선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 하지만 십진수 형태의 좌표를 그대로 이어 병합하면 ID는 최대 4,437,759,553 값을 갖게 되어 4 byte로 표현할 수 있는 숫자의 범위를 초과한다. 따라서 각 좌표를 이진수로 변환한 뒤 병합하여 나타낸 4 byte 크기의 ID를 구축하고자 하였다.
- 따라서 본 논문에서는 교차로의 위치정보를 포함할 수 있는 교차로 ID 구성 체계를 설계하고자 한다. 새로운 교차로 ID는 국내를 대상으로 하여 국내 환경에 적합한 교차로 위치좌표 기반의 일련번호로 구성하였다.
- 본 논문에서는 10m 단위의 좌표 값을 기반으로 교차로 ID를 구축하고자 한다. 따라서 10m 이내에 2개 이상의 교차로가 존재하는지 유무를 파악하여 10m 단위의 좌표 값이 모든 교차로를 구분할 수 있는지 확인하는 과정을 진행하였다.
- 본 논문에서는 교차로의 좌표를 기반으로 하여 교차로 ID를 구축하는 새로운 구성 체계를 제안하였다. 10m 단위의 중부원점 기준 TM 좌표계와 공간 채움 곡선을 이용하여 4 byte 크기의 좌표 기반 교차로 ID를 설계하였다.
- 본 논문에서는 표준노드·링크 ID 구성체계의 단점을 보완할 수 있도록 좌표 기반의 교차로 ID 체계를 구성하였다.
- 또한 노드 ID에는 공간 위치에 대한 정보를 포함하고 있지 않기 때문에 ID만으로 교차로의 위치를 파악하기 힘들다는 단점이 있다. 이를 보완하기 위해 교차로 ID 내에 위치정보를 포함할 수 있는 새로운 구성 방식을 제시하고자 한다.
제안 방법
- 본 논문에서는 교차로의 좌표를 기반으로 하여 교차로 ID를 구축하는 새로운 구성 체계를 제안하였다. 10m 단위의 중부원점 기준 TM 좌표계와 공간 채움 곡선을 이용하여 4 byte 크기의 좌표 기반 교차로 ID를 설계하였다. 표준 노드 중 교차로를 나타내는 type 101 노드를 대상으로 좌표 기반 교차로 ID를 적용하여 모두 중복되는 값이 없는 것을 확인하였다.
- 따라서 Z-order 곡선을 활용하여 교차로 ID를 구축해 교차로의 좌표 값을 쉽게 취득할 수 있도록 하였다. Z-order 곡선을 활용해 [Fig. 4]와 같이 이진법으로 변환한 E 좌표와 N 좌표를 번갈아 배열하여 ID를 구축하였다.
- 첫 번째로 교차로 ID만을 통하여 [Table 6]의 1번 교차로와 나머지 3개의 교차로 간의 직선거리를 구하고 가장 인접한 교차로를 판단하는 실험을 진행하였다. [Fig. 6]에서 선정하였던 교차로를 대상으로 하여 1번 교차로를 기준으로 2, 3, 4번 교차로와의 거리를 계산하였다.
- 네 번째로 GIS 툴을 사용하여 새로운 도로가 연결되어 교차로가 새롭게 만들어지는 경우 새로운 ID를 부여하는 테스트를 진행하였다. [Fig. 9]의 빨간색 링크는 기존의 도로에 추가된 도로를 나타낸 것이며 링크와 링크가 연결되는 노란색 Point 지점에서 교차로가 생성되어 새로운 교차로 ID를 부여하는 시나리오로 진행하였다.
- 다음으로 교차로 ID를 통해 계산한 거리를 이용해 인근 교차로를 추출하였다. 교차로 ID를 이용하여 CHA 여성의학연구소 교차로와 모든 교차로의 거리를 계산하였다. 이를 이용하여 반경 [Fig.
- 국내외에서는 다양한 도로 객체에 ID를 부여하여 도로 객체의 공간정보 데이터를 효과적으로 생산·관리·사용할 수 있도록 지원하도록 하고 있다. 국내외 도로 객체 ID 부여 현황에 대해 파악하기 위해 관련 사례를 분석하였다.
- 우선 교차로 ID의 데이터 크기를 줄이기 위해 좌표계 단위 조정 및 좌표계 원점 조정 과정이 이루어진다. 그 후 교차로 좌표 값의 이진수 변환, 이진수 형태의 E값 및 N값 병합, 마지막으로 병합된 이진수의 십진법 변환을 한다.
- 네 번째로 GIS 툴을 사용하여 새로운 도로가 연결되어 교차로가 새롭게 만들어지는 경우 새로운 ID를 부여하는 테스트를 진행하였다. [Fig.
- 3]과 같이 하나의 교차로를 2개의 노드가 나타내고 있는 경우, 중복되는 1개의 노드를 삭제하여 사용하였다. 노드 ID의 일련번호가 클수록 최근에 갱신된 노드이므로 노드 삭제의 기준은 일련번호가 작은 노드를 최우선 순위로 하였으며 일련번호가 동일한 경우, 확장번호가 작은 노드를 삭제하였다. 이를 통해 교차로별로 1개의 노드가 정의되고 10m 이내에 2개 이상의 노드가 존재하지 않도록 하였다.
- 다음으로 교차로 ID를 통해 계산한 거리를 이용해 인근 교차로를 추출하였다. 교차로 ID를 이용하여 CHA 여성의학연구소 교차로와 모든 교차로의 거리를 계산하였다.
- 두 번째로 변환된 좌표 기반 교차로 ID를 통해 교차로의 위치정보를 추출할 수 있는지 확인하였다. 좌표 기반 교차로 ID에서 좌표 값을 추출하여 Point 형태로 표시하였다.
- 두 번째로 좌표 기반 교차로 ID를 통해 별도의 GIS 툴 없이 인근 교차로를 추출할 수 있는지 확인하였다. 우선 교차로 ID 내에 포함하고 있는 E좌표와 N좌표를 단순 비교하여 특정 지점에서 인근에 위치한 교차로를 추출하는 실험을 진행하였다.
- 본 논문에서는 10m 단위의 좌표 값을 기반으로 교차로 ID를 구축하고자 한다. 따라서 10m 이내에 2개 이상의 교차로가 존재하는지 유무를 파악하여 10m 단위의 좌표 값이 모든 교차로를 구분할 수 있는지 확인하는 과정을 진행하였다.
- 공간 채움 곡선의 종류로는 Z-Order 곡선, 힐버트(Hilbert) 곡선 등이 있으나 다양한 형태의 공간 채움 곡선 중 가장 간단한 형태로 구축되어 쉽게 인코딩·디코딩 할 수 있는 방식은 Z-order 곡선이다. 따라서 Z-order 곡선을 활용하여 교차로 ID를 구축해 교차로의 좌표 값을 쉽게 취득할 수 있도록 하였다. Z-order 곡선을 활용해 [Fig.
- 새로운 교차로 ID는 국내를 대상으로 하여 국내 환경에 적합한 교차로 위치좌표 기반의 일련번호로 구성하였다. 또한 제안한 교차로 ID 구성 체계 기반의 지능형교통체계 표준노드 ID를 재구성하여 평면교차로를 대상으로 4 byte의 교차로 ID를 구축하였다.
- 마지막으로 사람이 보기 편한 형태의 숫자를 만들기 위하여 E좌표와 N좌표를 연결한 이진수 형태의 값을 십진수로 변환하였다. 이러한 방법을 통해 새롭게 만들어진 ID 예시는 [Table 6]과 같다.
- 먼저 표준노드·링크 데이터 중 교차로를 나타내는 유형의 노드 데이터를 사용하여 교차로 간의 이격 거리를 계산하였다.
- 따라서 본 논문에서는 교차로의 위치정보를 포함할 수 있는 교차로 ID 구성 체계를 설계하고자 한다. 새로운 교차로 ID는 국내를 대상으로 하여 국내 환경에 적합한 교차로 위치좌표 기반의 일련번호로 구성하였다. 또한 제안한 교차로 ID 구성 체계 기반의 지능형교통체계 표준노드 ID를 재구성하여 평면교차로를 대상으로 4 byte의 교차로 ID를 구축하였다.
- 세 번째로 좌표 기반 교차로 ID를 통해 행정구역의 식별이 가능한지 테스트하였다. 시 ·군·구 행정구역도를 사용하여 시·군·구의 동단, 서단, 남단, 북단 좌표를 취득하였고 이를 통해 [Fig.
- 시 ·군·구 행정구역도를 사용하여 시·군·구의 동단, 서단, 남단, 북단 좌표를 취득하였고 이를 통해 [Fig. 8]의 빨간 박스 범위 내에 있는 교차로를 추출하였다.
- 두 번째로 좌표 기반 교차로 ID를 통해 별도의 GIS 툴 없이 인근 교차로를 추출할 수 있는지 확인하였다. 우선 교차로 ID 내에 포함하고 있는 E좌표와 N좌표를 단순 비교하여 특정 지점에서 인근에 위치한 교차로를 추출하는 실험을 진행하였다. 우선 교차로 ID를 통해 서울시 강남구 내 CHA 여성의학연구소 교차로의 N좌표(545310)와 E좌표(203000)를 추출하였다.
- 우선 새로 생긴 교차로의 중부원점 기준 TM 좌표계 상 좌표를 취득하였으며 취득한 좌표를 통해 위에서 제시한 방법으로 좌표 기반 교차로 ID를 생성하였다. 생성된 교차로 ID와 기존 교차로 ID들과의 중복여부를 확인한 결과, 다른 교차로 ID와 중복되지 않았다.
- 추가적으로 데이터 관리의 효율성과 경제성을 가질 수 있도록 교차로 ID의 자리수를 최소화하여 4 byte의 크기를 갖는 ID로 구성하였다. 이를 위해 교차로의 위치를 나타내는 좌표 값의 단위를 줄이는 방법과 대상지역의 좌하단 좌표를 원점으로 두는 방법을 사용하였다.
- 또한 데이터 크기를 최소화하되 국내 환경에서 효율적으로 운용될 수 있어야 한다. 이를 위해 좌표 기반 교차로 ID의 대상 지역을 최소화하여 대한민국 영토에서만 적용 가능하도록 설계하였다. 대상 지역은 대한민국 영토 전역의 동단, 서단, 남단, 북단을 기준으로 선정하였으며 [Table 4]와 같다.
- 노드 ID의 일련번호가 클수록 최근에 갱신된 노드이므로 노드 삭제의 기준은 일련번호가 작은 노드를 최우선 순위로 하였으며 일련번호가 동일한 경우, 확장번호가 작은 노드를 삭제하였다. 이를 통해 교차로별로 1개의 노드가 정의되고 10m 이내에 2개 이상의 노드가 존재하지 않도록 하였다. 가공된 노드 자료를 통해 좌표 기반 교차로 ID를 구축한 결과, 모든 교차로 ID가 중복되는 값을 가지지 않고 개별적인 값을 가지는 것을 확인하였다.
- 첫 번째로 교차로 ID만을 통하여 [Table 6]의 1번 교차로와 나머지 3개의 교차로 간의 직선거리를 구하고 가장 인접한 교차로를 판단하는 실험을 진행하였다. [Fig.
- 추가적으로 데이터 관리의 효율성과 경제성을 가질 수 있도록 교차로 ID의 자리수를 최소화하여 4 byte의 크기를 갖는 ID로 구성하였다. 이를 위해 교차로의 위치를 나타내는 좌표 값의 단위를 줄이는 방법과 대상지역의 좌하단 좌표를 원점으로 두는 방법을 사용하였다.
