KR100274580B1 - 통계량 추출 기법을 이용한 차종인식 방법 - Google Patents

Abstract

차량이 도로의 노면에 매설된 루프 코일을 통과할 경우 루프 코일에서 발생하는 자장의 변화를 검출하여 실시간적으로 통행하는 차량의 차종을 신속하게 인식할 수 있도록 한 것으로, 각 차종별 정보를 수집하여 차종별로 그룹화하는 과정과, 상기 그룹화한 차종별 정보의 각 패턴을 수직성분과 수평성분으로 정규화하는 과정과, 상기 정규화된 각 차종별 개별 자료군에 대하여 임의의 외곽점을 설정하는 과정과, 상기 외곽점 설정된 각 차종별 개별 자료군의 평균값을 산출하여 기준 값으로 설정하는 과정과, 검출되는 인식 대상의 차량 정보를 수직성분과 수평성분에 대하여 정규화하는 과정과, 정규화된 인식 대상의 차량 정보에 대하여 임의의 외곽점을 설정하는 과정과, 외곽점 설정된 인식 대상의 차량 정보와 저장모듈의 기준값을 비교하여 인식 대상 차량 정보의 평균값 간 거리의 합을 산출하는 과정 및, 상기 산출한 평균값 간의 거리 합으로 부터 최소 거리의 소속 그룹을 결정하여 해당 차종을 인식하는 과정을 포함하는 것을 특징으로 한다.

Description

통계량 추출기법을 이용한 차종 인식방법

본 발명은 도로를 통과하는 차량을 감지하는 장치에 관한 것으로, 보다 더 상세하게는 차량이 도로의 노면에 매설된 루프 코일을 통과할 경우 루프 코일에서 발생하는 자장의 변화(주파수의 변화)를 검출하여 실시간적으로 통행하는 차량의 차종을 신속하게 인식할 수 있도록 한 통계량 추출기법을 이용한 차종 인식방법에 관한 것이다.

일반적으로, 도로상에서 발생되는 각종 교통상태를 판단하고 이에 따른 적합한 신호제어를 수행하기 위해서는 목적한 교통정보를 수집할 수 있는 다양한 검지 센서들이 도로에 매설되거나 도로변에 설치되어야 하며, 교통부문에서 이용되는 검지 목적의 센서들은 유도식 루프 검지기(Inductive Loop Detector)와 마이크로 웨이브 및 초음파 센서 등 매우 다양한 센서들이 사용되고 있으나 주로 유도식 루프검지기가 사용된다.

상기한 바와 같이 노면에 매설된 유도식 루프 코일은 차량이 통과할 시 공진 주파수의 변화를 감지하여 차량을 감지하는 장치로 "대한민국특허공고 91-270"에 제시되어 있으나, 이는 도로를 통과하는 차량의 대수와 점유율, 차량의 속도에 대한 정보 등을 실시간적으로 검출하는 방법이 제시되어 있지 않으며, 실질적으로 통과되는 차량의 차종을 인식하는 방법이 설정되어 있지 않았다.

또한, 첨부된 도 6에서 알 수 있는 바와 같이 도로 노면에 매설된 유도식 루프 검지기를 통한 종래의 차량 감지장치는, 노면에 매설된 유도식 루프 코일(1)에 전원이 인가되는 상태에서 상기 유도식 루프 코일(1)의 위를 차량이 통과하게 되면 유도식 루프 코일(1)에서는 '플레밍의 오른손 법칙'에 따라 자장의 변화(주파수의 변화)가 발생되며 발생된 자장의 변화(주파수의 변화)는 인출 케이블(2)을 통해 검지기(3)측에 저장된다.

상기와 같이 검지기(3)에 차량의 통과에 따라 검출된 자장의 변화 정보가 저장되어 있는 상태에서 검지기(3)에 구비되어 있는 시리얼 통신 포트인 RS-232C에 분석장치(4)가 접속되면 저장된 자장의 변화(주파수의 변화) 정보는 분석장치(4)측에 다운로드 되며, 분석장치(4)는 다운로드 된 정보의 분석을 통하여 해당 도로에 대한 교통량과 도로의 점유시간 및 비점유시간에 대한 정보를 분석하여 교통량을 분석한다.

전술한 바 와 같은 종래의 차량 감지장치는 해당 도로상을 통과하는 교통량과 점유시간 및 비점유시간에 대한 교통정보가 기본적으로 계측되나, 그 이외의 교통분석 및 제어/관리 측면에서 효과적으로 활용될 수 있는 통과하는 차량의 종류에 대한 자료는 세부적으로 감지되지 않는 문제점이 있었다.

따라서, 해당 도로를 통과하는 차종을 인식하기 위한 방법으로 동일 차선에 하나 이상의 루프 코일을 대략 2M 내지 3M 간격으로 설치하는 방법이 제시되어 있으나, 이는 단지 대형 차량과 중형 차량 및 소형 차량 만을 대략적으로 구분할 수있는 정도이다.

또한, 독일 AVE 사에서 이동식 상용 제품으로 개발된 MT 계열 시스템이 제시되어 있는데, 이는 유도식 루프 감지기를 복합적 조합 구조로 하여 통행 차량들에 대한 차종을 최하 2종에서부터 최대 6종으로 인식하여 수집할 수 있도록 하고 있으나, 이는 차종 인식에 대한 실험적 신뢰도가 아주 낮은 상태이다.

또한, 프랑스의 ECM사가 개발한 HESTIA 시스템이 제시되어 있는데, 이는 2개의 유도식 루프 코일과 1개의 피에조(Piezo) 센서를 복합 구성하는 방법과 1개의 유도식 루프 코일과 2개의 피에조 센서를 복합 구성하는 방법을 이용하여 차종을 인식하도록 하고 있으나, 이는 차종 인식에 대한 신뢰도는 높은 상태로 검출되어지나 구성이 상대적으로 복합하게 되어 제작원가의 상승과 동시에 고장 발생시 수리 복구가 용이하지 못한 문제점이 있었다.

본 발명은 전술한 바와 같은 제반적인 문제점을 감안한 것으로, 그 목적은 통계량 추출기법을 통해 각 차종에 대한 개별 자료를 설정한 다음 도로의 노면에 매설되는 유도식 루프 코일에서 발생되는 자장의 변화 검출을 통해 해당 지역을 통행하는 차량의 차종을 실시간적으로 신뢰성 있게 인식할 수 있도록 함으로써 도시가로상의 용량산정에 있어서 실측에 의한 용량 산정이 가능하도록 하며, 고속도로나 유료 도로의 톨게이트에서 자동 요금징수 체계 운용에 효율성을 제공하도록 한 것이다.

또한, 본 발명은 통행하는 차량의 차종을 식별하기 위한 교통자료 수집에 대한 고가의 투자비용을 최소화하며, 현 시스템에서 운영되고 있는 대기 행렬길이 예측 알고리즘과 관련하여 보다 신뢰성이 높은 대기 행렬 예측 결과 등 정보의 질적 향상을 기대할 수 있는 기초 정보를 제공하도록 함에 그 목적이 있다.

상기한 바와 같은 목적을 달성하기 위한 본 발명은 차량 검출방법에 있어서, 각 차종별 정보를 수집하여 차종별로 그룹화하는 과정과, 상기 그룹화한 차종별 정보의 각 패턴을 수직성분과 수평성분으로 정규화하는 과정과, 상기 정규화된 각 차종별 개별 자료군에 대하여 임의의 외곽점을 설정하는 과정과, 상기 외곽점 설정된 각 차종별 개별 자료군의 평균값을 산출하여 기준 값으로 설정하는 과정과, 검출되는 인식 대상의 차량 정보를 수직성분과 수평성분에 대하여 정규화하는 과정과, 정규화된 인식 대상의 차량 정보에 대하여 임의의 외곽점을 설정하는 과정과, 외곽점 설정된 인식 대상의 차량 정보와 저장모듈의 기준값을 비교하여 인식 대상 차량 정보의 평균값 간 거리의 합을 산출하는 과정 및, 상기 산출한 평균값 간의 거리 합으로 부터 최소 거리의 소속 그룹을 결정하여 해당 차종을 인식하는 과정을 포함하는 것을 특징으로 하는 통계량 추출기법을 이용한 차종 인식방법.

제1도는 본 발명의 일 실시예에 따른 통계량 추출기법을 이용한 차종 인식장치의 구성 블록도.

제2도는 본 발명의 일 실시예에 따라 도로에 매설되는 루프 코일의 단면도.

제3도는 본 발명의 일 실시예에 따라 9개 차종에 대하여 샘플링한 파형도.

제4a도 내지 제4i도는 제3도에서 샘플링한 차종에 대하여 정규화된 자료의 파형도.

제5도는 본 발명의 일 실시예에 따라 통계량 추출기법을 이용하여 차종 인식을 실행하기 위한 흐름도.

제6도는 일반적으로 사용되는 차량 검지장치의 구성도.

이하, 첨부된 도면을 참보하여 본 발명의 바람직한 일 실시예를 상세히 설명하면 다음과 같다.

도 1에서 알 수 있는 바와 같이 본 발명에 따른 통계량 추출기법을 이용한 차종 인식장치는 유도식 루프 코일(10)과, 케이블(20) 및 데이터 분석부(30)로 이루어지는데, 유도식 루프 코일(10)은 도로의 노면에 소정의 상태로 매설되며 차량이 매설된 유도식 루프 코일(10)의 위를 통과할 경우 코일의 주변에서는 "플레밍의 오른손 법칙"에 따라 자장이 형성된다.

이때 발생하는 자속은 코일의 인덕턴스에 비례하며, 이에 관련된 식은 하기의 (식1) 및 (식2)와 같이 된다.

F ∝ N × I (식1)

여기서, N : 코일의 회전수이고, I : 코일의 전류이다.

F = R × θ (식2)

여기서, R : 비례상수이고, θ : 자장의 자속 변화이다.

상기의 유도식 루프 코일(10)은 첨부된 도 2에서 알 수 있는 바와 같이, 도로 면의 2cm 폭에 대략 5cm 깊이로 홈을 형성하여 설치하며, 2회 내지 4회 권선 되어 설치된다.

케이블(20)은 상기 유도식 루프 코일(10)에서 발생되는 자장의 변화(주파수의 변화)를 데이터 분석부(30)에 인가시키는 인입선이다.

데이터 분석부(30)는 케이블(20)을 통해 실시간적으로 인입되는 인식 대상의 각종 차량에 대한 검출 정보를 기준값과 비교하여 해당 지점에서의 교통량과 차량의 속도, 도로의 점유시간, 비점유시간 및 각각의 차종을 검출한다.

상기의 데이터 분석부(30)는 케이블(20)을 통해 아날로그 상태로 인입되는 자장의 변화(주파수의 변화)를 마이크로 프로세서가 인식할 수 있는 디지털 신호로 변환시키는 A/D 변환기(31)와, 상기 디지털 신호로 변환되어 인가되는 검출 신호에 포함되어 있는 노이즈를 제거한 다음 표준화의 실행, 표준화된 값과 설정된 기준값과의 비교를 통해 현재 유도식 루프코일(10)을 통과하는 차량의 차종을 인식하는 차종 판단 모듈(32)과, 상기 인식된 차종에 대한 정보를 교통관제센터에 전송하여 주는 기능 모듈(33) 및, 속도 및 자장의 변화 값에 따른 진폭에 따라 각 차종에 대한 기준값이 설정되며, 인식되는 차종 및 기타 검출되는 각종 정보를 저장하는 저장 모듈(34)로 이루어진다.

전술한 바와 같은 기능을 구비하여 이루어지는 본 발명에서 통계량 추출기법을 통해 교통정보의 검출 및 차종 인식에 대한 동작을 설명하면 다음과 같다.

먼저 통계량 추출기법을 통하여 차종을 인식하기 위하여 k-means 알고리즘이 라는 특수 형태를 사용하는데, 이 k-means 알고리즘은 MacQueen 에 의하여 제안된 알고리즘으로 우선 패턴을 k 개의 클러스터로 분할한 다음 클러스터에 포함되어 있는 패턴들의 평균으로 클러스터의 중심 값을 계산하고 이 중심 값과 각 패턴과의 거리를 계산한 후 가장 거리가 가까운 클러스터에 패턴에 포함시키는 방법으로 그조건은 다음과 같다.

Xi ∈ Cj ∥ Xi - Zj ∥ 〈 ∥ Xi - Zk ∥

여기서, 1 ≤ i ≤ N, 1 ≤ k ≤ c, 10 ≤ j ≤ 20, j ≠ k이며,

N : 패턴수, C : 클러스터 수, j : 입력벡터 요소의 수, Z : 클러스터 중심값이다.

상기와 같은 알고리즘을 통해 통계량의 추출을 위한 동작은 다음과 같다.

도로의 노면 상에 매설된 유도식 루프 코일(10)에 전류가 흐르게 되면 코일의 주변에서는 "플레밍의 오른손 법칙"에 따라 코일의 인덕턴스에 비례하는 자속의 자장이 형성된다.

이와 같이 자장의 형성된 유도식 루프 코일(10)의 위를 차량이 통과하게 되면 차량과 유도식 루프 코일(10)의 사이에서는 매우 큰 자속의 변화가 발생하게 되며, 발생된 자속의 변화는 케이블(20)을 통하여 데이터 분석부(30)에 인가된다.

데이터 분석부(30)는 인가되는 아날로그 상태의 자속 변화에 대한 신호를 A/D 변환부(31)을 통해 디지털 상태의 신호로 변환한 다음 차종 판단 모듈(32)과 기능 모듈(33)을 통해 차종 인식을 위한 동작을 실행한다.

상기와 같은 동작을 통해 수집되는 자료에 대하여 차종별로 그룹화하여 인식 대상 그룹을 설정하기 위한 과정은 첨부된 도 5에서 알 수 있는 바와 같은 루틴으로 실행된다.

이를 위한 일 실시예로 임의의 고속도로 구간에서 각 차종별로 유도식 루프코일(10)의 점유에 따라 발생하는 자속의 변화에 대한 자료를 수집한 다음 수집된 모든 자료를 차종별로 그룹화하여 하기의 표 1 과 같이 정리한다(스텝101).

상기와 같이 수집된 각 차종별 모든 자료에서 자장의 변화에 대하여 자속 변화의 주파수 값인 수직성분과 샘플링의 순위인 수평성분에 대하여 하기의 (식3)과 (식4)에 의거하여 정규화를 실행한다(스텝102).

이때, 수평성분에 대한 정규화는 하기의 (식3)에 의하여 실행한다.

여기서, X(i) = 정규화된 수평성분의 값,

Xmax = 표준규격의 수평성분 최대 값,

Xmin = 표준규격의 수평성분 최소 값,

N = 원시자료의 샘플링 수,

I = 원시자료의 샘플링 순서로 정의된다.

또한, 수직성분의 정규화는 하기의 (식4)과 같이 실행한다.

여기서, Y(i) = 정규화된 수직성분의 값,

Ymax = 표준화 규격의 수직성분 최소 값,

Ymin = 표준화 규격의 수직성분 최대 값,

Wmax = 원시자료의 수직성분 최대 값,

Wmin = 원시자료의 수직성분 최소 값,

Wave = 원시자료 수직성분의 자료로 정의된다.

상기의 과정을 통해 정규화 된 수직성분과 수평성분의 검출자료에 대하여 동일한 규격으로 대응시키면 각각의 차종에 대해서는 첨부된 도 4의 (a) 내지 (i)같이 표시되며, 이들 검출자료를 2차원 파형으로 도시하면 첨부된 도 3과 같은 상태로 표시된다.

상기와 같이 검출된 자료의 정규화가 완료되면 정규화 된 각 차종별 개별 자료군에 대하여 2차 처리의 과정을 실행하는데, 이는 정규화 된 각 차종별 개별 자료를 토대로 임의의 외곽점(Extra-Point)을 설정하며 설정된 지점과 각 차종별 입력값 간의 거리를 산출하여 해당 차종의 기준 값으로 할당한다(스텝103).

상기에서 각 차종별 개별 자료로부터 임의의 외곽 점 산출은 하기의 (식5)에 의해 연산되어진다.

여기서, D_i= 입력치, Y_i와 외곽 점 간 변화된 값,

Y_i= 정규화된 자료 중 Y의 값,

P_y= Y 값들과 대응되는 설정된 외곽점,

P_x= X 값들과 대응되는 설정된 외곽점,

i = 입력치들의 샘플링 순위로 정의된다.

상기와 같이 수집된 교통 정보 자료에 대하여 수직성분 및 수평성분의 정규화와 정규화된 자료의 2차 처리가 완료되면 각 차종별 개별 자료의 평균치를 산출하여 수평성분과 수직성분이 1 대 1 대응이 되도록 하여 기준 값으로 설정한 다음 데이터 분석부(30)의 저장 모듈(34)에 각 차종의 기준값으로 설정한다(스텝104).

상기와 같이 차종별 개별 자료에 대한 기준값의 설정이 완료된 상태에서 유도식 루프 코일(10)의 위를 임의의 차량이 통과하는 경우 유도식 루프 코일(10)에 서 발생되는 자장의 변화는 케이블(20)을 통하여 데이터 분석부(30)의 A/D 변환부(31)측에 인가되므로 A/D 변환부(31)는 인가되는 아날로그 상태의 자장 변화의 주파수 신호를 디지털 상태의 신호로 변환시킨 다음 차종인식모듈(32)측에 인가한다.

차종 인식모듈(32)은 현재 실시간적으로 검출되는 인식대상의 입력 신호에 대하여 전술한 바와 같은 (식3) 및 (식4)를 이용한 연산으로 수직성분과 수평성분에 대한 정규화를 실행한다(스텝105).

상기와 같이 인식 대상의 입력신호에 대하여 수직성분과 수평성분에 대한 정규화의 실행이 완료되면 차종 인식 모듈(32)은 정규화된 인식 대상의 자료에 대하여 상기의 (식5)를 통해 임의의 외곽점을 설정하는 2차 처리를 실행한다(스텝106).

상기의 과정을 통해 인식 대상의 자료에 대하여 외곽점을 설정하는 2차 처리가 완료되면 차종판단모듈(32)은 인식대상의 입력정보와 저장 모듈(33)에 설정된 각 차종별 그룹의 기준값을 비교하여 차종별 그룹의 평균값 간 거리의 합을 하기와 같은 (식6)에 의거하여 연산한다(스텝107)

여기서, D_sun(j)= j 번째 차량과의 오합차이고, C_i,j= j번째 차량의 i 번째 기준치이다.

상기와 같은 연산식에 의거하여 인식 대상의 신호와 설정된 기준 값 간의 거리의 합 산출이 완료되면 산출된 거리의 합 신호에 대하여 최소 거리의 소속 그룹을 하기의 (식7)에 의거 연산하여 해당 차종을 인식한 다음 상기 저장 모듈(34)의 지정된 소정 어드레스 번지에 저장함과 동시에 기능모듈(33)을 통해 접속된 교통관제 센터에 인식된 차종에 대한 데이터를 전송한다(스텝108)(스텝109).

Veh_ID = Min{Dsun(j)} (식7)

여기서, Veh_ID : 검색 결과 각 차종별 그룹에서 가장 근접한 차종의 번호이다.

따라서, 유도식 루프 코일(10)을 통과하는 차량의 차종을 통계량 추출기법을 통해 실시간적으로 인식하며, 인식된 정보를 기능 모듈(33)을 통해 교통관제센터에 실시간적으로 보고한다.

이상에서 설명한 바와 같이 본 발명은 통계량 추출기법을 통해 각각의 차종에 대한 자료를 수직성분과 수평성분으로 정규화하고 차종 그룹을 설정 저장한 다음 기준값으로 저장하고, 인식 대상에 대한 신호를 수직성분과 수평성분으로 정규화한 후 설정된 기준값과의 비교를 통해 유도식 루프 코일을 통과하는 차종을 인식하도록 함으로써 도로의 교통분석 및 제어 관리에 효율성을 제공한다.

Claims (6)

1. 차량 검출방법에 있어서, 각 차종별 정보를 수집하여 차종별로 그룹화하는 과정과; 상기 그룹화한 차종별 정보의 각 패턴을 수직성분과 수평성분으로 정규화하는 과정과; 상기 정규화된 각 차종별 개별 자료군에 대하여 임의의 외곽점을 설정하는 과정과; 상기 외곽점 설정된 각 차종별 개별 자료군의 평균값을 산출하여 기준 값으로 설정하는 과정과; 검출되는 인식 대상의 차량 정보를 수직성분과 수평성분에 대하여 정규화하는 과정과; 정규화된 인식 대상의 차량 정보에 대하여 임의의 외곽점을 설정하는 과정과; 외곽점 설정된 인식 대상의 차량 정보와 저장모듈의 기준값을 비교하여 인식 대상 차량 정보의 평균값 간 거리의 합을 산출하는 과정 및; 상기 산출한 평균값 간의 거리 합으로부터 최소 거리의 소속 그룹을 결정하여 해당 차종을 인식하는 과정을 포함하는 것을 특징으로 하는 통계량 추출기법을 이용한 차종 인식방법.
2. 청구항 1에 있어서, 도로를 점유하는 차종의 인식이 완료되면 해당 차종의 도로 점유시간 및 비점유시간과 차속 등에 대한 정보를 검출하는 것을 특징으로 하는 차종 인식방법.
3. 청구항 1에 있어서, 상기 수직성분에 대한 정규화하는 다음과 같은 연산식에 의거하여 실행하는 것을 특징으로 하는 통계량 추출기법을 이용한 차종 인식방법.

   

   여기서, Y(i) = 정규화된 수직성분의 값,

   Ymax = 표준화 규격의 수직성분 최소 값,

   Ymin = 표준화 규격의 수직성분 최대 값,

   Wmax = 원시자료의 수직성분 최대 값,

   Wmin = 원시자료의 수직성분 최소 값,

   Wave = 원시자료 수직성분의 자료이다.
4. 청구항 1에 있어서, 상기 수평성분에 대한 전규화는 다음과 같은 연산식에 의거하여 실행하는 것을 특징으로 하는 통계량 추출기법을 이용한 차종 인식방법.

   

   여기서, X(i) = 정규화된 수평성분의 값,

   Xmax = 표준규격의 수평성분 최대값,

   Xmin = 표준규격의 수평성분 최소값,

   N = 원시자료의 샘플링 수,

   I = 원시자료의 샘플링 순서이다.
5. 청구항 1에 있어서, 상기 수직성분에 대한 정규화는 검출되는 신호의 주파수 값이며, 수평성분에 대한 정규화는 샘플링순위로 실행하는 것을 특징으로 하는 통계량 추출기법을 이용한 차종 인식방법.
6. 청구항 1에 있어서, 상기 입력된 자료의 외곽점의 설정은 하기의 연산식에 의해 이루어지는 것을 특징으로 하는 통계량 추출기법을 이용한 차종 인식방법.

   

   여기서, D_i= 입력치,

   Y_i와 외곽점 간 변환된 값,

   Y_i= 정규화된 자료중 Y의 값,

   P_y= Y 값들과 대응되는 설정된 외곽점,

   P_x= X 값들과 대응되는 설정된 외곽점,

   i = 입력치들의 샘플링 순위로 정의된다.

Images