KR20200040451A - 교통 정보를 생성하는 서버, 방법 및 컴퓨터 프로그램 - Google Patents
교통 정보를 생성하는 서버, 방법 및 컴퓨터 프로그램 Download PDFInfo
- Publication number
- KR20200040451A KR20200040451A KR1020180120378A KR20180120378A KR20200040451A KR 20200040451 A KR20200040451 A KR 20200040451A KR 1020180120378 A KR1020180120378 A KR 1020180120378A KR 20180120378 A KR20180120378 A KR 20180120378A KR 20200040451 A KR20200040451 A KR 20200040451A
- Authority
- KR
- South Korea
- Prior art keywords
- wireless communication
- speed
- road
- real
- access data
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims description 34
- 238000004590 computer program Methods 0.000 title claims description 12
- 238000004891 communication Methods 0.000 claims abstract description 152
- 238000001914 filtration Methods 0.000 claims description 23
- 238000010586 diagram Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process 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
-
- 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—
-
- 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
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
- G08G1/0141—Measuring and analyzing of parameters relative to traffic conditions for specific applications for traffic information dissemination
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/309—Measuring or estimating channel quality parameters
- H04B17/318—Received signal strength
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W68/00—User notification, e.g. alerting and paging, for incoming communication, change of service or the like
- H04W68/02—Arrangements for increasing efficiency of notification or paging channel
Abstract
교통 정보를 생성하는 교통 정보 생성 서버는 도로로부터 기설정된 반경 이내에 위치한 복수의 기지국으로부터 무선 통신 접속 데이터를 수집하는 수집부, 복수의 기지국으로부터 수집된 과거의 무선 통신 접속 데이터 및 도로의 속도 데이터에 기초하여 교통 속도 학습 모델을 생성하는 모델 생성부, 복수의 기지국으로부터 수집된 실시간 무선 통신 접속 데이터를 교통 속도 학습 모델에 입력하여 도로의 실시간 속도를 예측하는 속도 예측부 및 예측된 실시간 속도에 기초하여 도로에 대한 교통 정보를 생성하는 교통 정보 생성부를 포함할 수 있다.
Description
본 발명은 교통 정보를 생성하는 서버, 방법 및 컴퓨터 프로그램에 관한 것이다.
최근 다양한 교통 정보 제공 서비스가 제공되고 있으며, 대표적인 교통 정보 제공 서비스는 차량용 네비게이션을 통해 제공되고 있다.
차량용 네비게이션은 GPS를 통해 사용자의 현재 위치 정보를 수신하고, 목적지까지의 경로를 사용자에게 제공하여 목적지까지의 도착 시간을 단축시킬 수 있다.
교통 정보 제공 서비스는 보다 정확한 정보(혼잡도, 도착 예정 시간 등)를 제공하기 위해서 미래의 교통 정보의 예측 수준을 높이는 것이 매우 중요하다.
그러나, 종래의 교통 정보 제공 서비스는 속도, 요일, 날짜, 날씨 등의 다차원의 시간 정보를 과거 통계 데이터에 적용하여 미래의 교통 정보를 예측하고 있다. 즉, 종래의 교통 정보 제공 서비스는 주변 도로의 교통 정보에 관한 공간 정보를 전혀 고려하지 않고 있다.
이에 따라, 종래의 교통 정보 제공 서비스에서의 미래의 교통 정보의 정확도는 평균 87%에 불과하다고 알려져 있다.
또한, 종래의 교통 정보 제공 서비스는 속도가 수집되기 어려운 음영 도로에 대해서도 과거 통계 데이터에 의존하고 있다.
본 발명은 전술한 종래 기술의 문제점을 해결하기 위한 것으로서, 복수의 기지국으로부터 수집된 과거의 무선 통신 접속 데이터 및 도로의 속도 데이터에 기초하여 생성된 교통 속도 학습 모델을 이용하여 도로의 실시간 속도를 예측하는 교통 정보 생성 서버, 방법 및 컴퓨터 프로그램을 제공하고자 한다.
구체적으로, 복수의 기지국으로부터 수집된 실시간 무선 통신 접속 데이터를 교통 속도 학습 모델에 입력하여 도로의 실시간 속도를 예측하는 교통 정보 생성 서버, 방법 및 컴퓨터 프로그램을 제공하고자 한다. 다만, 본 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제들로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.
상술한 기술적 과제를 달성하기 위한 기술적 수단으로서, 본 발명의 제 1 측면에 따른 교통 정보를 생성하는 교통 정보 생성 서버는 도로로부터 기설정된 반경 이내에 위치한 복수의 기지국으로부터 무선 통신 접속 데이터를 수집하는 수집부; 상기 복수의 기지국으로부터 수집된 과거의 무선 통신 접속 데이터 및 상기 도로의 속도 데이터에 기초하여 교통 속도 학습 모델을 생성하는 모델 생성부; 상기 복수의 기지국으로부터 수집된 실시간 무선 통신 접속 데이터를 상기 교통 속도 학습 모델에 입력하여 상기 도로의 실시간 속도를 예측하는 속도 예측부; 및 상기 예측된 실시간 속도에 기초하여 상기 도로에 대한 교통 정보를 생성하는 교통 정보 생성부를 포함할 수 있다.
본 발명의 제 2 측면에 따른 교통 정보 생성 서버에서 교통 정보를 생성하는 방법은 도로로부터 기설정된 반경 이내에 위치한 복수의 기지국으로부터 무선 통신 접속 데이터를 수집하는 단계; 상기 복수의 기지국으로부터 수집된 과거의 무선 통신 접속 데이터 및 상기 도로의 속도 데이터에 기초하여 교통 속도 학습 모델을 생성하는 단계; 상기 복수의 기지국으로부터 수집된 실시간 무선 통신 접속 데이터를 상기 교통 속도 학습 모델에 입력하여 상기 도로의 실시간 속도를 예측하는 단계; 및 상기 예측된 실시간 속도에 기초하여 상기 도로에 대한 교통 정보를 생성하는 단계를 포함할 수 있다.
본 발명의 제 3 측면에 따른 교통 정보를 생성하는 명령어들의 시퀀스를 포함하는 매체에 저장된 컴퓨터 프로그램에 있어서, 상기 컴퓨터 프로그램은 컴퓨팅 장치에 의해 실행될 경우, 도로로부터 기설정된 반경 이내에 위치한 복수의 기지국으로부터 무선 통신 접속 데이터를 수집하고, 상기 복수의 기지국으로부터 수집된 과거의 무선 통신 접속 데이터 및 상기 도로의 속도 데이터에 기초하여 교통 속도 학습 모델을 생성하고, 상기 복수의 기지국으로부터 수집된 실시간 무선 통신 접속 데이터를 상기 교통 속도 학습 모델에 입력하여 상기 도로의 실시간 속도를 예측하고, 상기 예측된 실시간 속도에 기초하여 상기 도로에 대한 교통 정보를 생성하는 명령어들의 시퀀스를 포함할 수 있다.
