• 대한교통학회지
• /
• 제20권4호
• /
• pp.135-150
• /
• 2002

기 제안된 수리적 동적통행배정모형은 전체 시뮬레이션 기간동안 시간종속적 교통수요와 교통망의 교통상황이 이미 안정되어 있고 장래에도 예측가능 하다는 가정을 전제로 개발되었다. 이러한 가정은 실제 시시각각으로 변화하는 교통수요와 교통상황의 예측 불가능함 고려할 때 비현실적이라고 할 수 있다. 한편, Rolling Horizon Implementation(RHI)은 기종점간의 수요행렬(trip matrix)과 교통상황(traffic condition)이 단기간의 예측시간동안 현재의 예측정보를 기반으로 신뢰성 있게 모니터링 될 수 있고, 그 시점에서 보다 미래로 연장된 시간으로는 불확실성(uncertainty)의 증가를 고려한다는 가정을 전제로 제안되었다. 따라서, RHI개념과 부합되는 수리적 동적통행배정모형은 시뮬레이션 출발시점에 수요와 교통상황에 대한 확정적 정보가 이미 획득되어 있고, 그 기간이후의 정보에 대해서는 시간이 흐름에 따른 정보의 유용성을 근거로 각 운전자 그룹이 인지 (Perceived)하는 가로망의 통행비용(travel cost)을 최소화되도록 차량을 배정하는 것으로, 실시간적으로 인지된 교통수요와 교통망에 대한 정보를 통행배정초기에 입력변수로 사용하여 실시간 교통정보모형으로서 운영가능 하다는 장점을 제공한다. 본 연구는 수리적 동적통행배정모형이 RHI개념과 부합되어 교통상황과 수요변화를 실시간적으로 반영하여 운영되도록 모형의 기능을 확장하는 데 있다. 이를 위해, 다계층 이용자(multiple user classes) 동적통행배정모형을 변동등식(variational equality)이론에 근거한 모형식을 기반으로, 실시간 통행배정에서 발생하는 종점에 도착하지 못한 차량(unfinished trips)과 이들의 재배정(rerouting strategy) 문제를 인식하고, 이 차량들을 링크상의 교통량 전파조건(flow propagation constraint)을 토대로 다음 통행배정 시간대의 실시간 수요로서 반영할 수 있는 방안을 제시한다.

• 한국ITS학회 논문지
• /
• 제5권1호
• /
• pp.1-12
• /
• 2006

관측교통자료의 수집이 실시간으로 가능해짐으로써 혼잡교통류에 대한 교통류 관련 변수들 간의 전이 과정 등 교통류 특성에 대한 연구가 활발히 진행되고 있다. 또한 관측교통량을 이용한 O-D 추정방법에 대해서도 관심과 연구가 집중되고 있다. 이와 같이 고속도로의 교통류 특성을 보다 명확히 파악하여 동적 O-D를 구축할 수 있다면, 계획, 설계, 운영, 관리 등 다양한 분야에서 효율화를 도모할 수 있다. 하지만 동적 O-D 구축을 위한 기존연구에서는 다음과 같은 문제점이 지적되고 왔다. 첫째로, 동적 교통류 구현을 위해 교통시뮬레이션모형에 사전 O-D가 필요하며 동적 교통류모듈과 동적O-D추정모듈 간 Bi-level Problem으로 접근해야 한다는 점과 둘째로, 혼잡교통류 상황에 대한 특성이 반영되지 못하여 혼잡교통류 상항에 대한 예측력이 떨어지는 문제점이 지적되어 왔다. 본 연구에서는 기존의 문제점인 Bi-level Problem접근 방법을 해결하기 위해, VDS자료를 이용한 차량의 궤적을 추적하여 링크분포비율을 계산함으로써 반복적 수행이 없도록 하였으며 혼잡교통류 상황을 반영할 수 있도록 교통류 예측모듈을 구성하여 동적 O-D 예측모형을 구축하였다. 혼잡교통류에 대한 특성을 반영하기 위해 속도와해현상 및 혼잡 확산등 실제 혼잡교통류에 대한 분석을 통해 속도, 점유율, 교통량 등 교통류 변수들의 관계를 교통상황별로 구분하여 규명하였다. 본 연구에 적용된 모형은 동적 O-D 예측 및 추정모형에서 기존의 Bi-level Problem을 해소할 수 있어 적용이 용이하여 실제 검지기 자료를 활용하여 교통상황을 예측하게 되므로 혼잡교통류에 대한 예측력이 향상되었다고 판단된다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제12권10호
• /
• pp.4678-4702
• /
• 2018

Traffic Matrix estimation has always caught attention from researchers for better network management and future planning. With the advent of high traffic loads due to Cloud Computing platforms and Software Defined Networking based tunable routing and traffic management algorithms on the Internet, it is more necessary as ever to be able to predict current and future traffic volumes on the network. For large networks such origin-destination traffic prediction problem takes the form of a large under- constrained and under-determined system of equations with a dynamic measurement matrix. Previously, the researchers had relied on the assumption that the measurement (routing) matrix is stationary due to which the schemes are not suitable for modern software defined networks. In this work, we present our Compressed Sensing with Dynamic Model Estimation (CS-DME) architecture suitable for modern software defined networks. Our main contributions are: (1) we formulate an approach in which measurement matrix in the compressed sensing scheme can be accurately and dynamically estimated through a reformulation of the problem based on traffic demands. (2) We show that the problem formulation using a dynamic measurement matrix based on instantaneous traffic demands may be used instead of a stationary binary routing matrix which is more suitable to modern Software Defined Networks that are constantly evolving in terms of routing by inspection of its Eigen Spectrum using two real world datasets. (3) We also show that linking this compressed measurement matrix dynamically with the measured parameters can lead to acceptable estimation of Origin Destination (OD) Traffic flows with marginally poor results with other state-of-art schemes relying on fixed measurement matrices. (4) Furthermore, using this compressed reformulated problem, a new strategy for selection of vantage points for most efficient traffic matrix estimation is also presented through a secondary compression technique based on subset of link measurements. Experimental evaluation of proposed technique using real world datasets Abilene and GEANT shows that the technique is practical to be used in modern software defined networks. Further, the performance of the scheme is compared with recent state of the art techniques proposed in research literature.