분류
2024년 2월
작성일
2023.10.08
수정일
2023.12.26
작성자
임재봉
조회수
278

저지연 고신뢰 운전자 프로파일링을 위한 딥러닝 모델 및 조기 종료 기법

제목 :

저지연 고신뢰 운전자 프로파일링을 위한 딥러닝 모델 및 조기 종료 기법


Title :

Deep Learning Model and Early Exiting Method for Low Latency and Reliable Driver Profiling


요약 :

  주행 데이터를 분석하여 운전자를 구별하고 운전자의 운전 특성을 파악하는 운전자 프로파일링 기술은 개인화된 지능형 자동차를 위하여 활발히 연구되고 있다. 운전자 프로파일링을 위해서는 운전자 별 운전 특성의 차이를 모델링할 수 있는 운전자 식별 연구가 매우 중요하다. 주행 데이터는 운전자가 차량 탑승 후 시동을 걸고 주행을 시작한 후 차량의 시동을 끌 때까지 수집한 스티어링 휠 조작 등의 일련의 시계열 운전 데이터이다. 개인화 지능형 자동차를 위해서는 주행하는 동안 단위 시간마다 누적되는 시계열 데이터를 활용하여 운전자를 식별하는 시계열 딥러닝 모델 기반 실시간 운전자 식별 시스템이 필요하다. 기존 실시간 운전자 식별 연구에서는 주행 데이터를 고정된 짧은 시간 동안의 윈도우 데이터로 분할하여 운전자 식별을 수행하였다. 이러한 기존 연구에서는 실시간 식별이 가능하나 윈도우 데이터를 서로 독립적으로 분석하여 식별 정확도가 떨어지는 문제가 있다. 따라서 누적되는 주행 데이터에 대하여 장기적으로 시계열 분석하여 실시간 운전자 식별 정확도를 향상시킬 필요성이 있다.

  시계열 딥러닝 모델을 활용한 실시간 운전자 식별은 단위 시간마다 식별 결과를 출력하지만, 얼마만큼의 주행 후의 식별 결과가 신뢰성이 있는지 알기 어려운 문제가 있다. 전체 주행 종료 시 운전자 식별을 종료하는 경우 운전자 식별 지연시간이 길어져 실용성이 떨어지는 문제가 있다. 반면에 운전자 식별을 일찍 종료할 경우 식별 정확도가 떨어지는 문제가 있다. 실시간 운전자 식별에서 주행에 대한 최종 식별 결과를 주행 도중에 조기에 도출할 수 있는 조기 종료 운전자 식별 시스템이 필요하다. 이러한 조기 종료 운전자 식별은 식별 정확도는 높이되 지연시간은 낮출 수 있도록 주행 데이터 적응적으로 조기 종료 순간을 판단하는 것이 중요하다. 이를 통해 주행 별로 언제 운전자 식별을 종료하고 개인화된 서비스를 제공할지 판단할 수 있다.

  본 논문에서는 저지연 고신뢰 운전자 식별을 위한 딥러닝 모델과 조기 종료 기법을 제안한다. 기존 실시간 운전자 식별 연구에서는 시계열 딥러닝 모델에 대한 연구가 미비하고, 시계열 딥러닝 모델을 위한 성능 향상 연구가 필요하다. 실시간 운전자 식별을 위한 시계열 딥러닝 모델은 장기 시계열 분석과 실시간 분석이 동시에 필요한 어려움이 있다. 따라서 실시간 운전자 식별에 특화된 경량 인코더 기반 시계열 딥러닝 모델을 제안한다. 제안하는 딥러닝 모델은 윈도우 데이터를 효율적으로 처리하는 경량 인코더와 경량 인코더의 출력을 효율적으로 시계열 분석하는 순환신경망으로 구성된다. 경량 인코더는 짧은 시간의 주행 데이터를 입력으로 하고 임베디드 프로세서에서 구동 가능한 작은 구조를 특징으로 한다. 이러한 경량 인코더 출력에 대한 시계열 분석은 누적되는 장기 주행 데이터를 그대로 활용하여 시계열 분석하는 것보다 더 좋은 효과를 보였다. 따라서 경량 인코더를 통하여 실시간 식별이 가능하면서 시계열 주행 분석의 효율성도 높여 식별 정확도를 향상시켰다.

