I. 기술의 개념 및 내용 비정상적인 교통 상황 감지 기술을 개발 - Recurrent Neural Network(RNN) 기반의 비정상적인 교통 상황 감지 기술을 개발 - RNN 모델은 시간에 따른 차량 궤적 및 속도의 비정상적인 이벤트를 학습 - CNN 모델은 이미지(사고, 정지 이벤트 등)를 사용하여 비정상적인 교통 상황을 학습 * 본 내용은 전재욱 교수(☎ 031-290-7129, jwjeon@skku.edu)에게 문의하시기 바랍니다. ** 본 내용은 필자의 주관적인 의견이며 IITP의 공식적인 입장이 아님을 밝힙니다. ***정보통신기획평가원은 현재 개발 진행 및 완료 예정인 ICT R&D 성과 결과물을 과제 종료 이전에 공개하는 “ICT R&D 사 업화를 위한 기술예고”를 2014년부터 실시하고 있는 바, 본 칼럼에서는 이를 통해 공개한 결과물의 기술이전, 사업화 등 기술 활용도 제고를 위해 매주 1~2건의 관련 기술을 소개함 비정상적인 교통 상황 감지 기술 Chapter 04 개발목표시기 기술이전 가능 시기 - 소프트웨어 기술 개발(2027. 3.) - 엣지 디바이스 탑재 및 최적화(2028. 3.) 기술성숙도 (TRL) 개발 전 개발 후 2 6 결과물 형태 SW-System, SW-Platform, Patent 검증방법 공인인증평가, 자체검증 Keywords 비정상판단, 교통상황 감지, 지능형 교통감시시스템 Anomaly, detection, traffic, Intelligent Transport Systems 외부기술요소 SW 개발기술, Open source로 공개된 딥러닝 프레임워크 사용, 상용 엣지 디바이스 이용 권리성 특허, 인공지능 알고리즘, 소프트웨어 ICT R&D 동향 정보통신기획평가원 33 - RNN 모델을 사용하여 기본 주행 동작(차량의 궤적 및 속도)을 학습 - 차량이 정상적인 방식으로 계속 움직이면 분산 값은 낮은 수준으로 유지되지만 차량에 사고가 발생하면 분산 값이 증가함 - 분산을 계산하여 비정상적인 동작을 찾음 - RNN 모델의 결과를 수정하기 위해 CNN 모델을 사용함 - 앞서 개발한 알고리즘을 이용하여 차량의 위치, 속도, 모양 정보를 바탕으로 다음 프레 임의 위치를 예측 - 실제 차량의 위치와 예측된 위치 결과와 비교하여 비정상적인 교통 상황을 감지 [그림 1] 비정상적인 교통 상황 감지 기술의 구조 주간기술동향 2022. 4. 27. 34 www.iitp.kr III. 국내외 기술 동향 및 경쟁력 1. 기술의 특성 및 성능 CNN과 RNN을 결합한 비정상적인 교통 상황 감지 기술은 현재 시점의 이미지의 시각적 특성뿐만 아니라 시간의 흐름까지 고려하여 비정상적 교통 상황을 감지함 2. 경쟁기술/대체기술 동향 및 현황 현재 도로교통공단 및 다수의 지자체에서 지능형 교통감시시스템을 운용중이나 유고감지 시스템의 경우 빛, 흔들림, 노이즈 등에 취약하여 터널 등 일부 환경에서만 무인으로 적용 이 가능함 또한, 유인 감시의 경우에도 CCTV 숫자에 비해 관제 요원이 매우 적고, 실제 감시요원에 의한 감지율도 매우 떨어져 환경에 강인한 무인 시스템이 필요함 3. 우수성 및 차별성 IV. 국내외 시장 동향 및 전망 1. 국내외 시장규모 및 수출입 현황 전 세계 ITS시장이 2020~2030년 연평균 10% 가량의 성장률을 보이며 매년 급속도로 커지는 상황이며, 그 중 첨단교통관리시스템의 비중이 2020년 기준 39.7%로 관련 기술 의 수요가 급증함