[논문]수집한 GPS데이터의 상호방향성을 이용한 경로데이터 조합방법

구광민; 박희민

doi:10.9717/kmms.2016.19.8.1636

수집한 GPS데이터의 상호방향성을 이용한 경로데이터 조합방법
A Combination Method of Trajectory Data using Correlated Direction of Collected GPS Data 원문보기

멀티미디어학회논문지 = Journal of Korea Multimedia Society, v.19 no.8, 2016년, pp.1636 - 1645

구광민 (Department of Computer Software Engineering, Sangmyung University) , 박희민 (Department of Computer Software Engineering, Sangmyung University)

Abstract ▼ AI-Helper

In navigation systems that use collected trajectory for routing, the number and diversity of trajectory data are crucial despite the infeasible limitation which is that all routes should be collected in person. This paper suggests an algorithm combining trajectories only by collected GPS data and generating new routes for solving this problem. Using distance between two trajectories, the algorithm estimates road intersection, in which it also predicts the correlated direction of them with geographical coordinates and makes a decision to combine them by the correlated direction. With combined and generated trajectory data, this combination way allows trajectory-based navigation to guide more and better routes. In our study, this solution has been introduced. However, the ways in which correlated direction is decided and post-process works have been revised to use the sequential pattern of triangles' area GPS information between two trajectories makes in road intersection and intersection among sets comprised of GPS points. This, as a result, reduces unnecessary combinations resulting redundant outputs and enhances the accuracy of estimating correlated direction than before.

주제어

AI 본문요약
AI-Helper

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

문제 정의

그러나 방향을 판단하는 방법과 교차로 판단방식의 한계로 중복된 경로조합과 부정확한 방향판단을 초래했다. 본논문에서는 기존 경로조합방법을 개선하여 이 문제를 해결할 수 있는 새로운 방법을 제시한다. 경로조합 알고리즘에서 두 경로의 교차로는 각 경로의 점이 인접한 위치일 때로 가정한다.
수집된 경로데이터기반 내비게이션도 이러한 기술을 고려한 시스템 중 하나다. 이 내비게이션은 패턴분석을 위해 수학적 계산으로 지워진 수집 경로데이터를 직접 사용하여, 실제 교통상황과 데이터를 수집한 운전자의 경험적 지식이 적용된 최적화 경로로 안내하는 것이 목적이다[2]. 수집된 경로데이터기반의 내비게이션은 한 지역에서 오랜 시간동안 운전한 운전자의 그 지역 교통상황에 대한 경험적 지식을 활용하여, 패턴분석 등의 기존의 방식이 찾을 수 없었던 최적의 경로로 안내가 가능하다.

가설 설정

본논문에서는 기존 경로조합방법을 개선하여 이 문제를 해결할 수 있는 새로운 방법을 제시한다. 경로조합 알고리즘에서 두 경로의 교차로는 각 경로의 점이 인접한 위치일 때로 가정한다.이때 두 점을 기준으로 두 경로의 방향에 따라 경로를 조합한다.

제안 방법

경로조합은 두 경로를 기준으로 ‘교차로 검출 →상호방향성 판단 →조합의 가치 판단 →경로조합 →경로조합 후 처리’의순서다.두 경로가 함께 통과한 교차로를 찾고, 그 교차로에서 상호방향을 판단하여 수집한 데이터와 다르고 경로안내가 가능한 새로운 경로가 조합되는지 판단하여 조합한다.
흡사하다.이 알고리즘은 r₁^x와 r₂^y부터 순서대로 삼각형을 만들어 삼각형 넓이의 변화패턴을 비교한다. 두 경로를 이루는 GPS들의 삼각형의 넓이는 서로 다른 방향일 때 지속적으로 증가하는 것을 이용했다.

대상 데이터

먼저 실험을 위한 경로데이터는 직접 수집한 데이터로, Table2와 같이 기존 알고리즘의 실험에서 사용한 데이터이다.경로데이터는 GPS정보의 XML 형식인 GPX[5]이며 참여형 오픈소스 지도서비스인오픈스트리트맵[6]을 기반으로 한 개발된 OsmAnd [7]을 사용했다.

이론/모형

데이터이다.경로데이터는 GPS정보의 XML 형식인 GPX[5]이며 참여형 오픈소스 지도서비스인오픈스트리트맵[6]을 기반으로 한 개발된 OsmAnd [7]을 사용했다.Fig.
판단했다.실험은 안전한 실험을 위해 교차로 검사의 결과를 MongoDB[10]에 먼저 저장한 후, 방향성 검사와 경로조합 순서로 진행했다. 교차로 검사의 결과로 데이터베이스에 저장되는 내용은 상호방향성 검사를 가능하게 할 데이터들로 조합할 두 경로의 이름, (r₁^x, r₂^y)와 방향성 검사를 할 그 주변의 N개의 GPS, 그리고 (r₁^last, r₂^last)이다.

성능/효과

이 내비게이션은 패턴분석을 위해 수학적 계산으로 지워진 수집 경로데이터를 직접 사용하여, 실제 교통상황과 데이터를 수집한 운전자의 경험적 지식이 적용된 최적화 경로로 안내하는 것이 목적이다[2]. 수집된 경로데이터기반의 내비게이션은 한 지역에서 오랜 시간동안 운전한 운전자의 그 지역 교통상황에 대한 경험적 지식을 활용하여, 패턴분석 등의 기존의 방식이 찾을 수 없었던 최적의 경로로 안내가 가능하다.그러나 이 시스템에서는 수집한 경로 데이터를 활용하기 때문에 경로데이터의 양이 경로 안내의 성능에 영향을 미친다는 점과 모든 경로에 대한 데이터 수집에는 한계가 있다는 결점이 있다.
위의 결과가 보여주듯이, 알고리즘의 성능 개선으로 원하는 조합경로는 그대로 얻으며 기존에 부정확한 조합이 만들어낸 경로들을 제거하여 조합경로의 개수와 용량을 기존의 20%이하로 줄일 수 있었다. 또 기존 알고리즘에서는 Fig.
1%에 불과했다.이렇듯 전체결과에서 조합된 경로의 개수는 18.75%로 줄었으며 용량은 약 19.13%로 줄었다.
그러나 교차로가 아닌 곳에서 조합이 일어나는 등 교차로 판단과 방향판단의 한계를 보였다. 이를 개선하기위하여 위 과정 중 방향을 판단하는 방법과 경로를 이탈하는 방법의 정확성을 높였다. 아래에서는 기존 알고리즘의 문제점과 이를 위한 새로운 방법을 비교하여 설명한다.
실제 기존 알고리즘의 결과를 분석했을 때, 원하는 경로의 조합은 이루어졌지만 그 교차로를 벗어나지 못하고 조합이 반복되어 불필요한 경로생성과 연산을 초래했다. 특히 넓은 범위를 고려한 거리를 이용했음에도 목표한 위치의 도로를 찾아내어 비교하는 방법으로 정확성을 올릴 수 있었다.

후속연구

6의 (b)와 같이 예상하지 못한 오류의 결과를 보였으나 개선된 알고리즘에서는 Table5와 같이 불가능한 결과가 나오지 않았다.그러나 새로운 알고리즘에서도 판단이 ‘패턴의 증가가 75%이상’에 따라 결정되는 것과 같이 유연하지 못한 기준을 유연하게 만드는 등 더 개선하여 정확성을 높일 수 있을 것으로 보인다.따라서
앞으로는 본 논문에서 제안한 알고리즘보다 정확도가 높은 알고리즘을 고안하고, 실제 내비게이션 시스템에 적용을 해볼 예정이다.

참고문헌 (11)

Advanced Traffic Prediction of T-map, http://readme.skplanet.com/?p8870, (accessed July, 25, 2016).
K.M. Koo, T.H. Lee, and H.M. Park, "Navigation System using Big Trajectory Data based on Empirical Knowledge," Proceeding of the Summer Conference of Korea Information Science Society, pp. 2150-2152, 2015.
K.M. Koo, T.H. Lee, and H.M. Park, "A Big-Data Trajectory Combination Method for Navigations using Collected Trajectory Data," Journal of Korea Multimedia Society, Vol. 19, No. 2, pp. 386-395, 2016.

원문보기 상세보기
QGIS, https://www.qgis.org, (accessed July, 25, 2016).
GPX: The GPX Exchange Format, http://www.topografix.com/gpx.asp, (accessed July, 25, 2016).
OpenStreetMap, https://www.openstreetmap.org, (accessed July, 25, 2016).
OsmAnd: Offline Mobile Maps & Navigation, http://osmand.net/, (accessed July, 25, 2016).
uMap, http://umap.openstreetmap.fr/en/, (accessed July, 25, 2016).
Python, https://www.python.org/, (accessed July, 25, 2016).
MongoDB, https://www.mongodb.com/, (accessed July, 25, 2016).
JOSM, https://josm.openstreetmap.de/, (accessed July, 25, 2016).

저자의 다른 논문 :

LOADING...

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