KR101808203B1 - 적응적 예측분석을 이용한 차량 단속 시스템 및 그 방법 - Google Patents

적응적 예측분석을 이용한 차량 단속 시스템 및 그 방법 Download PDF

Info

Publication number
KR101808203B1
KR101808203B1 KR1020170058175A KR20170058175A KR101808203B1 KR 101808203 B1 KR101808203 B1 KR 101808203B1 KR 1020170058175 A KR1020170058175 A KR 1020170058175A KR 20170058175 A KR20170058175 A KR 20170058175A KR 101808203 B1 KR101808203 B1 KR 101808203B1
Authority
KR
South Korea
Prior art keywords
vehicle
intermittent
tendency
analysis
time
Prior art date
Application number
KR1020170058175A
Other languages
English (en)
Inventor
박영
전성호
Original Assignee
(주)서광시스템
박영
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by (주)서광시스템, 박영 filed Critical (주)서광시스템
Priority to KR1020170058175A priority Critical patent/KR101808203B1/ko
Application granted granted Critical
Publication of KR101808203B1 publication Critical patent/KR101808203B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
    • G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
    • G06K9/3258—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q90/00—Systems or methods specially adapted for administrative, commercial, financial, managerial or supervisory purposes, not involving significant data processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
    • G06V20/63—Scene text, e.g. street names
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G06K2209/15—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
    • G06V20/625—License plates

Abstract

본 발명은 적응적 예측분석을 이용한 차량 단속 시스템 및 그 방법에 관한 것으로서, 일반 탐색단속부가 단속영역 및 가중치를 설정하는 (a) 단계; 카메라가 전체 단속영역을 모두 순회하며 주정차 위반 차량에 대한 단속(일반탐색)을 수행하는 (b) 단계; 분석 예측부가 차량이 주정차 할 경향성을 예측하는 (c) 단계; 예측 탐색단속부가 주정차 경향성이 높은 단속영역만을 선별하는 (d) 단계; 및 카메라가 선별된 단속영역으로부터 주정차 위반 차량에 대한 단속(예측탐색)을 수행하는 (e) 단계;를 포함하되, (c) 단계는, 분석 예측부가 단속영역 각각의 시간대별 주정차 패턴을 분석하는 (c-1) 단계; 및 분석 예측부가 현재 단속영역 각각에 차량이 주정차 할 경향성을 예측하는 (c-2) 단계;를 포함하고, (d) 단계의 예측 탐색단속부는 경향성 예측값이 기 설정된 경계값을 상회하는 단속영역을 선별하는 것을 특징으로 한다.
상기와 같은 본 발명에 따르면, 지주에 설치된 CCTV 카메라를 통하여 주정차 차량을 단속하되, 차량번호가 인식된 과거 데이터 분석을 토대로 현재 각 단속영역에 차량이 주정차 중일 경향성을 예측한 예측값이 기 설정된 값을 상회하는 경우, 상기 예측값과 대응하는 단속영역들만 추가로 단속하도록 구성함으로써, 차량 단속률을 향상시키는 효과가 있다.

Description

적응적 예측분석을 이용한 차량 단속 시스템 및 그 방법{SYSTEM FOR CRACKING VEHICLE USING ADAPTIVE PREDICT ANALYSIS AND METHOD THEREFOR}
본 발명은 적응적 예측분석을 이용한 차량 단속 시스템 및 그 방법에 관한 것으로 더욱 상세하게는, 지주(Pole)에 설치된 CCTV 카메라를 통하여 주정차 차량을 단속하되, 차량번호가 인식된 과거 데이터 분석을 토대로 현재 각 단속영역에 차량이 주정차 중일 경향성을 예측한 예측값이 기 설정된 값을 상회하는 경우, 상기 예측값과 대응하는 단속영역들만 추가로 단속하도록 구성하여 차량 단속률을 향상시키는 기술에 관한 것이다.
일반적으로 도로의 양쪽(또는 갓길)에는 차량이 주정차하기 쉽다. 이렇게 주정차된 차량은 주행 중인 다른 차량의 흐름을 방해하고 실질적으로 도로의 폭을 좁힐 뿐만 아니라 교통사고를 유발할 수 있기 때문에, 도로교통법에서는 각종 주정차 금지 표시판을 세워 이러한 불법 주정차를 금지하도록 계도하고 있다.
그러나, 단속을 실시하는 경찰관의 인력이 모든 주차 감시 지역마다 배치될 수 없는 것이 현실이기 때문에, 도로의 갓길 등에는 주정차 금지 표시판이 있음에도 불구하고 불법 주정차 차량들이 넘쳐나고 있다.
이를 개선하기 위해 도입된 차량단속 시스템은 지주에 설치된 CCTV 카메라를 통하여 기 설정된 패턴에 따라 주정차 차량을 단속하도록 구성되어 있으며, 대한민국 등록특허 제10-0454289호(2004.10.26.공개), 불법 주정차 단속 시스템외에 다수가 개시된 바 있다.
도 1을 참조하여 종래의 불법 주정차 단속 시스템은, 크게 불법 주정차 위반지역을 촬상하기 위하여 일정각도를 왕복회전하며 설정된 주기로 연속적으로 촬상하는 카메라(10);와 카메라(10)에 의하여 촬상된 이미지를 처리하여 불법 주정차위반 여부를 감지하고 위반된 차량에 대하여 촬상된 이미지를 저장하거나 저장된 이미지를 통신망에 의하여 외부로 이미지를 전송하도록 하는 주정차 위반 감지부(20);로 이루어진다.
이때, 주정차 위반 감지부(20)는 카메라로부터 주기적으로 촬상된 데이터에 위치정보를 부가하여 화상 저장모듈(23)에 전송하는 화상 처리모듈(21)과 화상 저장모듈(23)에 저장된 동일 위치의 화상들을 독출하여 화상변화를 검출하고, 화상변화 즉 새롭게 위반차량이 존재하는 경우 이를 화상 저장모듈(23)에 위반차량임을 표시하여 화상저장모듈(22)에 저장시키는 변화화상 추출모듈(22), 이들 모듈을 제어하는 제어모듈(24)로 이루어진다.
그러나, 이러한 종래의 차량단속 시스템의 경우, 예측분석의 과정이 없기 때문에 차량 주정차율이 매우 낮은 단속영역들도 매번 동일한 빈도로 탐색하여 단속 효율이 떨어지는 단점이 있다.
또한, 실제로 차량 단속률이 높은 단속영역에 차량이 정차한 경우, 시점에 따라 어떤 차량은 단속되고 잠시 뒤 도착한 다른 차량은 단속되지 않는 등 형평성 이슈도 발생하며, 신속한 차량단속의 요구를 충족시키지 못하는 문제점이 있다.
등록특허 제10-0454289호 등록특허 제10-1087492호
본 발명의 목적은, 지주에 설치된 CCTV 카메라를 통하여 주정차 차량을 단속하되, 차량번호가 인식된 과거 데이터 분석을 토대로 현재 각 단속영역에 차량이 주정차 중일 경향성을 예측한 예측값이 기 설정된 값을 상회하는 경우, 상기 예측값과 대응하는 단속영역들만 추가로 단속하도록 구성함으로써, 차량 단속률을 향상시키는데 그 목적이 있다.
그리고, 본 발명의 목적은, 주정차 단속영역 각각에 대한 요일 및 기간에 따른 시간대 별 주정차 경향성을 분석 및 예측하여 선별적 추가 탐색을 진행함으로써, 효과적인 차량단속을 가능하게 하고 단속률을 증가시키는데 그 목적이 있다.
이러한 기술적 과제를 달성하기 위한 본 발명의 적응적 예측분석을 이용한 차량 단속 시스템은, 카메라를 구비한 다수개의 현장부(100); 및
상기 카메라로부터 영상을 전송받아 차량 또는 차량번호판의 존재 여부를 확인한 후 차량번호를 인식하는 번호인식서버, 차량번호가 인식된 차량에 대해 차량단속을 진행하는 차량단속 서버, 차량번호가 인식된 과거 데이터를 통하여 현재 각 단속영역에 차량이 정차해 있을 경향성을 분석하고 예측하는 경향성 분석서버, 및 차량단속 정보를 저장하는 데이터베이스 서버를 포함하여 구성되는 차량단속 센터부(200);로 구성되며,
상기 차량단속 서버는, 단속영역 각각을 순회하여 촬영된 각 단속영역 별로 주정차 차량을 검지 및 단속하는 일반 탐색단속부와, 상기 경향성 분석서버를 통하여 예측된 경향성 예측값이 기 설정된 경계값을 상회하는 단속영역만을 순회하여 각 단속영역 별로 주정차 차량을 검지 및 단속하는 예측 탐색단속부를 포함하여 구성되고, 상기 경향성 분석서버는, 상기 데이터베이스 서버로부터 기 단속된 차량단속 데이터를 수신하여 단속영역 각각의 시간대별 주정차 패턴을 분석하고, 현재 단속영역 각각에 차량이 주정차 할 경향성을 예측하여 '경향성예측 분석정보'를 생성하는 분석 예측부를 포함하는 것을 특징으로 한다.
그리고, 전술한 시스템을 기반으로 하는 본 발명의 적응적 예측분석을 이용한 차량 단속 방법은, 일반 탐색단속부가 단속영역 및 가중치를 설정하는 (a) 단계; 카메라가 전체 단속영역을 모두 순회하며 주정차 위반 차량에 대한 단속(일반탐색)을 수행하는 (b) 단계; 분석 예측부가 차량이 주정차 할 경향성을 예측하는 (c) 단계; 예측 탐색단속부가 주정차 경향성이 높은 단속영역만을 선별하는 (d) 단계; 및 카메라가 선별된 단속영역으로부터 주정차 위반 차량에 대한 단속(예측탐색)을 수행하는 (e) 단계;를 포함한다.
