주행 안전성 평가를 위한 블랙박스 영상 인식 적용 기법 연구

Abstract

교통 안전성 평가는 교통사고 자료, 내비게이션 및 운행기록장치, 시뮬레이션 등을 주로 사용하고 있으나, 사고 발생 직전의 상황을 규명하는 데에는 한계가 있다. 블랙박스 영상의 경우 사고 발생 직전의 상황을 가장 잘 설명할 수 있는 데이터를 얻을 수 있으며, 차량 소유주의 동의를 얻으면 사고 영상을 쉽게 취득할 수 있고, 보급률이 100%에 달해 샘플 데이터 구득이 용이하다는 장점이 있다(Han and Yang, 2007). 본 연구는 블랙박스 영상에서 관련된 데이터를 추출하고, 후미추돌 교통사고 상황에서의 차량 행태를 분석하여 교통안전성을 평가하는 방법론을 제시하고자 한다. 이를 위해 후미추돌 교통사고의 블랙박스 영상 분석을 위하여 OpenCV의 YOLO5에 기반한 영상인식 알고리즘을 개발하여 블랙박스 영상에서의 객체 인식을 수행한다. 그리고 선행 및 후행 차량 속도를 예측하고 차간 거리를 추정하는 알고리즘을 개발한다. 실도로 주행실험을 통해 개발된 알고리즘의 학습 및 보정을 진행하였으며 고속도로 본선에서 발생한 12건의 후미추돌사고에 대해 각각의 속도 및 TTC를 추출하였다. 12건의 사고를 속도를 기준으로 3가지 그룹으로 나누어 각 그룹별 특성을 분석하였다. 본 연구는 블랙박스 영상을 통한 후미추돌사고 발생 직전의 차량 행태 분석을 위한 알고리즘을 개발하였으며, 추후 카메라를 이용한 영상분석에 기반한 안전성 분석 및 자율주행차량의 사고 회피 및 대응을 위한 기초자료를 구축할 때 활용될 수 있다. 또한, 알고리즘 및 평가지표의 고도화를 통하여 실 도로 상황에서의 교통안전성 증진을 위한 전략 수립에 기여할 수 있을 것으로 기대된다.

To evaluate traffic safety, traffic accident data, navigation systems, driving recorders, and simulations are commonly used. However, these methods have limitations in identifying situations immediately before accidents occur. In contrast, black box camera footage can be obtained with the vehicle owner's consent and, with a 100% penetration rate, allows for comprehensive analysis of all vehicles. This study aims to analyze vehicle behavior in rear-end collision situations based on black box camera footage and to establish foundational data for future collision avoidance and response strategies for autonomous vehicles. To analyze rear-end collision black box camera footage, an image recognition algorithm based on OpenCV's YOLO5 is developed to perform object recognition in the footage. Additionally, algorithms are developed to predict the speed of preceding and following vehicles and to estimate the inter-vehicle distance. Real road driving experiments were conducted to train and calibrate the developed algorithms. Speeds and Time-to-Collision were extracted from 12 rear-end collision cases that occurred on highways. These 12 accidents were categorized into three groups based on speed, and the characteristics of each group were analyzed. Through this study, an algorithm was developed to analyze vehicle behavior immediately before rear-end collisions using black box camera footage. The further refinement of this algorithm and evaluation metrics is expected to advance video-based traffic accident analysis and contribute to the development of strategies for improving traffic safety in real road conditions.