영업열차 전방 영상분석 기반 유지보수 체계 전환에 관한 연구 : YOLO 및 OpenCV 분석 기반
A Study on the Transition of Railway Maintenance System Using Forward-Facing Video Analysis from In-Service Trains
- 주제(키워드) 영업열차 , 전방영상 , 영상분석 , 유지보수 , 철도 , YOLO , OPENCV
- 주제(DDC) 388
- 발행기관 아주대학교 교통·모빌리티대학원
- 지도교수 소재현
- 발행년도 2026
- 학위수여년월 2026. 2
- 학위명 석사
- 학과 및 전공 교통·모빌리티대학원 교통ITS학과
- 실제URI http://www.dcollection.net/handler/ajou/000000035913
- 본문언어 한국어
- 저작권 아주대학교 논문은 저작권에 의해 보호받습니다.
초록/요약
철도시설의 안전성 확보를 위해 전차선로와 궤도 설비의 상태를 지속적으로 점검하는 것은 필수적이다. 그러나 현재의 철도 유지보수 체계는 인력 중심의 육안 순회점검과 전용 검측차량에 의한 주기적 계측에 크게 의존하고 있으며, 점검 주기의 한계와 운용 비용 문제로 인해 전국철도망을 상시적으로 관리하는 데 구조적 제약을 가진다. 본 연구는 이러한 한계를 보완하기 위한 대안으로, 영업열차 운전실 전방 영상 분석을 기반으로 한 유지보수 체계 전환 가능성을 검토하는 것을 목적으로 한다. 이를 위해 상부 영역에서는 YOLO 기반 pose 모델을 적용하여 전차선 가동브라켓의 주요 구조점(keypoint)을 탐지하고, 하부 영역에서는 YOLO segmentation과 OpenCV 기반 후처리를 통해 레일 형상을 분석하는 영상 처리 파이프라인을 설계하였다. 제안한 구조는 iPhone 14 Pro 기반 모바일 애플리케이션으로 구현되었으며, 실제 영업열차 운행 환경에서 촬영된 영상을 대상으로 실험을 수행하였다. 실험 결과 가동브라켓에 대한 pose 기반 구조점 탐지는 상대 좌표계 기준에서 비교적 안정적으로 수행되어 기준 keypoint 간 거리 값이 일정 범위 내에서 반복적으로 관측되었다. 이는 영업열차 환경에서도 가동브라켓의 구조적 위치 정보를 영상분석으로 안정적으로 확보하 수 있음을 의미한다. 반면, 레일 segmentation 및 중심선 산출 과정에서는 제한된 학습 데이터와 모바일 단말 환경의 연산 자원 제약으로 인해 검출 누락과 불연속성이 다수 발생하였으며, 이로 인해 최종적으로 산출된 전차선 편위 및 높이 값은 기준값과 유의미한 차이를 보였다. 이를 통해 본 연구에서 제안한 시스템이 정밀 계측 수단을 대체하기에는 한계가 있음을 실험적으로 확인하였다. 하지만 본 연구는 영업열차 전방 영상을 활용하여 유지보수 관련 데이터를 상시적으로 수집·축적할 수 있는 기술적 가능성을 실증적으로 검토하였으며, 기존의 인력 중심 순회점검과 전용 검측차량 위주의 유지보수 체계를 영상 기반 데이터 중심 체계로 단계적으로 전환할 수 있는 방향성을 제시하였다. 본 연구의 결과는 향후 철도 유지보수 체계의 효율화 및 데이터 기반 의사결정을 위한 기초 자료로 활용될 수 있을 것으로 판단된다.
more초록/요약
Ensuring the safety of railway infrastructure necessitates continuous inspection of overhead contact line (OCL) systems and track facilities. Currently, however, railway maintenance remains heavily dependent on labor-intensive manual patrols and periodic measurements conducted by specialized inspection vehicles. Such traditional approaches face inherent limitations in terms of inspection frequency, operational costs, and continuous monitoring across the entire network. This study investigates the feasibility of transitioning the existing maintenance framework toward a video-based system utilizing forward-facing images acquired from in-service trains. To this end, an image analysis pipeline was designed: a YOLO-based pose estimation model is applied to the upper region of the frames to detect key structural points of the OCL support brackets, while YOLO segmentation combined with OpenCV post-processing is employed to extract rail geometry in the lower region. The proposed pipeline was implemented as a mobile application on the iPhone platform and its performance was evaluated using forward-facing videos captured during actual commercial train operations. Experimental results indicated that the keypoint detection for the support brackets exhibited relatively stable consistency, with the relative distances between reference keypoints observed as meaningful values within a normalized coordinate system. In contrast, rail segmentation and centerline extraction frequently suffered from detection failures and geometric inaccuracies due to limited training datasets and the computational constraints of the mobile device. Consequently, the estimated height and deviation of the contact wire showed significant discrepancies from standard reference values, indicating that the proposed system has clear limitations as a high-precision measurement tool. Nevertheless, this study experimentally demonstrates the technical feasibility of continuously acquiring and accumulating maintenance-related data through forward-facing videos from in-service trains. The findings suggest a practical direction for augmenting manual inspections and vehicle-based measurements with a video-driven, data-oriented maintenance framework. Furthermore, this research provides foundational insights for future studies on the advancement and digital transformation of railway maintenance systems using computer vision technologies.
more목차
제 1장 서 론 1
제 1 절 연구의 배경 1
제 2 절 연구의 목적 및 내용 3
제 3 절 연구의 범위 5
제 2 장 이론적 배경 및 선행 연구 7
제 1 절 철도 일반 7
제 2 절 철도유지보수 현황 11
제 3 절 영상분석 기술의 이론적 배경 14
제 4 절 전용 검측차량과 영업열차 기반 검측 20
제 5 절 선행연구 고찰 및 본 연구의 차별성 24
제 3 장 연구 방법 및 시스템 설계 27
제 1 절 연구 방법 27
제 2 절 시스템 아키텍쳐 및 구성 33
제 3 절 분석 알고리즘 설계 및 산정식 37
제 4 장 실험 및 결과 52
제 1 절 실험환경 및 절차 52
제 2 절 실험 결과 54
제 5 장 결론 및 향후 연구과제 67
제 1 절 결론 67
제 2 절 개선방안 및 향후 연구 70
참 고 문 헌 72
Abstract 73
