대안경로 구간속도를 활용한 결측 교통정보 보정 모형 (An Estimation of Travel Speed of Missing Traffic Information Based on Travel Speeds on Detour Routes)

서지정보

· 발행기관 : 한국교통연구원
· 수록지 정보 : 교통연구 / 22권 / 1호 / 15 ~ 25페이지
· 저자명 : 정희진, 김태욱, 배상훈

초록

교통정보의 수요가 증가하면서 그 중요성이 점차 강조되고 있다. 이에 따라 지속적인 국가 ITS 사업을 통해 교통정보 수집을 위한 ITS 인프라를 확대하고 있다. 그러나 프로브차량 기반의 교통정보 수집체계의 경우 주요 도로를 제외한 대부분의 도심부 도로망에서는 5분 이상 프로브 차량이 검지되지 않는 장기결측이 빈번히 발생하고 있다. 따라서 본 연구에서는 장기결측이 발생하지 않는 주간선도로에서 수집된 교통정보(평균통행속도)를 활용하여 장기결측이 빈번하게 발생하는 우회경로의 교통정보를 예측하는 예측모형을 제안하였다. 본 연구에서 주간선도로로 구성된 주경로와 우회경로로 짝지어진 4개의 연구구간에 대해 상관도 분석을 수행하여 연구구간을 선정하였다. 최종적으로 한밭대로와 우회경로로 구성된 구간이 가장 높은 상관도(0.6 이상의 상관계수)를 나타내어 연구구간으로 선정되었다. 우회경로의 교통정보를 예측하기 위한 모형으로 인공신경망 모형이 제안되었다. 제안된 모형은 선정된 연구구간에 적용되어 이력패턴데이터를 이용한 경우와 비교하여 검증되었으며, 평가는 실측값과의 오차를 기반으로 수행되었다. 그 결과, 이력 패턴데이터를 이용한 예측의 경우 MAE가 8.33이었고 MAPE가 21.00%였던 반면 제안된 인공신경망 모형의 예측력은 MAE가 4.47(46.34% 개선)이었고 MAPE가 12.63%(39.86% 개선)이었다. 검증 결과 과거 이력데이터를 활용한 방법에 비해 상관도가 높은 경로의 관측값을 활용한 인공신경망모형을 통한 장기결측 처리 방법이 월등히 우수한 결과를 보였다.

영어초록

Importance of traffic information has been emphasized as demand has risen and intelligent transport systems (ITS) infrastructure to collect traffic data has been expanded by national projects. In case the infrastructure, collection of traffic data via probe vehicles has significant long term missing data as no probe vehicles were collected for more than five minute intervals. This pattern frequently occurs in urban road networks due to low detecting rate of probe vehicles with exception for major urban arterial. In this paper an estimation model was created to estimate average travel speed of a detour route with long term missing data using observed average travel speed of the base route consisting primarily of major arterial. The authors considered four candidates for a study area with links of a base route and an adjacent detour route via correlation analysis. The Hanbat Expressway and the detour route link were chosen with a higher correlation coefficient than 0.6. An artificial neural network model is proposed in order to estimate the average travel speed of the detour route. The proposed artificial neural network model was applied to the selected study area and evaluated by comparison between pattern data of the detour route and the estimation model. Results show the estimation using pattern data has MAE of 8.33 and MAPE of 21.00%, but the proposed model had MAE of 4.47 (46.34% decrease) and MAPE of 12.63% (39.86% decrease).

참고자료

· 없음