| 역할 | 이름 |
|---|---|
| 조장 | 오태훈 |
| 조원 | 이승렬, 김현수, 조민선 |
- 와차
앗!차: 차량 및 인원 식별을 통한 교통 데이터 분석 시스템
교통 데이터 수집과 분석을 통한 최적 루틴 추천 및 보행자 안전성 강화
- 교통 혼잡 문제 해결: 출퇴근 시간대의 교통 혼잡도를 분석하여 최적의 교통 흐름을 제공
- 보행자 안전성 강화: 어린이 보호구역 등에서의 보행자 분포 데이터를 활용하여 안전한 교통 환경 조성
- 공공 데이터 활용: 경기도의 다양한 공공 데이터를 활용하여 교통 관련 문제를 해결
- 데이터 수집 및 분석: 경기도 공공 데이터를 활용하여 도로, 보호구역, 정류장 관련 정보 수집 및 분석
- 객체 검출 및 추적: YOLO V8 모델을 활용한 실시간 교통 상황 모니터링
- 보행자 안전성 시스템: 어린이 보호구역의 횡단보도 보행자 분포 데이터 수집 및 혼잡 시간 알림 시스템 구현
| Dataset | 설명 | 출처 |
|---|---|---|
| 판교제로시티 CCTV 데이터 2D 바운딩박스 조회 | 판교제로시티의 CCTV 데이터를 활용하여 교통 흐름 분석 | 경기데이터드림 |
| 판교제로시티 CCTV 데이터 제로셔틀 경로추적 조회 | 제로셔틀의 경로 추적 데이터를 통해 이동 패턴 분석 | 경기데이터드림 |
- 데이터셋 준비:
- CCTV 영상 데이터에서 객체 검출을 위한 바운딩 박스(annotation) 데이터 추출
- 바운딩 박스 데이터를 YOLO V8 학습 형식에 맞게 변환
- 데이터 증강:
- 특수차량 이미지 데이터를 합성이미지 생성 모델을 통해 증강
- YOLO V8을 이용한 차량 및 보행자 검출
- DeepSORT를 이용한 객체 추적
- 실시간 교통 상황 모니터링
- 시내 도로 및 고속도로의 주차 차량 분포 모니터링
- 시간대별 혼잡도 측정 및 관련 당국에 알림 전송
- 기존 교통관제 시스템에 추가 기능 탑재
- 데이터셋 준비: CCTV 영상에서 추출한 이미지와 바운딩 박스 라벨 데이터
- 모델 학습: YOLO V8 사전학습 모델을 기반으로 추가 학습 수행
- 성능 개선: 특수차량 이미지 생성을 통해 검지율 향상
- 모델 활용: Inpaint Anything 및 Stable Diffusion을 활용하여 특수차량 이미지 합성
- 학습 데이터 증강: 특수차량 이미지 데이터를 생성하여 모델 성능 개선
- 도로 안전 및 교통 효율 개선
- 교통 통계 시계열 데이터 수집 및 분석
- 장기 주차 차량에 대한 실시간 모니터링 및 알림 시스템 구축
- 실시간 데이터 처리와 분석을 통해 교통 효율 증대
- 특수차량 검지율 향상을 통해 다양한 교통 문제 해결
- 지역사회 안전 및 편의성 증진
본 프로젝트는 장기 주차 차량 문제를 해결하기 위해 첨단 객체 검출 및 이미지 합성 기술을 활용한 혁신적인 솔루션을 제공합니다. 교통 안전성과 효율성을 동시에 개선할 수 있는 장기 주차 차량 단속 시스템을 통해 실질적인 교통 문제 해결을 기대합니다.