KR101035122B1 - 차종 시퀀스 패턴을 이용한 구간통행시간 계측방법 - Google Patents

Abstract

본 발명은 도로교통정보 수집에 관한 것으로서, 보다 자세하게는 일정 도로 구간에서 차량의 시퀀스 패턴을 이용하여 차량의 구간속도를 계측하는 방법에 관한 것이다.

본 발명은 개별 차량의 주행정보를 인식하는 종래의 방식에 따른 문제 요인들을 개선하고자, 구간의 시점과 종점에서의 차량들을 하나의 그룹으로 인식하는 새로운 인식 알고리즘을 제시한다. 본 발명은 구간의 시점과 종점에서의 차량들을 차종 순서대로 나열한 일정한 길이의 순차패턴인 시퀀스 그룹으로 인식하고, 종점(또는 시점)에서의 특정 시퀀스에 대응하는 시점(또는 종점)에서의 시퀀스를 탐색하여 가장 유사도가 높은 시퀀스를 동일 그룹으로 간주하여 해당 구간의 통행 시간과 차량속도를 산출한다.

본 발명의 방법에 의한 차량의 구간통행시간 계측방법은 대략적인 차량의 종류만 식별할 수 있는 저렴한 차량검지장치와 데이터처리장치를 이용하여 신뢰도가 아주 높은 도로의 차량 주행 속도를 계측할 수 있고, 차량의 개별 인식 방식들에 비하여 아주 저렴한 비용으로 도로의 구간 소통 정보를 수집할 수 있다.

차종, 시퀀스, 패턴, 구간통행시간, 차량속도, 계측, 유사도비용.

Description

차종 시퀀스 패턴을 이용한 구간통행시간 계측방법{Measurement Method of Travel Time Using Sequence Pattern of Vehicles}

본 발명은 도로교통정보 수집에 관한 것으로서, 보다 자세하게는 일정 도로 구간에서 차량의 시퀀스 패턴을 이용하여 차량의 구간속도를 계측하는 방법에 관한 것이다.

교통관리시스템의 최하부 요소인 교통정보 수집장치는 루프검지기 및 영상 검지기를 중심으로 개발되어 왔으며, 최근 들어 레이다 방식의 초단파 검지기를 이용하는 방법에 관한 연구가 진행되고 있는 중이다. 이러한 교통정보 수집 기술들은 기본적으로 지점검지 방식으로부터 출발한 것으로서, 지점 자료로부터 구간의 통행 시간을 추정 및 예측하는 방법이다. 이러한 방법들은 숱한 연구에도 불구하고 검지율이 낮고, 또한 특정 지점에 국한된 자료이기 때문에 도로구간 전체의 교통정보를 대변하지 못한다는 문제점이 있다.

최근의 검지기술은 지점검지로부터 공간검지로, 검지율의 일관성 유지를 위해 단일검지체계에서 다양한 매체로부터의 데이터 융합으로 발전해 가고 있다. 이 러한 검지기술의 발전에 따라, AVI( Automatic Vehicle Identification)와 같은 도로변 시설물 설치 방식과 함께 도로상을 주행하는 일반 차량들을 프로브차량 (Probe Car)으로 활용하는 방법 등 다양한 방안들이 개발되고 있으며, 그 수단으로는 전통적인 비콘(Beacon) 방식, 경찰청에서 추진중인 광역교통정보수집시스템 (UTIS) 방식, 한국도로공사의 통행료 전자지불 단말기(RF-ETCS)를 활용하는 방식 등이 시도되고 있다. 아울러 RFID Tag를 부착한 전자번호판 방식 등도 연구 중에 있으나, 대부분의 방식이 막대한 설비 투자를 필요로 하는 경제성의 문제와 개별 차량의 위치를 추적하는 방식에 따른 결측치 증가 및 정체시 정보 수집의 지연이 발생하는 등의 문제를 안고 있다.

지점검지방식은 지점검지기 자료를 구간 전체의 교통정보로 변환, 보정하여 운전자에게 제공하는 방법으로서, 시시각각 변하는 도로상의 모든 지점의 교통 특성을 반영할 수 없고, 지점을 통과하는 차량에 대한 교통정보는 비교적 상세히 제공할 수 있으나 구간 전체에 대해서는 부정확한 정보를 제공할 수도 있다는 한계를 안고 있다.

구간검지 방식에서 AVI방식은 자동 차량번호판 인식하는 ANPR(Automatic Number Plate Recognition) 방식에 의한 구간검지방식으로서, 전체 차량 통행에 대해 대규모의 표본 추출이 가능하고, 차량 인식용의 차량용 단말기(OBU, On Board Unit)를 별도로 필요로 하지 않으며, 번호판 인식의 자동화로 데이터 처리 시간을 획기적으로 감소시키고, 항시 재검토가 가능한 영구적인 기록을 제공하는 등의 장점이 있다. 그러나 번호판 인식의 정확도가 날씨 및 대기 환경 변화에 매우 민감하 며, 고가의 장비를 사용하는 관계로 경제성이 떨어진다는 단점이 있다. 즉, AVI 카메라와 같은 장비를 사용하여 구간속도를 수집하고 이를 토대로 통행시간을 측정하고자 한다면, 측정하고자 하는 구간의 시점과 종점에 고가의 장비가 설치되어야 하며, 도로 네트워크에 적용할 경우에는 네트워크 내의 모든 링크에 장비가 설치되어야 하는 비효율성을 안게 된다.

차량번호판 매칭을 통해 개별 차량을 인식하는 방식에는 차량 정보가 사전에 입력돼 있는 차량용 단말기(OBU)의 정보를 인식하여 이를 프로브차량으로 활용하는 방식이 있으며, 예로서 최근 급속히 보급이 확대되고 있는 전자요금 징수 (ETC, Electronic Toll Collection)용 단말기를 이용하여 교통정보를 수집하는 방안이 연구중에 있다. 이는 본래 교통정보 수집용으로 개발된 것이 아니므로 단말기의 보급 정도에 따라 정보 수집율이 좌우될 수 있다는 단점이 있다. 그러나, ETC 단말기는 필연적으로 향후 자연 발생적인 증가가 예상되는 만큼, 타 검지체계와 상호 보완 시스템으로 구성할 경우 기존의 인프라를 활용할 수 있다는 큰 장점도 있다.

구간검지 방식에서 AVL(Automatic Vehicle Location) 방식은 프로브차량을 이용한 수집체계의 여러 유형 중 가장 일반적으로 이용되는 방식인 바, 프로브차량 방식은 ITS 시스템에서 실시간으로 데이터를 수집하기 위해 개발되었으며, 주요 적용 분야는 운행 시간 수집보다는 실시간 교통 상황 모니터링, 사고 검지, 경로 안내 등에 주로 사용되고 있다.

AVL 방식은 일단 기반 설비가 갖추어지면 그 이후부터 값싸고 쉽게 지속적으로 정보를 수집할 수 있어 정보의 단위당 비용이 저렴하며 정보 수집의 지속성을 보장한다는 장점이 있다. 반면에 AVL 방식은 설비 측면에서 초기 설치에 많은 비용이 필요하며 일단 통신 설비를 설치하고 나면 수집 대상 지역의 크기와 위치를 쉽게 조정하기가 어렵다는 단점이 있으며, 정보 수집 측면에서도 높은 수행비용으로 인해 소규모 정보 수집에 부적절하다. 또한 충분히 많은 프로브 차량이 확보되지 않을 경우 수집정보의 신뢰도가 현격히 떨어지며, 정체시에는 검지 지연이 발생함에 따라 정체시 정보의 신뢰도가 저하된다는 단점이 있다.

상기와 같이 종래의 교통정보(주로 차량주행속도) 수집방식은 모두 개별 차량의 주행정보를 인식하는 방식으로서, 각각 장점과 함께 많은 문제점이 있는바 새로운 방식의 교통정보(주로 차량주행속도) 수집방식이 요구된다.

본 발명은 개별 차량의 주행정보를 인식하는 방식에 따른 문제 요인들을 개선하고자, 구간의 시점과 종점에서의 차량들을 하나의 그룹으로 인식하는 새로운 인식 알고리즘을 제시한다.

본 발명은 구간의 시점과 종점에서의 차량들을 차종별로 순서대로 나열한 일정한 길이의 순차패턴인 시퀀스 그룹으로 인식하고, 종점(또는 시점)에서의 특정 시퀀스에 대응하는 시점(또는 종점)에서의 시퀀스를 탐색하여 가장 유사도가 높은 시퀀스를 동일 그룹으로 간주하여 해당 구간의 통행 시간을 산출하는 방식을 취하였다. 시퀀스의 유사도를 평가하는 지표로는 유사도비용을 정의하여 사용하고, 이 유사도비용이 최소가 되는 두 시퀀스를 동일 시퀀스로 간주한다. 그리하여 동일한 시퀀스가 시점에서 일어난 시간과 종점에서 일어나는 시간을 기준으로 경과시간을 산출하고, 시점에서 종점까지의 거리를 이 경과시간으로 나누어 당해 구간에서의 차량속도를 산출한다.

상기 유사도비용의 계산에 있어서, 상관성이 적은 차량 순서를 배제하기 위 하여 가중치를 주는데, 가중치를 주는 방법으로는 순서차이에 지수함수 또는 제곱근 함수를 곱하는 방법을 취하였다.

본 발명의 방법에 의한 차량의 구간통행시간 계측방법은 대략적인 차량의 종류만 식별할 수 있는 저렴한 차량검지장치와 데이터처리장치를 이용하여 신뢰도가 아주 높은 도로의 차량 주행 속도를 계측할 수 있다.

컴퓨터 모의 시험결과 본 방법에 의한 속도 계산치의 오차율은 3.46% 로서, 현장에 적용하기에 충분하고, 구간속도 검지를 위한 종래의 방법인 AVI나 AVL과 같은 차량의 개별 인식 방식들에 비하여 아주 저렴한 비용으로 도로의 구간 소통 정보를 수집할 수 있다.

본 계측 방법에 소요되는 하드웨어는 도로상의 일정 거리(1km, 2km, 3km, 5km 등)의 시점과 종점에 차종을 식별할 수 있는 차량검지장치와 이 차량검지장치에서 수집된 차량정보를 유선 또는 무선으로 수집하여 도로정보를 계산하는 데이터처리장치로 구성된다. 데이터처리장치는 차량검지장치에서 검지된 차량의 차종을 식별하고, 일정 대수의 차량의 통과 순서로 시퀀스를 형성하고, 시퀀스들을 비교, 연산하여 차량속도를 계산하는 기능을 한다.

본 발명인 차종 시퀀스 패턴을 이용한 구간통행시간 계측방법은 도 1에 도시 한 바와 같이, 다음의 단계를 순차적으로 수행하여 수행된다.

1. 시점과 종점을 통과하는 차량의 종류를 식별하는, 차종식별단계

2. 시점과 종점을 순차적으로 통과하는 일정 대수의 차량의 열을 추출하여 시퀀스를 추출하는, 시퀀스추출단계

3. 상기 시퀀스추출단계에서 추출된 종점(또는 시점)의 특정 시퀀스와 일정 시간구간 동안 순차적으로 수출된 시점(또는 종점)의 모든 시퀀스에 대하여 유사도비용을 산출하는, 유사도비용계산단계

4. 상기 유사도비용계산단계에서 계산한 유사도비용 중 최소값을 찾고, 이 최소 유사도비용을 보이는 두 시퀀스를 동일 시퀀스로 보는 동일시퀀스추출단계

5. 상기 동일시퀀스추출단계에서 추출된 두 시퀀스 추출시간의 차이를 시점과 종점 사이 구간의 통과시간으로 인식하는 통과시간인식단계

6. 시점과 종점 사이의 거리를 상기 통과시간인식단계에서 인식된 통과시간으로 나누어 차량의 속도를 계산하는 통행속도계산단계

1의 차종식별단계는 검지장치로 검지한 차량의 종류를 식별하는 단계이다. 차종의 식별은 차량의 종류(승용차, 레저용차, 화물차, 버스 등), 차량의 크기(경차, 소형차, 대형차 등), 그리고 차량의 색상 등을 기준으로 식별한다.(예 : A, B. C, D, E... 등)

차종을 세분하여 식별하면 할수록 계산의 오차가 감소할 것으로 예상되나, 컴퓨터로 시뮬레이션해 본 결과 도 2의 그래프와 같이, 차종을 10종으로 한 경우와 15종으로 한 경우가 모두 오차율 10% 이내에서 큰 차이가 없는 것으로 나타났다. 도 2의 그래프에서 가로축의 문제의 유형 P1, P2 등은 구간길이, 도로 설계속도, 차량의 수 등의 변수에 따른 모델의 유형이다.

따라서 차종을 4 내지 5종으로 단순화하고 색상정보를 3 내지 4종으로 하여, 이들을 조합하여 10 내지 15종으로 차종을 분류하면 충분하다. 그리고 출현 빈도가 낮은 오토바이, 군용차량, 건설중장비 등의 특수차량은 식별에서 제외하여도 무방하다.

2의 시퀀스추출단계는 시점 또는 종점을 통과하는 일정 대수의 연속적인 차량의 열을 하나의 시퀀스로 특정하는 단계이다.

시퀀스란 차종식별단계에서 식별한 차종을 시점 또는 종점을 통과 순서에 따라 연속적으로 나열한 차종의 열을 의미한다.(예 : [A, B, C, D, E], [B, D, A, E, A] 등) 하나의 시퀀스에 포함된 차량의 대수를 "시퀀스의 길이"라고 정의하면, 시퀀스의 길이에 따라 오차율이 변하는데, 시점과 종점의 시퀀스의 길이를 변화시켜가며 컴퓨터로 시뮬레이션해 본 결과, 도 3의 그래프에서와 같이, 시퀀스의 길이를 시점과 종점에서 모두 15대로 하는 것이 오차율이 가장 작은 임계적 특성을 나타낸다. 그러나 시퀀스의 길이를 5대 이상으로 할 경우 오차율은 4% 이내로, 실제 도로에 적용하기에 충분한 것으로 나타났다.

시퀀스는 도 4에 도시한 바와 같이, 시점과 종점 중의 어느 하나는 단속적으로 추출하고, 다른 하나는 서로 중첩되도록 연속적으로 추출하는 방법으로 할 수 있다.추출하는 시퀀스는 반드시 연속적이여야 하는 것도 아니고, 충분히 짧은 시간간격동안 충분한 수로 추출하면 된다.(본 명세서에서는 기재의 편의를 위하여 시점에서 시퀀스를 단속적으로 추출하는 것으로 하고, 종점에서 시퀀스를 연속적으로 추출하는 것으로 한다. 그러나 그 반대로 시퀀스를 추출하는 것도 동일하다.)

3의 유사도비용계산단계는 단속적으로 추출한 시점 시퀀스와 연속적으로 추출한 종점 시퀀스들을 비교하여 시퀀스간의 유사도를 계산하는 단계이다. 유사도비용이란 두 시퀀스간의 유사도를 비교하여 유사도가 클수록 작은 값을 부여하고, 유사도가 낮을수록 큰 값을 부여하여 가상의 비용으로 환산한 값을 의미한다.

유사도비용계산의 구체적인 방법은 다음과 같다.

(1) 서로 비교하는 시점 시퀀스와 종점시퀀스에서 차종의 순서에 따라 각각 순번을 부여한다. 예를 들면, [A, B, C, D, E]의 시퀀스에서, A는 1, B는 2, C는 3, D는 4, E는 5이다.

(2) 시점 시퀀스와 종점 시퀀스에서 동일 차종이 나타나는 순번의 차이의 절대값으로 순번차이값을 구한다. 동일 차종이 없을 경우 로 통계적으로 아주 큰 값인 벌칙값값(예 : 1,000.000 등)을 부여한다. 예를 들어 시점시퀀스가 [A, B, C, D, E]이고, 종점 시퀀스가 [B, D, A, E, A]인 경우, A의 경우 3-1 = 2와 5-1 = 4이고, B의 경우 2-1 = 1이고, C의 경우 동일 차종이 없으므로 벌칙값으로 아주 큰 값으로 하고, D의 경우 4-2 = 2이고, E의 경우 5-4 = 1이다.

(3) 상기와 같이 구한 순번차이값에 가중함수를 곱하여 시퀀스 내의 각 차종별로 개별유사도비용을 계산한다.

가중함수를 선택하는 방법으로 가중함수를 1로 할 경우, 순번차이값이 바로 유사도 비용이 된다.

가중함수를 지수함수로 할 경우 가중함수는 순번차이값에 특정수(예 : 10, 또는 e)의 순번차이의 승수를 곱하여 구한다.(예 : 순번차이값이 3인 경우, 3×10³ 등) 이와 같이 지수함수를 가중함수로 할 경우, 순번차이값이 큰 경우 개별유사도 비용이 급격히 증가한다.

가중함수를 제곱근함수로 할 경우 가중함수는 순번차이값에 그 순번 치이값의 제곱근을 곱하여 구한다.(예 : 순번차이값이 3인 경우, 3×

등) 이와 같이 제곱근함수를 가중함수로 할 경우, 순번차이값이 비교적 작은 경우에도 개별유사도비용이 증가하고, 순번차이값이 클 경우 개별유사도비용의 증가 폭이 적다.

상기와 같이 가중함수를 지수함수 또는 제곱근함수로 선택할 때, 승수 또는 제곱근에 일정 값의 계수를 곱하여 사용할 수 있다. 그리고 승수와 루트 내부의 값이 0(영)이 되는 것을 방지하기 위하여 승수와 루트 내부의 값을 순번차이값에 0이 아닌 일정한 수(1 등)를 더한 수로 할 수도 있다.

가중함수를 1, 지수함수, 그리고 제곱근 함수로 했을 경우, 컴퓨터 시뮬레이션으로 구해진 오차율 그래프는 도 5의 그래프와 같다. 이 그래프에서 알 수 있듯이, 가중함수가 1인 경우 오차율은 최대 30%로서 현장에 적용하기 곤란한 수준이다. 그러나 가중함수로 지수함수 또는 제곱근함수로 했을 경우에는 모든 문제 유형에 대하여 오차율이 1% 범위 내에서 아주 안정적이고, 현장에 적용하기에 충분하 고, 아주 정확한 계산결과를 도출할 수 있음을 알 수 있다.

(4) 상기와 같이 구한 개별유사도비용을 시퀀스 내의 모든 차종에 대하여 합산하여 시퀀스유사도비용을 구한다.

시퀀스 유사도는 두 시퀀스의 차종의 배열 패튼이 유사할수록 작은 값을 가지게 되고, 차종의 배열 패튼이 상이할수록 큰 값을 가지게 된다.

4. 동일시퀀스추출단계는 상기 유사도비용계산단계에서 계산한 다수 시퀀스 쌍에 대하여 시퀀스유사도비용을 비교하여, 시점과 종점에서 추출한 시퀀스 중에서 동일한 것으로 판단되는 시퀀스를 추출하는 단계이다.

동일 시퀀스의 추출은 시점과 종점을 차량이 통과하는데 충분한 시간 동안 특정한 시점 시퀀스와 연속되는 종점의 시퀀스들로부터 구해지는 시퀀스유사도비용들을 비교하여 시퀀스유사도비용이 최소값이 되는 시퀀스 쌍을 동일 시퀀스로 간주한다.

동일 시퀀스의 추출에 필요한 시간은 차량이 시점에서 출발하여 종전에 도달하는데 충분한 시간으로 하고, 경우에 따라서는 여타 교통정보수집장치(예 차량 속도 검지장치인 스피드 건 등)로부터 받은 정보로부터 파악되는 도로의 대략적인 차량 주행 속도정보를 이용하여 적절한 시간 값으로 선정할 수 있다. 예를 들어 시점에서 종점까지 주행하는데 예상되는 주행시간이 3분이라면, 충분한 여유를 둔 5분간의 시퀀스유사도비용 중 최소값을 나타내는 시퀀스 쌍을 동일 시퀀스로 본다.

통상적으로 시점에서 추출된 특정 시퀀스 내의 차량들은 순서는 종점까지의 구간을 주행하면서 주행 속도의 차이 및 차로변경에 의하여 배열 순서도 바뀌게 되 고, 중간에 다른 시퀀스의 차량이 혼입되기도 하고, 그리고 구간 내의 교차로에 의한 차량의 유출입이 있을 수가 있으므로, 종점에서 시점시퀀스와 동일한 시퀀스가 나타날 경우(이 경우 시퀀스유사도비용은 0이된다.)는 거의 없다. 그러나 시퀀스의 패튼이 유사할수록 시퀀스유사도비용이 작아지므로, 일정 시간 동안의 시퀀스유사도비용 중 최소값을 나타내는 시점시퀀스와 종점시퀀스는 동일 시퀀스일 확률이 가장 높다.

5의 통과시간인식단계는 상기 동일시퀀스추출단계에서 추출된 동일한 시퀀스로 간주되는 시점시퀀스와 종점시퀀스의 추출시간의 차이를 시점과 종점 사이 구간 거리를 차량이 통과시간으로 인식하는 단계이다.

6의 속도계산단계는 시점과 종점 사이의 거리를 상기 통과시간인식단계에서 인식된 통과시간으로 나누어 차량의 속도를 계산하는 단계이다. 이렇게 구해진 구간의 차량 통과시간은 시퀀스 내의 차량들의 평균속도와 유사한 값이 되는데, 이를 전광판에 표시하거나 상황실로 전송하여 도로교통 정보로 활용할 수 있게 한다.

본 발명은 고속도로, 국도 등의 도로에서 교통정보, 특히 차량 주행속도를 수집하는 수단으로 사용될 수 있다.

도 1은 본 발명의 방법을 수행하는 절차의 흐름도이다.

도 2는 차종의 구분 수별 오차율 그래프이다.

도 3은 시퀀스의 길이별 오차율 그래프이다.

도 4는 시퀀스 추출 방법을 보인 것이다.

도 5는 가중함수의 종류별 오차율 그래프이다.

Claims (3)

1. 도로상의 일정 거리에 있는 시점과 종점에 설치되어 차종을 식별할 수 있는 차량검지장치와, 이 차량검지장치에서 검지된 차량의 차종을 식별하고, 일정 대수의 차량의 통과 순서로 시퀀스를 형성하고, 시퀀스들을 비교 연산하여 차량속도를 계산하는 기능을 구비한 데이터처리장치로 구성된 도로정보처리시스템을 이용하여,

   다음의 단계를 순차적으로 수행하여 도로 구간의 차량속도를 계산하는, 차종 시퀀스 패턴을 이용한 구간통행시간 계측방법.

   1. 시점과 종점을 통과하는 차량의 종류를 식별하는, 차종식별단계

   2. 시점과 종점을 순차적으로 연속하여 통과하는 일정 대수의 차량의 열을 추출하여 시퀀스를 추출하는, 시퀀스추출단계

   3. 상기 시퀀스추출단계에서 추출된 특정한 시점 시퀀스와 일정 시간구간 동안 순차적으로 추출된 종점의 시퀀스에 대하여 다음의 단계를 순차적으로 수행하여 유사도비용을 산출하는, 유사도비용계산단계

   (1) 시점 시퀀스와 종점 시퀀스에서 차종의 순서에 따라 각각 순번을 부여하는 단계

   (2) 시점 시퀀스와 종점 시퀀스에서 동일 차종이 없을 경우에는 통계적으로 아주 큰 값인 벌칙값을 부여하고, 동일 차종이 나타나는 경우에는 순번의 차이의 절대값으로 순번차이값을 구하는 단계

   (3) 상기와 같이 구한 순번차이값에 가중함수를 곱하여 시퀀스 내의 각 차종별로 개별유사도비용을 계산하는 단계

   (4) 상기와 같이 구한 개별유사도비용을 시퀀스 내의 모든 차종에 대하여 합산하여 시퀀스유사도비용을 계산하는 단계

   4. 시점과 종점을 차량이 통과하는데 충분한 시간 구간 내에서 상기 유사도비용계산단계에서 계산한 시퀀스유사도비용 중에서 최소값을 찾고, 이 최소 시퀀스유사도비용을 보이는 시점 시퀀스와 종점 시퀀스를 동일 시퀀스로 간주하는, 동일시퀀스추출단계

   5. 상기 동일시퀀스추출단계에서 추출된 시점 시퀀스와 종점 시퀀스의 추출시간의 차이를 차량이 시점과 종점 사이 구간의 통과하는 시간으로 인식하는, 통과시간인식단계

   6. 시점과 종점 사이의 거리를 상기 통과시간인식단계에서 인식된 통과시간으로 나누어 차량의 속도를 계산하는, 통행속도계산단계
2. 제 1항에 있어서,

   상기 2. 시퀀스추출단계는 종점과 시점의 시퀀스의 길이를 차량 15대로 하는 것을 특징으로 하는, 차종 시퀀스 패턴을 이용한 구간통행시간 계측방법.
3. 제 1항 또는 제2항에 있어서,

   상기 3. 유사도비용계산단계 중 (3) 시퀀스 내의 각 차종별로 개별유사도비용을 계산하는 단계에서 사용되는 가중함수는 지수함수 또는 제곱근함수인 것을 특징으로 하는, 차종 시퀀스 패턴을 이용한 구간통행시간 계측방법.

Images