Kim, Taekwang;Heo, Gyoungyoung;Lee, Hoon;Ryu, Kwang Ryel
Journal of Navigation and Port Research
/
v.46
no.1
/
pp.33-41
/
2022
An important operational goal of a container terminal is to maximize the efficiency of the operation of quay cranes (QCs) that load and/or unload containers onto and from vessels. While the maximization of the efficiency of the QC operation requires minimizing the delay of yard tractors (YT) that transport containers between the storage yard and QCs, the delay is often inevitable because of traffic congestion. In this paper, we propose a method for learning a model that predicts traffic speed in a terminal using only YT operation data, even though the YT traffic is mixed with that of external trucks. Without any information on external truck traffic, we could still make a reasonable traffic forecast because the YT operation data contains information on the YT routes in the near future. The results of simulation experiments showed that the model learned by the proposed method could predict traffic speed with significant accuracy.
The Journal of The Korea Institute of Intelligent Transport Systems
/
v.18
no.4
/
pp.44-57
/
2019
Various studies have been conducted to solve traffic congestions in many metropolitan cities through accurate traffic flow prediction. Most studies are based on the assumption that past traffic patterns repeat in the future. Models based on such an assumption fall short in case irregular traffic patterns abruptly occur. Instead, the approaches such as predicting traffic pattern through big data analytics and artificial intelligence have emerged. Specifically, deep learning algorithms such as RNN have been prevalent for tackling the problems of predicting temporal traffic flow as a time series. However, these algorithms do not perform well in terms of long-term prediction. In this paper, we take into account various external factors that may affect the traffic flows. We model the correlation between the multi-dimensional context information with temporal traffic speed pattern using deep neural networks. Our model trained with the traffic data from TOPIS system by Seoul, Korea can predict traffic speed on a specific date with the accuracy reaching nearly 90%. We expect that the accuracy can be improved further by taking into account additional factors such as accidents and constructions for the prediction.
The purpose of this study is to calculate the economic value of transport demand forecasting risks in the road PPP project. Under the assumption that volatility of the road PPP project value occurs only in regard with uncertainty of traffic volume forecasting, this study calculates the economic value of the traffic forecasting risks in the case of the road PPP project. To that end, forecasted traffic volume is assumed to be a stochastic variable and to follow the Geometric Brownian motion as time passes. In particular, this study attempts to differentiate itself from existing studies that simply use an arbitrary assumption by presenting the application of different traffic volume growth volatility and the rates before and after the ramp-up period. Analysis of the case projects reveals that the risk premium related to traffic volume forecast of the project turns out as 7.39~8.30%, without considering option value-such as minimum revenue guarantee-while the project value volatility caused by transport demand forecasting risks is 17.11%. As the discount rate grows higher, the project value volatility tends to decrease and volatility in project value is always suggested to be larger than that in transport volume influenced by leverage effect due to fixed expenditure. The market value of transport demand forecasting risk-calculated using the project value volatility and risk premium-is analyzed to be between 0.42~0.50, implying that a 1% increase or decrease in the transport amount volatility would lead to a 0.42~0.50% increase or decrease in risk premium of the project.
Purpose: This study proposes a method for developing a model that predicts the probability of traffic accidents in advance to prevent the most frequent traffic accidents in the military. Method: For this purpose, CRISP-DM (Cross Industry Standard Process for Data Mining) was applied in this study. The CRISP-DM process consists of 6 stages, and each stage is not unidirectional like the Waterfall Model, but improves the level of completeness through feedback between stages. Results: As a result of modeling the same data set as the previously constructed accident investigation data for the entire group, when the classification criterion was 0.5, Significant results were derived from the accuracy, specificity, sensitivity, and AUC of the model for predicting traffic accidents. Conclusion: In the process of designing the prediction model, it was confirmed that it was difficult to obtain a meaningful prediction value due to the lack of data. The methodology for designing a predictive model using the data set was proposed by reorganizing and expanding a data set capable of rational inference to solve the data shortage.
The object of this study is to develop an operating time prediction model for expressways using toll collection data. A Prediction model based on modular neural network model was developed and tested using real data. Two toll collection system(TCS) data set. Seoul-Suwon section for short range and Seoul-Daejeon section for long range, in Kyongbu expressway line were collected and analyzed. A time series analysis on TCS data indicated that operating times on both ranges are in reasonable prediction ranges. It was also found that prediction for the long section was more complex than that for the short section. However, a long term prediction for the short section turned out to be more difficult than that for the long section because of the higher sensitivity to initial condition. An application of the suggested model produced accurate prediction time. The features of suggested prediction model are in the requirement of minimum (3) input layers and in the ability of stable operating time prediction.
The Journal of the Korea institute of electronic communication sciences
/
v.18
no.2
/
pp.321-327
/
2023
With the development of artificial intelligence, the prediction system has become one of the essential technologies in our lives. Despite the growth of these technologies, traffic congestion at intersections in the 21st century has continued to be a problem. This paper proposes a system that predicts intersection traffic jams using a Convolutional LSTM (Conv-LSTM) algorithm. The proposed system models data obtained by learning traffic information by time zone at the intersection where traffic congestion occurs. Traffic congestion is predicted with traffic volume data recorded over time. Based on the predicted result, the intersection traffic signal is controlled and maintained at a constant traffic volume. Road congestion data was defined using VDS sensors, and each intersection was configured with a Conv-LSTM algorithm-based network system to facilitate traffic.
첨단 교통 체계(Intelligent Transport Systems)의 중요한 요소인 첨단 교통 관리 체계(Advanced Traffic Management Systems)의 성공 여부는 교통정보를 어떻게 제공하고 통제하는데 의존하다. 즉, 정보 제공 방식과 이데 대한 운전자의 반응을 정확하게 파악하고 예측하여야 ITS를 성공적으로 구축할 수 있다. 이 논문에서는 동적 차량 길잡이 장치의 효용성을 평가하기 위한 확률적 통행배정모형을 개발하는 것이다. 개발된 통행배정모형은 운전자의 동적행태조정(Dynamic Behavioural Adjustment)을 명백하게 확솔 과정(Stochastic Process)으로 표현하여 기존의 모형에 비해 통해자들의 행태를 더욱 실제적으로 반영한다. 특히, 각 통행자들에게 K개의 최소경로시간을 제공해줌으로 인하여 통행자의 노선선택에 대한 선택폭을 증가시켜준다. 통행경로의 선택폭의 증가는 쟁점으로 대두되는 문제(교통항제소에서는 차량 길잡이 보유 운전자에게 체계최적(System Optimum)와 이용자최적(User Equilibrium)중 어떠한 원칙하에 교통정보를 제공하여야 하는가에 대한 해결 방안이다. 왜냐하면 만약 교통급제소에서 운전자에게 통행정보를 체계 최상을 하기 위해 정보를 제공하고자 하면, 길잡이 장착 운전자는 더 이상 제공된 정보를 따르지 않고 자기 스스로의 경에 의해 이용자 최상을 달성하고자 할 것이다. 이 논문의 목적은 이러한 복잡한 통행자의 경로선택행위를 반영하는 확률적 평형 통행 배정 모형을 여러가지 통계기법을 도입하여 개발하는 것이다.
본 연구에서는 도시 가로망에서의 구간 통행시간을 예측하기 위하여 time-frequency 분석의 일종인 웨이브렛변환과 RBF신경망 모형을 이용한 예측모형을 개발하였다. 웨이브렛 변환을 이용한 시계열 자료 분석을 통해서 통행시간에 내재되어 있는 다양한 패턴의 특징을 추출함으로써 오전/오후의 첨두현상, 신호교차로의 현시주기 등 주기적으로 발생되는 요인들에 의해서 통행시간 시계열 자료의 패턴에 나타나는 규칙성을 분석해 내었다. 분석된 패턴정보에 대한 규명은 카오스 이론을 근간으로한 시간지연좌표를 이용하여 시계열 자료의 규칙성을 시각적으로 판별하여 예측모형 구축에 활용하도록 하였다. 또, RBF신경망을 이용하여 예측범위의 공간적/시간적 확대에 따른 모형 구축에 소요되는 시간을 최소화하도록 하였으며, 시내버스 노선의 정류장간 운행시간 예측을 통해서 기존 연구에서 제기되었던 현실세계의 단순화, 다단계 예측시 정확성 등의 문제를 해결하였다. 예측실험결과 웨이브렛 변환을 데이터의 전처리 과정에 삽입하여 링크 통행시간의 패턴정보 예측에 활용할 경우, 기존의 예측모형에 비해서 훨씬 정확한 예측이 가능한 것으로 나타났으며, RBF 신경망은 짧은 학습시간에도 불구하고 역전파 신경망보다 우수한 예측력을 갖고 있는 것으로 밝혀졌다.
Proceedings of the Korea Information Processing Society Conference
/
2001.10b
/
pp.1091-1094
/
2001
정보통신 기술의 빠른 발달에 상응하여 교통망 체계의 첨단화 및 지능화를 위한 기술 개발에 많은 연구와 투자가 이루어지고 있다. 그와 더불어 교통정보 제공에 있어서도 다양한 종류의 정보가 다양한 매체를 통하여 제공되고 있으며, 정확한 정보 제공을 위해 정보의 가공 및 예측에 많은 연구 활동이 이루어지고 있다. 본 논문에서는 ITS 정보 서비스 개발의 일례로서 정보를 필요로 하는 운전자 개개인에게 맞춤형 실시간 동적 교통 정보를 지능형으로 제공할 수 있는 시스템 구현에 대하여 기술한다. 시스템은 고속도로상에서 실시간으로 수집된 교통 정보와 실시간 차량 위치추적 기술을 활용하여 운전자가 앞으로 직면한 다양한 상황에 대한 정보를 지능형 에이전트를 이용하여 동적이면서 능동적으로 제공한다. 따라서 고속도로를 주행하는 운전자는 진입 예정 구간에 대한 원하는 정보를 사전에 제공받을 수 있어 어떤 상황에 직면하기 전에 유연하게 대처할 수 있게 된다.
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.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.