AI-Hub

데이터 변경이력

데이터 히스토리

소개

교통사고 영상 데이터를 구축함으로써 교통사고 과실/평가 등의 구축 데이터를 이용한 인공지능 알고리즘 개발과 ICT 분야 법원, 경찰청, 보험사에서 사용하는 교통사고 과실 비율 측정/평가 프로그램 등의 공기관 및 기업에서 이용되고 있는 각종 서비스 및 기기 등의 개발 등을 위한 인공지능 알고리즘 개발 등에 활용하며, 교통사고 과실비율 측정/평가 기준을 인공지능 분석을 통해 과실비율 측정/평가를 위하여 통합 데이터를 구축

구축목적

국내 교통사고에 대한 영상 및 이미지 데이터를 수집하고 인공지능을 활용하여 과시 측정/평가 예측 모델을 구축하여 최적의 측정/평가하는 인공지능 서비스 모델을 개발하고자 데이터 구축

1. 데이터 통계

• 데이터 구축 규모

  1. 데이터 통계

  데이터 종류	데이터 형태	원천 데이터 규모	어노테이션 규모
  영상	영상	21,895 건	21,895 건
  이미지	이미지	3,284,250 장	3,284,250 장

2. 데이터 분포

• 영상 분포

  사고대상	사고장소	영상(건)	비율
  차대차	직선 도로	9,089	42%
  	사거리교차로(신호등 없음)	1,534	7%
  	사거리교차로(신호등 있음)	2,594	12%
  	고속도로(자동차 전용도로)포함	1,593	7%
  	T자형 교차로	1,315	6%
  	차도와 차도가 아닌 장소	291	1%
  	주차장(또는 차도가 아닌 장소)	772	4%
  	회전교차로	330	2%
  차대보행자	횡단보도(신호등 없음)	78	0.36%
  	횡단보도(신호등 있음)	183	1%
  	횡단보도(신호등 없음) 부근	72	0.33%
  	횡단보도(신호등 있음) 부근	122	1%
  	횡단보도 없음	471	2%
  	육교 및 지하도 부근	7	0.03%
  차대자전거	사거리 교차로(신호등 있음)	105	0.48%
  	사거리 교차로(신호등 없음)	193	1%
  	자전거 도로	7	0.03%
  	직선 도로	741	3%
  차대이륜차	직선 도로	1,207	6%
  	사거리교차로(신호등 없음)	280	1%
  	사거리교차로(신호등 있음)	560	3%
  	회전교차로	3	0.01%
  	T자형 교차로	200	1%
  	차도와 차도가 아닌 장소	148	1%
  합계		21,895	100%

• 이미지 분포(Bbox)

  사고대상	사고장소	이미지(장)	비율
  차대차	직선 도로	1,363,350	42%
  	사거리교차로(신호등 없음)	230,100	7%
  	사거리교차로(신호등 있음)	389,100	12%
  	고속도로(자동차 전용도로)포함	238,950	7%
  	T자형 교차로	197,250	6%
  	차도와 차도가 아닌 장소	43,650	1%
  	주차장(또는 차도가 아닌 장소)	115,800	4%
  	회전교차로	49,500	2%
  차대보행자	횡단보도(신호등 없음)	11,700	0.36%
  	횡단보도(신호등 있음)	27,450	1%
  	횡단보도(신호등 없음) 부근	10,800	0.33%
  	횡단보도(신호등 있음) 부근	18,300	1%
  	횡단보도 없음	70,650	2%
  	육교 및 지하도 부근	1,050	0.03%
  차대자전거	사거리 교차로(신호등 있음)	15,750	0.48%
  	사거리 교차로(신호등 없음)	28,950	1%
  	자전거 도로	1,050	0.03%
  	직선 도로	111,150	3%
  차대이륜차	직선 도로	181,050	6%
  	사거리교차로(신호등 없음)	42,000	1%
  	사거리교차로(신호등 있음)	84,000	3%
  	회전교차로	450	0.01%
  	T자형 교차로	30,000	1%
  	차도와 차도가 아닌 장소	22,200	1%
  합계		3,284,250	100%

저작도구 설명서 및 저작도구 다운로드

AI 모델 상세 설명서 다운로드

1. 활용 모델

• 모델 학습
  • 영상에서의 인스턴스 9종(차량, 보행자, 이륜차, 자전거, 표지판, 신호등(적색), 신호등(녹색), 신호등(기타), 횡단보도) 검출을 위한 'DetectoRS' 학습 알고리즘 사용
  • 과실비율산정 인자 분류를 위한 4개의 직렬 연결 'VTN' 학습 알고리즘 사용

학습 알고리즘 구조
DetectoRS	Video Transformer Network (VTN)

2. 서비스 활용 시나리오

• 교통사고 과실비율 측정/평가 시스템(교통사고 AI 과실 측정/평가 시스템이 사용되면 수리비 청구 기간이 4일에서 1일로 단축될 수 있을 것으로 판단)
• 소액보상 손해사정시간이 절감 가능하며, 전체 차량수리에 교통사고 AI 과실 측정/평가 시스템 사용 가능
• 과실비율 측정 소프트웨어 개발과 더 나아가 과실비, 보험금, 차량 수리비까지 알 수 있는 AI응용서비스 개발
• 본 사업 기간 이후, 주관기관 ㈜티맥스티베로의 컨소시엄이 한국교통안전공단을 통하여 대국민 서비스(T-safer)에 활용할 수 있도록 응용서비스 구축

데이터 성능 점수

설명서 및 활용가이드 다운로드

1. 데이터 포맷

• 원천데이터 포맷 예시(영상 데이터)

  1. 데이터 포맷

  제목
  사고 영상
  영상 파일 포맷	MP4
  카테고리	교통사고
  전처리 전(영상 기준)
  전처리 후(10초 영상)
  Json 형식(영상 데이터)

• 원천데이터 포맷 예시(이미지 데이터)

  제목
  사고 영상 이미지
  영상 파일 포맷	MP4
  	PNG
  	교통사고
  전처리 전(영상 기준)
  전처리 후(이미지 추출)
  Json 형식(이미지 데이터)

2. 어노테이션 포맷

• 영상 데이터

  구분	항목명	타입	필수여부	설명	범위	비고
  1	info	object		데이터셋 정보
  1-1	name	string	Y	데이터셋 명	[accident]
  1-2	description	string		데이터셋 상세설명
  1-3	url	string		데이터셋 URL
  2	video	object		영상 정보
  2-1	video_name	string	Y	비디오 명
  2-2	video_date	string	Y	비디오 날짜	yymmdd
  2-3	filming_way	string	Y	촬영 방법	[cc, bb]	cc : cctv
  						bb : blackbox
  2-4	video_point_of_view	number	Y	영상 시점	[1, 3]	1인칭: 1
  						3인칭: 3
  2-5	accidental_negligence_rateA	number	Y	과실 비율	[0, 10, 20, 30, 40, 50, 60, 70, 80, 90, 100]	isObjectA에 대한 과비율 측정
  2-6	accidental_negligence_rateB	number	Y	과실 비율	[0, 10, 20, 30, 40, 50, 60, 70, 80, 90, 100]	isObjectB에 대한 과비율 측정
  2-7	accident_type	number	Y	사고 유형	[0 ~ 433]	[별첨 ②]
  2-8	accident_object	number	Y	사고 대상 종류	[0 ~ 3]	[별첨 ②]
  2-9	accident_place	number	Y	사고 장소 유형	[0 ~ 14]	[별첨 ②]
  2-10	accident_place_feature	number	Y	사고 장소 특징	[0 ~ 60]	[별첨 ②]
  2-11	vehicle_a_progress_info	number	Y	사고객체A	[0 ~ 179]	[별첨 ②]
  				진행 정보
  2-12	vehicle_b_progress_info	number	Y	사고객체B	[0 ~ 173]	[별첨 ②]
  				진행 정보		1인칭의 경우, 본인을 사고객체B로 간주
  2-13	damage_location	string		파손 위치
  2-14	related_laws	string		관련 법규
  2-15	violation_of_law	string		법규 위반
  2-16	additional_elements	string		가감 요소
  2-17	violation_factor	string		위반 요소
  2-18	weather	string		날씨	[맑음, 비, 눈, 흐림, 안개]

• 이미지 데이터

  구분	항목명	타입	필수여부	설명	범위	비고
  1	file_name	string	Y	이미지 파일명
  2	width	number	Y	이미지 너비	[0 ~ 3840]
  3	height	number	Y	이미지 높이	[0 ~ 2160]
  4	video_file_name	string	Y	비디오 파일명		이미지가 추출된 비디오 파일명
  5	sequence_frame_number	number	Y	추출된 이미지들 내의 프레임번호	[0 ~ 150]	1초당 15프레임으로 샘플링시, 10초간 최대 150프레임 추출
  6	objects	array		바운딩 박스 집합
  6-1	object	object		바운딩 박스 정보
  6-1-1	bbox	array	Y	바운딩 박스의 위치 및 크기	[좌상단 x좌표, 좌상단 y좌표, 너비, 높이]
  6-1-2	category	string	Y	각 bbox의 클래스이름		[별첨 ①]
  6-1-3	isObjectA	boolean		각 bbox의 사고객체A 여부	[ture,false]
  6-1-4	isObjectB	boolean		각 bbox의 사고객체B 여부	[ture,false]
  6-1-5	isOtherObjects	boolean	Y	각 bbox의 사고관련 객체여부	[ture,false]

3. 실제예시

• 영상 데이터
  
   
• 이미지 데이터
  

데이터셋 구축 담당자

수행기관(주관) : ㈜티맥스티베로

수행기관(참여)

데이터 관련 문의처