속도 추세 회귀 기법을 이용한 딥러닝 기반 실시간 차량 정지 예측 방법 = A Deep Learning-Based Real-Time Vehicle Stop Prediction Method Using Velocity Trend Regression

국문 초록 (Abstract)

기존의 불법 주⋅정차 단속 방식은 사후 감지(post-detection) 방식으로 운영되어, 운전자가 차량을 떠난 이후에야 위반 여부를 확인할 수 있다는한계가 있다. 특히, IT 기반 시스템으로 해결하고자 할 경우, 차량이 주차를 위해 정지했는지, 이를 언제 ‘주차 상태’로 판단할지 결정하는 것은매우 높은 정확도를 요구하는 어려운 과제이다. 또한, 우회전 일시정지와 같은 다양한 차량의 정지 규정은 도로교통법에 명시되어 있어, 가능한이른 시점에서 차량의 정지를 예측(Prediction)할 수 있는 기술의 적용처가 다수일 뿐 만 아니라. 사고 예방과 운전자 책임 측면에서 중요한 역할을기대할 수 있다. 이에 본 연구는 차량 정지를 가능한 조기에 예측하기 위해서 ‘속도 추세 회귀(speed trend regression)’ 기법을 제안하고, 이를통해 차량 정지 여부를 조기에 판별하는 시스템을 설계 및 검증하였다. 객체의 인식과 추적을 수행하기 위해 YOLOv8과 ByteTrack 추적기를 활용하였으며, 정지 차량, 주행 차량, 그리고 정지에 근접한 차량을 구분하기 위해 속도 변화의 추세를 분석하였다. 실험 결과, 제안한 방법은 총 5개의테스트 영상에서 정지 차량 예측 판별률, PDP rate = 96%, 정밀도, Precision = 0.875를 달성하여 높은 실효성과 적용 가능성을 입증하였다.

다국어 초록 (Multilingual Abstract)

Conventional enforcement of illegal parking operates on a post-detection basis, where violations are confirmed only after the driverhas exited the vehicle. This reactive approach limits the ability to maintain smooth traffic flow and ensure pedestrian safety. Addressingthis issue through an IT-based system presents a significant challenge, as it requires high accuracy in determining whether a vehiclehas stopped for parking and when to classify it as being in a ‘parked state.’ Moreover, various stop-related regulations, such as temporaryhalts before right turns, are stipulated in traffic laws, highlighting the broader applicability and importance of early stop predictiontechnology in both accident prevention and driver accountability. This study proposes a speed trend regression method to predict vehiclestoppage at an early stage. The system integrates YOLOv8 for object detection and ByteTrack for object tracking. By analyzing vehiclespeed trends, it classifies vehicles into stopped, moving, and near-stopped categories. Experimental results, based on five test videos,show a Prediction Detection Performance (PDP) rate of 96% and a precision of 0.875, demonstrating the effectiveness and practicalapplicability of the proposed approach.