earticle

영어

Vehicle detection and classification technologies are pivotal for traffic management and road safety enhancement, enabling traffic flow analysis and road optimization. Traditional image-based methods often face challenges such as lighting variations, adverse weather, and complex road environments. Leveraging advancements in deep learning, this study proposes a vehicle detection and classification system combining YOLOv8 object detection and SORT (Simple Online and Realtime Tracking) trajectory tracking. Using Malaysian highway data, the system's performance was experimentally validated across various conditions, including clear, low-light, and rainy environments. The results demonstrated an average detection accuracy of 99.7%, classification accuracy of 99.5%, and a speed calculation error ranging from 1.5 to 2.4 km/h, establishing the system as a reliable solution for real-time traffic management and analysis.

한국어

차량 탐지와 분류 기술은 교통 관리와 도로 안전 향상을 위한 핵심 기술로, 교통 흐름 분석과 도로 설계 최적화에 중요한 역할을 한다. 기존의 영상 처리 기반 기술은 조명 변화, 악천후, 복잡한 도로 환경에서 성능 한계를 보였지 만, 딥러닝 기술의 발전으로 이러한 문제를 해결할 수 있다. 본 연구는 YOLOv8 객체 탐지 알고리즘과 SORT (Simple Online and Realtime Tracking) 기반 궤적 추적을 결합한 차량 탐지 및 분류 시스템을 제안한다. 이 시스템은 말레이시아 고속도로 데이터를 활용하여 다양한 기상 조건(맑은 날, 저조도, 비 오는 환경)에서 실험적으 로 검증했다. 실험 결과, 평균 탐지 정확도 99.7%, 분류 정확도 99.5%, 속도 계산 오차 1.5~2.4km/h를 기록하 였으며, 본 시스템이 실시간 교통 흐름 관리와 분석에 적합한 신뢰성 높은 솔루션임을 입증했다.