• 대한교통학회지
• /
• 제20권5호
• /
• pp.145-152
• /
• 2002

실시간 교통정보는 운전자 입장에서는 항상 과거정보가 되는 특성이 있기에. 신뢰도 높은 예측교통정보 가공의 필요성은 오래전부터 제기되어 왔다. 교통류의 상태를 운전자에게 알리는 방안에는 속도, 통행시간도 있지만, 정체가 심하고 링크가 긴 구간에서는 대기행렬의 길이가 매우 효과적인 제공방안의 하나이다. 본 논문은 Kalman filter를 활용하여 대기행렬 길이를 예측하는 모델을 제안한 후, 실제 검지기 자료를 이용하여 서울 도심의 남산권 네트웍 상에 적용하였다. 5분후의 대기행렬 길이를 예측한 후 통계적으로 검증해 본 결과, 상당한 예측력을 확보할 수 있었다. 본 연구는 국내외 최초로 도심부에서 대기행렬 길이 예측을 시도하였고 실제 활용 가능성을 타진했다는데 큰 의미가 있다.

• 한국항해항만학회:학술대회논문집
• /
• 한국항해항만학회 2018년도 추계학술대회
• /
• pp.275-277
• /
• 2018

선박 및 해상교통관제에 있어서 교통 혼잡구역에 대한 선박교통밀도 예측은 선박충돌사고 예방에 중요하다. 선박 교통밀도 예측정보는 사전에 진입하는 선박들에게 속력조정, 우회항로 이용 등 사전 조치가 가능하다. 본 연구에서는 해상 선박교통상황을 딥러닝 네트워크에 학습한 주의구역 선박교통류 예측 모델(Ship Traffic Extraction Network, STENet)을 제안하여 주의구역의 선박교통류 예측을 수행하고자 한다. STENet 모델 학습을 위해 여수해역 AIS 데이터를 전처리하고, 생성된 입력(해상교통상황)-출력(주의구역 교통밀도) 쌍 데이터를 적용하여 STENet 모델을 학습하였다. 학습된 모델을 이용하여 선박교통류 예측을 한 결과, 중기예측은 표준 절대 오차(mean absolute error)가 0.4-0.5척이 였으며, 장기예측은 0.7-0.8척의 오차로 기존의 Dead Reckoning에 의한 방법보다 50% 이상 교통밀도 예측성능이 향상 되었다.

• 한국정보통신학회논문지
• /
• 제10권7호
• /
• pp.1312-1318
• /
• 2006

텔레매틱스 서비스 중에서 가장 많이 이용하고 있는 것 중 하나는 출발지와 목적지에 이르는 최단 경로를 찾아 주는 서비스이다 . 현재 보편적으로 사용되고 있는 최단 경로 찾기서비스는 실시간 교통 정보를 고려하지 않는 정적인 최단 경로 알고리즘을 사용하고 있다. 본 연구에서는 실시간 교통 정보를 반영하여 현재 시간으로부터 일정 시간 경과한 후의 교통 정보를 예측하기 위한 방법을 제안하고 예측 결과의 정확성을 평가하기 위해 실시간 데이터를 이용하여 실험하였다. 제안된 방법은 도로 위를 달리는 차량의 평균 속도를 5분 단위로 입력 받아 누적된 데이터를 동일한 시간과 요일별로 분석하여 구한 누적 속도패턴과 칼만 필터 방법을 통합한 것이다 . 제안한 방법은 현재 사용되고 있는 누적 속도 패턴만을 이용한 예측보다 더 정확한 예측 결과를 보여 주었다. 예측된 결과는 동적인 최단 경로를 구하기 위해 사용될 뿐만 아니라교통혼잡이 예측되는 지역을 피하여 여행하도록 정보를 제공할 수 있다.

• 한국콘텐츠학회:학술대회논문집
• /
• 한국콘텐츠학회 2019년도 춘계종합학술대회
• /
• pp.17-18
• /
• 2019

이 논문에서는 운전자들의 궤적을 예측하여 해당 도로의 돌발 이벤트와 같은 교통정보를 실시간으로 제공하기 위한 방법을 제안한다. 이를 위해서 운전자의 위치 데이터 수집 및 교통 정보 제공의 처리율을 높일 수 있는 이동 객체 및 교통 정보 관리 방법을 제안한다.

• 한국ITS학회 논문지
• /
• 제12권4호
• /
• pp.44-55
• /
• 2013

지능형교통체계(ITS: Intelligent Transportation System)의 발전은 과거에 비해 보다 신뢰성 있고 폭넓은 교통자료 및 기상자료 등의 취득을 가능하도록 하였다. 이러한 첨단 시스템의 발전에 따라 수집된 자료를 이용하여 교통상황과 기상상황에 대한 다양한 연구가 활발히 진행되고 있다. 본 연구에서는 도로 기상정보 시스템(RWIS: Road Weather Information System)자료와 검지기 자료를 이용하여 강우량에 따른 속도 감소 패턴을 분석하고, 강우량에 따른 속도감소량 산출 결과를 통해 강우수준을 분류하는 기준을 제시하였다. 인공신경망을 이용하여 강우수준별 통행속도를 예측하였으며, 예측 결과를 비교하여 강우수준별 통행속도 예측 특성을 분석하였다. 분석결과, 강우수준 분류 기준은 0.4mm/5min, 0.8mm/5min으로 나타났으며, 강우수준별 속도와 교통량에 대한 분산분석 결과 강우수준별로 차이를 보이는 것으로 나타났다. 인공신경망을 통한 5분 단위의 통행속도 예측결과, 비강우인 경우에는 과거 5개 자료, 즉, 25분 동안의 속도자료를 사용하여 분석하는 것이 예측력이 높게 나타났으며, 강우가 발생하는 경우에는 과거 2~3개 자료, 즉, 10~15분 동안의 속도자료를 사용하는 것이 예측력이 높게 나타났다. 본 연구에서는 기상조건에 관계없이 신뢰성 있는 교통정보를 제공하기 위한 통행시간 예측 방법론을 제시함으로써 통행시간 정보 등의 교통정보 제공 시 보다 정확한 정보를 제공하여 교통상황 예측정보의 신뢰도 향상 및 교통상황 예측정보의 활용도를 증대시킬 수 있을 것으로 기대된다.

• 한국재난정보학회 논문집
• /
• 제14권2호
• /
• pp.230-237
• /
• 2018

연구목적: 현재 국내에서는 지능형 교통체계(Intelligent transport system)의 일환으로 실시간 교통정보를 수집하여 도로운영의 효율성을 높이고 있다. 하지만 실시간 자료를 기반으로 한 교통정보는 운전자가 경험하게 될 교통상황과는 차이가 존재한다. 연구방법: 본 연구에서는 기존 교통량 이력자료 바탕으로 이력자료의 과거참조일수를 3일, 5일, 10일로 조정하여 요일별, 시간대별로 장래의 고속도로 교통량 예측을 수행하였다. 연구결과: 과거 참조일수가 적을수록 예측오차가 작게 나타나는 것을 알 수 있었다. 5번의 과거이력을 참조하여 월요일을 예측한 결과는 10번의 과거이력을 참조했을 때보다 오차가 크게 나타났는데 이는 분석대상 기간인 2016년의 6번째 월요일이 명절이기 때문에 평소의 월요일 교통흐름과는 다소 차이가 있었기 때문으로 판단된다. 결론: 본 연구를 통해 교통량예측 시 과거이력의 참조일수가 적을수록 비교적 오차가 적은 것을 알 수 있었으며 특수한 날에는 해당 이벤트의 교통량이력의 자료를 사용하면 보다 정확도 높은 결과를 나타낼 수 있을 것으로 판단된다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2021년도 제63차 동계학술대회논문집 29권1호
• /
• pp.163-164
• /
• 2021

본 논문에서는 날씨와 상관관계를 갖는 교통사고에 대한 예측을 진행하는 Web Site 개발을 제안한다. 날씨에 영향을 받는 교통사고에 대한 일일 사망자 수, 교통사고 발생률의 각각의 예측값을 딥러닝 모델을 이용한다. 위의 모델을 작성하기 위하여 본 논문에서는 Anaconda 기반의 Jupyter Notebook에서 Python Tensorflow 모델을 작성하여 테스트하고, 만들어진 모델을 웹 사이트에서 불러오기 위해 Python 기반 Flask Web Framework를 통하여 웹 사이트를 개발한다. 개발된 웹 사이트는 사용자들은 Web Site에 날씨 정보를 입력하여 교통사고 발생률을 예측하고 볼 수 있다.

• 대한교통학회지
• /
• 제17권1호
• /
• pp.141-157
• /
• 1999

본 논문은 현재 및 가까운 미래에 있을 교통정보의 제공에 관한 일반적인 가능성으로서 교통현상의 기술이 가능한 교통예측모형의 사용에 대한 총체적인 정리를 함과 함께 바람직한 모형의 제시가 주요 목적이다. 이를 위하여 우선 동적교통배정모형, 통계모형, 모의실험모형, 및 휴리스틱모형이 어떵게 교통정보제공을 위해서 사용될 수 있는지를 각 모형별 제반 특성적 측면에서 검토를 한다. 다음에 이러한 모형의 각종 요구사항이 분석되며, 더 나아가 단기간 교통 상황을 예측하기 위한 각 모형의 능력 및 장단점이 서술적인 관점에서 기술되어진다. 마지막으로, 이러한 각각의 장점을 수용할 수 있을 만한 포괄적인 예측모형의 전형이 그러한 모형을 구축함에 있어서 필요로 하는 데이터의 요구조건과 함께 제시된다.

• 한국ITS학회 논문지
• /
• 제22권5호
• /
• pp.1-18
• /
• 2023

최근 빅데이터 및 딥러닝 기술의 발전으로 다양한 교통정보가 널리 수집 및 활용되고 있다. 특히 시계열 특성을 갖는 교통정보 예측 분야에서는 장단기 메모리(long short term memory, LSTM)가 널리 사용되고 있다. LSTM에 입력되는 시계열 데이터의 추세, 계절성, 주기 등이 상이하기 때문에 시계열 데이터를 기반으로 한 예측 모델에서도 데이터의 특성에 따라 하이퍼 파라미터의 적합한 값을 찾는 시행착오법이 필수적이다. 이에 적합한 하이퍼 파라미터를 찾는 방법론이 정립된다면, 정확도가 높은 모델 구성에 소요되는 시간을 줄일 수 있다. 따라서, 본 연구에서는 국내 고속도로 차량검지기 데이터와 LSTM을 기반으로 교통정보 예측 모델을 개발하였으며, LSTM의 하이퍼 파라미터별 평가지표 변화를 통해 예측 결과에 미치는 영향평가를 수행하였다. 또한, 이를 기반으로 교통분야에서 고속도로 교통정보 예측에 적합한 하이퍼 파라미터를 찾는 방법론을 제시하였다.

• 한국정보통신학회논문지
• /
• 제13권5호
• /
• pp.988-995
• /
• 2009

텔레매틱스 서비스 중 가장 보편적으로 사용되는 것이 출발지에서 목적지까지의 최단 경로 안내 서비스이다. 본 논문에서는 미래 시간에 대한 교통흐름 예측 결과를 바탕으로 한 동적 최단 경로 탐색 시스템을 개발하고 실시간교통정보를 이용한 다양한 실험을 수행하여 성능을 분석하였다. 교통흐름 예측은 베이지안 네트워크 (Bayesian network)를 이용한 예측 시스템을 사용하였다. 동일한 출발지와 목적지에 대해 동적 최단 경로와 정적 및 누적 최단 경로를 탐색하고 각 경로에 대한 통행 시간을 계산하여 실제 최단 경로의 통행시간과 비교하였다. 실험 결과 75% 이상의 비율로 동적 최단 경로의 통행시간이 정적이나 누적 최단 경로의 통행시간보다 실제 최단경로의 통행시간에 가깝게 나타났다. 따라서 중간 경유지에 도착 예정인 시간대의 교통 흐름을 예측하여 동적 최단 경로를 구하는 것이 출발시간의 교통흐름을 모든 구간에 적용하여 최단 경로를 구하는 정적 최단 경로에 비해 더 정확한 교통정보를 제공하여 텔레매틱스 서비스의 품질을 향상시킬 수 있음을 보여 주었다.