KSII Transactions on Internet and Information Systems (TIIS)
/
제16권8호
/
pp.2473-2489
/
2022
Urban development has brought about the increasing saturation of urban traffic demand, and traffic congestion has become the primary problem in transportation. Roads are in a state of waiting in line or even congestion, which seriously affects people's enthusiasm and efficiency of travel. This paper mainly studies the discrete domain path planning method based on the flow data. Taking the traffic flow data based on the highway network structure as the research object, this paper uses the deep learning theory technology to complete the path weight determination process, optimizes the path planning algorithm, realizes the vehicle path planning application for the expressway, and carries on the deployment operation in the highway company. The path topology is constructed to transform the actual road information into abstract space that the machine can understand. An appropriate data structure is used for storage, and a path topology based on the modeling background of expressway is constructed to realize the mutual mapping between the two. Experiments show that the proposed method can further reduce the interpolation error, and the interpolation error in the case of random missing is smaller than that in the other two missing modes. In order to improve the real-time performance of vehicle path planning, the association features are selected, the path weights are calculated comprehensively, and the traditional path planning algorithm structure is optimized. It is of great significance for the sustainable development of cities.
자율주행시스템에서 다양한 센서를 기반으로 한 외부환경 인지는 주행안전성과 직접적인 관계가 있다. 최근 머신러닝/심층 신경망 기술의 발전으로 심층 신경망 기반의 인지 모델이 사용됨에 따라, 인지 알고리즘의 올바른 학습과 이를 위한 양질의 학습데이터가 필수적으로 요구된다. 그러나 자율주행에 발생할 수 있는 모든 상황을 데이터를 수집하는 것은 현실적인 어려움이 많다. 해외와 국내의 교통 환경의 차이로 인지 모델의 성능이 저하되기도 하며, 센서가 정상동작을 못하는 악천우에 대한 데이터는 수집이 어려우며 질적인 부분을 보장하지 못한다. 때문에, 실제 도로가 아닌 시뮬레이터 내 가상 도로 환경을 구축하여 합성 데이터를 수집하는 접근법이 필요하다. 본 논문에서는 국내 실정에 맞게 국내 도로 상황을 모사한 시뮬레이터 환경 안에 날씨와 조도, 차량의 종류와 대수, 센서의 위치를 다양화하여 학습데이터를 수집하였고, 보다 더 좋은 성능을 위해 적대적 생성 모델을 활용하여 이미지의 도메인을 보다 실사에 가깝게 바꾸고 다양화 하였다. 그리고 위 데이터로 학습한 인지 모델을 실제 도로 환경에서 수집한 시험 데이터에 성능 평가를 진행하여, 실제 환경 데이터만으로 학습한 모델과 비슷한 성능을 내는 것을 보였다.
본 연구는 범죄로부터 안전한 생활환경 조성을 위해 도로망의 형태도 범죄발생에 영향을 미칠 것이라는 가정하에 공간구문론(Space Syntax)을 활용하여 사례지역을 대상으로 실증 분석하였다. 즉 도로별로 통합도, 통제도, 연결도를 공간구문론으로 계산하고, 각 도로별 실제 범죄발생 건수와 상관성을 분석하였다. 다음으로 분석결과를 일반화할 수 있는지를 확인하기 위해 멀티에이전트모형(Multi-Agent Model)을 개발하여 컴퓨터상의 가상공간에서 시나리오를 설정하고 시뮬레이션 하였다. 그 결과 도로망의 통합도가 범죄발생과 가장 연관성이 높은 것으로 분석되었으며, 가상공간 시뮬레이션 결과에도 통합도가 가장 영향을 많이 주는 것으로 나타났다. 본 연구는 멀티에이전트 시뮬레이션에서 실험공간 규모나 에이전트 행동의 프로그래밍에 한계가 있었지만 현실 데이터와 가상공간 시뮬레이션에 의해 도로망 체계와 범죄발생간의 관계를 규명하였다는데 의의가 있다. 또한 본 연구에서 개발된 시뮬레이션 플랫폼은 다양한 실험이 가능하므로 경찰력이나 방범시설의 배치 등 보다 현실적인 문제에 대한 해결방안 모색과 스마트 안전도시를 앞당기는데 기여할 것이다.
