딥러닝 기반의 자율주행 공용 모빌리티를 위한 하차 안전 시스템 설계 (Self-driving Public Mobility Get-off Safety System)

서지정보

· 발행기관 : 대한기계학회
· 수록지 정보 : 기술과 교육 / 10권 / 2호 / 129 ~ 142페이지
· 저자명 : 이정연, 김채은, 정유경, 임덕신, 오유근

초록

버스와 같은 공용 모빌리티에서 하차 중 발생하는 안전사고 해결을 위해 안전 센서의 정밀도 향상과 같은 제한적인 접근 방법이 있지만, 운전 기사가 존재하지 않는 미래 자율주행 공용 모빌리티에서는 새로운 접근이 필요하다. 본 연구에서는 공용 모빌리티의 승객들의 불안함과 부정확한 상황 인식을 해결하기 위해 딥러닝 기반의 하차 안전 시스템을 제안하였다. 하차 안전 시스템은 1. 시간 표시등(time light), 2. 바닥 표시등(projection), 3. 비전 센서(vision sensor), 4. 끼임 방지 장치(entrapment preventer)로구성된다. 비전 센서의 딥러닝 기술로 각 정차 지점에서 하차하는 인원을 파악하여 하차 문이 열려 있는 시간을 조절하며, 하차 상황에 대한 정보를 승객들에게 효과적으로 전달하여 승객들이 하차 상황을 인지하고 안전하게 하차할 수 있도록 돕는다. 제안된 하차 안전 시스템 프로토타입을 평가하여 효과가 있는지 검증하고 시사점까지 제안하였다.

영어초록

There has been improvements made on the precision of safety sensors to prevent safety accidents during getoff from the public mobility, such as buses. Future self-driving public mobility where no driver exists, requires considerations when passengers get off. This study implements a deep learning-based drop-off safety system that takes care of passengers' anxiety and poor situational awareness. The proposed public mobility get-off safety system consists of 1. Time light, 2. Projection, 3. Vision sensor, and 4. Entrapment preventer. Our system effectively delivers information on the exit door so that passengers can recognize the exit situation by themselves and get off safely. The deep learning model using a vision sensor predicts the number of people getting off at each stop and adjusts the exit door opening duration. Furthermore, a prototype was set to validate whether it is practical and useful by providing useful cognitive information to the user during the drop-off process.

참고자료

· 없음