• 한국자동차공학회논문집
• /
• 제14권5호
• /
• pp.115-120
• /
• 2006

A Korean Road Roughness Classification(KRC) method is proposed. Using a dynamic road profiling device equipped with the Accelerometer Established Inertial Profiling Reference(AEIPR) method, road profile measurement is performed on various types of public paved roads in Korea. The road profiling data are processed to classify the characteristics of Korean road roughness. The resultant Korean road roughness classification(KRC) is shown different characteristics compared to the road classification proposed by ISO, MIRA, and Wong. The proposed KRC is composed of 8 classes(A-H, very good-poor) based on the power spectral density and is in good agreements with the characteristics of Korean paved road roughness and can be used well in vehicle ride comfort simulation using domestic road profile.

• 대한임베디드공학회논문지
• /
• 제11권5호
• /
• pp.313-323
• /
• 2016

With the development of autonomous vehicle, there has been active research on advanced driver assistance system for road marking detection using vision sensor and 3D Laser scanner. However, vision sensor has the weak points that detection is difficult in situations involving severe illumination variance, such as at night, inside a tunnel or in a shaded area; and that processing time is long because of a large amount of data from both vision sensor and 3D Laser scanner. Accordingly, this paper proposes a road marking detection and classification method using single 2D Laser scanner. This method road marking detection and classification based on accumulation distance data and intensity data acquired through 2D Laser scanner. Experiments using a real autonomous vehicle in a real environment showed that calculation time decreased in comparison with 3D Laser scanner-based method, thus demonstrating the possibility of road marking type classification using single 2D Laser scanner.

• 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.

• 한국안전학회지
• /
• 제20권3호
• /
• pp.112-119
• /
• 2005

In road tunnel, in order to prevents an accident and minimize the damage of an accident in the case of fire, safety facilities and equipments are integral parts. The type and amount of safety facilities are based on tunnel type and length, traffic flow rate, etc. Therefore many countries use a tunnel classification system that categories tunnel into groups, and specifies the necessary emergency equipment for each group. In this study, for the purpose of classifying tunnel based on tunnel ist investigated the domestic and foreign standards and regulations for safety of road tunnel. As a results, we suggest the method of classification of tunnel by traffic performance, tunnel grade, the volume of traffic, fraction of HGV, rules or regulations for transports of dangerous good through tunnel.

• 한국방재학회 논문집
• /
• 제8권4호
• /
• pp.23-29
• /
• 2008

본 연구는 사망률이 높은 도로 곡선부를 대상으로 도로설계요소를 기반으로 안전도 판단지수를 설정하고 이로부터 사고율을 산정하는 모듈과 곡선부와 곡선부 진입전 직선부에서의 속도차를 추정하는 모형을 개발하고 이로부터 곡선부의 안전도를 판단하는 등 두 개의 모듈을 제시하고 있다. 그리고 이러한 두 개의 모듈을 통합한 통합모델을 통해 곡선부의 안전도를 등급화 할 수 있도록 하는 것을 목적으로 한다.

• 대한교통학회지
• /
• 제26권3호
• /
• pp.53-66
• /
• 2008

본 연구는 기존의 도로기능 분류체계를 보완하면서 유형화된 도로구간들의 교통특성을 규명하기 위해 새로운 관점에서 도로특성분류 개념을 정립하였다. 도로특성분류는 교통계획, 교통운영관리 등의 교통전반으로 설계 및 정책을 수립하고 지침을 마련하는데 중요한 판단자료로 이용될 것으로 기대된다. 또한, 도로특성분류를 위해 일반국도 상시지점 조사자료를 토대로 12개의 설명변수를 산출하였으며, 이 설명변수들간의 상호상관을 통한 잠재구조 및 다중공선성 검토, 요인점수를 추출하는 탐색적 요인분석을 수행하였다. 연구 방향은 탐색적 요인분석의 각 실행단계별 접하게 되는 의사결정 문제를 세밀하게 검토하였으며, 각 논점별로 올바른 평가기준 방법을 제시하여 최종적인 종합결론을 도출하였다. 적정 설명변수와 요인 수를 결정하기 위해 10개의 시나리오를 비교분석한 결과, 처음 제시한 12개의 설명변수를 모두 포함한 경우가 가장 우수한 것으로 분석되었으며, 4개의 요인이 가장 적정한 것으로 나타났다. 본 연구결과는 추후에 다양한 분석방법(군집분석, 회귀분석, 판별분석 등)에 있어서 객관적인 입력자료로 사용됨에 따라 보다 정확한 연구결과가 도출될 것으로 기대된다.

• 한국측량학회지
• /
• 제36권6호
• /
• pp.535-544
• /
• 2018

급변하는 주변상황이나 대형차량과 같은 큰 지형지물에 센서가 가려질 경우에는 센서만을 이용한 완전 자율주행에는 한계가 따른다. 이에 자율주행을 위해서 센서를 이용한 한계점을 극복할 수 있도록 정밀한 도로지도를 부가적으로 이용하는 방법이 사용되고 있다. 본 연구는 국토지리정보원에서 제공하는 지상 MMS(Mobile Mapping System)로 취득된 3차원 점군자료를 이용하여 도로 객체를 분류하는 연구를 수행하였다. 본 연구를 위해서 원본 3차원 점군자료를 전처리 하고, 지면과 비지면점을 분리하기 위한 필터링 기법을 선정하였다. 또한 차선, 가로등, 안전펜스 등에 해당하는 도로객체를 초기 분할한 후 분할된 객체를 머신러닝의 종류인 서포트 벡터 머신을 이용하여 학습시킨 후 분류하였다. 학습데이터는 분할된 도로객체에서 추출한 고유값을 이용한 기하학적 요소와 높이정보만을 사용하였으며 분류결과 전체정확도는 87%, 카파계수는 0.795로 나타났다. 향후 도로객체의 분류를 위하여 기하학적인 요소 뿐만 아니라 다양한 항목을 추가한다면 분류정확도가 높아질 것으로 예상된다.

• 대한전자공학회논문지SP
• /
• 제48권4호
• /
• pp.86-97
• /
• 2011

본 논문에서는 칼라분류 및 방향성 에지정보의 클러스터링과 이들의 통합에 의한 새로운 도로영역 및 차선검출 알고리즘을 제안한다. 도로영역 및 차선을 하나의 인식대상 물체로 취급하고, 통계적 파라미터의 반복 최적화에 의한 칼라정보의 클러스터링을 수행해서 검출과 인식을 위한 초기정보로 사용한다. 다음으로, 칼라정보가 갖는 물체인식 의 한계를 개선하기 위해 에지정보를 검출하고, 관심영역(Region Of Interest for Lane Boundary(ROI-LB))의 추출과 ROI-LB 영역에서 방향성 에지정보의 검출과 클러스터링을 수행한다. 칼라분류 및 에지 클러스터링의 결과를 통합해, 이들 각각의 정보가 갖는 특징을 이용함으로서 도로환경에 적합한 도로영역 및 차선을 검출할 수 있도록 한다. 제안방법은 도로와 차선에 관한 파라미터릭 수학적 모델을 사용하지 않고 칼라 및 에지의 클러스터링 정보에 의한 non-parametric 방법으로 다양한 도로 환경에 유연한 대응이 가능한 장점을 갖는다. 본 제안방법의 유효성을 입증하기 위해 상이한 촬상조건 및 도로환경에서의 영상에 대한 실험결과를 제시한다.

• 한국BIM학회 논문집
• /
• 제6권2호
• /
• pp.29-38
• /
• 2016

Road bridges are deteriorating gradually, and it is forecasted that the number of road bridges aging over 30 years will increase by more than 3 times of the current number. To maintain road bridges in a safe condition, current safety conditions of the bridges must be estimated for repair or reinforcement. However, budget and professional manpower required to perform in-depth inspections of road bridges are limited. This study proposes an estimation model for safety rating of road bridges by analyzing the data from Facility Management System (FMS) and Yearbook of Road Bridges and Tunnel. These data include basic specifications, year of completion, traffic, safety rating, and others. The distribution of safety rating was imbalanced, indicating 91% of road bridges have safety ratings of A or B. To improve classification performance, five safety ratings were integrated into two classes of G (good, A and B) and P (poor ratings under C). This rearrangement was set because facilities with ratings under C are required to be repaired or reinforced to recover their original functionality. 70% of the original data were used as training data, while the other 30% were used for validation. Data of class P in the training data were oversampled by 3 times, and Repeated Incremental Pruning to Produce Error Reduction (RIPPER) algorithm was used to develop the estimation model. The results of estimation model showed overall accuracy of 84.8%, true positive rate of 67.3%, and 29 classification rule. Year of completion was identified as the most critical factor on affecting lower safety ratings of bridges.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2015년도 추계학술발표대회
• /
• pp.1408-1410
• /
• 2015

Information about the painted road markings and other painted road objects play an important part in keeping safety of drivers. Some researchers have presented research approaches and dealt with road markings detection. In this paper, we present comprehensive survey of these techniques, and review some of them like a machine learning method, template matching method for road markings detection and classification, method of detection and classification of road markings using curve-based prototype fitting, signed edge signature method.