- 표준노드·링크 자료를 이용하여 국내 교차로를 나타내는 노드 ID를 좌표 기반 교차로 ID로 변환하였다.
- 10 byte 크기의 기존 노드 ID는 위치 정보가 없는 일련번호를 포함하고 있어 인접한 노드 간의 위상 정보 파악이 어렵고 데이터 관리에 비효율적이다. 하지만 좌표 기반 교차로 ID는 공간 채움 곡선을 활용하여 4byte 크기를 가질 수 있도록 하였으며 1차원 값인 ID에 2차원 좌표 값을 포함할 수 있도록 설계하였다. 결과적으로 좌표 기반 교차로 ID는 기존 노드 ID 대비 데이터 크기를 60% 절감할 수 있고 교차로의 위치 정보 제공뿐만 아니라 별도의 GIS 툴 없이 인근 교차로 검색 및 Box 형태의 특정 지역 내 교차로 추출과 같은 간단한 공간쿼리가 가능하다.
대상 데이터
- 우선 교차로 ID를 통해 서울시 강남구 내 CHA 여성의학연구소 교차로의 N좌표(545310)와 E좌표(203000)를 추출하였다. 각 좌표 값을 비교하여 [Fig. 7]의 빨간 박스와 같이 N 방향 1000m, E 방향 1000m 이내에 위치한 교차로를 검색하였다. 그 결과, 총 70개의 교차로가 추출되었다.
- 이를 위해 좌표 기반 교차로 ID의 대상 지역을 최소화하여 대한민국 영토에서만 적용 가능하도록 설계하였다. 대상 지역은 대한민국 영토 전역의 동단, 서단, 남단, 북단을 기준으로 선정하였으며 [Table 4]와 같다.
- 따라서 본 논문에서는 이미 구축되어 있는 표준 노드·링크의 동단, 서단, 남단, 북단 노드의 위치를 기준으로 좌표 기반 교차로 ID가 표현하고자 하는 공간적 범위를 선정하였다.
- 우선 교차로 ID 내에 포함하고 있는 E좌표와 N좌표를 단순 비교하여 특정 지점에서 인근에 위치한 교차로를 추출하는 실험을 진행하였다. 우선 교차로 ID를 통해 서울시 강남구 내 CHA 여성의학연구소 교차로의 N좌표(545310)와 E좌표(203000)를 추출하였다. 각 좌표 값을 비교하여 [Fig.
- 교차로 ID를 이용하여 CHA 여성의학연구소 교차로와 모든 교차로의 거리를 계산하였다. 이를 이용하여 반경 [Fig. 7]의 초록색 원과 같이 1km 이내의 거리에 위치한 교차로를 검색하였다. 그 결과, 총 50개의 교차로가 추출되었으며 가장 인접한 교차로는 310m 거리에 있는 봉암빌딩 교차로로 검색되었다.
- 이를 기준으로 한 대상지역의 N 좌표는 67,919부터 663,917까지의 값을 가지며 E 좌표는 101,973부터 545,743까지의 값을 가진다. 표준노드의 동단, 서단, 남단, 북단을 기준으로 하여 선정한 지역은 [Fig. 1]의 점선 내부 지역이다.
데이터처리
- 본 논문에서 제시한 교차로 ID는 물리적인 좌표를 통해 만들어지므로 신규 생성 및 삭제에 용이하며 별도의 GIS 툴 없이 교차로 ID만을 이용하여 간단한 공간 쿼리가 가능하다. 이를 확인하기 위해 구축한 좌표 기반 교차로 ID 자료를 이용하여 공간 쿼리를 진행하였으며 이 결과와 GIS 툴을 이용한 공간 쿼리 결과를 비교하였다.
