29. 개별 차량 특성에 따른 안전거리 산정을 위한 CNN 기반 차종 분류 및 거리 추정 모델 연구 / 이우섭, 송재인, 강민…

구두 Session 3, 교통안전2, 30(금) 14:50-16:20, 볼룸1, pp.162-163 

개별 차량 특성에 따른 안전거리 산정을 위한 CNN 기반 차종 분류 및 거리 추정 모델 연구 / 이우섭(홍익대학교), 송재인(홍익대학교), 강민희(산업융합협동과정 스마트도시), 황기연(홍익대학교)

국내 고속도로의 운행속도 기준은 시속 50km에서 110km 수준으로 실제 운행 시 고속 주행을 하기 때문에 운행 행태의 작은 변화에도 사고 위험성이 높을 것으로 예상된다. 2018년 기준 우리나라 고속도로 일일 교통량은 약 790만 대로 매년 증가하고 있으며, 고속도로 내 교통사고 수도 늘어나고 있다. 2015년부터 2019년까지 5년간 전체 교통사고 110만 건 중 고속도로 내 교통사고는 약 2.1만 건으로 2% 수준이나, 부상자 수와 사망자 수는 각각 3%와 6%로 발생 건수 대비 사고의 심각도가 높다고 볼 수 있다. 또한 전방 주시 태만이나 운전미숙 등과 같은 안전운전의무 불이행(67.6%)과 함께 안전거리 미확보(24.4%)로 인한 사고가 많이 발생하는 것으로 분석되어, 고속도로 내 안전거리 확보에 대한 연구가 필요할 것으로 판단된다. 도로상에서 안전거리는 갑자기 정지한 앞차와의 사고를 피할 수 있는 거리를 의미하며, 안전거리를 유지함으로써 추돌사고를 방지할 뿐만 아니라 인지 및 판단에 의한 갑작스러운 핸들 조작 과 급제동을 사전에 예방할 수 있게 한다. 국내의 경우 고속도로 내 적정 안전거리는 차량 주행속도를 1,000으로 나눈 값으로 권장하고 있으며(e.g. 시속 100km 이면 최소 100m 이상의 안전거리를 유지하여야 함), 현재 우리나라는 모든 차량의 안전거리를 동일하게 적용하고 있다. 그러나 고속 주행 중인 차량에서 정확한 안전거리를 판단하는 것은 어려우며, 특히 인지 및 판단 능력이 저하된 고령 운전자나 하중이 큰 화물차 운전자에게서 더 높은 사고 위험성을 보인다. 이러한 사고 위험성을 감소시키기 위해 고속도로 내 개별 차량의 특성을 고려한 안전거리의 산정이 필요할 것으로 사료된다. 한편, 산업의 고도화와 함께 교통 기술을 포함한 다양한 분야에서 인공지능을 활용한 많은 연구가 진행되고 있으며, 특히 딥러닝 기반의 영상·이미지 처리 및 자연어 처리 등에서 많은 발전을 이루고 있다. 인공지능 기법 중 하나인 합성곱 신경망(Convolutional Neural Network, 이하 CNN)은 객체를 탐지하고, 특징을 추출하여 분류하는데 적합한 모델로 영상을 판독하고 분류하는 데 있어 좋은 성과를 보이고 있다. 이에 본 연구에서는 CNN 기반의 You Only Look Once(이하 YOLO) 모델을 통해 고속도로 주행 블랙박스 영상 내 객체를 탐지해 차종을 분류하고, 거리를 추정하여 개별 차량 특성에 따른 안전거리 산정 연구의 기반을 마련하고자 한다.

좌장 : 박준영, 홍성민