Drone Vision-based Lane Change Prediction in Urban Vehicle Driving with Transformer

차로 변경은 차량 간의 차선 간섭으로 인해 사고의 위험이 존재하며, 이에 따라 교통 흐름에 영향을 미친다. 따라서, 사고의 위험성을 줄이고 교통 시스템을 원활하게 하기 위해 차로 변경예측에 관한 연구는 필요하다. 본 연구에서는 드론으로 수집된 차량의 탑 뷰(top-view) 영상 정보를 활용하여 차량에 대한 정보를 추출하고, 차로 변경을 예측하는 방법에 대하여 제시한다. 먼저, 영상 내 차량 객체 탐지를 위해 딥러닝 기반 객체 탐지 모델인 YOLOv8을 사용하였으며, 객체 정보를 바탕으로 Traffic Context를 추출한다. 추출된 정보를 바탕으로 Transformer 모델을 활용하여 차로 변경 예측을 수행한다. 본 연구 실험에서는 드론으로 촬영한 대전 유성구 구성동의 도로 상황 영상을 활용하였다. 실험 결과 YOLOv8의 객체 탐지 성능으로는 mAP50에서 0.99, mAP50-95에서는 0.75로 검출 객체와 실체 객체 간의 높은 일치도를 확인하였다. 차로 변경 예측 모델에서는 Transformer가 다른 모델들에 비해 0.02 높은 0.977의 Accuracy를 보였으며, 혼동 행렬에서 가장 낮은 오분류를 확인하였다. 본 연구가 향후 효율적인 교통 흐름 관리를 위한 자료로 활용되어 교통 시스템 개선에 기여할 수 있을 것으로 기대된다.