KR20230042833A - 스마트 교통 신호 제어 시스템 - Google Patents
스마트 교통 신호 제어 시스템 Download PDFInfo
- Publication number
- KR20230042833A KR20230042833A KR1020210125541A KR20210125541A KR20230042833A KR 20230042833 A KR20230042833 A KR 20230042833A KR 1020210125541 A KR1020210125541 A KR 1020210125541A KR 20210125541 A KR20210125541 A KR 20210125541A KR 20230042833 A KR20230042833 A KR 20230042833A
- Authority
- KR
- South Korea
- Prior art keywords
- traffic signal
- waiting
- traffic
- information
- crossing
- Prior art date
Links
- 238000012545 processing Methods 0.000 claims abstract description 32
- 239000000411 inducer Substances 0.000 claims description 3
- 238000013528 artificial neural network Methods 0.000 description 15
- 230000015654 memory Effects 0.000 description 13
- 238000000034 method Methods 0.000 description 11
- 210000002569 neuron Anatomy 0.000 description 5
- 230000008569 process Effects 0.000 description 3
- 230000001105 regulatory effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000005442 molecular electronic Methods 0.000 description 2
- 230000001537 neural effect Effects 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 230000000946 synaptic effect Effects 0.000 description 2
- 101100009348 Mus musculus Depp1 gene Proteins 0.000 description 1
- 101100009350 Rattus norvegicus Depp gene Proteins 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 239000002775 capsule Substances 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 239000012212 insulator Substances 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000003278 mimic effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002071 nanotube Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 229920000642 polymer Polymers 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
스마트 교통 신호 제어 시스템이 개시된다. 일 실시예에 따른 교통 신호 제어 시스템은, 횡단 보도 앞에 위치한 횡단 대기 영역에서 대기하고 있는 횡단 대기자를 감지하는 센서와 상기 횡단 대기자에 관한 정보를 획득하고, 상기 횡단 보도의 면적 및 상기 횡단 대기자에 관한 정보에 기초하여 횡단에 관한 예측 정보를 획득하고, 상기 예측 정보에 기초하여 상기 횡단 보도의 보행 신호 시간을 미리 계산하고, 상기 보행 신호 시간에 기초하여 신호등을 제어하는 교통 신호 제어기와 상기 교통 신호 제어기로부터 수신한 상기 보행 신호 시간에 기초하여 상기 횡단 보도를 포함하는 복수의 횡단 보도의 보행 신호 시간을 계산함으로써 복수의 신호등을 전체적으로 제어하는 교통 신호 중앙 처리 장치를 포함할 수 있다.
Description
아래 개시는 스마트 교통 신호 제어 시스템에 관한 것이다.
교통 신호는 교통을 규제하고 지시, 안내하며 주의를 환기시키기 위한 신호를 의미한다. 교통 신호는 교통의 안전 및 교통 기관의 정보 전달을 목적으로 교통을 규제, 지시하며, 위험 사항을 경고하고, 길의 사정을 안내하는 역할을 할 수 있다. 일반적으로 교통 신호란 방향이 서로 엇갈리는 차량들에게 적절한 시간간격으로 통행우선권을 할당하는 통제설비를 말한다. 우리나라에서 사용되는 교통 신호 표시 방법은 도로교통법에 규정되어 있다.
교통 신호는 철도, 항공, 도로 교통 등에 공통적으로 사용되며, 교통 신호 장비의 종류는 점멸등, 차량 신호등, 보행자 신호등, 교차로 신호등이 있다. 현대에는 전자 기술의 발달로 인하여 교통 신호 장비뿐만 아니라 그 운영면에서 혁신적인 발전을 이룩했다.
실시예에 따르면 횡단 대기자에 관한 정보에 기초하여 교통 시스템을 전체적으로 제어하는 기술을 제공할 수 있다.
다만, 기술적 과제는 상술한 기술적 과제들로 한정되는 것은 아니며, 또 다른 기술적 과제들이 존재할 수 있다.
일 실시예에 따른 교통 신호 제어 시스템은, 횡단 보도 앞에 위치한 횡단 대기 영역에서 대기하고 있는 횡단 대기자를 감지하는 센서와 상기 횡단 대기자에 관한 정보를 획득하고, 상기 횡단 보도의 면적 및 상기 횡단 대기자에 관한 정보에 기초하여 횡단에 관한 예측 정보를 획득하고, 상기 예측 정보에 기초하여 상기 횡단 보도의 보행 신호 시간을 미리 계산하고, 상기 보행 신호 시간에 기초하여 신호등을 제어하는 교통 신호 제어기와 상기 교통 신호 제어기로부터 수신한 상기 보행 신호 시간에 기초하여 상기 횡단 보도를 포함하는 복수의 횡단 보도의 보행 신호 시간을 계산함으로써 복수의 신호등을 전체적으로 제어하는 교통 신호 중앙 처리 장치를 포함할 수 있다.
상기 횡단 대기자에 관한 정보는, 상기 횡단 대기자의 숫자, 성별, 나이, 및 장애에 관한 정보를 포함할 수 있다.
상기 장애에 관한 정보는, 상기 횡단 대기자의 전자 ID에 포함된 정보로부터 획득되거나 또는 휠체어를 포함하는 보행 보조도구를 감지함으로써 획득될 수 있다.
상기 예측 정보는, 상기 횡단 보도의 시간별 밀도 및 상기 횡단 대기자 각각의 횡단 속도를 포함할 수 있다.
상기 교통 신호 제어 시스템은 상기 보행 신호 시간 동안 보행자들의 전자기기의 작동을 중지시키는 횡단 집중 유도기를 더 포함할 수 있다.
도 1은 일 실시예에 따른 교통 신호 제어 시스템을 나타낸다.
도 2는 도 1에 도시된 교통 신호 제어기의 간략한 블록도를 나타낸다.
도 3은 도 1에 도시된 교통 신호 제어기의 교통 신호 제어 방법을 설명하기 위한 흐름도를 나타낸다.
도 2는 도 1에 도시된 교통 신호 제어기의 간략한 블록도를 나타낸다.
도 3은 도 1에 도시된 교통 신호 제어기의 교통 신호 제어 방법을 설명하기 위한 흐름도를 나타낸다.
실시예들에 대한 특정한 구조적 또는 기능적 설명들은 단지 예시를 위한 목적으로 개시된 것으로서, 다양한 형태로 변경되어 구현될 수 있다. 따라서, 실제 구현되는 형태는 개시된 특정 실시예로만 한정되는 것이 아니며, 본 명세서의 범위는 실시예들로 설명한 기술적 사상에 포함되는 변경, 균등물, 또는 대체물을 포함한다.
제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이런 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 해석되어야 한다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 설명된 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.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 해당 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.
이하, 실시예들을 첨부된 도면들을 참조하여 상세하게 설명한다. 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조 부호를 부여하고, 이에 대한 중복되는 설명은 생략하기로 한다.
도 1은 일 실시예에 따른 교통 신호 제어 시스템을 나타낸다.
교통 신호 제어 시스템(10)은 횡단 대기자에 관한 정보에 기초하여 횡단 보도의 보행 신호 시간을 미리 계산함으로써 교통 시스템을 전체적으로 제어할 수 있다.
교통 신호 제어 시스템(10)은 센서(100-1, 100-2), 교통 신호 제어기(200), 횡단 집중 유도기(300-1, 300-2), 및 교통 신호 중앙 처리 장치(500)를 포함할 수 있다.
센서(100-1, 100-2)는 보행자 신호등(예: 400-2)와 같은 기둥에 설치되어 횡단 대기자를 감지할 수 있다. 센서(100-1, 100-2)는 횡단 보도 앞에 위치한 횡단 대기 영역(150-1, 150-2)에서 대기하고 있는 횡단 대기자를 감지할 수 있다. 예를 들어, 센서(100-1)가 횡단 대기 영역(150-1)에서 감지한 있는 횡단 대기자의 수는 3명일 수 있고, 센서(100-2)가 횡단 대기 영역(150-2)에서 감지한 횡단 대기자의 수는 4명일 수 있다. 센서는 레이더 또는 카메라일 수 있다.
교통 신호 제어기(200)는 차량 신호등(예: 400-1)의 근처에 위치하여 신호등(400-1, 400-2)의 신호를 제어할 수 있다. 교통 신호 제어기(200)는 횡단 대기자에 관한 정보를 획득하고, 횡단 보도의 면적 및 횡단 대기자에 관한 정보에 기초하여 횡단에 관한 예측 정보를 획득할 수 있다. 교통 신호 제어기(200)는 횡단에 관한 예측 정보에 기초하여 횡단 보도의 보행 신호 시간을 미리 계산하고, 보행 신호 시간에 기초하여 신호등(400-1, 400-2)을 제어할 수 있다. 또한 교통 신호 제어기(200)는 미리 계산한 보행 신호 시간을 교통 신호 중앙 처리 장치(500)에 송신함으로써 교통 신호를 통합하여 제어하는 데에 기여할 수 있다.
횡단 집중 유도기(300-1, 300-2)는 보행 신호 시간 동안 보행자들의 전자기기의 작동을 중지시킴으로써 안전한 횡단 환경을 조성할 수 있다.
신호등(400-1, 400-2)은 신호를 디스플레이함으로써 차량 또는 보행자의 이동을 제어할 수 있다. 신호등(400-1, 400-2)은 차량 신호등(400-1) 및 보행자 신호등(400-2)를 포함할 수 있다. 횡단 보도의 보행 신호 시간 동안, 차량 신호등(400-1)은 빨간 불일 수 있고, 보행자 신호등(400-2)는 초록 불일 수 있다. 차량 신호등(400-1)과 보행자 신호등(400-2)는 교통 신호 제어기(200)에 의해 연동되어 제어될 수 있다.
교통 신호 중앙 처리 장치(500)는 교통 신호 시스템(10) 전체를 관리하는 서버 내에 구현될 수 있다. 교통 신호 중앙 처리 장치(500)는 하나 이상의 교통 신호 제어기(예: 200)로부터 횡단 보도의 보행 신호 시간을 수신할 수 있다. 교통 신호 중앙 처리 장치(500)는 실시간으로 수신되는 보행 신호 시간에 기초하여 교통 시스템의 교통 신호를 전체적으로 제어할 수 있다. 예를 들어, 교통 신호 중앙 처리 장치(500)는 복수의 횡단 보도의 보행 신호 시간을 계산함으로써 교통 시스템을 전체적으로 제어할 수 있다.
교통 신호 중앙 처리 장치(500)는 뉴럴 네트워크를 포함할 수 있고, 교통 신호 제어기(200)로부터 수신한 횡단 보도의 보행 신호 시간에 기초하여 복수의 횡단 보도의 보행 신호 시간을 획득할 수 있다.
교통 신호 중앙 처리 장치(500)는 가속기(accelerator)를 이용하여 뉴럴 네트워크 연산을 수행할 수 있다. 교통 신호 중앙 처리 장치(500)는 가속기를 이용하여 뉴럴 네트워크 연산을 수행할 수 있다.
가속기는 GPU(Graphics Processing Unit), FPGA(Field Programmable Gate Array), ASIC(Application Specific Integrated Circuit) 또는 AP(Application Processor)를 포함할 수 있다. 또한, 가속기는 가상 머신(Virtual Machine)와 같이 소프트웨어 컴퓨팅 환경으로 구현될 수도 있다.
교통 신호 중앙 처리 장치(500)는 뉴럴 네트워크를 학습시킬 수 있다. 뉴럴 네트워크(또는 인공 신경망)는 기계학습과 인지과학에서 생물학의 신경을 모방한 통계학적 학습 알고리즘을 포함할 수 있다. 뉴럴 네트워크는 시냅스의 결합으로 네트워크를 형성한 인공 뉴런(노드)이 학습을 통해 시냅스의 결합 세기를 변화시켜, 문제 해결 능력을 가지는 모델 전반을 의미할 수 있다.
뉴럴 네트워크의 뉴런은 가중치 또는 편향의 조합을 포함할 수 있다. 뉴럴 네트워크는 하나 이상의 뉴런 또는 노드로 구성된 하나 이상의 레이어(layer)를 포함할 수 있다. 뉴럴 네트워크는 뉴런의 가중치를 학습을 통해 변화시킴으로써 임의의 입력으로부터 예측하고자 하는 결과를 추론할 수 있다.
뉴럴 네트워크는 심층 뉴럴 네트워크 (Deep Neural Network)를 포함할 수 있다. 뉴럴 네트워크는 CNN(Convolutional Neural Network), RNN(Recurrent Neural Network), 퍼셉트론(perceptron), 다층 퍼셉트론(multilayer perceptron), FF(Feed Forward), RBF(Radial Basis Network), DFF(Deep Feed Forward), LSTM(Long Short Term Memory), GRU(Gated Recurrent Unit), AE(Auto Encoder), VAE(Variational Auto Encoder), DAE(Denoising Auto Encoder), SAE(Sparse Auto Encoder), MC(Markov Chain), HN(Hopfield Network), BM(Boltzmann Machine), RBM(Restricted Boltzmann Machine), DBN(Depp Belief Network), DCN(Deep Convolutional Network), DN(Deconvolutional Network), DCIGN(Deep Convolutional Inverse Graphics Network), GAN(Generative Adversarial Network), LSM(Liquid State Machine), ELM(Extreme Learning Machine), ESN(Echo State Network), DRN(Deep Residual Network), DNC(Differentiable Neural Computer), NTM(Neural Turning Machine), CN(Capsule Network), KN(Kohonen Network) 및 AN(Attention Network)를 포함할 수 있다.
교통 신호 중앙 처리 장치(500)는 마더보드(motherboard)와 같은 인쇄 회로 기판(printed circuit board(PCB)), 집적 회로(integrated circuit(IC)), 또는 SoC(system on chip)로 구현될 수 있다. 예를 들어, 중앙 처리 장치(200)는 애플리케이션 프로세서(application processor)로 구현될 수 있다.
또한, 교통 신호 중앙 처리 장치(500)는 PC(personal computer), 데이터 서버 등으로 구현될 수 있다.
휴대용 장치는 랩탑(laptop) 컴퓨터, 이동 전화기, 스마트 폰(smart phone), 태블릿(tablet) PC, 모바일 인터넷 디바이스(mobile internet device(MID)), PDA(personal digital assistant), EDA(enterprise digital assistant), 디지털 스틸 카메라(digital still camera), 디지털 비디오 카메라(digital video camera), PMP(portable multimedia player), PND(personal navigation device 또는 portable navigation device), 휴대용 게임 콘솔(handheld game console), e-북(e-book), 또는 스마트 디바이스(smart device)로 구현될 수 있다. 스마트 디바이스는 스마트 와치(smart watch), 스마트 밴드(smart band), 또는 스마트 링(smart ring)으로 구현될 수 있다.
교통 신호 제어 시스템(10)은 횡단 대기 영역에서 대기하고 있는 횡단 대기자에 관한 정보에 기초하여 횡단에 관한 예측 정보를 획득하고, 횡단에 관한 예측 정보에 기초하여 횡단 보도의 보행 신호 시간을 미리 계산함으로써 신호등을 제어할 수 있다. 교통 신호 제어 시스템(10)은 뉴럴 네트워크에 기초하여 전체 교통 시스템을 전체적으로 제어할 수 있다. 또한 교통 신호 제어 시스템(10)은 보행 신호 시간 동안 횡단 보도의 전자기기의 작동을 중단시킴으로써, 보행자들이 안전하게 횡단 보도를 횡단하도록 할 수 있다.
도 2는 도 1에 도시된 교통 신호 제어기의 간략한 블록도를 나타내고, 도 3은 도 1에 도시된 교통 신호 제어기의 교통 신호 제어 방법을 설명하기 위한 흐름도를 나타낸다.
교통 신호 제어기(200)는 횡단 대기자에 관한 정보에 기초하여 횡단 보도의 보행 신호 시간을 미리 계산함으로써 교통 시스템을 전체적으로 제어하는 데에 기여할 수 있다.
교통 신호 제어기(200)는 트랜시버(210), 프로세서(230), 및 메모리(250)를 포함할 수 있다.
트랜시버(210)는 프로세서(230)로부터 보행 신호 시간을 수신하여 교통 신호 중앙 처리 장치(500)에 송신할 수 있다. 또한, 트랜시버(210)는 교통 신호 중앙 처리 장치(500)로부터 보행 신호 시간을 수신하여 프로세서(230)에 송신할 수 있다.
프로세서(230)는 횡단 대기 영역에서 대기하고 있는 횡단 대기자에 관한 정보에 기초하여 횡단에 관한 예측 정보를 획득하고, 횡단에 관한 예측 정보에 기초하여 횡단 보도의 보행 신호 시간을 미리 계산함으로써 신호등을 제어할 수 있다.
프로세서(230)는 메모리(250)에 저장된 데이터를 처리할 수 있다. 프로세서(230)는 메모리(250)에 저장된 컴퓨터로 읽을 수 있는 코드(예를 들어, 소프트웨어) 및 프로세서(230)에 의해 유발된 인스트럭션(instruction)들을 실행할 수 있다.
프로세서(230)는 목적하는 동작들(desired operations)을 실행시키기 위한 물리적인 구조를 갖는 회로를 가지는 하드웨어로 구현된 데이터 처리 장치일 수 있다. 예를 들어, 목적하는 동작들은 프로그램에 포함된 코드(code) 또는 인스트럭션들(instructions)을 포함할 수 있다.
예를 들어, 하드웨어로 구현된 데이터 처리 장치는 마이크로프로세서(microprocessor), 중앙 처리 장치(central processing unit), 프로세서 코어(processor core), 멀티-코어 프로세서(multi-core processor), 멀티프로세서(multiprocessor), ASIC(Application-Specific Integrated Circuit), FPGA(Field Programmable Gate Array)를 포함할 수 있다.
동작 610에서, 프로세서(230)는 횡단 보도 앞에 위치한 횡단 대기 영역(예: 도1의 횡단 대기 영역(150-1, 150-2))에서 대기하고 있는 횡단 대기자에 관한 정보(예: 횡단 대기자의 숫자, 성별, 나이, 및 장애에 관한 정보)를 획득할 수 있다. 횡단 대기자의 정보는 센서(도 1의 센서(100))로부터 수신한 영상을 분석함으로써 획득될 수 있다. 예를 들어, 프로세서(230)는 횡단 대기자의 보행 보조 도구(예: 휠체어, 목발)를 감지함으로써 횡단 대기자의 장애에 관한 정보를 획득할 수 있다. 또한 프로세서(230)는 횡단 대기자의 전자 ID에 포함된 정보를 수신함으로써 횡단 대기자에 관한 정보를 획득할 수 있다.
동작 620에서, 프로세서(230)는 횡단 보도의 면적 및 횡단 대기자에 관한 정보(예: 횡단 대기자의 숫자, 성별, 나이, 및 장애에 관한 정보)에 기초하여 횡단에 관한 예측 정보를 획득할 수 있다. 횡단 보도의 면적은 메모리(250)에 미리 저장되어 있을 수 있다. 횡단 대기자에 관한 정보(예: 횡단 대기자의 숫자, 성별, 나이, 및 장애에 관한 정보)에 따라 횡단에 관한 예측 정보(예: 횡단 보도의 시간별 밀도 및 횡단 대기자 각각의 횡단 속도)가 상이할 수 있다. 예를 들어, 횡단 대기자의 숫자에 따라 횡단 보도의 밀도가 달라질 수 있고, 횡단 대기자의 성별, 나이, 및 장애 여부에 따라 횡단 대기자들의 횡단 속도가 달라질 수 있다. 프로세서(230)는 횡단 대기자에 관한 정보에 기초하여 횡단에 관한 예측 정보를 획득할 수 있다.
동작 630에서, 프로세서(230)는 횡단에 관한 예측 정보에 기초하여 횡단 보도의 보행 신호 시간을 계산할 수 있다. 횡단 보도가 초등학교 또는 경로당 앞에 위치한 경우, 횡단 대기자들이 횡단 보도를 건너는 데에 소요되는 시간은 횡단 보도가 초등학교 또는 경로당 앞에 위치하지 않은 경우에 소요되는 시간보다 더 클 수 있다. 이런 경우, 프로세서(230)는 획득한 횡단에 관한 예측 정보에 가중치를 부여하여 횡단 보도의 보행 신호 시간을 계산할 수 있다.
동작 640에서, 프로세서(230)는 계산한 보행 신호 시간에 기초하여 신호등을 제어할 수 있다. 예를 들어, 횡단 보도의 보행 신호 시간 동안, 차량 신호등(예: 도1에 도시된 신호등(400-1))은 빨간 불일 수 있고, 보행자 신호등((예: 도1에 도시된 신호등(400-2))는 초록 불일 수 있다. 프로세서(230)는 차량 신호등(400-1)과 보행자 신호등(400-2)를 연동하여 제어할 수 있다.
메모리(250)는 프로세서(230)에 의해 실행가능한 인스트럭션들(또는 프로그램)을 저장할 수 있다. 예를 들어, 인스트럭션들은 프로세서의 동작 및/또는 프로세서(230)의 각 구성의 동작을 실행하기 위한 인스트럭션들을 포함할 수 있다.
메모리(250)는 휘발성 메모리 장치 또는 불휘발성 메모리 장치로 구현될 수 있다.
휘발성 메모리 장치는 DRAM(dynamic random access memory), SRAM(static random access memory), T-RAM(thyristor RAM), Z-RAM(zero capacitor RAM), 또는 TTRAM(Twin Transistor RAM)으로 구현될 수 있다.
불휘발성 메모리 장치는 EEPROM(Electrically Erasable Programmable Read-Only Memory), 플래시(flash) 메모리, MRAM(Magnetic RAM), 스핀전달토크 MRAM(Spin-Transfer Torque(STT)-MRAM), Conductive Bridging RAM(CBRAM), FeRAM(Ferroelectric RAM), PRAM(Phase change RAM), 저항 메모리(Resistive RAM(RRAM)), 나노 튜브 RRAM(Nanotube RRAM), 폴리머 RAM(Polymer RAM(PoRAM)), 나노 부유 게이트 메모리(Nano Floating Gate Memory(NFGM)), 홀로그래픽 메모리(holographic memory), 분자 전자 메모리 소자(Molecular Electronic Memory Device), 또는 절연 저항 변화 메모리(Insulator Resistance Change Memory)로 구현될 수 있다.
이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 컨트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 저장할 수 있으며 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.
위에서 설명한 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 또는 복수의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 이를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.
Claims (5)
- 횡단 보도 앞에 위치한 횡단 대기 영역에서 대기하고 있는 횡단 대기자를 감지하는 센서;
상기 횡단 대기자에 관한 정보를 획득하고, 상기 횡단 보도의 면적 및 상기 횡단 대기자에 관한 정보에 기초하여 횡단에 관한 예측 정보를 획득하고, 상기 예측 정보에 기초하여 상기 횡단 보도의 보행 신호 시간을 미리 계산하고, 상기 보행 신호 시간에 기초하여 신호등을 제어하는 교통 신호 제어기; 및
상기 교통 신호 제어기로부터 수신한 상기 보행 신호 시간에 기초하여 상기 횡단 보도를 포함하는 복수의 횡단 보도의 보행 신호 시간을 계산함으로써 복수의 신호등을 전체적으로 제어하는 교통 신호 중앙 처리 장치
를 포함하는, 교통 신호 제어 시스템.
- 제1항에 있어서,
상기 횡단 대기자에 관한 정보는,
상기 횡단 대기자의 숫자, 성별, 나이, 및 장애에 관한 정보를 포함하는,
교통 신호 제어 시스템.
- 제2항에 있어서,
상기 장애에 관한 정보는,
상기 횡단 대기자의 전자 ID에 포함된 정보로부터 획득되거나 또는 휠체어를 포함하는 보행 보조도구를 감지함으로써 획득되는,
교통 신호 제어 시스템.
- 제1항에 있어서,
상기 예측 정보는,
상기 횡단 보도의 시간별 밀도 및 상기 횡단 대기자 각각의 횡단 속도를 포함하는,
교통 신호 제어 시스템.
- 제1항에 있어서,
상기 보행 신호 시간 동안 보행자들의 전자기기의 작동을 중지시키는 횡단 집중 유도기
를 더 포함하는, 교통 신호 제어 시스템.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020210125541A KR102605717B1 (ko) | 2021-09-23 | 2021-09-23 | 스마트 교통 신호 제어 시스템 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020210125541A KR102605717B1 (ko) | 2021-09-23 | 2021-09-23 | 스마트 교통 신호 제어 시스템 |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20230042833A true KR20230042833A (ko) | 2023-03-30 |
KR102605717B1 KR102605717B1 (ko) | 2023-11-23 |
Family
ID=85985760
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020210125541A KR102605717B1 (ko) | 2021-09-23 | 2021-09-23 | 스마트 교통 신호 제어 시스템 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR102605717B1 (ko) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100982724B1 (ko) * | 2008-04-17 | 2010-09-16 | 최상우 | 인공지능 보행자 신호등 제어장치 |
KR101349543B1 (ko) * | 2012-09-28 | 2014-01-09 | 아주대학교산학협력단 | 신호등 제어 장치 및 그 제어 방법 |
KR20180122243A (ko) * | 2017-05-02 | 2018-11-12 | 한국전자통신연구원 | 교통 신호를 제어하기 위한 교통 단말기 |
KR102202665B1 (ko) * | 2020-03-13 | 2021-01-14 | 한성정보기술주식회사 | 보행자의 횡단 보도 보행을 위한 음파통신 기반 안내 서비스 제공 방법, 장치 및 컴퓨터프로그램 |
-
2021
- 2021-09-23 KR KR1020210125541A patent/KR102605717B1/ko active IP Right Grant
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100982724B1 (ko) * | 2008-04-17 | 2010-09-16 | 최상우 | 인공지능 보행자 신호등 제어장치 |
KR101349543B1 (ko) * | 2012-09-28 | 2014-01-09 | 아주대학교산학협력단 | 신호등 제어 장치 및 그 제어 방법 |
KR20180122243A (ko) * | 2017-05-02 | 2018-11-12 | 한국전자통신연구원 | 교통 신호를 제어하기 위한 교통 단말기 |
KR102202665B1 (ko) * | 2020-03-13 | 2021-01-14 | 한성정보기술주식회사 | 보행자의 횡단 보도 보행을 위한 음파통신 기반 안내 서비스 제공 방법, 장치 및 컴퓨터프로그램 |
Also Published As
Publication number | Publication date |
---|---|
KR102605717B1 (ko) | 2023-11-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11067988B1 (en) | Interactive autonomous vehicle agent | |
US12097889B2 (en) | Agent trajectory prediction using anchor trajectories | |
US12005892B2 (en) | Simulating diverse long-term future trajectories in road scenes | |
US10366502B1 (en) | Vehicle heading prediction neural network | |
JP2023548272A (ja) | 交差する確率に基づく安全システム資源の割り当て | |
US20210150350A1 (en) | Agent trajectory prediction using vectorized inputs | |
US10909842B2 (en) | Use of self-driving vehicles and mapping for pedestrian defined crosswalks | |
US20220297728A1 (en) | Agent trajectory prediction using context-sensitive fusion | |
US12049221B2 (en) | Multi-modal multi-agent trajectory prediction | |
JP2024528425A (ja) | オブジェクト軌道に基づくアクティブ予測 | |
US11921504B1 (en) | Vehicle controller validation | |
US11950166B2 (en) | Predicting occupancy probabilities of surrounding agents | |
Li et al. | Basics and Applications of AI in ADAS and Autonomous Vehicles | |
US20220326714A1 (en) | Unmapped u-turn behavior prediction using machine learning | |
KR102605717B1 (ko) | 스마트 교통 신호 제어 시스템 | |
Li et al. | On-ramp merging for highway autonomous driving: An application of a new safety indicator in deep reinforcement learning | |
KR102633944B1 (ko) | 3d 라이다 센서를 활용한 얼굴 인식 방법 및 장치 | |
KR20230150150A (ko) | 초분광 영상 분석 딥러닝 모델을 위한 전처리 방법 및 장치 | |
KR102668317B1 (ko) | 레이더 신호 처리를 이용한 객체 인식 시스템 | |
KR20220159759A (ko) | 강화 학습을 통해 학습된 파라미터 결정모델에 기초한 pid 제어 방법 및 장치 | |
KR102614909B1 (ko) | 희소화를 이용한 뉴럴 네트워크 연산 방법 및 장치 | |
KR102626850B1 (ko) | 뉴럴 네트워크 기반 에너지 하베스팅 방법 및 시스템 | |
KR20240095894A (ko) | 주의 매커니즘을 이용한 고품질의 장면 이미지 생성 방법 및 장치 | |
US20230104843A1 (en) | Detecting stationary non-participants of traffic | |
KR20220072237A (ko) | 그룹 레이블링 학습에서 뉴럴 네트워크 기반 효과적인 임베딩 벡터 생성 및 이를 이용한 레이블 예측 방법, 장치 및 그 예측 모델에서의 학습 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
E902 | Notification of reason for refusal | ||
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant |