$\require{mediawiki-texvc}$

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.

차량 단말기 기반 돌발상황 검지 알고리즘 개발
Development of a Emergency Situation Detection Algorithm Using a Vehicle Dash Cam 원문보기

韓國ITS學會 論文誌 = The journal of the Korea Institute of Intelligent Transportation Systems, v.22 no.4, 2023년, pp.97 - 113  

이상현 (아주대학교 교통공학과) ,  김진영 (아주대학교 D.N.A.플러스융합학과) ,  노종민 (아주대학교 D.N.A.플러스융합학과) ,  이환필 (한국도로공사 도로교통연구원) ,  이수목 (아주대학교 AI모빌리티공학과) ,  윤일수 (아주대학교 교통시스템공학과)

초록
AI-Helper 아이콘AI-Helper

전방 낙하물과 같은 돌발상황이 발생했을 때 신속하고 적절한 정보 제공은 도로 위 이용자들의 편의를 가져다주고 2차 교통사고 또한 효과적으로 줄일 수 있다. 도로 상의 돌발상황은 현재 국내에서 루프 검지기나 CCTV 등 ITS 기반 검지 체계를 사용하여 주로 검지하고 있다. 이러한 방식은 검지기의 검지 구간에서의 도로 위 데이터만을 얻을 수 있다. 때문에, 기존 ITS 기반 검지체계의 공간적 음영구간에서 돌발상황을 찾아내기 위하여 새로운 검지 수단이 필요하다. 이에 본 연구에서는 차량 내 설치된 단말기에서 촬영된 영상으로부터 돌발상황을 검지 및 분류하는 ResNet 기반 알고리즘을 제안한다. 국내 고속도로 전방 주행영상을 수집하였고, 돌발상황 유형을 클래스로 정의하여 각 데이터를 라벨링한 후, 제안한 알고리즘으로 데이터를 학습시켰다. 학습 결과, 개발한 알고리즘은 데이터 수가 상대적으로 적었던 일부 클래스를 제외하고 정의한 돌발상황 클래스에 대하여 높은 검지율을 보였다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Swift and appropriate responses in emergency situations like objects falling on the road can bring convenience to road users and effectively reduces secondary traffic accidents. In Korea, current intelligent transportation system (ITS)-based detection systems for emergency road situations mainly rel...

주제어

#고속도로   #돌발상황   #검지   #상황분류   #인공지능   #차량단말기  

참고문헌 (20)

  1. Baek, S. K.(2017), "Future Highway Prospects and Road Infrastructure Policy Direction", The Korea？Spatial Planning Review, vol. 428, pp.15-19. 

  2. Baek, S. K., Oh, C. S., Kang, J. G. and Nam, D. H.(2005a), "Assessments of freeway incidents？management systems", Journal of the Korean Society of Civil Engineers, pp.4075-4078. 

  3. Baek, S. K., Oh, C. S., Kang, J. G. and Nam, D. H.(2005b), "A guideline for freeway incident？management manual", The Journal of The Korea Institute of Intelligent Transport Systems, vol.？4, no. 3, pp.61-72. 

  4. Elhassouny, A. and Smarandache, F.(2019), "Trends in deep convolutional neural Networks？architectures: A review", 2019 International Conference of Computer Science and Renewable？Energies(ICCSRE), pp.1-8. 

  5. He, K., Zhang, X., Ren, S. and Sun, J.(2016), "Deep residual learning for image recognition",？Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, pp.770-778. 

  6. Kang, Y. S.(2009), "ITS/Telematics", Communications of the Korean Institute of Information？Scientists and Engineers, vol. 27 no. 9, pp.10-17. 

  7. Ki, Y. K. and Kim, Y. H.(2020), "A travel speed prediction model for incident detection based on？traffic CCTV", Journal of Industrial Convergence, vol. 18, no. 3, pp.53-61. 

  8. Kim, B. J., Yim, J. H. and Kim, J. M.(2020), Highway driving dataset for semantic video？segmentation, arXiv preprint arXiv:2011.00674. 

  9. Kim, D. H.(2005), "Automatic Incident Detection Using Machine Learning", Seoul Studies, vol. 6, no.？1, pp.71-80. 

  10. Lee, K. Y., Seo, I. K., Park, M. S. and Jang, M. S.(2012), "A Study on the Influencing Factors for？Incident Duration Time by Expressway Accident", International Journal of Highway？Engineering, vol. 14, no. 1, pp.85-94. 

  11. Narayanan, A., Dwivedi, I. and Dariush, B.(2019), "Dynamic traffic scene classification with？space-time coherence", 2019 International Conference on Robotics and Automation(ICRA),？pp.5629-5635. 

  12. Ozdamar, L., Aksu, D. T. and Ergunes, B.(2014), "Coordinating debris cleanup operations in post？disaster road networks", Socio-Economic Planning Sciences, vol. 48, no. 4, pp.249-262. 

    상세보기

  13. Phung, V. H. and Rhee, E. J.(2019), "A high-accuracy model average ensemble of convolutional？neural networks for classification of cloud image patches on small datasets", Applied Sciences,？vol. 9, no. 21, p.4500. 

  14. Prykhodchenko, R. and Skruch, P.(2022), "Road scene classification based on street-level images and？spatial data", Array, vol. 15, p.100195. 

    상세보기

  15. Sihag, G., Parida, M. and Kumar, P.(2022), "Travel Time Prediction for Traveler Information System？in Heterogeneous Disordered Traffic Conditions Using GPS Trajectories", Sustainability, vol. 14,？no. 16, p.10070. 

    상세보기

  16. Society Automotive Engineers International, ITIS Phrase Lists (International Traveler Information？Systems), https://www.sae.org/standards/content/j2540/2_202012, 2023.01.15. 

  17. Westell, J.(2019), Multi-Task Learning using Road Surface Condition Classification and Road Scene？Semantic Segmentation, Master's Thesis, Linkoping University. https://urn.kb.se/resolve?urnurn:nbn:se:liu:diva-157403, 2023.02.21. 

  18. Wu, F., Yan, S., Smith, J. S. and Zhang, B.(2021), "Deep multiple classifier fusion for traffic scene？recognition", Granular Computing, vol. 6, pp.217-228. 

  19. Yao, J., Fidler, S. and Urtasun, R.(2012), "Describing the scene as a whole: Joint object detection,？scene classification and semantic segmentation", 2012 IEEE Conference on Computer Vision and？Pattern Recognition, pp.702-709. 

  20. Zeng, D., Liao, M., Tavakolian, M., Guo, Y., Zhou, B., Hu, D., Pietikainen, M. and Liu, L.(2021), Deep？learning for scene classification: A survey, arXiv preprint arXiv:2101.10531. 

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