• 대한교통학회:학술대회논문집
• /
• 대한교통학회 1995년도 제27회 학술발표회
• /
• pp.84-98
• /
• 1995

Network-based model were developed to predict short term future traffic volume based on current traffic, historical average, and upstream traffic. It is presumed that upstream traffic volume can be used to predict the downstream traffic in a specific time period. Three models were developed for traffic flow prediction; a combination of historical average and upstream traffic, a combination of current traffic and upstream traffic, and a combination of all three variables. The three models were evaluated using regression analysis. The third model is found to provide the best prediction for the analyzed data. In order to balance the variables appropriately according to the present traffic condition, a heuristic adaptive weighting system is devised based on the relationships between the beginning period of prediction and the previous periods. The developed models were applied to 15-minute freeway data obtained by regular induction loop detectors. The prediction models were shown to be capable of producing reliable and accurate forecasts under congested traffic condition. The prediction systems perform better in the 15-minute range than in the ranges of 30-to 45-minute. It is also found that the combined models usually produce more consistent forecasts than the historical average.

• 환경영향평가
• /
• 제21권4호
• /
• pp.567-572
• /
• 2012

This paper suggests the set-up plan of the assessment scope in road noise considering road characteristics with the prediction model of road noise. The RLS90 prediction model with some assumptions is used to establish the assessment scope of road noise. The main contents of the applied assumptions are smooth drive of cars, flat region, location of all noise sources in one lane, drive in design speed, and set-up of assessment scope according to traffic volume and car speed. The information of traffic volume to predict road noise is obtained by the distribution of small cars and full-sized cars in road. In this study, the total traffic volume in road is computed by adding the number of small cars to the conversion number of small cars, which means the number of small cars making the same noise as one full-sized car. The prediction result of road noise with the influence factor of traffic volume, car speed, distance between road and receiver is presented. The resultant assessment scope of road noise is obtained by combining road noise prediction data with the set-up standard of road noise assessment scope.

• 한국소음진동공학회:학술대회논문집
• /
• 한국소음진동공학회 2005년도 추계학술대회논문집
• /
• pp.55-58
• /
• 2005

This study was Performed to grasp of the problem and improvement in traffic noise environmental impact assessment(EIA). National institute of environmental research(NIER) traffic noise prediction model is in general use in internal EIA. In this study, NIER noise prediction model need to improve in that the predicted results lower than the measured results. The other predict model(KLC KEI) is more accurate. Also the volume and speed of traffic is need to standardize in traffic noise prediction.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2018년도 추계학술발표대회
• /
• pp.362-364
• /
• 2018

Predicting network traffic volume has become a popular topic recently due to its support in many situations such as detecting abnormal network activities and provisioning network services. Especially, predicting the volume of the next upcoming traffic from the series of observed recent traffic volume is an interesting and challenging problem. In past, various techniques are researched by using time series forecasting methods such as moving averaging and exponential smoothing. In this paper, we propose a long short-term memory neural network (LSTM) based network traffic volume prediction method. The proposed method employs the changing rate of observed traffic volume, the corresponding time window index, and a seasonality factor indicating the changing trend as input features, and predicts the upcoming network traffic. The experiment results with real datasets proves that our proposed method works better than other time series forecasting methods in predicting upcoming network traffic.

• 한국지리정보학회지
• /
• 제13권4호
• /
• pp.138-147
• /
• 2010

부정확한 교통량 예측은 잘못된 교통계획 및 설계를 초래할 수 있으므로, 교통량 데이터를 이용한 교통량 예측은 교통계획 및 운영과 같은 공간의사결정과정에서 매우 중요하다. 교통량 예측의 정확도 향상을 위해 최근 공간통계분석방법인 크리깅 방법론을 이용한 연구들이 발표되고 있으며, 연구결과 기존의 전통적인 방법에 비하여 예측력이 높게 나타났다. 이에 본 연구는 먼저 미국 미주리 주의 세인트루이스를 대상으로 크리깅 분석방법론을 이용하여 교통량 데이터를 예측한 후 실제 측정값과 비교하여 그 정확도를 검증하였다. 이후 크리깅 방법론의 예측 값을 더욱 향상 시키기 위한 새로운 방안을 제시하였다. 그 방안으로 첫째, 베리오그램 인자 결정시 나타난 교통량 데이터의 특징인 이방성을 적용하였으며, 둘째, 교통량 데이터의 공간적 상관관계가 높은 주간고속도로를 이차변수로 설정하여 공동크리깅 분석을 실시하였다. 분석결과 일반 크리깅 방법보다 이방성을 적용한 분석에서 더욱 높은 정확도 나타났으며, 이방성의 적용 하에 실시한 공동크리깅의 결과에서 가장 좋은 예측 값이 나타났다.

• 한국환경보건학회지
• /
• 제26권4호
• /
• pp.134-140
• /
• 2000

The increase in traffic is a worldwide phenomenon. In Korea, it has been increased by 20% per annual in recent 1990’s and approximately 10 millions cars had been registered until 1997. This traffic could easily affect and contribute the local outdoor air quality(QAQ) concerned. The QAQ in highway in one of the examples and the subject in this study. The seoul tollgate located at the north-end of Keypngbu Highway was selected for the study. In case of highway tollgate, the local air pollution could be directly affected by the traffic to approach, wait and start the tollgate. Nitrogen dioxide (NO$_2$) concentration exceeded the EAQS(Environmental Air Quality Standards), but overall indoor air quality was a little better than the outdoor air quality. The measured TSP concentration was much higher than that of the EAQS. To apply a management to a air quality problem of Seoul tollgate, it was predicted air quality with traffic volume and weather condition. It was calculated NO$_2$ emission with traffic volume and predicted in and out of booth by CALINE3 at the Seoul tollgate. To make a comparison between measured and predicted concentration, the prediction was good. It was shown that NO$_2$ concentration was high in the morning at the from Seoul direction and in the evening at the to Seoul direction. it was thought that NO$_2$ concentration variation was reflected according to the traffic volume.

• 한국측량학회지
• /
• 제33권6호
• /
• pp.589-594
• /
• 2015

In reflection of road expansion and increasing use rates, interest has blossomed in predicting driving environment. In addition, a gigantic scale of big data is applied to almost every area around the world. Recently, technology development is being promoted in the area of road traffic particularly for traffic information service and analysis system in utilization of big data. This study examines actual cases of road management systems and road information analysis technologies, home and abroad. Based on the result, the limitations of existing technologies and road management systems are analyzed. In this study, a development direction and expected effort of the prediction of road information are presented. This study also examines regression analysis about relationship between guide name and traffic volume. According to the development of driving environment prediction platform, it will be possible to serve more reliable road information and also it will make safe and smart road infrastructures.

• 정보처리학회논문지C
• /
• 제18C권1호
• /
• pp.31-44
• /
• 2011

네트워크 기반의 적절한 컴퓨팅은 네트워크 대역폭의 가용성에 의존한다. 백본 네트워크 용량과 액세스 네트워크 상에 심각한 버틀넥이 발생하여 ISP 사업자와 고객 간의 갭이 발생된다면 그만큼 ISP 사업자는 사업에 불이익을 초래할 수 있다. 이러한 상황이 발생되기 이전 ISP 사업자가 트래픽량 예측과 종단간 오버로드가 높은 링크 구간을 감지할 수 있다면 ISP 사업자와 고객 간의 갭은 그만큼 줄어 들 수 있을 것으로 판단된다. 따라서 본 논문은 트래픽량 예측과 종단간 오버로드가 높은 링크 구간을 감지 가능한 소프트웨어로 ACE, ADM, Flow Analysis를 소개한다. 이들 툴을 이용하여 전자상거래의 연속적인 트랜잭션을 실망에서 측정한 후 측정된 네트워크 데이터를 가상 망 환경에 임포트하고 백그라운드 트래픽을 생성한다. 이와 같은 가상 망 환경을 토대로 점차적인 사용자 수 증가에 따른 트래픽량 예측과 링크 로드가 높은 구간을 시뮬레이션 결과로 알 수 있었다.

• 한국재난정보학회 논문집
• /
• 제14권2호
• /
• pp.230-237
• /
• 2018

연구목적: 현재 국내에서는 지능형 교통체계(Intelligent transport system)의 일환으로 실시간 교통정보를 수집하여 도로운영의 효율성을 높이고 있다. 하지만 실시간 자료를 기반으로 한 교통정보는 운전자가 경험하게 될 교통상황과는 차이가 존재한다. 연구방법: 본 연구에서는 기존 교통량 이력자료 바탕으로 이력자료의 과거참조일수를 3일, 5일, 10일로 조정하여 요일별, 시간대별로 장래의 고속도로 교통량 예측을 수행하였다. 연구결과: 과거 참조일수가 적을수록 예측오차가 작게 나타나는 것을 알 수 있었다. 5번의 과거이력을 참조하여 월요일을 예측한 결과는 10번의 과거이력을 참조했을 때보다 오차가 크게 나타났는데 이는 분석대상 기간인 2016년의 6번째 월요일이 명절이기 때문에 평소의 월요일 교통흐름과는 다소 차이가 있었기 때문으로 판단된다. 결론: 본 연구를 통해 교통량예측 시 과거이력의 참조일수가 적을수록 비교적 오차가 적은 것을 알 수 있었으며 특수한 날에는 해당 이벤트의 교통량이력의 자료를 사용하면 보다 정확도 높은 결과를 나타낼 수 있을 것으로 판단된다.

• 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.