국도 CCTV 영상을 통한 비정상주행 판별 데이터
- 분야교통물류
- 유형 이미지
-
데이터 변경이력
데이터 변경이력 버전 일자 변경내용 비고 1.1 2024-01-10 데이터 최종 개방 1.0 2023-07-31 데이터 개방(Beta Version) 데이터 히스토리
데이터 히스토리 일자 변경내용 비고 2024-07-04 데이터설명서, 구축활용가이드, 상세페이지 내용 수정 데이터소개, 데이터형식, 데이터통계 2024-02-02 산출물 전체 공개 소개
영상 인지 정보 기술을 활용한 차량의 차선변경 탐지 등으로 국도의 주행 차량 중 차선변경에 대한 비정상 차선변경 상황 및 차선 물기 주행을 측정한 데이터
구축목적
국도대상 도로 및 교통환경 분석을 위한 데이터 확보, 인공지능 기반 국도 교통안전 관리체계 전환에 기여, 국도에 대한 교통안전제고 (T-Safer 고도화) 등
-
메타데이터 구조표 데이터 영역 교통물류 데이터 유형 이미지 데이터 형식 JPG 데이터 출처 익산지방국토관리청 CCTV 영상 확보 라벨링 유형 바운딩박스, 폴리라인 라벨링 형식 Json 데이터 활용 서비스 교통사고 위험도 예측 서비스, 사람이 객관적으로 판단할 수 없는 사각지대 예측 서비스 등 데이터 구축년도/
데이터 구축량2022년/2,016,000장 -
■ 데이터 통계
□ 데이터 구축 규모
데이터 구축 규모 성과 유형 구분 구축 규모 국도 CCTV 영상을 통한 비정상 주행 판별 데이터 이미지 데이터 2,117,886장 라벨링 데이터 2,117,886건 ■ 데이터 분포
◾ 이미지 데이터(PNG)
이미지 데이터(PNG) 데이터셋
번호데이터셋명
(종명)CLASS 구분 상세 수량 3-014 국도 CCTV 영상을 통한 비정상주행 판별 데이터 정상 n1 방향지시등 이행 차선변경 152,542장 n2 실선구간 정상주행 147,250장 n3 정상 차로변경 주행 152,042장 n4 차선 물기의 정상주행 149,246장 n5 2개 차로 연속변경의 정상주행 155,720장 n6 정체구간 정상주행 152,028장 n7 안전거리 확보 차선변경 153,984장 소계 1,062,812장 비정상 an1 방향지시등 불이행 152,987장 an2 실선구간 차선변경 147,247장 an3 동시 차로변경 152,419장 an4 차선 물기 153,480장 an5 2개 차로 연속 변경 150,170장 an6 정체구간 차선변경 147,151장 an7 안전거리 미확보 차선변경 151,620장 소계 1,055,074장 합계 2,117,886장 -
-
AI 모델 상세 설명서 다운로드
AI 모델 상세 설명서 다운로드 AI 모델 다운로드■ 활용 모델
□ 모델 학습
- 차량검출 학습 모델은 YOLOv4 모델 활용하며, 검증용 데이터와 시험용 데이터는 전체 데이터의 10%로 제한
- 차선검출 학습 모델은 CLRNet 모델 활용하며, 검증용 데이터와 시험용 데이터는 전체 데이터의 10%로 제한
- 영상분류 학습 모델은 Swin Transformer 모델 활용하며, 검증용 데이터와 시험용 데이터는 전체 데이터의 10%로 제한모델 학습 학습(Train) 검증(Validation) 시험(Test) YOLOv4 ◾ CVRP(Clean Vehicle Rebate Project)에서 2021년 발표하였으며, One-stage detection 방식을 취하는 대표적인 모델로서 영상을 실시간으로 분석 가능할 정도의 빠른 속도를 장점 ◾ 백본네트워크에는 CSPNet과 Darknet을 합친 CSPDarknet-53을 사용하였으며, SPP (Spatial Pyramid Pooling), SAM (Spatial Attention Module), PAN (Path Aggregation Network)을 추가함 Conformer ◾ CLRNet은 High-level과 Low-level의 특성을 결합한 네트워크 구조 제시 ◾ Low-level의 경우 환경 정보를 인식하고, 전역 기능을 집계하기 위해 활용 ◾ High-level의 경우 정확도 향상을 위해 활용 Swin Transformer ◾ 저해상도에서 사전 학습된 모델을 고해상도 이미지로 효과적으로 전이하기 위한 log-spaced continuos position bias technique ◾ GPU 메모리 소비량을 크게 절약하여 일반 GPU로 대형 비전 모델을 학습할 수 있는 중요한 세부 구현 정보 비율 80% 10% 10% □ 학습 알고리즘 구조
학습 알고리즘 구조 - YOLOv4 YOLOv4 구조도 
학습조건 학습조건 Epoch 5 이상, batch 8 이상 모델 input feature • 학습 데이터셋 : .png, .json • 평가 데이터셋 : .png, .json 모델 output • 학습된 모델 명령어 • python train.py --img<이미지사이즈> --batch <배치사이즈> --epochs <에폭수> --data --cfg --weights 학습 알고리즘 구조 - Swin Transformer Swin Transformer 구조도 
학습조건 학습조건 Epoch 5 이상, batch 8 이상 모델 input feature • 학습 데이터셋 : .png, .json • 평가 데이터셋 : .png, .json 모델 output • 학습된 모델 명령어 • python tools/train.py --cfg-options model.pretrained= 학습 알고리즘 구조 - Conformer Conformer 구조도 
학습조건 학습조건 Epoch 5 이상, batch 8 이상 모델 input feature • 학습 데이터셋 : .png, .json • 평가 데이터셋 : .png, .json 모델 output • 학습된 모델 명령어 • python main.py <데이터셋 경로> --gpus<사용할 gpu정보> □ 서비스 활용 시나리오
- 국도대상 도로 및 비정상 주행 차량 분석을 위한 데이터 확보
◾ 국도에 대한 계획・유지보수・안전관리 등은 지방국도관리청에서 담당하고 있으며, 교통안전 제고를 위해 사고 다발지점을 중심으로 시설개량 및 단속 등의 사후대처 방식으로 이루어지고 있음
◾ 본 연구에서는 데이터 기반의 사전적 관리로의 전환을 통해 교통사고 위험지역을 사전 예방할 수 있도록 의사결정 기초자료 제공에 목적을 둠
- 인공지능 기반국도 교통안전 관리체계 전환에 기여
◾ 국토교통부 익산지방국토관리청에서는 AI를 활용한 ‘교통사고 사전예측 시스템’ 도입(’22.3)을 통해 안전한 교통 환경 조성을 위한 계획 수립
◾ 인공지능 기반의 교통사고 위험지역에 대한 사전 관리를 위해서 차량, 운전자, 시설정보, 사고정보 등 다양한 데이터 셋이 필요
◾ 이를 위해, 익산청에서 관리하는 CCTV 영상을 활용,지점별 교통 환경 및 교통안전 데이터를 확보하여 정책에 반영할 수 있도록 제공 -
데이터 성능 점수
측정값 (%)기준값 (%)데이터 성능 지표
데이터 성능 지표 번호 측정항목 AI TASK 학습모델 지표명 기준값 점수 측정값 점수 1 비정상/정상 주행 분류 성능 Image Classification Swin transformer AccuracyTop-1 50 % 70.29 %
※ 데이터 성능 지표가 여러 개일 경우 각 항목을 클릭하면 해당 지표의 값이 그래프에 표기됩니다.
※ AI모델 평가 지표에 따라 측정값의 범위, 판단 기준이 달라질 수 있습니다. (ex. 오류율의 경우, 낮을수록 좋은 성능을 내는 것으로 평가됩니다)
-
설명서 및 활용가이드 다운로드
데이터 설명서 다운로드 구축활용가이드 다운로드■ 대표 도면
대표 도면 데이터명 국도 CCTV영상을 통한 비정상 주행 판별 데이터 데이터포맷 - 원시데이터 : mp4 - 원천데이터 : jpg - 라벨링데이터 : json 데이터 출처 - 데이터 수집 : 한국교통안전공단 - 데이터 정제 : ㈜올림커뮤니케이션즈 - 데이터 가공 : ㈜엠티 ■ 어노테이션 포맷
어노테이션 포맷 구분 항목 타입 필수 키 명 키 설명 여부 1 data - object 1-1 dataset 데이터 번호 number ○ 2 imageInfo - object 2-1 fileName 파일명 string ○ 2-2 resolution 해상도 string ○ 2-3 width 이미지 너비 number ○ 2-4 height 이미지 높이 number ○ 3 annotationImage - array 3-1 - 폴리라인 object 3-1-1 lineID 차선 아이디 number ○ 3-1-2 lineType 차선 타입 string ○ 3-1-3 lineColor 차선 색상 string ○ polyline 폴리라인 좌표값 array ○ 4 annotation - array 4-1 - 어노테이션 정보 object 4-1-1 id 객체 아이디 number ○ 4-1-2 DrivingType 주행정보 string ○ 4-1-3 bbox 바운딩박스 좌표값 array ○ 4-1-4 category 차 분류 string ○ 4-1-5 leftLine 차선 아이디 string ○ 4-1-6 safetydistance 안전거리 number 4-1-7 invisible 비식별 객체 string ○ 5 winker - array 5-1 rightwinker 방향지시등 분류 array 5-2 leftwinker array 6 meta - object 6-1 cctvID CCTV명 string ○ 6-2 fpsNumber 프레임 번호 string ○ 6-3 created 촬영일자 string 6-4 time 시간 string 6-5 weather 날씨 string ○ 6-6 roadName 도로명 string ○ 6-7 roadPattern 도로형태 array 6-8 roadType 도로유형 array 6-9 lines 차선수 number ○ 6-10 direction 차량방향 string ○ 6-11 roadSignificant 도로특이사항 array 6-12 day 요일 string ○ 6-13 eventstart 이벤트시작 number ○ 6-14 eventstop 이벤트종료 number ○ 6-15 visibility 시정 number ○ ■ 실제 예시
-
데이터셋 구축 담당자
수행기관(주관) : ㈜엠티
수행기관(주관) 책임자명 전화번호 대표이메일 담당업무 권기태 031-628-8190 [email protected] 가공, 검수, AI 모델 수행기관(참여)
수행기관(참여) 기관명 담당업무 교통안전공단 수집 ㈜올림커뮤니케이션즈 정제, 검수, 인력관리 데이터 관련 문의처
데이터 관련 문의처 담당자명 전화번호 이메일 권기태 031-628-8190 [email protected]
-
인터넷과 물리적으로 분리된 온라인·오프라인 공간으로 의료 데이터를 포함하여 보안 조치가 요구되는 데이터를 다운로드 없이 접근하고 분석 가능
* 온라인 안심존 : 보안이 보장된 온라인 네트워크를 통해 집, 연구실, 사무실 등 어디서나 접속하여 데이터에 접근하고 분석
* 오프라인 안심존 : 추가적인 보안이 필요한 데이터를 대상으로 지정된 물리적 공간에서만 접속하여 데이터에 접근하고 분석 -
- AI 허브 접속
신청자 - 안심존
사용신청신청자신청서류 제출* - 심사구축기관
- 승인구축기관
- 데이터 분석 활용신청자
- 분석모델반출신청자
- AI 허브 접속
-
1. 기관생명윤리위원회(IRB) 심의 결과 통지서 [IRB 알아보기] [공용IRB 심의신청 가이드라인]
2. 기관생명윤리위원회(IRB) 승인된 연구계획서
3. 신청자 소속 증빙 서류 (재직증명서, 재학증명서, 근로계약서 등 택1)
4. 안심존 이용 신청서 [다운로드]
5. 보안서약서 [다운로드]
※ 상기 신청서 및 첨부 서류를 완비한 후 신청을 진행하셔야 정상적으로 절차가 이루어집니다. -
신청 및 이용관련 문의는 [email protected] 또는 02-525-7708, 7709로 문의
데이터셋 다운로드 승인이 완료 된 후 API 다운로드 서비스를 이용하실 수 있습니다.
API 다운로드 파일은 분할 압축되어 다운로드 됩니다. 분할 압축 해제를 위해서는 분할 압축 파일들의 병합이 필요하며 리눅스 명령어 사용이 필요합니다.
리눅스 OS 계열에서 다운로드 받으시길 권장하며 윈도우에서 파일 다운로드 시 wsl(리눅스용 윈도우 하위 시스템) 설치가 필요합니다.
※ 파일 병합 리눅스 명령어
find "폴더경로" -name "파일명.zip.part*" -print0 | sort -zt'.' -k2V | xargs -0 cat > "파일명.zip"
- 해당 명령어 실행 시, 실행 경로 위치에 병합 압축 파일이 생성됩니다.
- 병합된 파일 용량이 0일 경우, 제대로 병합이 되지 않은 상태이니 "폴더경로"가 제대로 입력되었는지 확인 부탁드립니다.
※ 데이터셋 소개 페이지에서 다운로드 버튼 클릭하여 승인이 필요합니다.