• 교통기술과정책
• /
• 제11권3호
• /
• pp.59-63
• /
• 2014

• 한국융합학회논문지
• /
• 제8권3호
• /
• pp.41-48
• /
• 2017

대내외적으로 많이 이용하고 있는 대중교통정보 시스템인 TAGO와 교통정보를 제공하고 있는 서비스인 TOPIS 시스템은 정보 수집 문제뿐만 아니라 정보를 제공함에 있어서도 고객의 요구를 맞추기에는 그 한계가 있다. 또한, 다양한 교통정보에 대한 통합된 연계가 결여되어 있다. 뿐만 아니라, 고객 지향형 정보와 교통약자에 대한 편의 정보도 결여되어 모든 고객들이 손쉽게 대중교통을 사용하기에는 부족함을 드러내고 있다. 이에, 본 논문에서는 국내외 대중교통정보 시스템 및 서비스 현황을 분석하고, 이를 토대로 국내 대중교통정보 관리방안을 모색하고자 한다. 이를 통해, 다양한 수단에 대한 통합 연계정보를 제공함으로써, 이용자의 요구사항에 맞는 맞춤형 정보를 제공할 수 있을 것으로 기대한다.

• 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.

• 한국ITS학회 논문지
• /
• 제7권6호
• /
• pp.1-11
• /
• 2008

버스는 개인교통수단에 비해 대량수송이 가능한 경제적, 친환경적 교통수단으로 인식되면서 서비스 개선을 위한 다양한 정책이 추진되고 있다. 특히, BMS(Bus Management Systems)와 같은 첨단대중교통체계의 수립은 버스운행에 대한 효율적 관리를 통한 운행서비스를 높일 수 있는 방안으로 활용되고 있다. 현재 버스운행관리는 대부분 정시배차와 같은 정시성과 관련한 신뢰성 관리에 초점을 두고있다. 본 연구에서는 정류장에서 버스몰림 운행관리의 필요성과 몰림현상에 대해 설명하고 정차면수 기준과 평균버스도착율을 기준으로 한 2가지 유형의 버스몰림지표를 개발하였다. 버스몰림지표는 서울시 교통정보서비스 (TOPIS, Transportation & Information Service)의 BMS 버스운행이력 자료를 이용하여 중앙버스전용차로인 도봉미아로와 일반차로인 통일의주로에 적용하였다. 분석결과, 도심에 가까운 정류소가 외곽의 정류소에 비해 몰림운행되는 것으로 나타났으며, 시간대별로는 오전 첨두시간대에 버스몰림이 심각한 것으로 분석되었다. 또한, 버스정시성 지표와 비교함으로서 보완지표로서 활용성을 제시하였다. 중앙전용차로와 일반차로의 몰림운행 비교를 통한 중앙전용차로의 확대시 참고자료로 이용될 수 있을 것이며, 정차면수(Number of Berth)와 같은 버스정류소 규모 및 노선배치에 참고자료로 활용될 수 있음을 제시하였다.

• 대한교통학회지
• /
• 제35권3호
• /
• pp.220-233
• /
• 2017

교통량은 주말 및 첨두시 O/D 구축, 차량주행거리 산정, 혼잡도로개선 대책 등에 활용되는 중요한 기초자료이다. 그럼에도 불구하고 국내 도시부 도로의 교통량 링크 커버리지는 매우 낮아, 현재 수집 교통량으로는 교통정책 및 분석에 제약이 따를 수밖에 없다. 이에 본 연구에서는 특 광역시 중 수집교통량 및 속도의 링크 커버리지가 가장 낮은 서울시를 대상으로, 수집 교통량과 속도를 활용하여 교통량 결측링크의 교통량을 추정하는 방안을 제안하였다. 여기서, 교통량 추정 방법으로 공간적 통계기법을 활용하였다. 교통량 추정모형 구축시, 서울시의 도시고속도로와 도시부 도로는 교통류 및 통행패턴은 상이하므로 이를 분류하여 도시고속도로에는 구간별 상수함수, 도시부 도로에는 회귀크리깅을 적용하였다. 이용 데이터로는 서울시 TOPIS, 국교부 국가교통정보센터 등에서 수집한 공공부문 교통량, 속도와 민간 내비게이션 DB를 활용하였다. 내비게이션 DB는 대부분의 도로링크에서 수집되므로 교통량 추정에 매우 용이하다는 강점을 가지고 있다. 단, 내비게이션 DB는 수집 교통데이터의 샘플데이터이므로, 모집단인 교통량, 속도와 비교 검증하여 적용하였다. 뿐만 아니라 내비게이션 DB도 결측링크가 존재하고, 차종이 승용차로만 구성되어 있으므로 이를 보정하여 적용하였다. 공간적 통계기법을 통해 추정한 교통량은 MAPE, RMSE를 활용하여 실제 교통량과 비교 검증하였다. 검증결과 model error가 MAPE 6.26%, RMSE 5,410로 모델의 추정력이 높고, prediction error는 MAPE 20.3% 로 교통량 추정에 대한 추정력도 높은 것으로 분석되었다. 본 연구에서 제시한 교통량 결측링크의 교통량 추정모형은 차량주행거리와 온실가스 배출량 산정 등에 다양하게 활용될 수 있을 것으로 판단된다.

• 한국ITS학회 논문지
• /
• 제18권4호
• /
• pp.44-57
• /
• 2019

여러 대도시에서 교통 혼잡 문제를 해결하기 위해 정확한 교통 흐름을 예측하는 다양한 연구가 진행되었다. 대부분의 연구가 과거의 교통 흐름 패턴이 미래에도 반복될 것이라는 가정하에 예측 모델을 개발하였으나 교통사고 등과 같은 뜻하지 않은 비반복적 교통 패턴을 예측하는 데에는 신뢰성이 낮게 나타났다. 이런 문제를 해결하기 위한 대안으로 지능형 교통 시스템(ITS)을 통해 얻은 빅데이터와 인공지능을 접목한 교통 흐름 예측 연구가 진행되어 왔다. 하지만 시계열 분석에 일반적으로 사용되는 알고리즘인 RNN의 경우, 단기 예측에 최적화되어 장기 예측 정확도가 낮다는 단점을 가지고 있다. 이런 문제를 해결하기 위해 본 논문에서는 기온과 강수량 등의 기상 정보 외에도 각종 외부 요인들을 고려하여 장기적 시점에서 교통 혼잡도를 예측하는 '심층 인공 신경망 모델'을 제안하였다. TOPIS 자료를 이용한 사례 연구 결과 서울시 주요 도로 링크의 교통 혼잡도를 90%에 가까운 정확도로 예측이 가능하였다. 추후 교통사고나 도로 공사와 같은 도로에 영향을 미치는 이벤트 데이터를 추가로 확보할 수 있다면 정확도는 더욱 높아질 것으로 예상된다.