• 대한토목학회논문집
• /
• 제43권2호
• /
• pp.231-238
• /
• 2023

자율주행을 위한 센서들이 인지할 수 있는 공간적 영역은 한계가 존재하기 때문에, 안전하고 효율적인 자율주행을 위해 LDM (Local Dynamic Map)과 같은 디지털 도로·교통정보의 보완적 활용을 제안하고 있다. 비록 자율주행 차량의 센서들로부터 수집되는 정보량에 비해 이러한 도로·교통정보의 양은 상대적으로 미미할 수 있지만, 자율주행 자동차(Autonomous Vehicle, AV)의 효율적 정보처리를 위해 도로·교통 정보의 효율적 관리는 불가피하다. 본 연구는 LDM 기반 정적 도로·교통정보의 활성화 구간(electronic horizon 혹은 e-horizon)의 확장에 따른 자율주행 차량의 정보 이용과 정보처리 시간의 효율성을 분석하고자 하였다. 분석을 위해 미시적 시뮬레이션 모델인 VISSIM과 VISSIMCOM을 적용하였다. 시뮬레이션을 위해 이질적 교통류(연속류, 단속류)는 물론 다양한 도로 기하구조가 포함된 부산광역시 주요 구들을 포함한 약 9 km × 13 km 영역을 선정하였다. 또한, 자율주행 차량에서 활용되는 LDM 정보는 ISO 22726-1 기반으로 구축된 자율주행 전용 정밀 지도(High-definition Map, HDM)를 참고하였다. 분석 결과, e-horizon 영역이 증가함에 따라 단속류 도로에서 짧은 링크들이 집중적으로 인식되고 링크 길이의 합이 증가하는 반면, 연속류 도로에서는 인식되는 링크의 개수는 상대적으로 적지만 소수의 긴 링크들이 인식됨에 따라 링크 길이의 합이 크게 나타나고 있다. 따라서, 본 연구는 저속의 단속류 도로에서는 12개 링크를 기준으로, 그리고 고속의 연속류 도로에서는 링크 길이의 합 10 km를 기준으로 HDM 데이터의 수집, 가공, 처리를 위한 e-horizon의 영역은 각각 600 m와 700 m가 가장 적절한 것으로 나타났다.

• 한국정보과학회논문지:데이타베이스
• /
• 제33권6호
• /
• pp.600-619
• /
• 2006

최근에 센서 및 모바일 장비들의 발전으로 인하여 이러한 장비들로부터 생성된 대량의 데이터 스트림(data stream)의 처리가 중요한 연구 과제가 되고 있다. 데이타 스트림 중에서 연속되는 시점에 얻어진 실수 값들의 스트림을 스트리밍 시계열(streaming time-series)이라 한다. 스트리밍 시계열에 대한 유사성 매칭은 여러 가지 고유 특성에 의하여 기존의 시계열 데이타와는 다르게 처리되어야 한다. 본 논문에서는 정규화 변환(normalization transform)을 지원하는 스트리밍 시계열 매칭 문제를 해결하기 위한 효율적인 알고리즘을 제안한다. 기존에는 스트리밍 시계열을 아무런 변환 없이 비교하였으나, 본 논문에서는 정규화 변환된 스트리밍 시계열을 비교한다. 정규화 변환은 절대적인 값은 달라도 유사한 변동 경향을 가지는 시계열 데이타를 찾기 위하여 유용하다. 본 논문의 공헌은 다음과 같다. (1) 기존의 정규화 변환을 지원하는 서브시퀀스 매칭 알고리즘[4]에서 제시된 정리(theorem)를 이용하여 정규화 변환을 지원하는 스트리밍 시계열 매칭 문제를 풀기 위한 간단한 알고리즘을 제안한다. (2) 검색 성능을 향상시키기 위하여 간단한 알고리즘을 $k\;({\geq}\;1)$ 개의 인덱스를 이용하는 알고리즘으로 확장한다. (3) 주어진 k에 대하여, 확장된 알고리즘의 검색 성능을 최대화하기 위해 k 개의 인덱스를 생성할 최적의 윈도우 길이를 선택하기 위한 근사 방법(approximation)을 제시한다. (4) 스트리밍 시계열의 연속성(continuity) 개념[8]에 기반하여, 현재 시점 $t_0$에서의 스트리밍 서브시퀀스에 대한 검색과 동시에 미래 시점 $(t_0+m-1)\;(m\geq1)$까지의 검색 결과를 한번의 인덱스 검색으로 구할 수 있도록 재차 확장한 알고리즘을 제안한다. (5) 일련의 실험을 통하여 본 논문에서 제안된 알고리즘들 간의 성능을 비교하고, k 및 m 값의 변화에 따라 제안된 알고리즘들의 검색 성능 변화를 보인다. 본 논문에서 제시한 정규화 변환 스트리밍 시계열 매칭 문제에 대한 연구는 이전에 수행된 적이 없으므로 순차 검색(sequential scan) 알고리즘과 성능을 비교한다. 실험결과, 제안된 알고리즘은 순차 검색에 비하여 최대 13.2배까지 성능이 향상되었으며, 인덱스의 개수 k가 증가함에 따라 검색 성능도 함께 증가하였다.