※ 해당 데이터는 추후 수정/보완 작업으로 변경 될 수 있습니다.
-
데이터 변경이력
데이터 변경이력 버전 일자 변경내용 비고 1.1 2023-03-06 원천데이터, 라벨링데이터 수정 1.0 2022-07-29 데이터 최초 개방 데이터 히스토리
데이터 히스토리 일자 변경내용 비고 2022-10-20 신규 샘플데이터 개방 2022-07-29 콘텐츠 최초 등록 소개
– 이륜자동차 맞춤형 솔루션 개발에 필요한 골목길, 이면 도로 등 생활도로의 위험 시설 물 및 위험 객체 학습 데이터 셋 구축
구축목적
– 이륜자동차 교통사고 감소를 위한 인공지능 기반 솔루션 개발 등에 활용하기 위한 학습 데이터셋 구축 및 서비스 모델 개발 – 인공지능을 활용하여 이륜자동차의 교통 사고 및 위험 요소를 감소시킬 수 있는 맞춤형 서비스 모델 개발
-
메타데이터 구조표 데이터 영역 교통물류 데이터 유형 이미지 데이터 형식 이미지(png) 데이터 출처 - 라벨링 유형 바운딩박스(이미지), 세그멘테이션(이미지) 라벨링 형식 json 데이터 활용 서비스 이륜차 라이더 실시간 위험요소 관리 및 알림 솔루션 데이터 구축년도/
데이터 구축량2021년/42만장 -
- 이륜자동차 안전 위험 요소가 포함된 이미지
- 이미지 : 총 27종 42 만 장(생활도로 노면표면 7만5천장, 안전시설물 10만장, 도로시설물 3만장, 도로방치물 15만5천장, 위험지점 6만장)
순번 순번 대분류 중분류 이미지 1 교통시설물 생활도로 노면표시 
2 교통시설물 안전시설물 
3 위험 개체 도로 시설물 
4 위험 개체 도로 방치물 
5 위험 개체 위험 지점 
순 소분류 형태 라벨링유형 이미지(장) 1 일방통행(표식) 이미지(JPG) Ploygone 15,000 2 일방통행(문자) 이미지(JPG) Polygone 15,000 3 속도표시 제한(문자) 이미지(JPG) Polygone 15,000 4 어린이보호구역(문자) 이미지(JPG) Polygone 15,000 5 장애인, 노인보호구역 (문자) 이미지(JPG) Polygone 15,000 6 차량진입 억제용 말뚝 이미지(JPG) Segmentation 15,000 7 시선 유도봉 이미지(JPG) Segmentation 15,000 8 과속방지턱 이미지(JPG) Polygone 20,000 9 고원식 횡단보도 이미지(JPG) Polygone 20,000 10 자전거 도로(바닥표시) 이미지(JPG) Polygone 15,000 11 공사안내 표지판 이미지(JPG) 2D BB 15,000 12 맨홀 이미지(JPG) 2D BB 15,000 13 럼블스트립(요철) 이미지(JPG) 2D BB 7,500 14 주차차단기 이미지(JPG) Polyline 7,500 15 광고판 이미지(JPG) 2D BB 15,000 16 쓰레기(쓰레기더미) 이미지(JPG) 2D BB 15,000 17 쓰레기(의자,책상,소파등) 이미지(JPG) 2D BB 10,000 18 쓰레기통 이미지(JPG) 2D BB 30,000 (공공 쓰레기통, 넘침) 19 쓰레기(냉장고, TV등 전자제품) 이미지(JPG) 2D BB 15,000 20 방치물(폐타이어) 이미지(JPG) 2D BB 15,000 21 방치물(박스) 이미지(JPG) 2D BB 15,000 22 방치물(물통등) 이미지(JPG) 2D BB 15,000 23 방치물(전동킥보드) 이미지(JPG) 2D BB 15,000 24 방치물(마대 자루) 이미지(JPG) 2D BB 10,000 25 공사현장(가림막, 휀스) 이미지(JPG) 2D BB 30,000 26 포트홀 이미지(JPG) 2D BB 15,000 27 침수구간(웅덩이) 이미지(JPG) 2D BB 15,000 합계 420,000
- 이미지 : 총 27종 42 만 장(생활도로 노면표면 7만5천장, 안전시설물 10만장, 도로시설물 3만장, 도로방치물 15만5천장, 위험지점 6만장)
- 이륜자동차 안전 위험 요소가 포함된 이미지
-
-
AI 모델 상세 설명서 다운로드
AI 모델 상세 설명서 다운로드 AI 모델 다운로드- 활용 모델 학습
- 학습 클래스는 Polygon, Polyline, 2DBBox로 구성되어 있음
- 학습하고자 하는 클래스에 맞게 Polygon과 Polyline은 Segmentation이 가능한 모델로 학습(ex. Unet), 2DBBox의 경우 Detector(ex. YOLOv3)를 사용
- 감지하고자 하는 클래스의 80%를 학습데이터로 활용, 학습데이터를 제외한 나머지 데이터베이스에서 각각 10%씩 검증 데이터와 시험 데이터로 사용
- 서비스 활용 시나리오
- 구축된 모델은 배달 라이더 블랙박스 영상을 통해 위험물을 인지하고 실시간으로 관리·알림을 통해 위험 시설물을 관리할 수 있음
- 위험물 감지 시 이륜차 운전자에게 알림을 주어 실시간으로 주의 운전을 유도할 수 있음
- 활용 모델 학습
-
데이터 성능 점수
측정값 (%)기준값 (%)데이터 성능 지표
데이터 성능 지표 번호 측정항목 AI TASK 학습모델 지표명 기준값 점수 측정값 점수 1 바운딩박스 객체 인식 Object Detection YOLO v3 mAP 90 % 90.09 % 2 폴리라인 객체 인식 Object Detection UNet(Backbone: EfficientNet-B7) mAP 90 % 90.2 % 3 폴리곤 객체 인식 Object Detection UNet(Backbone: EfficientNet-B7) mIoU 90 % 94.19 %
※ 데이터 성능 지표가 여러 개일 경우 각 항목을 클릭하면 해당 지표의 값이 그래프에 표기됩니다.
※ AI모델 평가 지표에 따라 측정값의 범위, 판단 기준이 달라질 수 있습니다. (ex. 오류율의 경우, 낮을수록 좋은 성능을 내는 것으로 평가됩니다)
-
설명서 및 활용가이드 다운로드
데이터 설명서 다운로드 구축활용가이드 다운로드- 이륜자동차 안전 위험 시설물 데이터 (Data of Object and Facility Hazardous to Motorcycle Safety)
- 목적 : 이륜자동차 교통사고 감소를 위한 인공지능 기반 솔루션 개발 등에 활용하기 위한 학습 데이터셋 구축 및 서비스 모델 개발
– 이륜자동차 맞춤형 솔루션 개발에 필요한 골목길, 이면 도로 등 생활도로의 위험 시설 물 및 위험 객체 학습 데이터 셋 구축
– 인공지능을 활용하여 이륜자동차의 교통 사고 및 위험 요소를 감소시킬 수 있는 맞춤형 서비스 모델 개발 - 활용분야 : 실시간 위험요소 관리·알림 및 라이더 안전 운전 유도를 위한 인센티브 제공 솔루션 개발, 도로 및 골목길 생활안전 모니터링 API 서비스
- 데이터 소개 : 현업 라이더가 운행하는 이륜자동차에 탑재된 블랙박스 영상을 기반으로 시설물 및 위험 개체 학습 데이터 셋 구축
– 골목길, 이면도로 등 시민 일상 밀접 공간의 학습 데이터 확보함으로써 이륜자동차에 적용할 수 있는 데이터 확보
– 이륜차 주행 특성 및 라이더 습성에 기반한 학습 데이터 구축함으로써 서비스 모델 개발에 용이한 데이터 확보
– 협업 라이더가 운행하는 이륜자동차 블랙박스 시점 데이터를 통해 솔루션의 성능을 최적화 하는 데이터 확보
– 현업 라이더의 주행 영상을 활용하여 총 27종의 이미지 학습 데이터셋을 구축하여 활용할 수 있도록 제공
– 생활도로 상 시설물 및 위험객체 총 42만 장의 학습 데이터로 구축하고, 이를 활용한 서비스 개발
-
데이터 구성
항목 타입 필수여부 영문명 한글명 교통시설물 위험객체 images 이미지 데이터 정보 file_name 원천데이터 이름 String Y Y width 가로 Number Y Y height 세로 Number Y Y id 이미지 고유번호 String Y Y dpi 이미지 컬러심도 (DPI) Number Y Y camera_info 블랙박스 카메라 정보 String Y Y -
어노테이션 포맷
annotations 어노테이션 정보 id 어노테이션 고유 번호 Number Y Y label_type label type 정보 String Y Y segmentation segmentation 정보 Array N N polyline polyline 번호 Array N N bbox bounding box 정보 Array N N image_id 이미지 고유번호 String Y Y label 객체분류명 String Y Y startFrame 시작 프레임 String N N endFrame 끝 프레임 String N N categories supercategory 큰 틀의 카테고리 String Y Y id 어노테이션 고유 번호 Number Y Y name 이름 String Y Y structure_degree 구조물 훼손 정도 String Y N painted_degree 도색 훼손 정도 String Y N
-
데이터셋 구축 담당자
수행기관(주관) : 경북대학교 산학협력단
수행기관(주관) 책임자명 전화번호 대표이메일 담당업무 최수호 053-295-5722 shchoi27@iact.or.kr · 데이터 구축 총괄 수행기관(참여)
수행기관(참여) 기관명 담당업무 인성데이타 · 데이터 수집 이튜 · 데이터 정제 씨이랩 · 데이터 가공(라벨링) 엠제이비전테크 · 인공지능 모델링 도로교통공단 · 데이터 설계 데이터 관련 문의처
데이터 관련 문의처 담당자명 전화번호 이메일 최수호 053-295-5722 shchoi27@iact.or.kr
-
인터넷과 물리적으로 분리된 온라인·오프라인 공간으로 의료 데이터를 포함하여 보안 조치가 요구되는 데이터를 다운로드 없이 접근하고 분석 가능
* 온라인 안심존 : 보안이 보장된 온라인 네트워크를 통해 집, 연구실, 사무실 등 어디서나 접속하여 데이터에 접근하고 분석
* 오프라인 안심존 : 추가적인 보안이 필요한 데이터를 대상으로 지정된 물리적 공간에서만 접속하여 데이터에 접근하고 분석 -
- AI 허브 접속
신청자 - 안심존
사용신청신청자신청서류 제출* - 심사구축기관
- 승인구축기관
- 데이터 분석 활용신청자
- 분석모델반출신청자
- AI 허브 접속
-
1. 기관생명윤리위원회(IRB) 심의 결과 통지서 [IRB 알아보기]
2. 기관생명윤리위원회(IRB) 승인된 연구계획서
3. 신청자 소속 증빙 서류 (재직증명서, 재학증명서, 근로계약서 등 택1)
4. 안심존 이용 신청서 [다운로드]
5. 보안서약서 [다운로드]
※ 상기 신청서 및 첨부 서류를 완비한 후 신청을 진행하셔야 정상적으로 절차가 이루어집니다. -
신청 및 이용관련 문의는 safezone1@aihub.kr 또는 02-525-7708, 7709로 문의
데이터셋 다운로드 승인이 완료 된 후 API 다운로드 서비스를 이용하실 수 있습니다.
API 다운로드 파일은 분할 압축되어 다운로드 됩니다. 분할 압축 해제를 위해서는 분할 압축 파일들의 병합이 필요하며 리눅스 명령어 사용이 필요합니다.
리눅스 OS 계열에서 다운로드 받으시길 권장하며 윈도우에서 파일 다운로드 시 wsl(리눅스용 윈도우 하위 시스템) 설치가 필요합니다.
※ 파일 병합 리눅스 명령어
find "폴더경로" -name "파일명.zip.part*" -print0 | sort -zt'.' -k2V | xargs -0 cat > "파일명.zip"
- 해당 명령어 실행 시, 실행 경로 위치에 병합 압축 파일이 생성됩니다.
- 병합된 파일 용량이 0일 경우, 제대로 병합이 되지 않은 상태이니 "폴더경로"가 제대로 입력되었는지 확인 부탁드립니다.
※ 데이터셋 소개 페이지에서 다운로드 버튼 클릭하여 승인이 필요합니다.