• Proceedings of the Korean Information Science Society Conference
• /
• 2010.06a
• /
• pp.38-39
• /
• 2010

수도권 대중교통 이용자는 2004년 서울시의 대중교통 체계 개편에 따라 교통 카드를 사용하여 버스와 지하철을 이용하게 되었다. 교통 카드를 사용하는 각 승객의 승차와 하차에 관한 데이터가 하나의 트랜잭션으로 구성되고, 하루 천만 건 이상의 트랜잭션들로 구성된 대용량 교통카드 트랜잭션 데이터베이스가 만들어지고 있다. 대중교통을 이용하는 승객들의 승차와 하차에 관한 여러 정보를 담고 있는 교통카드 트랜잭션 데이터베이스에서 유용한 패턴이나 정보를 탐사해내는 연구가 계속 진행되고 있다. 이런 연구 결과는 수도권 대중교통 정책을 입안하는데 중요한 기초 자료가 되고 수도권 승객들에게 대중교통을 보다 잘 이용할 수 있는 정보로 제공된다. 교통카드 이용률은 2006년 79.5%, 2007년 80.3%, 2008년 81.6%로 점차적으로 증가하고 있다. 대용량의 교통카드 트랜잭션 데이터베이스에 대한 연구를 살펴보면 하루 동안의 교통카드 트랜잭션 데이터베이스에서 순차 패턴을 탐사하는 알고리즘을 연구하였고[1], 승객들의 통행 패턴에 대한 분석연구를 확장하여 일 년에 하루씩 2004년에서 2006년까지 3일간의 교통카드 트랜잭션 데이터베이스로부터 승객 시퀀스의 평균 정류장 개수와 환승 횟수 등을 연도별로 비교하였다[2]. 수도권 지하철 시스템의 특성에 관한 연구로는 네트워크 구조 분석이 있었고[3], 승객의 기종점 통행 행렬(Origin-Destination trip matrix)에 의한 승객 흐름의 분포가 멱함수 법칙(power law)임을 보여주는 연구가 있었고[4], 지하철 교통망에서 모든 링크상의 승객들의 흐름을 찾아내는 연구가 있었다[5]. 본 논문에서는 교통카드 트랜잭션 데이터베이스에서 지하철 승객들의 통근 패턴을 탐사해내는 방법을 연구하였다. 수도권 지하철 네트워크에 대한 정보를 입력하고 하루치의 교통카드 트랜잭션 데이터베이스에 연구된 방법을 적용하여 8가지 통근 패턴들을 탐사해내고 분석하였다. 탐사된 패턴들 중에서 많은 승객들이 지지하는 출퇴근 패턴에 대해서는 시간대별로 승객수를 그래프로 보여주었다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2006.05a
• /
• pp.341-344
• /
• 2006

유고란 도로상에서 교통량의 주기적인 집중에 의한 혼잡과는 구별되는 개념으로 교통사고, 도로보수 그리고 자연재해와 같은 비 반복적인 정체의 상황을 일컫는다. 이러한 유고는 막대한 통행시간이 추가로 발생하고 연료소모, 환경피해 등의 문제가 발생하므로 이러한 교통손실을 최소화하기 위하여 자동유고감지 알고리즘의 개발이 필수적이다. 이를 위하여 현재 다양한 검지기에서 수집된 교통 데이터를 바탕으로 유고를 감지하는 연구가 많이 진행되고 있다. 본 논문에서는 각종 유고 상황을 인지하여 제2의 사고를 예방할 수 있는 효율적인 유고감지 알고리즘을 개발하기 위하여 퍼지논리와 패턴을 함께 사용하였다. 먼저 퍼지논리와 패턴에 사용되는 데이터는 루프 검지기에서 5분 마다 수집된 교통정보(교통량, 점유율, 속도)를 이용하였다. 교통정보를 이용하여 구축된 요일 및 시간대별 패턴과 함께 퍼지논리를 이용하여 도출된 유고 소속도를 가지고 유고를 감지하였다.

• KIISE Transactions on Computing Practices
• /
• v.21 no.1
• /
• pp.19-28
• /
• 2015

In this paper, we proposed an algorithm for the identification of relieving or worsening current traffic congestion using historic traffic congestion patterns. Historical congestion patterns were placed in an adjacency list. The patterns were constructed to represent spatial and temporal length for status of a congested road. Then, we found information about historical traffic congestions that were similar to today's traffic congestion and will use that information to show how to change traffic congestion in the future. The most similar pattern to current traffic status among the historical patterns corresponded to starting section of current traffic congestion. One of our experiment results had average error when we compared identified changes of the congestion for one of the sections in the congestion road by using our proposal and real traffic status. The average error was 15 minutes. Another result was for the long congestion road consisting of several sections. The average error for this result was within 10 minutes.

• Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography
• /
• v.33 no.4
• /
• pp.287-296
• /
• 2015

Recent navigation systems provide quick guide services, based on processing real-time traffic information and past traffic information by applying predictable pattern for traffic information. However, the current pattern for traffic information predicts traffic information by processing past information that it presents an inaccuracy problem in particular circumstances(accidents and weather). So, this study presented a more precise predictive traffic information system than historical traffic data first by analyzing route search data which the drivers ask in real time for the quickest way then by grasping traffic congestion levels of the route in which future drivers are supposed to locate. First results of this study, the congested route from Yang Jae to Mapo, the analysis result shows that the accuracy of the weighted value of speed of existing commonly congested road registered an error rate of 3km/h to 18km/h, however, after applying the real predictive traffic information of this study the error rate registered only 1km/h to 5km/h. Second, in terms of quality of route as compared to the existing route which allowed for an earlier arrival to the destination up to a maximum of 9 minutes and an average of up to 3 minutes that the reliability of predictable results has been secured. Third, new method allows for the prediction of congested levels and deduces results of route searches that avoid possibly congested routes and to reflect accurate real-time data in comparison with existing route searches. Therefore, this study enabled not only the predictable gathering of information regarding traffic density through route searches, but it also made real-time quick route searches based on this mechanism that convinced that this new method will contribute to diffusing future traffic flow.

• 한국ITS학회:학술대회논문집
• /
• 2003.11a
• /
• pp.142-147
• /
• 2003

• Journal of Korea Spatial Information System Society
• /
• v.9 no.1
• /
• pp.79-90
• /
• 2007

In this paper we proposed and implemented an incident detection model which combines fuzzy algorithm and traffic pattern in order to enhance the efficiency of incident detection for the highways with lamps. Most of the existing algorithms dealt with highways without lamps and can not be used for detecting incidents in the highways with lamps. The data used for model building are traffic volume, occupancy, and speed data. They have been collected by a loop sensor at 5 minutes interval at a point in the Internal Circular Highway of Seoul for the period of 3 months. In this model, the three parameters collected by sensor were fuzzified and combined with the daily traffic pattern of the link. The test of efficiency of the propsed model was performed by comparing the result of proposed model with traditional APID algorithm and fuzzy algorithm without the pattern data respectively. The result showed significant amount of improvement in reducing the false incident detection rate by 18%.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2014.01a
• /
• pp.347-348
• /
• 2014

최근 급증하는 교통 혼잡으로 인해 시간적/물질적 손실이 크게 발생하고 있다. 이러한 교통난 해소는 시설투자만으로는 근본적인 해결책이 될 수 없다는 판단 하에 지난 수년간 보다 정확한 교통량을 예측하기 위해 시계열 기반의 다양한 교통량 예측 모델들이 개발 되어 왔다. 그러나 시계열 기반의 모델들은 회귀분석을 통해 과거 교통량을 분석하고 과거의 교통패턴이 미래에도 지속적으로 연장된다는 가정 하에 연구되었기 때문에 실시간으로 급변하는 불규칙한 교통 패턴에 대한 예측의 신뢰성을 떨어트린다. 또한 시계열 기반의 예측 기법은 어떠한 회귀분석 모델을 사용하는지에 따라 성능의 차이가 많이 나타나기 때문에 회귀분석 모델 선택이 중요하다. 이러한 제약을 극복하기 위해 본 논문에서는 은닉 마르코프 모델(Hidden Markov model)을 이용해 동적인 교통 패턴에 따라 현재 상황에 맞는 회귀분석 모델을 선택하는 신뢰도 높은 교통량 예측 시스템을 제안한다.

• Proceedings of the Korean Institute of Navigation and Port Research Conference
• /
• 2016.05a
• /
• pp.287-288
• /
• 2016

선박과 선박간의 사고 위험도를 예측하는 교통정보 생성 기술을 해상교통관제센터에 적용하기에는 위험도 정보의 정확성에 한계가 있다. 또한 대상 해역에 대한 교통 패턴을 파악하는 밀집도 및 혼잡도와 같은 교통정보 생성 기술은 위험 우선순위 선박을 도출하는 것이 불가능하다. 복잡한 교통 패턴을 보이는 해상교통관제 해역에서 위험 선박을 인지하여 관제사의 관제 업무를 지원하기 위해서는 새로운 접근이 필요하다. 본 연구에서는 관제대상해역의 교통 상황을 총체적으로 파악하고 위험 선박을 사전에 인지할 수 있는 교통정보 생성을 위해서 기계학습 기법을 검토하였으며, 기존의 인공지능 한계를 극복하기 위한 딥러닝 프레임워크 도입을 검토하였다. 해상교통관제센터의 이미지, 메시지, 음성 등 다양한 형태의 연속적 자료들을 통합하고 이를 토대로 총체적인 분석을 통해 관제 업무를 지원할 수 있는 교통 상황 인지 정보를 생성할 수 있을 것으로 파악되었다. 빅데이터 기반의 기계학습은 보다 의미 있는 상황 인지 정보를 생성할 수 있기 때문에 이를 위한 관제 센터의 각종 데이터 통합이 필요하다.

• Journal of Korean Society of Transportation
• /
• v.22 no.2 s.73
• /
• pp.165-175
• /
• 2004

본 고는 대전광역시 첨단교통모델도시 건설사업의 일환으로 구축된 DSRC(Dedicated Short Range Communication) 기술을 활용한 교통정보시스템 구축 사례를 소개함을 목적으로 한다. 공공부문에서의 구간정보 수집 및 가공 체계 구축은 본 대전 ITS 사업이 처음이며 더욱이 DSRC 기술을 구간정보 수집에 적용한 최초의 시도이다. 이에 시스템 구축과정에서 적지 않은 쟁점이 도출되었고, 많은 시행착오를 통해 그 해법을 찾아가며 현재 운영중인 시스템을 완공하게 되었다. 노변기지국(RSE)과 차량장치(OBE)간의 통신에 의해 수집된 자료는, 필터링, 검지기 지점정보, 패턴데이터 등과의 자료합성, 평활화, 통계정보 및 패턴정보 생성 등의 과정을 거쳐 구간소통정보가 산출된다. 현재 운영중인 본 시스템은 향후 지속적으로 보완 발전시켜 나가야 하며, 이를 위해 프로브 수집체계 보완, 시스템의 성능평가, 패턴데이터의 적절한 유지관리, 알고리즘의 지속적 발전 등을 향후과제로서 제시하였다. 본 고는 ITS사업에 있어 중요 쟁점중에 한 분야인 소통정보의 가공 절차를 공유함으로써, 관련 분야의 기술개발 촉진과 향후 유사시스템 구축의 시행착오를 줄이는데 기여할 수 있으리라 판단된다.

• Proceedings of the Korean Institute of Navigation and Port Research Conference
• /
• 2014.06a
• /
• pp.319-322
• /
• 2014

VTS(Vessel Traffic Center)는 관할해역의 해상교통데이터를 수집하여 해상교통관제를 수행하고 있다. 이러한 해상교통데이터는 가공되지 않는 정보이므로, 관제사 및 선박 등 사용자가 유용하게 활용할 수 있는 형태로의 분석이 필요하다. 이는 객관적인 데이터로 관제사 및 선박에서 해상교통 안전정책을 수립하는데 중요하다. 이를 위해 본 연구에서는 수년간 VTS에 축적되고 있는 BIG DATA를 활용하여 해상교통패턴을 분석하고자 한다. 분석하는 해상교통패턴은 통항분포, 선종별 항적 비교, 예부선의 강 조류 주의구역 판별, 항로상 어선 조업 현황분석 등을 통해 빅데이터를 활용한 관제구역설정, 집중관제구역 검토가 가능하다.