CloudBus는 컴퓨터 비전 및 시계열 데이터를 활용한 실시간 혼잡도를 기반으로 상명대학교 학생의 안전한 버스 탑승을 도와주는 서비스입니다. 이 서비스는 혼잡도 데이터를 분석하여 사용자에게 직관적인 정보를 제공하며, 보다 쾌적한 대중교통 이용 경험을 제공합니다.
-
실시간 혼잡도 감지:
AWS Rekognition을 활용하여 버스 정류장의 실시간 비디오 데이터를 분석합니다. 객체 탐지 및 사람 수 계산 알고리즘을 사용해 정류장 혼잡도를 정확하게 탐지하며, 주요 정보를 사용자에게 제공합니다. -
실시간 혼잡도 예측:
Time-Series Neural Network 모델인 TimesNet을 사용하여 버스 정류장의 혼잡도를 예측합니다. 이전 데이터의 패턴을 학습하고, 정류장의 혼잡도 변화 추이를 분석하여 향후 혼잡도를 실시간으로 예측합니다. -
버스 내부 혼잡도 감지:
서울시 버스정보 API를 활용하여 버스 내부의 혼잡도 정보를 수집합니다. 이 데이터는 CloudBus의 사용자 인터페이스에서 직관적으로 표시되며, 승객이 버스 탑승 여부를 쉽게 결정할 수 있도록 돕습니다.
-
AWS Rekognition 기반 실시간 혼잡도 감지
- 기술 개요: AWS Rekognition의 객체 탐지 기능을 사용하여 실시간 비디오 데이터를 분석합니다.
- 작동 원리: 정류장의 CCTV 또는 스마트 카메라로부터 비디오 스트림을 가져온 후, 이를 Rekognition으로 처리해 사람 수 및 객체 밀도를 계산합니다.
- 결과 활용: 분석 결과를 혼잡도 스코어로 변환하여 사용자에게 시각적으로 전달합니다.
-
TimesNet 기반 실시간 혼잡도 예측
- 기술 개요: TimesNet은 시계열 데이터를 다중 스케일로 분석할 수 있는 최신 시계열 모델입니다.
- 학습 데이터: 이전 혼잡도 데이터와 날씨, 시간대, 요일과 같은 외부 요인을 결합하여 모델을 훈련시킵니다.
- 결과 활용: 예측된 혼잡도를 바탕으로 사용자가 최적의 탑승 시점을 선택하도록 돕습니다.
-
서울시 버스정보 API를 통한 혼잡도 수집
- 기술 개요: 서울시에서 제공하는 버스정보 API를 활용해 실시간 버스 내부 데이터를 가져옵니다.
- 수집 데이터: 각 버스의 현재 위치, 혼잡도 상태, 배차 간격 등을 실시간으로 제공합니다.
- 결과 활용: 수집된 데이터를 앱 인터페이스에 시각적으로 표시하여 사용자의 의사결정을 지원합니다.
- 안전 솔루션: 혼잡도가 높은 시간대를 피하고, 더 적은 승객이 탑승한 버스를 선택.
CloudBus는 AI와 시계열 데이터를 결합하여 보다 편리하고 효율적인 대중교통 이용 환경을 제공합니다.