상기와 같은 본 발명에 따르면, 지주에 설치된 CCTV 카메라를 통하여 주정차 차량을 단속하되, 차량번호가 인식된 과거 데이터 분석을 토대로 현재 각 단속영역에 차량이 주정차 중일 경향성을 예측한 예측값이 기 설정된 값을 상회하는 경우, 상기 예측값과 대응하는 단속영역들만 추가로 단속하도록 구성함으로써, 차량 단속률을 향상시키는 효과가 있다.
그리고, 본 발명의 목적은, 주정차 단속영역 각각에 대한 요일 및 기간에 따른 시간대 별 주정차 경향성을 분석 및 예측하여 선별적 추가 탐색을 진행함으로써, 효과적인 차량단속을 가능하게 하고 단속률을 증가시키는 효과가 있다.
즉, 본 발명에 따르면, 과거 데이터 분석을 통하여 현재 단속을 진행하는 시간대에 각 단속영역 별 주정차 패턴을 예측 후, 동일 시간대에 주정차 경향성이 높은 단속영역만을 대상으로 추가적 재탐색을 실시함으로써 단속률을 증대시키는 효과가 있다.
도 1은 종래의 불법 주정차 단속 시스템을 도시한 도면.
도 2는 본 발명에 따른 적응적 예측분석을 이용한 차량 단속 시스템을 도시한 개략 구성도.
도 3은 본 발명에 따른 적응적 예측분석을 이용한 차량 단속 시스템의 카메라와 단속차량까지의 거리 계산을 설명한 일 실시예 도면.
도 4는 본 발명에 따른 적응적 예측분석을 이용한 차량 단속 시스템의 로그 함수를 가중치로 사용한 것을 도시한 도면.
도 5는 본 발명에 따른 적응적 예측분석을 이용한 차량 단속 방법을 도시한 순서도.
도 6은 본 발명에 따른 적응적 예측분석을 이용한 차량 단속 방법의 제S30 단계의 세부과정
도 7은 본 발명에 따른 적응적 예측분석을 이용한 차량 단속 방법의 제S32 단계의 세부과정 도시한 순서도.
본 발명의 구체적인 특징 및 이점들은 첨부도면에 의거한 다음의 상세한 설명으로 더욱 명백해질 것이다. 이에 앞서, 본 명세서 및 청구범위에 사용된 용어나 단어는 발명자가 그 자신의 발명을 가장 최선의 방법으로 설명하기 위해 용어의 개념을 적절하게 정의할 수 있다는 원칙에 입각하여 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야 할 것이다. 또한, 본 발명에 관련된 공지 기능 및 그 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는, 그 구체적인 설명을 생략하였음에 유의해야 할 것이다.
도 2에 도시된 바와 같이, 본 발명에 따른 적응적 예측분석을 이용한 차량 단속 시스템(S)은 카메라(10)를 구비한 다수개의 현장부(100), 및 카메라로부터 영상을 전송받아 차량 또는 차량번호판의 존재 여부를 확인한 후 차량번호를 인식하는 번호인식서버(210), 차량번호가 인식된 차량에 대해 차량단속을 진행하는 차량단속 서버(220), 차량번호가 인식된 과거 데이터를 통하여 현재 각 단속영역에 차량이 정차해 있을 경향성을 분석하고 예측하는 경향성 분석서버(230) 및 차량단속 정보를 저장하는 데이터베이스 서버(240)를 포함하는 차량단속 센터부(200)를 포함하여 구성된다.
이하에서는 그 구체적인 언급을 생략하겠으나, 본 발명에 따른 다수개의 현장부(100)의 각 카메라(10), 차량단속 센터부(200)의 번호인식서버(210), 차량단속 서버(220), 경향성 분석서버(230) 및 데이터베이스 서버(240)는 정보통신망을 통해 접속된다.
먼저, 다수개 현장부(100)의 각 카메라(10)는 차량을 단속하기 위한 것으로, PTZ(PAN/TILTetd/ZOOM)값(포지션)을 갖는 회전형 카메라, 또는 팬틸트 드라이버와 결속된 박스 카메라로 구성되어 기 설정된 단속영역을 촬영한 영상을 번호인식서버(210) 및 차량단속서버(220)의 일반 탐색단속부(20)와 예측 탐색단속부(25)로 전송한다.
차량단속 센터부(200)의 번호인식서버(210)는 카메라(10)로부터 전송된 영상을 수신받아 차량 혹은 차량번호판의 존재 여부를 확인한 후 인식된 차량번호를 차량단속서버(220) 및 데이터베이스 서버(240)로 전송한다.
또한, 차량단속 서버(220)는, 차량번호가 인식된 차량에 대해 차량단속을 진행하는 것으로, 단속영역 각각을 모두 순회하여 촬영된 각 단속영역 별로 주정차 차량을 검지 및 단속하는 일반 탐색단속부(20)와, 후술하는 경향성 분석서버(230)를 통하여 예측된 경향성 예측값에 따라 현재 차량이 주정차해 있을 가능성이 경계값을 상회하는 단속영역만을 순회하여 각 단속영역 별로 주정차 차량을 검지 및 단속하는 예측 탐색단속부(25)를 포함하여 구성된다.
여기서, 일반 탐색단속부(20)는 카메라(10)로부터 단속영역 각각을 순회하여 촬영된 실시간 단속영상을 수신하되, 수신한 실시간 단속영상 내에 번호인식서버(210)로부터 차량번호가 인식된 주정차 차량을 검출한 경우 차량 단속을 수행하며, 해당 위치의 식별자, 카메라(10)의 PTZ값, 차량번호 및 단속일시를 포함하는 '일반탐색 단속정보'를 생성하여 데이터베이스 서버(240)에 저장 및 관리한다.
여기서, 주정차 차량 검출(차량번호 인식 및 차량 단속)은, 단속영역 내에 차량 또는 차량번호판의 존재여부 확인, 차량번호 인식, 차량번호가 인식된 경우 차량 정황사진을 취득하여 차량단속, 차량번호가 인식된 차량의 위치를 단속서버로 전송, 단속차량까지의 거리 산출;을 통해 수행될 수 있다.
이때, 단속대상 차량까지의 거리는 도 3에 도시된 바와 같이, 카메라의 틸팅(Tilting) 각도 및 카메라의 설치높이를 토대로 산출할 수 있으나, 이에 제한되는 것은 아니며 다양한 측정수단에 의해 거리 산출이 가능함은 물론이다.
