지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 이상헌
- 발행연도
- 2013
- 저작권
- 국민대학교 논문은 저작권에 의해 보호받습니다.
이용수4
이 논문의 연구 히스토리 (4)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
본 논문에서는 주행 중 발생하는 운전자의 여러 가지 의도 중에서 차선 변경 의도를 파악하기 위한 최적의 기계학습 알고리즘과 변수 집합을 찾기 위한 연구를 수행하였다. 이를 위하여 시뮬레이터상의 실험을 통하여 차량 및 운전자에 대한 각종 특징 변수들의 데이터를 수집하고, 다양한 기계학습 알고리즘에 대하여 차선변경의도 파악에 기여하는 정도를 평가한 후, 각 알고리즘별 최적의 변수 집합을 도출하고, 최종적으로는 최적의 기계학습 알고리즘과 변수 집합을 도출하였다. 또한, 기존의 연구에서는 차선변경의도만 검출하는데 반하여 본 연구에서는 좌측과 우측 차선변경 의도까지 세분하여 검출할 수 있도록 하였고, 차량 정보만을 이용한 운전자 의도 파악을 구현하고 이 방법이 차량 및 운전자 정보를 이용한 의도 파악에 비하여 얼마만큼 정확성이 떨어지는 지 비교하여 보았다. 본 연구 결과를 활용함으로써 운전자 의도 파악 기능이 없는 기존의 운전자 지원시스템이 운전자의 의도를 무시한 경보를 발생함으로써 운전에 방해를 주는 문제점을 해결할 수 있고, 주변 차량의 의도를 파악하여 이에 능동적으로 대처할 수 있을 뿐만 아니라, 운전자의 의도에 따라 차량이 자동으로 방향지시등 또는 경고 신호를 발생시킬 수 있게 되어 운전에서의 안전과 편의가 크게 향상될 것으로 기대된다.
목차
목 차제1장 서 론 11.1 연구의 배경 및 목적 11.2 관련 연구 5제2장 선행 실험 72.1 선행 실험의 개요 72.2 실험 장비 72.3 실험 방법 122.4 선행 실험 결과 132.5 고찰 20제3장 차선 변경 실험 223.1 실험 설계 223.1.1 변수 선정 방법 223.1.2 주행 상태의 구분 253.2 실험 장치 273.2.1 시뮬레이터 273.2.2 헤드 모션 추적 장치 363.2.3 동공 추적 장치 383.2.4 전체 실험 장치의 모습 403.3 피실험자의 선정 413.4 실험 절차 42제4장 실험 결과 464.1 그래프 분석 464.2 통계 분석 53제5장 머신 러닝 기법 적용 795.1 사용 프로그램 795.2 기계학습기법 적용의 개요 805.3 적용 기계학습 알고리즘 815.3.1 J48(C4.5) 결정트리 기법 815.3.2 다층 퍼셉트론(Multi-Layer Perceptron(MLP)) 기법 825.3.3 앙상블 기법 835.4 Receiver Operating Characteristic(ROC) Curve의 해석 방법855.5 각 알고리즘의 세부 파라미터를 조정한 성능 비교 875.6 각 알고리즘에 대한 최적의 독립 변수 집합 찾기 995.7 이득 변경을 통한 성능 비교 분석 1215.8 새로운 변수를 추가했을 때의 각 알고리즘별 성능 비교 1665.9 차량 데이터만을 사용했을 때와 차량 및 운전자 데이터를 사용했을 때의 각 알고리즘별 성능 비교 1735.10 토의 182제6장 결론 및 제안 1976.1 연구 성과 1976.2 향후 과제 199참고 문헌 201부록 204
최근 본 자료
댓글(0)
0