• KSCE Journal of Civil and Environmental Engineering Research
• /
• v.29 no.3D
• /
• pp.347-356
• /
• 2009

This paper is described clustering analysis of traffic characteristics-based highway classification in order to deviate from methodologies of existing highway functional classification. This research focuses on comparing the clustering techniques performance based on the total within-group errors and deriving the optimal number of cluster. This research analyzed statistical clustering method (Hierarchical Ward's minimum-variance method, Nonhierarchical K-means method) and Kohonen self-organizing maps clustering method for highway characteristic classification. The outcomes of cluster techniques compared for the number of samples and traffic characteristics from subsets derived by the optimal number of cluster. As a comprehensive result, the k-means method is superior result to other methods less than 12. For a cluster of more than 20, Kohonen self-organizing maps is the best result in the cluster method. The main contribution of this research is expected to use important the basic road attribution information that produced the highway characteristic classification.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2014.11a
• /
• pp.146-149
• /
• 2014

최근 자동차 산업과 IT 기술의 융합이 활발해지면서 스마트카, 자율주행 자동차(무인 자동차)와 같은 지능형 자동차 개발이 활발히 진행되고 지능형 자동차의 비전 기반 기술개발도 활발히 진행되고 있다. 고속도로와 같이 포장된 도로나 자갈길과 같은 비포장 도로에서도 운전자의 승차감을 고려한 능동적 안전시스템과 안정적인 자율주행 자동차의 주행능력을 보장하는 기술들 중 도로 유형을 판단하는 것이 중요 요소 중 하나이다. 따라서 본 논문에서는 가중치 기반 클러스터링 기술을 이용하여 도로표면 유형을 분류하는 알고리즘을 제안한다. 아스팔트, 자갈길, 흙길, 눈길의 도로표면 영상 데이터를 히스토그램의 분포도와 최고점 위치, 에지 영상의 에지량, 채도성분을 이용하여 특징값을 추출하고 클러스터를 구성한다. 분류할 입력 도로표면 영상에 대해 특징값을 분석한 후 탐색범위 내 선택된 각 클러스터의 벡터와의 거리를 측정하여 가중치를 계산하고 가중치가 높은 클러스터를 분류하여 입력 영상에 대한 도로표면을 결정한다. 실험결과 제안하는 방법이 각 도로표면 영상의 특징값과 이를 이용한 가중치만을 이용하여 약 91.25%의 정확도로 도로의 표면을 분류해 내는 것을 볼 수 있었다.

• Journal of Korean Society of Transportation
• /
• v.20 no.5
• /
• pp.131-144
• /
• 2002

도로의 그룹핑(Grouping)이란 도고 계획, 설계, 관리, 조사 계획 및 정비 방침 등을 세우기 위해 유사한 성격의 도로 구간을 군집화하는 방법이다. 기존에 일반적으로 적용되고 있는 도로 그룹핑 방법은 그룹 수를 미리 지정함으써 분석가의 주관적 판단이 개입되었고, 그룹핑 변수 선정에 대한 근거가 부족하였다. 이에 본 연구에서는 기존에 일반적으로 적용되고 있는 도로 그룹핑 방법을 개선하여 새로운 방법론을 제시하였다. 또한 새로 제시된 방법론의 검증을 위해 도로 교통량 통계연보에서 제공하고 있는 일반국도의 2000년 294개 상시조사 지전의 교통량 자료를 이용하여 분석하였다. 연구 결과 기존의 월, 요일 변동계수만을 적용한 그룹핑 방법보다는 기타 교통지표(AADT, $\Sigma$K1000(K값의 상위 1000번 순위까지의 누적 값), 중차량 비율, 주야율)를 동시에 적용할 때 좀 더 효율적이면서 세부적으로 분류됨을 알 수 있었다. 또한 기타 교통지표론 적당한 그룹핑 결과로는 5그룹의 국도 기능 분류가 가능함을 알 수 있었다. 그 결과 기존의 소재지역과 기능에 따른 국토의 구분을 지방 산업도로 그룹, 지역 간선도로 그룹, 대도시 주변형 도로 그룹, 중소도시 주변형 및 관광도로 그룹, 관광도로 그룹으로 분류할 수 있었다. 본 연구에서의 도로 그룹핑 결과에 각 지역특성을 추가하여 분석한다면 도로의 계획, 선계, 관리 등에 매우 유용한 자료로 활용되리라 예상한다. 또한 본 연구의 결과를 이용하면 좀 더 효율적으로 설계시간계수 선정, 전역 조사 지점의 AADT추정, 상시 교통량 조사 자료의 누락 데이터 보정 및 교통량 조사의 스케줄링에 많이 활용할 수 있을 것으로 기대된다.

• The Journal of The Korea Institute of Intelligent Transport Systems
• /
• v.17 no.2
• /
• pp.32-38
• /
• 2018

Studies on classification of national roads have been continued, but there is little research on the classification of urban arterial roads. Due to the increase of traffic volume, urban arterial roads do not perform well as main roads. In this paper, the function of urban arterial road was established by using cluster analysis using traffic characteristics. Traffic characteristics such as traffic volume, weekend coefficient and speed coefficient were used to establish the functions of 55 main arterial roads in Seoul. The results of this paper are compared with those of the method using AADT. The method using AADT classifies the characteristics according to the traffic volume of the whole lane. In this paper, however, the results are derived using the traffic volume per lane reflecting the actual traffic volume. In addition, the functional classification of the arterial roads in Seoul was compared with the results of this paper to verify that the traffic characteristics were reflected. As a result, the method presented in this paper is more effective in showing traffic characteristics than the current highway functional classification method, and the functional classification system will be helpful for road extension and planning design.

• Journal of the Korean Association of Geographic Information Studies
• /
• v.24 no.3
• /
• pp.73-82
• /
• 2021

Rural roads are the significant infrastructure for developing and managing the rural areas, hence the utilization of the remote sensing datasets for managing the rural roads is necessary for expanding the rural transportation infrastructure and improving the life quality of the rural residents. In this research, the two different methods such as image classification and image segmentation were compared for mapping the rural road based on the given high-resolution satellite image acquired in the rural areas. In the image classification method, the deep learning with the multiple neural networks was employed to the given high-resolution satellite image for generating the object classification map, then the rural roads were mapped by extracting the road objects from the generated object classification map. In the image segmentation method, the multiresolution segmentation was employed to the same satellite image for generating the segment image, then the rural roads were mapped by merging the road objects located on the rural roads on the satellite image. We used the 100 checkpoints for assessing the accuracy of the two rural roads mapped by the different methods and drew the following conclusions. The image segmentation method had the better performance than the image classification method for mapping the rural roads using the give satellite image, because some of the rural roads mapped by the image classification method were not identified due to the miclassification errors occurred in the object classification map, while all of the rural roads mapped by the image segmentation method were identified. However some of the rural roads mapped by the image segmentation method also had the miclassfication errors due to some rural road segments including the non-rural road objects. In future research the object-oriented classification or the convolutional neural networks widely used for detecting the precise objects from the image sources would be used for improving the accuracy of the rural roads using the high-resolution satellite image.

• Journal of Korean Society of Transportation
• /
• v.23 no.6 s.84
• /
• pp.7-18
• /
• 2005

Currently, design speed selection is chosen by highway function, terrain type and area type. But some standards in classifing highway function let designer decide design speed in an arbitrary manner and too rough a highway function classification system leads to a road function which can not reflect road design, and some ambiguity of terrain type leads to a road which can not reflect land use pattern. Highway design based on traffic volume level without considering area type can result high construction cost. This research paper provides new highway design standards which are based on the refinement of highway design speed selection procedure. The new design speed is summarized to be determined by a more detailed highway function, terrain type, and area type that were made considering South Korean characteristics. The new highway function is established by adopting highway function reclassification and design volumes and rural town center reclassification and new design standards for terrain type selection are developed in this research by analyzing South Korean GIS Data Base obtained over the national government offices.

• Journal of Korean Society of Transportation
• /
• v.19 no.3
• /
• pp.153-165
• /
• 2001

본 연구에서는 기존의 차종분류기준을 검토하고 현재 건설교통부의 교통량조사를 위한 차종분류기준을 중심으로 문제점을 파악하여 이를 해결할 수 있는 개선된 차종분류기준을 제시하였다 제시된 차종분류기준은 차종별로 조사된 교통량의 이용목적에 맞도록 현행 차종분류기준의 문제점을 개선하는 방향으로 구성하였다. 제시된 차종분류기준은 승용차, 버스, 화물차로 구분되며 화물차는 트럭, 세미트레일러, 트럭트레일러로 구분되어, 차량의 제원과 재차인원 및 적재중량을 고려해 도로포장과 교통류 해석에 이용되도록 14종으로 제시하였다 제 시된 차종분류기준은 차종별 교통량의 이용목적에 맞도록 재구성되어 활용될 수 있으며 따라서 도로교통량 통계연보의 활용도를 제고하게 될 것이다.

• International Journal of Highway Engineering
• /
• v.12 no.4
• /
• pp.47-51
• /
• 2010

A vehicle classification data is essential for traffic road planning and pavement. In this study, the vehicle height, vehicle criteria for classification applied to measure the height of the car driving has devised a way to install equipment. It is capable of measuring the vehicle height was confirmed to field experiments, the measurement system is obtained to the vehicle length and height data. In this experiment, results showed the accuracy of 88.6% compared to classification data using the discriminant function obtained from video replaying. The height of vehicle applying the classification criteria can be utilized to determine the vehicle class.

• Proceedings of the Korean Institute of IIIuminating and Electrical Installation Engineers Conference
• /
• 2008.05a
• /
• pp.263-266
• /
• 2008

입력신호인 도로표면의 화상 데이터는 낮 시간대의 아스팔트 포장 도로면을 촬영하여 도로표면 상태의 화상을 만들었고, 편광 및 웨이블릿 변화(Wavelet transform)으로 도로 표면을 5가지의 상태(건조, 습윤, 수막, 적설, 동결)로 인식할 수 있는 분류기준절차를 연구하였다. 표면 화상 인식 과정은 편광계수에 의한 젖은 땅으로 분류한 후, 다음으로 젖은 땅을 제외한 나머지는 웨이블릿 패킷 변환을 통해 시간-주파수 분석을 하였다. 또한 영상 템플릿을 이용하여 마른 땅과 빙판의 표준적인 주파수 특성을 분석하여, 마른 땅과 빙판을 구분하였다. 도로표면영상에서 마른 부분과 젖은 부분을 구분한 결과를 정리하였다.

• Proceedings of the KSRS Conference
• /
• 2009.03a
• /
• pp.350-353
• /
• 2009

본 논문에서는 국토모니터링 기술의 한 부분으로서 도로 지역에 대한 효율적인 실시간 교통모니터링을 위해 도로상의 차량 정보를 LiDAR 데이터로부터 취득하는 과정을 실험하였다. 도로영역의 데이터를 추출하기 위해서 좌표 변환된 수치지도와 LiDAR 데이터를 이용하였고, 국지적 임계치 필터링을 사용하여 추출된 도로영역의 데이터를 차량과 도로의 자료로 분리시키는 작업을 수행하였으며, 추출된 차량의 포인트들을 이용하여 차량을 표현할 수 있는 기본 속성값을 추출하였다. 마지막으로, 분리된 차량의 포인트에 대해서 MDC(Minimum Distance Classification) 클러스터링를 이용하여 차량의 종류를 분류하였다. 결과적으로 본 연구를 통하여 차량인식과 차량의 종류에 대한 분류를 수행할 수 있음을 확인하였다.