KR102305720B1 - 도로 살얼음 대응 시스템 - Google Patents
도로 살얼음 대응 시스템 Download PDFInfo
- Publication number
- KR102305720B1 KR102305720B1 KR1020210090070A KR20210090070A KR102305720B1 KR 102305720 B1 KR102305720 B1 KR 102305720B1 KR 1020210090070 A KR1020210090070 A KR 1020210090070A KR 20210090070 A KR20210090070 A KR 20210090070A KR 102305720 B1 KR102305720 B1 KR 102305720B1
- Authority
- KR
- South Korea
- Prior art keywords
- road
- pattern
- thin ice
- ice
- site
- Prior art date
Links
- 230000004044 response Effects 0.000 title claims abstract description 13
- 238000004458 analytical method Methods 0.000 claims abstract description 34
- 239000007921 spray Substances 0.000 claims abstract description 23
- 150000003839 salts Chemical class 0.000 claims description 35
- 230000007423 decrease Effects 0.000 claims description 32
- 238000013473 artificial intelligence Methods 0.000 claims description 16
- 238000005259 measurement Methods 0.000 claims description 11
- 230000008014 freezing Effects 0.000 claims description 5
- 238000007710 freezing Methods 0.000 claims description 5
- 238000010191 image analysis Methods 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 4
- 238000012876 topography Methods 0.000 claims description 2
- 239000012267 brine Substances 0.000 abstract 1
- HPALAKNZSZLMCH-UHFFFAOYSA-M sodium;chloride;hydrate Chemical compound O.[Na+].[Cl-] HPALAKNZSZLMCH-UHFFFAOYSA-M 0.000 abstract 1
- 238000001556 precipitation Methods 0.000 description 16
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 12
- 238000010586 diagram Methods 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 7
- 238000005507 spraying Methods 0.000 description 6
- 238000007635 classification algorithm Methods 0.000 description 5
- 238000002347 injection Methods 0.000 description 5
- 239000007924 injection Substances 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 5
- 238000012937 correction Methods 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000000052 comparative effect Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- UXVMQQNJUSDDNG-UHFFFAOYSA-L Calcium chloride Chemical compound [Cl-].[Cl-].[Ca+2] UXVMQQNJUSDDNG-UHFFFAOYSA-L 0.000 description 2
- 229910001628 calcium chloride Inorganic materials 0.000 description 2
- 239000001110 calcium chloride Substances 0.000 description 2
- 238000000034 method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011017 operating method Methods 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
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
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/0022—Radiation pyrometry, e.g. infrared or optical thermometry for sensing the radiation of moving bodies
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
- G01P5/00—Measuring speed of fluids, e.g. of air stream; Measuring speed of bodies relative to fluids, e.g. of ship, of aircraft
- G01P5/02—Measuring speed of fluids, e.g. of air stream; Measuring speed of bodies relative to fluids, e.g. of ship, of aircraft by measuring forces exerted by the fluid on solid bodies, e.g. anemometer
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Emergency Alarm Devices (AREA)
Abstract
본 발명은 풍속계(10), 노면 온도센서(20) 및 대기압센서(30), 온습도센서(40)가 하나의 구성으로 이루어진 센서 유니트(50)와, 상기 센서 유니트(50)에서 측정되어 전송되는 도로상태 데이터(100)와, 기상청 데이터(200)를 융합하여 인공지능 기반으로 현장살얼음생성패턴(300)을 생성하고, 도로 살얼음 관련하여 수집된 도로 살얼음 발생에 대한 빅데이터를 기반으로 사전에 학습된 인공지능을 통해 생성된 저장된 도로 살얼음패턴(400)과 비교하여 도로 살얼음을 예측하는 분석모듈(500)과, 상기 분석모듈(500)에서 분석된 도로 살얼음 예측 결과에 따라 도로 살얼음 발생을 사전에 억제하도록 염수분사장치를 가동 및 제어할 수 있는 원격제어기(600)와, 도로 상태를 표시하는 디스플레이부(700)를 구비한다.
또한, 상기 센서 유니트(50)는 도로 일정 간격으로 설치하되, 다리상부와 터널입구는 필수로 설치하며, 상기 현장살얼음생성패턴(300)은 상기 센서 유니트(50)에서 측정되는 대기온도(A), 노면온도(B), 대기압(C), 강우량(D), 풍속(G)과 어는비알람(E), 영상분석(F), 지형분석(H) 데이터를 변수로 사용하고, 각각의 최대측정범위를 꼭짓점으로 설정하고, 각각의 변수 중심점에서 최대측정범위의 길이를 균등 분할하여 0~100%로 표기하고, 실시간 측정된 데이터를 입력하여, 입력된 점들을 연결하여 형성된 실시간 다각형 패턴(310)을 적용하는 것을 특징으로 하는 AI 기반의 도로 살얼음 대응 시스템을 제공한다.
또한, 상기 센서 유니트(50)는 도로 일정 간격으로 설치하되, 다리상부와 터널입구는 필수로 설치하며, 상기 현장살얼음생성패턴(300)은 상기 센서 유니트(50)에서 측정되는 대기온도(A), 노면온도(B), 대기압(C), 강우량(D), 풍속(G)과 어는비알람(E), 영상분석(F), 지형분석(H) 데이터를 변수로 사용하고, 각각의 최대측정범위를 꼭짓점으로 설정하고, 각각의 변수 중심점에서 최대측정범위의 길이를 균등 분할하여 0~100%로 표기하고, 실시간 측정된 데이터를 입력하여, 입력된 점들을 연결하여 형성된 실시간 다각형 패턴(310)을 적용하는 것을 특징으로 하는 AI 기반의 도로 살얼음 대응 시스템을 제공한다.
Description
본 발명은 도로 살얼음 대응 시스템에 관한 것으로서, 보다 상세하게는 도로상태 데이터 및 기상청 데이터, 각종 센서로부터 측정된 대기 온도, 노면 온도 및 대기 습도 등을 수집 및 융합하여 도로 살얼음 발생을 예측하고, 도로 살얼음 발생을 사전에 억제하도록 염수분사장치를 가동 및 제어하는 AI 기반의 도로 살얼음 대응 시스템에 관한 것이다.
일반적으로 겨울철 고속도로에서 발생하는 도로 살얼음은 대형교통사고를 유발하는 원인이 되며, 이러한 도로 살얼음에 대응하기 위해 도로기상 정보시스템(RWIS), 기상정보를 이용한 어는 비 예측시스템을 이용하고 현장 상황에 따라 이동전화기를 이용한 원격제어 염수분사장치, 영상정보기반의 염수분사장치 등을 독립적으로 설치운영 중에 있으나 효율성과 정확도가 낮고, 안전순찰원이 현장에서 직접노면상태를 확인하여 운영하고 있어 사고위험 증가 및 효율 저하가 발생되고 있다.
이러한 문제를 해결하기 위해 제설제 원격분사 장치를 구비한 도로결빙 예측 자동 감시 시스템 및 그 운영방법이 한국 등록특허 제10-2207577호로 등록되고, 이는 환경정보가 수집되는 환경정보 수집부와, 도로정보가 수집되는 도로정보 파악부, 상기 환경정보 수집부와 상기 도로정보파악부에서 정보를 받아 도로 상태정보를 생성하고, 생성된 도로 상태정보를 통해 도로가 관리가 필요한 것으로 판단되면 관리자 단말을 통하여 통지되고, 관리자는 노면 관리부를 작동시키는 실행명령을 입력한 정보가 저장된 관리정보 저장부의 과거 정보를 이용하여 노면 관리 장치를 제어할 수 있게 하는 시스템이다.
이렇게 개선된 시스템에도 기상청예보와 고속도로 기상의 차이로 인해 도로 살얼음 예측과 대응에 한계가 있어 도로 상태 데이터, 기상청 데이터, 현장 장비상태 자료 등을 수집 및 융합하여 도로 살얼음을 예측하고, 예측된 결과에 따라 도로 살얼음 발생을 억제하도록 염수분사장치를 가동 및 제어할 수 있는 AI 기반의 도로 살얼음 대응 시스템의 개발이 필요하다.
따라서 본 발명은 전술한 바와 같은 종래기술의 문제점을 해결하기 위해 안출된 것으로, 도로 상태 데이터, 기상청 데이터, 현장 장비상태 자료 등을 수집 및 융합하여 도로 살얼음을 예측하고, 예측된 결과에 따라 도로 살얼음 발생을 억제하도록 염수분사장치를 가동 및 제어할 수 있는 AI 기반의 도로 살얼음 대응 시스템을 제공하는데 있다.
상술한 목적을 달성하기 위한 본 발명은 풍속계(10), 노면 온도센서(20) 및 대기압센서(30), 온습도센서(40)가 하나의 구성으로 이루어진 센서 유니트(50)와, 상기 센서 유니트(50)에서 측정되어 전송되는 도로상태 데이터(100)와, 기상청 데이터(200)를 융합하여 인공지능 기반으로 현장살얼음생성패턴(300)을 생성하고, 도로 살얼음 관련하여 수집된 도로 살얼음 발생에 대한 빅데이터를 기반으로 사전에 학습된 인공지능을 통해 생성된 저장된 도로 살얼음패턴(400)과 비교하여 도로 살얼음을 예측하는 분석모듈(500)과, 상기 분석모듈(500)에서 분석된 도로 살얼음 예측 결과에 따라 도로 살얼음 발생을 사전에 억제하도록 염수분사장치를 가동 및 제어할 수 있는 원격제어기(600)와, 도로 상태를 표시하는 디스플레이부(700)를 구비한다.
또한, 상기 센서 유니트(50)는 도로 일정 간격으로 설치하되, 다리상부와 터널입구는 필수로 설치하며, 상기 현장살얼음생성패턴(300)은 상기 센서 유니트(50)에서 측정되는 대기온도(A), 노면온도(B), 대기압(C), 강우량(D), 풍속(G)과 어는비알람(E), 영상분석(F), 지형분석(H) 데이터를 변수로 사용하고, 각각의 최대측정범위를 꼭짓점으로 설정하고, 각각의 변수 중심점에서 최대측정범위의 길이를 균등 분할하여 0~100%로 표기하고, 실시간 측정된 데이터를 입력하여, 입력된 점들을 연결하여 형성된 실시간 다각형 패턴(310)을 적용하는 것을 특징으로 하는 AI 기반의 도로 살얼음 대응 시스템으로 한다.
이를 더욱 상세하게 설명하면,
상기 원격제어기(600)는 분석모듈(500)에서 인공지능 기반으로 사전에 학습된 도로 살얼음패턴(400)과 현장살얼음생성패턴(300)의 실시간 다각형 패턴(310)의 일치도(一致度)가 관리기준치에 도달할 경우에 염수분사장치를 가동한다.
또한, 상기 현장살얼음생성패턴(300)은 상기 센서 유니트(50)에서 측정되는 대기온도(A), 노면온도(B), 대기압(C), 강우량(D), 풍속(G)의 기상정보들을 측정 시간별로 변화 증감곡선으로 형성된 현장 증감곡선 패턴(320)이 더 구비된다.
현장 증감곡선 패턴(320)과 저장된 저장 증감곡선 패턴(420)의 일치도(一致度)가 시작 기준치 이상 일치할 경우에는 도로 살얼음이 발생될 것으로 예측하고, 사용자에게 살얼음 발생 시작경보를 제공하고, 살얼음경보 종료시점은 현장 증감곡선 패턴(320)이 저장된 저장 증감곡선 패턴(420)과의 일치도가 종료 기준치 이상 일치할 경우에는 사용자에게 살얼음 종료 시점으로 제공한다.
