• 전체
  • 전자/전기
  • 통신
  • 컴퓨터
닫기

사이트맵

Loading..

Please wait....

국내 논문지

홈 홈 > 연구문헌 > 국내 논문지 > 한국정보과학회 논문지 > 정보과학회 컴퓨팅의 실제 논문지 (KIISE Transactions on Computing Practices)

정보과학회 컴퓨팅의 실제 논문지 (KIISE Transactions on Computing Practices)

Current Result Document : 17 / 17

한글제목(Korean Title) 과거 교통정체 패턴을 이용한 현재의 교통정체 변화 판별 알고리즘
영문제목(English Title) An Algorithm for Identifying the Change of the Current Traffic Congestion Using Historical Traffic Congestion Patterns
저자(Author) 이경민   홍봉희   정도성   이지완   Kyungmin Lee   Bonghee Hong   Doseong Jeong   Jiwan Lee  
원문수록처(Citation) VOL 21 NO. 01 PP. 0019 ~ 0028 (2015. 01)
한글내용
(Korean Abstract)
본 논문에서는 과거 교통정체 패턴을 이용하여 현재의 교통정체가 풀리는 정체인지 아니면 악화되는 정체인지를 판별하는 알고리즘을 제안한다. 과거 교통정체 패턴은 다중 포인터를 이용하여 정체구간들을 연결한 인접 리스트에 교통정체의 시간적 길이와 공간적 길이로 저장된다. 교통정체가 시작된 구간에 해당하는 헤드노드를 탐색하고 현재패턴과 가장 유사한 과거 교통정체 패턴을 이용하여 장래의 교통정체 변화정보를 제공한다. 실험을 통해 검증한 결과, 도로 구간 하나에 대한 정체 변화를 판별하였을 때 실제 값과 비교해서 평균적으로 15분 오차를 보였으며, 연속된 다수의 도로 구간들을 결합하여 비교적 긴구간의 정체 변화를 판별하였을 경우 평균적으로 10분 이내의 오차를 보이며 실제 값과 유사한 것을 보였다.
영문내용
(English Abstract)
In this paper, we proposed an algorithm for the identification of relieving or worsening current traffic congestion using historic traffic congestion patterns. Historical congestion patterns were placed in an adjacency list. The patterns were constructed to represent spatial and temporal length for status of a congested road. Then, we found information about historical traffic congestions that were similar to today’s traffic congestion and will use that information to show how to change traffic congestion in the future. The most similar pattern to current traffic status among the historical patterns corresponded to starting section of current traffic congestion. One of our experiment results had average error when we compared identified changes of the congestion for one of the sections in the congestion road by using our proposal and real traffic status. The average error was 15 minutes. Another result was for the long congestion road consisting of several sections. The average error for this result was within 10 minutes.
키워드(Keyword) 교통 빅 데이터   교통정체 패턴   패턴 비교   인접 리스트   traffic big data   congestion patterns   pattern matching   adjacency list  
파일첨부 PDF 다운로드