Earticle

최근 정보통신생태계는 인터넷 트래픽 폭증(traffic explosion) 현상과 함께 ISP사업자 간 네트워크 트래픽 비율(traffic ratio) 불균 형, 네트워크 혼잡(congestion)·지연(delay)이 초래되었다. 이와 함께 정보통신생태계의 참여자(Player)들 간 다양한 이견이 발생하게 되었고 네트워크를 제공하는 ISP (Internet Service Provider) 사업자간 상호접속체제에 대한 다양한 이견차이가 발생하고 있 다. 2013년 정보통신정책연구원의 보도자료에 따르 면, 초기 인터넷 상호접속체제로는 주로 Settlement-free Peering과 Full Transit 체제가 활용되고 있지만, All-IP 네트워크시대로 가속화되는 환경을 고려해 보았을 때, 변화된 환경에 부합할 수 있는 진화된 인터넷 상호접속체제의 대안을 모색할 필요가 있다고 하였다. 따라서 본 연구는 인터넷 상호접속에 대한 주요이슈를 도출하고, 실증연구를 활용하여 선정된 세 가지 관점 간의 우선순위를 정량적으로 분석함으로써 All-IP 시대에 부합될 수 있는 인터넷 상호접속체제의 대안을 제시하고자 한다. 본 연구결과는 정부의 인터넷 상호접속 정책수립과 통신사업자들의 향후 대응방안 모색에 효과적으로 기여할 수 있을 것으로 사료된다.

In today’s scenario the number of mobile devices is increasing by leaps and bounds and hence the networks are highly congested. To use the existing networks efficiently, the insight into the amount of traffic beforehand, would be highly beneficial. Mobile traffic forecasting would enable Software Defined Mobile Network (SDMN) to use network resources and bandwidth effectively. Therefore, this paper aims to forecast mobile traffic for SDMN using nature-inspired? optimization techniques. The data taken is captured using Wireshark. In order to accurately predict network traffic, this paper considers Least Square Support Vector Machine (LSSVM) function estimation based training model with Whale Optimization Algorithm (WOA). The proposed technique increases the probability of global search by optimizing kernel parameters namely, regularization and kernel width. The parameters: Mean Square Error (MSE), True Positive Rate (TPR), True Negative Rate (TNR),? accuracy and precision are evaluated for the proposed optimization algorithm. The results of the proposed algorithm Least Square Support Vector Machine-Enhanced Whale Optimization Algorithm (LSSVM-EWOA) for traffic forecasting are compared with Least Square Support Vector Machine-Whale Optimization Algorithm (LSSVM-WOA). The accuracy of prediction of the proposed model is 98.10%, which confirmed the effectiveness and the actual use of the proposed model.

The traffic flow in an urban area is affected by the date, weather, and regional traffic flow. The existing methods are weak to model the dynamic road network features, which results in inadequate long-term prediction performance. To solve the problems regarding insufficient capacity for dynamic modeling of road network structures and insufficient mining of dynamic spatio-temporal features. In this study, we propose a novel traffic flow prediction framework called shared spatio-temporal attention convolution optimization network (SSTACON). The shared spatio-temporal attention convolution layer shares a spatio-temporal attention structure, that is designed to extract dynamic spatio-temporal features from historical traffic conditions. Subsequently, the graph optimization module is used to model the dynamic road network structure. The experimental evaluation conducted on two datasets shows that the proposed method outperforms state-of-the-art methods at all time intervals.

본 논문은 도시 교통 혼잡 문제를 해결하기 위해 IoT 기반 스마트 폴 인프라와 DQN 강화학습 알고리즘을 결합한 엣지지능형 교통 신호 최적화 프레임워크를 제안한다. 제안 방법은 교차로에 설치된 스마트 폴을 통해 차량 대기열, 교통 밀도, 대기시간 등의 데이터를 실시간으로 수집하고, 엣지 계층에서 DQN 기반 신호 제어 정책을 수행하도록 설계하였다. 또한 VEINS 기반 공동 시뮬레이션 환경에서 SUMO와 OMNeT++를 연동하여 고정시간 제어 및 감응식 제어 방식과 성능을 비교하였다. 또한 자율주행차량 환경에서 V2X 통신의 성능을 최적화하고, 높은 이동성과 네트워크 불안정성이 특징인 VANET환경에서 효과적인 지능형 교통 시스템(ITS)을 구현하기 위한 SDVN 기반 설계 방법을 제안한다. 기존의 VANET은 분산형 구조로 인해 패킷 손실, 지연 증가, 네트워크 단절 등 여러 한계가 존재하며, 이를 해결하기 위해 본 연구는 SDN 아키텍처를 차량 통신망에 통합하였다. SDN의 중앙집중 제어 특성을 활용하여 네트워크 토폴로지를 실시간으로 관리하고, 트래픽 상황에 따라 최적의 경로를 동적으로 설정할 수 있도록 하였다.