이론/모형
- 2개의 좌표를 병합하는 방법으로는 2차원 이상의 공간을 일정한 간격으로 분할해 선형으로 배열하는 방식인 공간 채움 곡선(Space Filling Curve)을 사용하였다. 공간 채움 곡선은 다차원의 좌표 값을 하나의 숫자로 만들 수 있으며 생성 코드 개발, 객체 검색, 유지·관리, 자동화에 유리하다.
성능/효과
- 이를 통해 교차로별로 1개의 노드가 정의되고 10m 이내에 2개 이상의 노드가 존재하지 않도록 하였다. 가공된 노드 자료를 통해 좌표 기반 교차로 ID를 구축한 결과, 모든 교차로 ID가 중복되는 값을 가지지 않고 개별적인 값을 가지는 것을 확인하였다.
- 하지만 좌표 기반 교차로 ID는 공간 채움 곡선을 활용하여 4byte 크기를 가질 수 있도록 하였으며 1차원 값인 ID에 2차원 좌표 값을 포함할 수 있도록 설계하였다. 결과적으로 좌표 기반 교차로 ID는 기존 노드 ID 대비 데이터 크기를 60% 절감할 수 있고 교차로의 위치 정보 제공뿐만 아니라 별도의 GIS 툴 없이 인근 교차로 검색 및 Box 형태의 특정 지역 내 교차로 추출과 같은 간단한 공간쿼리가 가능하다. 이를 통해 교차로에서의 위치 정보를 활용한 공간 정보 서비스 제공이 수월해질 것으로 생각되며 차량의 경제 안전운전을 지원 시 교차로 ID를 통해 인접한 교차로만 추출하여 더 효율적인 교통정보 교환이 가능해질 것으로 예상된다.
- 7]의 초록색 원과 같이 1km 이내의 거리에 위치한 교차로를 검색하였다. 그 결과, 총 50개의 교차로가 추출되었으며 가장 인접한 교차로는 310m 거리에 있는 봉암빌딩 교차로로 검색되었다.
- 7]의 빨간 박스와 같이 N 방향 1000m, E 방향 1000m 이내에 위치한 교차로를 검색하였다. 그 결과, 총 70개의 교차로가 추출되었다.
- 먼저 표준노드·링크 데이터 중 교차로를 나타내는 유형의 노드 데이터를 사용하여 교차로 간의 이격 거리를 계산하였다. 노드 간 이격 거리가 10m 이내인 노드를 추출하였으며 결과적으로 총 82개의 노드가 추출되었다. 하지만 추출된 노드의 위치와 해당 노드가 위치하는 교차로의 위성지도를 비교한 결과, [Fig.
- 본 논문에서 제시한 교차로 ID는 물리적인 좌표를 통해 만들어지므로 신규 생성 및 삭제에 용이하며 별도의 GIS 툴 없이 교차로 ID만을 이용하여 간단한 공간 쿼리가 가능하다. 이를 확인하기 위해 구축한 좌표 기반 교차로 ID 자료를 이용하여 공간 쿼리를 진행하였으며 이 결과와 GIS 툴을 이용한 공간 쿼리 결과를 비교하였다.
- 8]의 빨간 박스 범위 내에 있는 교차로를 추출하였다. 추출된 교차로와 교차로의 행정구역 코드를 비교하여 정확도를 산정한 결과, 울산 동구는 140개 교차로가 추출되었으며 정확도는 98%였고 서울 강남구는 788개 교차로가 추출되었으며 정확도는 52%로 나타났다. 이는 행정구역의 형태가 모두 달라 정확도에 편차가 있는 것으로 보여 좌표 기반 교차로 ID만을 통해서는 행정구역 식별이 어려운 것으로 판단된다.
- 10m 단위의 중부원점 기준 TM 좌표계와 공간 채움 곡선을 이용하여 4 byte 크기의 좌표 기반 교차로 ID를 설계하였다. 표준 노드 중 교차로를 나타내는 type 101 노드를 대상으로 좌표 기반 교차로 ID를 적용하여 모두 중복되는 값이 없는 것을 확인하였다.
- 3]의 빨간 원 지점과 같이 추출된 노드들은 오류로 인해 하나의 교차로를 2개의 노드로 표현하고 있는 것으로 확인되었다. 해당하는 오류 노드를 제외하면 10m 이내에 중복되는 교차로가 없어 10m 단위의 좌표계를 통한 교차로 ID 구성 체계는 사용이 가능할 것으로 판단하였다.
후속연구
- 마지막으로 교차로가 생성되어 갱신이 필요한 경우에도 좌표를 기반으로 중복되지 않은 새로운 ID를 부여해 업데이트가 가능하다. 개별적인 값을 갖는 좌표의 특성을 이용한 교차로 ID 부여 자동화가 가능할 것으로 보인다.
- 또한 자율주행 지원을 위해서는 교차로뿐만 아니라 인근 시설물들의 정보가 필요하다. 따라서 보다 정밀한 교차로와 인근 시설물들의 위치정보를 포함할 수 있는 ID 부여 방안은 향후 연구에서 진행하고자 한다. 또한 좌표 기반 교차로 ID 구성 체계를 이용해 새로운 교차로가 생기는 경우 ID 부여 자동화가 가능할 것으로 판단되므로 이와 관련된 방법을 향후 연구에서 진행하고자 한다.
- 이를 통해 교차로에서의 위치 정보를 활용한 공간 정보 서비스 제공이 수월해질 것으로 생각되며 차량의 경제 안전운전을 지원 시 교차로 ID를 통해 인접한 교차로만 추출하여 더 효율적인 교통정보 교환이 가능해질 것으로 예상된다. 또한 교차로 ID 데이터 크기를 절감하여 실시간 교통정보 교환에 더욱 적합할 것으로 기대된다. 마지막으로 교차로가 생성되어 갱신이 필요한 경우에도 좌표를 기반으로 중복되지 않은 새로운 ID를 부여해 업데이트가 가능하다.
- 따라서 보다 정밀한 교차로와 인근 시설물들의 위치정보를 포함할 수 있는 ID 부여 방안은 향후 연구에서 진행하고자 한다. 또한 좌표 기반 교차로 ID 구성 체계를 이용해 새로운 교차로가 생기는 경우 ID 부여 자동화가 가능할 것으로 판단되므로 이와 관련된 방법을 향후 연구에서 진행하고자 한다.
- 생성된 교차로 ID와 기존 교차로 ID들과의 중복여부를 확인한 결과, 다른 교차로 ID와 중복되지 않았다. 물리적인 값인 교차로의 좌표 값을 이용하여 교차로 ID를 생성하므로 별도의 관리 없이도 신규 생성 및 삭제가 가능할 것으로 보인다. 또한 일련번호 및 권역번호 없이 교차로 ID를 부여할 수 있게 되므로 교차로 좌표만 취득된다면 교차로 ID 부여 자동화까지 가능할 것으로 예상된다.
- 결과적으로 좌표 기반 교차로 ID는 기존 노드 ID 대비 데이터 크기를 60% 절감할 수 있고 교차로의 위치 정보 제공뿐만 아니라 별도의 GIS 툴 없이 인근 교차로 검색 및 Box 형태의 특정 지역 내 교차로 추출과 같은 간단한 공간쿼리가 가능하다. 이를 통해 교차로에서의 위치 정보를 활용한 공간 정보 서비스 제공이 수월해질 것으로 생각되며 차량의 경제 안전운전을 지원 시 교차로 ID를 통해 인접한 교차로만 추출하여 더 효율적인 교통정보 교환이 가능해질 것으로 예상된다. 또한 교차로 ID 데이터 크기를 절감하여 실시간 교통정보 교환에 더욱 적합할 것으로 기대된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.