• 한국ITS학회 논문지
• /
• 제22권5호
• /
• pp.43-52
• /
• 2023

옐로카펫 보급된 이후 어린이 교통사고는 감소세이나 아직 옐로카펫 설치와 교통사고간의 인과관계에 대한 설명력은 부족한 상황이다. 기존의 실차조사연구에서 상황 구현의 어려움이나 위험성 등의 이유로 수행하지 못한 다양한 상황을 VR시뮬레이션 실험을 활용하여 옐로카펫 효과를 더욱 심도있게 분석하였다. 실제 옐로카펫이 설치되어있는 대상지를 선정하고, 가상환경으로 구현한 후 시선측정장비를 착용하고 시뮬레이터에 탑승하도록 하였다. 옐로카펫 설치 전·후의 시각/주행행태를 비교하였고, 통계적 검증을 위해 t-test 분석을 수행, 모두 통계적으로 유의한 수준인 것으로 나타났다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2018년도 추계학술대회
• /
• pp.590-592
• /
• 2018

손님을 태우기 위해 도로에서 불법으로 정차하는 택시들은 교통체증을 유발하고 때때로 교통사고의 원인이 되기도 한다. 택시들의 정차 위치는 택시 기사들의 오랜 경험에 의해 정해지고 있다. 이번 연구에서는 시간대별 정차 위치를 파악해 택시기사들과 지역을 처음 방문하는 손님들에게 정보를 제공하고자 한다. 이를 위해 택시 40대에 설치된 센서에서 수집되는 Internet of Vehicle(IoV) 데이터를 이용하였다. 기존의 연구들은 택시를 중심으로 군집을 형성하였다. 이 방법은 택시의 위치에 따라 군집의 위치가 변한다. 또한 택시가 범위 내에 일정 대수 이상이 있어야 군집이 형성되기 때문에 실시간으로 정차위치를 파악하기가 어렵다. 이번 연구에서는 이러한 문제를 해결하기 위해 도로 분할 알고리즘을 사용했다. 기존 연구들과 달리 도로를 중심으로 군집이 형성되기 때문에 군집의 위치가 고정적이며 택시 대수에 영향을 받지 않기 때문에 실시간으로 정차 위치를 파악하는 것이 가능하다. 도로 분할은 30M 단위로 이루어져 있으며, 시간대별, 평일, 주말로 분할된 택시 위치 데이터를 가장 가까운 포인트에 매핑하였다. 매핑결과 주말의 경우 운행하는 택시 수가 적어 시간대 별로 큰 차이를 보기 어려웠으나 평일의 경우 출퇴근 시간대와 심야 시간대간의 정차 위치 차이를 확인할 수 있었다. 이 연구결과를 통해 택시 불법 주정차 방지와 택시 승강장 설치위치 기준을 제안할 수 있을 것으로 기대한다.

• 문화기술의 융합
• /
• 제9권6호
• /
• pp.145-150
• /
• 2023

지하철은 사람들이 일상적으로 이용하는 대중교통으로 자리잡고 있다. 특히 2호선은 지하철 승객이 하루동안 가장 많이 이용하는 역들이 포함되어 있는 호선으로 출퇴근 시간대에는 높은 혼잡도로 인해 압사사고의 위험성이 높아지고 있으며, 이는 지하철을 이용하는 사람들의 안전성과 쾌적함을 저하시킨다. 따라서 지하철 역사 내 혼잡도 예측을 바탕으로 높은 혼잡도로 인해 발생하는 문제를 대비할 필요가 있다. 이를 위해 본 연구에서는 출퇴근 시간대 혼잡 여부를 판별하는 머신러닝 분류 모델을 제안한다. 선행연구를 통해 지하철 혼잡도에 영향을 주는 변수를 파악하고, 공공데이터포털에서 출퇴근 시간대의 2호선 지하철 혼잡도 데이터셋을 수집하여 머신러닝을 기반하여 2호선 지하철 역사 내 혼잡 여부를 예측한다. 본 연구에서 제안하는 출퇴근 시간대 2호선 역사 내 혼잡도 예측 모델은 지하철 이용객의 안전과 만족도를 향상시키기 위한 지하철 운영 계획 수립에 활용될 수 있을 것으로 기대된다.

