Development of an AIDA(Automatic Incident Detection Algorithm) for Uninterrupted Flow By Diminishing the Random Noise Effect of Traffic Detector Variables

The data quality and measurements along consecutive detector stations can vary much even in the same traffic conditions due to variety in detector types, calibration and maintenance effort, field operation periods, minor geometric changes of roads and so on. These faulty situations often create 10% or more of inherent difference in important traffic measurements between two stations even under stable low flow condition. Low detection rates(DR) and high false alarm rates(FAR) therefore sets in among many popular Automatic Incident Detection Algorithms(AIDA). This research is two-folded and aims mainly to develop a new AIDA for uninterrupted flow. For this purpose, a technique which utilizes a Simple Arithmetic Operation(SAO) of traffic variables is introduced. This SAO technique is designed to address the inherent discrepancy of detector data observed successive stations, and to overcome the degradation of AIDA performance. It was found that this new algorithm improves DR as much as 95 percent and above. And mean time to detection(MTTD) is found to be 1 minutes or less. When it comes to FAR, this new approach compared to existing AIDAs reduces FAR up to 31.0 percent. And capability in persistency check of on-going incidents was found excellent as well.

검측 변수내 Random Noise 제거를 통한 연속류 돌발상황 자동감지알고리즘 개발

검지기 자료의 품질은 동일한 교통 조건이라도 검지기의 종류, 보정 및 유지 보수의 노력, 도로의 기하구조 등에 의해 내재적으로 10% 이상 변수 값 차이를 보일 수 있다. 이러한 내재적인 변수 값 차이로 인해 성능이 검증된 돌발상황 자동감지알고리즘을 사용하더라도 검지율(DR)이 낮아지고 오보율(FAR)이 높아지는 문제가 야기될 수 있다. 본 연구는 교통특성 변수의 간단한 산술계산기법(SAO)를 활용하여 새로운 AIDA를 개발하는데 목적이 있다. SAO는 내재적으로 존재하는 변수 값 차이를 보정하여 AIDA의 성능 저하를 극복하기 위해 개발되었다. AIDA 모형의 개발 및 검증을 위해 내부순환도로와 경부고속도로에서 수집된 30초 단위의 점유율을 사용하였다. SAO 기반 알고리즘 분석 결과 100% 돌발상황을 검지하는 높은 검지율을 보였고, 검지시간(MTTD)은 1분 이내로 나타났다. 오보율의 경우 본 연구에서 개발된 SAO 기반 AIDA의 오보율이 기개발된 AIDA의 오보율보다 3.5%~31.0% 감소하는 것을 확인하였다. SAO 기반의 알고리즘은 돌발상황의 지속성 분석에서도 탁월한 능력을 보였다.