객체 인식 모델 기반 전동 이동 보조기용 GIS 정보 생성
GIS Information Generation for Electric Mobility Aids Based on Object Recognition Model
1
조회
0
다운로드
1
인용
0
참고문헌
키워드
초록
본 연구에서는 객체 인식 모델을 활용하여 전동 이동 보조기를 이용하는 교통약자를 위한 자동 정보 수집 체계 및 지리정보 구축 알고리즘을 구현하고자 한다. 장애인의 이동 중 만날 수 있는 객체를 인식하면서 좌표정보와 함께 획득하고 사진정보를 저장하여 기존의 장애인용 지리정보 보다 개선된 이동 경로 선택용 지도정보를 제공하고자 한다. 데이터 획득을 위한 수집 프로세스는 HW 계층을 포함하여 총 4가지 계층으로 구성되어 있으며, 영상 정보와 위치정보를 수집하여 서버로 송신하고 이를 인식하고 분류하는 과정을 통해 지리정보 생성에 필요한 데이터를 추출한다. 생성된 알고리즘은 실제 배리어프리존 일대에서 주행 실험을 실시하고 이 과정에서 실제 데이터의 수집과 그에 따른 지리정보 생성 알고리즘의 실행을 통해 실제 유의한 수준의 지리정보가 얼마나 효율적으로 생성되는지를 확인한다. 수집된 지리정보 처리 성능은 세 번의 실험에서 1회차 70.92 EA/s, 2회차 70.69 EA/s 3회차 70.98 EA/s로 평균 70.86 EA/s로 확인되었으며 실제 지리정보에 반영되기까지 약 4초가 소요됨을 확인할 수 있었다. 이러한 실험 결과로부터 전동 이동 보조기를 이용하는 보행 약자가 현재보다 빠르게 제공되는 새로운 지리정보를 이용해 안전한 주행이 가능한 것으로 확인되었다.
Abstract
In this study, an automatic information collection system and geographic information construction algorithm for the transportation disadvantaged using electric mobility aids are implemented using an object recognition model. Recognizes objects that the disabled person encounters while moving, and acquires coordinate information. It provides an improved route selection map compared to the existing geographic information for the disabled. Data collection consists of a total of four layers including the HW layer. It collects image information and location information, transmits them to the server, recognizes, and extracts data necessary for geographic information generation through the process of classification. A driving experiment is conducted in an actual barrier-free zone, and during this process, it is confirmed how efficiently the algorithm for collecting actual data and generating geographic information is generated.The geographic information processing performance was confirmed to be 70.92 EA/s in the first round, 70.69 EA/s in the second round, and 70.98 EA/s in the third round, with an average of 70.86 EA/s in three experiments, and it took about 4 seconds to be reflected in the actual geographic information. From the experimental results, it was confirmed that the walking weak using electric mobility aids can drive safely using new geographic information provided faster than now.
참고문헌 (8)
- 정지선, "텍스트 마이닝 기법을 활용한 인공지능 기술개발 동향 분석 연구: 깃허브 상의 오픈 소스 소프트웨어 프로젝트를 대상으로", 지능정보연구, 25(1), pp.1~19 (2019), 한국지능정보시스템학회
- J. S. Lee, "Trends on Object Detection Techniques Based on Deep Learning", Electronics and telecommunications trends, 33(4), pp.23~32 (2018)
- 양성철, "항공사진과 도로지도 간 합성 품질 향상을 위한 도로 추출 연구", 한국측량학회지, 29(6), pp.593~599 (2011), 한국측량학회
- 박상도, "혁신 기술의 사회적 수용에 대한 영향요인의 탐색 - 스마트 모빌리티(Smart Mobility)를 중심으로 -", 경영과 정보연구, 36(2), pp.239~260 (2017), 대한경영정보학회[DOI]
- 노호창, "교통약자의 이동권 및 교통편의 증진을 위한 법 개정에 관한 연구", 법학연구, 20(3), pp.163~195 (2020), 한국법학회
- 박지호, "교통약자의 거주 분포와 통행특성을 고려한 저상버스 노선 선정 - 부산시를 사례로 -", 한국지리정보학회지, 18(2), pp.161~173 (2015), 한국지리정보학회[DOI]
- 최미형, "딥러닝 기반 불량노면 객체 인식 모델 개발", 융합신호처리학회 논문지, 22(4), pp.149~155 (2021), 한국융합신호처리학회[DOI]
- Kaiming He, "Mask R-CNN", ~ (2018)