2. 개발자는 사용자의 개인정보를 보호해 주어야 한다.

3. 개발자는 AI를 인류에게 도움이 되는 방향으로 사용해야한다.

4. 개발자는 AI오용에 대해 경계하고 그에 따라 책임을 진다.

5. 개발자는 인공지능 시스템이 부정적인 결과를 초래할 때 그 이유를 확인할 수 있어야 한다.

6. 개발자는 환경친화적인 방향으로 개발해야한다.

7. 인간이 통제할 수 있는 범위 내에서 AI를 개발한다.

졸음운전이나 음주운전하는 사람들이 줄어들기를 바래

그렇게 되면 안전을 얻게 될거야

그 개선하고 싶은 경험은 음주운전사고나 졸음운전사고에서 발생해

그래서 우리는 운전자의 졸음 여부와 음주 여부를 판단할 수 있는 시스템을 설계 할 거야

<데이터 얻는거> 

youtube 등에서 사고영상 분석하기

<어디에서 많이 발생하는지> 

<언제 많이 발생하는지> 

kosis통계청, 한국도로교통공단 참고하기

Input 

• 사고영상 / 일반영상 [YouTube]

-> 졸음 운전

-> 음주 운전

• 졸음운전 통계 자료(언제, 어디서)

• 음주운전 통계 자료(언제, 어디서) [kosis통계청, 한국도로교통공단]

Output 

• 영상 분석을 통해 일반 주행과 졸음 운전 또는 음주 운전 주행의 차이점 정리하기

• 차이점을 음주운전 졸음운전의 확률 정도를 기준으로 분류하기

OUTPUT : 다른 김포 내 지역들의 교통 정보

버스정류장까지 거리

버스 배차간격

지하철 유무

공항까지 거리

등등 교통정보

• 출발지 위치

• 도착지 위치

• (선택) 날씨 정보 (맑음 / 비)

Output

• 각 경로의 안전 점수

• 위험 요소 목록 (예: 사고 다발 구간, 횡단보도 없음, 미끄러운 구간 등)

• 최종 추천 경로

1. 데이터 수집

   인터넷 서핑을 통해 출처가 명확하고 목적에 맞는 데이터를 수집한다. 만약 실패한다면, ChatGPT를 활용하여 임의로 데이터를 제작한다.

2. 프로그램

   streamlit, pandas, numpy, matplotlib, seaborn 라이브러리를 사용하여 수집한 김포 관 내의 지역 별 교통현황(평균 통행 속도, 대중 교통 노선 수, 교통 사고 건수 등)을 통계를 내어 각 지역별 교통 환경 점수를 도출하고 환경 점수를 토대로 지역의 순위를 매긴다. 웹 앱을 통해 순위와 환경 점수를 포함한 표를 나타내고 이 표를 토대로 각 항목 별로 그래프를 나타내어 한눈에 살펴 볼 수 있도록 제작한다. 자신이 속한 지역에 대해 다른 지역을 비교할 수 있도록 자신의 거주 지역을 선택하는 칸을 만들고 선택 후에 다른 지역에 비해 어느 점이 좋고 나쁜지 띄워주는 프로그램을 제작한다.

<프로토타입 웹 앱 링크>

https://sw2masters.streamlit.app/

*GitHub에서 테스트 파일을 다운 받아야됨

<어려운 점>

웹 앱에서 표현 시 , 그래프 부분에서 x,y 축의 변수의 이름이 깨짐.

폰트를 다운로드 받아도 해결이 잘 안됨.

밤에 합법적인 택시 구분하기 – 이미지 인식을 활용한 교통 안전 문제 해결

🟦 탐구 목표

• 밤에 촬영된 차량 이미지에서 합법적인 택시를 구분하는 인공지능 모델을 만든다.

• 간단한 이미지 분류 모델을 사용해 ‘합법 택시’와 ‘불법 또는 일반 차량’을 구분한다.

• 학습된 모델을 Python 코드와 연동하여 이미지 입력 시 자동 판별 기능을 구현한다.

<차량번호판>

🇰🇷 한국 흰색,노란색 바탕 + 검정 글씨

🇯🇵 일본 초록 바탕 + 흰 글씨

🇨🇳 중국 노란 바탕 + 검정 글씨 일반 차량은 파란 바탕, 택시는 노란색 사용

🇹🇭 태국 노란 바탕 + 검정 글씨 개인택시용, 차량 외관은 보라/녹색 등 다양함

🇵🇭 필리핀  노란 바탕 + 검정 글씨 일반 차량은 흰색, 택시는 노란색 번호판 

🇲🇾 말레이시아 빨간 바탕 + 흰 글씨 영업용 차량 (택시 등),  일반차는 흰색 바탕

🇻🇳 베트남 노란 바탕 + 검정 글씨 영업용 차량, 일반차는 흰색 번호판

🇹🇷 터키 흰색 바탕 + 검정 글씨

🇬🇧 영국 흰/노란 바탕 + 검정 글씨

1. 일본

2. 태국

3. 베트남

<opencv사용> -> 글자로 구분

1. 한국

2. 터키

3. 대만