Abstract
When it comes to the process of information storage, people are likely to organize individual information into the forms of groups rather than independent attributes, and put them together in their brains. Likewise, in case of finding the shortest path, this study suggests that a Hierarchical Road Network(HRN) model should be selected to browse the most desirable route, since the HRN model takes the process mentioned above into account. Moreover, most of drivers make a decision to select a route from origin to destination by road hierarchy. It says that the drivers feel difference between the link travel tine which was measured by driving and the theoretical link travel time. There is a different solution which has predicted the link travel time to solve this problem. By using this solution, the link travel time is predicted based on link conditions from time to time. The predicated link travel time is used to search the shortest path. Stochastic Process model uses the historical patterns of travel time conditions on links. The HRN model has compared favorably with the conventional shortest path finding model in tern of calculated speeds. Even more, the result of the shortest path using the HRN model has more similar to the survey results which was conducted to the taxi drivers. Taxi drivers have a strong knowledge of road conditions on the road networks and they are more likely to select a shortest path according to the real common sense.
사람들은 지식을 저장할 때 독립적으로 분리하여 저장하기 않고 지식을 조직화하여 저장한다. 이와 갈이 사람들이 지식을 위계적으로 저장하는 방법을 최적경로 탐색기법에 도입하고자 한다. 지금까지의 최적경로를 탐색하는 경우에는 각 링크의 통행비용만을 이용하여 교통정보를 제공하고 있다. 그 결과 실제 운전자들이 장거리 통행에서 최적경로를 탐색시 고속도로 선호도를 반영하는데 미흡하였다. 따라서 본 연구에서는 거리에 따른 경로탐색에 있어 binary logistic regression을 이용하여 간선도로 선택확률모형을 개발하여 장거리를 탐색할 때 도로의 위계를 반영하는 최적경로탐색기법을 도입하였다. 또한 최적 경로를 탐색할 경우에 기존 방법은 탐색 시점을 기준으로 한 교통상황을 기반으로 최적경로를 제공하였다. 이는 운전자가실제로 주행을 하면서 경험하게 되는 링크의 통행시간과는 차이를 보이게 된다. 이런 단점을 해결하기 위해 링크의 통행시간을 예측하는 방안이 있다. 확률과정 모형을 이용하여 예측된 링크 통행기간을 기반으로 최적경로 탐색에 적용하였다. 확률과정 모형은 장기 예측에는 다른 모형보다 오차가 적게 발생하며 데이터 양이 많이 축척되어 있는 경우에 다른 예측기법보다 유리하다. 데이터가 균일하게 있지 않아도 적용이 가능하다. 도로 위계를 고려한 방법과 기존의 방법의 탐색속도를 비교한 결과 탐색 노드의 수가 증가함에 따라서 위계를 고려한 방법이 기존의 방법보다 탐색속도가 향상된다. 도로위계를 고려한 방법을 적용하여 탐색한 결과와 택시운전사들의 설문조사를 통해 얻어진 답안을 서로 비교한 결과 많이 일치함을 알 수 있었다.