주제 : Red Light Running System.
목표
운전자, 보행자에게 신호 위반을 할 거 같은 차량이 왔을 때 어떻게 알리고, 경고할 지 investigate하는 것이다.
run a red light
한국말로는 빨간 불을 무시하고 신호위반을 했다고 생각하면 된다.
관련 칼럼
Red light cameras are an effective way to discourage red light running. 카메라를 교차로에 둠으로써 경찰들이 없는 구간을 보완할 수 있었다고 한다.
노란불이 시간이 적절해야 신호위반이 덜 발생할 수 있다.
우리와 반대인 듯 하다. 빨간 불에 좌회전은 되지만 우회전은 허용되는 곳도 있고 아닌 곳도 있다고 한다. red light 카메라의 경우 신호와 연결되어 운전자들의 상황을 캡쳐하여 판단한다고 한다. 그리고 이를 경찰관 또는 고용된 직원의 리뷰를 통해 근거가 있는 경우에 딱지를 뗀다.
Prevent red light runners by WesternSystems
왜 신호 위반을 하는가?
hurry or feel impatient. 서두르거나 초조함 때문이라고 한다. speeding. 과속으로 인해 적절한 시간에 정지를 못하는 것도 원인이 된다.
The DILEMMA ZONE. 노란불로 인해 발생하는 것인데 이로 인해 정지선까지의 도로의 길이가 정지하기에도 그냥 지나가기에도 애매해진다. 정지하면 뒤에서 박을까봐 지나가면 사고가 나진 않을까 하는
그래서 시스템을 통해 얘는 노란불의 길이를 조정하겠다는 것 같다.
What Is Indiana’s “Dead Red” Law?
교차로에서의 센서들을 통해 traffic signal을 변경하는데 도로에 가해지는 하중을 계산한다고 한다. 이 때 오토바이, 자전거 들은 제대로 측정이 되지 않아 문제가 발생할 수 있다.
계속 대기를 해도 파란불을 주지 않을 수 있기 때문에 이를 예방하기 위해 "Dead Red"라는 규정 만들었다.
관련 영상
2020's Worst Red-Light Runners by Verra Mobility
Red Light Runners - Best of the Worst by HCSOSherif
관련 논문
D. Zaheri and M. Abbas, "An Algorithm for Identifying Red Light Runners from Radar Trajectory Data," 2015 IEEE 18th International Conference on Intelligent Transportation Systems, 2015, pp. 2683-2687, doi: 10.1109/ITSC.2015.431.
Goal : 딜레마 존에 진입하는 차량이 우회전 하는 차량인지 red light runner인지 정상 차량인지 확인한다. 진입 할 때까지의 궤도와 속도를 통해 이를 파악한다.
우선적으로 운전자가 정지선에 잘 멈추는 지는 이전 연구 중 하나의 결과를 가져온다. (Machiani, S.G. and M. Abbas. "Predicting Drivers Decision in Dilemma Zone in a Driving Simulator Canonical Discriminant Environment Using Analysis." in ransportation Research Board 93rd Annual Meeting. 2014.)
그 외의 경우는 알고리즘을 따라 이를 판단한다.
N. Pugh and H. Park, "Prediction of Red-Light Running using an Artificial Neural Network," SoutheastCon 2018, 2018, pp. 1-4, doi: 10.1109/SECON.2018.8479222.
Goal : 선행 연구에서 Random forest, SVM의 정확도가 잘 나왔는데 이를 특정 feature들과 관련성이 있음을 보이겠다. feature(cell phone distractions, age, gender, speed, yellow interval duration, and red-light running behaviors)
여기선 그냥 ANN의 설명과 데이터 설명 그리고 결과를 가지고 관련성이 있음 까지만을 보였다. 최근에 기계 학습 수업을 들어서 인지 그냥 수업 듣는 느낌.
N. Kim et al., "Red Light Running Prediction System using LIDAR," 2019 IEEE Sensors Applications Symposium (SAS), 2019, pp. 1-5, doi: 10.1109/SAS.2019.8706098.
Goal : LIDAR 센서와 SSD 공식을 통해 해당 차량이 RLR(Red Light Runner)인지 판단을 한다. 다른 모듈 없이 vehicle to sensor의 통신을 얻는다고 한다.
이 떄 통신이라는 것이 다른 차량에 대한것이 아니라 그냥 센서를 통해 차량의 속도를 구하는 것을 통신이라 말 한 것 같다. 결론적으로는 SSD 공식으로 구간을 나눠서 판단하고 분류하는 방식이다.
따지고 보면 SSD 공식을 그냥 두는 것이 제일 바꿀 수 있는 점인 것 같다. 이 연구 주제를 좀 사용한다면
D. Kwon, D. Hyun, M. Kim, Y. Ko, H. A. McNally and A. H. Smith, "A System for Determining Braking Distance by Predicting Weight Using Image Processing to Predict Illegal Red Light Running Events," 2019 19th International Conference on Control, Automation and Systems (ICCAS), 2019, pp. 1646-1651, doi: 10.23919/ICCAS47443.2019.8971723.
Goal : LIDAR 센서로 RLR을 판단하는 위의 연구에 weight 라는 파라미터를 추가하여 RLR을 판단한다.
여기서도 사람이 full breaking을 하는 것을 전제로 하였기에 연구결과가 달랐다.
이를 기계학습을 통해 관련성을 가져올 수 있을까???
