KR20210072326A - Intelligent Traffic Control System Based on Artificial Intelligence - Google Patents

Intelligent Traffic Control System Based on Artificial Intelligence Download PDF

Info

Publication number
KR20210072326A
KR20210072326A KR1020190162534A KR20190162534A KR20210072326A KR 20210072326 A KR20210072326 A KR 20210072326A KR 1020190162534 A KR1020190162534 A KR 1020190162534A KR 20190162534 A KR20190162534 A KR 20190162534A KR 20210072326 A KR20210072326 A KR 20210072326A
Authority
KR
South Korea
Prior art keywords
traffic
artificial intelligence
vehicle
road
analysis module
Prior art date
Application number
KR1020190162534A
Other languages
Korean (ko)
Other versions
KR102305107B1 (en
Inventor
고영남
Original Assignee
주식회사 뉴로다임
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 주식회사 뉴로다임 filed Critical 주식회사 뉴로다임
Priority to KR1020190162534A priority Critical patent/KR102305107B1/en
Publication of KR20210072326A publication Critical patent/KR20210072326A/en
Application granted granted Critical
Publication of KR102305107B1 publication Critical patent/KR102305107B1/en

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G08G1/0145—Measuring and analyzing of parameters relative to traffic conditions for specific applications for active traffic flow control
    • 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
    • G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
    • 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
    • G08G1/0125—Traffic data processing
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/07—Controlling traffic signals
    • G08G1/075—Ramp control
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/095—Traffic lights
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/097—Supervising of traffic control systems, e.g. by giving an alarm if two crossing streets have green light simultaneously

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Traffic Control Systems (AREA)

Abstract

The present invention relates to an intelligent traffic control system based on artificial intelligence, and more particularly, to an intelligent traffic based on artificial intelligence that can smooth traffic flow by measuring traffic volume using artificial intelligence technology and controlling traffic signals according to the traffic volume. The intelligent traffic control system includes one or more traffic cameras, an artificial intelligence traffic analysis module, and a vehicle number calculation part.

Description

인공지능 기반 지능형 교통제어 시스템{Intelligent Traffic Control System Based on Artificial Intelligence}Intelligent Traffic Control System Based on Artificial Intelligence

본 발명은 인공지능 기반 지능형 교통제어 시스템에 관한 것으로서 더욱 상세하게는, 인공지능 기술을 이용하여 교통량을 측정하고, 교통량에 맞추어 교통신호를 제어하여 교통 흐름을 원활이 할 수 있는 인공지능 기반 지능형 교통제어 시스템에 관한 것이다.The present invention relates to an artificial intelligence-based intelligent traffic control system, and more particularly, to an artificial intelligence-based intelligent traffic that can smooth traffic flow by measuring traffic volume using artificial intelligence technology and controlling traffic signals according to traffic volume It is about the control system.

가구마다 차량은 한 대씩은 보유하고 있는 현대의 자동차 문화 속에서 자동차 보유량은 기하급수적으로 늘어나는 것에 반해 도로는 한정되어 있다.In the modern automobile culture, where each household owns one vehicle, the number of automobiles increases exponentially, whereas roads are limited.

이러한 상황에도 불구하고 현재의 교통신호체계는 대부분 기설정된 신호주기에 따라 운영되고 있어서 매우 비효율적이다.In spite of this situation, most of the current traffic signal systems are operated according to a preset signal cycle, so they are very inefficient.

이와 같은 현재의 교통신호 체계하에서는 차량이 정체되어 녹색신호임에도 불구하고 진입하기 곤란한 경우가 많이 발생하고, 이로 인한 교통정체로 물류비용의 증가와 도심 교통속도가 저하되는 등의 피해가 상당하다.Under the current traffic signal system, vehicles are congested and it is difficult to enter even though it is a green signal, and the resulting traffic congestion increases logistics costs and lowers the traffic speed in the city.

특히, 교통량을 고려하지 못함으로 인하여 교차로에서 기설정된 시간이 지나면 신호가 바뀌기 때문에, 병목현상을 해소하지 못하며, 심각한 교통체증으로 이어질 수 있는 문제가 있다.In particular, because the traffic volume is not taken into account, the signal changes after a predetermined time has elapsed at the intersection, so that the bottleneck cannot be resolved, and there is a problem that may lead to serious traffic congestion.

이와 같은 문제를 해결하기 위하여 교통량을 측정 또는 예측하여 교통량에 따른 교통 신호를 자율적으로 변경하는 등의 교통량에 따른 교통 신호를 제어할 수 있는 기술이 요구되고 있는 실정이다.In order to solve such a problem, there is a need for a technology capable of controlling a traffic signal according to the amount of traffic, such as measuring or predicting the amount of traffic and autonomously changing the traffic signal according to the amount of traffic.

한국등록특허공보 제10-1969064호(2019.04.09)Korean Patent Publication No. 10-1969064 (2019.04.09)

본 발명은 상기 서술한 문제를 해결하기 위하여 안출된 것으로서,The present invention has been devised to solve the above-described problem,

현재 교통량을 측정하고, 측정된 교통량을 이용하여 현재 교통 상황 및 이후 교통 상황을 예측하고, 자율적으로 교통 신호를 제어할 수 있는 인공지능 기반 지능형 교통제어 시스템을 제공하는데 목적이 있다.It aims to provide an artificial intelligence-based intelligent traffic control system that can measure the current traffic volume, predict the current and future traffic conditions using the measured traffic volume, and autonomously control traffic signals.

또한, 신호등을 기준으로 신호등 측으로 유입되는 차량뿐만 아니라 신호등 후방으로 지나가는 차량 및 신호등 후방의 차량을 감지함으로서, 진입 및 진출 차량에 대한 교통량을 측정하여 교통 신호를 제어할 수 있는 인공지능 기반 지능형 교통제어 시스템을 제공하는데 목적이 있다.In addition, artificial intelligence-based intelligent traffic control that can control traffic signals by measuring the amount of traffic for entering and exiting vehicles by detecting not only vehicles flowing toward the traffic lights based on the traffic lights, but also vehicles passing behind the traffic lights and vehicles behind the traffic lights The purpose is to provide a system.

또한, 교차로에서 각 방향의 주행 도로의 교통 상황에 따라 교통 흐름을 동시에 제어할 수 있는 인공지능 기반 지능형 교통제어 시스템을 제공하는데 목적이 있다.Another object of the present invention is to provide an artificial intelligence-based intelligent traffic control system that can simultaneously control the traffic flow according to the traffic conditions of the driving road in each direction at the intersection.

상기 서술한 문제를 해결하기 위한 본 발명 인공지능 기반 지능형 교통제어 시스템은,The present invention artificial intelligence-based intelligent traffic control system for solving the above-mentioned problems,

차량 신호등(10) 주변에 설치되어 삼거리 이상의 도로 내에서 주행하는 차량을 실시간 영상을 촬영하는 하나 이상의 교통카메라(100),One or more traffic cameras 100 installed around the vehicle traffic light 10 to shoot real-time images of vehicles traveling within three-way or more roads,

상기 하나 이상의 교통카메라(100)에서 촬영한 영상을 이용하여 도로 내 차량의 전면 및 후면 객체를 검출하는 인공지능 교통 분석 모듈(200),An artificial intelligence traffic analysis module 200 for detecting front and rear objects of a vehicle on the road using the images captured by the one or more traffic cameras 100,

상기 인공지능 교통 분석 모듈(200)은,The artificial intelligence traffic analysis module 200,

촬영한 영상 내에서 검출된 하나 이상의 차량의 전면 및 후면 객체를 이용하여, 도로 내 진입 및 진출 차량들의 개수를 산출하는 차량 개수 산출부(210)를 포함하고,and a vehicle number calculation unit 210 that calculates the number of vehicles entering and exiting the road by using the front and rear objects of one or more vehicles detected in the captured image,

상기 인공지능 교통 분석 모듈(200)의 차량 개수 산출부(210)에서 산출한 도로 내 진입 및 진출 차량 개수를 이용하여 도로 내 교통 상황을 판단하고, 판단한 교통 상황에 맞추어 차량 신호등(10) 신호의 점멸 시간을 제어하는 인공지능 신호 제어 모듈(300)을 포함한다.The number of vehicles entering and leaving the road calculated by the vehicle number calculation unit 210 of the AI traffic analysis module 200 is used to determine the traffic situation on the road, and according to the determined traffic situation, the vehicle traffic light 10 signal It includes an artificial intelligence signal control module 300 for controlling the blinking time.

상기 인공지능 신호 제어 모듈(300)은,The artificial intelligence signal control module 300,

상기 차량 개수 산출부(210)에서 산출한 도로 내 진입 및 진출 차량들의 개수에 따라, 도로 내 교통 혼잡을 해소시키기 위한 도로 내 위치한 하나 이상의 차량 신호등(10)에서 점멸하는 신호의 개방 시간을 포함한 신호등 제어신호를 생성하고, 생성한 신호등 제어신호를 이용하여 차량 신호등(10)의 '녹색', '주황색', '적색' 각각의 점멸 시간을 제어하는 것을 특징으로 한다.According to the number of vehicles entering and exiting the road calculated by the vehicle number calculation unit 210, the traffic light including the opening time of the blinking signal in one or more vehicle traffic lights 10 located in the road for resolving traffic congestion on the road It is characterized in that a control signal is generated, and each blinking time of 'green', 'orange', and 'red' of the vehicle traffic light 10 is controlled by using the generated traffic light control signal.

상기 인공지능 교통 분석 모듈(200)에서 상기 교통카메라(100)에서 촬영한 영상을 이용하여 차량 검출을 실시할 시, 인공지능 교통 분석 모듈(200)의 검출률을 향상시키기 위하여, 상기 교통카메라(100)에서 촬영한 원본 영상을 분할하고, 분할된 영상을 인공지능 교통 분석 모듈(200)로 입력시키는 영상 전처리 모듈(400)을 더 포함하는 것을 특징으로 한다.In order to improve the detection rate of the AI traffic analysis module 200 when detecting a vehicle using the image captured by the traffic camera 100 in the AI traffic analysis module 200, the traffic camera 100 ) segmenting the original image taken in, characterized in that it further comprises an image pre-processing module 400 for inputting the divided image to the artificial intelligence traffic analysis module (200).

상기 인공지능 교통 분석 모듈(200)은, 지도학습(Supervised Learning) 방식으로 학습시키고,The artificial intelligence traffic analysis module 200 is trained in a supervised learning method,

상기 인공지능 신호 제어 모듈(300)은, 강화학습(Reinforcement Learning) 기반으로 학습시키는 것을 특징으로 함으로써 상기 서술한 문제를 해결하게 된다.The artificial intelligence signal control module 300 solves the above-described problem by learning based on reinforcement learning.

상기 서술한 구성에 따른 본 발명 인공지능 기반 지능형 교통제어 시스템은,The present invention artificial intelligence-based intelligent traffic control system according to the above-described configuration,

현재 교통량을 측정하고, 측정된 교통량을 이용하여 현재 교통 상황 및 이후 교통 상황을 예측하고, 자율적으로 교통 신호를 제어할 수 있는 효과가 제공된다.The effect of measuring the current traffic volume, predicting the current traffic situation and future traffic conditions using the measured traffic volume, and autonomously controlling traffic signals is provided.

또한, 신호등을 기준으로 신호등 측으로 유입되는 차량뿐만 아니라 신호등 후방으로 지나가는 차량 및 신호등 후방의 차량을 감지함으로서, 진입 및 진출 차량에 대한 교통량을 측정하여 교통 신호를 제어할 수 있는 효과가 제공된다.In addition, by detecting not only vehicles flowing toward the traffic light based on the traffic light, but also vehicles passing behind the traffic light and vehicles behind the traffic light, the effect of controlling the traffic signal by measuring the amount of traffic for entering and exiting vehicles is provided.

또한, 교차로에서 각 방향의 주행 도로의 교통 상황에 따라 교통 흐름을 동시에 제어할 수 있는 효과가 제공된다.In addition, the effect of simultaneously controlling the traffic flow according to the traffic conditions of the driving road in each direction at the intersection is provided.

도 1은 본 발명의 실시예에 따른 인공지능 기반 지능형 교통제어 시스템의 영상 촬영 방향을 나타낸 도면이다.
도 2는 본 발명의 실시예에 따른 인공지능 기반 지능형 교통제어 시스템의 촬영 영상의 객체 검출 예시 도면이다.
도 3은 본 발명의 실시예에 따른 인공지능 기반 지능형 교통제어 시스템의 촬영 영상 분할 예시 도면이다.
도 4는 본 발명의 실시예에 따른 인공지능 기반 지능형 교통제어 시스템의 전체 구성을 나타낸 도면이다.1 is a view showing an image shooting direction of an artificial intelligence-based intelligent traffic control system according to an embodiment of the present invention.
2 is an exemplary diagram of object detection of a captured image of an artificial intelligence-based intelligent traffic control system according to an embodiment of the present invention.
3 is a diagram illustrating an example of dividing a captured image of an artificial intelligence-based intelligent traffic control system according to an embodiment of the present invention.
4 is a view showing the overall configuration of an artificial intelligence-based intelligent traffic control system according to an embodiment of the present invention.

본 명세서에서 개시되어 있는 본 발명의 개념에 따른 실시 예들에 대해서 특정한 구조적 또는 기능적 설명들은 단지 본 발명의 개념에 따른 실시 예들을 설명하기 위한 목적으로 예시된 것으로서, 본 발명의 개념에 따른 실시 예들은 다양한 형태로 실시될 수 있으며 본 명세서에 설명된 실시 예들에 한정되지 않는다.Specific structural or functional descriptions for the embodiments according to the concept of the present invention disclosed in this specification are only exemplified for the purpose of explaining the embodiments according to the concept of the present invention, and the embodiments according to the concept of the present invention are It may be implemented in various forms and is not limited to the embodiments described herein.

본 발명의 개념에 따른 실시 예들은 다양한 변경들을 가할 수 있고 여러 가지 형태들을 가질 수 있으므로 실시 예들을 도면에 예시하고 본 명세서에 상세하게 설명하고자 한다. 그러나 이는 본 발명의 개념에 따른 실시 예들을 특정한 개시형태들에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 변경, 균등물 또는 대체물을 포함한다.Since the embodiments according to the concept of the present invention may have various changes and may have various forms, the embodiments will be illustrated in the drawings and described in detail herein. However, this is not intended to limit the embodiments according to the concept of the present invention to specific disclosed forms, and includes changes, equivalents or substitutes included in the spirit and scope of the present invention.

제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만, 예를 들어 본 발명의 개념에 따른 권리 범위로부터 이탈되지 않은 채, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.Terms such as first or second may be used to describe various elements, but the elements should not be limited by the terms. The above terms are used only for the purpose of distinguishing one element from another element, for example, without departing from the scope of rights according to the concept of the present invention, a first element may be named as a second element, Similarly, the second component may also be referred to as the first component.

어떤 구성요소가 다른 구성요소에 “연결되어” 있다거나 “접속되어” 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 “직접 연결되어” 있다거나 “직접 접속되어” 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다. 구성요소들 간의 관계를 설명하는 표현들, 예를 들어 “~사이에”와 “바로~사이에” 또는 “~에 이웃하는”과 “~에 직접 이웃하는” 등도 마찬가지로 해석되어야 한다.When a component is referred to as being “connected” or “connected” to another component, it may be directly connected or connected to the other component, but it is understood that other components may exist in between. it should be On the other hand, when it is mentioned that a certain element is "directly connected" or "directly connected" to another element, it should be understood that the other element does not exist in the middle. Expressions describing the relationship between elements, for example, “between” and “between” or “neighboring to” and “directly adjacent to”, etc., should be interpreted similarly.

본 명세서에서 사용한 용어는 단지 특정한 실시 예들을 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서 “포함하다” 또는 “가지다” 등의 용어를 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함으로 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.The terms used herein are used only to describe specific embodiments, and are not intended to limit the present invention. The singular expression includes the plural expression unless the context clearly dictates otherwise. In the present specification, terms such as “comprise” or “have” are intended to designate that a feature, number, step, action, component, part, or combination thereof exists, but one or more other features or number, step, action , it should be understood that it does not preclude the possibility of the presence or addition of components, parts, or combinations thereof.

다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 갖는 것으로 해석되어야 하며, 본 명세서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.Unless defined otherwise, all terms used herein, including technical or scientific terms, have the same meaning as commonly understood by one of ordinary skill in the art to which this invention belongs. Terms such as those defined in a commonly used dictionary should be interpreted as having a meaning consistent with the meaning in the context of the related art, and should not be interpreted in an ideal or excessively formal meaning unless explicitly defined in the present specification. does not

이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시 예에 따른 인공지능 기반 지능형 교통제어 시스템에 관하여 살펴보기로 한다.Hereinafter, an artificial intelligence-based intelligent traffic control system according to a preferred embodiment of the present invention will be described with reference to the accompanying drawings.

도 1은 본 발명의 실시예에 따른 인공지능 기반 지능형 교통제어 시스템의 영상 촬영 방향을 나타낸 도면이다.1 is a view showing an image shooting direction of an artificial intelligence-based intelligent traffic control system according to an embodiment of the present invention.

도 2는 본 발명의 실시예에 따른 인공지능 기반 지능형 교통제어 시스템의 촬영 영상의 객체 검출 예시 도면이다.2 is an exemplary diagram of object detection of a captured image of an artificial intelligence-based intelligent traffic control system according to an embodiment of the present invention.

도 3은 본 발명의 실시예에 따른 인공지능 기반 지능형 교통제어 시스템의 촬영 영상 분할 예시 도면이다.3 is a diagram illustrating an example of dividing a captured image of an artificial intelligence-based intelligent traffic control system according to an embodiment of the present invention.

도 4는 본 발명의 실시예에 따른 인공지능 기반 지능형 교통제어 시스템의 전체 구성을 나타낸 도면이다.4 is a view showing the overall configuration of an artificial intelligence-based intelligent traffic control system according to an embodiment of the present invention.

인공지능 기반 지능형 교통제어 시스템은,Artificial intelligence-based intelligent traffic control system,

차량 신호등(10) 주변에 설치되어 삼거리 이상의 도로 내에서 주행하는 차량을 실시간 영상을 촬영하는 하나 이상의 교통카메라(100),One or more traffic cameras 100 installed around the vehicle traffic light 10 to shoot real-time images of vehicles traveling within three-way or more roads,

상기 하나 이상의 교통카메라(100)에서 촬영한 영상을 이용하여 도로 내 차량의 전면 및 후면 객체를 검출하는 인공지능 교통 분석 모듈(200),An artificial intelligence traffic analysis module 200 for detecting front and rear objects of a vehicle on the road using the images captured by the one or more traffic cameras 100,

상기 인공지능 교통 분석 모듈(200)은,The artificial intelligence traffic analysis module 200,

촬영한 영상 내에서 검출된 하나 이상의 차량의 전면 및 후면 객체를 이용하여, 도로 내 진입 및 진출 차량들의 개수를 산출하는 차량 개수 산출부(210)를 포함하고,and a vehicle number calculation unit 210 that calculates the number of vehicles entering and exiting the road by using the front and rear objects of one or more vehicles detected in the captured image,

상기 인공지능 교통 분석 모듈(200)의 차량 개수 산출부(210)에서 산출한 도로 내 진입 및 진출 차량 개수를 이용하여 도로 내 교통 상황을 판단하고, 판단한 교통 상황에 맞추어 차량 신호등(10) 신호의 점멸 시간을 제어하는 인공지능 신호 제어 모듈(300)을 포함한다.The number of vehicles entering and leaving the road calculated by the vehicle number calculation unit 210 of the AI traffic analysis module 200 is used to determine the traffic situation on the road, and according to the determined traffic situation, the vehicle traffic light 10 signal It includes an artificial intelligence signal control module 300 for controlling the blinking time.

상기 인공지능 신호 제어 모듈(300)은,The artificial intelligence signal control module 300,

상기 차량 개수 산출부(210)에서 산출한 도로 내 진입 및 진출 차량들의 개수에 따라, 도로 내 교통 혼잡을 해소시키기 위한 도로 내 위치한 하나 이상의 차량 신호등(10)에서 점멸하는 신호의 개방 시간을 포함한 신호등 제어신호를 생성하고, 생성한 신호등 제어신호를 이용하여 차량 신호등(10)의 '녹색', '주황색', '적색' 각각의 점멸 시간을 제어하는 것을 특징으로 한다.According to the number of vehicles entering and exiting the road calculated by the vehicle number calculation unit 210, the traffic light including the opening time of the blinking signal in one or more vehicle traffic lights 10 located in the road for resolving traffic congestion on the road It is characterized in that a control signal is generated, and each blinking time of 'green', 'orange', and 'red' of the vehicle traffic light 10 is controlled by using the generated traffic light control signal.

상기 인공지능 교통 분석 모듈(200)에서 상기 교통카메라(100)에서 촬영한 영상을 이용하여 차량 검출을 실시할 시, 인공지능 교통 분석 모듈(200)의 검출률을 향상시키기 위하여, 상기 교통카메라(100)에서 촬영한 원본 영상을 분할하고, 분할된 영상을 인공지능 교통 분석 모듈(200)로 입력시키는 영상 전처리 모듈(400)을 더 포함하는 것을 특징으로 한다.In order to improve the detection rate of the AI traffic analysis module 200 when detecting a vehicle using the image captured by the traffic camera 100 in the AI traffic analysis module 200, the traffic camera 100 ) segmenting the original image taken in, characterized in that it further comprises an image pre-processing module 400 for inputting the divided image to the artificial intelligence traffic analysis module (200).

상기 인공지능 교통 분석 모듈(200)은, 지도학습(Supervised Learning) 방식으로 학습시키고,The artificial intelligence traffic analysis module 200 is trained in a supervised learning method,

상기 인공지능 신호 제어 모듈(300)은, 강화학습(Reinforcement Learning) 기반으로 학습시키는 것을 특징으로 하여 구성하게 된다.The artificial intelligence signal control module 300 is configured to learn based on reinforcement learning.

교통카메라(100)는, 차량 신호등(10) 주변에 설치되어 삼거리 이상의 도로 내에서 주행하는 차량을 실시간 영상 촬영하며, 각 도로가 위치한 방향을 촬영할 수 있도록 하나 이상 구성하게 된다.The traffic camera 100 is installed around the vehicle traffic light 10 to record a real-time image of a vehicle traveling in a three-way or more road, and one or more are configured to photograph the direction in which each road is located.

교통카메라(100)는, 도 1에 도시된 바와 같이, 각 차량 신호등(10) 주변 각각에 설치되어, 차량 신호등(10) 전면 도로측을 실시간 촬영하게 되는 것이다.As shown in FIG. 1 , the traffic camera 100 is installed around each vehicle traffic light 10 to photograph the front road side of the vehicle traffic light 10 in real time.

즉, 상기 교통카메라(100)는 도로의 개수에 따라 동일하도록 각 도로에 1:1 대응되어 구성하게 되는 것이다.That is, the traffic camera 100 is configured to correspond to each road 1:1 so that it is the same according to the number of roads.

인공지능 교통 분석 모듈(200)은, 상기 하나 이상의 교통카메라(100)에서 촬영한 영상을 이용하여 도로 내 차량의 전면 및 후면을 검출하게 된다.The artificial intelligence traffic analysis module 200 detects the front and rear surfaces of the vehicle on the road using the images captured by the one or more traffic cameras 100 .

상기 인공지능 교통 분석 모듈(200)은, 다수의 차량 이미지를 포함하는 차량 식별 훈련 데이터를 이용하여 차량 전체, 차량 전면, 차량 후면, 차량 일부분을 식별할 수 있도록 학습된 것을 특징으로 한다.The artificial intelligence traffic analysis module 200 is characterized in that it is learned to identify the entire vehicle, the front of the vehicle, the rear of the vehicle, and a part of the vehicle using vehicle identification training data including a plurality of vehicle images.

또한, 상기 인공지능 교통 분석 모듈(200)은, 상기 하나 이상의 교통카메라(100)에서 촬영한 영상 내에서 식별된 차량에 대하여, 차량의 차종, 색상, 차량번호 중 어느 하나 이상을 포함하는 차량 상세 정보를 검출할 수 있는 것을 특징으로 한다.In addition, the artificial intelligence traffic analysis module 200, with respect to the vehicle identified in the image taken by the one or more traffic cameras 100, vehicle details including any one or more of the vehicle model, color, and vehicle number It is characterized in that the information can be detected.

이를 위하여, 상기 인공지능 교통 분석 모듈(200)은, 다수의 차량 이미지를 포함하는 차량 상세 정보 식별 훈련 데이터를 이용하여 차종, 차량 색상, 차량번호를 식별할 수 있도록 학습된 것을 특징으로 한다.To this end, the AI traffic analysis module 200 is characterized in that it is learned to identify the vehicle model, vehicle color, and vehicle number using vehicle detailed information identification training data including a plurality of vehicle images.

이때 상기 인공지능 교통 분석 모듈(200)은, 차량 식별 훈련 데이터를 이용하여 학습할 시, 학습 훈련, 검증, 테스트를 포함하는 교차 검증 단계를 진행하고, 각 평가 단계를 진행하면서 상기 인공지능 교통 분석 모듈(200)의 차량 식별 정밀도(Precision)와 재현율(Recall) 측정 과정을 진행하여 학습하는 것을 특징으로 한다.At this time, the AI traffic analysis module 200 performs a cross-validation step including learning training, verification, and testing when learning using vehicle identification training data, and performs the AI traffic analysis while performing each evaluation step. It is characterized in that the learning by proceeding the vehicle identification precision (Precision) and recall (Recall) measurement process of the module (200).

이에 따라, 상기 인공지능 교통 분석 모듈(200)은 상기와 같은 학습 과정이 진행된 이후에는, 상기 하나 이상의 교통카메라(100)에서 촬영한 영상이 인공지능 교통 분석 모듈(200)로 입력되면, 상기 인공지능 교통 분석 모듈(200)은 기 학습된 데이터를 기반으로 촬영 영상 내 차량 객체를 인식함과 동시에, 차량 전면, 후면을 식별하여 검출하게 되는 것이다.Accordingly, the artificial intelligence traffic analysis module 200 is, after the learning process as described above, when the images captured by the one or more traffic cameras 100 are input to the artificial intelligence traffic analysis module 200, the artificial intelligence The intelligent traffic analysis module 200 recognizes a vehicle object in a captured image based on pre-learned data, and at the same time identifies and detects the front and rear surfaces of the vehicle.

차량 개수 산출부(210)는, 촬영한 영상 내 검출된 하나 이상의 차량의 전면 및 후면 객체를 이용하여, 도로 내 진입 및 진출 차량들의 개수를 산출하도록 구성하게 된다.The vehicle number calculation unit 210 is configured to calculate the number of vehicles entering and exiting the road by using the front and rear objects of one or more vehicles detected in the captured image.

상기 차량 개수 산출부(210)는, 인공지능 교통 분석 모듈(200)에서 검출한 차량 객체 중 차량의 전면 및 후면으로 분류된 검출 차량의 개수를 산출하기 위한 구성이다.The vehicle number calculation unit 210 is configured to calculate the number of detected vehicles classified into the front and rear of the vehicle among the vehicle objects detected by the AI traffic analysis module 200 .

즉, 상기 차량 개수 산출부(210)는, 도 2에 도시된 바와 같이 상기 인공지능 교통 분석 모듈(200)에서 상기 교통카메라(100)에서 촬영한 영상 내 차량을 검출하고, 차량의 전면 및 후면을 구분하되, 도로 내 진입 차량 및 진출 차량을 각각 분류하여 검출하게 되는데, 인공지능 교통 분석 모듈(200)에서 분류 검출한 도로 내 진입 차량 및 진출 차량을 각각 개수를 산출하게 되는 것이다.That is, the vehicle number calculation unit 210 detects a vehicle in the image captured by the traffic camera 100 in the AI traffic analysis module 200 as shown in FIG. 2 , and the front and rear surfaces of the vehicle However, the vehicles entering and exiting the road are classified and detected, respectively, and the number of vehicles entering and exiting the road that is classified and detected by the AI traffic analysis module 200 is calculated.

결과적으로, 삼거리 이상의 교차로에서 각 도로에 대한 진입 및 진출 차량 개수가 산출되면, 이를 기반으로 교차로의 전체적인 교통 상황을 판단할 수 있게 된다.As a result, when the number of vehicles entering and exiting each road is calculated at an intersection of three or more intersections, it is possible to determine the overall traffic condition of the intersection based on this.

인공지능 신호 제어 모듈(300)은, 상기 인공지능 교통 분석 모듈(200)의 차량 개수 산출부(210)에서 산출한 도로 내 진입 및 진출 차량 개수를 이용하여 도로 내 교통 상황을 판단하고, 판단한 교통 상황에 맞추어 차량 신호등(10) 신호의 점멸 시간을 제어하게 된다.The artificial intelligence signal control module 300 uses the number of vehicles entering and exiting the road calculated by the vehicle number calculation unit 210 of the AI traffic analysis module 200 to determine the traffic situation on the road, and the determined traffic The blinking time of the vehicle traffic light 10 signal is controlled according to the situation.

상기 인공지능 신호 제어 모듈(300)은,The artificial intelligence signal control module 300,

상기 차량 개수 산출부(210)에서 산출한 도로 내 진입 및 진출 차량들의 개수에 따라, 도로 내 교통 혼잡을 해소시키기 위한 도로 내 위치한 하나 이상의 차량 신호등(10)에서 점멸하는 신호의 개방 시간을 포함한 신호등 제어신호를 생성하고, 생성한 신호등 제어신호를 이용하여 차량 신호등(10)의 '녹색', '주황색', '적색' 각각의 점멸 시간을 제어하는 것을 특징으로 한다.According to the number of vehicles entering and exiting the road calculated by the vehicle number calculation unit 210, the traffic light including the opening time of the blinking signal in one or more vehicle traffic lights 10 located in the road for resolving traffic congestion on the road It is characterized in that a control signal is generated, and each blinking time of 'green', 'orange', and 'red' of the vehicle traffic light 10 is controlled by using the generated traffic light control signal.

상기 인공지능 신호 제어 모듈(300)은, 상기 서술한것과 같이 차량 신호등(10)의 신호 점멸 시간을 제어하기 위하여, 도로 내 교통 상황을 판단하고, 차량 신호등(10) 신호의 점멸 시간을 제어하여 교통 상황을 원활하게 하도록 학습된 것을 특징으로 한다.The artificial intelligence signal control module 300, as described above, in order to control the signal blinking time of the vehicle traffic light 10, determine the traffic situation in the road, and control the blinking time of the vehicle traffic light 10 signal It is characterized in that it has been learned to facilitate the traffic situation.

상기 인공지능 신호 제어 모듈(300) 학습에 대하여 설명하면, 도로 내에서 발생될 수 있는 교통 상황 및 교통량을 포함하는 훈련 데이터를 입력시키고, 입력된 훈련 데이터의 상황에 맞추어, 현 교통량 및 교통량에 따른 교통 상황을 판단하고, 교통량에 따른 교통 상황을 원활이 하기 위한 행동을 실시하도록 하며, 실시한 결과에 따른 리워드(reward)와 패널티(penalty)를 부가함으로써 신호제어 정책(policy)을 수립할 수 있도록 학습시키는 것을 특징으로 한다.When explaining the learning of the artificial intelligence signal control module 300, training data including traffic conditions and traffic volumes that may be generated in the road are input, and according to the situation of the input training data, according to the current traffic volume and traffic volume. Learn to establish a signal control policy by judging traffic conditions, taking actions to facilitate traffic conditions according to traffic volume, and adding rewards and penalties according to the results characterized by doing.

구체적으로 교통상황을 원활히 하기 위한 행동은, 일정시간 동안 도로 내의 통행량이 최대로 되거나, 전체 차량의 통행 대기시간이 최소화 되도록 신호 제어 하는 것을 의미할 수 있다.Specifically, the action for smoothing the traffic situation may mean controlling the signal so that the amount of traffic on the road is maximized for a certain period of time or the waiting time of all vehicles is minimized.

이에 따라, 상기 인공지능 신호 제어 모듈(300)은, 상기 학습 과정을 통하여 삼거리 이상의 도로에 대한 교통량 및 교통량에 따른 교통 상황을 판단하고, 교통량에 따른 교통 상황을 원활이 하도록 도로 내 하나 이상의 차량 신호등(10) 신호의 점멸 시간을 제어하게 되는 것이다.Accordingly, the artificial intelligence signal control module 300 determines the traffic conditions according to the traffic volume and traffic volume for the three-way or more road through the learning process, and one or more vehicle traffic lights on the road to facilitate the traffic conditions according to the traffic volume (10) It will control the blinking time of the signal.

한편, 인공지능 교통 분석 모듈(200)과 인공지능 신호 제어 모듈(300)은 뉴럴넷(Neural Netork)으로 구성되며, 필요에 따라 다양한 형태의 뉴럴넷(Neural Netork)이 적용될 수 있다.On the other hand, the artificial intelligence traffic analysis module 200 and the artificial intelligence signal control module 300 are composed of a neural net, and various types of neural nets may be applied as needed.

영상 전처리 모듈(400)은, 상기 인공지능 교통 분석 모듈(200)에서 상기 교통카메라(100)에서 촬영한 영상을 이용하여 차량 검출을 실시할 시, 인공지능 교통 분석 모듈(200)의 검출률을 향상시키기 위하여, 상기 교통카메라(100)에서 촬영한 원본 영상을 분할하고, 분할된 영상을 인공지능 교통 분석 모듈(200)로 입력시키도록 구성하게 된다.The image pre-processing module 400 improves the detection rate of the AI traffic analysis module 200 when the AI traffic analysis module 200 detects a vehicle using the image captured by the traffic camera 100 . In order to do this, the original image captured by the traffic camera 100 is divided, and the divided image is input to the artificial intelligence traffic analysis module 200 .

일반적으로 교통카메라(100)에서 촬영되는 영상의 해상도는, 설치된 교통카메라(100)에서 지원되는 해상도에 따라 각각 차이가 있다.In general, the resolution of the image taken by the traffic camera 100 is different depending on the resolution supported by the installed traffic camera 100, respectively.

이에 따라, 상기 교통카메라(100)에서 촬영되는 영상의 해상도에 따라 상기 인공지능 교통 분석 모듈(200)에서 각 영상에 대하여 분석을 실시할 시, 촬영 영상의 해상도가 각각 상이하기 때문에 차량 검출에 대한 신뢰도가 저하되는 문제가 있음과 동시에, 검출 속도 또한 저하될 수 있는 문제가 있다.Accordingly, when the AI traffic analysis module 200 analyzes each image according to the resolution of the image captured by the traffic camera 100, the resolution of the captured image is different. While there is a problem that reliability is lowered, there is a problem that the detection speed may also be lowered.

이에 대하여 상기 영상 전처리 모듈(400)에서, 상기 교통카메라(100)에서 촬영한 영상에 대하여, 상기 인공지능 교통 분석 모듈(200)에서 검출하기 위한 맞춤 해상도로 다중 분할하고, 분할한 영상을 상기 인공지능 교통 분석 모듈(200)로 입력시켜 검출 과정을 실시하게 되는 것이다.In contrast, in the image pre-processing module 400, the image captured by the traffic camera 100 is multi-segmented into a custom resolution for detection by the artificial intelligence traffic analysis module 200, and the divided image is divided into the artificial It is input to the intelligent traffic analysis module 200 to carry out the detection process.

이에 따라, 상기 인공지능 교통 분석 모듈(200)에 입려되는 영상의 해상도는 획일화되어 검출 결과의 신뢰도가 향상됨과 동시에, 각 영상에 대한 검출 처리 속도가 향상되는 효과가 제공되는 것이다.Accordingly, the resolution of the image applied to the artificial intelligence traffic analysis module 200 is uniform, so that the reliability of the detection result is improved, and the detection processing speed for each image is improved.

상기 영상 전처리 모듈(400)은,The image pre-processing module 400,

상기 교통카메라(100)에서 촬영한 원본 영상을 분할할 시, 관심영역을 설정하고, 원본 영상 내에서 설정된 관심영역이 포함되어 있는 부분을 2 내지 6개로 분할하여 분할 영상을 생성하는 것을 특징으로 한다.When dividing the original image taken by the traffic camera 100, the region of interest is set, and the portion including the region of interest set in the original image is divided into 2 to 6 to generate a divided image. .

이때, 상기 영상 전처리 모듈(400)은, 분할한 하나 이상의 분할 영상 각각에 대하여, 상기 인공지능 교통 분석 모듈(200)에서 상기 분할 영상을 이용하여 차량을 인식 검출할 시, 인식률 저하를 방지하기 위하여 해상도를 조정하는 해상도 조절부(410)를 더 포함하는 것을 특징으로 한다.At this time, the image pre-processing module 400, for each of the divided one or more divided images, when the artificial intelligence traffic analysis module 200 recognizes and detects a vehicle using the divided image, in order to prevent a decrease in the recognition rate. It characterized in that it further comprises a resolution adjusting unit 410 for adjusting the resolution.

이에 따라, 상기 인공지능 교통 분석 모듈(200)은 상기 교통카메라(100)에서 촬영한 영상 원본을 이용하여 차량 검출을 실시하는 것이 아닌 상기 영상 전처리 모듈(400)에서 분할한 각각의 분할 영상에 대하여 차량 검출을 실시하게 되는 것이다.Accordingly, the artificial intelligence traffic analysis module 200 does not perform vehicle detection using the original image captured by the traffic camera 100, but for each segmented image divided by the image pre-processing module 400 Vehicle detection will be performed.

상기 해상도 조절부(410)는, 상기 영상 전처리 모듈(400)에서 다중 분할한 상기 인공지능 교통 분석 모듈(200)로 입력시키는 영상 중 해상도를 획일화 시키기 위하여, 각 분할 영상 간의 해상도가 획일화 되도록 각 영상의 해상도를 맞추어 조정하는 것이다.The resolution adjusting unit 410, in order to uniform the resolution among the images input to the AI traffic analysis module 200 multi-segmented by the image pre-processing module 400, so that the resolution between each divided image is uniform. Adjusting the resolution of each video.

즉, 상기 서술한 것과 같이 상기 인공지능 교통 분석 모듈(200)에 입력되는 하나 이상의 분할 영상 각각의 해상도가 획일화 되지 않을 시, 상기 인공지능 교통 분석 모듈(200)에서 각 분할 영상에 대한 차량 검출 결과의 신뢰도가 저하되고, 검출 속도 또한 저하되는 문제가 있어 이를 해결하기 위하여, 각 분할 영상의 해상도를 획일화 되도록 상기 영상 전처리 모듈(400)에서 원본 영상을 분할하되, 다중 분할한 영상 중 해상도가 상이한 분할 영상을 판단하여 해당 분할 영상의 해상도를 타 분할 영상과 동일하도록 조정하게 되는 것이다.That is, when the resolution of each of the one or more segmented images input to the artificial intelligence traffic analysis module 200 is not uniform as described above, the artificial intelligence traffic analysis module 200 detects a vehicle for each segmented image. In order to solve the problem that the reliability of the result is lowered and the detection speed is also lowered, the original image is divided in the image pre-processing module 400 so that the resolution of each segmented image is uniform, but the resolution among the multi-segmented images is By determining different split images, the resolution of the split image is adjusted to be the same as that of other split images.

일반적으로 날씨의 영향으로 인하여 시야 확보가 불안정해지는 경우가 있는데, 이는 상기 교통카메라(100)도 같은 영향을 받아 안개, 폭우 등에 의하여 교통카메라(100)에서 도로 내 영상을 촬영이 용이하지 못하여 촬영된 영상 내 차량을 상기 인공지능 교통 분석 모듈(200)에서 검출하는데 어려운 문제가 발생함과 동시에, 상기 인공지능 신호 제어 모듈(300)에서 차량 신호등(10)의 신호 제어에 오류가 발생되어 차량 통행 혼잡이 야기되는 문제가 발생할 수 있다.In general, there is a case in which visibility is unstable due to the influence of weather. This is because the traffic camera 100 is also affected in the same way and it is not easy to take an image on the road by the traffic camera 100 due to fog, heavy rain, etc. At the same time, a difficult problem occurs in detecting a vehicle in the image by the artificial intelligence traffic analysis module 200, and an error occurs in the signal control of the vehicle traffic light 10 in the artificial intelligence signal control module 300, resulting in vehicle traffic congestion This can cause problems.

이를 해결하기 위하여 본 발명인 인공지능 기반 지능형 교통제어 시스템은,In order to solve this problem, the present invention artificial intelligence-based intelligent traffic control system,

상기 인공지능 교통 분석 모듈(200)에서 촬영 영상에 대한 차량 검출 결과를 획득하고, 획득한 차량 검출 결과를 분석하여 차량 검출 오류 여부를 판단하되, 차량 검출 오류가 없을 시 상기 인공지능 교통 분석 모듈(200)의 차량 검출 결과를 상기 인공지능 신호 제어 모듈(300)로 입력시키고, 차량 검출 오류가 발생되었을 시 리셋 신호를 생성하여 신호 제어 리셋 모듈(600)로 입력시키는 검출 오류 판단 모듈(500),The artificial intelligence traffic analysis module 200 obtains a vehicle detection result for the captured image, and analyzes the obtained vehicle detection result to determine whether there is a vehicle detection error, but when there is no vehicle detection error, the AI traffic analysis module ( 200), a detection error determination module 500 that inputs the vehicle detection result to the artificial intelligence signal control module 300, generates a reset signal when a vehicle detection error occurs, and inputs it to the signal control reset module 600,

상기 검출 오류 판단 모듈(500)로부터 리셋 신호를 획득하되, 리셋 신호를 획득하였을 시, 차량 신호등(10)의 신호 점멸 시간을 기본 신호 점멸 주기로 복구시켜 차량 신호등(10)의 신호 점멸 시간을 제어하는 신호 제어 리셋 모듈(600)을 더 포함하는 것을 특징으로 한다.A reset signal is obtained from the detection error determination module 500, but when the reset signal is obtained, the signal flashing time of the vehicle traffic light 10 is restored to the basic signal flashing cycle to control the signal flashing time of the vehicle traffic light 10 It is characterized in that it further comprises a signal control reset module (600).

상기 신호 제어 리셋 모듈(600)은, 상기 교통카메라(100)에서 촬영한 영상이 안개, 빗물 또는 오물에 의하여 화질이 저하되어 객체 검출이 곤란하거나, 교통카메라(100)가 파손되어 영상 촬영이 불가하는 등의 문제가 발생하였을 시, 신호등을 설치할 때 설정한 기존의 신호등 점멸 시간 주기로 차량 신호등(10)을 복구시키는 것으로, 촬영 영상의 화질 저하나, 교통량 또는 교통 상황 판단이 불가하여 현 교통 상황에 따른 교통 혼잡 해소를 위한 신호등 점멸 시간을 상기 인공지능 신호 제어 모듈(300)에서 판단할 수 없으므로, 기본 신호 점멸 주기로 차량 신호등(10)의 점멸 시간을 복구시켜 제어를 실시하도록 하기 위한 구성이다.The signal control reset module 600, the image taken by the traffic camera 100 is degraded by fog, rain or dirt, making it difficult to detect an object, or the traffic camera 100 is damaged so that it is impossible to take an image When a problem occurs, such as, by restoring the vehicle traffic light 10 with the existing traffic light blinking time period set when the traffic light is installed, the quality of the captured image or the traffic volume or traffic condition cannot be determined, so the current traffic situation is not affected. Since the artificial intelligence signal control module 300 cannot determine the flashing time of the traffic light for resolving traffic congestion, it is configured to restore the flashing time of the vehicle traffic light 10 to the basic signal flashing cycle to perform control.

상기 인공지능 교통 분석 모듈(200)은, 지도학습(Supervised Learning) 방식으로 학습시키는 것을 특징으로 한다.The artificial intelligence traffic analysis module 200 is characterized in that it learns in a supervised learning method.

이는 상기 서술한 것과 같이, 상기 인공지능 교통 분석 모듈(200)은, 지도학습(Supervised Learning) 방식으로 차량 식별 훈련 데이터를 이용하여 학습할 시, 학습 훈련, 검증, 테스트를 포함하는 교차 검증 단계를 진행하고, 각 평가 단계를 진행하면서 상기 인공지능 교통 분석 모듈(200)의 차량 식별 정밀도(Precision)와 재현율(Recall) 측정 과정을 진행하여 학습하게 됨으로써, 상기 인공지능 교통 분석 모듈(200)은 상기와 같은 학습 과정이 진행된 이후에, 상기 하나 이상의 교통카메라(100)에서 촬영한 영상이 인공지능 교통 분석 모듈(200)로 입력되면, 상기 인공지능 교통 분석 모듈(200)은 기 학습된 데이터를 기반으로 촬영 영상 내 차량 객체를 인식함과 동시에, 차량 전면, 후면을 식별하여 검출하게 되는 것이다.As described above, the AI traffic analysis module 200 performs a cross-validation step including learning training, verification, and testing when learning using vehicle identification training data in a supervised learning method. By progressing and learning the vehicle identification precision and recall measurement process of the artificial intelligence traffic analysis module 200 while proceeding with each evaluation step, the artificial intelligence traffic analysis module 200 is the After the learning process as described above, when the image captured by the one or more traffic cameras 100 is input to the artificial intelligence traffic analysis module 200, the artificial intelligence traffic analysis module 200 is based on the previously learned data. It recognizes the vehicle object in the captured image and at the same time identifies and detects the front and rear of the vehicle.

상기 인공지능 신호 제어 모듈(300)은, 강화학습(Reinforcement Learning) 기반으로 학습시키는 것을 특징으로 한다.The artificial intelligence signal control module 300 is characterized in that learning based on reinforcement learning (Reinforcement Learning).

이는 상기 서술한 것과 같이, 상기 인공지능 신호 제어 모듈(300)은 강화학습(Reinforcement Learning) 기반으로 도로 내에서 발생될 수 있는 교통 상황 및 교통량을 포함하는 훈련 데이터를 입력시키고, 입력된 훈련 데이터의 상황에 맞추어, 현 교통량 및 교통량에 따른 교통 상황을 판단하고, 교통량에 따른 교통 상황을 원활이 하기 위한 행동을 실시하도록 하며, 실시한 결과에 따른 리워드(reward)와 패널티(penalty)를 부가함으로써 신호제어 정책(policy)을 수립할 수 있도록 학습시키게 되는 것이다.As described above, the artificial intelligence signal control module 300 inputs training data including traffic conditions and traffic volumes that may be generated in the road based on reinforcement learning, and According to the situation, determine the current traffic volume and traffic conditions according to the traffic volume, take actions to facilitate the traffic conditions according to the traffic volume, and control signals by adding rewards and penalties according to the results You will learn how to set up a policy.

구체적으로 교통상황을 원활히 하기 위한 행동은, 일정시간 동안 도로 내의 통행량이 최대로 되거나, 전체 차량의 통행 대기시간이 최소화 되도록 신호 제어 하는 것을 의미할 수 있다.Specifically, the action for smoothing the traffic situation may mean controlling the signal so that the amount of traffic on the road is maximized for a certain period of time or the waiting time of all vehicles is minimized.

이에 따라, 상기 인공지능 신호 제어 모듈(300)은, 상기 강화학습(Reinforcement Learning) 기반 학습 과정을 통하여 삼거리 이상의 도로에 대한 교통량 및 교통량에 따른 교통 상황을 판단하고, 교통량에 따른 교통 상황을 원활이 하도록 도로 내 하나 이상의 차량 신호등(10) 신호의 점멸 시간을 제어하게 되는 것이다.Accordingly, the artificial intelligence signal control module 300 determines the traffic situation according to the traffic volume and traffic volume for the three-way or more road through the reinforcement learning-based learning process, and smoothly manages the traffic situation according to the traffic volume. To control the blinking time of one or more vehicle traffic lights 10 signals in the road.

상기 서술한 구성에 따른 본 발명 인공지능 기반 지능형 교통제어 시스템은,The present invention artificial intelligence-based intelligent traffic control system according to the above-described configuration,

현재 교통량을 측정하고, 측정된 교통량을 이용하여 현재 교통 상황 및 이후 교통 상황을 예측하고, 자율적으로 교통 신호를 제어할 수 있는 효과가 제공된다.The effect of measuring the current traffic volume, predicting the current traffic situation and future traffic conditions using the measured traffic volume, and autonomously controlling traffic signals is provided.

또한, 신호등을 기준으로 신호등 측으로 유입되는 차량뿐만 아니라 신호등 후방으로 지나가는 차량 및 신호등 후방의 차량을 감지함으로서, 진입 및 진출 차량에 대한 교통량을 측정하여 교통 신호를 제어할 수 있는 효과가 제공된다.In addition, by detecting not only vehicles flowing toward the traffic light based on the traffic light, but also vehicles passing behind the traffic light and vehicles behind the traffic light, the effect of controlling the traffic signal by measuring the amount of traffic for entering and exiting vehicles is provided.

또한, 교차로에서 각 방향의 주행 도로의 교통 상황에 따라 교통 흐름을 동시에 제어할 수 있는 효과가 제공된다.In addition, the effect of simultaneously controlling the traffic flow according to the traffic conditions of the driving road in each direction at the intersection is provided.

전술된 실시 예는 모든 면에서 예시적인 것이며, 한정적인 것이 아닌 것으로 이해되어야 하며, 본 발명의 범위는 전술된 상세한 설명보다는 후술 될 특허청구범위에 의하여 나타내어질 것이다. 그리고 이 특허청구범위의 의미 및 범위는 물론, 그 등가 개념으로부터 도출되는 모든 변경 및 변형 가능한 형태가 본 발명의 범주에 포함되는 것으로 해석되어야 한다.It should be understood that the above-described embodiments are illustrative in all respects and not restrictive, and the scope of the present invention will be indicated by the claims to be described later rather than the above detailed description. And it should be construed that all changes and modifications derived from the meaning and scope of the claims as well as equivalent concepts are included in the scope of the present invention.

10 : 차량 신호등
100 : 교통카메라
200 : 인공지능 교통 분석 모듈
300 : 인공지능 신호 제어 모듈10: vehicle traffic light
100: traffic camera
200: artificial intelligence traffic analysis module
300: artificial intelligence signal control module

Claims (5)

인공지능 기반 지능형 교통제어 시스템에 있어서,
차량 신호등(10) 주변에 설치되어 삼거리 이상의 도로 내에서 주행하는 차량을 실시간 영상을 촬영하는 하나 이상의 교통카메라(100);
상기 하나 이상의 교통카메라(100)에서 촬영한 영상을 이용하여 도로 내 차량의 전면 및 후면 객체를 검출하는 인공지능 교통 분석 모듈(200);
상기 인공지능 교통 분석 모듈(200)은;
촬영한 영상 내에서 검출된 하나 이상의 차량의 전면 및 후면 객체를 이용하여, 도로 내 진입 및 진출 차량들의 개수를 산출하는 차량 개수 산출부(210);를 포함하고,
상기 인공지능 교통 분석 모듈(200)의 차량 개수 산출부(210)에서 산출한 도로 내 진입 및 진출 차량 개수를 이용하여 도로 내 교통 상황을 판단하고, 판단한 교통 상황에 맞추어 차량 신호등(10) 신호의 점멸 시간을 제어하는 인공지능 신호 제어 모듈(300);을 포함하는 인공지능 기반 지능형 교통제어 시스템.
In the artificial intelligence-based intelligent traffic control system,
One or more traffic cameras 100 installed in the vicinity of the vehicle traffic light 10 to capture a real-time image of a vehicle traveling in a three-way or more road;
an artificial intelligence traffic analysis module 200 for detecting front and rear objects of a vehicle on a road using the images captured by the one or more traffic cameras 100;
The artificial intelligence traffic analysis module 200 is;
a vehicle number calculation unit 210 for calculating the number of vehicles entering and exiting the road by using the front and rear objects of one or more vehicles detected in the captured image;
The number of vehicles entering and exiting the road calculated by the vehicle number calculation unit 210 of the AI traffic analysis module 200 is used to determine the traffic situation on the road, and the vehicle traffic light 10 signal Artificial intelligence-based intelligent traffic control system comprising a; artificial intelligence signal control module 300 for controlling the blinking time.
 제 1항에 있어서,
상기 인공지능 신호 제어 모듈(300)은,
상기 차량 개수 산출부(210)에서 산출한 도로 내 진입 및 진출 차량들의 개수에 따라, 도로 내 교통 혼잡을 해소시키기 위한 도로 내 위치한 하나 이상의 차량 신호등(10)에서 점멸하는 신호의 개방 시간을 포함한 신호등 제어신호를 생성하고, 생성한 신호등 제어신호를 이용하여 차량 신호등(10)의 '녹색', '주황색', '적색' 각각의 점멸 시간을 제어하는 것을 특징으로 하는 인공지능 기반 지능형 교통제어 시스템.
The method of claim 1,
The artificial intelligence signal control module 300,
According to the number of vehicles entering and exiting the road calculated by the vehicle number calculation unit 210, the traffic light including the opening time of the blinking signal in one or more vehicle traffic lights 10 located in the road for resolving traffic congestion on the road Artificial intelligence-based intelligent traffic control system, characterized in that it generates a control signal and controls the blinking time of each of 'green', 'orange', and 'red' of the vehicle traffic light 10 using the generated traffic light control signal.
 제 1항에 있어서,
상기 인공지능 교통 분석 모듈(200)에서 상기 교통카메라(100)에서 촬영한 영상을 이용하여 차량 검출을 실시할 시, 인공지능 교통 분석 모듈(200)의 검출률을 향상시키기 위하여, 상기 교통카메라(100)에서 촬영한 원본 영상을 분할하고, 분할된 영상을 인공지능 교통 분석 모듈(200)로 입력시키는 영상 전처리 모듈(400);을 더 포함하는 것을 특징으로 하는 인공지능 기반 지능형 교통제어 시스템.
The method of claim 1,
In order to improve the detection rate of the AI traffic analysis module 200 when the AI traffic analysis module 200 detects a vehicle using the image captured by the traffic camera 100, the traffic camera 100 ) segmenting the original image taken in, and an image preprocessing module 400 for inputting the divided image to the artificial intelligence traffic analysis module 200; AI-based intelligent traffic control system further comprising a.
 제 1항에 있어서,
상기 교통카메라(100)는 도로의 개수에 따라 동일하도록 각 도로에 1:1 대응되어 구성하게 되는 것을 특징으로 하는 인공지능 기반 지능형 교통제어 시스템.
The method of claim 1,
The traffic camera 100 is an artificial intelligence-based intelligent traffic control system, characterized in that it is configured to correspond to each road 1:1 so that it is the same according to the number of roads.
 제 1항에 있어서,
상기 인공지능 교통 분석 모듈(200)은, 지도학습(Supervised Learning) 방식으로 학습시키고,
상기 인공지능 신호 제어 모듈(300)은, 강화학습(Reinforcement Learning) 기반으로 학습시키는 것을 특징으로 하는 인공지능 기반 지능형 교통제어 시스템.
The method of claim 1,
The artificial intelligence traffic analysis module 200 is trained in a supervised learning method,
The artificial intelligence signal control module 300, artificial intelligence-based intelligent traffic control system, characterized in that learning based on reinforcement learning (Reinforcement Learning).
KR1020190162534A 2019-12-09 2019-12-09 Intelligent Traffic Control System Based on Artificial Intelligence KR102305107B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190162534A KR102305107B1 (en) 2019-12-09 2019-12-09 Intelligent Traffic Control System Based on Artificial Intelligence

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190162534A KR102305107B1 (en) 2019-12-09 2019-12-09 Intelligent Traffic Control System Based on Artificial Intelligence

Publications (2)

Publication Number Publication Date
KR20210072326A true KR20210072326A (en) 2021-06-17
KR102305107B1 KR102305107B1 (en) 2021-09-27

Family

ID=76603653

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190162534A KR102305107B1 (en) 2019-12-09 2019-12-09 Intelligent Traffic Control System Based on Artificial Intelligence

Country Status (1)

Country Link
KR (1) KR102305107B1 (en)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100218896B1 (en) * 1990-04-27 1999-09-01 가나이 쓰도무 Method and apparatus for measuring traffic flow
KR101696881B1 (en) * 2016-01-06 2017-01-17 주식회사 씨티아이에스 Method and apparatus for analyzing traffic information
KR20170074076A (en) * 2015-12-21 2017-06-29 동국대학교 산학협력단 Method and system for adaptive traffic signal control
KR20170123457A (en) * 2016-04-29 2017-11-08 김기한 Intelligent traffic light control method and controller by vision image analysis
KR101969064B1 (en) 2018-10-24 2019-04-15 주식회사 블루시그널 Method of predicting road congestion based on deep learning and controlling signal and server performing the same
JP2019079199A (en) * 2017-10-23 2019-05-23 株式会社豊田中央研究所 Signal switching control device, signal switching control method and signal switching control program

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100218896B1 (en) * 1990-04-27 1999-09-01 가나이 쓰도무 Method and apparatus for measuring traffic flow
KR20170074076A (en) * 2015-12-21 2017-06-29 동국대학교 산학협력단 Method and system for adaptive traffic signal control
KR101696881B1 (en) * 2016-01-06 2017-01-17 주식회사 씨티아이에스 Method and apparatus for analyzing traffic information
KR20170123457A (en) * 2016-04-29 2017-11-08 김기한 Intelligent traffic light control method and controller by vision image analysis
JP2019079199A (en) * 2017-10-23 2019-05-23 株式会社豊田中央研究所 Signal switching control device, signal switching control method and signal switching control program
KR101969064B1 (en) 2018-10-24 2019-04-15 주식회사 블루시그널 Method of predicting road congestion based on deep learning and controlling signal and server performing the same

Also Published As

Publication number Publication date
KR102305107B1 (en) 2021-09-27

Similar Documents

Publication Publication Date Title
US11823573B2 (en) Signal control apparatus and signal control method based on reinforcement learning
CN107766821B (en) Method and system for detecting and tracking full-time vehicle in video based on Kalman filtering and deep learning
KR100969995B1 (en) System of traffic conflict decision for signalized intersections using image processing technique
KR102485480B1 (en) A method and apparatus of assisting parking by creating virtual parking lines
KR20180025591A (en) Control method and apparatus of vision sensor for automatic driving car
CN112078592B (en) Method and device for predicting vehicle behavior and/or vehicle track
CN114781479A (en) Traffic incident detection method and device
CN106650730A (en) Turn signal lamp detection method and system in car lane change process
KR20210074961A (en) Road traffic information analyzing method by using drone shooting video and device using thereof
KR20200141834A (en) Apparatus and method for image based traffic signal control
KR20220035854A (en) Validation of a camera cleaning system
US20220324470A1 (en) Monitoring of an ai module of a vehicle driving function
JP7225993B2 (en) Same vehicle determination device, same vehicle determination method and program
CN112232257B (en) Traffic abnormality determination method, device, equipment and medium
CN111976585A (en) Projection information recognition device and method based on artificial neural network
KR102305107B1 (en) Intelligent Traffic Control System Based on Artificial Intelligence
CN113361299B (en) Abnormal parking detection method and device, storage medium and electronic equipment
CN117456479A (en) Method and device for detecting abnormal driving behavior of vehicle based on optical flow estimation
CN116434180A (en) Lighting state recognition device, lighting state recognition method, and computer program for recognizing lighting state
CN116368052A (en) Method for evaluating the environment of a motor vehicle
CN103218916B (en) Method and system for detecting red light running based on complex high-dynamic environmental modeling
KR20200119363A (en) Apparatus for recognizing lamp state of peripheral vehicle and method thereof
JP2020119526A (en) Main object selection for assist function or automatic driving function of driver assist system or driving system of power vehicle
Padmavathi et al. Vision based vehicle counting for traffic congestion analysis during night time
CN118015567B (en) Lane dividing method and related device suitable for highway roadside monitoring

Legal Events

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