KR101628014B1 - 교통링크 속도 예측 방법 및 이를 위한 장치 - Google Patents

교통링크 속도 예측 방법 및 이를 위한 장치 Download PDF

Info

Publication number
KR101628014B1
KR101628014B1 KR1020140115669A KR20140115669A KR101628014B1 KR 101628014 B1 KR101628014 B1 KR 101628014B1 KR 1020140115669 A KR1020140115669 A KR 1020140115669A KR 20140115669 A KR20140115669 A KR 20140115669A KR 101628014 B1 KR101628014 B1 KR 101628014B1
Authority
KR
South Korea
Prior art keywords
link
vehicle speed
past
time series
value
Prior art date
Application number
KR1020140115669A
Other languages
English (en)
Other versions
KR20160027606A (ko
Inventor
김영호
김상곤
강우진
Original Assignee
한국교통연구원
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 한국교통연구원 filed Critical 한국교통연구원
Priority to KR1020140115669A priority Critical patent/KR101628014B1/ko
Priority to CN201580059290.XA priority patent/CN107111941A/zh
Priority to PCT/KR2015/008575 priority patent/WO2016036024A1/ko
Publication of KR20160027606A publication Critical patent/KR20160027606A/ko
Application granted granted Critical
Publication of KR101628014B1 publication Critical patent/KR101628014B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Traffic Control Systems (AREA)

Abstract

본 발명은 현재 도로의 위치에서 미래 차량속도를 예측하는 방법에 관한 것이다. 이를 위하여, 교통수요 변화, 기상변화, 공사, 행사, 돌발상황 등의 미래에 발생할 이벤트가 교통흐름에 미치는 영향을 고려하며, 교통정보생성 단위 링크(link)별 통행속도 정보를 산출하여 제공한다.

Description

교통링크 속도 예측 방법 및 이를 위한 장치{Method for predicting link traffic speed and device for the same}
본 발명은 차량속도를 예측하는 기술에 관한 것으로서, 특히 과거로부터 축적된 교통속도 패턴을 이용하여 차량속도를 예측하는 컴퓨터 기술에 관한 것이다.
교통 혼잡으로 막대한 사회/경제적 비용이 발생하는 대도시권에서 도로 인프라의 신설 및 확장은 예산제약과 부지확보 측면에서 불가능하다.
서울시 도시고속도로 공사에서는, 실시간 교통정보(ex: 소통상황, 노선별 구간소요시간, 돌발 상황, 통제정보, 최단경로검색, 공사예정정보, 주요도로 정체구간)와 우회도로정보, 및 소통 통계정보를 제공하고 있다. 그리고 한국도로공사에서는, 실시간 교통정보(ex: 노선 및 정체 구간, 연계정보), 교통예보(ex: 도시 간 예상 소요시간, 주말 교통예보(교통량, 소요시간 정보), 및 월간예보(월별 특정 정체(명절)정보))를 제공하고 있다. 그리고 SK M&C의 T-map이라는 서비스에서는, 실시간 교통정보(ex: 구간별 통행속도, CCTV 정보, 제보(돌발 및 시설물)정보, 부가정보(주변 맛집)), 교통예보, 및 서비스 이용요금 정보를 제공하고 있다.
그러나 공공기관의 경우, 일부 교통구간에 대한 예측정보와 대도시 요금소 기준 이력 정보를 제공하고 있지만 기초연구 수준이며, 민간기관의 경우, 이벤트(ex: 기상변화, 공사, 사고, 행사) 발생 시 교통상황변화 대응이 미흡하다는 한계가 있다.
독일에서는, 실시간 소통정보, 교통상황예측정보(단기, 중장기), 공사 및 사고정보를 제공하고 있으며 특히, 교통상황예측정보는 7일 범위에서 현재시각기준으로 15분, 30분 간격으로 제공되고 있다. 그리고 영국에서는, 독일과 같이 실시간 소통정보, 교통상황예측정보공사 및 사고정보를 제공하고 있으며, 영상정보와 기상정보를 추가로 제공하고 있다. 영국의 교통상황예측정보는 12시간 범위에서 1시간 간격으로 제공되고 있다. 그리고 프랑스에서는, 영국과 같은 주요 정보를 제공하고 있으며, 프랑스의 교통상황예측정보는 5개월 범위에서 1시간 간격으로 제공되고 있다. 그리고 구글에서는 실시간 소통정보, 교통상황예측정보, 기상정보를 전 세계 50여개 국가에 제공하고 있으며, 구글의 교통상황예측정보는 7일 범위에서 15분 간격으로 제공되고 있다.
한편, 미국의 INRIX는 24시간 범위에서, 15분 간격의 정보를 통하여 최적 출발시각 정보를 제공하고 있고, Beat the Traffic은 7일 범위에서 1시간 간격의 교통상황예측정보를 제공하고 있다.
종래 기술에 따르면, 예컨대 금요일 밤 10시를 기준으로, 금요일 밤 10시에서 11시 사이의 교통흐름에 대한 예측을 위하여, 과거 자료 중 금요일 밤 10시에서 11시 사이에 수집된 자료들만을 이용하여 예측할 수 있다. 또한 예컨대, 추석 당일 날 오전 10시에서 12시 사이의 교통흐름을 예측하기 위하여, 과거 자료 중 추석 당일 날 오전 10시에서 12시 사이에 수집된 자료들만을 이용하여 예측할 수 있다. 즉, 교통흐름을 예측하고자 하는 시간대와 공통적인 속성을 갖는 과거 시간대에 수집된 자료들만을 이용한다.
관련 선행기술에 대한 특허로 현대자동차 주식회사가 출원한 특허 KR20080067234A(출원번호), 한국도로공사가 출원한 특허 KR20120125335A(출원번호)가 있다.
상술한 바와 같이 종래기술에서는 교통흐름을 예측하고자 하는 시간대와 공통적인 시간속성을 갖는 과거 시간대에 수집된 자료들만을 이용하는데, 이 자료들만을 이용하는 경우 예측결과의 정확도가 떨어진다는 문제점이 있다.
본 발명에서는 상술한 문제점을 해결하기 위하여, 이벤트 발생이 교통 흐름에 미치는 영향을 반영한 교통상황 예측 기술을 제공하고자 한다.
본 발명에서는 운영자용 교통상황예측 소프트웨어 패키지를 위해 교통연계정보를 이용할 수 있다. 상기 교통연계정보는 사고 데이터, 교통 데이터, 공사 데이터, 기상 데이터, 및 행사 데이터 등을 포함할 수 있다. 상기 소프트웨어 패키지는 데이터베이스 서버, 분석 서버, 및 예측 서버를 위해 사용될 수 있다. 이때, 상기 분석 서버는, 데이터베이스 서버에서 수집된 데이터를 이용하여, 기상에 따른 교통상황 분석, 사고/공사 시 교통상황 분석, 및 평시/이벤트시 교통상환 분석 등을 수행할 수 있다. 그리고 상기 예측 서버는 상기 분석결과를 토대로 단기/중-장기 예측, 예측 정확도 검증, 및 예측 신뢰성 평가를 수행할 수 있다. 상기 분석 서버 또는 예측 서버를 통해 가동된 데이터는 도로 운영자에게 제공될 수 있으며, 그 결과 선제적 교통제어전략 수립을 지원할 수 있다.
본 발명의 일 관점에 따른 교통상황 예측정보 시스템에서는, 입력자료로서 노드-링크 체계 기반 교통정보(ex: 이력자료, 실시간 자료), 지정검지 정보등을 이용할 수 있다. 또한 비교통정보(ex: 기상, 행사, 공사, 및 돌발상황)를 입력자료로서 이용할 수 있다. 이렇게 입력된 자료는, 중장기 예측 알고리듬 및/또는 단기 예측 알고리듬을 이용하는 일련의 과정을 통해 처리될 수 있다. 그 결과 예컨대, 15분 간격으로 노드-링크 체계 기반의 링크 속도 정보를 제공할 수 있다.
이때, 상기 교통상황 예측정보 시스템에 의해 단기 예측 알고리듬이 제공될 수 있다. 상기 단기 예측 알고리듬에서는, 5분 간격으로 집계한 링크별 실시간 속도(교통량) 자료를 활용하여 5분 간격으로 집계한 링크 별 속도 자료를 도출할 수 있다. 이를 위해 K-NN을 적용할 수 있으며, 상기 K-NN을 통해 추출한 정보는 15분 간격으로 제공되고, 현재 시점으로부터 1시간 이내로의 예측된 교통상황 정보를 제공받을 수 있다. 상기 정보는 5분 간격으로 갱신되며, 이벤트 발생 시에는 기상/행사/공사와 돌발, 네 가지 상황에 따라 다른 알고리듬을 적용할 수 있다. 상기 기상/행사/공사의 이벤트가 발생했을 경우, 이벤트가 없을 때의 상황과 이벤트 상황의 과거 데이터 이력을 5:5로 혼합하여 K-NN 방법을 적용하고, 돌발 이벤트가 발생했을 경우, 상기 기상/행사/공사의 이벤트 발생 시의 알고리듬에 실시간 영향권 분석 알고리듬을 포함하여 적용할 수 있다.
본 발명의 다른 관점에 따른 교통상황 예측정보 시스템이 제공될 수 있다. 상기 교통상황 예측정보 시스템은 도로 상의 두 지점 사이에서 정의되는 제1링크에서의 제1차량속도를 예측하는 방법으로서, 상기 제1링크에서의 특정 시구간 동안의 제1차량속도에 관한 제1시계열값을 획득하는 단계; 상기 제1링크에서의 제1차량속도에 관한 제1과거데이터로부터, 상기 제1시계열값에 매칭되는 N개의 제1과거시계열값을 찾아내어, 상기 찾아낸 N개의 제1과거시계열값에 관한 정보를 기초로 상기 특정 시구간 이후의 상기 제1링크에서의 제1차량속도를 예측하는 단계; 를 포함하며, 상기 제1과거데이터는, 상기 특정 시구간이 속한 요일과 동일한 요일에 획득한 제1차량속도에 관한 데이터를 포함한다. 상기 제1과거데이터는, 상기 특정 시구간 동안 발생한 이벤트와 동일한 이벤트가 발생한 것으로 확인된 과거의 시구간들에서 획득한 제1차량속도에 관한 데이터를 포함하며, 상기 예측하는 단계는, 상기 N개의 제1과거시계열값에 대응하는 N개의 과거 시구간(PTp, p는 1 내지 N의 자연수) 각각에 대하여, 상기 과거 시구간(PTp) 직후부터 미리 결정된 시간까지의 상기 제1링크에서의 후속차량속도 세트를 획득하는 단계; 및 상기 획득한 후속차량속도 세트들 간의 평균값을 계산하는 단계; 를 포함한다.
본 발명의 또 다른 관점에 따른 교통상황 예측정보 시스템이 제공될 수 있다. 상기 교통상황 예측정보 시스템은 상기 도로 상의 또 다른 두 지점 사이에서 정의되는 제2링크에서의 상기 특정 시구간 동안의 제2차량속도에 관한 제2시계열값을 획득하는 단계를 더 포함하며, 상기 예측하는 단계는, 상기 제1과거데이터와 상기 제2차량속도에 관한 제2과거데이터로부터, 상기 제1시계열값과 상기 제2시계열값에 동시에 매칭되는, 상기 제1링크에 관한 제1과거시계열값과 상기 제2링크에 관한 제2과거시계열값으로 이루어지는 쌍을 N개 찾아내는 단계; 및 상기 찾아낸 N개의 쌍에 관한 정보를 기초로 상기 특정 시구간 이후의 상기 제1링크에서의 차량속도를 예측하는 단계; 를 포함한다. 그리고, 상기 제1링크에서의 교통속도가 미리 결정된 제1값보다 낮다고 판단된 경우, 상기 제2링크는 상기 제1링크보다 상류에 존재하고, 상기 제1링크에서의 교통속도가 미리 결정된 제2값보다 높다고 판단된 경우, 상기 제2링크는 상기 제1링크보다 하류에 존재한다.
본 발명의 또 다른 관점에 따른 교통상황 예측정보 시스템이 제공될 수 있다. 상기 교통상황 예측정보 시스템은 상기 도로 상의 또 다른 두 지점 사이에서 정의되는 제3링크에서의 상기 특정 시구간 동안의 제3차량속도에 관한 제3시계열값을 획득하는 단계를 더 포함하며, 상기 예측하는 단계는, 상기 제1과거데이터와 상기 제2과거데이터, 및 상기 제3링크에서의 제3차량속도에 관한 제3과거데이터로부터, 상기 제1시계열값, 상기 제2시계열값, 및 상기 제3시계열값에 동시에 매칭되는, 상기 제1링크에 관한 제1과거시계열값, 상기 제2링크에 관한 제2과거시계열값, 및 상기 제3링크에 관한 제3과거시계열값으로 이루어지는 쌍을 N개 찾아내는 단계; 및 상기 찾아낸 N개의 쌍에 관한 정보를 기초로 상기 특정 시구간 이후의 상기 제1링크에서의 차량속도를 예측하는 단계; 를 포함한다. 상기 제1링크에서의 교통속도가 미리 결정된 제1값과 미리 결정된 제2값 사이의 값을 갖는 경우, 상기 제2링크 및 상기 제3링크는 각각 상기 제1링크보다 상류 및 하류에 존재하는 것을 특징으로 한다.
본 발명에 따르면 미래의 교통흐름에 관한 정보를 효과적으로 예측할 수 있으며, 특히 교통흐름을 예측하고자 하는 시간대(ex: 토요일)와 공통적인 시간속성을 갖는 과거 시간대(ex: 토요일)에 수집된 자료들 외의 교통자료들(ex: 토요일을 제외한 다른 요일들에서 수집된 자료)을 사용하는 방법을 제공할 수 있다.
도 1은, 본 발명의 일 실시예에 따라 제공되는 차량속도 예측 방법에 있어서, 도로를 차량흐름의 진행방향을 따라 복수 개의 링크로 나누고 각 링크에서 감지센서를 이용하여 속도를 측정하는 방법을 설명하기 위한 도면이다.
도 2는 가까운 과거로부터 현재까지의 도 1의 제1링크(13)에서 측정된 차량속도의 대푯값을 시간에 따라 나타낸 그래프이다.
도 3은 도 1의 제1링크(13)에서 얻은 속도 데이터의 이력을 그래프로 나타낸 것이다.
도 4a는 도 3에서 추출한 각 구간(PA1~PA5)에 해당하는 비교통정보를 표로 나타낸 것이다.
도 4b는 도 6에서 추출한 각 구간(PB1~PB5)에 해당하는 비교통정보를 표로 나타낸 것이다.
도 5는 도 1에서의 제1링크(13), 제2링크(12), 제3링크(14)에서 측정된 가까운 과거로부터 현재까지의 차량속도의 대푯값을 시간에 따라 나타낸 그래프이다.
도 6은 도 5에서 나타낸 각 링크별 과거 수년간 확보한 이력데이터 중 모집단의 조건에 따라 얻은 속도 데이터의 이력을 그래프로 나타낸 것이다.
이하, 본 발명의 실시예를 첨부한 도면을 참고하여 설명한다. 그러나 본 발명은 본 명세서에서 설명하는 실시예에 한정되지 않으며 여러 가지 다른 형태로 구현될 수 있다. 본 명세서에서 사용되는 용어는 실시예의 이해를 돕기 위한 것이며, 본 발명의 범위를 한정하고자 의도된 것이 아니다. 또한, 이하에서 사용되는 단수 형태들은 문구들이 이와 명백히 반대의 의미를 나타내지 않는 한 복수 형태들도 포함한다.
<실시예 1 : 예측하고자 하는 특정 링크에서 획득한 차량 속도를 이용하여 상기 특정 링크에서의 미래교통정보를 예측하는 방법>
도 1은, 본 발명의 실시예 1에 따라 제공되는 차량속도 예측 방법에 있어서, 도로를 차량흐름의 진행방향을 따라 복수 개의 링크로 나누고 각 링크에서 감지센서를 이용하여 속도를 측정하는 방법을 설명하기 위한 도면이다.
도 1에서 교통흐름은 도로의 상류측(UPSTREAM)에서 하류측(DOWNSTREAM)을 향해 흐르게 된다. 이때, 상기 도로는 복수 개의 링크를 포함할 수 있다. 예컨대, 링크(13)는 인접한 두 지점(ex: 33, 34)의 사이에 존재하는 도로 공간에 의해 정의될 수 있다. 각 링크(11~15)에는 각각 센서(21~25)가 설치되어 있을 수 있다. 상기 센서(21~25)는 각각 차량의 속도를 감지하는 기능을 제공할 수 있다. 각 센서(21~25)는 각 링크(11~15)에서의 차량속도를 측정하도록 되어 있을 수 있다. 상기 차량속도는 각 링크에서 관찰되는 모든 종류의 차량속도의 평균값을 의미할 수 있다.
도 2는, 도 1의 제1링크(13)에서, 가까운 과거로부터 현재까지 측정된 차량속도의 측정값(202)을 시간에 따라 나타낸 그래프이다.
도 2에서 x축은 시간의 흐름을 나타내고, y축은 제1링크(13)에서 측정된 차량속도(ex: 평균차량속도)를 나타낸다. 본 발명의 실시예 1에서, 제1링크(13)에서 제1차량속도를 측정하여 제공하는 시간격은 미리 결정된 단위시간(U) 단위로 수행될 수 있다. 이때, 도 2의 그래프에 타나낸 '0'은 현재를 나타낸다. 그리고 U는 사용자가 설정한 특정한 값일 수 있으며, 예컨대 1분, 5분, 10분, 또는 15분 등 다양한 값을 가질 수 있다. 설명의 편의를 위해 도 2에 나타낸 실시예 1에서는 U가 5분인 것으로 가정하며, 상기 가까운 과거로부터 현재까지의 구간 즉, '특정 시구간(A0)'은 과거 20분전부터 현재까지의 시구간인 것으로 가정한다. 또한, 도 2에 표시된 5개의 측정값(202)으로 이루어지는 한 세트는 5분 간격으로 얻은 차량속도의 제1시계열값이고, 그래프(210)는 상기 시계열값을 인터폴레이션하여 얻은 그래프이다. 인터폴레이션 방식에 따라 그래프(210)는 다른 모양으로 제시될 수도 있다.
도 3은 도 1의 제1링크(13)에서 얻은 과거 속도 데이터의 이력을 그래프로 나타낸 것으로서, 특히 도 2에 나타낸 특정 시구간(A0)에서의 교통 속도 패턴과 가장 유사하다고 판단된 N개(N=5)의 부분만을 따로 발췌하여 나타낸 것이다.
도 3의 그래프를 도출하기 위하여 아래의 단계를 거칠 수 있다.
첫째, 도 2에 나타낸 특정 시구간(A0)에서 획득한 교통정보(=교통 데이터)와 비교하기 위한 모집단을 생성하는 단계를 수행할 수 있다. 상기 교통정보는 차량의 속도에 관한 것이며, 예컨대 도 2에 나타낸 바와 같이 차량속도 측정값(202)으로 이루어지는 상술한 제1시계열값일 수 있다.
이하, 본 명세서에서 사용되는 '비교통정보'라는 용어는, 차량의 속도와 관계없는 외적 환경, 예컨대, 요일, 기상상태, 도로 공사 이벤트, 근방의 행사 이벤트 등에 관한 정보를 의미할 수 있다. 또한, 상기 '모집단'이란 용어는, 도 2에 나타낸 특정 시구간(A0)에서 획득한 제1링크(13)에 관한 교통데이터와 비교하기 위하여, 제1링크(13)에 대하여 과거에 획득한 모든 교통데이터(예컨대 과거 40년 동안의 데이터)로부터 추출한 과거 교통데이터의 집합(예컨대 총 1개월 분량의 데이터)을 의미할 수 있다. 모집단의 크기가 너무 큰 경우 상기 비교에 소요되는 컴퓨팅 파워가 너무 커지는 단점이 있으며, 모집단의 크기가 너무 작은 경우 예측을 위해 요구되는 비교 데이터가 충분하지 못하게 되는 단점이 있다. 따라서 모집단을 적절히 정의하는 것이 중요하며, 본 발명에서는 아래와 같은 모집단 추출 방법을 이용할 수 있다.
예컨대, 모집단을 정의하기 위하여 아래의 두 가지 방법을 이용할 수 있다.
첫째, 특정 시구간(A0)에 해당하는 요일과 동일한 요일의 과거 시구간을 K개 선택하여 모집단으로 삼을 수 있다.
둘째, 상기 특정 시구간(A0)에 관련된 비교통정보(ex: 특정 시구간(A0)에는 비가 내리고 있음)와 유사한 비교통정보(ex: 상기 제1링크에서 과거에 비가 내렸는지에 관한 정보)를 가지는 과거 시구간 M개를 더 포함하여 모집단을 정의할 수 있다. 예컨대 상기 특정 시구간(A0)에 비가 내리고 있었다면, 상기 제1링크에서 비가 내린 적이 있던 과거의 M개의 시구간을 선택하여 상기 모집단에 추가할 수 있다. 상기 과거의 M개의 시구간은, 예컨대 월요일, 화요일, 금요일 등 다양한 요일에 속한 시구간일 수 있다.
따라서 상기 모구간은 총 K+M개의 시구간을 포함하여 이루어질 수 있다. 상기 K와 M은 1 내지 자연수이며, 사용자에 의해 결정된 값일 수 있다. 이때, 상기 첫째 방법에서 이미 '요일'이라는 비교통정보를 이용하였기 때문에 상기 둘째 방법에서 언급한 비교통정보는 첫째 단계에서 언급한 '요일'에 관한 정보를 제외한 정보일 수 있다.
그 다음, 상기 정의된 모집단 중, 도 2에서 정의된 특정 시구간(A0) 동안에 획득한 상기 제1시계열값(202)에 매칭되는 N개의 과거 시구간들을 찾아내는 단계를 수행할 수 있다. 상기 N은 사용자에 의해 미리 결정된 값일 수 있으며, 상기 '매칭되는'의 의미는 '~이 미리 정해진 값의 범위 내에 포함되는 값을 가지는'의 의미를 나타낸다.
본 발명의 실시예 1에서, K와 M은 각각 '15'의 값을 갖는다고 가정하며, 이에 따라 모집단은 30개의 시구간을 포함하여 구성될 수 있다. 또한, 현재의 비교통정보(이벤트)는 '비가 오는 금요일'인 것으로 가정하며, N은 '5'인 것으로 가정한다. 상기 도 3에 나타낸 모집단의 일부인 과거 시구간(PA1 ~ PA5)에 대응하는 비교통정보는 도 4a와 같이 제시될 수 있다. 상기 각 과거 시구간(PA1 ~ PA5)의 길이는 각각 특정 시구간(A0)과 동일함을 가정한다.
도 2와 도 3을 서로 비교하면, 도 2는 예컨대 현재로부터 20분 이전의 과거까지의 짧은 기간 동안 측정된 이력데이터를 나타내고, 도 3은 예컨대 과거 수년간 확보한 이력데이터 중 선택된 모집단의 일부를 나타내는 것이다.
도 3에서 과거 시구간(PA1~PA5)동안 측정된 차량속도값은 제1시계열값(202)에 매칭되는 값을 나타낸 것으로서, 이하, 각 차량속도값(100, 110, 120, 130, 140)은 '제1과거시계열값'으로 지칭될 수 있다.
도 3에서 참조번호 102, 112, 122, 132, 142가 나타내는 그래프는, 상기 5개의 과거 시구간(PA1~PA5) 직후에 측정되어 저장된 차량속도에 대응한다. 본 명세서에서 그래프(102, 112, 122, 132, 142)가 나타내는 차량속도들의 집합은 '후속차량속도 세트'라고 지칭할 수 있다.
도 4a는 도 3에서 추출한 각 구간에 해당하는 비교통정보를 표로 나타낸 것이다. 각 열(column)은 도 3에서의 각 구간의 과거 시구간을 나타낸다.
이하, 도 1 내지 도 4a를 함께 참조하여, 도 1에 나타낸 제1링크(13)에서의 미래의 차량 속도를 예측하는 방법을 설명한다.
본 발명의 실시예 1에 따른 방법은 아래의 단계들을 포함할 수 있다.
도 1과 도 2를 참조하면, 본 발명의 실시예 1에 따른 방법은, 상기 제1링크(13)에서 획득한, 특정 시구간(A0)에서의 차량속도에 관한 제1시계열값(차량속도의 측정값)(202)을 획득하는 단계(S10)를 포함할 수 있다.
그 다음, 본 발명의 실시예 1에 따른 방법은, 상기 획득한 제1시계열값(202)에 가장 근접하게 매칭되는 N(ex: N=5)개의 제1과거시계열값(100, 110, 120, 130, 140)을 과거 데이터 이력으로부터 형성한 모집단(도3 참조)에서 찾아내는 단계(S20)를 포함할 수 있다.
그 후, 본 발명의 실시예 1에 따른 방법은, 상기 N=5개의 제1과거시계열값(100, 110, 120, 130, 140)을 찾아낸 후, 상기 제1과거시계열값에 대응하는 5개의 과거 시구간(PA1~PA5) 각각에 대하여, 상기 과거 시구간(PA1~PA5) 직후부터 미리 결정된 시간(101, 111, 121, 131, 141) 동안의, 상기 제1링크(13)에서의 각각의 후속차량속도 세트(102, 112, 122, 132, 142)를 획득하는 단계(S30)를 포함할 수 있다.
본 발명의 실시예 1에서, 상기 미리 결정된 시간은 한 시간인 것으로 가정하며, 상기 후속차량속도 세트(102, 112, 122, 132, 142)는 일련의 속도값들로 이루어진 것으로서, 상기 5개의 과거 시구간(PA1~PA5) 바로 직후부터 한 시간 이내의 차량속도값들의 집합을 의미한다.
그 후, 본 발명의 실시예 1에 따른 방법은, 5개의 과거 시구간(PA1~PA5)의 각각의 후속차량속도 세트(102, 112, 122, 132, 142)를 획득한 후, 상기 후속차량속도 세트(102, 112, 122, 132, 142)들 간의 평균값을 계산하는 단계(S40)를 포함할 수 있다. 이때, 상기 평균값은 상기 제1시계열값(202)과 상기 각각의 제1과거시계열값(100, 110, 120, 130, 140) 간의 거리에 의해 결정되는 5개의 가중값을 이용할 수 있다.
상기 후속차량차량속도 세트들 간의 평균값 계산과정은 다음과 같을 수 있다.
<첫 번째 단계(S41)>
아래의 식을 통하여 wf(1)~wf(5)를 생성한다.
wf(x) = [제1과거시계열값, 제1시계열값] 간의 거리를 계산한 값
상기 x는 실시예 1에 따라 1~5 중 어느 하나의 자연수를 의미할 수 있음
wf(1) = [첫 번째 제1과거시계열값(100), 제1시계열값(202)] 간의 거리 차
wf(2) = [두 번째 제1과거시계열값(110), 제1시계열값(202)] 간의 거리 차
wf(3) = [세 번째 제1과거시계열값(120), 제1시계열값(202)] 간의 거리 차
wf(4) = [네 번째 제1과거시계열값(130), 제1시계열값(202)] 간의 거리 차
wf(5) = [다섯 번째 제1과거시계열값(140), 제1시계열값(202)] 간의 거리 차
이때, wf(x)의 절대값의 크기가 작을수록 해당 제1과거시계열값에 대한 가중치는 높아질 수 있다.
<두번째 단계(S42)>
상기 wf(x)에 해당하는 미리 정해진 가중치 wb(x)를 이용하여 다음과 같이 가중값 세트를 얻는다.
제1 후속차량속도 세트(102) * wb(1) = 제1 가중값 세트
제2 후속차량속도 세트(112) * wb(2) = 제2 가중값 세트
제3 후속차량속도 세트(122) * wb(3) = 제3 가중값 세트
제4 후속차량속도 세트(132) * wb(4) = 제4 가중값 세트
제5 후속차량속도 세트(142) * wb(5) = 제5 가중값 세트
<세번째 단계(S43)>
후속차량속도 세트들 간의 평균값은 가중값 세트들의 평균값과 같으며, 실시예 1에 적용하면 다음과 같다.
후속차량속도 세트들 간의 평균값 = (제1 가중값 세트 + 제2 가중값 세트 + 제3 가중값 세트 +　제４ 가중값 세트 + 제5 가중값 세트)/5
본 발명의 실시예 1에 따르면, 상기 후속차량속도 세트들 간의 평균값 데이터가 제1링크(13)에서의 현재로부터 한 시간까지의 예측된, 미래 차량속도로 간주될 수 있다.
<실시예 2 : 예측하고자 하는 특정 링크를 포함하는 두 개의 링크에서 획득한 차량 속도를 이용하여 상기 특정 링크에서의 미래교통정보를 예측하는 방법>
이하 본 발명에 따른 실시예 2를 설명한다.
도 5에 나타낸 그래프(221, 231, 241)는 각각, 도 1에서의 제1링크(13), 제2링크(12), 및 제3링크(14)에서 측정된 가까운 과거로부터 현재까지의 차량속도의 측정값(220, 230, 240)을 시간에 따라 나타낸 그래프이다.
도 5의 x축과 y축이 의미하는 바는 도 2의 x축, y축이 의미하는 바와 같으며, 특정 시구간(A1)의 시간격의 단위(U) 또한 특정 시구간(A0)의 시간격의 단위(U)와 동일하게 정의될 수 있다. 그리고 도 5에 나타낸 그래프(221, 231, 241)는 각각 도 1에 나타낸 링크(13, 12, 14)에서 얻은, 예컨대 가까운 과거 시간(특정 시구간(A1)) 동안의 차량속도에 관한 시계열값(차량속도의 측정값)(220, 230, 240)을 인터폴레이션하여 얻은 그래프들이다. 인터폴레이션 방식에 따라 그래프(221, 231, 241)는 다른 모양으로 나타날 수도 있다.
도 6은 도 1에서 나타낸 각 링크에 대하여 과거 수년간 확보한 이력데이터 중 모집단의 조건에 따라 얻은 속도 데이터의 이력을 그래프로 나타낸 것이다.
도 6의 그래프를 도출하기 위하여 아래의 단계를 거칠 수 있다.
첫째, 도 5에 나타낸 특정 시구간(A1)에서 획득한 교통정보(=교통 데이터)와 비교하기 위한 모집단을 생성하는 단계를 수행할 수 있다. 여기서, 상기 '모집단'이란, 상기 특정 시구간(A1)에서 획득한 제1링크(13), 제2링크(12), 및 제3링크(14)에 관하여 얻은 교통데이터와 비교하기 위하여, 상기 제1링크(13), 제2링크(12), 및 제3링크(14)에 대하여 과거에 획득한 모든 교통데이터(예컨대 과거 40년 동안의 데이터)로부터 추출한 과거 교통데이터의 집합(예컨대 총 1개월 분량의 데이터)을 의미할 수 있다.
예컨대, 모집단을 정의하기 위하여 아래의 두 가지 방법을 이용할 수 있다.
첫째, 특정 시구간(A1)에 해당하는 요일과 동일한 요일의 과거 시구간을 K개 선택하여 모집단으로 삼을 수 있다.
둘째, 상기 특정 시구간(A1)에 관련된 비교통정보(ex: 특정 시구간(A1)에는 비가 내리고 있음)와 유사한 비교통정보(ex: 상기 제1링크에서 과거에 비가 내렸는지에 관한 정보)를 가지는 과거 시구간 M개를 더 포함하여 모집단을 정의할 수 있다. 예컨대 특정 시구간(A1)에 비가 내리고 있었다면, 상기 제1링크에서 비가 내린 적이 있던 과거의 M개의 시구간을 선택하여 상기 모집단에 추가할 수 있다. 상기 과거의 M개의 시구간은, 예컨대 월요일, 화요일, 금요일 등 다양한 요일에 속한 시구간일 수 있다.
따라서 상기 모구간은 총 K+M개의 시구간을 포함하여 이루어질 수 있다. 상기 K와 M은 1 내지 자연수이며, 사용자에 의해 결정된 값일 수 있다. 이때, 상기 첫째 방법에서 이미 '요일'이라는 비교통정보를 이용하였기 때문에 상기 둘째 방법에서 언급한 비교통정보는 첫째 단계에서 언급한 요일에 관한 정보를 제외한 것일 수 있다.
그 다음, 상기 정의된 모집단에서, 도 5에서 정의된 특정 시구간(A1) 동안에 획득한 제2시계열값(220), 제3시계열값(230), 및 제4시계열값(240)에 동시에 매칭되는 N개의 과거 시구간들을 찾아내는 단계를 수행할 수 있다. 상기 N은 사용자에 의해 미리 결정된 값일 수 있다. 본 발명의 실시예 2에서, K와 M은 각각 '15'의 값을 갖는다고 가정하며, 이에 따라 모집단은 30개의 시구간을 포함하여 구성될 수 있다. 또한, 현재의 비교통정보(이벤트)는 '비가 오는 금요일'인 것으로 가정하며, N은 '3'인 것으로 가정한다. 상기 도 6에 나타낸 모집단의 일부인 과거 시구간(PB1~PB5)에 대응하는 비교통정보는 도 4b와 같을 수 있다. 상기 각 과거 시구간(PB1~PB5)의 각각의 길이는 도 5에 나타낸 특정 시구간(A1)의 길이와 동일하다고 가정할 수 있다.
도 6의 제1그래프(300)는 제2링크(12)에 대한 과거 데이터 이력이며, 제2그래프(400)는 제1링크(13), 그리고 제3그래프(500)는 제3링크(14)에 대한 과거 데이터 이력이다. 또한 과거 시구간(PB1~PB5)은 과거 데이터 이력에서 추출한 각각의 과거 시구간들을 의미한다.
상기 과거 시구간(PB1~PB5)에 대응하는 참조번호 310, 320, ..., 350은 제2링크(12)에서 측정된 차량속도값을 나타내고, 참조번호 410, 420, ..., 450은 제1링크(13)에서 측정된 차량속도값을 나타낸다. 그리고 참조번호 510, 520, ㅇㅇㅇ, 550은 제3링크(14)에서 측정된 차량속도값을 나타낸다.
이제, 상기 과거 시구간(PB1~PB5) 직후부터 미리 결정된 시간동안(311, 321, ..., 351)의 그래프의 값들로 이루어지는 후속차량속도 세트(312, 322, ..., 352)들을 정의할 수 있다. 그리고 상기 과거 시구간(PB1~PB5) 직후부터 미리 결정된 시간까지(411, 421, ..., 451)의 그래프의 값들로 이루어지는 후속차량속도 세트(412, 422, ..., 452)들을 정의할 수 있다. 그리고 상기 과거 시구간(PB1~PB5) 직후부터 미리 결정된 시간까지(511, 521, ..., 551)의 그래프의 값들로 이루어지는 후속차량속도 세트(512, 522, ..., 552)들을 정의할 수 있다. 이때, 상기 과거 시구간의 길이는 20분이라고 가정하고, 상기 미리 결정된 시간은 한 시간인 것으로 가정할 수 있다.
이하, 도 1, 도 4b, 도 5, 및 도 6을 함께 참조하여, 제1링크(13)에서의 미래의 차량 속도를 예측하는 방법을 설명한다.
<실시예 2-1 : 예측하고자 하는 특정 링크를 포함하는 두 개의 링크에서 획득한 차량 속도를 이용하여 상기 특정 링크에서의 미래교통정보를 예측하는 방법 - 특정 링크에서 정체가 발생한 경우>
특정 링크, 예컨대 도 1의 제1링크(13)에서 정체가 발생한 경우, 상기 제1링크(13)에서의 교통속도가 미리 결정된 제1값보다 느릴 수 있다. 제1링크(13)에 정체가 발생한 경우, 이 정체가 해소될지 여부는, 제1링크보다 상류에 존재하는 제2링크(12)에서의 교통데이터로부터 예측할 수 있다.
실시예 2-1에서, 상기 제1링크(13)에서의 교통속도가 미리 결정된 제1값보다 낮다고 가정하며, 따라서 상기 제1링크(13)보다 상류에 존재하는 제2링크(12)에서의 교통데이터를 함께 이용한다.
실시예 2-1에 따른 교통흐름 예측방법은, 제1링크(13)와 제2링크(12)에 관하여, 각각 특정 시구간(A1)에서의 제2시계열값(220) 및 제3시계열값(230)을 획득하는 단계(S110)를 포함할 수 있다.
그 후, 상기 제1링크(13)와 상기 제2링크(12)의 과거데이터(300, 400)에 있어서, 상기 획득한 제2시계열값(220)과 제3시계열값(230)에 동시에 매칭되는 것으로서, 상기 제1링크(13)에 대한 제2과거시계열값과 상기 제2링크(12)에 대한 제3과거시계열값으로 이루어지는 쌍을 N개 찾아내는 단계(S120)를 포함할 수 있다.
실시예 2-1에서, 상기 N은 3인 것으로 가정하며, 상기 과거 시계열값 3쌍{(320, 420),(330, 430),(350, 450)}은 각각, 도 6의 제2과거 시구간(PB2), 제3과거 시구간(PB3), 및 제5과거 시구간(PB5)에 해당한다. 상기 과거 시계열값 3쌍을 찾아낸 후, 3쌍에 해당하는 각각의 과거 시구간(PB2, PB3, PB5) 직후부터 한 시간 동안(421, 431, 451)의 상기 제1링크(13)에서의 후속차량 세트(422, 432, 452)를 획득하는 단계를 거친다. 제1링크(13)에서의 현재로부터 앞으로 한 시간 동안의 차량속도를 예측하기 위해선 상기 제1링크(13)에서의 후속차량속도 세트들(422, 432, 452)간의 평균값을 계산하는 단계를 거치는데, 이때 제1링크(13)에서의 상기 평균값은 상기 제1시계열값(220)과 상기 제1과거시계열값(420, 430, 450)간의 거리에 의해 결정되는 3개의 가중값을 이용하여 계산할 수 있다.
상기 후속차량차량속도 세트들 간의 평균값 계산과정은 다음과 같을 수 있다.
<첫 번째 단계>
아래의 식을 통하여 wf(1)~wf(3)을 생성한다.
wf(x) = [제2과거시계열값, 제2시계열값] 간의 거리를 계산한 값
상기 x는 실시예 2-1에 따라 1~3 중 어느 하나의 자연수를 의미할 수 있음
wf(1) = [첫 번째 제2과거시계열값(420), 제2시계열값(220)] 간의 거리 차
wf(2) = [두 번째 제2과거시계열값(430), 제2시계열값(220)] 간의 거리 차
wf(3) = [세 번째 제2과거시계열값(450), 제2시계열값(220)] 간의 거리 차
이때, wf(x)의 절대값의 크기가 작을수록 해당 제2과거시계열값에 대한 가중치는 높아질 수 있다.
<두번째 단계>
상기 wf(x)에 해당하는 미리 정해진 가중치 wb(x)를 이용하여 다음과 같이 가중값 세트를 얻는다.
제1 후속차량속도 세트(422) * wb(1) = 제1 가중값 세트
제2 후속차량속도 세트(432) * wb(2) = 제2 가중값 세트
제3 후속차량속도 세트(452) * wb(3) = 제3 가중값 세트
<세번째 단계>
후속차량속도 세트들 간의 평균값은 가중값 세트들의 평균값과 같으며, 실시예에 적용하면 다음과 같다.
후속차량속도 세트들 간의 평균값 = (제1 가중값 세트 + 제2 가중값 세트 + 제3 가중값 세트)/3
<실시예 2-2 : 예측하고자 하는 특정 링크를 포함하는 두 개의 링크에서 획득한 차량 속도를 이용하여 상기 특정 링크에서의 미래교통정보를 예측하는 방법 - 특정 링크에서의 교통 흐름이 원활한 경우>
특정 링크, 예컨대 도 1의 제1링크(13)에서의 교통흐름이 원활한 경우, 상기 제1링크(13)에서의 교통속도가 미리 결정된 제1값보다 빠를 수 있다. 제1링크(13)에서의 교통흐름이 원활한 경우, 제1링크(13)에서 향후 정체가 발생할지 여부는, 제1링크보다 하류에 존재하는 제3링크(14)에서의 교통데이터로부터 예측할 수 있다.
실시예 2-2에 따른 교통흐름 예측방법은, 실시예 2-1과 동일한 단계들을 포함할 수 있다. 다만, 실시예 2-1에서는 예측하고자 하는 제1링크(13) 및 이보다 상류에 있는 제2링크(12)를 이용하였으나, 실시예 2-2에서는 예측하고자 하는 제1링크(13) 및 이보다 하류에 있는 제3링크(14)를 이용한다는 점이 다르다.
상술한 실시예 2, 실시예 2-1, 및 실시예 2-2에서는, 서로 인접한 두 개의 링크를 이용하는 예를 들었지만, 상기 두 개의 링크가 서로 인접하지 않도록 할 수도 있다. 예컨대 실시예 2-1에서 제1링크(13) 및 이보다 상류에 있는 제2링크(12)를 이용하였으나, 이를 변형하여 제1링크(13) 및 이보다 상류에 있는 링크(11)를 이용할 수도 있다. 마찬가지로 실시예 2-2에서 제1링크(13) 및 이보다 하류에 있는 제3링크(14)를 이용하였으나, 이를 변형하여 제1링크(13) 및 이보다 하류에 있는 링크(15)를 이용할 수도 있다.
<실시예 3 : 예측하고자 하는 특정 링크를 포함하는 세 개 이상의 링크에서 획득한 차량 속도를 이용하여 상기 특정 링크에서의 미래교통정보를 예측하는 방법>
상술한 실시예 2에서는 예측하고자 하는 제1링크(13) 및 이와 다른 한 개의 다른 링크를 이용하는 방식으로, 제1링크(13)에서의 미리교통정보를 예측하였다.
이와 달리 실시예 3에서는 예측하고자 하는 제1링크(13) 및 이와 다른 두 개 이상의 다른 링크를 이용할 수 있다. 즉, 실시예 3은 실시예 2의 개념을 확장한 예이다. 예컨대 제1링크(13)에서 교통정체가 발생한 경우, 제1링크(13) 및 링크(11)와 링크(12)에서 얻은 교통정보를 함께 이용할 수 있다. 또는, 제1링크(13)에서 교통흐름이 원활한 경우, 제1링크(13) 및 링크(14)와 링크(15)에서 얻은 교통정보를 함께 이용할 수 있다.
본 발명의 실시예에 따라, 상기 후속차량속도 세트들 간의 평균값 데이터가 제1링크(13)에서의 현재로부터 1시간까지의 예측된, 미래 차량속도가 될 수 있다. 또한, 복수 개의 링크를 이용하여 미래의 차량속도를 예측하는 것이 하나의 링크를 이용하여 미래의 차량속도를 예측하는 것보다 더 정확할 수 있다.
본 발명에 따르면, 미래에 발생할 교통수요의 급격한 변화, 기상변화, 공사, 행사 등을 고려하여 교통상황을 예측하므로, 미래 교통상황 예측정보에 대한 신뢰도를 향상시킬 수 있으며, 공공부문에서 구축된 교통정보 수집체계를 활용하여 도시부 도로를 포함한 예측정보를 생성하므로 누구나 무상으로 이용하도록 할 수 있다. 또한 도로 운영자의 교통정보 생성 단위로 정보를 생성하여, 도로 운영자가 선제적 교통제어전략 수립에 활용하도록 할 수 있다.
UPSTREAM : 도로의 상류측
DOWNSTREAM : 도로의 하류측
A0~A1: 현재로부터 가까운 과거까지의 특정 시구간
PA1~PA5 : 과거의 추출된 시구간
PB1~PB5 : 과거의 추출된 시구간
11~15 : 도로의 일정간격으로 나눠진 링크
21~25 : 각 구간에 설치된 차량 속도 감지 센서
31~36 : 도로의 링크를 구분 짓는 지점
202 : 차량속도 측정값(=제1시계열값)
220 : 제2시계열값
230 : 제3시계열값
240 : 제4시계열값
221 : 가까운 과거부터 현재까지 제1링크(13)에서 얻은 차량속도 그래프
231 : 가까운 과거부터 현재까지 제2링크(12)에서 얻은 차량속도 그래프
241 : 가까운 과거부터 현재까지 제3링크(14)에서 얻은 차량속도 그래프
100, 110, 120, 130, 140 : 도로의 제1링크(13)에 해당하는 과거 데이터 이력 중 추출한 특정 구간
101, 111, 121, 131, 141 : 과거 시구간 직후부터 미리 결정된 시간까지의 범위
102, 112, 122, 132, 142 : 제1~제5 후속차량속도 세트
300 : 제2링크(12)에서 얻은 과거 차량속도 데이터
400 : 제1링크(13)에서 얻은 과거 차량속도 데이터
500 : 제3링크(14)에서 얻은 과거 차량속도 데이터
310, 320, 330, 340, 350 : 도로의 제2링크(12)에 해당하는 과거 데이터 이력 중 추출한 특정 구간
311, 321, 331, 341, 351 : 제2링크(12)에서의 과거 시구간 직후부터 미리 결정된 시간까지의 범위
312, 322, 332, 342, 352 : 제2링크(12)의 제1~제5 후속차량속도 세트
410, 420, 430, 440, 450 : 도로의 제1링크(13)에 해당하는 과거 데이터 이력 중 추출한 특정 구간
411, 421, 431, 441, 451 : 제1링크(13)에서의 과거 시구간 직후부터 미리 결정된 시간까지의 범위
412, 422, 432, 442, 452 : 제1링크(13)의 제1~제5 후속차량속도 세트
510, 520, 530, 540, 550 : 도로의 제1링크(14)에 해당하는 과거 데이터 이력 중 추출한 특정 구간
511, 521, 531, 541, 551 : 제3링크(14)에서의 과거 시구간 직후부터 미리 결정된 시간까지의 범위
512, 522, 532, 542, 552 : 제3링크(14)의 제1~제5 후속차량속도 세트

Claims (8)

  1. 도로 상의 두 지점 사이에서 정의되는 제1링크에서의 제1차량속도를 예측하는 방법으로서,
    상기 제1링크에서의 특정 시구간 동안의 상기 제1차량속도에 관한 제1시계열값을 획득하고, 상기 도로 상의 다른 두 지점 사이에서 정의되는 제2링크에서의 상기 특정 시구간 동안의 제2차량속도에 관한 제2시계열값을 획득하는 단계;
    상기 제1링크에서의 상기 제1차량속도에 관한 제1과거데이터와 상기 제2링크에서의 상기 제2차량속도에 관한 제2과거데이터로부터, 상기 제1시계열값과 상기 제2시계열값에 동시에 매칭되는, 상기 제1링크에 관한 제1과거시계열값과 상기 제2링크에 관한 제2과거시계열값으로 이루어지는 쌍을 N개 찾아내는 단계; 및
    상기 찾아낸 N개의 쌍에 관한 정보를 기초로 상기 특정 시구간 이후의 상기 제1링크에서의 상기 제1차량속도를 예측하는 단계;
    를 포함하며,
    상기 제1링크에서의 상기 특정 시구간 동안의 상기 제1차량속도가 미리 결정된 제1값보다 낮다고 판단된 경우 상기 제2링크는 상기 제1링크보다 상류에서 정의되는 링크들 중에서 선택된 것이고, 이와 달리 상기 제1링크에서의 상기 특정 시구간 동안의 상기 제1차량속도가 상기 미리 결정된 제1값보다 높다고 판단된 경우 상기 제2링크는 상기 제1링크보다 하류에서 정의되는 링크들 중에서 선택된 것인,
    차량속도 예측방법.
  2. 제1항에 있어서,
    상기 제1과거데이터는, 상기 특정 시구간이 속한 요일과 동일한 요일에 획득한 제1차량속도에 관한 데이터를 포함하는, 차량속도 예측방법.
  3. 제1항 또는 제2항에 있어서,
    상기 제1과거데이터는, 상기 특정 시구간 동안 발생한 이벤트와 동일한 이벤트가 발생한 것으로 확인된 과거의 시구간들에서 획득한 제1차량속도에 관한 데이터를 포함하는, 차량속도 예측방법.
  4. 제1항에 있어서, 상기 예측하는 단계는,
    상기 N개의 제1과거시계열값에 대응하는 N개의 과거 시구간(PTp, p는 1 내지 N의 자연수) 각각에 대하여, 상기 과거 시구간(PTp) 직후부터 미리 결정된 시간까지의 상기 제1링크에서의 후속차량속도 세트를 획득하는 단계; 및
    상기 획득한 후속차량속도 세트들 간의 평균값을 계산하는 단계;
    를 포함하는,
    차량속도 예측방법.
  5. 삭제
  6. 도로 상의 두 지점 사이에서 정의되는 제1링크에서의 제1차량속도를 예측하는 방법으로서,
    상기 제1링크에서의 특정 시구간 동안의 상기 제1차량속도에 관한 제1시계열값을 획득하고, 상기 도로 상의 다른 두 지점 사이에서 정의되는 제2링크에서의 상기 특정 시구간 동안의 제2차량속도에 관한 제2시계열값을 획득하며, 상기 도로 상의 또 다른 두 지점 사이에서 정의되는 제3링크에서의 상기 특정 시구간 동안의 제3차량속도에 관한 제3시계열값을 획득하는 단계;
    상기 제1링크에서의 상기 제1차량속도에 관한 제1과거데이터와 상기 제2링크에서의 상기 제2차량속도에 관한 제2과거데이터와 상기 제3링크에서의 상기 제3차량속도에 관한 제3과거데이터로부터, 상기 제1시계열값과 상기 제2시계열값과 상기 제3시계열값에 동시에 매칭되는, 상기 제1링크에 관한 제1과거시계열값과 상기 제2링크에 관한 제2과거시계열값과 상기 제3링크에 관한 제3과거시계열값으로 이루어지는 쌍을 N개 찾아내는 단계; 및
    상기 찾아낸 N개의 쌍에 관한 정보를 기초로 상기 특정 시구간 이후의 상기 제1링크에서의 상기 제1차량속도를 예측하는 단계;
    를 포함하며,
    상기 제1링크에서의 상기 특정 시구간 동안의 상기 제1차량속도가 미리 결정된 제1값보다 낮다고 판단된 경우 상기 제2링크 및 상기 제3링크는 상기 제1링크보다 상류에서 정의되는 링크들 중에서 선택된 것이고, 이와 달리 상기 제1링크에서의 상기 특정 시구간 동안의 상기 제1차량속도가 상기 미리 결정된 제1값보다 높다고 판단된 경우 상기 제2링크 및 상기 제3링크는 상기 제1링크보다 하류에서 정의되는 링크들 중에서 선택된 것인,
    차량속도 예측방법.
  7. 삭제
  8. 삭제
KR1020140115669A 2014-09-01 2014-09-01 교통링크 속도 예측 방법 및 이를 위한 장치 KR101628014B1 (ko)

Priority Applications (3)

Application Number Priority Date Filing Date Title
KR1020140115669A KR101628014B1 (ko) 2014-09-01 2014-09-01 교통링크 속도 예측 방법 및 이를 위한 장치
CN201580059290.XA CN107111941A (zh) 2014-09-01 2015-08-18 交通链路速度预测方法及用于其的装置
PCT/KR2015/008575 WO2016036024A1 (ko) 2014-09-01 2015-08-18 교통링크 속도 예측 방법 및 이를 위한 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020140115669A KR101628014B1 (ko) 2014-09-01 2014-09-01 교통링크 속도 예측 방법 및 이를 위한 장치

Publications (2)

Publication Number Publication Date
KR20160027606A KR20160027606A (ko) 2016-03-10
KR101628014B1 true KR101628014B1 (ko) 2016-06-09

Family

ID=55538949

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020140115669A KR101628014B1 (ko) 2014-09-01 2014-09-01 교통링크 속도 예측 방법 및 이를 위한 장치

Country Status (1)

Country Link
KR (1) KR101628014B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101805846B1 (ko) * 2016-11-21 2017-12-08 한국교통연구원 교통링크 속도 예측 방법 및 이를 위한 장치

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000067362A (ja) * 1998-08-19 2000-03-03 Nippon Telegr & Teleph Corp <Ntt> 交通状況予測方法、装置、および交通状況予測プログラムを記録した記録媒体
JP2004280731A (ja) * 2003-03-19 2004-10-07 Nri & Ncc Co Ltd 渋滞予測システム、渋滞予測方法および補正用データシステム
JP2006039978A (ja) 2004-07-28 2006-02-09 Hitachi Ltd 交通情報提供装置，交通情報提供方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3545598B2 (ja) * 1998-05-01 2004-07-21 日本電信電話株式会社 交通情報予測方法、装置、および交通情報予測プログラムを記録した記録媒体

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000067362A (ja) * 1998-08-19 2000-03-03 Nippon Telegr & Teleph Corp <Ntt> 交通状況予測方法、装置、および交通状況予測プログラムを記録した記録媒体
JP2004280731A (ja) * 2003-03-19 2004-10-07 Nri & Ncc Co Ltd 渋滞予測システム、渋滞予測方法および補正用データシステム
JP2006039978A (ja) 2004-07-28 2006-02-09 Hitachi Ltd 交通情報提供装置，交通情報提供方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101805846B1 (ko) * 2016-11-21 2017-12-08 한국교통연구원 교통링크 속도 예측 방법 및 이를 위한 장치

Also Published As

Publication number Publication date
KR20160027606A (ko) 2016-03-10

Similar Documents

Publication Publication Date Title
JP5374067B2 (ja) 交通状態シミュレーション装置及びプログラム
US9996798B2 (en) Traffic prediction using real-world transportation data
Shalaby et al. Prediction model of bus arrival and departure times using AVL and APC data
Zhan et al. Urban link travel time estimation using large-scale taxi data with partial information
EP1938296B1 (en) Assessing road traffic conditions using data from mobile data sources
JP5424754B2 (ja) リンク旅行時間算出装置及びプログラム
Allström et al. Hybrid approach for short-term traffic state and travel time prediction on highways
WO2014124039A1 (en) Traffic state estimation with integration of traffic, weather, incident, pavement condition, and roadway operations data
CA2758972A1 (en) Predicting expected road traffic conditions based on historical and current data
US10657807B1 (en) Method, apparatus, and computer program product for detecting changes in road traffic condition
Stipancic et al. Impact of congestion and traffic flow on crash frequency and severity: application of smartphone-collected GPS travel data
Stipancic et al. Measuring and visualizing space–time congestion patterns in an urban road network using large-scale smartphone-collected GPS data
El Esawey et al. Travel time estimation in urban networks using limited probes data
KR20160036710A (ko) 미래 교통 상황 예측 시스템
Nagle et al. A method to estimate the macroscopic fundamental diagram using limited mobile probe data
KR101805846B1 (ko) 교통링크 속도 예측 방법 및 이를 위한 장치
Wang et al. Short-term travel time estimation and prediction for long freeway corridor using NN and regression
Liu et al. Developments and applications of simulation-based online travel time prediction system: traveling to Ocean City, Maryland
KR101628014B1 (ko) 교통링크 속도 예측 방법 및 이를 위한 장치
Raiyn Speed adaptation in urban road network management
Cathey et al. Estimating corridor travel time by using transit vehicles as probes
Monsere et al. Validating dynamic message sign freeway travel time messages with ground truth geospatial data
Derevitskiy et al. Traffic estimation on full graph of transport network using GPS data of bus movements
CN107111941A (zh) 交通链路速度预测方法及用于其的装置
Guin et al. Freeway Travel-Time Estimation and Forecasting [2013]

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20190604

Year of fee payment: 4