AI-Hub

데이터 변경이력

데이터 히스토리

소개

– 이륜자동차 맞춤형 솔루션 개발에 필요한 골목길, 이면 도로 등 생활도로의 위험 시설 물 및 위험 객체 학습 데이터 셋 구축

구축목적

– 이륜자동차 교통사고 감소를 위한 인공지능 기반 솔루션 개발 등에 활용하기 위한 학습 데이터셋 구축 및 서비스 모델 개발
– 인공지능을 활용하여 이륜자동차의 교통 사고 및 위험 요소를 감소시킬 수 있는 맞춤형 서비스 모델 개발

• 이륜자동차 안전 위험 요소가 포함된 이미지
  • 이미지 : 총 27종 42 만 장(생활도로 노면표면 7만5천장, 안전시설물 10만장, 도로시설물 3만장, 도로방치물 15만5천장, 위험지점 6만장)

    순번

    순번	대분류	중분류	이미지
    1	교통시설물	생활도로 노면표시
    2	교통시설물	안전시설물
    3	위험 개체	도로 시설물
    4	위험 개체	도로 방치물
    5	위험 개체	위험 지점

    소분류

    순	소분류	형태	라벨링유형	이미지(장)
    1	일방통행(표식)	이미지(JPG)	Ploygone	15,000
    2	일방통행(문자)	이미지(JPG)	Polygone	15,000
    3	속도표시 제한(문자)	이미지(JPG)	Polygone	15,000
    4	어린이보호구역(문자)	이미지(JPG)	Polygone	15,000
    5	장애인, 노인보호구역 (문자)	이미지(JPG)	Polygone	15,000
    6	차량진입 억제용 말뚝	이미지(JPG)	Segmentation	15,000
    7	시선 유도봉	이미지(JPG)	Segmentation	15,000
    8	과속방지턱	이미지(JPG)	Polygone	20,000
    9	고원식 횡단보도	이미지(JPG)	Polygone	20,000
    10	자전거 도로(바닥표시)	이미지(JPG)	Polygone	15,000
    11	공사안내 표지판	이미지(JPG)	2D BB	15,000
    12	맨홀	이미지(JPG)	2D BB	15,000
    13	럼블스트립(요철)	이미지(JPG)	2D BB	7,500
    14	주차차단기	이미지(JPG)	Polyline	7,500
    15	광고판	이미지(JPG)	2D BB	15,000
    16	쓰레기(쓰레기더미)	이미지(JPG)	2D BB	15,000
    17	쓰레기(의자,책상,소파등)	이미지(JPG)	2D BB	10,000
    18	쓰레기통	이미지(JPG)	2D BB	30,000
    	(공공 쓰레기통, 넘침)
    19	쓰레기(냉장고, TV등 전자제품)	이미지(JPG)	2D BB	15,000
    20	방치물(폐타이어)	이미지(JPG)	2D BB	15,000
    21	방치물(박스)	이미지(JPG)	2D BB	15,000
    22	방치물(물통등)	이미지(JPG)	2D BB	15,000
    23	방치물(전동킥보드)	이미지(JPG)	2D BB	15,000
    24	방치물(마대 자루)	이미지(JPG)	2D BB	10,000
    25	공사현장(가림막, 휀스)	이미지(JPG)	2D BB	30,000
    26	포트홀	이미지(JPG)	2D BB	15,000
    27	침수구간(웅덩이)	이미지(JPG)	2D BB	15,000
    합계				420,000

저작도구 설명서 및 저작도구 다운로드

AI 모델 상세 설명서 다운로드

• 활용 모델 학습
  • 학습 클래스는 Polygon, Polyline, 2DBBox로 구성되어 있음
  • 학습하고자 하는 클래스에 맞게 Polygon과 Polyline은 Segmentation이 가능한 모델로 학습(ex. Unet), 2DBBox의 경우 Detector(ex. YOLOv3)를 사용
  • 감지하고자 하는 클래스의 80%를 학습데이터로 활용, 학습데이터를 제외한 나머지 데이터베이스에서 각각 10%씩 검증 데이터와 시험 데이터로 사용
• 서비스 활용 시나리오 
  • 구축된 모델은 배달 라이더 블랙박스 영상을 통해 위험물을 인지하고 실시간으로 관리·알림을 통해 위험 시설물을 관리할 수 있음
  • 위험물 감지 시 이륜차 운전자에게 알림을 주어 실시간으로 주의 운전을 유도할 수 있음

데이터 성능 점수

설명서 및 활용가이드 다운로드

• 이륜자동차 안전 위험 시설물 데이터 (Data of Object and Facility Hazardous to Motorcycle Safety)
• 목적 : 이륜자동차 교통사고 감소를 위한 인공지능 기반 솔루션 개발 등에 활용하기 위한 학습 데이터셋 구축 및 서비스 모델 개발
  – 이륜자동차 맞춤형 솔루션 개발에 필요한 골목길, 이면 도로 등 생활도로의 위험 시설 물 및 위험 객체 학습 데이터 셋 구축
  – 인공지능을 활용하여 이륜자동차의 교통 사고 및 위험 요소를 감소시킬 수 있는 맞춤형 서비스 모델 개발
• 활용분야 : 실시간 위험요소 관리·알림 및 라이더 안전 운전 유도를 위한 인센티브 제공 솔루션 개발, 도로 및 골목길 생활안전 모니터링 API 서비스
  
• 데이터 소개 : 현업 라이더가 운행하는 이륜자동차에 탑재된 블랙박스 영상을 기반으로 시설물 및 위험 개체 학습 데이터 셋 구축
  – 골목길, 이면도로 등 시민 일상 밀접 공간의 학습 데이터 확보함으로써  이륜자동차에 적용할 수 있는 데이터 확보
  – 이륜차 주행 특성 및 라이더 습성에 기반한 학습 데이터 구축함으로써 서비스 모델 개발에 용이한 데이터 확보
  – 협업 라이더가 운행하는 이륜자동차 블랙박스 시점 데이터를 통해 솔루션의 성능을 최적화 하는 데이터 확보
  
  – 현업 라이더의 주행 영상을 활용하여 총 27종의 이미지 학습 데이터셋을 구축하여 활용할 수 있도록 제공
  – 생활도로 상 시설물 및 위험객체 총 42만 장의 학습 데이터로 구축하고, 이를 활용한 서비스 개발
  

• 데이터 구성

  데이터 구성

  	항목		타입	필수여부
  	영문명	한글명		교통시설물	위험객체
  images	이미지 데이터 정보
  	file_name	원천데이터 이름	String	Y	Y
  	width	가로	Number	Y	Y
  	height	세로	Number	Y	Y
  	id	이미지 고유번호	String	Y	Y
  	dpi	이미지 컬러심도 (DPI)	Number	Y	Y
  	camera_info	블랙박스 카메라 정보	String	Y	Y

   

• 어노테이션 포맷
   

  어노테이션 포맷

  annotations	어노테이션 정보
  	id	어노테이션 고유 번호	Number	Y	Y
  	label_type	label type 정보	String	Y	Y
  	segmentation	segmentation 정보	Array	N	N
  	polyline	polyline 번호	Array	N	N
  	bbox	bounding box 정보	Array	N	N
  	image_id	이미지 고유번호	String	Y	Y
  	label	객체분류명	String	Y	Y
  	startFrame	시작 프레임	String	N	N
  	endFrame	끝 프레임	String	N	N
  categories	supercategory	큰 틀의 카테고리	String	Y	Y
  	id	어노테이션 고유 번호	Number	Y	Y
  	name	이름	String	Y	Y
  	structure_degree	구조물 훼손 정도	String	Y	N
  	painted_degree	도색 훼손 정도	String	Y	N

데이터셋 구축 담당자

수행기관(주관) : 경북대학교 산학협력단

수행기관(참여)

데이터 관련 문의처