철도역사 안전관리 자동화 기술 개발
Development of Safety Control Automation System in Railway Station
1)이상재 김동현 안세영
서론
최근 구로역 화재, 철도역사 내 에스컬레이터 전도사고 등 안전사고가 예기치 않게 발생하고 있 으며, 무인역에서 범죄발생 등 치안문제로 철도역 사의 안전관리 자동화 기반의 국민안전서비스 향 상 필요성이 대두되고 있다. 대한민국은 교통안전 부분에서 OECD 중 저평가되고 있으며, 철도교통 사고로 인해 많은 사회적 비용이 지출되는 실정이 다. 또한, 현재 철도역사의 안전관리는 역무원에 대한 의존도가 높아 인력부족, 업무과부하 등 효율 적인 관리체계로의 개선이 요구된다. 도시철도는 스크린도어 설치의 의무화로 안전사 고의 위험요소가 감소하였으나, 고속·일반 철도의 경우 각 열차별 탑승구의 위치가 상이하여 스크린 도어 설치가 어렵기 때문에 승강장 추락 및 선로침 입 사고 등 추가적인 안전대책이 필요하다. 또한 에스컬레이터 및 계단 전도사고는 각종 대책에도 꾸준히 발생하고 있으며, 전국 약 200여개의 무인 역은 인력 및 예산부족 등으로 안전관리의 사각지 대로 각별한 대책이 요구되고 있는 실정이다. 전국 철도역사에는 고객의 안전관리를 위하여 다수의 CCTV가 설치·관리되고 있으나, 전문 인 력 부족으로 실시간 모니터링에는 한계가 있으며, CCTV 영상 저장 후 사고 발생 시 영상을 확인하 는 기능으로 활용되고 있다. 또한, CCTV 해상도 가 낮아서 녹화된 영상으로 정확한 상황인지를 하 기는 어려운 실정이다. 서울메트로와 철도사법경찰대의 경우 고해상도 의 카메라를 이용하지만 지능형 CCTV를 활용한이상재 : 한국철도공사 연구원 경영연구처, [email protected], Phone: 042-615-4682, Fax: 02-361-8541 김동현 : 한국철도공사 연구원 경영연구처, [email protected], Phone: 042-615-4692, Fax: 02-361-8541 안세영 : 한국철도공사 연구원 경영연구처, [email protected], Phone: 042-615-5213, Fax: 02-361-8541
인지시스템은 적용된 바가 없다. 그로인해 사고인 지는 주로 승객의 신고에 의존하게 되며, CCTV 는 사후 사고처리의 용도로 사용되고 있다. 철도교 통관제센터에서 취약개소에 지능형 CCTV를 활용 한 인지시스템을 적용하고 있으나, 오검출률로 아 직까지는 신뢰성을 확보하는 데 한계가 있다. 따라 서 고인식률과 저오보율의 인지시스템 개발을 통 해 안전관리를 자동화하여 안전사고 예방 및 사후 골든타임 확보가 반드시 필요하다. 본 연구는 모든 국민이 보다 더 안심하고 편리한 철도서비스를 이용할 수 있도록 ICT기술을 활용한 무인역 및 대형역의 방재, 재난, 승강장 사고, 선로 침입, 넘어짐, 추락, 열차끼임 등 돌발상황에 대해 90% 이상 자동화 대응능력을 가진 안전관리 지능 형 자동화 시스템 기술을 개발하고 있다. 이러한 안전관리 지능형 자동화 시스템 내 철 도역사 지능형 인지시스템과 모니터링 및 상황전 파 시스템에 대한 기술 요소에 대하여 소개하고 자 한다.
지능형 인지시스템
지능형 인지시스템은 카메라의 기하학적 정보를 이용하여, 영상분석을 통해 감지된 이상상황의 기 하학적 유효성을 검증하고 영상감지의 정확도를 높일 수 있는 기하학적 분석 및 검증 기법 개발을 목표로 한다. 또한, 영상인식을 통해 감지된 사고 지점의 정확한 물리적 위치정보를 추정하고, 사고 상황에 대한 최적 카메라 조합 및 시점을 자동으로 산출할 수 있는 3D 공간정보 분석 기술개발을 목 표로 한다. 지능형 모니터링을 위한 기존의 영상 인식 기술 들은 대부분 영상 자체의 패턴 분석에만 의존하기 때문에 사람과 물체의 구분이 힘들고 날씨변화, 그 림자, 역광, 주야간 변화 등 환경변화 요인에 따라 높은 오보율을 나타낸다. 그러나 카메라의 기하학 적 정보를 활용할 경우, 영상 패턴인식에서 감지된 물체의 물리적 크기 및 위치 추정이 가능해지기 때 그림 1. 지능형 인지시스템의 자동화 범위 문에 효과적인 사람/물체 구분 및 오검출 제거가 가능하다. 카메라의 기하학적 정보를 활용하기 위 해서는 카메라의 내외부 파라미터(카메라의 렌즈 초점거리, 왜곡계수, 설치 높이 및 방향각)를 효과 적으로 측정할 수 있는 카메라 캘리브레이션 기술 개발이 필요하다. 현재의 모니터링 시스템은 카메라 위치 및 시점 이 모두 상이한 30-40대 이상의 모니터 화면을 모니터링 인력 1명이 관찰하기 때문에 사고 발생 시 종합적 상황판단이 어려운 문제점이 있다. 또한 사고발생시 수동조작을 통해 카메라의 시점을 조 작, 제어해야 하므로 신속한 판단이 어렵다. 따라 서 사고지점에 대한 최적의 카메라 및 카메라 시점 을 자동으로 추정하고 제어, 제공할 수 있는 자동 시점 제어 기술이 필요하다.1. 카메라 캘리브레이션 기술
카메라 캘리브레이션 기술은 체크보드 등의 도 구를 이용하여 카메라의 내부 파라미터 및 외부 파 라미터를 측정하는 것으로서 모든 영상인식 알고 리즘의 효과적인 수행을 위해 반드시 필요한 핵심그림 2. 기존 카메라 캘리브레이션 과정 기술이다. 카메라의 자세정보 및 내부 파라미터 정 보를 기반으로 영상의 기하학적 해석 과정을 거치 면 영상에서 검출된 물체의 실제 물리적인 위치 및 크기정보를 추출할 수 있다. 기존의 카메라 캘리브 레이션 기술은 체스판을 다양한 각도(보통 20장 이상 이미지 획득)에서 촬영해야 하므로 과정이 매 우 번거롭고 분석시간이 많이 걸리는 문제가 존재 한다. 특히, 철도역사 환경과 같이 기존에 카메라 가 이미 설치되어 있는 경우에는 이러한 영상획득 과정이 매우 힘들거나 불가능한 문제가 발생한다. 이러한 문제점들을 해결하기 위하여 본 연구에 서는 카메라 캘리브레이션 과정을 단순화하고 자 동화하여 한 장의 영상으로 렌즈 캘리브레이션 및 카메라 3D 자세정보(높이, 방향) 동시 추정이 가 능한 3D 공간분석 원천기술을 확보하였다.
2. 제한/유의구간 진입감지 기술
물체감지기술은 영상에서 변화를 감지하는 요소 기술로 배경학습을 통해 입력영상에 배경 이외의 물체를 감지하는 기술이다. 본 연구에서는 선로침 입 및 군중 밀도 추정의 요소기술로 활용되었다. 제한/유의구간 진입감지 기술은 물체감지기술 을 기반으로 승강장에서 선로로 뛰어들거나 넘어 지는 승객을 정확하게 찾아내는 기술이다. 기존에 그림 3. 물체감지기술과 철도역사 안전관리에 응용 그림 4. 물체감지기술의 성능평가 방법과 평가척도 는 픽셀 단위의 정보만을 획득하여 오인식률이 높 았다. 이러한 문제점을 일반 카메라 3차원 정보 획 득을 통하여 미터 단위의 물체의 위치/높이값을 정확하게 추정하여 오인식률을 0% 달성하였다. 안전선 접근 전, 안전선 선상, 안전선 침범, 선로 추락, 선로 사고의 등급별 영상 인식과 시나리오를 적용하였다.3. 군중 혼잡도 추정 기술
군중 혼잡도 추정을 위하여 모니터링 카메라 영 상의 군중의 혼잡도, 혼잡도의 변화, 군중의 이동 흐름 분석 및 패턴 인식을 통해 위험/이상상황을 인식/판단할 수 있는 지능형 영상인식 기술을 적용 하였다. 군중 분석 인식 기술을 통해 철도 역사에서 의 급격한 혼잡도의 변화, 혼란상황, 승강장 추락, 실신, 싸움 등으로 인한 비정상적 군중 이동흐름을 인식/감지할 수 있다. 또한, 화재 및 폭탄테러 등과 같이 혼란, 대피 상황에서 효과적인 군중 대피 유도 에 필요한 실시간 군중 혼잡도 정보및 군중 이동흐그림 5. 회피·대피 상황의 군중 이상행동 모델링 름 분석 정보를 군중 대피 유도 시스템에 제공한다. 기존의 영상 인식 기술들은 대부분 개별적인 사 람의 행동분석에만 의존해왔고 승강장 추락, 실신 등 실제 사고시에는 주변 사람들의 몰림으로 인해 카메라 시야가 가려지기 때문에 기존의 대인 분석 기술로는 대부분 감지가 어렵거나 불가능하다. 이러한 문제점들을 해결하기 위하여 본 연구에 서는 군중 이상행동을 회피·대피 상황, 선회 상황, 혼잡·밀집 상황으로 구분하여 모델링 하였고 카메 라 자세와 내부 파라미터 등 기하학적 정보를 이용 하여 추정한 군중 흐름을 바탕으로 보행자의 개인 공간(personal space)개념을 도입하여 물리적, 심리적 요소를 고려한 밀도 추정을 수행하였다. 밀 도 추정 방법으로는 보행자의 어깨넓이만큼 최소 점유공간을 설정한 후 보행자의 속도에 따라 심리 적 개인 공간 범위의 변화를 적용한다. 그 후, 심 리적 개인공간을 적용한 보행자 카운팅 기술과 기 하학적 분석을 이용한 위치 추정기술을 접목하여 해당 면적의 밀도를 추정한다. 또한, 3차원의 공간 정보기반 군중 밀도 및 혼잡도 추정 기술을 통하여 3차원에 확률적 사람 템플릿 생성 및 투영, 매칭 그림 6. 3D 공간정보와 모델링을 통한 혼잡도 추정 기술과 군중 분포, 이동속도를 고려한 밀도 추정기 술을 활용하여 물체 겹침 현상을 해결하였다.
모니터링 및 상황전파 시스템
모니터링 및 상황전파 시스템은 지능형 인지시 스템으로부터 처리된 정보를 통제실 및 역무원 그 리고 열차에게 상황을 전파해주는 시스템이다. 자 동화된 멀티센서 모니터링 시스템 및 상황대처/전 파 시스템, 빅데이터기반 데이터웨어하우스 시스 템, 승강장, 에스컬레이터, 보행사고, 방범, 방재 및 기타 돌발상황 모니터링, 화재 및 테러 상황 대 피유도 시스템으로 구성된다. 본 연구에서는 영상 분석 소프트웨어와 연계된 멀티센서 모니터링 프 로토타입 개발과 상황전파 모듈 설계 및 화재감지 소프트웨어 개발을 목표로 한다.1. 멀티센서 모니터링 시스템
멀티센서 모니터링 시스템은 철도역사 안전관리 통합운영, 모니터링, 의사결정지원을 목적으로 하 그림 7. 상황전파/대처시스템 S/W 구성도 그림 8. 상황전파/대처시스템 물리적 구성도그림 9. 멀티센서 모니터링 시스템 S/W 구성도 그림 10. 멀티센서 모니터링 시스템 물리적 구성도 며, CCTV 카메라 제어, 모니터링, 이벤트 확인, 녹화 영상 조회 및 상황전파 대처시스템에 이벤트 신호 전달을 핵심 아키텍처로 설계하였다. 이러한 설계를 바탕으로 실시간 모니터링, 상황 정보 확 인, 영상 녹화, 센서 연동이 가능한 멀티센서 모니 터링 시스템을 개발하여 선제적 안전관리가 가능 한 철도역사 구축을 목표로 한다.
2. 영상기반 화재감지 소프트웨어
화재 감지 소프트웨어 개발을 통해 철도역사 환 경에서의 화재상황을 초기에 감지하고 신속 대응 하고 철도역사 내 지능형 보안/안전 시스템을 통 하여 실시간 화재 사고 등 상황에 맞는 대처인력 및 비용을 최적화시킨다. 또한, 화재 감지 소프트 웨어를 통해 2차 사고를 미연에 방지하여 손실 피 해를 최소화 할 수 있다. 화재 감지 소프트웨어는 영상 기반의 소프트웨 어로 크게 연기 검출 알고리즘과 화염 검출 알고리 즘으로 구성된다. 연기(화염) 검출 알고리즘의 경 우 연기(화염) 컬러 모델링을 이용하여 연기(화 염) 후보 객체를 추출하고, 패치를 기반으로 한 주 기적인 분석 방법을 이용하여 연기를 검출하였다. 개발한 알고리즘을 테스트한 결과 표 1과 같이 높 은 검출률과 낮은 오검출률이 나타났다. 하지만, 특정 환경에서 발생하는 오검출률을 줄이기 위하 여 현재도 알고리즘 개발 연구를 계속 진행중이다. 표 1. 연기·화염 검출 알고리즘 테스트 결과 구분 연기 화염 검출률 93.75%(75/80) 96%(48/50) 오검출률 5%(4/80) 8%(4/50) 그림 11. 연기 검출 결과 화면 그림 12. 화염 검출 결과 화면결론
안전관리 자동화 시스템 기술은 철도역사 뿐만 아니라 지하철, 공항, 버스터미널 등 공공시설에 활용 가능하다. 또한, 실용화를 위해 기존 시설과 연계가 가능한 형태로 기술 개발을 추진할 예정이 다. 이러한 철도역사 안전관리 자동화 시스템을 통 하여 다양한 설비 및 서비스 통합 관리가 가능하고 철도역사 환경에서의 다양한 돌발/위험상황을 초 기에 감지하여 신속한 대응으로 선제적 사고예방 및 안전사고 절감에 기여한다. 교통약자를 포함한 이용객의 안전사고 감소로 국민복지 실현과 사고 및 재난에 대한 이해도를 높이고 실시간으로 발생 하는 화재사고 및 인명사고 등 각 돌발상황에 맞는 대처인력 및 비용의 최적화를 기대한다. 또한, 기 존 노후된 시설과 연계 및 활용을 통하여 안전관리 자동화의 비용도 절감할 수 있다.향후연구
철도역사 안전관리 자동화 시스템을 현장에 적 용하기 위하여 테스트베드 선정에 관한 연구가 필 요하다. 현장조사를 통하여 역사의 위험도 및 불안 요소 등의 현황차악 및 혼잡도를 수집하고 영업설 비 관련 안전관리 실태조사와 역사 규모 및 층별 시설 현황, 역사형태, 승강설비 등의 안전설비 조 사를 시행할 예정이다. 테스트베드로 가장 적합한 역사로 선정되기 위한 조건으로는 철도역사의 이 용객 수와 사고 발생빈도, 승강장 및 에스컬레이터 의 위험성 등의 안전관리에 취약한 역사이다. 그러 므로 최종 테스트베드 선정을 위해서는 안전과 비 용을 고려한 가장 효율적인 역사 선정이 필요하다.감사의 글
본 연구는 국토교통부와 국토교통과학기술진흥 원의 지원을 받는 국가 R&D 연구과제 15RTRP- B091404-02에 의해서 수행되었음.참고문헌
교통안전공단 (2010-2015), 철도사고 분석보 고서. 교통안전공단 (2010-2015), 철도안전성능 보 고서. 한국철도공사 (2010-2015), 12개 지역본부 민 원발생 데이터. 한국철도공사 (2010-2015), 산업재해 분석 및 예방 대책, 안전본부. 한국철도공사 (2010-2015), 여객·공중 사상사 고 분석 및 대책 보고서, 안전본부. 한국철도공사 (2010-2015), 철도통계연보. Beardsley et al. (1992), Cameracalib-ration using vanishing points, BMVC’92. Borges et al. (2010), A Probabilistic Approach
for Vision- Based Fire Detection in Videos, IEEE Trans. Cir. and Sys. for Video Technol.
Calderara et al. (2011), Vision based smoke detection system using image energy and color information.
Guillou et al. (2000), Using vanishing points for camera calibration and coarse 3D reconstruction from a single, The Visual Computer.
Ko et al. (2013), Spatiotemporal bag-of- features for early wildfire smoke detec-tion, Image Vision Compute.
Lee et al. (2014), New Geometric Inter-pretation and Analytic Solution for Quadrilateral Reconstruction, ICPR’14. RSSB (2013-2014), Annual Safety
