AI 기반 지능형 교통사고 감지 하이브리드 모델
전 세계적으로 교통사고는 사망 및 경제적 손실의 주요 원인으로, 신속하고 정확한 사고 감지 시스템의 필요성이 증대되고 있습니다. 기존 센서 기반 또는 수동 모니터링 방식은 비용, 확장성, 반응 시간 측면에서 한계가 있습니다. 본 연구는 이러한 문제를 해결하기 위해 비디오 감시 정보를 활용한 인공지능 기반 실시간 교통사고 감지 프레임워크를 제안합니다. 제안된 프레임워크는 딥 컨볼루션 신경망(CNN)을 활용하며, 이미지 정규화, 데이터 증강, 계층적 데이터셋 분할을 포함하는 단일 전처리 파이프라인을 사용합니다. VGG16, Inception V3, MobileNet, DenseNet 121의 네 가지 CNN 아키텍처를 체계적으로 평가했으며, VGG16의 깊은 특징 추출 능력과 MobileNet의 효율성을 통합한 새로운 하이브리드 모델을 제시합니다. 실험 결과, 제안된 하이브리드 아키텍처는 단일 모델보다 우수한 성능을 보였습니다. 정확도 95.60%, 정밀도 95.90%, 재현율 94.70%, F1-점수 95.30%를 달성했습니다. 이 결과는 제안된 전략의 효과성, 견고성 및 확장성을 입증하며, 스마트 교통 시스템 및 교통 안전 분야의 실시간 애플리케이션에 적용 가능함을 시사합니다.