본 논문은 고고도 드론 영상으로부터 지리 참조된 차량 궤적을 추출하는 프레임워크를 제시합니다. 도시 교통 모니터링의 주요 과제와 기존 지상 기반 시스템의 한계를 해결하기 위해, 고고도 조감도에 최적화된 객체 검출기, 이미지 등록 시 검출된 차량 바운딩 박스를 배제 마스크로 사용하는 독창적인 트랙 안정화 방법, 그리고 다중 드론 관점에서 일관된 정렬을 향상시키는 정사영상 및 마스터 프레임 기반 지리 참조 전략을 통합합니다. 또한, 강력한 차량 치수 추정 및 상세한 도로 분할 기능을 통해 포괄적인 교통 분석을 가능하게 합니다. 한국 송도국제업무지구에서 실시된 다중 드론 실험(20개 교차로, 4일간 약 12TB의 4K 비디오 데이터 획득)을 통해 약 70만 개의 고유 차량 궤적을 포함하는 Songdo Traffic 데이터셋과 4개 클래스에 약 30만 개의 차량 인스턴스가 있는 5,000개 이상의 사람이 주석을 단 이미지를 포함하는 Songdo Vision 데이터셋을 생성했습니다. 정밀 측정 장비가 장착된 시험 차량의 고정밀 센서 데이터와의 비교를 통해 밀집된 도시 환경에서 추출 파이프라인의 정확성과 일관성을 강조합니다. Songdo Traffic 및 Songdo Vision 데이터셋과 추출 파이프라인의 전체 소스 코드를 공개하여 교통 연구의 데이터 품질, 재현성 및 확장성에 대한 새로운 기준을 제시합니다. 결과는 드론 기술과 고급 컴퓨터 비전을 통합하여 정확하고 비용 효율적인 도시 교통 모니터링을 수행하고, 지능형 교통 시스템 개발 및 교통 관리 전략 개선에 귀중한 자원을 제공하는 잠재력을 보여줍니다.
