Earticle

초록

영어

Accurately identifying the number of park visitors is essential for effective urban park management, including facility maintenance, manpower deployment, and budget allocation. However, traditional manual counting methods and CCTV-based monitoring face several limitations such as low spatial–temporal resolution, blind spots, and high installation and operational costs. To address these issues, this study proposes an automated park visitor detection method that integrates drone-captured aerial imagery with the YOLOv8 object detection model. Experimental flights were conducted at altitudes ranging from 15 to 150 meters, and results showed that an altitude of 60 meters offered the optimal trade-off between detection accuracy and spatial coverage. Manual labeling was used to augment the dataset for improved accuracy, and retraining the YOLOv8 model achieved a detection performance of 90% mAP@0.50. Furthermore, time-series drone footage was collected four times per month from June 2023 to May 2024. The data were segmented and analyzed to extract monthly and seasonal visitor patterns, confirming distinct usage peaks in April and October and declines in July and August. This study demonstrates the feasibility of applying drone- and AI-based object detection technologies to public spaces in a time-series context, providing quantitative insights that can support policy decisions related to facility maintenance schedules, personnel deployment, and crowd management. Future research should expand toward multi-year time-series data and integrate complementary sensors (e.g., CCTV) to enhance the predictive reliability of long-term trend analysis.

한국어

도심 공원 관리에서 이용객 수를 정확히 파악하는 것은 시설 유지･보수, 인력 배치, 예산 편성의 핵심 기초자료이다. 그러나 기존 수작업 계수법과 CCTV 기반 모니터링은 낮은 시･공간 해상도, 사각지대, 설치･운영 비용과 같은 제약이 존재한다. 본 연구는 이러한 한계를 해결하고자 드론 촬영 영상과 YOLOv8 객체 검출 모델을 결합한 공원 이용객 자동 탐지 방법을 제시한다. 먼저 고도 15m~150m 범위에서 드론 촬영을 실시하여 사람 검출 정확도를 비교한 결과, 60m 고도가 탐지 성능과 촬영 범위 간 최적 균형을 보였다. 정확도 향상을 위해 수작업 레이블링으로 학습 데이터를 보강하고 모델을 재학습시켜 mAP@0.50 90%의 성능을 달성하였 다. 이어서 2023.06~2024.05 기간 동안 월 4회 시계열 촬영을 수행하고, 드론 영상을 분할･탐지하여 월별･계절별 이용객 분포(성 수기: 4･10월, 비성수기: 7･8월)를 도출하였다. 본 연구는 드론-AI 기반 객체 탐지 기술을 일상 공공 공간에 시계열적으로 적용하여 공원 관리 의사결정(시설 보수 시기, 인력 배치, 혼잡 완화)에 활용 가능한 정량 데이터를 제공하였다는 점에서 학술적･실무적 의의 를 갖는다. 향후에는 다년도 시계열 자료와 보조 센서(CCTV) 융합을 통해 장기 예측 신뢰도를 높이는 연구가 요구된다.

목차

요약
Abstract
1. 서론
2. 선행연구
2.1 드론 기술 및 공간정보 수집 연구
2.2 드론 기반 객체 검출 및 AI 융합 연구
2.3 공공 공간 및 공원이용객 탐지 관련 연구
2.4 본 연구의 차별성 및 기여점
3. 드론 촬영 장비 및 머신러닝 기반 탐지 기법
3.1 드론 촬영 장비 및 운용 방법
3.2 머신러닝 기반 객체 검출 모델 (YOLOv8)
3.3 사람 인식 범위
4. 대상지역 촬영 및 분석 결과
4.1 대상지역 선정 및 촬영 과정
4.2 촬영 데이터 전처리
4.3 모델학습 및 평가
4.4 공원의 시계열 결과
4.5 연구결과 논의
5. 결론
REFERENCES

키워드

저자

• 김대현 [ Kim Dae-Hyeon | KT AXD 본부 선임, 2남서울대학교 드론공간정보공학과 학생 ]
• 김상빈 [ Kim Sang-Bin | 남서울대학교 드론공간정보공학과 학생 ] Corresponding Author
• 김성훈 [ Kim Seong H. | 남서울대학교 드론공간정보공학과 교수 ]
• 박재국 [ Park Jae-kook | 남서울대학교 드론공간정보공학과 교수 ]
• 조지환 [ Jo Ji-hwan | 남서울대학교 드론공간정보공학과 학생 ]

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  산업융합연구(구 대한산업경영학회지) [Journal of Industrial Convergence]

• 간기

  월간

• pISSN

  2635-8875

• 수록기간

  2003~2026

• 등재여부

  KCI 등재

• 십진분류

  KDC 323 DDC 338