기계공학발표 2026.09· 0

스마트 IoT 기반 차량 안전 및 배터리 관리 시스템

본 연구는 증가하는 교통사고와 전기차 배터리 성능 저하라는 이중 과제를 해결하기 위한 통합 솔루션의 부재에 주목한다. 기존 시스템들이 안전과 배터리 신뢰성을 동시에 다루지 못하는 한계를 극복하고자, 두 가지 핵심 문제를 통합적으로 해결할 수 있는 시스템 설계를 제안한다. 제안하는 시스템은 사물 인터넷(IoT) 기반 아키텍처를 활용한다. 충돌 감지를 위해 ADXL345 가속도계를, 비상 경보를 위해 GPS/GSM 모듈을 통합했다. 또한, 배터리 실시간 모니터링을 위해 전압, 전류, 온도 센서를 사용하며, 이 모든 구성 요소는 Arduino와 ESP8266 기반 클라우드 통신을 통해 상호 연결된다. 실험 결과, 본 시스템은 충격 인식에서 높은 정확도를 보였으며, 경보 지연 시간을 단축시켰다. 클라우드 시각화를 통해 배터리 매개변수를 안정적으로 추적할 수 있음을 입증했다. 이는 비상 상황 대응 능력을 향상시키고 예측 유지보수를 지원하는 등 실제적인 가치를 제공한다. 이 통합 플랫폼은 전기차, 상업용 차량 운영 및 지능형 교통 시스템 전반에 걸쳐 활용될 수 있으며, 긴급 대응 능력 강화와 배터리 관리 효율성 증대에 크게 기여할 것으로 기대된다. 본 연구는 학계 및 자동차 산업의 기대에 부응하는 기술적으로 유익한 개요를 제공한다.

분석 보기 원문

기계공학발표 2026.05· 0

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.

분석 보기 원문