Earticle

현재 위치 Home

인터넷

딥러닝 기반 실시간 교통사고 유형 및 과실 정보 제공 서비스
Deep Learning-based Real-time Traffic Accident Type and Fault Information Provision Service

첫 페이지 보기
  • 발행기관
    국제인공지능학회(구 한국인터넷방송통신학회) 바로가기
  • 간행물
    한국인터넷방송통신학회 논문지 KCI 등재 바로가기
  • 통권
    제21권 제3호 (2021.06)바로가기
  • 페이지
    pp.1-6
  • 저자
    김근모, 조진성, 김성민, 백승환, 류승훈, 고재종, 김봉재
  • 언어
    한국어(KOR)
  • URL
    https://www.earticle.net/Article/A396380

※ 원문제공기관과의 협약기간이 종료되어 열람이 제한될 수 있습니다.

원문정보

초록

영어
Determining the percentage of negligence between the parties in the event of road traffic accidents is a significant problem. In order to provide users with more accurate criteria for determining the percentage of negligence, several companies are providing services. However, services currently available are limited to immediate use at the scene of an accident. Generally, the service that determines the percentage of negligence can be used after all accident handling procedures have been completed. This paper provides a real-time traffic accident type and fault rate information provision service utilizing a deep learning-based predictive model to overcome these limitations. Users can immediately identify accident types and fault information by taking pictures at the accident site and check actual precedents of the same accident type. Users will be able to use the service to more accurately and reliably determine the percentage of negligence and handle incidents.
한국어
도로 위 교통사고 발생 시 당사자 간의 과실 비율 판정이 주요 문제가 되고 있다. 사용자에게 더욱 정확한 과실 비율 판정 기준을 제공하기 위하여 여러 기업에서 서비스를 제공하고 있다. 하지만 현재 제공되고 있는 서비스들은 사고 현장에서 즉시 사용하기에는 한계가 있다. 일반적으로 현재 제공되는 과실 비율 판정 서비스는 모든 사고처리 절차가 종료된 이후 시간적 여유가 있을 때 사용된다. 이와 같은 한계를 극복하고자 본 논문에서는 딥러닝 기반의 예측 모델을 활용한 실시간 교통사고 유형 및 과실 비율 정보 제공 서비스를 제공한다. 사용자는 사고 현장에서 사진을 찍는 것으로 즉시 사고 유형 및 과실 정보 파악이 가능하며, 동일 사고 유형의 실제 판례를 확인할 수 있다. 사용자는 서비스를 사용 하여 더욱 정확하고 확실한 과실 비율 판정 및 사고처리 절차를 진행할 수 있을 것이다.

목차

요약
Abstract
Ⅰ. 서론
Ⅱ. 관련 연구
Ⅲ. 서비스 설계 및 구현
1. 시스템 구조
2. 딥러닝 기반 교통사고 유형 및 과실 예측 모델
Ⅳ. 서비스 구현 및 결과
1. 서비스 제공을 위한 컴퓨팅 환경
2. 딥러닝 기반 예측 모델 평가
3. 교통사고 유형 및 과실 정보 제공 서비스 구현 결과
Ⅴ. 결론
References

키워드

Artificial Intelligence Deep Learning Traffic accident

저자

  • 김근모 [ Geunmo Kim | 준회원, 충북대학교 전기·전자·정보·컴퓨터공학부 ]
  • 조진성 [ Jinsung Cho | 준회원, 충북대학교 전기·전자·정보·컴퓨터공학부 ]
  • 김성민 [ Sungmin Kim | 준회원, 선문대학교 컴퓨터공학부 ]
  • 백승환 [ Seunghwan Beak | 준회원, 선문대학교 컴퓨터공학부 ]
  • 류승훈 [ Seunghoon Ryu | 준회원, 선문대학교 법·경찰학과 ]
  • 고재종 [ Jaejong Koh | 준회원, 선문대학교 법·경찰학과 ]
  • 김봉재 [ Bongjae Kim | 정회원, 충북대학교 컴퓨터공학과 ] Corresponding Author

참고문헌

자료제공 : 네이버학술정보

간행물 정보

발행기관

  • 발행기관명
    국제인공지능학회(구 한국인터넷방송통신학회) [The International Association for Artificial Intelligence]
  • 설립연도
    2000
  • 분야
    공학>전자/정보통신공학
  • 소개
    인터넷방송, 인터넷 TV , 방송 통신 네트워크 및 관련 분야에 대한 국내는 물론 국제적인 학술, 기술의 진흥발전에 공헌하고 지식 정보화 사회에 기여하고자 한다.

간행물

  • 간행물명
    한국인터넷방송통신학회 논문지 [The Journal of the Institute of Internet, Broadcasting and Communication]
  • 간기
    격월간
  • pISSN
    2289-0238
  • eISSN
    2289-0246
  • 수록기간
    2001~2025
  • 십진분류
    KDC 326 DDC 380

이 권호 내 다른 논문 / 한국인터넷방송통신학회 논문지 제21권 제3호

    피인용수 : 0건 (자료제공 : 네이버학술정보)

    함께 이용한 논문 이 논문을 다운로드한 분들이 이용한 다른 논문입니다.

      출처 : 네이버학술정보

        0개의 논문이 장바구니에 담겼습니다.

        페이지 저장
        소속기관 조회
        이용자님의 소속기관(단체)이 서비스에 가입되어 있는지 확인해 보십시오.
        기관회원에 소속되어 있는 이용자는 원문을 무료로 이용할 수 있습니다.