데이터융합기술을 활용한 다주기 통행시간예측에 관한 연구

서지정보

ㆍ발행기관 : 대한교통학회 ㆍ수록지정보 : 대한교통학회지 / 23권 / 4호
ㆍ저자명 : 이영인, 김성현, 윤지현

목차

Ⅰ. 서론
Ⅱ. 기존연구 및 이론고찰
Ⅲ. 모형의 정립
Ⅳ. 모형의 평가
Ⅴ. 결론 및 향후연구과제

한국어 초록

단속류에서는 신호제어에 의한 정확한 통행시간 추정에 어려움이 많으므로 기존 교통정보 수집체계로부터 얻을 수 있는 자료를 가공하여
운전자 및 교통정보 이용자에게 보다 신뢰성 있는 정보를 제공하여야 한다. 또한 시간의 변화에 따른 장래의 최적경로는 개별구간에 대한
장래의 구간속도를 예측해야만 가능하므로 과거의 원시자료만으로 나타나지 않는 교통류의 변동에 따른 도로의 소통상태가 반영되어야 한다.
따라서 본 연구에서는 영상검지기 자료 및 AVI 자료의 특성을 효과적으로 통합하기 위해 영상검지기자료를 이용한 KHCM 방식의 추정법
을 통해 링크별 통행특성을 파악하고, 이러한 특성비율을 보정계수로 적용하여 AVI에서 수집된 구간통행시간정보에 반영함으로써 보다 정확
한 링크별 통행시간을 산출하는 데이터 융합기법을 도출하였고, 평가 결과(RMSE, EC 등) 또한 우수하였다. 이 기법을 이용한 링크별 통행
시간정보는 운전자가 이동하고자 하는 구간이 AVI의 제공범위에 미치지 못하거나 넘어서는 경우, 원하는 총 통행구간의 시간정보를 예측할
수 있다는 의의를 지닌다. 또한 실제 차량은 시⋅공간적인 이동을 하기 때문에 동시간대의 링크통행시간을 이용한 정보는 실제 통행시간과
비교해 볼 때 상당한 시간처짐 (Time-lag)현상을 가져온다. 따라서, 시간주기별로 변화하는 차량의 시⋅공간적 이동을 고려한 다주기 예측의
개념을 도입하였으며, 칼만필터링을 활용한 다주기 예측모형의 평가결과(RMSE, EC 등) 현실을 잘 반영하는 모형임이 증명되었다.

영어 초록

Existing arterial link travel time estimation methods relying on either aggregate point-based or individual
section-based traffic data have their inherent limitations. This paper demonstrates the utility of data fusion for
improving arterial link travel time estimation.
If the data describe traffic conditions, an operator wants to know whether the situations are going better or worse.
In addition, some traffic information providing strategies require predictions of what would be the values of traffic
variables during the next time period. In such situations, it is necessary to use a prediction algorithm in order to extract
the average trends in traffic data or make short-term predictions of the control variables. In this research, a multi-step
ahead prediction algorithm using Data fusion was developed to predict a link travel time. The algorithm performance
were tested in terms of performance measures such as MAE (Mean Absolute Error), MARE(mean absolute relative
error), RMSE (Root Mean Square Error), EC(equality coefficient). The performance of the proposed algorithm was
superior to the current one-step ahead prediction algorithm.

참고 자료

없음