• 한국철도학회논문집
• /
• 제18권3호
• /
• pp.186-193
• /
• 2015

본 연구에서는 차세대 고속열차의 신뢰성 성장률 분석에 대한 연구를 수행하였다. 차세대 고속열차의 신뢰성 평가를 효과적으로 수행하기 위해서 6개의 서브시스템으로 분류를 하였으며, 이에 대한 기능블록선도와 신뢰성블록선도를 도출하였다. 또한 안정화 시험 중에 수행된 시험결과를 바탕으로 고장정보분석을 수행하였다. 그리고 Duane 모델에 기반한 신뢰성 성장률 분석을 차세대 고속열차의 실험 결과에 적용하였다. 본 연구를 통해서 지속적인 차량의 유지 보수 활동이 신뢰성 성장에 영향을 미치고 있음을 확인하였다.

• 대한공간정보학회지
• /
• 제8권1호
• /
• pp.73-84
• /
• 2000

차량용 자동 항법장치가 실생활에 적용됨에 정확한 자동차의 위치를 표현하기 위해서 맵매칭 기술에 대한 중요성은 더욱 부각되고 있다. 맵매칭 기술은 GPS의 오차, 수치지도의 오차 등으로 발생하는 오류를 극복하기 위한 과정으로서 자동 항법시스템은 물론 기타 관련분야인 GPS영역등에도 반드시 필요한 기술중의 하나이다. 그러나, 지금까지 맵매칭에 대한 기술을 정확하기 구분하여 기술하거나 가장 적합한 알고리즘을 제시하지 못하고 있는 바, 본 논문에서는 그 동안 개발된 많은 맵매칭 기술에 대하여 크게 지형정보와 위상구조를 토대로 2가지 유형으로 구분하여 각 기술별 문제점과 개선 방안을 소개하였다 더 나아가, 최근 미국 전부의 주도로 SA(Selective Availability) 개념이 사라짐에 따라, 쉽게 적용할 수 있는 간단한 형태의 맵매칭 알고리즘을 제시하였고, 향후의 응용방안에 대하여 간단히 언급하였다.

• 대한기계학회논문집B
• /
• 제31권12호
• /
• pp.1024-1032
• /
• 2007

The flow characteristics with the impinging angles of defrost nozzle jet inside a commercial vehicle passenger compartment were investigated experimentally by using the two-dimensional duct-nozzle model. The shape of the nozzle contraction was designed according to the curved line of cubic equation to the vertical plan of the flow direction. The impinging angles, defined as the angle between nozzle axis and a vertical line to the windshield, were varied from the $0^{\circ}\;to\;80^{\circ}$. The mean velocity distributions, the half-widths, and the momentum distributions with the cases of both the free jet and the impinging jet onto the dummy windshield were measured. The impinging jet flows similarly with wall jet from $X/b_o=20$, and the impinging angle has an effect on the half-width of the impinging jet. The momentum distributions onto the windshield increased with the increase of impinging angle, and then their inflection point was observed around the impinging angle of $60^{\circ}$.

• 한국전자통신학회논문지
• /
• 제17권6호
• /
• pp.1229-1236
• /
• 2022

본 논문에서는 고속도로에서 주행시 2차 사고를 방지하기 위한 사고인식 스마트 가로등에 대해 연구하였다. 가로등에 아두이노 및 센서를 활용하여 운전자에게 기상 상태를 알리고, 햇빛 및 야간 주행 차량에 따른 LED 밝기 조절과 같은 기능을 삽입하였고, 라즈베리파이 카메라 OpenCV를 활용해 텐서플로우 라이트 프로그램을 이용하여 각종 교통사고, 자연재해 및 야생동물 출현을 Deep Learning을 한 후 그 장면들을 인식하여 고속도로에서 일어날 수 있는 사고들을 감지하여 운전자에게 알려주며 각종 2차 사고를 예방하는 것을 보였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2020년도 추계학술발표대회
• /
• pp.1090-1093
• /
• 2020

운전자가 아닌 자율주행 시스템이 운전을 주도하기 위한 기술의 상용화를 위해 많은 기업이 노력 중이다. 특히 운전자의 안전을 보장하기 위한 운전자와 자율주행 시스템 간의 제어권전환이 중요하다. 운전자의 주행과 관련 없는 행동은 제어권전환 상황에서 운전자를 위험에 빠뜨릴 수 있으므로 제어권전환을 돕기 위한 운전자 모니터링 기술에 관한 많은 연구가 진행되고 있다. 운전자 모니터링 기술은 주로 생체 정보, 차량 정보, 영상을 사용하여 운전자의 상태와 부주의 행동 등을 감지하는 기술이다. 최근 머신 러닝, 딥 러닝을 사용한 영상처리 및 인식 기술 등의 발전으로 영상을 사용한 운전자 모니터링 기술이 활발하게 연구되고 있다. 따라서 본 논문에서는 영상기반 운전자 모니터링 기술 동향에 대해 상세히 기술하였다. 특히 운전자의 부주의 행동 중 졸음은 운전자가 주행 상황을 전혀 인지하지 못하게 할 수 있어 더욱 위험한 행동이다. 따라서 영상기반 운전자 모니터링 기술을 졸음 인식과 그 외의 행동 인식으로 분류하여 동향을 정리하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2022년도 추계학술발표대회
• /
• pp.803-805
• /
• 2022