또한, 상기 현장 증감곡선 패턴(320)과 저장된 저장 증감곡선 패턴(420)의 일치도가 염수분무 가동 기준치에 도달할 경우에 염수분사장치를 가동하고, 관리자에게 염수분사장치를 가동 상황을 실시간으로 제공한다.
또한, 상기 디스플레이부(700)는 등록한 지점의 기상상태 및 염수분사 여부를 종합적으로 제공하는 종합상태부와, 선택된 등록지점에서 CCTV로 실시간으로 전송된 영상 및 분석모듈(500)에서 분석 예측된 살얼음 예측 경보를 제공한다.
그리고 상기 분석모듈(500)에서의 살얼음 예측경보는 상기 센서 유니트(50)로 전달받아 센싱된 도로상태 데이터(100)와, 기상청 데이터(200) 중에서 단기예보의 지역예보 데이터(210)를 융합하되,
강우량(D)은 기상청의 지역예보 데이터(210)를 사용하며, 대기온도(A), 노면온도(B), 대기압(C), 풍속(G)은 도로상태 데이터(100)와, 기상청의 지역예보 데이터(210) 중에서 살얼음 생성 가능성이 높은 데이터를 사용하여 도로 살얼음 상태를 결정한다.
도로 살얼음 상태 구분 알고리즘은 도로상태 데이터(100)와, 단기예보의 지역예보 데이터(210) 중에서 온도예보, 강수예보 현재날씨, 지역습도, 노면온도를 선택하는 1단계와, 상기 1단계에서 선택된 도로 살얼음 발생조건중 온도에 적합한 기준을 적용하는 2단계와, 상기 제2단계의 도로 살얼음 발생조건에서 실제 도로에 살얼음이 발생되는 강수량 또는 상대습도를 적용하는 3단계와, 상기 3단계의 강수예보에 따른 강수량과 상대습도에 실제 도로에 살얼음이 발생 예상에 의한 판단하는 제4단계와, 상기 제4단계의 판단 결과에 따라 경계, 주의, 관찰 중 하나를 표시하는 판단결과로 나누어진다.
또한, 상기 살얼음 예측경보에서 주의로 표시된 경우에는 제설차량의 출동준비와 순찰을 강화하고 가변속도제한표지(VSL ;Variable Speed Limit) 및 도로전광표지(VMS ;Variable Message Sign)에 도로 살얼음 발생 주의 표시로 가동하며,
경보에 해당될 경우에는 가변속도제한표지(VSL ;Variable Speed Limit) 및 도로전광표지(VMS ;Variable Message Sign)에 도로 살얼음 발생 경보 표시와 염화칼슘의 예비 살포 및 염수분사장치의 가동을 시행할 수 있도록 작업원에게 경보 통지한다.
또한, 염수분사장치의 가동 여부는
1) 강수량이 2.5mm 이하이거나 습도가 70% 이하인 경우
2) 보정온도가 -3℃ ~ -12℃인 경우
3) 풍속이 7m/s 이하인 경우
4) 노면 습도가 50% 이하인 경우
상기 1) 내지 4)의 조건을 모두 만족하는 경우에만 가동한다.
본 발명의 겨울철 고속도로에서 발생되는 도로 살얼음 발생을 예측하고 사전에 방지할 수 있도록 기상 환경 정보 수집 및 Database 구축으로 수집된 기상자료로 살얼음 예측 확률을 높일 수 있는 알고리즘을 개발하여 적용함으로써 정확성과 효율성이 높일 수 있는 장점이 있다.
또한, AI를 활용하여 수집된 기상정보와 실제 도로 살얼음 발생 여부를 비교 평가하여 현장 조건별 도로 살얼음 발생 패턴 학습함으로 현장조건에 적합한 도로 살얼음 발생을 예측 정확성을 높일 수 있는 장점이 있다.
또한, 사용자 중심의 직관적인 인터페이스를 가진 감시·제어 시스템을 제공함으로 설계함으로써 장치별 상태 모니터링 및 제어의 정확성을 높일 수 있는 장점이 있다.
도 1은 본 발명에 따른 AI 기반의 도로 살얼음 대응 시스템의 전체적인 구성을 도시한 개념도.
도 2는 본 발명에 따른 분석모듈에 적용된 인공지능 알고리즘 예시도.
도 3은 본 발명에 따른 분석모듈에서 인공지능 기반으로 사전에 학습된 도로 살얼음패턴의 예시도.
도 4는 본 발명에 따른 분석모듈에서 형성된 현장살얼음생성패턴의 예시도.
도 5는 본 발명에 따른 분석모듈에서 형성된 현장살얼음생성패턴과 DB의 도로 살얼음패턴의 비교예시도.
도 6은 본 발명에 따른 분석모듈에서 형성된 현장 증감곡선 패턴과 DB의 증감곡선 패턴의 비교예시도.
도 7은 본 발명에 따른 분석모듈에서 형성된 현장 증감곡선 패턴이 적용된 살얼음 발생경보제공 및 염수분사장치 가동 예.
도 8은 본 발명에 따른 도로 살얼음 상태 구분 알고리즘 예시도.
도 2는 본 발명에 따른 분석모듈에 적용된 인공지능 알고리즘 예시도.
도 3은 본 발명에 따른 분석모듈에서 인공지능 기반으로 사전에 학습된 도로 살얼음패턴의 예시도.
도 4는 본 발명에 따른 분석모듈에서 형성된 현장살얼음생성패턴의 예시도.
도 5는 본 발명에 따른 분석모듈에서 형성된 현장살얼음생성패턴과 DB의 도로 살얼음패턴의 비교예시도.
