[논문]드론을 활용한 연속류 교통정보 수집·분석에 관한 연구

서성혁; 이시복

doi:10.12815/kits.2018.17.6.144

드론을 활용한 연속류 교통정보 수집·분석에 관한 연구
A Study on Traffic Data Collection and Analysis for Uninterrupted Flow using Drones 원문보기

韓國ITS學會論文誌 = The journal of the Korea Institute of Intelligent Transportation Systems, v.17 no.6, 2018년, pp.144 - 152

서성혁 (영산대학교 스마트시티공학부 드론교통공학전공) , 이시복 (영산대학교 스마트시티공학부 드론교통공학전공)

초록
AI-Helper

본 연구는 기존 교통정보 수집체계의 한계를 보완하기 위한 수단으로써 드론을 사용하였을 경우 교통량, 속도, 밀도 등의 정보를 단시간에 경제적으로 수집 가능하다는 점에 착안하였으며, 이를 위해 드론을 실제 교통현장 촬영영상 분석을 통해 추출된 핵심 교통정보의 타당성 검증과 더불어 다양한 정보수집시나리오 분석을 통해 최적의 교통정보 추출 방법론을 제시하고자 하였다. 본 연구 수행결과, 드론은 단시간에 경제적인 교통정보수집이 가능한 유용한 정보수집 보완수단임은 물론, 매우 간단하고 직관적인 방법으로 연속류 구간의 서비스수준 판정을 가능하게 해 주는 강점이 있는 것으로 확인되었다.

Abstract ▼ AI-Helper

This study focuses on collecting traffic data using drones to compensate for limitation of the data collected by the existing traffic data collection devices. Feasibility analysis was performed to verify the traffic data extracted from drone videos and optimal methodology for extracting data was established through analysis of various data reduction scenarios. It was found from this study that drones are very economical traffic data collection devices and have strength of determining the level-of-service(LOS) for uninterrupted flow condition in a very simple and intuitive way.

주제어

AI 본문요약
AI-Helper

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

문제 정의

따라서 본 연구에서는 드론을 실제 교통현장에 투입하여 촬영한 영상 분석을 통해 교통량, 속도, 밀도 등의 교통정보를 수집․추출하고 그 타당성을 검증하여, 드론을 이용한 연속류 교통정보 수집 및 추출 방법론을 정립하고자 한다.
이상의 연구사례를 종합하면, 드론이 상당부분 교통연구에 유용하게 활용 가능하다는 점은 검증된 셈이지만, 교통정보 수집과 직접 관련된 연구는 지금까지 불과 한두 차례 정도로 미미한 수준인 것으로 파악되었다. 본 연구는 Kim et al.(2017)의 연구에 제시된 방식과는 달리 저고도 비행으로 세분화된 구간별로 단시간 촬영 후 인접구간으로 이동하는 방식으로 드론의 약점인 비행시간의 제약을 최소화 하고자 했으며, 교통밀도 정보 수집에 초점을 맞추어 차별성을 두고자 하였다.
본 연구는 기존 교통정보 수집체계의 한계를 보완하기 위한 수단으로써 드론을 사용하였을 경우 교통량,속도, 밀도 등의 정보를 단시간에 경제적으로 수집 가능하다는 점에 착안하여 시작되었으며, 이를 위해 드론을 실제 교통현장 촬영영상 분석을 통해 추출된 핵심 교통정보의 타당성 검증과 더불어 다양한 정보수집시나리오 분석을 통해 최적의 교통정보 추출 방법론을 제시하고자 하였다.

제안 방법

교통정보 영상자료 수집을 위한 수단으로써 드론을 사용시에는 공간, 비행시간 등에서 다소간의 제약을 받게 되므로 사전 현장답사를 통해 비행가능구역 확인, 시험비행을 통해 이착륙시 안전한 공간 확보 및 기상 상황 등을 고려하였다. 또한, 제한된 비행고도 내에서는 촬영 영상범위에 1.
대표구간 분석 과정에 사용된 방법론 검증을 위해 전체 5개 구간(300m×5개=1.5km)에 대해 중간수준 교통상황(V/C=0.⁵⁸⁾과 동일한 시간대에 구간별로 90초간 호버링 촬영을 실시하였다.
분석결과, 스냅샷 6컷 이상에서는 상대적 범위, 서비스 수준 등 주요 지표상으로 큰 차이가 없고 안정적인 결과가 도출됨에 따라 6컷(드론비행 촬영시간 90초)을 적정 조사분석 시간으로 결정하였다.
수집된 영상자료를 분석하기 위해서는 비디오 분석툴이 필요한데, 본 연구에서는 웹상에서 누구나 내려받을 수 있는 프리웨어 영상 편집 프로그램을 사용하였다. 촬영된 드론영상 분석을 통해 밀도(k), 속도(u) 값을 산출하고 q=k·u 산정식을 통해 교통량(q)을 산정하였다.
이 연구에서는 수집된 영상 분석 시 영상 분석도구를 이용하여 구간을 분할하고 추출된 교통자료를 코딩하였고, 코딩된 자료를 비주얼 베이직(VBA) 프로그래밍을 활용하여 차로별 교통량, 속도,주행시간, 차로변경 횟수 등의 차량주행데이터를 추출하였다는 것이 특징이다. 이 연구는 고고도상에서 30분 이상의 드론 호버링(제자리 비행) 촬영법에 의해 영상정보를 수집한 이후 구간을 분할하여 교통정보를 추출하는 방식을 사용하였다.
5km 전체구간이 들어오지 않으므로 우선 300m 간격의 5개 균일구간으로 나누었으며, 그 중 중앙에 위치하여 물리적으로 대표성이 있다고 판단한 구간을 대표구간으로 선정하였다. 이 후 본 조사 시행을 위해 대표구간의 직상공으로 드론을 위치시킨 후 호버링 비행을 통해 촬영을 실시하였다.

대상 데이터

본 연구의 대상구간으로 부산의 대표적 연속류 도로인 도시고속도로 번영로 원동IC 부근 1.5km길이의 균질구간(구서IC → 원동IC)을 선정하였으며, 방법론 검증시 다양한 교통상황 반영을 위해 3회의 교통상황별(V/C 값 기준) 조사 시간대를 설정, 조사분석을 시행하였다. 해당 도로구간의 제한속도는 80km/h이며, 사전 조사를 통해 비행가능구역 확인 및 이착륙 공간을 확보하였다.
본 연구에서는 교통정보 수집을 위해 시중에서 구입가능한 상용 드론(D사의 P모델)을 사용하였다. 분석대상지역으로는 부산의 대표 연속류 도로인 도시고속도로 번영로 구서IC에서 원동IC 방면 1.5km의 균질(uniform)구간을 선정하였다. 또한, 방법론 검증시 다양한 교통상황 반영을 위해 3회의 조사 시간대를 선정하였다.

데이터처리

구간 평균속도 산출을 위한 개별 차량 속도 추출시에는 프리웨어 영상편집 프로그램인 lightworks를 사용하였다. 교통상황별 드론촬영 영상으로부터 적정 표본크기에 해당되는 차량들의 300m 대표구간 주행시간을 추출하고 이를 기반으로 공간평균속도를 추출하였다. 이렇게 산출된 교통상황별 공간평균속도는 [Table 1]에 보인바와 같다.
이렇게 수집된 드론 영상을 대표구간 조사분석시와 동일한 방법에 따라 구간별 밀도(스냅샷 6컷 밀도의 평균값), 속도(표본수 산정식에 의한 표본 평균속도), 교통량(밀도와 속도의 곱) 값을 산정한 후 전체 1.5km내 인접한 5개의 개별 구간들이 일관성 있는 값을 갖는지 비교분석을 실시하였다. 아울러 도로용량편람의 서비스수준(LOS) 판정기준인 밀도값에 따른 각 구간별 서비스수준을 판정하여 일관성을 확인하였다.
2]에 보인 바와 같이 대표구간 상공에서 수집된 15분 드론 촬영 동영상으로부터 15초 간격의 스냅샷을 저장하였으며, 각 스냅샷별 밀도(k)값을 추출하였다. 추출된 스냅샷 밀도의 평균값 산정시 적정 컷 수결정을 위해 다양한 시나리오를 사용하였으며, 교통상황별 밀도 평균, 최소값, 최대값, 표준편차, 변동계수,상대적 범위 등의 지표에 대한 분석을 실시하였다. 분석결과는 [Fig.

이론/모형

구간 평균속도 산출을 위한 개별 차량 속도 추출시에는 프리웨어 영상편집 프로그램인 lightworks를 사용하였다. 교통상황별 드론촬영 영상으로부터 적정 표본크기에 해당되는 차량들의 300m 대표구간 주행시간을 추출하고 이를 기반으로 공간평균속도를 추출하였다.
동영상 촬영에는 상용 드론인 D사의 P모델을 사용하였다. 제한된 비행고도 내에서 1.
본 연구에서는 교통정보 수집을 위해 시중에서 구입가능한 상용 드론(D사의 P모델)을 사용하였다. 분석대상지역으로는 부산의 대표 연속류 도로인 도시고속도로 번영로 구서IC에서 원동IC 방면 1.

성능/효과

드론을 통해 그동안 수집이 어려웠던 밀도정보의 수집이 가능해 졌을 뿐 아니라, 교통량의 경우 불과 90초 조사만으로 장시간 조사한 결과에 비교하여 크게 손색이 없는 비교적 양호한 값의 확보가 가능하다는 점은 주목할 만하다. 또한, 연속류 구간의 서비스수준 판정을 위해 v/c값을 사용시 많은 종류의 현장데이터의 수집을 필요로 하기 때문에 복잡하고 시간이 소요되는 작업이 될 수 밖에 없었던 반면, 드론을 통해 기존에 불가능했던 밀도정보 수집이 가능해짐에 따라 단순하고 직관적인 방식으로 서비스수준 판정이 가능해졌다고 할 수 있다.
마지막으로 위의 밀도(k)와 속도(u)를 곱한 결과값인 교통량(q)을 별도의 드론을 이용한 실제 15분 교통량 값과 비교한 결과 매우 정확한 값을 보이는 구간도 있고 상대적으로 차이가 있는 구간도 있는 것으로 나타났다. 그러나, 이 교통량값이 불과 90초간 수집한 영상에 기반하고 있다는 점을 감안했을 때 교통 데이터로써 양호한 수준의 차이인 것으로 판단된다.
본 연구 수행결과, 드론은 단시간에 경제적인 교통정보수집이 가능한 유용한 정보수집 수단임은 물론, 매우 간단하고 직관적인 방법으로 연속류 구간의 서비스수준 판정을 가능하게 해 주는 강점이 있는 것으로 확인되었다.
이상의 연구사례를 종합하면, 드론이 상당부분 교통연구에 유용하게 활용 가능하다는 점은 검증된 셈이지만, 교통정보 수집과 직접 관련된 연구는 지금까지 불과 한두 차례 정도로 미미한 수준인 것으로 파악되었다. 본 연구는 Kim et al.

후속연구

본 연구는 단일 드론을 활용한 방법론에 대한 것으로, 향후에는 5세대 이동통신(5G Networks) 기술과 센터에서의 원격 조종이 가능해 질 것 이므로 실시간으로 다수의 드론을 활용한 광범위한 구간의 교통정보 수집분석이 가능할 것으로 전망된다. 또한 드론을 통해 수집된 영상으로부터 보다 편리하고 신속하게 정보를 추출하기 위한 자동 영상분석 소프트웨어의 개발 적용이 필요하다.
본 연구는 고속도로 기본구간만을 대상으로 하였기에 향후 램프접속부, 위빙구간 등 다양한 특성을 갖는 구간에 대한 연구가 추가적으로 필요하며, 나아가 신호교차로를 포함하는 시가지도로구간에 대한 드론 교통정보 수집연구도 필요할 것으로 판단된다.
본 연구는 단일 드론을 활용한 방법론에 대한 것으로, 향후에는 5세대 이동통신(5G Networks) 기술과 센터에서의 원격 조종이 가능해 질 것 이므로 실시간으로 다수의 드론을 활용한 광범위한 구간의 교통정보 수집분석이 가능할 것으로 전망된다. 또한 드론을 통해 수집된 영상으로부터 보다 편리하고 신속하게 정보를 추출하기 위한 자동 영상분석 소프트웨어의 개발 적용이 필요하다.

질의응답

핵심어	질문	논문에서 추출한 답변
	교통분야에서 주로 교통정보 수집을 하던 검지기의 종류는?	교통분야에서 교통정보 수집은 루프검지기, 영상검지기, DSRC, 레이더검지기 등 도로상 또는 도로변에 설치된 검지기를 통해 이루어져 왔다. 대다수의 검지기는 연속류 구간에서 특정 지점에 국한된 교통량 또는 통행속도를 수집하는데, 이러한 지점정보는 구간개념의 공간적 대표성을 갖는 정보가 되기 어려운 것이 사실이다.
	드론촬영으로 수집된 영상에서 어떻게 데이터를 추출했나요?	(2017)은 드론을 이용한 고속도로 구간에서의 다양한 교통조사 분석을 위한 기초연구 수행에 목적을 두었으며, 드론촬영으로 수집된 영상에서 고속도로 구간을 단위 구간(200~300m)으로 구분하여 교통류변수들을 추출하였다. 이 연구에서는 수집된 영상 분석 시 영상 분석도구를 이용하여 구간을 분할하고 추출된 교통자료를 코딩하였고, 코딩된 자료를 비주얼 베이직(VBA) 프로그래밍을 활용하여 차로별 교통량, 속도,주행시간, 차로변경 횟수 등의 차량주행데이터를 추출하였다는 것이 특징이다. 이 연구는 고고도상에서 30분 이상의 드론 호버링(제자리 비행) 촬영법에 의해 영상정보를 수집한 이후 구간을 분할하여 교통정보를 추출하는 방식을 사용하였다.
	드론의 출현이전 기존의 검지기로 수집하는 정보의 한계는?	교통분야에서 교통정보 수집은 루프검지기, 영상검지기, DSRC, 레이더검지기 등 도로상 또는 도로변에 설치된 검지기를 통해 이루어져 왔다. 대다수의 검지기는 연속류 구간에서 특정 지점에 국한된 교통량 또는 통행속도를 수집하는데, 이러한 지점정보는 구간개념의 공간적 대표성을 갖는 정보가 되기 어려운 것이 사실이다. 또한, 기존의 검지기로는 교통밀도와 같이 공간적 교통상황을 그대로 나타내는 정보의 직접적 수집은 원천적으로 불가능하였다. 반면, 근래 활용도가 주목받고 있는 드론의 경우 도로의 상공에서 넓은 지역의 교통상황을 높은 해상도로 촬영하는 것이 가능하여 기존 검지기의 공간적, 시간적 한계를 보완할 수 있는 보조적인(또는 장기적으로는 대체할 수 있는) 정보수집 수단으로서 잠재력이 높을 것으로 판단된다.

참고문헌 (6)

Baik N. C. and Lee S. H.(2012), "A Study on the Possibility of Using the Aerial-Based Vehicle Detection System for Real-Time Traffic Data Collection," Journal of the Korean Society of Civil Engineers, vol. 32, no. 2D, pp.129-136.

원문보기 상세보기
Jung M. C.(2011), A Study on the Construction of Traffic Information System in the Urban road Using Hi-Pass DSRC Data, Thesis for M.S. in Engineering The University of Seoul.
Kim D. J.(2018), A Study on Cost Reduction Effect of Drone Implementation in Traffic Survey : focused on oversea project, Thesis for M.S. in Engineering Korea National University of Transportation.
Kim S. H., Lee J. K., Han D. H., Yoon J. Y. and Jeong S. Y.(2017), "Preliminary Study Related with Application of Transportation Survey and Analysis by Unmanned Aerial Vehicle(Drone)," The Journal of the Korea Institute of Intelligent Transport Systems, vol. 17, no. 6, pp.183-194.
Lee S. B.(2017), "A Study on Dilemma Zone Safety Improvement using Drone Videos," The Journal of The Korea Institute of Intelligent Transport Systems, vol. 16, no. 4, pp.122-131.

원문보기 상세보기
Lee S. B.(2017), "Performance Comparison among MANET Routing Protocols of Drone Patrol Network for Traffic Violation Enforcement on a Highway," The Journal of The Korea Institute of Electronic Communication Science, vol. 13, no. 1, pp.107-112.

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증