Design of a designated lane enforcement system based on deep learning

딥러닝 기반 지정차로제 단속 시스템 설계

According to the current Road Traffic Act, the 2020 amendment bill is currently in effect as a system that designates vehicle types for each lane for the purpose of securing road use efficiency and traffic safety. When comparing the number of traffic accident fatalities per 10,000 vehicles in Germany and Korea, the number of traffic accident deaths in Germany is significantly lower than in Korea. The representative case of the German autobahn, which did not impose a speed limit, suggests that Korea's speeding laws are not the only answer to reducing the accident rate. The designated lane system, which is observed in accordance with the keep right principle of the Autobahn Expressway, plays a major role in reducing traffic accidents. Based on this fact, we propose a traffic enforcement system to crack down on vehicles violating the designated lane system and improve the compliance rate. We develop a designated lane enforcement system that recognizes vehicle types using Yolo5, a deep learning object recognition model, recognizes license plates and lanes using OpenCV, and stores the extracted data in the server to determine whether or not laws are violated.Accordingly, it is expected that there will be an effect of reducing the traffic accident rate through the improvement of driver's awareness and compliance rate.

현 도로교통법상 도로 이용의 효율성과 교통안전 확보의 목적으로 차로 별 통행 가능 차종을 지정한 제도로써, 2020년 개정안이 현재 시행되고 있다. 독일과 국내의 자동차 1만 대당 교통사고 사망자 수를 비교하였을 때, 독일의 교통사고 사망자는 국내보다 현저히 낮은 수치를 기록하고 있다. 대표적으로 속도의 제한을 두지 않은 독일 아우토반의 사례는 한국의 속도위반법만이 사고율의 경감에 정답이 되지 않는다는 점을 시사한다. 아우토반 고속도로의 킵 라이트 원칙(keep right principle)에 따라 준수되는 지정차로제는 교통사고 감소에 큰 역할을 한다. 이러한 사실을 기반으로 지정차로제 위반 차량의 단속과 준수율 향상을 위한 교통 단속 시스템을 제안한다. 딥러닝 객체 인식 모델인 Yolo5를 이용하여 차종을 인식하고 OpenCV를 이용하여 차량 번호판과 차선을 인식 및 추출된 데이터를 서버에 저장하여 법규의 위반 여부를 판별하는 지정차로제 단속시스템을 개발한다. 이에 따라 운전자의 제도 인식 및 준수율의 향상을 통한 교통사고율의 감소 효과가 있을 것으로 기대된다.