KR20230095396A - 교통정보를 이용한 능동적 차량 감시 장치 및 방법 - Google Patents
교통정보를 이용한 능동적 차량 감시 장치 및 방법 Download PDFInfo
- Publication number
- KR20230095396A KR20230095396A KR1020210184830A KR20210184830A KR20230095396A KR 20230095396 A KR20230095396 A KR 20230095396A KR 1020210184830 A KR1020210184830 A KR 1020210184830A KR 20210184830 A KR20210184830 A KR 20210184830A KR 20230095396 A KR20230095396 A KR 20230095396A
- Authority
- KR
- South Korea
- Prior art keywords
- traffic
- traffic information
- target vehicle
- vehicle
- information
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims description 31
- 238000012544 monitoring process Methods 0.000 title claims description 27
- 238000001514 detection method Methods 0.000 claims abstract description 32
- 238000004364 calculation method Methods 0.000 claims abstract description 28
- 230000007423 decrease Effects 0.000 claims description 12
- 238000012806 monitoring device Methods 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 9
- 230000008859 change Effects 0.000 description 8
- 238000005259 measurement Methods 0.000 description 6
- 238000013473 artificial intelligence Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 206010000117 Abnormal behaviour Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/065—Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
- G08G1/0133—Traffic data processing for classifying traffic situation
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
- G08G1/0145—Measuring and analyzing of parameters relative to traffic conditions for specific applications for active traffic flow control
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Traffic Control Systems (AREA)
Abstract
실시예는, 교통정보 수집장치로부터 교통정보를 수집하는 교통정보 수집부; 상기 수집된 교통정보와 도로 정보를 이용하여 상기 교통정보 수집장치의 감시 영역의 교통량을 산출하는 교통량 산출부; 상기 교통정보 수집장치가 수집한 영상 정보에서 타겟 차량을 검출하는 타겟 검출부; 및 상기 산출된 교통량 정보를 이용하여 상기 타겟 추적부가 상기 타겟 차량을 검색하는데 필요한 시간을 결정하는 검색시간 산출부를 포함하는, 교통정보를 이용한 차량 감시 장치 및 방법을 개시한다.
Description
실시예는 교통정보를 이용한 능동적 차량 감시 장치 및 방법에 관한 것이다.
최근 들어 교통수요의 급속한 증가로 인한 교통정체로 물류배송에 따른 경제적인 손실과 에너지의 손실 등이 증가되고 있으며, 차량이 범죄에 이용되고 있어 심각한 사회문제로 대두되고 있다. 또한, 환경 문제로 인해 노후 디젤 차량에 대한 계도 관리 문제 또한 증대되고 있다.
수배 차량 및 이상 행동 차량 등 도로에서 차량을 검색하기 위해서는 저장된 영상 데이터 등을 이용하여 사후적으로 검색을 수행하는 것이 일반적이다.
따라서, 교통정보를 이용하여 실시간으로 차량을 검색할 수 있는 기술이 필요하다.
실시예는 교통정보 등을 통합하여 도로 상황에 따라 능동적으로 차량을 감시할 수 있는 장치 및 방법을 제공한다.
실시예에서 해결하고자 하는 과제는 이에 한정되는 것은 아니며, 아래에서 설명하는 과제의 해결수단이나 실시 형태로부터 파악될 수 있는 목적이나 효과도 포함된다고 할 것이다.
본 발명의 일 특징에 따른 교통정보를 이용한 차량 감시 장치는, 교통정보 수집장치로부터 교통정보를 수집하는 교통정보 수집부; 상기 수집된 교통정보를 이용하여 상기 교통정보 수집장치의 감시 영역의 교통량을 산출하는 교통량 산출부; 상기 교통정보 수집장치가 수집한 영상 정보에서 타겟 차량을 검출하는 타겟 검출부; 및 상기 산출된 교통량 정보를 이용하여 상기 타겟 추적부가 상기 타겟 차량을 검색해야 할 최소 시간을 결정하는 검색시간 산출부를 포함한다.
상기 교통량 산출부는 상기 수집된 교통정보 및 해당 도로의 용량 계수를 이용하여 교통 용량 정보를 산출하고, 상기 교통 용량 정보를 산출하는 간격은 상기 교통정보 수집장치가 배치된 도로의 유형에 따라 각각 다르게 설정될 수 있다.
상기 교통량 산출부는 미리 정해진 간격마다 상기 감시 영역을 지나간 차량의 수와 속도를 계산하고 상기 차량의 수와 속도에 기반하여 회귀식을 산출하고, 상기 회귀식과 상기 교통 용량 정보를 이용하여 상기 감시 영역을 통과하는 차량의 평균 속도를 산출할 수 있다.
상기 영상 정보를 이용하여 상기 타겟 차량의 이동 방향을 예측하는 이동 방향 예측부, 및 상기 타겟 차량의 이동 방향에 따라 복수 개의 교통정보 수집장치에서 전송한 영상들의 분석 순위를 정하는 타겟 추적부를 포함할 수 있다.
상기 타겟 추적부는 상기 타겟 차량이 이동할 방향에 배치된 교통정보 수집장치의 영상을 다른 교통정보 수집장치의 영상보다 먼저 분석하여 상기 타겟 차량을 검출할 수 있다.
상기 이동 방향 예측부는 상기 타겟 차량의 전방에 배치된 교차로의 신호등이 적색인 경우 상기 타겟 차량의 속도가 미리 정해진 속도 이하로 감소하면 상기 타겟 차량이 직진할 것으로 판단하고, 상기 타겟 추적부는 상기 교차로의 직진 차로 상에 배치되는 교통정보 수집장치의 영상을 다른 교통정보 수집장치의 영상보다 먼저 분석하여 상기 타겟 차량의 이동 경로를 실시간으로 추적하는, 교통정보를 이용할 수 있다.
본 발명의 일 특징에 따른 교통정보를 이용한 차량 감시 방법은, 교통정보 수집장치로부터 교통정보를 수집하는 단계; 상기 수집된 교통정보를 이용하여 상기 교통정보 수집장치의 감시 영역의 교통량을 산출하는 단계; 및 상기 교통정보 수집장치가 수집한 영상 정보에서 타겟 차량을 검출하는 단계를 포함하고, 상기 타겟 차량을 검출하는 단계는, 상기 산출된 교통량 정보를 이용하여 상기 타겟 차량을 검색하는데 필요한 최소 시간을 결정하고 상기 결정된 최소시간 안에 상기 타겟 차량을 검출한다.
상기 교통량을 산출하는 단계는, 상기 수집된 교통정보 및 해당 도로의 용량 계수를 이용하여 교통 용량 정보를 산출하고, 상기 교통 용량 정보를 산출하는 간격은 상기 교통정보 수집장치가 배치된 도로의 유형에 따라 각각 다르게 설정될 수 있다.
상기 교통량을 산출하는 단계는, 미리 정해진 간격마다 상기 감시 영역을 지나간 차량의 수와 속도를 계산하고 상기 차량 수와 속도에 기반하여 회귀식을 산출하고, 상기 회귀식과 상기 교통 용량 정보를 이용하여 차량의 평균 속도를 산출할 수 있다.
상기 영상 정보를 이용하여 상기 타겟 차량의 이동 방향을 예측하는 단계, 및 상기 예측한 이동 방향에 배치된 교통정보 수집장치의 영상을 분석하여 상기 타겟 차량을 추적하는 단계를 더 포함하고, 상기 타겟 차량을 추적하는 단계는, 상기 타겟 차량의 이동 방향을 예측하여 상기 타겟 차량이 이동할 방향에 배치된 교통정보 수집장치의 영상을 다른 교통정보 수집장치의 영상보다 먼저 분석하여 상기 타겟 차량을 검출할 수 있다.
본 발명에 따르면, 실시간 차량 이동 특성, 교통 특성 등 교통정보 등을 통합하여 도로 상황에 따른 적정 정보 및 최적 정보를 제공함으로써 교통 및 안전 대응의 실효성을 확보할 수 있다.
또한, 이상 행동 차량에 대한 위험뿐 아니라 체납차량, 노후 차량 등 직접적인 교통 및 안전에 영향을 미치는 차량을 감시할 수 있다.
또한, 인적 자원을 이용하던 실무적 관점에서 차량정보 및 교통정보를 기반으로 도시의 교통 및 안전을 감시할 수 있다.
본 발명의 다양하면서도 유익한 장점과 효과는 상술한 내용에 한정되지 않으며, 본 발명의 구체적인 실시형태를 설명하는 과정에서 보다 쉽게 이해될 수 있을 것이다.
도 1은 본 발명의 일 실시예에 따른 교통정보를 이용한 차량 감시 장치의 블록도이다.
도 2는 교통정보 수집장치가 도로에 주행 중인 차량을 감시하는 상태를 보여주는 도면이다.
도 3은 회귀식을 통해 평균 속도를 산출하는 과정을 보여주는 도면이다.
도 4는 타겟 차량의 이동 방향을 예측하는 과정을 보여주는 도면이다.
도 5는 타겟 차량이 교차로에서 직진하는 것으로 판단한 경우 직진 방향에 배치된 교통정보 수집장치의 영상 정보를 분석하는 과정을 보여주는 도면이다.
도 6은 타겟 차량이 교차로에서 우회전하는 것으로 판단한 경우 우회전 방향에 배치된 교통정보 수집장치의 영상 정보를 분석하는 과정을 보여주는 도면이다.
도 7은 본 발명의 일 실시예에 따른 교통정보를 이용한 차량 감시 방법의 순서도이다.
도 2는 교통정보 수집장치가 도로에 주행 중인 차량을 감시하는 상태를 보여주는 도면이다.
도 3은 회귀식을 통해 평균 속도를 산출하는 과정을 보여주는 도면이다.
도 4는 타겟 차량의 이동 방향을 예측하는 과정을 보여주는 도면이다.
도 5는 타겟 차량이 교차로에서 직진하는 것으로 판단한 경우 직진 방향에 배치된 교통정보 수집장치의 영상 정보를 분석하는 과정을 보여주는 도면이다.
도 6은 타겟 차량이 교차로에서 우회전하는 것으로 판단한 경우 우회전 방향에 배치된 교통정보 수집장치의 영상 정보를 분석하는 과정을 보여주는 도면이다.
도 7은 본 발명의 일 실시예에 따른 교통정보를 이용한 차량 감시 방법의 순서도이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시 예를 가질 수 있는 바, 특정 실시 예들을 도면에 예시하고 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
제2, 제1 등과 같이 서수를 포함하는 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되지는 않는다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제2 구성요소는 제1 구성요소로 명명될 수 있고, 유사하게 제1 구성요소도 제2 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 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.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 첨부된 도면을 참조하여 실시예를 상세히 설명하되, 도면 부호에 관계없이 동일하거나 대응하는 구성 요소는 동일한 참조 번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다.
도 1은 본 발명의 일 실시예에 따른 교통정보를 이용한 차량 감시 장치의 블록도이다. 도 2는 교통정보 수집장치가 도로에 주행 중인 차량을 감시하는 상태를 보여주는 도면이다. 도 3은 회귀식을 통해 평균 속도를 산출하는 과정을 보여주는 도면이다.
도 1 및 도 2를 참조하면, 실시예에 따른 차량 감시 장치는 교통정보 수집장치(CT)로부터 교통정보를 수집하는 교통정보 수집부(110), 수집된 교통정보를 이용하여 교통정보 수집장치(CT)의 감시 영역의 교통량을 산출하는 교통량 산출부(120), 교통정보 수집장치(CT)가 수집한 영상 정보에서 타겟 차량을 검출하는 타겟 검출부(140), 및 산출된 교통량 정보를 이용하여 타겟 검출부(140)가 타겟 차량을 검색하는데 필요한 시간을 결정하는 검색시간 산출부(130)를 포함한다.
교통정보 수집부(110)는 도로에 설치된 복수 개의 교통정보 수집장치(CT)가 감시영역(GA1)을 촬영한 영상을 수신할 수 있다. 교통정보 수집부(110)는 미리 정해진 간격으로 교통정보 영상을 수집할 수도 있고, 실시간으로 영상을 수집할 수도 있다.
교통정보 수집장치(CT)는 도로를 통행하는 차량의 영상을 수집할 수 있는 다양한 영상 수집장치가 선택될 수 있다. 예시적으로 교통정보 수집장치(CT)는 CCTV일 수 있으나 반드시 이에 한정하지 않는다.
타겟 검출부(140)는 교통정보 수집장치(CT)의 영상에서 타겟 차량을 검출할 수 있다. 타겟 검출부(140)는 다양한 영상 처리 알고리즘을 이용하여 타겟 차량(VE1)을 검출할 수 있다. 예시적으로 타겟 검출부(140)는 차량 번호를 인식하여 차량을 조회할 수 있고, 차량의 색상 또는 종류를 판별하여 노후 차량 여부를 판단할 수도 있다.
타겟 검출부(140)는 미리 저장되거나 입력된 타겟 차량 정보 또는 경찰청 서버에 등록된 타겟 차량 정보를 조회하여 해당 영상의 차량이 타겟 차량인지 식별할 수 있다. 타겟 차량은 범죄에 이용된 차량, 신호를 위한한 차량, 체납차량, 노후 차량 등을 포함할 수 있다.
교통량 산출부(120)는 교통정보 수집장치(CT)의 영상을 통해 도로를 통과하는 차량의 수 및 각 차량의 속도를 산출하고 이를 룩업 테이블에 저장할 수 있다. 교통량 산출부(120)는 미리 정해진 간격으로 도로를 통과하는 차량의 대수 및 속도를 측정하고 이를 이용하여 교통 용량을 산출할 수 있다.
교통 용량은 도로를 통과하는 차량의 수(V)와 도로의 용량(C)의 비(V/c)를 이용하여 산출할 수 있다. 도로를 통과하는 차량의 대수가 많아지면 교통 용량은 커지게 되고, 차량의 수가 많은 경우에도 도로의 용량이 큰 (도로가 넓은) 경우에는 상대적으로 교통 용량은 작아질 수 있다. 도로의 용량은 각 도로에 부여된 상수값일 수 있다. 도로가 수용할 수 있는 차량의 대수가 많을수록 상수값은 크게 설정될 수 있다.
교통량 산출부(120)는 산출된 교통 용량을 미리 정해진 간격으로 메모리에 저장할 수 있다. 교통량 산출부(120)가 교통 용량을 산출하는 간격은 15분일 수 있으나 반드시 이에 한정하지 않으며 교통량을 측정하기 적정한 시간으로 조정될 수 있다.
교통 용량 산출 간격은 도로의 유형에 따라 달라질 수 있다. 예시적으로 도심부의 도로의 경우 교통 상황이 상대적으로 빠르게 변화하므로 15분 간격으로 교통 용량을 산출하는 반면, 교통 상황이 상대적으로 느리게 변화하는 고속도로 또는 지방 도로의 경우 30분 간격으로 교통 용량을 산출할 수도 있다.
또한, 요일(주중 또는 주말)에 따라 측정 시간을 다르게 설정할 수도 있다. 예시적으로 주중의 경우 출근시간과 퇴근시간에는 측정 간격을 짧게 설정할 수 있다.
도 3을 참조하면, 교통량 산출부(120)는 산출된 교통 용량의 복수 개의 구간으로 구분하여 교통량을 산출할 수 있다. 예시적으로 교통 용량이 0.25보다 작은 경우에는 교통량이 적은 것으로 판단할 수 있고, 교통 용량이 0.25 내지 0.58인 경우 교통량이 중간인 것으로 판단할 수 있고, 교통 용량이 0.58보다 큰 경우에는 교통량이 많은 것으로 판단할 수 있다.
교통량 산출부(120)는 측정한 교통 정보들을 이용하여 회귀식을 산출할 수 있다. 도 3에서 각각의 포인트들은 매 측정시간(예: 15분 간격)마다 측정된 차량의 개수 및 속도이다. 교통량 산출부(120)는 학습된 인공지능 모델을 이용하여 회귀식을 산출할 수 있다. 인공지능 모델은 회귀식 산출에 접합한 모델이 선택될 수 있으며, 학습 모델은 CNN, RNN 등 다양한 모델이 제한 없이 선택될 수 있다.
교통량 산출부(120)는 군집된 포인트들과의 거리가 최소가 되는 회귀식을 산정할 수도 있다. 예시적으로 회귀식은 하기와 같은 1차 함수로 표현될 수 있으나 도로의 위치 및 측정 시간에 따라 다양하게 변형될 수 있다.
[회귀식]
Y= -0.3731X+34.689
교통량 산출부(120)는 교통용량을 회귀식에 대입하여 차량의 평균 속도를 산출할 수 있다. 도 3에서 교통량을 적음, 중간, 많음으로 구분하였으나, 더 많은 구간을 세분화하여 평균 속도를 산출할 수도 있다.
예시적으로 포인트의 최소값(P0)에서 최대값(P1)까지의 길이(L1)를 1로 정의하고, 교통 용량의 값을 매칭시켜 평균 속도를 산출할 수도 있다. 예시적으로, 교통 용량이 0.4인 경우 회귀식의 길이에서 0.6에 해당하는 위치의 속도를 평균 속도로 추정할 수 있다. 즉, 교통 용량이 커질수록 회귀식과 매칭되는 지점이 우측으로 이동하므로 평균 속도는 작아질 수 있다.
검색시간 산출부(130)는 산출된 평균 속도에 따라 타겟 차량을 검출하는데 소요되는 최소 시간을 산출할 수 있다. 만약 타겟 차량이 감시 영역을 빠르게 지나가는 경우 영상 처리 속도가 너무 늦다면 이미 타겟 차량은 감시 영역에서 멀어져 이동 방향을 예측하기 어려울 수 있다. 따라서, 실시예에 따르면, 검색시간 산출부(130)가 감시 영역에서의 평균 속도를 기초로 얼마만큼 빠른 시간 내에 타겟 차량을 식별해야 하는지 계산함으로써 타겟 차량을 정해진 시간 내에 식별하여 다음 이동 방향을 예측할 수 있다.
타겟 차량을 검출하는데 소요되는 최소 소요시간은 평균 속도에 따라 룩업 테이블 형식으로 미리 저장될 수 있다. 예시적으로 표 1과 같이 추정된 평균 속도에 따라 영상 처리 최소 시간이 결정될 수 있다. 따라서, 검색 시간 산출부는 룩업 테이블 정보를 읽어와 평균 속도와 매칭되는 최소 처리 시간 정보를 얻을 수 있다. 그러나 반드시 이에 한정하는 것은 아니고 학습된 인공지능 모델을 통해 최소 소요 시간을 산출할 수도 있다.
| 교통량 | 추정속도 | 감시영역(100m) 영상 처리 최소 소요시간 |
| 적음 | 28 km/kr | 12.85초 |
| 중간 | 21 km/kr | 17.14초 |
| 많음 | 15 km/kr | 24초 |
타겟 검출부(140)는 검색시간 산출부(130)에서 산출된 최소 소요 시간 내에 타겟을 검출할 수 있다. 예시적으로 타겟 검출부(140)는 타겟 차량을 검출하는 복수 개의 알고리즘이 미리 저장되어 있을 수 있고 산출된 최소 소요 시간내에 분석 가능한 알고리즘을 선택할 수 있다.
예시적으로 제1 검출 알고리즘은 차량의 다양한 정보(차량 번호, 형상 정보, 색상 정보 등)를 추출하여 타겟 차량을 가장 정확하게 산출할 수 있는 반면 처리 속도가 상대적으로 느릴 수 있다. 제2 검출 알고리즘은 차량의 정보 중에서 최소한의 정보만을 이용하여 빠르게 식별할 수 있으나 상대적으로 정확성은 낮을 수 있다. 또한, 제3 검출 알고리즘은 제1 검출 알고리즘의 처리 속도와 제2 검출 알고리즘의 처리 속도의 중간 정도의 처리 속도 및 정확도를 가질 수 있다.
따라서, 타겟 검출부(140)는 최소 소요 시간 정보에 따라 복수 개의 검출 알고리즘 중에서 어느 하나를 선택할 수 있다. 만약, 제1 내지 제3 검출 알고리즘이 최소 소요 시간을 모두 만족할 수 있다면 그 중에서 가장 정확한 검출이 가능한 검출 알고리즘을 선택할 수 있다.
또 다른 실시예로, 검출 알고리즘은 해당 도로에서 차량 검색에 필요한 시간을 만족하도록 설계될 수 있다. 예시적으로, 교통 체증이 심한 도로는 대부분 평균 속도가 낮을 것이므로 영상 처리 소요 시간이 상대적으로 길 수 있다. 따라서, 최소 소요 시간을 만족할 수 있도록 검출 알고리즘을 설계할 수 있다. 이와 반대로 차량 통행이 많지 않은 도로는 대부분 평균 속도가 높을 것이므로 최소 소요 시간을 만족할 수 있도록 검출 알고리즘을 설계할 수 있다.
실시예에 따르면, 영상을 분석하여 타겟 차량을 식별해야 할 최소 시간을 산출함으로써 타겟 차량이 해당 감시 영역을 지나간 후 사후적으로 모니터링하는 것이 아니라 타겟 차량을 빠르게 검출하여 다음 이동 경로를 연속적으로 예측할 수 있다. 따라서, 교통 정보를 이용한 능동적 차량 감시가 가능해질 수 있다.
도 4는 타겟 차량의 이동 방향을 예측하는 과정을 보여주는 도면이다. 도 5는 타겟 차량이 교차로에서 직진하는 것으로 판단한 경우 직진 방향에 배치된 교통정보 수집장치의 영상 정보를 분석하는 과정을 보여주는 도면이다. 도 6은 타겟 차량이 교차로에서 우회전하는 것으로 판단한 경우 우회전 방향에 배치된 교통정보 수집장치의 영상 정보를 분석하는 과정을 보여주는 도면이다.
도 4를 참조하면, 이동방향 예측부(150)는 타겟 차량의 이동 방향을 미리 산출할 수 있다. 이동방향 예측부(150)는 학습된 인공지능 모델일 수 있다. 이동방향 예측부(150)는 타겟 차량(VE1)의 이동 경로를 분석하여 이동 방향을 예측할 수 있다.
예시적으로 타겟 차량이 교차로에 진입하는 경우 이동방향 예측부(150)는 타겟 차량의 주행 패턴을 분석하여 직진할 확률과 우회전할 확률을 각각 산출하여 출력할 수 있다.
예시적으로 이동방향 예측부(150)는 하기 표 2와 같이 신호등이 녹색인 경우 속도가 점차 증가한다면 타겟 차량이 직진할 가능성이 높은 것으로 판단할 수 있으며, 이와 반대로 점차 감소한다면 차선을 변경하여 우회전 또는 좌회전할 가능성이 높은 것으로 판단할 수 있다.
또한, 신호등이 적색인 경우에 속도가 증가하거나 미리 정해진 속도로 감속되지 않는다면 우회전 또는 좌회전하는 것으로 판단할 수 있다.
또한, 직진 차로에서 속도가 증가하는 경우 직진할 것으로 판단하며, 회전차로에서 속도가 증가 또는 일정속도 이상으로 유지된다면 우회전 또는 좌회전할 것으로 판단할 수 있다.
또한, 방향 지시등의 정보를 이용하여 차량의 이동방향을 예측할 수 있다.
이와 같이 이동방향 예측부(150)는 신호와 속도와의 관계 정보, 차로와 속도와의 관계 정보, 및 차로와 방향 지시등의 관계를 종합적으로 판단하여 차량의 이동 방향을 예측할 수 있다.
그러나, 이러한 예측 방향은 예시적인 것이며 학습 방법 및 데이터에 따라 결과가 다르게 출력될 수도 있으며, 타겟 차량의 주행 패턴에 따라 결과가 다르게 출력될 수도 있다.
| 구분 | 변수1 | 변수2 | 예측방향 예시 | |
| 신호-속도 | Green | 속도 변화 | 증가 | 직진 |
| 감소 | 회전(우회전 혹은 좌회전) | |||
| Red | 속도 변화 | 증가 | 회전(우회전 혹은 좌회전) | |
| 감소 | 직진 | |||
| 차로-속도 | 직진차로 | 속도 변화 | 증가 | 직진 |
| 감소 | 회전(우회전 혹은 좌회전) | |||
| 회전차로 | 속도 변화 | 증가 | 회전(우회전 혹은 좌회전) | |
| 감소 | 직진 | |||
| 차로-방향지시등 | 직진차로 | 방향지시등 | O | 회전(우회전 혹은 좌회전) |
| × | 직진 | |||
| 회전차로 | 방향지시등 | O | 회전(우회전 혹은 좌회전) | |
| × | 회전(우회전 혹은 좌회전) | |||
타겟 추적부(160)는 이동방향 예측부(150)의 판단 결과에 따라 타겟 차량이 이동하는 지점에 배치된 교통정보 수집장치(CT)의 영상을 다른 교통정보 수집장치(CT)의 영상보다 먼저 분석하여 타겟 차량(VE1)을 실시간으로 검출할 수 있다.
예시적으로 도 5와 같이 이동방향 예측부(150)는 타겟 차량(VE1)의 전방에 배치된 교차로의 신호등(ST1)이 적색인 경우 타겟 차량의 속도가 점차 감소하면 타겟 차량이 직진하는 것으로 판단할 수 있다. 따라서, 타겟 추적부(160)는 교차로의 직진 차로 상에 배치되는 제2 교통정보 수집장치(CT2)의 영상을 다른 교통정보 수집장치(CT3, CT4)의 영상보다 먼저 분석하여 타겟 차량을 실시간으로 추적할 수 있다. 만약 제2 교통정보 수집장치(CT2)의 영상을 분석한 결과 타겟 차량이 검색되지 않았다면 다른 교통정보 수집장치(CT3, CT4)의 영상을 분석할 수 있다.
도 6과 같이 이동방향 예측부(150)는 타겟 차량(VE1)의 전방에 배치된 교차로의 신호등(ST1)이 적색인 경우 타겟 차량의 속도가 미리 정해진 속도 이상이고 우회전 차로에 진입하는 경우 타겟 차량이 우회전하는 것으로 판단할 수 있다. 따라서, 타겟 추적부(160)는 교차로의 우회전 차로 상에 배치되는 제3 교통정보 수집장치(CT3)의 영상을 다른 교통정보 수집장치(CT2, CT4)의 영상보다 먼저 분석하여 타겟 차량을 실시간으로 추적할 수 있다. 만약 제3 교통정보 수집장치(CT3)의 영상을 분석한 결과 타겟 차량이 검색되지 않았다면 다른 교통정보 수집장치(CT2, CT4)의 영상을 분석할 수 있다.
이러한 구성에 의하면, 타겟 차량이 지나간 후에 사후적으로 영상을 분석하여 추적하는 것이 아니라 타겟 차량이 지나갈 지점을 미리 예측하여 해당 지점을 감시하는 교통정보 수집장치(CT)의 영상을 먼저 분석함으로써 실시간으로 타겟 차량을 추적할 수 있는 장점이 있다.
도 7은 본 발명의 일 실시예에 따른 교통정보를 이용한 차량 감시 방법의 순서도이다.
도 7을 참조하면, 실시예에 따른 교통정보 차량 감시 방법은, 교통정보 수집장치(CT)로부터 교통정보를 수집하는 단계(S11), 수집된 교통정보와 도로 정보를 이용하여 교통정보 수집장치(CT)의 감시 영역의 교통량을 산출하는 단계(S12), 및 교통정보 수집장치(CT)가 수집한 영상 정보에서 타겟 차량을 검출하는 단계(S13)를 포함한다. 또한, 추가적으로 영상 정보를 이용하여 타겟 차량의 이동 방향을 예측하는 단계(S14), 및 예측한 이동 방향에 배치된 교통정보 수집장치(CT)의 영상을 분석하여 타겟 차량을 추적하는 단계(S15)를 더 포함할 수 있다.
교통정보를 수집하는 단계(S11)는, 도로에 설치된 복수 개의 교통정보 수집장치(CT)로부터 영상을 수신할 수 있다. 교통정보 수집부(110)는 미리 정해진 간격으로 교통정보 영상을 수집할 수도 있고, 실시간으로 영상을 수집할 수도 있다.
교통량을 산출하는 단계(S12)는, 교통정보 수집장치(CT)의 영상을 통해 도로를 통과하는 차량의 수 및 각 차량의 속도를 미리 정해진 간격으로 산출할 수 있다. 교통량 산출부(120)는 미리 정해진 간격으로 도로를 통과하는 차량의 대수 및 속도를 측정하고 이를 이용하여 교통 용량을 산출할 수 있다.
교통 용량은 도로를 통과하는 차량의 수(V)와 도로의 용량(C)의 비(V/c)를 이용하여 산출할 수 있다. 동일한 도로에서 차량의 대수가 많아지면 교통 용량은 커지게 되고, 차량의 개수가 많은 경우에도 도로의 용량이 큰 경우에는 상대적으로 교통 용량은 작아질 수 있다.
교통 용량 산출 간격은 도로의 유형에 따라 달라질 수 있다. 예시적으로 도심부의 도로의 경우 교통 상황이 상대적으로 빠르게 변화하므로 15분 간격으로 교통 용량을 산출하는 반면, 교통 상황이 상대적으로 느리게 변화하는 고속도로의 경우 30분을 기준으로 교통 용량을 산출할 수도 있다.
또한, 요일(주중 또는 주말)에 따라 측정 시간을 다르게 설정할 수도 있다. 예시적으로 주중의 경우 출근시간과 퇴근시간에는 측정 간격을 짧게 설정할 수 있다.
교통량을 산출하는 단계(S12)는, 측정한 교통 용량 정보들을 이용하여 회귀식을 산출하고 산출된 교통용량을 회귀식에 대입하여 차량의 평균 속도를 산출할 수 있다.
타겟 차량을 검출하는 단계(S13)는 먼저, 산출된 평균 속도에 따라 타겟 차량을 검출하는데 소요되는 최소 시간을 산출할 수 있다. 만약 타겟 차량이 감시 영역을 빠르게 지나가는 경우 영상 처리 속도가 너무 늦다면 이미 타겟 차량은 감시 영역에서 멀어져 이동 방향을 예측하기 어려울 수 있다. 따라서 검색시간 산출부(130)가 감시 영역에서의 평균 속도를 기초로 얼마만큼 빠른 시간 내에 타겟 차량을 식별해야 하는지 판단함으로써 타겟 차량을 빠르게 식별하여 다음 이동 방향을 예측할 수 있다.
이후, 산출된 최소 소요 시간 내에 타겟 차량을 검출할 수 있다. 예시적으로 타겟 검출부(140)는 타겟 차량을 검출하는 복수 개의 알고리즘이 미리 저장되어 있을 수 있고 산출된 최소 소요 시간내에 분석 가능한 알고리즘을 선택할 수 있다.
예시적으로 제1 검출 알고리즘은 차량의 다양한 정보를 추출하여 타겟 정보를 가장 정확하게 산출할 수 있는 반면, 제2 검출 알고리즘은 차량의 정보 중에서 최소한의 정보만을 이용하여 빠르게 식별하도록 설계될 수 있다. 또한, 제3 검출 알고리즘은 제1 검출 알고리즘의 처리 속도와 제2 검출 알고리즘의 처리 속도의 중간 정도의 처리 속도를 가질 수 있다.
따라서, 타겟 검출부(140)는 최소 소요 시간 정보에 따라 복수 개의 검출 알고리즘 중에서 어느 하나를 선택할 수 있다. 만약, 제1 내지 제3 알고리즘이 최소 소요 시간을 모두 만족할 수 있다면 그 중에서 가장 정확한 검출이 가능한 검출 알고리즘을 선택할 수 있다.
이동 방향을 예측하는 단계(S14)는, 타겟 차량의 이동 방향을 미리 산출할 수 있다. 예시적으로 타겟 차량이 교차로에 진입하는 경우 이동방향 예측부(150)는 타겟 차량의 주행 패턴을 분석하여 직진할 확률과 우회전할 확률을 각각 산출하여 출력할 수 있다.
예시적으로 신호등이 녹색인 경우 속도가 점차 증가한다면 타겟 차량이 직진할 가능성이 높은 것으로 판단할 수 있으며, 이와 반대로 점차 감소한다면 차선을 변경하여 우회전 또는 좌회전할 가능성이 높은 것으로 판단할 수 있다.
또한, 신호등이 적색인 경우에 속도가 증가하거나 미리 정해진 속도로 감속되지 않는다면 우회전 또는 좌회전하는 것으로 판단할 수 있다.
또한, 직진 차로에서 속도가 증가하는 경우 직진할 것으로 판단하며, 회전차로에서 속도가 증가 또는 일정속도 이상으로 유지된다면 우회전 또는 좌회전할 것으로 판단할 수 있다.
또한, 방향 지시등의 정보를 이용하여 차량의 이동방향을 예측할 수 있다.
이와 같이 신호와 속도와의 관계 정보, 차로와 속도와의 관계 정보, 및 차로와 방향 지시등의 관계를 종합적으로 판단하여 차량의 이동 방향을 예측할 수 있다.
타겟을 추적하는 단계(S15)는, 이동방향 예측부(150)의 판단 결과에 따라 타겟 차량이 이동하는 지점에 배치된 교통정보 수집장치(CT)의 영상을 다른 교통정보 수집장치(CT)의 영상보다 먼저 분석하여 타겟 차량을 실시간으로 검출할 수 있다.
본 발명의 실시예에 따른 방법의 동작은 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 프로그램 또는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의해 읽힐 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 또한 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어 분산 방식으로 컴퓨터로 읽을 수 있는 프로그램 또는 코드가 저장되고 실행될 수 있다.
또한, 컴퓨터가 읽을 수 있는 기록매체는 롬(rom), 램(ram), 플래시 메모리(flash memory) 등과 같이 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치를 포함할 수 있다. 프로그램 명령은 컴파일러(compiler)에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터(interpreter) 등을 사용해서 컴퓨터에 의해 실행될 수 있는 고급 언어 코드를 포함할 수 있다.
본 발명의 일부 측면들은 장치의 문맥에서 설명되었으나, 그것은 상응하는 방법에 따른 설명 또한 나타낼 수 있고, 여기서 블록 또는 장치는 방법 단계 또는 방법 단계의 특징에 상응한다. 유사하게, 방법의 문맥에서 설명된 측면들은 또한 상응하는 블록 또는 아이템 또는 상응하는 장치의 특징으로 나타낼 수 있다. 방법 단계들의 몇몇 또는 전부는 예를 들어, 마이크로프로세서, 프로그램 가능한 컴퓨터 또는 전자 회로와 같은 하드웨어 장치에 의해(또는 이용하여) 수행될 수 있다. 몇몇의 실시예에서, 가장 중요한 방법 단계들의 하나 이상은 이와 같은 장치에 의해 수행될 수 있다.
실시예들에서, 프로그램 가능한 로직 장치(예를 들어, 필드 프로그머블 게이트 어레이)가 여기서 설명된 방법들의 기능의 일부 또는 전부를 수행하기 위해 사용될 수 있다. 실시예들에서, 필드 프로그머블 게이트 어레이는 여기서 설명된 방법들 중 하나를 수행하기 위한 마이크로프로세서와 함께 작동할 수 있다. 일반적으로, 방법들은 어떤 하드웨어 장치에 의해 수행되는 것이 바람직하다.
이상 본 발명의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
Claims (10)
- 교통정보 수집장치로부터 교통정보를 수집하는 교통정보 수집부;
상기 수집된 교통정보를 이용하여 상기 교통정보 수집장치의 감시 영역의 교통량을 산출하는 교통량 산출부;
상기 교통정보 수집장치가 수집한 영상 정보에서 타겟 차량을 검출하는 타겟 검출부; 및
상기 산출된 교통량 정보를 이용하여 상기 타겟 검출부가 상기 타겟 차량을 검색해야 할 최소 시간을 결정하는 검색시간 산출부를 포함하는, 교통정보를 이용한 차량 감시 장치.
- 제1항에 있어서,
상기 교통량 산출부는 상기 수집된 교통정보 및 해당 도로의 용량 계수를 이용하여 교통 용량 정보를 산출하고,
상기 교통 용량 정보를 산출하는 간격은 상기 교통정보 수집장치가 배치된 도로의 유형에 따라 각각 다르게 설정되는, 교통정보를 이용한 차량 감시 장치.
- 제2항에 있어서,
상기 교통량 산출부는 미리 정해진 간격마다 상기 감시 영역을 지나간 차량의 수와 속도를 계산하고 상기 차량의 수와 속도에 기반하여 회귀식을 산출하고, 상기 회귀식과 상기 교통 용량 정보를 이용하여 상기 감시 영역을 통과하는 차량의 평균 속도를 산출하는, 교통정보를 이용한 차량 감시 장치.
- 제1항에 있어서,
상기 영상 정보를 이용하여 상기 타겟 차량의 이동 방향을 예측하는 이동 방향 예측부, 및
상기 타겟 차량의 이동 방향에 따라 복수 개의 교통정보 수집장치에서 전송한 영상들의 분석 순위를 정하는 타겟 추적부를 포함하는, 교통정보를 이용한 차량 감시 장치.
- 제4항에 있어서,
상기 타겟 추적부는 상기 타겟 차량이 이동할 방향에 배치된 교통정보 수집장치의 영상을 다른 교통정보 수집장치의 영상보다 먼저 분석하여 상기 타겟 차량을 검출하는, 교통정보를 이용한 차량 감시 장치.
- 제5항에 있어서,
상기 이동 방향 예측부는 상기 타겟 차량의 전방에 배치된 교차로의 신호등이 적색인 경우 상기 타겟 차량의 속도가 미리 정해진 속도 이하로 감소하면 상기 타겟 차량이 직진할 것으로 판단하고, 상기 타겟 추적부는 상기 교차로의 직진 차로 상에 배치되는 교통정보 수집장치의 영상을 다른 교통정보 수집장치의 영상보다 먼저 분석하여 상기 타겟 차량의 이동 경로를 실시간으로 추적하는, 교통정보를 이용한 차량 감시 장치.
- 교통정보 수집장치로부터 교통정보를 수집하는 단계;
상기 수집된 교통정보를 이용하여 상기 교통정보 수집장치의 감시 영역의 교통량을 산출하는 단계; 및
상기 교통정보 수집장치가 수집한 영상 정보에서 타겟 차량을 검출하는 단계를 포함하고,
상기 타겟 차량을 검출하는 단계는, 상기 산출된 교통량 정보를 이용하여 상기 타겟 차량을 검색하는데 필요한 최소 시간을 결정하고 상기 결정된 최소시간 안에 상기 타겟 차량을 검출하는, 교통정보를 이용한 차량 감시 방법.
- 제7항에 있어서,
상기 교통량을 산출하는 단계는, 상기 수집된 교통정보 및 해당 도로의 용량 계수를 이용하여 교통 용량 정보를 산출하고,
상기 교통 용량 정보를 산출하는 간격은 상기 교통정보 수집장치가 배치된 도로의 유형에 따라 각각 다르게 설정되는, 교통정보를 이용한 차량 감시 방법.
- 제8항에 있어서,
상기 교통량을 산출하는 단계는, 미리 정해진 간격마다 상기 감시 영역을 지나간 차량의 수와 속도를 계산하고 상기 차량 수와 속도에 기반하여 회귀식을 산출하고, 상기 회귀식과 상기 교통 용량 정보를 이용하여 차량의 평균 속도를 산출하는, 교통정보를 이용한 차량 감시 방법.
- 제7항에 있어서,
상기 영상 정보를 이용하여 상기 타겟 차량의 이동 방향을 예측하는 단계, 및
상기 예측한 이동 방향에 배치된 교통정보 수집장치의 영상을 분석하여 상기 타겟 차량을 추적하는 단계를 더 포함하고,
상기 타겟 차량을 추적하는 단계는, 상기 타겟 차량의 이동 방향을 예측하여 상기 타겟 차량이 이동할 방향에 배치된 교통정보 수집장치의 영상을 다른 교통정보 수집장치의 영상보다 먼저 분석하여 상기 타겟 차량을 검출하는, 교통정보를 이용한 차량 감시 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210184830A KR102670346B1 (ko) | 2021-12-22 | 2021-12-22 | 교통정보를 이용한 능동적 차량 감시 장치 및 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210184830A KR102670346B1 (ko) | 2021-12-22 | 2021-12-22 | 교통정보를 이용한 능동적 차량 감시 장치 및 방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20230095396A true KR20230095396A (ko) | 2023-06-29 |
| KR102670346B1 KR102670346B1 (ko) | 2024-05-30 |
Family
ID=86946570
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210184830A KR102670346B1 (ko) | 2021-12-22 | 2021-12-22 | 교통정보를 이용한 능동적 차량 감시 장치 및 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102670346B1 (ko) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2655953B2 (ja) * | 1991-07-19 | 1997-09-24 | 株式会社日立製作所 | 交通制御システム |
| KR20090124197A (ko) * | 2008-05-29 | 2009-12-03 | 주식회사 세인시스템 | 복합검지체계를 가진 교통정보 예측 복합 검지기 및교통정보 예측 방법 |
| KR20130129503A (ko) * | 2012-05-21 | 2013-11-29 | 주식회사 케이티 | 차량 추적 시스템 및 방법 |
| KR20140052357A (ko) * | 2012-10-24 | 2014-05-07 | 주식회사 케이티 | 다중 카메라를 이용하여 객체의 이동을 추적하는 객체 추적 시스템 및 객체 추적 방법 |
| KR20150144639A (ko) * | 2014-06-17 | 2015-12-28 | 인천광역시(인천광역시경제자유구역청장) | 유비쿼터스 시티 기반의 다수개의 감시 카메라를 이용한 이동경로 예측 시스템 및 방법 |
| KR20200058884A (ko) * | 2018-11-20 | 2020-05-28 | (주)두레윈 | 교통 신호 위반 단속 장치 및 방법 |
-
2021
- 2021-12-22 KR KR1020210184830A patent/KR102670346B1/ko active IP Right Grant
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2655953B2 (ja) * | 1991-07-19 | 1997-09-24 | 株式会社日立製作所 | 交通制御システム |
| KR20090124197A (ko) * | 2008-05-29 | 2009-12-03 | 주식회사 세인시스템 | 복합검지체계를 가진 교통정보 예측 복합 검지기 및교통정보 예측 방법 |
| KR20130129503A (ko) * | 2012-05-21 | 2013-11-29 | 주식회사 케이티 | 차량 추적 시스템 및 방법 |
| KR20140052357A (ko) * | 2012-10-24 | 2014-05-07 | 주식회사 케이티 | 다중 카메라를 이용하여 객체의 이동을 추적하는 객체 추적 시스템 및 객체 추적 방법 |
| KR20150144639A (ko) * | 2014-06-17 | 2015-12-28 | 인천광역시(인천광역시경제자유구역청장) | 유비쿼터스 시티 기반의 다수개의 감시 카메라를 이용한 이동경로 예측 시스템 및 방법 |
| KR20200058884A (ko) * | 2018-11-20 | 2020-05-28 | (주)두레윈 | 교통 신호 위반 단속 장치 및 방법 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102670346B1 (ko) | 2024-05-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10032085B2 (en) | Method and system to identify traffic lights by an autonomous vehicle | |
| US9336450B2 (en) | Methods and systems for selecting target vehicles for occupancy detection | |
| CN113936465B (zh) | 交通事件检测方法及装置 | |
| CN110322687B (zh) | 确定目标交叉口运行状态信息的方法和装置 | |
| CN113326719A (zh) | 一种用于目标追踪的方法、设备及系统 | |
| CN107146409B (zh) | 路网中设备检测时间异常的识别和真实时差估算方法 | |
| CN113139410B (zh) | 路面检测方法、装置、设备及存储介质 | |
| CN109446926A (zh) | 一种交通监控方法及装置、电子设备和存储介质 | |
| CN111524350B (zh) | 车路协同异常行驶状况检测方法、系统、终端设备及介质 | |
| KR101828271B1 (ko) | 교통 관리 시스템 및 그 방법 | |
| CN111613056A (zh) | 一种交通异常事件检测方法及装置 | |
| KR101133222B1 (ko) | 영상기반의 사고 검지 시스템 및 방법 | |
| KR102494953B1 (ko) | 딥러닝 기반 온-디바이스 실시간 교통제어 시스템 | |
| KR102189063B1 (ko) | 이상 상황 판단을 위한 장치, 시스템 및 방법 | |
| CN110533930B (zh) | 交通数据处理方法、装置、计算机设备和存储介质 | |
| KR102670346B1 (ko) | 교통정보를 이용한 능동적 차량 감시 장치 및 방법 | |
| CN111724607A (zh) | 转向灯使用检测方法、装置、计算机设备和存储介质 | |
| CN106530711A (zh) | 一种用于高速车辆的视频图像智能交通分析方法 | |
| CN114882709A (zh) | 车辆拥堵检测方法、装置及计算机存储介质 | |
| CN116461546A (zh) | 车辆预警方法、装置、存储介质和处理器 | |
| CN114596704B (zh) | 交通事件处理方法、装置、设备及存储介质 | |
| KR101808203B1 (ko) | 적응적 예측분석을 이용한 차량 단속 시스템 및 그 방법 | |
| CN115762230A (zh) | 基于剩余车位量预测的停车场智能引导方法及装置 | |
| CN111741267B (zh) | 一种车辆延误的确定方法、装置、设备及介质 | |
| CN114170807B (zh) | 车辆轨迹信息获取方法、装置、设备和存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right |