• 대한교통학회:학술대회논문집
• /
• 대한교통학회 1998년도 Proceedings 제34회 추계 학술발표회
• /
• pp.21-30
• /
• 1998

본 연구는 기존 구간 속도 예측기법의 고찰을 통하여 검지기에서 올라오는 교통제어변수를 이용하여 구간 속도 예측모형을 연구하는데 목적이 있다. 이를 위한 교통 제어변수로는 연속류 제어에서 통상적으로 사용되는 교통량, 점유율, 밀도, 속도 등을 사용한다. 공간적 범위로는 서울 올림픽대로의 17개의 영상 검지기 중 #3과 #16검지기에서 올라오는 속도, 점유율, 교통량 자료를 토대로 1998년 6월 11일 오전 7시부터 11시까지의 4시간동안 예측을 실시하며 Historical Traffic Pattern과 시험차량, 자동차 번호판 조사를 통한 구간 실측조사 자료를 토대로 예측을 위한 자료를 구축한다. 기존의 예측기법인 시계열 분석, 신경망 이론, 평활법과 칼만필터링을 고찰하였고, 가장 좋은 예측력을 보여주는 기법은 칼만필터링 모형이었다. 이를 토대로 Case Study를 통해 여러 구간의 다주기 예측을 통해 단기간(short-term)의 구간 속도를 예측하고 각 해당 검지기별 실측자료를 통해 비교분석을 실시하였다. 결과적으로 도출된 칼만필터링 모형의 다주기 예측을 통한 구간 통행속도의 예측이 기존의 구간 통행속도 산출 방법보다 더 나은 예측력을 보여주고 있다.

• 한국ITS학회 논문지
• /
• 제20권1호
• /
• pp.86-99
• /
• 2021

교통혼잡을 완화하기 위한 방안 중 하나로 도로 이용자에게 교통상황 예측정보를 제공함으로써 교통량을 분산 시켜 도로 이용 효율을 증대시키는 방법이 있다. 이를 위해서는 신뢰성이 보장되고 정량적인 실시간 교통 속도 예측이 필수적이다. 본 연구에서는 상황별 교통속도 분석을 기반으로 이력 속도 데이터와 이력 속도 외의 교통류에 상관관계가 있는 데이터를 LSTM 입력 데이터로 활용하였다. 정상 교통류 상황에 대응하여 속도를 예측하는 LSTM 모델과 유고상황에 대응하여 속도를 예측하는 CNN-LSTM 모델을 개발하여 유고발생 후 1시간까지 5분 단위로 교통속도 예측을 시도하였다. 모델의 검증은 테스트 데이터를 통하여 교통상황별 예측성능을 분석하였다. 그 결과 정상 교통류에서는 평균 7.43km/h, 유고상황에서는 7.66km/h의 오차율로 각각 예측되었다.

• 한국콘텐츠학회논문지
• /
• 제20권4호
• /
• pp.25-37
• /
• 2020

교통 혼잡으로 인한 사회적 비용이 증가하면서 도로 속도를 예측하기 위한 다양한 연구들이 진행되고 있다. 도로 속도 예측의 정확도를 향상시키기 위해서는 교통 돌발 상황을 고려할 필요가 있다. 본 논문에서는 교통 돌발 상황을 고려한 도로 속도 예측 기법을 제안한다. 제안하는 기법은 연결된 도로들이 미치는 영향을 반영하기 위해서 예측 도로의 속도 데이터 뿐만 아니라 연결된 도로들의 속도 데이터도 이용한다. 또한, 돌발 상황으로 인한 혼잡을 예측하기 위해 속도의 변화량을 분석한다. 연결된 도로와 타겟 도로의 속도 데이터를 LSTM의 입력 데이터로 이용하여 1차적으로 도로 속도를 예측한다. 교통 돌발 상황으로 도로의 규칙적인 흐름이 깨지며 발생하는 예측 오차를 줄이기 위해 이벤트 가중치를 적용하여 최종적으로 도로 속도를 예측한다. 다양한 성능 평가를 통해 제안된 방법의 우수성을 입증한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2021년도 춘계학술발표대회
• /
• pp.308-309
• /
• 2021

과거의 연구들은 교통 속도만을 활용하여 교통 속도 예측 문제에 접근했다. 그러나 교통 속도의 비선형성으로 인해 정확한 예측이 어려워, 최근에는 교통 속도에 영향을 미칠 수 있는 외부의 요인을 활용해 정확도를 높인 연구들이 이루어지는 추세이다. 그 중에서도 강수량은 직관적으로 교통 속도와 관련이 있을 것으로 생각되어 자주 사용된다. 다만, 실제로 교통 속도가 강수량에 얼마나 영향을 받는지는 확인되지 않고 대부분의 연구가 적은 양의 데이터로 이루어지기에 강수량이 딥 러닝모델의 정확도를 향상시킬 수 있다고 단언하기는 어렵다. 본 논문은 강수량 데이터가 교통 속도를 변화시키는 양을 정량적으로 측정하고, 딥 러닝 모델의 성능에 미치는 영향을 분석하였다. 그 결과, 강수량이 높을수록 속도가 크게 감소하고 딥 러닝 모델의 정확도 또한 향상되는 것을 확인하였다.

• 지능정보연구
• /
• 제20권1호
• /
• pp.121-131
• /
• 2014

교통속도는 교통 문제를 해결하기 위한 중요한 지표 중 하나이다. 이를 이용하여 교통혼잡 탐지, 주행 시간 예측, 도로 설계와 같은 다양한 문제 해결에 활용할 수 있다. 따라서 정확한 교통속도 예측은 지능형 교통 시스템의 개발에 있어 필수적인 요소라고 할 수 있다. 본 논문에서는 대한민국 부산시의 특정 도로를 대상으로 교통 속도에 대한 분석 및 예측을 수행하였다. 과거 연구에서는 대상 도로의 속도 예측을 위해 과거 대상 도로의 교통속도 이력 데이터만을 사용하였다. 그러나 실제 대상 도로의 교통 상황은 인접한 도로의 교통 상황의 영향을 받게 된다. 따라서 본 논문에서는 실제 부산시의 과거 교통속도 이력 데이터를 기반으로 대상 도로와 인접 도로를 모두 고려하여 교통속도 예측 모델의 학습을 위한 속성을 추출하였다. 이와 같이 후보 속성들을 추출 한 후 선형 회귀 (linear regression), 모델 트리 (model tree) 및 k-nearest neighbor (k-NN) 기법을 이용하여 속성의 부분집합 선택 (feature subset selection)과 교통속도 예측 모델 생성을 수행하였다. 실험 결과 주어진 교통 데이터에서 k-NN 기법은 선형 회귀 및 모델 트리 기법에 비해 평균절대백분율오차 (mean absolute percent error, MAPE)와 제곱근평균제곱오차 (root mean squared error, RMSE) 측면에서 더 나은 성능을 보임을 확인하였다.

• 대한교통학회지
• /
• 제26권4호
• /
• pp.111-121
• /
• 2008

효과적인 가변제한속도(Variable Speed Limit: VSL)는 교통사고를 예방하고 교통정체를 완화시키는데 기여하는 중요한 교통류 제어방안이다. 본 연구에서는 교통사고 예방을 목적으로 가변제한속도를 적용하는 방법론을 제시하였다. 가변제한속도를 적용하는 조건을 두 가지로 분류하였는데, 사고위험도 예측모형에 따른 제한속도 변화와 도로환경조건의 변화에 따른 제한속도 조정 방안을 제안하였다. 예측된 사고위험도에 따른 가변제한속도의 적용은 검지기에서 추출되는 교통량, 속도, 점유율자료와 교통사고자료로 이항로지스틱회귀분석 기법을 사용하여 구축된 사고위험도 예측모형을 사용하였다. 한편, 도로환경조건에 따른 가변제한속도 적용에서는 안개, 폭우, 폭설로 인한 시거제약 상황과 결빙, 비, 눈으로 인한 노면마찰력감소상황 시 최소정지거리 계산을 통해 각 상황에 적용되어야 하는 제한속도를 제시하였다. 이를 바탕으로 통합도로환경조건 모니터링 시스템 하에서 사고위험도와 도로환경조건을 관측하고 제한속도를 변화시키는 가변제한속도 시스템 알고리즘을 제시하였으며, 제안된 알고리즘의 현장 적용 시 고려되어야 할 기술적 이슈를 논의하였다.

• 한국ITS학회 논문지
• /
• 제12권4호
• /
• pp.44-55
• /
• 2013

지능형교통체계(ITS: Intelligent Transportation System)의 발전은 과거에 비해 보다 신뢰성 있고 폭넓은 교통자료 및 기상자료 등의 취득을 가능하도록 하였다. 이러한 첨단 시스템의 발전에 따라 수집된 자료를 이용하여 교통상황과 기상상황에 대한 다양한 연구가 활발히 진행되고 있다. 본 연구에서는 도로 기상정보 시스템(RWIS: Road Weather Information System)자료와 검지기 자료를 이용하여 강우량에 따른 속도 감소 패턴을 분석하고, 강우량에 따른 속도감소량 산출 결과를 통해 강우수준을 분류하는 기준을 제시하였다. 인공신경망을 이용하여 강우수준별 통행속도를 예측하였으며, 예측 결과를 비교하여 강우수준별 통행속도 예측 특성을 분석하였다. 분석결과, 강우수준 분류 기준은 0.4mm/5min, 0.8mm/5min으로 나타났으며, 강우수준별 속도와 교통량에 대한 분산분석 결과 강우수준별로 차이를 보이는 것으로 나타났다. 인공신경망을 통한 5분 단위의 통행속도 예측결과, 비강우인 경우에는 과거 5개 자료, 즉, 25분 동안의 속도자료를 사용하여 분석하는 것이 예측력이 높게 나타났으며, 강우가 발생하는 경우에는 과거 2~3개 자료, 즉, 10~15분 동안의 속도자료를 사용하는 것이 예측력이 높게 나타났다. 본 연구에서는 기상조건에 관계없이 신뢰성 있는 교통정보를 제공하기 위한 통행시간 예측 방법론을 제시함으로써 통행시간 정보 등의 교통정보 제공 시 보다 정확한 정보를 제공하여 교통상황 예측정보의 신뢰도 향상 및 교통상황 예측정보의 활용도를 증대시킬 수 있을 것으로 기대된다.

• 한국지능시스템학회논문지
• /
• 제13권3호
• /
• pp.342-347
• /
• 2003

지능형교통정보시스템에 있어서 적절한 교통량 분산을 통한 교통망의 제어 및 정확한 주행정보의 제공을 위해 현재의 교통상황 또는 링크통행정보를 정확히 판단하고 평가할 수 있는 알고리즘의 개발이 필요하다. 본 논문에서는 퍼지추론시스템을 적용하여 보다 합리적으로 링크통행속도를 판단할 수 있는 알고리즘을 제안한다. 교통상황을 특징짓는 세 가지 요인으로 시간, 요일, 속도를 선정하였고 이를 퍼지변수로 표현하여 링크통행속도의 예측을 위한 적절한 퍼지규칙을 선정하였다. 본 논문에서는 실제 주행실험을 통해 얻은 차량의 GPS정보만을 사용하였다. 취득한 GPS정보 중에서 신뢰도가 높은 데이터만을 선택하여 도로통행속도를 계산하였고 퍼지추론의 과정을 통해 링크주행속도를 예측하였다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2004년도 추계학술대회 학술발표 논문집 제14권 제2호
• /
• pp.377-380
• /
• 2004

본 논문에서는 기존의 교통 상황 검지 장비들이 가지고 있는 문제점들을 해결하기 위해 실제 통행속도 데이터의 해당 도로 속성들을 이용하여 데이터 마이닝을 통한 합리적인 오차범위 내에서의 실시간 교통 정보 예측 알고리즘을 제안한다. 본 논문에서 제안하는 알고리즘은 데이터 파이닝의 분석 기법중 하나인 신경망(Neural Network)분석을 통하여 통행 속도 예측 근사 모델을 개발하는 것이며, 기존의 교통 상황 판단 알고리즘과의 결과 비교를 통해 비용 절감 효과와 속도 정보가 없는 도로까지의 합리적인 통행 속도 예측, 그리고 Off line상에서의 시간대별 교통 정보 제공이 가능함을 보인다.

• 한국정보통신학회논문지
• /
• 제10권7호
• /
• pp.1312-1318
• /
• 2006

텔레매틱스 서비스 중에서 가장 많이 이용하고 있는 것 중 하나는 출발지와 목적지에 이르는 최단 경로를 찾아 주는 서비스이다 . 현재 보편적으로 사용되고 있는 최단 경로 찾기서비스는 실시간 교통 정보를 고려하지 않는 정적인 최단 경로 알고리즘을 사용하고 있다. 본 연구에서는 실시간 교통 정보를 반영하여 현재 시간으로부터 일정 시간 경과한 후의 교통 정보를 예측하기 위한 방법을 제안하고 예측 결과의 정확성을 평가하기 위해 실시간 데이터를 이용하여 실험하였다. 제안된 방법은 도로 위를 달리는 차량의 평균 속도를 5분 단위로 입력 받아 누적된 데이터를 동일한 시간과 요일별로 분석하여 구한 누적 속도패턴과 칼만 필터 방법을 통합한 것이다 . 제안한 방법은 현재 사용되고 있는 누적 속도 패턴만을 이용한 예측보다 더 정확한 예측 결과를 보여 주었다. 예측된 결과는 동적인 최단 경로를 구하기 위해 사용될 뿐만 아니라교통혼잡이 예측되는 지역을 피하여 여행하도록 정보를 제공할 수 있다.