[Telemetry API Server] 운전자 인지-반응(PRT) 분석 엔진 및 시계열 이벤트 클러스터링 고도화

고주파 텔레메트리 데이터를 분석하여 운전자의 전방 인지 및 회피 반응 시간(PRT, Perception-Reaction Time)을 도출하는 심층 분석 엔진을 도입했다. 센서 샘플링 레이트로 인해 단일 물리적 조작이 수백 개의 독립 이벤트로 과다 계측되는 통계 왜곡을 바로잡기 위해 시계열 이벤트 클러스터링(Debounce) 아키텍처를 적용하고 결측치 보정 로직을 구현했다.

[Data Analysis / Domain] 운전자 인지-반응 시간(PRT) 상태 전이 모델 구축

• 전방 위험 객체 탐지 시점으로부터 브레이크 조작 및 회피 조향에 이르는 반응 딜레이를 계산하기 위한 상태 전이(State-Transition) 분석 파이프라인을 설계했다.
• 방대한 시계열 데이터 스캔 시 발생하는 메모리 오버헤드를 최소화하기 위해, 데이터베이스 레벨의 차분(Difference) 연산을 활용하여 가속 페달의 릴리스(Release)와 같은 물리적 엣지 트리거 시점을 정확히 포착했다.
• 유의미한 회피 기동을 필터링하기 위해 조향 각속도, 요레이트(Yaw Rate), 횡가속도 등의 동역학적 임계치 기준을 세워 분석 엔진의 객관성을 확보했다.
• 단시간 내 연속 발생하는 다발성 위험 알람을 단일 에피소드로 논리적 그룹화하는 타임 윈도우 알고리즘을 적용했다.

[Java / Architecture] 하트비트 기반 시계열 이벤트 클러스터링

• 초당 수십 프레임으로 유입되는 고주파 페달 및 조향 데이터를 단순 집계 시 발생하는 과계측 현상을 해결하기 위해, 이벤트 간 간격을 분석하여 단일 액션으로 병합하는 클러스터링 알고리즘을 애플리케이션 계층에 구현했다.
• 레거시 하드웨어 데이터 규격에서 발생하는 스키마 불일치 에러를 회피하기 위해, 데이터베이스 네이티브 기능 대신 인프라 종속성을 줄인 독자적 클러스터링 로직으로 선회했다.
• 엣지 디바이스의 통신 불안정으로 인한 데이터 결측 상황에서도 물리적 조작 이벤트가 정상적으로 병합될 수 있도록, 네트워크 하트비트 주기를 고려한 클러스터링 임계값을 설정하여 통계 분석의 신뢰도를 향상시켰다.

[API / Schema] 동적 스키마 버저닝 및 하위 호환성 확보

• 특정 시점 기준 비전 센서의 위험도 판단 체계가 변경된 펌웨어 버전 파편화 이슈를 식별했다.
• API 요청의 조회 타임스탬프를 기준으로 센서 펌웨어의 스키마 버전을 판별하고, 시계열 쿼리에 동적으로 호환되는 매핑 상수를 주입하는 하위 호환성 보장 로직을 도입하여 과거 데이터부터 최신 데이터까지 단일 파이프라인에서 정합성 있게 분석할 수 있도록 구축했다.