1 |
1
도로 상 설치된 복수의 센서를 통해 수집되는 상기 도로를 통행하는 차량과 관련된 교통 데이터를 수신하고, 상기 교통 데이터를 기설정된 길이의 시간 정보와 공간 정보로 구성되는 매트릭스 데이터로 가공하는 데이터 전처리부와,상기 매트릭스 데이터 중 상기 도로 상 광역구역으로 구분된 복수의 제1 도로 구간에 대응되는 시간에 따른 매트릭스 데이터를 추출하여 제1 매트릭스 데이터 조합을 생성하는 광역구역 매칭부와,각 제1 도로 구간상 단위구역으로 구분된 복수의 제2 도로 구간에 대응되는 시간에 따른 매트릭스 데이터를 추출하여 제2 매트릭스 데이터 조합을 생성하는 단위구역 매칭부와,상기 제1 매트릭스 데이터 조합에 포함된 매트릭스 데이터를 이용하여 광역구역별 교통 상황 예측 정보를 산출하고, 상기 제2 매트릭스 데이터 조합에 포함된 매트릭스 데이터를 이용하여 단위구역별 교통 상황 예측 정보를 산출하는 교통 상황 예측부를 포함하며,상기 광역구역 매칭부는,상기 제1 도로 구간에 대응되는 매트릭스 데이터를 추출하고, 추출된 매트릭스 데이터간 패턴 매칭을 통해 제1 유사도를 산출하며, 상기 제1 유사도가 기설정된 기준값 이상인 매트릭스 데이터를 선택하여 상기 제1 매트릭스 데이터 조합을 생성하고,상기 단위구역 매칭부는,상기 제1 매트릭스 데이터 조합에 포함된 매트릭스 데이터 중 상기 제2 도로 구간에 대응되는 매트릭스 데이터를 추출하고, 추출된 매트릭스 데이터간 패턴 매칭을 통해 제2 유사도를 산출하며, 상기 제2 유사도가 상기 기준값 이상인 매트릭스 데이터를 선택하여 상기 제2 매트릭스 데이터 조합을 생성하는 것을 특징으로 하는 교통 상황 예측 서버
|
2 |
2
삭제
|
3 |
3
삭제
|
4 |
4
제 1 항에 있어서,상기 교통 상황 예측부는,상기 제1 매트릭스 데이터 조합 중 소정시간 단위별로 매트릭스 데이터를 추출하고, 추출된 상기 소정시간 단위별 매트릭스 데이터와 가장 최근의 소정기간 단위의 매트릭스 데이터간 패턴 매칭을 통해 유사도를 산출하며, 상기 유사도에 기초하여 상기 복수의 제1 구간에 대응되는 시간에 따른 매트릭스 데이터를 예측하고, 상기 예측된 매트릭스 데이터를 기반으로 상기 광역구역별 교통 상황 예측 정보를 산출하는 것을 특징으로 하는 교통 상황 예측 서버
|
5 |
5
제 1 항에 있어서,상기 교통 상황 예측부는,상기 제2 매트릭스 데이터 조합 중 소정시간 단위별로 매트릭스 데이터를 추출하고, 추출된 상기 소정시간 단위별 매트릭스 데이터와 가장 최근의 소정기간 단위의 매트릭스 데이터간 패턴 매칭을 통해 유사도를 산출하며, 상기 유사도에 기초하여 상기 복수의 제2 구간에 대응되는 시간에 따른 매트릭스 데이터를 예측하고, 상기 예측된 매트릭스 데이터를 기반으로 상기 단위구역별 교통 상황 예측 정보를 산출하는 것을 특징으로 하는 교통 상황 예측 서버
|
6 |
6
제 1 항에 있어서,상기 데이터 전처리부는,각 센서에서 상기 교통 데이터가 측정된 시각을 상기 시간 정보로 생성하고, 상기 도로상 설치된 기설정된 수의 센서의 식별번호를 상기 공간 정보로 생성하여 상기 매트릭스 데이터로 가공하는 것을 특징으로 하는 교통 상황 예측 서버
|
7 |
7
제 1 항에 있어서,상기 데이터 전처리부는,매트릭스 데이터별 데이터 손실율을 산출하고, 상기 도로 상 데이터가 손실된 구간에 대해서는 DSRC와 VDS로부터 생성된 교통 데이터를 융합하여 보정을 수행하는 것을 특징으로 하는 교통 상황 예측 서버
|
8 |
8
제 7 항에 있어서,상기 광역구역 매칭부는,상기 제1 도로 구간에 대응되는 매트릭스 데이터 중 상기 데이터 손실율이 기설정된 기준값 이하인 매트릭스 데이터를 유효한 데이터로 선택하여 상기 제1 유사도를 산출하는 것을 특징으로 하는 교통 상황 예측 서버
|
9 |
9
제 1 항에 있어서,상기 서버는,상기 도로 상 사고를 포함하는 돌발 상황 발생 시 상기 돌발 상황 발생으로 인해 증가되는 통행 시간 정보를 산출하는 시뮬레이션부를 더 포함하는 것을 특징으로 하는 교통 상황 예측 서버
|
10 |
10
제 9 항에 있어서,상기 교통 상황 예측부는,상기 돌발 상황 발생에 따라 증가된 도로 구간별 통행 시간 정보를 반영하여 상기 광역구역별 또는 단위구역별 교통 상황 예측 정보를 산출하는 것을 특징으로 하는 교통 상황 예측 서버
|
11 |
11
도로상 설치된 복수의 센서를 통해 수집되는 상기 도로를 통행하는 차량과 관련된 교통 데이터를 수신하는 단계와,상기 교통 데이터를 기설정된 길이의 시간 정보와 공간 정보로 구성되는 매트릭스 데이터로 가공하는 단계와,상기 매트릭스 데이터 중 도로상 광역구역으로 구분된 복수의 제1 도로 구간에 대응되는 매트릭스 데이터를 추출하여 제1 매트릭스 데이터 조합을 생성하는 단계와,각 제1 도로 구간상 단위구역으로 구분된 복수의 제2 도로 구간에 대응되는 매트릭스 데이터를 추출하여 제2 매트릭스 데이터 조합을 생성하는 단계와,상기 제1 매트릭스 데이터 조합에 포함된 매트릭스 데이터를 이용하여 광역구역별 교통 상황 예측 정보를 산출하는 단계와,제2 매트릭스 데이터 조합에 포함된 매트릭스 데이터를 이용하여 단위구역별 교통 상황 예측 정보를 산출하는 단계를 포함하며,상기 제1 매트릭스 데이터 조합을 생성하는 단계는,상기 매트릭스 데이터 중 상기 도로상 광역구역으로 구분된 제1 도로 구간에 대응되는 매트릭스 데이터를 추출하는 단계와,상기 추출된 매트릭스 데이터간 패턴 매칭을 통해 제1 유사도를 산출하는 단계와,상기 제1 유사도가 기설정된 기준값 이상인 매트릭스 데이터를 선택하여 상기 제1 매트릭스 데이터 조합을 생성하는 단계를 포함하고,상기 제2 매트릭스 데이터 조합을 생성하는 단계는,상기 제1 매트릭스 데이터 조합에 포함된 매트릭스 데이터 중 상기 제2 도로 구간에 대응되는 매트릭스 데이터를 추출하는 단계와,상기 추출된 매트릭스 데이터간 패턴 매칭을 통해 제2 유사도를 산출하는 단계와,상기 제2 유사도가 상기 기준값 이상인 매트릭스 데이터를 선택하여 제2 매트릭스 데이터 조합을 생성하는 단계를 포함하는 것을 특징으로 하는 교통 상황 예측 방법
|
12 |
12
삭제
|
13 |
13
삭제
|
14 |
14
제 11 항에 있어서,상기 광역 구역별 교통 상황 예측 정보를 산출하는 단계는,상기 제1 매트릭스 데이터 조합 중 소정시간 단위별로 매트릭스 데이터를 추출하는 단계와,상기 추출된 상기 소정시간 단위별 매트릭스 데이터와 가장 최근의 소정기간 단위의 매트릭스 데이터간 패턴 매칭을 통해 유사도를 산출하는 단계와,상기 유사도에 기초하여 상기 복수의 제1 구간에 대응되는 시간에 따른 매트릭스 데이터를 예측하는 단계와,상기 예측된 매트릭스 데이터를 기반으로 상기 광역구역별 교통 상황 예측 정보를 산출하는 단계를 포함하는 것을 특징으로 하는 교통 상황 예측 방법
|
15 |
15
제 11 항에 있어서,상기 단위 구역별 교통 상황 예측 정보를 산출하는 단계는,상기 제2 매트릭스 데이터 조합 중 소정시간 단위별로 매트릭스 데이터를 추출하는 단계와,상기 추출된 상기 소정시간 단위별 매트릭스 데이터와 가장 최근의 소정기간 단위의 매트릭스 데이터간 패턴 매칭을 통해 유사도를 산출하는 단계와,상기 유사도에 기초하여 상기 복수의 제2 구간에 대응되는 시간에 따른 매트릭스 데이터를 예측하는 단계와,상기 예측된 매트릭스 데이터를 기반으로 상기 단위구역별 교통 상황 예측 정보를 산출하는 단계를 포함하는 것을 특징으로 하는 교통 상황 예측 방법
|
16 |
16
제 11 항에 있어서,상기 교통 상황 예측 정보를 산출하는 단계에서,상기 도로 상 돌발 상황 발생에 따라 증가된 도로 구간별 통행 시간 정보를 반영하여 상기 광역구역별 또는 단위구역별 교통 상황 예측 정보를 산출하는 것을 특징으로 하는 교통 상황 예측 방법
|
17 |
17
제 11 항에 있어서,상기 매트릭스 데이터는,각 센서에서 상기 교통 데이터가 측정된 시각이 상기 시간 정보로 구성되고, 상기 도로상 설치된 기설정된 수의 센서의 식별번호가 상기 공간 정보로 구성되는 것을 특징으로 하는 교통 상황 예측 방법
|
18 |
18
제 11 항에 있어서,상기 매트릭스 데이터는, 상기 도로 상 데이터가 손실된 구간에 대해서는 DSRC와 VDS로부터 생성된 교통 데이터가 융합되어 보정되는 것을 특징으로 하는 교통 상황 예측 방법
|