• 한국전자통신학회논문지
• /
• 제16권4호
• /
• pp.771-782
• /
• 2021

고속화도로 및 자동차전용도로와 같은 고속도로에서는 중대형 교통사고, 도로시설물 파손 및 유지/보수작업, 차량 고장 및 정지 등 규칙/불규칙한 상황이 빈번히 발생한다. 이러한 규칙/불규칙적 상황을 즉각적으로 인식하여 운전자들에게 교통 서비스를 제공하는 것이 요구되었으며, 이를 해결하기 위해 신속히 데이터를 수집하고 비정상적인 교통상황을 검지하는 것에 대한 다양한 기법들이 개발되었다. 하지만 인프라에 대한 유지/보수와 검지율, 위치에 대한 정확성 등 개선점이 요구되었다. 본 연구에서는 고속도로내 돌발상황 검지를 위해 기존 연구에 대한 고찰과 자동차 위치정보(GPS, Global Positioning System) 기술, 교통공학 이론적 관점의 연구를 통해 고속도로 돌발상황 정의와 알고리즘 개발로 시스템을 구축하고 테스트베드를 운영하여 돌발상황 알고리즘 검증과 실증에 활용할 수 있는 방안을 제시하였으며, 돌발상황 발생 시 예측 가능한 사고를 줄일 수 있는 2차 사고에 대한 효과와 예측 불가능한 사고의 검지 시간을 줄여 부상자에 대한 골든타임 확보할 것으로 기대된다.

• 한국자동차공학회논문집
• /
• 제20권3호
• /
• pp.113-118
• /
• 2012

Collision detection plays a key role in collision mitigation system. The malfunction of the collision mitigation system can result in another dangerous situation or unexpected feeling to driver and passenger. To prevent this situation, the collision time, offset, and collision decision should be determined from the appropriate collision detection algorithm. This study focuses on a method to determine the time to collision (TTC) and frontal offset (FO) between the ego vehicle and the target object. The path prediction method using the ego vehicle information is proposed to improve the accuracy of TTC and FO. The path prediction method utilizes the ego vehicle motion data for better prediction performance. The proposed algorithm is developed based on laser scanner. The performance of the proposed detection algorithm is validated in simulations and experiments.

• 한국정보통신학회논문지
• /
• 제26권6호
• /
• pp.827-833
• /
• 2022

본 연구는 교통정보를 수집하기 위한 검지기 와 돌발 상황 검지에 사용되는 다양한 알고리즘들의 분석을 통해 기존 교통정보 수집체계의 한계를 극복하여 심각도가 높은 2차 교통사고를 예방하고자 한다. 즉 본 연구는 2차 교통사고를 유발하는 돌발 상황과 기존 교통정보 수집체계를 분석하고 그에 알맞은 2차 교통사고의 선제적 예방이 가능한 솔루션 및 도로 전 구간에 대한 정확한 정보수집이 가능한 지능화된 새로운 교통정보 수집 및 전달체계를 제시한다. 실험결과 데이터 전송 신뢰도는 95% 기준 97%를, 데이터 전송 속도는 1000ms 기준 평균 209ms, 네트워크 장애복구 시간은 120sec 기준 50sec의 목표치를 달성하였다.

• 한국정보통신학회논문지
• /
• 제23권9호
• /
• pp.1082-1087
• /
• 2019

영상유고감지시스템은 터널 내 보행자, 낙하물, 정지 차량, 역주행, 화재(화염 및 연기) 등 돌발상황 시에 초동 감지 목적의 시스템으로 최근 도심지의 대심도 지하도로 건설에 따라 중요성이 부각되고 있다. 그러므로 영상유고감지시스템을 대심도 복층터널에 적용하기 위하여 복층터널의 설계 특성을 반영하여 개발하였고, 본 논문에서는 특히 기존 영상유고감지시스템에서는 지원되지 않거나 또는 오감지가 많아 복층터널 환경에 그대로 적용하기 어려웠던 화재 감지를 색 영상 분포, 실루엣 확산 및 통계적 특성 분석을 복합적으로 사용하는 방법을 제안하고, 이를 복층터널 테스트베드 환경에서 차량 실물화재 실험을 통하여 검증하였다.

• 인터넷정보학회논문지
• /
• 제24권5호
• /
• pp.17-27
• /
• 2023

오늘날 AI(Artificial Intelligence) 기술이 발전하면서 실용성이 증가함에 따라 실생활 속 다양한 응용 분야에서 널리 활용되고 있다. 이때 AI Model은 기본적으로 학습 데이터의 다양한 통계적 속성을 기반으로 학습된 후 시스템에 배포되지만, 급변하는 데이터의 상황 속 예상치 못한 데이터의 변화는 모델의 성능저하를 유발한다. 특히 보안 분야에서 끊임없이 생성되는 새로운 공격과 알려지지 않은 공격에 대응하기 위해서는 배포된 모델의 Drift Signal을 찾는 것이 중요해짐에 따라 모델 전체의 Lifecycle 관리 필요성이 점차 대두되고 있다. 일반적으로 모델의 정확도 및 오류율(Loss)의 성능변화를 통해 탐지할 수 있지만, 모델 예측 결과에 대한 실제 라벨이 필요한 점에서 사용 환경의 제약이 존재하며, 실제 드리프트가 발생한 지점의 탐지가 불확실한 단점이 있다. 그 이유는 모델의 오류율의 경우 다양한 외부 환경적 요인, 모델의 선택과 그에 따른 파라미터 설정, 그리고 새로운 입력데이터에 따라 크게 영향을 받기에 해당 값만을 기반으로 데이터의 실질적인 드리프트 발생 시점을 정밀하게 판단하는 것은 한계가 존재하게 된다. 따라서 본 논문에서는 XAI(eXplainable Artificial Intelligence) 기반 Anomaly 분석기법을 통해 실질적인 드리프트가 발생한 시점을 탐지하는 방안을 제안한다. DGA(Domain Generation Algorithm)를 탐지하는 분류모델을 대상으로 시험한 결과, 배포된 이후 데이터의 SHAP(Shapley Additive exPlanations) Value를 통해 Anomaly score를 추출하였고, 그 결과 효율적인 드리프트 시점탐지가 가능함을 확인하였다.