KR101530636B1 - 단위구간 안의 차량의 수를 계수하여 교통밀도를 산출하는 장치 및 방법 - Google Patents

단위구간 안의 차량의 수를 계수하여 교통밀도를 산출하는 장치 및 방법 Download PDF

Info

Publication number
KR101530636B1
KR101530636B1 KR1020140156113A KR20140156113A KR101530636B1 KR 101530636 B1 KR101530636 B1 KR 101530636B1 KR 1020140156113 A KR1020140156113 A KR 1020140156113A KR 20140156113 A KR20140156113 A KR 20140156113A KR 101530636 B1 KR101530636 B1 KR 101530636B1
Authority
KR
South Korea
Prior art keywords
vehicles
section
vehicle
density
unit
Prior art date
Application number
KR1020140156113A
Other languages
English (en)
Inventor
문병섭
박범진
김지수
노창균
Original Assignee
한국건설기술연구원
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 한국건설기술연구원 filed Critical 한국건설기술연구원
Priority to KR1020140156113A priority Critical patent/KR101530636B1/ko
Application granted granted Critical
Publication of KR101530636B1 publication Critical patent/KR101530636B1/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
    • G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/065—Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Traffic Control Systems (AREA)

Abstract

본 발명은 시공도상에서 특정시각에 차량의 수를 측정하여 시간에 따른 차량 궤적을 관측함으로써, 전체 교통밀도를 추정하여 산출하는 장치 및 방법을 제공하기 위한 것으로서, 한정구간에서 도로에 진입하는 차량을 촬영하는 영상 촬영부와, 상기 영상 촬영부에서 촬영된 영상을 기반으로 미리 정의된 특정구간의 시공도상에서 특정시각에 측정되는 차량대수를 통해 시간에 따른 차량 궤적을 관측하여 전체 교통밀도를 추정하여 산정하는 밀도 산출부와, 상기 밀도 산출부에서 산정된 전체 교통밀도를 확인하고 이력을 저장하는 저장부를 포함하여 구성되는데 있다.

