KR20220153247A - 블랙아이스 모니터링 시스템 - Google Patents

블랙아이스 모니터링 시스템 Download PDF

Info

Publication number
KR20220153247A
KR20220153247A KR1020210060566A KR20210060566A KR20220153247A KR 20220153247 A KR20220153247 A KR 20220153247A KR 1020210060566 A KR1020210060566 A KR 1020210060566A KR 20210060566 A KR20210060566 A KR 20210060566A KR 20220153247 A KR20220153247 A KR 20220153247A
Authority
KR
South Korea
Prior art keywords
road
black ice
data
occurrence
detecting
Prior art date
Application number
KR1020210060566A
Other languages
English (en)
Other versions
KR102713804B1 (ko
Inventor
김덕곤
Original Assignee
김덕곤
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 김덕곤 filed Critical 김덕곤
Priority to KR1020210060566A priority Critical patent/KR102713804B1/ko
Publication of KR20220153247A publication Critical patent/KR20220153247A/ko
Priority to KR1020240132367A priority patent/KR20240148787A/ko
Application granted granted Critical
Publication of KR102713804B1 publication Critical patent/KR102713804B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
    • G01K1/00—Details of thermometers not specially adapted for particular types of thermometer
    • G01K1/02—Means for indicating or recording specially adapted for thermometers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/044—Recurrent networks, e.g. Hopfield networks
    • 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
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/0464—Convolutional networks [CNN, ConvNet]
    • 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
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/049—Temporal neural networks, e.g. delay elements, oscillating neurons or pulsed inputs
    • 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
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B7/00—Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00
    • G08B7/06—Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00 using electric transmission, e.g. involving audible and visible signalling through the use of sound and light sources
    • 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
    • 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
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F21—LIGHTING
    • F21Y—INDEXING SCHEME ASSOCIATED WITH SUBCLASSES F21K, F21L, F21S and F21V, RELATING TO THE FORM OR THE KIND OF THE LIGHT SOURCES OR OF THE COLOUR OF THE LIGHT EMITTED
    • F21Y2115/00—Light-generating elements of semiconductor light sources
    • F21Y2115/10—Light-emitting diodes [LED]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Atmospheric Sciences (AREA)
  • Medical Informatics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Databases & Information Systems (AREA)
  • Traffic Control Systems (AREA)

Abstract

본 발명은 블랙아이스 모니터링 시스템에 관한 것으로, 도로의 표면을 촬영한 CCTV영상 및 도로의 상태나 도로 주변의 기상상태를 측정한 복수의 센서데이터의 증감패턴을 통해 블랙아이스의 생성을 감지하여 시각적 혹은 청각적 수단을 포함한 다양한 경고를 표시함으로써 블랙아이스로 인한 사고를 미연에 방지할 수 있도록 하는 시스템 및 그 방법에 관한 것으로, CCTV, LED 조명등, 교통신호등 또는 이들의 조합과 연계 혹은 일체로 구성한 블랙아이스 모니터링 시스템 및 그 방법에 관한 것이다.