자율주행의 시대가 도래함에 따라, 딥러닝 모델에 대한 적대적 공격 위험이 함께 증가하고 있다. 카메라 기반 자율주행차량이 공격받을 경우 보행자나 표지판 등에 대한 오분류로 인해 심각한 사고로 이어질 수 있어, 자율주행 시스템에서의 적대적 공격에 대한 방어 및 보안 기술 연구가 필수적이다. 이에 본 논문에서는 GTSRB 표지판 데이터를 이용하여 각종 공격 및 방어 기법을 개발하고 제안한다. 시간 및 정확도 측면에서 성능을 비교함으로써, 자율주행에 최적인 모델을 탐구하고 더 나아가 해당 모델들의 완전자율주행을 위한 발전 방향을 제안한다.

• 한국ITS학회 논문지
• /
• 제21권6호
• /
• pp.132-145
• /
• 2022

본 연구는 고속도로에서 발생한 교통사고 블랙박스 영상을 기반으로 군집분석과 예측모형 비교를 수행하였다. 분석자료로 사고 직전의 도로 및 교통 상황을 파악할 수 있는 차량 주행행태, 노면 상태 등 사고 영상에서 추출이 가능한 항목을 설명변수로 활용하였다. 여러 요소에 의해 영향을 받는 교통사고 데이터의 특징을 고려하여 데이터의 이질성을 반영하는 군집분석을 활용하였다. 군집분석으로 분류된 각 군집을 사고 심각도 수준의 비율을 기준으로 나누고, 종속변수인 인명피해 수준을 반영하여 사고 예측 평가를 수행하였다. 사고 예측모형은 로짓 모형(Logit model)을 적용한 결과, 전체 데이터를 분석한 경우보다 군집분석에 의해 두 개의 사고 심각도 그룹을 분류하여 예측했을 때 우수한 예측 능력을 보여주었다. 이는 군집분석을 통한 그룹별 사고 특성과 사고 심각도를 반영하여 사고위험을 예측하는 것이 더 효과적인 것으로 판단된다. 또한 2차 사고와 같은 정차 중 추돌사고, 차로변경 중 측면 추돌사고 등이 중요한 주행행태변수로 작용하는 것으로 나타났다.

• 경영정보학연구
• /
• 제25권4호
• /
• pp.113-130
• /
• 2023

경제발전과 국민소득 증가로 자동차 수는 계속 증가하고 있으며 이는 한정된 도로 여건과 주차 시설 부족으로 불법주정차 문제가 심각한 상황이다. 불법주정차는 사람들에게 많은 불편과 불쾌감을 주며, 또한 사고로 인한 인명 피해로까지 이어지게 한다. 수도권을 중심으로 늘어나는 차량과 불법주정차로 인해 관련 사고 및 그 피해의 심각성은 날로 커지고 있다. 이는 사회문제 발생의 원인이 되면서 불법주정차를 줄이기 위한 대책 마련에 힘쓰고 있다. 특히, 국내에서는 수도권에 거주하는 사람들의 민원 절반이 불법주정차 문제이고, 이로 인한 물리적 피해와 인명 피해가 가장 많은 곳은 경기도이다. 그리하여, 본 연구에서는 경기도 수원시의 불법주정차 관련 데이터를 기반으로 머신러닝 기법을 이용하여 지역 특성을 새롭게 분류하고, 이를 기반으로 효과적인 불법주정차 단속 방안을 제안한다. 더불어, 수도권 지역의 불법주정차 문제를 감소하기 위한 실무적·사회적·정책 및 법률적 방안을 제시한다. 본 연구는 사회문제 중 하나로 언급되고 있는 도시의 교통체증을 증가시키는 불법주정차 문제에 머신러닝 알고리즘인 K-prototype을 이용하여 지역 특성을 새롭게 분류한 것에 학술적 의의가 있다. 또한, 본 연구의 결과는 수도권 지역의 불법주정차 문제를 감소하기 위한 방안을 제시함으로써 실무적 및 사회적 측면에 기여한다.

• 인터넷정보학회논문지
• /
• 제21권6호
• /
• pp.23-31
• /
• 2020

본 연구는 철도표면상에 발생하는 노후 현상 중 하나인 결함 검출을 위해 학습데이터를 생성함으로써 결함 검출 모델에서 더 높은 점수를 얻기 위해 진행되었다. 철도표면에서 결함은 선로결속장치 및 선로와 차량의 마찰 등 다양한 원인에 의해 발생하고 선로 파손 등의 사고를 유발할 수 있기 때문에 결함에 대한 철도 유지관리가 필요 하다. 그래서 철도 유지관리의 자동화 및 비용절감을 위해 철도 표면 영상에 영상처리 또는 기계학습을 활용한 결함 검출 및 검사에 대한 다양한 연구가 진행되고 있다. 일반적으로 영상 처리 분석기법 및 기계학습 기술의 성능은 데이터의 수량과 품질에 의존한다. 그렇기 때문에 일부 연구는 일반적이고 다양한 철도표면영상의 데이터베이스를 확보하기위해 등간격으로 선로표면을 촬영하는 장치 또는 탑재된 차량이 필요로 하였다. 본연구는 이러한 기계적인 영상획득 장치의 운용비용을 감소시키고 보완하기 위해 대표적인 영상생성관련 딥러닝 모델인 생성적 적대적 네트워크의 기본 구성에서 여러 관련연구에서 제시된 방법을 응용, 결함이 있는 철도 표면 재생성모델을 구성하여, 전용 데이터베이스가 구축되지 않은 철도 표면 영상에 대해서도 결함 검출을 진행할 수 있도록 하였다. 구성한 모델은 상이한 철도 표면 텍스처들을 반영한 철도 표면 생성을 학습하고 여러 임의의 결함의 위치에 대한 Ground-Truth들을 만족하는 다양한 결함을 재 생성하도록 설계하였다. 재생성된 철도 표면의 영상들을 결함 검출 딥러닝 모델에 학습데이터로 사용한다. 재생성모델의 유효성을 검증하기 위해 철도표면데이터를 3가지의 하위집합으로 군집화 하여 하나의 집합세트를 원본 영상으로 정의하고, 다른 두개의 나머지 하위집합들의 몇가지의 선로표면영상을 텍스처 영상으로 사용하여 새로운 철도 표면 영상을 생성한다. 그리고 결함 검출 모델에서 학습데이터로 생성된 새로운 철도 표면 영상을 사용하였을 때와, 생성된 철도 표면 영상이 없는 원본 영상을 사용하였을 때를 나누어 검증한다. 앞서 분류했던 하위집합들 중에서 원본영상으로 사용된 집합세트를 제외한 두 개의 하위집합들은 각각의 환경에서 학습된 결함 검출 모델에서 검증하여 출력인 픽셀단위 분류지도 영상을 얻는다. 이 픽셀단위 분류지도영상들과 실제 결함의 위치에 대한 원본결함 지도(Ground-Truth)들의 IoU(Intersection over Union) 및 F1-score로 평가하여 성능을 계산하였다. 결과적으로 두개의 하위집합의 텍스처 영상을 이용한 재생성된 학습데이터를 학습한 결함 검출모델의 점수는 원본 영상만을 학습하였을 때의 점수보다 약 IoU 및 F1-score가 10~15% 증가하였다. 이는 전용 학습 데이터가 구축되지 않은 철도표면 영상에 대해서도 기존 데이터를 이용하여 결함 검출이 상당히 가능함을 증명하는 것이다.

• 한국터널지하공간학회 논문집
• /
• 제19권1호
• /
• pp.95-107
• /
• 2017

본 논문에서는 제도적으로 운영 중인 터널내 CCTV들로부터 실시간으로 들어오는 영상들을 최신 딥러닝 알고리즘을 이용, 학습시켜 다양한 조건의 터널환경에서 돌발 상황을 감지하고 그 돌발 상황의 종류들을 분류해 내는 시스템 개발을 위한 사전검토 연구를 수행하였다. 사전검토 연구를 위해, 2개의 도로현장의 교통류 CCTV영상 일부를 이용하여 가용한 전통적인 영상처리기법으로 영상내부로 집입하는 차량을 감지하고, 이동경로를 추적하여 일정 시간간격의 이동 차량의 좌표와 시간정보를 추출하고 학습자료를 구성하였다. 각 차량의 이동정보는 차선변경, 정차 등 6가지의 이벤트 정보와 연계된다. 차량 이동정보와 이벤트로 구성된 학습자료는 레질리언스(resilience) 기계학습 알고리즘을 이용하여 학습하였다. 2개의 은닉층을 설정하고, 각 은닉층의 노드수에 대한 9개의 은닉구조 모델을 설정하여 매개변수 연구를 수행하였다. 본 사전검토의 경우에는 첫 번째, 두 번째 은닉층 노드수가 각각 300개와 150개로 설정된 모델이 합리적으로 가장 추론정확도가 높은 것으로 평가되었다. 이로부터 일반화되기 매우 힘든 복잡한 교통류 상황을 기계학습을 이용하여 어떠한 사전 규칙설정 없이도 교통류의 특징들을 정확히 자동으로 감지할 수 있는 가능성을 보였다. 본 시스템은 시스템의 운용을 통해 지속적으로 교통류 영상과 이벤트 정보가 늘어난다면, 자동으로 그 시스템의 인지능력과 정확도가 자동으로 향상되는 효과도 기대할 수 있다.