• 한국측량학회지
• /
• 제33권4호
• /
• pp.287-296
• /
• 2015

최근 내비게이션에서는 실시간 교통정보와 과거의 교통정보를 가공하여 미래의 교통정보를 예측하는 패턴 교통정보를 같이 활용하여 빠른 길을 안내해주고 있다. 그러나 현재 사용되는 패턴 교통정보는 과거의 정보를 가공하여 교통정보를 예측하기 때문에 특별한 상황(유고, 날씨 등)에서는 예측이 정확하지 않는 문제점을 가지고 있다. 그래서 본 연구에서는 빠른 길을 찾기 위해 실시간으로 운전자들이 요청하는 경로탐색 데이터를 분석하여 가까운 미래 운전자들이 위치할 도로의 교통 혼잡도를 미리 파악하여 패턴 교통정보 보다 정확한 예측 교통정보를 제시하였다. 연구결과 첫째, 연구지역의 정체경로인 양재에서 마포간 차량속도 비교에서는 기존 상습정체 도로의 속도가중치 정확도가 3km/h에서 18km/h의 오차율이 발생하였지만, 본 연구의 Real 예측 교통 정보를 적용한 결과는 1km/h에서 5km/h의 오차율이 발생하였다. 둘째, 경로 품질에서 기존의 경로보다 최대 약 9분, 평균 약 3분 일찍 목적지에 도착하여 예측 교통정보 결과의 신뢰성을 입증할 수 있었다. 셋째, 기존의 경로탐색 결과 보다 혼잡도를 미리 예측하여 혼잡이 발생할 도로에 대해 회피되는 경로탐색 결과를 도출할 수 있었다. 따라서 본 연구결과의 경로탐색 비교를 통해 교통량에 대한 예측정보를 획득할 수 있었으며 이를 활용하여 실시간 빠른 길 탐색이 가능하고, 향후 교통 흐름을 분산 시키는데도 도움이 될 것으로 판단된다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2014년도 제50차 하계학술대회논문집 22권2호
• /
• pp.117-118
• /
• 2014

최근 공공기관의 공공데이터 제공이 활성화 되고 있으며, 이를 활용한 응용서비스에 대한 요구도 증가하고 있는 추세이다. 현재 교통정보예측 플랫폼은 실시간 교통정보 또는 과거 교통정보이력을 분석하여 미래의 교통량이나 도착시간정보를 제공하고 있으나 날씨, 사고 등과 같은 미래 교통정보에 즉각적인 영향을 줄 수 있는 요소를 배제하고 있어 높은 신뢰도를 확보하기 어렵다. 본 논문에서는 교통정보예측에 영향을 주는 요소인 기상, 사고, 교통정보와 같은 공공데이터를 효율적으로 수집 저장 처리할 수 있는 저장방식 및 신뢰도 높은 교통정보를 예측할 수 있는 예측기술이 포함된 b-Traffic 서비스 플랫폼을 제시한다.

• 한국정보통신학회논문지
• /
• 제13권4호
• /
• pp.765-773
• /
• 2009

최근의 텔레매틱스 교통정보제공서비스는 지능형 교통시스템의 구축을 통한 실시간 교통정보 수집이 가능해짐에 따라 다양해지고 있다. 본 논문에서는 고품질의 다양한 교통정보제공을 위해 필요한 미래시간에 대한 단기 교통정보 예측 모델을 제안하고 개발하였다. 단기 예측 모델은 현재로부터 가까운 미래의 교통 상황을 예측하기 위한 교통 모델로 본 연구에서 제안한 예측 모델은 각 도로에 대하여 5분 이후부터 1시간 이전까지의 미래시간에 대한 차량 평균 속도를 예측 결과로 준다. 본 연구에서 제안한 예측 모델은 베이지안 네트워크에 기반을 두고 있으며 각 도로의 미래시간 교통상황에 영향을 줄 수 있는 요인들을 분석하여 베이지안 네트워크의 원인노드로 설정하였다. 설계된 베이지안 네트워크에 대하여 실시간 교통정보데이터를 이용하여 가우시안 혼합 분포를 가정한 베이지안 네트워크의 결합 확률 밀도 함수를 EM(Expectation Maximization) 알고리즘으로 구하여 미래시간의 교통정보를 예측하였다. 예측 모델의 정확도 검증을 위해 실시간 교통데이터로 다양한 실험을 수행하였다. 실험결과 제안된 모델은 현재 시간으로부터 10분 이후, 30분 이후, 60분 이후 예측 오차로 각각 4.5, 4.8, 5.2의 RMSE(Root Mean Square Error) 값을 주었다.

• 한국ITS학회:학술대회논문집
• /
• 한국ITS학회 2003년도 제2회 정기총회 및 추계학술대회
• /
• pp.142-147
• /
• 2003

• 한국ITS학회 논문지
• /
• 제22권6호
• /
• pp.1-16
• /
• 2023

정확도가 높은 교통정보 예측은 지능형교통체계(intelligent transport systems, ITS)를 통한 교통 시설 이용자들의 혼잡 경로 회피 안내 등에서 활용되는 중요한 기능이다. 정확한 교통정보예측을 위해 다양한 딥러닝 모델들이 발전되어 왔다. 최근에는 앙상블 기법을 활용하여 다양한 모델들의 장단점을 결합하여 예측 정확도와 안정성을 높이고 있다. 따라서, 본 연구에서는 다양한 딥러닝 모델들을 활용하여 교통정보 예측 모델을 개발하였으며, 개발된 딥러닝 모델들을 스태킹 앙상블(stacking ensemble)하여 성능을 개선하였다. 개별 모델들은 교통량 예측에서 10% 이내의 오차율을, 속도 예측에서 3% 이내의 오차율을 보였다. 앙상블 모델은 교차검증을 수행하지 않았을 때, 타 모델과 비교하여 더욱 높은 정확도를 보였다. 교차검증을 수행한 앙상블 모델은 장기예측에서 타 모델보다 균일한 오차율을 보이는 것으로 나타났다.

• 한국시뮬레이션학회:학술대회논문집
• /
• 한국시뮬레이션학회 2001년도 춘계 학술대회 논문집
• /
• pp.107-112
• /
• 2001

본 연구는 FTMS와 TCS를 실시간으로 통신하여 톨게이트 운영에 관련된 다양한 교통정보를 제공하는 교통상황 모니터링과 미래의 교통상황을 예측하고 이를 바탕으로 톨게이트 교통상황을 예측하는 톨게이트 시뮬레이션 시스템(TGSS)을 개발하는 것이다. 교통상황 모니터링은 실시간 교통자료를 통계처리하고 분석하여 사용자에게 그래픽하게 교통정보를 제공하고 교통류의 예측은 톨게이트에 도착하는 교통류를 60분 후까지 예측하여 톨게이트 운영자에게 제공한다. 또한 톨게이트 예측시스템은 서울톨게이트에 도착하는 교통류 패턴을 이용하여 미래 톨게이트 교통상황을 시뮬레이션하고 이에 대한 톨게이트 운영 대안을 제시하는 기능을 수행한다. FTMS 및 TCS와 실시간으로 통신하기 위하여 별도의 통신프로그램을 작성하였고 통신에 의해 수집된 실시간 교통자료들은 모니터링 시스템과 연계하여 서울 톨게이트 주변구간의 교통상황과 톨게이트 운영 현황을 제공한다. 교통류 예측 시스템에 사용되는 모형은 거시적 교통류 모형인 Simple Continuum 모형과 시계열 모형을 이용하였고 이를 통해 서울 톨게이트에 도착하는 미래 교통류를 예측 할 수 있다. 톨게이트의 교통상황을 구현하기 위하여 미시적 모형인 차량추종모형과 차로변경모형을 톨게이트 예측 시스템에 반영하였고 현재의 톨부스 운영안과 사용자가 입력하는 톨부스 운영대안에 따라 시뮬레이션 함으로써 미래 톨 플라자내 교통상황을 톨게이트 운영자에게 애니메이션으로 보여줄 수 있다. 톨게이트 시뮬레이션 시스템을 이용하여 현재의 톨게이트 운영안과 최적화된 운영안을 상호 비교함으로써 톨게이트 운영자는 좀더 과학적인 톨게이트 운영을 모색할 수 있을 것으로 생각된다. 실용적 측면에서 볼 때, 톨게이트 시뮬레이션 시스템(TGSS)은 실시간 통신을 통한 모니터링과 교통류 예측으로 톨게이트 상황을 시뮬레이션하고 톨게이트 운영 대안을 제시·평가함으로써 서울톨게이트 운영을 효율화하고 이로 인한 고속도로 소통 증대를 도모할 수 있을 것으로 기대된다.

• 한국ITS학회 논문지
• /
• 제20권1호
• /
• pp.86-99
• /
• 2021

교통혼잡을 완화하기 위한 방안 중 하나로 도로 이용자에게 교통상황 예측정보를 제공함으로써 교통량을 분산 시켜 도로 이용 효율을 증대시키는 방법이 있다. 이를 위해서는 신뢰성이 보장되고 정량적인 실시간 교통 속도 예측이 필수적이다. 본 연구에서는 상황별 교통속도 분석을 기반으로 이력 속도 데이터와 이력 속도 외의 교통류에 상관관계가 있는 데이터를 LSTM 입력 데이터로 활용하였다. 정상 교통류 상황에 대응하여 속도를 예측하는 LSTM 모델과 유고상황에 대응하여 속도를 예측하는 CNN-LSTM 모델을 개발하여 유고발생 후 1시간까지 5분 단위로 교통속도 예측을 시도하였다. 모델의 검증은 테스트 데이터를 통하여 교통상황별 예측성능을 분석하였다. 그 결과 정상 교통류에서는 평균 7.43km/h, 유고상황에서는 7.66km/h의 오차율로 각각 예측되었다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2014년도 제50차 하계학술대회논문집 22권2호
• /
• pp.395-396
• /
• 2014

최근 급증하는 교통 혼잡으로 인해 시간적/물리적 손실이 크게 발생하고 있다. 이러한 교통난 해소는 시설투자만으로는 근본적인 해결책이 될 수 없다는 판단 하에 지난 수년간 보다 정확한 교통량을 예측하기 위해 다양한 교통량 예측 모델들이 개발되어왔다. 그러나 기존 모델들은 회기분석을 통해 과거 교통량을 분석하고 과거의 교통패턴이 미래에 지속적으로 연장된다는 가정 하에 연구되었기 때문에 실시간으로 급변하는 불규칙한 교통 패턴에 대한 예측의 신뢰성을 떨어트린다. 이를 위해 본 논문에서는 큐잉 네트워크 모델 기반의 교통량 예측 모델을 설계 하고 이를 바탕으로 안드로이드 기반의 애플리케이션을 구현하였다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2014년도 제49차 동계학술대회논문집 22권1호
• /
• pp.347-348
• /
• 2014

최근 급증하는 교통 혼잡으로 인해 시간적/물질적 손실이 크게 발생하고 있다. 이러한 교통난 해소는 시설투자만으로는 근본적인 해결책이 될 수 없다는 판단 하에 지난 수년간 보다 정확한 교통량을 예측하기 위해 시계열 기반의 다양한 교통량 예측 모델들이 개발 되어 왔다. 그러나 시계열 기반의 모델들은 회귀분석을 통해 과거 교통량을 분석하고 과거의 교통패턴이 미래에도 지속적으로 연장된다는 가정 하에 연구되었기 때문에 실시간으로 급변하는 불규칙한 교통 패턴에 대한 예측의 신뢰성을 떨어트린다. 또한 시계열 기반의 예측 기법은 어떠한 회귀분석 모델을 사용하는지에 따라 성능의 차이가 많이 나타나기 때문에 회귀분석 모델 선택이 중요하다. 이러한 제약을 극복하기 위해 본 논문에서는 은닉 마르코프 모델(Hidden Markov model)을 이용해 동적인 교통 패턴에 따라 현재 상황에 맞는 회귀분석 모델을 선택하는 신뢰도 높은 교통량 예측 시스템을 제안한다.

• 대한교통학회지
• /
• 제18권3호
• /
• pp.43-54
• /
• 2000

이 연구는 버스정보 시스템 설계에 필요한 운행시격 결정과 통행시간 예측을 위한 알고리즘 개발을 다룬다. 운행시격 결정 문제는 버스와 같은 대중교통 수단을 운영하는데 중요한 요소 중에 하나이다. 기존 연구는 버스 운행비용과 승객비용의 합을 최소로 하는 운행시 격을 찾는데 초점을 두고 이다. 이때 승객비용이란 승객 대기비용과 승객 교통비용의 합으로 이루어진다. 그런데 우리나라와 같이 버스회사 수입이 전액 운행수입에만 의존하는 경우엔 이러한 접근 방식이 타당하지 않다. 기존의 방식과 다르게 승객비용으로 승객 이탈비용을 사용하여 버스의 최적 운행시 격을 구하는 것이 이 연구의 목적이다. 먼저 정류장이 하나인 경우에 대해 해석적 방법으로 풀고, 정류장이 여러 개인 경우에 대해서는 시뮬레이션 기법을 적용한다. 또한 이 연구는 신뢰성이 높고 정확한 통행시간 예측정보를 산출하기 위해 2 단계 예측 기법과 전문가시스템을 이용하는 자료융합 알고리즘을 개발한다. 정확한 정보를 제공하려면 교통정보 수집원을 통해 얻는 자료가 정확해야 하고, 또한 교통상황 변화에 따라 실시간으로 통행시간을 예측하는 것이 필요하다. 이 연구는 AVL(Automatic Vehicle Location)시스템을 이용한 버스정보시스템에서 실시간 데이터와 과거 데이터를 융합하여 통행시간을 예측하는 알고리즘을 개발한다. AVL 데이터를 수집하는 과정에서는 경제성을 고려하여 데이터를 수집한다. 그리고, 버스의 운행관리와 정확한 도착예정시간을 예측하기 위해 AVL시스템을 통해 얻은 데이터의 패턴을 분석하고 유고상황을 감지한다.