• Proceedings of the KOR-KST Conference
• /
• 1998.10a
• /
• pp.31-40
• /
• 1998

본 연구의 목적은 기존의 Cell Transmission(1994, Daganzo) 교통류 이론을 기반으로 동적통행배정 모형을 개발하는 것이다. 이 모형은 동적 O-D 발생모듈, HOV 차선모듈, 분류부 분할모델, 링크비용함수 모듈, 최단경로 탐색 모듈등으로 구성된다. 이 모델에서 적용하는 교통류 모델은 각 링크를 동일한 특성을 가지는 셀로 구분하여 셀내의 진입시간과 진출시간을 계산하여 링크비용을 계산하는데 이것은 비용의 과대·과소 추정을 피할 수 있으며 교통지체 현상을 현실적으로 표현해 줄 수 있는 장점이 있다. 또한 HOV 차선 모듈에 의해 수단별 교통류 진행 및 비용고려가 가능하며 HOV 차선의 평가 및 분석이 가능하다. 기존의 동적통행배정모형은 매 시간대별 출발지에서 균형상태를 추구하는 통행배정기법을 사용하고 있지만 이 모델은 분류되는 노드를 가상의 출발점이라고 가정하여 각 시간대별로 최단경로를 탐색하여 균형상태를 추구해나가는 기법을 적용하고 있다. 각 셀별 차량을 목적지별, 차종별, 대기시간별로 추적하여 진행시키며 분류부에서는 최단경로를 탐색하여 배분된다. 또한 진행하고자 하는 셀의 용량과 현재 셀의 밀도를 고려함으로서 용량제약 하에서의 동적통행배정모형을 적용하고 있다. 이 모형은 고속로의 합류부 및 분류부의 교통특성을 세밀히 분석할 수 있으며, TCS 및 램프미터링과 접목하여 고속도로 운영에 이용될 수 있으며, 고속도로 중·장기적인 계획에 이용될 수 있다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2003.05a
• /
• pp.623-626
• /
• 2003

본 논문에서는 현재 자동차 번호판의 형식이 구 번호판과 신 번호판 두 가지 유형으로 구성되어 있다는 점을 고려하여 번호판의 세부적 세그멘테이션의 성능을 개선하는 방법에 대하여 제시한다. 컴퓨터 비젼을 바탕으로 한 자동차 번호판의 인식방법과 문자인식방법은 비용면이나 간편성에서 맡은 장점을 가지고 있으며 여러 응용분야에서 사용될 수 있기 때문에 다방면에서 시도되고 있다. 본 시스템은 모폴로지 연산과 클러스트링을 이용하여 자동차 번호판 전체 영역을 추출하는 방법을 사용한다. 다음으로 구번호판에서 신번호판으로 넘어가는 과도기적 단계에 있는 번호판들의 특징인 용도기능의 표시문자의 위치 차이를 이용하여 구 번호판과 신번호판을 먼저 분류한다. 분류된 번호판에서 두 번호판의 차이점인 차종기초 표시영역의 숫자를 나누어서 세그멘테이션함으로서 기존의 연구방법보다 개선된 세그멘테이션 능력과 이로 인하여 향상된 번호판 인식결과를 얻을 수 있다.

• Journal of the Korea institute for structural maintenance and inspection
• /
• v.28 no.3
• /
• pp.10-18
• /
• 2024

Vehicle loading is one of the main causes of bridge deterioration. Although WiM (Weigh in Motion) can be used to measure vehicle loading on a bridge, it has disadvantage of high installation and maintenance cost due to its contactness. In this study, a non-contact method is proposed to estimate the vehicle loading history of bridges using deep learning and CCTV images. The proposed method recognizes the vehicle type using an object detection deep learning model and estimates the vehicle loading based on the load-based vehicle type classification table developed using the weights of empty vehicles of major domestic vehicle models. Faster R-CNN, an object detection deep learning model, was trained using vehicle images classified by the classification table. The performance of the model is verified using images of CCTVs on actual bridges. Finally, the vehicle loading history of an actual bridge was obtained for a specific time by continuously estimating the vehicle loadings on the bridge using the proposed method.

• Journal of Korean Society of Transportation
• /
• v.20 no.7
• /
• pp.143-153
• /
• 2002

본 연구는 교통사고의 발생원인에 대한 인식유형과 감소대책에 대한 인지 유형별 영향요인의 정도를 분석하기 위하여 수량화이론 II류와 CHAID 분석법을 이용하여 분류모델과 판별모델을 구축하였다. 수량화이론 II류에 의한 교통사고 발생원인에 대한 인식 유형별 영향요인 판별모델은 전체 적중률이 78.4%로 매우 높게 나타났다. 편상관계수는 설명변수의 항목 중 학력, 성별, 운전경력 년 수, 소유 차종의 순으로 영향을 미치고 외적 변수인 교통사고 발생원인에 대한 유형에서는 기여 정도가 교통단속 부재 > 교통체계 미비 > 승용차 과다 사용 >잘못된 의식 때문의 순으로 나타났다. 교통사고 감소 대책에 대한 인지유형별 영향요인 판별모델은 전체 적중률이 59.9%로 높게 나타났으며, 편상관 계수는 학력, 성별, 운전경력 연수, 연령의 순으로 영향을 미치고 있고, 외적 변수인 교통사고 감소 대책에 대한 유형에서는 기여 정도가 교통단속 강화 > 대중교통수단 이용 유도 > 교통체계 개선 > 의식 개혁의 순으로 나타났다. 또한 CHAID 분석법에 의한 교통사고 발생원인에 대한 인식 유형별 영향요인 분류모델에 있어서는 예측변수로 학력, 연령, 성별, 통행수단의 네 가지 변수가, 교통사고의 감소 대책에 대한인지 유형별 영향요인 분류모델에 있어서는 학력, 운전경력 연수, 성별 그리고 통행수단의 네 가지 변수가 카이제곱 통계량 이 5%의 유의수준에서 유의한 것으로 판단되었다. 교통사고 발생원인 인식과 감소 대책의 인지 유형에 대한 빈도분석과 교차분석은 의식과 관련한 유형이 가장 높게 나타났으나 판별.분류모델에서는 교통단속과 관련한 유형이 기여 정도가 높고 의식 관련 유형이 상대적으로 낮게 나타나는 등 반대양상을 보이고 있어 심리적으로 내재되어 있고 표면에 잘 드러나지 않았던 의식 수준의 낮음이 분류모델을 통해서 명확하게 드러났다.

• Journal of Korea Society of Industrial Information Systems
• /
• v.22 no.2
• /
• pp.61-70
• /
• 2017

In This Paper, the Classification Speed of Vehicle Headlight Modules is Improved by a CPU-based Parallel Processing Using OpenMP. Also, a Classification Method of Headlight Modules which Extracts their Features after Revising their Alignment is Proposed. To Analyze the Performance of the Proposed Method, the Discrimination Accuracy and the Processing Speed were Compared with the Method Using Gray Image and the Method Using Line Detection. As the Results of the Analysis, in the Discrimination Accuracy, the Proposed Method and the Line Detection Method Showed good Performance, but the Proposed Method Showed Better Performance than the Line Detection Method by the Processing Speed. Also, the Gray-based Method was the Best in Processing Speed, but the Proposed Method is Better than the Gray-based Method in the Discrimination Accuracy.

• International Journal of Highway Engineering
• /
• v.8 no.3 s.29
• /
• pp.29-37
• /
• 2006

The primary objective of this study is to characterize traffic axle loadings that consider Korea specific traffic conditions for developing mechanistic-based pavement design method as a part of Korea Pavement Research Program(KPRP). Although the concept of equivalent single axle load(ESAL) has been generally used since the 1960s for the pavement design, the mechanistic-based pavement design procedure requires more accurate axle loading data on the specific pavement. In this study, axle loading data were collected according to vehicle type and highway functional classification. Axle-load spectrum was then standardized by cumulative density function(cdf), because the axle load spectrum could vary from the observed site, truck traffic volume, and truck type, Finally, this study presented the procedure and S-shaped exponential models for characterizing axle load spectra according to vehicle type and highway functional classification.

• The Proceedings of the Korean Institute of Illuminating and Electrical Installation Engineers
• /
• v.10 no.4
• /
• pp.78-84
• /
• 1996

In this study, 3-D object recognition and restoration independent of the object translation for automotive kind recognition in parking administration system using an ultrasonic sensor array, neural networks and invariant moments are presented. Using invariant moment vectors of the acquired data 16$\times$8 pixels, 3-D objects could be classified by SCL (Simple Competitive Learning) neural networks. Modified SCL neural networks using the 16$\times$8 low resolution image was used for object restoration of 32$\times$32 high resolution image. Invariant moment vectors kept constant independent of the object translation. The recognition rates for the training and the testing data were 98[%] and 95[%], respectively. The experimental results have shown that ultrasonic sensor array with the neural networks could be applied for the detection of the automobiles and classification of the automotive kind.

• Journal of Korean Society of Transportation
• /
• v.14 no.1
• /
• pp.135-154
• /
• 1996

This paper presents a heuristic algorithm for classifying vehicles using a single loop detector. The data used for the development of the algorithm are the frequency variation of a vehicle sensored from the circle-shaped loop detectors which are normal buried beneath the expressway. The pre-processing of data is required for the development of the algorithm that actually consists of two parts. One is both normalization of occupancy time and that with frequency variation, the other is finding of an adaptable number of sample size for each vehicle category and calculation of average value of normalized frequencies along with occupancy time that will be stored for comparison. Then, detected values are compared with those stored data to locate the most fitted pattern. After the normalization process, we developed some frameworks for comparison schemes. The fitted scales used were 10 and 15 frames in occupancy time(X-axis) and 10 and 15 frames in frequency variation (Y-axis). A combination of X-Y 10-15 frame turned out to be the most efficient scale of normalization producing 96 percent correct classification rate for six types of vehicle.

• Proceedings of the IEEK Conference
• /
• 1998.10a
• /
• pp.959-962
• /
• 1998

In this paper, we propose an efficient vehicle detection and classification algorithm for an electronic toll collection, which is based on shadow robust vehicle presence test. In order to improve the performance of vehicle presence test, we use correlation coefficients between wavelet transformed input and reference images, which takes advanage of textural similarity. We compare the performance of the vehicle presence test with those of some conventional approaches that use variance of frame difference. Experimental results from field test show that the proposed vehicl detection and classification algorithm performs well even under abrupt intensity change due to the characteristics of sensor and occurrence of shadow.

• Proceedings of the KOR-KST Conference
• /
• 1998.10b
• /
• pp.409-409
• /
• 1998

본 연구는 운전자 특성 및 교통사고 발생유형에 따른 사고 심각도(Severity)를 분석함으로써 교통사고를 유발키 쉬운 운전자 집단과 사고 발생시 위험도가 높은 사고유형을 규명하고자 하였다. 교통사고 위험집단 분석을 위한 운전자 특성은 성별, 차종, 연령 등을 대상으로 하였으며, 사고유형별 심각도 분석은 사고유형을 여덟 가지로 분류하고, 결과의 신뢰성 확보를 위하여 안전벨트 착용여부를 추가하여 상해정도와의 관계를 비교하였다. 로그-선형 모형 및 로짓 모형을 사용하여 카테고리 자료를 분석하였으며, 그 결과 위험집단 분석에서는 '20세 미만의 이륜차 운전자', '41세에서 50세까지의 택시운전자'가 가장 위험한 것으로, 또한 남자보다는 여자가 승용차, 택시, 이륜차 등에 관계되었을 때 위험한 것으로 조사되었다. 사고유형과 심각도와의 관계에서는 정면충돌 사고와 앞지르기 시 우회전시 사고가 기여위험도(Odds Multiplier)가 매우 높아 부상 또는 사망사고와 연계될 가능성이 큰 것으로 나타났다. 따라서 교통사고의 예방과 사고발생시의 심각도 경감을 위해서는 교통사고 취약계층으로 분석된 위험집단에 대한 교통안전 교육 및 홍보가 강화되어야 하고, 정면충돌 사고와 앞지르기 시 우회전시 발생하는 사고를 줄일 수 있는 방안이 연구되어야 할 것이다.