합성곱 순환 신경망 기반 음향 신호 인식을 통한 터널 내 차량 추돌 사고 감지 방법에 대한 연구

• 영문명: Method for Detecting Vehicle Collisions in Tunnels Using Acoustic Signal Recognition Based on CRRN(Convolutional Recurrent Neural Networks)
• 발행기관: 한국전자통신학회
• 저자명: 변정민(Jeong-Min Byeon) 김범규(Beom-Gyu Kim) 김동한(Dong-Han Kim) 박윤수(Yun-Su Park) 고윤석(Yun-Seok Ko)
• 간행물 정보: 『한국전자통신학회 논문지』제20권 제5호, 975~982쪽, 전체 8쪽
• 주제분류: 공학 > 전자/정보통신공학
• 파일형태: PDF
• 발행일자: 2025.10.30

국문 초록

터널 내의 복잡한 울림과 반향 환경 하에서 차량 추돌 사고를 감지하기는 쉽지 않다. 본 연구에서는 합성곱 순환 신경망(CRRN: Convolutional Recurrent Neural Network)을 이용하여 터널 내 차량 추돌 사고 음을 인식하여 사고를 경보할 수 있는 방법론을 제안하였다. 제안된 방법에서 음향 데이터는 멜 스펙트로그램을 이용하여 시각화된다. 다음 합성곱 특징 맵 추출기를 통해 최소화된 특징 맵이 추출되고 순환 신경망(RRN: Recurrent Neural Network)을 통해 차량 사고가 결정되도록 하였다. 게이트 순환 신경망(GRU: Gated Recurrent Unit)을 적용하였으며, 시간 방향으로 역전파법(BPTT : Back Propagation Through Time)을 적용하여 학습하였다. 성능 검증 시스템을 구축한 후, 총 50개의 차량 추돌 사고 음향 경우들에 대해 시험한 결과 96%의 성공률을 보임으로써 설계된 CRNN 모델의 가능성을 검증할 수 있었다.

영문 초록

It is not easy to detect vehicle collision accidents in the complex acoustic and reverberant environment of a tunnel. In this paper, a methodology was studied, which can recognize vehicle collision accident acoustics in tunnel a CRRN(Convolutional Recurrent Neural Network) and issue an accident warning. In the proposed method, acoustic data is visualized using Mel Spectrogram. The minimized feature maps were extracted through the convolutional feature map extractor, and the vehicle accident is determined through a RNN(Recurrent Neural Network). A gated recurrent unit (GRU) was applied, and BPTT(Back Propagation Through Time) was applied to learn. After building a performance verification system, the possibility of the designed CRNN model was verified by showing a success rate of 96% when tested on a total of 50 vehicle collision accident acoustic cases.

목차

Ⅰ. 서 론

Ⅱ. 터널 차량 사고 감시 시스템

Ⅲ. 기본 이론

Ⅳ. CRNN 기반 차량 추돌 감지 알고리즘

Ⅴ. 실험 결과

Ⅵ. 결 론

References

키워드

DC-DC 승압형 컨버터 PWM 제어 전압 제어기 DC-DC Step-up Converter PWM Control Voltage Controller