KR102313634B1 - 교통 정보를 표시하기 위한 광을 조사하는 조명 장치와 이를 포함하는 지능형 교통 정보 제공 시스템 및 교통 정보 제공 방법 - Google Patents

Abstract

본 발명의 일 실시예에 따르는, 도로 또는 터널에 배치된 조명 장치에 의해 수행되는, 실시간 교통 정보 제공 방법은, 조명 장치에 포함된 복수의 센서를 통하여 기 설정된 범위의 이미지, 영상, 온도 및 습도 중 적어도 하나의 정보를 수집하거나 교통관제 서버로부터 날씨 정보 및 도로 상황 정보를 실시간 수신하는 단계; 상기 복수의 센서를 통하여 수집된 정보 또는 상기 교통관제 서버로부터 수신한 날씨 정보 및 도로 상황 정보에 기초하여 교통 정보를 파악하는 단계; 상기 파악된 교통 정보와 기 매칭된 텍스트 또는 이미지를 추출하는 단계; 및 상기 추출된 텍스트 또는 이미지 형태로 형성된 광을 바닥면에 조사하도록 발광부를 제어함으로써 상기 교통 정보가 노출되도록 하는 단계를 포함한다.

Description

교통 정보를 표시하기 위한 광을 조사하는 조명 장치와 이를 포함하는 지능형 교통 정보 제공 시스템 및 교통 정보 제공 방법{LIGHTING DEVICE THAT IRRADIATES LIGHT INDICATING TRAFFIC INFORMATION AND INTELLIGENT TRANSPORT SYSTEM COMPRISING THE LIGHTING DEVICE AND METHOD PERFORMED BY THE SYSTEM FOR PROVIDING TRAFFIC INFORMATION}

본 발명은 교통 정보를 표시하기 위한 광을 조사하는 조명 장치와 이를 포함하는 지능형 교통 정보 제공 시스템 및 상기 시스템 상에서 수행되는 교통 정보 제공 방법으로서, 보다 상세하게는, 다중 픽셀로 구성되고 각 픽셀 별로 광 출력 및 세기 조절이 가능한 발광 소자를 통하여 실시간으로 도로에 교통 정보를 표시하는 기술에 관한 것이다.

최근 교통 체계에는 전자, 제어 및 통신 등의 기술이 접목된 교통수단과 시설을 통하여 교통 정보 및 서비스를 제공하고 이를 활용함으로써 효율성과 안정성을 향상시키는 지능형 교통 시스템(Intelligent Transport Systems, ITS)이 도입되고 있다.

일상 생활에서 접할 수 있는 대중교통 위치 안내 시스템, 교통량에 따라 자동으로 차량 신호가 바뀌는 시스템, 내비게이션의 실시간 교통 정보 제공, 하이패스 등을 그 예로 들 수 있다.

또한, 이러한 지능형 교통 시스템은 차량이 운전자에게 주변 도로 및 교통 상황을 실시간으로 알려주는 차세대 지능형 교통 시스템(Cooperative-Intelligent Transport Systems, C-ITS)으로 발전하고 있다.

이는, 기본적으로 주행하는 차량들로부터 실시간으로 자료를 수집하고 이들을 분석하여 각 차량에 교통 정보를 제공하는 연계 방식이며, 도로관리 중심에서 이용자 안전 중심의 패러다임 변화를 의미한다.

구체적으로, 차량의 움직임을 감지하는 센서가 포함된 장비들을 도로 주변에 설치하여 주행 중인 차량에 대한 상태 정보를 수집하고, 이를 기초로 정체 구간, 사고가 빈번한 구간, 주행하는 차량의 대수와 속도 등을 데이터화하여 관리한다.

이 후, 도로 내 설치된 장비들을 통해 주행 중인 차량에 실시간 교통상황 및 돌발상황을 전파하고 정밀한 위치정보를 제공한다. 또한, 근접한 차량간 통신을 통하여 급브레이킹, 정차 및 추돌위험 등을 알림으로써, 안전성과 이동성이 향상된다.

이와 같이 C-ITS는, 운전자의 사전대응을 가능하게 하여, 효과적인 교통사고 예방을 도모한다.

한편, 지능형 교통 시스템을 구성하는 차량검지기 등과 같은 장비들은 점차 고성능화가 이루어지고 있으나, 외부에 노출되기 때문에 효율적인 배치 및 관리는 어려운 실정이다. 또한, 공간적, 경제적인 문제로 수많은 도로를 커버하는 것은 한계가 있다.

이와 관련하여, 도로, 터널 내 가로등과 같은 조명 장치는 필수적인 요소이므로 배치 공간이 일정한 위치마다 할당되나, 도로를 밝게 하는 일반적인 기능 이외에 추가 기능은 고려되지 않고 있다.

본 발명은 전술한 종래 기술의 문제점을 해결하기 위한 것으로서, 실시간 교통 정보를 파악하고 이를 나타내는 텍스트 또는 이미지로 형성된 광을 도로면에 조사하여 운전자에게 교통 정보를 제공하는 조명 장치를 개시한다.

또한, 본 발명의 일 실시예를 통하여, 상기 조명 장치가 포함된 지능형 교통 정보 제공 시스템과 이러한 시스템 상에서 수행되는 실시간 교통 정보 제공 방법을 개시한다.

본 발명의 일 실시예에 따르는, 도로 또는 터널에 배치된 조명 장치에 의해 수행되는, 실시간 교통 정보 제공 방법은, 조명 장치에 포함된 복수의 센서를 통하여 기 설정된 범위의 이미지, 영상, 온도 및 습도 중 적어도 하나의 정보를 수집하거나 교통관제 서버로부터 날씨 정보 및 도로 상황 정보를 실시간 수신하는 단계; 상기 복수의 센서를 통하여 수집된 정보 또는 상기 교통관제 서버로부터 수신한 날씨 정보 및 도로 상황 정보에 기초하여 교통 정보를 파악하는 단계; 상기 파악된 교통 정보와 기 매칭된 텍스트 또는 이미지를 추출하는 단계; 및 상기 추출된 텍스트 또는 이미지 형태로 형성된 광을 바닥면에 조사하도록 발광부를 제어함으로써 상기 교통 정보가 노출되도록 하는 단계를 포함한다.

본 발명의 일 실시예에 따르는, 상기 교통 정보를 파악하는 단계는, 상기 조명 장치와 기 설정된 거리 내에 위치한 차량으로부터 수신한 휠 상태 정보에 기초하여 교통 정보를 파악하는 단계를 더 포함하되, 상기 휠 상태 정보에 기초하여 파악되는 교통 정보는 상기 조명 장치가 설치된 도로의 노면 상태 정보를 포함한다.

본 발명의 일 실시예에 따르는, 상기 발광부는, 적어도 하나의 발광 소자를 포함하되, 상기 발광 소자는 소정의 픽셀 단위로 세분화된 것이며, 각각의 픽셀마다 점소등 및 디밍(dimming)이 제어됨으로써 텍스트 또는 이미지 형태의 광이 형성되는 것이다.

본 발명의 일 실시예에 따르는, 상기 파악된 교통 정보와 기 매칭된 텍스트 또는 이미지를 추출하는 단계는, 상기 파악된 교통 정보가 복수개인 경우, 상기 각각의 교통 정보 별로 위험 점수를 산출하는 단계; 및 상기 산출된 위험 점수를 비교한 결과 가장 높은 위험 점수의 교통 정보에 매칭된 텍스트 또는 이미지를 추출하거나, 상기 산출된 위험 점수가 기 설정된 기준값 이상인 교통 정보에 매칭된 텍스트 또는 이미지를 추출하는 단계;를 포함하되, 상기 기준값 이상인 교통 정보에 매칭된 텍스트 또는 이미지가 복수개로 추출된 경우, 상기 복수개로 추출된 텍스트 또는 이미지로 형성된 광은 기 설정된 영역으로 분할되어 동시에 조사되거나 높은 위험 점수 순서대로 조사 시간이 길게 설정되어 순차적으로 조사되는 것이다.

본 발명의 일 실시예에 따르는, 상기 조명 장치가 설치된 도로의 노면 상태 정보를 파악하는 과정은, 상기 기 설정된 거리 내에 위치한 차량의 식별 신호를 감지하고, 상기 감지한 식별 신호에 포함된 상기 차량 일 측의 휠에 대한 가속도 신호, 지자기 신호, 공기압 신호, 온도 신호 및 자이로센싱 신호 중 적어도 하나를 수신하고, 상기 수신한 신호를 주파수 영역의 신호로 변환하고, 상기 변환된 주파수 영역의 신호를 기 설정된 구간으로 분할하고, 상기 분할된 구간 별로 대표데이터를 추출하여 특징벡터를 산출하고, 상기 산출된 각각의 특징벡터에 대한 사이즈 스케일링(scaling)을 수행하고, 상기 사이즈 스케일링된 각 특징벡터를 분류모델에 적용하여 노면 상태 정보를 추출하는 것이고, 상기 분류모델은 휠의 가속도 신호, 지자기 신호, 공기압 신호, 온도 신호 및 자이로센싱 신호 중 적어도 하나를 입력값으로 하고 기 설정된 기준으로 분류된 노면 상태 정보 중 하나를 출력하도록 설계된 소정의 인공신경망 모델에 의해 미리 학습된 것이다.

본 발명의 일 실시예에 따르는, 상기 교통관제 서버로부터 수신한 날씨 정보 및 도로 상황 정보에 기초하여 교통 정보를 파악하는 단계는, 상기 실시간으로 수신한 날씨 정보 및 도로 상황 정보를 위험 점수로 변환하는 단계; 및 상기 변환된 위험 점수가 기 설정된 기준값 이상인 날씨 정보 및 도로 상황 정보를 상기 조명 장치와 기 설정된 거리 내에 위치하는 차량에 전송하는 단계;를 포함하되, 상기 파악된 교통 정보가 상기 조명 장치 내 복수의 센서를 통하여 수집된 정보에 기초하여 파악된 교통 정보와 기 설정된 오차 범위를 보이는 경우, 상기 교통관제 서버로 상기 조명 장치의 식별 정보와 함께 상기 날씨 정보 및 도로 상황 정보의 재전송 요청 신호를 전송하는 단계를 더 포함한다.

본 발명의 일 실시예에 따르는, 상기 복수의 센서를 통하여 수집된 정보 또는 상기 교통관제 서버로부터 수신한 날씨 정보 및 도로 상황 정보에 기초하여 교통 정보를 파악하는 단계는, 상기 복수의 센서를 통하여 수집된 이미지, 영상 정보에 기초하여 상기 조명 장치가 설치된 영역의 노면 특징 정보를 추출하는 단계; 상기 노면 특징 정보와 상기 복수의 센서를 통하여 수집된 온도 및 습도 정보 중 적어도 하나의 정보를 노면 마찰 계수 추정 모델에 적용하여 노면 마찰 계수 추정 함수를 추출하는 단계; 상기 추출된 노면 마찰 계수 추정 함수에 대하여 상기 교통관제 서버로부터 수신한 날씨 정보 중 적어도 하나의 날씨 상태값을 매개 변수로 적용함으로써, 노면 마찰 계수와 날씨의 상관 관계를 나타내는 기 설정된 확률 연산을 수행하여 노면 마찰 계수값을 추정하는 단계; 상기 추정된 노면 마찰 계수값에 대응하는 기 설정된 기준으로 분류된 노면 상태 정보 중 하나를 추출하는 단계; 및 상기 추정된 노면 마찰 계수값 또는 추출된 노면 상태 정보를 기 설정된 거리 내에 위치하는 차량에 전송하는 단계;를 포함하되, 상기 노면 마찰 계수 추정 모델은 기 설정된 기간 동안 수집하여 누적된 노면 특징 정보, 온도 정보, 습도 정보 및 날씨 정보를 입력값으로 하고, 날씨 정보에 따른 노면 마찰 계수값을 나타내는 노면 마찰 계수 추정 함수를 출력하도록 설계된 소정의 기계학습모델에 의해 미리 학습된 것이다.

본 발명의 일 실시예는, 현재의 도로 상황과 관련된 날씨, 교통량, 체증여부, 사고여부, 제한속도, 노면 상태 등의 다양한 교통 정보를 도로면에 조명 형식으로 노출시킴으로써, 운전자가 시각적으로 쉽게 인지할 수 있게 하여 안전 운전을 유도할 수 있다.

또한, 파악되는 교통 정보에 따라 선별적으로 광을 출력함으로써, 과도한 빛 공해를 감소시키며 쾌적한 주행 환경을 조성할 수 있다.

본 발명의 일 실시예에 따르는 조명 장치는, 교통관제 서버와의 통신 연계를 통하여 해당 구간에서 수집된 교통 관련 자료를 제공함으로써, 교통 시스템의 정교한 운영 및 교통 분석 데이터 확보에 일조할 수 있다.

또한, 차량과의 통신 연계를 통하여 교통 정보를 이중으로 제공할 수 있으며, 이에 따라 운전자의 사전 대응을 더욱 효과적으로 유도함으로써, 사고 예방을 강화할 수 있다.

이와 같이, 도로 또는 터널에 배치되는 조명 장치의 일반적인 기능이, 교통 정보 파악 및 표시 기능으로 추가 개선됨으로써, 지능형 교통 시스템에 대한 공간적인 한계를 극복할 수 있다. 또한, 별도의 다른 장비를 요구하지 않아 경제적인 문제에 대한 해결책을 제시한다.

즉, 지능형 교통 시스템을 구성하는 장비가 가로등 또는 터널조명 형태로 구현되므로, 의도된 위치에 정확히 배치할 수 있어 보다 효과적인 관리가 가능하다.

도 1은 본 발명의 일 실시예에 따르는 지능형 교통 정보 제공 시스템에 대한 구조도이다.
도 2는 본 발명의 일 실시예에 따르는 조명 장치의 구성을 나타내는 블록도이다.
도 3은 본 발명의 일 실시예에 따르는 실시간 교통 정보 제공 방법의 순서도이다.
도 4는 조명 장치가 노면 상태 정보를 추출하는 과정의 제 1실시예에 대한 순서도이다.
도 5는 조명 장치가 노면 상태 정보를 추출하는 과정의 제 2실시예에 대한 순서도이다.
도 6은 본 발명의 일 실시예에 따르는 조명 장치 내 발광 소자의 특징을 설명하기 위한 예시도이다.

아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.

명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.

본 명세서에 있어서 '부(部)'란, 하드웨어에 의해 실현되는 유닛(unit), 소프트웨어에 의해 실현되는 유닛, 양방을 이용하여 실현되는 유닛을 포함한다. 또한, 1 개의 유닛이 2 개 이상의 하드웨어를 이용하여 실현되어도 되고, 2 개 이상의 유닛이 1 개의 하드웨어에 의해 실현되어도 된다. 한편, '~부'는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니며, '~부'는 어드레싱 할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 '~부'는 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 및 변수들을 포함한다. 구성요소들과 '~부'들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 '~부'들로 결합되거나 추가적인 구성요소들과 '~부'들로 더 분리될 수 있다. 뿐만 아니라, 구성요소들 및 '~부'들은 디바이스 또는 보안 멀티미디어카드 내의 하나 또는 그 이상의 CPU들을 재생시키도록 구현될 수도 있다.

이하, 첨부된 도면을 참고하여 본 발명의 일 실시예를 상세히 설명하기로 한다.

도 1은 본 발명의 일 실시예에 따르는 지능형 교통 정보 제공 시스템에 대한 구조도이다.

본 발명의 일 실시예에 따르는 지능형 교통 정보 제공 시스템은 조명 장치(100), 교통관제 서버(200)를 포함할 수 있으며, 조명 장치(100)가 배치된 도로를 주행하는 차량(300)과 연계하여 동작할 수 있다.

먼저, 본 발명의 일 실시예에 따르는 조명 장치(100)는 도로 또는 터널 내 기 설정된 위치에 배치되어 도로 바닥면에 빛을 조사함으로써 주위를 밝게 하는 가로등 형태의 장치일 수 있다. 즉, 기본적인 조명 기능은 당연히 수행하고, 가로등 형태로 예시를 들었으나 배치되는 위치에 따라 제조되는 형상이나 광을 조사하는 영역(예로, 터널의 내벽)은 다양할 수 있으며, 이러한 내용이 본 발명을 제한하는 것은 아니다.

도 2를 참조하면, 본 발명의 일 실시예에 따르는 조명 장치(100)는, 수행하는 기능에 따라 세부 구성요소로 나타낼 수 있으며, 이는, 제어부(110), 감지부(120), 발광부(130), 통신부(140) 및 데이터베이스(미도시)를 포함할 수 있다.

감지부(120)는 복수의 센서들로 구성될 수 있는데, 조명 장치(100) 주위의 기 설정된 범위 내 이미지 또는 영상을 촬영하는 카메라 센서, 온도를 감지하는 온도 센서 및 습도를 감지하는 습도 센서 중 적어도 하나가 포함될 수 있다.

조명 장치(100) 내 각 센서들이 설치되는 위치는 한정되지 않으나, 예를 들어 바닥면(노면)에 대한 이미지 또는 영상을 촬영하는 카메라 센서인 경우, 바닥면에 수직으로 입사하도록 돌출된 영역에 설치되어, 각도에 따른 오차가 없는 정확한 노면 이미지를 생성하는 것이 바람직할 수 있다. 또한, 교통 체증 및 사고 여부 등을 파악할 목적으로 회전이 가능한 카메라 센서를 구성하여 보다 넓은 촬영 영역을 확보할 수도 있다. 또한, 파악할 교통 정보의 유형에 따라 다양한 이미지 또는 영상 정보를 수집하도록 고정식, 회전식을 포함하는 다수의 카메라 센서를 구성할 수도 있다.

한편, 카메라 센서는 목적 및 조명 장치(100)가 배치되는 도로의 특성에 따라 다양한 방식이 채택될 수 있다. 예를 들어, 노면의 상태를 정밀하게 분석하기 위해서, 적은 노이즈, 높은 배율 등 우수한 품질을 고려하여 빛 에너지에 의해 발생된 전하를 그대로 전송하는 CCD방식을 사용할 수 있다.

또는, 저전력, 처리 속도 및 경제적인 면을 고려하여 CMOS 방식을 사용할 수 있으며, 교통 체증 및 사고 여부 등 도로의 상황을 판단하기 위한 경우, 해당 방식의 센서를 구성하는 것이 바람직할 수 있다.

또한, 카메라 하나에 여러 센서가 포함되는 멀티 센서를 채택할 수도 있다. 이는 수집되는 빛의 파장 영역 별로 센서가 구성되는 형식으로서, 컬러(Bayer) 및 흑백(Mono)센서와 RGB센서, 적외선 영역 센서 중 하나 이상이 포함되어 더욱 정교한 이미지 분석이 가능하도록 구성될 수 있다. 예를 들어, 날씨에 영향을 많이 받거나 크랙, 블랙아이스 등이 자주 발생하는 도로인 경우에 이와 같은 방식이 바람직할 수 있다.

본 발명의 일 실시예에 따르는 제어부(110)는, 조명 장치(100)의 전반적인 기능을 제어하고, 기 설정된 연산을 수행 할 수 있다.

구체적으로, 감지부(120)로부터 이미지, 영상, 온도 및 습도 중 적어도 하나의 정보를 수집하여 이를 기초로 교통 정보를 파악할 수 있다. 예를 들어, 카메라 센서로부터 수신한 노면 이미지를 분석하여 눈, 빙결, 젖은 상태 등 노면 상태 정보를 파악할 수 있다. 또는, 카메라 센서로부터 촬영된 영상 정보에 기초하여 교통 체증 또는 사고 발생 정보를 파악할 수 있다. 또는, 온도 및 습도 센서로부터 수신한 정보에 기초하여 날씨와 관련된 교통 정보를 파악할 수 있다.

또한, 제어부(110)는 교통관제 서버(200)로부터 수신한 날씨 정보 및 도로 상황 정보에 기초하여 교통 정보를 파악할 수 있다. 예를 들어, 특이사항이 발생하지 않은 일반적인 경우, 교통관제 서버(200)로부터 수신한 제한 속도 정보를 교통 정보로 설정할 수 있다.

또한, 조명 장치(100)와 기 설정된 거리로 주행하는 차량(300)으로부터 수신한 휠 상태 정보에 기초하여 교통 정보를 파악할 수 있다. 예를 들어, 수신한 휠 가속도 정보를 기 설정된 알고리즘에 따라 전처리 가공하고 이를 미리 학습되어 구축된 분류모델에 적용하여 노면 상태 정보를 파악할 수 있다.

본 발명의 일 실시예에 따르면, 제어부(110)는 기 설정된 주기마다 교통 정보를 파악할 수 있는데, 같은 주기에 파악된 교통 정보가 다수인 경우, 운전자에게 가장 도움이 되는 교통 정보를 제공하기 위하여 기 설정된 연산을 통해 우선순위를 설정할 수 있다.

제어부(110)는 파악된 교통 정보와 기 매칭된 텍스트 또는 이미지를 추출할 수 있다. 일 실시예에 따르면, 교통 정보는 날씨, 노면 상태, 도로 상황 등 그 유형에 따라 분류될 수 있으며, 각 유형 별 상태를 나타내는 텍스트 또는 이미지가 table 형식으로 매칭되어 데이터베이스(미도시)에 미리 저장되어 있을 수 있다.

이 후, 제어부(110)는 추출된 텍스트 또는 이미지 형태의 광을 바닥면에 조사하도록 발광부(130)를 제어하여 교통 정보가 운전자에게 노출되도록 할 수 있다. 즉, 발광부(130)에 포함된 발광 소자를 픽셀 단위로 점소등 및 디밍(dimming)을 제어함으로써, 교통 정보를 나타내는 메시지를 조명 형식으로 출력할 수 있다.

한편, 본 발명의 일 실시예에 따르면, 제어부(110)는 파악한 교통 정보를 교통관제 서버(200) 또는 기 설정된 거리 내로 주행하는 차량(300)에 전송하도록 통신부(140)를 제어할 수 있다.

본 발명의 일 실시예에 따르는 발광부(130)는 적어도 하나의 발광 소자를 포함할 수 있다. 여기서 발광 소자의 종류가 한정되는 것은 아니나, 성능 및 가격대를 고려하여 LED백색 소자가 바람직할 수 있다.

각 발광 소자(LED 백색 소자)는 소정의 픽셀 단위로 세분화된 것일 수 있다. 도 6은, 기존의 LED 소자가 미세 가공을 통하여 다중 픽셀로 세분화되는 상태를 보여준다.

이러한 상태의 구체적인 예시로, 각 픽셀들은 40 ㎛의 길이를 갖는 정사각형 모양일 수 있다. 또한, 각 픽셀들 사이의 간격은 1 ㎛로 매우 작게 형성될 수 있다. LED소자는 각 픽셀 별로 광을 발생시키기 위한 활성 구역이 구비된 반도체 층을 포함할 수 있으며, 이러한 반도체 층은 LED 소자 메인 기판에서 분리된 소정의 실리콘 기판상에 구성될 수 있다. 반도체 층은 인접한 픽셀 사이에서는 완전히 분리되어 있으며, 그 사이에는 이산화티탄(titanium dioxide)산란 입자와 같은 광학 분리층으로 메워질 수 있다. 또한, 반도체 층 위에는 발광 물질이 증착되며 이들 사이에도 광학 분리층이 자리할 수 있다. 반도체 층이 구성된 실리콘 기판 내로, 픽셀 하나 또는 소정의 개수 또는 전체의 통합 제어가 가능한 제어 유닛이 포함될 수 있으며, 바람직하게는 각각의 픽셀 별로 제어 유닛이 구성될 수 있다.

본 발명의 일 실시예에 따르면, 상술한 예시와 같이, 발광 소자는 미세 가공에 의해 제조된 픽셀 별로 점소등 및 디밍 제어가 가능함으로써, 단순히 백색 광을 분출하여 주위를 밝게 하는 것에 더하여 특정한 모양을 가지는 광의 조사가 가능하다. 즉, 픽셀마다 개별적으로 제어됨으로써 텍스트 또는 이미지 형태의 광을 형성할 수 있으며, 이에 따라 운전자에게 일종의 메시지를 전달하는 기능을 수행할 수 있다.

본 발명의 일 실시예에 따르는 통신부(140)는 소정의 무선 통신 모듈을 포함할 수 있으며, 조명 장치(100)와 교통관제 서버(200) 및 차량(300)간을 무선 네트워크로 연결시켜주는 기능을 수행한다. 여기서 무선 통신 모듈은, 블루투스(BLE, Bluetooth Low Energy), NFC, RFID, 초음파(Ultrasonic), 적외선, 와이파이(WiFi), 라이파이(LiFi) 등을 포함할 수 있으며 이에 한정되는 것은 아니다. 또한, 무선 네트워크는, 근거리 통신망(LAN: Local Area Network), 광역 통신망(WAN: Wide Area Network), 인터넷 (WWW: World Wide Web), 무선 데이터 통신망을 포함하며, 무선 데이터 통신망의 일례에는 3G, 4G, 5G, 3GPP(3rd Generation Partnership Project), LTE(Long Term Evolution), WIMAX(World Interoperability for Microwave Access), 와이파이(Wi-Fi), 블루투스 통신, 적외선 통신, 초음파 통신, 가시광 통신(VLC: Visible Light Communication), 라이파이(LiFi) 등이 포함되나 이에 한정되지는 않는다.

다시 도 1을 참조하면, 본 발명의 일 실시예에 따르는 교통관제 서버(200)는, 지능형 교통 정보 제공 시스템을 총괄하는 ITS센터가 운영하는 서버를 의미할 수 있다. 교통관제 서버(200)는 각 조명 장치(100)들로부터 교통 정보를 수신하여 각 도로구간의 교통 상황을 판단하고 실시간으로 업데이트 할 수 있다. 또한, 각 조명 장치(100)들의 식별 정보와 각 조명 장치(100)와 연관된 도로, 구간, 지역 등의 특정 영역을 미리 매칭하여 설정할 수 있으며, 매칭된 영역에서 기 설정된 기준의 교통 상황 변화가 있는 경우, 즉시 대응하는 조명 장치(100)로 이를 알릴 수 있다. 예를 들어, 매칭된 영역의 온도, 습도, 강수량, 적설량 등의 날씨 상태값이 현재값보다 기 설정된 범위의 차이를 보이는 경우, 업데이트된 날씨 정보를 대응하는 조명 장치(100)로 전송할 수 있다. 또는, 매칭된 영역의 평균 차량 속도, 교통량, 영역 통과 시간 등의 도로 상태 값이 기 설정된 범위의 차이를 보이는 경우 및 사고 발생을 감지하는 경우, 업데이트된 도로 상황 정보를 대응하는 조명 장치(100)로 전송할 수 있다. 물론, 조명 장치(100)는 날씨 정보 및 도로 상황 정보를 수신하면, 이를 기초로 교통 정보를 업데이트할 수 있다.

물론, 교통관제 서버(200)는 각각의 차량(300)과도 직접 정보를 교류할 수 있다. 예를 들어, GPS시스템에 근거하여, 각 차량(300)들의 위치, 속도 등을 파악할 수 있으며, 본 발명의 일 실시예에 따르면, 각 차량(300)들이 기 설정된 주기마다 전송하는 휠 상태 정보를 수신할 수 있다. 여기서 휠 상태 정보는 시간에 따른 휠의 가속도 신호, 지자기 신호, 공기압 신호, 온도 신호 및 자이로센싱 신호 중 적어도 하나를 포함할 수 있다.

본 발명의 일 실시예에 따르면, 교통관제 서버(200)는 기 설정된 영역 별로 복수의 클라우드 서버(미도시)를 포함할 수 있다. 여기서 클라우드 서버는 소정의 기계학습모델을 통하여 대응하는 영역의 노면 마찰 계수 또는 노면 상태 정보를 추출하는 학습을 수행할 수 있다. 또한, 클라우드 서버는 해당 영역 내에 배치된 조명 장치(100)들과 연결된 상태일 수 있다. 이와 관련된 일 실시예는 후술하도록 한다.

이하, 도 3을 참조하여, 조명 장치(100)에 의해 수행되는 실시간 교통 정보 제공 방법에 대한 일 실시예를 설명하도록 한다. 공통되는 설명은 상술한 내용에 갈음하도록 한다.

도 3은 본 발명의 일 실시예에 따르는 실시간 교통 정보 제공 방법의 순서도이다.

단계 S310에서, 조명 장치(100)는 감지부(120)를 통하여 기 설정된 범위의 이미지, 영상, 온도 및 습도 중 적어도 하나의 정보를 수집할 수 있다. 또한, 교통관제 서버(200)로부터 날씨 정보 및 도로 상황 정보를 실시간으로 수신할 수 있다.

단계 S320에서, 조명 장치(100)의 제어부(110)는 감지부(120)를 통하여 수집된 정보 또는 교통관제 서버(200)로부터 수신한 날씨 정보 및 도로 상황 정보에 기초하여 교통 정보를 파악할 수 있다. 여기서 교통 정보는 교통 혼잡, 정체, 전방 사고발생 등의 상황에 대한 정보일 수도 있고, 눈, 비 등의 날씨 관련 정보이거나 제한 속도, 노면 상태 등의 운전자 주행 조작에 관련된 정보일 수도 있으며, 교통 정보의 구성이 본 발명을 제한하는 것은 아니다.

또한, 교통 정보는 그 초기 정보가 미리 설정되어 있을 수 있다. 예를 들어, 평상시에는 제한 속도나 노면 상태 정보가 교통 정보로 설정될 수 있다. 이 후, 전방 사고발생 등의 돌발 상황 정보가 파악되면 이를 추가 교통 정보로 설정하거나 교통 정보를 변경할 수 있다. 즉, 이와 같이 교통 정보는 동시간 대에 단일 또는 복수 개로 파악되고 설정될 수 있다.

또한, 조명 장치(100)가 배치된 장소가 터널인 경우에는, 파악되는 교통 정보는 터널 외부의 도로 상태 정보일 수 있다. 즉, 터널 외부의 폭설, 사고, 정체, 블랙아이스 등을 미리 파악하고 운전자에게 제공함으로써 안전 주행을 유도할 수 있다.

이하 도 4 및 도 5를 참조하여, 조명 장치(100)가 교통 정보 중 노면 상태 정보를 파악하는 실시예들을 소개하도록 한다.

도 4는 조명 장치가 노면 상태 정보를 추출하는 과정의 제 1실시예에 대한 순서도이다.

단계 S410 이전에, 조명 장치(100)에는 노면 상태 정보를 추출하는 분류모델이 미리 구축되어 있거나, 분류모델이 포함된 클라우드 서버와 연결될 수 있다.

구체적으로, 교통관제 서버(200)는 특정 영역 내에 주행하는 차량(300)들로부터 방대한 양의 휠 상태 정보를 수집할 수 있다. 또는, 해당 영역 내 배치된 조명 장치(100)들이 수집한 휠 상태 정보를 조명 장치(100)들로부터 수신할 수 있다. 휠 상태 정보는 휠에 대한 가속도 신호, 지자기 신호, 공기압 신호, 온도 신호 및 자이로센싱 신호를 포함할 수 있다. 이 후, 수집한 휠 상태 정보를 해당 영역에 대응하는 클라우드 서버로 전송할 수 있으며, 클라우드 서버는 미리 설정된 인공신경망 모델을 통해, 수신한 휠 상태 정보, 즉, 휠의 가속도, 지자기, 공기압, 온도 및 자이로센싱 신호를 입력하면 기 설정된 기준으로 분류된 노면 상태 정보 중 하나를 출력하도록 학습시킬 수 있다. 노면 상태 분류 기준은 예를 들어, ICE/SNOW/WET/DRY 일 수 있으나 예시에 한정되는 것은 아니다.

여기서 적용되는 인공신경망은 DNN(Deep Neural Network), RNN(Recurrent Neural Network), LSTM(Long Short-Term Memory) 등 그 구성에는 제한이 없으나, 입력값의 특성에 따라 CNN(Convolution Neural Network)을 채택하여 학습 속도 및 과적합 문제를 방지하는 것이 바람직하다. 예를 들어, 타이어는 지면과 접촉하고 떨어지는 순간에 변형이나 공기압 변화의 특징이 있으므로, 이와 같은 특징을 먼저 추출하여 입력값으로 설정할 수 있다. 이와 같이, CNN모델을 적용하는 경우, 모든 시간대의 휠 상태 정보를 요구하지 않으므로 인공신경망의 레이어(layer, 층)를 줄일 수 있으며, 이에 따라 비교적 간단하게 설계 가능하여 오류를 줄이고 학습 속도 및 노면 상태 추출 속도를 향상시킬 수 있다.

이와 같은 학습에 의해, 클라우드 서버에는 노면 상태 정보를 추출하는 분류모델이 구축될 수 있다. 본 발명의 일 실시예에 따르면, 구축된 분류모델은 해당 클라우드 서버와 연결된 각각의 조명 장치(100) 내 미리 저장되어 있을 수 있다. 또는, 조명 장치(100)들이 차량(300)으로부터 휠 상태 정보를 수신하면, 이를 클라우드 서버로 전송하여 노면 상태 정보를 수신하는 형식일 수도 있다. 물론 분류모델이 구성된 이 후에도, 휠 상태 정보는 계속 수집되므로, 이에 따라 분류모델은 계속적으로 업데이트 될 수 있다. 즉, 새로운 휠 상태 정보가 다시 입력값으로 적용됨에 따라 인공신경망의 은닉층 및 노드의 개수는 증가할 수 있으며, 이에 따른 각 노드를 연결하는 활성화함수 및 적용되는 가중치도 업데이트 될 수 있다.

이 후 단계 S410에서, 조명 장치(100)는 통신부(140)를 통하여 기 설정된 거리 내로 주행하는 차량(300)의 식별 신호를 감지할 수 있다. 예를 들어, 통신부(140)는 블루투스 모듈을 포함할 수 있으며, 비콘(Beacon) 모드가 가능할 수 있다. 이를 통해 통신부(140)는 비콘 신호를 기 설정된 거리 내로 계속적으로 출력할 수 있으며, 차량(300)이 해당 거리 내로 진입하는 경우, 비콘 신호를 수신할 수 있다. 수신한 비콘 신호에 의한 차량(300)의 리퀘스트 신호는 식별 신호로서, 휠 상태 정보를 포함할 수 있다. 여기서 휠 상태 정보는 차량(300) 일 측의 휠에 대한 가속도 신호, 지자기 신호, 공기압 신호, 온도 신호 및 자이로센싱 신호 중 적어도 하나일 수 있다.

단계 S420에서, 수신한 휠 상태 정보의 신호를 주파수 영역으로 변환할 수 있다. 예를 들어, 수신한 시간에 따른 휠의 가속도 신호를 FFT(fast Fourier transform)를 통하여 주파수에 따른 타이어의 변형 신호로 변환할 수 있다.

다음으로 변환된 주파수 영역의 신호를 기 설정된 구간으로 분할 할 수 있다. 각 구간마다 타이어가 변형된 정도를 나타내는 타이어 변형 데이터가 추출될 수 있다.

단계 S430에서 분할된 구간 별로 대표데이터를 추출하여 특징벡터를 산출할 수 있다. 즉, 각 주파수마다의 타이어 변형강도를 벡터화할 수 있는데, 타이어가 지면에 접하고 떨어지는 순간을 포함한 타이어의 일 회전시에 대응하는 타이어의 변형강도를 차원화한 것이다. 예를 들어, 일 회전시에 대응하는 구간이 n개로 분할된 경우, n차원의 특징벡터가 산출될 수 있다. 또한, 조명 장치(100)가 휠 상태 정보를 수신한 이후부터 차량(300)이 조명 장치(100)와의 통신 범위를 벗어나는 동안까지의 휠 회전에 대한 특징벡터가 산출될 수 있다. 따라서 복수의 특징벡터가 산출될 수 있다.

다음으로, 각각의 특징벡터에 대하여 사이즈 스케일링(scaling)을 수행할 수 있다. 예를 들어, 아스팔트 조각 등에 의해 순간적으로 비정상적인 변형이 있는 것을 제거하기 위해 특징벡터에 대한 값을 양자화하여 초고주파 영역의 데이터를 제거하는 필터링을 수행 할 수 있다. 또는, 각 회전시마다 타이어가 지면에 접하고 떨어지는 순간의 변형을 위주로 판단하기 위해, 기 설정된 최대, 최소값을 특징벡터에 적용하여 사이즈를 축소할 수 있다. 이와 같이, CNN알고리즘에 기초하여 휠 상태 정보를 특징화 하는 경우, 처리 속도가 증가하고 노면 상태 정보를 추출하는 데 정확도를 향상 시킬 수 있다.

단계 S440에서, 사이즈 스케일링된 각 특징벡터를 상술한 과정에 따라 미리 구축되어 있는 분류모델에 입력값으로 적용시킬 수 있다. 이에 따라, ICE/SNOW/WET/DRY 중 하나의 노면 상태 정보가 출력되고, 제어부(110)는 이를 교통 정보로 설정할 수 있다.

도 5는 조명 장치가 노면 상태 정보를 추출하는 과정의 제 2실시예에 대한 순서도이다.

단계 S510 이전에, 노면 마찰 계수 추정 모델이 구축될 수 있다. 이는 조명 장치(100)가 센서부(120)를 통해 스스로 수집한 정보들에 교통관제 서버(200)로부터 수신한 날씨 정보를 실시간으로 접목시켜 보다 정교한 노면 상태 정보를 추출하는 데 이용될 수 있다. 여기서 노면 마찰 계수 추정 모델은 조명 장치(100)가 기 설정된 기간 동안 수집하여 누적된 방대한 양의 노면 이미지, 온도, 습도 정보 및 교통관제 서버(200)가 기 수집한 다양한 기준의 날씨 정보를 입력하면, 날씨 정보에 따른 노면 마찰 계수값을 나타내는 노면 마찰 계수 추정 함수를 출력하도록 소정의 기계학습모델에 의해 미리 학습된 것일 수 있다. 클라우드 서버는 이러한 학습을 수행하여 노면 마찰 계수 추정 모델을 구축할 수 있으며, 구축된 상기 모델은 조명 장치(100)에 미리 저장되어 있을 수 있다. 또는, 조명 장치(100)가 당시 수집한 정보들을 클라우드 서버로 전송하고 노면 마찰 계수 추정 함수를 수신하는 형식일 수도 있다.

상술한 노면 마찰 계수 추정 모델 구축과 관련하여 추가 실시예로, 노면 마찰 계수 추정 모델의 학습 속도를 증가시키고 날씨와 노면 상태의 관련성을 높이기 위하여, 교통관제 서버(200) 또는 클라우드 서버는 누적된 날씨 정보에 대해 전처리 과정을 수행 할 수 있다. 노면 마찰 계수 추정 모델에 입력값으로 적용되는 날씨 정보의 기준은 다양할수록 정확도가 높은데, 입력값이 많아질수록 추정 모델이 복잡해지는 문제가 있기 때문이다.

전처리 과정은 예를 들어, 먼저 날씨에 영향을 크게 받는 특정 도로를 선정할 수 있다. 그리고 교통관제 서버(200) 또는 클라우드 서버에는 해당 도로의 작년 상태 정보(ICE/SNOW/WET/DRY)가 저장되어 있다. 이 후, 해당 도로가 포함된 영역에 관하여, 기상예측 서버(예로, 기상청 서버)로부터 수집한 작년까지의 날씨 정보를 지형, 온도, 습도, 강수량, 적설량, 풍향, 풍속 등의 기 설정된 기준으로 분류할 수 있다. 작년까지의 분류기준에 따른 날씨 정보(=문제)와 도로 상태 정보(=답)가 준비되었으므로, 이들을 학습데이터로 사용하여 1차 노면 상태 추정 모델을 구축할 수 있다. 즉, 상기 기준으로 분류된 작년의 날씨 정보 각각을 입력하면, 해당되는 도로의 작년 상태 정보(=1차 노면 상태값)를 출력하도록 지도학습을 수행할 수 있으며 디시전 트리(Desicion Tree)의 지도학습 알고리즘으로 구현될 수 있다. 이에 따라, 노면 마찰 계수 추정 모델 학습에 입력값으로 적용되는 새로운 날씨 정보는 먼저 1차 노면 상태값으로 전처리되므로, 지형, 온도, 습도, 강수량, 적설량, 풍향, 풍속의 7개의 입력값이 1개의 입력값으로 대체되어, 노면 마찰 계수 추정 모델 구축의 복잡한 학습 과정을 완화시켜줄 수 있다.

단계 S510에서, 조명 장치(100) 내 제어부(110)는 감지부(110)로부터 수집된 이미지, 영상 정보에 기초하여 조명 장치(100)가 설치된 영역의 노면에 대한 특징 정보를 추출할 수 있다. 예를 들어, 제어부(110)는 기 설정된 주기동안 수집된 노면 이미지 별로 전체 픽셀들의 그레이 레벨(gray level)의 평균을 산출하는 이미지 처리를 수행할 수 있다. 이 후 각 이미지 별 산출된 그레이 레벨의 평균에 대한 평균값을 산출할 수 있다. 즉, 기 설정된 주기동안의 평균 그레이 레벨을 산출할 수 있으며, 이를 노면 특징 정보로 설정할 수 있다.

여기서, 평균 그레이 레벨은 노면의 평균 밝기를 나타내는 것으로, 데이터베이스에는 평상시 도로의 그레이 레벨이 미리 기준값으로 저장되어 있다. 예를 들어, 기준값에 벗어나는 경우, 눈, 블랙아이스, 기타 주행에 방해되는 물체가 노면에 존재하는 것으로 파악되는 지표가 될 수 있으며, 이를 바로 노면 상태로 추정하는 것은 무리가 있으나 노면 상태 추정에 이용되는 하나의 자료로서는 충분한 가치가 있다.

단계 S520에서, 제어부(110)는 추출된 노면 특징 정보와 감지부(120)로부터 수집된 온도 및 습도 정보 중 적어도 하나의 정보를 노면 마찰 계수 추정 모델에 적용하여 노면 마찰 계수 추정 함수를 추출할 수 있다. 노면 마찰 계수 추정 모델은 상술한 바와 같이 미리 학습되어 구축된 것이다.

여기서, 추출된 노면 마찰 계수 추정 함수는 노면 마찰 계수와 날씨의 상관 관계를 나타내는 함수로서, 날씨 상태값을 매개 변수로 하여 특정 날씨 상태값을 입력하면 노면 마찰 계수값이 추정되는 확률 연산이다. 또한, 노면 마찰 계수 추정 함수는 추출되었더라도 해당 노면의 마찰 계수가 변함에 따라 조정될 필요가 있으며, 따라서 소정의 통계적 패턴분석 연산 모델이 적용된 것을 의미할 수 있다. 마르코프 모델(Markov Model)을 그 예로 들 수 있으며, 바람직하게는 은닉 마르코프 모델(Hidden Markov Model)을 기반으로 회귀적 연산을 접목하여, 추정된 마찰 계수의 변화(결과)에 따라 노면 마찰 계수 추정 함수(상태)의 알고리즘이 조정될 수 있다.

단계 S530에서, 제어부(110)는 상기 교통관제 서버(200)로부터 수신한 날씨 정보 중 적어도 하나의 날씨 상태값을 추출된 노면 마찰 계수 추정 함수에 입력하여 추정된 노면 마찰 계수값을 산출할 수 있다.

이 후, 산출된 노면 마찰 계수값에 대응하는 노면 상태 정보를 추출할 수 있다. 여기서 데이터베이스에는 기 설정된 노면 마찰 계수값 범위 별로 ICE/SNOW/WET/DRY의 노면 상태가 매칭되어 저장되어 있을 수 있다. 예를 들어, 추정된 마찰 계수값이 0.8이고 0.7 이상이 DRY로 매칭되어 있는 경우, DRY의 노면 상태 정보가 교통 정보로 설정될 수 있다.

추출된 노면 상태 정보를 광으로 조사하는 것과는 별개로, 단계 S540에서, 차량(300)이 조명 장치(100)에 접근하여 기 설정된 거리 내에 위치하는 경우, 조명 장치(100)는 차량(300)에 노면 상태 정보를 전송하여 이중으로 운전자의 안전을 도모할 수 있다. 또한, S530 에서, 추정된 노면 마찰 계수값도 차량(300)으로 전송될 수 있다.

한편, 조명 장치(100)는 교통관제 서버(200)로 본 실시예에서 파악된 노면 마찰 계수값 및 노면 상태 정보를 전송할 수 있다. 이에 따라, 교통관제 서버(200)는 해당 도로의 노면 상태를 최신화하고 이를 다음 경로에 배치된 조명 장치로 전송함으로써, 지속적인 안전 주행을 유도할 수 있다.

추가 실시예로, 조명 장치(100)의 제어부(110)는 카메라 센서로부터 촬영된 노면 이미지를 분석하여 도로의 눈, 블랙 아이스 여부 등을 파악할 수 있다.

예를 들어, 제어부(110)는 촬영된 노면 이미지를 수신하고 이를 R, G, B영역으로 분할 할 수 있다. 이 후, 각 영역에 대응하는 그레이 레벨(gray level)값과 그 범위를 산출하고 각 그레이 레벨값에 해당하는 픽셀들의 수를 파악할 수 있다.

이 후, 노면 이미지의 전체 픽셀들에 대한 그레이 레벨값의 평균을 산출할 수 있다. 이는 노면 이미지의 휘도(L*)를 의미할 수 있다. 또한, 각 R, G, B영역의 평균 그레이 레벨의 차이값(

)을 산출할 수 있다. 이는 레드(R)영역 평균값과 블루(B)영역의 평균값의 차이를 의미할 수 있다.

이 후, 하기 (1)식을 적용하여 노면 이미지의 백색도(백색지수, index of whiteness, lw)를 산출할 수 있다.

- (1)

조명 장치(100)의 데이터베이스에는 노면에 눈이 분포된 상태를 판별하는 제 1백색도와 블랙 아이스가 포함된 상태를 판별하는 제 2백색도의 기준값이 미리 설정되어 저장되어 있을 수 있다. 이에 따라, 제어부(110)는 산출된 백색도가 제 1백색도 이상인 경우, 눈이 내린 노면 상태로 판단하고, 제 2백색도 미만인 경우, 블랙 아이스가 존재하는 노면 상태로 판단할 수 있다.

상술한 실시예들에 따르면, 본 발명의 지능형 교통 정보 제공 시스템은 노면 상태 정보를 정확하게 추정할 수 있다. 즉, 조명 장치(100)는 노면 상태 정보를 교통 정보로 하여 이에 대한 텍스트 또는 이미지를 광으로 조사할 수 있다. 안전 주행에 있어 날씨 정보는 참고 사항일 뿐이며, 운전 조작과 가장 밀접하게 관련되는 사항은 현재의 노면 상태이므로, 운전자는 보다 실용적이고 직접적인 교통 정보를 시각적으로 인지 할 수 있다.

다시 도 2를 참조하여, 단계 S320과 관련된 일 실시예에 따르면, 교통관제 서버(200)로부터 수신한 날씨 정보 및 도로 상황 정보에 기초하여 교통 정보를 파악하는 경우, 제어부(110)는 날씨 정보 및 도로 상황 정보를 위험 점수로 변환할 수 있다. 변환된 위험 점수가 기 설정된 기준값 이상으로 판단되는 경우, 주행의 리스크가 큰 것으로 파악하여 해당 날씨 정보 및 도로 상황 정보를 조명 장치(100)와 기 설정된 거리 내에 위치하는 차량(300)에 전송할 수 있다. 이에 따라, 운전자는 이중으로 경고 메시지를 제공 받음으로써, 운전에 만전을 기할 수 있다.

또한, 조명 장치(100)는 교통관제 서버(200)로부터 수신한 날씨 정보 및 도로 상황 정보에 기초하여 파악된 교통 정보가 감지부(120)에 의해 수집된 정보에 따라 스스로 파악한 교통 정보와 차이가 나는 경우가 발생할 수 있다. 예를 들어 각 교통 정보가 기 설정된 오차 범위를 보이는 경우, 어떤 교통 정보가 더 정확한지 판단하기 위하여 조명 장치(100)는 교통관제 서버(200)로 식별 정보와 함께 날씨 정보 및 도로 상황 정보의 재전송 요청 신호를 전송할 수 있다. 또한, 스스로 파악한 교통 정보를 같이 전송하여 교통관제 서버(200)에 비교 판단을 요청할 수도 있다.

단계 S330에서, 조명 장치(100)의 제어부(110)는 파악된 교통 정보와 기 매칭된 텍스트 또는 이미지를 추출할 수 있다. 예를 들면, 전방의 사고 발생과 같은 경우, 데이터베이스에는 이에 매칭되어 '정체, '사고발생'과 같은 텍스트 또는 이를 상징하는 마크 등이 저장되어 있을 수 있다.

단계 S340에서, 제어부(110)는 추출된 텍스트 또는 이미지 형태로 형성된 광을 바닥면에 조사하도록 발광부(130)를 제어할 수 있다. 발광부(130)의 특징은 미세 가공된 발광 소자를 삽입함으로써, 발광 소자를 픽셀 별로 개별 제어가 가능한 것이며, 이에 따라 특정 형태의 광을 형성할 수 있다는 것이다. 이와 관련된 구체적인 설명은 도 1을 참조하여 상술한 내용에 갈음하도록 한다.

도 6에는, 눈과 관련된 교통 정보가 파악된 경우, 눈을 상징하는 이미지의 광이 형성된 예가 도시되어 있다. 이와 같이, 본 발명의 일 실시예에 따르는 조명 장치(100)는 기존의 조명 기능에 더하여 운전자에게 메시지를 전달하는 역할도 수행할 수 있다. 따라서, 별도의 지능형 교통 장비를 도로 또는 터널에 배치하지 않더라도 공간적 제약 없이 경제적으로 지능형 교통 시스템을 운영할 수 있다.

추가 실시예로, 제어부(110)는 감지부(120) 내 카메라 센서를 통하여 수집된 정보에 기초하여 바닥면의 휘도를 파악할 수 있다. 이 후, 파악된 바닥면의 밝기(휘도)에 따라, 조사되는 광의 세기를 조절할 수 있다. 예를 들어, 밝기는 실시간으로 계속 파악되며, 이에 따라 출력되는 픽셀 별로 디밍 제어를 계속 수행하여 기 설정된 광의 세기가 유지되도록 할 수 있다. 따라서, 과도한 빛에 의한 운전자의 피로감을 예방하고, 불필요한 전력 손실을 막을 수 있다.

한편, 단계 S320에서 개시한 내용과 같이 본 발명의 일 실시예에 따르면, 교통 정보를 파악하는 과정 상, 같은 주기에서 복수의 교통 정보가 파악될 수 있다. 예를 들어, 감지부(120)에 의해 수집된 정보에 의해 블랙 아이스의 존재가 파악되고, 교통관제 서버(200)로부터 수신한 정보에 기초하여 사고 발생이 파악되며, 차량(300)으로부터 수신한 정보에 기초하여 'SNOW'의 노면 상태가 동시에 파악될 수 있다.

본 발명의 일 실시예에 따르면, 이러한 경우 단계 S330에서, 각각의 교통 정보 별로 위험 점수를 산출할 수 있다. 여기서 위험 점수를 산출하는 과정은 해당 교통 정보에 대응하는 위치와 차량(300)과의 거리, 차량의 속도, 진행 방향 및 교통 정보 별로 기 설정된 위험 지수가 고려된 소정의 연산식에 기초하여 수행될 수 있다. 예를 들어, 전방 사고 발생 정보의 위험 지수가 블랙 아이스 보다 크더라도 블랙 아이스가 존재하는 위치가 차량(300)과 더 가까운 경우 더 높은 위험 점수로 산출될 수 있다.

이 후, 제어부(110)는 산출된 위험 점수를 비교 연산할 수 있으며, 그 결과 가장 높은 위험 점수의 교통 정보에 매칭된 텍스트 또는 이미지를 추출할 수 있다. 또는, 위험 점수를 기 설정된 기준값과 비교 연산할 수 있으며, 그 이상이라고 판단되는 교통 정보에 매칭된 텍스트 또는 이미지를 추출할 수 있다.

일 실시예에 따르면, 가장 높은 위험 점수를 판단한 경우는 문제가 되지 않으나, 기준값 이상의 위험 점수에 해당하는 교통 정보는 다수 일 수 있다. 이러한 경우, 각각의 교통 정보는 안전에 밀접하게 관련되는 것이므로 모두 바닥면에 표시하여 노출시키는 것이 바람직할 수 있다. 이 때, 제어부(110)는 각각의 교통 정보에 매칭된 텍스트 또는 이미지를 추출하고, 이들을 표시하는 각각의 광들을 동시에 또는 순차적으로 조사하도록 발광부(130)를 제어할 수 있다.

즉, 기 설정된 영역으로 분할되어 동시에 조사되거나 높은 위험 점수 순서대로 조사 시간이 길게 설정되어 순차적으로 조사될 수 있다. 예를 들어, 'A', 'B'교통 정보의 위험 점수가 모두 기준값 이상이어서 이에 매칭된 'M', 'N' 이미지가 추출된 경우, 2개의 영역으로 분할되어 각 영역에 'M', 'N'을 표시하는 광이 같이 조사될 수 있다. 또는, 제어부(110)가 'A', 'B'의 위험 점수를 서로 비교한 결과, 'A'의 위험 점수가 높은 경우, 'M'의 조사 시간을 3초, 이어서 'N'의 조사 시간을 1초로 설정하여 순차적으로 조사하도록 발광부(130)를 제어할 수 있다.

본 발명의 방법 및 시스템은 특정 실시예와 관련하여 설명되었지만, 그것들의 구성 요소 또는 동작의 일부 또는 전부는 범용 하드웨어 아키텍쳐를 갖는 컴퓨터 시스템을 사용하여 구현될 수 있다.

전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.

본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.

100: 조명 장치
200: 교통관제 서버
300: 차량

Claims (5)

1. 도로 또는 터널에 배치된 조명 장치에 의해 수행되는, 실시간 교통 정보 제공 방법에 있어서,
   조명 장치에 포함된 복수의 센서를 통하여 기 설정된 범위의 영상, 온도 및 습도 중 적어도 하나의 정보를 수집하거나 교통관제 서버로부터 날씨 정보 및 도로 상황 정보를 실시간 수신하는 단계;
   상기 복수의 센서를 통하여 수집된 정보 또는 상기 교통관제 서버로부터 수신한 날씨 정보 및 도로 상황 정보에 기초하여 교통 정보를 파악하는 단계;
   상기 파악된 교통 정보와 기 매칭된 텍스트 또는 이미지를 추출하는 단계; 및
   상기 추출된 텍스트 또는 이미지 형태로 형성된 광을 바닥면에 조사하도록 발광부를 제어함으로써 상기 교통 정보가 노출되도록 하는 단계;
   를 포함하되,
   상기 교통 정보를 파악하는 단계는, 상기 조명 장치와 기 설정된 거리 내에 위치한 차량으로부터 수신한 휠 상태 정보에 기초하여 교통 정보를 파악하는 단계를 더 포함하되,
   상기 휠 상태 정보에 기초하여 파악되는 교통 정보는 상기 조명 장치가 설치된 도로의 노면 상태 정보를 포함하고,
   상기 발광부는, 적어도 하나의 발광 소자를 포함하되, 상기 발광 소자는 소정의 픽셀 단위로 세분화된 것이며, 각각의 픽셀마다 점소등 및 디밍(dimming)이 제어됨으로써 텍스트 또는 이미지 형태의 광이 형성되는 것이고,
   상기 조명 장치가 설치된 도로의 노면 상태 정보를 파악하는 과정은,
   상기 기 설정된 거리 내에 위치한 차량의 식별 신호를 감지하고,
   상기 감지한 식별 신호에 포함된 상기 차량 일 측의 휠에 대한 가속도 신호, 지자기 신호, 공기압 신호, 온도 신호 및 자이로센싱 신호 중 적어도 하나를 수신하고,
   상기 수신한 신호를 주파수 영역의 신호로 변환하고,
   상기 변환된 주파수 영역의 신호를 기 설정된 구간으로 분할하고,
   상기 분할된 구간 별로 대표데이터를 추출하여 특징벡터를 산출하고,
   상기 산출된 각각의 특징벡터에 대한 사이즈 스케일링(scaling)을 수행하고,
   상기 사이즈 스케일링된 각 특징벡터를 분류모델에 적용하여 노면 상태 정보를 추출하는 것이고,
   상기 분류모델은 휠의 가속도 신호, 지자기 신호, 공기압 신호, 온도 신호 및 자이로센싱 신호 중 적어도 하나를 입력값으로 하고 기 설정된 기준으로 분류된 노면 상태 정보 중 하나를 출력하도록 설계된 소정의 인공신경망 모델에 의해 미리 학습된 것인,
   실시간 교통 정보 제공 방법.
2. 제 1항에 있어서,
   상기 파악된 교통 정보와 기 매칭된 텍스트 또는 이미지를 추출하는 단계는,
   상기 파악된 교통 정보가 복수개인 경우, 상기 각각의 교통 정보 별로 위험 점수를 산출하는 단계; 및
   상기 산출된 위험 점수를 비교한 결과 가장 높은 위험 점수의 교통 정보에 매칭된 텍스트 또는 이미지를 추출하거나, 상기 산출된 위험 점수가 기 설정된 기준값 이상인 교통 정보에 매칭된 텍스트 또는 이미지를 추출하는 단계;
   를 포함하되,
   상기 기준값 이상인 교통 정보에 매칭된 텍스트 또는 이미지가 복수개로 추출된 경우, 상기 복수개로 추출된 텍스트 또는 이미지로 형성된 광은 기 설정된 영역으로 분할되어 동시에 조사되거나 높은 위험 점수 순서대로 조사 시간이 길게 설정되어 순차적으로 조사되는 것인,
   실시간 교통 정보 제공 방법.
3. 삭제
4. 제 1항에 있어서,
   상기 교통관제 서버로부터 수신한 날씨 정보 및 도로 상황 정보에 기초하여 교통 정보를 파악하는 단계는,
   상기 실시간으로 수신한 날씨 정보 및 도로 상황 정보를 위험 점수로 변환하는 단계; 및
   상기 변환된 위험 점수가 기 설정된 기준값 이상인 날씨 정보 및 도로 상황 정보를 상기 조명 장치와 기 설정된 거리 내에 위치하는 차량에 전송하는 단계;
   를 포함하되,
   상기 파악된 교통 정보가 상기 조명 장치 내 복수의 센서를 통하여 수집된 정보에 기초하여 파악된 교통 정보와 기 설정된 오차 범위를 보이는 경우, 상기 교통관제 서버로 상기 조명 장치의 식별 정보와 함께 상기 날씨 정보 및 도로 상황 정보의 재전송 요청 신호를 전송하는 단계를 더 포함하는,
   실시간 교통 정보 제공 방법.
5. 제 1항에 있어서,
   상기 복수의 센서를 통하여 수집된 정보 또는 상기 교통관제 서버로부터 수신한 날씨 정보 및 도로 상황 정보에 기초하여 교통 정보를 파악하는 단계는,
   상기 복수의 센서를 통하여 수집된 영상 정보에 기초하여 상기 조명 장치가 설치된 영역의 노면 특징 정보를 추출하는 단계;
   상기 노면 특징 정보와 상기 복수의 센서를 통하여 수집된 온도 및 습도 정보 중 적어도 하나의 정보를 노면 마찰 계수 추정 모델에 적용하여 노면 마찰 계수 추정 함수를 추출하는 단계;
   상기 추출된 노면 마찰 계수 추정 함수에 대하여 상기 교통관제 서버로부터 수신한 날씨 정보 중 적어도 하나의 날씨 상태값을 매개 변수로 적용함으로써, 노면 마찰 계수와 날씨의 상관 관계를 나타내는 기 설정된 확률 연산을 수행하여 노면 마찰 계수값을 추정하는 단계;
   상기 추정된 노면 마찰 계수값에 대응하는 기 설정된 기준으로 분류된 노면 상태 정보 중 하나를 추출하는 단계; 및
   상기 추정된 노면 마찰 계수값 또는 추출된 노면 상태 정보를 기 설정된 거리 내에 위치하는 차량에 전송하는 단계;
   를 포함하되,
   상기 노면 마찰 계수 추정 모델은 기 설정된 기간 동안 수집하여 누적된 노면 특징 정보, 온도 정보, 습도 정보 및 날씨 정보를 입력값으로 하고, 날씨 정보에 따른 노면 마찰 계수값을 나타내는 노면 마찰 계수 추정 함수를 출력하도록 설계된 소정의 기계학습모델에 의해 미리 학습된 것인,
   실시간 교통 정보 제공 방법.

Images