교통량 조사 방법은 과거 현장에 인력을 투입하여 수기로 조사하는 방법에서 현재는 인공지능(Artificial Intelligence; 이하 AI) 기술도입과 정보통신의 발전으로 프로그램에 의한 자동 계수로 진화하고 있지만, 장비 구축 비용과 전문인력 확보 문제로 대부분의 교통량 조사 전문업체는 영상정보 획득 및 인력에 의한 계수 방식으로 업무를 수행하고 있다.
최근 스마트시티 사업 등을 통해 도시부 주요 교차로에 교통정보 수집 장치가 설치되고 있다. 교차로 내 고정식 영상 촬영 장비를 도로 정면 상부에 설치하여 규격화된 영상정보를 수집한 후 해당 영상을 교통정보 센터로 전송하며, AI 기술을 통해 구축된 학습데이터 기반 교통량을 계수하는 방식으로 활용되고 있다. 이에 반해 공공기관, 민간기업에서 불특정지역에 대해 단발성으로 시행하는 교통량 조사는 휴대용 배터리와 저장장치를 활용하는 이동식 영상 촬영 장비를 활용하고 있다. 이동식 영상 촬영 장비는 도로 측면의 가로수, 전신주, 신호등 등 도로 시설물에 설치하게 되며, 설치 위치 및 높이(5m 미만)에 따라 촬영 화면 각도가 상이하게 설정되는 비정형 영상정보를 획득하게 된다. 비정형 영상정보에서 발생하는 문제점으로는 멀리 위치한 차로가 구분이 명확하지 않기에 차로별 차량추적에 어려움이 발생하고, 대형차량이 전방 차로에 위치하였을 경우 후방 차로 차량을 가리는 차량폐색(Occlusion) 현상이 발생하여 교통량 계수 정확도가 낮아지는 한계점이 존재한다.
이에 본 연구에서는 측면에서 획득한 비정형 영상자료의 차로별/방향별 교통량 집계 기술개발을 목적으로 한다. 연구의 진행 및 결과 검증을 위해 측면에서 촬영된 교차로 및 가로구간 총 8개 지점의 영상자료를 수집하였다. 차로별/방향별 교통량 집계 알고리즘 개발을 위해 차량인식(Object Detect) 데이터셋 구축 및 기술을 적용하였다. 접근로별 차로별 차량인식 및 추적(Tracking)을 위해 선형의 검지선인 PLOI(Path-lane of Interest) 개념을 도입한 차로단위 교통량 추출 알고리즘을 개발하였다. 차량폐색 현상 해결을 위해 차량 인식 후 재인식 시 동일한 차량으로 인식하는 지연 매칭 모델인 ByteTrack 기법을 도입하였다. 본 논문에서 개발한 기술의 성능 비교 검증을 위해 조사지점을 대상으로 인력에 의해 집계된 참값 교통량과 개발 기술을 적용하여 집계된 차로별 교통량을 비교하여 개발 기술에 대한 성능을 검증한다.
본 연구는 프로그램을 활용한 교통량 집계 기술 중 이동식 촬영장비로 획득한 영상자료의 교통량 집계 기술을 제시하였다. 기존 고정식 촬영장비를 활용하여 교통량 집계 기술을 수행하기 위해서는 장비 설치, 비용, 안전성등 필요사항에 대한 고려가 제반된다. 이러한 사항을 이동식 촬영장비를 활용하여 해당 제약사항들을 감소시켰다. 또한, 기존 비정형 영상자료 교통분석에서 한계점으로 지적되던 차량인식률, 차량폐색 등 기술적 한계점에 대해 문제점을 진단하며, 해당 방안을 보완할 기술을 개발하여 교통량 집계 기술을 개발하였다. 본 연구에서 개발한 기술을 적용한 교통량 집계 정확도에 대해 조사지점별 특성을 반영한 결과를 도출하였으며, 각 결과에 대한 해석을 진행함에 따라 보완사항을 도출하였다.