KR20190127023A - 이동 프로브 정보를 이용한 도로 교통량 산정 방법 - Google Patents
이동 프로브 정보를 이용한 도로 교통량 산정 방법 Download PDFInfo
- Publication number
- KR20190127023A KR20190127023A KR1020180051067A KR20180051067A KR20190127023A KR 20190127023 A KR20190127023 A KR 20190127023A KR 1020180051067 A KR1020180051067 A KR 1020180051067A KR 20180051067 A KR20180051067 A KR 20180051067A KR 20190127023 A KR20190127023 A KR 20190127023A
- Authority
- KR
- South Korea
- Prior art keywords
- traffic
- probe
- road
- time series
- traffic volume
- Prior art date
Links
- 239000000523 sample Substances 0.000 title claims abstract description 174
- 238000000034 method Methods 0.000 title claims abstract description 94
- 238000005259 measurement Methods 0.000 claims description 66
- 238000004364 calculation method Methods 0.000 claims description 30
- 230000008859 change Effects 0.000 claims description 13
- 238000011144 upstream manufacturing Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 10
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000007246 mechanism Effects 0.000 abstract 2
- 230000006399 behavior Effects 0.000 description 53
- 238000010586 diagram Methods 0.000 description 21
- 238000011156 evaluation Methods 0.000 description 13
- 238000005516 engineering process Methods 0.000 description 11
- BQCADISMDOOEFD-UHFFFAOYSA-N Silver Chemical compound [Ag] BQCADISMDOOEFD-UHFFFAOYSA-N 0.000 description 9
- 229910052709 silver Inorganic materials 0.000 description 9
- 239000004332 silver Substances 0.000 description 9
- 238000000691 measurement method Methods 0.000 description 7
- 238000001514 detection method Methods 0.000 description 6
- 238000012423 maintenance Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 5
- 238000013461 design Methods 0.000 description 5
- 210000004185 liver Anatomy 0.000 description 5
- 230000002123 temporal effect Effects 0.000 description 5
- 238000010276 construction Methods 0.000 description 4
- 230000036571 hydration Effects 0.000 description 4
- 238000006703 hydration reaction Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000035515 penetration Effects 0.000 description 3
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 238000003339 best practice Methods 0.000 description 2
- 230000018044 dehydration Effects 0.000 description 2
- 238000006297 dehydration reaction Methods 0.000 description 2
- 229910052698 phosphorus Inorganic materials 0.000 description 2
- 239000011574 phosphorus Substances 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000003012 network analysis Methods 0.000 description 1
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
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
- G08G1/012—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from other sources than vehicle or roadside beacons, e.g. mobile networks
-
- G06Q50/30—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
본 발명은 이동 프로브 정보를 이용한 도로 교통량 산정 방법에 관한 것으로서, 검지기 및 기타 검지기의 역할을 수행하는 기계장치 및 방법이 설치/시행되지 않은 도로구간 및 도로지점 또는 검지기 및 기타 검지기의 역할을 수행하는 기계장치 및 방법이 설치/시행되었더라도 정상적인 기능을 발휘할 수 없는 대상 도로구간 및 도로지점에 대하여 인접한 교통량 측정지점들의 도로 교통량 정보와 이동 프로브 통행량 정보를 이용하여 대상 도로구간 및 도로지점의 교통량을 측정할 수 있다.
Description
본 발명은 이동 프로브 정보를 이용한 도로 교통량 산정 방법에 관한 것으로서, 보다 상세하게는 차량내 탑재된 단말기 또는 운전자가 휴대한 단말기를 통해 수집되는 이동 프로브 통행량 정보를 이용하여 도로구간 또는 도로지점의 도로 교통량을 측정하는 이동 프로브 정보를 이용한 도로 교통량 산정 방법에 관한 것이다.
도로혼잡, 신규 도로건설 타당성, 도로망 설계 등의 도로망 분석과 차량 교통류 운영/관리/제어에 있어 핵심 정보는 측정된 도로 교통량이다. 따라서 도로 교통량은 수시 및 상시측정을 통해 수집/관리/활용되고 있다.
현행의 도로 교통량은 1) 인력, 2)교통량 측정장비(ATR; Automatic Traffic Recorder), 3)검지기(Detector) 등을 이용해 측정되고 있다. 인력에 의한 계측과 교통량 측정장비를 이용한 계측은 1 내지 3일의 단기적인 조사인 수시측정에 이용되며, 검지기를 이용한 계측은 365일 지속적인 모니터링을 수행하는 상시 측정에 이용된다.
그러나, 인력에 의한 계측과 교통량 측정장비(ATR)을 이용한 측정은 365일 동안 지속적인 교통량 측정이 불가능하다.
또한, 검지기를 이용한 계측은, 검지기가 설치되지 않은 도로지점 또는 도로구간의 도로교통량은 365일 동안 지속적으로 측정할 수 없다. 또한, 검지기는 도로의 노면매설 또는 차량보다 높은 상부에 지지대로 고정되어 도로 교통량을 측정하기 때문에 검지기를 공간적으로 이동시킬 수 없다.
특히, 검지기기반 도로 교통량 측정의 경우, 지속적인 유지/보수 비용이 소요되며, 고장 등으로 인한 비정상적인 경우 도로교통량을 측정할 수 없다.
주요도로만 포함된 국가표준노드링크체계의 도로구간은 총 271,566개 구간이며, 상세한 도로구간이 포함된 KTDB(한국교통연구원 Database) 노드링크체계의 도로구간 개수는 992,517개이다. 그러나 (수시측정과 상시측정을 통해) 도로 교통량이 수집되고 있는 지점수는 (2017년 기준) 총b 11,547개소로서 국가표준노드링크체계 기준으로 4.25%, KTDB 노드링크체계 기준으로 1.16% 수준에 불과하다.
검지기를 이용하여 전국 도로망의 도로 교통량을 측정하기 위해서는 천문학적인 비용이 소요됨으로, 일부 주요도로에 한정되고 있다.
예컨대, 유지관리비를 제외한 2일간 수시측정 비용은, 국가표준노드링크체계 기준으로 1,086 (억원/2일)이 소요될 수 있다. (조사비용 200 (천원/일) × 조사지점수 271,566 개소 × 2 일)
또한, KTDB 노드링크체계 기준으로 3,970 (억원/2일)이 소요될 수 있다.(조사비용 200 (천원/일) × 조사지점수 992,517 개소 × 2일)
또한, 예컨대, 365일 조사시 상시측정 비용(유지관리비: 초기 구축비용의 10%/년, 내구연한 20년)은, 국가표준노드링크체계 기준으로, 1,222,047 (억원/20년)이 소요될 수 있다. ((초기 구축비용 150,000 (천원/개소) + 유지관리비용 15,000 (천원/년/개소) × 20 (내구연한, 년)) × 271,566 개소; 년간 61,102.4 (억원/년)
또한, KTDB 노드링크체계 기준으로 4,466,327 (억원/20년)이 소요될 수 있다. (초기 구축비용 150,000 (천원/개소) + 유지관리비용 15,000 (천원/년/개소) × 20 (내구연한, 년)) × 992,517 개소; 년간 223,316.3 (억원/년)
따라서, 검지기가 설치되지 않은 도로구간 또는 도로지점 또는, 검지기가 설치되었어도 정상적인 기능을 발휘할 수 없는 경우에 대하여, 현행 고정식 검지기의 공간적 제약을 극복하면서, 천문학적인 비용을 저비용으로 해결하는, 전국 도로구간 및 도로지점의 도로 교통량을 측정하는 기술이 절실히 요구되고 있다.
본 발명의 사상은, 이러한 문제점들을 해결하기 위한 것으로서, 검지기가 설치되지 않은 도로구간 및 도로지점 또는 검지기가 설치되었어도 정상적인 기능을 발휘할 수 없는 경우에 대하여, 현행 고정식 검지기의 공간적 제약을 극복하면서, 천문학적인 비용을 대신하여 저비용으로 해결할 수 있도록 도로지점 및 도로구간의 교통량을 측정할 수 있는 이동 프로브 정보를 이용한 도로 교통량 산정 방법을 제공함에 있다. 그러나 이러한 과제는 예시적인 것으로서, 이에 의해 본 발명의 범위가 한정되는 것을 아니다.
상기 과제를 해결하기 위한 본 발명의 사상에 따른 이동 프로브 정보를 이용한 도로 교통량 산정 방법은, 검지기가 설치되지 않은 도로구간 및 도로지점 또는 검지기가 설치되었더라도 정상적인 기능을 발휘할 수 없는 도로구간 및 도로지점에 대하여 도로축에 위치한 인접한 교통량 측정지점들의 시계열적 자료를 이용하여 시간 기반의 교통량을 측정할 수 있다.
