차세대 교통정보 제공을 위한 항공영상 활용 평균 차간 간격 산출
Use of Aerial Photography for Estimating Traffic Information by Vehicle Gap Distances
0
조회
0
다운로드
1
인용
0
참고문헌
키워드
초록
본 논문은 도로상을 주행하는 차량들의 간격을 교통정보로서 활용하기 위하여 항공영상을 이용해 차로별 평균 차간거리와 차량대수를 산출하는 시스템의 구축을 목표로 하였다. 평균 차간 간격은 기존의 구간 검지기로 수집하기 어려운 정보로 광범위하고 넓은 지역의 관측이 용이한 항공영상을 활용하여 수집하였다. 항공영상은 검지기가 설치되지 않은 지점뿐 아니라 접근이 어려운 지역까지 관측이 가능하며 정사보정된 영상으로서 정확한 거리 측정이 가능하다. 원영상을 변환하기 위해 영상처리기법 중 에지 추출, 이진화, 모폴로지(Morphology) 기법을 활용했으며, 변환한 영상으로부터 차량대수와 차간거리를 산출하도록 시스템을 설계하였다. 상행선 2차로, 하행선 2차로 등 총 4차로에 대하여 각각 결과를 나타내었고, 영상처리 기법별로 산출된 추정치와 실측치의 오차에 대한 검증을 실시하였다. 검증 결과 기하하적 처리인 모폴로지 기법을 이용한 산출방법이 가장 정확한 것으로 나타났다. 본 연구에서 산출한 차량대수와 차간 간격을 기반으로 밀도를 산출할 수 있으므로 이를 반영하여 혼잡구간에 대한 교통정보로서 활용이 가능하다. 또한 차간 간격은 기존의 통행속도, 통행시간 등의 정보와 달리 운전자가 직접 느낄 수 있는 시각적인 정보로서 차세대 교통정보로 활용할 수 있을 것이다.
Abstract
In the study, vehicle gap distance and the number of vehicles are calculated from aerial photography of the road. It is able to make good use of traffic information. In the wide area, the existing traffic detector can’t collect vehicle gap distance information, so we used the aerial photography. It can detect the road in the wide area and inaccessible area. We can calculate the vehicle gap distance accurately because the aerial photography was revised perspective distortion already. To convert the image, we carry out an image processing. First stage is edge detecting to get the shape of vehicle on the road. Second stage is binomial image processing to get the accurate shape of vehicle and classify the vehicles and road. Final stage is morphology processing to get the complete shape vehicle and calculate the vehicle gap distance. We set the 4 lane as two up lane and two down lane. Each results of experiments is compared with real vehicle gap distance. Consequently, the morphology processing was the most accurate. All courses of study are constructed as a system. The study will be used a future active traffic information. Also traffic density is calculated from vehicle gap distance, so it can relieve traffic congestion.
참고문헌 (7)
- 박창수, "도시교통공학론" (2001)
- 정인철, "웨이블릿 변환과 다중해상도분석을 이용한 고해상도 위성영상에서의 도로망 추출", 한국지리정보학회지, 4(3), pp.61~70 (2001)
- Alasdair Mcandrew, "매트랩을 활용한 디지털 영상처리의기초" (2007)
- 조우석, "Automatic Traffic Data Collection Using Simulated Satellite Imagery", Journal of th Korean Society of Remote Sensing, 11(3) (1995)
- Chunsun Zhang, "Road Network Detection by Mathematical Morphology", Proc. of ISPRS Workshop 3D Geospatial Data Production, pp.185~200 (1998)
- J. Leitoff, "Vehicle Queue Detection in Satellite Images of Urban Areas", Remote Sensing and Spatial Information Sciences, 36(8)통권 : 27 (2005)
- Xiaoying Jin, "Vehicle Detection from High Resolution Satellite Imaginary Using Morphological Shared-weight Neural Networks", Image and Vision Computing, 25, pp.1422~1431 (2007)