http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 구자운(Jaun Gu) (검색결과 1 건)
- 무료
- 기관 내 무료
- 유료
-
구자운(Jaun Gu),이민혁(Minhyuck Lee),전철민(Chulmin Jun) 대한공간정보학회 2021 한국공간정보학회 학술대회 Vol.2021 No.11
도시권의 교통체증은 교통시스템에서 관리할 수 있는 교통량 한계를 넘어서서 불가피한 혼잡을 초래하고 있다. 교통신호 제어는 교통시스템에서 필수적인 요소로 차량들의 지체, 정지 횟수 등을 최소화할 수 있는 신호제어변수를 결정하는 것을 목적으로 한다. 일부 국내 도로망에는 ATSCS(Advanced Traffic Signal Control Systems), COSMOS(Cycle, Offset, Split MOdel for Seoul) 등의 교통공학 이론 기반의 신호제어시스템이 적용되어있다. 언급한 신호제어시스템들은 교통량에 따라 실시간으로 신호를 제어하여 교통흐름을 최적화한다. 그러나 데이터 수집이 어렵고, 높은 연산복잡도로 인해 대규모 네트워크에는 적용하기 어려운 한계가 존재한다. 최근에는 인공지능 분야 중 딥러닝 기법이 발전함에 따라 교통신호 제어를 위한 강화학습 기반의 연구들이 다수 수행되고 있다. 기존의 교통신호 제어방식은 복잡한 현실의 교통흐름을 몇 가지 가정을 통해 단순화한 모형을 이용하여 최적화에 접근하기 때문에, 대도시권의 도로망에서는 유의한 성능을 발휘하기 어렵다. 자율주행 시스템을 위한 인프라 구축의 일환으로 V2X(Vehicle to Everything communication) 통신기술이 발달하면서, 실시간 교통상황에 대한 데이터 취득이 용이해지는 환경이 조성되고 있다. 다양한 교통환경에 빠르게 대응하기 위해서는 신호제어시스템이 중앙컴퓨터의 지시를 기다리지 않고 스스로 행동을 결정해야 하므로, 제어기가 스스로 주변의 교통량, 차속 등 실시간 데이터를 입력받아, 주어진 상황에 알맞은 신호로 변경할 수 있도록 하는 딥러닝 모형이 필요하다. 다만, 대부분의 관련 연구에서는 수학적인 최적화에만 초점을 맞추어 현실 적용이 어려운 한계가 존재한다. 이에 본 연구에서는 딥러닝 기반의 신호제어 모형을 제안한다. 실시간으로 전달받는 데이터를 이용하여 각 신호의 녹색시간이 동적으로 결정되는 모형으로 일반 운전자의 주행특성을 고려하여, 일정한 신호 순서를 유지하면서, 최소 녹색시간을 부여하여, 한 주기에 모든 신호가 1번은 켜지도록 제약조건을 모형에 적용하였다. 모형의 학습환경은 딥러닝 라이브러리인 텐서플로우와 오픈소스 기반의 미시적 교통시뮬레이터인 SUMO(Simulation of Urban MObility)을 연동하여 구성하였다. 제약 조건을 적용한 모형(제안 모형)의 성능을 평가하기 위해 제약 조건을 고려하지 않은 딥러닝 기반 모형(비교 모형)과 고정형 신호모형(일반 신호체계)을 시뮬레이션을 통해 함께 비교하였다. 경기도 이천시의 경충대로 일부의 연속된 6개 교차로에 대한 관측 교통량 기반의 신호제어 시뮬레이션을 진행하였다. 모형의 성능은 시간대별로 차량당 평균 지체와 평균 정지 횟수로 평가하였다. 퇴근 시간대인 18~19시에는 비교 모형이 가장 높은 성능을 보인 반면, 밤 시간대인 20~21시에는 제안 모형이 가장 높은 성능을 보였다. 교통상황에 따라 모형의 성능은 달라지며, 비교 모형과 제안 모형의 성능은 큰 차이가 없는 것을 알 수 있다. 따라서 인공지능이 주행하는 자율주행환경에서는 수학적 최적화에 초점을 맞춘 비교 모형이 적절할 수 있으나, 인간이 주행하는 혹은 과도기 환경에서는 혼란을 최소화할 수 있는 본 모형이 더욱 적절할 것으로 판단된다.
연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
