• 제목/요약/키워드: Road Section Travel Time Information

검색결과 13건 처리시간 0.016초

긴급차량의 우선차로 및 우선신호 도입효과 -청주시를 대상으로- (Empirical Study of the PLSP (Priority Land and Signal Preemption for Emergency Vehicles)

  • 이준;함승희;이상조
    • 한국재난정보학회 논문집
    • /
    • 제16권4호
    • /
    • pp.650-657
    • /
    • 2020
  • 연구목적: 본 연구에서는 청주시에 시범운영한 PLSP(Priority Lane and Signal Preemption: 긴급차량 우선신호와 우선차로)제도 사업 효과를 분석하였다. 연구방법: 시범사업 구간(3.8km)을 대상으로 1.2km 구간에 VISSIM 프로그램을 활용하여 시범운영구간의 차량 데이터를 실측 분석하였다. 우선신호의 경우 경찰관이 CCTV로 교차로를 모니터링하여 긴급차량 접근 시 청색신호로 변경하는 방법이 사용되었고, 우선차로의 경우 노면에 긴급차량 우선차로를 표시하여 우선통행이 가능하도록 하였다. 연구결과: 시뮬레이션 분석 결과, PLSP 도입 시 긴급차량의 이동속도는 약 2배 증가한 42km/h로 PLSP 도입 전에 비해 약 3분 가량이 단축되었으며, 기존 대비 69%에 이르는 개선 효과가 있었다. 청주시 시범운영 결과, 평균 도달시간은 1차 기간 4분 14초 2차 기간 5분 40초로 약 2분의 시간 단축 효과가 나타났다. 결론: 본 PLSP 제도는 긴급차량의 현장 도착 시간 단축에 효과적인 것으로 분석되었다.

운전거동에 따른 운전자 뇌파특성에 관한 연구 (A Research on the Characteristics of EEG Information on Drive Behavior)

  • 오동훈;남궁문;박희순
    • 한국ITS학회 논문지
    • /
    • 제14권5호
    • /
    • pp.23-29
    • /
    • 2015
  • 본 연구는 차량운전의 주체인 인간이 실제 차량을 운전하면서 나타나게 되는 수많은 반응 중 생체정보인 뇌파를 측정 장비를 이용하여 도로주행 중 발생하는 뇌파를 수집하고 수집된 자료를 바탕으로 하여 실험횟수, 주행시간에 따른 변화, 도로 기하구조에 따른 변화 등 요인을 추출하고 분석을 실시하였다. 주행실험 중 발생한 뇌파 변화를 분석에 필요한 알파(${\alpha}$)파, 베타(${\beta}$)파, 감마(${\gamma}$)파의 형태로 1차 추출을 한 후, 실험 전 구간에서의 뇌파 발생 빈도와 변화율을 추출하고 실험 횟수에 증가에 따른 학습효과를 관찰하고자 회귀모형을 적용하여 뇌파 특성에 따른 빈도변화를 계산하였다. 그 결과, 실험 횟수에 따라 뇌파는 개인차에 의한 변화를 보였으며 이는 같은 구간을 반복적으로 주행함에 따라 운전자가 도로 기하구조와 신호, 안전시설 등을 기억함에 따라 익숙하고 편안하게 주행하고 있음을 확인할 수 있었다.

k-Nearest Neighbor 알고리즘을 이용한 도심 내 주요 도로 구간의 교통속도 단기 예측 방법 (Short-Term Prediction of Vehicle Speed on Main City Roads using the k-Nearest Neighbor Algorithm)

  • 모하메드 아리프 라시이디;김정민;류광렬
    • 지능정보연구
    • /
    • 제20권1호
    • /
    • pp.121-131
    • /
    • 2014
  • 교통속도는 교통 문제를 해결하기 위한 중요한 지표 중 하나이다. 이를 이용하여 교통혼잡 탐지, 주행 시간 예측, 도로 설계와 같은 다양한 문제 해결에 활용할 수 있다. 따라서 정확한 교통속도 예측은 지능형 교통 시스템의 개발에 있어 필수적인 요소라고 할 수 있다. 본 논문에서는 대한민국 부산시의 특정 도로를 대상으로 교통 속도에 대한 분석 및 예측을 수행하였다. 과거 연구에서는 대상 도로의 속도 예측을 위해 과거 대상 도로의 교통속도 이력 데이터만을 사용하였다. 그러나 실제 대상 도로의 교통 상황은 인접한 도로의 교통 상황의 영향을 받게 된다. 따라서 본 논문에서는 실제 부산시의 과거 교통속도 이력 데이터를 기반으로 대상 도로와 인접 도로를 모두 고려하여 교통속도 예측 모델의 학습을 위한 속성을 추출하였다. 이와 같이 후보 속성들을 추출 한 후 선형 회귀 (linear regression), 모델 트리 (model tree) 및 k-nearest neighbor (k-NN) 기법을 이용하여 속성의 부분집합 선택 (feature subset selection)과 교통속도 예측 모델 생성을 수행하였다. 실험 결과 주어진 교통 데이터에서 k-NN 기법은 선형 회귀 및 모델 트리 기법에 비해 평균절대백분율오차 (mean absolute percent error, MAPE)와 제곱근평균제곱오차 (root mean squared error, RMSE) 측면에서 더 나은 성능을 보임을 확인하였다.