Forecasting of Real Time Traffic Situation using Neural Network and Sensor Database Management System

신경망과데이터베이스 관리시스템을 이용한 실시간 교통상황 예보

This paper proposes a prediction method to prevent traffic accident and reduce to vehicle waiting time using neural network. Computer simulation results proved reducing average vehicle waiting time which proposed coordinating green time better than electro-sensitive traffic light system dose not consider coordinating green time. Moreover, we present neural network approach for traffic accident prediction with unnormalized (actual or original collected) data. This approach is not consider the maximum value of data and possible use the network without normalizing but the predictive accuracy is better. Also, the unnormalized method shows better predictive accuracy than the normalized method given by maximum value. Therefore, we can make the best use of this model in software reliability prediction using unnormalized data. Computer simulation results proved reducing traffic accident waiting time which proposed neural network better than conventional system dosen't consider neural network.

본 논문에서는 교통사고를 예방하고 교통사고 구간 대기시간을 줄이기 위해서 신경망을 이용한 예측방법을 제안한다. 뿐만 아니라, 교통사고 예측에 있어서 신경망에 정규화하지 않은 데이터를 사용하는 방법을 제시한다. 이 방법은 신경망 훈련시 데이타의 최대 값을 추정할 필요가 없어 정규화 없이 신경망을 사용 가능하며, 신뢰성 예측 결과도 추정된 최대 값과 실제 획득될 최대 값과의 차이(추정 오차)만큼 정확해질 수 있다. 또한 비정규화 된 데이터를 사용하는 방법이 데이터의 최대값을 알고 있다고 가정한 상태의 정규화된 방법보다 예측 정확성이 좋음을 보였다. 모의실험결과 제안된 신경망 예측시스템이 신경망을 고려하지 않은 기존방법보다 교통사고 구간 대기시간을 줄일 수 있음을 입증했다. 이와 같이 검증된 예측능력을 바탕으로 사용자에게 교통상황을 실시간으로 서비스하기 위하여 센서 데이터베이스를 이용한 실시간 교통정보 예보 시스템을 제안한다.