인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2026.4
- 수록면
- 391 - 401 (11page)
- DOI
- 10.7782/JKSR.2026.29.4.391
이용수
초록· 키워드
도시화와 인구 집중도가 증가함에 따라 철도역 실내공간의 안전성과 편의성 확보는 이용자의 철도 수단 선택의 중요한 요인 중 하나이다. 하지만 실내공간의 통행량 측정을 위한 수기 기록방법은 공간 및 시간에 제약이 있으며 정확도 측면에서 한계가 있다. 본 연구는 철도역 실내공간 통행량을 측정하기 위한 다양한 비전인식 알고리즘을 비교하여 You Only Look Once(YOLO)를 최적의 알고리즘으로 선정하였다. 또한, 객체의 중복 측정을 방지하기 위해 Deep SORT 알고리즘과 결합하여 인식의 정확도를 높였다. 제안된 비전인식 기술의 정확도와 일반화 성능을 검증하기 위해 5개의 도시철도 역을 대상으로 비전인식 측정 결과와 관측치 데이터를 비교하였으며, 철도역 실내 공간에 적용가능성을 확인했다. 실험결과 통로와 계단의 경우 비전인식 분석과 관측치간 일치도상관계수는 각각 평균 0.91과 0.84로 높은 상관성이 확인되었다. 승강장의 경우엔 일부 역사에서 영상 촬영 카메라 위치 및 각도에 비전인식 성능이 낮아져 일치도상관계수 값이 떨어지나 평균 0.52로 나타났다.
#Railway station
#Flow volume
#Vision-based recognition algorithm
#YOLO
#Deep SORT
#철도역
#통행량
#비전인식 알고리즘
상세정보 수정요청해당 페이지 내 제목·저자·목차·페이지정보가 잘못된 경우 알려주세요!
목차
- Abstract
- 초록
- 1. 서론
- 2. 기존 연구
- 3. 방법론
- 4. 실험 결과
- 5. 결론
- References
참고문헌
참고문헌 신청최근 본 자료
