• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2012년도 춘계학술대회
• /
• pp.547-549
• /
• 2012

본 연구에서는 TPEG(Transport Protocol Expert Group)의 수신 플랫폼을 개발하고 이에 대한 정확도를 검증하기 위한 실시간 검증 플랫폼을 개발하였다. GPS 장치를 갖춘 차량을 통해 얻은 실제 도로 교통정보와 같은 시간의 TPEG 데이터를 수신하고 파싱하여 얻어진 교통정보를 비교했다. 그 결과 TPEG은 실제 교통정보와 차이가 발생함을 알 수 있었다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제15권10호
• /
• pp.3858-3874
• /
• 2021

As an essential part of the urban transportation system, precise perception of the traffic flow parameters at the traffic signal intersection ensures traffic safety and fully improves the intersection's capacity. Traditional detection methods of road traffic flow parameter can be divided into the micro and the macro. The microscopic detection methods include geomagnetic induction coil technology, aerial detection technology based on the unmanned aerial vehicles (UAV) and camera video detection technology based on the fixed scene. The macroscopic detection methods include floating car data analysis technology. All the above methods have their advantages and disadvantages. Recently, indoor location methods based on wireless signals have attracted wide attention due to their applicability and low cost. This paper extends the wireless signal indoor location method to the outdoor intersection scene for traffic flow parameter estimation. In this paper, the detection scene is constructed at the intersection based on the received signal strength indication (RSSI) ranging technology extracted from the wireless signal. We extracted the RSSI data from the wireless signals sent to the road side unit (RSU) by the vehicle nodes, calibrated the RSSI ranging model, and finally obtained the traffic flow parameters of the intersection entrance road. We measured the average speed of traffic flow through multiple simulation experiments, the trajectory of traffic flow, and the spatiotemporal map at a single intersection inlet. Finally, we obtained the queue length of the inlet lane at the intersection. The simulation results of the experiment show that the RSSI ranging positioning method based on wireless signals can accurately estimate the traffic flow parameters at the intersection, which also provides a foundation for accurately estimating the traffic flow state in the future era of the Internet of Vehicles.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제17권1호
• /
• pp.216-238
• /
• 2023

In intelligent transportation systems, traffic management is an important task. The accurate forecasting of traffic characteristics like flow, congestion, and density is still active research because of the non-linear nature and uncertainty of the spatiotemporal data. Inclement weather, such as rain and snow, and other special events such as holidays, accidents, and road closures have a significant impact on driving and the average speed of vehicles on the road, which lowers traffic capacity and causes congestion in a widespread manner. This work designs a model for multivariate short-term traffic congestion prediction using SLSTM_AE-BiLSTM. The proposed design consists of a Bidirectional Long Short Term Memory(BiLSTM) network to predict traffic flow value and a Convolutional Neural network (CNN) model for detecting the congestion status. This model uses spatial static temporal dynamic data. The stacked Long Short Term Memory Autoencoder (SLSTM AE) is used to encode the weather features into a reduced and more informative feature space. BiLSTM model is used to capture the features from the past and present traffic data simultaneously and also to identify the long-term dependencies. It uses the traffic data and encoded weather data to perform the traffic flow prediction. The CNN model is used to predict the recurring congestion status based on the predicted traffic flow value at a particular urban traffic network. In this work, a publicly available Caltrans PEMS dataset with traffic parameters is used. The proposed model generates the congestion prediction with an accuracy rate of 92.74% which is slightly better when compared with other deep learning models for congestion prediction.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2021년도 춘계학술대회
• /
• pp.490-492
• /
• 2021

우리나라는 교통사고 안전 사회 실현을 위하여 범정부 종합대책을 2017년에 마련하였으며. 도심 지역의 제한속도를 기존 60km에서 50km로 낮추고 어린이보호구역의 경우에는 30km로 제한하는 등 차량이 저속으로 운행하게 하여 어린이 및 노인의 보행 중 사고를 최소화하기 위한 노력을 기울이고 있다. 본 연구에서는 매년 어린이 교통사고 사고율이 높아지고 있는 특정 지역인 단양군을 지정하여 자동차 등록현황, 교통사고 공간데이터(GIS) 현황으로 각 데이터를 전처리 후 데이터의 구조를 이해하고 데이터의 구조적 패턴을 알아내기 위한 분석 연구를 하였다.

• 한국통신학회논문지
• /
• 제17권3호
• /
• pp.277-287
• /
• 1992

본 논문에서는 음성 트래픽을 동기 모드로, 데이타 트래픽을 비동기 모드로 집적시켜 전송하는 FDDI 통신망에 대하여 수학적 분석과 시뮬레이션을 수행하여 성능을 분석 한다. 음성과 데이타의 평균 패킷 대기 시간을 구하기 위하여, 음성은 Marcov 모델에서 발음 부분과 묵음 부분이 교대로 나타나는 모델로 하며, 데이타는 TRT와 TTRT의 차이 시간동안 전송하는 모델로 하는 경우, 음성과 데이타의 패킷 대기 시간을 구하여 동기모드와 비동기 모드 사이의 전송관계에 대하여 연구하였다. 연구 결과 동기/ 비동기 집적 방식으로 음성과 데이타를 집적하여 전송하여도 음성 채널 용량의 제약없이 데이타를 집적 시킬 수 있었으며, 데이타 전송도 작은 대기 시간내에 신속하게 전송할 수가 있었다.

• 한국정보과학회논문지:컴퓨팅의 실제 및 레터
• /
• 제12권5호
• /
• pp.300-311
• /
• 2006

교통정보는 지상파 DMB에서 핵심적인 콘텐츠로 주목받고 있는 것 중에 하나이다. 본 논문은 지상파 DMB에서 신속히 교통정보를 제공하기 위하여, 데이타 수집부터 콘텐츠 전송까지, 모든 과정을 자동으로 수행하는 데이타방송시스템을 제안하고, 이를 구현한다. 본 연구에서 제안한 데이터방송시스템은 크게, 실시간으로 교통데이타를 수집 가공하는 교통정보통합시스템, 콘텐츠를 자동으로 생성 및 검증하는 교통정보저작시스템, 생성된 콘텐츠의 송출을 담당하는 교통정보전송시스템으로 나누어져 있다. 이러한 서브시스템(subsystem)들의 기능과 구성요소, 그리고 상호작용에 대하여 설명한다. 제안하는 데이타방송시스템은 BWS유형의 콘텐츠를, 지상파 DMB 오디오방송의 부가데이타(PAD)로 제공한다. 마지막으로 데이타방송시스템의 구현결과와 향후 개선사항에 대하여 설명한다.

• 한국ITS학회 논문지
• /
• 제20권5호
• /
• pp.100-112
• /
• 2021

빅데이터의 등장과 더불어 교통 상태 예측은 과거 이력 데이터 분석 방식에 힘을 싣고 발전되어 왔으나, 이 방법은 관측된 적 없는 돌발 상황에 충분히 대응하지 못한다는 약점이 있다. 본 연구에서는 기계학습과 시뮬레이션 기법의 융합을 통해 돌발 상황 발생 시 교통 상태 예측 정확도 감소를 보완할 수 있는 예측 기법을 제시한다. 데이터 기반 방식의 맹점은 과거에 관측된 적 없는 데이터 패턴이 인지되었을 때 드러난다. 본 연구에서는 시뮬레이션을 이용하여 과거 이력 데이터를 보강하는 방법으로 문제를 해결하고자 하였다. 제시한 방법은 기계학습 기반의 교통 예측을 수행하고, 예측 결과와 실시간으로 수집되는 교통 데이터를 지속적으로 비교하여 돌발 상황 발생 여부를 판단한다. 돌발 상황이 인지되었을 시, 시뮬레이션을 통해 생성한 데이터베이스를 활용하여 예측을 수행한다. 본 연구에서 제시한 방법은 실제 도로 구간을 대상으로 검증되었으며, 검증 결과 돌발 상황에서의 교통 상태 예측 정확도 향상을 확인할 수 있었다. 본 연구에서 제시한 융합 교통 예측 방법은 향후 교통 예측 고도화에 이바지할 수 있을 것으로 전망된다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제10권6호
• /
• pp.2483-2503
• /
• 2016

Traffic congestion is a severe problem in many modern cities around the world. Real-time and accurate traffic congestion identification can provide the advanced traffic management systems with a reliable basis to take measurements. The most used data sources for traffic congestion are loop detector, GPS data, and video surveillance. Video based traffic monitoring systems have gained much attention due to their enormous advantages, such as low cost, flexibility to redesign the system and providing a rich information source for human understanding. In general, most existing video based systems for monitoring road traffic rely on stationary cameras and multiple vehicle tracking method. However, most commonly used multiple vehicle tracking methods are lack of effective track initiation schemes. Based on the motion of the vehicle usually obeys constant velocity model, a novel vehicle recognition method is proposed. The state of recognized vehicle is sent to the GM-PHD filter as birth target. In this way, we relieve the insensitive of GM-PHD filter for new entering vehicle. Combining with the advanced vehicle detection and data association techniques, this multiple vehicle tracking method is used to identify traffic congestion. It can be implemented in real-time with high accuracy and robustness. The advantages of our proposed method are validated on four real traffic data.

• International Journal of Fuzzy Logic and Intelligent Systems
• /
• 제13권4호
• /
• pp.269-276
• /
• 2013

Information and communication technology (ICT) is a promising solution for mitigating road traffic congestion. ICT allows road users and vehicles to be managed based on real-time road status information. In Tanzania, traffic congestion causes losses of TZS 655 billion per year. The main objective of this study was to develop an optimal approach for integrating real-time road information (RRI) to mitigate traffic congestion. Our research survey focused on three cities that are highly affected by traffic congestion, i.e., Arusha, Mwanza, and Dar es Salaam. The results showed that ICT is not yet utilized fully to solve road traffic congestion. Thus, we established a possible approach for Tanzania based on an analysis of road traffic data provided by organizations responsible for road traffic management and road users. Furthermore, we evaluated the available road information management techniques to test their suitability for use in Tanzania. Using the floating car data technique, fuzzy logic was implemented for real-time traffic level detection and decision making. Based on this solution, we propose a RRI system architecture, which considers the effective utilization of readily available communication technology in Tanzania.

• Journal of Multimedia Information System
• /
• 제5권2호
• /
• pp.111-114
• /
• 2018

Traffic accident analysis is important to reduce the occurrence of the accidents. In this paper, we analyze the traffic accident with Apriori algorithm to find out an association rule of traffic accident in Korea. We first design the traffic accident analysis model, and then collect the traffic accidents data. We preprocessed the collected data and derived some new variables and attributes for analyzing. Next, we analyze based on statistical method and Apriori algorithm. The result shows that many large-scale accident has occurred by vans in daytime. Medium-scale accident has occurred more in day than nighttime, and by cars more than vans. Small-scale accident has occurred more in night time than day time, however, the numbers were similar. Also, car-human accident is more occurred than car-car accident in small-scale accident.