• Journal of information and communication convergence engineering
• /
• 제11권1호
• /
• pp.30-44
• /
• 2013

Traffic congestion has become a serious problem with the recent exponential increase in the number of vehicles. In urban areas, almost all traffic congestion occurs at intersections. One of the ways to solve this problem is road expansion, but it is difficult to realize in urban areas because of the high cost and long construction period. In such cases, traffic signal control is a reasonable method for reducing traffic jams. In an actual situation, the traffic flow changes randomly and its randomness makes the control of traffic signals difficult. A prediction of traffic jams is, therefore, necessary and effective for reducing traffic jams. In addition, an autonomous distributed (stand-alone) point control of each traffic light individually is better than the wide and/or line control of traffic lights from the perspective of real-time control. This paper describes a stochastic optimum control of crossroads and multi-way traffic signals. First, a stochastic model of traffic flows and traffic jams is constructed by using a Bayesian network. Secondly, the probabilistic distributions of the traffic flows are estimated by using a cellular automaton, and then the probabilistic distributions of traffic jams are predicted. Thirdly, optimum traffic signals of crossroads and multi-way intersection are searched by using a modified particle swarm optimization algorithm to realize real-time traffic control. Finally, simulations are carried out to confirm the effectiveness of the real-time stochastic optimum control of traffic signals.

• 대한교통학회지
• /
• 제17권1호
• /
• pp.173-185
• /
• 1999

서울시는 IMF 경제위기 상황으로 교통시설 투자감소에 의한 공급정체 현상이 예상됨에 따라 교통수요관리에 대한 의존도를 높일 수밖에 없는 실정이다. 그러나 교통수요관리에 대한 기대에도 불구하고 기존의 서울시 교통 수요관리 정책은 단기 교통수요관리 목표 및 수요관리정책 시행에 따른 효과 분석체계의 부재, 교통현상 변화에 대한 지속적 모니터링 체계의 결함 등 문제점이 있음에 따라 그동안 정책효과에 대한 정확한 홍보가 미흡했으며 정책의 지속적 수용성 확보가 어려웠다. 이러한 문제점을 해결하기 위해 서울시에서는 교통혼잡관리프로그램(CMP)의 도입이 필요하게 되었다. 이 프로그램은 서울시의 단기교통관리목표를 설정한 뒤 적정교통수준을 넘어서는 수요를 감축하기 위한 종합적 교통수요관리시책을 마련하고 선정된 대안의 기대효과를 예측할 수 있는 방법론을 구축하며, 신속하게 시행, 모니터링함으로써 서울의 교통수준을 단기적으로 항시 적정수준으로 유지하는 것을 목적으로 하고 있다. 본 연구에서는 서울시의 CMP의 실행을 위해 교통수요관리 프로그램의 효과예측모형(Seoul Congestion Management Model: SECOMM)을 개발하였다. SECOMM의 개발을 통해 단기교통관리목표를 달성하기 위한 적정 교통수요관리 프로그램의 실행전략을 보다 효과적으로 마련할 수 있을 것으로 기대된다.

• 한국시뮬레이션학회논문지
• /
• 제32권3호
• /
• pp.43-53
• /
• 2023

본 연구는 실내 상업적 공간, 특히 카페에서 보안 카메라를 이용해 방문자 수와 위치를 실시간으로 파악하고, 이를 통해 사용 가능한 좌석 정보와 혼잡도 예측을 제공하는 시스템의 개발을 목표로 한다. 우리는 실시간 객체 탐지 및 추적 알고리즘인 YOLO를 활용하여 방문자 수와 위치를 실시간으로 파악하며, 이 정보를 카페 실내 지도에 업데이트하여 카페 방문자가 사용 가능한 좌석을 확인할 수 있도록 한다. 또한, 우리는 vanishing gradient문제를 해결한 장단기 메모리(Long Short Term Memory, LSTM)와 시간적인 관계를 가지는 데이터를 처리하는데 유용한 시퀀스-투-시퀀스(Sequence-to-Sequence, Seq2Seq)기법을 활용해 다양한 시간 간격에 따른 방문자 수와 움직임 패턴을 학습하고, 이를 바탕으로 카페의 혼잡도를 실시간으로 예측하는 시스템을 개발하였다. 이 시스템은 카페의 관리자와 이용자 모두에게 예상 혼잡도를 제공함으로써, 카페의 운영 효율성을 향상시키고, 고객 만족도를 높일 수 있다. 본 연구에서는 보안 카메라를 활용한 실내 위치 추적 기술의 효용성을 입증하며, 상업적 공간에서의 활용 가능성과 더불어 미래 연구 방향을 제시한다.

• 산업과 과학
• /
• 제2권4호
• /
• pp.11-16
• /
• 2023

지하철은 현대 도시의 교통 체계에서 중요한 역할을 하는 대중 교통 수단이다. 하지만, 갑작스런 고장 및 시스템 불통 등의 이유로 혼잡을 야기시키는 경우가 종종 발생하여 불편을 초래하고 있다. 따라서, 본 논문에서는 지하철 시스템의 효율적 운영을 위해 머신러닝을 활용한 고장 예측 및 예방 연구를 진행하였다. UC Irvine의 MetroPT-3 데이터셋을 활용하고, 로지스틱 회귀를 이용하여 지하철 고장 예측 모델을 구축하였다. 모델은 0.991의 높은 정확도로 비고장 상태를 예측하나, 정밀도와 재현율은 상대적으로 낮아 고장 예측에 있어 오류 가능성을 시사하고 있다. ROC_AUC 값이 0.901로, 모델이 무작위 추측보다 뛰어난 분류를 할 수 있다. 구축한 모델은 지하철 시스템의 안정적인 운영 운영에 유용하나, 성능 개선을 위한 추가 연구가 필요하다고 생각한다. 따라서 학습 데이터가 많고 데이터의 정제가 잘 이루어진다면 고장 예측을 통해 사전 점검을 하여 예방할 수 있다.

• 대한교통학회지
• /
• 제23권2호
• /
• pp.107-116
• /
• 2005

교통정보 제공 측면에서 여행시간에 대한 정보는 교통관리 영역 내에서 교통혼잡을 효과적으로 분산시킬 수 있는 핵심정보 중 하나이다. 특히 여행시간에 대한 정보는 운전자가 운전 중 경로선택을 의사결정하는데 있어서 주요한 요소로서 현실적인 신뢰도 확보를 전제로 한다. 본 연구는 남산권 교통정보시스템의 일환으로 총 연장도로 6.1km를 대상으로 구성된 6개의 교통축(corridor)을 대상으로 혼잡시 VMS, ARS, WEB을 이용한 정보 제공을 목적으로 도착예정시간 알고리즘을 개발하였다. 시스템의 공간적 범위는 각 축별 2~3.5km 범위내의 구간을 대상으로 하며, 각 교통축의 출발 및 도착지점에 신호교차로가 존재하여 단순한 연속교통류 특성이외 단속류 교통특성이 교통류내에 포함되어 있다. 목표 알고리즘은 ILD기초자료를 활용하여 수요교통량과 대기길이정보를 이용한다. 수요교통량은 각 지점간 밀도추정을 대상으로 하였으며 이를 위하여 Greenburg Model이 채택되었다. 대기길이 정보는 각 지점별 속도와 밀도에 의하여 산출된다. 연구모형은 단위시간당 변동성을 안정화하기 위하여 전략적으로 번호판 매칭기법에 의한 AVI를 도입하였으며, 이를 통한 관측 된 여행시간 정보를 이용하였다. AVI여행시간 정보는 1일 1회 대기길이에 따른 교통류 특성을 구분하여 ILD에 의한 여행시간을 생성하는데 기반모수로 적용될 수 있도록 Hybrid Model로 구성하여 적용시켰다. 본 연구에 의한 알고리즘 적용결과, 혼잡상황하에서 84% 그리고 전체평균 88%이상의 정확성을 도출하는 것으로 나타났으며, 이러한 정보들은 남산권 교통정보시스템을 이용하는 운전자들에게 유용한 것으로 조사되었다.

