** Project Status: PoC (Proof of Concept)** 본 프로젝트는 '제 1회 사물인터넷 플랫폼 활용 개발자 챌린지' 출품작으로, oneM2M 표준 플랫폼 기반의 안전 시스템 로직 검증을 위해 제작된 프로토타입입니다. 제한된 개발 기간(2주) 및 하드웨어 환경을 고려하여 범용 센서로 구현되었습니다.
본 프로젝트는 Arduino R4 WiFi와 압력 및 초음파 센서를 활용하여 운전자의 페달 조작 자세를 실시간으로 모니터링하고, 비정상적인 자세 감지 시 즉각적인 피드백을 제공하는 능동형 IoT 안전 운전 보조 시스템을 제안한다. 수집된 데이터는 oneM2M 표준 플랫폼을 통해 통합 관리되며, 이를 통해 사용자는 자신의 운전 습관을 객관적으로 파악하고 교정할 수 있는 환경을 제공받는다.
페달 오인 사고(Pedal Misapplication)는 운전자가 가속 페달(액셀)과 제동 페달(브레이크)을 혼동하여 잘못 조작함으로써 발생하는 사고를 말함
- 주요 특징: 주로 주차장이나 저속 주행 상황에서 브레이크를 밟으려다 실수로 액셀을 강하게 밟아 발생합니다. 최근에는 고령 운전자의 인지 반응 속도 저하와 연관된 사고가 주목받고 있음
- 구분: 급발진(차량 결함) 주장 사고 중 상당수가 조사 결과 '페달 오조작'으로 판명되는 경우가 많음
-
페달 오조작 방지 장치(PMPD)
- 전후방 1~1.5m 범위에 장애물이 감지될 경우, 운전자가 실수로 급가속 페달을 밟으면 차량의 출력을 제한
- 한계: 장애물이 없는 개활지나 일반 도로 주행 중 발생하는 오조작에는 대응하기 어렵고, 정차 중 발진 시 상황에 특화되어 있음
-
페달 블랙박스
- 운전석 하단에 카메라를 설치하여 페달 조작 과정을 영상으로 기록
- 한계: 사고 발생 후 원인을 규명하는 '사후 증거'로서의 가치는 높으나, 사고 자체를 실시간으로 예방하는 기능은 수행할 수 없음
-
스마트카 안전 지원 시스템
- 일본은 '서포카(Safety Support Car)' 제도를 통해 고령 운전자 차량에 오조작 방지 기능을 탑재하도록 유도하고 있음
- 한계: 하드웨어적인 제어에 집중
일본 교통사고종합분석센터(ITARDA)의 연구 데이터(Report No. 124)를 참조함
해당 리포트에 따르면 페달 오조작은 단순한 주의력 결핍이 아닌, 신체 노화에 따른 물리적 자세 붕괴에서 기인
-
신체적 요인 (Physical Factor): 고령 운전자는 고관절의 유연성 및 내회전 가동 범위가 축적됨에 따라 양 허벅지가 벌어지는 자세를 취하게 됨. 이로 인해 오른발의 각도가 가속 페달 쪽으로 기울어지며, 브레이크 조작 시 페달의 우측 단면을 밟거나 가속 페달을 오조작할 확률이 비약적으로 상승. 즉, 물리적으로 뒤틀린 자세가 사고의 핵심 변수로 작용함.
-
상황적 요인 (Situational Factor): 페달 오인 사고는 교차로 주행보다 주차장 내 출발(Starting up) 및 위치 수정 상황에서 빈번히 발생함. 이는 좁은 공간에서의 잦은 페달 전환 과정에서 신체적 부조화가 극대화됨을 시사함.
-
심리적 요인 (Psychological Factor): 조작 오류 발생 시 운전자가 느끼는 당황(Panic) 상태는 이성적인 판단을 저해하며, 본능적인 회피 동작이 오히려 가속 페달을 더 강하게 밟는 결과로 이어져 사고의 규모를 키우는 주요 원인이 됨.
이러한 분석 결과는 사고 예방을 위해 차량의 출력을 제어하는 하드웨어적 접근뿐만 아니라, 운전자의 착좌 자세를 실시간으로 모니터링하고 교정하는 소프트웨어적 접근이 필수적임을 보여줌.
따라서 본 프로젝트는 실시간 자세 피드백을 통해 고령 운전자의 신체적 한계로 인한 오조작 메커니즘을 사전에 차단하는 것을 목표로 한다.
-
정밀 하체 자세 모니터링 (무릎 거리 센서)
- 기능: 초음파 센서를 활용해 운전자의 무릎과 대시보드 간의 실시간 거리 측정.
- 효과: 급브레이크 시 무릎 각도가 부적절하여 발생하는 페달 오 조작을 방지하고, 인체공학적 최적 위치를 벗어날 경우 즉각적인 피드백 제공.
-
페달 오인 방지 시스템 (압력 센서)
- 기능: 페달 주변 발판 및 페달의 압력 분포를 감지하여 뒤꿈치의 위치(축)를 확인.
- 효과: 가속 페달과 브레이크 페달 사이의 올바른 뒤꿈치 고정 위치를 유도하여, 당황한 상태에서 페달을 혼동하는 '페달 오인 사고'의 근본적 원인 차단.
-
oneM2M 기반 데이터 통합 및 관제
- 기능: Arduino R4 WiFi를 통해 수집된 센서 데이터를 oneM2M 표준 규격으로 캡슐화하여 플랫폼 전송.
- 효과: 데이터의 상호운용성을 확보하고, 웹 대시보드를 통해 실시간 운전 자세 모니터링 및 장기적인 운전 습관 데이터 분석 가능.
-
Hardware & Sensing
- Main Controller: Arduino Uno R4 Wi-Fi
- 32-bit ARM Cortex-M4 프로세서 기반의 강력한 연산 능력 활용.
- 내장 Wi-Fi 모듈을 통해 추가 실드 없이 oneM2M 플랫폼과의 직접적인 HTTP 통신 구현.
- Sensors:
- 초음파 센서 (HC-SR04): 운전자의 무릎과 대시보드 간의 실시간 거리 측정 및 최적 운전 자세 이탈 감지.
- 압력 센서 (FSR): 뒤꿈치의 지지점 및 페달 인근 압력 분포를 감지하여 '페달 오인' 가능성 실시간 모니터링.
- Main Controller: Arduino Uno R4 Wi-Fi
-
IoT Platform & Backend
- Platform: oneM2M (Mobius/Ocean)
- 국제 표준 IoT 플랫폼을 활용한 데이터의 상호운용성 확보.
- Resource Tree 구조를 설계하여 센서 데이터(Container)와 제어 신호(Content Instance)를 체계적으로 관리.
- V2X(Vehicle to Everything) 확장성: 단순 데이터 저장을 넘어, 차후 타 차량(V2V)이나 교통 관제 센터(V2I)와 운전자의 상태 데이터를 표준 규격으로 공유하고 협력 주행 시스템에 연동하기 위해 oneM2M 표준 채택.
- Communication: HTTP/REST API
- Arduino와 서버 간의 비동기 통신을 통한 데이터 전송.
- 표준 규격에 따른 POST, GET 요청으로 데이터 무결성 유지.
- Platform: oneM2M (Mobius/Ocean)
-
Frontend & Visualization
- Framework: Vue.js
- 컴포넌트 기반 설계를 통해 운전 데이터의 실시간 반응형 UI 구현.
- Axios 라이브러리를 활용해 Mobius 서버로부터 최신 센서 데이터를 Fetch하여 시각화.
- Framework: Vue.js
 제품 디자인 예상도 (AI 생성) |
 웹 구상도 (AI 생성) |
 그림 0: oneM2M 리소스 트리 |
 그림 1: 초음파 센서 데이터 |
 그림 2: 압력 센서 데이터 |
| 구분 | 시연 내용 | 링크 |
|---|---|---|
| Hardware | 센서 데이터 실시간 전송 (Arduino → Mobius) | ▶ 영상 보기 |
| Web UI | Vue.js 기반 실시간 모니터링 및 데이터 시각화 | ▶ 영상 보기 |
Flow: Sensor(Data 수집) → Arduino(JSON 가공) → Mobius(Data 저장) → Vue.js(실시간 Fetching & UI 시각화)
- Warning 1 :
if (distance > 20cm)-> 무릎 벌어짐 경고 발생 - Warning 2 :
if (pressure_val < threshold)-> 뒤꿈치 위치 이탈 경고 발생 - Critical: 위 두 상황이 동시 발생하거나 일정 시간 지속될 경우 '위험' 알림 송출
상황 1: 올바른 자세
 발 자세 |
 웹 이미지 |
상황 2: 잘못된 뒤꿈치 위치
 상황 2: 잘못된 뒤꿈치 위치 |
 웹 이미지 |
상황 3: 잘못된 무릎 위치
 상황 3: 잘못된 무릎 위치 |
 웹 이미지 |
-
데이터 처리의 실시간성 부족
- 센서 데이터가 Mobius 플랫폼을 거쳐 웹 대시보드에 반영되기까지 수 초 이상의 딜레이가 발생함.
- 원인: 현재 HTTP REST API 기반의 폴링(Polling) 방식 또는 서버의 처리 속도 한계로 인해, '즉각적인 사고 예방'이라는 목적에 부합하는 ms 단위의 실시간성 확보가 어려움.
-
센서 노이즈 및 측정 오차
- 초음파 센서 특성상 운전자의 옷(바지) 재질이나 표면 각도에 따라 거리 값이 튀거나(Outlier) 부정확한 값이 측정됨.
- 원인: 하드웨어의 물리적 특성 및 차량 내 좁은 공간에서의 난반사 문제.
-
사용자별 개인화 부재
- 모든 운전자에게 동일한 거리 임계값(예: 15cm 이탈 시 경고)을 적용함.
- 문제점: 운전자마다 다리 길이, 시트 포지션 등이 다르기 때문에 일률적인 기준은 오작동의 원인이 될 수 있음.
-
실제 차량 환경과의 괴리 및 하드웨어적 제약
- 정지된 시뮬레이터 환경에서 테스트가 이루어짐.
- 문제점
- 환경적 요인: 실제 주행 시 발생하는 노면 진동, 급커브 시 몸 쏠림 등이 센서 값에 미치는 영향을 완벽히 반영하지 못함.
- 전원 및 안정성: 차량용 12V 전원을 아두이노용 5V로 변환하기 위한 회로 보호 대책 및 주행 진동에 따른 센서 접촉 불량 방지 대책이 프로토타입 단계에서는 미흡함.
- 피드백의 실효성: 운전자가 주행 중 웹 대시보드를 상시 확인하기 어렵기에, 시각적 알림만으로는 즉각적인 자세 교정 유도가 제한적임.
- MQTT 프로토콜 도입을 통한 실시간성 강화
- 기존 HTTP REST 방식의 오버헤드를 줄이기 위해 MQTT(Publish/Subscribe) 기반 통신으로 전환하여 전송 지연을 ms 단위로 단축.
- 고도화된 필터링 알고리즘 개발
- 칼만 필터(Kalman Filter) 또는 이동 평균 필터(Moving Average Filter)를 적용하여 초음파 센서의 노이즈를 제거하고 데이터 신뢰도 확보.
- 운전자 맞춤형 캘리브레이션 기능 추가
- 탑승 시 사용자의 신체 조건에 맞춘 '초기 자세 설정 모드'를 통해 개인별 동적 임계값(Dynamic Threshold) 적용.
- 실제 주행 환경 기반의 데이터 보정
- 가속도 센서(IMU)를 추가하여 주행 중 진동과 실제 신체 움직임을 구분하는 로직 구축.
- Edge-Cloud 이원화 알고리즘 구현 (로컬 경보 시스템)
- 내용: 네트워크 지연을 극복하기 위해 위험 상황 판단 및 부저(Buzzer) 알람 로직은 **아두이노 내부(Edge)**에서 즉시 실행하도록 개선.
- 구체적 계획:
- Safety Loop (Edge): 센서 임계값 이탈 시 서버 통신 여부와 관계없이 즉각적인 진동(Haptic) 및 부저 알림 제공 (0.1s 이내 반응).
- Data Loop (Cloud): oneM2M 서버는 주행 데이터 적재, 운전 습관 분석, V2X 연동을 위한 데이터 허브로 역할 이원화.