또한, 본 발명에 따르면, (a-1) 도로의 공간에 위치한 대상지점의 상류부 및 하류부에서 프로브 통행량 시계열자료와 교통량 시계열자료를 단말장치와 교통량 측정장비로부터 획득하는 단계; (b-1) 상기 교통량 시계열자료와 상기 프로브 통행량 시계열 자료를 이용하여 상기 프로브 통행량 시계열 자료를 조정하는 단계; (b-2) 상기 교통량 시계열자료와 조정된 프로브 통행량 시계열자료를 이용하여 전수화 계수를 측정하는 단계; (b-3) 상기 전수화 계수와 상기 대상지점의 조정된 프로브 통행량을 이용하여 상기 대상지점의 교통량을 측정하는 단계; (b-4) 상기 교통량 시계열자료와 상기 조정된 프로브 통행량 시계열 자료를 이용하여 상기 교통량 시계열자료와 상기 조정된 프로브 통행량 시계열 자료의 관계를 설명하는 최적 행태를 측정하는 단계; 및 (b-5) 상기 최적 행태와 상기 대상지점의 조정된 프로브 통행량을 이용하여 상기 대상지점의 교통량을 측정하는 단계;를 포함할 수 있다.
또한, 본 발명에 따르면, 상기 (b-1) 단계는, (b-1-1) 기준 프로프 통행량 시계열 상태와 기준 교통량 시계열 상태를 측정하는 단계; (b-1-2) 프로프 통행량 시계열 상태의 변동과 교통량 시계열 상태의 변동을 측정하는 단계; (b-1-3) 상기 기준 프로프 통행량 시계열 상태와, 상기 프로프 통행량 시계열 상태의 변동과, 상기 교통량 시계열 상태의 변동에 의해 조정된 프로브 통행량 시계열 상태를 생성하는 단계; (b-1-4) 상기 기준 프로프 통행량 시계열 상태에 의해 가중치를 측정하는 단계; 및 (b-1-5) 상기 프로브 통랭량 시계열 자료와, 상기 프로프 통행량 시계열 상태의 변동과, 상기 교통량 시계열 상태의 변동과, 상기 가중치에 의해 상기 대상지점의 조정된 프로브 통행량 시계열 상태를 생성하는 단계;를 포함할 수 있다.
또한, 본 발명에 따르면, 상기 (b-2) 단계는, (b-2-1) 상기 조정된 프로브 통행량 시계열자료와, 상기 교통량 시계열 자료와, 상기 가중치에 의해 상기 전수화 계수를 측정할 수 있다.
또한, 본 발명에 따르면, 상기 (b-3) 단계는, (b-3-1) 상기 전수화 계수에 의해 상기 대상지점의 교통량을 측정할 수 있다.
또한, 본 발명에 따르면, 상기 (b-4) 단계는, (b-4-1) 시간 행태를 결정하고, 결정된 상기 시간 행태와 상기 대상지점의 조정된 프로브 통행량을 이용하여 상기 대상지점의 상기 교통량을 측정하는 단계; (b-4-2) 관측 교통량과 산정 교통량 간의 산정오차를 측정하는 단계; (b-4-3) 상기 산정오차의 가중치를 측정하는 단계; 및 (b-4-4) 상기 산정오차와, 상기 가중치에 의한 산정오차 최소화 문제를 해결하는 과정을 통해 최적 행태를 결정하는 단계;를 포함할 수 있다.
또한, 본 발명에 따르면, 상기 (b-5) 단계는, (b-5-1) 측정된 상기 최적 행태와, 상기 대상지점의 조정된 프로브 통행량에 의해 상기 대상지점의 교통량을 측정할 수 있다.
한편, 상기 과제를 해결하기 위한 본 발명의 사상에 따른 이동 프로브 정보를 이용한 도로 교통량 산정 방법은, 검지기가 설치되지 않은 도로구간 및 도로지점 또는 검지기가 설치되었더라도 정상적인 기능을 발휘할 수 없는 도로구간 및 도로지점에 대하여 도로축에 위치한 인접한 교통량 측정지점들의 공간적 자료를 이용하여 공간 기반의 교통량을 측정할 수 있다.
또한, 본 발명의 이동 프로브 정보를 이용한 도로 교통량 산정 방법은, (a-2) 도로망의 공간에 위치한 대상지점의 프로브 통행량과 상기 대상지점에 인접한 교통량 측정지점들에 대한 프로브 통행량과 교통량을 단말장치와 교통량 측정장비로부터 획득하는 단계; (c-1) 경로 프로브 통행량을 이용한 비선형 공간 군집 기법을 기반으로 상기 대상지점에 인접한 교통량 측정지점들의 정보인 프로브 통행량, 교통량, 경로 프로브 통행량을 구축하는 단계; (c-2) 상기 경로 프로브 통행량을 이용하여 상기 대상지점과 인접지점 간의 통행 연결성을 측정하는 단계; (c-3) 상기 프로브 통행량, 상기 교통량 및 상기 통행 연결성을 이용하여 상기 대상지점에서 상기 프로브 통행량과 상기 교통량의 관계를 설명하는 최적 공간 행태를 결정하는 단계; 및 (c-4) 상기 최적 공간 행태와 상기 대상지점의 프로브 통행량을 이용하여 상기 대상지점의 교통량을 측정하는 단계;를 포함할 수 있다.
또한, 본 발명에 따르면, 상기 (c-1) 단계는, (c-1-1) 상기 경로 프로브 통행량의 기능을 정의하는 단계; (c-1-2) 공간군집 기법의 기능에 의한 m개 관측지점의 정보인 상기 프로브 통행량, 상기 교통량, 상기 경로 프로브 통행량을 구축하는 단계; (c-1-3) 상기 공간군집 기법의 기능 정의에 의한 상기 경로 프로브 통행량의 정렬기반 방법론을 이용하여 m개 관측지점의 경로 프로브 통행량을 구축하는 단계; 및 (c-1-4) 상기 공간군집 기법의 기능 정의에 의한 유효 공간 결정 변수와 유효 공간 오차 최소화 방법을 이용하여 m값을 결정하는 단계;를 포함할 수 있다.
또한, 본 발명에 따르면, 상기 (c-3) 단계는, (c-3-1) 공간 행태를 결정하고, 결정된 상기 공간 행태와 상기 대상지점의 프로브 통행량을 이용하여 상기 대상지점의 교통량을 측정하는 단계; (c-3-2) 상기 관측 교통량과 산정 교통량간의 산정오차를 측정하는 단계; 및 (c-3-3) 상기 산정오차에 의한 산정오차 최소화 문제를 해결하는 과정을 통해 최적의 공간 행태를 결정하는 단계;를 포함할 수 있다.
또한, 본 발명에 따르면, 상기 (c-4) 단계는, (c-4-1) 상기 최적의 공간 행태와 상기 대상지점의 프로브 통행량에 의해 상기 대상지점의 교통량을 측정할 수 있다.
상기한 바와 같이 이루어진 본 발명의 일부 실시예들에 따르면, 현행 검지기 성능평가 기준인 검지오차 10% 보다 낮은 측정오차로 현행의 교통량 검지기를 대체할 수 있는 21세기 신기술로서, 단말장치를 통해 프로브 통행량이 수집되는 전국 도로망의 모든 도로지점 또는 도로구간에 대한 시공간적으로 연속적인 교통량 측정이 가능해지며, 따라서 검지기 기반 교통량 측정의 막대한 설치/운영비용 때문에 전국의 일부 도로지점에 한정되었던 현행 교통량 측정의 기술적 한계를 극복할 수 있고, 천문학적인 국가예산을 도로부분의 교통량 측정에 투자하는 것과 같은 천문학적인 국가예산 절감효과가 기대되며, 현재의 지능형교통체계 뿐만 아니라 미래 자율주행차량시대의 차대차통신, 차대인프라통신 기반의 첨단지능형교통체계에서도 핵심 입력자료로서, 현재 및 미래의 지능형교통체계에 반드시 필요한 핵심기술을 수행할 수 있는 효과를 갖는 것이다. 물론 이러한 효과에 의해 본 발명의 범위가 한정되는 것은 아니다.
도 1은 본 발명의 일부 실시예들에 따른 이동 프로브 정보를 이용한 도로 교통량 산정 방법의 방법론적 흐름을 나타내는 개념도이다.
도 2는 도 1의 이동 프로브 정보를 이용한 시간 기반 도로 교통량 산정 방법에 적용되는 교통량 산정 기술의 공간적 정의를 나타내는 도면이다.
도 3은 도 1의 이동 프로브 정보를 이용한 도로 교통량 산정 방법에 적용되는 시간기반 교통량 산정기술에 이용되는 프로브 통행량과 교통량 시계열 자료를 정의하기 위한 시계열의 정의를 나타내는 도면이다.
도 4는 도 1의 이동 프로브 정보를 이용한 시간 기반 도로 교통량 산정 방법에 적용되는 공간과 시간에 따른 프로브 통행량과 교통량의 시계열 상태 자료의 정의를 나타내는 도면이다.
도 5는 도 1의 이동 프로브 정보를 이용한 시간 기반 도로 교통량 산정 방법에 적용되는 프로브 통행량과 교통량 시계열 자료의 기준상태, 변동상태, 그리고 조정된 프로브 통행량의 개념을 도식화하여 나타내는 도면이다.
도 6은 도 1의 이동 프로브 정보를 이용한 도로 교통량 산정 방법에 적용되는 시간기반 기술의 시간 행태를 이용한 프로브 통행량과 교통량의 관계를 개념적으로 도식화하여 나타내는 도면이다.
도 7은 도 1의 이동 프로브 정보를 이용한 공간 기반 도로 교통량 산정 방법에 적용되는 경로 프로브 통행량을 이용한 비선형 공간군집 결정 과정을 나타내는 도면이다.
도 8은 도 1의 이동 프로브 정보를 이용한 도로 교통량 산정 방법에 적용되는 공간 결정 변수를 이용하여 유효 교통량 측정지점수를 결정하는 개념을 나타내는 도면이다.
도 9는 도 1의 이동 프로브 정보를 이용한 도로 교통량 산정 방법에 적용되는 공간기반 기술의 공간 행태를 이용한 프로브 통행량과 교통량의 관계를 개념적으로 도식화하여 나타내는 도면이다.
도 10은 도 1의 이동 프로브 정보를 이용한 도로 교통량 산정 방법에 적용되는 시간기반 교통량 측정기술을 평가하기 위한 대상 도로축을 나타내는 도면이다.
도 11은 도 1의 이동 프로브 정보를 이용한 도로 교통량 산정 방법에 적용되는 전수화계수를 이용한 시간기반 교통량 측정기술을 평가하기 위한 교통량 자료의 상태진화의 시간적 행태를 나타내는 도면이다.
도 12는 도 1의 이동 프로브 정보를 이용한 도로 교통량 산정 방법에 적용되는 전수화계수를 이용한 시간기반 교통량 측정기술을 평가하기 위한 프로브 통행량 자료의 상태진화의 시간적 행태를 나타내는 도면이다.
도 13은 도 1의 이동 프로브 정보를 이용한 도로 교통량 산정 방법에 적용되는 전수화계수를 이용한 시간기반 교통량 측정기술의 평가 결과를 시계열 변동과 산포도로 나타내는 도면이다.
도 14는 도 1의 이동 프로브 정보를 이용한 도로 교통량 산정 방법에 적용되는 시간 행태를 이용한 시간기반 교통량 측정기술을 평가하기 위한 교통량 자료의 상태진화의 시간적 행태를 나타내는 도면이다.
도 15는 도 1의 이동 프로브 정보를 이용한 도로 교통량 산정 방법에 적용되는 시간 행태를 이용한 시간기반 교통량 측정기술을 평가하기 위한 프로브 통행량 자료의 상태진화의 시간적 행태를 나타내는 도면이다.
도 16은 도 1의 이동 프로브 정보를 이용한 도로 교통량 산정 방법에 적용되는 프로브 통행량 시계열 자료의 조정 효과를 시계열적으로 비교하여 나타내는 도면이다.
도 17은 도 1의 이동 프로브 정보를 이용한 도로 교통량 산정 방법에 적용되는 시간 행태를 이용한 시간기반 교통량 측정기술의 평가 결과를 시계열 변동과 산포도로 나타내는 도면이다.
도 18은 도 1의 이동 프로브 정보를 이용한 도로 교통량 산정 방법에 적용되는 공간기반 교통량 측정기술을 평가하기 위한 대상 도로망과 관측 지점을 나타내는 도면이다.
도 19는 도 1의 이동 프로브 정보를 이용한 도로 교통량 산정 방법에 적용되는 공간기반 교통량 측정기술의 평가를 위한 프로브 통행량과 관측 교통량 자료의 관계를 나타내는 도면이다.
도 20은 도 1의 이동 프로브 정보를 이용한 도로 교통량 산정 방법에 적용되는 공간기반 교통량 측정기술의 평가 결과를 산포도로 나타내는 도면이다.
도 2는 도 1의 이동 프로브 정보를 이용한 시간 기반 도로 교통량 산정 방법에 적용되는 교통량 산정 기술의 공간적 정의를 나타내는 도면이다.
도 3은 도 1의 이동 프로브 정보를 이용한 도로 교통량 산정 방법에 적용되는 시간기반 교통량 산정기술에 이용되는 프로브 통행량과 교통량 시계열 자료를 정의하기 위한 시계열의 정의를 나타내는 도면이다.
도 4는 도 1의 이동 프로브 정보를 이용한 시간 기반 도로 교통량 산정 방법에 적용되는 공간과 시간에 따른 프로브 통행량과 교통량의 시계열 상태 자료의 정의를 나타내는 도면이다.
도 5는 도 1의 이동 프로브 정보를 이용한 시간 기반 도로 교통량 산정 방법에 적용되는 프로브 통행량과 교통량 시계열 자료의 기준상태, 변동상태, 그리고 조정된 프로브 통행량의 개념을 도식화하여 나타내는 도면이다.
도 6은 도 1의 이동 프로브 정보를 이용한 도로 교통량 산정 방법에 적용되는 시간기반 기술의 시간 행태를 이용한 프로브 통행량과 교통량의 관계를 개념적으로 도식화하여 나타내는 도면이다.
도 7은 도 1의 이동 프로브 정보를 이용한 공간 기반 도로 교통량 산정 방법에 적용되는 경로 프로브 통행량을 이용한 비선형 공간군집 결정 과정을 나타내는 도면이다.
도 8은 도 1의 이동 프로브 정보를 이용한 도로 교통량 산정 방법에 적용되는 공간 결정 변수를 이용하여 유효 교통량 측정지점수를 결정하는 개념을 나타내는 도면이다.
도 9는 도 1의 이동 프로브 정보를 이용한 도로 교통량 산정 방법에 적용되는 공간기반 기술의 공간 행태를 이용한 프로브 통행량과 교통량의 관계를 개념적으로 도식화하여 나타내는 도면이다.
도 10은 도 1의 이동 프로브 정보를 이용한 도로 교통량 산정 방법에 적용되는 시간기반 교통량 측정기술을 평가하기 위한 대상 도로축을 나타내는 도면이다.
도 11은 도 1의 이동 프로브 정보를 이용한 도로 교통량 산정 방법에 적용되는 전수화계수를 이용한 시간기반 교통량 측정기술을 평가하기 위한 교통량 자료의 상태진화의 시간적 행태를 나타내는 도면이다.
도 12는 도 1의 이동 프로브 정보를 이용한 도로 교통량 산정 방법에 적용되는 전수화계수를 이용한 시간기반 교통량 측정기술을 평가하기 위한 프로브 통행량 자료의 상태진화의 시간적 행태를 나타내는 도면이다.
도 13은 도 1의 이동 프로브 정보를 이용한 도로 교통량 산정 방법에 적용되는 전수화계수를 이용한 시간기반 교통량 측정기술의 평가 결과를 시계열 변동과 산포도로 나타내는 도면이다.
도 14는 도 1의 이동 프로브 정보를 이용한 도로 교통량 산정 방법에 적용되는 시간 행태를 이용한 시간기반 교통량 측정기술을 평가하기 위한 교통량 자료의 상태진화의 시간적 행태를 나타내는 도면이다.
도 15는 도 1의 이동 프로브 정보를 이용한 도로 교통량 산정 방법에 적용되는 시간 행태를 이용한 시간기반 교통량 측정기술을 평가하기 위한 프로브 통행량 자료의 상태진화의 시간적 행태를 나타내는 도면이다.
도 16은 도 1의 이동 프로브 정보를 이용한 도로 교통량 산정 방법에 적용되는 프로브 통행량 시계열 자료의 조정 효과를 시계열적으로 비교하여 나타내는 도면이다.
도 17은 도 1의 이동 프로브 정보를 이용한 도로 교통량 산정 방법에 적용되는 시간 행태를 이용한 시간기반 교통량 측정기술의 평가 결과를 시계열 변동과 산포도로 나타내는 도면이다.
도 18은 도 1의 이동 프로브 정보를 이용한 도로 교통량 산정 방법에 적용되는 공간기반 교통량 측정기술을 평가하기 위한 대상 도로망과 관측 지점을 나타내는 도면이다.
도 19는 도 1의 이동 프로브 정보를 이용한 도로 교통량 산정 방법에 적용되는 공간기반 교통량 측정기술의 평가를 위한 프로브 통행량과 관측 교통량 자료의 관계를 나타내는 도면이다.
도 20은 도 1의 이동 프로브 정보를 이용한 도로 교통량 산정 방법에 적용되는 공간기반 교통량 측정기술의 평가 결과를 산포도로 나타내는 도면이다.
이하, 첨부된 도면을 참조하여 본 발명의 여러 실시예들을 상세히 설명하기로 한다.
본 발명의 실시예들은 당해 기술 분야에서 통상의 지식을 가진 자에게 본 발명을 더욱 완전하게 설명하기 위하여 제공되는 것이며, 하기 실시예는 여러 가지 다른 형태로 변형될 수 있으며, 본 발명의 범위가 하기 실시예에 한정되는 것은 아니다. 오히려 이들 실시예들은 본 개시를 더욱 충실하고 완전하게 하고, 당업자에게 본 발명의 사상을 완전하게 전달하기 위하여 제공되는 것이다. 또한, 도면에서 각 층의 두께나 크기는 설명의 편의 및 명확성을 위하여 과장된 것이다.
본 명세서에서 사용된 용어는 특정 실시예를 설명하기 위하여 사용되며, 본 발명을 제한하기 위한 것이 아니다. 본 명세서에서 사용된 바와 같이, 단수 형태는 문맥상 다른 경우를 분명히 지적하는 것이 아니라면, 복수의 형태를 포함할 수 있다. 또한, 본 명세서에서 사용되는 경우 "포함한다(comprise)" 및/또는 "포함하는(comprising)"은 언급한 형상들, 숫자, 단계, 동작, 부재, 요소 및/또는 이들 그룹의 존재를 특정하는 것이며, 하나 이상의 다른 형상, 숫자, 동작, 부재, 요소 및/또는 그룹들의 존재 또는 부가를 배제하는 것이 아니다.
이하, 본 발명의 일부 실시예들에 따른 이동 프로브 정보를 이용한 도로 교통량 산정 방법을 도면을 참조하여 상세히 설명한다.
먼저, 핵심 용어들을 정의하자면, “교통량”이란, 주어진 시간동안 주어진 도로지점 또는 도로구간을 통행한 도로 이동수단의 대수 또는 통행자의 수 (, 대/ 또는 인/), = [5분, 15분, 1시간, 24시간 등]. 단, 시간 길이인 는 분석의 목적에 따라 조정된다. 도로 이동수단 (이하, 이동수단)은 운전자/(운전자를 대신하는)장치/통행자가 도로상에서 공간과 공간을 이동하는 다양한 통행을 목적으로 이용하는 수단이며, 예로서 보행, 자전거, 이륜차, 자동차 등을 의미한다. 도로는 (도로교통법 등) 법률이 정하는 물리적 공간에 의하며, 또한 통행 출발지점에서 통행 목적지점까지 경로상에 존재하는 3차원 공간상의 유/무형 공간을 포함한다.
또한, “프로브 통행량”이란, ⓛ이동수단에 탑재되거나 ②운전자/(운전자를 대신하는)장치/통행자가 휴대/동반함으로써 도로의 공간에서 이동수단/운전자/(운전자를 대신하는)장치/통행자의 시공간적 동선 파악을 가능하게 하는 단말장치가 주어진 시간동안 주어진 도로지점 또는 도로구간을 통과한 건수(, 건/ 또는 인/)를 의미한다.
또한, “단말장치”란, ①이동수단/(운전자를 대신하는)장치에 탑재된 장치의 형식으로서 시공간 궤적 모니터링의 기능이 가능한 장치 (예, GPS 장치), ②교통 조사용 장비에 포함된 시공간 궤적 모니터링의 기능이 가능한 장치 (예, GPS 장치), ③교통정보 네비게이션과 같은 시공간 궤적 모니터링의 기능이 가능한 장치 (예, GPS 장치)가 내장/포함된 교통정보 단말장치, ④휴대용 통신기기 등 시공간 궤적 모니터링의 기능이 가능한 장치가 탑재된 개인통신 단말장치 또는 정보 단말장치의 기능을 수행하는 소프트웨어의 기능, ⑤단거리 무선통신 등의 통신에 기반하여 이동수단에 탑재된 단말장치, 그리고 단말장치는 이동수단 또는 이동수단에 탑승한 운전자/(운전자를 대신하는)장치/통행자의 시공간 이동궤적정보를 통해 정의된 상기 프로브 통행량의 측정이 가능한 하드웨어 장치 및 소프트웨어 기능을 포함한다.
또한, 이하, 본 발명의 설명에서 “공간”을 정의하면, 도 2에 도시된 바와 같이, 도로축 상에서 차량의 진행방향을 기준으로 대상 지점()의 상류 지점()과 하류 지점()에 대해, 공간() = 로 정의하며, 도로축에 국한한 것이 아니며 도로망을 포함한다. 그리고 상류 및 하류 지점의 위치와 개수는 한정되지 않는다. 단, 본 발명의 기술적 설명을 위하여 상류부와 하류부로 구분하도록 한다.
또한, 이하, 본 발명의 설명에서 “시계열”을 정의하면, 도 3에 도시된 바와 같이, 시계열(, time-series)은 []로 정의한다. 여기서, 인 정수이다. 시간대의 길이() = 5분일 경우, 시점에서 은 분 동안의 시간대, 은 분 동안의 시간대, ... , 은 분 동안의 시간대이다. 그리고 시계열은 일차원 시계열에 국한하지 않으며 복수의 시공간 시계열로 확장이 가능함을 명시한다. 단, 본 발명의 기술적 설명을 위하여 일차원 공간 시계열을 이용하도록 한다.
도 1은 본 발명의 일부 실시예들에 따른 이동 프로브 정보를 이용한 도로 교통량 산정 방법의 방법론적 흐름을 나타내는 개념도이다.
본 발명의 일부 실시예들에 따른 이동 프로브 정보를 이용한 도로 교통량 산정 방법은, 검지기가 설치되지 않은 도로구간 및 도로지점 또는 검지기가 설치되었더라도 정상적인 기능을 발휘할 수 없는 도로구간 및 도로지점에 대하여 도로축에 위치한 인접한 교통량 측정지점들의 시계열적 자료를 이용하여 시간 기반의 교통량을 측정할 수 있다.
더욱 구체적으로 예를 들면, 도 1에 도시된 바와 같이, 본 발명의 일부 실시예들에 따른 이동 프로브 정보를 이용한 도로 교통량 산정 방법은, (a-1) 도로의 공간()에 위치한 대상지점()/상류부()/하류부()에서 프로브 통행량 시계열자료()와 교통량 시계열자료(, )를 단말장치와 교통량 측정장비로부터 획득하는 단계;와, (b-1) 측정된 교통량 시계열자료()와 측정된 프로브 통행량 시계열 자료()를 이용하여 프로브 통행량 시계열 자료()을 조정하는 단계;와, (b-2) 교통량 시계열자료()와 조정된 프로브 통행량 시계열자료()을 이용하여 전수화 계수 []를 측정하는 단계;와, (b-3) 측정된 전수화 계수()와 대상지점()의 조정된 프로브 통행량()을 이용하여 대상지점()의 교통량()을 측정하는 단계;와, (b-4) 교통량 시계열자료()와 조정된 ()을 이용하여 와 의 관계를 설명하는 최적 행태()을 측정하는 단계; 및 (b-5) 와 대상지점()의 조정된 프로브 통행량()을 이용하여 대상지점()의 교통량()을 측정하는 단계;를 포함한다.
여기서, 프로브 통행량 시계열 자료의 상태를 정의하고, 이를 측정하자면, 도 4에 도시된 바와 같이, (1) = [], : 공간()에서 측정된 시계열()에 대한 일련의 프로브 통행량 상태로 정의할 수 있고, (2) = [], : 의 개별 상태 변동을 설명하기 위한 기준 상태/값 (또는 대표 상태/값)로 정의할 수 있다.
또한, 여기서, 프로브 통행량 시계열 자료()을 조정하는 단계(b-1)는, (b-1-1) 기준 프로프 통행량 시계열 상태()와 기준 교통량 시계열 상태(, )을 측정하는 단계;와, (b-1-2) 프로프 통행량 시계열 상태의 변동()에 의해 교통량 시계열 상태의 변동(, )을 측정하는 단계;와, (b-1-3) 측정된 [, , ]에 의해 조정된 프로브 통행량 시계열 상태(, )를 생성하는 단계;와, (b-1-4) 측정된 에 의해 가중치(, )를 측정하는 단계; 및 (b-1-5) 측정된 [, , , ]에 의해 대상지점의 조정된 프로브 통행량 시계열 상태()를 생성하는 단계;를 포함할 수 있다.
여기서, 도 5에 도시된 바와 같이, 의 기능을 정의하자면, 을 측정하기 위한 기준 상태를 제공하는 기능으로 정의할 수 있다. 그리고 기준 상태의 기능은 평균값, 중위값 뿐 만 아니라 기준 상태의 역할을 수행하는 함수 및 알고리즘을 포함할 수 있고, = 로 정의할 수 있다. 이때, 은 을 산정하기 위한 시계열의 개수로서 인 정수이며, 는 시계열의 개별 요소에 대한 가중치이며, 가중치가 모두 동일한 경우 산술 평균, 가중치가 다른 경우 가중 평균이다.
또한, 의 별 상태는 의 별 상태에 대하여 (을 포함하는 이전 시간대의 개수인) 개의 시계열 상태에 대한 기준 상태로 가중 이동 평균(weighted moving average)을 적용할 경우 다음과 같다. 여기서, 즉, ={}이다.
또한, 도 5에 도시된 바와 같이, 의 기능을 정의하자면, 을 기준으로 의 상태 변동을 제공하는 기능으로 정의할 수 있다. 그리고 상태 변동은 두 상태의 차이, 차이의 비율, 그리고 변동을 설명하는 함수 및 알고리즘을 포함하며, = = 로 정의할 수 있다.
한편, 교통량 시계열 자료의 상태를 정의하고, 이를 측정하자면, 도 4에 도시된 바와 같이, = [], : 공간()에서 측정된 시계열()에 대한 일련의 교통량 상태로 정의할 수 있다.
또한, 도 5에 도시된 바와 같이, 의 기능을 정의하자면, 을 측정하기 위한 기준 상태를 제공하는 기능으로 정의할 수 있다. 그리고 기준 상태의 기능은 평균값, 중위값 뿐 만 아니라 기준 상태의 역할을 수행하는 함수 및 알고리즘을 포함할 수 있으며, = , 로 정의할 수 있다. 이때, 은 을 산정하기 위한 시계열의 개수로서 인 정수이며, 는 시계열의 개별 요소에 대한 가중치이며, 가중치가 모두 동일한 경우 산술 평균, 가중치가 다른 경우 가중 평균이다. 가중치는 개발 기술의 설명을 위한 일반적인 인위적 표현이며, 인접 교통량 측정지점의 대상지점에 대한 영향정도 또는 교통량 산정에 있어 의사결정권의 정도 등의 역할로 정의하며, 본 발명을 설명함에 있어 이상과 이하에 설명된 자구적 의미에 한정되지 않음을 명시한다.
또한, 의 별 상태는 의 별 상태에 대하여(을 포함하는 이전 시간대의 개수인) 개의 시계열 상태에 대한 기준 상태로 가중 이동 평균을 적용할 경우 다음과 같다. 여기서, ={}이다.
또한, 도 5에 도시된 바와 같이, 의 기능을 정의하자면, 을 기준으로 의 상태 변동을 제공하는 기능으로 정의할 수 있다. 그리고, 상태 변동은 두 상태의 차이, 차이의 비율, 그리고 변동을 설명하는 함수 및 알고리즘을 포함하며, = = , 로 정의할 수 있다.
여기서, 도 5에 도시된 바와 같이, 조정의 필요성에 대해 설명하면, 는 의 표본이다. 따라서 의 변동은 보다 크며, 이는 프로브 통행량을 이용한 교통량 측정에 있어 주된 오차의 원인이다. 교통량 측정오차를 감소시키기 위하여, 의 변동이 의 변동과 유사하도록 조정되어야 한다.
또한, 를 정의하면, (가중치, 기여도)을 측정하기 위한 함수(또는 알고리즘)을 로 정의할 수 있다. 이때, 이다. 그리고 을 측정하기 위한 공간거리, 상태거리, 통계적 유사성, 통행 연결성 등의 지표 이용을 포함할 수 있다.
여기서, 전수화 계수는 프로브 통행량을 교통량으로 전환하는 기능을 수행하는 역할로 정의되며, 자구적 의미에 한정되지 않는다.
여기서, 전수화 계수()기반 교통량 측정에 대해 설명하면, 전수화 계수기반의 교통량 측정은 , , 을 이용하여 전수화 계수()을 측정하고, 측정된 와 을 이용하여 시간대()의 대상지점() 교통량인 을 측정하는 것이다. 여기서, 이다.
또한, 전수화 계수()의 기능을 정의하면, , , 을 이용하여 을 교통량으로 전환하는데 필요한 환산계수를 제공하는 함수 및 알고리즘적 기능이며, , 로 정의한다. 여기서, 는 로 대체가 가능하다.
또한, 교통량 측정의 기능 정의: 측정된 ()을 이용하여 을 로 전환하는 기능을 수행하는 함수 및 알고리즘적 기능이며, , 로 정의할 수 있다. 여기서, 는 로 그리고 는 로 대체가 가능하다.
한편, 와 의 관계를 설명하는 최적 행태()을 측정하는 단계(b-4)는, 을 이용해 을 결정하는 행태()와 을 이용해 를 설명하는 개별 행태를 포함하는 것으로서, (b-4-1) 시간 행태()을 결정하고, 결정된 와 을 이용하여 을 측정하고, -간 상태 쌍()을 정의하는 단계;와, (b-4-2) 관측 교통량()와 산정 교통량()간의 산정오차()를 측정하는 단계;와, (여기서, = [], ), (b-4-3) 의 가중치()를 측정하는 단계; 및 (b-4-4) 측정된 [, ]에 의한 산정오차 최소화 문제를 해결하는 과정을 통해 최적 행태()을 결정하는 단계;를 포함할 수 있다.
여기서, 도 6에 도시된 바와 같이, 시간 행태()기반 교통량 측정 과정을 설명하면, 시간 행태()의 정의로서, 을 이용해 을 결정하는 함수 및 알고리즘적 기능이며, 로 정의할 수 있다.
또한, 시간 행태기반 교통량 측정의 정의로서, 와 간의 행태()를 결정하고, 결정된 와 을 이용하여 을 측정하는 기능을 수행하는 과정이며, 함수 및 알고리즘에 의해 수행될 수 있다. 이때, 이다.
또한, 상태 쌍(pair)의 정의로서, 을 결정하기 위한 와 의 쌍 상태 집합(paired state set)인 은 다음과 같이 정의될 수 있다. 따라서 총 쌍의 개수()는 개이다. 그리고, 는 로 대체가 가능하다.
또한, 도 6에 도시된 바와 같이, 산정오차의 정의로서, 와 에 해당하는 관측치와 산정치 간의 산정 오차()는 로 정의할 수 있다. 여기서, 은 함수 및 알고리즘적 기능을 의미한다.
한편, 본 발명의 일부 다른 실시예들에 따른 이동 프로브 정보를 이용한 도로 교통량 산정 방법은, 검지기가 설치되지 않은 도로구간 및 도로지점 또는 검지기가 설치되었더라도 정상적인 기능을 발휘할 수 없는 도로구간 및 도로지점에 대하여 도로축에 위치한 인접한 교통량 측정지점들의 공간적 자료를 이용하여 공간 기반의 교통량을 측정할 수 있다.
더욱 구체적으로, 도 1에 도시된 바와 같이, 본 발명의 일부 다른 실시예들에 따른 이동 프로브 정보를 이용한 도로 교통량 산정 방법은, 공간기반 측정기술로 해결하기 것으로서, (a-2) 도로망의 공간에 위치한 대상지점()의 프로브 통행량()과 (대상지점에) 인접한 교통량 측정지점들에 대한 정의된 프로브 통행량(, )과 교통량(, )를 단말장치와 교통량 측정장비로부터 획득하는 단계;와, (c-1) 경로 프로브 통행량()을 이용한 비선형 공간 군집(spatial clustering) 기법을 기반으로 대상지점()에 인접한 교통량 측정지점들()의 정보 []을 구축하는 단계;와, (c-2) 구축된 을 이용하여 대상지점()과 인접지점(, )간의 통행 연결성()을 측정하는 단계;와, (c-3) 구축된 프로브 통행량(), 교통량(), 그리고 측정된 통행 연결성()를 이용하여 대상지점()에서 와의 관계를 설명하는 최적 공간 행태 즉, 행태()을 결정하는 단계; 및 (c-4) 결정된 와 대상지점()의 프로브 통행량()을 이용하여 대상 지점의 교통량()을 측정하는 단계;를 포함할 수 있다.
여기서, 도 7에 도시된 바와 같이, 공간 및 인접 교통량 측정 지점의 정의로서, 공간은 도로망으로 정의하며, 대상지점()과 대상지점에 인접한 교통량 측정 지점들의 개수를 로 정의할 수 있다. 여기서, 인 정수이다. 그리고 도로망은 타 도로축들과 연결된 일개 도로축을 포함할 수 있다.
또한, 프로브 통행량과 교통량 쌍(pair)의 정의로서, 개별 프로브 통행량()과 교통량()의 쌍 상태 집합(paired state set)인 은 다음과 같이 정의할 수 있다. 여기서, =[]이다.
한편, 비선형 공간 군집(spatial clustering) 기법을 기반으로 대상지점()에 인접한 교통량 측정지점들()의 정보 []을 구축하는 단계(c-1)는, (c-1-1) 경로 프로브 통행량()에 의한 의 기능을 정의하는 단계로서, (c-1-2) 공간군집 기법의 기능을 이용하여 개 관측지점의 정보인 [, , ]를 구축하는 단계;와, (c-1-3) 상기 (c-1-2) 단계의 공간군집 기법의 기능 정의에 있어, 정렬기반 방법론을 이용하여 개 관측지점의 를 구축하는 단계; 및 (c-1-4) 상기 (c-1-2)의 공간군집 기법의 기능 정의에 있어, 유효 공간 결정 변수와 유효 공간 오차 최소화 방법을 이용하여 값을 결정하는 단계; 및 를 포함할 수 있다.
또한, 통행 연결성()을 측정하는 단계(c-2)는, (c-2-1) 연결성() 해결을 위한 실용적 대안으로 정하는 단계; 및 (c-2-2) 연결성(=)을 측정하는 단계;를 포함할 수 있다. 여기서, =[]이다.
또한, 구축된 []을 이용하여 최적 공간 행태()을 결정하는 단계(c-3)는, 을 이용해 을 결정하는 공간 행태()와 을 이용해 를 설명하는 개별 행태를 포함하는 것으로서, (c-3-1) 시간 행태()을 결정하고, 결정된 와 을 이용하여 을 측정하는 단계;와, (c-3-2) 관측 교통량()와 산정 교통량()간의 산정오차()를 측정하는 단계;(여기서, , =[]) 및 (c-3-3) 측정된 [, ]에 의한 산정오차 최소화 문제를 해결하는 과정을 통해 최적의 공간 행태()을 결정하는 단계;를 포함할 수 있다.
여기서, 유효한 교통량 측정지점 정보를 구축하는 과정을 설명하면, 도 7에 도시된 바와 같이, 이론적으로 도로망 크기()→+∞이면 →+∞이다. 그러나 도로 이동수단의 개별 통행거리는 유한하며, 도로 이동수단의 통행은 도로망에서 경로의 방향성을 보인다. 따라서 대상지점()을 경유한 경로통행의 유효한 공간은 유한하다.
또한, 유효한 공간의 형상은 도로망의 구조, 도로망을 구성하는 도로의 특성, 통행의 기종점, 통행의 목적 등에 따라 매우 가변적이다. 따라서 는 가변적인 유효 공간내로 한정되어야 한다.
예로서, 고속도로에 위치한 대상지점()에서 직선거리로 1km 떨어진 지방도 측정지점ⓐ의 경로 통행량이 5통행이고 10km 떨어진 고속도로 측정지점ⓑ의 경로 통행량이 100인 경우, 경로통행의 측면에서 유효한 인접 관측지점은 ⓑ이다. 따라서 1/직선거리, 1/경로거리, 1/경로 통행시간 등을 이용하는 경우, 경로통행의 방향성이 포함된 가변적인 유효한 공간의 설명에는 한계가 있다.
또한, 도 7에 도시된 바와 같이, 경로 프로브 통행량()을 정의하면, 대상지점()의 기준에서 경로통행의 유효한 공간내에 존재하는 개의 관측지점에 대하여 와 을 경유한 경로 프로브 통행량()를 =로 정의할 수 있다. 여기서, =[]이다.
또한, 경로 프로브 통행량()의 기능을 정의하면, ①유효한 공간을 결정하기 위한 기능과 ②대상지점()과 인접지점() 간의 통행 연결성()를 측정하기 위한 기능으로 정의하며, 이러한 기능을 수행하는 함수 및 알고리즘을 포함할 수 있다. 그리고 경로 프로브 통행량을 이용할 수 없는 경우, 연결성의 측정이 가능한 1/경로거리, 1/직선거리의 이용을 포함할 수 있다.
또한, 인접 측정지점 정보구축의 정의는, 경로 프로브 통행량을 이용한 공간 군집(spatial clustering) 기법 기반으로 경로통행의 유효한 공간을 측정함으써 경로통행의 유효한 공간내에 존재하는 개의 관측지점의 정보[, , ]를 구축할 수 있다.
또한, 경로 프로브 통행량을 이용한 공간군집 기법의 기능을 정의하면, 경로 프로브 통행량 또는/그리고 경로 프로브 통행량의 기능을 이용하여 개의 관측지점 중 유효한 인접 교통량 측정지점 개를 결정함으로써 도로망에서 유효한 공간을 결정하는 함수 및 알고리즘적 기능으로 정의한다. 여기서, 이다. 그리고 경로 프로브 통행량을 이용할 수 없는 경우, 1/경로거리, 1/직선거리 등의 대체적 수단의 이용을 포함할 수 있다.
여기서, 유효한 경로 프로브 통행량의 공간 결정 변수(, 0.0~100.0)를 이용하는 경우, 공간군집 기법의 실시예는 다음과 같다. 그리고 공간군집은 개발 기술의 설명을 위한 목적이며, 적정 공간군집을 기능을 통해 인접 교통량 조사지점을 선정하는 목적을 수행하는 기타 방법 및 알고리즘을 포함한다.
즉, 도 7에 도시된 바와 같이, 개의 관측지점에서 수집된 순위가 없는 경로 프로브 통행량 을 내림차순으로 정렬한다. 내림차순 정렬된 행렬을 로 정의하면, 중 주어진 유효한 관측지점수 에 대한 부분은 이고, 경로통행의 유효한 공간내에 존재하는 관측지점()은 =[]이다. 그리고 은 다음과 같이 결정될 수 있다.
또한, 도 8에 도시된 바와 같이, 유효한 경로 프로브 통행량의 공간 결정 변수(, 0.0~100.0)를 이용하여 를 만족하는 유효 교통량 측정 지점수()을 결정하면, 결정된 에 의한 은 경로 통행량의 관점에서 유효한 공간의 %를 설명하는 것이다. 주어진 를 이용한 의 결정 방법은 다음과 같다.
한편, 대상지점과 인접 지점간의 연결성 측정을 설명하면, 도로 이동수단을 이용한 개별 통행의 통행거리와 통행경로는 동일하지 않으며, 단말장치의 점유율(penetration rate) 또한 도로구간별로 동일하지 않다.
이상의 이유로, 동일 측정지점 의 와 간의 행태() 결정에 있어 기여도는 경로통행의 관점에서 대상지점()에 따라 동일하지 않다. 따라서 행태()의 결정에 있어서 별 의사결정권으로 경로통행 기반의 연결성을 이용하도록 한다.
연결성은 개발 기술의 설명을 위한 일반적인 인위적 표현이며, 인접 교통량 측정지점의 대상지점에 대한 영향정도 또는 교통량 산정에 있어 의사결정권의 정도 등의 역할로 정의하며, 본 발명을 설명함에 있어 이상과 이하에 설명된 자구적 의미에 한정되지 않음을 명시한다.
예로서, 대상지점()-측정지점ⓐ의 경로 통행량이 5이고 대상지점()-측정지점ⓑ의 경로 통행량이 100인 경우, 통행 연결성이 큰 ⓑ의 의사결정 기여도는 행태()의 결정에 있어 ⓐ보다 높다.
즉, 연결성()의 기능을 정의하면, 간의 행태() 측정에 있어 가중치(즉, 기여도)의 기능을 수행하는 함수 및 알고리즘으로서 = 로 정의할 수 있다. 여기서, =[]이다. 그리고 경로 프로브 통행량을 이용할 수 없는 경우, 1/직선거리, 1/경로거리로 대체가 가능하다.
또한, 공간 행태 기반 교통량 측정의 정의는, 와 간의 행태()를 결정한 후, 결정된 와 을 이용하여 을 측정하는 함수 및 알고리즘적 기능을 수행하는 것이다. 여기서, 와 은 대상지점()의 프로브 통행량과 산정 교통량이다.
시간기반과 공간기반 교통량 측정기술은 본 발명을 실용화의 주된 2개 분야를 통해 명확히 설명하기 위하여 분리된 것으로, 별개의 기술로 분리되지 않는다. 따라서 시간과 공간기반 교통량 측정기술의 적절한 결합 및 통합은 본 발명의 영역에 속함을 명확히 한다.
(사례 도로축)
도 10에 도시된 바와 같이, 사례 도로축은 서울외곽순환도로이며, 상류부 측정지점은 성남요금소이고 하류부 측정지점은 시흥요금소이다.
전수화계수 기반 교통량 측정을 위한 평가 설계를 설명하면, 상류부 지점, 상류부 지점, 그리고 대상지점의 교통량(대/5분)과 프로브 통행량(대/5분) 자료는 도 11 및 도 12에 도시된 바와 같이, 나타낼 수 있다. 그리고 교통량 자료는 한국도로공사의 요금징수시스템에서 수집된 자료로서 99.9%의 정확도를 보이며, 프로브 통행량 자료는 전자지불시스템의 이동단말기인 Hi-Pass를 통해수집된 자료로서 점유율(penetration rate)은 평균 82.5%이다. 이용자료의 수집날자는 2016년 9월 6일 (목요일)이다. 입력 파라미터는 , 이다. 그리고 대상지점의 교통량은 관측되지 않은 것으로 간주하고 평가를 수행하였다.
