국내외 각급 도시에서 시행중인 실시간 버스정보시스템(BIS)에 있어 버스도착예정시간 정보의 정확도는 시스템에 대한 가치평가의 가장 중요한 요소 중 하나이다. FTMS나 RTMS에서의 VMS정보와는 달리 개별버스의 도착예정시간 정보의 경우는, 가공 및 제공주기 그리고 시스템의 가공과정에서 불가피한 오차가 발생한다. 이를 '시스템 오차'라 규정하고 이들 오차의 평균값을 통계적 기법으로 도출하여, 버스도착예정시간 정보에 보정하는 방안을 제시하였다. 또한 검증을 위해 'A'시의 버스정보시스템에 동 기법에 따라 보정을 수행한 결과, 보정전보다 오차율이 23%감소한 것으로 나타났다. 이처럼 버스도착예정시간 정보의 정확도의 제고를 위해서는 시스템오차를 낮추는 방안이 적용해야 하는데 특히, 위치정보수집 빈도를 높이고, GPS 음영지역 해소 등 분산 값에 영향을 미치는 결측을 줄이기 위한 노력을 강구해야 한다.
국내외 각급 도시에서 시행중인 실시간 버스정보시스템(BIS)에 있어 버스도착예정시간 정보의 정확도는 시스템에 대한 가치평가의 가장 중요한 요소 중 하나이다. FTMS나 RTMS에서의 VMS정보와는 달리 개별버스의 도착예정시간 정보의 경우는, 가공 및 제공주기 그리고 시스템의 가공과정에서 불가피한 오차가 발생한다. 이를 '시스템 오차'라 규정하고 이들 오차의 평균값을 통계적 기법으로 도출하여, 버스도착예정시간 정보에 보정하는 방안을 제시하였다. 또한 검증을 위해 'A'시의 버스정보시스템에 동 기법에 따라 보정을 수행한 결과, 보정전보다 오차율이 23%감소한 것으로 나타났다. 이처럼 버스도착예정시간 정보의 정확도의 제고를 위해서는 시스템오차를 낮추는 방안이 적용해야 하는데 특히, 위치정보수집 빈도를 높이고, GPS 음영지역 해소 등 분산 값에 영향을 미치는 결측을 줄이기 위한 노력을 강구해야 한다.
Many large cities in Korea have implemented or planed to implement a bus information system(BIS) to improve service quality for bus Passengers, mainly by Providing bus arrival time at bus stations. In those systems, similar systematic errors to estimate the bus arrival time occur, which are caused b...
Many large cities in Korea have implemented or planed to implement a bus information system(BIS) to improve service quality for bus Passengers, mainly by Providing bus arrival time at bus stations. In those systems, similar systematic errors to estimate the bus arrival time occur, which are caused by the cycle time to identify each bus location, the information processing time of the center system, and the cycle time to update the bus arrival information on each terminal. This paper investigated each cause sequentially and estimated three expectations related to the above three causes, respectively using the random incidence concept. Through a validation using real data from a BIS in a city in Korea, fairly amount of improvements on the bus arrival time estimation have been observed.
Many large cities in Korea have implemented or planed to implement a bus information system(BIS) to improve service quality for bus Passengers, mainly by Providing bus arrival time at bus stations. In those systems, similar systematic errors to estimate the bus arrival time occur, which are caused by the cycle time to identify each bus location, the information processing time of the center system, and the cycle time to update the bus arrival information on each terminal. This paper investigated each cause sequentially and estimated three expectations related to the above three causes, respectively using the random incidence concept. Through a validation using real data from a BIS in a city in Korea, fairly amount of improvements on the bus arrival time estimation have been observed.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구에서는 이러한 오차의 발생 현상을 분석함으로써 해당 오차를 최소화할 수 있는 방안을 강구하고, 보완에 따른 성능개선효과를 실측자료를 통해.규명하여 향후 유사한 체계의 버스정보시스템 구축 시 버스도착예정시간 정보의 신뢰도를 제고할 수 있도록 하고자 한다.
