KR20230063080A - 교통량 증대를 위한 신호교차로 노면조건 및 교통패턴 분석 결과에 따른 신호등 운영 시스템 - Google Patents
교통량 증대를 위한 신호교차로 노면조건 및 교통패턴 분석 결과에 따른 신호등 운영 시스템 Download PDFInfo
- Publication number
- KR20230063080A KR20230063080A KR1020210147934A KR20210147934A KR20230063080A KR 20230063080 A KR20230063080 A KR 20230063080A KR 1020210147934 A KR1020210147934 A KR 1020210147934A KR 20210147934 A KR20210147934 A KR 20210147934A KR 20230063080 A KR20230063080 A KR 20230063080A
- Authority
- KR
- South Korea
- Prior art keywords
- traffic
- intersection
- information
- time
- signal
- Prior art date
Links
- 238000004458 analytical method Methods 0.000 title claims description 28
- 238000001514 detection method Methods 0.000 claims abstract description 91
- 238000000034 method Methods 0.000 claims description 41
- 238000004364 calculation method Methods 0.000 claims description 18
- 238000004891 communication Methods 0.000 claims description 14
- 238000000605 extraction Methods 0.000 claims description 11
- 230000008859 change Effects 0.000 claims description 9
- 239000000284 extract Substances 0.000 claims description 8
- 230000000694 effects Effects 0.000 claims description 6
- 238000009825 accumulation Methods 0.000 claims description 5
- 230000009467 reduction Effects 0.000 claims description 2
- 230000000737 periodic effect Effects 0.000 abstract description 3
- 230000006870 function Effects 0.000 description 15
- 238000011144 upstream manufacturing Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 10
- 238000004422 calculation algorithm Methods 0.000 description 8
- 238000012937 correction Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 5
- 229920006395 saturated elastomer Polymers 0.000 description 5
- 238000010276 construction Methods 0.000 description 4
- 230000001186 cumulative effect Effects 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 4
- 239000006185 dispersion Substances 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 239000000853 adhesive Substances 0.000 description 3
- 230000001070 adhesive effect Effects 0.000 description 3
- 230000002650 habitual effect Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000000746 purification Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000000903 blocking effect Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000003915 air pollution Methods 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 230000008014 freezing Effects 0.000 description 1
- 238000007710 freezing Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000000819 phase cycle Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012731 temporal analysis Methods 0.000 description 1
- 238000000700 time series analysis Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/07—Controlling traffic signals
- G08G1/075—Ramp control
-
- G06Q50/30—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
-
- 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
-
- 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
- G08G1/0125—Traffic data processing
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (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)
- Operations Research (AREA)
Abstract
교차로에 신호 대기 중인 신호대기차량과, 교차로를 통행하는 차량에 대한 정보를 이용하여 교차로 신호등의 현시주기를 제어하는 교차로 신호등 운영 시스템이 개시된다. 이를 위하여 검지영역을 주행하는 이동류를 검지하여 교통량 세부항목이 포함된 교통검지정보를 생성하는 복수개의 교통정보 검지기와, 각 교통정보 검지기로부터 상기 교통검지정보가 수신되면 이를 중계하는 중계기와, 미리 설정된 신호운영 테이블에 따라 정주기 TOD모드로 교차로 신호등의 동작을 제어하고, 외부로부터 제공된 감응형 제어정보에 따라 감응형 제어모드로 교차로 신호등의 동작을 제어하는 신호제어기, 및 상기 중계기로부터 제공된 교통검지정보를 분석하여 상기 검지영역 내의 교통량 세부항목 중 타겟 세부항목의 실시간 수치가 설정된 타겟 세부항목 기준치보다 높은 수치를 나타내면 상기 교통검지정보를 기반으로 감응형 제어정보를 생성하여 신호제어기로 전송하는 중앙관제서버를 포함하는 신호등 운영 시스템을 제공한다. 본 발명에 의하면, 도심의 교차로를 통과하는 차량에 대한 교통정보를 기반으로 녹색신호 최소점등시간과 최대점등시간 범위에서 새로운 현시주기시간을 분석하고, 다음 신호현시에 새로운 현시주기시간을 적용할 수 있으므로, 실시간 교통 흐름에 적합한 신호등의 운영을 진행할 수 있다.
Description
본 발명은 도심의 교차로에 설치된 교통 신호등의 동작을 조정하는 신호등 운영 시스템에 관한 것으로, 보다 상세하게는 교차로에 신호 대기 중인 신호대기차량과, 교차로를 통행하는 차량에 대한 정보를 이용하여 교차로 신호등의 현시주기를 제어하는 신호등 운영 시스템에 관한 것이다.
일반적으로 신호등 제어에는 여러 방식이 있지만 신호 시간 처리 방식의 경우 고정주기 운영(pre-timed Operation)방식과 감응 제어(actuated control)방식, 수동 제어방식의 3가지가 있다.
먼저, 고정주기 운영방식은 국내의 모든 지자체에서 사용하는 신호등 운영방식으로, 현시 순시(phase sequence), 분할비(split), 주기(cycle)와 같은 모든 제어 변수가 고정되어 있으며, 각 시간대의 교통 흐름의 특성을 반영하기 위하여 시간대별로 별도의 신호 시간 계획(TOD : Time Of Day)에 의하여 제어가 이루어진다.
또한, 고정주기 운영방식은 신호등의 증설 시 이전에 설치된 신호제어기의 위치와 사전에 정의된 교차로의 혼잡등급에 따라 주변 신호등 운영과 유사한 시간으로 설정하여 운영하고 있으며, 중앙관제센터의 통제를 받지 않는 고정형 현시 신호주기가 130 ~ 180초로 적용되고 있으며, 연속된 교차로의 개별 신호주기를 일치시키기 위해 반복 주기의 시작을 셋팅하는 싱글링 또는 더블링 방식으로 운영하고 있다.
그러나, 고정주기 운용 방식은 각 교차로의 실시간 교통상황을 고려하지 않고 정해진 규칙에 따라 신호 등을 제어하기 때문에 실시간 교통상황에 적절히 대응할 수 없다는 문제가 있었다. 그리고 각 시간대별 교통상황을 고려한 신호 시간 계획(TOD)은 분할비나 오프셋 등을 5-15분 간격으로 중앙 컴퓨터에서 지역 제어기로 선택되므로 시간대별 교통 상황의 특성이 없어진 현재의 상황에서는 별 의미가 없어 실시간 제어가 어려운 문제점이 있었다.
이러한 고정주기 운용 방식을 보완한 감응식 제어 방식은 차량의 존재유무에 따라 신호등을 제어한다.
즉, 차선에 설치한 감지기와 같은 센서로 차량의 통과 유무, 점유/비점유 시간에 따른 차량 속도, 승용차 환산 계수 등을 측정하여 교차로 신호등의 운영을 제어한다.
이러한 감응 제어 방식은 초기 간격(initial interval), 차량 간격(vehicle interval), 최대 주기(maximum period) 등의 제어 변수들을 연산하여 각 방향으로 통과하는 차량에 대한 단위 확장 시간을 적절하게 결정하게 된다.
여기서, 초기 간격은 정지선과 감지지점 사이의 거리, 그리고 이 영역에 대기 중인 차량 수에 따라 설정되는 변수로, 이들 차량을 모두 통과시키기 위한 시간이고, 차량 간격은 차량이 감지기에 도달했을 때 이 차량이 교차로를 통과하도록 결정하는 단위 확장 시간이며, 최대 주기는 각 현시에 허락된 최대시간이다.
상기 감응 제어 방식은 차량 간격 이후에 일정 시간동안 또 다른 차량의 통과가 감지되지 않으면 지정된 최대 주기에 도달하지 않았어도 그 위치에서 현시를 중단시킨다.
다만, 감응식 제어 방식은 차량의 존재 유무에 따라 신호등을 제어하기 때문에 차량의 분포가 일정치 않을 때에는 필요 없이 직진 시간을 낭비하게 되어 신호등의 제어효율을 저하시키는 문제점이 있었다. 즉, 차량을 감지하여 제어 변수를 산출할 때 계산이 복잡해지므로 실시간 제어 또는 정확한 제어를 수행하기 어려운 점이 있었다.
최근 들어, 도시 전체나 혼잡구역에 대한 실시간 교통흐름을 효과적으로 제어하기 위해서는 막대한 비용의 IoT 장비를 구축하고, 여기에서 발생하는 빅 데이터를 중앙관제서버로 수집/분석하고 현장적용을 위해 막대한 시설장비와 컴퓨팅자원을 투입하고 있다.
예를 들면, 도로의 교통량을 검지하기 위한 장치로는 루프, 접촉패드 등의 접착식과, 무선주파수를 이용하거나 영상 채록을 사용하는 비접착식이 있다. 그리고 도로 구간에 대한 교통량 정보 획득 방법으로는 차량에 부착된 차량탑재단말기(OBE)를 통해 도로변에 설치된 DSRC(Dedicat short-Range Communications) 장치를 통해 구간 교통량을 측정하는 방식, 차량에 장착된 GPS장치를 통해 차량의 궤적추적을 통한 검지방식, AVI를 이용하여 차량번호를 고유식별자로 구분하여 고정 구간 전수검지방식, 비접촉의 다양한 매체를 이용하여 하이패스 카드의 RF방식(주파수)과 IR방식(적외선)을 사용한 검지방식이 있으며, 가장 널리 사용되는 영상정보를 이용한 객체인식은 이진화의 변환을 통해 수치 데이터로 변환하여 검지하는 방식 등이 있다. 대표적인 VDS비접촉 방식은 자연 환경에 따른 인지율 저하와 변환과정의 지연처리 문제가 있고, 접착식인 경우 루프, 전자기, 접촉 패드 등은 검지율에 대한 정확도의 신뢰가 높지만 현실적인 유지보수의 문제가 발생되며, 실재 교차로에 사람이 투입되어 카운트하는 방법은 인건비의 비용소모가 막대하며 상시 교통량 검출이 불가능하다는 문제가 있다.
한편, 측정 구간 내 교차로에 복수의 신호등이 설치된 경우, 특정 교차로의 신호등 운영시간에 따른 차량 대기열 파악의 범위가 좁고, 녹색신호등 점등시간 내에 교차로를 통과하는 이동류의 숫자와 신호등 운영시간에 따른 대기시간을 추정키 어렵고, 중앙관제서버에서 영상자료를 변환하여 의미 있는 교통데이터 처리에 지연시간이 발생함으로 실시간 교통정보를 제공하기 어렵고, 낮은 조도에 의한 객체인식 문제, 검지기 영역설정 문제 등으로 교통량 정보를 실시간으로 처리하는데 복합적인 문제점이 발생할 수 있다.
또한, 중앙관제서버로 원시 영상정보를 수집하는 과정에 수집주기 설정이 신호등 운영시간과 연동되는 것이 아니라 절대시간(30초, 1분, 10분 등)으로 정의되어, 신호등 운영시간과 연계해 수집정보를 별도로 재분류해야 하며, 데이터의 오류, 누락, 반복, 검지기 오동작 등의 문제점이 상존하고 있고, 실시간 교통정보 제공 시 데이터 적시성에 근본적인 컴퓨팅 자원의 한계가 있다.
따라서, 도시의 교통 혼잡구간에 대한 교차로별 교통량 정보 획득 측면에서 교통정보 검지기의 설치부족이 교통의 특성을 연구하는데 제약사항이 된다.
아울러, 영상을 획득하여 도로의 교통량을 검지하는 방법은 영상데이터를 중앙서버가 수집하여 보관해야 하기 때문에 서버 환경 구축에 막대한 자원을 소모해야 하며, 혼잡시간대에 교통량 검지 및 데이터 처리지연이 실시간 신호등 운영에 큰 제약 사항이기 때문에 교통정보 실측을 통한 예측자료의 구현을 위해 고성능의 컴퓨터 자원과 영상처리를 위한 경량 객체 인식 알고리즘 개발이 필수이라는 문제가 있다.
따라서, 본 발명의 목적은 지역 감응제어를 위해 교차로에 신호 대기 중인 차량의 대기열 길이와 교차로를 통과하는 차량 수를 파악하여 녹색신호시간을 다음 신호현시에 탄력적으로 적용함으로써 도로의 포화도를 분산하고, 혼잡시간대에 정체구간의 지속시간을 줄여주며, 비 혼잡시간대에 끊김없는 교통흐름을 제공할 수 있는 신호등 운영 시스템을 제공하는데 있다.
상술한 본 발명의 목적을 달성하기 위하여, 본 발명의 일 실시예에서는 교차로의 방향별로 설치되고, 교차로의 방향별로 설정된 검지영역을 주행하는 이동류를 검지하여 교통량 세부항목이 포함된 교통검지정보를 생성하며, 상기 교통검지정보를 송신하는 복수개의 교통정보 검지기와, 상기 교차로에 설치된 각 교통정보 검지기에 연결되어 각 교통정보 검지기로부터 상기 교통검지정보가 수신되면 이를 중계하는 중계기와, 미리 설정된 신호운영 테이블에 따라 정주기 TOD모드로 교차로 신호등의 동작을 제어하고, 외부로부터 제공된 감응형 제어정보에 따라 감응형 제어모드로 교차로 신호등의 동작을 제어하는 신호제어기, 및 상기 중계기 및 신호제어기에 통신 네트워크로 연결되고, 상기 통신 네트워크를 통해 중계기로부터 제공된 교통검지정보를 분석하여 상기 검지영역 내의 교통량 세부항목 중 타겟 세부항목의 실시간 수치가 설정된 타겟 세부항목 기준치보다 높은 수치를 나타내면 상기 교통검지정보를 기반으로 감응형 제어정보를 생성하며, 상기 감응형 제어정보를 상기 신호제어기로 전송하는 중앙관제서버를 포함하는 신호등 운영 시스템을 제공한다.
본 발명에 의한 신호등 운영 시스템을 사용하면, 도심의 교차로를 통과하는 차량에 대한 교통정보를 기반으로 녹색신호 최소점등시간과 최대점등시간 범위에서 새로운 현시주기시간을 분석하고, 다음 신호현시에 새로운 현시주기시간을 적용할 수 있으므로, 실시간 교통 흐름에 적합한 신호등의 운영을 진행할 수 있다.
또한, 본 발명은 이전에 누적된 신호주기 중 최적화된 정주기 신호시간을 검색하고, 다음현시에 따른 교차량 통과 예상수치를 산출하며, 상류부의 교통 혼잡상황인 교통량-밀도 기반의 정보를 참조하여 도로 구간의 포화도를 기준으로 다음 현시신호등 운영시간을 구성할 수 있으므로, 혼잡시간대에 도로의 포화도를 분산하여 혼잡이 극심한 정체구간의 지속시간을 줄일 수 있고, 비 혼잡시간대에 교차로 간 신호등을 연동시켜 끊김이 없는 교통흐름을 제공할 수 있다.
아울러, 본 발명은 신호등 신호 최적화 기술을 적용하여 혼잡시간을 감소시키고, 차량의 신호 대기시간을 감소시켜 차량의 에너지 효율을 높이고 대기오염을 줄일 수 있으며, 도심의 직간접적인 교통혼잡비용을 감소시킬 수 있다.
그리고 본 발명은 녹색점등시간외에 대기열분석, 노면조건 반영, 이전에 누적된 신호주기 중 최적화된 정주기신호시간을 검색하고, 다음현시에 따른 교차량 통과 예상수치를 산출하며, 상류부의 교통 혼잡상황인 교통량-밀도 기반의 정보를 참조하여 도로 구간의 포화도를 기준으로 다음 현시신호등운영시간을 결정할 수 있다.
도 1은 본 발명의 일 실시예에 따른 신호등 운영 시스템을 설명하기 위한 블록도이다.
도 2는 본 발명에 따른 신호등 운영 시스템을 나타내는 구성도이다.
도 3은 본 발명에 따른 3지 교차로에 설치된 신호등 운영 시스템의 일 실시예를 나타내는 구성도이다.
도 4는 본 발명에 따른 4지 교차로에 설치된 신호등 운영 시스템의 일 실시예를 나타내는 구성도이다.
도 5는 본 발명에 따른 연속 교차로에 설치된 신호등 운영 시스템의 일 실시예를 나타내는 구성도이다.
도 2는 본 발명에 따른 신호등 운영 시스템을 나타내는 구성도이다.
도 3은 본 발명에 따른 3지 교차로에 설치된 신호등 운영 시스템의 일 실시예를 나타내는 구성도이다.
도 4는 본 발명에 따른 4지 교차로에 설치된 신호등 운영 시스템의 일 실시예를 나타내는 구성도이다.
도 5는 본 발명에 따른 연속 교차로에 설치된 신호등 운영 시스템의 일 실시예를 나타내는 구성도이다.
이하, 첨부도면을 참조하여 본 발명의 바람직한 실시예들에 의한 교통량 증대를 위한 신호교차로 노면조건 및 교통패턴 분석 결과에 따른 신호등 운영 시스템(이하, '신호등 운영 시스템'이라 약칭함)을 상세하게 설명한다.
도 1은 본 발명의 일 실시예에 따른 신호등 운영 시스템을 설명하기 위한 블록도이며, 도 2는 본 발명에 따른 신호등 운영 시스템을 나타내는 구성도이다.
도 1을 참조하면, 본 발명에 따른 신호등 운영 시스템은 교차로의 방향별로 교차로의 검지영역(150)을 통행하는 차량을 감시하여 교통검지정보를 생성하는 복수개의 교통정보 검지기(100)와, 교차로에 설치된 각 교통정보 검지기(100)로부터 교통검지정보가 수신되면 이를 외부로 전송하는 중계기(200), 및 상기 교차로를 관리하는 중계기(200)로부터 제공된 교통검지정보를 분석하여 교차로 신호등의 감응형 제어정보를 생성하며 상기 감응형 제어정보를 교통검지정보를 제공한 중계기(200)에 매칭된 교통신호제어기(400)로 전송하는 중앙관제서버(300)를 포함한다. 여기서, 검지영역(150)은 교통정보 검지기(100)의 설치 각도, 위치, 방향에 따라 조정이 가능하다.
이하, 도면을 참조하여 각 구성요소별로 보다 구체적으로 설명한다.
도 1 및 도 2를 참조하면, 본 발명에 따른 신호등 운영 시스템은 교통정보 검지기(100)를 포함한다.
상기 교통정보 검지기(100)는 교차로의 방향별로 설치되어 상기 방향으로 이동하는 차량을 감시하는 것으로, 검지영역(150) 내에서 신호등의 신호에 따라 정차하거나 이동하는 차량들을 검지(檢知)하여 교통량 세부항목이 포함된 교통검지정보를 생성한다. 이때, 신호등은 적어도 2 이상의 신호별, 예를 들어 적색, 녹색, 황색 및 좌회전 신호를 포함할 수 있으며, 이에 한정되지는 않는다.
또한, 교통정보 검지기(100)는 실시간 또는 신호등의 점등시간 간격으로 차량들을 검지하여 교통검지정보를 생성한다.
상기 교통량 세부항목에는 교차로의 정지선에 대기하는 차량의 대기열 길이를 검출하여 생성한 대기열정보와, 녹색신호등 점등시간에 따라 상기 교차로의 방향별로 통과하는 차량 수를 카운팅하여 생성한 통행차량정보가 포함될 수 있다.
필요에 따라, 교통량 세부항목에는 차선별 이동차량의 누적숫자가 검지된 이동차량정보와 교통정보 검지기(100)의 기기번호가 포함될 수 있다. 구체적으로, 이동차량정보에는 차량의 이동궤적, 검지날짜 및 시각, 주행속도, 통과 차량수, 점유차선, 차량 ID, 차종 정보가 포함된 주행정보를 생성할 수 있다.
이러한 교통정보 검지기(100)는 교통량을 시간대별로 기록할 수 있다.
또한, 교통정보 검지기(100)는 신호등이나 도로변에 배치된 폴(pole)에 설치되어 검지영역(150)으로 진입한 차량에 대한 교통정보를 검지한다.
아울러, 교통정보 검지기(100)는 대기열정보와 통행차량정보가 포함된 교통검지정보를 교통정보 검지기(100)가 설치된 교차로를 담당하는 중계기(200)로 전송한다.
상기 교통정보 검지기(100)는 영상 카메라, 적외선 카메라, 초음파 센서, 열감지 센서 중 어느 하나 이상을 포함할 수 있고, 차량을 감지할 수 있는 다른 센서들을 더 포함할 수 있으며, 차량검지시스템(Vehicle Detection System, VDS)을 사용할 수 있다.
이러한 교통정보 검지기(100)는 빅데이터의 생성을 위해 해당 교차로에서 수집/누적된 데이터를 활용하여 교차로별, 방향별, 시계열별로 분류 및 저장하여 빅데이터의 분석에 사용할 수 있는 교통정보의 로우 데이터(raw data)를 생성한다.
도 3은 본 발명에 따른 3지 교차로에 설치된 신호등 운영 시스템의 일 실시예를 나타내는 구성도이다. 도 3을 참조하면, 본 발명에 따른 교통정보 검지기(100)는 3지 교차로의 방향별(도로-A, 도로-B, 도로-C)로 신호등(11, 12, 13) 앞에 설치되며, 방향별(직진, 좌회전, 우회전, U턴) 전수 차량에 대한 주행정보를 수집한다.
도 4는 본 발명에 따른 4지 교차로에 설치된 신호등 운영 시스템의 일 실시예를 나타내는 구성도이다. 도 4를 참조하면, 본 발명에 따른 교통정보 검지기(100)는 4지 교차로의 방향별(도로-A, 도로-B, 도로-C, 도로-D)로 신호등(21, 22, 23, 24) 앞에 설치되며, 방향별(직진, 좌회전, 우회전, U턴) 전수 차량에 대한 주행정보를 수집한다.
도 5는 본 발명에 따른 연속 교차로에 설치된 신호등 운영 시스템의 일 실시예를 나타내는 구성도이다. 도 5를 참조하면, 3지 교차로에 설치된 3개의 교통정보 검지기(100)는 자체 수집된 교통정보를 3지 교차로에 설치된 중계기(200)로 전송한다. 또한, 3지 교차로와 인접한 4지 교차로에 설치된 4개의 교통정보 검지기(100)는 4지 교차로의 신호등(21, 22, 23, 24) 앞에 설치되며, 해당 방향으로 진입하는 차량에 대한 주행정보를 수집한다.
이러한 교통정보 검지기(100)는 검지영역(150) 내에서 연속적으로 차선별로 이동하는 차량의 방향 및 대기열을 주기별로 카운트하고, 대기열을 산정하는 경우에는 검지영역(150) 내 최종 감지되는 차량의 진입속도를 기반으로 신호 대기 시 차량 정보를 산정하고, 녹색 신호 시 좌회전, 직진 각각의 통과 차량의 숫자, 감지영역 내 이동속도를 기록하며, 적색 신호 시에는 감지영역 내 차량의 이동 숫자 및 정지 위치를 기반으로 대기열의 길이를 산정할 수 있다.
도 1 및 도 2를 참조하면, 본 발명에 따른 신호등 운영 시스템은 중계기(200)를 포함한다.
상기 중계기(200)는 교차로의 방향별로 설치된 교통정보 검지기(100)에 유선이나 무선 또는 유무선통신 네트워크(이하, '통신 네트워크'라 약칭함)에 연결되는 것으로, 각 교통정보 검지기(100)로부터 대기열정보 및 통행차량정보가 포함된 교통검지정보가 수신되면 이를 외부인 중앙관제서버(300)로 전송한다.
여기서, 유선으로는 이더넷(Ethernet)을 이용할 수 있으며, 무선으로는 와이파이, 블루투스, 지그비 등의 근거리 무선통신을 이용할 수 있다.
또한, 유무선통신 네트워크는 여기서, 유무선 네트워크로는 장거리 신호전송이 가능하도록 CDMA(Code Division Multiple Access), WCDMA(wideband code division multiple access), HSDPA(High Speed Downlink Packet Access), LTE(Long Term Evolution), IMT-2020(International Mobile Telecommunications-2020), ADSL(Asymmetric Digital Subscriber Line), VDSL(Very high-data rate Digital Subscriber Line), HDSL(High-bit-rate Digital Subscriber Line), 광LAN(optic LAN) 등의 상용 통신망을 이용할 수 있다.
아울러, 중계기(200)는 3지 교차로나 4지 교차로에 단독(1개)으로 설치되며, 교차로에 설치된 복수개의 교통정보 검지기(100)로부터 제공된 교통검지정보를 수신받는다.
이러한 중계기(200)는 각 교차로의 교통신호 제어기가 설치된 인근의 폴(pole)에 교통정보 검지기(100)와 함께 설치되어 교차로 신호등에 대한 운영 관리의 편의를 제공할 수 있다.
또한, 중계기(200)는 교통정보 검지기(100)로부터 수집된 교통검지정보를 그대로 중앙관제서버(300)로 전송할 수도 있고, 교통검지정보의 로우데이터(raw data)에 대한 정제 기능(오류, 무결성, 방향별, 시계열 정보 수집 등)을 통해 빅데이터 분석 및 학습을 위한 통계 데이터 형태인 메타데이터를 생성한 후 상기 메타데이터를 중앙관제서버(300)로 전송할 수도 있다.
보다 구체적으로, 중계기(200)의 로우데이터 정제기능은 로우데이터 제공 포맷(정의된 데이터 타입 및 길이), 필드 형식 및 값의 범위에 대한 오류 체크기능과 수집된 로우데이터의 수집 주기에 따른 차량의 통계 데이터를 생성하는 기능을 포함한다.
상기 로우데이터의 수집 주기는 중앙관제서버(300)에서 통계데이터 생성을 위한 설정 시간, 예를 들면, 녹색신호 시간이며 10초, 30초, 60초 등 목적에 따라 변경될 수 있다.
상기 차량의 통계 데이터에는 설정 시간 동안의 전체 차량 수, 방향별 차량 수, 차선별 차량 평균속도 등이 포함된다.
이러한 중계기(200)로는 로우데이터 정제기능 등을 제공할 수 있도록 엣지 컴퓨팅 기술이 적용된 엣지 시스템을 사용할 수 있다. 여기서, 엣지 컴퓨팅(edge computing)은 다양한 단말 기기에서 발생하는 데이터를 클라우드와 같은 중앙 집중식 데이터센터로 보내지 않고 데이터가 발생한 현장 혹은 근거리에서 실시간 처리하는 방식으로 데이터 흐름 가속화를 지원하는 컴퓨팅 방식이다.
도 1 및 도 5를 참조하면, 본 발명에 따른 신호등 운영 시스템은 신호제어기(400)를 포함한다.
상기 신호제어기(400)는 미리 설정된 신호운영 테이블에 따라 정주기 TOD(Time of Day)모드로 교차로 신호등의 동작을 제어하는 것으로, 외부로부터 감응형 제어정보가 제공되면 외부로부터 제공된 감응형 제어정보에 따라 감응형 제어모드로 교차로 신호등의 동작을 제어한다.
여기서, 정주기 TOD 모드는 교통량 밀도를 고려하지 않고 시간대별 및 일자별 신호운영 테이블에 따라 신호등 신호운영을 제어하는 운영모드이다.
또한, 신호제어기(400)는 교차로 신호등에 유선 또는 무선으로 연결되며, 중앙관제서버(300)와 통신 네트워크로 연결된다.
아울러, 신호제어기(400)는 교차로 인근에 배치되며, 필요에 따라 교통정보 검지기(100), 중계기(200), 또는 이들 모두와 함께 교차로 인근의 폴(pole)에 설치될 수 있다.
이러한 신호제어기(400)는 지역 감응제어(LAC : Local Actuation Control) 방식, 혼잡구역 교차로방식(CIC : Critical Intersection Control), 정주기 TOD(Time of Day) 방식, 실시간 감응 제어 방식(RTC ; Real Time Control) 중 적어도 하나의 방식으로 신호등의 신호운영을 제어할 수 있다.
도 1 및 도 5를 참조하면, 본 발명에 따른 신호등 운영 시스템은 중앙관제서버(300)를 포함한다.
상기 중앙관제서버(300)는 중계기(200) 및 신호제어기(400)에 통신 네트워크로 연결되는 것으로, 상기 통신 네트워크를 통해 중계기(200)로부터 제공된 교통검지정보를 분석하여 신규의 점등시간 및 출력주기가 포함된 감응형 제어정보를 생성하며, 교차로에 설치된 신호제어기(400)에 상기 감응형 제어정보를 전송한다.
상기 중앙관제서버(300)는 중계기(200)로부터 제공된 교통검지정보를 분석하여 검지영역(150) 내의 교통량 세부항목 중 타겟 세부항목의 실시간 수치교통검지정보가 설정된 타겟 세부항목 기준치보다 높은 수치를 나타내면 상기 교통검지정보를 기반으로 감응형 제어정보를 생성하며, 상기 감응형 제어정보를 상기 신호제어기(400)로 전송한다.
상기 타겟 세부항목은 대기선에 정차한 이동류의 대기열 길이, 녹색신호등 점등시간에 통과하는 교통량, 분산 교통량, 교통량 밀도 중 어느 하나 이상인 것이 바람직하다. 이때, 대기선에 정차한 이동류의 대기열 길이는 교차로를 통과하기 위해 검지 영역에 진입한 차량 중 신호등의 적색 신호에 따라 대기선에 정차한 이동류의 숫자로 산정할 수 있다.
예컨데, 상기 중앙관제서버(300)는 교통검지정보를 기반으로 교통량 밀도를 산출할 수 있다. 즉, 중앙관제서버(300)는 교통검지정보에 포함된 차선별 점유 대수를 검지 영역의 길이로 나누어 차선별로 교통량 밀도를 산출할 수 있다. 그리고 중앙관제서버(300)는 교통량 밀도와 설정된 기준 교통량 밀도를 비교하고, 교통량 밀도가 기준 교통량 밀도보다 높으면 신호등의 신호운영을 실시간 신호운영 테이블에 따라 동작시키는 감응형 제어정보를 생성하며, 상기 감응형 제어정보를 신호제어기(400)로 전송한다.
이와 같이, 중앙관제서버(300)는 수신된 교통검지정보를 기반으로 교차로별 대기선에 정차한 이동류의 대기열 길이, 교통량, 분산 교통량, 교통량 밀도 등을 산출한다.
다시 말해, 중앙관제서버(300)는 비혼잡 상황인 교차로에 설치된 신호제어기(400)가 정주기 TOD 모드로 신호등을 제어하도록 관리하며, 혼잡 상황인 교차로에 설치된 신호제어기(400)가 감응형 제어모드로 신호등을 제어하도록 관리한다.
이러한 중앙관제서버(300)는 중계기(200)로부터 수신된 교통검지정보를 누적하여 교통빅데이터를 구축하고, 실시간으로 최적의 감응형 제어정보를 생성하기 위해 교차로 유형별 교통패턴 및 감속요인을 기계학습 및 강화학습 기법으로 인공지능을 학습시키며, 상기 인공지능으로 실시간 교통검지정보와 교통빅데이터를 분석하여 신호 운영 방법 및 운영 주기를 고려한 실시간 신호운영 테이블을 생성할 수 있다.
상기 중앙관제서버(300)는 빅데이터 셋을 활용하여 교차로별로 교통패턴을 추출하고, 감속요인 가중치가 수치화되어 저장된 이력 데이터베이스를 구축한다. 이때, 교통패턴에는 교차로를 통과하기 위해 대기선에 정차한 차량의 대기열 길이, 도로조건에 따른 최대 교통량, 각 도로별 교통운행 데이터, 신호주기별 녹색시간운영에 따른 차량의 포화도 변화, 첨두시간 대의 정체시간 등이 포함된다.
이때, 도로조건과 신호조건은 교차로에 대한 가변 요소가 아니므로 감속요인에 대한 가중치는 상수 1로 정의하여 계산하고, 교차로별 누적된 교통정보를 통해 교통조건, 자연조건, 운행조건, 운전자습관조건에 따른 차량 교통흐름에 미치는 영향을 수치화하여 정량화 시킨다.
상기 중앙관제서버(300)는 교통검지정보의 차선별 이동차량정보를 분석하여 유입 교통량, 분산 교통량, 대기열의 밀도정보를 획득할 수 있으며, 이전에 누적된 해당 교차로 교통검지정보에서 차량의 감속 요인별 가중치에 따라 가중치 패턴을 도출하며, 이러한 가중치 패턴에 교통검지정보로부터 산출된 유입 교통량, 분산 교통량, 대기열의 밀도정보를 대입하여 교차로 분산 패턴에 따라 현재 교통량을 기준으로 차량의 방향별 교통정보를 예측할 수 있다.
여기서, 가중치 패턴으로는 도로조건 가중치 패턴, 교통조건 가중치 패턴, 신호조건 가중치 패턴, 자연조건 가중치 패턴, 운행조건 가중치 패턴, 운전자습관조건 가중치 패턴이 포함될 수 있다.
상기 중앙관제서버(300)는 교차로로 유입되는 초기 교통량, 감속요인별 가중치 패턴, 이전에 누적된 교통검지정보에서 해당 교차로의 분산 패턴 정보, 이전에 운영한 신호등제어시간 DB를 구성하는 녹색점등운영시간, 및 통과차량 이력정보를 종합적으로 검색하여 동일 조건내의 최대 운행 교통량을 나타내는 현시주기를 신호등운영시간 DB에서 검출한다. 이 경우, 현시주기 중 최대 교통량 예측결과를 도출하기 위해서는 최대ㅇ최소녹색시간 범위 내에서 TOD DB를 재 작성하고, 재 작성된 TOD DB를 기반으로 시뮬레이션을 적용하여 교차로 통과 차량의 예측결과를 다음 현시에 반영한다.
상기 중앙관제서버(300)는 교차로와 교차로간의 길이와 도로용량을 나타내는 교통량-밀도의 기준으로 차선수, 경도, 굴곡에 따라 공간 점유율에 따른 포화도를 산정할 수 있고, 이동 속도를 기준으로 단위시간 내 이동 거리를 예측하며, 교차로의 녹색시간에 통과할 수 있는 최대교통량과 신호주기별 차량의 해당 교차로 전의 포화도를 산정할 수 있다.
예를 들면, 도로 포화도는 아래의 [수학식 1]을 통해 산출될 수 있다.
여기서, X i 는 i 차로군의 포화도이고, V i 는 i 차로군의 교통량이고, c i 는 i 차로군의 용량(vph, vehicles per hour)이고, S i 는 i 차로군의 포화교통류율(vph)이고, g i 는 i 차로군의 유효녹색시간(초)이고, C는 i 차로군의 교차로 신호주기(초)이다.
또한, 포화교통류율은 아래의 [수학식 2]를 통해 산출될 수 있다.
여기서, S i 는 차로군 I의 포화교통류율(vphg)이고, S 0 는 기본 포화교통류율(2,200 pcphgpl)이고, N i 는 i 차로군의 차로 수이고, f w 는 차로 폭 보정계수이고, f g 는 접근로 경사 보정계수이고, f HV 는 중차량 보정계수이고, f LT , f RT 는 좌??우 회전 차로 보정계수(직진의 경우는 1.0)이다.
상기 중앙관제서버(300)는 교차로 통과 시 검지된 교통량을 신호주기별 녹색등화시간 및 황.적색등화시간으로 나누어 재분류하면, 녹색신호등 운영시간 내 통과된 직진차량, 좌.우회전을 통해 교차로를 통과한 차량에 대해 세부적인 분산도를 파악할 수 있다.
상기 중앙관제서버(300)는 시차별 분류를 통해 유입 교통량의 방향성을 분석하면 해당 교차로의 고유한 교통패턴을 분류할 수 있으며, 요일별, 일짜별, 시간대를 기준으로 누적하여 유형을 정의하면 특정시간에 신호등운영시간 대비 교통량 분산 특성을 DB로 구축할 수 있다.
상기 중앙관제서버(300)는 단속류 도로를 구성하는 도로조건, 신호조건을 바탕으로 수치화된 데이터의 계산을 통해 각 교차로별 시설의 최대용량을 산정하고, 실제 운영된 누적 정보를 토대로 시간대별로 교차로를 통과하는 차량의 방향별 차량 숫자를 기록하고, 누적된 교통량 정보에서 각 감속 요인별 비중을 역으로 산출하고, 교통조건, 자연조건, 운행조건, 운전자습관조건 등은 정성적 요소 중 일정한 감속 패턴을 나타내는 가중치를 각각 산정하여 각 교차로별로 저장한다. 이때, 누적정보가 없거나 정성적 조건의 추론이 어려운 경우에는 지속적인 정보를 수집 누적하여 가중치를 반복적으로 적용함으로써 가중치의 정확도를 확보한다.
예를 들면, 도로의 최대용량은 공간점유율(space occupancy: Os)로 산정할 수 있으며, 구간 S에 m대의 차량이 차지하는 거리를 계산하여 아래의 [수학식 3]을 통해 산출될 수 있다.
여기서, S는 단위거리이고, l j 은 차의 길이이다. 이때, 차의 길이는 차종에 따라 중앙관제서버(300)에 미리 설정될 수 있다.
예를 들면, 경차는 3.4m 이하로, 준준형차와 중형차는 4.7m 이하로, 대형차는 12m 이하 또는 9m 이하로, 특대형차는 12m 이상 또는 9m 이상으로 설정될 수 있다.
도로 운행 중 구조물에 의한 감속요인보다 운전자의 습관에 의한 감속 및 지체가 발생하는 경우에는 산정 대상이 객관적 지표로 생성될 수 없으므로, 도로시설 및 특정방향의 차량의 집중화가 시설용량의 임계수준 이상으로 발생하는 경우 집중강도를 산정할 수 있으며, 대기열의 길이에 따라 운전자습관조건(운행습관, 유령정체)의 감속 요인 및 가중치로 산출한다.
교통량 정보에서 각 감속 요인별 비중을 역으로 산출하는 방법은 단속류 교통흐름에 영향을 주는 6가지 요소에 대해서, 수집된 교통 빅데이터와 날씨정보(기상청 제공정보), 이벤트 정보(공사, 사고, 행사 등)를 교통 빅데이터의 시계열 정보와 매칭하여 데이터 셋을 구성하고, 시계열 패턴을 분석하여 특정 요일 및 시간에 대한 오차가 임계 범위를 넘는 경우 그 발생 원인을 요인별로 추출하여 DB화하는 것이다. 예를 들면, 월요일 오전 첨두시간(예, 7~8시)의 교통흐름을 분석할 때, 날씨도 맑고 사고도 없는 평상시의 교통량 패턴과 강우(강우량은 시간당 10mm 미만, 20mm 미만, 500mm미만 등으로 구분) 시의 교통흐름 패턴을 비교하여 강우량이 교통흐름에 미치는 영향을 해당 교차로의 과거 교통량 흐름 패턴을 통해 역으로 산출함을 의미한다. 이와 같은 이치로, 그 외 날씨 요인(적설량, 결빙, 안개, 풍속, 조도, 온도)에 따른 영향을 역으로 산출할 수 있고, 이벤트 정보(공사, 사고, 행사 등)에 따른 영향도 역으로 산출이 가능하다.
상기 중앙관제서버(300)는 특정 교차로의 교통패턴을 정의하기 위해, 도로조건과 자연조건을 분류하여 교차로 신호등 운영시간에 따라 교통량 중심으로 분류하고, 평균분포를 구해 신뢰도 기반의 편차를 구해 해당 교차로의 가변교통량 및 신호등운영시간이 동일 조건하에 시간대별 교통량 변화를 데이터베이스화하여 감속요인 가중치를 산정하여 대표지수에 반영한다.
상기 중앙관제서버(300)는 도로의 시공간 상의 이동류의 변화량을 교통정보 검지기(100)를 통해 실측한 빅 데이터를 특정시점에서 교차로별 교통정보를 시계열 분석함으로써 현재의 교통량이 다음 교차로에 주는 강도를 분석할 수 있다. 다시 말해, 중앙관제서버(300)는 교차로의 현시정보를 기준으로 직진, 우회전, 좌회전을 통해 분산되는 이동류가 다음 교차로에 주는 교통 강도를 숫자로 산정하되 다음 교차로의 도로조건에 따라 유입되는 차량수를 교통량-밀도에 반영하여 강도를 산정하고, 다음 교차로 이전의 검지기를 통해 이동류의 속도 및 거리를 전수 조사함으로써 대기열 길이를 추정할 수 있다.
상기 중앙관제서버(300)는 교통정보 검지기(100)를 통한 교통량을 시간대별로 기록하면, 혼잡시간대와 비혼잡시간대가 구분되고, 이를 교차로 기준으로 교통량-밀도를 산정하면 포화도가 나타난다. 그리고 중앙관제서버(300)는 혼잡시간대의 교차로의 직진 방향의 전수 조사와, 도로조건에 따른 교통량의 최대치와, 교통정보 검지기(100)를 통한 실시간 교통량정보(점유차선, 평균속도, 차량수)를 기반으로 교차로 진입 후 상류부와 교차로 통과 지점의 하류부의 교통정보를 이용하면 상류부로 진입하는 이동류의 교통량-밀도 기반의 앞막힘 방지제어를 위한 녹색신호시간을 결정할 수 있다.
상기 중앙관제서버(300)는 인접교차로가 주.부도로와 상관없이 복수개의 교차로를 군집으로 설정하여, 교차로간 시계열분석에 따라 교통흐름의 차량이동 방향성을 기준으로 실측치와 예측치를 일치시키기 위해서 분석대상 교차로가 상류 교차로에 미치는 교통 밀집 강도를 신호등 현시주기마다 수치로 산정하여 반영하는 기능을 제공할 수 있다.
상기 중앙관제서버(300)는 녹색신호시간에 정지 상태에서 통과할 수 있는 공간적 길이와, 실재 도로 제한속도 이하로 연속적으로 교차로를 통과하는 운행 차량 수(최대치), 첨두시간대에 운행하는 차량의 차량수(최저치), 일자별, 요일별, 시간대별 고유 패턴에 따른 통과 차량수(누적 평균치)를 기반으로, 녹색신호시간의 변화에 따라 차량 수치가 변동치를 반영할 수 있는 프로세서를 기동하고, 기존 상류부에 교통량-밀도에 따라 새로 유입되는 차량수 기반의 공간 점유율을 교통량-밀도로 산정하여 교차로 간의 공간점유율을 예측하고, 공간 점유율이 80% 이상 점유되는 순간부터 앞막힘 제어를 위한 정보를 하류부에 전달하여, 하류부 교차로의 통과 대상 차량 수를 합류도로 기반의 우선통행순위에 따라 녹색신호등시간을 조절하는 기능을 제공할 수 있다.
상기 중앙관제서버(300)는 도로의 시공간상의 이동류의 변화량을 교통정보 검지기(100)를 통해 실측한 빅데이터를 특정 시점에 측정 대상 각 교차로별 순차적 비교를 통해 교차로별 시계열 교통량의 예상 유입량을 분석할 수 있다. 그리고 중앙관제서버(300)는 이를 토대로 상류부에 주는 강도 측정방법으로 각 교차로마다 동일 시점의 교통량 분산 및 유입량을 측정하여, 각 방향별 상류부 교차로에 전달하여 교차로 특성을 신호주기마다 분석하고, 교통량의 증감여부 및 시간대별 상류부의 교차로에 도착하는 예정시간을 산출하되 유입.분산량이 일정한 법칙 및 비율을 갖는지를 분석하여 적용구간의 교차로에 운영 중인 신호주기에 따라 대기열을 파악하는 기능을 제공할 수 있다.
상기 중앙관제서버(300)는 감속 원인 정보 중 시간대별 누적 운영된 교통량 수집정보에 신호등 운영시간을 적용해서 분류된 직진방향 녹색신호시간 동안의 교통량정보, 적색신호 및 보행자시간에 유입된 교통량을 분석하는 방법으로, 시간대별 직진방향 통과차량의 수치가 동일 도로조건, 감소요인을 적용해도 기대수치보다 현저하게 낮은 경우와 교통정보 검지기(100)에 급격한 대기열이 형성되거나 해당 시간에 교통흐름 패턴과 이상 정체현상이 발생한 경우에는 공사, 사고, 불법 도로 점유 등 정성적 원인을 돌발 상황 처리로 특정하여 예외처리가 가능토록 DB로 구성하는 기능을 제공한다.
상기 중앙관제서버(300)는 교통정보 검지기(100)를 통해 수집된 데이터를 교차로에 유입되는 이동류 전수에 대한 교통정보와, 교차로를 통과하는 차량의 방향을 분석하는 수집데이터로 각각을 구분하여 저장한다. 다만, 상호연관 키는 신호주기횟수와 현시주기가 운영되는 시작시간으로 전자의 경우 실시간 교통정보로, 후자의 경우에는 처리 지연에 따라 키로 매핑하여 동일시간의 패턴을 분석하며, 저장부의 DB에 스키마를 정의하고 전달받은 각각의 교통정보 및 신호등 운영정보를 키로 분류하여 DB에 저장한다. 빅 데이터 셋의 구성은 다양한 조건(교차로명, 시간, 일자, 도로조건, 신호등운영시간, 주ㅇ 부도로, 교통량, 평균 속도, 차량수 등)에 따라 라벨링하여 빅 데이터 셋으로 구성한다.
상기 중앙관제서버(300)는 수집된 데이터를 서비스 목적에 맞게 활용하여 패턴을 반복적으로 신경망 딥러닝 알고리즘 RNN(Recurrent Neural Networks)의 LSTM(Long Short-Term Memory models)에 적용하기 위해 초기 데이터, 오류 레이어, 교차로 내의 분산계수에 따른 시그모이드함수, 또는 ReLU식에 대입하여 교차로를 통과한 차량수(출력레이어)의 데이터와 비교하여 교차로의 방향별, 차량수를 반복적으로 학습시켜 개별 교차로의 유입ㅇ유출 패턴을 최단 시간내 추출하고, 개별 교차로를 각각의 LSTM 단계에 적용하는 기능을 제공한다.
상기 중앙관제서버(300)는 교차로 패턴을 반복적으로 적용하는 LSTM 알고리즘에 교차로별 상관관계(검지정보, 통과량정보) 데이터를 입력하여, 특정 교차로가 인접한 교차로에 미치는 교통량을 시간대별 원인별로 분석하여 반복 적용함으로써, 실재 검지된 정보와 일치성을 확보를 위해 Error Layer값을 '0'에 근접토록 시그모이드 함수 및 ReLU함수를 조정하여 LSTM 알고리즘 결과를 검출된 교통량 정보와 검증하여 정확도를 높이는 보정 기능을 제공한다.
상기 중앙관제서버(300)는 각각의 교차로를 이동류 방향별 교차로 수 5개(Level 5) 이하를 RNN LSTM 알고리즘을 적용하여 각 교차로별 이동류 분산 유형을 파악하기 위해 적용 시, 각 교차로의 교통량 입력수치는 상류부로 이동하는 차량의 전수(직진, 우회전, 좌회전,유턴)를 통해 진입되는 차량수를 입력 레이어로, 진입된 차량이 교차로에 도달하기 전의 유입/유출의 소로(작은도로) 값은 오류 레이어로, 알고리즘내 방향별 분산 차량수는 다음 교차로의 진입수량에 가산되는 수치로 LSTM 알고리즘에 적용하며, 실재 운영 중인 연동신호(SA: 군집제어)의 경우에는 연동 대상 교차로 개수와 관련 없이 단일 교차로로 취급하며, 신호등 운영방식에 따른 단일링을 적용하는 경우를 가정한 특징을 갖는다.
상기 중앙관제서버(300)는 연속된 교차로의 경우 각 교차로의 교통패턴에 따른 감속요인별 비중 산출시, 도심 도로조건에 따라 단위 녹색신호 운영시간은 도로제한속도 50Km/h로, 85백분위 주행속도(V85)에 따른 초당 최대이동거리는 [초당 최대이동거리= 13.9m/s ㅧ 0.85]로 산출되며, 감속 요인은 교통량에 따른 도로의 포화도, 교통량-밀도 등의 변수에 따른 요인별 원인이 누적된 교통량 정보에서 각각의 비중값 및 사전에 정의한 감속 요인별 가중치를 적용시간대별로 사전에 산정한 값을 적용하되, 도로의 구조상 갖는 고정적인 교통량-밀도 계수보다 노면조건 및 자연조건으로 인한 감속요인을 보다 우선적으로 적용하고, 각 교차로의 상대적인 교통량-밀도에 따른 지ㅇ정체시간을 적용하며, 해당 시간의 자연조건의 감속요인별 가중치를 반영하는 특징을 갖는다.
비 혼잡시간대의 교차로 통과기준의 교통량 정보는 녹색시간신호 운영에 따른 직진 차량수, 적색시간 운영에 따른 유턴 차량수, 가로축의 좌회전신호(직진적색, 보행자적색시)에 의한 차량수, 보행자신호가 적색신호인 경우를 제외한 우회전 차량수로 구분되며, 교차로를 통과한 차량이 교통정보 검지기(100)가 설치된 위치로 차량이 유입되는 경우 신호등운영시간에 따른 시차 및 이동거리를 기준으로 검지기까지 이동속도를 계산하여 교차로를 통과한 차량의 방향성을 분석하고 신호등운영시간에 따른 유입 유형을 검지시각 별로 순차적으로 구분한다.
상기 중앙관제서버(300)의 보정계수 분류 알고리즘은 특정시간대의 교차로 별 교통량의 실측치와 예측치가 일치되거나 오류율이 작을수록 신뢰도가 증가하고, 알고리즘 신뢰도=(예측치+|오류율|/실측치)*100)에 따라 보정계수의 편차가 적을수록 예측치의 신뢰도가 높아지며, 오류율이 원인별 비중 및 가중치의 적용이 복수의 조건에 따라 비중의 편차가 줄어들수록 예측수치의 정확도가 높아지는 특성을 갖는다.
특정 양태로서, 본 발명에 따른 중앙관제서버(300)는 교통빅데이터 생성부(310)와, 교통정보 분석부(320), 및 교통신호 분석부(330)를 포함한다.
본 발명에 따른 중앙관제서버(300)를 구성하는 교통빅데이터 생성부(310)는 중계기(200)로부터 제공된 교통검지정보를 자체 설정된 빅데이터 분석을 위한 데이터 분류 기준에 따라 데이터베이스(DB) 또는 파일 형태로 중앙관제서버(300)의 저장부에 저장하여 교통빅데이터를 생성한다.
구체적으로, 교통빅데이터 생성부(310)는 데이터 분류 기준에 따라 교통검지정보를 각 교차로별, 방향별(직진, 좌회전, 우회전, U턴), 시계열별(월별, 요일별, 시간별, 신호주기별, 서버의 주요 주기별)로 분류하여 저장부의 교통정보 DB에 저장하여 빅데이터 셋을 구축한다.
상기 중앙관제서버(300)는 교통빅데이터 생성부(310)에 의해 구축된 빅데이터 셋을 통해 각 교차로 간의 시간별, 차로 방향별 교통 흐름 패턴을 추출할 수 있고, 이 정보를 이용하여 교차로간 영향(교통흐름에 미치는 영향)을 분석할 수 있다.
또한, 교통빅데이터 생성부(310)는 교차로별, 방향별, 시계열별과 별도로, 감속요인의 분석을 위해 중계기(200)로부터 수집된 실시간 교통검지정보를 차량 흐름에 영향을 주는 감속요인별로 분류하고, 각 감속요인별로 차량에 미치는 영향을 분석하기 위해 감속요인별로 세부 항목을 분류하고 저장한다. 다시 말해, 교통빅데이터 생성부(310)는 실시간 교통검지정보를 감속요인별로 세부 항목을 DB화 하여 저장부의 감속요인 DB에 저장한다.
이때, 차량 흐름에 영향을 주는 요인으로는 교통량 고정조건과 교통량 유동조건이 있다. 여기서, 교통량 고정조건으로는 도로조건, 신호조건이 있으며, 교통량 유동조건으로는 교통조건, 자연조건, 운행조건, 운전자습관조건이 있다.
예를 들면, 상기 도로조건은 차로수, 평균차로, 폭, 경사, 상류부 링크길이, 좌??우회전 전용차로 유무, 좌회전 곡선반경, 우회전 도류화, 버스정거장 위치, 노상주차장, 진출입로 길이 중 어느 하나 이상을 포함한다.
상기 신호조건은 신호주기, 최소녹색시간, 최대녹색시간, 보행자녹색시간, 황색시간, 상류부교차로 옵셋(offset), 좌회전 형태 중 어느 하나 이상을 포함한다.
상기 교통조건은 이동류별 교통수요, 기본포화 교통률, 첨두시간계수(peak hour factor), 버스정차대수, 주차활동, 순행속도, 초기대기 차량수, 보행자수, 유턴교통량, 승하차인원 중 어느 하나 이상을 포함한다.
상기 자연조건은 강우, 강설, 안개, 주간 및 야간, 황사, 도로결빙, 온도 중 어느 하나 이상을 포함한다. 이러한 자연조건에 대한 비중값의 구성은 노면조건과 자연환경조건으로 구분될 수 있다. 그리고 특정 지점의 도로에 직접적 영향을 측정하는 자연조건은 객관적인 예보정보와 도로구간에 설치된 실측 센서를 통해 직접적으로 측정하여 감속요인별 계수를 획득한다.
상기 운행조건은 사고, 공사, 긴급출동, 포트홀, 불법낙하물, 불법주정차, 무단도로점유, 속도제어를 위한 구조물 중 어느 하나 이상을 포함한다. 이러한 운행조건은 지속성을 갖는 경우와 일시적인 예외 상황을 반영하는 경우가 혼재되어 예측하기 어렵고, 무작위로 발생함으로써 감속운행으로 인한 교통혼잡이 정상적 교통환경으로 돌아오는 지체시간 산정에 목적이 있으며, 교통정보 수집결과에서 이상 교통 흐름 및 패턴을 추출하고 유형별, 원인별 지체지속 시간을 산출한다.
상기 운전자습관조건은 운행습관, 유령정체 중 어느 하나 이상을 포함한다. 이러한 운전자습관조건은 도로 운행 중 구조물에 의한 감속요인보다 운전자의 습관에 의한 감속 및 지체가 발생하는 경우 속도의 평균화 수치에 반영되며, 표본 오차범위 내 존재하는 경우에는 산정 대상이 객관적 지표로 생성될 수 없고, 도로시설 및 특정방향의 이동류 집중화가 시설용량의 임계수준 이상으로 발생하는 경우 집중강도를 산정할 수 있으며, 대기열의 길이에 따라 감속 요인 및 가중치로 산출한다.
이와 같이, 교통빅데이터 생성부(310)는 도심의 교통 흐름에 영향을 미치는 6가지 감속요인에 대한 요인별 분석을 위해 세부 분류 기준을 컬럼으로 하여 DB화 한다.
필요에 따라, 교통빅데이터 생성부(310)는 차량 흐름에 영향을 주는 요인을 교통량 고정조건(도로조건, 신호조건)과 교통량 유동조건(교통조건, 자연조건, 운행조건, 운전자습관조건)으로 분류하되 교통조건, 자연조건, 운행조건은 향후 빅데이터 분석 시 연계 분석이 가능하도록 교통정보 감지기의 ID와 날짜 정보를 연계하여 교통빅데이터를 생성할 수 있다.
이와 같이, 교통빅데이터 생성부(310)는 교통빅데이터로 교차로별, 교차로 방향별(좌회전, 직진, 우회전, U턴), 시계열별(월별, 요일별, 시간별, 신호주기별, 서버 수요 주기별)로 분류된 교통정보 DB와, 각 교차로에 대한 6개 감속요인(도로조건, 교통조건, 신호조건, 자연조건, 운행조건, 운전자습관조건)에 대한 고정조건 DB와, 가변조건의 이력 DB를 구축한다.
여기서, 감속요인 중 교통량 고정조건 2가지는 중앙관제서버(300)에 구비된 저장부의 DB에 저장되어 관리되며, 교통량 유동조건 4가지는 도로현장에 설치된 교통정보 검지기(100)로부터 수집된 교통검지정보와, 외부서버로부터 수집된 온-오프라인 취득정보의 분석을 통해 추출한다. 이때, 외부서버로는 기상청 서버, 교통데이터거래소 서버, 지자체 등의 관공서 서버 등이 사용될 수 있다.
본 발명에 따른 중앙관제서버(300)를 구성하는 교통정보 분석부(320)는 교차로별로 교통패턴을 추출하고, 감속 요인 가중치를 수치화하여 데이터베이스화 하는 것으로, 교차로별 교통패턴 추출부(321)와, 감속요인별 가중치 산출부(322), 및 교차로패턴 분석이력 누적부(323)를 포함한다.
상기 교통정보 분석부(320)는 특정 교차로의 교통패턴을 정의하기 위해 도로조건과 자연조건을 분류하여 교차로 신호등의 운영시간에 따라 교통량 중심으로 분류하고, 평균분포를 계산하여 신뢰도 기반의 편차를 산출하며, 해당 교차로의 가변교통량 및 신호등운영시간이 동일 조건하에 시간대별 교통량 변화를 데이터베이스화하여 감속요인 가중치를 산정하여 대표지수에 반영한다.
상기 교차로별 교통패턴 추출부(321)는 상기 교통빅데이터 생성부(310)에 의해 구축된 빅데이터를 활용하여 교차로별로 교통패턴을 추출하는 것으로, 교통정보 DB에 저장된 빅데이터를 활용하여 교차로별 교통패턴을 추출한다.
이러한 교차로별 교통패턴으로는 교차로를 통과하기 위해 대기선에 정차한 차량의 대기열 길이, 교통량 고정정보에 따른 최대 교통량, 각 도로별 교통운행 데이터, 신호주기별 녹색시간운영에 따른 차량의 포화도 변화, 첨두시간 대의 정체시간 등이 포함된다.
보다 구체적으로, 교차로와 교차로간의 길이는 도로용량을 나타내는 교통량 밀도의 기준이므로, 교차로별 교통패턴 추출부(321)는 먼저 차선수, 경도, 굴곡에 따라 공간 점유율에 따른 포화도를 산정한다. 이때, 교차로별 교통패턴 추출부(321)는 차선별 점유 대수를 교차로 간 길이로 나누어 교차로간 교통량 밀도를 산출할 수 있다.
이어서, 교차로별 교통패턴 추출부(321)는 이동 속도를 기준으로 단위시간 내 이동 거리를 예측하고, 교차로의 녹색시간에 통과할 수 있는 최대교통량과 신호주기별 차량의 해당 교차로 전의 포화도를 산정한다.
그 다음, 교차로별 교통패턴 추출부(321)는 교차로 통과 시 검지된 교통량을 신호주기별 녹색 등화시간 및 황 · 적색 등화시간으로 나누어 재분류 하여, 녹색신호등 운영시간 내 통과된 직진차량, 좌우회전을 통해 교차로를 통과한 차량에 대해 세부적인 분산도를 파악한다.
이 후, 교차로별 교통패턴 추출부(321)는 신호등 운영시간에 따른 시차별 분류를 통해 유입 교통량의 방향성을 분석하면 해당 교차로의 고유한 교통패턴을 분류한다.
마지막으로, 교차로별 교통패턴 추출부(321)는 요일별, 일짜별, 수집 주기를 기준으로 교통정보를 누적하여 유형을 정의하면 특정시간에 신호등 운영시간 대비 교통량 분산 특성을 분류하여 이력 DB를 구축한다.
상기 감속요인별 가중치 산출부(322)는 감속 요인 가중치를 수치화하는 것으로, 교차로별 6개 감속요인의 가중치를 수치화하여 DB화 하는 기능을 제공한다. 이때, 감속요인별 가중치 산출부(322)는 수치화된 감속요인의 가중치를 저장부의 감속요인 DB에 저장한다.
보다 구체적으로, 감속요인별 가중치 산출부(322)는 먼저 단속류 도로를 구성하는 교통량 고정정보(도로조건, 신호조건)를 바탕으로 수치화된 데이터의 계산을 통해 각 교차로별 시설 최대용량을 산정한다. 다시 말해 교통량 고정정보로부터 해당 교차로의 최대교통량을 산출한다.
이어서, 감속요인별 가중치 산출부(322)는 교통정보 DB에 누적된 빅데이터를 토대로 시간대별 교차로의 방향별 최소ㅇ최대치의 통과차량 숫자를 산정한다. 다시 말해, 누적된 교통빅데이터를 통해 해당 교차로의 방향별 최소 교통량을 산출하고, 감속 요인별 가중치 산출부의 최대 교통량을 산출한다.
그 다음, 감속요인별 가중치 산출부(322)는 교통정보 DB에 누적된 빅데이터를 통해 각 감속요인별 비중을 역으로 산출한다. 다시 말해, 감속요인별로 실제 교통흐름에 영향을 미치는 정도(비중)를 산정하여 저장한다.
이 후, 감속요인별 가중치 산출부(322)는 교통정보 DB에 누적된 빅데이터를 분석하여 교통조건, 자연조건, 운행조건, 운전자습관조건 등의 교통량 유동조건 중 일정한 감속 패턴을 나타내는 가중치를 각각 산정하여 각 교차로별로 저장한다.
마지막으로, 감속요인별 가중치 산출부(322)는 교통정보 DB에 누적된 정보가 없거나 교통량 유동조건의 추론이 어려운 경우, 교통정보 DB를 통해 지속적으로 정보를 수집하고 누적하며 가중치를 반복적으로 적용함으로써 가중치의 정확도를 확보하여 이력 DB로 누적한다. 다시 말해, 교통빅데이터를 통해 추출된 정보의 신뢰성 향상을 위해 시간이 지남에 따라 누적된 교통빅데이터를 지속적으로 분석하여 교통빅데이터로부터 추출된 정보를 이력으로 누적하여 각 산출값을 보정한다.
상기 교차로패턴 분석이력 누적부(323)는 교차로별 교통패턴 추출부(321)가 추출한 교차로별 교통패턴과, 감속요인별 가중치 산출부(322)가 산출한 감속요인별 가중치를 데이터베이스화 하여 저장부의 이력 DB를 누적한다.
이러한 교차로패턴 분석이력 누적부(323)는 교통검지정보를 분류하여 저장부에 저장하는 교통빅데이터 생성부(310)와 달리 교통빅데이터를 활용하여 교차로별 교통패턴 추출부(321)와 감속요인별 가중치 산출부(322)에서 산출된 데이터를 저장부의 이력 DB에 저장한다.
이와 같이, 교차로에 유입되는 이동류가 해당 교차로의 신호등 앞에 설치된 교통정보 검지기(100)를 통해 검지되면, 중앙관제서버(300)가 실시간으로 유입 교통량, 분산 교통량, 대기열의 밀도정보를 획득할 수 있으며, 이전에 누적된 해당 교차로 교통정보에서 이동류의 감속 요인별 가중치에 따라 객관적인 패턴을 도출하고, 이를 근거로 교차로에 유입되는 실시간 교통검지정보와 기 추출한 교차로 유형별 교통패턴 및 감속요인을 대입하여 이동류의 방향별 교통정보를 예측할 수 있다.
본 발명에 따른 중앙관제서버(300)를 구성하는 교통신호 분석부(330)는 교통정보 분석부(320)에 의해 구축된 이력 DB와 교통빅데이터 생성부(310)에 의해 구축된 교통정보 DB를 기반으로 최적의 감응형 제어정보를 생성하는 것으로, 감속요인별 분석부(331)와, TOD-DB 생성부(332), 및 신호등 제어부(333)를 포함한다.
상기 감속요인별 분석부(331)는 실시간 교통검지정보와 동일 조건으로 최대 교통량을 갖는 감응형 제어정보를 교통빅데이터로부터 검출한다. 다시 말해 감속요인별 분석부(331)는 이력 DB와 실시간 교통검지정보를 기반으로 동일조건에서 최대 통행량을 갖는 감응형 제어정보의 신호 시간 계획(TOD)을 저장부의 신호등 운영 DB로부터 검출하여 최적의 TOD를 선정한다. 이때, 실시간 교통검지정보는 유입교통량, 분산 교통량, 대기열의 밀도 정보를 포함한다.
상기 신호등 운영 DB는 빅데이터 학습을 위해 현재 교통량 및 고정 교통조건 하에 TOD-DB를 가변할 경우 산출된 교통흐름 정보를 TOD-DB와 연계하여 저장한 DB를 의미한다. 그리고 TOD-DB를 가변할 경우 변경된 교통 흐름의 결과는 VISSIM과 같은 상용 교통시뮬레이션 프로그램을 활용하여 생성할 수도 있고, 운영중인 교차로의 신호제어기(400)를 실시간 가변하여 산출된 결과를 저장할 수도 있다.
상기 TOD-DB 생성부(332)는 상기 감속요인별 분석부(331)에서 검출된 감응형 제어정보를 교차로 신호등의 TOD로 선정한다. 다시 말해, TOD-DB 생성부(332)는 상기 감속요인별 분석부(331)에서 검출된 감응형 제어정보의 TOD를 해당 교차로의 신규 TOD로 지정한다.
상기 신호등 제어부(333)는 상기 감속요인별 분석부(331)에서 검출된 감응형 제어정보가 교차로 신호등의 다음 현시에 반영되도록 실시간 교통검지정보를 제공한 교통정보 검지기(100)와 매칭된 신호제어기(400)로 상기 감응형 제어정보를 전송한다. 다시 말해, 신호등 제어부(333)는 TOD-DB 생성부(332)에서 지정된 신규 TOD가 해당 교차로의 다음 현시에 반영되도록 신호등의 제어에 사용되는 TOD-DB의 기존 TOD를 신규 TOD로 교체한다.
이상에서 본 발명의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술분야의 숙련된 당업자는 하기의 특허청구범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
100 : 교통정보 검지기
150 : 검지영역
200 : 중계기 300 : 중앙관제서버
310 : 교통빅데이터 생성부 320 : 교통정보 분석부
321 : 교차로별 교통패턴 추출부 322 : 감속요인별 가중치 산출부
323 : 교차로패턴 분석이력 누적부 330 : 교통신호 분석부
331 : 감속요인별 분석부 332 : TOD-DB 생성부
333 : 신호등 제어부 400 : 신호제어기
200 : 중계기 300 : 중앙관제서버
310 : 교통빅데이터 생성부 320 : 교통정보 분석부
321 : 교차로별 교통패턴 추출부 322 : 감속요인별 가중치 산출부
323 : 교차로패턴 분석이력 누적부 330 : 교통신호 분석부
331 : 감속요인별 분석부 332 : TOD-DB 생성부
333 : 신호등 제어부 400 : 신호제어기
Claims (10)
- 교차로의 방향별로 설치되고, 교차로의 방향별로 설정된 검지영역을 주행하는 이동류를 검지하여 교통량 세부항목이 포함된 교통검지정보를 생성하며, 상기 교통검지정보를 송신하는 복수개의 교통정보 검지기;
상기 교차로에 설치된 각 교통정보 검지기에 연결되어 각 교통정보 검지기로부터 상기 교통검지정보가 수신되면 이를 중계하는 중계기;
미리 설정된 신호운영 테이블에 따라 정주기 TOD모드로 교차로 신호등의 동작을 제어하고, 외부로부터 제공된 감응형 제어정보에 따라 감응형 제어모드로 교차로 신호등의 동작을 제어하는 신호제어기; 및
상기 중계기 및 신호제어기에 통신 네트워크로 연결되고, 상기 통신 네트워크를 통해 중계기로부터 제공된 교통검지정보를 분석하여 상기 검지영역 내의 교통량 세부항목 중 타겟 세부항목의 실시간 수치가 설정된 타겟 세부항목 기준치보다 높은 수치를 나타내면 상기 교통검지정보를 기반으로 감응형 제어정보를 생성하며, 상기 감응형 제어정보를 상기 신호제어기로 전송하는 중앙관제서버를 포함하는 신호등 운영 시스템. - 제1 항에 있어서, 상기 타겟 세부항목은
교차로를 통과하기 위해 대기선에 정차한 이동류의 대기열 길이, 녹색신호등 점등시간에 통과하는 교통량, 분산 교통량, 교통량 밀도 중 어느 하나인 것을 특징으로 하는 신호등 운영 시스템. - 제1 항에 있어서, 상기 중앙관제서버는
상기 통신 네트워크를 통해 중계기로부터 제공된 교통검지정보와 상기 교통검지정보를 수집할 때 사용된 상기 감응형 제어정보를 서로 매칭시켜 저장하여 교통빅데이터를 생성하고, 실시간 교통검지정보와 동일 조건으로 최대 교통량을 갖는 감응형 제어정보를 상기 교통빅데이터로부터 검출하며, 검출된 감응형 제어정보가 교차로 신호등의 다음 현시에 반영되도록 상기 신호제어기로 전송하는 것을 특징으로 하는 신호등 운영 시스템. - 제3 항에 있어서, 상기 중앙관제서버는
상기 중계기로부터 제공된 교통검지정보를 분석하여 교차로별 교통패턴을 추출하고, 상기 교통검지정보를 수집할 때 사용된 신호제어기의 감응형 제어정보를 교차로별 교통패턴과 매칭시켜 저장하여 교통빅데이터를 생성하고, 실시간 교통검지정보와 동일한 교통패턴으로 최대 교통량을 갖는 감응형 제어정보를 상기 교통빅데이터로부터 검출하며, 검출된 감응형 제어정보가 교차로 신호등의 다음 현시에 반영되도록 상기 신호제어기로 전송하는 것을 특징으로 하는 신호등 운영 시스템. - 제4 항에 있어서, 상기 교차로별 교통패턴은
교차로를 통과하기 위해 대기선에 정차한 차량의 대기열 길이, 도로조건에 따른 최대 교통량, 각 도로별 교통운행 데이터, 신호주기별 녹색시간운영에 따른 차량의 포화도 변화, 첨두시간 대의 정체시간이 포함된 것을 특징으로 하는 신호등 운영 시스템. - 제3 항에 있어서, 상기 중앙관제서버는
상기 중계기로부터 제공된 교통검지정보와 상기 교통검지정보를 수집할 때 사용된 상기 신호제어기의 제어정보를 서로 매칭시키고 교차로별, 교차로 방향별, 시계열별로 분류하고 저장하고, 감속요인의 분석을 위해 중계기로부터 수집된 실시간 교통검지정보를 차량 흐름에 영향을 주는 감속요인별로 분류하며, 각 감속요인별로 차량에 미치는 영향을 분석하기 위해 감속요인별로 세부 항목을 분류하고 저장하여 교통빅데이터를 구축하는 교통빅데이터 생성부와,
상기 교통빅데이터 생성부에 의해 구축된 교통빅데이터를 활용하여 교차로별로 교통패턴을 추출하고, 감속요인별 가중치를 산출하여 가중치가 수치화되어 저장된 이력 데이터베이스를 구축하는 교통정보 분석부, 및
상기 교통정보 분석부에 의해 구축된 이력 데이터베이스와 실시간 교통정보를 기반으로 최적의 신호등 제어정보를 생성하며, 상기 신호등 제어정보를 교차로에 설치된 교통신호제어기에 전송하는 교통신호 분석부를 포함하는 것을 특징으로 하는 신호등 운영 시스템. - 제6 항에 있어서,
상기 감속요인 중 교통량 고정조건인 도로조건과 신호조건은 중앙관제서버의 저장부에 저장되어 관리되며, 교통량 유동조건인 교통조건, 자연조건, 운행조건, 및 운전자습관조건은 교통정보 검지기로부터 수집된 교통검지정보와 외부서버로부터 수집된 온-오프라인 취득정보의 분석을 통해 추출하는 것을 특징으로 하는 신호등 운영 시스템. - 제6 항에 있어서, 상기 교통정보 분석부는
상기 교통빅데이터 생성부에 의해 구축된 교통빅데이터를 활용하여 교통패턴을 추출하는 교차로별 교통패턴 추출부와,
감속요인의 가중치를 수치화하는 감속요인별 가중치 산출부, 및
상기 교차로별 교통패턴 추출부가 추출한 교차로별 교통패턴과, 감속요인별 가중치 산출부가 산출한 감속요인별 가중치를 데이터베이스화 하여 저장부의 이력 DB를 누적하는 교차로 패턴 분석 이력 누적부를 포함하는 것을 특징으로 하는 신호등 운영 시스템. - 제6 항에 있어서, 상기 교통신호 분석부는
실시간 교통검지정보와 동일 조건으로 최대 교통량을 갖는 감응형 제어정보를 상기 교통빅데이터로부터 검출하는 감속요인별 분석부와,
상기 감속요인별 분석부에서 검출된 감응형 제어정보를 교차로 신호등의 TOD로 선정하는 TOD DB 생성부, 및
상기 감속요인별 분석부에서 검출된 감응형 제어정보가 교차로 신호등의 다음 현시에 반영되도록 실시간 교통검지정보를 제공한 교통정보 검지기와 매칭된 신호제어기로 상기 감응형 제어정보를 전송하는 신호등 동작 제어부를 포함하는 것을 특징으로 하는 신호등 운영 시스템. - 제1 항에 있어서, 상기 중계기는
상기 교통정보 검지기로부터 수신된 교통검지정보의 로우데이터에 대한 정제 기능을 통해 통계 데이터 형태인 메타데이터를 생성하며, 상기 메타데이터를 중앙관제서버로 전송하는 것을 특징으로 하는 신호등 운영 시스템.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210147934A KR102646880B1 (ko) | 2021-11-01 | 2021-11-01 | 교통량 증대를 위한 신호교차로 노면조건 및 교통패턴 분석 결과에 따른 신호등 운영 시스템 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210147934A KR102646880B1 (ko) | 2021-11-01 | 2021-11-01 | 교통량 증대를 위한 신호교차로 노면조건 및 교통패턴 분석 결과에 따른 신호등 운영 시스템 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20230063080A true KR20230063080A (ko) | 2023-05-09 |
| KR102646880B1 KR102646880B1 (ko) | 2024-03-12 |
Family
ID=86408816
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210147934A KR102646880B1 (ko) | 2021-11-01 | 2021-11-01 | 교통량 증대를 위한 신호교차로 노면조건 및 교통패턴 분석 결과에 따른 신호등 운영 시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102646880B1 (ko) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20230082154A (ko) * | 2021-12-01 | 2023-06-08 | 주식회사 오션소프트 | 단속류용 교통정보 검지기의 설치위치 결정방법, 및 이 교통정보 검지기를 이용한 신호교차로 초기 대기열 처리방법과 혼잡정보 측정방법 |
| CN117218870A (zh) * | 2023-11-09 | 2023-12-12 | 天津易华录信息技术有限公司 | 一种智慧城市交通信号管理系统 |
| KR102694445B1 (ko) | 2023-12-22 | 2024-08-13 | 주식회사 에이엘테크 | 면발광 바닥신호등 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102116029B1 (ko) * | 2019-12-13 | 2020-05-27 | (주)동림티엔에스 | 드론을 이용한 교통신호 최적화 시스템 |
| KR102145217B1 (ko) | 2018-12-11 | 2020-08-18 | 라온피플 주식회사 | 교통신호 제어 장치 및 방법 |
| KR102184914B1 (ko) | 2019-09-11 | 2020-12-01 | 중앙대학교 산학협력단 | 동영상을 이용한 다중 교차로 교통 신호 제어 방법 및 그 장치 |
| KR102194220B1 (ko) * | 2019-12-13 | 2020-12-23 | 렉스젠(주) | 교통 신호 제어 시스템 및 그 방법 |
| KR20210038445A (ko) | 2020-02-11 | 2021-04-07 | 베이징 바이두 넷컴 사이언스 테크놀로지 컴퍼니 리미티드 | 교통 신호등 신호의 제어 방법, 장치, 기기 및 저장매체 |
| KR20210050247A (ko) * | 2019-10-28 | 2021-05-07 | 김하연 | 하이브리드 교통신호제어시스템 및 그 방법 |
| KR102284504B1 (ko) | 2020-01-15 | 2021-08-02 | 주식회사 오션소프트 | 독립형 신호등 제어장치 |
-
2021
- 2021-11-01 KR KR1020210147934A patent/KR102646880B1/ko active IP Right Grant
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102145217B1 (ko) | 2018-12-11 | 2020-08-18 | 라온피플 주식회사 | 교통신호 제어 장치 및 방법 |
| KR102184914B1 (ko) | 2019-09-11 | 2020-12-01 | 중앙대학교 산학협력단 | 동영상을 이용한 다중 교차로 교통 신호 제어 방법 및 그 장치 |
| KR20210050247A (ko) * | 2019-10-28 | 2021-05-07 | 김하연 | 하이브리드 교통신호제어시스템 및 그 방법 |
| KR102116029B1 (ko) * | 2019-12-13 | 2020-05-27 | (주)동림티엔에스 | 드론을 이용한 교통신호 최적화 시스템 |
| KR102194220B1 (ko) * | 2019-12-13 | 2020-12-23 | 렉스젠(주) | 교통 신호 제어 시스템 및 그 방법 |
| KR102284504B1 (ko) | 2020-01-15 | 2021-08-02 | 주식회사 오션소프트 | 독립형 신호등 제어장치 |
| KR20210038445A (ko) | 2020-02-11 | 2021-04-07 | 베이징 바이두 넷컴 사이언스 테크놀로지 컴퍼니 리미티드 | 교통 신호등 신호의 제어 방법, 장치, 기기 및 저장매체 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20230082154A (ko) * | 2021-12-01 | 2023-06-08 | 주식회사 오션소프트 | 단속류용 교통정보 검지기의 설치위치 결정방법, 및 이 교통정보 검지기를 이용한 신호교차로 초기 대기열 처리방법과 혼잡정보 측정방법 |
| CN117218870A (zh) * | 2023-11-09 | 2023-12-12 | 天津易华录信息技术有限公司 | 一种智慧城市交通信号管理系统 |
| CN117218870B (zh) * | 2023-11-09 | 2024-01-16 | 天津易华录信息技术有限公司 | 一种智慧城市交通信号管理系统 |
| KR102694445B1 (ko) | 2023-12-22 | 2024-08-13 | 주식회사 에이엘테크 | 면발광 바닥신호등 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102646880B1 (ko) | 2024-03-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11847908B2 (en) | Data processing for connected and autonomous vehicles | |
| US12046135B2 (en) | Method and system of predictive traffic flow and of traffic light control | |
| KR102646880B1 (ko) | 교통량 증대를 위한 신호교차로 노면조건 및 교통패턴 분석 결과에 따른 신호등 운영 시스템 | |
| Cook | The detection of freeway capacity reducing incidents by traffic stream measurements | |
| Chowdhury et al. | Fundamentals of intelligent transportation systems planning | |
| De Fabritiis et al. | Traffic estimation and prediction based on real time floating car data | |
| CN104658252B (zh) | 基于多源数据融合的高速公路交通运行状态的评估方法 | |
| Weijermars | Analysis of urban traffic patterns using clustering | |
| Li et al. | Identifying important variables for predicting travel time of freeway with non-recurrent congestion with neural networks | |
| Xiang et al. | An adaptive traffic signal coordination optimization method based on vehicle-to-infrastructure communication | |
| Hawas et al. | Optimized multistage fuzzy-based model for incident detection and management on urban streets | |
| Ansariyar | Precision in Motion: Assessing the Accuracy of LiDAR Sensors for Delay Time Calculation at Signalized Intersections | |
| KR20230082154A (ko) | 단속류용 교통정보 검지기의 설치위치 결정방법, 및 이 교통정보 검지기를 이용한 신호교차로 초기 대기열 처리방법과 혼잡정보 측정방법 | |
| Hegyi et al. | Freeway Traffic Management and Control. | |
| Makhloga | IMPROVING INDIA’S TRAFFIC MANAGEMENT USING INTELLIGENT TRANSPORTATION SYSTEMS | |
| JP2021163040A (ja) | 待ち行列台数の算出装置及び算出方法 | |
| KR102700953B1 (ko) | 단속류 신호교차로 초기대기열 처리 및 링크별 교통량-밀도를 이용한 신호등 운영시스템 및 운영방법 | |
| Kummetha et al. | Proactive Congestion Management | |
| Aljamal et al. | Estimating Traffic Stream Density Using Connected Vehicle Data | |
| Murrugarra et al. | Task 30: Data fusion methodology | |
| KR20230169630A (ko) | 도심의 신호교차로와 링크에 대한 교통 빅데이터를 구축할 수 있는 교통 빅데이터 구축 시스템 및 방법 | |
| KR20240081650A (ko) | 기존 신호제어주기와 교통정보를 기반으로 개선된 신호제어주기를 생성할 수 있는 신호제어주기 개선 시스템 및 방법 | |
| KR20240101100A (ko) | 독립 교차로의 신호제어주기 개선 시스템 및 방법 | |
| Bari et al. | Use of Toll Transaction Data for Travel Time Prediction on National Highways Under Mixed Traffic Conditions | |
| KR20240072437A (ko) | 기존 교통정보 검지기와 신규 교통정보 검지기로부터 수집된 교통정보를 통합하여 관리할 수 있는 교통 빅데이터 구축시스템 및 구축방법 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |