차종 시퀀스 패턴을 이용한 구간통행시간 계측
Measurement of Travel Time Using Sequence Pattern of Vehicles
1
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 연구는, 구간속도 검지를 위한 기존의 방법인 프로브차량 방식과 차량 번호판 인식 방식의 문제점을 보완할 수 있는 대안으로써, 도로 구간 시.종점에서의 차량 시퀀스 패턴을 이용하여 구간속도 검지가 가능토록 하는 알고리즘을 개발, 제시하였다. 본 알고리즘은 구간 시.종점에서의 차량들을 '차종 순차(Precedence)패턴을 순서대로 나열한 일정한 길이의 시퀀스 그룹'으로 인식하고, 종점에서의 특정 시퀀스에 대응하는, 시점에서의 시퀀스를 탐색하여 가장 유사도가 높은 시퀀스를 동일 그룹으로 간주하여 해당 구간의 통행 시간을 산출하였다. 유사도 비용의 정의에 따라 세 가지의 모델을 제시하였으며, 차량 유출입에 의한 이상치를 제거하고 가공함으로써 정보제공 주기에 가장 적합한 구간 대표 통행시간을 산출할 수 있도록 하였다. 컴퓨터 모의 실험을 통해 구간길이와 통과차량 수를 증가시키면서 차종별, 시.종점의 시퀀스 길이별로 반복 시뮬레이션 한 결과, 평균 최대 오차율 3.46% 로서 현장 적용성에서 뛰어난 가능성을 보였다.
Abstract
In this paper, we propose the regional travel time measurement algorithm using the sequence pattern matching to the type of vehicles between the origin of the region and the end of the region, that could be able to overcome the limit of conventional method such as Probe Car Method or AVI Method by License Plate Recognition. This algorithm recognizes the vehicles as a sequence group with a definite length, and measures the regional travel time by searching the sequence of the origin which is the most highly similar to the sequence of the end. According to the assumption of similarity cost function, there are proposed three types of algorithm, and it will be able to estimate the average travel time that is the most adequate to the information providing period by eliminating the abnormal value caused by inflow and outflow of vehicles. In the result of computer simulation by the length of region, the number of passing cars, the length of sequence, and the average maximum error rate are measured within 3.46%, which means that this algorithm is verified for its superior performance.
참고문헌 (16)
- F. Lemaire, "Report of DEVLONICS video based traffic detector system ; ASCE (TE) Applications of Advanced Technologies", pp.101~105 (1991)
- M. Higashikubo, "Traffic queue length measurement using an image processing sensor", Proc. Third Annual World Congress on Intelligent Transport Systems, 통권 : 43, pp.64~68 (1996)
- S. Kamijo, "Occlusion robust vehicle tracking spatio-temporal Markov random field model", Proc. 7th World Congress on Intelligent Transport Systems, 통권 : 1, pp.140~144 (2000)
- 무인교통단속장비와 교통사고 자동기록장치 기능통합 및 효율적 운영방안 연구(II), 도로교통안전관리공단 교통공학연구실기본과제 중간심의자료, "이건호", 도로교통안전관리공단, ~ (2007)
- C.Pellerin, "Machine vision for smart highways", Sensor Review, 12(1), pp.22~27 (1992)
- R.M.Inigo, "Application of machine vision to traffic monitoring and control", IEEE Trans. Vehicular Technology, 38(3), pp.112~122 (1989)
- R.M.Inigo, "Traffic monitoring and control using machine vision; A survey", IEEE Trans. Industrial Electronics, 32(3), pp.177~185 (1985)
- M. A. Ismail, "Multidimensional data clustering utilizing hybrid search strateges", Pattern Recognition, 22(1), pp.75~89 (1989)
- T.D.Sanger, "Optimal unsupervised learning in a single_layer linear feedforward neural network", Neural Networks, 2, pp.459~473 (1989)
- N. Papanikolopoulos, "Papanikolopoulos, P. K. Khosla, and T. Kanade, "Visual tracking of a moving target by a camera mounted on a robot; a combination of control and vision", IEEE Trans. Robotics and Automation, 9(1), pp.14~35 (1993)
- T. Zielke, "W. V. Seelen", CARTRACK:computer vision-based car-following, pp.156~163 (1992)
- N. Friedman, "Image segmentation in video sequences", Proc. Thirteenth Conf. Uncertaincy in Artificial Intelligence, pp.45~65 (1997)
- 박창수, "도시교통운영론" (2003), 출판사
- 한국건설기술연구원, "수도권 RTMS를 위한 검지기술" (1997)
- 장진환, "차량 속도별 영상검지기 성능분석", 대한교통학회지, 23(5), pp.105~112 (2005), 대한교통학회
- 오주택, "Tripwire 및 Tracking 기반의 영상검지시스템 개발 (Autoscope와의 성능비교를 중심으로)", 대한교통학회지, 26(2), pp.177~186 (2008), 대한교통학회