KR100532145B1 - 교통정보 제공장치에서의 원시자료 수집 제공 장치 - Google Patents
교통정보 제공장치에서의 원시자료 수집 제공 장치 Download PDFInfo
- Publication number
- KR100532145B1 KR100532145B1 KR10-2002-0087441A KR20020087441A KR100532145B1 KR 100532145 B1 KR100532145 B1 KR 100532145B1 KR 20020087441 A KR20020087441 A KR 20020087441A KR 100532145 B1 KR100532145 B1 KR 100532145B1
- Authority
- KR
- South Korea
- Prior art keywords
- data
- raw data
- traffic information
- traffic
- filtering
- Prior art date
Links
- 238000001914 filtration Methods 0.000 claims abstract description 50
- 238000001514 detection method Methods 0.000 claims abstract description 27
- 238000013480 data collection Methods 0.000 claims abstract description 22
- 238000012545 processing Methods 0.000 claims abstract description 12
- 238000000034 method Methods 0.000 claims description 22
- 238000009826 distribution Methods 0.000 claims description 15
- 238000013500 data storage Methods 0.000 description 10
- 238000007726 management method Methods 0.000 description 10
- 230000015572 biosynthetic process Effects 0.000 description 7
- 238000003786 synthesis reaction Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000002194 synthesizing effect Effects 0.000 description 6
- 238000009499 grossing Methods 0.000 description 4
- 230000008030 elimination Effects 0.000 description 3
- 238000003379 elimination reaction Methods 0.000 description 3
- 238000013179 statistical model Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000011156 evaluation Methods 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
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229920006395 saturated elastomer Polymers 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
Landscapes
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
본 발명은 교통정보 제공장치에서의 원시자료 수집 제공 장치에 관한 것으로, 여러 교통재원으로부터 수집되는 원시자료를 가공하여 교통정보를 제공하는 교통정보 제공장치에서 상기 원시자료를 수집하여 제공하는 장치로서, 상기 여러 교통재원으로부터 실시간으로 교통데이터에 해당되는 원시자료를 수집하고, 상기 수집되는 원시자료 중에 오류를 포함하는 자료를 구간거리에 관한 다수의 필터링 및 구간 통행시간에 관한 필터링을 통하여 제거하는 교통 검지자료 수집부; 및 상기 교통 검지자료 수집부에서 출력되는 원시자료들을 시/공간적 구분으로 그룹핑하여 해당 구간의 해당 시간을 대표할 수 있는 대표값을 산출하여 교통정보 생성을 위해 제공하는 데이터 생성부를 포함한다. 본 발명에 따르면, 다양한 교통재원으로부터 수집되는 원시자료의 오류를 정확하게 제거할 수 있고, 또한 대용량 원시자료를 신속하고 정확하게 수집하여 제공할 수 있다. 따라서, 신뢰성있는 실시간 교통 정보를 제공하여 도로 이용자들에게 최적의 주행 경로를 제공할 수 있다.
Description
본 발명은 교통정보 제공장치에 관한 것으로, 보다 상세하게는 다양한 교통재원으로부터 수집되는 대용량 원시자료에서 오류를 제거하고 대표값을 산출하여 제공하는 교통정보 제공장치에서의 원시자료 수집 제공 장치에 관한 것이다.
최근 도로 이용자들에게 실시간 구간 교통정보를 제공함으로서 운행 및 시간 비용을 최소화하고, 또한 한정되어 있는 도로에 교통량 집중화를 방지하여 최대한 분산시켜 도로 효율성을 높일 수 있도록 하는 중앙교통센터와 같은 교통정보 제공장치의 구축이 당연시되고 있다.
이러한 교통정보 제공장치에서는 원활한 교통 데이터의 수집/가공/제공 등의 기능을 수행하기 위해 일련의 프로세스가 정의되어야 하고, 이렇게 정의된 항목에 대해 개개 모듈이 설계되어야 한다.
상기한 프로세스와 이에 대응되는 개개 모듈은 신뢰성있는 실시간 교통 정보를 제공하여 도로 이용자들에게 최적의 주행 경로를 제공하기 위해서 여러 교통재원에서 수집된 대용량 교통 데이터를 빠르고 정확하게 가공하여 제공할 수 있어야 한다는 것이 요구되고 있다.
따라서, 본 발명의 목적은 다양한 교통재원으로부터 수집되는 대용량 원시자료에서 정확하게 오류를 제거하고, 동일 구간 동일 시간대를 대표할 수 있는 대표값을 산출하는 교통정보 제공장치에서의 원시자료 수집 제공 장치를 제공하는 데 있다.
상기한 목적을 달성하기 위한 본 발명의 특징에 따른 교통정보 제공장치에서의 원시자료 수집 제공 장치는,
여러 교통재원으로부터 수집되는 원시자료를 가공하여 교통정보를 제공하는 교통정보 제공장치에서 상기 원시자료를 수집하여 제공하는 장치로서,
상기 여러 교통재원으로부터 실시간으로 교통데이터에 해당되는 원시자료를 수집하고, 상기 수집되는 원시자료 중에 오류를 포함하는 자료를 구간거리에 관한 다수의 필터링 및 구간 통행시간에 관한 필터링을 통하여 제거하는 교통 검지자료 수집부; 및 상기 교통 검지자료 수집부에서 출력되는 원시자료들을 시/공간적 구분으로 그룹핑하여 해당 구간의 해당 시간에 대해 그룹핑된 원시자료들 사이의 편차를 활용하여 해당 구간의 해당 시간을 대표할 수 있는 대표값을 산출하여 교통정보 생성을 위해 실시간으로 제공하는 데이터 생성부를 포함한다.
여기서, 상기 구간거리에 관한 필터링은 2회의 필터링에 의해 수행되며, 2회의 필터링 중 1차 필터링에서는 상기 제공된 교통정보에 의해 누적된 패턴데이터의 분석에 의해 특이값(Outliers)을 판단하여 제거하고, 2차 필터링에서는 상기 1차 필터링에 의해 특이값이 제거된 후 걸러진 데이터를 재구성하여 실제 개개 구간에서 수집될 수 있는 원시자료의 필터링 범위를 설정하는 것을 특징으로 한다.
또한, 상기 1차 필터링에 의한 특이값 제거는 박스-휘스커스(Box-Whiskers) 데이터 플롯에서 수행되는 것을 특징으로 한다.
나아가, 상기 1차 필터링에 의한 오류데이터 제거는 상기 박스-휘스커스 데이터 플롯에서의 특이값 중 극도의 특이값(Extreme Outliers)을 제거함으로써 수행되는 것을 특징으로 한다.
또한, 상기 2차 필터링에 의해 설정되는 필터링 범위는 표본자료들의 분포가 정규분포를 이루는 것으로 가정하는 경우, 통계적 단일모집단 평균에 관한 추정을 위하여 표본평균에 표본자료들의 분산값을 더하거나 빼서 신뢰구간을 설정한 후 상기 표본자료들의 신뢰수준을 결정함으로써 설정되는 것을 특징으로 한다.
또한, 상기 구간 통행시간에 관한 필터링 범위는 모집단의 분포 모양과는 상관없이 일정한 표준편차 범위 안에 관찰값이 포함될 확률을 구하는 쳬비셰프정리(Tchebychev Inequality)를 사용하여 설정되는 것을 특징으로 한다.
또한, 상기 모집단의 중심 추정시 로버스트 추정량을 얻기 위해 중앙값을 사용하는 것을 특징으로 한다.
또한, 상기 확률은 구간의 특성상 상기 구간을 통행할 수 있는 최소 통행시간 및 최대 통행시간에 따라 다르게 적용되는 것을 특징으로 한다.
또한, 상기 대표값은 상기 제공된 교통정보의 누적된 패턴데이터에 의해 분석되는 데이터 분포(Data Distribution), 최대/최소 기준(Max/Min Criterion) 및 웨이트 팩터(Weight Factor)에 따른 각 인자(factor)와, 동일 구간에 대해 동일 시간 대에 수신된 각종 차량의 구간 통행시간을 사용하여 산출되는 것을 특징으로 한다.
이하, 본 발명의 실시예에 대해 첨부된 도면을 참조하여 상세히 설명한다.
도 1은 본 발명의 실시예에 따른 교통정보를 가공하여 제공하는 교통정보 제공장치의 동작을 개념적으로 도시한 도면이고, 도 2는 도 1의 교통정보 제공장치의 블록도이다.
도 1에 도시된 바와 같이, 본 발명의 실시예에 따른 교통정보를 가공하여 제공하는 교통정보 제공장치는 지점검지체계(영상검지기, 초음파검지기, 초단파검지기, CCTV 등), 구간검지체계(AVI, GPS, BEACON, DSRC 등), 통신원제보(Anecdotal Information) 등의 교통재원을 통하여 실시간 또는 일정한 시간 간격으로 검지된 교통데이터를 수집하여 데이터를 가공한 후, 일정 분량의 교통정보로 제공한다.
보다 상세하게, 교통정보 제공장치는 여러 교통재원에서 수집된 데이터를 특정 처리를 통하여 속도정보 등을 생성하고, 이렇게 생성된 속도정보 등의 데이터와 동일 시간, 동일 구간에서 수집된 타 재원의 데이터에 대해 자료 합성 처리를 수행하며, 이러한 자료 합성 처리를 통해 생성된 대표값에 대해 평활화 처리를 수행하여 최종 도로 이용자들에게 교통정보로써 실시간으로 제공한다. 또한, 교통정보 제공장치는 이와 같이 실시간으로 제공하는 데이터를 해당 구간에서 발생할 수 있는 과거 자료로 저장하여, 향후 온 라인 및 오프 라인 상에서 활용될 수 있도록 구축한다.
