KR20210000198A - 도로 교통 혼잡도 예측 및 모의 방법 - Google Patents

도로 교통 혼잡도 예측 및 모의 방법 Download PDF

Info

Publication number
KR20210000198A
KR20210000198A KR1020190075212A KR20190075212A KR20210000198A KR 20210000198 A KR20210000198 A KR 20210000198A KR 1020190075212 A KR1020190075212 A KR 1020190075212A KR 20190075212 A KR20190075212 A KR 20190075212A KR 20210000198 A KR20210000198 A KR 20210000198A
Authority
KR
South Korea
Prior art keywords
simulated
vehicle
traffic congestion
traffic
vehicles
Prior art date
Application number
KR1020190075212A
Other languages
English (en)
Other versions
KR102199369B1 (ko
Inventor
김장현
김일석
김원조
주우식
Original Assignee
(주)아레스
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 (주)아레스 filed Critical (주)아레스
Priority to KR1020190075212A priority Critical patent/KR102199369B1/ko
Publication of KR20210000198A publication Critical patent/KR20210000198A/ko
Application granted granted Critical
Publication of KR102199369B1 publication Critical patent/KR102199369B1/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
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G08G1/0145—Measuring and analyzing of parameters relative to traffic conditions for specific applications for active traffic flow control
    • 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
    • G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed

Landscapes

  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Operations Research (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Traffic Control Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명은 재난대응 훈련시스템에 관한 것이며, 더욱 상세히는 재난대응 훈련시스템용 컴퓨터(예컨대, 데스크톱, 노트북, 태블릿 PC 등)에 의해 수행되는 도로 교통 혼잡도 예측 및 모의 방법에 관한 것으로, 교통혼잡도 안내단말(100)에서, 실시간 교통상황정보 안내서버(200)에 접속하여, 재난대응 훈련에 따라 모의 훈련을 실시하고자 하는 지역의 도로 구간인 모의교통구간에서 실제로 이동중인 차량의 평균이동속도(VCj)를 포함하는 실시간 도로정보를 확보하는 단계(S100)와; 교통혼잡도 안내단말(100)에서, 확보된 상기 실시간 도로정보에 포함된 정보로서, 모의교통구간에서 실제 이동중인 차량의 평균이동속도(VCj)를 토대로 해당 모의교통구간에서 이동 중인 차량의 평균 차간거리(Ijreal)를 예측하는 단계(S200)와; 교통혼잡도 안내단말(100)에서, 예측된 해당 모의교통구간에서 이동 중인 차량의 평균 차간거리(Ijreal)를 토대로 모의교통구간에서 실제 이동중인 차량과 모의하는 차량을 모두 고려한 도로 교통 혼잡도를 예측하고, 모의하는 단계(S300);로 이루어진다.

