KR20200132225A - Prediction Method of Urban Land Use Change by Autonomous Vehicle - Google Patents

Prediction Method of Urban Land Use Change by Autonomous Vehicle Download PDF

Info

Publication number
KR20200132225A
KR20200132225A KR1020190057391A KR20190057391A KR20200132225A KR 20200132225 A KR20200132225 A KR 20200132225A KR 1020190057391 A KR1020190057391 A KR 1020190057391A KR 20190057391 A KR20190057391 A KR 20190057391A KR 20200132225 A KR20200132225 A KR 20200132225A
Authority
KR
South Korea
Prior art keywords
land
land use
value
accessibility
cell
Prior art date
Application number
KR1020190057391A
Other languages
Korean (ko)
Other versions
KR102237927B1 (en
Inventor
김영철
강나윤
Original Assignee
한국과학기술원
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 한국과학기술원 filed Critical 한국과학기술원
Priority to KR1020190057391A priority Critical patent/KR102237927B1/en
Publication of KR20200132225A publication Critical patent/KR20200132225A/en
Application granted granted Critical
Publication of KR102237927B1 publication Critical patent/KR102237927B1/en

Links

Images

Classifications

    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • G06Q50/10—Services
    • G06Q50/16—Real estate
    • G06Q50/165—Land development
    • 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
    • G06Q50/10—Services
    • G06Q50/26—Government or public services

Landscapes

  • Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Educational Administration (AREA)
  • Traffic Control Systems (AREA)

Abstract

The present invention relates to a method of predicting a change in the use of urban land by autonomous driving vehicles. In order to predict a change in the use of urban land by autonomous driving vehicles, a city where a land use change is going to be predicted is selected and then one of a plurality of scenarios is selected, and divided into a plurality of cells having the same size in accordance with the size of the city to apply cellular automata, the use of land of the plurality of cells is classified, accessibility, land price and green accessibility values in accordance with the use of land are extracted for each of the cells, a vicinal effect value in accordance with the use of land is extracted for each of the cells, different accessibility, land price and green accessibility weighted values are set in accordance with the use of land, the accessibility, land price and green accessibility weighted values and the vicinal effect value are applied to alteration rules indicating an alteration probability that the use of land can be altered for each of the cells to extract alteration probability values by the use of land, and the predication of a change in the use of land is simulated by comparing a maximum value of the extracted alteration probability values to an alteration probability value of the use of land for a current cell. According to the present invention, a simulation is carried out based on scenarios classified in accordance with an automation degree of an autonomous driving vehicle to predict a change in the use of urban land when autonomous driving vehicles are used as main means of transportation, thereby enabling effective urban design and policy establishment.

Description

자율 주행 차량에 의한 도시의 토지 이용 변화 예측 방법 {Prediction Method of Urban Land Use Change by Autonomous Vehicle}Prediction Method of Urban Land Use Change by Autonomous Vehicle}

본 발명은 토지 이용 변화 예측 방법에 관한 것으로, 보다 구체적으로는 자율 주행 차량이 도입되면 도시의 토지 용도가 어떻게 변화될 것인지 예측하는 자율 주행 차량에 의한 도시의 토지 이용 변화 예측 방법에 관한 것이다.The present invention relates to a land use change prediction method, and more particularly, to a method for predicting land use change in a city by an autonomous vehicle that predicts how the land use in a city will change when an autonomous vehicle is introduced.

자율 주행 차량이 주요한 교통수단이 된다면, 사람들은 자율 주행 차량안에서 독서, 식사, 대화 등 운전이 아닌 다른 행위를 할 수 있다.If self-driving vehicles become the main means of transportation, people can engage in activities other than driving, such as reading, eating, and talking in the self-driving vehicle.

이는, 더이상 사람들이 운전이라는 행위로부터 제약받지 않게 됨을 의미하며, 사람들의 통행시간에 대한 인식이 달라짐을 의미한다.This means that people are no longer restricted from the act of driving, and it means that people's perception of travel time is different.

달라진 통행 시간에 대한인식은 사람들의 주거지 선택 등에 영향을 줄 것임을 예상할 수 있다.It can be expected that the perception of the changed travel time will affect people's choice of residence.

기존의 연구에서는 자율 주행 차량이 도입된다면, 도시가 교외화 될 것이라 예상하고 있으나, 구체적인 예측 결과나 모델을 제시하지 못하고 있다.Existing studies predict that if autonomous vehicles are introduced, cities will become suburban, but no specific prediction results or models have been presented.

따라서, 자율 주행 차량이 주요한 교통수단이 되었을 때의 도시 변화 예상을 뒷바침 할 수 있는 모델이 요구된다.Therefore, there is a need for a model that can support the prediction of city change when autonomous vehicles become a major means of transportation.

본 발명의 목적은 자율 주행 차량이 도입됨에 따라 토지 용도의 변화를 예측하여, 이에 따른 변화에 맞는 규제와 정책을 준비할 수 있도록 하는 자율 주행 차량에 의한 도시의 토지 이용 변화 예측 방법에 관한 것이다.An object of the present invention is to predict a change in land use as an autonomous vehicle is introduced, and to a method for predicting a change in land use in a city by an autonomous vehicle in which regulations and policies suitable for the change can be prepared.

위와 같은 목적을 달성하기 위하여, 본 발명의 실시예에 따른 자율 주행 차량에 의한 도시의 토지 이용 변화 예측 방법은, 자율 주행 차량에 의한 도시의 토지 이용 변화를 예측하기 위하여, 토지 이용 변화를 예측할 도시를 선택한 후 복수의 시나리오 중 어느 하나를 선택하고, 셀룰러 오토마타를 적용하기 위하여 선택된 도시의 크기에 따라 동일한 크기를 가지는 복수의 셀로 나누며, 복수의 상기 셀의 토지용도를 구분하고, 각 셀마다 토지용도에 따른 접근성, 토지가격 및 녹지접근성 값을 추출하며, 각 셀마다 토지용도에 따른 이웃효과 값을 추출하고, 토지용도에 따라 다른 접근성 가중치, 토지가격 가중치 및 녹지접근성 가중치 값을 설정하며, 각 셀마다 토지가 다른 용도로 사용될 수 있는 전환가능성을 나타내는 전환규칙에, 상기 접근성 가중치, 토지가격 가중치, 녹지접근성 가중치 값 및 이웃효과 값을 적용하여 토지용도별로 상기 전환가능성 값을 추출하고, 추출된 상기 전환가능성 값 중 최대값과 현재 셀의 토지용도의 전환가능성 값을 비교해 셀의 토지용도 변화 예측을 시뮬레이션한다.In order to achieve the above object, a method for predicting a change in land use in a city by an autonomous vehicle according to an embodiment of the present invention includes a city in which land use change is predicted in order to predict a change in land use in a city by an autonomous vehicle. After selecting, select any one of a plurality of scenarios, divide into a plurality of cells having the same size according to the size of the city selected to apply cellular automata, classify the land use of the plurality of cells, and use the land use for each cell. It extracts accessibility, land price and green area accessibility values according to each cell, extracts neighboring effect values according to land use for each cell, sets different accessibility weights, land price weights, and green area accessibility weight values according to land use, and each cell The convertibility value is extracted for each land use by applying the accessibility weight, land price weight, green area accessibility weight value, and neighbor effect value to a conversion rule indicating the conversion possibility that each land can be used for different purposes, and the extracted The maximum value of the convertibility values and the convertibility value of the current cell land use are compared to simulate the prediction of the cell's land use change.

여기서, 복수의 상기 시나리오는, 0 내지 2레벨의 자동화 레벨을 가지는 자율 주행 차량이 보편화되는 시나리오 및 3 내지 5레벨의 자동화 레벨을 가지는 자율 주행 차량이 보편화 되는 시나리오일 수 있다.Here, the plurality of the scenarios may be a scenario in which an autonomous vehicle having an automation level of 0 to 2 is common and an autonomous vehicle having an automation level of 3 to 5 is common.

또한, 상기 접근성 값은, 셀과 주요 도로 및 주요 교통지점과의 거리를 기반으로하여 단계적으로 설정되고,In addition, the accessibility value is set in stages based on the distance between the cell and the main road and main traffic points,

상기 접근성 가중치 값은, 토지용도, 상기 시나리오 및 상기 접근성 값을 이용하여 단계적으로 설정될 수 있다.The accessibility weight value may be set step by step using land use, the scenario, and the accessibility value.

그리고, 상기 토지가격 값은, 셀에 포함된 토지의 가격 데이터의 평균값을 이용하여 단계적으로 설정되고,And, the land price value is set step by step using an average value of land price data included in the cell,

상기 토지가격 가중치 값은, 토지용도, 상기 시나리오 및 상기 토지가격 값을 이용하여 단계적으로 설정될 수 있다.The land price weight value may be set step by step using the land use, the scenario, and the land price value.

또한, 상기 녹지접근성 값은, 셀과 녹지와의 거리와 셀의 토지용도를 기반으로하여 단계적으로 설정되고,In addition, the green area accessibility value is set in stages based on the distance between the cell and the green area and the land use of the cell,

상기 녹지접근성 가중치는, 토지용도, 시나리오 및 상기 녹지접근성 값을 이용하여 단계적으로 설정될 수 있다.The green area accessibility weight may be set step by step using the land use, the scenario, and the green area accessibility value.

그리고, 상기 이웃효과 값의 함수식은,

Figure pat00001
이며, 상기
Figure pat00002
는 K 토지 용도의 이웃효과이고, 상기
Figure pat00003
는 c거리 내의 토지 용도 L의 가중치 매개변수이며, 상기
Figure pat00004
는 관성효과일 수 있다.And, the functional formula of the neighboring effect value,
Figure pat00001
Is, above
Figure pat00002
Is the neighborhood effect of K land use, and above
Figure pat00003
Is the weighting parameter of land use L within distance c, and
Figure pat00004
May be an inertial effect.

상기 c는, Perry's neighborhood unit theory와 주요도로범위에 의해 설정될 수 있다.The c can be set by Perry's neighborhood unit theory and main road coverage.

또한, 상기

Figure pat00005
는, 상기 c 범위 내에 동일한 용도의 셀을 포함하면 상기
Figure pat00006
은 1 값을 가지고, 동일한 용도의 셀을 포함하지 않으면 상기
Figure pat00007
은 0 값을 가질 수 있다.Also, above
Figure pat00005
If the cell of the same purpose is included in the range c, the
Figure pat00006
Has a value of 1, and if it does not contain cells of the same purpose,
Figure pat00007
Can have a value of 0.

상기 전환가능성 값 함수식은,

Figure pat00008
이며, 상기 K는 셀의 토지용도이고, 상기
Figure pat00009
는 토지 용도 K로의 전환가능성이며,
Figure pat00010
는 토지용도가 K로 변할 접근성 가중치 값이며,
Figure pat00011
는 토지용도가 K로 변할 토지가격 가중치 값이고,
Figure pat00012
는 토지용도가 K로 변할 녹지접근성 가중치 값이며,
Figure pat00013
는 토지용도가 K인 셀의 이웃효과 값일 수 있다.The convertibility value function formula is,
Figure pat00008
And K is the land use of the cell, and
Figure pat00009
Is the possibility of converting to land use K,
Figure pat00010
Is the accessibility weight value at which the land use will change to K,
Figure pat00011
Is the land price weight value at which the land use will change to K,
Figure pat00012
Is the green area accessibility weight value at which the land use will change to K,
Figure pat00013
May be the neighboring effect value of a cell whose land use is K.

그리고, 상기

Figure pat00014
,
Figure pat00015
,
Figure pat00016
및
Figure pat00017
는 0이상 1이하의 값을 가질 수 있다.And, above
Figure pat00014
,
Figure pat00015
,
Figure pat00016
And
Figure pat00017
Can have a value of 0 or more and 1 or less.

본 발명의 자율 주행 차량에 의한 도시의 토지 이용 변화 예측 방법에 따르면,According to the method for predicting changes in land use in a city by an autonomous vehicle of the present invention,

첫째, 자율 주행 차량의 자동화 정도에 따라 나뉜 시나리오를 바탕으로 시뮬레이션하여 자율 주행 차량이 주요한 교통수단이 되었을 때의 도시의 토지 이용 변화를 예측할 수 있고, 이에 따라 효과적인 도시 설계와 정책 수립이 가능하다.First, by simulating based on scenarios divided according to the degree of automation of autonomous vehicles, it is possible to predict changes in land use in cities when autonomous vehicles become the main means of transportation, thereby enabling effective urban design and policy establishment.

도 1은 주요경로 데이터를 나타낸 예시도이다.
도 2는 주요교통지점 데이터를 나타낸 예시도이다.
도 3은 녹지데이터를 나타낸 예시도이다.
도 4는 수도권의 토지 이용 분포를 나타낸 예시도이다.
도 5는 수도권의 접근성 분포를 나타내는 예시도이다.
도 6은 수도권의 토지가격 분포를 나타내는 예시도이다.
도 7은 수도권의 녹지접근성 분포를 나타내는 예시도이다.
도 8은 셀의 토지용도 변화를 예측하는 과정을 나타내는 알고리즘이다.
도 9는 시나리오에 따른 수도권의 토지 이용 분포를 나타낸 예시도이다.
도 10은 시나리오에 따른 수도권의 토지 이용 분포를 나타낸 예시도이다.1 is an exemplary diagram showing main route data.
2 is an exemplary diagram showing main traffic point data.
3 is an exemplary view showing green area data.
4 is an exemplary diagram showing the distribution of land use in the metropolitan area.
5 is an exemplary diagram showing the distribution of accessibility in the metropolitan area.
6 is an exemplary diagram showing the distribution of land prices in the metropolitan area.
7 is an exemplary view showing the distribution of green area accessibility in the metropolitan area.
8 is an algorithm showing a process of predicting a change in land use of a cell.
9 is an exemplary diagram showing the distribution of land use in the metropolitan area according to a scenario.
10 is an exemplary diagram showing the distribution of land use in the metropolitan area according to a scenario.

이하, 첨부한 도면들을 참조하여 본 발명의 바람직한 실시예를 보다 상세하게 설명한다. 이때, 첨부된 도면에서 동일한 구성 요소는 가능한 동일한 부호로 나타내고 있음에 유의한다. 또한, 본 발명의 요지를 흐리게 할 수 있는 공지기능 및 구성에 대한 상세한 설명은 생략할 것이다. 마찬가지 이유로 첨부 도면에 있어서 일부 구성 요소는 과장되거나 생략되거나 개략적으로 도시되었다.Hereinafter, preferred embodiments of the present invention will be described in more detail with reference to the accompanying drawings. In this case, it should be noted that the same components in the accompanying drawings are indicated by the same reference numerals as possible. In addition, detailed descriptions of known functions and configurations that may obscure the subject matter of the present invention will be omitted. For the same reason, some components in the accompanying drawings are exaggerated, omitted, or schematically illustrated.

도 1은 주요경로 데이터를 나타낸 예시도이고, 도 2는 주요교통지점 데이터를 나타낸 예시도이며, 도 3은 녹지데이터를 나타낸 예시도이고, 도 4는 수도권의 토지 이용 분포를 나타낸 예시도이며, 도 5는 수도권의 접근성 분포를 나타내는 예시도이다.1 is an exemplary diagram showing main route data, FIG. 2 is an exemplary diagram showing data of major traffic points, FIG. 3 is an exemplary diagram showing green area data, and FIG. 4 is an exemplary diagram showing land use distribution in the metropolitan area, 5 is an exemplary diagram showing the distribution of accessibility in the metropolitan area.

그리고, 도 6은 수도권의 토지가격 분포를 나타내는 예시도이고, 도 7은 수도권의 녹지접근성 분포를 나타내는 예시도이며, 도 8은 셀의 토지용도 변화를 예측하는 과정을 나타내는 알고리즘이고, 도 9는 시나리오에 따른 수도권의 토지 이용 분포를 나타낸 예시도이며, 도 10은 시나리오에 따른 수도권의 토지 이용 분포를 나타낸 예시도이다.And, FIG. 6 is an exemplary diagram showing the distribution of land prices in the metropolitan area, FIG. 7 is an exemplary view showing the distribution of green area accessibility in the metropolitan area, and FIG. 8 is an algorithm showing a process of predicting a change in land use of a cell, and FIG. 9 It is an exemplary diagram showing the distribution of land use in the metropolitan area according to the scenario, and FIG. 10 is an exemplary view showing the distribution of land use in the metropolitan area according to the scenario.

본 발명의 자율 주행 차량에 의한 도시의 토지 이용 변화 예측 방법은, The method for predicting changes in urban land use by autonomous driving vehicles of the present invention,

토지 이용 변화를 예측할 도시를 선택한 후 복수의 시나리오 중 어느 하나를 선택하고,After selecting a city to predict land use change, select any one of multiple scenarios,

셀룰러 오토마타를 적용하기 위하여 선택된 도시의 크기에 따라 동일한 크기를 가지는 복수의 셀로 나누며,It is divided into a plurality of cells having the same size according to the size of the city selected to apply the cellular automata,

복수의 상기 셀의 토지용도를 구분한다.The land uses of the plurality of cells are identified.

여기서, 복수의 상기 시나리오는, 0 내지 2레벨의 자동화 레벨을 가지는 자율 주행 차량이 보편화되는 시나리오 및 3 내지 5레벨의 자동화 레벨을 가지는 자율 주행 차량이 보편화 되는 시나리오이다.Here, the plurality of the above scenarios are a scenario in which an autonomous vehicle having an automation level of 0 to 2 is common, and an autonomous vehicle having an automation level of 3 to 5 is common.

자율 주행 차량은 통제의 정도와 상황에 대처하는 능력에 따라 0 레벨에서 5 레벨까지 6 단계로 분류된다(SAE, 2014).Autonomous vehicles are classified into 6 levels from level 0 to level 5 according to the degree of control and ability to cope with the situation (SAE, 2014).

0 레벨의 자율 주행 차량은 자동화 기능이 채택되지 않은 차량이며, 1 레벨의 자율 주행 차량은 속도 또는 방향을 자동으로 제어 할 수 있고, 2 레벨의 자율 주행 차량은 지정된 구역 내에서 속도와 방향을 동시에 제어 할 수 있다.Autonomous vehicles of level 0 are vehicles that do not have the automation function adopted, autonomous vehicles of level 1 can automatically control speed or direction, and autonomous vehicles of level 2 can simultaneously control speed and direction within a designated area. Can be controlled.

그리고, 3 레벨의 자율 주행 차량은 주어진 지역 내에서 자율적으로 주행 할 수 있지만 폭설 조건과 같은 궂은 날씨가 발생할 경우 운전자 개입이 필요하고, 4 레벨의 자율 주행 차량은 지정된 구역 내에서자가 주행이 가능하며 운전자 개입이 필요하지 않으며, 5 레벨의 자율 주행 차량은 모든 상황에서 운전자 개입이 필요없는 완전 자율 차량이다.In addition, autonomous vehicles of level 3 can autonomously drive within a given area, but driver intervention is required when inclement weather such as heavy snow conditions occurs, and autonomous vehicles of level 4 can self-drive within a designated area. No driver intervention is required, and the 5-level autonomous vehicle is a fully autonomous vehicle that does not require driver intervention in all situations.

여기서, 셀의 토지용도 구분은 셀에 있는 용도에 따른 건축물의 총 면적에 의해 결정되는데, 셀에 포함되는 각각의 용도별 건축물 중 면적이 가장 큰 용도가 셀을 대표하는 토지용도가 된다.Here, the division of the land use of the cell is determined by the total area of the building according to the uses in the cell, and the use of the cell representing the cell is the land use with the largest area among the buildings for each use included in the cell.

토지용도에는 주거용, 상업용, 사회용, 공업용, 농업용, 빈토지, 공공 및 녹지가 있다.Land uses include residential, commercial, social, industrial, agricultural, vacant, public and green areas.

그리고, 각 셀마다 토지용도에 따른 접근성, 토지가격 및 녹지접근성 값을 추출하며,And, for each cell, the accessibility, land price and green area accessibility values according to the land use are extracted,

각 셀마다 토지용도에 따른 이웃효과 값을 추출하고,For each cell, the neighboring effect value according to the land use is extracted,

각 셀마다 토지용도에 따라 다른 접근성 가중치, 토지가격 가중치 및 녹지접근성 가중치 값을 설정하며,For each cell, different accessibility weights, land price weights, and green area accessibility weights are set according to land use.

각 셀마다 토지가 다른 용도로 사용될 수 있는 전환가능성을 나타내는 전환규칙에, 상기 접근성 가중치, 토지가격 가중치, 녹지접근성 가중치 값 및 이웃효과 값을 적용하여 토지용도별로 상기 전환가능성 값을 추출하며,For each cell, the convertibility value is extracted for each land use by applying the accessibility weight, land price weight, green area accessibility weight value, and neighborhood effect value to a conversion rule indicating the conversion possibility that land can be used for different purposes,

추출된 상기 전환가능성 값 중 최대값과 현재 셀의 토지용도의 전환가능성 값을 비교해 셀의 토지용도 변화 예측을 시뮬레이션한다.The maximum value of the extracted convertibility values and the convertibility value of the current cell land use are compared to simulate a change prediction of the land use of the cell.

여기서, 접근성 가중치, 토지가격 가중치 및 녹지접근성 가중치는 종래에 발표된 논문과 현재 우리나라 공간정보에서 셀로 구분된 영역의 토지용도별 분포 비율로 설정된다.Here, the accessibility weights, land price weights, and green area accessibility weights are set as the distribution ratios for each land use in a cell-divided area in the previously published paper and the current Korean spatial information.

접근성 값은 셀과 주요 도로 및 주요 교통지점과의 거리를 기반으로하여 단계적으로 설정되고,The accessibility value is set step by step based on the distance between the cell and major roads and major traffic points.

접근성 가중치 값은 토지용도, 시나리오 및 접근성 값을 이용하여 거리에 따라 단계적으로 설정된다. The accessibility weight value is set step by step according to the distance using the land use, scenario and accessibility values.

주요 도로에 대한 데이터는 오픈스트리트맵(OpenStreetMap)를 이용하고, 도 1과 같이 나타난다.Data on major roads uses OpenStreetMap, and is displayed as shown in FIG. 1.

그리고, 주요 도로까지의 거리는 셀의 중심에서 가장 가까운 주요 도로까지의 직선거리로 설정된다.And, the distance to the main road is set as a straight line distance from the center of the cell to the nearest main road.

주요 교차지점에 대한 데이터는 지능형 전송 시스템 표준 노드 데이터(National Transport Information Center)를 이용하며, 도 2와 같이 나타난다.The data for the main intersection point uses the intelligent transport system standard node data (National Transport Information Center), and is shown as shown in FIG. 2.

접근성 값은 이 데이터들을 이용하여 자율 주행 차량이 주행 할 수있는 가장 가까운 주요 도로까지의 거리와 자율 주행 대중 교통 시스템이 구축 될 가장 가까운 교통지점까지의 거리에 의해 설정된다.The accessibility value is set by the distance to the nearest major road on which autonomous vehicles can drive and the distance to the nearest traffic point where the autonomous public transport system is to be built using these data.

토지가격 값은 국립 지리 정보원(National Geographic Information Institute)에 공지된 자료를 기초로하여 셀에 포함된 토지의 가격의 평균 값으로 설정되는데, 토지 가격에 따라 단계적으로 설정된다.The land price value is set as the average value of the price of the land included in the cell based on data notified to the National Geographic Information Institute, and is set step by step according to the land price.

토지가격 가중치 값은 토지용도, 시나리오 및 토지가격 값을 이용하여 가중치가 다르게 설정된다.The land price weight value is set differently by using the land use, scenario and land price value.

녹지접근성 값은 셀과 녹지와의 거리와 셀의 토지용도를 기반으로 하여 단계적으로 설정된다.The green area accessibility value is set step by step based on the distance between the cell and the green area and the land use of the cell.

녹지접근성 가중치 값은 토지용도, 시나리오 및 녹지접근성 값을 이용하여 셀과 녹지와의 거리를 기반으로 거리에 따라 가중치가 다르게 설정된다.The green area accessibility weight value is set differently according to the distance based on the distance between the cell and the green area using land use, scenario and green area accessibility values.

녹지데이터는 국가 환경정보 네트워크 시스템을 기반으로 생태학적 특성지도에서 레벨1과 레벨2 지역으로 한정하고, 도 3과같이 나타난다.Green area data is limited to Level 1 and Level 2 areas in the ecological characteristic map based on the national environmental information network system, and is shown as shown in FIG. 3.

이웃효과는 토지용도를 이용하여 계산되고, 함수식은

Figure pat00018
이다.The neighborhood effect is calculated using land use, and the functional equation is
Figure pat00018
to be.

각 셀에는 200m, 400m, 600m 및 1000m의 범위가 형성되고, 범위가 겹치는 셀의 토지 용도 비율이 이용된다.In each cell, ranges of 200m, 400m, 600m and 1000m are formed, and the land use ratio of the cells that overlap the ranges is used.

여기서,

Figure pat00019
는 K 토지용도의 이웃효과이고,
Figure pat00020
는 c거리 내의 토지용도 L의 가중치 매개변수이며,
Figure pat00021
는 관성효과를 나타낸다.here,
Figure pat00019
Is the neighborhood effect of K land use,
Figure pat00020
Is the weight parameter of land use L within distance c,
Figure pat00021
Represents the inertial effect.

c는 Perry's neighborhood unit theory와 주요도로범위에 의해 결정되고,c is determined by Perry's neighborhood unit theory and main road coverage,

L은 셀의 현재 토지용도를 나타내며, 용도는 주거용, 상업용, 산업용, 농업용, 공공용, 녹지 및 빈토지 중 어느 하나이다.L represents the current land use of the cell, and the use is any one of residential, commercial, industrial, agricultural, public, green and vacant land.

여기서,

Figure pat00022
값은 c 거리에 따라 미리 설정된다.here,
Figure pat00022
The value is preset according to the c distance.

Figure pat00023
는 측정되는 셀이 c 범위 내에 동일한 용도의 셀을 포함하면
Figure pat00024
은 1 값을 가지고, 동일한 용도의 셀을 포함하지 않으면
Figure pat00025
은 0 값을 가진다.
Figure pat00023
Is, if the cell to be measured contains cells of the same purpose within the range c
Figure pat00024
Has a value of 1, and does not contain cells of the same purpose
Figure pat00025
Has a value of 0.

전환가능성의 함수식은

Figure pat00026
이다.The functional formula for convertibility is
Figure pat00026
to be.

K는 셀의 토지 용도이고,

Figure pat00027
는 토지용도 K로의 전환가능성이다.K is the cell's land use,
Figure pat00027
Is the possibility of converting to land use K.

Figure pat00028
는 셀의 토지용도가 K로 변할 접근성 가중치이며,
Figure pat00029
는 셀의 토지용도가 K로 변할 토지가격 가중치이고,
Figure pat00030
는 토지용도가 K로 변할 녹지접근성 가중치이며,
Figure pat00031
는 토지용도가 K인 셀의 이웃효과 값이다.
Figure pat00028
Is the accessibility weight at which the cell's land use will change to K,
Figure pat00029
Is the land price weight at which the cell's land use will change to K,
Figure pat00030
Is the green area accessibility weight whose land use will change to K,
Figure pat00031
Is the neighboring effect value of a cell whose land use is K.

여기서,

Figure pat00032
,
Figure pat00033
,
Figure pat00034
및
Figure pat00035
는 0이상 1이하의 값을 가진다.here,
Figure pat00032
,
Figure pat00033
,
Figure pat00034
And
Figure pat00035
Has a value between 0 and 1 and less.

예를들어 구체적으로 설명한다.It will be described in detail with an example.

토지 이용변화를 예측할 도시를 서울 수도권으로 선택하고, 앞서 설명한 두 개의 시나리오 중 어느 하나를 선택한다.Select a city in the Seoul metropolitan area to predict land use change, and select one of the two scenarios described above.

서울 수도권의 면적은 약 11,700 평방 킬로미터이고, 인구는 2,600 만명이다.The area of Seoul's metropolitan area is about 11,700 square kilometers and has a population of 26 million.

셀룰러 오토마타를 적용하기 위하여 서울 수도권을 200m×200m의 셀로 나누면, 서울 수도권은 279,742개의 셀로 나뉘게 된다.If the Seoul metropolitan area is divided into 200m×200m cells to apply the cellular automata, the Seoul metropolitan area will be divided into 279,742 cells.

그리고, 도 4에 도시된 것처럼 279,742개의 셀을 현재 토지 용도에 따라 구분하고, And, as shown in Fig. 4, 279,742 cells are divided according to the current land use,

여기서, 셀의 용도는 주거용, 상업용, 산업용, 농업용, 공공용, 녹지 및 빈토지로 구분될 수 있다.Here, the use of the cell may be classified into residential, commercial, industrial, agricultural, public, green and empty land.

각 셀마다 토지용도에 따른 접근성 값, 토지가격 값 및 녹지접근성 값을 추출하고, 토지용도에 따른 이웃효과 값을 추출한다.For each cell, the accessibility value, land price value, and green area accessibility value according to land use are extracted, and the neighboring effect value according to land use is extracted.

그리고, 접근성 값, 토지가격 값 및 녹지접근성 값을 이용하여, 도 5 내지 도 7에 도시된 것처럼 접근성 가중치 값, 토지가격 가중치 값 및 녹지접근성 가중치 값을 설정하기 위하여 단계를 나눈다.And, using the accessibility value, the land price value, and the green area accessibility value, steps are divided to set the accessibility weight value, the land price weight value, and the green area accessibility weight value as shown in FIGS. 5 to 7.

여기서, 접근성 가중치 값, 토지가격 가중치 값 및 녹지접근성 가중치 값은 주거용, 상업용, 산업용, 농업용, 공공용, 녹지 및 빈토지 마다 각각 다르게 설정된다.Here, the accessibility weight value, the land price weight value, and the green area accessibility weight value are set differently for residential, commercial, industrial, agricultural, public, green and vacant lands.

이후, 각 셀마다 전환규칙에 접근성 가중치, 토지가격 가중치, 녹지접근성 가중치 및 이웃효과 값을 적용하여 각 셀마다 토지가 다른 용도로 사용될 수 있는 전환가능성 값을 추출한다.Thereafter, the accessibility weight, land price weight, green area accessibility weight, and neighborhood effect values are applied to the conversion rule for each cell to extract convertibility values that can be used for different purposes in each cell.

여기서, 하나의 셀의 주거용, 상업용, 산업용 및 농업용으로 변화할 수 있는 전환가능성 값이 모두 추출된다.Here, all convertible values of one cell for residential, commercial, industrial and agricultural use are extracted.

공공용 및 녹지 셀은 용도가 고정되어 있어 용도가 변하지 않고, 빈토지는 주거용, 농업용, 산업용 및 상업용으로 변화될 수 있으나 주거용, 농업용, 산업용 및 상업용이 빈토지로 변화될 순 없다.The use of public and green cells is fixed and the use does not change, and vacant land can be changed to residential, agricultural, industrial and commercial, but residential, agricultural, industrial and commercial cannot be changed to vacant land.

그러므로, 셀의 현재 용도가 주거용, 농업용, 산업용 및 상업용인 경우 주거용, 상업용, 산업용 및 농업용의 전환가능성 값을 모두 계산하고, 공공용 및 녹지 셀의 경우 전환가능성 값을 계산하지 않으며, 빈토지 셀의 경우 주거용, 상업용, 산업용 및 농업용의 전환가능성 값을 계산한다.Therefore, if the current use of the cell is residential, agricultural, industrial and commercial, all convertibility values for residential, commercial, industrial and agricultural use are calculated; for public and green cells, the convertibility value is not calculated. If so, calculate the convertibility values for residential, commercial, industrial and agricultural use.

그리고, 각 셀의 현재 토지 용도를 제외한 다른 용도들의 전환가능성 값 중 최대값을 추출하고, 현재 토지 용도의 전환가능성 값과 추출된 최대값을 비교하여토지 용도의 변화를 예측할 수 있다.In addition, the maximum value of the convertibility values of uses other than the current land use of each cell is extracted, and the change of the land use can be predicted by comparing the convertibility value of the current land use with the extracted maximum value.

여기서, 어느 하나의 셀의 현재 용도의 전환가능성 값과 현재 용도를 제외한 나머지 용도의 전환가능성 값 중 최대값을 비교하여 토지 용도의 변화를 예측한다.Here, the change in land use is predicted by comparing the convertibility value of the current use of any one cell with the maximum value of the convertibility value of other uses excluding the current use.

도 8은 토지용도의 변화를 예측할 수 있는 과정을 나타내는 알고리즘이다.8 is an algorithm showing a process for predicting changes in land use.

도 8에 나타난 것처럼 각 셀마다 현재 토지용도를 제외한 다른 토지용도의 전환가능성 값을 추출하고, 그 중에 최대값을 추출한다.As shown in FIG. 8, convertibility values of land uses other than the current land use are extracted for each cell, and a maximum value is extracted among them.

그리고, 현재 토지용도의 전환가능성 값과 추출된 최대값을 비교하여 현재 토지용도의 전환가능성 값이 더 높다면 현재 토지용도를 유지하고, 추출된 최대값을 더 높다면 토지의 용도 변화를 예측할 수 있다.And, by comparing the convertibility value of the current land use with the extracted maximum value, if the convertibility value of the current land use is higher, the current land use is maintained, and if the extracted maximum value is higher, the change in land use can be predicted. have.

예를들어, 하나의 셀의 주거용, 상업용, 산업용, 농업용 및 빈토지에 따른 전환가능성 값을 모두 추출한다.For example, all convertibility values for residential, commercial, industrial, agricultural, and vacant land of one cell are extracted.

셀의 현재 용도가 농업이라면, 농업을 제외한 주거용, 상업용 및 산업용의 전환가능성 값 중에 최대값을 추출한다.If the cell's current use is in agriculture, the maximum of the convertible values for residential, commercial and industrial excluding agriculture is extracted.

추출된 최대값이 상업용 전환가능성 값이라면 농업용 전환가능성 값과 상업용 전환가능성 값을 비교해 농업용이 더 크면 현재 셀은 기존 용도를 유지하고, 상업용이 더 크면 상업용으로 변화될 것으로 예상할 수 있다.If the extracted maximum value is a commercial convertibility value, the agricultural convertibility value and the commercial convertibility value are compared, and if the agricultural use is larger, the current cell retains its existing use, and if the commercial use is larger, it can be expected to change to commercial use.

여기서, 셀은 주거용, 산업용, 상업용 및 농업용 셀로 변화할 수 있으며, 공공용과 녹지는 용도가 변하지 않는다고 가정하였다.Here, it is assumed that cells can be changed into residential, industrial, commercial, and agricultural cells, and that the use of public and green areas does not change.

또한, 빈 토지는 주거용, 상업용, 산업용 및 농업용 셀로 변화할 수 있으나 주거용, 상업용, 산업용 및 농업용 셀은 빈 토지로 변화할 수 없다.In addition, vacant land can be converted into residential, commercial, industrial and agricultural cells, but residential, commercial, industrial and agricultural cells cannot be converted into vacant land.

따라서, 셀의 현재 용도가 주거용, 농업용, 산업용 및 상업용인 경우 주거용, 상업용, 산업용 및 농업용의 전환가능성 값을 모두 계산하고, 공공용 및 녹지 셀의 경우 전환가능성 값을 계산하지 않으며, 빈토지 셀의 경우 주거용, 상업용, 산업용 및 농업용의 전환가능성 값을 계산한다.Therefore, if the current use of the cell is residential, agricultural, industrial and commercial, all convertibility values for residential, commercial, industrial and agricultural use are calculated, and for public and green cells, the convertibility value is not calculated. If so, calculate the convertibility values for residential, commercial, industrial and agricultural use.

도 9는 0 내지 2 레벨을 가지는 자율 주행 차량이 보편화된 시나리오에 대한 뮬레이션 결과를 나타낸다.9 shows simulation results for a scenario in which an autonomous vehicle having 0 to 2 levels is common.

도 10은 3 내지 5 레벨을 가지는 자율 주행 차량이 보편화된 시나리오에 대한 시뮬레이션 결과를 나타낸다.10 shows simulation results for a scenario in which autonomous vehicles having 3 to 5 levels are common.

따라서, 시나리오에 따라 도출된 결과를 분석하여 토지 이용의 변화를 예측할 수 있다.Therefore, it is possible to predict changes in land use by analyzing the results derived according to the scenario.

실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.Although described with reference to Examples, those skilled in the art can understand that the present invention can be variously modified and changed without departing from the spirit and scope of the present invention described in the following claims. There will be.

Claims (10)

자율 주행 차량에 의한 도시의 토지 이용 변화를 예측하기 위하여,
토지 이용 변화를 예측할 도시를 선택한 후 복수의 시나리오 중 어느 하나를 선택하고,
셀룰러 오토마타를 적용하기 위하여 선택된 도시의 크기에 따라 동일한 크기를 가지는 복수의 셀로 나누며,
복수의 상기 셀의 토지용도를 구분하고,
각 셀마다 토지용도에 따른 접근성, 토지가격 및 녹지접근성 값을 추출하며,
각 셀마다 토지용도에 따른 이웃효과 값을 추출하고,
토지용도에 따라 다른 접근성 가중치, 토지가격 가중치 및 녹지접근성 가중치 값을 설정하며,
각 셀마다 토지가 다른 용도로 사용될 수 있는 전환가능성을 나타내는 전환규칙에, 상기 접근성 가중치, 토지가격 가중치, 녹지접근성 가중치 값 및 이웃효과 값을 적용하여 토지용도별로 상기 전환가능성 값을 추출하고,
추출된 상기 전환가능성 값 중 최대값과 현재 셀의 토지용도의 전환가능성 값을 비교해 셀의 토지용도 변화 예측을 시뮬레이션하는 자율 주행 차량에 의한 도시의 토지 이용 변화 예측 방법.To predict changes in urban land use by autonomous vehicles,
After selecting a city to predict land use change, select any one of multiple scenarios,
It is divided into a plurality of cells having the same size according to the size of the city selected to apply the cellular automata,
Classify the land use of the plurality of cells,
For each cell, the accessibility, land price and green area accessibility values are extracted according to the land use,
For each cell, the neighboring effect value according to the land use is extracted,
Different accessibility weights, land price weights, and green area accessibility weights are set according to land use,
For each cell, the convertibility value for each land use is extracted by applying the accessibility weight, land price weight, green area accessibility weight value, and neighborhood effect value to a conversion rule indicating the conversion possibility that land can be used for different purposes,
A method for predicting land use change in a city by an autonomous vehicle that simulates predicting a change in land use of a cell by comparing a maximum value among the extracted convertibility values with a convertibility value of the current cell land use. 제1항에 있어서,
복수의 상기 시나리오는,
0 내지 2레벨의 자동화 레벨을 가지는 자율 주행 차량이 보편화되는 시나리오 및 3 내지 5레벨의 자동화 레벨을 가지는 자율 주행 차량이 보편화 되는 시나리오인 것을 특징으로 하는 자율 주행 차량에 의한 도시의 토지 이용 변화 예측 방법.The method of claim 1,
A plurality of the above scenarios,
A method for predicting changes in land use in a city by an autonomous vehicle, characterized in that a scenario in which an autonomous vehicle having an automation level of 0 to 2 levels becomes universal and an autonomous vehicle having an automation level of 3 to 5 levels is universal . 제2항에 있어서,
상기 접근성 값은,
셀과 주요 도로 및 주요 교통지점과의 거리를 기반으로하여 단계적으로 설정되고,
상기 접근성 가중치 값은,
토지용도, 상기 시나리오 및 상기 접근성 값을 이용하여 단계적으로 설정되는 것을 특징으로 하는 자율 주행 차량에 의한 도시의 토지 이용 변화 예측 방법.The method of claim 2,
The accessibility value is,
It is set in stages based on the distance between the cell and major roads and major traffic points,
The accessibility weight value is,
A method for predicting changes in land use in a city by an autonomous vehicle, characterized in that it is set step by step using the land use, the scenario, and the accessibility value. 제3항에 있어서,
상기 토지가격 값은,
셀에 포함된 토지의 가격 데이터의 평균값을 이용하여 단계적으로 설정되고,
상기 토지가격 가중치 값은,
토지용도, 상기 시나리오 및 상기 토지가격 값을 이용하여 단계적으로 설정되는 것을 특징으로 하는 자율 주행 차량에 의한 도시의 토지 이용 변화 예측 방법.The method of claim 3,
The land price value is,
It is set step by step using the average value of land price data included in the cell,
The land price weight value is,
A method for predicting changes in land use in a city by an autonomous vehicle, characterized in that it is set step by step using the land use, the scenario, and the land price value. 제4항에 있어서,
상기 녹지접근성 값은,
셀과 녹지와의 거리와 셀의 토지용도를 기반으로하여 단계적으로 설정되고,
상기 녹지접근성 가중치는,
토지용도, 시나리오 및 상기 녹지접근성 값을 이용하여 단계적으로 설정되는 것을 특징으로 하는 자율 주행 차량에 의한 도시의 토지 이용 변화 예측 방법.The method of claim 4,
The green area accessibility value is,
It is set in stages based on the distance between the cell and the green area and the land use of the cell,
The green area accessibility weight is,
A method for predicting changes in land use in a city by an autonomous vehicle, characterized in that it is set step by step using the land use, the scenario and the green area accessibility value. 제5항에 있어서,
상기 이웃효과 값의 함수식은,
Figure pat00036
이며,
상기
Figure pat00037
는 K 토지 용도의 이웃효과이고, 상기
Figure pat00038
는 c거리 내의 토지 용도 L의 가중치 매개변수이며, 상기
Figure pat00039
는 관성효과인 것을 특징으로 하는 자율 주행 차량에 의한 도시의 토지 이용 변화 예측 방법.The method of claim 5,
The functional formula of the neighboring effect value is,
Figure pat00036
Is,
remind
Figure pat00037
Is the neighborhood effect of K land use, and above
Figure pat00038
Is the weighting parameter of land use L within distance c, and
Figure pat00039
A method for predicting changes in land use in cities by autonomous vehicles, characterized in that is an inertial effect. 제6항에 있어서,
상기 c는,
Perry's neighborhood unit theory와 주요도로범위에 의해 설정되는 것을 특징으로 하는 자율 주행 차량에 의한 도시의 토지 이용 변화 예측 방법.The method of claim 6,
C is,
A method for predicting changes in urban land use by autonomous vehicles, characterized in that it is set by Perry's neighborhood unit theory and main road coverage. 제7항에 있어서,
상기
Figure pat00040
는,
상기 c 범위 내에 동일한 용도의 셀을 포함하면 상기
Figure pat00041
은 1 값을 가지고,
동일한 용도의 셀을 포함하지 않으면 상기
Figure pat00042
은 0 값을 가지는 것을 특징으로 하는 자율 주행 차량에 의한 도시의 토지 이용 변화 예측 방법.The method of claim 7,
remind
Figure pat00040
Is,
If the cell for the same purpose is included in the range c, the
Figure pat00041
Has a value of 1,
If it does not contain cells of the same purpose,
Figure pat00042
A method for predicting changes in land use in a city by an autonomous vehicle, characterized in that has a value of 0. 제8항에 있어서,
상기 전환가능성 값 함수식은,
Figure pat00043
이며,
상기 K는 셀의 토지용도이고, 상기
Figure pat00044
는 토지 용도 K로의 전환가능성이며,
Figure pat00045
는 토지용도가 K로 변할 접근성 가중치 값이며,
Figure pat00046
는 토지용도가 K로 변할 토지가격 가중치 값이고,
Figure pat00047
는 토지용도가 K로 변할 녹지접근성 가중치 값이며,
Figure pat00048
는 토지용도가 K인 셀의 이웃효과 값인 것을 특징으로 하는 자율 주행 차량에 의한 도시의 토지 이용 변화 예측 방법.The method of claim 8,
The convertibility value function formula is,
Figure pat00043
Is,
K is the land use of the cell, and
Figure pat00044
Is the possibility of converting to land use K,
Figure pat00045
Is the accessibility weight value at which the land use will change to K,
Figure pat00046
Is the land price weight value at which the land use will change to K,
Figure pat00047
Is the green area accessibility weight value at which the land use will change to K,
Figure pat00048
Is a method for predicting changes in urban land use by autonomous vehicles, characterized in that the neighboring effect value of a cell whose land use is K. 제9항에 이어서,
상기
Figure pat00049
,
Figure pat00050
,
Figure pat00051
및
Figure pat00052
는 0이상 1이하의 값을 가지는 것을 특징으로 하는 자율 주행 차량에 의한 도시의 토지 이용 변화 예측 방법.
Following paragraph 9,
remind
Figure pat00049
,
Figure pat00050
,
Figure pat00051
And
Figure pat00052
Is a method for predicting changes in land use in a city by an autonomous vehicle, characterized in that it has a value of 0 or more and 1 or less.
KR1020190057391A 2019-05-16 2019-05-16 Prediction Method of Urban Land Use Change by Autonomous Vehicle KR102237927B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190057391A KR102237927B1 (en) 2019-05-16 2019-05-16 Prediction Method of Urban Land Use Change by Autonomous Vehicle

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190057391A KR102237927B1 (en) 2019-05-16 2019-05-16 Prediction Method of Urban Land Use Change by Autonomous Vehicle

Publications (2)

Publication Number Publication Date
KR20200132225A true KR20200132225A (en) 2020-11-25
KR102237927B1 KR102237927B1 (en) 2021-04-08

Family

ID=73645468

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190057391A KR102237927B1 (en) 2019-05-16 2019-05-16 Prediction Method of Urban Land Use Change by Autonomous Vehicle

Country Status (1)

Country Link
KR (1) KR102237927B1 (en)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112651661A (en) * 2021-01-11 2021-04-13 中国科学院空天信息创新研究院 Digital simulation method and system for village and town settlement space development
CN113743659A (en) * 2021-08-24 2021-12-03 中国科学院地理科学与资源研究所 Urban layout prediction method based on component method and Markov cellular automaton and application
KR20220096706A (en) * 2020-12-31 2022-07-07 한국기술교육대학교 산학협력단 Apparatus and method of learn of simulation model based on actual infection data

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040145496A1 (en) * 1996-09-25 2004-07-29 Ellis Christ G. Intelligent vehicle apparatus and method for using the apparatus
KR20140102095A (en) * 2013-02-13 2014-08-21 청주대학교 산학협력단 Land use/transportation/environment model simulation system of low carbon emission style in urban development zone

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040145496A1 (en) * 1996-09-25 2004-07-29 Ellis Christ G. Intelligent vehicle apparatus and method for using the apparatus
KR20140102095A (en) * 2013-02-13 2014-08-21 청주대학교 산학협력단 Land use/transportation/environment model simulation system of low carbon emission style in urban development zone

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220096706A (en) * 2020-12-31 2022-07-07 한국기술교육대학교 산학협력단 Apparatus and method of learn of simulation model based on actual infection data
CN112651661A (en) * 2021-01-11 2021-04-13 中国科学院空天信息创新研究院 Digital simulation method and system for village and town settlement space development
CN113743659A (en) * 2021-08-24 2021-12-03 中国科学院地理科学与资源研究所 Urban layout prediction method based on component method and Markov cellular automaton and application
CN113743659B (en) * 2021-08-24 2024-01-09 中国科学院地理科学与资源研究所 Urban layout prediction method based on component method and Markov cellular automaton and application

Also Published As

Publication number Publication date
KR102237927B1 (en) 2021-04-08

Similar Documents

Publication Publication Date Title
Chen et al. Optimal design of autonomous vehicle zones in transportation networks
KR102237927B1 (en) Prediction Method of Urban Land Use Change by Autonomous Vehicle
Church et al. Mapping evacuation risk on transportation networks using a spatial optimization model
Tostes et al. From data to knowledge: City-wide traffic flows analysis and prediction using bing maps
JP2002259888A (en) Simulation control program, method and device
Huang et al. A methodology to control urban traffic noise under the constraint of environmental capacity: A case study of a double-decision optimization model
CN113158424B (en) Model construction method and device for mine unmanned road network traffic flow optimization
Liu et al. An agent-based evacuation model for the 2011 Brisbane City-scale riverine flood
Newton et al. Spatial temporal dynamics of vehicle stopping behavior along a rustic park road
Vamshi et al. Dynamic route planning framework for minimal air pollution exposure in urban road transportation systems
Beura et al. Operational analysis of signalized street segments using multi-gene genetic programming and functional network techniques
Menguc et al. A data driven approach to forecasting traffic speed classes using extreme gradient boosting algorithm and graph theory
Lawrence et al. The modelling of pedestrian vehicle interaction for post-exiting behaviour
Anantsuksomsri et al. A spatial agent-based model of a congestion game: evolutionary game theory in space
Savla et al. Guest editorial special issue on modeling dynamic transportation networks in the age of connectivity, autonomy and data
Háznagy et al. Comparing the road networks of residential areas
Liu et al. Route guidance during evacuations integrated with perimeter control strategy in large-scale mixed traffic flow networks
Kumaravel et al. A graph-theoretic approach for optimizing signalized intersections under connected vehicle environment
CN115130781B (en) Method for calculating shortest evacuation path of personnel in urban flood
Shahraki et al. A review on the effects of IoT and smart cities technologies on urbanism
Wen et al. Link Structure Analysis of Urban Street Networks for Delineating Traffic Impact Areas
KR102665256B1 (en) Apparatus and method for managing flow of crowd
Liggio et al. Smart Cities: Opportunities and Risks
KR102319662B1 (en) Illegal parking management device and method using cctv
Goel Special Issue on Connected Vehicles [Guest Editorial]

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right