KR102269227B1 - 터널 내 및 모든 도로 주행 안전 장치 - Google Patents

Abstract

본 발명의 일실시예에 따르면, 도로의 중앙분리대와 가드레일 부분에 장착되어서 차량과 접촉이 없도록 하여 일정 구간에 일정 간격으로 도로에 설치되는 안전 케이스; 차량 진행 방향의 전방으로 빛을 조사하도록 상기 안전 케이스에 설치되는 조명부; 차량 진행 방향의 후방으로 빛이 점멸되도록 상기 안전 케이스에 설치되는 경고부; 도로에서 주행중인 차량의 움직임을 감지하고, 차량의 움직임을 통해 도로 주행에 정체가 있는지 여부를 감지하여, 도로 주행에 정체가 있는 것으로 감지되면, 사고가 발생하였는지 여부 및 차량 증가로 인해 단순 정체가 발생하였는지 여부를 감지하는 센서부; 및 상기 센서부에 의해 도로에서 차량이 주행중인 것으로 감지되면, 상기 조명부에서 빛이 조사되도록 제어하고, 상기 센서부에 의해 단순 정체가 발생한 것으로 감지되면, 상기 경고부에서 제1 색으로 빛이 점멸되도록 제어하고, 상기 센서부에 의해 사고가 발생한 것으로 감지되면, 상기 경고부에서 제2 색으로 빛이 점멸되도록 제어하는 제어부를 포함하며, 상기 센서부는, 이미지 센서를 통해 차량의 위치 및 차량 간의 거리를 분석하여 감지하고, 도로에 정체가 있는 구간에 위치하는 복수의 차량들의 이미지 정보를 획득하고, 상기 획득된 이미지 정보를 차량 별로 구분하여 분석 대상 차량의 이미지 정보를 추출하고, 상기 분석 대상 차량의 이미지 정보에서 대상 구역 이미지 및 차량 상태 정보를 확인하고, 상기 차량 상태 정보를 기초로 외관에 문제가 있는 차량이 있는지 여부를 확인하여, 사고가 발생하였는지 여부에 대한 판단 결과를 생성하고, 상기 판단 결과에 따라, 사고가 발생한 것으로 판단되면, 사고 발생으로 도로에 정체가 발생한 것으로 감지하고, 사고가 발생하지 않은 것으로 판단되면, 단순 정체로 도로에 정체가 발생한 것으로 감지하는, 터널 내 및 모든 도로 주행 안전 장치가 제공된다.

Description

터널 내 및 모든 도로 주행 안전 장치 {DRIVING SAFETY APPARATUS IN TUNNEL AND ON ALL ROADS}

아래 실시예들은 터널 내와 모든 도로에 설치된 도로 주행 안전 장치를 제공하는 기술에 관한 것이다.

터널은 도로 등을 주행하는 차량의 신속한 통행을 위해서, 산 또는 지하 등을 관통하여 형성된다. 이러한 터널은 차량의 주행거리를 줄여서 주행시간 및 통행 불편을 최소화하는 장점이 있으나, 그 내부가 어둡고 환기불량으로 인해서 차량의 주행환경이 열악하다는 단점이 있다.

또한, 터널 내부로 차량이 진입하면 갑작스런 환경의 변화로 인해서, 운전자의 여러 감각기능이 저하될 수 있고, 시각적 감각의 왜곡 현상으로 인해 속도감과 거리감을 인지하기 어려운 문제점 또한 있다.

따라서, 터널에서는 전술한 주행환경 악화로 인해서 교통사고의 발생 확률이 증가했다. 이러한 인적 사고 외에도, 터널은 인공적으로 구성된 실내이므로, 터널 설비 자체의 결함, 파손 또는 붕괴 등을 이유로 통행에 곤란한 환경이 조성될 수 있다. 물론, 이러한 급작스런 사고는 통행 차량에 충분한 통지가 불가능하므로, 대형 사고의 원인이 될 수 있었다.

특히, 터널 뿐만 아니라 시야가 확보되지 않은 야간에는 모든 도로에서 주행하는데 있어 안전사고가 발생하는 것을 효과적으로 방지하는 것이 요구된다.

아울러, 가로등이 미설치된 어두운 도로 등을 주행하는 경우, 도로의 주행 방향의 전방에 차량 사고 또는 소정의 장애물이 위치된 경우, 차량 주행자가 미리 확인하는 것이 어려운 바, 장애물을 피하는 과정에서 2차 사고가 발생될 문제점이 있다.

한편, 고속도로 사고 및 정체 등을 후속 차량이 인지하지 못하여 발생하는 후방 추돌 사고가 매년 되풀이 되고 있으며, 고속도로 특성 상 다중 추돌 및 사망 사고로 이어지는 문제가 있다.

따라서, 전방의 교통 상황을 미리 파악할 수 있도록 하여, 후방 추돌 사고를 방지하고자 하는 기술에 대한 구현 요구가 증대되고 있다.

본 발명의 일 실시예에 따르면, 터널 내 및 모든 도로에 차량 증가로 인해 단순 정체가 발생한 것으로 감지되면, 차량 진행 방향의 후방으로 제1 색의 빛이 점멸되도록 제어하고, 터널 내 및 모든 도로에 사고가 발생한 것으로 감지되면, 차량 진행 방향의 후방으로 제2 색의 빛이 점멸되도록 제어하는 터널 내 및 모든 도로 주행 안전 장치를 제공하기 위한 것을 그 목적으로 한다.

본 발명의 목적은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 명확하게 이해될 수 있을 것이다.

본 발명의 일실시예에 따르면, 도로의 중앙분리대와 가드레일 부분에 장착되어서 차량과 접촉이 없도록 하여 일정 구간에 일정 간격으로 도로에 설치되는 안전 케이스; 차량 진행 방향의 전방으로 빛을 조사하도록 상기 안전 케이스에 설치되는 조명부; 차량 진행 방향의 후방으로 빛이 점멸되도록 상기 안전 케이스에 설치되는 경고부; 도로에서 주행중인 차량의 움직임을 감지하고, 차량의 움직임을 통해 도로 주행에 정체가 있는지 여부를 감지하여, 도로 주행에 정체가 있는 것으로 감지되면, 사고가 발생하였는지 여부 및 차량 증가로 인해 단순 정체가 발생하였는지 여부를 감지하는 센서부; 및 상기 센서부에 의해 도로에서 차량이 주행중인 것으로 감지되면, 상기 조명부에서 빛이 조사되도록 제어하고, 상기 센서부에 의해 단순 정체가 발생한 것으로 감지되면, 상기 경고부에서 제1 색으로 빛이 점멸되도록 제어하고, 상기 센서부에 의해 사고가 발생한 것으로 감지되면, 상기 경고부에서 제2 색으로 빛이 점멸되도록 제어하는 제어부를 포함하며, 상기 센서부는, 이미지 센서를 통해 차량의 위치 및 차량 간의 거리를 분석하여 감지하고, 도로에 정체가 있는 구간에 위치하는 복수의 차량들의 이미지 정보를 획득하고, 상기 획득된 이미지 정보를 차량 별로 구분하여 분석 대상 차량의 이미지 정보를 추출하고, 상기 분석 대상 차량의 이미지 정보에서 대상 구역 이미지 및 차량 상태 정보를 확인하고, 상기 차량 상태 정보를 기초로 외관에 문제가 있는 차량이 있는지 여부를 확인하여, 사고가 발생하였는지 여부에 대한 판단 결과를 생성하고, 상기 판단 결과에 따라, 사고가 발생한 것으로 판단되면, 사고 발생으로 도로에 정체가 발생한 것으로 감지하고, 사고가 발생하지 않은 것으로 판단되면, 단순 정체로 도로에 정체가 발생한 것으로 감지하는, 터널 내 및 모든 도로 주행 안전 장치가 제공된다.

상기 센서부는, 상기 판단 결과에 따라, 단순 정체로 도로에 정체가 발생한 것으로 감지되면, 차량의 주행 속도가 기준 속도 이하인 정체 구간을 감지하고, 상기 제어부는, 상기 정체 구간의 시작점인 단순 정체 발생 지점으로부터 상기 정체 구간의 끝점인 단순 정체 종료 지점까지의 정체 구간 길이를 산출하고, 미리 정해진 기간 동안의 시간대별 정체 패턴을 통해 제1 기준 거리가 설정되면, 상기 정체 구간 길이가 상기 제1 기준 거리 보다 짧은지 여부를 확인하고, 상기 정체 구간 길이가 상기 제1 기준 거리 보다 짧은 것으로 확인되면, 상기 정체 구간을 일반적인 정체 현상으로 판단하여, 상기 단순 정체 발생 지점으로부터 후방으로 상기 정체 구간 길이의 4배 떨어진 위치까지, 상기 제1 색의 빛이 제1 강도의 세기로 제1 점멸 속도를 통해 점멸되도록 제어하고, 상기 정체 구간 길이가 상기 제1 기준 거리 보다 긴 것으로 확인되면, 상기 정체 구간을 특수적인 정체 현상으로 판단하여, 상기 정체 구간 길이가 상기 제1 기준 거리 보다 긴 값으로 설정된 제2 기준 거리 보다 짧은지 여부를 확인하고, 상기 정체 구간 길이가 상기 제2 기준 거리 보다 짧은 것으로 확인되면, 상기 정체 구간을 심각한 정체 현상으로 판단하여, 상기 단순 정체 발생 지점으로부터 후방으로 상기 정체 구간 길이의 3배 떨어진 위치까지, 상기 제1 색의 빛이 상기 제1 강도 보다 강한 제2 강도의 세기로 상기 제1 점멸 속도를 통해 점멸되도록 제어하고, 상기 정체 구간 길이가 상기 제2 기준 거리 보다 긴 것으로 확인되면, 상기 정체 구간을 매우 심각한 정체 현상으로 판단하여, 상기 단순 정체 발생 지점으로부터 후방으로 상기 정체 구간 길이의 2배 떨어진 위치까지, 상기 제1 색의 빛이 상기 제2 강도의 세기로 상기 제1 점멸 속도 보다 빠른 제2 점멸 속도를 통해 점멸되도록 제어할 수 있다.

상기 센서부는, 상기 판단 결과에 따라, 사고 발생으로 도로에 정체가 발생한 것으로 감지되면, 사고 발생 차량의 수를 감지하고, 상기 제어부는, 상기 사고 발생 차량의 수가 미리 설정된 제1 기준치 보다 작은지 여부를 확인하고, 상기 사고 발생 차량의 수가 상기 제1 기준치 보다 작은 것으로 확인되면, 도로에서 발생한 사고를 소규모 사고로 판단하여, 사고 발생 지점으로부터 후방으로 상기 제1 기준 거리의 2배 떨어진 위치인 제1 지점까지, 상기 제2 색의 빛이 상기 제1 강도의 세기로 상기 제1 점멸 속도를 통해 점멸되도록 제어하고, 상기 사고 발생 차량의 수가 상기 제1 기준치 보다 큰 것으로 확인되면, 도로에서 발생한 사고를 중대형 사고로 판단하여, 상기 사고 발생 차량의 수가 상기 제1 기준치 보다 높은 값으로 설정된 제2 기준치 보다 작은지 여부를 확인하고, 상기 사고 발생 차량의 수가 상기 제2 기준치 보다 작은 것으로 확인되면, 도로에서 발생한 사고를 중규모 사고로 판단하여, 상기 사고 발생 지점으로부터 후방으로 상기 제1 기준 거리의 3배 떨어진 위치인 제2 지점까지, 상기 제2 색의 빛이 상기 제2 강도의 세기로 상기 제1 점멸 속도를 통해 점멸되도록 제어하고, 상기 사고 발생 차량의 수가 상기 제2 기준치 보다 큰 것으로 확인되면, 도로에서 발생한 사고를 대규모 사고로 판단하여, 상기 사고 발생 지점으로부터 후방으로 상기 제1 기준 거리의 4배 떨어진 위치인 제3 지점까지, 상기 제2 색의 빛이 상기 제2 강도의 세기로 상기 제2 점멸 속도를 통해 점멸되도록 제어할 수 있다.

상기 제어부는, 도로에서 발생한 사고가 중규모 사고로 판단되어, 상기 사고 발생 지점으로부터 상기 제2 지점까지 상기 제2 색의 빛이 점멸된 점멸 시간이 기준 시간 보다 긴 것으로 확인되면, 상기 사고 발생 지점으로부터 상기 제1 지점까지 상기 제2 색의 빛이 상기 제2 강도의 세기로 상기 제1 점멸 속도를 통해 점멸되도록 제어하고, 상기 제1 지점으로부터 상기 제2 지점까지 상기 제2 색의 빛이 상기 제1 강도의 세기로 상기 제1 점멸 속도를 통해 점멸되도록 제어하고, 도로에서 발생한 사고가 대규모 사고로 판단되어, 상기 사고 발생 지점으로부터 상기 제3 지점까지 상기 제2 색의 빛이 점멸된 점멸 시간이 상기 기준 시간 보다 긴 것으로 확인되면, 상기 사고 발생 지점으로부터 상기 제1 지점까지 상기 제2 색의 빛이 상기 제2 강도의 세기로 상기 제2 점멸 속도를 통해 점멸되도록 제어하고, 상기 제1 지점으로부터 상기 제2 지점까지 상기 제2 색의 빛이 상기 제2 강도의 세기로 상기 제1 점멸 속도를 통해 점멸되도록 제어하고, 상기 제2 지점으로부터 상기 제3 지점까지 상기 제2 색의 빛이 상기 제1 강도의 세기로 상기 제1 점멸 속도를 통해 점멸되도록 제어할 수 있다.

상기 제어부는, 상기 복수의 차량들 중 어느 하나인 제1 차량이 분석 대상 차량으로 확인되면, 라이다를 통해 상기 제1 차량의 표면에 대한 3D 데이터를 획득하고, 카메라를 통해 상기 제1 차량의 표면에 대한 2D 데이터를 획득하고, 상기 2D 데이터와 상기 3D 데이터의 합집합 영역을 분리하여, 상기 2D 데이터 및 상기 3D 데이터를 병합한 제1 데이터를 추출하고, 상기 제1 데이터를 인코딩 하여 제1 입력 신호를 생성하고, 상기 제1 입력 신호를 제1 인공 신경망에 입력하고, 상기 제1 인공 신경망의 입력의 결과에 기초하여, 제1 출력 신호를 획득하고, 상기 제1 출력 신호에 기초하여, 상기 제1 차량의 표면에 대한 제1 분류 결과를 생성하고, 상기 제1 데이터를 분석하여 상기 제1 차량의 표면에 발생한 균열을 검출하고, 상기 제1 차량의 표면에 발생한 균열을 영역별로 확인하여, 미리 설정된 제1 설정값 미만으로 균열이 검출된 정상 영역과 상기 제1 설정값 이상으로 균열이 검출된 손상 영역을 구분하고, 상기 제1 데이터에서 상기 손상 영역을 삭제한 제2 데이터를 추출하고, 상기 제2 데이터를 인코딩 하여 제2 입력 신호를 생성하고, 상기 제2 입력 신호를 제2 인공 신경망에 입력하고, 상기 제2 인공 신경망의 입력의 결과에 기초하여, 제2 출력 신호를 획득하고, 상기 제2 출력 신호에 기초하여, 상기 제1 차량의 표면에 대한 제2 분류 결과를 생성하고, 상기 제1 분류 결과 및 상기 제2 분류 결과가 동일한 경우, 상기 제1 분류 결과 및 상기 제2 분류 결과 중 어느 하나를 상기 제1 차량의 표면에 대한 최종 분류 결과로 설정할 수 있다.

본 발명의 일 실시예에 따르면, 터널 내 및 모든 도로에 차량 증가로 인해 단순 정체가 발생한 것으로 감지되면, 차량 진행 방향의 후방으로 제1 색의 빛이 점멸되도록 제어하고, 터널 내 및 모든 도로에 사고가 발생한 것으로 감지되면, 차량 진행 방향의 후방으로 제2 색의 빛이 점멸되도록 제어함으로써, 전방의 교통 상황을 운전자가 미리 파악할 수 있도록 하여, 후방 추돌 사고를 방지할 수 있다.

한편, 실시예들에 따른 효과는 이상에서 언급한 것으로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 해당 기술 분야의 통상의 지식을 가진 자에게 명확히 이해될 수 있을 것이다.

도 1은 본 발명의 일실시예에 따른 도로 주행 안전 장치를 개략적으로 도시한 요부 사시도이다.
도 2는 도로 주행 안전 장치의 안전 케이스가 도로에 설치된 상태를 나타낸 도면이다.
도 3은 도로 주행 안전 장치의 구성을 개략적으로 나타낸 도면이다.
도 4는 본 발명의 다른 실시예에 따른 도로 주행 안전 장치를 개략적으로 도시한 요부 사시도이다.
도 5는 본 발명의 일실시예에 따른 사고 발생으로 외관에 문제가 있는 차량이 있는지 여부를 판단하기 위해 도로에 정체가 있는 구간에 위치하는 차량을 촬영한 이미지를 처리하는 방법을 설명하기 위한 도면이다.
도 6은 본 발명의 일실시예에 따른 사고 발생으로 외관에 문제가 있는 차량이 있는지 여부를 판단하기 위해 분석 대상 차량의 이미지를 처리하는데 채용되는 학습 방법을 설명하기 위한 도면이다.
도 7은 일실시예에 따른 정체 구간 길이에 따라 점멸을 제어하는 과정을 설명하기 위한 순서도이다.
도 8은 일실시예에 따른 사고 발생 차량 수에 따라 점멸을 제어하는 과정을 설명하기 위한 순서도이다.
도 9는 일실시예에 따른 중규모 사고 시 거리에 따라 단계 별로 점멸을 제어하는 과정을 설명하기 위한 순서도이다.
도 10은 일실시예에 따른 대규모 사고 시 거리에 따라 단계 별로 점멸을 제어하는 과정을 설명하기 위한 순서도이다.
도 11은 일실시예에 따른 차량의 표면을 분류하는 과정을 설명하기 위한 순서도이다.
도 12는 일실시예에 따른 인공 신경망을 설명하기 위한 도면이다.
도 13은 일실시예에 따른 인공 신경망을 학습하는 방법을 설명하기 위한 도면이다.

이하에서, 첨부된 도면을 참조하여 실시예들을 상세하게 설명한다. 그러나, 실시예들에는 다양한 변경이 가해질 수 있어서 특허출원의 권리 범위가 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 실시예들에 대한 모든 변경, 균등물 내지 대체물이 권리 범위에 포함되는 것으로 이해되어야 한다.

실시예들에 대한 특정한 구조적 또는 기능적 설명들은 단지 예시를 위한 목적으로 개시된 것으로서, 다양한 형태로 변경되어 실시될 수 있다. 따라서, 실시예들은 특정한 개시형태로 한정되는 것이 아니며, 본 명세서의 범위는 기술적 사상에 포함되는 변경, 균등물, 또는 대체물을 포함한다.

제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이런 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 해석되어야 한다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.

어떤 구성요소가 다른 구성요소에 "연결되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.

실시예에서 사용한 용어는 단지 설명을 목적으로 사용된 것으로, 한정하려는 의도로 해석되어서는 안된다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

공간적으로 상대적인 용어인 "아래(below)", "아래(beneath)", "하부(lower)", "위(above)", "상부(upper)" 등은 도면에 도시되어 있는 바와 같이 하나의 구성요소와 다른 구성요소들과의 상관관계를 용이하게 기술하기 위해 사용될 수 있다. 공간적으로 상대적인 용어는 도면에 도시되어 있는 방향에 더하여 사용 시 또는 동작 시 구성요소들의 서로 다른 방향을 포함하는 용어로 이해되어야 한다. 예를 들어, 도면에 도시되어 있는 구성요소를 뒤집을 경우, 다른 구성요소의 "아래(below)"또는 "아래(beneath)"로 기술된 구성요소는 다른 구성요소의 "위(above)"에 놓일 수 있다. 따라서, 예시적인 용어인 "아래"는 아래와 위의 방향을 모두 포함할 수 있다. 구성요소는 다른 방향으로도 배향될 수 있으며, 이에 따라 공간적으로 상대적인 용어들은 배향에 따라 해석될 수 있다.

다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.

또한, 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 실시예의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.

도 1은 본 발명의 일실시예에 따른 도로 주행 안전 장치를 개략적으로 도시한 요부 사시도이고, 도 2는 도로 주행 안전 장치의 안전 케이스가 도로에 설치된 상태를 나타낸 도면이고, 도 3은 도로 주행 안전 장치의 구성을 개략적으로 나타낸 도면이다.

도 1 내지 도 3에 도시된 바와 같이, 본 발명의 제1 실시예에 따른 도로 주행 안전 장치(100)는, 도로(11)에 설치되는 안전 케이스(10)와, 안전 케이스(10)에 설치되며 차량의 진행 방향으로 빛을 조사하는 조명부(20)와, 조명부(20)에 전원이 공급되도록 제어하는 제어부(30)와, 안전 케이스(10)에 설치되어 차량 또는 동물 등의 움직임이 감지되면 조명부(20)를 작동시키는 센서부(40)를 포함한다.

안전 케이스(10)는 도 2에 도시된 바와 같이, 중앙분리대와 가드레일 부분에 장착되어서 차량과 접촉이 없도록 설치될 수 있으며, 일정 구간에 일정 간격으로 복수개 설치될 수 있다.

안전 케이스(10)의 내부에 설치 공간이 형성되는 것으로, 본 실시예에서 중앙분리대에 1개, 좌측 가드레일 부분에 1개, 우측 가드레일 부분에 1개가 설치되어, 총 3개가 서로 간에 이격된 상태로 설치되는 것을 예시적으로 설명한다. 그러나 안전 케이스(10)는 3개로 반드시 설치되는 것으로 한정되는 것은 아니고, 2개 이하 또는 3개를 초과하여 도로의 중앙분리대와 가드레일 부분에 설치되는 것도 가능하다.

안전 케이스(10)는 중앙분리대 및 가드레일 각각을 따라 일정 간격으로 설치될 수 있으며, 바람직하게는 터널 내 및 모든 도로(11)에 있는 중앙분리대 및 가드레일에 설치될 수 있다.

이러한 안전 케이스(10)에는 조명부(20)가 설치된다.

조명부(20)는 안전 케이스(10)에 설치되어 차량 주행 방향의 전방으로 조명을 선택적으로 조사하도록 설치될 수 있다.

조명부(20)는 차량 주행 방향의 전방 방향으로 조명을 선택적으로 조사 가능하도록 설치되는 것으로서, 본 실시예에서는 엘이디(LED) 조명으로 설치되는 것을 예시적으로 설명한다. 물론 조명부(20)는 엘이디 조명으로 반드시 적용되는 것은 아니고, 중앙분리대 및 가드레일 부분을 용이하게 확인 가능한 소정의 조명으로 적용되는 것도 가능하다.

한편, 안전 케이스(10)가 도로의 중앙분리대와 가드레일 부분에 적어도 3개 이상으로 설치되는 바, 조명부(20) 또한 도로의 중앙분리대와 가드레일 부분에 적어도 3개 이상으로 설치될 수 있다. 즉, 조명부(20)는 50m 단위로 적어도 3개 이상으로 설치되어, 대략 150m 단위로 설치될 수 있다.

따라서, 조명부(20)의 발광 작용에 의해 차량 운전자가 중앙분리대 및 가드레일 부분을 용이하게 확인하도록 하는 것이 가능하다.

따라서, 운전자는 가로등이 설치되지 않은 곳을 주행하는 경우, 중앙분리대 및 가드레일 부분을 용이하게 확인하여 안전 운전을 하는 것이 가능하다. 이러한 조명부(20)의 발광 작용은 후술하는 센서부(40)의 센싱 작용에 의해 선택적으로 발광될 수 있다. 이에 대해서는 이하에서 센서부(40)를 설명하면서 보다 구체적으로 설명한다.

한편, 조명부(20)에는 제어부(30)가 연결되어 야간에 차량 주행 방향의 전방으로 발광하도록 제어될 수 있다.

제어부(30)는, 도로(11)의 측면에 설치되는 태양 전지(31)와, 태양 전지(31)와 조명부(20)를 연결하는 연결부(33)를 포함할 수 있다. 태양 전지(31)는 도로의 측면에 설치되어 주간에 태양의 빛에너지를 전기 에너지로 전환하여 저장하도록 할 수 있다. 태양 전지(31)는 조명부(20)들에 원활한 전원을 공급하도록 도로(11)의 측면을 따라 복수개로 설치될 수 있다. 이러한 태양 전지(31)는 도로(11)의 측면에 고정된 상태로 설치되는 것도 가능하고, 설치된 위치의 변동이 가능하도록 이동 가능한 상태로 설치되는 것도 가능하다.

태양 전지(31)와 조명부(20)는 연결부(33)를 통해서 연결되어 조명부(20)로 전원의 공급이 이루어질 수 있다.

연결부(33)는 하나의 태양 전지(31)와 복수개의 조명부(20)를 연결하거나, 태양 전지(31)와 조명부(20)를 단독으로 연결하도록 설치되는 것도 가능하다. 따라서, 태양 전지(31)를 통해 주간에 태양 에너지를 이용하여 빛 에너지를 전기 에너지 형태로 저장하고, 야간에 연결부(33)를 통해 조명부(20)에 전원을 공급하여 조명부(20)가 선택적으로 발광되도록 하는 것이 가능하다.

한편, 안전 케이스(10)에는 조명부(20)를 선택적으로 작동하기 위한 센서부(40)가 설치된다.

센서부(40)는, 안전 케이스(10)에 설치되어 도로(11)의 측면에서 도로의 중앙 부분으로 차량 또는 동물 등이 진행하는 움직임을 센싱하도록 설치될 수 있다. 센서부(40)는 적외선 센서 등으로 설치되어 차량 주행 방향의 전방에서 차량 또는 동물 등의 움직임을 실시간으로 확인하는 것이 가능하다. 센서부(40)는 도로의 2차선의 경우, 양차선을 모두 감지하도록 센서부(50)의 센싱 방향이 조절되는 것도 가능하다.

센서부(40)는 안전 케이스(10)에 하나로 설치되는 것도 가능하고, 설치된 방향을 달리하면서 복수개로 설치되는 것도 가능하다. 따라서, 센서부(40)는 차량의 주행 방향의 전방에서 도로(11)의 양측면을 통해 도로(11)의 중앙 부분으로 차량 또는 동물 등의 소정의 물체가 이동하는 것을 용이하게 확인할 수 있다.

이와 같이, 센서부(40)를 통해 차량 또는 동물 등의 소정의 물체가 도로(11)의 중앙 부분으로 이동하는 것으로 확인되면, 조명부(20)가 발광되도록 작동 제어될 수 있다.

경고부(210)는 센서부(40)에 의해 차량 또는 동물의 움직임이 감지된 경우, 점멸되어 운전자에게 위험 경고를 알리는 것이 가능하다. 따라서, 운전자는 조명부(20)를 통해 중앙분리대 및 가드레일 부분을 확인하면서 경고부(210)를 통해 위험을 보다 효과적으로 감지하는 것이 가능하다.

즉, 안전 케이스(10)에는 차량 진행 방향의 전방으로 빛을 조사하도록 조명부(20)가 설치되고, 차량 진행 방향의 후방으로 빛이 점멸되도록 경고부(210)가 설치될 수 있다.

한편, 안전 케이스(10)가 터널 내 도로에 설치되어 있는 경우, 센서부(40)는 안전 케이스(10)가 아닌 도로 위에 별도로 설치될 수 있으며, 예를 들어, 이미지 센서 등으로 설치되어 도로에서 주행중인 차량의 움직임을 감지하고, 차량의 움직임을 통해 도로 주행에 정체가 있는지 여부를 감지할 수 있으며, 도로 주행에 정체가 있는 것으로 감지되면, 사고가 발생하였는지 여부 및 차량 증가로 인해 단순 정체가 발생하였는지 여부를 감지할 수 있다.

제어부(30)는 센서부(40)에 의해 도로에서 차량이 주행중인 것으로 감지되면, 조명부(20)에서 빛이 조사되도록 제어하고, 센서부(40)에 의해 도로에 정체가 발생한 것으로 감지되면, 경고부(210)에서 정체 사유에 따라 상이한 색의 빛이 점멸되도록 제어할 수 있다.

즉, 제어부(30)는 도로에 단순 정체가 발생한 것으로 감지되면, 경고부(210)에서 제1 색으로 빛이 점멸되도록 제어하고, 도로에 사고가 발생한 것으로 감지되면, 경고부(210)에서 제2 색으로 빛이 점멸되도록 제어할 수 있다.

따라서, 차량 운전자는 제1 색의 빛, 예를 들면, 파란색의 빛이 경고부(210)에서 점멸되면, 터널 내 및 모든 도로에 단순 정체가 발생한 것을 미리 확인할 수 있으며, 제2 색의 빛, 예를 들면, 노란색의 빛이 경고부(210)에서 점멸되면, 터널 내 및 모든 도로에 사고가 발생한 것을 미리 확인할 수 있다.

도 4는 본 발명의 일실시예에 따른 도로 주행에 정체가 발생하는 것을 설명하기 위한 도면이다.

센서부(40)는 도로에서 주행중인 차량의 움직임을 통해 도로 주행에 정체가 있는지 여부를 감지할 수 있으며, 도로 주행에 정체가 있는 것으로 감지되면, 차량 증가로 인해 단순 교통 정체가 발생하였는지 여부 및 차량 증가로 인해 단순 정체가 발생하였는지 여부를 감지할 수 있다.

도 4의 (a)에 도시된 바와 같이, 센서부(40)는 제1 구역(401)에 교통 정체가 있는 것으로 감지되면, 제1 구역(401)을 촬영한 이미지 정보를 분석하여, 제1 구역(401)이 차량 증가로 인해 교통 체증이 발생한 것으로 감지할 수 있다.

도 4의 (b)에 도시된 바와 같이, 센서부(40)는 제2 구역(402)에 교통 정체가 있는 것으로 감지되면, 제2 구역(402)을 촬영한 이미지 정보를 분석하여, 제2 구역(402)이 교통 사고로 인해 정체가 발생한 것으로 감지할 수 있다.

일실시예에 따르면, 제어부(30)는 도로에 단순 정체가 발생한 것으로 감지되면, 단순 정체 발생 지점으로부터 후방으로 제1 거리 떨어진 위치까지 제1 색의 빛이 점멸되도록 제어하고, 도로에 사고가 발생한 것으로 감지되면, 사고 발생 지점으로부터 후방으로 제1 거리 보다 더 길게 설정된 제2 거리 떨어진 위치까지 제2 색의 빛이 점멸되도록 제어할 수 있다.

예를 들어, 제어부(30)는 단순 정체 발생 지점으로부터 후방으로 50m 떨어진 위치까지 파란색의 빛이 점멸되도록 제어할 수 있으며, 사고 발생 지점으로부터 후방으로 100m 떨어진 위치까지 노란색의 빛이 점멸되도록 제어할 수 있다.

센서부(40)는 차량의 주행 속도를 감지할 수 있으며, 차량의 주행 속도가 기준 속도 이하인 정체 구간이 어디인지 감지할 수 있으며, 제어부(30)는 정체 구간의 길이에 따라 경고부(210)에서 점멸되는 제1 색의 빛의 세기를 설정하여, 정체 구간이 길수록 제1 색의 빛이 강하게 점멸되도록 제어할 수 있다.

예를 들어, 제어부(30)는 정체 구간이 10m인 경우, 제1 색의 빛이 보통 세기로 점멸되도록 제어할 수 있으며, 정체 구간이 20m인 경우, 제1 색의 빛이 더 강한 세기로 점멸되도록 제어할 수 있다.

센서부(40)는 이미지 센서를 통해 획득된 이미지 정보를 기초로, 사고 발생 차량의 수가 몇 대인지 감지할 수 있으며, 제어부(30)는 사고 발생 차량의 수에 따라 경고부(210)에서 점멸되는 제2 색의 빛의 세기를 설정하여, 사고 발생 차량 수가 많을수록 제2 색의 빛이 강하게 점멸되도록 제어할 수 있다.

예를 들어, 제어부(30)는 사고 발생 차량의 수가 2대인 경우, 제2 색의 빛이 보통 세기로 점멸되도록 제어할 수 있으며, 사고 발생 차량의 수가 4대인 경우, 제2 색의 빛이 더 강한 세기로 점멸되도록 제어할 수 있다.

제어부(30)는 사고 발생 차량의 수에 따라 사고 위험 거리인 제3 거리를 설정할 수 있다.

예를 들어, 제어부(30)는 사고 발생 차량의 수가 2대인 경우, 제3 거리를 10m로 설정할 수 있고, 사고 발생 차량의 수가 4대인 경우, 제3 거리를 20m로 설정할 수 있다.

제어부(30)는 사고 발생 지점으로부터 후방으로 제2 거리 떨어진 위치까지 제2 색의 빛이 점멸되도록 제어하면서, 사고 발생 지점으로부터 후방으로 제3 거리 떨어진 위치까지 점멸되는 제2 색의 빛이 제3 색의 빛으로 변경되어 점멸되도록 제어할 수 있다.

예를 들어, 제어부(30)는 사고 발생 지점으로부터 후방으로 100m 떨어진 위치까지 노란색의 빛이 점멸되도록 제어하면서, 사고 발생 지점으로부터 후방으로 30m 떨어진 위치까지 노란색이 아닌 빨간색의 빛이 점멸되도록 제어하여, 사고 발생 지점이 가까워지면 다른 색의 빛으로 변경되어 점멸되도록 제어할 수 있다.

제어부(30)는 사고 발생 지점에 가까울수록 제3 색의 빛이 점멸되는 속도가 빨라지도록 제어할 수 있다.

예를 들어, 제어부(30)는 사고 발생 지점으로부터 후방으로 20m 부터 30m 떨어진 위치까지 1초에 한번 깜박이는 속도로 제3 색의 빛이 점멸되도록 제어하고, 사고 발생 지점으로부터 후방으로 10m 부터 20m 떨어진 위치까지 1초에 두번 깜박이는 속도로 제3 색의 빛이 점멸되도록 제어하고, 사고 발생 지점으로부터 후방으로 10m 떨어진 위치까지 1초에 세번 깜박이는 속도로 제3 색의 빛이 점멸되도록 제어할 수 있다.

센서부(40)는 이미지 센서를 통해 획득된 이미지 정보를 기초로, 사고가 발생한 차선을 감지할 수 있으며, 제어부(30)는 사고가 발생하지 않은 차선의 양측에서 점멸되는 빛 보다 사고가 발생한 차선의 양측에서 점멸되는 빛이 더 강하게 점멸되도록 제어할 수 있다.

예를 들어, 제어부(30)는 제2 차선에서 사고가 발생한 것으로 감지되면, 제2 차선의 양측에서 점멸되는 노란빛이 강한 세기로 점멸되도록 제어할 수 있으며, 제1 차선의 좌측과 제3 차선의 우측에서 점멸되는 노란빛이 보통 세기로 점멸되도록 제어할 수 있다.

한편, 센서부(40)는 이미지 센서를 통해 차량의 위치 및 차량 간의 거리를 분석하여 감지할 수 있으며, 도로에 정체가 있는 구간에 위치하는 복수의 차량들의 이미지 정보를 획득하고, 상기 이미지 정보에서 복수의 차량 각각에 대한 대상 구역 이미지 및 차량 상태 정보를 확인하고, 차량 상태 정보를 기초로 외관에 문제가 있는 차량이 있는지 여부를 확인하여, 사고가 발생하였는지 여부에 대한 판단 결과를 생성할 수 있다.

예를 들어, 센서부(40)는 도로에 정체가 있는 구간에 위치하는 제1 차량 및 제2 차량의 이미지 정보를 획득하고, 체1 차량 및 제2 차량 각각의 차량 상태 정보를 확인하고, 제1 차량 및 제2 차량 각각의 외관에 문제가 있는 차량이 있는지 여부를 확인하여, 모든 차량의 외관에 문제가 없는 것으로 확인되면, 사고가 발생하지 않은 것으로 판단 결과를 생성할 수 있으며, 제1 차량 및 제2 차량 중 적어도 하나의 외관에 문제가 있는 것으로 확인되면, 사고가 발생한 것으로 판단 결과를 생성할 수 있다.

센서부(40)는 판단 결과에 따라, 사고가 발생한 것으로 판단되면, 사고 발생으로 도로 주행에 정체가 발생한 것으로 감지하고, 사고가 발생하지 않은 것으로 판단되면, 단순 정체로 도로에 정체가 발생한 것으로 감지할 수 있다.

도 5는 본 발명의 일실시예에 따른 사고 발생으로 외관에 문제가 있는 차량이 있는지 여부를 판단하기 위해 도로에 정체가 있는 구간에 위치하는 차량을 촬영한 이미지를 처리하는 방법을 설명하기 위한 도면이다.

일실시예에 따르면, 센서부(40)는 터널 내 및 모든 도로의 상부에 설치된 이미지 센서를 포함할 수 있으며, 이미지 센서를 통해 도로에 정체가 있는 구간에 위치하는 복수의 차량들의 이미지 정보를 획득하고, 획득된 이미지 정보를 차량 별로 구분하여 분석 대상 차량의 이미지 정보를 추출하고, 추출된 분석 대상 차량의 이미지 정보에서 대상 구역 이미지 및 차량 상태 정보를 확인하고, 차량 상태 정보를 기초로 외관에 문제가 있는 차량이 있는지 여부를 확인하여, 사고가 발생하였는지 여부에 대한 판단 결과를 생성할 수 있다.

구체적으로, 센서부(40)는 분석 대상 차량의 대상 구역 이미지를 분석하여, 그 대상 구역에 포함된 차량 상태 정보를 추출할 수 있다. 센서부(40)는 분석 대상 차량의 대상 구역을 확정하여, 대상 구역 이미지(501)를 획득할 수 있다.

일실시예에 따르면, 센서부(40)는 대상 구역 이미지(501) 내 색상 정보 및 텍스쳐 정보에 기초하여 유효 차량 경계를 식별할 수 있다. 센서부(40)는 영역 별로 차량인지 여부를 색상과 텍스쳐를 기반으로 판단할 수 있다. 센서부(40)는 미리 정의된 단위의 필터를 슬라이딩하여 각 영역 별로 차량 여부를 판단할 수 있고, 그 필터는 색상과 텍스쳐에 따라 결과를 출력할도록 설계될 수 있다.

일실시예에 따르면, 센서부(40)는 대상 구역 이미지(501) 내에서 유효 차량 경계로 분리되는 유효 차량 영역(502)을 추출할 수 있다. 센서부(40)는 유효 차량 영역(502) 내 입자 객체들의 외관 특징들을 추출할 수 있다.

일실시예에 따르면, 센서부(40)는 추출된 외관 특징들에 기초하여, 입자 객체들 중 이물질 객체(503)을 식별하고, 이물질 객체(503)를 유효 차량 영역(502)로부터 제거할 수 있다. 센서부(40)는 유효 차량 영역(502) 내 분포하는 차체 및 유리의 외관, 색상 및 텍스쳐 정보를 기준으로 미리 정의된 범위를 벗어나는 객체를 식별하고, 식별된 객체를 이물질 객체(503)로 판단할 수 있다.

일실시예에 따르면, 센서부(40)는 이물질 객체가 제거된 유효 차량 영역(504) 내 입자 객체들의 크기 특징들(505 내지 507)을 추출할 수 있다. 센서부(40)는 유효 차량 영역(504) 내 입자 객체들을 식별하고, 식별된 입자 객체들을 설명하는 정보 중 크기 특징들(505 내지 507)을 크기 별로 추출할 수 있다. 센서부(40)는 차체 및 유리를 분류하는데 기준이 되는 범위에 따라 크기 특징들(505 내지 507)을 크기 별로 추출하고 분류할 수 있다.

일실시예에 따르면, 센서부(40)는 추출된 크기 특징들(505 내지 507)에 기초하여 입자 객체들을 차체 객체 및 유리 객체 중 어느 하나로 각각 분류할 수 있다. 센서부(40)는 차체 객체로 분류된 적어도 하나의 입자 객체의 유효 차량 영역(504) 내 제1 비율을 생성할 수 있다. 제1 비율은 유효 차량 영역(504) 내 차체 비율과 대응할 수 있다. 센서부(40)는 제1 비율을 이용하여 차체의 특성이 반영된 차량 상태 정보를 생성할 수 있다.

일실시예에 따르면, 센서부(40)는 유리 객체로 분류된 적어도 하나의 입자 객체의 유효 차량 영역(504) 내 제2 비율을 생성할 수 있다. 제2 비율은 유효 차량 영역(504) 내 유리의 비율과 대응할 수 있다. 센서부(40)는 제2 비율을 이용하여 유리의 특성이 반영된 차량 상태 정보를 생성할 수 있다.

일실시예에 따르면, 센서부(40)는 이물질 객체(503)의 유효 차량 영역(502) 내 제3 비율을 생성할 수 있다. 제3 비율은 유효 차량 영역(502) 내 이물질이 차지하는 비율을 의미할 수 있다.

일실시예에 따르면, 센서부(40)는 유효 차량 영역(504) 내 색상 특징을 추출할 수 있다. 센서부(40)는 색상 특징에 기초하여 차 색상 정보를 생성할 수 있다.

일실시예에 따르면, 센서부(40)는 제1 비율, 제2 비율, 제3 비율 및 차 색상 정보에 기초하여 기본 차량 정보를 생성할 수 있다. 센서부(40)는 유효 차량 영역(504)의 이미지 처리에 따른 제1 비율, 제2 비율, 제3 비율 및 차 색상 정보에 기초하여 기본 차량 정보를 생성할 수 있다.

일실시예에 따르면, 센서부(40)는 대상 구역 이미지(501)를 위치에 기초하여 식별할 수 있고, 차량이 위치한 터널의 환경 정보를 조회하여, 터널 내의 현재 환경 상태(조도 등)가 반영된 보조 차량 정보를 생성할 수 있다.

센서부(40)는 기본 차량 정보 및 보조 차량 정보에 기초하여 유효 차량 영역(502)에 대응하는 특징 벡터(510)를 생성할 수 있다. 센서부(40)는 특징 벡터(510)를 미리 학습된 뉴럴 네트워크(511)로 적용하여 출력 정보(512)를 획득할 수 있다.

뉴럴 네트워크(511)는 차량의 이미지로부터 추출된 특징들을 기반으로 생성된 기본 차량 정보와 촬영 구역인 터널 내의 환경 상태에 따라 영향을 주는 보조 차량 정보에 따른 입력으로부터 차량 상태 정보를 추정하도록 학습될 수 있다.

센서부(40)는 출력 정보(512)에 기초하여 유효 차량 영역(502)에 대응하는 차량 상태 정보를 생성할 수 있다.

출력 정보(512)는 차량의 스크래치 별로 매칭도를 포함하는 정보이거나 차량이 찌그러진 상태를 설명하는 변수들로 설계될 수 있다. 또한, 출력 정보(512)는 차량의 분류에 따라 이산적으로 설계될 수 있는데, 예를 들어 뉴럴 네트워크(511)의 출력 레이어의 출력 노드들은 각각 차량의 종류별로 각각 대응하고, 출력 노드들은 각 차종 분류들 별로 확률값들을 각각 출력할 수 있다. 이하 도 7를 참조하여 뉴럴 네트워크(511)의 학습 내용이 후술된다.

도 6은 본 발명의 일실시예에 따른 사고 발생으로 외관에 문제가 있는 차량이 있는지 여부를 판단하기 위해 분석 대상 차량의 이미지를 처리하는데 채용되는 학습 방법을 설명하기 위한 도면이다.

일실시예에 따르면, 학습 장치는 대상 구역 이미지로부터 차량 상태 정보를 획득하는데 필요한 정보를 추정하기 위한 뉴럴 네트워크(604)를 학습시킬 수 있다. 학습 장치는 센서부(40)와 다른 별개의 주체일 수 있지만, 이에 제한되는 것은 아니다.

일실시예에 따르면, 학습 장치는 레이블드 차량 이미지들(601)을 획득할 수 있다. 학습 장치는 차종별로 차량 이미지에 각각 미리 레이블링된 정보를 획득할 수 있는데, 차량 이미지는 미리 분류된 차량의 종류에 따라 레이블링될 수 있다.

일실시예에 따르면, 학습 장치는 레이블드 차량 이미지들(601)의 색상 정보, 텍스쳐 정보 및 입자 객체들의 외관 특징들, 크기 특징들 중 적어도 하나에 기초하여 차체 객체에 대응하는 제1 비율, 유리 객체에 대응하는 제2 비율, 이물질 객체에 대응하는 제3 비율 및 차 색상 정보에 기초하여 기본 차량 정보(602)를 생성할 수 있다. 학습 장치는 기본 차량 정보(602)에 기초하여 분석 대상 차량의 특징 벡터들(603)을 생성할 수 있다. 분석 대상 차량의 특징 벡터들(603)을 생성하는데 있어서 보조 차량 정보가 채용될 수 있다.

일실시예에 따르면, 학습 장치는 특징 벡터들(603)을 뉴럴 네트워크(604)에 적용하여 출력 정보(605)를 획득할 수 있다. 학습 장치는 출력 정보(605)와 레이블들(606)에 기초하여 뉴럴 네트워크(604)를 학습시킬 수 있다. 학습 장치는 출력 정보(605)에 대응하는 에러들을 계산하고, 그 에러들을 최소화하기 위해 뉴럴 네트워크(604) 내 노드들의 연결 관계를 최적화하여 뉴럴 네트워크(604)를 학습시킬 수 있다. 센서부(40)는 학습이 완료된 뉴럴 네트워크(604)를 이용하여 대상 구역 이미지로부터 차량 상태 정보를 획득할 수 있다.

도 7은 일실시예에 따른 정체 구간 길이에 따라 점멸을 제어하는 과정을 설명하기 위한 순서도이다.

도 7을 참조하면, 먼저, S701 단계에서, 센서부(40)는 도로에 정체가 발생한 것으로 감지되면, 정체 사유를 확인하기 위해, 차량 상태 정보를 기초로 외관에 문제가 있는 차량이 있는지 여부를 확인하여, 사고가 발생하였는지 여부에 대한 판단 결과를 생성할 수 있으며, 판단 결과에 따라, 사고가 발생하지 않은 것으로 판단되면, 단순 정체로 도로에 정체가 발생한 것으로 감지할 수 있다.

S702 단계에서, 센서부(40)는 도로에서 차량의 주행 속도가 기준 속도 이하인 정체 구간을 감지할 수 있다.

S703 단계에서, 제어부(30)는 정체 구간의 시작점인 단순 정체 발생 지점과 정체 구간의 끝점인 단순 정체 종료 지점을 확인할 수 있으며, 단순 정체 발생 지점으로부터 단순 정체 종료 지점까지의 거리를 통해, 정체 구간 길이를 산출할 수 있다.

S704 단계에서, 제어부(30)는 정체 구간 길이가 제1 기준 거리 보다 짧은지 여부를 확인할 수 있다. 이때, 제1 기준 거리는 미리 정해진 시간 동안의 시간대별 정체 패턴을 통해 설정될 수 있다.

예를 들어, 제어부(30)는 한달 동안의 시간대별 정체 패턴을 확인하여, 현재 시간이 7시로 확인되면, 7시의 정체 패턴을 통해 제1 기준 거리를 설정할 수 있다.

제어부(30)는 정체 패턴을 통해 제1 기준 거리를 설정하는데 있어, 정체 발생 확률이 높을수록 제1 기준 거리를 더 긴 값으로 설정할 수 있다.