Description

도로 교통 혼잡도 예측 및 모의 방법{Method for predicting and simulating congestion of road flow}
본 발명은 재난대응 훈련시스템에 관한 것이며, 더욱 상세히는 재난대응 훈련시스템용 컴퓨터에 의해 수행되는 도로 교통 혼잡도 예측 및 모의 방법에 관한 것이다.
M&S(Modeling & Simulation) 기법을 이용한 재난대응 훈련시스템에서 차량의 도로 이동을 모의하기 위해서는 도로의 교통 혼잡도를 예측하여 모의하여야 한다.
참고로, M&S(Modeling & Simulation) 기법은 모델링과 시뮬레이션의 줄임말로 실제 실험을 대신해 모형을 설계하고 이를 가상 실험을 통해 문제점을 예측하고 보완하는 기법이다. 예컨대, 국방과학기술 분야에서는 상기한 M&S(Modeling & Simulation) 기법이 전장과 유사한 특성 및 기능을 모형화(Modeling)하고, 이런 환경에서 진행하는 모의(Simulation)를 통해 실험 결과를 예측하고 검증하는 과학적 기법으로 활용되고 있다.
이러한 재난대응 훈련시스템에서 모의할 도로 구간별 혼잡도를 추정하는 것은 실시간 도로정보로부터 확보할 수 있는 현실 세계의 일반 차량에 의한 혼잡도와 함께 시뮬레이션 기법으로 수행되는 훈련에 동원되는 모의 차량에 의한 가상의 혼잡도를 동시에 고려해야 하므로 도로 혼잡도를 예측하고 모의하는 방법이 필요하다.
한편, 특허문헌1에 따른 교통혼잡지표 산출 방법 및 장치는 도로에 설치된 루프 센서를 이용하여 단위시간 동안에 도로를 통과한 차량의 대수를 측정하여 교통혼잡지표를 산출하는 것으로 루프 센서가 설치된 도로의 교통 혼잡 지표를 산출하는 것이다.
그리고 특허문헌2에 따른 교통밀도 기반의 도로혼잡도 추정 시스템 및 그 방법은 도로를 주행하면서 주변 차량을 감지하는 프로브 차량을 이용하여 교통밀도를 수집하고 이를 반영하여 도로혼잡도를 추정하는 것이다.
특허문헌3에 따른 교통 혼잡도 계산 시스템 및 방법은 과거의 도로별 차량의 이동속도 등 예전의 교통 이력 데이터를 활용하여 현재의 교통 혼잡도를 예측하는 것이다.
상기한 특허문헌1 내지 3과 같이 실제 도로의 상황정보를 이용하여 도로의 교통 혼잡도를 산출하는 기술들은 개발되었으나, 재난대응 훈련시스템에서 모의 훈련을 실시하고자 하는 특정지역의 실제 도로를 주행하는 차량들에 의한 교통혼잡도와 모의하는 차량에 의한 교통혼잡도를 동시에 고려하는 기술이 필요하다.
KR 10-1671245 B1 KR 10-1817127 B1 KR 10-1545494 B1
본 발명은 재난대응 훈련시스템에서 도로 교통 혼잡도를 예측하여 모의하기 위한 것으로, 본 발명의 목적은 도로를 주행하는 차량들의 차간거리를 차량속도에 따라 연산하고, 이를 교통 혼잡의 예측 및 모의에 적용한 도로 교통 혼잡도 예측 및 모의 방법을 제공하는데 있다.
본 발명의 다른 목적은 M&S(Modeling & Simulation) 기법을 이용하여 재난대응 훈련시스템에서 모의 훈련을 실시하고자 하는 특정지역의 실제 도로 구간을 주행하는 실제 차량들에 의한 교통혼잡도와 모의하는 차량에 의해 추가로 야기되는 교통혼잡도를 동시에 고려한 도로 교통 혼잡도 예측 및 모의 방법을 제공하는데 있다.
상기와 같은 본 발명의 목적을 달성하기 위하여, 본 발명에 따른 도로 교통 혼잡도 예측 및 모의 방법은, 교통혼잡도 안내단말에서, 실시간 교통상황정보 안내서버에 접속하여, 재난대응 훈련에 따라 모의 훈련을 실시하고자 하는 지역의 도로 구간인 모의교통구간에서 실제로 이동중인 차량의 평균이동속도(VCj)를 포함하는 실시간 도로정보를 확보하는 단계와; 교통혼잡도 안내단말에서, 확보된 상기 실시간 도로정보에 포함된 정보로서, 모의교통구간에서 실제 이동중인 차량의 평균이동속도(VCj)를 토대로 해당 모의교통구간에서 이동 중인 차량의 평균 차간거리(Ijreal)를 예측하는 단계와; 교통혼잡도 안내단말에서, 예측된 해당 모의교통구간에서 실제 이동중인 차량과 모의하는 차량을 모두 고려한 도로 교통 혼잡도를 예측하고, 모의하는 단계;로 이루어진다.
상기 교통혼잡도 안내단말에서, 확보된 상기 실시간 도로정보에 포함된 정보로서, 모의교통구간에서 실제 이동중인 차량의 평균이동속도(VCj)를 토대로 해당 모의교통구간에서 실제 이동중인 차량의 평균 차간거리(Ijreal)를 연산하는 단계에 있어서, 상기 모의교통구간에서 실제 이동중인 차량의 평균 차간거리(Ijreal)는 하기의 수학식으로 구한 값인 것을 특징으로 한다.
Ijreal = (21/5000)(VCj)2 ＋ 0.07(VCj) ＋ 1
상기 교통혼잡도 안내단말에서, 예측된 해당 모의교통구간에서 실제 이동중인 차량의 평균 차간거리(Ijreal)를 토대로 모의교통구간에서 실제 이동중인 차량과 모의하는 차량을 모두 고려한 도로 교통 혼잡도를 예측하고, 모의하는 단계는, 교통혼잡도 안내단말에서, 연산된 해당 모의교통구간에서 실제 이동중인 차량의 평균 차간거리(Ijreal)를 토대로 해당 모의교통구간의 단위 길이당 실제 이동중인 차량 대수(DCjreal)를 예측하는 단계;를 포함한다.
상기 교통혼잡도 안내단말에서, 연산된 해당 모의교통구간에서 실제 이동중인 차량의 평균 차간거리(Ijreal)를 토대로 해당 모의교통구간의 단위 길이당 실제 이동중인 차량 대수(DCjreal)를 연산하는 단계에 있어서, 해당 모의교통구간의 단위 길이당 실제 이동중인 차량 대수(DCjreal)는 하기의 수학식으로 구한 값인 것을 특징으로 한다.
Figure pat00001
nj는 모의교통구간의 실제 차로 수이다.
S는 차량의 전장이다.
상기 교통혼잡도 안내단말에서, 연산된 해당 모의교통구간에서 실제 이동중인 차량의 평균 차간거리(Ijreal)를 토대로 모의교통구간에서 실제 이동중인 차량과 모의하는 차량을 모두 고려한 도로 교통 혼잡도를 예측하고, 모의하는 단계는, 해당 모의교통구간에 진입하여 도로 교통 혼집도에 영향을 주는 모의 진입차량대수(Nveh)를 예측하는 단계;를 더 포함한다.
상기 교통혼잡도 안내단말에서, 해당 모의교통구간에 진입하는 모의 진입차량대수(Nveh)를 예측하는 단계에 있어서, 상기 모의 진입차량대수(Nveh)는 하기의 수학식으로 구한 값인 것을 특징으로 한다.
Figure pat00002
