KR20200006245A - 교통 정보 시각화 분석 장치 및 방법 - Google Patents

교통 정보 시각화 분석 장치 및 방법 Download PDF

Info

Publication number
KR20200006245A
KR20200006245A KR1020180079727A KR20180079727A KR20200006245A KR 20200006245 A KR20200006245 A KR 20200006245A KR 1020180079727 A KR1020180079727 A KR 1020180079727A KR 20180079727 A KR20180079727 A KR 20180079727A KR 20200006245 A KR20200006245 A KR 20200006245A
Authority
KR
South Korea
Prior art keywords
road
visualization
traffic information
traffic
color
Prior art date
Application number
KR1020180079727A
Other languages
English (en)
Other versions
KR102127639B1 (ko
Inventor
고성안
이충기
권기영
Original Assignee
울산과학기술원
도로교통공단
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 울산과학기술원, 도로교통공단 filed Critical 울산과학기술원
Priority to KR1020180079727A priority Critical patent/KR102127639B1/ko
Publication of KR20200006245A publication Critical patent/KR20200006245A/ko
Application granted granted Critical
Publication of KR102127639B1 publication Critical patent/KR102127639B1/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
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/30—Transportation; Communications
    • G06Q50/40—

Abstract

교통 정보 시각화 분석 장치 및 방법에 연관된다. 보다 상세하게는 도로의 시간별 교통량 및 통과 속도 정보를 저장하는 데이터베이스; 상기 교통량 및 통과 속도 정보를 이용하여 특정 시점에 대한 시각화 교통 정보를 생성하는 처리부; 및 상기 시각화 교통 정보를 이용하여 상기 도로에 대응하는 지도상의 영역에 색깔로써 통과 속도를 표시하고 상기 영역의 폭으로써 교통량을 표시하는 시각화부를 포함할 수 있다.

Description

교통 정보 시각화 분석 장치 및 방법{APPARATUS AND METHOD FOR TRAFFIC VISUAL ANALYTICS}
데이터를 시각화 하는 장치 및 방법에 연관된다. 더욱 상세하게는 차량 관련 데이터를 기반으로 하여 교통 정체 상황을 분석하고 트래픽 볼륨과 속도를 표현하는 시각화 방법에 연관된다.
시각적 트래픽 분석에는 위치 기반 및 움직임 기반의 두 가지 유형의 데이터가 사용된다. 위치 기반 데이터는 설치된 위치에서 평균 속도 및 볼륨 데이터를 주기적으로 생성하는 다양한 유형의 차량 탐지기를 통해 수집된다.
레이저 스캐너와 비디오 데이터가 종종 마이크로 트래픽 분석에 사용되며, 레이저 스캐너 데이터를 기반으로 교차점의 교통 패턴을 시각화하는 시스템이나 비디오 데이터와 도로 터널 감시를 위한 사고 탐지 시스템이 존재한다. 넓은 영역을 커버하기 위한 유도 형 루프 센서 데이터는 대개 광역 분석에 사용된다.
여러 소스의 다양한 데이터를 모니터링하고 이러한 정보들을 이용하여 실시간 트래픽 모니터링 및 예측 도구가 필요하다.
한국 등록특허 10-1696881호 (공고일자 2017년01월17일)는 교통 정보 분석 방법을 제시한다. 교통 정보를 분석하여 도로 점유 상태 및 밀도율 정보를 기반으로 신호 체계를 결정하는 방법에 연관된다.
일실시예에 따르면 도로의 시간별 교통량 및 통과 속도 정보를 저장하는 데이터베이스; 상기 교통량 및 통과 속도 정보를 이용하여 특정 시점에 대한 시각화 교통 정보를 생성하는 처리부; 및 상기 시각화 교통 정보를 이용하여 상기 도로에 대응하는 지도상의 영역에 색깔로써 통과 속도를 표시하고 상기 영역의 폭으로써 교통량을 표시하는 시각화부를 포함하는 교통 정보 시각화 분석 장치가 개시된다.
다른 일실시예에 따르면 상기 시각화 교통 정보는, 과거, 현재 및 미래 시각화 교통 정보 중 적어도 하나를 포함할 수 있다.
또한 상기 통과 속도는, 일정 시간동안 상기 도로를 지나간 차량들의 평균 속도일 수 있다.
다른 일실시예에 따르면 상기 시각화부는, 상기 도로의 종류에 따라 색깔의 적용 기준을 다르게 설정하는 교통 정보 시각화 분석 장치일 수 있다.
예시적으로 상기 시각화부는, 상기 도로가 일반국도, 국지도, 지방도 및 시군도 중 적어도 하나인 경우에, 상기 통과 속도가 20 km/h 미만이면 상기 도로 영역의 색깔을 빨간색으로 표시하고, 상기 통행 속도가 20 km/h 이상 40 km/h 미만이면 상기 도로 영역의 색깔을 주황색으로 표시하고, 상기 통행 속도가 40 km/h 이상이면 상기 도로 영역의 색깔을 초록색으로 표시할 수 있다.
또는 상기 도로가 고속도로인 경우에, 상기 통과 속도가 40 km/h 미만이면 상기 도로 영역의 색깔을 빨간색으로 표시하고, 상기 통행 속도가 40 km/h 이상 80 km/h 미만이면 상기 도로 영역의 색깔을 주황색으로 표시하고, 상기 통행 속도가 80 km/h 이상이면 상기 도로 영역의 색깔을 초록색으로 표시할 수도 있다.
또 다른 일실시예에 따르면 상기 처리부는, 장단기 메모리 순환 신경망(LSTM RNN) 방법을 이용하여 미래 시점에 대한 예측 시각화 교통 정보를 생성하는 교통 정보 시각화 분석 장치일 수 있다.
일측에 따르면 컴퓨터에 의해 적어도 일시적으로 수행되는 방법에 있어서, 데이터베이스가 도로의 시간별 교통량 및 통과 속도 정보를 저장하는 단계; 처리부가 상기 교통량 및 통과 속도 정보를 이용하여 특정 시점에 대한 시각화 교통 정보를 생성하는 단계; 및 시각화부가 상기 시각화 교통 정보를 이용하여 상기 도로에 대응하는 지도상의 영역에 색깔로써 통과 속도를 표시하고 상기 영역의 폭으로써 교통량을 표시하는 단계를 포함하는 교통 정보 시각화 분석 방법이 개시된다.
다른 일측에 따르면 상기 시각화 교통 정보는, 과거, 현재 및 미래 시각화 교통 정보 중 적어도 하나를 포함하는 교통 정보 시각화 분석 방법일 수 있다.
또한 상기 통과 속도는, 일정 시간동안 상기 도로를 지나간 차량들의 평균 속도인 교통 정보 시각화 분석 방법일 수도 있다.
또 다른 일측에 따르면 상기 교통량을 표시하는 단계는, 상기 도로의 종류에 따라 색깔의 적용 기준을 다르게 설정하여 교통량을 표시할 수 있다.
예를 들어 상기 교통량을 표시하는 단계는, 상기 도로가 일반국도, 국지도, 지방도 및 시군도 중 적어도 하나인 경우에, 상기 통과 속도가 20 km/h 미만이면 상기 도로 영역의 색깔을 빨간색으로 표시하고, 상기 통행 속도가 20 km/h 이상 40 km/h 미만이면 상기 도로 영역의 색깔을 주황색으로 표시하고, 상기 통행 속도가 40 km/h 이상이면 상기 도로 영역의 색깔을 초록색으로 표시할 수 있다.
또는 상기 교통량을 표시하는 단계는, 상기 도로가 고속도로인 경우에, 상기 통과 속도가 40 km/h 미만이면 상기 도로 영역의 색깔을 빨간색으로 표시하고, 상기 통행 속도가 40 km/h 이상 80 km/h 미만이면 상기 도로 영역의 색깔을 주황색으로 표시하고, 상기 통행 속도가 80 km/h 이상이면 상기 도로 영역의 색깔을 초록색으로 표시할 수도 있다.
다른 일측에 따르면 상기 시각화 교통 정보를 생성하는 단계는, 장단기 메모리 순환 신경망(LSTM RNN) 방법을 이용하여 미래 시점에 대한 예측 시각화 교통 정보를 생성하는 교통 정보 시각화 분석 방법도 가능하다.
일실시예에 따르면 상기 교통 정보 시각화 분석 방법을 수행하는 프로그램을 수록한 컴퓨터 판독 가능 기록 매체도 제시된다.
도 1은 일실시예에 따른 교통량에 연관되는 정보를 시각화한 모습을 도시한다.
도 2는 일실시예에 따른 교통 정보 시각화 분석 장치의 구조를 도시한다.
도 3은 일실시예에 따른 교통 정보 시각화 분석 장치의 동작 화면을 도시한다.
도 4는 일실시예에 따른 실시간 소통 상황 테이블 뷰로서, 도로의 출발 지점, 도착 지점, 예상 통과 소요 시간(ETT), 평균속도, 교통량 등을 도시한다.
도 5는 일실시예에 따른 특정 영역의 스냅샷이 표시되는 모습을 도시한다.
도 6은 일실시예에 따른 캘린더 뷰로서, 맵 뷰와 같은 기준으로 색을 지정하여 전체 도로의 정체 정도를 표시한다.
도 7은 일실시예에 따른 클락 뷰로서, 시간대 별 평균 통과 속도와 교통량을 시각화한 모습을 도시한다.
도 8은 일실시예에 따른 픽셀 기반 시각화로서, 월간, 연간 지정된 도로의 교통 정체 상황을 도시한다.
도 9는 일실시예에 따른 정체 도로 리스트에 대응하는 네트워크 시각화 리스트를 도시한다.
도 10은 일실시예에 따른 화살표 시각화를 도시한다.
이하에서, 실시예들을 첨부된 도면을 참조하여 상세하게 설명한다. 그러나, 권리범위는 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다.
아래 설명에서 사용되는 용어는, 연관되는 기술 분야에서 일반적이고 보편적인 것으로 선택되었으나, 기술의 발달 및/또는 변화, 관례, 기술자의 선호 등에 따라 다른 용어가 있을 수 있다. 따라서, 아래 설명에서 사용되는 용어는 기술적 사상을 한정하는 것으로 이해되어서는 안 되며, 실시예들을 설명하기 위한 예시적 용어로 이해되어야 한다.
또한 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 설명 부분에서 상세한 그 의미를 기재할 것이다. 따라서 아래 설명에서 사용되는 용어는 단순한 용어의 명칭이 아닌 그 용어가 가지는 의미와 명세서 전반에 걸친 내용을 토대로 이해되어야 한다.
도 1은 일실시예에 따른 교통량에 연관되는 정보를 시각화한 모습을 도시한다.
일실시예에 따른 교통 정보 시각화 분석 장치는 교통량에 관한 정보를 박스의 높이, 색깔 및 각도를 이용하여 표현할 수 있다. 구체적으로, 중심 선은 도로의 중앙선을 의미하고, 박스의 높이가 교통량, 박스의 색깔이 해당 구간의 차량 평균 속도를 의미한다.
도 1의 (a)의 경우에는 L1 지점과 L2 지점, L2 지점과 L3 지점 사이의 교통 정보를 도시한다. 가운데 부분의 굵은선은 해당 도로의 중앙선을 의미한하고, 중앙선을 기준으로 좌우측 도로를 도시한다. 구체적으로 도 1의 (a)부분에서 좌측 윗부분을 살펴보면, RL3→L2은 L3 에서 L2 방향으로 가는 도로를 나타낸다. 이 경우에 가로 길이 L3→L2는 도로의 길이를 나타내고, 높이 T32는 차량의 통행량을 나타낸다. 따라서 높이 T32가 높아질수록 도로의 통행량이 많은 상황을 의미한다.
마찬가지로 (a)부분에서 좌측 아래부분을 살펴보면 RL2→L3은 L2 에서 L3 방향으로 가는 도로를 나타낸다. 사각형의 높이 T23은 도로의 통행량을 나타내고, 통행량이 많을수록 사각형의 높이는 높아진다.
또한 RL2→L1과 RL1→L2을 살펴보면, 각각 중앙선을 기준으로 L2에서 L1 방향으로 가는 도로와 L1 에서 L2 방향으로 가는 도로를 나타낸다. L2 지점은 L1과 L3 지점으로 연결되는 도로를 의미할 수 있다. 각 도로의 높이와 길이는 RL3→L2에서 설명한 것과 같다.
도 1의 (b) 부분을 살펴보면, L1, L2 및 L3 지점에서 사각형이 일정 각도를 이루어 사다리꼴 형태로 표현되어 있다. 예시적으로 사거리 지점인 경우에는 두 개의 도로가 서로 만나게 된다. 따라서 이 때 사거리 지점에서의 교통 정보를 표시하기 위해서 사다리꼴 형태로 표현할 수 있다.
예를 들어 사거리 교차로에서 통행량이 많은 도로는 사다리꼴 사각형의 밑변과 옆면이 이루는 각도(θ1)가 크고 통행량이 적은 도로는 상기 각도가 작을 수 있다. 하나의 도로에서 양 끝 지점의 사다리꼴 각도는 서로 동일하게 형성될 수 있다. 즉, 사각형 RL3→L2의 L3에서의 각도가 θ1이라면 L2에서의 각도도 θ1이 될 수 있다.
도로 RL3→L2, RL2→L3, RL2→L1, RL1→L2등에서 해당 구간의 평균 속도를 나타내는 색깔은 예시적으로 그러나 한정되지 않게 빨간색, 주황색, 초록색 일 수 있으나 이에 한정되는 것은 아니다. 예를 들어 빨간색은 20km/h 미만일 수 있다. 즉, 0km/h 내지 20km/h 일 수 있다. 또한 주황색은 20km/h 내지 40km/h로서, 20km/h 이상 40km/h 미만일 수 있다. 초록색은 40km/h 이상을 나타낼 수 있다.
상기 색깔은 더 세분화 되어 표현될 수 있다. 또한 교통 정보 시각화 분석 장치가 교통 정보를 분석하는 경우에 교통량이 많으면서 구간의 평균 속도가 가장 낮은 지역을 중요하게 확인할 수 있다. 즉, 시각화된 정보에서는 표시되는 사각형의 높이가 크고 색깔이 빨간색인 경우가 가장 중요한 지역일 수 있다.
도 2는 일실시예에 따른 교통 정보 시각화 분석 장치의 구조를 도시한다. 교통 정보 시각화 분석 장치는 데이터베이스(210), 처리부(220) 및 시각화부(230)를 포함할 수 있다.
데이터베이스(210)는 과거 및 실시간 교통 정보를 저장할 수 있다. 과거 교통 정보는 특정 도로에 대한 과거 시점의 통행량 및 평균 통과 속도 등에 관한 정보일 수 있다. 마찬가지로 실시간 교통 정보의 경우에는 특정 도로의 현재 통행량 및 현재 평균 통과 속도에 관한 정보일 수 있다.
처리부(220)는 데이터베이스(210)가 저장하는 교통 정보를 이용하여 현재 또는 미래 특정 시점의 교통 정보를 제공할 수 있다. 예를 들어 특정 도로에 대한 현재 교통 정보를 제공할 수 있다. 상기 교통 정보는 상기 특정 도로를 통과하는 차량의 수(통행량) 및 평균 통과 속도 정보일 수 있다. 미래 특정 시점의 교통 정보를 제공하는 경우에는 상기 특정 도로를 통과하는 차량의 수(통행량)와 평균 통과 속도를 예측한 정보일 수 있다.
시각화부(230)는 상기 처리부가 제공하는 교통 정보를 이용하여 지도상의 도로 영역에 색깔로써 통행 속도를 표시하고 상기 도로 영역의 폭으로써 교통량을 표시할 수 있다.
도 1에서 설명한 교통 정보 표시 방법에 따라, 지도상의 특정 도로 영역에 대하여 교통 정보를 표시할 수 있다.
일실시예에 따른 시각화부(230)는 교통 도로의 교통 정보를 도 1에서 설명한 방식뿐 만 아니라 다양한 방법으로 표시하는 것도 가능하다. 예시적으로 그러나 한정되지 않게 상기 시각화부는 테이블 뷰, 스냅샷, 캘린더 뷰, 클락 뷰 등의 다양한 방법으로 교통 정보를 도시할 수 있다.
구체적으로, 스냅샷은 표시되는 지도 상의 세부 지역을 캡처하여 해당 부분의 교통 정보를 별도 화면으로 제공하는 방법을 의미한다. 캘린더 뷰는 달력 형태로서 일, 월, 년 단위로 교통 정보를 제공할 수 있고, 클락 뷰는 시계 형태로서 하루의 시간대별 교통 정보를 제공할 수 있다. 테이블 뷰는 출발 지점, 도착 지점, 예상 시간 등의 정보를 표 형태의 교통정보로 제공할 수 있다. 각 표시 방법에 대해서는 도 4 내지 도 7에서 상세히 설명하도록 한다.
도 3은 일실시예에 따른 교통 정보 시각화 분석 장치의 동작 화면을 도시한다. 일실시예에 따른 교통 정보 시각화 분석 장치는 중심 화면에 특정 지역의 전체 도로 교통 상황을 시각화 할 수 있다.
보다 상세하게는, 화면의 중심부에서 전체 지역의 교통 정보를 표시한 지도를 도시할 수 있다. 화면의 일측에는 테이블 뷰(310), 다른 일측에는 스냅샷(320), 또 다른 일측에는 캘린더 뷰(330)를 도시할 수 있다. 또한 다른 일측에는 클락 뷰(340)로 교통 정보를 제시할 수 있다.
순서대로 하나씩 살펴보면, 화면의 중심부에서는 전체 지역의 도로 교통 상황을 도시하고 있다. 일실시예에 따른 교통 정보 시각화 분석 장치는 모든 도로의 교통 정보를 표시할 수 있으나, 일부 도로의 교통 정보를 표시하는 것도 가능하다. 도 3에서는 예시적으로 일부 도로의 교통 정보만을 도시한다. 교통량이 큰 도로의 교통 정보만을 도시할 수도 있고, 경우에 따라서는 교통 체증이 발생하여 평균 통과 속도가 낮은 도로만에 대해서만 교통 정보를 도시하는 방법도 가능하다.
화면의 좌측에 도시되는 테이블 뷰(310)에서는 출발 및 도착 지점 사이 거리의 소요 시간과 평균 속도 그리고 통행량을 도시할 수 있다. 각 항목에 대응하는 교통 정보를 표 형식으로 도시할 수 있다.
상기 테이블 뷰(310)의 아래에는 클락 뷰(340)가 도시된다. 클락 뷰(340)에서는 특정 도로의 하루 24시간 동안의 시간대별 통행량 및 평균 통과 속도를 도시한다. 원의 크기와 색깔을 이용하여 상기 통행량 및 평균 통과 속도를 표시할 수 있다.
상기 클락 뷰(340)의 우측에는 캘린더 뷰(330)가 도시된다. 상기 캘린더뷰(330)는 달력 형태로 교통 정보를 표시할 수 있다. 예시적으로 그러나 한정되지 않게 1년 동안의 일일 교통 정보를 표시할 수 있으며, 요일별 평균과 주별 평균 교통 정보를 도시하는 방법도 가능하다.
화면의 우즉 상단에는 스냅샷(320)이 도시된다. 상기 스냅샷(320)에서는 캡처된 지역의 확대된 교통 정보를 도시할 수 있다. 도 3에서는 예시적으로 S1, S2, S3 및 S4 지역을 캡처하여 스냅샷(320)을 표시한다.
이하에서는 각 세부 표시에 대하여 상세하게 살펴본다.
도 4는 일실시예에 따른 실시간 소통 상황 테이블 뷰로서, 도로의 출발 지점(410, start), 도착 지점(420, end), 예상 통과 소요 시간(430, ETT), 평균 속도(440, Avg. Speed) 및 교통량(450, Volume) 등을 도시한다.
상기 테이블 뷰에서는 각각의 도로를 출발 지점과 도착 지점으로 구분하여 표시할 수 있다. 예를 들어 테이블 뷰의 1번째 열을 보면 특정 도로의 출발 지점(410)이 A지점(point A)이고 도착 지점(420)이 B지점(point B)인 경우에 예상 시간(430, Estimated Travel Time)은 3분이며, 평균 속도(440)는 7.3 km/h인 경우를 도시한다. 또한 교통량(450)은 크지 않은 것을 확인할 수 있다.
또한 테이블 뷰의 5번째 열을 살펴보면 상기 특정 도로의 반대 방향 교통 정보를 확인할 수 있다. 동일한 도로이나 출발 지점이 B지점(point B)이고 도착 지점이 A지점(point A)인 경우에 예상 시간은 2분이며, 평균 속도는 12.7 km/h로 나타난다. 따라서 같은 도로지만 B지점에서 A지점 방향으로의 교통 흐름이 더 원활한 것을 확인할 수 있다.
다른 도로의 경우를 보면, H지점에서 I지점으로 이동하는 교통량과 N지점에서 O지점으로 이동하는 교통량이 가장 많은 것을 확인할 수 있다. 또한 상기 테이블뷰에 표시되는 모든 도로는 평균 통과 속도가 20km/h 미만으로 빨간색으로 표시될 수 있다. 그리고 예시되는 도로에서 교통 정보의 분석시 가장 중요한 도로는 평균 속도가 느리면서 교통량이 많은 H→I 도로 및 N→O 도로이다.
도 5는 일실시예에 따른 특정 영역의 스냅샷이 표시되는 모습을 도시한다. 도 5에서는 S1, S2, S3 및 S4 지역을 캡처한 스냅샷을 도시한다.
전체 지역(510)의 교통 정보를 도시하고, 상기 전체 지역(510) 중 사용자가 선택한 특정 세부 영역을 스냅샷으로 표시할 수 있다. 선택된 특정 세부 영역을 자세히 도시한 스냅샷(520)을 우측에 도시한다. 상기 스냅샷(520)에서는 선택된 세부 영역의 교통 정보를 보다 상세하게 표시할 수 있다. 또한 상기 스냅샷(520)에는 시간대별 교통 정보를 표시하는 클락 뷰를 더 포함하는 방법도 가능하다.
사용자는 스냅샷을 이용하여 선택되는 세부 영역간의 교통 정보를 비교할 수 있다. 구체적으로 하루의 시간대별 교통량 또는 평균 속도 등에 관한 정보를 비교할 수 있다.
도 6은 일실시예에 따른 캘린더 뷰를 도시한다. 상기 캘린더 뷰에서는 달력 형태로 전체 도로의 정체 정도를 도시한다. 좌측에는 특정 도로의 상행 교통 정보를 도시하고 우측에는 하행 교통 정보를 도시한다. 또한 검정색 테두리가 있는 날짜는 공휴일에 해당한다.
상행 교통 정보를 살펴보면, 1월 1일부터 12월 31일까지의 일일 교통 정보를 도시한다. 한 주간의 월요일부터 일요일까지의 교통량을 세로로 나열하고 52주를 가로로 나열한 캘린더 뷰를 도시한다. 마지막 행은 각 주별 평균 교통 정보를 나타내고 마지막 열은 각 요일별 평균 교통 정보를 나타낸다.
캘린더 뷰 상행 교통 정보의 하단에는 각 주별 교통량을 막대로 도시하고, 우측에는 각 요일별 교통량을 막대로 도시한다. 따라서 캘린더 뷰의 각 칸의 색깔과 막대의 수로 알 수 있다. 즉, 캘린더 뷰의 아래, 오른쪽의 막대 차트(Bar chart)를 이용하여 교통량을 시각화 할 수 있다.
각 칸의 색깔은 해당 날짜의 평균 속도에 연관되어 색깔이 설정될 수 있다. 도 1에서 설명한 기준대로 40km/h 이상인 경우에 초록색으로 표현할 수 있다. 전체적인 1년 동안의 교통 정보를 분석할 때, 상기 특정 도로의 상행 방향은 주말과 12월에는 교통 흐름이 원활한 것을 확인할 수 있다. 또한 10월 둘째주에도 교통 흐름이 일주일간 원활했던 것을 확인할 수 있다.
이어서 캘린더 뷰의 우측에 도시되는 특정 도로의 하행 교통 정보를 살펴본다. 상행 교통 정보와 마찬가지로, 상기 특정 도로에 대한 1월 1일부터 12월 31일까지의 일일 교통 정보를 도시한다.
상행 교통 정보보다 하행 교통 정보에서 주황색으로 표시되는 날짜가 더 많은 것으로 보아 예시되는 특정 도로는 하행에서의 교통 체증이 더 심각한 것을 알 수 있다.
도 7은 일실시예에 따른 클락 뷰로서, 특정 도로의 시간대 별 평균 통과 속도와 교통량을 시각화한 모습을 도시한다.
예시적으로 도시된 상기 특정 도로의 시간대 별 교통 정보를 살펴보면, 08시부터 주황색이 시작되어, 20시 까지의 색깔이 주황색으로 표시되어 평균 통과 속도가 20 내지 40km/h임을 알 수 있다. 즉, 상기 특정 도로는 해당 시간에 교통 정체가 있음을 알 수 있다. 또한 교통량의 경우에는 17시부터 18시 사이의 원이 가장 크게 형성되어 해당 시간의 차량 이동이 가장 많은 것을 확인할 수 있다.
반면에 01시부터 05시까지가 교통량이 가장 적은 시간대이다. 그럼에도 불구하고 차량의 평균 속도는 주황색으로 표시되는 것을 확인할 수 있다. 새벽 시간대에는 차량이 도로의 일측에 정차하거나 주차하는 경우가 많아 교통 속도가 낮은 값으로 측정될 수 있다.
교통량 데이터를 수집하는 방법은 차량이 일정 거리를 갖도록 설치되는 두 개의 센서를 통과하면 상기 통과 기록을 이용하여 교통량 데이터를 생성한다. 따라서 주차 등으로 인해 차량이 멈추게 되면 하나의 센서에만 입력이 되고 다른 센서에 입력이 되지 않아 교통 속도가 낮은 값으로 나오게 된다. 따라서 새벽 시간에 교통량이 적음에도 불구하고 주황색으로 표시되는 경우에는 데이터의 오류일 수 있다.
새벽에 아닌 시간에는 차량이 많아 샘플링(sampling)할 때 이러한 현상이 잘 나타나지 않지만 새벽 시간에는 교통량 자체가 많지 않아 샘플링 시에 데이터의 오류가 포함될 수 있다.
일실시예에 따른 클락 뷰를 이용하여 특정 도로의 시간대별 교통 정보를 쉽게 확인할 수 있다.
도 8은 일실시예에 따른 픽셀 기반 시각화로서, 특정 도로의 월간 또는 연간 교통 정체 상황을 도시한다.
도 8은 한 도로에 대해 가로축은 시간, 세로축은 일을 시각화 한 방법으로 특정 도로의 시간 대별 패턴과 일별 패턴을 알 수 있다. (a) 부분에서 상기 특정 도로의 상행은 주로 낮시간에, 하행은 저녁 시간에 정체가 심화 되는 것을 확인 할 수 있다. 특히 상기 도로의 하행 오후 6시 부근에서 평균 속도가 가장 느려 정체가 심각한 것을 알 수 있다.
반면에 (b)는 고장 난 센서에 의한 결과이고 이를 통해 교통 관리 센터 등에서 효율적으로 센서 고장을 감지 하고 수리가 가능하다. 상기 (b)에서 회색 부분은 평균 통과 속도가 0으로 센서가 잘못 수집된 부분이다. 따라서 교통량이 어느정도 유지되는 도시의 도로에서 회색 영역이 장시간 지속되는 경우에는 고장으로 판단할 수 있다.
도 9는 일실시예에 따른 정체 도로 리스트에 대응하는 네트워크 시각화를 도시한다.
일실시예에 따른 네트워크 시각화 처리 방법은 정체 도로 리스트(910), 정체 도로 네트워크 리스트(920) 및 네트워크 시각화 리스트(930)를 포함할 수 있다.
구체적으로 살펴보면, t-2 시점의 정체 도로 리스트에는 A→B 도로가 있다. 상기 A→B 정체 도로는 정체 도로 네트워크로 변환되고 t-1 시점에서 생긴 정체들이 정체 도로 네트워크 리스트에 추가되고 변환된다. 현재 시점인 t 시점에서는 정체 도로 네트워크 리스트에 있는 정체 도로 네트워크들이 네트워크 시각화 리스트 이동된다. 또한 정체가 더 이상 발생하지 않은 경우에도 네트워크 시각화 리스트로 옮겨지게 되고 정체 도로 네트워크 리스트에서 화살표 옆에 있는 숫자는 정체의 세기를 나타낸다.
교통 혼잡 원인 및 혼잡의 전파 방향을 추정하는 작업
일실시예에 따른 방법은 한 도로에 혼잡이 있을 때 인접한 다른 도로에 혼잡이 발생할 가능성이 높다는 점을 이용한다. 예를 들어, 사고나 건설을 위해 도로가 차단된 경우 신속하게 관리하지 않으면 연결된 다른 도로에서 혼잡이 발생할 수 있다.
최초 혼잡 도로를 찾고, 최초 혼잡 도로에 연결된 다른 도로를 모니터링하여 혼잡의 전파 방향 및 초기 혼잡의 심각성을 확인할 수 있다.
혼잡도를 계산하기 위해, 더 심각한 혼잡도를 갖는 도로에 더 높은 가중치를 부여한다. 일실시예에 따르면 도로 A→B가 t-2 시점에서 유일하게 혼잡한 도로이다. 여기서 A와 B는 각각 A→B의 출발 지점과 도착 지점이다. A→B가 처음 혼잡 도로로 감지되면 네트워크 시각화 방법은 정체 도로 리스트(910)에 등록하고 A→B에 연결된 도로를 검색한다. A→B에 연결된 도로가 상기 정체 도로 리스트에 없는 경우에 정체 도로 네트워크 리스트(920)는 상기 정체 도로 리스트와 동일하다.
다음으로, t-1 시점에서는 A→B, B→C, B→D 및 E→F 도로가 정체 도로 리스트(910)에 추가된다. 이 경우에 정체 도로 네트워크 리스트(920)를 다시 설정한다. 상기 정체 도로 네트워크 리스트(920)에서 t-2 시점에서도 혼잡했던 A→B 도로는 혼잡도가 가중되어 1에서 2로 증가한다. 새롭게 추가된 나머지 도로들의 혼잡도는 1이다.
현재인 t 시점에서, 이전의 다른 도로는 더 이상 혼잡하지 않지만, E→F 도로는 여전히 혼잡하다. 이러한 경우 혼잡 한 도로와 CRNL의 현재 혼잡 한 도로 EF는 시각화를 위해 네트워크 시각화 리스트(930)으로 이동한다. 상기 네트워크 시각화 리스트(930)에 있는 가중치를 이용하여 도로의 혼잡도를 확인할 수 있다. 상기 도로의 혼잡도는 다음의 수학식 1과 같이 표현할 수 있다.
Figure pat00001
여기서 S는 도로의 혼잡 정도, n은 도로의 수, RoadWeight는 도로의 가중치, interval은 네트워크 분석에 사용된 시간 간격 t이다. 상기 수학식 1을 이용하여 도로의 혼잡도를 계산할 수 있다.
도 10은 일실시예에 따른 화살표 시각화를 도시한다.
도 10에서의 화살표는 네트워크 시각화 리스트를 지도에 시각화한 도면이다. 지도 위의 화살표는 정체가 되는 지점을 기반으로 도시된다. 상기 시각화에 의해 정체 인과 관계와 혼잡 도로의 시작 지점과 끝 지점 등에 대한 정보를 알 수 있다.
한번에 여러 개의 연속된 도로가 정체되어 있고 Ar1, Ar2 및 Ar3이 정체에 대한 정보를 제공한다. 일실시예에 따른 시각화는 실시간 또는 과거 정체 교통 정보를 제공할 수 있다. 사용자는 시간 범위를 지정할 수 있으며 이전 시간은 실시간 모드에서 계산을 위해 고려된다. 정체 된 도로의 시작 및 끝 위치 (P1, P2, ... P7)와 정체 시작 및 종료 시간은 툴팁으로도 표시된다. 초기 혼잡 지점(P1, P4 및 P9)은 파란색 원으로 표시될 수 있다.
일실시예에 따르면 혼잡 지속 시간을 나타내기 위해 네가지 색깔을 사용할 수 있다. 예시적으로 그러나 한정되지 않게 30분 이하로 지속되는 경우에는 연한 분홍색, 60분 이하인 경우에는 분홍색, 90분 이하인 경우에는 빨간색, 120분 이하인 경우에는 진한 빨간색을 사용할 수 있다.
도 10에서 제시하는 예시에서 Ar1은 8시 15 분에 P1과 P2 사이의 도로에서 혼잡이 처음 시작된 것을 확인할 수 있다. 그리고 15분 후에는 P2와 P3 사이의 도로가 혼잡하다는 것을 알 수 있다. Ar1의 혼잡이 8시 45분에 사라지면, P1과 P2 사이의 혼잡은 30분 동안 지속(가중치는 2)되고 P2와 P3 사이의 간격은 15 분 동안 지속(가중치는 1)된다. 따라서, 상기 수학식 1에 따라 계산하면 Ar1의 혼잡 정도 S는 22.5 분이다.
일실시예에 따른 교통 정보 시각화 장치는 미래 특정 시점의 교통 혼잡을 예측하기 위해 순환 신경망(Recurrent Neural Network, RNN)의 하나인 장단기 메모리(Long-Short Term Memory, LSTM) 방식을 사용할 수 있다.
일실시예에 따르면, 각 도시 또는 지방 자치 단체의 교통 관리 센터에서 이용할 수 있는 교통 정보를 제공할 수 있다. 정체 기준은 도로의 종류마다 다르게 적용될 수 있다. 예시적으로 그러나 한정되지 않게 고속도로는 정체 40km/h 미만, 서행 40~80km/h, 소통 원활 80km/h 이상으로 적용이 가능하다. 일반국도 등은 정체 20km/h 미만, 서행 20~40km/h, 소통 원활 40km/h 이상으로 적용이 가능하다. 상기 세 개의 분류를 기준으로 정체는 빨간색, 서행은 주황색, 소통 원활은 초록색으로 시각화 할 수 있다. 상기 시각화 분석 장치를 이용하여 지역의 교통상태를 쉽게 모니터링 할 수 있다. 또한 각 구간의 CCTV 영상을 제공하여 교통 상황을 정확하게 모니터링 할 수도 있다. CCTV 모니터링을 추가하는 경우에는 정체 원인을 쉽게 확인할 수 있다. 상기 시각화 분석 장치를 통해 정체가 심하거나 통행량이 많은 도로를 쉽게 판단할 수 있고 모니터링에서의 우선순위를 정할 수 있다.
다른 일실시예에서는 각 도시 또는 행정부에서 교통 정체의 패턴 등을 분석할 때 이용 할 수 있다. 과거 데이터 기반으로 도로의 기간 또는 구간 별 평균 통과속도와 평균 교통량을 계산하여 시각화 할 수 있다. 이를 통해 상습 정체 구간을 확인할 수 있고 픽셀시각화(Pixel Visualization)을 통해 시간 대 별로 교통 상황이 어떻게 바뀌는지를 확인 할 수도 있다. 이를 기반으로 도로의 기하구조적 (차로 수 불균형, 차로 폭의 기준 미달, 불합리한 구조 등) 또는 도로 운영(신호 운영, 교차로간 연동) 등의 정체 원인을 유추할 수 있다. 상습 정체 원인을 분석하여 적은 교통량에도 정체가 발생하는 유형, 평균 교통량에 정체가 발생하는 유형, 많은 교통량 집중으로 발생하는 유형, 강설, 강우, 대형사고등으로 발생하는 유형으로 구분 지어 정체 관리를 할 수 있다. 그에 따라 도로용량 증대, 교통 운영개선(신호등 조작 등), 교통량 분산 또는 우회 도로 건설, 재난 대책과 관련된 대책 필요 등의 정체 관리 계획으로 해결하는 사업을 계획하여 정체구간의 소통증진을 시키며 교통 운영체계 효율화를 시킬 수 있다.
다른 일실시예에 따르면 교통 관리 센터에서 센서의 고장을 점검에 활용할 수 있다. 지능형 교통체계(Intelligent Transport Systems)가 구축되어 도로 곳곳에 센서들이 설치된다. 상기 센서들은 자동차의 무게로 인한 압력 또는 열에 의해 고장이 날 수 있으나, 고장 가능성을 알기 힘들며 고장 여부 확인에도 시간적 금전적으로 많은 노력을 필요하다. 고장 여부 확인을 하기 위해서는 해당 지역에 가서 동영상 촬영한 뒤 센서로부터 입력된 데이터와 동영상에서 센 차량의 수를 비교해야 한다. 그러나 일실시예에 따른 교통 정보 시각화 분석 장치에 의하면 시간대 별 교통량을 보고 언제 센서 입력이 제대로 되고 있지 않은 지 알 수 있다. 이를 이용하여 효율적으로 고장 난 센서를 수리 할 수 있다.
또 다른 일실시예에 따르면 교통 방송국이 이용할 수 있다. 실시간 교통 평균 통과 시간 또는 교통량뿐만 아니라, 실시간 평균 통과 속도와 평상시 도로의 평균 통과 속도를 비교하여 평상시 보다 얼마나 더 걸릴지 덜 걸릴지에 대한 예상 평균 시간 정보를 확인할 수 있다. 이를 통해 기존 방송에서의 예상 평균 시간이 없는 "현재 A 도로에 자동차가 가다 서다 반복합니다." 등의 애매한 정보를 방송하는 것과 달리, "현재 A 도로에 지나시는 분들은 평소보다 약 5분 정도 더 늦게 지나가겠습니다." 등의 구체적인 정보를 제공할 수 있다. 또한 예측된 단기간 교통 정보와 함께 정체 인과관계 및 전파 시각화를 이용하여 단기간 교통 정보 예측이 맞는 지와 혼잡의 확산 방향을 확인할 수 있다. 이를 기반으로 정체 도로 주변의 우회도로를 제시할 수도 있다.
이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPA(field programmable array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.
This work was supported by the U-K brand Research Fund (1.180040.01) of UNIST(Ulsan National Institute of Science & Technology)

Claims (15)

  1. 도로의 시간별 교통량 및 통과 속도 정보를 저장하는 데이터베이스;
    상기 교통량 및 통과 속도 정보를 이용하여 특정 시점에 대한 시각화 교통 정보를 생성하는 처리부; 및
    상기 시각화 교통 정보를 이용하여 상기 도로에 대응하는 지도상의 영역에 색깔로써 통과 속도를 표시하고 상기 영역의 폭으로써 교통량을 표시하는 시각화부
    를 포함하는 교통 정보 시각화 분석 장치.
  2. 제1항에 있어서,
    상기 시각화 교통 정보는,
    과거, 현재 및 미래 시각화 교통 정보 중 적어도 하나
    를 포함하는 교통 정보 시각화 분석 장치.
  3. 제2항에 있어서,
    상기 통과 속도는,
    일정 시간동안 상기 도로를 지나간 차량들의 평균 속도인 교통 정보 시각화 분석 장치.
  4. 제3항에 있어서,
    상기 시각화부는,
    상기 도로의 종류에 따라 색깔의 적용 기준을 다르게 설정하는 교통 정보 시각화 분석 장치.
  5. 제4항에 있어서,
    상기 시각화부는,
    상기 도로가 일반국도, 국지도, 지방도 및 시군도 중 적어도 하나인 경우에,
    상기 통과 속도가 20 km/h 미만이면 상기 도로 영역의 색깔을 빨간색으로 표시하고, 상기 통행 속도가 20 km/h 이상 40 km/h 미만이면 상기 도로 영역의 색깔을 주황색으로 표시하고, 상기 통행 속도가 40 km/h 이상이면 상기 도로 영역의 색깔을 초록색으로 표시하는 교통 정보 시각화 분석 장치.
  6. 제4항에 있어서,
    상기 시각화부는,
    상기 도로가 고속도로인 경우에,
    상기 통과 속도가 40 km/h 미만이면 상기 도로 영역의 색깔을 빨간색으로 표시하고, 상기 통행 속도가 40 km/h 이상 80 km/h 미만이면 상기 도로 영역의 색깔을 주황색으로 표시하고, 상기 통행 속도가 80 km/h 이상이면 상기 도로 영역의 색깔을 초록색으로 표시하는 교통 정보 시각화 분석 장치.
  7. 제1항에 있어서,
    상기 처리부는,
    장단기 메모리 순환 신경망(LSTM RNN) 방법을 이용하여 미래 시점에 대한 예측 시각화 교통 정보를 생성하는
    교통 정보 시각화 분석 장치.
  8. 컴퓨터에 의해 적어도 일시적으로 수행되는 방법에 있어서,
    데이터베이스가 도로의 시간별 교통량 및 통과 속도 정보를 저장하는 단계;
    처리부가 상기 교통량 및 통과 속도 정보를 이용하여 특정 시점에 대한 시각화 교통 정보를 생성하는 단계; 및
    시각화부가 상기 시각화 교통 정보를 이용하여 상기 도로에 대응하는 지도상의 영역에 색깔로써 통과 속도를 표시하고 상기 영역의 폭으로써 교통량을 표시하는 단계
    를 포함하는 교통 정보 시각화 분석 방법.
  9. 제8항에 있어서,
    상기 시각화 교통 정보는,
    과거, 현재 및 미래 시각화 교통 정보 중 적어도 하나
    를 포함하는 교통 정보 시각화 분석 방법.
  10. 제9항에 있어서,
    상기 통과 속도는,
    일정 시간동안 상기 도로를 지나간 차량들의 평균 속도인 교통 정보 시각화 분석 방법.
  11. 제10항에 있어서,
    상기 교통량을 표시하는 단계는,
    상기 도로의 종류에 따라 색깔의 적용 기준을 다르게 설정하여 교통량을 표시하는 교통 정보 시각화 분석 방법.
  12. 제11항에 있어서,
    상기 교통량을 표시하는 단계는,
    상기 도로가 일반국도, 국지도, 지방도 및 시군도 중 적어도 하나인 경우에,
    상기 통과 속도가 20 km/h 미만이면 상기 도로 영역의 색깔을 빨간색으로 표시하고, 상기 통행 속도가 20 km/h 이상 40 km/h 미만이면 상기 도로 영역의 색깔을 주황색으로 표시하고, 상기 통행 속도가 40 km/h 이상이면 상기 도로 영역의 색깔을 초록색으로 표시하는 교통 정보 시각화 분석 방법.
  13. 제11항에 있어서,
    상기 교통량을 표시하는 단계는,
    상기 도로가 고속도로인 경우에,
    상기 통과 속도가 40 km/h 미만이면 상기 도로 영역의 색깔을 빨간색으로 표시하고, 상기 통행 속도가 40 km/h 이상 80 km/h 미만이면 상기 도로 영역의 색깔을 주황색으로 표시하고, 상기 통행 속도가 80 km/h 이상이면 상기 도로 영역의 색깔을 초록색으로 표시하는 교통 정보 시각화 분석 방법.
  14. 제8항에 있어서,
    상기 시각화 교통 정보를 생성하는 단계는,
    장단기 메모리 순환 신경망(LSTM RNN) 방법을 이용하여 미래 시점에 대한 예측 시각화 교통 정보를 생성하는 교통 정보 시각화 분석 방법.
  15. 제8항 내지 제14항 중 어느 한 항의
    교통 정보 시각화 분석 방법을 수행하는 프로그램을 수록한 컴퓨터 판독 가능 기록 매체.
KR1020180079727A 2018-07-10 2018-07-10 교통 정보 시각화 분석 장치 및 방법 KR102127639B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180079727A KR102127639B1 (ko) 2018-07-10 2018-07-10 교통 정보 시각화 분석 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180079727A KR102127639B1 (ko) 2018-07-10 2018-07-10 교통 정보 시각화 분석 장치 및 방법

Publications (2)

Publication Number Publication Date
KR20200006245A true KR20200006245A (ko) 2020-01-20
KR102127639B1 KR102127639B1 (ko) 2020-06-30

Family

ID=69367822

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180079727A KR102127639B1 (ko) 2018-07-10 2018-07-10 교통 정보 시각화 분석 장치 및 방법

Country Status (1)

Country Link
KR (1) KR102127639B1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210148678A (ko) * 2020-06-01 2021-12-08 인천대학교 산학협력단 교통 혼잡 예측 장치 및 방법
KR20220154943A (ko) 2021-05-14 2022-11-22 한국자동차연구원 점 단위 차량 인식을 통한 교통정보 제공 방법 및 시스템

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006214777A (ja) * 2005-02-01 2006-08-17 Alpine Electronics Inc ナビゲーション装置
KR100827693B1 (ko) * 2006-11-06 2008-05-07 (주)엠앤소프트 도로 면형을 이용한 교통정보 표시 방법 및 그 장치
KR101696881B1 (ko) 2016-01-06 2017-01-17 주식회사 씨티아이에스 교통 정보 분석 방법 및 장치
WO2017033538A1 (ja) * 2015-08-24 2017-03-02 株式会社東芝 情報処理装置および渋滞表示方法
KR101742042B1 (ko) * 2016-11-15 2017-05-31 한국과학기술정보연구원 교통 흐름 예측 장치, 방법 및 교통 흐름 예측을 위한 프로그램을 저장하는 저장매체

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006214777A (ja) * 2005-02-01 2006-08-17 Alpine Electronics Inc ナビゲーション装置
KR100827693B1 (ko) * 2006-11-06 2008-05-07 (주)엠앤소프트 도로 면형을 이용한 교통정보 표시 방법 및 그 장치
WO2017033538A1 (ja) * 2015-08-24 2017-03-02 株式会社東芝 情報処理装置および渋滞表示方法
KR101696881B1 (ko) 2016-01-06 2017-01-17 주식회사 씨티아이에스 교통 정보 분석 방법 및 장치
KR101742042B1 (ko) * 2016-11-15 2017-05-31 한국과학기술정보연구원 교통 흐름 예측 장치, 방법 및 교통 흐름 예측을 위한 프로그램을 저장하는 저장매체

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210148678A (ko) * 2020-06-01 2021-12-08 인천대학교 산학협력단 교통 혼잡 예측 장치 및 방법
KR20220154943A (ko) 2021-05-14 2022-11-22 한국자동차연구원 점 단위 차량 인식을 통한 교통정보 제공 방법 및 시스템

Also Published As

Publication number Publication date
KR102127639B1 (ko) 2020-06-30

Similar Documents

Publication Publication Date Title
KR102124955B1 (ko) 시각적 분석을 통한 교통 혼잡 원인 식별 방법 및 서버
Erdelić et al. Estimating congestion zones and travel time indexes based on the floating car data
He et al. Mapping to cells: A simple method to extract traffic dynamics from probe vehicle data
US11521487B2 (en) System and method to generate traffic congestion estimation data for calculation of traffic condition in a region
Thornton et al. Automated parking surveys from a LIDAR equipped vehicle
JP2021162868A (ja) 劣化表示システム、劣化表示方法、及び、プログラム
CN109493606A (zh) 一种高速公路上违停车辆的识别方法及系统
KR102127639B1 (ko) 교통 정보 시각화 분석 장치 및 방법
Tageldin et al. Automated analysis and validation of right-turn merging behavior
Guadamuz et al. Green time usage metrics on signalized intersections and arterials using high-resolution traffic data
Arman et al. Lane-level trajectory reconstruction based on data-fusion
Mulangi et al. Visualization and assessment of the effect of roadworks on traffic congestion using AVL data of public transit
Pappalardo et al. Assessing the operational design domain of lane support system for automated vehicles in different weather and road conditions
Pi et al. Visual recognition for urban traffic data retrieval and analysis in major events using convolutional neural networks
Abdel-Aty et al. Real-time big data analytics and proactive traffic safety management visualization system
Xie et al. Freeway and arterial system of transportation dashboard: Web-based freeway and arterial performance measurement system
Ghosh Predicting the duration and impact of the non-recurring road incidents on the transportation network
JP6892197B1 (ja) 劣化表示システム、劣化表示方法、及び、プログラム
Garrido-Valenzuela et al. Identifying and visualizing operational bottlenecks and Quick win opportunities for improving bus performance in public transport systems
JP2005215909A (ja) 動画像処理技術を使用した市街の交通状況調査システム
Gu et al. An unsupervised learning approach for analyzing traffic impacts under arterial road closures: Case study of East Liberty in Pittsburgh
Chitturi et al. Testbed for evaluation of vehicular detection systems
Petrovska et al. Innovative web applications for analyzing traffic operations
Shafik Field evaluation of insync adaptive traffic signal control system in multiple environments using multiple approaches
Chien et al. Integration of Lane-Specific Traffic Data Generated from Real-Time CCTV Videos into INDOT's Traffic Management System

Legal Events

Date Code Title Description
A201 Request for examination
N231 Notification of change of applicant
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant