[표지]
요약문
Summary
목차
제1장 서론 12
1. 연구 배경 및 필요성 12
제2장 국내·외 연구 및 기술 동향 14
1. 국내·외 연구 동향 14
2. 국내·외 기술 동향 17
제3장 연구 개발 수행 내용 및 결과 22
1. 자료 수집 및 구축 22
1.1. 도로교통환경 자료 수집 및 구축 22
2. 도로교통환경 인식 기술 개발 25
2.1. 분석 개요 25
2.2. 분석 방법 28
2.3. 분석 결과 29
3. 도로교통환경 안전성 평가 모형 개발 34
3.1. 분석 개요 34
3.2. 도로교통환경 안전성 평가 모형(기존) 35
3.3. 도로교통환경 안전성 평가 모형(개발) 40
4. 도로교통환경을 고려한 안전성 평가 적용 47
제4장 활용 계획 및 기대 효과 48
1. 활용 계획 48
2. 기대 효과 49
2.1. 기술적 파급효과 49
2.2. 사회적 파급효과 49
2.3. 경제적 파급효과 49
제5장 결론 50
참고문헌 52
서지자료 54
Bibliographic Data 55
판권기 56
〈표 2-1〉 분석 대상 기술 분류 17
〈표 3-1〉 주요 센서 성능 및 사양 22
〈표 3-2〉 데이터 취득 구간 23
〈표 3-3〉 대상 구간 기초 통계량 분석 24
〈표 3-4〉 교통안전표지 특징 25
〈표 3-5〉 교통안전표지 주석 이름 작성 규칙 25
〈표 3-6〉 주석 데이터 파일 구조 26
〈표 3-7〉 교통안전표지 유형별 데이터 27
〈표 3-8〉 교통안전표지 클래스별 테스트 데이터 분석 결과 31
〈표 3-9〉 기존 SPF 모형 35
〈표 3-10〉 각 SPF 모형 구축 결과 36
〈표 3-11〉 SPF 모형 비교 분석 결과 36
〈표 3-12〉 SPF 모형 A-4 구축 결과 37
〈표 3-13〉 SPF 모형 B-8 구축 결과 37
〈표 3-14〉 SPF 모형 C-4 구축 결과 37
〈표 3-15〉 SPF 모형 D-4 구축 결과 37
〈표 3-16〉 MARS 모형 계수 분석 결과(A-2) 38
〈표 3-17〉 A-2 Full SPF 함수 모형 비교 결과(음이항, MARS) 38
〈표 3-18〉 MARS 모형 계수 분석 결과(A-4) 39
〈표 3-19〉 A-4 Full SPF 함수 모형 비교 결과(음이항, MARS) 39
〈표 3-20〉 기초 통계량 분석 42
〈표 3-21〉 Random Forest 분류 결과 43
〈표 3-22〉 MARS를 활용한 Frull SPF 모형 구축 결과 44
〈표 3-23〉 적합도 검정 44
〈표 3-24〉 MARS 모형 계수 분석 결과 45
〈표 3-25〉 SPF 모형 46
〈그림 1-1〉 자율주행 기술 수준(NHTSA, SAE) 12
〈그림 2-1〉 분석대상 기술 분류 19
〈그림 2-2〉 주요 국가별 특허기술 성장단계 20
〈그림 3-1〉 데이터 구축 시스템 23
〈그림 3-2〉 도로표지판 인식을 위한 주석 작업 26
〈그림 3-3〉 구축된 주석 데이터 및 파일 형식 사례 26
〈그림 3-4〉 RetinaNet 인식 개념 28
〈그림 3-5〉 객체 인식 딥러닝 학습 과정 28
〈그림 3-6〉 교통안전표지별 학습 데이터 결과 29
〈그림 3-7〉 인식 판단 기준 30
〈그림 3-8〉 학습 데이터 Loss 비교 31
〈그림 3-9〉 학습 데이터 Loss 비교 32
〈그림 3-10〉 Epoch별 mAP 값 변화 32
〈그림 3-11〉 교통안전표지 인식 결과 33
〈그림 3-12〉 분석 절차 34
〈그림 3-13〉 Random Forest 변수 분류 결과 43
〈그림 3-14〉 프로토타입 개발 및 적용 47
〈그림 3-15〉 현장 적용 테스트 구간 47