• 한국산학기술학회논문지
• /
• 제22권3호
• /
• pp.58-64
• /
• 2021

자동차 등록대수와 비례하여 증가하는 교통 혼잡은 도시의 사회경제 발전의 저해 요소로 작용하고 있다. 본 논문은 VDS(Vehicle Detection System)을 통한 데이터를 입력 변수로 사용한다. 본 연구의 목적은 교통 흐름을 단순히 2단계(원할, 정체)가 아닌 5단계(원할, 다소 지체, 지체, 다소 정체, 정체)로 더 정교하게 예측하고, 이 예측에서 가장 정확도가 높은 모델인 Catboost 모델과 다른 모델들을 비교하는 것이다. 이를 위해 본 논문에서는 머신러닝 알고리즘인 Catboost 모델을 통해 5가지 단계를 예측하고 정확도를 다른 머신러닝 알고리즘들과 비교, 분석한다. 또한, 하이퍼 파라미터(Hyper Parameter) 튜닝 및 원-핫 인코딩(One-Hot Encoding) 전처리를 거치지 않은 Catboost 모델과 랜덤 선택(RandomizedSearchcv)을 통해 튜닝 및 데이터 전처리를 거친 모델을 비교, 분석한다. 분석 결과 하이퍼 파라미터 튜닝을 하지 않은 초기 Catboost 모델이 정확도 93%를 보이며 가장 높은 정확도를 기록하였다. 따라서 본 연구는 두가지 의의를 가진다. 첫번째로, 초기 세팅된 파라미터들이 적용된 Catboost 모델이 다수의 범주형 변수를 포함하는 교통 흐름 예측에서 다른 머신러닝, 딥러닝 모델들보다 성능이 높다는 결론을 도출했다는 점에서 의의가 있다. 두번째로, 기존 2단계로 예측하던 교통 흐름을 5단계로 예측함으로써 더욱 정교한 교통 흐름 예측 모델을 제안한다는 점에서 의의를 가진다.

• 대한교통학회지
• /
• 제23권7호
• /
• pp.77-86
• /
• 2005

현재 우리나라 간선도로의 서비스수준(LOS)은 차량의 평균통행속도를 기준으로 평가되어지고 있다. 이는 도로의 혼잡도 만을 기준으로 적용한 것으로 교통안전측면이 고려되지 않은 것이 현실이다. 합리적인 도로 설계와 운영을 위한 평가 지표라면 도로 이용자에게 영향을 미치는 제반 인자들을 보다 포괄적으로 포함할 수 있어야 한다. 교통안전과 소통측면을 총괄할 수 있는 변수로 사용자비용 개념을 적용하여 간선도로 평가방법을 모색하고자 한다. 사용자 비용을 효과척도로 하는 간선도로 평가도 가능하다는 것을 본 연구를 통해 알 수 있었다. 또한, 본 연구의 사용자 비용에 의해 평가된 간선도로 서비스 수준과 도로용량편람의 평균통행속도에 의해 평가된 간선도로 서비스 수준을 비교 분석하여 종합적인 서비스 수준 분석방법 여부를 가릴 수 있을 것이다. 이로서, 안전과 소통 측면을 모두 고려한 간선도로 평가가 가능함을 알 수 있었다.

• 한국항만학회지
• /
• 제14권2호
• /
• pp.175-185
• /
• 2000

Today freeway is experiencing a severe congestion with incoming or outgoing traffic through freeway ramps during the peak periods. Thus, the purpose of this study is to identify the traffic characteristics, analyze the relationships between the traffic characteristics and finally construct the delay predictive models on the rap junctions of freeway with 70mph speed limit. From the traffic analyses, and model construction and verification for delay prediction on the ramp junctions of freeway, the following results were obtained : ⅰ) Traffic flow showed a big difference depending on the time periods. Especially, more traffic flows were concentrated on the freeway junctions in the morning peak period. ⅱ) The occupancy also showed a big difference depending on the time periods, and the downstream occupancy(Od) was especially shown to have a higher explanatory power for the delay predictive model construction on the ramp junctions of freeway. ⅲ) The delay-occupancy curve showed a remarkable shift based on the occupancies observed : O$\_$d/〈9% and O$\_$d/$\geq$9%. Especially, volume and occupancy were shown to be highly explanatory for delay prediction on the ramp junctions of freeway under O$\_$d/$\geq$9%, but lowly for delay prediction on the ramp junctions of freeway under O$\_$d/〈9%. Rather, the driver characteristics or transportation conditions around the freeway were thought to be a little higher explanatory for the delay prediction under O$\_$d/〈9%. ⅳ) Integrated delay predictive models showed a higher explanatory power in the morning peak period, but a lower explanatory power in the non-peak periods.

• 한국ITS학회 논문지
• /
• 제22권1호
• /
• pp.103-114
• /
• 2023

본 연구에서는 도시부 도로의 다양한 자료를 수집하여 통행속도 변화에 대한 영향을 분석하였고, 이와 같은 빅데이터를 활용하여 GRU 기반의 단기 통행속도 예측 모형을 개발하였다. 그리고 Baseline 모형과 이중지수평활 모형을 비교 모형으로 선정하여 RMSE 지표로 예측 오차를 평가하였다. 모형 평가 결과, Baseline 모형과 이중지수평활 모형의 RMSE는 평균 7.46, 5.94값으로 각각 산출되었다. 그리고 GRU 모형으로 예측한 평균 RMSE는 5.08 값이 산출되었다. 15개 링크별로 편차가 있지만, 대부분의 경우 GRU 모형의 오차가 최소의 값을 나타내었고, 추가적인 산점도 분석 결과도 동일한 결과를 제시하였다. 이러한 결과로부터 도시부 도로의 통행속도 정보 생성 과정에서 GRU 기반의 예측 모형 적용 시 예측 오차를 감소시키고 모형 적용 속도의 개선을 기대할 수 있을 것으로 판단된다.

• 한국융합학회논문지
• /
• 제13권1호
• /
• pp.51-62
• /
• 2022

교통 혼잡을 해결하기 위한 AI 기반 속도 예측 연구는 활발하게 진행되고 있다. 하지만, 인공지능의 추론 과정을 설명하는 설명 가능한 AI의 중요성이 대두되고 있는 가운데 AI 기반 속도 예측의 결과를 해석하고 원인을 추리하는 연구는 미흡하였다. 따라서 본 논문에서는 '설명 가능 그래프 심층 인공신경망 (GNN)'을 고안하여 속도 예측뿐만 아니라, GNN 모델 입력값의 마스킹 기법에 기반하여 인근 도로 영향력을 정량적으로 분석함으로써 혼잡 등의 상황에 대한 추론 근거를 도출하였다. TOPIS 통행 속도 데이터를 활용하여 서울 시내 혼잡 도로를 기준으로 예측 및 분석 방법론을 적용한 후 영향력 높은 인근 도로의 속도를 가상으로 조절하는 시뮬레이션 통하여 혼잡 도로의 통행 속도가 개선됨을 확인하여 제안한 방법론의 타당성을 입증하였다. 이는 교통 네트워크에 제안한 방법론을 적용하고, 그 추론 결과에 기반한 특정 인근 도로를 제어하여 교통 흐름을 개선할 수 있다는 점에 의미가 있다.