교통상황의 문제점을 파악하고 개선안을 마련하기 위하여 현재 많은 노력이 이루어지고 있으며, 특히 돌발상황에 대한 신속한 검지 및 대응을 위한 도로 인프라구축에 관심이 증가하고 있다. 특히, 도로 위에서 발생하는 장애물은 1차 사고에 이어 2차 사고로 이어질 수 있으며, 추후 교통 흐름이 원활하게 되지않 는 주요 원인 중 하나다. 하지만 현재 이러한 예상치 못한 장애물 발생에 대한 인지, 처리는 실시간으로 처리하기에는 기존의 검지체계로써는 한계가 있다. 따 라서 실시간으로 이러한 장애물을 검지하는 새로운 검지체계가 필요하다. 이에 본 연구에서는 고속도로에서 발생하는 장애물의 실시간 검지 및 대응을 위하여 딥러닝을 적용한 알고리즘을 구축하였다. 알고리즘의 학습을 위해서 장 애물 데이터를 수집하여 알고리즘의 학습을 위해 가공하였으며, 기존 ResNet 모델을 일부 변경하고 장면 분류(Scene Classification) 기법을 사용하여 장애물 상황과 문제없는 도로 상황을 구분하게 개발하였다. 개발된 알고리즘을 평가하 는 과정에서는 기존 ResNet모델과 제안된 ResNet모델을 정확도, 정밀도, 재현 율을 통해 비교분석하여 제안된 ResNet-34가 약 80%의 정확도와 정밀도로 장 애물 상황을 판단하는데 있어 최적의 모델임을 입증하였다. 본 연구를 통해 실시간으로 고속도로 위 장애물 상황을 판단하고 이를 도로 관리자에게 알려 신속하게 대처하여 2차 사고를 방지하고 교통 흐름을 원활하 게 유지하는 알고리즘을 제시하였다. 개발한 알고리즘은 도로 위 인프라 구축 을 위해 딥러닝 알고리즘을 적용한 실시간성 확보에 의의가 있었으며, 더 나아 가 장애물 상황이 아닌 다른 돌발상황에서의 학습을 통해 적용할 수 있다는 범 용성 또한 존재한다. 이는 도로 위 안전성 확보를 통해 도로 이용자들의 안전 확보에 기여할 수 있을 것으로 사료된다.
