KR100200677B1 - 퍼지-신경망을 이용한 교통신호 주기결정 장치 및 방법 - Google Patents

Abstract

본 발명은 퍼지-신경망을 이용한 교통신호 주기 결정 장치 및 방법에 관한 것으로, 교통신호 주기 결정 장치는 도로에 매설된 검지영역을 통과한 차량으로 인한 인덕턴스의 변화를 검지하여 아날로그 파형, 통과 차량수 및 포화도를 출력하는 루프 검지기; 루프 검지기의 출력을 신경망의 입력으로 주기 위해 데이터를 생성하는 데이터 생성부; 데이터를 입력으로하여 승용차 환산 계수를 산출하여 출력하는 신경망 전처리기; 신경망의 출력을 이용하여 퍼지 규칙에 따라 적절한 교통 신호 주기를 생성하는 퍼지 후처리기를 포함한다.

본 발명에 의하면 신경망 전처리기를 이용하여 승용차 환산 계수를 구하고 퍼지 후저리기를 이용하여 교차로의 예상 차량 통과 시간에 근거한 최적의 신호주기를 생성하므로써, 과포화시 종래의 신호등에 비해서 차량 대기시간 및 출발 지연 시간을 줄일 수 있으므로 앞막힘 현상을 예방할 수 있다.

Description

퍼지-신경망을 이용한 교통신호 주기 결정 장치 및 방법

본 발명은 교통신호 주기를 결정하는 장치 및 방법에 관한 것으로, 특히 퍼지-신경망을 이용하여 차량의 흐름에 따라 최적의 교통신호 주기를 결정하는 장치 및 방법에 관한 것이다.

제한된 도로조건에서 나날이 증가되는 차량의 증가로 기존의 신호등은 과포화시에 출발지연시간을 유발하므로써, 최적의 주기신호를 생성하는 기능을 상실하였다. 그러므로, 최근에는 루프 검지기, 초음파 검지기, 영상이미지 검지기 등을 이용하여 교차로에 통과차량이 많을 때에는 신호주기를 연장하고 통과차량이 적을 경우에는 신호주기를 단축하는 방법이 연구되고있다. 또한 퍼지규칙을 이용하여 예상할 수 없는 불확실한 교차로 유/출입 차량흐름을 모델링하여 승용차 대기 시간을 최소화시키고 있으나, 이들 방법은 근포화시의 신호주기를 개선하는데 주안점을 두었으므로, 과포화시의 앞막힘현상을 예방하기에는 다소 어렵다. 한편, 기존의 루프 검지기는 통과차량의 환산 점유시간 값을 이용하여 통과 차량의 존재 유,무를 확인할 수 있으나, 통과 차량속도 등을 매 현시마다 정확하게 예측할 수 없기때문에 통과 차량 종류(소형, 대형) 등을 정확하게 산출하기가 어렵다. 특히, 상위 교차로가 과포화 상태일 경우, 하위 교차로 차량 대기행렬길이에 적합한 신호주기를 생성하지 못하므로써, 다음 신호주기에 출발지연시간(Start-Up Delay Time) 및 차량 대기시간을 유발시킨다.

교차로에서 대기차량의 많고 적음을 판단하는 포화도는 유효녹색시간동안 최대로 유출할 수 있는 교통류율에 대한 실제 통과된 교통량이다. 상기 교통류를 구성하는 대기차량은 차량의 길이가 항상 같은 값이 아니고, 매우 다양하여 각 차량의 승용차 환산 계수(Passenger Car Unit, PCU)를 어떤 값으로 결정해야 할지 어려움이 있으며 시시각각으로 변하는 교통상황에 대응하여 승용차 환산 계수로 정확히 환산하기가 어렵다. 또한 상위 교차로가 과포화상태이고, 하위교차로에서 유출할려는 차량이 많은 경우에, 하위 교차로의 대기행렬길이가 정확하게 산출이 안되면 다음 현시에 진행연장시간을 유발한다.

포화교통유율은 대기행렬길이, 교차로길이에 따라 큰 차이를 보이게 되므로, 포화상태에서의 각 차량간 루프 검지기의 비점유시간은 수시로 변화된다. 그러므로 상기 비점유시간은 교통상황에 대응하여 변화될 필요가 있으므로, 각 접근로의 포화교통유율을 구하여 이 때의 비점유시간의 평균치를 구하므로써 변화시킨다. 포화교통유율은 도로에 매설된 루프 검지기로부터 선행 차량의 뒷 범퍼에서 후속 차량의 앞 범퍼까지의 시간 간격인 차두시간을 실측하여 산출하며, 여러 주기의 각 차량의 차두 시간을 고려하여 평균적으로 산출된다. 최대 대기차량의 길이를 정지선에서 마지막 차량이 정지해 있던곳까지의 정지차량 길이로 정의하면 최대 대기차량의 길이 MAX Qi는 차량의 도착율에 의해서,

[수학식 1]

여기서, Qi-1:(i-1) 주기 종료시점에서의 대기차량길이

v:도착률

r:적색시간

t:녹색시간이 경과된 시간

출발파 속도에 의해서는

[수학식 2]

여기서, w:포화교통율로 유출되면서 녹색시간으로 인한 출발파 속도

t:녹색시간이 경과된 시간

상기 수학식 1과 수학식 2로부터

[수학식 3]

또는

[수학식 4]

이 된다.

상기 수학식 3과 4는 녹색시간으로 인한 출발파 속도, 도착률 및 포화시 유출 등을 모두 파악하고있을 때, 최대 대기차량길이를 추정할 수 있다. 그러나 신호제어 시스템에서는 대기차량길이에 대한 정보는 과거 정보에 한정되어 다음 주기의 대기차량길이를 추정해야하므로, 실제 교통상황에서 얻어지는 최대 대기차량길이를 추정하는 모델을 설정하여 정확하게 평가해야 한다. 그러나 이러한 알고리즘은 포화교통상태의 유출률 및 출발파 속도가 일정하다는 가정하에서 매주기마다 변화되는 도착률 추정을 통한 최대 대기차량길이를 추정하기 때문에 정확한 녹색 주기시간을 산출하기가 어렵다. 녹색신호주기에서 측정된 최대 대기차량길이를 MAXQi-l, MAXQi라 하면 도착률 Vi는 다음과 같이 구해진다.

[수학식 5]

여기서 g: 녹색시간

s: 포화상태에서의 유출율

수학식 1과 수학식 2로부터 t를 구해서 대입한 후 정리하면 다음과 같이 된다.

[수학식 6]

여기서, C:교통신호 주기

매 주기의 최대 대기차량길이가 측정되면 해당 주기에서의 도착율이 구해진다. 그러나, 요즈음과 같이 예측할 수 없는 교통변동으로 인해 매 주기마다 정확하게 도착율을 추정하기가 매우 어렵다. 그러므로 과거의 도착율을 평활하여 차기 주기의 도착율로 산정한다. 즉, 과거 3 주기동안의 도착율의 이동평균값(Moving Average)을 차기 주기의 도착율로 하는 예측방법을 이용한다. 따라서 차기주기에서의 예측되는 도착율, FVi+1은

[수학식 7]

로 계산되고, 차기 주기에서 예측되는 최대 대기차량길이는 다음과 같이 계산된다.

[수학식 8]

수학식 8은 유출률과 녹색시간시작으로 인한 출발파 속도가 매 주기마다 일정하다고할 때, 주기 및 녹색시간이 매 주기마다 변화되는 실시간 교통제어시스템에서 옵셋결정을 위해 최대주기길이를 예측한 것이다. 녹색주기시간은 도 1에서와 같이 교차로에서의 대기행렬이 대형차량으로 구성된 경우, 소형차량으로 구성된 경우보다 25%가량 연장된다. 또한, 도로조건에 따라 녹색시간이 달라질 수 있으므로, 표1과 같이 차선폭 및 도로 경사도에 대한 보정계수를 이용하여 각 도로조건에 따른 녹색시간을 산출한다.

표 1. 차선폭 보정계수

차선폭(M)	2.4	2.7	3.0	3.3	3.6	3.9	4.2	4.5
	0.87	0.90	0.93	0.97	1.00	1.03	1.07	1.10

표 2. 신호 교차로의 경사도에 대한 보정계수

경사 (%)	내리막	평탄	오르막
	-6	-4	-2	0	+2	+4	+6
	1.03	1.02	1.01	1.00	0.99	0.98	0.97

과포화 상태에서 앞막힘 현상을 예방하기 위해서는 대기차량의 길이를 정확하게 예측하여 상위교차로의 최적 용량보다 하위교차로 통과누적차량이 한 현시에 진입가능한 상위교차로의 최적 대기행렬길이가 적을 때까지만 현시 신호주기를 발생하도록 해야한다. 그러나 종래의 방법은 포화상태에서의 유출율, 통과차량의 속도 및 도착율 등을 정확하게 파악할 수 있을 때에만 최대 대기행렬길이를 추정하여 녹색시간을 산정할 수 있기 때문에, 과포화 상태일 때의 앞막힘 현상을 예방하기에는 어려움이 따른다.

한편, 신호등이 설치되어있는 상위교차로와 하위교차로에서 차량이 효율적으로 주행하기 위해서는 녹색신호의 연계성이 매우 중요하다. 상위교차로의 녹색신호가 켜져있는데도 하위교차로의 적색신호 때문에 정지해있거나 또는 하위교차로의 녹색신호를 받고 출발한 차량이 상위교차로에 도착했을 때, 상류교차로의 신호가 적색으로 바뀐다면 최적 신호주기 산출이 비효율적이게 된다. 일반적으로 이상적인 옵셋은 하위교차로를 출발한 차량이 상위교차로로 진행하는 차량군의 선두가 도착할 때 녹색신호가 점등되도록 설정되는 것이다. 대기행렬이 없는 경우의 옵셋 산출식과 대기행렬이 존재하는 상태에서의 이상적인 옵셋은 다음과 같이 정해진다.

[수학식 8]

T1 = l/v

여기서, T1: 이상적인 옵셋

l:교차로에서 교차로까지의 길이(미터)

v:차량속도(미터/초)

[수학식 9]

T2 = l/v -(Q*h+L)

여기서, T2:대기행렬이 존재하는 상태에서의 이상적인 옵셋

Q:차선당 대기차량의 수

h:대기차량의 출발소요 시간(초/차량)

L:손실시간

그러나, 상기와 같은 주기결정 방법의 문제점은 과포화된 교차로에서 교통량과 점유율만을 가지고 신호를 제어하므로 교통상황 파악이 왜곡될 수 있다는 것이다. 또한, 현재 운영되고 있는 대부분의 교통신호는 교통상황에 즉시 대응하는 실시간 처리가 아니고 수집된 교통량과 포화도만을 이용하여 운영자가 사전에 각 교차로의 신호 시간 계획을 미리 입력해두고 해당 시간대에 입력된 값에 의해서 최적 주기를 산출하는 방식이다. 특히 과포화상태일 경우에는 교차로의 포화율, 통과 차량의 속도 및 대기행렬 길이가 정확하게 산출되지 않았기 때문에 교통량과 포화도만으로 계산되어 미리 입력되어 있는 신호주기를 출력하는 경우 교통신호 주기가 틀린값을 가질 수 있다.

도 2는 대기행렬 길이에 따른 녹색시간을 나타낸 것으로 상위교차로가 근포화이고 하위교차로의 대기행렬차량이 소형 3대, 중형 1대로 구성됐을 경우에는 상위교차로 예상 대기행렬 길이가 하위교차로 대기행렬 길이보다 크므로 다음 현시에 진행연장 시간 및 승용차대기 시간이 발생하지 않는다. 도 3도 대기행렬 길이에 따른 녹색시간을 나타낸 것으로 상위교차로가 근포화이고 하위교차로의 대기행렬 차량이 소형 2대, 대형 2대로 구성됐을 경우에는 상위교차로의 예상 대기행렬 길이가 하위교차로의 대기행렬 길이보다 작으므로 다음 현시에 진행 연장시간 및 승용차대기 시간이 발생한다.

[수학식 10]

여기서, OC: 상위교차로의 최적용량

UC: 하위교차로의 통과누적차량이 한 현시에 진입가능한 상위교차로의 최적 대기행렬길이 (미터)

Qi: 하위교차로 통과차량의 대기행렬길이 (미터)

Aci: 하위교차로 누적차량의 대기행렬길이(미터)

또한, 상기 수학식 10과 같이, 과포화시에 상위교차로의 최적 용량보다 하위교차로의 예상대기행렬의 길이가 상위교차로의 최적용량보다 클경우에는 다음 현시에 앞막힘 현상 및 승용차대기 시간을 유발시켜 교통체증의 원인이 된다.

