교통상황 분류를 위한 클러스터링 기법 개발
Development of Traffic State Classification Technique
0
조회
0
다운로드
1
인용
0
참고문헌
키워드
초록
교통상황 분류는 신호연동그룹 단위의 정주기식 제어 기법을 효율적으로 적용하기 위하여TOD 계획을 수립하는데 핵심적인 기술이다. 본 논문에서는 신호연동그룹에 속하는 모든 교차로의 교통 자료 즉, 속도-교통량-밀도를 활용할 수 있는 딥 임베디드 클러스터링(Deep-Embedded Clustering:DEC) 기반 교통상황 분류 방법론을 제시하였다. 기존의 신호계획의 경우 교통량 기반으로 주요 교차로를 선정하고 해당 교차로의 교통자료를 이용하여 단편적인 신호계획을 하였으나, 본 논문에서 제시된 방법론의 경우 신호연동 그룹내 다수 교차로의 종합적인 교통특성에 따라교통상황을 유연하게 분류하여 신호계획을 할 수 있는 기반을 제공하였다. 본 연구에서 제시된방법론은 일반적인 군집화 방법론이 입력 자료의 차원이 증가함에 따라 겪는 차원의 저주 (Curse of dimensionality) 문제를 완화함으로써 신호연동그룹에 속하는 모든 신호교차로의 교통자료를고려한 신호시간 계획 수립이 가능하며 기존의 특정교차로 및 교통량만을 이용한 교통상황 분류방법론의 단점을 극복할 수 있음을 보였다.
Abstract
Traffic state classification is crucial for time-of-day (TOD) traffic signal control. This paper proposed a traffic state classification technique applying Deep-Embedded Clustering (DEC) method that uses a high dimensional traffic data observed at all signalized intersections in a traffic signal control sub area (SA). So far, signal timing plan has been determined based on the traffic data observed at the critical intersection in SA. The current method has a limitation that it cannot consider a comprehensive traffic situation in SA. The proposed method alleviates the curse of dimensionality and turns out to overcome the shortcomings of the current signal timing plan.
참고문헌 (9)
- Easter, M., "A Density-Based Algorithm for Discovering Clusters in Large Spatial Databases with Noise", Proceedings of the Second International Conference on Knowledge Discovery and Data Mining, AAAI(American Association for the Artificial Intelligence), KDD'96, 96, pp.226~231 (1996)
- 황재연, "동적 타임 워핑 거리 기반 비 계층적 군집분석을 활용한 TOD 시간분할 최적화", 한국ITS학회 논문지, 20(5), pp.113~129 (2021), 한국ITS학회[DOI]
- Determination of TOD Plan Breaking Points Using a Clustering Analysis, "Jeong, Y.", Korean Society of Road Engineers, 341~347 (2008)
- 이인규, "간선도로 교차로의 TOD 시간계획 최적화 및 현장적용 평가", 대한교통학회지, 28(4), pp.113~123 (2011), 대한교통학회
- Nielsen, F., "Introduction to HPC with MPI for Data Science", pp.195~211 (2016), Springer
- "Scikit-Learn"[URL]
- Tang, K., "Global Practices on Road Traffic Signal Control", World Conference on Transport Research Society, pp.7~17 (2019)
- World Cities Report 2020, "UN-Habitat", 97~ (2020)
- Xie, J., "Unsupervised Deep Embedding for Clustering Analysis", Proceedings of the 33rd International Conference on Machine Learning, PMLR(Proceedings of Machine Learning Research), 48, pp.478~487 (2016)