Drone Vision-based Lane Change Prediction in Urban Vehicle Driving with Transformer
Year: 2024
Type: article
Abstract: 차로 변경은 차량 간의 차선 간섭으로 인해 사고의 위험이 존재하며, 이에 따라 교통 흐름에 영향을 미친다. 따라서, 사고의 위험성을 줄이고 교통 시스템을 원활하게 하기 위해 차로 변경예측에 관한 연구는 필요하다. 본 연구에서는 드론으로 수집된 차량의 탑 뷰(top-view) 영상 정보를 활용하여 차량에 대한 정보를 추출하고, 차로 변경을 예측하는 방법에 대하여 제시한다. 먼저, 영상 내 차량 객체 탐지를 위해 딥러닝 기반 객체 탐지 모델인 YOLOv8을 사용하였으며, 객체 정보를 바탕으로 Traffic Context를 추출한다. 추출된 정보를 바탕으로 Transformer 모델을 활용하여 차로 변경 예측을 수행한다. 본 연구 실험에서는 드론으로 촬영한 대전 유성구 구성동의 도로 상황 영상을 활용하였다. 실험 결과 YOLOv8의 객체 탐지 성능으로는 mAP50에서 0.99, mAP50-95에서는 0.75로 검출 객체와 실체 객체 간의 높은 일치도를 확인하였다. 차로 변경 예측 모델에서는 Transformer가 다른 모델들에 비해 0.02 높은 0.977의 Accuracy를 보였으며, 혼동 행렬에서 가장 낮은 오분류를 확인하였다. 본 연구가 향후 효율적인 교통 흐름 관리를 위한 자료로 활용되어 교통 시스템 개선에 기여할 수 있을 것으로 기대된다.
Source: 대한교통학회지
Authors: Seokjun HONG, Jaegyun IM, Howoo LEE, Dongho KA, Changhee LEE, Byeongjoon NOH
Language: English
Subfield: Automotive Engineering
Field: Engineering
Domain: Physical Sciences
Open Access status: diamond
OpenAlex ID: W4404157557