는 전 단계(S301)에서 수집된 차량 데이터 또는 사용자 프로파일 정보에 기초하여 소정 조건에 따라 상호 연관성 있는 데이터를 추출하여 하나 이상의 차량 그룹을 생성한다(S303).

차량 그룹 생성 과정은 차량 데이터와 사용자 프로파일에서 수집된 정보에 기초하여 사용자 간 유사도, 차량간 유사도 및 차량과 사용자간 유사도 중 적어도 하나를 분석하여 그룹을 생성할 수 있다. 예를 들어, 사용자와 차량 간 유사도 평가를 위한 정보는 차량의 종류, 연식, 용도, 기능, 사용자의 연령, 성별, 차량 사용 용도 등을 포함할 수 있다. 이하, 단계별로 이루어지는 차량 그룹 생성 과정(S303)에 대하여 도 4를 참조하여 설명하도록 한다.

도 4는 본 발명의 실시예에 따른 차량 주행 관리 방법에서 차량 그룹을 생성하는 과정의 일 예를 나타내는 절차 흐름도이다.

도 4를 참조하면, 본 발명의 실시예에 따른 그룹 생성부(230)는 가상 존에 진입한 다수의 차량들로부터 수집한 데이터에 기초하여 사용자 프로파일 정보를 확보한다. 이때, 사용자 프로파일 정보는 차량 데이터에 포함되거나 그룹 생성부(230)에서 차량 데이터에 기초하여 생성하거나 또는 사용자 프로파일 DB(271)로부터 도출된 정보일 수 있다(S401).

가상 존에 진입한 다수의 차량 각각에 대한 사용자 프로파일 정보 수집시, 그룹 생성부(230)는 사용자 프로파일 정보를 기반으로 사용자 간 유사도, 차량간 유사도 및 차량과 사용자간 유사도 중 적어도 하나를 분석하고(S402), 분석 결과에 따른 차량 별 특징에 따라 다수의 차량에 대하여 하나 이상의 그룹을 생성할 수 있다(S403).

만약, 생성된 그룹에 속한 차량의 이동에 따라 가상 존을 벗어나는 경우, 그룹 생성부(230)는 가상 존을 벗어난 차량을 해당 그룹에서 제거하며 차량 그룹을 갱신할 수 있다(S404).

상기 도 4의 과정을 통해 생성된 그룹 정보 또는 도 3의 단계(S303)를 통해 생성된 그룹 정보는 마찬가지로 정보저장부(270)에 실시간으로 저장 또는 갱신저장될 수 있다.

다시 도 3을 참조하면, 그룹 생성 과정(S303) 후, 패턴 모델링부(240)는 수집된 차량 데이터에 기초하여 각 차량에 대한 주행 패턴을 도출하고, 도출된 차량 주행 패턴을 다른 차량들의 주행 패턴과 비교분석하여 이상 주행 패턴 모델을 생성한다(S304). 이하, 단계별로 이루어지는 이상 주행 주행 패턴 모델링 과정(S304)에 대하여 도 5를 참조하여 설명하도록 한다.

도 5는 본 발명의 실시예에 따른 차량 주행 관리 방법에서 이상 주행 패턴을 생성하는 과정의 일 예를 나타내는 절차 흐름도이다.

도 5를 참조하면, 본 발명의 실시예에 따른 패턴 모델링부(240)는 각 그룹 내 차량으로부터 수집한 데이터를 분석하여 차량별 주행 패턴을 도출한다(S501).

다음으로, 패턴 모델링부(240)는 전 단계(S501)에서 도출된 차량별 주행 패턴 결과를 토대로 다른 차량의 주행 패턴과 비교분석하여 이상 주행 패턴을 범주화함으로써, 하나 이상의 이상 주행 패턴 모델을 생성할 수 있다. 이상 주행 패턴은 각 차량의 정보와 각 정보의 흐름 간 연관관계를 이용하여 도출할 수 있다(S502).

이때, 관리 서버(200)는 실시간으로 이동중인 차량으로부터 데이터를 수집하고 수집한 데이터에 기초하여 주행 패턴을 분석하므로, 이상 주행 패턴은 상황에 따라 변동될 수 있기 때문에 패턴 모델을 정교화하는 학습과정을 수행할 수 있다.

예를 들어, 이상 주행 패턴 모델에 연관관계가 있는 차량이 가상 존에서 벗어나거나 가상 존으로 진입하는 등 차량 정보가 변경되는 경우(S503), 패턴 모델링부(240)는 과거의 정보를 기준으로 가장 최근의 정보를 학습하여 이상 패턴을 정교화하는 수정 과정을 수행할 수 있다(S504).

다시 도 3을 참조하면, 스폿 생성부(250)는 가상 존에 진입한 차량들로부터 수집한 차량 데이터에 기초하여 진입 차량 중 전 단계(S304)에서 생성된 이상 주행 패턴 모델에 부합하는 차량을 기준으로 스폿을 설정한다(S305).

스폿은 차량의 위치 및 시간을 기준으로 일정 반경 내 영역으로 정의될 수 있으며, 가상 존별로 차량 이동 흐름 상태에 따라 존재하지 않거나 하나 이상 지정될 수 있고, 차량 이동 흐름 상태에 따라 생성 및 소멸이 반복될 수 있다.

스폿의 지정 및 갱신 과정에 대하여 도 6을 참조하여 설명하도록 한다.

도 6은 본 발명의 실시예에 따른 차량 주행 관리 방법에서 스폿을 지정하는 과정의 일 예를 나타내는 절차 흐름도이다.

도 6을 참조하면, 본 발명의 실시예에 따른 스폿 생성부(250)는 가상 존으로 진입한 차량으로부터 수집한 데이터에 기초하여 이상 주행 패턴 모델에 부합하는 차량을 선별하고(S601), 선별된 차량의 지리적 위치 및 시간정보를 고려하여 가상 존 내에 스폿을 지정할 수 있다(S602).

이때, 스폿 지정이 가상 존 내 이상 차량을 기준으로 이루어지므로, 가상 존 내 지정된 스폿의 적합성 판단을 위하여 각 스폿의 상태와 다른 스폿과의 연관관계를 분석한다(S603). 예컨대, 가상 존 내 지정된 스폿의 크기, 위치, 조밀도, 스폿 특성 등을 분석할 수 있다.

분석 결과, 각 스폿이 기 설정된 기준 범주에 속하는 경우 해당 스폿을 유지하고(S604, S605), 기준 범위를 벗어나는 경우에는 가상 존 크기 변경을 위해 가상 존 생성부(220)로 피드백 정보를 전송할 수 있다(S604, S605). 예컨대, 가상 존 내 스폿의 조밀도가 기준 범위의 최상값보다 높은 경우 가상 존 크기를 확대하고, 스폿의 조밀도가 기준 범위의 최저값보다 낮은 경우 가상 존 크기를 축소하거나 둘 이상의 가상 존으로 세분화하도록 피드백할 수 있다.

또한, 스폿 생성부(250)는 지정된 스폿의 정교화를 위하여, 스폿의 위험도 특성과 스폿을 통과하는 차량의 특성을 비교분석하여 해당 스폿의 갱신 여부를 판단할 수 있다(S607). 예컨대, 이상 패턴 모델에 부합하여 스폿 설정을 유발시킨 제1 차량과 동일 또는 유사 그룹에 속하는 제2 차량이 해당 스폿을 통과할 때, 제2 차량이 제1 차량과 동일 또는 유사한 현상을 유발하는지 여부를 분석할 수 있다.

스폿의 특성과 차량 특성의 비교 결과, 해당 차량이 스폿의 특성에 부합하는 주행 특성을 보이면 해당 스폿을 유지하고(S608), 상이한 특성을 보이면 해당 스폿을 소멸시킬 수 있다(S609). 즉, 상술한 실시예에서, 제2 차량이 제1 차량과 동일 또는 유사한 현상을 유발시키면 해당 스폿을 유지하고, 상이한 현상을 나타내면 해당 스폿을 소멸시킬 수 있다.

상기 단계 S607 내지 S609의 스폿 특성과 차량 특성 비교 과정은 스폿이 주행 안전에 영향을 미칠 수 있는 위험도를 검증하기 위한 것으로, 스폿을 통과하는 차량에 대한 특성 비교 횟수의 설정에 따라 정확도를 조정할 수 있다.

다시 도 3을 참조하면, 스폿 지정 후, 관리 서버(200)의 차량 제어부(260)는 가상 존에 진입하거나 가상 존에 위치한 차량에 대하여 소정 기준에 따라 스폿의 특성에 매칭되는지 여부를 판단한다(S306).

예컨대, 차량 제어부(260)는 스폿의 위험도가 차량의 주행 상태에 미치는 영향도, 스폿 통과시 적절한 차량의 주행 속도, 차량이 스폿을 통과하지 않고 우회 가능한지 여부 등을 종합적으로 고려하여 매칭 여부를 판단할 수 있다.

매칭 결과에 따라, 차량 제어부(260)는 가상 존 내에서 스폿 특성에 부합하는 차량에 대하여 안전운행정보 또는 제어신호를 생성하여 해당 차량으로 전송할 수 있다(S307).

안전운행정보는 차량 단말기를 통해 사용자에게 차량 주행과 관련된 주의사항, 스폿에서 차량 속도, 가상 존 내 다른 차량과의 속도 동조 요청 등의 경고나 알림 정보 등을 포함하며 차량별 또는 사용자별로 운전상태에 따라 제공하는 정보를 필터링하는 제공할 수 있다. 차량 제어신호는 관리 서버가 차량을 원격 조정하기 위한 제어신호로, 이 경우 차량 원격 조정에 대한 사용자 인증 절차를 거칠 수 있으며, 차량 제어 신호는 차량 속도, 안전장치 동작 여부, 차량 상태에 관한 제어신호 등을 포함한다.

단계 S307에서의 차량 제어부(260)의 동작에 관한 일 예로, 차량 제어부(260)는 가상 존 내 진입하거나 위치한 다수의 차량 그룹들 중 가상 존 내 지정된 스폿의 특성과 부합되는 차량 그룹이 존재하고, 해당 그룹에 포함된 차량들의 주행 속도차가 일정 기준치 이상인 경우, 해당 그룹을 구성하는 차량이나 이상 주행 패턴을 보이는 차량으로 안전운행정보를 전송할 수 있다.

도 7은 본 발명의 실시예에 따른 차량 주행 관리 시스템에서 차량 주행 관리를 수행하는 실시예를 나타내는 도면이다.

도 7을 참조하면, 관리 서버(200)는 상술한 실시예에 따라 차량 및 도로 주행에 영향을 미칠 수 있는 기상정보, 도로 지형 정보, 교통정보 등의 수집 데이터에 기초하여 차량 이동 경로(700)상에 가상 존(701)을 생성하고, 가상 존(701) 내에서 이상 주행 패턴 모델 조건에 부합하는 차량을 선별하여 하나 이상의 스폿(702, 703, 704)을 지정할 수 있다.

그리고, 가상 존(701) 내 위치하거나 가상 존(701)으로 진입하는 차량들에 대하여 차량 특성 및 사용자 프로파일 정보를 토대로 소정의 유사도 조건에 의해 구분되는 하나 이상의 차량 그룹(그룹 A, 그룹 B)을 생성할 수 있다. 도 7에 도시된 차량들 중, 그룹 A는 A1 차량(711), A2 차량(712) 및 A3 차량(713)로 구성되고, 그룹 B는 B1 차량(714) 및 B2 차량(715)으로 구성될 수 있다.

스폿은 차량 그룹과의 관계에서 생성됨에 따라, 도 7에 예시된 스폿은 그룹 A를 토대로 생성된 스폿 1(702), 그룹 B를 토대로 생성된 스폿 2(703) 및 스폿 3(704)으로 구성된다.

한편, 동일 그룹에 속한 차량들은 기본적인 차량 특성이 유사하므로, 동일한 스폿에서 동일 또는 유사한 주행 특성을 갖을 수 있다. 예컨대, 도 7에 도시된 것처럼 그룹 A에 속하는 A2 차량(712) 및 A3 차량(713)은 동일한 스폿(702)을 통과할 때 동일 또는 유사한 주행 특성을 보일 수 있다.

그러나, 차량 그룹핑은 차량 및 사용자 프로파일 정보를 토대로 유사도 조건에 부합하여 이루어지기 때문에 동일한 스폿에 위치한 동일한 그룹 내 차량이더라도 실질적인 주행 형태는 차이점을 나타낼 수 있다. 즉, 동일한 스폿(702)에 속한 A2 차량(712)과 A3 차량(713)에서의 주행 형태가 일정 기준치 이상의 차이를 보이는 경우, 해당 스폿의 통과 전후로 주행 특성의 변화가 적은 차량에 대해서는 해당 스폿으로부터 받는 영향에 따라 그룹 A에서 배제할 수 있다.

한편, 차량 그룹핑은 가상 존을 기준으로 동일한 가상 존에 위치한 차량들을 대상으로 한정되는 것은 아니다. 그룹핑의 다른 예로, 차량이 이용하는 서비스 특성에 기초하여 차량 그룹을 생성할 수 있다. 예컨대, 단체 관광 버스, 카쉐어링 서비스 이용 차량와 같이 동일

한 서비스를 이용하는 다수의 차량들에 대해서 하나의 그룹으로 그룹핑하는 경우, 차량의 이동 경로와 무관하게 지속적으로 동일 그룹으로 관리할 수 있다. 서비스 기반의 차량 그룹핑은 가상 존 기반의 차량 그룹핑에 대해 우선순위로 이루어질 수 있다.

이에 따라, 도 7에 도시된 A1 차량(711)은 A2 차량(712) 및 A3 차량(713)과 동일한 서비스를 이용하여 동일 그룹으로 분류된 겨우로, A1 차량(711)에 대해서는 가상 존(701)을 벗어나 이동하는 경우에도 그룹 A로 구분될 수 있다.

그룹 B에 속하는 B1 차량(714)과 B2 차량(715)은 가상 존(701)을 벗어나거나 진입하려는 차량을 나타낸다.

B2 차량(715)의 경우, 가상 존(701) 내로 진입하더라도 B1 차량(714)의 가상 존(701) 이탈에 따라 존 내에는 그룹 B에 속하는 차량이 존재하지 않게 된다. 그러나, 이러한 경우에도 관리 서버(200)는 과거 그룹 B의 차량들(B1 등)에 의해 위험 지역으로 지정된 스폿 2(703) 및 스폿(704)과 관련된 안전운행정보를 제공받을 수 있다. 예컨대, 예보되지 않은 기상사태에 의해 차량은 가시거리가 확보되지 않고 도로 상태에 관한 정보도 없는 위험 상태에 처할 수 있다. 이때, 관리서버는 수시간 이전에 해당 구간을 통과한 동일 그룹의 차량으로부터 수집한 정보를 토대로 주행 패턴을 분석하고, 분석된 패턴 정보를 토대로 안전운행정보를 차량에 제공할 수 있다.

이와 같이, 상술한 본 발명의 실시예에 따르면, 주변 차량의 상황 및 운전 패턴을 고려한 속도 동조화 기술을 통하여 안전 운전을 획기적으로 개선할 수 있다. 특히, 사용자가 기존에 이용하지 않았던 새로운 길을 가야 하는 상황뿐만 아니라, 무리를 지어 그룹으로 이동하면서 일정 속도와 간격을 유지하고 사고 위험이 있는 구간에서 방어 운전해야 하는 정보까지 공유할 수 있는 장점이 있다. 이를 통하여, 안개, 비, 눈, 야간 등 가시거리 확보가 어려운 도로 환경에서의 사고 방지가 가능하다.

본 발명에서 제안하고자 하는 기술을 이용할 경우, 사고 발생 이전에 속도 동조를 통하여 연쇄 충돌 등의 사고 방어 운전의 장점이 있을 수 있다. 이를 통하여 연간 고속도로에서 발생하는 사고와 정체에 의한 비용 절감의 효과를 예상할 수 있다.

또한, 본 발명에서 제안한 기술은 도로에서의 차량에 한정하여 구현되지 않고 다른 이동 수단에도 적용할 수 있다. 일 예로, 한강에서의 수상 택시와 같은 경우에도 적용 가능하다. 한강의 경우 특별한 경로나 구획이 없는 경우 가상 존으로 운행 경계구간을 구획하고, 예컨대, 지나가지 말아야 하는 구간이나 유속의 변화에 영향을 받는 지점을 스폿으로 지정한 후에, 다수의 차량 이동에 관한 데이터를 수집하여 동일 유형의 수상 택시들에게 유사한 상황이 도래할 경우 안전 운행을 제어하도록 하는 서비스에도 적용 가능하다.

다른 예로, 단체로 수학여행을 가는 다수의 차량에 Swarm Intelligence 기술을 적용하려는 논의는 있었으나, 실제 적용방안에 대해서 구체화 시킨 사례는 아직 없기에 본 발명의 기술을 적용할 수 있는 분야는 매우 다양하다. 더욱이, 기존 Swarm Intelligence 기술의 경우 차량 제조사들 중심으로 논의되어 일부 Proto-type 형태로 제한적으로 구현되었으나, 통신사의 서비스를 이용한 분석적 모델링 기법에 대해서는 전무하여, 해외 특허 기술의 선점 효과 측면에서도 매우 크다고 할 수 있다.

이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서 본 발명에 기재된 실시예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 기술 사상이 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의해서 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.

Claims (14)

1. 이동중인 차량의 안전 운전을 위한 주행 관리 방법에 있어서,
   (a)다수의 이동 차량으로부터 실시간으로 수집하는 데이터 및 전처리된 기상정보, 도로지형정보 또는 교통정보 중 하나 이상에 기초하여 차량 이동에 따라 변형 또는 소멸하는 하나 이상의 가상 존(virtual zone)을 생성하는 단계;
   (b)다수의 차량으로부터 실시간으로 수집한 데이터 및 사용자 프로파일 정보에 기초하여 소정의 유사도 조건에 따라 하나 이상의 그룹을 생성하는 단계;
   (c)각 그룹 내 속한 차량으로부터 수집한 데이터에 기초하여 차량별 주행 패턴을 도출하고, 도출한 차량별 주행 패턴을 비교분석하여 이상(adnormal) 주행 패턴 모델을 생성하는 단계;
   (d)각 가상 존에 위치하거나 진입하는 다수의 차량 중 상기 이상 주행 패턴 모델에 부합하는 차량의 지리적 위치 및 시간 정보에 기초하여 하나 이상의 스폿(spot)을 설정하는 단계; 및
   (e)각 가상 존에 위치하거나 진입하는 다수의 차량 중 상기 스폿의 특성에 매칭하는 차량으로 안전운행정보를 전송하는 단계를 포함하는, 주변 차량의 상태 변화 감지를 통한 차량 주행 관리 방법.
2. 제1항에 있어서,
   상기 (a) 단계의 가상 존은,
   상기 차량으로부터 수집한 데이터를 토대로 이동중인 차량의 상태 변화 분석을 통해 소정의 차량 운행 관리 요건에 부합하는 지리적 영역인, 주변 차량의 상태 변화 감지를 통한 차량 주행 관리 방법.
3. 제1항에 있어서,
   상기 (b) 단계의 유사도 조건은,
   사용자 간 유사도 조건, 차량 간 유사도 조건 및 차량과 사용자 간 유사도 조건 중 적어도 하나를 포함하는, 주변 차량의 상태 변화 감지를 통한 차량 주행 관리 방법.
4. 제1항 또는 제3항에 있어서,
   상기 (b) 단계는,
   각 가상 존에 위치하거나 진입하는 다수의 차량에 대하여 상기 유사도 조건에 따라 가상 존 단위의 차량 그룹을 생성하는, 주변 차량의 상태 변화 감지를 통한 차량 주행 관리 방법.
5. 제4항에 있어서,
   상기 (b) 단계는,
   상기 차량 그룹에 속한 차량의 이동으로 가상 존을 이탈하는 경우, 상기 가상존을 이탈한 차량을 해당 그룹에서 삭제하며 그룹 정보를 갱신하는 단계를 더 포함하는, 주변 차량의 상태 변화 감지를 통한 차량 주행 관리 방법.
6. 제1항 또는 제3항에 있어서,
   상기 (b) 단계는,
   가상 존 내에 위치하는 다수의 차량에 대하여 차량 용도 또는 차량에서 이용하는 서비스를 기준으로 상기 유사도 조건에 따라 차량 그룹을 생성하는, 주변 차량의 상태 변화 감지를 통한 차량 주행 관리 방법.
7. 제1항에 있어서,
   상기 (c) 단계는,
   상기 (a) 단계 내지 상기 (c) 단계의 반복 수행에 따라, 기 생성된 이상 주행 패턴 모델을 기준으로 지속적으로 도출되는 차량별 주행 패턴 정보를 반영하여 이상 주행 패턴 모델을 정교화하는 단계를 더 포함하는, 주변 차량의 상태 변화 감지를 통한 차량 주행 관리 방법.
8. 제1항에 있어서,
   상기 (d) 단계의 스폿은,
   각 가상 존 내에서의 차량 이동에 따라 생성, 변형 또는 소멸하는, 주변 차량의 상태 변화 감지를 통한 차량 주행 관리 방법.
9. 제1항에 있어서,
   상기 (d) 단계는,
   상기 생성된 하나 이상의 스폿에 대하여, 각 스폿의 상태 및 다른 스폿과의 연관관계를 분석하는 단계; 및
   상기 분석 결과에 따라 가상 존의 크기를 유지, 증감 또는 세분화하는 단계를 더 포함하는, 주변 차량의 상태 변화 감지를 통한 차량 주행 관리 방법.
10. 제1항 또는 제9항에 있어서,
    상기 (d) 단계는,
    상기 생성된 각 스폿의 특성과 각 스폿을 통과하는 차량으로부터 수집한 데이터에 기초하여 해당 스폿을 유지 또는 소멸시키는 단계를 더 포함하는, 주변 차량의 상태 변화 감지를 통한 차량 주행 관리 방법.
11. 제1항에 있어서,
    상기 (a) 단계는,
    지속적으로 생성되는 가상 존에 관한 정보를 소정의 데이터베이스에 저장 또는 갱신 저장하는 단계를 더 포함하는, 주변 차량의 상태 변화 감지를 통한 차량 주행 관리 방법.
12. 제1항에 있어서,
    상기 (b) 단계는,
    지속적으로 생성되는 차량 그룹에 관한 정보를 소정의 데이터베이스에 저장 또는 갱신 저장하는 단계를 더 포함하는, 주변 차량의 상태 변화 감지를 통한 차량 주행 관리 방법.
13. 제1항에 있어서,
    상기 (c) 단계는,
    지속적으로 생성되는 이상 주행 패턴 모델을 소정의 데이터베이스에 저장 또는 갱신 저장하는 단계를 더 포함하는, 주변 차량의 상태 변화 감지를 통한 차량 주행 관리 방법.
14. 제1항에 있어서,
    상기 (e) 단계의 안전운행정보는,
    차량 속도를 동일 그룹 또는 동일 스폿에 속한 다른 차량의 속도에 동조시키는 정보를 포함하는, 주변 차량의 상태 변화 감지를 통한 차량 주행 관리 방법.

Images