콘텐츠로 건너뛰기 메뉴로 건너뛰기 푸터로 건너뛰기
데이터를 불러오고 있습니다
데이터를 저장하고 있습니다
#AI 기반 # 신호 최적화 # 교통량 # 인공지능 학습 # 원천데이터 # 라벨링데이터 # 시뮬레이션

NEW AI 기반 신호 최적화를 위한 데이터

AI 기반 신호 최적화를 위한 데이터 아이콘 이미지
  • 분야교통물류
  • 유형 텍스트 , 이미지
구축년도 : 2022 갱신년월 : 2023-12 조회수 : 4,184 다운로드 : 22 용량 :
샘플 데이터 ?

샘플데이터는 데이터의 이해를 돕기 위해 별도로 가공하여 제공하는 정보로써 원본 데이터와 차이가 있을 수 있으며,
데이터에 따라서 민감한 정보는 일부 마스킹(*) 처리가 되어 있을 수 있습니다.

※ 내국인만 데이터 신청이 가능합니다.

  • 데이터 변경이력

    데이터 변경이력
    버전 일자 변경내용 비고
    1.1 2023-12-29 데이터 최종 개방
    1.0 2023-07-31 데이터 개방(Beta Version)

    데이터 히스토리

    데이터 히스토리
    일자 변경내용 비고
    2023-12-29 산출물 전체 공개

    소개

    ㅇAI를 활용하여 도심지 교통량, 교통밀도, 지체도 등 교통량 지표 데이터를 산출하고, 축 단위 또는 네트워크 단위의 교통흐름을 개선하기 위한 AI(심층강화학습) 기반의 신호 최적화 데이터 구축

    구축목적

    ㅇ연구분야
    - 완전감응형, 반감응형, TOD 신호 최적화 알고리즘 개발
    - 독립교차로, 축단위, 네트워크 단위 신호최적화 모델 연구
    - 통행시간, 통행속도, 통행량 예측 모델 연구
    - AI를 활용한 교통신호 제어 모형 개발 방법론 연구
    ㅇ산업분야
    - 스마트시티 관련 교통 시스템 개발 및 성능개선
    - AI 기반 감응형 신호제어기 및 관련 서비스 개발
    - 엣지 시스템을 활용한 네트워크 단위 신호제어시스템 개발
  • ■ 데이터 구축 규모

    데이터 구분 파일 포맷 파일 개수 용량
    원천 영상 - .jpg 1,152,305개 551.29GB
    데이터 데이터
    라벨링 신호 교통량데이터 .csv 68,640개 4.49TB
    데이터 최적화 (개별차량교통량기반)
      데이터 교통량데이터 .csv 68,640개 22.02GB
        (기종점교통량기반)
        교통량데이터 .xml 304,837개 2.45GB
        (회전교통량기반)
        신호데이터 .csv/.xml 137,280개 4.08GB
        지표데이터 .csv 68,640개 378.85MB
        네트워크데이터 .xml 12개 15.07MB
      영상 - .csv/.xml 3,840개 106.68MB
      데이터
    합계 1,804,194개 5.04TB
     

     

    ■ 데이터 분포
    1) Training > 원천데이터

    1차경로 2차경로 파일 포맷 제출 수량
    교차로_14 (방향별_날짜·시간별[5분단위]) .jpg 287,900개
    교차로_15 (방향별_날짜·시간별[5분단위]) .jpg 288,283개
    교차로_16 (방향별_날짜·시간별[5분단위]) .jpg 287,925개
    교차로_17 (방향별_날짜·시간별[5분단위]) .jpg 288,197개
    총 수량 1,152,305개
     

     

    2) Training > 라벨링데이터
    (1) 신호최적화 데이터

    1차  2차 경로 3차 경로 4차 경로 5차 경로 파일 포맷 제출 수량
    경로 
    안양시 교통량데이터 교차로별 구분 일자별 구분 - .csv 34,560개
    (개별차량
    교통량기반)
    교통량데이터 교차로별 구분 일자별 구분 - .csv 34,560개
    (기종점
    교통량기반)
    교통량데이터 교차로별 구분 일자별 구분 - .xml 171,278개
    (회전
    교통량기반)
    신호데이터 교차로별 구분 csv 일자별 구분 .csv 34,560개
    xml 일자별 구분 .xml 34,560개
    지표데이터 교차로별 구분 일자별 구분 - .csv 34,560개
    네트워크 - - - .xml 7개
    데이터
    부천시 교통량데이터 교차로별 구분 일자별 구분 - .csv 34,080개
    (개별차량
    교통량기반)
    교통량데이터 교차로별 구분 일자별 구분 - .csv 34,080개
    (기종점
    교통량기반)
    교통량데이터 교차로별 구분 일자별 구분 - .xml 133,559개
    (회전
    교통량기반)
    신호데이터 교차로별 구분 csv 일자별 구분 .csv 34,080개
    xml 일자별 구분 .xml 34,080개
    지표데이터 교차로별 구분 일자별 구분 - .csv 34,080개
    네트워크 - - - .xml 5개
    데이터
    총 합계 648,049개
     

     

     - 교차로별 구분

    경로 구분 정보 구분자 정보(네트워크 교차로 ID)
    3차 교차로별 안양시 단일교차로 3 / 13 / 14 / 15 / 16 / 17 / 18 / 19 / 20
    경로 구분 다중교차로 13_14 / 15_16 / 13_19_20 / 14_15_16_17 / 13_14_15_16_17_18_3
        부천시 단일교차로 26 / 29 / 104 / 105 / 106 / 231 / 233 / 380 / 382
        다중교차로 26_233_231 / 106_26_29 / 106_105_104 / all
     

     

    경로 구분 정보 구분자 정보
    4차 경로 날짜별 구분 안양시 단일 20220323 / 20220324 / 20220326 / 20220327 / 20220328 /
    교차로 20220329 / 20220330 / 20220424 / 20220425 / 20220426 /
    (30개) 20220427 / 20220428 / 20220429 / 20220430 / 20220506 /
      20220507 / 20220508 / 20220509 / 20220510 / 20220705 /
      20220706 / 20220707 / 20220708 / 20220709 / 20220716 /
      20220717 / 20220718 / 20220719 / 20220720 / 20220721
    다중 20220323 / 20220324 / 20220326 / 20220327 / 20220328 / 20220329 / 20220330 / 20220424 / 20220425 / 20220426 / 20220427 / 20220428 / 20220429 / 20220430 / 20220506 / 20220507 / 20220508 / 20220509
    교차로
    (18개)
    부천시 단일 20220810 / 20220811 / 20220812 / 20220813 / 20220814 /
    교차로 20220815 / 20220819 / 20220820 / 20220821 / 20220822 /
    (31개) 20220823 / 20220906 / 20220907 / 20220909 / 20220910 /
      20220911 / 20220912 / 20220913 / 20220914 / 20220915 /
      20220916 / 20220926 / 20220928 / 20220930 / 20221001 /
      20221002 / 20221026 / 20221027 / 20221028 / 20221030 /
      20221031
    다중 20220810 / 20220811 / 20220812 / 20220813 / 20220814 / 20220819 / 20220820 / 20220821 / 20220822 / 20220823 / 20220906 / 20220907 / 20220909 / 20220910 / 20220911 / 20220926 / 20220928 / 20221028 / 20221030
     
    교차로
    (19개)

     

    (2) 영상 데이터

    1차 경로  2차 경로 파일 포맷 구축 수량
    csv (방향별_날짜·시간별[5분단위]) .csv 1,920개
    xml (방향별_날짜·시간별[5분단위]) .xml 1,920개
    총 수량 3,840개
     

     

     

  • 저작도구 설명서 및 저작도구 다운로드

    저작도구 설명서 다운로드 저작도구 다운로드
  • AI 모델 상세 설명서 다운로드

    AI 모델 상세 설명서 다운로드 AI 모델 다운로드

    ■ 모델학습
    교차로의 교통량 기반의 신호 최적화 수행

    모델 TASK 종류 활용 내용
    대기행렬 길이 감소 ⋅교차로 신호최적화를 통한 교차로 대기행렬 감소
     

    ※ 신호 최적화의 경우 데이터 특성을 고려하여  Training Set 과  TEST set을 동일하게 사용하여 모델 적용전과 적용후의 네트워크 변화를 측정함

    ■ 검증환경 및 학습 조건
     1. 항목명 : 교차로 대기행렬감소 
      (1) 목적 : 교차로 신호 최적화를 통한 교차로 대기행렬 감소/평균 속도 증가
      (2) 검증환경
        - CPU : 12th Gen Intel(R) Core(TM) i9-12900KF 3.19GHz
        - Memory : 128 GB
        - GPU : NVIDIA GeForce RTX 3090, (전용 GPU 메모리: 24GB, 공유 GPU 메모리: 64GB)
        - Storage : SSD 2TB
        - OS : Microsoft Windows 10 Pro (64bit)
      (3) .학습조건
       1) 학습 알고리즘 : LSTM
       2) 전체 구축 데이터 대비 모델에 적용되는 비율 
    - AI모델 사용데이터 비율(수량) - 4개 교차로 평일 데이터 1: 24시간 기준 통행량 및 신호
    - 특정일자 지정을 통하여 시연(TEST 모듈 적용) 모델링 된 값을 기초로 모델링 적용전 전용후 시뮬레이션 테스트
    - 회전교차로 데이터 기준 15분 데이터를 24시간 데이터로 구성한후 시뮬레이션 구동 테스트 
       4) 제한 사항 : 신호 최적화 데이터 셋
    ㅇ 신호최적화를 수행하기 위해서는 우선적으로 교통량, 신호 현시, 상세네트워크가 포함되어야함 
    ㅇ 본 구축사업에서 상시와 같은 교통량, 신호현시 데이터, 상세네트워크를 구축하였으며, 지역별로 9개 교차로 30일 데이터를 구축함
    □ AI 학습방법의 차이 
    ㅇ 신호 최적화는 기존의 학습용 데이터셋과는 다소 차이가 있는 것으로 판단됨 
    ㅇ 기존의 AI 학습 데이터는 구현, 검지 등을 위주로 데이터를 구축하고 데이터를 만들기 위한 AI 환경을 구축하고 이를 통하여 라벨링된 데이터를 평가하는 것으로 예상됨 
    ㅇ 사물이나, 객체를 검지하여 실제 값과의 차이를 기초로 통계를 작성하고, 이를 근거로 유효성을 평가는 체계를 확인할수 있음 
    ㅇ 신호 최적화는 이와는 다소 차이가 있음, 우선적으로 원시데이터에서 수집된 데이터가 차량의 이동정보를 담고 있는 참값이며, 이를 기반으로 라벨링을 수행하고 라벨링된 데이터를 기초로 최적화를 수행하는 구조임
    ㅇ 결론적으로 AI학습을 위한 데이터를 구성하는 것은 동일하지만 AI 학습의 목적이 현실을 구현, 검증하는 데이터가 아니기에 참값에 대한 정도를 측정할수 없음 
    ㅇ 이에 유효성을 검증하기 위해서 별도의 방안을 제시하고자 함 
    □  신호최적화 방법 설명 
    ㅇ 교차로에서 발생하는 실제 차량을 기준으로 데이터가 생성되고 이를 시뮬레이션 INPUT 형태로 가공을 수행함, 본 컨소시엄에서는 SUMO 시뮬레이션 기반으로 데이터를 가공정제하였으며, 추가적으로 VISSIM, EMME, 등의 타 시뮬레이션 및 GPS 기반에 사용이 가능하도록 데이터 셋을 추가적으로 구성함 
    ㅇ AI 신호 최적화 학습 프로그램은 tensorflow를 기반으로 python 코드로 구성되어 있으며,  SUMO 시뮬레이션 기반으로 최종 학습을 수행함

     

    □  신호최적화 방법 설명

    ㅇ 목적함수는 대기행렬 길이를 최소화 하는 것을 기준으로 설정하였으며, 여기서 대기 행력이라 함은, 교차로에 정지 신호 즉 붉은색 점멸시에 정지하고 있는 차량 대수를 감지 또는 길이를 시뮬레이션에서 인지하여 산출하는 값을 의미함 
    ㅇ 이러한 의미에서 유효성 측정 지표를 “대기행렬길이로 설정” 하였으며 아래 그림과 같이 대기 행렬 길이 측정을 수행할수 있도록 소스를 구성하고 sumo 시뮬레이션의 연동  
    □ 신호최적화 방법 설명

    ㅇ 대기행렬길이 변화를 통하여 reward를 지속적으로 학습하여 최적의 값을 도출 
    ㅇ 군집 분석 등의 분류 분석을 통하여 시간대별 군집 값 도출 
    ㅇ 각 군집별 타임플랜(신호주기(ring(최대 10단계)))을 적용하여 신호주기값 설정 
    ㅇ 설정후 대기 행렬길이 값 비교 및 네트워크에서 움직이는 차량의 평균이동속도 비교를 통하여 유효값 제시
    □ 신호 최적화 데이터 설정 
    ㅇ 신호 최적화는 많은 수에 데이터를 통하여 학습하기 보다는 현실과 동일한 현상을 기록한 데이터를 기반으로 모델링을 수행하고 이를 기반으로 다양한 유형에 교차로에 적용하는 방안을 적용하여 최적화 모델을 개발함 
    ㅇ 통행시간, 즉 교차로에 통과하는 시점과 시점의 신호 값이 동시에 구성되어야 하며, 이와 같은 데이터가 실제와 동일하게 제시되는 점, 교통신호를 1일의 시간대로 관리하는 점을 감안할 때 데이터 학습효과는 24시간의 데이터를 기준으로 설정하는 것이 적합하다고 판단함 
    ㅇ 교통부문 전문가의 의견을 수렴한 결과 (“다양한 데이터가 혼합되는 경우 데이터의 편차에로 인해 오히 다양한 값이 발생할수 있어 최적화의 효과가 감소 될수 있기에 학습에 중요성보다는 적용에 초점을 맞추는 것이 중요할 것 같다“) 를 감안하여 1일 단위 학습을 수행하고 조건함수의 변경을 통하여 최적의 신호 최적화 모델을 구현함 
    ㅇ 최종적으로 안양시 4개 교차로 데이터를 기초로 최적화 모델을 구현하였으며, 이를 검증하기 위해서 4개 교차로 기준으로 시현을 통하여, 모델의 유효성을 검증하는 것을 제안함
    ㅇ 다만 1일치 데이터를 상기 환경에서 구현하였을 때 소요시간이 약 48시간 정도 소요되는 것을 감안하여 시연 및 방법의 논의가 필요
    □ 전체 구축데이터 대비 모델에 적용한 비율
    ㅇ 신호최적화 데이터 총 648,049건 중, 240,406건의 데이터가 적용되었음

    구분 신호 최적화 데이터
    안양시 부천시
    교통량데이터(개별차량) 34,560 34,080
    교통량데이터(기종점) 34,560 34,080
    교통량데이터(회전교통량) 171,278 133,559
    신호데이터 69,120 68,160
    지표데이터 34,560 34,080
    네트워크데이터 7 5
    합계 344,085 303,964
    총계 648,049
     

    □ 신호 최적화 데이터 유효성 추가검증 방안 
    ㅇ 본 데이터는 시뮬레이션 기반의 input 데이터를 구축하는데 있기에 회전교통량의 데이터 input을 통하여 시뮬레이션 구동 여부를 확인하는 것을 추가적으로 제안
    ㅇ 시뮬레이션 구동소스에 대해서는 추가적으로 확인용 모듈 제공(예정)
    - 교통량, 신호, 네트워크 데이터를 시뮬레이션 구동하여 실제 차량 흐름에 대한 확인
    ① 활용 분야

    AI 데이터 셋 활용 분야 방법
    신호 최적화 연구활성화 스마트 교차로 보급 및 AI 학습 능력 향상으로 인한 신호 최적화를 위한 데이터 셋 보급 가능
    공간적, 시간적 범위의 데이터 셋의 구성이 가능해져 신호최적화 관련 연구 활성화 가능 
    다양한 형태의 신호 최적화 데이터 셋(회전교통량 기반, 개별 차량 기반, 기종점 통행량 기반)을 통하여 도시 전체를 포괄할 수 있는 연구 고도화 활용
    네비게이션 기초자료 활용 구축된 데이터 셋을 통하여 차량의 이동경로 및 기종점에 대한 정보, 도시 전체 통행량, 통행속도 등의 예측 및 정체예상 구간도 가능해져 네비게이션 기초자료 활용
    교차로 단위의 예측이 가능함에 따라 예측의 정확성/신뢰성을 확보할 수 있어 이용자의 통행시간 단축 가능 
    데이터 셋을 통한 표준화 및 적용성 확대 데이터 셋의 프로세스 및 분석, 가공 도구는 오픈소스 기반으로 제작되어 데이터 이용자가 다양한 분석에 활용 
    한국형 신호 최적화 데이터셋의 표준체계 정립 가능 
     

    ○ 본 과제로 구축된 데이터를 가공방법을 기반으로 안양시 신호운영 시스템 구축 완료 , 신호최적화 모형 1차 테스트 완료 

     

  • 데이터 성능 점수

    측정값 (%)
    기준값 (%)

    데이터 성능 지표

    데이터 성능 지표
    번호 측정항목 AI TASK 학습모델 지표명 기준값 점수 측정값 점수
    1 신호 최적화(교차로 차량 통행속도) Prediction LSTM 변화율(증가) 10 % 48.727 %
    2 신호 최적화(교차로 지체 길이) Prediction LSTM 변화율(감소) 10 % 43.01 %

    ※ 데이터 성능 지표가 여러 개일 경우 각 항목을 클릭하면 해당 지표의 값이 그래프에 표기됩니다.

    ※ AI모델 평가 지표에 따라 측정값의 범위, 판단 기준이 달라질 수 있습니다. (ex. 오류율의 경우, 낮을수록 좋은 성능을 내는 것으로 평가됩니다)

  • 설명서 및 활용가이드 다운로드

    데이터 설명서 다운로드 구축활용가이드 다운로드

    * 본 과제의 유효성 모델은 교차로의 신호 시간의 조정을 통하여 네트워크의 통행속도 향상과 지체 길이가 줄어듦을 확인하는 것이 임무임
    * 따라서, Training, Validation, Test 데이터로 구분하지 않고, 구축 데이터를 1차 수행결과와 1차 수행 결과로 신규 생성된 신호 데이터를 이용하여 2차 수행한후, 1차 수행 결과값을 비교하는 것으로 유효성 검증이 진행되었음 

     

    ■ 신호최적화 데이터설명
    - 교통량데이터(기종점기반/개별차량기반)

    속성명 설명 타입
    unix_time 이동수집시각 number
    vhcl_id 개별차량OD string
    stdr_ymd 수집시각 (연월일) number
    stdr_hm 수집시각(시분) number
    stdr_ss 수집시각(초) number
    lon 경도 number
    lat 위도 number
    alt 고도 string
    spd 속도(m/s) string
    allowed_spd 비혼잡속도(m/s) string
    agl 진행방향 string
    slp 경사 string
    vhcl_typ 차량종류 number
    from_inter_id 이전통과교차로 string
    to_inter_id 목적교차로 string
    dist2to_inter 목적교차로까지의 거리 string
    turn_typ2to_inter 회전방향 string
    edge_grp_id 엣지그룹ID string
    edge_id 엣지ID string
    lane_id 차선ID string
    seg_id 세그먼트ID string
    nxt_inter_id 다음 교차로 ID string
    dist2nxt_inter 다음교차로까지의 거리 string
    turn_typ2nxt_inter 다음교차로 회전방향 string
    nxt_inter_sig_st 다음 교차로 현재신호 string
    nxt_inter_phs_no 다음 교차로 현시신호 string
    que_all 전체 대기행렬관측여부 string
    que_200 대기행렬관측여부 (~200m) string
    que_200_500 대기행렬관측여부 (200m~500m) string
    que_500 대기행렬관측여부 (~500m) string
    tl 지체시간 string
     

     

    - 교통량데이터(회전교통량)

     
    속성명 설명 타입
    data 전체 데이터 묶음 object
    interval 시간 간격 array
    {} 문서 object
    end 종료시간 string
    id 상태값 string
    begin 시작시간 string
    edgeRelation 기종점 노드 object
    count 통과 차량대수(대) number
    from 시점 노드 ID string
    to 종점 노드 ID string
     

     


    - 신호데이터(csv)

     

    속성명 설명 타입
    interid 교차로 ID string
    aringstarttime 신호시작시간 (날짜/시분초) number
    signalstate SUMO 신호입력값 string
    unix_time 유닉스 타임 number
    phasepattern 원본데이터 현시패턴 string
     

     

    - 신호데이터(xml)

     
    속성명 설명 타입
    tlLogics 전체 신호 데이터 object
    tlLogic 교차로별 신호 데이터 array
    {} 문서 object
    phase 신호 패턴 array
    {} 문서 object
    duration 해당 신호가 유지되는 시간(초) number
    state 신호 상태 string
    offset 연동신호여부 string
    id 교차로 ID string
    type 형식 string
    programID 교차로 순서 number
     

     

    - 지표데이터

     

    속성명 설명 타입
    edge_grp_id 엣지그룹 ID string
    avg_spd 평균속도(m/s) number
    total_time_loss 지체시간(초) string
    avg_time_loss 차량당 평균 지체시간(초) string
    avg_travle_time 평균 통행시간(초) number
     

     

    ■ 영상데이터 데이터 설명
    - 영상데이터(csv)

    속성명 설명 타입
    photo_file 영상파일 이름 (교차로+시간대) String
    photo_id 기준선 통과 이미지 파일의 식별값 String
    signal_info.movement 통과시간의 신호정보 String
    departure_time 영상기준 차량의 교차로 통과 시간 String
    car_type 교차로 통과 차량의 종류 String
    lane 차량이 지나가는 차로 String
    car_info 차량의 진행 방향 String
    .movement
    tracking ID 추적차량 번호 String
     

     

     

    - 영상데이터(xml)

    속성명 설명 타입
    annotations 어노테이션 정보 object
    image 이미지 정보 array
    {} 문서 object
    id 현재 xml파일 내의 이미지 파일별 고유 식별 숫자(0번부터 시작, 마지막 식별자는 size-1) string
    name 이미지 파일명 string
    width 이미지 파일 가로 해상도 string
    height 이미지 파일 세로 해상도 string
    box Bounding-box 객체 정보 array
    {} 문서 object
    label 바운딩박스 가공 객체의 class 정보. 객체 차종은 총 6종임 string
    occluded 의미없는 항목 string
    (가려진 차량 판별)
    z_order 의미없는 항목 string
    (가공툴에서 산출)
    xtl 바운딩박스 가공 객체의 이미지 픽셀을 기준으로 좌측 상단 x좌표 string
    ytl 바운딩박스 가공 객체의 이미지 픽셀을 기준으로 좌측 상단 y좌표 string
    속성명 설명 타입
    xbr 바운딩박스 가공 객체의 이미지 픽셀을 기준으로 우측 하단 x좌표 string
    ybr 바운딩박스 가공 객체의 이미지 픽셀을 기준으로 우측 하단 y좌표 string
    attribute 객체의 속성값 string
    attribute.name attribute태그의 이름 속성 string
    meta meta 정보 object
    task task 정보 object
    owner 의미없는 항목(가공업체 정보) object
    email 의미없는 항목 string
    (가공업체 email정보)
    username 의미없는 항목 string
    (가공업체 책임자 정보)
    flipped 의미없는 항목 string
    (뒤집힌 이미지 판별)
    created 의미없는 항목 string
    (작업생성일)
    project 의미없는 항목(과제명) string
    start_frame 의미없는 항목(시작 프레임) string
    frame_filter 의미없는 항목 string
    (가공툴상에서
    작업화면 페이지 전환
    (ex. Step=1 : 1장씩, step=2 : 2장씩)
    labels 라벨링 대상 task 정보 object
    label 객체 class 정의 부분 array
    {} 문서 object
    name 객체 차종은 총 6종임 string
    attributes 라벨링 객체 속성 object
    segments 의미없는 항목 object
    (가공툴상에서 라벨링 종류(polygon), 가공툴에 Default로 나오는 값)
    segment 의미없는 항목 object
    (가공툴상에서 Default로 나오는 값)
    stop 의미없는 항목 string
    (가공툴상에서 Default로 나오는 값)
    start 의미없는 항목 string
    (가공툴상에서 Default로 나오는 값)
    id 라벨링 객체 ID string
    url 의미없는 항목 string
    (가공툴상에서 Default로 나오는 값)
    mode 라벨링 종류 string
    overlap 의미없는 항목(이미지 중복 판별) string
    size 어노테이션 정보를 포함하고 있는 가공 이미지의 개수 string
    name 가공 도구 상에서의 작업단위(Task)명 string
    bugtracker 의미없는 항목 (버그추적) string
    id task ID string
    stop_frame 의미없는 항목(종료 프레임) string
    updated 의미없는 항목(최종 수정일) string
    dumped 의미없는 항목 (작업 완료 제출일) string
    version 의미없는 항목(xml 버전) string
     

     

    ■ 신호최적화 데이터 구성
    - 교통량데이터(기종점기반/개별차량기반)

     
    구분 속성명 타입 필수여부 설명 유효값
    1 unix_time number Y 이동수집시각 -
    2 vhcl_id string Y 개별차량OD -
    3 stdr_ymd number Y 수집시각 (연월일) -
    구분 속성명 타입 필수여부 설명 유효값
    4 stdr_hm number Y 수집시각(시분) -
    5 stdr_ss number Y 수집시각(초) -
    6 lon number Y 경도 *하단 참고
    7 lat number Y 위도 *하단 참고
    8 alt string Y 고도 -
    9 spd string N 속도(m/s) -
    10 allowed_spd string N 비혼잡속도 (m/s) -
    11 agl string N 진행방향 -
    12 slp string N 경사 -
    13 vhcl_typ number Y 차량종류 *하단 참고
    14 from_inter_id string N 이전통과교차로 -
    15 to_inter_id string N 목적교차로 -
    16 dist2to_inter string N 목적교차로까지 거리 -
    17 turn_typ2to_inter string N 회전방향 -
    18 edge_grp_id string N 엣지그룹ID -
    19 edge_id string N 엣지ID -
    20 lane_id string N 차선ID -
    21 seg_id string N 세그먼트ID -
    22 nxt_inter_id string N 다음 교차로 ID -
    23 dist2nxt_inter string N 다음 교차로까지의 거리 -
    24 turn_typ2nxt_inter string N 다음교차로 회전방향 -
    25 nxt_inter_sig_st string N 다음 교차로 현재신호 -
    26 nxt_inter_phs_no string N 다음 교차로 현시신호 -
    27 que_all string N 전체 대기행렬관측여부 -
    28 que_200 string N 대기행렬관측여부 -
    (~200m)
    29 que_200_500 string N 대기행렬관측여부 -
    (200m~500m)
    30 que_500 string N 대기행렬관측여부 -
    (~500m)
    31 tl string N 지체시간 -
     

     

    위도/경도 유효값
    지역 구분 lat(위도)** lon(경도)**
    안양시 최소값 37.362 126.943
    최대값 37.401 126.999
    부천시 최소값 37.494 126.741
    최대값 37.518 126.78
    ** 좌표계 : WGS84
    차량종류 유효값
    구문규칙 차량종류 1 2 3 4 5 6
    (carmodel type)
    차종 승용차 버스 트럭 대형트럭 특수차량 오토바이
     

     

    - 교통량데이터(회전교통량)

    구분 속성명 타입 필수여부 설명 유효값
    1 data object Y 전체 데이터 묶음 -
    2 interval array Y 시간 간격 -
    3 {} object Y 문서 -
    4 end string Y 종료시간 -
    5 id string Y 상태값 -
    6 begin string Y 시작시간 -
    7 edgeRelation object Y 기종점 노드 -
    8 count number Y 통과 차량대수(대) -
    9 from string Y 시점 노드 ID -
    10 to string Y 종점 노드 ID -
     

     

    - 신호데이터(csv)

    구분 속성명 타입 필수여부 설명 유효값
    1 interid string Y 교차로 ID *하단 참고
    2 aringstarttime number Y 신호시작시간 -
    (날짜/시분초)
    3 signalstate string Y SUMO 신호입력값 -
    4 unix_time number Y 유닉스 타임 -
    5 phasepattern string N 원본데이터 현시패턴 -
     

     

    차량종류 유효값
    지역명 구문규칙  교차로명 데이터 좌표*
    교차로 교차로ID (interid) (위도, 경도)
    (개별)  
    안양시 3 벌말오거리 cluster_217833_cluster_216283_217694_cluster_215007_216164_216616_217832 37.396608, 126.976359
    13 범계사거리 cluster_216196_216197_217930_217931 37.389058, 126.948116
    14 범계역 215147 37.391117, 126.950987
    사거리
    15 시청사거리 215173 37.392524, 126.955169
    16 관평사거리 215174 37.394078, 126.959660
    17 평촌역 214964 37.395564, 126.964019
    사거리
    18 열병합 215024 37.396009, 126.968882
    사거리
    19 방축사거리 215092 37.396608,
    126.976359
    20 신기사거리 cluster_216778_217465 37.389058,
    126.948116
    부천시 26 석천사거리 204820 37.391117,
    126.950987
    29 문예사거리 204822 37.392524,
    126.955169
    104 화목사거리 201305 37.394078,
    126.95966
    105 중동전화국 204920 37.395564,
    사거리 126.964019
    106 송내대로 cluster_204796_205202 37.396009,
    사거리 126.968882
    231 부명사거리 201301 37.382793,
    126.952703
    233 포도마을 201292 37.378211,
    사거리 126.9552
    380 중앙공원 201306 37.504764,
    사거리 126.763169
    382 구터미널 201293 37.503955,
    사거리 126.769198
    103** 넘말사거리 201330 37.499997,
    126.756811
    379** 복사골아파트 201329 37.502754,
    사거리 126.75757
    414** 영안아파트 201300 37.505410,
    사거리 126.75831
    * 좌표계 : WGS84
    ** 신호최적화데이터 수집대상 지점에 포함되지않으나, 교차로 연계성을 위해 추가 설정
     

     

    - 신호데이터(xml)

    구분 속성명 타입 필수여부 설명 유효값
    1 tlLogics object Y 전체 신호 데이터 -
    2 tlLogic array Y 교차로별 신호 데이터 -
    3 {} object Y 문서 -
    4 phase array Y 신호 패턴 -
    5 {} object Y 문서 -
    6 duration number Y 해당 신호가 -
    유지되는 시간(초)
    7 state string Y 신호 상태 -
    8 offset string Y 연동신호여부 -
    9 id string Y 교차로 ID -
    10 type string Y 형식 -
    11 programID number N 교차로 순서 -

     

    - 지표데이터

    구분 속성명 타입 필수여부 설명 유효값
    1 edge_grp_id string Y 엣지그룹 ID -
    2 avg_spd number Y 평균속도(m/s) -
    3 total_time_loss string Y 지체시간(초) -
    4 avg_time_loss string Y 차량당 평균 지체시간(초) -
    5 avg_travle_time number Y 평균 통행시간(초)  

     

    ■ 영상데이터 구성
    - 영상데이터(csv)

    구분 속성명 타입 필수여부 설명 유효값
    1 photo_file String Y 영상파일 이름 교차로[4자릿수]_
    (교차로+시간대) YYYYMMDDhhmmss
    2 photo_id String Y 기준선 통과 이미지 파일의 식별값 교차로[4자릿수]_
    YYYYMMDDhhmmssms_nnnnn.jpg 
    3 signal_info.movement String Y 통과시간의 신호정보 [s,t,l,y,tl,yl]
    4 departure_time String Y 영상기준 차량의 교차로 통과 시간 mm:ss:ms
    5 car_type String Y 교차로 통과 차량의 종류 [car, bus, small_truck, large_truck, bike, unknown]
    6 lane String Y 차량이 지나가는 차로 [1 ~ 10]
    7 car_info String Y 차량의 진행 방향 [r,t,l,u]
    .movement
    8 tracking ID String N 추적차량 번호 [0 ~ 10]
     

     

    - 영상데이터(xml)

    구분 속성명 타입 필수여부 설명 유효값
    1 edge_grp_id string Y 엣지그룹 ID -
    2 avg_spd number Y 평균속도(m/s) -
    3 total_time_loss string Y 지체시간(초) -
    4 avg_time_loss string Y 차량당 평균 지체시간(초) -
    5 avg_travle_time number Y 평균 통행시간(초) -
     
               
    구분 속성명 타입 필수여부 설명 유효값
    1 photo_file String Y 영상파일 이름 교차로[4자릿수]_
    (교차로+시간대) YYYYMMDDhhmmss
    2 photo_id String Y 기준선 통과 이미지 파일의 식별값 교차로[4자릿수]_
    YYYYMMDDhhmmssms_nnnnn.jpg 
    3 signal_info.movement String Y 통과시간의 신호정보 [s,t,l,y,tl,yl]
    4 departure_time String Y 영상기준 차량의 교차로 통과 시간 mm:ss:ms
    5 car_type String Y 교차로 통과 차량의 종류 [car, bus, small_truck, large_truck, bike, unknown]
    6 lane String Y 차량이 지나가는 차로 [1 ~ 10]
    7 car_info String Y 차량의 진행 방향 [r,t,l,u]
    .movement
    8 tracking ID String N 추적차량 번호 [0 ~ 10]
     
               
               
    구분 속성명 타입 필수여부 설명 유효값
    1 annotations object Y 어노테이션 정보 -
    2 image array Y 이미지 정보 -
    3 {} object Y 문서 -
    4 id string Y 현재 xml파일 내의 이미지 파일별 고유 식별 숫자(0번부터 시작, 마지막 식별자는 size-1) -
    5 name string Y 이미지 파일명 -
    6 width string Y 이미지 파일 가로 해상도 "1920"
    구분 속성명 타입 필수여부 설명 유효값
    7 height string Y 이미지 파일 세로 해상도 "1080"
    8 box array N Bounding-box 객체 정보 -
    9 {} object N 문서 -
    10 label string N 바운딩박스 가공 객체의 class 정보. 객체 차종은 총 6종임 "car","bus","small_truck","large_truck","bike","unknown"
    11 occluded string N 의미없는 항목 -
    (가려진 차량 판별)
    12 z_order string N 의미없는 항목 -
    (가공툴에서 산출)
    13 xtl string N 바운딩박스 가공 객체의 이미지 픽셀을 기준으로 좌측 상단 x좌표 -
    14 ytl string N 바운딩박스 가공 객체의 이미지 픽셀을 기준으로 좌측 상단 y좌표 -
    15 xbr string N 바운딩박스 가공 객체의 이미지 픽셀을 기준으로 우측 하단 x좌표 -
    16 ybr string N 바운딩박스 가공 객체의 이미지 픽셀을 기준으로 우측 하단 y좌표 -
    17 attribute string N 객체의 속성값 0,1,2,3,4,5,6,7,8,9,10,"r","l","t","u"
    18 attribute.name string N attribute태그의 이름 속성 "CID","direction","lane"
    19 meta object Y meta 정보 -
    20 task object Y task 정보 -
    21 owner object N 의미없는 항목(가공업체 정보) -
    22 email string N 의미없는 항목 -
    (가공업체 email정보)
    23 username string N 의미없는 항목 -
    (가공업체 책임자 정보)
    24 flipped string N 의미없는 항목 -
    (뒤집힌 이미지 판별)
    25 created string N 의미없는 항목 -
    (작업생성일)
    26 project string N 의미없는 항목(과제명) -
    27 start string N 의미없는 항목(시작 프레임) -
    _frame
    28 frame string N 의미없는 항목 -
    _filter (가공툴상에서
      작업화면 페이지 전환
      (ex. Step=1 : 1장씩, step=2 : 2장씩)
    구분 속성명 타입 필수여부 설명 유효값
    29 labels object Y 라벨링 대상 task 정보 -
    30 label array Y 객체 class 정의 부분 -
    31 {} object Y 문서 -
    32 name string Y 객체 차종은 총 6종임 "car","bus","small_truck","large_truck","bike","unknown"
    33 attributes object N 라벨링 객체 속성 -
    34 segments object N 의미없는 항목 -
    (가공툴상에서 라벨링 종류(polygon), 가공툴에 Default로 나오는 값)
    35 segment object N 의미없는 항목 -
    (가공툴상에서 Default로 나오는 값)
    36 stop string N 의미없는 항목 -
    (가공툴상에서 Default로 나오는 값)
    37 start string N 의미없는 항목 -
    (가공툴상에서 Default로 나오는 값)
    38 id string N 라벨링 객체 ID -
    39 url string N 의미없는 항목 -
    (가공툴상에서 Default로 나오는 값)
    40 mode string N 라벨링 종류 -
    41 overlap string N 의미없는 항목(이미지 중복 판별) -
    42 size string Y 어노테이션 정보를 포함하고 있는 가공 이미지의 개수 -
    43 name string Y 가공 도구 상에서의 작업단위(Task)명 -
    44 bugtracker string N 의미없는 항목 (버그추적) -
    45 id string N task ID -
    46 stop_frame string N 의미없는 항목(종료 프레임) -
    47 updated string N 의미없는 항목(최종 수정일) -
    48 dumped string N 의미없는 항목 (작업 완료 제출일) -
    49 version string N 의미없는 항목 -
     
    (xml 버전)

     데이터 예시
    - 신호최적화 데이터 예시
     (1) 신호 데이터

    ㆍ원천 데이터
    신호 데이터 원천 데이터

     ㆍ라벨 데이터
    신호 데이터 라벨 데이터

     (2) 교통량 데이터
     ㆍ원천 데이터

    교통량 데이터 원천 데이터

     

    교통량 데이터 xml 형태 라벨 데이터 csv 형태
    xml 형태 csv 형태
     

     

    (3) 네트워크 데이터
     ㆍ네트워크 데이터는 실제 도로형상을 모형으로 구축한 데이터이므로, 별도의라벨/메타정보 데이터가 존재하지 않음

    네트워크 데이터 xml 형태

    xml 형태
    네트워크 데이터 xml 형태 (Net edior 표출)


     (4) 지표 데이터
     ㆍ지표데이터는 신호/교통량/네트워크 데이터를 신호최적화 시뮬레이션에 입력·가공하여 산출된 데이터이므로 별도의 원천데이터가 존재하지 않음
     ㆍ라벨 데이터
    지표 데이터 라벨 데이터

     영상정보 데이터 예시

     ㆍ원천 데이터

    영상정보 데이터 예시 원천 데이터

     ㆍ라벨 데이터
    영상정보 데이터 예시 라벨 데이터

     ㆍ메타정보 데이터

     

  • 데이터셋 구축 담당자

    수행기관(주관) : ㈜유아이네트웍스
    수행기관(주관)
    책임자명 전화번호 대표이메일 담당업무
    전용현 02-586-0461 kipon7@naver.com 사업관리 및 네트워크 수집, 네트워크, 교통류, 신호데이터 정제, 신호데이터셋 가공, 검수
    수행기관(참여)
    수행기관(참여)
    기관명 담당업무
    ㈜라온로드 영상 수집 및 교통류 데이터 수집
    ㈜테스트웍스 라벨링 데이터 가공
    한국전자기술연구원 품질관리
    데이터 관련 문의처
    데이터 관련 문의처
    담당자명 전화번호 이메일
    전용현 02-586-0461 kipon7@naver.com
보건의료 데이터 개방 안내

보건의료 데이터는 온라인 및 오프라인 안심존을 통해 개방됩니다.

안심존이란 안심존 이용메뉴얼 안심존 이용신청
  • 인터넷과 물리적으로 분리된 온라인·오프라인 공간으로 의료 데이터를 포함하여 보안 조치가 요구되는 데이터를 다운로드 없이 접근하고 분석 가능
    * 온라인 안심존 : 보안이 보장된 온라인 네트워크를 통해 집, 연구실, 사무실 등 어디서나 접속하여 데이터에 접근하고 분석
    * 오프라인 안심존 : 추가적인 보안이 필요한 데이터를 대상으로 지정된 물리적 공간에서만 접속하여 데이터에 접근하고 분석

    1. AI 허브 접속
      신청자
    2. 안심존
      사용신청
      신청자신청서류 제출*
    3. 심사구축기관
    4. 승인구축기관
    5. 데이터 분석 활용신청자
    6. 분석모델반출신청자
  • 1. 기관생명윤리위원회(IRB) 심의 결과 통지서 [IRB 알아보기]
    2. 기관생명윤리위원회(IRB) 승인된 연구계획서
    3. 신청자 소속 증빙 서류 (재직증명서, 재학증명서, 근로계약서 등 택1)
    4. 안심존 이용 신청서 [다운로드]
    5. 보안서약서 [다운로드]
    ※ 상기 신청서 및 첨부 서류를 완비한 후 신청을 진행하셔야 정상적으로 절차가 이루어집니다.

  • 신청 및 이용관련 문의는 safezone1@aihub.kr 또는 02-525-7708, 7709로 문의

데이터셋 다운로드 승인이 완료 된 후 API 다운로드 서비스를 이용하실 수 있습니다.

API 다운로드 파일은 분할 압축되어 다운로드 됩니다. 분할 압축 해제를 위해서는 분할 압축 파일들의 병합이 필요하며 리눅스 명령어 사용이 필요합니다.

리눅스 OS 계열에서 다운로드 받으시길 권장하며 윈도우에서 파일 다운로드 시 wsl(리눅스용 윈도우 하위 시스템) 설치가 필요합니다.

※ 파일 병합 리눅스 명령어

find "폴더경로" -name "파일명.zip.part*" -print0 | sort -zt'.' -k2V | xargs -0 cat > "파일명.zip"

- 해당 명령어 실행 시, 실행 경로 위치에 병합 압축 파일이 생성됩니다.

- 병합된 파일 용량이 0일 경우, 제대로 병합이 되지 않은 상태이니 "폴더경로"가 제대로 입력되었는지 확인 부탁드립니다.

※ 데이터셋 소개 페이지에서 다운로드 버튼 클릭하여 승인이 필요합니다.