3조

프로젝트 개요

기술개발 과제

딥러닝 기반 지하철 문 끼임 사고 방지 시스템 구축

(Establishment of a deep learning based system preventing subway door jamming accident)

과제 팀명

문열어조

지도교수

문영일 교수님

개발기간

2022년 3월~ 2022년 6월 (총 4개월)

구성원 소개

서울시립대학교 토목공학과 20178600** 전*훈(팀장)

서울시립대학교 토목공학과 20198600** 김*민

서울시립대학교 토목공학과 20178600** 김*운

서울시립대학교 토목공학과 20178600** 김*현

서울시립대학교 토목공학과 20178600** 백*열

서울시립대학교 토목공학과 20178600** 현*호

서론

개발 과제의 개요

개발 과제의 배경

◇ 최근 6년 간 서울 지하철 출입문 끼임 사고는 1560여건, 한 달 평균 23건씩 발생하였다. 출입문에 스크린 도어가 설치되어 있음에도 불구하고 지름 7.5mm 이하 물체의 끼임은 감지하지 못하며, 아래쪽에는 센서가 없어 오래된 지하철의 경우 신발이나 유모차 바퀴가 끼이는 걸 감지하지 못하는 경우도 있다.

◇ 출입문 사고는 전체 지하철 사고의 29.1~38.8%를 차지한다. 또한, 이러한 출입문 사고유형에서 출입문 끼임 사고가 89%로 대부분이다. 무리한 승차로 부상을 당하거나 물건들이 파손되는 사례가 많고 피해보상에서도 출입문 끼임 사고가 39%를 차지한다.

개발 과제의 목표 및 내용

◇ 지하철 CCTV사진과 딥러닝을 활용하여 지하철 탑승객의 모습을 실시간으로 모니터링하고, 물체가 끼었지만 스크린 도어가 열리지 않는 위험한 상황 시에 이를 경고해줄 수 있는 시스템을 개발하고자 하였다.

◇ 이 시스템은 사람들의 비정상적인 거동을 라벨링하여 딥러닝 모델을 개발 및 구축함으로써 지하철 출입문 끼임 사고를 줄이고 만약 사고가 발생하여도 확실하고 신속한 상황 대처를 할 수 있도록 한다.

관련 기술의 현황

관련 기술의 현황 및 분석(State of art)

◇ 스크린도어를 제어하는 방식

- ATO 방식: 열차 제어 방식(ATC)와 연동하는 방식으로, 선로에 설치된 사진을 통해 열차의 위치 정 보를 관제 시스템에 전송한 후 시스템을 통해 자동으로 스크린도어를 열거나 닫는 방식이다.

- R/F 방식: 스크린도어와 운전실에 설치된 RF 장치 간의 무선 연결을 통해 스크린 도어를 제어하는 방식이다. ATO 방식과는 달리 수동적인 방식이다.

- 출입문 검지 센서 방식: 출입문 상부에 설치된 열차 검지 센서를 통해 스크린도어를 제어하는 방식으로, 열차의 문이 닫히면 센서가 닫힌 문을 감지하여 스크린 도어가 닫히는 원리다. 현재 대부분의 스크린도어는 ATO방식을 사용하며 수도권 일부 구간에서만 RF방식과 출입문 검지 센서 방식을 사용한다.

◇ 상하개폐식 스크린도어

-최근 상하개폐식 스크린도어가 문양역, 논산역 등에 시범 설치되고 있다. 이는 출입문이 상하로 열리고 닫히는 방식으로, 소재는 PVC를 입힌 와이어로프 또는 강화 유리 등 다양하게 선택 가능하다. 상하식 스크린도어가 기존 좌우식에 비해 머리 부상을 당할 위험이 클 것이라는 지적도 있지만 실제로 상하식 스크린도어는 머리 부상 예방을 위해 감지 센서를 추가로 설치함으로써 이런 염려를 제거했다. 또한, 상하식은 스크린도어가 몸이 닿기 전에 센서를 통해 열리기 때문에 더 안전하다. 하지만 문양역과 서울지하철의 스크린 오작동 건수를 비교하면 연평균 50건으로 비슷하기 때문에 더 정확한 기술이라고 말하기는 어렵다.

◇ 스크린도어에 사용되고 있는 센서

-지하철의 스크린도어가 정상적으로 개폐되기 위해서는 센서가 검출 범위 내의 물체를 감지해야 한다. 기존 스크린도어에 사용되고 있는 센서는 ‘포토 센서’와 ‘에어리어 센서’이며 끼임 사고와 같은 안전사고를 예방하기 위하여 보다 정확하게 물체를 감지할 수 있는 ‘레이저 센서’로의 전면 교체가 추진되고 있는 상황이다.

-포토 센서, 에어리어 센서, 레이저 센서의 단점을 보완하면서 레이저 센서의 장점을 포함하는 딥러닝 시스템을 개발하고자 한다. 포토 센서와 에어리어 센서의 경우 검지 폭이 좁다는 점이 가장 취약하다. 스크린도어 주변의 CCTV를 활용하면 넓은 검출 범위를 가질 수 있다. 또한, 딥러닝 시스템은 이미 설치되어있는 승강장 주변의 CCTV 자료를 활용하므로 추가적인 설치와 비용이 필요하지 않다는 장점을 갖는다.

◇ 지능형 CCTV

-현재 서울 지하철 8호선은 지능형 CCTV를 이용한 딥러닝 기반 영상 분석을 통해 에스컬레이터 넘어짐, 교통약자 서비스, 코로나19에 대비한 마스크 미착용자 검색 등 다양한 정보를 활용하여 안전한 지하철 서비스를 제공한다. 또한, 이를 이용하여 승객들의 부정승차를 탐지하고 이에 알맞은 정책 수립을 논의 중에 있다. 출입문 끼임 사고에 관해서도 기존 출입문이나 스크린도어의 문제점을 보완하기 위해 상하개폐식 스크린도어나 레이저 센서 등을 대책으로 내세우고 있지만 현재 딥러닝을 기반으로 지하철 문 끼임 사고를 방지하는 시스템을 구축한 국내와 해외 사례는 아직 존재하지 않는다.

-지능형 CCTV에 대한 수요는 세계적으로 증가하고 있다. 지능형 CCTV는 보안 서비스뿐만 아니라 재난재해 모니터링 서비스, 영유아 모니터링 서비스, 실버케어 서비스 등에 활용될 수 있기 때문이다. 우리나라 정부 역시 지능형 CCTV 산업을 ‘디지털 뉴딜’의 핵심산업으로 선정하고 육성지원 방안을 수립했다. 지방자치단체도 지능형 CCTV를 활용한 재난대응 시스템 구축에 나서는 중이다. 지능형 CCTV의 근간이 될 ETRI의 ‘딥러닝 기반 휴먼 행동 인식기술’이 pilot단계 시작품 성능 단계에 돌입했다. 딥러닝 기반 휴먼 인식 기술은 인공지능과 딥러닝 기능이 융합/확장된 지능형 영상분석 기술이다. 이 기술이 탑재된 지능형 CCTV는 사람의 동작, 자세, 위치와 상호작용하는 물체의 정보를 실시간으로 파악하여 배회, 침입, 싸움, 방화, 쓰러짐, 유기 등의 이상 행동을 감지할 수 있게 된다.

기술 로드맵

<스마트 시티-AI기반의 CCTV 시스템>

중소벤처기업부에서는 중소기업 분야별 전략기술로드맵을 제시하고 있으며, ‘AI 기반의 스마트 CCTV 시스템’을 스마트시티 분야의 핵심기술로 포함한다.

 AI 기반의 스마트 CCTV 시스템은 컴퓨터가 영상을 자동으로 분석해 특정 상황(재난, 범죄 등) 발생 시 자동으로 이를 알려주는 시스템이다. 다중의 CCTV 카메라 동영상에서 사람을 탐지하고, 타겟으로 선정된 사람이 포함된 CCTV 영상을 재인식하고, 재인식된 영상의 시간, 위치 등 메타데이터 정보를 활용하여 타겟의 이동시간 및 경로를 추적한다. 이러한 기술은 통합관제 및 솔루션 기술을 중점으로 기술개발이 추진되었으며, 최근 국민안전을 위한 핵심기술로 국가적 관심이 증가하고 있다.

<인공지능-영상데이터 기반 AI 서비스>

인공지능 분야의 영상데이터 기반 AI 서비스 또한 핵심기술로 분류한다.

 영상에서 객체의 종류, 크기, 방향, 위치 등 공간정보를 실시간으로 수집하여 학습된 지식 정보를 기반으로 딥러닝 기술을 활용하는 AI 영상처리 기술이다. 2022년부터 2024년까지 높은 기술력을 바탕으로 다양한 분야에 적용할 수 있도록 하는 것을 목표로 하며, 영상 처리 기술을 적용한 데이터를 기반으로 범죄나 사고 상황을 분석하여 보안이나 편의 서비스를 제공할 수 있도록 한다.

[중소벤처기업부 – 영상데이터 기반 AI 서비스 기술개발 로드맵]

시장상황에 대한 분석

시장성 분석

- 서울 지역 지하철의 안전시설 보완을 위한 예산은 계속해서 증가하고 있다. 현재 지하철의 낡은 설비를 바꾸고 고치는 비용이 대략 지하철 노선 2개를 신설할 수 있을 정도의 돈이다. 하지만 예산의 서울시 자체 조달은 사실상 불가능한 데다 정부의 지원계획도 없어 서울 지하철의 안전 확보에는 비상이 걸린 상태이다. 본 과제에서는 딥러닝 모델을 활용한 일종의 자동 안전 관리 시스템을 개발한다. 이는 현재 서울시 지하철의 안전관리 시설 설치 비용과 안전사고에 따른 치료비, 보상비 등의 예산을 줄여주어 시장성을 확보 가능할 것으로 예측된다.

- AI 기반의 스마트 CCTV 시스템 시장 규모는 세계적으로 ’17년 25억 1,000만 달러에서 ’23년 31억 9,000만 달러로 연평균 4.1% 성장할 전망이고, 국내에서는 2017년 1조 2,681억 원에서 2023년 1조 8,274억 원으로 연평균 6.0% 꾸준히 성장할 전망이다.

사회성 분석

- 지하철 역내 발생사고 중 출입문 끼임 사고 발생률이 가장 높다.

- 2016년부터 3년간 자료를 보면 출입문 끼임 사고 발생률이 가장 높고 전체 지하철 사고 중 약 48%를 차지한다. 그에 따라 안전감시 시스템을 통해 다양한 위험 요인을 관리하며 신속하게 대처할 수 있는 융합시스템에 대한 업계 수요가 증가하고 있다.

- 최근 들어서 지하철 역 발생사고가 꾸준히 감소하고 있지만 출입문 끼임 사고가 차지하는 비율은 여전히 높은 수치를 나타낸다. 지하철 안전사고 문제의 중요성은 수치적으로도 증명되고 있기 때문에 본 과제에서 개발하는 딥러닝 기술은 사회적으로 필요하다.

개발과제의 기대효과

기술적 기대효과

◇ 출입문 검지 센서는 출입문의 상부에 위치하고 있다. 이 때 센서는 지하철이 정위치 정차하여야 정상적으로 작동한다. 즉, 정위치 정차를 하지 못하였을 경우 승강장 안전문은 승무원이 수동으로 개/폐하여야 한다는 것이다. 따라서 CCTV를 통한 사람과 지하철 사이의 거리, 머무르는 시간에 의해 문 개/폐 여부를 결정하는 딥러닝 모델은 지하철이 정위치에 정차하지 않았을 경우에도 문 끼임 사고를 인식하여 자동으로 문을 열리게 할 것이다. 또한 승무원이 임의로 문을 개/폐하게 될 경우 사각지대에 발생하는 사고들을 놓칠 수 있기 때문에 딥러닝을 통해 승무원의 임의 판단 요소를 제거할 수 있다.

◇ 현재 출입문 검지 센서는 광센서(적외선) 방식으로 사용하고 있다. 적외선 센서는 지하철의 발차에 의해 발생하는 먼지를 인식하기도 하며 센서의 빛을 반사하여 되돌아오는 량의 부족 등으로 인한 감지불량의 한계를 가지고 있다. 하지만 위 연구는 CCTV 사진, 영상 속의 사람 형상을 인식하여 판단하는 것이므로 감지불량의 경우를 줄일 것이다.

◇ 출입문 검지 센서는 최소 3초 (최대 10초) 정도 작동되어 문끼임을 확인한다. 센서가 작동하는 동시에 딥러닝 시스템이 동시에 작동되면서 문끼임을 판단하는데 있어 추가적인 시간이 소요되지 않을 것이다. 또한 센서 작동시간이 3초일 경우 3초 이후에는 장애물 인식을 하지 못해 사고가 발생할 수 있지만, 딥러닝 기술을 활용하였을 경우 작동시간에 대한 제한이 없다.

◇ 출입문 센서가 인식할 수 없는 출입문 하단 부분이나 지름 7.5mm 이하의 물체가 끼었을 때에도 딥러닝 모델이 끼임 사고로 인식하여 문이 자동으로 열리게 할 것이다.

경제적, 사회적 기대 및 파급효과

◇ 상하개폐식 스크린도어의 설치 비용(200m 기준)이 10억8200만원이다. 하지만 모든 지하철 역에는 CCTV가 존재하므로 CCTV 사진을 이용하여 딥러닝 모델링을 하는 것이 추가적인 비용이 들지 않는다. 따라서 전 역의 스크린도어를 상하개폐식으로 교체하는 비용보다 딥러닝을 활용한 방식의 경우 더 경제적으로 안전사고를 대비할 수 있다.

◇ 문 끼임 사고로 발생되는 피해 보상 비용이나 열차의 지연 등으로 생기는 경제적 손실을 줄일 수 있다.

기술개발 일정 및 추진체계

개발 일정

구성원 및 추진체계

◇ 전다훈, 김태현, 백규열 : AIHUB의 CCTV 영상들을 통해 세 가지 정상적인 경우와 비정상적인 경우의 이미지들을 대량 수집 및 필요 시 편집.

◇ 김혜민, 김지운, 현주호 : 가공된 이미지들을 matlab이나 python 모델들을 활용하여 분석 및 결과 도출. 도출된 결과가 부정확할 시 문제점 분석 및 보완.

◇ 딥러닝을 이용한 데이터들의 결과에 오류가 많을시

plan B : 3D 모델링을 통해 시나리오별로 사람들을 배치해 분석 및 결과 도출. 딥러닝을 이용할 때보다 문제점이 개선되는지 확인.