R&D최종보고서
| 과제고유번호 | 201818CTAP-C129722-02 | |||||
|---|---|---|---|---|---|---|
| 연구사업명 | 국토교통기술촉진연구사업 | |||||
| 연구과제명 | 손목착용형 센서모듈 측정 생리신호 기반 운전자 집중도/피로도 모니터링 핵심원천기술 개발 | |||||
| 총 연구기간 | 2017-04-01 ~ 2018-12-31 | |||||
| 연구책임자 | 김경환 | |||||
| 당해년도 참여 연구원수 |
6명 | 총 연구기간 참여 연구원수 |
9명 | |||
| 당해년도 연구비 |
정부 : 100,000,000 원 기업 : 0 원 계 : 100,000,000 원 |
총연구비 | 정부 : 200,000,000 원 기업 : 0 원 계 : 200,000,000 원 |
|||
| 연구기관명 | 연세대학교 원주산학협력단 | |||||
| 등록 발간번호 | - | |||||
| ISBN | - | |||||
| 주요 내용 |
생체신호 기반 운전자 집중도 및 피로도 모니터링 시스템의 실용성을 획기적으로 높이기 위하여 손목착용형 센서모듈에 의해 측정가능한 생리신호들만으로 운전자의 집중도 및 피로도를 표상하면서 뇌파정보를 대체할 수 있는 생리지표들을 추출하고, 이들을 조합하여 운전자 상태를 인식하고 집중도 및 피로도를 정량적으로 모니터링하기 위한 원천기술을 개발하여 운전자 보조 및 사고예방에 실제로 활용하기 위한 방법을 제시함. [최종목표] 본 과제의 최종성과물은 손목착용형 센서모듈 측정 생리신호 기반 운전자 집중도/피로도 모니터링 기술로써, 정량적 목표는 다음과 같음. 운전자 집중도/피로도 표상 뇌파 대체 생리지표: 3개 이상 생리지표 기반 운전자 집중도/피로도 예측 알고리즘: 연구용 뇌파 대비 80% 이상 정확도 뇌파정보 대체 생리지표 추출 및 운전자 집중도/피로도 예측 알고리즘 구동의 모든 과정은 가상운전 중 측정된 뇌파 및 생리신호를 이용하여 컴퓨터 기반 오프라인으로 이루어질 예정임. 따라서, 본 연구개발 종료 시 얻게 될 최종성과물은 시작품 개발 이전 단계인 아이디어 개발 및 검증 단계에 해당하며, 이를 통해 시작품 개발 가능성에 대한 이론 및 실험적 근거를 제공할 수 있을 것으로 기대됨. [연구내용 및 범위] 가. 1차 연도 ① 개발 목표: 운전자 집중도/피로도 예측 및 뇌파 대체가능성 확인 ② 개발 내용 및 범위 선행연구 사례조사 - 뇌파 및 생리신호로부터 사람의 집중도/피로도를 표상하는 생체지표를 추출한 선행연구조사 - 운전 중 집중도/피로도 모니터링에 적용하기 적합한 생체지표 후보군 선정 - 생체지표로부터 사람의 집중도/피로도를 예측하는 알고리즘 선행연구조사 실험 프로토콜 개발 - 가상운전 시뮬레이터 사용 - 운전자의 집중도/피로도를 단계적으로 조절할 수 있는 실험 프로토콜 개발 - 운전 중 급정지, 끼어들기 등 다양한 돌발상황을 포함하는 가상운전 프로토콜 개발 신호측정 실험 - 피험자 모집: 운전면허증 취득하였고, 신경정신과적 질환 병력이 없으며, 정상시력(교정시력 포함)을 갖고 있는 오른손잡이 피험자 약 20명 모집 (남성 10명, 여성 10명). - 피험자로부터 가상운전 실험 중 연구용 고밀도 다채널 뇌파, 웨어러블 뇌파, 손목측정 가능 생리신호 기록 - 팔 움직임에 의한 노이즈를 최소화하기 위해 생리신호를 측정하는 손목은 의자 옆 팔걸이에 편안히 내려놓고, 반대 쪽 한 손으로만 운전대를 조작하도록 지시함. 신호분석방법 개발 - 운전동작에 의한 아티팩트를 고려한 전처리 과정 - 뇌파의 시공간, 주파수 특성 및 네트워크 특성 분석방법 개발 = 사건관련뇌전위(event-related potential, ERP) 요소 분석 = 주파수 분석 = 시간-주파수 분석 (time-frequency analysis) = 기능적 연결성 분석 (functional connectivity analysis) = 그래프 이론 분석 - 자율신경계 생리신호 분석방법 개발 - 운전자의 집중도/피로도를 표상하는 뇌파지표 추출 = 상관관계 분석 = 구조방정식 모델 (structural equation modeling) 분석 = 베이즈 네트워크 (Bayesian network) 분석 = 심층신경망 (deep neural network) 분석 최적의 특징벡터 추출 방법 개발 - 추출된 생체신호 지표로부터 최적의 특징벡터조합 추출 방법 개발 = 필터 방법 (filter method) = 래퍼 방법 (wrapper method) = 하이브리드 방법 (hybrid method) 알고리즘 개발 - 기계학습 기반 다중회귀분석을 통해, 뇌파로부터 운전자의 집중도/피로도를 예측하는 알고리즘 개발 = 서포트 벡터 머신 (support vector machine, SVM) - 최적의 알고리즘 파라미터 선정 = 서포트 벡터 머신 (SVM) 격자 탐색 (grid search) 나. 2차 연도 ① 개발 목표: 뇌파 정보 대체 생리지표 기반 운전자 집중도/피로도 예측 알고리즘 개발 (그림 10) ② 개발 내용 및 범위 신호측정 실험 - 다수의 피험자로부터 가상운전 실험 중 뇌파 및 생리신호 데이터베이스 구축 - 가상현실 운전 시뮬레이션 실험 프로토콜 및 피험자 모집 조건은 1차 연도와 동일하며, 누적 피험자 수 40명 목표 (남성 20명, 여성 20명) 신호분석방법 개발 - 운전자의 집중도/피로도와 돌발 상황에 대한 생체반응 간 관계성 분석 = 집중도/피로도의 고저(高低) 조건 간 차이에 따른 생체신호 특성 분석 = 단일시행 돌발 상황에서 운전자의 집중도/피로도의 고저 상태 분류 - 다채널뇌파, 단채널뇌파 추출 지표 비교 모델 구축 - 운전자의 집중도/피로도를 표상하는 뇌파 정보 대체 생리지표 개발을 위한 뇌파-생리신호 간 상관성 통계적 모델링 최적의 특징벡터 추출 방법 개발 - 추출된 생체신호 지표로부터 최적의 특징벡터조합 추출 방법 개발 - 딥러닝에 의해 학습된 심층신경망의 특성분석을 통하여 새로운 분류, 예측을 위한 특징 추출방법 개발 알고리즘 개발 - 대규모 데이터로 및 기계학습 기반 다중회귀분석을 통해, 뇌파 대체 생리지표 기반 운전자의 집중도/피로도 정도를 예측하는 알고리즘 개발 - 뇌파정보 대체 가능성 정량적 확인 |
|||||
| 색인어 | 한글 | 운전자 모니터링 | 집중도/피로도 | 생리신호 | 손목착용형 센서모듈 | |
| 영문 | Driver monitoring | Attention/fatigue | Physiological signal | Wrist worn sensor module | ||
| 최종보고서 | 1. 최종보고서_보완.pdf | |||||