V2X 협력통신 시스템은 차량 운전을 쉽고 안전하게 할 수 있도록 도와주는 융합기술로 실제 교통상황에서 이러한 기술을 평가하고 효과를 예상하기 위해서는 실차 기반의 도로 구축과 통신 장비 구축, 검증 전문 인력 투입을 필요로 하며 많은 비용과 시간을 투입해야한다. 위와 같은 이유로 연구소 및 대학에서는 개발한 시스템을 테스트 하는데 어려움을 겪고 있으며, V2X 장비 개발이 가속화됨에 따라 차량 안전 어플리케이션과 V2X 통신기술을 테스트 할 수 있는 신뢰성 있는 테스트베드 구축에 대한 필요성이 증가하고 있다. 본 논문에서는 위와 같은 문제점들을 해결하기 위해 시뮬레이션을 기반으로 하는 테스팅 환경을 구성하기 위하여 External 인터페이스 구현을 통하여 트래픽 시뮬레이터와 네트워크 시뮬레이터를 연동하는 시스템을 구현하였다.
International Journal of Computer Science & Network Security
/
제23권11호
/
pp.67-72
/
2023
In the past decade, Autonomous Vehicle Systems (AVS) have advanced at an exponential rate, particularly due to improvements in artificial intelligence, which have had a significant impact on social as well as road safety and the future of transportation systems. The fusion of light detection and ranging (LiDAR) and camera data in real-time is known to be a crucial process in many applications, such as in autonomous driving, industrial automation and robotics. Especially in the case of autonomous vehicles, the efficient fusion of data from these two types of sensors is important to enabling the depth of objects as well as the classification of objects at short and long distances. This paper presents classification of objects using CNN based vision and Light Detection and Ranging (LIDAR) fusion in autonomous vehicles in the environment. This method is based on convolutional neural network (CNN) and image up sampling theory. By creating a point cloud of LIDAR data up sampling and converting into pixel-level depth information, depth information is connected with Red Green Blue data and fed into a deep CNN. The proposed method can obtain informative feature representation for object classification in autonomous vehicle environment using the integrated vision and LIDAR data. This method is adopted to guarantee both object classification accuracy and minimal loss. Experimental results show the effectiveness and efficiency of presented approach for objects classification.
허브네트워크 설계는 네트워크 내에 전환점 역할을 수행하는 허브를 건설하여 허브에서의 분류, 환적, 집화 등의 과정을 통한 규모의 경제효과로 네트워크의 물류비용을 줄이는 물류정책과정이다. 이는 일반적으로 물류비용을 최소화하기 위한 최적 허브수 및 입지, 그리고 최적 수송경로를 결정하는 것이 목적으로 허브정책, 허브입지, 비허브의 허브할당, 할인율 등의 특성으로 인하여 최적해의 도출이 어려운 NP-Hard문제이다. 본 연구에서는 기 형성된 네트워크 구조에서 수송량 증가에 따른 규모의 경제효과로서 나타나는 비용할인을 반영할 수 있는 Hornor and O'kelly (2001)를 살펴보고, 이를 근간으로 우리나라 전국 도로네트워크를 대상으로 할 인율에 따른 허브가능입지 및 수송경로 변화를 검토하였다. 본 연구는 링크중심의 도로네트워크 경로탐색과 같은 공학적인 접근을 통하여 대규모 도로네트워크와 수송자료를 이용하여 합리적인 시간 내에 최적해를 도출할 수 있는 방법론을 적용하여 우리나라에 적합한 허브네트워크를 제시한다는 점에서 의의가 있다. 나아가, 글로벌 경쟁화로 인한 범세계적 물류 네트워크에서 물류비용절감을 통해 국가 경쟁력을 확보하도록 하는 화물정책적 측면에서 기여할 것으로 판단된다.
본 논문은 고해상도를 가지는 영상에서 겹쳐져있는 소형 물체를 효과적으로 검출하고 추적하는 알고리즘을 제안한다. Coarse to Fine 방식을 기본으로 하는 두 개의 Deep-Learning Network을 앙상블 형태로 구성하여 차량이 존재할 위치를 미리 판단하고 서브영역으로 선택한 이미지로부터 차량을 정확하게 검출한다. Coarse 단계에서는 서로 다른 다수의 Deep-Learning Network 에 대한 각각의 결과로 Voting Space를 생성한다. 각 Voting Space 의 조합을 통해 Voting Map을 만들고 차량이 존재할 위치를 선택한다. Fine 단계에서는 Coarse 단계에서 선택된 영역을 기준으로 서브영역을 추출하고 해당 영역을 최종 Deep-Learning Network 에 입력한다. 서브 영역은 Voting Map을 이용하여 영상에서의 높이에 적합한 크기의 동적 윈도우를 생성함으로써 정의되며, 본 논문에서는 원거리에서 근거리로 접근하는 도로의 이미지를 대상으로 미리 계산된 매핑테이블을 적용하였다. 각 서브 영역 간 이동하는 차량의 동일성 판단은 검출된 영역의 하단 중심점에 대한 근접성을 기반으로 하였으며, 이를 통해 이동하는 차량의 정보를 트래킹 하였다. 실제 주야간 도로 CCTV를 통해 획득한 실시간 영상에서 처리 속도 및 검출 성능을 비교 실험하여 제안한 알고리즘을 평가하였다.
본 연구의 목적은 일반국도에서 계획 시에 예측한 교통량과 실제 개통 이후의 교통량을 비교하여 수요예측의 정확도를 파악하는 것이다. 이를 위해 1980년대와 1990년대에 계획된 총 10개 일반국도 구간을 선정하였다. 예측교통량과 실측교통량의 비교를 위해 계획 시의 보고서를 수집하였으며, 상시교통량 조사지점이 있는 구간을 중심으로 선정하였다. 비교를 위한 지표는 오차율을 이용하였으며, 고속국도 등 네트워크 연계성이 있는 구간과 사회경제지표에 의한 구간으로 구분하여 비교 분석하였다. 분석결과, 네트워크 연계성이 있는 구간은 고속국도의 개통에 의한 영향정도에 대한 정확성이 높을수록 오차율이 낮은 것으로 나타났다. 개통시기에 따른 정확도는 개통 이후에 점차적으로 오차율이 낮아지는 것으로 나타나 긍정적인 것으로 판단되었다. 구간별 단위길이에 따른 정확도는 단위길이가 길수록 오차율이 높아지는 것으로 나타났다. 개통 후 3년 시점을 기준으로 오차율을 고속국도와 비교한 결과 일반국도가 다소 안정적인 패턴을 보이고 있으나 개통연도에 따른 오차율의 변화는 큰 차이가 없는 것으로 나타났다.
자동차와 이동통신기술이 융합된 커넥티드 카 산업이 새로운 블루오션으로 주목받고 있고, 휴대용 전자기기(스마트폰, 태블릿 PC, MP3 플레이어 등)와 자동차를 연결한 각종 인포테인먼트(infotainment) 서비스들도 빠르게 성장하고 있다. 커낵티드 카란 자동차가 주변과 실시간으로 소통하며 운전자에게 안전과 편의를 제공한다는 개념으로 차량 연결성(Connectivity)을 강조하고 자동차에 사물인터넷(IoT)을 채용하여 플랫폼으로 활용, 현재는 실시간 내비게이션, 주차 보조기능, 원격 차량제어 및 관리 서비스뿐만 아니라 이메일, 멀티미디어 스트리밍, SNS 등 엔터테인먼트 서비스를 지원하고 있다. 지능형 자동차 네트워크는 MANET(Mobile Ad Hoc Network)의 한 종류로 도로 상의 자동차들의 안전한 운행 및 운행 효율성 제고 등을 위해 연구되고 있다.
무선 통신 장비의 빠른 확산과 함께 교통 분야에도 새로운 시도가 이루어지고 있다. 무선 통신 기술의 하나인 애드혹 네트워크를 차량에 적용한 Vehicular Ad hoc Networks (VANETs)은 주행중인 차량간의 통신을 가능하게 하여 교통 안전, 혼잡 정보 등의 교통 정보 전달에 활용이 검토되고 있다. 하지만, VANET 기술은 아직 연구 수준이고, 실험에 있어 시간과 비용의 한계 때문에 컴퓨터 모의실험에 의존하고 있다. VANET 기반은 교통과 통신의 통합된 환경임에도 불구하고, 이전 연구에서는 한 분야만의 환경을 고려하였거나, 현실적인 통합 환경을 이루지 못하였다. 본 연구에서는 기존 실험의 한계를 극복하기 위하여, 실제 VANET 기반 교통 시스템에서 발생하는 차량의 움직임과 무선 통신 특성을 표현하기 위한 미시적 교통 모의실험 모형과 통신 모의실험 모형을 시 공간적으로 동기화한 모의실험 환경을 설계하였다. 사례 연구로, 실제 도로 및 교통 수요 자료를 사용하여 설계된 모의실험 환경을 적용하였고, 교통 특성과 통신 특성을 잘 반영하는 결과를 얻었다. 향후, 본 연구에서 설계된 모의실험 환경은 VANET 기반 교통 시스템의 다양한 설계에 활용될 것으로 기대된다.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.