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 시스템
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 개발되었다.

학습된 지역의 교통량 정확도는 100%로 확인하였고, 학습지역 외 양산시가 2020.10.15. 실시된 국토교통부 도로교통량 조사 결과와 동일 시간대 CCTV 영상 속 차량 육안 계수를 함께 비교하여 개발된 모델의 오차 및 정확도를 확인하였다.

교통량 분석모델 프로그램 구동 화면

인간의 신경을 흉내 낸 컴퓨터 시스템으로 기계학습(machine learning)을 통해 판단 및 결과를 유추할 수 있는 시스템

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.

지방도(동면 내송) 원거리 주간 영상      지방도(동면 내송) 원거리 야간 영상

근거리 CCTV 유형의 원동 중학교 앞 69-11 지방 도의 경우 경우에도 야간 시간 차량 상향 등 사용에 따른 빛 번짐 등 제약 사항으로 검출 결과는 다소 낮지만 도로 교통 량 조사 대비 101.3% 로 결과를 확인할 수 있었다.

야간 시간 대 차량 검출 률 이 다소 낮은 사항에 대해서, 양산시 는 교통 량 분석 모델 구축 시 야간에도 정확한 차량인지를 위해 조도가 확보된 CCTV 영상으로 학습하였다며, 향후 조도 가 낮은 지역의 차량을 대상으로 추가 학습 할 경우 정확도는 향상될 것이라고 밝혔다.

또한, 양산시 가 실시한 국토부 도로 교통 량 조사 결과와 CCTV 영상 속 차량 계수와 비교할 때 1077-01 지방 도의 경우 3,711대의 차이를 확인할 수 있다. 현장 도로는 시속 80km의 속도와 잦은 대형 차량 이동과 옆 차선과 반대편 차선의 차량을 육안으로 확인이 어려워 편차가 발생하는 것으로 확인된다.
이런 상황을 개선하기 위해서는 국토 교통부 의 도로 교통량 조사 지침 중 차선별  육안식 조사 매뉴얼의 구체화가 필요한 대목이다. 도로 교통량 조사 사업은 전국 동시에 실시하는 조사로 국토부 주관 통계청 승인을 받는 조사 사업이다.

양산시 는 개발한 교통 량 조사 모델을 운영하여 주요 시가지 일대 5곳을 선정하여 매월 1회 교통량 공공데이터로 데이터베이스를 구축하고, 그 결과는 양산시  빅 데이터 광장 홈페이지 통해 양산시  주요 시가지 교통 량 흐름과 함께 OpenAPI 방식의 공공 데이터 개방을 목표로 2022년 상반기 추진할 계획이다.

양산시 정보 통계 과장은 “데이터 기반 행정 업무 추진의 일환으로 추진되어 최신 IT 딥 러닝 기술을 확보할 수 있는 계기가 되어, 교통 량 현황을 시작으로 계 수 가 불 가한 관광 지역의 관광객 등 향후 딥 러닝 기술을 통해 공공 데이터 및 빅 데이터 분석 행정 역량을 강화하겠다”라고 밝혔다.