• 대한교통학회지
• /
• 제19권2호
• /
• pp.61-72
• /
• 2001

기존의 링크교통량으로부터 OD추정모형은 기존 OD에 대한 추정의 종속성이 커, 기존 OD나 관측링크교통량의 오차에 따라 추정결과가 일관적이지 않은 문제점을 가지고 있다. 또한 관측링크교통량의 정확도가 중요함에도 불구하고 차종구분 없이 링크교통량을 이용하여 정보의 손실을 초래하였고 결과적으로 OD 추정력을 저하시켰다. 그렇지만 다차종 링크교통량으로부터 다차종 OD를 구하는 연구는 거의 없었으며, 그 추정결과가 단일차종에 대한 추정결과와 어떻게 다른지에 대한 연구도 전무하였다. 본 연구의 목적은 기존의 OD 추정모형이 기존 OD에 대해 종속성을 가지며 차종구분 없이 모형을 구성함으로써 추정력의 저하를 초래하였음을 밝히고, 이에 대한 대안으로 종속성 문제를 완화하고 차종구분을 통해 OD 추정모형의 추정력을 증진시키자 하는 것이다. 이를 위해 유전알고리즘을 이용한 다차종 OD행렬 추정모형(GAMUC)을 구축하고, 이를 기존의 바이레벨 모형의 IEA 알고리즘 및 다차종으로 확장한 모형(IEAMUC)과 게임이론측면에서 검토하였으며, 사례네트워크에 대해 각 기법을 비교하였다. 본 연구는 유전알고리즘을 이용한 OD 추정기법을 축도로에 적용한 임용택 등(2000)과 이를 네트워크로 확장한 백승걸 등(2000)의 연구를 다차종으로 확장한 것이다. 사례분석 결과 기존 OD의 오차변화나 관측링크교통량의 오차변화 등에 있어 GAMUC가 IEA나 IEAMUC보다 추정력이 양호하여, 실제 OD를 알 수 없는 도시부 네트워크에서 GAMUC 모형의 적용력이 우수하였다. 또한 차종을 구분하지 않은 기존 모형은 실제 OD와는 전혀 다른 OD 구조를 도출할 수 있음을 보였으며, 단일 차종을 여러 차종으로 구분하여 OD를 추정하는 것이 더 양호한 추정력을 확보하는 것으로 나타났다.

• 대한교통학회지
• /
• 제19권3호
• /
• pp.153-165
• /
• 2001

본 연구에서는 기존의 차종분류기준을 검토하고 현재 건설교통부의 교통량조사를 위한 차종분류기준을 중심으로 문제점을 파악하여 이를 해결할 수 있는 개선된 차종분류기준을 제시하였다 제시된 차종분류기준은 차종별로 조사된 교통량의 이용목적에 맞도록 현행 차종분류기준의 문제점을 개선하는 방향으로 구성하였다. 제시된 차종분류기준은 승용차, 버스, 화물차로 구분되며 화물차는 트럭, 세미트레일러, 트럭트레일러로 구분되어, 차량의 제원과 재차인원 및 적재중량을 고려해 도로포장과 교통류 해석에 이용되도록 14종으로 제시하였다 제 시된 차종분류기준은 차종별 교통량의 이용목적에 맞도록 재구성되어 활용될 수 있으며 따라서 도로교통량 통계연보의 활용도를 제고하게 될 것이다.

• 대한교통학회지
• /
• 제19권1호
• /
• pp.77-88
• /
• 2001

현재까지의 관측교통량기반 수요추정법은 단일차종(singleclass)기반 연구가 대부분을 차지하고 있다. 그러나 현실 교통망에서는 여러 차종이 혼재되어 교통수요나 흐름을 만든다. 즉, 기존의 관측교통량기반 수요추정법은 PCE(Passenger Car Equivalent) 환산을 통한 여러 개의 차종O/D 및 관측교통량을 승용차 단위로 전환하여 하나의 O/D 및 관측교통량으로 만들어 O/D를 추정하고, 최초의 PCE환산이전 차종별 O/D의 고정비율과 관측교통량 고정비율로 곱해 차종별 O/D 및 관측교통량으로 나누어 분석하는 것이 일반적인 방법이었다. 즉, 다차종기반분석법은 각각의 차종별 O/D에 대한 노선선택비율을 각각 계산하고, 그에 따른 목적함수 감소방향인 gradient를 또한 각각 계산하여 차종별 추정력을 극대화하는 것이 그 장점이라고 할 수 있다. 따라서, 본 연구에서는 단일차종기반추정법을 다차종기반추정법으로 확장하여 차종간 혼잡을 고려한 보다 현실적인 수요추정기법을 마련하는 것이 본 연구의 목적이라고 하겠다.

• 한국도로학회논문집
• /
• 제12권4호
• /
• pp.47-51
• /
• 2010

도로를 주행하는 차량들을 구분하는 차종자료는 도로 및 포장의 설계와 관리 등 여러 분야에서 기초자료로 활용되고 있다. 본 연구에서는 차종구분에 차량높이라는 분류기준을 적용하기 위해 주행하는 차량의 높이를 계측할 수 있는 방법을 고안하고 현장에 장비를 설치한 후 실험을 통해서 차량길이와 차량최고높이 자료를 획득하였다. 차량높이 측정과 동시에 동영상을 촬영하여 국토해양부 12종 차종분류에 의거하여 차종분류 기준값을 작성하였다. 영상을 통해 작성된 차종자료 기준값과 측정된 차량길이와 차량높이를 토대로 판별함수를 이용한 차종분류값을 서로 비교한 결과 88.6%의 차종정확도를 확인하였다. 이를 통해 차량높이라는 분류기준을 적용하여 차종분류에 활용할 수 있는 방안을 제시하였다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제33권5호
• /
• pp.489-498
• /
• 2006

본 논문은 루프검지기를 이용한 차종분류 방법의 성능 향상을 위해 신경망 패턴인식 기술을 이용한 차종분류 알고리즘을 제안하였다. 기존의 루프검지기 차종분류 방법은 차량의 길이 정보만을 이용해서 차종을 분류하는 것이다. 그러나 루프검지기의 특성상 차종에 따른 길이 정보가 정확하지 않으므로 길이가 비슷한 차종에 대해서는 차종분류 오류가 자주 발생하고 있는 실정이다. 이와 같은 문제점을 개선하기 위해 본 연구에서는 루프검지기 시스템에 신경망 패턴 인식 기술을 적용하였다. 제안된 알고리즘은 차량이 검지영역을 통과할 때 발생하는 루프검지기 공진주파수 값 변화율과 점유시간 정보를 신경망의 입력자료로 활용하여 차량을 5가지 종류로 분류하는 방식이다. 개발된 알고리즘의 성능을 평가하기 위하여, 현장실험을 통해 자료를 수집하고 신경망 학습 및 실험을 실시한 결과 차종분류 정확도가 91.3%였으며, 이는 기존의 연구결과와 비교할 때 매우 높은 것이다.

• 한국도로학회논문집
• /
• 제7권4호
• /
• pp.57-68
• /
• 2005

현재 국내의 차종 분류 기준은 그 조사목적과 조사지점에 따라 이원화되어 운영되고 있다. 고속국도와 지방도의 경우는 8종 분류 기준이 그리고 일반국도의 경우는 11종 분류 기준이 활용되고 있는데, 이러한 이원화된 분류 기준은 자료 활용의 효율성을 저하시키고 있는 실정이다. 본 연구는 이러한 이원화된 차종 분류 기준의 문제점을 해결하기 위해 통합된 차종 분류 기준을 제시하고 있다. 분류 기준은 차량 제원에 의한 기계식 조사에 초점을 맞추었으며, 현장 조사의 문제점을 완화하기 위해 인력식 조사에도 적용이 가능하도록 설정되었다. 제안된 차종 분류 기준은 차량의 다양화 및 대형화 추세를 반영하고, 기타 차종 분류 기준과의 호환성을 고려하고 있어 보다 합리적인 차종 분류 기준이라 할 수 있다.

• 대한교통학회:학술대회논문집
• /
• 대한교통학회 2002년도 제41회 학술발표회논문집
• /
• pp.17-42
• /
• 2002

전통적인 OD조사에 의한 OD추정의 여러 문제점들로 인해 링크관측교통량과 기존OD를 결합해 OD를 추정하고자 하는 연구들이 제시되고 있다. Yang(1995)은 일반화최소자승법을 풀기 위한 IEA와 SAB 알고리즘을 제시하였다. 그러나 두 알고리즘의 문제점은 첫째 실제 OD를 알기가 어렵기 때문에 기존 OD를 중요한 추정기준으로 설정한다는 것으로, 이러한 추정의 종속성으로 인해, 기존 OD와 실제 OD의 차이가 큰 경우 정확한 해를 도출하지 못한다. 두 번째 문제는 통행패턴 추정시 선형근사화를 가정하기 때문에 게임이론적 측면에서 전제로 설정한 완전한 Stackelberg 상황을 구현하지 못한다는 것이다. 이러한 문제점을 피하기 위해서는 기존 OD나 관측교통량의 오차에 일관적인 해도출 기법이 필요하다. OD추정 문제는 본질적으로 비선형이고 비볼록하여 전역해 탐색기법이 필요하기 때문에 전역최적화가 가능한 유전알고리즘을 이용한 OD추정모형(GAM)을 개발하였다. 사례네트워크 분석결과, GAM은 기존 OD의 오차에 대해 크게 종속적이지 않으며 OD구조가 변하는 경우에도 추정이 가능하여, 일반적으로 실제 OD를 알 수 없는(기존OD의 오차가 어느 정도인지를 알 수 없는) 도시부 네트워크에서 신뢰성있는 추정력을 보였다. 또한 기존 OD 추정모형은 비교적 용이하게 차종별로 관측할 수 있는 링크교통량을 차종구분 없이 단일차종으로 이용함으로써, 정보의 손실을 초래하여 결과적으로 모형의 추정력을 저하시켰다. 그렇지만 다차종 링크관측교통량으로부터 다차종 OD 추정연구는 거의 없었으며, 그 결과가 단일차종에 대한 추정결과와 어떻게 다른지에 대한 연구도 전무하였다. 본 연구에서는 유전알고리즘을 이용한 OD 추정모형을 다수단 OD 추정모형(GAMUC)으로 확대하였다. 사례 분석 결과 단일차종 OD추정기법은 심각한 추정오류를 범할 수 있으며, 그 적용성도 낮다는 것을 보였다. 다차종 OD 추정기법이 단일차종 OD 추정기법보다 양호한 추정력을 보였으며, 다차종 기법 중에서는 GAMUC가 IEAMUC보다 우수한 추정력을 보였다.

• 대한교통학회지
• /
• 제19권2호
• /
• pp.43-52
• /
• 2001

대부분의 관측교통량기반 수요추정기법은 소규모 및 중규모 교통망 등의 상대적으로 규모가 작은 교통망에서 기본적으로 가정된 수요를 가지고 얻은 추정O/D를 기본O/D와 비교하여 그 추정의 정확성이 어느 정도인가를 오차분석법 등을 이용하여 비교.분석하는 것이 그 주요한 분석방향이라고 할 수 있었다. 이러한 접근법은 실제 현실에서는 알 수 없는 참O/D나 참관측교통량을 가정하고 제시된 모형을 면밀히 관찰하여 모형의 장단점이 무엇인지를 파악하거나 타모형과의 비교.분석을 용이하게 하고자 할 때 많이 이용된다. 그러나 이러한 가정된 교통망이나 참O/D(true O/D) 등은 모형의 적용가능성을 살필 경우에 이용 가능한 방법이라고 할 수 있지만, 참O/D를 알지 못하는 현실상황(대규모 교통망)에서는 추정O/D의 신뢰성을 평가하기란 매우 힘든 작업이거나 거의 불가능한 일이라 할 수 있다. 이러한 문제점을 보완하고자 본 연구에서는 서울시의 1996년도 교통센서스 자료를 이용하여 가정된 수요가 아닌 실제적이고 현실적인 자료를 가지고 대규모 교통망에서 이용될 수 있는 모형을 살펴보았다. 연구방법은 대규모 교통망에 기존의 단일차종기반모형과 본 연구에서 제시한 다차종(multiclass)기반모형을 적용하여 추정된 O/D에 TLFD(Trip Length Frequency Distribution)개념을 이용하여 추정된 O/D의 신뢰성을 평가하고자 하였다. 또한, $R^2$를 이용하여 모형 적용 전후의 관측교통량과 배분교통량을 비교하여 추정력을 분석하였다. 본 연구에서는 단일차종기반모형보다는 차종간 혼잡효과 및 노선선택비율을 차종별로 감안할 수 있는 다차종기반모형이 대규모교통망에서는 보다 적절한 결과를 나타내는 것으로 분석되었다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2021년도 추계학술발표대회
• /
• pp.791-794
• /
• 2021

범죄차량 판독 시스템, 지능화된 CCTV 등 차량과 관련된 시각지능에 관한 연구가 큰 관심을 받고 있다. 이 중 차량 분류 기술은, 특정 차량을 인식하는 핵심기술이다. 이와 관련한 기존 연구들은 큰 차종으로만 분류하거나, 분류 가능한 차종의 수, 정확도 등이 낮아 실용성 및 신뢰성이 떨어진다는 단점이 있다. 따라서, 본 논문에서는 차종을 정확하게 분류할 수 있는 2단계 차종 분류 알고리즘을 제안한다. 제안 시스템은 CNN으로 학습된 모델을 기반으로 1차로 차량의 유형을 분류하고, 2차로 정확한 차종을 분류한다. 실험 결과, 52개의 차종을 분류함에 있어 단일 분류 모델에 비해 5.3%p 더 높은 90.2%의 분류 정확도를 보였다. 이를 통해, 더욱 정확한 차종 분류가 가능하다.

• 대한토목학회논문집
• /
• 제30권1D호
• /
• pp.45-51
• /
• 2010

차종별 교통량 자료는 도로의 운영, 제어, 유지관리 계획 수립 및 과적차량 단속에도 매우 중요한 자료이다. 본 논문에서는 축검지 센서를 차량 진행방향에 대해서 경사지게 설치하고 이를 통해서 얻어지는 자료를 활용하여 차종분류 알고리즘을 개발하였다. 새로운 개발한 차종분류 알고리즘에서는 2축 차량에서 후륜 차량바퀴의 복륜 여부를 새로운 분류변수로 설정하였다. 분석대상이 차량은 1,878대로 CCTV를 활용하여 기록했으며 인력식 조사를 통하여 복륜여부와 차종을 구분하였다. 계측된 차량바퀴 접지면의 대각선 길이 성분의 크기를 입력 자료로 활용한 판별분석을 통하여 후륜바퀴가 복륜인지 단륜인지를 구분하였다. 복륜 여부만을 이용하여 차종분류를 했을 때, 차종분류의 정확도는 1종에 속하는 차량의 경우는 96.92%, 3종에 속하는 차량에서는 82.91% 그리고 4종에 속하는 차량에서는 79.13%에 이르는 것으로 분석되었다.