운전 행동 분석 리포트 | Machbase Neo LLM Chat

차량 6축 IMU 센서(3축 가속도계+3축 자이로스코프) raw 데이터(1초 간격, 약 1시간 52분·47,096건)에서 운전자의 운전 패턴을 AI가 자동 분석하는 리포트 템플릿입니다.

🎬영상 |

🔗소스코드 |

분석 파이프라인

이벤트 검출 : 급가속(AccX 상한 초과), 급제동(AccX 하한 미달), 급회전(GyroZ·AccY 임계 초과) 3종 이벤트를 검출. 임계값은 평균±2σ 기반 적응형(Adaptive) 방식으로 운전자별 이례적 순간을 통계적으로 포착
안전 점수 산출 : 이벤트 빈도·위험 운전 비율·강도를 조합해 0~100점 스코어링 후 4단계(Safe/Moderate/Risky/Dangerous) 등급화
3축 벡터 시각화 : 원시 파형(태그별 1초 해상도) + 3축 오버레이(분 단위 롤업, 범례 클릭 토글) 병행 제공
이벤트 타임라인 : AccX 파형 위에 급가속(▲)·급제동(▼)·급회전(◆) 마커 오버레이, 이벤트 과다 시 200개로 샘플링해 과부하 방지
이벤트 요약 테이블 : 유형별 발생 횟수·비율·최대 집중 시간구간을 롤업 버킷 기반으로 집계
Class 라벨 기반 검증 : 0/1/2 라벨의 시간축 분포·평균값을 활용해 지도학습 관점의 실적/예측 검증 서술 생성
LLM 심층 리포팅 : 안전 점수 평가→가속도 패턴→회전 안정성→운전 등급 분포→종합 요약 서술형 진단 + 8개 권고사항(근거·실행방안·기대효과 3단 구조) 자동 생성

인터랙션

스크롤 줌, 드래그 팬, 더블클릭 리셋, 3축 차트 범례 토글, 이벤트 마커 정밀 툴팁 지원

✔한 줄 요약

IMU raw 파형 → 적응형 임계값(평균±2σ) 이벤트 검출 → 4단계 안전 등급 스코어링 → 3축 벡터 시각화 → 이벤트-파형 상관 타임라인 → LLM 자동 진단서 생성