도심지 대규모 도로망에서 교통 밀도 분류를 위한 이미지 생성 기법

Abstract

교통흐름 분석 및 예측은 교통 분야에서 중요한 연구 분야 중 하나이다. 교통흐름의 분석 및 예측은 교통신호를 제어하고 교통혼잡의 최소화를 위한 교통 시스템 개발에 필요하다. 도심지의 교통량은 상황별 교통량 예측을 제공하기 위한 딥러닝 모델 학습에 필요한 이미지로 표현될 수 있다. 본 연구에서는 도심지의 대규모 도로망 측면에서 교통 밀도 분류를 위한 새로운 이미지 생성 방식을 제안한다. 차량의 교통량과 속도는 교통 정보 수집 장치를 사용하여 수집할 수 있다. 그러나 전체적인 도로 네트워크의 관점에서 시공간에 의존하는 밀도를 측정하는 것은 어렵다. 따라서 문제를 해결하기 위해 차량의 도착 및 출발 시간 정보에 기초한 이미지 생성 접근법을 제안한다. 11개의 연속된 교차로의 RSE(Road Side Equipment) 데이터를 기반으로 이미지를 생성하였으며 제안된 교통 밀도 분류의 접근 방식을 검증하기 위해 CNN(Convolutional Neural Network)을 사용하였다.