딥러닝 기반 불법 주정차 탐지 결과에 따른 골목길 소방차 진입 가능성 예측

Abstract

본 논문에서는 비정형도로 CCTV 이미지를 활용하여 불법 주정차를 객체 탐지하고 이를 고려한 소방차의 진입 가능성 예측 및 최적 경로를 제공 방법을 제안한다. 현재 골목길 상황에서 불법 주정차는 소방차 진입에 심각한 장애물로 작용하고 있으며, 이에 따라 비상 상황에 빠른 대응이 어려워진다. 이를 해결하기 위해, 본 논문에서는 객체 탐지 모델인 YOLO를 사용하여 CCTV 영상에서 진입 거리 계산에 필요한 객체를 정확하게 탐지하고 분석한 정보를 바탕으로 Dijkstra(다익스트라) 알고리즘을 활용하여 불법 주정차가 있는 상황을 고려한 최적 경로를 찾는다.

먼저, 비정형도로 CCTV 이미지, GIS 데이터, 소방차 제원별 데이터를 수집 및 전처리하여 데이터 셋을 구축한다. CCTV 이미지의 경우 데이터 증강을 통해서 성능을 향상시킨다. 이후, YOLOv5s 모델을 활용하여 골목길 도로와 불법 주정차를 탐지하고, 도로 사이드까지 거리를 계산하여 골목길에서 소방차의 크기를 고려한 진입 가능성을 판별한다.

본 연구에서는 기존 Dijkstra 알고리즘과 개발한 알고리즘의 경로탐색 성공률과 정확도를 비교/평가하였다. 불법 주정차가 있는 경우, Dijkstra 알고리즘은 경로탐색 성공률이 50%였으나, 개발 알고리즘은 100% 성공하였다. 정확도는 불법 주정차가 없는 경우에 기존 알고리즘이 미세하게 높았지만, 불법 주정차가 있는 경우, 개발 알고리즘이 Dijkstra 알고리즘 대비 211.01%의 정확도 향상률을 보였다. 이는 실제 골목길 진입 상황에서의 경로 정확도를 향상시키는 데 있어 효과적임을 확인하였다. |In this paper, we propose a method for object detection of illegal parking by utilizing CCTV images of unstructured roads and predicting the probability of fire truck entry and providing an optimal route considering this. Currently, illegal parking in alleyways is a serious obstacle to the entry of fire trucks, which makes it difficult to respond quickly to emergency situations. To solve this problem, this paper uses YOLO, an object detection model, to accurately detect the objects needed to calculate the entry distance in CCTV images, and then uses the Dijkstra algorithm based on the analyzed information to find the optimal route considering the situation with illegal parking.

First, we collect and preprocess unstructured road CCTV images, GIS data, and data by fire truck specifications to build a dataset. For CCTV images, we use data augmentation to improve performance. Then, we utilize the YOLOv5s model to detect alleyway roads and illegal parking, and calculate the distance to the side of the road to determine the possibility of entering the alleyway considering the size of the fire truck.

In this study, we compare and evaluate the success rate and accuracy of pathfinding between the existing Dijkstra algorithm and the developed algorithm. In the case of illegal parking, the Dijkstra algorithm had a pathfinding success rate of 50%, while the developed algorithm had a 100% success rate. Accuracy was slightly higher for the existing algorithm in the case of no illegal parking, but in the case of illegal parking, the developed algorithm showed an accuracy improvement of 211.01% compared to the Dijkstra algorithm. This confirms that the developed algorithm is effective in improving route accuracy in real-world alleyway entry situations.