http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
김한솔,백세룡,최용순,윤준규,임종한,Kim, Hansol,Baek, Seryong,Choi, Yongsoon,Yoon, Junkyu,Lim, Jonghan 한국자동차안전학회 2021 자동차안전학회지 Vol.13 No.3
The number of big traffic accident cases of pedestrian death appeared to be minor, however compared to death rate in car to car accidents is very high and quite a few of the pedestrian death rates among all traffic accidents are counted to be almost 40%. Previous pedestrian safety studies were mostly aimed at reducing the degree of pedestrian injuries from a vehicle to pedestrian collision, and less at preventing a collision itself. This research was conducted with a method of using road facilities to prevent vehicles from rushing into the sidewalk. This research used one of the collision analyzing programs, called PC-Crash to simulate the vehicle rushing into the sidewalk. Based on the program, it could derive an optimal safe zone location where the pedestrian can wait for the pedestrian light safely. Also, changing road facilities such as pedestrian light pillars or signal controllers can widen 440% compared to the present safe zone. Accordingly, researchers have to consider a method to analyze and apply pedestrian safe zones along with road facilities location when designing a road.
목상해 분석을 위한 머신러닝 모델 개발 및 검증에 관한 연구
백세룡(Serong Baek),김천호(Cheonho Kim),김연우(Yeonwoo Kim),윤준규(Junkyu Yoon),임종한(Jonghan Lim) 한국자동차공학회 2021 한국자동차공학회 부문종합 학술대회 Vol.2021 No.6
최근 차량 능동안전장치가 빠르게 보급되고 있으며 그중 자동긴급제동장치(AEBS)는 충돌을 회피하거나 차량의 속도를 감속시켜 사고의 피해를 줄이는데 많은 도움이 되고 있다. 하지만 모든 운행 조건에서 사고를 피할 수 없기 때문에 피해를 경감하는데 주로 목적을 두고 있다. 따라서 최근 발생하는 추돌 사고는 다소 낮은 속도에서 충돌하는 경향이 나타난다. 저속으로 충돌하는 상황에서도 피 충돌 차량의 탑승자는 상해를 입을 수 있다. 일반적으로 저속 충돌의 경우 다른 신체 부위보다 목 상해 발생 확률이 높다. 목상해의 판단은 정지해 있던 피 추돌 차량의 충돌 수 속도변화로 추정할 수 있다. 일반적으로 차량의 속도 변화는 두 차량의 속도와 중량으로 계산할 수 있으나 두 차량 간에 충돌 자세와 차량의 형태 등에 따라 달라질 수 있다. 본 연구에서는 저속 후방 추돌 시험 데이터를 수집한 후 차량의 중량, 속도, 오프셋, 차량형태 등으로 분류한 후 머신러닝을 통해 모델을 만들었다. 모델은 K-fold 교차검증을 통해 학습하고 검증하였다. 학습에 사용된 데이터는 AGU(Die Arbeitsgruppe für Unfallmechanik) Zurich에서 수행된 254건의 저속충돌시험 데이터를 활용하였다. 모델의 정확도 판단을 위해 총 254 케이스 중 약 80%에 해당하는 204개의 케이스는 학습에 사용하고 나머지 50개의 케이스는 검증에 사용했다. 개발된 모델에 블랙박스, EDR, CCTV 등을 통해 얻은 차량의 충돌 전 속도를 적용하면 피 충돌 차량의 충돌 후 속도 변화를 예측할 수 있으며 그 결과로 목 상해 유무를 추정할 수 있다. 추후 사고분석을 통해 누적된 데이터를 활용한다면 기존의 안전장치를 보완하거나 새로운 안전장치를 개발하는데 활용하여 교통사고에서의 탑승자 부상을 줄이는데 기여할 수 있을 것으로 기대된다.