타봐! Triggered Acceleration Block Application
엑셀/브레이크 압력과 속도 데이터를 분석해 급발진을 판단하고, 자동으로 119에 신고하는 스마트 모빌리티 안전 서비스.
- 운전자가 직접 입증해야 하는 급발진 사고의 구조적 한계를 데이터로 보완
- 센서 데이터(엑셀/브레이크 압력, 속도)의 상관관계 분석을 통해 브레이크 오작동 여부 판단
- 이상 징후(브레이크 오작동) 시 AI가 즉시 119 신고 및 위치·상태 전송으로 골든타임 확보
- App(Flutter) ↔ Server(Spring Boot) ↔ AI(Keras)
- 실시간 수집 → 전처리/특징 추출 → 이상 탐지(급발진) 판별 → 119 호출 → 대시보드 기록
🚗 내비게이션
기능 요약
- 목적지 키워드 기반 검색
- 목적지 최단 거리 폴리라인
- 운행 엑셀·브레이크·속도 실시간 데이터를 통한 시각화
🆘 AI 기반 응급 대처
기능 요약
- 모든 사용자를 위한 페달 압력 캘리브레이션(Min-Max Scaling 정규화)
- 브레이크 오작동 감지시 119 자동 호출
- 웹 대시보드에서 사용자 위치/상태 실시간 확인
📊 이상 탐지 데이터 관리
기능 요약
- 이상 탐지 전후 차량 데이터만 DB 저장
- 모바일 앱에 해당 데이터 차트로 제공
- 웹 대시보드에서 엑셀파일 다운로드
⚙️ 운전 습관 측정
기능 요약
- 페달 압력, 차량 속도 기반 양발 운전·급출발·급정거 습관 제공
- 운행 폴리 라인, 운행시간, 운행거리 제공
- 운전 중 발생하는 엑셀 압력, 브레이크 압력, 속도 변화량 데이터를 기반으로 LSTM(Long Short-Term Memory) 모델을 학습
- 모든 입력값은 Min-Max Scaling을 통해 0~1 사이로 정규화
- 이전 5초간의 운전 데이터(5개 샘플) 를 입력받아,
다음 1초 후의 속도 변화량을 예측하는 구조
LSTM은 시계열 데이터를 다루는 데 강점이 있어, 시간에 따라 변화하는 운전 패턴을 학습할 수 있습니다.
가설: "브레이크를 밟았는데 속도가 충분히 줄지 않으면 이상 상황으로 판단"
- 차량에서 1초마다 엑셀 압력, 브레이크 압력, 속도 데이터를 수집
- 최근 5초(5개의 데이터)를 유지하며 모델에 입력
- 모델이 예측한 다음 속도 변화량과 실제 변화량을 비교
- 두 값의 차이가 8(Threshold) 이상이면 급발진으로 판단
- 22,000건의 정상 주행 데이터를 학습한 결과, 정규화된 이상값은 10 이하로 수렴
- OECD·ITF 기준, 속도 변화 10km/h만으로도 사고 위험률이 약 20% 감소한다는 통계 참고
- 동일한 압력이라도 도로 기울기나 타이어 마모 등 물리적 환경 요인에 따라 속도 변화가 달라질 수 있음
- 따라서 절대적인 압력값(선형 데이터)보다는 최근 5초간의 데이터 패턴을 기준으로 이상 여부를 판별
- 이 방식은 환경 요인에 대한 보정을 수행하며, LSTM이 시간의 흐름에 따른 운전 패턴의 연속성을 반영하여 예측할 수 있도록 설계
빨간색은 AI 속도 예측값과 실제 속도 차을 나타냅니다.
두 값의 차이가 8이상 벌어지는 시점을 급발진 의심 구간으로 판단합니다.
| 구분 | 설명 |
|---|---|
| 입력 데이터 | 엑셀 압력, 브레이크 압력, 속도 변화량 |
| 입력 윈도우 | 최근 5초간 데이터 |
| 출력값 | 다음 1초 후 속도 변화량 |
| 모델 구조 | LSTM (시계열 기반 예측) |
| 판단 기준 | 예측값 - 실제값 ≥ 8 → 급발진 의심 |
| 학습 데이터 | 약 22,000건의 정상 운전 데이터 |
실제 주행 환경에서 센서·앱·AI의 연동을 검증하기 위해 실차 테스트를 진행했습니다.
차량 내 센서 설치 및 TABA 앱 실시간 연동 장면
실제 이상 탐지 감지 DB 기록 내역
| 구분 | 설명 | 링크 |
|---|---|---|
| 🚗 AI 판단 시연 | 실제 차량 주행 중 실시간 센서·속도 연동 시연(TMap & TABA 앱 동시 실행) | YouTube Shorts |
| 📱 앱 데모 | Flutter 기반 실시간 주행 데이터 시각화 | YouTube |
| 🖥️ 웹 대시보드 데모 | AI 응급대응 및 위치 모니터링 관리 화면 | YouTube |
| ⚙️ 페달 캘리브레이션 측정 | 자동차 페달 압력 센서 값 측정 및 보정 | YouTube Shorts |
시연 요약
실제 차량 환경에서 페달 센서 입력값을 기반으로 급발진 탐지 AI 모델을 구동하고,
감지 시 119 API 호출 → 웹 대시보드 알림 → 데이터 기록 → 앱 실시간 시각화까지
전 과정을 통합적으로 시연했습니다.
| 조창욱(팀장) | 박창수 | 제보민 | 이진호 |
|---|---|---|---|
 |
 |
 |
 |
 |
|
|
|
| HW 제작 및 MCU 개발, 모바일 앱 개발, 백엔드 API(모바일) 개발 |
아키텍처 설계, DB 설계, 백엔드 API(시큐리티·웹) 개발 |
웹 대시보드 개발, 보고서 작성, 선행기술 조사 |
AI 개발, 데이터 관리 |