∵ Tjreal = 3600 × (1/VCj)
∴
Figure pat00003
Tarrival은 재난대응훈련 시 모의교통구간에 진입하는 모의 차량들이 모의교통구간의 진입로에 도착하는 도착시간간격(arrival time interval)(단위:초)이다.
Tjreal은 차량이 모의교통구간의 단위 길이(1,000m)를 실제 이동중인 차량의 평균이동속도(VCj)로 통과하는데 소요되는 시간(단위:초)이다.
상기 교통혼잡도 안내단말에서, 연산된 해당 모의교통구간에서 실제 이동중인 차량의 평균 차간거리(Ijreal)를 토대로 모의교통구간에서 실제 이동중인 차량과 모의하는 차량을 모두 고려한 도로 교통 혼잡도를 예측하고, 모의하는 단계는, 교통혼잡도 안내단말에서, 해당 모의교통구간에서 실제 이동중인 차량 대수와 모의 진입차량대수(Nveh)가 반영된 전체 차량의 모의 평균 차간거리(Ijvirtual)를 모의하는 단계;를 더 포함한다.
상기 교통혼잡도 안내단말에서, 해당 모의교통구간에서 상기 실제 이동중인 차량 대수와 모의 진입차량대수(Nveh)가 반영된 전체 차량의 모의 평균 차간거리(Ijvirtual)를 모의하는 단계에 있어서, 상기 모의 평균 차간거리(Ijvirtual)는 하기의 수학식으로 구한 값인 것을 특징으로 한다.
Figure pat00004
상기 교통혼잡도 안내단말에서, 연산된 해당 모의교통구간에서 실제 이동중인 차량의 평균 차간거리(Ijreal)를 토대로 모의교통구간에서 실제 이동중인 차량과 모의하는 차량을 모두 고려한 도로 교통 혼잡도를 예측하고, 모의하는 단계는, 교통혼잡도 안내단말에서, 해당 모의교통구간에서 상기 모의 진입차량대수(Nveh)가 반영된 전체 차량의 모의 평균이동속도(VCjvirtual)를 모의하는 단계;를 더 포함한다.
상기 교통혼잡도 안내단말에서, 해당 모의교통구간에서 상기 모의 진입차량대수(Nveh)가 반영된 전체 차량의 모의 평균이동속도(VCjvirtual)를 모의하는 단계에 있어서, 상기 모의 진입차량대수(Nveh)가 반영된 전체 차량의 모의 평균이동속도(VCjvirtual)는 하기의 2차 방정식의 근의 공식을 이용하여 모의 평균이동속도(VCjvirtual)를 구한다.
Ijvirtual = (21/5000)(VCjvirtual)2 ＋ 0.07(VCjvirtual) ＋ 1
상기 교통혼잡도 안내단말에서, 연산된 해당 모의교통구간에서 실제 이동중인 차량의 평균 차간거리(Ijreal)를 토대로 모의교통구간에서 실제 이동중인 차량과 모의하는 차량을 모두 고려한 도로 교통 혼잡도를 예측하고, 모의하는 단계는, 교통혼잡도 안내단말에서, 상기 모의 진입차량대수(Nveh)가 반영된 전체 차량의 모의 평균이동속도(VCjvirtual)를 기준으로 교통혼잡도를 판단하고, 이를 출력부를 통해 출력하는 단계;를 더 포함한다.
본 발명은 도로를 주행하는 차량들의 차간거리를 차량속도에 따라 연산하고, 이를 교통 혼잡의 예측 및 모의에 적용함으로써, 차량 속도별로 보다 정확한 교통 혼잡도를 예측하는 효과를 발휘한다.
또한, 본 발명은 M&S(Modeling & Simulation) 기법을 이용하여 재난대응 훈련시스템을 이용하여 모의 훈련을 실시하고자 하는 특정지역의 실제 도로 구간에서 도로를 주행하는 실제 차량들에 의한 교통혼잡도와 모의하는 차량에 의한 교통혼잡도를 동시에 고려한 교통혼잡도의 예측 및 모의가 수행가능한 효과도 있다.
도 1은 본 발명에 따른 도로 교통 혼잡도 예측 및 모의 방법을 수행하기 위해 필요한 구성을 나타낸 전체구성도이다.
도 2는 본 발명에 따른 도로 교통 혼잡도 예측 및 모의 방법을 수행하기 위해 필요한 구성 중 교통혼잡도 안내단말을 세세하게 나타낸 블록구성도이다.
도 3 및 도 4는 본 발명에 따른 도로 교통 혼잡도 예측 및 모의 방법을 이용하여, 재난대응 훈련에 따라 모의 훈련을 실시하고자 하는 모의교통구간에서 실제 도로를 주행하는 차량들의 이동속도를 토대로, 모의 훈련시나리오에 따라 동원되는 모의차량 진입 시 교통혼잡도의 예측 및 모의하는 과정을 나타낸 순서도이다.
이하, 본 발명의 바람직한 실시예를 첨부된 도면을 참조하여 더욱 상세하게 설명한다.
이하에서 설명한 본 발명에 따른 도로 교통 혼잡도 예측 및 모의 방법은 상기한 실시예에 한정되지 않고, 청구범위에서 청구하는 기술의 요지를 벗어남이 없이 해당 기술분야에 대하여 통상의 지식을 가진 자라면 누구든지 다양하게 변경하여 실시할 수 있는 범위까지 그 기술적 정신이 있다.
도 1은 본 발명에 따른 도로 교통 혼잡도 예측 및 모의 방법을 수행하기 위해 필요한 구성을 나타낸 전체구성도이고, 도 2는 본 발명에 따른 도로 교통 혼잡도 예측 및 모의 방법을 수행하기 위해 필요한 구성 중 교통혼잡도 안내단말을 세세하게 나타낸 블록구성도이다.
도시된 바와 같이, 본 발명에 따른 도로 교통 혼잡도 예측 및 모의 방법을 수행하기 위해 필요한 구성에는 크게, 재난대응 훈련시스템에 이용되는 교통혼잡도 안내단말(100) 및 실시간 교통상황정보 안내서버(200)로 이루어진다.
상기 실시간 교통상황정보 안내서버(200)는 행정구역별로 구분되는 전국지역의 도로가 종류별로 재차 구분되고, 종류별로 구분되는 각 도로의 차량 이동속도를 실시간으로 안내하여 주는 부재이다.
이와 같은, 기능을 수행하는 실시간 교통상황정보 안내서버(200)는 국가교통정보센터(http://www.its.go.kr/)에서 운영하는 서버로서, 전국지역의 종류별 도로에 따라 실시간 도로정보가 표준노드/링크 데이터(nodelink.its.go.kr)를 통해 공개적으로 열람 가능하도록 안내하여 주는 서비스를 제공한다.
여기서, 노드란 차량이 도로를 주행함에 있어 속도의 변화가 발생되는 곳을 정의한 것으로, 교차로, 교량 시종점, 고가도로 시종점, 도로의 시종점, 지하차도 시종점, 터널 시종점, 행정경계, IC/JC 등이 포함 되어진다.
그리고 링크란 속도 변화 발생점인 노드와 노드를 연결한 선으로서 실세계에서의 도로를 의미하며 도로, 교량, 고가도로, 지하차도, 터널 등이 포함 되어진다.
그리고 실시간 도로정보는 도로의 노드를 잇는 해당 링크에서의 실제 차량들의 평균이동속도를 시속(km/h)으로 제공한다.
참고로 하기 표 1은 국가교통정보센터에서 안내한 차량의 평균 이동속도에 따른 도로종류별 혼잡 정도를 구분하는 안내 테이블을 나타낸 것이다.

혼잡도		 속도(km/h)
도시부 지방부 도시고속도로 고속도로
원 활 25 이상 50 이상 50 이상 80 이상
서 행 15 ~ 25 30 ~ 50 30 ~ 50 40 ~ 80
정 체 15 미만 30 미만 30 미만 40 미만
상기 교통혼잡도 안내단말(100)은 도로 교통 혼잡도 예측 및 모의 방법을 수행하는 단말부재로서, 데스크톱, 노트북, 스마트폰, 태블릿 PC 등이 사용될 수 있다.
이러한 기능을 수행하는 교통혼잡도 안내단말(100)의 세부구성은 입력처리부(110)와 출력부(120) 및 연산부(130)를 포함한다.
상기 입력처리부(110)와 출력부(120) 및 연산부(130)는 교통혼잡도 안내단말(100)에 응용프로그램 형태로 설치되는 것이 바람직하다.
상기 입력처리부(110)는 상기의 실시간 교통상황정보 안내서버(200)로부터 재난대응 훈련을 실시하는 해당 도로의 실제 차량이동속도를 입력할 때 이를 처리하는 부재이다.
상기 출력부(120)는 도로 교통 혼잡도 예측 및 모의를 수행하여 처리한 모의 평균이동속도와 도로 교통혼잡도 정보를 출력처리하는 부재이다.
상기 연산부(130)는 재난대응 훈련에 따라 모의 훈련을 실시하고자 하는 지역의 도로 구간(앞에서 언급한 링크에 해당)인 모의교통구간에서 실제 도로를 주행하는 차량들의 이동속도를 토대로, 차간거리를 연산하고, 모의 훈련시나리오에 따라 동원되는 가상의 차량(승용차, 승합차, 중형 버스, 대형 버스, 화물차 등)이 진입하였을 때 변화되는 차량 이동속도를 예측하여 교통 혼잡도를 모의하는데 필요한 각종 정보를 제어하기 위한 부재이다.
즉, 연산부(130)는 앞에서 언급한 모의교통구간인 1km의 단위길이 내에서, 모의교통구간의 차로 수까지 고려하여 주행하고 있는 차량의 전체 대수는 단위 길이 1km를 차량 간의 차간거리와 차량 전장의 합으로 나누어 연산가능하다. 여기서, 모의하는 차량의 종류는 전장 5m의 승용차를 기준으로 가정하되, 대형버스(또는 화물차)는 1대를 승용차 2대로 간주하여 연산할 수 있다.
본 발명의 실시예에서는 차량의 이동속도별 차간거리는 다음과 같이 정의한다.
차량의 이동속도가 0km/h일 때 즉, 차량이 정지상태인 경우 차간거리를 1m로, 차량 이동속도가 시속 50km/h 일 때의 차간거리를 15m로, 차량 이동속도가 시속 100km/h일 때의 차간거리를 50m로 가정하고, 차량 이동속도와 차간거리의 관련 방정식을 2차 방정식 "y = ax2 ＋ bx ＋ c"로 정의한다.
여기서, 차량의 이동속도별 차간거리를 2차 방정식으로 정의한 주된 이유는 차량의 속도가 선형적으로 증가하면 차간 거리는 2차 함수적으로 증가해야만 차량 속도에 따른 급정거 시 최대한 안전거리를 확보할 수 있기 때문이다.
또한, y는 차량의 이동속도별 차간거리이고, x는 차량의 이동속도이며, a, b, c는 각 항의 계수이다.
이에, 차량 이동속도가 0km/h 일 때 차간거리는 1m, 50km/h 일 때 차간거리는 15m, 100km/h 일 때 50m를 각각 대입하면 아래와 같은 연립방정식이 얻어진다.
c = 1
2500a ＋ 50b ＋ c = 15
10000a ＋ 100g ＋ c = 50
위의 연립방정식을 풀어 계수 a, b, c 를 구하면, a = 21/5000, b=0.07, c=1이다. 따라서 2차 방정식은 수학식 1과 같이 표현되어진다.
Figure pat00005
그리고 수학식 1에 표현된 2차방정식에 차량이동속도를 대입하면, 아래의 그래프와 같은 이동속도별 차간거리 값을 획득한다.
[그래프]
Figure pat00006
이를 토대로, 연산부(130)는 모의교통구간의 단위 길이(Unit Distance, 1,000m)당 차량 대수(DCjreal)는 아래의 수학식 2로 연산한다.
Figure pat00007
수학학 2에 있어서, Ij는 모의교통구간의 단위 길이(1,000m)에 이동 중인 차량 간의 평균 차간거리(단위는 미터)이며, S는 차량의 전장(승용차를 기준으로 5m)이고, n은 모의교통구간의 차로 수이다.
일예로, 제한 속도 60km/h인 도로에서 승용차를 기준으로 모의교통구간의 단위 길이(1,000m로 정의)당 차량의 대수(DCjreal)를 연산부(130)에서 예측하면 다음과 같다.
먼저, 소통이 원활일 경우 즉, 차량의 이동속도가 50km/h 일 경우, 승용차를 기준으로 모의교통구간의 단위 길이(1,000m로 정의)당 차량의 대수(DCjreal)는 "
Figure pat00008
"으로서, Ij의 값인 15는 수학식 1의 연산으로 구해진 값이고, 결과값이 50n이 나오는데, n은 차로 수이기 때문에, 1차로로 가정할 경우 50대가 연산된다.
또한, 소통이 서행일 경우 즉, 구간 이동속도가 30km/h 일 경우, 승용차를 기준으로 모의교통구간의 단위 길이(1,000m로 정의)당 차량의 대수(DCjreal)는 "
Figure pat00009
"으로서, Ij의 값인 6.88은 수학식 1의 연산으로 구해진 값이고, 결과값이 84.2n이 나오는데, n은 차로 수이기 때문에, 1차로로 가정할 경우 대략 84대 정도가 연산된다.
또한, 소통이 정체일 경우 즉, 구간 이동속도가 10km/h 일 경우, 승용차를 기준으로 모의교통구간의 단위 길이(1,000m로 정의)당 차량의 대수(DCjreal)는 "
Figure pat00010
"으로서, Ij의 값인 2.12는 수학식 1의 연산으로 구해진 값이고, 결과값이 140.4n이 나오는데, n은 차로 수이기 때문에, 1차로로 가정할 경우 대략 140대 정도가 연산된다.
이처럼, 본 발명의 교통혼잡도 안내단말(100)은 연산부(130)를 제어하여, 재난대응 훈련을 시작하기 전 상황에서 일반 차량에 의해 특정 소통상태에 있는 도로인 모의교통구간에 재난대응훈련 시나리오에 따라 훈련 모의 차량이 진입할 경우, 변화되는 소통 상태를 모의하고, 이를 출력부(120)를 통해 출력함으로써, 관리자가 모의훈련에 따른 교통혼잡도를 인지할 수 있게 안내한다.
한편, 본 발명의 실시예에서는 재난대응 모의 훈련시나리오에 따라 모의교통구간에 진입하는 모의차량들의 도착시간간격(arrival time interval)이 모의교통구간의 단위 길이(1,000m)를 차량이 통과하는데 걸리는 시간보다 크면 모의차량에 의해 혼잡도가 영향을 받지 않는다고 가정한다.
여기서, 모의교통구간에 진입하는 모의차량들의 도착시간간격(arrival time interval)은 모의 훈련시스템에서 모의논리에 따라 산출되는 값이다.
이와 같은, 본 발명의 구성을 통해, 차량의 이동속도를 알면 차량의 이동속도별 차간거리를 예측할 수 있고, 역으로, 차량의 이동속도별 차간거리를 알면 차량의 이동속도를 예측할 수 있다.
또한, 본 발명에서는 M&S 기법을 이용한 재난대응 훈련과 더불어 실제 도로의 혼잡도를 예측하는 데도 적용가능하다.
이를 위해, 본 발명에서는 실제 이동하는 차량의 평균이동속도를 측정할 수 있는 모의교통구간에서 현재의 차량 이동속도를 기반으로 링크 j에 진입하는 차량의 도착시간간격(arrival time interval)을 측정할 수 있는 센서가 설치된 도로에서 새롭게 진입하는 차량에 의해 야기되거나 심화되는 혼잡도를 예측하는 방법으로도 활용할 수 있는 것이다. 상기한 센서로는 모의교통구간으로 진입되는 차량의 대수를 측정하는 검출기, 예를 들어, 광센서를 적용할 수 있다.
이처럼, 본 발명의 교통혼잡도 안내단말(100) 및 실시간 교통상황정보 안내서버(200)를 이용하여, 재난대응 훈련에 따라 모의 훈련을 실시하고자 하는 모의교통구간에서 실제 도로를 주행하는 차량들의 이동속도를 토대로, 모의 훈련시나리오에 따라 동원되는 모의차량 진입 시 교통혼잡도의 예측 및 모의하는 과정을 도 3 및 도 4를 통해 설명하면 다음과 같다.
먼저, 관리자는 교통혼잡도 안내단말(100)의 입력처리부(110)를 조작하여, 실시간 교통상황정보 안내서버(200)에 접속한 후 행정구역별로 구분된 도로 구간 중 재난대응 훈련에 따라 모의 훈련을 실시하고자 하는 지역의 도로 구간인 모의교통구간에서 실제로 이동중인 차량들의 평균이동속도(VCj)를 포함하는 실시간 도로정보를 확보(S100)한다.
여기서, 실시간 교통상황정보 안내서버(200)는 국가교통정보센터(http://www.its.go.kr/)에서 제공하는 표준노드/링크 데이터(nodelink.its.go.kr)에서 열람 또는 다운로드를 통해 확보가능하다.
이후, 교통혼잡도 안내단말(100)의 연산부(130)는 확보된 실시간 도로정보에 포함된 정보 중 모의교통구간에서 실제 이동중인 차량의 평균이동속도(VCj)를 토대로 해당 모의교통구간에서 이동 중인 차량의 평균 차간거리(Ijreal)를 예측(S200)한다.
이때, 연산부(130)는 해당 모의교통구간에서 이동 중인 차량의 평균 차간거리(Ijreal)의 예측은 아래의 수학식 3을 통해 획득되어진다.
Figure pat00011
상기 수학식 3은 수학식 1과 실질적으로 동일한 식이다.
즉, 수학식 1에서, y는 차량의 평균 차간거리이고, 이에 대응되는 수학식 3에서 Ijreal은 모의시험을 수행하고자 하는 실제도로인 모의교통구간에서 실제 이동중인 차량의 평균 차간거리로서, 식 명칭만 실제 주행여부 상황에 맞게 특정한 것이다.
이는, 수학식 1의 x와 수학식 3의 VCj에서도 양자는 이동중인 차량의 평균이동속도로서, 실제 주행여부에 따른 식 명칭만 상황에 맞게 특정한 것이다.
이후, 교통혼잡도 안내단말(100)은 예측된 해당 모의교통구간에서 이동 중인 차량의 평균 차간거리(Ijreal)를 토대로 모의교통구간에서 실제 이동중인 차량과 모의하는 차량을 모두 고려한 도로 교통 혼잡도를 예측하고, 모의하는 과정(S300)을 수행하는데, 그 과정(S300)은 다음과 같이 세부적으로 이루어진다.
먼저, 교통혼잡도 안내단말(100)의 연산부(130)는 예측된 해당 모의교통구간에서 실제 이동중인 차량의 평균 차간거리(Ijreal)를 토대로 해당 모의교통구간의 단위 길이당 실제 이동중인 차량 대수(DCjreal)를 예측(S310)연산한다.
여기서, 해당 모의교통구간의 단위 길이당 실제 이동중인 차량 대수(DCjreal)의 예측은 아래의 수학식 4를 통해 획득되어진다.
Figure pat00012
상기 수학식 4에 있어서, nj는 모의교통구간의 실제 차로 수이고, S는 차량의 전장이다.
여기서, 수학식 4는 수학식 2와 실질적으로 동일한 식이다.
즉, 수학식 2의 Ij와 수학식 4의 Ijreal은 앞에서도 언급한 것처럼, 실제 주행여부에 따른 식 명칭만 상황에 맞게 특정한 것이다.
또한, 수학식 2의 n과 수학식 4의 nj도 실제 주행여부에 따른 식 명칭만 상황에 맞게 특정한 것이다.
이후, 교통혼잡도 안내단말(100)의 연산부(130)는 재난대응 훈련시스템의 시나리오에 따라 해당 모의교통구간에 진입하여 도로 교통 혼집도에 영향을 주는 모의 진입차량대수(Nveh)를 예측(S320)연산한다.
여기서, 모의 진입차량대수(Nveh)는 아래의 수학식 5를 통해 획득되어진다.
수학식 5를 살펴보면, 재난대응 훈련 시 모의교통구간에 진입하는 차량들이 모의교통구간의 진입로에 도착하는 도착시간간격(arrival time interval)(단위 초) Tarrival을 구한 후, 진입 차량의 도착시간간격 Tarrival 값이 차량의 모의교통구간의 단위 거리 통과시간(Tjreal = 3600×VCj)(단위 초)보다 작으면, 단위 길이당 차량 대수 즉, 차량 밀도에 영향을 주는 차량 대수라고 가정한다.
또한, 모의 진입차량대수(Nveh)의 값은 반올림하여 정수화 한다.
Figure pat00013
수학식 5에 있어서, Tarrival은 재난대응훈련 시 모의교통구간에 진입하는 차량들이 모의교통구간의 진입로에 도착하는 도착시간간격(arrival time interval)(단위:초)이고, Tjreal은 차량이 모의교통구간의 단위 길이(1,000m)를 실제 이동중인 차량의 평균이동속도(VCj)로 통과하는데 소요되는 시간(단위:초)이다.
이후, 교통혼잡도 안내단말(100)의 연산부(130)는 해당 모의교통구간에서 실제 이동중인 차량 대수와 모의 진입차량대수(Nveh)가 반영된 전체 차량의 모의 평균 차간거리(Ijvirtual)를 모의(S330)연산한다.
여기서, 모의 평균 차간거리(Ijvirtual)는 재난대응훈련시스템에 따라 진입되는 모의차량에 의해 교통혼잡도도 증가하며, 아래의 수학식 6을 통해 획득되어진다.
Figure pat00014
상기 수학식 6에 있어서, DCjreal은 해당 모의교통구간의 단위 길이당 실제 이동중인 차량 대수이고, nj는 모의교통구간의 실제 차로 수이며, S는 차량의 전장이다.
이후, 교통혼잡도 안내단말(100)의 연산부(130)는 해당 모의교통구간에서 모의 진입차량대수(Nveh)가 반영된 전체 차량의 모의 평균이동속도(VCjvirtual)를 모의(S340)연산한다.
여기서, 모의 진입차량대수(Nveh)가 반영된 전체 차량의 모의 평균이동속도(VCjvirtual)는 아래의 수학식7로 획득되어진다.
수학식 7을 살펴보면, 앞에서 차량의 모의 평균 차간거리(Ijvirtual)의 값은 연산된 값으로 도출된 상태이기 때문에, VCjvirtual에 대한 이차방정식의 근이 실제 도로의 이동 차량 대수와 모의 진입차량대수(Nveh)가 반영된 전체 차량의 모의 평균이동속도(VCjvirtual)의 연산값(양수)이 된다.
Figure pat00015
상기 수학식 7은 수학식 1과 실질적으로 동일한 식이다.
즉, 수학식 1의 y와 수학식 7의 Ijvirtual는 차량의 평균 차간거리로서, 재난대응훈련의 모의여부에 따른 식 명칭만 상황에 맞게 특정한 것이다.
그리고 수학식 1의 x와 수학식 7의 VCjvirtual은 이동중인 차량의 평균이동속도로서, 재난대응훈련의 모의여부에 따른 식 명칭만 상황에 맞게 특정한 것이다.
이후, 교통혼잡도 안내단말(100)의 연산부(130)는 모의 진입차량대수(Nveh)가 반영된 전체 차량의 모의 평균이동속도(VCjvirtual)를 기준으로 교통혼잡도를 판단하고, 이를 출력부(120)를 통해 출력(S350)한다.
이때, 교통혼잡도의 판단기준은 앞에서 언급한 표 1을 통해, 모의교통구간이 속하는 도로의 종류에 따라 모의 연산된 차량의 모의 평균이동속도(VCjvirtual)가 원활, 서행 또는 정체 구간으로 이루어진 속도범위 중 어느 구간에 속하는 지를 관리자가 인지할 수 있게 안내함으로써, 재난대응훈련 시 진입을 예상하는 모의차량에 따른 도로의 교통 혼잡도 예측 및 모의 과정의 수행을 완료한다.
100 : 컴퓨터 110 : 입력처리부
120 : 출력부 130 : 연산부
200 : 실시간 교통상황정보 안내서버

Claims (11)

  1. 교통혼잡도 안내단말(100)에서, 실시간 교통상황정보 안내서버(200)에 접속하여, 재난대응 훈련에 따라 모의 훈련을 실시하고자 하는 지역의 도로 구간인 모의교통구간에서 실제로 이동중인 차량의 평균이동속도(VCj)를 포함하는 실시간 도로정보를 확보하는 단계(S100)와;
    교통혼잡도 안내단말(100)에서, 확보된 상기 실시간 도로정보에 포함된 정보로서, 모의교통구간에서 실제 이동중인 차량의 평균이동속도(VCj)를 토대로 해당 모의교통구간에서 이동 중인 차량의 평균 차간거리(Ijreal)를 예측하는 단계(S200)와;
    교통혼잡도 안내단말(100)에서, 예측된 해당 모의교통구간에서 이동 중인 차량의 평균 차간거리(Ijreal)를 토대로 모의교통구간에서 실제 이동중인 차량과 모의하는 차량을 모두 고려한 도로 교통 혼잡도를 예측하고, 모의하는 단계(S300);로 이루어진 것을 특징으로 하는 도로 교통 혼잡도 예측 및 모의 방법.
  2. 제1항에 있어서,
    상기 교통혼잡도 안내단말(100)에서, 확보된 상기 실시간 도로정보에 포함된 정보로서, 모의교통구간에서 실제 이동중인 차량의 평균이동속도(VCj)를 토대로 해당 모의교통구간에서 실제 이동중인 차량의 평균 차간거리(Ijreal)를 연산하는 S200단계에 있어서,
    상기 모의교통구간에서 실제 이동중인 차량의 평균 차간거리(Ijreal)는 하기의 수학식으로 구한 값인 것을 특징으로 하는 도로 교통 혼잡도 예측 및 모의 방법.
    Ijreal = (21/5000)(VCj)2 ＋ 0.07(VCj) ＋ 1
  3. 제1항에 있어서,
    상기 교통혼잡도 안내단말(100)에서, 예측된 해당 모의교통구간에서 실제 이동중인 차량의 평균 차간거리(Ijreal)를 토대로 모의교통구간에서 실제 이동중인 차량과 모의하는 차량을 모두 고려한 도로 교통 혼잡도를 예측하고, 모의하는 S300단계는,
    교통혼잡도 안내단말(100)에서, 연산된 해당 모의교통구간에서 실제 이동중인 차량의 평균 차간거리(Ijreal)를 토대로 해당 모의교통구간의 단위 길이당 실제 이동중인 차량 대수(DCjreal)를 예측하는 단계(S310);를 포함하는 것을 특징으로 하는 도로 교통 혼잡도 예측 및 모의 방법.
  4. 제3항에 있어서,
    상기 교통혼잡도 안내단말(100)에서, 연산된 해당 모의교통구간에서 실제 이동중인 차량의 평균 차간거리(Ijreal)를 토대로 해당 모의교통구간의 단위 길이당 실제 이동중인 차량 대수(DCjreal)를 연산하는 S310단계에 있어서,
    해당 모의교통구간의 단위 길이당 실제 이동중인 차량 대수(DCjreal)는 하기의 수학식으로 구한 값인 것을 특징으로 하는 도로 교통 혼잡도 예측 및 모의 방법.
    Figure pat00016

