KR101028293B1 - 교통정보 예측 방법 - Google Patents

교통정보 예측 방법 Download PDF

Info

Publication number
KR101028293B1
KR101028293B1 KR1020080067234A KR20080067234A KR101028293B1 KR 101028293 B1 KR101028293 B1 KR 101028293B1 KR 1020080067234 A KR1020080067234 A KR 1020080067234A KR 20080067234 A KR20080067234 A KR 20080067234A KR 101028293 B1 KR101028293 B1 KR 101028293B1
Authority
KR
South Korea
Prior art keywords
speed
value
road section
past
calculating
Prior art date
Application number
KR1020080067234A
Other languages
English (en)
Other versions
KR20100006912A (ko
Inventor
이범태
김태수
마영언
이주일
조형래
Original Assignee
현대자동차주식회사
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 현대자동차주식회사 filed Critical 현대자동차주식회사
Priority to KR1020080067234A priority Critical patent/KR101028293B1/ko
Priority to US12/323,669 priority patent/US20100010731A1/en
Priority to DE102008044330A priority patent/DE102008044330A1/de
Priority to CN200810182444.6A priority patent/CN101625796B/zh
Publication of KR20100006912A publication Critical patent/KR20100006912A/ko
Application granted granted Critical
Publication of KR101028293B1 publication Critical patent/KR101028293B1/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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
    • G01P11/00—Measuring average value of speed
    • G01P11/02—Measuring average speed of number of bodies, e.g. of vehicles for traffic control
    • 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
    • G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed

Abstract

본 발명은 교통정보 예측 방법에 관한 것으로서, 더욱 구체적으로는 속도를 예측하고자 하는 제1 도로 구간과 인접한 제2 도로구간과의 속도 및 평균속도와의 차이 값에 따라 산출된 상기 제2 도로구간의 교통정보가 제1도로 구간의 교통정보에 미치는 영향도을 고려하여 과거의 특정 요일 및 특정 시각에 따른 상기 제1 도로 구간에 대한 속도 예측 값을 산출하는 기술에 관한 것이다.
이와 같은 본 발명의 교통정보 예측 방법은 (a) 속도를 예측하고자 하는 제1 도로 구간과 인접한 복수의 제2 도로 구간에 대하여 제1시점의 속도 및 평균속도를 각각 산출하는 단계; (b) 상기 제2 도로 구간별로 제1시점의 속도와 평균속도의 차이 값과 각각의 인접링크 가중치의 승산 값을 산출하고, 상기 제2 도로 구간들의 승산 값을 모두 합산하여 상기 제1시점의 공간관계정보 값을 산출하는 단계; 및 (c) 상기 제1 도로 구간의 평균속도에서 상기 공간관계정보 값을 가산하여 상기 제1 도로 구간에 대한 제1시점에서의 속도 예측 값을 산출하는 단계를 포함한다.
교통정보, 예측, 미래, 통계, 계산

