KR102159965B1 - Real Time Big Scale Traffic Data Collecting Method and Big Data Management System - Google Patents
Real Time Big Scale Traffic Data Collecting Method and Big Data Management System Download PDFInfo
- Publication number
- KR102159965B1 KR102159965B1 KR1020180040869A KR20180040869A KR102159965B1 KR 102159965 B1 KR102159965 B1 KR 102159965B1 KR 1020180040869 A KR1020180040869 A KR 1020180040869A KR 20180040869 A KR20180040869 A KR 20180040869A KR 102159965 B1 KR102159965 B1 KR 102159965B1
- Authority
- KR
- South Korea
- Prior art keywords
- traffic information
- sensor
- vehicle
- information
- road
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 31
- 241001282153 Scopelogadus mizolepis Species 0.000 title 1
- 238000013523 data management Methods 0.000 title 1
- 238000009434 installation Methods 0.000 claims abstract description 17
- 238000001514 detection method Methods 0.000 claims abstract description 3
- 238000004891 communication Methods 0.000 claims description 41
- 230000033001 locomotion Effects 0.000 claims description 20
- 238000012545 processing Methods 0.000 claims description 9
- 230000005540 biological transmission Effects 0.000 claims description 7
- 238000013473 artificial intelligence Methods 0.000 claims description 3
- 238000013135 deep learning Methods 0.000 claims description 3
- 238000010801 machine learning Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 3
- 230000010267 cellular communication Effects 0.000 claims description 2
- 238000012790 confirmation Methods 0.000 claims description 2
- 230000006870 function Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000003915 air pollution Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000029305 taxis Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
-
- G06Q50/30—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
본 발명의 목적은 레이더 또는 라이다 센서를 이용하여 교통정보를 수집하되, 설치 및 정보 수집에 드는 비용을 낮추면서도 필요로 하는 교통정보를 도로별, 차선별로 맞춤형 제공하고자 하는 것이다.
그에 따라 본 발명은 도로의 특정 지점에 레이더 또는 라이다 센서를 설치하여 상기 센서가 차량 감지를 커버할 수 있는 소정 구간에 대해 차량의 속도를 관측하여 관측된 교통정보 데이터를 저장하고, 소정 시간 단위로 누적된 교통정보를 이용하여 차량 속도 (차선별 또는 전체 차선), 차량수 (차선별 또는 전체 차선), 차량분류정보 (차선별 또는 전체 차선), 차량의 거리 및 각도 등 위치 정보 (차선별 또는 전체 차선), 각각의 산술 평균 정보 등을, 중앙서버에 IoT 망을 이용하여 전송하고, 상기 중앙서버는 각각의 센서로부터 수집된 대규모 교통정보를 분석하여 해당 도로 지점의 교통상황 표지판에 실시간 교통상황을 표시하게 하거나 교통신호등 연계하여 신호주기를 조정하게 하거나 네비게이션 사업자 서버로 전송하여 네비게이션 이용자들에게 제공되게 하는 것을 특징으로 하는 교통정보 수집방법을 제공한다. An object of the present invention is to collect traffic information using a radar or lidar sensor, and to provide customized traffic information for each road and lane while lowering the cost of installation and information collection.
Accordingly, in the present invention, a radar or lidar sensor is installed at a specific point on the road, and the sensor observes the vehicle speed for a predetermined section that can cover vehicle detection, and stores the observed traffic information data, Location information such as vehicle speed (by lane or all lanes), number of vehicles (by lane or all lanes), vehicle classification information (by lane or all lanes), and distance and angle of the vehicle using traffic information Or all lanes), each arithmetic mean information, etc., are transmitted to the central server using an IoT network, and the central server analyzes large-scale traffic information collected from each sensor and displays real-time traffic on the traffic condition signs of the corresponding road points. It provides a traffic information collection method, characterized in that a situation is displayed, a signal period is adjusted in connection with a traffic light, or transmitted to a navigation service provider server to be provided to navigation users.
Description
본 발명은 실시간 대규모 교통정보 수집 방법 및 그 운용시스템에 관한 것으로, 좀 더 상세하게는, IoT(사물인터넷) 센서를 적용하여 차량의 통행을 관측하고 교통정보를 수집하여 도로 위치 별, 차선 별로 정밀한 실시간 교통정보를 제공하는 시스템에 관한 것이다. The present invention relates to a real-time large-scale traffic information collection method and its operating system, and more specifically, by applying an IoT (Internet of Things) sensor to observe vehicle traffic and collect traffic information to provide precise information for each road location and lane. It relates to a system that provides real-time traffic information.
차량 이동 시 운전자는 자신이 운행하고 있는 현재 도로의 교통정보를 취득하는 방법은 도로에 설치된 교통상황 표지판이나 전문교통방송 또는 최근에는 실시간 교통정보를 이용해 빠른 길을 안내하는 네비게이션을 통해 길안내를 받는다. 이러한 실시간 교통정보를 활용하면 차량 운행 시 운전자는 목표지점까지 최단시간에 도착할 수 있어 운전자 개인의 시간절약 및 유류비 절약효과를 볼 수 있다. 또한 실시간 교통정보를 교차로의 신호체계와 연계하여 막히는 구간의 신호주기를 늘리는 등 신호체계를 자동으로 조절하게 하여 시내 교통체증을 완화하는데도 큰 역할을 하고 있다. 이처럼 실시간 교통정보는 작게는 개인적인 효용 가치는 물론 지역적, 국가적 차원의 거시적인 관점에서 보더라도 에너지 수입 절감과 대기오염 저감 등 사회, 경제적으로 매우 중요한 정보로 활용된다. 또한 향후 가까운 미래에 등장할 자율주행 자동차의 경우, 기본적인 차량의 자율운행기능과 별도로 목적지까지의 자율운행 계획수립에 있어 도시전체 또는 국가차원의 대규모 실시간 교통정보의 확보는 매우 중요한 필수 정보이다. When a vehicle is moving, the driver receives directions through a traffic condition sign installed on the road, professional traffic broadcasts, or recently a quick way using real-time traffic information to acquire traffic information on the current road he is driving. . By using such real-time traffic information, the driver can arrive to the target point in the shortest time while driving the vehicle, thereby saving the driver's individual time and fuel cost. In addition, by linking real-time traffic information with the signal system of the intersection, the signal system is automatically adjusted, such as increasing the signal cycle of the blocked section, thereby playing a major role in alleviating traffic congestion in the city. As such, real-time traffic information is used as very important information socially and economically, such as energy import reduction and air pollution reduction, even from a macroscopic point of view at local and national levels as well as individual utility values. In addition, in the case of autonomous vehicles that will appear in the near future, securing large-scale real-time traffic information at the city-wide or national level is very important information in establishing autonomous driving plans to destinations apart from the basic autonomous driving functions of the vehicle.
이와 같이 사회, 경제적으로 매우 중요하고 유용한 실시간 교통정보를 관측, 수집하는 방법은 현재 다음과 같이 이루어지고 있다. The method of observing and collecting real-time traffic information that is very important and useful socially and economically is currently being carried out as follows.
하나는 CCTV를 이용한 교통정보 수집이다. 즉, 도로마다 설치된 CCTV 영상을 중앙 서버로 전송 받아 담당직원들이 구역을 나누어 시각적으로 확인하여 실시간 교통상황을 입력하도록 하고 그 정보를 실시간 교통정보로 활용하도록 한다. One is the collection of traffic information using CCTV. In other words, CCTV images installed for each road are transmitted to the central server, and personnel in charge divide zones to visually check and input real-time traffic conditions and use the information as real-time traffic information.
또 다른 방법으로는 도로 곳곳에 차량 이동을 감지하는 루프센서를 시공하여 교통량을 수집하거나, 버스, 택시 등 대중교통차량에 설치된 GNSS 센서의 위치이동 정보 등을 취합하여 활용하고 있다. 최근에는 전자기파를 이용하는 레이더(RADAR) 또는 레이저 빛을 이용하는 라이다(LiDAR) 등을 이용한 교통정보 수집이 주목을 받고 있는데 이러한 센서는 CCTV처럼 도로 갓길의 주변 시설을 이용하여 간단히 설치할 수 있으며 특히 레이더 센서의 경우는 안개, 비, 먼지 등 자연환경의 간섭에 대해 강인한 특성으로 인해 다른 방식에 비해 외부 설치용으로 적합하다. Another method is to collect traffic by constructing loop sensors that detect vehicle movements on various roads, or to collect and utilize location movement information of GNSS sensors installed on public transport vehicles such as buses and taxis. Recently, traffic information collection using radar (RADAR) using electromagnetic waves or LiDAR using laser light is attracting attention. Such sensors can be simply installed using facilities near the shoulder of a road like CCTV. Is suitable for external installation compared to other methods due to its strong nature against interference from natural environments such as fog, rain, and dust.
상술한 바와 같이 CCTV 확인 방식은 도시 전체의 대규모 실시간 교통정보를 취득하기 위해서는 많은 인력과 인건비를 요하며 지속적으로 시각을 통해 실시간 모니터링을 해야 한다는 점에서 매우 고된 작업이 될 수 있다. 반면 루프센서 방식의 경우는 통행량 측정자체는 CCTV에 비해 정확하고 자동으로 측정되지만 설치 시 도로를 통제하고 도로바닥을 절개하고 센서장치를 시공해야 하므로 설치와 유지보수 시 교통체증을 유발 할 수밖에 없으며 비용적 측면에서 갓길이나 가로등에 설치하는 CCTV에 비해 비교할 수 없을 정도로 비싸고 상시 접촉 방식임으로 과적차량에 의한 고장위험도 큰 상황이다. 더구나 교량이나 터널, 비포장도로인 경우는 설치 자체가 불가한 경우도 발생한다. 따라서 루프센서를 이용하여 실시간 대규모 교통정보를 수집하기 위해서는 막대한 예산이 소요될 수 있다. 대중교통 차량에 의한 속도 정보는 대중교통 차량이 운행되고 있는 도로이외는 적용이 불가능하므로 자체적인 한계를 갖고 있다. 또한 이렇게 다양한 방식으로 수집되는 데이터를 중앙으로 전송하는 방식도 기존의 인터넷망이나 전용망 등을 사용해야 함으로 지속적으로 과다한 통신비용을 발생시키게 된다. As described above, the CCTV verification method can be a very laborious task in that it requires a lot of manpower and labor costs in order to acquire large-scale real-time traffic information of the entire city, and requires continuous visual real-time monitoring. On the other hand, in the case of the loop sensor method, the traffic volume measurement itself is more accurate and automatically measured compared to CCTV, but when installing, it is necessary to control the road, cut the road floor, and install a sensor device, which inevitably causes traffic congestion during installation and maintenance. In terms of the enemy, it is incomparably expensive compared to CCTV installed on the shoulder or streetlight, and the risk of failure due to overloaded vehicles is high as it is a constant contact method. Moreover, in the case of bridges, tunnels, or unpaved roads, there are cases where installation itself is impossible. Therefore, it may take an enormous budget to collect real-time large-scale traffic information using a loop sensor. Speed information by public transport vehicles has its own limitations because it cannot be applied to other than roads on which public transport vehicles are running. In addition, the method of transmitting data collected in various ways to the center continuously incurs excessive communication costs as the existing Internet network or dedicated network must be used.
대한민국 등록특허 10-1316723호는 레이더를 이용하여 차량정보를 수집하는 방안을 제안한다. 이 경우는 레이더 센서 자체의 가격적인 부담은 물론 레이더 센서에서 취득된 정보는 PC와 네트웍 장비 등 주변 장치를 통해 집계된 정보를 서버로 전달하여야 하며 센서정보를 직접 서버로 전달하기 위해서는 자체적으로 고속 통신망을 구축하거나 일반 인터넷망을 사용하는 경우 데이터 전송비용이 높아질 수 있어 실시간 대규모 교통정보 수집에 적합하지 않다. Korean Patent Registration No. 10-1316723 proposes a method of collecting vehicle information using a radar. In this case, not only the price burden of the radar sensor itself, but also the information acquired from the radar sensor must be delivered to the server through the aggregated information through peripheral devices such as PCs and network equipment. In order to directly transmit the sensor information to the server, the high-speed communication network itself It is not suitable for real-time large-scale traffic information collection because data transmission cost can be high when a network is used or a general Internet network is used.
대한민국 공개특허 10-2015-0055278호는 차량에 GNSS와 레이더 센서를 부착하여 교통정보를 수집하는 방안을 제안한다. 이러한 방안은 실시간 위치정보가 계속 바뀌기 때문에 수집되는 데이터를 분석 처리하는 모듈 구성이 복잡해지고 해당 차량을 어느 도로에 어떤 식으로 운용할지에 따라 지역별 교통정보 제공의 불평등이 발생 될 수 있으며, 교통정보 수집 차량이 많아지면 도로자체의 통행량을 가중시킨다는 문제도 있을 수 있다. 또한, 데이터 통신 비용 역시 계속 발생하게 되어 실시간 대규모 교통정보 수집에 적합 하지 않다. Korean Patent Publication No. 10-2015-0055278 proposes a method of collecting traffic information by attaching a GNSS and a radar sensor to a vehicle. In this way, since real-time location information is constantly changing, the module configuration that analyzes and processes the collected data becomes complicated, and inequality in provision of regional traffic information may occur depending on which road and how the vehicle is operated, and traffic information collection There may also be a problem of increasing the traffic volume of the road itself as the number of vehicles increases. In addition, data communication costs continue to be incurred, making it unsuitable for large-scale real-time traffic information collection.
따라서 본 발명의 목적은 다수의 레이더 또는 라이다 센서를 이용하여 교통정보를 수집하되, 설치 및 정보 수집에 필요한 주변장치를 제거함으로써 과도한 투자비와 지속적으로 발생하는 통신비용을 낮추면서도 실제 필요한 실시간 교통정보를 도로별로 맞춤형으로 제공하고자 하는 것이다.Accordingly, it is an object of the present invention to collect traffic information using a plurality of radars or lidar sensors, but by removing peripheral devices required for installation and information collection, real-time traffic information actually required while lowering excessive investment and communication costs It is intended to be customized for each road.
본 발명의 또 다른 목적은 상기와 같이 수집된 교통정보를 일반사용자, 교통방송국, 도로관리 유관기관 또는 네비게이션 사업자에게 유료 또는 광고노출방식으로 제공하는 인터넷 비지니스 모델을 제공하고자 한다. Another object of the present invention is to provide an Internet business model in which traffic information collected as described above is provided to general users, traffic broadcasting stations, road management related organizations, or navigation providers in a paid or advertisement exposure method.
상기 목적에 따라 본 발명은 도로의 특정 지점에 레이더 또는 라이다 센서를 설치하여 상기 센서가 차량 이동을 감지할 수 있는 소정 구간에 대해 지속적으로 차량의 이동 경로와 속도, 객체의 크기를 관측하도록 하고 관측된 차량 운행 정보를 센서 자체적으로 저장하고, 소정 시간 단위로 누적하여 차량 속도에 대한 산술 평균과 구간 최고속도, 통행 차량 크기 구분별 통행량 등 교통량 파악에 필요한 정보를 산출하고, 중앙서버에 소정 시간 단위별로 IoT 망을 이용하여 전송하고, 상기 중앙서버는 각각의 센서로부터 수집된 대규모 교통정보를 분석하여 해당 도로 지점의 교통상황을 관리하는 유관기관에 실시간 교통상황을 제공 하거나 교통정보를 필요로 하는 네비게이션 사업자 또는 일반 이용자들에게 제공되게 하는 것을 특징으로 하는 교통정보 수집방법을 제공한다. In accordance with the above object, the present invention installs a radar or lidar sensor at a specific point on the road so that the sensor continuously observes the movement path, speed, and size of an object in a predetermined section in which the vehicle movement can be detected. The sensor itself stores the observed vehicle operation information, accumulates it in a predetermined time unit, calculates the necessary information for understanding the traffic volume, such as the arithmetic mean of the vehicle speed, the maximum speed in the section, and the traffic volume by each vehicle size classification, and provides a predetermined time to the central server. Each unit is transmitted using an IoT network, and the central server analyzes large-scale traffic information collected from each sensor to provide real-time traffic conditions to related organizations that manage the traffic conditions of the respective road points or require traffic information. It provides a traffic information collection method, characterized in that it is provided to a navigation service provider or general users.
또한, 상기의 교통정보는 자율주행자동차의 운행 스케줄 정보로 활용될 수 있다. In addition, the above traffic information may be used as information on an operation schedule of an autonomous vehicle.
본 발명에 따르면 다수의 레이더 또는 라이다 센서를 도로마다 설치하여도 중앙서버로 직접 전송되는 데이터들은 소정 시간 단위에 축적된 정보이기 때문에 전송 데이터량이 실시간 측정된 기초 데이터들에 비해 훨씬 적은 양으로 축소할 수 있어 통신 데이터 량이 크게 감소함으로 일반 인터넷망이 아닌 소규모 사물 네트웍인 IoT망으로도 충분히 데이터를 전송할 수 있게 된다. 또한 사물 인터넷 전용 IoT망 자체가 Wifi와 같은 무선망이므로 별도의 통신공사와 네트웍 장비가 필요 없고 센서주위의 데이터를 수집하는 PC 장치 등이 필요치 않아 기존의 센서를 이용한 차량정보 수집 방식에 비해 설치 및 운영비를 획기적으로 절감할 수 있다. According to the present invention, even if multiple radars or lidar sensors are installed for each road, the data directly transmitted to the central server is accumulated in a predetermined time unit, so the amount of transmitted data is reduced to a much smaller amount compared to the basic data measured in real time. As the amount of communication data is greatly reduced, it is possible to transmit data sufficiently through the IoT network, which is a small network of things rather than a general Internet network. In addition, since IoT network dedicated to IoT network itself is a wireless network such as Wifi, there is no need for separate communication work and network equipment, and there is no need for a PC device that collects data around the sensor. It can drastically reduce operating costs.
또한, 도로마다 설치되는 레이더 또는 라이다 센서의 개수가 크게 증가하기 때문에 센서를 대량 생산할 수 있게 되어 고가로 거래되는 레이더 또는 라이다 센서의 단가 또한 획기적으로 낮출 수 있다. 도로 등 공공 시설물에 대한 설치는 국가나 지방자치단체 등의 협조를 구해야 하는 문제가 있을 수 있는데 이는 그들에게 대량생산으로 저렴해진 IoT센서를 무상 또는 저렴하게 제공하고 취득되는 실시간 교통정보를 공유하여 취득한 교통정보를 상업적으로 재판매 하는 방식으로 해결 할 수 있다. In addition, since the number of radars or lidar sensors installed for each road is greatly increased, it is possible to mass-produce sensors, and thus the unit cost of high-priced radars or lidar sensors can also be drastically reduced. Installation of public facilities such as roads may have a problem that requires cooperation from the state or local governments, etc. This is a traffic acquired by providing them with IoT sensors that are cheaper by mass production for free or inexpensively, and by sharing the acquired real-time traffic information. This can be done by reselling the information commercially.
또한, 본 발명에 따르면, 교차로, 병목구간, 고속도로나 자동차 전용도로, 국도, 차량 통행량이 많은 곳과 적은 곳에 대해 차량 속도를 산술 평균하는 시간 단위를 맞춤형으로 조절하여 산출할 수 있기 때문에 도로별로 최적화된 실시간 교통상황 정보를 제공하면서도 데이터 전송량과 데이터 요금은 낮출 수 있어 매우 합리적이다. 추가적으로 객체 흐름을 추적할 수 있는 기능을 이용하면 차선별로 정밀한 차량의 교통정보를 얻을 수 있어 좀 더 효과적인 교통정보 제공이 가능하다. In addition, according to the present invention, since it is possible to customize and calculate the time unit for arithmetic averaging the vehicle speed for places with high and low vehicle traffic at intersections, bottleneck sections, highways or exclusive roads for automobiles, national highways, and places with low vehicle traffic, optimization for each road It is very reasonable because it provides real-time traffic condition information while lowering the amount of data transmission and data rates. In addition, if the object flow tracking function is used, precise vehicle traffic information for each lane can be obtained, and more effective traffic information can be provided.
이러한 방식으로 수집되는 대규모의 정밀한 실시간 교통정보는 현행 네비게이션의 길안내 뿐만 아니라 자율주행차량 운행에 대한 필수적인 자율운행 스케줄을 생산하는 중요 인프라로 사용될 수 있다. The large-scale, precise real-time traffic information collected in this way can be used as an important infrastructure that not only provides directions for current navigation, but also produces essential autonomous driving schedules for autonomous vehicle operation.
도 1은 본 발명이 적용되는 상황을 설명하는 전체적인 개요도 이다.
도 2는 본 발명에 적용되는 IoT 센서의 구성과 이와 연동 되는 구성요소들을 보여준다.
도 3은 본 발명에 적용되는 사업 방법에 대해 보여준다. 1 is an overall schematic diagram illustrating a situation to which the present invention is applied.
2 shows the configuration of an IoT sensor applied to the present invention and components linked thereto.
3 shows a business method applied to the present invention.
이하, 첨부도면을 참조하여 본 발명의 바람직한 실시예에 대해 상세히 설명한다. Hereinafter, preferred embodiments of the present invention will be described in detail with reference to the accompanying drawings.
도 1은 본 발명이 적용되는 전체적인 상황을 개략적으로 보여준다. 1 schematically shows the overall situation to which the present invention is applied.
도로변을 따라 설치되어 있는 가로등이나 신호등 상단에 본 발명에서 제안하는 IoT 센서를 고정하여 도로에서 주행하는 차량들의 속도를 관측하고 저장한다.The IoT sensor proposed in the present invention is fixed to the top of a streetlight or traffic light installed along the roadside to observe and store the speed of vehicles running on the road.
센서의 신규 설치는 기존에 설치된 가로등이나 신호등, 과속방지 카메라 설치대를 이용할 수 있고 필요에 따라 별도의 지지대를 설치할 수도 있다. 도 1 하단에 보인 바와 같이 각각의 레이더 센서는 측정하고자 하는 도로 구간에 전자기파를 방사하여 긴 풍선 형태 영역 내 움직이는 차량을 감지하며, 레이더 센서를 기준으로한 차량의 거리, 속도, 각도(레이더 센서와 차량을 잇는 변위가 특정 기준선과 이루는 각도)를 감지하여 위치를 추적한다. 레이더 센서는 도플러 효과를 이용하여 물체의 속력과 방향을 알아낼 수 있다. 추가적으로 레이더의 수신채널을 다수로 늘리는 경우 3각 함수 계산식을 이용하면 물체의 위치까지 계산할 수 있어 차선별로 이동하는 차량을 추적할 수 있다. For new installation of the sensor, an existing street lamp, traffic light, or speed-prevention camera installation can be used, and a separate support can be installed if necessary. As shown in the bottom of Fig. 1, each radar sensor detects a moving vehicle in a long balloon-shaped area by radiating electromagnetic waves in the road section to be measured, and the distance, speed, and angle of the vehicle based on the radar sensor (radar sensor and The position is tracked by detecting the angle that the displacement connecting the vehicle makes with a specific reference line). Radar sensors can use the Doppler effect to determine the speed and direction of an object. In addition, when increasing the number of receiving channels of the radar, the position of the object can be calculated using the triangular function calculation formula, so that vehicles moving by lane can be tracked.
센서에서 관측한 차량별 속도는 센서 내 메모리에 저장하되 관측된 객체의 속도, 위치, 크기 등 데이터 전부를 실시간으로 중앙 서버로 전송하지 않는다. 관측된 모든 차량의 교통정보를 실시간으로 모두 중앙서버에 전송할 경우 데이터 양이 크게 증가하게 되지만 실제 필요로 하는 실시간 교통정보는 대략 분 단위로 관측되는 차량 속도라 할 수 있다. 즉, 도로의 교통 상황을 파악함에 있어서, 초 단위로 변화하는 실시간 차량들의 모든 정보를 반드시 알 필요가 없으며, 일반적으로 특정 시간 단위로 움직인 차량 전체 흐름의 변화를 파악하는 것으로 충분하다. 실제로 횡단보도 등으로 인해 차량 정지와 운행이 반복되는 시내 구간의 경우는 초단위의 실시간 차량 속도보다 몇 분간의 누적 산술 평균 속도가 실제 구간 교통흐름을 파악하는데 더 정확한 정보로 사용되며 대부분의 경우도 도로 상황에 따라 1분 단위부터 수 분까지의 누적 산술 평균 속도만으로도 실시간 교통상황 파악이 가능하다. The vehicle-specific speed observed by the sensor is stored in the memory of the sensor, but all data such as the speed, location, and size of the observed object are not transmitted to the central server in real time. If the traffic information of all observed vehicles is transmitted to the central server in real time, the amount of data increases significantly, but the real-time traffic information actually required can be said to be the vehicle speed observed in units of approximately minutes. That is, in grasping the traffic condition of the road, it is not necessary to know all the information of real-time vehicles that change in seconds, and it is generally sufficient to grasp the change in the overall flow of vehicles moving in a specific time unit. In the case of city sections where vehicles are stopped and operated repeatedly due to crosswalks, etc., the cumulative arithmetic average speed for several minutes is used as more accurate information to determine the actual traffic flow of the section than the real-time vehicle speed in seconds. Depending on the road conditions, real-time traffic conditions can be grasped with only the accumulated arithmetic average speed from one minute to several minutes.
즉, 복잡한 교차로의 경우는 신호 대기시간을 포함하면 대략적인 평균 속도가 20 내지 30km/h 정도이고, 병목 구간의 경우도 그와 비슷하다. 따라서 이와 같이 붐비는 도로는 차량 속도 관측을 5분 내지 10분 동안 누적한 다음 산술평균을 내어 제공하는 것이 바람직하다.That is, in the case of a complex intersection, the approximate average speed is about 20 to 30 km/h, including the signal waiting time, and the bottleneck section is similar. Therefore, it is preferable to accumulate vehicle speed observations for 5 to 10 minutes and then provide an arithmetic average on such a crowded road.
차량 통행량이 적거나 폭이 넓은 도로일 경우(고속도로나 국도, 자동차 전용도로 등) 대부분의 차량속도는 제한 속도 근처인 70 내지 100km/h 정도이다. 일반적인 경우는 분 단위 누적 산술평균 속도와 실시간 교통속도의 차이는 거의 발생하지 않는다. 만약 사고 발생 시에는 해당 차선의 차량속도가 급변할 수 있지만 이때에도 사고차선 이외의 다른 차선 주변부는 점진적인 정체를 빚기 때문에 분 단위의 평균 차량 속도 데이터만으로도 충분히 필요한 실시간 교통정보를 제공할 수 있다. 추가적으로 소정의 시간내 최고 속도와 통행 차량 수 등을 같이 참고하면 좀 더 정확한 실시간 교통정보를 산출할 수 있다. When the vehicle traffic volume is low or on a wide road (highway, national highway, automobile-only road, etc.), most vehicle speeds are about 70 to 100 km/h near the speed limit. In general, the difference between the cumulative arithmetic average speed in minutes and the real-time traffic speed hardly occurs. If an accident occurs, the speed of the vehicle in the corresponding lane may change rapidly, but even at this time, the surrounding areas of other lanes other than the accident lane create gradual congestion, so the average vehicle speed data per minute can provide sufficient real-time traffic information. In addition, more accurate real-time traffic information can be calculated by referring to the maximum speed within a predetermined time and the number of vehicles in transit.
정리하면, 실시간 도로 교통상황의 지표가 되는 차량 이동 속도는 상술한 바와 같이 소정 시간 동안 차량 속도를 실시간 관측한 다음 누적된 속도 값을 해당 관측 시간동안 이동한 차량수로 나누어 산출된 산술평균으로 대체하여도 운전자가 필요로 하는 실시간 교통정보로서 아무런 손색이 없는 반면, 실시간 관측된 모든 데이터를 전송하지 않기 때문에 데이터 전송량은 획기적으로 줄일 수 있다. 따라서 상술한 바와 같이 수집한 대규모 교통정보는 도로 교통 정보를 필요로 하는 공공기관이나 네비게이션 사업자에게 충분한 데이터가 될 수 있다. In summary, the vehicle movement speed, which is an indicator of real-time road traffic conditions, is replaced by an arithmetic average calculated by dividing the accumulated speed value by the number of vehicles moved during the observation time after real-time observation of the vehicle speed for a predetermined time as described above. Even so, the amount of data transmission can be drastically reduced because it does not transmit all the data observed in real time while it is inferior to the real-time traffic information required by the driver. Therefore, the large-scale traffic information collected as described above can be sufficient data for a public institution or a navigation company that requires road traffic information.
도로마다 배치된 IoT 레이더 센서는 IoT 공중망을 통해 중앙 서버로 전송된다. 중앙 서버에는 각각의 IoT 레이더 센서의 위치 정보와 함께 전송 받은 데이터가 저장되어 데이터베이스화되며, 상기 데이터는 필요에 따라 소정 시간 단위에 산출된 평균 속도 값이 도로 교통정보 제공에 활용되거나 단위 시간 동안 누적된 데이터 전부를 조회하여 도로 교통정보로 활용될 수 있다. IoT radar sensors placed on each road are transmitted to a central server through the IoT public network. The central server stores the data received along with the location information of each IoT radar sensor and is converted into a database, and the data is used to provide road traffic information or accumulated over a unit time by using the average speed value calculated in a predetermined time unit as needed. It can be used as road traffic information by inquiring all the data.
IoT 센서는 통신방법이외 상시전원이 필요한데 상시전원을 사용할 수 없는 경우는 배터리를 사용하거나 태양광시설을 설치 운영할 수 있으며 이 경우 차량이동이 없는 경우는 센서를 절약모드로 운영하고 먼 구간에서 차량이동이 감지되는 경우 측정모드로 전환하면 상시전원을 절약할 수 있다. IoT sensors require constant power other than communication methods, but if constant power is not available, batteries can be used or solar power facilities can be installed and operated.In this case, if there is no vehicle movement, the sensor is operated in saving mode and the vehicle is in a distant section. When movement is detected, switching to the measurement mode can save constant power.
따라서 위와 같은 방식은 지속적으로 대규모 실시간 교통정보 데이터를 기존 방식에 비해 매우 저렴하게 수집할 수 있으며 추가적으로 날씨, 시간, 요일, 휴일 정보 등을 감안하여 교통량 예측을 포함하여 다양한 형태로 교통정보 서비스가 가능해 진다. Therefore, the above method can continuously collect large-scale real-time traffic information data at a very low cost compared to the existing method, and additionally, it is possible to provide various types of traffic information service including traffic forecasting in consideration of weather, time, day of the week, and holiday information. Lose.
실질적인 상황을 예로 들면 다음과 같다.The practical situation is as follows.
병목 구간으로 알려진 도로에 설치된 IoT 레이더 센서는 차량 속도를 지속적으로 감지하여 저장하고, 10분마다 상기의 전문형태로 누적 집계된 교통량 정보를 IoT통신망을 이용하여 중앙 서버로 전송한다. 10분마다 데이터 전송이 이루어지지만 중앙 서버에는 해당 위치의 레이더 센서로부터 측정된 2분 간격의 5개 교통량 정보가 레이더 센서의 위치 정보와 함께 저장되어 데이터베이스로 구축된다. 데이터 사용자에 해당하는 교통방송국과 네비게이션 사업자 등은 상기 중앙 서버에 접속하여 해당 병목 구간에 대한 교통정보를 검색하여 도로 표지판이나 네비게이션 단말기에 원활, 정체 등으로 표시하여 준다. 이때, 사용자는 저장된 2분 간격의 평균속도 값들을 조회하여 교통정보를 원활이나 정체로 판단하여 제공할 수도 있고, 저장된 실시간 누적 데이터 전체를 조회하여 자신들이 추가로 재가공한 교통정보를 운전자들에게 제공할 수도 있다. The IoT radar sensor installed on the road known as the bottleneck section continuously detects and stores the vehicle speed, and transmits the accumulated and aggregated traffic information in the form of the above every 10 minutes to the central server using the IoT communication network. Data is transmitted every 10 minutes, but the central server stores 5 traffic volume information at 2-minute intervals measured from the radar sensor at the corresponding location along with the location information of the radar sensor and is built into a database. Traffic broadcasting stations and navigation operators corresponding to data users access the central server to search for traffic information for a corresponding bottleneck section, and display the traffic information on a road sign or navigation terminal as smooth or congested. At this time, the user may query the stored average speed values at 2-minute intervals to determine whether traffic information is smooth or congested, or provide the drivers with additionally reprocessed traffic information by inquiring all stored real-time accumulated data. You may.
상기에서 평균 속도를 산출하는 단위 시간을 2분으로 한 것은 일례이며, 통신속도나 데이터 전송 가격조건에 맞추어 다르게 설정할 수도 있다. In the above, the unit time for calculating the average speed is set to 2 minutes, and it may be set differently according to the communication speed or data transmission price condition.
도 2는 본 발명을 구성하는 하드웨어를 좀 더 상세히 보여준다.2 shows the hardware constituting the present invention in more detail.
IoT 레이더 센서는 전자기파를 송수신하는 RF부, 차량으로부터 반사된 반사파들을 신호 처리하는 신호처리부, 센서의 위치정보를 나타내는 GNSS, 데이터 보안을 위한 암호화부, 그리고 통신 모듈을 구비할 수 있다. 통신 모듈은 레이더 센서 설치 시 센서의 위치와 방향을 맞추는데 일회적으로 필요한 이더넷 통신 모듈과 차량 속도 데이터를 중앙 서버에 소정 시간마다 전송하는데 필요한 IoT 통신 모듈을 구비한다. 또한, Wifi 모듈을 구비할 수 있다. 레이더 센서 설치 시 현장에서 레이더 센서의 이더넷 통신 모듈과 스마트폰 등의 단말기 통신기능을 이용해 상호 연결하도록 하면 레이더 센서의 위치를 단말기 상의 전자지도 앱에 표시할 수 있다. 즉, IoT 레이더 센서에 GNSS가 탑재되어 있으므로 구글맵, 네이버맵과 같은 지도 앱을 이용하면 IoT 레이더 센서의 위치를 전자지도에 표시할 수 있고, IoT 레이더 센서가 설치된 정확한 위치와 방향을 설치자가 지도정보와 일치하도록 배치하여 실제 차량 운행 정보가 지도앱에 즉시 조회되도록 한다. 레이더 센서의 설치는 위와 같이 설치자가 단말기 앱의 조회결과를 보면서 조정할 수도 있고 좀더 자동화 하여, 초기 설치 후 일정 시간동안 감지되는 레이더 데이터를 분석하여 레이더 센서자체에서 얼라인먼트 정보를 계산하여 송출하는 정보로 상세 조정을 할 수 있다. 얼라인먼트 정보는 레이더가 설치된 위치에서 정지물체의 배치나 이동 물체의 경로를 트래킹(tracking)하여 도로 곡률 및 형태를 계산하여 얻을 수 있다. 레이더 센서에서 계산한 설치 정보 또는 보정 정보는 많은 계산을 수행해야 하지만 결과적으로 레이더 위치 조정과 관련해서는 많은 데이터가 필요치 않으므로 IoT 통신망 사용만으로도 정확한 설치 위치 및 방향을 조정할 수 있다. 또한, 레이더 센서에 6축 또는 9축 모션 센서를 장착하는 경우 더욱 상세한 설치 정보를 이용하여 정확한 설치가 가능하다. The IoT radar sensor may include an RF unit that transmits and receives electromagnetic waves, a signal processing unit that processes reflected waves reflected from a vehicle, a GNSS indicating the location information of the sensor, an encryption unit for data security, and a communication module. The communication module includes an Ethernet communication module, which is necessary for aligning the position and direction of the sensor when the radar sensor is installed, and an IoT communication module required to transmit vehicle speed data to the central server at predetermined times. In addition, a Wifi module may be provided. When the radar sensor is installed, the location of the radar sensor can be displayed on the electronic map app on the terminal by connecting the radar sensor's Ethernet communication module to each other using a terminal communication function such as a smartphone. In other words, since GNSS is installed on the IoT radar sensor, the location of the IoT radar sensor can be displayed on an electronic map by using a map app such as Google Map and Naver Map, and the installer maps the exact location and direction of the IoT radar sensor installed. It is arranged to match the information so that the actual vehicle driving information is immediately searched on the map app. The installation of the radar sensor can be adjusted by the installer while viewing the inquiry result of the terminal app as above, or it is more automated, and it is detailed information that calculates and transmits alignment information from the radar sensor itself by analyzing radar data detected for a certain time after initial installation. You can make adjustments. Alignment information can be obtained by calculating the curvature and shape of a road by tracking the arrangement of a stationary object or the path of a moving object at the position where the radar is installed. The installation information or correction information calculated by the radar sensor needs to perform a lot of calculations, but as a result, a lot of data is not required for the radar position adjustment, so the exact installation position and orientation can be adjusted only by using the IoT communication network. In addition, if a 6-axis or 9-axis motion sensor is mounted on the radar sensor, accurate installation is possible using more detailed installation information.
이와 같이 설치된 IoT 레이더 센서는 현장에서 수집된 교통정보를 IoT망을 통해 중앙서버로 전송할 수 있게 된다.The IoT radar sensor installed in this way can transmit traffic information collected in the field to the central server through the IoT network.
중앙서버는 각 지역에 설치된 IoT 레이더 센서로부터 전송 받은 교통정보 데이터(평균 속도 및 최고속도, 통행 차량 수 등)를 각 IoT 레이더 센서의 GNSS 데이터와 함께 저장하여 데이터베이스화한다. 이러한 데이터베이스를 통해 대규모 실시간 교통정보를 제공할 수 있으며, 이용자는 유관기관과 네비게이션 사업자 또는 일반 차량 운행자(개인)일 수 있다. The central server stores traffic information data (average speed, maximum speed, number of vehicles, etc.) received from IoT radar sensors installed in each region together with the GNSS data of each IoT radar sensor and converts it into a database. Large-scale real-time traffic information can be provided through such a database, and users may be related organizations and navigation companies, or general vehicle drivers (individuals).
이러한 서버로 전송되는 대규모 교통정보를 빅데이터로 축적하는 경우 추가적으로 지역(위치), 날씨, 요일, 휴일, 출퇴근 시간대 정보 등과 함께 machine learning 또는 deep learning을 이용하여 인공지능 방식으로 학습시키면 운행 지역, 시간대 별로 교통정보를 정밀하게 예측할 수 있고 이를 이용하여 차량의 운행예상 경로를 최적으로 설정하는데 활용할 수 있다. 향후 도로상의 신호등에도 통신 모듈이 설치되어 교통신호 정보까지 포함하여 학습을 한다면 더욱 효율적인 경로 안내가 가능하다. In the case of accumulating large-scale traffic information transmitted to such a server as big data, additionally, learning by artificial intelligence method using machine learning or deep learning along with region (location), weather, day of the week, holiday, commute time zone information, etc. Each traffic information can be accurately predicted, and it can be used to optimally set the expected route of the vehicle. In the future, if a communication module is installed in traffic lights on the road and learns including traffic signal information, more efficient route guidance is possible.
또한, 상기 IoT 레이더 센서에 CCTV 카메라모듈을 추가하여 IoT 통신망 또는 이더넷(Ethernet) 통신을 이용하여 추가적으로 실시간 영상을 제공할 수 있다. 추가적으로 IoT 레이더 센서의 설치와 운영에 대해 공공기관의 협조를 구하기 위해 IoT 레이더 센서를 무상 또는 저렴하게 제공하고 취득하는 교통정보를 공유하도록 하면 해당 공공기관에게는 예산절감의 효과를 누리게 하고 IoT 레이더 센서 설치자는 취득한 정보를 재판매 할 수 있는 기회를 얻을 수 있게 된다.In addition, by adding a CCTV camera module to the IoT radar sensor, a real-time image may be additionally provided using an IoT communication network or Ethernet communication. In addition, providing IoT radar sensors free or inexpensively to seek cooperation from public institutions for the installation and operation of IoT radar sensors, and allowing them to share traffic information acquired, will allow the relevant public institutions to enjoy the effect of budget savings and install IoT radar sensors. The person has the opportunity to resell the acquired information.
상기에서, 레이더 센서에 구비되는 신호처리부는, 실시간 객체 이동 구간 중 하나 이상의 관측지점을 실제 도로의 특정 지점과 일치시키고, 해당되는 특정지점을 지나가는 차량의 전자기파 반사량 세기로 구분한 차량의 크기에 따른 차량분류정보, 차량수, 차량속도, 차량간 거리, 차량 진행 방향 또는 차선 정보 중 하나 이상, 바람직하게는 상기 변수 모두를 포함한 차량운행정보를 저장하고, 소정의 단위 시간마다 누적된 상기 차량운행정보를 기초로 차량분류정보, 차량수, 차량속도, 차량간 거리, 차량 진행 방향 또는 차선 정보 각각에 대한 산술 평균을 산출하여 데이터베이스화하고, 통신 모듈을 통해 소정 단위 시간 마다 중앙 서버로 전송한다. In the above, the signal processing unit provided in the radar sensor matches one or more observation points of the real-time object movement section with a specific point on the actual road, and according to the size of the vehicle divided by the intensity of the electromagnetic wave reflection of the vehicle passing through the corresponding specific point. At least one of vehicle classification information, number of vehicles, vehicle speed, distance between vehicles, vehicle travel direction or lane information, preferably vehicle driving information including all of the above variables, and the vehicle driving information accumulated every predetermined unit time Based on the vehicle classification information, the number of vehicles, the vehicle speed, the distance between vehicles, the driving direction of the vehicle, or the arithmetic mean of each of the lane information is calculated into a database, and transmitted to the central server at a predetermined unit time through the communication module.
상기에서 차선 정보는 레이더 센서 초기 설치 시, 관측 도로에 그어진 차선을 전자지도 앱에 표시하여 차량이 통행하는 차선 정보(1차선, 2차선 등)를 감지하여 저장 및 전송된다. In the above, when the radar sensor is initially installed, the lane information is displayed on the electronic map app to detect the lane information (first lane, second lane, etc.) through which the vehicle passes, and is stored and transmitted.
상기에서, 통신 모듈은 IoT 통신망 이외에 Wifi 또는 이더넷(Ethernet) 통신모듈을 더 구비하며, IoT망이 없는 경우 상기 교통정보를 인터넷 망을 통해 중앙서버로 전송하는데 사용하거나, 상기 레이더 센서 또는 라이더 센서를 초기설치 또는 재설치 할 때 인터넷 전자지도 앱을 실행시켜 상기 레이더 센서 또는 라이다 센서의 GNSS 위치정보를 이용하여 전자지도와 연결시키거나, 레이더 센서 또는 라이다 센서에 GNSS가 없는 경우 전자지도에 상기 레이더 센서 또는 라이다 센서 위치를 지정하여 입력하거나 사용자의 모바일 기기(스마트폰, 무선노트북 또는 태블릿 pc 등)와 연동하여 위치정보를 제공받아, 실제 도로의 차량 이동 상황과 상기 레이더 센서 또는 라이다 센서로부터 감지되어 출력되는 객체(차량)의 흐름을 상기 전자지도 앱에 표시되게 하여 시각적 확인을 통해 상기 레이더 센서 또는 라이다 센서의 방향과 각도를 설정하게 하고, 상기 레이더 센서 또는 라이다 센서를 인터넷망을 통해 원격으로 연결하여 센서의 고장 유무를 진단하거나 유지보수를 할 수 있다. In the above, the communication module further includes a Wifi or Ethernet communication module in addition to the IoT communication network, and if there is no IoT network, it is used to transmit the traffic information to the central server through the Internet network, or the radar sensor or lidar sensor When initial installation or reinstallation, run the Internet e-map app and connect it to the electronic map using the GNSS location information of the radar sensor or lidar sensor, or if there is no GNSS in the radar sensor or lidar sensor, the radar is displayed on the electronic map. By specifying the location of a sensor or lidar sensor, or receiving location information by linking with a user's mobile device (smartphone, wireless laptop or tablet pc, etc.), the actual vehicle movement status of the road and the radar sensor or lidar sensor The flow of the object (vehicle) detected and output is displayed on the electronic map app to set the direction and angle of the radar sensor or lidar sensor through visual confirmation, and the radar sensor or lidar sensor is connected to the Internet network. Through remote connection, it is possible to diagnose the sensor's failure or perform maintenance.
즉, 레이더 센서 또는 라이다 센서의 위치를 파악할 수 있도록 위치 파악 모듈을 구비하여 레이더 센서 또는 라이다 센서가 GNSS(GPS) 모듈을 포함하거나, GNSS(GPS) 모듈을 포함한 사용자의 모바일 기기로부터 위치정보가 자동입력되도록 모바일 기기에 위치정보 전송모듈을 설치하거나, 사용자가 모바일 기기를 이용하여 직접 위치 정보를 입력하여 레이더 센서 또는 라이다 센서에 전송되게 할 수 있다.That is, the radar sensor or lidar sensor includes a GNSS (GPS) module or location information from a user's mobile device including a GNSS (GPS) module by providing a location identification module to determine the location of the radar sensor or lidar sensor The location information transmission module may be installed in the mobile device so that the is automatically inputted, or the user may directly input the location information using the mobile device and transmit it to a radar sensor or a lidar sensor.
또한, 중앙 서버로 차량 운행관련 데이터를 전송하는 통신 모듈은 레이더 센서 또는 라이다 센서 내에 설치된 IoT 통신모듈 외에 셀룰러 통신모듈(3G, LTE, 5G 등)일 수 있다. In addition, the communication module that transmits vehicle operation-related data to the central server may be a cellular communication module (3G, LTE, 5G, etc.) in addition to an IoT communication module installed in a radar sensor or a lidar sensor.
또한, 상기의 교통정보 수집 시스템을 이용하여 인터넷 비즈니스 모델을 구축할 수 있다. 즉, 상기 중앙 서버의 데이터베이스에 접근할 수 있도록 하는 회원가입 단계와 로그인 단계를 거쳐 요금을 결제하면,(요금 결제는 회원가입 단계 또는 차후 데이터 사용 후 사용량에 따라 차등 요금 결제 가능함), 상기 데이터베이스에 대해 접근하여 교통정보 데이터를 검색하고 이를 회원 자신의 메모리에 다운 받아 재가공하여 회원의 사업에 사용할 수 있게 한다. 이때 요금 결제 대신 특정 광고주의 광고를 교통정보 표시 단말기에 노출하여 주고 광고주의 광고비를 중앙 서버 관리자 회원으로부터 받을 수도 있다.In addition, an Internet business model can be constructed using the above traffic information collection system. That is, if you pay a fee through the membership registration step and the log-in step to access the database of the central server (payment can be performed at the membership sign-up step or after using the data at a different rate depending on the amount of use), the database It accesses and retrieves traffic information data, downloads it to the member's own memory, and reprocesses it so that it can be used for the member's business. At this time, instead of paying a fee, an advertisement of a specific advertiser may be exposed to a traffic information display terminal, and the advertisement fee of the advertiser may be received from a member of the central server manager.
또한, 상기 레이더 센서에 CCTV 카메라 모듈을 추가하여 IoT통신망 또는 인터넷 통신을 이용하여 실시간 교통 영상을 추가적으로 제공할 수도 있다. In addition, by adding a CCTV camera module to the radar sensor, real-time traffic images may be additionally provided using an IoT communication network or Internet communication.
상기에 있어서, 상기 중앙 서버로 전송된 교통정보를 빅데이터로 축적하고, 지역(위치) 정보, 날씨, 요일, 휴일, 또는 출퇴근 시간대 정보를 머신 러닝 또는 딥러닝(machine learning 또는 deep learning)을 이용한 인공지능 방식으로 학습하여 차량을 운행하는 특정 지역의 시간대 별 교통정보를 예측하여 차량 운행 경로를 최적화 하여 안내할 수 있다. In the above, the traffic information transmitted to the central server is accumulated as big data, and information on area (location), weather, day of the week, holiday, or commute time is obtained using machine learning or deep learning. By learning in an artificial intelligence method, it is possible to optimize and guide the vehicle driving route by predicting traffic information for each time zone in a specific area in which the vehicle is operated.
또한, 상기 레이더 센서의 전원을 절약하기 위하여 일정 시간 간격동안 차량이 감지되지 않거나 차량의 움직임이 없는 경우 전원을 대기모드로 전환하고 미리 설정하여 둔 센서로부터 이격된 거리에서 차량이 다가오는 것이 감지되는 시점에 대기모드를 해제하여 감시모드로 전환할 수 있다. 즉, 신호처리부에서 소정 의 시간 간격(예를 들면, 10분 간격 등)을 설정하여 그 시간 동안 차량 감지가 없거나 차량 움직임이 없으면(주차된 것으로 봄) 대기모드로 전환하여 신호처리부와 통신 모듈에 대해 전원을 오프시킨다. In addition, in order to save the power of the radar sensor, when the vehicle is not detected or there is no movement of the vehicle for a certain period of time, the power is switched to the standby mode, and the time when the vehicle approaches at a distance from the preset sensor is detected. You can switch to monitoring mode by canceling the standby mode. In other words, the signal processing unit sets a predetermined time interval (e.g., 10 minute intervals, etc.), and if there is no vehicle detection or no vehicle movement during that time, the signal processing unit and the communication module are switched to the standby mode. Turn off the power.
본 발명의 권리는 위에서 설명된 실례에 한정되지 않고 청구범위에 기재된 바에 의해 정의되며, 본 발명의 분야에서 통상의 지식을 가진 자가 청구범위에 기재된 권리범위 내에서 다양한 변형과 개작을 할 수 있다는 것은 자명하다. The rights of the present invention are not limited to the examples described above, but are defined by what is described in the claims, and that a person having ordinary knowledge in the field of the present invention can make various modifications and adaptations within the scope of the rights described in the claims. It is self-evident.
도면부호 없음. No reference numeral.
Claims (20)
상기 레이더 센서 또는 라이다 센서로부터 전송되는 데이터를 수신하여 저장하는 중앙 서버;를 포함하고,
상기 레이더 센서 또는 라이다 센서는,
도로에 전자기파를 방사하고, 차량으로부터 반사되는 전자기파를 수신하는 송수신부;
실시간 객체 이동 구간 중 하나 이상의 관측지점을 실제 도로의 특정 지점 과 일치시키고, 해당되는 특정지점을 지나가는 차량으로부터 반사되는 전자기파에 기초하여 결정되는 차량운행정보를 기초로 1분 내지 10분의 단위 시간에 대응되는 교통정보 데이터에 대한 산술 평균을 산출하는 신호처리부; 및
상기 신호처리부에 의해 산출된 교통정보 데이터를 상기 단위 시간마다 상기중앙 서버로 전송하는 통신 모듈;을 포함하고,
상기 중앙 서버는 전송 받은 교통정보 데이터와 전송 시간 및 상기 레이더 센서 또는 라이다 센서의 위치 정보와 함께 저장하여 데이터베이스화하고,
상기 중앙 서버로 전송된 교통정보를 빅데이터로 축적하고,
상기 빅데이터에 포함되는 지역(위치) 정보, 날씨, 요일, 휴일, 또는 출퇴근 시간대 정보를 머신 러닝 또는 딥러닝(machine learning 또는 deep learning)을 이용한 인공지능 방식으로 학습하여 차량을 운행하는 특정 지역의 시간대 별 교통정보를 예측하여 차량 운행 경로를 최적화 하여 안내하는 것을 특징으로 하는 교통정보 수집 시스템. A radar sensor or a lidar sensor installed on a road to detect a vehicle passing through the road in real time and observe movement information of the vehicle; And
Including; a central server for receiving and storing data transmitted from the radar sensor or lidar sensor,
The radar sensor or lidar sensor,
Transmitting/receiving unit for emitting electromagnetic waves to the road and receiving electromagnetic waves reflected from the vehicle;
One or more observation points in the real-time object movement section are matched with a specific point on the actual road, and based on the vehicle operation information determined based on the electromagnetic wave reflected from the vehicle passing through the corresponding specific point, in a unit time of 1 to 10 minutes. A signal processing unit that calculates an arithmetic mean for corresponding traffic information data; And
Including; a communication module for transmitting the traffic information data calculated by the signal processing unit to the central server every unit time,
The central server stores the transmitted traffic information data, transmission time, and location information of the radar sensor or lidar sensor to form a database,
Accumulate the traffic information transmitted to the central server as big data,
The area (location) information, weather, day of the week, holidays, or commuting time zone information included in the big data is learned by artificial intelligence method using machine learning or deep learning, A traffic information collection system, characterized in that it predicts traffic information for each time period and optimizes and guides the vehicle driving route.
상기 레이더 센서 또는 라이다 센서로부터 전송되는 데이터를 수신하여 저장하는 중앙 서버;를 포함하고,
상기 레이더 센서 또는 라이다 센서는,
도로에 전자기파를 방사하고, 차량으로부터 반사되는 전자기파를 수신하는 송수신부;
실시간 객체 이동 구간 중 하나 이상의 관측지점을 실제 도로의 특정 지점 과 일치시키고, 해당되는 특정지점을 지나가는 차량으로부터 반사되는 전자기파에 기초하여 결정되는 차량운행정보를 기초로 1분 내지 10분의 단위 시간에 대응되는 교통정보 데이터에 대한 산술 평균을 산출하는 신호처리부; 및
상기 신호처리부에 의해 산출된 교통정보 데이터를 상기 단위 시간마다 상기중앙 서버로 전송하는 통신 모듈;을 포함하고,
상기 중앙 서버는 전송 받은 교통정보 데이터와 전송 시간 및 상기 레이더 센서 또는 라이다 센서의 위치 정보와 함께 저장하여 데이터베이스화하고,
상기 센서의 방향 설정 자동화를 위하여, 상기 센서 설치 후 일정 시간동안 감지되는 객체 이동 정보를 수집하여 센서에 구비된 신호처리부에서 얼라인먼트 정보를 계산하고 상기 센서의 방향과 각도가 자동 제어 되게 하며,
상기 얼라인먼트 정보는 상기 센서가 설치된 지점 주변의 정지물체를 기준으로 하여 산출되거나, 이동 물체의 경로를 트래킹(tracking)하여 도로 곡률을 포함한 도로 형태를 계산하여 산출되거나, 상기 센서에 6축 또는 9축 모션 센서를 장착하여 산출되는 것을 특징으로 하는 교통정보 수집 시스템.
A radar sensor or lidar sensor installed on a road to detect a vehicle passing through the road in real time and observe movement information of the vehicle; And
Including; a central server for receiving and storing data transmitted from the radar sensor or lidar sensor,
The radar sensor or lidar sensor,
Transmitting/receiving unit for emitting electromagnetic waves to the road and receiving electromagnetic waves reflected from the vehicle;
One or more observation points in the real-time object movement section are matched with a specific point on the actual road, and based on the vehicle operation information determined based on the electromagnetic wave reflected from the vehicle passing through the corresponding specific point, in a unit time of 1 to 10 minutes. A signal processing unit that calculates an arithmetic mean for corresponding traffic information data; And
Includes; a communication module for transmitting the traffic information data calculated by the signal processing unit to the central server every unit time,
The central server stores the transmitted traffic information data, transmission time, and location information of the radar sensor or lidar sensor to form a database,
In order to automate the direction setting of the sensor, object movement information detected for a certain period of time after installation of the sensor is collected, alignment information is calculated by a signal processing unit provided in the sensor, and the direction and angle of the sensor are automatically controlled,
The alignment information is calculated based on a stationary object around the point where the sensor is installed, or by tracking the path of a moving object and calculating the road shape including the curvature of the road, or the sensor has 6 or 9 axes. Traffic information collection system, characterized in that calculated by mounting a motion sensor.
The method of claim 6, wherein the communication module executes an Internet electronic map app when the radar sensor or lidar sensor does not have a location detection module to designate and input the radar sensor or lidar sensor location on the electronic map. The vehicle movement status of the road and the flow of objects detected and output from the radar sensor or lidar sensor are displayed on the electronic map app to set the direction and angle of the radar sensor or lidar sensor through visual confirmation, A traffic information collection system, characterized in that the radar sensor or the lidar sensor is remotely connected through an Internet network to diagnose or maintain a sensor failure.
상기 중앙 서버의 데이터베이스에 접근할 수 있도록 하는 회원가입 단계;
회원의 로그인 단계;
상기 데이터베이스에 대해 접근하여 교통정보 데이터를 검색하는 단계; 및
회원 가입 또는 데이터베이스 접근에 따르는 요금을 결제하는 단계;를 포함하여 교통정보를 얻을 수 있게 하는 것을 특징으로 하는 교통정보 제공 방법.As a traffic information providing method using the traffic information collection system of any one of claims 1 to 12 or 14 to 16,
A member registration step of allowing access to a database of the central server;
Member login step;
Accessing the database and searching for traffic information data; And
Traffic information providing method, characterized in that it is possible to obtain traffic information including; paying a fee according to membership registration or database access.
상기 중앙 서버의 데이터베이스에 접근할 수 있도록 하는 회원가입 단계;
회원의 로그인 단계; 및
상기 데이터베이스에 대해 접근하여 교통정보 데이터를 검색하는 단계;를 포함하여 교통정보를 얻을 수 있게 하는 것을 특징으로 하는 교통정보 제공 방법.
As a traffic information providing method using the traffic information collection system of any one of claims 1 to 12 or 14 to 16,
A member registration step of allowing access to a database of the central server;
Member login step; And
Accessing the database and searching for traffic information data; and obtaining traffic information.