또한, 예측 탐색단속부(25)는 경향성 분석서버(230)를 통해 분석되어 예측된 경향성 예측값에 따라 기 설정된 경계값(Threshold)을 상회하는 단속영역 만을 대상으로 예측탐색 단속을 수행하여 각 단속영역 별로 주정차 차량을 검지 및 단속하며, '예측탐색 단속정보'를 생성하여 데이터베이스 서버(240)에 저장 및 관리한다.
또한, 경향성 분석서버(230)는, 차량번호가 인식된 과거 데이터를 통하여 현재 각 단속영역에 차량이 정차해 있을 경향성을 분석하고 예측하는 것으로, 데이터베이스 서버(240)로부터 기 단속된 차량단속 데이터를 수신하여 단속영역 각각의 시간대별 주정차 패턴을 분석하고, 현재 단속영역 각각에 차량이 주정차 할 경향성을 예측하여 '경향성예측 분석정보'를 생성하는 분석 예측부(30)를 포함하여 구성되며, 생성된 정보는 데이터베이스 서버(240)에 저장 및 관리한다.
이때, 경향성 분석서버(230)의 분석 예측부(30)는 '요일-시간대별 차량인식건수'와 '기간-시간대별 차량인식건수'를 예측탐색 단속을 위한 판단 기준으로 사용하고, 판단에 사용할 과거 데이터는 예측탐색 시 단속 되었던 데이터는 포함하지 아니하고 상기 일반탐색 단속정보에 포함된 데이터만 사용한다.
구체적으로, '요일-시간대별 차량인식건수'란, 데이터베이스 서버에 기 저장된 과거 단속영상 중 현재 요일 및 현재 시간대에 차량번호가 인식되었던 건수를 의미하며, 이 건수를 토대로 학교, 종교시설 및 쇼핑센터 등과 같이 평일 및 주말, 더 자세하게는 각 요일별 주정차 패턴에 대한 분석이 가능하다.
또한, 각 요일별이라 하더라도 학교와 같이 등/하교 시간이 있는 경우는 시간대에 대한 요인도 함께 작동하므로 요일과 시간대를 동시에 고려해 단속영역 촬영이 가능하다.
이하, '요일-시간대별 차량인식건수'에 대한 가중치를 적용한 (예시1) 내지 (예시4)는 아래와 같다.
(예시1) 최근 4주간 매 화요일 오후 3시 학교 정문 앞에는 주정차 차량이 많음
(예시2) 최근 5주간 매 일요일 오전 10시 교회 앞에는 주정차 차량이 많음
(예시3) 최근 5주간 매 주말 오전 10시부터 오후 8시까지 백화점 주변에는 주정차 차량이 많음
(예시4) 최근 9주간 매 일요일 모든 시간대에는 학교 주변에 주정차 차량 적음
한편, '기간-시간대별 차량인식건수'란, 데이터베이스 서버에 기 저장된 과거 단속영상 중 현재로부터 기 설정된 날짜 이전까지 현재 시간대에 차량번호가 인식되었던 건수를 의미하며, 이 건수를 토대로 학교의 개학이나 방학, 쇼핑센터의 세일기간 혹은 지역별 축제기간 등과 같이 일정기간 동안 나타나는 경향성이나 일정기간 내 급격히 바뀌는 주정차 경향성 판단이 가능하다.
이하, '기간-시간대별 차량인식건수'에 대한 가중치를 적용해 3일 전에 방학을 맞은 학교 앞의 상황에 대한 (예시1) 및 (예시2)는 아래와 같다.
(예시1) 최근 9일간 오후 3시 학교 정문 앞에는 주정차 차량이 많음
(예시2) 최근 3일간 오후 3시 학교 정문 앞에는 주정차 차량이 적음
또한, 경향성 분석서버(230)의 분석 예측부(30)는 현재로부터 가까운 시점의 데이터에 높은 가중치를 적용하고, 먼 시점의 데이터는 낮은 가중치를 적용하며, 그 감소 추이는 현재로부터 가까운 시점의 경우는 완만하게 감소시키고, 먼 시점으로 갈수록 급격하게 감소시키기 위하여 로그 함수를 가중치 함수로 사용한다.
정리하면, 경향성 분석서버(230)의 분석 예측부(30)는 현재와 가까운 과거의 데이터에 가중치를 높게 부여하고 현재와 먼 과거의 데이터에 가중치를 낮게 부여하기 위한 가중치 적용 함수를 사용하고, 이 가중치 적용 함수로 로그함수(logarithmic function)를 사용하거나 각 설정영역 별 동일 시간대 과거 데이터(차량인식건수)를 독립변수로 설정한 회귀분석(regression analysis)을 이용하여 주정차 위반차량 단속을 수행할 수 있도록 구성된다.
이때, 예측탐색을 위한 가중치는 [수학식 1]을 통해 도출하고, '요일-시간대별 차량인식건수'에 대한 가중치는 [수학식 2]를 통해 도출하며, '기간-시간대별 차량인식건수'에 대한 가중치는 [수학식 3]을 통해 도출하고, 이전 데이터 가중치는 [수학식 4]를 통해 도출한다.
Figure 112017044460066-pat00001
(YA: 요일-시간대별 경향성, YB: 기간-시간대별 경향성)
Figure 112017044460066-pat00002
(Ak: k번째 이전 주의 차량검지수)
Figure 112017044460066-pat00003
(Bk: k번째 이전 일의 차량검지수)
Figure 112017044460066-pat00004
(Wk: k번째 이전 데이터의 가중치)
한편, 도 4는 본 발명에 따른 적응적 예측분석을 이용한 차량 단속 시스템의 로그 함수를 가중치로 사용한 것을 도시한 도면이고, 상술한 [수학식 1] 내지 [수학식 4]에서 상수 k에 따른 입력값은 아래와 같다.
<요일-시간대별 차량인식건수>
(예시1) k=1 : 1주일 전 동일 요일, 동일 시간대의 차량인식 건수
(예시2) k=7 : 7주일 전 동일 요일, 동일 시간대의 차량인식 건수
<기간-시간대별 차량인식건수>
(예시1) k=1 : 1일 전 동일 시간대의 차량인식 건수
(예시2) k=7 : 7일 전 동일 시간대의 차량인식 건수
또한, 상술한 [수학식 1] 내지 [수학식 4]에서 상수 n에 따른 입력 조건은 다음과 같다.
<요일-시간대별 차량인식건수>
(예시1) n=5 : 현재로부터 5주 전까지의 데이터를 사용
(예시2) n=9 : 현재로부터 9주 전까지의 데이터를 사용
<기간-시간대별 차량인식건수>
(예시1) n=5 : 현재로부터 5일 전까지의 데이터를 사용
(예시2) n=9 : 현재로부터 9일 전까지의 데이터를 사용
그리고, 데이터베이스 서버(240)는 기 단속된 차량단속 데이터를 저장 및 관리하되, 일반 탐색단속부(20)로부터 주정차 위반차량의 위치 식별자, 카메라의 PTZ값, 차량번호 및 단속일시를 포함하는 '일반탐색 단속정보'를 수신하여 저장 및 관리하고, 예측 탐색단속부(25)로부터 경향성 예측값이 기 설정된 경계값을 상회하는 단속영역 만을 단속하여 생성한 '예측탐색 단속정보'를 저장 및 관리하며, 경향성 분석서버(230)의 분석 예측부(30)로부터 단속영역 각각의 시간대별 주정차 패턴을 분석하고 단속영역 각각에 차량이 주정차 할 경향성을 예측하여 생성한 '경향성예측 분석정보'를 저장 및 관리한다.
또한, 본 발명에 따른 적응적 예측분석을 이용한 차량 단속 시스템은, 카메라로부터 단속영역 각각을 순회하여 촬영된 실시간 단속영상을 수신하되, 수신한 실시간 단속영상 내에 주정차 차량을 검출한 경우, 해당 위치의 식별자, 카메라의 PTZ값, 차량번호 및 단속일시를 포함하는 '일반탐색 단속정보'를 생성하고,
기 단속된 차량단속 데이터를 수신하여 단속영역 각각의 시간대별 주정차 패턴을 분석하고, 현재 단속영역 각각에 차량이 주정차 할 경향성을 예측하되, 경향성 예측값이 기 설정된 경계값을 상회하는 단속영역 만을 대상으로 예측탐색 단속을 수행하여 '예측탐색 단속정보'를 생성할 수 있음은 물론이다.
이하, 도 5를 참조하여 본 발명에 따른 적응적 예측분석을 이용한 차량 단속 방법에 대해 살펴보면 아래와 같다.
먼저, 일반 탐색단속부(20)가 단속영역 및 가중치를 설정한다(S10).
이어서, 카메라(10)가 전체 단속영역을 모두 순회하며 주정차 위반 차량을 단속(일반탐색)한다(S20).
다음, 분석 예측부(30)가 차량이 주정차 할 경향성을 예측한다(S30).
뒤이어, 예측 탐색단속부(25)가 주정차 경향성이 높은 단속영역만을 선별한다(S40).
그리고, 카메라(10)가 선별된 단속영역으로부터 주정차 위반 차량을 단속(예측탐색)한다(S50).
이하, 도 6을 참조하여 본 발명에 따른 적응적 예측분석을 이용한 차량 단속 방법의 제S30단계 및 제S40단계에 대한 세부과정에 대해 살펴보면 아래와 같다.
제S20단계 이후, 분석 예측부(30)가 단속영역 각각의 시간대별 주정차 패턴을 분석한다(S31).
이어서, 분석 예측부(30)가 현재 단속영역 각각에 차량이 주정차 할 경향성을 예측한다(S32).
그런 다음, 차량단속 서버(220)의 예측 탐색단속부(25)가 경향성 예측값이 기 설정된 경계값(Threshold)을 상회하는 단속영역을 선별한다(S40).
이때, 경계값은 현재로부터 가까운 시점의 데이터에 높은 가중치를 적용하고, 먼 시점의 데이터는 낮은 가중치를 적용하는 로그 함수를 통해 적용된다.
이하, 도 7을 참조하여 본 발명에 따른 적응적 예측분석을 이용한 차량 단속 방법의 제S32 단계의 세부과정에 대해 살펴보면 아래와 같다.
제S31단계 이후, 분석 예측부(30)가 데이터베이스에 기 저장된 과거 단속영상 중 현재 요일 및 현재 시간대에 차량번호가 인식되었던 건수, 즉, '요일-시간대별 차량인식건수'를 토대로 특정 단속영역의 평일 및 주말, 더 자세하게는 각 요일별 주정차 패턴을 분석한다(S32a).
그리고, 분석 예측부(30)가 데이터베이스에 기 저장된 과거 단속영상 중 현재로부터 기 설정된 날짜 이전까지 현재 시간대에 차량번호가 인식되었던 건수, 즉, '기간-시간대별 차량인식건수'를 토대로 일정기간 동안 나타나는 경향성이나 일정기간 내 급격히 바뀌는 주정차 경향성을 분석한다(S32b).
상술한 바와 같이 본 발명은, 종래의 단속방식과 달리 각 단속영역에 대한 요일 및 기간에 따른 시간대 별 주정차 경향성을 분석하고 예측하여 선별적 추가 탐색을 진행하는 예측탐색 단속 단계를 통하여 보다 효과적인 차량단속을 진행할 수 있으며, 또한 현재 차량이 있을 것으로 예측되는 단속영역만을 대상으로 재탐색할 수 있으므로, 이로 인하여 불법주정차 차량에 대한 단속률을 증가시킬 수 있다.
또한, 본 발명에서는 비록 경향성 분석서버가 요일-시간대별 차량인식건수 및 기간-시간대별 차량인식건수를 예측탐색 단속을 위한 판단 기준으로 사용하여, 각 단속영역에 대한 요일 및 기간에 따른 시간대 별 주정차 경향성을 분석하고 예측하였으나, 이에 국한되는 것이 아니며 구간영역별 또는 특정시점별 차량인식건수 또는 구간영역별 또는 특정시점별 단속되었던 차량번호의 단속횟수 등 다양한 판단기준을 설정할 수 있음은 물론이다.
이상으로 본 발명의 기술적 사상을 예시하기 위한 바람직한 실시예와 관련하여 설명하고 도시하였지만, 본 발명은 이와 같이 도시되고 설명된 그대로의 구성 및 작용에만 국한되는 것이 아니며, 기술적 사상의 범주를 일탈함이 없이 본 발명에 대해 다수의 변경 및 수정이 가능함을 당업자들은 잘 이해할 수 있을 것이다. 따라서 그러한 모든 적절한 변경 및 수정과 균등 물들도 본 발명의 범위에 속하는 것으로 간주되어야 할 것이다.
S: 적응적 예측분석을 이용한 차량 단속 시스템
100: 현장부 200: 차량단속 센터부
210: 번호인식서버 220: 차량단속 서버
230: 경향성 분석서버 240: 데이터베이스 서버
10: 카메라 20: 일반 탐색단속부
25: 예측 탐색단속부 30: 분석 예측부

Claims (11)

  1. 지주에 설치된 단속 카메라를 통한 주정차 단속 시스템에 있어서,
    카메라를 구비한 다수개의 현장부(100); 및
    상기 카메라로부터 영상을 전송받아 차량 또는 차량번호판의 존재 여부를 확인한 후 차량번호를 인식하는 번호인식서버, 차량번호가 인식된 차량에 대해 차량단속을 진행하는 차량단속 서버, 차량번호가 인식된 과거 데이터를 통하여 현재 각 단속영역에 차량이 정차해 있을 경향성을 분석하고 예측하는 경향성 분석서버, 및 차량단속 정보를 저장하는 데이터베이스 서버를 포함하여 구성되는 차량단속 센터부(200);로 구성되며,
    상기 차량단속 서버는, 단속영역 각각을 순회하여 촬영된 각 단속영역 별로 주정차 차량을 검지 및 단속하는 일반 탐색단속부와, 상기 경향성 분석서버를 통하여 예측된 경향성 예측값이 기 설정된 경계값을 상회하는 단속영역만을 순회하여 각 단속영역 별로 주정차 차량을 검지 및 단속하는 예측 탐색단속부를 포함하여 구성되고,
    상기 경향성 분석서버는, 상기 데이터베이스 서버로부터 기 단속된 차량단속 데이터를 수신하여 단속영역 각각의 시간대별 주정차 패턴을 분석하고, 현재 단속영역 각각에 차량이 주정차 할 경향성을 예측하여 '경향성예측 분석정보'를 생성하는 분석 예측부를 포함하며,
    상기 경향성 분석서버의 분석 예측부는,
    로그 함수를 가중치 함수로 사용하되,
    상기 가중치 함수는 현재로부터 가까운 시점의 데이터에 높은 가중치를 적용하고, 먼 시점의 데이터는 낮은 가중치를 적용하며, 그 감소 추이는 현재로부터 가까운 시점의 경우는 완만하게 감소시키고, 먼 시점으로 갈수록 급격하게 감소시키는 함수인 것을 특징으로 하는 적응적 예측분석을 이용한 차량 단속 시스템.
  2. 제1항에 있어서,
    상기 일반 탐색단속부는,
    상기 카메라로부터 단속영역 각각을 순회하여 촬영된 실시간 단속영상을 수신하되, 수신한 실시간 단속영상 내에 상기 번호인식서버로부터 차량번호가 인식된 주정차 차량을 검출한 경우 차량 단속을 수행하며, 해당 위치의 식별자, 카메라의 PTZ값, 차량번호 및 단속일시를 포함하는 '일반탐색 단속정보'를 생성하여 상기 데이터베이스 서버에 저장 및 관리하는 것을 특징으로 하는 적응적 예측분석을 이용한 차량 단속 시스템.
  3. 제1항에 있어서,
    상기 예측 탐색단속부는,
    상기 경향성 분석서버의 분석 예측부를 통해 분석되어 예측된 경향성 예측값에 따라 기 설정된 경계값을 상회하는 단속영역 만을 선별하고, 이를 대상으로 예측탐색 단속을 수행하여 각 단속영역 별로 주정차 차량을 검지 및 단속하며, '예측탐색 단속정보'를 생성하여 데이터베이스 서버에 저장 및 관리하는 것을 특징으로 하는 적응적 예측분석을 이용한 차량 단속 시스템.
  4. 제1항에 있어서,
    상기 경향성 분석서버의 분석 예측부는,
    '요일-시간대별 차량인식건수' 및 '기간-시간대별 차량인식건수'를 예측탐색 단속을 위한 판단 기준으로 사용하되,
    상기 '요일-시간대별 차량인식건수'는 상기 데이터베이스 서버에 기 저장된 과거 단속영상 중 현재 요일 및 현재 시간대에 차량번호가 인식되었던 건수이고,
    상기 '기간-시간대별 차량인식건수'는 상기 데이터베이스 서버에 기 저장된 과거 단속영상 중 현재로부터 기 설정된 날짜 이전까지 현재 시간대에 차량번호가 인식되었던 건수인 것을 특징으로 하는 적응적 예측분석을 이용한 차량 단속 시스템.
  5. 삭제
  6. 지주에 설치된 단속 카메라를 통한 주정차 단속 시스템에 있어서,
    카메라를 구비한 다수개의 현장부(100); 및
    상기 카메라로부터 영상을 전송받아 차량 또는 차량번호판의 존재 여부를 확인한 후 차량번호를 인식하는 번호인식서버, 차량번호가 인식된 차량에 대해 차량단속을 진행하는 차량단속 서버, 차량번호가 인식된 과거 데이터를 통하여 현재 각 단속영역에 차량이 정차해 있을 경향성을 분석하고 예측하는 경향성 분석서버, 및 차량단속 정보를 저장하는 데이터베이스 서버를 포함하여 구성되는 차량단속 센터부(200);로 구성되며,
    상기 차량단속 서버는, 단속영역 각각을 순회하여 촬영된 각 단속영역 별로 주정차 차량을 검지 및 단속하는 일반 탐색단속부와, 상기 경향성 분석서버를 통하여 예측된 경향성 예측값이 기 설정된 경계값을 상회하는 단속영역만을 순회하여 각 단속영역 별로 주정차 차량을 검지 및 단속하는 예측 탐색단속부를 포함하여 구성되고,
    상기 경향성 분석서버는, 상기 데이터베이스 서버로부터 기 단속된 차량단속 데이터를 수신하여 단속영역 각각의 시간대별 주정차 패턴을 분석하고, 현재 단속영역 각각에 차량이 주정차 할 경향성을 예측하여 '경향성예측 분석정보'를 생성하는 분석 예측부를 포함하며,
    상기 경향성 분석서버의 분석 예측부는,
    [수학식 1]을 통해 예측 탐색 가중치를 도출하고, '요일-시간대별 차량인식건수'에 대한 가중치는 [수학식 2]를 통해 도출하며, '기간-시간대별 차량인식건수'에 대한 가중치는 [수학식 3]을 통해 도출하고, 이전 데이터 가중치는 [수학식 4]를 통해 도출하는 것을 특징으로 하는 적응적 예측분석을 이용한 차량 단속 시스템.
    [수학식 1]
    Figure 112017100907245-pat00005

