2024 1학기 세종대학교 컴퓨터공학과 캡스톤디자인
'AI 몇대몇' : 블랙박스 영상을 업로드 후 딥러닝 기반의 모델(DetectoRS, VTN)을 활용하여 차대차 교통사고의 유형을 분류, 과실비율을 판단, 사고 상황 및 기준판례와 관련 법규를 제공하는 서비스
본 프로그램은 AI가 블랙박스에서 4가지 정보(교통사고 장소, 사고장소의 특징, 차량 A의 정보, 차량 B의 정보)를 분석하여 해당하는 차대차 교통사고 133종을 분류하고 해당하는 기본 과실비율을 판정함. 최종 결과로는 분석한 교통사고 상황의 사고상황 애니메이션, 자동차 진행방향 정보, 과실비율, 사고 해설을 제공함. 추가로 사용자가 해당 사고에 대한 정보를 얻을 수 있게 '과실비율정보포털' 또한 안내함
- 교통사고 과실비율 평가와 관련된 분쟁은 매년 10만 건 이상 발생(2023년 손해보험협회 발표 자료)
- 변호사 50명으로 구성된 위원회가 건당 약 75일에 걸쳐 심의 및 교통사고 과실비율 평가에는 많은 시간과 인력에 의존
- 보험사와 법원은 과실비율을 다른 기준으로 판단하여 합의금을 계산하는 경우가 논쟁이 되어 이 부분을 객관화된 기술로 해결하고자 함
- 위 각각의 output을 조합하여 나타나는 결과로 실제 상용화까지 가능한 높은 수준의 AI응용 활용 서비스 개발
- 교통사고 AI 과실 측정/평가 시스템이 도입시 현재 과중된 교통사고 업무처리체계에서 보상업무에 집중가능
- 청구시점부터 교통사고 AI 과실 측정/평가 시스템이 사용된다면 수리비 청구 기간이 4일에서 1일로 비교적 기간이 단축될 가능성이 있다는 이점
- 소액보상 손해 사정시 처리 시간 단축이 가능성이 존재하며, 전체 차량수리에 교통 사고 AI 과실 측정/평가 시스템 사용하여 업무의 효율도 상승
- 보험사, 정비공장에서 해당 AI 과실 측정/평가 시스템 도입시 무분쟁/무사정 처리율 증가 효과가 발생
- 고객의 경우, 소액사고 보험청구 포기 여부를 신속하게 결정함에 도움
- 보험사의 현장출동 직원의 경우, 보험료 할증확인 프로그램과 동시 사용이 가능하여 합리적인 보상체계 실현 가능
- 과실비율 측정 소프트웨어 개발에서 더 나아가 과실비, 보험금, 차량 수리비까지 파악 할 수 있는 AI응용서비스로 확장가능
- AI를 활용해 교통사고 과실비율을 빠르고 객관적으로 판단하고 과실비율 판단 프로세스에 소요되는 시간과 인력을 획기적으로 줄이는 것이 목표
- 사고 영상 입력
- 사고 상황 전후 각 5초의 영상이 포함된 블랙박스 영상을 업로드
- 추가 정보 입력
- 블랙박스 영상으로는 확인할 수 없는 추가정보 요소들을 사용자가 추가
- 추가정보 요소를 예로 들면 마약 등의 약물운전, 무면허 운전, 일방통행 위반, 졸음운전 등 12가지의 요소가 있으며, 해당 요소를 선택함에 따라 기준 과실비율에서 해당하는 추가 과실비율이 가감
- 교통사고 상황 분석
- 교통사고와 과실비율을 분석하고 영상에 따라 분석시간이 상이함을 안내
- 결과제공
- 분석한 사고차량 정보, 사고상황 애니메이션, 판단한 과실비율을 사고해설과 함께 사용자에게 제공
- 과실비율에 대한 관련 법규 및 기준 판례를 확인 가능한 과실비율분쟁해결 '과실비율정보포털'을 제공하여 사용자가 더 많은 정보를 획득하게 도움을 줌
- 'DetectoRS' 알고리즘을 활용하여 9종(차량, 보행자, 이륜차, 자전거, 표지판, 신호등(적색), 신호등(녹색), 신호등(기타), 횡단보도)의 인스턴스 검출
- 'VTN' 알고리즘을 활용하여 사고 상황에 맞는 과실비율을 산정
- 블랙박스 영상에서 해당 영상이 사고 객체가 당사자(1인칭)인지 제 3자(3인칭)인지를 먼저 분석
- 1, 3인칭에 대하여 각각 4가지 모델을 사용하여 4가지 상황(사고장소 분류, 사고장소 특징 분류, 사고 객체 A(상대방) 정보 분류, 사고 객체 B(당사자) 정보 분류)을 판단
- 사고 장소는 15종, 사고 장소 특징은 61종, 사고 객체 A정보는 180종, 사고 객체 B정보 174종으로 분류되며 각각의 모델에서 위 4개의 인자를 조합하여 산출되는 133종의 차대차 교통사고를 분류하고 기준 기본 과실비율을 도출 ([별첨] 모델 도출 클래스 번호 정보.pdf 참조)
- 객체 탐지: mAP:50 0.7의 기준값 대비 0.834의 측정값 도출
- 과실비율 판정: F1-Score의 0.7의 기준값 대비 0.759의 측정값 도출
- 이미지를 클릭하시면 유튜브로 영상이 재생됩니다.