도 6은 본 발명에 따른 분석모듈에서 형성된 현장 증감곡선 패턴과 DB의 증감곡선 패턴의 비교예시도.
도 7은 본 발명에 따른 분석모듈에서 형성된 현장 증감곡선 패턴이 적용된 살얼음 발생경보제공 및 염수분사장치 가동 예.
도 8은 본 발명에 따른 도로 살얼음 상태 구분 알고리즘 예시도.
이하, 첨부된 도면들을 참조하여 본 발명에 따른 도로 살얼음 대응 시스템 및 그 운영 방법에 대해 상세히 설명하도록 한다.
하기의 설명에서는 본 발명의 실시예에 따른 도로 살얼음 대응 시스템 및 그 운영 방법을 이해하는데 필요한 부분만이 설명되며 그 이외 부분의 설명은 본 발명의 요지를 흩뜨리지 않도록 생략될 수 있다.
또한, 이하에서 설명되는 본 명세서 및 청구범위에 사용된 용어나 단어는 통상적이거나 사전적인 의미로 한정해서 해석되어서는 아니 되며, 본 발명을 가장 적절하게 표현할 수 있도록 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야 한다.
명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다. 또한, 명세서에 기재된 "…부", "…기" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미한다.
여러 실시예에 있어서, 동일한 구성을 가지는 구성요소에 대해서는 동일한 부호를 사용하여 대표적으로 일 실시예에서 설명하고, 그 외의 실시예에서는 일 실시예와 다른 구성에 대해서 설명하기로 한다.
도 1은 본 발명에 따른 AI 기반의 도로 살얼음 대응 시스템의 전체적인 구성을 도시한 개념도로서, 도로 현장의 풍속을 측정하기 위한 풍속계(10)와, 노면 온도센서(20), 대기압을 측정하기 위한 대기압센서(30), 대기온도 및 습도를 측정하기 위한 온습도센서(40)가 하나의 구성으로 이루어진 센서 유니트(50)를 구비하고 있다.
상기 각종 센서에서 측정된 데이터는 MBS보드(Multi Sensor Board; 90)에서 디지털 시그널로 변경된 도로상태 데이터(100)로 도로 살얼음을 예측하는 분석모듈(500)로 전송된다.
또한, 분석모듈(500)은 인터넷망을 통하여 기상청 데이터(200)와 도로 현장에 설치된 기존의 환경감시 센서에서 측정된 환경감시데이터를 실시간으로 전송받고, 저장할 수 있는 데이터베이스(DB)를 구비하고 있다.
또한, 분석모듈(500)은 상기 센서 유니트(50)에서 측정되어 전송되는 도로상태 데이터(100)와, 기상청 데이터(200)를 융합하여 인공지능 기반으로 현장살얼음생성패턴(300)을 생성하고, 도로 살얼음 관련하여 수집된 도로 살얼음 발생에 대한 빅데이터를 기반으로 사전에 학습된 인공지능을 통해 생성된 저장된 도로 살얼음패턴(400)과 비교하여 도로 살얼음을 예측한다.
또한, 분석모듈(500)에서 분석된 도로 살얼음 예측 결과에 따라 도로 살얼음 발생을 사전에 억제하도록 염수분사장치를 가동 및 제어할 수 있는 원격제어기(600)와 도로 상태를 표시하는 디스플레이부(700)를 구비하고 있다.
또한, 상기 센서 유니트(50)는 도로 일정 간격으로 설치하되, 다리상부와 터널입구는 필수로 설치한다.
또한, 도 2는 본 발명에 따른 분석모듈(500)에 적용된 인공지능 알고리즘 예시도가 도시되어 있다.
상기 인공지능 알고리즘은 입력(Input)되는 데이터는 도로상태 데이터(100), 기상청 데이터(200), 데이터베이스(DB)에 저장된 염수분무 또는 제설작업데이터, 평가기준 데이터가 입력된다.
인공지능으로 이루어지는 작업(AI Processing)으로는 입력된 데이터를 바탕으로 도로 살얼음패턴(400)을 형성하며, 형성된 도로 살얼음패턴(400)은 데이터베이스(DB)에 저장(Output)하게 된다.
이와 별도로 실시간으로 입력되는 도로상태 데이터(100)와 기상청 데이터(200)를 바탕으로 현장살얼음생성패턴(300)을 형성하고, 형성된 현장살얼음생성패턴(300)과 데이터베이스(DB)에 저장된 도로 살얼음패턴(400)을 평가 기준을 적용하여 패턴을 비교한다.
상기와 같이 현장살얼음생성패턴(300)과 데이터베이스(DB)에 저장된 도로 살얼음패턴(400)을 평가 기준을 적용하여 분석된 도로 살얼음 예측 결과에 따라 원격제어기(600)를 통하여 도로 살얼음 발생을 사전에 억제하도록 염수분사장치를 가동 및 제어하고, 이와 별도로 디스플레이부(700)로 연결되어 도로 살얼음 예측 결과에 따른 도로 상태를 표시할 수 있다.
도 3은 본 발명에 따른 분석모듈(500)에서 인공지능 기반으로 사전에 학습된 도로 살얼음패턴의 예시도가 도시되어 있고,
분석모듈(500)에서는 데이터베이스(DB)에 저장된 대기온도(A), 노면온도(B), 대기압(C), 강우량(D), 풍속(G)과 어는비알람(E), 영상분석(F), 지형분석(H) 데이터를 기반으로 인공지능 기반으로 사전에 학습된 도로 살얼음패턴(400)을 구비하고 있다.
