Earticle

에어백이 작동되는 중고속 추돌 사고의 경우 에어백 작동 전후의 차량 데이터가 차량의 EDM(Event Driven Memory)에 저장되어 그 추돌 속도를 쉽게 알 수 있다. 하지만 에어백이 작동하지 않는 저속영역에서 추돌하는 경우 그 속도를 산정하기가 어렵다. 또한 저속이라 하더라도 추돌속도에 따라 운전자의 부상 정도가 크게 영향을 받기 때문에 그 속도의 산정이 중요하다. 본 연구에서는 블랙박스에 저장된 영상 이미지를 분석하여 저속영역의 추돌속도를 연산하는 알고 리즘을 제안하였다. 전기모터로 와이어로프를 이용하여 차량을 견인하는 방식으로 저속의 후방추돌 상황을 정확하게 재현 하면서 다양한 차종과 속도에 대해 실험을 수행하였다. 이 때 블랙박스의 영상 이미지에서 두 차량의 거리가 좁아지는 비율 과 전방 차량의 번호판 길이가 증가하는 비율이 동일함을 이용하여 추돌속도를 정밀하게 계산할 수 있다. 즉, 미리 측정된 초기거리와 블랙박스의 영상에서의 번호판의 길이를 초기조건으로 설정하여 본 연구의 계산 알고리즘을 적용하면 저속 추 돌 속도를 정확하게 산정할 수 있다. 직선 추돌사고에는 본 연구의 결과가 그대로 적용되지만 각도를 두고 추돌하는 경우에 는 별도의 고려가 필요하다.

The vehicle collision speed in mid and high range can be checked by EDM(Event Driven memory) data recorded when the air bag works. But it’s difficult to estimate the low speed of vehicle collision. And estimating the speed is important because the injury level can be changed by the impact speed. The study proposed an estimating algorithm by analysing the images recorded in car blackbox instrument. Low speed rear collision accidents simulated with wire winding motor for various vehicle types. The study estimated the impact speed with the ratio of the distance change between two vehicles and the length change of the number plate of front vehicle. The closer the vehicles are, the larger the plate length is. You can estimate the impact speed with the ratio. The impact speed is calculated with the initial distance for a specific length of number plate in the algorithm. The results can be applied to the linear rear collision because the angle of impact was not considered in this study.

자전거는 무공해 교통수단으로서 레저용 외에도 친환경 대체 교통수단으로 사용량이 증가 하고 있다. 이에 따라 자전거에 따른 사고 또한 증가하는 추세이다. 본 연구는 자전거 사고발생 시 사고 상황을 파악할 수 있도록 자전거 블랙박스 기술을 구현하는 것을 목적으로 한다. 현재 자전거 블랙박스 제품들은 주로 영상카메라에 의한 것으로 고해상도 카메라를 중심으로 여러 가지 기능을 추가하여 시판되고 있으며 고가로 판매되고 있다. 자전거 사고가 발생하면 사고 당시의 사고 위치와 사고 당시 자전거 상태에 대한 정량적인 데이터가 필요하다. 본 연구에서 는 GPS(Global Positioning System: 위성항법장치)에 의하여 시간, 좌표 데이터를 확보하고, IMU(Inertial Measuring Unit : 관성측정장치)센서를 통해 사고 당시의 자전거 가속도와 기울기 의 정량적인 데이터를 취득하여, 이를 블랙박스 내부의 메모리 카드에 저장하며, 동시에 블루 투스를 이용하여 자전거 운전자의 스마트 폰으로 실시간 전송하여 사고예방 및 운전 상태를 감시하도록 하였다.

Bicycles are a pollution-free means of transportation. In addition to leisure, the use of bicycles is increasing as alternative eco-friendly transportation. Accordingly, bicycle accidents are also increasing. The purpose of this study is to implement bicycle black box technology to identify situation when a bicycle accident occurs. Currently, bicycle black box products are mainly based on video cameras, and are commercially available by adding various functions mainly on high resolution cameras and are sold at high prices. If a bicycle accident occurs, quantitative data on the accident location at the time of the accident and the state of the bicycle at the time of the accident is required. In this study, IMU sensor used to obtain acceleration and slope, and time and coordinates are obtained . In addition, real-time acceleration and tilt data while is stored in memory card and by using Bluetooth transmit to the smart phone owned by the in real time to prevent accidents and to monitor status.

2025년 ‘인공지능 에이전트 AI Agent’가 새로운 기술 트렌드로 부각되 었다. 그런데 새로운 인공지능 관련 서비스가 발표될 때마다 기술의 발전 적인 측면이나 부정적인 측면만을 보고 판단하는 단편적인 접근이 주를 이룬다. 그러나 중요한 것은 ‘불확실한 가능성’을 추측하기보다, 실제 개 인과 산업현장에서 사람들이 AI를 받아들이는 모습과 활용방식을 추적하 고 관찰하는 것이다. 인공지능 기술은 인간과 인간사회 사이의 관계 안에 서 등장했고 앞으로도 이 관계는 지속될 것이기 때문이다. 본 연구에서는 인공지능을 독립된 실체가 아니라 인간과의 관계 속에서 서로를 구성하는 존재로 이해하기 위해, 브뤼노 라투르의 ‘과학기술학’ 관 점에 주목하였다. 이를 통해 인간과 인간사회, 인공지능 사이의 관계를 통찰할 수 있는 이론적 프레임워크를 제안하고자 하였다. 연구방법으로는 국내외 선행연구 분석을 통해 과학기술학의 접근방식과 라투르의 주요 개 념을 살펴보고, ‘인간-인공지능-인간사회’의 네트워크를 통찰하는 이론적 프레임워크를 제안하였다. 이후 인공지능 에이전트의 대표 사례인 ‘젠스파 크’를 중심으로 과학기술학 기반의 프레임워크의 적용가능성에 대해 모색 하였다. 연구결과 과학기술학 관점에서 인간과 인공지능, 인류사회는 독립된 존 재가 아니라 상호 연결된 집합체로 구성됨을 확인하였다. 젠스파크 분석 을 통해 사용자들이 점차 더 많은 권한을 인공지능 에이전트에 ‘위임’하고 있으며, 이는 인간-기술 관계의 재편성을 시사한다는 점을 밝혔다. 특히 인공지능 에이전트 서비스가 등장할 때마다 인공지능의 발전과 가치, 인 간 대체의 위험성에 대한 논의는 활발하지만, 서비스를 작동시키기 위해 필요한 자원 인프라에 대한 언급은 제한적이거나 별개의 이슈로 다루어진 다는 점을 발견하였다. 이는 인공지능 서비스의 원리가 숨겨지는 ‘블랙박 스’화 현상으로, 막대한 자원소모와 사회 인프라 불균형 등의 이면이 가려지고 있음을 보여준다. 본 연구에서 제안한 이론적 프레임워크는 인공지능 기술에 통찰적으로 접근할 수 있는 방법론으로 활용될 수 있으며, 인공지능 에이전트가 초래 할 사회 변화에 대응할 수 있는 가능성을 제공할 것으로 기대한다.

By 2025, ‘AI Agent’ are emerging as a new technological trend. However, whenever new AI-related services are announced, the prevailing approach tends to be fragmented, focusing solely on the progressive or negative aspects of the technology. What is important, however, is not to speculate on ‘uncertain possibilities,’ but to track and observe how people actually adopt and utilize AI in their personal lives and in industrial settings. This is because AI technology emerged within the context of human-human relationships, and this relationship will continue in the future. In this study, we focused on Bruno Latour's “Science and Technology Studies” perspective to understand AI not as an independent entity but as an entity that constitutes itself in relation to humans. Through this, we aimed to propose a theoretical framework that provides insight into the relationship between humans, human society, and AI. The research method involved analyzing previous domestic and international studies to examine the approaches of science and technology studies and Latour's key concepts, and then proposing a theoretical framework that provides insight into the network of “human-artificial intelligence-human society.” Subsequently, the applicability of the science and technology studies-based framework was explored using “Genspark,” a representative example of an artificial intelligence agent. The results confirmed that, from a science and technology studies perspective, humans, AI, and human society are not independent entities but interconnected entities. Through the analysis of Genspark, it was revealed that users are gradually ‘delegating(Delegation)’ more authority to AI agents, suggesting a restructuring of the human-technology relationship. In particular, while discussions on the development and value of AI and the risks of human replacement are active whenever AI agent services emerge, mentions of the resource infrastructure required to operate such services are limited or treated as separate issues. This phenomenon, where the principles of AI services are hidden in a ‘Black Box,’ reveals the underlying issues of massive resource consumption and social infrastructure imbalances. The theoretical framework proposed in this study is expected to serve as a methodological approach for gaining insights into AI technology and providing possibilities for addressing the societal changes that AI agents may bring about.

본 연구는 인스타그램 속 교사 인플루언서들의 소셜 미디어 활동이 팔로워인 초등 교사들의 교육 실천 방식에 미치는 영향을 행위자-네트워크 이론(ANT)에 기반하여 분석하고자 하였다. 이를 위해 영향력 있는 교사 인플루언서 계정 10개를 선정하여 프로필, 게시물, 댓글 등을 탐색하였으며, 유목적적 표집을 통해 세 명의 초등 교사를 연구 참여자로 선정하여 심층 면담을 진행하였고, 온라인 커뮤니티 게시글과 댓글, 뉴스 기사를 추가로 수집해 사물 행위자인 미디어(인스타그램)와 인간 행위자인 교사 인플루언서가 어떻게 네트워크를 형성하여 소셜 미디어의 영향력을 구축하는지를 추적하였다. 수집된 자료는 미셸 칼롱이 제시한 ‘번역의 4단계’를 기본 분석 틀로 삼아 분석하였다. 연구결과는 크게 다음과 같다. 첫째, 인스타그램-교사 동맹이 맺어지고, 콘텐츠가 일반 교사들에게 노출되었다. 둘째, 일반 교사들은 인플루언서의 콘텐츠를 수용·모방하였으며, 인스타그램-교사 네트워크는 강화되었다. 셋째, 일부 행위자들은 네트워크에 등록·동원되기에 저항하였으며, 인스타그램-교사 네트워크에 균열이 발생하였다. 넷째, 일반 교사들의 비판적 성찰과 문제화 과정을 거쳐, 이들의 교육 실천 방식이 변화하였다. 본 연구는 소셜 미디어에서 활동하는 교사 인플루언서가 초등 교사의 교육 실천 방식에 영향을 미치는 방식과 과정을 행위자-네트워크 이론의 관점에서 새롭게 조망함으로써, 뉴미디어와 소셜 네트워크의 영향력이 어떻게 현장 교사들의 실천에 영향을 미치는지에 대한 학계와 교육현장의 이해를 도울 수 있을 것이다.

This study aimed to analyze the influence of teacher-influencers’ social media activities on the educational practices of elementary school teachers who follow them, based on Actor-Network Theory (ANT). Ten influential teacher-influencer accounts on Instagram were selected for analysis, focusing on their profiles, posts, and comments. Additionally, three elementary school teachers were purposefully sampled as participants for in-depth interviews. To trace how non-human actors (media, such as Instagram) and human actors (teacher-influencers) form networks and exert influence through social media, the study also collected data from online community posts, comments, and news articles. The data were analyzed using Michel Callon’s four moments of translation as the primary analytical framework. The key findings are as follows: First, alliances were formed between Instagram and teachers, and content was exposed to general educators. Second, general teachers accepted and imitated influencer content, thereby reinforcing the Instagram–teacher network. Third, some actors resisted being enrolled and mobilized into the network, leading to fractures within the Instagram–teacher network. Fourth, through processes of critical reflection and problematization, general teachers' educational practices were transformed. By examining how teacher-influencers on social media affect the educational practices of elementary school teachers through ANT, this study offers a new perspective on the impact of new media and social networks, contributing to a deeper understanding for both academia and the educational field.

중국에서 교통사고기록기를 사용하는 운전자가 증가하고 있다. 현행법은 규제로 인 하여 주로 사회 전체에 대한 유익성보다는 안전운전에 초점을 두어 상용 차량에 한하 여 사고데이터기록기(EDR)를 설치 및 사용하도록 하고 있다. 이는 현재 교통사고 발생 시 법적 책임을 평가하여 보험사기를 최소화하는데 활용하고 있다. 하지만, 실제에 있어 중국 운전자들은 전반적으로 차량용 사고데이터기록기(EDR)를 사용하고 있는 것으로 나타났다. 이로 인해 사고데이터기록기(EDR)는 개인정보 및 사 생활 보호에 대한 법적 문제를 야기하였다. 또한, 다른 국가의 상황을 보면, 사고데이터 기록기(EDR)와 블랙박스 등의 교통사고기록기를 사용하여 사고 발생 시 교통사고에 대한 책임을 확정하며, 도덕적 해이를 상쇄한다. 그러나 중국법은 이 분야에 거의 공백 상태이다. 그러므로 이러한 사고기록기의 사용을 자율주행차량을 포함한 자가용으로 확장할 필요가 있으며, 다른 국가의 법률에서 사고데이터기록기(EDR)와 블랙박스를 어떻게 법적으로 규제할지를 검토할 필요가 있다. EU에서 발행한 EDR에 관한 규정 (EU) 2019/2144 및 이탈리아 블랙박스에 관한 법률은 중국 법률에 많은 시사점을 제공 할 수 있으며, 이는 입법자가 향후에 현재 문제가 되는 법률 공백을 메울 수 있도록 할 수 있다. 이는 보험회사와 고객이 이러한 사고기록기의 추가 서비스로부터 혜택을 받을 수 있지만, 일련의 법적 문제를 고려해야 한다.

Chinese drivers are increasingly using event recording tools. Chinese law provided a regulatory framework on Digital Video Recorders (DVR), which must be installed and used in commercial vehicles. This tool stimulates to drive safer and, therefore, is beneficial to the whole community. Moreover, it supports the assessment of liabilities in case of accidents and discourages fraud to insurers. Although a survey shows an overall favour in using DVR, several issues arose from DVR in China concerning the protection of personal information and privacy. Events Data Recorders (EDR) and black boxes are tools adopted in other jurisdictions to drive safer, identify liabilities and counteract the moral hazard in case of accidents. However, Chinese law is almost blank about these tools. The need to extend recording tools to other vehicles, i.e., those for private uses, including autonomous vehicles, suggests analyzing how other laws regulate EDR and black boxes. The Regulation (EU) 2019/2144 on EDR, issued by the European Union, and the Italian law on black boxes can provide much inspiration. Chinese legislators could benefit from these regulations for future reforms to fill gaps in the current legal framework. Also, insurers and customers could benefit from the additional services these tools allow, but some legal concerns need to be considered.

在中国，使用事故记录工具的驾驶人日益增多。目前立法提供的监管框架是必须在 商用车上安装和使用行车记录仪(DVR)，主要在于鼓励更安全的驾驶行为，对整个社会 来说都是有利的。此外，它还能够有利于在发生交通事故时评估法律责任，尽量避免对 保险公司的欺诈行为。尽管调查显示，中国驾驶人总体上倾向于使用DVR，但DVR引 发了个人信息和隐私保护的法律问题。与此同时，其他国家是通过使用事故数据记录器 (EDR)和黑匣子在发生事故时提高安全性、确定责任和抵消道德风险。然而，中国法律 对此领域几乎处于空白，有必要将这些事故记录工具的是使用扩展到包括自动驾驶车辆 在内的私家车，这就需要分析其他国家的法律是如何对EDR和黑匣子进行法律上的监 管。欧盟发布的关于EDR的(EU)2019/2144号条例和意大利关于黑匣子的法律可以为中 国立法提供很多启示，这能够便于立法者在未来的改革中填补当前法律框架中的空白。 此外，保险公司和客户也可以从这些事故记录工具的额外服务中受益，但需要考虑一系 列法律问题。

최근 물체를 인식하기 위해 많은 데이터를 기반으로 학습하여 인식하는 연구가 활성화 되고 있다. 본 논문에 서는 도로주행 영상에서 장애물이라고 생각되는 객체를 추출하여 자동차, 사람, 오토바이로 구분하여 인식하는 시스 템을 제안한다. 이동한 방향과 크기를 고려한 상태에서 광류 추정 알고리즘을 이용하여 객체를 추출하였으며, 추출한 객체를 CNN(Convolutional Neural Network) 인식 모델 중 하나인 AlexNet을 이용하여 인식하였다. 실험을 위해 도로 위의 다양한 영상을 블랙박스로 수집하여 실험하였고, 실험 결과 객체 추출 정확도는 92%, 객체 인식 정확도는 96%의 결과를 보였다.

In recent years, research has been actively carried out to recognize and recognize objects based on a large amount of data. In this paper, we propose a system that extracts objects that are thought to be obstacles in road driving images and recognizes them by car, man, and motorcycle. The objects were extracted using Optical Flow in consideration of the direction and size of the moving objects. The extracted objects were recognized using Alexnet, one of CNN (Convolutional Neural Network) recognition models. For the experiment, various images on the road were collected and experimented with black box. The result of the experiment showed that the object extraction accuracy was 92% and the object recognition accuracy was 96%.

본 연구는 한국사회에서 지난 10년 동안 미세먼지 저감정책을 둘러싼 변화와 실패과정을 행위자 네트워크 이론(ANT)을 활용하여 분석하여 보았다. 미세먼지 저감정책은 핵심적 행위자인 환경부를 중심으로 이동오염원, 고정오염원, 에너지생산 오염원 그리고 해외유입오염원 정책영역으로 나뉜 다. 분석결과 이동오염원 저감정책 네트워크에 속하는 매연저감장치(DPF) 사업을 제외한 나머지 에너지 생산 오염원 저감정책 네트워크, 해외유입 미세먼지 저감정책 네트워크 그리고 고점오염원 저감정책 네트워크 행위자는 환경부와 동맹을 거부하였으며 결과적으로 네트워크가 붕괴된 것으로 나타났다. 흥미로운 것은 붕괴되지 않는 네트워크에 속한 행위자 사이에 블랙박스가 형성되어 네트 워크의 회복과 확장을 막고 있다는 것이다. 마지막으로 정책실패의 극복을 위하여 블랙박스를 해체 하고 의무통과점을 다시 조정하는 방안을 제안하였다.

This study attempts to apply actor-network theory (ANT) to the policy on particulate matter implemented by the Korean government for the past 10 years in order to make some implications. As for the empirical analysis, the policies were classified by the four sources of particulate matter: stationary source, mobile source, energy production source and overseas pollution source. The result of this study shows that all actors except a diesel particulate filter trap (DPF) have denied an alliance with the Ministry of Environment and thus their networks have been partially disconnected. Interestingly, a black box has been developed between actors within active networks, obstructing its recovery and extension. The findings of this research support that the black box should be disjointed and the obligatory passage point needs to be readjusted to prevent the policy failure.

본 연구는 고속도로에서 발생한 교통사고 블랙박스 영상을 기반으로 군집분석과 예측모형 비교를 수행하였다. 분석자료로 사고 직전의 도로 및 교통 상황을 파악할 수 있는 차량 주행행 태, 노면 상태 등 사고 영상에서 추출이 가능한 항목을 설명변수로 활용하였다. 여러 요소에 의해 영향을 받는 교통사고 데이터의 특징을 고려하여 데이터의 이질성을 반영하는 군집분석 을 활용하였다. 군집분석으로 분류된 각 군집을 사고 심각도 수준의 비율을 기준으로 나누고, 종속변수인 인명피해 수준을 반영하여 사고 예측 평가를 수행하였다. 사고 예측모형은 로짓 모형(Logit model)을 적용한 결과, 전체 데이터를 분석한 경우보다 군집분석에 의해 두 개의 사고 심각도 그룹을 분류하여 예측했을 때 우수한 예측 능력을 보여주었다. 이는 군집분석을 통한 그룹별 사고 특성과 사고 심각도를 반영하여 사고위험을 예측하는 것이 더 효과적인 것 으로 판단된다. 또한 2차 사고와 같은 정차 중 추돌사고, 차로변경 중 측면 추돌사고 등이 중요 한 주행행태변수로 작용하는 것으로 나타났다.

This study was based on the black box images of traffic accidents on highways, cluster analysis and prediction model comparisons were carried out. As analysis data, vehicle driving behavior and road surface conditions that can grasp road and traffic conditions just before the accident were used as explanatory variables. Considering that traffic accident data is affected by many factors, cluster analysis reflecting data heterogeneity is used. Each cluster classified by cluster analysis was divided based on the ratio of the severity level of the accident, and then an accident prediction evaluation was performed. As a result of applying the Logit model, the accident prediction model showed excellent predictive ability when classifying groups by cluster analysis and predicting them rather than analyzing the entire data. It is judged that it is more effective to predict accidents by reflecting the characteristics of accidents by group and the severity of accidents. In addition, it was found that a collision accident during stopping such as a secondary accident and a side collision accident during lane change act as important driving behavior variables.

본 논문에서는 차량용 블랙박스로 촬영된 고속도로 주간 주행 영상을 기반으로 차량을 종류별로 검출하고 추적한다. 그리고 검출된 차량의 종류별 대체 영상을 새로운 배경 영상의 같은 위치에 올려놓음으로써 새롭게 창조될 수 있는 실시간 MR 콘텐츠 제작 방안을 설계한다. 차량을 종류별로 검출하고 추적하기 위해서는 딥러닝 의 객체 검출 분야에서 가장 잘 알려지고 유명한 YOLO 알고리즘을 사용한다. 또한, 검출된 차량의 종류별 대체 영상을 위해서는 RGB 색상을 기반으로 하는 Mask 기법을 사용한다. 실시간 MR 콘텐츠를 위해 사용될 차량 대체 영상의 크기는 원본 영상에서 검출된 차량의 영역 크기와 같은 크기로 대체된다. 본 논문에서는 실시간 MR 콘텐츠 설계가 가능함을 실험 및 시뮬레이션으로 확인하였으며 VR 콘텐츠 분야에서 유용하게 활용할 수 있을 것으로 판단한다.

In this paper, we detect and track vehicles by type based on highway daytime driving videos taken with black boxes for vehicles. In addition, we design a real-time MR contents production method that can be newly created by placing substitute videos of each type of detected vehicles in the same location as the new background video. To detect and track vehicles by type, we use the YOLO algorithm. And we also use the mask technique based on RGB color for substitute videos of each type of vehicles detected. The size of the vehicle substitute videos to be used for MR content are substituted by the same size as the area size of the detected vehicles. In this paper, we confirm that real-time MR contents design is possible as a result of experiments and simulations and believe that It will be usefully utilized in the field of VR contents.

최근 블랙박스는 단순히 주행영상을 녹화하는 것 뿐만 아니라, 주행 영상을 분석하여 차선 이탈 감지, 전방 충돌 감지 등의 첨단운전자보조시스템을 지원하는 지능형 블랙박스로 발전하고 있다. 이에 따라 1인칭 영상을 분석하여 교통 이상 상황을 예측하는 연구가 진행되고 있다. 하지만 블랙박스 영상은 전체 영상 중에 교통 이상 상황이 발생하는 경우가 적은 반면, 이상 상황의 경우의 수는 상당히 많은 긴 꼬리 분포 문제를 가진다. 또한 차량의 움직임에 따라 영상의 배경도 함께 움직여 분석하기 어려운 문제가 있다. 따라서 본 논문에서는 Dense Trajectory 기법을 활용하여 세가지 영상 특징을 추출하고, 이를 활용하여 교통 이상 상황을 예측하는 신경망 모델을 기반으로 세가지 영상 특징 추출 알고리즘의 성능을 비교하였다.

도심지역의 교통 상태는 효과적인 교통 운영과 교통 제어를 수행하는 데 필수 요소이다. 하지만 교통 상태를 얻기 위해서 수많은 도로 구간에 교통 센서를 설치하는 것은 막대한 비용 이 든다. 이를 해결하기 위해서 시장침투율이 높은 센서인 차량 블랙박스 카메라를 이용하여 교통 상태를 추정하는 것이 효과적이다. 하지만 기존의 방법론은 객체 추적 알고리즘이나 광 학 흐름과 같이 계산 복잡도가 높고, 연속된 프레임이 있어야 연산을 수행할 수 있다는 단점이 존재한다. 이에 본 연구에서는 심층학습 모델로 차량과 차선을 탐지하고, 차선 사이의 공간을 관심 영역으로 설정하여 해당 영역의 교통밀도를 추정하는 방법을 제안하였다. 이 방법론은 객체 탐지 모델만을 이용해서 연산량이 적고, 연속된 프레임이 아닌 샘플링된 프레임에 대해 교통 상태를 추정할 수 있다는 장점이 있기에, 보유하고 있는 컴퓨팅 자원에 맞는 교통 상태 추정이 가능하다. 또, 도심지역에서 운행하는 서로 다른 특성의 2개의 버스 노선에서 수집한 블랙박스 영상을 검증한 결과, 교통밀도 추정 정확도가 90% 이상인 것을 확인하였다.

Traffic states in urban areas are essential to implement effective traffic operation and traffic control. However, installing traffic sensors on numerous road sections is extremely expensive. Accordingly, estimating the traffic state using a vehicle-mounted camera, which shows a high penetration rate, is a more effective solution. However, the previously proposed methodology using object tracking or optical flow has a high computational cost and requires consecutive frames to obtain traffic states. Accordingly, we propose a method to detect vehicles and lanes by object detection networks and set the region between lanes as a region of interest to estimate the traffic density of the corresponding area. The proposed method only uses less computationally expensive object detection models and can estimate traffic states from sampled frames rather than consecutive frames. In addition, the traffic density estimation accuracy was over 90% on the black box videos collected from two buses having different characteristics.

본 연구에서는 차량에 설치되는 블랙박스 상시 전원공급장치(일명 보조 배터리) 과열에 의한 화재 발생 개 연성을 검토하고, 무자격자에 의한 검정되지 않은 보조배터리 임의 설치 시 예견되는 화재발생 위험성이 증 대되고 있다. 이에 따른 적극적인 예방대책 마련과 인식 개선을 위한 홍보 등을 통하여 보조 배터리의 화재 위험성을 제거해 나가는데 그 의의가 있다 하겠다.