This paper proposes an edge-intelligent traffic signal optimization framework that integrates IoT-based smart pole infrastructure with a DQN reinforcement learning algorithm to address urban traffic congestion problems. The proposed approach is designed to collect real-time traffic information, including vehicle queue lengths, traffic density, and waiting times, through smart poles installed at intersections, while executing DQN-based signal control policies at the edge layer. Furthermore, a VEINS-based co-simulation environment integrating SUMO and OMNeT++ was employed to evaluate the performance of the proposed framework in comparison with conventional fixed-time and actuated traffic signal control methods. In addition, this study proposes an SDVN-based design methodology to optimize V2X communication performance in autonomous vehicle environments and to implement an effective ITS in VANET environments characterized by high mobility and network instability. Conventional VANETs suffer from several limitations, including packet loss, increased latency, and frequent network disconnections due to their distributed architecture. To overcome these challenges, this research integrates SDN architecture into vehicular communication networks. By leveraging the centralized control capabilities of SDN, the proposed approach enables real-time management of network topology and dynamic configuration of optimal communication routes according to changing traffic conditions.

국내 교통은 날로 증가하는 차량으로 인해 도로의 상습정체, 대기오염 발생 등의 다양한 교통문제가 발생되고 있다. 이러한 문제의 해결을 위해 지자체는 지능형교통체계(ITS : Intelligent Transport System), 첨단교통관리시스템(ATMS : Advanced Traffic Management Systems) 등의 시스템 구축을 통해 교통관리를 시행하고자 했으나 인프라 중심의 교통시스템 구축만으로 는 만성적인 교통문제 해결에 효과가 미비하여 기존 시설물에 운영관리 기능을 강화한 시스템 고도화가 필요한 시점이다. 도 시부 내 교통류는 임의의 시간대별로 특성 차량군이 형성되어 다양한 교통패턴이 존재하며, 이러한 상황별 교통패턴을 처리할 수 있는 지자체 네트워크 차원의 상황별 신호운영 설계가 필요하다고 판단된다. 따라서, 본 연구에서는 기존의 획일적인 신호 운영의 문제점을 개선하기 위해 단기적 교통상황 예측 데이터의 교통패턴을 기반으로 Frame Signal을 설정한 뒤 네트워크 차 원의 신호최적화를 통한 상황별 신호제어 운영방안을 목적으로 연구를 진행하고자 한다.

An increasing number of vehicles is causing various traffic problems such as chronic congestion of highways and air pollution. Local governments have been managing traffic by constructing systems such as Intelligent Transport Systems (ITS) and Advanced Traffic Management Systems (ATMS) to relieve such problems, but construction of an infrastructure-based traffic system is insufficient in resolving chronic traffic problems. A more sophisticated system with enhanced operational management capabilities added to the existing facilities is necessary at this point. As traffic patterns of the urban traffic flow is time-specific due to the different vehicle populations throughout the time of the day, a local network-wide signal operation plan that can manage such situation-specific traffic patterns is deemed to be necessary. Therefore, this study is conducted for the purpose of establishment of a plan for contextual signal control management through signal optimization at the network level after setting the Frame Signal in accordance to the traffic patterns gathered from the short-term traffic forecast data as a means to mitigate the problems with existing standardized signal operations.

본 연구는 인천광역시 주요 교차로를 대상으로 교통혼잡 예측 및 신호 제어 최적화를 수행한 결과를 나타냈다. 인천광역시의 주요 교차로 부평IC, 구월사거리, 간석오거리, 인천시청사거리, 예술회관사거리를 분석 대상으로 하였고, 2시간(07:00~09:00) 동안의 1초 단위 교통량 데이터를 이용하여 시뮬레이션을 수행하였다. 신호 주기를 ±15%인 102초~138초 범위에서 조정하여 교통혼잡 완화 효과를 분석하였으며, 시뮬레이션 결과 평균 지체시간이 약 19% 감소하고 통과율이 13%향상되었다.

