[논문]Paramics를 이용한 APID, DELOS평가

남두희

doi:10.7236/jiibc.2013.13.4.61

초록
AI-Helper

교통관리 시스템에서 돌발상황 관리시스템은 매우 중요한 역할을 차지하고 있다. 여러 종류의 알고리즘이 사용되고 있는데 이 중에서 APID, DELOS가 가장 많이 사용되고 있다. 검지알고리즘의 경우는 localization이 중요하며 교통상황에 적합한 파라미터의 검증과, 검지기 자료의 유효성 문제가 지적되고 있다. 본 논문에서는 APID, DELOS 돌발상황 검지알고리즘의 평가를 위해 방법론 및 시나리오를 구성하여 교통여건별, 시나리오별로 평가하였다. 특히, 알제리의 실제 도로망을 이용하여 평가를 진행하였다. 모든 조건을 만족하는 하나의 돌발상황 검지알고리즘을 개발한다는 것은 어려우며 각 도로 및 교통조건에 맞추어 최적의 알고리즘을 적용하는 것이 바람직할 것으로 판단된다.

Abstract ▼ AI-Helper

The central core of the Traffic Management System is an Incident Management System. Whole approach has been component-orientated, with a secondary emphasis being placed on the traffic characteristics at the sites. The first action taken during the development process was the selection of the require...

The central core of the Traffic Management System is an Incident Management System. Whole approach has been component-orientated, with a secondary emphasis being placed on the traffic characteristics at the sites. The first action taken during the development process was the selection of the required data for each components within the existing infrastructure of Algeria freeway system. After review and analysis of existing incident detection methodologies, Paramics was utilized to test the performance of APID, DELOS algorithms. The existing system of Algeria freeway was tested in a different configuration at different sections of freeway, thereby increasing the validity and scope of the overall findings. The incident detection module has been performed according to predefined system validation specifications. The Paramics simulation was done with the use of synchronous analysis, thereby providing a means for testing the incident detection module.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

돌발상황검지의 경우 국내에서는 APID, DELOS, DES 알고리즘과 McMaster를 사용하고 있으나 국내 도로 및 교통상황에 적합한 파라미터의 충분한 검증 없이 그대로 사용하고 있고 있고, 검지기 자료의 유효성이 낮은 점 등이 문제로 지적되고 있다^[2]. 본 논문에서는 알제리 고속도로에 처음으로 적용하기 위한 돌발상황 검지알고리즘의 평가를 위해 Paramics를 이용하여 교통여건, 시나리오별로 평가하였다.

가설 설정

돌발의 유형은 고속도로 1차로 돌발 발생과 1,2 차로 돌발 발생, 그리고 고속도로 1, 2, 3차로 전체 발생으로 구분되었다. 돌발 시간은 30분 이상 지속으로 가정하였다.

제안 방법

돌발 상황의 유형을 분류하는 기준은 돌발 지점의 교통량, 돌발 발생 편도 차로수의 2가지 조합을 이용하였다. 교통량은 Volume/Capacity 수준에 따라 대, 중, 소 등 3가지로 구분하였고, 시뮬레이션 분석값을 이용하여 차로별로 소: V/C 0.45 이하, 소: V/C 0.8 이하, 소: V/C 0.8 이상 이상으로 하였다. 돌발의 유형은 고속도로 1차로 돌발 발생과 1,2 차로 돌발 발생, 그리고 고속도로 1, 2, 3차로 전체 발생으로 구분되었다.
돌발 상황의 유형을 분류하는 기준은 돌발 지점의 교통량, 돌발 발생 편도 차로수의 2가지 조합을 이용하였다. 교통량은 Volume/Capacity 수준에 따라 대, 중, 소 등 3가지로 구분하였고, 시뮬레이션 분석값을 이용하여 차로별로 소: V/C 0.
시뮬레이션에 이용된 차량은 최대 4종으로 정의되었으며, 승용차는 전체 차량의 80%를 차지하고, 기타 차종으로 밴, 미니버스, 버스 등이 나머지 20%를 차지한다. 돌발의 위치는 상류부와 하류부 검지기 구간내에 위치하며, 돌발 발생 시간대를 중심으로 총 2시간의 정상 교통류와 돌발 교통류와의 비교 분석을 실시하였다.
APID는 토론토 COMPASS 첨단교통관리시스템에 사용하기 위해 개발되었고, 여러 종류의 캘리포니아 알고리즘을 하나의 구조로 통합 발전시켜 제반 교통상황에서도 알고리즘의 적용성을 향상시킨 기법이다. 하류, 상류 두 지점의 점유율 및 속도를 비교하는 캘리포니아 알고리즘을 기본으로 하고, 추가로 압축파(Compression Wave) 검사와 지속성(Persistence) 검사를 모두 실행한다. 잠재 돌발상황이 감지되면, 압축파 검사 알고리즘으로 오류를 검증하고, 지속성 검사 알고리즘으로 짧은 교통류 변동을 돌발상황과 구분함으로써 오류를 방지하는 구조를 가지고 있다.

대상 데이터

대상지역의 검지 알고리즘을 평가하기 위한 구간은 Algeria의 대도시에 속한 대표적인 도시 고속도로로, 대도시 인접지역, 지방지역 등 교통량의 변화를 수용할 수 있는 구간, 현실적인 돌발상황을 구현하기 위하여 대상 지역의 고속도로는 운전자가 돌발을 예측하지 못하는 곡선부의 형태이어야 하며, 편도 2차로, 3차로, 4차로 등 대표적인 차로수를 보유한 고속도로로 Alger시에 위치한 N5 Highway를 선정하였다. 곡선부를 포함한 약 2km*2km 영역으로 N5 Highway 시뮬레이션 구간의 길이는 약 4.5 km 이며, 중앙 분리영역이 적용된 양방향 분리 형태의 고속도로로 본선은 편도 3차로이고 진출입 램프는 1차선으로 이루어지며 총 14개의 진출입 램프가 존재한다.
기존 미시적 시뮬레이션 프로그램으로는 PARAMICS, VISSIM, AIMSUN, TransModeler 등이 널리 사용되고 있으나 API 기능을 가지고 있는 PARAMICS 시뮬레이터를 사용하였다. PARAMICS는 3D 표현이 가능하며 현실적인 도로 기하구조 표현 가능하고 돌발상황 발생지점을 링크의 한 차로의 지점으로 입력가능하다.
대상지역의 검지 알고리즘을 평가하기 위한 구간은 Algeria의 대도시에 속한 대표적인 도시 고속도로로, 대도시 인접지역, 지방지역 등 교통량의 변화를 수용할 수 있는 구간, 현실적인 돌발상황을 구현하기 위하여 대상 지역의 고속도로는 운전자가 돌발을 예측하지 못하는 곡선부의 형태이어야 하며, 편도 2차로, 3차로, 4차로 등 대표적인 차로수를 보유한 고속도로로 Alger시에 위치한 N5 Highway를 선정하였다. 곡선부를 포함한 약 2km*2km 영역으로 N5 Highway 시뮬레이션 구간의 길이는 약 4.
돌발 시뮬레이션 시나리오는 교통량 수준과 돌발 발생 차로를 포함하여 총 9개로 구성되어 있으며, 각 알고리즘 (APID 와 DELOS) 의 파라미터 조합을 포함하여 총 81번의 시뮬레이션이 수행되었다. 돌발발생시각은 시뮬레이션 시작시간은 오전 5:30분을 기준으로 시작하여 30분간의 Warm-up 시간을 가진다.

이론/모형

일반적인 고속도로 통행 운전자를 기준으로 반응/인지 시간과 차량 Headway을 설정하였다. Car following과 Lane changing 모형은 운전자 고유의 성향을 반영하는 PARAMIC 고유 모델인 Psychophysical 모형이 사용하였다. 시뮬레이션에 이용된 차량은 최대 4종으로 정의되었으며, 승용차는 전체 차량의 80%를 차지하고, 기타 차종으로 밴, 미니버스, 버스 등이 나머지 20%를 차지한다.

성능/효과

DELOS 알고리즘은 전체 제안된 시나리오를 통한 검지율은 86.1%로 APID와 크게 다르지 않았다. 파라미터 Type 1의 경우에는 다른 파라미터들에 비하여 현저하게 낮은 검지율을 보여주고 있으며 검지시간 또한 증가된 것으로 확인됨.
교통량에 의한 평가지료는 교통량이 중간이상을 보여주는 경우 매우 양호한 검지능력을 보여주었으나 교통량이 작은 경우, 1차로 돌발의 경우엔 돌발을 검지하지 못한 것으로 나타났다.
교통량에 의한 평가지료를 고려할 때, APID와 비교시 교통량이 낮은 경우에도 검지 시간도 양호한 것으로 나타났다.
알고리즘 중 돌발상황 검지능력과 검지시간 측면에서는 두 알고리즘 모두 우수한 것으로 평가되며 평균검지 시간과 오보율 측면에서는 DELOS가 우수한 알고리즘으로 나타났다. 알고리즘들은 각 유형별 최적 파라메타 set을 검증하여야 함을 보이고 있다.
초기 돌발검지 시간은 실제 돌발발생 시간과 차이가 있었으며, 최소 검지시간은 2분이고 최대 검지시간은 35분을 보여주었다. 특히 교통량이 낮은 경우에는 검지 시간이 다른 시나리오에 비하여 크게 늘어난 것을 확인한 바 (31분~35분), 검지 능력이 크게 떨어지는 것으로 확인되었다.
1%로 APID와 크게 다르지 않았다. 파라미터 Type 1의 경우에는 다른 파라미터들에 비하여 현저하게 낮은 검지율을 보여주고 있으며 검지시간 또한 증가된 것으로 확인됨. 반면 파라미터 Type 2와 3의 경우 모든 경우에서 좋은 성능을 보여주었다.

후속연구

돌발상황 검지 알고리즘 개발은 교통류 분석에서 살펴본 바와 같이 개별차로 검지기 데이터 중심의 검지 알고리즘이 요구되는데 기존 알고리즘의 수행능력의 한계도 있지만 기본적으로 검지기 자료의 신뢰성 확보가 필요하며, 알제리의 고속도로에 적용하기 위해서는 1분 이상의 집계간격 검지기 자료를 이용하는 것이 바람직할 수 있다. 향후, 다양한 교통조건에서의 알고리즘 평가가 필요하다.

질의응답

핵심어	질문	논문에서 추출한 답변
	돌발상황관리시스템이란?	돌발상황관리시스템(Incident Management System: IMS)은 도로에서 발생하는 교통사고, 차량고장, 공사 등 비정상적 교통상황에 관한 정보를 실시간으로 수집·관리하고 체계적으로 대응·처리하는 서비스이다. 돌발상황으로 인한 지체를 감소시키기 위한 돌발상황의 신속한 검지, 확인 및 대응은 고속도로를 비롯한 교통관리의 중요한 요소이며, 고속도로 본래의 기능을 효과적으로 유지하기 위해서는 고속도로 교통관리 시스템 중 돌발상황 관리시스템이 매우 중요한 역할을 차지하고 있다[1].
	APID이란?	APID는 토론토 COMPASS 첨단교통관리시스템에 사용하기 위해 개발되었고, 여러 종류의 캘리포니아 알고리즘을 하나의 구조로 통합 발전시켜 제반 교통상황에서도 알고리즘의 적용성을 향상시킨 기법이다. 하류, 상류 두 지점의 점유율 및 속도를 비교하는 캘리포니아 알고리즘을 기본으로 하고, 추가로 압축파(Compression Wave) 검사와 지속성(Persistence) 검사를 모두 실행한다.
	돌발상황 검지기법 중 실제 시스템으로 운영되어 활용되고 있는 알고리즘은?	D, Baysian, 시계열분석, 필터링모형 등 의 통계기법, 교통류 이론을 이용하는 동적기법, McMaster가 있다. 이외에도 신경망, Fuzzy, AVI 등 많은 검지알고리즘 기법들이 있으나 실제 시스템으로 운영되어 활용되고 있는 알고리즘으로는 APID, DES, DELOS, McMaster 알고리즘이다[1].

참고문헌 (6)

D. Nam st. al. "Test of Incident Detection Algorithms", Journal of Transportation Studies, Vol. 22, No. 7, 12/ 2004
KHC, "Algorithm for Freeway Managment System," Final Report, 2000
Abdulhai, Baher and Ritchie, Stephen G.(1999) Enhancing the universality and transferability of freeway incident detection using a Baysian-based neural network, Transportation Research Part C, Vol. 7
Dia, Hussein and Rose, Geoff(1997) Development and evaluation of neural network freeway incident detection models using field data, Transportation Research Part C, Vol. 5C
Gall, Ana I., and Hall, Fread L.(1989) Distinguishing between incident congestion and recurrent congestion: a proposed logic, Transportation Research Record 1232
Persaud, Bhagwant N., and Hall, Fread L.(1989) Catastrophe theory and patterns in 30-second freeway traffic data - implications for incident detection, Transportation Research Part A, Vol. 23A

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

Paramics를 이용한 APID, DELOS평가
Performance Test of APIS, DELOS Algorithm using Paramics 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (6)

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

Paramics를 이용한 APID, DELOS평가 Performance Test of APIS, DELOS Algorithm using Paramics 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (6)

이 논문을 인용한 문헌

저자의 다른 논문 :

남두희 (55)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

Paramics를 이용한 APID, DELOS평가
Performance Test of APIS, DELOS Algorithm using Paramics 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper