선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 논문에서는 과거의 주행정보를 사용하여 교통상황을 고려한 최적의 경로를 계획하는 알고리즘을 개발하였다. 과거의 주행 정보를 퍼지이론에 의해 분류하고, 베이지안 갱신 공식을 사용하여 시간대의 각 교통상황이 벌어질 확률을 계산한다.
- 본 논문에서는 운전 중에 획득한 주행정보를 전자지도 데이터베이스에 반영하고 환경에 맞는 경로와 소요시간을 예측하는 방법을 제안한다. 제안하는 방법은 그림 1과 같이 교통량 예측과 경로계획으로 나눌 수 있다.
- 본 논문에서는 표 3과 같은 교통상황예측 정보를 링크의 비용 계산에 추가로 반영하여 최적경로를 탐색하는 Dijkstra 와 A* 를 융합한 T* A 알고리즘을 제안한다. T* A 알고리즘은 경로를 탐색해 나가는 과정에서 각 구간의 통과시점과 이에 따른 구간별 예상 소요사간을 링크의 비용으로 누적하여 계산함으로써 운전자가 운행하게 될 시간대와 운행구간의 실제 교통상황이 반영된 최적경로를 탐색할 수 있다.
제안 방법
- 타원영역은 (a)의 사각영역 보다 연산은 복잡하지만 적은 영역을 탐색할 수 있으므로 본 논문에서는 타원 관심 영역을 사용한다.
- 출발지와 목적지를 기준으로 타원관심영역을 설정하고 타원 영역에 존재하는 링크의 비용에 예측된 교통상황을 반영한다. Dijkstra와 A* 알고리즘의 융합을 통해 최적의 경로를 계획한다. 제안한 방법의 주행정보 개수에 따른 성능과 계획된 경로의 구간별 성능을 실제 도로 환경에서 실험하여 검증하였다.
- 구성된다. GPS로부터 계산된 위치정보를 전자 지도에 반영하고. 경로계획 알고리즘을 통해 전자지도의 현재 위치에서 목적지까지의 경로를 계획하고 소요시간을 예측한다.
- 그리고 차량의 주행을 통해 링크의 소요시간을 알 수 있으므로 링크를 통과하는 평균 속도를 계산할 수 있다. 각 링크마다 제한속도가 다르기 때문에 평균속도만으로 교통상황을 예측할 수없으므로 제한속도 대비 주행속도의 비율로 교통상황을 판단한다. 이 비율 역시 정해진 임의의 값으로 분류할 경우 손실되는 정보가 있으므로 그림 5와 같이 퍼지이론을 적용하였다.
- 과거의 주행 정보를 퍼지이론에 의해 분류하고, 베이지안 갱신 공식을 사용하여 시간대의 각 교통상황이 벌어질 확률을 계산한다. 출발지와 목적지를 기준으로 타원관심영역을 설정하고 타원 영역에 존재하는 링크의 비용에 예측된 교통상황을 반영한다.
- 구간별 소요시간을 비교하기 위해 표 4의 환경에서 총 10회 실험하였다. 출발지에서 목적지까지의 경로에서 '임의로 5개의 구간으로 나누고 각 구간의 소요되는 시간의 평균을 계산하였다.
- T* A 알고리즘을 통해 상습정체구간인。구간을 대체하는 최적의 경로를 탐색하여 표 5와 같이 C'구간을 계획하였다.
- 기존의 방법에서는 교통상황을 고려하지 않으므로 예상소요시간이 실제 소요 시간과 큰 차이를 보여주고 있다. 그러나 본 논문에서 제안하고 있는 방법은 과거의 주행정보를 이용하여 예상소요시간을 예측함으로써 실제소요시간과 유사한 정보를 제공하고 있다.
- 본 논문에서 제안하는 알고리즘은 소프트웨어 설계패턴 중의 하나인 전략패턴(Strategy pattern)을 사용하여 설계하였다. 전략패턴은 알고리즘을 캡슐화하여 수정과 상호대체가 가능하도록 설계하여 알고리즘을 사용하는 클라이언트와 독립하는 방법이다.
- 기록한다. 본 논문에서는 데이터베이스에 각 링크마다 누적된 과거의 주행 정보를 퍼지이론과 베이지안 갱신 기법에 적용하여 교통상황 예측방법을 제안한다.
- 알고리즘의 구현은 Visual C++과 STL Library, MS-SQL RDBMS를 이용하여 Standalone 소프트웨어로 개발하였고. 그림 9는 구현된 소프트웨어의 G5이다.
- 예측하는 방법이 있다〔11〕. 이 방법은 과거의 주행 정보로부터 주중과 주말을 분리하여 임의로 정한 시간대별 교통량을 예측하는 방법을 제안하였다. 이 방법의 경우 속도등급과 시간대를 고정시키므로 다양한 도로환경을 반영하지 못하고, 정해진 시간대의 경계에 있는 주행정보가 제대로 분류가 되지 않을 위험성을 가지고 있다.
- Dijkstra와 A* 알고리즘의 융합을 통해 최적의 경로를 계획한다. 제안한 방법의 주행정보 개수에 따른 성능과 계획된 경로의 구간별 성능을 실제 도로 환경에서 실험하여 검증하였다. 본 논문을 통하여 비용이 발생하는 TTI 기반의 실시간 교통정보에 비하여 정확성은 떨어지지만 과거의 주행정보를 통해 교통상황을 예측할 수 있었고, 운전자의 경험을 반영한 경로를 계획할 수 있다는 결론을 도출하였다.
- 이 도로는 6개의 노드와 5개의 링크로 구성되어 있으며, 약 L5km의 길이와 시속 70 km/h를 최대 속도로 제한하고 있다. 주행정보 개수에 따라 10회씩 다양한 시간대에서 실험을 하였다. 실험결과인 그림 11의 점선은 예측시간과 실제 소요시간의 10회 실험에 대한 평균이고, 실선은 예측시간과 실제 소요시간의 차에 대한 표준편차이다.
- 비교하였다. 주행정보의 개수에 따른 성능은 누적된 주행 정보의 개수 변화에 따라 성능에 미치는 영향을 파악하고, 구간별 소요시간은 교통상황을 예측하여 생성된 최적의 경로■가 실제 주행환경을 반영하는지 확인한다.
- 출발지에서 목적지까지의 경로에서 '임의로 5개의 구간으로 나누고 각 구간의 소요되는 시간의 평균을 계산하였다.
- 평일과 공휴일은 교통상황의 패턴이 다르므로 교통상황과 시간대에 대한 테이블을 구분하여 계산한다.
- 이와 같은 문제점을 해결하기 위해 퍼지 이론을 적용하여 그림 4와 같은 멤버십 함수로 구성하였다. 하루 24시간을 심야시간대, 출근시간대, 낮 시간대, 퇴근 시간대, 밤 시간대로 분류하였다.
대상 데이터
- 구축하였다. 5분 단위의 시간대별 평균시간과 요일 특성, 기상특성을 칼만필터의 입력 데이터로 사용하였다. 초기 수렴 시간 전까지 오차가 발생하였으나 수렴이후에는 안정적으로 주행 시간을 예측하는 결과를 보여 주었다.
- 본 실험은 대전의 궁동사거리에서 충남대학교 동물병원까지의 도로에서 수행하였다. 이 도로는 6개의 노드와 5개의 링크로 구성되어 있으며, 약 L5km의 길이와 시속 70 km/h를 최대 속도로 제한하고 있다.
데이터처리
- 제안한 알고리즘의 성능을 검증하기 위해 누적된 주행 정보의 개수에 따른 성능과 최적의 경로계획에 따른 구간별 소요 시간을 비교하였다. 주행정보의 개수에 따른 성능은 누적된 주행 정보의 개수 변화에 따라 성능에 미치는 영향을 파악하고, 구간별 소요시간은 교통상황을 예측하여 생성된 최적의 경로■가 실제 주행환경을 반영하는지 확인한다.
이론/모형
- 링크의 교통상황을 예측하기 위해 누적된 주행정보는 퍼지이론에 의해 분류하였다. 분류된 주행정보를 베이지안 갱신 공식에 적용하면 식 (2)와 같이 도출할 수 있다.
- 본 논문의 실험을 위해 GPS 수신기 일체형 PDA인 로얄텍社의 RTW-1000모델을 사용하였다. 그림 10의 단말기는 헬 리컬 GPS 안테나를 사용하기 때문에 안테나의 방향이나 흔들림 없이 모든 방향의 신호를 수신할 수 있어서 교통정보를 수집하는 목적으로 적합하다.
- 각 링크마다 제한속도가 다르기 때문에 평균속도만으로 교통상황을 예측할 수없으므로 제한속도 대비 주행속도의 비율로 교통상황을 판단한다. 이 비율 역시 정해진 임의의 값으로 분류할 경우 손실되는 정보가 있으므로 그림 5와 같이 퍼지이론을 적용하였다.
- 이 경우 인접한 시간대임에도 불구하고 서로 다른 그룹으로 분류되는 문제점이 발생한다. 이와 같은 문제점을 해결하기 위해 퍼지 이론을 적용하여 그림 4와 같은 멤버십 함수로 구성하였다. 하루 24시간을 심야시간대, 출근시간대, 낮 시간대, 퇴근 시간대, 밤 시간대로 분류하였다.
성능/효과
- 주행 정보가 전혀 없는 경우에는 평균 예측 시간이 177초로 고정되지만 주행정보의 개수가 늘어남에 따라 가변적으로 변하는 것을 알 수 있다. 그리고 예측 시간과 소요 시간의 차이에 대한 표준편차도 수렴되어 주행정보가 30 개 이상이되면 안정화 되는 것을 확인할 수 있다.
- 제안한 방법의 주행정보 개수에 따른 성능과 계획된 경로의 구간별 성능을 실제 도로 환경에서 실험하여 검증하였다. 본 논문을 통하여 비용이 발생하는 TTI 기반의 실시간 교통정보에 비하여 정확성은 떨어지지만 과거의 주행정보를 통해 교통상황을 예측할 수 있었고, 운전자의 경험을 반영한 경로를 계획할 수 있다는 결론을 도출하였다.
- 그러나 본 논문에서 제안하는 방법을 적용하면 C구간 보다。'구간의 예측시간이 짧으므로 최적의 경로로 계획할 수 있다. 실제소요시간을 측정한 결과 최적의 경로임을 확인할 수 있었다.
후속연구
- 향후 연구로는 최근 주행정보와 오래된 주행정보에 서로 다른 가중치를 부여함으로써 변화된 교통상황을 고려한 교통예측 알고리즘을 개발하는 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.