드론 기반 딥러닝을 활용한 교차로 교통 데이터 분석

• 영문명: Crossroads Traffic Data Analysis Using Drone-Based Deep Learning
• 발행기관: 한국방재학회
• 저자명: 이태원(TaeWon Lee) 박세준(SaeJun Park) 오재철(JaeChul Oh) 강대흥(Dae-Hung Kang)
• 간행물 정보: 『2. 한국방재학회 논문집』24권1호, 73~82쪽, 전체 10쪽
• 주제분류: 공학 > 기타공학
• 파일형태: PDF
• 발행일자: 2024.02.29

국문 초록

본 연구에서는 드론을 활용한 도로 교통 데이터 수집 및 딥러닝 기반 분석을 통해 교통 상황을 모니터링하는 방법을 제안하였다. YOLOv8 객체 탐지 모델을 활용하여 45도와 90도 촬영한 교차로 교통 영상을 분석하고, 촬영 각도에 따른 객체 탐지 능력차이를 확인하였다. 객체 추적 시 발생하는 폐색 영역 문제를 해결하기 위해 촬영 각도를 최적화하고, 최종 모델을 통해 평균 96.9%의 경로 인식률과 93.7%의 차종 인식률을 달성하였다. 이를 통해 드론 기반의 교통 데이터 수집 및 딥러닝 분석이 도로 교통 관리에 효과적으로 활용될 수 있음을 입증하였다. 향후 더 정교한 교통 정보 시스템의 개발과 활용에 대한 연구가 필요하다.

영문 초록

This study proposes a method for monitoring traffic conditions via the collection of road traffic data using drones and deep learning-based analysis. Utilizing the YOLOv8 object detection model, we analyzed traffic videos captured at 45 and 90 degrees at intersections, which revealed differences in object detection capabilities based on the shooting angle. To address issues related to occluded areas during object tracking, we optimized the shooting angles, and achieved a final model with an average of 96.9% and 93.7% path and vehicle type recognition rate, respectively. This validates the effective utilization of drone-based traffic data collection and deep learning analysis in road traffic management. Further research is necessary for the development and application of more sophisticated traffic information systems in the future.

목차

1. 서 론

2. 연구 대상 구간 선정 및 데이터 수집

3. YOLO를 활용한 차량 객체, 주행 경로 모니터링

4. 차량 객체 및 주행 경로 모니터링 결과

5. 결 론

감사의 글

Reference

키워드

드론 딥러닝 교통 데이터 경로 인식률 차종 인식률 Drone Deep Learning Traffic Data Path Recognition Rate Vehicle Type Recognition Rate