• Proceedings of the KOR-KST Conference
• /
• 1999.10a
• /
• pp.217-222
• /
• 1999

• The Journal of The Korea Institute of Intelligent Transport Systems
• /
• v.2 no.1 s.2
• /
• pp.63-73
• /
• 2003

COSMOS(Cycle, Offset, Split Model for Seoul), a real-time traffic adaptive signal system. estimates queue lengths on each approach on the basis of arithmetic average spot speeds calculated on loop detectors installed at each of two adjacent lanes. In this paper, A new method, a traffic volume-weighted average method, was studied and compared with the existing arithmetic average method. It was found that the relationship between the ratio of volumes of two lanes and the difference of average speed of each lane has a linear form. With field data, The two methods were applied and the proposed method shows more stable and reasonable queue estimation results.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2007.11a
• /
• pp.290-292
• /
• 2007

현재 한국도로공사에서 운영하는 고속도로 교통관리시스템(FTMS)과 우회도로 교통정보시스템(ARTIS)은 차량 검지 장치와 CCTV 를 통해 실시간 교통 자료를 수집하고, 도로전광표지(VMS), 방송, 인터넷 등 다양한 매체로 교통 정보를 제공하는 시스템이다. 이러한 시스템들은 매일 도로에서 수집되는 엄청난 양의 교통 자료를 실시간 교통 정보 제공하는데 목적을 두고 있어, 교통 자료를 가공하고 처리하여 분석을 수행하는 연구 환경을 제공하는데 어려움이 많다. 본 논문에서는 여러 시스템으로부터 대용량의 교통 자료를 가져와 하나의 통합 데이터베이스로 구축하고, 이를 통해 얻은 교통 이력 자료를 연구할 수 있는 환경을 제안한다.

• Journal of Korean Society of Transportation
• /
• v.23 no.4 s.82
• /
• pp.57-69
• /
• 2005

The goal of this paper is to develop freeway Origin-Destination (OD) demand estimation model using real-time traffic data collected from Freeway Traffic Management System (FTMS). In existing research, the micro-simulation models had been used to get a link distribution proportion by time process. Because of hi-level problem between the traffic flow model and the optimal OD solution algorithm, it is difficult for the existing models to be loaded at FTMS. The formulation of methodology proposed in this paper includes traffic flow technique to be able to remove the bi-level problem and optimal solution algorithm using a genetic algorithm. The proposed methodology is evaluated by using the real-time data of SOHAEAN freeway, South Korea.

• Proceedings of the KOR-KST Conference
• /
• 1996.12a
• /
• pp.17-40
• /
• 1996

본 연구에서는 거시적 연속교통류 모형에 바탕을 둔 도시고속도로로 시뮬레이션모형의 개발이 시도되었다. 이 모형은 simple continuum model에 통행수요모형 기능을 강화시킨 것으로서 기존 연속교통류 시뮬레이션모형의 단점을 개선하였다. 제안된 시뮬레이션모형은 정산과정을 거쳐 미국 도시고속도로에서 수집한 현장자료에 의해 평가되었다. 특히 링크의 목적지별 차량대수 추정, 실시간 O-D추정의 문제가 확장칼만필터의 형태로 접근되었으며, 개발된 시뮬레이션모형을 ATMS전략에 활용하는 방안이 개발·평가되었다. 이들 전 과정을 통합한 모수적응적 모형(Parameter Adaptive Model)에 의해 교통량을 실시간으로 예측(Real time traffic prediction)하는 방법을 제안하였으며 현장자료에 의해서 평가되었다.

• Journal of Korean Society of Transportation
• /
• v.15 no.3
• /
• pp.111-130
• /
• 1997

교통수요가 용량보다 많아지면 신호교차로가 모든 교통량을 통과시키지 못하므로 시간이 갈수록 대기 행렬이 점점 길어질 것이다. 이러한 과포화상태에서는 늘어나는 대기행렬을 조절하지 못하면 결국에는 Spillback이 상류 교차로로 확대되어 최악에는 교차로에서의 모든 방향의 움직임을 정지시키는 Gridlock상태로까지 악화될 수 있다. 따라서 과포화 상태에서는 비포화 상태와는 달리 늘어나는 대기 행렬을 조절하여 통과 교통량을 최대화 시키는 것이 신호처리의 목적 함수가 될 수 있을 것이다. 6월호의 논문에서는 Static 한 상태의 과포화 간선도로를 신호처리에 의해 일정한 대기행렬을 유지하므로써 시스템을 최적화하는 알고리즘을 개발하였다. 그러나 과포화 간선도로의 교통수요는 매 Cycle 마다 Dynamic 하게 변하고, 과포화의 교통상황에서는 미미한 교통 변화가 우리가 염려하는 Spillback 을 야기시킬 수 있기 때문에 본 논문에서는 6월호에서 개발한 알고리즘에 기초하여 실시간으로 신호처리 하는 알고리즘을 개발하였다. 과포화 상태의 5개의 신호교차로를 가진 간선도로를 Simulation 하여 비교한 결과 본 논문에서 개발한 알고리즘이 PASSER II 나 TRANSYT 7F 보다 차량 한 대당 평균 운행시간이 각각 30%, 20% 줄어들었다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2022.01a
• /
• pp.319-320
• /
• 2022

교통량이 증가됨에 따라 높아지는 사고율을 줄이기 위해 효율적이며, 다양한 교통 위반 단속이 요구되고 있다. 기존의 유무인 교통법규 위반 단속 시스템의 도입으로 단속 구역 확대를 시도하고 있으나 높은 비용의 문제로 한정된 지역에서만 실시되고 있다. 해당 문제 해결을 위해 본 논문에서는 딥러닝 실시간 객체인식기술을 적용하여 차량의 교통법규 위반을 인식하며 이에 대한 정보를 제공하는 시스템을 개발하였다. 실시간 객체인식 알고리즘인 YOLOv4와 실시간 객체추적기술인 deepSORT 알고리즘을 데스크톱 PC에 적용하여 구현하였다. 개발한 시스템은 과속, 버스 전용 차로, 주정차, 급속 다차선 변경에 대한 인식 결과를 제공한다. 기존 설치된 CCTV 영상을 대상으로 시스템 적용이 가능하여 저비용으로 넓은 지역에 대한 교통법규 위반 상황 인식을 기대할 수 있다.

• Journal of Korean Society of Transportation
• /
• v.17 no.2
• /
• pp.91-103
• /
• 1999

이 연구는 자동 차량위치 측정기법(Automatic Vehicle Location, AVL)을 이용해서 수집한 교통상황자료를 가지고 구간 통행시간을 산출하는 알고리즘을 개발한다. AVL기법을 이용하는 경우, 처리해야 할 자료량이 많아서 실시간에 정보를 산출하는 것이 힘들다. 따라서 이 연구는 처리해야 할 자료량을 가능한 한 줄이고 자료량이 적은 경우에도 효율적인 구간통행시간을 산출하는 알고리즘을 제시한다. 이 연구의 방법론은 크게 4가지인데, 첫째, 해석 기법, 둘째, 회귀분석, 셋째, 인공지능 및 전문가 시스템, 넷째, 통계분석이다. 이 방법론을 이용해서 세 단계 알고리즘을 개발하는데, 첫째는 실시간 분석통계 알고리즘, 둘째는 과거자료분석 알고리즘, 셋째는 자료응합 알고리즘이다. 이 알고리즘 가운데 자료융합 알고리즘 결과가 산출하고자 하는 구간 통행시간이다. 실시간 분석통계 알고리즘은 연속하는 세 개 구간의 통행 패턴을 이용해서 가운데 구간의 통행시간을 산출하는 방법을 제시한다. 또 실시간 분석통계 알고리즘으로 산출하지 못한 구간은 인접구간 상관도 정보를 이용해서 구간통행시간을 추정한다. 과거자료분석 알고리즘은 회귀분석을 이용해서 시간대별 통행시간 평균과 분산을 구하고, 이 결과를 바탕으로 인접구간 상관도 정보를 오프라인으로 구하는 알고리즘이다. 자료융합 알고리즘은 2가지 단계를 거치는데, 그것은 실시간 자료융합과 최종 자료융합이다. 실시간 자료융합은 실시간에 가까운 자료원의 실시간 분석통계 알고리즘 결과 패턴과 인접구간 상관도 정보를 이용한 구간통행시간 추정 결과를 이용해서 패턴에 따라 다른 방법으로 융합을 하는 알고리즘을 개발한다. 최종 자료융합은 실시간 자료융합 결과와 회귀분석 결과의 패턴을 이용해서 구간 통행시간을 산출한다. 이 연구를 기존 연구와 비교할 때, 세 가지 독차성이 있다. 첫째는 연속하는 세 구간 통행 패턴을 분석하였기 때문에 기존의 노드의존 방식을 탈피하였다는 점이다. 따라서 자료량이 적은 경우도 믿을만한 통행시간을 산출할 수 있다는 것이다. 둘째는 인접구간 상관도 정보를 구간통행시간 산출에 이용하였기 때문에 자료를 효율적으로 이용할 수 있다는 점이다. 셋째는 자료원 패턴을 분류하고 전문가 시스템을 이용하여 자료융합 하였기 때문에 수행속도가 빠르고, 신뢰성있는 정보를 제공한다는 점이다. 이 연구는 개발한 알고리즘 정확도를 검증하기 위해서 두 가지 검증방법을 이용하였다. 첫째는 시뮬레이션을 이용한 것이고, 둘째는 실제 주행조사 분석을 이용한 것이다. 두 가지 검증 결과는 알고리즘 정확도를 보여준다.

• Journal of Korean Society of Transportation
• /
• v.16 no.4
• /
• pp.21-32
• /
• 1998

인공신경망을 이용하여 고속도로 교통량을 예측함에 있어, 입력요소에 따른 예측력의 차이를 분석하였다. 입력요소의 차이는 크게 공간적 지점의 차이와 시간적 시점의 차이로 구분하였다. 우선 공간적 지점에 관한 입력요소로는 두 가지 경우를 가정하였는 바, 그 하나는 상류지점의 교통량만을 입력요소로 사용한 경우이며, 나머지는 목표지점에 대한 상.하류지점의 교통량을 입력요소로 사용한 경우이다. 시간적 시점의 관점에서는 단일시점과 다중시점으로 입력요소를 구분하였다. 경부고속도로 FTMS자료를 이용하여 분석한 사례연구의 결과, 미래 시점의 교통량을 예측할 때 모형의 입력요소로 상류지점의 교통량만을 단독으로 사용했을 때보다 상.하류지점의 자료를 사용했을 때 예측력은 훨씬 높아지는 것으로 분석되었다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2007.11a
• /
• pp.47-49
• /
• 2007

교통정보수집 시스템이란 CCTV나 웹캠을 통해 얻어진 영상을 토대로 차선별, 혹은 주행방향별 교통량과 통과 차량들의 속도를 실시간으로 측정하는 시스템이다. 차선별로 각각 두 개의 라인을 설정하고 이를 이용하여 차선별 속도와 교통량을 측정한다. 이 때 차선별로 설정된 두 라인에 해당하는 영역에 대해서 배경 값을 지속적으로 갱신한다. CCTV와 웹캠을 이용하여 수집한 영상을 실험에 사용한 결과 평균 86.2%의 차선별 주행차량 검지율을 보였으며, 검지된 차량들을 차선별 방향별로 구분하여 평균 속도를 측정하였다.