[논문]택시 GPS데이터를 활용한 신호제어용 혼잡상황 판단 알고리즘 개발

이철기; 이상덕; 이용주; 이승준

doi:10.12815/kits.2016.15.3.052

택시 GPS데이터를 활용한 신호제어용 혼잡상황 판단 알고리즘 개발
A Traffic congestion judgement Algorithm development for signal control using taxi gps data 원문보기

韓國ITS學會論文誌 = The journal of the Korea Institute of Intelligent Transportation Systems, v.15 no.3, 2016년, pp.52 - 59

이철기 (아주대학교 교통시스템공학과) , 이상덕 (아주대학교 교통공학과) , 이용주 (아주대학교 교통연구센터) , 이승준 (아주대학교 교통공학과)

초록
AI-Helper

서울시에서 실시간 신호제어를 위해 개발하였던 COSMOS 시스템은 도로의 교통상황을 판단하여 신호운영을 시행하도록 설계되었다. 하지만 COSMOS 시스템에서 사용하고 있는 정지선 검지기나 대기길이 검지기의 경우 도로의 과포화상황을 정확하게 판단하지 못해 신호운영의 효율성이 떨어지는 문제점이 발생하고 있다. 따라서 본 연구에서는 기존의 정지선 검지기, 대기길이 검지기 체계에서 벗어나 서울시 법인택시 GPS 데이터를 가공하여 통행속도를 산출하였으며 또한 본 연구와 같이 진행한 "GPS 데이터를 이용한 대기행렬 길이 산출에 관한 연구"에서 산출한 대기행렬 길이를 기반으로 도로의 혼잡상황 판단 알고리즘을 수립하였다. 이를 도로의 혼잡상황이 지속적으로 나타나는 국기원 입구 ${\rightarrow}$ 강남역 사거리, 역삼역 사거리 ${\rightarrow}$ 국기원 입구로 구성된 실제 네트워크에 적용하여 실제 교통상황을 반영하고 있는지를 확인해 보았다.

Abstract ▼ AI-Helper

COSMOS system which was developed in Seoul for real-time signal control was designed to judge traffic condition for practicing signal operation. However, it occurs efficiency problem that stop line detection and queue length detection could not judge overflow saturation of street. For that reason, following research process GPS data of Seoul city's corporationowned taxi to calculate travel speed that excluded existing system of stop line detection and queue length detection. Also, "Research of calculating queue length by GPS data" which was progressed with following research expressed queue length. It is based on establishing algorithm of judging congestion situation. The algorithm was applied to a few areas where appeared congestion situation consistently to confirm real time traffic condition with established network. [Entrance of the National Sport Institute ${\rightarrow}$ Gangnam station Intersection, Yuksam station intersection ${\rightarrow}$ National Sport Institute.

주제어

AI 본문요약
AI-Helper

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

문제 정의

따라서 본 연구에서는 기존의 교통상황 판단방안에서 벗어나 서울시에 등록된 법인택시 GPS 데이터의 가공을 통한 구간통행속도 산출 및 본 연구와 동시에 진행한「GPS데이터를 이용한 대기행렬 길이 산출에 관한 연구」에서 산출된 대기길이를 기반으로 도로의 혼잡상황을 판단하는 방안을 수립하고자 한다.
본 연구에서는 도로의 소통상황 판단, GPS 데이터를 이용한 교통정보 산출 방안에 대한 연구사례 및 GPS 데이터의 링크 매칭과 관련된 방안를 고찰 하였다.
본 연구에서는 서울시 법인택시 GPS 데이터를 가공하여 프로브 차량의 구간통행속도, 대기길이를 산정하고 이를 기반으로 도로의 교통상황을 판단할 수 있는 알고리즘을 수립하고자 한다.
이 연구에서는 도로의 혼잡상황을 보다 자세하게 판단하기 위한 방안 중 하나로 서울시 법인택시 GPS 데이터를 가공하여 도로의 교통상황을 판단하는 방안을 수립하였다.
혼잡상태로 판단된 접근로의 대기행렬의 성장여부를 판단하여 접근로의 포화상태 여부를 자세하게 표현하고자 하였다.

제안 방법

결함이 있는 GPS데이터 기반으로 구성된 시계열 모형에서 프로브 차량의 진행방향과 위상정보를 결합하여 결손 된 링크들 중에서 가장 근접한 링크를 후보 링크로 선정하여 복원한 후, 이를 기반으로 산출되는 통행량 및 통행시간의 정확도를 향상시키는 방안을 사용하였다.
대기행렬의 성장여부를 파악하기 위해 식(4)의 이동평균법을 활용하였으며 이를 통해 과거 10분간의 데이터를 5분단위로 롤링하여 대기행렬의 의 증감추세를 파악하였으며 이 과정에 서 대기행렬이 성장하지 않았으면 포화(비성장) 상황으로 판단하였다.
또 다른 교통상황 판단변수 중 하나인 대기행렬길이의 경우에는 본 연구와 같이 진행중인 「GPS 데이터를 이용한 대기행렬 길이 산출에 관한 연구」에서 수립한 방안을 이용하여 대기행렬 길이를 산출하였다.
또한 본 연구와 같이 진행된 「GPS 데이터를 이용한 대기행렬 길이 산출에 관한 연구」의 대기행렬 길이 데이터를 활용하여 도로의 교통상황을 판단하기 위한 알고리즘을 수립하였으며 이를 실제 네트워크에 적용해 보았다.
또한, 산출된 링크통행속도를 세 개의 변수(속도, 요일, 시간)로 이루어진 퍼지추론 시스템에 적용하여 보다 신뢰성 있는 링크통행속도를 산출하였다.
또한, 최근 들어 미국 정부의 주도로 SA(selective availability)개념이 사라짐에 따라, GPS 데이터의 주행궤적과 주변 노드링크와의 기하구조 및 위상정보를 비교하여 가장 유사한 지점에 매칭시키는 방안을 제시하였다.
본 연구에서는 서울시 법인택시 GPS 데이터를 가공하여 구간통행속도 및 대기행렬길이를 산출함으로서 도로의 교통상황을 판단하는 변수로 활용하였다.
세부 연구내용은 서울시 법인택시 GPS 데이터 가공하기 위해 링크 매칭 및 링크 진출입 시간 산정을 위한 방안을 수립하였으며 이를 기반으로 구간통행속도를 산출하였다.
앞서 수립한 도로의 소통상황 판단 방법론에 따라 2016년 02월 01일 18:00~19:00 사이에 국기원 입구→강남역 사거리(링크 1), 역삼역 사거리→국기원 입구(링크 2)를 지나는 서울시 법인택시 GPS 데이터를 바탕으로 시간대별 교통상황을 조사해 보았다.
이 때, 도시부 도로의 정성적 소통상황을 분류하기 위해 미국의 HCM 및 한국의 KHCM을 참고하여 도로의 서비스수준을 판별하였으며 이를 도로용량 편람에 따른 교통류 안전성에 따라 원활, 서행, 정체 3가지로 구분하여 도로의 소통상황을 정성적으로 나타내었다.
이 때, 차량들의 정지 및 출발 당시의 위치를 시공도 상에 나타내었으며 이를 통해 2개의 충격파의 이동을 파악하여 2개의 충격파가 만나는 지점을 산정하였다.
이를 바탕으로 하여 서울시 법인택시 GPS 데이터를 가공하여 도로의 교통상황을 판단하는 알고리즘을 수립하였으며 수립된 알고리즘을 실제 네트워크에 적용하여 도로상황을 제대로 표현하는지를 확인하였다.
접근로의 혼잡상태를 파악하기 위한 방안으로 통행속도, 대기길이를 고려하여 판단하는 방안을 수립하였다. 식 (2), (3)와 같이 링크를 한 주기 동안 통과하기 위한 통행속도보다 낮은 통행속도를 나타내고 주기당 주행거리(distance per cycle) 가 대기길이보다 짧은 경우에는 도로의 혼잡상태로 판단하였으며 그 외의 경우에는 비 혼잡상태로 판단하였다.
통행속도, 주기당 이동거리, 대기길이를 이용하여 혼잡여부를 판단한 뒤 혼잡상황으로 판단된 접근로의 대기행렬 길이의 성장여부를 점검하여 포화(비성장)을 구분하였으며 마지막으로 과포화 여부를 판단함으로서 과포화(성장), 포화(성장)을 최종적으로 판단하는 알고리즘을 개발하였다.

대상 데이터

본 연구에서는 도로의 소통상황을 판단하고자 서울시 법인택시 26,000대에 부착되어 있는 GPS 데이터를 활용하였으며 94%의 높은 정보 정확도를 확보하고 있는 것으로 조사되었다[6].

이론/모형

본 연구에서는 서울시 법인택시 GPS 데이터를 링크 매칭하기 위해 Point-to-curve 방법을 사용하였다.

성능/효과

링크2의 역삼역 사거리→국기원 입구의 교통상황을 분석해 본 결과, 포화(비성장)에서 포화(성장)상황을 반복적으로 나타내고 있는 것으로 조사되어 링크 1에 비해 상대적으로 교통상황이 덜 혼잡한 것으로 나타났다.
마지막으로 추정된 구간통행속도의 정확성 평가를 위해 GPS의 정보 수집주기를 1초 단위로 변경하여 시뮬레이션 하였으며 그 결과, 정보수집주기가 빠를수록 구간통행속도의 오차값이 가장 낮게나타났으며 10초의 정보수집 주기까지는 비교적 정확한 결과값을 도출할 수 있는 것으로 조사되었다.

후속연구

또한, 본 연구에서는 이미 지난시점의 GPS데이터를 통해 교통상황 판단을 하였기에 현장조사를 통한 실측치와의 비교분석을 시행하지 못하였으나 향후 연구에서는 사전에 현장조사를 시행하여 실측치와의 비교분석을 시행해 볼 필요성이 있다.
향후 연구과제로는 GPS데이터의 취약점인 고가 도로 및 터널을 표기할 수 없다는 단점을 극복하기 위한 연구를 진행할 필요성이 있다.

질의응답

핵심어	질문	논문에서 추출한 답변
	COSMOS는 어떻게 설계되었는가?	1990년대에 개발된 COSMOS(cycle, offset, split model for seoul)시스템의 경우 접근로의 교통수요에 따라 주기, 녹색시간 등의 신호제어변수를 조절하여 신호운영을 하였으며, 접근로의 과포화시에는 형평옵셋 제어, 앞막힘 예방제어 등의 방안을 통해 대응할 수 있도록 설계되었다[1].
	COSMOS 시스템의 문제점은?	하지만 COSMOS 시스템에서 도로의 교통상황을 판단하기 위해 사용하는 정지선 검지기, 대기길이 검지기의 경우에는 차량의 점유율을 기반으로 도로의 교통상황을 판단하고 있으며 이로 인해 도로의 과포화 상황을 정확하게 파악하지 못하는 문제가 발생하고 있으며 이로 인해 효율적인 신호운영에 차질이 발생하고 있다.
	COSMOS 시스템의 문제를 해결하기 위해 저자가 제안한 방법은?	따라서 본 연구에서는 기존의 교통상황 판단방안에서 벗어나 서울시에 등록된 법인택시 GPS 데이터의 가공을 통한 구간통행속도 산출 및 본 연구와 동시에 진행한「GPS데이터를 이용한 대기행렬 길이 산출에 관한 연구」에서 산출된 대기길이를 기반으로 도로의 혼잡상황을 판단하는 방안을 수립하고자 한다.

참고문헌 (6)

Seoul Metropolitan Police Agency(2002), Seoul Metropolitan Police Agency, real-time signal control system improved reports.
Jeong W. J.(2003), "Develpment of algorithms for judgment of traffic status suing FIS and GPS data," Proceedings of KFIS Fall Comference. vol. 27, no. 1, pp.257-260.
Cho J. H.(2011), "Development Of Qualitative Traffic Condition Decision Algorithm On Urban Streets," The Journal of The Korea Institute of Intelligent Transport Systems, vol. 10, no. 6, pp.39-51.
Yoo N. H.(2014), "A Study on Algorithm for Travel Time Estimation using Restricted GPS Data," The Korea Institute of Electronic Communication Sciences, vol. 9, no. 12, pp.1373-1379.

원문보기 상세보기
Chung Y. S.(2000), "Classification of Map-matching Techniques and A Development," Journal of the Korean society for geospatial information system, vol. 8, no. 1, pp.73-84.
Cityhall of SEOUL, http://traffic.seoul.go.kr/archives/10280, 2016.05.19.

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

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