A Study on Link Travel Time Prediction by Short Term Simulation Based on CA

There are two goals in this paper. The one is development of existing CA(Cellular Automata) model to explain more realistic deceleration process to stop. The other is the application of the updated CA model to forecasting simulation to predict short term link travel time that takes a key rule in finding the shortest path of route guidance system of ITS. Car following theory of CA models don't makes not response to leading vehicle's velocity but gap or distance between leading vehicles and following vehicles. So a following vehicle running at free flow speed must meet steeply sudden deceleration to avoid back collision within unrealistic braking distance. To tackle above unrealistic deceleration rule, “Slow-to-stop” rule is integrated into NaSch model. For application to interrupted traffic flow, this paper applies “Slow-to-stop” rule to both normal traffic light and random traffic light. And vehicle packet method is used to simulate a large-scale network on the desktop. Generally, time series data analysis methods such as neural network, ARIMA, and Kalman filtering are used for short term link travel time prediction that is crucial to find an optimal dynamic shortest path. But those methods have time-lag problems and are hard to capture traffic flow mechanism such as spill over and spill back etc. To address above problems. the CA model built in this study is used for forecasting simulation to predict short term link travel time in Kangnam district network And it's turned out that short term prediction simulation method generates novel results, taking a crack of time lag problems and considering interrupted traffic flow mechanism.

CA모형을 이용한 단기 구간통행시간 예측에 관한 연구

본 연구는 $\circled1$Cellular Automata(이하 CA)모형을 기반으로 대규모 네트워크에 적용 가능한 보다 현실적인 CA차량모형 구축. $\circled2$구축된 CA차량모형을 이용한 차량 모의실험기의 개발과 개발된 차량 모의실험기를 이용한 단기링크통행시간 예측으로 구성된다. 구축된 CA차량추종모형은 기존의 CA차량추종모형 보다 현실적으로 감속을 통한 정지과정을 설명하면서 거시적 지표인 교통량-밀도-속도관계를 설명하였다. 또한 링크의 유출교통량(Outflow)을 제어하기 위한 차량의 링크전이모형은 기존의 차량 링크전이모형에 비하여 보다 안정된 대기차량을 형성하였다. 단기링크통행시간 예측을 위한 차량모의실험기는 대규모 가로망에 적용이 가능하도록 차량묶음(Packet, 이하차량묶음)방식과 링크기반 모의실험방식으로 컴퓨터의 연산 수행속도 및 메모리를 효율적으로 처리할 수 있었으며, 기존의 시계열자료 예측기법에서 고려할 수 없었던 차량의 행태 및 링크 상에서 발생하는 이동류 과포화, 뒷막힘현상 등의 메커니즘을 고려함으로서 기존 시계열자료 예측기법에 비하여 우수한 예측력을 보였다.