[논문]단기 통행시간예측 모형 개발에 관한 연구

이승재; 김범일; 박혜란; 권혁

문제 정의

단순히 운전자가 통행을 시작할 때(순간적)의 교통상황을 기반으로 경로통행시간을 제시하는 것이 아니라, 운전자가 실제로 경함하게 될(실질적) 링크별 통행시간을 미리 예측해서 경로 통행 시간을 제시하고자 한다. 따라서 '링크'통행시간에 대한 예측은 '경로'통행시간을 예측하기 위해 미리 선행되어야 한다.
하기 때문이다. 따라서 본 연구에서는 가장 신뢰성 있는 링크통행 시간 예측모형을 제시하고자 한다.
본 연구에서는 최근의 교통분야 신기술을 이용하여 실시간 (real-time)정보가 아닌 예측된(predicted) 교통정보를 제공할 수 있는 교통모형을 개발하고자 한다.
이 절에서는 예측시간간격을 달리 했을 경우 모형별로 예측치와 실측치와의 오차를 비교하고자 하였다. 4개의 링크 중 평일과 주말의 통행시간 패턴이 뚜렷하게 구분되는 북한남삼거리 — 명 동역 구간에 대 해서만 살펴 보았다.

제안 방법

칼만 필터링 모형을 적용해 보았다. 28개 교통축 967개 전체 링크는 5분 후 칼만 필터링 모형의 예측 결과를 분석하였으며, 967개 링크 중에서 도로 특성을 고려한 4개 링크 (도시 고속도로인 강변북로와, 내부순환도로, 도심 지역의 간선도로 중에서 신촌로, 강남 지역의 간선도로 중에서 강남대로)는 좀 더 자세한 분석을 해 보았다. 4개 링크는■ 확률과정 모형과, 칼만 필터링 모형을 이용하여 5분 후, 10분 후, 15분 후 30분 후, 60 분 후의 예측 통행시간을 분석하였다.
2장에서의 3개의 링크통행시간 예측모형을 혼잡구간인 남산 1호 터널과 이와 인접한 한남로에 적용하여 예측의 정확성을 비교하고자 한다. 모형의 정확도를 평가하기 위한 기준으로는 평균절대오차(MAE)와 상대평균절대오차율(MP)을 사용하였다.
28개 교통축 967개 전체 링크는 5분 후 칼만 필터링 모형의 예측 결과를 분석하였으며, 967개 링크 중에서 도로 특성을 고려한 4개 링크 (도시 고속도로인 강변북로와, 내부순환도로, 도심 지역의 간선도로 중에서 신촌로, 강남 지역의 간선도로 중에서 강남대로)는 좀 더 자세한 분석을 해 보았다. 4개 링크는■ 확률과정 모형과, 칼만 필터링 모형을 이용하여 5분 후, 10분 후, 15분 후 30분 후, 60 분 후의 예측 통행시간을 분석하였다. 예측된 통행시간의 평가지표로는 MAE, MP, 검정을 사용하였으며, 첨두 시간대, 비첨두 시간대, 전체 시간대에 대해 비교하였다.
실측치와의 오차를 비교하고자 하였다. 4개의 링크 중 평일과 주말의 통행시간 패턴이 뚜렷하게 구분되는 북한남삼거리 — 명 동역 구간에 대 해서만 살펴 보았다.
5분, 10분, 15분, 30분, 60분 에 대한 각각의 실측치와 모형별 예측치의 비교 결과 그래프는, , , , 이며, MAE와 神에 의한 평가결과를에 정리하였다.
이용한다. 과거정보를 이용하여 일정시점에서 특정 상태에 있을 확률, 각 상태에 있을 장기적이고 안정적인 확률을 예측하여 통행시간을 산정한다.
관측 통행시간과 칼만 필터링 모형(5분후)을 이용하여 예측한 통행시간을 비교 분석하였다.<표 4>의 MAE, MP 결과는 해당 교통축에 포함하는 모든 링크의 평균이다.
링크별로 칼만필터링 모형을 이용하여 시간별 예측 결과를 관측치와 비교해 보았다. 마찬가지로 신촌로에 대한 결과를 보자.
링크통행시간 예측 모형으로 대표적인 확률과정(Stochastic Process), ARIMA(Autoregressive integrated moving-average), 칼만필터링i)(Kalman Filtering)에 대해 알아본다.
첨두시, 비첨두시, 전체시간대로 나눠 예측 오차를 비교해보았다. 첨두시간대는 오전 7시와 9시 사이와, 오후 6시와 8 시 사이이며, 비첨두 시간대는 첨두 시간 이외의 시간대이다.
칼만필터링, 확률과정, ARIMA모형을 4개의 링크에 적용하여 실제 관측치와 비교하여 보았다. 링크별 관측치와 모형들의 예측치의 비교결과는<그림 1>, <그림 2>, <그림 3>, <그림 4>와 같다.

대상 데이터

2001년 11월 20일(화) 통행시간을 예측하기 위한 자료는 2CO₁ 년 9월 4일부터 2(X)1 년 11월 13일까지의 화요일 통행 시간자료를 이용하였다. 확률과정 모형은 과거 자료를 이용하기 때문에 예측 단위 시간에 관계없이 일정한 통행 시간이 나온다.
서울시 28개 주요 교통축 967개 링크에 칼만 필터링 예측 기법을 확대 적용하였다. 기준시간 전 5분 전 통행시간까지를 이용하여 5분후를 예측하였다.

데이터처리

4개 링크는■ 확률과정 모형과, 칼만 필터링 모형을 이용하여 5분 후, 10분 후, 15분 후 30분 후, 60 분 후의 예측 통행시간을 분석하였다. 예측된 통행시간의 평가지표로는 MAE, MP, 검정을 사용하였으며, 첨두 시간대, 비첨두 시간대, 전체 시간대에 대해 비교하였다.

이론/모형

따라서, 본 연구에서는 통행시간 예측 모형으로 확률과정 모형과 칼만 필터링 모형을 사용하기로 한다.
비교하고자 한다. 모형의 정확도를 평가하기 위한 기준으로는 평균절대오차(MAE)와 상대평균절대오차율(MP)을 사용하였다. MAE와 MP는 값이 작을수록 예측 결과가 좋음을 뜻한다.
본 연구에서는 서울시 28개 주요 교통축에 대해 확률과정 모형과 칼만 필터링 모형을 적용해 보았다. 28개 교통축 967개 전체 링크는 5분 후 칼만 필터링 모형의 예측 결과를 분석하였으며, 967개 링크 중에서 도로 특성을 고려한 4개 링크 (도시 고속도로인 강변북로와, 내부순환도로, 도심 지역의 간선도로 중에서 신촌로, 강남 지역의 간선도로 중에서 강남대로)는 좀 더 자세한 분석을 해 보았다.
전체 교통축에 적용하기 전에 4개 교통축에 확률과정 모형과 칼만 필터링 모형을 적용하여 보았다.

성능/효과

4개의 링크에 대한 칼만필터링과 확률과정 모형의 통행 시간 예측결과 확률모형은 과거 데이터와 통행패턴이 비슷할 경우에는 통행시간이 비슷하지만 통행 패턴이 다를 경우에는 많은 오 차를 보인다. 하나의 예로 신촌로를 보자.
전체적으로 칼만 필터링 5분 후 예측이 가장 정확한 것을 알 수 있다. t-test를 실시한 결과, 95% 신뢰구간, 유의수준 0.05에서 신촌로 링크에서 확률과정 모형과 칼만 필터링 (60분 후)의 경우, 강남대로 링크에서는 확률과정 모형과, 칼만 필터링(10분 후)의 경우, 강변북로 링크에서는 칼만 필터링(10분 후)의 경우, 내부순환도로 링크에서는 확률과정 모형과 칼만 필터링 (60분 후)의 경우에 평균과의 차이를 보이고 있다.
비교 결과 교통류가 가장 안정적인 한남로터리->북한남삼거리 구간은 모든 모형별 오차가 다른 링크에 비해 상대적으로 작게 나오는 반면, 첨두/비첨두시 구분이 가장 명확하며, 전체적인 교통류가 가장 불안정적인 북한남삼거리T한남로터리 구간은 모든 모형별 오차가 다른 링크에 비해 상대적으로 크게 나오고 있다.
시간대를 달리 했을때의 모형별 실측치와 예측치의 오차를 살펴본 결과, 예측 시간간격 30분 미만의 예측에서는 ARIMA 와 칼만필터링 모형이 확률과정 모형보다 정확하고 시간간격 30분 이상의 예측에서는 확률과정 모형의 예측력이 더 뛰어남을 알 수 있었다.
이를 통해 10분-15분 후 '예측은 칼만 필터 링으로, 30분-60분 후 예측은 확률 과정으로 하는 것이 적합할 것임을 알 수 있다.
이상으로 볼 때 단기예측(5분 후-15분 후)에는 칼만 필터링이, 장기예측(30분 후-60분 후)에는 확률과정 모형이 적합하다고 판단된다. 두 모형의 장점을 고려하여 통행시간 예측에 이용한다면 한 가지 예측 모형을 이용하여 통행시간을 예측하는 것에 비해 그 정확도가 높을 것으로 판단된다.
전체 시간 MAE 결과를 보면 칼만 필터링을 이용한 경우에는 5분 후 예측과 10분 후 예측인 경우에 MME가 작고, 4 개 링크 모두 예측 통행시간이 늘어남에 따라 MAE가 점차 증가한다. 이를 통해 10분-15분 후 '예측은 칼만 필터 링으로, 30분-60분 후 예측은 확률 과정으로 하는 것이 적합할 것임을 알 수 있다.
전체적으로 칼만 필터링 5분 후 예측이 가장 정확한 것을 알 수 있다. t-test를 실시한 결과, 95% 신뢰구간, 유의수준 0.
첨두시 MAE 결과를 보면 신촌로, 강남대로, 강변북로, 내부 순환로 모두 예측 통행시간 간격이 늘어남에 따라 MAE 가 점점 증가한다. 특히 다른 링크에 비해서 통행 시간의 변동이 큰 강변북로에서 칼만필터링 모.
확률과정 모형은 30분 후 예측과 같은 장기 예측에서 칼만 필터링 모형에 비하여 정확도가 높았다. 장기 예측일수록 평균에 근거하여 통행시간을 예측하는 확률과정 모형의 예측력이 더 우수하다고 할 수 있다.

후속연구

향후 연구과제로는 본 연구를 발전시켜 링크기반에서 경로 기반 통행시간 예측 모형을 개발하고 실제로 교통정보안내 분야 및 정보제공분야에서 다양하게 활용될 수 있는 방법을 연구하도록 한다.

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

단기 통행시간예측 모형 개발에 관한 연구 원문보기

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

단기 통행시간예측 모형 개발에 관한 연구 원문보기

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

AI 본문요약
AI-Helper