도로 교통 시스템에 빅데이터 기술이 융합되면서 운전자와 보행자에게 편리하고 도움이 되는 새로운 서비스들이 생겨나고 있다. 다양한 교통 데이터를 수집하고 분석함으로써 교통 시스템에서 흔히 발생할 수 있는 정체 현상 또는 교통량 등을 예측하는 모델이 개발되고 있다. 본 논문에서는 대구시에서 수집한 택시 경로 데이터를 이용하여 대구시의 지도 위에 해당 데이터를 시각화한다. 그 다음으로 대구 시 내의 도로 구간을 설정하고, 택시 데이터의 위치와 속도 데이터, 그리고 도로 구간 정보를 이용하여 해당 구간의 교통량과 구간에서의 차량 평균 속도를 구한다. 이 결과를 이용하여 특정 도로 구간에 대한 교통 시스템 문제 파악에 도움을 주고자 한다.
도로 교통 시스템에 빅데이터 기술이 융합되면서 운전자와 보행자에게 편리하고 도움이 되는 새로운 서비스들이 생겨나고 있다. 다양한 교통 데이터를 수집하고 분석함으로써 교통 시스템에서 흔히 발생할 수 있는 정체 현상 또는 교통량 등을 예측하는 모델이 개발되고 있다. 본 논문에서는 대구시에서 수집한 택시 경로 데이터를 이용하여 대구시의 지도 위에 해당 데이터를 시각화한다. 그 다음으로 대구 시 내의 도로 구간을 설정하고, 택시 데이터의 위치와 속도 데이터, 그리고 도로 구간 정보를 이용하여 해당 구간의 교통량과 구간에서의 차량 평균 속도를 구한다. 이 결과를 이용하여 특정 도로 구간에 대한 교통 시스템 문제 파악에 도움을 주고자 한다.
As the convergence of traffic system and Big-data technology, new convenient services which is helpful for drivers and pedestrian are appeared. Recently, the various researches about the traffic system, such as prediction of traffic jam and finding the shortest path, are studied. In this paper, we c...
As the convergence of traffic system and Big-data technology, new convenient services which is helpful for drivers and pedestrian are appeared. Recently, the various researches about the traffic system, such as prediction of traffic jam and finding the shortest path, are studied. In this paper, we collect the data of taxi trips in Daegu City, and visualize them on the map of Daegu City. And then, we select specific sections of roads in the city, and by using the data of location and speed about taxis and the information of the road sections, calculate the traffic of that section and the average speed of cars on that section. As a result of this, we give help solving the problem of the specific road sections.
As the convergence of traffic system and Big-data technology, new convenient services which is helpful for drivers and pedestrian are appeared. Recently, the various researches about the traffic system, such as prediction of traffic jam and finding the shortest path, are studied. In this paper, we collect the data of taxi trips in Daegu City, and visualize them on the map of Daegu City. And then, we select specific sections of roads in the city, and by using the data of location and speed about taxis and the information of the road sections, calculate the traffic of that section and the average speed of cars on that section. As a result of this, we give help solving the problem of the specific road sections.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
그 다음으로 대구 시내의 도로 상에서 일정 간격으로 구간을 설정하고, 택시 데이터의 위치와 속도 데이터, 그리고 도로 구간 정보를 이용하여 해당 구간의 교통량과 구간에서의 차량 평균 속도를 구하여 교통량과 차량 평균 속도 간의 상관관계를 분석한다. 또한 이 분석 결과를 시각화 자료와 비교하여 교통량과 평균 속도로부터 특정 도로 구간에 대한 교통 시스템 문제를 파악하는 데에 도움을 주고자 한다.
본 논문에서는 대구시의 택시 위치 데이터와 속도 데이터를 이용하여 각 도로 구간의 교통량과 평균 차량 속도를 구한 다음 두 변수 간의 상관관계를 분석하여 교통량과 평균 차량 속도 외의 다른 요인이 정체 현상에 어떤 식으로 작용하는지 알아보고자 하였다. 하지만 상관관계 분석 결과 두 변수 간의 상관관계가 없음을 알 수 있었고 시각화를 통한 분석을 통해서도 유의미한 결과를 도출하기 어려웠다.
본 논문에서는 약 8개월 간 대구시에서 수집된 택시 데이터를 이용하여 대구시의 지도 위에 해당 데이터를 시각화한다. 그 다음으로 대구 시내의 도로 상에서 일정 간격으로 구간을 설정하고, 택시 데이터의 위치와 속도 데이터, 그리고 도로 구간 정보를 이용하여 해당 구간의 교통량과 구간에서의 차량 평균 속도를 구하여 교통량과 차량 평균 속도 간의 상관관계를 분석한다.
제안 방법
본 논문에서는 약 8개월 간 대구시에서 수집된 택시 데이터를 이용하여 대구시의 지도 위에 해당 데이터를 시각화한다. 그 다음으로 대구 시내의 도로 상에서 일정 간격으로 구간을 설정하고, 택시 데이터의 위치와 속도 데이터, 그리고 도로 구간 정보를 이용하여 해당 구간의 교통량과 구간에서의 차량 평균 속도를 구하여 교통량과 차량 평균 속도 간의 상관관계를 분석한다. 또한 이 분석 결과를 시각화 자료와 비교하여 교통량과 평균 속도로부터 특정 도로 구간에 대한 교통 시스템 문제를 파악하는 데에 도움을 주고자 한다.
먼저, 2017년 5월부터 12월까지 약 8개월 간 대구시에서 수집한 8만 5천여 개의 택시 데이터를 이용하여 시각화를 진행한다. 도로 위의 각 구간을 설정하기 위하여 OpenStreetMap API를 이용하였고 그 결과 대구시의 각 도로 위에 100m 간격으로 구간을 나누어주었다. 그림 1은 대구시 지도 위에 각 구간의 지점들을 시각화한 자료이다.
택시 위치 데이터는 센싱 데이터이기 때문에 어느 정도의 오차가 발생할 가능성 이 있다. 따라서 각 구간의 범위를 지정하여 해당 문제를 해결하였다. 구간에서 두 지점 사이의 실제 거리는 100m이고 지도 상에서 확인한 도로의 너비는 13m 정도였다.
향후 연구로써 대구시 택시 50대에 대한 약 400만 개의 택시 데이터를 이용하여 분석을 위한 데이터 코퍼스를 확장하고 본 논문에서 제안한 방안을 다시 적용하여 본다. 또한 원본 데이터에 대한 경험적인 피드백을 통하여 혹시 모를 데이터 에러에 대한 예외 처리를 진행한다.
즉, 정체 상황에서 교통량과 차량 평균 속도가 항상 반비례하지는 않는다는 것이다. 본 논문에서는 도로의 구간을 분할하고 각 구간마다의 교통량과 평균 차량 속도를 구한 다음 상관관계를 분석하여 이를 지도 위에 시각화한다. 시각화 결과로부터 교통량과 차량 평균 속도가 반비례 하지 않는 구간을 선정하고 이 구간에 대한 로드뷰나 외부 데이터를 이용하여 도로 정체 현상에 교통량이 아닌 외부 요인(차선 수)이 영향을 줄 수 있음을 확인한다.
대상 데이터
먼저, 2017년 5월부터 12월까지 약 8개월 간 대구시에서 수집한 8만 5천여 개의 택시 데이터를 이용하여 시각화를 진행한다. 도로 위의 각 구간을 설정하기 위하여 OpenStreetMap API를 이용하였고 그 결과 대구시의 각 도로 위에 100m 간격으로 구간을 나누어주었다.
이론/모형
2의 제안 방안에 따라 실험한 결과는 그림 2, 3 과 같다. 본 논문에서는 데이터를 시각화하기 위하여 Tableau public 시각화 툴을 사용하였다.
성능/효과
또한 교통량과 평균 차량 속도에 대한 피어슨 상관 계수(Pearson Correlation Coefficient)를 구한 결과, 0.1976이라는 수치를 얻을 수 있었다. 피어슨 상관 계수는 –1 이상 1 이하의 실수 값으로 두 변수 간의 상관관계를 표현한다.
[4]에서는 뉴욕 시에서 2010-2013년 사이에 발생한 70억 개의 택시 경로 데이터를 통계 기법으로 분석하여 뉴욕 시의 교통 흐름을 파악하였다. 또한 지도 위에 경로마다의 교통량을 표현하여 시각적 효과를 높였다.
본 논문에서는 도로의 구간을 분할하고 각 구간마다의 교통량과 평균 차량 속도를 구한 다음 상관관계를 분석하여 이를 지도 위에 시각화한다. 시각화 결과로부터 교통량과 차량 평균 속도가 반비례 하지 않는 구간을 선정하고 이 구간에 대한 로드뷰나 외부 데이터를 이용하여 도로 정체 현상에 교통량이 아닌 외부 요인(차선 수)이 영향을 줄 수 있음을 확인한다.
후속연구
하지만 상관관계 분석 결과 두 변수 간의 상관관계가 없음을 알 수 있었고 시각화를 통한 분석을 통해서도 유의미한 결과를 도출하기 어려웠다. 향후 연구로써 대구시 택시 50대에 대한 약 400만 개의 택시 데이터를 이용하여 분석을 위한 데이터 코퍼스를 확장하고 본 논문에서 제안한 방안을 다시 적용하여 본다. 또한 원본 데이터에 대한 경험적인 피드백을 통하여 혹시 모를 데이터 에러에 대한 예외 처리를 진행한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.