• 한국ITS학회 논문지
• /
• 제3권1호
• /
• pp.31-44
• /
• 2004

최근 몇 년간 도시교통문제의 해결책으로 부각되어온 지능형교통체계(ITS : Intelligent Transport System)의 한 분야로 첨단여행자 정보체계(ATIS : Advanced Travellers Information System)는 자동차에 장착된 항법장치(CNS)를 통해 운전자에게 원하는 목적지까지 최적경로를 제공하거나 경로에 대한 통행시간 정보를 제공 또는 예측해 주는 시스템이다. 본 연구에서는 이러한 최적경로 제공이나 통행시간 예측에 있어 좀 더 효율적인 통행시간 예측모형을 개발하고자 하였다. 현재까지의 통행시간 예측은 운전자가 통행을 시작할 때의 교통상황에 대한 정보이기 때문에 운전 중에 달라지는 교통상황을 반영할 수 없어 이로 인해 운전자가 경험하는 통행시간과 큰 차이를 발생시킬 수 있다. 본 연구에서는 이러한 불합리적인 예측시스템을 개선시킬 수 있는 예측된(predicted) 통행시간 예측 모형을 개발하고자 하였다. 이를 위해 우선 통행시간 예측모형을 특정링크에 적용시켜 모형들의 예측치와 실제 통행시간을 비교하여 교통량 흐름 패턴에 따라 어느 모형이 적합한지, 또 예측시간이 달라짐에 따라 모형들의 적합도와 첨두와 비첨두시 예측시간 간격에 따라 예측치와 실측치의 오차율을 알아보았다, 이를 통해 선정된 확률과정 모형과 칼만 필터링 예측모형을 서울시의 4개축에 대해서 다시 적용해 보았다. 그 결과 단기통행시간 예측에 있어서는 칼만필터링모형이, 장기 통행시간 예측에 있어서는 확률과정 모형이 통행시간 예측에 있어 우수한 모형임을 밝혀냈다. 마지막으로 서울시 28개 교통축의 5분 후 통행시간 예측에 칼만필터링 모형을 이용하여 오차분석을 적용하여 보았다. 그 결과 칼만필터링 모형이 신뢰할 만한 오차율을 보였다.

• 대한교통학회지
• /
• 제16권4호
• /
• 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.

• 대한토목학회논문집
• /
• 제33권6호
• /
• pp.2465-2471
• /
• 2013

현재까지 통행시간 예측과 관련된 다양한 연구들이 수행되었지만, 한국고속도로 특성에 맞는 예측방법론에 대한 실증연구는 부족한 실정이다. 이에 본 연구에서는 실제 통행시간을 기반으로한 DSRC 자료를 바탕으로 한국고속도로에 적절한 예측방법론을 도출한다. 경부고속도로 안성 JC~오산IC 구간의 24시간 DSRC 자료를 이용하며 단주기 통행시간 예측 및 비선형 관계에서 높은 정확도를 보이는 인공신경망 기법을 적용한다. 이어서 랜덤난수를 이용한 통행시간 예측결과의 정확도 검증을 실시한다. 통행시간 예측결과 오차율이 약 4%로 우수한 예측력을 보였으며, 이는 패턴기반 인공신경망 예측시 이력자료의 전처리 과정과 최적의 입력층 및 은닉층의 선정으로 인한 결과로 판단된다. 통행시간 예측결과의 검증을 위해서 랜덤난수를 이용하였으며, 랜덤난수가 이력자료 패턴에 포함되지 않은 경우 실측치와의 오차율이 18.98%로 높게 도출되었다. 이는 인공신경망을 이용한 통행시간 예측시 패턴DB가 예측의 정확도에 주요하게 작용한 결과로 판단된다. 본 연구의 결과를 통해서 한국고속도로 특성에 맞는 통행시간 예측 및 정보제공이 가능할 것으로 판단된다.

• 대한교통학회지
• /
• 제26권5호
• /
• pp.131-141
• /
• 2008

고속도로에서의 지점검지체계로부터 수집 가공 처리된 과거 통행시간 이력자료를 이용한 통행시간 예측시, 사용되는 대표값과 과거 데이터량에 따라 예측의 정확성이 결정되나 이에 대한 체계적인 연구가 없는 실정이다. 따라서 본 연구의 목적은 신뢰성 있는 통행시간 예측을 위해 통행시간 이력자료의 적정 대표간과 과거 데이터량을 결정하기 위한 방법론을 제시하였다. 과거 통행시간 이력자료의 적정 대표값은 예측오차의 평균이 가장 적은 대표값을 선정할 수 있으며, 적정 과거 데이터량은 비슷한 속성을 가진 과거 통행시간 이력자료의 개별간의 차이 또는 집단 간의 차이를 최소화하는 CVMSE(Cross Validated Mean Square Error)방법을 이용하여 결정할 수 있다. 한국도로공사의 고속도로 지점검지기 자료에 적용한 결과, 적절 대표값은 중앙값으로 분석되었으며, 통행시간 예측을 위한 적정 과거 데이터량은 60일로 분석되었다.

• 대한교통학회지
• /
• 제22권7호
• /
• pp.169-175
• /
• 2004

본 논문은 일반국도 실시간 통행시간 정보제공을 위한 동적 통행시간 예측모형을 개발했다. 교통정보 제공을 위한 통행시간 예측에 관한 기존의 많은 연구가 있었지만, 우리나라에서 일반국도에 대한 통행시간 예측모형은 아직 없었다. 통행시간 예측을 위해 현재 일반국도 1호선에 약 10km 간격으로 연속하여 설치된 AVI자료를 이용했고, 예측모형 평가를 위한 통행시간 기준값 수집을 위해 프로브차량을 이용했다. 본 논문에 사용된 일반국도 1호선 구간은 잦은 유출 입 지점으로 인해 원시 AVI 자료에 많은 이상치가 관측되었다. 이러한 이상치를 제거하기 위해 저자가 제안한 알고리즘을 사용하여 이상치를 제거한 후, 칼만필터링 알고리즘을 이용하여 통행시간을 예측했다. 수집주기를 달리하여 예측모형을 평가한 결과 5분, 10분, 15분 수집주기에 대해서는 MARE가 $0.061{\sim}0.066$로 비슷하게 나왔고, 30분 수집주기는 0.078로 나와 다소 높은 오차율을 나타냈다.

• 대한교통학회지
• /
• 제21권5호
• /
• pp.83-95
• /
• 2003

본 연구는 차량검지기 데이터를 이용한 통행시간 추정 및 예측에 관한 수집기법 및 추정·예측기법의 고찰을 통해 고속도로 환경에 적합한 통행시간 추정 및 예측모형을 개발하는 데 목적이 있다. 먼저, 기존 통행시간 추정기법의 고찰을 통해 차량검지기에서 수집되는 교통데이터 중 교통류의 변동을 민감하게 포착할 수 있는 교통량을 이용한 통행시간 추정모형을 정립하고자 하였다. 기존방식인 차량검지기 속도 데이터를 이용한 통행시간과 본 연구에서 제안한 추정모형과의 비교 분석을 위해, 실측치에 거의 근사하는 통행료 징수시스템의 출발지기준 통행시간을 이용하여 통행시간 산출기법의 적용성 평가를 수행한 결과, 고속도로 구간의 혼잡시 본 연구모형에 의한 통행시간 산출방식이 기존방식보다 신뢰성있는 통행시간을 제공할 수 있는 것으로 나타났다. 따라서, 본 연구에서는 고속도로 구간의 차량통과속도가 70km/h이상일 때는 기존 차량검지기 속도데이터를 이용한 통행시간 산출방식을 적용하고 혼잡시에는 교통량을 이용한 추정모형에 의한 통행시간 산출방식을 병용하여 적용하는 것이 타당하다는 결론을 도출하였다. 통계적 모형을 이용한 교통상황의 예측과 보다 정확한 통행시간을 예측하기 위해 본 연구에서 칼만필터를 이용한 단기 예측을 수행해 본 결과, 시시각각 변화하는 고속도로의 교통류에 대해 예측력이 우수한 것으로 판단되었다.

• 대한교통학회지
• /
• 제22권6호
• /
• pp.109-120
• /
• 2004

1990년대 후반부터 구간 검지기를 이용한 링크통행시간 추정에 필요한 최소 표본수와 링크 및 경로 통행시간 추정과 예측을 위한 적정 집계간격에 대한 연구가 폭넓게 진행되어 왔다. 그러나 루프(지점)검지기를 이용한 교통정보수집체계의 경우, 합리적인 검증 없이 선정된 1분~5분의 집계간격을 이용하고 있다. 본 연구의 목적은 지점검지기인 루프검지기를 이용하여 통행시간자료를 수지하는 경우, 링크 및 경로 통행시간 추정과 예측을 위한 적정 집계간격 결정 모형을 개발하고 현장의 자료에 적용하는 것이다. 본 논문은 링크 및 경로 통행시간 추정을 위한 적정 집계간격 결정 모형으로 CVMSE(Cross Validated Mean Square Error)방법을 이용하였으며, 링크 및 경로 통행시간 예측을 위한 적정 집계간격 결정 모형으로는 FMSE(Forecasting Mean Square Error)를 적용하였다. 개발된 방법론은 경부고속도로의 루프이터에 적용되었다. 적용결과 링크 및 경로 통행시간 추정을 위한 적정 집계간격은 3분~5분으로, 링크 및 경로 통행시간 예측을 위한 적정 집계간격은 10~20분으로 분석되었다.

• 한국ITS학회:학술대회논문집
• /
• 한국ITS학회 2005년도 제4회 추계학술대회 및 정기총회
• /
• pp.197-202
• /
• 2005

• 대한교통학회지
• /
• 제18권3호
• /
• pp.55-76
• /
• 2000

실시간 통행시간관련자료의 집계시간간격은 보다 신뢰성있는 통행시간정보제공과 교통정보센터의 효율적인 운영을 위해 매우 중요한 요소이다. 그러나 대부분의 기존 VDS 및 TCS교통정보 데이터는 통계학적·공학적 차원에서의 합리적인 연구나 검증없이 경험적 간격으로 집계되고 있다. 본 연구의 목적은 링크 및 교통축(Corridor) 통행시간 산정 및 예측시의 최적 집계 시간간격을 결정할 수 있는 통계학적 모형을 개발하고 실제 도로망에서 수집되는 통행시간자료에 적용하는 것이다 첫째로, 본 연구는 링크 및 교통축 통행시간 산정 및 예측으로 인한 오차를 계량화하는 통계학적 모형을 제시하고, 제시된 모형의 의미를 교통류이론 측면과 통행시간정보 이용자측면에서 살펴보았다. 둘째로, 미국 Texas, Houston의 도시고속도로에서 AVI시스템을 통해 수집된 통행시간자료를 제시된 모형에 적용하였다. 적용결과 링크통행시간 산정을 위한 최적 집계시간간격보다 링크통행시간예측을 위한 최적 집계시간간격이 큰 것으로 나타났으며, 교통축 통행시간 산정 및 예측을 위한 최적 집계시간간격은 교통축을 구성하는 링크간의 상관관계 (Correlation)에 큰 영향을 받는 것으로 분석되었다.

• 대한교통학회지
• /
• 제18권3호
• /
• pp.43-54
• /
• 2000

이 연구는 버스정보 시스템 설계에 필요한 운행시격 결정과 통행시간 예측을 위한 알고리즘 개발을 다룬다. 운행시격 결정 문제는 버스와 같은 대중교통 수단을 운영하는데 중요한 요소 중에 하나이다. 기존 연구는 버스 운행비용과 승객비용의 합을 최소로 하는 운행시 격을 찾는데 초점을 두고 이다. 이때 승객비용이란 승객 대기비용과 승객 교통비용의 합으로 이루어진다. 그런데 우리나라와 같이 버스회사 수입이 전액 운행수입에만 의존하는 경우엔 이러한 접근 방식이 타당하지 않다. 기존의 방식과 다르게 승객비용으로 승객 이탈비용을 사용하여 버스의 최적 운행시 격을 구하는 것이 이 연구의 목적이다. 먼저 정류장이 하나인 경우에 대해 해석적 방법으로 풀고, 정류장이 여러 개인 경우에 대해서는 시뮬레이션 기법을 적용한다. 또한 이 연구는 신뢰성이 높고 정확한 통행시간 예측정보를 산출하기 위해 2 단계 예측 기법과 전문가시스템을 이용하는 자료융합 알고리즘을 개발한다. 정확한 정보를 제공하려면 교통정보 수집원을 통해 얻는 자료가 정확해야 하고, 또한 교통상황 변화에 따라 실시간으로 통행시간을 예측하는 것이 필요하다. 이 연구는 AVL(Automatic Vehicle Location)시스템을 이용한 버스정보시스템에서 실시간 데이터와 과거 데이터를 융합하여 통행시간을 예측하는 알고리즘을 개발한다. AVL 데이터를 수집하는 과정에서는 경제성을 고려하여 데이터를 수집한다. 그리고, 버스의 운행관리와 정확한 도착예정시간을 예측하기 위해 AVL시스템을 통해 얻은 데이터의 패턴을 분석하고 유고상황을 감지한다.