도로 살얼음패턴(400)은 데이터베이스(DB)에 저장된 대기온도(A), 노면온도(B), 대기압(C), 강우량(D), 풍속(G)과 어는비알람(E), 영상분석(F), 지형분석(H) 데이터의 각각의 최대측정치를 꼭짓점으로 설정하고, 각각의 변수 중심점에서 최대측정범위의 길이를 균등 분할하여 0~100%로 표기하고,
인공지능 기반으로 사전에 학습된 도로 살얼음 형성의 최적데이터들을 연결하여 형성된 다각형 패턴으로 이루어진다.
도 4는 본 발명에 따른 분석모듈에서 형성된 현장살얼음생성패턴의 예시도가 도시되고,
상기 현장살얼음생성패턴(300)은 상기 센서 유니트(50)에서 측정되는 대기온도(A), 노면온도(B), 대기압(C), 강우량(D), 풍속(G)과 어는비알람(E), 영상분석(F), 지형분석(H) 데이터를 변수로 사용하고, 각각의 최대측정범위를 꼭짓점으로 설정하고, 각각의 변수 중심점에서 최대측정범위의 길이를 균등 분할하여 0~100%로 표기하고, 실시간 측정된 데이터를 입력하여, 입력된 점들을 연결하여 형성된 실시간 다각형 패턴(310)으로 이루어진다.
또한, 도 5는 본 발명에 따른 분석모듈에서 형성된 현장살얼음생성패턴과 DB의 도로 살얼음패턴이 비교된 예시도이다.
이와 같이 실시간으로 변화되는 현장살얼음생성패턴(300)이 도로 살얼음패턴(400)의 일치도(一致度)가 관리기준치(예를 들면 50%)에 도달된 경우에 도로 살얼음이 발생될 것으로 예측하고, 도로 살얼음을 사전에 억제할 수 있도록 염수분사장치를 가동한다.
도 6은 본 발명에 따른 분석모듈에서 형성된 현장 증감곡선 패턴과 DB의 증감곡선 패턴의 비교예시도이며, 실시간으로 변화되는 현장살얼음생성패턴(300)과 도로 살얼음패턴(400)은 시간과 함께 DB에 저장됨에 따라 대기온도(A), 노면온도(B), 대기압(C), 강우량(D), 풍속(G)등의 각각의 변수별로 시간에 따른 증감곡선으로 나타낼 수 있고, 이러한 증감패턴에 실제 염수분무 또는 제설작업 데이터가 저장되고 이와 같은 증감곡선 패턴이 DB에 저장된다.
DB에 저장되는 증감곡선 패턴1의 p1-1은 살얼음경보 시작시점이며, p1-2는 실제 제설작업이나 염수분사장치를 가동한 시점이고, p1-3은 살얼음경보 종료시점이다, 이와 같은 패턴에 DB에 저장되고, 이들을 바탕으로 인공지능 기반으로 사전에 학습된다.
또한, 도로의 현장별로 저장되는 현장살얼음생성패턴에서 R1-1은 살얼음경보 시작시점이며, Rn-1은 n현장의 살얼음경보 시작시점을 나타내는 것이고, R1-3은 살얼음경보 종료시점이며, Rn-3은 n현장의 살얼음경보 종료시점을 나타낸다.
측정 시간별로 변화 증감곡선으로 형성된 현장 증감곡선 패턴(320)이 저장된 저장 증감곡선 패턴(420)에 시작 기준치(예를 들면 30%)이상 일치(一致)할 경우에는 도로 살얼음이 발생될 것으로 예측하고, 사용자에게 살얼음 발생 시작경보를 제공하고, 살얼음경보 종료시점은 현장 증감곡선 패턴(320)이 저장된 저장 증감곡선 패턴(420)과의 일치도가 종료 기준치(예를 들면 70%) 이상 일치할 경우에는 사용자에게 살얼음 종료 시점으로 제공한다.
또한, 현장 증감곡선 패턴(320)과 저장된 저장 증감곡선 패턴(420)의 일치도가 염수분무 가동 기준치(예를 들면 50%)에 도달할 경우에도 도로 살얼음이 발생될 것으로 예측하고, 도로 살얼음을 사전에 억제할 수 있도록 염수분사장치를 가동하고, 관리자에게 염수분사장치를 가동 상황을 실시간으로 제공한다.
상기의 현장 증감곡선 패턴(320)과 저장된 저장 증감곡선 패턴(420)의 일치율에서 예보 시작 기준치 및 종료 기준치, 염수분무 가동 기준치는 AI 학습 결과에 따라 사용자가 최적의 기준치를 선택하여 조정할 수 있다.
도 7은 실험된 00지점(21년 02월 02일 22시 ~ 04일 10시) 본 발명에 따른 분석모듈에서 형성된 현장 증감곡선 패턴이 적용된 살얼음 발생경보제공 및 염수분사장치 가동 예를 도시되어 있고, AI 알고리즘의 경우 온도 및 습도변화 곡선이 완만할 때 제설작업을 ±3시간에 실시하고, 변화 곡선이 가파를 때 ±30분에 염수를 분사시킬 수 있음을 알 수 있다.
상기 분석모듈(500)에 적용되는 도로 살얼음 상태 구분 알고리즘은 상기 센서 유니트(50)로 전달받아 센싱된 도로상태 데이터(100)와, 기상청 데이터(200) 중에서 단기예보의 지역예보 데이터(210)를 융합하되,
도로상태 데이터(100)의 실시간 노면온도, 센서 유니트(50)의 설치위치, 대기환경에 따른 온도보정, 기상청의 지역예보 데이터(210)중의 강수예보, 상대습도, 시정거리, 예보풍속, 누적강수량의 데이터를 기준으로 판단하되, 상기 적용기준은 사용자의 관리기준에 따라 결정하되, 관리기준은 누적되는 데이터를 이용하여 AI학습 결과에 따라 적용할 수 있다.
또한, 도 8은 본 발명에 따른 도로 살얼음 상태 구분 알고리즘 예시도가 도시되어 있으며, 도로 살얼음 상태 구분 알고리즘은 도로상태 데이터(100)와, 단기예보의 지역예보 데이터(210) 중에서 온도예보, 강수예보 현재날씨, 지역습도, 노면온도를 선택하는 1단계와, 상기 1단계에서 선택된 도로 살얼음 발생조건중 온도에 적합한 기준을 적용하는 2단계가 도시되어 있다.
또한, 상기 제2단계의 도로 살얼음 발생조건에서 실제 도로에 살얼음이 발생되는 강수량 또는 상대습도를 적용하는 3단계와, 상기 3단계의 강수예보에 따른 강수량과 상대습도에 실제 도로에 살얼음이 발생 예상에 의한 판단하는 제4단계를 구비한다.
또한, 상기 제4단계의 판단 결과에 따라 경계, 주의, 관찰 중 하나를 표시하는 판단결과로 나누어진다.
예들 들어 도로상태 데이터(100)와, 단기예보의 지역예보 데이터(210) 중에서 온도예보, 강수예보 현재날씨, 지역습도, 노면온도를 선택하는 1단계 결과, 실시간 노면온도가 도로 살얼음 발생조건인 노면온도 0.5℃일 경우에 알고리즘이 2단계로 작동하되,
노면온도 0.5℃이상일 경우에도 현장의 대기온도에 지역특성에 따른 보정온도(산악/교량/터널일 경우 - 2℃)를 적용하여 보정된 대기온도가 2℃ 이하일 경우에 알고리즘이 3단계로 작동하며, 보정된 대기온도가 2℃ 이상일 경우에는 계속 관찰단계로 한다.
상기 3단계에서 강수 예보가 있을 경우는 제4단계로 이동하여, 누적강수량이 기준치 이상이면 경계로 기준치 이하이면 주의로 판단한다.
또한, 강수 예보가 없을 경우에는 현장의 상태습도를 적용하여 상태습도가 도로 살얼음 발생조건인 70% 이하이면 계속 관찰단계로 판단하고,
상태습도가 도로 살얼음 발생조건인 70% 이상이면 제4단계인 시정거리와 예보풍속을 적용하여 모두 기준치 이상이면 경계로 하며, 이들 중 하나라도 기준치 이하이면 주의로 판단한다.
상기 살얼음 예측경보는 등록한 지점의 기상상태 및 염수분사 여부를 종합적으로 제공하는 종합상태부와, 선택된 등록지점에서 CCTV로 실시간으로 전송된 영상 및 분석모듈(500)에서 분석 예측된 살얼음 예측 경보를 상기 디스플레이부(700)를 통하여 제공한다.
또한, 상기 살얼음 예측경보에서 주의로 표시된 경우에는 제설차량의 출동준비와 순찰을 강화하고 가변속도제한표지(VSL ;Variable Speed Limit) 및 도로전광표지(VMS ;Variable Message Sign)에 도로 살얼음 발생 주의 표시로 가동할 수 있도록 정보를 제공해줄 수 있으며,
경보에 해당될 경우에는 가변속도제한표지(VSL ;Variable Speed Limit) 및 도로전광표지(VMS ;Variable Message Sign)에 도로 살얼음 발생 경보 표시와 염화칼슘의 예비 살포 및 염수분사장치의 가동을 시행할 수 있도록 작업원에게 경보 통지한다.
또한, 염수분사장치의 가동 여부는
1) 강수량이 2.5mm 이하이거나 습도가 70% 이하인 경우
2) 보정온도가 -3℃ ~ -12℃인 경우
3) 풍속이 7m/s 이하인 경우
4) 노면 습도가 50% 이하인 경우
상기 1) 내지 4)의 조건을 모두 만족하는 경우 가동한다.
상기 강수량이 2.5mm 이상이거나 대기습도가 70% 이상, 노면 습도가 50% 이상인 경우에는 노면에나 대기 중에 습기가 많아 살얼음 발생 빈도가 낮아짐에 따라 이를 제외하였으며, 보정온도가 -3℃ 이상인 경우 살얼음 발생 온도보다 높고, -12℃인 이하인 경우에는 분사된 염수가 결빙될 우려가 있음으로 제외한다.
또한, 풍속이 7m/s 이상인 경우에는 분사된 염수가 바람에 의해 공기 중으로 산란되어 제외한다.
이상 본 발명을 구체적인 실시예를 통하여 상세히 설명하였으나, 이는 본 발명을 구체적으로 설명하기 위한 것으로, 본 발명은 이에 한정되지 않으며, 본 발명의 기술적 사상 내에서 당 분야의 통상의 지식을 가진 자에 의해 그 변형이나 개량이 가능함이 명백하다.
본 발명의 단순한 변형 내지 변경은 모두 본 발명의 범주에 속하는 것으로 본 발명의 구체적인 보호 범위는 첨부된 특허청구범위에 의해 명확해질 것이다.
10 : 풍속계 20 : 노면 온도센서
30 : 대기압센서 40 : 온습도센서
50 : 센서 유니트 100 : 도로상태 데이터
200 : 기상청 데이터 300: 현장살얼음생성패턴
310 : 실시간 다각형 패턴 320 : 현장 증감곡선 패턴
400 : 도로 살얼음패턴 420 : 저장 증감곡선 패턴
500 : 분석모듈 600 : 원격제어기
700 : 디스플레이부 VSL : 가변속도제한표지
VMS : 도로전광표지
30 : 대기압센서 40 : 온습도센서
50 : 센서 유니트 100 : 도로상태 데이터
200 : 기상청 데이터 300: 현장살얼음생성패턴
310 : 실시간 다각형 패턴 320 : 현장 증감곡선 패턴
400 : 도로 살얼음패턴 420 : 저장 증감곡선 패턴
500 : 분석모듈 600 : 원격제어기
700 : 디스플레이부 VSL : 가변속도제한표지
VMS : 도로전광표지
Claims (5)
- 풍속계(10), 노면 온도센서(20) 및 대기압센서(30), 온습도센서(40)가 하나의 구성으로 이루어진 센서 유니트(50)와,
상기 센서 유니트(50)에서 측정되어 전송되는 도로상태 데이터(100)와, 기상청 데이터(200)를 융합하여 인공지능 기반으로 현장살얼음생성패턴(300)을 생성하고, 도로 살얼음 관련하여 수집된 도로 살얼음 발생에 대한 빅데이터를 기반으로 사전에 학습된 인공지능을 통해 생성되어 저장된 도로 살얼음패턴(400)과 비교하여 도로 살얼음을 예측하는 분석모듈(500)과,
상기 분석모듈(500)에서 분석된 도로 살얼음 예측 결과에 따라 도로 살얼음 발생을 사전에 억제하도록 염수분사장치를 가동 및 제어할 수 있는 원격제어기(600)와, 도로 상태를 표시하는 디스플레이부(700)를 구비하고,
상기 센서 유니트(50)는 도로 일정 간격으로 설치하되, 다리상부와 터널입구는 필수로 설치하며,
상기 현장살얼음생성패턴(300)은
상기 센서 유니트(50)에서 측정되는 대기온도(A), 노면온도(B), 대기압(C), 강우량(D), 풍속(G)과 어는비알람(E), 영상분석(F), 지형분석(H) 데이터를 변수로 사용하고, 각각의 최대측정범위를 꼭짓점으로 설정하고, 각각의 변수 중심점에서 최대측정범위의 길이를 균등 분할하여 0~100%로 표기하고, 실시간 측정된 데이터를 입력하여, 입력된 점들을 연결하여 형성된 실시간 다각형 패턴(310)이며,
상기 원격제어기(600)는 분석모듈(500)에서 인공지능 기반으로 사전에 학습된 도로살얼음패턴(400)과 현장살얼음생성패턴(300)의 실시간 다각형 패턴(310)의 일치도(一致度)가 관리기준치에 도달할 경우에 염수분사장치를 가동하고,
또한, 상기 현장살얼음생성패턴(300)은
상기 센서 유니트(50)에서 측정되는 대기온도(A), 노면온도(B), 대기압(C), 강우량(D), 풍속(G)의 기상정보들을 측정 시간별로 변화 증감곡선으로 형성된 현장 증감곡선 패턴(320)이 더 구비되며,
상기 현장 증감곡선 패턴(320)과 저장된 저장 증감곡선 패턴(420)의 일치도(一致度)가 시작 기준치 이상 일치할 경우에는 도로 살얼음이 발생될 것으로 예측하고, 사용자에게 살얼음 발생 시작경보를 제공하고, 살얼음경보 종료시점은 현장 증감곡선 패턴(320)이 저장된 저장 증감곡선 패턴(420)과의 일치도가 종료 기준치 이상 일치할 경우에는 사용자에게 살얼음 종료 시점으로 제공하는 것을 특징으로 하는 것을 특징으로 하는 AI 기반의 도로 살얼음 대응 시스템.
- 제1항에 있어서,
또한, 상기 현장 증감곡선 패턴(320)과 저장된 저장 증감곡선 패턴(420)의 일치도가 염수분무 가동 기준치에 도달할 경우에도 염수분사장치를 가동하고, 관리자에게 염수분사장치를 가동 상황을 실시간으로 제공하는 것을 특징으로 하는 것을 특징으로 하는 AI 기반의 도로 살얼음 대응 시스템.
- 삭제
- 삭제
- 삭제
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020210090070A KR102305720B1 (ko) | 2021-07-09 | 2021-07-09 | 도로 살얼음 대응 시스템 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020210090070A KR102305720B1 (ko) | 2021-07-09 | 2021-07-09 | 도로 살얼음 대응 시스템 |
Publications (1)
Publication Number | Publication Date |
---|---|
KR102305720B1 true KR102305720B1 (ko) | 2021-09-28 |
Family
ID=77923065
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020210090070A KR102305720B1 (ko) | 2021-07-09 | 2021-07-09 | 도로 살얼음 대응 시스템 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR102305720B1 (ko) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102442865B1 (ko) | 2021-11-10 | 2022-09-14 | 재단법인 서울특별시 서울기술연구원 | IoT(internet of things) 및 인공 지능(artificial intelligence, AI)을 이용한 제설 작업 관리 시스템 |
KR102445621B1 (ko) * | 2021-12-28 | 2022-09-21 | 주식회사 미래기후 | 노면 온도 복원 모델을 이용한 기상 감정 보조 방법 |
KR102612006B1 (ko) * | 2023-08-17 | 2023-12-11 | 주식회사 에코이앤씨 | 하이앵글식 노면 감지센서와 디지털 시스템으로 제어하는도로 및 보도 융설 시스템, 그리고 그 공법 |
KR102682303B1 (ko) * | 2024-01-02 | 2024-07-05 | 비비엠씨 (주) | 재현을 이용한 교통 안전 관리 시스템 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20120132849A (ko) * | 2011-05-30 | 2012-12-10 | 주식회사 유디코 | 노면 결빙 예측 및 강설 감지 시스템 및 방법 |
KR101858361B1 (ko) * | 2016-11-08 | 2018-06-28 | 한국도로공사 | 어는비 예측 시스템 |
KR20190037456A (ko) * | 2017-09-29 | 2019-04-08 | 한국교통대학교산학협력단 | 사물인터넷 및 빅데이터 기반의 스노우 멜팅 시스템 및 그 제어 방법 |
KR102136131B1 (ko) * | 2020-02-04 | 2020-07-22 | 김용섭 | 도로결빙 예측 자동 감시 시스템 및 그 운영방법 |
KR102173797B1 (ko) | 2018-11-26 | 2020-11-03 | 디토닉 주식회사 | 도로 노면 상태 예측 방법 및 시스템 |
KR102194841B1 (ko) * | 2020-10-08 | 2020-12-23 | (주)에스알디코리아 | Ai기반 도로상태 표시 전광판 시스템 |
KR102207577B1 (ko) | 2020-10-06 | 2021-01-26 | (주)피엘티 | 살얼음 관제 시스템, 살얼음 관제 시스템용 표지판 |
KR20210076246A (ko) * | 2019-12-13 | 2021-06-24 | 경북대학교 산학협력단 | 도로의 블랙아이스를 감지하는 스마트 경고 시스템 및 방법 |
-
2021
- 2021-07-09 KR KR1020210090070A patent/KR102305720B1/ko active IP Right Grant
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20120132849A (ko) * | 2011-05-30 | 2012-12-10 | 주식회사 유디코 | 노면 결빙 예측 및 강설 감지 시스템 및 방법 |
KR101858361B1 (ko) * | 2016-11-08 | 2018-06-28 | 한국도로공사 | 어는비 예측 시스템 |
KR20190037456A (ko) * | 2017-09-29 | 2019-04-08 | 한국교통대학교산학협력단 | 사물인터넷 및 빅데이터 기반의 스노우 멜팅 시스템 및 그 제어 방법 |
KR102173797B1 (ko) | 2018-11-26 | 2020-11-03 | 디토닉 주식회사 | 도로 노면 상태 예측 방법 및 시스템 |
KR20210076246A (ko) * | 2019-12-13 | 2021-06-24 | 경북대학교 산학협력단 | 도로의 블랙아이스를 감지하는 스마트 경고 시스템 및 방법 |
KR102136131B1 (ko) * | 2020-02-04 | 2020-07-22 | 김용섭 | 도로결빙 예측 자동 감시 시스템 및 그 운영방법 |
KR102207577B1 (ko) | 2020-10-06 | 2021-01-26 | (주)피엘티 | 살얼음 관제 시스템, 살얼음 관제 시스템용 표지판 |
KR102194841B1 (ko) * | 2020-10-08 | 2020-12-23 | (주)에스알디코리아 | Ai기반 도로상태 표시 전광판 시스템 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102442865B1 (ko) | 2021-11-10 | 2022-09-14 | 재단법인 서울특별시 서울기술연구원 | IoT(internet of things) 및 인공 지능(artificial intelligence, AI)을 이용한 제설 작업 관리 시스템 |
KR102445621B1 (ko) * | 2021-12-28 | 2022-09-21 | 주식회사 미래기후 | 노면 온도 복원 모델을 이용한 기상 감정 보조 방법 |
KR102612006B1 (ko) * | 2023-08-17 | 2023-12-11 | 주식회사 에코이앤씨 | 하이앵글식 노면 감지센서와 디지털 시스템으로 제어하는도로 및 보도 융설 시스템, 그리고 그 공법 |
KR102682303B1 (ko) * | 2024-01-02 | 2024-07-05 | 비비엠씨 (주) | 재현을 이용한 교통 안전 관리 시스템 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102305720B1 (ko) | 도로 살얼음 대응 시스템 | |
KR102136131B1 (ko) | 도로결빙 예측 자동 감시 시스템 및 그 운영방법 | |
KR100963849B1 (ko) | 도로 기상 종합 시스템 및 제공방법 | |
CN114662797B (zh) | 一种基于物联网的智慧城市水灾预警方法和系统 | |
KR101834275B1 (ko) | 교통 안전정보 전파 시스템 및 방법 | |
CN204856896U (zh) | 雷达交通事件自动检测系统 | |
CN107134158B (zh) | 高速公路智能控制系统 | |
EP3361412B1 (en) | Black ice detection system, program, and method | |
KR20190105165A (ko) | 도로 기상정보 예보시스템 | |
CN114999180B (zh) | 一种基于物联网的高速公路恶劣天气交通预警系统及方法 | |
KR102334369B1 (ko) | 블랙아이스 생성 예측을 통한 알림 시스템 | |
KR102330612B1 (ko) | 도로 노면의 블랙아이스 및 블로우업 발생 예측장치 | |
CN112488477A (zh) | 高速公路应急管理系统及方法 | |
KR20120036470A (ko) | 재난정보의 경보의사결정처리시스템 및 처리방법 | |
KR20010016528A (ko) | Gis 기반의 도로 기상 정보 제공 방법 및 시스템 | |
KR101858361B1 (ko) | 어는비 예측 시스템 | |
KR102135612B1 (ko) | 지능형 원격단말장치를 이용한 사물인터넷 기반의 도로 제설 및 제빙 시설물 자율 점검 및 고장 알림 운영시스템 | |
US20240149899A1 (en) | Risk of occurrence calculating apparatus, risk of occurrence displaying system, and risk of occurrence calculating method | |
Liu et al. | Real-Time Multi-Task Environmental Perception System for Traffic Safety Empowered by Edge Artificial Intelligence | |
Sundararajan et al. | Vehicle automation and weather: challenges and opportunities. | |
KR102305730B1 (ko) | Cps 기반의 도로살얼음 관리시스템 | |
CN214895868U (zh) | 一种高速公路桥梁大数据环境态势感知及自检系统 | |
KR100912463B1 (ko) | 전자지도를 기반으로 하는 도로관리통합시스템 및 그제어방법 | |
CN114966897A (zh) | 一种文物安全分析预警系统 | |
KR102380852B1 (ko) | 제설작업 의사 결정 시스템 및 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
E902 | Notification of reason for refusal | ||
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant |