$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

확률기반 계층적 네트워크를 활용한 교차로 교통사고 인식 및 분석 시스템
A Traffic Accident Detection and Analysis System at Intersections using Probability-based Hierarchical Network 원문보기

정보과학회논문지. Journal of KIISE. 컴퓨팅의 실제 및 레터, v.16 no.10, 2010년, pp.995 - 999  

황주원 (연세대학교 컴퓨터과학과) ,  이영설 (연세대학교 컴퓨터과학과) ,  조성배 (연세대학교 컴퓨터과학과)

초록
AI-Helper 아이콘AI-Helper

매년 차량의 수가 꾸준히 증가함에 따라 이에 비례하여 도로의 혼잡도와 사고 발생률 또한 증가되고 있다. 이와 같은 교통문제를 완화하기 위해서 도로 설계 및 신호 체계 등이 발전되고 있음에도 불구하고 교통사고로 인한 인명 및 재산 피해는 감소되지 않고 있다. 본 논문에서는 발생원 사고를 실시간으로 인식하여 이에 빠르게 대응함으로써 후속사고를 예방하고 사고 원인을 파악하기 위한 실시간 사고 인식 및 분석 시스템을 제안한다. 제안하는 시스템은 특정 교차로에서 뿐만 아니라 교통흐름과 디자인이 다른 교차로에서 발생한 사고를 정확히 인식하는 것이 목적이다. 본 연구에서는 실제 교차로에서 수집되는 데이터가 정확하다고 보장할 수 없고, 사고 발생에 쓰이는 데이터는 서로 유기적으로 복잡한 관계가 있기 때문에 정확한 사고 인식을 위해 확률기반 연산을 하는 동적 베이지안 네트워크를 이용하였다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Every year, traffic accidents and traffic congestion have been rapidly increasing, Although the roadway design and signal system have been improved to relieve traffic accidents, traffic casualties and property damage do not decrease. This paper develops a real-time traffic accident detection and ana...

주제어

#교차로에서의 교통사고   #교통사고 인식 시스템   #실시간 교통사고 인식 시스템   #동적 베이지안 네트워크  

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 그러나 더 많은 시점을 고려할수록 노드의 수가 증가하며 노드간의 관계를 정의하는 조건부확률테이블의 크기가 증가된다. 따라서 본 연구에서는 더 많은 시점을 고려하되, 위의 문제를 극복하기 위해서 이전단계에서 추론된 결과를 반영할 수 있는 가상노드로 추가하여 현재시점에 반영될 수 있도록 하였다. 이 경우 한정된 노드의 수로 더욱 많은 시간대의 상황을 고려할 수 있다는 장점이 있다.
  • 그러나 실제로 교차로의 모양과 차선의 수, 교통량과 같은 특징이 각각 다르며, 일반 도로보다 더욱 복잡한 교차로의 특성과 다양한 상황에 따라 증거데이터들의 값이 유기적인 관계를 가지며 변화하기 때문에 사고발생 상황을 인식하는 것은 간단한 문제가 아니다. 따라서 본 연구에서는 위의 문제를 극복할 수 있는 시스템을 설계하기 위해서 각각의 특징이 다른 교차로에서 수집된 사고 비디오를 분석하여 사고 발생과 분석한 중거데이터들과의 관계, 증거 데이터들 간의 관계, 증거데이터들이 갖는 상태 값에 따른 관계를 정의하였다. 제안하는 방법에서는 앞서 프레임에서 추출한 다양한 특징 정보를 사용하지만 복잡한 교차로에서의 객체 추출과 특징 정보 추출은 정확하지 않을 수 있으며, 특정 상황에서는 불확실한 정보를 수집할 가능성이 있기 때문에 이를 극복하고 앞서 정의한 관계들을 효율적으로 표현하기 위해서 베이지안 네트워크를 이용하였다.
  • 제안하는 방법은 특징 정보들 간의 유기적인 관계를 고려하기 위해서 확률기반 네트워크 를 사용하여 네트워크를 설계하였으며, 가상노드를 이용하여 이전 시간대의 추론 결과가 현재 시간대의 추론에 반영할 수 있도록 설계하여 한정된 노드로 더욱 많은 시간대의 상황을 고려할 수 있도록 하였다. 또한 계층적 네트워크를 사용하여 사고발생 뿐만 아니라 사고종류에 대해서도 인식하고자 하였다. 실험 결과 타 시스템보다 높은 성능을 보임을 확인하였다.
  • 본 논문에서는 교차로에서의 사고 이벤트 발생을 감지하고 사고처리에 신속히 대응하여 후속사고 발생을 예방할 수 있는 시스템을 제안하였다. 제안하는 방법은 특징 정보들 간의 유기적인 관계를 고려하기 위해서 확률기반 네트워크 를 사용하여 네트워크를 설계하였으며, 가상노드를 이용하여 이전 시간대의 추론 결과가 현재 시간대의 추론에 반영할 수 있도록 설계하여 한정된 노드로 더욱 많은 시간대의 상황을 고려할 수 있도록 하였다.
  • 실제로 사고발생을 실시간으로 처리하기 위한 방법은 CCTV를 이용하여 모니터 요원들이 원격 감시하는 방식으로 가동되고 있다. 이는 많은 인력 소모와 피로의 문제가 발생할 수 있기 때문에 효율적이 방법이 아니다[31 본 논문에서는 교차로에서의 사고 발생을 감지하여 후속사고 발생을 예방할 수 있는 시스템 개발을 목표로 하며, 인식하고자 하는 것은 교차로에서 발생한 차대 차 사고와 차대보행자 사고이다. 제안하는 실시간 사고 인식 및 분석 시스템 (RTADAS : Real-time Accident Detection and Analysis System)은 교차로에 설치된 비디오 카메라를 이용하는 영상 정보 수집 부분, 수집된 데이터를 사용 가능한 값으로 변환시키는 전처리 부분, 교차로에서의 이벤트 발생을 판단하는 추론 부분으로 구성하였다.
본문요약 정보가 도움이 되었나요?

참고문헌 (14)

  1. F. D. Salim and S. W. Loke, "Collision pattern modeling and real-time collision detection at road intersections," Proc. of 2007 IEEE Intell. Trans. Syst. Conf., pp.161-166, 2007. 

  2. K. Stubbs, H. Arumugam and O. Masoud, "A real-time collision warning system for intersection," Proc. of Intell. Trans. Syst., America, 2003. 

  3. K. Zhang and M. A. P. Taylor, "Effective arterial road incident detection: a bayesian network based algorithm," Transportation Research Part C: Emerging Technologies, vol.14, no.6, pp.403-417, 2006. 

    상세보기 crossref

  4. D. Gao and J. Zhou, "Adaptive background estimation for real-time traffic monitoring," Proc. of IEEE Intell. Trans. Syst. Conf., pp.330-333, 2001. 

  5. A. Lozano, G. Manfredi and L. Nieddu, "An algorithm for the recognition of levels of congestion in road traffic problems," Mathematics and Computers in Simulation, vol.79, no.6, pp.1926-1934, 2007. 

  6. Y. K. Ki and D. Y. Lee, "A traffic accident recording and reporting model at intersections," IEEE Trans. Intell. Trans. Syst., vol.8, no.2, pp.188-194, 2007. 

    상세보기 crossref

  7. F. Yuan and R. L. Cheu, "Incident detection using support vector machines," Transp. Research C, vol.11, no.3 pp.309-328, 2003. 

    상세보기 crossref

  8. S. Kamijo, Y. Matsushita, K. Ikeuchi and M. Sakauchi, "Traffic monitoring and accident detection at intersections," IEEE Trans. Intell. Trans. Syst., vol.1, no.2, pp.108-188, 2000. 

    상세보기 crossref

  9. Y. Zhang and Y. Xie, "Application of genetic neural networks to real-time intersection accident detection using acoustic signals," Trans. Res. Board, vol.1968, pp.75-82, 2006. 

    상세보기 crossref

  10. L. M. Bruce, N. Balraj, and Y. Zhang, "Automated accident detection in intersections via digital audio signal processing," Trans. Reseach Review, Journal of the Trans. Research Board, 2003. 

  11. F. D. Salim, W. Loke, A. Rakotonirainy, B. Srinivasan and S. Krishnaswamy, "Collision pattern modeling and real-time collision detection at road intersections," Proc. of IEEE Intell. Trans. Syst. Conf., pp.161-166, 2007. 

  12. S. Sun, C. Zhang and G. Yu, A bayesian network approach to traffic flow forecasing," IEEE Transactions on Intelligent, vol.7, no.1, pp.124-132, 2006. 

    상세보기 crossref

  13. K. S. Hwang and S. B. Cho, "Learning of bayesian network," KROS Proc., vol.3, no.4, .pp.15-27, 2008. 

  14. K. B. Korb and A. E. Nicholson, Bayesian Artificial Intelligence, Chapman & Hall/CRC, 2003. 

저자의 다른 논문 :

LOADING...

관련 콘텐츠

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로