KR100865939B1 - 교통정보 안내 시스템 및 방법 - Google Patents

교통정보 안내 시스템 및 방법 Download PDF

Info

Publication number
KR100865939B1
KR100865939B1 KR1020070008101A KR20070008101A KR100865939B1 KR 100865939 B1 KR100865939 B1 KR 100865939B1 KR 1020070008101 A KR1020070008101 A KR 1020070008101A KR 20070008101 A KR20070008101 A KR 20070008101A KR 100865939 B1 KR100865939 B1 KR 100865939B1
Authority
KR
South Korea
Prior art keywords
traffic information
traffic
information
simulation
generating
Prior art date
Application number
KR1020070008101A
Other languages
English (en)
Other versions
KR20080062998A (ko
Inventor
양원모
박원우
제은진
Original Assignee
포스데이타 주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 포스데이타 주식회사 filed Critical 포스데이타 주식회사
Publication of KR20080062998A publication Critical patent/KR20080062998A/ko
Application granted granted Critical
Publication of KR100865939B1 publication Critical patent/KR100865939B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
    • G16Z99/00—Subject matter not provided for in other main groups of this subclass

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Automation & Control Theory (AREA)
  • Traffic Control Systems (AREA)

Abstract

본 발명은 교통자료 수집부에서 수집한 교통자료를 통하여 생성한 제1 교통정보와 이력정보 관리부에서 제1 교통정보를 이용하여 지역 또는 시간대별로 평균화하여 생성한 과거이력 교통정보를 통계적 알고리즘을 이용하여 제2 교통정보를 생성하고, 시뮬레이션 알고리즘을 이용하여 제3 교통정보를 생성한 후, 상기 교통정보들을 선택, 융합 또는 가공하여 제공용 교통정보를 생성함으로써, 사용자가 미래에 발생할 교통상황을 예측할 수 있는 보다 고급화된 교통정보를 제공하기 위한 교통정보 안내 시스템 및 방법에 관한 것이다.

Description

교통정보 안내 시스템 및 방법{Traffic information guiding system and method}
도 1은 본 발명에 따른 교통정보 안내 시스템의 블록도이다.
도 2는 본 발명에 따른 교통정보 안내 시스템 중 통계정보 산출부의 세부 블록도이다.
도 3은 본 발명에 따른 교통정보 안내 시스템 중 시뮬레이션 예측부의 세부 블록도이다.
도 4는 본 발명에 따른 교통정보 안내 방법을 나타내는 흐름도이다.
도 5는 본 발명에 따른 교통정보 안내 방법에서 제1 교통정보를 이용하여 제공용 교통정보를 생성하는 과정을 나타내는 흐름도이다.
도 6은 본 발명에 따른 교통정보 안내 방법에서 제2 교통정보를 생성하는 과정을 나타내는 흐름도이다.
도 7은 본 발명에 따른 교통정보 안내 방법에서 제3 교통정보를 생성하는 과정을 나타내는 흐름도이다.
* 도면의 주요 부분에 대한 부호의 설명 *
100: 교통자료 수집장치 120: 교통자료 수집부
140: 교통자료 수신부 160: 교통자료 처리부
200: 교통자료 가공장치 220: 이력정보 관리부
240: 통계정보 산출부 242: 교통자료 전처리 모듈
2441~244n: 통계적 예측모듈 246: 통계적 예측정보 융합모듈
260: 시뮬레이션 예측부 262: 차량 발생 모듈
2641~264n: 시뮬레이션 예측모듈 266: 시뮬레이션 예측정보 융합모듈
300: 교통정보 제공장치 320: 교통정보 생성부
340: 교통정보 검토부 360: 교통정보 제공부
본 발명은 교통정보 안내 시스템 및 방법에 관한 것으로, 보다 상세하게는 제1 교통정보와 상기 제1 교통정보를 통하여 생성한 과거이력 교통정보를 통계적 알고리즘을 이용하여 제2 교통정보를 생성하고, 시뮬레이션 알고리즘을 통하여 제3 교통정보를 생성한 후, 상기 제1 교통정보, 제2 교통정보, 제3 교통정보를 선택, 가공 또는 융합함으로써, 미래의 교통상황을 예측할 수 있는 교통정보를 사용자에게 제공함과 동시에 생성한 교통정보를 피드백(feedback)함으로써 보다 정확한 교통정보를 제공하는 교통정보 안내 시스템 및 방법에 관한 것이다.
일반적으로 교통정보 안내 시스템은 도로망, 교통신호, 차량의 속도, 밀도 등과 같은 교통정보를 수집하여 운전자에게 제공함으로써, 운전자가 목적지까지 도 착하는데 도움이 되는 정보들을 제공하는 시스템이다.
종래의 교통정보 안내 시스템은 도로상에 매설된 원형도선에 전류를 흐르게 하여 차량이 이동하면 변화하는 자속의 변화량에 의하여 발생하는 잔류량으로 차량의 속도를 파악하는 전자유동식 차량 감지기, 도로상에 설치된 폐쇄 회로(CCTV) 카메라, 도로상에 설치되는 속도 감지기 등을 사용하여 실시간으로 운전자에게 무선 또는 유선으로 도로상의 정보를 제공하고, GPS(Global Positioning System) 등을 이용하여 운전자가 목적지를 설정하면 해당 목적지까지 도달할 수 있는 최단거리를 음성, 문자, 신호 등을 이용하여 출력하는 서비스를 하였다.
그러나 상기와 같은 교통정보는 거리상으로 목적지까지의 최단 경로를 제공할 수는 있으나, 최단 시간에 목적지까지 도달할 수 있는 교통정보를 제공하기에는 한계가 있었다.
더욱이 과거에 발생한 적이 없었던 사고, 기상의 악화 등과 같은 다양한 교통상황이 발생시 최적의 교통정보를 제공하기는 어려운 문제가 있었다.
따라서, 교통혼잡이 우려되는 장소를 우회하도록 안내함으로써 사용자가 최단 시간에 목적지까지 도달할 수 있는 최적의 교통정보를 제공하는 교통정보 안내 시스템이 요구된다.
본 발명은 전술한 바와 같은 문제점을 해결하기 위하여 창안된 것으로, 본 발명의 목적은 통계적 알고리즘과 시뮬레이션 알고리즘을 통하여 미래의 교통상황을 예측함으로써 사용자에게 각 지역을 통과하는 시점에 정확한 교통정보를 제공하 는 교통정보 안내 시스템 및 방법을 제공하기 위한 것이다.
또한 본 발명의 다른 목적은, 통계적 알고리즘과 시뮬레이션 알고리즘을 통하여 생성한 교통정보를 실제 교통상황과 비교하여 검토하고, 이를 반영함으로써 보다 정확한 교통정보를 제공하는 교통정보 안내 시스템 및 방법을 제공하기 위한 것이다.
또한 본 발명의 또 다른 목적은, 제1 교통정보, 제2 교통정보 및 제3 교통정보를 선택, 융합, 가공하여 사용자에게 제공함으로써 사용자가 복합적인 교통상황을 보다 정확히 인지하도록 하는 교통정보 안내 시스템 및 방법을 제공하기 위한 것이다.
상기 목적을 위하여, 본 발명에 따른 교통정보 안내 시스템은 현재 교통정보인 제1 교통정보를 생성하는 교통자료 수집장치; 상기 제1 교통정보에 통계적 알고리즘을 적용함으로써 통계적 예측정보인 제2 교통정보를 생성하고, 가상 교통환경을 기초로 시뮬레이션함으로써 시뮬레이션 예측정보인 제3 교통정보를 생성하는 교통자료 가공장치; 및 상기 제1 교통정보, 제2 교통정보, 및 제3 교통정보 중에서 적어도 하나의 교통정보를 가공하여 제공용 교통정보를 생성하는 교통정보 제공장치를 포함하는 것을 특징으로 한다.
그리고 본 발명에 따른 교통정보 안내 방법은 a) 현재 교통정보인 제1 교통정보를 생성하는 단계; b) 상기 제1 교통정보를 이용하여 과거이력 교통정보를 생성하는 단계; 및 c) 상기 제1 교통정보 및 상기 과거이력 교통정보에 통계적 알고 리즘을 적용하여 통계적으로 예측한 제2 교통정보를 생성하고, 가상 교통환경을 기초로 시뮬레이션하여 제3 교통정보를 생성하는 단계를 포함하는 것을 특징으로 한다.
이하에서는 첨부 도면 및 바람직한 실시예를 참조하여 본 발명을 상세히 설명한다. 참고로, 하기 설명에서 본 발명의 요지를 불필요하게 흐릴 수 있는 공지 기능 및 구성에 대한 상세한 설명은 생략한다.
도 1은 본 발명에 따른 교통정보 안내 시스템의 블록도이다.
본 발명에 따른 교통정보 안내 시스템은 크게 교통자료 수집장치(100), 교통자료 가공장치(200) 및 교통정보 제공장치(300)를 포함한다.
여기서 교통자료 수집장치(100)는 교통자료 수집부(120), 교통자료 수신부(140) 및 교통자료 처리부(160)를 포함한다.
상기 교통자료 수집부(120)는 도로망, 신호 및 차량의 밀도, 속도 등과 같은 교통자료를 수집한다. 이때, 상기 교통자료 수집부(120)를 영상 검지기, 루프 검지기, RF 검지기, 번호판 인식검지기, 적외선 검지기, 초음파 검지기 등으로 구성함으로써 교통정보를 수집할 수 있다.
상기 교통자료 수신부(140)는 유무선 통신망을 통하여 상기 교통자료 수집장치(120)에서 수집한 교통자료를 수신한다. 이때, 상기 교통자료 수신부(140)는 필요에 의하여 도로망, 신호 및 차량의 밀도, 속도 등과 같은 교통자료 이외에 차량의 흐름에 영향을 미치는 기상악화, 천재지변, 차량사고 등과 같은 기상 정보, 돌발상황 정보 등을 수신할 수도 있다.
상기 교통자료 처리부(160)는 상기 교통자료 수신부(140)에서 수집된 교통자료에서 누락된 자료의 보정, 필터링(filtering)을 통하여 이상치를 제거, 자료의 평활화(smoothing) 등을 수행하여 초기 가공함으로써 도로망 자료, 차량 자료, OD(Origin-Destination) 자료, 최단거리 자료, 기상 자료, 돌발상황 자료 등을 포함하는 현재 교통정보인 제1 교통정보를 생성한다. 여기서 상기 교통자료 수신부(140)와 교통자료 처리부(160)는 필요에 따라 하나의 서버(sever)형태로 구현될 수도 있다.
교통자료 가공장치(200)는 이력정보 관리부(220), 통계정보 산출부(240) 및 시뮬레이션 예측부(260)를 포함한다.
이력정보 관리부(220)는 상기 교통자료 처리부(160)에서 생성된 제1 교통정보를 수신하여 소정의 지역 또는 시간을 단위로 평균화함으로써 각 지역별, 시간별, 지역 및 시간별로 과거이력 교통정보를 생성하고 저장한다.
예를 들어, 차량의 소통이 원활한 새벽 시간에는 1시간 간격으로 제1 교통정보를 평균화하고, 교통체증이 발생하는 출/퇴근 시간에는 5분 또는 10분 단위로 제1 교통정보를 평균화함으로써 보다 정확한 과거이력 교통정보를 생성할 수 있다. 또한, 상습적으로 교통체증이 발생하는 구간에서는 짧은 구간을 단위로 제1 교통정보를 평균화하고, 이와는 반대로 교통체증이 발생하는 시간에도 원활한 소통을 보이는 지역에서는 긴 구간을 단위로 제1 교통정보를 평균화함으로써 과거이력 교통정보를 생성할 수 있다.
따라서 상기 이력정보 관리부(220)는 다양한 각도에서 현재의 교통정보를 분 석하고 누적함으로써 과거이력 교통정보를 생성하고 데이터베이스(database)화 한다.
상기 통계정보 산출부(240)는 상기 교통자료 처리부(160)와 상기 이력정보 관리부(220)에서 전송한 제1 교통정보와 과거이력 교통정보를 시계열 분석, ARIMA(autoregressive moving-average) 알고리즘, 칼만 필터링(kalman filtering), 회귀 분석, 유전자 알고리즘, 스토캐스틱(stochastic) 알고리즘, 인공 신경망 등과 같은 적어도 하나의 알고리즘을 이용하여 미래의 교통상황을 예측할 수 있는 통계적 교통정보인 제2 교통정보를 생성한다. 그러나 이와 같은 제2 교통정보는 과거의 교통자료를 기초로 미래의 교통상황을 예측하기 때문에 현실적으로 교통상황의 변동이나 성질을 정확히 예측하기에는 한계가 있으므로, 복수개의 알고리즘을 조합하거나 선택, 적용하는 것이 바람직하다.
상기 시뮬레이션 예측부(260)는 상기 교통자료 처리부(160)와 상기 이력정보 관리부(220)에서 전송한 제1 교통정보와 과거이력 교통정보를 차량 추종 모델(car following model), 차로 변경 모델(lane changing model), 마이크로(micro) 시뮬레이션, 메조(meso) 시뮬레이션, 매크로(macro) 시뮬레이션 등과 같은 적어도 하나의 시뮬레이션 기법을 이용하여 시뮬레이션을 함으로써 미래의 교통상황을 예측할 수 있는 시뮬레이션 예측정보인 제3 교통정보를 생성한다.
상기와 같은 시뮬레이션 기법은 각각의 알고리즘에 따라 시뮬레이션 방식에 차이가 있으나, 기본적으로 시간에 따라 변화하는 차량, 기상 등과 같은 오브젝트(object)의 행위를 시뮬레이션한다. 따라서, 차량, 기상, 사고 등의 변화를 도 로망에 대입하고 각각의 차량의 목적지를 설정한 후 다양한 시뮬레이션을 통하여 가상으로 차량을 소통시킴으로써 미래의 교통상황을 예측할 수 있다. 이때, 시뮬레이션의 정확도는 차량의 속도, 기상의 변화, 사고 발생 등의 변수에 의하여 변하게 된다.
교통정보 제공장치(300)는 교통정보 생성부(320), 교통정보 검토부(340) 및 교통정보 제공부(360)를 포함한다.
상기 교통정보 생성부(320)는 상기 교통자료 수집장치(100) 및 교통자료 가공장치(200)에서 제공된 제1 교통정보, 제2 교통정보 및 제3 교통정보 중 사용자의 요청에 부합하는 교통정보 또는 현재의 교통상황을 기초로 가장 정확도가 높은 교통정보를 선택하고 이를 가공, 융합 등을 함으로써 사용자에게 제공할 수 있는 제공용 교통정보를 생성한다.
보다 상세히 설명하면, 상기 교통정보 생성부(320)는 제1 교통정보를 선택하여 가공함으로써 사용자에게 실시간으로 현재의 교통상황을 전송하고, 통계적 알고리즘으로 산출된 제2 교통정보와 시뮬레이션 알고리즘으로 예측된 제3 교통정보 중 사용자의 요청에 부합되는 교통정보를 선택하여 가공하거나 현재 교통상황에 대비하여 가장 정확도가 높은 교통정보를 선택하여 가공함으로써 제공용 교통정보를 생성할 수 있다.
다시 말해 사용자에게 제공되는 제공용 교통정보는, 현재 교통상황 정보인 제1 교통정보를 제공함으로써 운전자가 현재 교통 체증이 발생하는 구간을 우회할 수 있도록 하고, 미래의 통계적 교통상황 정보인 제2 교통정보를 가공하여 제공함 으로써 과거에 현재 차량의 소통 상황과 가장 유사한 상황에서 목적지에 도착할 때까지 소요된 시간을 기초로 통계적으로 목적지까지의 최단 경로를 제공할 수 있다. 또한, 가상의 미래 환경까지 고려한 시뮬레이션한 결과인 제3 교통정보를 생성하여 운전자에게 제공함으로써 최적의 최단 경로를 제공할 수 있다.
여기서 제1 교통정보를 가공하여 생성한 제공용 교통정보는 디스플레이 등을 통하여 사용자에게 교통정보를 제공 시, 교통 체증이 발생하는 구간과 소통이 원활한 구간의 표시를 다르게 함으로써 사용자가 용이하게 교통 체증이 발생하는 구간을 인지하도록 하는 것이 바람직하다.
예를 들어, 시속 60km이상으로 주행이 가능한 구간에서는 녹색, 시속 30km에서 60km사이로 주행이 가능한 구간에서는 노란색, 시속 30km미만에서 주행이 가능한 구간에서는 붉은색으로 화면에 표시함으로써 사용자가 직접 소통이 원활한 구간을 통하여 목적지에 도달하도록 할 수 있다. 또한, 음성을 통하여 교차로 지점에서 각 방향별로 소통상태를 안내하는 것도 가능하다.
교통정보 제공부(360)는 상기 교통정보 생성부(320)에서 생성된 제공용 교통정보를 수신하여 유무선망을 통해 사용자 단말로 전송한다. 이때 상기 교통정보 제공부(360)는 사용자 단말에서 전송된 신호에 따라 상기 교통정보 생성부(320)에서 생성된 적어도 하나의 제공용 교통정보 중 사용자의 요청에 부합하는 제공용 교통정보를 선택하여 전송할 수도 있다.
여기서 사용자 단말은 상기 교통정보 제공부(360)에서 제공하는 제공용 교통정보를 수신하는 장치로서 GPS(Global Positioning System) 단말기, 핸드폰 등이 사용될 수 있다.
교통정보 검토부(340)는 상기 교통자료 처리부(160)에서 전송한 제1 시간의 실제 교통정보인 제1 교통정보와 상기 통계정보 산출부(240)에서 전송한 제1 시간의 통계적 예측 교통정보인 제2 교통정보 및 상기 시뮬레이션 예측부(260)에서 전송한 제1 시간에서의 시뮬레이션 예측 교통정보인 제3 교통정보를 비교하고 검토한다. 그리고 보다 정확한 제공용 교통정보를 생성하기 위하여 교통정보 검토결과를 상기 교통자료 가공장치(200)로 피드백함으로써 통계 알고리즘 및/또는 시뮬레이션 알고리즘을 변경하여 교통정보의 오차를 보정되도록 한다. 즉, 상기 교통정보 검토부(340)는 실제 교통정보, 제2 교통정보 및 제3 교통정보를 비교하고, 상기 교통정보들의 정확성을 검토함으로써 상기 통계정보 산출부(240) 및 상기 시뮬레이션 예측부(260)가 보다 정확한 교통정보를 생성할 수 있도록 그 입력자료를 변경하고 교통정보를 보정하도록 한다.
예를 들면 교통정보를 제공하는 중 목적지 도착 예정시간에 오차 발생하는 등의 경우, 상기 교통정보 검토부(340)는 수신한 제2 교통정보 및/또는 제3 교통정보를 예측한 교통정보의 동일 시간에 대한 실제 교통정보와 비교하여 교통정보 검토결과를 피드백함으로써 상기 교통자료 가공장치(200)로부터 입력되는 교통자료를 변경한다. 따라서, 상기 변경된 교통자료를 통하여 제2 교통정보를 생성하는 통계적 예측모듈의 융합 알고리즘 및 제3 교통정보를 생성하는 시뮬레이션 예측모듈의 융합 알고리즘을 보정함으로써, 교통정보 안내 시스템은 보다 정확한 교통정보를 제공할 수 있는 구성을 가진다.
이하 도2를 참조하여 본 발명에 따른 교통정보 안내 시스템 중 통계정보 산출부의 구성을 보다 상세히 설명하기로 한다.
통계정보 산출부(240)는 교통자료 전처리 모듈(242), 통계적 예측모듈(2441~244n) 및 통계적 예측정보 융합모듈(246)을 포함한다.
교통자료 전처리 모듈(242)은 상기 교통자료 처리부(160)에서 전송한 제1 교통정보를 통계적 처리가 용이하도록 전처리한다. 즉, 통계적 알고리즘은 과거 및 현재의 교통상황을 바탕으로 미래의 교통상황을 통계적으로 예측하는 알고리즘이기 때문에 상기 교통자료 처리부(160)에서 전송한 현재 교통정보인 제1 교통정보를 상기 이력정보 관리부(220)에서 전송한 과거이력 교통정보와 함께 통계적 알고리즘에 적용하기 위하여 전처리한다.
통계적 예측모듈(2441~244n)은 상기 교통정보 전처리 모듈(242)에서 전처리된 제1 교통정보와 상기 이력정보 관리부(220)에서 전송된 과거이력 교통정보를 기초로 시계열 분석, ARIMA(autoregressive moving-average) 알고리즘, 칼만 필터링(kalman filtering), 회귀 분석, 유전자 알고리즘, 스토캐스틱(stochastic) 알고리즘, 인공 신경망 등과 같은 적어도 하나의 알고리즘을 이용하여 미래의 교통상황을 예측할 수 있는 통계적 교통정보인 제2 교통정보를 생성한다.
여기서, 시계열 분석이란 시계열 정보를 해석적, 확률론적으로 분석하는 것으로써 타임시리즈 분석 또는 시계열 해석이라고도 한다. 시계열 정보는 차량의 이동, 출발지, 도착지 등을 지속적으로 관측하여 얻은 정보로써, 본 발명에서는 과 거이력 교통정보가 이에 해당한다. 따라서 시계열 분석은 과거이력 교통정보를 기 설정된 다양한 변동곡선 가운데 가장 적합한 곡선을 적용하여 미래의 교통상황을 예측한다.
ARIMA 알고리즘은 시계열 정보를 복수개의 ARIMA 모형을 통하여 추정함으로써 정보에 포함된 오류를 제거하여 정상적인 시계열 정보를 구한다.
칼만 필터링은 최소승자법(least square method)을 사용하여 실시간으로 잡음(noise)을 가지는 '시간에 따른 방향(time dependent state vector)'을 추적하는 효율적인 재귀 계산법(recursive computational solution)으로써, 오류를 최소화함으로써 최적의 추정치를 구하기 위하여 사용한다. 따라서, 칼만 필터링을 이용함으로써 교통정보 안내 시스템은 잡음에도 불구하고 시간에 따른 차량의 변화를 적절하게 예측 가능하다.
회귀 분석은 많은 분야에서 가장 널리 사용되는 통계적 알고리즘으로써, 어떠한 하나의 변수를 이용하여 다른 변수의 값을 설명하거나 예측할 수 있는 모형을 통하여 자료를 분석한다. 즉, 차량의 변동을 기 설정된 차량 모형에 대입하여 둘 사이의 관계를 구함으로써 차량의 변동을 예측한다.
유전자 알고리즘은 생물의 유전과 진화 매카니즘을 공학적으로 모델화하여 문제 해결이나 시스템의 학습 등에 응용하는 알고리즘이다. 즉, 유전자 알고리즘은 자연계의 진화현상을 기반으로 만들어진 계산모델로써 풀고자 하는 문제에 대한 가능한 해(solution)들을 소정의 자료구조로 구성한 다음, 선택(selection), 교배(crossover), 돌연변이(mutation) 등과 같은 과정을 통해 이들을 점차적으로 변 형함으로써 더 나은 해들을 생성한다. 이와 같은 유전자 알고리즘은 알고리즘이 단순하고 평가 함수가 불연속적인 경우에도 적용이 가능하다는 장점이 있다.
스토캐스틱 알고리즘은 랜덤(random) 알고리즘이라고도 하며, 불규칙한 정보의 오차를 통계적으로 예측이 가능하게 하는 모델으로써, 분산-공분산 행렬을 통하여 측정된 차량들의 상대적인 밀도에 관한 정보를 제공한다.
인공 신경망은 사람의 두뇌를 모델로 하는 알고리즘으로써, 교통정보를 처리하는데 있어서 사람의 두뇌와 유사한 방식으로 처리하는 알고리즘이다.
통계적 예측정보 융합모듈(246)은 상기 통계적 예측모듈(2441~244n)에서 생성된 적어도 하나의 교통정보를 단순 평균법, 가중치법, 구간 및 시간에 따른 알고리즘별 패턴 가중치법 등을 통하여 비교하고 융합 또는 선택함으로써 제2 교통정보를 생성한다. 따라서 상기 통계적 예측정보 융합모듈(246)은 복수개의 통계적 예측정보를 비교하고 선택하여 조합, 융합 또는 선택 등을 함으로써 최적의 제2 교통정보를 산출하여 교통정보 제공장치(300)로 전송한다. 통계적 예측정보 융합모듈(246)에서의 융합 또는 선택은 교통정보 검토부(340)에서 피드백된 정보를 기초로 수정된다.
예컨대, 제1 통계적 예측모듈과 제2 통계적 예측모듈에서의 결과를 융합하여 제2 교통정보를 생성한 경우, 생성된 제2 교통정보가 실제 교통정보와 차이가 발생하면 제1 통계적 예측모듈 내지 제3 통계적 예측모듈의 결과, 제1 통계적 예측모듈과 제3 통계적 예측모듈의 결과, 또는 제2 통계적 예측모듈과 제3 통계적 예측모듈 의 결과를 융합하는 등 조합을 변경하여 제2 교통정보를 생성한다. 이와 같이, 생성된 제2 교통정보와 실제 교통정보의 차이가 오차범위에 포함될 때까지 계속해서 조합을 수정함으로써 최적의 융합 조합을 산출하고, 해당 결과인 제2 교통정보를 갱신한다.
이하 도 3을 참조하여 본 발명에 따른 교통정보 안내 시스템 중 시뮬레이션 예측부의 세부 구성을 보다 상세히 설명한다.
시뮬레이션 예측부(260)는 차량 발생 모듈(262), 시뮬레이션 예측모듈(2641~264n) 및 시뮬레이션 예측정보 융합모듈(266)을 포함하여 구성된다.
상기 차량 발생 모듈(262)은 상기 교통자료 처리부(160)에서 전송한 제1 교통정보와 상기 이력정보 관리부(220)에서 전송한 과거이력 교통정보를 이용하여 시뮬레이션을 하기 위한 가상 교통환경 즉, 가상 차량을 발생(generation)시킴으로써 가상 차량정보를 생성한다. 따라서, 시뮬레이션 예측부(260)는 상기 차량 발생 모듈(262)에서 발생된 가상의 차량을 도로망에 적용하여 소통시킴으로써 시뮬레이션을 수행하도록 한다.
