http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
커넥티드 차량 보급률 기반 고속도로 돌발상황 검지시간 추정
남상기,정연식,김회경,김원길 한국ITS학회 2023 한국ITS학회논문지 Vol.22 No.3
최근 인공지능 (Artificial Intelligence: AI) 기술 발전으로 폐쇄회로 TV(Closed-Circuit television: CCTV)와 같은 영상 센서에 AI 기술을 도입하여 특정 돌발상황을 검지하고 있으나 대부분 고정식장비 기반으로 돌발상황 검지가 진행되어왔다. 따라서 모든 도로 공간에 대한 돌발상황 검지에는한계가 존재해왔다. 그러나 영상 센서와 edge-computing 기술 등의 발전으로 이동식 영상정보수집 및 분석 기술이 확산되고 있다. 본 연구는 이러한 이동식 영상 수집 및 분석 장비(커넥티드차량)의 도입 수준에 따른 돌발상황 검지시간 감소효과를 추정하는 것이 목적이다. 이를 위해2021년 경부고속도로 수원지사에서 수집된 돌발상황 발생 건수 자료를 활용하였다. 분석 결과편도 2차로 고속도로는 커넥티드 차량의 보급률(Market Penetration Rate: MPR)이 4% 이상, 편도3차로 고속도로는 3% 이상이면 돌발상황 검지 시간이 1분 이하로 나타났고, 편도 2차로와 편도3차로 고속도로에서 MPR이 각각 0.4% 이상, 0.2% 이상이면 한국도로공사에서 발표한 평균 돌발상황 검지시간 보다 감소하는 것으로 나타났다.
차량 내 영상 센서 기반 고속도로 돌발상황 검지 정밀도 평가
남상기,정연식 한국ITS학회 2023 한국ITS학회논문지 Vol.22 No.6
With the development of computer vision technology, video sensors such as CCTV are detecting incident. However, most of the current incident have been detected based on existing fixed imaging equipment. Accordingly, there has been a limit to the detection of incident in shaded areas where the image range of fixed equipment is not reached. With the recent development of edge-computing technology, real-time analysis of mobile image information has become possible. The purpose of this study is to evaluate the possibility of detecting expressway emergencies by introducing computer vision technology to dash cam. To this end, annotation data was constructed based on 4,388 dash cam still frame data collected by the Korea Expressway Corporation and analyzed using the YOLO algorithm. As a result of the analysis, the prediction accuracy of all objects was over 70%, and the precision of traffic accidents was about 85%. In addition, in the case of mAP(mean Average Precision), it was 0.769, and when looking at AP(Average Precision) for each object, traffic accidents were the highest at 0.904, and debris were the lowest at 0.629.
정연식,남상기,송태진 대한토목학회 2018 대한토목학회논문집 Vol.38 No.3
This study proposes a novel approach to explore a “travel time budget (TTB)” using a mobile phone signaling data (MPSD), which are passively generated between a mobile phone and a base station. The data analyzied in this study were provided from KT for 8 days (from May 19 to 26 in 2016). They were about 45 million signals passively generated from users whose stay area during night was classified as three areas in Mapo-gu, Seoul and in the city of Sejong. The estmation of TTB was implemented with various pre-processing techniques on the MPSD data in a data-driven analysis. As a result, the TTBs of Mapo-gu, Seoul and Sejong were 82.94 and 80.70 minutes, respectively. The results in this study were also compared with those based on the traditional methods. The authors expectthat this result will help transport experts improve the use of MPSD. 본 연구는 개인 휴대전화와 통신 기지국 간에 발생하는 신호 자료(mobile phone signaling data: MPSD) 기반 통행시간예산(travel time budget: TTB) 산출 방법을 소개한다. 연구를 위해 사용된 데이터는 ㈜케이티(KT)에서 2016년 5월 19일부터 2016년 5월 26일까지 서울특별시 마포구 3개 동과 세종특별자치시가 상주지로 분류된 사용자를 대상으로 수집된 44,781,693건이다. TTB 산출은 Data-Driven 방식으로 진행되며 MPSD에 다양한 전처리 작업을 통해 진행되었다. 그 결과 마포구와 세종시의 TTB는 각각 82.94분과 80.70분으로 나타났으며, 도출한 결과를 평가하기 위해 기존 연구 결과와 비교 분석하였다. 결과적으로 본 연구는 향후 교통분야 MPSD 활용을 위한 초석이 될 것으로 기대된다.