상술한 과제 해결 수단은 단지 예시적인 것으로서, 본 발명을 제한하려는 의도로 해석되지 않아야 한다. 상술한 예시적인 실시예 외에도, 도면 및 발명의 상세한 설명에 기재된 추가적인 실시예가 존재할 수 있다.
전술한 본 발명의 과제 해결 수단 중 어느 하나에 의하면, 본 발명은 복수의 기지국으로부터 수집된 과거의 무선 통신 접속 데이터 및 도로의 속도 데이터에 기초하여 생성된 교통 속도 학습 모델을 이용하여 도로의 실시간 속도를 예측하는 교통 정보 생성 서버, 방법 및 컴퓨터 프로그램을 제공할 수 있다.
구체적으로, 본 발명은 복수의 기지국으로부터 수집된 실시간 무선 통신 접속 데이터를 교통 속도 학습 모델에 입력하여 도로의 실시간 속도를 예측하는 교통 정보 생성 서버, 방법 및 컴퓨터 프로그램을 제공할 수 있다.
이를 통해, 본 발명은 복수의 기지국으로부터 수집된 무선 통신 접속 데이터를 이용하여 도로의 속도를 예측하기 때문에 시스템의 처리 부하를 줄일 수 있다.
또한, 본 발명은 교통 데이터의 수집이 어려운 음영 지역과 같은 도로에서도 실시간 무선 통신 접속 데이터를 교통 속도 학습 모델에 입력하여 현재의 도로의 실시간 속도를 예측하기 때문에 해당 도로에 대한 실시간 속도의 예측 정확도를 높일 수 있다.
도 1은 본 발명의 일 실시예에 따른, 교통 정보 생성 서버의 블록도이다.
도 2a 내지 2c는 본 발명의 일 실시예에 따른, 무선 통신 접속 데이터의 수집 방법을 설명하기 위한 도면이다.
도 3은 본 발명의 일 실시예에 따른, 교통 속도 학습 모델을 이용하여 도로의 실시간 속도를 예측하는 방법을 설명하기 위한 도면이다.
도 4a 내지 4b는 본 발명의 일 실시예에 따른, 기지국당 접속량 가중치를 계산하는 방법을 설명하기 위한 도면이다.
도 5는 본 발명의 일 실시예에 따른, 교통 정보를 생성하는 방법을 나타낸 흐름도이다.
도 2a 내지 2c는 본 발명의 일 실시예에 따른, 무선 통신 접속 데이터의 수집 방법을 설명하기 위한 도면이다.
도 3은 본 발명의 일 실시예에 따른, 교통 속도 학습 모델을 이용하여 도로의 실시간 속도를 예측하는 방법을 설명하기 위한 도면이다.
도 4a 내지 4b는 본 발명의 일 실시예에 따른, 기지국당 접속량 가중치를 계산하는 방법을 설명하기 위한 도면이다.
도 5는 본 발명의 일 실시예에 따른, 교통 정보를 생성하는 방법을 나타낸 흐름도이다.
아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
본 명세서에 있어서 '부(部)'란, 하드웨어에 의해 실현되는 유닛(unit), 소프트웨어에 의해 실현되는 유닛, 양방을 이용하여 실현되는 유닛을 포함한다. 또한, 1 개의 유닛이 2 개 이상의 하드웨어를 이용하여 실현되어도 되고, 2 개 이상의 유닛이 1 개의 하드웨어에 의해 실현되어도 된다.
본 명세서에 있어서 단말 또는 디바이스가 수행하는 것으로 기술된 동작이나 기능 중 일부는 해당 단말 또는 디바이스와 연결된 서버에서 대신 수행될 수도 있다. 이와 마찬가지로, 서버가 수행하는 것으로 기술된 동작이나 기능 중 일부도 해당 서버와 연결된 단말 또는 디바이스에서 수행될 수도 있다.
이하, 첨부된 구성도 또는 처리 흐름도를 참고하여, 본 발명의 실시를 위한 구체적인 내용을 설명하도록 한다.
도 1은 본 발명의 일 실시예에 따른, 교통 정보 생성 서버(10)의 블록도이다.
도 1을 참조하면, 교통 정보 생성 서버(10)는 수집부(100), 필터링부(110), 모델 생성부(120), 속도 예측부(130), 교통 정보 생성부(140) 및 돌발 상황 예측부(150)를 포함할 수 있다. 여기서, 필터링부(110)는 제 1 필터링부(112) 및 제 2 필터링부(114)를 포함할 수 있다. 다만, 도 1에 도시된 교통 정보 생성 서버(10)는 본 발명의 하나의 구현 예에 불과하며, 도 1에 도시된 구성요소들을 기초로 하여 여러 가지 변형이 가능하다. 이하에서는 도 1과 함께 도 2a 내지 4b를 설명하기로 한다.
수집부(100)는 도로로부터 기설정된 반경 이내에 위치한 복수의 기지국으로부터 무선 통신 접속 데이터를 수집할 수 있다. 예를 들어, 도 2a를 참조하면, 수집부(100)는 적어도 둘 이상의 도로가 만나는 교차로로부터 기설정된 반경(예컨대, 200m) 이내에 위치한 기지국을 유효 기지국으로 선정하고, 선정된 각 유효 기지국으로부터 무선 통신 접속 데이터를 수집할 수 있다.
이 때, 유효 기지국으로 선정된 기지국은 예를 들면, 기지국의 안테나가 도로 방향으로 향해 있으면서 기지국 외부에 안테나가 설치되어 있는 기지국일 수 있다.
예를 들면, 수집부(100)는 제 1 교차로에 대하여 선정된 제 1 유효 기지국 그룹에 속하는 복수의 기지국으로부터 무선 통신 접속 데이터를 수집하고, 제 2 교차로에 대하여 선정된 제 2 유효 기지국 그룹에 속하는 복수의 기지국으로부터 무선 통신 접속 데이터를 수집할 수 있다.
예를 들면, 수집부(100)는 제 1 도로(예컨대, 서해안 고속도로)로부터 기설정된 반경 이내에 위치한 유효 기지국 및 제 2 도로(예컨대, 영동고속도로)로부터 기설정된 반경 이내에 위치한 유효 기지국으로부터 무선 통신 접속 데이터를 수집할 수 있다. 여기서, 수집된 무선 통신 접속 데이터는 예를 들면, 각 유효 기지국으로 무선 접속을 시도한 복수의 사용자 단말에 대한 정보 및 각 유효 기지국에 대한 정보(예컨대, 기지국의 위치 정보 등)를 포함할 수 있다.
수집부(100)는 복수의 기지국의 위치 정보 및 복수의 기지국에 대한 무선 통신 접속량의 분포도에 기초하여 도로의 상행선 방향 및 하행선 방향을 구별할 수 있다. 수집부(100)가 상행선 방향 및 하행선 방향을 구별함으로써, 후술하는 바와 같이 상행선 및 하행선 각각의 실시간 속도를 예측하는 것이 가능하다.
예를 들어, 도 2b를 참조하면, 수집부(100)는 제 1 도로로부터 기설정된 반경 이내에 위치한 복수의 기지국으로부터 수집된 S1-AP 프로토콜에 대한 로그 데이터를 이용하여 각 기지국의 접속량 분포도를 파악하고, 각 기지국의 위치 및 접속량 분포도 간의 상관 관계를 통해 제 1 도로에 대한 도로 방향성(상행선 방향 및 하행선 방향)을 부여할 수 있다.
여기서, S1-AP(S1-Application Protocol) 프로토콜은 LTE 망/서비스에 가입된 사용자의 단말이 기지국에 접속(예컨대, 인터넷 사용, 전화 사용 등) 또는 미접속된 상태(idle 상태)에서도 주기적으로 해당 기지국과의 통신 접속이 발생되도록 사용자 단말과 기지국 간의 통신 연결을 제공하는 프로토콜이다. 이러한, S1-AP 프로토콜에 대한 로그 데이터는 S1-AP 프로토콜을 통해 기지국에 주기적으로 접속된 사용자의 단말에 대한 실시간 데이터인 동시에 LTE 통신을 위한 표준 프로토콜 정보이기 때문에, 통신 품질 모니터링 등의 목적으로 특별한 권한 동의 없이도 통신사에서 무조건적으로 수집할 수 있는 데이터이다. S1-AP 프로토콜에 대한 로그 데이터는 접속 시간 및 기지국의 위치를 근거로 시간당 각 기지국의 접속량 및 접속 이동성을 파악하는데 활용될 수 있으므로 교통 속도 학습 모델을 학습하는데 적합하다. 예를 들면, 제 1 도로로부터 기설정된 반경 이내에 위치한 복수의 기지국 중 서울로부터 제 1 거리에 위치한 기지국(20)의 접속량보다 서울로부터 제 2 거리(제 1 거리보다 먼 거리)에 위치한 기지국(22)의 접속량이 높은 경우, 수집부(100)는 제 1 도로에 대한 하행선(201)의 차량 흐름이 정체된 상태라고 판단하고, 제 1 도로에 대한 상행선(203)의 차량 흐름이 원활한 상태라고 판단할 수 있다.
필터링부(110)는 수집된 복수의 무선 통신 접속 데이터로부터 도로 상에 위치한 차량 내에서 발생한 무선 통신 접속 데이터를 추출할 수 있다. 예를 들면, 필터링부(110)는 수집된 무선 통신 접속 데이터 중 도로를 주행하는 차량의 운전자 또는 동승자의 단말(예컨대, 스마트 폰, 스마트 워치 등)에서 발생한 무선 접속 데이터를 추출할 수 있다.
예를 들어, 제 1 필터링부(112)는 수집된 복수의 무선 통신 접속 데이터에서 일자별 기설정된 횟수 이상 기지국에 의해 수집된 무선 통신 접속 데이터를 제외시킬 수 있다. 예를 들면, 제 1 필터링부(112)는 기 설정된 시간 동안(예컨대, 오전 1시~6시)에 주기적으로 발생하는 페이징(paging) 통신으로 인한 무선 통신 접속 데이터를 수집된 복수의 무선 통신 접속 데이터에서 제외할 수 있다. 여기서, 페이징 통신은 구동되지 않은 상태의 단말의 수신 상태, 단말의 대략적인 위치를 파악하기 위해 주기적으로 단말을 깨우는 브로드캐스트 통신을 말한다. 이러한, 페이징 통신으로 인한 무선 통신 접속 데이터는 도로의 차량 내에서 발생하는 무선 통신 접속 데이터가 아니기 때문에 도로 속도에 대한 예측의 정확도를 높이기 위해서는 수집된 복수의 무선 통신 접속 데이터에서 제외시킬 필요가 있다.
또한, 제 1 필터링부(112)는 일정 기간 동안 하나의 기지국에 기설정된 횟수 이상 접속한 사용자 단말(거주민 또는 보행자의 단말)의 무선 통신 접속 데이터를 수집된 복수의 무선 통신 접속 데이터에서 추가로 제외할 수 있다. 도로의 근처 지역에 일정 기간(예컨대, 1일) 동안 오래 머물러 있는 보행자 또는 거주민의 단말이 접속한 무선 통신 접속 데이터(일정 기간 동안 하나의 기지국에 기설정된 횟수 이상 접속한 무선 통신 접속 데이터로 판단됨)는 도로의 차량 내에서 발생하는 무선 통신 접속 데이터가 아닐 확률이 높기 때문에 해당 무선 통신 접속 데이터를 제외함으로써 도로 속도에 대한 예측의 정확도를 높일 수 있다
제 2 필터링부(114)는 통신 프로토콜의 서비스 용도에 대한 인덱스 값에 기초하여 수집된 복수의 무선 통신 접속 데이터로부터 기설정된 서비스에 관한 무선 통신 접속 데이터를 제외시킬 수 있다. 여기서, 기설정된 서비스는 운전시 제약이 되는 서비스(예컨대, 스트리밍 동영상 서비스 등)일 수 있다.
이러한 기설정된 서비스는 주로 차량 내에서는 이용되기 어렵기 때문에 도로 속도에 대한 예측의 정확도를 높이기 위해 수집된 복수의 무선 통신 접속 데이터에서 제외시킬 필요가 있다. 예를 들면, 제 2 필터링부(114)는 S1-AP 프로토콜의 서비스 용도에 대한 인덱스 값(예컨대, QCI 값) 중 운전 시 제약이 되는 서비스(예컨대, 도 2c에서 S1-AP 프로토콜의 QCI 3번(24) 및 QCI 6번(26)의 스트리밍 비디오 서비스 등)에 관한 인덱스 값을 갖는 무선 통신 접속 데이터를 수집된 복수의 무선 통신 접속 데이터에서 제외할 수 있다.
도 2c를 참조하면, S1-AP 프로토콜의 QCI(Quality of service Class Index)는 서비스의 중요도에 따라 트래픽 품질을 보장해 주기 위해 우선 순위를 정수로 표현한 인덱스값이다.
필터링부(110)는 수집된 복수의 무선 통신 접속 데이터에서 일자별 기설정된 횟수 이상 기지국에 의해 수집된 무선 통신 접속 데이터 및 기설정된 서비스에 관한 무선 통신 접속 데이터가 제외된 차량 내에서 발생한 무선 통신 접속 데이터만을 추출할 수 있다.
종래에는 핸드 오버 방식의 속도 측정 방법(수많은 이용자 단위로 연속적으로 핸드 오버된 기지국을 탐색하고, 탐색된 기지국 간의 거리(또는 대상 도로 길이) 및 연속되는 두 기지국간 접속 시간 차이를 실시간으로 조회하여 도로의 속도를 예측함) 또는 GPS 데이터를 이용한 개별 도로의 속도 측정 방법을 이용하였으나, 이러한 방법은 보행자 및 거주민의 단말로부터 접속된 데이터에 따른 오류를 고려하지 않는다는 점과, 사용자 단위 핸드 오버 분석으로 인한 시스템의 과부하 등의 문제를 가지고 있었다.
이에 본 발명에서는 기지국 단위로 실시간으로 수집된 무선 통신 접속 데이터를 이용하여 도로의 속도를 예측하기 때문에 시스템의 처리 부하를 줄일 수 있다.
또한, 도로의 속도 예측에 있어서, 보행자 및 거주민의 단말이 접속한 무선 통신 접속 데이터를 제외한 운전자 또는 동승자의 단말이 접속한 무선 통신 접속 데이터만을 이용하기 때문에 도로 속도의 예측 정확도를 높일 수 있다.
모델 생성부(120)는 복수의 기지국으로부터 수집된 과거의 무선 통신 접속 데이터 및 도로의 속도 데이터에 기초하여 교통 속도 학습 모델을 생성할 수 있다. 예를 들면, 모델 생성부(120)는 t-1 시간에서의 무선 통신 접속 데이터, t-2 시간에서의 무선 통신 접속 데이터 및 t 시간에서의 도로의 속도 데이터를 쌍으로 하는 제 1 교통 속도 학습 모델을 생성하고, t-2 시간에서의 무선 통신 접속 데이터, t-3 시간에서의 무선 통신 접속 데이터 및 t-1 시간에서의 도로의 속도 데이터를 쌍으로 하는 제 2 교통 속도 학습 모델을 생성함으로써 시계열 기반의 교통 속도 학습 모델을 생성할 수 있다.
모델 생성부(120)는 복수의 기지국으로부터 수집된 과거의 무선 통신 접속 데이터를 교통 속도 학습 모델에 입력하여 현재의 도로의 속도 데이터가 출력되도록 교통 속도 학습 모델을 학습할 수 있다.
예를 들면, 모델 생성부(120)는 t-1 시간에서의 무선 통신 접속 데이터 및 t-2 시간에서의 무선 통신 접속 데이터를 제 1 교통 속도 학습 모델에 입력하여 t 시간에서의 도로의 속도 데이터가 출력되도록 학습할 수 있다. 또한, 모델 생성부(120)는 t-2 시간에서의 무선 통신 접속 데이터 및 t-3 시간에서의 무선 통신 접속 데이터를 제 2 교통 속도 학습 모델에 입력하여 t-1 시간에서의 도로의 속도 데이터가 출력되도록 학습할 수 있다.
모델 생성부(120)는 통신 프로토콜의 연결 타입에 대한 인덱스 값에 기초하여 추출된 무선 통신 접속 데이터를 착신에 의한 과거 무선 통신 접속 데이터 및 발신에 의한 과거 무선 통신 접속 데이터로 분류할 수 있다. 예를 들면, 모델 생성부(120)는 추출된 무선 통신 접속 데이터 중 S1-AP 프로토콜의 착신 연결 타입에 대한 인덱스 값을 갖는 무선 통신 접속 데이터를 착신에 의한 과거 무선 통신 접속 데이터로 분류하고, S1-AP 프로토콜의 발신 연결 타입에 대한 인덱스 값을 갖는 무선 통신 접속 데이터를 발신에 의한 과거 무선 통신 접속 데이터로 분류할 수 있다.
모델 생성부(120)는 분류된 착신에 의한 과거 무선 통신 접속 데이터에 기초하여 착신 접속량을 계산하고, 발신에 의한 과거 무선 통신 접속 데이터에 기초하여 발신 접속량을 계산할 수 있다.
모델 생성부(120)는 과거 착신 접속량, 과거 발신 접속량 및 도로의 속도 데이터에 기초하여 교통 속도 학습 모델을 생성할 수 있다. 여기서, 교통 속도 학습 모델은 예를 들면, 시계열 딥러닝 학습 모델인 LSTM(Long-Short Term Memory) 모델일 수 있다.
예를 들면, 모델 생성부(120)는 t-1 시간에서의 착신 접속량 및 발신 접속량, t-2 시간에서의 착신 접속량 및 발신 접속량과 t 시간에서의 도로의 속도 데이터에 기초하여 제 1 교통 속도 학습 모델을 생성 및 학습하고, t-2 시간에서의 착신 접속량 및 발신 접속량, t-3 시간에서의 착신 접속량 및 발신 접속량과 t-1 시간에서의 도로의 속도 데이터를 쌍으로 하는 제 2 교통 속도 학습 모델을 생성 및 학습할 수 있다.
속도 예측부(130)는 복수의 기지국으로부터 수집된 실시간 무선 통신 접속 데이터를 교통 속도 학습 모델에 입력하여 도로의 실시간 속도를 예측할 수 있다. 예를 들면, 도 3을 참조하면, 속도 예측부(130)는 복수의 기지국(제 1 내지 제 3 기지국)으로부터 t 시간에 수집된 실시간 무선 통신 접속 데이터(실시간 착신 접속량 및 실시간 발신 접속량) 및 날짜 정보(요일 및 시간 정보)를 시계열 기반의 교통 속도 학습 모델에 입력하여 t 시간에서의 도로의 상행선 속도 및 하행선 속도를 각각 예측할 수 있다.
속도 예측부(130)는 복수의 기지국(유효 기지국으로 선정된 기지국)의 안테나 각도 또는 복수의 기지국이 위치한 지역의 외부 환경 정보에 기초하여 각 기지국에서의 무선 통신에 대한 무선 통신 영향도를 계산할 수 있다. 여기서, 무선 통신 영향도는 무선 통신의 도달 범위(무선 통신 수신 신호의 강도)에 대응되는 개념일 수 있다. 속도 예측부(130)는 각 기지국으로부터 무선 통신 수신 신호의 강도(RSSI, Received signal strength indication)가 기설정된 신호 강도의 이상에 해당되는 영역까지의 거리 범위를 각 기지국의 무선 통신 영향도로 계산할 수 있다. 또는 속도 예측부(130)는 각 기지국으로부터 각 기지국의 무선 통신 수신 신호의 강도에 대한 구분이 어려운 지점에 해당하는 영역까지의 거리 범위를 각 기지국의 무선 통신 영향도로 계산할 수도 있다. 예를 들면, 도로로 향해있는 안테나의 각도가 클수록 해당 도로에 미치는 무선 통신 영향도는 높아지며 무선 통신의 도달 범위는 넓어지게 되고, 안테나의 각도가 작을수록 해당 도로에 미치는 무선 통신 영향도는 작아지고, 무선 통신의 도달 범위는 좁아지게 된다. 이러한, 무선 통신 영향도는 기지국이 설치된 지형도 및 날씨에 따라 달라질 수 있다.
속도 예측부(130)는 복수의 기지국으로의 실시간 접속량 및 각 기지국에서의 무선 통신에 대한 무선 통신 영향도를 교통 속도 학습 모델에 입력하여 도로의 상행선 방향 및 하행선 방향 각각에 대한 실시간 속도 정보를 예측할 수 있다.
속도 예측부(130)는 기지국당 무선 통신 영향도에 기초하여 각 기지국당 접속량 가중치를 계산할 수 있다.
예를 들어, 도 4a를 참조하면, 속도 예측부(130)는 대상 도로에 대한 외부 환경(예컨대, 날씨, 지형 등)에 따른 제 1 기지국(401)에서의 무선 통신 영향도 및 제 2 기지국(403)에서의 무선 통신 영향도 간의 비율에 기초하여 제 1 기지국(401) 및 제 2 기지국(403) 각각의 접속량 가중치를 계산할 수 있다.
제 1 기지국(401)에서 제공하는 무선 통신에 대한 무선 통신 영향도의 범위 및 제 2 기지국(403)에서 제공하는 무선 통신에 대한 무선 통신 영향도의 범위가 1:3의 비율을 갖는 경우, 제 1 기지국(401)의 접속량 가중치 및 제 2 기지국(403)의 접속량 가중치도 1:3의 비율로 계산될 수 있다.
도 4b를 참조하면, 속도 예측부(130)는 대상 도로를 향한 제 1 기지국(401)의 안테나 각도에 따른 무선 통신 수신 범위 및 제 2 기지국(403)의 안테나 각도에 따른 무선 통신 수신 범위 간의 비율에 기초하여 제 1 기지국(401) 및 제 2 기지국(403) 각각의 접속량 가중치를 계산할 수 있다.
속도 예측부(130)는 복수의 기지국으로의 실시간 접속량, 기지국당 무선 통신 영향도 및 접속량 가중치를 교통 속도 학습 모델에 입력하여 도로의 상행선 방향 및 하행선 방향 각각에 대한 실시간 속도 정보를 예측할 수 있다.
종래에는 과거 속도 통계치를 기반으로 하는 모델을 주로 이용하였으나, 이는 도로 환경이 변경되는 경우 그대로 이용하기 어렵고, 예측 정확도가 낮다는 문제점을 가지고 있었다.
이에 본 발명에서는 과거의 무선 통신 접속 데이터(과거 착신 접속량, 과거 발신 접속량)에 기초하여 학습된 시계열 기반의 교통 속도 학습 모델을 이용함으로써 도로 환경이 변경된 경우에도 적용 가능하며 교통 데이터의 수집이 어려운 음영 지역과 같은 도로에서도 실시간 무선 통신 접속 데이터를 교통 속도 학습 모델에 입력하여 현재의 도로의 실시간 속도를 예측하기 때문에 해당 도로에 대한 실시간 속도의 예측 정확도를 높일 수 있다.
또한, 종래의 핸드 오버 방식의 경우 일부 이용자(예컨대, 정차 운전자, 아웃라이어 등)에게 편향될 수 있는 속도 측정의 문제를 가지고 있으나, 본 발명은 핸드오버가 일어나지 않는 무선 통신 접속 데이터(과거 착신 접속량, 과거 발신 접속량)에 기초하여 일반화된 교통 속도 학습 모델을 생성하기 때문에 이와 같은 종래의 문제점을 해결할 수 있다.
교통 정보 생성부(140)는 도로 상에서의 예측된 실시간 속도에 기초하여 도로에 대한 교통 정보를 생성할 수 있다. 예를 들면, 교통 정보 생성부(140)는 예측된 실시간 속도에 기초하여 도로의 교통 현황을 원활, 정상, 정체 등으로 설정한 교통 정보를 생성할 수 있다. 예를 들면, 교통 정보 생성부(140)는 도로의 복수의 구간 중 교통 흐름이 원할한 구간을 초록색으로 표시하고, 교통 흐름이 정체된 구간을 빨란색으로 표시한 교통 정보를 생성할 수 있다.
돌발 상황 예측부(150)는 도로 상에서의 예측된 실시간 속도 정보 및 도로 상에서의 패턴 속도 추이 정보에 기초하여 도로에서의 돌발 상황을 예측할 수 있다. 예를 들면, 돌발 상황 예측부(150)는 1분 단위 당 예측된 도로의 실시간 속도 정보가 해당 도로에서의 패턴 속도 추이(과거 패턴 속도 추이 또는 예측 패턴 속도 추이)보다 낮은 상태로 일정 시간 동안 지속되는 경우, 도로에서 돌발 상황이 발생했다고 판단할 수 있다.
돌발 상황 예측부(150)는 도로 상에서 예측된 실시간 속도 정보의 누적량이 기설정된 임계 속도값을 초과하는 경우, 도로에서 돌발 상황이 발생했다고 판단할 수 있다. 예를 들면, t-2 분에서의 도로 속도가 -5km/h이고, t-1 분에서의 도로 속도가 -10km/h이고, t 분에서의 도로 속도가 -9km/h이고, 기설정된 임계 속도값이 20km/h라고 가정할 때, 실시간 속도 정보의 누적량(|-5km/h| + |-10km/h| + |-9km/h| = 25km/h)이 기설정된 임계 속도값을 초과하게 되면, 도로의 사고 발생으로 인해 해당 도로에서 병목현상이 발생하여 교통 정체가 발생되었다고 판단할 수 있다.
교통 정보 생성부(140)는 돌발 상황이 발생한 도로에 대하여 돌발 상황 예측 정보가 반영된 교통 정보를 생성할 수 있다. 예를 들면, 교통 정보 생성부(140)는 도로에서의 돌발 상황(예컨대, 교통 사고 등)이 예측된 경우, 해당 도로에 대한 돌발 상황 예측 정보 및 교통 상황이 원활한 우회 도로에 대한 안내 정보를 포함하는 교통 정보를 생성할 수 있다.
종래에는 도로에서 발생된 돌발 상황 발생에 따른 시민 제보 및 경찰 기관으로부터 접수된 사고 정보에 의존하여 도로에서의 돌발 상황을 파악하였으나, 본 발명은 예측된 실시간 속도 정보 및 도로 상에서의 패턴 속도 추이 정보(과거 패턴 속도 추이 또는 예측 패턴 속도 추이)를 고려하여 도로 상에서의 돌발 상황을 판단함으로써, 도로 상에서의 돌발 상황을 정확하고 신속하게 감지할 수 있고, 이에 대한 대처 방안까지 운전자에게 제공할 수 있다.
한편, 당업자라면, 수집부(100), 필터링부(110), 제 1 필터링부(112), 제 2 필터링부(114), 모델 생성부(120), 속도 예측부(130), 교통 정보 생성부(140) 및 돌발 상황 예측부(150) 각각이 분리되어 구현되거나, 이 중 하나 이상이 통합되어 구현될 수 있음을 충분히 이해할 것이다.
도 5는 본 발명의 일 실시예에 따른, 교통 정보를 생성하는 방법을 나타낸 흐름도이다. 도 5에 도시된 교통 정보 생성 서버(10)에서 교통 정보를 생성하는 방법은 도 1 내지 도 4에 도시된 실시예에 의해 시계열적으로 처리되는 단계들을 포함한다. 따라서, 이하 생략된 내용이라고 하더라도 도 1 내지 도 4에 도시된 실시예에 따른 교통 정보 생성 서버(10)에서 교통 정보를 생성하는 방법에도 적용된다.
도 5를 참조하면, 단계 S501에서 교통 정보 생성 서버(10)는 도로로부터 기설정된 반경 이내에 위치한 복수의 기지국으로부터 무선 통신 접속 데이터를 수집할 수 있다.
단계 S503에서 교통 정보 생성 서버(10)는 복수의 기지국으로부터 수집된 과거의 무선 통신 접속 데이터 및 도로의 속도 데이터에 기초하여 교통 속도 학습 모델을 생성할 수 있다.
단계 S505에서 교통 정보 생성 서버(10)는 복수의 기지국으로부터 수집된 실시간 무선 통신 접속 데이터를 교통 속도 학습 모델에 입력하여 도로의 실시간 속도를 예측할 수 있다.
단계 S507에서 교통 정보 생성 서버(10)는 예측된 실시간 속도에 기초하여 도로에 대한 교통 정보를 생성할 수 있다.
상술한 설명에서, 단계 S501 내지 S507은 본 발명의 구현예에 따라서, 추가적인 단계들로 더 분할되거나, 더 적은 단계들로 조합될 수 있다. 또한, 일부 단계는 필요에 따라 생략될 수도 있고, 단계 간의 순서가 변경될 수도 있다.
도 1 내지 도 5를 통해 설명된 교통 정보 생성 서버(10)에서 교통 정보를 생성하는 방법은 컴퓨터에 의해 실행되는 매체에 저장된 컴퓨터 프로그램 또는 컴퓨터에 의해 실행 가능한 명령어를 포함하는 기록 매체의 형태로도 구현될 수 있다. 또한, 도 1 내지 도 5를 통해 설명된 교통 정보 생성 서버(10)에서 교통 정보를 생성하는 방법은 컴퓨터에 의해 실행되는 매체에 저장된 컴퓨터 프로그램의 형태로도 구현될 수 있다.
컴퓨터 판독 가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 모두 포함한다. 또한, 컴퓨터 판독가능 매체는 컴퓨터 저장 매체를 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함한다.
전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.
본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
10: 교통 정보 생성 서버
100: 수집부
110: 필터링부
112: 제 1 필터링부
114: 제 2 필터링부
120: 모델 생성부
130: 속도 예측부
140: 교통 정보 생성부
150: 돌발 상황 예측부
100: 수집부
110: 필터링부
112: 제 1 필터링부
114: 제 2 필터링부
120: 모델 생성부
130: 속도 예측부
140: 교통 정보 생성부
150: 돌발 상황 예측부
Claims (19)
- 교통 정보를 생성하는 교통 정보 생성 서버에 있어서,
도로로부터 기설정된 반경 이내에 위치한 복수의 기지국으로부터 무선 통신 접속 데이터를 수집하는 수집부;
상기 복수의 기지국으로부터 수집된 과거의 무선 통신 접속 데이터 및 상기 도로의 속도 데이터에 기초하여 교통 속도 학습 모델을 생성하는 모델 생성부;
상기 복수의 기지국으로부터 수집된 실시간 무선 통신 접속 데이터를 상기 교통 속도 학습 모델에 입력하여 상기 도로의 실시간 속도를 예측하는 속도 예측부; 및
상기 예측된 실시간 속도에 기초하여 상기 도로에 대한 교통 정보를 생성하는 교통 정보 생성부
를 포함하는 교통 정보 생성 서버.
- 제 1 항에 있어서,
상기 수집부는
상기 복수의 기지국의 위치 정보 및 상기 복수의 기지국에 대한 무선 통신 접속량의 분포도에 기초하여 상기 도로의 상행선 방향 및 하행선 방향을 구별하는 것인, 교통 정보 생성 서버.
- 제 1 항에 있어서,
상기 수집된 무선 통신 접속 데이터로부터 상기 도로 상에 위치한 차량 내에서 발생한 무선 통신 접속 데이터를 추출하는 필터링부를 포함하는 것인, 교통 정보 생성 서버.
- 제 3 항에 있어서,
상기 필터링부는
상기 무선 통신 접속 데이터로부터 일자별 기설정된 횟수 이상 기지국에 의해 수집된 무선 통신 접속 데이터를 제외시키는 제 1 필터링부를 포함하는 것인, 교통 정보 생성 서버.
- 제 3 항에 있어서,
상기 필터링부는
통신 프로토콜의 서비스 용도에 대한 인덱스 값에 기초하여 상기 무선 통신 접속 데이터로부터 기설정된 서비스에 관한 무선 통신 접속 데이터를 제외시키는 제 2 필터링부를 포함하는 것인, 교통 정보 생성 서버.
- 제 5 항에 있어서,
상기 모델 생성부는
상기 통신 프로토콜의 연결 타입 대한 인덱스 값에 기초하여 상기 추출된 무선 통신 접속 데이터를 착신에 의한 과거 무선 통신 접속 데이터 및 발신에 의한 과거 무선 통신 접속 데이터로 분류하고,
상기 분류된 착신에 의한 과거 무선 통신 접속 데이터에 기초하여 착신 접속량을 계산하고, 상기 발신에 의한 과거 무선 통신 접속 데이터에 기초하여 발신 접속량을 계산하고,
상기 착신 접속량, 상기 발신 접속량 및 상기 도로의 속도 데이터에 기초하여 교통 속도 학습 모델을 생성하는 것인, 교통 정보 생성 서버.
- 제 1 항에 있어서,
상기 속도 예측부는
상기 복수의 기지국으로의 실시간 접속량 및 각 기지국에서의 무선 통신에 대한 무선 통신 영향도를 상기 교통 속도 학습 모델에 입력하여 상기 도로의 실시간 속도를 예측하는 것인, 교통 정보 생성 서버.
- 제 7 항에 있어서,
상기 속도 예측부는
상기 복수의 기지국의 안테나 각도 및 상기 복수의 기지국이 위치한 지역의 외부 환경 정보에 기초하여 상기 각 기지국에서의 무선 통신에 대한 상기 무선 통신 영향도를 계산하는 것인, 교통 정보 생성 서버.
- 제 8 항에 있어서,
상기 속도 예측부는
상기 무선 통신 영향도에 기초하여 각 기지국당 접속량 가중치를 계산하는 것인, 교통 정보 생성 서버.
- 제 9 항에 있어서,
상기 속도 예측부는
상기 복수의 기지국으로의 실시간 접속량, 상기 무선 통신 영향도 및 상기 기지국당 접속량 가중치를 상기 교통 속도 학습 모델에 입력하여 상기 도로의 실시간 속도 정보를 예측하는 것인, 교통 정보 생성 서버.
- 제 1 항에 있어서,
상기 속도 예측부는
상기 도로의 상행선 방향 및 하행선 방향 각각에 대한 실시간 속도 정보를 예측하는 것인, 교통 정보 생성 서버.
- 제 1 항에 있어서,
상기 예측된 실시간 속도 정보 및 패턴 속도 추이 정보에 기초하여 상기 도로에서의 돌발 상황을 예측하는 돌발 상황 예측부를 더 포함하는 것인, 교통 정보 생성 서버.
- 교통 정보 생성 서버에서 교통 정보를 생성하는 방법에 있어서,
도로로부터 기설정된 반경 이내에 위치한 복수의 기지국으로부터 무선 통신 접속 데이터를 수집하는 단계;
상기 복수의 기지국으로부터 수집된 과거의 무선 통신 접속 데이터 및 상기 도로의 속도 데이터에 기초하여 교통 속도 학습 모델을 생성하는 단계;
상기 복수의 기지국으로부터 수집된 실시간 무선 통신 접속 데이터를 상기 교통 속도 학습 모델에 입력하여 상기 도로의 실시간 속도를 예측하는 단계; 및
상기 예측된 실시간 속도에 기초하여 상기 도로에 대한 교통 정보를 생성하는 단계
를 포함하는 교통 정보 생성 방법.
- 제 13 항에 있어서,
상기 무선 통신 접속 데이터를 수집하는 단계는
상기 복수의 기지국의 위치 정보 및 상기 복수의 기지국에 대한 무선 통신 접속량의 분포도에 기초하여 상기 도로의 상행선 방향 및 하행선 방향을 구별하는 단계를 포함하는 것인, 교통 정보 생성 방법.
- 제 13 항에 있어서,
상기 수집된 무선 통신 접속 데이터로부터 상기 도로 상에 위치한 차량 내에서 발생한 무선 통신 접속 데이터를 추출하는 단계를 더 포함하는 것인, 교통 정보 생성 방법.
- 제 13 항에 있어서,
상기 도로의 실시간 속도를 예측하는 단계는
상기 복수의 기지국으로의 실시간 접속량 및 각 기지국에서의 무선 통신에 대한 무선 통신 영향도를 상기 교통 속도 학습 모델에 입력하여 상기 도로의 실시간 속도를 예측하는 단계를 포함하는 것인, 교통 정보 생성 방법.
- 제 13 항에 있어서,
상기 도로의 실시간 속도를 예측하는 단계는
상기 도로의 상행선 방향 및 하행선 방향 각각에 대한 실시간 속도 정보를 예측하는 단계를 포함하는 것인, 교통 정보 생성 방법.
- 제 13 항에 있어서,
상기 예측된 실시간 속도 정보 및 패턴 속도 추이 정보에 기초하여 상기 도로에서의 돌발 상황을 예측하는 단계를 더 포함하는 것인, 교통 정보 생성 방법.
- 교통 정보를 생성하는 명령어들의 시퀀스를 포함하는 매체에 저장된 컴퓨터 프로그램에 있어서,
상기 컴퓨터 프로그램은 컴퓨팅 장치에 의해 실행될 경우,
도로로부터 기설정된 반경 이내에 위치한 복수의 기지국으로부터 무선 통신 접속 데이터를 수집하고,
상기 복수의 기지국으로부터 수집된 과거의 무선 통신 접속 데이터 및 상기 도로의 속도 데이터에 기초하여 교통 속도 학습 모델을 생성하고,
상기 복수의 기지국으로부터 수집된 실시간 무선 통신 접속 데이터를 상기 교통 속도 학습 모델에 입력하여 상기 도로의 실시간 속도를 예측하고,
상기 예측된 실시간 속도에 기초하여 상기 도로에 대한 교통 정보를 생성하는 명령어들의 시퀀스를 포함하는, 매체에 저장된 컴퓨터 프로그램.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180120378A KR102645825B1 (ko) | 2018-10-10 | 2018-10-10 | 교통 정보를 생성하는 서버, 방법 및 컴퓨터 프로그램 |
| KR1020240031097A KR20240032811A (ko) | 2018-10-10 | 2024-03-05 | 교통 정보를 생성하는 서버, 방법 및 컴퓨터 프로그램 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180120378A KR102645825B1 (ko) | 2018-10-10 | 2018-10-10 | 교통 정보를 생성하는 서버, 방법 및 컴퓨터 프로그램 |
Related Child Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020240031097A Division KR20240032811A (ko) | 2018-10-10 | 2024-03-05 | 교통 정보를 생성하는 서버, 방법 및 컴퓨터 프로그램 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20200040451A true KR20200040451A (ko) | 2020-04-20 |
| KR102645825B1 KR102645825B1 (ko) | 2024-03-08 |
Family
ID=70467294
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020180120378A KR102645825B1 (ko) | 2018-10-10 | 2018-10-10 | 교통 정보를 생성하는 서버, 방법 및 컴퓨터 프로그램 |
| KR1020240031097A KR20240032811A (ko) | 2018-10-10 | 2024-03-05 | 교통 정보를 생성하는 서버, 방법 및 컴퓨터 프로그램 |
Family Applications After (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020240031097A KR20240032811A (ko) | 2018-10-10 | 2024-03-05 | 교통 정보를 생성하는 서버, 방법 및 컴퓨터 프로그램 |
Country Status (1)
| Country | Link |
|---|---|
| KR (2) | KR102645825B1 (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102254765B1 (ko) * | 2020-11-10 | 2021-05-24 | 한국건설기술연구원 | 딥러닝 모델을 이용한 교통데이터 예측 장치 및 방법 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR19990021757A (ko) * | 1997-08-30 | 1999-03-25 | 구자홍 | 교통정보 서비스 등의 부가 서비스 방법 및 이를 이용한 부가 서비스 시스템 |
| KR20080099519A (ko) * | 2007-05-09 | 2008-11-13 | 주식회사 케이티프리텔 | 이동통신망을 이용한 도로 교통 속도 분석 방법 및 장치 |
| KR20090003431A (ko) | 2007-06-11 | 2009-01-12 | 정양권 | 이동통신 단말기를 이용한 연속류 사고 예측시스템 |
| KR20140128063A (ko) * | 2013-04-26 | 2014-11-05 | 한국교통연구원 | 교통 상황 예측 시스템 |
| KR20160049688A (ko) * | 2014-10-28 | 2016-05-10 | 현대엠엔소프트 주식회사 | 교통정보 예측 방법 및 그 장치 |
| KR101776807B1 (ko) * | 2010-09-16 | 2017-09-19 | 에스케이텔레콤 주식회사 | 이동통신망을 이용한 교통정보 수집시스템, 그 유효 표본 보정 장치 및 속도 측정 방법, 이를 위한 기록매체 |
-
2018
- 2018-10-10 KR KR1020180120378A patent/KR102645825B1/ko active IP Right Grant
-
2024
- 2024-03-05 KR KR1020240031097A patent/KR20240032811A/ko not_active Application Discontinuation
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR19990021757A (ko) * | 1997-08-30 | 1999-03-25 | 구자홍 | 교통정보 서비스 등의 부가 서비스 방법 및 이를 이용한 부가 서비스 시스템 |
| KR20080099519A (ko) * | 2007-05-09 | 2008-11-13 | 주식회사 케이티프리텔 | 이동통신망을 이용한 도로 교통 속도 분석 방법 및 장치 |
| KR20090003431A (ko) | 2007-06-11 | 2009-01-12 | 정양권 | 이동통신 단말기를 이용한 연속류 사고 예측시스템 |
| KR101776807B1 (ko) * | 2010-09-16 | 2017-09-19 | 에스케이텔레콤 주식회사 | 이동통신망을 이용한 교통정보 수집시스템, 그 유효 표본 보정 장치 및 속도 측정 방법, 이를 위한 기록매체 |
| KR20140128063A (ko) * | 2013-04-26 | 2014-11-05 | 한국교통연구원 | 교통 상황 예측 시스템 |
| KR20160049688A (ko) * | 2014-10-28 | 2016-05-10 | 현대엠엔소프트 주식회사 | 교통정보 예측 방법 및 그 장치 |
Non-Patent Citations (1)
| Title |
|---|
| 김도훈외 1. UTIS 자료를 활용한 도로구간 통행속도 예측 모형 개발. 서울도시연구 제18권 제3호, 2017년 9월, pp. 101-112. 1부.* * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102254765B1 (ko) * | 2020-11-10 | 2021-05-24 | 한국건설기술연구원 | 딥러닝 모델을 이용한 교통데이터 예측 장치 및 방법 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102645825B1 (ko) | 2024-03-08 |
| KR20240032811A (ko) | 2024-03-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8559976B2 (en) | System and method for population tracking, counting, and movement estimation using mobile operational data and/or geographic information in mobile network | |
| US8930123B2 (en) | Systems and methods for determining traffic intensity using information obtained through crowdsourcing | |
| EP3507942B1 (en) | Wireless network optimization | |
| EP1316079B1 (en) | Method and system for providing traffic and related information | |
| CN101925940B (zh) | 用于预测公路上的行驶时间的方法和系统 | |
| KR20200040501A (ko) | 교통 정보 예측 방법, 장치 및 컴퓨터 프로그램 | |
| US20230030446A1 (en) | Remote driving method, apparatus, and system, device, and medium | |
| US20190012905A1 (en) | Traffic analysis system using wireless networking devices | |
| EP1582841B1 (en) | Route search server, system and method | |
| JP6451473B2 (ja) | 路側通信装置、通信システム及びデータ中継方法 | |
| US9349286B2 (en) | Traffic analysis system using wireless networking devices | |
| KR20240032811A (ko) | 교통 정보를 생성하는 서버, 방법 및 컴퓨터 프로그램 | |
| CN105303831A (zh) | 一种基于通信数据判断高速路拥堵情况的方法 | |
| Holleczek et al. | Traffic measurement and route recommendation system for mass rapid transit (mrt) | |
| US20220076578A1 (en) | System and method for location data fusion and filtering | |
| Abou-Zeid et al. | Evaluating mobile signal and location predictability along public transportation routes | |
| Mai-Tan et al. | Mining urban traffic condition from crowd-sourced data | |
| KR101112191B1 (ko) | 에이전트 기반 실시간 통행시간 산정장치 및 그 방법 | |
| CN208673523U (zh) | 公共交通车辆发车间隔控制装置 | |
| Tan et al. | Traffic condition estimation based on historical data analysis | |
| Dong et al. | Bus passenger flow and running status analyzation system based on MAC address | |
| KR102517212B1 (ko) | 셀 단위로 통행 속도를 추정하는 관제 서버 | |
| JP2019149751A (ja) | 通信制御システム、通信制御方法、及びプログラム | |
| RU2442963C1 (ru) | Способ сбора и обработки информации о транспортных потоках на автодорогах с использованием беспроводных сетей передачи данных | |
| Kaptan | Data Analytics-backed Vehicular Crowd-sensing for GPS-less Tracking in Public Transportation |
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 | ||
| A107 | Divisional application of patent | ||
| GRNT | Written decision to grant |