1 |
1
교통혼잡 예측을 위한 복합데이터를 생성하는 복합데이터 입력부,상기 복합데이터는 대기 정보, 지역 정보, 및 시간 정보에 기반한 시공간 이미지 데이터임; 및상기 복합데이터를 사용하여 교통혼잡을 예측하는 교통흐름 예측부를 포함하고,상기 교통흐름 예측부는 상기 복합데이터의 상기 이미지 데이터에 대해 레이블링하는 이미지 레이블링 제어부, 및상기 레이블링된 이미지에 CNN(Convolution Neutral Network)을 적용하는 이미지 CNN 학습부를 포함하는,교통신호 제어 장치
|
2 |
2
제 1항에 있어서,상기 대기 정보는 미세먼지 또는 대기 오염에 관련되고,상기 지역 정보는 도로의 차선 또는 도로 환경에 관련되고,상기 시간 정보는 하루 시간을 구분하는 시간대를 나타내는,교통신호 제어 장치
|
3 |
3
제 1 항에 있어서,상기 이미지 CNN 학습부는 2차원 시공간화에 기반한 이미지 변화 기술을 적용하는,교통신호 제어 장치
|
4 |
4
제 1항에 있어서,상기 교통흐름 예측부는상기 레이블링 및 CNN이 적용된 이미지에 LSTM을 적용하는 CNN-LSTM(Long-Short Term Memory) 제어부를 더 포함하고,상기 CNN-LSTM 제어부는, GPS 기반의 교통데이터를 수신하여 상기 복합데이터에 대한 대상구간을 2차원 시공간으로 그리드(Grid)화하여 2차원 시공간 이미지로 변환하는,교통신호 제어 장치
|
5 |
5
제 4항에 있어서,상기 CNN-LSTM 제어부는 상기 변환된 2차원 시공간 이미지를 딥러닝 기반 장단기메모리 LSTM (Long-Short Term Memory) 방식에 의해 처리하는,교통신호 제어 장치
|
6 |
6
제 1항에 있어서,상기 레이블링 및 CNN이 적용된 이미지를 통해 획득된 혼잡지수 데이터를 이용하여 교통신호를 제어하는 신호제어부를 더 포함하는, 교통신호 제어 장치
|
7 |
7
교통혼잡 예측을 위한 복합데이터를 생성하는 복합데이터 생성단계,상기 복합데이터는 대기 정보, 지역 정보, 및 시간 정보에 기반한 시공간 이미지 데이터임; 및상기 복합데이터를 사용하여 교통혼잡을 예측하는 교통흐름 예측 단계를 포함하고,상기 교통흐름 예측 단계는 상기 복합데이터의 상기 이미지 데이터에 대해 레이블링하는 이미지 레이블링 단계,상기 레이블링된 이미지에 CNN을 적용하는 이미지 CNN 단계를 포함하는,교통신호 제어 방법
|
8 |
8
제 7항에 있어서,상기 대기 정보는 미세먼지 또는 대기 오염에 관련되고,상기 지역 정보는 도로의 차선 또는 도로 환경에 관련되고,상기 시간 정보는 하루 시간을 구분하는 시간대를 나타내는,교통신호 제어 방법
|
9 |
9
제 7 항에 있어서,상기 이미지 CNN 단계는 2차원 시공간화에 기반한 이미지 변화 기술을 적용하는,교통신호 제어 방법
|
10 |
10
제 7항에 있어서,상기 교통흐름 예측 단계는상기 레이블링 및 CNN이 적용된 이미지에 LSTM을 적용하는 CNN-LSTM 단계를 더 포함하고,상기 CNN-LSTM 단계는, GPS 기반의 교통데이터를 수신하여 상기 복합데이터에 대한 대상구간을 2차원 시공간으로 그리드(Grid)화하여 2차원 시공간 이미지로 변환하는,교통신호 제어 방법
|
11 |
11
제 10항에 있어서,상기 CNN-LSTM 단계는 상기 변환된 2차원 시공간 이미지를 딥러닝 기반 장단기메모리 LSTM (Long-Short Term Memory) 방식에 의해 처리하는,교통신호 제어 방법
|
12 |
12
제 7항에 있어서,상기 레이블링 및 CNN이 적용된 이미지를 통해 획득된 혼잡지수 데이터를 이용하여 교통신호를 제어하는 신호제어 단계를 더 포함하는,교통신호 제어 방법
|
13 |
13
삭제
|