이면도로 비신호교차로에서 AI 기반 엣지컴퓨팅 기술이 교통사고 감소에 미치는 영향에 관한 연구 A Study on the Impact of AI Edge Computing Technology on Reducing Traffic Accidents at Non-signalized Intersections on Residential Road원문보기
교통사고에 가장 취약한 도로는 이면도로 비신호교차로이며, 이들 취약지점에 AI 및 엣지 컴퓨팅 융합 기술을 적용하여 교통사고를 예방하고자 하는 시도가 이루어졌다. 본 연구에서는 현장 데이터를 활용하여 AI 및 엣지컴퓨팅 기술이 어떻게 교통사고 감소에 영향을 미칠 수 있고 한계가 무엇인지 교통공학적 측면에서 분석하였다. AI객체인식으로 20m 후방에서 객체정보를 취득함으로써 운전자는 약 3.6초의 대응시간을 확보하게 되고, 엣지기술에 의해 0.5~0.8초만에 정보가 표출되어 운전자는 교차로 상황에 대응할 수 있는 시간을 얻게 된다. 또한, 교차로 접근로 10m지점에서는 11~12km, 20m지점에서는 20km/h 수준으로 속도관리가 이루어질 때 교차로 진입 전 정지가 가능한 것으로 분석되었다. 따라서 이들 시스템 도입 후 실증 교차로의 데이터를 Taylor 모형에 적용하면 교통사고 확률이 약 40% 감소하는 것으로 분석되었다. 결과적으로 높은 AI 기술의 높은 객체인식률, 엣지기술의 실시간 정보제공 그리고 교차로 접근로의 적정 속도관리가 함께 이루어질 때 교통사고 감소가 가능한 것으로 나타났다.
교통사고에 가장 취약한 도로는 이면도로 비신호교차로이며, 이들 취약지점에 AI 및 엣지 컴퓨팅 융합 기술을 적용하여 교통사고를 예방하고자 하는 시도가 이루어졌다. 본 연구에서는 현장 데이터를 활용하여 AI 및 엣지컴퓨팅 기술이 어떻게 교통사고 감소에 영향을 미칠 수 있고 한계가 무엇인지 교통공학적 측면에서 분석하였다. AI 객체인식으로 20m 후방에서 객체정보를 취득함으로써 운전자는 약 3.6초의 대응시간을 확보하게 되고, 엣지기술에 의해 0.5~0.8초만에 정보가 표출되어 운전자는 교차로 상황에 대응할 수 있는 시간을 얻게 된다. 또한, 교차로 접근로 10m지점에서는 11~12km, 20m지점에서는 20km/h 수준으로 속도관리가 이루어질 때 교차로 진입 전 정지가 가능한 것으로 분석되었다. 따라서 이들 시스템 도입 후 실증 교차로의 데이터를 Taylor 모형에 적용하면 교통사고 확률이 약 40% 감소하는 것으로 분석되었다. 결과적으로 높은 AI 기술의 높은 객체인식률, 엣지기술의 실시간 정보제공 그리고 교차로 접근로의 적정 속도관리가 함께 이루어질 때 교통사고 감소가 가능한 것으로 나타났다.
We used actual field data to analyze from a traffic engineering perspective how AI and edge computing technologies affect the reduction of traffic accidents. By providing object information from 20m behind with AI object recognition, the driver secures a response time of about 3.6 seconds, and with ...
We used actual field data to analyze from a traffic engineering perspective how AI and edge computing technologies affect the reduction of traffic accidents. By providing object information from 20m behind with AI object recognition, the driver secures a response time of about 3.6 seconds, and with edge technology, information is displayed in 0.5 to 0.8 seconds, giving the driver time to respond to intersection situations. In addition, it was analyzed that stopping before entering the intersection is possible when speed is controlled at 11-12km at the 10m point of the intersection approach and 20km/h at the 20m point. As a result, it was shown that traffic accidents can be reduced when the high object recognition rate of AI technology, provision of real-time information by edge technology, and the appropriate speed management at intersection approaches are executed simultaneously.
We used actual field data to analyze from a traffic engineering perspective how AI and edge computing technologies affect the reduction of traffic accidents. By providing object information from 20m behind with AI object recognition, the driver secures a response time of about 3.6 seconds, and with edge technology, information is displayed in 0.5 to 0.8 seconds, giving the driver time to respond to intersection situations. In addition, it was analyzed that stopping before entering the intersection is possible when speed is controlled at 11-12km at the 10m point of the intersection approach and 20km/h at the 20m point. As a result, it was shown that traffic accidents can be reduced when the high object recognition rate of AI technology, provision of real-time information by edge technology, and the appropriate speed management at intersection approaches are executed simultaneously.
General Insurance Association of Korea(1998), Column : Speeding Risks and Prevention Measures,？pp.40-43.
Jang, S. H., Cho1, H. E. and Jeong, J. W.(2020), "Design and Implementation of A Smart Crosswalk？System based on Vehicle Detection and Speed Estimation using Deep Learning on Edge？Devices", Journal of the Korea Institute of Information and Communication Engineering, vol. 24,？no. 4, pp.467-473.
Kim, G. S.(2012), "Speed management methods to reduce traffic accidents", 2012 Grand Conference？for Traffic Safety.
Lee, K. J. and Kim, G. S.(2008), "A Study on DFS Beneficial for Reduction on Speed and Traffic？Accidents", The Magazine of Korean Society of Hazard Mitigation, vol. 8, no. 4, pp.31-38.
Noh, B. J.(2021), "Development of AI model for traffic accident analysis and prediction", 85th？Academic Presentation of The Korean Society of Transportation, pp.820-838.
Park, H. N., So, J. H. and Yoon, J. S.(2022), "Development of AI-based Traffic Accident-Prevention？Measures Matching Methodology", 87th Academic Presentation of The Korean Society of？Transportation, pp.177-178.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.