KR102414177B1 - 도로 환경 센서를 이용한 가로등 주변 위험 예측 장치 및 방법 - Google Patents

도로 환경 센서를 이용한 가로등 주변 위험 예측 장치 및 방법 Download PDF

Info

Publication number
KR102414177B1
KR102414177B1 KR1020210127180A KR20210127180A KR102414177B1 KR 102414177 B1 KR102414177 B1 KR 102414177B1 KR 1020210127180 A KR1020210127180 A KR 1020210127180A KR 20210127180 A KR20210127180 A KR 20210127180A KR 102414177 B1 KR102414177 B1 KR 102414177B1
Authority
KR
South Korea
Prior art keywords
road surface
image
risk
icing
candidate image
Prior art date
Application number
KR1020210127180A
Other languages
English (en)
Inventor
류승기
강원의
윤여환
이태희
Original Assignee
한국건설기술연구원
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 한국건설기술연구원 filed Critical 한국건설기술연구원
Priority to KR1020210127180A priority Critical patent/KR102414177B1/ko
Application granted granted Critical
Publication of KR102414177B1 publication Critical patent/KR102414177B1/ko

Links

Images

Classifications

    • 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06Q50/30—
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/091—Traffic information broadcasting
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09F—DISPLAYING; ADVERTISING; SIGNS; LABELS OR NAME-PLATES; SEALS
    • G09F9/00—Indicating arrangements for variable information in which the information is built-up on a support by selection or combination of individual elements
    • G09F9/30—Indicating arrangements for variable information in which the information is built-up on a support by selection or combination of individual elements in which the desired character or characters are formed by combining individual elements
    • G09F9/33—Indicating arrangements for variable information in which the information is built-up on a support by selection or combination of individual elements in which the desired character or characters are formed by combining individual elements being semiconductor devices, e.g. diodes
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • General Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Operations Research (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Biomedical Technology (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Signal Processing (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Traffic Control Systems (AREA)

Abstract

도로 환경 센서를 이용한 가로등 주변 위험 예측 장치 및 방법이 제공된다. 카메라는 가로등에 구비되어 도로 노면 영상을 취득하고, 온도 센서는 도로 노면의 주변 온도를 실시간으로 센싱하여 시계열데이터인 온도데이터를 출력하고, 저장부는 실시간으로 센싱되는 온도데이터를 센싱된 시각과 함께 저장하고, 프로세서는 도로 노면 영상을 인공지능 모델에 입력하여 도로 노면 영상이 결빙 후보 영상인지 판별하고, 온도데이터에 기반하여 결빙 위험도를 판단하여 노면 위험정보를 생성한다.

Description

도로 환경 센서를 이용한 가로등 주변 위험 예측 장치 및 방법{Apparatus and method for detecting road hazard condition around street lamps using road sensors}
본 발명은 도로 환경 센서를 이용한 가로등 주변 위험 예측 장치 및 방법에 관한 것으로서, 보다 상세하게는, 도로 환경 센서를 이용하여 노면 위험정보를 예측하고 주변으로 제공하는 도로 환경 센서를 이용한 가로등 주변 위험 예측 장치 및 방법에 관한 것이다.
가로등 주변 도로 위험 사고는 도로 환경에 따라 자주 발생하고 있다. 눈, 비, 안개 등에 의해 도로 환경이 나빠지면, 가로등 주변을 통행하는 차량이나 보행자에게 미끄럼 사고와 미인지 추돌 사고 등이 발생한다. 특히 가로등 주변은 차량과 보행자가 늘 상충하는 공간으로 사고 우려가 많은 장소이므로, 눈, 비, 안개 등에 의해 도로 환경이 나빠진 상황에서는 사고 위험이 높아진다.
따라서, 도로 환경이 악화된 상태에서 가로등 주변에서 발생할 수 있는 사고를 미연에 방지하고 예방할 수 있는 기술과 시스템이 필요하다.
국내 공개특허 10-2021-0092427호
전술한 문제점을 해결하기 위하여 본 발명이 이루고자 하는 기술적 과제는, 다수의 도로 환경 센서를 이용하여 가로등 주변의 노면 위험정보를 예측하고 가로등 주변으로 노면 위험정보를 전파하여 사고를 방지하도록 하는 도로 환경 센서를 이용한 가로등 주변 위험 예측 장치 및 방법을 제시하는 데 있다.
본 발명의 해결과제는 이상에서 언급된 것들에 한정되지 않으며, 언급되지 아니한 다른 해결과제들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
전술한 기술적 과제를 해결하기 위한 수단으로서, 본 발명의 실시 예에 따르면, 도로 환경 센서를 이용한 가로등 주변 위험 예측 장치는, 가로등에 구비되어 도로 노면을 촬영한 영상(이하, '도로 노면 영상'이라 한다)을 취득하는 카메라; 상기 도로 노면의 주변 온도를 실시간으로 센싱하여 시계열데이터인 온도데이터를 출력하는 온도 센서; 상기 실시간으로 센싱되는 온도데이터를 센싱된 시각과 함께 저장하는 저장부; 노면 이상 영상을 식별하도록 학습된 인공지능 모델이 저장된 메모리; 및 상기 도로 노면 영상을 인공지능 모델에 입력하여 도로 노면 영상이 결빙 후보 영상인지 판별하고, 상기 저장된 온도데이터에 기반하여 결빙 위험도를 판단하여 노면 위험정보를 생성하는 프로세서;를 포함한다.
상기 생성된 노면 위험정보를 표시하는 전광판;을 더 포함한다.
상기 생성된 노면 위험정보를 관제서버로 전송하는 통신 인터페이스부;를 더 포함하고, 상기 관제서버는, 상기 수신된 노면 위험정보를 상기 가로등이 속한 구역에 위치하는 보행자의 모바일 단말기로 전송한다.
상기 관제서버는, 상기 수신된 노면 위험정보를 상기 가로등이 속한 구역에서 주행 중인 차량의 네비게이션에 위험 운행 구간으로 표시되도록 처리한다.
상기 관제서버는, 상기 수신된 노면 위험정보를 인근 가로등에 구비된 가로등 주변 위험 예측 장치로 전송하고, 상기 인근 가로등은 상기 가로등을 기준으로 정해진 반경 내에 위치하는 가로등이며, 상기 인근 가로등에 구비된 가로등 주변 위험 예측 장치는, 상기 수신된 노면 위험정보를 전광판을 통해 표시한다.
상기 프로세서는, 상기 도로 노면 영상이 결빙 후보 영상으로 판별되면 결빙 후보 영상의 결빙 위험도를 예측하며, 상기 저장된 온도데이터가 기설정된 지속시간동안 기설정된 결빙 온도 범위 내에 있으면, 상기 결빙 후보 영상의 예측된 결빙 위험도를 이용하여 노면 위험정보를 생성한다.
상기 결빙 후보 영상은 안개 영상, 우중 영상 및 적설 영상 중 적어도 하나를 포함하고, 결빙 위험도는 주의, 경고 및 위험을 포함한다.
한편, 본 발명의 다른 실시 예에 따르면, 도로 환경 센서를 이용한 가로등 주변 위험 예측 방법은, (A) 전자장치가, 가로등에 구비된 카메라에 의해 촬영된 도로 노면 영상을 획득하는 단계; (B) 상기 전자장치가, 온도 센서에 의해 실시간으로 센싱되는 상기 도로 노면의 주변 온도를 저장하는 단계; (C) 상기 전자장치가, 노면 이상 영상을 식별하도록 학습된 인공지능 모델에 상기 도로 노면 영상을 입력하여 도로 노면 영상이 결빙 후보 영상인지 판별하고, 결빙 후보 영상인 경우 상기 저장된 온도데이터에 기반하여 결빙 위험도를 판단하여 노면 위험정보를 생성하는 단계;를 포함한다.
(D) 상기 전자장치가, 상기 생성된 노면 위험정보를 상기 가로등에 구비된 전광판에 표시하는 단계;을 더 포함한다.
(E) 상기 전자장치가, 상기 생성된 노면 위험정보를 관제서버로 전송하는 단계;를 더 포함하고, 상기 관제서버는, 상기 수신된 노면 위험정보를 상기 가로등이 속한 구역에 위치하는 보행자의 모바일 단말기로 전송한다.
상기 (C) 단계는, 상기 도로 노면 영상이 결빙 후보 영상으로 판별되면 결빙 후보 영상의 결빙 위험도를 예측하며, 상기 저장된 온도데이터가 기설정된 지속시간동안 기설정된 결빙 온도 범위 내에 있으면, 상기 결빙 후보 영상의 예측된 결빙 위험도를 이용하여 노면 위험정보를 생성한다.
본 발명에 따르면, 도로 환경 센서를 사용해 도로의 결빙 위험 정보를 생성하고 가로등 주변 보행자와 차량에 위험정보를 안내함으로써 도로 사고를 예방할 수 있다.
