↑↑ 1077-01 지방도(동면 내송) 원거리 주간 영상

ⓒ 웅상뉴스(웅상신문)

양산시는 인간의 뉴런 구조처럼 컴퓨터가 사물을 인지할 수 있는 인공신경망(Artificial Neural Network) 인간의 신경을 흉내 낸 컴퓨터 시스템으로 기계학습(machine learning)을 통해 판단 및 결과를 유추할 수 있는 시스템을 개발했다. 

이는 프로그램을 활용하여 교통량 분석 모델을 구축 하였다. 구축된 모델은 양산시 통합관제센터 CCTV 영상을 대상으로 머신러닝 기법을 통해 컴퓨터에 학습시켜 영상 속 주행 중인 차량을 컴퓨터가 자동으로 인지하고 시간대별 차량 계수를 확인할 수 있도록 하는 것이다..

학습된 지역의 교통량 정확도는 100%로 확인했고, 학습지역 외 양산시가 지난해 10월 15일 실시된 국토교통부 도로교통량 조사 결과와 동일 시간대 CCTV 영상 속 차량 육안 계수를 함께 비교하여 개발된 모델의 오차 및 정확도를 확인했다.

교통량 분석모델 프로그램 구동 화면

원거리 CCTV 유형의 동면 내송 1077-01 지방도를 대상으로 교통량 분석 모델의 정확도를 확인한 결과 주간 시간대의 경우, 도로 교통량조사 결과보다 933대 이상 검출되어 교통량 조사 대비 5.5% 정확도가 높은 것으로 확인되었으나, 야간 시간대는 가로등 부재로 현장 조도 낮아 차량 검출이 저조하여 도로교통량 조사 대비 83.6%의 정확도를 확인하였다.

근거리 CCTV 유형의 원동중학교 앞 69-11 지방도의 경우 경우에도 야간시간 차량 상향등 사용에 따른 빛 번짐 등 제약사항으로 검출결과는 다소 낮지만 도로교통량 조사 대비 101.3%로 결과를 확인할 수 있었다.

야간시간 대 차량 검출률이 다소 낮은 사항에 대해서, 양산시는 교통량 분석 모델 구축 시 야간에도 정확한 차량인지를 위해 조도가 확보된 CCTV 영상으로 학습하였다며, 향후 조도가 낮은 지역의 차량을 대상으로 추가 학습 할 경우 정확도는 향상될 것이라고 밝혔다.

또한, 양산시가 실시한 국토부 도로교통량 조사결과와 CCTV 영상 속 차량 계수와 비교할 때 1077-01 지방도의 경우 3,711대의 차이를 확인할 수 있다. 현장 도로는 시속 80km의 속도와 잦은 대형차량 이동과 옆 차선과 반대편 차선의 차량을 육안으로 확인이 어려워 편차가 발생하는 것으로 확인된다.
이런 상황을 개선하기 위해서는 국토교통부의 도로교통량조사 지침 중 차선별 육안식 조사 매뉴얼의 구체화가 필요한 대목이다. 도로교통량조사 사업은 전국 동시에 실시하는 조사로 국토부 주관 통계청 승인을 받는 조사사업이다.

양산시는 개발한 교통량 조사 모델을 운영하여 주요시가지 일대 5곳을 선정하여 매월 1회 교통량 공공데이터로 데이터베이스를 구축하고, 그 결과는 양산시 빅데이터 광장 홈페이지 통해 양산시 주요시가지 교통량 흐름과 함께 OpenAPI 방식의 공공데이터 개방을 목표로 2022년 상반기 추진할 계획이다.

양산시 정보통계과장은 “데이터기반 행정업무 추진의 일환으로 추진되어 최신 IT 딥러닝 기술을 확보할 수 있는 계기가 되어, 교통량 현황을 시작으로 계수가 불가한 관광지역의 관광객 등 향후 딥러닝 기술을 통해 공공데이터 및 빅데이터 분석 행정역량을 강화하겠다”라고 밝혔다.