KR102423784B1 - 교통 데이터 보정장치 및 방법 - Google Patents

교통 데이터 보정장치 및 방법 Download PDF

Info

Publication number
KR102423784B1
KR102423784B1 KR1020150181870A KR20150181870A KR102423784B1 KR 102423784 B1 KR102423784 B1 KR 102423784B1 KR 1020150181870 A KR1020150181870 A KR 1020150181870A KR 20150181870 A KR20150181870 A KR 20150181870A KR 102423784 B1 KR102423784 B1 KR 102423784B1
Authority
KR
South Korea
Prior art keywords
data
data set
correction
past
similarity
Prior art date
Application number
KR1020150181870A
Other languages
English (en)
Other versions
KR20170073220A (ko
Inventor
여화수
탁세현
우수민
Original Assignee
한국과학기술원
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 한국과학기술원 filed Critical 한국과학기술원
Priority to KR1020150181870A priority Critical patent/KR102423784B1/ko
Publication of KR20170073220A publication Critical patent/KR20170073220A/ko
Application granted granted Critical
Publication of KR102423784B1 publication Critical patent/KR102423784B1/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
    • G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
    • 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
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • 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
    • G08G1/02—Detecting movement of traffic to be counted or controlled using treadles built into the road

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Traffic Control Systems (AREA)
  • Signal Processing For Digital Recording And Reproducing (AREA)

Abstract

본 발명에 따르면, 교통 데이터 보정에 있어서, 도로상 다수의 센서로부터 수집되는 교통 데이터상 손실이 발생하여 보정이 필요한 데이터에 대해 과거의 교통 데이터 DB에서 보정이 필요한 데이터와 시간적, 공간적으로 유사한 패턴을 보이는 과거 교통 데이터 구간을 검색하고, 손실된 데이터 영역 주변의 각각의 데이터 포인터들과 손실된 데이터 영역간 산출된 시간적, 공간적 상관관계를 가중치로 적용하여 유사한 패턴을 보이는 과거 교통 데이터 구간 중 가장 유사도가 높은 K 개의 데이터 구간을 추출한 후, 이를 기반으로 손실된 데이터를 유추하여 보정함으로써 교통 데이터 보정의 신뢰성을 높일 수 있다.

Description

교통 데이터 보정장치 및 방법{APPARATUS AND METHOD FOR CORRECTING TRANSPORTATION DATA}
본 발명은 교통 정보 수집 시스템에 관한 것으로, 특히 도로상 다수의 센서로부터 수집되는 교통 데이터상 손실이 발생하여 보정이 필요한 데이터에 대해 과거의 교통 데이터 DB에서 보정이 필요한 데이터와 시간적, 공간적으로 유사한 패턴을 보이는 과거 교통 데이터 구간을 검색하고, 손실된 데이터 영역 주변의 각각의 데이터 포인터들과 손실된 데이터 영역간 산출된 시간적, 공간적 상관관계를 가중치로 적용하여 유사한 패턴을 보이는 과거 교통 데이터 구간 중 가장 유사도가 높은 K 개의 데이터 구간을 추출한 후, 이를 기반으로 손실된 데이터를 유추하여 보정함으로써 교통 데이터 보정의 신뢰성을 높일 수 있도록 하는 교통 데이터 보정장치 및 방법에 관한 것이다.
근래에 들어, 급증하는 교통 수요에 따라 도로의 효율적인 운영 및 관리를 위해 매우 중요한 기초자료인 교통량을 정확하게 측정하는 것에 대한 중요성이 점차 중요해지고 있다.
한편, 위와 같은 교통량의 측정을 위해서 현재 도로상 설치되는 루프 감지기 등의 다양한 센서를 기반으로 다양한 교통 데이터가 수집되어 저장되고 있으며, 이러한 교통 데이터는 도로 공사 등의 기관으로 전송되어 다양한 교통 정보로 가공되어 도로상 운전자 등의 수요자들에게 제공되고 있다.
그러나, 현재 도로상에 설치되는 루프 감지기 등의 다양한 센서를 기반으로 수집되는 많은 종류의 교통 데이터는 센서의 고장, 수리, 점검 등의 원인에 의해 많은 데이터가 손실되는 경우가 발생하며, 이러한 데이터 손실은 교통량 측정을 비롯한 관련 서비스의 성능 저하로 이어지고 있으나, 아직 교통 데이터를 위한 신뢰성 높은 손실데이터의 보정 기법은 거의 제안되고 있지 않다.
또한, 위와 같은 교통 데이터 손실에 대응하기 위한 종래 방법으로 최근의 교통 데이터의 평균치를 손실된 데이터 부분에 채워넣거나 혹은 전체 평균 데이터를 손실된 부분에 채워넣는 방법 등이 사용되고 있으나, 이러한 방법으로는 교통에서 중요하게 다루어져야 하는 교통 정체 현상 등을 정확하게 반영할 수 없는 한계를 가지고 있다.
따라서, 교통데이터의 특성을 반영한 보다 신뢰성 높은 손실데이터 보정 기법에 대한 제안이 필요한 실정이다.
삭제
삭제
대한민국 공개특허번호 10-2010-0125160호(공개일자 2010년 11월 30일)
따라서, 본 발명에서는 도로상 다수의 센서로부터 수집되는 교통 데이터상 손실이 발생하여 보정이 필요한 데이터에 대해 과거의 교통 데이터 DB에서 보정이 필요한 데이터와 시간적, 공간적으로 유사한 패턴을 보이는 과거 교통 데이터 구간을 검색하고, 손실된 데이터 영역 주변의 각각의 데이터 포인터들과 손실된 데이터 영역간 산출된 시간적, 공간적 상관관계를 가중치로 적용하여 유사한 패턴을 보이는 과거 교통 데이터 구간 중 가장 유사도가 높은 K 개의 데이터 구간을 추출한 후, 이를 기반으로 손실된 데이터를 유추하여 보정함으로써 교통 데이터 보정의 신뢰성을 높일 수 있도록 하는 교통 데이터 보정장치 및 방법을 제공하고자 한다.
상술한 본 발명은 교통 데이터 보정방법으로서, 시간축과 공간축의 데이터로 구성된 시공간 데이터를 기설정된 기본단위의 데이터 셋트로 구성하는 단계와, 상기 데이터 셋트 중 손실된 데이터를 가지는 보정 필요 데이터 셋트를 검색하는 단계와, 과거 데이터 DB로부터 상기 보정 필요 데이터 셋트에 대응되는 적어도 하나 의 과거 데이터 셋트를 검색하는 단계와, 상기 과거 데이터 셋트와 상기 보정 필요 데이터 셋트의 유사도를 산출하는 단계와, 상기 산출된 유사도를 기반으로 상기 보정 필요 데이터 셋트와 가장 유사한 K개의 과거 데이터 셋트를 선택하는 단계와, 상기 K개의 과거 데이터 셋트를 이용하여 상기 보정 필요 데이터 셋트내 상기 손실된 데이터를 보정하는 단계를 포함한다.
또한, 상기 기본단위의 데이터 셋트로 구성하는 단계에서, 상기 기본단위의 데이터 셋트의 구성은, 도로의 기하구조와 검지기간 상관관계에 대한 트렌드 분석 결과를 기반으로 구성되는 것을 특징으로 한다.
또한, 상기 유사도를 산출하는 단계에서, 상기 과거 데이터 셋트와 상기 보정 필요 데이터 셋트간 유클리디안 디스턴스값을 산출하고, 상기 산출된 유클리디안 디스턴스값을 기반으로 상기 유사도를 산출하는 단계인 것을 특징으로 한다.
또한, 상기 유클리디안 디스턴스값은, 상기 보정 필요 데이터 셋트내 상기 손실된 데이터 주변의 데이터 영역에 대해 산출된 가중치가 반영되어 산출되는 것을 특징으로 한다.
또한, 상기 가중치는, 상기 손실된 데이터 주변의 각각의 데이터 영역과 상기 손실된 데이터 영역간 시간적 상관관계값과 공간적 상관관계값을 기반으로 산출되는 것을 특징으로 한다.
또한, 상기 가중치는, 상기 손실된 데이터 영역을 기준으로 시간축 또는 공간축으로 가장 인접한 데이터 영역에서 가장 높은 값으로 나타나며, 상기 시간축 또는 공간축으로 멀어질수록 점차 낮은 값으로 나타나는 것을 특징으로 한다.
또한, 상기 유클리디안 디스턴스값은, 상기 과거 데이터 셋트내 가용한 데이터의 수를 가중치로 반영하여 산출되는 것을 특징으로 한다.
또한, 상기 보정하는 단계는, 상기 K개의 과거 데이터 셋트를 이용하여 상기 보정 필요 데이터 셋트내 상기 손실된 데이터를 유추하는 단계와, 상기 유추된 데이터를 상기 보정 필요 데이터 셋트내 상기 손실된 데이터에 삽입하여 데이터 보정을 수행하는 단계를 포함하는 것을 특징으로 한다.
또한, 상기 유추하는 단계에서, 상기 K개의 과거 데이터 셋트의 각각의 유사도를 기반으로 상기 K개의 과거 데이터 셋트로부터 상기 손실된 데이터의 보정을 위해 추출되는 데이터에 상기 유사도의 우선순위에 대응되는 비율로 가중치를 적용시켜 상기 손실된 데이터를 유추하는 것을 특징으로 한다.
또한, 상기 과거 데이터 DB는, 상기 시공간 교통 데이터에 대한 과거 데이터 셋트를 저장하고 있는 것을 특징으로 한다.
또한, 본 발명은 교통 데이터 보정장치로서, 도로상 적어도 하나의 센서로부터 교통 데이터를 수집하는 데이터 입력부와, 상기 교통 데이터를 시간축과 공간축의 데이터로 정렬한 시공간 데이터를 구성하고, 상기 시공간 데이터를 기설정된 기본단위의 데이터 셋트로 구성하는 시공간 데이터 구성부와, 상기 데이터 셋트 중 손실된 데이터를 가지는 보정 필요 데이터 셋트를 검색하는 데이터 손실 검색부와, 과거 데이터 DB로부터 상기 보정 필요 데이터 셋트에 대응되는 적어도 하나 의 과거 데이터 셋트를 검색하고, 상기 과거 데이터 셋트와 상기 보정 필요 데이터 셋트의 유사도를 산출하는 유사도 산출부와, 상기 산출된 유사도를 기반으로 상기 보정 필요 데이터 셋트와 가장 유사한 K개의 과거 데이터 셋트를 선택하고, 상기 K개의 과거 데이터 셋트를 이용하여 상기 보정 필요 데이터 셋트내 상기 손실된 데이터를 보정하는 보정부를 포함한다.
또한, 상기 유사도 산출부는, 상기 과거 데이터 셋트와 상기 보정 필요 데이터 셋트간 유클리디안 디스턴스값을 산출하고, 상기 산출된 유클리디안 디스턴스값을 기반으로 상기 유사도를 산출하는 것을 특징으로 한다.
또한, 상기 장치는, 상기 손실된 데이터 주변의 데이터 영역과 상기 손실된 데이터 영역간 시간적 상관관계값과 공간적 상관관계값을 기반으로 상기 손실된 데이터 주변의 데이터 영역에 대한 가중치를 산출하는 가중치 산출부를 더 포함하는 것을 특징으로 한다.
또한, 상기 유사도 산출부는, 상기 보정 필요 데이터 셋트내 상기 손실된 데이터 주변의 데이터 영역에 대해 산출된 가중치를 반영하여 상기 유클리디안 디스턴스값을 산출하는 것을 특징으로 한다.
또한, 상기 유사도 산출부는, 상기 과거 데이터 셋트내 가용한 데이터의 수를 가중치로 반영하여 상기 유클리디안 디스턴스값을 산출하는 것을 특징으로 한다.
또한, 상기 보정부는, 상기 K개의 과거 데이터 셋트를 이용하여 상기 보정 필요 데이터 셋트내 상기 손실된 데이터를 유추하고, 상기 유추된 데이터를 상기 보정 필요 데이터 셋트내 상기 손실된 데이터에 삽입하여 데이터 보정을 수행하는 것을 특징으로 한다.
또한, 상기 보정부는, 상기 K개의 과거 데이터 셋트의 각각의 유사도를 기반으로 상기 K개의 과거 데이터 셋트로부터 상기 손실된 데이터의 보정을 위한 데이터를 추출하고, 상기 추출되는 데이터에 대해 상기 유사도의 우선순위에 대응되는 비율로 가중치를 적용시켜 상기 손실된 데이터를 유추하는 것을 특징으로 한다.
본 발명에 따르면, 교통 데이터 보정에 있어서, 도로상 다수의 센서로부터 수집되는 교통 데이터상 손실이 발생하여 보정이 필요한 데이터에 대해 과거의 교통 데이터 DB에서 보정이 필요한 데이터와 시간적, 공간적으로 유사한 패턴을 보이는 과거 교통 데이터 구간을 검색하고, 손실된 데이터 영역 주변의 각각의 데이터 포인터들과 손실된 데이터 영역간 산출된 시간적, 공간적 상관관계를 가중치로 적용하여 유사한 패턴을 보이는 과거 교통 데이터 구간 중 가장 유사도가 높은 K 개의 데이터 구간을 추출한 후, 이를 기반으로 손실된 데이터를 유추하여 보정함으로써 교통 데이터 보정의 신뢰성을 높일 수 있는 이점이 있다.
도 1은 본 발명의 실시예에 따른 교통 데이터 보정장치의 상세 블록 구성도,
도 2는 종래 교통 데이터 구조 예시도,
도 3은 본 발명의 실시예에 따른 교통 데이터 구조 예시도,
도 4는 본 발명의 실시예에 따른 도로의 기하구조에 따른 센서간 상관관계를 도시한 그래프,
도 5는 본 발명의 실시예에 따른 가중치 산출 예시도,
도 6은 본 발명의 실시예에 따른 손실된 데이터를 기반으로 유사도를 산출하는 개념도,
도 7은 본 발명의 실시예에 따른 교통 데이터 보정방법의 동작 제어 흐름도.
이하, 첨부된 도면을 참조하여 본 발명의 동작 원리를 상세히 설명한다. 하기에서 본 발명을 설명함에 있어서 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다. 그리고 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
도 1은 본 발명의 실시예에 따른 교통 데이터 보정장치(100)의 상세 블록 구성을 도시한 것으로, 데이터 입력부(102), 시공간 데이터 구성부(104), 데이터 손실 검색부(106), 가중치 산출부(108), 유사도 산출부(110), 보정부(114) 등을 포함할 수 있다.
이하, 도 1을 참조하여 본 발명의 실시예에 따른 교통 데이터 보정장치의 각 구성요소에서의 동작을 상세히 설명하기로 한다.
먼저, 데이터 입력부(102)는 도로에 설치되는 다수의 센서로부터 수집되는 교통 데이터를 입력한다. 이러한 센서는 예를 들어 루프 감지기(loop detector), DSRC(dedicated short range communication), TCS 등이 될 수 있으나, 이에 한정되는 것은 아니다. 루프 검출기는 도로 상에 기 설정된 간격으로 설치되는 센서를 통해 센서위로 지나가는 차량의 속도, 단위시간당 차량 수, 단위 거리당 차량 수 등의 교통 데이터를 수집할 수 있다. DSRC는 하이패스(highpass) 등의 무선 통신 장치를 구비한 차량과의 통신을 통해 도로를 주행하는 차량의 속도, 단위시간당 차량 수 등의 교통 데이터를 수집할 수 있다.
시공간 데이터 구성부(104)는 데이터 입력부(102)로부터 입력되는 도로상 주행하는 차량들에 대한 교통 데이터를 수신하고, 이러한 교통 데이터를 이용하여 시간축과 공간축의 데이터로 정렬하여 시공간 데이터 셋트를 생성할 수 있다.
예를 들어, 일반적으로 센서를 통해 수집되는 교통 데이터는 도 2에서 보여지는 바와 같이 각각의 센서별 시간단위로 입력되는 차량의 속도, 단위시간당 차량수, 단위거리당 차량수 등으로 정렬된 데이터일 수 있다.
시공간 데이터 구성부(104)는 위와 같은 각각의 센서로부터 수집되는 교통 데이터에 대해 예를 들어 도 3에서 보여지는 바와 같이 데이터 셋트상 가로축에는 공간축 정보로써 각각의 센서 ID 정보를 배치하고, 세로축에는 시간축 정보로써 시간 정보를 배치하여 각각의 시간에서 각각의 센서 ID(ID#1, ID#2, ID#3)로부터 측정되는 차량의 속도 정보를 기록한 시공간 데이터 셋트를 생성할 수 있다. 이때, 이러한 시공간 데이터 셋트는 시간축과 공간축의 길이를 기설정된 일정 길이로 구성한 기본 단위 데이터 셋트로 구성될 수 있다.
또한, 시공간 데이터 구성부(104)는 위와 같은 기본단위 데이터 셋트를 구성함에 있어서, 도로의 기하구조와 센서간 상관관계에 대한 트렌드 분석 결과를 기반으로 구성할 수도 있다.
도 4는 도로의 기하구조에 따른 센서간 상관관계를 도시한 그래프이다. 위 도 4를 참조하면, Section A와 Section B의 사이에 다른 도로와의 합류부(Junction)가 위치하고 있으며, 이때 3개의 센서의 윈도우를 기반으로 하여 상관관계를 분석할 경우 31번째 센서에서 상관관계가 급격히 줄어드는 것을 관찰 할 수 있다. 이에 따라, 31번째 센서를 기반으로 하여 도로의 구간을 구분할 수 있다.
데이터 손실 검색부(106)는 시공간 데이터 구성부(104)를 통해 구성되는 기본단위의 시공간 데이터 셋트에 대해 일부 데이터 영역에 유효한 데이터가 존재하지 않는 손실된 데이터를 가지는 데이터 셋트가 있는지 검색한다. 이때, 이러한 손실된 데이터를 가지는 데이터 셋트를 설명의 편의 상 이하에서는 보정 필요 데이터 셋트로 명명하기로 한다.
가중치 산출부(108)는 보정 필요 데이터 셋트상 손실된 데이터 영역을 중심으로 각각의 데이터 영역에 대한 가중치를 산출한다. 이때, 가중치 산출부는 이러한 가중치 산출에 있어서, 예를 들어 손실된 데이터를 가지고 있는 보정 필요 데이터 셋트에서 손실된 데이터 영역 주변의 각각의 데이터 영역들과 손실된 데이터 영역간 시간적, 공간적 상관관계값을 기반으로 산출할 수 있다.
이와 같이 산출된 가중치는 유사도 산출부(110)로 제공될 수 있으며, 유사도 산출부(110)에서는 보정 필요 데이터 셋트의 과거 데이터 셋트를 과거 데이터 DB(data base)(112)로부터 검색하여 검색된 과거 데이터 셋트와 보정 필요 데이터 셋트간 유사도를 산출할 때 각각의 데이터 영역에 대한 가중치를 반영할 수 있다. 이에 대한 상세한 설명은 후술되는 유사도 산출부(110)의 동작 설명에서 보다 상세히 설명하기로 한다.
도 5는 가중치 산출부(108)에서 보정 필요 데이터 셋트상 손실된 데이터 영역 주변의 데이터 영역들에 대해 가중치를 산출하여 표시한 것을 예시한 것이다.
위 도 5에서 보여지는 바와 같이, 보정 필요 데이터 셋트내 손실된 데이터 영역(400)을 중심으로 각각의 데이터 영역에 가중치가 표시된 것을 볼 수 있다.
이러한 가중치는 보정 필요 데이터 셋트에서 손실된 데이터 영역 주변의 각각의 데이터 영역들과 손실된 데이터 영역간 시간적, 공간적 상관관계값의 계산을 통해 산출될 수 있으며, 손실된 데이터 영역에 인접한 데이터 영역이 상대적으로 가중치가 높게 계산되는 것을 알 수 있다.
한편, 시간축 상관관계 함수와 공간축 상관관계 함수는 아래의 [수학식1]과 같이 계산될 수 있다.
Figure 112015124504130-pat00001
위 [수학식 1]에서
Figure 112015124504130-pat00002
는 시간 T에서 값과 시간 i에서 값 사이의 시간적 상관관계 계수이며,
Figure 112015124504130-pat00003
는 위치 S에서와 데이터와 위치 j에서의 데이터 사이의 공간적 상관관계 계수이다.
위와 같이 계산된 시간축 상관관계 함수와 공간축 상관관계 함수를 행렬로 구성하는 경우 아래의 [수학식 2]에서와 같이 나타낼 수 있다.
Figure 112015124504130-pat00004
위 [수학식 2]에서 h는 변수(i,j)의 쌍이고, I는 시간축 i에서 손실된 데이터의 시간적 위치이며, j는 공간축 j에서 손실된 데이터의 공간적 위치이다. 이때, k개의 손실된 데이터로부터 생성된 상관관계 행렬을 이용하는 경우 아래의 [수학식 3]에서와 같이 가중치 행렬(W)을 계산할 수 있으며, 이러한 가중치 행렬의 각각의 값이 각각의 데이터 영역에 대한 가중치 값이 될 수 있다.
Figure 112015124504130-pat00005
위 [수학식 3]에서 가중치 행렬(w)은 m■n 행렬로 구성되며, m은 보정 필요 데이터 셋트의 시간축 길이이고, n은 보정 필요 데이터 셋트의 공간축 길이가 될 수 있다.
유사도 산출부(110)는 과거 데이터 DB(112)로부터 보정 필요 데이터 셋트에 대응되는 적어도 하나 이상의 과거 데이터 셋트를 검색한다. 이때, 이러한 과거 데이터 셋트라 함은 보정 필요 데이터 셋트의 시간축과 공간축 데이터 길이가 일치하는 데이터 셋트가 될 수 있다. 즉, 예를 들어 보정 필요 데이터 셋트가 2015년 4월 7일 오후 2시부터 8시까지의 루프 감지기의 ID 1번부터 18번까지에 해당하는 데이터 셋트라 하는 경우, 보정 필요 데이터 셋트와 대응되는 것으로 검색되는 과거 데이터 셋트는 동일한 시공간 구간의 데이터 중 4월 6일 오후 2시부터 8시까지의 데이터, 4월 5일 오후 2시부터 8시까지의 데이터 등과 같이 4월 7일 이전에 해당하는 모든 데이터가 될 수 있다.
위와 같이 보정 필요 데이터 셋트가 검색되는 경우 유사도 산출부(110)는 각각의 과거 데이터 셋트와 보정 필요 데이터 셋트간 유사도를 산출하게 되며, 이러한 유사도 산출에 있어서, 예를 들어 과거 데이터 셋트와 보정 필요 데이터 셋트간 유클리디안 디스턴스값(Euclidean distance)을 산출하여 유클리디안 디스턴스값을 이용하여 두 개의 데이터 셋트간 유사도를 산출할 수 있으나 이에 한정되는 것은 아니다.
이때, 유사도 산출부(110)는 보정 필요 데이터 셋트와 과거 데이터 셋트간 유사도 산출을 위해 유클리디안 디스턴스값을 산출함에 있어서, 손실된 데이터 영역 주변 각각의 데이터 영역에 대한 가중치를 반영하여 유클리디안 디스턴스값을 산출한다. 이에 따라 손실된 데이터 영역과 인접한 데이터 영역에 손실되지 않은 데이터가 상대적으로 많이 존재하는 과거 데이터 셋트가 유클리디안 디스턴스값이 상대적으로 더 낮게 계산되어 유사도가 높은 것으로 산출될 수 있는 등 보다 신뢰성 있는 데이터 셋트가 유사도가 높은 데이터 셋트로 검색될 수 있다.
또한, 유사도 산출부(110)는 위와 같이 보정 필요 데이터 셋트와 과거 데이터 셋트간 유클리디안 디스턴스를 산출하여 유사도를 산출함에 있어서, 과거 데이터 셋트에서도 손실된 데이터가 존재할 수 있는 것을 고려하여 과거 데이터 셋트내 가용한 데이터의 수를 제2 가중치로 반영하여 유클리디안 디스턴스값을 산출한다. 이에 따라, 가용한 데이터 수가 많은 과거 데이터 셋트가 그렇지 않은 과거 데이터 셋트에 비해 보정 필요 데이터 셋트와의 유클리디안 디스턴스값이 상대적으로 더 낮게 계산되어 유사도가 높은 것으로 산출될 수 있다.
즉, 유사도 산출부(110)는 가중치 산출부(108)에서 산출된 가중치와 데이터 셋트내 가용한 데이터의 수에 따라 생성되는 제2 가중치를 모두 반영하여 유클리디안 디스턴스값을 산출하게 되는 것이다.
도 6은 손실된 데이터를 기반으로 과거 데이터 셋트에 대해 유사도를 산출하는 개념을 예시한 것이다.
위 도 6을 참조하면, 유사도 산출부(110)는 도 6의 (a)에서와 같은 보정 필요 데이터 셋트에서 손실된 데이터를 기반으로 과거 데이터 DB(112)로부터 보정 필요 데이터 셋트에 대응되는 과거 데이터 셋트를 검색한다. 이때, 예를 들어 도 6의 (b)에서와 같은 보정 필요 데이터 셋트의 시간축과 공간축 데이터 길이와 일치하는 3개의 과거 데이터 셋트가 검색될 수 있다.
그러면, 유사도 산출부(110)는 보정 필요 데이터 셋트와 각각의 과거 데이터 셋트간 유클리디안 디스턴스값을 계산하여 보정 필요 데이터 셋트와 각각의 과거 데이터 셋트간 유사도를 산출하게 된다.
도 6의 (c)는 각각의 과거 데이터 셋트에 대해 산출된 유클리디안 디스턴스값을 도시한 것으로, 유클리디안 디스턴스값이 생성된 데이터 영역은 "O"로 유클리디안 디스턴스값이 생성되지 않은 데이터 영역은 "X"로 표시된 것을 볼 수 있다. 이와 같이 유클리디안 디스턴스값이 생성되지 않은 데이터 영역이 발생하는 것은 유클리디안 디스턴스값은 보정 필요 데이터 셋트의 손실된 데이터 영역과 과거 데이터 셋트내 손실된 데이터 영역에서는 생성되지 않기 때문이다.
즉, 유사도 산출부(110)는 도 6의 (c)에서와 같이 유클리디안 디스턴스값이 생성된 영역의 유효한 유클리디안 디스턴스값을 기반으로 각각의 과거 데이터 셋트에 대해 보정 필요 데이터 셋트와의 유사도를 산출하게 된다.
이때, 도 6의 (c)에서와 같이 과거 데이터 셋트별로 유클리디안 디스턴스값이 생성되지 못하는 데이터 영역이 서로 다르며, 이에 따라 단순히 유효한 유클리디안 디스턴스값을 기반으로 과거 데이터 셋트에 대한 유사도를 산출하는 경우 유효한 유클리디안 디스턴스값이 존재하는 데이터 영역이 상대적으로 적은 과거 데이터 셋트가 유사도가 더 높게 나타날 수 있는 가능성 있다.
따라서, 유사도 산출부(110)는 전술한 바와 같이 과거 데이터 셋트에서도 손실된 데이터가 존재할 수 있는 것을 고려하여 도 6의 (c)에서 보여지는 바와 같이 유효한 유클리디안 디스턴스값이 표시되는 데이터 영역의 수를 제2 가중치로 반영하여 과거 데이터 셋트에 대한 유클리디안 디스턴스값을 산출하게 된다.
이에 따라, 가용한 데이터 수가 많지 않은 과거 데이터 셋트가 가용한 데이터 수가 상대적으로 더 많은 과거 데이터 셋트보다 유클리디안 디스턴스값이 낮게 나와 보정 필요 데이터 셋트와의 유사도가 높은 것으로 나타나는 것을 방지시킬 수 있다.
보정부(114)는 유사도가 산출된 과거 데이터 셋트에 대해 유사도를 기반으로 예를 들어 유사도가 높은 순으로 정렬시킨다. 이어, 보정부(114)는 위와 같이 유사도가 높은 순으로 정렬된 과거 데이터 셋트 중에서 유사도 가장 높은 K 개의 과거 데이터 셋트를 선택한 후, 과거 데이터 셋트의 데이터를 이용하여 보정 필요 데이터 셋트내 손실된 데이터를 유추하여 보정을 수행한다.
이때, 보정부(114)는 유사도가 가장 높은 K개의 과거 데이터 셋트를 이용하여 보정 필요 데이터 셋트내 손실된 데이터를 보정함에 있어서, K개의 과거 데이터 셋트에서 보정 필요 데이터 셋트내 손실된 데이터에 대응되는 데이터를 각각 추출한 후, 추출된 데이터를 기반으로 손실된 데이터를 보정한다.
또한, 보정부(114)는 K개의 과거 데이터 셋트로부터 추출된 데이터를 기반으로 손실된 데이터를 보정함에 있어서, 각각의 과거 데이터 셋트의 유사도를 제3 가중치로 적용하여 가장 유사도가 높은 과거 데이터 셋트로부터 추출된 데이터가 가장 높은 비율로 손실된 데이터를 유추하는데 기여할 수 있도록 한다.
도 7은 본 발명의 실시예에 따른 교통 데이터 보정 장치(100)에서 교통 데이터 보정을 수행하는 동작 제어 흐름을 도시한 것이다. 이하, 도 1 내지 도 7을 참조하여 본 발명의 실시예를 상세히 설명하기로 한다.
먼저, 교통 데이터 보정장치(100)는 데이터 입력부(102)를 통해 도로를 주행하는 차량들과 관련된 교통 데이터를 수집한다(S600). 이러한 교통 데이터는 예를 들어 차량의 속도, 단위 시간당 차량 수, 단위 거리당 차량 수 등이 될 수 있다.
이어, 교통 데이터 보정장치(100)는 시공간 데이터 구성부(104)를 통해 위와 같이 수집된 교통 데이터를 시간축과 공간축의 데이터로 정렬하여 시공간 데이터 셋트를 생성한다(S602).
이때, 이러한 시공간 데이터 셋트는 도 3에서 보여지는 바와 같이 데이터 셋트상 가로축에는 공간축 정보로써 각각의 센서 ID 정보를 배치하고, 세로축에서는 시간축 정보로써 시간 정보를 배치하여 각각의 시간에서 각각의 센서 ID로부터 측정되는 차량의 속도 정보를 기록한 시공간 데이터 셋트를 생성할 수 있다. 이때, 이러한 시공간 데이터 셋트는 시간축과 공간축의 길이를 기설정된 일정 길이로 구성한 기본 단위 데이터 셋트로 구성될 수 있다.
한편, 위와 같은 시공간 데이터 셋트는 도로 상 설치된 센서의 고장, 수리, 점검 등의 원인에 의해 데이터가 손실되는 경우가 발생될 수 있다.
따라서, 교통 데이터 보정장치(100)는 데이터 손실 검색부(106)를 통해 시공간 데이터 구성부(104)에서 생성되는 시공간 데이터 셋트 중 손실된 데이터를 가지는 보정 필요 데이터 셋트가 존재하는지 검색한다(S604).
검색결과, 보정 필요 데이터 셋트가 검색되는 경우 교통 데이터 보정장치(100)는 가중치 산출부(108)를 통해 보정 필요 데이터 셋트상 손실된 데이터 영역을 중심으로 각각의 데이터 영역에 대한 가중치를 산출한다(S606).
이때, 교통 데이터 보정장치(100)는 위와 같은 가중치 산출에 있어서, 손실된 데이터를 가지고 있는 보정 필요 데이터 셋트에서 손실된 데이터 영역 주변의 각각의 데이터 영역들과 손실된 데이터 영역간 산출된 시간적, 공간적 상관관계값을 기반으로 가중치를 산출할 수 있다.
이어, 교통 데이터 보정장치(100)는 과거 데이터 DB(112)로부터 보정 필요 데이터 셋트에 대응되는 적어도 하나 이상의 과거 데이터 셋트를 검색한다(S608).
이어, 위와 같이 보정 필요 데이터 셋트에 대응되는 과거 데이터 셋트가 검색되는 경우 교통 데이터 보정장치(100)는 유사도 산출부(110)를 통해 각각의 과거 데이터 셋트와 보정 필요 데이터 셋트간 유클리디안 디스턴스값을 산출하여 각각의 과거 데이터 셋트와 보정 필요 데이터 셋트간 유사도를 산출한다(S610).
이때, 교통 데이터 보정장치(100)는 보정 필요 데이터 셋트와 과거 데이터 셋트간 유사도 산출을 위해 유클리디안 디스턴스값을 산출함에 있어서, 가중치 산출부(108)를 통해 산출한 손실된 데이터 영역 주변 각각의 데이터 영역에 대한 가중치를 반영하여 유클리디안 디스턴스값을 산출한다. 이에 따라 손실된 데이터 영역과 인접한 데이터 영역에 손실되지 않은 데이터가 상대적으로 많이 존재하는 과거 데이터 셋트가 유클리디안 디스턴스값이 상대적으로 더 낮게 계산되어 유사도가 높은 것으로 산출될 수 있는 등 보다 신뢰성 있는 데이터 셋트가 유사도가 높은 데이터 셋트로 검색될 수 있다.
또한, 교통 데이터 보정장치(100)는 위 유사도를 산출함에 있어서 과거 데이터 셋트에서도 손실된 데이터가 존재할 수 있는 것을 고려하여 과거 데이터 셋트내 가용한 데이터의 수를 제2 가중치로 반영하여 유클리디안 디스턴스값을 산출한다.
이어, 교통 데이터 보정장치(100)는 보정부(114)를 통해 유사도가 산출된 과거 데이터 셋트에 대해 유사도를 기반으로 예를 들어 유사도가 높은 순으로 정렬시키고(S612), 유사도가 높은 순으로 정렬된 과거 데이터 셋트 중에서 유사도 가장 높은 K 개의 과거 데이터 셋트를 선택한다(S614).
이어, 교통 데이터 보정장치(100)는 위와 같이 선택된 K 개의 과거 데이터 셋트의 데이터를 이용하여 보정 필요 데이터 셋트내 손실된 데이터를 유추하고(S616), 유추된 데이터를 보정 필요 데이터 셋트내 손실된 부분에 삽입하는 등의 방식으로 보정을 수행한다(S618).
이때, 교통 데이터 보정장치(100)는 K개의 과거 데이터 셋트로부터 추출된 데이터를 기반으로 손실된 데이터를 보정함에 있어서, 각각의 과거 데이터 셋트의 유사도를 제3 가중치로 적용하여 가장 유사도가 높은 과거 데이터 셋트로부터 추출된 데이터가 가장 높은 비율로 손실된 데이터를 유추하는데 기여할 수 있도록 한다.
상기한 바와 같이, 본 발명에 따르면, 교통 데이터 보정에 있어서, 도로상 다수의 센서로부터 수집되는 교통 데이터상 손실이 발생하여 보정이 필요한 데이터에 대해 과거의 교통 데이터 DB에서 보정이 필요한 데이터와 시간적, 공간적으로 유사한 패턴을 보이는 과거 교통 데이터 구간을 검색하고, 손실된 데이터 영역 주변의 각각의 데이터 포인터들과 손실된 데이터 영역간 산출된 시간적, 공간적 상관관계를 가중치로 적용하여 유사한 패턴을 보이는 과거 교통 데이터 구간 중 가장 유사도가 높은 K 개의 데이터 구간을 추출한 후, 이를 기반으로 손실된 데이터를 유추하여 보정함으로써 교통 데이터 보정의 신뢰성을 높일 수 있다.
한편 상술한 본 발명의 설명에서는 구체적인 실시예에 관해 설명하였으나, 여러 가지 변형이 본 발명의 범위에서 벗어나지 않고 실시될 수 있다. 따라서 발명의 범위는 설명된 실시 예에 의하여 정할 것이 아니고 특허청구범위에 의해 정하여져야 한다.
102 : 데이터 입력부 104 : 시공간 데이터 구성부
106 : 데이터 손실 검색부 108 : 가중치 산출부
110 : 유사도 산출부 112 : 과거 데이터 DB
114 : 보정부

Claims (17)

  1. 삭제
  2. 삭제
  3. 삭제
  4. 시간축과 공간축의 데이터로 구성된 시공간 데이터를 기설정된 기본단위의 데이터 셋트로 구성하는 단계와,
    상기 데이터 셋트 중 손실된 데이터를 가지는 보정 필요 데이터 셋트를 검색하는 단계와,
    과거 데이터 DB로부터 상기 보정 필요 데이터 셋트에 대응되는 적어도 하나 의 과거 데이터 셋트를 검색하는 단계와,
    상기 과거 데이터 셋트와 상기 보정 필요 데이터 셋트의 유사도를 산출하는 단계와,
    상기 산출된 유사도를 기반으로 상기 보정 필요 데이터 셋트와 가장 유사한 K개의 과거 데이터 셋트를 선택하는 단계와,
    상기 K개의 과거 데이터 셋트를 이용하여 상기 보정 필요 데이터 셋트내 상기 손실된 데이터를 보정하는 단계를 포함하고,
    상기 기본단위의 데이터 셋트로 구성하는 단계에서, 상기 기본단위의 데이터 셋트의 구성은, 도로의 기하구조와 센서간 상관관계 분석 결과를 기반으로 구성되며,
    상기 유사도를 산출하는 단계에서,
    상기 과거 데이터 셋트와 상기 보정 필요 데이터 셋트간 유클리디안 디스턴스값을 산출하고, 상기 산출된 유클리디안 디스턴스값을 기반으로 상기 유사도를 산출하며,
    상기 유클리디안 디스턴스값은,
    상기 보정 필요 데이터 셋트내 상기 손실된 데이터 주변의 데이터 영역에 대해 산출된 가중치가 반영되어 산출되는 것을 특징으로 하는 교통 데이터 보정방법.
  5. 제 4 항에 있어서,
    상기 가중치는,
    상기 손실된 데이터 주변의 각각의 데이터 영역과 상기 손실된 데이터 영역간 시간적 상관관계값과 공간적 상관관계값을 기반으로 산출되는 것을 특징으로 하는 교통 데이터 보정방법.
  6. 제 4 항에 있어서,
    상기 가중치는,
    상기 손실된 데이터 영역을 기준으로 시간축 또는 공간축으로 가장 인접한 데이터 영역에서 가장 높은 값으로 나타나며, 상기 시간축 또는 공간축으로 멀어질수록 점차 낮은 값으로 나타나는 것을 특징으로 하는 교통 데이터 보정방법.
  7. 시간축과 공간축의 데이터로 구성된 시공간 데이터를 기설정된 기본단위의 데이터 셋트로 구성하는 단계와,
    상기 데이터 셋트 중 손실된 데이터를 가지는 보정 필요 데이터 셋트를 검색하는 단계와,
    과거 데이터 DB로부터 상기 보정 필요 데이터 셋트에 대응되는 적어도 하나 의 과거 데이터 셋트를 검색하는 단계와,
    상기 과거 데이터 셋트와 상기 보정 필요 데이터 셋트의 유사도를 산출하는 단계와,
    상기 산출된 유사도를 기반으로 상기 보정 필요 데이터 셋트와 가장 유사한 K개의 과거 데이터 셋트를 선택하는 단계와,
    상기 K개의 과거 데이터 셋트를 이용하여 상기 보정 필요 데이터 셋트내 상기 손실된 데이터를 보정하는 단계를 포함하고,
    상기 기본단위의 데이터 셋트로 구성하는 단계에서, 상기 기본단위의 데이터 셋트의 구성은, 도로의 기하구조와 센서간 상관관계 분석 결과를 기반으로 구성되며,
    상기 유사도를 산출하는 단계에서,
    상기 과거 데이터 셋트와 상기 보정 필요 데이터 셋트간 유클리디안 디스턴스값을 산출하고, 상기 산출된 유클리디안 디스턴스값을 기반으로 상기 유사도를 산출하며,
    상기 유클리디안 디스턴스값은,
    상기 과거 데이터 셋트내 가용한 데이터의 수를 가중치로 반영하여 산출되는 것을 특징으로 하는 교통 데이터 보정방법.
  8. 삭제
  9. 시간축과 공간축의 데이터로 구성된 시공간 데이터를 기설정된 기본단위의 데이터 셋트로 구성하는 단계와,
    상기 데이터 셋트 중 손실된 데이터를 가지는 보정 필요 데이터 셋트를 검색하는 단계와,
    과거 데이터 DB로부터 상기 보정 필요 데이터 셋트에 대응되는 적어도 하나 의 과거 데이터 셋트를 검색하는 단계와,
    상기 과거 데이터 셋트와 상기 보정 필요 데이터 셋트의 유사도를 산출하는 단계와,
    상기 산출된 유사도를 기반으로 상기 보정 필요 데이터 셋트와 가장 유사한 K개의 과거 데이터 셋트를 선택하는 단계와,
    상기 K개의 과거 데이터 셋트를 이용하여 상기 보정 필요 데이터 셋트내 상기 손실된 데이터를 보정하는 단계를 포함하고,
    상기 보정하는 단계는,
    상기 K개의 과거 데이터 셋트를 이용하여 상기 보정 필요 데이터 셋트내 상기 손실된 데이터를 유추하는 단계와,
    상기 유추된 데이터를 상기 보정 필요 데이터 셋트내 상기 손실된 데이터에 삽입하여 데이터 보정을 수행하는 단계를 포함하며,
    상기 유추하는 단계에서,
    상기 K개의 과거 데이터 셋트의 각각의 유사도를 기반으로 상기 K개의 과거 데이터 셋트로부터 상기 손실된 데이터의 보정을 위해 추출되는 데이터에 상기 유사도의 우선순위에 대응되는 비율로 가중치를 적용시켜 상기 손실된 데이터를 유추하는 것을 특징으로 하는 교통 데이터 보정방법.
  10. 제 4 항, 제 7 항 또는 제 9 항 중 어느 한 항에 있어서,
    상기 과거 데이터 DB는,
    상기 시공간 데이터에 대한 과거 데이터 셋트를 저장하고 있는 것을 특징으로 하는 교통 데이터 보정방법.
  11. 삭제
  12. 삭제
  13. 도로상 적어도 하나의 센서로부터 교통 데이터를 수집하는 데이터 입력부와,
    상기 교통 데이터를 시간축과 공간축의 데이터로 정렬한 시공간 데이터를 구성하고, 상기 시공간 데이터를 기설정된 기본단위의 데이터 셋트로 구성하는 시공간 데이터 구성부와,
    상기 데이터 셋트 중 손실된 데이터를 가지는 보정 필요 데이터 셋트를 검색하는 데이터 손실 검색부와,
    과거 데이터 DB로부터 상기 보정 필요 데이터 셋트에 대응되는 적어도 하나 의 과거 데이터 셋트를 검색하고, 상기 과거 데이터 셋트와 상기 보정 필요 데이터 셋트의 유사도를 산출하는 유사도 산출부와,
    상기 산출된 유사도를 기반으로 상기 보정 필요 데이터 셋트와 가장 유사한 K개의 과거 데이터 셋트를 선택하고, 상기 K개의 과거 데이터 셋트를 이용하여 상기 보정 필요 데이터 셋트내 상기 손실된 데이터를 보정하는 보정부와,
    상기 손실된 데이터 주변의 데이터 영역과 상기 손실된 데이터 영역간 시간적 상관관계값과 공간적 상관관계값을 기반으로 상기 손실된 데이터 주변의 데이터 영역에 대한 가중치를 산출하는 가중치 산출부를 포함하고,
    상기 유사도 산출부는,
    상기 과거 데이터 셋트와 상기 보정 필요 데이터 셋트간 유클리디안 디스턴스값을 산출하고, 상기 산출된 유클리디안 디스턴스값을 기반으로 상기 유사도를 산출하는 것을 특징으로 하는 교통 데이터 보정장치.
  14. 제 13 항에 있어서,
    상기 유사도 산출부는,
    상기 보정 필요 데이터 셋트내 상기 손실된 데이터 주변의 데이터 영역에 대해 산출된 가중치를 반영하여 상기 유클리디안 디스턴스값을 산출하는 것을 특징으로 하는 교통 데이터 보정장치.
  15. 도로상 적어도 하나의 센서로부터 교통 데이터를 수집하는 데이터 입력부와,
    상기 교통 데이터를 시간축과 공간축의 데이터로 정렬한 시공간 데이터를 구성하고, 상기 시공간 데이터를 기설정된 기본단위의 데이터 셋트로 구성하는 시공간 데이터 구성부와,
    상기 데이터 셋트 중 손실된 데이터를 가지는 보정 필요 데이터 셋트를 검색하는 데이터 손실 검색부와,
    과거 데이터 DB로부터 상기 보정 필요 데이터 셋트에 대응되는 적어도 하나 의 과거 데이터 셋트를 검색하고, 상기 과거 데이터 셋트와 상기 보정 필요 데이터 셋트의 유사도를 산출하는 유사도 산출부와,
    상기 산출된 유사도를 기반으로 상기 보정 필요 데이터 셋트와 가장 유사한 K개의 과거 데이터 셋트를 선택하고, 상기 K개의 과거 데이터 셋트를 이용하여 상기 보정 필요 데이터 셋트내 상기 손실된 데이터를 보정하는 보정부를 포함하고,
    상기 유사도 산출부는,
    상기 과거 데이터 셋트와 상기 보정 필요 데이터 셋트간 유클리디안 디스턴스값을 산출하고, 상기 산출된 유클리디안 디스턴스값을 기반으로 상기 유사도를 산출하되, 상기 과거 데이터 셋트내 가용한 데이터의 수를 가중치로 반영하여 상기 유클리디안 디스턴스값을 산출하는 것을 특징으로 하는 교통 데이터 보정장치.
  16. 삭제
  17. 도로상 적어도 하나의 센서로부터 교통 데이터를 수집하는 데이터 입력부와,
    상기 교통 데이터를 시간축과 공간축의 데이터로 정렬한 시공간 데이터를 구성하고, 상기 시공간 데이터를 기설정된 기본단위의 데이터 셋트로 구성하는 시공간 데이터 구성부와,
    상기 데이터 셋트 중 손실된 데이터를 가지는 보정 필요 데이터 셋트를 검색하는 데이터 손실 검색부와,
    과거 데이터 DB로부터 상기 보정 필요 데이터 셋트에 대응되는 적어도 하나 의 과거 데이터 셋트를 검색하고, 상기 과거 데이터 셋트와 상기 보정 필요 데이터 셋트의 유사도를 산출하는 유사도 산출부와,
    상기 산출된 유사도를 기반으로 상기 보정 필요 데이터 셋트와 가장 유사한 K개의 과거 데이터 셋트를 선택하고, 상기 K개의 과거 데이터 셋트를 이용하여 상기 보정 필요 데이터 셋트내 상기 손실된 데이터를 보정하는 보정부를 포함하고,
    상기 보정부는,
    상기 K개의 과거 데이터 셋트를 이용하여 상기 보정 필요 데이터 셋트내 상기 손실된 데이터를 유추하고, 상기 유추된 데이터를 상기 보정 필요 데이터 셋트내 상기 손실된 데이터에 삽입하여 데이터 보정을 수행하되, 상기 K개의 과거 데이터 셋트의 각각의 유사도를 기반으로 상기 K개의 과거 데이터 셋트로부터 상기 손실된 데이터의 보정을 위한 데이터를 추출하고, 상기 추출되는 데이터에 대해 상기 유사도의 우선순위에 대응되는 비율로 가중치를 적용시켜 상기 손실된 데이터를 유추하는 것을 특징으로 하는 교통 데이터 보정장치.

KR1020150181870A 2015-12-18 2015-12-18 교통 데이터 보정장치 및 방법 KR102423784B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020150181870A KR102423784B1 (ko) 2015-12-18 2015-12-18 교통 데이터 보정장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020150181870A KR102423784B1 (ko) 2015-12-18 2015-12-18 교통 데이터 보정장치 및 방법

Publications (2)

Publication Number Publication Date
KR20170073220A KR20170073220A (ko) 2017-06-28
KR102423784B1 true KR102423784B1 (ko) 2022-07-22

Family

ID=59280430

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020150181870A KR102423784B1 (ko) 2015-12-18 2015-12-18 교통 데이터 보정장치 및 방법

Country Status (1)

Country Link
KR (1) KR102423784B1 (ko)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107591001B (zh) * 2017-09-07 2019-12-27 山东大学 基于在线标定的快速路交通流数据填补方法及系统
KR102461631B1 (ko) * 2018-09-12 2022-10-31 삼성에스디에스 주식회사 데이터의 결측치 보정 방법 및 장치
KR102643592B1 (ko) * 2021-04-27 2024-03-06 한국과학기술원 에지 컴퓨팅 환경에서의 IoT 누락데이터 관리 방법 및 장치

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1139588A (ja) * 1997-07-15 1999-02-12 Toshiba Corp 走行所要時間予測装置
KR100702852B1 (ko) * 2004-10-28 2007-04-06 한국도로공사 과거 및 실시간 교통정보를 이용하여 교통상황의 예측 및동적경로 안내를 제공하는 방법 및 시스템
KR101095529B1 (ko) 2009-05-20 2011-12-20 (주) 서돌 전자통신 영상처리기술을 이용한 고속 교통정보 수집시스템 및 고속 교통정보 수집방법
KR20140059342A (ko) * 2012-11-07 2014-05-16 한국도로공사 교통 예보 제공 시스템 및 제공 방법

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
도명식외 3. 실시간 교통 데이터의 보정에 관한 연구. 대한토목학회 학술대회, 2002.11., pp. 117-120. 1부.*

Also Published As

Publication number Publication date
KR20170073220A (ko) 2017-06-28

Similar Documents

Publication Publication Date Title
KR102350711B1 (ko) 궤적 분류 모델의 트레이닝 방법 및 장치, 및 전자 기기
JP6203208B2 (ja) 道路構造物管理システム、及び道路構造物管理方法
US10839211B2 (en) Systems, methods and computer program products for multi-resolution multi-spectral deep learning based change detection for satellite images
EP3322961B1 (en) Methods and systems for detecting a closure and/or opening of a navigable element
US9846811B2 (en) System and method for video-based determination of queue configuration parameters
CN109359690B (zh) 基于卡口数据的车辆出行轨迹识别方法
CN104239386B (zh) 用于对面部识别匹配区分优先级的方法和系统
CN106133553B (zh) 用于确定利用gnss定位的空间分辨的误差程度的方法
KR102423784B1 (ko) 교통 데이터 보정장치 및 방법
CN108091137B (zh) 一种信号灯控制方案的评价方法及装置
US20110246073A1 (en) System and method for analyzing trees in lidar data using views
KR101834838B1 (ko) 영상처리를 이용한 도로 교통 정보 제공 시스템 및 방법
KR101747848B1 (ko) 교통 상황 예측 서버 및 방법
CN101689328A (zh) 图案识别设备、图案识别方法、图像处理设备、以及图像处理方法
US20140039782A1 (en) Determining a spatiotemporal impact of a planned event on traffic
CN105469380A (zh) 对于对象的遮挡进行检测的方法和装置
KR20150029080A (ko) 노면정보 수집장치, 관리장치 및 그 동작방법
CN103310199A (zh) 基于高分辨率遥感数据的车辆型号识别方法
JP2022502750A (ja) センサデータ流を分析するための方法及び装置、並びに、車両を誘導するための方法
US11227174B1 (en) License plate recognition
EP3244344A1 (en) Ground object tracking system
US11512969B2 (en) Method for ascertaining in a backend, and providing for a vehicle, a data record, describing a landmark, for the vehicle to determine its own position
US20120253648A1 (en) Apparatus and method for generating traffic information
JP2007188340A (ja) 通過時間提供装置
JP7117775B2 (ja) 情報処理装置、情報処理システム、情報処理方法、及びプログラム

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant