http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
PC-Crash의 EES-CNN 유효성 검증에 대한 연구
김연우(Yeonwoo Kim),백세룡(Seryong Baek),김천호(Cheonho Kim),윤준규(Junkyu Yoon),임종한(Jonghan Lim) 한국자동차공학회 2021 한국자동차공학회 부문종합 학술대회 Vol.2021 No.6
머신러닝은 사람이 하기 어려운 작업을 대신 학습을 통해 수행하는 것을 뜻한다. 작업 방법은 학습 모델(값이 정확한 정답)과 비학습 모델(구해야 하는 값)들을 비교하고, 강화 학습을 통해 결과를 얻어 내는 것이다. PC-Crash의 EES-CNN 기능은 DSD사에서 3년 전부터 진행하고 있는 프로젝트이다. CNN-EES의 data는 EES값이 5~85km/h인 4,000개의 이미지로 기초 데이터의 바탕으로 예상한다. 본 연구의 필요한 차량 사진들은 NHTSA의 Database를 활용했다. 국내 판매량이 가장 높은 현대자동차, 기아의 차량 위주로 전방 충돌, 측면 충돌의 사진을 다운받고, NHTSA에서 제공한 사고 당시의 delta-V 값과 EES-CNN에서 예측한 속도를 비교 정리하였다. 제공한 delta-V data와 EES-CNN data와 비교 했을 때 정확히 일치하는 data는 없었지만 5km/h이하 차이가 나는 차량은 45건 중 5건으로 약 11%가 나왔고, 10km/h이하는 40%가 나왔다. 차종별로 분석했을 땐 SUV의 5km/h 이하는 25%, 10km/h 이하는 50%로 차의 크기가 클수록 손상 부위의 면적이 상대적으로 커지기 때문에 파손 인식 정확도가 더 높을 것이라고 판단된다. 실제 data와 비교했을 때 정확성은 떨어지지만 data가 없고, PC-Crash같은 프로그램으로 교통사고재연 할 때 실제 사고와 비슷한 시나리오의 구성을 위한 초기 data로 사용하거나 지속적인 업데이트를 통해 신뢰성이 높아지길 기대해본다.