초록
구간통행시간은 고속도로의 교통상황 모니터링을 위해 가장 효과적으로 사용될 수 있는 교통변수 중의 하나로 본 연구에서는 루프검지기를 이용하여 구간통행시간을 산출하는데 새로운 방법의 접근을 시도하였다. 국내에 가장 보편적으로 설치되어 있는 루프검지기에서 수집한 자기신호자료를 분석하여 각 차량을 구분할 수 있는 개별차량 고유특성을 산출하여 상류부를 통과한 차량을 하류부에서 재인식하는 알고리즘을 개발하였다. 개별차량특성으로는 차량의 검지기 통과시간, 차량길이, ESI값을 사용하였다. 검지기를 수집한 동일시간, 동일장소에서 동영상을 촬영 및 분석하여 실제통행시간을 산출하고 개발된 알고리즘의 성능평가를 위해 사용하였다. 매칭정확도를 최대로 하는 각 파라메터들의 최적값을 산정하기 위해 수집자료의 전반부를 training data로 설정하고 파라메터의 정산과정을 사용하였다. 산출된 최적 파라메터들을 이용하여 수집자료의 후반부인 test data에 적용하여 구간통행시간과 매칭정확도를 산출하였다. 차량재인식 결과 개발된 알고리즘에서는 매칭정확도가 약 48%로 산출되었으며, 구간통행시간은 34.14초로 실제 구간통행시간인 34초와 매우 유사하게 산출되었다. 그리고 본 연구에서 제시한 알고리즘의 교통상황에 따른 적용가능성 검토과정을 수행하였다.
Travel time is one of the most important traffic parameters to evaluate operational performance of freeways. A variety of methods have been proposed to estimate travel times. One feasible solution to estimating travel times is to utilize existing loop detector-based infrastructure since the loops are the most widely deployed detection system in the world. This study proposed a new approach to estimate travel times for freeways. Inductive vehicle signatures extracted from the loop detectors were used to match vehicles from upstream and downstream stations. Ground-truthing was also conducted to systematically evaluate the performance of the proposed algorithm by recognizing individual vehicles captured by video cameras placed at upstream and downstream detection stations. A lexicographic optimization method vehicle reidentification algorithm was developed. Vehicle features representing the characteristics of individual vehicles such as vehicle length and interpolations extracted from the signature were used as inputs of the algorithm. Parameters associated with the signature matching algorithm were calibrated in terms of maximizing correct matching rates. It is expected that the algorithm would be a useful method to estimate freeway link travel times.