도 13에 도시된 바와 같이, 전수화계수 기반 교통량 산정 결과, 산정 교통량은 관측 교통량의 시계열적 변동을 매우 정확하게 설명하였다. 즉, 산포도 분석결과, 5분 집계의 경우, 산정오차(%)는 3.01%, 결정계수()는 0.9971로 매우 우수하게 나타났으며, 15분 집계의 경우, 산정오차(%)는 1.92%, 결정계수()는 0.9985로 또한 매우 우수하게 나타났다. 이상의 우수한 결과는 교통량 검지기의 검지 오차(일반적으로 5~10%)보다 낮으며, 교통량 검지기의 성능평가기준인 검지오차 10% 이내를 충족한다.
시간 행태 기반 교통량 측정을 위한 평가 설계를 설명하면, 상류부 지점, 상류부 지점, 그리고 대상지점의 교통량(대/5분)과 프로브 통행량(대/5분) 자료는 도 14 및 도 15에 도시된 바와 같다. 그리고 교통량 자료는 한국도로공사의 요금징수시스템에서 수집된 자료로서 99.9%의 정확도를 보이며, 프로브 통행량 자료는 X통신회사에서 제공되는 교통정보안내 스마트폰 내비게이션 이동단말기에서 수집된 자료로서 평가 대상일의 대상지점에서 점유율(penetration rate)은 평균 14.2%이다. 이용자료의 수집날자는 2016년 7월 5일 (수요일)이다. 입력 파라미터는 , 이다. 그리고 대상지점의 교통량은 관측되지 않은 것으로 간주하고 평가를 수행하였다.
(프로브 통행량 조정 결과)
도 15에 도시된 바와 같이, 프로브 통행량의 시계열 변동은 도 14에서 교통량의 시계열 변동보다 크게 나타나고 있다. 이는 교통량 산정에 있어 주된 오차의 원인이다. 따라서 수용가능한 산정오차를 담보하기 위해서는 프로브 통행량의 시계열 변동이 교통량의 시계열 변동과 유사하도록 조정되어야 한다.
도 16은 조정된 프로브 통행량의 시계열 상태를 보여주고 있으며, 도14에서 교통량의 시계열 변동과 유사한 시간적 상태진화의 행태를 보이고 있다.
도 17에 도시된 바와 같이, 시간 행태 기반 교통량 산정 결과, 산정 교통량은 관측 교통량의 시계열적 변동을 산정오차 6% 수준에서 관측 교통량을 설명하고 있다. 도 17에 도시된 바와 같이, 산포도 분석결과, 5분 집계의 경우, 산정오차(%)는 6.60%, 결정계수()는 0.9823로 우수하게 나타났으며, 15분 집계의 경우, 산정오차(%)는 4.32%, 결정계수()는 0.9917로 매우 우수하게 나타났다. 이상의 우수한 결과는 교통량 검지기의 검지 오차(일반적으로 5~10%)보다 낮으며, 교통량 검지기의 성능평가기준인 검지오차 10% 이내를 충족한다.
(사례 도로망)
도 18에 도시된 바와 같이, 사례 도로망은 울산광역시의 시내부이며, 관측조사 지점수는 일방향 기준으로 110개소이다.
(평가 설계)
교통량 자료(대/일)는 울산광역시에서 1일 현장 계측조사를 통해 수집된 자료이며, 프로브 통행량(대/일) 자료는 X자동차회사의 교통정보안내 차량내비게이션 이동단말기를 통해 수집된 자료로서 평균 점유율(penetration rate)은 0.774 %이다. 교통량 자료와 프로브 통행량 자료는 연평균 일통행의 자료이며, 자료가 수집된 연도는 2015년이다. 입력 파라미터는 , 이다. 그리고 대상지점의 교통량은 관측되지 않은 것으로 간주하고 평가를 수행하였다.
(프로브 통행량과 관측 교통량의 관계)
도 19에 도시된 바와 같이, 프로브 통행량과 관측 교통량의 관계는 y=ax의 형태에서 결정계수() 0.9635로 매우 높게 나타났다. 이는 프로브 통행량의 점유율은 1%이하로 낮지만 1년 동안의 일평균 프로브 통행량을 이용하였기 때문이다. 즉, 낮은 샘플율인지만 1년 동안 365번의 반복조사를 수행한 것과 동일하다.
도 20에 도시된 바와 같이, 시간 행태 기반 교통량 산정 결과, 산포도 분석에 의하면 결정계수()는 0.9767로 매우 우수하게 나타났다. 산정오차는 5.72%로 나타났으며, 현장 계측조사의 조사오차를 감안하면 매우 우수한 결과이다. 이상의 결과는 교통량 검지기의 성능평가기준인 검지오차 10% 이내를 충족한다.
본 발명은 도면에 도시된 실시예를 참고로 설명되었으나 이는 예시적인 것에 불과하며, 당해 기술분야에서 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 다른 실시예가 가능하다는 점을 이해할 것이다. 따라서 본 발명의 진정한 기술적 보호 범위는 첨부된 특허청구범위의 기술적 사상에 의하여 정해져야 할 것이다.
Claims (12)
- 검지기가 설치되지 않은 도로구간 및 도로지점 또는 검지기가 설치되었더라도 정상적인 기능을 발휘할 수 없는 도로구간 및 도로지점에 대하여 도로축에 위치한 인접한 교통량 측정지점들의 시계열적 자료를 이용하여 시간 기반의 교통량을 측정하는, 이동 프로브 정보를 이용한 도로 교통량 산정 방법.
- 제 1 항에 있어서,
(a-1) 도로의 공간에 위치한 대상지점의 상류부 및 하류부에서 프로브 통행량 시계열자료와 교통량 시계열자료를 단말장치와 교통량 측정장비로부터 획득하는 단계;
(b-1) 상기 교통량 시계열자료와 상기 프로브 통행량 시계열 자료를 이용하여 상기 프로브 통행량 시계열 자료를 조정하는 단계;
(b-2) 상기 교통량 시계열자료와 조정된 프로브 통행량 시계열자료를 이용하여 전수화 계수를 측정하는 단계;
(b-3) 상기 전수화 계수와 상기 대상지점의 조정된 프로브 통행량을 이용하여 상기 대상지점의 교통량을 측정하는 단계;
(b-4) 상기 교통량 시계열자료와 상기 조정된 프로브 통행량 시계열 자료를 이용하여 상기 교통량 시계열자료와 상기 조정된 프로브 통행량 시계열 자료의 관계를 설명하는 최적 행태를 측정하는 단계; 및
(b-5) 상기 최적 행태와 상기 대상지점의 조정된 프로브 통행량을 이용하여 상기 대상지점의 교통량을 측정하는 단계;
를 포함하는, 이동 프로브 정보를 이용한 도로 교통량 산정 방법. - 제 2 항에 있어서,
상기 (b-1) 단계는,
(b-1-1) 기준 프로프 통행량 시계열 상태와 기준 교통량 시계열 상태를 측정하는 단계;
(b-1-2) 프로프 통행량 시계열 상태의 변동과 교통량 시계열 상태의 변동을 측정하는 단계;
(b-1-3) 상기 기준 프로프 통행량 시계열 상태와, 상기 프로프 통행량 시계열 상태의 변동과, 상기 교통량 시계열 상태의 변동에 의해 조정된 프로브 통행량 시계열 상태를 생성하는 단계;
(b-1-4) 상기 기준 프로프 통행량 시계열 상태에 의해 가중치를 측정하는 단계; 및
(b-1-5) 상기 프로브 통랭량 시계열 자료와, 상기 프로프 통행량 시계열 상태의 변동과, 상기 교통량 시계열 상태의 변동과, 상기 가중치에 의해 상기 대상지점의 조정된 프로브 통행량 시계열 상태를 생성하는 단계;
를 포함하는, 이동 프로브 정보를 이용한 도로 교통량 산정 방법. - 제 3 항에 있어서,
상기 (b-2) 단계는,
(b-2-1) 상기 조정된 프로브 통행량 시계열자료와, 상기 교통량 시계열 자료와, 상기 가중치에 의해 상기 전수화 계수를 측정하는, 이동 프로브 정보를 이용한 도로 교통량 산정 방법. - 제 4 항에 있어서,
상기 (b-3) 단계는,
(b-3-1) 상기 전수화 계수에 의해 상기 대상지점의 교통량을 측정하는, 이동 프로브 정보를 이용한 도로 교통량 산정 방법. - 제 5 항에 있어서,
상기 (b-4) 단계는,
(b-4-1) 시간 행태를 결정하고, 결정된 상기 시간 행태와 상기 대상지점의 조정된 프로브 통행량을 이용하여 상기 대상지점의 상기 교통량을 측정하는 단계;
(b-4-2) 관측 교통량과 산정 교통량 간의 산정오차를 측정하는 단계;
(b-4-3) 상기 산정오차의 가중치를 측정하는 단계; 및
(b-4-4) 상기 산정오차와, 상기 가중치에 의한 산정오차 최소화 문제를 해결하는 과정을 통해 최적 행태를 결정하는 단계;
를 포함하는, 이동 프로브 정보를 이용한 도로 교통량 산정 방법. - 제 6 항에 있어서,
상기 (b-5) 단계는,
(b-5-1) 측정된 상기 최적 행태와, 상기 대상지점의 조정된 프로브 통행량에 의해 상기 대상지점의 교통량을 측정하는, 이동 프로브 정보를 이용한 도로 교통량 산정 방법. - 검지기가 설치되지 않은 도로구간 및 도로지점 또는 검지기가 설치되었더라도 정상적인 기능을 발휘할 수 없는 도로구간 및 도로지점에 대하여 도로축에 위치한 인접한 교통량 측정지점들의 공간적 자료를 이용하여 공간 기반의 교통량을 측정하는, 이동 프로브 정보를 이용한 도로 교통량 산정 방법.
- 제 8 항에 있어서,
(a-2) 도로망의 공간에 위치한 대상지점의 프로브 통행량과 상기 대상지점에 인접한 교통량 측정지점들에 대한 프로브 통행량과 교통량을 단말장치와 교통량 측정장비로부터 획득하는 단계;
(c-1) 경로 프로브 통행량을 이용한 비선형 공간 군집 기법을 기반으로 상기 대상지점에 인접한 교통량 측정지점들의 정보인 프로브 통행량, 교통량, 경로 프로브 통행량을 구축하는 단계;
(c-2) 상기 경로 프로브 통행량을 이용하여 상기 대상지점과 인접지점 간의 통행 연결성을 측정하는 단계;
(c-3) 상기 프로브 통행량, 상기 교통량 및 상기 통행 연결성을 이용하여 상기 대상지점에서 상기 프로브 통행량과 상기 교통량의 관계를 설명하는 최적 공간 행태를 결정하는 단계; 및
(c-4) 상기 최적 공간 행태와 상기 대상지점의 프로브 통행량을 이용하여 상기 대상지점의 교통량을 측정하는 단계;
를 포함하는, 이동 프로브 정보를 이용한 도로 교통량 산정 방법. - 제 9 항에 있어서,
상기 (c-1) 단계는,
(c-1-1) 상기 경로 프로브 통행량의 기능을 정의하는 단계;
(c-1-2) 공간군집 기법의 기능에 의한 m개 관측지점의 정보인 상기 프로브 통행량, 상기 교통량, 상기 경로 프로브 통행량을 구축하는 단계;
(c-1-3) 상기 공간군집 기법의 기능 정의에 의한 상기 경로 프로브 통행량의 정렬기반 방법론을 이용하여 m개 관측지점의 경로 프로브 통행량을 구축하는 단계; 및
(c-1-4) 상기 공간군집 기법의 기능 정의에 의한 유효 공간 결정 변수와 유효 공간 오차 최소화 방법을 이용하여 m값을 결정하는 단계;
를 포함하는, 이동 프로브 정보를 이용한 도로 교통량 산정 방법. - 제 10 항에 있어서,
상기 (c-3) 단계는,
(c-3-1) 공간 행태를 결정하고, 결정된 상기 공간 행태와 상기 대상지점의 프로브 통행량을 이용하여 상기 대상지점의 교통량을 측정하는 단계;
(c-3-2) 상기 관측 교통량과 산정 교통량간의 산정오차를 측정하는 단계; 및
(c-3-3) 상기 산정오차에 의한 산정오차 최소화 문제를 해결하는 과정을 통해 최적의 공간 행태를 결정하는 단계;
를 포함하는, 이동 프로브 정보를 이용한 도로 교통량 산정 방법. - 제 11 항에 있어서,
상기 (c-4) 단계는,
(c-4-1) 상기 최적의 공간 행태와 상기 대상지점의 프로브 통행량에 의해 상기 대상지점의 교통량을 측정하는, 이동 프로브 정보를 이용한 도로 교통량 산정 방법.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020180051067A KR102083952B1 (ko) | 2018-05-03 | 2018-05-03 | 이동 프로브 정보를 이용한 도로 교통량 산정 방법 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020180051067A KR102083952B1 (ko) | 2018-05-03 | 2018-05-03 | 이동 프로브 정보를 이용한 도로 교통량 산정 방법 |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20190127023A true KR20190127023A (ko) | 2019-11-13 |
KR102083952B1 KR102083952B1 (ko) | 2020-04-23 |
Family
ID=68534781
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020180051067A KR102083952B1 (ko) | 2018-05-03 | 2018-05-03 | 이동 프로브 정보를 이용한 도로 교통량 산정 방법 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR102083952B1 (ko) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004078482A (ja) * | 2002-08-15 | 2004-03-11 | Japan Automobile Research Inst Inc | 車両の交通状態量推定システム |
KR20090124197A (ko) * | 2008-05-29 | 2009-12-03 | 주식회사 세인시스템 | 복합검지체계를 가진 교통정보 예측 복합 검지기 및교통정보 예측 방법 |
JP2011209818A (ja) * | 2010-03-29 | 2011-10-20 | Denso It Laboratory Inc | 交通量予測装置、交通量予測方法およびプログラム |
JP2017045131A (ja) * | 2015-08-24 | 2017-03-02 | 住友電工システムソリューション株式会社 | 交通情報提供装置、コンピュータプログラム及び交通情報提供方法 |
-
2018
- 2018-05-03 KR KR1020180051067A patent/KR102083952B1/ko active IP Right Grant
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004078482A (ja) * | 2002-08-15 | 2004-03-11 | Japan Automobile Research Inst Inc | 車両の交通状態量推定システム |
KR20090124197A (ko) * | 2008-05-29 | 2009-12-03 | 주식회사 세인시스템 | 복합검지체계를 가진 교통정보 예측 복합 검지기 및교통정보 예측 방법 |
JP2011209818A (ja) * | 2010-03-29 | 2011-10-20 | Denso It Laboratory Inc | 交通量予測装置、交通量予測方法およびプログラム |
JP2017045131A (ja) * | 2015-08-24 | 2017-03-02 | 住友電工システムソリューション株式会社 | 交通情報提供装置、コンピュータプログラム及び交通情報提供方法 |
Also Published As
Publication number | Publication date |
---|---|
KR102083952B1 (ko) | 2020-04-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhao et al. | Truck traffic speed prediction under non-recurrent congestion: Based on optimized deep learning algorithms and GPS data | |
US10850731B2 (en) | Apparatus and method for automated traffic and driving pattern recognition and location-dependent measurement of absolute and/or relative risk probabilities for car accidents | |
Batterman et al. | Temporal variation of traffic on highways and the development of accurate temporal allocation factors for air pollution analyses | |
CN102663887B (zh) | 基于物联网技术的道路交通信息云计算和云服务实现系统及方法 | |
CN107103392A (zh) | 一种基于时空地理加权回归的公交客流影响因素识别与预测方法 | |
CN103985250A (zh) | 轻量级的全息道路交通状态视觉检测装置 | |
Xinghao et al. | Predicting bus real-time travel time basing on both GPS and RFID data | |
CN115358904A (zh) | 一种动静结合的城市区域空气质量监测站选址方法 | |
KR102063404B1 (ko) | 플랫폼 기반 교통체계안전시스템 및 그 운용방법 | |
CN116611586B (zh) | 一种基于双层异构网络的新建路网流量预测方法及系统 | |
Dantsuji et al. | A novel metamodel-based framework for large-scale dynamic origin–destination demand calibration | |
Burnos et al. | Measurements of road traffic parameters using inductive loops and piezoelectric sensors | |
KR20190127023A (ko) | 이동 프로브 정보를 이용한 도로 교통량 산정 방법 | |
Vieira et al. | A weighted travel time index based on data from Uber Movement | |
Zhan et al. | Data accuracy oriented method for deploying fixed and mobile traffic sensors along a freeway | |
Hu et al. | Dynamic modeling of urban population travel behavior based on data fusion of mobile phone positioning data and FCD | |
Lim et al. | Real-time travel-time prediction method applying multiple traffic observations | |
Jenelius et al. | Travel time estimation for urban road networks using low frequency GPS probes | |
Alsobky et al. | Economic adaptive traffic signal system: design and operation | |
CN112183871A (zh) | 基于空气指数的城市交通诱导系统 | |
Berres et al. | Generating traffic-based building occupancy schedules in Chattanooga, Tennessee from a grid of traffic sensors | |
Dahl et al. | Significant route identification using daily 24-hour traffic flows | |
Bartuska et al. | Urban traffic detectors data mining for determination of variations in traffic volumes | |
Wu et al. | Location–allocation strategies for traffic counters—a citywide deployment | |
Irshad et al. | A Framework for Synthesizing Tracker Speeds on Open Street Maps |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A201 | Request for examination | ||
E902 | Notification of reason for refusal | ||
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant |