• Journal of the Korean Association of Geographic Information Studies
• /
• v.13 no.4
• /
• pp.138-147
• /
• 2010

As inaccurate traffic volume prediction may result in inadequate transportation planning and design, traffic volume prediction based on traffic volume data is very important in spatial decision making processes such as transportation planning and operation. In order to improve the accuracy of traffic volume prediction, recent studies are using the geostatistical approach called kriging and according to their reports, the method shows high predictability compared to conventional methods. Thus, this study estimated traffic volume data for St. Louis in the State of Missouri, USA using the kriging method, and tested its accuracy by comparing the estimates with actual measurements. In addition, we suggested a new method for enhancing the accuracy of prediction by the kriging method. In the new method, we estimated traffic volume data: first, by applying anisotropy, which is a characteristic of traffic volume data appearing in determining variogram factors; and second, by performing co-kriging analysis using interstate highway, which is in a high spatial correlation with traffic volume data, as a secondary variable. According to the results of the analysis, the analysis applying anisotropy showed higher accuracy than the kriging method, and co-kriging performed on the application of anisotropy produced the most accurate estimates.

• KSCE Journal of Civil and Environmental Engineering Research
• /
• v.38 no.1
• /
• pp.73-80
• /
• 2018

In motorway traffic flow control, the conventional way based on real-time response has been changed into advanced way based on proactive response. Future traffic conditions over multiple time intervals are crucial input data for advanced motorway traffic flow control. It is necessary to overcome the uncertainty of the future state in order for forecasting multiple-period traffic volumes, as the number of uncertainty concurrently increase when the forecasting horizon expands. In this vein, multi-interval forecasting of traffic volumes requires a viable approach to conquer future uncertainties successfully. In this paper, a forecasting model is proposed which effectively addresses the uncertainties of future state based on the behaviors of temporal evolution of traffic volume states that intrinsically exits in the big past data. The model selects the past states from the big past data based on the state evolution of current traffic volumes, and then the selected past states are employed for estimating future states. The model was also designed to be suitable for data management systems in practice. Test results demonstrated that the model can effectively overcome the uncertainties over multiple time periods and can generate very reliable predictions in term of prediction accuracy. Hence, it is indicated that the model can be mounted and utilized on advanced data management systems.

• KSCE Journal of Civil and Environmental Engineering Research
• /
• v.36 no.3
• /
• pp.521-528
• /
• 2016

The tollbooths of a main motorway toll plaza are usually operated proactively responding to the variations of traffic demands of two-type vehicles, i.e. cars and the other (heavy) vehicles, respectively. In this vein, it is one of key elements to forecast accurate traffic volumes for the two vehicle types in advanced tollgate operation. Unfortunately, it is not easy for existing univariate short-term prediction techniques to simultaneously generate the two-vehicle-type traffic demands in literature. These practical and academic backgrounds make it one of attractive research topics in Intelligent Transportation System (ITS) forecasting area to forecast the future traffic volumes of the two-type vehicles at an acceptable level of accuracy. In order to address the shortcomings of univariate short-term prediction techniques, a Multiple In-and-Out (MIO) forecasting model to simultaneously generate the two-type traffic volumes is introduced in this article. The MIO model based on a non-parametric approach is devised under the on-line access conditions of large-scale historical data. In a feasible test with actual data, the proposed model outperformed Kalman filtering, one of a widely-used univariate models, in terms of prediction accuracy in spite of multivariate prediction scheme.

• Journal of the Society of Disaster Information
• /
• v.14 no.2
• /
• pp.230-237
• /
• 2018

Purpose: In Korea, traffic information is collected in real time as part of Intelligent Transportation System to enhance efficiency of road operation. However, traffic information based on real-time data is different from the traffic situation the driver will experience. Method: In this study, forecasts were made for future highway traffic by day and time period by adjusting the Archived data reference days to 3, 5 and 10 days based on existing traffic Archived data. Results: Fewer days of reference in the past showed smaller errors. The prediction of Monday based on five past histories showed greater errors than the 10 past histories, as the traffic flow on the sixth Monday of 2016 was somewhat different from the usual holiday. Conclution: This study shows that less of the reference days of the past history when estimating traffic volume, the more accurate the data of the traffic history of the event can be used on special days.

• Proceedings of the KOR-KST Conference
• /
• 2007.11a
• /
• pp.315-322
• /
• 2007

신호교차로 교통사고는 90년대 이후 도시가 발달하고 산업이 고도화됨에 따라 교통 혼잡 문제와 함께 심각한 사회문제로 대두되고 있다. 특히 신호교차로의 교통사고는 인적요인, 차량요인, 환경적 요인 등이 복합적으로 작용하여 발생하는데, 교통량의 집중과 도로의 기하구조, 운전자 과실 등이 교통사고의 주요 인자로 작용하고 있다. 본 연구에서 교통사고 예측모형을 개발하기 위해서 2003년부터 2006년도까지 실제 경기도의 신호교차로에서 발생한 교통사고자료를 기초로 하였다. 구체적으로는 시내가 아닌 지방부 성격을 지닌 일반국도를 대상으로 하였다. 지방부 일반국도의 신호교차로 교통사고 분석에 단순통계분석과 다중회귀분석을 사용하였다. 사고와 관계가 높은 신호주기, 방향별 접근 교통량, 회전교통량 둥과 같은 도로, 교통, 운영조건들로 변수를 정하여 교통사고 예측모형을 도출하였다. 본 연구에서는 도로조건, 교통조건, 운영조건들과 사고와의 관계를 이용하여 경기도 일반국도의 신호교차로 교통사고예측모형을 개발하였고, 이는 지방부 성격을 지닌 교차로에 적용이 가능하다고 판단된다.

• Journal of the Korean Society of Marine Environment & Safety
• /
• v.20 no.2
• /
• pp.186-192
• /
• 2014

In this paper, we analysed vessel traffic volume and patterns of traffic flow for ships using areas where included wind farm site and adjacent waters of Daejeong Offshore Wind Farm, and estimated traffic volume by classified navigational routes according to suggestion of rational routeing measures on the basis of classified patterns after installation of offshore wind facilities. Also, we assessed vessel traffic safety for each designed routeing measures on the basis of estimated traffic volume and proposed requisite countermeasures for the safe navigation of ships. With a result of analysing patterns of traffic flow, the current traffic flow was classified by 8 patterns and the annual traffic volume was predicted to 8,975 ships. On the basis of these, expected the vessel traffic volume according to designed four routeing mesaures after installation of wind farm. As result of assessing vessel traffic safety by using powered-vessel collision model of SSPA on the basis of the estimated traffic volume, the value of collision probability was less than safe criteria $10^{-4}$. Thereby we made sure usability of the designed routeing measures for the safe navigation of ships.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2017.11a
• /
• pp.656-659
• /
• 2017

현대 사회에서는 다양한 이동수단 중 지하철, 버스 등의 대중교통에 대한 수요가 높은 편이다. 본 연구의 배경이 되는 서울특별시의 경우에는 출퇴근 시, 과반 수 이상이 대중교통을 이용한다. 대중교통 이용량에는 날씨, 평일-주말, 연착, 도로현황 등 여러 가지에 원인을 둔다. 본 연구에서는 여러 요인 중에서도 날씨 데이터(기온, 강수량, 미세먼지)에 초점을 두어, 날씨에 따른 대중교통 이용량의 변화양상을 학습하여 예측하는 연구를 진행한다. 서울특별시 25개 자치구마다의 날씨 데이터와 대중교통 이용 데이터를 이용하여 Regression을 통한 데이터 학습을 진행하였으며, 학습된 모델을 통한 날씨에 따른 서울특별시 대중교통 이용량 예측에 따른 평균 오차율은 15.49%로 낮은 오차율을 가진다. 본 연구 결과는 날씨에 따른 버스와 지하철의 배차 간격 조절 등의 대중교통 배치 판단 결정에 기초자료로 사용될 것으로 기대된다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2014.11a
• /
• pp.872-875
• /
• 2014

본 논문에서는 사칙연산자 기반의 유전 프로그래밍을 사용하여 교통량을 예측하였다. 기존의 시계열 분석에서 활용되는 전문적인 지식을 사용하지 않고 유전 프로그래밍만을 사용하여 설계한 결과 기존의 시계열 모형 보다 근접하게 실제 교통량 변화와 근접했음을 확인했다. 또한 기존에 적합도 함수로 자주 사용하는 함수보다 빠르고 정확하게 교통량을 예측 할 수 있는 적합도 함수를 제안하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2017.05a
• /
• pp.31-31
• /
• 2017

북한강은 한강의 제 1 지류로 지리적 이점과 풍부한 유량으로 많은 댐들이 건설 되었다. 북한강 본류에는 6개의 크고 작은 댐이 있는데 이들 중 4개가 홍수조절 능력이 없는 발전용댐이다. 이 댐들은 발전효율 향상과 범람으로 인한 저수지 붕괴에 대비하기 위하여 수위를 일정하게 유지하는 방식으로 운영되고 있다. 그러나 최근에 발생하는 집중호우와 게릴라성 폭우는 이러한 목표를 달성하기 힘들게 하고 있다. 지금까지 댐 운영을 위한 유입량 예측에 관련된 연구는 많이 있었지만 대부분 예측 단위가 1시간 이상이었다. 본 연구의 대상이 된 북한강 발전용댐은 저수용량이 작아 적은 양의 유입에도 수위가 급변하는 특징이 있기 때문에 1시간 단위로 유입량을 예측하는 모형은 실제 운영에 적용하기 어렵다. 본 연구에서는 댐의 운영자가 수문 개도 의사결정에 참고할 수 있는 유입량 자료를 생성하기 위하여 10분 단위 유입량을 예측하였다. 또한 댐들이 직렬로 배치된 유역의 특징을 고려하여 상류에 댐이 있는 경우에는 상류 댐의 방류량을 고려하였다. 본 연구는 뉴로 퍼지 기법을 사용하였으며 2004~2016년까지 발생한 호우 사상을 이용하여 모형을 구성하고 검증하였다.

• Proceedings of the Korean Institute of Navigation and Port Research Conference
• /
• 2023.05a
• /
• pp.144-145
• /
• 2023

육상, 철도, 항공 등 타 교통분야에서 지속적으로 사고와 인명피해가 줄어든 반면, 해양분야는 해양사고가 증가하며 실효적 해양교통안전관리에 대한 필요성이 대두되고 있다. 최근 3년간 국내 해상에서 발생한 충돌사고 중 어선을 포함한 충돌사고가 전체의 약 84%를 차지하며, 해상교통의 주요 변수인 어선을 포함한 국가의 해상교통량 파악은 반드시 필요한 실정이다. 본 연구에서는 현 정부 국정과제인 '디지털 해상 교통망 구축'과 더불어 해양교통안전관리체계 마련의 일환으로 국내 전체 선박위치발신장치(AIS, V-PASS) 데이터를 활용하여 해상교통량을 분석하고 예측 모델을 개발한다. 이를 위해 선박 밀집도를 통한 그리드별 공간가산분석과 항적 데이터 전처리 및 선형화, 선박 길이에 따른 점용면적 산정을 통한 단위 그리드별 해상교통량을 분석한다. 또한, 과거 교통량 데이터는 딥러닝 기반의 시계열 특성을 지닌 RNN과 LSTM 모델을 활용하여 교통량 예측 모형을 개발한다. 본 연구의 결과는 해상교통량과 해양사고의 연관성 분석 및 속력제한구역 등 해상정책 수립의 정량적 근거를 제공하며, 국민에게 해상교통정보 제공을 통해 교통복지 증진에 기여할 수 있다.