또한, 본 발명에 따르면, 가로등 주변 도로에서 생성된 결빙 위험 정보를 인근 가로등에게도 제공하여, 가로등 방향으로 이동중인 차량이나 보행자가 미리 결빙 위험을 인지하도록 하여 도로 사고 예방 효과를 높일 수 있다.
또한, 본 발명에 따르면, 결빙 위험 정보를 자율주행차, 차세대 ITS 그리고 스마트 시티 등 미래 도로 교통 분야에 서비스할 수 있다.
본 발명의 효과는 이상에서 언급된 것들에 한정되지 않으며, 언급되지 아니한 다른 효과들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
도 1은 가로등 주변 위험 예측 장치(100)가 적용된 도로 환경 센서를 이용한 가로등 주변 위험 예측 시스템을 도시한 도면,
도 2는 본 발명의 실시 예에 따른 도로 환경 센서를 이용한 가로등 주변 위험 예측 장치(100)를 도시한 블록도,
도 3은 본 발명의 실시 예에 따른 가로등 주변 위험 예측 장치(100)의 노면 위험정보 생성을 보여주는 개념도, 그리고,
도 4는 본 발명의 실시 예에 따른 가로등 주변 위험 예측 장치(100)의 가로등 주변 위험 예측 방법을 보여주는 흐름도이다.
이상의 본 발명의 목적들, 다른 목적들, 특징들 및 이점들은 첨부된 도면과 관련된 이하의 바람직한 실시 예들을 통해서 쉽게 이해될 것이다. 그러나 본 발명은 여기서 설명되는 실시 예들에 한정되지 않고 다른 형태로 구체화될 수도 있다. 오히려, 여기서 소개되는 실시 예들은 개시된 내용이 철저하고 완전해질 수 있도록 그리고 당업자에게 본 발명의 사상이 충분히 전달될 수 있도록 하기 위해 제공되는 것이다.
어떤 경우에는, 발명을 기술하는 데 있어서 흔히 알려졌으면서 발명과 크게 관련 없는 부분들은 본 발명을 설명하는 데 있어 별 이유 없이 혼돈이 오는 것을 막기 위해 기술하지 않음을 미리 언급해 둔다.
본 명세서에서 제1 엘리먼트 (또는 구성요소)가 제2 엘리먼트(또는 구성요소) 상(ON)에서 동작 또는 실행된다고 언급될 때, 제1 엘리먼트(또는 구성요소)는 제2 엘리먼트(또는 구성요소)가 동작 또는 실행되는 환경에서 동작 또는 실행되거나 또는 제2 엘리먼트(또는 구성요소)와 직접 또는 간접적으로 상호 작용을 통해서 동작 또는 실행되는 것으로 이해되어야 할 것이다.
어떤 엘리먼트, 구성요소, 장치, 또는 시스템이 프로그램 또는 소프트웨어로 이루어진 구성요소를 포함한다고 언급되는 경우, 명시적인 언급이 없더라도, 그 엘리먼트, 구성요소, 장치, 또는 시스템은 그 프로그램 또는 소프트웨어가 실행 또는 동작하는데 필요한 하드웨어(예를 들면, 메모리, CPU 등)나 다른 프로그램 또는 소프트웨어(예를 들면 운영체제나 하드웨어를 구동하는데 필요한 드라이버 등)를 포함하는 것으로 이해되어야 할 것이다.
또한, 어떤 엘리먼트(또는 구성요소)가 구현됨에 있어서 특별한 언급이 없다면, 그 엘리먼트(또는 구성요소)는 소프트웨어, 하드웨어, 또는 소프트웨어 및 하드웨어 어떤 형태로도 구현될 수 있는 것으로 이해되어야 할 것이다.
또한, 본 명세서에서 사용된 용어는 실시 예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 '포함한다(comprises)' 및/또는 '포함하는(comprising)'은 언급된 구성요소는 하나 이상의 다른 구성요소의 존재 또는 추가를 배제하지 않는다.
또한, 본 명세서에서 '부', '서버', '시스템', '장치' 또는 '단말' 등의 용어는 하드웨어 및 해당 하드웨어에 의해 구동되거나 하드웨어를 구동하기 위한 소프트웨어의 기능적, 구조적 결합을 지칭하는 것으로 의도될 수 있다. 예를 들어, 여기서 하드웨어는 CPU 또는 다른 프로세서(processor)를 포함하는 데이터 처리 기기일 수 있다. 또한, 하드웨어에 의해 구동되는 소프트웨어는 실행중인 프로세스, 객체(object), 실행파일(executable), 실행 스레드(thread of execution), 프로그램(program) 등을 지칭할 수 있다.
또한, 상기 용어들은 소정의 코드와 상기 소정의 코드가 수행되기 위한 하드웨어 리소스의 논리적인 단위를 의미할 수 있으며, 반드시 물리적으로 연결된 코드를 의미하거나, 한 종류의 하드웨어를 의미하는 것이 아님은 본 발명의 기술분야의 평균적 전문가에게는 용이하게 추론될 수 있다.
또한, 본 발명의 실시 예에 따른 도로 환경 센서를 이용한 가로등 주변 위험 예측 장치(100)는 예를 들면, 데스크탑 PC(Personal Computer), 서버, 랩탑 PC(Laptop PC), 넷북 컴퓨터(Netbook Computer) 등 프로그램의 설치 및 실행이 가능한 모든 전자기기들 중 하나일 수 있다.
이하, 본 발명에서 실시하고자 하는 구체적인 기술내용에 대해 첨부도면을 참조하여 상세하게 설명하기로 한다.
도 1은 가로등 주변 위험 예측 장치(100)가 적용된 도로 환경 센서를 이용한 가로등 주변 위험 예측 시스템을 도시한 도면, 도 2는 본 발명의 실시 예에 따른 도로 환경 센서를 이용한 가로등 주변 위험 예측 장치(100)를 도시한 블록도이다.
도 1을 참조하면, 본 발명의 실시 예에 따른 도로 환경 센서를 이용한 가로등 주변 위험 예측 장치(100)는 도로의 가로등(10)에 구비되어 도로를 주행 중인 차량 또는 가로등 주변을 보행 중인 보행자에게 결빙과 같은 노면 위험정보를 전광판(180)을 통해 제공할 수 있다.
또한, 가로등 주변 위험 예측 장치(100)는 노면 위험정보를 총괄 관리하는 관제서버(200)에게 전송하고, 관제서버(200)는 가로등 주변 위험 예측 장치(100)가 구비된 가로등(10)이 속한 구역에 거주하고 있거나 보행 중인 사람들의 스마트폰으로 노면 위험정보를 문자 형태로 제공할 수 있다.
또한, 관제서버(200)는 차량의 네비게이션 서버(미도시)로 노면 위험정보를 제공하거나 관제서버(200)가 차량의 네비게이션으로 직접 노면 위험정보를 제공하여, 가로등(10) 방향으로 주행 중인 차량의 네비게이션에 노면 위험정보가 안내되도록 할 수 있다.
도 2를 참조하면, 본 발명의 실시 예에 따른 도로 환경 센서를 이용한 가로등 주변 위험 예측 장치(100)는 카메라(110), 온도 센서(120), 습도 센서(130), 저장부(140), 메모리(150), 프로세서(160), 통신 인터페이스부(170) 및 전광판(180)을 포함할 수 있다. 도 2에서 카메라(110), 온도 센서(120), 습도 센서(130) 및 전광판(180)은 개별적으로 구비되고, 저장부(140), 메모리(150), 프로세서(160) 및 통신 인터페이스부(170)는 하나의 모듈로 구비될 수 있다.
카메라(110)는 가로등(10)에 구비되어 도로 노면을 촬영한 영상(이하, '도로 노면 영상'이라 한다)을 실시간으로 취득한다.
온도 센서(120)는 가로등(10) 하단에 구비되거나 가로등(10) 주변의 도로 바닥에 구비되어 도로 노면의 온도를 실시간으로 센싱하고, 센싱된 시계열데이터인 온도데이터를 프로세서(160)로 전달한다.
습도 센서(130)는 가로등(10)에 구비되어 가로등(10) 주변의 습도를 실시간으로 센싱하고, 센싱된 시계열데이터인 습도데이터를 프로세서(160)로 전달한다.
저장부(140)는 실시간으로 취득되는 도로 노면 영상과 촬영 시각, 온도데이터와 센싱된 시각, 습도데이터와 센싱된 시각을 저장할 수 있다.
메모리(150)는 휘발성 메모리 및/또는 비휘발성 메모리를 포함할 수 있다. 메모리(150)에는 가로등 주변 위험 예측 장치(100)가 제공하는 동작, 기능 등을 구현 및/또는 제공하기 위하여, 구성요소들(110~180)에 관계된 명령 또는 데이터, 하나 이상의 프로그램 및/또는 소프트웨어, 운영체제 등이 저장될 수 있다.
또한, 메모리(150)에는 노면 이상 영상을 식별하도록 학습된 인공지능 모델(164)과 노면 위험정보 프로그램(166)이 저장될 수 있다.
인공지능 모델(164)은 도로 노면 영상을 입력받아 정상영상과 결빙 후보 영상으로 구별하고, 결빙 후보 영상인 경우 결빙 위험도를 추가로 예측할 수 있도록 학습된 모델이다. 인공지능 모델(164)은 학습 단계에서 다양한 CNN(Convolution Neural Network) 모델 중 가장 높은 평가지표를 제공하는 모델을 선정한 것으로서 다수의 원본 도로 노면 영상들에 기초하여 학습된 모델일 수 있다.
노면 위험정보 프로그램(166)은 인공지능 모델(164)에 의해 구별된 결빙 후보 영상을 온도데이터 또는 습도데이터에 기초하여 노면 위험정보를 생성할 수 있다.
프로세서(160)는 메모리(150)에 저장된 하나 이상의 프로그램을 실행하여 가로등 주변 위험 예측 장치(100)의 전반적인 동작과 기능을 제어한다.
특히, 프로세서(160)는 카메라(110)로부터 제공되는 도로 노면 영상을 전처리부(162)에 입력하여 영상 크기를 축소한다. 프로세서(160)는 축소된 도로 노면 영상을 인공지능 모델(164)에 입력하여 도로 노면 영상이 결빙 후보 영상인지 판별하고, 결빙 후보 영상인 경우, 저장부(140)에 저장된 온도데이터 또는 습도데이터에 기반하여 결빙 위험도를 판단하여 노면 위험정보를 생성할 수 있다.
구체적으로, 프로세서(160)는 인공지능 모델(164)을 이용하여 카메라(110)에 의해 취득된 도로 노면 영상을 정상 영상 또는 결빙 후보 영상으로 판별하고, 결빙 후보 영상의 결빙 위험도를 예측할 수 있다.
인공지능 모델(164)에 의해 판별되는 결빙 후보 영상은 안개 영상, 우중 영상 및 적설 영상을 포함하며, 각각 결빙 위험도를 결정하는데 사용되는 스코어(score)를 가질 수 있다.
[표 1]은 결빙 후보 영상의 판별 결과와 결빙 위험도의 일 예를 보여주는 테이블이다.
스코어 결빙 후보 영상 결빙 위험도
0<스코어≤0.3 안개 영상 주의
0.3<스코어≤0.7 우중 영상 경고
0.7<스코어≤1 적설 영상 위험
[표 1]을 참조하면, 인공지능 모델(164)은 도로 노면 영상을 분석하여 0~1의 스코어(score)를 제공하며, 0<스코어≤0.3은 안개 영상, 0.3<스코어≤0.7은 우중 영상, 0.7<스코어≤1은 적설 영상으로 판별하며, 안개 영상인 경우 결빙 위험도는 주의, 우중 영상인 경우 결빙 위험도는 경고, 적설 영상인 경우 결빙 위험도는 위험으로 예측할 수 있다.
또는, 인공지능 모델(164)은 결빙 후보 영상의 스코어에 기초하여 결빙 후보 영상의 결빙 위험도를 상중하도 더 세분화하여 예측할 수도 있다. [표 2]는 결빙 위험도를 결빙 후보 영상의 스코어 별로 추가 세분화한 예를 보여주는 테이블이다.
결빙 후보 영상 스코어 결빙 위험도
안개 영상 0<스코어≤0.1 주의-하
0.1스코어≤0.2 주의-중
0.2<스코어≤0.3 주의-상
우중 영상 0.3<스코어≤0.7 경고-하
0.3<스코어≤0.7 경고-중
0.3<스코어≤0.7 경고-상
적설 영상 0.3<스코어≤0.7 위험-하
0.7<스코어≤1 위험-중
0.7<스코어≤1 위험-상
[표 2]를 참조하면, 인공지능 모델(164)은 도로 노면 영상을 안개 영상으로 판별한 경우 결빙 위험도를 주의에서도 '하'단계로 예측하여, 위험도가 적설 영상에 비해 상대적으로 가장 낮은 것으로 예측한다.
인공지능 모델(164)에 의해 결빙 후보 영상 및 결빙 위험도가 예측되면, 프로세서(160)는 노면 위험정보 프로그램(166)을 실행하여 결빙 후보 영상과 관련된 노면 위험정보를 생성할 수 있다.
구체적으로, 프로세서(160)는 도로 노면 영상이 결빙 후보 영상으로 판별되면, 저장부(140)에 저장된 온도데이터가 기설정된 지속시간동안 기설정된 결빙 온도 범위 내에 있는 경우, 결빙 후보 영상의 예측된 결빙 위험도와, 결빙 후보 영상에 해당하는 도로 노면 영상과, 가로등 식별정보를 결합하여 노면 위험 정보를 생성할 수 있다. 여기서 기설정된 지속시간은 일 예로 10분이고, 기설정된 온도범위는 영하3℃~0℃일 수 있으며, 이는 도로 주변 환경에 따라 변경가능하다.
이를 위해, 프로세서(160)는 결빙 후보 영상으로 예측된 도로 노면 영상이 획득된 촬영 시각을 저장부(140)에서 확인하고, 확인된 촬영 시각을 기준으로 시계열 온도데이터를 저장부(140)에서 확인한다.
예를 들어, 결빙 후보 영상이 안개 영상이고, 스코어가 0.1이며, 도로 노면 영상의 촬영 시각이 10시 20분이면, 프로세서(160)는 10시 10분부터 10시 20분까지 센싱된 온도데이터를 확인한다. 10분동안 센싱된 온도데이터가 영하3℃~0℃를 유지하면, 프로세서(160)는 결빙 위험도가 주의이거나 또는 주의-하인 안개 영상을 이용하여 노면 위험정보를 생성할 수 있다.
또한, 프로세서(160)는 저장부(140)에 저장된 습도데이터가 기설정된 지속시간동안 기설정된 습도 범위 내에 있는 경우를 더 고려하여 노면 위험정보를 생성할 수 있다.
예를 들어, 결빙 후보 영상으로 판별된 도로 노면 영상의 촬영 시각이 10시 20분이면, 프로세서(160)는 10시 10분부터 10시 20분까지 센싱된 온도데이터와 습도데이터를 확인한다. 10분동안 센싱된 온도데이터가 영하3℃~0℃를 유지하고, 습도데이터가 기설정된 습도 범위를 유지하면, 프로세서(160)는 결빙 위험도가 주의이거나 또는 주의-하인 안개 영상을 이용하여 노면 위험정보를 생성할 수 있다.
또한, 프로세서(160)는 생성된 노면 위험정보가 전광판(180)에 표시되도록 처리할 수 있다. 프로세서(160)는 노면 위험정보에 포함된 결빙 위험도에 따라 전광판(180)에 표시되는 정보의 색, 소리, 모양 등을 다양한 형태로 가변할 수 있다.
또한, 프로세서(160)는 생성된 노면 위험정보를 전광판(180), 스피커(미도시) 또는 관제서버(200)로 전송하도록 통신 인터페이스부(170)를 제어한다. 이 때 프로세서(160)는 결빙 위험도에 매핑된 전파 범위에 따라 노면 위험정보를 전송할 수 있다. 예를 들어, 프로세서(160)는 결빙 위험도가 주의인 경우에는 전광판(180)에 노면 위험정보가 표시되도록 하고, 경고 또는 위험인 경우에는 전광판(180)에 표시하면서 관제서버(200)로 전송하도록 할 수 있다.
통신 인터페이스부(170)는 외부 기기와 통신을 수행하기 위한 통신회로(예를 들어, 와이파이 모듈, 원거리통신 모듈, 전기적 통신 모듈 등)를 포함한다. 예를 들어, 통신 인터페이스부(170)는 카메라(110), 온도 센서(120), 습도 센서(130), 전광판(180) 또는 관제서버(200)와 통신할 수 있다.
통신 인터페이스부(170)는 프로세서(160)에서 생성되는 노면 위험정보를 전광판(180) 또는 관제서버(200)로 전송할 수 있다.
전광판(180)은 가로등(10)의 상단에 구비되어 가로등(10) 주변을 보행하는 보행자 또는 차량이 노면의 결빙위험정보를 쉽게 인식할 수 있도록 한다.
관제서버(200)는 가로등 주변 위험 예측 장치(100)로부터 수신된 노면 위험 정보를 가로등(10)이 속한 구역에 거주하거나 이동 중인 사용자들의 모바일 단말기(예를 들어, 스마트폰)로 전송하도록 처리할 수 있다.
또한, 관제서버(200)는 수신된 노면 위험 정보를 이용하여 가로등(10)이 속한 구역에서 주행 중인 차량의 네비게이션에 위험 운행 구간이 표시되도록 처리할 수 있다. 이로써 가로등(10)이 위치한 방향으로 주행하는 차량은 네비게이션에 표시되는 노면 위험정보에 의해 안전 운전이 가능하게 된다.
또한, 가로등 주변 위험 예측 장치(100) 또는 관제서버(200)는 수신된 노면 위험 정보를 인근 가로등(20, 30)에 구비된 가로등 주변 위험 예측 장치(미도시)로 전송하고, 인근 가로등(20, 30)에 구비된 가로등 주변 위험 예측 장치(미도시)는 수신된 노면 위험 정보를 전광판을 통해 표시할 수 있다. 예를 들어, '전방 100m 결빙 주의. 안전 운전 및 보행하세요'와 같은 정보를 표시한다. 인근 가로등(20, 30)은 가로등(10)을 기준으로 정해진 반경 내에 위치하는 가로등으로서 가로등(10)의 식별정보로부터 가로등(10)이 구비된 구역을 확인할 수 있다.
도 3은 본 발명의 실시 예에 따른 가로등 주변 위험 예측 장치(100)의 노면 위험정보 생성을 보여주는 개념도이다.
도 3을 참조하면, 가로등 주변 위험 예측 장치(100)는 도로 노면 영상과 온습도데이터를 실시간으로 취득한다. 원천 영상인 도로 노면 영상은 Reshape되어 영상축소된 후 CNN 모델과 같은 인공지능 모델(164)로 입력되어 정상영상 또는 결빙 후보 영상(특이 영상)으로 판별된다.
이와 함께 온습도데이터를 시계열데이터로서 관리되며 결빙 후보 영상과 동기화 및 결합되어 노면 위험정보로서 생성된다.
도 4는 본 발명의 실시 예에 따른 가로등 주변 위험 예측 장치(100)의 가로등 주변 위험 예측 방법을 보여주는 흐름도이다.
도 4에 도시된 가로등 주변 위험 예측 방법을 수행하는 전자장치는 도 1 내지 도 3을 참조하여 설명한 가로등 주변 위험 예측 장치(100)일 수 있다.
도 4를 참조하면, 전자장치(100)는 가로등(10)에 구비된 카메라(110)에 의해 촬영된 도로 노면 영상을 획득하여 저장한다(S410).
전자장치(100)는 온도 센서(120) 또는 습도 센서(130)에 의해 실시간으로 센싱되는 도로 노면의 주변 온도데이터와 습도데이터를 저장한다(S420).
전자장치(100)는 노면 이상 영상을 식별하도록 학습된 인공지능 모델(164)에 S410단계에서 획득된 도로 노면 영상을 입력하여 도로 노면 영상이 결빙 후보 영상인지 판별하고, 결빙 위험도를 예측한다(S430).
전자장치(100)는 S430단계에서 도로 노면 영상이 결빙 후보 영상으로 판별된 경우 S420단계에서 저장된 시계열 온도데이터 및 시계열 습도데이터 중 적어도 하나에 기반하여 결빙 위험도를 최종 판단하고, 노면 위험 정보를 생성한다(S440). S440단계는 기설정된 지속시간동안 기설정된 결빙 온도 범위 또는 결빙 습도 범위 내에 온도데이터 또는 습도데이터가 있으면, 결빙 후보 영상의 예측된 결빙 위험도를 이용하여 노면 위험정보를 생성할 수 있다. 노면 위험정보는 결빙 후보 영상으로 판별된 도로 노면 영상, 도로 노면 영상의 촬영 시각, 결빙 위험도, 가로등(10)의 식별정보를 포함한다.
전자장치(100)는 S450단계에서 생성된 노면 위험정보를 전광판(180) 또는 스피커를 통해 가로등(10) 주변에 위치하는 운전자 또는 보행자가 인지할 수 있도록 한다(S450).
또한, 전자장치(100)는 S440단계에서 생성된 노면 위험 정보를 관제서버(200)로 전송한다(S460). S460단계는 결빙 위험도가 경고 또는 위험인 경우에 수행될 수도 있다.
관제서버(200)는 S460단계로부터 수신된 노면 위험 정보를 가로등(10)이 속한 구역에 위치하는 보행자 또는 거주자의 모바일 단말기로 문자 형태로 전송하도록 처리한다(S470).
또한, 관제서버(200)는 S460단계로부터 수신된 노면 위험 정보가 차량의 네비게이션에 표시되도록 처리할 수 있다(S480). S480단계는 각 네비게이션의 관리서버(미도시)를 통해 수행될 수 있다. 이러한 경우, 차량이 가로등(10)이 속한 구역에서 주행 중이거나 가로등(10)이 속한 구역으로 주행 예정인 경우 네비게이션에 위험 운행 구간으로서 표시될 수 있다.
또한, 관제서버(200)는 S460단계로부터 수신된 노면 위험 정보를 인근 가로등(20, 30)에 구비된 가로등 주변 위험 예측 장치로 전송할 수 있다(S490). 인근 가로등(20, 30)에 구비된 가로등 주변 위험 예측 장치 관제서버(200)로부터 수신된 노면 위험 정보를 전광판 또는 스피커를 통해 외부로 제공한다.
이상에서, 본 발명의 실시예를 구성하는 모든 구성 요소들이 하나로 결합되거나 결합되어 동작하는 것으로 설명되었다고 해서, 본 발명이 반드시 이러한 실시예에 한정되는 것은 아니다. 즉, 본 발명의 목적 범위 안에서라면, 그 모든 구성 요소들이 하나 이상으로 선택적으로 결합하여 동작할 수도 있다. 또한, 그 모든 구성요소들이 각각 하나의 독립적인 하드웨어로 구현될 수 있지만, 각 구성 요소들의 그 일부 또는 전부가 선택적으로 조합되어 하나 또는 복수 개의 하드웨어에서 조합된 일부 또는 전부의 기능을 수행하는 프로그램 모듈을 갖는 컴퓨터 프로그램으로서 구현될 수도 있다. 그 컴퓨터 프로그램을 구성하는 코드들 및 코드 세그먼트들은 본 발명의 기술 분야의 당업자에 의해 용이하게 추론될 수 있을 것이다. 이러한 컴퓨터 프로그램은 컴퓨터가 읽을 수 있는 저장매체(Computer Readable Media)에 저장되어 컴퓨터에 의하여 읽혀지고 실행됨으로써, 본 발명의 실시예를 구현할 수 있다.
한편, 이상으로 본 발명의 기술적 사상을 예시하기 위한 바람직한 실시 예와 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 수정 가능함을 당업자들은 잘 이해할 수 있을 것이다. 따라서, 그러한 모든 적절한 변경 및 수정과 균등물들도 본 발명의 범위에 속하는 것으로 간주하여야 할 것이다. 따라서, 본 발명의 진정한 기술적 보호 범위는 첨부된 등록청구범위의 기술적 사상에 의해 정해져야 할 것이다.
10, 20, 30: 가로등
100: 가로등 주변 위험 예측 장치
200: 관제서버

Claims (12)

  1. 가로등에 구비되어 도로 노면을 촬영한 영상(이하, '도로 노면 영상'이라 한다)을 취득하는 카메라;
    상기 도로 노면의 주변 온도를 실시간으로 센싱하여 시계열데이터인 온도데이터를 출력하는 온도 센서;
    상기 실시간으로 센싱되는 온도데이터를 센싱된 시각과 함께 저장하는 저장부;
    노면 이상 영상을 식별하도록 학습된 인공지능 모델이 저장된 메모리;
    상기 도로 노면 영상을 인공지능 모델에 입력하여 도로 노면 영상이 결빙 후보 영상인지 판별하고, 상기 도로 노면 영상이 결빙 후보 영상으로 판별되면 결빙 후보 영상의 결빙 위험도를 예측하며, 상기 결빙 후보 영상이 촬영된 시각 이전에 센싱되어 상기 저장부에 기저장된 온도데이터가 기설정된 지속시간동안 기설정된 결빙 온도 범위 내에 있으면, 상기 결빙 후보 영상의 예측된 결빙 위험도를 이용하여 노면 위험정보를 생성하는 프로세서; 및
    상기 생성된 노면 위험정보를 제1전광판, 스피커 및 관제서버 중 적어도 하나로 전송하는 통신 인터페이스부;를 포함하고,
    상기 결빙 후보 영상은 안개 영상, 우중 영상 및 적설 영상 중 하나이고,
    상기 프로세서의 인공지능 모델은,
    입력되는 도로 노면 영상을 분석하여 판별되는 결빙 후보 영상이 안개 영상이면 결빙 위험도는 주의로 예측하고, 상기 결빙 후보 영상이 우중 영상이면 결빙 위험도는 경고로 예측하고, 상기 결빙 후보 영상이 적설 영상이면 결빙 위험도는 위험으로 예측하며,
    상기 프로세서는,
    상기 도로 노면 영상이 결빙 후보 영상으로 판별되면 상기 도로 노면 영상의 촬영 시각을 상기 저장부에서 확인하고, 상기 촬영 시각을 기준으로 센싱되어 저장된 시계열 온도데이터가 기설정된 지속시간동안 기설정된 결빙 온도 범위 내에 있는 경우, 결빙 후보 영상의 예측된 결빙 위험도와, 결빙 후보 영상에 해당하는 도로 노면 영상과, 가로등 식별정보를 결합하여 노면 위험 정보를 생성하며,
    상기 예측된 결빙 위험도가 주의인 경우, 상기 제1전광판에 노면 위험정보가 표시되도록 하고, 상기 예측된 결빙 위험도가 경고 및 위험 중 하나인 경우, 상기 제1전광판에 노면 위험정보가 표시되면서 상기 관제서버로 노면 위험정보를 전송하도록 처리하며,
    상기 관제서버는,
    상기 통신 인터페이스부로부터 전송되어 수신된 노면 위험정보를 상기 가로등이 속한 구역에 위치하는 보행자의 모바일 단말기와 인근 가로등에 구비된 가로등 주변 위험 예측 장치로 전송하고, 상기 인근 가로등은 상기 가로등을 기준으로 정해진 반경 내에 위치하는 가로등이고,
    상기 인근 가로등에 구비된 가로등 주변 위험 예측 장치는, 상기 관제서버로부터 수신된 노면 위험정보를 제2전광판을 통해 표시하는 도로 환경 센서를 이용한 가로등 주변 위험 예측 장치.
  2. 삭제
  3. 삭제
  4. 제1항에 있어서,
    상기 관제서버는,
    상기 통신 인터페이스부로부터 전송되어 수신된 노면 위험정보를 상기 가로등이 속한 구역에서 주행 중인 차량의 네비게이션에 위험 운행 구간으로 표시되도록 처리하는 것을 특징으로 하는 도로 환경 센서를 이용한 가로등 주변 위험 예측 장치.
  5. 삭제
  6. 삭제
  7. (A) 전자장치가, 가로등에 구비된 카메라에 의해 촬영된 도로 노면 영상을 획득하는 단계;
    (B) 상기 전자장치가, 온도 센서에 의해 실시간으로 센싱되는 상기 도로 노면의 주변 온도를 저장하는 단계;
    (C) 상기 전자장치가, 노면 이상 영상을 식별하도록 학습된 인공지능 모델에 상기 도로 노면 영상을 입력하여 도로 노면 영상이 결빙 후보 영상인지 판별하고, 상기 도로 노면 영상이 결빙 후보 영상으로 판별되면 결빙 후보 영상의 결빙 위험도를 예측하며, 상기 결빙 후보 영상이 촬영된 시각 이전에 센싱되어 기저장된 온도데이터가 기설정된 지속시간동안 기설정된 결빙 온도 범위 내에 있으면, 상기 결빙 후보 영상의 예측된 결빙 위험도를 이용하여 노면 위험정보를 생성하는 단계; 및
    (D) 상기 전자장치가, 상기 생성된 노면 위험정보를 제1전광판(180), 스피커 및 관제서버 중 적어도 하나로 전송하는 단계;를 포함하고,
    상기 결빙 후보 영상은 안개 영상, 우중 영상 및 적설 영상 중 하나이고,
    상기 (C) 단계는,
    상기 인공지능 모델이 도로 노면 영상을 분석하여 판별되는 결빙 후보 영상이 안개 영상이면 결빙 위험도는 주의로 예측하고, 상기 결빙 후보 영상이 우중 영상이면 결빙 위험도는 경고로 예측하고, 상기 결빙 후보 영상이 적설 영상이면 결빙 위험도는 위험으로 예측하며,
    상기 도로 노면 영상이 결빙 후보 영상으로 판별되면 상기 도로 노면 영상의 촬영 시각을 확인하고, 상기 확인된 촬영 시각을 기준으로 센싱되어 저장된 시계열 온도데이터가 기설정된 지속시간동안 기설정된 결빙 온도 범위 내에 있는 경우, 결빙 후보 영상의 예측된 결빙 위험도와, 결빙 후보 영상에 해당하는 도로 노면 영상과, 가로등 식별정보를 결합하여 노면 위험 정보를 생성하며,
    상기 (D) 단계는,
    상기 예측된 결빙 위험도가 주의인 경우, 상기 제1전광판에 노면 위험정보가 표시되도록 하고, 상기 예측된 결빙 위험도가 경고 및 위험 중 하나인 경우, 상기 제1전광판에 노면 위험정보가 표시되면서 상기 관제서버로 노면 위험정보를 전송하도록 처리하며,
    상기 관제서버는,
    상기 (D) 단계로부터 전송되어 수신된 노면 위험정보를 상기 가로등이 속한 구역에 위치하는 보행자의 모바일 단말기와 인근 가로등에 구비된 가로등 주변 위험 예측 장치로 전송하고, 상기 인근 가로등은 상기 가로등을 기준으로 정해진 반경 내에 위치하는 가로등이며,
    상기 인근 가로등에 구비된 가로등 주변 위험 예측 장치는,
    상기 관제서버로부터 수신된 노면 위험정보를 제2전광판을 통해 표시하는 도로 환경 센서를 이용한 가로등 주변 위험 예측 방법.
  8. 삭제
  9. 삭제
  10. 제7항에 있어서,
    상기 관제서버는,
    상기 (D) 단계로부터 전송되어 수신된 노면 위험정보를 상기 가로등이 속한 구역에서 주행 중인 차량의 네비게이션에 위험 운행 구간으로 표시되도록 처리하는 것을 특징으로 하는 도로 환경 센서를 이용한 가로등 주변 위험 예측 방법.
  11. 삭제
  12. 삭제
KR1020210127180A 2021-09-27 2021-09-27 도로 환경 센서를 이용한 가로등 주변 위험 예측 장치 및 방법 KR102414177B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210127180A KR102414177B1 (ko) 2021-09-27 2021-09-27 도로 환경 센서를 이용한 가로등 주변 위험 예측 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210127180A KR102414177B1 (ko) 2021-09-27 2021-09-27 도로 환경 센서를 이용한 가로등 주변 위험 예측 장치 및 방법

Publications (1)

Publication Number Publication Date
KR102414177B1 true KR102414177B1 (ko) 2022-06-30

Family

ID=82215379

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210127180A KR102414177B1 (ko) 2021-09-27 2021-09-27 도로 환경 센서를 이용한 가로등 주변 위험 예측 장치 및 방법

Country Status (1)

Country Link
KR (1) KR102414177B1 (ko)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102136131B1 (ko) * 2020-02-04 2020-07-22 김용섭 도로결빙 예측 자동 감시 시스템 및 그 운영방법
KR102188850B1 (ko) * 2020-05-26 2020-12-09 (주)일신이디아이 무선통신을 이용한 블랙아이스 분석시스템
KR20210092427A (ko) 2020-01-16 2021-07-26 광주대학교산학협력단 IoT활용 도로결빙 감지 및 예측시스템

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210092427A (ko) 2020-01-16 2021-07-26 광주대학교산학협력단 IoT활용 도로결빙 감지 및 예측시스템
KR102136131B1 (ko) * 2020-02-04 2020-07-22 김용섭 도로결빙 예측 자동 감시 시스템 및 그 운영방법
KR102188850B1 (ko) * 2020-05-26 2020-12-09 (주)일신이디아이 무선통신을 이용한 블랙아이스 분석시스템

Similar Documents

Publication Publication Date Title
US11875574B2 (en) Object recognition method of autonomous driving device, and autonomous driving device
US10186156B2 (en) Deploying human-driven vehicles for autonomous vehicle routing and localization map updating
CN110430401B (zh) 车辆盲区预警方法、预警装置、mec平台和存储介质
JP7266627B2 (ja) 早期警報方法、装置、電子機器、記録媒体及びコンピュータプログラム製品
JP2021503414A (ja) 知的運転制御方法および装置、電子機器、プログラムならびに媒体
JP2021119462A (ja) 信号機画像の処理方法、装置、コンピュータシステム及び路側デバイス
CN112101272B (zh) 交通灯检测的方法、装置、计算机存储介质和路侧设备
KR20190063845A (ko) 차로 유지 보조 방법 및 장치
US11904853B2 (en) Apparatus for preventing vehicle collision and method thereof
US20220303738A1 (en) On-board machine vision device for activating vehicular messages from traffic signs
CN111767831A (zh) 用于处理图像的方法、装置、设备及存储介质
CN113688760A (zh) 自动驾驶的数据识别方法、装置、计算机设备和存储介质
KR102414177B1 (ko) 도로 환경 센서를 이용한 가로등 주변 위험 예측 장치 및 방법
CN111427063B (zh) 一种移动装置通行控制方法、装置、设备、系统及介质
JP2012054689A (ja) 可視光データ処理装置、可視光通信システム、可視光データ処理方法及びそのプログラム
CN111923824A (zh) 一种车辆远光灯控制方法、装置、车辆及存储介质
CN112975989B (zh) 机器人安全运行方法、设备及存储介质
KR20220054258A (ko) 교통 신호등의 인식 방법과 인식 장치, 전자 기기, 노변 장치, 클라우드 제어 플랫폼, 차량 인프라 협력 시스템, 저장 매체 및 컴퓨터 프로그램
KR101867869B1 (ko) 가로등 기반 재난 대응 시스템
Yashina et al. On traffic control means recognition in intelligent monitoring and traffic safety
KR20220108920A (ko) 보행자 충돌가능성 인식 기반의 조명장치
US20240200957A1 (en) Electronic device for detecting vehicle driving behavior multi dimensionally and method thereof
CN113129617A (zh) 行车提示方法及装置
WO2018050465A1 (en) Method and system for determining a saliency value for prominent roi in an image
US20220292749A1 (en) Scene content and attention system

Legal Events

Date Code Title Description
AMND Amendment
X091 Application refused [patent]
AMND Amendment
X701 Decision to grant (after re-examination)
GRNT Written decision to grant