Description

교통정보 예측 방법{A ESTIMATION METHOD OF TRAFFIC INFORMATION}
본 발명은 과거의 교통정보들 중 어느 특정 요일 및 시각에 따른 교통정보만 측정되지 않아 데이터베이스에서 존재하지 않을 경우(결측 구간) 이를 예측하여 보완하는 방법에 관한 것이다.
일반적으로 하나의 도로는 인접한 다른 도로와 밀접한 관계를 가지고 있고 하나의 도로가 정체상태이면 인접한 도로 중 어느 도로는 그 영향을 받아 정체상태가 될 수도 있으며 어느 도로는 그 영향을 거의 받지 않을 수도 있다. 즉 각 도로는 상호 유기적 관계를 유지하지만, 그 상관관계는 일률적이지 않다. 한편 현재의 교통정보가 미래의 교통정보에 영향을 미치고, 그 영향도는 근접한 미래일수록 영향력이 높고 먼 미래일수록 영향력이 낮다.
따라서 특정 도로 구간에 대해서 요일 및 시간 별(예를 들어 2007년 07월 1일부터 2008년 07월 20일까지 10분 간격으로 특정 도로의 주행속도를 측정)로 교통정보를 측정해 놓은 상태에서 과거의 특정 시점(예컨대 2008년 07월 15일 화요일 07:00)의 교통정보만이 천재지변 또는 시스템 오류 등의 사유로 측정되지 않았다고 가정한다(결측 구간 발생).
따라서 상기 특정 도로 구간의 2008년 07월 15일 화요일 07:00의 교통정보를 예측하기 위해서는 상기 특정 도로 구간의 2008년 07월 15일 화요일 07:00의 교통정보와 인접한 도로들의 2008년 07월 15일 화요일 07:00의 교통정보와의 상관관계를 고려하여야 한다. 그리고 상기 특정 도로 구간의 2008년 07월 15일 화요일 07:00의 교통정보와 상기 특정 도로의 2008년 07월 14일 화요일 07:00의 시점에 대한 과거(예를 들어 2008년 07월 14일 화요일 06:50)의 교통정보와의 상관관계를 종합적으로 고려하여야 할 필요성이 대두된다.
본 발명은 인접한 도로 구간 간의 상호관계정보를 이용하여 과거의 특정 요일 및 특정 시간의 도로 구간에 대해 결측된 교통정보를 예측하는 교통정보 예측 방법을 제공하고자 한다.
또한 본 발명은 특정 시점에 대한 과거 시점의 교통정보가 상기 특정 시점의 교통정보에 미치는 영향에 따라 산출된 시각관계정보를 이용하여 과거의 특정 요일 및 특정 시간의 도로 구간에 대해 결측된 교통정보를 예측하는 교통정보 예측 방법을 제공하고자 한다.
본 발명의 교통정보 예측 방법은 (a) 속도를 예측하고자 하는 제1 도로 구간과 인접한 복수의 제2 도로 구간에 대하여 제1시점의 속도 및 평균속도를 각각 산출하는 단계; (b) 상기 제2 도로 구간별로 제1시점의 속도와 평균속도의 차이 값과 각각의 인접링크 가중치의 승산 값을 산출하고, 상기 제2 도로 구간들의 승산 값을 모두 합산하여 상기 제1시점의 공간관계정보 값을 산출하는 단계; 및 (c) 상기 제1 도로 구간의 평균속도에서 상기 공간관계정보 값을 가산하여 상기 제1 도로 구간에 대한 제1시점에서의 속도 예측 값을 산출하는 단계를 포함한다.
여기서 본 발명은 (d) 상기 제1 도로 구간의 상기 제1시점을 기준으로 선정된 제1과거시점에 대한 시각관계정보 값을 산출하는 단계; (e) 상기 제1 도로 구간의 상기 제1시점을 기준으로 선정된 제2과거시점에 대한 시각관계정보 값을 산출하 는 단계; 및 (f) 상기 제1 도로 구간에 대한 속도 예측 값에서 상기 제1과거시점에 대한 시각관계정보 값 및 제2과거시점에 대한 시각관계정보 값의 합산 값을 가산하여 상기 속도 예측 값을 보정하는 단계를 더 포함한다.
한편 본 발명의 상기 (d) 단계의 제1과거시점에 대한 시각관계정보 값을 산출하는 방법은, (d-1) 상기 제1 도로 구간의 제1과거시점의 속도와 평균속도와의 차이 값을 산출하는 단계; (d-2) 상기 제1과거시점에 따른 상기 제2 도로 구간별 속도와 평균속도의 차이 값과 각각의 인접링크 가중치의 승산 값을 산출하는 단계; (d-3) 상기 제2 도로 구간별 승산 값을 모두 합산하여 제1과거시점의 공간관계정보 값을 산출하는 단계; 및 (d-4) 상기 제1과거시점에 따른 상기 제2 도로 구간별 속도와 평균속도의 차이 값에서 제1과거시점의 공간관계정보 값을 감산하고, 감산 값과 제1과거시점 가중치를 승산하는 단계를 포함한다.
한편 본 발명의 상기 (e) 단계의 제2과거시점에 대한 시각관계정보 값을 산출하는 방법은, (e-1) 상기 제1 도로 구간의 제2과거시점의 속도와 평균속도와의 차이 값을 산출하는 단계; (e-2) 상기 제2과거시점에 따른 상기 제2 도로 구간별 속도와 평균속도의 차이 값과 각각의 인접링크 가중치의 승산 값을 산출하는 단계; (e-3) 상기 제2 도로 구간별 승산 값을 모두 합산하여 제2과거시점의 공간관계정보 값을 산출하는 단계; 및 (e-4) 상기 제1 도로 구간의 특정 시간을 기준으로 임의의 제2과거시점의 속도와 평균속도와의 차이 값에서 제2과거시점의 공간관계정보 값을 감산하며, 감산 값을 제1과거시점 가중치를 승산하는 단계를 포함한다.
한편 본 발명의 상기 인접링크 가중치는 상기 제1 도로 구간의 속도와 평균 속도의 차이 값과, 상기 제2 도로 구간의 속도와 평균속도의 차이 값과의 기울기 값이다.
본 발명의 교통정보 예측 방법은 속도를 예측하고자 하는 제1 도로 구간과 인접한 복수의 제2 도로 구간의 속도, 평균속도 및 인접링크 가중치를 이용하여 상기 제1 도로 구간의 과거의 특정 요일 및 시간에 따른 교통정보를 예측한다. 따라서 본 발명은 인접도로의 혼잡도에 따른 특정 도로 구간의 교통정보를 정확하게 예측하여 신뢰성 있는 결측 구간의 보완이 가능한 효과를 제공한다.
또한 본 발명의 교통정보 예측 방법은 제1 도로 구간에 대한 속도 예측 값에서 상기 특정 요일 및 시간에 대해 제1과거시점에 대한 시각관계정보 값 및 제2과거시점에 대한 시각관계정보 값의 합산 값을 고려함으로써 시간의 변화에 따른 특정 도로 구간의 교통정보를 정확하게 예측할 수 있게 되어 과거 교통정보 데이터를 결측 구간 없이 확보할 수 있고 이로써 더 높은 품질의 예측 교통정보를 생성할 수 있는 효과를 제공한다.
이하, 첨부된 도면을 참조하여 본 발명의 실시를 위한 구체적인 내용을 설명한다.
본 발명의 명세서에서 사용되는 제1도로 구간 및 제2 도로구간에 대하여 설명한다.
도 1은 본 발명의 교통정보 예측 방법에서 제1도로 구간에 복수의 제2도로 구간이 인접한 모습을 나타내는 구성도이다.
도 1을 참조하면, 하나의 제1 도로 구간(②)에는 양 끝단에 복수의 제2 도로 구간(ⓐⓑ①③가나)이 인접하고 있다. 따라서 상기 제2 도로 구간(ⓐⓑ①③가나)의 혼잡도는 제1 도로 구간(②)의 혼잡도에 영향을 주게 된다.
한편 본 발명의 명세서에서 사용되는 제1시점, 제1과거시점 및 제2과거시점에 대하여 설명한다.
도 2는 교통정보 예측 방법에서 제1도로 구간의 제1과거시점 및 제2과거시점의 교통정보를 나타내는 구성도이다.
도 2를 참조하면, 상기 제1시점(t)은 교통정보를 예측하고자 하는 과거의 특정 요일 및 특정 시각 예를 들어 2008년 7월 2주째 화요일인 2008년 07월 08일 오후 07:00에 따른 시점을 말한다. 그리고 상기 제1과거시점(t-1)은 상기 제1시점(t)을 기준으로 임의의 시간 전 예컨대 5분전 즉 2008년 7월 2주째 화요일인 2008년 07월 08일 오후 06:55를 의미하며, 상기 제2과거시점(t-2)은 상기 제1시점(t)을 기준으로 임의의 시간 전 예컨대 10분전 즉 2008년 7월 2주째 화요일인 2008년 07월 08일 오후 06:50을 의미한다. 여기서 상기 제1과거시점(t-1), 제2과거시점(t-2)에 따른 특정 도로 구간의 혼잡도는 제1시점(t)의 특정 도로 구간의 혼잡도에 영향을 주게 된다.
한편 본 발명에 따른 평균속도의 의미는 특정 도로 구간에 대해 1년 내지 수년간 누적되되, 요일 및 시간이 반영되지 않은 평균속도를 의미한다. 즉 강남역과 역삼역의 사이의 도로 구간의 1년의 평균속도를 예로 들면 상기 강남역과 역삼역의 사이의 도로 구간의 365일 24시간 동안 산출한 평균속도를 말한다. 상기 평균속도는 별도의 교통정보 수집서버로부터 전달받아 데이터베이스(미도시)에 실시간으로 기록된다.
이하 본 발명의 교통정보 예측 방법을 설명한다.
우선 본 발명의 교통정보 예측 방법의 수학식은 아래와 같다.
Figure 112008049862258-pat00001
{V
Figure 112008049862258-pat00002
: 특정 요일 및 특정 시각의 제1 도로 구간의 예측속도,
Figure 112008049862258-pat00003
: 특정 요일 및 특정 시각의 제1도로 구간의 평균속도,
Figure 112008049862258-pat00004
: 공간관계정보 값,
Figure 112008049862258-pat00005
: 제1과거시점에 대한 시각관계정보 값,
Figure 112008049862258-pat00006
: 제2과거시점에 대한 시각관계정보 값}
도 3은 본 발명의 교통정보 예측 방법의 링크 ID 별 속도, 패턴정보, 차이 값 및 인접링크 가중치가 저장된 데이터베이스의 구성도이고, 도 4는 본 발명의 교통정보 예측 방법의 순서도이다.
□ 공간관계정보 값(
Figure 112008049862258-pat00007
)의 계산.
도 3 및 도 4를 참조하면, 우선 속도를 예측하고자 하는 제1 도로 구간과 인접한 복수의 제2 도로 구간에 대하여 특정 요일 및 특정 시각에 따른 속도{X(t)} 및 평균속도{u(t)}를 각각 산출한다(S10).
제1 도로 구간 즉, 링크 ID 3200001392의 제1시점 예컨대, 2008년 06월 05일 목요일 오전 00:00의 평균속도는 27.38(km/h)이 되고, 제2 도로 구간 즉 링크 ID 3210001175의 제1시점 예컨대, 2008년 06월 05일 목요일 오전 00:00의 속도 및 평균속도는 각각 26(km/h) 및 34.56(km/h)이 된다.
이어서 제2 도로 구간별로 속도{X(t)}와 평균속도{u(t)}의 차이 값{{(X(t)}-{u(t)}=(Y)]과 각각의 인접링크 가중치(ρ)의 승산 값(ρY)을 산출한다(즉, (-8.56*0.03), (-0.6*-0.03), (-2.12*-0.1), (-0.482*-0.13), (-9.9*-0.08), (4.413*0.02)}(S12).
예들 들어 링크 ID 3200001175의 경우 제1시점의 속도 및 평균속도는 각각 26(km/h) 및 34.56(km/h)이므로, 상기 차이 값(Y)은 -8.56이 된다. 나머지 링크 ID 3200001184 등도 위와 같은 방법으로 산출하면 차이 값을 구할 수 있다.
한편 상기 인접링크 가중치(ρ)는 상기 제2 도로 구간별로 제1 도로 구간에 영향을 미치는 정도를 나타내는 값이다. 인접링크 가중치(ρ)는 도 5를 참조하면, 상기 제1 도로 구간의 제1시점의 속도와 평균속도의 차이 값(Y)에 대한 제2 도로 구간의 제1시점의 속도와 평균속도의 차이 값(Y)과의 기울기를 산출한 후 상기 기울기를 통계프로그램(S-PLUS)의 LM 함수 등을 이용하여 각각 산출할 수 있다.
결국 제2 도로 구간들의 속도와 평균속도의 차이 값과 각각의 인접링크 가중치의 승산 값(ρY)의 합산 값(
Figure 112008049862258-pat00008
)은 (-8.56*0.03)+ (-0.6*-0.03)+ (-2.12*-0.1)+ (-0.482*-0.13)+ (-9.9*-0.08)+ (4.413*0.02)=0.45072로서, 상기 합산 값(
Figure 112008049862258-pat00009
)인 0.45072가 공간관계정보 값이 된다(S14).
□ 제1과거시점에 대한 시각관계정보 값
Figure 112008049862258-pat00010
의 계산
이어서 상기 제1 도로 구간의 특정 시간을 기준으로 임의의 제1과거시점의 속도{X(t-1)}와 평균속도{u(t-1)}와의 차이 값{Y(t-1)}을 산출한다(S20). 즉 상기 제1 도로 구간의 제1과거시점의 속도{X(t-1)}는 25(km/h)이고, 상기 제1 도로 구간의 제1과거시점의 평균속도{u(t-1)}는 29.12(km/h)이므로 상기 제1과거시점의 속도와 평균속도와의 차이 값{Y(t-1)}은 -4.12가 됨을 알 수 있다.
이어서 상기 제1과거시점에 따른 상기 제2 도로 구간별 속도{X(t-1)}와 평균속도{u(t-1)}의 차이 값{Y(t-1)}과 각각의 인접링크 가중치(ρ)의 승산 값(ρ){Y(t-1)}을 산출한다(S22). 상기 제1과거시점에 따른 상기 제2 도로 구간별 제1시점의 속도와 평균속도의 차이 값과 각각의 인접링크 가중치의 승산 값{(-10.417*0.02), (-1.44*-0.03), (-0.333*-0.1), (-17.16*-0.08), (1.966*0.02)}은 앞서 설명한 제1 도로 구간에서의 계산방법과 동일하다(S12 참조).
이어서 상기 제2 도로 구간별 인접링크 가중치의 승산 값을 모두 합산하여 제1과거시점의 공간관계정보 값(
Figure 112008049862258-pat00011
)을 산출한다(S24). 즉 상기 제1과거시점의 공간관계정보 값(
Figure 112008049862258-pat00012
)은 (-10.417*0.02)+ (-1.44*-0.03)+ (-0.333*-0.1)+ (-17.16*-0.08)+ (1.966*0.02)=0.86794가 된다.
이어서 상기 제1과거시점의 속도와 평균속도와의 차이 값{Y(t-1)}인 -4.12에서 상기 제1과거시점의 공간관계정보 값(
Figure 112008049862258-pat00013
)인 0.86794를 감산하여, -4.98794를 산출하고, 상기 감산 값{Z(t-1)}인 -4.98794에 제1과거시점 가중치(
Figure 112008049862258-pat00014
) 예컨대 0.5를 승산하여 제1과거시점에 대한 시각관계정보 값{
Figure 112008049862258-pat00015
}인 -2.49397을 산출한다(S26).
□ 제2과거시점에 대한 시각관계정보 값{
Figure 112008049862258-pat00016
}의 계산
이어서 상기 제1 도로 구간의 특정 시간을 기준으로 임의의 제2과거시점의 속도{X(t-2)} 즉 28과 평균속도{u(t-2)} 즉 31.174와의 차이 값{Y(t-2)} 즉 -3.174를 산출한다(S30). 상기 제2과거시점의 속도와 평균속도와의 차이 값은 제1 도로 구간에서의 산출방법과 동일하다.
이어서 상기 제2과거시점에 따른 상기 제2 도로 구간별 속도와 평균속도의 차이 값{Y(t-2)} 즉 -3.174와 각각의 인접링크 가중치(
Figure 112008049862258-pat00017
)의 승산 값을 산출하고(S32), 상기 제2 도로 구간별 승산 값을 모두 합산하여 제2과거시점에 대한 공각관계정보 값(
Figure 112008049862258-pat00018
) 즉 0.21819를 산출한다(S34).
이어서 상기 제2 도로 구간별 속도와 평균속도의 차이 값{Y(t-2)} 즉 -3.174에서 제2과거시점의 공간관계정보 값(
Figure 112008049862258-pat00019
) 즉 0.21819를 감산하고, 상기 감산 값{Z(t-2)} 즉 -3.39219와 제2과거시점 가중치(
Figure 112008049862258-pat00020
) 예컨대 0.08을 승산하여 제2과 거시점에 대한 시각관계정보{
Figure 112008049862258-pat00021
Z(t-2)} 값인 -0.271375를 산출한다(S36).
□ 제1 도로 구간에 대한 속도 예측 값(V
Figure 112008049862258-pat00022
)의 산출
이어서 제1 도로 구간의 평균속도{u(t)}에서 상기 S14에서 산출한 제1시점의 공간관계정보 값(
Figure 112008049862258-pat00023
)을 가산하고(S40), 상기 제1과거시점에 대한 시각관계정보 값{
Figure 112008049862258-pat00024
Z(t-1)} 및 제2과거시점에 대한 시각관계정보 값{
Figure 112008049862258-pat00025
Z(t-2)}의 합산 값[{
Figure 112008049862258-pat00026
Z(t-1)}+{
Figure 112008049862258-pat00027
Z(t-2)}]을 가산하여 제1 도로 구간의 예측속도(V
Figure 112008049862258-pat00028
)를 산출한다(S42).
즉, 2008년 06월 05일 목요일 오전 00:00의 제1 도로 구간의 평균속도인 27.38에서 상기 S14에서 산출한 공간관계정보 값인 0.45072를 가산하고, 상기 S26에서 산출한 제1과거시점에 대한 시각관계정보 값인 -2.49397과 상기 S36에서 산출한 제2과거시점에 대한 시각관계정보 값인 -0.271375의 합산 값을 가산하면 최종적으로 2008년 06월 05일 목요일 오전 00:00의 제1 도로 구간의 예측속도(V
Figure 112008049862258-pat00029
)는 25.063375(km/h)가 됨을 알 수 있다.
상기와 같이 산출된 2008년 06월 05일 목요일 오전 00:00의 제1 도로 구간의 예측속도(V
Figure 112008049862258-pat00030
)는 상기 2008년 06월 05일 목요일 오전 00:00에 속도를 측정하지 못하는 결측 구간이 발생하였을 때 상기 예측속도(V
Figure 112008049862258-pat00031
) 값을 제1 도로 구간의 속도로 반영할 수 있다.
상기 제1, 2도로구간별 제1과거시점 가중치(
Figure 112008049862258-pat00032
)인 0.5 및 제2과거시점 가중 치(
Figure 112008049862258-pat00033
)인 0.08은
Figure 112008049862258-pat00034
Z(t-1)+
Figure 112008049862258-pat00035
Z(t-2)이 상기 예측속도(V
Figure 112008049862258-pat00036
)와 평균속도와의 차이 값{Y(t)}인 25.063375-27.38=-2.31에서 상기 공간관계정보 값(
Figure 112008049862258-pat00037
)인 0.45072를 감산한 값{Z(t)}인 -2.76이 되도록 하는 이차방정식(바람직하게는 통계프로그램(S-Plus)의 AR(2) 함수를 이용하여 자기회귀 계수를 생성함으로써 산출), 즉
Figure 112008049862258-pat00038
*(-4.98794)+
Figure 112008049862258-pat00039
*(-3.39219)=-2.76이 되도록
Figure 112008049862258-pat00040
및
Figure 112008049862258-pat00041
를 조정하는 것이다. 즉, 상기 이차방정식에 의해 상기
Figure 112008049862258-pat00042
이 0.5이고,
Figure 112008049862258-pat00043
은 0.08으로 계산된다.
이상, 본 발명은 비록 한정된 구성과 도면에 의해 설명되었으나, 본 발명의 기술적 사상은 이러한 것에 한정되지 않으며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해, 본 발명의 기술적 사상과 하기 기재될 특허청구범위의 균등범위 내에서 다양한 수정 및 변형 실시가 가능할 것이다.
도 1은 본 발명의 교통정보 예측 방법에서 제1도로 구간에 복수의 제2도로 구간이 인접한 모습을 나타내는 구성도.
도 2는 교통정보 예측 방법에서 제1도로 구간의 제1과거시점 및 제2과거시점의 교통정보를 나타내는 구성도.
도 3은 본 발명의 교통정보 예측 방법의 링크 ID 별 속도, 패턴정보, 차이 값 및 인접링크 가중치가 저장된 데이터베이스의 구성도.
도 4는 본 발명의 교통정보 예측 방법의 순서도.
도 5는 본 발명의 인접링크 가중치를 산출하기 위한 도면.

Claims (5)

  1. 교통정보 예측 방법으로서,
    (a) 속도를 예측하고자 하는 제1 도로 구간과 인접한 복수의 제2 도로 구간에 대하여 제1시점에서의 속도 및 평균속도를 각각 산출하는 단계;
    (a-1) 상기 제1 도로 구간의 속도와 평균속도의 차이 값과 제2 도로 구간별 속도와 평균속도의 차이 값과의 기울기를 이용하여 제2 도로 구간별 인접링크 가중치를 산출하는 단계;
    (b) 상기 제2 도로 구간별로 제1시점의 속도와 평균속도의 차이 값과 각각의 인접링크 가중치의 승산 값을 산출하고, 상기 제2 도로 구간들의 승산 값을 모두 합산하여 상기 제1시점의 공간관계정보 값을 산출하는 단계; 및
    (c) 상기 제1 도로 구간의 평균속도에서 상기 공간관계정보 값을 가산하여 상기 제1 도로 구간에 대한 제1시점에서의 속도 예측 값을 산출하는 단계를 포함하는 교통정보 예측 방법.
  2. 청구항 1에 있어서,
    (d) 상기 제1 도로 구간의 상기 제1시점을 기준으로 선정된 제1과거시점에 대한 시각관계정보 값을 산출하는 단계;
    (e) 상기 제1 도로 구간의 상기 제1시점을 기준으로 선정된 제2과거시점에 대한 시각관계정보 값을 산출하는 단계; 및
    (f) 상기 제1 도로 구간에 대한 속도 예측 값에서 상기 제1과거시점에 대한 시각관계정보 값 및 제2과거시점에 대한 시각관계정보 값의 합산 값을 가산하여 상기 속도 예측 값을 보정하는 단계를 더 포함한 교통정보 예측 방법.
  3. 청구항 2에 있어서,
    상기 (d) 단계의 제1과거시점에 대한 시각관계정보 값을 산출하는 방법은,
    (d-1) 상기 제1 도로 구간의 제1과거시점의 속도와 평균속도와의 차이 값을 산출하는 단계;
    (d-2) 상기 제1과거시점에 따른 상기 제2 도로 구간별 속도와 평균속도의 차이 값과 각각의 인접링크 가중치의 승산 값을 산출하는 단계;
    (d-3) 상기 제2 도로 구간별 승산 값을 모두 합산하여 제1과거시점의 공간관계정보 값을 산출하는 단계; 및
    (d-4) 상기 제1과거시점에 따른 상기 제2 도로 구간별 속도와 평균속도의 차이 값에서 제1과거시점의 공간관계정보 값을 감산하고, 감산 값과 제1과거시점 가중치를 승산하는 단계를 포함하는 교통정보 예측 방법.
  4. 청구항 2에 있어서,
    상기 (e) 단계의 제2과거시점에 대한 시각관계정보 값을 산출하는 방법은,
    (e-1) 상기 제1 도로 구간의 제2과거시점의 속도와 평균속도와의 차이 값을 산출하는 단계;
    (e-2) 상기 제2과거시점에 따른 상기 제2 도로 구간별 속도와 평균속도의 차이 값과 각각의 인접링크 가중치의 승산 값을 산출하는 단계;
    (e-3) 상기 제2 도로 구간별 승산 값을 모두 합산하여 제2과거시점의 공간관 계정보 값을 산출하는 단계; 및
    (e-4) 상기 제1 도로 구간의 특정 시간을 기준으로 임의의 제2과거시점의 속도와 평균속도와의 차이 값에서 제2과거시점의 공간관계정보 값을 감산하며, 감산 값을 제1과거시점 가중치를 승산하는 단계를 포함하는 교통정보 예측 방법.
  5. 청구항 1에 있어서,
    상기 인접링크 가중치는
    상기 제1 도로 구간의 속도와 평균속도의 차이 값과, 상기 제2 도로 구간의 속도와 평균속도의 차이 값과의 기울기 값인 교통정보 예측 방법.
KR1020080067234A 2008-07-10 2008-07-10 교통정보 예측 방법 KR101028293B1 (ko)

Priority Applications (4)

Application Number Priority Date Filing Date Title
KR1020080067234A KR101028293B1 (ko) 2008-07-10 2008-07-10 교통정보 예측 방법
US12/323,669 US20100010731A1 (en) 2008-07-10 2008-11-26 Estimation method of traffic information
DE102008044330A DE102008044330A1 (de) 2008-07-10 2008-12-03 Verfahren zum Abschätzen von Verkehrsdaten
CN200810182444.6A CN101625796B (zh) 2008-07-10 2008-12-08 交通信息的估计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020080067234A KR101028293B1 (ko) 2008-07-10 2008-07-10 교통정보 예측 방법

Publications (2)

Publication Number Publication Date
KR20100006912A KR20100006912A (ko) 2010-01-22
KR101028293B1 true KR101028293B1 (ko) 2011-04-11

Family

ID=41412917

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020080067234A KR101028293B1 (ko) 2008-07-10 2008-07-10 교통정보 예측 방법

Country Status (4)

Country Link
US (1) US20100010731A1 (ko)
KR (1) KR101028293B1 (ko)
CN (1) CN101625796B (ko)
DE (1) DE102008044330A1 (ko)

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5388924B2 (ja) * 2010-03-29 2014-01-15 株式会社デンソーアイティーラボラトリ 交通量予測装置、交通量予測方法およびプログラム
KR101144388B1 (ko) * 2010-11-09 2012-05-10 기아자동차주식회사 교통정보 제공 시스템 및 단말기, 이를 이용한 교통정보 제공 방법
CN102542794A (zh) * 2012-02-02 2012-07-04 北京捷易联科技有限公司 交通数据处理方法和装置
CN102930718A (zh) * 2012-09-20 2013-02-13 同济大学 基于浮动车数据和线圈流量融合的间断流路段行程时间估计方法
KR101602746B1 (ko) * 2014-04-03 2016-03-11 부산대학교 산학협력단 교통 예측 시스템 및 방법
KR102197195B1 (ko) * 2014-07-31 2021-01-04 현대엠엔소프트 주식회사 교통흐름의 변화를 반영한 교통정보 생성방법
WO2016036024A1 (ko) * 2014-09-01 2016-03-10 한국교통연구원 교통링크 속도 예측 방법 및 이를 위한 장치
CN107331161A (zh) * 2016-04-28 2017-11-07 财团法人资讯工业策进会 车速预测方法
JP6898555B2 (ja) * 2017-06-06 2021-07-07 富士通株式会社 移動経路検索プログラム、移動経路検索装置、及び移動経路検索方法
CN110782652B (zh) 2018-11-07 2020-10-16 滴图(北京)科技有限公司 速度预测系统和方法
CN111081012B (zh) * 2019-11-25 2021-07-13 沈阳世纪高通科技有限公司 交通事件的处理方法及装置
CN111341099B (zh) * 2020-02-27 2022-05-10 阿里巴巴集团控股有限公司 一种数据处理方法、装置及电子设备
KR102341475B1 (ko) * 2020-03-19 2021-12-20 충북대학교 산학협력단 도로 환경 데이터 분석을 통한 기계 학습 기반의 도로 속도 예측 방법 및 이를 기록한 기록매체

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100702852B1 (ko) 2004-10-28 2007-04-06 한국도로공사 과거 및 실시간 교통정보를 이용하여 교통상황의 예측 및동적경로 안내를 제공하는 방법 및 시스템
JP2007115272A (ja) 2006-12-25 2007-05-10 Hitachi Ltd 交通情報処理装置及び交通情報表示装置
KR20070061015A (ko) * 2005-12-09 2007-06-13 한국전자통신연구원 교통 예측을 기반으로 하는 최단 경로 검색 방법 및 그장치
JP2007249845A (ja) 2006-03-17 2007-09-27 Fujitsu Ltd 交通状況推定プログラムおよび交通状況推定方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5648904A (en) * 1994-04-25 1997-07-15 Sony Corporation Vehicle traffic system and method
JPH08106593A (ja) * 1994-10-07 1996-04-23 Hitachi Ltd 交通流状態判定装置
CN1777904A (zh) 2003-04-15 2006-05-24 美国联合包装服务有限公司 用于择路和调度的高峰时间建模
JP4329711B2 (ja) * 2005-03-09 2009-09-09 株式会社日立製作所 交通情報システム
US20080033630A1 (en) * 2006-07-26 2008-02-07 Eun-Mi Lee System and method of predicting traffic speed based on speed of neighboring link

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100702852B1 (ko) 2004-10-28 2007-04-06 한국도로공사 과거 및 실시간 교통정보를 이용하여 교통상황의 예측 및동적경로 안내를 제공하는 방법 및 시스템
KR20070061015A (ko) * 2005-12-09 2007-06-13 한국전자통신연구원 교통 예측을 기반으로 하는 최단 경로 검색 방법 및 그장치
JP2007249845A (ja) 2006-03-17 2007-09-27 Fujitsu Ltd 交通状況推定プログラムおよび交通状況推定方法
JP2007115272A (ja) 2006-12-25 2007-05-10 Hitachi Ltd 交通情報処理装置及び交通情報表示装置

Also Published As

Publication number Publication date
US20100010731A1 (en) 2010-01-14
CN101625796A (zh) 2010-01-13
CN101625796B (zh) 2013-09-25
DE102008044330A1 (de) 2010-01-14
KR20100006912A (ko) 2010-01-22

Similar Documents

Publication Publication Date Title
KR101028293B1 (ko) 교통정보 예측 방법
Zorn et al. Post-disaster infrastructure restoration: A comparison of events for future planning
Pellikka et al. Future probabilities of coastal floods in Finland
Muñoz-Salinas et al. Lahar flow simulations using LAHARZ program: Application for the Popocatépetl volcano, Mexico
WO2019225064A1 (ja) 気象予測装置、気象予測方法、並びに風力発電出力推定装置
JP2019203727A (ja) 気象予測装置、気象予測方法、並びに風力発電出力推定装置
Tepedino et al. A forecasting model based on time series analysis applied to electrical energy consumption
Reddy et al. Extreme precipitation indices over India using CMIP6: A special emphasis on the SSP585 scenario
Vu et al. Short-term load forecasting using regression based moving windows with adjustable window-sizes
US9336503B2 (en) Value at risk insights engine
Pianosi et al. Assessing rainfall–runoff models for the management of Lake Verbano
JP2006092058A (ja) 流量予測装置
CN102216798A (zh) 用于修正随时间变化的信号值的预测的方法
Driesse et al. A test of Suehrcke’s sunshine–radiation relationship using a global data set
KR100923402B1 (ko) 가뭄관리를 위한 최적의 운영률 시스템 및 이를 적용하는방법
Beraud et al. Glacier-wide seasonal and annual geodetic mass balances from Pléiades stereo images: application to the Glacier d'Argentière, French Alps
Mendes et al. Hydrologic modelling calibration for operational flood forecasting
Borokini et al. Iterative species distribution modeling results in the discovery of novel populations of a rare cold desert perennial
KR20220156635A (ko) 기상 정보의 개선을 위한 모바일 데이터의 사용
Panfilo et al. Studies and possible improvements on the EAL algorithm
US11493666B2 (en) System and method for forecasting snowfall probability distributions
US20120203471A1 (en) Generation source estimation apparatus and method of diffusion material
JP2006242747A (ja) 気温予測補正装置
Peng et al. Quantifying the precision of retracked Jason-2 sea level data in the 0–5 km Australian coastal zone
JP2002286863A (ja) 台風による風害評価システム

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
FPAY Annual fee payment
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20180329

Year of fee payment: 8

FPAY Annual fee payment

Payment date: 20190327

Year of fee payment: 9