$\require{mediawiki-texvc}$

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.

딥러닝을 활용한 차량대기길이 추정모형 개발
Development of Vehicle Queue Length Estimation Model Using Deep Learning 원문보기

韓國ITS學會 論文誌 = The journal of the Korea Institute of Intelligent Transportation Systems, v.17 no.2, 2018년, pp.39 - 57  

이용주 (아주대학교 교통연구센터) ,  황재성 (아주대학교 건설교통공학과) ,  김수희 (한국도로공사 도로교통연구원) ,  이철기 (아주대학교 교통시스템공학과)

초록
AI-Helper 아이콘AI-Helper

본 연구는 교통운영 개선에 필요한 빅데이터 및 인공지능 모델 개발의 일환으로서, 도시부의 링크통행시간 및 통과교통량 등 가용 데이터 등을 이용하여 교통변수로 활용도가 높은 차량대기길이와의 관계를 딥러닝(Deep Learning)을 통해 학습하고 추정하는 인공지능 모델을 구축하는 것을 목표로 하였다. 차량대기길이 추정모형은 데이터 분석결과를 토대로 하여 우선 차량대기길이의 링크 초과여부를 분류한 후 링크 초과 및 링크 미초과 상황에서의 차량대기길이 추정하는 3개의 모형으로 모델링하였다. 딥러닝 모형은 텐서플로우로 구현하였으며, 모든 모형은 DNN 구조로서 은닉층과 노드 개수를 다양화하여 학습 및 테스트 후 최소 오차를 나타내는 네트워크 구조를 선정하였다. 차량대기길이 링크 초과여부 분류 모형은 약 98%의 정확도를 나타냈으며, 미초과 모형은 15% 미만, 초과 모형은 5% 미만의 오차를 각각 나타내었다. 링크별 평균 오차는 12%로 도출되었다. 이를 기존 검지기 데이터 기반의 방식과 비교한 결과 오차가 약 39% 감소된 것으로 분석되었다.

Abstract ▼ AI-Helper 아이콘AI-Helper

The purpose of this study was to construct an artificial intelligence model that learns and estimates the relationship between vehicle queue length and link travel time in urban areas. The vehicle queue length estimation model is modeled by three models. First of all, classify whether vehicle queue ...

주제어

#딥러닝   #빅데이터   #차량대기길이   #링크통행시간  

질의응답

핵심어 질문 논문에서 추출한 답변
딥러닝 이론은 무엇에 기반을 두는가? 딥러닝 이론은 인간의 뇌를 모델로 하여 여러 정보를 처리하는 알고리즘을 일컫는 인공신경망에 기반을 둔다. 기존 인공신경망 이론의 다층 퍼셉트론 구조가 적용되고 피드포워드(Feedfoward)를 통한 예측과 역전 파 알고리즘을 통해 가중치를 업데이트하는 학습이 수행된다.
텐서플로우는 무엇인가? 본 연구에 사용한 텐서플로우(TensorFlow)는 기계 학습과 딥러닝을 위해 구글에서 만든 오픈소스 소프트웨어 라이브러리로서, Data Flow Graph를 사용하여 수치 연산을 한다. 데이터 플로우 그래프에서는 수학 계산과 데이터의 흐름을 노드(Node)와 엣지(Edge)를 사용한 방향 그래프로 표현한다.
본 연구를 수행하기 위한 차량대기길이 데이터를 수집한 개수는? 총 40회 시뮬레이션을 통해서 시뮬레이션을 통해 동일 환경에서의 통행시간에 따른 다양한 차량대기길이 데이터를 수집하였다. 링크별로 1,600개씩 전체 14개 링크에 총 22,400개의 데이터를 구득하였으며, 링크별 통행시간, 통과교통량, 차량대기길이 발생범위는 다음과 같다.
질의응답 정보가 도움이 되었나요?

참고문헌 (15)

  1. Allsop R. E.(1972), "Delay at a Fixed Time Traffic Signal-Theoretical Analyses," Transportation Science, vol. 6, no. 3, pp.260-285. 

    상세보기 crossref

  2. Cox D. R.(1958), "The Regression Analysis of Binary Sequences," Journal of the Royal Statistical Society, Series B(Methodological), vol. 20, no. 2, pp.215-242. 

    상세보기

  3. Dunne M. C.(1967), "Traffic Delay at a Signalized Intersection with Binomial Arrivals," Transportation Science, vol. 1, pp.24-31. 

    상세보기 crossref

  4. Hwang J. -S., Lee Y. -J. and Lee C. -K.(2017), "Development of Queue Length, Link Travel Time Estimation and Traffic Condition Decision Algorithm using Taxi GPS Data," The Journal of the Korea Institute of Intelligent Transportation Systems, vol. 16, no. 3, pp.59-72. 

    원문보기 상세보기 crossref

  5. Kang J. -H.(2005), "The Development of Traffic Queue Length Estimation Algorithm Using the Occupancy Rates," The Journal of the Korea Institute of Intelligent Transportation Systems, vol. 4, no. 2, pp.13-22. 

  6. Kim D. -O. and Woo Y. -H.(1998), "Modelling for Queue Estimation on the Approach of Signalized Intersections," Journal of the Korean Society of Civil Engineers, vol. 18, no. 2-2, pp.159-171. 

  7. Kingma D. P. and Ba J. L.(2014), "ADAM: A Method for Stochastic Optimization," arXiv:1412.6980. 

  8. Lee Y. -J., Hwang J. -S. and Lee C. -K.(2016), "Study on Queue Length Estimation using GPS Trajectory Data," The Journal of the Korea Institute of Intelligent Transportation Systems, vol. 15, no. 3, pp.45-51. 

    원문보기 상세보기 crossref

  9. May A. D.(1965), "Traffic Flow Theory the Traffic Engineer's Challenge," Proc. Inst. Traffic Eng., pp.290-303. 

  10. Moon H. -R.(2005), "A development of Traffic Queue Length Measuring Algorithm Using Average Occupancy Time Based on COSMOS," Korean Society of Civil Engineers Conference, pp.4230-4234. 

  11. Newell G. F.(1965), "Approximation Methods for Queues with Applications to the Fixed cycle Traffic Light," SIMA Rev., vol. 7, no. 2, pp.223-240. 

    상세보기 crossref

  12. Rosenblatt F.(1958), "The perceptron : A probabilistic model for information storage and organization in the brain," Psychological Review, vol. 65, no. 6, pp.386-408. 

    상세보기 crossref

  13. Rumelhart D. E., Hinton G. E. and Williams R. J.(1986), "Learning representations by back-propagating errors," Nature, vol. 323, no. 9, pp.533-536. 

    상세보기 crossref

  14. Wardrop J. G.(1952), "Some Theoretical Aspects of Road Traffic Research," Proc. Inst. Civ. Eng. 1, pp.325-362. 

  15. Winsten C. B.(1956), M. Beckmann and C. B. McGuire, "Studies in the Economics of Transportation," Yale University Press. 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

BRONZE

출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문

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