earticle

영어

This paper proposes a smart traffic management system based on a small size embedded system. The proposed system can detect vehicles on a cross road in realtime, and adaptively control traffic light according to the traffic situation. The implementation of the proposed system consists of 3 stages. First, we construct a training mode based on deep learning for detecting vehicles. In training model construction stage, we collect 15,083 images for vehicle detection experiment. and construct a training dataset for 104,719 vehicle images in the collected images. Next, we implement a realtime vehicle detection model based on YOLO on a small embedded system. We employed YOLO V3 Tiny deep learning technology using a USB type independent GPU module. This GPU module supports realtime processing on a small size embedded system maintaining superior vehicle detection performance. In the last stage, we developed a noble smart traffic management system by adaptively control traffic light based on the number of vehicles waiting for the traffic light on a cross road. Experimental results show the proposed system has about 95% vehicle detection performance even some parts of vehicles on a cross road are occluded. Further we can find the proposed system controls traffic flow effectively.

한국어

본 논문에서는 소형 임베디드 시스템을 기반으로 교차로 상의 차량을 실시간으로 검출함으로써 차량의 정체 상황에 따라 적응적으로 교통 신호등을 제어하는 스마트 교통 관리 시스템을 제안한다. 제안하는 시스템의 개발을 위해 크 게 3단계로 연구를 진행하였다. 먼저 차량 검출을 위한 딥러닝 기반의 학습 모델을 구축하였다. 학습 모델 구축 단 계에서는 교차로에서 차량 검출 성능을 제고하기 위해 15,083 개의 실험 영상을 수집하고 이들 영상에 포함된 104,719 대의 차량에 대해 학습 데이터를 구축하였다. 두 번째 단계에서는 소형 임베디드 시스템에서 YOLO 기반 의 실시간 차량 검출 모델을 구축하였다. 차량 검출 성능을 유지하면서 소형 임베디드 시스템에서의 실시간 처리를 지원하기 위해 USB 형태의 독립형 GPU 모듈을 사용하고 YOLO V3 Tiny 딥러닝 기술을 적용하였다. 마지막으 로는 교차로에서 신호 대기 중인 차량의 대수를 바탕으로 신호등을 효과적으로 제어함으로써 스마트 교통 관리 시스 템을 개발하였다. 본 논문에서 제안하는 시스템을 구현하여 실험한 결과 교차로에서 차량이 일부 겹쳐진 경우에도 약 95% 이상의 차량 검출 성능을 보였으며 동일한 환경에서 효과적으로 차량의 흐름이 제어되는 것을 확인할 수 있었다.