초록
본 연구에서는 과거의 교통패턴과 실시간 교통데이터와의 차이값을 이용하여 돌발상황을 판정하는 알고리즘을 개발하고자 한다. 이를 통해 운영자의 측면에서 이해하기 쉽고 운영 및 수정 보완이 용이한 돌발상황 감지알고리즘을 개발하는 것이 목적이다. 본 연구에서 제안한 알고리즘은 교통패턴 구축을 위하여 30초 주기 원시데이터를 바탕으로 동일한 지점의 동일한 요일 및 시간대의 교통량과 속도를 이용한 가중이동평균법을 사용하였다. 모형은 오류자료 보정처리, 소통상황 판정, 패턴자료와의 비교, 돌발상황 판정, 지속성 검사의 단계로 이루어졌으며, 적정 파라메타 선정을 위하여 다양한 파라메타값을 적용하였다. 알고리즘의 적용 결과 검지율은 평균 94.7%, 오보율은 0.8%, 평균 검지시간은 1.6분으로 기존 모형과의 비교분석 결과에서도 우수한 편에 속하는 것을 확인할 수 있다. 교통패턴이라는 개념을 사용하여 복잡하지 않은 과정을 통해 우수한 결과를 얻었으며, 운영자의 측면에서 실제 운영자들이 돌발상황을 판단하는 과정을 알고리즘으로 완성하였다는 측면에서 본 연구의 의의가 있다.
Research of this paper focused on developing and demonstrating of algorithm with the figures of difference between historical traffic pattern data and real-time traffic data to decide on what the incident is. The aim of this dissertation is to develop incident detection algorithm which can be understood and modified easier to operate. To establish traffic pattern of this algorithm, weighted moving average method was applied. The basis of this method was traffic volume and speed of the same day and time at the same location based on 30-second raw data. The model was completed by a serious of steps of process-screening process of error data, decision of the traffic condition, comparison with pattern data, decision of incident circumstances, continuity test. A variety of parameter value was applied to select reasonable parameter. Results of application of the algorithm came out with figures of average detection rate 94.7 percent, 0.8 percent rate of misinformation and the average detection time 1.6 minutes. With these following results, the detection rate turned out to be superior compared with result of existing model. Applying the concept of traffic patterns was useful to gain excellent results of this study. Also, this study is significant in terms of making algorithm which theorized the decision process of actual operators.
