• 대한교통학회지
• /
• 제19권6호
• /
• pp.7-17
• /
• 2001

본 연구는 교통관리 시스템의 유고검지 체계를 검토하여 기존 체계의 문제점과 한계점을 극복할 수 있는 새로운 검지체계를 구축하고 새로 구축된 검지 체계에 맞는 알고리즘을 개발하는데 연구 목적이 있다. 새로운 검지체계는 검지기 1개소의 설치로 다차로를 검지할 수 있으며 특히 1개 차로 내에서도 검지영역을 여러 개 검지할 수 있는 다 검지체계의 장점을 최대한 살린 시스템이므로 기존 체계의 한계성인 단일 검지영역 문제를 해소할 수 있으며 경제적으로 교통관리 시스템을 구축할 수 있는 장점을 가지고 있다. 이 시스템으로 고속도로와 국도상에서 유고 검지율을 기존의 APID와 DES를 비교하여 현장 시험 평가한 결과 이 시스템이 제일 높은 유고 검지율을 나타내어 기존 시스템보다 우수한 것으로 판명되었다.

• 산업융합연구
• /
• 제18권3호
• /
• pp.53-61
• /
• 2020

통행속도는 도로의 교통상황을 측정하고, 교통사고와 같은 돌발상황 발생을 검지하는데 활용되는 중요한 정보이다. 본 논문에서 영상처리 기술을 활용하여 도로구간의 통행속도를 정확하게 측정하는 모델을 제안하였다. 제안 모델은 교통 CCTV 영상에서 차량 객체를 추출하고, 딥러닝 기술 등을 활용하여 차량을 추적하여, 도로구간의 통행속도 및 교통량 등과 같은 교통정보를 수집한다. 또한, 새로운 모델은 데이터 융합기술을 활용하여 정확한 구간통행속도를 수집하여 사용자에게 제공하는 것이 가능하다. 제안 모델을 서울시 오금교에서 현장실험한 결과, 기존 교통정보센터 통행속도 정확도(62.8%)보다 새 모델의 정확도가 높은 것(83.6%)을 확인하였다.

• 대한교통학회지
• /
• 제32권5호
• /
• pp.522-530
• /
• 2014

교통관리센터에 축적되어 있는 속도 이력데이터에는 반복 비반복 정체 시공간 전개에 대한 상세한 정보가 모두 들어있으나, 도해법에 의해 다루어져 왔기 때문에 많은 양의 이력데이터를 처리하여 교통상황예측이나 정보제공에 활용할 수 없는 한계가 존재하였다. 본 논문에서는, 기존의 Classification과 Density-Based Clustering 알고리즘을 속도 시공간 데이터 특성에 맞게 조합하고 변형하여 정체 시공간 영역을 자동 인식하는 알고리즘과, 정체파급길이, 파급속도, 해소속도 등 정체 시공간 전개 패턴의 특성치를 산정하는 알고리즘을 개발하였다, 본 알고리즘은, 교통관리센터에 축적되어 있는 방대한 양의 이력데이터를 자동으로 분석하여 자세한 정체 관련 정보를 추출할 수 있고, 산정된 특성치를 가지고 각 센터의 필요에 따라 다양한 정보를 2차 생성하고 활용할 수 있는 장점이 있다. 본 연구결과는 향후 반복 비반복 정체에 대한 예측과 대응이 획기적으로 개선되는데 초석이 될 것으로 기대된다.

• 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.