Earticle

초록

영어

As we face an aging society, the demand for personal mobility for disabled and aged people is increasing. In fact, as of 2017, the number of electric wheelchair in the country continues to increase to 90,000. However, people with disabilities and seniors are more likely to have accidents while driving, because their judgment and coordination are inferior to normal people. One of the causes of the accident is the interference of personal vehicle steering control due to unbalanced road surface conditions. In this paper, we introduce a encoder type semantic segmentation algorithm that can recognize road conditions at high speed to prevent such accidents. To this end, more than 1,500 training data and 150 test data including road surface damage were newly secured. With the data, we proposed a deep neural network composed of encoder stages, unlike the Auto-encoding type consisting of encoder and decoder stages. Compared to the conventional method, this deep neural network has a 4.45% increase in mean accuracy, a 59.2% decrease in parameters, and an 11.9% increase in computation speed. It is expected that safe personal transportation will be come soon by utilizing such high speed algorithm.

한국어

고령화 사회에 접어들면서 거동이 어려운 장애인과 고령자의 개인 교통수단에 대한 수요가 증가하고 있다. 실제로 2017년 기준 전국 전동보장구 보급수는 9만여 대로 지속해서 증가하는 추세다. 하지만 장애인 및 고령자의 판단 능력과 조정 능력은 정상인보다 상대적으로 차이가 있는 관계로 주행 중 사고 발생의 가능성이 크다. 다양한 사고의 원인 중 하나는 도로 노면 상태의 불균형으로 인해 개인 이동 수단 조향 제어의 간섭이다. 본 논문에서는 이 같은 사고를 예방하고자 도로 노면 상태를 고속으로 인지할 수 있는 암호화 형식 의미론적 분할 알고리즘 을 소개한다. 이를 위하여 도로 노면 파손이 포함된 1,500여 장의 학습용 데이터와 150여 장의 테스트용 데이터를 새롭게 구성하였다. 그리고 이를 활용하여 기존의 Encoder와 Decoder 단계 로 구성된 Auto-encoder 방식과 달리 Encoder 단계로 이루어진 심층 신경망을 제안하였다. 이 심층 신경망은 기존의 방식과 비교했을 때 평균 정확도(Mean Accuracy)는 4.45% 증가하였고 파라미터는 59.2% 감소하였으며 연산 속도는 11.9% 향상되었다. 이 같은 고속 알고리즘을 활 용하여 안전한 개인 이동 수단이 확대 적용되길 기대한다.

목차

요약
ABSTRACT
Ⅰ. 서론
1. 고령화 사회에 따른 개인 이동 수단의 기술 동향
2. 인공 지능을 활용한 도로 노면 상태 객체 인식 기술
Ⅱ. 도로 노면 파손 영상데이터
1. 도로 노면 파손 영상 데이터의 확보
2. Segmentation을 위한 데이터의 생성
3. Multi-scale 학습을 위한 데이터의 구성
4. 다양한 학습 효과를 위한 데이터의 확장
Ⅲ. 도로 노면 파손 탐지 심층신경망
1. Auto-Encoder Type VS Encoder Type Segmentation 구조 비교
2. 심층 신경망을 활용한 도로 노면 파손 탐지 알고리즘의 구현과 학습 조건
Ⅳ. 실험 결과
1. 학습 결과 비교
2. 인식 성능 비교
3. 연산 속도 비교
Ⅴ. 결론
1. 고속 연산을 위한 정확한 심층 신경망 구조 설계
2. 향후 연구 계획
ACKNOWLEDGEMENTS
REFERENCES

키워드

저자

• 심승보 [ Seungbo Shim | 한국건설기술연구원 차세대인프라연구센터 전임연구원 ] 주저자
• 송영은 [ Young Eun Song | 호서대학교 전기공학과 조교수 ] 교신저자

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  한국ITS학회논문지 [The Journal of The Korean Society of Intelligent Transport Systems]

• 간기

  격월간

• pISSN

  1738-0774

• eISSN

  2384-1729

• 수록기간

  2003~2026

• 등재여부

  KCI 등재

• 십진분류

  KDC 326 DDC 338