예를 들어, 제어부(30)는 현재 시간이 7시인 경우, 7시의 정체 패턴을 확인한 결과, 정체 발생 확률이 80%로 확인되면, 제1 기준 거리를 20m로 설정할 수 있으며, 현재 시간이 8시인 경우, 8시의 정체 패턴을 확인한 결과, 정체 발생 확률이 90%로 확인되면, 제1 기준 거리를 30m로 설정할 수 있다.

S704 단계에서 정체 구간 길이가 제1 기준 거리 보다 짧은 것으로 확인되면, S705 단계에서, 제어부(30)는 정체 구간을 일반적인 정체 현상으로 판단할 수 있다.

예를 들어, 정체 구간 길이가 30m이고 제1 기준 거리가 50m인 경우, 제어부(30)는 정체 구간을 일반적인 정체 현상으로 판단할 수 있다.

S706 단계에서, 제어부(30)는 정체 구간의 시작점인 단순 정체 발생 지점으로부터 후방으로 정체 구간 길이의 4배 떨어진 위치까지, 제1 색의 빛이 제1 강도의 세기로 제1 점멸 속도를 통해 점멸되도록 제어할 수 있다.

예를 들어, 정체 구간 길이가 30m인 경우, 제어부(30)는 단순 정체 발생 지점으로부터 후방으로 120m 떨어진 위치까지, 제1 색의 빛이 제1 강도의 세기로 제1 점멸 속도를 통해 점멸되도록 제어할 수 있다.

한편, S704 단계에서 정체 구간 길이가 제1 기준 거리 보다 긴 것으로 확인되면, S707 단계에서, 제어부(30)는 정체 구간을 특수적인 정체 현상으로 판단할 수 있다.

S708 단계에서, 제어부(30)는 정체 구간 길이가 제2 기준 거리 보다 짧은지 여부를 확인할 수 있다. 이때, 제2 기준 거리는 제1 기준 거리 보다 긴 값으로 설정될 수 있다.

S708 단계에서 정체 구간 길이가 제2 기준 거리 보다 짧은 것으로 확인되면, S709 단계에서, 제어부(30)는 정체 구간을 심각한 정체 현상으로 판단할 수 있다.

예를 들어, 정체 구간 길이가 80m이고 제2 기준 거리가 100m인 경우, 제어부(30)는 정체 구간을 심각한 정체 현상으로 판단할 수 있다.

S710 단계에서, 제어부(30)는 정체 구간의 시작점인 단순 정체 발생 지점으로부터 후방으로 정체 구간 길이의 3배 떨어진 위치까지, 제1 색의 빛이 제2 강도의 세기로 제1 점멸 속도를 통해 점멸되도록 제어할 수 있다. 이때, 제2 강도는 제1 강도 보다 더 강한 빛의 세기로 설정될 수 있으며, 예를 들면, 제1 강도가 10lx인 경우, 제2 강도는 20lx로 설정될 수 있다.

예를 들어, 정체 구간 길이가 80m인 경우, 제어부(30)는 단순 정체 발생 지점으로부터 후방으로 240m 떨어진 위치까지, 제1 색의 빛이 제2 강도의 세기로 제1 점멸 속도를 통해 점멸되도록 제어할 수 있다.

한편, S708 단계에서 정체 구간 길이가 제2 기준 거리 보다 긴 것으로 확인되면, S711 단계에서, 제어부(30)는 정체 구간을 매우 심각한 정체 현상으로 판단할 수 있다.

예를 들어, 정체 구간 길이가 130m이고 제2 기준 거리가 100m인 경우, 제어부(30)는 정체 구간을 매우 심각한 정체 현상으로 판단할 수 있다.

S712 단계에서, 제어부(30)는 정체 구간의 시작점인 단순 정체 발생 지점으로부터 후방으로 정체 구간 길이의 2배 떨어진 위치까지, 제1 색의 빛이 제2 강도의 세기로 제2 점멸 속도를 통해 점멸되도록 제어할 수 있다. 이때, 제2 점멸 속도는 제1 점멸 속도 보다 더 빠른 속도로 설정될 수 있으며, 예를 들면, 제1 점멸 속도가 1초에 한 번 깜빡이는 속도인 경우, 제2 점멸 속도는 1초에 두 번 깜빡이는 속도로 설정될 수 있다.

예를 들어, 정체 구간 길이가 130m인 경우, 제어부(30)는 단순 정체 발생 지점으로부터 후방으로 260m 떨어진 위치까지, 제1 색의 빛이 제2 강도의 세기로 제2 점멸 속도를 통해 점멸되도록 제어할 수 있다.

도 8은 일실시예에 따른 사고 발생 차량 수에 따라 점멸을 제어하는 과정을 설명하기 위한 순서도이다.

도 8을 참조하면, 먼저, S801 단계에서, 센서부(40)는 도로에 정체가 발생한 것으로 감지되면, 정체 사유를 확인하기 위해, 차량 상태 정보를 기초로 외관에 문제가 있는 차량이 있는지 여부를 확인하여, 사고가 발생하였는지 여부에 대한 판단 결과를 생성할 수 있으며, 판단 결과에 따라, 사고가 발생한 것으로 판단되면, 사고 발생으로 도로에 정체가 발생한 것으로 감지할 수 있다.

S802 단계에서, 센서부(40)는 사고 발생 차량의 수를 감지할 수 있다.

S803 단계에서, 제어부(30)는 사고 발생 차량의 수가 미리 설정된 제1 기준치 보다 작은지 여부를 확인할 수 있다. 이때, 제1 기준치는 실시예에 따라 상이하게 설정될 수 있다.

S803 단계에서 사고 발생 차량의 수가 제1 기준치 보다 작은 것으로 확인되면, S804 단계에서, 제어부(30)는 도로에서 발생한 사고를 소규모 사고로 판단할 수 있다.

예를 들어, 사고 발생 차량의 수가 2대이고 제1 기준치가 3인 경우, 제어부(30)는 도로에서 발생한 사고를 소규모 사고로 판단할 수 있다.

S805 단계에서, 제어부(30)는 사고 발생 지점으로부터 후방으로 제1 기준 거리의 2배 떨어진 위치인 제1 지점까지, 제2 색의 빛이 제1 강도의 세기로 제1 점멸 속도를 통해 점멸되도록 제어할 수 있다.

예를 들어, 제1 기준 거리가 50m인 경우, 제어부(30)는 도로에서 발생한 사고가 소규모 사고로 판단되면, 사고 발생 지점으로부터 후방으로 100m 떨어진 위치를 제1 지점으로 설정하고, 사고 발생 지점으로부터 제1 지점까지 제2 색의 빛이 제1 강도의 세기로 제1 점멸 속도를 통해 점멸되도록 제어할 수 있다.

한편, S803 단계에서 사고 발생 차량의 수가 제1 기준치 보다 큰 것으로 확인되면, S806 단계에서, 제어부(30)는 도로에서 발생한 사고를 중대형 사고로 판단할 수 있다.

S807 단계에서, 제어부(30)는 사고 발생 차량의 수가 미리 설정된 제2 기준치 보다 작은지 여부를 확인할 수 있다. 이때, 제2 기준치는 제1 기준치 보다 높은 값으로 설정될 수 있다.

S807 단계에서 사고 발생 차량의 수가 제2 기준치 보다 작은 것으로 확인되면, S808 단계에서, 제어부(30)는 도로에서 발생한 사고를 중규모 사고로 판단할 수 있다.

예를 들어, 사고 발생 차량의 수가 4대이고 제2 기준치가 5인 경우, 제어부(30)는 도로에서 발생한 사고를 중규모 사고로 판단할 수 있다.

S809 단계에서, 제어부(30)는 사고 발생 지점으로부터 후방으로 제1 기준 거리의 3배 떨어진 위치인 제2 지점까지, 제2 색의 빛이 제2 강도의 세기로 제1 점멸 속도를 통해 점멸되도록 제어할 수 있다.

예를 들어, 제1 기준 거리가 50m인 경우, 제어부(30)는 도로에서 발생한 사고가 중규모 사고로 판단되면, 사고 발생 지점으로부터 후방으로 150m 떨어진 위치를 제2 지점으로 설정하고, 사고 발생 지점으로부터 제2 지점까지 제2 색의 빛이 제2 강도의 세기로 제1 점멸 속도를 통해 점멸되도록 제어할 수 있다.

한편, S807 단계에서 사고 발생 차량의 수가 제2 기준치 보다 큰 것으로 확인되면, S810 단계에서, 제어부(30)는 도로에서 발생한 사고를 대규모 사고로 판단할 수 있다.

예를 들어, 사고 발생 차량의 수가 6대이고 제2 기준치가 5인 경우, 제어부(30)는 도로에서 발생한 사고를 대규모 사고로 판단할 수 있다.

S811 단계에서, 제어부(30)는 사고 발생 지점으로부터 후방으로 제1 기준 거리의 4배 떨어진 위치인 제3 지점까지, 제2 색의 빛이 제2 강도의 세기로 제2 점멸 속도를 통해 점멸되도록 제어할 수 있다.

예를 들어, 제1 기준 거리가 50m인 경우, 제어부(30)는 도로에서 발생한 사고가 대규모 사고로 판단되면, 사고 발생 지점으로부터 후방으로 200m 떨어진 위치를 제3 지점으로 설정하고, 사고 발생 지점으로부터 제3 지점까지 제2 색의 빛이 제2 강도의 세기로 제2 점멸 속도를 통해 점멸되도록 제어할 수 있다.

도 9는 일실시예에 따른 중규모 사고 시 거리에 따라 단계 별로 점멸을 제어하는 과정을 설명하기 위한 순서도이다.

도 9를 참조하면, 먼저, S901 단계에서, 제어부(30)는 사고 발생 차량의 수가 제1 기준치 보다 크고 제2 기준치 보다 작은 것으로 확인되면, 도로에서 발생한 사고를 중규모 사고로 판단할 수 있다.

S902 단계에서, 제어부(30)는 사고 발생 지점으로부터 제2 지점까지 제2 색의 빛이 제2 강도의 세기로 제1 점멸 속도를 통해 점멸되도록 제어할 수 있다.

S903 단계에서, 제어부(30)는 일정 시간이 지난 후 사고 수습이 완료되었는지 여부를 확인할 수 있다. 이때, 제어부(30)는 사고 발생으로 인해 생긴 정체가 해소된 것으로 확인되면, 사고 수습을 완료한 것으로 확인할 수 있다.

S903 단계에서 사고 수습이 완료된 것으로 확인되면, 제어부(30)는 사고 발생 지점으로부터 제2 지점까지 점멸되고 있는 제2 색의 빛이 더 이상 점멸되지 않도록 제어할 수 있다.

S903 단계에서 사고 수습이 완료되지 않은 것으로 확인되면, S904 단계에서, 제어부(30)는 사고 발생 지점으로부터 제2 지점까지 점멸되고 있는 제2 색의 빛이 점멸된 상태를 유지한 점멸 시간을 확인하고, 점멸 시간이 미리 설정된 기준 시간 보다 긴지 여부를 확인할 수 있다. 이때, 기준 시간은 실시예에 따라 상이하게 설정될 수 있다.

S904 단계에서 점멸 시간이 기준 시간 보다 짧은 것으로 확인되면, S902 단계로 되돌아가, 제어부(30)는 사고 발생 지점으로부터 제2 지점까지 제2 색의 빛이 제2 강도의 세기로 제1 점멸 속도를 통해 점멸되도록 제어하여, 점멸 상태를 유지시킬 수 있다.

S904 단계에서 점멸 시간이 기준 시간 보다 긴 것으로 확인되면, S905 단계에서, 제어부(30)는 사고 발생 지점으로부터 제1 지점까지 제2 색의 빛이 제2 강도의 세기로 제1 점멸 속도를 통해 점멸되도록 제어하고, 제1 지점으로부터 제2 지점까지 제2 색의 빛이 제1 강도의 세기로 제1 점멸 속도를 통해 점멸되도록 제어할 수 있다.

S906 단계에서, 제어부(30)는 일정 시간이 지난 후 사고 수습이 완료되었는지 여부를 확인할 수 있다.

S906 단계에서 사고 수습이 완료된 것으로 확인되면, 제어부(30)는 사고 발생 지점으로부터 제2 지점까지 점멸되고 있는 제2 색의 빛이 더 이상 점멸되지 않도록 제어할 수 있다.

S906 단계에서 사고 수습이 완료되지 않은 것으로 확인되면, S905 단계로 되돌아가, 제어부(30)는 사고 발생 지점으로부터 제1 지점까지 제2 색의 빛이 제2 강도의 세기로 제1 점멸 속도를 통해 점멸되도록 제어하고, 제1 지점으로부터 제2 지점까지 제2 색의 빛이 제1 강도의 세기로 제1 점멸 속도를 통해 점멸되도록 제어하여, 점멸 상태를 유지시킬 수 있다.

도 10은 일실시예에 따른 대규모 사고 시 거리에 따라 단계 별로 점멸을 제어하는 과정을 설명하기 위한 순서도이다.

도 10을 참조하면, 먼저, S1001 단계에서, 제어부(30)는 사고 발생 차량의 수가 제2 기준치 보다 큰 것으로 확인되면, 도로에서 발생한 사고를 대규모 사고로 판단할 수 있다.

S1002 단계에서, 제어부(30)는 사고 발생 지점으로부터 제3 지점까지 제2 색의 빛이 제2 강도의 세기로 제2 점멸 속도를 통해 점멸되도록 제어할 수 있다.

S1003 단계에서, 제어부(30)는 일정 시간이 지난 후 사고 수습이 완료되었는지 여부를 확인할 수 있다. 이때, 제어부(30)는 사고 발생으로 인해 생긴 정체가 해소된 것으로 확인되면, 사고 수습을 완료한 것으로 확인할 수 있다.

S1003 단계에서 사고 수습이 완료된 것으로 확인되면, 제어부(30)는 사고 발생 지점으로부터 제3 지점까지 점멸되고 있는 제2 색의 빛이 더 이상 점멸되지 않도록 제어할 수 있다.

S1003 단계에서 사고 수습이 완료되지 않은 것으로 확인되면, S1004 단계에서, 제어부(30)는 사고 발생 지점으로부터 제3 지점까지 점멸되고 있는 제2 색의 빛이 점멸된 상태를 유지한 점멸 시간을 확인하고, 점멸 시간이 미리 설정된 기준 시간 보다 긴지 여부를 확인할 수 있다. 이때, 기준 시간은 실시예에 따라 상이하게 설정될 수 있다.

S1004 단계에서 점멸 시간이 기준 시간 보다 짧은 것으로 확인되면, S1002 단계로 되돌아가, 제어부(30)는 사고 발생 지점으로부터 제3 지점까지 제2 색의 빛이 제2 강도의 세기로 제2 점멸 속도를 통해 점멸되도록 제어하여, 점멸 상태를 유지시킬 수 있다.

S1004 단계에서 점멸 시간이 기준 시간 보다 긴 것으로 확인되면, S1005 단계에서, 제어부(30)는 사고 발생 지점으로부터 제1 지점까지 제2 색의 빛이 제2 강도의 세기로 제2 점멸 속도를 통해 점멸되도록 제어하고, 제1 지점으로부터 제2 지점까지 제2 색의 빛이 제2 강도의 세기로 제1 점멸 속도를 통해 점멸되도록 제어하고, 제2 지점으로부터 제3 지점까지 제2 색의 빛이 제1 강도의 세기로 제1 점멸 속도를 통해 점멸되도록 제어할 수 있다.

S1006 단계에서, 제어부(30)는 일정 시간이 지난 후 사고 수습이 완료되었는지 여부를 확인할 수 있다.

S1006 단계에서 사고 수습이 완료된 것으로 확인되면, 제어부(30)는 사고 발생 지점으로부터 제3 지점까지 점멸되고 있는 제2 색의 빛이 더 이상 점멸되지 않도록 제어할 수 있다.

S1006 단계에서 사고 수습이 완료되지 않은 것으로 확인되면, S1005 단계로 되돌아가, 제어부(30)는 사고 발생 지점으로부터 제1 지점까지 제2 색의 빛이 제2 강도의 세기로 제2 점멸 속도를 통해 점멸되도록 제어하고, 제1 지점으로부터 제2 지점까지 제2 색의 빛이 제2 강도의 세기로 제1 점멸 속도를 통해 점멸되도록 제어하고, 제2 지점으로부터 제3 지점까지 제2 색의 빛이 제1 강도의 세기로 제1 점멸 속도를 통해 점멸되도록 제어하여, 점멸 상태를 유지시킬 수 있다.

도 11은 일실시예에 따른 차량의 표면을 분류하는 과정을 설명하기 위한 순서도이다.

먼저, 제어부(30)는 도로에 정체가 있는 구간에 위치하는 복수의 차량들 중 어느 하나인 제1 차량을 분석 대상 차량으로 확인할 수 있다.

S1301 단계에서, 제어부(30)는 라이다를 통해 제1 차량의 표면에 대한 3D 데이터를 획득할 수 있다. 여기서, 3D 데이터는 제1 차량의 표면에 대한 3D 이미지이다. 이를 위해, 제어부(30)는 라이다가 장착된 기기와 유무선을 통해 연결될 수 있다.

S1302 단계에서, 제어부(30)는 카메라를 통해 제1 차량의 표면에 대한 2D 데이터를 획득할 수 있다. 여기서, 2D 데이터는 제1 차량의 표면에 대한 2D 이미지이다. 이를 위해, 제어부(30)는 카메라가 장착된 기기와 유무선을 통해 연결될 수 있다.

S1303 단계에서, 제어부(30)는 2D 데이터와 3D 데이터의 합집합 영역을 분리하여, 2D 데이터 및 3D 데이터를 병합한 제1 데이터를 추출할 수 있다.

구체적으로, 제어부(30)는 2D 데이터와 3D 데이터를 비교하여, 서로 중복되는 합집합 영역을 파악할 수 있으며, 2D 데이터에서 합집합 영역을 분리하고 3D 데이터에서 합집합 영역을 분리하여, 분리된 합집합 영역을 병합하여 제1 데이터를 추출할 수 있다. 여기서, 제1 데이터는 4채널로 구성될 수 있으며, 3채널은 RGB 값을 나타내는 2D 데이터이고, 1채널은 3D 깊이 값을 나타내는 데이터일 수 있다.

제어부(30)는 제1 데이터를 인코딩하여 제1 입력 신호를 생성할 수 있다.

구체적으로, 제어부(30)는 제1 데이터의 픽셀을 색 정보로 인코딩하여 제1 입력 신호를 생성할 수 있다. 색 정보는 RGB 색상 정보, 명도 정보, 채도 정보, 깊이 정보를 포함할 수 있으나, 이에 국한하지 않는다. 제어부(30)는 색 정보를 수치화된 값으로 환산할 수 있으며, 이 값을 포함한 데이터 시트 형태로 제1 데이터를 인코딩할 수 있다.

제어부(30)는 제1 입력 신호를 도로 주행 안전 장치(100) 내 미리 학습된 제1 인공 신경망에 입력할 수 있다.

일실시예에 따른 제1 인공 신경망은 특징 추출 신경망과 분류 신경망으로 구성되어 있으며 특징 추출 신경망은 입력 신호를 컨볼루션 계층과 풀링 계층을 차례로 쌓아 진행한다. 컨볼루션 계층은 컨볼루션 연산, 컨볼루션 필터 및 활성함수를 포함하고 있다. 컨볼루션 필터의 계산은 대상 입력의 행렬 크기에 따라 조절되나 일반적으로 9X9 행렬을 사용한다. 활성 함수는 일반적으로 ReLU 함수, 시그모이드 함수, 및 tanh 함수 등을 사용하나 이에 한정하지 않는다. 풀링 계층은 입력의 행렬 크기를 줄이는 역할을 하는 계층으로, 특정 영역의 픽셀을 묶어 대표값을 추출하는 방식을 사용한다. 풀링 계층의 연산에는 일반적으로 평균값이나 최대값을 많이 사용하나 이에 한정하지 않는다. 해당 연산은 정방 행렬을 사용하여 진행되는데, 일반적으로 9X9 행렬을 사용한다. 컨볼루션 계층과 풀링 계층은 해당 입력이 차이를 유지한 상태에서 충분히 작아질 때까지 번갈아 반복 진행된다.

일실시예에 따르면, 분류 신경망은 히든 레이어와 출력 레이어를 가지고 있다. 제1 차량의 표면의 거칠기 단계를 분류를 위한 제1 인공 신경망의 분류 신경망은 5층 이하의 히든 레이어로 구성되며, 총 50개 이하의 히든 레이어 노드를 포함할 수 있다. 히든 레이어의 활성함수는 ReLU 함수, 시그모이드 함수 및 tanh 함수 등을 사용하나 이에 한정하지 않는다. 분류 신경망의 출력 레이어 노드는 총 1개이며, 제1 차량의 표면의 분류에 대한 출력값을 출력 레이어 노드에 출력할 수 있다. 제1 인공 신경망에 대한 자세한 설명은 도 12를 참조하여 후술한다.

제어부(30)는 제1 인공 신경망의 입력의 결과에 기초하여, 제1 출력 신호를 획득할 수 있다.

S1304 단계에서, 제어부(30)는 제1 출력 신호에 기초하여, 제1 차량의 표면에 대한 제1 분류 결과를 생성할 수 있다. 여기서, 제1 분류 결과는 제1 차량의 표면이 어느 단계로 분류되는지에 대한 정보를 포함할 수 있다.

예를 들어, 제어부(30)는 제1 출력 신호의 출력값을 확인한 결과, 출력값이 1인 경우, 제1 차량의 표면이 1단계에 해당하는 것으로 제1 분류 결과를 생성하고, 출력값이 2인 경우, 제1 차량의 표면이 2단계에 해당하는 것으로 제1 분류 결과를 생성할 수 있다. 단계가 올라갈수록 제1 차량의 표면이 더 거칠어진다는 것을 파악할 수 있다.

S1105 단계에서, 제어부(30)는 제1 데이터를 분석하여 제1 차량의 표면에 발생한 균열을 검출할 수 있다. 균열 검출 시에는 이미지 분석을 통해 일정 크기 이상으로 확인된 부분만 제1 차량의 표면에 발생한 균열로 검출할 수 있다.

S1106 단계에서, 제어부(30)는 제1 차량의 표면에 발생한 균열을 영역별로 확인하여, 정상 영역과 손상 영역을 구분할 수 있다.

구체적으로, 제어부(30)는 제1 데이터를 제1 영역, 제2 영역 등의 복수의 영역으로 구분하여, 각각의 영역 별로 균열이 몇 개씩 검출되었는지 확인할 수 있으며, 제1 설정값 미만으로 균열이 검출된 영역을 정상 영역으로 구분하고, 제1 설정값 이상으로 균열이 검출된 영역을 손상 영역으로 구분할 수 있다. 이때, 제1 설정값은 실시예에 따라 상이하게 설정될 수 있다.

S1107 단계에서, 제어부(30)는 제1 데이터에서 손상 영역을 삭제한 제2 데이터를 추출할 수 있다.

예를 들어, 제1 데이터에 있는 이미지가 제1 영역, 제2 영역 및 제3 영역으로 구성되어 있는데, 제1 영역은 손상 영역으로 구분되고, 제2 영역 및 제3 영역은 정상 영역으로 구분된 경우, 제어부(30)는 제2 영역 및 제3 영역만 포함된 이미지를 제2 데이터로 추출할 수 있다.

제어부(30)는 제2 데이터를 인코딩하여 제2 입력 신호를 생성할 수 있다.

구체적으로, 제어부(30)는 제2 데이터의 픽셀을 색 정보로 인코딩하여 제2 입력 신호를 생성할 수 있다. 색 정보는 RGB 색상 정보, 명도 정보, 채도 정보, 깊이 정보를 포함할 수 있으나, 이에 국한하지 않는다. 제어부(30)는 색 정보를 수치화된 값으로 환산할 수 있으며, 이 값을 포함한 데이터 시트 형태로 제2 데이터를 인코딩할 수 있다.

제어부(30)는 제2 입력 신호를 도로 주행 안전 장치(100) 내 미리 학습된 제2 인공 신경망에 입력할 수 있다.

일실시예에 따른 제2 인공 신경망은 특징 추출 신경망과 분류 신경망으로 구성되어 있으며 특징 추출 신경망은 입력 신호를 컨볼루션 계층과 풀링 계층을 차례로 쌓아 진행한다. 컨볼루션 계층은 컨볼루션 연산, 컨볼루션 필터 및 활성함수를 포함하고 있다. 컨볼루션 필터의 계산은 대상 입력의 행렬 크기에 따라 조절되나 일반적으로 9X9 행렬을 사용한다. 활성 함수는 일반적으로 ReLU 함수, 시그모이드 함수, 및 tanh 함수 등을 사용하나 이에 한정하지 않는다. 풀링 계층은 입력의 행렬 크기를 줄이는 역할을 하는 계층으로, 특정 영역의 픽셀을 묶어 대표값을 추출하는 방식을 사용한다. 풀링 계층의 연산에는 일반적으로 평균값이나 최대값을 많이 사용하나 이에 한정하지 않는다. 해당 연산은 정방 행렬을 사용하여 진행되는데, 일반적으로 9X9 행렬을 사용한다. 컨볼루션 계층과 풀링 계층은 해당 입력이 차이를 유지한 상태에서 충분히 작아질 때까지 번갈아 반복 진행된다.

일실시예에 따르면, 분류 신경망은 히든 레이어와 출력 레이어를 가지고 있다. 제1 차량의 표면의 거칠기 단계를 분류를 위한 제2 인공 신경망의 분류 신경망은 5층 이하의 히든 레이어로 구성되며, 총 50개 이하의 히든 레이어 노드를 포함할 수 있다. 히든 레이어의 활성함수는 ReLU 함수, 시그모이드 함수 및 tanh 함수 등을 사용하나 이에 한정하지 않는다. 분류 신경망의 출력 레이어 노드는 총 1개이며, 제1 차량의 표면의 분류에 대한 출력값을 출력 레이어 노드에 출력할 수 있다. 제2 인공 신경망에 대한 자세한 설명은 도 12를 참조하여 후술한다.

제어부(30)는 제2 인공 신경망의 입력의 결과에 기초하여, 제2 출력 신호를 획득할 수 있다.

S1108 단계에서, 제어부(30)는 제2 출력 신호에 기초하여, 제1 차량의 표면에 대한 제2 분류 결과를 생성할 수 있다. 여기서, 제2 분류 결과는 제1 차량의 표면이 어느 단계로 분류되는지에 대한 정보를 포함할 수 있다.

예를 들어, 제어부(30)는 제2 출력 신호의 출력값을 확인한 결과, 출력값이 1인 경우, 제1 차량의 표면이 1단계에 해당하는 것으로 제2 분류 결과를 생성하고, 출력값이 2인 경우, 제1 차량의 표면이 2단계에 해당하는 것으로 제2 분류 결과를 생성할 수 있다.

S1109 단계에서, 제어부(30)는 제1 분류 결과 및 제2 분류 결과를 기초로, 제1 차량의 표면에 대한 최종 분류 결과를 설정할 수 있다.

구체적으로, 제1 분류 결과 및 제2 분류 결과가 동일한 경우, 제어부(30)는 제1 분류 결과 및 제2 분류 결과 중 어느 하나를 제1 차량의 표면에 대한 최종 분류 결과로 설정할 수 있다.

제어부(30)는 최종 분류 결과를 이용하여, 제1 차량의 외관에 문제가 있는지 여부를 확인할 수 있으며, 이를 통해, 제1 차량에 사고가 발생하였는지 여부를 판단할 수 있다.

도 12는 일실시예에 따른 인공 신경망을 설명하기 위한 도면이다.

일실시예에 따른 인공 신경망(1200)은 제1 인공 신경망 및 제2 인공 신경망 중 어느 하나일 수 있다. 제1 인공 신경망인 경우, 제1 데이터의 인코딩에 의해 생성된 제1 입력 신호를 입력으로 하여, 제1 차량의 표면이 거칠기 단계 중 어느 단계로 분류되는지에 대한 정보를 출력으로 할 수 있다. 제2 인공 신경망인 경우, 제2 데이터의 인코딩에 의해 생성된 제2 입력 신호를 입력으로 하여, 제1 차량의 표면이 거칠기 단계 중 어느 단계로 분류되는지에 대한 정보를 출력으로 할 수 있다.

일실시예에 따른 인코딩은 이미지의 픽셀 별 색 정보를 수치화된 데이터 시트 형태로 저장하는 방식으로 이뤄질 수 있는데, 색 정보는 하나의 픽셀이 가지고 있는 RGB 색상, 명도 정보, 채도 정보, 깊이 정보를 포함할 수 있으나, 이에 국한하지 않는다.

일실시예에 따르면, 인공 신경망(1200)은 특징 추출 신경망(1210)과 분류 신경망(1220)으로 구성되어 있으며, 특징 추출 신경망(1210)은 이미지에서 제1 차량의 영역과 배경 영역을 분리하는 작업을 수행할 수 있으며, 분류 신경망(1220)은 이미지 내에서 제1 차량의 표면이 거칠기 단계 중 어느 단계로 분류되는지 여부를 파악하는 작업을 수행하도록 할 수 있다.

특징 추출 신경망(1210)이 제1 차량의 영역과 배경 영역을 구분하는 방법은 이미지를 인코딩한 입력 신호의 데이터 시트로부터 색 정보의 각 값들의 변화가 한 픽셀을 포함하는 8개의 픽셀 중 6개 이상에서 30% 이상의 변화가 생긴 것으로 감지되는 픽셀들의 묶음을 제1 차량의 영역과 배경 영역의 경계로 삼을 수 있으나, 이에 국한하지 않는다.

특징 추출 신경망(1210)은 입력 신호를 컨볼루션 계층과 풀링 계층을 차례로 쌓아 진행한다. 컨볼루션 계층은 컨볼루션 연산, 컨볼루션 필터 및 활성함수를 포함하고 있다. 컨볼루션 필터의 계산은 대상 입력의 행렬 크기에 따라 조절되나 일반적으로 9X9 행렬을 사용한다. 활성 함수는 일반적으로 ReLU 함수, 시그모이드 함수, 및 tanh 함수 등을 사용하나 이에 한정하지 않는다. 풀링 계층은 입력의 행렬 크기를 줄이는 역할을 하는 계층으로, 특정 영역의 픽셀을 묶어 대표값을 추출하는 방식을 사용한다. 풀링 계층의 연산에는 일반적으로 평균값이나 최대값을 많이 사용하나 이에 한정하지 않는다. 해당 연산은 정방 행렬을 사용하여 진행되는데, 일반적으로 9X9 행렬을 사용한다. 컨볼루션 계층과 풀링 계층은 해당 입력이 차이를 유지한 상태에서 충분히 작아질 때까지 번갈아 반복 진행된다.

분류 신경망(1220)은 특징 추출 신경망(1210)을 통해 배경으로부터 구분된 제1 차량의 영역의 표면을 확인하고, 미리 정의된 거칠기 단계별 표면 상태와 유사한지 여부를 확인하여, 제1 차량의 영역의 표면이 거칠기 단계 중 어느 단계로 분류되는지 여부를 파악할 수 있다. 거칠기 단계별 표면 상태와 비교하기 위해, 도로 주행 안전 장치(100)의 데이터베이스에 저장된 정보들을 활용할 수 있다.

분류 신경망(1220)은 히든 레이어와 출력 레이어를 가지고 있으며, 5층 이하의 히든 레이어로 구성되어, 총 50개 이하의 히든 레이어 노드를 포함하고, 히든 레이어의 활성함수는 ReLU 함수, 시그모이드 함수 및 tanh 함수 등을 사용하나 이에 한정하지 않는다.

분류 신경망(1220)는 총 1개의 출력층 노드만 포함할 수 있다.

분류 신경망(1220)의 출력은 제1 차량의 표면이 거칠기 단계 중 어느 단계로 분류되는지에 대한 출력값으로, 거칠기 단계 중 어느 단계에 해당하는지를 지시할 수 있다. 예를 들어, 출력값이 1인 경, 제1 차량의 표면이 1단계에 해당하는 것을 지시하고, 출력값이 2인 경우, 제1 차량의 표면이 2단계에 해당하는 것을 지시할 수 있다.

일실시예에 따르면, 인공 신경망(1200)은 사용자가 인공 신경망(1200)에 따른 출력의 문제점 발견 시 사용자에 의해 입력된 수정 정답에 의해 생성되는 제1 학습 신호를 전달받아 학습할 수 있다. 인공 신경망(1200)에 따른 출력의 문제점은 제1 차량의 표면에 대해 거칠기 단계 중 다른 단계로 분류한 출력값을 출력한 경우를 의미할 수 있다.

일실시예에 따른 제1 학습 신호는 정답과 출력값의 오차를 바탕으로 만들어지며, 경우에 따라 델타를 이용하는 SGD나 배치 방식 혹은 역전파 알고리즘을 따르는 방식을 사용할 수 있다. 인공 신경망(1200)은 제1 학습 신호에 의해 기존의 가중치를 수정해 학습을 수행하며, 경우에 따라 모멘텀을 사용할 수 있다. 오차의 계산에는 비용함수가 사용될 수 있는데, 비용함수로 Cross entropy 함수를 사용할 수 있다. 이하 도 13을 참조하여 인공 신경망(1200)의 학습 내용이 후술된다.

도 13은 일실시예에 따른 인공 신경망을 학습하는 방법을 설명하기 위한 도면이다.

일실시예에 따르면, 학습 장치는 인공 신경망(1200)을 학습시킬 수 있다. 학습 장치는 도로 주행 안전 장치(100)와 다른 별개의 주체일 수 있지만, 이에 제한되는 것은 아니다.

일실시예에 따르면, 인공 신경망(1200)은 트레이닝 샘플들이 입력되는 입력 레이어와 트레이닝 출력들을 출력하는 출력 레이어를 포함하고, 트레이닝 출력들과 제1 레이블들 사이의 차이에 기초하여 학습될 수 있다. 여기서, 제1 레이블들은 거칠기 단계별로 등록되어 있는 대표 이미지에 기초하여 정의될 수 있다. 인공 신경망(1200)은 복수의 노드들의 그룹으로 연결되어 있고, 연결된 노드들 사이의 가중치들과 노드들을 활성화시키는 활성화 함수에 의해 정의된다.

학습 장치는 GD(Gradient Decent) 기법 또는 SGD(Stochastic Gradient Descent) 기법을 이용하여 인공 신경망(1200)을 학습시킬 수 있다. 학습 장치는 인공 신경망(1200)의 출력들 및 레이블들 의해 설계된 손실 함수를 이용할 수 있다.

학습 장치는 미리 정의된 손실 함수(loss function)을 이용하여 트레이닝 에러를 계산할 수 있다. 손실 함수는 레이블, 출력 및 파라미터를 입력 변수로 미리 정의될 수 있고, 여기서 파라미터는 인공 신경망(1200) 내 가중치들에 의해 설정될 수 있다. 예를 들어, 손실 함수는 MSE(Mean Square Error) 형태, 엔트로피(entropy) 형태 등으로 설계될 수 있는데, 손실 함수가 설계되는 실시예에는 다양한 기법 또는 방식이 채용될 수 있다.

학습 장치는 역전파(backpropagation) 기법을 이용하여 트레이닝 에러에 영향을 주는 가중치들을 찾아낼 수 있다. 여기서, 가중치들은 인공 신경망(1200) 내 노드들 사이의 관계들이다. 학습 장치는 역전파 기법을 통해 찾아낸 가중치들을 최적화시키기 위해 레이블들 및 출력들을 이용한 SGD 기법을 이용할 수 있다. 예를 들어, 학습 장치는 레이블들, 출력들 및 가중치들에 기초하여 정의된 손실 함수의 가중치들을 SGD 기법을 이용하여 갱신할 수 있다.

일실시예에 따르면, 학습 장치는 도로 주행 안전 장치(100)의 데이터베이스로부터 레이블드 트레이닝 거칠기 단계별 대표 이미지들(1301)을 획득할 수 있다. 학습 장치는 거칠기 단계별 대표 이미지들(1301)에 각각 미리 레이블링된 정보를 획득할 수 있는데, 거칠기 단계별 대표 이미지들(1301)은 미리 분류된 거칠기 단계에 따라 레이블링될 수 있다.

일실시예에 따르면, 학습 장치는 1000개의 레이블드 트레이닝 거칠기 단계별 대표 이미지들(1301)을 획득할 수 있으며, 레이블드 트레이닝 거칠기 단계별 대표 이미지들(1301)에 기초하여 제1 트레이닝 거칠기 단계별 벡터들(1302)을 생성할 수 있다. 제1 트레이닝 거칠기 단계별 벡터들(1302)을 추출하는데는 다양한 방식이 채용될 수 있다.

일실시예에 따르면, 학습 장치는 제1 트레이닝 거칠기 단계별 벡터들(1302)을 인공 신경망(1200)에 적용하여 제1 트레이닝 출력들(1303)을 획득할 수 있다. 학습 장치는 제1 트레이닝 출력들(1303)과 제1 레이블들(1304)에 기초하여 인공 신경망(1200)을 학습시킬 수 있다. 학습 장치는 제1 트레이닝 출력들(1303)에 대응하는 트레이닝 에러들을 계산하고, 그 트레이닝 에러들을 최소화하기 위해 인공 신경망(1200) 내 노드들의 연결 관계를 최적화하여 인공 신경망(1200)을 학습시킬 수 있다.

이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.

실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.

소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.

이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.

그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 청구범위의 범위에 속한다.

Claims (5)

1. 도로의 중앙분리대와 가드레일 부분에 장착되어서 차량과 접촉이 없도록 하여 일정 구간에 일정 간격으로 도로에 설치되는 안전 케이스;
   차량 진행 방향의 전방으로 빛을 조사하도록 상기 안전 케이스에 설치되는 조명부;
   차량 진행 방향의 후방으로 빛이 점멸되도록 상기 안전 케이스에 설치되는 경고부;
   도로에서 주행중인 차량의 움직임을 감지하고, 차량의 움직임을 통해 도로 주행에 정체가 있는지 여부를 감지하여, 도로 주행에 정체가 있는 것으로 감지되면, 사고가 발생하였는지 여부 및 차량 증가로 인해 단순 정체가 발생하였는지 여부를 감지하는 센서부; 및
   상기 센서부에 의해 도로에서 차량이 주행중인 것으로 감지되면, 상기 조명부에서 빛이 조사되도록 제어하고, 상기 센서부에 의해 단순 정체가 발생한 것으로 감지되면, 상기 경고부에서 제1 색으로 빛이 점멸되도록 제어하고, 상기 센서부에 의해 사고가 발생한 것으로 감지되면, 상기 경고부에서 제2 색으로 빛이 점멸되도록 제어하는 제어부를 포함하며,
   상기 센서부는,
   이미지 센서를 통해 차량의 위치 및 차량 간의 거리를 분석하여 감지하고,
   도로에 정체가 있는 구간에 위치하는 복수의 차량들의 이미지 정보를 획득하고, 상기 획득된 이미지 정보를 차량 별로 구분하여 분석 대상 차량의 이미지 정보를 추출하고, 상기 분석 대상 차량의 이미지 정보에서 대상 구역 이미지 및 차량 상태 정보를 확인하고, 상기 차량 상태 정보를 기초로 외관에 문제가 있는 차량이 있는지 여부를 확인하여, 사고가 발생하였는지 여부에 대한 판단 결과를 생성하고,
   상기 판단 결과에 따라, 사고가 발생한 것으로 판단되면, 사고 발생으로 도로에 정체가 발생한 것으로 감지하고, 사고가 발생하지 않은 것으로 판단되면, 단순 정체로 도로에 정체가 발생한 것으로 감지하며,
   상기 제어부는,
   상기 복수의 차량들 중 어느 하나인 제1 차량이 분석 대상 차량으로 확인되면, 라이다를 통해 상기 제1 차량의 표면에 대한 3D 데이터를 획득하고, 카메라를 통해 상기 제1 차량의 표면에 대한 2D 데이터를 획득하고,
   상기 2D 데이터와 상기 3D 데이터의 합집합 영역을 분리하여, 상기 2D 데이터 및 상기 3D 데이터를 병합한 제1 데이터를 추출하고,
   상기 제1 데이터를 인코딩 하여 제1 입력 신호를 생성하고,
   상기 제1 입력 신호를 제1 인공 신경망에 입력하고, 상기 제1 인공 신경망의 입력의 결과에 기초하여, 제1 출력 신호를 획득하고,
   상기 제1 출력 신호에 기초하여, 상기 제1 차량의 표면에 대한 제1 분류 결과를 생성하고,
   상기 제1 데이터를 분석하여 상기 제1 차량의 표면에 발생한 균열을 검출하고,
   상기 제1 차량의 표면에 발생한 균열을 영역별로 확인하여, 미리 설정된 제1 설정값 미만으로 균열이 검출된 정상 영역과 상기 제1 설정값 이상으로 균열이 검출된 손상 영역을 구분하고,
   상기 제1 데이터에서 상기 손상 영역을 삭제한 제2 데이터를 추출하고,
   상기 제2 데이터를 인코딩 하여 제2 입력 신호를 생성하고,
   상기 제2 입력 신호를 제2 인공 신경망에 입력하고, 상기 제2 인공 신경망의 입력의 결과에 기초하여, 제2 출력 신호를 획득하고,
   상기 제2 출력 신호에 기초하여, 상기 제1 차량의 표면에 대한 제2 분류 결과를 생성하고,
   상기 제1 분류 결과 및 상기 제2 분류 결과가 동일한 경우, 상기 제1 분류 결과 및 상기 제2 분류 결과 중 어느 하나를 상기 제1 차량의 표면에 대한 최종 분류 결과로 설정하는,
   도로 주행 안전 장치.
2. 제1항에 있어서,
   상기 센서부는,
   상기 판단 결과에 따라, 단순 정체로 도로에 정체가 발생한 것으로 감지되면, 차량의 주행 속도가 기준 속도 이하인 정체 구간을 감지하고,
   상기 제어부는,
   상기 정체 구간의 시작점인 단순 정체 발생 지점으로부터 상기 정체 구간의 끝점인 단순 정체 종료 지점까지의 정체 구간 길이를 산출하고,
   미리 정해진 기간 동안의 시간대별 정체 패턴을 통해 제1 기준 거리가 설정되면, 상기 정체 구간 길이가 상기 제1 기준 거리 보다 짧은지 여부를 확인하고,
   상기 정체 구간 길이가 상기 제1 기준 거리 보다 짧은 것으로 확인되면, 상기 정체 구간을 일반적인 정체 현상으로 판단하여, 상기 단순 정체 발생 지점으로부터 후방으로 상기 정체 구간 길이의 4배 떨어진 위치까지, 상기 제1 색의 빛이 제1 강도의 세기로 제1 점멸 속도를 통해 점멸되도록 제어하고,
   상기 정체 구간 길이가 상기 제1 기준 거리 보다 긴 것으로 확인되면, 상기 정체 구간을 특수적인 정체 현상으로 판단하여, 상기 정체 구간 길이가 상기 제1 기준 거리 보다 긴 값으로 설정된 제2 기준 거리 보다 짧은지 여부를 확인하고,
   상기 정체 구간 길이가 상기 제2 기준 거리 보다 짧은 것으로 확인되면, 상기 정체 구간을 심각한 정체 현상으로 판단하여, 상기 단순 정체 발생 지점으로부터 후방으로 상기 정체 구간 길이의 3배 떨어진 위치까지, 상기 제1 색의 빛이 상기 제1 강도 보다 강한 제2 강도의 세기로 상기 제1 점멸 속도를 통해 점멸되도록 제어하고,
   상기 정체 구간 길이가 상기 제2 기준 거리 보다 긴 것으로 확인되면, 상기 정체 구간을 매우 심각한 정체 현상으로 판단하여, 상기 단순 정체 발생 지점으로부터 후방으로 상기 정체 구간 길이의 2배 떨어진 위치까지, 상기 제1 색의 빛이 상기 제2 강도의 세기로 상기 제1 점멸 속도 보다 빠른 제2 점멸 속도를 통해 점멸되도록 제어하는,
   도로 주행 안전 장치.
3. 제2항에 있어서,
   상기 센서부는,
   상기 판단 결과에 따라, 사고 발생으로 도로에 정체가 발생한 것으로 감지되면, 사고 발생 차량의 수를 감지하고,
   상기 제어부는,
   상기 사고 발생 차량의 수가 미리 설정된 제1 기준치 보다 작은지 여부를 확인하고,
   상기 사고 발생 차량의 수가 상기 제1 기준치 보다 작은 것으로 확인되면, 도로에서 발생한 사고를 소규모 사고로 판단하여, 사고 발생 지점으로부터 후방으로 상기 제1 기준 거리의 2배 떨어진 위치인 제1 지점까지, 상기 제2 색의 빛이 상기 제1 강도의 세기로 상기 제1 점멸 속도를 통해 점멸되도록 제어하고,
   상기 사고 발생 차량의 수가 상기 제1 기준치 보다 큰 것으로 확인되면, 도로에서 발생한 사고를 중대형 사고로 판단하여, 상기 사고 발생 차량의 수가 상기 제1 기준치 보다 높은 값으로 설정된 제2 기준치 보다 작은지 여부를 확인하고,
   상기 사고 발생 차량의 수가 상기 제2 기준치 보다 작은 것으로 확인되면, 도로에서 발생한 사고를 중규모 사고로 판단하여, 상기 사고 발생 지점으로부터 후방으로 상기 제1 기준 거리의 3배 떨어진 위치인 제2 지점까지, 상기 제2 색의 빛이 상기 제2 강도의 세기로 상기 제1 점멸 속도를 통해 점멸되도록 제어하고,
   상기 사고 발생 차량의 수가 상기 제2 기준치 보다 큰 것으로 확인되면, 도로에서 발생한 사고를 대규모 사고로 판단하여, 상기 사고 발생 지점으로부터 후방으로 상기 제1 기준 거리의 4배 떨어진 위치인 제3 지점까지, 상기 제2 색의 빛이 상기 제2 강도의 세기로 상기 제2 점멸 속도를 통해 점멸되도록 제어하는,
   도로 주행 안전 장치.
4. 제3항에 있어서,
   상기 제어부는,
   도로에서 발생한 사고가 중규모 사고로 판단되어, 상기 사고 발생 지점으로부터 상기 제2 지점까지 상기 제2 색의 빛이 점멸된 점멸 시간이 기준 시간 보다 긴 것으로 확인되면, 상기 사고 발생 지점으로부터 상기 제1 지점까지 상기 제2 색의 빛이 상기 제2 강도의 세기로 상기 제1 점멸 속도를 통해 점멸되도록 제어하고, 상기 제1 지점으로부터 상기 제2 지점까지 상기 제2 색의 빛이 상기 제1 강도의 세기로 상기 제1 점멸 속도를 통해 점멸되도록 제어하고,
   도로에서 발생한 사고가 대규모 사고로 판단되어, 상기 사고 발생 지점으로부터 상기 제3 지점까지 상기 제2 색의 빛이 점멸된 점멸 시간이 상기 기준 시간 보다 긴 것으로 확인되면, 상기 사고 발생 지점으로부터 상기 제1 지점까지 상기 제2 색의 빛이 상기 제2 강도의 세기로 상기 제2 점멸 속도를 통해 점멸되도록 제어하고, 상기 제1 지점으로부터 상기 제2 지점까지 상기 제2 색의 빛이 상기 제2 강도의 세기로 상기 제1 점멸 속도를 통해 점멸되도록 제어하고, 상기 제2 지점으로부터 상기 제3 지점까지 상기 제2 색의 빛이 상기 제1 강도의 세기로 상기 제1 점멸 속도를 통해 점멸되도록 제어하는,
   도로 주행 안전 장치.
5. 삭제

Images