  기존 연구에서는 운전자 식별을 위한 시간적 조기 종료 연구가 미비하고, 시간적 조기 종료 기법에 대한 신뢰도 향상 연구가 필요하다. 딥러닝 모델의 신뢰도 출력을 활용한 운전자 식별의 시간적 조기 종료를 위해서는 딥러닝 모델의 과신뢰 문제를 해결해야 하는 어려움이 있다. 따라서 조기 종료 운전자 식별에 특화된 교정된 신뢰도 기반 시간적 조기 종료 기법을 제안한다. 제안하는 조기 종료 기법은 추가적인 컴퓨팅 부하나 모델 구조 변경 없이 딥러닝 모델의 신뢰도 출력을 기반으로 조기 종료를 수행한다. 이러한 신뢰도 기반 시간적 조기 종료를 위하여 적용하는 신뢰도 교정 기법은 누적된 주행 데이터의 양에 따라 교정 강도를 조절하는 것을 특징으로 한다. 또한 주행 데이터 적응적으로 조기 종료 순간을 판단하여 식별이 쉬운 주행은 교정 강도를 높이고 식별이 어려운 주행은 교정 강도를 낮춘다. 이러한 신뢰도 교정 기법을 통하여 식별 정확도를 유지하면서 조기 종료 지연시간을 감소시켰다.

  주행 경로 및 차종 등이 제한 없는 운전 데이터세트를 활용하여 제안하는 딥러닝 모델과 시간적 조기 종료 기법의 성능을 평가하였다. 제안하는 경량 인코더 기반 시계열 딥러닝 모델은 94.5%의 실시간 운전자 식별 정확도를 보였다. 기존 연구에서 활용한 딥러닝 모델과 비교하였을 때 실시간 운전자 식별 정확도를 대폭 향상시켰다. 제안하는 교정된 신뢰도 기반 시간적 조기 종료 기법은 평균 4.8분에 조기 종료 시 93.4%의 운전자 식별 정확도를 보였다. 기존 연구인 고정 시간 종료와 비교하였을 때 식별 정확도는 유지하면서 식별 지연시간은 80.8% 감소시켰다. 따라서 제안한 딥러닝 모델과 시간적 조기 종료 기법을 통한 저지연 고신뢰 운전자 프로파일링은 개인화된 지능형 자동차 기술을 촉진할 수 있을 것으로 기대된다.


Email :

jaebonglim@pusan.ac.kr

학위연월
2024년 2월
지도교수
백윤주
키워드
장기 시계열 데이터 분석, 운전 데이터 분석, 심층신경망 경량화
소개 웹페이지
https://jaebonglim.github.io/
첨부파일
첨부파일이(가) 없습니다.
다음글
Improving 6TiSCH Network Formation and Transmission using Q-Learning
파와즈 자키 자키얄 2023-10-10 13:43:26.357
이전글
802.11ax 대규모 Wi-Fi 환경의 심층 생성 모델을 활용한 트래픽 모델링 및 AP 배치 최적화
이재민 2023-04-07 04:21:43.627
RSS 2.0 132
게시물 검색
박사학위논문
번호 제목 작성자 작성일 첨부파일 조회수
132 확산 모델 기반 필기 이미지 생성에 관한 연구 홍동진 2025.04.10 0 24
131 연합 학습 기반 전기차 충전 인프라 최적 운영 및 전력망 안정을 위한 유연성 자원 활용 연 류준우 2025.04.09 0 23
130 Design and Analysis of Quantum Circuits for Inform 와다니 리니 위스누 2025.04.08 0 39
129 Towards computation - communication efficient and 응우옌 민 두옹 2025.04.08 0 29
128 Quantum Convolutional Neural Networks for Classifi 노대일 2025.04.08 0 35
127 Service Management for Reliable Distributed 6G IoT 응우옌 쑤언 둥 2025.04.08 0 31
126 Large Language Model for Penetration Testing Domai 데리 프라타마 2025.04.07 0 39
125 Discovery and Authentication of Marker Genes Using 프라타마 리안 다니스 아디 2025.04.07 0 51
124 산업 환경의 IEEE 802.15.4 TSCH 기반 네트워크에서 트래픽 처리량 향상을 위한 이희준 2025.04.07 0 53
123 Uncertainty-Based Hybrid Deep Learning Approach fo 멘가라 악셀 기드온 2024.12.10 0 87
122 Effective Deep Learning Primitives Design for Bina 황선진 2024.10.14 0 94
121 Toward Immersive Multiview Video Streaming through 탄중 디온 2024.10.14 0 61
120 A Low-cost Deep Learning Model for Real-time Low L 등 제강 2024.10.10 0 99
119 Enhancing Nested Entity Recognition Using Nested R 양홍진 2024.10.09 0 84
118 다양한 도메인과 데이터 형식에 강건한 사전학습 언어모델 기반의 표 질의응답 방법 조상현 2024.10.09 0 83
117 Trust Guard Extension for Enhanced Security Featur 김해용 2024.05.04 0 109
116 Task-Specific Differential Private Data Publish Me 신진명 2024.04.09 0 132
115 Advanced Defense Framework against Physical Advers 김용수 2024.04.08 0 162
114 한글 메신저 채팅의 크로스 텍스팅 탐지를 위한 저자 검증 모형 이다영 2024.04.05 0 127
113 상태 기반 테스트 시나리오 보강 방법 이선열 2023.10.17 0 206