$\require{mediawiki-texvc}$

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.

과거 교통정체 패턴을 이용한 현재의 교통정체 변화 판별 알고리즘
An Algorithm for Identifying the Change of the Current Traffic Congestion Using Historical Traffic Congestion Patterns

정보과학회. 컴퓨팅의 실제 논문지 = KIISE transactions on computing practices, v.21 no.1, 2015년, pp.19 - 28  

이경민 (부산대학교 전자전기컴퓨터공학과) ,  홍봉희 (부산대학교 정보컴퓨터공학부) ,  정도성 (부산대학교 전자전기컴퓨터공학과) ,  이지완 (부산대학교 전자전기컴퓨터공학과)

초록
AI-Helper 아이콘AI-Helper

본 논문에서는 과거 교통정체 패턴을 이용하여 현재의 교통정체가 풀리는 정체인지 아니면 악화되는 정체인지를 판별하는 알고리즘을 제안한다. 과거 교통정체 패턴은 다중 포인터를 이용하여 정체구간들을 연결한 인접 리스트에 교통정체의 시간적 길이와 공간적 길이로 저장된다. 교통정체가 시작된 구간에 해당하는 헤드노드를 탐색하고 현재패턴과 가장 유사한 과거 교통정체 패턴을 이용하여 장래의 교통정체 변화정보를 제공한다. 실험을 통해 검증한 결과, 도로 구간 하나에 대한 정체 변화를 판별하였을 때 실제 값과 비교해서 평균적으로 15분 오차를 보였으며, 연속된 다수의 도로 구간들을 결합하여 비교적 긴 구간의 정체 변화를 판별하였을 경우 평균적으로 10분 이내의 오차를 보이며 실제 값과 유사한 것을 보였다.

Abstract ▼ AI-Helper 아이콘AI-Helper

In this paper, we proposed an algorithm for the identification of relieving or worsening current traffic congestion using historic traffic congestion patterns. Historical congestion patterns were placed in an adjacency list. The patterns were constructed to represent spatial and temporal length for ...

주제어

#교통 빅 데이터   #교통정체 패턴   #패턴 비교   #인접 리스트  

참고문헌 (12)

  1. P. Pongpaibool, P. Tangamchit and K. Noodwong, "Evaluation of Road Traffic Congestion Using Fuzzy Techniques," Proc. TENCON 2007-2007 IEEE Region 10 Conference, pp. 1-4, 2007. 

  2. J. Lu and L. Cao, "Congestion evaluation from traffic flow information based on fuzzy logic," Proc. Intelligent Transportation Systems, 2003. Proc. 2003 IEEE, Vol. 1, pp. 50-33, 2003. 

  3. Seoul transport operation & information service center, "Seoul TOPIS," http://topis.seoul.go.kr/ 

  4. Korea Expressway Coporation, "Open OASIS," http://data.ex.co.kr/ 

  5. N. Theerawat, K. Hiriotappa and S. Thajchayapong, "Traffic Congestion Prediction System using Artificial Pattern-based Dynamic Time Warping," ATRANS 2012, SCS12-012, 2012. 

  6. F. Maier, R. Braun, F. Busch and P. Mathias, "Pattern-based short-term prediction of urban congestion propagation and automatic response," Traffic Engineering & Control, pp. 227-231, June. 2008. 

  7. Wikipedia, "Adjacency list," [Online]. Available: http://en.wikipedia.org/wiki/Adjacency list/ 

  8. ITS center of Busan metropolitan city, [Online]. Available: http://its.busan.go.kr/ 

  9. California department of transportation, "Caltrans PeMs," [Online]. Available: http://pems.dot.ca.gov/ 

  10. J. Zhong and S. Ling, "Key Factors of K-nearest Neighbors Nonparametric Regression in Short-time Traffic Flow Forecasting," The 21st International Conference on Industrial Engineering and Engineering Management 2014 (IEEM 2014), 2014. 

  11. G. Gopi, J. Dauwels, M. T. Asif, S. Ashwin, N. Mitrovic, U. Rasheed and P. Jaillet, "Bayesian Support Vector Regression for Traffic Speed Prediction with Error Bars," the 16th International IEEE Annual Conference on Intelligent Transportation Systems (ITSC 2013), 2013. 

  12. J. M. McNew, "Predicting Crusiing Speed through Data-driven Driver Modeling," the 15th International IEEE Annual Conference on Intelligent Transportation Systems (ITSC 2012), 2012. 

저자의 다른 논문 :

LOADING...

관련 콘텐츠

저작권 관리 안내
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