Journal Search Engine

View PDF Download PDF Export Citation Korean Bibliography PMC Previewer
The Journal of The Korea Institute of Intelligent Transport Systems Vol.17 No.6 pp.144-152
DOI : https://doi.org/10.12815/kits.2018.17.6.144

A Study on Traffic Data Collection and Analysis for Uninterrupted Flow using Drones

Sung-Hyuk Seo*, Si-Bok Lee**
*Dept. of Smart City Engineering (Drone and Transportation Eng. Division), Youngsan Univ.
**Dept. of Smart City Engineering (Drone and Transportation Eng. Division), Youngsan Univ.
†Corresponding author : Sung-Hyuk Seo, usayss@naver.com
20181101 │ 20181121 │ 20181129

Abstract


This study focuses on collecting traffic data using drones to compensate for limitation of the data collected by the existing traffic data collection devices. Feasibility analysis was performed to verify the traffic data extracted from drone videos and optimal methodology for extracting data was established through analysis of various data reduction scenarios. It was found from this study that drones are very economical traffic data collection devices and have strength of determining the level-of-service(LOS) for uninterrupted flow condition in a very simple and intuitive way.



드론을 활용한 연속류 교통정보 수집·분석에 관한 연구

서 성 혁*, 이 시 복**
*주저자 및 교신저자 : 영산대학교 스마트시티공학부 드론교통공학전공 석사과정
**공저자 : 영산대학교 스마트시티공학부 드론교통공학전공 교수

초록


본 연구는 기존 교통정보 수집체계의 한계를 보완하기 위한 수단으로써 드론을 사용하였을 경우 교통량, 속도, 밀도 등의 정보를 단시간에 경제적으로 수집 가능하다는 점에 착안하였으 며, 이를 위해 드론을 실제 교통현장 촬영영상 분석을 통해 추출된 핵심 교통정보의 타당성 검증과 더불어 다양한 정보수집시나리오 분석을 통해 최적의 교통정보 추출 방법론을 제시하 고자 하였다. 본 연구 수행결과, 드론은 단시간에 경제적인 교통정보수집이 가능한 유용한 정 보수집 보완수단임은 물론, 매우 간단하고 직관적인 방법으로 연속류 구간의 서비스수준 판정 을 가능하게 해 주는 강점이 있는 것으로 확인되었다.



    Youngsan University

    Ⅰ. 연구의 배경 및 목적

    교통분야에서 교통정보 수집은 루프검지기, 영상검지기, DSRC, 레이더검지기 등 도로상 또는 도로변에 설 치된 검지기를 통해 이루어져 왔다. 대다수의 검지기는 연속류 구간에서 특정 지점에 국한된 교통량 또는 통 행속도를 수집하는데, 이러한 지점정보는 구간개념의 공간적 대표성을 갖는 정보가 되기 어려운 것이 사실 이다. 또한, 기존의 검지기로는 교통밀도와 같이 공간적 교통상황을 그대로 나타내는 정보의 직접적 수집은 원천적으로 불가능하였다. 반면, 근래 활용도가 주목받고 있는 드론의 경우 도로의 상공에서 넓은 지역의 교통상황을 높은 해상도로 촬영하는 것이 가능하여 기존 검지기의 공간적, 시간적 한계를 보완할 수 있는 보 조적인(또는 장기적으로는 대체할 수 있는) 정보수집 수단으로서 잠재력이 높을 것으로 판단된다.

    따라서 본 연구에서는 드론을 실제 교통현장에 투입하여 촬영한 영상 분석을 통해 교통량, 속도, 밀도 등 의 교통정보를 수집․추출하고 그 타당성을 검증하여, 드론을 이용한 연속류 교통정보 수집 및 추출 방법론 을 정립하고자 한다.

    Ⅱ. 선행연구 고찰

    드론을 활용한 교통정보 관련 연구는 교통조사부문 드론 활용시 비용절감 효과, 차량 주행궤적 추출, 딜레 마구간 안전개선, 도로나 차량 검지 등에 관한 연구 사례가 있었으며, 교통정보 추출 및 분석 방법론에 관한 연구 사례는 최근 한차례 발표되었다.

    Baik et al.(2012)은 Daganzo(1997)가 제시하였던 항공기반 차량검지시스템(ADS)이 기존의 지점기반 차량검 지기(VDS), 자동차량번호판인식장치(AVNPRS) 등에 비하여 얼마나 효율적으로 교통상황을 판단 할 수 있는 지 또는 활용 가능성에 대해 검토하였다.

    Kim(2018)은 교통조사에 있어 기존의 인력에 의한 조사방법과 드론 활용시 조사 소요시간, 투입인원을 비 교하였으며, 드론 활용에 따른 비용절감효과 분석 및 사례 연구를 통해 교통조사에 드론 활용시 업무 효율성 제고 효과에 초점을 맞추어 연구를 수행한 바 있다.

    Lee(2017)는 드론을 이용해 황색신호 점등시 운전자 의사결정 패턴 분석을 통해 교차로 접근로상의 딜레 마구간을 파악, 적정 황색신호 셋팅값과의 비교를 통한 “위험통과구간” 확인 및 개선을 위한 방법으로 황색 시간 재설정 및 새로운 가이드 노면표시를 제시하였다.

    Kim et al.(2017)은 드론을 이용한 고속도로 구간에서의 다양한 교통조사 분석을 위한 기초연구 수행에 목 적을 두었으며, 드론촬영으로 수집된 영상에서 고속도로 구간을 단위 구간(200~300m)으로 구분하여 교통류 변수들을 추출하였다. 이 연구에서는 수집된 영상 분석 시 영상 분석도구를 이용하여 구간을 분할하고 추출 된 교통자료를 코딩하였고, 코딩된 자료를 비주얼 베이직(VBA) 프로그래밍을 활용하여 차로별 교통량, 속도, 주행시간, 차로변경 횟수 등의 차량주행데이터를 추출하였다는 것이 특징이다. 이 연구는 고고도상에서 30 분 이상의 드론 호버링(제자리 비행) 촬영법에 의해 영상정보를 수집한 이후 구간을 분할하여 교통정보를 추 출하는 방식을 사용하였다.

    이상의 연구사례를 종합하면, 드론이 상당부분 교통연구에 유용하게 활용 가능하다는 점은 검증된 셈이지 만, 교통정보 수집과 직접 관련된 연구는 지금까지 불과 한두 차례 정도로 미미한 수준인 것으로 파악되었 다. 본 연구는 Kim et al.(2017)의 연구에 제시된 방식과는 달리 저고도 비행으로 세분화된 구간별로 단시간 촬영 후 인접구간으로 이동하는 방식으로 드론의 약점인 비행시간의 제약을 최소화 하고자 했으며, 교통밀 도 정보 수집에 초점을 맞추어 차별성을 두고자 하였다.

    Ⅲ. 연구방법론

    본 연구는 기존 교통정보 수집체계의 한계를 보완하기 위한 수단으로써 드론을 사용하였을 경우 교통량, 속도, 밀도 등의 정보를 단시간에 경제적으로 수집 가능하다는 점에 착안하여 시작되었으며, 이를 위해 드론 을 실제 교통현장 촬영영상 분석을 통해 추출된 핵심 교통정보의 타당성 검증과 더불어 다양한 정보수집시 나리오 분석을 통해 최적의 교통정보 추출 방법론을 제시하고자 하였다.

    본 연구에서는 교통정보 수집을 위해 시중에서 구입가능한 상용 드론(D사의 P모델)을 사용하였다. 분석 대상지역으로는 부산의 대표 연속류 도로인 도시고속도로 번영로 구서IC에서 원동IC 방면 1.5km의 균질 (uniform)구간을 선정하였다. 또한, 방법론 검증시 다양한 교통상황 반영을 위해 3회의 조사 시간대를 선정 하였다.

    교통정보 영상자료 수집을 위한 수단으로써 드론을 사용시에는 공간, 비행시간 등에서 다소간의 제약을 받게 되므로 사전 현장답사를 통해 비행가능구역 확인, 시험비행을 통해 이착륙시 안전한 공간 확보 및 기상 상황 등을 고려하였다. 또한, 제한된 비행고도 내에서는 촬영 영상범위에 1.5km 전체구간이 들어오지 않으 므로 우선 300m 간격의 5개 균일구간으로 나누었으며, 그 중 중앙에 위치하여 물리적으로 대표성이 있다고 판단한 구간을 대표구간으로 선정하였다. 이 후 본 조사 시행을 위해 대표구간의 직상공으로 드론을 위치시 킨 후 호버링 비행을 통해 촬영을 실시하였다.

    수집된 영상자료를 분석하기 위해서는 비디오 분석툴이 필요한데, 본 연구에서는 웹상에서 누구나 내려 받을 수 있는 프리웨어 영상 편집 프로그램을 사용하였다. 촬영된 드론영상 분석을 통해 밀도(k), 속도(u) 값 을 산출하고 q=k·u 산정식을 통해 교통량(q)을 산정하였다.

    Ⅳ. 교통정보 수집 및 분석

    1. 도로구간 선정 및 현장조사

    본 연구의 대상구간으로 부산의 대표적 연속류 도로인 도시고속도로 번영로 원동IC 부근 1.5km길이의 균 질구간(구서IC → 원동IC)을 선정하였으며, 방법론 검증시 다양한 교통상황 반영을 위해 3회의 교통상황별 (V/C 값 기준) 조사 시간대를 설정, 조사분석을 시행하였다. 해당 도로구간의 제한속도는 80km/h이며, 사전 조사를 통해 비행가능구역 확인 및 이착륙 공간을 확보하였다.

    동영상 촬영에는 상용 드론인 D사의 P모델을 사용하였다. 제한된 비행고도 내에서 1.5km 전체구간이 촬 영 영상범위에 들어오지 않기 때문에 도로용량편람에서 제시하는 고속도로 영향권 분석 기본 단위인 400m ~ 500m보다 정밀한 길이인 300m의 5개 단위 구간으로 나누었다. 이들 5개 구간 중 전체구간의 양쪽 끝단에 서 충분히 떨어져있고 정중앙에 위치하여 대표성이 있다고 판단되는 3번 구간을 대표구간으로 선정하였다. <Fig. 1>에 보인 바와 같이 대표구간의 정중앙 150m 직상공에서 15분간 호버링 비행 촬영을 실시하였다.

    2. 밀도정보 추출

    <Fig. 2>에 보인 바와 같이 대표구간 상공에서 수집된 15분 드론 촬영 동영상으로부터 15초 간격의 스냅 샷을 저장하였으며, 각 스냅샷별 밀도(k)값을 추출하였다. 추출된 스냅샷 밀도의 평균값 산정시 적정 컷 수 결정을 위해 다양한 시나리오를 사용하였으며, 교통상황별 밀도 평균, 최소값, 최대값, 표준편차, 변동계수, 상대적 범위 등의 지표에 대한 분석을 실시하였다. 분석결과는 <Fig. 3>에 보인 바와 같다. 상대적 범위는 다음의 식(1)에 의해 산출되었다.

    상대적범위 ( % )  =  [ ( 최대값 - 최소값 ) 평균 ×100 ]
    (1)

    분석결과, 스냅샷 6컷 이상에서는 상대적 범위, 서비스 수준 등 주요 지표상으로 큰 차이가 없고 안정적인 결과가 도출됨에 따라 6컷(드론비행 촬영시간 90초)을 적정 조사분석 시간으로 결정하였다.

    3. 구간속도 산출

    구간 평균속도는 앞서 밀도 추출과정에서 적정 분석시간으로 선정된 90초(스냅샷 6컷)에 해당되는 영상 분석을 통해 산출되었다.

    구간 평균속도 산출을 위한 개별 차량 속도 추출시에는 프리웨어 영상편집 프로그램인 lightworks를 사용 하였다. 교통상황별 드론촬영 영상으로부터 적정 표본크기에 해당되는 차량들의 300m 대표구간 주행시간을 추출하고 이를 기반으로 공간평균속도를 추출하였다. 이렇게 산출된 교통상황별 공간평균속도는 <Table 1> 에 보인바와 같다. 아래 식(2)의 적정 표본크기 산정식에서 허용오차는 ± 5km/h로 설정하였는데 이는 교통 소통상황 판단시 5km/h 수준의 오차는 대체로 수용 가능한 것으로 판단하였기 때문이다.

    N = ( K × S E ) 2
    (2)

    여기서,

    • N = 표본수

    • K = 신뢰도에 따른 상수

    • E = 허용오차(± 5km/h)

    • S = 표준편차(Standard Deviation)

    4. 교통량 산정

    교통량 데이터 수집이 주 목적인 경우에는 교통상황 분석단위인 15분 이상 기간의 count를 기반으로 하여 산정해야 하나, 앞서 밀도와 속도값이 기 산출되어 있으므로 이를 활용하여 추정치(q=k·u)를 구할 수 있다. 이 값은 실제 측정된 밀도값과 공간평균속도를 기반으로 하기 때문에 구간내 특정 지점에서 count한 값이 아 닌 구간 전체를 아우르는 개념의 교통량이라고 할 수 있다. 이 교통량 값을 검증하기 위해 15분 영상 전체로 부터 대표구간을 통과한 교통량 count값을 산출하였다.

    산정식으로 계산된 교통량과 15분 교통 count에 의한 교통량의 비교 결과, <Table 2>에 보인 바와 같이 오 차값이 10% 이내로 높은 수준의 정확도를 보였으며, 교통량이 낮을수록 더욱 일치하는 경향을 나타냈다.

    Ⅴ. 교통정보 수집‧분석 방법론 검증

    대표구간 분석 과정에 사용된 방법론 검증을 위해 전체 5개 구간(300m×5개=1.5km)에 대해 중간수준 교통 상황(V/C=0.58)과 동일한 시간대에 구간별로 90초간 호버링 촬영을 실시하였다.

    이렇게 수집된 드론 영상을 대표구간 조사분석시와 동일한 방법에 따라 구간별 밀도(스냅샷 6컷 밀도의 평균값), 속도(표본수 산정식에 의한 표본 평균속도), 교통량(밀도와 속도의 곱) 값을 산정한 후 전체 1.5km내 인접한 5개의 개별 구간들이 일관성 있는 값을 갖는지 비교분석을 실시하였다. 아울러 도로용량편람의 서 비스수준(LOS) 판정기준인 밀도값에 따른 각 구간별 서비스수준을 판정하여 일관성을 확인하였다.

    검증결과는 <Table 3>에 요약된 바와 같다. 밀도값은 15∼17vpkpl로 전 구간에서 대체로 일치 하였으며, 서비스수준(LOS) 역시 2구간을 제외한 구간에서 모두 “D” 로 일치하였다. 2구간에서 발생한 오차는 드론이 3구간에서 2구간으로 이동하는 동안 다소간의 무작위적 교통상황 변동이 있었던 것으로 추정된다.

    속도값(u)은 구간별로 71∼89km/h로 현저한 차이는 없으나, 랜덤표본 추출로 인해 다소간 변이가 존재하 는 것으로 판단된다.

    마지막으로 위의 밀도(k)와 속도(u)를 곱한 결과값인 교통량(q)을 별도의 드론을 이용한 실제 15분 교통량 값과 비교한 결과 매우 정확한 값을 보이는 구간도 있고 상대적으로 차이가 있는 구간도 있는 것으로 나타 났다. 그러나, 이 교통량값이 불과 90초간 수집한 영상에 기반하고 있다는 점을 감안했을 때 교통 데이터로 써 양호한 수준의 차이인 것으로 판단된다.

    Ⅵ. 드론활용 교통정보 수집‧분석 방법론 정립

    이상의 분석결과를 바탕으로 연속류 구간의 밀도, 속도, 교통량 정보의 수집을 위해 일반적으로 적용가능 한 드론의 활용 방법론을 요약, 정리하면 다음과 같다.

    먼저 분석하고자 하는 균질(uniform)구간을 선정하고 각 균질 구간 내 300m 길이의 대표구간을 선정하되 이 때 가급적 중앙부에 있는 구간을 대표구간으로 정한다. 이어서 대표구간이 카메라 앵글내에 들어오는 고 도에서 직상공에 드론을 위치시킨 후, 드론 카메라는 지면과 직각이 되도록 한 상태에서 호버링(제자리) 비 행으로 90초간 촬영하여 영상을 확보한다.

    이러한 방식으로 수집된 90초 영상을 15초마다 스냅샷으로 저장을 하고, 스냅샷별 밀도값을 추출하여 6컷 밀도 평균값 산정하여 해당 균질구간 전체의 밀도값으로 사용한다.

    대표구간의 평균속도는 식(2)의 적정 표본수 산정식에 따른 표본수 만큼의 차량 속도의 평균값을 사용하 며, 교통량은 앞서 산정된 밀도값과 속도값을 곱하여 산정한다.

    해당 도로구간의 서비스수준 분석이 필요할 경우, 위 방법에 따라 산출된 밀도값을 이용하여 도로용량 편 람상의 기준에 따라 판정하도록 한다.

    Ⅶ. 결론 및 향후 과제

    본 연구 수행결과, 드론은 단시간에 경제적인 교통정보수집이 가능한 유용한 정보수집 수단임은 물론, 매 우 간단하고 직관적인 방법으로 연속류 구간의 서비스수준 판정을 가능하게 해 주는 강점이 있는 것으로 확 인되었다.

    드론을 통해 그동안 수집이 어려웠던 밀도정보의 수집이 가능해 졌을 뿐 아니라, 교통량의 경우 불과 90 초 조사만으로 장시간 조사한 결과에 비교하여 크게 손색이 없는 비교적 양호한 값의 확보가 가능하다는 점 은 주목할 만하다. 또한, 연속류 구간의 서비스수준 판정을 위해 v/c값을 사용시 많은 종류의 현장데이터의 수집을 필요로 하기 때문에 복잡하고 시간이 소요되는 작업이 될 수 밖에 없었던 반면, 드론을 통해 기존에 불가능했던 밀도정보 수집이 가능해짐에 따라 단순하고 직관적인 방식으로 서비스수준 판정이 가능해졌다 고 할 수 있다. 다만, 10m/s의 강풍 및 우천시에는 비행이 어렵기 때문에 정보수집이 제한되는 상황도 있을 수 있다.

    본 연구는 고속도로 기본구간만을 대상으로 하였기에 향후 램프접속부, 위빙구간 등 다양한 특성을 갖는 구간에 대한 연구가 추가적으로 필요하며, 나아가 신호교차로를 포함하는 시가지도로구간에 대한 드론 교통 정보 수집연구도 필요할 것으로 판단된다.

    본 연구는 단일 드론을 활용한 방법론에 대한 것으로, 향후에는 5세대 이동통신(5G Networks) 기술과 센터 에서의 원격 조종이 가능해 질 것 이므로 실시간으로 다수의 드론을 활용한 광범위한 구간의 교통정보 수집 ‧분석이 가능할 것으로 전망된다. 또한 드론을 통해 수집된 영상으로부터 보다 편리하고 신속하게 정보를 추출하기 위한 자동 영상분석 소프트웨어의 개발‧적용이 필요하다.

    ACKNOWLEDGEMENTS

    본 논문은 영산대학교 교내연구비 지원에 의하여 진행된 연구의 결과물입니다.

    Figure

    KITS-17-144_F1.gif

    The Main Study Section

    KITS-17-144_F2.gif

    Captured Drone Image of Main Study Section

    KITS-17-144_F3.gif

    Density Values for the Main Study Section

    Table

    Average Speed Values for the Main Study Section

    Traffic Volumes Determined by “q=ku”

    Traffic Variables Determined for Each Study Section for Data Verification

    Reference

    1. BaikN. C. and LeeS. H. (2012), “ A Study on the Possibility of Using the Aerial-Based Vehicle Detection System for Real-Time Traffic Data Collection ,” Journal of the Korean Society of Civil Engineers, vol. 32, no. 2D, pp.129-136.
    2. JungM. C. (2011), A Study on the Construction of Traffic Information System in the Urban road Using Hi-Pass DSRC Data, Thesis for M.S. in Engineering The University of Seoul. 
    3. KimD. J. (2018), A Study on Cost Reduction Effect of Drone Implementation in Traffic Survey : focused on oversea project, Thesis for M.S. in Engineering Korea National University of Transportation.
    4. KimS. H. , LeeJ. K. , HanD. H. , YoonJ. Y. and JeongS. Y. (2017), “ Preliminary Study Related with Application of Transportation Survey and Analysis by Unmanned Aerial Vehicle(Drone) ,” The Journal of the Korea Institute of Intelligent Transport Systems, vol. 17, no. 6, pp.183-194.
    5. LeeS. B. (2017), “ A Study on Dilemma Zone Safety Improvement using Drone Videos ,” The Journal of The Korea Institute of Intelligent Transport Systems, vol. 16, no. 4, pp.122-131.
    6. LeeS. B. (2017), “ Performance Comparison among MANET Routing Protocols of Drone Patrol Network for Traffic Violation Enforcement on a Highway ,” The Journal of The Korea Institute of Electronic Communication Science, vol. 13, no. 1, pp.107-112.

    Footnote