KR102505867B1 - 라이다 센서를 이용한 다중 차량 데이터 분석 및 교통 신호 제어 방법 및 시스템 - Google Patents

Abstract

본 발명은 본 발명은 라이다 센서를 이용한 다중 차량 데이터 분석 및 교통 신호 제어 방법 및 시스템에 관한 것으로, 보다 상세하게는 라이다 센서를 통해 확장된 범위 내의 움직이는 사물을 검지하고 산출된 데이터를 기반으로 차량 및 사람의 객체 수 등을 확인 판단할 수 있도록 함으로써, 설정된 교통정보 수집 영역에서 차선별 교통정보를 도출하여, 보다 정확한 차선별 교통정보를 도출할 수 있을 뿐만 아니라, 시스템의 설치가 단순하면서 최적화된 시스템으로 차량흐름 및 차량이 운행되는 차선별 교통정보와 보행자 구간의 사람을 검출할 수 있도록 한 라이다 센서를 이용하여 다중 차량 데이터 분석 및 교통 신호 제어 시스템을 제공하도록 한 것이다.

Description

라이다 센서를 이용한 다중 차량 데이터 분석 및 교통 신호 제어 방법 및 시스템 { Multi-vehicle data analysis and traffic signal control method and system using LiDar sensor }

본 발명은 라이다(LiDAR) 센서를 이용한 다중 차량 데이터 분석 및 교통 신호 제어 방법 및 시스템에 관한 것으로, 특히 라이다 센서를 통해 확장된 범위 내의 움직이는 사물을 검지하고 산출된 데이터를 기반으로 차량 및 사람의 객체 수 등을 확인 판단할 수 있도록 함으로써, 미리 설정된 교통정보 수집 영역에서 차선별 교통정보를 도출할 수 있기 때문에, 보다 정확한 차선별 교통정보를 도출할 수 있도록 한 것이다.

일반적으로 차량이 통행하는 도로의 교통 상황에서는 항상 차량 및 인명의 사고 가능성이 잠재되고 있으며, 현재도 수많은 교통사고 및 위험 상황에 노출되고 있다.

이와 같은 각종 사고 발생의 원인 중에는, 교차로 주변의 차량 막힘과 신호 변경의 도착예정시간(ETA) 시간이 지나치게 되어 꼬리물기 등이 사고 발생의 원인을 제공하는 문제점으로 나타나고 있다.

기존의 도로 및 교통 상황을 확인하기 위한 영상 및 고성능 센서류들은, 그 설치 비용과 운영 시에 소요되는 상당한 비용에 비해, 오 탐지 및 신호 체계가 일정하지 않는 문제점으로 인해, 그에 따른 소프트웨어 및 하드웨어 유지보수 비용이 증가하는 실정이었으며, 해외에서는 차량 정체로 인한 시간과 비용을 개선하기 위하여, 최신기술의 교통정보 기술들이 지속해서 제안되고 있는 추세이다.

한편, 라이다 시스템은 물체까지의 거리와 위치 등을 측정하고 물체의 형상까지 이미지화하는 기술로서, 라이다를 이용해 얻어진 데이터는 수많은 점들인 포인트 클라우드(Point cloud)를 이용하여, 대상 물체까지 거리, 속도와 운동 방향, 온도, 주변의 대기 물질 분석 및 농도 측정 등 다양한 분야에서 활용되고 있다.

또한, 상기한 라이다 시스템은 최근에 자율주행 분야에서 상당히 각광을 받는 분야이고, 3차원 영상을 구현하기 위하여 필요한 정보를 습득하는 센서의 핵심 기술로 라이다가 활용되고 있다.

이와 같은 라이다를 이용하여 각종 교통 및 신호 등의 정보에 활용하는 시스템에 관련한 종래의 선행기술문헌으로, 대한민국 등록특허공보 제10-2414876호의 발명의 명칭 ‘ 라이다 기반 좌회전 감응신호를 이용한 교통신호 제어시스템 ’이 있다.

상기한 종래의 발명은 라이다(LiDAR) 및 서브 카메라를 포함하여, 좌회전 대기차량을 2중으로 감지하되, 좌회전 대기차량 감지 시, 좌회전 차선의 대기길이에 대응하는 좌회전 교통신호체계를 수립하도록 구성됨으로써 교차로 모든 차선의 교통 흐름을 원활하게 유도할 수 있을 뿐만 아니라 좌회전 대기차량의 감지 누락 현상이 발생하더라도, 자체 보정을 통해 즉각적인 대응이 가능하여 좌회전 대기차량의 과도한 대기시간을 절감시켜 서비스 신뢰도 및 효율성을 높일 수 있도록 한 것이다.

그리고 다른 종래의 선행기술문헌으로, 대한민국 공개특허공보 제10-2020-0055965호의 발명의 명칭 ‘ 도로 장애물의 알림 및 차량의추적이 가능한 라이다를 이용한 교통 감시 시스템 ’은, 라이다 센서를 이용하여 차량의 통과를 감지하도록 하여 정확하게 차량 통과를 감지함과 아울러, 통과한 차량에 대한 다양한 정보를 획득하도록 한 도로 장애물의 알림 및 차량의 추적이 가능한 라이다를 이용한 교통 감시 시스템을 제공하도록 한 것이다.

그러나 종래의 도로의 각종 교통 및 신호 정보 등을 확인하는 시스템은, 주로 도로의 노면에 장비를 설치하는 방식으로 도로 상태에 따른 설비와 보수가 번거롭고, 설치된 영역이나 수집 영역을 변경할 경우 추가적인 비용이 발생하게 되는 문제점이 발생하였다.

또한, 시스템의 구축 및 설치 비용이 저렴하며, 정확한 차량과 사람에 대한 객체 추적 분류가 가능한 라이다를 사용하여, 그 설치가 단순하면서 최적화된 시스템으로 차량흐름 등의 상황을 정확하게 파악하는 혁신적인 시스템의 연구와 개발이 필요한 실정이었다.

상기한 문제점을 해결하기 위해 본 발명은, 라이다 센서를 통해 확장된 범위 내의 움직이는 사물을 검지하고 산출된 데이터를 기반으로 차량 및 사람의 객체 수 등을 확인 판단할 수 있도록 함으로써, 설정된 교통정보 수집 영역에서 차선별 교통정보를 도출하여, 보다 정확한 차선별 교통정보를 도출할 수 있을 뿐만 아니라, 시스템의 설치가 단순하면서 최적화된 시스템으로 차량흐름 및 차량이 운행되는 차선별 교통정보와 보행자 구간의 사람을 검출할 수 있도록 한 라이다 센서를 이용하여 다중 차량 데이터 분석 및 교통 신호 제어 방법 및 시스템을 제공하는데 그 목적이 있는 것이다.

본 발명은 도로 주변 및 교차로에 설치된 라이다 센서에서 감지된 데이터를 통해, 센서부(100)에서 미리 설정된 가상의 영역에서 객체를 검지하여, 동급 라이다 센서들이 상호 간의 위치 동기화를 통한 포인트 클라우드 위치를 같게 설정하고,

라이다 센서들에 각각 대응되도록 처리되어, 라이다 센서들로부터 각각의 작동상태 및 실시간 검지 좌표 정보를 수집하고, 라이다 센서들의 좌표 정보를 기반으로 정차된 차량의 수를 산출하여 현재 작동 중인 신호체계를 제어하고,

서로 다른 차량과 진행 방향, 차선에 대한 데이터 세트 생성하기 위한 지능형 기능이 사용되며 실시간으로 분석하여 차종 및 소통량을 파악이 가능하도록 프로세싱되고 좌, 우회전 및 불법 유턴 차랑 수량도 확인하여, 센서부(100)에 의해 검지된 데이터를 데이터 필터모듈부(200)에 송신하도록 하는 제1단계(S1)와;

데이터 필터모듈부(200)에서 수신된 데이터의 배경을 제거하도록 하되, 라이다 센서에서 수집되어 센서부(100)에서 검지된 기존 좌표의 센서 데이터를 영역 내의 직선거리 좌표로 변환하는 것부터 우선적으로 계산되도록 하여, 산출된 데이터를 노이즈 제거 및 포인트 클러스터모듈부(300)와 객체분석모듈부(500)에 각각 송신하도록 하는 제2단계(S2)와;

노이즈 제거 및 포인트 클러스터모듈부(300)에서의 노이즈 제거는, 군집에 의한 알고리즘을 기반으로 하여, 점과 점 사이의 가장 가까운 사이의 거리가 설정된 임곗값보다 작으면 노이즈로 간주하고, 거리를 기반으로 데이터를 산출하는 포인트 클라우드 클러스터링 과정을 진행하여, 모든 포인트 클라우드 데이터로 구분되도록 하고, 클러스터 객체 및 클래스분리모듈부(400)에 전송하여, 모든 클라우드 포인트의 범위 레이블로 저장되도록 하는 제3단계(S3)와;

삭제

제3단계에서 범위 레이블이 끝나면, 객체분석모듈부와 지능형 분석 및 추적 박스모듈부를 통하여, 최소 임계값 포인트 수보다 큰 각 클러스터에 대한 표시 상자를 추정하도록 한 후,

감지된 객체는 객체의 해당 측정 및 상태 전환을 포함하는 상태 공간 모델로 인코딩되도록 하여, 데이터를 차선 분류 및 교통정보 산출모듈부와 데이터 처리모듈부에 전송하도록 하는 제4단계와;

차선 분류 및 교통정보 산출모듈부(700)와 데이터 처리모듈부(800)에서 차선별 교통정보를 추출하는 과정을 통한 이동 객체의 산출은, 센서 신호화된 교차로에서 객체에 맞추어 매개 변수를 검출하도록 하여, 차량이 이동하는 동선을 파악하고, 그 경로에 따라 서로 다른 색상으로 구분된 이미지를 생성하여, 각 색상으로 구분되어 그룹화된 이미지를 통해, 차량의 이동 경로를 차선 분류 및 교통정보 산출모듈부(700)와 데이터 처리모듈부(800)에서 표출된 데이터로 저장하는 제5단계(S5)와;

차량 흐름 조건에서 속도 산출은 라이다 비행시간 모듈을 통한 차량 운행 시 라이다 센서를 통과할 때 빛의 반사와 객체의 시간 차를 계산하여 속도를 산출하도록 하고,

라이다 센서에 의한 차량 추적 성능과 확장형 라이다 360도 센서의 방향성을 가진 포인트 클라우드 데이터를 사용하여, 분석된 차선 데이터를 기반으로 차량의 소통량을 검지할 가상의 차선을 설정하여 차량의 운행 및 정차를 확인하도록 하는 제6단계와;

데이터 로깅부에서 전송된 차량 흐름의 산출된 데이터를 통하여, 신호기 제어부에 의한 실시간 차선별 통행량을 산출하여 판별하고, 신호기의 시간별 도착예정시간을 분석하여 신호기를 제어하도록 하는 제7단계(S7);

로 구성되는 것을 특징으로 한다.

이상에서 설명한 바와 같이, 본 발명은 라이다 센서를 통해 확장된 범위 내의 움직이는 사물을 검지하고 산출된 데이터를 기반으로 차량 및 사람의 객체 수 등을 확인 판단할 수 있도록 함으로써, 설정된 교통정보 수집 영역에서 차선별 교통정보를 도출하여, 보다 정확한 차선별 교통정보를 도출할 수 있을 뿐만 아니라, 시스템의 설치가 단순하면서 최적화된 시스템으로 차량흐름 및 차량이 운행되는 차선별 교통정보와 보행자 구간의 사람을 검출할 수 있도록 한 라이다 센서를 이용하여 다중 차량 데이터 분석 및 교통 신호 제어 시스템을 제공하도록 한 유익한 발명인 것이다.

또한, 본 발명은 서로 다른 차량과 진행 방향, 차선에 대한 데이터 세트 생성하기 위한 지능형 기능이 사용되며 실시간으로 분석하여 차종 및 소통량을 파악이 가능하도록 프로세싱되고 좌, 우회전 및 불법 유턴 차랑 수량도 확인할 수 있을 뿐만 아니라, 감지된 데이터의 전경과 배경을 분리하고, 이동 지점을 차량 또는 차량이 아닌 것으로 클러스터링하고, 추적된 도로 사용자의 데이터는 속도 추정 및 안전 분석에 사용되도록 할 수 있도록 한 유익한 발명인 것이다.

도 1은 본 발명의 라이다 센서를 이용하여 다중 차량 데이터 분석 및 교통 신호 제어 방법의 실시예를 나타낸 블록도이고, 본 발명의 방법에 따른 시스템를 나타낸 장치도이다.
우선 각 도면의 구성요소들에 참조부호를 부가함에 있어서, 동일한 구성요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 부호를 가지도록 하고 있음에 유의해야 한다.
또한, 본 발명을 설명함에 있어서, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략한다.

이하, 본 발명의 라이다 센서를 이용하여 다중 차량 데이터 분석 및 교통 신호 제어 방법 및 시스템의 실시예를 첨부된 도면을 참조하여 상세히 설명하면 다음과 같다.

도 2에 도시된 바와 같이, 본 발명의 라이다 센서를 이용하여 다중 차량 데이터 분석 및 교통 신호 제어 시스템은, 도로변 및 교차로에 설치되어 차량의 소통량과 차량의 운행 및 정차를 수집 확인하도록 하는 라이다 센서를 구비한 센서부(100)와, 상기 센서부(100)에서 검지된 데이터를 수신하여 데이터의 배경을 제거하도록 하는 데이터 필터모듈부(200)와, 데이터의 노이즈를 제거하고 데이터를 구분하도록 하는 노이즈 제거 및 포인트 클러스터모듈부(300)와, 수신 데이터를 모든 클라우드 포인트의 범위 레이블로 저장하도록 하는 클러스터 객체 및 클래스분리모듈부(400)와, 데이터에서 객체를 분석하도록 하는 객체분석모듈부(500)와, 각 클러스터에 대한 표시 상자를 추정 산출하도록 하는 지능형 분석 및 추적 박스모듈부(600)와, 데이터를 통해 차량의 동선을 파악하고 이동 경로를 산출 표현되도록 하는 차선 분류 및 교통정보 산출모듈부(700)와, 차량의 돌발상황을 분류하고 처리하는 데이터 처리 모듈부(800)와, 차량 흐름 데이터 및 교통 정보를 기록하고 산출하도록 하는 데이터 로깅부(900)와, 신호기를 제어하도록 하는 신호기 제어부(C)로 구성된다.

제1단계 (S1)

라이다(LiDAR)는 일정한 빛이 날아간 거리와 물체 사이의 거리를 왕복하여 걸린 시간, 즉 비행시간(Time of Filght, ToF)을 표시함으로 실제 정확한 GPS 좌표를 얻을 수 있기 때문에, 모니터링 영역 내에서 이동할 수 없는 공간은 실제 위치에 기반하여 가상의 경계나 구역을 만드는 기술인 Geofencing 방식을 사용하여 추가 제거하도록 하고, 센서부(100)에 의해 검지된 데이터를 데이터 필터모듈부(200)에 송신하도록 한다.

라이다 센서는 도로 주변 또는 교차로에 설치되고, 센서부(100)에서 미리 설정된 가상의 영역에서 객체를 검지하여 동급 라이다 센서들이 상호 간의 위치 동기화를 통한 포인트 클라우드(Point Cloud) 위치를 같게 설정할 수 있도록 한다.

그리고, 검지된 포인트 클라우드들은 신호들에 따라 차량 정보와 돌발상황 정보를 생성하고, 검지 영역 중에서 미리 설정된 교통정보 수집 영역에서 가상 영역을 선택하고 차선별 교통정보를 생성하여 도출하는 교통정보 수집장치를 포함하도록 한다.

교통정보 수집장치는 라이다 센서들에 각각 대응되도록 처리되어, 라이다 센서들로부터 각각의 작동상태 및 실시간 검지 좌표 정보를 수집하고, 라이다 센서들의 좌표 정보를 기반으로 정차된 차량의 수를 산출하여 현재 작동 중인 신호체계를 제어하는 데이터를 송신하도록 한다.

그리고, 서로 다른 차량과 진행 방향, 차선에 대한 데이터 세트 생성하기 위한 지능형 기능이 사용되며 실시간으로 분석하여 차종 및 소통량을 파악이 가능하도록 프로세싱되고 좌, 우회전 및 불법 유턴 차랑 수량도 확인하여, 검지된 데이터를 데이터 필터모듈부(200)에 송신하도록 한다.

라이다 센서는 물체의 반사율과 라이다에서 사용하는 파장에 따라 자체 및 강도 값에 대한 거리를 기록하고, 데이터 패킷과 위치 패킷의 두 가지 유형의 패킷이 생성된다.

위치 패킷을 GPS 패킷이라고 하며 데이터 패킷에는 거리 및 강도 정보가 포함되고, 라이다 시스템은 초기에 구면 좌표계를 사용하다가 구면 형식의 데이터를 XYZ 좌표 형식으로 변환한다.

라이다 센서는 확장형 감지 능력으로 360°포인트 클라우드 스캐닝이 가능하며, 감지가 완료된 후 하나의 데이터 프레임을 생성된다.

배경 판단 기준으로 라이다 빔 센서 주변에 감지가 필요한 물체가 나타난 경우, 같은 방위각 바닥 거리와 물체에 충돌하는 두 라이다 빔 지점의 범위가 비교되며, 배경 충돌 지점에서 바닥의 반사 객체보다 더 멀기 때문에 더 작은 범위 지점이 보존되며 가장 중요한 데이터로 유지하게 된다.

라이다 스트리밍 데이터는 강도 값의 추가적인 위치 비행정보(ToF)와 함께 데이터 좌표에 저장되고, 라이다 빔의 수와 각 라이다 빔의 높이는 라이다 장치에 대해 고정됨으로써, 좌표값을 알려진 요인으로 간주하며 높이에 대한 데이터는 별도로 유지할 필요가 없게 된다.

제2단계 (S2)

데이터 필터모듈부(200)에서 수신된 데이터의 배경 제거 방법은, 센서 좌표에서 직접 수행되는데, 이는 라이다 센서에서 수집되어 센서부(100)에서 검지된 데이터의 기존 좌표로서, 센서 데이터를 영역 내의 직선거리 좌표로 변환하는 것부터 우선적으로 계산되도록 하여, 산출된 데이터를 노이즈 제거 및 포인트 클러스터모듈부(300)와 객체분석모듈부(500)에 각각 송신하도록 한다.

라이다 처리 방법은 데카르트 좌표를 기반으로 하며, 데이터는 데이터 매트릭스로 저장되고, 효율적인 배경을 제거하기 위해 프로세스 사용 시 90% 이상의 데이터가 제거될 수 있기 때문에, 좌표 시스템을 사용하면 라이다 포인트 클라우드 데이터 정보 획득 및 전송 효율이 극대화되는 것이다.

제3단계 (S3)

노이즈 제거 및 포인트 클러스터모듈부(300)에서의 노이즈 제거는 군집에 의한 고려(Local Outlier Factor, LOF) 알고리즘을 기반으로 한다.

점과 점 사이의 가장 가까운 사이의 거리가 설정된 임곗값보다 작으면 노이즈로 간주하고, 거리를 기반으로 데이터를 산출하는 포인트 클라우드 클러스터링 과정을 진행하여, 모든 포인트 클라우드 데이터로 구분되도록 하고, 클러스터 객체 및 클래스분리모듈부(400)에 전송하여, 모든 클라우드 포인트의 범위 레이블로 저장되도록 한다.

제4단계 (S4)

범위 레이블이 끝나면, 객체분석모듈부(500)와 지능형 분석 및 추적 박스모듈부(600)를 통하여, 최소 임계값 포인트 수보다 큰 각 클러스터에 대한 표시 상자를 추정하도록 한다.

이후, 감지된 객체는 객체의 해당 측정 및 상태 전환(x, y, z, 차원의 속도, 회전 속도)을 포함하는 상태 공간 모델로 인코딩되도록 하여, 데이터를 차선 분류 및 교통정보 산출모듈부(700)와 데이터 처리모듈부(800)에 전송하도록 한다.

그리고, 상호작용 모듈(Interacting Multiple Model, IMM) 필터가 있는 공동 확률적 데이터 연관(Joint Probabilistic Data Association, JPDA) 필터 추적기가 적용되어 각 데이터 레이어에 추적된 개체 목록을 업데이트하도록 한다.

사진 1

사진 1은 라이다 내에 분석된 객체의 박스 형태 표시기능을 나타낸 사진으로서, 신호화된 교차로의 차량 감지 및 추적 결과를 보여주는 단계 후의 포인트 클라우드의 탐지 데이터 모델 출력이 표시되도록 한다.

그리고, 이동 차량은 녹색으로 표시되고 배경 LiDAR 포인트 클라우드는 보라색으로 표시된다.

색상에 따른 추적 모듈 출력이 포함되어 표시되도록 하고, 객체 분석 모듈에서 감지된 객체는 객체상자통해 추적 기록에 대한 DB에서 저장 및 표출이 가능하도록 한다.

또한, 실시간 차량 감지 및 추적을 위해 라이다 객체 전용 데이터 세트와 객체 추적 프레임워크(DeepSort)에서 훈련된 Yolov5를 사용하여 라이다 데이터와 동일한 타임스탬프에서 비디오를 저장하고, 데이터 산출 참고용 데이터로 사용된다.

제5단계 (S5)

차선 분류 및 교통정보 산출모듈부(700)와 데이터 처리모듈부(800)에서 차선별 교통정보를 추출하는 과정을 통한 이동 객체의 산출은, 센서 신호화된 교차로에서 객체에 맞추어 매개 변수를 검출하도록 하여, 차량이 이동하는 동선을 파악하고 그 경로에 따라 서로 다른 색상으로 구분된 이미지를 생성하여, 각 색상으로 구분되어 그룹화된 이미지를 통해, 차량의 이동 경로를 차선 분류 및 교통정보 산출모듈부(700)와 데이터 처리모듈부(800)에서 표출된 데이터로 저장하도록 한다.

라이다에 검지된 객체의 차량 종류, 차량의 속도 및 차량의 위치를 포함한 차량 정보를 추출하고, 미리 설정된 돌발판단기준에 따라 정지 차량, 역주행 차량, 차량 접촉 사고를 포함한 돌발상황을 분류하는 데이터 처리 모듈부(800)에 저장되도록 하며, 데이터 처리 모듈부(800)에 미리 설정된 가상의 차선 정보에 따라 교통정보수집영역에서 차들이 주행하는 차선들을 도출하고, 각 차선에 대한 분 단위 통행에 대한 차량 대수, 시간 단위 동안 통행 차들의 평균 속도 및 시간 단위로 차들의 점유율을 차선별로 히트맵으로 표현하는 교통정보 산출 모듈부(700)를 포함한다.

라이다 기반 객체 감지 알고리즘은 지향형 라이다 객체 감지 방식과 확산형 라이다 객체 감지 방식으로 분류되고, 대부분 라이다 데이터 처리 알고리즘은 도로를 주행하는 차량에 대한 정확한 포인트 클라우드를 이용한 3D 좌표 정보를 사용한다.

도로변 설치되는 라이다 센서의 데이터 처리 방법은 주로 배경 필터링 방법을 기반으로 하고, 라이다 센서 분류 방법은 포인트 기반, 복셀 기반, 투영 기반 및 구형 각도 기반을 비롯한 다양한 데이터 표현 방식에 따라 분류될 수 있는 것이다.

아래의 사진 2는 예시로 차량 감지 및 추적 결과에 따른 경로 추출 결과이며, 95% 이상의 정확도로 10분 간격으로 교통량에 대한 보고서를 생성한다.

사진 2

사진 2는 사거리 진행되는 객체를 2D 선형으로 표시를 나타낸 것으로서, 사거리 방향 모두에 대한 차량 이동 계수가 라이다 센서에 의해 수집되어 계수되고, 이러한 차량의 움직임에 따른 객체를 확인하고 배경은 탐지 및 추적 모듈을 사용한다.

이동하는 차량 정보에 따라 사전에 설정된 가상의 차선에 차량이 주행 차량으로 인식되는 경우 객체를 필터링하고 객체 필터링 과정에서 상기 차량 정보에 따라 차량에 고유번호(ObjectID)를 배정하고 서로 같은 차선을 주행하는 두 대의 차량에 대하여 논리적으로 분리하는 포인트 클라우드 클러스터를 구현하여 한 대의 차량이 주행하는 것으로 판단하지 않게 객체 검증 과정을 포함하도록 한다.

제6단계 (S6)

차량 흐름 조건에서 속도 산출은 라이다 비행시간(TOF) 모듈을 통한 차량 운행 시 라이다 센서를 통과할 때 빛의 반사와 객체의 시간 차를 계산하여 속도를 산출하도록 한다.

이때, 차량 추적 성능은 라이다 센서를 도로변의 3ｍ 이상의 높이에 설치하며 확장형 라이다 360도 센서의 방향성을 가진 포인트 클라우드 데이터를 사용하여, 분석된 차선 데이터를 기반으로 차량의 소통량을 검지할 가상의 차선을 설정하여 차량의 운행 및 정차를 확인하게 된다.

그리고, 차 속의 판별은 정제속도 측정법을 사용하여 차 속을 판별하며 모든 차량 객체에 대하여서 수집되고, 차량은 직선도로에서의 안정적인 속도로 진입하거나 '가다, 서다'의 운행방식으로 전진하여도 속도 측정이 가능하게 된다.

또한, 차량의 좌회전과 우회전을 하고, 일정한 속도로 전진하며. 진입 시 정차의 경우도 측정할 수 있는 것이다.

제7단계 (S7)

데이터 로깅부(900)에서 전송된 차량 흐름의 산출된 데이터를 통하여, 신호기 제어부(C)에 의한 실시간 차선별 통행량을 산출하여 판별하고, 신호기 시간별 ETA를 분석하여 신호기를 제어할 수 있도록 한다.

상술한 바와 같이, 도로변 라이다 센서에서 분류된 데이터는 교통 관리에 통합하여, 신호 교차로, 건널목, 작업 구역, 정지 신호 교차로 및 고속도로를 포함하여, 다양한 혼잡 수준 및 교통 구성에서 인프라 기반 라이다를 사용하여 차선 및 이동 기반 교통량 자료수집 가능하도록 한다.

아래의 사진3은 설치된 라이다 센서를 이용하여 교차로 및 삼거리 등의 교통 자료를 수집하여 차량의 멈춤 및 정지 상태를 실시간으로 확인할 수 있도록 배경용 포인트 클라우드와 포인트 클라우드 범위(Point Cloud Cluster), 그리고 실제 위치에 기반하여 가상의 경계나 구역을 만드는 기술(Geofencing)을 저장하고 표현이 가능하다.

즉, 라이다를 이용해 얻어진 데이터의 수 많은 점들을 기술적 필터링을 적용하여 표현하는 사진이다.

사진 3

그리고, 아래의 사진 4는 사거리 교차로에 대한 차량 및 보행자를 분석하여 판별 가능하도록 한 사진으로서, 도로변에 설치된 라이다를 사용하여 사거리 내에 가상의 차선을 설정하고 보행자 구간을 설정하고, 차량 진행에 따른 보행자 보호가 가능한지 확인이 가능하며, 지정된 영역에 보행자가 없을 경우, 차량이 우선적으로 진행할 수 있게 신호 체계를 변경할 수 있도록 한 것이다.

사진 4

또한, 센서의 위치에 따른 귀속이 되지 않으며, 추가적인 센서에 대한 확장성과 손쉬운 유지 관리를 위해, 논리적 교정(Calibration) 기술을 통한 위치 변경 및 동적 클러스터링을 통해 X,Y,Z,광선밀도(intensity) 좌표를 변경하고 사용할 수 있도록 한다.

그리고, 라이다 데이터는 즉각적인 데이터 수집 및 지능형 분석 기능을 통해 교차로에서 객체에 대한 위치 정보 수집 및 전송 시스템 송, 수신부를 이용하여 운영되도록 한다.

라이다는 혁신적인 감지 및 탐지 방법으로 신호제어 판단을 실시간으로 평가하고 객체의 소통량을 관찰하는 것이고, 그 결과는 교차로 내의 안전을 개선하고 혼잡을 줄이며 환경을 개선하는 용도로 사용된다.

차량 감지 및 추적은 비교 분석을 위해 파이썬3(Python3) 및 YOLOV5등 지능형 솔루션으로 사용하여 처리되고, 라이다 센서는 3미터 이상 높이에서 광범위한 주변 환경에 전체적인 3D 측정을 충분히 제공할 수 있게 설치하는 것이 바람직하고, 아래의 사진 5를 통해 설치된 라이다에 의해 광범위한 객체를 탐지할 수 있도록 한다.

사진 5

이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다.

따라서, 본 발명에 개시된 실시예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다.

본 발명의 보호 범위는 아래 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.

도면 주요 부분에 대한 부호의 설명
100 : 센서부 200 : 데이터 필터모듈부
300 : 노이즈 제거 및 디스플레이 클러스터모듈부
400 : 클러스터 객체 및 클래스분리모듈부
500 : 객체분석모듈부 600 : 지능형 분석 및 추적 박스모듈부
700 : 차선분류 및 교통정보 산출모듈부
800 : 데이터 처리부 900 : 데이터 로깅부
C : 신호기 제어부
S1 : 제1단계 S2 : 제2단계
S3 : 제3단계 S4 : 제4단계
S5 : 제5단계 S6 : 제6단계
S7 : 제7단계

Claims (6)

1. 도로 주변 및 교차로에 설치된 라이다 센서에서 감지된 데이터를 통해, 센서부(100)에서 미리 설정된 가상의 영역에서 객체를 검지하여, 동급 라이다 센서들이 상호 간의 위치 동기화를 통한 포인트 클라우드 위치를 같게 설정하고,
   라이다 센서들에 각각 대응되도록 처리되어, 라이다 센서들로부터 각각의 작동상태 및 실시간 검지 좌표 정보를 수집하고, 라이다 센서들의 좌표 정보를 기반으로 정차된 차량의 수를 산출하여 현재 작동 중인 신호체계를 제어하고,
   서로 다른 차량과 진행 방향, 차선에 대한 데이터 세트 생성하기 위한 지능형 기능이 사용되며 실시간으로 분석하여 차종 및 소통량을 파악이 가능하도록 프로세싱되고 좌, 우회전 및 불법 유턴 차랑 수량도 확인하여, 센서부(100)에 의해 검지된 데이터를 데이터 필터모듈부(200)에 송신하도록 하는 제1단계(S1)와;
   데이터 필터모듈부(200)에서 수신된 데이터의 배경을 제거하도록 하되, 라이다 센서에서 수집되어 센서부(100)에서 검지된 기존 좌표의 센서 데이터를 영역 내의 직선거리 좌표로 변환하는 것부터 우선적으로 계산되도록 하여, 산출된 데이터를 노이즈 제거 및 포인트 클러스터모듈부(300)와 객체분석모듈부(500)에 각각 송신하도록 하는 제2단계(S2)와;
   노이즈 제거 및 포인트 클러스터모듈부(300)에서의 노이즈 제거는, 군집에 의한 알고리즘을 기반으로 하여, 점과 점 사이의 가장 가까운 사이의 거리가 설정된 임곗값보다 작으면 노이즈로 간주하고, 거리를 기반으로 데이터를 산출하는 포인트 클라우드 클러스터링 과정을 진행하여, 모든 포인트 클라우드 데이터로 구분되도록 하고, 클러스터 객체 및 클래스분리모듈부(400)에 전송하여, 모든 클라우드 포인트의 범위 레이블로 저장되도록 하는 제3단계(S3)와;
   제3단계에서 범위 레이블이 끝나면, 객체분석모듈부(500)와 지능형 분석 및 추적 박스모듈부(600)를 통하여, 최소 임계값 포인트 수보다 큰 각 클러스터에 대한 표시 상자를 추정하도록 한 후,
   감지된 객체는 객체의 해당 측정 및 상태 전환을 포함하는 상태 공간 모델로 인코딩되도록 하여, 데이터를 차선 분류 및 교통정보 산출모듈부(700)와 데이터 처리모듈부(800)에 전송하도록 하는 제4단계(S4)와;
   차선 분류 및 교통정보 산출모듈부(700)와 데이터 처리모듈부(800)에서 차선별 교통정보를 추출하는 과정을 통한 이동 객체의 산출은, 센서 신호화된 교차로에서 객체에 맞추어 매개 변수를 검출하도록 하여, 차량이 이동하는 동선을 파악하고, 그 경로에 따라 서로 다른 색상으로 구분된 이미지를 생성하여, 각 색상으로 구분되어 그룹화된 이미지를 통해, 차량의 이동 경로를 차선 분류 및 교통정보 산출모듈부(700)와 데이터 처리모듈부(800)에서 표출된 데이터로 저장하는 제5단계(S5)와;
   차량 흐름 조건에서 속도 산출은 라이다 비행시간 모듈을 통한 차량 운행 시 라이다 센서를 통과할 때 빛의 반사와 객체의 시간 차를 계산하여 속도를 산출하도록 하고,
   라이다 센서에 의한 차량 추적 성능과 확장형 라이다 360도 센서의 방향성을 가진 포인트 클라우드 데이터를 사용하여, 분석된 차선 데이터를 기반으로 차량의 소통량을 검지할 가상의 차선을 설정하여 차량의 운행 및 정차를 확인하도록 하는 제6단계(S6)와;
   데이터 로깅부(900)에서 전송된 차량 흐름의 산출된 데이터를 통하여, 신호기 제어부(C)에 의한 실시간 차선별 통행량을 산출하여 판별하고, 신호기의 시간별 도착예정시간을 분석하여 신호기를 제어하도록 하는 제7단계(S7);
   로 구성되는 것을 특징으로 하는 라이다 센서를 이용한 다중 차량 데이터 분석 및 교통 신호 제어 방법.
   
2. 제1항에 있어서,
   제1단계는,
   검지된 포인트 클라우드들은 신호들에 따라 차량 정보와 돌발상황 정보를 생성하고, 검지 영역 중에서 미리 설정된 교통정보 수집 영역에서 가상 영역을 선택하고 차선별 교통정보를 생성하여 도출하는 것을 포함하도록 구성되는 것을 특징으로 하는 라이다 센서를 이용한 다중 차량 데이터 분석 및 교통 신호 제어 방법.
   
3. 제1항에 있어서,
   제4단계는,
   상호작용 모듈 필터가 있는 공동 확률적 데이터 연관 필터 추적기가 적용되어 각 데이터 레이어에 추적된 개체 목록을 업데이트하도록 구성되는 것을 특징으로 하는 라이다 센서를 이용한 다중 차량 데이터 분석 및 교통 신호 제어 방법.
   
4. 제1항에 있어서,
   제5단계는,
   라이다에 검지된 객체의 차량 종류, 차량의 속도 및 차량의 위치를 포함한 차량 정보를 추출하고, 미리 설정된 돌발판단기준에 따라 정지 차량, 역주행 차량, 차량 접촉 사고를 포함한 돌발상황을 분류하는 데이터 처리 모듈부(800)에 저장되도록 하며,
   데이터 처리 모듈부(800)에 미리 설정된 가상의 차선 정보에 따라 교통정보수집영역에서 차들이 주행하는 차선들을 도출하고, 교통정보 산출 모듈부(700)에서 각 차선에 대한 분 단위 통행에 대한 차량 대수, 시간 단위 동안 통행 차들의 평균 속도 및 시간 단위로 차들의 점유율을 차선별로 히트맵으로 표현하도록 구성되는 것을 특징으로 하는 라이다 센서를 이용한 다중 차량 데이터 분석 및 교통 신호 제어 방법.
   
5. 제1항에 있어서,
   제6단계는,
   차 속의 판별은 정제속도 측정법을 사용하여 차 속을 판별하며 모든 차량 객체에 대하여서 수집되고, 차량은 직선도로에서의 안정적인 속도로 진입하거나 '가다, 서다'의 운행방식으로 전진하여도 속도 측정이 가능하도록 하고,
   차량의 좌회전과 우회전을 하고, 일정한 속도로 전진하며. 진입 시 정차의 경우도 측정하도록 구성되는 것을 특징으로 하는 라이다 센서를 이용한 다중 차량 데이터 분석 및 교통 신호 제어 방법.
   
6. 도로변 및 교차로에 설치되어 차량의 소통량과 차량의 운행 및 정차를 수집 확인하도록 하는 라이다 센서를 구비한 센서부(100)와;
   센서부(100)에서 검지된 데이터를 수신하여 데이터의 배경을 제거하도록 하는 데이터 필터모듈부(200)와;
   데이터의 노이즈를 제거하고 데이터를 구분하도록 하는 노이즈 제거 및 포인트 클러스터모듈부(300)와;
   수신 데이터를 모든 클라우드 포인트의 범위 레이블로 저장하도록 하는 클러스터 객체 및 클래스분리모듈부(400)와;
   데이터에서 객체를 분석하도록 하는 객체분석모듈부(500)와;
   각 클러스터에 대한 표시 상자를 추정 산출하도록 하는 지능형 분석 및 추적 박스모듈부(600)와;
   데이터를 통해 차량의 동선을 파악하고 이동 경로를 산출 표현되도록 하는 차선 분류 및 교통정보 산출모듈부(700)와;
   차량의 돌발상황을 분류하고 처리하는 데이터 처리 모듈부(800)와;
   차량 흐름 데이터 및 교통 정보를 기록하고 산출하도록 하는 데이터 로깅부(900)와;
   신호기를 제어하도록 하는 신호기 제어부(C);
   구성되는 것을 특징으로 하는 라이다 센서를 이용한 다중 차량 데이터 분석 및 교통 신호 제어 시스템.
   

Images