기계학습을 통한 여름철 노면상태 추정 알고리즘 개발
Estimation of Road Surface Condition during Summer Season Using Machine Learning
2
조회
0
다운로드
4
인용
0
참고문헌
키워드
초록
기상은 교통흐름, 운전자의 주행패턴, 교통사고 등 여러 방면에서 도로교통에 영향을 미치는 중요한 요인이다. 본 연구는 기상상황과 노면상태 사이의 관계에 초점을 맞추어 기계학습을 통해 도로의 노면상태를 추정하는 모델을 개발하였다. 노면 상태의 수집을 위해 실험 차량에 노면센서를 부착하여 ‘건조’, ‘습윤’, ‘젖음’, 3가지 범주로 구분된 노면상태 정보를 수집하였고, 이를 추정하기 위한 변수로 도로의 기하구조 정보(곡률, 구배), 교통정보(교통량), 기상정보(강우량, 습도, 온도, 풍속)를 활용하였다. 노면 상태를 예측하기 위한 알고리즘으로는 다양한기계학습 알고리즘이 검토되었으며, 그 중 가장 높은 정확도를 보인 ‘Random forest’를 기반으로 한 2단계 분류모형을 구축하였다. 총 16일의 실측 데이터 중 14일의 데이터를 모델을 학습하는 데 활용하였고, 2일의 데이터를 모형의 정확도를 검증하기 위해 사용하였다. 그 결과81.74%의 검증 정확도를 가지는 노면상태 예측 모델을 구축하였다. 본 연구의 결과는 기상청에서 관측하는 기상정보로 도로의 노면상태를 추정할 수 있다는 가능성을 보여주며, 새로운장비나 센서를 설치하지 않고도 기존의 기상 관측 정보와 교통정보 등을 활용하여 노면의 상태를 추정할 수 있음을 시사한다.
Abstract
Weather is an important factor affecting roadway transportation in many aspects such as traffic flow, driver 's driving patterns, and crashes. This study focuses on the relationship between weather and road surface condition and develops a model to estimate the road surface condition using machine learning. A road surface sensor was attached to the probe vehicle to collect road surface condition classified into three categories as 'dry', 'moist' and 'wet'. Road geometry information (curvature, gradient), traffic information (link speed), weather information (rainfall, humidity, temperature, wind speed) are utilized as variables to estimate the road surface condition. A variety of machine learning algorithms examined for predicting the road surface condition, and a two - stage classification model based on 'Random forest' which has the highest accuracy was constructed. 14 days of data were used to train the model and 2 days of data were used to test the accuracy of the model. As a result, a road surface state prediction model with 81.74% accuracy was constructed. The result of this study shows the possibility of estimating the road surface condition using the existing weather and traffic information without installing new equipment or sensors.
참고문헌 (24)
- Breiman L., "Random forests", Machine learning, 45(1), pp.5~32 (2001)
- Brodsky H., "Risk of a road accident in rainy weather", Accident Analysis & Prevention, 20(3), pp.161~176 (1988)
- Chapman L., "Modelling of road surface temperature from a geographical parameter database", Part 2: Numerical. Meteorological Applications, 8(4), pp.421~436 (2001)
- 최새로나, "기상 및 교통조건이 고속도로 화물차 사고 심각도에 미치는 영향분석", 대한토목학회논문집(국문), 33(3), pp.1105~1113 (2013), 대한토목학회[DOI]
- Edwards J. B., "The relationship between road accident severity and recorded weather", Journal of Safety Research, 29(4), pp.249~262 (1998)
- Hoogendoorn R. G., "Longitudinal driving behavior under adverse weather conditions: Adaptation effects, model performance and freeway capacity in case of fog. In Intelligent transportation systems", 2010 13th international ieee conference on IEEE, pp.450~455 (2010)
- 정은비, "도로기상정보시스템(RWIS)과 차량검지기(VDS) 자료를 이용한 강우수준별 통행속도예측", 한국ITS학회 논문지, 12(4), pp.44~55 (2013), 한국ITS학회[DOI]
- Karsisto V., "Using car observations in road weather forecasting", International Road Weather Conference (2016)
- Keay K., "The association of rainfall and other weather variables with road traffic volume in Melbourne, Australia", Accident Analysis and Prevention, 37(1), pp.109~124 (2005)
- 김두규, "마찰계수의 비접촉 추정을 위한 영상정보 활용방법", 전자공학회논문지 - SP, 47(4), pp.28~34 (2010), 대한전자공학회
- 김종훈, "SVM(Support Vector Machine) 기법을 활용한노면상태 판별 알고리즘 개발", 한국ITS학회 논문지, 12(5), pp.1~12 (2013), 한국ITS학회[DOI]
- 김승현, "도로 노면상태 및 기상 빅데이터 분석을 통한 차량 안전성 제고", 정보화연구, 14(4), pp.375~386 (2017), 한국엔터프라이즈아키텍처학회
- Knapp K. K., "Winter storm event volume impact analysis using multiple-source archived monitoring data", Transportation Research Record, 1700, pp.10~16 (2000)
- Kwon T., "Effect of winter weather and road surface conditions on macroscopic traffic parameters", Transportation Research Record: Journal of the Transportation Research Board, (2329), pp.54~62 (2013)
- Liu C. S., "Road friction coefficient estimation for vehicle path prediction", Vehicle System Dynamics, 25(S1), pp.413~425 (1996)
- Friction Meter Comparison Study 2011, Abstract. Original report Kitkamittareiden vertailututkimus, "Malmivuo M.", ~ (2011)
- Marsland S., "Machine learning: an algorithmic perspective", pp.2011, Chapman and Hall
- Morgan A., "The effects of road-surface conditions, age, and gender on driver-injury severities", Accident Analysis & Prevention, 43(5), pp.1852~1863 (2011)
- Pouyanfar S., "Music emotion recognition using two level classification", Intelligent Systems (ICIS), 2014 Iranian Conference on, pp.1~6 (2014), IEEE
- Rahman A., "Analysis of rainfall impacts on platooned vehicle spacing and speed", Transportation Research Part F: Traffic psychology and behaviour, 15(4), pp.395~403 (2012)
- Shao J., "An automated nowcasting model of road surface temperature and state for winter road maintenance", Journal of Applied Meteorology, 35(8), pp.1352~1361 (1996)
- Shi L., "Effects of rainfall and environmental factors on traffic flow characteristics on urban freeway", Transportation Research Board 90th Annual Meeting (2011)
- "Teconer" (2018)[URL]
- Weidmann N., "A two-level learning method for generalized multi-instance problems", European Conference on Machine Learning, pp.468~479 (2003), Springer