해상교통관제센터(VTS)의 관제사는 구역 내 교통 상황을 빠르고 정확하게 파악하여 관제가 필요한 선박에게 정보를 제공하는 역할을 수행한다. 그러나 교통량이 급격히 증가하는 경우 관제사의 업무 부하로 인해 관제 공백이 발생하기도 한다. 이러한 이유에서 관 제사의 업무 부하를 줄이고, 일관성 있는 관제 정보를 제공할 수 있는 관제 지원 기술의 개발이 필요한 실정이며, 본 논문에서는 구역 내 이상 운항 선박을 자동으로 식별하는 모델을 제안하였다. 제안하는 이상 운항 식별 모델은 규칙 기반 모델, 위치 기반 모델, 맥락 기반 모 델로 구성되며, 대상 해역의 교통 특성에 최적화된 교통 네트워크 모델을 사용하는 특징이 있다. 구현된 모델은 시범센터(대산항 VTS)에 서 수집되는 실해역 데이터를 적용하여 실험을 수행하였다. 실험을 통해 실해역의 다양한 이상 운항 상황이 자동으로 식별됨을 확인하였 고, 전문가 평가를 통해 식별 결과를 검증하였다.

PURPOSES : This study aims to develop and validate timing transition techniques for real-time traffic signal operations, departing from conventional methods based on past commuting traffic patterns. METHODS : In this study, we propose two traffic signal transition techniques that can perform transitions while minimizing disruptions within a short period. The Proposed 1 technique involves an unconditional transition within one cycle and allows for the allocation of offset changes to both the coordinated and non-coordinated phases. The Proposed 2 technique performs transitions within 1-2 cycles based on the offset change rate and considers the non-coordinated phase for allocating offset changes. RESULTS : Functional improvements of the proposed techniques were validated. For validation, simulated traffic signal transition scenarios were created, and a comparative analysis of the transition techniques was performed based on the selected analysis approaches. The results showed that the Proposed 1 technique exhibited the lowest delay during the approximated saturated transitions, whereas the Subtract technique showed the lowest delay during the non-saturated transitions. CONCLUSIONS : These findings emphasize the importance of selecting and applying appropriate transition techniques tailored to individual traffic scenarios. The proposed transition techniques provide valuable insights for improving real-time traffic signal operations, and contribute to the overall efficiency and effectiveness of traffic management in highway corridors.

기상불량으로 인해 발생하고 있는 해양사고 중 해무 발생에 따른 시계제한은 선박의 좌초, 선저 파손 등의 사고를 유발하는 것과 동시에 사고에 따른 인명피해를 동시에 수반하고 있으며 이는 매년 지속적으로 발생하고 있다. 또한 해상에서의 저시정은 지역간 국소적으로 차이가 존재하는 경우에도 일괄적으로 여객선에 대한 운항 지연 및 통제 조치를 하고 있어 섬주민들의 교통수단 이용에 상당 한 불편을 초래하는 등의 사회적 문제로 대두되고 있다. 더욱이 이와 같은 조치는 지역적 편차나 사람마다 관측의 판단 기준이 상이하여 이를 객관적으로 정량화하지 못하고 있어 더욱 문제가 심화되고 있는 실정이다. 현재 각 항만의 VTS에서는 시정거리가 1km 미만인 경우 선박의 운항을 통제하고 있으며, 이 경우 저시정에 따른 해무 가시거리를 시정계 혹은 육안에 의한 목측(目測)에 의존하고 있을 정도로 객관적인 데이터 수집을 통한 평가에 있어서는 한계가 있다. 정부에서는 이와 같은 해양교통안전 저해요소를 해결하기 위한 일환으로 해 무 탐지 및 예측을 위한 해양기상신호표지 및 해상안개관측망을 구축하여 운용하고 있으나, 국지적으로 발생하는 해무를 관측하기 위한 시스템은 매우 부족한 현실적 어려움에 놓여있다. 이에 따라 본 논문에서는 해상에서의 저시정으로 인해 발생하고 있는 여러 사회적 문 제를 해결하기 위한 국내․외 정책동향에 대해 살펴보고, 이와 관련한 일반국민 및 현장 이해관계자의 인식 정도를 조사․분석하여 해무 에 따른 해상교통안전을 확보하기 위한 정부지원(해무 탐지 및 예측 기술을 기반으로 한 해상교통운영 체계 개발 등)의 필요성에 대한 기 초자료를 제공하고자 한다. 또한 이는 궁극적으로 해무로 인해 발생할 수 있는 해상안전 위험요소를 사전에 차단함으로써 보다 안정된 해상교통운영체계를 마련하는데 그 목적을 두고 있다.

