$\require{mediawiki-texvc}$

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.

적외선 영상검지 기술을 활용한 고속도로 버스전용차로 단속시스템 개발
Freeway Bus-Only Lane Enforcement System Using Infrared Image Processing Technique 원문보기

韓國ITS學會 論文誌 = The journal of the Korea Institute of Intelligent Transportation Systems, v.21 no.5, 2022년, pp.67 - 77  

장진환 (한국건설기술연구원 도로교통연구본부)

초록
AI-Helper 아이콘AI-Helper

본 연구에서는 고속도로 버스전용차로 단속시스템을 개발하여 현장 성능평가를 수행하였다. 영동고속도로 마성터널 입구 버스전용차로에서 조사한 결과, 버스전용차로를 위반하는 차량의 비율이 99%에 달하는 것으로 조사되었다. 하지만 현재의 경찰관에 의한 인력식 단속은 단속율도 낮고 불필요한 안전문제 및 지체를 발생시킨다. 고속도로 버스전용차로는 6인 이상 탑승한 9인승 이상 승합차도 통행이 가능하기 때문에 승합차량의 승차인원을 검지하는 기술개발이 필요하다. 조도에 관계없는 승차인원 검지를 위해 적외선 카메라를 사용하였고 짧은 차두시간을 감안한 신속한 영상처리 기법으로 YOLOv5 딥러닝 알고리즘을 사용하였다. 개발시스템 성능 검증을 위해 테스트베드 및 실 현장 평가를 실시한 결과, 테스트베드와 실 현장에서 각각 7%, 8% 오차를 나타내 만족할 만한 성능을 보였다. 본 연구 결과물을 현장에 적용할 경우 고속도로 버스전용차로 운영 효율화 및 단속에 따른 불필요한 지체를 감소시킬 수 있을 것으로 기대된다.

Abstract ▼ AI-Helper 아이콘AI-Helper

An automatic freeway bus-only lane enforcement system was developed and assessed in a real-world environment. Observation of a bus-only lane on the Youngdong freeway, South Korea, revealed that approximately 99% of the vehicles violated the high-occupancy vehicle (HOV) lane regulation. However, the ...

주제어

#고속도로 버스전용차로   #단속   #적외선 카메라  

참고문헌 (19)

  1. Cantelli, M.(2013), Xerox Vehicle Occupancy Detection System, Xerox Innovations Group. 

  2. Hao, X., Chen, H., Yang, Y., Yao, C., Yang, H. and Yang, N.(2011), "Occupant Detection through Near-Infrared Imaging", Tamkang Journal of Applied Science and Engineering, vol. 14, no. 3, pp.275-283. 

  3. He, K., Zhang, X., Ren, S. and Sun, J.(2016), "Deep Residual Learning for Image Recognition", Proceedings of IEEE Conference of Computer Vision and Pattern Recognition. 

  4. Intelligent Transport Systems Performance Evaluation Guidelines, Notification No. 2020-534 of Ministry of Land, Transport and Infrastructure. 

  5. Jang, J.(2021), "High-Occupancy Vehicle Lane Enforcement System", The Open Transportation Journal, Bentham Open. 

  6. Jung, K.(2012), A Review of the Effectiveness and Feasibility of HOV Lane on Freeway, Korea Transportation Institute. 

  7. McCormick Rankin Corporation(2004), Automated Vehicle Occupancy Monitoring Systems for HOV/HOT Facilities, Enterprise Pooled Fund. 

  8. Papanikolopoulos, N.(2017), Sensing for HOV/HOT Lanes Enforcement, Final Report 2017-05, University of Minnesota. 

  9. Pavlidis, I., Morellas, V. and Papanikolopoulos, N.(2000a), "A Vehicle Occupant Counting System Based on Near-Infrared Phenomenology and Fuzzy Neural Classification", IEEE Transaction of Intelligent Transportation Systems, vol. 1, no. 2, pp.72-85. 

  10. Pavlidis, I., Symosek, P., Fritz, B., Bazakos, M. and Papanikolopoulos, N.(2000b), Automatic Detection of Vehicle Occupants: The Imaging Problem and Its Solution, vol. 11, Machine Vision and Applications. 

  11. Pavlidis, I., Symosek, P., Fritz, B., Sfarzo, R. and Papanikolopoulos, N. P.(1999a), "Automatic Passenger Counting in the High Occupancy Vehicle (HOV) Lanes", Proceedings of 1999 Annual Meeting of Intelligent Transportation Society of America. 

  12. Pavlidis, I., Symosek, P., Fritz, B. and Papanikolopoulos, N. P.(1999b), "Automatic Detection of Vehicle Passengers through Near-Infrared Fusion", Proceedings of 1999 IEEE/IEEJ/JSAI International Conference of Intelligent Transportation Systems. 

  13. Redmon, J. and Farhadi, A.(2018), YOLOv3: An Incremental Improvement, arXiv preprint arXiv:1804.02767. 

  14. Redmon, J., Divvala, S., Girshick, R. and Farhadi, A.(2015), You Only Look Once: Unified, Real-Time Object Detection, arXiv preprint arXiv:1506.02640. 

  15. Roulland, F.(2016), "Xerox Vehicle Passenger Detection System", Proceedings of 23rd World Congress on Intelligent Transport Systems. 

  16. Schijns, S. and Eng, P.(2006), High Occupancy Vehicle Lanes-Worldwide Lessons for European Practitioners, vol. 89, WIT Transactions on The Built Environment. 

  17. Shorten, C. and Khoshgoftaar, T.(2019), "A Survey on Image Data Augmentation for Deep Learning", Journal of Big Data. 

  18. Speciality Construction News, http://www.kscnews.co.kr/news/articleView.html?idxno9482, 2022.05.01. 

  19. Zhu, X., Lyu, S., Wang, X. and Zhao, Q.(2021), "TPH-YOLOv5: Improved YOLOv5 Based on Transformer Prediction Head for Object Detection on Drone-Captured Scenarios", Proceedings of the IEEE/CVF International Conference on Computer Vision (ICCV) Workshops. 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

BRONZE

출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문

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