YOLO 기반 개인형 이동장치 주행 도로 인식 시스템
Driving Road Recognition System for Personal Mobility Based on YOLO
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 논문은 특히 개인형 이동장치의 이용이 금지된 인도와 횡단보도에서 관련 교통사고가 증가하는 사회적 배경을 다룬다. 인도, 횡단보도와 같이 개인형 이동장치의 운행이 제한된 도로에서 상당수의 개인형 이동장치 교통사고가 발생하고 있으며, 이를 해결하기 위해 금지된 도로에서 개인형 이동장치의 불법 운전을 모니터링하고 규제해야 할 필요성이 존재하지만, 실시간으로 모니터링하기에는 현실적인 한계가 존재한다. 이러한 한계를 극복하기 위해 주행 도로 이미지 데이터를 활용하여 도로 종류를 인식하고 이를 통해 금지된 도로를 주행하는 개인형 이동장치의 불법 운전을 식별하는 모니터링 시스템을 제안하며, 그 성능을 검사하기 위해 애플리케이션으로 시스템을 개발하였다. 이 애플리케이션은 YOLO 객체 감지 모델을 사용하여 주행 도로의 종류를 구분하고, 이를 통해 개인형 이동장치 운전자가 금지된 도로에서 이용할 때를 감지하고 그에 따른 경고 및 안내 메시지를 발행하여 적절한 경로를 준수하도록 유도한다. 이 시스템은 개인형 이동장치 운전자들이 금지된 도로를 주행하는 경우 시스템은 이러한 행동을 방지하기 위해 경고 및 안내 메시지를 출력한다. 이 논문의 마지막 섹션에서는 시스템의 한계에 대해 논의하고 잠재적인 개선 사항을 제안하여 향후 연구 방향을 제시한다. 본 연구를 통해 주행이 금지된 도로에서 발생하는 교통사고를 줄이기 위한 기반을 마련하여 개인형 이동장치와 관련된 전반적인 교통사고를 줄여 공공의 안전성을 높이는 것을 목표로 한다.
Abstract
This paper addresses the increasing incidence of traffic accidents involving personal mobility devices, particularly on sidewalks and crosswalks where personal mobility device usage is prohibited. Despite the necessity of monitoring and regulating the illegal operation of personal mobility devices on restricted roads, real-time identification and enforcement pose significant challenges. To overcome these limitations, we propose a monitoring system that utilizes road image data to recognize the type of road and identify unauthorized personal mobility device usage. An application was developed to test the system's performance, leveraging the YOLO object detection model to distinguish road types. This application aims to guide personal mobility device users to adhere to appropriate routes by detecting when they are operating on prohibited roads and issuing warnings and guidance messages accordingly. The system's implementation includes real-time alerts to deter personal mobility device users from entering restricted areas, thus enhancing road safety. In the final section of this paper, we discuss the limitations of the system and suggest potential improvements, outlining directions for future research. Through this study, we hope to lay the groundwork for reducing traffic accidents involving personal mobility devices on restricted roads, ultimately contributing to a significant decrease in overall personal mobility device-related traffic incidents and improving public safety.
참고문헌 (20)
- "Personal Transportation (PM) Traffic Accidents" (2024)[URL]
- "Traffic accident statistics by type of accident and type of perpetrator driver" (2024)[URL]
- "Special Cases on Passing Methods of Bicycles", The Road Traffic Act of the Republic of Korea, Article 13-2, ~ (2016)
- D-B. Lee, "Deep segmentation neural network training method for road types classification", pp.2020
- G-H. Lee, "Exploring neural network models for road classification in personal mobility assistants:a comparative study on accuracy and computational efficiency", Journal of KIISE, 50(12), pp.1083~1090 (2023)
- "ultralytics, yolov5" (2024)[URL]
- I-S. Kim, "Comparative analysis of defect detection using YOLO of deep learning", Journal of the Korean Society of Manufacturing Technology Engineers, 30(6), pp.514~519 (2021)
- J-S. Kim, "Personal mobility detection through application of YOLO deep learning algorithm to drone images", Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, 41(4), pp.239~246 (2023)
- J-N. Heo, "Pothole detection using deep learning and domain-based image preprocessing methods", Journal of Knowledge Information Technology and Systems(JKITS), 18(5), pp.1331~1343 (2023)
- J-S. Park, "A machine learning system for crosswalk detection", Journal of Knowledge Information Technology and Systems, 16, pp.9~19 (2021)
- M. H. Choi, "Analysis of damage classes of object detection-based walkway blocks for electric wheelchair users", pp.2021
- "labelmeai, labelme" (2023)[URL]
- "LabelMe JSON" (2023)[URL]
- "TensorFlow Lite" (2023)[URL]
- "tensorflow, examples" (2023)[URL]
- "Android Developers" (2023)[URL]
- "Naver Cloud Platform Maps API Guide" (2023)[URL]
- "Naver Developers location" (2023)[URL]
- "Naver Cloud Platform driving" (2023)[URL]