• 대한교통학회지
• /
• 제23권3호
• /
• pp.109-123
• /
• 2005

본 논문에서는 지방부 간선도로에서 제공되는 단속류 구간통행시간 정보의 체계적인 수집 분석을 위해 현재 일부 국도에서 운영중인 차량번호판 매칭방식 AVI(자동차량인식장치 : Automated Vehicle Indentification)로부터 수집된 자료의 적합성분석 및 단속류 구간통행시간 자료의 적정집락간격(optimal aggregation interval)산정을 위한 통계적 결정방법을 연구하였다. 연구결과 차량번호판 매칭방식 AVI 수집자료는 통과위주의 대표차로상에서만 수집되기 때문에 차로간의 속도차가 크게 나타나는 단속류 구간에서는 전차로에 대한 통행시간 수집자료와 교통특성에 차이가 있으므로 현재의 차량번호판 매칭방식 ANI 표본수집 자료를 통해 산출된 구간통행기간을 구간의 대표값으로 적용하는 데에는 문제가 있어 이에 대한 추가적인 검토가 필요하다는 결론을 얻었다. 그리고, 단속류 구간의 통행시간 정보제공을 위한 수집자료의 적정집락간격 결정방법으로 점추정과 구간추정방법을 적용하여 모형을 개발하고, 이 모형을 적용한 결과 점추정모형이 구간추정모형보다 집락간격결정에 민감하고 보다 정확한 적정집락간격 선정이 가능한 것으로 밝혀졌으며, 단속류 구간의 적정집락간격은 5분으로 산정되어 현재 적용되고 있는 단속류 구간 5분 집락간격은 적정한 것으로 판단된다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제10권4호
• /
• pp.133-142
• /
• 2021

최근 딥러닝은 하드웨어 성능이 향상됨에 따라 자연어 처리, 영상 인식 등의 다양한 기술에 접목되어 활용되고 있다. 이러한 기술들을 활용해 지능형 교통 시스템(ITS), 스마트홈, 헬스케어 등의 산업분야에서 데이터를 분석하여 고속도로 속도위반 차량 검출, 에너지 사용량 제어, 응급상황 등과 같은 고품질의 서비스를 제공하며, 고품질의 서비스를 제공하기 위해서는 정확도가 향상된 딥러닝 모델이 적용되어야 한다. 이를 위해 서비스 환경의 데이터를 분석하기 위한 딥러닝 모델을 개발할 때, 개발자는 신뢰성이 검증된 최신의 딥러닝 모델을 적용할 수 있어야 한다. 이는 개발자가 참조하는 딥러닝 모델에 적용된 학습 데이터셋의 정확도를 측정하여 검증할 수 있다. 이러한 검증을 위해서 개발자는 학습 데이터셋, 딥러닝의 계층구조 및 개발 환경 등과 같은 내용을 포함하는 딥러닝 모델을 문서화하여 적용하기 위한 구조적인 정보가 필요하다. 본 논문에서는 신뢰성있는 딥러닝 기반 데이터 분석 모델을 참조하기 위한 딥러닝 기술 언어를 제안한다. 제안하는 기술 언어는 신뢰성 있는 딥러닝 모델을 개발하는데 필요한 학습데이터셋, 개발 환경 및 설정 등의 정보와 더불어 딥러닝 모델의 계층구조를 표현할 수 있다. 제안하는 딥러닝 기술 언어를 이용하여 개발자는 지능형 교통 시스템에서 참조하는 분석 모델의 정확도를 검증할 수 있다. 실험에서는 제안하는 언어의 유효성을 검증하기 위해, 번호판 인식 모델을 중심으로 딥러닝 기술 문서의 적용과정을 보인다.

• 한국컴퓨터정보학회논문지
• /
• 제27권8호
• /
• pp.9-21
• /
• 2022

이 논문에서 우리는 제4차 산업혁명의 핵심기술의 하나인 LiDAR 센서를 기반으로 기존 검지 카메라의 검지율을 개선하여 입출차 차량에 대해 100% 검지가능한 시스템을 개발하였다. 현재 운영 중인 주차장은 98% 정도의 차량번호 인식율에만 의존하고 있으므로 입출차 카운트의 불일치, 부정확한 정보 제공 등으로 사전 예약불가, 실시간 주차정보 불일치 등 여러 가지 문제를 안고 있다. 주차현황정보는 정확도 100% 수준으로 관리되어야 하며 이를 위해 우리는 LIDAR를 이용하여 주차장의 입출차 검지 체계를 구축하였다. 주로 자율주행 자동차의 차량 및 사물검지를 위해 필수적으로 사용되고 있는 LIDAR 센서를 응용하여 주차시스템을 개발하는 경우, 검지된 센싱 정보로 차량 입출차 정보의 정확성과 입출차 카운트의 신뢰도를 개선할 수 있다. LIDAR의 분해능은 100%로 보장이 되었고 주차장의 입차(+), 출차(-) 차량의 합계가 0이 되도록 구현할 수 있었다. 우리는 3,000대의 실제 주차장 출입 차량으로 테스트해 본 결과 주차 차량 입출차 정확도를 100%로 결과를 도출하였다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2022년도 춘계학술대회
• /
• pp.225-227
• /
• 2022

현재 서울특별시는 25개 구청에 7만5천여대의 CCTV가 설치되어 있다. 서울특별시 구청별로, CCTV관제를 위한 관제센터를 구축하고 24시간 인공지능 지능형 영상분석을 통해 차량 종류, 번호판인식, 색상 분류 등의 정보를 빅데이터로 구축하고 있다. 서울특별시는 국토교통부, 경찰청, 소방청, 법무부, 군부대 등과 MOU를 체결하여 긴급/응급 상황에 신속한 대응이 가능하도록 하고 있다. 즉, 각 구청의 CCTV영상을 제공하여 안전하고 재난의 예방이 가능한 스마트시티를 구축하고 있다. 본 논문에서는 CCTV영상을 인공지능을 통해 사건발생 시 차량 및 인원에 대한 특징을 추출하고 이를 기반으로 도주경로를 예측하고 지속적인 추적이 가능하도록 설계한다. 해당 경로의 CCTV영상을 인공지능이 자동으로 선택하여 표출하도록 설계한다. 해당 관할 권역 이외 지역으로 사건 관련 사람이나 차량의 도주경로가 예상될 때 인접 구청에 영상정보와 추출된 정보를 제공함으로써 스마트시티 통합플랫폼을 확장할 수 있도록 설계한다. 본 논문은 스마트시티 통합플랫폼 연구발전에 기초자료로 기여할 것이다.