• Proceedings of the Korea Information Processing Society Conference
• /
• 2023.11a
• /
• pp.1228-1229
• /
• 2023

현대 도시 모빌리티의 중요한 구성 요소로 자리 잡은 전동킥보드는 편리한 이동 수단으로 인기를 얻고 있으나, 이에 따른 안전사고 증가로 운전자와 보행자의 안전이 심각하게 위협받고 있다. 본 논문에서는 전동킥보드 운전 중에 발생한 사고의 원인을 객관적으로 분석하고, 사고가 운전자의 부주의로 인한 것인지를 판별하며, 이로 인한 배상 책임을 정확하게 결정하기 위한 모델을 제안한다. 운전 중 수집된 센서 데이터를 활용하여 Deep SVDD (Deep Support Vector Data Description) 모델을 구축하고, 이상치 탐지를 통해 운전 패턴을 분류하며 운전자의 부주의로 인한 사고를 파악한다. 이를 통해, 정확하고 공정한 배상 책임 판단을 지원하며, 도시 모빌리티 분야에서 안전사고 감소에 기여할 것으로 기대된다.

• Journal of the Korea Society of Computer and Information
• /
• v.28 no.11
• /
• pp.21-28
• /
• 2023

In manufacturing companies that focus on small-scale production of multiple product varieties, defective products are manually selected by workers rather than relying on automated inspection. Consequently, there is a higher risk of incorrect sorting due to variations in selection criteria based on the workers' experience and expertise, without consistent standards. Moreover, for non-standardized flexible objects with varying sizes and shapes, there can be even greater deviations in the selection criteria. To address these issues, this paper designs a quality inspection system using artificial intelligence-based unsupervised learning methods and conducts research by experimenting with accuracy using a dataset obtained from real manufacturing environments.