KR100836378B1 - 국내 도로 환경을 고려한 최적 주행 경로를 탐색하는 방법 - Google Patents

Abstract

본 발명은 국내 도로 환경을 고려한 최적 주행 경로를 탐색하는 방법으로서, 국내도로환경에 적합한 주행 속도 예측모델을 개발하고 여기에 더하여 운전자의 경험적인 요인 및 특정시설을 고려한 도로의 통행소요시간 모델을 개발하여 실시간 정보의 제공이 없는 상태에서도 국내 도로 환경에 적합한 최적주행경로 탐색 방법을 제공한다.

통행소요시간, 신경망 분석 모델, 선호도, 가중치

Description

국내 도로 환경을 고려한 최적 주행 경로를 탐색하는 방법{Method for searching optimal driving course with considering domestic road environment}

도 1은 종래 기술에 의한 주행경로를 구하는 순서도이다.

도 2은 본 발명의 최적 주행경로를 구하는 순서도이다.

도 3은 본 발명의 예측 통행 속도값을 구하는 신경망 모델이다.

도 4는 본 발명의 일반운전자들의 도로에 대한 선호도를 DB1에 저장하는 것을 나타낸 도면이다.

도 5는 본 발명의 도로 주변 시설물의 가중치값을 DB2로 저장하는 것을 나타낸 도면이다.

도 6는 도로 통행 소요 시간을 이용하여 최적 주행 경로를 구하는 방법을 나타낸 실시예이다.

<도면의 주요 부분에 대한 부호의 설명>

S : 출발지 E : 목적지

M : 대형 쇼핑몰

본 발명은 주행경로를 탐색하는 방법에 관한 것으로, 전자지도 데이터 및 기존의 교통데이터를 이용하여 도로별 속도정보를 예측하고, 운전자들의 선호도 및 교통혼잡유발 시설물의 영향을 고려하여 목적지까지의 최적의 경로를 구하는 주행 경로를 탐색하는 방법에 관한 것이다.

종래의 주행 경로를 구하는 방법은 일반적으로 GPS을 이용하는 방법이나 도로에 검지기를 설치해서 점유시간으로부터 간접적인 통행속도를 측정하거나, 전파발신기와 비콘(beacon)을 이용하기도 하고, 폐쇄회로 카메라나 텔레매틱스 정보를 이용해서 실시간 도로 상황의 정보를 얻는 방법이 실용화 되어 있다.

도 1을 참고하여 종래의 주행경로를 선택하는 방법을 설명한다.

우선 전자지도등을 이용하여 지도정보를 로딩(s1000)한 후, GPS나 텔레매틱스등을 통해 실시간으로 제공되는 교통 정보를 수신(s2000)받고 출발 및 목적지를 선택(s3000)하고, 상기 실시간 정보를 이용하여 최단주행 경로를 도시(s4000)하는 단계로 이루어져 있다. 그러나 상기 GPS를 이용하는 경우는 현재 본인이 있는 지점을 기준으로 목적지까지의 단지 최단 경로만을 알려주는 시스템에 불과 하여, 실제 목적지까지의 최적의 경로를 얻을 수 있는 방법은 아니었다. 즉 종래의 GPS를 이용 하여 주행 경로를 얻는 방법은 단지 최단 거리만을 알려주기 때문에 실제 교통량에 따라 최단경로의 소요시간이 오히려 최단경로가 아닌 경로보다 더 오래 걸리는 경우가 많았다.

또한 상기 도로에 검지기를 설치해서 점유시간으로부터 간접적인 통행속도를 측정하거나, 전파발신기와 비콘(beacon)을 이용하거나, 폐쇄회로 카메라나 텔레매틱스 정보를 이용해서 실시간 도로 상황의 정보를 얻어 주행경로를 얻는 방법에 있어서도, 상기 주경경로를 구하는 방법이 실시간으로 제공되는 교통정보에 의존하기 때문에, 만일 실시간 정보를 얻을 수 없는 도로가 주행경로에 포함될 경우는 목적지까지의 최적의 경로를 구할 수 없는 문제가 있다. 또한 상기의 자동화된 실시간 주행속도 측정방법을 위해서는 막대한 초기 투자시설 비용 및 지속적인 관리 노력이 필요하다. 따라서 도심지의 일부 구간을 제외하고는 상기 자동화된 속도 측정 설비를 장착하기가 현실적으로 쉽지 않다.

실제 주행 경로 선택에 있어서, 주행경로 선택에 영향을 주는 요인들의 중요한 특성 중의 하나는 경로길이, 소요시간, 통행량등을 포함하는 주행 경로 선택에 영향을 주는 요소들이 수시로 변화한다는 점이다. 상기 주행 경로를 선택함에 있어 가장 기본적인 선택 요소로는 도로의 실제 길이를 들 수 있다. 하지만 주행경로 정보를 원하는 대다수의 운전자들은 주행시간에 더욱 민감하다. 물론, 일반 운전자들이 주행시간을 단축하기 위해 과도하게 우회하는 경로를 선택하지는 않지만, 상기 주행경로 선택에 있어 주행시간이 중요한 요인인 것은 분명하다. 따라서 주행시간을 계산하기 위해서는 반드시 해당 도로의 통행속도를 알아야만 한다. 뿐만 아니라, 도로의 통행속도가 유사한 경로가 다수 존재할 경우 어느 도로를 선택할 것인가는 운전자의 경험적 요인에 의해 좌우된다. 따라서, 실제 일반 운전자들이 최적이라고 생각하고 선택하는 경로는 단순히 하나의 변수에 의해 정의하기 곤란하다.

본 발명은 상기와 같은 문제점을 해결하기 위하여 제안된 것으로, 기존도로의 속도정보와 신경망 분석을 이용하여 속도 데이터가 제공이 안 되어 있는 도로에까지 특정 날짜, 요일, 시간별 예측 속도를 측정하고, 상기 예측된 속도값을 이용하여 여기에 일반 운전자들의 도로별 선호도를 포함하고, 상기 도로 주변의 시설물이 상기 도로에 미치는 영향을 고려하여, 실시간 교통정보가 제공되지 않는 상태에서도 최적의 주행경로를 찾는 방법을 제공하는데 그 목적이 있다.

상기의 목적을 달성하기 위하여 본 발명은 최적 주행경로 탐색 방법에 있어서, 전자 지도정보를 로딩하는 1단계(s100)와, 출발지 및 목적지를 선택하는 2단계(s200)와, 도로의 예측 통행 속도값을 산출하는 3단계(s300)와, 운전자들의 선호도값을 산출하는 4단계(s400)와, 도로 주변 시설물이 도로의 통행속도에 미치는 영향(가중치)을 산출하는 5단계(s500)와, 상기 출발지와 목적지 사이의 경로 중 최단 시간의 경로를 구하는 6단계(s600)와, 상기 최단 시간 소요 경로를 도시하는 7단계(s700)로 이루어져 있다.

또한, 상기 도로의 예측 통행 속도값을 구하는 3단계는, 기존 속도 정보가 제공된 도로를 바탕으로 상기 도로가 갖고 있는 여러 속성들과 도로의 속도와의 상관 관계를 이용하여 신경망 분석 모델을 구성하는 3-1단계와, 상기 3-1단계에서 만들어진 신경망 분석 모델을 이용하여 출발지와 목적지 사이의 경로에 포함된 도로들의 예측 속도값을 구하는 3-2단계로 이루어지는 것을 더 포함할 수 있다.

더욱 상세하게는, 상기 신경망 분석 모델을 구성하는 3-1단계로, 임의의 계수값을 신경망의 초기 연결강도로 설정하여 입력하는 3-1-1단계와, 기존의 속도 정보가 제공된 도로의 속성들을 신경망 분석 모델의 입력단에 설정하는3-1-2단계와, 상기 도로의 속도값을 상기 신경망 분석 모델의 출력단에 설정하는 3-1-3단계와, 훈련 알고리즘을 이용한 신경망의 학습을 수행하여 가장 적절한 속도값을 출력하는 연결강도 계수값을 구할 때까지 업데이트 하는 3-1-4단계와, 상기 연결강도 계수값을 이용하여 신경망 분석 모델을 완성하는 3-1-5단계로 이루어진 것을 더 포함할 수 있다.

더욱 상세하게는, 상기 3-1단계의 도로 속성들에는 도로 종류, 시설물 종류, 차선 수, 도로 길이, 시간, 제한속도등을 더 포함할 수 있다.

더욱 상세하게는, 상기 3-2단계에서 도로의 예측 통행 속도는 기존 속도 정보가 제공된 도로의 시간대별 및 요일별의 예측 속도 및 기존에 속도 정보가 제공되지 않은 도로의 예측 속도를 더 포함할 수 있다.

또한, 상기 4단계는 도로의 속성들을 조합하여 일반 운전자들을 대상으로 한 설문 조사 결과를 콘조인트 분석 하는 4-1단계와, 상기 분석을 통해 상기 속성들의 모든 조합을 특성으로 하는 각 도로에 대해 운전자들의 선호도를 수치화하는 4-2단계와, 상기 도로와 상기 도로에 대한 운전자들의 선호도를 데이터베이스1(DB1)에 저장시키는 4-3단계와, 출발지와 목적지간의 여러 경로 중 각 경로에 포함된 도로에 대한 일반운전자들의 선호도를 DB1으로 부터 산출하는 4-4단계로 이루어진 것을 더 포함할 수 있다.

더욱 상세하게는, 상기 4-1단계의 도로의 속성에는 통행 속도 예측값, 도로종류, 차선 수, 도로 시설물 종류를 더 포함할 수 있다.

또한, 상기 5단계는 도로의 통행 속도에 영향을 주는 주변 시설물을 분류하는 5-1단계와, 상기 분류된 시설물의 위치와 도로와의 거리 정도에 따라 상기 시설물에 가중치값을 부여하는 5-2단계와, 상기 가중치값이 부여된 시설물을 데이터베이스2(DB2)에 저장시키는 5-3단계와, 상기 DB2로 부터 출발지와 목적지 사이의 도로주변의 시설물에 대한 가중치값을 산출하는 5-4단계로 이루어진 것을 특징으로 한다.

또한, 상기 6단계는 상기 도로의 속도 예측값과, 운전자들의 선호도, 및 도로 주변 시설물의 가중치값을 이용하여 출발지와 목적지 사이의 여러 경로 중 각 경로에 포함되는 도로의 통행 소요시간을 구한 후, 상기 통행 소요시간 중 최소 소요시간의 도로들을 링크시켜 최적의 경로를 구하는 것을 더 포함할 수 있다.

이하 도면을 참조하여 본 발명을 더 상세히 설명하고자 한다.

도 2는 본 발명의 최적주행 경로를 구하는 순서도이다. 초기 단계로 전자지도 정보를 로딩(s100)한 후, 출발지와 목적지를 선택한다(s200). 상기 출발지와 목적지를 선택한 후 신경망분석 모델(s30)을 통해서 예측통행 속도를 산출한다(s300). 이후 도로에 대한 일반 운전자들이 갖는 선호도가 데이터베이스화 되어 있는 DB1을 참조하여 출발지와 목적지 사이의 경로의 도로에 대한 운전자들의 선호도를 산출한다(s400). 이후 도로 주변 시설물이 도로의 통행량에 미치는 영향을 가중치값으로 정해 데이터베이스화 되어 있는 DB2(s50)를 통해서 상기 출발지와 목적지 사이의 경로중에 도로 주변 시설물에 대한 가중치를 산출한다(s500). 이후 상기 예측 통행 속도값과, 운전자들의 선호도 값과, 도로 주변 시설물의 가중치 값을 이용하여 도로의 통행 소요 시간을 구한다. 상기 도로란 상기 출발지와 목적지 사이의 경로중에 포함되어 있는 도로들을 말한다. 상기 도로의 통행 소용시간이 적게 산출 되는 도로들의 연결이 최적의 경로임으로 상기 도로의 통행 소요 시간을 이용하여 상기 출발지와 목적지 사이의 최단 시간 경로를 계산한다(s600). 이후 상기 최단 시간 경로를 도시한다(s700).

상기의 도로 통행 소요 시간은 다음과 같은 수식을 통해 구한다.

LT = [L/(F*V+P)]*3.6

상기 수식에서 LT는 도로의 통행 소요 시간을 나타내며 단위는 초(s)이다. L은 도로의 실제길이를 나타내며 단위는 미터(m)이다. V는 상기 도로의 예측 속도값(km/h)이다. P는 도로의 속성에 따른 운전자들이 가지는 선호도를 나타내며 단위는 속도(km/h)이다. F는 통행속도를 예측하고자 하는 도로의 주변에 위치하는 상기 도로의 통행속도에 영향을 미치는 특정 시설의 가중치 값을 나타내며 단위는 속도(Km/h)이다. 상기 상수값 3.6은 단위 환산(km/h -> m/s)을 하기 위한 상수값이다.

도 3은 신경망 분석 모델을 통한 예측 통행 속도를 산출하는 방법을 나타낸 도면이다.

상기 신경망 분석 모델은 입력층으로 도로의 속성에 따라 다수개의 입력층(X1, X2, X3, X4,... )을 두고 은닉층으로 다수개(H1, H2, H3...)의 은닉층을 둔다. 출력층으로는 Y의 하나의 출력층을 둔다. 상기 다수개의 입력층의 입력값으로는 도로의 종류(s31), 도로 시설물의 종류(s32), 도로의 차선 수(s33), 도로의 길 이(s34) 등을 둔다. 도로의 종합성 및 복잡성에 따라 상기 입력층 및 은닉층은 가변될 수 있다.

상기 신경망 분석 모델은 1단계로 임의의 계수값을 신경망의 초기 연결강도로 설정하여 입력하고, 2단계로는 기존 속도 정보가 제공된 도로의 속성들을 신경망 분석 모델의 입력단(X1, X2, X3, X4...)에 설정한다. 상기 도로의 속정으로는 상기의 도로의 종류, 도로 시설물의 종류, 도로의 차선 수, 도로의 길이등이 있다.

다음으로는 상기 기존 속조 정보가 제공된 도로의 속도값을 상기 신경망 분석 모델의 출력단(Y)에 설정하는 3단계와, 종래의 훈련 알고리즘을 이용한 신경망의 학습을 수행하여 가장 적절한 속도값을 출력하도록 하는 연결강도 계수값을 구할 때까지 업데이트 하는 4단계와, 상기 연결강도 계수값을 이용하여 신경망 분석 모델을 완성하는 5단계로 구성된다.

상기와 같은 방법으로 구한 신경망 분석 모델에 예측 속도를 구하고자 하는 도로의 속성들을 상기의 완성된 신경망 분석 모델의 입력단에 입력하고, 신경망 분석을 수행하여 원하는 예측 속도값을 산출한다.

다음으로 실제 주행 경로를 선택함에 있어서는 도로의 길이와 통행속도와 마찬가지로 일반 운전자들이 가지는 도로에 대한 선호도 역시 중요한 영향을 미친다. 상기 선호도는 실재 운행을 했던 운전자들의 경험으로부터 나오는 것으로서 일반 운전자들이 주행 경로를 선택함에 있어 중요한 역할을 한다. 따라서 일반 운전자들의 오랜 운행 경험으로부터 느끼는 선호도는 경로 선택에 있어서 중요한 요소임으 로 도로의 예측 속도값을 구할 때 고려해 둔다. 상기 선호도란 운전자들이 느끼는 체감속도를 말하며 상기 예측 속도값에서 운전자들이 주관적으로 느끼는 가감된 속도를 수치화하여 나타낸다. 이때 수치화된 선호도 값은 속도의 단위(Km/h)를 갖도록 한다.

도 3은 운전자들의 선호도를 구하는 방법을 나타낸 순서도이다.

먼저 선호도 조사에 이용할 도로 속성을 결정한다. 상기 도로 속성으로는 도로의 종류, 차선 수, 시설물 종류, 예상 주행 속도값의 4가지 속성을 사용한다. 다음으로는 상기 속성들을 조합하여 일반 운전자들을 대상으로 설문조사를 실시한다(s41). 상기 조합되는 도로 상황 중 일부에 대해서만 설문 조사를 실시하여 나머지 모든 도로 상황에 대한 선호도를 추정 할 수 있는 분석방법인 콘조인트 분석(conjoint analysis)를 실시한다(s42).이 후, 모든 도로 상황에 대한 운전자들의 선호도를 수치화 시킨다(s43). 이 후 상기 선호도를 데이터베이스화 시켜(s44) DB1에 저장한다(s40). 상기 출발지와 목적지사이의 도로에 대한 선호도는 DB1을 참조하여 산출해 낸다.

상기 콘조인드 분석(conjoint Analysis) 방법이란, 어떤 사물이 가지고 있는 여러 인자들을 조합해서 특정 사물에 대한 소비자의 선호도를 알아보는 방법으로 예를 들면, 어떤 제품에 있어서 주요한 속성이 2가지(A, B) 있다고 가정하고, 상기 속성의 변화에 따라 소비자들이 어떻게 반응하는가를 살펴본다고 할 때 콘조인트 분석(Conjoint Analysis)을 사용할 수 있다.

예를 들어, 속성 A가 가격이라 할 때, 가격이 10,000원, 12,000원이라고 가정하고, 속성 B가 기능1, 기능2로 구성되어 있다고 가정 하면, 이 경우 2가지 속성을 합해서 만들 수 있는 제품은 4종류가 되는데 이들 모두 혹은 그 중 일부를 대상으로 소비자에게 제시해 이들의 선호 관계를 묻는 것이 콘조인트 분석(conjoint Analysis) 이다.

제품1 : 10,000원 + 기능1

제품2 : 10,000원 + 기능2

제품3 : 12,000원 + 기능1

제품4 : 12,000원 + 기능2

상기 네 가지 제품을 제시하고 여러 가지 질문들을 할 경우 소비자들은 속성 조합에 대해 어떠한 반응을 할 것이고 이에 따라 조사자는 소비자 반응의 특성을 이해할 수 있게 된다. 보다 상세하게는 본 발명의 본질과 벗어나므로 생략하기로 한다.

상기 일반 운전자들이 느끼는 선호도를 예를 들어 보다 자세히 설명하면, 60km/h의 동일한 통행 속도를 가지고 있는 A와 B의 2개의 도로가 있는 경우, 도로 A는 일반국도이고 4차선이며, 도로 B인 경우는 지방도이며 2차선일 경우, 일반 운전자들이 느끼는 체감속도는 일반국도일 경우 20km만큼 증가되게 느끼고 지방도일 경우는 10km만큼 증가된 속도를 느끼며, 차선이 4차선일 경우는 +5km의 체감속도로 느끼고, 2차선일 경우는 -5km의 체감 속도를 느낀다고 하면, 상기 운전자들은 도로 A에 대해 20+5= 25km의 향상된 체감속도를 가지게 되고, 도로 B에 대해서는 10-5= 5km의 체감속도를 가지게 된다. 따라서 도로 A인 경우는 60+25= 85km의 보정된 속도를 가지게 된다. 도로 B인 경우는 60+5= 65km의 보정된 속도를 가지게 된다. 상기와 같이 예측된 도로에 대한 일반 운전자들이 느끼는 체감속도인 선호도를 이용해서 예측 통행 속도를 보정하게 된다.

또한 최적의 주행 경로를 구하는데 있어 도로의 주변 시설물에 대한 영향도 배제할 수 없다. 도로 주변에 교통 혼잡을 유발할 수 있는 특정시설이 있는 경우, 상기 교통 혼잡을 유발할 수 있는 특정 시설물에 의해 주변 도로는 통행량이 많아지게 되어 통행 속도는 떨어지게 된다. 따라서 도로의 주변 시설물이 주변 도로에 미치는 영향을 가중치로 정하고 상기 가중치는 최적 주행 경로를 구하는 방법에 한 요소로써 이용된다. 상기 가중치는 수치화하여 나타낸다. 상기 가중치값은 특정시설물의 종류 및 도로와의 거리에 따라 다르게 나타낼 수 있다. 상기 가중치값은 예측된 속도의 보정에 이용한다.

상기 가중치를 부여할 때 교통혼잡 정도가 크면 가중치 값은 작아지고 교통 혼잡 정도가 적으면 가중치 값을 크게 한다. 상기 가중치 값은 0에서 1까지의 값으로 정한다.

또한 같은 시설물이라고 해도 도로와의 거리에 따라 가중치 값을 달리 정한다. 이때에도 교통 혼잡유발 시설물이 도로와 가까우면 가중치 값을 작게 하고 도 로와 거리가 멀면 가중치 값을 크게 잡는다. 상기 가중치 값이 도로와 가까울수록 작아지는 이유는 상기 가중치값을 예측된 도로의 속도에 곱하기 때문이다. 즉 가중치값이 작아질수록 도로의 속도는 느려지게 된다.

상기 가중치값을 각 교통혼잡 유발 시설물 및 상기 시설물과 도로와의 거리 정도에 따라 수치화하여 데이터베이스(DB2)에 저장하고, 상기 데이터베이스(DB2)을 이용하여 주행경로를 구하고자 하는 경로에 포함된 도로들의 주변 시설물의 가중치 값을 산출한 후에, 상기 예측된 속도에 가중치 값을 곱해서 예측된 속도를 보정 하게 된다.

최종적인 최적 주행 경로는 상기 예측 통행 속도값과, 상기 일반 운전자들이 도로에 대해 가지는 선호도와, 상기 도로 주변 시설물의 가중치를 이용하여 상기 도로 통행 소요 시간을 구하는 식을 통해서 출발지와 목적지 사이에 있는 각 경로에 포함되어 있는 도로들의 통행 소요 시간을 구해서 도로들의 통행 소요 시간이 최소로 나오는 도로들을 연결하여 출발지와 목적지까지의 최적의 주행 경로를 구할 수 있다.

도 6는 상기 통행 소요시간을 이용하여 최적 주행 경로를 구하는 방법을 나타낸 실시예이다. 도 6를 참고하여 최적의 주행 경로를 구하는 방법을 설명하면, 출발지(S)에서 목적지(E)까지 가는 최적의 주행 경로를 구하는데 있어, 7000m 길이의 실선으로 표시된 a경로의 도로와 5000m의 길이를 가진 점선으로 표시된 b경로의 두 도로가 존재할 때, 상기 a경로의 도로 예측 통행 속도값이 본 발명의 신경망 분석 모델을 통해 50km/h 속도로 예측되었고, 상기 b경로 도로의 예측 통행 속도값은 본 발명의 신경망 분석 모델을 통해 70km/h 속도로 예측 되었을 때, 단지 예측 통행 속도만을 변수로 하여 목적지까지의 경로를 정하면 b경로가 더 빠르다. 그러나 상기 b경로 도로 주변에 대형 쇼핑몰(M)이 위치한다고 하면, 상기 대형 쇼핑몰(M)에 의한 교통혼잡으로 인해 b경로의 통행 속도는 감소될 것이다.

상기 b경로의 도로 주변 반경(점선으로 표시된 원부분) 300m 내에 대형 쇼핑몰(M)이 존재한다고 하고, 상기 대형 쇼핑몰(M)에 의한 교통혼잡 요인인 상기 DB2를 통해 산출된 가중치 값이 0.3이라고 하면, 상기 예측된 b경로의 예측 통행 속도 70km/h에 가중치 값 0.3을 곱해서 보정하면 21km/h의 보정된 속도가 나온다. 따라서 도로 주변 시설물의 영향을 고려하면 b경로 보다 a경로가 더 최적의 링크 경로임을 알 수 있다. 또한 여기에 운전자들이 도로에 느끼는 선호도를 고려하여, a경로의 상기 DB1을 통해서 산출된 선호도 값이 10이며, b경로의 상기 DB1을 통해 산출된 선호도 값이 9라고 하면, 최종적인 통행 소요 시간은 a경로가 [7000/(40+10)]*3.6= 504s 이고, b경로는 [5000/(70*0.3+9)]*3.6= 600s 이다. 즉 상기 통행 소요 시간을 이용해서 구한 출발지(S)에서 목적지(E)까지의 최적의 경로는 a경로이다.

이상의 설명에서와 같이 본 발명은 기존의 속도 정보가 제공된 도로의 데이 터를 이용하여 예측 통행 속도를 산출할 수 있는 신경망 분석 모델을 만들고 여기에 일반 운전자들의 선호도 및 상기 도로 주변의 시설물이 도로의 통행에 미치는 영향을 고려하여, 실시간 교통 정보의 제공이 없는 상황 및 속도 정보가 제공이 되지 않는 도로에 대해서도 예측 속도 및 통행 소요 시간을 제공함으로써 목적지까지의 최적의 주행 경로를 구할 수 있다.

Claims (10)

1. 삭제
2. 최적 주행경로 탐색 방법에 있어서,

   전자 지도정보를 로딩하는 1단계와;

   사용자로부터 출발지 및 목적지를 입력받는 2단계와;

   기존 속도 정보가 제공된 도로를 바탕으로 상기 도로가 갖고 있는 여러 속성들과 도로의 속도와의 상관 관계를 이용하여 신경망 분석 모델을 구성하는 3단계와;

   상기 3단계에서 만들어진 신경망 분석 모델을 이용하여 출발지와 목적지 사이의 경로에 포함된 도로들의 예측 속도값을 구하는 4단계와;

   상기 도로에 대한 운전자들의 선호도를 수치화한 하나의 선호도 값을 구하는 5단계와;

   상기 도로 주변 시설물이 도로의 통행속도에 미치는 영향인 가중치값을 구하는 6단계와;

   상기 4단계의 예측 속도값과, 상기 5단계의 선호도값과, 상기 6단계의 가중치값들로 부터 상기 출발지와 목적지 사이의 경로 중 최단 시간의 경로를 구하는 7단계와;

   상기 최단 시간 소요 경로를 표시하는 8단계로 이루어지는 것을 특징으로 하는 국내 도로 환경을 고려한 최적 주행 경로를 탐색하는 방법.
3. 청구항 2에 있어서, 상기 신경망 분석 모델을 구성하는 3단계로,

   임의의 계수값을 신경망의 초기 연결강도로 설정하여 입력하는 3-1단계와;

   기존의 속도 정보가 제공된 도로의 속성들을 신경망 분석 모델의 입력단에 설정하는 3-2단계와;

   상기 도로의 속도값을 상기 신경망 분석 모델의 출력단에 설정하는 3-3단계와;

   훈련 알고리즘을 이용한 신경망의 학습을 수행하여 가장 적절한 속도값을 출력하는 연결강도 계수값을 구할 때까지 업데이트 하는 3-4단계와;

   상기 연결강도 계수값을 이용하여 신경망 분석 모델을 완성하는 3-5단계;

   로 이루어진 것을 특징으로 하는 국내 도로 환경을 고려한 최적 주행 경로를 탐색하는 방법.
4. 청구항 2에 있어서, 상기 3단계의 도로 속성들에는 도로 종류, 시설물 종류, 차선 수, 도로 길이, 시간, 제한속도를 포함하는 것을 특징으로 하는 국내 도로 환경을 고려한 최적 주행 경로를 탐색하는 방법.
5. 청구항 2에 있어서, 상기 4단계에서 도로의 예측 통행 속도는 기존 속도 정보가 제공된 도로의 시간대별 및 요일별의 예측 속도 및 기존에 속도 정보가 제공되지 않은 도로의 예측 속도를 포함하는 것을 특징으로 하는 국내 도로 환경을 고려한 최적 주행 경로를 탐색하는 방법.
6. 청구항 2에 있어서, 5단계는,

   도로의 속성들을 조합하여 일반 운전자들을 대상으로 한 설문 조사 결과를 콘조인트 분석 하는 5-1단계와;

   상기 분석을 통해 상기 속성들의 모든 조합을 특성으로 하는 각 도로에 대해 운전자들의 선호도를 수치화하는 5-2단계와;

   상기 도로와 상기 도로에 대한 운전자들의 선호도를 데이터베이스1(DB1)에 저장시키는 5-3단계와;

   출발지와 목적지간의 여러 경로 중 각 경로에 포함된 도로에 대한 일반운전자들의 선호도를 DB1으로 부터 산출하는 5-4단계;

   로 이루어진 것을 특징으로 하는 국내 도로 환경을 고려한 최적 주행 경로를 탐색하는 방법.
7. 청구항 6에 있어서, 상기 5-1단계의 도로의 속성에는 통행 속도 예측값, 도로종류, 차선 수, 도로 시설물 종류를 포함하는 것을 특징으로 하는 국내 도로 환경을 고려한 최적 주행 경로를 탐색하는 방법.
8. 청구항 2에 있어서, 상기 6단계는,

   도로의 통행 속도에 영향을 주는 주변 시설물을 분류하는 6-1단계와;

   상기 분류된 시설물의 위치와 도로와의 거리 정도에 따라 상기 시설물에 가중치값을 부여하는 6-2단계와;

   상기 가중치값이 부여된 시설물을 데이터베이스2(DB2)에 저장시키는 6-3단계와;

   상기 DB2로 부터 출발지와 목적지 사이의 도로주변의 시설물에 대한 가중치값을 산출하는 6-4단계;

   로 이루어진 것을 특징으로 하는 국내 도로 환경을 고려한 최적 주행 경로를 탐색하는 방법.
9. 청구항 2에 있어서, 상기 7단계는,

   상기 도로의 속도 예측값과, 운전자들의 선호도, 및 도로 주변 시설물의 가중치값을 이용하여 출발지와 목적지 사이의 여러 경로 중 각 경로에 포함되는 도로의 통행 소요시간을 구한 후, 상기 통행 소요시간 중 최소 소요시간의 도로들을 링크시켜 최적의 경로를 구하는 것을 특징으로 하는 국내 도로 환경을 고려한 최적 주행 경로를 탐색하는 방법.
10. 청구항 9에 있어서, 상기 통행 소요시간을 구하는 방법은 다음의 수식을 이용하는 것을 특징으로 하는 국내 도로 환경을 고려한 최적 주행 경로를 탐색하는 방법.

    LT = [L/(F*V+P)]*3.6

    LT : 도로의 통행 소요 시간(s)이다.

    L : 도로의 실제길이를 나타낸다. 단위는 미터(m)이다.

    V : 예측 속도값(km/h)이다.

    P : 도로의 속성에 따른 운전자들이 가지는 선호도를 나타내며 단위는 속도(km/h)이다.

    F : 통행속도를 예측하고자하는 도로의 주변에 위치하는 도로의 통행속도에 영향을 미치는 특정 시설의 가중치 값을 나타낸다.

    3.6 : 단위 환산(km/h -> m/s)을 하기 위한 상수값이다.

Images