KR101574239B1 - 차량 운행 정보 제공 방법 및 장치 - Google Patents
차량 운행 정보 제공 방법 및 장치 Download PDFInfo
- Publication number
- KR101574239B1 KR101574239B1 KR1020130125488A KR20130125488A KR101574239B1 KR 101574239 B1 KR101574239 B1 KR 101574239B1 KR 1020130125488 A KR1020130125488 A KR 1020130125488A KR 20130125488 A KR20130125488 A KR 20130125488A KR 101574239 B1 KR101574239 B1 KR 101574239B1
- Authority
- KR
- South Korea
- Prior art keywords
- information
- traffic situation
- vehicle
- situation information
- driving
- Prior art date
- Legal status (The legal status 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 status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 239000000446 fuel Substances 0.000 claims description 8
- 238000001514 detection method Methods 0.000 claims description 6
- 238000002716 delivery method Methods 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 6
- 238000007405 data analysis Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000001149 cognitive effect Effects 0.000 description 3
- 239000000470 constituent Substances 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 125000002066 L-histidyl group Chemical group [H]N1C([H])=NC(C([H])([H])[C@](C(=O)[*])([H])N([H])[H])=C1[H] 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Atmospheric Sciences (AREA)
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Traffic Control Systems (AREA)
Abstract
차량 운행 정보 제공 방법 및 장치가 개시되어 있다. 차량으로 예측 교통 상황 정보를 제공하는 방법은 운행 정보 제공 서버가 현재 교통 상황 정보 및 차량의 운행 정보를 수신하는 단계, 운행 정보 제공 서버가 설정된 유사 탐색 범위 및 수신한 현재 교통 상황 정보 및 차량의 운행 정보에 기반하여 빅데이터를 탐색하여 유사 교통 상황 정보를 결정하는 단계, 운행 정보 제공 서버가 유사 교통 상황 정보를 기반으로 예측 교통 상황 정보를 생성하는 단계와 운행 정보 제공 서버가 예측 교통 상황 정보를 차량으로 전송하는 단계를 포함할 수 있다.
Description
본 발명은 차량 운행 방법에 관한 것으로서 보다 상세하게는 차량 운행 정보 제공 방법 및 장치에 관한 것이다.
최근 IT 분야가 급격히 변화함에 따라 현대 정보화 사회는 빅데이터 시대로 진화 중이다. 데이터 저장 장치의 발달, 초연결성의 확대, 대용량 데이터 처리 기술의 발달로 인해 빅데이터의 시대로 진입하고 있다. 데이터 처리 민간 기업을 중심으로 빅데이터의 중요성을 인식한 이후, 전 세계적으로 빅데이터에 큰 기대를 하고 있고 그에 따라 빅데이터 분석과 활용을 활성화하기 위한 다양한 방안이 제안되고 있다.
빅데이터는 사실상 완전히 새로운 개념은 아니지만, 기존의 데이터 처리 기술로는 다루기 어렵고, 새로운 방법에 의한 데이터 분석을 통해 새로운 지적 통찰력을 줄 수 있는 데이터를 의미한다. 빅데이터에 대한 여러 특징과 정의를 종합하면, 데이터의 엄청난 크기, 빠른 전송, 다양성 및 비정형성, 복잡성과 같은 특징을 가지는데, 이는 기존의 기술과 방법으로는 다루기 어려움을 의미할 수 있다.
빅데이터는 이처럼 다루기 어려운 면이 있지만, 기업과 정부에 새로운 발전의 기회를 제공하거나 전지구적 문제를 해결할 수 있는 단초를 제공할 수 있는 데이터, 즉, 새로운 지적 통찰력을 제공할 수 있는 데이터를 빅데이터라고 할 수 있다.
빅데이터는 새로운 통찰력의 기회이므로 여러 부문에서 빅데이터 활용을 위해 노력하고 있다. 구글, SAS 등 민간 기업뿐만 아니라 미국, 독일, 싱가포르와 같은 국가의 공공 부문에서도 빅데이터 분석을 통해 데이터 분석의 효율성을 제고하고 있다. 빅데이터 분석은 기술 기획에도 적용할 수 있고 이를 통해 기술 기획 방법론의 고도화가 가능하다.
본 발명의 제1 목적은 차량 운행 정보를 제공하는 것이다.
본 발명의 제2 목적은 차량 운행 정보를 이용하는 장치를 제공하는 것이다.
상술한 본 발명의 제1 목적을 달성하기 위한 본 발명의 일 측면에 따른 차량으로 예측 교통 상황 정보를 제공하는 방법은 운행 정보 제공 서버가 현재 교통 상황 정보 및 상기 차량의 운행 정보를 수신하는 단계, 상기 운행 정보 제공 서버가 설정된 유사 탐색 범위 및 수신한 상기 현재 교통 상황 정보 및 상기 차량의 운행 정보에 기반하여 빅데이터를 탐색하여 유사 교통 상황 정보를 결정하는 단계, 상기 운행 정보 제공 서버가 상기 유사 교통 상황 정보를 기반으로 상기 예측 교통 상황 정보를 생성하는 단계와 상기 운행 정보 제공 서버가 상기 예측 교통 상황 정보를 상기 차량으로 전송하는 단계를 포함할 수 있되, 상기 빅데이터는 이전 교통 상황 정보 및 이전 개별 차량의 운행 정보를 포함하는 데이터 단위이고, 상기 유사 교통 상황 정보는 상기 빅데이터 중 상기 현재 교통 상황 정보 및 상기 차량의 운행 정보와 상기 유사 탐색 범위에 존재하는 정보를 포함하고, 상기 예측 교통 상황 정보는 상기 유사 교통 상황 정보를 기반으로 예측된 상기 차량에 예상되는 교통 상황에 대한 정보를 포함할 수 있다. 상기 현재 교통 상황 정보는 도로 운행 중인 차량의 밀도 정보, 도로 운행 중인 차량의 속도 정보, 현재 시간 정보, 현재 날씨 정보를 포함하고, 상기 개별 차량의 운행 정보는 상기 차량의 이동 경로 정보, 상기 차량의 속도 정보, 상기 차량의 주유량 정보, 상기 차량의 타이어 공기량 정보, 상기 차량의 급발진 및 급정지 정보를 포함할 수 있다. 상기 유사 교통 상황 정보를 결정하는 단계는 상기 현재 교통 상황 정보 중 유사 교통 상황 정보를 결정하기 위해 사용되는 유효 교통 상황 정보를 결정하는 단계, 상기 유사 교통 상황 정보를 결정하기 위한 오차 범위를 설정하는 단계; 및 상기 빅데이터에 포함된 정보 중 상기 유효 교통 상황 정보의 상기 오차 범위에 포함되는 정보를 상기 유사 교통 상황 정보로 결정하는 단계를 포함할 수 있다. 상기 유사 교통 상황 정보를 결정하는 단계는 상기 현재 교통 상황 정보 중 유사 교통 상황 정보를 결정하기 위해 사용되는 유효 교통 상황 정보를 결정하는 단계, 상기 유사 교통 상황 정보를 결정하기 위한 오차 범위를 설정하는 단계와 상기 빅데이터에 포함된 정보 중 상기 유효 교통 상황 정보의 상기 오차 범위에 포함되고 상기 차량의 운전 습관과 동일한 운전 습관 카테고리에 포함되는 정보를 상기 유사 교통 상황 정보로 결정하는 단계를 포함할 수 있다. 상기 운전 습관 카테고리는 상기 차량의 최고 속도 및 상기 차량의 평균 속도 정보에 기반하여 결정될 수 있다. 상기 현재 교통 상황 정보는 차량 및 운행 정보 수집 장치에 구비된 차량 감지 센서에 의해 획득되는 정보이고 상기 차량 감지 센서는 차선의 폭 정보를 기반으로 각 차선에서 이동하는 차량을 센싱할 수 있다. 상기 예측 교통 상황 정보는 실시간으로 입력되는 상기 현재 교통 상황 정보 및 상기 개별 차량의 운행 정보를 기반으로 지속적으로 갱신되는 정보일 수 있다. 상기 예측 교통 상황 정보는 사고 위험 경고 신호이고, 상기 사고 위험 경고 신호는 상기 빅데이터를 기반으로 상기 운행 경로의 특정 위치에서 발생한 사고 차량에 대한 정보를 포함하고, 상기 사고 위험 경고 신호는 상기 차량이 상기 특정 위치를 지나기 일정 거리 전에 상기 차량으로 전송될 수 있다.
상술한 본 발명의 제2 목적을 달성하기 위한 본 발명의 일 측면에 따른 차량으로 예측 교통 상황 정보를 제공하는 예측 교통 상황 정보 제공 장치는 프로세서를 포함하고, 상기 프로세서는 현재 교통 상황 정보 및 상기 차량의 운행 정보를 수신하고, 설정된 유사 탐색 범위 및 수신한 상기 현재 교통 상황 정보 및 상기 차량의 운행 정보에 기반하여 빅데이터를 탐색하여 유사 교통 상황 정보를 결정하고, 상기 유사 교통 상황 정보를 기반으로 상기 예측 교통 상황 정보를 생성하고, 상기 예측 교통 상황 정보를 상기 차량으로 전송할 수 있되, 상기 빅데이터는 이전 교통 상황 정보 및 이전 개별 차량의 운행 정보를 포함하는 데이터 단위이고, 상기 유사 교통 상황 정보는 상기 빅데이터 중 상기 현재 교통 상황 정보 및 상기 차량의 운행 정보와 상기 유사 탐색 범위에 존재하는 정보를 포함하고, 상기 예측 교통 상황 정보는 상기 유사 교통 상황 정보를 기반으로 예측된 상기 차량에 예상되는 교통 상황에 대한 정보를 포함할 수 있다. 상기 현재 교통 상황 정보는 도로 운행 중인 차량의 밀도 정보, 도로 운행 중인 차량의 속도 정보, 현재 시간 정보, 현재 날씨 정보를 포함하고, 상기 개별 차량의 운행 정보는 상기 차량의 이동 경로 정보, 상기 차량의 속도 정보, 상기 차량의 주유량 정보, 상기 차량의 타이어 공기량 정보, 상기 차량의 급발진 및 급정지 정보를 포함할 수 있다. 상기 프로세서는 상기 현재 교통 상황 정보 중 유사 교통 상황 정보를 결정하기 위해 사용되는 유효 교통 상황 정보를 결정하고, 상기 유사 교통 상황 정보를 결정하기 위한 오차 범위를 설정하고, 상기 빅데이터에 포함된 정보 중 상기 유효 교통 상황 정보의 상기 오차 범위에 포함되는 정보를 상기 유사 교통 상황 정보로 결정하도록 구현될 수 있다. 상기 프로세서는 상기 현재 교통 상황 정보 중 유사 교통 상황 정보를 결정하기 위해 사용되는 유효 교통 상황 정보를 결정하고 상기 유사 교통 상황 정보를 결정하기 위한 오차 범위를 설정하고, 상기 빅데이터에 포함된 정보 중 상기 유효 교통 상황 정보의 상기 오차 범위에 포함되고 상기 차량의 운전 습관과 동일한 운전 습관 카테고리에 포함되는 정보를 상기 유사 교통 상황 정보로 결정하도록 구현될 수 있다. 상기 운전 습관 카테고리는 상기 차량의 최고 속도 및 상기 차량의 평균 속도 정보에 기반하여 결정될 수 있다. 상기 현재 교통 상황 정보는 차량 및 운행 정보 수집 장치에 구비된 차량 감지 센서에 의해 획득되는 정보이고, 상기 차량 감지 센서는 차선의 폭 정보를 기반으로 각 차선에서 이동하는 차량을 센싱할 수 있다. 상기 예측 교통 상황 정보는 실시간으로 입력되는 상기 현재 교통 상황 정보 및 상기 개별 차량의 운행 정보를 기반으로 지속적으로 갱신되는 정보일 수 있다. 상기 예측 교통 상황 정보는 사고 위험 경고 신호이고, 상기 사고 위험 경고 신호는 상기 빅데이터를 기반으로 상기 운행 경로의 특정 위치에서 발생한 사고 차량에 대한 정보를 포함하고, 상기 사고 위험 경고 신호는 상기 차량이 상기 특정 위치를 지나기 일정 거리 전에 상기 차량으로 전송될 수 있다.
상술한 바와 같이 본 발명의 실시예에 따른 차량 운행 정보 제공 방법 및 장치를 사용함으로써 차량에 따라 정확한 운행 정보를 제공함으로써 운행자가 차량을 안정하고 효과적으로 운행할 수 있다
또한 본원발명은 유사 교통 상황 정보를 산출할 때 현재 교통 상황 정보에서 일부만을 고려하여 유사 탐색 범위를 설정하고 그 설정한 범위 안에서 빅 데이터를 비교하여 유사 교통 상황 정보를 탐색함으로써, 모든 현재 교통 상황 정보에 근거하여 탐색하는 것보다 연산량과 연산 시간을 대폭 줄일 수 있으며 가변하는 교통 상황에 대응하여 필요한 교통 상황 정보만을 취하므로 최적의 정보를 제공할 수 있는 효과가 있다.
또한 본원발명은 유사 교통 상황 정보를 산출할 때 현재 교통 상황 정보에서 일부만을 고려하여 유사 탐색 범위를 설정하고 그 설정한 범위 안에서 빅 데이터를 비교하여 유사 교통 상황 정보를 탐색함으로써, 모든 현재 교통 상황 정보에 근거하여 탐색하는 것보다 연산량과 연산 시간을 대폭 줄일 수 있으며 가변하는 교통 상황에 대응하여 필요한 교통 상황 정보만을 취하므로 최적의 정보를 제공할 수 있는 효과가 있다.
도 1은 본 발명의 실시예에 따른 차량 운행 정보 제공 방법을 나타낸 개념도이다.
도 2는 본 발명의 실시예에 따른 운행 정보 제공 서버에서 실시간으로 교통 정보를 수집하는 방법을 나타낸 개념도이다.
도 3은 본 발명의 실시예에 따른 운행 정보 제공 서버에서 차량의 운행 정보를 산출하는 방법을 나타낸 순서도이다.
도 4는 본 발명의 실시예에 따른 운행자의 운행 습관을 고려하여 예측 교통 상황 정보를 생성하는 방법을 나타낸 개념도이다.
도 5는 본 발명의 실시예에 따른 운행 정보 제공 서버에서 차량의 운행 정보를 산출하는 방법을 나타낸 순서도이다.
도 6은 본 발명의 실시예에 따른 운행 정보 제공 서버의 운전 습관 분석 방법을 나타낸 개념도이다.
도 7은 본 발명의 실시예에 따른 운행 정보 제공 서버를 나타낸 개념도이다.
도 8은 본 발명의 실시예에 따른 운행 정보 제공 서버에서 차량의 운행 정보를 제공하는 방법을 나타낸 순서도이다.
도 2는 본 발명의 실시예에 따른 운행 정보 제공 서버에서 실시간으로 교통 정보를 수집하는 방법을 나타낸 개념도이다.
도 3은 본 발명의 실시예에 따른 운행 정보 제공 서버에서 차량의 운행 정보를 산출하는 방법을 나타낸 순서도이다.
도 4는 본 발명의 실시예에 따른 운행자의 운행 습관을 고려하여 예측 교통 상황 정보를 생성하는 방법을 나타낸 개념도이다.
도 5는 본 발명의 실시예에 따른 운행 정보 제공 서버에서 차량의 운행 정보를 산출하는 방법을 나타낸 순서도이다.
도 6은 본 발명의 실시예에 따른 운행 정보 제공 서버의 운전 습관 분석 방법을 나타낸 개념도이다.
도 7은 본 발명의 실시예에 따른 운행 정보 제공 서버를 나타낸 개념도이다.
도 8은 본 발명의 실시예에 따른 운행 정보 제공 서버에서 차량의 운행 정보를 제공하는 방법을 나타낸 순서도이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다.
제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어"있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어"있다거나 "직접 접속되어"있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
본 출원에서 사용한 용어는 단지 특정한 실시예를 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.
이하, 첨부한 도면들을 참조하여, 본 발명의 바람직한 실시예를 보다 상세하게 설명하고자 한다. 이하, 도면상의 동일한 구성 요소에 대해서는 동일한 참조부호를 사용하고 동일한 구성 요소에 대해서 중복된 설명은 생략한다.
빅데이터는 기업이 제조한 상품과 상품을 구매한 소비자 사이에서 양방향 통로를 제공하는 데이터가 될 수 있다. 기업은 빅데이터를 기반으로 상품 판매자는 소비자가 원하는 제품의 방향에 대한 정보를 수집하여 상품을 생산할 수 있다. 또한, 상품 판매자는 빅데이터를 이용하여 소비자가 구매한 상품에 추가적인 정보를 제공함으로써 소비자가 좀 더 효과적으로 상품을 사용하도록 할 수 있다. 본 발명의 실시예에서는 차량을 운행함에 있어서 빅데이터를 이용하여 차량 운전자에게 추가적인 운행 정보를 제공하고 이를 기반으로 차량 운전자가 좀 더 편리하게 차량을 운행하도록 하기 위한 방법에 대해 개시한다.
도 1은 본 발명의 실시예에 따른 차량 운행 정보 제공 방법을 나타낸 개념도이다.
도 1을 참조하면, 차량(150)으로 운행 정보를 제공하는 운행 정보 제공 서버(또는 운행 정보 제공 장치)(100)는 기존 차량의 운행에 대한 정보, 사고에 대한 정보, 교통 상황에 대한 정보 등 차량의 운행에 관련된 정보를 취합하여 지리 정보와 결합하여 빅데이터(120)의 형태로 저장할 수 있다. 운행 정보 제공 서버(100)에 저장된 빅데이터(120)는 지능형 인지 시스템, 학습 알고리즘 등을 사용하여 차량에 특정한 이벤트가 발생한 경우, 차량으로 예측 교통 상황 정보(110)를 제공하기 위해 사용될 수 있다. 예측 교통 상황 정보(110)는 차량이 운행을 함에 있어서 사용되는 정보를 포함할 수 있다.
예를 들어, 운행 정보 제공 서버(100)는 지리 정보 시스템에 대한 업데이트 및 외부 교통 상황 정보(날씨, 습도 등), 사고 정보, 현재 교통 상황 정보, 사용자 정보 등을 지속적으로 축적하여 하나의 빅데이터(120)를 형성할 수 있다. 운행 정보 제공 서버(100)는 이러한 다양한 정보로 형성된 빅데이터(120)를 사용하여 지능형 인지 시스템, 학습 알고리즘을 기반으로 파생 데이터(예를 들어, 운행 정보)를 생성하는 예측 시스템 구축할 수 있다. 운행 정보 제공 서버(100)는 데이터 마이닝과 같은 빅데이터(120)에서 통계적인 규칙이나 패턴을 유도하는 방법을 기반으로 생성된 예측 교통 상황 정보를 차량으로 제공할 수 있다.
또한, 운행 정보 제공 서버(100)는 사용자 차량(150) 및 운행 정보 수집 장치(160)를 통해 현재 차량의 운행 정보 및 현재 교통 상황 정보를 수집할 수 있다. 예를 들어, 사용자 차량(150)에 설치된 네비게이션과 운행 정보 제공 서버(100)가 실시간으로 동기화되어 차량(150)의 운행 정보를 운행 정보 제공 서버(100)로 전송할 수 있다.
운행 정보 제공 서버(100)는 이러한 차량의 운행 정보 및/또는 저장된 빅데이터를 기반으로 차량(100)으로 예측 교통 상황 정보(110)를 전송할 수 있다. 예를 들어, 운행 정보 제공 서버(100)는 지능형 인지 시스템을 기반으로 차량(150)으로 최적의 경로를 실시간으로 알려주며, 또한 주변의 위험 정보를 실시간으로 이벤트 형식으로 알려주어 사고 발생을 미리 예방할 수 있다.
또한, 본 발명의 실시예에 따르면, 운행 정보 제공 서버(100)는 차량(150)의 운행 정보를 기반으로 운전자의 운행 습관 정보를 생성할 수 있다. 운행 정보 제공 서버(100)는 생성된 운행 습관 정보를 반영하여 차량(150)으로 예측 교통 상황 정보(110)를 전송함으로써 개별 차량이 좀 더 정확한 예측 교통 상황 정보(110)를 기반으로 차량(150)을 운행하도록 할 수 있다. 이렇게 생성된 운행 습관 정보는 유사한 운행 습관을 가진 다른 차량에게 예측 교통 상황 정보(110)를 제공하기 위한 정보로 사용될 수도 있다.
또한 개인 운행 차량이 아닌 출동 차량의 경우 운행 정보 제공 서버(100)가 최적의 출동 코스와 도착 시간을 매우 정확하게 출동 차량에 제공할 수 있고, 출동 차량은 이를 기반으로 운행을 수행하여 정확한 출동 시간을 예측할 수 있다. 이러한 방법을 사용함으로써 고객에게 출동에 대한 신뢰감을 줄 수 있다.
이하에서는 운행 정보 제공 서버(100)가 차량(150)으로 예측 교통 상황 정보(110)를 제공하고 차량(150)의 운전자가 수신한 예측 교통 상황 정보(110)를 기반으로 차량(150)을 운행하는 실시예에 대해 개시한다.
예를 들어, 차량의 운전자가 눈이 오는 날 새벽 02시, 차량으로 이동하기 위해 내비게이션에 도착지를 입력할 수 있다. 이러한 경우, 차량에 구비된 차량 상태 정보를 전송하는 통신부를 통해 차량의 출발 지점과 도착 지점에 대한 정보가 운행 정보 제공 서버로 전송될 수 있다. 운행 정보 제공 서버는 차량의 출발 지점과 도착 지점에 대한 정보 및 차량 운행 시간 정보, 날씨 정보, 도로 정보, 운전자의 운전 습관, 기존의 다른 운전자들의 운행 정보 등을 다양한 정보를 고려하여 차량으로 예측 교통 상황 정보를 제공할 수 있다. 차량의 운행자에게 제공되는 예측 교통 상황 정보는 최적의 경로, 운행 속도 등을 포함할 수 있다.
예를 들어, 운행 정보 제공 서버는 차량의 운행 시각에 눈이 올 경우, 눈이 온 날의 사고 정보를 토대로 특정 위치는 통과하지 아니하도록 경로를 안내할 수 있다. 또한, 사고 지역과 같이 운행상 주의를 요하는 특정 위치를 통과할 것으로 예상되는 경우 통과 전 운전자에게 주의가 필요함을 안내할 수도 있다. 또한, 변화하는 교통량이나 신호 체계 정보를 고려하여 차량이 운행 중 교통량이나 신호 등이 많은 곳은 우회하도록 경로를 안내할 수 있다.
운행 정보 제공 서버는 차량이 운행 중 급작스러운 날씨 변화가 발생한다 하더라도 운행 정보 제공 서버는 실시간으로 수집된 외부 환경 정보 및 기존의 빅데이터를 기반으로 변경된 추천 운행 경로 및 추가적인 운행 정보와 같은 예측 교통 상황 정보를 차량으로 전송할 수 있다.
즉, 운행 정보 제공 서버는 축적한 빅데이터를 기반으로 차량으로 최적화된 예측 교통 상황 정보를 제공할 수 있다. 운행 정보 제공 서버에서 전송되는 예측 교통 상황 정보는 실시간으로 발생하는 운행 환경 변화를 그대로 반영할 수 있다. 또한, 예측 교통 상황 정보가 운행자의 운전 습관 정보를 추가적으로 고려하여 산출된 정보인 경우, 동일한 운행 환경에서도 차량의 운행자마다 최적화된 정보를 제공할 수 있다.
이하, 본 발명의 실시예에서는 운행 정보 제공 서버에서 차량으로 예측 교통 상황 정보를 제공하는 구체적인 방법들에 대해 개시한다.
도 2는 본 발명의 실시예에 따른 운행 정보 제공 서버에서 실시간으로 교통 정보를 수집하는 방법을 나타낸 개념도이다.
도 2에서는 운행 정보 제공 서버에서 현재 교통 상황에 대한 정보를 수집하고 이를 기반으로 차량으로 예측 교통 상황 정보를 제공하는 방법에 대해 개시한다.
도 2를 참조하면, 실제 도로 상황을 수집하기 위해 도로에서 운행되는 차량(200)에서 현재 교통 상황 정보를 수집할 수 있다. 도로에서 운행되는 차량뿐만 아니라 도로 주변에 설치된 차량 운행 정보 수집 장비(250)를 통해 현재 교통 상황 정보를 수집할 수 있다.
현재 교통 상황 정보를 수집하기 위해 지속적으로 특정한 지역을 운행하는 차량(예를 들어, 대중 교통, 택시 등)(200)에 현재 교통 상황 정보를 수집할 수 있는 운행 정보 수집 장치를 구비할 수 있다. 또한 예측 교통 상황 정보를 운행 정보 제공 서버로부터 수신하는 차량에 설치된 운행 정보 수집 장치를 기반으로 운행 정보를 수집할 수 있다.
예를 들어, 운행 정보 수집 장치는 주변 차량의 대수 및 주변 차량의 속도에 대한 정보 등을 센싱할 수 있는 센서가 구비될 수 있다. 차량(200)에 설치된 센서를 기반으로 주변의 차량 대수 및 주변 차량의 속도에 대한 정보를 획득할 수 있다. 차량뿐만 아니라 차량 운행 정보 수집 장비에도 주변 차량의 대수 및 주변 차량의 속도에 대한 정보 등을 센싱할 수 있는 차량 감지 센서가 구현될 수 있다. 차량(200) 및 차량 운행 정보 수집 장비(250)에 구현된 차량 감지 센서는 아래와 같은 방법으로 물체를 센싱할 수 있다.
차량 감지 센서는 차선의 폭에 대한 정보를 기반으로 각 차선에서 이동하는 차량을 감지할 수 있다. 차량 감지 센서는 레이저 레이더(raser radar)를 사용하여 각 차선에서 이동하는 차량을 검출할 수 있다. 차량(200)에 구비된 차량 감지 센서의 경우 조사되는 복수의 레이저를 기반으로 전방, 전방 좌측 및 전방 우측에서 이동하는 차량의 간격에 대한 정보를 획득할 수 있다. 즉, 차량 감지 센서는 3개의 방향으로 레이저를 송신하여 전방, 전방 좌측, 전방 우측에서 이동하는 차량에 대한 정보를 획득할 수 있다. 이러한 방법으로 현재 차량과 전방의 차량과의 거리, 현재 차량과 좌측 차선에서 이동하는 차량과의 거리 및 현재 차량과 우측 차선에서 이동하는 차량과의 거리를 통해 주변에서 이동 중인 차량의 속도와 이동중인 차량의 밀도에 대한 정보를 획득할 수 있다.
운행 정보 수집 장치(250)는 전체 차선을 볼 수 있는 곳에 설치되어 각 차선에서 이동하는 차량에 대한 정보를 획득할 수 있다. 예를 들어, 운행 정보 수집 장치(250)에 구비된 레이저 레이더를 통해 각 차선에서 이동하는 차량의 대수 및 차량의 이동 속도를 산출할 수 있다. 레이저 레이더는 하나의 예시로서 촬상된 영상을 기반으로 주변 차량에 대한 정보를 획득하여 이를 운행 정보 제공 장치로 전송할 수도 있다.
예를 들어, 차량(200)과 운행 정보 수집 장치(250)에는 영상을 촬상할 수 있는 영상 촬상 장치가 구비될 수 있다. 차량(200)과 운행 정보 수집 장치(250)에서 수집된 영상은 차량(200) 및 운행 정보 수집 장치(250)에서 분석되거나 운행 정보 제공 서버로 전송되어 운행 정보 제공 서버에서 분석될 수 있다. 예를 들어, 차량(200) 또는 차량 운행 정보 수집 장치(250)에 촬상된 영상은 각 센서가 모니터링하는 지역의 배경 정보를 영상 정보에서 분리하고, 이동하는 객체에 대한 정보만을 따로 유도하여 이동 객체(차량)의 속도 및 차량의 밀도에 대한 정보를 산출할 수 있다.
본 발명의 실시예에 따르면, 이러한 방법으로 획득된 현재 교통 상황 정보가 운행 정보 제공 서버로 입력될 수 있다. 입력된 교통 상황 정보는 기존에 운행 정보 제공 서버에 저장된 빅데이터를 기반으로 개별 차량으로 운행 정보를 제공하기 위해 사용될 수 있다.
도 3은 본 발명의 실시예에 따른 운행 정보 제공 서버에서 차량의 운행 정보를 산출하는 방법을 나타낸 순서도이다.
도 3에서는 운행 정보 제공 서버가 수신한 현재 교통 상황 정보를 기반으로 예측 교통 상황 정보를 생성하고 생성된 예측 교통 상황 정보를 차량으로 전송하는 방법에 대해 개시한다.
도 3을 참조하면, 운행 정보 제공 서버가 현재 교통 상황 정보를 수신한다(단계 S300).
운행 정보 제공 서버는 차량 및 운행 정보 수집 장치에서 획득한 현재 교통 상황 정보를 실시간으로 수신할 수 있다. 현재 교통 상황 정보는 전술한 차량의 밀도 및 차량의 운행 속도뿐만 아니라, 현재 시간에 대한 정보, 현재 날씨에 대한 정보 등과 같은 추가적인 정보를 포함할 수 있다.
운행 정보 제공 서버는 설정된 탐색 범위에 기반하여 빅데이터를 탐색하여 유사 교통 상황 정보를 산출한다(단계 S310).
운행 정보 제공 서버는 수신한 현재 교통 상황 정보와 빅데이터로 저장된 교통 상황 정보를 비교하여 빅데이터에서 현재 교통 상황 정보와 유사한 교통 상황이 존재하는지 여부를 탐색할 수 있다. 빅데이터에서 탐색된 현재 교통 상황 정보와 유사한 교통 상황에 대한 정보를 유사 교통 상황 정보라고 할 수 있다.
유사 교통 상황 정보의 범위는 다양하게 설정될 수 있다. 예를 들어, 현재 시간에 대한 정보를 고려하지 않고 현재 날씨에 대한 정보, 차량의 밀도 및 차량의 운행 속도에 대한 정보만을 고려하여 유사 교통 상황 정보를 탐색하도록 설정될 수 있다. 이뿐만 아니라 차량의 밀도 및 차량의 운행 속도가 동일하지 않더라도 유사 교통 상황 정보로 볼 수 있는 차량의 밀도 및 차량의 운행 속도를 설정할 수 있다. 예를 들어, 유사 교통 상황 정보로 볼 수 있는 차량의 밀도 및 차량의 운행 속도의 오차 범위를 -10%~+10%의 범위로 설정할 수 있다. 이러한 경우, 현재 교통 상황 정보의 차량 밀도와 기존에 빅데이터로 저장된 교통 상황 정보의 오차가 -10%~+10%의 범위인 경우, 유사한 교통 상황 정보로 판단할 수 있다.
운행 정보 제공 서버는 위와 같은 방법으로 설정된 탐색 범위에 기반하여 빅데이터를 탐색하여 유사 교통 상황 정보를 산출할 수 있다.
유사 교통 상황 정보를 기반으로 예측 교통 상황 정보를 생성한다(단계 S320).
운행 정보 제공 서버는 단계 S310을 통해 산출된 유사 교통 상황 정보를 기반으로 교통 상황 정보를 예측할 수 있다. 예를 들어, 제1 차량이 A 지점에서 B 지점으로 이동하는 경우를 가정할 수 있다. 이러한 경우, 유사 교통 상황 정보를 기반으로 기존의 특정한 차량이 A 지점에서 B 지점까지 이동하는데 걸린 시간에 대한 정보를 산출할 수 있다. 즉, 현재 교통 상황 정보와 유사한 유사 교통 상황 정보에서 산출된 경로 이동에 대한 정보를 제1 차량으로 제공함으로써 제1 차량이 좀더 정확한 경로 이동 시간에 대한 정보를 획득할 수 있다.
유사 교통 상황 정보가 복수개인 경우, A 지점에서 B 지점까지 이동하는데 걸린 시간에 대한 정보가 복수개 산출될 수 있고, 산출된 복수개의 값에 대한 평균이 제1 차량으로 제공될 수 있다.
또 다른 예로, 운행 정보 제공 서버는 유사 교통 상황 정보를 기반으로 사고가 발생한 구간에 대한 정보를 추가적으로 제공할 수 있다. 기존에 유사 교통 상황 정보에서 동일 구간에서 반복적으로 사고가 일어난 구간에 대한 정보가 존재한다면, 해당 구간에 대한 위험성에 대한 정보를 산출하여 현재 운행 중인 차량으로 제공할 수 있다.
예측 교통 상황 정보를 차량으로 전송한다(단계 S330).
유사 교통 상황 정보를 기반으로 생성된 예측 교통 상황 정보를 현재 운행 중인 차량으로 전송할 수 있다. 현재 운행 중인 차량은 수신한 예측 교통 상황 정보를 기반으로 보다 정확하게 교통 상황을 예측하여 차량을 운행할 수 있다.
도 3에서는 차량의 운전 습관을 고려하지 않은 경우이고, 차량의 운전 습관과 같은 차량의 기존 운행 기록이 존재한다면 좀더 정확한 예측 교통 상황 정보를 차량으로 전송할 수 있다.
도 4는 본 발명의 실시예에 따른 운행자의 운행 습관을 고려하여 예측 교통 상황 정보를 생성하는 방법을 나타낸 개념도이다.
도 4를 참조하면, 차량(400)의 운행 정보(405)는 지속적으로 운행 정보 제공 서버(450)로 전송될 수 있다. 차량(400)의 운행 정보(405)는 차량(400)의 운행자가 운전시 발생하는 개별 차량에 관련된 정보이다. 예를 들어, 차량(400)의 운행 정보(405)는 현재 차량의 이동 경로, 속도, 주유량, 타이어 공기량, 급발진 및 급정지 등에 대한 정보를 포함할 수 있다. 이러한 차량의 운행 정보(405)는 운행 정보 제공 서버(450)로 전송되어 차량 별로 서로 다른 정보를 제공받도록 설정할 수 있다.
예를 들어, 운행 정보 제공 서버(450)는 차량(400)으로부터 운행 정보(405)를 제공받아 차량 운행자의 운행 습관(420)을 분석하고 운행 습관(420)에 따라 다른 예측 교통 상황 정보(430)를 개별 차량(400)으로 전송할 수 있다. 예를 들어, 차량 A의 운전자는 다른 차량을 기준으로 상대적으로 빠른 속도로 운행을 하고 급정지나 급발진을 자주하는 운전자일 수 있고, 차량 B의 운전자는 다른 차량보다 느린 속도로 운행을 하고 급정지나 급발진을 자주하지 않는 운전자일 수 있다. 이러한 경우 동일한 교통 상황인 경우에도 차량 A의 운전자에게 좀 더 많은 사고에 대한 경고 메시지를 예측 교통 상황 정보로서 전송하여 차량 A의 운전자가 운전시 운행을 주의하도록 할 수 있다.
이뿐만 아니라, 차량의 주유 패턴을 분석하여 차량의 운행자의 주유 습관에 따라 일정한 범위 이하의 연료가 있을 경우, 주유소에 관련된 정보를 예측 교통 상황 정보로서 차량으로 제공할 수 있다. 주유 패턴의 경우에도 차량 C의 운전자는 마지막 한 칸이 남은 경우에나 주유를 하는 주유 패턴을 가진 운행자일 수 있고 차량 D의 운전자의 경우 반이 남은 경우 주유를 하는 주유 패턴을 가진 운행자일 수 있다. 운행 정보 제공 서버는 기존의 운전자의 주유 패턴에 대한 정보를 저장하고 저장된 주유 패턴에 대한 정보를 기반으로 차량 C 및 차량 D로 주유소 정보를 다른 시점에 알려줄 수 있다.
또한 운행 정보 제공 서버(450)에서 운행자의 운행 습관(420)을 고려하는 경우, 도 3에서 전술한 바와 같은 유사 교통 상황 정보를 기반으로 예측 교통 상황 정보를 생성하는 방법이 달라질 수 있다.
도 5는 본 발명의 실시예에 따른 운행 정보 제공 서버에서 차량의 운행 정보를 산출하는 방법을 나타낸 순서도이다.
도 5에서는, 운행 정보 제공 서버가 센싱된 현재 교통 상황 정보뿐만 아니라 추가적으로 개별 차량의 운행 정보를 고려하여 예측 교통 상황 정보를 생성하는 방법에 대해 개시한다.
도 5를 참조하면, 운행 정보 제공 서버는 현재 교통 상황 정보 및 개별 차량의 운행 정보를 수신한다(단계 S500).
운행 정보 제공 서버는 현재 교통 상황 정보 및 개별 차량의 운행 정보를 수신할 수 있다. 현재 교통 상황 정보는 차량의 밀도 및 차량의 운행 속도뿐만 아니라, 현재 시간에 대한 정보, 현재 날씨에 대한 정보 등과 같은 추가적인 정보를 포함할 수 있다. 개별 차량의 운행 정보는 개별 차량의 이동 경로, 속도, 주유량, 타이어 공기량, 급발진 및 급정지 등에 대한 정보와 같은 개별 차량에 대한 정보일 수 있다.
운행 정보 제공 서버는 설정된 탐색 범위에 기반하여 빅데이터를 탐색하여 유사 교통 상황 정보를 산출한다(단계 S510).
운행 정보 제공 서버는 수신한 현재 교통 상황 정보와 기존에 빅데이터로 저장된 교통 상황 정보를 비교하여 기존에 빅데이터로 현재 교통 상황과 유사한 유사 교통 상황 정보가 존재하는지 여부를 탐색할 수 있다. 도 3에서 전술한 바와 같이 유사 교통 상황의 범위는 다양하게 설정될 수 있다.
본 발명의 실시예에 따르면 추가적으로 유사 교통 상황을 탐색시 개별 차량의 운행 정보를 고려하여 유사 교통 상황에 대한 탐색을 수행할 수도 있다. 유사 교통 상황에 대한 정보를 산출시 개별 차량의 운행 습관을 추가적으로 고려하여 개별 차량의 운행 습관과 유사한 운행 습관을 가진 차량에서 산출된 유사 교통 상황 정보를 탐색할 수 있다. 이러한 방법을 사용함으로써 개별 차량에 적응적으로 예측 교통 상황 정보를 생성하여 차량으로 제공할 수 있다.
또 다른 방법으로 운행 습관을 특정한 분류하여 예측값에 대한 보정을 수행할 수도 있다. 예를 들어, 유사 교통 상황 정보를 기반으로 산출된 평균적인 예측 교통 상황 정보에 차량 운행자의 운행 습관을 고려하여 산출된 값은 예측 교통 상황 정보로 전송할 수 있다.
상대적으로 빠른 속도로 차량을 운행하는 차량 운행자의 경우, 특정한 경로를 이동시 예상되는 시간을 평균적인 예측 교통 상황 정보에서 산출된 예상 시간보다 작은 값으로 보정할 수 있다. 반대로 상대적으로 느린 속도로 차량을 운행하는 차량 운행자의 경우, 특정한 경로를 이동시 예상되는 시간을 평균적인 예측 교통 상황 정보에서 산출된 예상 시간보다 큰 값으로 보정할 수 있다.
예측 교통 상황 정보는 지속적으로 차량으로부터 운행 정보를 수신하여 보정될 수 있다. 차량의 운행 중에 발생한 신호 상황이라던가 현재 차량의 속도 등을 더 추가적으로 고려하여 전송된 예측 교통 상황 정보의 값이 수정되거나 추가적인 예측 교통 상황 정보가 차량으로 전송될 수 있다. 이러한 방법을 사용함으로써 차량의 현재 상황 정보를 반영한 좀 더 정확한 예측 교통 상황 정보를 차량으로 전송할 수 있다.
유사 교통 상황 정보를 기반으로 예측 교통 상황 정보를 생성한다(단계 S520).
운행 정보 제공 서버는 단계 S510을 통해 산출된 유사 교통 상황 정보를 기반으로 예측 교통 상황 정보를 생성할 수 있다. 생성된 예측 교통 상황은 개별 차량의 운행 습관을 추가적으로 고려하여 산출된 정보일 수 있다. 즉, 유사 교통 상황 정보를 탐색시 운행 습관이 유사한 차량을 기반으로 획득한 정보를 사용함으로써 예측 교통 상화에 대한 정보가 개별 차량에 효과적으로 제공될 수 있다.
예측 교통 상황 정보를 차량으로 전송한다(단계 S530).
유사 교통 상황 정보를 기반으로 생성된 예측 교통 상황 정보를 현재 운행 중인 차량으로 전송할 수 있다. 현재 운행 중인 차량은 수신한 예측 교통 상황 정보를 기반으로 보다 정확하게 교통 상황을 예측할 수 있다.
도 6은 본 발명의 실시예에 따른 운행 정보 제공 서버의 운전 습관 분석 방법을 나타낸 개념도이다.
도 6에서는 차량의 속도를 기반으로 차량 운행자의 운전 습관에 대한 정보를 분류하는 방법에 대해 예시적으로 개시한다. 차량의 속도는 차량 운행자의 운전 습관에 대한 정보를 분석하기 위한 하나의 예시적인 변수로서 다른 다양한 차량 운행 정보에 기반하여 차량 운행자의 운전 습관을 분석할 수 있다.
도 6을 참조하면, 차량의 최고 속도와 평균 속도를 기반으로 차량을 복수의 그룹으로 분류할 수 있다. 예를 들어, 최고 속도가 70km/h 미만이고, 평균 속도가 25km/h 미만인 경우 제1 그룹, 최고 속도가 70km/h 미만이고, 평균 속도가 25km/h 이상인 경우 제2 그룹, 최고 속도가 70km/h 이상이고, 평균 속도가 25km/h 미만인 경우 제3 그룹, 최고 속도가 70km/h 이상이고, 평균 속도가 25km/h 이상인 경우 제4 그룹으로 나누어 서로 다른 운전 습관을 가진 운전자로 분류할 수 있다.
즉, 운행 정보 제공 서버에서는 차량 운전자의 운행 정보를 수신하고, 차량의 속도 정보를 기반으로 운전자의 운행 습관을 분석할 수 있다. 분석된 운전자의 운행 습관은 전술한 바와 같이 예측 교통 상황 정보를 생성하기 위해 사용될 수 있다. 예를 들어, 그룹별로 서로 다른 유사 교통 상황 정보를 결정할 수 있고, 서로 다른 유사 교통 상황 정보를 기반으로 예측 교통 상황 정보를 생성할 수 있다.
도 7은 본 발명의 실시예에 따른 운행 정보 제공 서버를 나타낸 개념도이다.
도 7을 참조하면, 운행 정보 제공 서버는 통신부(700), 데이터베이스(710), 유사 교통 상황 정보 탐색부(720), 예측 교통 상황 정보 생성부(730), 프로세서(740)를 포함할 수 있다.
운행 정보 제공 서버의 각 구성부는 전술한 도 1 내지 도 6의 실시예를 구현할 수 있다. 예를 들어, 운행 정보 제공 서버의 각 구성부는 아래와 같은 동작을 수행할 수 있다.
통신부(700)는 교통 상황 정보, 차량 운전자의 운행 정보를 수신하고 생성된 예측 교통 상황 정보를 전송하기 위해 구현될 수 있다.
데이터베이스(710)는 현재 교통 상황 정보, 차량 운전자의 운행 정보 등을 포함하는빅데이터가 저장될 수 있다.
유사 교통 상황 정보 탐색부(720)는 데이터 베이스에 저장된 빅데이터 및 통신부를 통해 수신한 현재 교통 상황 정보 및 개별 차량의 운행 정보를 기반으로 빅데이터에 저장된 유사 교통 상황 정보가 존재하는지 여부를 탐색하기 위해 구현될 수 있다.
예측 교통 상황 정보 생성부(730)는 유사 교통 상황 정보를 기반으로 예측된 교통 상황에 대한 정보를 생성할 수 있다. 예측 교통 상황 정보는 지속적으로 전송되는 개별 차량의 운행 정보를 기반으로 업데이트되어 통신부를 통해 차량으로 전송될 수 있다.
프로세서(740)는 통신부(700), 데이터베이스(710), 유사 교통 상황 정보 탐색부(720), 예측 교통 상황 정보 생성부(730)를 제어하기 위해 구현될 수 있다.
도 7의 각 구성부는 설명의 편의상 기능상 분류한 구성부이다. 즉, 하나의 구성부가 복수의 구성부로 나뉘어져 구현될 수도 있고 복수의 구성부가 하나의 구성부로 구현될 수 있다.
도 8은 본 발명의 실시예에 따른 운행 정보 제공 서버에서 차량의 운행 정보를 제공하는 방법을 나타낸 순서도이다.
도 8에서는 운행 정보로 사고 위험 경보를 제공하는 방법에 대해 개시한다.
도 8을 참조하면, 운행 정보 제공 서버(850)는 차량(800)의 운행 경로에서 사고가 빈번하게 발생하는 지역에 대한 정보를 제공할 수 있다.
운행 정보 제공 서버(850)는 차량(800)의 운행 경로에서 과거에 발생하였던 사고 사례(820)에 대한 정보가 빅데이터로 저장되어 있을 수 있다. 이러한 경우, 운행 정보 제공 서버(850)는 차량(800)이 사고 위치를 지나기 전에 특정한 위치에서 사고가 있었음을 지시하는 신호(855)를 차량으로 전송할 수 있다.
운행 정보 제공 서버(850)가 빅데이터(810)를 기반으로 차량(800)으로 사고 위험 경고 신호(855)를 전송하기 위해서는 다양한 판단이 수행될 수 있다. 우선 단순히 빅데이터(810)로 저장된 사고 사례(820)를 기반으로 사고가 발생한 지역을 통과하기전 150m 정도 전에 해당 위치에서 사고가 발생하였음을 알리는 사고 위험 경고 신호(855)를 차량(800)으로 전송할 수도 있다. 또 다른 방법으로 운행 정보 제공 서버(850)가 현재 차량(800)의 운행 정보 및 현재 교통 상황 정보를 수집하고 이를 기반으로 유사한 사고 사례(820)를 빅데이터(810)를 통해 탐색하여 사고 위험 경고 신호(855)를 전송할 수도 있다. 예를 들어, 눈이 오는 날에는 특정한 지역에서 눈으로 인해 사고가 발생한 경우, 차량이 해당 위치를 통과하기 전에 사고 위험 경고 신호(855)를 전송할 수 있다. 또 다른 예로 특정한 지역에서 과속에서 사고가 난 경우, 과속으로 현재 운전하는 차량(800)으로 앞에 과속으로 인해 사고가 발생한 지역이 있음을 알려줄 수 있다. 즉, 현재의 차량의 상태 정보와 교통 상황 정보를 고려하여 사고 위험 경고 신호(855)를 차량(800)의 운전자에게 제공함으로서 우연히 발생한 사고가 아닌 사고의 경향성이 확신한 사고에 대한 정보만을 효과적으로 차량(800)으로 제공할 수 있다. 이러한 방법을 사용함으로서 차량(800)의 운전자는 미리 사고가 발생 가능한 지역에 대한 정보를 획득하고 사전에 사고를 예방할 수 있다.
이상 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
Claims (16)
- 차량으로 예측 교통 상황 정보를 제공하는 방법에 있어서,
운행 정보 제공 서버가 운행 정보 수집 장치로부터 복수의 현재 교통 상황 정보를 수신하고 상기 차량으로부터 차량의 운행 정보를 수신하는 단계;
상기 운행 정보 제공 서버가 상기 복수의 현재 교통 상황 정보 중 어느 일부에 근거하여 설정한 유사 탐색 범위 안에서 빅 데이터를 탐색하여 유사 교통 상황 정보를 결정하는 단계;
상기 운행 정보 제공 서버가 상기 유사 교통 상황 정보를 기반으로 상기 예측 교통 상황 정보를 생성하는 단계; 및
상기 운행 정보 제공 서버가 상기 예측 교통 상황 정보를 상기 차량으로 전송하는 단계를 포함하되,
상기 빅 데이터는 이전 교통 상황 정보 및 이전 개별 차량의 운행 정보를 포함하는 데이터 단위이고,
상기 유사 교통 상황 정보는 상기 빅 데이터 중 상기 유사 탐색 범위 안에서 현재 교통 상황 정보와 유사한 정보를 포함하고,
상기 예측 교통 상황 정보는 상기 유사 교통 상황 정보를 기반으로 예측된 상기 차량에 예상되는 교통 상황에 대한 정보를 포함하는 예측 교통 상황 정보 제공 방법. - 제1항에 있어서,
상기 현재 교통 상황 정보는 도로 운행 중인 차량의 밀도 정보, 도로 운행 중인 차량의 속도 정보, 현재 시간 정보, 현재 날씨 정보를 포함하고,
상기 개별 차량의 운행 정보는 상기 차량의 이동 경로 정보, 상기 차량의 속도 정보, 상기 차량의 주유량 정보, 상기 차량의 타이어 공기량 정보, 상기 차량의 급발진 및 급정지 정보를 포함하는 예측 교통 상황 정보 제공 방법. - 제1항에 있어서, 상기 유사 교통 상황 정보를 결정하는 단계는,
상기 현재 교통 상황 정보 중 유사 교통 상황 정보를 결정하기 위해 사용되는 유효 교통 상황 정보를 결정하는 단계;
상기 유사 교통 상황 정보를 결정하기 위한 오차 범위를 설정하는 단계; 및
상기 빅데이터에 포함된 정보 중 상기 유효 교통 상황 정보의 상기 오차 범위에 포함되는 정보를 상기 유사 교통 상황 정보로 결정하는 단계를 포함하는 예측 교통 상황 정보 제공 방법. - 제1항에 있어서, 상기 유사 교통 상황 정보를 결정하는 단계는,
상기 현재 교통 상황 정보 중 유사 교통 상황 정보를 결정하기 위해 사용되는 유효 교통 상황 정보를 결정하는 단계;
상기 유사 교통 상황 정보를 결정하기 위한 오차 범위를 설정하는 단계; 및
상기 빅데이터에 포함된 정보 중 상기 유효 교통 상황 정보의 상기 오차 범위에 포함되고 상기 차량의 운전 습관과 동일한 운전 습관 카테고리에 포함되는 정보를 상기 유사 교통 상황 정보로 결정하는 단계를 포함하는 예측 교통 상황 정보 제공 방법. - 제4항에 있어서,
상기 운전 습관 카테고리는 상기 차량의 최고 속도 및 상기 차량의 평균 속도 정보에 기반하여 결정되는 예측 교통 상황 정보 제공 방법. - 제5항에 있어서,
상기 현재 교통 상황 정보는 차량 및 운행 정보 수집 장치에 구비된 차량 감지 센서에 의해 획득되는 정보이고,
상기 차량 감지 센서는 차선의 폭 정보를 기반으로 각 차선에서 이동하는 차량을 센싱하는 예측 교통 상황 정보 제공 방법. - 제1항에 있어서,
상기 예측 교통 상황 정보는 실시간으로 입력되는 상기 현재 교통 상황 정보 및 상기 개별 차량의 운행 정보를 기반으로 지속적으로 갱신되는 정보인 예측 교통 상황 정보 제공 방법. - 제1항에 있어서,
상기 예측 교통 상황 정보는 사고 위험 경고 신호이고,
상기 사고 위험 경고 신호는 상기 빅데이터를 기반으로 운행 경로의 특정 위치에서 발생한 사고 차량에 대한 정보를 포함하고,
상기 사고 위험 경고 신호는 상기 차량이 상기 특정 위치를 지나기 일정 거리 전에 상기 차량으로 전송되는 예측 교통 상황 정보 제공 방법. - 차량으로 예측 교통 상황 정보를 제공하는 예측 교통 상황 정보 제공 장치에 있어서, 상기 예측 교통 상황 정보 제공 장치는 프로세서를 포함하고,
상기 프로세서는 운행 정보 수집 장치로부터 복수의 현재 교통 상황 정보를 수신하고 상기 차량으로부터 상기 차량의 운행 정보를 수신하고,
상기 복수의 현재 교통 상황 정보 중 어느 일부에 근거하여 설정한 유사 탐색 범위 안에서 빅 데이터를 탐색하여 유사 교통 상황 정보를 결정하고,
상기 유사 교통 상황 정보를 기반으로 상기 예측 교통 상황 정보를 생성하고,
상기 예측 교통 상황 정보를 상기 차량으로 전송하되,
상기 빅데이터는 이전 교통 상황 정보 및 이전 개별 차량의 운행 정보를 포함하는 데이터 단위이고,
상기 유사 교통 상황 정보는 상기 빅 데이터 중 상기 유사 탐색 범위 안에서 현재 교통 상황 정보와 유사한 정보를 포함하고,
상기 예측 교통 상황 정보는 상기 유사 교통 상황 정보를 기반으로 예측된 상기 차량에 예상되는 교통 상황에 대한 정보를 포함하는 예측 교통 상황 정보 제공 장치. - 제9항에 있어서,
상기 현재 교통 상황 정보는 도로 운행 중인 차량의 밀도 정보, 도로 운행 중인 차량의 속도 정보, 현재 시간 정보, 현재 날씨 정보를 포함하고,
상기 개별 차량의 운행 정보는 상기 차량의 이동 경로 정보, 상기 차량의 속도 정보, 상기 차량의 주유량 정보, 상기 차량의 타이어 공기량 정보, 상기 차량의 급발진 및 급정지 정보를 포함하는 예측 교통 상황 정보 제공 장치. - 제9항에 있어서, 상기 프로세서는,
상기 현재 교통 상황 정보 중 유사 교통 상황 정보를 결정하기 위해 사용되는 유효 교통 상황 정보를 결정하고,
상기 유사 교통 상황 정보를 결정하기 위한 오차 범위를 설정하고,
상기 빅데이터에 포함된 정보 중 상기 유효 교통 상황 정보의 상기 오차 범위에 포함되는 정보를 상기 유사 교통 상황 정보로 결정하도록 구현되는 예측 교통 상황 정보 제공 장치. - 제9항에 있어서, 상기 프로세서는,
상기 현재 교통 상황 정보 중 유사 교통 상황 정보를 결정하기 위해 사용되는 유효 교통 상황 정보를 결정하고,
상기 유사 교통 상황 정보를 결정하기 위한 오차 범위를 설정하고,
상기 빅데이터에 포함된 정보 중 상기 유효 교통 상황 정보의 상기 오차 범위에 포함되고 상기 차량의 운전 습관과 동일한 운전 습관 카테고리에 포함되는 정보를 상기 유사 교통 상황 정보로 결정하도록 구현되는 예측 교통 상황 정보 제공 장치. - 제12항에 있어서,
상기 운전 습관 카테고리는 상기 차량의 최고 속도 및 상기 차량의 평균 속도 정보에 기반하여 결정되는 예측 교통 상황 정보 제공 장치. - 제13항에 있어서,
상기 현재 교통 상황 정보는 차량 및 운행 정보 수집 장치에 구비된 차량 감지 센서에 의해 획득되는 정보이고,
상기 차량 감지 센서는 차선의 폭 정보를 기반으로 각 차선에서 이동하는 차량을 센싱하는 예측 교통 상황 정보 제공 장치. - 제9항에 있어서,
상기 예측 교통 상황 정보는 실시간으로 입력되는 상기 현재 교통 상황 정보 및 상기 개별 차량의 운행 정보를 기반으로 지속적으로 갱신되는 정보인 예측 교통 상황 정보 제공 장치. - 제9항에 있어서,
상기 예측 교통 상황 정보는 사고 위험 경고 신호이고,
상기 사고 위험 경고 신호는 상기 빅데이터를 기반으로 운행 경로의 특정 위치에서 발생한 사고 차량에 대한 정보를 포함하고,
상기 사고 위험 경고 신호는 상기 차량이 상기 특정 위치를 지나기 일정 거리 전에 상기 차량으로 전송되는 예측 교통 상황 정보 제공 장치.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020130125488A KR101574239B1 (ko) | 2013-10-21 | 2013-10-21 | 차량 운행 정보 제공 방법 및 장치 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020130125488A KR101574239B1 (ko) | 2013-10-21 | 2013-10-21 | 차량 운행 정보 제공 방법 및 장치 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20150045789A KR20150045789A (ko) | 2015-04-29 |
| KR101574239B1 true KR101574239B1 (ko) | 2015-12-03 |
Family
ID=53037631
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020130125488A Active KR101574239B1 (ko) | 2013-10-21 | 2013-10-21 | 차량 운행 정보 제공 방법 및 장치 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101574239B1 (ko) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102016217645B4 (de) | 2016-09-15 | 2023-01-19 | Volkswagen Aktiengesellschaft | Verfahren zum Bereitstellen von Information über eine voraussichtliche Fahrintention eines Fahrzeugs |
| WO2018186625A1 (ko) * | 2017-04-06 | 2018-10-11 | 삼성전자주식회사 | 전자 장치, 그의 경고 메시지 제공 방법 및 비일시적 컴퓨터 판독가능 기록매체 |
| KR102442061B1 (ko) * | 2017-04-06 | 2022-09-13 | 삼성전자주식회사 | 전자 장치, 그의 경고 메시지 제공 방법 및 비일시적 컴퓨터 판독가능 기록매체 |
| KR101998834B1 (ko) * | 2018-12-13 | 2019-10-01 | 주식회사 미래정보기술원 | 사고 위험도 예측이 가능한 교통 정보 제공 시스템 |
| KR102377637B1 (ko) * | 2019-10-28 | 2022-03-23 | 김하연 | 하이브리드 교통신호제어시스템 및 그 방법 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002277252A (ja) * | 2001-03-19 | 2002-09-25 | Sharp Corp | 予測所要時間提示システム |
| JP2013007628A (ja) * | 2011-06-23 | 2013-01-10 | Nissan Motor Co Ltd | 情報提供サーバ、車載搭載情報提示装置、及び情報提供方法 |
| JP2013068521A (ja) * | 2011-09-22 | 2013-04-18 | Hitachi Automotive Systems Ltd | ルート探索システム |
-
2013
- 2013-10-21 KR KR1020130125488A patent/KR101574239B1/ko active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002277252A (ja) * | 2001-03-19 | 2002-09-25 | Sharp Corp | 予測所要時間提示システム |
| JP2013007628A (ja) * | 2011-06-23 | 2013-01-10 | Nissan Motor Co Ltd | 情報提供サーバ、車載搭載情報提示装置、及び情報提供方法 |
| JP2013068521A (ja) * | 2011-09-22 | 2013-04-18 | Hitachi Automotive Systems Ltd | ルート探索システム |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20150045789A (ko) | 2015-04-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11714413B2 (en) | Planning autonomous motion | |
| JP5900454B2 (ja) | 車両用車線案内システム及び車両用車線案内方法 | |
| JP5938569B2 (ja) | 方位情報を考慮する高度運転者支援システム、及びその動作方法 | |
| US11181918B2 (en) | Moving traffic obstacle detection and avoidance | |
| JP5429380B2 (ja) | 運転支援装置 | |
| KR101574239B1 (ko) | 차량 운행 정보 제공 방법 및 장치 | |
| JP2019032174A (ja) | 情報処理システムおよび情報処理方法 | |
| US20210261156A1 (en) | Systems and methods for generating simulation scenario definitions for an autonomous vehicle system | |
| Cheung et al. | Efficient and safe vehicle navigation based on driver behavior classification | |
| CN105973248A (zh) | 导航系统 | |
| US20170229012A1 (en) | Method of quickly detecting road distress | |
| CN108122295A (zh) | 一种车联网系统 | |
| JP4919172B2 (ja) | 車両案内装置 | |
| Akagi | Ontology based collection and analysis of traffic event data for developing intelligent vehicles | |
| EP3454269A1 (en) | Planning autonomous motion | |
| Kaur et al. | RFID based Intelligent Transport System with RSU Communication for Emergency Vehicles in Urbanization | |
| Choi et al. | Real-time prediction of arterial vehicle trajectories: An application to predictive route guidance for an emergency vehicle | |
| US12276983B2 (en) | Planning autonomous motion | |
| CN119918771B (zh) | 利用工业车辆adas系统实现对路径协作规划的方法 | |
| Tian et al. | An innovative framework to evaluate the performance of connected vehicle applications: From the perspective of speed variation-based entropy (SVE) | |
| JP5930935B2 (ja) | 案内装置及びその方法、並びに案内するためのコンピュータプログラム及びコンピュータプログラムを記録した記録媒体 | |
| Bera et al. | Behavior modeling for autonomous driving | |
| JP6960245B2 (ja) | 信号通過予測システム | |
| Tian et al. | An Innovative Framework to Evaluate the Performance of Connected Vehicle Applications | |
| CN120126318A (zh) | 面向车联网的协同智能路况监测方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PA0109 | Patent application |
Patent event code: PA01091R01D Comment text: Patent Application Patent event date: 20131021 |
|
| PA0201 | Request for examination | ||
| PE0902 | Notice of grounds for rejection |
Comment text: Notification of reason for refusal Patent event date: 20150115 Patent event code: PE09021S01D |
|
| PG1501 | Laying open of application | ||
| E902 | Notification of reason for refusal | ||
| PE0902 | Notice of grounds for rejection |
Comment text: Notification of reason for refusal Patent event date: 20150824 Patent event code: PE09021S01D |
|
| E701 | Decision to grant or registration of patent right | ||
| PE0701 | Decision of registration |
Patent event code: PE07011S01D Comment text: Decision to Grant Registration Patent event date: 20151118 |
|
| PR0701 | Registration of establishment |
Comment text: Registration of Establishment Patent event date: 20151127 Patent event code: PR07011E01D |
|
| PR1002 | Payment of registration fee |
Payment date: 20151127 End annual number: 3 Start annual number: 1 |
|
| PG1601 | Publication of registration | ||
| FPAY | Annual fee payment |
Payment date: 20181022 Year of fee payment: 4 |
|
| PR1001 | Payment of annual fee |
Payment date: 20181022 Start annual number: 4 End annual number: 4 |
|
| FPAY | Annual fee payment |
Payment date: 20191118 Year of fee payment: 5 |
|
| PR1001 | Payment of annual fee |
Payment date: 20191118 Start annual number: 5 End annual number: 5 |
|
| PR1001 | Payment of annual fee |
Payment date: 20201119 Start annual number: 6 End annual number: 6 |
|
| PR1001 | Payment of annual fee |
Payment date: 20211027 Start annual number: 7 End annual number: 7 |
|
| PR1001 | Payment of annual fee |
Payment date: 20221017 Start annual number: 8 End annual number: 8 |
|
| PR1001 | Payment of annual fee |
Payment date: 20231026 Start annual number: 9 End annual number: 9 |