일반적으로 교차로에서 한 현시에 5대의 대기 차량이 검지되었을 경우에 다음과 표3과 같이 각 차량의 승용차 환산 계수에 따른 대기행렬의 길이가 같지 않음을 알 수 있다. 그러므로, 상위교차로의 과포화시 승용차환산 계수에 의한 대기행렬 길이를 고려하지 않으면 다음 현시에 진행연장 시간 및 앞막힘 현상을 발생시킨다.

표 3. 유입차량의 대기행렬 길이

차량현시	1	2	3	4	5
1현시	6.5	5.6	5.6	8.7	6.3
2현시	5.6	6.8	9.6	5.6	6.3
3현시	5.6	5.6	14.3	6.8	10.5
4현시	9.6	12.8	14.6	5.6	14.8

본 발명은 상술한 문제점을 해결하기 위한 것으로서, 과포화 상태를 예방하여 대기 시간을 줄이고, 평균 주행 속도를 향상시키기 위해, 전처리로 승용차 환산 계수를 구한 후, 후처리로 교차로 특성에 맞는 최적의 교통신호 주기를 구하는 퍼지-신경망을 이용한 교통신호 주기 결정 장치 및 방법을 제공함에 목적이 있다.

도 1은 차량 종류에 따른 녹색 주기시간을 도시한 것이다.

도 2는 대기행렬길이에 따른 녹색시간I을 도시한 것이다.

도 3은 대기행렬길이에 따른 녹색시간 II를 도시한 것이다.

도 4는 본 발명에 의한 퍼지-신경망을 이용한 교통신호 주기 결정 장치에 대한 블럭도를 도시한 것이다.

도 5는 신경망 전처리기에 대한 블록도를 도시한 것이다.

도 6은 본 발명에 의한 퍼지-신경망을 교통신호 주기 결정 방법에 대한 흐름도를 도시한 것이다.

도 7은 루프 검지기를 통과한 차량에 대한 아날로그 파형을 보인 것이다.

도 8은 과포화시 본 발명에 의한 신호등과 종래 신호등의 대기시간을 비교하여 보인 것이다.

도 9는 교차로 길이를 고려했을 때 본 발명에 의한 신호등과 종래 신호등의 대기시간을 비교하여 보인 것이다.

상기 목적을 달성하기 위한 본 발명에 따른, 퍼지-신경망을 이용한 교통신호 주기 결정 장치는 도로에 매설된 루프 검지기를 통과한 차량에 대한 아날로그 파형이 출력되고, 통과 차량수 등이 산출되는 루프 검지기; 상기 루프 검지기의 출력을 신경망의 입력으로 주기 위해 데이터를 생성하는 데이터 생성부; 상기 데이터를 입력으로하여 승용차 환산 계수를 산출하여 출력하는 신경망 전처리기; 상기 신경망의 출력을 이용하여 퍼지 규칙에 따라 적절한 교통신호 주기를 생성하는 퍼지 후처리기를 포함함이 바람직하다.

상기 신경망 전처리기는 상기 데이터 생성부의 출력갯수만큼의 입력을 갖는 입력 신경세포; 구분하고자하는 차량 종류만큼의 출력을 갖는 출력 신경세포; 상기 입력 세포와 출력 신경세포를 가중치를 갖고 연결하는 연결망; 및 상기 출력 신경세포의 출력을 승용차 환산 계수로 바꾸는 환산기를 포함함이 바람직하다.

상기 다른 목적을 달성하기 위한 본 발명에 따른 퍼지-신경망을 이용한 교통신호 주기 결정 방법은 상기 루프 검지기를 통해 검지된 각 차량에 대해 데이터를 생성하는 단계; 상기 데이터 생성 단계의 출력을 이용하여 승용차 환산 계수를 구하는 단계; 및 상기 승용차 환산 계수를 구하는 단계의 출력을 이용하여 최적의 교통신호 주기를 결정하는 단계를 포함함이 바람직하다.

이하에서 첨부된 도면을 참조하여 본 발명에 대해 자세히 설명한다. 도 4는 본 발명에 의한, 퍼지-신경망을 이용한 교통신호 주기의 결정 장치에 대한 블록도로서, 도로에 매설된 2-4회의 회전수를 가진 루프로 형성된 검지영역과 검지 장치 및 도입 케이블로 이루어지고, 상기 검지 영역을 통과하는 차량으로 인한 인덕턴스의 변화를 감지하여 아날로그 파형, 통과 차량 유무, 통과 속도 등을 출력하는 루프 검지기(100), 상기 아날로그 파형을 상기 신경망의 입력으로 주기 위해 데이터로 바꾸는 데이터 생성부(110), 상기 데이터 생성부의 출력을 입력으로하여 승용차 환산 계수를 구하는 신경망 전처리기(120) 및 상기 신경망의 출력인 승용차 환산 계수와 상위 교차로의 포화상태, 하위 교차로 통과 차량수를 입력 변수로 하여 예상 차량 진행 속도와 예상 교통신호 주기를 출력하는 퍼지 후처리기(130)로 이루어진다.

상기 신경망 전처리기(120)는 도 5에 보인 것과 같이 상기 데이터 생성부(110)의 출력을 입력으로하는 입력 신경세포(200), 구분하고자하는 차량 종류를 출력으로 갖는 출력 신경세포(220), 상기 입력 세포와 출력 신경세포를 가중치를 갖고 연결하는 연결망(210) 및 상기 출력 신경세포의 출력을 승용차 환산 계수로 바꾸는 환산기(230)로 이루어진다.

본 발명의 동작은 다음과 같다. 도 6은 본 발명에 의한 퍼지-신경망을 이용한 교통신호 주기 결정 방법에 대한 흐름도를 도시한 것이다.

먼저, 차량이 통과하지 않을 경우 상기 루프 검지기는(100) 일정한 인덕턴스를 갖게되고, 차량이 통과하는 경우에는 차량이 상기 루프 검지기(100)와 상호작용하여 인덕턴스의 변화가 일어난다. 통과하는 차량으로 인한 인덕턴스 변화가 검지되어 통과 차량수, 포화도 및 각 통과 차량의 아날로그 파형이 출력된다. 또한 각 주기별로 통과 차량수 및 차두 시간을 실측하여 포화도가 산출된 다음, 여러 주기의 각 차량의 차두 시간을 고려하여 평균적인 포화도가 산출된다(300 단계). 도 7은 각 차량에 대한 상기 루프 검지기(100)의 출력 파형의 예를 보인 것이다. 상기 루프 검지기(100)의 출력 화면은 적당한 크기로 나뉜 뒤, 각 화소 단위로 파형이 검출되면 1, 검출되지 않으면 0으로 출력하여 데이터를 생성한다. 다음은 각 차량의 파형에 대해 8X5 화소단위로 변환된 데이터의 예이다(310 단계).

11111100100001

1000010100011010001

100001011010111001011

1000001010001111000101

100000011000010110000101

대형버스소형트럭대형트럭

상기 루프 검지기(100)를 통해 검지되는 차량이 전체 루프 검지기(100)가 아닌 일부분만을 통과하여 검지되므로써 오인식될 경우도 있으므로, 오인식을 방지하기 위해서 상기 변환된 데이터는 신경망 전처리기(120)로 입력된다. 정확한 차량 인식을 위해서 먼저 상기 신경망 전처리기(120)는 미리 갖고 있는 변환된 데이터 입력값과 해당 출력값으로 상기 연결망(210)을 학습시킨다. 상기 연결망(210)의 학습은 입력에 대해 원하는 출력과 실제 출력 사이의 오차를 감소시키는 방향으로 연결 가중치를 조절하는 방법으로 이루어진다.

[수학식 11]

Wij(n+1) = Wij(n)+αej

여기서, Wij(n)은 n번째 반복시의 i번째 입력 신경세포와 j번째 출력 신경세포를 연결하는 연결 가중치이고, α는 0과 1사이의 적절한 상수이며, ej는 j번째 출력 신경세포의 오차로서 다음과 같다.

[수학식 12]

ej = tj - aj

여기서, tj는 j번째 출력 신경세포의 목표값이고, aj는 j번째 출력 신경세포의 실제 출력값이다.

상기 학습된 신경망 전처리기(120)의 조정된 연결 가중치를 이용하여 통과 차량의 입력 데이터에 대한 출력을 얻어서 통과 차량의 종류를 인식한 다음, 상기 환산기(230)를 통하여 다음 표의 승용차 환산 계수에 따라 인식된 차량 종류에 따른 승용차 환산 계수가 출력된다(320 단계).

표 4. 각 차량별 승용차 환산계수(PCU)

차량	소형 자동차	중형 자동차	대형 자동차
P.C.U	1.0	1.1	1.2	1.3	1.4	1.5	1.6	1.7	1.8	1.9	2.0
미터	3.5-4.5	4.6- 5.4	5.5- 6.4	6.5-7.4	7.5-8.4	8.5-9.4	9.5-10.4	10.5- 11.4	11.5- 12.4	12.5- 13.4	13.5- 15

상기 승용차 환산 계수와 상기 루프 검지기(100)로부터 받은 포화도 및 통과 차량수가 상기 퍼지 후처리기(130)로 입력되어 다음과 같은 퍼지 규칙을 나타내는 룩업 테이블(look-up table)을 이용하여 차량의 예상 차량속도가 출력된다.

표 5. 차량의 예상 차량속도를 나타내는 퍼지 규칙

상위 교차로포화도	하위 교차로통과 차량수	승용차 환산 계수
		대형	중형	소형
과포화	많음	B	B	S
	중간	B	M	M
	적음	B	B	M
근포화	많음	B	B	M
	중간	M	M	M
	적음	M	S	M
미포화	많음	M	M	S
	중간	M	S	S
	적음	M	S	S

여기서, B, M, S는 차량의 하위 교차로에서 상위 교차로로 진입하는 속도를 예상한 값으로 B가 가장 빠르고 차례로 느리다. 예를 들어, 상위 교차로가 과포화 상태이고, 하위 교차로를 통과할 차량수가 많으며 검지된 차량이 대형인 경우, 상기 차량이 하위 교차로에서 상위 교차로로 진입하는 예상속도는 B가 된다. 상기 예상차량속도를 정량화하기 위해 소속함수(Membership function)를 이용하여 하위교차로에서 상위교차로로의 예상 진입 소요시간을 산출할 수 있다. 상기 예상속도 및 상기 루프 검지기로부터 산출된 차량 통과수를 이용하여 다음과 같이 교통신호 주기를 구할 수 있다(330 단계).

[수학식 13]

OP = PT*PN+C

여기서, OP: 교통신호 주기

PT: 차량당 예상 통과시간

PN: 차량통과 수

C: 보정계수

보정 계수는 차선폭 및 도로 경사도에 따라 환산되어 제공되는 값으로 상기 표1과 표2에서 제공된 값이다. 상기 퍼지 규칙은 교차로의 길이와 같은 도로 조건을 입력으로하여 작성하므로써 도로 조건에 따른 예상 신호 주기를 구할 수 있다. 그림 8은 과포화시 본 발명에 의한 신호등과 종래 신호등의 대기시간을 비교하여 보인 것이다. 그림 9는 교차로 길이를 고려한 경우 본 발명에 의한 신호등과 종래의 신호등의 대기시간을 비교하여 보인 것이다.

본 발명에 의하면, 루프 검지기의 여러 출력으로부터 신경망 전처리기를 이용하여 승용차 환산 계수를 구하고 퍼지 후처리기를 이용하여 교차로의 예상 차량 통과 시간에 근거한 최적의 신호주기를 생성하므로써, 과포화시 종래의 신호등에 비해서 차량 대기시간 및 출발 지연 시간을 줄이므로써 앞막힘 현상 등을 예방할 수 있다.

Claims (5)

1. 퍼지-신경망을 이용한 교통신호 주기 결정 장치에 있어서,

   도로에 매설되어 있으며, 통과 차량의 길이, 무게 및 속도등으로 표현되는 소정의 통과 차량특성으로인한 내장된 코일의 인덕턴스 변화를 아날로그 파형으로 출력하고, 선행 차량의 뒷 범퍼에서 후속 차량의 앞 범퍼까지의 시간 간격을 환산하여 산출한 도로의 포화도 및 통과 차량수를 출력하는 루프 검지기;

   상기 루프 검지기의 아날로그 파형을 소정의 크기로 잘라서 각 화소 단위로 파형의 유무에 따라 소정의 데이터로 출력하는 데이터 생성부;

   소정의 길이 및 크기를 갖는 승용차를 기준으로하고, 상기 기준 승용차에 대한 각 차량의 상대적인 길이 및 크기를 승용차 환산 계수라 할 때, 상기 데이터 생성부에서 생성된 데이터로부터 연결 가중치를 이용하여 상기 승용차 환산 계수를 산출하는 신경망 전처리기; 및

   상기 신경망 전처리기의 출력과 상기 루프 검지기로부터 산출된 상기 통과 차량수 및 포화도로부터 상위 교차로 진입 소요시간을 예상하고, 상기 예상된 상위 교차로 진입 소요시간을 이용하여 교통신호 주기를 산출하는 퍼지 후처리기를 포함함을 특징으로 하는 퍼지-신경망을 이용한 교통신호 주기 결정 장치.
2. 제 1항에 있어서, 상기 신경망 전처리기는

   상기 데이터 생성부에서 생성된 데이터를 입력으로하는 입력 신경세포;

   구별하고자하는 차량 종류를 산출하는 출력 신경세포;

   연결 가중치를 갖고 상기 입력 신경세포와 상기 출력 신경세포를 빠짐없이 연결하는 연결망; 및

   상기 출력 신경세포로부터 산출된 차량 종류에 따라 상기 승용차 환산 계수를 구하는 환산기를 구비함을 특징으로 하는 퍼지-신경망을 이용한 교통신호 주기 결정 장치.
3. 퍼지-신경망을 이용한 교통신호 주기 결정 방법에 있어서,

   통과 차량의 길이, 무게 및 속도등으로 표현되는 소정의 통과 차량특성을 나타내는 소정의 아날로그 파형, 통과 차량수 및 선행 차량의 뒷 범퍼에서 후속 차량의 앞 범퍼까지의 시간 간격을 환산하여 산출한 도로의 포화도를 출력하는 통과 차량 검지 단계;

   상기 통과 차량 검지 단계에서 출력된 아날로그 파형에 대해 소정의 데이터를 생성하는 데이터 생성 단계;

   소정의 길이 및 크기를 갖는 승용차를 기준으로하고, 상기 기준 승용차에 대한 각 차량의 상대적인 길이 및 크기를 승용차 환산 계수라 할 때, 상기 데이터 생성 단계에서 생성된 데이터로부터 승용차 환산 계수를 구하는 단계; 및

   상기 구해진 승용차 환산 계수와 상기 통과 차량 검지 단계의 포화도 및 통과 차량수에 의해 교통신호 주기를 결정하는 단계를 포함함을 특징으로 하는 퍼지-신경망을 이용한 교통신호 주기 결정 방법.
4. 제 3항에 있어서, 상기 승용차 환산 계수를 구하는 단계는

   학습을 통하여 신경망의 연결 가중치를 조정하는 단계;

   상기 조정된 연결 가중치를 이용하여 상기 데이터 생성 단계의 출력 데이터로부터 차량 종류를 인식하는 단계; 및

   상기 차량 종류 인식 단계로부터 인식된 차량에 대해 승용차 환산 계수를 구하는 단계를 구비함을 특징으로하는 퍼지-신경망을 이용한 교통신호 주기 결정 방법.
5. 제 3항에 있어서, 상기 교통신호 주기 결정 단계는

   상기 승용차 환산 계수를 구하는 단계의 출력과 상기 통과 차량 검지 단계의 출력으로부터, 차량의 예상속도를 출력하도록 퍼지 규칙을 룩업테이블로 구성하는 단계;

   상기 룩업테이블 구성단계에서 만들어진 룩업테이블을 이용하여 상기 차량속도를 예상하고, 상기 예상된 차량속도를 정량화하기 위한 소속함수를 이용하여 상위 교차로 진입 소요시간을 예상하는 단계; 및

   상기 상위 교차로 진입 소요시간 예상단계에서 구해진 상위 교차로 진입 예상 소요시간을 차량 통과 수와 곱한 후 소정의 보정계수를 더하여 교통신호 주기를 산출하는 단계를 구비함을 특징으로 하는 퍼지-신경망을 이용한 교통신호 주기 결정 방법.

Images