[국내논문]통행료징수시스템을 위한 무접점 답판 방식의 차종분류 알고리즘 개발 Development of Vehicle Classification Algorithm using Non-Contact Treadle Sensor for Toll Collect System원문보기
차량의 윤폭과 윤거 정보를 산출하는 답판 센서는 국내 유로 도로의 차종 분류 장치에서 일반적으로 사용 된다. 답판 센서는 차량 정보를 생성하기 위하여, 주행 중인 차랑의 바퀴와 접촉이 필요하며 따라서 이때 발생하는 충격을 견디기 위해 높은 내구성이 요구된다. 최근 한국도로공사가 요금소에서 화물차 고속 차로의 운영을 시작함에 따라, 화물차가 고속 주행할 때 발생하는 설계 기준 이상의 충격으로 인한 답판의 파손과 이에 따른 유지보수 및 관리 비용의 증가가 염려되고 있다. 본 논문에서는 물리적 충격에 대한 내구성을 향상 시킨 무접점 답판 센서를 사용해서, 통과 차량의 차종을 분류하는 알고리즘을 제안하였다. 이는 한국도로공사 6종 분류 방식을 기준으로 하였고, 지방도 1020호선의 창원 요금소를 통과하는 1892대를 대상으로 한 실험에서 99.5%의 분류 정확도를 나타내었고, 무접점 답판을 사용한 차종 분류 장치가 국내 유료 도로에 효과적으로 적용이 가능함을 확인하였다.
차량의 윤폭과 윤거 정보를 산출하는 답판 센서는 국내 유로 도로의 차종 분류 장치에서 일반적으로 사용 된다. 답판 센서는 차량 정보를 생성하기 위하여, 주행 중인 차랑의 바퀴와 접촉이 필요하며 따라서 이때 발생하는 충격을 견디기 위해 높은 내구성이 요구된다. 최근 한국도로공사가 요금소에서 화물차 고속 차로의 운영을 시작함에 따라, 화물차가 고속 주행할 때 발생하는 설계 기준 이상의 충격으로 인한 답판의 파손과 이에 따른 유지보수 및 관리 비용의 증가가 염려되고 있다. 본 논문에서는 물리적 충격에 대한 내구성을 향상 시킨 무접점 답판 센서를 사용해서, 통과 차량의 차종을 분류하는 알고리즘을 제안하였다. 이는 한국도로공사 6종 분류 방식을 기준으로 하였고, 지방도 1020호선의 창원 요금소를 통과하는 1892대를 대상으로 한 실험에서 99.5%의 분류 정확도를 나타내었고, 무접점 답판을 사용한 차종 분류 장치가 국내 유료 도로에 효과적으로 적용이 가능함을 확인하였다.
Vehicle classification system in domestic tollgates is usually to use treadle sensor for calculating wheel width and tread of the vehicle. Due to the impact that occurs when the wheels of the vehicle contact, treadle sensor requires high durability. Recently, KHC(Korea Highway Corporation) began ope...
Vehicle classification system in domestic tollgates is usually to use treadle sensor for calculating wheel width and tread of the vehicle. Due to the impact that occurs when the wheels of the vehicle contact, treadle sensor requires high durability. Recently, KHC(Korea Highway Corporation) began operating high-speed lane for cargo truck. High-speed cargo truck generate more impact the design criteria of previous treadle. Therefore, an increase in the maintenance and management costs of the treadle damage is concerned. In this paper, we propose an algorithm to classify vehicles using non-contact treadle sensors for improving durability from physical impacts. This was based on the KHC's classification criteria and showed a classification accuracy of 99.5 % in one experiment with 1892 vehicles through Changwon tollgate in 1020 local road. Therefore, it shows that vehicle classification system using non-contact treadle sensor could be applied to domestic toll tollgates, effectively.
Vehicle classification system in domestic tollgates is usually to use treadle sensor for calculating wheel width and tread of the vehicle. Due to the impact that occurs when the wheels of the vehicle contact, treadle sensor requires high durability. Recently, KHC(Korea Highway Corporation) began operating high-speed lane for cargo truck. High-speed cargo truck generate more impact the design criteria of previous treadle. Therefore, an increase in the maintenance and management costs of the treadle damage is concerned. In this paper, we propose an algorithm to classify vehicles using non-contact treadle sensors for improving durability from physical impacts. This was based on the KHC's classification criteria and showed a classification accuracy of 99.5 % in one experiment with 1892 vehicles through Changwon tollgate in 1020 local road. Therefore, it shows that vehicle classification system using non-contact treadle sensor could be applied to domestic toll tollgates, effectively.
본 논문은 무접점 답판 센서를 차종 분류 장치에 적용 가능한 알고리즘을 제안하였다. 제안된 방식은 윤거/윤폭 정보를 포함하여 축수, 진행 방향, 차량 길이 등에 대한 정보를 통해 한국도로공사 6종 차종 분류를 수행한다.
제안 방법
본 논문에서는 무접점 답판 센서의 특징을 분석하고, 이를 적용한 차종분류장치의 구성 및 단계별 알고리즘을 제안하였으며, 현장 실험을 통해 무접점 답판 센서를 적용한 차종 분류 장치가 유효함을 증명하였다.
본 논문은 무접점 답판 센서를 차종 분류 장치에 적용 가능한 알고리즘을 제안하였다. 제안된 방식은 윤거/윤폭 정보를 포함하여 축수, 진행 방향, 차량 길이 등에 대한 정보를 통해 한국도로공사 6종 차종 분류를 수행한다. 또한 다양한 상황에 대한 예외 처리를 통해 분류 정확도를 높였으며, 이를 포함한 각 단계의 처리를 최대한 단순화하여 고속 주행 차량에도 분류가 가능하도록 하였다.
대상 데이터
제안된 차종 분류 알고리즘의 유효성을 검증하기 위하여 불모산 IC 인근, 지방도 1020호선에 위치한 창원 요금소에서 실제 현장 실험을 하였다.
실험은 상행 1개 차로를 통과하는 임의의 차량을 대상으로 하였으며, 총 1892대 차량에 대한 정보를 수집하여 그 결과를 분석하여 그림 10에 보였다.
성능/효과
마지막으로 실제 운영 중인 창원요금소에서 테스트를 진행하였고, 임의의 차량에 대해 전체 평균 99.5 %의 차종 분류 정확도를 보여, 제안된 알고리즘의 유효성을 증명하였다.
후속연구
이 후, 차종 분류 정확도의 개선을 위해, 1종 차량에 대한 차종 분류 기준 및 CDO 대한 응답 속도 그리고 무접점 답판의 물리적 감도 개선에 대한 연구가 필요하며, 동시에 무접점 답판의 노후 사용 시, 오류 상황에 대한 변화를 관찰하는 것이 필요 된다.
질의응답
핵심어
질문
논문에서 추출한 답변
차량의 윤폭과 윤거 정보를 산출하는 답판 센서는 어디에 사용되나요?
차량의 윤폭과 윤거 정보를 산출하는 답판 센서는 국내 유로 도로의 차종 분류 장치에서 일반적으로 사용 된다. 답판 센서는 차량 정보를 생성하기 위하여, 주행 중인 차랑의 바퀴와 접촉이 필요하며 따라서 이때 발생하는 충격을 견디기 위해 높은 내구성이 요구된다.
차종 분류 장치 중 답판을 제외한 방법이 실사용이 되지 않는 이유는 무엇인가?
차종 분류 장치의 종류는 레이저를 이용하여 차고의 높이를 측정하는 방식[1], 루프와 피에죠 센서를 이용하여 축수와 차장을 측정하는 방식[2-3], 카메라 영상과 차량 모델링 데이터를 이용하여 측정하는 방식[4-5], 마지막으로 답판(Treadle)를 이용하여 윤거, 윤폭, 축수를 측정하는 방식으로 분류 할 수 있다. 그러나 답판 방식을 제외한 측정 방식은 눈이나 비와 같은 환경 조건에서 신뢰성이 낮고, 또한 그 차종 분류 정확도 오차가 답판에 비교하여 상대적으로 커서, 국내에서는 일반 도로 상의 차량의 통계에만 적용되며 실제 요금 장비에서는 적용되지 않는다.
