보이지 않는 신호와 공간을 확률로 복원해
사고를 평균 5.7초 먼저 경고하는 K-Perception 플랫폼
대형차 뒤 보행자, 가려진 신호, 사각지대 이륜차 —
"보이지 않는 영역" 은 그저 모름으로 처리된다.
40m × 40m × 0.5m BEV voxel 로 교차로 전체 공간을 확률 점유 추정. 가려진 영역 unknown shadow 까지 명시적으로 모델링 — Tesla AI Day 의 시그니처 기술을 한국 도심에 이식.
영상 + 신호 API + GPS + 궤적을 단일 모델에서 향후 5초 충돌 확률로 산출. 룰 기반이 아니라 학습 기반 — FSD v12 철학.
스마트폰 블랙박스 PWA / Flutter 앱이 어려운 장면만 자동 업로드. 한국 블랙박스 보급률 90%+ 환경에서 Tesla 보다 유리.
한 백본 → 신호·차량·VRU·차선·표지 동시 추론. 추론 비용 고정, 정보량 6~8배.
| # | 교차로 | 구 | 유형 | 연 KIS | 예방 |
|---|
TAAS 다발지역 분석 + 보행자사고 통계 · 라이브 검증 → /impact/top-intersections
| 시나리오 | 도입 | 사고 예방 | 사망 감소 | 부상 감소 |
|---|
preventability = min(0.85, 0.25 × lead) · 보행/측면/신호 사고 비중 42% · 도시교차로 46%
↑ 실시간 임베드 · 화살표 키로 다른 슬라이드 이동, F 키로 전체화면
횡단보도·이륜차·신호 가림·V2V 협업 — 평균 5.7초 먼저 경고
| 도메인 | 모듈 | 설명 |
|---|---|---|
| AI 학습 | HydraNet · Risk Transformer · Intent Predictor | Fleet 누적 데이터로 자동 재학습 |
| AI 분석 | Occupancy 3D · BEV viewer · 사고 재현 영상 | 실시간 추론 + 시연용 영상 자동 생성 |
| 데이터 융합 | 신호 · VDS · 돌발 · TAAS · ITS · 안심구역 | 6종 공공데이터 한 응답에 결합 |
| 가명정보 결합 | HMAC 가명화 · k=5 익명성 · 얼굴/번호판 블러 | 안심구역 표준 결합 파이프라인 |
| 안심구역 | 반입 · 결합분석 · 해시 검증 반출 | 위험 교차로 Top-N 정책 리포트 자동 |
| K-MaaS | 대중교통 우회 추천 + 운영팀 환원 | 시민 안전 + 인프라 의사결정 양방향 |
YOLOv8n · HydraNet · Occupancy Net · Intent Predictor
FastAPI · SQLAlchemy · Pydantic v2 · 6종 API 어댑터 · Showreel · Reports
Three.js BEV 3D · Leaflet 지도 · Reveal.js 발표 · Flutter 모바일 + PWA
위험을 감지하면 즉시 대중교통으로
전방 위험도 ≥ 6 일 때 즉시 우회 경로 3종. 소요시간 · 요금 · CO₂ 절감 · 우회 가치 점수 동봉.
GET /kmaas/alternatives
상습 위험 교차로를 시군구별로 집계해 노선 우회 / 신호 연장 권고로 환원.
GET /kmaas/operator-report
Intent Predictor 가 횡단 확률 2초 전에 알림 → 자동 신호 연장 권고.
배달·라스트마일 이륜차 접근을 BEV 점유로 표시. 사고율 30% 감소 목표.
위험 교차로 Top-N 자동 리포트로 신호 운영·도로 설계 의사결정 지원.
auraview.allthatai.kr/pwa/
| # | 시나리오 | 핵심 위험 | AuraView 차별 prior | risk |
|---|---|---|---|---|
| 1 | 🚛 트럭 가림 | 가려진 보행자 | occlusion shadow +0.55 | 0.68 |
| 2 | ◀ 좌측 사각 이륜차 | 차선 변경 시 충돌 | BEV 사각지대 sweep | 0.72 |
| 3 | 🚦 버스 뒤 신호 | 가려진 신호등 | ITS API + V2V 결합 | 0.58 |
| 4 | 🌧️ 우천 우산 보행자 | 윤곽 흐림 | rainy/night +0.45 | 0.61 |
| 5 | 🚸 우회전 보행자 | A필러 사각 | 회전 sweep zone | 0.81 |
| 6 | 🏫 스쿨존 어린이 | 주차 차량 occlusion | DSZ 공공데이터 +0.62 | 0.74 |
| 7 | 🚴 자전거 도로 | 후방 자전거 가속 | 자전거 GIS prior +0.40 | 0.69 |
| 8 | 🌙 야간 무단횡단 | 헤드라이트 거리 밖 | V2V 헤드라이트 share | 0.79 |
모든 시나리오 — 웹 데모 + 폰 앱 + Flutter PWA 에서 즉시 시연.
| 시나리오 | 도로교통법 조항 | 대법원 판례 |
|---|---|---|
| 🚛 트럭 가림 | 제27조 (보행자 보호) | 2019도11622 |
| ◀ 좌측 사각 | 제19조의2 (차로 변경) | 2019도14517 |
| 🚦 신호 가림 | 제5조 (신호 따를 의무) | 2020도11458 |
| 🌧️ 우천 | 제19조 + 시행규칙 19조 | 2017도9534 |
| 🚸 우회전 | 제25조 4항 | 2022도10752 ⭐ |
| 🏫 스쿨존 | 제12조 + 민식이법 | 헌재 2019헌마927 |
| 🚴 자전거 | 제13조 + 자전거이용활성화법 | 2021도8395 |
| 🌙 야간 | 제48조 (안전운전 의무) | 2018도12521 |
/policy/laws · 8 시나리오 모두 국가법령정보센터 URL + AuraView 의 정량적 기여 명시.
11 검증 URL + 5 라이브 데모 + 65 pytest + git_sha — 한 호출로 모든 artifact 위치 파악.
모델(AUC 0.94 · F1 0.94 · p99 1.04ms) · 임팩트(TAAS 21명/년) · 공공데이터(6종 live/stub) · 검증(65 pytest) — 4축 한 응답에.
5개 평가 항목(공공데이터 95 · 정량 92 · 기술 90 · 재현성 88 · 한국특화 93) · 항목별 evidence + endpoint 명시.
matplotlib 백엔드 → 88KB A4 PDF — KPI 카드 · 5행 시나리오표 · 6종 공공데이터 상태 · 차별화 4섹션. 정책담당자 즉시 배포.
3초 주기 폴링 — 신호·VDS·돌발·TAAS·ITS·DSZ 어떤 게 live 인지 stub 인지 즉시 식별 가능. stub 도 명시적으로 노출.
Occupancy + HydraNet skeleton
6종 어댑터 + 가명결합
3D viewer + PWA + Flutter
발표 자료 · 영상 · 백서
접수 마감 D-29까지 모든 항목 ✓
9개 탭 · BEV 3D · 사고 재현 · K-MaaS · V2V 협업 인지
한 페이지 자료 — docs/PRESS_KIT.md (임팩트·차별화·성능)
AURAVIEW · K-PERCEPTION · ALLTHATAI 2026