• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2021년도 춘계학술대회
• /
• pp.389-391
• /
• 2021

국민의 안전을 위해 교통사고를 방지하고자 교통 규제는 계속 확대되고 있지만, 교통사고는 여전히 줄어들지 않고 있다. 본 연구에서는 기상청의 날씨 예측 데이터, 도로교통공단의 요일, 시간대, 장소별 교통사고 발생 데이터, 특정 위치 정보 등 다양한 요인들의 연관관계를 인공지능을 활용하여 분석함으로써 특정 시간, 장소에 대한 교통사고 발생 확률을 예측하고자 한다. 본 연구는 이전의 수많은 교통사고 발생에 대한 객관적인 데이터와 기존의 다른 연구들에서 활용되지 않은 다양한 추가 요소들을 접목시켜 더욱 향상된 교통사고 발생 확률 예측 모델을 도출한다. 본 연구 결과는 국민의 안전한 삶을 위한 다양한 교통 관련 서비스에 유용하게 활용될 수 있을 것이다.

• 대한교통학회지
• /
• 제33권3호
• /
• pp.256-267
• /
• 2015

지능형 교통체계 시스템으로 인해 보다 신뢰성 있는 교통자료의 취득이 용이해졌으며, 실시간 통행시간 예측을 통한 경로정보 제공 및 중장기 통행시간 예측 등의 정보제공 서비스의 활용성이 높아짐에 따라 정확하고 신뢰성 있는 정보에 대한 요구가 증가하고 있다. 본 연구에서는 안개 발생 시 정확한 교통정보를 제공하기 위하여 안개 발생에 따른 속도패턴 변화를 분석하였으며, 분석결과를 기반으로 하여 안개 시 통행속도 중장기 예측전략을 개발하였다. 서울시 교통정보센터에서 수집된 2009-2013년 올림픽대로 링크 속도자료와 83건의 안개 발생 정보를 이용하여 분석을 수행하였다. 분석결과, 옅은 안개가 발생한 경우 맑은 기상 시의 속도보다 평균 약 2.92kph 감소하는 것으로 나타났으며, 짙은 안개의 경우 평균 5.36kph의 속도가 감소하는 것으로 나타났다. 통행속도 중장기 예측은 과거 패턴 개수를 다양한 범위로 적용하여 분석한 결과, 평균 절대적 백분율 오차(MAPE: Mean Absolute Percentage Error)는 14.11-16.31%로 나타났으며, 중장기 예측 전략수립을 위한 적정 과거 패턴 개수는 30-45개로 도출되었다. 본 연구에서 제시한 연구 결과는 교통정보 제공 시 보다 정확한 정보를 제공하여 사전 혼잡관리를 위한 교통관리전략을 수립하는 등 도로교통 운영 및 관리 에 효율적으로 활용 할 수 있을 것으로 기대된다.

• 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.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2021년도 제63차 동계학술대회논문집 29권1호
• /
• pp.27-30
• /
• 2021

경제 성장과 함께 자동차의 수요가 늘어남에 따라 교통사고 발생 빈도는 꾸준히 증가하고 있다. 이에, 본 연구에서는 교통사고를 야기하는 도로 및 기상환경과 같은 조건을 활용하여 기계학습 모델을 통해 서울시 교통사고 사상자 수를 예측하는 모형을 찾고자 한다. 활용한 데이터는 도로교통 공단에서 제공하는 교통사고 사상자 수 정보를 포함하는 데이터로 2015년부터 2018년도까지 데이터를 학습에 사용하였고 2019년도 데이터를 테스트 평가에 사용하였다. 실증연구를 통해 트리 기반의 모델 별 성능을 비교하였으며 본 연구에 대한 결과는 사고 발생 시 우선순위에 의한 구조활동이 가능하게 함과 도로상황 및 기상을 고려한 안전운전 가이드 지식으로 활용될 수 있다.

• 대한교통학회지
• /
• 제27권2호
• /
• pp.133-144
• /
• 2009

현재 국내에서는 지역간 교통의 이동성 및 안전성을 향상시키기 위해 국도를 대상으로 ITS사업을 추진중에 있다. 이러한 ITS 사업을 통해 교통정보를 이용자에게 실시간으로 제공해 줌으로써 기존의 교통시설의 이용을 극대화 하는데 목적을 두고 있다. 이러한 정보 제공시 운전자에게 보다 정확한 통행시간정보를 제공해 주는것이 가장 중요하므로 본 연구에서는 자료의 전처리를 통해 원시데이터의 이상치 제거 및 결측처리를 실시하였다. 이를 통해 통행시간 예측의 기본이 되는 원시데이터의 정확성을 향상시켜 정보의 신뢰도를 높일 수 있는 방안을 모색하였다. 그리고 통행시간 예측을 위해 단속류 도로의 특성을 보다 정확히 반영할 수 있는 히스토리컬 프로파일 모형을 구축하였으며 실제 교통류의 특성을 적극적으로 반영하기 위해 보정식을 개발하였다. 따라서 제안된 모형과 히스토리컬 프로파일 모형과 보정식을 통해 통행시간을 예측한 후 기존의 방식인 신경망 모형, 칼만필터 모형과의 비교검증을 실시하였다. 결과적으로 일반적인 상황에서는 칼만필터 모형과 비슷한 예측력을 보였으나, 첨두시나 유고상황에서는 개발모형이 실제 교통흐름을 상대적으로 정확히 반영하여 예측을 수행함을 확인하였다.

• 대한교통학회지
• /
• 제21권3호
• /
• pp.85-96
• /
• 2003

휴대폰이나 카네비게이션 시스템과 같은 개인단말기에 의한 교통정보 제공 서비스의 시행을 위해서는 정보제공 서비스가 사회적 편익과 개인적 편익에 미치는 영향 분석이 선행되어야 한다. 이를 위해, 본 연구에서는 시뮬레이션을 활용하여 교통정보 제공 서비스가 도로 네트워크에 미치는 영향과 정보를 이용하는 운전자와 정보를 이용하지 않는 운전자에 대한 차이를 소요시간 분석, 소요시간 예측오차 분석, 그리고 정보의존도 분석 등을 통해 밝히고 있다. 소요시간 분석과 소요시간 예측오차 분석 결과에 의하면, 네트워크 내에 정보를 이용하는 운전자가 증가하면서 네트워크의 소요시간과 소요시간 예측오차는 감소하는 경향을 나타냈다. 또, 소요시간과 소요시간 예측오차에 있어서, 정보를 이용하지 않는 운전자에 대한 정보 이용 운전자의 상대적 편익은 1일 교통량 변동이 크고, 정보이용률이 낮은 상황에 한하여만 나타났다. 또, 정보의존도 분석 결과에 의하면, 도로 네트워크 내에 정보 이용 운전자들이 많아지면 운전자들은 정보에 더 많이 의존하게 되는 것으로 나타났다. 또, 혼잡한 교통상태에서는 정보 역시 정확도가 떨어지므로 정보의존도가 낮고, 교통량이 적기 때문에 소통원활한 경우는 정보의존도가 낮고, 반대로 교통량이 많지만, 도로 이용효율이 높아 생기는 소통원활의 경우에는 높은 정보의존도를 보이었다. 본 연구 결과로부터, 어느 정도의 정보이용률까지는 정보이용 운전자들이 증가하면, 네트워크는 도로 이용효율이 향상되어 소요시간 효율성과 신뢰성 등이 향상되고, 운전자의 소요시간 예측오차는 감소한다는 것을 알 수 있었다.

• 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.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2017년도 추계학술발표대회
• /
• 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.

• 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.

• 응용통계연구
• /
• 제22권6호
• /
• pp.1177-1190
• /
• 2009

도로의 성능을 측정는데 있어서, 주행속도는 가장 중요한 정보가 된다. 또한 도로 교통의 정보를 제공하는데 있어서 현 시점의 교통정보와 더불어 향후 예측되는 교통정보를 함께 제공하는 것은 보다 정확한 예측 시간과 구간을 제공하기 위한 차별화된 기능이라 할 수 있다. 본 연구에서는 그 동안 축적된 도로 구간별 속도 자료를 이용하여 속도 패턴을 다양하게 분석하고 퓨리에 변환 및 삼각함수를 설명변수로 하는 시계열 회귀모형을 이용한 예측모형을 개발하여 구간별 및 시간대별 평균 속도를 예측하였다. 이와 더불어 보다 정확한 예측을 위하여 결측치에 대한 대체 방법 및 특이치 처리 방법을 함께 고려하였고 방대한 데이터에 대한 효율적인 분석을 위하여 유사 속도 구간에 대한 그룹핑(grouping) 방법도 제안하였다.