방글라데시 도로 안전 최적화를 위한 실시간 사고 감지
방글라데시 다카 지역은 전 세계적으로도 심각한 수준의 교통사고 발생률을 보이며, 이는 막대한 인명 피해와 경제적 손실로 이어지고 있습니다. 본 연구는 이러한 문제 해결을 위해 YOLOv11 모델을 활용한 고효율 실시간 자동차 사고 감지 시스템을 제안하여, 긴급 대응 시스템의 성능을 향상시키는 것을 목표로 합니다. 사고 감지의 정확도를 높이기 위해 YOLOv9, YOLOv10, YOLOv11 모델을 동일한 데이터셋으로 비교 분석했습니다. 최첨단 객체 감지 기술인 IoU(Intersection over Union)와 NMS(Non-Maximum Suppression)를 통해 사전 학습된 가중치를 사용했으며, YOLOv11 모델에서 특히 높은 정확도를 확인했습니다. 도로 사고의 극도로 정확한 객체 감지 및 분류를 위해 9,000개의 레이블링된 이미지 데이터셋을 학습에 활용했습니다. 제안된 YOLOv11 모델은 0.8249의 재현율(Recall), 1.0000의 완벽한 정밀도(Precision), 그리고 50% IoU 임계값에서 0.9940의 평균 정밀도(mAP)를 달성하며 탁월한 성능을 보였습니다. 또한, GPU 환경에서 프레임당 19.93ms에 불과한 매우 낮은 지연 시간을 기록하여 실시간 애플리케이션에 적합함을 입증했습니다. 이러한 결과는 사고 현장에서의 대응 시간을 획기적으로 단축시켜 인명 피해 위험을 크게 줄일 수 있음을 시사합니다. AI 기반 시스템을 기존 교통 관리 체계에 통합함으로써 효율적인 모니터링과 신속한 대응 조치를 보장하고, 교통사고로 인한 사회적 영향을 경감할 수 있을 것입니다. 이는 공공 안전과 인프라 개발을 위한 인공지능 활용의 중요한 진전입니다.