• 한국콘텐츠학회논문지
• /
• 제20권4호
• /
• pp.25-37
• /
• 2020

교통 혼잡으로 인한 사회적 비용이 증가하면서 도로 속도를 예측하기 위한 다양한 연구들이 진행되고 있다. 도로 속도 예측의 정확도를 향상시키기 위해서는 교통 돌발 상황을 고려할 필요가 있다. 본 논문에서는 교통 돌발 상황을 고려한 도로 속도 예측 기법을 제안한다. 제안하는 기법은 연결된 도로들이 미치는 영향을 반영하기 위해서 예측 도로의 속도 데이터 뿐만 아니라 연결된 도로들의 속도 데이터도 이용한다. 또한, 돌발 상황으로 인한 혼잡을 예측하기 위해 속도의 변화량을 분석한다. 연결된 도로와 타겟 도로의 속도 데이터를 LSTM의 입력 데이터로 이용하여 1차적으로 도로 속도를 예측한다. 교통 돌발 상황으로 도로의 규칙적인 흐름이 깨지며 발생하는 예측 오차를 줄이기 위해 이벤트 가중치를 적용하여 최종적으로 도로 속도를 예측한다. 다양한 성능 평가를 통해 제안된 방법의 우수성을 입증한다.

• 한국정보처리학회논문지
• /
• 제6권10호
• /
• pp.2779-2789
• /
• 1999

In this paper, we propose a new neural Buffered Leaky Bucket algorithm for preventing the degradation of network performance caused by congestion and dealing with the traffic congestion in ATM networks. We networks. We justify the validity of the suggested method through performance comparison in aspects of cell loss rate and mean transfer delay under a variety of traffic conditions requiring the different QoS(Quality of Service). also, the cell scheduling algorithms such as DWRR and DWEDF used for multiplexing the incoming traffics are induced to get the delay time of the traffics fairly. The network congestion information from cell scheduler is used to control the predicted traffic loss rate of Neural Leaky Bucket, and token generation rate is changed by the predicted values. The prediction of traffic loss rate by neural networks can effectively reduce the cell loss rate and the cell transfer delay of next incoming cells and be applied to other traffic control systems. Computer simulation results performed for traffic prediction show that QoSs of the various kinds of traffics are increased.

• 인터넷정보학회논문지
• /
• 제1권2호
• /
• pp.29-37
• /
• 2000

ATM은 비동기 시분할 및 통계적 다중화 특성을 기존의 데이터 통신분야에 도입함으로써 멀티미디어를 이용한 다양한 통신을 유연하게 서비스할 수 있다. AIM ABR 서비스는 망의 혼잡상태에 대한 피드백 정보를 활용하여 트래픽을 제어하여 요구되는 서비스 품질을 보장할 수 있으며 최소의 대역폭을 보장하고 가용 대역폭을 최대 셀 전송률까지 높여 전송할 수 있다. 본 논문에서는 ATM 망에서 더욱 효과적인 ABR 트래픽 제어를 위해서 피드백 정보 형성에 큐 길이 예측제어 방법을 적용한다. 스위치에서 발생한 혼잡상황 임박에 대한 피드백 정보가 역방향 노드에 도착하기 위해서 더욱 긴 지연시간을 갖는 경우에, 제어되기 전에 도착되는 트래픽에 의해 스위치에서의 큐 길이는 이미 혼잡상황을 발생할 수 있으며 또한 큐 길이의 시간 대비 변화량이 비효율적으로 크게 된다. 이 논문에서 제시한 피드백 예측 제어방식들은 스위치에서 시간 대비 큐 길이함수의 기울기와 이전의 큐 변화량을 이용하여 스위치의 큐 길이를 미리 예측하였으며, 그 예측을 통한 혼잡상황 정보를 미리 역방향 노드에게 전달한다. 예측 제어방식으로는 NLMS와 신경망 구조를 이용하였으며 두 방식에 대해 비교하였다. 시뮬레이션 결과 본 논문에서 제시한 알고리즘은 예측기능이 없는 피드백 제어 방식에 비해 더욱 효과적임이 증명되었다. 즉, 예측을 통해서 피드백 정보의 긴 지연을 상쇄함을 이용하여. 스위치에서 큐 길이의 안정화와 더욱 효율적인 혼잡제어가 가능할 수 있음을 보여 준다.

• 한국통신학회논문지
• /
• 제22권2호
• /
• pp.259-267
• /
• 1997

The advent of B-ISDN using ATM(asynchronous transfer mode) made possible a variety of new multimedia services, however it also created a problem of congestion control due to bursty nature of various traffic sources. To tackle this problem, UPC/NPC(user parameter control/network parameter control) have been actively studied and DRLB(dynamic rate leaky bucket) algorithm, in which the token generation rate is changed according to states of data source andbuffer occupancy, is a good example of the UPC/NPC. However, the DRLB algorithm has drawbacks of low efficiency and difficult real-time implementation for bursty traffic sources because the determination of token generation rate in the algorithm is based on the present state of network. In this paper, we propose a more plastic and effective congestion control algorithm by combining the DRLB algorithm and neural network based prediction to remedy the drawbacks of the DRLB algorithm, and verify the efficacy of the proposed method by computer simulations.

• 한국통신학회논문지
• /
• 제25권9A호
• /
• pp.1299-1305
• /
• 2000

도래할 B-ISDN 환경하에서 중추적 역할을 할 ATM의 실현을 위해서는 다중매체의 통화유량을 최적하에 제어할 수 있는 방법이 제시되어야 한다. 그러나 다중매체 통화유량의 특성이 완전히 밝혀지지 못한 상태에서 ATM의 제어, 특히 최적한 폭주제어의 실현은 난제로 남아있다. 그러므로 본 논문에서는 다중매체 통화유량 모델을 시변비선형함수라 가정하고 이를 실시간 추정하기 위해 병렬로 연결된 3중의 신경망 모델을 제시하며 모의실험을 통해 시변비선형함수를 추정하여 ATM의 폭주제어에 이용될 수 있는 가능성을 보인다.

• 한국ITS학회 논문지
• /
• 제16권3호
• /
• pp.15-27
• /
• 2017

열차 정차시간 증가는 열차 서비스 빈도를 감소시켜 열차와 승강장의 혼잡이 발생하게 된다. 그러므로 열차 정차시간(Train dwell time)에 관한 연구는 열차 운행 계획수립 관점에서 매우 중요하게 다루어 왔다. 본 논문은 계획된 정차시간을 준수할 수 있도록 승객의 유입을 관리하여 승강장 혼잡을 줄일 수 있는 전략들에 활용할 수 있는 실시간 열차 정차시간 예측모형을 개발하였다. 모형의 특징은 실시간으로 수집 가능한 승차인원, 하차인원, 그리고 열차의 중량 등 3가지 독립변수를 적용하였고, 모형의 설명력(${\bar{R^2}}=0.809$)이 대체적으로 정확한 결과를 보여주었다. 실시간 정차시간 모형은 열차가 계획된 정차시간을 준수하도록 승차 승객 수를 조정하는 게이트 미터링 전략에 활용될 수 있다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2004년도 하계학술대회 논문집 A
• /
• pp.737-739
• /
• 2004

The domestic power system established with Cost-Based-Pricing(CBP) from April 2001. The system is a uniform pricing system. System Operator(50) establishes a Price Setting Schedule by the prediction of consumption and the presented bid price(generation cost) of the generation utility. But the Price Setting Schedule doesn't take account of the constraint of the system. This cause a transmission congestion, constrained-on generation and constrained-off generation. This Paper search the way of the increasing efficiency of domestic power system through the redemption of congestion charge.

• 대한교통학회지
• /
• 제25권6호
• /
• pp.99-109
• /
• 2007

지금까지 고속도로 상에서 반복 및 비반복정체에 대한 연구가 많이 진행되어 왔지만 이들이 독립적으로 발생했을 때 교통정체의 영향에 대한 연구는 활발히 진행되지 못하고 있는 실정이다. 가장 큰 이유는 반복 및 비반복정체시 교통상황에 자료수집이 부족했으며, 뿐만 아니라 이들의 영향을 독립적/정량적으로 추정할 수 있는 분석도구의 효과적인 사용이 미비했기 때문이다. 본 연구에서는 미국 고속도로 구간의 교통정체시 수집한 교통자료를 바탕으로 시뮬레이션을 이용한 반복 및 비반복정체의 독립적인 영향을 분석하는 방법을 제시하였다. 분석결과로서 대상구간에 따라 비반복정체가 반복정체보다 고속도로기능을 크게 악화시키는 것으로 나타났다. 더불어 교통정체시 실시간 교통정보제공을 위한 기존 ITS기술들의 현장평가결과로서 안정적인 교통정체에서는 정보의 정확성은 높으나, 정체가 시작되거나 해소되는 시간대 또는 비반복정체시 제공되는 교통정보의 정확성은 낮은 것으로 나타났다. 결론적으로 본 연구에서는 비반복정체의 중요성과 더불어 제시하고 있는 반복 및 비반복정체의 영향분석 방법론은 향후 대상 고속도로의 정체해소를 위한 개선사업의 투자우선순위를 판단할 수 있는 기초연구로서 사용될 수 있을 것으로 기대된다.

• 대한교통학회지
• /
• 제35권4호
• /
• pp.348-359
• /
• 2017

최근 국내에서는 대도시권의 교통혼잡 완화를 위하여 다양한 대중교통 활성화 정책을 시행중에 있다. 특히 대도시권역에서는 버스정보시스템이 도입되어 버스의 현재위치, 도착예정시간 등에 대한 정보를 제공하고 있다. 하지만 복잡한 도시부를 지나는 버스들의 경우 반복적인 교통혼잡과 버스몰림으로 인하여 정확한 통행시간 정보제공 시 정확도를 확보하는데 어려움이 있다. 기존 버스 통행시간 연구는 링크별 소통정보 제공방식으로 인하여 버스 이용자의 경로 통행시간 정보 제공 시 어려움이 있고, 데이터 기반의 단기 통행방식으로 중장기 정보 제공이 어렵다는 한계가 있다. 이에 본 연구에서는 경로기반의 중장기 버스통행시간 예측 방법론에 대한 연구를 실시한다. 이를 위하여 2015년 버스통행정보로 학습데이터, 2016년 자료로 검증데이터를 구성하였다. 학습데이터를 이용하여 버스통행정보를 분석하여 버스통행시간에 영향을 미치는 요인들을 출발시각, 요일, 그리고 기상요인 등으로 분류하고, 이들의 특성 값을 자기조직화지도를 활용하여 비슷한 통행 패턴을 가지는 군집으로 분류하였다. 도출된 군집들을 바탕으로 맑음과 우천시에 대한 요일/출발시각 별 버스통행시간 참조 테이블을 구성하였다. 검증데이터를 이용하여 본 연구에서 도출한 버스통행시간의 정확도를 검증하였다. 본 연구의 중장기 예측 알고리즘을 활용하여 기존의 직관적이고 경험적인 접근법의 한계를 극복할 수 있으며, 예측의 정확도 개선을 통한 버스이용자 만족도 향상 및 탄력적인 대중교통 정책 수립이 가능할 것으로 판단된다.

• 한국ITS학회 논문지
• /
• 제20권4호
• /
• pp.46-56
• /
• 2021

돌발상황으로 인한 비반복정체로 발생하는 높은 교통비용과 혼잡을 효과적으로 해소하기 위해서 돌발상황 처리시간을 예측하는 것은 중요하다. 본 연구에서는 인공신경망을 활용한 예측모델 개발을 위해 국내 도로상황에 적합한 돌발상황 처리시간 영향요인을 분석하고, 이를 학습데이터로 생성하였다. 기존 연구에서 장시간 소요되는 돌발상황 처리시간에 대한 과소 예측 문제가 발생하여 이에 대한 해결방안으로 본 연구에서는 SMOGN기법을 적용한 오버샘플링 학습데이터를 생성하여 이를 모델에 적용하였다. 그 결과 SMOGN기법을 적용한 DNN모델이 MAE 18.3분으로 연구 과정에서 구축된 모델 중 가장 높은 정확도로 돌발상황 처리시간을 예측하여, 기존에 개발된 예측모델의 한계점을 보완할 수 있을 것으로 기대한다.