1 |
1
관리지역 내에 설치된 복수 개의 도로정보수집장치를 통해 관리지역 내에 포설된 도로의 노면정보를 수집하여 노면정보데이터를 생성하는 (a)단계;관리서버의 데이터수집부가 상기 도로정보수집장치가 송신한 상기 노면정보데이터를 수신하여 저장하는 (b)단계;상기 관리서버의 온도판독부가 상기 데이터수집부에 저장된 상기 노면정보데이터를 기반으로 하여 관리지역 내에 포설된 도로의 전체 영역 중 노면온도가 기 설정된 기준온도 이상인 고온도영역을 도출하는 (c)단계;상기 관리서버의 경로설정부가 상기 온도판독부에 의해 도출된 고온도영역을 경유할 수 있는 살수차의 최적운행경로를 연산하여 최적운행경로데이터를 생성하는 (d)단계; 및상기 관리서버의 데이터표출부가 외부 단말기에 최적경로데이터를 송신하는 (e)단계;를 포함하는,살수차의 최적운행경로 분석방법
|
2 |
2
제1항에 있어서,상기 도로정보수집장치는 관리지역 내에 설치된 영상촬영매체이며,상기 노면정보데이터는 상기 영상촬영매체에 의해 촬영된 영상정보인,살수차의 최적운행경로 분석방법
|
3 |
3
제2항에 있어서,상기 (c)단계는,상기 온도판독부가 상기 노면정보데이터에 포함된 픽셀 RGBA값을 추출하는 (c-1)단계;상기 온도판독부가 상기 픽셀 RGBA값을, 상기 픽셀 RGBA값과 온도 간의 관계를 학습하여 미리 구축된 온도추정알고리즘에 적용하는 (c-2)단계; 및상기 온도판독부가 상기 온도추정알고리즘을 통해 관리지역 내에 포설된 도로의 전체 영역 중 상기 고온도영역을 도출하는 (c-3)단계;를 포함하는,살수차의 최적운행경로 분석방법
|
4 |
4
제3항에 있어서,상기 (c-1)단계는,상기 온도판독부가 상기 노면정보데이터의 각 프레임을 소정의 크기로 분할하고, 분할된 각 영역에 대해 RGBA값을 별도록 추출하는,살수차의 최적운행경로 분석방법
|
5 |
5
제3항에 있어서,상기 온도추정알고리즘은,인공지능 학습모델을 통해 상기 영상정보 및 상기 영상정보와 별도로 수집된 열화상정보를 대비하는 과정을 복수 회 반복하여 구축되는,살수차의 최적운행경로 분석방법
|
6 |
6
제1항에 있어서,상기 (d)단계는,상기 경로설정부가 상기 데이터수집부에 저장된 관리지역 내에 포설된 도로의 맵핑데이터를 로딩하는 (d-1)단계;상기 경로설정부가 상기 맵핑데이터 상에 좌표정보를 중첩하여 복합맵핑데이터를 생성하는 (d-2)단계;상기 경로설정부가 상기 복합맵핑데이터 상에서 상기 온도판독부에 의해 도출된 고온도영역을 좌표 상에 마킹하는 (d-3)단계; 및상기 경로설정부가 상기 (d-3)단계에 의해 마킹된 각 고온도영역의 좌표에 대한 살수차의 최적운행경로를 연산하여 최적운행경로데이터를 생성하는 (d-4)단계;를 포함하는,살수차의 최적운행경로 분석방법
|
7 |
7
제6항에 있어서,상기 (d-4)단계는,상기 고온도영역의 좌표와 함께 살수차에 물을 보급하는 물 보급지 정보 및 살수차에 수용되어 있는 물 잔여량 정보 중 적어도 어느 하나 이상을 고려하여 최적운행경로데이터를 생성하는,살수차의 최적운행경로 분석방법
|