딥러닝 기반의 링크통행시간을 이용한 차량대기길이 추정모형 개발
Development of an Estimation Model of Vehicle Queue Length Using Link Travel Time based on Deep Learning
- 주제(키워드) 딥러닝 , Deep Learning , 링크통행시간 , 차량대기길이 , 추정모형
- 발행기관 아주대학교
- 지도교수 이철기
- 발행년도 2018
- 학위수여년월 2018. 2
- 학위명 박사
- 학과 및 전공 일반대학원 건설교통공학과
- 실제URI http://www.dcollection.net/handler/ajou/000000027528
- 본문언어 한국어
- 저작권 아주대학교 논문은 저작권에 의해 보호받습니다.
초록/요약
본 연구는 교통운영 개선에 필요한 빅데이터․인공지능 모델 개발의 일환으로서, 도시부의 링크통행시간 및 통과교통량 등 가용 데이터 등을 이용하여 교통변수로 활용도가 높은 차량대기길이와의 관계를 딥러닝(Deep Learning)을 통해 학습하고 추정하는 인공지능 모델을 구축하는 것을 목표로 하였다. 링크별로 다양한 차량대기길이 분포를 수용하는 통합모형 개발을 위해 6개의 중요교차로를 포함한 총 11개의 교차로와 중요교차로 간을 연결하는 14개 링크로 구성된 수원시 CBD 지역 내의 네트워크를 공간적 범위로 하여, 해당 네트워크의 도로조건, 신호조건, 그리고 통행속도 등 ITS 데이터를 조사하여 이를 VISSIM 시뮬레이션에 반영하여 데이터를 구득하였다. 차량대기길이와 링크통행시간, 통과교통량 간의 관계를 분석하였다. 차량대기길이는 링크통행시간과 높은 상관관계가 있으며 통과교통량은 특정 링크통행시간에 넓게 분포된 차량대기길이를 분류하는 데 일조하였다. 또한 차량대기길이가 링크를 초과할 때에는 상류부 링크통행시간과 높은 상관관계가 분석되었다. 차량대기길이 추정모형은 데이터 분석결과를 토대로 하여 우선 차량대기길이의 링크 초과여부를 분류한 후 링크 초과 및 링크 미초과 상황에서의 각각의 차량대기길이 추정하는 3개의 모형으로 모델링하였다. 모든 모형은 DNN(Deep Neural Network) 구조를 기반으로 하였으며, 적정 입력변수 및 활성화 함수, 비용 함수, 최적화 알고리즘, 초기화, 학습환경 등을 시나리오에 따라 설정하여 가장 최소의 오차를 나타내는 모형을 각각 선정하였다. 차량대기길이 링크 초과여부 분류 모형은 약 98%의 정확도를 나타냈으며, 링크 미초과 모형은 15% 미만, 링크 초과 모형은 5% 미만의 오차를 각각 나타내었다. 링크별 평균 오차는 12%로 도출되었다. 이를 기존 실시간 신호제어시스템과 비교 분석한 결과 오차가 약 39% 감소된 것으로 분석되었다.
more목차
제 1 장 서 론 1
제 1 절 연구 배경 및 목적 1
제 2 절 연구 내용 및 방법 4
제 2 장 이론적 고찰 6
제 1 절 차량대기행렬 정의 및 활용분야 6
1. 차량대기행렬 정의 6
2. 차량대기행렬 활용분야 8
제 2 절 차량대기행렬 관련 연구 9
1. 차량도착분포 기반 연구 9
2. 검지기 데이터 기반 연구 10
3. 차량 궤적 데이터 기반 연구 11
4. 통행시간 기반 연구 13
5. V2X통신 데이터 기반 연구 14
제 3 절 딥러닝 이론 15
1. 딥러닝 개요 15
2. 딥러닝 이론 17
3. 딥러닝 모델 30
4. 딥러닝 프레임워크 31
제 4 절 기존 연구와의 차별성 32
제 3 장 데이터 구축 및 분석 33
제 1 절 데이터 구축 33
1. 개요 33
2. 차량대기길이 관련 변수 선정 34
3. 대상 네트워크 현황 36
4. 데이터 수집환경 및 변수정의 42
5. 데이터 구축결과 44
제 2 절 데이터 분석 45
1. 개요 45
2. 통행시간 및 차량대기길이 발생 현황 46
3. 변수 간 상관관계 분석 56
4. 링크 초과 상황에서의 변수 간 상관관계 분석 61
5. 데이터 분석결과 63
제 4 장 딥러닝 기반 차량대기길이 추정모형 개발 64
제 1 절 개요 64
1. 모형 개요 64
2. 개발 방법 65
제 2 절 차량대기길이 링크 초과여부 분류모형 66
1. 로지스틱 회귀 고찰 66
2. 딥러닝 기반 차량대기길이 링크 초과여부 추정모형 69
3. 학습 및 검증을 통한 최적모형 선정 71
제 3 절 차량대기길이 링크 미초과 추정모형 73
1. 입력변수 설정 73
2. DNN 모델링 73
3. 학습 및 검증을 통한 최적모형 선정 75
제 4 절 차량대기길이 링크 초과 추정모형 77
1. 입력변수 설정 77
2. DNN 모델링 77
3. 학습 및 검증을 통한 최적모형 선정 79
제 5 절 링크별 차량대기길이 추정 결과 81
제 5 장 모형 평가 및 교통서비스 구상 84
제 1 절 차량대기길이 추정모형 평가 84
1. 평가 개요 84
2. 검지기 데이터 기반 차량대기길이 산출 85
3. 개발모형의 차량대기길이 추정 결과 91
4. 평가 결과 93
제 2 절 차량대기길이 기반 교통서비스 구상 95
1. 차량대기길이 활용방향 95
2. 차량대기길이 기반 도시부 교통서비스 96
제 6 장 결론 및 향후 연구 100
제 1 절 결론 100
제 2 절 향후 연구 102
참고 문헌 103
