| 1 |
1
교통상태 예측 시스템의 동작 방법에 있어서:타겟 지점, 상류 지점, 하류 지점, 진입 연결로, 및 진출 연결로의 측정 장비로부터 교통정보를 수신하는 단계; 및상기 교통정보로부터 설정된 베이지안 네트워크를 이용하여 미래 교통상태를 예측하는 단계를 포함하고,상기 미래 교통상태를 예측하는 단계는, 수집된 교통정보의 연속형 변수와 상기 교통정보에 의해 관측된 교통상태의 이산형 변수를 입력 변수로 하여 베이지안 네트워크 구조를 설정하는 단계와, 학습 데이터를 기반으로 베이지안 네트워크 모수를 학습하는 단계와, 상기 설정된 베이지안 네트워크 구조 및 상기 베이지안 네트워크 모수를 분석 지표를 이용하여 분석하는 단계를 더 포함하고,상기 연속형 변수와 상기 이산형 변수 사이 및 이산형 변수들 사이의 조건부 확률 관계가 성립되고, 상기 분석 지표는, 시공간적 교통상태가 미래 교통상태 예측에 미치는 영향을 평가하는 CoC(Cost-of-Omission), 입력변수에 의해 미래 교통상태가 얼마나 변화할 수 있는 지 그 범위를 평가하는 MMB(Minimum and Maximum Beliefs) 혹은 입력변수의 변화가 미래 교통상태 예측에 미치는 영향을 평가하는 NL(Normalized Likelihood) 분석 지표를 포함하는 것을 특징으로 하는 방법
|
| 2 |
2
제 1 항에 있어서,상기 측정 장비는 일정 시간을 기준으로 교통량, 속도 및 점유율을 갖는 상기 교통정보를 측정하는 지점 검지기를 포함하는 방법
|
| 3 |
3
제 1 항에 있어서,상기 측정 장비는 일정 시간을 기준으로 구간 통행 속도, 통행시간 및 통과 교통량을 갖는 상기 교통정보를 측정하는 구간 검지기를 포함하는 방법
|
| 4 |
4
제 1 항에 있어서,상기 측정 장비는 링크 통행 시간 및 통행 속도를 갖는 상기 교통정보를 측정하는 차량 내의 GPS 장치를 포함하는 방법
|
| 5 |
5
삭제
|
| 6 |
6
제 1 항에 있어서,상기 미래 교통상태를 예측하는 단계는,상기 설정된 베이지안 네트워크 구조를 검증하는 단계를 더 포함하는 방법
|
| 7 |
7
삭제
|
| 8 |
8
삭제
|
| 9 |
9
제 1 항에 있어서,상기 미래 교통상태를 예측하는 단계는,상기 분석 지표를 이용하여 분석한 결과로써 상기 베이지안 네트워크의 개선 방향을 도출할 경우, 상기 베이지안 네트워크 구조 혹은 모수를 변경하는 단계를 더 포함하는 방법
|
| 10 |
10
삭제
|
| 11 |
11
제 1 항에 있어서,상기 이산형 변수들 사이의 조건부 확률은 조건부 확률 표 형태로 구성되고,상기 연속형 변수와 상기 이산형 변수는 MoGs(Mixture of Gaussians) 분포를 이용하여 모형화되는 방법
|
| 12 |
12
베이지안 네트워크 기반의 교통상태 예측 시스템에 있어서:복수의 측정 장비로부터 교통정보를 수신하는 교통정보 입력부; 및상기 교통정보의 연속형 변수와 상기 교통정보에 의해 관측된 교통상태의 이산형 변수를 입력 변수로 하여 베이지안 네트워크 구조를 설정하고, 학습 데이터를 기반으로 베이지안 네트워크 모수를 학습하고, 상기 베이지안 네트워크 구조 및 상기 베이지안 네트워크 모수를 이용하여 미래 교통상태를 확률적으로 예측하는 교통상태 예측부를 포함하고,상기 교통상태 예측부는, 상기 설정된 베이지안 네트워크 구조 및 상기 베이지안 네트워크 모수를 분석 지표를 이용하여 분석하고,상기 분석 지표는, 시공간적 교통상태가 미래 교통상태 예측에 미치는 영향을 평가하는 CoC(Cost-of-Omission), 입력변수에 의해 미래 교통상태가 얼마나 변화할 수 있는 지 그 범위를 평가하는 MMB(Minimum and Maximum Beliefs) 혹은 입력변수의 변화가 미래 교통상태 예측에 미치는 영향을 평가하는 NL(Normalized Likelihood) 분석 지표를 포함하는 것을 특징으로 하는 교통상태 예측 시스템
|