PURPOSES : In this study, model-agnostic methods are applied for interpreting machine learning models, such as the feature global effect, the importance of a feature, the joint effects of features, and explaining individual predictions. METHODS : Model-agnostic global interpretation techniques, such as partial dependence plot (PDP), accumulated local effect (ALE), feature interaction (H-statistics), and permutation feature importance, were applied to describe the average behavior of a machine learning model. Moreover, local model-agnostic interpretation methods, individual conditional expectation curves (ICE), local surrogate models (LIME), and Shapley values were used to explain individual predictions. RESULTS : As global interpretations, PDP and ALE-Plot demonstrated the relationship between a feature and the prediction of a machine learning model, where the feature interaction estimated whether one feature depended on the other feature, and the permutation feature importance measured the importance of a feature. For local interpretations, ICE exhibited how changing a feature changes the interested instance’s prediction, LIME explained the relationship between a feature and the instance’s prediction by replacing the machine model with a locally interpretable model, and Shapley values presented how to fairly contribute to the instance’s prediction among the features. CONCLUSIONS : Model-agnostic methods contribute to understanding the general relationship between features and a prediction or debut a model from the global and/or local perspective, securing the reliability of the learning model.

PURPOSES : The purpose of this study is to compare applicability, explanation power, and flexibility of traffic accident models between estimating model using the statistical method and the machine learning method. METHODS: In order to compare and analyze traffic accident models between model estimated using the statistical method and machine learning method, data acquisition was conducted, and traffic accident models were estimated using statistical methods such as negative binomial regression model, and machine learning methods such as a generalized regression neural network (GRNN). Then, the fitness of model as R2, root mean square error (RMSE), mean absolute percentage error (MAPE), accuracy, etc., were determined to compare the traffic accident models. RESULTS: The results showed that the annual average daily traffic (AADT), speed limits, number of lanes, land usage, exclusive right turn lanes, and front signals were significant for both traffic accident models. The GRNN model of total traffic accidents had been better statistical significant with R2: 0.829, RMSE: 2.495, MAPE: 32.158, and Accuracy: 66.761 compared with the negative binomial regression model with R2: 0.363, RMSE: 9.033, MAPE: 68.987, and Accuracy: 8.807. The GRNN model of injury traffic accidents also showed similar results of model’s statistical significance. CONCLUSIONS: Traffic accident models estimated with GRNN had better statistical significance compared with models estimated with statistical methods such as negative binomial regression model.

PURPOSES : The aim of this study was to compare the performance of the QUEENSOD method and the gravity model in estimating Origin-Destination (O/D) tables for a large-sized microscopic traffic simulation network. METHODS : In this study, an expressway network was simulated using the microscopic traffic simulation model, VISSIM. The gravity model and QUEENSOD method were used to estimate the O/D pairs between internal and between external zones. RESULTS: After obtaining estimations of the O/D table by using both the gravity model and the QUEENSOD method, the value of the root mean square error (RMSE) for O/D pairs between internal zones were compared. For the gravity model and the QUEENSOD method, the RMSE obtained were 386.0 and 241.2, respectively. The O/D tables estimated using both methods were then entered into the VISSIM networks and calibrated with measured travel time. The resulting estimated travel times were then compared. For the gravity model and the QUEENSOD method, the estimated travel times showed 1.16% and 0.45% deviation from the surveyed travel time, respectively. CONCLUSIONS : In building a large-sized microscopic traffic simulation network, an O/D matrix is essential in order to produce reliable analysis results. When link counts from diverse ITS facilities are available, the QUEENSOD method outperforms the gravity model.

본 연구는 기존의 회귀분석과는 달리 시계열 분석과 인공신경망 모형을 이용하여 장래 해상교통량을 예측하였다. 특히, 시계열 분석을 통한 예측값을 인공신경망 모형에 추가 입력변수로 적용하여 장래 해상교통량 예측을 제고하고자 하였다. 본 연구는 인천항의 1996년부터 2013년까지 월별 관측값을 대상으로 하였다. 모형의 예측력 검증을 위해 1996년부터 2012년까지 관측값을 대상으로 구축한 모형으로부터 2013년을 예측하여 실제 관측값과의 비교로 적합한 모형을 판별하였다. 인천항의 2015년 장래 해상교통량은 매월 평균 교통량보다 5월과 11월에 각 5.9 %, 4.5 % 많았으며, 1월과 8월은 매월 평균 교통량보다 각 8.6 %, 4.7 % 적은 것으로 예측되었다. 따라서 인천항은 계절에 따른 월별 교통량의 차이를 확인할 수 있다. 본 연구는 해상교통 현장관측 조사시 계절에 따른 교통량의 특성을 반영할 수 있는 기초 자료로 활용될 수 있다.

PURPOSES : This study is to investigate the relationship of socioeconomic characteristics and road network structure with traffic growth patterns. The findings is to be used to tweak traffic forecast provided by traditional four step process using relevant socioeconomic and road network data. METHODS: Comprehensive statistical analysis is used to identify key explanatory variables using historical observations on traffic forecast, actual traffic counts and surrounding environments. Based on statistical results, a multiple regression model is developed to predict the effects of socioeconomic and road network attributes on traffic growth patterns. The validation of the proposed model is also performed using a different set of historical data. RESULTS : The statistical analysis results indicate that several socioeconomic characteristics and road network structure cleary affect the tendency of over- and under-estimation of road traffics. Among them, land use is a key factor which is revealed by a factor that traffic forecast for urban road tends to be under-estimated while rural road traffic prediction is generally over-estimated. The model application suggests that tweaking the traffic forecast using the proposed model can reduce the discrepancies between the predicted and actual traffic counts from 30.4% to 21.9%. CONCLUSIONS : Prediction of road traffic growth patterns based on surrounding socioeconomic and road network attributes can help develop the optimal strategy of road construction plan by enhancing reliability of traffic forecast as well as tendency of traffic growth.

본 연구는 신호교차로 교통사고예측모형 구축 과정 중 일반적으로 제한된 변수의 선정 및 모형의 구축에만 주로 초점이 맞추어진 기존 방법론의 문제점을 개선하고, 자료조사 및 수집 과정에서 발생하는 자료의 불확실한 상태를 인정하면서 자료의 불확실성을 최소화하여 이용할 수 있는 방법론을 개발하는데 연구의 주안점을 두었다. 퍼지추론이론과 신경망이론을 이용한 모형을 구축하였고, 마지막으로 구축된 퍼지추론이론 모형 및 신경망이론 모형과 기존 회귀모형인 포아송 회귀모형간의 통계적인 검증과 실제 Data를 이용한 모형의 적정성을 검토하였다. 모형의 통계적인 검증시 기존모형에 비해 퍼지추론모형과 신경망이론모형이 더 설명력이 높은 것으로 나타났고, 검증에서도 퍼지추론이론과 신경망이론이 적절한 것으로 나타났으며 기존모형보다 사고건수를 예측하는 설명력이 높은 것으로 입증되었다. 본 연구에서 개발된 모형은 계획 및 운영단계에서 신호교차로의 안전성을 측정하는데 활용될 수 있으며, 궁극적으로는 신호교차로에서 교통사고를 줄이는데 기여할 수 있을 것으로 판단된다.

  The BMAP/M/N/0 queueing system operating in Markovian random environment is investigated. The stationary distribution of the system is derived. Loss probability and other performance measures of the system also are calculated. Numerical experiments whic

본 논문에서는 통신망의 트래픽 제어를 위한 무한버퍼, 단일 서버와 배치도착과정을 갖는 대기행렬 모형을 고려하였다. 또한 고객 도착 형태와 서비스의 분포는 지수분포를 배치 흐름은 포아송 정상과정 및 배치크기는 기하분포를 따른다고 가정하였다. 서비스를 받기 위해 시스템으로 들어오는 배치의 크기는 시스템의 상태에 따라서 트래픽 제어가 가능하다. 이와 같은 조건에서 시스템에 있는 고객의 수와 배치크기에 대한 결합 확률분포를 분석하였고, 행렬기법을 적용하여 시스

In this paper, we propose traffic management support and evaluate the performance through simulation. We suggest traffic management routing protocol that can guarantee reliance according to not only reduction of the Network traffic congestion but also distribution of the network load that prevents data transmission. For performance evaluation, we analyzed the average data reception rate and network load, considering the node mobility. We found that in the mobile Ad Hoc networks, the traffic management service increased the average data reception rate and reduced the network traffic congestion and network load in Mobile Ad Hoc Networks.

컨테이너항만의 물동량 예측은 항만의 개발 및 운영계획을 위해 매우 중요한 과정이다. 일반적으로 회귀분석, ARIMA모형 등의 통계적 방법론을 통해 많은 예측이 이뤄져왔다. 최근의 연구에서는 인공 신경망(ANN)기법을 통한 예측이 이뤄지고 있으며 기존의 선형적인 기법을 대신하고 있다. 본 연구에서는 선형모형과 비선형모형에 강점이 있는 ARIMA모형과 신경망모형을 결합해 보다 효과적인 예측 모형을 개발하고자 한다. 실제 항만의 과거 자료를 통해 모델의 적합성을 측정하였고 항만의 특성에 따라 모형의 적합성이 다양하게 나타났다.