• 한국컴퓨터정보학회논문지
• /
• 제29권3호
• /
• pp.1-10
• /
• 2024

해상 운송의 대부분을 차지하고 있는 선박의 경로를 예측하는 연구는 해상의 위험을 사전에 탐지하여 사고를 예방할 수 있다. 도로와 달리 해상에는 신호체계가 따로 존재하지 않고, 교통 관리가 어렵기에 해상 안정성을 위해 선박 경로 예측은 필수적이다. 그러나 선박의 경로 데이터셋의 시간 간격은 통신 장애로 인해 불규칙하다. 본 연구는 이 문제를 해결하기 위해 선박 경로 예측에 적합한 보간법을 사용하여 데이터의 시간 간격을 조정하는 방법을 제시한다. 또한, 선박의 경로를 예측하기 위한 선박 경로 예측 딥러닝 모델을 개발하였다. 본 연구의 모델은 선박의 실시간 경로 정보를 담고 있는 AIS 데이터를 통해 선박의 이동패턴을 파악하여 이후에 위치할 선박의 GPS 좌표를 예측하는 LSTM 모델이다. 본 논문은 선형 보간법을 사용한 데이터 전처리 방법과 선박 경로 예측에 적합한 딥러닝 모델을 제시하고, 실험을 통해 MSE 0.0131, Accuracy 0.9467로 본 논문에서 제시하는 방법의 예측 성능이 우수함을 나타낸다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2021년도 춘계학술대회
• /
• pp.47-51
• /
• 2021

1. 연구배경 및 목적 정신건강과 육체건강을 놓고 이 두 가지 중에서 어떤 건강이 더 중요한지 여러 가지 의견을 놓고 있다. '건강한 육체에 건강한 정신이 깃든다'는 말도 있지만 이 역시 어느 정도는 맞는 말이다. 육체가 건강하지 못하고 망가지면 제대로 활동하기가 힘들기 때문에 의지력도 약해지고 게을러지기 쉽다. 반대로 정신적으로도 너무 충격을 받으면 육체가 상하는 경우도 있다. TV에서도 보면 충격적인 일을 겪거나 과도한 스트레스를 받으면 혈압이 오르는 경우도 있고, 심장마비까지 오는 경우를 보게 된다. 교통사고도 다친 육체적인 상처보다 사고로 인한 정신적인 충격 때문에 몸이 더 안 좋아지는 경우도 있다. 정신건강을 중요하게 생각하는 이유로 이러한 부분 때문인 것도 있지만, 살아감에 있어서 사회생활을 필요로 하기 때문에 요즘 시대에는 정신건강도 매우 중요하게 여기고 있다. 정신적으로도 너무 위축되어 버리면 할 수 있을 거 같은 일도 제대로 해내기 어렵고, 자기능력을 제대로 발휘를 못하게 되는 경우도 있기 때문이다. 이러한 것을 채우기 위해서는 자존감을 찾는 것이 매우 중요하다. 자존감이 저하되고, 자존감이 상실하게 되면 자신을 스스로 초라한 존재라고 생각하기 쉽고, 스스로가 아무것도 해낼 수 없는 존재라고 생각하게 된다. 그러한 생각들 때문에 결국 우울증으로 이어지게 된다. 우울증도 극복하지 못하고, 방치하다 보면 결국 육체에 심한 질병이 있어 아무 것도 할 수 없는 사람처럼 우울증도 아무 일도 하지 못하고, 무기력해진다. 우울증은 최악의 경우 자살과 자해까지 이어지기도 한다. 결국 정신건강이 인생의 모든 것까지 좌우한다는 걸 알 수 있다. 최근에는 일반인들도 그렇지만 연예인들도 우울증을 극복하지 못하고, 자살하는 사람도 늘어나고 있는 추세이다. 그렇기 때문에 우울증의 심각성, 자존감 상실의 심각성도 매우 중요하게 여겨지고 있다. 그래서 어떤 요소 및 원인이 자존감 상실로 이어지는지 알아보고, 연구하고자 한다. '텍스트 마이닝'이라는 기능을 통해서 분석하고자 한다. '텍스트 마이닝'이란 비정형 텍스트 데이터를 통해서 유용한 정보들을 찾아내고 통계적인 의미가 있는 개념이나 특성을 추출하고 이것들 간의 패턴이나 추세 등 정보를 끌어 오는 과정이다. 이러한 기능들을 이용하면 자존감 상실의 원인이 무엇인지 자존감 상실이 어떤 것을 가져다주는지 알 수 있을 것이다. 데이터를 수집하기 위해 먼저 키워드를 '자존감 상실', '자괴감', '모멸감', '수치심', '죄책감', '고독감'등 자존심 상실과 연관된 단어로 정하고, SNS '트위터'를 통해서 정해진 키워드를 검색하고, 검색으로 얻어진 문장들을 수집해서 단어들을 추출해서 빈도 횟수도 분석하고, 연관성 있는 단어들 끼리 묶어서 어떤 특성을 가지고 있는지도 분석하고자 한다.

