DOI QR코드

DOI QR Code

GIS Information Generation for Electric Mobility Aids Based on Object Recognition Model

객체 인식 모델 기반 전동 이동 보조기용 GIS 정보 생성

  • 우제승 ((주)경성테크놀러지) ;
  • 홍순기 ((주)경성테크놀러지) ;
  • 박동석 ((주)경성테크놀러지) ;
  • 박준모 (연세대학교 디지털헬스케어학부)
  • Received : 2022.11.24
  • Accepted : 2022.12.10
  • Published : 2022.12.31

Abstract

In this study, an automatic information collection system and geographic information construction algorithm for the transportation disadvantaged using electric mobility aids are implemented using an object recognition model. Recognizes objects that the disabled person encounters while moving, and acquires coordinate information. It provides an improved route selection map compared to the existing geographic information for the disabled. Data collection consists of a total of four layers including the HW layer. It collects image information and location information, transmits them to the server, recognizes, and extracts data necessary for geographic information generation through the process of classification. A driving experiment is conducted in an actual barrier-free zone, and during this process, it is confirmed how efficiently the algorithm for collecting actual data and generating geographic information is generated.The geographic information processing performance was confirmed to be 70.92 EA/s in the first round, 70.69 EA/s in the second round, and 70.98 EA/s in the third round, with an average of 70.86 EA/s in three experiments, and it took about 4 seconds to be reflected in the actual geographic information. From the experimental results, it was confirmed that the walking weak using electric mobility aids can drive safely using new geographic information provided faster than now.

본 연구에서는 객체 인식 모델을 활용하여 전동 이동 보조기를 이용하는 교통약자를 위한 자동 정보 수집 체계 및 지리정보 구축 알고리즘을 구현하고자 한다. 장애인의 이동 중 만날 수 있는 객체를 인식하면서 좌표정보와 함께 획득하고 사진정보를 저장하여 기존의 장애인용 지리정보 보다 개선된 이동 경로 선택용 지도정보를 제공하고자 한다. 데이터 획득을 위한 수집 프로세스는 HW 계층을 포함하여 총 4가지 계층으로 구성되어 있으며, 영상 정보와 위치정보를 수집하여 서버로 송신하고 이를 인식하고 분류하는 과정을 통해 지리정보 생성에 필요한 데이터를 추출한다. 생성된 알고리즘은 실제 배리어프리존 일대에서 주행 실험을 실시하고 이 과정에서 실제 데이터의 수집과 그에 따른 지리정보 생성 알고리즘의 실행을 통해 실제 유의한 수준의 지리정보가 얼마나 효율적으로 생성되는지를 확인한다. 수집된 지리정보 처리 성능은 세 번의 실험에서 1회차 70.92 EA/s, 2회차 70.69 EA/s 3회차 70.98 EA/s로 평균 70.86 EA/s로 확인되었으며 실제 지리정보에 반영되기까지 약 4초가 소요됨을 확인할 수 있었다. 이러한 실험 결과로부터 전동 이동 보조기를 이용하는 보행 약자가 현재보다 빠르게 제공되는 새로운 지리정보를 이용해 안전한 주행이 가능한 것으로 확인되었다.

Keywords

Acknowledgement

본 연구는 국토교통부/국토교통과학기술진흥원의 지원으로 수행되었음(과제번호 21RITD-C162016-01, 국토교통부)

References

  1. J. S. Chong, D. S. Kim, H. J. Lee,"A Study on the Development Trend of Artificial Intelligence Using Text Mining Technique: Focused on Open Source Software Projects on Github", Journal of intelligence and information systems, v.25 no.1, pp. 1-19, 2019. https://doi.org/10.13088/JIIS.2019.25.1.001
  2. J. S. Lee, S.K. Lee, D.W. Kim, S. J. Hong, S. I. Yang,"Trends on Object Detection Techniques Based on Deep Learning", Electronics and telecommunications trends v.33 no.4, pp.23-32, 2018.
  3. S. C. Yang, W. H. Lee, K. Y. Yu,"A Study on Road Extraction for Improving the Quality in Conflation between Aerial Image and Road Map", Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography v.29 no.6, pp.593-599, 2011. https://doi.org/10.7848/ksgpc.2011.29.6.593
  4. S. D. Park, B. S. Seong, "A study on the factors influencing the social adoption diffusion of innovative technology: Focus on smart mobility," Management & information systems review, vol. 36 no.2, pp. 239-260, 2017.
  5. "A study on revision of the law to improve the right to move of mobility disadvantaged persons and their convenience of movement", Law Review (korlaw), vol.20, no.3, pp. 163-195, 2020.
  6. J. H. Park, K. W. Nam,"A Study on the Low-Floor Bus Route Selection Considering a Residential Distribution and Traffic Characteristics of the Transportation Vulnerable - A Case of Busan", Journal of the Korean Association of Geographic Information Studies v.18 no.2 , pp.161-173, 2015. https://doi.org/10.11108/kagis.2015.18.2.161
  7. M. H. Choi, J. S. Woo, S. G. Hong, J. M. Park. Nam, "Development of an abnormal road object recognition model based on deep learning", The Journal of Korea Institute of Convergence Signal Processing, v.22 no.4 , pp.149-155, 2021.
  8. Kaiming He, Georgia Gkioxari, Piotr Dollar, Ross Girshick, Facebook AI Research (FAIR), "Mask R-CNN", arXiv:1703.06870v3 [cs.CV] 24 Jan 2018