• 한국정보통신학회논문지
• /
• 제19권12호
• /
• pp.2779-2784
• /
• 2015

정확한 교통정보의 예측은 출발지로부터 목적지까지의 최적경로를 제공할 수 있으며, 이로 인해 시간과 비용의 절감 효과를 얻을 수 있다. 본 논문에서는 다양한 교통정보 예측 방법 중 확률 모델을 기반으로 교통정보를 예측하는 베이지안 네트워크 방법을 이용한다. 기존 연구에서는 베이지안 네트워크 예측 방법이 모든 시간대에서의 데이터를 학습에 사용하는 것과는 달리, 본 논문에서는 예측하고자 하는 시간대와 동일한 요일과 시간에 해당하는 데이터만을 선별적으로 학습에 사용한다. 서로 다른 두 가지 학습방법에 따른 예측 결과의 정확도는 일반적으로 많이 사용되는 MAPE(Mean Absolute Percentage Error)로 검증하였으며, 서울 시내 14개의 링크 구간에 대해 실험을 진행하였다. 실험결과는 본 논문에서 제안한 방법이 모든 시간대의 데이터를 학습에 사용한 방법에 비해 MAPE의 관점에서 더 높은 정확도를 가진 교통 예측 값을 계산할 수 있음을 보여준다.

• 응용통계연구
• /
• 제34권5호
• /
• pp.773-794
• /
• 2021

교통량 예측은 지방 행정의 의사결정에 매우 중요한 정보를 제공한다. 교통량 예측을 통해 교통혼잡비용을 줄이고 지역경제를 활성화 함으로써 사회적, 경제적 이익을 창출할 수 있다. 교통량은 미지의 확률적 규칙하에서 시간의 흐름에 따라 궤적을 가지며 변화하는 함수데이터의 일종이다. 본 논문에서는 세 가지 함수회귀모형을 이용하여 과거에 관측된 교통량 궤적을 기반으로 미래의 관측되지 않은 교통량 궤적을 예측하는 방법을 제시한다. 본 논문에서 소개하는 세가지 방법은 전국 고속도로 영업소 중 서울, 춘천, 강릉 세 개 영업소에서 수집된 고속도로 영업소 데이터에 적용한다. 각 영업소 별로 세가지 방법의 예측오차를 비교함으로써 영업소별 최적 교통량 예측모형을 찾는다.

• 대한교통학회지
• /
• 제27권2호
• /
• pp.207-214
• /
• 2009

최근 각종 센서 및 통신기술의 발달은 과거에 비해 보다 미시적이고 폭넓은 교통자료의 수집과 운전자의 주행편의를 위한 다양한 방식의 정보제공을 실시간 환경에서 가능하도록 하였다. 본 연구에서는 Positive Guidance 기법을 응용하여 이와 같은 실시간 환경에서 적용 가능한 실시간 교통상충 분석 기반의 경고정보 제공 방안을 제안하고자 한다. 제안하는 시스템은 영상 이미지 추적 기법으로 개별차량의 주행패턴을 분석하여 인접 차량간 상충을 분석하고, ARIMA 모형을 이용하여 상충분석결과를 바탕으로 영상검지영역의 위험도를 예측한다. 위험도 예측을 통해 생성된 경고정보는 Positive Guidance 기법을 적용하여 영상검지영역 상류부에서 접근 중인 운전자에게 제공된다. 본 연구의 성과물은 향후 보다 교통사고 예방을 위한 보다 진보된 교통정보시스템의 개발 시 유용하게 활용될 것으로 기대된다.

• 지능정보연구
• /
• 제20권1호
• /
• pp.121-131
• /
• 2014

교통속도는 교통 문제를 해결하기 위한 중요한 지표 중 하나이다. 이를 이용하여 교통혼잡 탐지, 주행 시간 예측, 도로 설계와 같은 다양한 문제 해결에 활용할 수 있다. 따라서 정확한 교통속도 예측은 지능형 교통 시스템의 개발에 있어 필수적인 요소라고 할 수 있다. 본 논문에서는 대한민국 부산시의 특정 도로를 대상으로 교통 속도에 대한 분석 및 예측을 수행하였다. 과거 연구에서는 대상 도로의 속도 예측을 위해 과거 대상 도로의 교통속도 이력 데이터만을 사용하였다. 그러나 실제 대상 도로의 교통 상황은 인접한 도로의 교통 상황의 영향을 받게 된다. 따라서 본 논문에서는 실제 부산시의 과거 교통속도 이력 데이터를 기반으로 대상 도로와 인접 도로를 모두 고려하여 교통속도 예측 모델의 학습을 위한 속성을 추출하였다. 이와 같이 후보 속성들을 추출 한 후 선형 회귀 (linear regression), 모델 트리 (model tree) 및 k-nearest neighbor (k-NN) 기법을 이용하여 속성의 부분집합 선택 (feature subset selection)과 교통속도 예측 모델 생성을 수행하였다. 실험 결과 주어진 교통 데이터에서 k-NN 기법은 선형 회귀 및 모델 트리 기법에 비해 평균절대백분율오차 (mean absolute percent error, MAPE)와 제곱근평균제곱오차 (root mean squared error, RMSE) 측면에서 더 나은 성능을 보임을 확인하였다.

• 대한교통학회지
• /
• 제26권5호
• /
• pp.101-115
• /
• 2008

본 연구는 교통선진국에서 활발한 연구 및 개발 등을 거쳐 일반화 작업 등이 시행되고 있으며 국내에서도 경찰청과 도로교통공단이 함께 도입을 추진하고 있는 도시교통정보시스템(UTIS : Urban Traffic Information System, 무선교통정보수집제공시스템으로 더 잘 알려짐)을 소개하고, 추후 UTIS 도입 시, 서비스 이용 수요 예측과 실제 소비자인 운전자가 지불 방식별로 만족할 수 있는 적정 이용료에 대하여 연구하였다. 본 연구에서 얻어진 결과를 요약하면, 다음과 같다. 첫째 UTIS 서비스 이용 수요 예측 모델을 이항 로짓 모델을 통해 구축하였다. 둘째 UTIS 서비스의 이용료 지불 방식별 이용 행태 예측 모델을 순서형 프로빗 모델을 통해 구축하였다. 셋째, UTIS서비스의 이용 행태별 지불 방식별 선호도를 파악한 뒤, 이용료 지불 방식별로 민감도 분석을 통하여, 이용률의 단위 탄력점을 파악하고, 이용자 측면이 고려된 각 지불 방식별 적정 이용료를 서비스 공급자에게 제시하였다.

• 한국ITS학회 논문지
• /
• 제20권3호
• /
• pp.59-73
• /
• 2021

교통사고로 인한 많은 인명피해가 발생하고 있으나, 첨단 기술의 발전에도 불구하고 교통사고 발생은 줄어들지 않고 있다. 교통사고를 사전에 예방하기 위해서는 향후 사고가 어떻게 변화하여 갈 것인지를 정확하게 예측할 필요가 있다. 지금까지 교통사고 발생 빈도 예측은 주요 연구 분야가 아니었으며 주로 과거 일정 기간의 통계를 기반으로 전통적인 방법으로 미시적으로 분석되어 왔다. 최근 AI 기술이 교통사고 분야에 도입 되었음에도 불구하고 주로 교통 흐름 예측에 초점을 맞추고 있어, 본 연구에서는 2014년부터 2019년까지 국내에서 발생한 1,339,587건의 교통사고 기록을 시계열 데이터로 변환하고 AI 알고리즘 LSTM을 이용하여 연령별, 시간별 교통사고 발생 빈도를 예측하였다. 또한 코로나-19로 인한 교통 환경의 변화에 맞추어 예측값과 실제값을 비교 검증하였다. 향후 이러한 연구결과가 교통사고 예방의 정책개선으로 이어지고 사고 예방에 활용 될 것으로 기대된다.

• 대한교통학회지
• /
• 제20권4호
• /
• pp.135-150
• /
• 2002

기 제안된 수리적 동적통행배정모형은 전체 시뮬레이션 기간동안 시간종속적 교통수요와 교통망의 교통상황이 이미 안정되어 있고 장래에도 예측가능 하다는 가정을 전제로 개발되었다. 이러한 가정은 실제 시시각각으로 변화하는 교통수요와 교통상황의 예측 불가능함 고려할 때 비현실적이라고 할 수 있다. 한편, Rolling Horizon Implementation(RHI)은 기종점간의 수요행렬(trip matrix)과 교통상황(traffic condition)이 단기간의 예측시간동안 현재의 예측정보를 기반으로 신뢰성 있게 모니터링 될 수 있고, 그 시점에서 보다 미래로 연장된 시간으로는 불확실성(uncertainty)의 증가를 고려한다는 가정을 전제로 제안되었다. 따라서, RHI개념과 부합되는 수리적 동적통행배정모형은 시뮬레이션 출발시점에 수요와 교통상황에 대한 확정적 정보가 이미 획득되어 있고, 그 기간이후의 정보에 대해서는 시간이 흐름에 따른 정보의 유용성을 근거로 각 운전자 그룹이 인지 (Perceived)하는 가로망의 통행비용(travel cost)을 최소화되도록 차량을 배정하는 것으로, 실시간적으로 인지된 교통수요와 교통망에 대한 정보를 통행배정초기에 입력변수로 사용하여 실시간 교통정보모형으로서 운영가능 하다는 장점을 제공한다. 본 연구는 수리적 동적통행배정모형이 RHI개념과 부합되어 교통상황과 수요변화를 실시간적으로 반영하여 운영되도록 모형의 기능을 확장하는 데 있다. 이를 위해, 다계층 이용자(multiple user classes) 동적통행배정모형을 변동등식(variational equality)이론에 근거한 모형식을 기반으로, 실시간 통행배정에서 발생하는 종점에 도착하지 못한 차량(unfinished trips)과 이들의 재배정(rerouting strategy) 문제를 인식하고, 이 차량들을 링크상의 교통량 전파조건(flow propagation constraint)을 토대로 다음 통행배정 시간대의 실시간 수요로서 반영할 수 있는 방안을 제시한다.

• 대한교통학회지
• /
• 제19권1호
• /
• pp.149-157
• /
• 2001

내부순환로 교통관리시스템은 기존의 국내 교통 시스템들과는 달리 충분한 수집체계와 정보제공 체계를 갖추고 있으며, 전략의 구체화와 현실적 실현, 즉 전략의 시스템화를 위해 많은 노력을 기울였다. 그런 노력의 일환으로 이 시스템에서는 다양하고 복잡한 돌발상황을 단순화하고 일반화하기 위해 Uniform Event Reaction Formula라 하는 개념을 사용하였다. 이 개념은 어떤 돌발상황이 발생하면 이로 인해 영향을 받는 반응 영역과 영향을 받지 않는 비반응 영역으로 분리한 후, 반응 영역은 예측을 통한 제어 관리를 수행하고, 비반응 영역은 통상적인 제어 관리만을 수행함을 의미한다. 그러나, 돌발상황에 따른 반응 영역과 비반응 영역의 결정에 필요한 돌발상황 처리시간 예측과 대기행렬 예측 모형은 내부순환로의 도로 및 교통환경에 적합한지 검증되지 않아 많은 시행착오가 예상된다. 특히, 돌발상황의 처리시간 예측은 동질대응 구간 결정의 가장 중요한 요소로서, 현재는 처리시간에 상당한 여유를 두어 운영할 계획이지만 궁극적으로는 내부순환로에 적합한 처리시간 예측 모형의 개발이 필요할 것으로 판단된다.

• 정보와 통신
• /
• 제25권7호
• /
• pp.10-15
• /
• 2008

최근 고속도로의 길이와 운전 차량 수가 빠른 속도로 증가하고 있어 운전자들에게 고속도로 교통상황를 신속하고 정확하게 제공하는 것이 중요한 문제로 대두되고 있다. 고속도로통행료수납시스템(TCS: Toll Collection Systrem)은 전국 고속도로를 주행하는 차량의 통행 정보를 실시간으로 제공하므로 교통 상황 예측에 유용하게 활용될 수 있다. TCS 자료는 차량이 입구영업소를 통과한 후 출구영업소를 통과하는 데 소요된 시간으로서, 운전한 시간, 휴게소 체류시간 등을 모두 포함한 통행시간으로 운전자의 운전 특성, 통행 목적, 피로의 정도에 따라 편차가 크게 나타난다. TCS 자료의 통행시간을 기초로 예측된 정보는 이러한 불확실성을 포함하고 있기 때문에 이를 활용하기 다양한 데이터처리 기법이 필요하다. 본 논문에서는 TCS 자료의 효율적인 전처리 및 교통 예측 기법 현황에 대하여 기술하고 향후 발전 방향을 제시하였다.

• 한국ITS학회 논문지
• /
• 제3권1호
• /
• pp.31-44
• /
• 2004

최근 몇 년간 도시교통문제의 해결책으로 부각되어온 지능형교통체계(ITS : Intelligent Transport System)의 한 분야로 첨단여행자 정보체계(ATIS : Advanced Travellers Information System)는 자동차에 장착된 항법장치(CNS)를 통해 운전자에게 원하는 목적지까지 최적경로를 제공하거나 경로에 대한 통행시간 정보를 제공 또는 예측해 주는 시스템이다. 본 연구에서는 이러한 최적경로 제공이나 통행시간 예측에 있어 좀 더 효율적인 통행시간 예측모형을 개발하고자 하였다. 현재까지의 통행시간 예측은 운전자가 통행을 시작할 때의 교통상황에 대한 정보이기 때문에 운전 중에 달라지는 교통상황을 반영할 수 없어 이로 인해 운전자가 경험하는 통행시간과 큰 차이를 발생시킬 수 있다. 본 연구에서는 이러한 불합리적인 예측시스템을 개선시킬 수 있는 예측된(predicted) 통행시간 예측 모형을 개발하고자 하였다. 이를 위해 우선 통행시간 예측모형을 특정링크에 적용시켜 모형들의 예측치와 실제 통행시간을 비교하여 교통량 흐름 패턴에 따라 어느 모형이 적합한지, 또 예측시간이 달라짐에 따라 모형들의 적합도와 첨두와 비첨두시 예측시간 간격에 따라 예측치와 실측치의 오차율을 알아보았다, 이를 통해 선정된 확률과정 모형과 칼만 필터링 예측모형을 서울시의 4개축에 대해서 다시 적용해 보았다. 그 결과 단기통행시간 예측에 있어서는 칼만필터링모형이, 장기 통행시간 예측에 있어서는 확률과정 모형이 통행시간 예측에 있어 우수한 모형임을 밝혀냈다. 마지막으로 서울시 28개 교통축의 5분 후 통행시간 예측에 칼만필터링 모형을 이용하여 오차분석을 적용하여 보았다. 그 결과 칼만필터링 모형이 신뢰할 만한 오차율을 보였다.