$\require{mediawiki-texvc}$
  • 검색어에 아래의 연산자를 사용하시면 더 정확한 검색결과를 얻을 수 있습니다.
  • 검색연산자
검색연산자 기능 검색시 예
() 우선순위가 가장 높은 연산자 예1) (나노 (기계 | machine))
공백 두 개의 검색어(식)을 모두 포함하고 있는 문서 검색 예1) (나노 기계)
예2) 나노 장영실
| 두 개의 검색어(식) 중 하나 이상 포함하고 있는 문서 검색 예1) (줄기세포 | 면역)
예2) 줄기세포 | 장영실
! NOT 이후에 있는 검색어가 포함된 문서는 제외 예1) (황금 !백금)
예2) !image
* 검색어의 *란에 0개 이상의 임의의 문자가 포함된 문서 검색 예) semi*
"" 따옴표 내의 구문과 완전히 일치하는 문서만 검색 예) "Transform and Quantization"
쳇봇 이모티콘
안녕하세요!
ScienceON 챗봇입니다.
궁금한 것은 저에게 물어봐주세요.

논문 상세정보

DSRC 자료를 이용한 고속도로 단기 통행시간 예측

Short-Term Prediction of Travel Time Using DSRC on Highway

초록

현재까지 통행시간 예측과 관련된 다양한 연구들이 수행되었지만, 한국고속도로 특성에 맞는 예측방법론에 대한 실증연구는 부족한 실정이다. 이에 본 연구에서는 실제 통행시간을 기반으로한 DSRC 자료를 바탕으로 한국고속도로에 적절한 예측방법론을 도출한다. 경부고속도로 안성 JC~오산IC 구간의 24시간 DSRC 자료를 이용하며 단주기 통행시간 예측 및 비선형 관계에서 높은 정확도를 보이는 인공신경망 기법을 적용한다. 이어서 랜덤난수를 이용한 통행시간 예측결과의 정확도 검증을 실시한다. 통행시간 예측결과 오차율이 약 4%로 우수한 예측력을 보였으며, 이는 패턴기반 인공신경망 예측시 이력자료의 전처리 과정과 최적의 입력층 및 은닉층의 선정으로 인한 결과로 판단된다. 통행시간 예측결과의 검증을 위해서 랜덤난수를 이용하였으며, 랜덤난수가 이력자료 패턴에 포함되지 않은 경우 실측치와의 오차율이 18.98%로 높게 도출되었다. 이는 인공신경망을 이용한 통행시간 예측시 패턴DB가 예측의 정확도에 주요하게 작용한 결과로 판단된다. 본 연구의 결과를 통해서 한국고속도로 특성에 맞는 통행시간 예측 및 정보제공이 가능할 것으로 판단된다.

Abstract

This paper develops a travel time prediction algorithm that can be used for real-time application. The algorithm searches for the most similar pattern in historical travel time database as soon as a series of real-time data become available. Artificial neural network approach is then taken to forecast travel time in the near future. To examine the performance of this algorithm, travel time data from Gyungbu Highway were obtained and the algorithm is applied. The evaluation shows that the algorithm could predict travel time within 4% error range if comparable patterns are available in the historical travel time database. This paper documents the detailed algorithm and validation procedure, thereby furnishing a key to generating future travel time information.

질의응답 

키워드에 따른 질의응답 제공
핵심어 질문 논문에서 추출한 답변
역전파 학습
역전파 학습이란 무엇인가?
특정한 응용 목적에 적합하도록 뉴런간의 연결강도를 적응시키는 과정

신경망 모형에서 역전파 학습이란, 특정한 응용 목적에 적합하도록 뉴런간의 연결강도를 적응시키는 과정으로 현재 신경망 모형에서 가장 널리 이용되는 델타학습(Delta learning)은 다층 신경망의 학습규칙으로 주로 사용된다. 이렇게 다층 신경망과 델타규칙을 결합한 형태를 역전파 알고리즘(Backpropagation algorithm)이라 부르며, 연속 활성화 함수만을 사용한다.

통행시간 예측 모형
통행시간 예측 모형은 어떤 방법으로 나뉘는가?
크게 통계적 방법과 시뮬레이션 방법으로 나눌 수 있다

통행시간 예측 모형은 크게 통계적 방법과 시뮬레이션 방법으로 나눌 수 있다. 통계적 방법은 이력자료 및 실시간 자료를 이용하여 예측 통행시간을 도출한다.

단거리 전용 통신
단거리 전용 통신을 이용하여 자료 교통정보시 장점은?
실제 통행시간을 산정하여 신뢰성 높은 교통정보를 제공

또한 통행시간 산정시 하류부의 정체 및 사고로 인한 영향이 왜곡될 수 있어 통행시간 정보의 신뢰성을 보장할 수 없다. 반면, DSRC 자료를 이용한 구간검지의 경우 실제 통행시간을 산정하여 신뢰성 높은 교통정보를 제공한다.

질의응답 정보가 도움이 되었나요?

참고문헌 (15)

  1. Cherrett, T. J., Bell, H. A. and McDonald, M. (1996). "The use of SCOOT type single loop detectors to measure speed, journey time and queue status on non SCOOT controlled links." Proceedings of the 8th International Conference on Road Traffic Monitoring and Control, pp. 23-25. 
  2. Dharia, A. and Adeli, H. (2003). "Neural network model for rapid forecasting of freeway link travel time." Engineering Applications of Artificial Intelligence, Vol. 16, pp. 607-613. 
  3. Guin, A., Laval, J. and Chilukuri, B. R. (2013). Freeway travel-time estimation and forecasting, School of Civil and Environmental Engineering Georgia Institute of Technology, GDOT Research Project 10-01; TO 02-60. 
  4. Herrera J. C., Work, D. B., Herring, R., Ban, X., Jacobson, Q. and Bayen, A. M. (2010). "Evaluation of traffic data obtained via GPS-enabled mobile phones: The mobile century field experiment." Transportation Research Part C: Emerging Technologies, Vol. 18, Issue. 4, pp. 568-583. 
  5. Innamaa, S. (2005). "Short-term prediction of travel time using neural networks on an interurban highway." Transportation 32, pp. 649-669. 
  6. Jeong, R. and Rilett, L. R. (2004). "Bus arrival time prediction using artificial neural network model." IEEE Intelligent Transportation Systems Conference Washington, D.C., USA, October, pp. 988-993. 
  7. Jiang, G. and Zhang, R. (2001). "Travel time prediction for urban arterial road: A Case on China." Proceedings of Intelligent Transport System, IEEE, pp. 255-260. 
  8. Kang, J. and Namkoong, S. (2002). "Development of the freeway operating time prediction model using toll collection system data." Vol. 20, No. 4, Korean Society of Transportation, pp. 151-162 (in Korean). 
  9. Kim, Y. and Kim, T. (2001). "On-Line travel time estimation methods using hybrid neuro fuzzy system for arterial road." Korean Society of Transportation, Vol. 19, No. 6, pp. 171-182. (in Korean). 
  10. Lee, Y. (2009). "Freeway travel time forecast using artifical neural networks with cluster method." 12th International Conference on Information Fusion Seattle, WA, USA, July, pp. 1331-1338. 
  11. Ohba, Y., Koyama, T. and Shimada, S. (1997). "Online learning type of traveling time prediction model in Highway." IEEE Intelligent Transportation Systems Conference, Boston, Massachusetts, pp. 350-355. 
  12. Park, D. and Rilett, L. R. (1999). "Forecasting freeway link travel times with a feedforward multilayer neural networks." Computer- Aided Civil and Infrastructure Engineering, Vol. 14, pp. 357-367. 
  13. Park, D., Rilett, L. R. and Han, G. (1999). "Spectral basis neural networks for real-time travel time forecasting." ASCE Journal of Transportation Engineering, Vol. 125, No. 6, pp. 515-523. 
  14. Rilett, L. R. and Park, D. (2001). "Direct forecasting of freeway corridor travel times using spectral basis neural networks." Transportation Research Record: Journal of the Transportation Research Board, Vol. 1752, pp. 140-147. 
  15. Van Hinsbergen, C. P. I. and Van Lint, J. W. C. (2008). "Bayesian combination of travel time prediction models." Transportation Research Record: Journal of the Transportation Research Board, Vol. 2064, pp. 73-80. 

이 논문을 인용한 문헌 (1)

  1. 신강원, 심상우, 최기주, 김수희 2014. "KNN 알고리즘을 활용한 고속도로 통행시간 예측" 대한토목학회논문집 = Journal of the Korean Society of Civil Engineers, 34(6): 1873~1879 

문의하기 

궁금한 사항이나 기타 의견이 있으시면 남겨주세요.

Q&A 등록

원문보기

원문 PDF 다운로드

  • ScienceON :

원문 URL 링크

원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다. (원문복사서비스 안내 바로 가기)

이 논문과 연관된 기능

이 논문 조회수 및 차트

  • 상단의 제목을 클릭 시 조회수 및 차트가 조회됩니다.

DOI 인용 스타일

"" 핵심어 질의응답