[논문]하천 범람 및 차량 침수 가능성 예측을 통한 딥러닝 기반 차수막 자동화 시스템

함승재; 강민수; 정성우; 유준혁

doi:10.14372/iemek.2023.18.3.133

하천 범람 및 차량 침수 가능성 예측을 통한 딥러닝 기반 차수막 자동화 시스템
Deep-Learning-Based Water Shield Automation System by Predicting River Overflow and Vehicle Flooding Possibility 원문보기

대한임베디드공학회논문지 = IEMEK Journal of embedded systems and applications, v.18 no.3, 2023년, pp.133 - 139

함승재 (Daegu University) , 강민수 (Daegu University) , 정성우 (Daegu University) , 유준혁 (Daegu University)

Abstract ▼ AI-Helper

This paper proposes a two-stage Water Shield Automation System (WSAS) to predict the possibility of river overflow and vehicle flooding due to sudden rainfall. The WSAS uses a two-stage Deep Neural Network (DNN) model. First, a river overflow prediction module is designed with LSTM to decide whether the river is flooded by predicting the river's water level rise. Second, a vehicle flooding prediction module predicts flooding of underground parking lots by detecting flooded tires with YOLOv5 from CCTV images. Finally, the WSAS automatically installs the water barrier whenever the river overflow and vehicle flooding events happen in the underground parking lots. The only constraint to implementing is that collecting training data for flooded vehicle tires is challenging. This paper exploits the Image C&S data augmentation technique to synthesize flooded tire images. Experimental results validate the superiority of WSAS by showing that the river overflow prediction module can reduce RMSE by three times compared with the previous method, and the vehicle flooding detection module can increase mAP by 20% compared with the naive detection method, respectively.

주제어

표/그림 (10)

그림 그림 1. 제안된 2-Stage 차수막 자동화 시스템의 전체 구조도 Fig. 1. 2-Stage Water Shield Automation System Structure
그림 그림 2. 하천 범람 예측 모듈 구성도 Fig 2. Configuration of River Flooding Prediction Module
그림 그림 3. 하천 범람 예측 알고리즘 순서도 Fig 3. River Overflow Prediction Algorithm Flowchart
그림 그림 4. 차량 침수 가능성 예측 모듈 구조도 Fig. 4. Structure of Vehicle Flooding Possibility Prediction Module
그림 그림 5. 데이터 증강 과정 "Image C&S" Fig. 5. Data Augmentation Process "Image C&S"
표 표 1. 학습용 컴퓨터의 사양과 개발 소프트웨어 환경. Table 1. Specification of Computer and Software for Development.
그림 그림 6. LSTM을 사용하여 나온 수위 예측 결과 Fig. 6. Result of Water Level Prediction using LSTM
그림 그림 7. YOLOv5를 사용하여 침수된 차량의 타이어 검출 Fig. 7. Using YOLOv5 to detect tires on flooded vehicle
표 표 2. 데이터의 입력 인자별 성능평가지표 Table 2. Evaluation Metrics by input factors of data
표 표 3. 모델 및 데이터셋 별 객체 검출 평가지표 Table 3. Evaluation Metrics of object detection by model and dataset

참고문헌 (14)

최병성, "포항 참사 진짜 원인, 처참한 현장에 남은 결정적 증거," 오마이뉴스, 2022년 9월 30일 자.
J. W. Jung, H. L. Mo, J. H. Lee, Y. H. Yoo, H. S. Kim,？"Flood Stage Forecasting at the Gurye-Gyo Station in？Sumjin River Using LSTM-Based Deep Learning？Models," Journal of the Korean Society of Hazard？Mitigation, Vol. 21, No. 3, pp. 193-201, 2021 (in Korean).
S. H. Jung, H. S. Cho, J. G. Kim, G. H. Lee, "Prediction？of Water Level in a Tidal River Using a Deep-learning？Based LSTM Model," Journal of Korea Water Resources？Association, Vol. 51, No. 12, pp. 1207-1216, 2018 (in？Korean).
Y. Bengio, P. Frasconi, P. Simard, "The Problem of？Learning Long-term Dependencies in Recurrent？Networks," In IEEE International Conference on Neural？Networks, Vol. 3, pp. 1183-1188, 1993.
S. Hochreiter, J. Schmidhuber, "Long Short-Term？Memory," Neural Computation, Vol. 9, No. 8, pp.？1735-1780, 1997.
J. J. Jung, J. Y. Kim, "A Performance Analysis by？Adjusting Learning Methods in Stock Price Prediction？Model Using LSTM," Journal of Digital Convergence,？Vol. 18, No. 11, pp. 259-266, 2020 (in Korean).
B. K. Jeon, K. H. Lee, E. J. Kim, "Development of a？Prediction Model of Solar Irradiances Using LSTM for？Use in Building Predictive Control," Journal of the？Korean Solar Energy Society, Vol. 39, No. 5, pp. 41-52,？2019 (in Korean).
E. H. Kim, A. Oh, "Automated Vehicle Research by？Recognizing Maneuvering Modes Using LSTM Model,"？The Journal of the Korea Institute of Intelligent？Transportation Systems, Vol. 16, No. 4, pp. 153-163,？2017 (in Korean).
J. H. Choi, G. T. Hwang, S. J. Lee, "Behavior Pattern？Prediction Algorithm Based on 2D Pose Estimation and？LSTM from Videos," IEMEK J. Embed. Sys. Appl., Vol.？17, No. 4, pp. 191-197, 2022 (in Korean).
A. Dai, K. E. Trenberth, T. R. Karl, "Effects of Clouds？Soil Moisture, Precipitation, and Water Vapor on？Diurnal Temperature Range," Journal of Climate, Vol.？12, No. 8, pp. 2451-2473, 1999.

상세보기
S. K. Min, S. W. Son, K. H. Seo, J. S. Kug, S. I. An,？Y. S. Choi, J. H. Jeong, B. M. Kim, J. W. Kim, Y. H.？Kim, J. Y. Lee, M. I. Lee, "Erratum to: Changes in？Weather and Climate Extremes over Korea and？Possible Causes: A Review," Asia-Pacific Journal of？Atmospheric Sciences, Vol. 51, No. 3, pp. 291-291, 2015 (in Korean).

상세보기
이호근, "[이호근 교수의 자동차이야기]'카 히스토리' 통해 침수차인지 반드시 확인해야," 소비자경제, 2022년 8월 30일 자.
Ultralytics, YOLOv5 [Internet] https://github.com/ultralytics/yolov5
공공데이터포털, 한국수자원공사_우량수위 관측정보,？https://data.go.kr/data/3074802/openapi.do？

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