• 한국인공지능학회지
• /
• 제11권3호
• /
• pp.17-22
• /
• 2023

In this paper, we propose a black ice detection system using Convolutional Neural Networks (CNNs). Black ice poses a serious threat to road safety, particularly during winter conditions. To overcome this problem, we introduce a CNN-based architecture for real-time black ice detection with an encoder-decoder network, specifically designed for real-time black ice detection using thermal images. To train the network, we establish a specialized experimental platform to capture thermal images of various black ice formations on diverse road surfaces, including cement and asphalt. This enables us to curate a comprehensive dataset of thermal road black ice images for a training and evaluation purpose. Additionally, in order to enhance the accuracy of black ice detection, we propose a multi-scale dilation convolution feature fusion (MsDC-FF) technique. This proposed technique dynamically adjusts the dilation ratios based on the input image's resolution, improving the network's ability to capture fine-grained details. Experimental results demonstrate the superior performance of our proposed network model compared to conventional image segmentation models. Our model achieved an mIoU of 95.93%, while LinkNet achieved an mIoU of 95.39%. Therefore, it is concluded that the proposed model in this paper could offer a promising solution for real-time black ice detection, thereby enhancing road safety during winter conditions.

• 한국인공지능학회지
• /
• 제11권4호
• /
• pp.1-8
• /
• 2023

In this paper, we propose a black ice detection platform framework using Convolutional Neural Networks (CNNs). To overcome black ice problem, we introduce a real-time based early warning platform using CNN-based architecture, and furthermore, in order to enhance the accuracy of black ice detection, we apply a multi-scale dilation convolution feature fusion (MsDC-FF) technique. Then, we establish a specialized experimental platform by using a comprehensive dataset of thermal road black ice images for a training and evaluation purpose. Experimental results of a real-time black ice detection platform show the better performance of our proposed network model compared to conventional image segmentation models. Our proposed platform have achieved real-time segmentation of road black ice areas by deploying a road black ice area segmentation network on the edge device Jetson Nano devices. This approach in parallel using multi-scale dilated convolutions with different dilation rates had faster segmentation speeds due to its smaller model parameters. The proposed MsCD-FF Net(2) model had the fastest segmentation speed at 5.53 frame per second (FPS). Thereby encouraging safe driving for motorists and providing decision support for road surface management in the road traffic monitoring department.

• 한국항행학회논문지
• /
• 제27권6호
• /
• pp.865-870
• /
• 2023

본 논문은 LiDAR (light detection and ranging) 센서를 활용하여 블랙아이스를 검출하는 새로운 방법을 제안합니다. 센서는 작고 비용이 저렴하면서도 높은 정확성을 가진 거리 측정 센서로 온도와 경사각을 다르게 하여 아스팔트와 블랙아이스의 각도를 구별하는 데 사용됩니다. 이 센서의 거리 측정 오차율은 대략 ±1 cm로 블랙아이스와 아스팔트을 구별하는 데에는 일부 오차가 발생할 수 있습니다. 본 논문에서는 정확성을 높이기 위한 추가적인 연구와 개선이 필요함을 지적하며 이를 통해 더욱 정확한 블랙아이스 검출 방법을 제안합니다.

• Journal of Platform Technology
• /
• 제9권4호
• /
• pp.90-96
• /
• 2021

현재 개발중인 그리고 운행중인 대부분의 자동차에는 다양한 IoT 센서들이 탑재되어 있지만, 자동차 사고를 일으키는 요인 중 몇몇 요인들은 상대적으로 탐지하기 힘들다. 이러한 요소 중 대표적인 위험 요인 중 하나가 블랙 아이스이다. 블랙 아이스는 블랙 아이스가 깔린 부분을 지나가는 모든 차량에 영향을 줄 수 있어 대형 사고를 유발할 가능성이 가장 높은 요인 중 하나이다. 따라서 대형 사고를 막기 위해 블랙 아이스 검출기법은 꼭 필요하다. 이를 위해 몇몇 연구가 과거 진행되었으나 몇몇 부분에서 현실적이지 않는 요소들이 반영된 경우가 있어, 이를 보충하기 위한 연구가 필요하다. 본 논문에서는 CNN 기법으로 컬러 이미지를 분석하여 블랙 아이스를 탐지하고자 하였으며, 일정 수준의 블랙 아이스 탐지에 성공하였다. 다만 기존 연구 와 차이가 있어 그 이유를 분석하였다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제10권7호
• /
• pp.257-262
• /
• 2021

매년 동절기 블랙아이스(Black Ice)로 인한 사고는 빈번하게 발생하고 있으며, 치사율은 다른 교통사고에 비해 매우 높다. 따라서 블랙아이스 발생 구간을 사전에 예측하기 위한 체계화된 방법이 필요하다. 이에 본 논문에서는 이질(heterogeneous)·다형(diverse)의 데이터를 활용한 블랙아이스 발생 구간 예측 모델을 제안한다. 이를 위해 국토 교통 공공데이터와 기상 공공데이터 42종의 12,574,630건을 수집하여, 결측값을 처리하고 정규화하는 등의 전처리 과정을 수행한 뒤 최종 약 60만여 건의 정제 데이터셋을 구축하였다. 수집된 요인들의 상관관계를 분석하여 블랙아이스 예측에 유효한 영향을 주는 21개 요인을 선별, 다양한 학습모델을 조합하는 방법을 통해 블랙아이스 발생 예측 모델을 구현하였다. 이를 통해 개발된 예측 모델은 최종적으로 노선별 블랙아이스 위험지수 도출에 사용되어 블랙아이스 발생 경고 서비스를 위한 사전 연구로 활용될 것이다.

• 한국정보통신학회논문지
• /
• 제25권12호
• /
• pp.1835-1845
• /
• 2021

본 논문에서는 블랙 아이스를 정확하게 인식하고 도로 노면 정보를 운전자에게 미리 알려줘서 속도를 제어하고 예방 조치를 취할 수 있도록 하기 위해 열화 도로 영상을 기반으로 블랙 아이스 검출하기 위해 lightweight 네트워크를 제안한다. 전이학습을 이용하여 블랙 아이스 인식 실험을 하였고, 블랙 아이스 인식의 정확도 향상을 위해 MobileNetV2 기반의 개선된 lightweight 네트워크를 개발하였다. 계산량을 줄이기 위해 Linear Bottleneck 및 Inverted Residuals를 활용하여 4개의 Bottleneck 그룹을 사용하고 모델의 인식률 향상을 위해 각 Bottleneck 그룹에 3×3 컨볼루션 레이어를 연결하여 지역적 특징 추출을 강화하고 특징 맵의 수를 늘렸다. 마지막으로 구축된 블랙 아이스 데이터 세트 대상으로 블랙 아이스 인식 실험을 진행하였으며, 제안된 모델은 블랙 아이스에 대해 99.07%의 정확한 인식률을 나타내었다.

• 한국정보통신학회논문지
• /
• 제25권12호
• /
• pp.1874-1881
• /
• 2021

폭설로 인한 도로 미끄러짐과 함께 영하의 기온으로 도로와 차량 통행용 다리, 터널 출입구 쪽에서 주로 발생하는 블랙아이스는 운전자의 시야에서는 아스팔트의 이미지가 투과되어 보이기에 잘 인식되지 않아서 자동차들이 미끄러지는 (슬립 현상) 상황을 발생시키기에 차량이 제동력을 잃어서, 대형 교통사고로 이어져 심각한 인명과 재산상 손실을 초래하고 있다. 본 논문에서는 기존에 연구되었던 블랙아이스 감지 방법들(인공위성 촬영, 초음파 수신으로 미끄러짐의 패턴을 확인, 도로 표면의 온도측정, 차량 주행 중 타이어의 마찰력 차이를 확인하기)의 단점들을 보완하고, 블랙아이스를 감지하는 센서의 크기를 줄여서 많은 이동체에 적용할 수 있도록 하고자 적외선 카메라를 이용하여 도로 상태를 확인하고, 이 정보를 딥러닝 학습을 통하여 블랙아이스를 판별하는 방법을 제안하고자 한다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2021년도 추계학술대회
• /
• pp.416-421
• /
• 2021

폭설로 인한 도로 미끄러짐과 기온이 0도 이하로 낮아졌을 때, 도로와 차량 통행용 다리, 터널 출입구 쪽에서 주로 발생하는 블랙아이스는 운전자의 시야에서는 아스팔트의 이미지가 투과되어 보이기에 인식되지 않아서 자동차들이 미끄러지는 상황(슬립 현상)이 발생하고, 이로 인하여 대형 교통사고로 이어져 인명 물적 손실이 대량으로 발생하기에 적외선 카메라를 이용하여 도로 상태를 확인하고 딥러닝을 통하여 블랙아이스를 판별하는 방법을 제안하고자 한다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2021년도 춘계학술대회
• /
• pp.524-526
• /
• 2021

자동차의 발명과 차량용 도로의 건설이 시작되면서 교통사고의 발생이 늘어나기 시작하였다. 이에 도로 건설 방법의 변경 및 신호등의 신호체계들을 이용하여 교통사고를 방지하기 위한 노력이 있었으나, 현재까지도 기상악화로 인한 도로의 결빙이 원인이 된 교통사고로 매년 수많은 인명과 재산피해가 발생하고 있었다. 본 논문에서는 도로의 결빙으로 인한 교통사고 경감을 위해서 차량의 센서 데이터를 이용하여 감지한 결빙감지 데이터를 차량의 내비게이션으로 전달하는 방법을 제안한다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2021년도 춘계학술대회
• /
• pp.521-523
• /
• 2021

자동차의 발명과 차량용 도로의 건설이 시작되면서 교통사고의 발생이 늘어나기 시작하였다. 이에 도로 건설 방법의 변경 및 신호등의 신호체계들을 이용하여 교통사고를 방지하기 위한 노력이 있었으나, 현재까지도 기상악화로 인한 도로의 결빙이 원인이 된 교통사고로 매년 수많은 인명과 재산피해가 발생하고 있었다. 본 논문에서는 도로의 결빙으로 인한 교통사고 경감을 위해서 적외선 카메라를 사용하여 얻은 적외선 파장 데이터를 딥러닝 학습을 시도하여 얻어낸 결빙감지 정보를 차량의 내비게이션으로 전달하는 방법을 제안한다.