AI-Hub

데이터 변경이력

데이터 히스토리

소개

• 과적 및 정상 차량 유형으로 구분하고, 과적 차량의 경우 과적 분류 체계별 데이터 40만 장 데이터 구축
• 차량 유형별(대형(덤프트럭), 중형, 소형 화물트럭) 3종
• CCTV, 블랙박스, 드론, 디지털 카메라, 스마트기기, 활용한 데이터 수집
• 과적, 불법 차량 개조 분류 체계 제시
• 세부 분류 체계에 따른 데이터 편향 없이 구축
• 개인정보 등 민감 정보 제거
• 정상 차량, 과적 차량, 불법 개조 차량, 태깅
• 안전 도로를 확보하여, 도로 위험 상황 연출 및 학습 데이터 구축
• 공용 도로 대상으로 교통 안전에 피해를 주지 않게 원천 영상 획득

구축목적

• 과적 단속 업무 효율화 및 AI 기술 발전 기여
• 도로 안전을 위한 AI 기술 활용 가능성 확대
• COVID-19 사태로 장기 경기침체에 대응하여 대규모 일자리 창출 가능
• 과적 및 불법 개조 차량 검출을 통한 차량 단속을 위한 학습 데이터 구축

1. 데이터 통계 

• 원천데이터 40만장, 라벨링데이터 40만장 구축
  
  ※복합차량( 정상차량+정상차량 / 정상차량 + 불법차량 / 불법차량 +불법차량)의 경우 포함된 수량)

2. 데이터 분포

• 차량 크기별 객체 분포 : 대형차, 중형차, 소형차
  
• 불법 구분별 분포 : 정상차량, 불법차량
  
• 불법 유형별 분포 : 높이과적, 넓이과적, 길이과적, 적재불량, 불법개조
  
• 획득방법별 분포 : CCTV, 드론, 블랙박스, 직접촬영, 기획촬영
  

저작도구 설명서 및 저작도구 다운로드

AI 모델 상세 설명서 다운로드

• 라벨링 툴을 자체적으로 개발하여 모델 학습에 있어 최적의 학습용 데이터 가공
• 과적차량 분류를 위해 다양한 Image Detection 모델의 성능 및 효율을 비교하여 적합 모델 선정
• 불법개조차량 탐지를 위해 다양한 Instance Segmentation 모델의 성능 및 효율을 비교하여 적합 모델 선정
  • 도로 내 운행 객체 중 과적 탐지 및 분류(YOLOv4)
    
  • 도로 내 운행 객체 중 불법개조 차량 탐지(Mask R-CNN)
    

서비스 활용 

• 고속·일반도로 안전 서비스 체계 제공
  • 도로관리자 및 화물차 운전자 그리고 일반 차량 운전자에게 반드시 필요한 도로 교통안전 서비스로서 화물차 운행 관리 및 효과적 제한, 과적 위반 차량 단속과 계도를 통한 선진적 관리체계, 교통 사고 예방 및 사회 비용 절감 등 기여 
  • 서울특별시, 부산광역시 등 광역단위 지자체와 경기도, 수원시 등 화물차 통행량 증가와 이로 인한 위험성이 존재하는 도시부 일반도로 관리구간의 참여로 다양한 도로 환경을 반영한 데이터 구축으로 데이터의 범용화, 실용화 추진
• 화물차량 과적 단속 업무 개선 및 화물 차량 과적 정보 구축
  • 화물 차량 과적 정보 구축의 기초자료로 활용하고, 이를 토대로 보다 지속적이고, 발전적인 데이터 구축 서비스로 확장하여 국민안전 및 공공 업무 효율화 기여
  • 과적 차량의 단속을 과학화하기 위해, 지능형 단속시스템의 기술발전과 단속 업무의 개선을 통해 치밀한 보안ㆍ관제形 화물차량 및 과적 차량 식별 자동화 기술에 기여
  • 과적 차량을 정지시키지 않고 영상을 이용하여 과적을 판정하는 LVES(과적 차량 단속 서비스)에 활용

데이터 성능 점수

설명서 및 활용가이드 다운로드

1. 데이터 설명

• 다양한 도로,CCTV,블랙박스,카메라,드론 영상에 원시 데이터로부터 이미지 캡처 및 정제작업 하여 적합 원천 데이터를 추출하여 어노테이션 도구를 활용하여 정제된 원천데이터를 바운딩 박스,폴리곤 메타데이터를 적용한 인공지능 학습용 과적차량 도로 위험 데이터셋으로, 데이터의 다양성을 추구하며, 정제작업시 비식별화 작업을 통해 개인정보 및 민감정보 저작권 등 문제를 완전히 해결한 데이터
• 
  

2. 데이터 포맷

•  

  2. 데이터 포맷

  정상차량 – 대형차	데이터 항목	JSON 형식
  	촬영 기본 정보
  	해당 차량 정보
  	바운딩박스 정보

3. 데이터 구성

•  

  3. 데이터 구성

  구분		항목명	타입	필수여부	설명	범위	비고
  1		파일명 (FILE NAME)	String	Y	파일명	CCTV, 드론, 블랙박스, 스마트기기(캠코더,폰)
  	1-1	획득구분 (COLLECTION METHOD)	String	Y	촬영방식구분
  	1-2	주/야 (Day/Night)	String	Y	주간/야간	주간, 야간
  	1-3	차선정보 (Lane)	String	Y	단/다차선 구분	단차선, 다차선
  	1-4	도로 번호(Road Number)	String	Y	도로 번호	1번 국도 등
  	1-5	촬영장소 (Place)	String	Y	촬영장소 명칭	경인고속도로,실증도로 등 위치 또는 주소 등
  	1-6	촬영자 (ID CODE)	String	Y	사용자 코드	촬영방식 및 촬영자 코드
  	1-7	촬영일 (Date)	Date	Y	년월일	YYYY.MM.DD
  	1-8	기상정보 (Weather)	String	Y	기상상황	맑음, 흐림, 우천, 강설
  	1-9	해상도 (Resolution)	String	Y	해상도	1920X1080	라벨링 대상 이미지 해상도
  	1-10	카메라제조사 (Make)	String	Y	카메라 제조 업체 정보	카메라 제조업체명
  	1-11	모델명 (Model Name)	String	Y	카메라 모델명	카메라 모델명
  	1-12	파일크기 (File Size)	String	Y	이미지 파일 크기 (Byte)
  	1-13	지정대상수량 (BoundingCount)	Number	Y	라벨링 Object 갯수	복수 라벨링 지정 시  라벨링 갯수

4. 어노테이션 포맷

•  

  4. 어노테이션 포맷

  구분		항목명	타입	필수여부	설명	범위	비고
  2		라벨링구분 (Drawing)	String	Y	Box / Polygon	Box, Polygon	획득구분 (Collection method) 기획촬영 경우에는 polygon만 허용
  	2-1	바운딩박스 (Box)	String	N	X1, Y1, X2, Y2 (라벨링구분이 Box인 경우 필수)	X1, Y1, X2, Y2 좌표값	획득구분 (Collection method) CCTV, 드론, 블랙박스, 직접촬영 경우에만 허용
  	2-2	폴리곤 (Polygon)	String	N	X1, Y1, X2, Y2 (라벨링구분이 Polygon인경우 필수)	X1, Y1, X2, Y2 좌표값	획득구분 (Collection method) 기획촬영 경우에만 허용
  	2-3	대항목 (Segment)	String	Y	차량 유형	대형차, 중형차, 소형차
  	2-4	중항목 (Package)	String	Y	불법 구분	불법차량, 정상차량
  	2-5	소항목 (Class)	String	Y	불법 유형	높이과적, 넓이과적, 길이과적, 적재불량, 불법개조, 정상차량	중항목(Package)이 정상차량일 경우 소항목(Class)는 정상차량만 해당
  	2-6	덮개상태 (Cover)	String	N	덮개 상태	덮개개방, 덮개없음, 끈 없음	소항목(Class)이 적재불량인 경우에만 해당
  	2-7	차량방향 (course)	String	Y	차량 방향	전면좌측, 전면우측, 후면좌측, 후면우측
  	2-8	커브방향 (Curve)	String	Y	커브 방향	정상주행, 좌커브, 우커브

5. 실제 예시

데이터셋 구축 담당자

수행기관(주관) : 주식회사 에스디엠이앤씨

수행기관(참여)