• 대한교통학회지
• /
• 제14권2호
• /
• pp.119-136
• /
• 1996

The evaluation of risk level or possibility of traffic accidents is a fundamental task in reducing the dangers associated with current transportation system. However, due to the lack of data and basic researches for identifying such factors, evaluations so far have been undertaken by only the experts who can use their judgements well in this regard. Here comes the motivation this thesis to evaluate such risk level more or less in an automatic manner. The purpose of this thesis is to test the fuzzy-logic theory in evaluating the risk level of traffic accidents. In modeling the process of expert's logical inference of risk level determination, only the geometric features have been considered for the simplicity of the modeling. They are the visibility of road surface, horizontal alignment, vertical grade, diverging point, and the location of pedestrain crossing. At the same time, among some inference methods, fuzzy composition inference method has been employed as a back-bone inference mechanism. In calibration, the proposed model used four sites' data. After that, using calibrated model, six sites' risk levels have been identified. The results of the six sites' outcomes were quite similar to those of real world other than some errors caused by the enforcement of the model's output. But it seems that this kind of errors can be overcome in the future if some other factors such as driver characteristics, traffic environment, and traffic control conditions have been considered. Futhermore, the application of site's specific time series data would produce better results.

• 전기전자학회논문지
• /
• 제27권3호
• /
• pp.345-349
• /
• 2023

본 논문은 영상장치를 이용한 차세대 스마트 LED 전광판의 불량픽셀 검출을 위한 딥러닝 구조 개발에 관한 연구를 제안한다. 이 연구에서는 영상장치를 활용하여 딥러닝을 통해 실외 LED 전광판의 결함을 자동으로 검출하는 기법을 제안한다. 이를 통해 LED 전광판의 효율적인 관리와 발생할 수 있는 다양한 오류와 문제를 해결하고자 한다. 연구 과정은 3단계를 거쳐 이루어진다. 첫 번째로, 평면화된 전광판 이미지 데이터를 calibration을 통해 배경을 완전히 제거하고 필요한 전처리 과정을 거쳐 학습 데이터셋을 생성한다. 두 번째로, 생성된 데이터셋은 객체 인식 네트워크를 학습을 시키는 데 활용된다. 네트워크는 Backbone과 Head로 구성된다. Backbone에서는 CSP-Darknet을 활용하여 특징 맵을 추출하고, Head에서는 추출된 Feature Map을 기반으로 물체를 검출한다. 이 과정에서 네트워크는 Confidence score와 IoU가 일치하도록 오차를 수정하며 지속적으로 학습된다. 세 번째에서는 생성된 모델을 활용하여 실제 실외 LED 전광판에서 불량픽셀을 자동으로 검출한다. 본 논문에서 제안하는 방법을 적용하여 LED 전광판의 불량픽셀 검출에 대한 공인 측정 실험 결과로는 실제 LED 전광판에서 불량픽셀을 100% 검출한 결과를 얻을 수 있었다. 이를 통해 LED 전광판의 불량 관리와 유지보수의 효율성이 향상되었음을 확인할 수 있다. 이러한 연구 결과는 LED 전광판 관리의 획기적인 개선을 이룰 것으로 기대된다.

• 한국항공우주학회지
• /
• 제40권1호
• /
• pp.49-60
• /
• 2012

합성 개구면 레이다(SAR: synthetic aperture radar)는 날씨 및 주 야간에 관계없이 고해상도의 영상을 형성할 수 있기 때문에 다양한 분야에서 활용되고 있다. 본 논문에서는 고해상도 SAR 설계시 경사거리와 합성개구면의 길이가 영상형성에 미치는 영향을 RMA 시뮬레이터를 이용하여 성능분석을 수행하였다. 형성된 영상의 성능은 직접 육안으로 확인할 수 있었으나, 영상을 분석하는 수치로서도 성능평가가 가능하였다. 보다 구체적으로, 다양한 경사거리와 합성개구면의 길이 변화와 영상획득을 위한 기하구조에 따라 이상적인 점표적에 대한 시뮬레이션의 원시 데이터를 생성하였고, Spotlight 영상 형성 알고리듬을 이용하여 이에 따른 점표적 응답특성의 공간 해상도, 최대 부엽 수준, 누적 부엽 수준에 대한 성능분석을 수행하였다.

• Advances in aircraft and spacecraft science
• /
• 제9권5호
• /
• pp.449-462
• /
• 2022

Space-telescopes placed in the Sun-Earth second Lagrange point (L2) observe the sky following a scan strategy that is usually based on a spin-precession motion. Knowing which regions of the sky will be more observed by the instrument is important for the science operations and the instrument calibration. Computing sky observation parameters numerically (discretizing time and the sky) can consume large amounts of time and computational resources, especially when high resolution isrequired.This problem becomesmore critical if quantities are evaluated at detector level instead of considering the instrument entire Field of View (FoV). In previous studies, the authors have derived analytic solutions for quantities that characterize the observation of each point in the sky in terms of observation time according to the scan strategy parameters and the instrument FoV. Analytic solutions allow to obtain results faster than using numerical methods as well as capture detailed characteristics which can be overseen due to discretization limitations. The original approach is based on the analytic expression of the instrument trace over the sky. Such equations are implicit and thusrequiresthe use of numeric solversto compute the quantities.In this work, a new and simpler approach for computing one ofsuch quantities(mean observation time) is presented.The quantity is first computed for pure spin motion and then the effect of the spin axis precession is incorporated under the assumption that the precession motion is slow compared to the spin motion.In this sense, this new approach further simplifies the analytic approach, sparing the use of numeric solvers, which reduces the complexity of the implementation and the computing time.

• 전자공학회논문지
• /
• 제54권1호
• /
• pp.96-110
• /
• 2017

기존의 차량 검출 연구들의 대부분은 일반렌즈 또는 광각렌즈를 가지는 후방 카메라를 사용하기 때문에 사각지대가 넓으며, 영상에 노이즈 및 다양한 외부 환경에 취약한 부분이 있다. 본 논문에서는 사각지대를 줄이고, 노이즈 및 가혹한 외부 환경에서도 인식이 가능한 검출 방법을 제안한다. 먼저 광각렌즈보다 더 넓은 화각을 가진 어안렌즈를 이용해 사각지대를 최소화한다. 렌즈의 화각이 커진 만큼 비선형 방사왜곡도 커지게 되므로, 정확한 영상 결과를 얻기 위해서 왜곡 상수 초기화와 최적화를 실시한 후 Calibration을 이용하였다. 그리고 Calibration과 동시에 원본 영상을 분석하여 안개가 자욱한 상황과 갑작스러운 조도 변화로 인해 생기는 명순응, 암순응 현상에 의한 시야 방해 상황에서도 인식이 가능하도록 안개 제거와 밝기 보정을 이용하였다. 안개 제거는 일반적으로 계산 시간이 매우 크다. 따라서 계산 시간을 줄이기 위해 대표적인 안개 제거 알고리즘인 Dark channel prior를 기반으로 안개를 제거하였다. 밝기 보정 시에는 Gamma correction을 이용했고, 보정에 필요한 Gamma value를 결정하기 위해 영상에 대한 밝기 및 명암 평가가 수행하였다. 평가는 영상의 전체가 아닌 일부분을 이용하여 할애되는 계산시간을 줄였다. 밝기 및 명암 값이 계산되면 그 값을 이용해 Gamma value를 결정하고 전체 영상에 보정을 실시하였다. 그리고 밝기 보정과 안개 제거로 나누어 병렬 처리한 후, 영상을 하나로 정합함으로써 전 처리 과정의 연산시간을 줄였다. 이후 보정된 영상으로부터 특징추출법인 HOG를 이용하여 차량을 검출하였다. 그 결과 본 논문에서 제안하는 방법의 영상 보정을 이용한 차량 검출을 하는데 1프레임당 0.064초가 걸렸으며, 기존의 차량 검출 방법에 비해 7.5%의 향상된 검출률을 얻었다.

