DOI QR코드

DOI QR Code

Development of a Mid-/Long-term Prediction Algorithm for Traffic Speed Under Foggy Weather Conditions

안개시 도시고속도로 통행속도 중장기 예측 알고리즘 개발

  • JEONG, Eunbi (Department of Transportation and Logistics Engineering, Hanyang University at Ansan) ;
  • OH, Cheol (Department of Transportation and Logistics Engineering, Hanyang University at Ansan) ;
  • KIM, Youngho (Department of Transportation Safety and Highway Research, The Korea Transport Institute)
  • 정은비 (한양대학교 교통.물류공학과) ;
  • 오철 (한양대학교 교통.물류공학과) ;
  • 김영호 (한국교통연구원 교통안전도로본부)
  • Received : 2014.11.11
  • Accepted : 2015.03.31
  • Published : 2015.06.30

Abstract

The intelligent transportation systems allow us to have valuable opportunities for collecting wide-area coverage traffic data. The significant efforts have been made in many countries to provide the reliable traffic conditions information such as travel time. This study analyzes the impacts of the fog weather conditions on the traffic stream. Also, a strategy for predicting the long-term traffic speeds is developed under foggy weather conditions. The results show that the average of speed reductions are 2.92kph and 5.36kph under the slight and heavy fog respectively. The best prediction performance is achieved when the previous 45 pattern cases data is used, and the 14.11% of mean absolute percentage error(MAPE) is obtained. The outcomes of this study support the development of more reliable traffic information for providing advanced traffic information service.

지능형 교통체계 시스템으로 인해 보다 신뢰성 있는 교통자료의 취득이 용이해졌으며, 실시간 통행시간 예측을 통한 경로정보 제공 및 중장기 통행시간 예측 등의 정보제공 서비스의 활용성이 높아짐에 따라 정확하고 신뢰성 있는 정보에 대한 요구가 증가하고 있다. 본 연구에서는 안개 발생 시 정확한 교통정보를 제공하기 위하여 안개 발생에 따른 속도패턴 변화를 분석하였으며, 분석결과를 기반으로 하여 안개 시 통행속도 중장기 예측전략을 개발하였다. 서울시 교통정보센터에서 수집된 2009-2013년 올림픽대로 링크 속도자료와 83건의 안개 발생 정보를 이용하여 분석을 수행하였다. 분석결과, 옅은 안개가 발생한 경우 맑은 기상 시의 속도보다 평균 약 2.92kph 감소하는 것으로 나타났으며, 짙은 안개의 경우 평균 5.36kph의 속도가 감소하는 것으로 나타났다. 통행속도 중장기 예측은 과거 패턴 개수를 다양한 범위로 적용하여 분석한 결과, 평균 절대적 백분율 오차(MAPE: Mean Absolute Percentage Error)는 14.11-16.31%로 나타났으며, 중장기 예측 전략수립을 위한 적정 과거 패턴 개수는 30-45개로 도출되었다. 본 연구에서 제시한 연구 결과는 교통정보 제공 시 보다 정확한 정보를 제공하여 사전 혼잡관리를 위한 교통관리전략을 수립하는 등 도로교통 운영 및 관리 에 효율적으로 활용 할 수 있을 것으로 기대된다.

Keywords

References

  1. Brooks J. O., Crisler M. C., Klein N., Goodenough R., Beeco R. W., Guirl C., Tyler P. J., Hilpert A., Miller Y., Grygier J., Burroughs B., Martin A., Ray R., Palmer C., Beck C. (2010), Speed Choice and Driving Performance in Simulated Foggy Conditions, Accid. Anal. Prev. 43(3), 698-705. https://doi.org/10.1016/j.aap.2010.10.014
  2. Broughton K. L. M., Switzer F., Scott D. (2007), Car Following Decisions Under Three Visibility Conditions and Two Speeds Tested With a Driving Simulator, Accident Analysis and Prevention 39, 106-116. https://doi.org/10.1016/j.aap.2006.06.009
  3. Hoffmann G. J., Janko J. (1990), Travel Time As A Basic Of The LISB Guidance Strategy, In Proceedings Of IEEE Road Traffic Control Conference, IEEE, New York, 6-10.
  4. Hyundai Motor Company, Kia Motors Corporation, Hyundai MNSOFT (2010), Apparatus and Method for Searching Bidirectional Route With Pattern Data, IPC code. G01C 21/34, The Application Number. 1020100117744.
  5. Kim J., Lee S. (2007), The Study of Guide System about Vehicle Speed and Gap in Fog, Presented at 56th Korean Soc. Transp. Annual Meeting, 451-455.
  6. Lee S. J., Kim B., Kwon H. (2004), The Study of Estimation Model for the Short-term Travel Time Prediction, J. of The Korean Institute of Intelligent Transportation Systems, 3(1), 31-44.
  7. Oh J. S., Choi D. S., Cho Y. H., Chung J. H. (2002), A Study on the Variability of Driver's Speed in the Foggy Weather, J. Korean Soc. of Civil Eng., 22(4), 677-685.
  8. Son Y. T., Jeon J. S. (2013), A Study on Traffic-Flow Characteristic Changes on Expressway by Visibility, J. of The Korean Institute of Intelligent Transportation Systems, 12(6), 116-126. https://doi.org/10.12815/kits.2013.12.6.116
  9. Stathopoulos A., Karlaftis M. (2004), Temporal and Spatial Variations of Real-time Traffic Data in Urban Areas, TRR: Journal of the TRB, 1768(01-2407), 135-140.
  10. Vanajaskshi L., Rilett L. (2007), Support Vector Machine Technique for the Short Term Prediction of Travel Time, Intelligent Vehicles Symposium, IEEE, 600-605.
  11. Wu P. (2003), Automated Data Collection, Analysis, and Archival, University of Utah, MPC Report No. 03-153.
  12. Yang C., Son Y., Kim Y., Kim Y. (2009), Analysis of Changes in Traffic Flow Patterns by Geometric and Weather Conditions (기하구조 및 기상조건에 따른 교통류 행태 변화에 대한 연구), Transportation Technology and Policy, 6(3), Korean Society of Transportation, 125-140.
  13. Highway agency, U.K., http://www.highways.gov.uk/traffic/traffic.aspx
  14. INRIX, U.S., http://www.inrix.com
  15. Korea Express Corporation, ROAD PLUS, http://www.roadplus.co.kr