음향 데이터를 활용한 딥러닝 기반 긴급차량 우선 신호 시스템
DC Field | Value | Language |
---|---|---|
dc.contributor.author | 이소연 | - |
dc.contributor.author | 장재원 | - |
dc.contributor.author | 김대영 | - |
dc.date.accessioned | 2022-05-30T06:40:22Z | - |
dc.date.available | 2022-05-30T06:40:22Z | - |
dc.date.issued | 2021-09 | - |
dc.identifier.issn | 2289-0181 | - |
dc.identifier.issn | 2289-019X | - |
dc.identifier.uri | https://scholarworks.bwise.kr/sch/handle/2021.sw.sch/20850 | - |
dc.description.abstract | 일반적으로 골든 타임은 인명 구조나 화재 진압 등의 사고 초기대응에 있어서 가장 중요한 시간을 의미한다. 골든 타임은 재난 상황별로 다르지만 화재나 구급에 있어서는 5분을 목표로 하고 있다. 하지만 실제 현장의 경우 구급차의 평균 출동 시간은 9분, 평균 이송 시간은 17.6분으로 골든 타임과 비교하여 상당히 큰 지연시간이 존재한다. 이러한 지연시간에는 다양한 원인이 존재하지만 가장 큰 원인은 교통체증이다. 해당 문제를 해결하기 위해 정부에서는 긴급 자동차 양보의무법 제정, 사고 발생률이 가장 높은 장소에 구급차 우선 배치 등을 골든 타임을 확보하고 있지만, 교통량이 빠른 속도로 증가하는 출퇴근 상황에서는 해결책이 되지 못하고 있다. 따라서 본 논문에서는 신호등에 사운드 센서를 설치하여 수집된 소리 데이터를 활용한 딥러닝 기반 긴급차량 우선 신호 시스템을 제안하고 긴급차량의 주파수 대역을 추출하고 거리에 따라 다르게 나타나는 진폭 신호를 분류하는 실험을 진행하였다. | - |
dc.format.extent | 8 | - |
dc.language | 한국어 | - |
dc.language.iso | KOR | - |
dc.publisher | 아이씨티플랫폼학회 | - |
dc.title | 음향 데이터를 활용한 딥러닝 기반 긴급차량 우선 신호 시스템 | - |
dc.title.alternative | Emergency vehicle priority signal system based on deep learning using acoustic data | - |
dc.type | Article | - |
dc.publisher.location | 대한민국 | - |
dc.identifier.doi | 10.23023/JPT.2021.9.3.044 | - |
dc.identifier.bibliographicCitation | Journal of Platform Technology, v.9, no.3, pp 44 - 51 | - |
dc.citation.title | Journal of Platform Technology | - |
dc.citation.volume | 9 | - |
dc.citation.number | 3 | - |
dc.citation.startPage | 44 | - |
dc.citation.endPage | 51 | - |
dc.identifier.kciid | ART002761609 | - |
dc.description.isOpenAccess | N | - |
dc.description.journalRegisteredClass | kciCandi | - |
dc.subject.keywordAuthor | Deep learning | - |
dc.subject.keywordAuthor | traffic control system | - |
dc.subject.keywordAuthor | sound-based learning | - |
dc.subject.keywordAuthor | emergency vehicle | - |
dc.subject.keywordAuthor | intelligent traffic system | - |
Items in ScholarWorks are protected by copyright, with all rights reserved, unless otherwise indicated.
(31538) 22, Soonchunhyang-ro, Asan-si, Chungcheongnam-do, Republic of Korea+82-41-530-1114
COPYRIGHT 2021 by SOONCHUNHYANG UNIVERSITY ALL RIGHTS RESERVED.
Certain data included herein are derived from the © Web of Science of Clarivate Analytics. All rights reserved.
You may not copy or re-distribute this material in whole or in part without the prior written consent of Clarivate Analytics.