KR20190043396A - 도로 경로 촬영 영상을 이용한 도로 경로 별 날씨정보 생성 및 제공하기 위한 방법 및 시스템 - Google Patents

도로 경로 촬영 영상을 이용한 도로 경로 별 날씨정보 생성 및 제공하기 위한 방법 및 시스템 Download PDF

Info

Publication number
KR20190043396A
KR20190043396A KR1020170135407A KR20170135407A KR20190043396A KR 20190043396 A KR20190043396 A KR 20190043396A KR 1020170135407 A KR1020170135407 A KR 1020170135407A KR 20170135407 A KR20170135407 A KR 20170135407A KR 20190043396 A KR20190043396 A KR 20190043396A
Authority
KR
South Korea
Prior art keywords
weather information
road route
road
information
deep learning
Prior art date
Application number
KR1020170135407A
Other languages
English (en)
Inventor
최호진
고병수
한승호
Original Assignee
한국과학기술원
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 한국과학기술원 filed Critical 한국과학기술원
Priority to KR1020170135407A priority Critical patent/KR20190043396A/ko
Publication of KR20190043396A publication Critical patent/KR20190043396A/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
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/27—Server based end-user applications
    • H04N21/274—Storing end-user multimedia data in response to end-user request, e.g. network recorder
    • H04N21/2747—Remote storage of video programs received via the downstream path, e.g. from the server
    • 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
    • H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • General Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Data Mining & Analysis (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (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

차량용 블랙박스 영상을 분석하여 도로 경로 별 날씨정보를 생성 및 제공할 수 있다. 각 차량마다 설치된 단말기는 해당 차량에 설치된 블랙박스가 촬용한 도로경로 촬영영상을 딥러닝 모듈에 기초하여 분석하여 날씨정보를 생성한다. 차량들의 단말기들이 무선 전송한 차량위치정보를 포함하는 날씨정보를 교통관제서버가 수신하고, 수신된 다수의 날씨정보를 종합하여 실시간으로 도로경로 별 날씨정보를 생성한다. 교통관제서버는 생성한 도로경로 별 날씨정보를 차량들에게 전송하여 운전자들과 공유한다. 도로 상의 날씨정보를 각 도로상의 차량들로부터 실시간으로 획득하여 종합하므로 신뢰성 높은 도로 경로 별로 날씨정보를 생성할 수 있다. 생성된 도로 경로 별 날씨정보를 각 차량에 실시간으로 공유할 수 있어 운전자들이 위험 기상에 신속하고 적정하게 대처할 수 있다.

Description

도로 경로 촬영 영상을 이용한 도로 경로 별 날씨정보 생성 및 제공하기 위한 방법 및 시스템 {METHOD AND SYSTEM FOR GENERATING AND PROVIDING ROAD WEATHER INFORMATION BY USING IMAGE DATA OF ROADS}
본 발명은 도로 경로 별 날씨정보 생성 및 제공 방법과 시스템에 관한 것으로, 보다 상세하게는 각 차량에 설치된 차량용 블랙박스의 영상을 활용하여 도로의 날씨정보를 생성하고 차량들에게 공유할 수 있게 하는 방법과 이를 위한 시스템에 관한 것이다.
도로에 관한 기상 정보 획득 및 활용에 관한 종래의 기술들로는 아래와 같은 것들이 있고, 본 발명과의 차이점을 간단하게 설명하면 다음과 같다.
국내 특허공개번호 제10-2012-0050159호(발명의 명칭: 차량용 블랙박스를 이용한 날씨 및 광량 판단 장치)는 차량용 블랙박스의 영상의 대비도, 반사도 등을 기준으로 날씨 및 광량 데이터를 생성하여 차량을 자동 제어 하는 것에 관한 것이다. 이 발명은 날씨 및 광량 데이터를 생성하기 위한 특수 장치가 필요하며, 생성된 날씨를 그 차량을 제어하는 데만 사용하기 때문에 도로 경로 별 날씨를 생성하거나 사용자들에게 제공하는 것이 불가능하다.
국내등록특허 제10-2015-0059023호(2013.11.21)은 이동체(차량, 비행체 등)에 도로기상정보 수집센서를 설치하여 도로상의 기상정보를 수집하고 제공하는 방법에 관한 것으로, 이 발명은 기상정보를 수집하기 위해 도로기상정보 수집센서라는 특수 장치가 필요하며, 이동체에서 생성되는 기상정보를 수집하기 위해 도로마다 노변 도로 기상정보 수집기라는 특수 장치 또한 필요로 하다. 때문에 이 발명을 실시하기 위해 비용상 효율적이지 않다. 또한, 이동체들로부터 수집한 기상정보를 수집 및 분석하여 도로 경로 별 기상정보를 생성하는 구체적인 방법은 제시되어 있지 않다.
국내등록특허 제10-2010-0038836호(2008.10.07)은 도로의 CCTV카메라 영상을 분석하여 도로 구간 별 날씨를 감지하고 표출하는 방법에 관한 것으로, 도로에 설치되어 있는 한정된 수의 CCTV를 이용하기 때문에 생성하는 날씨정보가 CCTV에 매우 의존적이며, 날씨정보를 생성하기 위해 미리 지정해 놓은 영상의 명암 임계값을 기준으로 분류하기 때문에 서로 다른 설정의 CCTV에는 부정확한 날씨정보를 생성할 수 있는 단점이 있다.
국내거절특허 제10-2010-0111533호(차량용 블랙박스를 이용한 날씨 및 광량 판단 장치) 국내등록특허 제10-2015-0059023호(도로 기상 정보를 전송하는 시스템 및 그 방법) 국내등록특허 제10-2010-0038836호(영상정보분석에 의한 날씨감지장치 및 이를 이용한 날씨감지방법)
본 발명의 일 목적은 각 차량에서 사용하는 블랙박스 영상을 이용하여 차량이 위치한 도로의 날씨정보를 생성하고, 다수의 차량에서 생성된 기상정보를 종합하여 최종 도로 경로 별 날씨정보를 생성할 수 있는 방법과 이를 위한 시스템을 제공하는 것이다.
또한, 본 발명의 다른 목적은 이와 같이 생성한 각 도로 경로 별 날씨정보를 각 차량에 기상정보로 제공하여 해당 도로를 주행하거나 주행하려는 차량들이 도로 경로를 효율적으로 선택하고 안전 운전을 하는 데 기여할 수 있는 방법과 이를 위한 시스템을 제공하는 것이다.
본 발명의 목적들을 달성하기 위한 실시예들에 따른 도로 경로 촬영 영상을 이용한 도로 경로 별 날씨정보 생성 및 제공 시스템은 복수의 차량들에 각각 설치되고 무선통신이 가능하고 컴퓨팅 기능을 구비한 복수의 단말기와, 상기 복수의 단말기들 각각과 무선통신을 통해 정보를 송수신할 수 있고 컴퓨팅 기능을 구비한 교통관제서버를 포함한다. 차량에 설치된 각 단말기는 카메라를 통해 촬영된 도로 경로 촬영 영상을 입력 영상으로 이용하여 딥러닝 모델에 기초한 영상 분석을 통해 날씨정보를 생성하고, 차량위치정보를 포함하는 날씨정보를 상기 교통관제서버로 무선으로 전송하며, 상기 교통관제서버가 무선으로 전송하는 도로 경로 별 날씨 정보를 수신하여 출력할 수 있다. 상기 교통관제서버는 상기 복수의 단말기들로부터 무선으로 전송 받은 다수의 날씨정보에 기초하여 실시간으로 도로 경로 별 날씨정보를 생성하고, 상기 복수의 단말기들이 수신할 수 있도록 상기 도로 경로 별 날씨정보를 무선으로 전송하여 상기 차량들과 공유할 수 있도록 한다.
예시적인 실시예들에 있어서, 상기 입력 영상은 상기 카메라를 구비하는 차량용 블랙박스 장치가 촬영하여 상기 단말기로 제공하는 영상 또는 상기 단말기에 장착된 카메라가 촬영한 영상일 수 있다.
예시적인 실시예들에 있어서, 상기 단말기는, 각 차량의 실시간 위치 정보를 생성하기 위한 지리적 위치 컴포넌트와, 상기 도로 경로 촬영 영상을 학습된 딥러닝 모델을 이용하여 분석하여 상기 날씨정보를 생성하기 위한 딥러닝 모듈과, 상기 차량위치정보를 포함하는 날씨정보를 상기 교통관제서버로 무선으로 전송하는 것과 상기 교통관제서버가 무선으로 전송하는 도로 경로 별 날씨정보를 수신하기 위한 제1 통신부를 포함할 수 있다.
예시적인 실시예들에 있어서, 상기 딥러닝 모듈은, 최적화된 모델로 업데이트하기 위해, 주기적으로 도로 경로 촬영 영상을 입력받고, 그 입력받은 영상이 생성된 위치의 도로에 대응되는 교통관제서버 제공 기상정보를 정답 집합으로 하여 학습을 진행할 수 있다.
예시적인 실시예들에 있어서, 상기 교통관제서버는, 상기 복수의 단말기들이 무선 전송하는 상기 차량위치정보를 포함하는 날씨정보를 수신하고, 상기 차량들의 복수의 단말기들이 수신할 수 있도록 상기 도로 경로 별 날씨정보를 무선 송신하기 위한 제2 통신부; 상기 제2 통신부를 통해 전달받은 상기 차량위치정보를 포함하는 날씨정보들을 종합적으로 처리하여 상기 도로 경로 별 날씨정보를 생성하기 위한 도로 경로 별 날씨정보 생성 모듈; 각 도로 경로 별로 생성된 날씨정보를 저장 및 관리하기 위한 날씨정보 DB; 및 다양한 종류의 도로 경로 촬영 영상들을 이용하여 미리 날씨정보 생성을 위한 영상 분석용 딥러닝 모델을 학습하고, 학습된 딥러닝 모델을 상기 복수의 단말기에 제공하여 활용되도록 하기 위한 딥러닝 모델 학습 모듈을 포함할 수 있다.
예시적인 실시예들에 있어서, 상기 도로 경로 별 날씨정보 생성 모듈은, 상기 차량위치정보를 포함하는 날씨정보들을 이용하여 도로 경로 별 차량의 위치를 분류하여 각 도로 경로 별로 차량과 날씨정보를 군집화 하고, 각 도로의 날씨정보 이상치를 제거하며, 각 도로 경로 별 날씨정보의 대표값을 계산하여 상기 도로 경로 별 날씨정보로서 생성할 수 있다.
예시적인 실시예들에 있어서, 상기 딥러닝 모델은 순환 합성곱 신경망(recurrent convolutional neural network)을 이용하여 상기 도로 경로 촬영 영상의 프레임 별 특징을 추출하고, 추출된 프레임 별 특징과 각 프레임 사이의 시계열 정보를 함께 반영하여 분석할 수 있다.
예시적인 실시예들에 있어서, 상기 각 단말기에서 날씨정보 생성을 위해 이용하는 상기 딥러닝 모델은 상기 교통관제서버에서 다양한 종류의 도로 경로 촬영 영상을 이용하여 미리 날씨 정보 생성을 위한 영상 분석용 학습을 진행하여 얻어진 학습된 딥러닝 모델로서, 상기 교통관제서버가 상기 각 단말기로 제공한 것일 수 있다.
한편, 본 발명의 목적들을 달성하기 위한 실시예들에 따른 도로 경로 촬영 영상을 이용한 도로 경로 별 날씨정보 생성 및 제공 방법은, 복수의 차량들에 각각 설치되고 무선통신이 가능하고 컴퓨팅 기능을 구비한 복수의 단말기와, 상기 복수의 단말기들 각각과 무선통신을 통해 정보를 송수신할 수 있고 컴퓨팅 기능을 구비한 교통관제서버를 구비하는 시스템 환경에 있어서, 상기 복수의 단말기 각각이 카메라를 통해 촬영된 도로 경로 촬영 영상을 입력 영상으로 이용하여 딥러닝 모델에 기초한 영상 분석을 통해 날씨정보를 생성하는 단계; 상기 복수의 단말기 각각이 해당 차량의 차량위치정보를 포함하는 날씨정보를 상기 교통관제서버로 무선으로 전송하는 단계; 상기 교통관제서버가 상기 복수의 단말기들로부터 무선으로 전송 받은 다수의 날씨정보에 기초하여 실시간으로 도로 경로 별 날씨정보를 생성하는 단계; 상기 교통관제서버가 상기 복수의 단말기들이 수신할 수 있도록 상기 도로 경로 별 날씨정보를 무선으로 전송하는 단계; 및 상기 복수의 단말기들 각각이 상기 교통관제서버가 무선 전송한 상기 도로 경로 별 날씨 정보를 수신하여 출력하는 단계를 포함한다.
예시적인 실시예들에 있어서, 상기 방법은 상기 교통관제서버의 딥러닝 모델 학습 모듈이 다양한 종류의 도로 경로 촬영 영상들을 이용하여 미리 날씨정보 생성을 위한 영상 분석용 학습을 진행하여 학습된 딥러닝 모델을 얻는 단계; 및 상기 교통관제서버의 딥러닝 모델 학습 모듈이 학습된 딥러닝 모델을 상기 차량들의 복수의 단말기에 각각 제공하여 활용되도록 하는 단계를 더 포함할 수 있다.
예시적인 실시예들에 있어서, 상기 '도로 경로 별 날씨정보를 생성하는 단계'는 상기 교통관제서버의 도로 경로 별 날씨정보 생성 모듈이 상기 차량위치정보를 포함하는 날씨정보들을 이용하여 도로 경로 별 차량의 위치를 분류하여 각 도로 경로 별로 차량과 날씨정보를 군집화 하는 단계; 각 도로의 날씨정보 이상치를 제거하는 단계; 각 도로 경로 별 날씨정보의 대표값을 계산하여 상기 도로 경로 별 날씨정보로서 생성하는 단계; 및 생성된 날씨정보를 데이터베이스에 저장하는 단계를 포함할 수 있다.
예시적인 실시예들에 있어서, 상기 단말기들의 딥러닝 모델은 순환 합성곱 신경망(recurrent convolutional neural network)을 이용하여 상기 도로 경로 촬영 영상의 프레임 별 특징을 추출하고, 추출된 프레임 별 특징과 각 프레임 사이의 시계열 정보를 함께 반영하여 분석하는 것을 통해 상기 날씨정보를 생성할 수 있다.
예시적인 실시예들에 있어서, 상기 방법은 상기 단말기의 딥러닝 모듈이, 최적화된 모델로 업데이트하기 위해, 주기적으로 도로 경로 촬영 영상을 입력받고, 그 입력받은 영상이 생성된 위치의 도로에 대응되는 교통관제서버 제공 기상정보를 정답 집합으로 하여 학습을 진행하는 단계를 더 포함할 수 있다.
본 발명은 각 차량에 설치된 차량용 블랙박스의 영상을 딥러닝 기술로 분석하여 현재 도로의 날씨정보를 생성하고, 다수의 차량에서 생성한 날씨정보를 종합하여 도로 경로 별 날씨정보를 생성하여 각 차량에 실시간 공유할 수 있다. 이에 의해, 각 차량 운전자는 위험 기상정보에 대해 미리 대비를 하고, 도로 경로 별 날씨정보를 고려한 효율적인 주행 경로 선택이 가능하다.
본 발명의 실시로 얻을 수 있는 종래의 기술과 구별되는 효과는 다음과 같다.
첫째, 도로 경로 별 날씨정보를 실시간으로 생성하여 각 차량에 제공할 수 있으므로 위험 기상정보를 신속하게 제공 및 대처할 수 있다. 이에 의해 차량의 안전 운행에 기여할 수 있다.
둘째, 도로 경로 별 날씨정보를 생성하기 위해 기존에 설치된 차량용 블랙박스를 이용할 수 있기 때문에, 별도의 특별 장치 사용으로 인한 비용 부담이 없다.
셋째, 도로 경로 별로 날씨정보 생성시 하나의 장치에만 의존하지 않고, 다수의 차량이 생성하는 날씨정보들을 종합하여 결과를 내기 때문에, 더욱 신뢰할 수 있고 정확한 날씨정보를 생성할 수 있다.
넷째, 딥러닝 모델을 이용한 날씨정보 생성 방법은 각 블랙박스 장치마다 서로 다른 딥러닝 모델 및 환경설정이 필요 없이 일반적으로 쓸 수 있기 때문에 서로 다른 블랙박스의 영상을 분석하는데 적합하다.
도 1은 본 발명의 실시예에 따른 방법을 실시하기 위한 시스템의 기본적인 구성도이다.
도 2는 본 발명의 실시예에 따른 도로 경로 별 날시정보 생성 흐름도이다.
도 3은 본 발명의 실시예에 따른 도로 경로 별 날씨정보 제공 흐름도이다.
도 4는 본 발명의 실시예에 따른 딥러닝 모델 구성도이다.
도 5는 본 발명의 실시예에 따른 각 차량 블랙박스에 최적화된 딥러닝 모델 보완을 위한 모델 학습 흐름도이다.
본문에 개시되어 있는 본 발명의 실시예들에 대해서, 특정한 구조적 내지 기능적 설명들은 단지 본 발명의 실시예를 설명하기 위한 목적으로 예시된 것으로, 본 발명의 실시예들은 다양한 형태로 실시될 수 있으며 본문에 설명된 실시예들에 한정되는 것으로 해석되어서는 아니 된다.
제1, 제2 등의 용어는 다양한 구성요소들을 설명하는 데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
본 발명에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "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.
이하, 첨부한 도면들을 참조하여, 본 발명의 실시예를 보다 상세하게 설명하고자 한다. 도면상의 동일한 구성 요소에 대해서는 동일하거나 유사한 참조 부호를 사용한다.
도 1은 본 발명의 일 실시예에 따른 블랙박스를 이용한 도로경로 별 기상정보 생성 시스템(100)의 기본적인 구성에 대해 설명하기 위한 예시도이다.
도 1을 참조하면, 블랙박스를 이용한 도로경로 별 기상정보 생성 시스템(100)은 교통관제서버(2000)와 이와 무선으로 통신할 수 있는 다수의 차량(1000)들을 포함할 수 있다.
예시적인 실시예에 따르면, 상기 차량(1000)은 차량용 블랙박스(1100)와 단말기(1200)를 포함할 수 있다.
차량용 블랙박스(1100)는 하나 이상의 카메라, 카메라가 촬영한 영상을 저장하는 데이터 저장수단, 그리고 촬영한 영상을 단말기(1200)로 제공하기 위한 통신수단 등을 포함할 수 있다. 차량용 블랙박스(1100)는 차량에 설치되어 카메라가 특정 방향의 전방 모습을 촬영하여 영상 데이터를 생성하고, 데이터 저장수단에 기록하며, 단말기(1200)로 영상 데이터를 제공할 수 있다. 본 발명의 블랙박스(1100)는 일반적으로 알려진 종래의 다양한 차량용 블랙박스 장치를 사용하여 구현할 수 있다. 차량용 블랙박스(1100)는 전방 촬영용 한 개, 전후방 촬영용, 또는 전후측방 촬영용으로 한 개 또는 복수 개의 차량용 블랙박스(1100)를 포함할 수 있다.
예시적인 실시예에 따르면, 단말기(1200)는 딥러닝 모듈(1210), 지리적 위치 컴포넌트(1230) 그리고 통신부(1220)을 포함할 수 있다. 단말기(1200)는 교통관제서버(2000)와 무선통신이 가능하고, 영상 데이터와 같은 디지털 데이터의 연산, 저장 등의 컴퓨팅 기능을 구비한다. 단말기(1200)는 예컨대, 차량용 내비게이션 장치, 태블릿 PC, 모바일 단말기 등과 같은 하드웨어 장치에 딥러닝 모듈(1210), 지리적 위치 컴포넌트(1230) 등과 같은 모듈을 탑재한 장치일 수 있다. 도시하지는 않았지만, 단말기(1200)는 디스플레이와 스피커와 같은 오디오 출력부도 구비할 수 있다.
차량용 블랙박스(1100)로부터 생성되는 블랙박스 영상은 무선 혹은 유선 통신 방법을 이용하여 단말기(1200)의 딥러닝 모듈(1210)로 전달된다. 이는 예를 들어, 몇 분마다, 몇 시간마다, 또는 필요한 대로와 같이, 주기적으로 전달될 수 있다. 이를 위해 차량용 블랙박스(1100)와 단말기(1200)에는 영상데이터를 주고받기 위한 통신수단이 각각 구비될 수 있다. 이들 간의 영상데이터 송수신은 유선 또는 무선으로 이루어질 수 있을 것이다. 유선통신으로는 USB 케이블이나 별도의 통신 케이블을 이용할 수 있을 것이고, 상기 무선 통신 방식으로 블루투스, 3G, 4G, LTE, 와이브로(Wibro), WiFi 등을 사용할 수 있을 것이다.
딥러닝 모듈(1210)에서는 차량용 블랙박스(1100)로부터 전달받은 블랙박스 영상을 입력(Input)으로 날씨정보를 생성(Output)한다. 날씨 정보 생성 시, 딥러닝 모듈(1210)은 교통관제서버(2000)의 딥러닝 모델 학습 모듈(2400)에서 미리 학습된 딥러닝 모델을 이용할 수 있다. 딥러닝 모듈(1210)은 이를 위한 하드웨어(예를 들어 CPU, 메모리, 데이터스토리지 등)와 딥러닝을 위한 소프트웨어(애플리케이션 프로그램, 데이터베이스 등)를 포함할 수 있다.
지리적 위치 컴포넌트(1230)는 차량의 실시간 위치 정보를 생성할 수 있다. 지리적 위치 컴포넌트(1230)는, 예를 들어, 경도 및 고도를 결정하기 위한 GPS 리시버, 관성 보조 GPS(inertial-aided GPS), 또는 카메라 기반 위치 인식 등의 다른 위치 인식 시스템들 또한 차량의 위치를 인식하는 데 사용될 수 있다. 이를 통해 각 차량(1000)에서 생성된 날씨의 도로 경로 위치를 파악할 수 있다. 지리적 위치 컴포넌트(1230)가 생성하는 위치 정보는 예를 들어 차량(1000)의 실시간 좌표 정보, 및/또는 도로 정보와 도로 상의 특정 기점으로부터의 거리 정보 등의 형태로 생성될 수 있으나, 반드시 이러한 형태의 정보로 한정되지는 않는다.
단말기(1200)의 통신부(1220)는 생성된 날씨정보와, 이에 대응하는 차량의 위치 정보를 무선 통신 방법으로 교통관제서버(2000)의 통신부(2300)로 전달할 수 있다. 차량의 위치 정보는 날씨정보 생성에 사용된 도로 경로 영상의 촬영 시점에서의 차량의 위치일 수 있다. 또한 교통관제서버(2000)로부터 도로 경로 별 날씨정보를 제공 받는 상황에서는, 차량(1000)의 단말기(1000)는 통신부(1220)를 통해 교통관제서버(2000)의 통신부(2300)에서 무선 통신 방법으로 전송하는 각 도로 경로 별 날씨 정보를 수신할 수 있다. 수신된 날씨 정보는 딥러닝 모듈(1210), 지리적 위치 컴포넌트에 전달될 수 있고, 또한 단말기(1000)의 디스플레이에 표시될 수도 있다. 예컨데 차량용 단말기(1200)의 통신부(1220)와 교통관제서버(2000)의 통신부(2300) 간에는 무선통신방식으로 통신할 수 있다. 사용할 수 있는 원거리 무선 통신 방식은 3G, 4G, LTE 또는 와이브로(Wibro)와 같은 통신 방식이나 WiFi와 같은 무선 인터넷 통신 방식(무선랜(IEEE 802.11a, b, g, n 등), 지그비(Zigbee) 등)을 포함할 수 있다.
다음으로, 교통관제서버(2000)는 디지털 데이터의 연산처리, 데이터의 저장, 차량의 단말기(1200)들과의 무선통신 등을 수행할 수 있는 컴퓨팅 장치를 구비할 수 있다. 예시적인 실시예에 따르면 상기 교통관제서버(2000)는 통신부(2300), 도로 경로 별 날씨정보 생성 모듈(2200), 날씨정보 DB(2100) 그리고 딥러닝 모델 학습 모듈(2400)을 포함할 수 있다. 도로 경로 별 날씨정보 생성 모듈(2200)와 딥러닝 모델 학습 모듈(2400)은 각각 후술하는 기능들을 수행하기 위한 하드웨어(예를 들어 CPU, 메모리, 데이터스토리지 등)와 소프트웨어(애플리케이션 프로그램, 데이터베이스 등)를 포함할 수 있다.
도로 경로 별 날씨 정보를 생성하기 위해, 통신부(2300)는 분석된 날씨정보를 차량(1000)들로부터 무선 통신으로 전달 받아 도로 경로 별 날씨정보 생성 모듈(2200)로 전달할 수 있다. 통신부(2300)는 또한 각 차량(1000)으로부터 수신된 날씨정보를 이용하여 생성한 도로 경로 별 날씨정보를 각 차량(1000)의 통신부(1220)가 수신할 수 있도록 무선 송신할 수 있다.
도로 경로 별 날씨정보 생성 모듈(2200)은 통신부(2300)를 통해 전달받은 각 차량으로부터의 분석된 날씨정보에 기초하여 도로 경로 별 날씨정보를 생성할 수 있다. 이 작업은 예를 들어, 몇 분마다, 몇 시간마다, 또는 필요한 대로와 같이, 주기적으로 진행될 수 있다. 주기를 짧게 하여 실시간에 가까운 날씨 정보를 생성할 수 있다.
예시적인 실시예에 따르면, 도로 경로 별 날씨정보 생성 모듈(2200)은 우선 다수의 차량(1000)으로부터 생성된 날씨정보들을 도로 경로 별로 종합하기 위해, 각 차량(1000)의 위치정보를 기준으로 각 도로 경로 별로 데이터들을 군집화 할 수 있다. 각 도로 경로 별 군집마다 날씨정보 이상치가 포함되어 있을 수 있다. 보다 정확한 날씨 정보를 획득하기 위해, 그러한 날씨 정보 이상치를 제거하는 작업을 수행할 수 있다. 마지막으로, 각 도로 경로 별 군집마다의 평균값을 계산하여 날씨정보를 생성할 수 있다. 평균값 대신 중간값 또는 그 도로 경로 별 군집의 날씨정보를 대표할 수 있는 다른 대표값을 날씨 정보로 생성할 수 있다. 생성된 도로 경로 별 날씨 정보는 날씨정보 DB(2100)으로 전달한다.
날씨정보 DB(2100)는 도로 경로 별 날씨정보 생성모듈(2200)이 제공하는 도로 경로 별 날씨정보를 저장하고, 요청에 응하여 도로 경로 별 날씨정보를 제공하는 등의 관리를 할 수 있다.
도로 경로 별 날씨정보 생성 모듈(2200)은 도로 경로 별 날씨정보를 차량(1000)들에게 제공하기 위해 날씨정보 DB(2100)에서 도로 경로 별 날씨정보를 불러와 통신부(2300)로 전달할 수 있다. 통신부(2300)는 전달받은 도로 경로 별 날씨정보를 무선 통신 방법으로 각 차량(1000)의 통신부(1220)로 전달하여 각 차량의 운전자가 실시간으로 공유할 수 있도록 한다.
딥러닝 모델 학습모듈(2400)은 소정의 딥러닝 모델에 기반하여 미리 다양한 블랙박스 영상을 이용하여 학습을 진행하고, 그 학습의 성과물인 학습된 딥러닝 모델을 각 차량(1000)의 단말기(1200)로 전송하여 딥러닝 모듈(1210)에 제공될 수 있도록 할 수 있다. 즉, 딥러닝 모델 학습모듈(2400)은 모든 차량(1000)들의 딥러닝 모듈(1210)이 균등하면서도 지속으로 상승된 날씨 정보 분석 능력을 가질 수 있도록 지원할 수 있다.
도 1에 도시되어 있는 블랙박스를 이용한 도로경로 별 기상정보 생성 시스템(100)에 따르면, 차량(1000)이 차량용 블랙박스(1100)의 영상을 딥러닝 기술로 분석하여 이동하는 도로상의 기상정보를 생성하여 이를 교통관제서버(2000)에 전송할 수 있다. 교통관제서버(2000)은 다수의 차량에서 받은 날씨정보들을 각 도로 경로 별 날씨 정보로 분석하는 과정을 거쳐 각 차량의 운전자들에게 도로 경로 별 날씨정보를 제공할 수 있다. 이를 통해 운전자들은 진입을 계획중인 도로 경로의 날씨정보를 미리 확인하고 위험 기상 정보를 가진 도로 경로를 우회하거나 비상 서행 할 수 있도록 유도하여 사고를 예방하거나 피해를 최소화할 수 있다.
도 2는 본 발명의 일 실시예에 따른 블랙박스를 이용한 도로 경로 별 기상 정보 생성 방법의 도로 경로 별 날씨정보 생성 과정을 설명하기 위한 흐름도이다.
도 2와 도 1을 함께 참조하면, 각 차량(1000)에 설치된 블랙박스(1100)는 주행 중인 도로의 전방 상황을 실시간으로 촬영하여 영상을 생성한다(S10 단계).
블랙박스(1100)는 그렇게 촬영된 영상을 통신용 단말기(1200)로 유선 혹은 무선 통신 방법으로 전달한다(S20). 하드웨어의 성능이 지원하는 수준에서 촬영된 영상의 분량은 크게, 단말기(1200)로의 전달주기는 짧게 하면 정확한 날씨 정보를 획득하는 데 유리할 것이다. 블랙박스 영상의 분량 및/또는 전달주기는 고정시킬 수도 있지만, 차량의 주행거리, 도로 경로의 날씨 변화가 생기는지 여부 등을 고려하여 가변적으로 적용할 수도 있을 것이다.
단말기(1200)에서는 전달받은 영상은 딥러닝 모듈(1210)을 이용하여 날씨정보를 생성할 수 있다(S30 단계).
단말기(1200)는 또한, 생성된 날씨 정보를 통신부(1220)를 통해 무선 통신 방식으로 교통 관제 서버(2000)로 전송할 수 있다(S40 단계).
교통 관제 서버(2000)의 통신부(2300)는 다수의 차량들(1000)이 전송하는 날씨정보를 무선으로 수신할 수 있다(S50 단계). 그리고 수신된 날씨정보를 도로 경로 별 날씨정보 생성 모듈(2200)로 전달한다.
도로 경로 별 날씨정보 생성 모듈(2200)은 전달받은 날씨정보에 포함된 차량의 위치 정보를 이용하여 도로 경로 별로 차량의 위치를 분류할 수 있다(S60 단계). 즉, 각 도로 경로 별로 차량과 날씨정보를 군집화할 수 있다.
각 도로 경로 별로 군집화된 날씨정보에는 이상치(Outlier)가 포함되어 있을 수 있다. 이상치를 제거하지 않으면 날씨정보의 정확도가 떨어질 수 있다. 보다 정확한 각 도로 경로 별 날씨 정보를 얻기 위해, 각 도로의 날씨정보 이상치(Outlier)를 제거할 수 있다(S70 단계). 상기 이상치를 제거하는 방법으로는 사분위수를 이용한 방법, 앤드류스(Andrews) 그림을 이용한 방법, 마하라노비스 거리(Mahalanobis distance)를 이용한 방법 등을 사용할 수 있다.
각 도로 경로 별 군집마다의 날씨정보를 생성할 수 있다(S80 단계). 각 도로 경로 별 군집에 속하는 차량들이 생성한 날씨 정보의 평균값을 산출하여 해당 도로 경로의 날씨 정보로 삼을 수 있다. 다른 방안으로, 평균값 대신 중간값 또는 도로 경로 별 군집의 날씨정보를 대표할 수 있는 다른 대표값을 날씨정보로 생성할 수 있다. 생성된 도로 경로 별 날씨 정보는 날씨정보 DB(2100)으로 전달한다. 도로 경로 별 날씨정보 생성 모듈(2200)은 이렇게 생성한 최종 도로 경로 별 날씨정보를 날씨정보 DB(2100)에 저장한다.
도 3는 본 발명의 일 실시예에 따른 블랙박스를 이용한 도로 경로 별 기상 정보 생성 방법의 도로 경로 별 날씨정보 제공 과정을 설명하기 위한 흐름도이다.
도 3과 도 1을 참조하면, 교통 관제 서버(2000)의 도로 경로 별 날씨정보 생성 모듈(2200)은 날씨정보 DB(2100)에 저장된 도로 경로 별 날씨 정보를 불러와서(S100 단계) 통신부(2300)을 이용하여 무선 통신으로 각 차량에 전송할 수 있다(S200 단계).
각 차량(1000)에서는 통신부(1220)을 이용하여 교통 관제 서버(2000)로부터 도로 경로 별 날씨정보를 수신할 수 있다(S300 단계).
수신한 도로 경로 별 날씨 정보는 영상 분석 및 통신용 단말기(1000)의 디스플레이에 표시할 수 있다(S400 단계). 교통 관제 서버(2000)가 각 차량(1000)으로 전송하는 날씨정보는 도로 경로 별 날씨정보의 영상 데이터 및/또는 텍스트 데이터 및/또는 음성 데이터를 포함할 수 있다. 영상 데이터와 텍스트 데이터는 단말기(1200)의 디스플레이에 표시될 수 있고, 음성 데이터는 단말기(1200)의 스피커를 통해 출력될 수 있다.
다음으로, 도 4는 각 차량(1000)의 단말기(1200)에서 블랙박스 영상을 분석하여 날씨정보를 생성하는 딥러닝 모듈(1210)의 딥러닝 모델의 예를 도시한다.
도 4과 도 1을 함께 참고하면, 딥러닝 모델은 블랙박스 영상의 각 프레임의 특징 추출(feature extraction)을 위한 합성곱 신경망(convolutional neural network)(1300)과 각 프레임 사이의 시계열 정보(time-series information)를 반영하기 위한 순환 신경망(recurrent neural network)(1400)이 결합된 형태로 구성될 수 있다. 합성곱 신경망과 순환 신경망을 통한 데이터 분석 후, 최종적으로 완전히 연결된 레이어 (fully connected layer)(1500)를 통해 분석된 정보가 어떤 날씨 클래스에 속할지에 대한 분류(classification) 작업을 통해 날씨정보를 출력한다. 딥러닝 모델은 교통관제서버(2000)의 딥러닝 모델 학습 모듈(2400)에서 미리 다양한 블랙박스 영상(즉, 도로 경로 촬영 영상)을 이용하여 날씨 정보 생성을 위한 영상 분석용 학습을 진행하고, 그런 학습을 통해 얻어진 학습된 딥러닝 모델을 각 차량(1000)의 단말기(1200)로 전송한 것일 수 있다. 각 차량(1000)의 단말기(1200)의 통신부(1220)는 교통관제서버(2000)가 제공하는 딥러닝 모델을 수신하여 딥러닝 모듈(1210)에 저장할 수 있다.
딥러닝 모듈(1210)의 저장된 딥러닝 모델에 블랙박스 영상이 프레임단위로 입력될 수 있다. 이와 같이 교통관제서버(2000)의 딥러닝 모델 학습모듈(2400)을 통해 이미 학습된 딥러닝 모델을 각 차량의 딥러닝 모듈(1210)이 사용함으로써, 각 차량마다 딥러닝 모델을 학습하는 과정을 생략할 수 있다. 학습에 필요한 데이터를 제외한 딥러닝 모델에 관한 데이터만을 필요로 하므로 차량의 단말기(1200)에 적은 용량으로 저장될 수 있다. 이런 점 때문에 저장용량이 적은 휴대용 단말기를 차량의 단말기(1200)로 사용하여도 본 발명을 실시할 수 있다.
딥러닝 모델에서, 블랙박스 영상의 각 프레임의 특징을 추출하고, 시계열 정보를 반영한 분류(classification) 작업을 수행할 수 있다. 블랙박스 영상에 대한 이러한 작업들을 거치면, 출력으로 맑음, 비, 눈, 안개, 강풍 폭우 등의 기상정보가 생성될 수 있다.
도 5는 본 발명의 일 실시예에 따른 각 차량 블랙박스(1100)에 맞는 딥러닝 모델 보완을 위한 모델 학습 과정을 설명하기 위한 흐름도이다.
도 5를 참조하면, 각 차량에서 사용될 딥러닝 모델은 교통관제서버(2000)의 딥러닝 모델 학습 모델(2400)에서 다양한 블랙박스 영상들을 이용하여 미리 학습을 진행할 수 있다(S1000 단계).
딥러닝 모델 학습 모델(2400)은 이렇게 학습된 딥러닝 모델을 통신부(2300)를 통해 각 차량의 단말기(1200)로 전송할 수 있다(S2000 단계).
각 차량의 단말기(1200)는 수신한 딥러닝 모델을 딥러닝 모듈(1210)에 저장할 수 있다(S3000 단계).
각 차량 별 블랙박스 영상의 화각, 화소 및 초점거리 등의 차이점을 보완하기 위해, 딥러닝 모듈(1210)의 기존에 학습된 딥러닝 모델을 각 차량의 블랙박스(1100)에 최적화된 모델로 업데이트할 수 있다. 즉, 각 단말기(1200)의 딥러닝 모듈(1210)은 주기적으로 블랙박스 영상을 입력받고, 그 입력받은 영상이 생성된 위치의 도로에 대응되는 교통관제서버(2000) 제공 기상정보를 정답 집합으로 하여 학습을 진행할 수 있다(S4000 단계).
미리 학습된 딥러닝 모델을 보완하는 이와 같은 방법은, 처음부터 각 차량에서 딥러닝 모델을 학습하는 것보다 학습 시간 그리고 데이터 저장 용량 등을 크게 줄일 수 있다.
이상, 본 발명의 실시예에 따른 블랙박스를 이용한 도로경로 별 기상정보 생성 방법에 대하여 도면을 참조하여 설명하였지만, 상기 설명은 예시적인 것으로서 본 발명의 기술적 사상을 벗어나지 않는 범위에서 해당 기술 분야에서 통상의 지식을 가진 자에 의하여 수정 및 변경될 수 있을 것이다.
예를 들어, 도 1에 예시된 시스템(100)은 차량용 블랙박스(1100)와 단말기(1200)가 별도의 장치로 구현된 것을 예로 하지만, 이 두 장치(1100, 1200)가 하나의 장치로 구현된 것일 수도 있다. 즉, 단말기(1200)가 도로 경로를 촬영할 수 있는 카메라 장치를 포함하는 경우이다. 이 경우에는 상기 카메라 장치가 촬영한 도로 경로 촬영 영상이 위에서 설명한 블랙박스 영상에 해당된다. 그 도로 경로 촬영 영상을 정보를 그대로 입력 영상으로 이용하여 영상 분석을 수행하면 될 것이다.
본 발명의 실시로 날씨정보를 실시간으로 생성 및 제공할 수 있으므로, 위험 기상정보를 신속하게 제공 및 대처할 수 있으며, 날씨정보를 생성하기 위해 특별한 장치를 제조할 필요 없이, 기존에 설치된 차량용 블랙박스 및 단말기를 사용하기 때문에 별도의 투자가 필요 없는 경제적 이점이 생긴다. 또한 도로 경로 별 날씨정보를 생성하기 위해 다수의 차량에서 생성된 날씨정보를 종합하기 때문에 더욱 신뢰할 수 있는 날씨정보를 생성 가능하다.
1000: 차량 1100: 차량용 블랙박스
1200: 단말기 1210: 딥러닝 모듈
1220: 통신부 1230: 지리적 위치 컴포넌트
2000: 교통관제서버 2100: 날씨정보 DB
2200: 도로 경로 별 날씨정보 생성 모듈
2300: 통신부 2400: 딥러닝 모델 학습 모듈

Claims (13)

  1. 복수의 차량들에 각각 설치되고 무선통신이 가능하고 컴퓨팅 기능을 구비한 복수의 단말기; 및
    상기 복수의 단말기들 각각과 무선통신을 통해 정보를 송수신할 수 있고 컴퓨팅 기능을 구비한 교통관제서버를 구비하며,
    상기 복수의 단말기 각각은 카메라를 통해 촬영된 도로 경로 촬영 영상을 입력 영상으로 이용하여 딥러닝 모델에 기초한 영상 분석을 통해 날씨정보를 생성하고, 차량위치정보를 포함하는 날씨정보를 상기 교통관제서버로 무선으로 전송하며, 상기 교통관제서버가 무선으로 전송하는 도로 경로 별 날씨 정보를 수신하여 출력할 수 있으며,
    상기 교통관제서버는 상기 복수의 단말기들로부터 무선으로 전송 받은 다수의 날씨정보에 기초하여 실시간으로 도로 경로 별 날씨정보를 생성하고, 상기 복수의 단말기들이 수신할 수 있도록 상기 도로 경로 별 날씨정보를 무선으로 전송하여 상기 차량들과 공유할 수 있도록 하는 것을 특징으로 하는 도로 경로 촬영 영상을 이용한 도로 경로 별 날씨정보 생성 및 제공 시스템.
  2. 제 1항에 있어서, 상기 입력 영상은 상기 카메라를 구비하는 차량용 블랙박스 장치가 촬영하여 상기 단말기로 제공하는 영상 또는 상기 단말기에 장착된 카메라가 촬영한 영상인 것을 특징으로 하는 도로 경로 촬영 영상을 이용한 도로 경로 별 날씨정보 생성 및 제공 시스템.
  3. 제 1항 또는 제 2항에 있어서, 상기 단말기는, 각 차량의 실시간 위치 정보를 생성하기 위한 지리적 위치 컴포넌트; 상기 도로 경로 촬영 영상을 학습된 딥러닝 모델을 이용하여 분석하여 상기 날씨정보를 생성하기 위한 딥러닝 모듈; 및 상기 차량위치정보를 포함하는 날씨정보를 상기 교통관제서버로 무선으로 전송하는 것과 상기 교통관제서버가 무선으로 전송하는 도로 경로 별 날씨정보를 수신하기 위한 제1 통신부를 포함하는 것을 특징으로 하는 도로 경로 촬영 영상을 이용한 도로 경로 별 날씨정보 생성 및 제공 시스템.
  4. 제 3항에 있어서, 상기 딥러닝 모듈은, 최적화된 모델로 업데이트하기 위해, 주기적으로 도로 경로 촬영 영상을 입력받고, 그 입력받은 영상이 생성된 위치의 도로에 대응되는 교통관제서버 제공 기상정보를 정답 집합으로 하여 학습을 진행하는 것을 특징으로 하는 도로 경로 촬영 영상을 이용한 도로 경로 별 날씨정보 생성 및 제공 시스템.
  5. 제 1항 또는 제 2항에 있어서, 상기 교통관제서버는, 상기 복수의 단말기들이 무선 전송하는 상기 차량위치정보를 포함하는 날씨정보를 수신하고, 상기 차량들의 복수의 단말기들이 수신할 수 있도록 상기 도로 경로 별 날씨정보를 무선 송신하기 위한 제2 통신부; 상기 제2 통신부를 통해 전달받은 상기 차량위치정보를 포함하는 날씨정보들을 종합적으로 처리하여 상기 도로 경로 별 날씨정보를 생성하기 위한 도로 경로 별 날씨정보 생성 모듈; 각 도로 경로 별로 생성된 날씨정보를 저장 및 관리하기 위한 날씨정보 DB; 및 다양한 종류의 도로 경로 촬영 영상들을 이용하여 미리 날씨정보 생성을 위한 영상 분석용 딥러닝 모델을 학습하고, 학습된 딥러닝 모델을 상기 복수의 단말기에 제공하여 활용되도록 하기 위한 딥러닝 모델 학습 모듈을 포함하는 도로 경로 촬영 영상을 이용한 도로 경로 별 날씨정보 생성 및 제공 시스템.
  6. 제 5항에 있어서, 상기 도로 경로 별 날씨정보 생성 모듈은, 상기 차량위치정보를 포함하는 날씨정보들을 이용하여 도로 경로 별 차량의 위치를 분류하여 각 도로 경로 별로 차량과 날씨정보를 군집화 하고, 각 도로의 날씨정보 이상치를 제거하며, 각 도로 경로 별 날씨정보의 대표값을 계산하여 상기 도로 경로 별 날씨정보로서 생성하는 것을 특징으로 하는 도로 경로 촬영 영상을 이용한 도로 경로 별 날씨정보 생성 및 제공 시스템.
  7. 제 1항에 있어서, 상기 딥러닝 모델은 순환 합성곱 신경망(recurrent convolutional neural network)을 이용하여 상기 도로 경로 촬영 영상의 프레임 별 특징을 추출하고, 추출된 프레임 별 특징과 각 프레임 사이의 시계열 정보를 함께 반영하여 분석하는 것을 특징으로 하는 도로 경로 촬영 영상을 이용한 도로 경로 별 날씨정보 생성 및 제공 시스템.
  8. 제 1항에 있어서, 상기 각 단말기에서 날씨정보 생성을 위해 이용하는 상기 딥러닝 모델은 상기 교통관제서버에서 다양한 종류의 도로 경로 촬영 영상을 이용하여 미리 날씨 정보 생성을 위한 영상 분석용 학습을 진행하여 얻어진 학습된 딥러닝 모델로서, 상기 교통관제서버가 상기 각 단말기로 제공한 것인 것을 특징으로 하는 도로 경로 촬영 영상을 이용한 도로 경로 별 날씨정보 생성 및 제공 시스템.
  9. 복수의 차량들에 각각 설치되고 무선통신이 가능하고 컴퓨팅 기능을 구비한 복수의 단말기와, 상기 복수의 단말기들 각각과 무선통신을 통해 정보를 송수신할 수 있고 컴퓨팅 기능을 구비한 교통관제서버를 구비하는 시스템 환경에 있어서,
    상기 복수의 단말기 각각이 카메라를 통해 촬영된 도로 경로 촬영 영상을 입력 영상으로 이용하여 딥러닝 모델에 기초한 영상 분석을 통해 날씨정보를 생성하는 단계;
    상기 복수의 단말기 각각이 해당 차량의 차량위치정보를 포함하는 날씨정보를 상기 교통관제서버로 무선으로 전송하는 단계;
    상기 교통관제서버가 상기 복수의 단말기들로부터 무선으로 전송 받은 다수의 날씨정보에 기초하여 실시간으로 도로 경로 별 날씨정보를 생성하는 단계;
    상기 교통관제서버가 상기 복수의 단말기들이 수신할 수 있도록 상기 도로 경로 별 날씨정보를 무선으로 전송하는 단계; 및
    상기 복수의 단말기들 각각이 상기 교통관제서버가 무선 전송한 상기 도로 경로 별 날씨 정보를 수신하여 출력하는 단계를 포함하는 것을 특징으로 하는 도로 경로 촬영 영상을 이용한 도로 경로 별 날씨정보 생성 및 제공 방법.
  10. 제 9항에 있어서, 상기 교통관제서버의 딥러닝 모델 학습 모듈이 다양한 종류의 도로 경로 촬영 영상들을 이용하여 미리 날씨정보 생성을 위한 영상 분석용 학습을 진행하여 학습된 딥러닝 모델을 얻는 단계; 및 상기 교통관제서버의 딥러닝 모델 학습 모듈이 학습된 딥러닝 모델을 상기 차량들의 복수의 단말기에 각각 제공하여 활용되도록 하는 단계를 더 포함하는 것을 특징으로 하는 도로 경로 촬영 영상을 이용한 도로 경로 별 날씨정보 생성 및 제공 방법.
  11. 제 9항에 있어서, 상기 '도로 경로 별 날씨정보를 생성하는 단계'는 상기 교통관제서버의 도로 경로 별 날씨정보 생성 모듈이 상기 차량위치정보를 포함하는 날씨정보들을 이용하여 도로 경로 별 차량의 위치를 분류하여 각 도로 경로 별로 차량과 날씨정보를 군집화 하는 단계; 각 도로의 날씨정보 이상치를 제거하는 단계; 각 도로 경로 별 날씨정보의 대표값을 계산하여 상기 도로 경로 별 날씨정보로서 생성하는 단계; 및 생성된 날씨정보를 데이터베이스에 저장하는 단계를 포함하는 것을 특징으로 하는 도로 경로 촬영 영상을 이용한 도로 경로 별 날씨정보 생성 및 제공 방법.
  12. 제 9항에 있어서, 상기 단말기들의 딥러닝 모델은 순환 합성곱 신경망(recurrent convolutional neural network)을 이용하여 상기 도로 경로 촬영 영상의 프레임 별 특징을 추출하고, 추출된 프레임 별 특징과 각 프레임 사이의 시계열 정보를 함께 반영하여 분석하는 것을 통해 상기 날씨정보를 생성하는 것을 특징으로 하는 도로 경로 촬영 영상을 이용한 도로 경로 별 날씨정보 생성 및 제공 방법.
  13. 제 9항에 있어서, 상기 단말기의 딥러닝 모듈이, 최적화된 모델로 업데이트하기 위해, 주기적으로 도로 경로 촬영 영상을 입력받고, 그 입력받은 영상이 생성된 위치의 도로에 대응되는 교통관제서버 제공 기상정보를 정답 집합으로 하여 학습을 진행하는 단계를 더 포함하는 것을 특징으로 하는 도로 경로 촬영 영상을 이용한 도로 경로 별 날씨정보 생성 및 제공 방법.
KR1020170135407A 2017-10-18 2017-10-18 도로 경로 촬영 영상을 이용한 도로 경로 별 날씨정보 생성 및 제공하기 위한 방법 및 시스템 KR20190043396A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020170135407A KR20190043396A (ko) 2017-10-18 2017-10-18 도로 경로 촬영 영상을 이용한 도로 경로 별 날씨정보 생성 및 제공하기 위한 방법 및 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170135407A KR20190043396A (ko) 2017-10-18 2017-10-18 도로 경로 촬영 영상을 이용한 도로 경로 별 날씨정보 생성 및 제공하기 위한 방법 및 시스템

Publications (1)

Publication Number Publication Date
KR20190043396A true KR20190043396A (ko) 2019-04-26

Family

ID=66281409

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170135407A KR20190043396A (ko) 2017-10-18 2017-10-18 도로 경로 촬영 영상을 이용한 도로 경로 별 날씨정보 생성 및 제공하기 위한 방법 및 시스템

Country Status (1)

Country Link
KR (1) KR20190043396A (ko)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102188850B1 (ko) * 2020-05-26 2020-12-09 (주)일신이디아이 무선통신을 이용한 블랙아이스 분석시스템
KR20210059972A (ko) * 2019-11-18 2021-05-26 강재묵 이륜 자동차용 네비게이션 구동 방법
KR20210068950A (ko) * 2019-12-02 2021-06-10 주식회사 에스프렉텀 자율주행 차량정보를 이용한 국지 기상정보 제공 시스템
CN113034902A (zh) * 2021-03-05 2021-06-25 阿里云计算有限公司 一种交通控制方法、装置及电子设备
KR102297309B1 (ko) * 2020-07-15 2021-09-02 경민수 스마트 보도블록 기반의 도로 제어 방법, 장치 및 시스템
US20220075369A1 (en) * 2020-09-04 2022-03-10 Micron Technology, Inc. Machine learning with sensor information relevant to a location of a roadway

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20100038836A (ko) 2008-10-07 2010-04-15 한국도로공사 영상정보분석에 의한 날씨감지장치 및 이를 이용한 날씨감지방법
KR20100111533A (ko) 2009-04-07 2010-10-15 주식회사 포스코 점용접 특성 및 내지연파괴 특성이 우수한 냉연강판 및 그 제조방법
KR20150059023A (ko) 2013-11-21 2015-05-29 남서울대학교 산학협력단 이동형 도로 기상정보 수집 및 전송 시스템 및 그 방법

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20100038836A (ko) 2008-10-07 2010-04-15 한국도로공사 영상정보분석에 의한 날씨감지장치 및 이를 이용한 날씨감지방법
KR20100111533A (ko) 2009-04-07 2010-10-15 주식회사 포스코 점용접 특성 및 내지연파괴 특성이 우수한 냉연강판 및 그 제조방법
KR20150059023A (ko) 2013-11-21 2015-05-29 남서울대학교 산학협력단 이동형 도로 기상정보 수집 및 전송 시스템 및 그 방법

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210059972A (ko) * 2019-11-18 2021-05-26 강재묵 이륜 자동차용 네비게이션 구동 방법
KR20210068950A (ko) * 2019-12-02 2021-06-10 주식회사 에스프렉텀 자율주행 차량정보를 이용한 국지 기상정보 제공 시스템
KR102188850B1 (ko) * 2020-05-26 2020-12-09 (주)일신이디아이 무선통신을 이용한 블랙아이스 분석시스템
KR102297309B1 (ko) * 2020-07-15 2021-09-02 경민수 스마트 보도블록 기반의 도로 제어 방법, 장치 및 시스템
US20220075369A1 (en) * 2020-09-04 2022-03-10 Micron Technology, Inc. Machine learning with sensor information relevant to a location of a roadway
WO2022051036A1 (en) * 2020-09-04 2022-03-10 Micron Technology, Inc. Machine learning with sensor information relevant to a location of a roadway
CN113034902A (zh) * 2021-03-05 2021-06-25 阿里云计算有限公司 一种交通控制方法、装置及电子设备

Similar Documents

Publication Publication Date Title
KR20190043396A (ko) 도로 경로 촬영 영상을 이용한 도로 경로 별 날씨정보 생성 및 제공하기 위한 방법 및 시스템
US11520331B2 (en) Methods and apparatus to update autonomous vehicle perspectives
CN105761500B (zh) 交通事故处理方法及交通事故处理装置
JP6230673B2 (ja) 交通信号マップ作成及び検出
US20200234580A1 (en) Moving object and driving support system for moving object
CN110164135B (zh) 一种定位方法、定位装置及定位系统
KR20180046798A (ko) 실시간 교통 정보 제공 방법 및 장치
KR101735557B1 (ko) 실시간 목표 탐지에 의한 교통 정보 수집 시스템 및 방법
CN105788280A (zh) 一种基于车联网的智慧城市车辆自动追踪系统
KR102061264B1 (ko) C-its 기반 차량위치정보를 이용한 돌발 상황 감지시스템
KR101678004B1 (ko) 노드-링크 기반 카메라 네트워크 통합 감시 시스템 및 감시 방법
CN111319560B (zh) 信息处理系统、程序和信息处理方法
US20220044558A1 (en) Method and device for generating a digital representation of traffic on a road
CN113808263B (zh) 地图生成用数据收集装置以及地图生成用数据收集方法
JP2018189457A (ja) 情報処理装置
CN114771548A (zh) 用于高级驾驶辅助系统测试和验证的数据记录
CN112633120A (zh) 一种基于半监督学习的智能路侧感知系统及模型训练方法
CN115004273A (zh) 交通道路的数字化重建方法、装置和系统
CN111695627A (zh) 路况检测方法、装置、电子设备及可读存储介质
US20200150692A1 (en) Method and apparatus for acquiring data
CN113129382A (zh) 一种确定坐标转换参数的方法及装置
JP2017034638A (ja) 画像処理装置および画像処理方法
CN111429723B (zh) 一种基于路侧设备的通信与感知数据融合方法
CN112447042B (zh) 交通事件侦测系统及方法
US20220113162A1 (en) Map data generation apparatus

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E601 Decision to refuse application