36. IMU 센서 데이터 기반 E-Scooter 주행도로 이상 검지를 위한 시계열 딥러닝 모델 개발 / 김나연, 권현지, 송…

구두세션, 교통안전 1, 27(금) 10:00-11:40, 해운

IMU 센서 데이터 기반 E-Scooter 주행도로 이상 검지를 위한 시계열 딥러닝 모델 개발 / 김나연(충북대학교), 권현지(충북대학교), 송태진(충북대학교)

개인 이동 수단(PM)은 전 세계적으로 환경 친화적인 교통수단이며, 특히 대중 교통의 첫 마일 및 마지막 마일을 보완하는 데 중요한 역할을 한다. 전동킥보드는 작은 바퀴로 인해 다른 수단에게는 치명적이지 않은 도로 위 작은 장애물도 주행에 큰 영향을 받으며, 위험하다. 도로 이상은 전동킥보드의 위험한 주행을 야기하는 중요한 요인이나 다른 수단과 비교했을 때 이는 구체적으로 논의되지 않았다. 본 논문에서는 한국의 한 도시를 주행하며 수집된 IMU (Inertial Measurement unit)장치 및 영상장치를 활용하여 전동킥보드 주행에 직접적인 영향을 주는 도로 이상을 검지하기 위한 기술을 제안하고자 한다. 본 연구는 도로 이상 데이터가 시계열 데이터임을 고려하여 시계열 데이터 처리에 유능한 시계열 딥러닝을 제안하고, 다른 딥러닝 모델도 함께 구축하여 광범위한 모델 평가를 수행했다. 최종적으로 딥러닝 기술을 적용한 모델을 구축하여 전동킥보드 도로 이상을 검지하는 데 성공하였으며, 최종 LSTM (Long Short Time Memory) 접근방식에서 97.58%의 높은 검지 정확도를 달성하였다. 이는 DNN (Deep Neural Network)과 비교했을 때 15.7%p, CNN (Convolutional neural network)과 비교했을 때 6.4%p, RNN (Recurrent Neural Network)과 비교했을 때 2.5%p 높은 정확도를 보이며, 이전까지 많이 소개되어진 차량의 도로 이상을 분류하기 위해 제안된 접근방식과 비교해도 뛰어난 성능을 보이는 것으로 나타났다.