Ⅰ. 서 론

1. 연구의 배경 및 목적

최근 배달앱의 확산 및 코로나 19의 영향 등으로 이륜차의 운행이 급격히 증가하면서 법규위반으로 인한 교통사고가 점차 증가하고 있다. 특히 인도주행 및 차선변경, 신호위반 등의 법규위반 행위가 신속한 배달을 위해 이루어지고 있고 이는 이륜차뿐만 아닌 일반 도로 이용자들의 교통안전을 심각하게 위협하고 있다.

이륜차 교통사고는 2017년 13,730건에서 2021년 18,375건으로 연평균 약 6.0% 증가하였으며, 전체 교통사 고중 이륜차 교통사고로 인한 사망 및 부상이 각각 11.9%, 6.7%의 비중을 차지하고 있어 이륜차 교통사고 위험성이 큰 것으로 나타났다. 현재 설치·운영 중인 고정식 무인교통단속장비는 전면번호판 인식을 통해 위 반대상을 특정할 수 있지만 이륜차의 경우 후면번호판 체계를 가짐에 따라 번호판 촬영이 불가능하여 위반 대상을 특정할 수 없고, 다양한 주행패턴을 통한 검지영역 회피 등으로 인해 단속이 어려운 실정이다. 이러 한 한계점으로 인해 이륜차 단속은 경찰에 의한 현장단속 및 영상단속(캠코더), 공익신고 등으로 단속이 이 루어지고 있지만 인력단속의 경우에 2차 사고의 위험성을 가짐에 따라 적극적인 단속이 어렵기 때문에 이륜 차를 무인으로 단속할 수 있는 장비도입이 필요하나, 현재 단속기술 및 성능기준 등에 관한 규격이 마련되어 있지 않아 도입이 어려운 실정이다.

따라서 본 연구에서는 국내·외 이륜차 단속 현황 및 딥러닝 영상분석 기술의 적용여부를 검토하고 도로이 용자 및 관련업계의 설문조사를 통해 도입근거를 마련하고자 한다. 또한 딥러닝 영상분석 기술이 적용된 이륜 차 무인교통단속장비 현장실험 및 성능평가를 실시하여 이륜차 무인교통단속장비의 성능기준 등 규격개발을 통해 향후 설치·운영기반을 마련하여 이륜차 법규위반 및 교통사고 감소에 기여하는 것을 목적으로 한다.

2. 연구의 수행방법

본 연구는 이륜차 무인교통단속장비 도입을 위한 개발 및 규격 제정을 목적으로 하며, 다음과 같은 방법 을 통해 연구를 수행하였다.

첫째, 이륜차 교통사고 현황 및 운영 중인 무인교통단속장비 이륜차 단속의 한계점을 검토하였다.

둘째, 도로이용자 및 관련업계 설문을 통해 도입근거 및 기술현황을 조사하였다.

셋째, 이륜차 사고다발지점을 조사하고 개발 장비를 설치하여 이륜차 검지 및 번호판 인식 가능여부를 위 한 현장실험을 실시하고 그 결과를 통해 성능개선(단속대상 추가, 번호인식률 향상)을 실시하였다.

마지막으로 현장실험 및 성능평가 결과를 통해 이륜차 무인교통단속장비 규격(안)을 개발하였다.

Ⅱ. 관련 문헌 고찰

1. 관련 연구 고찰

Lee et al.(2012)의 연구에서는 램프 진출구간 등에서 사고발생 위험과 혼잡 지체가 가중시키는 끼어들기 차량을 단속할 수 있는 끼어들기 단속시스템 개발 가능성 검토를 목적으로 하였다. 이를 위하여 카메라를 통 해 수집된 영상에서 차량 궤적 추적 기술을 적용하여 현장실험을 진행하였다. 경부고속도로 양재IC 부근에 서 현장 실험을 진행하였으며, 현장 실험을 위해 위반 단속 처리 알고리즘 개발 및 시나리오를 개발하였다. 실험 결과 분석을 위한 척도로는 검지율, 인식률, 오검지율로 설정하였으며, 분석 결과 검지율은 74.5%, 오검 지율은 0%인 것으로 나타났다.

Rheu et al.(2019)의 연구에서는 번호판 인식기술과 딥러닝을 이용하여 주정차위반을 검지하는 방법을 제 시하였다. 주차금지구역에 설치된 카메라에서 수집된 영상데이터를 역방향 추적방법(Group back tracking)으 로 분석하여 추적 및 주정차위반 여부를 판단하였다. 추적에 이용하는 딥러닝 오픈소스로 CNTK (Microsoft Cognitive Toolkit) 및 Faster R-CNN을 이용하였으며, 학습된 알고리즘의 성능 평가를 위해 현장 실험을 실시 하였다. 현장 실험에서 통과한 521대 중 30대가 불법주차한 것으로 관찰되었으며, 이 중 29대를 검지하여 96.7%의 검지율을 보였다.

Lee et al.(2022)의 연구에서는 기존 무인교통단속장비의 개선항목을 도출하고, 도출된 항목을 개선하기 위 한 설계 및 구현 방안을 도출하였다. 기존의 무인교통단속장비 개선 사항 도출을 위하여 설치과정을 분석하 였으며, 그에 따른 개선 필요 사항은 카메라의 소형 및 경량화, 소프트웨어 개선 등을 도출하였다. 이와 같은 개선 사항을 반영하여 제작한 무인교통단속장비를 도로교통공단에 의뢰하여 성능평가를 실시하였다. 현장 실험과 내구성 실험을 통해 개선된 장비가 우수한 성능을 나타내었다.

Lim wt al.(2021)의 연구에서는 COVID-19로 인해 통행이 급증한 배달이륜자동차에 대한 교통사고 예방대 책의 개선을 위하여 배달이륜자동차의 사고 특성을 분석하였다. 교통사고 특성 분석을 위하여 5년 (2015~2019)간의 이륜자동차 교통사고 통계를 분석하였으며, 신호위반, 중앙선 침범이 사고의 주요 원인인 것으로 나타났다. 예방대책을 마련하기 위하여 아파트 단지 내를 통행하는 배달이륜자동차의 동영상 촬영과 속도를 특정하였으며, 아파트 주민을 대상으로 설문조사를 실시하였다. 이를 통해 교통안전시설설치, 단속시 스템 마련, 자격제도 개선 등의 이륜자동차 특성에 상응하는 안전대책을 제시하였다.

Lv et al.(2022)의 연구에서는 교통 단속 카메라가 신호교차로에서 자전거 운전자에게 미치는 영향을 분석 하였다. 이를 위하여 중국 난징의 6개 교차로에 설치된 단속 카메라에서 데이터를 수집하였으며, 총 5,217명 에 대한 데이터를 수집 및 분석하였다. 로짓 모형을 이용하여 단속 카메라가 자전거 이용자의 안전에 미치는 영향을 분석하였으며, 교통법규 위반에 미치는 변수에 대한 분석을 실시하였다. 분석 결과 단속 장비 설치 후 교통법규 위반이 10% 감소하였으며, 교통법규 위반에 영향을 미치는 변수는 성별과 자전거 종류(일반 자 전거, 전기 자전거, 배달 전기 자전거)인 것으로 분석되었다.

관련된 연구를 살펴보면 도로 상에서 발생하는 불법행위를 인지하기 위하여 카메라를 통해 수집된 영상 데이터를 이용하였다는 공통점이 나타났다. 또한 대부분의 연구에서 현장실험을 통해 개발된 시스템 검증을 실시하였으며, 이를 통해 현장에서의 적용성을 알아보았다. 본 연구에서도 기존 연구와 마찬가지로 카메라를 통해 수집된 이륜차의 정보를 활용하여 법규위반 여부를 판단하고자 하였으며, 현장실험을 통해 개발된 시 스템을 검증하였다. 더불어 이륜차 무인교통단속장비 규격(안) 개발을 통해 향후 이륜차 무인교통단속장비가 도입이 될 수 있는 초석을 제시하였다.

2. 이륜차 교통사고 및 국내·외 단속현황

1) 이륜차 교통사고 현황

국내 이륜차 등록현황을 살펴보면 2017년 2,196,475대에서 2021년 2,213,837대로 연평균 0.16% 증가하였으 며, 125cc를 초과하는 이륜차 및 2종 운전면허 소지자는 각각 12.23%, 5.91% 증가한 것으로 분석되었다.

최근 5년간 교통사고 추세를 살펴보면 교통사고 발생건수는 연평균 1.25%의 감소율을 보이는 반면, 이륜 차 교통사고는 2017년 13,730건에서 2021년 18,375건으로 2017년 대비 약 33.8%가 증가하였으며, 연평균 7.36% 증가하는 것으로 나타나 이륜차 교통사고에 대한 대책 마련이 시급한 것으로 보여진다.

<Table 1>

Traffic accident status(2017∼2021)

2) 국내·외 이륜차 단속현황

국내 이륜차 교통법규 위반사항은 도로교통법에서 규정하고 있으며, 구조에 관한 위반사항은 자동차 관리 법에서 규정하고 있다. 이륜차 단속은 주로 경찰의 현장 및 영상단속, 공익제보를 통해 이루어지며, 현장단 속의 경우 2차 교통사고 유발 우려가 있어 적극적인 단속은 어려운 실정이다.

2020년 1월 ~ 9월까지의 이륜차 위반행위별 단속건수는 총 275,227건으로 가장 많은 법규위반행위는 안전 모 미착용(48.0%), 신호위반(21.5%) 순으로 나타났다.

<Table 2>

Number of cases of violation of law on two-wheeled vehicles(2020.09. standard)

국외의 무인교통단속장비는 주로 후면카메라 설치를 통한 단속을 실시하고 있다. 그러나 이륜차에 대한 단속은 주로 경찰을 통한 인력 단속방식으로 실시하고 있으며, 이는 다양한 주행패턴을 가진 이륜차가 검지 센서(레이더 및 루프 등)를 회피할 수 있기 때문으로 판단된다. 그러나 최근 이륜차의 수요가 많은 일부 동 남아 국가에서는 영상분석방식을 활용한 이륜차 무인교통단속장비를 시범운영중에 있다.

<Fig. 1>

Case of two-wheeled vehicle enforcement using video analysis method(Indonesia)

3. 국내 이륜차 단속의 문제점 및 신기술 검토

1) 이륜차 단속의 문제점

현재 국내에서 운영 중인 고정식 무인교통단속장비는 Loop, Radar, Laser 등을 활용하여 지정된 차로를 검지 하고 법규위반 차량의 전면번호판을 인식하여 단속을 실시하고 있다. 그러나 고정식 무인교통단속장비가 이 륜차 단속이 불가능한 원인을 살펴보면 크게 후면번호판 체계, 번호판 규격, 다양한 주행패턴으로 볼 수 있다.

이륜차의 번호판은 후면번호판 체계로 구성되어 있어 현재 전면번호판을 기준으로 단속하는 고정식 무인 교통단속장비로는 대상을 특정할 수 없어 단속이 불가능하다. 이륜차의 전면부는 다양한 구조 및 형태(유성 형, 유압식 쇼파형, 카울형(덮개) 등)로 구성되어 있어 위치 및 공간의 협소로 부착이 곤란하다. 또한 고속주 행 시 공기의 흐름을 방해하여 공기저항으로 인한 운전대의 움직임이 둔해질 우려가 있어 운전자의 안전에 치명적일 수 있기 때문에 이륜차 전면번호판 도입은 어려운 상황이다.

또한 이륜차 번호판은 일반차량의 번호판에 비해 약 2/3정도 수준의 크기로 제작되며 번호판 정보 역시 지역명(시/군/구)을 포함하여 일반차량에 비해 더 많은 정보를 포함하고 있다. 특히 번호판 문자정보의 크기 는 약 2~3cm로서 현재 운영 중인 카메라의 성능으로는 번호정보를 인식하기에 큰 어려움이 있다.

<Fig. 2>

Comparison of general vehicle and two-wheel vehicle license plate specifications

무인교통단속장비는 지정된 차로에 검지영역을 설정하고 차량 번호판을 촬영하기 위해 도로에 근접하게 설정하여 운영중에 있다. 도로주행시 일반차량은 지정된 차로에서 정해진 방향으로 일정한 주행패턴을 가지 고 운행하기 때문에 법규위반 행위 단속을 수행하는데 문제가 없는 반면, 이륜차는 다양한 주행패턴을 가지 고 있어 매설식 또는 비매설식 검지센서를 회피하여 운행이 가능하고 비매설식 검지센서에 검지가 되더라도 차선변경 또는 보도통행이 자유롭기 때문에 번호인식에 어려움이 따른다.

2) 이륜차 단속을 위한 신기술 검토

이륜차의 법규위반을 단속하기 위해서는 현재 운영중인 검지센서의 한계를 극복할 수 있는 새로운 기술 의 도입이 필요하다. 이를 위해 다양한 객체를 인식하고 행동분석까지 가능한 AI기반의 영상분석 기술을 적 용하는 방안을 검토하였다. AI기반의 영상분석 기술은 동시에 다객체 인식, 객체분류 및 속도감지, 객체추적 및 분석, 번호인식 등 다양한 기능을 수행할 수 있기 때문에 교차로 및 횡단보도에서 차량 또는 사람을 검지 하고 원활하고 안전한 교통 환경을 조성하는데 많이 적용되고 있다. 따라서 이륜차 무인단속기술에 AI기반 의 영상분석 기술을 적용한다면 다양한 주행패턴을 가진 이륜차의 법규위반 행위(속도위반, 신호위반, 안전 모 미착용 등)를 단속할 수 있을 것으로 판단된다.

<Fig. 3>

Two-wheeled vehicle detection example using image analysis technology

3) 설문조사2

이륜차 무인교통단속장비의 도입 및 도입효과, 기술현황을 조사하기 위하여 도로이용자(일반운전자, 이륜 차 운전자) 및 교통단속장비 개발 관련업계에 대한 설문조사를 실시하였다. 설문대상 및 주요 설문내용은 <Table 3>과 같다.

<Table 3>

Survey target and main survey contents

설문결과, 일반운전자의 경우 이륜차 무인교통단속장비의 도입에 대다수 찬성하였으며, 도입 시 법규위반 및 교통사고 감소에 효과가 있을 것으로 응답하였다. 그러나 단속의 대상인 이륜차 운전자의 경우 부정적인 반응이 더 많이 나타났다. 특히 도입시 법규위반 및 교통사고 감소에는 큰 효과가 없을 것으로 응답하였으 며, 대신 교통사고 감소 대책으로는 충분한 배달시간 확보, 교육, 보험체계 개선 등의 의견을 제시하였다. 마 지막으로 관련업계의 경우, 단속시 문제점에 대해 다양한 주행패턴과 번호판 크기를 가장 큰 어려움으로 응 답하였으며, 단속기술 개발시 소요되는 기간은 약 12개월 이내로 응답하였다.

<Table 4>

Key Survey Results

Ⅲ. 현장실험 및 성능개선

1. 개요

이륜차 법규위반 단속을 위해 딥러닝 영상분석 방식을 적용한 무인교통단속장비를 개발하였다. 딥러닝 영 상분석에 적용된 기술은 시각적 영상을 분석하는데 사용되는 다층의 피드-포워드적인 인공신경망의 한 종류 인 합성곱 신경망(Convolutinal neural network, CNN)을 활용하여 이미지 공간 정보를 유지하면서 학습이 가능 하고 객체 검지 및 분류하였다. 또한 번호정보를 인식하기 위해서 LPD(License Plate Detection) 기법을 통해 객체 중 번호판을 추출하고, 추출된 번호판에 대해 LPR(License Plate Recognition) 기법을 통해 문자 객체를 구분하여 정보를 인식하는 방식을 활용하였다.

<Fig. 4>

Deep learning image analysis method

현장실험 대상지 선정을 위해 최근 3년간(2017~2019) 이륜차, 사륜오토바이, 원동기장치자전거 교통사고를 대상으로 반경 100m 이내 사고 15건 이상 발생지역을 조사한 결과 총 560개소로 조사되었으며, 조사된 지점 중 현장조사를 통해 이륜차 통행이 일정 수준 이상이며, 신호 및 번호판 영상취득, 유지관리가 용이한 지점으 로 성남(성남중앙신협), 서울(가산중학교), 안양(벽산사거리)를 선정하였다. 관련기관의 협조를 얻어 주정차단 속시스템의 구조물 등을 활용하여 현장설치를 진행하였다. 현장에 설치된 시스템의 구성은 <Fig. 6>와 같다.

<Fig. 5>

Field test site

<Fig. 6>

System Configuration

2. 현장실험

1) 실험 개요

AI 기반의 영상분석방식으로 이륜차 검지 및 번호판 인식, 법규위반 행위 단속의 가능 여부를 판단하기 위해 다음과 같은 항목에 대해 검증을 실시하였다. 현장성능 검증개요 <Table 5>와 같다. 검증항목 중 보도 통행의 경우 카메라 화각 및 가로수로 인한 시야 확보가 어려운 관계로 현장실험에서는 제외하였다.

<Table 5>

Field performance verification overview

2) 실험결과

현장장비에서 수집된 데이터를 중심으로 이륜차 검지 및 번호판 인식, 법규위반 행위 단속 가능여부를 검 증하였다. 법규위반 행위의 단속기준은 속도위반 50km/h 이상 주행시, 신호위반은 적색 신호시 직진 또는 좌 회전 신호시 직진 등 진행신호를 위반한 경우, 안전모는 미착용한 경우로 기준을 설정하였다.

검증결과 이륜차 및 번호판 인식, 법규위반 행위(속도위반, 신호위반, 안전모 미착용)는 모두 검지 및 인식 이 가능한 것으로 나타났다.

<Fig. 7>

Field test site

번호판 인식률 검증을 위해 2020년 12월 3일의 법규위반 차량을 대상으로 번호인식율을 조사하였으며, 그 결과 약 57.9%의 번호인식률을 가지는 것으로 분석되었다. 부분인식 또는 인식실패가 나타난 원인을 분석한 결과, 번호판 미부착, 가림, 오염, 훼손으로 나타났고, 또한 번호판의 문자학습 부족 등으로 나타났다.

<Table 6>

Number recognition result

<Fig. 8>

Reason for recognition error

3. 성능개선

1) 단속대상 추가

이륜차 무인교통단속장비 개발시 이륜차 단속가능여부를 확인하기 위해 이륜차만을 대상으로 단속할 수 있도록 개발되었다. 그러나 이륜차만을 단속할 수 있도록 운영하기에는 운영효율성이 떨어지는 관계로 일반 차량도 단속할 수 있도록 성능을 개선하였다. 이를 위해 일반차량에 대한 이미지 및 번호판 학습을 추가로 실시하여 일반차량도 추가로 단속할 수 있도록 성능을 개선하였다.

<Fig. 9>

Added general vehicle enforcement function

2) 번호인식률 개선

이륜차 번호인식률 개선을 위해 2021년 4월 수집된 번호판 이미지 약 45,000개, 문자열은 약 16,900개를 추가로 학습을 실시하였고 학습 전·후의 번호인식률 개선 여부를 검토하기 위해 2021년 1월~7월까지 모든 통과 이륜차를 대상으로 번호인식 결과를 확인하였다. 오인식으로 판단하는 경우에 대해 CASE 1, 2로 구분 하여 CASE 1은 부분인식과 인식실패, CASE 2는 부분인식만 고려하였다. 인식실패의 경우에는 육안으로 확 인할 수 없는 비정상적인 형태를 가지고 있는 경우가 많아 CASE 2에서 제외하였다. 분석결과, 학습을 수행 하기 전보다 더 낮은 인식률을 나타내고 있었으나, 가장 높은 학습률을 보인 성남시 번호판의 경우에는 약 85% 정도의 인식률을 보이고 있어 학습을 진행할수록 번호판 인식률이 높아지는 것으로 나타났다. 인식률이 낮아진 원인을 분석한 결과, 번호판을 가리거나, 꺾음, 오염 등 비정상 번호판을 가진 이륜차의 통행이 증가 하였으며, 또다른 문제로는 카메라 화각 및 검지영역 설정오류, 번호인식 프로그램의 오류 등으로 나타나 해 당부분을 개선할 필요성이 있다.

<Table 7>

Number recognition rate analysis result

<Table 8>

Number recognition rate analysis result(Two-wheeled vehicles in Seongnam City)

번호인식률이 낮아진 원인을 검토하고 이를 개선하기 위해 2021년 8월 카메라 화각, 검지영역 재설정, 프 로그램 개선을 진행하였고 번호판 학습을 추가로 실시하였다. 번호인식률 개선여부를 재검토하기 위하여 2021년 11월까지의 수집된 데이터를 추가로 분석하였으며, 그 결과 CASE 1에서는 69.8%, CASE 2는 80.4% 로 개선 전보다 번호인식 성능이 개선된 것으로 나타났다.

<Fig. 10>

Before and after the detection area

<Table 9>

Number recognition rate analysis result(After improvement)

3) 성능평가

개발된 장비가 실제 도입될 수 있는 성능을 가지는지를 판단하기 위해 도로교통공단 공인검사처의 협조 를 받아 성능평가를 실시하였다. 성능평가 실시 전 번호인식률 저하의 원인으로 검토된 카메라 검지영역 및 화각, 프로그램 업데이트를 실시하였고, 그 결과, 이륜차 번호인식률은 주간 97.77%, 야간 100.0%으로 나타 났으며, 이륜차 번호인식률은 일정수준 이상을 만족하는 것으로 나타났다. 다만, 이륜차 통행량이 일반차량 에 비해 작아 추후 성능 기준을 정할시 고려해야 할 것으로 나타났다. 또한 객체를 인식하는 부분에 있어 버 스나 화물차 등 큰 차량을 야간에 인식하지 못하는 문제가 발생하였으나, 이는 카메라 및 투광기 셋팅 미흡 과 검지영역을 재설정하는 과정에서 일부 문제가 있는 것으로 나타났다. 해당 기능은 객체학습을 추가로 실 시하고 구조물을 차로에 맞도록 설치한다면 해결될 것으로 보여진다.

<Table 10>

Performance evaluation overview

<Table 11>

Performance evaluation results for Installation equipment

Ⅳ. 이륜차 무인교통단속장비 규격(안) 개발

이륜차 무인교통단속장비 개발 및 도입을 위해 성능기준 및 검사방법, 통신프로토콜 등을 규격화하여 개 발 및 설치·운영에 대한 가이드라인을 제시할 필요성이 있다. 이를 위해 이륜차 무인교통단속장비 규격을 무 인교통단속장비 경찰규격서(Korean National Police Agency, 2020a)를 준용하여 개발하였다. 이륜차 무인교통 단속장비 성능기준 및 검사방법은 고정식 무인교통단속장비와 동일하게 적용하여 기존 장비와의 성능차이 가 발생하지 않도록 하였으나, 이륜차 번호인식 오류율의 경우에는 현장실험 결과 및 검사수량을 고려하여 하향조정하여 개발하였다. 또한 신호위반과 속도위반과 같이 기존과 중복되는 단속기능의 경우, 이륜차 차종 코드를 신규 추가하였고 중복되지 않는 단속항목인 안전모미착용 및 보도통행에 관해서는 단속모드별 위반 파일 구성정보를 신규로 개발하여 적용하였다.

1. 성능기준

이륜차 무인교통단속장비 단속기능은 속도위반, 신호위반, 안전모 미착용, 보도통행으로 구분하며, 단속기 능에 따른 단속대상은 다음과 같다.

<Table 12>

Criteria for applying enforcement functions by type of enforcement

단속기능별 성능기준은 기존 고정식 무인교통단속장비 경찰규격서에 제시된 속도위반, 신호위반 성능기 준을 준용하였으며, 이륜차에 관한 성능기준을 추가로 제시하였다. 기존 무인교통단속장비 성능과 차이가 발 생하지 않도록 동일한 성능기준을 적용하였으며, 다만 이륜차 차량번호인식 오류율의 경우에는 인수검사 또 는 정기검사 시 최소검사수량이 30대로 일반차량 검사수량인 120대에 비해 1/4수준으로 기존 차량번호인식 오류율을 적용하기에는 어려움이 있어 10% 미만으로 기준을 제시하였고, 안전모 미착용과 관련한 안전모 구 분율은 80% 이상으로 위반차량 단속률을 준용하였다. 또한 기존에 정의되어 있던 성능기준 및 검사방법에서 는 일반차량과 이륜차를 구분하여 각각의 성능기준을 충족할 수 있도록 하였다.

<Table 13>

Examples of enforcement performance standard(speed violation)

2. 통신규격

현재 현장장비와 센터장비는 표준화된 통신규격을 이용하여 단속정보를 송·수신하고 있다. 이륜차 단속정 보를 센터와 송·수신하기 위해 통신규격에 이륜차 관련 코드 및 위반정보를 신규 개발하여 적용할 필요성이 있다. 이를 위해 기존 차종분류코드에 이륜차코드(00x07)를 신규로 추가하여 차종구분이 이루어질 수 있도록 하였으며, 기존 단속항목과 중복되지 않는 보도통행과 안전모미착용에 대해서 단속모드별 위반파일 구성정 보를 개발하여 단속정보를 센터와 송·수신할 수 있도록 구성하였다.

<Table 14>

Classification of vehicle and creation of new types of violations

Ⅴ. 결 론

본 연구는 이륜차의 법규위반 및 교통사고를 예방하기 위한 무인교통단속장비를 개발하고 이를 도입하기 위한 규격을 제정하는데 그 목적이 있다. 이를 위해 이륜차 단속의 한계점과 이를 해결하기 위한 신기술을 검토하고, 설문조사를 통해 도로이용자들의 무인단속장비 개발 및 도입여부, 관련업계의 기술동향을 파악하 였다. 또한 관련업체의 도움을 받아 현장실험 및 성능개선을 실시하였고 그 결과를 바탕으로 이륜차 무인교 통단속장비에 관한 규격을 개발하였으며 주요 연구결과는 다음과 같다.

첫째, AI기반의 영상분석방식을 적용한 무인단속기술 도입시 이륜차 단속이 가능한 것으로 검토되었다.

둘째, 도로이용자 설문조사 결과 이륜차 무인교통단속장비 도입시 법규위반 및 교통사고 예방에 효과가 있을 것으로 조사되었고 관련업계의 경우 단속장비개발이 가능할 것으로 조사되었다.

셋째, 현장실험 결과, 이륜차의 객체 및 번호판 인식, 법규위반 행위 단속이 모두 가능하였고, 성능개선을 통해 단속대상(일반차량)을 추가하고 학습 및 설치여건 개선을 통해 번호인식률을 향상시켰으며, 성능평가를 통해 이륜차 번호인식률이 주간 94.4%. 야간 100.0%로 나타나 도입이 가능한 것으로 판단되었다.

넷째, 현장실험 및 성능평가 결과를 통해 이륜차 무인교통단속장비의 성능기준을 마련하고 이륜차 차종분 류코드(00x07) 및 기존과 중복되지 않는 위반항목(보도통행, 안전모 미착용)에 대한 단속모드별 위반파일 구 성정보를 신규 개발을 통해 표준규격을 마련하였다.

본 연구의 결과를 통해 향후 이륜차 무인교통단속장비 시범설치·운영이 진행될 예정이며, 시범설치에 따 른 효과분석을 통해 점차적으로 확대되어 갈 것으로 예상된다.

본 연구의 한계점으로는 이륜차에서 발생할 수 있는 다양한 교통법규 위반의 형태에 대해서 단속율을 분 석하지 못하였다. 이륜차의 움직임 및 법규위반 형태를 시나리오화 하고 각 시나리오별 단속율에 대해서 분 석을 실시한다면, 단속율을 향상시킬 수 있을 것으로 기대되므로 이에 대한 향후 연구가 필요하다. 또한 영 상 인식 기반의 단속장비는 강우, 강설 등의 기상상황에 따른 영향을 받을 수 있다. 따라서 향후 연구를 통 해 기상상황에 대한 추가 실험과 함께 각 기상상황에 대한 성능기준을 제시할 필요가 있다. 이외에도 향후 연구로는 이륜차 번호판규격 개선과 체계적인 이륜차 관리방안에 관한 연구가 필요할 것으로 판단된다.