• 한국구조물진단유지관리공학회 논문집
• /
• 제28권1호
• /
• pp.82-89
• /
• 2024

블랙 아이스는 인지하기가 매우 어렵고 도로 노면의 마찰력이 감소하여 자동차 사고를 유발한다. 도로 노면의 블랙아이스 방지를 위한 다양한 연구가 수행되었으나, 실시간으로 블랙아이스를 식별하고 운전자에게 경고하는 시스템에 대한 연구는 매우 미흡한 실정이다. 본 논문에서는 아스팔트 도로 노면의 상태를 실시간적으로 식별하기 위해 이미지기반 분석 시스템을 개발하였다. 이를 위해 각 아스팔트 도로 노면 이미지에 대해 데이터 세트를 구축한 다음 딥러닝을 통해 노면의 상태를 건조, 젖음, 블랙아이스, 눈 노면 상태로 식별하였다. 또한, 이미지 분석결과와 더불어 도로 노면 상태의 최종판별을 위해 실제 노면에서 측정된 온도와 습도 데이터를 사용하였다. 도로 노면의 특성이 블랙아이스로 판정이 나면, 도로에 설치된 염수 분사장치가 자동으로 작동하도록 하였다. 본 연구에서 개발된 아스팔트 콘크리트 포장에 대한 노면 상태 식별 시스템과 블랙아이스 자동 예방 시스템은 운전자의 안전운행을 보장하고 교통사고 발생률을 낮출 수 있을 것으로 기대된다.

• 디지털융복합연구
• /
• 제14권11호
• /
• pp.241-247
• /
• 2016

국내 교통제어신호는 주기적인 간격으로 녹색신호로 바뀌는 시스템과 차량의 수가 많지 않은 심야 또는 통행량이 적은 지방도로에서 황색, 적색 점멸신호를 사용하고 있다. 그러나 차량의 수가 많지 않은 심야의 한적한 도로에서 주기적인 신호체계를 사용할 경우 지체 및 정체를 발생하게 된다. 또한 점멸신호를 사용할 경우 충돌사고의 위험성이 크다. 본 논문은 센서 데이터를 포함한 비콘메세지를 분석한 후 신호체계를 재배치하는 반응형 녹색점멸 신호시스템을 제안한다. 제안 시스템은 심야에 간선 도로 및 하위 도로에서 신호가 녹색점멸을 유지하고 있다가 차량이 무선 커버리지 RSE내에 진입하면 비콘메세지를 주기적으로 전송하고 Agent System이 메세지를 분석해 신호를 변경한다. 차량은 변경한 신호 시스템을 따라 차량이 이동하는 시스템이며, 이는 통행량이 적은 도로에서 원활한 흐름과 차량 간 충돌 사고를 예방할 수 있다. 시뮬레이션 결과 성능 면에서 교통 처리량과 평균 대기시간이 기존 신호 시스템보다 10~30%향상되었다.

• 대한공간정보학회지
• /
• 제22권4호
• /
• pp.151-157
• /
• 2014

급속한 도시성장에 따라 도시지역에는 다양하고 복잡한 시설물들이 증가되고 있으며, 이에 따른 화재발생 피해에 대한 위험도도 증가되고 있다. 특히 화재사고는 인위적 재해 중 교통사고와 함께 도시지역에서 가장 높은 발생빈도를 나타내고 있다. 이에 따라 소방방재청에서는 효과적인 화재관리를 위하여 국가화재정보시스템을 운영하고 있으며 2007년부터 화재발생정보를 인터넷을 통해 제공하고 있다. 따라서 본 연구에서는 이 시스템에서 제공하는 데이터와 진주시 소방서로부터 자료를 취득하여 진주시 화재데이터베이스를 구축하고, 2007년부터 2013년까지 화재발생 추이에 대한 시계열분석과 Moran's I, Getis-Ord $Gi^*$분석을 통하여 진주시 공간상의 화재발생 밀도변화분석과 시설물별 화재위험도를 산출하였다. 그 결과 화재발생위치의 시계열적 변화와 화재발생 밀집도가 높은 Hot Spot지역을 추출할 수 있었으며, 시설물별 인명피해 및 재산피해 매트릭스를 작성하여 화재위험등급을 산출함으로서 도시지역의 화재발생위험을 예측할 수 있는 방안을 제시하였다.

• 한국지능시스템학회논문지
• /
• 제26권3호
• /
• pp.239-245
• /
• 2016

국제적인 불황이 이어지고 있는 상황에서도 해상물동량은 지속적으로 성장하고 있고 해양레저시장도 활성화되는 추세이다. 대한민국은 해상교통 센터 등의 시설운영을 통해 해상교통량을 제어하고 있지만, 이러한 추세로 해양교통상황이 복잡해지고 그에 따라 해양사고가 지속적으로 발생하고있다. 해양사고는 그 특성상 환경적, 인적인 피해를 입었을 경우 회복이 어려우며, 선박건조기술이 발달하면서 사고의 규모가 대형화 되고있는 추세이다. 여객선, 유조선 등 고 위험 선박의 경우 보다 상세한 해상상황 감시 및 분석이 필요하며 이러한 배경으로 특수선박 감시를 목적으로 한 다양한 연구가 진행된 바 있다. 하지만 현재 해상에서 연계되어 육상으로 전파되는 데이터 요소는 AIS, ARPA 정도의 한정된 정보가 전부이다. 우리는 다양한 자선 센싱 정보를 수집하여 육상으로 전파할 수 있는 IoT 선박센서수집 및 연계 시스템을 구현하고, 수집한 정보를 활용한 안전운항 상황 분석 시스템을 제시한다.

• 한국정보통신학회논문지
• /
• 제26권12호
• /
• pp.1794-1799
• /
• 2022

최근 증가하고 있는 도로 위 적재 불량 화물차는 비정상적인 무게 중심으로 인해 물체 낙하, 도로 파손, 연쇄 추돌 등 교통안전에 위해가 되고 한번 사고가 발생하면 큰 피해가 유발할 수 있다. 하지만 이러한 비정상적인 무게 중심은 적재 불량 차량 인식을 위한 주행 중 축중 시스템으로는 검출이 불가능하다는 한계점이 있다. 본 논문에서는 이러한 사회 문제를 야기하는 적재 불량 차량을 관리하기 위한 객체 인식 기반 AI 모델을 구축하고자 한다. 또한 AI-Hub에 공개된 약 40만 장의 데이터셋을 비교 분석하여 전처리를 통해 적재 불량 차량 검지 AI 모델의 성능을 향상시키는 방법을 제시한다. 또한 객체 추적을 통해 실시간 검지를 수행하는 방법을 제안한다. 이를 통해, 원시 데이터를 활용한 학습 성능 대비 약 23% 향상된 적재 불량 차량의 검출 성능을 나타냄을 보였다. 본 연구 결과를 통해 공개 빅데이터를 보다 효율적으로 활용하여, 객체 인식 기반 적재 불량 차량 탐지 모델 개발에 적용할 수 있을 것으로 기대된다.