• 한국정보통신학회논문지
• /
• 제25권12호
• /
• pp.1723-1728
• /
• 2021

C-ITS는 차량, 도로 인프라, 운전자, 보행자 등 구성요소 간 교통정보를 수집·관리·제공함으로써 교통 이용 편의, 교통안전을 제고 할 수 있는 지능형교통시스템이다. 국내에서는 C-ITS 사업을 통해 도로인프라가 국내 전역에 구축되고, 실시간 교통정보 제공, 버스운행 관리 등 다양한 서비스가 제공되고 있다. 그러나 현재 도로상황 인지·전파 등을 통한 교통안전 중심의 C-ITS를 구축하기에는 첨단도로 인프라 및 정보 연계 체계가 미흡한 실정이다. 본 논문에서는 다양한 공간적 측면에서 시간의 연속성을 고려하여, 교통 인프라 간 정보 연계를 통해 교통흐름과 돌발 사고를 인지할 수 있는 그룹형 Zigbee Mesh 네트워크 기반 교통상황인지 시스템을 제시하였다. 제안하는 시스템은 1차적으로 현장에서 사고감지 및 경보 등의 대응이 가능하며, 타 시스템과의 정보 연계를 통해 보다 다양한 교통정보 서비스로의 활용이 가능할 것으로 기대한다.

• 방송공학회논문지
• /
• 제26권6호
• /
• pp.738-747
• /
• 2021

오늘날 딥러닝 기술의 향상으로 영상 분류, 객체 탐지, 객체 분할, 객체 추적 등 컴퓨터 비전 분야 또한 큰 발전을 이루고 있다. 지능적 감시, 로봇, 사물 인터넷, 자율주행 자동차 등 딥러닝 기술이 결합된 다양한 응용 기술들은 실제 산업에 적용되고 있으며, 이에 따라 사람의 소비를 위한 영상 데이터 뿐만 아니라 머신 비전을 위한 영상 데이터의 효율적인 압축 방식에 대한 필요성이 대두되고 있다. 본 논문에서는 머신 비전을 위한 열 적외선 영상의 객체 기반 압축 기법을 제안한다. 효율적인 영상 압축과 신경망의 좋은 성능을 유지하기 위해 본 논문에서는 신경망의 객체 탐지 결과와 객체 크기에 따라 입력 영상을 객체 부분과 배경 부분으로 나누어 서로 다른 압축률로 부호화를 수행하는 방법을 제안한다. 제안하는 방법은 VVC로 영상 전체를 압축하는 방식보다 BD-rate 값이 최대 -19.83%로 압축 효율이 뛰어나다는 것을 확인할 수 있다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제17권1호
• /
• pp.216-238
• /
• 2023

In intelligent transportation systems, traffic management is an important task. The accurate forecasting of traffic characteristics like flow, congestion, and density is still active research because of the non-linear nature and uncertainty of the spatiotemporal data. Inclement weather, such as rain and snow, and other special events such as holidays, accidents, and road closures have a significant impact on driving and the average speed of vehicles on the road, which lowers traffic capacity and causes congestion in a widespread manner. This work designs a model for multivariate short-term traffic congestion prediction using SLSTM_AE-BiLSTM. The proposed design consists of a Bidirectional Long Short Term Memory(BiLSTM) network to predict traffic flow value and a Convolutional Neural network (CNN) model for detecting the congestion status. This model uses spatial static temporal dynamic data. The stacked Long Short Term Memory Autoencoder (SLSTM AE) is used to encode the weather features into a reduced and more informative feature space. BiLSTM model is used to capture the features from the past and present traffic data simultaneously and also to identify the long-term dependencies. It uses the traffic data and encoded weather data to perform the traffic flow prediction. The CNN model is used to predict the recurring congestion status based on the predicted traffic flow value at a particular urban traffic network. In this work, a publicly available Caltrans PEMS dataset with traffic parameters is used. The proposed model generates the congestion prediction with an accuracy rate of 92.74% which is slightly better when compared with other deep learning models for congestion prediction.