Description

단위구간 안의 차량의 수를 계수하여 교통밀도를 산출하는 장치 및 방법{Apparatus and Method for obtaining traffic density by counting cars number in unit section}
본 발명은 교통밀도를 산출하는 장치 및 방법에 관한 것으로, 특히 시공도상에서 특정시각에 차량의 수를 측정하여 시간에 따른 차량 궤적을 관측함으로써, 전체 교통밀도를 추정하여 산출하는 장치 및 방법에 관한 것이다.
Traffic Engineering(2004)에서는 밀도를 도로나 차선의 소정 길이를 점유하는 차량의 수로 정의한다. 일반적으로 밀도의 단위는 vehicles per mile(or km) per lane(veh/mile(km)/lane)이다. 그리고 KHCM(2013)에서는 특정시각, 단위 구간에 들어 있는 차량의 대수로 특정시각에 한 차로를 점유하고 있는 차량의 수를 구간 길이로 나눈 값으로 정의한다.
한편, 상기 Traffic Engineering(2004)에서 밀도는 도로현장에서 직접 산출이 어려우므로 속도와 교통량의 관계를 통하여 추정하는 것이 보통의 산출 방법임을 설명하였다. 또한, 밀도는 다른 거시적 변수(Macroscopic Parameter)와는 다르게 교통수요(Traffic Demand)와 교통류(Traffic Flow)의 질(Quality)을 직접적으로 반영하는데 유리함과 운전자의 운전전략에 대한 분석이 가능함을 언급하였다. 그리고 Traffic Flow Fundamental(1990)에서는 밀도가 향후 지능형교통시스템(Intelligent Transportation Systems)이 진화 할수록 더욱 중요한 지표로 활용될 것을 예상했다.
기존의 교통밀도를 산출하는 방법으로는 정의 기반의 항공사진 등의 이용방법, 지점 검지기의 점유율 등의 이용방법, 2개 이상의 검지기를 이용하여 입출력 카운트 이용방법, 관계식을 이용한 방법 등이 있다.
첫 번째로 상기 정의 기반의 항공사진 등의 이용방법은 밀도를 구하고자 하는 도로구간의 사진을 찍어서 사진안의 차량을 집계(count)하는 방법으로 논란의 여지없는 가장 정확한 방법일 것이다. 또한 사진을 이용하는 방법은 공중에서 사진을 촬영하는 위치와 방법에 따라 고정된 스폿 관측자(Fixed Spot Observer)와 이동 관측자(Moving Observer)로 나눈다.
그러나 이는 모두 어떤 특정한 곳을 지속적으로 촬영하여 교통변수를 얻어내어 교통류를 연구하기 보다는 항공촬영으로 교통 분석에 적용할 수 있는 가능성과 항공촬영을 위한 방법·장비 등을 소개하고, 교통변수화하기 위한 항공사진 연결 및 보정 방법을 알아보는 수준에서 연구를 진행한 것으로 보인다.
두 번째로 상기 지점 검지기의 점유율 등의 이용방법은 차량검지기의 발전에 따라 만들어진 방법으로 검지기를 통해 얻어지는 데이터인 점유율을 이용한 방법이다. 상기 점유율은 시간점 또는 도로의 짧은 부분을 퍼센트로 나타낸 점유율로 정의한다. 그래서 점유율은 해당지점에 차량이 한 대도 지나가지 않을 때는 0이 될 것이고, 해당지점에 계속 차량이 존재하고 있었다면 100일 것이다.
Figure 112014108441445-pat00001
상기 수학식 1은 점유율을 통하여 밀도를 구하는 수학식으로, Occ는 점유율(Occupancy(%))을 나타내고, K는 교통밀도(Traffic Density(veh/km))를, L은 평균차량길이(Average vehicle Length(m))를, d는 검지 길이(Range of Detection(m))를 나타낸다.
상기 수학식 1을 참조하여 설명하면, 평균차량길이(L)가 일정하고, 평균차량길이와 검지 길이(d)의 합을 약 6.7m로 가정한다면, 점유율(Occ)이 12에서 28사이일 때는 교통밀도(K)는 18.8veh/km에서 41.9veh/km가 될 것이다. 이 방법은 현재 널리 사용되는 방법으로 일찍이 많은 연구자들에 의하여 점유율과 밀도와의 관계가 비례함을 보인 적이 있다. 하지만, 이는 비연속류와 정체 시에 점유율과 밀도와의 관계는 밝혀진 예가 드물고, 점유율을 밀도로 변환하는 데 있어서 차량의 길이가 항상 일정(Uniform)하다고 가정하여야 한다는 약점이 있다.
세 번째로 2개 이상의 검지기를 이용하여 입출력 카운트 이용방법은 도로의 특정구간에 특정거리와 초기시간을 설정하여 시간의 흐름에 따라 해당구간을 들어오고 나가는 차량을 누적·집계하는 방법으로 검지기 등을 이용하여 쉽게 구할 수 있다. 하지만, 초기값(initial value) 설정, 즉, 집계를 시작하는 시간의 도로안의 차량을 고려하여 집계하기가 어려운 단점이 있다.
네 번째로 관계식을 이용한 방법은 교통류변수들 간의 관계를 이용한 방법으로, 거시적인 교통류 변수인 교통량, 속도, 밀도는 다음 수학식 2가 성립된다.
Figure 112014108441445-pat00002
이때, 상기
Figure 112014108441445-pat00003
는 평균 교통밀도(Average Traffic Density(veh/km))를 나타내고 있으며, 상기
Figure 112014108441445-pat00004
는 교통량(Flow Rate(veh/h))을 , 상기
Figure 112014108441445-pat00005
는 속도(Space Mean Speed(km/h))를 나타낸다.
이처럼, 교통량과 속도를 알고 있다면 밀도는 상기 수학식 2의 관계에 의하여 2차적으로 추정할 수 있다. 특히 검지기술의 발전은 현실에 가까운 교통량과 속도의 값을 집계하게 되었으며 검지기를 이용하여 산출한 교통량과 속도는 현실과 크게 오차가 없음이 여러 연구를 통하여 검증되어 있다. 또한, HCM 2010 등에서는 상기 방법으로 산출한 교통밀도를 LOS 판정에 이용한다.
한편, 관계식으로 밀도를 산출 시에는 관계식 사용조건을 만족하여야 한다. 관계식 사용조건을 예를 들어 설명하면 다음과 같다.
도 1 은 일반적인 양방향 4차선 연속류 도로의 한 부분을 나타낸 도면이다.
도로를 구분하면 그림의 좌우측진출입로의 시작에서 400m까지는 연결로의 영향권이며, 가운데 700m구간만을 기본구간으로 구분한다. 따라서 700m안의 교통밀도를 직접측정하지 않고, 관계식을 이용하여 산출하기 위해서는 교통량변수는 '개별차량이 걸린 시간 안에 700m을 지난 차량의 숫자'를 집계해야 할 것이며, 속도는 '개별차량이 700m을 통과하는데 걸린 시간'을 측정해야 한다. 하지만, 검지기에서 수집되는 그림의 구간 특정 한 지점에서 측정되는 시간당교통량으로 수집되며, 속도 역시 개별차량의 공간평균속도(SMS)가 아닌 지점의 시간평균속도일 뿐이다. 이는 반대로 말해 그림의 700m 기본구간을 대표하는 교통밀도는 아닐 것이 예상된다.
등록특허공보 제10-0279333호 : 교통지체계측방법 및 장치 및 화상처리방법 및 장치 등록특허공보 제10-0970404호 : 차량밀도 검지 방법 및 시스템
따라서 본 발명은 상기와 같은 문제점을 해결하기 위해 안출한 것으로서, 시공도상에서 특정시각에 차량의 수를 측정하여 시간에 따른 차량 궤적을 관측함으로써, 전체 교통밀도를 추정하여 산출하는 장치 및 방법을 제공하는데 그 목적이 있다.
본 발명의 다른 목적들은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
상기와 같은 목적을 달성하기 위한 본 발명에 따른 단위구간 안의 차량의 수를 계수하여 교통밀도를 산출하는 장치의 특징은 한정구간에서 도로에 진입하는 차량을 촬영하는 영상 촬영부와, 상기 영상 촬영부에서 촬영된 영상을 기반으로 미리 정의된 특정구간의 시공도상에서 특정시각에 측정되는 차량대수를 통해 시간에 따른 차량 궤적을 관측하여 전체 교통밀도를 추정하여 산정하는 밀도 산출부와, 상기 밀도 산출부에서 산정된 전체 교통밀도를 확인하고 이력을 저장하는 저장부를 포함하여 구성되는데 있다.
바람직하게 상기 밀도 산출부는 영상 촬영부에서 촬영된 영상을 기반으로 특정구간의 시공도상에서의 차량대수를 기반으로 평균 차량대수를 산정하는 차량대수 산정부와, 상기 차량대수 산정부에서 산정된 평균 차량대수를 기반으로 표본집단 개수의 평균 차량대수의 분산을 산정하는 분산 산정부와, 상기 분산 산정부에서 산정된 특정구간의 시공도상에서의 평균 차량대수의 분산을 기반으로 모집단의 평균 차량대수에 근사하여 전체구간 안의 차량 수를 추정하는 차량수 추정부와, 상기 차량수 추정부에서 추정된 전체구간 안의 차량수를 기반으로 해당 시점의 도로구간의 전체 교통밀도를 추정하여 산정하는 전체밀도 산정부를 포함하여 구성되는 것을 특징으로 한다.
바람직하게 상기 표본집단 개수는 표본차량이 속해있는 교통류의 상태에 의해 결정되며, 상기 교통류의 상태는 도로의 서비스 수준(Level of Service : LOS)으로 표현되는 것을 특징으로 한다.
상기와 같은 목적을 달성하기 위한 본 발명에 따른 단위구간 안의 차량의 수를 계수하여 교통밀도를 산출하는 방법의 특징은 (A) 영상 촬영부를 통해 한정구간 도로에 진입하는 차량을 촬영하는 단계와, (B) 상기 촬영된 영상을 기반으로 미리 정의된 특정구간의 시공도상에서의 전체 차량대수를 기반으로 평균 차량대수를 산정하는 단계와, (C) 상기 산정된 평균 차량대수를 기반으로 표본집단 개수의 평균 차량대수의 분산을 산정하는 단계와, (D) 상기 산정된 특정구간의 시공도상에서의 평균 차량대수 분산을 기반으로 모집단의 평균 차량대수에 근사하여 전체구간 안의 차량수를 추정하는 단계와, (E) 상기 추정된 전체구간 안의 차량수를 기반으로 해당 시점의 도로구간의 전체 교통밀도를 추정하여 산정하는 단계를 포함하여 이루어지는 것을 특징으로 한다.
바람직하게 상기 (B) 단계는 수식
Figure 112014108441445-pat00006
로 전체 차량대수를 정의하며, 이때, 상기 t는 특정시각을, 상기 x는 특정지점을, 상기 c는 시공도상의 특정구간에 대한 선적분 레인지(range)를, 상기
Figure 112014108441445-pat00007
는 t, x에서의 차량대수를 나타내는 것을 특징으로 한다.
바람직하게 상기 (C) 단계는 수식
Figure 112014108441445-pat00008
로 산정된 평균 차량대수를 정의하고, 이 수식을 기반으로 수식
Figure 112014108441445-pat00009
으로 특정구간에서의 평균 차량개수의 분산을 정의하여 산정하며, 이때, 상기
Figure 112014108441445-pat00010
는 표본집단 평균 차량대수(pc/Km/lane)를, 상기
Figure 112014108441445-pat00011
는 모집단(밀도) 평균 차량대수(pc/Km/lane)를, 상기
Figure 112014108441445-pat00012
는 모집단(밀도)평균 차량대수의 분산(pc/Km/lane)을, 상기
Figure 112014108441445-pat00013
는 표본집단 평균 차량대수의 분산(pc/Km/lane)을, 그리고 상기
Figure 112014108441445-pat00014
은 표본집단 개수(개)를 나타내는 것을 특징으로 한다.
이상에서 설명한 바와 같은 본 발명에 따른 단위구간 안의 차량의 수를 계수하여 교통밀도를 산출하는 장치 및 방법은 시공도상에서 특정시각에 거리에 표현된 전체차량 대수를 이용하여 차량의 수를 측정함에 따라 모집단의 평균 차량대수에 근사하여 전체도로(1Km)안의 차량수를 보다 정확하게 추정할 수 있는 효과가 있다.
또한 산출되는 교통밀도는 교통류의 고유한 특성으로, 밀도값을 정확히 측정함으로써 정체의 시작, 확산, 강도 및 변화에 대해 명확한 진단이 가능하고 이를 바탕으로 가변속도제어, 램프미터링 등 교통류 상태에 맞는 최적의 교통류 제어 및 관리가 가능하다. 그리고 이를 통해 정체감소에 따른 시간과 사회적 비용의 감축효과를 가져올 것으로 기대한다.
아울러, 이는 향후 지능형 교통시스템이 진화할수록 더욱 중요한 지표로 활용될 것이다.
도 1 은 일반적인 양방향 4차선 연속류 도로의 한 부분을 나타낸 도면
도 2 는 본 발명의 실시예에 따른 단위구간 안의 차량의 수를 계수하여 교통밀도를 산출하는 장치의 구성을 나타낸 블록도
도 3 은 본 발명의 실시예에 따른 단위구간 안의 차량의 수를 계수하여 교통밀도를 산출하는 방법을 설명하기 위한 흐름도
도 4a는 시공도상에서 특정시각에 차량의 수를 측정하는데 필요한 거리를 표현한 그래프
도 4b 내지 도 4d는 시간(그림에서는
Figure 112014108441445-pat00015
,
Figure 112014108441445-pat00016
,
Figure 112014108441445-pat00017
)에 따라, 시공도(Time-Space Diagram)를 Ⅰ→Ⅲ과 같이 표현한 그래프
도 5 는 도 4b 내지 도 4d에서 나타낸 나누어진 시공도를 나타낸 도면
도 6 은 도 3에서 모집단의 평균 차량대수에 근사하여 전체구간(1km)안의 차량수를 추정하는 과정을 설명하기 위한 도면
본 발명의 다른 목적, 특성 및 이점들은 첨부한 도면을 참조한 실시예들의 상세한 설명을 통해 명백해질 것이다.
본 발명에 따른 단위구간 안의 차량의 수를 계수하여 교통밀도를 산출하는 장치 및 방법의 바람직한 실시예에 대하여 첨부한 도면을 참조하여 설명하면 다음과 같다. 그러나 본 발명은 이하에서 개시되는 실시예에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예는 본 발명의 개시가 완전하도록하며 통상의 지식을 가진자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이다. 따라서 본 명세서에 기재된 실시예와 도면에 도시된 구성은 본 발명의 가장 바람직한 일 실시예에 불과할 뿐이고 본 발명의 기술적 사상을 모두 대변하는 것은 아니므로, 본 출원시점에 있어서 이들을 대체할 수 있는 다양한 균등물과 변형예들이 있을 수 있음을 이해하여야 한다.
도 2 는 본 발명의 실시예에 따른 단위구간 안의 차량의 수를 계수하여 교통밀도를 산출하는 장치의 구성을 나타낸 블록도이다.
도 2에서 도시하고 있는 것과 같이, 본 발명의 교통밀도 산출 장치는 한정구간에서 도로에 진입하는 차량을 촬영하는 영상 촬영부(100)와, 상기 영상 촬영부(100)에서 촬영된 영상을 기반으로 특정구간(10~50m)의 시공도상에서 특정시각에 측정되는 차량대수를 통해 시간에 따른 차량 궤적을 관측하여 전체 교통밀도를 추정하여 산정하는 밀도 산출부(200)와, 상기 밀도 산출부(200)에서 산정된 전체 교통밀도를 확인하고 이력을 저장하는 저장부(300)로 구성된다.
한편, 상기 밀도 산출부(200)는 상기 영상 촬영부(100)에서 촬영된 영상을 기반으로 특정구간(10~50m)의 시공도상에서의 차량대수를 기반으로 평균 차량대수를 산정하는 차량대수 산정부(210)와, 상기 차량대수 산정부(210)에서 산정된 평균 차량대수를 기반으로 표본집단 개수의 평균 차량대수의 분산을 산정하는 분산 산정부(220)와, 상기 분산 산정부(220)에서 산정된 특정구간(10~50m)의 시공도상에서의 평균 차량대수의 분산을 기반으로 모집단의 평균 차량대수에 근사하여 전체구간(1Km) 안의 차량수를 추정하는 차량수 추정부(230)와, 상기 차량수 추정부(230)에서 추정된 전체구간 안의 차량수를 기반으로 해당 시점의 도로구간의 전체 교통밀도를 추정하여 산정하는 전체밀도 산정부(240)로 구성된다.
이때, 상기 표본집단 개수는 표본차량이 속해있는 교통류의 상태에 의해 결정되며, 교통류의 상태는 도로의 서비스 수준(Level of Service : LOS)으로 표현하며, LOS는 A부터 F까지 총 6개 단계로 구분한다. LOS A는 소통이 원활한 자유 교통류 상태이며, LOS 단계가 F에 가까울수록 교통량이 증가하여 LOS F는 극심한 정체상태를 의미한다. 따라서 LOS F에 가까울수록 표본집단의 개수 또한 모집단의 수가 증가함에 따라 함께 증가한다.
이와 같이 구성된 본 발명에 따른 단위구간 안의 차량의 수를 계수하여 교통밀도를 산출하는 장치의 동작을 첨부한 도면을 참조하여 상세히 설명하면 다음과 같다. 도 2와 동일한 참조부호는 동일한 기능을 수행하는 동일한 부재를 지칭한다.
도 3 은 본 발명의 실시예에 따른 단위구간 안의 차량의 수를 계수하여 교통밀도를 산출하는 방법을 설명하기 위한 흐름도이다.
도 3을 참조하여 설명하면, 먼저 한정구간에 차량이 진입하면(S10), 영상 촬영부(100)를 통해 도로에 진입하는 차량을 촬영한다(S20).
그러면, 차량대수 산정부(210)를 통해 촬영된 영상을 기반으로 특정구간(10~50m)의 시공도상에서의 전체 차량대수를 기반으로 평균 차량대수를 산정한다(S30).
이때, 상기 평균 차량대수를 산정하는 과정을 도면을 참조하여 상세히 설명하면, 다음과 같다.
도 4a는 시공도상에서 특정시각에 차량의 수를 측정하는데 필요한 거리를 표현한 그래프이며, 도 4b 내지 도 4d는 도 5의 도면을 시간(그림에서는
Figure 112014108441445-pat00018
,
Figure 112014108441445-pat00019
,
Figure 112014108441445-pat00020
)에 따라, 시공도(Time-Space Diagram)를 Ⅰ→Ⅲ과 같이 표현한 그래프이다.
이때, 도 4a 내지 도 4d에서 도시하고 있는 도면 안의 사선은 차량의 궤적이며, 교통상태가 일정하다면 어떤 특정한 시점에서 일정거리안의 차량을 시간(도면에서 t)동안 관측하면 결국 시공도안의 점선으로 표현한 차량 군들 전부를 관측할 수 있음을 보여준다. 도면에서는 점선사각형 셀 안의 점선으로 그려진 화살표가 차량의 대수가 될 것이며, 이는 점선사각형 셀이 몇 개 모여 있어도 가능할 것이다.
결국, 도면 속에 차량궤적 7개를
Figure 112014108441445-pat00021
시점에서 2t가 지난 후의 관측할 수 있음을 의미한다. 따라서 이러한 한정구간에서는 교통상태가 일정하다면, 차량들의 시공간에 대한 함수는 정해진 시간과 공간에 대해서는 변하지 않는 유일한 값이라고 정의할 수 있으므로, 밀도로 생각되는 전체 차량대수는 항상 다음과 같은 수학식 3으로 정의할 수 있다.
Figure 112014108441445-pat00022
이때, 상기 t는 특정시각을 나타내며, 상기 x는 특정지점을, 상기 c는 시공도상의 특정구간에 대한 선적분 레인지(range)를, 상기
Figure 112014108441445-pat00023
는 t, x에서의 차량대수를 나타낸다.
그리고 분산 산정부(220)를 통해 상기 차량대수 산정부(210)에서 산정된 평균 차량대수를 기반으로 표본집단 개수의 평균 차량대수의 분산을 산정한다(S40). 결국, 이는 다음 수학식 4의 식으로 표현할 수 있으며, 다시 특정구간에서의 평균 차량개수의 분산으로 다음 수학식 5의 식으로 표현할 수 있다. 도 6 은 수학식 5를 기반으로 10~50m의 특정구간에서의 평균 차량개수의 분산을 산정한 실시예를 나타내고 있다.
Figure 112014108441445-pat00024
Figure 112014108441445-pat00025
이때, 상기
Figure 112014108441445-pat00026
는 표본집단(10~50m) 평균 차량대수(pc/Km/lane)를 나타내며, 상기
Figure 112014108441445-pat00027
는 모집단(밀도) 평균 차량대수(pc/Km/lane)를, 상기
Figure 112014108441445-pat00028
는 모집단(밀도)평균 차량대수의 분산(pc/Km/lane)을, 상기
Figure 112014108441445-pat00029
는 표본집단(10~50m) 평균 차량대수의 분산(pc/Km/lane)을, 그리고 상기
Figure 112014108441445-pat00030
은 표본집단 개수(개)를 나타낸다.
여기서 표본집단 개수(n)은 표본차량이 속해있는 교통류의 상태에 의해 결정된다. 교통류의 상태는 도로의 서비스수준(Level of Service, LOS)으로 표현하며, LOS는 A부터 F까지 총 6개 단계로 구분한다. 여기서 LOS A는 소통이 원활한 자유 교통류 상태이며, LOS 단계가 F에 가까울수록 교통량이 증가하여 LOS F는 극심한 정체상태를 의미한다. 따라서 LOS F에 가까울수록 표준집단의 개수(n) 또한 모집단의 수가 증가함에 따라 함께 증가한다.
그리고 상기 산정된 특정구간(10~50m)의 시공도상에서의 평균 차량대수의 분산을 기반으로 차량수 추정부(230)를 통해 모집단의 평균 차량대수에 근사하여 전체구간(1Km) 안의 차량수를 추정한다(S50). 즉, 10~50m 안에 위치한 차량계수를 경계에 위치한 차량까지 0.25대 단위로 정확하게 측정할 경우, 이를 N번 이상(혹은 N초 이상)만 한다면 이는 모집단의 평균 차량대수에 근사하여 1km안의 전체구간 차량수를 추정할 수 있다.
이어 전체밀도 산정부(240)를 통해 상기 추정된 전체구간 안의 차량수를 기반으로 해당 시점의 도로구간의 전체 교통밀도를 추정하여 산정하여(S60), 산정된 전체 교통밀도를 확인하고 이력을 저장부(300)에 저장한다(S70).
상기에서 설명한 본 발명의 기술적 사상은 바람직한 실시예에서 구체적으로 기술되었으나, 상기한 실시예는 그 설명을 위한 것이며 그 제한을 위한 것이 아님을 주의하여야 한다. 또한, 본 발명의 기술적 분야의 통상의 지식을 가진자라면 본 발명의 기술적 사상의 범위 내에서 다양한 실시예가 가능함을 이해할 수 있을 것이다. 따라서 본 발명의 진정한 기술적 보호 범위는 첨부된 특허청구범위의 기술적 사상에 의해 정해져야 할 것이다.

Claims (7)

  1. 한정구간에서 도로에 진입하는 차량을 촬영하는 영상 촬영부와,
    상기 영상 촬영부에서 촬영된 영상을 기반으로 미리 정의된 특정구간의 시공도상에서 특정시각에 측정되는 차량대수를 통해 시간에 따른 차량 궤적을 관측하여 전체 교통밀도를 추정하여 산정하는 밀도 산출부와,
    상기 밀도 산출부에서 산정된 전체 교통밀도를 확인하고 이력을 저장하는 저장부를 포함하여 구성되고,
    이때, 상기 밀도 산출부는
    영상 촬영부에서 촬영된 영상을 기반으로 특정구간의 시공도상에서의 차량대수를 기반으로 평균 차량대수를 산정하는 차량대수 산정부와,
    상기 차량대수 산정부에서 산정된 평균 차량대수를 기반으로 표본집단 개수의 평균 차량대수의 분산을 산정하는 분산 산정부와,
    상기 분산 산정부에서 산정된 특정구간의 시공도상에서의 평균 차량대수의 분산을 기반으로 모집단의 평균 차량대수에 근사하여 전체구간 안의 차량수를 추정하는 차량수 추정부와,
    상기 차량수 추정부에서 추정된 전체구간 안의 차량수를 기반으로 해당 시점의 도로구간의 전체 교통밀도를 추정하여 산정하는 전체밀도 산정부를 포함하여 구성되는 것을 특징으로 하는 단위구간 안의 차량의 수를 계수하여 교통밀도를 산출하는 장치.
  2. 삭제
  3. 제 1 항에 있어서,
    상기 표본집단 개수는 표본차량이 속해있는 교통류의 상태에 의해 결정되며, 상기 교통류의 상태는 도로의 서비스 수준(Level of Service : LOS)으로 표현되는 것을 특징으로 하는 단위구간 안의 차량의 수를 계수하여 교통밀도를 산출하는 장치.
  4. (A) 영상 촬영부를 통해 한정구간 도로에 진입하는 차량을 촬영하는 단계와,
    (B) 상기 촬영된 영상을 기반으로 미리 정의된 특정구간의 시공도상에서의 전체 차량대수를 기반으로 평균 차량대수를 산정하는 단계와,
    (C) 상기 산정된 평균 차량대수를 기반으로 표본집단 개수의 평균 차량대수의 분산을 산정하는 단계와,
    (D) 상기 산정된 특정구간의 시공도상에서의 평균 차량대수 분산을 기반으로 모집단의 평균 차량대수에 근사하여 전체구간 안의 차량수를 추정하는 단계와,
    (E) 상기 추정된 전체구간 안의 차량수를 기반으로 해당 시점의 도로구간의 전체 교통밀도를 추정하여 산정하는 단계를 포함하여 이루어지는 것을 특징으로 하는 단위구간 안의 차량의 수를 계수하여 교통밀도를 산출하는 방법.
  5. 제 4 항에 있어서, 상기 (B) 단계는
    수식
    Figure 112014108441445-pat00031
    로 전체 차량대수를 정의하며,
    이때, 상기 t는 특정시각을, 상기 x는 특정지점을, 상기 c는 시공도상의 특정구간에 대한 선적분 레인지(range)를, 상기
    Figure 112014108441445-pat00032
    는 t, x에서의 차량대수를 나타내는 것을 특징으로 하는 단위구간 안의 차량의 수를 계수하여 교통밀도를 산출하는 방법.
  6. 제 4 항에 있어서, 상기 (C) 단계는
    수식
    Figure 112014108441445-pat00033
    로 산정된 평균 차량대수를 정의하고, 이 수식을 기반으로 수식
    Figure 112014108441445-pat00034
    으로 특정구간에서의 평균 차량개수의 분산을 정의하여 산정하며,
    이때, 상기
    Figure 112014108441445-pat00035
    는 표본집단 평균 차량대수(pc/Km/lane)를, 상기
    Figure 112014108441445-pat00036
    는 모집단(밀도) 평균 차량대수(pc/Km/lane)를, 상기
    Figure 112014108441445-pat00037
    는 모집단(밀도)평균 차량대수의 분산(pc/Km/lane)을, 상기
    Figure 112014108441445-pat00038
    는 표본집단 평균 차량대수의 분산(pc/Km/lane)을, 그리고 상기
    Figure 112014108441445-pat00039
    은 표본집단 개수(개)를 나타내는 것을 특징으로 하는 단위구간 안의 차량의 수를 계수하여 교통밀도를 산출하는 방법.
  7. 제 6 항에 있어서,
    상기 표본집단 개수(n)는 표본차량이 속해있는 교통류의 상태에 의해 결정되며, 상기 교통류의 상태는 도로의 서비스수준(Level of Service, LOS)으로 표현되는 것을 특징으로 하는 단위구간 안의 차량의 수를 계수하여 교통밀도를 산출하는 방법.
KR1020140156113A 2014-11-11 2014-11-11 단위구간 안의 차량의 수를 계수하여 교통밀도를 산출하는 장치 및 방법 KR101530636B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020140156113A KR101530636B1 (ko) 2014-11-11 2014-11-11 단위구간 안의 차량의 수를 계수하여 교통밀도를 산출하는 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020140156113A KR101530636B1 (ko) 2014-11-11 2014-11-11 단위구간 안의 차량의 수를 계수하여 교통밀도를 산출하는 장치 및 방법

Publications (1)

Publication Number Publication Date
KR101530636B1 true KR101530636B1 (ko) 2015-06-23

Family

ID=53519560

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020140156113A KR101530636B1 (ko) 2014-11-11 2014-11-11 단위구간 안의 차량의 수를 계수하여 교통밀도를 산출하는 장치 및 방법

Country Status (1)

Country Link
KR (1) KR101530636B1 (ko)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105096614A (zh) * 2015-09-23 2015-11-25 南京遒涯信息技术有限公司 基于生成型深信度网络的新建路口交通流量预测方法
CN106981197A (zh) * 2017-05-23 2017-07-25 招商局重庆交通科研设计院有限公司 多级路网交通速度控制方法
KR101803891B1 (ko) * 2017-03-17 2017-12-28 주식회사 트라콤 셀영역별 교통인수와 객체추적 모듈로 이루어진 하이브리드형 셀영역 기반 교통상황 실시간 통보장치 및 방법
KR101881467B1 (ko) 2017-09-29 2018-07-25 한국건설기술연구원 도로축 기반 불법주차 관리시스템 및 그의 불법주차 관리방법
CN109191839A (zh) * 2018-09-13 2019-01-11 江南大学 基于深度学习的车辆分类与计数方法
CN111009123A (zh) * 2019-11-20 2020-04-14 安徽百诚慧通科技有限公司 一种基于prefixspan算法的车辆频繁轨迹挖掘方法及系统
KR102245580B1 (ko) * 2020-09-22 2021-04-29 재단법인차세대융합기술연구원 Adas 데이터를 이용한 교통 밀도를 추정하는 관제 서버
KR102365906B1 (ko) 2020-11-25 2022-02-22 이화여자대학교 산학협력단 차량 간 통신에 기반하여 관심지역에서 트래픽 밀집도를 추정하는 방법
CN115457764A (zh) * 2022-08-24 2022-12-09 华南理工大学 基于车辆轨迹数据的路段交通密度估测方法、装置及介质
KR20230102257A (ko) 2021-12-30 2023-07-07 주식회사 오션소프트 단속류 신호교차로 초기대기열 처리 및 링크별 교통량-밀도를 이용한 신호등 운영시스템 및 운영방법

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20020092107A (ko) * 2001-06-02 2002-12-11 엘지산전 주식회사 영상정보를 이용한 교통정보 추출 방법 및 장치
KR100688390B1 (ko) * 2005-08-25 2007-03-02 브이앤아이 주식회사 교통정보 검지시스템 및 이를 이용한 교통정보 검지방법
KR20090124197A (ko) * 2008-05-29 2009-12-03 주식회사 세인시스템 복합검지체계를 가진 교통정보 예측 복합 검지기 및교통정보 예측 방법
KR101259510B1 (ko) * 2011-12-28 2013-05-06 전자부품연구원 신뢰성 높은 교통 정보 제공 장치 및 방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20020092107A (ko) * 2001-06-02 2002-12-11 엘지산전 주식회사 영상정보를 이용한 교통정보 추출 방법 및 장치
KR100688390B1 (ko) * 2005-08-25 2007-03-02 브이앤아이 주식회사 교통정보 검지시스템 및 이를 이용한 교통정보 검지방법
KR20090124197A (ko) * 2008-05-29 2009-12-03 주식회사 세인시스템 복합검지체계를 가진 교통정보 예측 복합 검지기 및교통정보 예측 방법
KR101259510B1 (ko) * 2011-12-28 2013-05-06 전자부품연구원 신뢰성 높은 교통 정보 제공 장치 및 방법

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105096614A (zh) * 2015-09-23 2015-11-25 南京遒涯信息技术有限公司 基于生成型深信度网络的新建路口交通流量预测方法
KR101803891B1 (ko) * 2017-03-17 2017-12-28 주식회사 트라콤 셀영역별 교통인수와 객체추적 모듈로 이루어진 하이브리드형 셀영역 기반 교통상황 실시간 통보장치 및 방법
CN106981197A (zh) * 2017-05-23 2017-07-25 招商局重庆交通科研设计院有限公司 多级路网交通速度控制方法
CN106981197B (zh) * 2017-05-23 2019-10-22 招商局重庆交通科研设计院有限公司 多级路网交通速度控制方法
KR101881467B1 (ko) 2017-09-29 2018-07-25 한국건설기술연구원 도로축 기반 불법주차 관리시스템 및 그의 불법주차 관리방법
CN109191839A (zh) * 2018-09-13 2019-01-11 江南大学 基于深度学习的车辆分类与计数方法
CN111009123A (zh) * 2019-11-20 2020-04-14 安徽百诚慧通科技有限公司 一种基于prefixspan算法的车辆频繁轨迹挖掘方法及系统
KR102245580B1 (ko) * 2020-09-22 2021-04-29 재단법인차세대융합기술연구원 Adas 데이터를 이용한 교통 밀도를 추정하는 관제 서버
KR102365906B1 (ko) 2020-11-25 2022-02-22 이화여자대학교 산학협력단 차량 간 통신에 기반하여 관심지역에서 트래픽 밀집도를 추정하는 방법
KR20230102257A (ko) 2021-12-30 2023-07-07 주식회사 오션소프트 단속류 신호교차로 초기대기열 처리 및 링크별 교통량-밀도를 이용한 신호등 운영시스템 및 운영방법
CN115457764A (zh) * 2022-08-24 2022-12-09 华南理工大学 基于车辆轨迹数据的路段交通密度估测方法、装置及介质
CN115457764B (zh) * 2022-08-24 2023-07-18 华南理工大学 基于车辆轨迹数据的路段交通密度估测方法、装置及介质

Similar Documents

Publication Publication Date Title
KR101530636B1 (ko) 단위구간 안의 차량의 수를 계수하여 교통밀도를 산출하는 장치 및 방법
CN109448367B (zh) 一种基于大数据图像采集的智能道路交通追踪管理系统
US20200211374A1 (en) System, method, and apparatus for analyzing a traffic road condition
Seo et al. Estimation of flow and density using probe vehicles with spacing measurement equipment
JP5374067B2 (ja) 交通状態シミュレーション装置及びプログラム
US11127289B2 (en) Traffic congestion estimating device, traffic congestion estimating method, and recording medium storing program thereof
CN101739824B (zh) 基于数据融合技术的交通状况估计方法
US20130197790A1 (en) Method and system for traffic performance analysis, network reconfiguration, and real-time traffic monitoring
JP5901838B2 (ja) リンクにおける未来の移動時間を予測する方法
CN107085944B (zh) 一种交通数据处理系统及方法
CN108091137B (zh) 一种信号灯控制方案的评价方法及装置
CN102819954A (zh) 交通区域动态地图监控预测系统
CN104900054B (zh) 交通状态的判定方法和装置
KR102250795B1 (ko) 환경 통합 모니터링 모듈을 이용한 환경 통합 모니터링 장치 및 그 방법
Stipancic et al. Impact of congestion and traffic flow on crash frequency and severity: application of smartphone-collected GPS travel data
CN104464307A (zh) 一种基于视频的隧道交通拥堵事件自动检测方法及装置
Moghaddam et al. Evaluating the performance of algorithms for the detection of travel time outliers
EP3665512B1 (en) Real-time computation of an atmospheric precipitation rate from a digital image of an environment where an atmospheric precipitation is taking place
Houchin et al. Measurement and analysis of heterogenous vehicle following behavior on urban freeways: Time headways and standstill distances
Hargrove et al. Empirical evaluation of the accuracy of technologies for measuring average speed in real time
KR100782205B1 (ko) 영상검지를 이용한 차량속도 표시 장치 및 시스템
Pirc et al. Using the robust statistics for travel time estimation on highways
Weng et al. Freeway travel speed calculation model based on ETC transaction data
Gong et al. Estimating link travel time with sparse GPS data on highway corridors
CN205247622U (zh) 一种车辆排队长度监测系统

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant