$\require{mediawiki-texvc}$

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.

교통상황 분류를 위한 클러스터링 기법 개발
Development of Traffic State Classification Technique 원문보기

韓國ITS學會 論文誌 = The journal of the Korea Institute of Intelligent Transportation Systems, v.22 no.1, 2023년, pp.81 - 92  

강우진 (서울시립대학교 교통공학과) ,  김영호 (한국교통연구원 모빌리티전환연구본부)

초록
AI-Helper 아이콘AI-Helper

교통상황 분류는 신호연동그룹 단위의 정주기식 제어 기법을 효율적으로 적용하기 위하여 TOD 계획을 수립하는데 핵심적인 기술이다. 본 논문에서는 신호연동그룹에 속하는 모든 교차로의 교통 자료 즉, 속도-교통량-밀도를 활용할 수 있는 딥 임베디드 클러스터링(Deep-Embedded Clustering:DEC) 기반 교통상황 분류 방법론을 제시하였다. 기존의 신호계획의 경우 교통량 기반으로 주요 교차로를 선정하고 해당 교차로의 교통자료를 이용하여 단편적인 신호계획을 하였으나, 본 논문에서 제시된 방법론의 경우 신호연동 그룹내 다수 교차로의 종합적인 교통특성에 따라 교통상황을 유연하게 분류하여 신호계획을 할 수 있는 기반을 제공하였다. 본 연구에서 제시된 방법론은 일반적인 군집화 방법론이 입력 자료의 차원이 증가함에 따라 겪는 차원의 저주 (Curse of dimensionality) 문제를 완화함으로써 신호연동그룹에 속하는 모든 신호교차로의 교통자료를 고려한 신호시간 계획 수립이 가능하며 기존의 특정교차로 및 교통량만을 이용한 교통상황 분류방법론의 단점을 극복할 수 있음을 보였다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Traffic state classification is crucial for time-of-day (TOD) traffic signal control. This paper proposed a traffic state classification technique applying Deep-Embedded Clustering (DEC) method that uses a high dimensional traffic data observed at all signalized intersections in a traffic signal con...

주제어

#정주기식 교통신호제어   #신호시간계획   #교통상황   #딥임베디드 클러스터링  

참고문헌 (9)

  1. Easter, M., Kriegel, H. P., Sander, J. and Xu, X.(1996), "A Density-Based Algorithm for Discovering？Clusters in Large Spatial Databases with Noise", Proceedings of the Second International？Conference on Knowledge Discovery and Data Mining, AAAI(American Association for the？Artificial Intelligence), KDD'96, pp.226-231. 

  2. Hwang, J., Parj, M., Kim, Y. and Kang, W.(2021), "Optimize TOD Time-Division with Dynamic Time？Warping Distance-based Non-Hierarchical Cluster Analysis," The Journal of The Korea？Institute of Intelligent Transport Systems, Vol. 20, no. 5, pp.113-129. 

  3. Jeong, Y., Kim, D., Kim, Y., Hwang, K. and Kim, Y.(2008), "Determination of TOD Plan Breaking？Points Using a Clustering Analysis", Korean Society of Road Engineers, pp.341-347. 

  4. Lee, I. G., Lee, H. S. and Kim, Y. C.(2011), "Optimization of TIME-OF-DAY and Estimation on the？Field Application for Arterial Road", Journal of Korean Society of Transportation, vol. 29, no.？4, pp.113-123. 

  5. Nielsen, F.(2016), Introduction to HPC with MPI for Data Science, Springer, pp.195-211. 

  6. Scikit-Learn, https://scikit-learn.org/stable/modules/mixture.html, 2022.11.28. 

  7. Tang, K., Boltze, M., Nakamura, H. and Tian, Z.(2019), "Global Practices on Road Traffic Signal？Control", World Conference on Transport Research Society, pp.7-17. 

  8. UN-Habitat(2020), World Cities Report 2020, p.97. 

  9. Xie, J., Cirshick, R. and Farhadi, A.(2016), "Unsupervised Deep Embedding for Clustering Analysis",？Proceedings of the 33rd International Conference on Machine Learning, PMLR(Proceedings of？Machine Learning Research), vol. 48, pp.478-487. 

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

이 논문과 함께 이용한 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