경찰청 교통사고 통계에 따르면 눈, 안개 등 기상현상이 있는 날이 맑은 날에 비해 교통사고 치사율이 높은 것으로 나타났다. 특히, 맑음·눈·비 세 가지 날씨 중 눈이 오는 날의 교통사고의 경우 치사율이 가장 높다. 이러한 위험기상으로부터 국민의 생명과 재산을 보호하기 위해서 기상청에서는 실시간 기상정보를 제공하고 있다. 하지만 기상청에서 국민에게 제공하는 기상정보는 지역별 5km x 5km 면적(area) 단위의 정보이기 때문에 실제로 국지적인 기상악화로 인한 사고가 발생하는 도로나 인구 밀집지역과는 관계가 없는 영역까지 포함해 제공되고 있다.
본 연구는 기존의 면(area)단위의 기상정보를 보완하기 위해 고속도로에 설치된 CCTV 영상을 이용한 강설감지연구를 진행하였다. 고속도로의 CCTV를 이용해 고속도로 망을 중심으로 기상정보를 생성하면 면 단위의 정보가 아닌 선(line) 단위의 강설정보를 생산해낼 수 있다.
고속도로의 CCTV영상에서 강설정보를 생산하기 위해 템플릿 인식과 같은 영역 기반매칭방식과 차영상 추출을 이용한 동적물체추출방식 등의 기존의 전통적인 영상처리방법을 이용한 물체감지가 아닌 Convolutional Neural Network을 이용한 강설입자 감지방법을 제안하였다. 또한, 템플릿 인식 및 차영상 추출을 이용한 동적물 체추출방법과 Convolutional Neural Network을 이용한 강설입자 감지방법을 이용한 정확도비교를 통해 Convolutional Neural Network을 이용한 강설감지방법의 신뢰성을 검증하였다.
정확도 검증에 사용한 데이터는 영동고속도로 횡계리, 유천리, 진부리 지점의 도로공사 CCTV의 영상 중, 2018년 2월, 3월에 눈이 온 날의 영상과 눈이 오지 않은 맑은 날의 영상을 사용하였다.
템플릿 인식을 이용한 강설감지율은 26.28%, 차영상 추출을 이용한 강설감지율은 55.42%, Convolutional Neural Network을 이용한 방법의 강설감지율은 78.39%로 Convolutioanl Neural Network을 이용한 방법의 강설감지율이 세 가지 방법 중 가장 높은 강설감지율을 보였다.
본 연구를 전국 고속도로의 실제환경에 적용하는 데에는 좀 더 많은 연구가 필요할 것으로 보인다. 본 연구는 강설감지율 검증에 영동고속도로의 세 지점의 CCTV 영상만을 사용했으므로 전국고속도로로 그 범위를 확대하기 위해서는 더 많은 지점과 다양한 환경의 데이터를 수집해 학습 및 테스트를 해 볼 필요가 있다. 또, 주간(09:00~18:00)의 영상만을 사용했으므로 야간에 적용할 수 있는 또 다른 데이터나 기술이 필요하다. 또한 물체를 감지하기 위한 오픈소스 레이어인 YOLOv3를 실험에 사용했으므로 강설감지에 최적화된 레이어를 사용한다면 더욱 높은 강설감지율을 보일 것으로 기대된다. 추가적으로 영상마다 카메라 성능이나 설치환경이 지점마다 모두 다르며 강설강도 판단을 위한 지속적인 연구가 필요할 것으로 보인다.