USN 기반 주차정보시스템의 수요예측 알고리즘 개발 = Development of Demand Forecast Algorithm in Ubiquitous Sensor Network Based Parking Guidance and Information System

다국어 초록 (Multilingual Abstract)

The continuous increase in car sales parking problem is serious, depending on the date of the resolution and to resolve the difficulties of expanding the parking facilities for efficient operation and management of existing parking facilities through the park management plan will need to be taken.
Communications and computer technology to the development of the management applied to parking, parking management system, the introduction and implementation of effective alternative is emerging.
However, there need to be weighted more, whereas, in research and development level of the parking information system related to the incomplete research and development on a dramatic and daring package will continue to be said.
The system design required for parking information, parking information systems technology development of the prediction algorithm in the field to be the core of the system's development, as well as the development of algorithms to predict the actual test and verification is necessary to be involved. In addition to the existing system to upgrade the hardware progress and will be done.
Therefore, the parking information systems, perform research and development of the prediction algorithm, the actual test (Test Bed operation), perform a comprehensive test and verification of results.
Also, unlike the existing system of information collection and delivery system based on USN introduced, ubiquitous in the field of Transportation (u-Transportation) to consider progress in the environment were present in the system plan.
Survey data obtained through the Test-Bed based on analysis of problems in the system and algorithms. Review were, vehicle in-out and share patterns, changes in A ~ D of the homogeneous section is divided into 4 sections, and verification of validity, Distributed analysis in the analysis and classification of the homogeneous section of the review of statistical note.
Homogeneous section A(AM Peak, 07:00~09:00) to the sudden increase of the vehicles entering in the event of sudden changes in rate of occupancy.
Section B(PM Non-Peak, 10:00~17:00) to the high rate of occupation and low rate of Error section, section C(PM Peak, 18:00~21:00) of the rapid increase in the vehicle to the exit out in the event of significant fluctuations in rate of occupancy, section D(Non-Peak, 22:00~06:00) a rate of occupancy and rate of Error all the fluctuations of the number of low in-out was to analyze a small section.
In all cases the distinction between the homogenous section applicable in the parking lot of the objective and fully qualified to present the concept of time is the difficult part. However, most will be the same in the parking lot to consider, so it will be.
After reviewing the characteristics of homogenous section, the rapid change of the affinity between the number of vehicles A, C, the relatively high rate of Error analysis and prediction of time and will increase that percentage, the more increased. Therefore, to improve the accuracy of algorithms that consider the characteristics of homogenous section separated by the verification of the algorithm to be said.
In particular, the affinity between section A and C rate of Error for the improvement of the algorithm can be implemented, and improvements were needed.
Time prediction algorithm based on parking demand and the reliability of the information provided, the longer is slow. Within a maximum of 10 minutes parking demand that could reasonably be identified through analysis. In addition, the application of the past, Data must be set within the range to a maximum of 60 minutes was expected.
Parking demand for the validation of prediction algorithms to improve the existing algorithm and verification algorithm comparison between experiment was conducted using design of experiment.
Analysis techniques, and prediction of the algorithm defined in the existing units, and the prediction time is set by setting the number of scenarios, depending on the case of verification. Verification, the t-Test (P-Value), MAPE, RMSE was used.
Verification of the algorithm results with scenario section A, the affinity between exponential smoothing, section C, the Simple average method and exponential smoothing, sectionB and D the Simple average method t-Test values, MAPE, RMSE is the most minimal of analyzers corporation was analyzed.
Section A, the existing prediction algorithms, the value of α by changing the unit to apply the analysis to minimize rate of Error was. Section C of the case, exponential smoothing(α = 0.3) and Simple average method Alternately applied to the analysis that was to minimize rate of Error. Section B and D the exponential smoothing corporation than the simple Analyzers Simple average method to rate of Error to minimize the prediction was expected.
A prediction of the time interval increases to increase the weight of the exponential smoothing of the analysis was appropriate to apply, the most recent prediction in the past by using the Data to provide the exact value is. Therefore, the change in parking patterns in the recent past between the extreme predictions of Data to be using will have to implement the algorithm.

국문 초록 (Abstract)

자동차 등록대수의 지속적인 증가에 따라 날로 심각해지는 주차문제의 해소와 주차시설물 확충의 어려움을 해결하기 위해서는 기존 주차시설의 효율적인 운영 및 관리를 통한 주차관리 방안이 강구되어야 할 것이다. 이를 위해서 발전되고 있는 통신 및 컴퓨터 기술들을 주차관리에 적용한, 주차관리시스템의 도입 및 구축이 효과적인 대안으로 대두되고 있다. 그러나 필요성이 더욱더 가중되고 있는데 반해, 국내의 주차정보시스템 관련 연구 및 개발 수준이 미비한 것으로 판단되어 이에 대한 연구개발이 지속적으로 추진되어야 할 것으로 판단된다.
특히 주차정보시스템 설계에 필요한 기술 중에 주차정보시스템의 예측알고리즘 개발은 이 시스템의 핵심적인 분야라고 할 수 있는데, 예측알고리즘의 개발뿐만 아니라 개발내용에 대한 실제 테스트 및 검증이 수반되어야 할 필요성이 있다. 또한 기존 시스템에 대한 하드웨어적인 진보 및 업그레이드도 이루어져야 할 것이다.
따라서, 연구를 수행하면서 주차정보시스템의 예측알고리즘 개발, 실제 테스트(Test Bed 운영), 테스트 결과 검증 등을 종합적으로 수행하였다. 또한 기존의 시스템과는 달리 USN 기반의 정보수집 및 제공체계를 도입하여, 교통 분야의 유비쿼터스(u-Transportation) 환경의 진전을 고려하여 시스템 구상안을 제시하였다.
Test-Bed를 통해 얻은 실측자료를 바탕으로 시스템 및 알고리즘 상의 문제점들을 분석·검토하였는데, 입출고 및 점유율 패턴의 변화에 따라 동질구간을 A~D의 4개의 구간으로 구분하는 것이 타당함을 검증하였으며, 분산분석 등을 분석을 실시하여 동질구간의 구분에 대한 통계적 유의성을 검토하였다.
동질구간 A(오전 첨두, 07~09시)는 입고차량의 급격한 증가로 점유율에 급격한 변화가 발생하는 구간이고, 동질구간 B(오후 비첨두, 10~17시)는 점유율이 높고 오차율이 낮은 안정된 상태의 구간이며, 동질구간 C(저녁 첨두, 18~21시)는 출고차량의 집중으로 점유율에 급격한 변동이 발생하는 구간이고, 동질구간 D(야간 비첨두, 22~06시)는 점유율과 오차율이 모두 낮고 입출고 대수의 변동이 작은 구간으로 분석되었다. 이 동질구간의 구분은 모든 경우의 주차장에 적용가능한 객관적이고 정규화된 시간개념으로 제시하기는 곤란한 부분이 있다. 그러나 대부분의 주차장에서 시간대의 차이만 있을 뿐 동일하게 나타나는 것이라 할 수 있으므로 이를 반드시 고려해야 할 것이다.
동질구간의 특성을 검토한 결과, 입·출고 대수의 급격한 변화가 나타나는 동질구간 A, C의 경우 오차율이 상대적으로 높은 것으로 분석되었으며 예측시간이 증가할수록 이 비율은 더욱 증가한다. 따라서 알고리즘의 정확도를 향상시키기 위해서는 동질구간으로 구분된 구간의 특성을 고려하여 알고리즘의 검증이 이루어져야 할 것으로 판단된다. 특히 동질구간 A, C의 경우 알고리즘의 오차율, 오차 제고를 위한 알고리즘의 구현 및 개선이 필요함을 알 수 있었다.
알고리즘에 따른 주차수요 예측 시 예측시간이 길어질수록 제공되는 정보의 신뢰성이 저하됨을 알 수 있었는데, 주차수요의 예측은 최대 10분 이내로 하는 것이 타당함을 분석을 통해 파악 할 수 있었다. 또한 과거자료의 사용을 통한 장래수요를 예측하는 시계열 분석기법을 적용한 만큼, 주차수요의 예측을 위한 과거자료의 활용범위는 최대 60분을 초과하지 않는 것이 오차율을 최소화 하는 것으로 분석되어, 과거 Data의 적용범위는 최대 60분 이내로 설정해야 할 것으로 분석되었다.
주차수요예측 알고리즘의 오차 및 오차율 검증을 위해서는 기존 알고리즘과 개선 알고리즘간의 비교검증을 실험계획법을 활용하여 실시하였으며, 기존의 알고리즘에서 정의한 분석기법 및 예측단위, 예측시간 등을 설정된 시나리오에 따라 경우의 수를 설정하여 검증하였다. 검증에는 t-Test (P-Value), MAPE(평균절대오차율), RMSE(평균제곱오차)를 사용하였다. 시나리오를 통한 알고리즘의 검증결과 동질구간 A의 경우 지수평활법, C구간의 경우 단순이동평균법과 지수평활법, B, D구간의 경우 단순이동평균법이 t-Test 값, MAPE, RMSE를 가장 최소화하는 분석기법인 것으로 분석되었다.
각 동질구간의 알고리즘개선 방안은, 동질구간 A의 경우 기존의 분석기법인 지수평활법(α=0.2)을 적용하는 알고리즘에서 α값을 예측단위별로 변화시켜(α=0.3, 0.4, 0.5) 적용하는 것이 오차율을 최소화 하는 것으로 분석되었다. 3분 예측시 단순이동평균법이 오차율을 최소화하는 분석기법으로 도출되었으나 지수평활법(α=0.2)을 적용하는 경우와 차이가 미미하여 A구간의 경우 같은 지수평활법(α=0.2)를 적용하고 가중치를 증가시켜는 방향으로 알고리즘을 구현하는 것이 적절할 것으로 판단된다. 또한 동질구간 C의 경우, 출고대수의 급격한 변동이 발생하는 구간으로 이 경우 지수평활법(α=0.3)과 단순평균법을 번갈아 가며 적용하는 것이 오차율을 최소화하는 것으로 분석되었으나, 두 분석기법의 오차율의 차이가 미미하고 알고리즘에 복수의 분석기법 적용에 따른 프로그래밍 상의 난점 등을 고려할 때 지수평활법(α=0.3)을 전체에 걸쳐 적용하는 것이 타당할 것으로 판단된다. 동질구간 B, D의 경우, 지수평활법에 비해 간단한 분석기법인 단순이동평균법을 사용하여 예측하는 것이 오차율을 최소화하는 것으로 분석되었는데, 이 구간의 경우 입·출고대수의 변동이 없는 안정화된 구간으로 오차율도 비교적 낮기 때문인 것으로 판단된다.
특히 동질구간 A의 경우 예측시간이 증가함에 따라 지수평활화법의 가중치를 증가하여 적용하는 것이 적합한 것으로 분석되었는데, 이는 가장 최근의 과거 Data를 활용하여 예측을 실시하는 것이 정확한 값을 제공한다는 것이다. 따라서 주차패턴의 변동이 극심한 구간에서는 최근의 과거 Data를 활용하여 예측을 실시도록 알고리즘을 구현해야 할 것이다.

목차 (Table of Contents)

• 제1장 서론 = 1
• 1.1 연구의 배경 및 목적 = 1
• 1.2 연구의 범위 = 2
• 1.3 본 연구에 사용된 용어 정의 = 3
• 1.4 연구의 내용 및 수행절차 = 4
• 제2장 기존 사례 및 이론적 고찰 = 6
• 2.1 주차정보시스템의 개요 = 6
• 2.1.1 주차정보시스템의 정의 = 6
• 2.1.2 주차정보시스템의 내용 = 7
• 2.1.3 주차정보시스템의 기대효과 및 효과분석 = 13
• 2.2 USN의 개요 및 동향 분석 = 19
• 2.2.1 유비쿼터스 센서네트워크(USN) = 19
• 2.2.2 교통 분야의 유비쿼터스 관련 연구 = 25
• 2.3 선행연구 고찰 = 27
• 2.3.1 주차안내시스템 관련 연구 = 27
• 2.3.2 USN 분야의 주차정보안내 기술 연구 = 30
• 2.4 이론적 고찰 = 31
• 2.4.1 시계열 예측기법 검토 = 31
• 2.4.2 시계열 예측기법의 종류 = 31
• 2.5 기존 사례 및 이론적 검토의 시사점 = 41
• 제3장 USN 기반 주차정보시스템 연구 = 43
• 3.1 USN 기반의 주차정보시스템의 정의 = 43
• 3.1.1 시스템구성 내용 정리 = 43
• 3.1.2 시스템 구상안 도출 = 45
• 3.2 USN 기반 주차정보시스템 H/W 설계 = 46
• 3.2.1 H/W 설계요소 정립 = 46
• 3.3 예측 알고리즘 설계 = 51
• 3.3.1 기본적인 내용 및 사례 검토 = 51
• 3.3.2 알고리즘 설계 = 54
• 3.3.3 예측 알고리즘 개발을 위한 개념 정의 = 55
• 제4장 알고리즘의 검증 및 평가 = 65
• 4.1 USN 기반의 주차정보시스템 구축 개요 = 65
• 4.1.1 Test-Bed 시범 구축 개요 = 65
• 4.1.2 Test-Bed 시스템 구축 내용 = 66
• 4.1.3 Test-Bed 시스템 구축 결과 = 68
• 4.2 실제 운영자료의 검토 = 73
• 4.2.1 분석개요 및 내용 = 73
• 4.2.2 실제 운영자료 분석결과 요약 = 74
• 4.3. 기존 알고리즘 검증 방법 선정 = 80
• 4.3.1 적용된 분석기법의 검토 = 80
• 4.3.2 자료 검증방법 설정 = 80
• 4.4 알고리즘 검증 및 평가 = 82
• 4.4.1 알고리즘 검증을 위한 시나리오 설정 = 82
• 4.4.2 알고리즘의 검증 결과 정리 = 84
• 4.4.3 알고리즘의 개선안 산정 = 86
• 4.3.4 개선 알고리즘의 평가 = 88
• 제5장 결론 = 110
• 5.1 결론 = 110
• 5.2 향후 연구과제 = 114
• 참고문헌 = 115