AI-Hub

데이터 변경이력

데이터 히스토리

소개

도로 시설물 분류와 시설물 파손인지를 목적으로 다양한 보행로 시설물(예. 안전시설, 관리시설, 환경시설, 편의시설 등) 유형별 양호 및 불량 상태 이미지 데이터를 바운딩박스 및 세그멘테이션을 활용하여 가공한 데이터셋으로, 검수와 비식별화를 통해 재사용에 제한이 없도록 저작권 문제를 완전히 해결한 데이터를 확보

구축목적

도로 시설물(예. 안전시설, 관리시설, 환경시설, 편의시설 등) 유형별 양호 및 불량 상태를 도출해낼 수 있도록 인공지능을 훈련하기 위한 이미지 데이터셋

데이터 구축 규모

• 본 데이터셋은 이미지 총 102.5만장으로 구성되어 있다. 보행자 안전 도로시설물 관리를 목적으로 하는 인공지능 모델을 구축하는 과정에서 불량 시설물을 선별해 내기 위해서는 대조군(기준)이 필요하여 파손 및 훼손 이미지 수집과 더불어 양호 상태의 이미지 수집이 이루어졌다. 파손 및 훼손 이미지(이하 불량 이미지)와 양호 상태 이미지(이하 정상 이미지)는 불량 65.4%, 정상 34.6%의 수집 비율을 기준으로 하여 수집 진행하였다.
  
  [표2] 양호/불량 구축 규모

  데이터 구축 규모

  상태	정의	구축 수량
  양호	외관 및 기능 상 정상 상태	34.6만 장
  불량	설치 때와 달리 파손되거나 변형되어 보수 또는 교체가 필요한 상태	65.4만 장

데이터 분포

• 시설물별 규모
  [표3] 시설물별 규모

  구분	대분류	중분류	시설물	수집 규모
  				합계	양호	불량
  1	도로안전 시설	차량방호 안전시설	Bollard_스테인리스	16,000	6,400	9,600
  2			Bollard_탄성고무	46,000	11,000	35,000
  3			Bollard_대리석	25,500	7,000	18,500
  4			Bollard_U자형	37,000	15,000	22,000
  5			시선유도봉_2줄	28,000	9,640	18,360
  6			시선유도봉_3줄	50,000	20,000	30,000
  7			보행자용 방호울타리	24,000	12,000	12,000
  8			교량용 방호울타리	10,000	5,000	5,000
  9		장애인 안전시설	턱낮추기	44,000	22,000	22,000
  10			경사로	16,000	3,000	13,000
  11			점자블럭	30,000	14,850	15,150
  12		도로 부속시설	(도로안내표지) 지주	42,000	3,500	38,500
  13			보도(시멘트 콘크리트)	36,000	12,400	23,600
  14			보도 블록	46,000	13,800	32,200
  15			자전거 도로	45,000	13,500	31,500
  16			연석	52,000	10,000	42,000
  17			무단횡단 방지 울타리	14,000	7,000	7,000
  18			맨홀	67,000	31,000	36,000
  19			보행자 계단	30,500	4,500	26,000
  20	교통안전 시설	신호기	현장 신호제어기	10,000	5,000	5,000
  21			시각장애인용 음향신호기	6,000	3,000	3,000
  22		노면표시	과속방지턱	46,000	14,455	31,545
  23			횡단보도	48,000	14,550	33,450
  24			고원식횡단보도	17,500	3,000	14,500
  25		안전표시	통합표지	6,100	3,050	3,050
  26			정주식, 부착식 표지	34,500	17,000	17,500
  27	기타	전기시설	(가로등) 지주	56,900	23,000	33,900
  28			(전봇대) 빗금표시	47,000	22,500	24,500
  29		기타	소화전	23,000	4,600	18,400
  30			주차멈춤턱_블럭형	46,000	13,800	32,200
  합계				1,000,000	345,545	654,455

• 권역별 규모
  각 시설물 원천데이터 수집은 지역별로 편향되지 않도록 6개 권역으로 구분하여 분배하였다.
  [표4] 권역별 규모

  구분	소분류	권역별 수집규모 (장)
  		합계	수도권	충청권	호남권	대경권	동남권	강원권
  1	Bollard_스테인리스	16,000	7,536	1,656	2,958	878	2,374	598
  2	Bollard_탄성고무	46,000	28,202	3,829	2,324	3,825	6,830	990
  3	Bollard_대리석	25,500	11,297	2,551	4,258	2,742	4,247	405
  4	Bollard_U자형	37,000	18,238	2,988	6,728	3,114	4,968	964
  5	시선유도봉_ 2줄	28,000	9,937	2,990	4,684	4,418	4,927	1,044
  6	시선유도봉_3줄	50,000	22,474	4,840	7,298	5,819	8,097	1,472
  7	보행자용 방호울타리	24,000	12,064	2,548	3,451	1,719	3,669	549
  8	교량용 방호울타리	10,000	5,740	727	1,263	770	1,244	256
  9	턱낮추기	44,000	20,483	4,560	5,022	4,699	7,436	1,800
  10	경사로	16,000	8,910	1,619	1,608	1,513	1,914	436
  11	점자블럭	30,000	16,248	1,829	1,630	4,061	5,414	818
  12	(도로안내표지) 지주	42,000	21,284	3,823	6,609	3,503	6,097	684
  13	보도(시멘트 콘크리트)	36,000	17,043	2,563	4,962	3,944	6,472	1,016
  14	보도 블록	46,000	20,127	5,254	6,577	5,961	6,565	1,516
  15	자전거 도로	45,000	18,366	3,958	6,943	6,438	8,136	1,159
  16	연석	52,000	37,249	3,014	1,962	4,885	3,759	1,131
  17	무단횡단 방지 울타리	14,000	6,364	1,447	1,807	1,250	2,464	668
  18	맨홀	67,000	38,389	5,062	3,027	11,266	7,919	1,337
  19	보행자 계단	30,500	14,888	5,525	2,167	2,284	5,103	533
  20	현장 신호제어기	10,000	4,305	1,122	1,572	1,124	1,443	434
  21	시각장애인용 음향신호기	6,000	2,610	628	1,088	766	767	141
  22	과속방지턱	46,000	27,211	4,318	2,948	3,505	7,020	998
  23	횡단보도	48,000	21,287	4,804	6,023	5,908	8,563	1,415
  24	고원식횡단보도	17,500	7,073	3,054	1,255	1,425	3,641	1,052
  25	통합표지	6,100	2,785	1,211	594	455	907	148
  26	정주식, 부착식 표지	34,500	14,549	2,695	5,013	3,013	7,831	1,399
  27	(가로등) 지주	56,900	26,828	6,103	7,911	6,210	8,144	1,704
  28	(전봇대) 빗금표시	47,000	21,106	4,837	6,775	4,824	8,102	1,356
  29	소화전	23,000	12,665	986	4,782	1,979	2,311	277
  30	주차멈춤턱_블럭형	46,000	21,023	4,576	6,291	5,498	7,179	1,433
  합 계		1,000,000	496,281	95,117	119,530	107,796	153,543	27,733

저작도구 설명서 및 저작도구 다운로드

AI 모델 상세 설명서 다운로드

인공지능 데이터 활용 모델 개발 요약표

• [표5] 모델 개발 요약표

  인공지능 데이터 활용 모델 개발 요약표

  데이터명	AI 모델	모델 성능 지표	응용서비스(예시)
  보행 안전을 위한 도로 시설물 데이터	Image Classification	F1-score	지능형 도로 시설물 관리 서비스

도로시설물 파손 분류 모델 개발

• [그림2] 도로시설물 분류 및 파손인지 모델
  
  (1) 개념 :‘도로시설물 분류 및 파손인지 모델’는 AI 학습 모델을 기반으로 실시간 주행 도로 파손여부를 분석하여, 도로파손 상태 세분화 및 카테고리별 분류를 통해, 파손 심각도를 시각화함 를 통해 관리/위험 대상의 시설물을 각 지자체 담당자에게 자동으로 알려줌으로써 광범위한 점검 대상의 시설물을 효과적으로 유지/관리할 수 있는 역할을 수행함
  (2) 개발 목표 : 지능형 도로 시설물 관리 시스템을 목표로 보행 안전을 위한 도로 시설물 데이터를 활용한 CCTV기반의 AI 응용서비스 개발
  (3) 주요 기능 : 시간 주행 도로 파손여부를 분석하여, 도로파손 상태 세분화 및 카테고리별 분류를 통해, 파손 심각도를 시각화
  (4) 핵심 기술 : AI 기반 시설물 종류/상태 정보 분류 기술 
• [그림3] 도로시설물 분류 및 파손인지 모델 활용 예시
  

서비스 개방 및 사업화 방안

• 서비스 개발 계획 : 학습된 데이터 안에서 이미지 내 객체 식별 및 상태 분류
  ㅇ 구축된 운영 서비스로의 적용 가능성 확인
  ㅇ 테스트 기능 서비스 공개
• 사업화 방안 : 도로 시설물 낙후 지역 대상의 지자체를 중심으로 매주 운행하는 청소차량 카메라 부착 및 이미지 실시간 전송으로 인한 적용을 목표로 함
  ㅇ 지자체와의 사업 협력 체계 마련ㅇ 청소 및 쓰레기 수거 차량 운행업체를 대상으로 전략적 제휴 추진
• 부가가치 창출 방안
  ㅇ 주기적 점검이 아닌 불량 상태의 시설물 정보를 관리자가 실시간으로 확인하고, 교체함으로써 불필요한 인건비 낭비 및 예산 소요를 줄일 수 있음
  ㅇ 지자체 중심으로 매주 운행하는 청소차량 카메라 부착 및 이미지 실시간 전송으로 인공지능(AI) 기반의 지능형 서비스가 도입됨으로써 AI 산업 경쟁력 제고 및 신시장 창출 효과

데이터 성능 점수

설명서 및 활용가이드 다운로드

대표도면

대표도면

이미지
대분류	도로 안전 시설
중분류	도로부속 시설
소분류	무단횡단 방지 울타리
불량상태	울타리 파손
어노테이션 타입	세그멘테이션
원본 이미지
라벨링 이미지(Segmentation)

라벨링데이터 구성

• 이미지에 대한 어노테이션에 적합하도록 포맷을 구성하고, 이미지 파일 1개당 1개의 json 파일을 생성하였다.

  구분		항목명	타입	필수여부	설명
  1		info	-	Y	기본 정보
  	1-1	image_id	String	Y	이미지의 고유 아이디
  	1-2	date	Date	Y	촬영 일자
  	1-3	city_id	String	Y	촬영 지역
  	1-4	filename	String	Y	이미지 파일명
  	1-5	width	Integer	Y	이미지 넓이
  	1-6	height	Integer	Y	이미지 높이
  2		description	List	-	데이터 수집 시 기본정보
  	2-1	facility	String	Y	도로 시설물 유형 (종류)
  	2-2	sub_class	String	-	중소분류
  	2-3	state	String	Y	객체 상태 정보
  3		annotations	Array	Y	어노테이션 정보
  	3-1	annotation_id	String	Y	어노테이션 고유 아이디
  	3-2	label_id	String	Y	라벨 아이디
  	3-3	label_name	String	Y	라벨명
  	3-4	is_defect	String	Y	객체 파손 유무 (상태 정보)
  	3-5	annotation_type	String	Y	라벨 타입
  	3-6	annotation_info	Array	Y	바운딩박스: [top,left,width,height] 폴리곤 : [[x,y],[x,y],[x,y],...]

  [표1] 라벨링 항목

라벨링데이터 실제 예시

데이터셋 구축 담당자

수행기관(주관) : 에프원소프트㈜

수행기관(참여)