차량 라이다 센서기반 고속도로 혼잡 및 교통안전 모니터링 연구

Abstract

최근까지도 많은 데이터 기업에서는 최적 이동경로를 생성하는 다양한 길안내 서비스(Navigation) 기술을 발전시켜 왔다. 하지만 현재 상용화된 길안내 서비스들은 출발지로부터 목적지까지의 전역적인(global) 경로만을 안내하는 서비스를 중심으로 제공되고 있다. 이는 기술만으로는 해결하기 어려운 기존 데이터 수집방법의 한계이기도 하다. 일반적으로 교통현상은 너무나도 복잡(complex)하고 상대적(relative)이고 동적인(dynamic) 관계이기 때문에, 이를 해석하기 위해서는 정밀하고 충분한 데이터를 수집해야 한다. 그리고 교통현상을 분석하는 관점도 관리자, 운전자 등 다양한 관점을 고려해야 하는 어려움이 있다. 본 논문의 목적은 차량에 설치된 라이다 센서를 이용하여 주행하면서 주변차량에 대해서 끊김없고(seamless) 연속적인 구간 교통정보를 수집하는 방법론을 정립하고, 이러한 미시적이고 대규모 데이터를 활용하여 운전자 관점의 교통상태 및 안전성을 모니터링하는 것이다. 연구진행 과정은 선행연구를 통해 기존 검지체계의 문제점과 안전성 평가특징 등을 분석하였고, 도출된 문제점 개선을 위한 차세대 검지체계로 참여형 이동검지체계(MDS) 개념을 제안하였다. 이동검지체계 구현을 위해 라이다의 점군데이터를 수집하고 이를 딥러닝 기반의 Voxel-RCNN 모델을 통해 도로상의 다양한 객체 중 차량의 위치와 크기 등을 탐지하였다. 탐지된 개별차량을 교통정보로 활용하기 위해 탐지된 차량들에 ID를 부여한 뒤 추적을 수행하면서 차량별 속도, 가속도 등을 도출하고 데이터화하였다. 혼잡 등 다양한 조건에서 수집된 현장 교통정보를 바탕으로 시간과 공간에 따른 교통상태(밀도, 속도 등) 및 안전성평가(MTTC, 속도 표준편차)를 실시하였다. 또한 이러한 결과를 기존의 검지방식인 지점검지 및 구간검지와 비교해 보았다. 본 논문을 통해 계단식으로 표현되었던 기존 검지방식의 교통데이터가 아닌 시간과 공간에 따른 연속적인 교통정보를 수집하고 표현할 수가 있었으며, 이를 통해 미시적이고 정밀한 교통흐름을 확인할 수 있게 되었다. 또한 안전성 평가에서는 TTC보다 개선된 MTTC를 사용하였다. 이를 통해 민감하고 정밀하게 위험구간에 대한 정보를 수집할 수 있었다. 그리고 속도 표준편차를 이용한 안전성 평가방법에서도 실제 위험한 구간을 계량적으로 확인할 수가 있었다. 향후 장기간에 걸쳐 지속적으로 차량들의 이동데이터를 축적한다면, 지점검지기나 구간검지기에서 파악할 수 없었던 결측구간이나 차로별, 차로간 특성 등 다양한 교통현상도 분석할 수 있을 것이다. 이런 맥락으로 더 정확하고 운전자가 공감할 수 있는 교통정보를 제공하는데 이바지할 수 있을 것으로 기대된다.

Recently, many companies have developed traffic situation analysis-based navigation technology that generate an optimal route to a destination. However, the data collected by the traffic situation collection system (VDS, AVI) has a disadvantage in that it cannot recognize the situation of each lane in sections such as junctions or entrances and exits. Therefore, in this paper, unlike existing collection systems, we propose a method of analyzing traffic conditions using a LiDAR sensor.

In this paper, we establish a methodology to collect seamless and continuous section traffic information from surrounding vehicles through lidar sensors installed in driving vehicles, and use microscopic and large-scale data to analyze traffic conditions and monitor safety state on the road.

In the research process, problems and safety evaluation methods of the existing detection system were analyzed through previous studies, and the concept of a participatory movement detection system (MDS) for problem improvement is proposed.

In order to implement a moving detection system(MDS), the point cloud data of LIDAR was collected. The collected data were detected using the Voxel-RCNN model to detect the location and size of the vehicle. The detected individual vehicles were given IDs and tracked, and the speed and acceleration of each vehicle were collected and used as traffic information.

Based on the collected traffic information, traffic states (density, speed, etc.) and safety evaluation (MTTC, speed standard deviation) were monitored over temporal and spatial. In addition, these results were compared with the existing detection methods(point and section detection). For comparative experiments, field data were collected and compared under various conditions such as congested sections and tunnel sections.

The collection results of the existing detection method are expressed in a cascade of traffic data. However, in this paper, it was possible to collect and express continuous traffic information that moves alive according to changes in temporal and spatial. In addition, through this, micro and precise traffic flow could be confirmed. MTTC, which was improved over TTC, was also used in safety evaluation. Through this, information on the risk section could be collected sensitively and precisely. In addition, the actual dangerous section could be quantitatively confirmed in the safety evaluation method using the standard deviation of speed.

Afterward, if traffic data is continuously accumulated through many vehicles, it will be possible to analyze various traffic phenomena, such as missing sections, lane-by-lane, and inter-lane characteristics, which could not be identified by point detectors or section detectors. In addition, it is expected to contribute to providing more accurate and driver-sympathetic traffic information.