Description

블랙아이스 모니터링 시스템{SYSTEM FOR MONITORING BLACK ICE}
본 발명은 블랙아이스 모니터링 시스템에 관한 것으로, 더욱 상세하게는 도로의 표면을 촬영한 CCTV영상 및 도로의 상태나 도로 주변의 기상상태를 측정한 복수의 센서데이터를 통해 블랙아이스의 생성을 감지하여 시각적 혹은 청각적 수단을 포함한 다양한 경고를 표시함으로써 블랙아이스로 인한 사고를 미연에 방지할 수 있도록 하는 시스템 및 그 방법에 관한 것으로, CCTV, LED 조명등, 교통신호등 또는 이들의 조합과 연계 혹은 일체로 구성한 블랙아이스 모니터링 시스템 및 그 방법에 관한 것이다.
블랙아이스(black ice)는 겨울철에 눈이나 비가 아스팔트 도로의 틈새로 스며들었다가 도로 주변의 먼지와 같이 결빙되면서 생기는 빙판을 의미한다. 이러한 블랙아이스는 매우 얇고 주변의 색깔과 유사하기 때문에 자동차를 운행하는 운전자가 육안으로 인지하는 것이 매우 어렵다.
또한 블랙아이스는 일반적인 눈길이나 빗길보다 더 많이 미끄럽기 때문에 운전자가 블랙아이스의 존재를 인지하지 못하는 경우 차량 제동이 어렵게 되어 대형 교통사고를 유발할 수 있는 치명적인 문제점을 내포하고 있다.
현재 블랙아이스로 인한 사고를 미연에 방지하기 위한 방법으로는 블랙아이스가 자주 발생되는 곳에 염화칼슘과 같은 제설제를 미리 살포하여 블랙아이스의 생성을 방지하고는 있으나 별도의 인력이 투입되어야 하며, 비용 또한 많이 소모되는 문제점이 있다.
이러한 문제점을 해결하기 위해 최근에는 열화상 카메라를 이용하여 블랙아이스의 생성을 감지하는 기술에 대한 연구가 진행되고 있다.
열화상 카메라를 이용하여 블랙아이스를 감지하는 종래의 기술은 물의 비열이 아스팔트 도로보다 높고, 아스팔트 도로 상에서 물이 빙결될 때 발생하는 응고열에 의해 블랙아이스의 온도가 주변 아스팔트 도로의 온도에 비해 높다는 점에 착안한 기술이다. 그러나 열화상 카메라의 경우 가격이 매우 비싸 블랙아이스를 감지하는 시스템을 구축하는데 많은 비용이 소모되며, 특히 열화상 카메라를 이용하여 블랙아이스를 감지하는 종래의 기술은 블랙아이스와 블랙아이스 주변 아스팔트 도로에 대한 열평형이 이루어지고 나서는 실제 블랙아이스가 존재함에도 불구하고 블랙아이스를 감지하지 못하는 치명적인 문제점이 있다.
이에 따라 본 발명에서는 도로의 표면을 촬영한 영상과 도로의 구조와 환경에 따라 수집한 복수의 센서데이터의 변화를 시계열적으로 모니터링하여 해당 도로에 대한 블랙아이스의 발생을 정밀하게 감지하거나 예측할 수 있도록 하는 방안을 제안하고자 한다.
아울러 본 발명에서는 도로의 구조적 특징과 환경을 고려하여 복수의 센서들의 조합으로 구성한 복합센서모듈을 통해 블랙아이스가 생성되는 일련의 과정을 순차적으로 기록한 시계열의 센서데이터로 구성되는 블랙아이스 생성데이터를 미리 수집하여 각 센서데이터의 증감패턴을 미리 모델링한 블랙아이스 생성모델을 통해 상기 복합센서모듈에서 실제 측정한 센서데이터의 증감패턴과 도로의 표면을 촬영한 영상의 변화를 시계열적으로 모니터링하여 블랙아이스의 발생을 정밀하게 감지하거나 예측할 수 있도록 하는 방안을 제안하고자 한다.
다음으로 본 발명의 기술분야에 존재하는 선행기술에 대하여 간단하게 설명하고, 이어서 본 발명이 상기 선행기술에 비해서 차별적으로 이루고자 하는 기술적 사항에 대해서 기술하고자 한다.
먼저 한국공개특허 제2019-0140272호(2019.12.19.)는 블랙 아이스 감지 장치 및 방법에 관한 것으로, 차량에 탑재되어 도로 노면상의 블랙 아이스를 감지하는 장치로서 차량 운행 중 도로 노면상의 노면온도와 대기의 온도 및 습도를 측정하여 상기 각 노면온도와 대기의 온도 및 습도에 대해 각각 설정한 임계값에 따라 블랙 아이스를 감지하여 차량에 구비된 내비게이션 장치로 출력하는 블랙 아이스 감지 장치 및 방법에 관한 것이다.
그러나 상기 선행기술은 빠르게 운행하는 차량에 탑재되기 때문에 차량에서 측정한 노면온도는 이미 지나간 도로의 온도일 가능성이 매우 높다. 따라서 내비게이션 장치로 출력한 블랙 아이스 감지 결과 역시 이미 지나간 정보일 가능성이 매우 높은 문제점이 있다.
또한 한국등록특허 제2199732호(2020.12.31.)는 레이더 감지에 의한 제설제 자동 살포로 블랙아이스 제거 및 제설 기능을 수행하는 제설제 살포 시스템에 관한 것으로, 레이더를 통해 도로 표면에 전파를 방사하여 도로 표면의 상변화에 의해 산란되어 수신되는 전파의 강도에 따라 도로에 대한 블랙아이스 생성여부를 탐지하는 레이더 감지에 의한 제설제 자동 살포로 블랙아이스 제거 및 제설 기능을 수행하는 제설제 살포 시스템에 관한 것이다. 해당 선행기술은 도로가 건조한 상태, 블랙아이스가 생성된 상태, 도로에 물이 있는 상태에 따라 도로 표면의 유전율과 거칠기 변화를 포함한 상변화에 의해 상이한 강도의 수집되는 산란신호(전파)를 이용하는 것이다. 그러나 상기 선행기술은 가격이 비싼 레이더를 포함하기 때문에 비용이 많이 소모되는 문제점이 있다.
상기에서 살펴본 바와 같이, 선행기술들은 도로에 발생된 블랙아이스를 감지하는 기술에 관한 것이나, 차량에 탑재되어 운행 중 차량에서 블랙아이스의 발생을 감지하거나, 레이더를 이용하여 블랙아이스의 생성여부를 탐지하는 것만 기재하고 있다. 반면에 본 발명은 도로에 설치된 CCTV(혹은 광학카메라) 및 기상상태나 도로의 상태를 측정하기 위한 복합센서모듈을 통해 도로의 표면을 촬영한 영상과 센서데이터를 수집하여, 도로 표면의 상태와 센서데이터의 변화를 시계열적으로 모니터링함으로써 블랙아이스의 발생을 감지하거나 예측하는 것으로 상기 선행기술들은 이러한 본 발명의 기술적 특징을 기재하거나 시사 혹은 그 어떠한 암시도 없다. 따라서 선행기술들과 본 발명은 서로 상이한 기술적 특징을 가진 것이 분명하다.
본 발명은 상기와 같은 문제점을 해결하기 위해 창작 된 것으로서, 광학카메라와 복합센서모듈을 결합하여 블랙아이스를 감지하거나 예측하여 출력하는 블랙아이스 모니터링 시스템을 제공하는 것을 그 목적으로 한다.
또한 본 발명은 광학카메라 대신에 CCTV를 사용함으로써, CCTV와 복합센서모듈을 일체로 결합한 블랙아이스 모니터링 시스템을 제공하는 것을 그 목적으로 한다.
또한 본 발명은 도로의 표면을 촬영한 영상 및 도로의 상태, 기상상태 또는 이들의 조합을 측정한 복수의 센서데이터를 포함하는 도로데이터를 수집하여 상기 도로에 대한 블랙아이스의 발생을 감지하거나 예측함으로써 블랙아이스로 인한 사고를 미연에 방지할 수 있도록 하는 블랙아이스 모니터링 시스템 및 그 방법을 제공하는 것을 그 목적으로 한다.
또한 본 발명은 도로의 표면을 촬영한 영상의 각 프레임과 블랙아이스가 존재할 때 사전에 촬영한 기준영상을 비교하여 유사도를 계산함으로써 블랙아이스의 발생을 감지하는 시스템을 제공하는 것을 또 다른 목적으로 한다.
또한 본 발명은 도로의 구조적 특징과 환경을 고려하여 복합센서모듈을 통해 블랙아이스가 생성될 때의 일련의 과정에 대한 도로의 상태, 기상상태 또는 이들의 조합을 측정한 블랙아이스 생성데이터를 수집하고, 상기 수집한 블랙아이스 생성데이터를 활용하여 상기 복합센서모듈을 통해 실제 측정한 복수의 센서데이터에 대한 변화를 모니터링하여 블랙아이스의 생성을 감지하거나 예측하는 시스템 및 그 방법을 제공하는 것을 목적으로 한다.
또한 본 발명은 블랙아이스 생성데이터에 포함된 복수의 센서데이터에 대한 증감패턴을 미리 모델링한 블랙아이스 생성모델과 복합센서모듈에서 실제 측정한 센서데이터의 증감패턴을 일대일로 비교하여 유사도를 각각 계산하고, 유사도를 계산한 결과에 따라 해당 도로에 대한 블랙아이스가 발생된 것으로 판단하거나, 일정 시간 이후에 블랙아이스가 발생될 것을 예측하는 시스템을 제공하는 것을 그 목적으로 한다.
또한 본 발명은 블랙아이스 생성모델의 전체적인 분포와 복합센서모듈을 통해 실제 측정한 센서데이터의 증감패턴에 대한 전체적인 분포를 비교하여 유사도를 계산하고 상기 유사도를 계산한 결과에 따라 해당 도로에서 블랙아이스가 발생된 것으로 판단하거나, 일정 시간 이후에 블랙아이스가 발생될 것을 예측하는 시스템을 제공하는 것을 그 목적으로 한다.
또한 본 발명은 블랙아이스 생성모델을 기계학습하여 블랙아이스의 발생을 예측하기 위한 인공지능 학습모델을 구조의 구조적 특징에 따라 기계학습하여 블랙아이스의 발생을 예측하기 위한 인공지능 학습모델을 각각 생성하고 복합센서모듈을 통해 실제 측정한 복수의 센서데이터에 대한 증감패턴을 추출하여, 해당 도로의 구조적 특징에 따른 인공지능 학습모델에 적용함으로써 해당 도로에 대한 블랙아이스의 발생을 예측하는 시스템 및 그 방법을 제공하는 것을 목적으로 한다.
또한 본 발명은 블랙아이스의 발생이 감지되거나 예측되면, 해당 도로에 설치된 디지털 사이니지, 스피커, 경광등, LED 조명등, 신호등 또는 이들의 조합을 연계하여 시청각적으로 경고를 운전자에게 제공하여 블랙아이스로 인한 사고를 미연에 방지할 수 있도록 하는 시스템 및 그 방법을 제공하는 것을 목적으로 한다.
본 발명의 일 실시예에 따른 블랙아이스 모니터링 시스템은 블랙아이스의 발생을 모니터링할 도로의 표면을 촬영한 영상 및 도로상태, 기상상태 또는 이들의 조합을 측정하는 복수의 센서를 포함하는 복합센서모듈, 상기 복합센서모듈을 통해서 측정한 도로데이터를 수집하는 도로데이터 수집부 및 상기 수집한 도로데이터를 이용하여 상기 도로에 대한 블랙아이스의 발생을 감지하거나 예측하는 블랙아이스 모니터링부를 포함하며, 상기 영상을 포함한 도로데이터의 변화를 시계열적으로 모니터링하여 블랙아이스의 발생을 감지하거나 예측하는 것을 특징으로 한다.
또한 상기 도로상태는, 상기 복합센서모듈을 통해 측정하는 도로의 표면온도, 하부온도, 도로의 표면에 대한 전도도 또는 이들의 조합을 포함하며, 상기 기상상태는, 상기 도로 주변의 대기온도, 습도, 이슬점 온도, 풍속 또는 이들의 조합을 포함하는 것을 특징으로 한다.
또한 상기 복수의 각 센서데이터를 포함하는 상기 수집한 도로데이터에서 상기 영상의 프레임과 상기 도로상태, 기상상태 또는 이들의 조합은 시계열적으로 서로 동기화되어 측정, 저장 및 분석되도록 관리되는 것을 특징으로 한다.
또한 상기 블랙아이스 모니터링부는, 상기 수집한 도로데이터에 포함된 영상의 각 프레임과 해당 도로에서 블랙아이스가 존재할 경우를 모델링하여 촬영한 기준영상을 비교하여 유사도를 계산하고, 상기 유사도를 계산한 결과 블랙아이스가 생성되었다고 판단하도록 결정하는 소정의 임계값을 초과하는 영상의 프레임을 검출하거나 상기 임계값을 초과할 것으로 예측되는 상기 유사도의 변화 추세를 검출함으로써 해당 도로에 대한 블랙아이스의 발생을 감지 또는 예측하는 것을 포함하는 것을 특징으로 한다.
또한 상기 영상 및 기준영상은 특정 LED 광을 상기 도로의 표면에 조사하고, 이미지 센서에 감광되는 빛의 양이 특정 임계범위로 유지되도록 하여 촬영한 것인 것을 특징으로 한다.
또한 상기 블랙아이스 모니터링부는, 해당 도로의 구조적 특징과 환경에 따라 블랙아이스가 생성되는 조건을 만족하는 상기 도로상태, 기상상태, 또는 이들의 조합을 포함한 센서데이터의 증감패턴을 모델링한 데이터세트와 상기 복합센서모듈을 통해서 실시간으로 측정한 해당 데이터세트의 증감패턴을 비교하여 유사도를 계산한 결과, 소정의 임계값을 초과하는 증감패턴을 가진 센서데이터가 사전에 설정한 개수 이상인 것을 검출하거나, 상기 계산한 유사도의 전체적인 분포가 소정의 임계값을 초과한 것을 검출하거나, 상기 계산한 유사도의 변화 추세를 검출함으로써 해당 도로에 대한 블랙아이스의 발생을 감지 또는 예측하는 것을 특징으로 한다.
또한 상기 블랙아이스 모니터링부는, 해당 도로의 구조적 특징과 환경에 따라 블랙아이스가 생성되는 조건을 만족하는 상기 도로데이터를 모델링한 데이터세트를 입력으로 하여 기계학습을 수행하여 도출한 인공지능 학습모델에 상기 측정한 도로데이터에 대한 데이터세트를 입력하여 해당 학습모델의 출력결과에 따라 해당 도로에 대한 블랙아이스의 발생을 감지하거나 예측하는 것을 더 포함하는 것을 특징으로 한다.
또한 상기 인공지능 학습모델은, 상기 도로데이터에 대한 2차원 데이터세트를 구성하거나, 상기 2차원 데이터세트를 시계열적으로 일정시간 동안 모아서 3차원 데이터세트를 구성하여 CNN 또는 RNN에 입력하여 생성한 CNN 기반 학습모델 또는 RNN기반 학습모델을 포함하는 것을 특징으로 한다.
또한 상기 블랙아이스 모니터링 시스템은, 상기 영상을 촬영하기 위해 CCTV와 연계하거나, 상기 블랙아이스의 발생을 감지하거나 예측하면, 경고신호를 생성하여 해당 도로에 설치된 디지털 사이니지, 스피커, 경광등, LED 조명등, 교통신호등 또는 이들의 조합과 연계하거나, 또는 상기 CCTV, 디지털 사이니지, 스피커, 경광등, LED 조명등, 교통신호등 또는 이들의 조합과 일체로 구성하는 것을 특징으로 한다.
아울러 본 발명의 일 실시예에 따른 블랙아이스 모니터링 방법은, 복합센서모듈을 통해 블랙아이스의 발생을 모니터링할 도로의 표면을 촬영하고, 도로상태, 기상상태 또는 이들의 조합을 측정하는 단계, 상기 복합센서모듈을 통해서 측정한 도로데이터를 수집하는 도로데이터 수집 단계 및 상기 수집한 도로데이터를 이용하여 상기 도로에 대한 블랙아이스의 발생을 감지하거나 예측하는 블랙아이스 모니터링 단계를 포함하며, 상기 영상을 포함한 도로데이터의 변화를 시계열적으로 모니터링하여 블랙아이스의 발생을 감지하거나 예측하는 것을 특징으로 한다.
또한 상기 도로상태는, 상기 복합센서모듈을 통해 측정하는 도로의 표면온도, 하부온도, 도로의 표면에 대한 전도도 또는 이들의 조합을 포함하며, 상기 기상상태는, 상기 도로 주변의 대기온도, 습도, 이슬점 온도, 풍속 또는 이들의 조합을 포함하고, 상기 복수의 각 센서데이터를 포함하는 상기 수집한 도로데이터에서 상기 영상의 프레임과 상기 도로상태, 기상상태 또는 이들의 조합은 시계열적으로 서로 동기화되어 측정, 저장 및 분석되도록 관리되는 것을 특징으로 한다.
또한 상기 블랙아이스 모니터링 단계는, 상기 수집한 도로데이터에 포함된 영상의 각 프레임과 해당 도로에서 블랙아이스가 존재할 경우를 모델링하여 촬영한 기준영상을 비교하여 유사도를 계산하고, 상기 유사도를 계산한 결과 블랙아이스가 생성되었다고 판단하도록 결정하는 소정의 임계값을 초과하는 영상의 프레임을 검출하거나 상기 임계값을 초과할 것으로 예측되는 상기 유사도의 변화 추세를 검출함으로써 해당 도로에 대한 블랙아이스의 발생을 감지 또는 예측하는 것을 포함하는 것을 특징으로 한다.
또한 상기 블랙아이스 모니터링 단계는, 해당 도로의 구조적 특징과 환경에 따라 블랙아이스가 생성되는 조건을 만족하는 상기 도로상태, 기상상태, 또는 이들의 조합을 포함한 센서데이터의 증감패턴을 모델링한 데이터세트와 상기 복합센서모듈을 통해서 실시간으로 측정한 해당 데이터세트의 증감패턴을 비교하여 유사도를 계산한 결과, 소정의 임계값을 초과하는 증감패턴을 가진 센서데이터가 사전에 설정한 개수 이상인 것을 검출하거나, 상기 계산한 유사도의 전체적인 분포가 소정의 임계값을 초과한 것을 검출하거나, 상기 계산한 유사도의 변화 추세를 검출함으로써 해당 도로에 대한 블랙아이스의 발생을 감지 또는 예측하는 것을 특징으로 한다.
또한 상기 블랙아이스 모니터링 단계는, 해당 도로의 구조적 특징과 환경에 따라 블랙아이스가 생성되는 조건을 만족하는 상기 도로데이터를 모델링한 데이터세트를 입력으로 하여 기계학습을 수행하여 도출한 인공지능 학습모델에 상기 측정한 도로데이터에 대한 데이터세트를 입력하여 해당 학습모델의 출력결과에 따라 해당 도로에 대한 블랙아이스의 발생을 감지하거나 예측하는 것을 더 포함하는 것을 특징으로 한다.
또한 상기 블랙아이스 모니터링 방법은, 상기 영상을 촬영하기 위해 CCTV와 연계하거나, 상기 블랙아이스의 발생을 감지하거나 예측하면, 경고신호를 생성하여 해당 도로에 설치된 디지털 사이니지, 스피커, 경광등, LED 조명등, 교통신호등 또는 이들의 조합과 연계하거나, 또는 상기 CCTV, 디지털 사이니지, 스피커, 경광등, LED 조명등, 교통신호등 또는 이들의 조합과 일체로 구성하는 것을 특징으로 한다.
이와 같이 구성된 본 발명은 블랙아이스의 발생을 모니터링할 도로의 표면을 촬영한 CCTV영상, 도로 표면의 전도도, 온도, 도로 하부 온도 또는 이들의 조합을 포함하는 도로의 상태를 측정한 적어도 하나 이상의 센서데이터나 대기온도, 습도, 이슬점 온도 또는 이들의 조합을 포함하는 도로 주변의 기상상태를 측정한 적어도 하나 이상의 센서데이터를 수집하고, 상기 수집한 CCTV영상과 상기 각 센서데이터를 통해 해당 도로에 대한 블랙아이스의 발생을 정밀하게 감지하거나 예측하여 블랙아이스로 인한 사고를 미연에 방지할 수 있는 효과가 있다.
도 1은 본 발명의 일 실시예에 따른 블랙아이스 모니터링 시스템 및 그 방법을 설명하기 위해 나타낸 개념도이다.
도 2는 본 발명의 일 실시예에 따른 영상을 이용하여 블랙아이스의 발생을 감지하는 과정을 설명하기 위해 나타낸 도면이다.
도 3은 본 발명의 일 실시예에 따른 블랙아이스 생성데이터를 나타낸 도면이다.
도 4는 본 발명의 일 실시예에 따른 도로상태, 기상상태 또는 이들의 조합을 포함하는 센서데이터의 증감패턴을 활용하여 블랙아이스의 발생을 감지하거나 예측하는 과정을 나타낸 도면이다.
도 5는 본 발명의 또 다른 일 실시예에 따른 도로상태, 기상상태 또는 이들의 조합을 포함하는 센서데이터의 증감패턴을 활용하여 블랙아이스의 발생을 감지하거나 예측하는 과정을 나타낸 도면이다.
도 6은 본 발명의 일 실시예에 따른 기계학습을 통해 블랙아이스의 발생을 감지하거나 예측하기 위한 인공지능 학습모델을 생성하는 과정을 나타낸 도면이다.
도 7은 본 발명의 일 실시예에 따른 인공지능 학습모델을 설명하기 위해 나타낸 도면이다.
도 8은 본 발명의 일 실시예에 따른 블랙아이스 모니터링 시스템의 구성을 나타낸 블록도이다.
도 9는 본 발명의 일 실시예에 따른 영상을 이용하여 블랙아이스의 발생을 감지하거나 예측하는 절차를 나타낸 흐름도이다.
도 10은 본 발명의 일 실시예에 따른 도로의 상태, 기상상태 또는 이들의 조합을 포함하는 센서데이터를 이용하여 블랙아이스의 발생을 모니터링하는 절차를 나타낸 도면이다.
도 11은 본 발명의 일 실시예에 따른 인공지능 학습모델을 생성하는 절차와 인공지능 학습모델을 이용하여 블랙아이스의 발생을 모니터링하는 절차를 나타낸 흐름도이다.
이하, 첨부된 도면을 참조하여 본 발명의 다양한 실시예를 상세히 설명하기로 한다. 본 발명의 명세서 또는 출원에 개시되어 있는 일 실시예들에 대해서 특정한 구조적 내지 기능적 설명들은 단지 본 발명에 따른 실시예를 설명하기 위한 목적으로 예시된 것으로, 다르게 정의 되어 있지 않는 한, 기술적이거나 과학적인 용어를 포함해서 본 명세서에서 사용되는 모든 용어들은 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 명세서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 아니한다.
도 1은 본 발명의 일 실시예에 따른 블랙아이스 모니터링 시스템 및 그 방법을 설명하기 위해 나타낸 개념도이다.
도 1에 도시한 바와 같이, 본 발명의 일 실시예에 따른 블랙아이스 모니터링 시스템(100)은 블랙아이스의 발생을 모니터링할 도로(아스팔트 도로)에 설치된 도로데이터 처리 장치(200)를 통해 도로데이터를 수집하여 해당 도로에 대한 블랙아이스의 발생을 감지하거나 예측하여 해당 도로데이터 처리 장치(200)에 연결된 디지털 사이니지, 스피커, 경광등, LED 조명등, 신호등 또는 이들의 조합을 통해 블랙아이스에 대한 경고를 시청각적으로 제공하도록 하여 블랙아이스로 인한 사고를 미연에 방지할 수 있도록 하는 기능을 수행한다.
도로데이터 처리 장치(200)는 도로에 설치되는 구조물(예: CCTV 타워, 혹은 신호등)에 설치될 수 있으며, 도로의 표면을 촬영하는 CCTV(혹은 광학카메라)를 포함하여 복수의 개별 센서들의 조합으로 구성되는 복합센서모듈, 경광등, 디지털 사이니지(미도시), 스피커(미도시), LED 조명등, 신호등 등을 포함하는 경고출력수단과 연결되어 구현된다. 또한 상기 복합센서모듈 및 경고출력수단은 상기 도로데이터 처리 장치(200)에 통합되어 구성될 수 있다.
또한 복합센서모듈은 도로의 표면을 촬영하기 위한 이미지센서(광학카메라(혹은 CCTV)도로의 상태를 측정하기 위한 도로상태 측정센서, 도로 주변의 기상상태를 측정하기 위한 기상상태 측정센서 또는 이들의 조합을 포함하여 구성되며, 상기 각 측정센서는 도로의 구조적 특징과 환경을 고려하여 상기 도로에 각 영역에 분포되어 설치될 수 있다. 여기서 도로상태 측정센서는 도로의 표면 및 하부온도를 측정하는 온도 측정센서, 도로의 표면에 대한 전도도를 측정하는 전도도 측정센서 또는 이들의 조합으로 구성된다. 또한 기상상태 측정센서는 대기온도 측정센서, 습도 측정센서, 이슬점 온도 측정센서, 풍속 측정센서 또는 이들의 조합을 포함하여 구성된다. 다만 본 발명에서는 각 센서의 종류를 한정하지 않으며 블랙아이스의 발생을 감지 혹은 예측하기 위해 필요한 센서로 구성될 수 있다.
또한 도로데이터 처리 장치(200)는 주기적으로 혹은 사전에 설정한 조건이 만족되면 복합센서모듈을 통해 해당 도로의 표면을 촬영한 영상 및 도로의 상태, 기상상태 또는 이들의 조합을 측정한 복수의 센서데이터, 해당 도로의 구조적 특징 및 환경을 포함하여 구성된 도로데이터를 블랙아이스 모니터링 시스템(100)으로 제공하여 블랙아이스의 발생을 감지하거나 예측할 수 있도록 한다. 즉, 도로데이터 처리 장치(200)는 도로의 표면을 실시간으로 촬영한 영상 및 도로의 상태, 기상상태를 또는 이들의 조합을 실시간으로 측정한 센서데이터를 포함하는 도로데이터를블랙아이스 모니터링 시스템(100)으로 제공하는 것이다.
여기서, 사전에 설정한 조건이라 함은 도로의 구조적 특징과 환경(예: 음지여부, 눈온 후, 비온 후, 일출시간대이나 일몰시간대, 낮시간대 또는 야간시간대 등)에 따라 블랙아이스가 생성될 수 있는 조건을 설정한 것이다. 예를 들어, 상기 시간대에서 도로에 살얼음 현상이 나타나기 시작하는 대기온도(영하 1도)와 습도(60%)로 미리 설정해놓고, 강우센서(미도시)나 강설센서(미도시)를 통해 비와 눈이 내린 것이 감지되고 해당 조건에 만족되면 도로데이터 처리 장치(200)는 도로데이터를 블랙아이스 모니터링 시스템(100)으로 전송하도록 구현될 수 있다. 상기 조건은 이에 한정하지 않으며 관리자에 의해 상기 적어도 하나 이상의 각 센서의 측정값을 상기 조건으로 설정할 수 있음은 당연하다.
또한 블랙아이스 모니터링 시스템(100)은 블랙아이스 발생을 모니터링할 도로의 구조적 특성과 환경에 따라 블랙아이스가 생성될 때, 복합센서모듈을 통해 도로의 표면을 촬영한 영상 및 도로의 상태, 기상상태 또는 이들의 조합을 측정한 복수의 센서데이터로 구성된 블랙아이스 생성데이터를 사전에 수집하여 저장한다. 즉, 블랙아이스 모니터링 시스템(100)은 해당 도로의 구조적 특징과 환경에 따라 블랙아이스가 생성되는 조건을 만족하는 도로의 표면을 촬영한 영상, 도로의 상태, 기상상태 또는 이들의 조합을 블랙아이스가 생성될 때까지의 시간의 흐름에 따라 복합센서모듈을 통해 수집한 영상 및 도로의 상태, 기상상태 또는 이들의 조합에 대한 데이터세트를 3차원으로 구성한 시계열의 데이터이다.
블랙아이스 생성데이터는 상기 복합센서모듈을 통해 측정을 수행한 관리자가 구비한 관리자 단말(300)을 통해 수집되거나, 관리자의 제어 하에 도로데이터 처리 장치(200)에서 상기 복합센서모듈을 통해 측정한 블랙아이스 생성데이터를 해당 도로데이터 처리 장치(200)로부터 직접 수집될 수 있다.
또한 블랙아이스 생성데이터는 도로의 구조적 특징과 환경을 고려하여 해당 도로에 설치되는 복합센서모듈을 구성하는 각 센서의 종류, 분포 및 설치장소에 따라 블랙아이스가 생성되는 조건이 달라지므로, 각 도로마다 블랙아이스가 생성되기 전후의 환경에 따라 적어도 하나 이상으로 수집될 수 있다.
또한 도로의 구조적 특징은 도로가 형성된 구조를 의미하는 것으로, 교각, 터널, 음지(음지가 형성된 도로), 경사(경사진 도로), 일반도로, 홀(움푹 파인 곳)이 생성된 도로 또는 이들의 조합을 포함하며, 도로의 환경은 일출시간대, 일몰시간대, 낮시간대, 야간시간대, 비온 후, 눈온 후 또는 이들의 조합을 포함한다.
또한 블랙아이스 모니터링 시스템(100)은 수집한 블랙아이스 생성데이터를 도로의 구조적 특징과 환경에 따라 분류하여 저장 및 관리하며, 상기 블랙아이스 생성데이터는 도로의 구조적 특징과 환경에 따라 적어도 하나 이상으로 수집된다. 한편, 상기 블랙아이스 생성데이터는 도로데이터 처리 장치(200)가 구비된 각 도로별(즉, 블랙아이스의 발생을 모니터링할 도로)로 수집되어 저장된다.
또한 블랙아이스 모니터링 시스템(100)은 수집한 블랙아이스 생성데이터의 도로상태, 기상상태 또는 이들의 조합을 포함한 센서데이터의 증감패턴을 모델링한 데이터세트인 블랙아이스 생성모델을 사전에 저장하여 관리한다. 즉, 블랙아이스 생성모델은 블랙아이스가 생성될 때 측정한 도로의 상태, 기상상태 또는 이들의 조합을 포함한 센서데이터에 대한 증감패턴을 모델링한 데이터세트이다.
또한 블랙아이스 모니터링 시스템(100)은 적어도 하나 이상의 도로데이터 처리 장치(200)를 통해 도로데이터가 수집되면 상기 도로데이터를 이용하여 각 도로에 대한 블랙아이스의 발생을 감지하거나 예측한다.
한편, 블랙아이스의 발생을 감지하는 것과 예측하는 것은 해당 도로에서 블랙아이스가 존재할 경우를 모델링하여 촬영한 기준영상과 블랙아이스 생성데이터의 증감패턴을 모델링하여 저장한 데이터세트(블랙아이스 생성모델)를 활용하여, 실제 도로데이터에 포함된 영상, 도로의 상태, 기상상태 도는 이들의 조합을 시계열적으로 모니터링함으로써 수행된다.
이때, 모니터링은 유사도 계산이나 기계학습을 활용하여 수행되는 것으로, 유사도 계산을 통한 모니터링과 기계학습을 활용한 모니터링은 도 2 및 도 4 내지 도 7을 각각 참조하여 상세히 설명하도록 하며, 블랙아이스 생성데이터는 도 3을 참조하여 설명하도록 한다.
또한 블랙아이스 모니터링 시스템(100)은 블랙아이스의 발생을 감지하거나 예측한 경우, 경고신호를 생성하여 해당 도로데이터 처리 장치(200)로 전송한다.
이때, 도로데이터 처리 장치(200)는 블랙아이스 모니터링 시스템(100)로부터 경고신호가 수신되면 해당 도로데이터 처리 장치(200)에 연결된 디지털 사이니지 통해 사전에 설정한 메시지(예: "블랙아이스 생성 경고/운전주의")를 출력하거나, 경광등을 통해 특정 색깔(예: red)로 점멸하거나, 스피커를 통해 음성으로 출력하거나, LED 조명등(예:색온도 변화, 디밍), 또는 신호등을 황색점멸등 혹은 적색점멸등으로 출력하거나 또는 이들의 조합을 통해 블랙아이스에 대한 경고를 시청각적으로 운전자에게 제공하여 블랙아이스로 인한 사고를 미연에 방지할 수 있도록 한다.
한편 도 1에는 블랙아이스 모니터링 시스템(100)이 별도의 물리적인 서버로 구현되어 블랙아이스를 감지하는 것으로 도시되어 있으나 상기 블랙아이스 모니터링 시스템(100)은 도로데이터 처리 장치(200)에 통합되어 구현될 수 있으며, 이때 도로데이터 처리 장치(200)가 개별적인 도로에 대한 블랙아이스의 생성을 감지하거나 예측하는 블랙아이스 모니터링 시스템(100)이 된다.
즉, 상기에서 설명한 것과 같이 블랙아이스 모니터링 시스템(100)은 블랙아이스의 발생을 모니터링하기 위한 도로의 표면을 촬영하기 위한 CCTV(혹은 광학카메라)와 연계하거나, 해당 도로에 설치된 디지털 사이니지, 스피커, 경광등, LED 조명등, 교통신호등 또는 이들의 조합과 연계하거나, 또는 상기 CCTV(혹은 광학카메라), 디지털 사이니지, 스피커, 경광등, LED 조명등, 교통신호등 또는 이들의 조합과 일체로 구성되어, 해당 도로에 대한 블랙아이스의 발생을 모니터링하여 운전자에게 시청각적으로 경고를 제공할 수 있도록 구현되는 것이다.
도 2는 본 발명의 일 실시예에 따른 영상을 이용하여 블랙아이스의 발생을 감지하는 과정을 설명하기 위해 나타낸 도면이다.
도 2에 도시한 바와 같이, 본 발명의 일 실시예에 따른 블랙아이스 모니터링 시스템(100)은 도로데이터 처리 장치(200)를 통해 수집한 도로데이터의 영상을 이용하여 해당 도로에 대한 블랙아이스의 발생을 감지하거나 예측한다.
이를 위해, 블랙아이스 모니터링 시스템(100)은 해당 도로에 블랙아이스가 존재할 때 혹은 해당 도로에 대해 블랙아이스가 존재할 경우를 모델링하여 해당 도로의 표면을 미리 촬영한 기준영상을 수집하여 저장한다.
또한 블랙아이스 모니터링 시스템(100)은 수집한 도로데이터에 포함된 영상의 각 프레임의 순서에 따라 상기 각 프레임과 해당 도로에 대해 사전에 저장한 기준영상을 순차적으로 비교하여 유사도를 각각 계산한다.
또한 블랙아이스 모니터링 시스템(100)은 유사도를 계산한 결과, 블랙아이스가 생성되었다고 판단하도록 결정하는 사전에 설정한 소정의 임계값을 초과하는 영상의 프레임이 검출되면 해당 도로에서 블랙아이스가 발생한 것으로 판단함으로써 해당 도로에 대한 블랙아이스의 발생을 감지한다.
이때, 블랙아이스의 발생을 정확하게 감지하기 위해, 도로데이터에 포함된 영상과 기준영상은 특정 LED 광(예: 적외선 LED 광)을 도로의 표면에 조사한 상태에서 촬영된 것이며, 주변의 조도에 따라 동일한 광량으로 촬영될 수 있도록 광학카메라나 CCTV의 조리개가 자동으로 조절된다. 즉, 광학카메라나 CCTV의 이미지 센서에 감광되는 빛의 양이 특정 임계범위로 일정한 수준으로 유지될 수 있도록 주변의 조도에 따라 상기 조리개가 자동으로 조절되는 것이다.
한편, 블랙아이스 모니터링 시스템(100)은 블랙아이스의 발생을 더욱 정밀하게 감지하기 위해 소정의 유사도를 초과하는 프레임이 검출되면 도로데이터 처리 장치(200)를 통해 CCTV를 제어하여 해당 영역을 사전에 설정한 배율만큼 줌인(zoom in)하여 해당 영역에 대한 확대영상을 촬영할 수 있도록 하고, 해당 영역에 대한 확대영상을 수신한다. 한편 확대영상을 촬영하는 경우 차량의 운행을 감지하여 차량의 운행이 없는 경우에 촬영한 영상이다. 상기 차량의 운행을 감지하는 것은 교통량 측정을 위해 차량의 운행을 감지하는 다양한 방법을 통해 수행될 수 있다.
또한 블랙아이스 모니터링 시스템(100)은 확대영상에 대한 루미넌스(luminance)와 크로미넌스(chrominance) 또는 이들의 조합을 평균하여, 해당 영상에서 상기 평균한 루미넌스와 크로미넌스 또는 이들의 조합에 대해 사전에 설정한 임계범위를 초과하는 영역이 일정 크기 이상(예: 해당 영역이 확대영상의 20%이상을 차지)이면 해당 도로에 대한 블랙아이스의 발생을 최종 감지하는 것을 더 포함할 수 있다.
또한 블랙아이스 모니터링 시스템(100)은 소정의 임계값을 초과하는 프레임이 검출되지 않았더라도 순차적으로 계산한 프레임별 각 유사도에 대한 변화 추세를 검출하여 상기 소정의 임계값을 초과할 것으로 예측되는 유사도의 변화 추세가 검출되면 해당 도로에서 블랙아이스가 발생할 것으로 예측한다.
이때, 유사도의 변화 추세는 프레임별로 순차적으로 계산한 각 유사도를 시간의 순서대로 연결하고, 상기 연결한 결과에 사전에 설정한 단위시간으로 나눔으로써 검출된다. 이때, 블랙아이스 모니터링 시스템(100)은 상기 검출한 유사도의 변화 추세가 점진적으로 증가되는 추세에 있고 일정 시간 이후에 소정의 임계값을 초과할 것으로 예측되면 해당 도로에서 블랙아이스가 발생할 것으로 예측한다.
즉, 블랙아이스 모니터링 시스템(100)은 CCTV영상을 이용하여 블랙아이스에 의해 반짝이는 영역 혹은 광택이 발생한 영역을 검출함으로써 블랙아이스의 발생을 감지하는 것이다.
도 3은 본 발명의 일 실시예에 따른 블랙아이스 생성데이터를 나타낸 도면이다.
도 3에 도시한 바와 같이, 본 발명의 일 실시예에 따른 블랙아이스 모니터링 시스템(100)은 도로의 구조적 특징과 환경에 따라 복합센서모듈을 통해 블랙아이스가 생성되는 일련의 과정을 측정한 시계열의 센서데이터로 구성되는 블랙아이스 생성데이터를 사전에 미리 수집하여 저장한다. 즉, 블랙아이스 센서데이터는 블랙아이스가 생성되는 조건을 만족하는 영상 및 도로상태, 기상상태 또는 이들의 조합을 포함한 도로데이터를 블랙아이스가 생성될 때까지 시간의 순서대로 수집한 데이터세트이며 3차원으로 구성됨은 상술한 바와 같다.
또한 복합센서모듈을 구성하는 복수의 개별적인 센서는 도로의 구조적 특징에 따라 도로에 분포되며 적어도 하나 이상으로 구성될 수 있다. 예를 들어, 온도센서의 경우 대기온도를 측정하기 위한 온도센서, 적어도 하나 이상의 도로표면에 대한 온도를 측정하기 위한 적어도 하나 이상의 온도센서로 구성될 수 있다.
또한 블랙아이스 생성데이터는 복합모듈을 구성하는 복수의 센서에 따라 대기온도, 습도, 이슬점 온도, 풍속 또는 이들의 조합을 포함하는 기상상태를 측정한 센서데이터, 도로의 표면온도, 하부온도 도로 표면의 전도도 또는 이들의 조합을 포함하는 도로의 상태를 측정한 센서데이터 또는 이들의 조합과 도로의 표면을 촬영한 영상을 포함하여 구성되며, 상기 기상상태를 측정한 센서데이터와 도로의 상태를 측정한 센서데이터는 CCTV(혹은 광학카메라)를 통해 도로를 촬영하는 것과 동기화되어 측정된다. 즉, 기상상태, 도로의 상태는 영상의 각 프레임과 동기화되어 측정되는 것이다.
또한 블랙아이스 생성데이터는 복합센서모듈을 구성하는 각 센서가 하나씩 구성되는 경우에는 2차원 형태로 수집되며, 동일한 기능을 수행하는 센서(예: 서로 다른 영역의 도로표면에 대한 온도를 측정하는 온도센서)가 도로에 복수개로 분포되면 z축을 시간으로 하는 3차원 형태로 수집된다.
또한 블랙아이스 모니터링 시스템(100)은 해당 도로에 따라 사전에 수집한 블랙아이스 생성데이터에 대한 증감패턴을 추출하여, 각 센서데이터의 복합적인 증감패턴을 미리 모델링한 데이터세트(블랙아이스 생성모델)를 저장하여 관리한다. 상기 블랙아이스 생성모델은 도로의 구조적 특징과 환경에 따라 분류되어 저장된다.
또한 블랙아이스 모니터링 시스템(100)은 블랙아이스 생성모델과 도로데이터 처리 장치(200)를 통해 수집한 도로데이터를 일정시간 모아(즉, 도로데이터에 대한 데이터세트) 도로의 상태, 기상상태 또는 이들의 조합을 포함하는 센서데이터에 대해 추출한 증감패턴에 대한 데이터세트를 활용하여 해당 도로에 대한 블랙아이스의 발생을 감지하거나 예측한다. 이하에서는 도로데이터의 센서데이터를 활용하여 블랙아이스의 발생을 감지하거나 예측하는 과정에 대해서 도 4 내지 도 7을 참조하여 상세히 설명하도록 한다.
이하에서는, 도로상태, 기상상태 또는 이들의 조합을 포함하는 센서데이터의 증감패턴을 활용하여 블랙아이스의 발생을 감지하거나 예측하는 방법을 상세히 설명하도록 한다.
도 4는 본 발명의 일 실시예에 따른 도로상태, 기상상태 또는 이들의 조합을 포함하는 센서데이터의 증감패턴을 활용하여 블랙아이스의 발생을 감지하거나 예측하는 과정을 나타낸 도면이며, 도 5는 본 발명의 또 다른 일 실시예에 따른 도로상태, 기상상태 또는 이들의 조합을 포함하는 센서데이터의 증감패턴을 활용하여 블랙아이스의 발생을 감지하거나 예측하는 과정을 나타낸 도면이다.
도 4에 도시한 바와 같이, 본 발명의 일 실시예에 따른 블랙아이스 모니터링 시스템(100)은 블랙아이스의 발생을 모니터링할 도로에 대한 블랙아이스의 발생을 감지하거나 예측하기 위해 우선 도로의 구조적 특징과 환경에 따라 블랙아이스가 생성되는 일련의 과정에 대한 도로데이터에 대한 데이터세트로 구성되는 블랙아이스 생성데이터를 사전에 수집하여 관리한다.
또한 블랙아이스 모니터링 시스템(100)은 상기 수집한 블랙아이스 생성데이터를 도로의 구조적 특징과 환경에 따라 분류하여 저장하며, 각 센서데이터에 대한 증감패턴을 모델링한 데이터세트인 블랙아이스 생성모델을 사전에 생성하여 저장 및 관리함은 상술한 바와 같다.
또한 블랙아이스 모니터링 시스템(100)은 도로데이터 처리 장치(200)를 통해 도로데이터가 수집되면, 상기 수집한 도로데이터에 포함된 도로의 상태, 기상상태 또는 이들의 조합을 포함하여 상기 도로데이터에 대한 데이터세트의 증감패턴을 추출한다. 이때, 상기 증감패턴은 시계열에 따라 각 센서데이터(도로의 상태, 기상상태에 대한 센서데이터)의 값이 높아지고 낮아지는 것을 나타내는 패턴을 의미한다. 여기서 증감패턴은 상기 각 센서데이터의 값을 측정한 시간의 순서대로 선으로 연결한 형태로 추출된다.
여기서, 수집한 도로데이터에서 영상의 프레임과 도로상태, 기상상태 또는 이들의 조합은 시계열적으로 동기화되어 측정되며, 블랙아이스 모니터링 시스템(100)은 상기 동기화되어 측정된 영상의 프레임 및 도로상태, 기상상태 또는 이들의 조합을 포함하는 도로데이터를 저장 및 관리하여, 해당 도로에 대한 블랙아이스의 발생을 감지 혹은 예측하기 위한 분석을 수행한다.
또한 블랙아이스 모니터링 시스템(100)은 해당 도로의 구조적 특징과 환경에 따른 블랙아이스 생성모델과 도로데이터에 대한 데이터세트에서 추출한 기상상태, 도로상태 또는 이들의 조합에 대한 증감패턴을 일대일로 비교함으로써 해당 도로에 대한 블랙아이스의 발생을 감지하거나 예측한다.
상기 블랙아이스의 발생을 감지하거나 예측하는 것은 해당 도로의 구조적 특징과 환경에 따른 블랙아이스 생성모델의 증감패턴과 해당 증감패턴과 대응하는 도로데이터에서 추출한 각 센서데이터에 대한 증감패턴을 일대일로 비교하여 유사도를 각각 산출함으로써, 수행된다.
여기서, 유사도란 상호 대응하는 각 센서데이터의 증감패턴이 얼마가 같은지를 나타내는 척도로써 유클리드 거리(euclidean distance), 맨해튼 거리(manhattan distance)와 같은 다양한 유사도 계산 알고리즘을 이용하여 산출될 수 있다.
또한 블랙아이스 모니터링 시스템(100)은 일대일로 비교하여 유사도를 산출하는 경우, 유사도가 사전에 설정한 임계값을 초과하는 센서데이터의 증감패턴이 사전에 설정한 개수 이상이면 해당 도로에서 블랙아이스가 발생한 것으로 판단한다.
한편, 도 5에 도시한 것과 같이 본 발명의 일 실시예에 따른 블랙아이스 모니터링 시스템(100)은 도로데이터의 도로의 상태, 기상상태 또는 이들의 조합에 대한 공간적인 분포와 블랙아이스 생성모델의 도로의 상태, 기상상태 또는 이들의 조합에 대한 공간적인 분포를 비교하여 유사도를 계산하여 해당 도로에 대한 블랙아이스의 발생을 감지하거나 예측할 수 있다.
이때, 블랙아이스 모니터링 시스템(100)은 도 5에 나타낸 것과 같이, 도로데이터의 도로의 상태, 기상상태 또는 이들이 조합에 대해 추출한 증감패턴과 블랙아이스 생성모델의 도로의 상태, 기상상태 또는 이들의 조합에 대한 증감패턴을 일대일로 비교하지 않고, 도로데이터의 데이터세트에서 추출한 도로의 상태, 기상상태 또는 이들의 조합에 대한 증감패턴의 전체적인 분포와 해당 도로에 대한 블랙아이스 생성모델의 도로의 상태, 기상상태 또는 이들의 조합에 대한 증감패턴의 전체적인 분포를 비교하여 유사도를 계산한다. 이 경우, 상기 블랙아이스 모니터링 시스템(100)은 계산한 유사도의 전체적인 분포가 소정의 임계값을 초과한 것을 검출하여 블랙아이스의 발생을 감지하거나, 또는 상기 계산한 유사도의 변화 추세를 검출하여 검출한 유사도의 변화 추세가 일정 시간 이후에 소정의 임계값을 초과할 것으로 예측되면 블랙아이스의 발생을 예측한다.
즉, 블랙아이스 모니터링 시스템(100)은 도로의 각 영역별로 블랙아이스가 생성될 수 있으므로, 도로의 상태, 기상상태 또는 이들의 조합을 측정하기 위한 각 측정센서의 분포에 따라 유사도를 계산하여 블랙아이스의 발생을 예측하거나 감지하는 것이다.
한편 도 4 및 도 5에서 유사도를 계산할 때, 블랙아이스의 생성에 중요한 역할을 하는 적어도 하나 이상의 도로의 상태, 기상상태 또는 이들의 조합에 대한 증감패턴에 높은 가중치를 설정하여 상기 높은 가중치를 설정한 도로의 상태, 기상상태 또는 이들의 조합에 대한 증감패턴의 유사도가 소정의 임계값을 초과하거나, 해당 증감패턴에 대한 유사도의 변화 추세를 검출하여 해당 도로에서 블랙아이스가 발생한 것을 감지하거나 발생할 것을 예측하도록 구현될 수 있다. 즉, 유사도를 계산한 결과 소정의 임계값을 초과하는 증감패턴의 수가 사전에 설정한 개수를 초과하지 않더라도 상기 높은 가중치를 둔 적어도 하나 이상의 센서데이터의 증감패턴에 대한 유사도가 사전에 설정한 임계값을 초과하거나, 또는 유사도의 변화 추세를 검출하여 해당 도로에 대한 블랙아이스의 발생을 감지하거나 발생할 것으로 예측하는 것이다. 한편 유사도의 변화 추세를 검출하는 것은 도 2에 설명한 유사도의 변화 추세를 검출하는 것과 동일한 과정을 통해 수행된다.
도 6은 본 발명의 일 실시예에 따른 기계학습을 통해 블랙아이스의 발생을 감지하거나 예측하기 위한 인공지능 학습모델을 생성하는 과정을 나타낸 도면이다.
도 6에 도시한 바와 같이, 본 발명의 일 실시예에 따른 블랙아이스 모니터링 시스템(100)은 해당 도로의 구조적 특징과 환경에 따라 블랙아이스가 생성되는 조건을 만족하는 도로데이터를 모델링한 데이터세트(즉, 블랙아이스 생성데이터)를 학습 네트워크를 통해 각각 학습하여 블랙아이스의 발생을 감지하거나 예측하기 위한 인공지능 학습모델을 생성한다.
이때, 블랙아이스 생성데이터는 해당 도로의 구조적 특징과 환경에 따라 블랙아이스가 생성될 때 수집한 도로의 표면을 촬영한 영상 및 도로의 상태 또는 기상상태 또는 이들의 조합을 포함한 도로데이터에 대한 데이터세트이며, 도로의 상태, 기상상태 또는 이들의 조합은 상기 영상과 동기화되어 측정됨은 상술한 바와 같다.
또한 기계학습을 위한 학습 네트워크는 해당 도로의 구조적 특징과 환경에 따라 적어도 하나 이상으로 준비되며, 블랙아이스 모니터링 시스템(100)은 해당 도고의 구조적 특징과 환경에 따른 블랙아이스 생성데이터를 각각 학습하여 도로의 구조적 특징과 환경에 따른 인공지능 학습모델을 각각 생성한다.
또한 블랙아이스 모니터링 시스템(100)은 블랙아이스 생성데이터의 영상, 도로의 상태, 기상상태 또는 이들의 조합에 대한 데이터세트를 상기 학습 네트워크에 각각 입력하여 기계학습을 수행한다.
이때, 학습네트워크는 영상 및 도로의 상태, 기상상태 또는 이들의 조합을 각각 학습하기 위한 복수의 서브 네트워크로 구성된다.
또한 상기 각 서브 네트워크는 입력 레이어(input layer), 컨볼루션 레이어(convolutional layer), 풀링 레이어(pooling layer) 및 완전연결 레이어(FCN layer, fully connected layer)를 포함하여 구성된다.
컨볼루션 레이어는 입력받은 각 서브 네트워크에서 입력받은 각 데이터(즉, 영상, 도로의 상태, 기상상태)에 대해 측정 가중치를 가지는 커널(kernel)을 미리 설정한 스트라이드(커널의 이동단위)에 따라 이동해 가면서 상기 데이터의 특정 분과 상기 커널의 가중치를 컨볼루션하여 입력받은 각 데이터에 대한 복수의 특징 맵(feature map)을 생성하여 출력한다.
풀링 레이어는 맥스 풀링(max pooling) 혹은 평균 풀링(average pooling)방법을 통해 해당 풀링레이어의 커널과 스트라이드의 크기에 따라 컨볼루션 레이어에서 출력한 특징 맵을 풀링함으로써 서브 샘플링한다. 이때, 컨볼루션 레이어 및 풀링 레이어는 적어도 하나 이상으로 구성되어 컨볼루션과 서브 샘플링 과정을 반복적으로 수행하여 센서데이터의 증감패턴에 대한 특징 맵을 생성하도록 하는 것도 가능하다.
완전연결 레이어는 풀링 레이어에서 서브 샘플링한 복수의 특징 맵을 연결시켜 각 데이터별로 블랙아이스의 발생에 대한 예측결과를 출력하며, 상기 학습 네트워크를 상기 각 예측결과를 평균(average)하여 최종적으로 블랙아이스의 발생에 대한 예측결과를 출력하도록 구현된다.
즉, 사전에 블랙아이스 생성 조건을 만족하는 도로데이터인 블랙아이스 생성데이터의 영상 및 도로상태, 기상상태 또는 이들의 조합을 포함하는 데이터세트가 기계학습을 위한 학습데이터로써 이용되는 것이다. 이때, 학습네트워크가 CNN(convolutional neural network)이면 각 서브네트워크에 입력되는 각 데이터는 그레이스케일의 이미지로 변환되어 입력된다.
또한 도로의 구조적 특징과 환경에 따라 분류된 블랙아이스 생성데이터를 각 학습 네트워크를 통해 동시에 기계학습하는 것이 바람직하며, 이 경우 상기 기계학습은 병렬적으로 수행된다.
또한 도 6에는 도로의 상태, 기상상태 또는 이들의 조합은 2차원의 데이터세트로 구성한 것으로 나타나 있으나, 상기 2차원의 데이터세트를 시계열적으로 일정시간 동안 모아서 3차원 데이터 세트로 구성할 수 있으며, 3차원 데이터 세트로 구성하는 경우, 상기 도로의 상태, 기상상태 또는 이들의 조합은 해당 도로의 상태, 기상상태 또는 이들의 조합에 대한 증감패턴으로 구성된다.
여기서 학습을 수행하기 위한 학습 네트워크는 CNN(convolutional neural network) 또는 RNN(recursive neural network)을 통해 수행될 수 있으며, 인공지능 학습모델은 CNN기반 학습모델 또는 RNN기반 학습모델을 포함하여 구성될 수 있다. 한편, 본 발명에서는 학습 네트워크의 종류에 대해서는 그 제한을 두지 않는다.
다만, 블랙아이스 생성모델은 학습 네트워크의 종류에 따라 적합한 데이터로 변환될 수 있다. 예를 들어, 상기 학습 네트워크가 CNN인 경우 상기 블랙아이스 생성데이터는 해당 CNN에 적합한 그레이스케일이나 컬러 이미지로 변환될 수 있다.
또한 블랙아이스 모니터링 시스템(100)은 블랙아이스 생성데이터에서, 블랙아이스의 생성에 중요한 역할을 하는 적어도 하나 이상의 도로의 상태, 기상상태 또는 이들의 조합의 센서데이터에 높은 가중치를 두고 상기 기계학습을 수행할 수 있다. 이를 통해 복합센서모듈을 통해 실제 측정한 도로데이터의 도로의 상태, 기상상태 또는 이들의 조합 중 높은 가중치에 해당하는 도로의 상태, 기상상태 또는 이들의 조합이 블랙아이스 생성데이터에 해당하는 도로의 상태, 기상상태 또는 이들이 조합과 유사하게 따라가면 블랙아이스의 발생에 대한 확률을 높게 출력할 수 있도록 한다.
도 7은 본 발명의 일 실시예에 따른 인공지능 학습모델을 설명하기 위해 나타낸 도면이다.
도 7에 도시한 바와 같이 블랙아이스의 발생을 예측하기 위한 인공지능 학습모델은 해당 도로의 구조적 특징과 환경에 따라 사전에 수집한 블랙아이스 생성데이터를 각각 기계학습함으로써 해당 도로의 구조적 특징과 환경에 따라 적어도 하나 이상으로 생성된다.
또한 블랙아이스 모니터링 시스템(100)은 적어도 하나 이상의 도로데이터 처리 장치(200)를 통해 도로데이터가 수집되면 해당 도로의 구조적 특징과 환경에 따른 인공지능 학습모델을 데이터베이스(미도시)로부터 로딩하여 해당 도로데이터에 포함된 영상 및 도로의 상태, 기상상태 또는 이들의 조합을 상기 로딩한 인공지능 학습모델에 적용하여 해당 인공지능 학습모델에서 출력한 해당 도로에 대한 블랙아이스의 발생확률에 따라 해당 도로에 대한 블랙아이스의 발생을 감지하거나 예측한다. 한편, 인공지능 학습모델에서 최종적으로 출력한 블랙아이스 발생확률은 영상, 도로의 상태, 기상상태 또는 이들의 조합에 대한 블랙아이스 발생확률을 평균한 값이다.
즉, 인공지능 학습모델의 입력은 도로데이터에서 추출한 영상 및 도로의 상태, 기상상태 또는 이들의 조합으로 구성된 데이터세트이며, 해당 데이터세트는 기계학습을 수행할 때, 블랙아이스 생성데이터와 동일한 순서로 배열되어 입력되며, 학습모델이 CNN을 통해 생성된 것이면 해당 데이터세트는 그레이스케일의 이미지로 변환되어 입력된다.
또한 블랙아이스 모니터링 시스템(100)은 인공지능 학습모델을 통해 출력되는 블랙아이스의 발생확률이 사전에 설정한 임계값(예: 0.8)을 초과하면 해당 도로에서 블랙아이스가 발생하였거나 발생할 것으로 판단하며 임계값을 초과하지 않으면 해당 도로에서 블랙아이스가 발생하지 않을 것으로 판단함으로써 해당 도로에 대한 블랙아이스의 발생을 감지한다.
한편, 블랙아이스 모니터링 시스템(100)은 블랙아이스의 발생확률이 사전에 설정한 임계값을 초과하지 않더라도 도로데이터에 대한 데이터세트를 순차적으로 입력한 결과에 대한 블랙아이스의 발생확률이 점진적으로 증가되면 일정 시간 이후에 해당 도로에서 블랙아이스가 발생한 것으로 판단하여, 해당 도로에 대한 블랙아이스의 발생을 예측한다.
도 8은 본 발명의 일 실시예에 따른 블랙아이스 모니터링 시스템의 구성을 나타낸 블록도이다.
도 8에 도시한 바와 같이, 본 발명의 일 실시예에 따른 블랙아이스 모니터링 시스템(100)은 블랙아이스 생성데이터를 수집하는 블랙아이스 생성데이터 수집부(110), 도로데이터 처리 장치(200)로부터 도로데이터를 수집하는 도로데이터 수집부(120), 상기 수집한 도로데이터의 각 센서데이터에 대한 증감패턴을 추출하는 증감패턴 추출부(130), 상기 생성한 블랙아이스 생성모델을 기계학습하여 인공지능 학습모델을 생성하는 학습모델 생성부(140), 상기 도로데이터를 활용하여 블랙아이스의 생성을 감지하거나 예측하는 블랙아이스 모니터링부(150), 상기 블랙아이스의 생성이 감지되거나 예측되면 경고신호를 생성하는 경고신호 생성부(160), 상기 생성한 경고신호를 상기 도로데이터를 전송한 도로데이터 처리 장치(200)로 전송하는 경고신호 전송부(170) 및 데이터 관리부(180)를 포함하여 구성된다.
블랙아이스 생성데이터 수집부(110)는 도로에서 블랙아이스가 생성될 때, 복합센서모듈을 통해 블랙아이스 생성되는 일련의 과정에 대한 시계열의 센서데이터를 포함하는 블랙아이스 생성데이터를 수집하는 기능을 수행한다. 여기서, 블랙아이스 생성데이터는 해당 도로의 구조적 특징과 환경에 따라 블랙아이스가 생성되는 조건을 만족하는 복합센서모듈을 통해 측정한 도로데이터에 대한 데이터세트임은 상술한 바와 같다.
도로데이터 수집부(120)는 각 도로의 주변에 설치된 적어도 하나 이상의 도로데이터 처리 장치(200)에 실시간으로 측정한 도로데이터를 각각 수집하는 기능을 수행한다. 상기 도로데이터는 복합센서모듈을 통해 도로의 표면을 촬영한 영상 및, 도로의 상태, 기상상태 또는 이들의 조합을 측정한 복수의 센서데이터를 포함하여 구성된다.
또한 증감패턴 추출부(130)는 일정 시간동안 수집한 도로데이터에 대한 데이터세트의 도로의 상태, 기상상태 또는 이들의 조합에 대한 증감패턴을 추출한다. 상기 각 증감패턴에 대해서는 도 4 내지 도 7을 참조하여 설명하였으므로 더 이상의 상세한 설명은 생략한다.
또한 학습모델 생성부(140)는 블랙아이스 생성데이터를 학습하여 블랙아이스의 발생을 감지하거나 예측하기 위한 인공지능 학습모델을 생성한다. 이때, 학습모델 생성부(140)는 상기 블랙아이스 생성데이터를 학습에 필요한 적합한 포맷(예: 그레이스케일의 이미지)으로 변환하는 전처리과정을 더 수행할 수 있다.
여기서 인공지능 학습모델은 해당 도로의 구조적 특징과 환경에 따라 복수의 블랙아이스 생성데이터를 각각 학습하여 생성되는 것으로, 학습모델에 대해서는 도 5 및 도 6을 참조하여 설명하였음으로 더 이상의 상세한 설명은 생략한다.
또한 블랙아이스 모니터링부(150)는 도로데이터의 영상과 도로데이터에 포함된 센서데이터를 변화를 시계열적으로 모니터링하여 해당 도로에 대한 블랙아이스의 발생을 감지하거나 예측하는 기능을 수행한다.
또한 블랙아이스 모니터링부(150)는 도로데이터의 영상을 모니터링하여 해당 도로에서 발생한 블랙아이스에 의한 반짝임이나 광택을 감지함으로써 블랙아이스의 발생을 감지한다. 이때, 블랙아이스 모니터링부(150)는 영상의 각 프레임과 해당 도로에 대해 사전에 수집한 기준영상(블랙아이스가 있는 영상)을 비교하여 유사도를 계산하여 상기 유사도를 계산한 결과에 따라 해당 도로에 대한 블랙아이스의 발생을 감지하거나 예측한다. 영상의 각 프레임과 기준영상을 비교하여 블랙아이스의 발생을 감지하거나 예측하는 것은 도 2를 참조하여 설명하였으므로, 더 이상의 상세한 설명은 생략한다.
또한 블랙아이스 모니터링부(150)는 도로데이터에 포함된 도로의 상태, 기상상태 또는 이들의 조합에 대한 각 센서데이터에 대해 추출한 증감패턴과 해당 도로데이터에 포함된 도로의 구조적 특징과 환경을 참조하여 상기 참조한 결과에 따른 상기 블랙아이스 생성데이터로부터 도로의 상태, 기상상태 또는 이들의 조합에 대한 증감패턴을 모델링하여 사전에 저장한 블랙아이스 생성모델을 비교하여 유사도를 산출한다. 상기 산출한 유사도에 따라 해당 도로에 대한 블랙아이스의 발생을 감지하거나 예측한다. 한편, 각 센서데이터에서 추출한 증감패턴과 블랙아이스 생성모델을 비교하여 블랙아이스의 발생을 감지하거나 예측하는 것은 도 4를 참조하여 설명하였으므로 더 이상의 상세한 설명은 생략한다.
한편, 블랙아이스 모니터링부(150)는 인공지능 학습모델을 이용하여 블랙아이스의 발생을 감지하거나 예측할 수 있다. 이때 블랙아이스 모니터링부(150)는 해당 도로데이터에 대한 데이터세트를 해당 도로의 구조적 특징과 환경에 따른 인공지능 학습모델에 적용하여 해당 인공지능 학습모델의 출력결과(즉, 블랙아이스 발생확률)에 따라 해당 도로에 대한 블랙아이스의 발생을 감지하거나 예측한다. 한편 인공지능 학습모델을 이용하여 블랙아이스의 발생을 감지하거나 예측하는 것은 도 6 및 도 7을 참조하여 설명하였으므로, 여기서는 생략하도록 한다.
즉, 블랙아이스 모니터링부(150)는 영상 및, 도로의 상태, 기상상태 또는 이들의 조합에 대한 센서데이터의 변화를 복합적으로 이용하여 해당 도로에 대한 블랙아이스의 발생을 감지하거나 예측함으로써, 해당 도로에서 실제 블랙아이스가 발생하였거나 발생될 것으로 예측될 때, 영상을 통해서 블랙아이스의 발생이 감지되지 않더라도 도로의 상태, 기상상태 또는 이들의 조합을 통해 해당 도로에 대한 블랙아이스의 발생을 감지하거나 예측하여 운전자의 안전을 효과적으로 보호할 수 있도록 하는 것이 가능한 것이다.
또한 경고신호 생성부(160)는 해당 도로에서 블랙아이스의 발생이 감지되거나 예측되면 이에 대한 경고신호를 생성하며, 경고신호 전송부(170)는 상기 생성한 경고신호를 해당 도로데이터 처리 장치(200)로 전송하는 기능을 수행한다.
이때, 도로데이터 처리 장치(200)는 경고신호가 수신되면, 디지털 사이니지 에 사전에 설정한 경고메시지를 출력하거나, 스피커에 사전에 설정한 경고음을 출력하거나, 경광등 혹은 신호등을 사전에 설정한 색깔로 점멸하거나, LED 조명등을 변화시키거나 또는 이들의 조합을 포함하여 블랙아이스에 대한 경고를 운전자에게 제공한다.
또한 데이터 관리부(180)는 블랙아이스 생성데이터, 블랙아이스 생성모델, 도로데이터 또는 이들의 조합을 데이터베이스에 저장하여 관리하는 기능을 수행한다.
도 9는 본 발명의 일 실시예에 따른 영상을 이용하여 블랙아이스의 발생을 감지하거나 예측하는 절차를 나타낸 흐름도이다.
도 8에 도시한 바와 같이, 본 발명의 일 실시예에 따른 블랙아이스의 발생을 감지하는 절차는 우선, 블랙아이스 모니터링 시스템(100)은 적어도 하나 이상의 도로데이터 처리 장치(200)로부터 도로데이터를 수집하는 도로데이터 수집 단계를 수행한다(S110). 상기 도로데이터는 도로의 표면을 촬영한 영상과 복합센서모듈을 통해 측정한 도로의 상태, 기상상태 또는 이들의 조합을 포함하는 복수의 센서데이터를 포함함은 상술한 바와 같다.
다음으로 블랙아이스 모니터링 시스템(100)은 블랙아이스 모니터링 단계를 수행한다. 상기 블랙아이스 모니터링 단계는 우선, 도로데이터에 포함된 영상의 각 프레임과 해당 도로에 대해 사전에 촬영하여 수집한 기준영상을 비교하여 유사도를 계산하고, 유사도를 계산한 결과 소정의 임계값을 초과하는 프레임을 검출하는 단계를 수행한다(S120). 상기 기준영상은 해당 도로에서 블랙아이스가 존재하는 경우를 모델링하여 미리 촬영한 저장한 영상이다.
다음으로 블랙아이스 모니터링 단계는 유사도를 계산한 결과 소정의 임계값을 초과하는 프레임이 검출되면(S130), 블랙아이스가 발생한 것으로 판단함으로써 해당 도로에 대한 블랙아이스의 발생을 감지하는 단계를 수행한다(S140).
한편, 소정의 임계값을 초과하는 프레임이 검출되지 않고(S130), 임계값을 초과할 것으로 예측되는 유사도의 변화 추세를 검출(S131)되면 해당 도로에서 블랙아이스가 발생할 것으로 예측하는 단계를 수행한다(S141). 한편 상기 유사도의 변화 추세를 검출하여 블랙아이스가 발생할 것으로 예측하는 것은 도 2를 참조하여 설명하였으므로, 여기서는 생략하도록 한다.
이후, 블랙아이스 모니터링 시스템(100)은 블랙아이스의 발생이 감지 혹은 예측되는 경우, 경고신호를 생성하는 경고신호 생성 단계와 상기 생성한 경고신호를 해당 도로데이터를 전송한 도로데이터 처리 장치(200)로 전송하는 경고신호 전송 단계를 수행(S150)하여 도로데이터 처리 장치(200)를 통해 블랙아이스에 대한 경고를 운전자에게 제공할 수 있도록 한다.
또한 블랙아이스 모니터링 시스템(100)은 유사도를 계산한 결과 소정의 임계값을 초과하는 프레임이 검출되면, 해당 도로데이터 처리 장치(200)를 통해 CCTV 혹은 광학카메라를 제어하여 차량이 없을 때, 해당 영역을 줌인하여 촬영하고, 줌인하여 촬영한 확대영상을 수신한 후, 해당 확대영상의 루미넌스와 크로미넌스를 평균하여, 상기 평균한 루미넌스, 크로미넌스 또는 이들의 조합에 대해 사전에 설정한 각 임계범위를 초과하는 영역이 존재하고, 해당 영역이 사전에 설정한 크기를 초과하면 해당 도로에서 블랙아이스의 발생을 최종 감지하는 단계를 더 포함할 수 있다.
도 10은 본 발명의 일 실시예에 따른 도로의 상태, 기상상태 또는 이들의 조합을 포함하는 센서데이터를 이용하여 블랙아이스의 발생을 모니터링하는 절차를 나타낸 도면이다.
도 10에 도시한 바와 같이, 본 발명의 일 실시예에 따른 블랙아이스의 발생을 모니터링하는 절차는 우선, 블랙아이스 모니터링 시스템(100)은 도로의 구조적 특징과 환경에 따라 블랙아이스 생성데이터를 사전에 수집하는 블랙아이스 생성데이터 수집 단계와 상기 수집한 블랙아이스 생성데이터를 이용하여 블랙아이스 생성모델을 생성하는 블랙아이스 생성모델 생성 단계를 수행한다(S210). 상기 블랙아이스 생성데이터는 블랙아이스가 생성되는 과정에서의 복합센서모듈을 통해 도로의 상태 및 기상상태를 측정한 복수의 센서데이터로 구성되며 해당 도로의 구조적 특징과 환경에 따라 분류되어 수집됨은 상술한 바와 같다.
다음으로 블랙아이스 모니터링 시스템(100)은 도로데이터 처리 장치(200)로부터 도로데이터를 수집하는 도로데이터 수집 단계를 수행한다(S220). 도로데이터는 도로의 표면을 촬영한 영상, 도로의 상태나 기상상태를 측정한 복수의 센서데이터로 구성되며, 상기 복수의 센서데이터는 해당 도로의 표면을 촬영하는 것과 동기화되어 측정된다. 즉, 도로의 표면을 촬영한 영상의 각 프레임과 동기화되는 것이다.
다음으로 블랙아이스 모니터링 시스템(100)은 도로데이터의 도로의 상태, 기상상태 또는 이들의 조합을 포함하는 각 센서데이터에 대한 증감패턴을 추출하는 증감패턴 추출 단계를 수행한다(S230).
다음으로 블랙아이스 모니터링 시스템(100)은 추출한 각 증감패턴을 이용하여 블랙아이스의 발생을 감지하거나 예측하는 모니터링 단계를 수행한다.
우선, 블랙아이스 모니터링 단계는 해당 도로의 구조적 특징과 환경에 해당하는 블랙아이스 생성모델과 도로데이터의 각 센서데이터에 대해 추출한 증감패턴을 비교하여 유사도를 계산하는 단계를 수행한다(S240).
이때, 블랙아이스 모니터링 단계는 블랙아이스 생성모델의 증감패턴과 각각 대응하는 도로데이터의 각 센서데이터에 대해 추출한 증감패턴을 일대일로 비교하여 유사도를 각각 계산한다.
다음으로 블랙아이스 모니터링 단계는 유사도가 소정의 임계값을 초과하는 증감패턴이 사전에 설정한 개수 이상이면(S250), 해당 도로에서 블랙아이스가 발생한 것으로 판단함으로써, 해당 도로에 대한 블랙아이스의 발생을 감지하는 단계를 수행한다(S260).
한편, 유사도가 소정의 임계값을 초과하는 증감패턴이 사전에 설정한 개수 미만(S250)이고, 임계값을 초과할 것으로 예측되는 각 증감패턴에 대한 유사도의 변화 추세가 검출(S251)되면, 해당 도로에서 블랙아이스가 일정 시간 이후에 발생할 것으로 예측하는 단계를 수행한다(S261).
한편 도 10에는 나타나 있지 않으나, 블랙아이스 모니터링 단계는 블랙아이스 생성모델과 도로데이터의 각 센서데이터에서 추출한 증감패턴에 대한 전체적인 분포를 비교하여 유사도를 계산하고, 상기 계산한 유사도의 전체적인 분포가 사전에 설정한 임계값을 초과한 것을 검출하거나, 상기 계산한 유사도의 변화추세를 검출하여 해당 도로에 대한 블랙아이스의 발생을 감지 또는 예측하는 단계를 더 포함하며, 증감패턴에 대한 유사도를 계산하여 블랙아이스의 발생을 감지하거나 예측하는 것은 도 4 및 도 5를 참조하여 설명하였으므로 여기서는 생략한다.
이후, 블랙아이스 모니터링 시스템(100)은 블랙아이스의 발생이 감지되거나 예측되면, 경고신호를 생성하는 경고신호 생성 단계와 상기 생성한 경고신호를 해당 도로데이터를 전송한 도로데이터 처리 장치(200)로 전송하는 경고신호 전송 단계를 수행한다(S270).
도 11은 본 발명의 일 실시예에 따른 인공지능 학습모델을 생성하는 절차와 학습모델을 이용하여 블랙아이스의 발생을 모니터링하는 절차를 나타낸 흐름도이다.
도 11에 도시한 바와 같이, 본 발명의 실시예에 따른 인공지능 학습모델을 생성하는 절차는 우선, 블랙아이스 모니터링 시스템(100)은 블랙아이스 생성데이터를 수집하는 블랙아이스 생성데이터 수집 단계를 수행한다(S310). 상기 블랙아이스 생성데이터는 도로의 구조에 따라 분류되어 저장 및 관리됨은 상술한 바와 같다. 여기서 블랙아이스 생성데이터는 해당 도로의 구조적 특징과 환경에 따라 블랙아이스가 생성되는 조건을 만족하는 도로데이터에 대한 데이트세트를 사전에 수집한 것임은 상술한 바와 같다.
다음으로 블랙아이스 모니터링 시스템(100)은 수집한 블랙아이스 생성데이터를 데이터베이스로부터 로딩(S320)하여 해당 도로의 구조적 특징과 환경에 따라 각각 학습하여 인공지능 학습모델을 생성하는 학습모델 생성 단계를 수행한다(S330). 이때, 학습모델 생성 단계는 블랙아이스 생성모델을 학습네트워크에 적합한 포맷으로 변환할 수 있다. 한편 인공지능 학습모델을 생성하는 방법에 대해서는 도 6은 참조하여 설명하였으므로 더 이상의 상세한 설명은 생략한다.
또한 본 발명의 일 실시예에 따른 인공지능 학습모델을 이용하여 블랙아이스의 발생을 예측하는 절차는 우선, 블랙아이스 모니터링 시스템(100)은 적어도 하나 이상의 도로데이터 처리 장치(200)로부터 실시간으로 측정한 도로데이터를 수집하는 도로데이터 수집 단계를 수행한다(S410).
다음으로 블랙아이스 모니터링 시스템(100)은 수집한 도로데이터에 대한 데이터세트와 인공지능 학습모델을 이용하여 블랙아이스의 발생을 감지 혹은 예측하는 블랙아이스 모니터링 단계를 수행한다.
블랙아이스 모니터링 단계는 데이터베이스로부터 해당 도로의 구조와 환경에 따른 인공지능 학습모델을 로딩하여, 도로데이터에 대한 데이터세트를 상기 로딩한 인공지능 학습모델에 적용하여 블랙아이스의 발생을 감지하거나 예측하는 단계를 수행한다(S420). 이때, 해당 도로데이터에 대한 데이터세트는 2차원 혹은 3차원으로 구성될 수 있으며, 인공지능 학습모델에 적용하기 위한 적합한 포맷으로 변환될 수 있음은 상술한 바와 같다.
또한 블랙아이스의 발생을 감지하거나 예측하는 것은 학습모델에서 출력한 블랙아이스 발생확률에 따라 수행되는 것으로, 도 7을 참조하여 상세히 설명하였으므로 여기서는 생략하도록 한다.
이후, 블랙아이스 모니터링 시스템(100)은 블랙아이스의 발생이 감지되거나 예측되면 경고신호를 생성하는 경고신호 생성 단계와 상기 생성한 경고신호를 해당 도로데이터를 전송한 도로데이터 처리 장치(200)로 전송하는 경고신호 전송 단계를 수행한다(S430).
이상에서 설명한 바와 같이 본 발명은 도로의 표면을 촬영한 영상, 도로의 상태와 기상상태를 측정한 복수의 센서데이터를 이용하여 아스팔트 도로에 대한 블랙아이스의 발생을 정밀하게 감지하거나 예측하여 미리 경고를 운전자에게 제공함으로써 블랙아이스로 인한 사고를 미연에 방지할 수 있도록 하는 효과가 있다.
또한 상기에서는 본 발명에 따른 바람직한 실시예를 위주로 상술하였으나 본 발명의 기술적 사상은 이에 한정되는 것은 아니며 본 발명의 각 구성요소는 동일한 목적 및 효과의 달성을 위하여 본 발명의 범위 내에서 변경 또는 수정될 수 있을 것이다.
아울러 이상에서는 본 발명의 바람직한 실시예에 대하여 도시하고 설명하였지만, 본 발명은 상술한 특정의 실시예에 한정되지 않으며, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형 실시가 가능한 것은 물론이고, 이러한 변형 실시들은 본 발명의 기술적 사상이나 전망으로부터 개별적으로 이해되어서는 안 될 것이다.
100: 블랙아이스 모니터링 시스템 110: 블랙아이스 생성데이터 수집부
120: 도로데이터 수집부 130: 증감패턴 추출부
140: 학습모델 생성부 150: 블랙아이스 모니터링부
160: 경고신호 생성부 170: 경고신호 전송부
180: 데이터 관리부 200: 도로데이터 처리 장치
300: 관리자 단말

Claims (15)

  1. 블랙아이스의 발생을 모니터링할 도로의 표면을 촬영한 영상 및 도로상태, 기상상태 또는 이들의 조합을 측정하는 복수의 센서를 포함하는 복합센서모듈;
    상기 복합센서모듈을 통해서 측정한 도로데이터를 수집하는 도로데이터 수집부; 및
    상기 수집한 도로데이터를 이용하여 상기 도로에 대한 블랙아이스의 발생을 감지하거나 예측하는 블랙아이스 모니터링부;를 포함하며,
    상기 영상을 포함한 도로데이터의 변화를 시계열적으로 모니터링하여 블랙아이스의 발생을 감지하거나 예측하는 것을 특징으로 하는 블랙아이스 모니터링 시스템.
  2. 청구항 1에 있어서,
    상기 도로상태는, 상기 복합센서모듈을 통해 측정하는 도로의 표면온도, 하부온도, 도로의 표면에 대한 전도도 또는 이들의 조합을 포함하며,
    상기 기상상태는, 상기 복합센서모듈을 통해 측정하는 상기 도로 주변의 대기온도, 습도, 이슬점 온도, 풍속 또는 이들의 조합을 포함하는 것을 특징으로 하는 블랙아이스 모니터링 시스템.
  3. 청구항 1에 있어서,
    상기 복수의 각 센서데이터를 포함하는 상기 수집한 도로데이터에서 상기 영상의 프레임과 상기 도로상태, 기상상태 또는 이들의 조합은 시계열적으로 서로 동기화되어 측정, 저장 및 분석되도록 관리되는 것을 특징으로 하는 블랙아이스 모니터링 시스템.
  4. 청구항 1에 있어서,
    상기 블랙아이스 모니터링부는,
    상기 수집한 도로데이터에 포함된 영상의 각 프레임과 해당 도로에서 블랙아이스가 존재할 경우를 모델링하여 촬영한 기준영상을 비교하여 유사도를 계산하고, 상기 유사도를 계산한 결과 블랙아이스가 생성되었다고 판단하도록 결정하는 소정의 임계값을 초과하는 영상의 프레임을 검출하거나 상기 임계값을 초과할 것으로 예측되는 상기 유사도의 변화 추세를 검출함으로써 해당 도로에 대한 블랙아이스의 발생을 감지 또는 예측하는 것을 포함하는 것을 특징으로 하는 블랙아이스 모니터링 시스템.
  5. 청구항 3에 있어서,
    상기 영상 및 기준영상은, 특정 LED 광을 상기 도로의 표면에 조사하고, 이미지 센서에 감광되는 빛의 양이 특정 임계범위로 유지되도록 하여 촬영한 것인 것을 특징으로 하는 블랙아이스 모니터링 시스템.
  6. 청구항 1에 있어서,
    상기 블랙아이스 모니터링부는,
    해당 도로의 구조적 특징과 환경에 따라 블랙아이스가 생성되는 조건을 만족하는 상기 도로상태, 기상상태, 또는 이들의 조합을 포함한 센서데이터의 증감패턴을 모델링한 데이터세트와 상기 복합센서모듈을 통해서 실시간으로 측정한 해당 데이터세트의 증감패턴을 비교하여 유사도를 계산한 결과, 소정의 임계값을 초과하는 증감패턴을 가진 센서데이터가 사전에 설정한 개수 이상인 것을 검출하거나, 상기 계산한 유사도의 전체적인 분포가 소정의 임계값을 초과한 것을 검출하거나, 상기 계산한 유사도의 변화 추세를 검출함으로써 해당 도로에 대한 블랙아이스의 발생을 감지 또는 예측하는 것을 특징으로 하는 블랙아이스 모니터링 시스템.
  7. 청구항 1에 있어서,
    상기 블랙아이스 모니터링부는,
    해당 도로의 구조적 특징과 환경에 따라 블랙아이스가 생성되는 조건을 만족하는 상기 도로데이터를 모델링한 데이터세트를 입력으로 하여 기계학습을 수행하여 도출한 인공지능 학습모델에 상기 측정한 도로데이터에 대한 데이터세트를 입력하여 해당 인공지능 학습모델의 출력결과에 따라 해당 도로에 대한 블랙아이스의 발생을 감지하거나 예측하는 것을 더 포함하는 것을 특징으로 하는 블랙아이스 모니터링 시스템.
  8. 청구항 7에 있어서,
    상기 인공지능 학습모델은, 상기 도로데이터에 대한 2차원 데이터세트를 구성하거나, 상기 2차원 데이터세트를 시계열적으로 일정시간 동안 모아서 3차원 데이터세트를 구성하여 CNN 또는 RNN에 입력하여 생성한 CNN 기반 학습모델 또는 RNN기반 학습모델을 포함하는 것을 특징으로 하는 블랙아이스 모니터링 시스템.
  9. 청구항 1에 있어서,
    상기 블랙아이스 모니터링 시스템은,
    상기 영상을 촬영하기 위해 CCTV와 연계하거나,
    상기 블랙아이스의 발생을 감지하거나 예측하면, 경고신호를 생성하여 해당 도로에 설치된 디지털 사이니지, 스피커, 경광등, LED 조명등, 교통신호등 또는 이들의 조합과 연계하거나, 또는
    상기 CCTV, 디지털 사이니지, 스피커, 경광등, LED 조명등, 교통신호등 또는 이들의 조합과 일체로 구성하는 것을 특징으로 하는 블랙아이스 모니터링 시스템.
  10. 복합센서모듈을 통해 블랙아이스의 발생을 모니터링할 도로의 표면을 촬영하고, 도로상태, 기상상태 또는 이들의 조합을 측정하는 단계;
    상기 복합센서모듈을 통해서 측정한 도로데이터를 수집하는 도로데이터 수집 단계; 및
    상기 수집한 도로데이터를 이용하여 상기 도로에 대한 블랙아이스의 발생을 감지하거나 예측하는 블랙아이스 모니터링 단계;를 포함하며,
    영상을 포함한 도로데이터의 변화를 시계열적으로 모니터링하여 블랙아이스의 발생을 감지하거나 예측하는 것을 특징으로 하는 블랙아이스 모니터링 방법.
  11. 청구항 10에 있어서,
    상기 도로상태는, 상기 복합센서모듈을 통해 측정하는 도로의 표면온도, 하부온도, 도로의 표면에 대한 전도도 또는 이들의 조합을 포함하며,
    상기 기상상태는, 상기 복합센서모듈을 통해 측정하는 상기 도로 주변의 대기온도, 습도, 이슬점 온도, 풍속 또는 이들의 조합을 포함하고,
    복수의 각 센서데이터를 포함하는 상기 수집한 도로데이터에서 상기 영상의 프레임과 상기 도로상태, 기상상태 또는 이들의 조합은 시계열적으로 서로 동기화되어 측정, 저장 및 분석되도록 관리되는 것을 특징으로 하는 블랙아이스 모니터링 방법.
  12. 청구항 10에 있어서,
    상기 블랙아이스 모니터링 단계는,
    상기 수집한 도로데이터에 포함된 영상의 각 프레임과 해당 도로에서 블랙아이스가 존재할 경우를 모델링하여 촬영한 기준영상을 비교하여 유사도를 계산하고, 상기 유사도를 계산한 결과 블랙아이스가 생성되었다고 판단하도록 결정하는 소정의 임계값을 초과하는 영상의 프레임을 검출하거나 상기 임계값을 초과할 것으로 예측되는 상기 유사도의 변화 추세를 검출함으로써 해당 도로에 대한 블랙아이스의 발생을 감지 또는 예측하는 것을 포함하며,
    상기 영상 및 기준영상은, 특정 LED 광을 상기 도로의 표면에 조사하고, 이미지 센서에 감광되는 빛의 양이 특정 임계범위로 유지되도록 하여 촬영한 것인 것을 특징으로 하는 블랙아이스 모니터링 방법.
  13. 청구항 10에 있어서,
    상기 블랙아이스 모니터링 단계는,
    해당 도로의 구조적 특징과 환경에 따라 블랙아이스가 생성되는 조건을 만족하는 상기 도로상태, 기상상태, 또는 이들의 조합을 포함한 센서데이터의 증감패턴을 모델링한 데이터세트와 상기 복합센서모듈을 통해서 실시간으로 측정한 해당 데이터세트의 증감패턴을 비교하여 유사도를 계산한 결과, 소정의 임계값을 초과하는 증감패턴을 가진 센서데이터가 사전에 설정한 개수 이상인 것을 검출하거나, 상기 계산한 유사도의 전체적인 분포가 소정의 임계값을 초과한 것을 검출하거나, 상기 계산한 유사도의 변화 추세를 검출함으로써 해당 도로에 대한 블랙아이스의 발생을 감지 또는 예측하는 것을 특징으로 하는 블랙아이스 모니터링 방법.
  14. 청구항 10에 있어서,
    상기 블랙아이스 모니터링 단계는,
    해당 도로의 구조적 특징과 환경에 따라 블랙아이스가 생성되는 조건을 만족하는 상기 도로데이터를 모델링한 데이터세트를 입력으로 하여 기계학습을 수행하여 도출한 인공지능 학습모델에 상기 측정한 도로데이터에 대한 데이터세트를 입력하여 해당 인공지능 학습모델의 출력결과에 따라 해당 도로에 대한 블랙아이스의 발생을 감지하거나 예측하는 것을 더 포함하며,
    상기 인공지능 학습모델은, 상기 도로데이터에 대한 2차원 데이터세트를 구성하거나, 상기 2차원 데이터세트를 시계열적으로 일정시간 동안 모아서 3차원 데이터세트를 구성하여 CNN 또는 RNN에 입력하여 생성한 CNN 기반 학습모델 또는 RNN기반 학습모델을 포함하는 것을 특징으로 하는 블랙아이스 모니터링 방법.
  15. 청구항 10에 있어서,
    상기 블랙아이스 모니터링 방법은,
    상기 영상을 촬영하기 위해 CCTV와 연계하거나,
    상기 블랙아이스의 발생을 감지하거나 예측하면, 경고신호를 생성하여 해당 도로에 설치된 디지털 사이니지, 스피커, 경광등, LED 조명등, 교통신호등 또는 이들의 조합과 연계하거나, 또는
    상기 CCTV, 디지털 사이니지, 스피커, 경광등, LED 조명등, 교통신호등 또는 이들의 조합과 일체로 구성하는 것을 특징으로 하는 블랙아이스 모니터링 방법.
KR1020210060566A 2021-05-11 2021-05-11 블랙아이스 모니터링 시스템 KR102713804B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020210060566A KR102713804B1 (ko) 2021-05-11 2021-05-11 블랙아이스 모니터링 시스템
KR1020240132367A KR20240148787A (ko) 2021-05-11 2024-09-30 도로의 구조적 특징과 환경에 기반한 블랙아이스 모니터링 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210060566A KR102713804B1 (ko) 2021-05-11 2021-05-11 블랙아이스 모니터링 시스템

Related Child Applications (1)

Application Number Title Priority Date Filing Date
KR1020240132367A Division KR20240148787A (ko) 2021-05-11 2024-09-30 도로의 구조적 특징과 환경에 기반한 블랙아이스 모니터링 시스템

Publications (2)

Publication Number Publication Date
KR20220153247A true KR20220153247A (ko) 2022-11-18
KR102713804B1 KR102713804B1 (ko) 2024-10-04

Family

ID=84234843

Family Applications (2)

Application Number Title Priority Date Filing Date
KR1020210060566A KR102713804B1 (ko) 2021-05-11 2021-05-11 블랙아이스 모니터링 시스템
KR1020240132367A KR20240148787A (ko) 2021-05-11 2024-09-30 도로의 구조적 특징과 환경에 기반한 블랙아이스 모니터링 시스템

Family Applications After (1)

Application Number Title Priority Date Filing Date
KR1020240132367A KR20240148787A (ko) 2021-05-11 2024-09-30 도로의 구조적 특징과 환경에 기반한 블랙아이스 모니터링 시스템

Country Status (1)

Country Link
KR (2) KR102713804B1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102560968B1 (ko) * 2022-12-30 2023-07-28 (주)토페스 노면상태 검지시스템 및 방법
KR102564485B1 (ko) * 2023-03-14 2023-08-04 김현일 보행자를 위한 스마트케어 안전시스템

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10282250A (ja) * 1997-04-04 1998-10-23 Oki Electric Ind Co Ltd 路面凍結の予測方法及び装置
JP2001134889A (ja) * 1999-11-04 2001-05-18 Denso Corp 路面状況推定装置
KR20120132849A (ko) * 2011-05-30 2012-12-10 주식회사 유디코 노면 결빙 예측 및 강설 감지 시스템 및 방법
KR20200029049A (ko) * 2018-04-18 2020-03-17 모빌아이 비젼 테크놀로지스 엘티디. 카메라를 이용한 차량 환경 모델링
KR102187205B1 (ko) * 2020-05-12 2020-12-04 주식회사 비츠에스앤지 블랙 아이스 모니터링 시스템 및 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10282250A (ja) * 1997-04-04 1998-10-23 Oki Electric Ind Co Ltd 路面凍結の予測方法及び装置
JP2001134889A (ja) * 1999-11-04 2001-05-18 Denso Corp 路面状況推定装置
KR20120132849A (ko) * 2011-05-30 2012-12-10 주식회사 유디코 노면 결빙 예측 및 강설 감지 시스템 및 방법
KR20200029049A (ko) * 2018-04-18 2020-03-17 모빌아이 비젼 테크놀로지스 엘티디. 카메라를 이용한 차량 환경 모델링
KR102187205B1 (ko) * 2020-05-12 2020-12-04 주식회사 비츠에스앤지 블랙 아이스 모니터링 시스템 및 방법

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102560968B1 (ko) * 2022-12-30 2023-07-28 (주)토페스 노면상태 검지시스템 및 방법
KR102564485B1 (ko) * 2023-03-14 2023-08-04 김현일 보행자를 위한 스마트케어 안전시스템

Also Published As

Publication number Publication date
KR20240148787A (ko) 2024-10-11
KR102713804B1 (ko) 2024-10-04

Similar Documents

Publication Publication Date Title
KR102122859B1 (ko) 교통 영상감시시스템의 멀티 표적 추적 방법
US6985172B1 (en) Model-based incident detection system with motion classification
JP6144656B2 (ja) 歩行者の視覚的認識が困難であり得ることを運転者に警告するシステム及び方法
US20150178572A1 (en) Road surface condition classification method and system
KR20240148787A (ko) 도로의 구조적 특징과 환경에 기반한 블랙아이스 모니터링 시스템
Kumar et al. Study of robust and intelligent surveillance in visible and multi-modal framework
CN111800507A (zh) 一种交通监控方法及交通监控系统
CN109444912B (zh) 一种基于协同控制与深度学习的驾驶环境感知系统及方法
CN113345237A (zh) 一种使用路侧激光雷达数据提取车辆轨迹的变道识别与预测方法、系统、设备及存储介质
CN112149618B (zh) 适用于巡检车的行人异常行为检测方法与装置
CN111881853B (zh) 一种超大桥隧中异常行为识别方法和装置
KR102122850B1 (ko) 딥 러닝 기반의 교통분석 및 차량번호 인식 솔루션
CN115761537B (zh) 一种面向动态特征补充机制的输电线路异物入侵识别方法
Liu et al. Real-Time Multi-Task Environmental Perception System for Traffic Safety Empowered by Edge Artificial Intelligence
SB et al. Real-time pothole detection using YOLOv5 algorithm: a feasible approach for intelligent transportation systems
JP2004312402A (ja) 道路監視システム，道路監視装置
JP2004086417A (ja) 横断歩道等における歩行者検出方法及び同装置
Tai et al. Background segmentation and its application to traffic monitoring using modified histogram
CN116597404B (zh) 基于多源传感器融合的可持续道路异常检测方法与系统
Achari et al. I 2 UTS: An IoT based intelligent urban traffic system
CN116086547A (zh) 一种基于红外成像和气象监测的接触网覆冰检测方法
KR101867869B1 (ko) 가로등 기반 재난 대응 시스템
CN113378613A (zh) 数据收集装置
ElHakim et al. Traffisense: A smart integrated visual sensing system for traffic monitoring
CN113076821A (zh) 一种事件的检测方法及装置

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
A107 Divisional application of patent
GRNT Written decision to grant