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
- 문창주
- 발행연도
- 2023
- 저작권
- 건국대학교 논문은 저작권에 의해 보호받습니다.
이용수6
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
자동차 관련 기술의 발달에 따라 CAN(Controller Area Network), V2X 등 차량 내외부적으로 통신량이 증가하게 되었고, 외부로부터의 침입 위험성도 증가되었다. 악의적인 조작이나 도난으로 인해 운전자의 인명 피해 및 재산상의 손실을 막기 위해 도난 방지 시스템 및 침입 탐지 시스템에 대한 연구가 활발하게 이루어지고 있다.
본 논문은 주행 중 발생하는 데이터를 이용하여서 운전자를 구분하여 시스템에 등록된 운전자인지 구분하는 기법에 대해 제안하며 이를 구현하는 딥러닝 모델을 설계한다. 실제 주행 상황에 적용하기 위해 실차 기반의 주행 데이터의 수집이 필요하며, 목적성을 띈 데이터의 수집을 배제한다.
본 논문에서는 실제 주행 환경에서 차량 내부에서 발생하는 CAN데이터, 차량의 상단에 부착된 LiDAR데이터를 사용하여서 운전자의 습관을 추출하는 모델을 설계하였다. 차량에서 발생하는 데이터는 시계열 데이터로 연속적인 특성을 가지며, 이러한 특성을 이용하여 Recurrence Plot(RP)을 사용하여 반복되는 구간에서의 패턴을 시각화 하였고, Convolutional Neural Network(CNN)모델을 이용하여서 특징을 추출해내어 운전자를 구분하고자 하였다.
제안한 모델은 Jupyter Notebook 환경에서 Python을 사용하여 구현하였으며 센서가 탑재된 현대 아반떼 차량으로 실험을 수행하였다. 학습된 모델을 이용하여 운전자 구분에 대한 정확도를 측정하였다.
본 논문은 주행 중 발생하는 데이터를 이용하여서 운전자를 구분하여 시스템에 등록된 운전자인지 구분하는 기법에 대해 제안하며 이를 구현하는 딥러닝 모델을 설계한다. 실제 주행 상황에 적용하기 위해 실차 기반의 주행 데이터의 수집이 필요하며, 목적성을 띈 데이터의 수집을 배제한다.
본 논문에서는 실제 주행 환경에서 차량 내부에서 발생하는 CAN데이터, 차량의 상단에 부착된 LiDAR데이터를 사용하여서 운전자의 습관을 추출하는 모델을 설계하였다. 차량에서 발생하는 데이터는 시계열 데이터로 연속적인 특성을 가지며, 이러한 특성을 이용하여 Recurrence Plot(RP)을 사용하여 반복되는 구간에서의 패턴을 시각화 하였고, Convolutional Neural Network(CNN)모델을 이용하여서 특징을 추출해내어 운전자를 구분하고자 하였다.
제안한 모델은 Jupyter Notebook 환경에서 Python을 사용하여 구현하였으며 센서가 탑재된 현대 아반떼 차량으로 실험을 수행하였다. 학습된 모델을 이용하여 운전자 구분에 대한 정확도를 측정하였다.
목차
표 목차 iii그림 목차 iv국문초록 vi제1장 서론 1제1절 연구 배경 1제2절 연구 내용 및 방법 2제2장 이론적 배경 4제1절 관련 연구 4제2절 배경 지식 51. Controller Area Networks (CAN) 52. RANSAC 알고리즘 63. DBSCAN 알고리즘 74. Recurrence Plot (RP) 85. Convolutional Neural Networks (CNN) 9제3장 운전자 구분 모델 설계 및 학습 12제1절 운전자 구분 프로세스 121. 주행 데이터 수집 및 전처리 121.1 CAN 데이터 수집 및 전처리 141.2 LiDAR 데이터 수집 및 전처리 172. 데이터 전처리 203. 주행 구간 분류 224. 이미지 변환 24제2절 운전자 구분 모델 아키텍쳐 28제3절 모델 학습 및 결과 분석 29제4장 결론 및 향후 연구 33참고문헌 34ABSTRACT 36
최근 본 자료
댓글(0)
0