• Proceedings of the Korean Information Science Society Conference
• /
• 2004.10a
• /
• pp.121-123
• /
• 2004

차량 번호판 인식 시스템은 무인 카메라 등의 영상 장치로부터 입력된 차량 이미지로부터, 차량 번호판 정보를 읽어내는 시스템이다. 이러한 차량 번호판 인식 시스템의 응용 시스템 중 과속 차량 단속과 같은 일부 응용 시스템은 번호판의 글자나 숫자를 다른 글자나 숫자로 잘못 인식할 경우 심각한 문제를 발생시킬 수 있다. 이러한 시스템을 위해 우리는 인식 결과에 대한 신뢰도가 낮은 경우 인식을 포기 또는 위임하는 신중한 분류기(Cautious Classifier)를 이용 인식 시스템을 구성하였다. 또한 학습 예제의 가중치를 조절하는 방법을 사용 이러한 신중한 분류기의 성능을 향상 시켰다. 실제 번호판 인식 실험 결과 우리가 제안한 가중치 부여 방식이 차량 번호판 인식 문제에 좋은 결과를 보임을 확인하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2018.10a
• /
• pp.227-230
• /
• 2018

자동차는 현대사회에서 보편화한 편리한 운송수단으로써 사람이 생활하는 어느 곳에서나 활용되고 있다. 최근 ICT와 차량을 융합한 커넥티드 카는 운전자에 의해 모든 동작이 결정되는 특징을 가지고 있어 도난 및 오용되니 않게 적합한 사용자 인증이 필요하다. 운전자가 음주를 하게 되면 정상적인 차량 운행이 불가능하여 교통사고가 발생할 수 있다. 이를 방지하기 위해 운전자의 현재 상태를 파악하여 차량을 운전하는데 이상이 없는지를 파악하고 부적합할 경우 차량 운행을 제어할 수 있는 수단이 필요하다. 스마트키, 지문 인식 등 차량에 대한 사용자 인증의 방식이 존재하지만, 인증과 동시에 사용자의 현재 상태를 파악하는 방법은 없는 상황이다. 본 논문에서는 고유한 생체 정보인 ECG 파형의 특징을 이용하여 사용자 인증과 동시에 운전자의 현 상태를 파악하는 안전한 차량 제어 시스템을 제안하고자 한다.

• Review of KIISC
• /
• v.30 no.6
• /
• pp.91-99
• /
• 2020

운전자의 편의성 및 안전성 향상을 위하여, 과거 기계적으로 제어되던 차량의 많은 기능들이 최근에는 전자제어장치에 의하여 전자적으로 제어되고 있다. 고급 차량의 경우에는 약 100개의 전자제어장치가 탑재되어 있다고 알려져 있으며, 이러한 전자제어장치는 CAN 통신 프로토콜을 이용하여 자동차 내부에서 네트워크를 형성하여 센서 정보나 제어 요청 등이 송·수신된다. 하지만, 자동차의 많은 기능이 전자적으로 제어됨에 따라, 이를 타겟으로 하는 차량 사이버공격에 대한 위협도 함께 증가하고 있다. 실제로 2015년에 사전 조작 없는 차량을 대상으로 원격에서 제어하는 사이버공격이 시연되기도 하였다. 따라서, 유엔유럽경제위원회 (UNECE)에서는 자동차 사이버 보안 요구사항에 관한 내용을 법규로 지정하였고, 2022년 7월 유럽에서 생산되는 모든 차량에 자동차 사이버 보안을 위한 기술적 조치가 의무화되어야 한다. 이로 인해, 자동차 사이버보안은 산업계와 학계 모두 실제 차량에 적용 가능한 자동차 보안기술 개발에 집중하고 있다. 본 고에서는 국제 학술대회를 중심으로 차량에 대한 사이버보안 취약점 및 보안기술 연구 동향을 산업계와 학계를 구분지어 설명하도록 하겠다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2020.05a
• /
• pp.497-499
• /
• 2020

자율주행 차량이 많아지고 차량의 ECU가 고도화되면서 정확한 차량의 데이터를 획득하고 분석하여 활용하는 것이 중요해지고 있다. 현재에는 내연 기관 차량의 ECU 데이터를 얻기 위해서 OBDII 포트(규격)에 기반한 CAN동선을 주로 이용하고 있다. 하지만 OBDII 규격을 통해서 연비와 같은 중요한 차량 정보를 얻는 경우, 변환식 (MAF 센서(흡입 공기량 센서)와 공기/연료 비율을 이용)의 오차 범위가 커서 데이터의 정확도가 낮다. 본 연구에서는 머신 러닝 기법 중에 하나인 회귀 기법을 통해서 기존의 계산보디 더 정확한 연비를 구할 수 있는 모델을 개발하였다. 이러한 모델 개발을 통하여 차량의 RAW 데이터를 기반으로 필요한 차량 데이터를 정확하게 구할 수 있게 되었으며 20회가 넘는 실 도로주행을 통해서 본 모델의 정확도를 검증하였다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2008.10a
• /
• pp.316-319
• /
• 2008

Most of campus vehicle management systems, so far, have simple functions such as managing vehicle in/out or issuing parking tickets. Recently some of them use RFID tags to count total numbers of cars in the campus, excluding exact parking position management. In this paper we propose a new campus vehicle management system using wireless sensor network location management scheme. This system adopts RSSI based location management method with some performance improvement technique. According to the experimental result, this proposed scheme can be used to implement an effective campus vehicle management system.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.14 no.4
• /
• pp.999-1004
• /
• 2010

Most of campus vehicle management systems, so far, simply manages coming in or go out of vehicles, issuing a parking tickets. Recently some of them use RFID tags to count total numbers of cars in the campus, excluding exact parking position management. In this paper we propose a new campus vehicle management system using wireless sensor network location management scheme. This system adopts RSSI based location management method with some performance improvement technique. According to the experimental result, this proposed scheme can be used to implement an effective campus vehicle management system.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2006.05a
• /
• pp.352-357
• /
• 2006

매년 도로와 주차공간의 확장보다 차량의 수가 빠르게 증가하여 그에 따라 불법 주차 관리의 어려움이 증가하고 있다. 이러한 문제점을 해결하기 위해 지능형 주차 관리 시스템이 필요하게 되었다. 본 논문에서는 획득된 차량 영상에서 수직 에지의 특징을 이용하여 번호판 영역과 개별 코드를 추출하고, 추출된 개별 코드를 퍼지 신경망 알고리즘을 제안하여 학습 및 인식한다. 본 논문에서는 차량 번호판 영역을 검출하기 위해 프리윗 마스크를 적용하여 수직 에지를 찾고, 차량 번호판의 정보를 이용하여 잡음을 제거한 후에 차량 번호판 영역을 추출한다. 추출된 차량 번호판 영역은 반복 이진화방법을 적용하여 이진화하고, 이진화된 차량 번호판 영역에 대해서 수직 분포도와 수평 분포도를 이용하여 번호판의 개별 코드를 추출한다 추출된 개별 코드는 제안된 퍼지 신경망 알고리즘을 적용하여 인식한다. 제안된 퍼지 신경망은 입력층과 중간층간의 학습 구조로는 FCM 알고리즘을 적용하고 중간층과 출력층간의 학습 구조는 Max_Min 신경망을 적용한다. 제안된 방법의 추출 및 인식 성능을 평가하기 위하여 실제 차량 영상 150장을 대상으로 실험한 결과, 기존의 차량 번호판 인식 방법보다 효율적이고 인식 성능이 개선된 것을 확인하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2024.05a
• /
• pp.427-430
• /
• 2024

교통체계서비스는 안전한 교통 환경을 구축하는 것을 목표로 하여 차량, 도로, 기반 시설의 정보를 수집 및 처리하여 안전 교통정보를 제공한다. 교통체계서비스가 수집하는 차량 운행정보는 교통 안전 정보 외에도 다른 분야에서도 활용될 수 있으며 특히 다른 데이터와 결합하는 것으로 다양한 결과를 도출할 수 있어 연구, 통계 작성 등에 필요한 자료이다. 그러나 차량의 운행정보는 운전자의 개인정보를 포함하고 있어 운행정보 활용 시 가명화 및 가명결합이 필수적이다. 본 논문에서는 가명화된 운행정보를 가명결합하는데 발생하는 문제점을 설명하고 이러한 문제를 해결한 가명결합 방안을 연구하였다. 그 결과 교통체계서비스가 수집한 운행정보를 다른 기관의 데이터와 결합하여 활용할 수 있게 하여 개인정보를 보호하면서 데이터의 유용성을 활용하는데 기여할 것으로 예상한다.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.15 no.12
• /
• pp.2582-2589
• /
• 2011

This Paper proposed the prediction method of fuel consumption from vehicle diagnosis informations through OBD-II Interface. We assumed mass air flow (MAF), shor-term fuel trim (STFT), and long-term fuel trim (LTFT) had a relationship with fuel consumption. We got the output as fuel-consumption from MAF, STFT, and LTFT as input variables. We had modelling as combustion reaction equation with OBD-II data and fuel consumption data supported by automotive company in real. In order to verify the effectiveness of proposed method, 5 km real road-test was performed. The results showed that the proposed method can estimate precisely the fuel consumption from vehicle data.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2019.10a
• /
• pp.133-136
• /
• 2019

차량에서 생성되는 데이터의 가치가 상승함에 따라 데이터 소스와 데이터 내용에 대한 보안 위협 또한 증가하고 있다. 데이터 소스인 차량의 경우에는 운행의 안정성을 보장하고자 블록체인을 결합하려는 시도가 있어왔지만, 무결한 차량 운행 데이터 관리 시스템에 대한 이해 부족으로 데이터 위·변조 등 차량 데이터에 대한 사이버 공격에 적절히 대응하지 못하고 있다. 이에 본 논문은 수집된 차량 데이터의 무결성을 보장하고 수집된 데이터에 대한 질의가 가능한 블록체인 기반 데이터 베이스 시스템을 제안한다. 본 시스템을 통하여 분산 합의 기반 데이터 무결성 검증, 블록을 구성하는 해시트리의 복제 저장 없이 위·변조된 차량 데이터 검출, 일정 수준의 장애를 허용한 상태 하에서의 질의문 처리 등이 가능해진다. 본 시스템은 높은 공간 효율성과 확장성을 가지며, 수소전기차 공유 업체의 차량 운행 정보를 바탕으로 한 성능 평가 결과 평균적으로 데이터 블록 저장에 4.0 초, 각 블록 검증에 2.4 초, 질의 처리를 위한 합의 과정에 1.3 초가 소요됨을 확인하였다.