-
데이터 변경이력
데이터 변경이력 버전 일자 변경내용 비고 1.1 2023-12-15 데이터 최종 개방 1.0 2023-07-31 데이터 개방(Beta Version) 데이터 히스토리
데이터 히스토리 일자 변경내용 비고 2024-01-12 산출물 전체 공개 소개
스마트 국민 제보를 통하여 촬영된 교통법규 위반 상황중 신호위반, 안전모미착용, 중앙선침범, 진로변경위반에 해당하는 영상 데이터를 경찰청으로부터 제공받아 AI 학습시 교통법규 위반 상황별 분류 가능한 형태의 AI 데이터로 가공함.
구축목적
- 도로에서 주행중인 차량의 교통법규 위반 여부 확인 - 도로 교통법규 준수 및 교통 안전 분야 연구 활용 - 기 구축된 공공신고 시스템 효율 증대 - AI 기술개발에 필수적인 AI 공공데이터를 제공하여 민간의 AI 기술발전에 기초가 되며, 이에 따라 자생적인 데이터 확장 및 선순환 생태계 조성을 도움
-
메타데이터 구조표 데이터 영역 재난안전환경 데이터 유형 텍스트 , 이미지 데이터 형식 jpg 데이터 출처 경찰청으로부터 제공 받음. 라벨링 유형 바운딩박스, 세그멘테이션 라벨링 형식 json 데이터 활용 서비스 교통법규 위반상황 탐지 및 분석 데이터 구축년도/
데이터 구축량2022년/1,490,000건 -
1. 데이터 구축 규모
구분 종류 획득 규모 목적 확보방안 이미지 데이터 신호위반 676,598 신호위반 분류에 활용되는 객체 경찰청 안전모 미착용 16,626 안전모 미착용 분류에 활용되는 객체 경찰청 중앙선침점 449,404 중앙선 침범 분류에 활용되는 객체 경찰청 진로변경위반 347,402 진로변경위반 분류에 활용되는 객체 경찰청 전체 데이터 합계 1,490,000 2. 데이터 분포
구분 획득규모(장) 비율(%) 신호위반 적색신호시 좌회전 149,448 10.03% 적색신호시직진 462,703 31.05% 좌회전 신호시 직진 62,222 4.18% 안전모 미착용 안전모 미착용 16,626 1.12% 중앙선 침범 중앙선주황색실선위반 186,380 12.51% 중앙선주황색이중실선위반 263,352 17.67% 진로변경 위반 일반도로진로변경위반 332,848 22.34% 터널내진로변경위반 16,421 1.10% 소계 1,490,000 <데이터 비율>
-
-
AI 모델 상세 설명서 다운로드
AI 모델 상세 설명서 다운로드 AI 모델 다운로드1. 활용 모델
- 모델 학습
· 본 과제에서 개발된 인공지능 딥러닝 모델은 차선, 교통시설물 객체, 교통영역 객체를 학습하여 구축된 3종의 AI 영상 탐지 및 분석 모델을 이용 시계열 데이터인 비디오를 입력으로 행동의 시간적 모델링에 접합한 LSTM을 이용해 교통법규 클래스별 확률을 예측하고 같은 행동 클래스에 속하는 연이은 또는 근접 이웃 프레임들을 병합하여 교통법규 위반을 분류 한다.
모델명 사용 모델 입력 출력 비고 교통법규 객체탐지 모델 교통시설물 탐지모델 CNN 기반 객체 탐지 및 분류 모델 도로 촬영영상
(이미지 시퀀스)- 도로에 설치된 각종 교통 시설물객체 분류 탐지 및 분류 신호위반 탐지 모델 LSTM 모델 적용 feature 산정 교통법규 위반 분류 - 교통시설물의 영상에서의 좌표 교통영역 탐지 모델 Instance Segmentation 기반 객체 정량화 모델 - 도로 노면 횡단보도 지역 탐지 및 교차로 중간 동행 지역 탐지. 차선탐지 분류 모델 CNN 기반 객체 탐지 및 분류 모델 - 도로 차선 객체의 영상 에서 좌표 - 도로노면, 차선 분류 및 차선 구분 교통 시설물 탐지 모델 CNN 기반 객체 탐지 및 분류 모델 - 중앙선 침범 차량 및 이륜차 탐지 및 분류 중앙선 침범 위반 탐지 모델 -도로에 설치된 각종 교통 시설물객체 분류 탐지 및 분류 차선탐지 분류 모델 - 도로 차선 객체의 영상 에서 좌표 - 도로노면, 차선 분류 및 차선 구분 교통 시설물 탐지 모델 - 진로 변경 위반차량 탐지 및 분류 진로 변경위반 탐지 모델 - 도로에 설치된 각종 교통 시설물객체 분류 탐지 및 분류 차선탐지 분류 모델 - 도로 차선 객체의 영상 에서 좌표 - 도로노면, 차선 분류 및 차선 구분 교통 시설물 탐지 모델 - 도로 상에서 안전모 미착용한 이륜차 운전자를 탐지 이륜차 안전모 미착용 탐지 모델 · 영상의 객체 탐지 모델의 검증용 데이터 세트와 시험용 데이터 세트를 전체 데이터 세트의 10%로 제시한다. 본 사업에서는 이미지 데이터 세트를 149만장 이상 구축하므로 최소검증과 시험을 모두 각 14만 9천장 이상으로 통일하여 준비하는 것을 제안함.
학습 검증 시험 개요 - CNN 기반 영상 학습 - 학습 도중 모델 성과 평가 및 비교 - 모델 학습 완료 후 모델 테스트 - 로컬 학습 서버 활용 - mAP, Accuracy 점수등 데이터 비율 80% 10% 10% 2. 서비스 활용 시나리오
- 교통법규 시설물 객체와 차선 등의 상태 및 위치 정보를 통해서 현재 영상에서의 교통법규 위반 여부 및 위반 법규 유형 판별 가능
- 객체간 의 교통법규 분석 가능한 조합 정보 세트를 DB화함.
- 구축된 DB 정보를 인공지능 학습데이터로 딥러닝하고 RGB 카메라로 찍은 영상으로 입력된 영상에서 조합 정보 세트를 인식 후, 영상 판별하여 법규 위반 담당자에게 알려줄 수 있는 프로세스가 가능하게 하고자 함. 향후 경찰청 신고 앱 과도 연계하여 스마트폰, 블랙박스 촬영 영상 업로드시 즉시 판별하여 업로드할 수 있도록 정보 DB와 네트워크로 연계 하고자함.
<교통법규 위반 탐지 프로세스>
- 비식별화된 교통법규 위반상황 영상 모델의 학습을 위한 기초자료로 활용
· 동영상 데이터를 활용할 사용자의 목적에 따라 영상 데이터를 분별적으로 사용할 수있도록 이용자 관점에서 필요한 항목을 메타데이터로 정의하여 여러 종류의 교통 위반 AI 영상 모델의 정밀한 학습을 위한 기초자료로 활요 높은 판독 성능 및 범용성을 갖는 AI 학습 엔진 개발에 활용
3. 기타정보
- 대표성
· 스마트 국민제보를 통해 경찰청으로 신고 되어 위반벌금 집행된 데이터를 원시데이터로 4가지 교통 법규 위반 상황으로 분류 하여 구축한 데이터로 실제 위반한 상황으로 데이터 구성.
- 독립성
· 과업 기간중 스마트 국민제보를 통해 신고된 데이터를 사용하여 구축한 데이티로 기존 구축된 데이터 세트와 중복되지 않음 -
데이터 성능 점수
측정값 (%)기준값 (%)데이터 성능 지표
데이터 성능 지표 번호 측정항목 AI TASK 학습모델 지표명 기준값 점수 측정값 점수 1 교통법규 위반상황 분류 성능 Image Classification LRCN F1-Score 0.8 점 0.8839 점 2 교통 시설물 바운딩박스 탐지 성능 Object Detection Detectron2 mAP 80 % 92.62 % 3 교통 영역 세그멘테이션 탐지 성능 Object Detection Detectron2 mAP@IoU 0.5 80 % 92.34 % 4 차선 폴리라인 탐지 성능 Object Detection Detectron2 mAP 80 % 91.57 %
※ 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 다운로드1. 데이터 설명
■ 최근 스마트 국민제보를 통하여 교통법규 위반상황 영상 및 이미지 데이터가 신고되고 있으나 신고되는 영상에서 교통법규 위반 여부 확인하기 위해서 순수 인력의 판단에 의해서 만 진행 되어 AI 영상분석 기반의 분류 시스템의 확보 필요성이 있음.
■ 스마트 국민제보를 통하여 수집된 교통법규 위반 데이터를 분석 및 분류 하는데 많은 인력과 시간이 소모되므로, 이를 해결하기 위해서 영상을 자동으로 분석하는 시스템이 필요함
■ 해당 시스템을 구성하기 위하여 스마트 국민제보를 통하여 확보된 위반상황 영상데이터를 경찰청으로부터 제공받아 AI 기술개발에 필수적인 학습용 데이터로 가공하여 공공데이터로 제공함
■ 민간에서 AI 기술이 발전함에 따라 자생적으로 데이터를 확장, 개방하는 선순환 생태계 조성을 기대함2. 어노테이션 포맷
구분 항목명 타입 필수 설명 예시 여부 메타정보 원시 데이터 정보 Basic File Name String Y 원시영상 데이터 파일명 FO1_CA01_Traffic_01_20220105.MP4 Basic File Identification String Y 동영상파일아이디 1 Basic File Date and Time String Y 동영상 촬영일시 2022.08.05. 13:00:00 Basic File Format String Y 동영상 파일포맷 MP4 Basic File MAGNITUDE String Y 동영상 파일크기 3000KB Photography Area Name String Y 촬영 지역명 안양시 Copyright Information String Y 동영상저작권정보 Korea Width MAGNITUDE String Y 동영상가로크기 1920 Height MAGNITUDE String Y 동영상세로크기 1080 Resolution String Y 해상도 FHD Get Device Type String Y 영상 획득 장비 블랙박스 Traffic Case String Y 교통법규 구분 안전모 미착용 촬영 조건 Weather String Y 기상조건 맑음 DayNight String Y 주/야간 조건 주간 어노테이션 정보 이미지 파일 정보 Image File Name String Y 이미지 파일명 FO1_CA01_Traffic_01_20220105_01.JPG Image File Magnitude String Y 이미지 파일 크기 748979 Image File width String Y 이미지 파일 가로크기 1920 Image File Height String Y 이미지 파일 세로크기 1080 Polygon
어노테이션 정보Annotation ID String N 어노테이션 아이디 1 Annotation Type String N 어노테이션 타입 polygon Traffic Case String N 교통법규 구분 안전모 미착용 Object Name String N 객체 명 횡단보도 Polygon X Coordinate Number N 폴리곤 x 좌표 [149,139] Polygon Y Coordinate Number N 폴리곤 y 좌표 [120,124] Polygon Y,X Coordinate Number N 폴리곤 y,x 좌표 [[120,149],[124,139]] BoundingBox
어노테이션 정보Annotation ID String N 어노테이션 아이디 2 Annotation Type String N 어노테이션 타입 Bbox Traffic Case String N 교통법규 구분 안전모 미착용 Object Name String N 객체 명 안전모 Bbox Cordinate String N Bbox 좌표 정보 [h,w,x,y] Polyline
어노테이션 정보Annotation ID String N 어노테이션 아이디 1 Annotation Type String N 어노테이션 타입 polyline Traffic Case String N 교통법규 구분 안전모 미착용 Object Name String N 객체 명 중앙선 실선 Polyline X Coordinate Number N 폴리라인 x 좌표 [249,239] Polyline Y Coordinate Number N 폴리라인 y 좌표 [220,224] Polyline Y,X Coordinate Number N 폴리라인 y,x 좌표 [[220,249],[224,239]] 3. 실제 예시
구분 데이터 속성 Meta_data Annotations -
데이터셋 구축 담당자
수행기관(주관) : ㈜아와소프트
수행기관(주관) 책임자명 전화번호 대표이메일 담당업무 김재현 070-4355-5349 gideon@awasoft.co.kr 사업관리 총괄, AI모델 설계 및 구축 수행기관(참여)
수행기관(참여) 기관명 담당업무 국립한국교통대학교 데이터 정제 및 검수 (주)에버영 데이터 정제 (주)인자람 데이터 가공 (주)아몬드 데이터 가공 ㈜내일이엔씨 데이터 품질관리 데이터 관련 문의처
데이터 관련 문의처 담당자명 전화번호 이메일 김재현 070-4355-5349 gideon@awasoft.co.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] [공용IRB 심의신청 가이드라인]
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.