DOI QR코드

DOI QR Code

A Geostatistical Approach for Improved Prediction of Traffic Volume in Urban Area

공간통계기법을 이용한 도시 교통량 예측의 정확성 향상

  • Kim, Ho-Yong (Department of Civil, Architecture and Environment, Missouri University of Science and Technology)
  • 김호용 (미주리대학교 토목.건축.환경공학과)
  • Received : 2010.10.07
  • Accepted : 2010.12.14
  • Published : 2010.12.30

Abstract

As inaccurate traffic volume prediction may result in inadequate transportation planning and design, traffic volume prediction based on traffic volume data is very important in spatial decision making processes such as transportation planning and operation. In order to improve the accuracy of traffic volume prediction, recent studies are using the geostatistical approach called kriging and according to their reports, the method shows high predictability compared to conventional methods. Thus, this study estimated traffic volume data for St. Louis in the State of Missouri, USA using the kriging method, and tested its accuracy by comparing the estimates with actual measurements. In addition, we suggested a new method for enhancing the accuracy of prediction by the kriging method. In the new method, we estimated traffic volume data: first, by applying anisotropy, which is a characteristic of traffic volume data appearing in determining variogram factors; and second, by performing co-kriging analysis using interstate highway, which is in a high spatial correlation with traffic volume data, as a secondary variable. According to the results of the analysis, the analysis applying anisotropy showed higher accuracy than the kriging method, and co-kriging performed on the application of anisotropy produced the most accurate estimates.

부정확한 교통량 예측은 잘못된 교통계획 및 설계를 초래할 수 있으므로, 교통량 데이터를 이용한 교통량 예측은 교통계획 및 운영과 같은 공간의사결정과정에서 매우 중요하다. 교통량 예측의 정확도 향상을 위해 최근 공간통계분석방법인 크리깅 방법론을 이용한 연구들이 발표되고 있으며, 연구결과 기존의 전통적인 방법에 비하여 예측력이 높게 나타났다. 이에 본 연구는 먼저 미국 미주리 주의 세인트루이스를 대상으로 크리깅 분석방법론을 이용하여 교통량 데이터를 예측한 후 실제 측정값과 비교하여 그 정확도를 검증하였다. 이후 크리깅 방법론의 예측 값을 더욱 향상 시키기 위한 새로운 방안을 제시하였다. 그 방안으로 첫째, 베리오그램 인자 결정시 나타난 교통량 데이터의 특징인 이방성을 적용하였으며, 둘째, 교통량 데이터의 공간적 상관관계가 높은 주간고속도로를 이차변수로 설정하여 공동크리깅 분석을 실시하였다. 분석결과 일반 크리깅 방법보다 이방성을 적용한 분석에서 더욱 높은 정확도 나타났으며, 이방성의 적용 하에 실시한 공동크리깅의 결과에서 가장 좋은 예측 값이 나타났다.

Keywords

References

  1. 감사원. 2009. 도로부문 교통기초자료 구축사업의 현황 및 문제점: 교통수요 예측 자료를 중심으로. pp.19-30.
  2. 국토해양부. 2009. 도로 교통량 통계연보 : 고속국도.일반국도.지방도 교통량 2008. 국토해양부 [편]. pp.3-4.
  3. 김강수. 2007. SOC 투자의사결정 합리화 방안 -도로부문 교통량 추정위험분석을 중심으로. 한국개발원. pp.1-8.
  4. 김호용. 2010. 공간통계기법을 이용한 태양열발전시설 입지 정확성 향상 방안. 한국지리정보학회지 13(2):146-156.
  5. 박노욱, 장동호. 2008. 수치표고모델과 다변량 크리깅을 이용한 기온 및 강수 분포도 작성. 대한지리학회지 43(6):1002-1015.
  6. 정선영. 2005. 인프라 21 세미나 - 교통량 예측을 위한 공간통계학의 응용. 국토 285:151-154.
  7. 최종근. 2002. 공간정보모델링: 크리깅과 최적화 기법. 구미서관, 서울. pp.125-163.
  8. Eom, J.K., M.S. Park, T.Y. Heo and L.F. Huntsinger. 2006. Improving the prediction of annual average daily traffic for nonfreeway facilities by applying a spatial statistical method. Journal of the Transportation Research Board 1968:20-29. https://doi.org/10.3141/1968-03
  9. ESRI. 2001. ArcGIS Geostatistical Analyst Tutorial. 26pp.
  10. Issacx, E.H. and M. Sivastava. 1989. An Introduction to Applied Geostatistics, New York: Oxford University Press, 146pp.
  11. Park, S. 2009. Estimating air temperature over mountainous terrain by combining hypertemporal satellite LST data and multivariate geostatistical methods. Journal of the Korean Geographical Society 44(2):105-121.
  12. Tang, Y.F., W.H.K. Lam and P.L.P. Ng. 2003. Comparison of four modeling techniques for short-term AADT forecasting in Hong Kong. Journal of Transportation Engineering 129(3):271-277. https://doi.org/10.1061/(ASCE)0733-947X(2003)129:3(271)
  13. Wang X. and K.M. Kocklman. 2009. Forecasting network data: spatial interpolation of traffic counts from Texas data. Journal of the Transportation Research Board 2105:100-108. https://doi.org/10.3141/2105-13
  14. Zhao, F. and S. Chung. 2001. Contributing factors of annual average daily traffic in a Florida county: exploration with geographic information system and regression models. Journal of the Transportation Research Board 1796:113-122.

Cited by

  1. GOSAT 기반의 동북아시아 CO2 분포도에 적용된 크리깅 기법의 비교평가 vol.20, pp.6, 2010, https://doi.org/10.14249/eia.2011.20.6.879
  2. 남한 강수량 분포 추정을 위한 PRISM 매개변수 및 수치표고모형 최적화 vol.15, pp.3, 2012, https://doi.org/10.11108/kagis.2012.15.3.036
  3. 지리가중회귀모델을 이용한 역세권 공간구조 특성 분석 vol.16, pp.1, 2010, https://doi.org/10.11108/kagis.2013.16.1.067
  4. 빈도분석을 통한 온실의 설계 적설심 평가 vol.16, pp.1, 2010, https://doi.org/10.9798/kosham.2016.16.1.247