발생하게 되는 것이다. 따라서, 논리적인 수집-가공 주기 오차(&)를 정의하고 이들의 평균값(如)을 분석하여 버스도착예정시간에 보정 적용하여 정보의 신뢰성을 높이고자 한다. 물론 개별차량의 오차를 산정하여 보정하는 방법이 있겠으나 오차의 평균값을 사전에 도출하여 산정된 도착 예정 시간에 일괄 보정 적용하는 방법이 구축이 용이하며, 오차에 대한 일반화를 통해 그 활용범위를 넓힐 수 있는 장점이 있다.
이렇게 수집된 위치정보는 구간별 버스 통행 시간 정보로 가공되어 운행 중인 차량 또는 정류장 기준의 도착 예정 시간과 앞뒤 차 시간 등을 버스내 , 버스정류장 단말기에 제공하게 된다. 본 연구에서는 그 중 버스 도착 예정 시간의 제공 과정에서 발생 가능한 오차에 대한 분석을 진행하도록 한다.
본 연구에서는 버스 정보시스템의 정류장기준 버스 도착 예정 시간 정보에 시스템 오차가 존재함을 증명하였으며, 이 오차의 평균값 구조를 통계적으로 규명하고 이에 대한 간략한 보정방안을 제시하고자 하였다.
제공단계에서 발생하는 논리적인 오차가 포함되어 제공될 가능성이 있다. 본 연구에서는 이러한 오차의 발생 현상을 분석함으로써 해당 오차를 최소화할 수 있는 방안을 강구하고, 보완에 따른 성능개선효과를 실측자료를 통해.규명하여 향후 유사한 체계의 버스정보시스템 구축 시 버스도착예정시간 정보의 신뢰도를 제고할 수 있도록 하고자 한다.
본 연구에서는 특히 정보수집-가공-제공 전체 단계에서 시스템오차가 발생하는 '전체운행 버스스 일괄가공' 체계로 운영되는 시스템에 대해 이를 분석하고 보정방안을 제시하고자 한다.
이상의 시스템 오차 보정방안의 실증적 사례 검토를 위해 국내 버스 정보시스템 설치도시에 대한 자료를 토대로 분석하고자 한다. 최근 구축된 'A시의 버스 정보시스템은 전 단계에서 시스템 오차를 가지는<표 3>의 ① 형식으로 구축되었는데, 전술한 방법에 의해 보정이 적용된 시스템이다.
최근 구축된 'A시의 버스 정보시스템은 전 단계에서 시스템 오차를 가지는<표 3>의 ① 형식으로 구축되었는데, 전술한 방법에 의해 보정이 적용된 시스템이다. 이에 동 시스템의 산정된 버스 도착 예정 시간 정보와 해당 버스의 실제 도착 로그자료를 토대로 보정 효과를 평가하고자 한다.
제안 방법
무엇보다 본 연구에서는 오차 평균값의 구조를 정립함으로써, 수집 및 제공 주기, 음영지역으로 인한 결측 상황이 시스템의 정확도에 직접적 영향을 미침을 규명하였다. 오차 평균값은 최대정보수집 주기의 평균과 분산이 낮을수록 작게 나타나며 시스템의 연산시간과 정보제공 주기 역시작을수록 작아지는 것으로 나타났다.
사업 구간의 도착 예정 정보의 신뢰성을 평가하기 위한 방법은 조사원 목측에 의한 실측자료와 센터에서 수집 ■ 가공한 제공자료를 보정 전·후 자료를 비교분석하는 현장테스트 방법을 적용하였다.
이에 시스템 특성상 수집-가공-제공단계에서 불가피하게 발생하는 오차를 '시스템 오차'라 규정하고 이들 오차의 평균값을 확률밀도함수와 random incidence 를 응용한 통계적 기법으로 도출하여, 산출된 버스 도착 예정 시간 정보에 보정하는 방안을 제시하였다. 동 식의 검증을 위해 현재 운행 중인 'A'시의 버스 정보시스템에 이 같은 보정과정을 수행한 결과 보정 전보다 오차가 약 23% 감소한 것으로 나타났다.
보정하여 시스템에 적용하였다. 즉 산정된 버스도착예정시간에 식(4) 와 같이 시스템오차를 가산하여 제공함으로써 정확도를 제고하였다.
보여주게 되는데, 이는 조기. 지연오차의 절대치 (MAE: Mean Absolute Error)를 분석함으로써 알 수 있다. 이는 표출된 도착 예정 시간 정보에 대해 버스 이용 시민이 체감하는 실제 오차의 평균을 의미하는 것으로 높을수록 정확도는 떨어짐을 의미한다.
데이터처리
도시 내에서 운행 중인 전체 버스의 상황에 따라 가변적인 정보수집최대주기(q)의 평균값은 시스템 로그 자료로 추출하는 방안이 있으나 일정 기간 운행중인 전체 버스의 원시정보에 대한 백업이 이루어지지 않아 임의의 노선의 버스의 위치정보(정주기 및 이벤트) 송신 빈도 평균을 활용하였다. 오전 8~10시에 수신된 임의의 노선 22대로부터 수신한 위치추적정보 1, 1기건을 분석한 결과, 이 중 이벤트 정보는 470개로서 정주기만 적용 시 30초에 해당하는 정보수집 최대주기를 40.
이론/모형
이에 정보제공단계 오차의 평균값(矽)은 정보 수집 주기 오차의 평균(可)를 구하는 방법과 같이 확률밀도함수와 Random Incidence를 이용한 분석방법을 적용하여 도출할 수 있다.
성능/효과
42%)로 매우 양호한. 것으로 나타나 분산 값에 매우 적은 영향을 주는 것으로 나타났으며, 노선별 이벤트 정보의 송신 분포에 의한 기본적 분산 및 편차인 것으로 판단된다.
경험적으로 중소도시 BIS 시스템에서 0~20초 정도가 소요되는 것으로 나타났다.
높다는 것이다. 또한, 상기 식의 버스 도착 예정 시간의 시스템오차의 구조를 살펴보면 정보수집 최대주기의 평균(乙)과 제공주기(%)가 짧을수록, 정보수집 최대주기 변화의 분산(如)이 낮을수록 작게 된다.
시스템 부하가 크지 않은 장점이 있다. 또한, 이 방법만으로도 보정사례에서 제시한 것처럼 오차를 크게 줄일 수 있었음을 확인할 수 있있다. 이에 '조기 도착과 같은 현상이 나타나는 시스템을 포괄적으로 보정할 수 있는 방법론으로 의미가 있다고 판단된다.
보정 전 · 후의 2, 570개 정보에 대한 절대오차를 분석한 결과 보정 전에는 131초였으나 보정 후 101초로 오차가 약 23% 감소한 효과를 나타냈다. 즉 BIS 시스템의 구축 형태에 따라 이와 같은 시스템 오차의 분석 및 보정이 정확도에 큰 영향을 미칠 수 있음을 알 수 있다.
평균을 활용하였다. 오전 8~10시에 수신된 임의의 노선 22대로부터 수신한 위치추적정보 1, 1기건을 분석한 결과, 이 중 이벤트 정보는 470개로서 정주기만 적용 시 30초에 해당하는 정보수집 최대주기를 40.1% 단축하는 효과를 보이는 것으로 나타나 정보수집 최대주기의 평균치(瓦)는 18초를 적용할 수 있는 것으로 나타났다.
오차 평균값은 최대정보수집 주기의 평균과 분산이 낮을수록 작게 나타나며 시스템의 연산시간과 정보제공 주기 역시작을수록 작아지는 것으로 나타났다. 즉, 버스정보시스템의 정확성을 향상시키기 위해서는 위치 파악용 정주기를 가능한 한 높여 정보 수집 주기를 낮춰야 하며, GPS 음영지역 해소 등 분산값에 큰 영향을 미치는 결측을 줄이기 위한 노력을 강구해야 한다.
이를 해석하면, 개별버스의 위치정보 수집 범위 (q)의 분포에서 개별버스의 정보 결측이 있다면 그 평균값(瓦)은 커지고 오차도 따라서 커지지만 결측이 없고 이벤트 위치정보도 빈번하게 수집될 경우 평균 값과 오차는 작아짐을 나타내며 또한 분산값(七)은 위치정보 송신의 결측이 전혀 없는 이상적인 경우 0에 가까워져 오차는 수집 주기 평균의 1/2에 가깝게 최적화됨을 나타낸다.
이에 시스템이 내포하고 있는 시스템 오차 평균값 약 57초를 보정하여 적용한 결과 오차의 분포는 다음에서 보듯이 전체적으로 하향하여 '0'값을 중심으로 균일하게 분포하는 것으로 나타났다.
후속연구
개별가공'방식을 권장할 수 있다. 단, '일괄가공' 방식 시스템이라도 버스 내 송신 단말의 시각을 동기화한다면, 센터의 위치 수신 시각과, 가공 시각을 토대로 수집 주기 오차(&) 개별보정이 가능할 것이다. 그러나, 정보 제공 주기 오차(Q의 경우 정보 제공 주기 동안 고정된 정보에 노출된 정류장 승객이 평균적으로 체감하는 오차이므로, 개별 정보별 보정은 현실적으로 불가능하며, 표출주기를 줄이는 데도 한계가 있다.
통해 오차를 현저히 낮출 수 있다. 따라서 향후 단 기미래 예측기법 등에 대한 적극적 연구가 추진되어야 할 것으로 판단된다.
즉, 버스정보시스템의 정확성을 향상시키기 위해서는 위치 파악용 정주기를 가능한 한 높여 정보 수집 주기를 낮춰야 하며, GPS 음영지역 해소 등 분산값에 큰 영향을 미치는 결측을 줄이기 위한 노력을 강구해야 한다. 또한 시스템의 성능을 최적화하여 연산시간을 낮추는 노력을 병행해야 할 것이다.
한다. 또한 정보가공 및 제공 주기 또한 가능한 한 짧게 하고, 시스템 측면에서 성능을 최적화하여 연산 시간으로 인한 절대적인 오차를 낮추는 노력도 병행해야 할 것이다.
또한, 동 오차의 규모를 줄여 버스정보시스템의 정확성을 향상시키기 위해서는 오차식에서 보듯이 위치 파악용 정주기 추적 빈도를 가능한 높여 평균 정보 수집 주기를 낮춰야 하며, GPS 음영지역 등으로 인한 자료 결측을 줄이는 방안을 강구하여 수집 주기의 분산을 최소화해야 한다. 또한 정보가공 및 제공 주기 또한 가능한 한 짧게 하고, 시스템 측면에서 성능을 최적화하여 연산 시간으로 인한 절대적인 오차를 낮추는 노력도 병행해야 할 것이다.
발생한다. 이에 단기예측기법과 같은 통행 시간 가공 알고리즘의 정확성과는 별도로 시스템적으로 발생하는 단계별 오차를 분석하여 버스 도착 예정 시간을 보정한다면 버스도착시간 정보의 정확도를 제고할 수 있을 것이다.
그러나, 정보 제공 주기 오차(Q의 경우 정보 제공 주기 동안 고정된 정보에 노출된 정류장 승객이 평균적으로 체감하는 오차이므로, 개별 정보별 보정은 현실적으로 불가능하며, 표출주기를 줄이는 데도 한계가 있다. 이에 버스정류장 단말의 최적-최소 표출 주기를 도출하는 연구가 필요하리라 판단된다.
Richard C.Larson, Amedeo R. Odoni, (1981), 'Urban Operation Research'
Hu, K. and C.K. Wong(2002), 'Deploying Real- Time Bus Arrival Information and Transit Management Systems in Los Angeles', Proceedings of the ITS America 12th Annual Meeting, Long Beach, Calif., April 29-May 2
국토개발연구원(1998), '국가 ITS 아키텍쳐 확립을 위한 연구'
교통개발연구원(1998), '과천지역 지능형교통시스 템 시범운영사업의 평가'
울산시(2002), '울산 지능형교통체계(ITS) 실시설계 보고서'
한국ITS학회지 제2권 제2호 (2004), 'ITS사업 및 지역센터 특집호'
건설교통부(2004), '첨단교통모델도시 건설사업 효과분석'
김승일 외 3인 (2006), 'Error Correction of Arrival Time Estimation in Realtime Bus Information System', 2006 대중교통국제세미나, 서울시립대학교
※ AI-Helper는 부적절한 답변을 할 수 있습니다.