KR100510237B1 - 교통정보 제공장치에서의 교통정보 가공 장치 및 그 방법 - Google Patents
교통정보 제공장치에서의 교통정보 가공 장치 및 그 방법 Download PDFInfo
- Publication number
- KR100510237B1 KR100510237B1 KR10-2002-0087442A KR20020087442A KR100510237B1 KR 100510237 B1 KR100510237 B1 KR 100510237B1 KR 20020087442 A KR20020087442 A KR 20020087442A KR 100510237 B1 KR100510237 B1 KR 100510237B1
- Authority
- KR
- South Korea
- Prior art keywords
- traffic information
- traffic
- unit
- raw data
- data
- Prior art date
Links
- 238000000034 method Methods 0.000 claims abstract description 63
- 238000009499 grossing Methods 0.000 claims abstract description 29
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 22
- 230000010365 information processing Effects 0.000 claims abstract description 22
- 238000003786 synthesis reaction Methods 0.000 claims abstract description 22
- 230000002194 synthesizing effect Effects 0.000 claims abstract description 19
- 238000012545 processing Methods 0.000 claims abstract description 13
- 238000013528 artificial neural network Methods 0.000 claims description 32
- 238000003672 processing method Methods 0.000 claims description 16
- 238000001914 filtration Methods 0.000 claims description 12
- 239000013598 vector Substances 0.000 claims description 11
- 239000011159 matrix material Substances 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 7
- 230000006870 function Effects 0.000 claims description 6
- 238000013178 mathematical model Methods 0.000 claims description 6
- 230000007704 transition Effects 0.000 claims description 5
- 230000002068 genetic effect Effects 0.000 claims description 4
- 238000001514 detection method Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 9
- 238000013500 data storage Methods 0.000 description 8
- 238000007726 management method Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 5
- 238000013480 data collection Methods 0.000 description 3
- 230000008030 elimination Effects 0.000 description 2
- 238000003379 elimination reaction Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000001932 seasonal effect Effects 0.000 description 2
- 101001093748 Homo sapiens Phosphatidylinositol N-acetylglucosaminyltransferase subunit P Proteins 0.000 description 1
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical group [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- YHXISWVBGDMDLQ-UHFFFAOYSA-N moclobemide Chemical compound C1=CC(Cl)=CC=C1C(=O)NCCN1CCOCC1 YHXISWVBGDMDLQ-UHFFFAOYSA-N 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012144 step-by-step procedure Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Traffic Control Systems (AREA)
Abstract
Description
Claims (18)
- 여러 교통재원으로부터 수집되는 원시자료에 기초하여 교통정보를 제공하는 교통정보 제공장치에서 상기 원시자료를 가공하는 장치에 있어서,일정 구간 일정 시간대에 다른 종류의 교통재원으로부터 수집되는 원시자료가 다수일 경우 서로의 원시자료에서 단점인 부분을 보완하는 자료 합성을 통하여 최종 대표값을 생성하는 합성부;상기 합성부에 의해 생성된 최종 대표값을 평활화하여 최종 교통정보를 생성하여 이용자들에게 제공하는 평활부; 및상기 합성부에 의해 생성된 최종 대표값에서 특정 시간대에 해당되는 대표값이 존재하지 않는 경우, 상기 제공된 교통정보에 의해 누적된 패턴데이터를 기반으로 현재의 교통정보를 예측하여 이용자들에게 제공하는 예측부를 포함하는 교통정보 제공장치에서의 교통정보 가공 장치.
- 제1항에 있어서,상기 합성부는 상기 원시자료 합성시 유전자 알고리즘, 신경망 이론 및 퍼지 시스템을 포함하는 현대 수학 모델과 이종 데이터간의 합성 규칙을 적용하여 최종대표값을 산출하는 것을 특징으로 하는 교통정보 제공장치에서의 교통정보 가공 장치.
- 제1항에 있어서,상기 예측부는 이동평균법, 지수평활법, 신경망 이론 및 칼만 필터링 방법 중 하나를 사용하여 상기 특정 시간대의 교통정보를 예측하는 것을 특징으로 하는 교통정보 제공장치에서의 교통정보 가공 장치.
- 여러 교통재원으로부터 수집되는 원시자료에 기초하여 교통정보를 제공하는 교통정보 제공장치에서 상기 원시자료를 가공하는 방법에 있어서,a) 일정 구간 일정 시간대에 다른 종류의 교통재원으로부터 수집되는 원시자료가 다수일 경우 서로의 원시자료에서 단점인 부분을 보완하는 자료 합성을 통하여 최종 대표값을 생성하는 단계;b) 상기 a) 단계에서 생성된 최종 대표값을 평활화하여 최종 교통정보를 생성하여 이용자들에게 제공하는 단계; 및c) 상기 a) 단계에서 생성된 최종 대표값에서 특정 시간대에 해당되는 대표값이 존재하지 않는 경우, 상기 제공된 교통정보에 의해 누적된 패턴데이터를 기반으로 현재의 교통정보를 예측하여 이용자들에게 제공하는 단계를 포함하는 교통정보 제공장치에서의 교통정보 가공 방법.
- 제4항에 있어서,상기 a) 단계에서 상기 원시자료 합성시 유전자 알고리즘, 신경망 이론 및 퍼지 시스템을 포함하는 현대 수학 모델과 이종 데이터간의 합성 규칙을 적용하여 최종대표값을 산출하는 것을 특징으로 하는 교통정보 제공장치에서의 교통정보 가공 방법.
- 제4항에 있어서,상기 c) 단계는 이동평균법, 지수평활법, 신경망 이론 및 칼만 필터링 방법 중 하나를 사용하여 상기 특정 시간대의 교통정보를 예측하는 것을 특징으로 하는 교통정보 제공장치에서의 교통정보 가공 방법.
- 제6항에 있어서,상기 c) 단계는 이동평균법을 사용하여 상기 특정 시간대의 교통정보를 예측하며,관측된 시계열을 정리하는 단계;이동평균 기간을 결정하는 단계;상기 제공된 교통정보를 이용하여 가중치 결정 계수를 생성하는 단계; 및상기 정리된 시계열 및 상기 가중치 결정 계수를 사용하여 예측값을 산출하는 단계를 포함하는 교통정보 제공장치에서의 교통정보 가공 방법.
- 제7항에 있어서,상기 예측값(TravelTime(n))은 다음의 관계식여기서, x(n-t)는 (n-t)기의 관측치이고,는 (n-t)기의 가중치이며,= 1임.에 의해 산출되는것을 특징으로 하는 교통정보 제공장치에서의 교통정보 가공 방법.
- 제6항에 있어서,상기 c) 단계는 지수평활법을 사용하여 상기 특정 시간대의 교통정보를 예측하며,관측된 시계열을 정리하는 단계;평활상수를 결정하는 단계; 및상기 정리된 시계열 및 평활상수를 사용하여 예측값을 산출하는 단계를 포함하는 교통정보 제공장치에서의 교통정보 가공 방법.
- 제9항에 있어서,상기 예측값은 다음의 관계식여기서, ST는 t시점의 예측치이고,Xt는 t시점의 관측치이며,는 평활상수임.에 의해 산출되는것을 특징으로 하는 교통정보 제공장치에서의 교통정보 가공 방법.
- 제6항에 있어서,상기 c) 단계는 신경망 이론-여기서 신경망의 형태는 선행 신경망이고, 시계열 예측 모형은 역전파 알고리즘이며, 학습방법은 교사학습 방법임-을 사용하여 상기 특정 시간대의 교통정보를 예측하며,i) 입력층의 유니트에 입력값을 입력하고 전방으로 진행하여 출력값을 구하는 단계;ii) 상기 출력층의 각각의 유니트에 대해 오차를 구하고, 가중치의 변화를 구하는 단계;iii) 상기 출력층 이전의 층에서 상기 입력층 이후까지의 각 은닉층의 각 유니트에 대해 오차를 구하고 델타가중치의 변화를 구하는 단계; 및iv) 기존의 가중치에 상기 구해진 각 가중치의 변화를 더하여 모든 가중치를 갱신하는 단계를 포함하는 교통정보 제공장치에서의 교통정보 가공 방법.
- 제11항에 있어서,상기 i) 단계에서의 출력값은 다음의 관계식여기서, 는 s층에서 j번째 유니트 현재의 결과 상태이고,는 s층의 j번째 유니트와 s-1층의 i번째 유니트를 묶는 연결 가중치이며,는 s층에 있는 j번째 유니트에 전달되는 가중치를 적용한 입력의 합계이고,f는 값의 범위가 0에서 1 사이인 단극성 시그모이드 함수(Sigmoid Function)임.에 의해 구해지는것을 특징으로 하는 교통정보 제공장치에서의 교통정보 가공 방법.
- 제11항에 있어서,상기 ii) 단계 및 iii) 단계에서의 가중치의 변화()는 다음의 관계식여기서, 는 학습율이고,E는 신경망 전체 오차임.에 의해 구해지는것을 특징으로 하는 교통정보 제공장치에서의 교통정보 가공 방법.
- 제6항에 있어서,상기 c) 단계는 칼만 필터링 방법을 사용하여 상기 특정 시간대의 교통정보를 예측하며,예측 시점에서의 사전 추정치 및 오차 공분산을 입력하는 단계;칼만 이득을 계산하는 단계;상기 입력된 사전 추정치, 오차 공분산, 칼만 이득 및 관측치를 사용하여 사전 추정치를 갱신하는 단계;상기 갱신된 사전 추정치에 대한 오차 공분산을 계산하는 단계; 및상기 갱신된 사전 추정치에 전이행렬(transition matrix)을 사용하여 장래치 및 해당 오차 공분산을 계산하는 단계를 포함하는 교통정보 제공장치에서의 교통정보 가공 방법.
- 제14항에 있어서,상기 칼만 이득()은 다음의 관계식여기서, 는 사전 추정치이고,Pk(-)는 사전 추정치의 오차 공분산이며,Hk는 관측벡터와 상태벡터를 연결하는 (m*n) 벡터임.에 의해 계산되는것을 특징으로 하는 교통정보 제공장치에서의 교통정보 가공 방법.
- 제14항에 있어서,상기 사전 추정치의 갱신은 다음의 관계식여기서, 는 갱신된 사전 추정치임.에 의해 계산되는것을 특징으로 하는 교통정보 제공장치에서의 교통정보 가공 방법.
- 제14항에 있어서,상기 갱신된 사전 추정치에 대한 오차 공분산(Pk(+))은 다음의 관계식에 의해 계산되는것을 특징으로 하는 교통정보 제공장치에서의 교통정보 가공 방법.
- 제14항에 있어서,상기 장래치()는 다음의 관계식여기서, 는 tk시점에서 k+1 시점으로의 (n*n) 전이행렬임.에 의해 계산되고,장래치에 대한 오차 공분산(Pk+1(-))은 다음의 관계식에 의해 계산되는것을 특징으로 하는 교통정보 제공장치에서의 교통정보 가공 방법.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR10-2002-0087442A KR100510237B1 (ko) | 2002-12-30 | 2002-12-30 | 교통정보 제공장치에서의 교통정보 가공 장치 및 그 방법 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR10-2002-0087442A KR100510237B1 (ko) | 2002-12-30 | 2002-12-30 | 교통정보 제공장치에서의 교통정보 가공 장치 및 그 방법 |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20040060625A KR20040060625A (ko) | 2004-07-06 |
KR100510237B1 true KR100510237B1 (ko) | 2005-08-25 |
Family
ID=37352494
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR10-2002-0087442A KR100510237B1 (ko) | 2002-12-30 | 2002-12-30 | 교통정보 제공장치에서의 교통정보 가공 장치 및 그 방법 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR100510237B1 (ko) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100804800B1 (ko) * | 2006-11-03 | 2008-02-20 | 에스케이에너지 주식회사 | 교통 정보 생성 시스템 및 교통 정보 생성 방법 |
KR100910344B1 (ko) * | 2007-11-01 | 2009-08-04 | 에스케이마케팅앤컴퍼니 주식회사 | 교통정보 제공 방법 |
KR101460327B1 (ko) * | 2008-06-25 | 2014-11-10 | 주식회사 케이티 | 비정상 트래픽 검출 장치 및 그 방법 |
KR101572582B1 (ko) * | 2010-07-02 | 2015-12-01 | 현대엠엔소프트 주식회사 | 네비게이션 장치, 교통 예측 서비스 장치, 교통 예측 서비스 시스템 및 그 방법 |
CN108922183A (zh) * | 2018-07-17 | 2018-11-30 | 重庆大学 | 一种时空关联度与svr结合的高速公路短时流量预测方法 |
KR102059902B1 (ko) * | 2019-06-17 | 2020-02-20 | 서울대학교산학협력단 | 교통 속도 추정 방법 및 시스템 |
-
2002
- 2002-12-30 KR KR10-2002-0087442A patent/KR100510237B1/ko active IP Right Grant
Also Published As
Publication number | Publication date |
---|---|
KR20040060625A (ko) | 2004-07-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Khosravi et al. | Prediction intervals to account for uncertainties in travel time prediction | |
CN108197739B (zh) | 一种城市轨道交通乘客流量预测方法 | |
Sáez et al. | Hybrid adaptive predictive control for the multi-vehicle dynamic pick-up and delivery problem based on genetic algorithms and fuzzy clustering | |
Ashqar et al. | Modeling bike availability in a bike-sharing system using machine learning | |
Boussabaine | The use of artificial neural networks in construction management: a review | |
CN106022541B (zh) | 一种到站时间预测方法 | |
CN107346460B (zh) | 基于智能网联系统下前车运行信息的未来工况预测方法 | |
CN108492555A (zh) | 一种城市路网交通状态评价方法及装置 | |
CN107194491A (zh) | 一种基于公交客流和站间行程时间预测的动态调度方法 | |
WO2021058099A1 (en) | Multi-step traffic prediction | |
CN114495507B (zh) | 融合时空注意力神经网络和交通模型的交通流预测方法 | |
Gkiotsalitis et al. | Exact optimization of bus frequency settings considering demand and trip time variations | |
KR100510237B1 (ko) | 교통정보 제공장치에서의 교통정보 가공 장치 및 그 방법 | |
CN113674524A (zh) | 基于lstm-gasvr的多尺度短时交通流预测建模、预测方法及系统 | |
CN109993341A (zh) | 一种基于径向基函数神经网络的客流量预测方法 | |
CN113052206B (zh) | 一种基于浮动车数据的路段旅行时间预测方法及装置 | |
CN117094534B (zh) | 一种物联智控方法及系统 | |
Yang et al. | Dynamic Origin‐Destination Matrix Estimation Based on Urban Rail Transit AFC Data: Deep Optimization Framework with Forward Passing and Backpropagation Techniques | |
CN110459050A (zh) | 一种基于混合决策树的短期公交客流预测方法 | |
CN116592903B (zh) | 车路协同环境下群体偏好的生态驾驶路径实时规划方法 | |
Sidi et al. | Urban transport network regulation and evaluation: A fuzzy evolutionary approach | |
CN110704789B (zh) | 一种依托“城市超脑”计算平台的人口动态测算方法和系统 | |
Osman et al. | Application of long short term memory networks for long-and short-term bus travel time prediction | |
Bae | Dynamic estimation of travel time on arterial roads by using automatic vehicle location (AVL) bus as a vehicle probe | |
KR100532140B1 (ko) | 교통정보를 가공하여 제공하는 교통정보 제공장치 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A201 | Request for examination | ||
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant | ||
FPAY | Annual fee payment |
Payment date: 20120820 Year of fee payment: 8 |
|
FPAY | Annual fee payment |
Payment date: 20130819 Year of fee payment: 9 |
|
FPAY | Annual fee payment |
Payment date: 20140819 Year of fee payment: 10 |
|
FPAY | Annual fee payment |
Payment date: 20150810 Year of fee payment: 11 |
|
FPAY | Annual fee payment |
Payment date: 20160801 Year of fee payment: 12 |
|
FPAY | Annual fee payment |
Payment date: 20170731 Year of fee payment: 13 |
|
FPAY | Annual fee payment |
Payment date: 20180731 Year of fee payment: 14 |
|
FPAY | Annual fee payment |
Payment date: 20190626 Year of fee payment: 15 |