# VITA Lab — research topics / 연구 주제

Source: https://vita.hanyang.ac.kr/research.html

The following summaries reproduce the public research pages. Research aims are not claims of completed results.

## Multimodal-LLM based framework for generating rare traffic scenarios

Source: https://vita.hanyang.ac.kr/research-detail.html?topic=multimodal-llm

This topic explores how multimodal large language models can generate rare, safety-critical traffic scenes that are difficult to observe frequently in real-world data.

실세계에서 자주 관측하기 어려운 안전 중요 교통 장면을 멀티모달 대형언어모델로 생성하는 방법을 연구합니다.

Keywords: Multimodal LLM; Scenario Generation; Rare Events; Traffic Simulation; Autonomous Driving; 멀티모달 LLM; 시나리오 생성; 희귀 사건; 교통 시뮬레이션; 자율주행

## Comfort-aware safety improvement through predictive maneuvering in autonomous vehicles

Source: https://vita.hanyang.ac.kr/research-detail.html?topic=predictive-maneuvering

This topic studies how future vehicle motion can be predicted early enough to support proactive and comfortable driving decisions in mixed traffic.

혼합 교통에서 주변 차량의 미래 움직임을 조기에 예측해 더 안전하고 부드러운 주행 의사결정을 지원합니다.

Keywords: Trajectory Prediction; Anticipatory Driving; Lane Change; Driver Assistance; Temporal Modeling; 궤적 예측; 예측 주행; 차로 변경; 운전자 보조; 시간 모델링

## Imminence-aware trajectory prediction and modeling in mixed traffic

Source: https://vita.hanyang.ac.kr/research-detail.html?topic=risky-driving

We study how disruptive vehicle behavior can be predicted from lane context, surrounding interactions, and visual cues before a dangerous maneuver fully unfolds.

위험한 조작이 완전히 드러나기 전에 차로 맥락, 주변 상호작용, 시각 단서를 바탕으로 방해·위험 주행을 예측합니다.

Keywords: Risky Driving; Behavior Prediction; Scene Context; CCTV Analytics; Mixed Traffic; 위험 주행; 행태 예측; 장면 맥락; CCTV 분석; 혼합 교통

## Out-of-Distribution (OoD) segmentation for autonomous driving safety system

Source: https://vita.hanyang.ac.kr/research-detail.html?topic=ood-segmentation

This topic addresses how autonomous driving perception systems can detect unfamiliar, anomalous, or structurally out-of-distribution objects beyond the training distribution.

학습 분포 밖의 낯설고 비정상적인 도로 객체를 자율주행 인지 시스템이 어떻게 감지할 수 있는지 다룹니다.

Keywords: OoD Segmentation; Anomaly Detection; Autonomous Driving; Perception Safety; Vision Foundation Models; OoD 분할; 이상 탐지; 자율주행; 인지 안전; 비전 파운데이션 모델

## Federated learning algorithm for efficient city-scale data processing

Source: https://vita.hanyang.ac.kr/research-detail.html?topic=federated-learning

This topic develops decentralized, privacy-aware learning pipelines for city-scale sensing and surveillance systems without centralizing raw data.

원시 데이터를 중앙으로 모으지 않고 도시 규모 센싱·관제 시스템을 학습하기 위한 분산·프라이버시 보존 학습 파이프라인을 개발합니다.

Keywords: Federated Learning; Distributed CCTV; Urban Sensing; Privacy; Smart Cities; 연합학습; 분산 CCTV; 도시 센싱; 프라이버시; 스마트시티

## LLM-based language understanding framework for intelligent transportation systems

Source: https://vita.hanyang.ac.kr/research-detail.html?topic=llm-transportation

This line of research applies large language models to transportation language understanding, text reasoning, and decision-support workflows in ITS.

대형언어모델을 교통 분야의 텍스트 이해, 추론, 의사결정 지원 워크플로에 적용합니다.

Keywords: LLM; Transportation NLP; Auto-labeling; Decision Support; Text Analytics; LLM; 교통 NLP; 법률 AI; 자동 라벨링; 의사결정 지원

## AI CCTV-based urban risk sensing and edge-to-cloud safety management

Source: https://vita.hanyang.ac.kr/research-detail.html?topic=collision-risk

This topic studies how AI CCTV, edge computing, and cloud-based traffic control can detect urban risk situations in real time, trigger preventive responses, and support city-scale hotspot management.

AI CCTV, 엣지 컴퓨팅, 클라우드 기반 교통 관제를 연결해 도시 위험 상황을 실시간으로 감지하고 예방 대응과 핫스팟 관리를 지원합니다.

Keywords: AI CCTV; Urban Risk Sensing; Edge Computing; C-ITS; Hotspot Management; V2X; Traffic Safety; AI CCTV; 도시 위험 감지; 엣지 컴퓨팅; C-ITS; 핫스팟 관리; V2X; 교통 안전

## Seeing the city: Flows, space, and data

Source: https://vita.hanyang.ac.kr/research-detail.html?topic=urban-behavior

This topic studies how urban form, mobility flows, and sensing data can be integrated to understand real movement patterns and safety outcomes in cities.

도시 형태, 이동 흐름, 센싱 데이터를 통합해 실제 이동 패턴과 안전 결과를 이해합니다.

Keywords: Urban Analytics; Mobility Behavior; Traffic Sensing; Planning; Safety Analysis; 도시 분석; 이동 행태; 교통 센싱; 계획; 안전 분석

## Drone-assisted delivery system for low-conflict pickup and secure handoff

Source: https://vita.hanyang.ac.kr/research-detail.html?topic=drone-assisted-delivery

This topic explores a drone-assisted delivery system that moves the waiting and handoff functions away from congested store frontage areas, synchronizing customer arrival, UAV dispatch, visual verification, and safe payload release at low-conflict pickup spaces.

혼잡한 매장 전면부에서 대기와 인계 기능을 분리하고, 고객 도착, UAV 출동, 차량 검증, 안전한 화물 인계를 저충돌 픽업 공간에서 동기화하는 시스템을 연구합니다.

Keywords: Drone-assisted Delivery; Mobility Services; UAV Routing; Vehicle Verification; Pickup-space Management; Secure Handoff; Drive-through Operations; 드론 보조 배송; 모빌리티 서비스; UAV 경로; 차량 검증; 픽업 공간 관리; 안전 인계

## DRIFT: Drone-derived intelligent dataset for urban traffic analysis

Source: https://vita.hanyang.ac.kr/research-detail.html?topic=drift

DRIFT is an open dataset and toolchain for high-resolution drone-based traffic behavior research, connecting vehicle detection, trajectory tracking, and multi-scale traffic analytics across complex urban intersections.

DRIFT는 고해상도 드론 영상에서 차량 검지, 궤적 추적, 다중 규모 교통 분석을 연결하는 공개 데이터셋과 도구 체계입니다.

Keywords: DRIFT; Drone Traffic Dataset; Vehicle Trajectories; Urban Intersections; YOLOv11m; ByteTrack; Traffic Flow Analysis; DRIFT; 드론 교통 데이터셋; 차량 궤적; 도시 교차로; YOLOv11m; ByteTrack; 교통류 분석

## Agentic AI-based integrated safety orchestration for multi-mobility management

Source: https://vita.hanyang.ac.kr/research-detail.html?topic=agentic-safety-orchestration

This topic studies how agentic AI can orchestrate safety operations across ITS road traffic, underground logistics, and UAM to suppress post-incident ripple effects in multi-mobility environments.

ITS 도로 교통, 지하 물류, UAM 등 여러 모빌리티 영역에서 사고 이후의 연쇄 위험을 줄이기 위해 에이전틱 AI가 안전 운영을 조율하는 방법을 연구합니다.

Keywords: Agentic AI; Orchestration Engine; Multi-Mobility Safety; Cascading Risk; UAM; 에이전틱 AI; 오케스트레이션 엔진; 다중 모빌리티 안전; 연쇄 위험; UAM