Earticle

현재 위치 Home

교통모형

딥러닝으로 추정한 차량대기길이 기반의 감응신호 연구
Study of the Operation of Actuated signal control Based on Vehicle Queue Length estimated by Deep Learning

첫 페이지 보기
  • 발행기관
    한국ITS학회 바로가기
  • 간행물
    한국ITS학회논문지 KCI 등재 바로가기
  • 통권
    제17권 제4호 통권78호 (2018.08)바로가기
  • 페이지
    pp.54-62
  • 저자
    이용주, 심민경, 김용만, 이상수, 이철기
  • 언어
    한국어(KOR)
  • URL
    https://www.earticle.net/Article/A335943

※ 기관로그인 시 무료 이용이 가능합니다.

4,000원

원문정보

초록

영어
As a part of realization of artificial intelligence signal(AI Signal), this study proposed an actuated signal algorithm based on vehicle queue length that estimates in real time by deep learning. In order to implement the algorithm, we built an API(COM Interface) to control the micro traffic simulator Vissim in the tensorflow that implements the deep learning model. In Vissim, when the link travel time and the traffic volume collected by signal cycle are transferred to the tensorflow, the vehicle queue length is estimated by the deep learning model. The signal time is calculated based on the vehicle queue length, and the simulation is performed by adjusting the signaling inside Vissim. The algorithm developed in this study is analyzed that the vehicle delay is reduced by about 5% compared to the current TOD mode. It is applied to only one intersection in the network and its effect is limited. Future study is proposed to expand the space such as corridor control or network control using this algorithm.
한국어
본 연구는 인공지능 신호 구현의 일환으로서, 딥러닝을 통해 실시간으로 추정하는 차량대 기길이 기반의 감응식 신호 알고리즘을 제시하였다. 알고리즘의 구현을 위해 딥러닝 모형을 구현한 텐서플로우에 미시적 교통시뮬레이터인 Vissim을 제어하는 API, 즉 COM Interface를 구축하였다. Vissim에서 신호주기별로 수집된 링크통행시간과 통과교통량이 텐서플로우에 전달되면 학습이 완료된 딥러닝 모형을 통해 접근로별 차량대기길이가 추정된다. 접근로별 차량대기길이를 기반으로 신호시간을 산정한 후 Vissim 내부의 신호등화를 조정하여 시뮬레 이션 한다. 본 연구에서 개발한 알고리즘은 현 TOD 방식에 비해 차량 지체가 약 5% 감소한 것으로 분석되었으며, 이는 네트워크 내 하나의 교차로만 대상으로 적용하여 그 효과가 제한 된 것이며, 축 또는 네트워크 제어로의 공간적 확대방안을 향후연구로 제시하였다.

목차

요약
 ABSTRACT
 Ⅰ. 서론
  1. 배경 및 목적
  2. 연구 방법
 Ⅱ. 이론적 고찰
  1. 딥러닝 및 텐서플로우
  2. 딥러닝을 활용한 차량대기길이 추정모형 개발(Lee et al., 2018)
 Ⅲ. 딥러닝과 Vissim 인터페이스 구현
  1. 딥러닝의 텐서플로우와 Vissim의 인터페이스
  2. 시뮬레이션 구현 환경
 Ⅳ. 차량대기길이 기반의 감응신호 알고리즘 구현
  1. 교차로 신호운영현황(TOD 방식)
  2. 차량대기길이 기반의 감응신호 알고리즘
 Ⅴ. 시뮬레이션 및 평가
  1. 시뮬레이션 결과
  2. 알고리즘 평가
 Ⅵ. 결론
 ACKNOWLEDGEMENTS
 REFERENCES

키워드

인공지능 신호 딥러닝 차량대기길이 텐서플로우 Vissim COM Interface AI Signal Deep Learning Vehicle Queue Length Vissim COM Interface Tensorflow

저자

  • 이용주 [ Lee Yong-Ju | 아주대학교 교통연구센터 연구교수 ] 주저자
  • 심민경 [ Sim Min-Kyung | 아주대학교 교통공학과 석사과정 ] 공저자
  • 김용만 [ Kim Yong-Man | 도로교통공단 교통과학장비처 차장대우 ] 공저자
  • 이상수 [ Lee Sang-Su | 아주대학교 교통시스템공학과 교수 ] 공저자
  • 이철기 [ Lee Choul-Ki | 아주대학교 교통시스템공학과 교수 ] 교신저자

참고문헌

자료제공 : 네이버학술정보

간행물 정보

발행기관

  • 발행기관명
    한국ITS학회 [The Korean Society of Intelligent Transport Systems]
  • 설립연도
    2002
  • 분야
    공학>교통공학
  • 소개
    ◈ 전문분야간 공동협의, 공동연구를 통한 ITS의 학술적 발전 ◈ 산·학·연 협동체계 구축으로 기술개발 지원 ◈ 정부정책 및 제도 방향에 대한 기술적 자문 ◈ 외국 ITS 관련 학술단체와 기술교류 ◈ 관련전문가 및 기술자의 교육 및 양성

간행물

  • 간행물명
    한국ITS학회논문지 [The Journal of The Korean Society of Intelligent Transport Systems]
  • 간기
    격월간
  • pISSN
    1738-0774
  • eISSN
    2384-1729
  • 수록기간
    2003~2026
  • 등재여부
    KCI 등재
  • 십진분류
    KDC 326 DDC 338

이 권호 내 다른 논문 / 한국ITS학회논문지 제17권 제4호 통권78호

    피인용수 : 0(자료제공 : 네이버학술정보)

    함께 이용한 논문 이 논문을 다운로드한 분들이 이용한 다른 논문입니다.

      페이지 저장