표본 ADAS 차두거리 기반 연속류 시공간적 교통밀도 추정
Spatiotemporal Traffic Density Estimation Based on Low Frequency ADAS Probe Data on Freeway
2
조회
0
다운로드
2
인용
0
참고문헌
키워드
초록
본 연구는 첨단운전자보조시스템(Advanced Driver Assistance System, ADAS)이 빠르게 보급됨에 따라 표본 프로브 차량에 설치된 ADAS로부터 얻은 개별차량의 궤적 데이터와 전방차량과의 차두거리 데이터를 이용하여 연속류의 교통밀도를 추정 및 분석하는 것을 목적으로 한다. 과거 연속류 교통밀도는 주로 차량검지시스템(Vehicle Detection System, VDS)에서 수집되는 교통량, 속도, 점유율 등의 데이터를 가공하여 추정되거나, CCTV등의 영상정보를 활용하여직접 차량 대수를 계수하여 추정되었다. 이러한 방식은 교통밀도 추정의 공간적 제약이 있고, 교통 혼잡시 추정의 신뢰도가 낮다는 한계를 보였다. 이에 본 연구에서는 선행연구의 한계를극복하기 위해 ADAS로부터 수집된 개별차량 궤적 데이터와 차두거리 정보를 활용하여 도로의 공간을 검지하고 일반화된 밀도(Generalized Density)방식을 이용하여 시공간적 교통밀도를추정한다. 이에 따라 ADAS차량의 표본율에 따른 교통밀도 추정의 정확도를 분석한 결과, 30% 의 표본율일 경우 교통밀도 참 값과 약 90% 일치하는 것으로 나타났다. 이를 통해 본 연구는향후 ADAS 및 자율주행차량이 혼재되는 도로 상황에서 신뢰도 높은 교통밀도 추정을 가능하게 하며 효율적인 교통운영관리에 기여할 수 있을 것으로 판단된다.
Abstract
The objective of this study is to estimate and analyze the traffic density of continuous flow using the trajectory of individual vehicles and the headway of sample probe vehicles-front vehicles obtained from ADAS (Advanced Driver Assitance System) installed in sample probe vehicles. In the past, traffic density of continuous traffic flow was mainly estimated by processing data such as traffic volume, speed, and share collected from Vehicle Detection System, or by counting the number of vehicles directly using video information such as CCTV. This method showed the limitation of spatial limitations in estimating traffic density, and low reliability of estimation in the event of traffic congestion. To overcome the limitations of prior research, In this study, individual vehicle trajectory data and vehicle headway information collected from ADAS are used to detect the space on the road and to estimate the spatiotemporal traffic density using the Generalized Density formula. As a result, an analysis of the accuracy of the traffic density estimates according to the sampling rate of ADAS vehicles showed that the expected sampling rate of 30% was approximately 90% consistent with the actual traffic density. This study contribute to efficient traffic operation management by estimating reliable traffic density in road situations where ADAS and autonomous vehicles are mixed.
참고문헌 (17)
- Edie L. C., "Discussion of Traffic Stream Measurements and Definitions", Port of New York, ~ (1963)
- "Sensor Fusion, Latest Strategies and Technology Trends by Company" (2020)[URL]
- Kim H. J., "Characteristics of Travel Time Variability in Congested Traffic", Proceedings of the 23rd ITS World Congress (2016)
- Kim H. J., "Systematic relation of estimated travel speed and actual travel speed", IEEE Transactions on Intell. Transp. Syst, 18(10), pp.2780~2789 (2017)
- 김민정, "영상기반 차량인식 기법을 이용한 교통류 추정에 관한 연구", 한국ITS학회 논문지, 18(6), pp.110~123 (2019), 한국ITS학회[DOI]
- 김민성, "두 개의 지점 검지기를 이용한 연속류 구간의 밀도측정 방안", 한국ITS학회 논문지, 8(1), pp.37~44 (2009), 한국ITS학회
- 김상구, "레이더검지기의 차량궤적 정보기반의 고속도로 밀도산출방법에 관한 비교", 한국도로학회논문집, 18(5), pp.117~125 (2016), 한국도로학회
- "Korea Expressway Corporation" (2020)[URL]
- "Korea Highway Capacity Manual", Ministry of Land, Infrastructure and Transport, ~ (2013)
- Korea Ministry of Government Legislation, "Article 30 of the Enforcement Rules of the Traffic Safety Act", ~ (2017)
- May A. D., "Traffic Flow Fundamentals", pp.192~226 (1990), Prentice-Hall
- Park B. J., "A Method for Measuring accurate traffic density by aerial photography", Journal of Advanced Transportation, 49, pp.568~580 (2015)
- 박범진, "밀도측정을 위한 구간영상 최적 수집주기 결정 연구 (서울 외곽순환도로 사패산 터널구간을 대상으로)", 한국ITS학회 논문지, 13(4), pp.20~29 (2014), 한국ITS학회[DOI]
- Prescient & Strategic Intelligence, "ADAS Sensor Market Research Report: By Type (Radar, LiDAR, Camera, Ultrasonic), Vehicle Autonomy (Semi-Autonomous Vehicle, Fully-Autonomous Vehicle), Vehicle Type (Passenger Car, Commercial Vehicle), Application (ACC System, AEB System, BSD System, LKAS, AFL System, CTA System, DMS, IPA System, NVS)-Industry Size, Trend, Growth and Demand Forecast to 2030", ~ (2020)
- Roess R. P., "Traffic Engineering, 3rd Ed, Pearson Prentice" (2004), Pearson Prentice Hall
- Toru S., "Estimation of Flow and Density using Vehicles with Spacing Measurement Equipment", Transportation Research Part C, 53, pp.134~150 (2015)
- Yang I. C., "A Novel Method to Estimate Traffic Density using Automotive Radar Sensors and Deep Learning Algorithm", Journal of Korean Society of Civil Engineers 2018 Essay Conference-Specialized Session, pp.324~325 (2018)