차량 궤적 데이터를 활용한 도심부 간선도로의 돌발상황 검지
Incident Detection for Urban Arterial Road by Adopting Car Navigation Data
0
조회
0
다운로드
2
인용
0
참고문헌
키워드
초록
도로상에서 발생하는 교통 혼잡비용은 지역 간 도로 보다는 도심부 내에서 비중 있게 발생하며, 이는 전체 혼잡비용의 약 63.39%를 차지하고 있다. 따라서, 교통혼잡비용의 절감을 위해서는 도심부의 교통 혼잡을 해소하는 것이 중요하다. 도심부의 교통 혼잡은 반복정체와 비반복정체로 구분되며, 비반복 정체를 신속하고 정확하게 검지하는 것이 교통 혼잡의 해소에 있어 무엇보다 중요하다. 그러나 돌발상황 검지에 관한 연구는 대부분 연속류를 대상으로 수행되어 왔다. 도심부 단속류 도로의 경우, 신호 교차로·주정차 차량 등 다양한 변수가 존재하기 때문에 연속류에 적용되는 돌발상황 검지 알고리즘을 수정없이 적용하기에 무리가 있다. 따라서 본 연구에서는 도심부 단속류 도로를 대상으로 수집된 GPS 기반의 차량궤적 데이터에 인공신경망을 적용하여 돌발상황검지 모형을 구축하였다. 제안된 모형의 정확도 검증 결과, 돌발상황 검지율 46.15%, 오보율 25.00%가 도출되었다. 이러한 결과는 단속류를 대상으로 하는 초기 연구 결과로서 의미가 있다. 또한 내비게이션 장치와 같은 차량 궤적 데이터만을 활용하여 비반복정체를 검지 할 수 있는 가능성을 제시 했다는 것에 의미를 찾을 수 있을 것이다.
Abstract
Traffic congestion cost is more likely to occur in the inner city than interregional road, and it accounts for about 63.39% of the whole. Therefore, it is important to mitigate traffic congestion of the inner city. Traffic congestion in the urban could be divided into Recurrent congestion and Non-recurrent congestion. Quick and accurate detection of Non-recurrent congestion is also important in order to relieve traffic congestion. The existing studies about incident detection have been variously conducted, however it was limited to Uninterrupted Traffic Flow Facilities such as freeway. Moreover study of incident detection on the interrupted Traffic Flow Facilities is still inadequate due to complex geometric structure such as traffic signals and intersections. Therefore, in this study, incident detection model was constructed using by Artificial Neural Network to aim at urban arterial road that is interrupted traffic flow facility. In the result of the reliability assessment, the detection rate were 46.15% and false alarm rate were 25.00%. These results have a meaning as a result of the initial study aimed at interrupted traffic flow. Furthermore, it demonstrates the possibility that Non-recurrent congestion can be detected by using car navigation data such as car navigator system device.
참고문헌 (16)
- Jian Lu, "A hybrid model of partial least squares and neural network for traffic incident detection", Journal Expert Systems with Applications : An International Journal archive, 39(5), pp.4775~4784 (2012)
- Jian Lu, "Automatic traffic incident detection based on nFOIL", Expert Systems with Applications, 39(7), pp.6547~6556 (2012)
- 허민국, "이력패턴데이터를 이용한 돌발상황 감지알고리즘 개발", 대한교통학회지, 28(6), pp.7~15 (2010), 대한교통학회
- 김상구, "수정교통량-점유율 관계도를 이용한 돌발상황 자동검지알고리즘 개발 및 평가", 대한교통학회지, 26(4), pp.229~239 (2008), 대한교통학회
- 홍남관, "퍼지논리와 교통패턴을 이용한 유고검지 모형에 관한 연구", 한국공간정보시스템학회 논문지, 9(1), pp.79~90 (2007), 한국공간정보시스템학회
- Faisal Ahmed, "A threshold-Based Real-Time Incident Detection System for Urban Traffic Networks", Transport Research Arena-Europe, 48, pp.1713~1722 (2012)
- Hussein Dia, "Development and evaluation of arterial incident detection models using fusion of simulated probe vehicle and loop detector data", Information Fusion, 12(1), pp.20~27 (2011)
- Huiying WEN, "Traffic incident detection for urban arterial road based on data fusion and learning vector quantization", American Society of Civil Engineers, ICTIS 2011, pp.971~978 (2011)
- 모무기, "라틴방격분석법을 이용한 단속류도로에서의 유고감지기법 개발", 대한토목학회 논문집D, 31(5), pp.623~631 (2011), 대한토목학회
- 이시복, "Fuzzy-Genetic Algorithm기반의 자가적응형 돌발상황 검지모형 개발 연구", 대한교통학회지, 22(4), pp.159~173 (2004), 대한교통학회
- B. Y. Ryu, "Development of models for measuring efficiency and CO2 emissions, and methodology for the environmental impact assessment of ITS service", 박사, pp.2013
- T. U. Kim, "Incident Detection of Urban Arterial Road using by Artificial Neural Network", 석사, pp.2014
- Real-world driving cycles for emission measurement: ARTEMIS and Swiss cycles, "Haan. P.D", ~, pp.Final Report (2001)
- S. B. Jang, "A Basic Study on Neural Network Incident Detection using INTRAS data", pp.2001
- Kun Zhang, "Effective arterial road incident detection : A Bayesian network based algorithm", Transportation Research Part C : Emerging Technologies, 14(6), pp.403~417 (2006)