우수조달물품(무인교통감시장치, 2022211) 제3자단가계약

링크

• 공고 상세 페이지 (사람에게 건넬 링크)
• 나라장터 원문 공고

비슷한 공고

링크는 각 공고의 AI 페이지다.

진행 중

• 이동형 스테이션 기반 AI드론 도시관리 서비스 AI 영상분석 소프트웨어 개발 및 구축 · 주식회사 에이엠피 울주지점 · 3,800만원 · D-10
• 2026년 교통단속관리시스템(TEMS) 기능개선 사업 · 한국도로교통공단 · 2.21억원 · D-10

끝난 공고 · 결과

• 우수조달물품(무인교통감시장치, 2024075) 제3자단가계약 · 각 수요기관 · 낙찰 주식회사 아이티코어스 · 3.02억원
• 우수조달물품(영상감시장치, 2025087) 제3자단가계약 · 각 수요기관 · 낙찰 주식회사코리아넷 · 7.91억원
• 우수조달물품(영상감시장치, 2025080) 제3자단가계약 · 각 수요기관 · 낙찰 노빅 주식회사 · 12억원
• 우수조달물품(무인교통감시장치, 2021101) 제3자단가계약 · 각 수요기관 · 낙찰 진우에이티에스 주식회사 · 5.6억원
• 우수조달물품(2025034, 무인교통감시장치) 제3자단가계약 · 각 수요기관 · 낙찰 주식회사 아프로시스템즈 · 2.57억원
• 우수조달물품(무인교통감시장치, 2021160) 제3자단가계약 · 각 수요기관 · 낙찰 렉스젠 주식회사 · 2.84억원

첨부파일

뷰어 링크는 사람이 원문을 볼 때 쓰는 화면이다. 이 문서들에서 뽑은 자격 · 배점 · 일정 · 발췌는 이 페이지 아래에 글로 있다.

• ●_260622_우수제품_규격서(2022211)_주식회사_토페스.hwpx · 공고규격서
• 20260716_계약조건및유의사항.zip · 공고규격서

공고 개요

각 수요기관 · 교통·ITS 장비

낙찰업체

주식회사 토페스

낙찰단가

891,903,000원 · 낙찰률 100%

낙찰하한율

-

참가

1곳 · 개찰 08/26(수)

요약 AI 요약

딥러닝 기술을 활용하여 차량 및 이륜차의 교통 법규 위반을 단속하는 다차선 무인교통감시장치를 구축하는 사업입니다. 특히 이륜차의 번호판 인식률을 높이고 탑승자의 안전모 착용 여부를 판별하여 사고를 예방하는 데 목적이 있습니다.

• 속도, 신호, 구간 속도, 정지선, 불법주정차, 꼬리물기, 우회전 위반 단속 기능
• 딥러닝(YOLO 네트워크) 기반 이륜차, 탑승자, 안전모, 번호판 영역 검지 및 판별
• 적응적 이진화 기술을 적용한 차량 및 이륜차 번호판 인식
• 무인교통감시장치 통합운영 프로그램(S/W) 제공
• 카메라, 레이더, 통합제어기, 함체, 종합폴 등 하드웨어 설치
• 불법주정차 단속을 위한 실시간 모니터링 및 자동/수동 단속 기능

참가 자격 · 제한

업종제한

제한 없음

지역제한

제한 없음

공동수급

공동수급불허

입찰참가 제한

모름

실적경쟁 · PQ

모름

국제입찰

국내입찰

제출 방법

전자시담

입찰 일정

가격

추정가격

1,367,419,061원

배정예산

1,504,160,967원

부가세

136,741,906원

예정가격 방식

단일예가

납품

품명

무인교통감시장치 (4617168501)

수량

1 식

납품

계약 후 90일

인도조건

설치까지 · 현장설치도

제조물품

모름

세부품명 등록

등록 필요

공고 정보

공고종류

등록공고 (일반공고)

게시일

08/24(월)

공고번호

R26BK01685358-000

참조번호

-

공고기관

조달청

수요기관

각 수요기관

계약방법

수의계약

낙찰방법

수의시담

계약유형

제3자단가계약

예정가격 방식

단일예가

추정가격

1,367,419,061원

배정예산

1,504,160,967원

사전규격번호

-

재공고

아니오

출처

나라장터

문서 발췌

과업·요구

가) 오브젝트 검지 및 영역 지정 - 영상수집모듈에 의하여 수집된 프레임 단위의 분석대상이미지에 대하여 미리 설정된 이벤트 유무를 검지. - 이륜차, 탑승자, 헬멧(안전모), 번호판 식별정보의 오브젝트를 포함하는 클래스를 기준으로 상기 분석대상이미지에 대한 분석을 수행하여 탑승자의 헬멧(안전모) 착용여부를 확인하고 그 확인결과에 따라 법규위반이벤트를 발생. - 딥러닝 기반 YOLO 네트워크에 의하여 이륜차, 탑승자, 헬멧(안전모), 번호판에 대한 정확한 영역지정. [딥러닝 기반 YOLO 네트워크] - 이륜차 오브젝트 영역과 탑승자의 오브젝트 영역에 대한 이륜차 경계 상자의 중심 좌표 사이의 유클리드 거리를 계산하여, 탑승자의 오브젝트 영역의 중심이 상기 이륜차 경계 상자 내에 있으면 해당 탑승자는 해당 이륜차의 탑승자로 분류. 나) 이벤트 발생 - 헬멧(안전모)착용 위반 이벤트가 있는 경우, 이륜차 영역 내에 있는 번호판 영역이 있는지를 확인하고 확인된 해당 번호판으로부터 이륜차의 번호판을 인식. 2. 규격 2.1 제원 (세부품명: 무인교통감시장치_4617168501)

6. 기능 및 성능 6.1 기능 본 시스템은 특허 제10-2008283호(번호판인식방법 및 이를 수행하는 번호판인식장치)의 특허기술 및 특허 제10-2407170(이륜차 교통법규 위반 검지 방법 및 그 실행을 위한 시스템)의 특허기술을 이용한 주행 차량의 속도 검출 방법 및 장치)의 기술을 적용하여 번호판의 크기가 다른 이륜차 및 차량의 번호판에 대한 인식률 향상과 이륜차의 교통법규위반 여부를 판별 단속하기 위한 무인교통감시장치이다. 6.1.1 “번호판인식방법 및 이를 수행하는 번호판인식장치” 특허기술 - 차량 및 이륜차의 원본영상을 입력받아 원본영상을 이진화하고, 이진화 영상을 생성하는 영상전처리를 수행한다. - 또한 전처리된 이진화 영상을 생성하기 위하여 원본영상을 다운샘플링하여 다운샘플링영상을 생성하고 다운샘플링 영상에 픽셀값평균을 임계값으로 설정하고, 원본영상에 설정된 임계값을 적용하여 원본영상을 이진화 한다. - 픽셀값평균을 임계값으로 설정하기 위해서 다운샘플링영상에서 수평방향픽셀값평균과 수직방향픽셀값평균을 연산한다. - 수평방향이진화영상과 수직방향이진화영상을 조합하여 최종이진화영상을 생성한다. - 전처리 완료된 영상에서 개별문자를 분석하고, 개별문자를 인식한다. 또한 전처리 완료된 영상에서 경계선을 검출하여 번호판영역을 지정한다. - 그리고 번호판영역의 기하학적왜곡을 보정하여 크기가 다른 이륜차 및 차량의 번호판에 대한 인식률을 향상 시킨다. 6.1.2 “이륜차 교통법규 위반 검지 방법 및 그 실행을 위한 시스템” 특허기술 - 차량 및 이륜차의 영상수집하고 프레임 단위의 분석대상이미지에 대하여 미리 설정된 이벤트 유무를 검지한다. - 이륜차, 탑승자, 헬멧(안전모) 및 이륜차 식별정보의 오브젝트를 포함하는 클래스를 기준으로 영상에 대한 분석을 수행하여 탑승자의 헬멧(안전모) 착용여부를 확인하고 그 확인결과에 따라 법규위반이벤트를 발생시킨다. - 분석대상이미지 내 상기 이륜차, 탑승자, 헬멧(안전모) 및 이륜차 식별정보에 대응되는 오브젝트별 영역을 지정하고, 지정된 오브젝트별 영역들 중 이륜차 영역에 대하여 탑 승자 영역이 겹치는 경우 해당 이륜차에 탑승자가 있음을 확인한다. - 확인된 해당 탑승자 영역에 대하여 미리 설정된 범위의 영역 내에 헬멧(안전모) 영역이 존재하는지 여부를 확인하며, 헬멧(안전모) 영역이 존재하지 않는 경우 헬멧(안전모)착용 위반 이벤트를 발생시킨다. - 헬멧(안전모)착용 위반이벤트가 있는 경우, 특정된 오토바이 탑승자의 탑승자 경계 상자 의 1/4을 상단 영역으로 분리하고, 분리된 상단 영역에 헬멧(안전모) 오브젝트가 존재하는지 여부를 확인하여, 헬멧(안전모) 오브젝트가 존재하지 않으면 헬멧(안전모) 비착용 처리를 하여 헬멧(안전모)착용 위반 이벤트를 생성한다.

- 영역지정은 YOLO 네트워크에 의하여 수행되며, YOLO는 Backbone 단계, Neck 단계 및 Head 단계를 포함하고, Neck 단계의 수행시 추출되는 2차 피쳐맵의 크기를 기준으로 미리 설정된 가중치를 부여하여 상기 Head 단계로 전달하는 것을 특징으로 이륜차 교통법규 위반 검지한다. 6.2. 성능 및 품질기준 □ 신호위반 모델

배점·평가

과업·요구

※ 일반차량 및 이륜차를 구분하여 각각 성능기준을 충족하여야 함 ※ 본 제품의 용도에 따라 신호위반 및 속도위반 단속기능에 대하여 경찰규격을 참조, 품질기준을 제시 함 ※ 제품은 상기 품질기준을 포함, 법정 의무 인증(KC인증 등) 및 규격서에 기재한 모든 사항을 만족하며 이외의 사항에 대해서는 보유한 모든 품질인증의 시험기준을 만족해야 한다. 6.2.1 시험방법 - 무인교통감시장치 : 시험방법은 경찰규격(무인교통단속장비)을 따르되 세부 조건은 시험성적서[기용2022-10570(R2) KTC]에 따라 아래와 같다. - 불법주정차 : 시험방법 및 세부 조건은 시험성적서[기용GT2024-05309 KTC]에 따라 아래와 같다. - 종합폴 : 시험방법은 기계적 성질, 화학성분, 도금 등 KS 표준 적용 기준을 따른다. 6.2.1.1 무인교통감시장치 시험 조건 및 방법 - 통과 차량에 대한 영상을 수집하기 위하여 주행차량의 영상을 녹화한다. - 다차선 차량번호인식 시스템의 성능시험을 위하여 카메라부와 함체부를 설치한다. - 총 3개의 차로를 운영한다. - 통과 차량은 주간 야간을 구분하여 차로별 120대 이상 또는 1시간 이상으로 한다. - 주행 차량의 속도 측정은 공인기관에서 검ㆍ교정된 속도측정기를 사용한다. - 주행 차량의 단속속도는 실제 주행하는 차량의 속도를 고려하여 현장에서 설정 한다. - 카메라부는 전면과 후면 설치한다. - 인식율은 차량에 경우 전면과 후면 번호를 모두 인식해야 한다. 이륜차는 차량의 후면 번호를 인식한다. 1) 검지율 시험 대상차로의 통과차량을 확인하기 위해 녹화된 영상과 시험 대상 장비인 다차선 무인교통감시장치 에서 검지된 통과차량을 해상하여 비교 확인한다. 검지율 계산 검지율(%) (총 검지차량수 ÷ 총 통과차량수)×100

※ 번호판이 없는 차량의 경우 대상에서 제외한다. 2) 통과차량 번호인식율 시험 대상차로의 통과차량을 확인하기 위해 녹화된 영상과 시험 대상 장비인 다차선 무인교통감시장치 에서 인식된 차량번호를 해상하여 비교 확인한다. 인식(통과차량 번호인식)율 계산 인식(통과차량 번호인식)율(%) {총 인식차량수÷(총 통과차량수-총 비정상차량수)}×100 ※ 비정상차량은 번호판을 고의로 가렸거나 심하게 훼손되어 육안으로 확인이 안 되는 차량으로 정의한다. 3) 차량번호인식 오류율 시험 대상차로의 통과차량을 확인하기 위해 녹화된 영상과 시험 대상 장비인 다차선 무인교통감시장치 에서 인식된 차량번호를 해상하여 비교 확인한다. 오인식(차량번호인식 오류)율 계산 오인식(차량번호인식오류)율(%) (총 오인식차량수÷총 인식차량수)×100 4) 속도오차(최대오차)율 기준 속도 측정기의 속도와 다차선 무인교통감시장치에서 검출된 차량의 속도를 해상하여 비교 확인한다. 속도오차(최대오차)율 계산 속도오차 (최대오차)율(%) {(검출된 차량 속도-기준 측정기의 속도)÷기준 측정기의 속도}×100 5) 헬멧인식(안전모 구분(이륜차))율 시험 대상차로의 통과차량을 확인하기 위해 녹화된 영상과 시험 대상 장비인 다차선 무인교통감시장치 에서 검지된 통과차량을 해상하여 비교 확인한다. 헬멧인식(안전모 구분(이륜차))율 계산 헬멧인식(안전모 구분(이륜차))율(%) 100 - (헬멧(안전모) 오인식 이륜차량수÷총 인식 이륜차수)×100 6.2.1.2 불법주정차 시험 조건 및 방법 1) 소프트웨어 기능시험 시험기준 및 방법

① 시험기준 1) 제품의 주요 기능이 모두 정상적으로 동작한 경우 적합으로 판정한다. ② 시험방법 1) 기능 리스트의 기능 설명에 따라 정상 동작하는 여부 시험 2) 불법주정차 단속 가능 최대거리 측정(주/야간) 시험기준 및 방법 ① 시험기준 1) 주간 150미터 이상 불법주정차 단속이 가능한 경우 적합으로 판정한다. 2) 야간 100미터 이상 불법주정차 단속이 가능한 경우 적합으로 판정한다. ② 시험조건 1) 주간 시험의 경우 일출시간 부터 일몰시간 까지 진행 2) 야간 시험의 경우 일몰시간 부터 일출시간 까지 진행 3) 야간 시험의 경우 조도 10 lux 이상 50 lux 이하인 지점에서 측정 ③ 시험방법 1) “TopDataServer v1.0” 시스템 자동단속 시작 2) 차량단속 카메라로부터 시험기준 이상 이격된 단속영역에 시험차량 정차 3) 시스템의 단속자료를 통해 시험차량 단속여부 확인 후 단속거리 측정 4) 시험차량의 위치를 이동시켜 차량단속 카메라와 시험차량 간 이격거리를 증가시킨 후, 위 시험방법 3번 및 4번을 반복 시행하여 최대 단속거리 측정 ④ 예외사항 1) 시험 중 단속 카메라를 통한 확인 시, 시험차량의 차량 번호판이 가려진 경우 기준에서 제외 3) 불법주정차 인식률 측정(주/야간) 시험기준 및 방법 ① 시험기준 1) 정인식률이 90% 이상인 경우 적합으로 판정한다.

2) 인식률 집계는 아래 산출식에 따란다. - 정인식률 = 정인식 차량수 / 인식대상 차량수 x 100 - 오인식률 = 오인식 차량수 / 인식대상 차량수 x 100 - 미인식률 = 미인식 차량수 / 인식대상 차량수 x 100 ※ 예외사항에 따른 제외 차량은 인식대상 차량수 집계 시 제외 ② 시험조건 1) 주간(일몰 전)과 야간(일몰 후) 시간대에 각각 시험 진행 2) 시험차량 8대 (이륜차 2대 포함) 3) 확정단속 기준시간 5분 4) 정차 후 10분 내 초기단속 미실시 시 미인식 처리 후 시험차량 이동 5) 초기단속 후 5분 이상 8분 이내 완료단속 미실시 시 미인식 처리 후 시험차량 이동 6) 100건 확정단속 완료 시 자동단속 종료 ③ 시험조건 1) “TopDataServer v1.0” 시스템 자동단속 시작 2) 단속영역 내 시험차량 정차 3) 시험 차량의 단속 완료 혹은 시험조건 4번 및 5번에 따른 미인식 처리 시, 시험 차량 이동 4) 위 시험방법 2번 및 3번을 반복 시행하여 100번째 단속완료 건이 단속 리스트에 출력 시 자동단속 종료 5) 정인식률, 오인식률, 미인식률 집계 ④ 예외사항 1) 시험 중 시험차량의 번호판이 가려진 경우 기준에서 제외 2) 훼손 또는 오염 등으로 번호판의 번호 식별이 불가한 경우 기준에서 제외 3) 시험차량 외 차량이 단속된 경우 합산하여 집계