< R&D 분야 > 1. 딥러닝(YOLO)기반 이륜차 객체 인식 및 검출 - 도로의 고정카메라(CCTV) 영상으로부터 이미지 취득 후 YOLO(v4) 기반의 이륜차 인식기술을 사용하여 검지 2. 이륜차 추적 기술 - DeepSORT기반의 알고리즘을 적용한 이륜차객체의 Feature Vector를 이용하여 이전 프레임 이륜차에 대한 예측값을 알아내고 Hungarian Algorithm을 통해 Tracking을 수행 3. 이륜차 속도 검출 기술 - 카메라의 설치 높이와 카메라의 Tilt 각도를 이용하여 영상에서의 가상좌표를 기준으로 이전 프레임과 현재 프레임의 시간차 및 거리값을 통해 속도 추출 4. 이륜차 번호 인식 기술 - 높은 인식률의 이륜차 전용 번호인식 기술을 보유하고 있으며 본 연구에서 오인식된 데이터를 활용하여 인식률 고도화 및 이면도로 환경에 최적화하는 작업 진행 5. 이륜차 소음 측정 기술 - 수집되는 소리 중 이륜차 소음을 특정하기 위하여 다양한 이륜차의 소음을 획득 6. 표출 및 안내장치 선정 - 여러 알림장치의 장·단점들을 리빙랩을 통해 공유하며 계도를 위한 LED알림시스템의 안내문구 등을 작성하여 스스로해결단과 논의 후 최적 위치에 설치 7. 관리 및 연계 플랫폼 개발 - 지역/시간대별 이륜차 위반행위 및 소음 측정 정보를 데이터로 저장하여 시각화할 수 있는 플랫폼 도입 < 비 R&D 분야 > 1. 시스템 확대 보급화 계획 수립 및 구축(5개소 이상) - R&D 테스트베드를 통해 효과 분석하여 시스템 고도화 작업 후 리빙랩을 통해 수요지점을 모색 후 확대 보급에 대한 계획을 수립 - 편성된 예산에 맞추어 리빙랩을 통해 설치지점을 선정할 예정이며 구로구 내 최소 5개소 이상 시스템 확대 보급 예정 ※ R&D 결과를 반영한 실시설계 결과에 따라 설치개소가 증감 될 수 있음 2. R&D 개발 시스템에 대한 자체 운영 기반 구축 및 타 지자체 확산 기반 마련 - CCTV 및 LED알림시스템에 관한 유지보수 매뉴얼과 구로구 자체 관리 가능한 운영 지침 마련 - 구로구센터에서 속도?소음에 대한 패턴 및 발생률의 내용을 정량적/시각적으로 볼 수 있도록 연계 - 리빙랩 운영에 관한 행정적·기술적 노하우를 타 지자체에 확산할 수 있도록 필요한 가이드라인 마련