KR101598343B1 - 정체 시공간 패턴 자동인식 시스템 및 그 방법 - Google Patents

정체 시공간 패턴 자동인식 시스템 및 그 방법 Download PDF

Info

Publication number
KR101598343B1
KR101598343B1 KR1020140127113A KR20140127113A KR101598343B1 KR 101598343 B1 KR101598343 B1 KR 101598343B1 KR 1020140127113 A KR1020140127113 A KR 1020140127113A KR 20140127113 A KR20140127113 A KR 20140127113A KR 101598343 B1 KR101598343 B1 KR 101598343B1
Authority
KR
South Korea
Prior art keywords
time
space
area
congestion
stagnation
Prior art date
Application number
KR1020140127113A
Other languages
English (en)
Inventor
박은미
Original Assignee
목원대학교 산학협력단
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 목원대학교 산학협력단 filed Critical 목원대학교 산학협력단
Priority to KR1020140127113A priority Critical patent/KR101598343B1/ko
Application granted granted Critical
Publication of KR101598343B1 publication Critical patent/KR101598343B1/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
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions

Landscapes

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

Abstract

본 발명은 정체 시공간 패턴 자동인식 시스템 및 방법에 관한 것으로서, 지능형교통시스템(Intelligent Transportation System: ITS)의 서브시스템인 차량검지시스템(Vehicle Detection System: VDS)으로부터 데이터를 수집하고, 데이터베이스에 저장한 속도에 대한 시공간 이력데이터를 입력받아 정체 시공간 패턴을 자동으로 인식하는 가공서버에서, 속도 시공도(time-space diagram) 생성모듈이 속도 시공도를 생성하는 단계, 영역구분모듈이 속도 시공도에서 비정체 시공간 영역과 정체 시공간 영역을 자동으로 구분하는 영역구분단계, 특성치산출모듈이 영역구분단계에서 구분된 정체 시공간 영역을 도형으로 인식하고 이 도형의 기하학적 특성을 이용하여 정체 시공간의 패턴 특성치를 산출하는 특성치산출단계 및 사용자 인터페이스모듈이 속도 시공도, 정체 시공간 영역 도형 및 정체 시공간 특성치를 센터 운영자 또는 이용자가 확인 가능하도록 표출하는 단계를 포함하는 정체 시공간 패턴 자동인식 시스템 및 방법에 관한 것이다.
본 발명은 속도 시공도에 나타난 정체 시공간 영역을 정체파급속도, 정체파급길이, 정체해소속도의 3개 특성치로 디멘션을 줄여 저장하고, 필요에 따라 재현하여 사용하여 실시간 교통관리센터의 교통 운영 관리 및 교통상황예측 정보제공에 활용할 수 있다.

Description

정체 시공간 패턴 자동인식 시스템 및 그 방법{System for automatically Identifying spatio-temporal congestion patterns and method thereof}
본 발명은 정체 시공간 패턴 자동인식 시스템 및 그 방법에 관한 것으로서, 상세하게는 지능형교통시스템(Intelligent Transportation System: ITS) 센터에 수집 및 저장된 속도에 대한 시공간 이력데이터를 분석하여, 정체 시공간 패턴을 자동으로 인식하고 특성치를 산출하는 시스템 및 그 알고리즘에 관한 것이다.
오늘날 도로의 효율적 운영관리와 이용자에 대한 정보제공을 목적으로 지능형교통시스템 설치가 광범위하게 이루어져 있다. 특히 고속도로의 경우 거의 모든 도로에 지능형교통시스템(Intelligent Transportation System: ITS)이 구축되어 운영 중에 있으며, 그 시스템을 운영하는 교통관리센터에는 방대한 양의 속도 시공간 데이터들이 축적되어 있다. 상기 데이터에는 과거에 정체가 어떻게 시공간적으로 파급되고 해소되었는지의 정확한 정보가 모두 담겨 있다.
이제까지 도로의 정체파급길이, 정체지속시간 등의 정체 시공간 데이터는 도해법에 해석하여 다루어졌다. 이는 직관적으로 이해하기 쉽고 정확한 정체파급길이, 경로통행시간 등을 산출할 수 있으나, 방대한 양의 이력데이터를 처리하고 데이터베이스화하여 교통상황예측이나 정보제공에 활용하기에는 한계가 존재하였다.
방대한 양의 속도 시공간 이력데이터를 분석하여 상기 정보를 자동으로 추출해 낼 수 있다면, 교통 운영 관리 및 정보제공에 있어서 정확성과 효율성이 획기적으로 개선될 수 있다.
비특허문헌 1은 데이터 클러스터링과 유전자 프로그래밍을 사용하여 여행 시간을 예측하는 방법으로서 정체의 시공간 전개 패턴을 고려하지만 일부 특성치만 고려하고 있으며, 정체 시공간 영역을 특성치로 디멘션을 줄여 저장하고 필요에 따라 재현하여 사용할 수 있는 기술을 제시하지 못하고 있다.
1. M. Elhenawy, H. Chen, and H. A. Rakha, "Dynamic travel time prediction using data clustering and genetic programming," Transportation Research Part C 42, pp. 82-98. 2014.
본 발명은 상기와 같은 필요성에 의하여 안출된 것으로서, 방대한 속도 시공간 이력데이터를 이용하여 자동으로 정체 시공간 전개 패턴을 인식하고, 정체 시공간 영역을 특성치로 디멘션을 줄여 저장하고 나타내어, 실시간 교통관리센터의 교통 운영 관리 및 교통상황예측 정보제공에 활용하는 정체 시공간 패턴 자동인식 시스템 및 그 방법을 제공하고자 한다.
상기의 해결하고자 하는 과제를 위한 본 발명에 따른 정체 시공간 패턴 자동인식 방법은 지능형교통시스템(Intelligent Transportation System: ITS)의 서브시스템인 차량검지시스템(Vehicle Detection System: VDS)으로부터 데이터를 수집하고, 데이터베이스에 저장한 속도에 대한 시공간 이력데이터를 입력받아 정체 시공간 패턴을 자동으로 인식하는 가공서버에서, 속도 시공도(time-space diagram) 생성모듈이 속도 시공도를 생성하는 단계, 영역구분모듈이 상기 속도 시공도에서 비정체 시공간 영역과 정체 시공간 영역을 자동으로 구분하는 영역구분단계, 특성치산출모듈이 상기 영역구분단계에서 구분된 상기 정체 시공간 영역을 도형으로 인식하고, 상기 도형의 기하학적 특성을 이용하여 정체 시공간의 패턴 특성치를 산출하는 특성치산출단계 및 사용자 인터페이스모듈이 상기 속도 시공도, 정체 시공간 영역 도형 및 정체 시공간 특성치를 센터 운영자 또는 이용자가 확인 가능하도록 표출하는 단계를 포함하는 것을 특징으로 한다.
본 발명의 일 실시예로서, 상기 영역구분단계는 상기 속도 시공도에서 시공간 영역으로 표현된 속도 데이터를 정체 그룹과 비정체 그룹의 두 그룹으로 분류하는 영역분류단계, 각 그룹 내에 속한 모든 포인트들에 대하여 시공간적 연결성을 검사하여 잡음을 제거하는 잡음제거단계 및 상기 잡음제거단계에서 제거된 잡음들과 정체 그룹의 시공간적 끝점과의 연결성 검사를 통해 정체 그룹으로 다시 복귀시키는 복귀단계를 포함하는 것을 특징으로 한다.
본 발명의 일 실시예로서, 상기 영역분류단계는 상기 속도 시공도의 불연속면에서 경계 속도값으로 정체 그룹와 비정체 그룹으로 분류하는 것을 특징으로 한다.
본 발명의 일 실시예로서, 상기 잡음제거단계는 각 그룹 데이터 포인트의 이웃 데이터 포인트들을 검색하여 해당 그룹에 속하는 최소 이웃 수를 충족하지 못하면 비정상적인 잡음으로 간주하여 해당그룹에서 제거하고, 상기 해당 포인트의 이웃 포인트들의 수는 8이고, 최소 이웃 수는 3인 것을 특징으로 한다.
본 발명의 일 실시예로서, 상기 복귀단계는 잡음으로 분류된 데이터 포인트들 중 정체 그룹의 시공간적 시작 지점과 시공간적 끝 지점의 이웃에 해당되면, 해당 잡음을 정체 그룹으로 복귀시키는 것을 특징으로 한다.
본 발명의 일 실시예로서, 상기 특성치산출단계는 정체 시공간 패턴의 4개의 꼭짓점 좌표값을 검색하고, 상기 각 꼭짓점 좌표값을 연결하고 정체 시공간 영역의 경계면을 도출하여 도형으로 인식하고, 상기 도형의 기하학적 특성을 이용하여 특성치를 산출하고, 상기 특성치는 정체파급속도, 정체파급길이, 정체해소속도인 것을 특징으로 한다.
본 발명의 일 실시예로서, 상기 정체파급속도는 정체가 시작되는 시공간 좌표로부터 정체가 끝나는 시공간 좌표를 이은 변의 기울기로 산출되는 것을 특징으로 한다.
본 발명의 일 실시예로서, 상기 정체해소속도는 정체가 해소되는 시공간 좌표로부터 정체 해소가 완료되는 시공간 좌표를 이은 변의 기울기로 산출되는 것을 특징으로 한다.
상기의 해결하고자 하는 과제를 위한 본 발명에 따른 정체 시공간 패턴 자동인식 시스템은 고속도로에 설치되고 교통정보를 수집하는 차량검지시스템, 상기 차량검지시스템으로부터 교통정보를 수집하고 가공처리하여 저장하는 데이터베이스, 상기 데이터베이스로부터 속도에 대한 시공간 이력데이터를 받아 속도 시공도를 생성하는 속도 시공도 생성모듈, 상기 속도 시공도에서 비정체 시공간 영역과 정체 시공간 영역을 자동으로 구분하는 영역구분모듈, 상기 영역구분모듈에서 구분된 상기 정체 시공간 영역을 도형으로 인식하고 이 도형의 기하학적 특성을 이용하여 정체 시공간의 패턴 특성치를 산출하는 특성치산출모듈 및 센터 운영자 내지 이용자가 확인 가능하도록 상기 속도 시공도, 정체 시공간 영역 도형 및 정체 시공간 특성치를 운영단말 또는 디스플레이에 표출하는 사용자 인터페이스모듈을 포함하는 것을 특징으로 한다.
본 발명은 속도 시공간 이력데이터를 입력으로 받아들여 정체 시공간 영역을 자동 인식하고 정체 시공간 패턴의 특성치를 산출하는 알고리즘을 제시하게 됨으로써, 실시간 교통관리센터의 교통 운영 관리 및 교통상황예측 정보제공에 활용할 수 있다.
또한 본 발명은 속도 시공도에 나타난 정체 시공간 영역을 '도형'으로 인식하여 정체파급속도, 정체파급길이, 정체해소속도에 해당하는 3개 특성치로 디멘션을 줄여 저장하고, 필요에 따라 이들 특성치를 2차로 가공하여 파급시간, 해소시간, 경로 통행시간 등의 다양한 정보를 생성 및 제공할 수 있다.
도 1은 본 발명에 따른 정체 시공간 패턴 자동인식 시스템 구성도.
도 2는 본 발명에 따른 속도 시공도를 생성하는 플로우차트.
도 3은 본 발명에 따른 정체와 비정체 영역을 구분 하는 플로우차트.
도 4는 본 발명에 따른 정체패턴의 특성치를 산출하는 플로우차트.
도 5는 본 발명에 따른 특성치의 정의.
도 6은 본 발명에 따른 사용자 인터페이스모듈의 표출 상태도.
도 7은 본 발명에 따른 알고리즘 실시예.
이하, 본 발명에 따른 실시 예들을 첨부된 도면을 참조하여 상세하게 설명한다.
도 1은 본 발명에 따른 정체 시공간 패턴 자동인식 시스템 구성도로서, 차량검지시스템, 데이터베이스, 속도 시공도 생성모듈, 영역구분 모듈, 특성치 산출모듈 및 사용자 인터페이스모듈을 포함한다. 정체 시공간 패턴 자동인식 시스템은 기존의 지능형교통시스템(Intelligent Transportation System: ITS)에 속한 장치인 차량검지시스템(Vehicle Detection System: VDS) 및 데이터베이스와 본 발명에 따른 알고리즘이 구동하는 속도 시공도 생성모듈, 영역구분 모듈, 특성치산출모듈과 사용자 인터페이스모듈로 구성된다.
알고리즘이 구동되는 처리장치는 일반 컴퓨터나 서버급 컴퓨터일 수 있으며, 상기 속도 시공도 생성모듈, 영역구분모듈, 특성치산출모듈 및 사용자 인터페이스모듈 등은 중앙처리장치와 연산장치에 수행될 수 있는 명령어로 이루어진 기능단위의 모듈화된 프로그램으로 이해될 수 있다.
차량검지시스템은 고속도로에 설치되고 교통정보를 수집하고, 데이터베이스는 상기 차량검지시스템으로부터 교통정보를 수집하고 가공처리하여 저장한다. 지능형교통시스템은 교통정보를 수집하기 위한 차량검지시스템, 교통관리센터의 처리 장치(컴퓨터) 및 데이터베이스를 포함한다. 차량검지시스템는 도로변에 소정 간격으로 설치된 교통정보 수집기로서, 도로상에 통행하는 차량의 속도와 통행량 등의 정보를 수집하여 교통관리센터로 송신되며, 센터 처리장치에서 전처리 및 집계 과정을 거쳐 이들을 데이터베이스에 저장한다.
속도 시공도 생성모듈은 상기 데이터베이스로부터 속도에 대한 시공간 이력데이터를 받아 속도 시공도(time-space diagram)를 생성할 수 있고, 영역구분모듈은 상기 속도 시공도에서 비정체 시공간 영역과 정체 시공간 영역을 자동으로 구분할 수 있다.
특성치산출모듈은 상기 영역구분모듈에서 구분된 상기 정체 시공간 영역을 도형으로 인식하고 이 도형의 기하학적 특성을 이용하여 정체 시공간의 패턴 특성치를 산출하며, 사용자 인터페이스모듈은 센터 운영자 내지 이용자가 확인 가능하도록 상기 속도 시공도, 정체 시공간 영역 도형 및 정체 시공간 특성치를 운영단말 또는 디스플레이에 표출할 수 있다.
본 발명에 따른 정체 시공간 패턴 자동인식 방법은 지능형교통시스템(Intelligent Transportation System: ITS)의 서브시스템인 차량검지시스템(Vehicle Detection System: VDS)으로부터 데이터를 수집하고, 데이터베이스에 저장한 속도에 대한 시공간 이력데이터를 입력받아 정체 시공간 패턴을 자동으로 인식하는 가공서버에서, 속도 시공도 생성단계, 영역구분단계, 특성치산출단계 및 사용자 인터페이스 표출단계를 포함하여 속도 시공간 이력데이터를 입력으로 받아들여 정체 시공간 영역을 자동 인식하고 정체 시공간 패턴의 특성치를 산출한다.
도 2는 본 발명에 따른 속도 시공도를 생성하는 플로우차트로서, 속도 시공도 생성단계는 속도 시공도(time-space diagram) 생성모듈이 고속도로에 설치되고 지능형교통시스템의 교통정보수집의 목적으로 사용되는 차량검지시스템으로부터 수집하고 및 저장한 데이터베이스의 속도에 대한 시공간 이력데이터를 입력하여 속도 시공도를 생성하는 단계이다.
지능형교통시스템 교통관리센터의 속도 이력데이터를 입력으로 하여 속도 시공도를 출력하며, 시공간 영역은 지정된 기본값(default), 즉 전 구간 24시간으로 하거나 특정시점 및 구간을 분석대상으로 선택하여 수행할 수 있다.
도 3은 본 발명에 따른 정체와 비정체 영역을 구분하는 플로우차트로서, 영역구분단계는 영역구분모듈이 상기 속도 시공도에서 비정체 시공간 영역과 정체 시공간 영역을 자동으로 구분하는 단계이다. 상기 영역구분단계는 영역분류단계, 잡음제거단계 및 복귀단계를 포함할 수 있다.
영역분류단계는 상기 속도 시공도에서 시공간 영역으로 표현된 속도 데이터를 정체 그룹과 비정체 그룹의 두 그룹으로 분류하는 단계이다. 상기 영역분류단계는 상기 속도 시공도의 불연속면에서 경계 속도값으로 정체 그룹와 비정체 그룹으로 분류할 수 있다. 통상 정체와 비정체 그룹 사이에 불연속면이 존재하며, 이 경계 값(threshold value)을 기준으로 정체와 비정체로 분류한다. 경계 속도값은 분석 대상 도로의 특성에 따라 결정되며, 제한속도의 100km/h인 고속도로를 예로 들면 60 km/h로 정할 수 있다.
잡음제거단계는 각 그룹 내에 속한 모든 포인트들에 대하여 시공간적 연결성을 검사하여 잡음을 제거하는 단계이다. 상기 잡음제거단계는 각 그룹 데이터 포인트의 이웃 데이터 포인트들을 검색하여 해당 그룹에 속하는 최소 이웃 수를 충족하지 못하면 비정상적인 잡음으로 간주하여 해당그룹에서 제거할 수 있다. 즉, 해당 포인트의 이웃 포인트들을 검색하여 일정 수 이상이 정체 그룹에 속하지 않았다면 비정상적인 것으로 간주하여 정체그룹에서 제거한다.
상기 해당 포인트의 이웃 포인트들의 수는 8이고, 최소 이웃 수는 3이다. 예를 들면, 시공간 영역에서 해당 데이터 포인트의 이웃은, 전방구간의 이전/현재/이후 시간의 포인트, 해당구간의 이전/이후 시간의 포인트 및 후방구간의 이전/현재/이후 시간에 해당하는 포인트로서 8개의 이웃이 존재한다. 따라서 제거기준은 최소 개수 3개로 정하여 3개보다 적으면 정체그룹에서 제거된다.
복귀단계는 상기 잡음제거단계에서 제거된 잡음들과 정체 그룹의 시공간적 끝점과의 연결성 검사를 통해 정체 그룹으로 다시 복귀시키는 단계이다. 패턴의 꼭짓점에 해당하는 점들은 이웃한 포인트들이 적을 수밖에 없으므로 비정상적인 값이 아님에도 불구하고 제거되는 문제점이 있으므로 다시 정체그룹으로 복귀시켜 주는 과정을 수행한다.
상기 복귀단계는 잡음으로 분류된 데이터 포인트들 중 정체 그룹의 시공간적 시작 지점과 시공간적 끝 지점의 이웃에 해당되면, 해당 잡음을 정체 그룹으로 복귀시킬 수 있다. 이 과정을 잡음으로 분류된 데이터 포인트들 중 더 이상 정체영역 꼭지점의 이웃이 없을 때까지 반복 수행한다.
도 4는 본 발명에 따른 정체패턴의 특성치를 산출하는 플로우차트로서, 특성치산출단계는 특성치산출모듈이 상기 영역 구분모듈에서 구분된 상기 정체 시공간 영역을 도형으로 인식하고 이 도형의 기하학적 특성을 이용하여 정체 시공간의 패턴 특성치를 산출하는 단계이다. 정체 시공간 패턴을 특성치로 인식 및 저장함으로써 정체 패턴에 포함된 정보의 손실 없이 디멘션을 줄여 저장하기 위한 목적이다.
상기 특성치산출단계는 정체 시공간 패턴의 4개의 꼭짓점 좌표값을 검색하고, 상기 각 꼭짓점 좌표값을 연결하고 정체 시공간 영역의 경계면을 도출하여 도형으로 인식하고, 상기 도형의 기하학적 특성을 이용하여 특성치를 산출하고 출력하면서 데이터베이스에 저장할 수 있다.
도 5는 본 발명에 따른 특성치의 정의로서, 특성치는 정체파급속도, 정체파급길이, 정체해소속도이다. 도 5에서와 같이 정체파급속도와 정체해소속도는 정체 시공간 영역 경계면의 기울기로, 정체파급길이는 정체 시공간 영역의 시작 공간좌표에서 끝 공간좌표 값을 뺀 값으로 산출된다.
상기 정체파급속도는 정체가 시작되는 시공간 좌표로부터 정체가 끝나는 시공간 좌표를 이은 변의 기울기로 산출될 수 있고, 상기 정체해소속도는 정체가 해소되는 시공간 좌표로부터 정체 해소가 완료되는 시공간 좌표를 이은 변의 기울기로 산출될 수 있다. 이를 위해, 속도 시공간 데이터를 실제 차량검지시스템의 간격이 아닌 등간격으로 보정하여 사용할 수 있다.
도 6은 본 발명에 따른 사용자 인터페이스모듈의 표출 상태도로서, 사용자 인터페이스 표출단계는 사용자 인터페이스모듈이 상기 속도 시공도, 정체 시공간 영역 도형 및 정체 시공간 특성치를 센터 운영자 내지 이용자가 확인 가능하도록 운영단말 또는 디스플레이에 표출할 수 있다.
도 7은 본 발명에 따른 정체 시공간 패턴 자동인식 알고리즘 실시예로서, 속도 시공간 이력 데이터를 입력하여 속도 시공도를 생성하고, 잡음을 제거하여 정체시공간 패턴을 생성하고, 정체 시공간 전개패턴을 '도형'으로 인식하여 정체 시공간 전개패턴의 특성치를 인식된 '도형'의 변의 길이, 기울기를 구함으로 산출한 것을 보여준다.
본 발명에 따른 정체 시공간 패턴 자동인식 시스템 및 방법은 정체 시공간 영역을 '도형'으로 인식하여 특성치로 디멘션을 줄여 저장하고 활용하게 하는 효율적인 시스템으로 상시 또는 비상시 정체에 대한 예측과 대응의 정확성 및 효과성을 획기적으로 개선할 수 있다.
또한 방대한 양의 속도 시공간 이력데이터를 분석하여 상기 정보를 자동으로 추출하는 것이 가능하여 수집 및 저장한 데이터를 분석하여 정체 관련 정보를 추출할 수 있으며, 필요에 따라 파급시간, 해소시간, 경로 통행시간 등의 다양한 정보를 2차 생성할 수 있는 장점이 있다.
더불어 사고가 발생한 경우, 사고지점, 종료지점, 사고내용, 발생위치 등을 포함한 사고 이력 데이터가 별도로 존재하나, 운전자 제보나 CCTV 확인 등의 결과를 운영자가 입력한 데이터로서 오차가 발생하며 그 내용의 정확성을 보장하기 힘들다. 하지만, 차량검지시스템의 이력데이터에 담겨 있는 정체의 시공간 전개 패턴 정보를 정확히 재현하게 되면, 운전자가 실제 경험한 경로통행시간, 또 사고발생시 정체파급 시간, 해소시간, 대기행렬길이 등 모든 관련 교통상황을 정확히 추정할 수 있다.

Claims (11)

  1. 지능형교통시스템(Intelligent Transportation System: ITS)의 서브시스템인 차량검지시스템(Vehicle Detection System: VDS)으로부터 데이터를 수집하고, 데이터베이스에 저장한 속도에 대한 시공간 이력데이터를 입력받아 정체 시공간 패턴을 자동으로 인식하는 가공서버에서,
    속도 시공도(time-space diagram) 생성모듈이 속도 시공도를 생성하는 단계;
    영역구분모듈이 상기 속도 시공도에서 비정체 시공간 영역과 정체 시공간 영역을 자동으로 구분하는 영역구분단계;
    특성치산출모듈이 상기 영역구분단계에서 구분된 상기 정체 시공간 영역을 도형으로 인식하고, 상기 도형의 기하학적 특성을 이용하여 정체 시공간의 패턴 특성치를 산출하는 특성치산출단계 및
    사용자 인터페이스모듈이 상기 속도 시공도, 정체 시공간 영역 도형 및 정체 시공간 특성치를 센터 운영자 또는 이용자가 확인 가능하도록 표출하는 단계를 포함하되,
    상기 특성치산출단계는, 정체 시공간 패턴의 4개의 꼭짓점 좌표값을 검색하고, 상기 각 꼭짓점 좌표값을 연결하고 정체 시공간 영역의 경계면을 도출하여 도형으로 인식하고, 상기 도형의 기하학적 특성을 이용하여 특성치를 산출하는 것을 특징으로 하는 정체 시공간 패턴 자동인식 방법.
  2. 제1항에 있어서, 상기 영역구분단계는,
    상기 속도 시공도에서 시공간 영역으로 표현된 속도 데이터를 정체 그룹과 비정체 그룹의 두 그룹으로 분류하는 영역분류단계;
    각 그룹 내에 속한 모든 포인트들에 대하여 시공간적 연결성을 검사하여 잡음을 제거하는 잡음제거단계 및
    상기 잡음제거단계에서 제거된 잡음들과 정체 그룹의 시공간적 끝점과의 연결성 검사를 통해 정체 그룹으로 다시 복귀시키는 복귀단계를 포함하는 것을 특징으로 하는 정체 시공간 패턴 자동인식 방법.
  3. 제2항에 있어서, 상기 영역분류단계는,
    상기 속도 시공도의 불연속면에서 경계 속도값으로 정체 그룹와 비정체 그룹으로 분류하는 것을 특징으로 하는 정체 시공간 패턴 자동인식 방법.
  4. 제2항에 있어서, 상기 잡음제거단계는,
    각 그룹 데이터 포인트의 이웃 데이터 포인트들을 검색하여 해당 그룹에 속하는 최소 이웃 수를 충족하지 못하면 비정상적인 잡음으로 간주하여 해당그룹에서 제거하는 것을 특징으로 하는 정체 시공간 패턴 자동인식 방법.
  5. 제4항에 있어서,
    상기 해당 포인트의 이웃 포인트들의 수는 8이고, 최소 이웃 수는 3인 것을 특징으로 하는 정체 시공간 패턴 자동인식 방법.
  6. 제2항에 있어서, 상기 복귀단계는.
    잡음으로 분류된 데이터 포인트들 중 정체 그룹의 시공간적 시작 지점과 시공간적 끝 지점의 이웃에 해당되면, 해당 잡음을 정체 그룹으로 복귀시키는 것을 특징으로 하는 정체 시공간 패턴 자동인식 방법.
  7. 삭제
  8. 제1항에 있어서,
    상기 특성치는 정체파급속도, 정체파급길이, 정체해소속도인 것을 특징으로 하는 정체 시공간 패턴 자동인식 방법.
  9. 제8항에 있어서,
    상기 정체파급속도는 정체가 시작되는 시공간 좌표로부터 정체가 끝나는 시공간 좌표를 이은 변의 기울기로 산출되는 것을 특징으로 하는 정체 시공간 패턴 자동인식 방법.
  10. 제8항에 있어서,
    상기 정체해소속도는 정체가 해소되는 시공간 좌표로부터 정체 해소가 완료되는 시공간 좌표를 이은 변의 기울기로 산출되는 것을 특징으로 하는 정체 시공간 패턴 자동인식 방법.
  11. 삭제
KR1020140127113A 2014-09-23 2014-09-23 정체 시공간 패턴 자동인식 시스템 및 그 방법 KR101598343B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020140127113A KR101598343B1 (ko) 2014-09-23 2014-09-23 정체 시공간 패턴 자동인식 시스템 및 그 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020140127113A KR101598343B1 (ko) 2014-09-23 2014-09-23 정체 시공간 패턴 자동인식 시스템 및 그 방법

Publications (1)

Publication Number Publication Date
KR101598343B1 true KR101598343B1 (ko) 2016-02-29

Family

ID=55448520

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020140127113A KR101598343B1 (ko) 2014-09-23 2014-09-23 정체 시공간 패턴 자동인식 시스템 및 그 방법

Country Status (1)

Country Link
KR (1) KR101598343B1 (ko)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106355907A (zh) * 2016-10-18 2017-01-25 同济大学 基于车辆轨迹的信号控制交叉口排队长度实时估计方法
KR101730771B1 (ko) * 2016-10-17 2017-04-26 대보정보통신 주식회사 고속도로 유고구간 경로안내시스템
WO2018122801A1 (zh) * 2016-12-30 2018-07-05 同济大学 一种城市道路交通异常检测方法
CN108335483A (zh) * 2017-12-25 2018-07-27 深圳先进技术研究院 交通拥堵扩散路径的推断方法及其系统
CN110942644A (zh) * 2019-12-11 2020-03-31 长安大学 一种道路瓶颈路段识别及交通拥堵传播预警系统和方法
KR20210086468A (ko) 2019-12-30 2021-07-08 윤성민 근무형태 변경을 통한 사회문제 개선 시스템 및 그 방법

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002288786A (ja) * 2001-03-26 2002-10-04 Sumitomo Electric Ind Ltd 広域渋滞判定方法、広域渋滞判定システム及び判定装置
JP2004110185A (ja) * 2002-09-13 2004-04-08 Sumitomo Electric Ind Ltd 交通状況解析装置
JP2012221302A (ja) * 2011-04-11 2012-11-12 Mitsubishi Electric Corp 情報収集システム

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002288786A (ja) * 2001-03-26 2002-10-04 Sumitomo Electric Ind Ltd 広域渋滞判定方法、広域渋滞判定システム及び判定装置
JP2004110185A (ja) * 2002-09-13 2004-04-08 Sumitomo Electric Ind Ltd 交通状況解析装置
JP2012221302A (ja) * 2011-04-11 2012-11-12 Mitsubishi Electric Corp 情報収集システム

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
1. M. Elhenawy, H. Chen, and H. A. Rakha, "Dynamic travel time prediction using data clustering and genetic programming," Transportation Research Part C 42, pp. 82-98. 2014.
안진영 외 2. 베이지안 추론을 이용한 시공간 교통 흐름 예측 시스템. 한국정보과학회 학술발표논문집. 2014.06, pp. 4-6. *

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101730771B1 (ko) * 2016-10-17 2017-04-26 대보정보통신 주식회사 고속도로 유고구간 경로안내시스템
CN106355907A (zh) * 2016-10-18 2017-01-25 同济大学 基于车辆轨迹的信号控制交叉口排队长度实时估计方法
WO2018122801A1 (zh) * 2016-12-30 2018-07-05 同济大学 一种城市道路交通异常检测方法
GB2572717A (en) * 2016-12-30 2019-10-09 Ogrands Innovation Inc Method for detecting traffic anomaly of urban road
GB2572717B (en) * 2016-12-30 2020-08-05 Ogrands Innovation Inc A Method for Urban Traffic Incident Detecting
CN108335483A (zh) * 2017-12-25 2018-07-27 深圳先进技术研究院 交通拥堵扩散路径的推断方法及其系统
CN108335483B (zh) * 2017-12-25 2021-09-14 深圳先进技术研究院 交通拥堵扩散路径的推断方法及其系统
CN110942644A (zh) * 2019-12-11 2020-03-31 长安大学 一种道路瓶颈路段识别及交通拥堵传播预警系统和方法
KR20210086468A (ko) 2019-12-30 2021-07-08 윤성민 근무형태 변경을 통한 사회문제 개선 시스템 및 그 방법
KR20210084868A (ko) 2019-12-30 2021-07-08 윤성민 근무형태 변경을 통한 사회문제 개선 시스템 및 그 방법
KR20230035025A (ko) 2019-12-30 2023-03-10 윤성민 근무형태 변경을 통한 사회문제 개선 시스템 및 그 방법
KR20240038951A (ko) 2019-12-30 2024-03-26 윤성민 근무형태 변경을 통한 사회문제 개선 시스템 및 그 방법

Similar Documents

Publication Publication Date Title
KR101598343B1 (ko) 정체 시공간 패턴 자동인식 시스템 및 그 방법
KR102198724B1 (ko) 포인트 클라우드 데이터를 처리하기 위한 방법 및 장치
CN110364008B (zh) 路况确定方法、装置、计算机设备和存储介质
CN110738857B (zh) 一种车辆违章取证方法、装置及设备
CN111462488A (zh) 一种基于深度卷积神经网络和交叉口行为特征模型的交叉口安全风险评估方法
CN110798805B (zh) 基于gps轨迹的数据处理方法、装置及存储介质
US20220343637A1 (en) Traffic flow machine-learning modeling system and method applied to vehicles
US10415981B2 (en) Anomaly estimation apparatus and display apparatus
Mehboob et al. Trajectory based vehicle counting and anomalous event visualization in smart cities
Li et al. Crash report data analysis for creating scenario-wise, spatio-temporal attention guidance to support computer vision-based perception of fatal crash risks
KR20220146670A (ko) 교통 비정상 탐지 방법, 장치, 기기, 저장 매체 및 프로그램
CN114926791A (zh) 一种路口车辆异常变道检测方法、装置、存储介质及电子设备
Thiruppathiraj et al. Automatic pothole classification and segmentation using android smartphone sensors and camera images with machine learning techniques
JP7313820B2 (ja) 交通状況予測装置、および交通状況予測方法
KR102616571B1 (ko) 인공지능을 이용한 영상 분석 기반의 도로 교통정보 제공 방법 및 그를 위한 시스템
Krishna et al. A Computational Data Science Based Detection of Road Traffic Anomalies
Nguyen et al. An automated detection framework for multiple highway bottleneck activations
Anikin et al. Identification of Vehicle Trajectory Anomalies on Streaming Video
KR101766467B1 (ko) 이벤트 발생 알림 장치, 이벤트 발생 알림 방법, 및 이벤트 발생 판단 모델 제공 방법
CN114445786A (zh) 道路拥堵检测方法、装置、电子设备及存储介质
Karnati et al. Data Mining Algorithms for Traffic Interruption Detection.
Triwibowo et al. Analysis of Classification and Calculation of Vehicle Type at APILL Intersection Using YOLO Method and Kalman Filter
WO2024018621A1 (en) Classifying apparatus, classifying method, and non-transitory computer-readable storage medium
Muâ et al. Classifying Vehicle Types from Video Streams for Traffic Flow Analysis Systems
Ding et al. Traffic flow clustering framework using drone video trajectories to identify surrogate safety measures

Legal Events

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

Payment date: 20190225

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20200224

Year of fee payment: 5