KR20090124197A

KR20090124197A - 복합검지체계를 가진 교통정보 예측 복합 검지기 및교통정보 예측 방법

Info

Publication number: KR20090124197A
Application number: KR1020080050264A
Authority: KR
Inventors: 강원의; 박종서
Original assignee: 주식회사 세인시스템; 한국건설기술연구원
Priority date: 2008-05-29
Filing date: 2008-05-29
Publication date: 2009-12-03
Also published as: KR100979724B1

Abstract

본 발명은 복합검지체계를 가진 교통정보 예측 복합 검지기 및 교통정보 예측 방법에 관한 것으로서, 지점정보와 구간정보를 동시에 이용하여 실시간 실측 교통정보를 정확히 예측함을 특징으로 한다. 본 발명은, 차량이 특정지점을 포함하는 경로를 따라 이동해 갈 때, 상기 특정지점에서의 교통량, 차량 속도, 점유/비점유 시간을 포함하는 지점정보를 검출하는 지점검지장치와, 상기 특정지점을 통과하는 차량의 차량ID, 경로이력을 포함하는 구간정보를 검출하는 구간검지장치와, 상기 지점정보와 구간정보로부터 구간추측 통행시간과 구간실측 통행시간을 각각 연산하여 추출한 후, 상기 구간추측 통행시간과 상기 구간실측 통행시간 간의 차이 크기에 따라 상기 차량이 통과하는 구간이 연속류 구간인지 단속류 구간인지 분류한 후 각 경우에 따라 가중치를 달리한 시계열 분석을 통해 향후 통과할 구간의 통행시간을 예측하여 예측 교통정보를 생성하는 정보융합부, 상기 지점정보, 구간정보, 예측 교통정보를 상위 수집 장치인 교통정보 수집 센터로 전송하는 유무선 네트워크를 포함한다.

교통, 차량, 정보, 예측, 통행시간, 루프, 검지기, 구간, 밀도

Description

복합검지체계를 가진 교통정보 예측 복합 검지기 및 교통정보 예측 방법 {Apparatus for forecasting traffic information with multi-detection and method for operating the same}

본 발명은 복합검지체계를 가진 교통정보 예측 복합 검지기 및 교통정보 예측 방법에 관한 것이다.

현재, 차량의 급속한 증가는 산업화된 대부분의 국가에서 교통체증, 대기오염 및 교통사고 등과 같은 많은 사회적 문제를 낳고 있다. 교통체증으로 인한 물류비용과 교통사고로 인한 재산 손실은 날로 증가하여 향후 더욱 늘어날 것으로 예상된다. 이러한 심각한 상황을 극복하는 방법으로서 혼잡지역에 몰리는 차량을 분산시켜 도로 전체의 교통량의 정보를 효율적으로 제공하는 교통정보 수집 시스템이 있다.

이러한 기존의 교통정보 수집 시스템은 교차로 주변의 교통정보를 수집하기 위하여 지점검지(매설식 루프검지기, 영상검지기 등을 통한 지점검지)와 구간검지(영상검지를 이용한 AVI 및 BIS용 차량 검지기 등을 통한 구간검지)로 각각 나뉘어져 검지한 교통정보를 개별적으로 유무선을 통하여 수집한다.

그런데, 이러한 지점검지 방식 또는 구간검지 방식 등의 단일 방식 및 단일 수집체계를 통해 교통정보를 수집하는 것은 교통정보의 정확성 확보에 한계가 있다.

즉, 매설식 루프검지기 등을 이용한 지점검지 방식은 구간의 교통상황 등을 직접 측정하지 못하기 때문에 특정 지점의 속도를 가공하여 구간의 속도를 추측하고 있으나, 정보가공 시에 실측 정보에 의한 보정이 이루어지지 못하고 있어 실제 도로 구간상황을 실시간으로 반영하기에는 한계가 있다.

또한, 구간검지기 등을 이용한 구간감지 방식은 단말기 장착 특정 차량(예: 버스, 택시 등)에 한정된 정보 수집으로 인하여 일반적인 교통 상황을 반영하는데 한계가 있으며, 영상검지기(AVI) 등의 구간검지기의 경우 정보가공 시간이 필요하기 때문에 이를 즉각적인 정보제공에 반영하는 데에는 역시 한계가 있다.

이를 위하여 본 발명은, 기존 검지체계인 지점검지 및 구간검지를 융합함에 있어 도로공사에서 사용되고 있는 하이패스 단말기를 추가 활용하여 실시간 실측 교통 정보를 확보함으로써 예측교통정보 및 정보가공 시간에 의해 제한되었던 실시간성 확보를 이룬다.

본 발명은, 차량이 특정지점을 포함하는 경로를 따라 이동해 갈 때, 상기 특정지점에서의 교통량, 차량 속도, 점유/비점유 시간을 포함하는 지점정보를 검출하 는 지점검지장치와, 상기 특정지점을 통과하는 차량의 차량ID, 경로이력을 포함하는 구간정보를 검출하는 구간검지장치와, 상기 지점정보와 구간정보로부터 구간추측 통행시간과 구간실측 통행시간을 각각 연산하여 추출한 후, 상기 구간추측 통행시간과 상기 구간실측 통행시간 간의 차이 크기에 따라 상기 차량이 통과하는 구간이 연속류 구간인지 단속류 구간인지 분류한 후 각 경우에 따라 가중치를 달리한 시계열 분석을 통해 향후 통과할 구간의 통행시간을 예측하여 예측 교통정보를 생성하는 정보융합부, 상기 지점정보, 구간정보, 예측 교통정보를 상위 수집 장치인 교통정보 수집 센터로 전송하는 유무선 네트워크를 포함한다.

상기 경로이력은, 상기 차량이 통과한 경로에 대한 히스토리로서, 상기 차량 내에 설치된 하이패스 단말기 내의 데이터베이스에 저장되어 있는 정보이며, 상기 경로이력은, 상기 차량이 이동할 때 각 지점마다 감지되는 각 복합검지기의 복합검지기ID와, 상기 각 복합검지기와 통신할 때의 시각인 검지시각을 포함하는 정보임을 특징으로 한다.

본 발명은, 도로의 각 구간 지점을 통과하는 차들의 교통량, 차량 속도, 점유/비점유 시간을 포함하는 지점정보와, 해당 지점을 통과하는 차량들의 차량ID, 각 차량에서 운행중에 감지한 복합검지기ID, 검지시각을 포함하는 구간정보를 수신하는 제1단계와, 상기 지점정보를 이용하여 상기 특정지점을 통과한 차량들의 구간추측 통행시간의 분포를 생성한 후, 상기 구간추측 통행시간의 분포를 통계이론인 가우스 마코프 정리에 적용하여 구간추측 회귀분석 그래프로서 산출하는 제2단계와, 상기 구간정보로부터 차량들의 각 구간마다 걸린 실제 통행시간을 나타내는 구 간실측 통행시간의 분포를 생성한 후, 상기 구간실측 통행시간의 분포를 통계이론인 가우스 마코프 정리에 적용하여 구간실측 회귀분석 그래프로서 산출하는 제3단계와, 상기 구간추측 회귀분석 그래프와 제2분석 그래프의 중간값으로 된 중간값 회귀분석 그래프를 생성하는 제4단계와, 차량이 상기 특정지점을 통과할 때의 상기 구간추측 통행시간과 상기 구간실측 통행시간의 차이를 비교하여, 그 차이가 일정 범위 내일 경우에는 상기 차량의 이동경로가 연속류라 판정하고, 그 차이가 일정 범위를 벗어날 경우에는 상기 차량의 이동경로가 단속류라 판정하는 제5단계와, 상기 단속류, 연속류 여부에 따라 상기 중간값 회귀분석 그래프에 대해 가중치를 달리하여 시계열 분석 그래프를 생성한 후, 상기 시계열 분석 그래프, 상기 구간추측 회귀분석 그래프, 상기 구간실측 회귀분석 그래프간의 편차를 고려하여 향후 통과할 구간의 통행시간을 예측하는 제6단계를 포함한다.

상기 제2단계는, 상기 특정지점에서의 차량 속도를 교통용량 이론에 적용하여 추출한 구간 평균속도를 Va[km/se], 통행시간 예측이 이루어지는 단위 길이인 단위구간의 길이를 L[km], 상기 특정지점이 있는 신호교차로에서의 운영지체시간을 d[sec]라 할 때, 교통용량 이론에 따라,

의 수식에 의해 상기 구간추측 통행시간(Tr[sec])을 산출하는 단계와, 상기 산출한 차량들의 구간추측 통행시간의 분포 중에서 오차 범위를 벗어나는 무의미한 값들을 필터링하여 제거하는 단계와, 상기 필터링한 구간추측 통행시간의 분포에 대해 상기 가 우스 마코프 정리를 적용하여 최소제곱추정량이 작은 분산을 갖도록 데이터를 추정 정리한 구간추측 회귀분석 그래프를 생성하는 단계를 포함한다.

상기 제2단계는, 상기 특정지점의 이전에 위치한 복합검지기의 검지시각을 t0[sec], 상기 특정지점에 위치한 복합검지기의 검지시각을 t1[sec], 이전에 위치한 복합검지기와 상기 특정지점에 위치한 복합검지기 사이의 실측 거리를 M[m]이라 할 때,

의 수식에 의해 상기 구간실측 통행시간(TT[sec])를 산출하는 단계와, 상기 산출한 차량들의 구간실측 통행시간들의 분포 중에서 오차 범위를 벗어나는 무의미한 값들을 필터링하여 제거하는 단계와, 상기 필터링한 구간실측 통행시간의 분포에 대해 상기 가우스 마코프 정리를 적용하여 최소제곱추정량이 작은 분산을 갖도록 데이터를 추정 정리한 구간실측 회귀분석 그래프를 생성하는 단계를 포함한다.

상기 제6단계는, 상기 단속류로 판정된 경우에는, 상기 중간값 회귀분석 그래프에 대해서 도시도로의 교통 실험에 의해 구한 단속류 가중치를 고려한 시계열 분석을 적용하여 단속류 시계열 분석 그래프를 생성하며, 상기 연속류로 판정된 경우에는, 상기 중간값 회귀분석 그래프에 대해서 고속도로의 교통 실험에 의해 구한 연속류 가중치를 고려한 시계열 분석 적용하여 연속류 시계열 분석 그래프를 생성하는 제6-1단계와, 상기 단속류인 경우, 상기 단속류 시계열 분석 그래프, 상기 구간추측 회귀분석 그래프, 상기 구간실측 회귀분석 그래프간의 편차에 따라 향후 통 과할 구간의 통행시간을 예측하는 제6-2단계와, 상기 연속류의 경우, 상기 연속류 시계열 분석 그래프, 상기 구간추측 회귀분석 그래프, 상기 구간실측 회귀분석 그래프간의 편차에 따라 향후 통과할 구간의 통행시간을 예측하는 제6-3단계를 포함한다.

상기 제6-2단계는, 현재 시점의 상기 구간추측 회귀분석 그래프 상에서의 통행시간과, 현재 시점의 상기 단속류 시계열 분석 그래프 상에서의 통행시간과, 현재 시점의 상기 구간실측 회귀분석 그래프 상에서의 통행시간 간의 각 상호간의 편차 비율(단속류 편차비율)을 연산하는 단계와, 예측할 다음 시점의 상기 구간추측 회귀분석 그래프 상에서의 통행시간과 예측할 다음 시점의 상기 단속류 시계열 분석 그래프 상에서의 통행시간을 추출하여, 상기 단속류 편차비율과 일치하도록 다음 시점의 상기 구간실측 회귀분석 그래프 상에서의 통행시간을 예측하는 단계를 포함한다.

상기 제6-3단계는, 현재 시점의 상기 구간추측 회귀분석 그래프 상에서의 통행시간과, 현재 시점의 상기 연속류 시계열 분석 그래프 상에서의 통행시간과, 현재 시점의 상기 구간실측 회귀분석 그래프 상에서의 통행시간 간의 각 상호간의 편차비율(연속류 편차비율)을 연산하는 단계와, 예측할 다음 시점의 상기 구간추측 회귀분석 그래프 상에서의 통행시간과 예측할 다음 시점의 상기 연속류 시계열 분석 그래프 상에서의 통행시간을 추출하여, 상기 연속류 편차비율과 일치하도록 다음 시점의 상기 구간실측 회귀분석 그래프 상에서의 통행시간을 예측하는 단계를 포함한다.

상기 제6단계는, q는 교통량(차량대수/시간), u는 속도(구간길이/통행시간), k=교통밀도라 할 때, 상기 예측한 통과시간을 q = uk 수식에 적용하여 교통밀도, 속도, 교통량을 포함하는 교통정보를 더 예측함을 특징으로 한다.

본 발명은 지점정보와 구간정보를 퓨전으로 이용하여, 다음 구간에서의 교통정보를 정확히 예측할 수 있는 효과가 있다. 또한, 교통정보 예측에 실시간성을 구현할 수 있다.

이하, 본 발명의 실시 예들의 상세한 설명이 첨부된 도면들을 참조하여 설명될 것이다. 하기에서 각 도면의 구성요소들에 참조부호를 부가함에 있어 동일한 구성요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 부호를 가지도록 하고 있음에 유의해야 한다.

도 1은 본 발명의 실시 예에 따른 교통정보 수집 시스템의 구성을 도시한 도면이다.

교통정보 수집 시스템은, 복합검지기(200;200a,200b,200c), 교통정보 수집 센터(100)를 포함한다. 상기 복합검지기(200)는 교통정보 수집 및 예측장치로서 도로 위의 일정 간격마다 설치되어 있다.

복합검지기는 지점검지장치와 구간검지장치를 포함하는데, 상기 지점검지장치는 영상검지기 또는 루프검지기 등으로 구현하여 상기 복합검지기가 설치된 지점검지영역(②)에서의 교통량, 차량속도, 점유/비점유 시간 등의 지점정보를 추출한 다. 상기 구간검지장치는 하이패스 차량 검지장치인 DSRC(Dedicated Short Range Communication) 검지기 또는 기타 구간검지기 등으로 구현되어 구간검지영역(①)에서의 차량ID, 경로이력(복합검지기ID, 검지시각) 등의 구간정보를 추출한다.

상기 구간검지장치에서 검지되는 복합검지기ID, 검지시각 등의 경로이력은 차량 내에 설치된 차량 단말기(하이패스 단말기) 내에 저장되어 있는데, 차량이 주행 중에 도로에 설치된 복합검지기(200;200a,200b,200c)를 감지하여 통신이 이루어질 때마다 해당 복합검지기의 ID와 통신시각을 차량 단말기 내의 경로이력 데이터베이스에 저장한다. 이렇게 저장되는 경로이력은 차량이 다음 번째의 복합검지기를 만날 때 전송된다.

복합검지기(200)와 교통정보 수집 센터(100)(또는, 교통신호 제어기(110))와의 데이터 인터페이스는 유선 또는 무선 통신이 가능하며, 종래의 교통정보 수집에서 제공하는 통신 유무선 인터페이스를 이용한다. 복합검지기는 이러한 유무선 인터페이스를 통해 상기 수집한 지점정보와 구간정보, 그리고 정보융합부에서 예측되는 예측 교통정보를 상위의 교통정보 수집센터로 전송한다. 한편, 복합검지기는 지점정보와 구간정보를 교통정보 수집센터뿐만 아니라 인근 주변의 복합검지기로 전송한다. 복합검지기 내에서 교통정보 예측을 위해 지점정보와 구간정보를 필요로 하기 때문이다.

복합검지기 내의 정보융합부는 상기 측정한 지점정보와 구간정보를 함께 이용하여 이들 정보들을 근거로 하여 향후 구간에서의 정확한 교통정보를 예측하는 알고리즘을 구현한다. 즉, 상기 지점정보로부터 각각 구간추측 통행시간을 연산하 고, 상기 구간정보로부터 구간실측 통행시간을 추출 연산하여, 상기 구간추측 통행시간과 상기 구간실측 통행시간 간의 차이 크기에 따라 가중치를 달리하여 시계열 분석 적용하여 다음 구간에서의 통행시간을 예측한다. 이에 대한 자세한 설명은 도 4의 플로차트와 함께 상술한다.

도 2는 본 발명의 실시 예에 따른 복합검지기의 내부 구성 블록도이다.

교통정보 예측하는 복합검지기는 구간검지 장치, 지검검지 장치, 정보 융합부, 유무선 네트워크를 포함한다.

지점검지장치(210)는 지점마다 설치된 영상검지기 또는 루프검지기로 이루어져, 차량의 구간 실제 통과시간인 지점정보를 추출하는 장치이다. 도 2에서는 카메라가 부착된 영상검지기를 통해 지점정보를 추출하는 예를 들어 설명하겠으나, 루프검지기, 레이더를 통해 지점정보를 추출할 수 있음은 자명할 것이다. 따라서 상기 지점검지장치(210)는, 기존의 루프, 초음파, 레이다 등의 검지기와 유사한 지점정보를 추출할 수 있는데 현장 특성 및 시스템 설계요구에 의하여 변경될 수 있다.

상기 지점검지장치(210)에서 수집되는 지점정보는 교통량, 차량속도, 점유/비점유 시간 등의 정보이다. 구간별 설치된 복합검지기(200) 내의 지점검지장치(210)가, 해당 지점의 영상을 카메라로 촬영하면 이미지 처리부(212)는 이를 디지털 영상화하여 지점정보 생성부(211)로 전송한다. 지점정보 생성부(211)는 디지털 영상화된 이미지로부터 기존에 알려진 영상처리 알고리즘에 따라 교통량, 차량속도, 점유/비점유 시간을 추출한 지점정보를 생성한다.

한편, 구간검지장치(220)는 검지구간의 구간정보를 추출하기 위한 장치로서, 이를 위하여 구간검지장치(220)에서 수집되는 정보는 차량ID, 경로이력(복합검지기ID, 검지시각) 등의 구간정보이다. 상기 구간검지장치는 하이패스 부착 차량 검지장치인 DSRC(Dedicated ShortRange Communication) 검지기와 같이 단거리 전용통신이 가능한 차량 검지수단을 구비한 검지장치이다.

상기 구간검지장치내의 DSRC 송수신부(222)는 무선통신 규격인 5GHz 대역에서 수백 Kbps의 전용속도를 가진 통신 방식으로서 ITS(ITS(Intelligent Transport System) 서비스를 제공하기 위한 통신 수단의 하나인 DSRC 통신 방식이 이용될 수 있다. 예컨대, 도로변에 위치한 소형기지국(노변장치)과 차량내 탑재된 DSRC 단말기(예컨대, 하이패스 단말기) 간의 단거리 전용 통신이 이루어진다.

DSRC 송수신부(222)는 국내 정보통신단체표준인 "5.8 GHz 대역 노변기지국과 차량 단말기간 근거리전송 무선통신" 규정에 따른 무선통신부 통신규격과 하이패스 정보교환기술을 준수하여 교차로를 통과하는 하이패스 장착차량을 검지하여 개별차량 ID 기반의 교통정보를 수집한다. 따라서 차량 단말기(하이패스 단말기)를 부착한 차량을 복합검지기 내의 DSRC 송수신부(222)가 감지하면, 차량 단말기 내부에 저장된 차량ID, 복합검지기ID, 검지시각 등의 구간정보를 수집한다.

상기 차량 단말기 내부에 저장되는 차량ID, 경로이력(복합검지기ID, 검지시각) 등의 구간정보에 대해 도 3과 함께 설명하면 다음과 같다. 하이패드 단말기와 같이 차량(300)내에 설치되는 차량단말기는, 차량(300)이 복합검지기의 검지영역을 벗어나면 현재의 경로정보를 이력경로 버퍼에 저장하며 기존의 경로정보(복합검지 기ID, 검지시각)를 시프트 이동하여 저장한다. 즉, 운행중인 차량이 새로운 복합검지기를 만나서 통신이 시작되면 차량단말기는 현재의 경로정보와 이전의 경로정보를 결합하여 새롭게 감지되는 복합검지기(200;200a,200b,200c)로 전송한다.

상기에서 경로정보라 함은, 복합검지기ID와 검지시각을 말하는 것으로서, 차량이 이동중에 복합검지기와 통신할 때마다 해당 복합검지기의 ID와 현재의 통신시각인 검지시각을 말한다.

차량(300) 내의 차량단말기는 차량이 경험한 경로의 경로정보를 시간 순서상 일정 범위(예컨대, 최대 8개의 경로정보 범위) 내에서 이력경로 버퍼에 저장하고 있으며, 차량 운행에 의해 새로운 복합검지기를 만날 경우 이러한 이력경로 버퍼 내의 경로정보를 해당 차량ID와 함께 구간정보로서 복합검지기에 전송한다.

한편, 도 2의 구간정보 생성부(221)는 상기 DSRC 송수신부를 통해 수집한 차량ID와 복합검지기ID, 검지시각을 경로이력 데이터베이스에 기록하며, 상기 차량ID, 복합검지기ID, 검지시각의 구간정보를 데이터화하여 정보융합부로 전송한다.

정보융합부(230)는, 구간검지장치에서 검출되는 구간정보와 지점검지장치에서 추출되는 지점정보를 통합하여, 이들 정보들을 근거로 하여 향후 구간에서의 정확한 교통정보를 예측하여 유무선 네트워크(240)를 통해 교통정보 수집 센터(100)로 전송한다. 즉, 상기 복합검지기로부터 수신한 지점정보와 구간정보로부터 구간추측 통행시간과 구간실측 통행시간을 각각 연산하여 추출한 후, 상기 구간추측 통행시간과 상기 구간실측 통행시간 간의 차이 크기에 따라 상기 차량이 통과하는 구 간이 연속류 구간인지 단속류 구간인지 분류한 후 각 경우에 따라 가중치를 달리한 시계열 분석을 통해 향후 통과할 구간의 통행시간을 예측하여 예측 교통정보를 생성한다. 상기 교통정보 예측 알고리즘을 도 4의 플로차트와 함께 상술한다.

교통정보 수집 센터(100)는 상기 교통정보 예측 장치에서 수신한 지점정보와 구간정보와 예측 교통정보를 수집한다.

도 4는 본 발명의 실시 예에 따른 교통정보 예측 과정을 도시한 플로차트이다.

복합검지기 내의 정보융합부는 각 구간의 지점마다 설치된 복합검지기로부터 해당 지점을 통과하는 차량들의 교통량, 차량속도, 점유/비점유 시간 등의 지점정보를 수집(S401)하며, 아울러 해당 지점을 통과하는 차량들의 차량ID, 경로이력(각 차량에서 운행중에 감지한 복합검지기ID, 검지시각)을 포함하는 구간정보(S405)를 수집한다. 참고로, 각 복합검지기에서 수집되는 지점정보와 구간정보는 교통정보 수집센터로 전송되며, 아울러, 인접한 주변의 복합검지기에 전송된다.

그 후, 상기 수집한 지점정보와 구간정보로부터 각각 구간추측 통행시간(S402)과 구간실측 통행시간(S406)을 산출한 후, 가우스 마코프(Gauss-Markov) 정리를 이용하여 최소제곱추정량이 작은 분산을 갖도록 데이터를 각각 추정 정리하여 구간추측 회귀분석 그래프 생성(S404) 및 구간실측 회귀분석 그래프 생성(S408)을 한다.

먼저, 수집한 지점정보를 이용하여 구간추측 회귀분석 그래프 생성하는 과정 을 살펴보면, 도 3의 그림을 함께 참조하여, 차량이 제1지점을 거쳐 제2지점(현재지점)을 거쳐 제3지점을 향해 진행해 나간다고 가정하면, 교통정보 수집 센터는 제2복합검지기(200b)로부터 해당 제2지점의 교통량, 차량속도, 점유/비점유 시간 등의 제2지점정보를 수집(S401)한다.

그 후, 상기 수집한 제2지점정보를 이용하여 제2지점부터 제3지점 간의 제2단위구간에서의 걸리는 구간추측 통행시간을 추측 산출하는 과정(S402)을 갖는다.

지점정보를 이용한 상기 제2단위구간에서의 구간추측 통행시간은 다음과 같은 과정으로 산출된다.

[수식 1]

상기에서 Va : 구간 평균속도(km/h), L : 통행시간 추측이 이루어지는 단위인 단위구간(Km), Tr : 구간추측 통행시간(sec), d : 신호교차로에서의 운영지체시간(sec)을 말한다.

상기의 신호교차로에서의 운영지체시간(d)은 기존의 지점검지기에서 이미지 처리 방식 등을 통해 알 수 있는 점유/비점유 시간을 통해 알 수 있다.

상기의 구간 평균속도는, 복합검지기의 지점검지장치에서 측정되는 차량속도를 가지고서 교통이론에 따른 방식에 적용하여 구해지는 값이다. 이러한 구간 평균속도의 산출 방식은 루프검지기, 영상검지기와 같이 현재 사용되는 지점검지기에서 산출하는 방식과 동일하게 하여 구해질 수 있다.

상기 [수식 1]을 이용하여 향후 제2단위구간 통행에 걸리는 시간(구간추측 통행시간)을 추측하면, 다음 [수식 2]와 같이 제2단위구간에서의 구간추측 통행시간(Tr)을 산출할 수 있다.

[수식 2]

상기 [수식 1] 및 [수식 2]에서 3600이라는 수치는 평균통행시간(Tr)의 단위를 초(sec)로 하기 위하여 각 단위를 맞추는 상수의 의미를 가질 뿐이다.

상기와 같이 상기 제2복합검지기(200b)를 통과하는 다수 차량들의 지점정보를 이용하여, 향후 제2구간에서 걸릴 수 있는 통행시간을 구간추측 통행시간으로서 추측할 수 있다.

그런데, 이러한 제2단위구간의 구간추측 통행시간은, 제1단위구간을 실제로 통과한 차량의 구간속도를 바탕으로 추측한 값이 아니고, 단지, 제1단위구간의 끝 지점(즉, 제2단위구간의 시작점)인 제2지점의 제2복합검지기(200b)에서 측정되는 차량의 순간 속도를 근거로 하기 때문에 정확한 예측정보가 될 수 없다.

한편, 상기와 같이 지점정보를 이용하여 제2단위구간에서 걸릴 구간추측 통행시간(Tr)을 산출한 후, 이렇게 산출된 다수 차량들의 구간추측 통행시간의 분포에서 무의미한 값들을 필터링(S403)하는 과정을 가진다. 상기 필터링(S403)은 오차 범위를 벗어나는 무의미(garbage)값을 필터링하여 제거함으로써 의미있는 이벤트성 데이터만을 추출하는 것이다.

상기 구간추측 통행시간 분포에 대한 필터링(S403)이 이루어진 후, 필터링된 구간추측 통행시간 분포에 대하여 가우스 마코프(Gauss-Markov) 정리를 적용하여 최소제곱추정량이 작은 분산을 갖도록 데이터를 추정 정리함으로서 회귀분석 그래프(이하, '구간추측 회귀분석 그래프'라 함)를 생성(S404)한다.

가우스 마코프(Gauss-Markov) 정리는 알려진 바와 같이 통계적 이론으로서, 가우스의 이론을 한층 더 발전시켜 선형결합을 갖는 것 중에서 가장 작은 분산을 갖는 "최소분산 선형 불편 추정량"을 추정해내는 통계 이론이다. 본 발명은 이러한 가우스 마코프 정리를 이용하여 최소제곱추정량이 작은 분산을 갖도록 데이터를 추정 정리한다.

참고로, 도 5는 지점정보를 이용한 구간추측 통행시간(Tr) 분포에 대해 가우스 마코프를 적용하는 과정을 도시한 그래프로서, 도 5(a)는 S402 단계에서 구한 지점정보를 이용한 단위구간에서의 구간추측 통행시간(Tr)들의 분포를 도시한 그래프이고, 도 5(b)는 S403 단계에서 수행된 필터링 후의 분포 그래프이고, 도 5(c)는 S404 단계에서 가우스 마코프 정리를 이용하여 최소제곱추정량이 작은 분산을 갖도록 데이터를 추정 정리한 후의 구간추측 회귀분석 그래프를 도시한 그림이다.

한편, 상기에서 [수식 2]에서 구한 구간추측 통행시간은 제2지점의 지점정보를 이용하여 제2단위 구간에서 걸릴 것이라고 예상되는 통행시간이다. 따라서 이러한 구간추측 통행시간은, 제1단위구간을 실제로 통과한 차량의 구간속도를 바탕으 로 제2단위구간에서의 통행시간을 추측한 값이 아니고, 단지, 제1단위구간의 끝 지점(즉, 제2단위구간의 시작점)인 제2지점의 제2복합검지기(200b)에서 측정되는 차량의 순간 속도를 근거로 하기 때문에 제2단위구간 통과시간에 대한 정확한 예측 정보가 될 수 없다.

이를 보완하기 위하여 본 발명은 상기에서 추측한 구간추측 통행시간뿐만 아니라 제1단위구간을 실제로 통과한 차량의 구간 통행시간(구간실측 통행시간)을 함께 고려함으로써, 제2단위구간의 통과시간을 정확히 예측하고자 한다.

이를 위하여, 제1단위구간을 통과하는 차량의 통행시간(구간실측 통행시간)을 구간정보를 이용하여 산출(S406)한 후, 마찬가지로, 필터링(S407)후에 상기 구간실측 통행시간에 대하여 구간실측 통행시간의 가우스 마코프(Gauss-Markov) 분포의 추정 정리하여 구간실측 회귀분석 그래프를 생성(S408)한다.

상기 단계들을 설명하기 위하여, 마찬가지로 도 3을 참조하여, 차량이 제1지점을 거쳐 제2지점(현재지점)을 거쳐 제3지점을 향해 진행해 나간다고 가정하면, 교통정보 수집 센터는 제2복합검지기(200b)로부터 차량ID, 복합검지기ID, 검지시각 등의 구간정보를 수집한다.

상기 구간정보는 도 3에 도시한 바와 같이 차량단말기(하이패스 단말기)의 이력경로 버퍼에 저장된 구간정보로서, 차량의 경로별로 위치한 복합검지기를 감지하여 저장한 복합검지기ID, 검지시각의 정보와 해당 차량ID이다. 따라서 제2복합검지기(200b)로부터 수신하는 구간정보는, 차량ID, 제1복합검지기ID, 제1복합검지기의 검지시각, 제2복합검지기ID, 제2복합검지기의 검지시각이 된다.

상기 수집한 구간정보를 이용하여 제1지점과 제2지점간의 제1단위구간에서의 구간실측 통행시간을 산출하는 과정을 가진다.

구간정보를 이용한 상기 단위구간에서의 구간실측 통행시간은 다음과 같은 과정으로 산출된다.

[수식 3]

상기에서 Vaa : 구간정보를 이용한 단위구간에서의 평균속도(km/h), M : 제1복합검지기와 제2복합검지기 간의 실측 거리(m), t0: 제1복합검지기의 검지시각(sec), t1: 제2복합검지기의 검지시각(sec)을 말한다.

상기 [수식 3]을 이용하여 구간정보를 이용한 제1단위구간에서의 구간실측 통행시간(TT)을 산출하면 다음 [수식 4]와 같다.

[수식 4]

상기 [수식 3] 및 [수식 4]에서 3600 및 1000이라는 수치는 평균통행시간(TT)의 단위를 초(sec)로 하기 위하여 각 단위를 맞추는 상수의 의미를 가질 뿐이다.

상기와 같이 구간정보를 이용하여 제1단위구간에서의 구간실측 통행시간(TT)을 산출(S406)한 후, 이를 필터링(S407)하는 과정을 가진다. 상기 필터링은 오차 범위를 벗어나는 무의미(garbage)값을 필터링하여 제거함으로써 의미있는 이벤트성 데이터만을 추출하는 것이다.

상기 필터링이 이루어진 후, 마찬가지로, 이들 필터링된 값들을 가지고서 가우스 마코프(Gauss-Markov) 정리를 이용하여 최소제곱추정량이 작은 분산을 갖도록 데이터를 추정 정리한 회귀분석 그래프(구간실측 회귀분석 그래프)를 생성한다.

참고로, 도 6은 구간정보를 이용한 평균통행시간(TT) 분포에 대해 가우스 마코프를 적용하는 과정을 도시한 그래프로서, 도 6(a)는 S406 단계에서 구한 구간정보를 이용한 단위구간에서의 구간실측 통행시간(TT)들의 분포를 도시한 그래프이고, 도 6(b)는 S407 단계에서 수행된 필터링 후 분포 그래프이고, 도 6(c)는 S408 단계에서 가우스 마코프 정리를 이용하여 최소제곱추정량이 작은 분산을 갖도록 데이터를 추정 정리된 후의 구간실측 회귀분석 그래프를 분포를 도시한 그림이다.

상기와 같이 지점정보를 이용하여 제2단위구간에서 걸릴 것이라 추측되는 구간추측 통행시간(Tr)의 구간추측 회귀분석 그래프와, 구간정보를 이용한 제1단위구간에서의 실제 측정한 구간실측 통행시간(TT)의 구간실측 회귀분석 그래프를 생성한 후, 상기 구간추측 회귀분석 그래프와 제2분석 그래프의 중간값으로 된 중간값 회귀분석 그래프를 생성하는 과정(S409)을 갖는다.

도 7은 이러한 중간 분포값을 산출한 모습을 도시한 그래프로서, 맨 위의 곡선은 지점정보를 이용해 구간 도 5(c)의 구간추측 회귀분석 그래프(501)이며, 맨 아래의 곡선은 구간정보 이용해 구한 도 6(c) 구간실측 회귀분석 그래프(601)이며, 중간의 곡선은 상기 구간추측 회귀분석 그래프(501)와 상기 구간실측 회귀분석 그래프(601)의 중간값으로 된 중간값 회귀분석 그래프(701)이다.

상기의 중간값 회귀분석 그래프를 시계열 분석한 그래프와, 지점정보를 이용해 구한 구간추측 회귀분석 그래프와, 구간정보를 이용해 구한 구간실측 회귀분석 그래프를 이용해 앞으로 진행될 구간에서의 교통정보(통행시간,교통밀도,속도,교통량) 예측을 수행하는데, 상기 교통정보 예측은 상기 구간들이 도시도로(단속류) 또는 고속도로(연속류)인지 판정(S410)하여 그 여부에 따라 교통예측을 달리한다.

왜냐하면, 도시도로(단속류) 또는 고속도로(연속류)에 따라 차량 흐름이 달라지기 때문에 앞으로 진행될 다음 구간에서의 통행시간이 달라지기 때문이다. 특히, 도시도로(단속류), 고속도로(연속류) 여부에 따라 그 예측 시간의 차이가 더 크기 마련이다. 예컨대, 신호등 및 교차로 등이 많은 도시도로와 같은 단속류의 경우, 신호교차로 및 기타 교통상황에 따라 구간통행 시간이 더 소비되며, 반대로, 고속도로와 같은 연속류의 경우, 단속류에 비해 교통흐름이 보다 안정적이므로 단속류에 비해 구간통행 시간이 더 작아진다.

따라서 이러한 차이로 인하여, 교통정보 예측은 측정된 구간들이 도시도로(단속류)와 고속도로(연속류)인지 여부에 따라 교통정보 예측을 달리해야 한다. 지점정보 이용한 구간추측 회귀분석 그래프(501)와 구간정보 이용한 구간실측 회귀분석 그래프(601)를 서로 비교하여, 그 차이값이 일정 범위를 벗어나게 되면 단속류(도시도로)로 판정하고, 그 차이값이 상기 일정 범위를 벗어나지 않으면 연속류(고 속도로)로 판정한다. 이러한 차이 비교는, 도 5(c) 및 도 6(c)에 도시한 회귀분석 그래프 간의 높이 차를 비교하여 이루어질 수 있다.

상기 판정결과에 따라, 상기 구간추측 회귀분석 그래프와 구간실측 회귀분석 그래프의 중간값들에 대해 상기 단속류, 연속류 여부에 따라 가중치를 달리하여 상기 시계열 분석 그래프를 생성한 후, 상기 시계열 분석 그래프, 상기 구간추측 회귀분석 그래프, 상기 구간실측 회귀분석 그래프간의 편차를 고려하여 향후 통과할 구간의 통행시간을 정확히 예측한다.

단속류로 판정되는 경우(S411)의 교통정보 예측 알고리즘을 설명하고 나서 연속류로 판정되는 경우(S414)의 교통정보 예측 알고리즘을 설명한다.

우선, 상기 단속류의 경우에 대하여 예측 알고리즘을 설명하면, 상기와 같이 상기 구간추측 회귀분석 그래프와 상기 구간실측 회귀분석 그래프의 중간값으로 생성(S409)한 중간값 회귀분석 그래프(701)를 가지고서 시계열 분석을 수행하여 단속류 시계열 분석 그래프를 생성(S412)한다..

상기 시계열 분석(time series analysis)은 알려진 바와 같이, 시계열 데이터에 바탕을 둔 분석방법으로서, 시간의 경과에 따른 어떤 변수(가중치)의 변화경향(trend)을 분석하여 그것을 토대로 미래의 상태를 예측하는 방법이다. 즉, 시간을 독립변수로 하여 과거로부터 현재에 이르는 변화를 분석함으로써 미래를 예측하는 동태적(dynamic) 분석 방법인 것이다.

따라서 단속류(도시도로)로 판정된 상태에서 상기 시계열 분석을 적용할 경우, 교차로 포화상태 등의 시간적 요인(오전 오후 출퇴근 시간, 주말 이용차량 등) 을 가중치(이하, '단속류 가중치'라 함)로 하여 시계열 분석을 한다.

단속류의 경우 교차로 포화 상태 등의 시간적 요인에 따라 데이터의 변화가 심하다. 따라서 도 7에서 구한 중간값 회귀분석 그래프(701)에 대해 단속류 가중치를 적용한 시계열 분석을 통해 단속류 시계열 분석 그래프를 생성하고 이를 이용해 교통정보를 예측한다. 참고로, 도 8은 상기 중간 분포 곡선에 대해 단속류 가중치를 적용한 결과치인 시계열 분석 그래프(801;단속류 시계열 분석 그래프)를 도시한 그림이다.

상기와 같이 중간값 회귀분석 그래프에 대하여 시계열 분석한 단속류 시계열 분석 그래프(801)를 생성(S412)한 후에, 이를 이용하여 향후 진행될 구간에서의 통행시간, 밀도, 속도, 교통량 등의 교통정보를 예측(413)한다.

이러한 교통정보 예측(412)하는 과정을 도 9의 교통정보 예측 그래프와 함께 상세히 설명한다. 도 3의 그림을 함께 참조하여, 도 3의 차량이 제1지점을 거쳐 제2지점(현재시점)을 거쳐 향후에 제3지점(미래시점)을 향해 진행해 나간다고 가정한다.

부호 501은 도 5(c)의 곡선으로서 지점정보를 이용한 구간추측 회귀분석 그래프이며, 부호 601은 도 6(c)의 곡선으로서 구간정보를 이용한 구간실측 회귀분석 그래프이며, 부호 801은 도 8의 곡선으로서 단속류 시계열 분석 그래프이다.

단속류로 판정되는 경우, 차량이 제2복합검지기(200b)를 통과하는 현재시점(Tc)에서 향후에 제3복합검지기(200a)를 통과할 때까지의 미래시점(Tc1)까지의 예측되는 통행시간은, 상기 구간추측 회귀분석 그래프, 상기 구간실측 회귀분석 그 래프, 상기 단속류 시계열 분석 그래프 간의 상호 편차에 따라 예측될 수 있다.

상기의 통행시간 예측의 실시 예를 설명하기에 앞서, 현재시점(Tc)에 차량이 도 3의 제2복합검지기(200b)를 통과하고 있으며, 단위시간(Δt)이 경과한 시점에 차량이 제3복합검지기를 통과할 것이라고 가정한다.

제1현재점(901)은 구간추측 회귀분석 그래프(501) 상에서 현재시점(Tc)에 위치하는 통행시간이며, 제1미래점(904)은 상기 제2복합검지기로부터 얻은 지점정보를 바탕으로 상기 [식 2]에 의하여 산출되어 예측되는 제2단위구간을 통과할 시에 추측되는 구간추측 통행시간으로서, 구간추측 회귀분석 그래프(501) 상에서 미래시점(Tc1)에 위치하는 통행시간이다.

제2현재점(902)은 단속류 시계열 분석 그래프(801)에서 현재시점(Tc)에 위치하는 통행시간이며, 제2미래점(905)은 단속류 시계열 분석 그래프(801)에 의해 제2단위구간을 통과할 시에 예측되는 통행시간이다.

제3현재점(903)은 구간정보를 이용하여 제1단위구간에서 측정된 소요 통과시간으로서 구간추측 회귀분석 그래프(801) 상에서 현재시점(Tc)에 위치하는 통행시간이며, 제3미래점(906)은 본 발명에서 예측하고자 하는 제2단위구간을 통과할 때의 예측되는 통행시간이다.

도 9의 그래프를 보면, 차량이 제2복합검지기를 통과하는 현재시점(Tc)에서 제1현재점(901)과 제2현재점(902)의 A편차과 제2현재점(902)과 제3현재점(903)의 B편차가 서로 상호간의 비율(이하, 단속류 편차비율)을 달리하며 편차를 이루고 있음을 알 수 있다. 따라서 예측하고자 하는 미래시점(Tc1)에서 제1미래점(904)과 제 2미래점(905)의 A1편차를 알고 있기 때문에, 이러한 A1편차와 상기 단속류 편차비율을 고려하여 B1편차를 예상할 수 있게 되어, 결과적으로 예측하고자 하는 제3미래점을 알 수 있게 된다.

A : B = A1: B1

B1 = (B*A1)/A

상기와 같이 제3미래점(906)을 알게 될 수 있음으로 인하여 본 발명에서 원하고자 하는 향후 진행될 구간(제2단위구간)을 통과할 때의 통행시간을 정확히 미리 예측할 수 있게 된다.

상기와 같이 정확한 통행시간 예측이 이루어지면, 더불어, 다른 교통정보 등도 예측할 수 있게 된다. 일반적인 교통이론에서 하기 [수식 5] 및 [수식 6]과 같이 통행시간은 교통밀도, 속도, 교통량과 밀접한 관련을 갖는다.

u = 구간길이/통행시간 [수식 5]

q = uk [수식 6]

상기에서 q는 교통량(차량대수/hour), u는 속도(km/hour), k는 교통밀도(차량대수/km)를 의미한다.

따라서 상기 [수식 5] 및 [수식 6]의 관계에 의하여 단속류에서의 통행시간만 예측된다면, 다른 교통정보인 교통밀도, 속도, 교통량 등도 예측할 수 있게 된다.

한편, 상기 판정결과, 그 분포의 차이가 일정 범위 내이기 때문에 연속류(고속도로)로 판정되는 경우, 시계열분석 할 때의 가중치만 달리할 뿐 상기 단계들과 동일한 단계들을 거쳐 교통정보(통행시간, 교통밀도, 속도, 교통량)를 예측한다.

연속류(고속도로)의 경우 단속류(도시도로)에 비해 비교적 교통량의 급격한 변화는 적다. 따라서 이러한 변화량이 적은 점을 고려한 가중치(연속류 가중치)를 적용한 시계열분석을 수행하여 도 8과 유사한 연속류 시계열 분석 그래프를 생성한다.

이러한 연속류 가중치를 적용한 연속류 시계열 분석 그래프를 도 9의 단속류 시계열 분석 그래프 대신에 적용한 후, 동일한 방식으로 교통정보를 정확히 예측해 낼 수 있다. 즉, 연속류 시계열 분석 그래프, 구간추측 회귀분석 그래프, 구간실측 회귀분석 그래프 간의 편차비율(연속류 편차비율)에 따라 예측하고자 하는 구간실측 회귀분석 그래프의 끝점인 미래시점(Tc1)에서의 통행시간을 예측할 수 있다. 상기 연속류에서의 통행시간 예측이 이루어지면, 마찬가지로, 상기 [수식 5] 및 [수식 6]의 관계에 의하여 다른 교통정보인 교통밀도, 속도, 교통량 등도 예측할 수 있게 된다.

한편, 단속류 시계열 분석할 때 사용되는 단속류 가중치 및 연속류 시계열 분석할 때 사용되는 연속류 가중치는 교통 실험에 의하여 미리 구하여 설정되어 있는 값들이다.

상술한 본 발명의 설명에서는 구체적인 실시 예에 관해 설명하였으나, 여러 가지 변형이 본 발명의 범위에서 벗어나지 않고 실시될 수 있다. 따라서 본 발명의 특허 범위는 상기 설명된 실시 예에 의하여 정할 것이 아니고 특허청구범위뿐 아니라 균등 범위에도 미침은 자명할 것이다.

도 3은 본 발명의 실시 예에 따라 복합검지기가 차량을 검지하는 모습을 도시한 그림이다.

도 5는 본 발명의 실시 예에 따라 구간추측 회귀분석 그래프를 생성하는 과정을 도시한 그림이다.

도 6은 본 발명의 실시 예에 따라 구간실측 회귀분석 그래프를 생성하는 과정을 도시한 그림이다.

도 7은 본 발명의 실시 예에 따라 중간값 회귀분석 그래프를 도시한 그림이다다.

도 8은 본 발명의 실시 예에 따라 단속류 시계열 분석 그래프를 도시한 그림이다.

도 9는 본 발명의 실시 예에 따라 구간추측 회귀분석 그래프, 구간실측 회귀분석 그래프, 시계열 분석 그래프를 이용하여 단속류의 경우 교통정보를 예측하는 모습을 도시한 그림이다.

Claims

차량이 특정지점을 포함하는 경로를 따라 이동해 갈 때, 상기 특정지점에서의 교통량, 차량 속도, 점유/비점유 시간을 포함하는 지점정보를 검출하는 지점검지장치;

상기 특정지점을 통과하는 차량의 차량ID, 경로이력을 포함하는 구간정보를 검출하는 구간검지장치;

상기 수신한 지점정보와 구간정보로부터 구간추측 통행시간과 구간실측 통행시간을 각각 연산하여 추출한 후, 상기 구간추측 통행시간과 상기 구간실측 통행시간 간의 차이 크기에 따라 상기 차량이 통과하는 구간이 연속류 구간인지 단속류 구간인지 분류한 후 각 경우에 따라 가중치를 달리한 시계열 분석을 통해 향후 통과할 구간의 통행시간을 예측하여 예측 교통정보를 생성하는 정보융합부;

상기 지점정보, 구간정보, 예측 교통정보를 상위 수집 장치인 교통정보 수집 센터로 전송하는 유무선 네트워크

를 포함하는 교통정보 예측하는 복합 검지기.
제1항에 있어서, 상기 경로이력은, 상기 차량이 통과한 경로에 대한 히스토리로서, 상기 차량 내에 설치된 하이패스 단말기 내의 데이터베이스에 저장되어 있는 정보임을 특징으로 하는 교통정보 예측하는 복합 검지기.
제2항에 있어서, 상기 경로이력은, 상기 차량이 이동할 때 각 지점마다 감지되는 각 복합검지기의 복합검지기ID와, 상기 각 복합검지기와 통신할 때의 시각인 검지시각을 포함하는 정보임을 특징으로 하는 교통정보 예측하는 복합 검지기.
제1항에 있어서, 상기 구간추측 통행시간(Tr,[sec])은, 상기 특정지점에서의 차량 속도를 교통용량 이론에 적용하여 추출한 구간 평균속도를 Va[km/se], 통행시간 예측이 이루어지는 단위 길이인 단위구간의 길이를 L[km], 상기 특정지점이 있는 신호교차로에서의 운영지체시간을 d[sec]라 할 때, 교통용량 이론에 따라
의 수식에 의해 구해짐을 특징으로 하는 교통정보 예측하는 복합 검지기.
제1항에 있어서, 상기 구간실측 통행시간(TT,[sec])은, 상기 특정지점의 이전에 위치한 복합검지기의 검지시각을 t0[sec], 상기 특정지점에 위치한 복합검지기의 검지시각을 t1[sec], 이전에 위치한 복합검지기와 상기 특정지점에 위치한 복합검지기 사이의 실측 거리를 M[m]이라 할 때,

의 수식에 의해 구해짐을 특징으로 하는 교통 정보 예측하는 복합 검지기.
제1항에 있어서, q는 교통량(차량대수/시간), u는 속도(구간길이/통행시간), k=교통밀도라 할 때, 상기 예측한 통과시간을 q = uk 수식에 적용하여 교통밀도, 속도, 교통량을 예측함을 특징으로 하는 교통정보 예측하는 복합 검지기.
도로의 각 구간 지점을 통과하는 차량들의 교통량, 차량 속도, 점유/비점유 시간을 포함하는 지점정보와, 해당 지점을 통과하는 차량들의 차량ID, 각 차량에서 운행중에 감지한 복합검지기ID, 검지시각을 포함하는 구간정보를 수신하는 제1단계;

상기 지점정보를 이용하여 상기 특정지점을 통과한 차량들의 구간추측 통행시간의 분포를 생성한 후, 상기 구간추측 통행시간의 분포를 통계이론인 가우스 마코프 정리에 적용하여 구간추측 회귀분석 그래프로서 산출하는 제2단계;

상기 구간정보로부터 차량들의 각 구간마다 걸린 실제 통행시간을 나타내는 구간실측 통행시간의 분포를 생성한 후, 상기 구간실측 통행시간의 분포를 통계이론인 가우스 마코프 정리에 적용하여 구간실측 회귀분석 그래프로서 산출하는 제3단계;

상기 구간추측 회귀분석 그래프와 제2분석 그래프의 중간값으로 된 중간값 회귀분석 그래프를 생성하는 제4단계;

차량이 상기 특정지점을 통과할 때의 상기 구간추측 통행시간과 상기 구간실 측 통행시간의 차이를 비교하여, 그 차이가 일정 범위 내일 경우에는 상기 차량의 이동경로가 연속류라 판정하고, 그 차이가 일정 범위를 벗어날 경우에는 상기 차량의 이동경로가 단속류라 판정하는 제5단계;

상기 단속류, 연속류 여부에 따라 상기 중간값 회귀분석 그래프에 대해 가중치를 달리하여 시계열 분석 그래프를 생성한 후, 상기 시계열 분석 그래프, 상기 구간추측 회귀분석 그래프, 상기 구간실측 회귀분석 그래프간의 편차를 고려하여 향후 통과할 구간의 통행시간을 예측하는 제6단계

를 포함하는 교통정보 예측 방법.
제7항에 있어서, 상기 제2단계는,

상기 특정지점에서의 차량 속도를 교통용량 이론에 적용하여 추출한 구간 평균속도를 Va[km/se], 통행시간 예측이 이루어지는 단위 길이인 단위구간의 길이를 L[km], 상기 특정지점이 있는 신호교차로에서의 운영지체시간을 d[sec]라 할 때, 교통용량 이론에 따라,
의 수식에 의해 상기 구간추측 통행시간(Tr[sec])을 산출하는 단계;

상기 산출한 차량들의 구간추측 통행시간의 분포 중에서 오차 범위를 벗어나는 무의미한 값들을 필터링하여 제거하는 단계;

상기 필터링한 구간추측 통행시간의 분포에 대해 상기 가우스 마코프 정리를 적용하여 최소제곱추정량이 작은 분산을 갖도록 데이터를 추정 정리한 구간추측 회귀분석 그래프를 생성하는 단계

를 포함하는 교통정보 예측 방법.
제7항에 있어서, 상기 제2단계는,

상기 특정지점의 이전에 위치한 복합검지기의 검지시각을 t0[sec], 상기 특정지점에 위치한 복합검지기의 검지시각을 t1[sec], 이전에 위치한 복합검지기와 상기 특정지점에 위치한 복합검지기 사이의 실측 거리를 M[m]이라 할 때,

의 수식에 의해 상기 구간실측 통행시간(TT[sec])를 산출하는 단계;

상기 산출한 차량들의 구간실측 통행시간들의 분포 중에서 오차 범위를 벗어나는 무의미한 값들을 필터링하여 제거하는 단계;

상기 필터링한 구간실측 통행시간의 분포에 대해 상기 가우스 마코프 정리를 적용하여 최소제곱추정량이 작은 분산을 갖도록 데이터를 추정 정리한 구간실측 회귀분석 그래프를 생성하는 단계

를 포함하는 교통정보 예측 방법.
제7항에 있어서, 상기 제6단계는,

상기 단속류로 판정된 경우에는, 상기 중간값 회귀분석 그래프에 대해서 도시도로의 교통 실험에 의해 구한 단속류 가중치를 고려한 시계열 분석을 적용하여 단속류 시계열 분석 그래프를 생성하며, 상기 연속류로 판정된 경우에는, 상기 중간값 회귀분석 그래프에 대해서 고속도로의 교통 실험에 의해 구한 연속류 가중치를 고려한 시계열 분석 적용하여 연속류 시계열 분석 그래프를 생성하는 제6-1단계;

상기 단속류인 경우, 상기 단속류 시계열 분석 그래프, 상기 구간추측 회귀분석 그래프, 상기 구간실측 회귀분석 그래프간의 편차에 따라 향후 통과할 구간의 통행시간을 예측하는 제6-2단계;

상기 연속류의 경우, 상기 연속류 시계열 분석 그래프, 상기 구간추측 회귀분석 그래프, 상기 구간실측 회귀분석 그래프간의 편차에 따라 향후 통과할 구간의 통행시간을 예측하는 제6-3단계

를 포함하는 교통정보 예측 방법.
제10항에 있어서, 상기 제6-2단계는,

현재 시점의 상기 구간추측 회귀분석 그래프 상에서의 통행시간과, 현재 시점의 상기 단속류 시계열 분석 그래프 상에서의 통행시간과, 현재 시점의 상기 구간실측 회귀분석 그래프 상에서의 통행시간 간의 각 상호간의 편차 비율(단속류 편차비율)을 연산하는 단계;

예측할 다음 시점의 상기 구간추측 회귀분석 그래프 상에서의 통행시간과 예 측할 다음 시점의 상기 단속류 시계열 분석 그래프 상에서의 통행시간을 추출하여, 상기 단속류 편차비율과 일치하도록 다음 시점의 상기 구간실측 회귀분석 그래프 상에서의 통행시간을 예측하는 단계

를 포함하는 교통정보 예측 방법.
제10항에 있어서, 제6-3단계는,

현재 시점의 상기 구간추측 회귀분석 그래프 상에서의 통행시간과, 현재 시점의 상기 연속류 시계열 분석 그래프 상에서의 통행시간과, 현재 시점의 상기 구간실측 회귀분석 그래프 상에서의 통행시간 간의 각 상호간의 편차비율(연속류 편차비율)을 연산하는 단계;

예측할 다음 시점의 상기 구간추측 회귀분석 그래프 상에서의 통행시간과 예측할 다음 시점의 상기 연속류 시계열 분석 그래프 상에서의 통행시간을 추출하여, 상기 연속류 편차비율과 일치하도록 다음 시점의 상기 구간실측 회귀분석 그래프 상에서의 통행시간을 예측하는 단계

를 포함하는 교통정보 예측 방법.
제7항에 있어서, 상기 제6단계는, q는 교통량(차량대수/시간), u는 속도(구간길이/통행시간), k=교통밀도라 할 때, 상기 예측한 통과시간을 q = uk 수식에 적용하여 교통밀도, 속도, 교통량을 포함하는 교통정보를 더 예측함을 특징으로 하는 교통정보 예측 방법.