이러한 교통정보 제공장치의 상세한 블록은 도 2에 도시되어 있다.
도 2에 도시된 바와 같이, 본 발명의 실시예에 따른 교통정보를 가공하여 제공하는 교통정보 제공장치는 교통 검지자료 수집부(100), 데이터 생성부(200), 데이터 합성부(300), 원시자료 저장관리부(400) 및 패턴데이터 저장관리부(500)를 포함한다.
여기서, 교통 검지자료 수집부(100)는 여러 교통재원으로부터 실시간으로 수집된 원시자료 중에 오류를 포함한 자료를 제거하는 오류 제거부(110) 및 오류 데이터를 제거하기 위해 설정되는 자료 범위의 기준을 제공하는 파라미터의 값을 갱신하는 파라미터 갱신부(120)를 포함한다.
오류 제거부(110)는 필터링 방식을 사용하여 오류 데이터를 정정하거나 제거하며, 특히 구간 거리 및 해당 구간의 통행 시간을 기준으로 하는 필터링 방식을 통하여 오류 데이터를 정정하거나 제거한다. 이러한 오류 데이터의 판단 및 제거는 정의된 오류와 기존의 통계 모듈을 활용하여 적용될 수 있으며, 이러한 통계 모듈은 패턴데이터 저장관리부(500)에 의해 제공된다.
또한, 구간 및 이 구간의 통행 시간 자료들은 지점/구간 검지기(이동식, 고정식) 자체의 결함이나 통신 상의 문제, 도로 운전자들의 비정상적인 주행 등으로 인하여 오류 데이터가 발생될 수 있는데, 이러한 오류를 포함한 데이터를 제거하기 위해서는 자료의 범위 설정이 중요하다. 이러한 자료 범위 설정이 되는 기준 파라미터는 개개 차량들의 단말기로부터 수신되는 검지자료를 기준으로 할 수 있으며, 이러한 파라미터들의 갱신은 파라미터 갱신부(120)에 의해 수행된다.
다음, 데이터 생성부(200)는 교통 검지자료 수집부(100)에서 수집되어 오류가 제거된 교통 원시자료들을 시/공간적 구분으로 그룹핑하여 해당 구간의 해당 시간을 대표할 수 있는 교통정보로 생성한다.
이러한 데이터 생성부(200)는 대표값 산출을 위해 데이터 선택부(210) 및 데이터 혼합부(220)를 포함한다.
데이터 선택부(210)는 수집된 원시자료들을 시/공간적 구분으로 그룹핑하고, 그룹핑된 데이터 중에서 차량 유형별로 교통데이터들을 선택하여 데이터 혼합부(220)로 출력한다.
여기서, 원시자료들을 시/공간적 구분으로 그룹핑하는 예로는 지역적 특성기준, 수집된 원시자료수 기준 등에 따라 그룹핑하는 것이 있다.
또한, 차량 유형별로 선택되는 교통데이터들은 주로 속도 데이터로써, 예를 들어 승용차 구간 속도, 버스 구간 속도, 택시 구간 속도, 콜택시 구간 속도, 물류 차량 구간 속도 등이다.
한편, 데이터 혼합부(220)는 데이터 선택부(210)에서 제공하는 데이터를 혼합하여 해당 구간의 해당 시간을 대표하는 대표값을 산출한다.
이러한 대표값 산출은, 예를 들어, 동일 시간대 수신된 일반차량, 업무용 차량, 기타 차량 등에서 검지된 속도 정보들 사이의 편차를 활용하여 이루어질 수 있다.
다음, 데이터 합성부(300)는 일정 구간 일정 시간대에서 다른 종류의 교통재원으로부터 검지된 여러 개의 교통데이터들을 합성하는 합성부(310), 합성부(310)에 의해 합성되어 생성되는 최종 대표값을 평활화하여 최종 교통정보를 생성하는 평활부(320) 및 특정 교통데이터 비존재시 과거 데이터를 기반으로 현재 교통정보를 예측하는 예측부(330)를 포함한다.
여기서, 합성부(310)는 데이터 생성부(200)에서 제공되는 교통데이터가 상이한 구간에 해당되는 경우에는 각각의 소통정보로 제공되지만, 동일 구간, 동일 시점에 동시에 존재할 경우에는 서로의 정보에서 단점인 부분을 보완하는 교통데이터의 합성을 통해 최종 대표값을 생성한다.
이러한 데이터들의 합성을 통해 도로 이용자들에게 제공되는 교통정보는 정시성과 정확성 등의 신뢰도면에서 종래에 비해 월등히 향상된 교통정보이다.
한편, 실시간으로 수집된 구간 검지자료가 제공 시간대에 존재하는 경우에는 평활부(320)가 동작하게 되지만, 만약 해당 시간대에 구간 검지자료가 존재하지 않는 경우에는 예측부(330)가 동작하게 된다. 상기한 동작은 구간 검지자료들의 특성상 시간에 대하여 간헐적이므로 원시자료가 5분, 10분, 15분 등의 누락이 충분히 발생될 수 있기 때문이다.
평활부(320)는 합성부(310)를 통하여 생성된 대표값인 통행 속도/시간은 시계열상 연속적인 흐름이 존재한다는 특성에 기초한 것으로, 과거와 현재 데이터의 임의 변동(Random Fluctuation) 요소를 제거하고, 데이터를 평활화하는 것이다.
한편, 예측부(330)는 링크별로 예측된 교통정보, 특히 통행 시간에 대해 평가하는 예측치 평가를 수행한다.
이러한 예측치 평가는 관측치와 예측치간의 오차를 산출하는 통계량들을 사용하여 이루어질 수 있다.
다음, 원시자료 저장관리부(400)는 여러 교통재원으로부터 수집되는 원시자료들을 받아서 저장하고 관리한다.
한편, 패턴데이터 저장관리부(500)는 데이터 합성부(300)에서 생성되는 최종 교통정보를 일정한 시간간격, 예를 들어 5분 간격으로 도로 이용자들에게 제공한 후, 해당 데이터를 특정 패턴에 따라 분류, 저장하고 관리하며, 교통 검지자료 수집부(100), 데이터 생성부(200) 및 데이터 합성부(300)에서 적용되는 모든 모델의 파라미터를 도출할 수 있는 자료를 제공한다.
패턴데이터 저장관리부(500)는 데이터 합성부(500)에서 생성되는 교통 정보를 해당 링크, 해당 요일, 해당 시간대별로 패턴을 구축하여 저장하고 관리한다. 여기서, 개개 링크마다 초기 패턴자료가 구축되면 실시간으로 수집된 교통 정보들에 대해 동일성을 검정하여 해당 자료를 업데이트한다.
이러한 패턴데이터 저장관리부(500)의 구성 방법에 따라 교통정보를 제공하는데 있어서 신속하고 정확한 실시간 통행시간 정보 제공의 향배가 달려있다.
이하, 상기한 교통 검지자료 수집부(100)의 오류 제거부(110)에서 오류 데이터를 제거하는 필터링 모델에 대해 상세하게 설명한다.
오류 제거부(110)는 여러 가지 원인으로 인해 구간 통행시간 자료들에서 발생되는 오류 데이터를 제거하기 위해 자료의 범위를 설정해야 한다. 이러한 자료 범위를 설정하는 기준 파라미터는 파라미터 갱신부(120)에 의해 제공되며, 개개 차량들의 단말기로부터 수신되는 검지자료를 기준으로 한다.
먼저, 구간거리 필터링 방법(Travel Length Filtering Method)에 대해 설명한다.
구간거리 오류 데이터 판단 및 제거는 정의된 에러와 기존의 통계 모듈을 활용하여 적용되며, 실행 과정은 1차 필터링 모듈과 2차 필터링 모듈로 구분되어 수행된다.
이하, 1차 필터링 모듈에 대해 설명한다.
파라미터 갱신부(120)는 패턴데이터 저장관리부(500)에 누적 저장된 과거 데이터를 오프 라인(off-line) 하에서 분석하여 검지자료에 대한 필터링 범위 생성의 기준 파라미터를 생성하는데, 1차 필터링 모듈에서는 특이값(Outliers), 특히 극도의 특이값(Extreme Outliers)을 판단하여 제거될 수 있도록 하는 기능을 수행한다.
첨부한 도 3은 본 발명의 실시예에 따라 구간거리 오류 데이터를 제거하기 위해 파라미터 갱신부(120)에 의해 생성되는 파라미터값의 일예인 박스-휘스커스(Box-Whiskers) 데이터 플롯(plot)이다.
도 3에 도시된 바와 같이, 1차 필터링 모듈은 박스-휘스커스 데이터 플롯에서 중앙점으로부터 대부분의 데이터들이 분포되어 있는 일정 범위를 설정하고, 실시간으로 수집된 데이터가 해당 신뢰구간을 만족하지 못한 경우 특이값으로 판단하여 제거하는 기능을 수행한다. 이러한 특정 범위는 파라미터 생성 입력 자료들의 특성에 따라 변동될 수 있다.
상기한 바와 같이 오류 제거부(110)는 입력되는 구간거리 데이터 중에서 파라미터 갱신부(120)의 1차 필터링 모듈에 의해 생성된 특이값, 특히 고도의 특이값에 의해 설정된 범위의 오류 데이터를 제거한 후 걸러진 데이터를 2차 필터링 모듈로 전달한다.
이하, 2차링 필터링 모듈에 대해 설명한다.
2차 필터링 모듈은 1차 필터링 모듈에 의해 특이값, 특히 극도의 특이값이 제거된 후 걸러진 데이터를 재구성하여 실제 개개 구간에서 수집될 수 있는 검지자료의 필터링 범위를 설정한다.
먼저 표본자료들의 분포가 정규분포를 이룬다고 가정할 때, 통계적 단일모집단 평균에 관한 추정을 하기 위하여 표본평균에 표본자료들의 분산값을 더하거나 빼서 신뢰구간을 설정한 후 표본자료들의 신뢰수준(Confidence Level)을 결정한다.
파라미터 갱신부(120)가 여기서 검지된 통행거리 데이터를 표본평균값으로 가정하고 범위를 설정하면, 실시간으로 수집된 거리 자료들의 표본들은 어떠한 신뢰수준을 가지고 설정된 범위에 속하거나 속하지 않게 된다. 따라서 오류 제거부(110)는 파라미터 갱신부(120)에 의해 설정된 범위에 속하지 않게 된 거리 자료들을 통계학적인 근거에 의해 오류를 포함한 자료로 판단하여 제거하게 된다.
상기한 바와 같이 실시간으로 수집된 거리 자료들의 표본이 설정된 범위에 속하게될 확률은 다음의 [수학식 1]와 같이 나타낼 수 있다.
[수학식 1]
여기서, 는 유의 수준이고, 1-는 신뢰수준을 의미한다.
상기 [수학식 1]에 표준정규분포를 대입하면, 다음의 [수학식 2]와 같이 표현될 수 있다.
[수학식 2]
여기서, 는 표본평균이고, 는 편차를 의미한다.
상기한 [수학식 2]는 모평균값을 중심으로 표본자료들의 신뢰구간을 나타내며, 통계적으로 설정될 데이터의 범위인 구간추정량 이 를 포함할 가능성이 1-라는 것을 알 수 있다.
다음은 구간 통행시간 필터링 방법(Travel Time Filtering Method)에 대해 설명한다.
도심 간선도로상에서 어느 한 구간을 통과한 차량들의 통행시간은 일정한 분포를 갖게 되는데, 정상상태에서는 신호교차로에서의 적색 신호시간 이외의 외부 영향은 없으므로 평균 통행시간을 중심으로 분산이 적은 분포를 보이며, 혼잡한 상태에서는 해당 구간을 통행한 차량들이 지체를 경험하므로 이때의 통행시간은 평균으로부터 분산이 큰 분포를 갖게 된다.
따라서, 파라미터 갱신부(120)는 실시간으로 수집된 구간 검지자료 중 오류를 포함한 자료를 판단 및 제거하기 위한 기준을 설정할 때 상기한 두 가지 상태를 고려한 범위 결정이 필요하다. 교통상황에 따라 구간 통행시간 집단의 분포가 상당히 광범위하여 정확한 상/하한계의 값을 고정하는 것이 쉽지 않으므로 수집된 교통 자료들의 대표값과 산포 정도, 해당 구간 특성(예: 고속도로, 도시 고속화도로, 간선도로 등)에 적합하도록 구간 통행시간 범위를 설정할 수 있다.
한편, 개개 구간에서 실시간으로 수집되는 구간 통행시간의 설정 범위는 해당 구간의 특성, 즉 신호조건, 기하구조, 도로조건 등에 따라 서로 상이한 범위를 가질 수 있으므로, 개개 구간마다 다른 범위를 가질 수 있도록 패턴데이터 저장관리부(500)에서 패턴 데이터 구축이 뒷받침되어야 한다.
한편, 임의 구간의 표본평균값을 기준으로 패턴데이터 저장관리부(500)에 저장된 자료들의 표본 표준편차에 따라 범위가 설정되는데, 이때 평균, 즉 집중화 경향을 나타내는 분포의 대표값으로는 산술/조화평균(Arithmetic/Harmonic Mean), 최빈값(Mode), 중앙값(Median), 절사평균(Trimmed Mean) 등이 있으며, 이들에 따라 설정되는 범위들이 변동될 수 있다. 따라서, 먼저 종류별로 그 특성을 파악한 후 자료에 적당한 집중화 경향을 나타내는 분포의 대표값을 사용한다.
한편, 구간의 오류 자료 처리 범위를 통계적 모델을 적용하여 설정한다고 하더라도 교통 데이터의 특성상 구간을 통행할 수 있는 최소값이 존재하며, 실제적으로 오류는 포함하지 않았지만 돌발상황에 의하여 관측된 값이 이상적으로 수집될 수가 있다.
첨부한 도 4는 임의 링크에서의 구간 통행시간과 차량 흐름 비율(flow rate)의 관계를 도시한 그래프이다.
도 4에서 알 수 있는 바와 같이, 임의 구간에 존재하는 차량들이 포화 상태, 즉 차량 흐름 비율(교통량)이 커지면서 차량 흐름 속도가 낮아지는 상태가 되면, 통행시간과의 관계에서 교통량 비포화 상태, 즉 차량 흐름 비율(교통량)이 커지면서 차량 흐름 속도가 높아져 차량 흐름 비율이 작은 상태보다 어떤 임계치에서부터 기울기가 급격히 변하므로 상기한 통계적 모델을 적용하여 설정된 범위보다도 높게 수집될 가능성이 존재한다. 따라서 상기한 통계적 모델 적용시 차량 포화상태와 차량 흐름속도와의 관계를 고려한 오류 자료 처리 범위를 생성한다.
한편, 데이터 생성부(200)의 데이터 혼합부(220)는 데이터 선택부(210)에서 제공하는 데이터를 혼합하여 해당 구간의 해당 시간을 대표하는 대표값을 산출할 때, 동일 시간대 수신된 일반차량, 업무용 차량, 기타 차량 등에서 검지된 속도 정보들 사이의 편차를 활용하여 이루어질 수 있다.
이외에도 첨부한 도 5에 도시된 바와 같이 일반 차량 검지 데이터, 업무용 차량 검지 데이터, 기타 차량 검지 데이터, 지점 검지 데이터, 기타 제보 검지 데이터 등을 받아서, 데이터 분포(Data Distribution), 최대/최소 기준(Max/Min Criterion), 웨이트 팩터(Weight Factor) 등에 따른 인자(factor)를 먼저 결정하고, 결정된 인자와 해당되는 구간 통행시간을 조합하여 해당 구간을 대표하는 대표값을 산출할 수 있다.
상기 대표값 산출의 예는 다음의 [수학식 3]과 같다.
[수학식 3]
구간 통행시간 =
여기서, 는 일반 차량의 구간 통행시간이고, 는 특정 차량의 구간 통행시간이며, 는 기타 차량의 구간 통행시간이고, 는 일반 차량에 대한 인자이고, 는 특정 차량에 대한 인자이며, 는 기타 차량에 대한 인자이다.
비록, 본 발명이 가장 실제적이며 바람직한 실시예를 참조하여 설명되었지만, 본 발명은 상기 개시된 실시예에 한정되지 않으며, 후술되는 특허청구범위 내에 속하는 다양한 변형 및 등가물들도 포함한다.
본 발명에 따르면, 다양한 교통재원으로부터 수집되는 원시자료의 오류를 정확하게 제거할 수 있고, 또한 대용량 원시자료를 신속하고 정확하게 수집하여 제공할 수 있다.
따라서, 신뢰성있는 실시간 교통 정보를 제공하여 도로 이용자들에게 최적의 주행 경로를 제공할 수 있다.
도 1은 본 발명의 실시예에 따른 교통정보를 가공하여 제공하는 교통정보 제공장치의 동작을 개념적으로 도시한 도면이고, 도 2는 도 1의 교통정보 제공장치의 블록도이다.
도 2는 본 발명의 실시예에 따른 교통정보를 가공하여 제공하는 교통정보 제공장치의 블록도이다.
도 3은 본 발명의 실시예에 따라 구간거리 오류 데이터를 제거하기 위해 생성되는 파라미터값의 일예인 박스-휘스커스(Box-Whiskers) 데이터 플롯(plot)이다.
도 4는 임의 링크에서의 구간 통행시간과 차량 흐름 비율(flow rate)의 관계를 도시한 그래프이다.
도 5는 도 2에 도시된 데이터 혼합부에서 수행되는 대표값 산출에 대해 개략적으로 도시한 도면이다.
Claims (12)
- 여러 교통재원으로부터 수집되는 원시자료를 가공하여 교통정보를 제공하는 교통정보 제공장치에서 상기 원시자료를 수집하여 제공하는 장치에 있어서,상기 여러 교통재원으로부터 실시간으로 교통데이터에 해당되는 원시자료를 수집하고, 상기 수집되는 원시자료 중에 오류를 포함하는 자료를 구간거리에 관한 다수의 필터링 및 구간 통행시간에 관한 필터링을 통하여 제거하는 교통 검지자료 수집부; 및상기 교통 검지자료 수집부에서 출력되는 원시자료들을 시/공간적 구분으로 그룹핑하여 해당 구간의 해당 시간에 대해 그룹핑된 원시자료들 사이의 편차를 활용하여 해당 구간의 해당 시간을 대표할 수 있는 대표값을 산출하여 교통정보 생성을 위해 실시간으로 제공하는 데이터 생성부를 포함하는 교통정보 제공장치에서의 원시자료 수집 제공 장치.
- 제1항에 있어서,상기 교통 검지자료 수집부가,상기 여러 교통재원으로부터 실시간으로 수집된 원시자료 중에 포함된 오류를 특정 자료 범위의 기준에 따라 판단하여 제거하는 오류 제거부; 및상기 제공된 교통정보에 의해 누적된 패턴데이터를 분석하여 상기 오류 제거부가 오류를 제거하기 위한 자료 범위의 기준을 제공하는 파라미터의 값을 갱신하는 파라미터 갱신부를 포함하는 교통정보 제공장치에서의 원시자료 수집 제공 장치.
- 제1항 또는 제2항에 있어서,상기 구간거리에 관한 필터링이 2회의 필터링에 의해 수행되며,2회의 필터링 중 1차 필터링에서는 상기 제공된 교통정보에 의해 누적된 패턴데이터의 분석에 의해 특이값(Outliers)을 판단하여 제거하고,2차 필터링에서는 상기 1차 필터링에 의해 특이값이 제거된 후 걸러진 데이터를 재구성하여 실제 개개 구간에서 수집될 수 있는 원시자료의 필터링 범위를 설정하는것을 특징으로 하는 교통정보 제공장치에서의 원시자료 수집 제공 장치.
- 제3항에 있어서,상기 1차 필터링에 의한 특이값 제거는 박스-휘스커스(Box-Whiskers) 데이터 플롯에서 수행되는 것을 특징으로 하는 교통정보 제공장치에서의 원시자료 수집 제공 장치.
- 제4항에 있어서,상기 1차 필터링에 의한 오류데이터 제거는 상기 박스-휘스커스 데이터 플롯에서의 특이값 중 극도의 특이값(Extreme Outliers)을 제거함으로써 수행되는 것을 특징으로 하는 교통정보 제공장치에서의 원시자료 수집 제공 장치.
- 제3항에 있어서,상기 2차 필터링에 의해 설정되는 필터링 범위는 표본자료들의 분포가 정규분포를 이루는 것으로 가정하는 경우, 통계적 단일모집단 평균에 관한 추정을 위하여 표본평균에 표본자료들의 분산값을 더하거나 빼서 신뢰구간을 설정한 후 상기 표본자료들의 신뢰수준을 결정함으로써 설정되는 것을 특징으로 하는 교통정보 제공장치에서의 원시자료 수집 제공 장치.
- 제6항에 있어서,상기 실시간으로 수집되는 원시자료들이 상기 2차 필터링에 의해 설정되는 필터링 범위에 속하게될 확률은 다음의 관계식여기서, 는 유의 수준이고,1-는 신뢰수준임.에 의해 결정되고,상기 관계식은 표준정규분포가 대입되는 경우, 다음의 관계식여기서, 는 표본평균이고,는 편차임.으로 표현되는것을 특징으로 하는 교통정보 제공장치에서의 원시자료 수집 제공 장치.
- 제3항에 있어서,상기 구간 통행시간에 관한 필터링 범위는 수집된 교통 자료들의 대표값과 산포 정도, 고속도로, 도시 고속화도로, 간선도로를 포함하는 해당 구간 특성에 적합하도록 설정되는 것을 특징으로 하는 교통정보 제공장치에서의 원시자료 수집 제공 장치.
- 제8항에 있어서,상기 모집단의 중심 추정시 로버스트 추정량을 얻기 위해 중앙값을 사용하는 것을 특징으로 하는 교통정보 제공장치에서의 원시자료 수집 제공 장치.
- 제8항에 있어서,상기 확률은 구간의 특성상 상기 구간을 통행할 수 있는 최소 통행시간 및 최대 통행시간에 따라 다르게 적용되는 것을 특징으로 하는 교통정보 제공장치에서의 원시자료 수집 제공 장치.
- 제3항에 있어서,상기 대표값은 상기 제공된 교통정보의 누적된 패턴데이터에 의해 분석되는 데이터 분포(Data Distribution), 최대/최소 기준(Max/Min Criterion) 및 웨이트 팩터(Weight Factor)에 따른 각 인자(factor)와, 동일 구간에 대해 동일 시간 대에 수신된 각종 차량의 구간 통행시간을 사용하여 산출되는 것을 특징으로 하는 교통정보 제공장치에서의 원시자료 수집 제공 장치.
- 제11항에 있어서,상기 대표값은 다음의 관계식여기서, 는 일반 차량의 구간 통행시간이고,는 특정 차량의 구간 통행시간이며,는 기타 차량의 구간 통행시간이고,는 일반 차량에 대한 인자이고,는 특정 차량에 대한 인자이며,는 기타 차량에 대한 인자임.에 의해 산출되는것을 특징으로 하는 교통정보 제공장치에서의 원시자료 수집 제공 장치.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR10-2002-0087441A KR100532145B1 (ko) | 2002-12-30 | 2002-12-30 | 교통정보 제공장치에서의 원시자료 수집 제공 장치 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR10-2002-0087441A KR100532145B1 (ko) | 2002-12-30 | 2002-12-30 | 교통정보 제공장치에서의 원시자료 수집 제공 장치 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20040060624A KR20040060624A (ko) | 2004-07-06 |
| KR100532145B1 true KR100532145B1 (ko) | 2005-11-29 |
Family
ID=37352493
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR10-2002-0087441A KR100532145B1 (ko) | 2002-12-30 | 2002-12-30 | 교통정보 제공장치에서의 원시자료 수집 제공 장치 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR100532145B1 (ko) |
Families Citing this family (5)
| 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 |
| RU2625522C2 (ru) * | 2013-03-15 | 2017-07-14 | Кобра Электроникс Корпорейшн | Система мобильной связи и способ анализа предупреждений, связанных с автомобильным движением |
| KR101535340B1 (ko) * | 2013-06-18 | 2015-07-09 | 주식회사 웨이브엠 | 교통정보 품질 검증 시스템 |
| KR102418058B1 (ko) * | 2015-09-24 | 2022-07-06 | 현대오토에버 주식회사 | 수집된 교통정보의 유효성 평가 모형 생성 방법 및 유효성 평가 모형을 이용한 교통정보 제공 방법 |
| CN115019525B (zh) * | 2022-06-20 | 2024-06-11 | 杭州海康威视数字技术股份有限公司 | 行程时间数据的筛选方法和交通信号控制方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000067357A (ja) * | 1998-08-18 | 2000-03-03 | Nippon Telegr & Teleph Corp <Ntt> | 交通情報予測方法、装置、交通情報予測プログラムを記録した記録媒体 |
| JP2002312886A (ja) * | 2001-04-11 | 2002-10-25 | Toshiba Corp | 道路交通情報管理システム |
-
2002
- 2002-12-30 KR KR10-2002-0087441A patent/KR100532145B1/ko active IP Right Grant
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000067357A (ja) * | 1998-08-18 | 2000-03-03 | Nippon Telegr & Teleph Corp <Ntt> | 交通情報予測方法、装置、交通情報予測プログラムを記録した記録媒体 |
| JP2002312886A (ja) * | 2001-04-11 | 2002-10-25 | Toshiba Corp | 道路交通情報管理システム |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20040060624A (ko) | 2004-07-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Ishak et al. | Performance evaluation of short-term time-series traffic prediction model | |
| Van Arem et al. | Recent advances and applications in the field of short-term traffic forecasting | |
| CN116935654B (zh) | 一种基于数据分配值的智慧城市数据分析方法及系统 | |
| Innamaa | Short-term prediction of travel time using neural networks on an interurban highway | |
| US8918278B2 (en) | Method and system for modeling and processing vehicular traffic data and information and applying thereof | |
| CN110807930B (zh) | 危险车辆预警方法及装置 | |
| KR100820467B1 (ko) | 도로 차선 종류를 고려한 구간 교통량 예측 시스템 및 그방법 | |
| US11170639B2 (en) | Transportation threat detection system | |
| WO1994011839A1 (en) | Prediction method of traffic parameters | |
| JP2009031881A (ja) | 交通情報システム | |
| Stipancic et al. | Impact of congestion and traffic flow on crash frequency and severity: application of smartphone-collected GPS travel data | |
| CN115331425B (zh) | 一种交通预警方法、装置和系统 | |
| US10706720B2 (en) | Predicting vehicle travel times by modeling heterogeneous influences between arterial roads | |
| Hellinga et al. | Automatic vehicle identification technology-based freeway incident detection | |
| Cohen et al. | Travel time estimation between loop detectors and FCD: A compatibility study on the Lille network, France | |
| Alrassy et al. | Driver behavior indices from large-scale fleet telematics data as surrogate safety measures | |
| KR100532145B1 (ko) | 교통정보 제공장치에서의 원시자료 수집 제공 장치 | |
| Liu et al. | Developments and applications of simulation-based online travel time prediction system: traveling to Ocean City, Maryland | |
| KR100313456B1 (ko) | 자동차교통정보제공시스템 | |
| KR100532140B1 (ko) | 교통정보를 가공하여 제공하는 교통정보 제공장치 | |
| Kessler et al. | Detection rate of congestion patterns comparing multiple traffic sensor technologies | |
| Bouyahia et al. | Real-time traffic data smoothing from GPS sparse measures using fuzzy switching linear models | |
| KR100510237B1 (ko) | 교통정보 제공장치에서의 교통정보 가공 장치 및 그 방법 | |
| Basnayake | Automated traffic incident detection with GPS equipped probe vehicles | |
| An et al. | Data Preprocessing Method for ANN-Based Travel Time Estimation Using Insufficient GPS Data |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant | ||
| FPAY | Annual fee payment |
Payment date: 20121120 Year of fee payment: 8 |
|
| FPAY | Annual fee payment |
Payment date: 20131125 Year of fee payment: 9 |
|
| FPAY | Annual fee payment |
Payment date: 20141107 Year of fee payment: 10 |
|
| FPAY | Annual fee payment |
Payment date: 20151109 Year of fee payment: 11 |
|
| FPAY | Annual fee payment |
Payment date: 20161031 Year of fee payment: 12 |
|
| FPAY | Annual fee payment |
Payment date: 20171026 Year of fee payment: 13 |
|
| FPAY | Annual fee payment |
Payment date: 20181031 Year of fee payment: 14 |
|
| FPAY | Annual fee payment |
Payment date: 20190926 Year of fee payment: 15 |