$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

루프검지기 자기신호 패턴분석을 통한 차량재인식 알고리즘
A Vehicle Reidentification Algorithm using Inductive Vehicle Signatures 원문보기

大韓交通學會誌 = Journal of Korean Society of Transportation, v.27 no.1 = no.106, 2009년, pp.179 - 190  

박준형 (한양대학교 교통시스템공학과) ,  오철 (한양대학교 교통시스템공학과) ,  남궁성 (한국도로공사 도로교통기술원)

초록
AI-Helper 아이콘AI-Helper

구간통행시간은 고속도로의 교통상황 모니터링을 위해 가장 효과적으로 사용될 수 있는 교통변수 중의 하나로 본 연구에서는 루프검지기를 이용하여 구간통행시간을 산출하는데 새로운 방법의 접근을 시도하였다. 국내에 가장 보편적으로 설치되어 있는 루프검지기에서 수집한 자기신호자료를 분석하여 각 차량을 구분할 수 있는 개별차량 고유특성을 산출하여 상류부를 통과한 차량을 하류부에서 재인식하는 알고리즘을 개발하였다. 개별차량특성으로는 차량의 검지기 통과시간, 차량길이, ESI값을 사용하였다. 검지기를 수집한 동일시간, 동일장소에서 동영상을 촬영 및 분석하여 실제통행시간을 산출하고 개발된 알고리즘의 성능평가를 위해 사용하였다. 매칭정확도를 최대로 하는 각 파라메터들의 최적값을 산정하기 위해 수집자료의 전반부를 training data로 설정하고 파라메터의 정산과정을 사용하였다. 산출된 최적 파라메터들을 이용하여 수집자료의 후반부인 test data에 적용하여 구간통행시간과 매칭정확도를 산출하였다. 차량재인식 결과 개발된 알고리즘에서는 매칭정확도가 약 48%로 산출되었으며, 구간통행시간은 34.14초로 실제 구간통행시간인 34초와 매우 유사하게 산출되었다. 그리고 본 연구에서 제시한 알고리즘의 교통상황에 따른 적용가능성 검토과정을 수행하였다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Travel time is one of the most important traffic parameters to evaluate operational performance of freeways. A variety of methods have been proposed to estimate travel times. One feasible solution to estimating travel times is to utilize existing loop detector-based infrastructure since the loops ar...

주제어

#차량자기신호   #구간통행시간   #차량 재인식   #루프검지기   #교통정보  

참고문헌 (6)

  1. 오철(2005), '개별차량의 고유특성을 이용한 구간통행시간 산출기법 개발', 대한교통학회지, 제24권 제1호, 대한교통학회, pp.83-91 

  2. Oh, C., Ritchie, S.G., and Park, S(2002), 'Development of a real-time probabilistic vehicle reidentification algorithm for signalized intersections', Working paper, Institute of Transportation Studies, University of California, Irvine 

  3. Sun, C., S.G. Ritchie, W. Tsai, R. jayakrishnan. (1999). 'Use of Vehicle Signature Analysis and Lexicographic Optimization for Vehicle Re-identification on Freeways', Transportation Research, Vol. 7C, pp.167-185 

  4. K $\ddot{u}$ hne, R.D.(1991), 'Freeway control using a dynamic traffic flow model and vehicle reidentification techniques', Transportation Research Record Vol.20, pp.251-259 

  5. Bohnke, P., Pfannerstill, E.(1986), Asystem for the automatic detection of traffic situations. ITE Journal, 56 

  6. Jeng, C., S.G. Ritchie(2006), 'New inductive signature data compression and transformation method for online vehicle reidentification', In Proceedings of the 85th Annual Meeting of the Transportation Research Board, Washington, D.C. 

저자의 다른 논문 :

관련 콘텐츠

섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로