딥러닝 기반 클러스터링을 통한 자전거 도로 분석 (Bicycle Road Analysis using Clustering based on Deep Learning)

서지정보

· 발행기관 : 한국정보기술학회
· 수록지 정보 : 한국정보기술학회논문지 / 21권 / 1호 / 131 ~ 138페이지
· 저자명 : 이재만, 김선종

초록

최근, 개인의 건강관리를 위한 야외활동이 늘어나고 있는 추세이다. 특히, 자전거 활동 인구가 증가함에 따라 사고로 인한 위험도 늘어나서 자전거 도로에 대한 관리가 필요하다. 본 논문에서는 자전거 활동에 위협이 되는 위험 물체를 인공지능을 기반으로 인식하였고, 클러스터링을 이용하여 도로의 상태를 분석하였다. 이는 도로의 상태나 위험 요소를 인터넷을 통해 사전에 알려줌으로써 사고를 방지할 수 있기 때문이다. 일반적인 위험 요소는 맨홀, 포트홀, 빗물받이 등이 있다. 이러한 위험 요소에 대한 영상은 YOLOv5s을 통해 학습시켰으며, 데이터는 자전거 도로 구간을 이동하면서 스마트폰으로 자전거에 장착하여 영상과 위치를 수집하였다. 주어진 구간에서 수집한 영상은 1,729장으로 클러스터링을 이용하여 분류하였으며, 분석 결과를 지도와 함께 표현하였다. 따라서, 이를 통해 도로의 상태가 바뀌는 지점과 위험 요소의 위치를 확인할 수 있다.

영어초록

Recently, outdoor activities for personal health care are increasing. In particular, as the number of people active in cycling increases, the risk of accidents also increases, so management of bicycle roads is required. In this paper, dangerous objects threatening bicycle activities were recognized based on artificial intelligence and the condition of the road was analyzed using clustering. This is because accidents can be prevented by notifying road conditions or risk factors in advance through the information. Common hazards include manholes, potholes, and rain gutters. Images of these risk factors were learned through YOLOv5s, and data were collected by attaching a smartphone to a bicycle while moving along a bicycle road section to collect images and locations. 1,729 images collected in a given section were classified using clustering, and the analysis results were expressed along with a map with 93% accuracy. Therefore, through this, it is possible to identify the point where the condition of the road changes and the location of the risk factor.

참고자료

· 없음