• 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.

• KDI Journal of Economic Policy
• /
• v.35 no.4
• /
• pp.31-61
• /
• 2013

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.

• Journal of the Society of Disaster Information
• /
• v.17 no.3
• /
• pp.427-441
• /
• 2021

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.

• Journal of Korean Society of Transportation
• /
• v.20 no.4
• /
• pp.151-162
• /
• 2002

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.

• Proceedings of the KOR-KST Conference
• /
• 1995.12a
• /
• pp.111-124
• /
• 1995

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.

• Journal of Korean Society of Transportation
• /
• v.16 no.4
• /
• pp.153-166
• /
• 1998

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.