한국정보처리학회:학술대회논문집 (Annual Conference of KIPS)

한국정보처리학회 (Korea Information Processing Society)
권호 표지
DOI QR코드

DOI QR Code

딥러닝 모델과 위성사진을 이용한 재해 발생 시 차량 경로 우회 시스템 구현

Implementation of a Vehicle Route Detouring System During Disaster Situations Using Deep Learning Model and Satellite Imagery

  • 김재원 (강원대학교 문화예술.공과대학 기계의용.메카트로닉스공학과) ;
  • 김경민 (강원대학교 문화예술.공과대학 기계의용.메카트로닉스공학과) ;
  • 이수민 (강원대학교 경영대학 정보통계학과) ;
  • 이재용 (강원대학교 IT대학 전기전자공학과) ;
  • 류병석 (연세대학교 공과대학 화공생명공학과) ;
  • 권용현 (한양대학교 공과대학 데이터사이언스학과) ;
  • 김영균 (융합소프트웨어랩)
  • Jaewon Kim (Dept. of Mechanical & Biomedical, Mechatronics Engineering, Kangwon National University) ;
  • Gyeongmin Kim (Dept. of Mechanical & Biomedical, Mechatronics Engineering, Kangwon National University) ;
  • Sumin Lee (Dept. of Information Statistics, Kangwon National University) ;
  • Jaeyong Lee (Dept. of Electrical & Electronics Engineering, Kangwon National University) ;
  • Byeongseok Ryu (Dept. of Chemical & Biomolecular Engineering, Yonsei University) ;
  • Yonghyun Kwon (Dept. of Data Science, Hanyang University) ;
  • YoungGyun Kim (Convergence Software Lab.)
  • 발행 : 2024.10.31
PDF 다운로드
⟨ 이전 논문 다음 논문 ⟩

초록

본 논문에서는 자연·인적재해로 인한 건물, 도로 붕괴 시, 신속하고 안전한 이동을 위해 위성 이미지를 U-Net 딥러닝 학습모델과 A* 알고리즘을 활용하여 위험지역을 우회한 경로 제안 시스템을 구현하였다. 이를 실제 재해 상황에 도입하면 안전이 확보된 최단 거리를 제공함에 따라 신속한 대피와 구호 등 재난 관리에 효율성을 제공하여 인명 및 물적 피해를 줄일 수 있을 것으로 예상한다.

키워드

참고문헌

  1. United Nations Office for Disaster Risk Reduction (UNDRR). (2021). Human cost of disasters: Overview of the last 20 years (2000-2019). Retrieved from https://www.undrr.org/publication/human-cost-disastersoverview-last-20-years-2000-2019
  2. Centre for Research on the Epidemiology of Disasters (CRED). (2023). 2023 Disasters in Numbers: A Significant Year of Disaster Impact. Retrieved from https://reliefweb.int/report/world/2023-disasters-numbers
  3. 김태훈, 윤준희(한국건설기술연구원 미래융합연구본부). 대형복합재난의 효율적 관리를 위한 제도개선방안 연구. 한국산학기술학회논문지 = Journal of the Korea Academia-Industrial cooperation Society, v.19 no.5, 2018 년.
  4. 황승호, 김계현, 이미란. (2015-09-17). 재해지역 피해조사를 위한 중.저해상도 위성영상을 활용한 피해탐지 프로세스 구축에 관한 연구. 대한공간정보학회 학술대회, 서울.
  5. Deng, Liwei, and Yue Wang. "Post-disaster building damage assessment based on improved U-Net." Scientific reports 12.1 (2022): 15862.
  6. Garcia-Garcia, Alberto, et al. "A review on deep learning techniques applied to semantic segmentation." arXiv preprint arXiv:1704.06857 (2017).
  7. W. Wang, N. Yang, Y. Zhang, F. Wang, T. Cao, and P. Eklund, "A review of road extraction from remote sensing images," Journal of Traffic and Transportation Engineering (English Edition), vol. 3, no. 3, pp. 271-282, 2016.
  8. S. Tian, X. Zhang, J. Tian, and Q. Sun, "Random forest classification of wetland landcovers from multi-sensor data in the arid region of Xinjiang, China," Remote Sensing, vol. 8, no. 11, p. 954, 2016.
  9. R. Girshick, J. Donahue, T. Darrell, and J. Malik, "Rich feature hierarchies for accurate object detection and semantic segmentation," in Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, 2014, pp. 580-587.
  10. DeepGlobe. (n.d.). DeepGlobe 2018: Satellite challenge. DeepGlobe. http://deepglobe.org/
  11. Xview2. (n.d.). Xview2: Building damage assessment challenge. Xview2. https://xview2.org/
  12. Mnih, V. (2013). Machine learning for aerial image labeling [Doctoral dissertation, University of Toronto]. University of Toronto. https://www.cs.toronto.edu/~vmnih/data/