• 대한토목학회논문집
• /
• 제40권4호
• /
• pp.401-408
• /
• 2020

본 연구는 교통정보 수집 시 사용되고 있는 다양한 수집장비에 대하여 고찰하고, 이에 따른 운영현황 및 문제점을 분석하여, 기존 교통정보 수집방식의 문제점과 오차를 저감시킬 목적으로 드론을 이용한 교통영상정보 수집방법을 제시하고자 한다. 본 연구에서는 드론을 이용한 현장조사 결과를 기반으로 고도별, 각도별, 방향별로 분석을 시행하였다. 분석결과를 토대로 드론을 이용한 교통영상정보 수집방법에 관한 드론 촬영기준을 제안하였고, 기존의 교통정보 수집방법과 드론을 이용한 교통영상정보 수집방법과의 비교·검토를 통해 장·단점을 제시하였다. 또한, 교통영상정보 수집 시 드론을 활용하여 공중에서 각종 교통정보를 수집할 수 있고, 기존에 설치한 교통정보 수집지점과 더불어 주변의 상황까지 더 광범위하게 수집하고 각종 돌발상황, 재난상황 등 유고상황에 능동적으로 대응하여 이용자에게 주변 교통정보를 제공할 수 있으며, 필요에 따라 수집지점을 변경·확대하는 등 고정식 장비로 수집되는 교통정보를 보완하여 정확한 교통량 조사 목적을 달성하는데 이바지할 수 있을 것으로 판단된다.

• 산업경영시스템학회지
• /
• 제45권2호
• /
• pp.20-29
• /
• 2022

This study intends to present a traffic node-based and link-based accident prediction models using XGBoost which is very excellent in performance among machine learning models, and to develop those models with sustainability and scalability. Also, we intend to present those models which predict the number of annual traffic accidents based on road types, weather conditions, and traffic information using XGBoost. To this end, data sets were constructed by collecting and preprocessing traffic accident information, road information, weather information, and traffic information. The SHAP method was used to identify the variables affecting the number of traffic accidents. The five main variables of the traffic node-based accident prediction model were snow cover, precipitation, the number of entering lanes and connected links, and slow speed. Otherwise, those of the traffic link-based accident prediction model were snow cover, precipitation, the number of lanes, road length, and slow speed. As the evaluation results of those models, the RMSE values of those models were each 0.2035 and 0.2107. In this study, only data from Sejong City were used to our models, but ours can be applied to all regions where traffic nodes and links are constructed. Therefore, our prediction models can be extended to a wider range.

• 대한교통학회지
• /
• 제24권7호
• /
• pp.65-79
• /
• 2006

ITS 의 한 분야인 첨단교통정보체계 (ATIS: Advance Traveler Information System)는 운전자들에게 통행 전 (pre-trip). 통행 중 (en-route) 교통정보를 제공함으로서 운전자의 경로선택과정에 영향을 미쳐 도로망의 교통량 분산효과를 추구하는 시스템이다. 이중 도로상에서 운전자가 진행하는 방향에 대한 직접적인 정보를 제공하는 VMS 는 ATIS의 정보제공방안중 가장 효과적인 수단이 될 수 있다. 이러한 때 VMS의 정보제공목표는 단순현황정보만을 제공하는 운전자 편의측면과 교통수요를 관리하여 시스템의 성능을 증진시키는 시스템 제어측면으로 구분이 가능하다 하지만 보다 효율적인 도로전광표지의 정보제공을 위해서는 시스템제어 측면의 정보제공이 이루어져야 할 것이다 이러한 교통관리시스템(traffic management system)으로서 VMS 핵심적인 관리전략은 혼잡 (traffic congestion) 또는 돌발 상황(incident)발생 시 지체 (delay)를 최소하기 위한 교통우회전략(Traffic Diversion Strategy)이라 할 수 있다 이를 효과적으로 운영하기 위해서는 첫째, 교통상황 (network traffic condition)에 따라 적정한 우회교통량 (diversion traffic volume) 의 산정이 선행되어야 하고 둘째, 이러한 우회교통량을 제어하기 위해서는 VMS 정보내용 (VMS massage contents)에 따른 운전자의 행태(driver response behavior)가 반영된 정보제공전략 (providing information strategy)이 수립되어야 한다. 이에 본 연구에서는 돌발 상황 발생에 의해 혼잡이 야기될 때 VMS 실시간 경로안내 정보제공에 대해 초점을 맞추었다 이를 위해 첫째로, CA(Cellular Automata) 기반 교통류 사율레이션을 모형을 이용뼈 통행시간 및 대기행렬의 변화가 반영된 시간대별 시스템 최적경로 전환율을 산정하였다. 둘째로, 이항로짓 모형을 이용하여 운영자가 제어할 수 있는 정보특성에 대한 경로전환행태 모형 (route choice behavior model) 을 만들었다 마지막으로 시스템 최적상태 (system Optimum)의 달성을 위한 VMS의 시간대별 정보내용 및 강도를 결정하였다.

• 대한인간공학회지
• /
• 제18권1호
• /
• pp.133-147
• /
• 1999

Traffic signs without a cognitive consideration in their design may cause information-processing problem that could result in a mental confusion among drivers often lead to a serious traffic accident. Therefore, in this study, several traffic signs currently used in Seoul Metropolitan area have been sampled and analyzed to identify design problems that usually caused by neglecting drivers cognitive ability. To classify the practical design problems, five major information-processing problems have been suggested: indistinguishable information, information conflict, missing information, sign-load mismatch, and information overload. In order to solve these cognitive problems, new traffic signs have been suggested in this study. An experiment was also performed to validate the new traffic sign. Twenty-four healthy subjects participated in the experiment. They were asked to answer the Question after observing the traffic signs continuously displayed on computer screen. The result indicated that subjects improved the accuracy in understanding the signs by 1.4 times when they used the suggested traffic sign compared to the old one. Based upon the results, a cognitive guideline was suggested for correct and speedy reading of traffic signs by improving information processing and reducing of human error. In conclusion, the traffic sign may well be applied to design an intelligent traffic sign system to increase the safety and comfort of drivers, especially in complex load condition.

• International journal of advanced smart convergence
• /
• 제12권4호
• /
• pp.88-97
• /
• 2023

Traffic flow prediction is of great significance in urban planning and traffic management. As the complexity of urban traffic increases, existing prediction methods still face challenges, especially for the fusion of spatiotemporal information and the capture of long-term dependencies. This study aims to use the fusion model of graph neural network to solve the spatio-temporal information fusion problem in traffic flow prediction. We propose a new deep learning model Spatio-Temporal Information Fusion using Graph Neural Networks (STFGNN). We use GCN module, TCN module and LSTM module alternately to carry out spatiotemporal information fusion. GCN and multi-core TCN capture the temporal and spatial dependencies of traffic flow respectively, and LSTM connects multiple fusion modules to carry out spatiotemporal information fusion. In the experimental evaluation of real traffic flow data, STFGNN showed better performance than other models.

• 지식경영연구
• /
• 제11권2호
• /
• pp.75-93
• /
• 2010

Even though there have been many efforts on driver's route recommendation, driver still should get involved to choose the driving path in a manual manner. Uncertain traffic information provided to the driver delays his arrival time and hence may cause diminished economic values. One of the solutions of reducing the uncertainty is to provide various kinds of traffic information, rather than send real-time information. Therefore, as the wireless communication technology improves and at the same time volume of utilizable traffic contents increases in geometrical progression, selecting traffic information based on driver's context in a timely and individual manner will be needed. Hence, the purpose of this paper is to propose a methodology that efficiently sends the rich traffic contents to the personal in-vehicle navigation. To do so, driver preference is modeled and then the recommendation algorithm of traffic information contents was developed using the preference model. Secondly, ontology based traffic situation analyzation method is suggested to automatically inference the noticeable information from the traffic context on driver's route. To show the feasibility of the idea proposed in this paper, an open API service is implemented in consideration of ease of use.

• 한국컴퓨터정보학회논문지
• /
• 제11권6호
• /
• pp.185-192
• /
• 2006

인터넷 웜과 같은 DDoS(Distribute Denial of Service Attack) 공격에 사용되는 네트워크 트래픽과 정상적인 서비스를 위한 네트워크 트래픽을 구분해 내는 것은 쉽지 않다. 정상적인 패킷을 유해 트래픽으로 판단하고 유해 트래픽의 공격자의 의도대로 서비스를 못하는 경우가 발생하므로, 인터넷 웜과 DDoS 공격으로부터 시스템을 보호하기 위해서는 공격 트래픽에 대한 정확한 분석과 탐지가 우선되어야 한다. IPv6 환경으로 전환될 때 발생하는 유해 트래픽에 대한 연구가 미약한 상태이므로, 본 논문에서는 IPv6 환경에서 NETWIB로 공격을 수행하고 공격 트래픽을 모니터링한 후 MIB(Management Information Base) 객체를 지수평활법을 적용하여 예측치 구한 후 임계치를 산정하여 공격을 판별한다.

• 한국ITS학회 논문지
• /
• 제9권6호
• /
• pp.13-21
• /
• 2010

도로교통공단과 경찰청은 2005년부터 전국 주요도시에 교통정보센터, 도로교통정보시스템(UTIS), CCTV, VMS 통신망 등 교통정보 기반시설을 설치하는 "도시지역 광역교통정보 기반확충사업"을 추진 중에 있다. 중앙교통정보센터는 국내 교통정보 허브(Hub) 기능을 담당하는 동시에 표준화된 광역교통정보관리체계의 구축 및 지역간 구분없는 UTIS 교통정보를 제공하는 역할을 수행하고 있다. 본 연구에서는 중앙교통정보센터를 통해 통합 제공되는 UTIS 교통정보 서비스의 효율적 추진과 품질향상을 도모하기 위한 방안을 모색하기 위해 수행되었다. 최종수요자(End-User) 요구분석, 기존사례검토 및 계층적 분석기법(AHP) 등을 활용하여 UTIS 교통정보 제공서비스의 성과평가지표를 개발하였으며, 평가시행방안을 수립 제시하였다. 개발된 성과평가지표는 총 5개 부문 20개 지표로 구성되어 있으며, UTIS 교통정보 제공에 따른 직접적/간접적 평가가 가능토록 하였다. 본 연구에서 제시된 평가지표 및 평가방법을 활용함으로써 중앙교통정보센터 UTIS 교통정보 제공서비스의 품질 개선을 도모할 수 있을 것으로 기대되며, 타 교통정보시스템의 운영성과 평가 시에도 확장 적용이 가능할 것으로 판단된다.

• 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.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제14권2호
• /
• pp.841-854
• /
• 2020

The paper explains the method to process, analyze and predict traffic patterns in Los Angeles county using Big Data and Machine Learning. The dataset is used from a popular navigating platform in the USA, which tracks information on the road using connected users' devices and also collects reports shared by the users through the app. The dataset mainly consists of information about traffic jams and traffic incidents reported by users, such as road closure, hazards, accidents. The major contribution of this paper is to give a clear view of how the large-scale road traffic data can be stored and processed using the Big Data system - Hadoop and its ecosystem (Hive). In addition, analysis is explained with the help of visuals using Business Intelligence and prediction with classification machine learning model on the sampled traffic data is presented using Azure ML. The process of modeling, as well as results, are interpreted using metrics: accuracy, precision and recall.