http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
스마트카드 데이터를 활용한 공항접근수요 분석 및 버트포트 입지 선정
여지호 대한교통학회 2021 대한교통학회 학술대회지 Vol.85 No.-
본 연구는 인천국제공항을 기 · 종점으로 하는 스마트카드 통행데이터를 분석하고, 여기서 도출된 지역간의 통행량과 통행시간을 기반으로 UAM 도입시 기대되는 전환수요와 최적의 Vertiport 입지를 제안하였다. 코로나-19 이전인 2019년 6월~8월의 수도권 데이터를 활용하여, 읍면동별, 시간대별 통행속도/통행량/통행시간 변수를 도출하였으며, 실 통행데이터를 기반으로 UAM 도입 수준에 따른 전환수요 및 최적의 Vertiport 입지를 산정하는 방법론을 개발하였다. 분석결과 대중교통에서의 전환율은 크지 않다는 것을 규명하였으며, 운임이 전환수요를 결정하는 가장 중요한 변수라는 것을 확인할 수 있었다. 또한, 본 연구의 결과는 서울 도심지역에서의 전환수요보다 인구가 밀집된 경기도 지역(고양, 판교, 수원)과 같은 지역에 Vertiport 건설 시 전환되는 수요가 크다는 것을 규명하였다. 본 연구의 결과는 인천국제공항에 설치되는 Vertiport의 적정용량 산정에 활용할 수 있으며, UAM 산업 발전 단계에 따른 적정용량 산정의 기초자료로 활용될 수 있다. 또한, UAM과 기존에 존재하는 대중교통 시스템(버스, 지하철)간의 효율적인 연계망 구축에 활용될 수 있을 것으로 전망한다.
여지호,이주영,김강화,장기태 한국ITS학회 2018 한국ITS학회논문지 Vol.17 No.6
Weather is an important factor affecting roadway transportation in many aspects such as traffic flow, driver 's driving patterns, and crashes. This study focuses on the relationship between weather and road surface condition and develops a model to estimate the road surface condition using machine learning. A road surface sensor was attached to the probe vehicle to collect road surface condition classified into three categories as 'dry', 'moist' and 'wet'. Road geometry information (curvature, gradient), traffic information (link speed), weather information (rainfall, humidity, temperature, wind speed) are utilized as variables to estimate the road surface condition. A variety of machine learning algorithms examined for predicting the road surface condition, and a two - stage classification model based on 'Random forest' which has the highest accuracy was constructed. 14 days of data were used to train the model and 2 days of data were used to test the accuracy of the model. As a result, a road surface state prediction model with 81.74% accuracy was constructed. The result of this study shows the possibility of estimating the road surface condition using the existing weather and traffic information without installing new equipment or sensors. 기상은 교통흐름, 운전자의 주행패턴, 교통사고 등 여러 방면에서 도로교통에 영향을 미치는 중요한 요인이다. 본 연구는 기상상황과 노면상태 사이의 관계에 초점을 맞추어 기계학습을 통해 도로의 노면상태를 추정하는 모델을 개발하였다. 노면 상태의 수집을 위해 실험 차량에 노면센서를 부착하여 ‘건조’, ‘습윤’, ‘젖음’, 3가지 범주로 구분된 노면상태 정보를 수집하였고, 이를 추정하기 위한 변수로 도로의 기하구조 정보(곡률, 구배), 교통정보(교통량), 기상정보(강우량, 습도, 온도, 풍속)를 활용하였다. 노면 상태를 예측하기 위한 알고리즘으로는 다양한기계학습 알고리즘이 검토되었으며, 그 중 가장 높은 정확도를 보인 ‘Random forest’를 기반으로 한 2단계 분류모형을 구축하였다. 총 16일의 실측 데이터 중 14일의 데이터를 모델을 학습하는 데 활용하였고, 2일의 데이터를 모형의 정확도를 검증하기 위해 사용하였다. 그 결과81.74%의 검증 정확도를 가지는 노면상태 예측 모델을 구축하였다. 본 연구의 결과는 기상청에서 관측하는 기상정보로 도로의 노면상태를 추정할 수 있다는 가능성을 보여주며, 새로운장비나 센서를 설치하지 않고도 기존의 기상 관측 정보와 교통정보 등을 활용하여 노면의 상태를 추정할 수 있음을 시사한다.
Faster R-CNN을 이용한 갓길차로 위반 차량 검출
여지호,고명진,박민주 대한교통학회 2021 대한교통학회 학술대회지 Vol.85 No.-
기존 갓길 차로 위반 차량 시스템은 센서와 같은 장비가 필요하거나 영상의 전처리가 필요하여 성능의 한계를 보였다. 이에 본 연구는 자동화 시스템의 부재에 따른 한계를 극복하기 위하여 CNN기반의 Faster R-CNN 기법을 활용하여 입력 영상에 대한 별도의 전처리 없이 빠르게 갓길 차로 위반 차량을 검출할 수 있는 방법을 제안한다. 본 제안 방법은 Faster R-CNN 기법을 기반으로 하는 탐지 모듈과 탐지 된 차량 중 갓길 위반 여부를 판단하는 판독 모듈로 구성되어 있다. 탐지 모듈에서 영상 내 모든 차량을 식별하면 판독 모듈에서 해당 클래스의 예측 점수와 Threshold를 비교하여 최종적으로 갓길 차로 위반 차량임을 결정할 수 있다. 실험 및 평가를 위해 현실세계와 유사하게 상황을 재현할 수 있는 시뮬레이션 게임인 GTAV에서 이미지 형태의 학습데이터 1,800장과 평가데이터 800장을 가공 및 생성하여 ZFNet과 VGG16에서 Threshold 값의 변화에 따른 성능을 측정하였다.