Earticle

교통은 점차 V2X와 자율주행자동차의 시대로 변화하고 있다. 교통상황에 대한 정확한 판단은 경로선택 또는 자율주행에 있어 중요한 지표이다. 정확한 교통상황을 파악하기 위한 방법으로 택시와 같은 프로브 차량을 이용하는 방법이 많이 사용되고 있다. 이러한 방법은 프로브 차량의 특성에 따라 데이터가 편향될 수 있으며, 막대한 비용이 발생하는 문제점이 있다. V2X 차량은 이러한 문제점을 해결할 수 있으며, 무엇보다 실시간으로 교통정보를 수집하고, 배포가 가능할 것으로 판단된다. 모든 차량이 V2X 차량일 경우, 이러한 문제는 간단하게 해결될 것으로 기대된다. 하지만 일부만 V2X차량일 때는 대표성의 문제가 검토되어야 한다. 이를 위하여 가상의 네트워크와 교통류를 생성하였으며, SUMO 시뮬레이션을 통해 다양한 시나리오분석을 수행하였다. 교통량 수준에 따라 V2X 차량군과 Non-V2X 차량군 사이의통행시간에 대한 통계적 검증을 수행하였다. 3~5% 이상으로 구성된 교통류 또는 110대/시이상으로 V2X 차량이 구성된 교통류에서는 V2X 차량의 통행정보가 대표성을 띌 수 있다는 것을 확인하였다. 향후 다양한 네트워크 및 실제 상황에 대하여 적용하고자 한다.

Transportation is gradually changing into the era of V2X and autonomous cars. Accurate judgement of traffic conditions is an important indicator of route choice or autonomous driving. There are many ways to use probes car such as taxis, as a way to identify accurate traffic conditions. These methods may vary depending on the characteristics of the probe vehicle, and there is a problem with the cost. The V2X vehicle can solve these problems and collect traffic information in real time. If all vehicles are of V2X vehicle, these issues are expected to be resolved briefly. However, if the communication information of a V2X vehicle is represented by a traffic representative in a traffic with only V2X, the traffic information of some V2X vehicles will be able to collect traffic information. To accomplish this, a virtual network and transport were created and various scenarios were performed through SUMO simulations. It has been analyzed that 3-5 % of V2 vehicles are capable of representative the road traffic characteristics. In the future, various follow-up studies are planned.

It is essential to guarantee a handoff dropping probability below a predetermined threshold for wireless mobile networks. Previous studies have proposed admission control policies for integrated voice/data traffic in wireless mobile networks. However, since QoS has been considered only in terms of CDP (Call Dropping Probability), the result has been a serious CBP (Call Blocking Probability) unfairness problem between voice and data traffic. In this paper, we suggest a new admission control policy that treats integrated voice and data traffic fairly while maintaining the CDP constraint. For underprivileged data traffic, which requires more bandwidth units than voice traffic, the packet is placed in a queue when there are no available resources in the base station, instead of being immediately rejected. Furthermore, we have adapted the biased coin method concept to adjust unfairness in terms of CBP. We analyzed the system model of a cell using both a two-dimensional continuous-time Markov chain and the Gauss-Seidel method. Numerical results demonstrate that our CAC (Call Admission Control) scheme successfully achieves CBP fairness for voice and data traffic.

Recent research on reinforcement learning (RL) based traffic management shows promising results, yet it is a significant issue due to increasing volume of traffic and lack of real time traffic information. Improvements of RL algorithms and vehicle-to-everything (V2X) communications technologies are creating new prospects to achieve better traffic efficiency. This paper proposes a new method, namely Vehicle-to-Infrastructure based Traffic Signal Control (V2I-TSC), to capture realistic traffic state using vehicle-to-infrastructure (V2I) communications under 5G-NR-V2X paradigm. It uses single agent RL framework to optimize a traffic signal control which is trained and evaluated through Simulation of Urban MObility (SUMO) simulator. The experimental results show that our proposed method enhances traffic efficiency at the intersection compared to the general traffic control method.

Speed enforcement is one of the major challenges in traffic safety. The increasing number of accidents and fatalities has led governments to respond by implementing an intelligent control system. For example, the Korean government implemented a speed camera system for maintaining road safety. However, many drivers still engage in speeding behavior in blackspot areas where speed cameras are not provided. Therefore, we propose a methodology to analyze the combined accident and speeding data to offer recommendations to maintain traffic safety. We investigate three factors: "section," "existing speed camera location," and "over speeding data." To interpret the results, we used the QGIS tool for visualizing the spatial distribution of the incidents. Finally, we provide four recommendations based on the three aforementioned factors: "investigate with experts," "no action," "install fixed speed cameras," and "deploy mobile speed cameras."

Edge computing architecture has effectively alleviated the computing pressure on cloud platforms, reduced network bandwidth consumption, and improved the quality of service for user experience; however, it has also introduced new security issues. Existing anomaly detection methods in big data scenarios with cloud-edge computing collaboration face several challenges, such as sample imbalance, difficulty in dealing with complex network traffic attacks, and difficulty in effectively training large-scale data or overly complex deep-learning network models. A lightweight deep-learning model was proposed to address these challenges. First, normalization on the user side was used to preprocess the traffic data. On the edge side, a trained Wasserstein generative adversarial network (WGAN) was used to supplement the data samples, which effectively alleviates the imbalance issue of a few types of samples while occupying a small amount of edge-computing resources. Finally, a trained lightweight deep learning network model is deployed on the edge side, and the preprocessed and expanded local data are used to fine-tune the trained model. This ensures that the data of each edge node are more consistent with the local characteristics, effectively improving the system's detection ability. In the designed lightweight deep learning network model, two sets of convolutional pooling layers of convolutional neural networks (CNN) were used to extract spatial features. The bidirectional long short-term memory network (BiLSTM) was used to collect time sequence features, and the weight of traffic features was adjusted through the attention mechanism, improving the model's ability to identify abnormal traffic features. The proposed model was experimentally demonstrated using the NSL-KDD, UNSW-NB15, and CIC-ISD2018 datasets. The accuracies of the proposed model on the three datasets were as high as 0.974, 0.925, and 0.953, respectively, showing superior accuracy to other comparative models. The proposed lightweight deep learning network model has good application prospects for anomaly traffic detection in cloud-edge collaborative computing architectures.

차세대 고속 통신망을 구축하기 위해서는 해결해야 할 많은 문제들이 있는데, 이 중에서 기본적으로 고려해야 할 사항은 바로 망에 흐르는 트래픽의 특성 분석이다. 현재 제공되는 많은 인터넷 서비스들의 동작 특성은 자기 유사성(Self-similar)이라는 기존에 고려되던 트래픽 특성과는 완전히 다른 장기간 의존성의 성질들을 가진다는 것이 증명되었다 이러한 장기간 의존성 성질을 표현하기 위한 모델로는 자기유사 모델이 있는데, 이것은 단기간 의존성을 표현하는 기존의 모델인 포아송 모델과는 상반되는 개념이다. 따라서 차세대 통신망의 설계 및 디멘져닝을 위해서는 무엇보다도 데이터 트래픽의 주요 특성인 버스트성(Burstiness)과 자기유사성이 반영된 트래픽 모델이 요구된다. 여기서 자기유사성은 허스트 파라미터(Hurst Parameter)로 특성화 될 수 있다. 본 논문에서는 데이터 트래픽의 자기유사성 및 큐잉지연을 고려한 유효대역폭 산출식을 유도하여 시뮬레이션 결과와 비교 분석하였다.

There are many problems that must solve to construct next generation high-speed communication network. Among these, item that must consider basically is characteristics analysis of traffic that nows to network Traffic characteristics of many Internet services that is offered present have shown that network traffic exhibits at a wide range of scals-self-similarity. Self-similarity is expressed by long term dependency, this is contradictory concept with Poisson model that have relativity short term dependency. Therefore, first of all, for design and dimensioning of next generation communication network, traffic model that are reflected burstiness and self-similarity is required. Here self-similarity can be characterized by Hurst parameter. In this paper, the calculation equation is derived considering queueing delay and self-similarity of data traffic art compared with simulation results.

본 논문에서는 다양한 이동통신 서비스의 원활한 데이터 전송을 위한 적정 채널 용량의 산정 방법을 제시한다. 서비스 유형별 패킷 전송에 대한 허용 지연시간 기준을 모두 충족하기 위해서는 적정한 채널용량이 확보되어야 한다. 이러한 채널 산정 과정을 분석하기 위해 디지털 통신시스템의 이산시간 운영특성과 패킷 기반 트래픽의 집단 발생 상황을 $Geo^x$/G/1 비선점형 우선순위 대기행렬로 모델링하였다. 휴리스틱한 평균 대기시간 분석 방법을 이용하여 다양한 전송 우선순위를 갖는 서비스 유형별 평균 대기시간을 도출하였다. 이를 이용하여 무선 서비스 지연에 관한 품질 척도(QoS)를 충족시키는 적정 채널 용량의 산정 과정을 제시하였다. 본 연구 결과인 적정 채널 용량 산정 방법은 이동통신 데이터 서비스의 품질 만족도를 높이고 네트워크의 경제적 운용에 도움이 될 것으로 기대한다.

We present an estimation model for optimal channel capacity required to data traffic transmission. The optimal channel capacity should be calculated in order to satisfy the permitted transmission delay of each wireless data services. Considering the discrete-time operation of digital communication systems and batch arrival of packet-switched traffic for various wireless services, $Geo^x$/G/1 non-preemptive priority queueing model is analyzed. Based on the heuristic interpretation of the mean waiting time, the mean waiting times of various data packets which have the service priority. Using the mean waiting times of service classes, we propose the procedure of determining the optimal channel capacity to satisfy the quality of service requirement of the mean delay of wireless services. We look forward to applying our results to improvement in wireless data services and economic operation of the network facilities.

교통사고 발생위험예보의 목적은 교통사고를 저감하기 위한 것이다. 따라서 본 연구는 조건에 따른 교통사고발생 확률을 산정하여 효과적인 교통사고 위험 예보를 목적으로 하였다. 국내에서는 인터넷 등을 통해 사망사고 정보를 포함한 교통사고의 통계수준의 정보를 제공하고 있으며 최근에는 날씨에 따른 광역지자체 단위의 지역별 주간 교통사고 위험도수준 정도의 정보를 개략적으로 제공하고 있다. 그러나 모든 운전자에게 동일내용의 정보를 제공하는 것은 개인의 특성과 환경을 반영하지 못한 것으로 한계가 있다. 그러므로 본 연구에서는 부산시 주간선도로의 68개 주요 교차로를 중심으로 교통사고, 교차로 기하 구조, 강수량 등의 정보를 종합적으로 교통사고 발생에 대한 노드와 링크 단위의 위험도 예보를 하고자 하였다. 구체적으로, 운전자특성과 운전상황 같은 동적정보와 교차로 기하 구조데이터를 이용하여 각 상황에 맞는 상대적 사고발생 위험도를 산정하였다. 또한 사고유형을 '차대차', '차대사람'으로 분류하여 각각의 구체적인 사고발생 위험도를 산정하였다. 최종적으로는 산정한 결과 값에 기초하여 교차로 기반의 운전자 맞춤형 사고위험도 정보를 제공하고자 하였다. 사고예보정보에 따른 안전한 경로를 서비스함으로서 맞춤형 경로선택의 기회를 제공하며 운전자의 안전운행에 도움을 주고자 하였다.

The purpose of forecasting the traffic accident is to reduce the traffic accident. Therefore, the goal of this study is to provide severity of the accident by Forecasting of Probability of Accident. In Korea, accident data are distributed to the public via internet that includes numbers of accident and fatality as well. And crude level of accident severity in accordance with weather information for metropolitan city level are available by weekly. However, It can not reflect personal needs at specific origin of the travel for a certain traveller. This study aims to consider 68 major intersections with precipitation data, and eventually introduces link based accident severity. In estimating the accident severity both dynamic data such as drivers' characteristics, driving conditions and static data such as geometry of road, intersection characteristics are considered. Also, we identifies accident severity according to the accident type - 'vehicle to vehicle,' 'vehicle to person.' Finally, the outcomes of this study suggests taylor-made accident severity information for a specific traveller for a certain route.

고속도로 교통류 제어는 기존의 Reactive 방식(실시간 대응)에서 Proactive 방식(사전 대응)으로 발전하고 있다. 첨단 고속도로 교통류 제어의 핵심 입력자료 중 하나는 여러 시간대에 걸치는 장래 교통량 상태이다. 다중 시간대 교통량 예측을 위해서는 장래 상태의 불확실성을 극복해야 한다. 이는 예측 시간대의 확장에 따라 장래 상태의 불확실성은 증가하기 때문이다. 따라서 다중 시간대 교통량 예측을 위해서는 장래 상태의 불확실성을 효과적으로 극복할 수 있는 실행 가능한 방안이 필요하다. 본 연구에서는 대용량 이력자료에 내재된 교통류 상태의 시간적 진화 행태를 이용하여 장래 상태의 불확실성을 효과적으로 극복함으로써 다중 시간대 장래 교통량 상태를 예측하는 모형을 제시하도록 한다. 개발 모형은 현행 교통량의 상태 진화를 기반으로 대용량 자료에 내재된 과거 상태를 추출하고, 이를 이용하여 장래 상태를 예측한다. 추가로, 개발된 모형은 실제 적용을 고려하여 자료관리시스템에 적합하도록 설계되었다. 적용결과, 개발모형은 다중 시간대에 걸치는 불확실성을 효과적으로 극복함으로써 우수한 예측력을 보였으며, 첨단자료관리시스템에 실제 적용이 가능하다고 판단된다.

In motorway traffic flow control, the conventional way based on real-time response has been changed into advanced way based on proactive response. Future traffic conditions over multiple time intervals are crucial input data for advanced motorway traffic flow control. It is necessary to overcome the uncertainty of the future state in order for forecasting multiple-period traffic volumes, as the number of uncertainty concurrently increase when the forecasting horizon expands. In this vein, multi-interval forecasting of traffic volumes requires a viable approach to conquer future uncertainties successfully. In this paper, a forecasting model is proposed which effectively addresses the uncertainties of future state based on the behaviors of temporal evolution of traffic volume states that intrinsically exits in the big past data. The model selects the past states from the big past data based on the state evolution of current traffic volumes, and then the selected past states are employed for estimating future states. The model was also designed to be suitable for data management systems in practice. Test results demonstrated that the model can effectively overcome the uncertainties over multiple time periods and can generate very reliable predictions in term of prediction accuracy. Hence, it is indicated that the model can be mounted and utilized on advanced data management systems.

기술 및 환경적 요인으로 수집이 어려웠던 다양한 교통자료의 수집이 가능해져 보다 다양하고 유의미한 교통정보의 생성과 제공이 가능하게 되었다. 본 연구에서는 유비퀴터스 환경기반의 교통정보시스템을 구성하는 요소들의 역할을 설명하고 차내단말기에서 교통정보 생성을 위한 자료처리 프로세스를 제시하였다. 자료의 수집, 정보생성, 무선통신을 통한 송수신, 수신정보와 생성정보의 융합을 통한 저장 등의 과정으로 구성된 프로세스를 바탕으로 실제 수집한 개별차량 주행궤적자료를 이용하여 제안된 방법론의 현장 적용성 평가를 수행하였다. 수인산업도로의 약 17km구간에서 20대의 Probe차량이 주행하며 수집한 개별차량주행궤적자료를 이용하여 구간통행시간을 산출하고 이를 평가하였다. 구간정보의 생성 및 평가는 구간 내에 존재하는 차량들의 속도자료를 이용하여 통행시간을 산출하고 이를 구간에 진입하는 차량의 실제 통행시간과 비교하여 정확도를 평가하였다. 전체 분석대상구간을 2개, 4개의 구간으로 구분하여 분석을 수행하였으며, 전체적으로 추정된 구간통행시간의 정확도는 90%내외로 산출되었다. 또한, 유비퀴터스 환경기반 교통정보시스템이 현장에 적용될 경우 무선통신, 교통환경, 정보생성방법 측면에서 고려되어야 할 사항에 대해 서술하였다. 본 연구는 현장에서 수집한 실제자료를 이용하여 차량에 탑재된 차내단말기에서 교통정보를 생성하고 이를 평가하는 방법론과 프로세스를 제시하였다는 점에서 의의가 있으며, 향후 유비퀴터스 환경기반의 교통정보시스템의 성공적인 개발 및 현장적용을 위한 기초연구가 될 것으로 판단된다.

Collection of invaluable real-time traffic data becomes available under ubiquitous transportation sensor networks (UTSN). Various research efforts have been made to utilize such useful data for deriving more accurate and reliable traffic information. This study presented a novel concept of decentralized traffic information and method to process traffic data which are obtained from inter-vehicle communications under the UTSN. In addition, an experimental evaluation to investigate the feasibility of the proposed method using probe vehicle data. Predictive travel times were estimated and evaluated for the feasibility investigation. Technical issues were derived and discussed to fully implement the proposed system. The outcomes of this study would be used as a guideline in designing better next-generation traffic information systems.

This paper proposes an operational topology update message option to enhance the QoS (quality of service) of the combat data link based on KVMF (Korean Variable Message Format). The KVMF combat data link technology, which is currently being studied, should be applied to various weapons systems and should support a protocol for each weapons system. MIL-STD-188-220, however, the general protocol used by the Republic of Korea (ROK) Armed Forces, cannot guarantee the QoS under crowded network conditions due to the poor communication environment. To guarantee a high QoS for the combat network, this paper proposes a topology update message operation algorithm employing the piggybacking technique. To verify the proposed algorithm, a simulation was done employing OPNET. As a result of the simulation, it turned out that the QoS of the proposed algorithm was more enhanced than that of the existing option.

본 연구에서는 다양한 외부 조건 하에서 촬영된 영상을 대상으로 신속하고 정확하게 교통 객체를 검출하는 교통 객체 검출 통합 프레임워크를 개발하였다. 제안된 프레임워크는 딥러닝 기술 기반의 직접 객체 인식 기술과 다중 객체 추적 기술, 그리고 동영상 전처리 기술로 구성 되며, 영상의 안정성, 기상, 촬영 각도 등의 다양한 외부 조건에서 촬영된 영상을 대상으로 승 용차, 버스, 트럭, 및 미니밴과 같은 교통 객체를 인식하고, 이를 실시간으로 추적하여 교통량 데이터를 계수한다. 제안된 방법의 성능 검증을 위해 다양한 외부 조건에서 촬영된 영상 8개를 대상으로 제안된 방법의 성능 검증을 수행한 결과, 우천 및 강설을 제외한 모든 조건에서 98% 이상의 높은 정확도를 보이는 것으로 나타났다.

A fast and accurate integrated traffic object detection framework was proposed and developed, harnessing a computer-vision based deep-learning approach performing automatic object detections, a multi object tracking technology, and video pre-processing tools. The proposed method is capable of detecting traffic object such as autos, buses, trucks and vans from video recordings taken under a various kinds of external conditions such as stability of video, weather conditions, video angles, and counting the objects by tracking them on a real-time basis. By creating plausible experimental scenarios dealing with various conditions that likely affect video quality, it is discovered that the proposed method achieves outstanding performances except for the cases of rain and snow, thereby resulting in 98% ~ 100% of accuracy.

본 연구는 부산광역시의 전형적인 단속류 구간을 대상으로 DSRC를 통해 수집되는 구간교통정보의 신뢰성을 구간별 적정 차량 표본 수 산정기법을 통해 분석하였다. 해당 단속류 대상지를 구성하는 개별 구간에 대한 표본 수 산정을 위하 여 VISSIM 모델을 이용하였다. 실제 DSRC를 통해 관찰된 하이패스 차량 수와 두 유의수준(90%와 95%)에서 산정된 적정 표본 수를 비교한 결과, 연속류에 비해 단속류에 더 많은 이상치의 발생요인이 존재한다는 점, 인접한 두 교차로와 다수 의 진출입로로 구성된 하나의 구간을 통과하는 하이패스 차량의 부족으로 신뢰성 있는 구간교통정보의 집계가 어려운 점, 비첨두시간보다 첨두시간의 구간교통정보가 상대적인 신뢰성이 높은 점, 표본 수 산정의 유의수준에 따라 구간교통 정보의 신뢰성이 차별화된다는 점 등을 확인할 수 있었다. 해당 구간의 길이에 따른 진출입로의 밀도와 교통신호운영의 차이는 유효 표본 수 산정에 직접적인 영향을 미치며 결국 구간교통정보의 신뢰성을 결정하게 된다. 따라서 구간의 길이 에 따라 노변기지국의 개수를 조절하면 DSRC를 통해 수집되는 구간교통정보의 신뢰성이 개선될 것으로 기대된다.

This study investigates the reliability of DSRC-based traffic information system on the typical urban arterial with the minimum sample size method. VISSIM has been employed to calculate the required sample size. After comparing the number of hi-pass vehicles recorded from DSRC and the required sample size, this study found that the interrupted traffic state tends to generate more outliers than the uninterrupted one, the lack of the number of vehicles completely passing links with multiple driveways makes it difficult to estimate the reliable traffic information, the traffic information during peak hour is relatively more reliable than that during off-peak hour, and the reliability of DSRC-based traffic information system depends on the significance level in calculating the sample size. The driveway density and traffic signal operation due to the individual link length significantly affects the required sample size, resulting in determining the reliability of the DSRC-based traffic information system.

최근 스마트시티 구축을 위하여 지능형 도로인프라를 이용한 차량의 교통정보를 취득하고, 이를 효율적으로 관리하기 위한 기술의 개발이 요구되고 있다. 그동안 도로의 교통정보를 분 석하기 위해서는 루프 검지기, 초음파 검지기, 영상식 검지기 등의 다양한 기술들이 활용되고 있었다. 그런데, 이러한 종래의 기술들은 도로내에서 이동하는 차량을 대상으로 교통정보 DB 구축을 위해 필요한 교통 밀도, 대기행렬의 길이등 다양한 교통 DB의 수집에 어려움이 있었다. 따라서, 본 논문에서는 도로위에 지능형 CCTV등 카메라 인프라를 기본으로 구축되는 스마트 시티를 가정하여 도로의 CCTV카메라를 이용하여 도로 CCTV의 Vision Tracking을 이용한 주 행차량의 교통DB산출하는 솔루션을 제시하고, 이에 대한 모의실험과 기초성능 검증을 행하였 다. 본 논문에서 제시한 솔루션은 일반론으로 발전시켜야할 숙제는 여전히 남아있지만, 가변하 는 스마트시티 도로환경속에서 도로부착형 CCTV카메라 이동차량 환경을 반영한 새로운 지능 형 교통DB산출솔루션으로 관련 분야에서 유용하게 활용될수 있을것으로 기대된다.

Recently, for a smart city, there is a demand for a technology for acquiring traffic information using an intelligent road infrastructure and managing it. In the meantime, various technologies such as loop detectors, ultrasonic detectors, and image detectors have been used to analyze road traffic information but these have difficulty in collecting various informations, such as traffic density and length of a queue required for building a traffic information DB for moving vehicles. Therefore, in this paper, assuming a smart city built on the basis of a camera infrastructure such as intelligent CCTV on the road, a solution for calculating the traffic DB of moving vehicles using Vision Tracking of road CCTV cameras is presented. Simulation and verification of basic performance were conducted and solution can be usefully utilized in related fields as a new intelligent traffic DB calculation solution that reflects the environment of road-mounted CCTV cameras and moving vehicles in a variable smart city road environment. It is expected to be there.