최근 인공지능 알고리즘을 활용한 교통 신호 제어에 관한 관심 증대와 함께, 관련 모델구축 연구가 활발히 진행되고 있다. 그러나 대부분의 연구는 독립 교차로를 대상으로, 교통량 변화 에 연동되는 신호 주기 산정을 위한 이론 전개가 주를 이루고 있다. 본 연구에서는 신호제어 알고리즘 구축을 위한 실증 분석을 통해, 신호운영과 회전교차 방식의 실제 교차로를 대상으 로 분석을 진행하였다. 기존 연구에서 많이 활용되는 GA와 PSO 알고리즘을 개선한 PSO-BFO 알고리즘을 제시하여 두 교차로의 운영 효과 증진을 위한 신호제어 방안을 강구 하였다. 그 결과, 158초의 신호 주기하에 신호 교차로의 경우, 용량 증대 3.4%, 지체도 및 정지횟수 감소는 각각 8.2%, 8.3%의 효과가 발생하고, 회전교차로에서는 용량증대 9.2%, 지체도 및 정지횟수 감 소가 각각 7.1%, 27.2%에 이르는 효과가 발생하는 것으로 나타났다.

Recently, research on traffic signal control using artificial intelligence algorithms has been receiving attention, and many traffic signal control models are being studied. However, most studies either focused on independent intersections or are theoretical studies that calculate signal cycle length according to changes in traffic volume. Therefore, this study was conducted on a signalized intersection – roundabout in Gajwa-ro. The Particle Swarm Optimization – Bacterial Foraging Optimization (PSO-BFO) algorithm was proposed, which is developed from the GA and PSO algorithms for minimizing congestion at two intersections. As a result, optimum cycle length was determined to be 158 seconds. The Verkehr In Stadten – SIMulationsmodell (VISSIM) results showed that there was 3.4% increased capacity, 8.2% reduced delay and 8.3% reduced number of stops at the Gajwa-ro signalized intersection. Additionally, at the roundabout, a 9.2% increase in capacity, a 7.1% reduction in delay, and a 27.2% decrease in the number of stops was observed.

본 연구는 도로교통량통계연보에서 제시하고 있는 고속도로 교통량을 보정하기 위해 측 정오차를 최소화하면서 TCS 교통량과 교통량 균형을 만족시키는 최적화 모형을 개발하였다. 이를 위해 본 연구에서 구축한 모형을 실제교통량과 비교･검증하였다. 모형 검증 결과, 교통 량 균형에 만족하도록 측정교통량을 보정할 경우, 보정교통량은 측정교통량에 비해 실제교 통량과의 차이가 적은 것으로 나타났다. 경부고속도로 40개 구간에 적용 결과, 전체 구간에 대한 측정교통량은 –8.1%~9.6% 보정되었으며, 보정된 교통량만큼 측정오차가 감소하는 것 으로 나타났다. 본 연구는 고속도로의 규모와 역할이 증대되고 있는 가운데 고속도로 측정교 통량의 정확성을 향상시켰다는 점에서 의미가 있다.

This study developed the optimization method to correct the measured traffic volume of the expressway that minimizes the measurement error and satisfies the traffic balancing with TCS. For this purpose, the model constructed in this study was compared and verified with the true traffic volume. Verification result of the model, it was found that the measurement error is reduced when the measured traffic volume is corrected for the traffic volume balance. As a result of applying it to 40 links of the Kyoungbu expressway, the measured traffic volume was corrected by -8.1%~9.6% and the measurement error was decreased as much as the corrected traffic volume. This research is meaningful in improving the accuracy of the measured traffic volume of the expressway, while the scale and role of the expressway are increasing.

자율주행차는 차량 영상 센서를 이용해 다양한 교통신호등을 인식해야 한다. 교통신호등은 보행자, 버스, 차량용 신호 표시를 표출하고 있어 도로 환경에서의 시각적 이미지 데이터를 다 양하게 만들 수 있다. 본 논문에서는 14종의 교통신호등 표시를 갖는 26,864장의 원천 데이터 셋을 사용했고, 원천 데이터는 도로를 주행하는 상황의 운전자 시선 관점에서 교통신호등과 배경을 포함한 FHD 데이터이다. 원천 데이터셋은 14종의 클래스 유형을 가지며 도로 주행 환 경에서 다양한 배경과 인스턴스를 포함한다. 원천 데이터셋은 클래스별 데이터 편향성을 포함 하고 있으므로 본 연구에서는 데이터 불균형성을 분석하고, 데이터를 최적으로 증강한 후 원 천 데이터와 증강 데이터의 교통신호등 인식 성능을 비교했다. 이때 실험에 사용한 학습 모델 은 YOLOv11이고, 데이터 증강 데이터로 학습한 교통신호등 인식 모델의 성능은 원천 데이터 셋 보다 향상된 0.973의 결과를 얻었다. 본 논문에서는 교통신호등 인식 성능 향상을 위해 데이 터 불균형 분석과 데이터 증강 최적화 방법을 제안하였다.

Autonomous vehicles rely on onboard vision sensors to recognize various traffic signals for pedestrians, buses, and vehicles, contributing to diverse visual data in road environments. This study utilizes a dataset of 26,864 images containing 14 types of traffic signal displays. The raw dataset consists of Full HD images captured from a driver’s perspective, including both traffic signals and background elements in real driving scenarios. Since the dataset exhibits class imbalance, this study analyzes the imbalance, applies optimal data augmentation techniques, and compares traffic signal recognition performance between the raw and augmentated datasets. The YOLOv11 model was used for training, and the model trained with augmented data achieved an improved recognition performance of 0.973. This study proposes data imbalance analysis and optimized data augmentation methods to enhance traffic signal recognition performance.

자율주행시대에 맞춰 다양한 연구에서 미시교통시뮬레이션(VISSIM)을 활용하여 자율주행 차 도입시 교통류 안전성 분석을 수행중이다. 그러나, 일반자동차의 주행행태를 VISSIM 내 파 라미터로 반영하여 혼재시의 교통류 안전성을 분석한 연구는 미비하였다. 따라서 본 연구에서 는 실제 주행행태와 유사한 주행행태를 구현하기 위하여 일반자동차의 VISSIM 입력변수를 유 전알고리즘을 통해 최적화 한 후, 자율주행차 도입률에 따른 교통류 안전성 분석을 수행하는 것을 목적으로 한다. US I-101 고속도로의 640m 구간을 대상으로 후행차량이 일반자동차인 경 우에 대해서 상충횟수 분석을 수행한 결과, 전체 상충횟수는 자율주행차 도입률 20%까지 증가 하였으며 20%를 초과한 이후부터는 지속적으로 감소하였다. 일반자동차와 자율주행차 사이의 상충횟수는 자율주행차 도입률 60%까지 증가하는 것으로 분석되었다. 그러나, 자율주행차의 주행행태를 기존 문헌결과를 바탕으로 하여 실제 주행행태를 표현하지 못했다는 한계가 존재 한다. 그러므로 보다 정확한 분석을 위해 향후 연구에서는 자율주행차의 실제 주행행태를 반 영하여 연구를 수행할 필요가 있다.

Various studies have been conducted using microtraffic simulation (VISSIM) to analyze the safety of traffic flow when introducing autonomous vehicles. However, no studies have analyzed traffic safety in mixed traffic while considering the driving behavior of general vehicles as a parameter in VISSIM. Therefore, the aim of this study was to optimize the input variables of VISSIM for non-autonomous vehicles through genetic algorithms to obtain realistic behavior. A traffic safety analysis was then performed according to the penetration rate of autonomous vehicles. In a 640 meter section of US highway I-101, the number of conflicts was analyzed when the trailing vehicle was a non-autonomous vehicle. The total number of conflicts increased until the proportion of autonomous vehicles exceeded 20%, and the number of conflicts decreased continuously after exceeding 20%. The number of conflicts between non-autonomous vehicles and autonomous vehicles increased with proportions of autonomous vehicles of up to 60%. However, there was a limitation in that the driving behavior of autonomous vehicles was based on the results of the literature and did not represent actual driving behavior. Therefore, for a more accurate analysis, future studies should reflect the actual driving behavior of autonomous vehicles.