DOI QR코드

DOI QR Code

Applying the ANFIS to the Analysis of Rain and Dark Effects on the Saturation Headways at Signalized Intersections

강우 및 밝기에 따른 신호교차로 포화차두시간 분석에의 적응 뉴로-퍼지 적용

  • 김경환 (경상대학교 도시공학과, 환경 및 지역발전연구소) ;
  • 정재환 (경상대학교 도시공학과 대학원 도시공학전공) ;
  • 김대현 (전남대학교 교통물류학부 교통학전공)
  • Received : 2006.03.07
  • Accepted : 2006.05.09
  • Published : 2006.07.31

Abstract

The Saturation headway is a major parameter in estimating the intersection capacity and setting the signal timing. But Existing algorithms are still far from being robust in dealing with factors related to the variation of saturation headways at signalized intersections. So this study apply the fuzzy inference system using ANFIS. The ANFIS provides a method for the fuzzy modeling procedure to learn information about a data set, in order to compute the membership function parameters that best allow the associated fuzzy inference system to track the given input/output data. The climate conditions and the degree of brightness were chosen as the input variables when the rate of heavy vehicles is 10-25 %. These factors have the uncertain nature in quantification, which is the reason why these are chosen as the fuzzy variables. A neuro-fuzzy inference model to estimate saturation headways at signalized intersections was constructed in this study. Evaluating the model using the statistics of $R^2$, MAE and MSE, it was shown that the explainability of the model was very high, the values of the statistics being 0.993, 0.0289, 0.0173 respectively.

포화차두시간은 신호시간 설계와 교차로 용량추정에 있어서 중요한 변수 중에 하나이다. 그러나 현재의 기법은 신호교차로에서 포화차두시간에 영향을 미치는 요인들 중 정성적인 요인들을 다루기에는 부적절하다. 본 연구에서는 퍼지적 성격을 가진 정성적 인자인 강우조건과 주변 밝기정도를 선택하여 ANFIS를 이용해서 현장에서 관측된 관측치와 입 출력 데이터 집합의 학습을 통해 퍼지근사추론 모형을 구축하였다. 강우조건은 강우량에 따라 3개의 퍼지변수로, 주변 밝기정도는 2개의 퍼지변수로 구분하였다. 이렇게 구축된 모형의 예측력은 검증자료를 이용한 관측치와 추론치를 비교함으로써 평가되었다. 결정계수와 오차 및 분산정도를 나타내는 척도인 평균절대 오차(MAE)와 평균제곱근 오차(MSE)가 각각 0.993, 0.0289, 0.00173으로 나타나 본 모형의 설명력이 높은 것으로 평가 된다.

Keywords

References

  1. 기상청(1997) 예보업무편람
  2. 건교부(1992) 도로용량편람 연구조사 제 3단계 중간 보고서. pp. 6.1-6.81, 한국건설기술연구원, 교통개발연구원
  3. 건교부(2001) 도로용량편람. 대한교통학회
  4. 김경환, 하만복, 강덕호(2004) 퍼지추론을 이용한 신호교차로에서의 포화차두시간 분석. 대한교통학회지, 대한교통학회, 통권 72호, pp. 73-82
  5. 김용석(1994) 포화구간설정 및 포화 교통류율 변화에 관한 연구. 석사학위논문, 아주대학교
  6. 김정수, 윤영선, 박종호, 고기영 공저(2001) 건축 조명 계획론. 광문각
  7. 도철웅(2001) 교통공학 원론(上). 청문각
  8. 박성현(1998) 현대 실험 계획법. 민영사
  9. 박종진, 최규석 공저(2001) 퍼지제어 시스템. 교우사
  10. 오영태, 심대영(1992) 도시부 신호 교차로의 기본용량 및 기하구조 보정계수. 대한교통학회지, 대한교통학회, 통권 17호, pp. 5-24
  11. 유지성, 오창수 공저(1999) 현대 통계학. 박영사
  12. 윤혜림(2002) 그림으로 해설한 조명 실무 디자인. 성안당
  13. 이광용, 오길록 공저(1997) 퍼지이론 및 응용 I, II. 홍릉과학출판사
  14. 이승환(1989) 교차로 용량분석을 위한 교통류 특성 기초조사. 대한교통학회지, 대한교통학회, 통권 11호, pp. 89-111
  15. 이현엽, 문경일 공저(1999) MATLAB을 이용한 퍼지, 뉴로아진 출판사
  16. Al-Ghamdi, Ali. S. (1978) Entering Headway for through Movement at Urban Signalized Intersections. TRR, pp. 42-47
  17. Berry, D. and Gandhi. P. (1973) Headway Approach to Intersection Capacity. Highway Res, 453, pp. 65-61
  18. Branston. D. (1979) Some Factors Affection the Capacity of Signalized Intersections. Traffic Engineering and Control Vol. 20, pp. 390-396
  19. Brown, M. and Harris, C. (1994) Neurofuzzy Adaptive Modelling and Control. Englewood Cliffs, NJ : Prentice-Hall
  20. Hines, W. J. (1997) Matlab Supplement to Fuzzy and Neural Approaches in Engineering. John Wiley & Sons, Inc.
  21. Jang, J. R. S. (1997) Neuro-fuzzy and Soft Computing: A computational Approach to Learning and Machine Intelligence. Englefood Cliffs, NJ: Prentice-Hall
  22. Jang, J. S. R. (1993) ANFIS : Adaptive- Network-Based Fuzzy Inference System, IEEE Transactions on systems, man and cybernetics, vol. 23, no. 3
  23. Kasabov, N. K. (1996) Foundtions of Neural Networks, Fuzzy Systems, and Knowledge Engineering. Cambridge, MA: MIT Press
  24. Lee, J. and Chen, R. L. (1986) Entering Headway at Signalized Intersections in a Small Metropolitan Area. TRR 1091, pp.117-126
  25. Lin, C. T. and Lee, C. S. G. (1995) Neual Fuzzy System: A Neurofuzzy Synergism to Intelligent Systems. Englefood Ciffs, NJ: Prentice-Hall
  26. McSHane, W. R., Roess, R. P., and Prassas, E. S. (1998) Traffic Engineering. Prentice Hall, pp. 579
  27. Teodorovic D. and Vukadinovic K. (1998) Traffic Control and Transport Planning: A Fuzzy Sets and Neural Networks Approach. Kluwer Academy Publishers
  28. The MathWorks, Inc. (2000) Fuzzy Logic Toolbox for Use with Matlab User's Guide Version 2.0
  29. Transportation Research Board (2000) Highway Capacity Manual