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR20170048922 | 2017-04-17 | ||
| KR1020170048922 | 2017-04-17 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20180116749A KR20180116749A (en) | 2018-10-25 |
| KR102159965B1 true KR102159965B1 (en) | 2020-09-25 |
Family
ID=64131658
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020180040869A KR102159965B1 (en) | 2017-04-17 | 2018-04-09 | Real Time Big Scale Traffic Data Collecting Method and Big Data Management System |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102159965B1 (en) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20240072437A (en) | 2022-11-16 | 2024-05-24 | 주식회사 오션소프트 | Traffic big data construction system and construction method that can integrate and manage traffic information collected from existing traffic information detectors and new traffic information detectors |
Families Citing this family (31)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109118797B (en) * | 2018-10-29 | 2021-11-23 | 百度在线网络技术（北京）有限公司 | Information sharing method, device, equipment and storage medium |
| CN111161548B (en) * | 2018-11-07 | 2021-09-24 | 海信集团有限公司 | Vehicle-mounted binocular camera and relative speed calculating method thereof |
| KR20200055965A (en) * | 2018-11-14 | 2020-05-22 | 휴먼플러스(주) | Traffic monitoring system using LIDAR for notification of road obstacles and vehicle tracking |
| CN109410584B (en) * | 2018-12-11 | 2021-04-02 | 北京小马智行科技有限公司 | Road condition detection method and device |
| KR102130966B1 (en) * | 2018-12-11 | 2020-07-08 | 라온피플 주식회사 | Apparatus and method for controlling traffic signal |
| CN109360428B (en) * | 2018-12-12 | 2021-11-19 | 连云港杰瑞电子有限公司 | Method for monitoring bottleneck control state |
| CN109739236B (en) * | 2019-01-04 | 2022-05-03 | 腾讯科技（深圳）有限公司 | Vehicle information processing method and device, computer readable medium and electronic equipment |
| CN110782654B (en) * | 2019-02-22 | 2021-05-25 | 滴滴智慧交通科技有限公司 | Traffic capacity estimation method and device for congestion area and data processing equipment |
| KR102589935B1 (en) | 2019-04-18 | 2023-10-18 | 현대모비스 주식회사 | Apparatus and method for monitoring camera signals |
| KR102113334B1 (en) * | 2019-12-02 | 2020-05-20 | 주식회사 산흥이지 | Iot active road stud system |
| CN110942638A (en) * | 2019-12-18 | 2020-03-31 | 福建工程学院 | Method and system for identifying topological connection edge direction of urban road network |
| KR102168713B1 (en) * | 2019-12-20 | 2020-10-21 | 주식회사 시로코 | Method, apparatus and computer program for providing traffic report using smart led road sign |
| KR102263392B1 (en) * | 2020-01-22 | 2021-06-10 | 이성진 | Vehicle Information Transmission and Reception System for Efficient Traffic Network Control System |
| CN111383465B (en) * | 2020-03-23 | 2022-03-22 | 中交第一公路勘察设计研究院有限公司 | Highway danger early warning and speed control system based on car networking |
| EP4116738A4 (en) * | 2020-03-31 | 2024-03-20 | Bitsensing Inc. | Radar device and method for classifying objects |
| KR102557620B1 (en) * | 2020-03-31 | 2023-07-21 | 주식회사 비트센싱 | Radar apparatus and method for classifying object |
| KR102153609B1 (en) * | 2020-04-21 | 2020-09-08 | 주식회사 스마트비전 | Accident Guidance System using CCTV Camera |
| KR102435281B1 (en) | 2020-06-05 | 2022-08-23 | 한국건설기술연구원 | Road accident detection system and method using a lamppost-type structure |
| KR102403018B1 (en) * | 2020-07-07 | 2022-05-30 | 퍼시픽솔루션 주식회사 | Apparatus for traffic information collection using radar and image analysis |
| KR102177837B1 (en) * | 2020-07-20 | 2020-11-11 | 이재선 | Speed display device |
| CN112099042B (en) * | 2020-08-07 | 2024-04-12 | 武汉万集信息技术有限公司 | Vehicle tracking method and system |
| CN113409567B (en) * | 2021-01-04 | 2022-08-05 | 清华大学 | Traffic assessment method and system for mixed traffic lane of public transport and automatic driving vehicle |
| CN112630794A (en) * | 2021-01-15 | 2021-04-09 | 福建农林大学 | Traffic parameter detection device and detection method based on laser radar ranging |
| KR102271138B1 (en) * | 2021-04-22 | 2021-06-30 | 메타빌드(주) | Traffic information collection accuracy improvement device using radar sensor and method of the same |
| KR102275280B1 (en) * | 2021-04-22 | 2021-07-09 | 메타빌드(주) | Multiple object tracking-based traffic information collection device using radar sensor and method of the same |
| WO2023022247A1 (en) * | 2021-08-18 | 2023-02-23 | 이시완 | Pedestrian route provision system and method |
| CN114267172A (en) * | 2021-11-19 | 2022-04-01 | 山西省交通运输安全应急保障技术中心(有限公司) | Road sectional traffic conflict risk early warning system and method thereof |
| KR102638711B1 (en) * | 2021-11-22 | 2024-02-22 | (주)노바코스 | Radar and camera fusion based vehicle recognition system |
| KR102724228B1 (en) * | 2021-11-29 | 2024-10-31 | (주)아이엠알 | Platform speech and behavior visualization system and method for real-time control of vision sensor and lidar sensor of autonomous vehicle |
| CN115359673A (en) * | 2022-08-07 | 2022-11-18 | 贵州黔三智科技有限公司 | Highway potential safety hazard early warning method based on laser lamp linkage |
| KR102660024B1 (en) * | 2023-08-09 | 2024-04-23 | 뱀부스 주식회사 | Method for detection road event and apparatus for the same |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100695348B1 (en) * | 2005-02-25 | 2007-03-15 | 건아정보기술 주식회사 | System In Bar of Tunnel Disaster That Use Speed-Sensing System and a Method Using Thereof |
| KR20090063039A (en) * | 2007-12-12 | 2009-06-17 | 한국전자통신연구원 | Apparatus and operation method for vehicle detection |
| KR20150098439A (en) * | 2014-02-20 | 2015-08-28 | 메타빌드주식회사 | Vehicle detecting system based on radar and detecting method thereof |
| KR101678004B1 (en) * | 2015-02-24 | 2016-11-21 | 주식회사세오 | node-link based camera network monitoring system and method of monitoring the same |
-
2018
- 2018-04-09 KR KR1020180040869A patent/KR102159965B1/en active IP Right Grant
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20240072437A (en) | 2022-11-16 | 2024-05-24 | 주식회사 오션소프트 | Traffic big data construction system and construction method that can integrate and manage traffic information collected from existing traffic information detectors and new traffic information detectors |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20180116749A (en) | 2018-10-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102159965B1 (en) | Real Time Big Scale Traffic Data Collecting Method and Big Data Management System | |
| US11030896B2 (en) | Real-time traffic information collection | |
| US20240363005A1 (en) | Autonomous vehicle intelligent control (avic) system with distributed ai computing | |
| US20240321104A1 (en) | Localized artificial intelligence for autonomous driving | |
| EP3357049B1 (en) | Transmission of targeted roadway alerts | |
| US11425530B2 (en) | Generating and transmitting parking instructions for autonomous and non-autonomous vehicles | |
| CN112489433B (en) | Traffic congestion analysis method and device | |
| US9335178B2 (en) | Method for using street level images to enhance automated driving mode for vehicle | |
| US20180053237A1 (en) | Generating and Transmitting Parking Instructions for Autonomous and Non-Autonomous Vehicles | |
| CA3033215C (en) | Generating and transmitting parking instructions for autonomous and non-autonomous vehicles | |
| US20160049079A1 (en) | Methods of tracking pedestrian heading angle using smart phones data for pedestrian safety applications | |
| CN102637365B (en) | System and method for realizing urban traffic intelligence by utilizing i-RFID (interactive-radio frequency identification) | |
| JP7207670B2 (en) | Highway system for connected autonomous vehicles and methods using it | |
| CN113347254A (en) | Intelligent traffic control car networking system based on V2X and control method thereof | |
| KR20140128063A (en) | Traffic prediction system | |
| Prabha et al. | Overview of data collection methods for intelligent transportation systems | |
| US11615551B2 (en) | Assessing visibility of a target object with autonomous vehicle fleet | |
| CN104392617A (en) | Bus priority control system | |
| WO2010058058A1 (en) | Arrangement and related method for analysing and controlling traffic conditions at borders | |
| CN117456742A (en) | Intelligent parking guidance system and method | |
| CN105321217A (en) | Road pricing method and system based on road measuring and monitoring | |
| WO2023146934A1 (en) | Intelligent road barrier system | |
| Yatskiv et al. | An overview of different methods available to observe traffic flows using new technologies | |
| Kunjumon Mathew | Conception and design of a dynamic parking guidance system in Wismar | |
| Sharma | Prospecting the Use of Existing Traffic Signal Video Detection Technology for Collecting Reliable Count Data |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |