본문 바로가기
이 누리집은 대한민국 공식 전자정부 누리집입니다.

사용자 메뉴

글로벌리포트

[미국] 전자 개인통행 보조장치: 개인통행 행태의 역동성 측정
조회수1,693 다운로드수0 등록일2012-02-13
댓글 수0 북마크 수0 공유 수0
글로벌리포트 정보 - 리포트 구분, 콘텐츠 구분, 출처, 원문 제목, 언어, 국가, 등록일, 발행일, 과학기술 분류, 저자, 전문가칼럼, 키워드, 첨부파일
리포트구분 기술리포트 콘텐츠구분 도로교통
출처 University of California Transportation Center
원문제목 The Personal Travel Assistant (PTA): Measuring the dynamics of human travel behavior원문보기
언어 영어 국가 미국
등록일 2012-02-13 발행일 2010-09
첨부파일 등록된 첨부파일이 없습니다.

1. 소개

이 연구는 GPS에서의 수집되는 연속자료를 통행자 행태의 정확한 측정과 통행 보조정보로 활용할수 있는가를 분석하였다. 통행자로부터 수집된 GPS 자료를 하이브리드 다이나믹 합성 네트웍 (Hybrid Dynamic Mixed Network)을 활용한 모형기술을 활용하여 분석하였다.

 

2. 총괄적 내용

초기 무선기술의 적용은 전화기와 컴퓨터의 네트웍 연결처럼 유선으로 연결되어 있는 장치를 무선으로 교체하는 데서 시작되었다. 그러나 앞으로는 불가능한 것으로 여겨왔거나 상상하지 못했던 장치를 무선으로 연결하여 사용하게 될 것이다. 이 연구는 전자 개인통행 기록장치의 개발의 부분으로 시작되었다. 연구의 초기단계에서 전자 개인통행 기록장치의 보편화를 위한 계획이 연구비 확보과정에 있어서 성공하지 못하여 취소되었지만, 연구의 결과는 GPS장치를 이용하여 통행정보를 저장하는 여러 분야에 활용할수 있다는 전망을 보여주었다.

 

3. 무선관련 연구 환경

교통부문에서 있어서 무선기술의 활용은 GPS 장치가 부착된 스마트폰이 보편화되면서 활성화되게 되었다. 다양한 교통이용자의 실시간 교통정보가 GPS 장치를 이용하여 전송되어 교통자료로 활용되어지기 때문이다. 더 나아가 차량대 차량간의 정보 통신 수단으로 활용하기 위한 연구가 진행중이다. 그러나 휴대 전화의 GPS가 장치를 활용한 교통정보에는 통행자 개인의 사적인 통행정보가 함께 노출되기 때문에 개인기기 사적 정보 보안에 대한 기술이 확보되어야 한다.

정보통신기술(Information and Communication Technology: ICT)는 형태와 용도에 따라 다르게 교통정보제공 서비스에 활용되기 시작하였다. ICT의 활용에 대한 기대로는 향후에는 ICT에 의하여 교통공급이 효율적으로 대응하는 시기가 오게 될 것이며, 통행자는 ICT에 절대적으로 의존하여 통행의사 결정을 하게 될 것이라는 예측이다.

전자 개인통행 보조 프로그램은 휴대전화의 애플리케이션의 형태로 통행계획 단계에서 통행경로 산정, 최단거리 정보, 통행실행 단계에서 경로중 유고발생 안내 실시간 노선 재배정 등의 정보를 통행자에게 제공하며, 또한 동시에 통행자의 이동정보를 활용해 다른 통행자에게 교통정보를 제공하는 개념이다.

전자 개인통행 보조 시스템은 크게 통행자 측면에서 교통정보를 관리 및 전송하는 스마트폰 기반의 소프트웨어와 개인정보를 전송받아 교통자료로 생성하는 알고리즘 시스템으로 나뉘어진다.

 

4. 행태 모형의 개발

전자 개인 통행 보조 시스템의 가장 큰 장점은 다양하고 방대한 통행자료를 미래의 통행자 행태 모형 개발의 기초자료로 활용할수 있다는 점이다. 또한, 역으로 개인 통행 보조 시스템의 기능 개발에 있어 현재 통행자 행태 모형이 반영된다는 것이다. 행태 모형에 근거한 확률적 혹은 결정적 정보를 산출하여 통행자에게 제공한다.

행태 모형의 개발에 있어 가장 핵심적인 내용은 시간대별로 다양하게 변화하는 교통상황에 대응하여 신뢰할수 있을 만한 단기 교통수요의 예측이다. 또한 주어진 시간내에 도심지역의 전체적 출발지-목적지 행렬을 가급적 정확하게 예측하는 것이 중요하다.  또한, 교통수요를 도심지역의 도로망에 예측된 출발지-목적지 행렬에 기반하여 최적으로 배정 하는 기법이 필요하다. 실시간으로 수집되는 방대한 교통정보에 대응하여 신속하고 정확하게 작용하는 교통수요 예측 및 통행 배정의 기법이 수반되어야 전자 개인 통행 보조시스템이 제 역할을 감당할수 있다.

이러한 행태 모형의 개발에 대한 연구는 Heskes and Zoeter (2002), Dechter et al. (2002), Murphy (2002), Dechter and Mateescu (2004)에 의하여 수행되어 왔다.

또한, 방대한 양의 실시간 통행 정보를 정보의 질에 따라 구분하며 필요한 자료를 여과하는 기법이 필요하다. 입자여과(Particle Filtering) 기법이 GPS 자료 여과기법에 주로 연구되어져 왔다 (Doucet et al., 2000).

 

5. 행태 모형의 단순화

통행자 행태의 인식에는 단순화된 동적 베이지안 네트웍 모형이 활용된다. 통행자료중 통행자의 체류시간을 계산하여 상당시간이상을 체류한 장소를 통행 목적지로 간주한다. 또한, GPS 자료에서 담고 있는 위도와 경도 자료를 도로자료와 부합시켜 교통행태가 발생하는 장소를 추정한다. 그림1은 한명의 통행자가 일정시간 동안 통행한 자료를 구글지도에 결합시켜 통행을 추정한 예이며, 그림 2는 한대의 차량이 5개월동안 통행한 자료를 구글지도에 결합시킨 사진자료이다. 그림1에서는 통행자의 통행경로를 추적하여 목적지를 예측하는 것이 단순하나, 그림2의 경우와 같이 통행자 1인이 수개월동안 통행한 자료를 가지고 출발지와 목적지를 산정하는 것은 복잡하다.

 

 

그림 1 통행자 1인의 통행경로 자료를 구글지도에 맵핑한 결과

 

 

그림 2 통행자 1인의 5개월 동안의 통행자료를 구글지도에 맵핑한 결과

 

그림 3은 여러 통행자가 일정기간 동안 해당지역을 통행한 경우의 통행자료를 도로자료에 맵핑한 자료이다. 그림 3에서 파란색으로 보이는 자료가 GPS의 자료이며 검정색으로 나타난 부분이 실제 도로의 자료이다. 그림에서 보이는 바와 같이 방대한 통행자료가 서로 엊갈린 경우에 맵핑을 통한 개인 통행자의 출발지-목적지 행렬을 산정하는 것이 복잡하다. 따라서, 이러한 시/공간적 방대한 통행자료를 도로 데이타베이와 맵핑하고 목적지로 예측되는 곳의 정보를 파악해야 통행행태를 산정할 수 있다.

 

 

그림 3 통행자 여러명의 일정기간 동안 통행자료를 GIS 정보지도에 맵핑한 결과

 

 

그림 4 클러스터 분석을 이용한 통행자 목적지 산정

 

GPS 자료를 GIS등의 도로 데이타베이스와 맵핑한 후에는 군집분석 (Cluster Analysis)를 통하여 통행목적지를 예측하는 과정을 거치게 된다. 그림 4에서 보이는 바와 같이 GPS 자료에서 일정시간 이상 체류한 통행자료를 군집분석하여 해당지역의 토지이용자료를 통해 목적지의 통행목적을 찾아내게 된다. 그림 4의 경우 해당 지역 내에 대학교와 도서관, 교회가 주요 목적지로 예상되며, 각각의 통행에 따라 군집의 통행 목적을 예상할 수 있다.

 

6. 통행 및 활동 자료 수집의 자동화

앞에서 설명된 바와 같이 방대한 양의 자료를 자료의 수준에 따라 여과하고, 여과된 자료를 도로 정보와 토지이용정보와의 매핑을 통하여 통행자의 목적지와 통행목적을 산정할수 있다. 그러나, 매일 넓은 도심지역에서 반복되어 발생하는 수백만건 (혹은 수천만건)의 통행자료를 이러한 군집분석을 통하여 출발지-목적지를 산정하여 활용하는 것은 아직 실용화단계에 못하고 있다. GPS자료의 변동성과 불량자료에 의하여 대량자료의 군집분석을 자동화하는 알고리즘이 현실적으로 부족한 상태이다.

 

7. 참고자료

Dechter, R. (2003). Constraint Processing. Morgan Kaufmann.

Dechter, R. and Mateescu, R. (2003). A simple insight into iterative belief propagation’s success. UAI-2003.

 

Doucet, A., de Freitas, N., Murphy, K. P., and Russell, S. J. (2000). Rao-Blackwellised particle filtering for dynamic Bayesian networks. In UAI ’00: Proceedings of the 16th Conference on Uncertainty in Artificial Intelligence, pages 176-183. Morgan Kaufmann Publishers Inc.

 

Heskes, T. and Zoeter, O. (2002). Expectation propagation for approximate inference in dynamic bayesian networks.

 

Murphy, K. (2002). Dynamic Bayesian Networks: Representation, Inference and Learning. PhD thesis, University of California Berkeley.

 

▣ 원문제목 : The Personal Travel Assistant (PTA): Measuring the dynamics of human travel behavior

      

▣ 원문의 주요목차*******************************************************************

1. Introduction: 소개

2. Overview and Context: 총괄적 내용

3. The Wireless Research Environment: 무선관련 연구 환경

4. Creating a Behavioral Model: 행태 모형의 개발

5. Simplifying the Behavioral Model: 행태 모형의 단순화

6. Automatically Collecting Travel and Activity Data: 통행 및 활동 자료 수집의 자동화

  

 

 

 

관련 연관정보를 한꺼번에 열람하고자 하시는 경우 정보 메뉴의 정보매트릭스에서 열람하고자 하는 정보의 키워드를 입력하여 검색해주세요.

  • 관련 발간자료(E-Book) 정보가 없습니다.

  • 관련 신기술 정보가 없습니다.

ScienceON 연계정보 (※ 관련정보는 한국과학기술정보연구원(KISTI)의 ScienceON 검색서비스를 통해 제공됩니다.)

  • 관련논문정보가 없습니다.

  • 관련특허정보가 없습니다.

  • 관련보고서 정보가 없습니다.

    • 관련동향정보가 없습니다.
  • 등록된 댓글이 없습니다.

콘텐츠 만족도 조사

만족도 조사

해당 글로벌리포트의 만족도를 평가해주세요.

담당자 정보

  • 담당자 정보 AI디지털실 / 031-389-6376
KAIA AI 챗봇 바로가기