LoRa 망 기반의 주차 지명 시스템 : 큐잉 이론과 큐러닝 접근

LoRa Network based Parking Dispatching System : Queuing Theory and Q-learning Approach

본 연구는 지역축제 시 갑자기 증가하는 주차병목문제를 해결하기 위해 IoT(Internet of Things)의 센서네트워크 중 저전력, 장거리 무선망인 LoRa 네트워크 기반으로 한 인공지능 주차시스템을 개발하는데 주 목적이 있다. 지리적 범위와 시간의 제한을 특징으로 하는 지역 축제에서는 관광객들이 짧은 시간에 최대한 많은 것들을 누리려 하는 욕구를 가지는데, 이때 발생하는 교통체증에 대한 효과적인 주차 공간 분배 문제가 필수적이다. 축제전용 주차장의 용량이 각기 제한적이므로 각 주차장의 수용가능규모의 임계값을 넘기 전에 다른 축제장으로 유도하는 것이 필요하다. 이를 위해 주차 대기시간 및 주차서비스에 성공하기까지의 확률분포는 큐잉이론의 쁘아송 분포를 따르며, 가장 빠른 길을 찾기 위해 Q-learning 알고리즘을 적용한다. 본 연구는 이 두 가지의 알고리즘을 융합하여 축제 장소에서 적용 가능한 지능형 주차시스템을 제안하고 실험한다.

The purpose of this study is to develop an intelligent parking dispatching system based on LoRa network technology. During the local festival, many tourists come into the festival site simultaneously after sunset. To handle the traffic jam and parking dispatching, many traffic management staffs are engaged in the main road to guide the cars to available parking lots. Nevertheless, the traffic problems are more serious at the peak time of festival. Such parking dispatching problems are complex and real-time traffic information dependent. We used Queuing theory to predict inbound traffics and to measure parking service performance. Q-learning algorithm is used to find fastest routes and dispatch the vehicles efficiently to the available parking lots.