• 천문학회지
• /
• 제48권2호
• /
• pp.125-137
• /
• 2015

We report results of the performance evaluation of a new hardware correlator in Korea, the Daejeon correlator, developed by the Korea Astronomy and Space Science Institute (KASI) and the National Astronomical Observatory of Japan (NAOJ). We conduct Very Long Baseline Interferometry (VLBI) observations at 22 GHz with the Korean VLBI Network (KVN) in Korea and the VLBI Exploration of Radio Astrometry (VERA) in Japan, and correlated the aquired data with the Daejeon correlator. For evaluating the performance of the new hardware correlator, we compare the correlation outputs from the Daejeon correlator for KVN observations with those from a software correlator, the Distributed FX (DiFX). We investigate the correlated flux densities and brightness distributions of extragalactic compact radio sources. The comparison of the two correlator outputs shows that they are consistent with each other within < 8%, which is comparable with the amplitude calibration uncertainties of KVN observations at 22 GHz. We also find that the 8% difference in flux density is caused mainly by (a) the difference in the way of fringe phase tracking between the DiFX software correlator and the Daejeon hardware correlator, and (b) an unusual pattern (a double-layer pattern) of the amplitude correlation output from the Daejeon correlator. The visibility amplitude loss by the double-layer pattern is as small as 3%. We conclude that the new hardware correlator produces reasonable correlation outputs for continuum observations, which are consistent with the outputs from the DiFX software correlator.

• 한국터널지하공간학회 논문집
• /
• 제19권6호
• /
• pp.915-936
• /
• 2017

본 논문에서는 2016년을 기준으로 강화된 터널 방재시설 설치 및 관리지침과, 점차 강화되고 있는 터널 CCTV설치 터널등급 기준과 터널 영상유고감지 시스템의 설치 운용에 대한 요구의 증가 상황을 정리해 보고하였다. 그럼에도, 가동중인 알고리즘 기반의 터널 영상유고감시 시스템의 정상 인지율은 50%가 채 되지 않는 것으로 파악되었으며, 그에 대한 주원인은 터널 내 낮은 조도, 심한 먼지로 인한 영상 선명도 저하, 낮은 CCTV 설치위치로 인한 이동객체의 겹침현상 등으로 파악되었다. 따라서, 본 연구에서는 이러한 열악한 조건에서도 영상유고 정상 인지율을 확보할 수 있는 딥러닝 기반 영상유고감지 시스템을 개발하였으며, 이에 대한 이론적 배경 제시와 시스템의 타당성 검토 연구가 진행되었다. 개발 시스템의 타당성 검토 연구는 터널 방재시설 및 관리지침 내 영상유고감지 항목중 정지 및 역주행 차량을 감지하는 주요 정보인 차량 객체 인식과 보행자 감지를 중심으로 진행되었다. 또한, (1) 동일 터널 내에서 학습과 추론이 이루어 지는 경우와 (2) 다양한 터널의 영상 정보를 통합 학습하고, 각 터널의 영상유고감지에 투입되는 경우, 두개의 시나리오를 설정하여 타당성 검토를 진행하였다. 두 시나리오 모두 일정 시간의 학습 자료와 유사한 상황에 대해서는 열악한 터널환경과 무관하게 그 감지성능이 80% 이상으로 우수하나, 추가 학습 없이 학습된 시간 구간과 멀어질수록 그 추론 성능은 상대적으로 낮은 40% 수준으로 떨어짐을 알 수 있었다. 그러나, 시간이 지남에 따라 자동으로 누적되어 확장되는 영상유고 빅데이터를 반복적으로 학습함으로써, 설치된 영상유고감지 시스템의 보완이나 보정절차 없이도 자동으로 그 영상유고감지 성능이 향상될 수 있음을 보였다.