    nj는 모의교통구간의 실제 차로 수이다.
    S는 차량의 전장이다.
  5. 제3항에 있어서,
    상기 교통혼잡도 안내단말(100)에서, 연산된 해당 모의교통구간에서 실제 이동중인 차량의 평균 차간거리(Ijreal)를 토대로 모의교통구간에서 실제 이동중인 차량과 모의하는 차량을 모두 고려한 도로 교통 혼잡도를 예측하고, 모의하는 S300단계는,
    교통혼잡도 안내단말(100)에서, 해당 모의교통구간에 진입하여 도로 교통 혼잡도에 영향을 주는 모의 진입차량대수(Nveh)를 예측하는 단계(S320);를 더 포함하는 것을 특징으로 하는 도로 교통 혼잡도 예측 및 모의 방법.
  6. 제5항에 있어서,
    상기 교통혼잡도 안내단말(100)에서, 해당 모의교통구간에 진입하여 도로 교통 혼잡도에 영향을 주는 모의 진입차량대수(Nveh)를 예측하는 S320단계에 있어서,
    상기 모의 진입차량대수(Nveh)는 하기의 수학식으로 구한 값인 것을 특징으로 하는 도로 교통 혼잡도 예측 및 모의 방법.
    Figure pat00017

    ∵ Tjreal = 3600 × (1/VCj)
    ∴
    Figure pat00018

    Tarrival은 재난대응훈련 시 모의교통구간에 진입하는 모의 차량들이 모의교통구간의 진입로에 도착하는 도착시간간격(arrival time interval)(단위:초)이다.
    Tjreal은 차량이 모의교통구간의 단위 길이(1,000m)를 실제 이동중인 차량의 평균이동속도(VCj)로 통과하는데 소요되는 시간(단위:초)이다.
  7. 제5항에 있어서,
    상기 교통혼잡도 안내단말(100)에서, 연산된 해당 모의교통구간에서 실제 이동중인 차량의 평균 차간거리(Ijreal)를 토대로 모의교통구간에서 실제 이동중인 차량과 모의하는 차량을 모두 고려한 도로 교통 혼잡도를 예측하고, 모의하는 S300단계는,
    교통혼잡도 안내단말(100)에서, 해당 모의교통구간에서 상기 실제 이동중인 차량 대수와 모의 진입차량대수(Nveh)가 반영된 전체 차량의 모의 평균 차간거리(Ijvirtual)를 모의하는 단계(S330);를 더 포함하는 것을 특징으로 하는 도로 교통 혼잡도 예측 및 모의 방법.
  8. 제7항에 있어서,
    상기 교통혼잡도 안내단말(100)에서, 해당 모의교통구간에서 상기 실제 이동중인 차량 대수와 모의 진입차량대수(Nveh)가 반영된 전체 차량의 모의 평균 차간거리(Ijvirtual)를 모의하는 S330단계에 있어서,
    상기 모의 평균 차간거리(Ijvirtual)는 하기의 수학식으로 구한 값인 것을 특징으로 하는 도로 교통 혼잡도 예측 및 모의 방법.
    Figure pat00019
  9. 제7항에 있어서,
    상기 교통혼잡도 안내단말(100)에서, 연산된 해당 모의교통구간에서 실제 이동중인 차량의 평균 차간거리(Ijreal)를 토대로 모의교통구간에서 실제 이동중인 차량과 모의하는 차량을 모두 고려한 도로 교통 혼잡도를 예측하고, 모의하는 S300단계는,
    교통혼잡도 안내단말(100)에서, 해당 모의교통구간에서 상기 모의 진입차량대수(Nveh)가 반영된 전체 차량의 모의 평균이동속도(VCjvirtual)를 모의하는 단계(S340);를 더 포함하는 것을 특징으로 하는 도로 교통 혼잡도 예측 및 모의 방법.
  10. 제9항에 있어서,
    상기 교통혼잡도 안내단말(100)에서, 해당 모의교통구간에서 상기 모의 진입차량대수(Nveh)가 반영된 전체 차량의 모의 평균이동속도(VCjvirtual)를 모의하는 S340단계에 있어서,
    상기 모의 진입차량대수(Nveh)가 반영된 전체 차량의 모의 평균이동속도(VCjvirtual)는 하기의 수학식으로 구한 값인 것을 특징으로 하는 도로 교통 혼잡도 예측 및 모의 방법.
    Ijvirtual = (21/5000)(VCjvirtual)2 ＋ 0.07(VCjvirtual) ＋ 1
  11. 제9항에 있어서,
    상기 교통혼잡도 안내단말(100)에서, 연산된 해당 모의교통구간에서 실제 이동중인 차량의 평균 차간거리(Ijreal)를 토대로 모의교통구간에서 실제 이동중인 차량과 모의하는 차량을 모두 고려한 도로 교통 혼잡도를 예측하고, 모의하는 S300단계는,
    교통혼잡도 안내단말(100)에서, 상기 모의 진입차량대수(Nveh)가 반영된 전체 차량의 모의 평균이동속도(VCjvirtual)를 기준으로 교통혼잡도를 판단하고, 이를 출력부(120)를 통해 출력하는 단계(S350);를 더 포함하는 것을 특징으로 하는 도로 교통 혼잡도 예측 및 모의 방법.
KR1020190075212A 2019-06-24 2019-06-24 도로 교통 혼잡도 예측 및 모의 방법 KR102199369B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190075212A KR102199369B1 (ko) 2019-06-24 2019-06-24 도로 교통 혼잡도 예측 및 모의 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190075212A KR102199369B1 (ko) 2019-06-24 2019-06-24 도로 교통 혼잡도 예측 및 모의 방법

Publications (2)

Publication Number Publication Date
KR20210000198A true KR20210000198A (ko) 2021-01-04
KR102199369B1 KR102199369B1 (ko) 2021-01-06

Family

ID=74127464

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190075212A KR102199369B1 (ko) 2019-06-24 2019-06-24 도로 교통 혼잡도 예측 및 모의 방법

Country Status (1)

Country Link
KR (1) KR102199369B1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112906984A (zh) * 2021-03-24 2021-06-04 苏州蓝图智慧城市科技有限公司 一种道路交通状态预测方法、装置、存储介质及电子设备
KR20220169112A (ko) * 2021-06-18 2022-12-27 한국건설기술연구원 지하도로네트워크 교통제어 방법 및 그 장치
CN116311990A (zh) * 2023-03-27 2023-06-23 南京莱斯信息技术股份有限公司 一种基于互联网数据与检测数据融合的信号控制方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002163748A (ja) * 2000-11-27 2002-06-07 Natl Inst For Land & Infrastructure Management Mlit 交通流模擬装置による交通流予測制御システム
JP2011198132A (ja) * 2010-03-19 2011-10-06 Metropolitan Expressway Co Ltd 交通状況の予測演算装置、予測演算プログラム及び予測演算方法
KR101545494B1 (ko) 2013-12-13 2015-08-19 부산대학교 산학협력단 교통 혼잡도 계산 시스템 및 방법
KR20160049691A (ko) * 2014-10-28 2016-05-10 현대엠엔소프트 주식회사 교통정보 제공 장치 및 방법
KR101671245B1 (ko) 2016-07-04 2016-11-01 신명이엔씨(주) 교통혼잡지표 산출 방법 및 장치
KR101817127B1 (ko) 2015-12-28 2018-01-10 한국건설기술연구원 교통밀도 기반의 도로혼잡도 추정 시스템 및 그 방법
KR20180015451A (ko) * 2016-08-03 2018-02-13 강원대학교산학협력단 교통 시뮬레이션을 수행하는 방법 및 시스템

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002163748A (ja) * 2000-11-27 2002-06-07 Natl Inst For Land & Infrastructure Management Mlit 交通流模擬装置による交通流予測制御システム
JP2011198132A (ja) * 2010-03-19 2011-10-06 Metropolitan Expressway Co Ltd 交通状況の予測演算装置、予測演算プログラム及び予測演算方法
KR101545494B1 (ko) 2013-12-13 2015-08-19 부산대학교 산학협력단 교통 혼잡도 계산 시스템 및 방법
KR20160049691A (ko) * 2014-10-28 2016-05-10 현대엠엔소프트 주식회사 교통정보 제공 장치 및 방법
KR101817127B1 (ko) 2015-12-28 2018-01-10 한국건설기술연구원 교통밀도 기반의 도로혼잡도 추정 시스템 및 그 방법
KR101671245B1 (ko) 2016-07-04 2016-11-01 신명이엔씨(주) 교통혼잡지표 산출 방법 및 장치
KR20180015451A (ko) * 2016-08-03 2018-02-13 강원대학교산학협력단 교통 시뮬레이션을 수행하는 방법 및 시스템

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112906984A (zh) * 2021-03-24 2021-06-04 苏州蓝图智慧城市科技有限公司 一种道路交通状态预测方法、装置、存储介质及电子设备
CN112906984B (zh) * 2021-03-24 2023-06-30 苏州蓝图智慧城市科技有限公司 一种道路交通状态预测方法、装置、存储介质及电子设备
KR20220169112A (ko) * 2021-06-18 2022-12-27 한국건설기술연구원 지하도로네트워크 교통제어 방법 및 그 장치
CN116311990A (zh) * 2023-03-27 2023-06-23 南京莱斯信息技术股份有限公司 一种基于互联网数据与检测数据融合的信号控制方法
CN116311990B (zh) * 2023-03-27 2023-12-22 南京莱斯信息技术股份有限公司 一种基于互联网数据与检测数据融合的信号控制方法

Also Published As

Publication number Publication date
KR102199369B1 (ko) 2021-01-06

Similar Documents

Publication Publication Date Title
US9824580B2 (en) Method, computer readable storage medium and system for producing an uncertainty-based traffic congestion index
KR102199369B1 (ko) 도로 교통 혼잡도 예측 및 모의 방법
Rothery Car following models
US6216088B1 (en) Method for determining itinerary data
US9459111B2 (en) Methods and apparatus for estimating power usage
WO2022121248A1 (zh) 测试评价信息确定方法、装置、设备及计算机存储介质
Aljamal et al. Real-time estimation of vehicle counts on signalized intersection approaches using probe vehicle data
CN112373483B (zh) 一种基于前向神经网络的车辆速度和转向预测方法
CN101807348B (zh) 一种动态网络导航系统及方法
Molnár et al. Delayed Lagrangian continuum models for on-board traffic prediction
Abidin et al. Towards improved vehicle arrival time prediction in public transportation: integrating SUMO and Kalman filter models
Si et al. Urban transit assignment model based on augmented network with in-vehicle congestion and transfer congestion
Arnesen et al. A forward Markov model for predicting bicycle speed
Gerardo et al. Modeling the turning speed and car following behaviors of autonomous vehicles in a virtual world
Yun et al. Accounting for the impact of heavy truck traffic in volume–delay functions in transportation planning models
JP3355887B2 (ja) 旅行時間予測方法および旅行時間予測装置
Viti et al. Dynamic modeling of VISSIM's critical gap parameter at unsignalized intersections
Ng et al. Development of Macroscopic Cell-Based Logistic Lane Change Prediction Model
JP4186671B2 (ja) 所要時間データベースの作成方法および経路探索方法
Kneidl et al. Using a multi-scale model for simulating pedestrian behavior
Lewerenz et al. Increasing Energy-Efficient Driving Using Uncertain Online Data of Local Traffic Management Centers
Liu et al. An analytical framework for managed lane facility performance evaluation
Martínez et al. Electric Vehicle Consumption Estimation based on Heuristics and MLP Artificial Neural Network
Zadorozhnyi et al. Optimization of transport queuing networks on the basis of the method of directing hyperbole
Khoshyaran et al. Reactive dynamic traffic assignment: impact of information

Legal Events

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