• PNF and Movement
• /
• 제22권1호
• /
• pp.43-54
• /
• 2024

Purpose: Falls among persons older than 65 years are a significant concern due to their frequency and severity. This study aimed to develop a vest-type embedded artificial intelligence (AI) system capable of detecting and predicting falls in various scenarios. Methods: In this study, we established and developed a vest-type embedded AI system to judge and predict falls in various directions and situations. To train the AI, we collected data using acceleration and gyroscope values from a six-axis sensor attached to the seventh cervical and the second sacral vertebrae of the user, considering accurate motion analysis of the human body. The model was constructed using a neural network-based AI prediction algorithm to anticipate the direction of falls using the collected pedestrian data. Results: We focused on developing a lightweight and efficient fall prediction model for integration into an embedded AI algorithm system, ensuring real-time network optimization. Our results showed that the accuracy of fall occurrence and direction prediction using the trained fall prediction model was 89.0% and 78.8%, respectively. Furthermore, the fall occurrence and direction prediction accuracy of the model quantized for embedded porting was 87.0 % and 75.5 %, respectively. Conclusion: The developed fall detection and prediction system, designed as a vest-type with an embedded AI algorithm, offers the potential to provide real-time feedback to pedestrians in clinical settings and proactively prepare for accidents.

• 융합신호처리학회논문지
• /
• 제22권4호
• /
• pp.149-155
• /
• 2021

본 연구에서는 전동 이동기기를 이용하는 교통약자의 이동을 제한하는 노면 불량 요소를 딥러닝을 이용해 자동 검출하는 불량 노면객체 인식모델을 개발하고자 한다. 이를 위하여 부산시 관내 5개 지역에서 실제 전동 이동 보조 장치가 이동할 것으로 예상되는 보행로, 주행로를 대상으로 하여 노면 정보를 수집하였으며 이때 도로 정보 수집은 데이터 수집을 보다 용이하게 하기 위하여 소형 차량을 이용하였다. 데이터는 노면과 주변을 그 주변을 구성하는 객체로 구분하여 영상을 수집하였다. 수집된 데이터로부터 교통약자의 이동을 저해하는 정도에 따라 분류하여 보도블록의 파손등급 검출과 같은 일련의 인식 항목을 정의하였고, YOLOv5 딥러닝 알고리즘을 해당 데이터에 적용하여 실시간으로 객체를 인식하는 불량노면 객체 인식 딥러닝 모델을 구현하였다. 연구의 최종단계에서 실제 주행을 통해 객체 단위로 분리 수집된 영상 데이터의 가공, 정제 및 어노테이션 과정을 수행한 후 모델 학습과 검증을 거쳐 불량노면객체를 자동으로 검출하는 딥러닝 모델의 성능 검증 과정을 진행하였다.

• 한국ITS학회 논문지
• /
• 제22권3호
• /
• pp.1-19
• /
• 2023

최근 탄소중립의 대안으로 떠오르고 있는 자전거의 통행행태를 파악하기 위하여 경유지를 고려한 통행발생량을 추정하고자 하였다. 서울시 공공자전거인 '따릉이'의 GPS 주행궤적 데이터를 이용하여 통행에서의 중간 경유지인 체류 지점을 파악하고, 인구, 토지이용, 물리적인 특성을 반영한 통행발생량 모형을 분석하였다. 맵매칭과 체류 지점 탐지 알고리즘을 이용하여 체류 지점을 추정한 결과, 전체 통행의 약 12.1%에서 체류 지점이 나타났다. 체류가 발생한 통행은 비체류에 비해 평균 이용거리와 이용시간이 더 길며, 체류 지점이 집중되는 시간대는 오전 첨두시와 오후 첨두시 사이의 비첨두시인 것으로 나타났다. 시각화 분석에 따르면 공원 및 레저 시설, 업무시설에서 주로 체류 지점이 나타났다. 체류 지점을 고려하기 위하여 기존의 대여소 기반이 아닌 육각격자를 분석단위로 설정하였으며, 영과잉 음이항(Zero-Inflated Negative Binomial, ZINB) 모형을 이용하여 체류 지점을 고려한 통행발생량을 추정하였다. 분석결과, 자전거전용도로 및 자전거·보행자겸용도로(분리형)와 같이 자전거 이용자의 안전이 확보된 자전거 인프라에서 통행발생량 및 체류 지점에서 발생한 통행이 많은 것으로 나타났다. 또한 공공자전거는 대중교통의 접근수단으로서 퍼스트&라스트 마일 수단의 역할을 하며, 생활중심지와 고용중심지에서 통행발생량이 커지는 것으로 나타났다. 이러한 분석 결과를 토대로 자전거 인프라의 추가 확충 계획 시 이용자의 안전시설 및 공간 확보가 우선돼야 하며, 대중교통과 연계한 자전거 인프라 시설 보급방안의 수립이 필요한 것으로 보인다.

• 지능정보연구
• /
• 제26권2호
• /
• pp.131-145
• /
• 2020

산업혁신의 흐름에 발맞추어 다양한 분야에서 활용되고 있는 IoT 기술은 빅데이터의 접목을 통한 새로운 비즈니스 모델의 창출 및 사용자 친화적 서비스 제공의 핵심적인 요소로 부각되고 있다. 사물인터넷이 적용된 디바이스에서 누적된 데이터는 사용자 환경 및 패턴 분석을 통해 맞춤형 지능 시스템을 제공해줄 수 있어 편의 기반 스마트 시스템 구축에 다방면으로 활용되고 있다. 최근에는 이를 공공영역 혁신에 확대 적용하여 CCTV를 활용한 교통 범죄 문제 해결 등 스마트시티, 스마트 교통 등에 활용하고 있다. 그러나 이미지 데이터를 활용하는 기존 연구에서는 개인에 대한 사생활 침해 문제 및 비(非)일반적 상황에서 객체 감지 성능이 저하되는 한계가 있다. 본 연구에 활용된 IoT 디바이스 기반의 센서 데이터는 개인에 대한 식별이 불필요해 사생활 이슈로부터 자유로운 데이터로, 불특정 다수를 위한 지능형 공공서비스 구축에 효과적으로 활용될 수 있다. 대다수의 국민들이 일상적으로 활용하는 도시철도에서의 지능형 보행자 트래킹 시스템에 IoT 기반의 적외선 센서 디바이스를 활용하고자 하였으며 센서로부터 측정된 온도 데이터를 실시간 송출하고, CNN-LSTM(Convolutional Neural Network-Long Short Term Memory) 알고리즘을 활용하여 구간 내 보행 인원의 수를 예측하고자 하였다. 실험 결과 MLP(Multi-Layer Perceptron) 및 LSTM(Long Short-Term Memory), RNN-LSTM(Recurrent Neural Network-Long Short Term Memory)에 비해 제안한 CNN-LSTM 하이브리드 모형이 가장 우수한 예측성능을 보임을 확인하였다. 본 논문에서 제안한 디바이스 및 모델을 활용하여 그간 개인정보와 관련된 법적 문제로 인해 서비스 제공이 미흡했던 대중교통 내 실시간 모니터링 및 혼잡도 기반의 위기상황 대응 서비스 등 종합적 메트로 서비스를 제공할 수 있을 것으로 기대된다.