• Computers and Concrete
• /
• 제33권4호
• /
• pp.341-348
• /
• 2024

Ultra-high-performance concrete (UHPC) has received remarkable attentions in civil infrastructure due to its unique mechanical characteristics and durability. UHPC gains increasingly dominant in essential structural elements, while its unique properties pose challenges for traditional inspection methods, as damage may not always manifest visibly on the surface. As such, the need for robust inspection techniques for detecting cracks in UHPC members has become imperative as traditional methods often fall short in providing comprehensive and timely evaluations. In the era of artificial intelligence, computer vision has gained considerable interest as a powerful tool to enhance infrastructure condition assessment with image and video data collected from sensors, cameras, and unmanned aerial vehicles. This paper presents a computer vision-based approach employing deep learning to detect cracks in UHPC beams, with the aim of addressing the inherent limitations of traditional inspection methods. This work leverages computer vision to discern intricate patterns and anomalies. Particularly, a convolutional neural network architecture employing transfer learning is adopted to identify the presence of cracks in the beams. The proposed approach is evaluated with image data collected from full-scale experiments conducted on UHPC beams subjected to flexural and shear loadings. The results of this study indicate the applicability of computer vision and deep learning as intelligent methods to detect major and minor cracks and recognize various damage mechanisms in UHPC members with better efficiency compared to conventional monitoring methods. Findings from this work pave the way for the development of autonomous infrastructure health monitoring and condition assessment, ensuring early detection in response to evolving structural challenges. By leveraging computer vision, this paper contributes to usher in a new era of effectiveness in autonomous crack detection, enhancing the resilience and sustainability of UHPC civil infrastructure.

• 한국ITS학회 논문지
• /
• 제12권1호
• /
• pp.98-108
• /
• 2013

하이패스 이용률 증가와 함께 전국 개통 당시 261개 톨게이트, 595개 차로에 설치되었던 하이패스는 2011년 기준 316개 톨게이트, 793개 차로로 증가되었다. 톨게이트에서 하이패스 차로가 증가하는 추세지만 아직 하이패스를 이용하지 않는 차량으로 인해 톨게이트 전체를 하이패스로 적용하지 못하고 있다. 이에 따른 일반차량과 하이패스 차량의 경로선택으로 인한 엇갈림 및 속도 차에 의해 차량 간의 상충이 발생하고 접촉사고위험이 존재한다. 이러한 배경 하에, 본 연구에서는 톨게이트의 하이패스 위치에 따른 이동성 및 차량 상충의 변화를 미시교통시뮬레이션과 Surrogate Safety Assessment Model(SSAM)을 통해 수치적으로 분석하였다. 또한 전문가 설문조사를 통해 하이패스 설치 및 운영의 편리성을 조사하고, Analytic Hierarchy Process(AHP) 기법을 이용하여 이동성, 안전성 그리고 설치 및 운영의 편리성에 대한 가중치를 구성하여 하이패스 차로 설치대안들에 대한 평가방법론을 개발하였다. 사례분석지역으로는 동수원IC 진입방면으로 선정하였다. 분석대상지에 적용 가능한 다양한 시나리오에 대한 이동성과 안전성을 비교한 결과, 이동성 측면에서는 하이패스 차로 위치에 따른 큰 차이는 없었다. 하지만, 안전성 측면에서는 톨게이트의 가장 안쪽 차로에 하이패스 차로가 존재할 때 가장 안전하였으며, 하이패스의 위치가 붙어있을 때와 떨어져 있을 때를 비교해 본 결과 떨어져 있을 시 가장 위험성이 증가하는 것으로 나타났다. 결론적으로 본 연구에서 제시하는 방법론은 하이패스 차로의 위치에 따른 안전성, 이동성 그리고 설치 및 운영 편리성과 관련하여 중요하고 계량화된 정보를 제공함으로써 고속도로 톨게이트에서 하이패스 차로 설치 관련 의사결정에 도움이 될 것으로 사료된다.

• 한국정보과학회논문지:컴퓨팅의 실제 및 레터
• /
• 제13권5호
• /
• pp.293-299
• /
• 2007

지능형 배관 검사체(PIG)는 가스나 기름 배관 안을 지나가며 검사체에 장착된 여러 센서로부터 신호(센서 데이타로 불림)들을 취합하는 장치이다. PIG로부터 취합된 센서데이타들을 분석함으로써, 배관의 구멍, 뒤틀림 또는 잠재적으로 가스 폭발의 위험을 가지고 있는 결함들을 발견할 수 있다. 배관의 센서 데이타를 분석가가 분석을 할 때에는 주로 두 가지 분석 패턴을 사용한다. 첫 번째는 센서 데이터를 순차적으로 분석하는 순차적 분석 패턴이고, 두 번째는 특정한 구간을 반복해서 분석하는 반복적 분석 패턴이다. 특히, 센서 데이타를 분석할 때 반복적 분석 패턴이 많이 사용된다. 기존의 PIG 소프트웨어들은 사용자의 요청이 있을 때 마다 서버로부터 센서 데이타들을 오므로, 매 요청마다 네트워크 전송비용과 디스크 액세스 비용이 든다. 이와 같은 방법은 순차적 분석 패턴에는 효율적이지만, 분석 패턴의 대부분을 차지하는 반복적 분석 패턴에는 비효율적이다. 이와 같은 문제는 서버/클라이언트 환경에서 다수의 분석가가 동시에 분석을 할 경우에는 매우 심각해진다. 이러한 문제점을 해결하기 위해 본 논문에서는 배관 센서 데이타들을 여러 개의 시계열 데이타로 생각하고, 효율적으로 시계열 데이타를 캐싱 하는 T-Cache라 부르는 주기억장치 고성능 캐시 관리자를 제안한다. 본 연구는 클라이언트 측에서 시계열 데이타를 캐싱하는 최초의 연구이다. 먼저, 고정된 거리의 시계열 데이타들의 집합을 캐싱 단위로 생각하는 신호 캐시 라인이라는 새로운 개념을 제안하였다. 다음으로, T-Cache에서 사용되는 스마트 커서와 여러 알고리즘을 포함하는 여러 가지 자료구조를 제안한다. 실험 결과, 반복적 분석 패턴의 경우 T-Cache를 사용하는 것이 디스크 I/O측면과 수행 시간 측면에서 월등한 성능 향상을 보였다. 순차적 분석 패턴의 경우에도 T-Cache를 사용하지 않은 경우와 거의 유사한 성능을 보였다. 즉, 캐시를 사용함으로써 발생하는 추가비용은 무시할 수 있음을 보였다.

• 정보과학회 논문지
• /
• 제45권1호
• /
• pp.36-44
• /
• 2018

4차 산업혁명의 도래로 인하여 자율주행 자동차, 지능 로봇 등을 구현을 위한 ICT 분야의 기술 개발이 시급히 요구되고 있다. 특히 융합 IT를 기반으로 하는 모든 시스템들이 센서나 액추에이터와 연동하는 CPS(Cyber Physical Systems) 형태로 개발되고 있다. 기존의 CPS 명세는 단일 시스템의 행위만을 명세하였기 때문에, 초연결성과 초융합성을 갖는 4차 산업혁명 시대의 CPS 시스템이 갖는 협업 및 다양성 측면에 명세는 충분히 제시되지 못하였다. 특히 실시간적 특성을 갖는 다양한 응용에서는 더욱 협업적 특성을 고려한 행위 모델링이 이루어지지 못하였다. 본 논문에서는 이러한 실시간 협업 환경에서 임무를 수행하는 CPS용 임베디드 소프트웨어를 개발할 때, 어떠한 비기능 요구사항이 식별되어야 하는가를 정의한다. 이러한 요구사항은 ISO 25010 표준에 근거하여 도출하며, 실시간 협업을 위해 상태 기반의 Timed Process를 이용하여 정형적으로 명세한다. 도출된 비기능 요구사항들은 추후 CPS 기반의 새로운 임베디드 소프트웨어에 대한 요구사항을 정의하기 위해 재사용될 수 있을 것이며, 이를 통해 CPS의 품질만족도를 향상시킬 수 있을 것이다.

• 대한교통학회지
• /
• 제26권4호
• /
• pp.251-264
• /
• 2008

정확하고 신뢰성 있는 실시간 교통자료의 수집은 다양한 교통운영관리 전략의 구현 및 교통정보제공을 위한 필수요소이다. 본 연구에서는 보다 seamless한 고급 교통정보가공을 위해 차량 간 무선통신기술(Vehicle-To-Vehicle Communication; V2V)을 활용한 새로운 교통정보수집체계를 제안하였다. GPS를 이용하여 개별차량의 주행궤적을 추출하고 V2V를 이용한 교통정보수집 방안을 제시하였다. 본 연구에서 제안한 교통정보수집체계의 기술적 요구사항분석을 위해 몬테카를로 시뮬레이션 기반의 평가체계를 개발하였다. 미시적 교통시뮬레이터 AIMSUN으로부터 개별차량의 주행궤적을 추출하고, 이를 이용한 구간통행시간 산출기법을 몬테카를로 시뮬레이션 기반 평가체계에 결합하여 기술적 요구사항을 도출하였다. 구간통행시간 정확도에 영향을 미치는 요인으로서 V2V 및 개별차량 주행궤적 추출이 가능한 equipped vehicle의 market penetration rate, V2V 통신반경, 통행시간 산출주기를 분석하였다. 또한, 제안된 시스템의 기술적 타당성 확인을 위해 prototypical implementation을 수행하였다. 본 연구의 결과물은 보다 seamless하고 정확한 교통정보가공을 위한 차세대 수집시스템 개발 및 구현을 위한 유용한 기초자료로 활용될 것으로 기대된다.

• 인터넷정보학회논문지
• /
• 제17권6호
• /
• pp.81-91
• /
• 2016

VANET은 무선통신 기술을 이용하여 차량과 차량, 차량과 인프라와의 통신을 제공하는 네트워크 환경으로 자동차의 속도, 위치, 교통정보 등과 같은 데이터를 공유하여 차량 안전 주행 확보 및 교통 체증 등의 문제점을 해결할 수 있는 차세대 ITS 구현의 핵심기술이다. 이처럼 VANET 환경을 통해 운전자의 안전성 증진과 효율성 및 이동성을 향상시킬 수 있지만, 끊임없이 차량 간 또는 차량과 인프라 간의 주고받는 데이터에는 차량 식별 정보 및 위치 정보 등의 프라이버시 정보가 포함되어 있어 프라이버시 보장을 위한 대책이 필요한 실정이다. 만약 VANET 환경에서 프라이버시 보장 방안이 제공되지 않는다면 식별 개인정보가 피해 받을 뿐만 아니라 개인의 위치 추적이 가능하여 공격자로부터 표적이 될 수 있으며, 정보의 오류 및 왜곡 등을 유발하여 생명과 재산에도 큰 피해를 안겨 줄 수 있다. 또한, 통신 환경에서의 도청을 통한 프라이버시 정보 노출 및 공격자의 악의적인 위장 공격을 통한 정보 갈취 등의 위협도 받을 수 있다. 따라서 본 논문에서는 이와 같은 위협으로부터 프라이버시를 보장하기 위해 VANET 프라이버시 보장 아키텍처를 제안한다.

• 한국산학기술학회논문지
• /
• 제19권11호
• /
• pp.550-560
• /
• 2018

세계 각국 정부는 자동차 안전성 향상을 위한 첨단 운전자 보조시스템(ADAS, Advanced Driver Assistance System)에 대해 연구 지원 및 정책을 시행하고 있다. 이러한 노력으로 교통사고 사상자수는 지속적으로 감소하고 있다. 그러나 국내 교통사고 사상자 수는 OECD 35개국 가운데 최하위이며, 사망률은 31위를 기록하고 있다. 교통사고는 사고의 원인에 따라 차대차(V2V, Vehicle to Vehicle), 차대사람(V2P, Vehicle to Pedestrian), 차량단독과 같은 세 가지 유형으로 분류된다. 사고원인은 운전자의 인지, 판단, 조작 등의 실수로 인하여 발생한다. 이러한 이유로 사고 감소 및 예방을 위해 제안된 것이 ADAS 이다. 그리고 현재 자동차 산업계에서는 각종 안전장치를 개발하고 있으나, 성능검사를 위한 실차시험은 제한적이며 위험성을 동반하고 있다. 따라서 본 연구에서는, 제한적인 실차시험의 극복을 위해 브레이크 제동력 평가 기술에 관한 시험평가 방법의 국제표준을 검토하고, 제동력에 관한 이론식과 제어 알고리즘을 제안한 뒤 이를 실차시험으로 비교하여 타당성을 검증하였다. 이 결과는 ADAS의 기능에 따른 제동력을 확인 할 수 있으며, 개발단계에서 제안한 이론식으로 경향성 예측이 가능해져 실차시험의 위험성을 감소시킬 수 있을 것으로 판단된다.