2차년도 |
1.Digital Twin 레이어 분류 및 지도화ㆍ보행 특화 디지털 트윈 시스템 구축을 위한 레이어 분류 및 활용 데이터의 분류 기준 설정 작업 진행ㆍ특정 지역 대상의 디지털 트윈 시작품 제작을 통한 기존 보행로 관련 데이터 활용2. 보행로 관련 데이터 수집ㆍ시제품 Road Scanner 기반 보행로 상의 장애물 이미지 데이터 200,000만 건 이상 확보3. AI(인공지능) 기반 이미지 학습 모델 구축ㆍ이미지 데이터 분석을 위한 인공지능 모델의 평균 정밀도 30% 이상 구현ㆍ이미지 데이터 분석 기술을 활용하여 사용자가 직접 수집한 데이터의 자동 분류 및 디지털 트윈 시스템 업로드 진행
|
1. Digital Twin 레이어 분류 및 지도화ㆍ지도를 총 7단계로 나누어 정밀 지도 제작을 진행하며, 1단계에서 7단계 레이어는 각가, 도로, 지역/지구, 건물, 시설물/설비, 장애물, 환경변수, 사용자 경험으로 나뉘어짐ㆍ1st 레이어 : 첫 번째 레이어는 지도의 가장 기본이 되는 베이스 맵으로, 도시의 도로를 표현한 지도 레이어ㆍ2nd 레이어 : 두 번째 레이어는 건물에 대한 정보를 표현한 레이어로 건물 정보와 더불어 입구 유형, 접근성과 같은 속성값을 제공ㆍ3rd 레이어 : 세 번째 레이어는 지역/지구를 분류하는 레이어로 지구 성격에 따라 상업/주거/녹지보존 지구로 나뉘어짐ㆍ4th 레이어 : 네 번째 레이어는 보행로 상의 고정적인 시설물 및 시설을 보여주는 레이어, 가로수, 볼라드, 신호등 등 보행 이동에 방해 혹은 도움이 되는 시설물을 표현ㆍ5th 레이어 : 다섯 번쨰 레이어는 장애물을 표현하며, 장애물은 고정 장애물과 비고정 장애물로 나누어 표현ㆍ6th 레이어 : 여섯 번째 레이어는 결빙 지역, 침수 지역 등의 환경적인 요인을 보여주는 레이어ㆍ7th 레이어 : 일곱 번째 레이어는 사용자의 경험을 담을 레이어로 지체장애인, 시각장애인, 비장애인 등 이동한 경로 데이터를 구분하여 보여주는 레이어ㆍ7가지 레이어를 결합하여 사용자의 유형에 따라 실시간으로 최적화된 정보를 제공해주는 지도서비스를 계획2. 장애물 이미지 데이터 수집ㆍ휠체어 이용자와 함께 보행로를 이동하며 보행 이동에 장애가 되는 상태 혹은 상황 정보를 촬영을 통한 데이터 수집 진행ㆍ국내 자원봉사센터 및 단체와의 연결을 통한 시민 참여 기반의 봉사 프로그램 운영을 통한 보행로 데이터의 공공 데이터화 진행3. 이미지 데이터 분석 모델 정립ㆍRoad Scanner를 통해 장애인 사용자가 수집한 이미지 데이터를 자동으로 분류하는 AI 기반 기술 개발ㆍDeep Learning 기반 Object Detect 기술을 활용하여 객체별 학습 및 모델 가중치를 두어 기술의 고도화 진행 및 자동화 프로세스 구현ㆍ건물/시설물 입구의 이미지 데이터 수집 및 활용을 통해 출입구의 위치 및 유형(회전문, 자동문, 반자동문 등)을 기반으로 한 카테고리 분류 기술 구현ㆍ초안 학습 모델?Batch Normalization, Pooling, Layers Customization을 통한 Yolov4 활용?Feature Extraction: MobileNetV3 / EfficientNet-Lite 또는 CSPDarknet54 모델?FPN(Feature Pyramid Network) 등 활용
|