상기 시뮬레이션 예측모듈(2641~264n)은 상기 차량 발생 모듈(262)에서 발생시킨 가상 차량 정보와 상기 교통자료 처리부(160)에서 전송한 제1 교통정보 및 상기 이력정보 관리부(220)에서 전송한 과거이력 교통정보가 포함하는 도로망 자료, OD(Origin-Destination) 자료, 최단 경로 자료 등을 차량 추종 모형(car following model), 차로 변경 모형(lane changing model), 마이크로(micro) 시뮬레이션, 메 조(meso) 시뮬레이션, 매크로(macro) 시뮬레이션 등과 같은 적어도 하나의 시뮬레이션 기법을 이용하여 시뮬레이션을 함으로써 미래의 교통상황을 예측할 수 있는 시뮬레이션 예측정보를 생성한다.
보다 상세히 설명하면 상기 시뮬레이션 예측모듈(2641~264n)은 데이터베이스에 각각의 지역별로 저장된 도로망 자료, OD 자료, 차량 자료, 최단 경로 자료 등이 포함된 교통정보를 수신하여 그 중 지역별 OD 자료를 시간대별로 분배한다. 그리고, 사용자가 지정한 목적지까지 도달할 수 있는 최단 경로를 각 지역별로 최단 경로 자료를 탐색하여 복수개의 케이스(case)로 분류하고, 각 케이스 별로 상기 시간대별로 분류한 OD 자료를 이용하여 상기 차량 발생 모듈(262)에서 발생된 가상 차량 정보를 적용한다. 이후, 차량 추종, 차로 변경, 간격수락 모형 등을 통하여 차량의 미시적인 흐름을 예측하는 마이크로 시뮬레이션, 도로를 작은 셀(cell)로 구분한 교통류 전이 모형인 메조 시뮬레이션 및 도로영역에 대한 교통류 전이 모형인 매크로 시뮬레이션 등을 이용하여 시뮬레이션함으로써 최적의 최단 경로 및 목적지 도착 예정 시간 등을 포함하는 시뮬레이션 예측정보를 생성한다.
여기서 차량 추종 모형은 주행하는 선, 후행 두 차량간의 가감 속도, 주행 속도, 간격 등의 변화상태 및 상호관계식을 분석하는 미시적인 통행 행태 모형이다.
그리고, 차로 변경 모형은 차량이 현재 차로에서 다른 차로로 이동할 때 주변의 상황에 따라 반응하는 양식을 모형화한 미시적인 통행 행태 모형이다.
대표적으로 마이크로 시뮬레이션은 도로망 자료 및 최단 경로 자료를 이용하여 사용자가 지정한 목적지까지의 최단 경로를 생성하고, 지역별로 분류된 OD 자료를 시간대별로 분류하여 상기 차량 발생 모듈(262)에서 발생된 가상 차량 정보를 적용한 후, 차로 변경 모형을 통하여 차량 발생 지점에서 목적지 지점까지의 최적의 최단 경로를 산출한다. 그리고, 산출된 최적의 최단 경로를 기 설정된 선호 조건, 준선호 조건, 강제적 조건, 밀도 조건 등에 따라 차량 추종 모형을 이용하여 가상으로 발생된 차량을 전이함으로써 목적지에 도착할 예측값을 생성한다. 따라서, 마이크로 시뮬레이션은 교통 신호, 최단 거리 등과 같은 교통 상황뿐만 아니라 차로, 차량의 간격 등과 같은 미시적인 교통 상황까지 고려하여 예측함으로써 보다 정확한 시뮬레이션 예측정보를 생성할 수 있다.
또한, 상기 시뮬레이션 예측모듈(2641~264n)은 하나 이상으로 구성하고 각각의 시뮬레이션 예측모듈(2641~264n)마다 서로 다른 시뮬레이션 알고리즘을 이용하여 시뮬레이션 예측정보를 생성함으로써, 다양한 각도에서 미래의 교통상황을 예측하도록 구성하는 것이 바람직하다. 물론, 분기점이 없는 지역, 일방 통행 지역 등과 같이 변수가 적은 지역 다시 말해, 다양한 시뮬레이션 알고리즘을 통하여 생성한 시뮬레이션 교통자료가 서로 유사한 지역에서는 상기 시뮬레이션 예측모듈(2641~264n)을 하나만으로 구성할 수도 있다. 또한, 상기 시뮬레이션 예측모듈(2641~264n)에서 생성되는 시뮬레이션 예측정보는 운전자의 행태에 의하여 각 시 뮬레이션 예측모듈(2641~264n)마다 하나 이상 생성될 수도 있다.
상기 시뮬레이션 예측정보 융합모듈(266)은 시뮬레이션 예측모듈(2641~264n)에서 생성한 복수개의 시뮬레이션 예측정보를 단순 평균법, 가중치법, 구간 및 시간에 따른 알고리즘별 패턴 가중치법 등을 통하여 비교하고 융합 또는 선택한다. 따라서 상기 시뮬레이션 예측정보 융합모듈(266)은 복수개의 시뮬레이션 예측정보를 비교하고 선택하여, 조합, 융합 또는 선택 등을 함으로써 최적의 제3 교통정보를 생성하여 교통정보 제공장치(300)로 전송할 수 있다.
그리고, 시뮬레이션 예측정보 융합모듈(266)에서의 융합 또는 선택은 교통정보 검토부(340)에서 피드백된 정보를 기초로 수정된다. 예컨대, 제1 시뮬레이션 예측모듈과 제2 시뮬레이션 예측모듈에서의 결과를 융합하여 제3 교통정보를 생성한 경우, 생성된 제3 교통정보가 실제 교통정보와 차이가 발생하면 시뮬레이션 예측모듈의 조합을 변경하여 제3 교통정보를 생성한다. 이와 같이, 생성된 제3 교통정보와 실제 교통정보의 차이가 오차범위에 포함될 때까지 계속해서 조합을 수정함으로써 최적의 융합 조합을 산출하고, 해당 결과인 제3 교통정보를 갱신한다.
또한, 본 실시예에서는 상기 시뮬레이션 예측모듈(2641~264n)을 병렬로 구성하여 각각의 예측 교통정보를 융합하는 방식을 이용하였지만, 시뮬레이션 알고리즘의 종류 및 융합하는 방식에 따라 상기 시뮬레이션 예측모듈(2641~264n)은 직렬로 구성될 수도 있다.
도 4는 본 발명에 따른 교통정보 안내 방법을 나타내는 흐름도이다.
본 발명에 따른 교통정보 안내 방법은 전술한 교통정보 안내 시스템을 참조할 수 있으며, 따라서 중복된 설명은 이하 생략한다.
먼저, 교통자료 수집장치(100)는 영상 검지기, 루프 검지기, RF 검지기, 번호판 인식검지기, 적외선 검지기, 초음파 검지기 등과 같은 장치로 구성된 교통자료 수집부(120)를 통하여 도로망, 신호 및 차량의 밀도, 속도 등과 같은 교통자료를 수집한다(S410). 그리고, 교통자료 수신부(140)는 상기 교통자료 수집부(120)로부터 수집된 교통자료를 수신하여 교통자료 처리부(160)로 전송하고, 교통자료 처리부(160)는 상기 교통자료 수신부(140)가 전송한 상기 교통자료에서 누락된 자료를 보정, 필터링을 통하여 이상치의 제거, 자료의 평활화 등을 수행하여 초기 가공함으로써 현재 교통정보인 제1 교통정보를 생성한다(S420).
이후, 교통자료 가공장치(200)의 이력정보 관리부(220)는 상기 교통자료 처리부(160)에서 전송한 상기 제1 교통정보를 일정한 시간을 주기로 평균화하고, 소정의 지역을 단위로 평균화함으로써 각 지역 및 시간대별로 과거이력 교통정보를 생성한다(S430).
통계정보 산출부(240)는 상기 교통자료 처리부(160)와 상기 이력정보 관리부(220)에서 전송한 상기 제1 교통정보와 상기 과거이력 교통정보를 시계열 분석, ARIMA(autoregressive moving-average) 알고리즘, 칼만 필터링(kalman filtering), 회귀 분석, 유전자 알고리즘, 스토캐스틱(stochastic) 알고리즘, 인공 신경망 등을 이용하여 통계적으로 미래의 교통상황을 예측하는 제2 교통정보를 생성한다(S440).
그리고, 시뮬레이션 예측부(260)는 상기 제1 교통정보와 상기 과거이력 교통 정보를 이용하여 시뮬레이션을 하기 위한 기초정보인 가상 차량 정보를 생성한 후, 상기 제1 교통정보 및 과거이력 교통정보가 포함하는 도로망 자료에 상기 차량 발생 모듈(262)에서 생성한 가상의 차량을 적용하여 차량 추종 모델(car following model), 차로 변경 모델(lane changing model), 마이크로(micro) 시뮬레이션, 메조(meso) 시뮬레이션, 매크로(macro) 시뮬레이션 등과 같은 교통류 이론(traffic flow theory)을 통하여 시뮬레이션하여 생성된 적어도 하나의 시뮬레이션 예측정보를 단순 평균법, 가중치법, 구간 및 시간에 따른 알고리즘별 패턴 가중치법 등을 이용하여 비교하고 융합함으로써 제3 교통정보를 생성한다(S450).
이후, 교통정보 생성부(320)에서 상기와 같은 과정을 통하여 생성된 제1 교통정보, 제2 교통정보 및 제3 교통정보 중 사용자의 요청에 부합하는 교통정보 또는 현재의 교통상황을 기초로 가장 정확도가 높은 교통정보를 선택하고 이를 가공, 융합 등을 함으로써 제공용 교통정보를 생성한다(S460).
이어서, 교통정보 검토부(340)에서 상기 제2 교통정보, 제3 교통정보는 실제 교통정보와 비교되고 검토된다. 이후 상기 교통정보 검토부(340)는 교통정보 검토결과를 상기 교통자료 가공장치(200)로 피드백함으로써 입력정보를 변경하고 차량의 속도, 밀도, 기상의 변화, 사고 발생 등으로 발생한 교통정보의 오차를 보정하도록 한다(S470).
이하 도 5를 참조하여 본 발명에 따른 교통정보 안내 방법에서 제1 교통정보를 이용하여 제공용 교통정보를 생성하는 과정을 보다 상세히 설명한다.
교통자료 수집부(120)가 도로망, 신호 및 차량의 밀도, 속도 등과 같은 교통 자료를 수집하면(S510), 교통자료 수신부(140)는 상기 교통자료 수집부(120)에서 수집된 교통자료를 수신하여 교통자료 처리부(160)로 전송하고, 교통자료 처리부(160)가 상기 교통자료에서 누락된 자료를 보정, 필터링을 통하여 이상치의 제거, 자료의 평활화 등을 수행하여 초기 가공함으로써 현재 교통정보인 제1 교통정보를 생성한다(S520).
이후, 이력정보 관리부(220)는 상기 교통자료 처리부(160)에서 전송한 상기 제1 교통정보를 일정한 시간을 주기로 평균화하고, 소정의 지역을 단위로 평균화하여 각 지역 및 시간대별로 과거이력 교통정보를 생성함으로써 데이터베이스화 한다(S530).
이후 사용자가 현재의 교통정보를 요청하는 등의 경우, 교통정보 생성부(320)는 상기 제1 교통정보를 사용자가 사용할 수 있는 형태로 가공함으로써 제공용 교통정보를 생성한다(S540).
도 6은 본 발명에 따른 교통정보 안내 방법에서 제2 교통정보를 생성하는 과정을 나타낸 흐름도이다.
통계정보 산출부(240)는 기 생성된 제1 교통정보를 통계적 알고리즘에 적용하기 위하여 전처리한다(S610). 이후, 전처리된 제1 교통정보와 기 생성된 과거이력 교통정보를 기초로 시계열 분석, ARIMA(autoregressive moving-average) 알고리즘, 칼만 필터링(kalman filtering), 회귀 분석, 유전자 알고리즘, 스토캐스틱(stochastic) 알고리즘, 인공 신경망 등과 통계적 알고리즘을 이용하여 통계적 예측정보를 생성한다(S620).
그리고, 상기 통계적 알고리즘을 통하여 생성된 복수개의 통계적 예측정보를 비교하여 최적의 통계적 예측정보를 선택한 후, 조합, 융합 등을 함으로써 제2 교통정보를 생성한다(S630).
통계적 예측정보 융합모듈(246)은 교통정보 제공장치(300)로부터 피드백되는 정보를 이용하여 통계적 예측모듈의 조합을 유지 또는 변경하고, 융합함으로써 사용자에게 제공할 수 있는 제2 교통정보를 생성한다(S640).
도 7은 본 발명에 따른 교통정보 안내 방법에서 제3 교통정보를 생성하는 과정을 나타낸 흐름도이다.
시뮬레이션 예측부(260)는 기 생성된 제1 교통정보 및 과거이력 교통정보를 이용하여 차량을 발생시킴으로써 가상 차량정보를 생성한다(S710). 이후, 생성된 가상 차량정보를 상기 제1 교통정보 또는 과거이력 교통정보가 포함하는 도로망 자료를 이용하여 사용자가 지정한 목적지까지의 최단 경로를 생성한다(S720). 그리고, 상기 교통정보가 포함하는 지역별로 분류된 OD 자료를 시간대별로 분배한 후(S730), 상기 생성된 가상 차량 정보와 최단 경로를 기초로 시뮬레이션 알고리즘을 이용하여 시뮬레이션 예측정보를 생성한다(S740). 그리고, 시뮬레이션 예측정보 융합모듈(266)은 생성된 복수개의 시뮬레이션 예측정보들을 비교하여 최적의 시뮬레이션 예측정보를 선택한 후, 이를 조합, 융합 등을 함으로써 제3 교통정보를 생성한다(S750).
시뮬레이션 예측정보 융합모듈(266)은 교통정보 제공장치(300)로부터 피드백되는 정보(교통정보 검토결과)를 이용하여 시뮬레이션 예측모듈의 조합을 유지 또는 변경하고, 융합함으로써 사용자에게 제공할 수 있는 제3 교통정보를 생성한다(S760).
본 발명에 따른 교통정보 안내 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다.　 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(Magnetic Media), CD-ROM, DVD와 같은 광기록 매체(Optical Media), 플롭티컬 디스크(Floptical Disk)와 같은 자기-광 매체(Magneto-Optical Media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 상기 매체는 프로그램 명령, 데이터 구조 등을 지정하는 신호를 전송하는 반송파를 포함하는 광 또는 금속선, 도파관 등의 전송 매체일 수도 있다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
지금까지 본 발명을 바람직한 실시 예를 참조하여 상세히 설명하였지만, 본 발명이 속하는 기술분야의 당업자는 본 발명이 그 기술적 사상이나 필수적 특징을 변경하지 않고서 다른 구체적인 형태로 실시할 수 있으므로, 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적인 것이 아닌 것으로서 이해해야만 한다.
그리고, 본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 특정되는 것이며, 특허청구범위의 의미 및 범위 그리고 그 등가개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
본 발명에 따르면, 교통정보 안내 시스템 및 방법은 통계적 알고리즘과 시뮬레이션 알고리즘을 통하여 미래의 교통상황을 예측함으로써 사용자에게 각 지역을 통과할 시점에 정확한 교통정보를 제공하는 효과가 있다.
또한 본 발명에 따르면, 통계적 알고리즘과 시뮬레이션 알고리즘을 통하여 생성한 교통정보를 실제 교통상황과 비교하여 검토하고, 이를 반영함으로써 보다 정확한 교통정보를 제공하는 효과가 있다.
또한 본 발명에 따르면, 교통정보 안내 시스템 및 방법은 제1 교통정보, 제2 교통정보 및 제3 교통정보를 선택, 융합, 가공하여 사용자에게 제공함으로써 사용자가 복합적인 교통상황을 보다 정확히 인지하도록 하는 효과가 있다.

Claims (23)

  1. 현재 교통정보인 제1 교통정보를 생성하는 교통자료 수집장치;
    상기 제1 교통정보를 이용하여 과거이력 교통정보를 생성하고, 상기 제1 교통정보 및 상기 과거이력 교통정보에 통계적 알고리즘을 적용함으로써 통계적 예측정보인 제2 교통정보를 생성하고, 제1 교통정보 및 상기 과거이력 교통정보를 이용하여 가상 교통환경을 기초로 시뮬레이션함으로써 시뮬레이션 예측정보인 제3 교통정보를 생성하는 교통자료 가공장치; 및
    상기 제1 교통정보, 제2 교통정보, 및 제3 교통정보 중에서 적어도 하나의 교통정보를 가공하여 제공용 교통정보를 생성하는 교통정보 제공장치를 포함하고,
    상기 교통정보 제공장치는 상기 교통자료 가공장치에서 전송된 제2 교통정보 및 제3 교통정보 중 적어도 하나와 상기 교통자료 수집장치에서 전송된 실제 교통정보를 비교 또는 검토하여 생성된 교통정보 검토결과를 상기 교통자료 가공장치에 제공하는 교통정보 검토부를 포함하며,
    상기 교통자료 가공장치는 상기 교통정보 검토결과에 기초하여 상기 제2 교통정보 생성을 위한 통계적 예측 방식을 변경하거나 상기 제3 교통정보 생성을 위한 시뮬레이션 방식을 변경하는 것을 특징으로 하는 교통정보 안내 시스템.
  2. 제1항에 있어서,
    상기 제1 교통정보는 현재 교통자료를 보정, 선별, 및 평활화 과정 중 적어도 하나의 과정을 수행하여 생성되는 것을 특징으로 하는 교통정보 안내 시스템.
  3. 제1항에 있어서,
    상기 과거이력 교통정보는 상기 제1 교통정보를 이용하여 지역별, 시간별, 지역 및 시간별 중 적어도 하나의 방법으로 평균화함으로써 생성되는 것을 특징으로 하는 교통정보 안내 시스템.
  4. 삭제
  5. 제1항 내지 제3항 중 어느 한 항에 있어서, 상기 교통자료 가공장치는,
    상기 제1 교통정보를 이용하여 과거이력 교통정보를 생성하는 이력정보 관리부;
    상기 제1 교통정보 및 상기 과거이력 교통정보에 통계적 알고리즘을 적용하여 제2 교통정보를 생성하는 통계정보 산출부; 및
    상기 제1 교통정보 및 상기 과거이력 교통정보를 이용하여 최단 경로를 생성한 후 가상 교통환경을 기초로 시뮬레이션함으로써 제3 교통정보를 생성하는 시뮬레이션 예측부를 포함하는 것을 특징으로 하는 교통정보 안내 시스템.
  6. 제5항에 있어서,
    상기 통계적 알고리즘은 시계열 분석, ARIMA(autoregressive moving-average) 알고리즘, 칼만 필터링(kalman filtering), 회귀 분석, 유전자 알고리즘, 스토캐스틱(stochastic) 알고리즘 및 인공 신경망 중 적어도 하나의 알고리즘인 것을 특징으로 하는 교통정보 안내 시스템.
  7. 제5항에 있어서, 상기 통계정보 산출부는,
    상기 제1 교통정보를 통계적 처리가 가능하도록 전처리하는 교통자료 전처리 모듈;
    상기 전처리된 제1 교통정보 및 상기 과거이력 교통정보를 기초로 통계적 알고리즘을 적용하는 적어도 하나의 통계적 예측 모듈을 포함하는 것을 특징으로 하는 교통정보 안내 시스템.
  8. 제7항에 있어서,
    상기 통계정보 산출부는 상기 적어도 하나의 통계적 예측모듈에서 생성된 통계적 예측정보를 융합하여 제2 교통정보를 생성하는 통계적 예측정보 융합모듈을 더 포함하는 것을 특징으로 하는 교통정보 안내 시스템.
  9. 제8항에 있어서, 상기 통계적 예측정보 융합 모듈은,
    상기 교통정보 제공장치에서 전송된 상기 제2 교통정보와 실제 교통정보의 교통정보 검토결과를 기초로 상기 통계적 예측정보의 융합을 변경하여 제2 교통정보를 생성하는 것을 특징으로 하는 교통정보 안내 시스템.
  10. 제5항에 있어서,
    상기 시뮬레이션은 차량 추종 모델(car following model), 차로 변경 모델(lane changing model), 마이크로(micro) 시뮬레이션, 메조(meso) 시뮬레이션, 및 매크로(macro) 시뮬레이션 중 적어도 하나의 시뮬레이션 기법인 것을 특징으로 하는 교통정보 안내 시스템.
  11. 제5항에 있어서, 상기 시뮬레이션 예측부는,
    상기 제1 교통정보와 상기 과거이력 교통정보를 기초로 시뮬레이션을 하기 위한 가상의 차량을 발생시키는 차량 발생 모듈; 및
    상기 차량 발생 모듈에서 발생된 가상의 차량을 제1 교통정보 및 과거이력 교통정보를 이용하여 생성된 최단 경로를 기초로 시뮬레이션하는 적어도 하나의 시뮬레이션 예측모듈을 포함하는 것을 특징으로 하는 교통정보 안내 시스템.
  12. 제11항에 있어서, 상기 시뮬레이션 예측부는,
    상기 적어도 하나의 시뮬레이션 예측모듈에서 생성된 시뮬레이션 예측정보를 융합하여 제3 교통정보를 생성하는 시뮬레이션 예측정보 융합모듈을 더 포함하는 것을 특징으로 하는 교통정보 안내 시스템.
  13. 제12항에 있어서, 상기 시뮬레이션 예측정보 융합 모듈은,
    상기 교통정보 제공장치에서 전송된 상기 제3 교통정보와 실제 교통정보의 교통정보 검토결과를 기초로 상기 시뮬레이션 예측정보의 융합을 변경하여 상기 제3 교통정보를 생성하는 것을 특징으로 하는 교통정보 안내 시스템.
  14. 제1항 내지 제3항 중 어느 한 항에 있어서, 상기 교통정보 제공장치는,
    상기 제1 내지 제3 교통정보 중 적어도 하나의 교통정보를 가공하여 제공용 교통정보를 생성하는 교통정보 생성부; 및
    상기 교통정보 생성부에서 전송된 제공용 교통정보를 유무선망을 통하여 사용자에게 제공하는 교통정보 제공부를 포함하는 것을 특징으로 하는 교통정보 안내 시스템.
  15. 삭제
  16. a) 현재 교통정보인 제1 교통정보를 생성하는 단계;
    b) 상기 제1 교통정보를 이용하여 과거이력 교통정보를 생성하는 단계; 및
    c) 상기 제1 교통정보 및 상기 과거이력 교통정보에 통계적 알고리즘을 적용하여 통계적으로 예측한 제2 교통정보를 생성하고, 상기 제1 교통정보 및 상기 과거이력 교통정보를 이용하여 가상 교통환경을 기초로 시뮬레이션하여 제3 교통정보를 생성하는 단계;
    d) 상기 제2 교통정보 및 제3 교통정보 중 적어도 하나와 실제 교통정보를 비교 또는 검토하여 교통정보 검토결과를 생성하는 단계; 및
    e) 상기 교통정보 검토결과에 기초하여, 상기 제2 교통정보 생성을 위한 통계적 예측 방식을 변경하거나 상기 제3 교통정보 생성을 위한 시뮬레이션 방식을 변경하는 단계를 포함하는 특징으로 하는 교통정보 안내 방법.
  17. 제16항에 있어서, 상기 단계 c) 이후에,
    상기 제1 교통정보, 제2 교통정보, 및 제3 교통정보 중 적어도 하나의 교통정보를 가공하여 제공용 교통정보를 생성하는 단계를 더 포함하는 것을 특징으로 하는 교통정보 안내 방법.
  18. 제16항 또는 제17항에 있어서, 상기 단계 b)는,
    상기 제1 교통정보를 이용하여 지역별, 시간별, 지역 및 시간별 중 적어도 하나의 방법으로 평균화함으로써 과거이력 교통정보를 생성하는 것을 특징으로 하는 교통정보 안내 방법.
  19. 제16항 또는 제17항에 있어서, 상기 단계 c)에서의 제2 교통정보 생성 단계는,
    상기 제1 교통정보를 이용하여 전처리하는 단계; 및
    상기 제1 교통정보 및 상기 과거이력 교통정보에 통계적 알고리즘을 적용하여 통계적 예측정보 생성하고, 융합하는 단계를 포함하는 것을 특징으로 하는 교통정보 안내 방법.
  20. 제16항 또는 제17항에 있어서, 상기 단계 c)에서의 제3 교통정보 생성 단계는,
    상기 제1 교통정보 및 상기 과거이력 교통정보가 포함하는 도로망 자료로부터 목적지까지의 최단 경로를 생성하는 단계;
    상기 제1 교통정보 및 상기 과거이력 교통정보를 이용하여 시뮬레이션을 하기 위한 가상의 차량을 발생시키는 단계; 및
    상기 발생된 가상의 차량과 상기 생성된 최단 경로를 기초로 시뮬레이션함으로써 최적의 최단 경로 및 목적지 도착 예정 시간을 포함하는 시뮬레이션 예측정보를 생성하고, 융합하는 단계를 포함하는 것을 특징으로 하는 교통정보 안내 방법.
  21. 삭제
  22. 삭제
  23. 제16항 또는 제17항에 따른 방법을 실행시키기 위한 프로그램을 기록한 컴퓨터 판독 가능한 기록 매체.
KR1020070008101A 2006-12-29 2007-01-25 교통정보 안내 시스템 및 방법 KR100865939B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020060138296 2006-12-29
KR20060138296 2006-12-29

Publications (2)

Publication Number Publication Date
KR20080062998A KR20080062998A (ko) 2008-07-03
KR100865939B1 true KR100865939B1 (ko) 2008-10-30

Family

ID=39815054

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020070008101A KR100865939B1 (ko) 2006-12-29 2007-01-25 교통정보 안내 시스템 및 방법

Country Status (1)

Country Link
KR (1) KR100865939B1 (ko)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101572582B1 (ko) * 2010-07-02 2015-12-01 현대엠엔소프트 주식회사 네비게이션 장치, 교통 예측 서비스 장치, 교통 예측 서비스 시스템 및 그 방법
KR101901654B1 (ko) * 2015-12-23 2018-09-27 (주) 우림인포텍 전후방향 동향 통합 시계열 예측 시스템, 방법, 및 상기 방법을 실행시키기 위한 컴퓨터 판독 가능한 프로그램을 기록한 기록 매체
KR20170003769U (ko) * 2017-10-14 2017-11-01 김재식 머신러닝을 이용한 버스 도착 정보 예측 시스템의 오차 개선 모델
KR102460442B1 (ko) * 2018-01-12 2022-10-31 한국전자통신연구원 시계열 데이터 처리 장치, 이를 포함하는 건강 예측 시스템, 및 시계열 데이터 처리 장치의 동작 방법
KR102545188B1 (ko) * 2018-06-12 2023-06-20 한국전자통신연구원 통행 시간 예측 모델을 이용한 통행 시간 예측 방법 및 통행 시간 예측 장치
KR102377637B1 (ko) * 2019-10-28 2022-03-23 김하연 하이브리드 교통신호제어시스템 및 그 방법
KR102166283B1 (ko) * 2020-08-03 2020-10-15 공주대학교 산학협력단 교통 신호기 제어 장치

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR940000002A (ko) * 1992-06-29 1994-01-03 미노 시게가즈 보행형 논 작업기의 클러치 조작구조
KR20040050459A (ko) * 2002-12-10 2004-06-16 에스케이 주식회사 교통정보 제공 시스템 및 방법
JP2005149052A (ja) 2003-11-14 2005-06-09 Toshiba Corp 走行所要時間予測装置及び走行所要時間予測方法
KR20050072555A (ko) * 2004-01-07 2005-07-12 삼성전자주식회사 예측 교통 정보 제공 시스템 및 그 방법
JP2005227972A (ja) 2004-02-12 2005-08-25 Toyota Motor Corp 交通状況予測装置および方法
JP2006085511A (ja) 2004-09-17 2006-03-30 Hitachi Ltd 交通情報予測装置
JP2006090887A (ja) 2004-09-24 2006-04-06 Aisin Aw Co Ltd ナビゲーションシステム
KR20060037481A (ko) * 2004-10-28 2006-05-03 홍석기 과거 및 실시간 교통정보를 이용하여 교통상황의 예측 및동적경로 안내를 제공하는 방법 및 시스템
JP2006337182A (ja) 2005-06-02 2006-12-14 Xanavi Informatics Corp カーナビゲーションシステム、交通情報提供装置、カーナビゲーション装置、交通情報提供方法および交通情報提供プログラム

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR940000002A (ko) * 1992-06-29 1994-01-03 미노 시게가즈 보행형 논 작업기의 클러치 조작구조
KR20040050459A (ko) * 2002-12-10 2004-06-16 에스케이 주식회사 교통정보 제공 시스템 및 방법
JP2005149052A (ja) 2003-11-14 2005-06-09 Toshiba Corp 走行所要時間予測装置及び走行所要時間予測方法
KR20050072555A (ko) * 2004-01-07 2005-07-12 삼성전자주식회사 예측 교통 정보 제공 시스템 및 그 방법
JP2005227972A (ja) 2004-02-12 2005-08-25 Toyota Motor Corp 交通状況予測装置および方法
JP2006085511A (ja) 2004-09-17 2006-03-30 Hitachi Ltd 交通情報予測装置
JP2006090887A (ja) 2004-09-24 2006-04-06 Aisin Aw Co Ltd ナビゲーションシステム
KR20060037481A (ko) * 2004-10-28 2006-05-03 홍석기 과거 및 실시간 교통정보를 이용하여 교통상황의 예측 및동적경로 안내를 제공하는 방법 및 시스템
JP2006337182A (ja) 2005-06-02 2006-12-14 Xanavi Informatics Corp カーナビゲーションシステム、交通情報提供装置、カーナビゲーション装置、交通情報提供方法および交通情報提供プログラム

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
도로교통제94호(2004, 겨울)pp30-40*

Also Published As

Publication number Publication date
KR20080062998A (ko) 2008-07-03

Similar Documents

Publication Publication Date Title
US10794720B2 (en) Lane-level vehicle navigation for vehicle routing and traffic management
US10830598B2 (en) Navigating to a moving target in an augmented reality environment
US11867517B2 (en) Navigating to a moving target
KR100865939B1 (ko) 교통정보 안내 시스템 및 방법
EP3035314B1 (en) A traffic data fusion system and the related method for providing a traffic state for a network of roads
Ravish et al. Intelligent traffic management: A review of challenges, solutions, and future perspectives
Xie et al. Impact of connected and autonomous vehicle technology on market penetration and route choices
Houbraken et al. Examining the potential of floating car data for dynamic traffic management
US10706720B2 (en) Predicting vehicle travel times by modeling heterogeneous influences between arterial roads
Fu et al. Estimation of route travel time distribution with information fusion from automatic number plate recognition data
Mohammadi et al. User throughput optimization for signalized intersection in a connected vehicle environment
CN117496726A (zh) 一种基于智能交通系统的交通控制协同方法及系统
CN110827561B (zh) 一种基于车辆的道路路况信息预报系统及方法
CN116663851A (zh) 一种智慧城市安保用情指行一体化系统
Kim et al. Development of real-time simulation-based decision support system for weather responsive traffic signal operations
Cao et al. Improved DTTE method for route-level travel time estimation on freeways
CN117354347B (zh) 用于物联网多功能智慧灯杆的车路协同控制方法及装置
Sharma et al. Traffic Prediction Model Using Machine Learning in Intelligent Transportation Systems
McHale An assessment methodology for emergency vehicle traffic signal priority systems
Xie et al. Impact of connected and autonomous vehicle technology on market penetration and route choices
Wismans et al. State estimation, short term prediction and virtual patrolling providing a consistent and common picture for traffic management and service providers
Singh et al. Road Traffic Signal Management–A Case Study
Zhao et al. A Tradeoff Study of Real-time Traffic Prediction Approaches for Intelligent Transportation System
Essa Real-time safety and mobility optimization of traffic signals in a connected-vehicle environment
Paz et al. Mining and visualizing traffic sensor data: A joint analysis of clustering and transitions probabilities

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E90F Notification of reason for final refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20121022

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20131010

Year of fee payment: 6

LAPS Lapse due to unpaid annual fee