KR20230061037A - 이동체 탑재형 도로살얼음 탐지 장치 및 방법, 도로 모니터링 시스템 - Google Patents

이동체 탑재형 도로살얼음 탐지 장치 및 방법, 도로 모니터링 시스템 Download PDF

Info

Publication number
KR20230061037A
KR20230061037A KR1020210145871A KR20210145871A KR20230061037A KR 20230061037 A KR20230061037 A KR 20230061037A KR 1020210145871 A KR1020210145871 A KR 1020210145871A KR 20210145871 A KR20210145871 A KR 20210145871A KR 20230061037 A KR20230061037 A KR 20230061037A
Authority
KR
South Korea
Prior art keywords
road
road surface
polarization component
ice
sensor unit
Prior art date
Application number
KR1020210145871A
Other languages
English (en)
Inventor
석민
한경도
권동재
Original Assignee
(주)카탈로닉스
주식회사 어픽
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 (주)카탈로닉스, 주식회사 어픽 filed Critical (주)카탈로닉스
Priority to KR1020210145871A priority Critical patent/KR20230061037A/ko
Publication of KR20230061037A publication Critical patent/KR20230061037A/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
    • G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/30—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry
    • 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
    • G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Primary Health Care (AREA)
  • Marketing (AREA)
  • Computational Linguistics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Software Systems (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • Data Mining & Analysis (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Operations Research (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

이동체 탑재형 도로살얼음 탐지 장치 및 방법, 도로 모니터링 시스템이 개시된다. 개시된 이동체 탑재형 도로살얼음 탐지 방법은 도로 노면에서 반사되는 광으로부터 검출되는 제1 편광성분, 제1 편광성분에 직교하는 제2 편광성분 및 비편광성분에 대한 정보, 도로 노면의 환경 변수에 대한 정보를 수집하는 단계; 및 컴퓨팅 장치가, 기계 학습 모델에 도로 노면에서 반사되는 광으로부터 검출되는 제1 편광성분, 제1 편광성분에 직교하는 제2 편광성분 및 비편광성분에 대한 정보, 도로 노면의 환경 변수에 대한 정보를 입력하여 도로 노면에서의 도로살얼음의 유무를 판정하는 단계를 포함하며, 기계 학습 모델은 도로 노면에서 반사되는 광으로부터 검출되는 제1 편광성분, 제1 편광성분에 직교하는 제2 편광성분 및 비편광성분에 대한 정보, 도로 노면의 환경 변수에 대한 정보, 및 도로 노면의 도로살얼음에 대한 테스트 정보를 포함한 학습 데이터를 이용하여 도로 노면의 도로살얼음의 유무를 판정하는 신경망을 학습시키는 단계를 포함하는 기계 학습 모델을 통해 학습된다.

Description

이동체 탑재형 도로살얼음 탐지 장치 및 방법, 도로 모니터링 시스템{Apparatus and method for detecting black-ice for road condition monitoring on moving vehicle and road condition monitoring system}
본 개시는 이동체 탑재형 도로살얼음 탐지 장치 및 방법과, 도로 모니터링 시스템에 관한다.
도로살얼음(black-ice)은 과냉각 상태의 강수가 지표면에 닿거나 물체에 부딪혔을 때 유리면과 같이 코팅된 모습으로 얼어붙거나 낮 동안 녹은 눈이 밤 사이 얼면서 생기는 도로 결빙 현상이다. 도로살얼음은 노면이 결빙되어 있으나 운전자가 볼 때는 단순히 도로가 젖은 것으로 인지되기 때문에 겨울철 도로안전운전의 복병으로 일컬어진다.
노면 결빙 시 교통사고 치사율은 강수, 강설 등을 포함한 일반적인 기상상황과 비교해 높은 편이며 이는 도로살얼음존(black-ice zone)을 운전자가 인지하기 어려우며 노면의 마찰계수가 낮기 때문이다. 도로살얼음은 공항 활주로의 결빙으로 인한 겨울철 항공사고와도 직결된다. 그러나 기발생된 교통사고 자료 및 현장 상황에 기반하여 경험적으로 수립된 상습결빙구간 관리는 기상 상황에 따른 국지적이고 단기적인 결빙을 효과적으로 탐지하지 못하여 사고율 경감에 큰 효과를 얻지 못하고 있다. 이에 국내외적으로 도로살얼음의 정확한 예보 및 효과적인 탐지를 위한 활발한 연구가 진행되고 있다.
해결하고자 하는 과제는 다양한 도로 환경에 대해 대응할 수 있는 도로살얼음 탐지 장치 및 방법과, 도로 모니터링 시스템을 제공하고자 한다.
해결하고자 하는 과제는 상기된 바와 같은 기술적 과제들로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.
일 측면에 있어서, 도로 노면에서 반사된 광과 환경변수로부터 도로 노면의 도로살얼음을 탐지하는 방법은, 도로 노면에서 반사되는 광으로부터 검출되는 제1 편광성분, 제1 편광성분에 직교하는 제2 편광성분 및 비편광성분에 대한 정보, 도로 노면의 환경 변수에 대한 정보를 수집하는 단계; 및 컴퓨팅 장치가, 기계 학습 모델에 도로 노면에서 반사되는 광으로부터 검출되는 제1 편광성분, 제1 편광성분에 직교하는 제2 편광성분 및 비편광성분에 대한 정보, 도로 노면의 환경 변수에 대한 정보를 입력하여 도로 노면에서의 도로살얼음의 유무를 판정하는 단계를 포함하며, 기계 학습 모델은 도로 노면에서 반사되는 광으로부터 검출되는 제1 편광성분, 제1 편광성분에 직교하는 제2 편광성분 및 비편광성분에 대한 정보, 도로 노면의 환경 변수에 대한 정보, 및 도로 노면의 도로살얼음에 대한 테스트 정보를 포함한 학습 데이터를 이용하여 도로 노면의 도로살얼음의 유무를 판정하는 신경망을 학습시키는 단계를 포함하는 기계 학습 모델을 통해 학습될 수 있다.
예시적인 실시예들에서, 제1 편광성분은 도로 노면에서 반사되는 광의 수평 편광성분이며, 제2 편광성분은 도로 노면에서 반사되는 광의 수직 편광성분일 수 있다.
예시적인 실시예들에서, 도로 노면의 환경 변수는 도로 노면의 온도 및 습도를 포함할 수 있다.
다른 측면에 있어서, 이동체에 탑재되어, 도로 노면의 도로살얼음을 탐지하는 장치는, 이동체의 이동에 따라 도로 노면을 순차적으로 스캐닝하며 도로 노면에서 반사된 광을 검출하는 광학센서부; 도로 노면의 환경 변수를 수집하는 환경센서부; 촬상부와 환경센서부를 제어하고 촬상부와 환경센서부에서 수집된 데이터를 처리하는 프로세서; 및 프로세서에서 처리된 촬상부와 환경센서부에서 수집된 데이터를 외부로 전송하는 통신부;를 포함하며, 광학센서부는 도로 노면에서 반사되는 광의 제1 편광성분을 검출하는 제1 광검출기와, 도로 노면에서 반사되는 광의 제2 편광성분을 검출하는 제2 광검출기와, 도로 노면에서 반사되는 광을 비편광으로 검출하는 제3 광검출기를 포함하며, 제2 편광성분은 제1 편광성분에 직교할 수 있다.
예시적인 실시예들에서, 제1 광검출기는 수평편광된 광만을 통과시키는 수평 편광필터와 수평 편광필터를 통과한 광을 검출하는 제1 포토다이오드를 포함하며, 제2 광검출기는 수직편광된 광만을 통과시키는 수직 편광필터와 수직 편광필터를 통과한 광을 검출하는 제2 포토다이오드를 포함할 수 있다.
예시적인 실시예들에서, 광학센서부는 도로 노면을 조명하는 광원을 더 포함할 수 있다.
예시적인 실시예들에서, 환경센서부는 외부온도, 습도, 풍량 중 적어도 어느 하나를 검출할 수 있다.
예시적인 실시예들에서, 광학센서부는 도로 노면의 이미지를 촬영하는 카메라를 더 포함할 수 있다.
예시적인 실시예들에서, 이동체 탑재형 도로살얼음 탐지 장치는 이동체의 위치를 검출하는 측위시스템을 더 포함할 수 있다.
예시적인 실시예들에서, 이동체는 차량 또는 무인비행기일 수 있다.
또 다른 측면에 있어서, 도로 모니터링 시스템은 이동체에 탑재되어, 도로 노면의 도로살얼음을 탐지하는 이동체 탑재형 도로살얼음 탐지 장치; 및 이동체 탑재형 도로살얼음 탐지 장치로부터 도로살얼음에 관한 정보를 수집하여 처리하는 처리 서버를 구비한 서버;를 포함하며, 이동체 탑재형 도로살얼음 탐지 장치는, 이동체의 이동에 따라 도로 노면을 순차적으로 스캐닝하며 도로 노면에서 반사된 광을 검출하는 광학센서부; 도로 노면의 환경 변수를 수집하는 환경센서부; 촬상부와 환경센서부를 제어하고 촬상부와 환경센서부에서 수집된 데이터를 처리하는 프로세서; 및 프로세서에서 처리된 촬상부와 환경센서부에서 수집된 데이터를 외부로 전송하는 통신부;를 포함하며, 광학센서부는 도로 노면에서 반사되는 광의 제1 편광성분을 검출하는 제1 광검출기와, 도로 노면에서 반사되는 광의 제2 편광성분을 검출하는 제2 광검출기와, 도로 노면에서 반사되는 광을 비편광으로 검출하는 제3 광검출기를 포함하며, 제2 편광성분은 제1 편광성분에 직교할 수 있다.
예시적인 실시예들에서, 이동체 탑재형 도로살얼음 탐지 장치의 광학센서부는 도로 노면의 이미지를 촬영하는 카메라를 더 포함하며, 처리 서버는 검출된 도로살얼음 구간을 촬상된 도로 노면의 이미지에 매핑할 수 있다.
예시적인 실시예들에서, 서버는 처리서버에서 처리된 도로살얼음에 관한 정보에 기초하여 사용자에게 경보를 전달하는 자동 동보 서버를 더 포함할 수 있다.
예시적인 실시예들에서, 서버는 처리서버에서 처리된 도로살얼음에 관한 정보를 웹상에 게재하는 웹서버를 더 포함할 수 있다.
본 개시에 따르면, 이동체 탑재형 도로살얼음 탐지 장치 및 방법과, 도로 모니터링 시스템은 노면과 살얼음의 구분이 손쉽고 기계학습 기반의 예측이 가능하다.
본 개시에 따르면, 이동체 탑재형 도로살얼음 탐지 장치 및 방법과, 도로 모니터링 시스템은 교량, 산지, 고속도로 및 산업도로 등의 다양한 도로 환경에 대해 대응할 수 있다.
본 개시에 따르면, 이동체 탑재형 도로살얼음 탐지 장치 및 방법과, 도로 모니터링 시스템은 국가재난정보 시스템과의 연동을 통해 사전 알림을 제공할 수 있다.
해결하려는 기술적 과제는 상기된 바와 같은 기술적 과제들로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.
도 1은 일 실시예에 따른 도로 모니터링 시스템을 개략적으로 도시한다.
도 2는 일 실시예에 따른 이동체 탑재형 도로살얼음 탐지 장치의 블록도를 도시한다.
도 3은 일 실시예에 따른 이동체 탑재형 도로살얼음 탐지 장치의 광학센서부 구성을 개략적으로 도시한다.
도 4는 일 실시예에 따른 광학센서모듈의 동작을 설명하는 도면이다.
도 5는 일 실시예에 따른 도로 모니터링 시스템의 처리 서버를 도시한다.
도 6은 일 실시예에 따른 도로살얼음을 탐지하는 기계 학습 모델의 학습 방법을 설명하는 걔략도이다.
도 7은 일 실시예에 따른 도로살얼음을 탐지하는 방법을 설명하는 걔략도이다.
도 8은 일 실시예에 따른 도로 모니터링 시스템을 개략적으로 도시한다.
도 9는 일 실시예에 따른 드론의 경로 비행을 설명하는 도면이다.
도 10은 일 실시예에 따른 도로 모니터링 시스템을 개략적으로 도시한다.
도 11는 일 실시예에 따른 도로 모니터링 시스템의 웹 서버를 개략적으로 도시한다.
도 12는 일 실시예에 따른 도로 모니터링 시스템의 웹서비스의 예를 도시한다.
아래에서는 첨부한 도면을 참조하여 본 개시가 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 개시의 실시예를 상세히 설명한다. 그러나 본 개시는 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 개시를 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
본 명세서의 실시예들에서 사용되는 용어는 본 개시의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 당 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 실시예의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서 본 명세서에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 개시의 전반에 걸친 내용을 토대로 정의되어야 한다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
또한, 명세서에 기재된 “...부” 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있다.
도 1은 일 실시예에 따른 도로 모니터링 시스템(100)을 개략적으로 도시한다.
도 1을 참조하면, 도로 모니터링 시스템(100)은 도로살얼음 탐지 장치(110)와, 서버(120)를 포함한다.
도로살얼음 탐지 장치(110)는 차량이나 무인비행기와 같은 이동체에 탑재된다. 도로살얼음 탐지 장치(110)는 이동체의 이동에 따라 도로 노면을 순차적으로 스캐닝하며 도로 노면에서 반사된 광의 편광데이터와 도로 노면의 환경 변수에 대한 데이터를 수집하여, 도로 노면에서 반사된 광의 편광데이터와 환경 변수에 대한 데이터를 위치정보와 함께 서버(120)에 전송한다. 도로 노면에서 반사된 광의 편광데이터는 도로 노면에서 반사되는 광의 제1 편광성분과, 제1 편광성분에 직교하는 제2 편광성분과, 비편광성분을 포함할 수 있다. 예를 들어 제1 편광성분을 수평 편광성분이고 제2 편광성분을 수직 편광성분일 수 있다. 비편광성분은 도로 노면에서 반사되는 광의 편광 필터링되지 않은 경우이다.
환경 변수에 대한 데이터는 외부온도, 습도, 풍량 중 적어도 어느 하나에 대한 데이터일 수 있다. 일 실시예에서 도로살얼음 탐지 장치(110)는 외부온도 및 습도에 대한 데이터를 수집할 수 있다. 이때 외부온도는 도로 노면에서의 온도가 바람직할 수 있으나, 실질적으로는 이동체 외부의 온도일 수 있다.
서버(120)는 데이터를 처리하는 처리 서버(121)와 처리 서버(121)에서 처리되어 획득된 정보를 사용자에게 통보하는 자동 동보 서버(122)를 포함한다.
처리 서버(121)는 도로살얼음 탐지 장치(110)로부터 전송된 도로살얼음에 관한 정보(예를 들어 편광 데이터)를 수집하여 처리한다. 후술하는 바와 같이 처리 서버(121)는 도로살얼음을 탐지하는 기계 학습 모듈을 구비하여 도로살얼음 탐지 장치(110)로부터 전송된 도로살얼음에 관한 정보로부터 해당 도로 노면의 도로살얼음을 탐지할 수 있다.
처리 서버(120)는 도로 노면의 도로살얼음 유무를 판정하는 기계 학습 모델을 이용하여 도로살얼음 탐지 장치(110)로부터 전송된 데이터와 기상청 DB(130)의 기상 빅데이터에 기초하여 해당 도로 노면의 도로살얼음의 유무를 판정하여, 도로살얼음 탐지 및 국지적 스케일의 도로살얼음 형성 및 형성 위험도를 예측할 수 있다. 이와 같은 도로살얼음 탐지 및 국지적 스케일의 도로살얼음 형성 및 형성 위험도에 대한 정보는 자동 동보 서버(122)로 전달된다.
또한, 처리 서버(120)는 도로살얼음 탐지 장치(110)로부터 전달받은 도로 노면에 대한 이미지에 도로살얼음 구역을 매핑시켜 도로 노면의 이미지로 출력할 수도 있다.
또한, 처리 서버(121)는 기상청 DB(130)에 기후정보 시계열 데이터와 기상데이터의 전송을 요청하고, 기상청 DB(130)에서 전송된 기상 빅데이터를 처리한다. 탐지된 도로 노면의 도로살얼음 정보와 기상청 DB(130)에서 전송받은 기상 빅데이터를 가공하고 파싱하여, 자동 동보 서버(122)나 웹 서버(900)에 전달할 수도 있다. 기상 빅테이터는 일시에 다른 온도, 습도, 기압, 풍량, 풍향 등의 정보를 포함할 수 있으며, 지역별 세부 기상정보를 포함할 수 있다.
자동 동보 서버(122)는 처리 서버(120)로부터 전달받은 도로살얼음 탐지 및 국지적 스케일의 도로살얼음 형성 및 형성 위험도에 관한 정보를 사용자(차량 운전자등)에게 실시간으로 경보한다.
도 2는 일 실시예에 따른 이동체 탑재형 도로살얼음 탐지 장치(200)의 블록도를 도시한다.
도 2를 참조하면, 이동체 탑재형 도로살얼음 탐지 장치(200)는 프로세서(210)와, 저장부(220)와, 통신부(230)와, 광학센서부(240)와, 환경센서부(250)을 포함한다.
저장부(220)는 휘발성 메모리나 비휘발성 메모리와 같은 내장 메모리를 포함할 수 있다. 저장부(220)는 프로세서(210)의 제어에 의해 도로살얼음 탐지 장치(200)를 구동하고 제어하는 다양한 데이터, 프로그램 또는 어플리케이션을 저장할 수 있다. 저장부(220)는 프로세서(210), 통신부(230), 광학센서부(240), 및 환경센서부(250)의 구동에 대응되는 입력/출력되는 신호 또는 데이터를 저장할 수 있다. 예를 들어 저장부(220)는 수집한 도로살얼음에 관한 정보, 위치 정보, 촬영 화각 정보, 계측 시간 정보, 촬상 이미지와 같은 데이터를 저장할 수 있다.
프로세서(210)는 통신부(230), 광학센서부(240), 및 환경센서부(250)를 포함하여 도로살얼음 탐지 장치(200)의 전반적인 동작을 제어할 수 있다. 나아가, 프로세서(210)는 광학센서부(240) 및 환경센서부(250)에서 수집된 정보들을 처리할 수도 있다.
통신부(230)는 이동체에 탑재된 도로살얼음 탐지 장치(200)와 외부의 서버(도 1의 120)사이의 입출력을 담당한다. 통신부(230)는 안테나(미도시)를 통하여 외부의 서버(120)에 연결하는 무선 통신 모듈을 포함할 수 있다.
환경센서부(250)는 외부 환경 변수를 측정하는 센서로서, 예를 들어, 온도센서, 습도센서, 풍속센서 등을 포함할 수 있다. 이와 같이 환경센서부(250)에서 수집된 정보는 도로 노면 이미지 데이터와 함께 외부의 서버(120)로 전달될 수 있을 것이다.
광학센서부(240)는 도로 노면에서 반사되는 광을 검출하는 광검출기를 포함한다. 광학센서부(240)는 도로 노면에서 반사되는 광의 서로 직교하는 편광성분 및 비편광 성분을 검출할 수 있다. 광학센서부(240)는 도로 노면의 가사광 대역의 이미지를 촬상하는 카메라를 더 포함할 수도 있다.
도로살얼음 탐지 장치(200)는 광학센서부(240) 및 환경센서부(250)에서 수집된 정보를 위치정보와 함께 서버(120)로 전송한다. 일 실시예에서 도로살얼음 탐지 장치(200)는 측위시스템을 구비할 수 있다. 일 예로, 측위시스템은 GPS(Global Positioning System) 장치일 수 있다. 만일 도로살얼음 탐지 장치(200)가 탑재된 이동체(미도시)에 GPS 장치가 마련되어 있다면, 탑재된 이동체의 GPS 정보를 활용할 수 있다. 일 실시예에서 도로살얼음 탐지 장치(200)는 통신부(230)가 접속하는 무선 기지국의 정보를 이용하여 위치를 특정할 수도 있다.
도 3은 일 실시예에 따른 이동체 탑재형 도로살얼음 탐지 장치의 광학센서부(300)의 구성을 개략적으로 도시하며, 도 4는 일 실시예에 따른 광학센서모듈(310)의 동작을 설명하는 도면이다.
도 3을 참조하면, 광학센서부(300)는 광학센서모듈(310)과 프론트 엔드(320)을 포함한다.
광학센서모듈(310)은 광원(311)과, 제1 내지 제3 포토다이오드(312, 313, 314)를 포함한다. 광원(311)은 가령, 반도체 발광다이오드(Light Emitting Diode, LED)이거나 반도체 레이저 다이오드(Laser Diode, LD)일 수 있다. 광원(311)은 일 예로 가시광을 방출하는 가시광 광원이거나 근적외광을 방출하는 적외선 광원일 수 있다. 광원(311)의 출사단에는 광학 렌즈(미도시)가 추가적으로 마련될 수도 있다. 광원(311)은 광학센서부(300)가 검출하는 도로 노면을 능동적으로 조명할 수 있도록 한다.
제1 내지 제3 포토다이오드(312, 313, 314)는 광원(311)에서 조사되어 반사된 광을 검출한다. 일 예로 제1 내지 제3 포토다이오드(312, 313, 314)는 광원(311)의 파장대역의 광을 검출하는 소자일 수 있다.
제1 및 제2 포토다이오드(312, 313)의 광 입사측에는 각각 제1 및 제2 편광필터(315, 316)가 마련된다. 제1 및 제2 편광필터(315, 316)는 서로 직교하는 편광필터일 수 있다. 일 예로, 제1 편광필터(315)는 수직 편광만을 통과시키는 수직 편광필터이고, 제2 편광필터(315)는 수평 편광만을 통과시키는 수평 편광필터일 수 있다. 후술하는 바와 같이 도로 노면의 표면 특성에 따라 반사된 광(전자기파)의 수직/수평방향 진동 성분의 잔존비율이 달라지는 편광이 발생되므로, 도로 노면에서 반사되는 광의 편광 데이터를 도로살얼음 탐지의 기초 데이터로 사용할 수 있다.
제3 포토다이오드(314)는 편광 피터가 장착되어 있지 아니하며, 비편광 (unpolarized)된 전체 신호를 받아들이게 된다.
광학센서부(300)는 도로 노면의 가시광 대역의 컬러(즉, RGB) 또는 단색의 이미지를 촬상하는 카메라(도 4의 319)를 더 포함할 수 있다. 카메라(319)는 다분광 카메라일 수 있다. 카메라(319)는 CCD 또는 CMOS 이미지센서를 포함할 수 있다. 카메라(319)에서 촬상된 도로 노면의 이미지는 검출된 도로살얼음 구간을 매핑하는데 사용될 수 있다.
광학센서부(300)의 화각이 좁은 경우, 광학센서부(300)가 도로 노면(R)의 모니터링 영역 전체를 스캔할 수 있도록 팬_틸트 동작을 구동하는 서보 구동 유닛(미도시)이 더 마련되어 광학센서부(300)가 팬_틸트하면서 도로 노면(R)을 넓게 스캐닝하면서 검출할 수도 있도록 구성될 수도 있다.
프론트 엔드(320)는 제1 내지 제3 포토다이오드(312, 313, 314)에서 출력되는 신호를 증폭하는 증폭기를 포함하며, 일 예로, 프론트 엔드(320)는 트랜스-임피던스 증폭기 (trans-impedance amplifier)(321)와 락-인 증폭기(lock-in amplifier)를 포함할 수 있다. 도 3에서 VH는 수평 편광된 광의 신호 센서(전압), VV는 수직 편광된 광의 신호 세기(전압), VN는 비편광된 광의 신호 세기(전압)를 나타낸다.
도 5는 일 실시예에 따른 도로 모니터링 시스템의 처리 서버(400)를 도시한다.
처리 서버(400)는 도로살얼음 탐지 장치(도 1의 110)로부터 전송된 도로살얼음에 관한 정보(예를 들어 편광 데이터)를 수집하고, 또한 기상청 DB로부터 기상 빅데이터를 수집하고, 수집된 데이터를 저장한다. 또한, 처리 서버(400)는 탐지된 도로 노면의 도로살얼음 정보와 기상청 DB에서 전송받은 기상 빅데이터를 가공하고 파싱한다.
또한, 처리 서버(400)는 도로 노면의 도로살얼음 유무를 판정하는 기계 학습 모델을 이용하여 도로살얼음 탐지 장치(110)로부터 전송된 데이터와 기상청 DB(130)의 기상 빅데이터에 기초하여 해당 도로 노면의 도로살얼음를 검출할 수 있다.
다음으로, 도로살얼음을 탐지하는 기계 학습 모델의 인공 신경망에 대해 설명한다.
기계 학습 모델은, 복수의 신경망 레이어들로 구성될 수 있다. 복수의 신경망 레이어들 각각은 복수의 가중치들(weight values)을 갖고 있으며, 이전(previous) 레이어의 연산 결과와 복수의 가중치들 간의 연산을 통해 신경망 연산을 수행한다. 복수의 신경망 레이어들이 갖고 있는 복수의 가중치들은 기계 학습 모델의 학습 결과에 의해 최적화될 수 있다. 예를 들어, 학습 과정 동안 기계 학습 모델에서 획득한 로스(loss) 값 또는 코스트(cost) 값이 감소 또는 최소화되도록 복수의 가중치들이 갱신될 수 있다. 인공 신경망은, 예를 들어, DNN (Deep Neural Network), RF (Random Forest), CNN (Convolutional Neural Network), RNN (Recurrent Neural Network), RBM (Restricted Boltzmann Machine), DBN (Deep Belief Network), BRDNN(Bidirectional Recurrent Deep Neural Network) 또는 심층 Q-네트워크 (Deep Q-Networks) 등이 있으나, 전술한 예에 한정되지 않는다.
도 6은 일 실시예에 따른 도로살얼음을 탐지하는 방법을 설명하는 걔략도이다.
전자기파(빛)를 반사하는 분광학적인 특성은 물질 및 물체마다 다르다. 일례로, 꽃은 붉고, 잎은 녹색을 띈다. 이와 같은 가시적 특성 외에도, 육안으로 알 수 없는 적외선, 자외선 영역 등에 대한 반사 특성 또한 물질 및 물체마다 매우 다르다. 또한 물체의 표면 특성에 따라 반사된 전자기파의 수직/수평방향 진동 성분의 잔존비율이 달라지는 편광도 일어난다. 실제 도로에서는 건조한 상태, 젖은 상태, 얼음으로 피복된 상태 등 다양한 상황이 존재할 수 있으므로, 실제 도로 환경에서 건조한 상태, 젖은 상태, 얼음으로 피복된 상태 등 다양한 상황의 스펙트럼 신호를 선행 분석함으로써, 도로살얼음 탐지 장치에서 검출된 신호비를 통하여 도로 상태를 구분하는 것이 가능하다. 의도적으로 도로살얼음이 형성된 노면(실험군)과 도로살얼음이 존재하지 않는 노면(대조군)에서 관측된 수직/수평방향 진동 성분의 잔존비율을 분석함으로써, 도로살얼음 또한 구별해낼 수 있다. 가령, 의도적으로 도로살얼음이 형성된 노면 (실험군)과 도로살얼음이 존재하지 않는 노면 (대조군)에서 관측된 수직/수평 평광성분의 신호비에 대한 패턴을 각각 신경망에 학습시킴으로써, 도로살얼음 탐지 장치에서 검출된 신호로부터 도로살얼음의 존재여부를 판단할 수 있다. 이러한 경험적인 분석 기법에 더하여, 실험실 환경 내에서 분석한 패턴을 추가적으로 학습시킴으로써 도로살얼음 감지 감도를 향상시킬 수 있다.
또한, 물 분자는 고유의 회전 (rotational transition; 50 μm) 및 진동 (vibrational transition; 2.9 μm) 특성에 따라 특정 파장의 전자기파를 흡수하는데, 이에 더하여 액체 상태에서는 분자 간 수소결합 (hydrogen bonding), 고체 (얼음) 상태에서는 격자 진동 (lattice vibration) 특성이 더해져 각 상 별로 상이한 흡수 패턴이 발생하게 된다 이러한 물의 상태별 흡수 스펙트럼이 상이한 것을 이용하여 특정 파장에서의 신호비를 측정하면 물과 얼음 및 기타 상태를 구분할 수 있다. 따라서, 도로살얼음 탐지 장치가 다분광 카메라를 구비한 경우, 도로 노면에 대한 다분광 신호도 도로살얼음의 존재여부를 판정하는데 활용될 수 있다.
구체적인 예로서, 도 6을 참조하면, 일 실시예에 따른 기계 학습 모델의 학습 방법은, 컴퓨팅 장치가 학습 데이터를 획득하는 단계(510)와, 컴퓨팅 장치가 학습 데이터를 이용하여 작물의 엽록소 함량을 예측하는 신경망을 학습시키는 단계(520)를 포함한다.
학습 데이터는 도로 노면에서 반사되는 광으로부터 검출되는 편광 데이터(512), 도로 노면의 환경 변수에 대한 정보(513), 및 도로 노면의 도로살얼음에 대한 테스트 정보(515)를 포함할 수 있다. 나아가 학습 데이터는 도로 노면에 대한 다분광 신호(511)를 더 포함할 수도 있다. 또한, 학습 데이터는 기상 빅데이터를 더 포함할 수도 있다. 환경 변수에 대한 정보는 도로 노면의 온도, 습도, 풍량 중 적어도 어느 하나일 수 있다.
상기와 같은 학습 데이터의 일부는 학습된 도로살얼음 탐지용 기계 학습 모듈(530)의 검증에 사용될 수도 있다.
도 7은 일 실시예에 따른 도로살얼음을 탐지하는 방법을 설명하는 걔략도이다. 도 7을 참조하면, 도로살얼음을 탐지하는 방법은 도로살얼음에 관한 정보를 수집하는 단계(610); 및 기계 학습 모델에 도로살얼음에 관한 정보를 입력하여 도로 노면에서의 도로살얼음의 유무를 판정하는 단계(620)를 포함한다. 도로살얼음에 관한 정보는 도로 노면에서 반사되는 광으로부터 검출되는 편광 데이터 즉, 제1 편광성분, 제1 편광성분에 직교하는 제2 편광성분 및 비편광성분에 대한 정보를 포함할 수 있다. 또한, 도로살얼음에 관한 정보는 도로 노면의 환경 변수에 대한 정보를 포함한다. 환경 변수에 대한 정보는 도로 노면의 온도, 습도, 풍량 중 적어도 어느 하나일 수 있다. 도로살얼음에 관한 정보는 도로 노면에 대한 다분광 신호를 더 포함할 수 있으나, 필수적인 것은 아니다. 또한, 도로살얼음에 관한 정보는 기상 빅데이터를 더 포함할 수도 있다.
일 실시예에 따른 도로살얼음을 탐지하는 방법은 탐지된 도로살얼음에 대한 정보에 기초하여 위험도를 평가할 수 있다(630). 탐지된 도로살얼음 및 위험도에 대한 정보는 자동 동보 시스템에 전달되어 사용자에게 경보를 발할 수 있다(640)
도 8은 일 실시예에 따른 도로 모니터링 시스템(700)을 개략적으로 도시하며, 도 9는 일 실시예에 따른 드론의 경로 비행을 설명하는 도면이다. 본 실시예에는 이동체가 드론(무인항공기)(710)인 경우이다. 드론(710)에는 도로살얼음 탐지 장치(711)가 장착된다. 드론(710)은 도 9에 도시되듯이 소정 구간의 도로를 따라 경로 비행을 할 수 있다. 드론(710)의 경로 비행 중에 도로살얼음 탐지 장치(711)로부터 수집된 정보는 무선 네트워크(720)를 통해 서버(730)로 전달되고, 도로살얼음 탐지 장치(711)로부터 수집된 정보에 기초하여 해당 도로 노면의 도로살얼음을 탐지할 수 있게 될 것이다.
도 10은 일 실시예에 따른 도로 모니터링 시스템(800)을 개략적으로 도시한다. 본 실시예에는 이동체가 차량(810)인 경우이다. 차량(810)은 도로를 주기적으로 또는 비주기적으로 주행하며 차량(810)에 탑재된 도로살얼음 탐지 장치로부터 수집된 정보는 무선 네트워크(820)를 통해 서버(830)로 전달되고, 전달된 정보에 기초하여 해당 도로 노면의 도로살얼음을 탐지할 수 있게 될 것이다.
도 11을 참조하면, 서버(도 1의 120)에서 처리된 도로 노면의 도로살얼음 정보나 기상 빅데이터는 웹 서버(900)에 전달되어, 위험관측정보를 표출시킬 수 있다. 도 12에 도시되듯이 웹 서버(900)는 위험관측정보 외에도 기상청 DB로부터 수집된 동네예보, 주간예보나, 위성, 레이더 영상이나 특보정보를 제공할 수도 있다. 가령, 도 12는 도로 결빙 정보를 표시한 지도와, 도로 이미지에 도로살얼음 지역을 오버래핑한 이미지를 일기 예보와 함께 보여줄 수 있다.
전술한 본 발명인 이동체 탑재형 도로살얼음 탐지 장치 및 방법, 도로 모니터링 시스템은 이해를 돕기 위하여 도면에 도시된 실시예를 참고로 설명되었으나, 이는 예시적인 것에 불과하며, 당해 분야에서 통상적 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호 범위는 첨부된 특허청구범위에 의해 정해져야 할 것이다.
R: 도로 노면 200, 511, 710: 도로살얼음 탐지 장치
210: 프로세서 220: 저장부
230: 통신부 240: 광학센서부
250: 환경센서부
300, 500, 600, 700: 도로 모니터링 시스템
310: 광학센서모듈 311: 광원
312, 313, 314: 포토다이오드 315, 316: 편광필터
319: 이미지센서 320: 프론트 엔드
510: 드론 530, 630, 720: 서버
610: 차량 730: 기상청 DB

Claims (16)

  1. 도로 노면에서 반사된 광과 환경변수로부터 도로 노면의 도로살얼음을 탐지하는 방법에 있어서,
    도로 노면에서 반사되는 광으로부터 검출되는 제1 편광성분, 상기 제1 편광성분에 직교하는 제2 편광성분 및 비편광성분에 대한 정보, 상기 도로 노면의 환경 변수에 대한 정보를 수집하는 단계; 및
    컴퓨팅 장치가, 기계 학습 모델에 상기 도로 노면에서 반사되는 광으로부터 검출되는 제1 편광성분, 상기 제1 편광성분에 직교하는 제2 편광성분 및 비편광성분에 대한 정보, 상기 도로 노면의 환경 변수에 대한 정보를 입력하여 상기 도로 노면에서의 도로살얼음의 유무를 판정하는 단계를 포함하며,
    상기 기계 학습 모델은 도로 노면에서 반사되는 광으로부터 검출되는 제1 편광성분, 상기 제1 편광성분에 직교하는 제2 편광성분 및 비편광성분에 대한 정보, 상기 도로 노면의 환경 변수에 대한 정보, 및 상기 도로 노면의 도로살얼음에 대한 테스트 정보를 포함한 학습 데이터를 이용하여 도로 노면의 도로살얼음의 유무를 판정하는 신경망을 학습시키는 단계를 포함하는 기계 학습 모델을 통해 학습된,
    이동체 탑재형 도로살얼음 탐지 방법.
  2. 제1 항에 있어서,
    상기 제1 편광성분은 상기 도로 노면에서 반사되는 광의 수평 편광성분이며, 상기 제2 편광성분은 상기 도로 노면에서 반사되는 광의 수직 편광성분인,
    이동체 탑재형 도로살얼음 탐지 방법.
  3. 제1 항에 있어서,
    상기 도로 노면의 환경 변수는 상기 도로 노면의 온도 및 습도를 포함하는,
    이동체 탑재형 도로살얼음 탐지 방법.
  4. 이동체에 탑재되어, 도로 노면의 도로살얼음을 탐지하는 장치에 있어서,
    이동체의 이동에 따라 도로 노면을 순차적으로 스캐닝하며 도로 노면에서 반사된 광을 검출하는 광학센서부;
    도로 노면의 환경 변수를 수집하는 환경센서부;
    상기 촬상부와 상기 환경센서부를 제어하고 상기 촬상부와 상기 환경센서부에서 수집된 데이터를 처리하는 프로세서; 및
    상기 프로세서에서 처리된 상기 촬상부와 상기 환경센서부에서 수집된 데이터를 외부로 전송하는 통신부;를 포함하며,
    상기 광학센서부는 도로 노면에서 반사되는 광의 제1 편광성분을 검출하는 제1 광검출기와, 도로 노면에서 반사되는 광의 제2 편광성분을 검출하는 제2 광검출기와, 도로 노면에서 반사되는 광을 비편광으로 검출하는 제3 광검출기를 포함하며, 상기 제2 편광성분은 상기 제1 편광성분에 직교하는,
    이동체 탑재형 도로살얼음 탐지 장치.
  5. 제4 항에 있어서,
    상기 제1 광검출기는 수평편광된 광만을 통과시키는 수평 편광필터와 상기 수평 편광필터를 통과한 광을 검출하는 제1 포토다이오드를 포함하며,
    상기 제2 광검출기는 수직편광된 광만을 통과시키는 수직 편광필터와 상기 수직 편광필터를 통과한 광을 검출하는 제2 포토다이오드를 포함하는,
    이동체 탑재형 도로살얼음 탐지 장치.
  6. 제4 항에 있어서,
    상기 광학센서부는 도로 노면을 조명하는 광원을 더 포함하는,
    이동체 탑재형 도로살얼음 탐지 장치.
  7. 제4 항에 있어서,
    상기 환경센서부는 외부온도, 습도, 풍량 중 적어도 어느 하나를 검출하는, 이동체 탑재형 도로살얼음 탐지 장치.
  8. 제4 항에 있어서,
    상기 광학센서부는 도로 노면의 이미지를 촬영하는 카메라를 더 포함하는,
    이동체 탑재형 도로살얼음 탐지 장치.
  9. 제4 항에 있어서,
    이동체의 위치를 검출하는 측위시스템을 더 포함하는,
    이동체 탑재형 도로살얼음 탐지 장치.
  10. 제4 항에 있어서,
    상기 이동체는 차량 또는 무인비행기인,
    이동체 탑재형 도로살얼음 탐지 장치.
  11. 이동체에 탑재되어, 도로 노면의 도로살얼음을 탐지하는 이동체 탑재형 도로살얼음 탐지 장치; 및
    상기 이동체 탑재형 도로살얼음 탐지 장치로부터 도로살얼음에 관한 정보를 수집하여 처리하는 처리 서버를 구비한 서버;를 포함하며,
    상기 이동체 탑재형 도로살얼음 탐지 장치는, 이동체의 이동에 따라 도로 노면을 순차적으로 스캐닝하며 도로 노면에서 반사된 광을 검출하는 광학센서부; 도로 노면의 환경 변수를 수집하는 환경센서부; 상기 촬상부와 상기 환경센서부를 제어하고 상기 촬상부와 상기 환경센서부에서 수집된 데이터를 처리하는 프로세서; 및 상기 프로세서에서 처리된 상기 촬상부와 상기 환경센서부에서 수집된 데이터를 외부로 전송하는 통신부;를 포함하며, 상기 광학센서부는 도로 노면에서 반사되는 광의 제1 편광성분을 검출하는 제1 광검출기와, 도로 노면에서 반사되는 광의 제2 편광성분을 검출하는 제2 광검출기와, 도로 노면에서 반사되는 광을 비편광으로 검출하는 제3 광검출기를 포함하며, 상기 제2 편광성분은 상기 제1 편광성분에 직교하는,
    도로 모니터링 시스템.
  12. 제11 항에 있어서,
    상기 제1 광검출기는 수평편광된 광만을 통과시키는 수평 편광필터와 상기 수평 편광필터를 통과한 광을 검출하는 제1 포토다이오드를 포함하며,
    상기 제2 광검출기는 수직편광된 광만을 통과시키는 수직 편광필터와 상기 수직 편광필터를 통과한 광을 검출하는 제2 포토다이오드를 포함하는,
    도로 모니터링 시스템.
  13. 제11 항에 있어서,
    상기 환경센서부는 외부온도, 습도, 풍량 중 적어도 어느 하나를 검출하는,
    도로 모니터링 시스템.
  14. 제11 항에 있어서,
    상기 이동체 탑재형 도로살얼음 탐지 장치의 광학센서부는 도로 노면의 이미지를 촬영하는 카메라를 더 포함하는,
    상기 처리 서버는 검출된 도로살얼음 구간을 촬상된 도로 노면의 이미지에 매핑하는,
    도로 모니터링 시스템.
  15. 제11 항에 있어서,
    상기 서버는 상기 처리서버에서 처리된 상기 도로살얼음에 관한 정보에 기초하여 사용자에게 경보를 전달하는 자동 동보 서버를 더 포함하는,
    도로 모니터링 시스템.
  16. 제11 항에 있어서,
    상기 서버는 상기 처리서버에서 처리된 상기 도로살얼음에 관한 정보를 웹상에 게재하는 웹서버를 더 포함하는,
    도로 모니터링 시스템.
KR1020210145871A 2021-10-28 2021-10-28 이동체 탑재형 도로살얼음 탐지 장치 및 방법, 도로 모니터링 시스템 KR20230061037A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210145871A KR20230061037A (ko) 2021-10-28 2021-10-28 이동체 탑재형 도로살얼음 탐지 장치 및 방법, 도로 모니터링 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210145871A KR20230061037A (ko) 2021-10-28 2021-10-28 이동체 탑재형 도로살얼음 탐지 장치 및 방법, 도로 모니터링 시스템

Publications (1)

Publication Number Publication Date
KR20230061037A true KR20230061037A (ko) 2023-05-08

Family

ID=86381742

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210145871A KR20230061037A (ko) 2021-10-28 2021-10-28 이동체 탑재형 도로살얼음 탐지 장치 및 방법, 도로 모니터링 시스템

Country Status (1)

Country Link
KR (1) KR20230061037A (ko)

Similar Documents

Publication Publication Date Title
WO2018051913A1 (ja) 路面状態予測システム、運転支援システム、路面状態予測方法及びデータ配信方法
JP4485477B2 (ja) 検出デバイス
KR101912874B1 (ko) 통합기상검지시스템
JP4230395B2 (ja) 監視移動体
JP3613275B2 (ja) 交通情報システム
JP5462098B2 (ja) 気象測定装置
WO2009013739A1 (en) System and method for level of visibility determination and vehicle counting
KR20150059023A (ko) 이동형 도로 기상정보 수집 및 전송 시스템 및 그 방법
KR20210067751A (ko) 도로 모니터링용 블랙아이스 탐지 장치 및 방법과, 도로 모니터링 시스템
JP2016217777A (ja) 情報送受信システム
US8030615B2 (en) Method and apparatus for detecting organic materials and objects from multispectral reflected light
JP2007316049A (ja) 路面モニタリングシステム
KR102414233B1 (ko) 주행차량의 노면인지에 의한 제어 시스템 및 그 방법
CN105992941B (zh) 冰与过冷水检测系统
US8058617B2 (en) Method and apparatus for detecting organic materials and objects from multispectral reflected light
KR20190139858A (ko) 도로 표면의 물을 탐지하기 위한 장치
KR20230061037A (ko) 이동체 탑재형 도로살얼음 탐지 장치 및 방법, 도로 모니터링 시스템
CN110579812B (zh) 一种机载偏振法检测路面结冰预警系统
KR20190116834A (ko) 도로노면 결빙 탐지를 위한 gps 반사파 측정 및 분석 시스템
US10718613B2 (en) Ground-based system for geolocation of perpetrators of aircraft laser strikes
RU2720050C1 (ru) Способ обнаружения загрязнений прибрежных вод и береговой полосы нефтью или нефтепродуктами с использованием беспилотного летательного аппарата
KR20180085336A (ko) 통합기상검지기
KR101321642B1 (ko) 단일 파장 노면 기상 측정 장치
Kutila et al. In-vehicle sensor data fusion for road friction monitoring
KR100621067B1 (ko) 비매설식 다차선 교통정보 수집장치

Legal Events

Date Code Title Description
E902 Notification of reason for refusal