KR20230045499A - 주행 소음의 지속 시간을 이용한 노면의 상태를 분석하기 위한 장치 및 이를 위한 방법 - Google Patents

Abstract

본 발명의 노면의 상태를 분석하기 위한 방법은 신호처리부가 도로 변의 센서장치로부터 스트리밍 방식으로 오디오 신호를 수신하는 단계와, 상기 신호처리부가 상기 오디오 신호의 관심 주파수 대역의 오디오 신호인 복수의 관심 오디오 신호를 검출하는 단계와, 상기 신호처리부가 슬라이딩 윈도우를 이용하여 상기 관심 오디오 신호로부터 시간 순서에 따라 정렬된 복수의 오디오벡터를 추출하는 단계와, 인식부가 인식모델을 통해 상기 복수의 오디오벡터를 순차로 분석하여 상기 복수의 오디오벡터 중 상기 도로의 노면의 상태가 이상 상태임을 나타내는 오디오벡터를 검출하는 단계와, 상기 인식부가 상기 검출된 오디오벡터 중 상기 시간 순서가 연속된 오디오벡터의 수에 따라 노면의 상태가 이상 상태인 도로의 길이를 산출하는 단계를 포함한다.

Description

주행 소음의 지속 시간을 이용한 노면의 상태를 분석하기 위한 장치 및 이를 위한 방법{Apparatus for analyzing road surface condition using duration of driving noise and method therefor}

본 발명은 노면의 상태를 분석하기 기술에 관한 것으로, 더욱 상세하게는, 주행 소음의 지속 시간을 이용한 노면의 상태를 분석하기 위한 장치 및 이를 위한 방법에 관한 것이다.

통상적으로 수막, 결빙, 적설 등의 악천후 노면상태 정보는 효율적인 도로관리 및 교통 안전에 중요한 역할을 한다. 최근 블랙아이스(Black ice 또는 clear ice)에 의한 사고의 발생이 빈번한데, 블랙아이스는 도로 표면에 코팅한 것처럼 얇은 얼음막이 생기는 현상을 말한다. 이는 아스팔트 표면의 틈 사이로 눈과 습기가 공기 중의 매연, 먼지와 뒤엉켜 스며든 뒤 검게 얼어붙는 현상을 포함한다. 추운 겨울에 다리 위, 터널의 출입구, 그늘진 도로, 산모퉁이 음지 등 그늘지고 온도가 낮은 곳에 주로 생긴다.

기존의 노면상태 관리는 도로 기상정보 시스템이라는 장비를 활 용하고 있으며, 이러한 도로 기상정보 시스템은 기상관측 시스템의 자료를 이용하여 도로 노면 및 대기 상태 예측 시스템으로 예측 정보까지 제공할 수 있는 시스템이다. 이러한 도로 기상정보 시스템은 측정된 기상 데이터와 노면상태 정보를 실시간으로 제공함으로써, 운전자의 안전 운행을 위한 정보를 제공해주며, 도로 운영자에게 도로 관리에 대한 효율적인 의사 결정 정보를 제공해줄 수 있지만, 이러한 도로 기상정보 시스템은 장비 설치 및 유지관리비가 매우 고가이기 때문에 그 보급에 한계가 있다.

한국공개특허 제2020-0086492호 (2020년07월17일 공개)

본 발명의 목적은 주행 소음의 지속 시간을 이용한 노면 상태를 분석함으로써 수막, 결빙, 적설 등의 이상 상태가 있는 노면의 길이를 도출할 수 있는 노면의 상태를 분석하기 위한 장치 및 이를 위한 방법을 제공함에 있다.

본 발명의 노면의 상태를 분석하기 위한 방법은 신호처리부가 도로 변의 센서장치로부터 스트리밍 방식으로 오디오 신호를 수신하는 단계와, 상기 신호처리부가 상기 오디오 신호의 관심 주파수 대역의 오디오 신호인 복수의 관심 오디오 신호를 검출하는 단계와, 상기 신호처리부가 슬라이딩 윈도우를 이용하여 상기 관심 오디오 신호로부터 시간 순서에 따라 정렬된 복수의 오디오벡터를 추출하는 단계와, 인식부가 인식모델을 통해 상기 복수의 오디오벡터를 순차로 분석하여 상기 복수의 오디오벡터 중 상기 도로의 노면의 상태가 이상 상태임을 나타내는 오디오벡터를 검출하는 단계와, 상기 인식부가 상기 검출된 오디오벡터 중 상기 시간 순서가 연속된 오디오벡터의 수에 따라 노면의 상태가 이상 상태인 도로의 길이를 산출하는 단계를 포함한다.

상기 도로의 노면의 상태가 이상 상태임을 나타내는 오디오벡터를 검출하는 단계는 상기 인식부가 상기 인식모델에 오디오벡터를 입력하는 단계와, 상기 인식모델이 상기 입력된 오디오벡터에 대해 복수의 계층 간 학습된 가중치가 적용되는 복수의 연산을 수행하여 상기 오디오벡터를 모사하는 모사 오디오벡터를 도출하는 단계와, 상기 인식부가 상기 모사 오디오벡터와 상기 입력된 오디오벡터와의 차이를 나타내는 오차를 산출하는 단계와, 상기 인식부가 산출된 오차가 기 설정된 임계치 미만이면, 상기 입력된 오디오벡터를 도로의 노면의 상태가 이상 상태임을 나타내는 오디오벡터로 검출하는 단계를 포함한다.

상기 방법은 상기 스트리밍 방식으로 오디오 신호를 수신하는 단계 전, 학습부가 학습용 오디오벡터를 마련하는 단계와, 상기 학습부가 학습용 오디오벡터를 학습이 완료되지 않은 인식모델에 입력하는 단계와, 상기 인식모델이 상기 학습용 오디오벡터에 대해 복수의 계층 간 학습이 완료되지 않은 가중치가 적용되는 복수의 연산을 수행하여 상기 학습용 오디오벡터를 모사하는 학습용 모사 오디오벡터를 생성하는 단계와, 상기 학습부가 상기 학습용 오디오벡터와 학습용 모사 오디오벡터의 차이인 손실을 산출하는 단계와, 상기 학습부가 상기 손실이 최소가 되도록 상기 인식모델의 가중치를 갱신하는 최적화를 수행하는 단계를 더 포함한다.

상기 방법은 상기 스트리밍 방식으로 오디오 신호를 수신하는 단계 전, 상기 최적화를 수행하는 단계 후, 상기 학습부가 수학식 θ=μ+(k×σ)에 따라 상기 임계치를 산출하는 단계를 더 포함한다. 여기서, 상기 μ는 복수의 검사용 오디오벡터와 복수의 검사용 오디오벡터에 대응하는 복수의 검사용 모사 오디오벡터 간의 평균제곱손실의 평균이고, 상기 σ는 상기 복수의 검사용 오디오벡터와 상기 복수의 검사용 오디오벡터에 대응하는 상기 복수의 검사용 모사 오디오벡터 간의 평균제곱손실의 표준 편차이고, 상기 k는 상기 표준편차에 대한 가중치인 것을 특징으로 한다.

상기 복수의 오디오벡터를 추출하는 단계는 상기 신호처리부가 시간 도메인 상에서 슬라이딩 윈도우를 소정 시간 간격 쉬프트시키면서 복수의 오디오벡터를 추출하며, 상기 시간 간격은 상기 슬라이딩 윈도우의 길이 보다 작은 길이를 가지는 것을 특징으로 한다.

본 발명의 노면의 상태를 분석하기 위한 장치는 도로 변의 센서장치로부터 스트리밍 방식으로 오디오 신호를 수신하면, 상기 오디오 신호의 관심 주파수 대역의 오디오 신호인 복수의 관심 오디오 신호를 검출하고, 슬라이딩 윈도우를 이용하여 상기 관심 오디오 신호로부터 시간 순서에 따라 정렬된 복수의 오디오벡터를 추출하는 신호처리부와, 인식모델을 통해 상기 복수의 오디오벡터를 순차로 분석하여 상기 복수의 오디오벡터 중 상기 도로의 노면의 상태가 이상 상태임을 나타내는 오디오벡터를 검출하고, 상기 검출된 오디오벡터 중 상기 시간 순서가 연속된 오디오벡터의 수에 따라 노면의 상태가 이상 상태인 도로의 길이를 산출하는 인식부를 포함한다.

상기 인식부는 상기 인식모델에 오디오벡터를 입력하고, 상기 인식모델이 상기 입력된 오디오벡터에 대해 복수의 계층 간 학습된 가중치가 적용되는 복수의 연산을 수행하여 상기 오디오벡터를 모사하는 모사 오디오벡터를 도출하면, 상기 모사 오디오벡터와 상기 입력된 오디오벡터와의 차이를 나타내는 오차를 산출하고, 산출된 오차가 기 설정된 임계치 미만이면, 상기 입력된 오디오벡터를 도로의 노면의 상태가 이상 상태임을 나타내는 오디오벡터로 검출하는 것을 특징으로 한다.

상기 장치는 학습용 오디오벡터를 마련한 후, 학습용 오디오벡터를 학습이 완료되지 않은 인식모델에 입력하고, 상기 인식모델이 상기 학습용 오디오벡터에 대해 복수의 계층 간 학습이 완료되지 않은 가중치가 적용되는 복수의 연산을 수행하여 상기 학습용 오디오벡터를 모사하는 학습용 모사 오디오벡터를 생성하면, 상기 학습용 오디오벡터와 학습용 모사 오디오벡터의 차이인 손실을 산출하고, 상기 손실이 최소가 되도록 상기 인식모델의 가중치를 갱신하는 최적화를 수행하는 학습부를 더 포함한다.

상기 학습부는 상기 최적화를 수행한 후, 수학식 θ=μ+(k×σ)에 따라 상기 임계치를 산출하며, 상기 μ는 복수의 검사용 오디오벡터와 복수의 검사용 오디오벡터에 대응하는 복수의 검사용 모사 오디오벡터 간의 평균제곱손실의 평균이고, 상기 σ는 상기 복수의 검사용 오디오벡터와 상기 복수의 검사용 오디오벡터에 대응하는 상기 복수의 검사용 모사 오디오벡터 간의 평균제곱손실의 표준 편차이고, 상기 k는 상기 표준편차에 대한 가중치인 것을 특징으로 한다.

상기 신호처리부는 시간 도메인 상에서 슬라이딩 윈도우를 소정 시간 간격 쉬프트시키면서 복수의 오디오벡터를 추출하며, 상기 시간 간격은 상기 슬라이딩 윈도우의 길이 보다 작은 길이를 가지는 것을 특징으로 한다.

본 발명에 따르면, 스트리밍 기반의 오디오 신호로부터 시간 순서에 따라 정렬된 복수의 오디오벡터를 추출하고, 복수의 오디오벡터 중 이상 상태를 나타내면서 시간 순서가 연속된 오디오벡터를 검출하여 검출된 오디오벡터의 수에 따라 노면의 상태가 이상 상태인 도로의 길이를 산출할 수 있다. 이에 따라, 노면의 상태가 이상 상태인 영역을 정밀하게 검출할 수 있다.

도 1은 본 발명의 실시예에 따른 저전력 통신 기반의 노면의 상태를 분석하기 위한 시스템을 설명하기 위한 도면이다.
도 2는 본 발명의 실시예에 따른 교통서버의 구성을 설명하기 위한 블록도이다.
도 3은 본 발명의 실시예에 따른 인식모델의 구성을 설명하기 위한 도면이다.
도 4는 본 발명의 실시예에 따른 관심 오디오 신호로부터 검출되는 오디오벡터를 설명하기 위한 도면이다.
도 5는 본 발명의 실시예에 따른 인식모델을 생성하기 위한 방법을 설명하기 위한 흐름도이다.
도 6은 본 발명의 실시예에 따른 주행 소음의 지속 시간을 이용한 노면의 상태를 분석하기 위한 방법을 설명하기 위한 흐름도이다.
도 7은 본 발명의 실시예에 따른 복수의 오디오벡터에서 도로의 노면의 상태가 이상 상태임을 나타내는 오디오벡터를 검출하는 방법을 설명하기 위한 흐름도이다.
도 8은 본 발명의 일 실시예에 따른 주행 소음의 지속 시간을 이용한 노면의 상태를 분석하기 위한 장치를 구현하기 위한 하드웨어 시스템의 예시도이다.

본 발명의 과제 해결 수단의 특징 및 이점을 보다 명확히 하기 위하여, 첨부된 도면에 도시된 본 발명의 특정 실시 예를 참조하여 본 발명을 더 상세하게 설명한다.

다만, 하기의 설명 및 첨부된 도면에서 본 발명의 요지를 흐릴 수 있는 공지 기능 또는 구성에 대한 상세한 설명은 생략한다. 또한, 도면 전체에 걸쳐 동일한 구성 요소들은 가능한 한 동일한 도면 부호로 나타내고 있음에 유의하여야 한다.

이하의 설명 및 도면에서 사용된 용어나 단어는 통상적이거나 사전적인 의미로 한정해서 해석되어서는 아니 되며, 발명자는 그 자신의 발명을 가장 최선의 방법으로 설명하기 위한 용어의 개념으로 적절하게 정의할 수 있다는 원칙에 입각하여 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야만 한다. 따라서 본 명세서에 기재된 실시 예와 도면에 도시된 구성은 본 발명의 가장 바람직한 일 실시 예에 불과할 뿐이고, 본 발명의 기술적 사상을 모두 대변하는 것은 아니므로, 본 출원시점에 있어서 이들을 대체할 수 있는 다양한 균등물과 변형 예들이 있을 수 있음을 이해하여야 한다.

또한, 제1, 제2 등과 같이 서수를 포함하는 용어는 다양한 구성요소들을 설명하기 위해 사용하는 것으로, 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용될 뿐, 상기 구성요소들을 한정하기 위해 사용되지 않는다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제2 구성요소는 제1 구성요소로 명명될 수 있고, 유사하게 제1 구성요소도 제2 구성요소로 명명될 수 있다.

더하여, 어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급할 경우, 이는 논리적 또는 물리적으로 연결되거나, 접속될 수 있음을 의미한다. 다시 말해, 구성요소가 다른 구성요소에 직접적으로 연결되거나 접속되어 있을 수 있지만, 중간에 다른 구성요소가 존재할 수도 있으며, 간접적으로 연결되거나 접속될 수도 있다고 이해되어야 할 것이다.

또한, 본 명세서에서 사용한 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 또한, 본 명세서에서 기술되는 "포함한다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

또한, 명세서에 기재된 "…부", "…기", "모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다.

또한, "일(a 또는 an)", "하나(one)", "그(the)" 및 유사어는 본 발명을 기술하는 문맥에 있어서(특히, 이하의 청구항의 문맥에서) 본 명세서에 달리 지시되거나 문맥에 의해 분명하게 반박되지 않는 한, 단수 및 복수 모두를 포함하는 의미로 사용될 수 있다.

아울러, 본 발명의 범위 내의 실시 예들은 컴퓨터 실행가능 명령어 또는 컴퓨터 판독가능 매체에 저장된 데이터 구조를 가지거나 전달하는 컴퓨터 판독가능 매체를 포함한다. 이러한 컴퓨터 판독가능 매체는, 범용 또는 특수 목적의 컴퓨터 시스템에 의해 액세스 가능한 임의의 이용 가능한 매체일 수 있다. 예로서, 이러한 컴퓨터 판독가능 매체는 RAM, ROM, EPROM, CD-ROM 또는 기타 광 디스크 저장장치, 자기 디스크 저장장치 또는 기타 자기 저장장치, 또는 컴퓨터 실행가능 명령어, 컴퓨터 판독가능 명령어 또는 데이터 구조의 형태로 된 소정의 프로그램 코드 수단을 저장하거나 전달하는 데에 이용될 수 있고, 범용 또는 특수 목적 컴퓨터 시스템에 의해 액세스 될 수 있는 임의의 기타 매체와 같은 물리적 저장 매체를 포함할 수 있지만, 이에 한정되지 않는다.

이하의 설명 및 특허 청구 범위에서, "네트워크"는 컴퓨터 시스템들 및/또는 모듈들 간의 전자 데이터를 전송할 수 있게 하는 하나 이상의 데이터 링크로서 정의된다. 정보가 네트워크 또는 다른 (유선, 무선, 또는 유선 또는 무선의 조합인) 통신 접속을 통하여 컴퓨터 시스템에 전송되거나 제공될 때, 이 접속은 컴퓨터-판독가능매체로서 이해될 수 있다. 컴퓨터 판독가능 명령어는, 예를 들면, 범용 컴퓨터 시스템 또는 특수 목적 컴퓨터 시스템이 특정 기능 또는 기능의 그룹을 수행하도록 하는 명령어 및 데이터를 포함한다. 컴퓨터 실행가능 명령어는, 예를 들면, 어셈블리어, 또는 심지어는 소스코드와 같은 이진, 중간 포맷 명령어일 수 있다.

아울러, 본 발명은 퍼스널 컴퓨터, 랩탑 컴퓨터, 핸드헬드 장치, 멀티프로세서 시스템, 마이크로프로세서-기반 또는 프로그램 가능한 가전제품(programmable consumer electronics), 네트워크 PC, 미니컴퓨터, 메인프레임 컴퓨터, 모바일 전화, PDA, 페이저(pager) 등을 포함하는 다양한 유형의 컴퓨터 시스템 구성을 가지는 네트워크 컴퓨팅 환경에서 적용될 수 있다. 본 발명은 또한 네트워크를 통해 유선 데이터 링크, 무선 데이터 링크, 또는 유선 및 무선 데이터 링크의 조합으로 링크된 로컬 및 원격 컴퓨터 시스템 모두가 태스크를 수행하는 분산형 시스템 환경에서 실행될 수 있다. 분산형 시스템 환경에서, 프로그램 모듈은 로컬 및 원격 메모리 저장 장치에 위치될 수 있다.

먼저, 본 발명의 실시예에 따른 주행 소음의 지속 시간을 이용한 노면의 상태를 분석하기 위한 시스템에 대해서 설명하기로 한다. 도 1은 본 발명의 실시예에 따른 주행 소음의 지속 시간을 이용한 노면의 상태를 분석하기 위한 시스템을 설명하기 위한 도면이다. 도 1을 참조하면, 본 발명의 실시예에 따른 시스템은 교통서버(10), 교통서버(10)가 관리하는 복수의 센서장치(20) 및 관리자장치(30)를 포함한다.

교통서버(10)는 복수의 센서장치(20)로부터 오디오 신호를 분석하여 도로(1) 도로(1)의 노면의 상태를 인식하기 위한 것이다. 이를 위하여, 교통서버(10)는 복수의 센서장치(20)로부터 오디오 신호를 수신하고, 수신된 오디오 신호를 가공 및 분석하여 도로(1)의 노면의 상태를 인식한다. 그리고 도로(1)의 노면의 상태가 예컨대, 수막, 결빙, 적설 등의 이상 상태를 나타내는 것으로 검출되는 경우, 이상 상태로 나타나는 주행 소음의 지속 시간에 따라 이상 상태인 도로의 길이를 산출한다.

센서장치(20)는 도로(1) 변, 즉, 도로(1)에 기 설정된 거리 이내에 설치되며, 소정 간격 이격된 상태로 배치될 수 있다. 그리고 센서장치(20)는 도로(1)의 양 가장 자리에 지그 재그로 배치되거나, 한쪽 가장자리에 일렬로 배치될 수도 있다. 센서장치(20)는 도로에서 발생하는 오디오 신호를 수집하기 위한 마이크로폰(Microphone) 및 오디오 신호를 교통서버(10)로 전송하기 트랜시버(Transceiver) 그리고 마이크로폰과 트랜시버를 제어하기 위한 마이크로컨트롤러 유닛(MCU: Micro-Controller Unit)을 포함할 수 있다. 이러한 센서장치(20)는 IoT(Internet of Things) 장치가 될 수 있다. 센서장치(20)는 네트워크에 접속하여 교통서버(10)로 설치된 장소에서 수집된 오디오 신호를 전달할 수 있다. 특히, 복수의 센서장치(20)가 존재하는 경우, 복수의 센서장치(20)는 센서 네트워크를 구성하여 복수의 센서장치(20) 각각이 측정한 복수의 오디오 신호를 어느 하나의 센서장치(20)로 전달하고, 해당 센서장치(20)가 복수의 오디오 신호를 교통서버(10)로 전달할 수도 있다.

관리자장치(30)는 교통정보서버(10) 및 센서장치(20)에 대한 관리 책임이 있는 관리자가 사용하는 장치이다. 관리자장치(30)는 스마트폰, 태블릿, 패블릿, 노트북, 퍼스터널컴퓨터 등을 예시할 수 있다. 관리자장치(30)는 관리자의 조작에 따라 교통정보서버(10)에 접속하여 필요한 설정을 입력하거나, 교통정보서버(10)가 도출한 교통정보를 제공 받을 수 있다.

다음으로, 본 발명의 실시예에 따른 교통서버(10)에 대해 보다 상세하게 설명하기로 한다. 도 2는 본 발명의 실시예에 따른 교통서버의 구성을 설명하기 위한 블록도이다. 도 3은 본 발명의 실시예에 따른 인식모델의 구성을 설명하기 위한 도면이다. 도 4는 본 발명의 실시예에 따른 관심 오디오 신호로부터 검출되는 오디오벡터를 설명하기 위한 도면이다.

먼저, 도 2를 참조하면, 교통서버(10)는 학습부(100), 신호처리부(200), 인식부(300), 통지부(400)를 포함한다.

학습부(100)는 인식모델(RM)을 생성하기 위한 것이다. 학습부(100)는 인식모델(RM)을 생성하면, 생성된 인식모델(RM)을 인식부(200)에 제공할 수 있다. 인식모델(RM)은 모두 복수의 계층을 포함하며, 복수의 계층 각각은 복수의 연산을 수행한다. 어느 하나의 계층의 복수의 연산 모듈의 연산 결과 각각은 가중치가 적용되어 다음 계층에 전달된다. 이는 현 계층의 연산 결과에 가중치가 적용되어 다음 계층의 연산에 입력되는 것을 의미한다. 즉, 인식모델(RM)은 복수의 계층 간 가중치가 적용되는 복수의 연산을 수행한다.

인식모델(RM)은 입력되는 오디오벡터를 모사하는 모사 오디오벡터를 생성하는 생성형 네트워크가 될 수 있다. 이러한 인식모델(RM)은 RBM(Restricted Boltzmann Machine), AE(Auto-Encoder), GAN(Generative Adversarial Network) 등을 예시할 수 있다.

인식모델(RM)의 복수의 계층은 완전연결계층(Fully-connected layer), 컨벌루션계층(Convolutional layer), 순환계층(Recurrent layer), 그래프계층(Graph layer), 풀링계층(Pooling Layer) 중 하나 이상의 조합을 포함한다. 복수의 연산은 컨볼루션(Convolution) 연산, 다운샘플링(Down Sampling) 연산, 업샘플링(Up Sampling) 연산, 활성화함수에 의한 연산 등을 예시할 수 있다. 여기서, 활성화함수는 시그모이드(Sigmoid), 하이퍼볼릭탄젠트(tanh: Hyperbolic tangent), ELU(Exponential Linear Unit), ReLU(Rectified Linear Unit), Leakly ReLU, Maxout, Minout, Softmax 등을 예시할 수 있다.

도 3을 참조하면, 인식모델(RM)이 오토인코더인 경우, 인식모델(RM)은 인코더(encoder: EN) 및 디코더(decoder: DE)를 포함한다. 이러한 인코더(EN) 및 디코더(DE)를 포함하는 인식모델(RM)은 복수의 계층을 포함하며, 복수의 계층은 복수의 연산을 포함한다. 또한, 복수의 계층 간은 가중치(W: weight)로 연결된다. 어느 하나의 계층의 연산 결과는 가중치가 적용되어 다음 계층 노드의 입력이 된다. 즉, 인식모델(RM)의 어느 한 계층은 이전 계층으로부터 가중치를 적용한 값을 입력 받고, 이에 대한 연산을 수행하고, 그 연산 결과를 다음 계층의 입력으로 전달한다.

인식모델(RM)이 컨벌루션계층 기반 오토인코더인 경우 인코더(EN)는 컨벌루션(Convolution) 연산 및 활성화함수에 의한 연산을 포함하는 복수의 컨벌루션층(Convolution Layer: CL)을 포함한다. 또한, 인코더(EN)의 복수의 컨벌루션층(CL) 사이에는 최대 풀링(Max Pooling) 연산을 수행하는 풀링층(Pooling Layer: PL)가 적용될 수 있다. 인코더(EN)는 오디오벡터를 입력 받고, 오디오벡터(X)가 입력되면, 오디오벡터(X)에 대해 복수의 계층 간의 가중치가 적용되는 복수의 연산을 수행함으로써 오디오벡터를 압축(encoding)하여 잠재 벡터(Latent Vector)인 잠재값(Z)을 산출한다.

디코더(DE)는 디컨벌루션(Deconvolution) 연산 및 활성화함수에 의한 연산을 포함하는 디컨벌루션층(Deconvolution Layer: DL)을 포함한다. 디코더(DE) 각각은 잠재값(z)을 입력 받고, 입력된 잠재값(Z)에 대해 복수의 계층 간의 가중치가 적용되는 복수의 연산을 수행함으로써 잠재값(Z)을 복원(decoding)하여 오디오벡터(X)를 모사하는 모사 오디오벡터(Y)를 도출한다.

신호처리부(200)는 센서장치(20)로부터 스트리밍 방식으로 오디오 신호를 수신하고, 수신된 오디오 신호로부터 관심 오디오 신호를 검출할 수 있다. 여기서, 관심 오디오 신호는 오디오 신호 중 관심 주파수 대역의 오디오 신호를 의미한다. 관심 주파수 대역은 노면의 상태가 이상 상태(예컨대, 수막, 결빙, 적설 등)인 도로 상에서 차량의 주행에 따라 발생하는 주행 소음의 주파수 대역이다. 이러한 관심 주파수 대역은 미리 설정될 수 있다. 이때, 이상 상태인 도로 상에서 차량의 주행에 따라 발생하는 주행 소음의 지배적인 주파수 대역을 검출하여 관심 주파수 대역으로 설정할 수 있다. 지배적 주파수 대역은 이상 상태의 노면에서 발생하는 주행 소음으로부터 검출된 주파수 대역 중 소정 수치 이상 중복 검출되는 주파수 대역을 의미한다. 예를 들면, 이상 상태의 노면에서 주행 소음을 복수 번 수집하여 수집된 복수의 주행 소음에서 검출된 주파수 대역 중 소정 수치 이상 중복 검출되는 주파수 대역이 지배적인 주파수 대역이 될 수 있다.

또한, 도 4를 참조하면, 신호처리부(200)는 슬라이딩 윈도우(wd)를 이용하여 관심 오디오 신호로부터 시간 순서에 따라 정렬된 복수의 오디오벡터(x1, x2, ??, xn)를 추출한다. 이때, 신호처리부(200)는 시간 도메인 상에서 슬라이딩 윈도우(wd)를 소정 시간 간격(sf) 쉬프트시키면서 오디오벡터(x1, x2, ??, xn)를 추출하되, 쉬프트 간격은 슬라이딩 윈도우의 길이(d) 보다 작은 길이를 가진다. 따라서 복수의 오디오벡터(x1, x2, ??, xn)는 시간 상 이웃하는 오디오벡터와 적어도 일부가 중첩되는 관심 오디오 신호를 포함한다.

인식부(300)는 인식모델(RM)을 통해 복수의 오디오벡터를 순차로 분석하여 상기 복수의 오디오벡터 중 상기 도로의 노면의 상태가 이상 상태임을 나타내는 오디오벡터를 검출할 수 있다. 그리고 인식부(300)는 검출된 오디오벡터 중 상기 시간 순서가 연속된 오디오벡터의 수에 따라 노면의 상태가 이상 상태인 도로의 길이를 산출할 수 있다.

통지부(400)는 인식부(300)가 노면의 상태가 이상 상태인 도로의 길이를 산출하면, 산출된 노면의 상태가 이상 상태인 도로의 길이를 나타내는 이상도로길이정보를 관리자장치(30)로 전송한다.

다음으로, 본 발명의 실시예에 따른 인식모델(RM)을 생성하기 위한 방법에 대해서 설명하기로 한다. 도 5는 본 발명의 실시예에 따른 인식모델을 생성하기 위한 방법을 설명하기 위한 흐름도이다.

도 3을 참조하면, 학습부(100)는 S110 단계에서 주행 소음의 관심 주파수 대역을 가지는 학습용 오디오벡터를 마련한다. 학습용 오디오벡터는 앞서 도 4에서 설명된 바와 같이, 기 설정된 주행 소음의 관심 주파수 대역 외의 주파수 대역이 소거된 관심 오디오 신호로부터 검출된다. 학습용 오디오벡터는 슬라이딩 윈도우(wd)를 이용하여 관심 오디오 신호로부터 시간 순서에 따라 정렬되어 추출된다. 이때, 시간 도메인 상에서 슬라이딩 윈도우(wd)는 소정 시간 간격(sf) 쉬프트되어 복수의 학습용 오디오벡터(x1, x2, ??, xn)를 추출하며, 쉬프트되는 시간 간격(sf)은 슬라이딩 윈도우의 길이(d) 보다 작은 길이를 가진다. 따라서 복수의 오디오벡터(x1, x2, ??, xn)는 시간 상 이웃하는 학습용 오디오벡터와 적어도 일부가 중첩되는 관심 오디오 신호를 포함한다.

학습부(100)는 S120 단계에서 학습용 오디오벡터를 학습이 완료되지 않은 인식모델(RM)에 입력한다. 그러면, 인식모델(RM)은 S130 단계에서 학습용 오디오벡터에 대해 복수의 계층 간 가중치가 적용되는 복수의 연산을 통해 학습용 오디오벡터를 압축하고 복원하여 학습용 오디오벡터를 모사하는 학습용 모사 오디오벡터를 산출한다.

예컨대, 인식모델(RM)이 오토인코더인 경우, 인식모델(RM)의 인코더(EN)는 학습용 오디오벡터(X)에 대해 복수의 계층 간 가중치가 적용되는 복수의 연산을 수행함으로써 학습용 오디오벡터(X)를 압축하여 잠재벡터(Z)를 산출하고, 인식모델(RM)의 디코더(DE)는 인코더(EN)가 산출한 잠재벡터(Z)에 대해 복수의 계층 간 가중치가 적용되는 복수의 연산을 수행함으로써 잠재벡터(Z)를 복원하여 학습용 모사 오디오벡터(Y)를 산출할 수 있다.

그러면, 학습부(100)는 S140 단계에서 손실 함수를 통해 학습용 오디오벡터(X)와 학습용 오디오벡터(X)를 모사한 학습용 모사 오디오벡터(Y) 간의 차이를 나타내는 손실을 산출한다.

이때, 학습부(100)는 다음의 수학식 1에 따라 손실을 산출할 수 있다.

수학식 1에서 X는 학습용 오디오벡터를 나타내며, Y는 학습용 모사 오디오벡터를 나타낸다. 또한, g는 손실함수를 나타내고, m은 학습 데이터의 수, 즉, 전체 학습용 오디오벡터(X)의 수이며, j는 학습 데이터의 인덱스, 즉, 학습용 오디오벡터(X) 및 학습용 모사 오디오벡터(Y)의 인덱스이다.

또한, 수학식 1에서 손실함수는 다음의 수학식 2가 될 수 있다.

여기서, X는 학습용 오디오벡터를 나타내며, Y는 학습용 모사 오디오벡터를 나타낸다. 수학식 1 및 수학식 2를 통해 알 수 있는 바와 같이, 손실은 학습용 오디오벡터와 학습용 모사 오디오벡터 간의 차이를 나타낸다.

그런 다음, 학습부(100)는 S150 단계에서 손실이 최소화되도록 역전파(Backpropagation) 알고리즘을 통해 인식모델(RM)의 가중치를 갱신하는 최적화를 수행한다.

다음으로, 학습부(100)는 S160 단계에서 학습 종료를 위해 필요한 조건을 만족하는지 여부를 판별한다. 여기서, 조건은 앞서(S140) 산출된 손실이 기 설정된 목표치 미만인지 여부가 될 수 있다. S160 단계의 판별 결과, 학습 종료를 위해 필요한 조건을 만족하지 않으면, 즉, 앞서(S140) 산출된 손실이 목표치 이상이면, S110 단계로 진행하여 전술한 S110 단계 내지 S160 단계를 반복한다. 이는 학습이 서로 다른 복수의 학습용 오디오벡터를 이용하여 반복되는 것을 의미한다. 반면, S160 단계의 판별 결과, 학습 종료를 위해 필요한 조건을 만족하면, 즉, 앞서(S140) 산출된 손실이 목표치 미만이면, S170 단계로 진행하여 학습을 종료한다.

학습이 완료되면, 학습부(100)는 S180 단계에서 인식모델(RM)의 임계치를 도출한다. 일 실시예에 따르면, 학습부(100)는 복수의 검사용 오디오벡터를 마련한다. 검사용 오디오벡터는 학습용 오디오벡터와 동일한 방법으로 마련된다. 이어서, 학습부(100)는 복수의 검사용 오디오벡터를 시간 순서에 따라 학습이 완료된 인식모델(RM)에 입력한다. 그러면, 인식모델(RM)이 복수의 검사용 오디오벡터를 모사하는 복수의 검사용 모사 오디오벡터를 산출한다. 이에 따라, 학습부(100)는 다음의 수학식 3을 통해 인식모델(RM)의 임계치를 산출한다.

수학식 3에서 θ는 임계치를 나타낸다. 여기서, μ는 복수의 검사용 오디오벡터와 복수의 검사용 오디오벡터에 대응하는 복수의 검사용 모사 오디오벡터 간의 평균제곱손실(MSE: Mean Squared Error)의 평균을 나타낸다. σ는 복수의 검사용 오디오벡터와 그 복수의 검사용 오디오벡터에 대응하는 복수의 검사용 모사 오디오벡터 간의 평균제곱손실의 표준편차를 나타낸다. 그리고 k는 표준편차에 대한 가중치이며, 표준편차에 대한 가중치는 미리 설정되는 값이다. 학습부(100)는 학습이 완료된 인식모델(RM) 및 인식모델(RM)의 임계치를 인식부(300)에 제공한다.

다음으로, 본 발명의 실시예에 따른 주행 소음의 지속 시간을 이용한 노면의 상태를 분석하기 위한 방법에 대해서 설명하기로 한다. 도 6은 본 발명의 실시예에 따른 주행 소음의 지속 시간을 이용한 노면의 상태를 분석하기 위한 방법을 설명하기 위한 흐름도이다.

도 6을 참조하면, 신호처리부(200)는 S210 단계에서 센서장치(20)로부터 스트리밍 방식으로 오디오 신호를 수신할 수 있다. 그러면, 신호처리부(200)는 S220 단계에서 오디오 신호로부터 기 설정된 관심 주파수 대역을 가지는 오디오 신호를 검출하여 관심 오디오 신호를 생성한다. 이어서, 신호처리부(200)는 S230 단계에서 슬라이딩 윈도우(wd)를 이용하여 시간 순서에 따라 정렬된 복수의 오디오벡터를 추출한다.

인식부(300)는 S240 단계에서 인식모델을 통해 복수의 오디오벡터를 순차로 분석하여 복수의 오디오벡터에서 도로의 노면의 상태가 이상 상태임을 나타내는 오디오벡터를 검출한다.

그런 다음, 인식부(300)는 S250 단계에서 검출된 오디오벡터, 즉, 노면의 상태가 이상 상태임을 나타내는 오디오벡터 중 시간 순서가 연속된 오디오벡터의 수에 따라 노면의 상태가 이상 상태인 도로의 길이를 산출한다. 즉, 노면의 상태가 이상 상태인 도로의 길이는 시간 순서가 연속된 노면의 상태가 이상 상태임을 나타내는 오디오벡터의 수에 비례한다.

이어서, 통지부(400)는 S260 단계에서 산출된 노면의 상태가 이상 상태인 도로의 길이를 나타내는 이상도로길이정보를 관리자장치(30)로 전송한다.

다음으로, 전술한 S240 단계에 대해 보다 상세하게 설명하기로 한다. 도 7은 본 발명의 실시예에 따른 복수의 오디오벡터에서 도로의 노면의 상태가 이상 상태임을 나타내는 오디오벡터를 검출하는 방법을 설명하기 위한 흐름도이다. 강조하면, 도 7은 S240 단계를 보다 상세하게 설명하기 위한 것이다.

도 7에서 인식부(300)는 복수의 오디오벡터의 시간 순서에 따라 순차로 하기의 프로세스를 수행한다.

도 7을 참조하면, 인식부(300)는 S310 단계에서 오디오벡터를 인식모델(RM)에 입력한다. 그러면, 인식모델(RM)은 S320 단계에서 입력된 오디오벡터에 대해 복수의 계층 간 가중치가 적용되는 복수의 연산을 수행하여 오디오벡터를 모사하는 모사 오디오벡터를 산출한다. 이에 따라, 인식부(300)는 S330 단계에서 손실함수를 통해 입력된 오디오벡터와 모사 오디오벡터의 차이를 나타내는 손실을 산출한다.

손실이 산출되면, 인식부(300)는 S340 단계에서 손실이 기 설정된 임계치(수학식 3) 미만인지 여부를 판별한다. S340 단계의 판별 결과, 손실이 기 설정된 임계치 미만인 경우, 인식부(300)는 S350 단계에서 인식모델(RM)에 입력된 오디오벡터를 노면의 상태가 이상 상태임을 나타내는 것으로 인식한다. 반면, S340 단계의 판별 결과, 손실이 기 설정된 임계치 이상이면, 인식부(300)는 S360 단계에서 인식모델(RM)에 입력된 오디오벡터가 노면의 상태가 정상 상태임을 나타내는 것으로 인식하다.

도 8은 본 발명의 일 실시예에 따른 주행 소음의 지속 시간을 이용한 노면의 상태를 분석하기 위한 장치를 구현하기 위한 하드웨어 시스템의 예시도이다.

도 8에 도시된 바와 같이, 본 발명의 일 실시예에 따른 하드웨어 시스템(2000)은, 프로세서부(2100), 메모리 인터페이스부(2200), 및 주변장치 인터페이스부(2300)를 포함하는 구성을 가질 수 있다.

이러한, 하드웨어 시스템(2000) 내 각 구성은, 개별 부품이거나 하나 이상의 집적 회로에 집적될 수 있으며, 이러한 각 구성들은 버스 시스템(도시 안됨)에 의해서 결합될 수 있다.

여기서, 버스 시스템의 경우, 적절한 브리지들, 어댑터들, 및/또는 제어기들에 의해 연결된 임의의 하나 이상의 개별적인 물리 버스들, 통신 라인들/인터페이스들, 및/또는 멀티 드롭(multi-drop) 또는 포인트 투 포인트(point-to-point) 연결들을 나타내는 추상화(abstraction)이다.

프로세서부(2100)는 하드웨어 시스템에서 다양한 기능들을 수행하기 위해 메모리 인터페이스부(2200)를 통해 메모리부(2210)와 통신함으로써, 메모리부(2210)에 저장된 다양한 소프트웨어 모듈을 실행하는 역할을 수행하게 된다.

여기서, 메모리부(2210)에는 앞서 도 2를 참조하여 설명한 학습부(100), 신호처리부(200), 인식부(300) 및 통지부(400)를 포함하는 구성 각각은 소프트웨어 모듈 형태로 저장될 수 있으며, 그 외 운영 체계(OS)가 추가로 저장될 수 있다. 이러한 학습부(100), 신호처리부(200), 인식부(300) 및 통지부(400)를 포함하는 구성은 프로세서부(2100)에 로드되어 실행될 수 있다.

이상 설명한 학습부(100), 신호처리부(200), 인식부(300) 및 통지부(400)를 포함하는 각 구성은 프로세서에 의해 실행되는 소프트웨어 모듈 또는 하드웨어 모듈 형태로 구현되거나, 소프트웨어 모듈과 하드웨어 모듈이 조합된 형태로도 구현될 수 있다.

이와 같이, 프로세서에 의해 실행되는 소프트웨어 모듈, 하드웨어 모듈, 내지는 소프트웨어 모듈과 하드웨어 모듈이 조합된 형태는 실제 하드웨어 시스템(예: 컴퓨터 시스템)으로 구현될 수 있을 것이다.

운영 체계(예: I-OS, Android, Darwin, RTXC, LINUX, UNIX, OS X, WINDOWS, 또는 VxWorks와 같은 임베디드 운영 체계)의 경우, 일반적인 시스템 작업들(예를 들어, 메모리 관리, 저장 장치 제어, 전력 관리 등)을 제어 및 관리하는 다양한 절차, 명령어 세트, 소프트웨어 컴포넌트 및/또는 드라이버를 포함하고 있으며 다양한 하드웨어 모듈과 소프트웨어 모듈 간의 통신을 용이하게 하는 역할을 수행하게 된다.

참고로, 메모리부(2210)는 캐쉬, 메인 메모리 및 보조 기억장치(secondary memory)를 포함하지만 이에 제한되지 않는 메모리 계층구조가 포함할 수 있는데, 이러한 메모리 계층구조의 경우 예컨대 RAM(예: SRAM, DRAM, DDRAM), ROM, FLASH, 자기 및/또는 광 저장 장치[예: 디스크 드라이브, 자기 테이프, CD(compact disk) 및 DVD(digital video disc) 등]의 임의의 조합을 통해서 구현될 수 있다.

주변장치 인터페이스부(2300)는 프로세서부(2100)와 주변장치 간에 통신을 가능하게 하는 역할을 수행한다.

여기서 주변장치의 경우, 하드웨어 시스템(2000)에 상이한 기능을 제공하기 위한 것으로서, 본 발명의 일 실시예에서는, 예컨대, 통신부(2310)가 포함될 수 있다.

여기서, 통신부(2310)는 다른 장치와의 통신 기능을 제공하는 역할을 수행하는 수행하게 되며, 이를 위해 예컨대, 안테나 시스템, RF 송수신기, 하나 이상의 증폭기, 튜너, 하나 이상의 발진기, 디지털 신호 처리기, 코덱(CODEC) 칩셋, 및 메모리 등을 포함하지만 이에 제한되지는 않으며, 이 기능을 수행하는 공지의 회로를 포함할 수 있다.

이러한, 통신부(2310)가 지원하는 통신 프로토콜로는, 예컨대, 무선랜(Wireless LAN: WLAN), DLNA(Digital Living Network Alliance), 와이브로(Wireless Broadband: Wibro), 와이맥스(World Interoperability for Microwave Access: Wimax), GSM(Global System for Mobile communication), CDMA(Code Division Multi Access), CDMA2000(Code Division Multi Access 2000), EV-DO(Enhanced Voice-Data Optimized or Enhanced Voice-Data Only), WCDMA(Wideband CDMA), HSDPA(High Speed Downlink Packet Access), HSUPA(High Speed Uplink Packet Access), IEEE 802.16, 롱 텀 에볼루션(Long Term Evolution: LTE), LTE-A(Long Term Evolution-Advanced), 5G 통신시스템, 광대역 무선 이동 통신 서비스(Wireless Mobile Broadband Service: WMBS), 블루투스(Bluetooth), RFID(Radio Frequency Identification), 적외선 통신(Infrared Data Association: IrDA), UWB(Ultra-Wideband), 지그비(ZigBee), 인접 자장 통신(Near Field Communication: NFC), 초음파 통신(Ultra Sound Communication: USC), 가시광 통신(Visible Light Communication: VLC), 와이 파이(Wi-Fi), 와이 파이 다이렉트(Wi-Fi Direct) 등이 포함될 수 있다. 또한, 유선 통신망으로는 유선 LAN(Local Area Network), 유선 WAN(Wide Area Network), 전력선 통신(Power Line Communication: PLC), USB 통신, 이더넷(Ethernet), 시리얼 통신(serial communication), 광/동축 케이블 등이 포함될 수 있으며, 이제 제한되는 것이 아닌, 다른 장치와의 통신 환경을 제공할 수 있는 프로토콜은 모두 포함될 수 있다.

본 발명의 일 실시예에 따른 하드웨어 시스템(2000)에서 메모리부(2210)에 소프트웨어 모듈 형태로 저장되어 있는 각 구성은 프로세서부(2100)에 의해 실행되는 명령어의 형태로 메모리 인터페이스부(2200)와 주변장치 인터페이스부(2300)를 매개로 통신부(2310)와의 인터페이스를 수행한다.

이상에서 설명한 바와 같이, 본 명세서는 다수의 특정한 구현물의 세부사항들을 포함하지만, 이들은 어떠한 발명이나 청구 가능한 것의 범위에 대해서도 제한적인 것으로서 이해되어서는 안 되며, 오히려 특정한 발명의 특정한 실시 형태에 특유할 수 있는 특징들에 대한 설명으로서 이해되어야 한다. 개별적인 실시 형태의 문맥에서 본 명세서에 기술된 특정한 특징들은 단일 실시형태에서 조합하여 구현될 수도 있다. 반대로, 단일 실시 형태의 문맥에서 기술한 다양한 특징들 역시 개별적으로 혹은 어떠한 적절한 하위 조합으로도 복수의 실시형태에서 구현 가능하다. 나아가, 특징들이 특정한 조합으로 동작하고 초기에 그와 같이 청구된 바와 같이 묘사될 수 있지만, 청구된 조합으로부터의 하나 이상의 특징들은 일부 경우에 그 조합으로부터 배제될 수 있으며, 그 청구된 조합은 하위 조합이나 하위 조합의 변형물로 변경될 수 있다.

마찬가지로, 특정한 순서로 도면에서 동작들을 묘사하고 있지만, 이는 바람직한 결과를 얻기 위하여 도시된 그 특정한 순서나 순차적인 순서대로 그러한 동작들을 수행하여야 한다거나 모든 도시된 동작들이 수행되어야 하는 것으로 이해되어서는 안 된다. 특정한 경우, 멀티태스킹과 병렬 프로세싱이 유리할 수 있다. 또한, 상술한 실시 형태의 다양한 시스템 컴포넌트의 분리는 그러한 분리를 모든 실시형태에서 요구하는 것으로 이해되어서는 안되며, 설명한 프로그램 컴포넌트와 시스템들은 일반적으로 단일의 소프트웨어 제품으로 함께 통합되거나 다중 소프트웨어 제품에 패키징 될 수 있다는 점을 이해하여야 한다.

본 명세서에서 설명한 주제의 특정한 실시 형태를 설명하였다. 기타의 실시형태들은 이하의 청구항의 범위 내에 속한다. 예컨대, 청구항에서 인용된 동작들은 상이한 순서로 수행되면서도 여전히 바람직한 결과를 성취할 수 있다. 일 예로서, 첨부 도면에 도시한 프로세스는 바람직한 결과를 얻기 위하여 반드시 그 특정한 도시된 순서나 순차적인 순서를 요구하지 않는다. 특정한 구현 예에서, 멀티태스킹과 병렬 프로세싱이 유리할 수 있다.

본 기술한 설명은 본 발명의 최상의 모드를 제시하고 있으며, 본 발명을 설명하기 위하여, 그리고 당업자가 본 발명을 제작 및 이용할 수 있도록 하기 위한 예를 제공하고 있다. 이렇게 작성된 명세서는 그 제시된 구체적인 용어에 본 발명을 제한하는 것이 아니다. 따라서, 상술한 예를 참조하여 본 발명을 상세하게 설명하였지만, 당업자라면 본 발명의 범위를 벗어나지 않으면서도 본 예들에 대한 개조, 변경 및 변형을 가할 수 있다.

따라서 본 발명의 범위는 설명된 실시 예에 의하여 정할 것이 아니고 특허청구범위에 의해 정해져야 한다.

10: 교통서버 11: 통신부
12: 저장부 13: 제어부
20: 센서장치 30: 관리장치
100: 학습부 200: 신호처리부
300: 인식부 400: 통지부

Claims (10)

1. 신호처리부가 도로 변의 센서장치로부터 스트리밍 방식으로 오디오 신호를 수신하는 단계;
   상기 신호처리부가 상기 오디오 신호의 관심 주파수 대역의 오디오 신호인 복수의 관심 오디오 신호를 검출하는 단계;
   상기 신호처리부가 슬라이딩 윈도우를 이용하여 상기 관심 오디오 신호로부터 시간 순서에 따라 정렬된 복수의 오디오벡터를 추출하는 단계;
   인식부가 인식모델을 통해 상기 복수의 오디오벡터를 순차로 분석하여 상기 복수의 오디오벡터 중 상기 도로의 노면의 상태가 이상 상태임을 나타내는 오디오벡터를 검출하는 단계; 및
   상기 인식부가 상기 검출된 오디오벡터 중 상기 시간 순서가 연속된 오디오벡터의 수에 따라 노면의 상태가 이상 상태인 도로의 길이를 산출하는 단계;
   를 포함하는 것을 특징으로 하는
   노면의 상태를 분석하기 위한 방법.
2. 제1항에 있어서,
   상기 도로의 노면의 상태가 이상 상태임을 나타내는 오디오벡터를 검출하는 단계는
   상기 인식부가 상기 인식모델에 오디오벡터를 입력하는 단계;
   상기 인식모델이 상기 입력된 오디오벡터에 대해 복수의 계층 간 학습된 가중치가 적용되는 복수의 연산을 수행하여 상기 오디오벡터를 모사하는 모사 오디오벡터를 도출하는 단계;
   상기 인식부가 상기 모사 오디오벡터와 상기 입력된 오디오벡터와의 차이를 나타내는 오차를 산출하는 단계; 및
   상기 인식부가 산출된 오차가 기 설정된 임계치 미만이면, 상기 입력된 오디오벡터를 도로의 노면의 상태가 이상 상태임을 나타내는 오디오벡터로 검출하는 단계;
   를 포함하는 것을 특징으로 하는
   노면의 상태를 분석하기 위한 방법.
3. 제2항에 있어서,
   상기 스트리밍 방식으로 오디오 신호를 수신하는 단계 전,
   학습부가 학습용 오디오벡터를 마련하는 단계;
   상기 학습부가 학습용 오디오벡터를 학습이 완료되지 않은 인식모델에 입력하는 단계;
   상기 인식모델이 상기 학습용 오디오벡터에 대해 복수의 계층 간 학습이 완료되지 않은 가중치가 적용되는 복수의 연산을 수행하여 상기 학습용 오디오벡터를 모사하는 학습용 모사 오디오벡터를 생성하는 단계;
   상기 학습부가 상기 학습용 오디오벡터와 학습용 모사 오디오벡터의 차이인 손실을 산출하는 단계;
   상기 학습부가 상기 손실이 최소가 되도록 상기 인식모델의 가중치를 갱신하는 최적화를 수행하는 단계;
   를 더 포함하는 것을 특징으로 하는
   노면의 상태를 분석하기 위한 방법.
4. 제3항에 있어서,
   상기 스트리밍 방식으로 오디오 신호를 수신하는 단계 전,
   상기 최적화를 수행하는 단계 후,
   상기 학습부가 수학식 θ=μ+(k×σ)에 따라 상기 임계치를 산출하는 단계;
   를 더 포함하며,
   상기 μ는 복수의 검사용 오디오벡터와 복수의 검사용 오디오벡터에 대응하는 복수의 검사용 모사 오디오벡터 간의 평균제곱손실의 평균이고,
   상기 σ는 상기 복수의 검사용 오디오벡터와 상기 복수의 검사용 오디오벡터에 대응하는 상기 복수의 검사용 모사 오디오벡터 간의 평균제곱손실의 표준 편차이고,
   상기 k는 상기 표준편차에 대한 가중치인 것을 특징으로 하는
   노면의 상태를 분석하기 위한 방법.
5. 제1항에 있어서,
   상기 복수의 오디오벡터를 추출하는 단계는
   상기 신호처리부가 시간 도메인 상에서 슬라이딩 윈도우를 소정 시간 간격 쉬프트시키면서 복수의 오디오벡터를 추출하며,
   상기 시간 간격은 상기 슬라이딩 윈도우의 길이 보다 작은 길이를 가지는 것을 특징으로 하는
   노면의 상태를 분석하기 위한 방법.
6. 도로 변의 센서장치로부터 스트리밍 방식으로 오디오 신호를 수신하면, 상기 오디오 신호의 관심 주파수 대역의 오디오 신호인 복수의 관심 오디오 신호를 검출하고,
   슬라이딩 윈도우를 이용하여 상기 관심 오디오 신호로부터 시간 순서에 따라 정렬된 복수의 오디오벡터를 추출하는 신호처리부;
   인식모델을 통해 상기 복수의 오디오벡터를 순차로 분석하여 상기 복수의 오디오벡터 중 상기 도로의 노면의 상태가 이상 상태임을 나타내는 오디오벡터를 검출하고,
   상기 검출된 오디오벡터 중 상기 시간 순서가 연속된 오디오벡터의 수에 따라 노면의 상태가 이상 상태인 도로의 길이를 산출하는 인식부;
   를 포함하는 것을 특징으로 하는
   노면의 상태를 분석하기 위한 장치.
7. 제1항에 있어서,
   상기 인식부는
   상기 인식모델에 오디오벡터를 입력하고,
   상기 인식모델이 상기 입력된 오디오벡터에 대해 복수의 계층 간 학습된 가중치가 적용되는 복수의 연산을 수행하여 상기 오디오벡터를 모사하는 모사 오디오벡터를 도출하면,
   상기 모사 오디오벡터와 상기 입력된 오디오벡터와의 차이를 나타내는 오차를 산출하고,
   산출된 오차가 기 설정된 임계치 미만이면, 상기 입력된 오디오벡터를 도로의 노면의 상태가 이상 상태임을 나타내는 오디오벡터로 검출하는 것을 특징으로 하는
   노면의 상태를 분석하기 위한 장치.
8. 제7항에 있어서,
   학습용 오디오벡터를 마련한 후,
   학습용 오디오벡터를 학습이 완료되지 않은 인식모델에 입력하고,
   상기 인식모델이 상기 학습용 오디오벡터에 대해 복수의 계층 간 학습이 완료되지 않은 가중치가 적용되는 복수의 연산을 수행하여 상기 학습용 오디오벡터를 모사하는 학습용 모사 오디오벡터를 생성하면,
   상기 학습용 오디오벡터와 학습용 모사 오디오벡터의 차이인 손실을 산출하고,
   상기 손실이 최소가 되도록 상기 인식모델의 가중치를 갱신하는 최적화를 수행하는 학습부;
   를 더 포함하는 것을 특징으로 하는
   노면의 상태를 분석하기 위한 장치.
9. 제8항에 있어서,
   상기 학습부는
   상기 최적화를 수행한 후,
   수학식 θ=μ+(k×σ)에 따라 상기 임계치를 산출하며,
   상기 μ는 복수의 검사용 오디오벡터와 복수의 검사용 오디오벡터에 대응하는 복수의 검사용 모사 오디오벡터 간의 평균제곱손실의 평균이고,
   상기 σ는 상기 복수의 검사용 오디오벡터와 상기 복수의 검사용 오디오벡터에 대응하는 상기 복수의 검사용 모사 오디오벡터 간의 평균제곱손실의 표준 편차이고,
   상기 k는 상기 표준편차에 대한 가중치인 것을 특징으로 하는
   노면의 상태를 분석하기 위한 장치.
10. 제6항에 있어서,
    상기 신호처리부는
    시간 도메인 상에서 슬라이딩 윈도우를 소정 시간 간격 쉬프트시키면서 복수의 오디오벡터를 추출하며,
    상기 시간 간격은 상기 슬라이딩 윈도우의 길이 보다 작은 길이를 가지는 것을 특징으로 하는
    노면의 상태를 분석하기 위한 장치.

Images