상용차 안전 규제 준수 지능형 텍스트 매칭

도로 교통 안전 확보에 있어 운행 차량의 규제 준수 여부 확인은 매우 중요하다. 그러나 기존의 수동적인 검증 방식은 복잡한 공고문의 내용을 해석하는 데 비효율적이며 오류 발생 가능성이 높았다. 이에 본 연구는 다단계 지능형 텍스트 매칭(MLITM) 시스템 프레임워크를 제안하여, 텍스트 조각이 규제를 준수하는지 자동으로 판단하고 실제 차량과 공고문 간의 차이를 설명한다. MLITM은 세 가지 수준의 협력 전략을 채택한다. 먼저 전체 텍스트 매칭을 통해 신속하게 필터링하고, 최장 공통 부분 문자열 매칭으로 유사성이 높은 부분을 감지한다. 마지막으로 적응형 슬라이딩 윈도우 매칭을 통해 흩어진 키워드를 회수한다. 이 방법론은 복잡한 규제 텍스트를 효율적이고 정확하게 분석할 수 있도록 설계되었다. 실험 결과, MLITM의 매칭 정확도는 시뮬레이션 데이터셋에서 정규 표현식 방법보다 103.4% 높았으며, 평균 처리 시간은 26마이크로초에 불과하여 효율성이 26배 향상되었다. 또한, MLITM은 본 연구에서 비교된 모든 방법 중 다양한 대표 샘플에 대해 최고의 인식 정확도와 재현율을 달성했다. 핵심 MLITM 알고리즘을 마이크로서비스 모듈로 캡슐화하여 실제 차량 규제 준수 검토 시스템에 통합함으로써, 제안된 방법이 감사관이 증거 텍스트를 신속하게 찾는 데 효과적으로 도움을 줄 수 있음을 검증했다. 이는 검토 효율성을 크게 개선하고 검토 결과의 일관성을 높일 잠재력을 보여준다. 본 시스템은 규제 준수 검증을 위한 효율적이고 해석 가능한 솔루션을 제공하며, 수직 분야에서 경량 AI의 실현 가능성을 입증한다.