차종 분류 장치의 종류에는 무엇이 있나요?
차종 분류 장치의 종류는 레이저를 이용하여 차고의 높이를 측정하는 방식[1], 루프와 피에죠 센서를 이용하여 축수와 차장을 측정하는 방식[2-3], 카메라 영상과 차량 모델링 데이터를 이용하여 측정하는 방식[4-5], 마지막으로 답판(Treadle)를 이용하여 윤거, 윤폭, 축수를 측정하는 방식으로 분류 할 수 있다. 그러나 답판 방식을 제외한 측정 방식은 눈이나 비와 같은 환경 조건에서 신뢰성이 낮고, 또한 그 차종 분류 정확도 오차가 답판에 비교하여 상대적으로 커서, 국내에서는 일반 도로 상의 차량의 통계에만 적용되며 실제 요금 장비에서는 적용되지 않는다.
참고문헌 (12)
J. Oh, K. Jang, and M. Kim, "Improvement of Vehicle Classification Method using Vehicle Height Measurement," J. of the Korean Society of Road Engineers (KSRE), vol. 12, no. 4, Dec. 2010, pp. 47-51.
S. Kwon and Y. Seo, "New Vehicle Classification Algorithm with Wandering Sensor," The J. of Korean Society of Transportation (JKST), vol. 27, no. 6, Dec. 2009, pp. 79-87.
S. Cho, D. Lee, and S. Ruy, "A Study on Efficient Vehicle Classification based on 3-Piezo Sensor AVC SYSTEM," The J. of the Institute of Internet, Broadcasting and Communication (IIBC), vol. 13, no. 3, June 2013, pp. 25-31.
S. Fazli, S. Mohammadi, and M. Rahmani, "Neural Network based Vehicle Classification for Intelligent Traffic Control," Int. J. of Software Engineering & Applications (IJSEA), vol. 3, no. 3, May 2012, pp. 17-22.
S. Messelodi, C. Modena, and G. Cattoni, "Vision-based bicycle/motorcycle classification," Pattern Recognit. Lett, vol. 28, no. 13, Oct. 2007, pp. 1719-1726.
T. Shin, "A vehicle classification system using a treadle for vehicle driving in multi-lane," Korean Intellectual Property Office (KIPO), Patent Application no. 10-2013-0089994, 30 July 2013.
W. Zhang, Q. Wang, and C. Suo, "A Novel Vehicle Classification Using Embedded Strain Gauge Sensors," Int. J. of Sensors, vol. 8, no. 11, Nov. 2008, pp. 6952-6971.
S. Jang and Y. Kim, "Vehicles classification apparatus of non contacting type," Korean Intellectual Property Office (KIPO), Patent Application no. 10-2012-0019455, 27 Feb. 2012.
Y. Seo, C. Lew, and B, Lee, "Development of wheel width and tread acquisition algorithm using non-contact treadle sensor," J. of the Korea Institute of Electronic Communication Sciences, vol. 11, no. 6, 2016, pp. 627-634.
K. Jang and S. Kwak, "Fast Center Lane Detection Method for Vehicle Applications," J. of the Korea Institute of Electronic Communication Sciences, vol. 9, no. 6, 2014, pp. 649-656.
K. Park and H. Kim, " A Study for Video-based Vehicle Surveillance on Outdoor Road," J. of the Korea Institute of Electronic Communication Sciences, vol. 8, no. 11, 2013, pp. 1647-1653.
H. Kim, J. Park, K. Kim, and J. Do, "A Vehicle Detection and Tracking Algorithm Using Local Features of The Vehicle in Tunnel," J. of the Korea Institute of Electronic Communication Sciences, vol. 8, no. 8, 2013, pp. 1179-1186.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.