• 한국멀티미디어학회논문지
• /
• 제10권2호
• /
• pp.209-217
• /
• 2007

본 논문은 'CCTV영상 교통정보분석시스템'의 일환으로 도로 상의 CCTV 영상정보를 이용하여 기후정보를 추출하는 방법을 제시한다. 도로상의 CCTV 영상정보에서 기후정보를 얻는 방법은 맑은 날의 영상에서 RGB 평균값을 얻고 이를 기준으로 맑음, 흐림, 비, 눈, 안개 등의 영상을 구분하는 방법이다. 이 방법에 대한 보완으로 본 논문에서는 온 습도 정보를 사용하여 보다 세밀한 기후정보를 검출하는 방법을 제시한다. 본 논문에서 제시하는 CCTV 영상에서 기후정보를 검출하기 위한 방법은 기존의 기후정보서비스를 대체하기 위한 방안으로 기존에는 값비싼 센스를 이용하였으나, 본 시스템에서는 CCTV 영상을 이용하여 기후를 검출하는 알고리즘을 제안한다. 이 알고리즘은 CCTV 영상에서 기후정보를 검출하기 위하여 영상을 분석하고 환경 변수인 온 습도 정보를 활용하여 영상정보에서 기후정보의 검출을 용이하게 하도록 설계하였다. 이 알고리즘은 많은 시간비용과 공간비용이 소모되는 DB를 활용한 기법보다 구현에 다소 간의 어려움은 있으나, 비용이 적게 들고 구축과 동시에 실무에 활용할 수 있다는 장점이 있다. 또한 온도, 습도와 일시정보를 추가하여 검출된 기후정보의 정확성을 꾀하였다. 마지막으로 제안된 알고리즘을 영상정보를 이용한 실험을 통해 알고리즘의 유용성을 검증한다.

• 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.

• 대한전자공학회논문지TC
• /
• 제43권9호
• /
• pp.142-148
• /
• 2006

국내 교통환경과 증가하는 사고 상황을 감안할 때, 사고의 인적 요인을 정확히 분석하여 이를 토대로 사고 운전자를 교정 교육할 수 있는 시스템이 요구되고 있다. 본 논문에서는 IPDE 기법을 이용한 안전운전과 교정교육을 위한 운전 시뮬레이터 개발 과정 및 결과를 제시한다. 이 운전 시뮬레이터의 개발로 교정교육 대상자는 실제 운전하는 것과 같은 상황에서 운전 적성과 사고 요인을 검사 받을 수 있고, 검사 결과에 따라 운전자의 운전결함을 교정시킬 수 있는 해설 장면을 선택하여, 재교육을 받을 수 있도록 처리함으로써 운전 교정교육에 있어 실제 상황에 대처하는 능력을 높일 수 있게 하였다. 그러나 이러한 최상의 운전 모의 실험기라도, 날씨조건 및 도로조건에 따라서 제동거리가 달라질 수 있다. 본 논문에서는 이러한 문제점을 해결하기 위해서, 퍼지규칙 및 신경망을 이용하여 이러한 문제점을 해결하였다 시뮬레이션 결과 도로조건 및 날씨 조건을 고려한 시뮬레이터가 브레이크 강도조정이 정확하게 산출 되는 것을 확인하였다.

• 대한전자공학회논문지
• /
• 제10권5호
• /
• pp.16-20
• /
• 1973

많은 검지방식중 어떠한 방식에 의하든 간에 교통류에 관한 정보수집이 선행되어야하고, 그 다음에 정상주기방식이든 전술제어등 비정주기방식이든 간에 교통신호등의 신속제어시에 그 최적신호주기설정을 전제로 하고서 신호주기에 포함되어 있는 발진지연현상에 관하여 분석검토치 않으면 안된다. 선상에서 차의 속도별 및 앞뒤차간의 간격등으로 분포교통량의 개개가 일률적인 인자라 볼 수 없는 것은 사실이나 좀더 구체적으로 그 요인을 제어공학적 해석방법으로써 분석하여 이들을 각각 외란들로 간주하고 나아가 합성외란을 입력과 출력의 차인 오차로 간주했다. 외란은 시간의 함수이므로 첫째 환경조건으로써 도로의 상태 및 기후, 둘째 차량자체의 구조 및 성능으로부터 오는것, 세째 운전자(입간)의 정신적 신체적조건등으로 구분하여 검토하고 본논문은 기존환경조건을 최대로 활용하는 견지에서 첫째의 경우를 일정하다고 보고, 다만 차와 운전자에 대한것만 요인으로 취하였다. 안정화 대책으로써 오차요소별 최소화를 시도했으며, 그 결과 신원최적제어주기설정을 위한 방안이 구체적으로 제시되었고, 주로 외란의 요인을 제거하므로써 최적제어가 가능케됨을 입증해주고 있다.

• 한국재난정보학회 논문집
• /
• 제20권1호
• /
• pp.138-146
• /
• 2024

연구목적: 본 연구는 대설 상황 발생시 신속하고 효율적인 도로 제설을 위해 제설 차량과 장비 등에 정보통신기술과 스마트 모빌리티 기술을 활용한 사례들을 찾아보고, 활용방안을 모색하는 것을 목적으로 한다. 연구방법: 국내 및 해외 제설작업 방법에 대한 사례를 조사하고 신 기술을 접목한 제설운영방법을 제시한다. 연구결과: 우리나라 제설장비 운영은 GPS와 CCTV, 도로교통 정보시스템을 활용한 방법이 대부분이며 해외의 경우 도로기상 정보시스템과 도로제설모니터링 시스템을 활용한다. 향후 스마트모빌리티인 자율주행 제설차량을 활용한 제설기술이 개발 될 것을 기대한다. 결론: 본 연구의 결과는 지자체 및 관련 기관의 제설 장비와 제설 차량 활용 정책에 기여할 수 있다.

• 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.

• 한국정보전자통신기술학회논문지
• /
• 제14권3호
• /
• pp.223-230
• /
• 2021

현재 자율주행차량은 테스트 이후 상용화를 눈앞에 두고 있다. 그러나 아직 자율주행차량이 완벽히 상용화되지 않았음에도 81건의 사고가 발생했으며, 사고를 피하기 위한 차량의 주행 방식은 LiDAR에 많이 의존하고 있다. 현재 상용화된 3레벨 자율주행차량이 4레벨 자율주행차량으로 발전하기 위해서는 기존에 수집되는 정보보다 더 많은 정보를 수집해야만 한다. 따라서 본 논문에서는 기존의 자율주행차량에서 수집하는 정보인 도로 정보, 기상정보를 포함하여 차량이 주행 중인 도로의 거칠기와 자기 자신 및 주변 차량의 탑승객 상태를 정확하게 인식하여 차량이 처한 위기 상황을 정확하게 계산하는 Driving Situation Judgment System (DSJS)을 제안한다. DSJS의 PDM에 대한 실험 결과, PDM은 기존 차량의 탑승객 인식 시스템보다 평균적으로 15.52% 더 정확하게 탑승객을 분류할 수 있었다. 본 연구는 기존 3단계 자율주행차량이 수집하는 데이터보다 더 다양한 종류를 수집하여 4단계 자율주행차량을 달성하는 기초연구가 될 수 있다.

• 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.

• 한국대기환경학회지
• /
• 제34권5호
• /
• pp.735-747
• /
• 2018

Rainfall depth is an important meteorological information. Generally, high spatial resolution rainfall data such as road-level rainfall data are more beneficial. However, it is expensive to set up sufficient Automatic Weather Systems to get the road-level rainfall data. In this paper, we propose to use deep learning to recognize rainfall depth from road surveillance videos. To achieve this goal, we collect a new video dataset and propose a procedure to calculate refined rainfall depth from the original meteorological data. We also propose to utilize the differential frame as well as the optical flow image for better recognition of rainfall depth. Under the Temporal Segment Networks framework, the experimental results show that the combination of the video frame and the differential frame is a superior solution for the rainfall depth recognition. The final model is able to achieve high performance in the single-location low sensitivity classification task and reasonable accuracy in the higher sensitivity classification task for both the single-location and the multi-location case.

• 융합정보논문지
• /
• 제11권7호
• /
• pp.14-20
• /
• 2021

겨울철 도로 결빙으로 인한 사고는 대부분 큰 사고로 이어진다. 이는 운전자가 도로의 결빙을 사전에 자각하기 어렵기 때문이다. 본 연구에서는 AutoML과 CNN의 앙상블 모델을 이용하여 도로교통 이머징 리스크를 정확하게 탐지하는 방법을 연구한다. 비정형 데이터인 이미지를 이용한 CNN 이미지 특징 추출 기반 도로교통 이머징 리스크 분류 모델과 정형 데이터인 기상 데이터를 이용한 AutoML 기반 도로교통 이머징 리스크 분류 모델을 각각 학습시킨다. 그 후 모델들에서 도출된 확률값을 입력하여 CNN 기반 분류 모델을 보완하도록 앙상블 모델을 설계한다. 이를 통해 도로교통 이머징 리스크 분류 성능을 향상하고 더 정확하고 빠르게 운전자에게 경고하여 안전한 주행이 가능하도록 한다.