    (YA: 요일-시간대별 경향성, YB: 기간-시간대별 경향성)
    [수학식 2]
    Figure 112017100907245-pat00006

    (Ak: k번째 이전 주의 차량검지수)
    [수학식 3]
    Figure 112017100907245-pat00007

    (Bk: k번째 이전 일의 차량검지수)
    [수학식 4]
    Figure 112017100907245-pat00008

    (Wk: k번째 이전 데이터의 가중치)
  7. 제1항에 있어서,
    상기 일반 탐색단속부는,
    단속영역 내에 차량 또는 차량번호판의 존재여부 확인;
    차량번호 인식;
    차량번호가 인식된 경우 차량 정황사진을 취득하여 차량단속;
    차량번호가 인식된 차량의 위치를 단속서버로 전송; 및
    단속차량까지의 거리 산출;을 통해 주정차 차량 검출(차량번호 인식 및 차량 단속)을 수행하는 것을 특징으로 하는 적응적 예측분석을 이용한 차량 단속 시스템.
  8. 삭제
  9. 차량 단속 방법에 있어서,
    (a) 일반 탐색단속부가 단속영역 및 가중치를 설정하는 단계;
    (b) 카메라가 전체 단속영역을 모두 순회하며 주정차 위반 차량에 대한 단속(일반탐색)을 수행하는 단계;
    (c) 분석 예측부가 차량이 주정차 할 경향성을 예측하는 단계;
    (d) 예측 탐색단속부가 주정차 경향성이 높은 단속영역만을 선별하는 단계; 및
    (e) 카메라가 선별된 단속영역으로부터 주정차 위반 차량에 대한 단속(예측탐색)을 수행하는 단계;를 포함하며,
    상기 분석 예측부는,
    로그 함수를 가중치 함수로 사용하되,
    상기 가중치 함수는 현재로부터 가까운 시점의 데이터에 높은 가중치를 적용하고, 먼 시점의 데이터는 낮은 가중치를 적용하며, 그 감소 추이는 현재로부터 가까운 시점의 경우는 완만하게 감소시키고, 먼 시점으로 갈수록 급격하게 감소시키는 함수인 것을 특징으로 하는 적응적 예측분석을 이용한 차량 단속 방법.
  10. 제9항에 있어서,
    상기 (c) 단계는,
    (c-1) 분석 예측부가 단속영역 각각의 시간대별 주정차 패턴을 분석하는 단계; 및
    (c-2) 분석 예측부가 현재 단속영역 각각에 차량이 주정차 할 경향성을 예측하는 단계;를 포함하고,
    상기 (d) 단계의 예측 탐색단속부는, 상기 분석 예측부가 예측한 경향성 예측값이 기 설정된 경계값을 상회하는 단속영역을 선별하는 것을 특징으로 하는 적응적 예측분석을 이용한 차량 단속 방법.
  11. 제10항에 있어서,
    상기 (c-2) 단계는.
    (c-2a) '요일-시간대별 차량인식건수'를 토대로 특정 단속영역의 평일 및 주말, 더 자세히는 각 요일별 주정차 패턴을 분석하는 단계; 및
    (c-2b) '기간-시간대별 차량인식건수'를 토대로 일정기간 동안 나타나는 경향성이나 일정기간 내 급격히 바뀌는 주정차 경향성을 분석하는 단계;를 포함하는 것을 특징으로 하는 적응적 예측분석을 이용한 차량 단속 방법.
KR1020170058175A 2017-05-10 2017-05-10 적응적 예측분석을 이용한 차량 단속 시스템 및 그 방법 KR101808203B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020170058175A KR101808203B1 (ko) 2017-05-10 2017-05-10 적응적 예측분석을 이용한 차량 단속 시스템 및 그 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170058175A KR101808203B1 (ko) 2017-05-10 2017-05-10 적응적 예측분석을 이용한 차량 단속 시스템 및 그 방법

Publications (1)

Publication Number Publication Date
KR101808203B1 true KR101808203B1 (ko) 2017-12-12

Family

ID=60943960

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170058175A KR101808203B1 (ko) 2017-05-10 2017-05-10 적응적 예측분석을 이용한 차량 단속 시스템 및 그 방법

Country Status (1)

Country Link
KR (1) KR101808203B1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101917674B1 (ko) * 2018-04-10 2018-11-13 주식회사 에스오넷 주차 상태 자기 분석 검지 방법을 적용한 지능형 불법 주정차 단속 시스템 및 방법
CN114255588A (zh) * 2021-11-29 2022-03-29 安徽百诚慧通科技有限公司 区域机动车违法停车预测方法、存储介质及设备

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4764744B2 (ja) * 2006-03-01 2011-09-07 富士通株式会社 巡回計画作成プログラムおよび巡回計画作成装置
KR101365762B1 (ko) 2013-10-04 2014-03-12 안양시 추적 대상 차량번호의 이동 패턴 분석 방법 및 이를 이용한 통합 관제 시스템

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4764744B2 (ja) * 2006-03-01 2011-09-07 富士通株式会社 巡回計画作成プログラムおよび巡回計画作成装置
KR101365762B1 (ko) 2013-10-04 2014-03-12 안양시 추적 대상 차량번호의 이동 패턴 분석 방법 및 이를 이용한 통합 관제 시스템

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101917674B1 (ko) * 2018-04-10 2018-11-13 주식회사 에스오넷 주차 상태 자기 분석 검지 방법을 적용한 지능형 불법 주정차 단속 시스템 및 방법
CN114255588A (zh) * 2021-11-29 2022-03-29 安徽百诚慧通科技有限公司 区域机动车违法停车预测方法、存储介质及设备

Similar Documents

Publication Publication Date Title
US11657718B2 (en) Method for controlling vehicle platoon, device, and internet of vehicles system
US5801943A (en) Traffic surveillance and simulation apparatus
US11244171B2 (en) Video-based system for automated detection of double parking violations
US10964207B2 (en) Systems and methods for managing traffic flow using connected vehicle data
US20190051164A1 (en) System and method for retail revenue based traffic management
US5696503A (en) Wide area traffic surveillance using a multisensor tracking system
JP6584024B2 (ja) 監視システム
US20130265423A1 (en) Video-based detector and notifier for short-term parking violation enforcement
US20130093895A1 (en) System for collision prediction and traffic violation detection
JP6954420B2 (ja) 情報処理装置、情報処理方法、及びプログラム
KR101951534B1 (ko) 교통 cctv 단속 시스템을 위한 통합 단속 방법 및 장치
CN109493606B (zh) 一种高速公路上违停车辆的识别方法及系统
KR101808203B1 (ko) 적응적 예측분석을 이용한 차량 단속 시스템 및 그 방법
CN113111682A (zh) 目标对象感知方法和装置、感知基站、感知系统
CN112612272A (zh) 一种避障控制方法、电子设备及存储介质
KR101828271B1 (ko) 교통 관리 시스템 및 그 방법
CN112351190A (zh) 数字孪生监测系统和方法
KR100867336B1 (ko) 주정차단속 시스템 및 방법
KR101248835B1 (ko) 다차로 단속 시스템
KR20200124972A (ko) 도로 교통 위반 차량 단속 시스템 및 이를 이용한 도로 교통 위반 차량 단속 방법
KR20180068462A (ko) 신호등 제어 시스템 및 방법
CN110008957B (zh) 基于车牌识别和图像方差算法的小区违停告警方法
KR102426499B1 (ko) 꼬리물기 방지를 위한 도로 모니터링 및 신호 제어 장치 및 방법
KR20200026015A (ko) 차량 단속 시스템 및 그 방법
KR101773171B1 (ko) 버스정보 안내장치를 이용한 버스정보 안내 시스템

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant