With the development of the connected car technology, it becomes possible to connect the vehicle with various devices. Therefore, it is possible to provide application services using information collected from various devices. As the market for the connected car grows, demand for such application services is increasing, and especially demand for safety relevant services such as providing the driver assistance is expected to account for the largest portion. Accordingly, various methods of analyzing the driving maneuver using the information that can be collected from the vehicle and assessing the safety such as the degree of the abnormality and the collision risk from the analysis have been studied to provide the safety assistance service to the driver. However, in order to commercialize this, it is necessary to improve the accuracy of the driving maneuver analysis. Moreover, to provide the safety assistance service to the driver practically, not only the safety evaluation but also the corrective instructions for safe driving should be provided to the driver. In this thesis, we are to implement the abnormality analysis service for driving maneuver which can detect and analyze the driving maneuver to evaluate the driving abnormality and provide quantitative factors that the driver should fix for normal driving as a safe driving assistance service. To improve the accuracy of driving maneuver analysis, we firstly proposed a driving maneuver detecting model using the convolutional neural network. In addition, we propose a method that can provide the target values for normal driving by selectively training the nonlinear principal component analysis (NLPCA) - deep learning model using the data evaluated as normal driving according to the detected driving maneuver. Finally, the accuracy of driving maneuver detection using the proposed method was experimentally evaluated, and the validity and accuracy of the proposed model that can provide the target values for normal driving were experimentally evaluated.
커넥티드 카 기술의 발달로 차량과 다양한 장치들 과의 연결이 가능해짐에 따라 다양한 장치들로부터 수집된 정보를 이용한 응용 서비스를 제공할 수 있다. 커넥티드 카 시장이 커짐에 따라, 이러한 응용 서비스의 수요가 증가하며, 그 중 한 종류로써 운전자에게 안전을 위한 운전 보조 서비스를 제공하는 등의 안전 관련 서비스에 대한 수요가 가장 큰 부분을 차지할 것으로 예상된다. 이에 따라 운전자에게 안전을 위한 운전 보조 서비스를 제공하기 위해 차량으로부터 수집할 수 있는 센서 정보들을 이용하여 운전 행동을 분석하고, 이에 대한 비정상 정도, 충돌 위험과 같은 안전도를 분석하는 다양한 방법들이 연구되고 있다. 하지만, 이를 상용화하기 위해서는 운전 행동 분석에 대한 정확도 향상이 필요하며, 실질적으로 운전자에게 안전 보조 서비스를 제공하기 위해서는 안전도 평가뿐만 아니라 안전 운전으로 고치기 위해 어느 요소를 어떻게 고쳐야하는지 교정 방향도 제시할 수 있어야 한다. 본 학위논문에서는 안전 운전 보조 서비스로써 운전자의 운전 행동을 감지하고, 분석하여 운전 비정상 정도를 평가하고, 정상 운전을 위해 운전자가 고쳐야할 요소를 정량적으로 제시할 수 있는 비정상 운전 행동 분석 서비스를 구현하고자 한다. 이를 위해, 우선 운전 행동 분석의 정확도를 향상시키기위한 방법으로써 convolutional neural network를 이용한 운전 행동 감지 모델을 제시하였다. 또한, 비정상 정도를 평가하고, 감지된 운전 행동에 따라 비정상 운전으로 평가된 데이터를 이용하여 선택적으로 nonlinear principal component analysis (NLPCA) - 딥러닝 모델을 학습시켜 정상 운전을 위한 목표 값을 제시할 수 있는 방법을 제안하여, 운전자에게 정상 운전을 하기 위해 어느 요소를 어떻게 고쳐야하는지 정량적으로 교정 방향을 제시할 수 있게 하고자 하였다. 최종적으로 제안한 방법을 이용한 운전 행동 감지 정확도를 실험적으로 평가하고, 정상 운전을 위한 목표 값을 제시할 수 있는 모델의 타당성 및 정확도를 실험적으로 평가하였다.