• 대한토목학회논문집
• /
• 제39권6호
• /
• pp.833-839
• /
• 2019

BIS (Bus Information System:버스정보시스템, 이하 BIS)는 시내버스 운행과 관련된 각종 정보를 수집하고 예측알고리즘을 통해 이용객에게 정보를 제공하고 있다. 동일 구간의 최근 정보를 통한 예측방법은 해당 구간의 소통상황을 반영하지만 예측 대상노선의 특성을 반영할 수 없다는 한계가 있다. 해당노선의 동시간대 과거이력자료를 통해 예측하는 방법은 소통상황의 변동성이 큰 첨두시 예측에 한계가 있는 실정이다. 따라서 예측대상 시점의 통행패턴을 인식하고 가장 유사한 과거 시점의 통행패턴을 선택할 수 있는 패턴인식형 버스도착시간 예측 알고리즘을 개발하였다. 본연구의 예측 결과를 서울시 BIS 도착예측정보이력과 비교 검증한 결과 각 정류장 간 통행시간의 평균제곱근오차가 비첨두시 약 35초(기존: 40초), 첨두시 약 40초(기존: 60초)로 기존대비 약 10~20 %의 개선을 보였다. 이는 동일 과거 시간대 외의 시간대에 현재 교통상황을 대표할 수 있는 자료가 존재함을 의미한다.

• 대한토목학회논문집
• /
• 제31권3D호
• /
• pp.375-381
• /
• 2011

본 연구는 ITS(Intelligent Transport Systems) 기술 중 버스대중교통의 신속성 및 정시성 등 서비스 향상을 위해 구축된 버스정보시스템(BIS: Bus Information System) 운영에 대한 $CO_2$ 저감효과를 분석하였다. IPCC에서는 $CO_2$ 저감효과 분석을 위해 3가지 방법을 제시하고 있으며, 이 중 가장 구체적인 Tier 3 방법을 활용하고자 하였다. 분석은 대전-청주 간 BIS 구축 노선 중 8.3km 구간에 대하여 진행되었으며, Tier 3 방법에 필요한 교통 관련 자료는 ITS 기반으로 수집된 자료를 활용하였다. 분석결과, BIS사업 시행에 따른 $CO_2$ 저감효과는 연간 $39.45tCO_2/km$가 있는 것으로 나타났다. 이러한 $CO_2$ 저감효과는 향후 BIS 사업의 효과척도로 사용 가능할 것으로 판단된다.

• 대한토목학회논문집
• /
• 제29권1D호
• /
• pp.1-9
• /
• 2009

버스정보시스템(bus information system, BIS)은 지능형교통시스템(intelligent transportation systems, ITS)의 일환으로서 버스정류장에서 버스를 기다리고 있는 이용자들에게 실시간의 버스교통정보를 제공하는 첨단대중교통시스템의 하나이다. 그러나 본 연구대상지역인 울산광역시를 포함하여 버스정보시스템을 운영하고 있는 대부분의 도시에서는 아직 적정의 버스도착시간 예측모형이 구축되어 있지 않기 때문에 현재의 버스위치, 이용자들의 버스 기다리는 시간, 버스 도착시간 등의 보다 정확한 버스정보가 버스 이용자들에게 제공되지 않는 상황이다. 따라서 본 연구에서는 연구대상 간선도로에 대해 실시간의 버스교통특성 자료를 조사하여 버스운행특성을 확인하고, 연구대상구간을 버스 정류장, 교차로 및 순행구간의 단위구간으로 세분하여 각 단위구간에 대해 지수평활법, 가중평활법 및 Kalman Filter법을 적용하여 최적의 단위구간 통행시간 예측모형을 구축하며, 마지막으로 버스정류장에서 실시간의 버스도착시간을 예측하기 위한 최적의 통합모형을 제시하고자 한다.

• 한국ITS학회:학술대회논문집
• /
• 한국ITS학회 2006년도 제5회 추계학술대회 및 정기총회
• /
• pp.166-170
• /
• 2006

• 한국ITS학회 논문지
• /
• 제21권3호
• /
• pp.42-52
• /
• 2022

BIS(Bus Information System) 서비스는 대도시를 포함하여 중소도시까지 전국적으로 확대운영되는 추세이며, 이용자의 만족도는 지속적으로 향상되고 있다. 이와 함께 버스도착시간 신뢰성 향상 관련 기술개발, 오차 최소화를 위한 개선 연구가 지속되고 있으며 무엇보다 정보 정확도의 중요성이 부각되고 있다. 본 연구에서는 기계학습 방법인 LSTM을 이용하여 정확도 성능을 평가하였으며 기존 칼만필터, 뉴럴 네트워크 등 방법론과 비교하였다. 실제 여행시간과 예측값에 대해 표준오차를 분석한 결과 LSTM 기계학습 방법이 기존 알고리즘에 비해 정확도는 약 1% 높고, 표준오차는 약 10초 낮은 것으로 분석되었다. 반면 총 162개 구간 중 109개 구간(67.3%) 우수한 것으로 분석되어 LSTM 방법이 전적으로 우수한 것은 아닌 것으로 나타났다. 구간 특성 분석을 통한 알고리즘 융합시 더욱 향상된 정확도 예측이 가능할 것으로 판단된다.

• 한국디자인학회:학술대회논문집
• /
• 한국디자인학회 2005년도 추계 학술발표대회 논문집
• /
• pp.82-83
• /
• 2005

• 대한공간정보학회지
• /
• 제20권1호
• /
• pp.33-41
• /
• 2012

버스정보시스템은 실시간으로 버스 위치를 파악하여 정류장 안내기, 인터넷, 모바일 서비스 등을 통해 대중교통 이용 승객에게 버스운행 상황을 제공하는 도착 안내 정보 시스템이다. 신뢰성 있는 버스정보시스템의 구현과 정보 유지를 위해서는 기반정보 DB의 품질 관리를 통한 교통 정보의 질적 향상은 매우 중요하다. 이에 본 연구의 목적은 버스 기반정보 데이터의 각 절차 별 성과물의 데이터 품질을 정량적으로 평가하기 위한 기준을 정립하고 품질 관리 방안을 제시하는 것이다. 이를 위한 연구의 내용으로 우선, 국토해양부 실시간 환승 교통 종합정보(TAGO : Transport Advice GOing anywhere) 시스템의 기반정보 DB를 사례로 버스 네트워크 DB를 구축함에 따라 발생할 수 있는 논리적, 형상적 오류를 유형화하였다. 또한, 이에 대한 항목별 검수 방법과 절차에 대한 기준을 정립하고 일관적이고 체계적인 품질 관리 방안을 제시하였다. 연구 결과로서, 버스 기반 정보의 객관적이고 신뢰성 있는 품질확보가 가능 하였으며, 이를 통해 시스템 운영상의 오류 야기를 사전에 방지하여 보다 정확한 대중교통 정보 제공과 버스정보시스템의 신뢰도 향상에 기여할 것으로 기대된다.

• 한국ITS학회:학술대회논문집
• /
• 한국ITS학회 2004년도 제3회 정기총회 및 추계학술대회
• /
• pp.36-41
• /
• 2004

• 한국인터넷방송통신학회논문지
• /
• 제16권6호
• /
• pp.211-215
• /
• 2016

본 논문은 기존의 버스정보시스템에서 제공하는 서비스를 활용한다. 버스를 이용하는 승객에게 제공되는 버스노선과 버스 정류장에 도착하는 버스의 남은 시간등과 같은 버스정보시스템의 한계를 개선하고자한다. 버스의 탑승인원을 IoT(사물인터넷) 센서네트워크 시스템을 적용하여 버스 이용 고객에게 해당 버스의 혼잡도 정보를 제공한다. 대중교통을 이용 하는 승객에게 버스혼잡도등을 스마트폰의 앱을 통하여 제공하여 기존 버스에서 승객 몰림으로 인하여 발생할 수 있는 안전사고 등을 예방하고 보다 효율적이고 편리하게 대중교통을 이용할 수 있도록 개선된 버스정보안내시스템을 제안한다. IoT 센서네트워크를 사용한 프로토타입 시스템을 개발하여 본 제안방법을 검증하였다.

• 대한토목학회논문집
• /
• 제33권3호
• /
• pp.1115-1122
• /
• 2013

각종 교통정보에 대한 요구수준이 높아지고 있으며 그 중에서도 도시 교통관리나 이용자 측면에서 통행시간 정보는 매우 유용한 것이다. 정확성 높은 통행시간의 추정을 위해서는 신뢰성 높은 교통데이터의 수집이 필수적으로 요구된다. 버스정보시스템(BIS)은 도시 주요도로를 운행하는 시내버스를 대상으로 통행시간 정보를 실시간으로 수집 관리하고 있어 경로통행시간 추정에 매우 유용한 데이터라 할 수 있다. 그러나 기존 BIS수집데이터는 시내버스의 운행과 관련된 정보를 생성하고 안내하는 기능에만 제한적으로 사용되고 있고 다양한 분야에 활용되지 못하고 있는 실정이다. 따라서 본 연구에서는 BIS를 통해 실시간으로 수집되고 있는 데이터를 이용하여 경로통행시간을 추정하기 위한 연구를 수행하였다. 시내버스의 총 통행시간에서 버스정류장서비스시간을 제외한 통행시간을 설명변수로 경로통행시간 추정모형을 구축한 결과 결정계수($R^2$)가 모두 0.950이상이었으며 T-test를 통한 검정결과 통계적으로 유의한 것으로 분석되었다. 따라서 각 가로별로 BIS를 통해 수집되고 있는 시내버스의 통행시간데이터를 설명변수로 이용하면 실시간 경로통행시간 추정이 가능할 것으로 판단된다.