Core Concepts
본 연구에서는 도시 소음 모니터링을 위해 차량 유형별 경적 분류 시스템 AClassiHonk를 제안한다. 이를 통해 차량 유형별 경적 특성을 분석하고 지역 맥락을 파악할 수 있다.
Abstract
본 연구는 차량 경적 데이터 수집, 데이터 라벨링, 그리고 차량 유형별 경적 분류 모델 개발을 포함한다.
데이터 수집:
- 인도 Durgapur 지역에서 463km 구간을 13시간 동안 차량 경적 데이터 수집
- 경량 차량(LWV), 중량 차량(MWV), 중량 차량(HWV) 등 3가지 차량 유형으로 구분
데이터 라벨링:
- 수동 라벨링의 한계를 극복하기 위해 Multi-label Autoencoder(MAE) 모델 제안
- MAE 모델은 97.64%의 정확도로 데이터 라벨링 수행
모델 개발:
- 전이 학습 기반 CNN 모델(Inception V3, ResNet50, MobileNet, ShuffleNet) 활용
- 앙상블 전이 학습 모델(EnTL) 제안, 96.72% 정확도 달성
지역 맥락 분석:
- 차량 유형별 경적 특성과 소음 수준 분석을 통해 지역 맥락(주거 지역, 고속도로, 시장 등) 파악
Stats
차량 유형별 경적 발생 횟수:
주거 지역: 경량 차량(LWV) 경적 발생 횟수가 가장 높음
시장: 중량 차량(MWV) 경적 발생 횟수가 가장 높음
고속도로: 중량 차량(HWV) 경적 발생 횟수가 가장 높음