지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 한상진
- 발행연도
- 2023
- 저작권
- 서울대학교 논문은 저작권에 의해 보호받습니다.
이용수11
이 논문의 연구 히스토리 (3)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
최근까지도 많은 데이터 기업에서는 최적 이동경로를 생성하는 다양한 길안내 서비스(Navigation) 기술을 발전시켜 왔다. 하지만 현재 상용화된 길안내 서비스들은 출발지로부터 목적지까지의 전역적인(global) 경로만을 안내하는 서비스를 중심으로 제공되고 있다. 이는 기술만으로는 해결하기 어려운 기존 데이터 수집방법의 한계이기도 하다.
일반적으로 교통현상은 너무나도 복잡(complex)하고 상대적(relative)이고 동적인(dynamic) 관계이기 때문에, 이를 해석하기 위해서는 정밀하고 충분한 데이터를 수집해야 한다. 그리고 교통현상을 분석하는 관점도 관리자, 운전자 등 다양한 관점을 고려해야 하는 어려움이 있다.
본 논문의 목적은 차량에 설치된 라이다 센서를 이용하여 주행하면서 주변차량에 대해서 끊김없고(seamless) 연속적인 구간 교통정보를 수집하는 방법론을 정립하고, 이러한 미시적이고 대규모 데이터를 활용하여 운전자 관점의 교통상태 및 안전성을 모니터링하는 것이다.
연구진행 과정은 선행연구를 통해 기존 검지체계의 문제점과 안전성 평가특징 등을 분석하였고, 도출된 문제점 개선을 위한 차세대 검지체계로 참여형 이동검지체계(MDS) 개념을 제안하였다.
이동검지체계 구현을 위해 라이다의 점군데이터를 수집하고 이를 딥러닝 기반의 Voxel-RCNN 모델을 통해 도로상의 다양한 객체 중 차량의 위치와 크기 등을 탐지하였다. 탐지된 개별차량을 교통정보로 활용하기 위해 탐지된 차량들에 ID를 부여한 뒤 추적을 수행하면서 차량별 속도, 가속도 등을 도출하고 데이터화하였다.
혼잡 등 다양한 조건에서 수집된 현장 교통정보를 바탕으로 시간과 공간에 따른 교통상태(밀도, 속도 등) 및 안전성평가(MTTC, 속도 표준편차)를 실시하였다. 또한 이러한 결과를 기존의 검지방식인 지점검지 및 구간검지와 비교해 보았다.
본 논문을 통해 계단식으로 표현되었던 기존 검지방식의 교통데이터가 아닌 시간과 공간에 따른 연속적인 교통정보를 수집하고 표현할 수가 있었으며, 이를 통해 미시적이고 정밀한 교통흐름을 확인할 수 있게 되었다. 또한 안전성 평가에서는 TTC보다 개선된 MTTC를 사용하였다. 이를 통해 민감하고 정밀하게 위험구간에 대한 정보를 수집할 수 있었다. 그리고 속도 표준편차를 이용한 안전성 평가방법에서도 실제 위험한 구간을 계량적으로 확인할 수가 있었다.
향후 장기간에 걸쳐 지속적으로 차량들의 이동데이터를 축적한다면, 지점검지기나 구간검지기에서 파악할 수 없었던 결측구간이나 차로별, 차로간 특성 등 다양한 교통현상도 분석할 수 있을 것이다. 이런 맥락으로 더 정확하고 운전자가 공감할 수 있는 교통정보를 제공하는데 이바지할 수 있을 것으로 기대된다.
일반적으로 교통현상은 너무나도 복잡(complex)하고 상대적(relative)이고 동적인(dynamic) 관계이기 때문에, 이를 해석하기 위해서는 정밀하고 충분한 데이터를 수집해야 한다. 그리고 교통현상을 분석하는 관점도 관리자, 운전자 등 다양한 관점을 고려해야 하는 어려움이 있다.
본 논문의 목적은 차량에 설치된 라이다 센서를 이용하여 주행하면서 주변차량에 대해서 끊김없고(seamless) 연속적인 구간 교통정보를 수집하는 방법론을 정립하고, 이러한 미시적이고 대규모 데이터를 활용하여 운전자 관점의 교통상태 및 안전성을 모니터링하는 것이다.
연구진행 과정은 선행연구를 통해 기존 검지체계의 문제점과 안전성 평가특징 등을 분석하였고, 도출된 문제점 개선을 위한 차세대 검지체계로 참여형 이동검지체계(MDS) 개념을 제안하였다.
이동검지체계 구현을 위해 라이다의 점군데이터를 수집하고 이를 딥러닝 기반의 Voxel-RCNN 모델을 통해 도로상의 다양한 객체 중 차량의 위치와 크기 등을 탐지하였다. 탐지된 개별차량을 교통정보로 활용하기 위해 탐지된 차량들에 ID를 부여한 뒤 추적을 수행하면서 차량별 속도, 가속도 등을 도출하고 데이터화하였다.
혼잡 등 다양한 조건에서 수집된 현장 교통정보를 바탕으로 시간과 공간에 따른 교통상태(밀도, 속도 등) 및 안전성평가(MTTC, 속도 표준편차)를 실시하였다. 또한 이러한 결과를 기존의 검지방식인 지점검지 및 구간검지와 비교해 보았다.
본 논문을 통해 계단식으로 표현되었던 기존 검지방식의 교통데이터가 아닌 시간과 공간에 따른 연속적인 교통정보를 수집하고 표현할 수가 있었으며, 이를 통해 미시적이고 정밀한 교통흐름을 확인할 수 있게 되었다. 또한 안전성 평가에서는 TTC보다 개선된 MTTC를 사용하였다. 이를 통해 민감하고 정밀하게 위험구간에 대한 정보를 수집할 수 있었다. 그리고 속도 표준편차를 이용한 안전성 평가방법에서도 실제 위험한 구간을 계량적으로 확인할 수가 있었다.
향후 장기간에 걸쳐 지속적으로 차량들의 이동데이터를 축적한다면, 지점검지기나 구간검지기에서 파악할 수 없었던 결측구간이나 차로별, 차로간 특성 등 다양한 교통현상도 분석할 수 있을 것이다. 이런 맥락으로 더 정확하고 운전자가 공감할 수 있는 교통정보를 제공하는데 이바지할 수 있을 것으로 기대된다.
목차
1. 서 론 11.1 연구 배경 및 목적 11.2 연구 범위 및 방법 42. 선행연구 고찰 62.1 교통정보 수집 및 교통상태 측정방법 62.1.1 기존 교통정보 수집체계 분석 62.1.2 교통상태 측정지표와 방법 162.1.3 차량검지 최신 라이다 기술 및 활용사례 182.2 교통안전 평가방법 262.2.1 안전대리변수 지표별 특징 및 측정방법 262.2.2 교통안전평가를 위한 데이터 수집방안 382.2.3 속도분산과 교통안전의 관계 412.3 본 연구의 차별성 422.3.1 선행연구 시사점 422.3.2 본 연구의 차별성 443. 차세대 검지체계 분석 및 최적센서 선정 473.1 차세대 검지체계 분석 473.1.1 차세대 검지체계의 요구조건 473.1.2 참여형 이동검지체계 제안 493.2 운행구간검지를 위한 차량센서 선정 523.2.1 주요 차량센서 비교 523.2.2 운행구간 교통정보수집을 위한 센서장비 선정 613.2.3 차량검지를 위한 알고리즘 선정 644. 라이다 센서기반 교통정보 수집 및 분석 방법론 정립 664.1 라이다 센서를 이용한 주행데이터 수집 664.1.1 수집차량 및 장비 제원 674.1.2 데이터 수집장비 점검절차 694.2 라이다 데이터를 활용한 교통정보 처리 734.2.1 객체탐지를 통한 교통데이터 추출 734.2.2 이동객체 추적 및 속도산출 방법 834.3 교통상태 및 안전성 모니터링 방법 894.3.1 교통상태(혼잡) 모니터링 894.3.2 교통안전성 모니터링 924.3.3 안전성 평가 개선방안 985. 라이다 센서를 이용한 현장 조사 및 교통 모니터링 1055.1 현장데이터 수집 및 적정성 분석 1055.1.1 라이다 센서를 이용한 현장 데이터 수집 1055.1.2 교통정보 데이터 적정성 검토 1095.2 고속도로 교통혼잡 및 안전성 분석 1175.2.1 라이다 교통정보를 통한 교통혼잡 모니터링 1175.2.2 기존검지방식과 비교분석 1235.2.3 고속도로 교통안전 모니터링 1326. 결론 및 향후 연구과제 1456.1 결론 1456.2 향후 연구과제 147참고문헌 149부 록 161
최근 본 자료
댓글(0)
0