1 |
1
공공 데이터 및 영상 데이터를 수집하는 통신부;공공 데이터를 기초로 기 설정된 각각의 날씨 유형에 대한 사고 위험 정보를 각각 생성하는 사고 위험 판단부; 영상 데이터에 포함된 도로 영역을 추출하고, 제1 딥러닝 모델을 이용하여 상기 추출된 도로 영역 내 도로 상태를 분석하고, 상기 분석된 도로 상태를 기반으로 위험 지역 리스트를 생성하는 위험 지역 감지부; 및사용자 장치의 위치 정보를 기반으로 상기 사용자가 위치한 지역의 실시간 날씨를 판단하고, 상기 판단된 실시간 날씨에 상응하는 날씨 유형에 대한 사고 위험 정보 및 상기 위험 지역 리스트에 포함된 위험 지역으로부터 기 설정된 범위 내 사용자가 위치한 경우, 위험 지역 감지 정보를 상기 통신부를 통해 상기 사용자 장치에 송신하는 프로세서;를 포함하되, 상기 공공 데이터는, 기 설정된 기간 동안의 교통 사고 정보 및 기후 통계 정보를 포함하고,상기 도로 상태는, 정상, 균열, 러팅 및 포트홀 중 적어도 하나를 포함하고,상기 위험 지역 감지부는, 상기 도로 상태가 상기 균열, 상기 러팅 및 상기 포트홀 중 적어도 하나에 해당하는 경우, 상기 도로를 위험 지역으로 판단하고, 상기 위험 지역으로 판단된 상기 도로를 포함한 상기 위험 지역 리스트를 생성하고,상기 날씨 유형은, 맑음을 나타내는 제1 날씨 유형, 흐림 또는 안개를 나타내는 제2 날씨 유형 및 비 또는 눈을 나타내는 제3 날씨 유형을 포함하고, 상기 사고 위험 판단부는, 상기 교통 사고 정보 및 기후 통계 정보를 기반으로, 상기 제1 내지 제3 날씨 유형 각각의 일일 사고 건수, 일일 사망자 수 및 일일 부상자 수를 산출하며,상기 프로세서는, 상기 제1 내지 제3 날씨 유형에 대한 각각의 도로 상태 별 사고 발생 가능성 정보를 산출하고, 상기 사용자 장치의 위치 정보 및 실시간 날씨를 기반으로, 상기 사고 발생 가능성 정보를 송신하고,상기 리스트에 포함된 복수의 위험 지역 간의 거리가 기 설정된 거리 이하이고, 상기 실시간 날씨에 상응하는 날씨 유형에 따른 일일 사고 건수가 기 설정된 건수 이상인 경우에는, 상기 복수의 위험 지역에 관한 사고 발생 가능성 정보를 더 생성하여 상기 사용자 장치로 송신하는, 교통 사고 예방 장치
|
2 |
2
삭제
|
3 |
3
삭제
|
4 |
4
제1항에 있어서, 상기 위험 지역 감지부는,상기 도로의 위험 요소를 더 판단하고,상기 위험 요소는 상기 도로 내 블랙아이스를 포함하되,상기 위험 지역 감지부는 오토인코더를 이용하여 상기 도로 내 블랙아이스를 판단하고,상기 오토인코더는 제2 딥러닝 모델을 이용하여 상기 영상 데이터의 R, G, B 값 각각에 가중치를 부여하여 상기 가중치가 부여된 R, G, B 값을 1차원 벡터 표현(1D Vector Representation)을 통해 IR 값으로 변환하여 상기 도로의 블랙아이스를 판단하고,상기 블랙아이스가 포함된 도로를 상기 위험 지역 리스트에 더 포함하는,교통 사고 예방 장치
|
5 |
5
제4항에 있어서, 상기 프로세서는, 상기 위험 지역 리스트에 포함된 상기 블랙아이스를 포함한 도로의 실시간 날씨가 상기 날씨 유형 중 제3 날씨 유형에 해당하고, 기온이 제1 기준 값 미만인 경우,상기 도로에 관한 관리 정보 또는 통제 정보를 관리자 장치로 송신하는, 교통 사고 예방 장치
|
6 |
6
제4항에 있어서,상기 프로세서는,상기 사용자 장치가 차량에 포함된 경우, 상기 차량의 운전자가 상기 차량의 제동 장치를 구동시키도록 하는 가이드 정보를 더 생성하여 상기 사용자 장치로 송신하되, 상기 가이드 정보는 다음의 수식을 이용하여 산출되는,[수학식 1](상기, cvn은 상기 차량의 현재속도(km)이다
|
7 |
7
제1항에 있어서, 상기 통신부는, 상기 사용자 장치로부터 사용자의 이동 경로 정보를 수신하고, 상기 프로세서는, 상기 이동 경로 정보 및 상기 위험 지역 리스트를 기반으로, 상기 이동 경로에 포함되는 위험 지역을 판단하고, 상기 판단된 위험지역을 기반으로 신규 이동 경로 정보를 생성하여 상기 사용자 장치로 송신하는, 교통 사고 예방 장치
|
8 |
8
삭제
|
9 |
9
서버에 의해 수행되는 방법으로서, 공공 데이터 및 영상 데이터를 수집하는 단계;상기 공공 데이터를 기초로 기 설정된 각각의 날씨 유형에 대한 사고 위험 정보를 각각 생성하는 단계;상기 영상 데이터에 포함된 도로 영역을 추출하고, 제1 딥러닝 모델을 이용하여 상기 추출된 도로 영역 내 도로 상태를 분석하고, 상기 분석된 도로 상태를 기반으로 위험 지역 리스트를 생성하는 단계;사용자 장치의 위치 정보를 기반으로 상기 사용자가 위치한 지역의 실시간 날씨를 판단하는 단계; 및상기 판단된 실시간 날씨에 상응하는 날씨 유형에 대한 사고 위험 정보 및 상기 위험 지역 리스트에 포함된 위험 지역으로부터 기 설정된 범위 내 사용자가 위치한 경우, 위험 지역 감지 정보를 송신하는 단계를 포함하고, 상기 공공 데이터는, 기 설정된 기간 동안의 교통 사고 정보 및 기후 통계 정보를 포함하고,상기 도로 상태는, 정상, 균열, 러팅 및 포트홀 중 적어도 하나를 포함하고,상기 위험 지역 리스트 생성 단계는, 상기 도로 상태가 상기 균열, 상기 러팅 및 상기 포트홀 중 적어도 하나에 해당하는 경우, 상기 도로를 위험 지역으로 판단하고, 상기 위험 지역으로 판단된 상기 도로를 포함한 상기 위험 지역 리스트를 생성하는 것이고, 상기 날씨 유형은, 맑음을 나타내는 제1 날씨 유형, 흐림 또는 안개를 나타내는 제2 날씨 유형 및 비 또는 눈을 나타내는 제3 날씨 유형을 포함하고, 상기 사고 위험 정보 생성 단계는, 상기 교통 사고 정보 및 기후 통계 정보를 기반으로, 상기 제1 내지 제3 날씨 유형 각각의 일일 사고 건수, 일일 사망자 수 및 일일 부상자 수를 산출하는 것이고,상기 방법은,상기 제1 내지 제3 날씨 유형에 대한 각각의 도로 상태 별 사고 발생 가능성 정보를 산출하고, 상기 사용자 장치의 위치 정보 및 실시간 날씨를 기반으로 상기 사고 발생 가능성 정보를 송신하는 단계를 더 포함하며, 상기 사고 발생 가능성 정보 송신 단계는, 상기 리스트에 포함된 복수의 위험 지역 간의 거리가 기 설정된 거리 이하이고, 상기 실시간 날씨에 상응하는 날씨 유형에 따른 일일 사고 건수가 기 설정된 건수 이상인 경우에는 상기 복수의 위험 지역에 관한 사고 발생 가능성 정보를 더 생성하여 상기 사용자 장치로 송신하는,딥러닝 기반의 교통 사고 예방 방법
|
10 |
10
삭제
|
11 |
11
삭제
|
12 |
12
제9항에 있어서, 상기 위험 지역 리스트 생성 단계는, 상기 도로의 위험 요소를 더 판단하여 상기 위험 지역 리스트를 생성하는 단계를 더 포함하고, 상기 위험 요소를 더 판단하는 단계는 오토인코더를 이용하여 상기 도로 내 블랙아이스를 판단하되, 상기 오토인코더는 제2 딥러닝 모델을 이용하여 상기 영상 데이터의 R, G, B 값 각각에 가중치를 부여하여 상기 가중치가 부여된 R, G, B 값을 1차원 벡터 표현(1D Vector Representation)을 통해 IR 값으로 변환하여 상기 도로의 블랙아이스를 판단하는 것인, 딥러닝 기반의 교통 사고 예방 방법
|
13 |
13
제12항에 있어서, 상기 위험 지역 리스트에 포함된 상기 블랙아이스를 포함한 도로의 실시간 날씨가 상기 날씨 유형 중 제3 날씨 유형에 해당하고, 기온이 제1 기준 값 미만인 경우 상기 도로에 관한 관리 정보 또는 통제 정보를 관리자 장치로 송신하는 단계를 더 포함하는, 딥러닝 기반의 교통 사고 예방 방법
|
14 |
14
제13항에 있어서, 상기 사용자 장치가 차량에 포함된 경우 상기 차량의 운전자가 상기 차량의 제동 장치를 구동시키도록 하는 가이드 정보를 생성하여 송신하는 단계를 더 포함하고, 상기 가이드 정보는 다음의 수식을 이용하여 산출되는,[수학식 1](상기, cvn은 상기 차량의 현재속도(km)이다
|
15 |
15
제14항에 있어서, 상기 수집 단계는, 상기 사용자 장치로부터 사용자의 이동 경로 정보를 수신하는 단계를 더 포함하고, 상기 가이드 정보 송신 단계는, 상기 이동 경로 정보 및 상기 위험 지역 리스트를 기반으로, 상기 이동 경로에 포함되는 위험 지역을 판단하고, 상기 판단된 위험지역을 기반으로 신규 이동 경로 정보를 생성하여 상기 사용자 장치로 송신하는 단계를 더 포함하는, 딥러닝 기반의 교통 사고 예방 방법
|
16 |
16
삭제
|
17 |
17
컴퓨터와 결합하여 딥러닝 기반의 교통 사고 예방 방법을 수행하기 위하여 컴퓨터 판독가능 기록매체에 저장된 컴퓨터 프로그램에 있어서, 상기 프로그램은, 공공 데이터 및 영상 데이터를 수집하는 단계;상기 공공 데이터를 기초로 기 설정된 각각의 날씨 유형에 대한 사고 위험 정보를 각각 생성하는 단계;상기 영상 데이터에 포함된 도로 영역을 추출하고, 제1 딥러닝 모델을 이용하여 상기 추출된 도로 영역 내 도로 상태를 분석하고, 상기 분석된 도로 상태를 기반으로 위험 지역 리스트를 생성하는 단계;사용자 장치의 위치 정보를 기반으로 상기 사용자가 위치한 지역의 실시간 날씨를 판단하는 단계; 및상기 판단된 실시간 날씨에 상응하는 날씨 유형에 대한 사고 위험 정보 및 상기 위험 지역 리스트에 포함된 위험 지역으로부터 기 설정된 범위 내 사용자가 위치한 경우, 위험 지역 감지 정보를 송신하는 단계를 수행하고, 상기 공공 데이터는, 기 설정된 기간 동안의 교통 사고 정보 및 기후 통계 정보를 포함하고,상기 도로 상태는, 정상, 균열, 러팅 및 포트홀 중 적어도 하나를 포함하고,상기 위험 지역 리스트 생성 단계는, 상기 도로 상태가 상기 균열, 상기 러팅 및 상기 포트홀 중 적어도 하나에 해당하는 경우, 상기 도로를 위험 지역으로 판단하고, 상기 위험 지역으로 판단된 상기 도로를 포함한 상기 위험 지역 리스트를 생성하는 것이고,상기 날씨 유형은, 맑음을 나타내는 제1 날씨 유형, 흐림 또는 안개를 나타내는 제2 날씨 유형 및 비 또는 눈을 나타내는 제3 날씨 유형을 포함하고, 상기 사고 위험 정보 생성 단계는, 상기 교통 사고 정보 및 기후 통계 정보를 기반으로, 상기 제1 내지 제3 날씨 유형 각각의 일일 사고 건수, 일일 사망자 수 및 일일 부상자 수를 산출하는 것이고,상기 프로그램은,상기 제1 내지 제3 날씨 유형에 대한 각각의 도로 상태 별 사고 발생 가능성 정보를 산출하고, 상기 사용자 장치의 위치 정보 및 실시간 날씨를 기반으로 상기 사고 발생 가능성 정보를 송신하는 단계를 더 수행하며, 상기 사고 발생 가능성 정보 송신 단계는, 상기 리스트에 포함된 복수의 위험 지역 간의 거리가 기 설정된 거리 이하이고, 상기 실시간 날씨에 상응하는 날씨 유형에 따른 일일 사고 건수가 기 설정된 건수 이상인 경우에는 상기 복수의 위험 지역에 관한 사고 발생 가능성 정보를 더 생성하여 상기 사용자 장치로 송신하는,딥러닝 기반의 교통 사고 예방 프로그램
|