• Smart Structures and Systems
• /
• 제24권6호
• /
• pp.745-757
• /
• 2019

Road surface deteriorations such as potholes have caused motorists heavy monetary damages every year. However, effective road condition monitoring has been a continuing challenge to road owners. Depth cameras have a small field of view and can be easily affected by vehicle bouncing. Traditional image processing methods based on algorithms such as segmentation cannot adapt to varying environmental and camera scenarios. In recent years, novel object detection methods based on deep learning algorithms have produced good results in detecting typical objects, such as faces, vehicles, structures and more, even in scenarios with changing object distances, camera angles, lighting conditions, etc. Therefore, in this study, a Deep Learning Pothole Detector (DLPD) based on the deep region-based convolutional neural network is proposed for autonomous detection of potholes from images. About 900 images with potholes and road surface conditions are collected and divided into training and testing data. Parameters of the network in the DLPD are calibrated based on sensitivity tests. Then, the calibrated DLPD is trained by the training data and applied to the 215 testing images to evaluate its performance. It is demonstrated that potholes can be automatically detected with high average precision over 93%. Potholes can be differentiated from manholes by training and applying a manhole-pothole classifier which is constructed using the convolutional neural network layers in DLPD. Repeated detection of the same potholes can be prevented through feature matching of the newly detected pothole with previously detected potholes within a small region.

• 한국정밀공학회지
• /
• 제16권10호
• /
• pp.25-34
• /
• 1999

In this paper, an algorithm is presented to recognize lane and obstacles based on highway road image. The road images obtained by a video camera undergoes a pre-processing that includes filtering, edge detection, and identification of lanes. After this pre-processing, a part of image is grouped into 27 sub-windows and fed into a three-layer feed-forward neural network. The neural network is trained to indicate the road direction and the presence of absence of an obstacle. The proposed algorithm has been tested with the images different from the training images, and demonstrated its efficacy for recognizing lane and obstacles. Based on the test results, it can be said that the algorithm successfully combines the traditional image processing and the neural network principles towards a simpler and more efficient driver warning of assistance system

• Journal of Information Processing Systems
• /
• 제19권1호
• /
• pp.130-138
• /
• 2023

The traffic flow in an urban area is affected by the date, weather, and regional traffic flow. The existing methods are weak to model the dynamic road network features, which results in inadequate long-term prediction performance. To solve the problems regarding insufficient capacity for dynamic modeling of road network structures and insufficient mining of dynamic spatio-temporal features. In this study, we propose a novel traffic flow prediction framework called shared spatio-temporal attention convolution optimization network (SSTACON). The shared spatio-temporal attention convolution layer shares a spatio-temporal attention structure, that is designed to extract dynamic spatio-temporal features from historical traffic conditions. Subsequently, the graph optimization module is used to model the dynamic road network structure. The experimental evaluation conducted on two datasets shows that the proposed method outperforms state-of-the-art methods at all time intervals.

• 정보처리학회 논문지
• /
• 제13권6호
• /
• pp.269-277
• /
• 2024

최신 IT 기술의 발달로 자율주행 자동차의 운행이 현실화되고 있으며, 이를 위해 경로 탐색은 필수적이다. 일반적으로 경로 탐색에서는 이동거리를 최소화하는 최단거리 경로와 이동 시간을 최소화하는 최단시간 경로가 제시된다. 그러나 이러한 경로의 품질은 도로망의 그래프 위상적 특성에 따라 달라진다. 도로망의 연결구조가 합리적이지 않으면 라우팅 알고리즘의 성능 개선에 한계가 있다. 실제 운전자들은 회전 횟수, 주변 환경, 교통체증, 도로 품질 등의 심리적 요소를 고려하며, 특히 회전이 적은 경로를 선호한다. 본 논문에서는 도로망 특성을 평가할 때 최단거리와 최단시간 경로뿐 아니라 회전이 가장 적은 경로를 찾는 단순 경로 알고리즘을 제시한다. 이를 통해 국내외 20개 주요 대도시 도로망의 연결 특성을 비교 평가하고, 도로망의 강점과 약점을 파악하여 효율적이고 안전한 경로 탐색 알고리즘을 개발할 수 있다. 제안된 단순 경로 알고리즘을 활용하여 각 도시의 도로망 특성을 비교 평가함으로써 도로망의 품질과 경로 탐색의 효율성을 종합적으로 검토한다.

• 국토계획
• /
• 제54권2호
• /
• pp.76-83
• /
• 2019

This study aims to empirically identify the effect of spatial accessibility, based on travel, on housing prices in the Korean capital region. More specifically, it has two research purposes: First, investigating the effect of comprehensive spatial accessibility, based on road network and actual trips from origin to destination, on average apartment price (Korean Won per square meter) at the level of Eup, Myeon and Dong; Second, identifying better accessibility index between Hansen's and Kalogirou and Foley's ones. The former represents a road-based travel time decay function with destination trips, while the latter is a function with origin trips as well as destination ones. The study employs spatial economic models considering spatial auto-correlative relationship as an appropriate methodology with such control independent indicators as population density, road density, educational environment and distances from CBDs. Analysis results demonstrate that spatial accessibility, based on road network and actual trips from origin to destination, has a statistically significant impacts on housing price in the region. Our empirical evidence proves that the Hansen index is more appropriate than the other in estimating housing price impacts.

• 무역학회지
• /
• 제47권2호
• /
• pp.175-193
• /
• 2022

This study analyzes the effects of road transportation networks on the local economy in korea. The analysis methods are SNA and spatial panel regression model. The subjects of this study are inland areas of Korea, and the research period is from 2010 to 2019. The network analysis showed that the connection centrality of Gyeongg-do was high internally and externally. Gyeonggi-do has played a central role in the domestic road freight transportation industry. The results of spatial panel regression analysis showed that there was economic competition between regions. Domestic road transportation industry has been competitive among regions and has economic ripple effect. And Internal cargo has been shown to boost the economy of the region. But internal cargo has been shown to lower the economy of surrounding regions, but external cargo has been shown to increase the economy. In order to revitalize the local economy, it is necessary to increase road cargo.

• 대한전기학회논문지:시스템및제어부문D
• /
• 제52권9호
• /
• pp.526-532
• /
• 2003

This paper describes a recognition method of a road direction for an autonomous vehicle based on magnetic sensors. Using the sensors mounted on a vehicle and the magnetic markers embedded along the center of road, the autonomous vehicle can recognize a road direction and control a steering angle. Using the front lateral deviation of a vehicle and the rear one, the road direction is calculated. The analysis of magnetic field, the acquisition technique of training data, the training method of neural network and the computer simulation are presented. According to the computer simulation, the proposed method is simulated, and its performance is verified. Also, the experimental test is confirmed its reliability.

• 한국정보통신학회논문지
• /
• 제24권11호
• /
• pp.1437-1444
• /
• 2020

컴퓨터 비전 시스템의 발달로 보안, 생체인식, 의료영상, 자율주행 등의 분야에 많은 발전이 있었다. 자율주행 분야에서는 특히 딥러닝을 이용한 객체인식, 탐지 기법이 주로 사용되는데, 자동차가 갈 수 있는 영역을 판단하기 위한 도로영역 인식이 특히 중요한 문제이다. 도로 영역은 일반적인 객체탐지에서 활용되는 사각영역인식과는 달리 비정형적인 형태를 띠므로, ROI 기반의 객체인식 구조는 적용할 수 없다. 본 논문에서는 Semantic segmentation 기법을 사용한 비정형적인 도로영역 인식에 맞는 심층 신경망 구조를 제안한다. 또한 도로영역에 특화된 네트워크 구조인 Multi-scale semantic segmentation 기법을 사용하여 성능이 개선됨을 입증하였다.

• 한국정보과학회논문지:데이타베이스
• /
• 제35권5호
• /
• pp.447-458
• /
• 2008

본 논문에서는 도로 네트워크 데이타베이스에서 정적 객체의 k-최근접 이웃 질의를 효율적으로 처리하기 위한 방안을 논의한다. 기존의 여러 기법들은 인덱스를 사용하지 못했는데, 이는 네트워크 거리가 순서화 된 거리함수가 아니며 삼각 부등식(triangular inequality) 성질 또한 만족하지 못하기 때문이다. 이러한 기존 기법들은 질의 처리 시 심각한 성능 저하의 문제를 가진다. 선계산된 네트워크 거리를 이용하는 또 다른 기법은 저장 공간의 오버헤드가 크다는 문제를 갖는다. 본 논문에서는 이러한 두 가지 문제점들을 동시에 해결하기 위하여 객체들 간의 네트워크 거리를 근사하여 객체들에 대한 인덱스를 구축하고, 이를 이용하여 k-최근접 이웃 질의를 처리하는 새로운 기법을 제안한다. 이를 위하여 본 논문에서는 먼저 네트워크 공간상의 객체를 유클리드 공간상으로 사상하기 위한 체계적인 방법을 제시한다. 특히, 삼각 부등식 성질을 만족시키기 위하여 평균 네트워크 거리라는 새로운 거리 개념을 제시하고, 유클리드 공간으로의 사상을 위하여 FastMap 기법을 사용한다. 다음으로, 평균 네트워크 거리와 FastMap을 사용하여 네트워크 공간상의 객체들로 인덱스를 구축하는 근사 색인 알고리즘을 제시한다. 또한, 구축한 인덱스를 사용하여 k-최근접 이웃 질의를 효과적으로 수행하는 알고리즘을 제안한다. 마지막으로, 실제 도로 네트워크를 이용한 다양한 실험을 통하여 제안된 기법의 우수성을 규명한다.

• 한국측량학회지
• /
• 제31권4호
• /
• pp.269-275
• /
• 2013

최근 들어 모바일 단말기를 휴대하고 이동하는 사용자에게 경로안내 및 주변 위치정보 안내와 같은 개인화된 서비스가 가능해졌다는 점에서 보행자용 도로망의 중요성이 커지고 있다. 한편, 전국단위 도로망 신규 구축과 갱신에 많은 비용이 소요된다는 점은 활성화의 제약조건으로 작용하고 있어 래스터 데이터를 기반으로 한 보행자용 도로망 추출 알고리즘을 적용한 자동 생성 방안이 필요한 상황이다. 그러나 생성된 도로망은 불필요한 결절점이 다수 포함되어 경로 안내 시 과도한 방향전환을 야기하고 데이터 용량 증가를 초래하는 등 유지관리 차원에서의 비효율이 발생한다. 본 연구에서는 이를 제거하기 위해 Douglas-Peucker 알고리듬 적용 과정에서 수치지도 도로의 속성정보를 이용하여 각 선형 객체별로 적합한 임계값을 부여함으로써 선형단순화의 효과는 극대화하고 실제 도로의 형태를 왜곡하지 않도록 최적의 임계값을 자동 선정하였다. 실험 대상 지역의 보행자용 도로망에 적용한 결과 결절점 감소율과 위치정확도 측면에서 제안된 방법이 자동 선형단순화에 적합하다는 결과를 얻을 수 있었다.