차량센서 기반 교통상태 관측을 위한 통합 시뮬레이션 플랫폼에 관한 연구
Copyright ⓒ 2020 The Digital Contents Society
This is an Open Access article distributed under the terms of the Creative Commons Attribution Non-CommercialLicense(http://creativecommons.org/licenses/by-nc/3.0/) which permits unrestricted non-commercial use, distribution, and reproduction in any medium, provided the original work is properly cited.
초록
차량센서를 장착한 프로브 차량은 도로 상에서 일어나는 실시간 교통상태를 관측하고 이를 디지털화하여 수집 및 저장한다. 이러한 교통상태 관측 기술은 다양한 센서와 도로 주행 환경을 고려하여 개발되어야 하는데, 이를 위해서는 시제품 개발 전에 그 효과를 사전에 검토할 수 있는 시뮬레이션 플랫폼이 필요하다. 이에 본 연구에서는 차량센서 기반 교통상태 관측을 위한 기술적 요구 분석을 통해 통합 시뮬레이션 플랫폼 아키텍처를 제안하였다. 아키텍처는 차량 시뮬레이션 모형을 기반으로 ITS-Station 모듈, 좌표변환과 위치참조를 포함하는 유틸리티 모듈, 통신 모듈, 그리고 센터 모듈로 구성되며, 모듈 간 연계는 API와 통신 기능을 통해 구현된다. 제안된 아키텍처의 성능 검증을 위해 실제 시제품을 구현하고 테스트를 수행하였다.
Abstract
Probe vehicles equipped with automotive sensors observe and collect traffic conditions on the road on a real-time basis. These traffic condition observation technology should be developed with consideration of various kinds of sensors and dynamic road driving environment, and thus it is required to develop a simulation platform where the effective analysis can be done before developing a prototype. To this end, we proposed an integrated simulation platform architecture for traffic state observation using automotive sensors. The architecture is based on a traffic simulation model which works with an ITS-Station module, a utility module with coordinate conversion and location referencing method, a communication module and a central ITS-Station module, and API functions together with communication technology provides the information sharing capability. A test with real-world data was conducted to demonstrate the performance of the proposed architecture.
Keywords:
Traffic state, Automotive sensor, Simulation platform, Traffic simulation키워드:
교통상태, 차량센서, 시뮬레이션 플랫폼, 교통 시뮬레이션, ITS StationⅠ. 서 론
2015년 기준으로 우리나라의 교통혼잡 비용은 33조원이다. 이는 국내 도로를 이용하는 모든 사람들이 한 해 동안 지불한 사회적 비용으로, 국가 예산의 약 6%에 해당하는 어마어마한 양이다. 매년 도로 혼잡 문제 해결을 위해 다양한 교통운영 기법이 연구 개발되고 실제 현장에 적용되고 있으나, 국민이 체감할 수 있는 수준에는 미흡한 실정이다. 원인은 다양하겠으나 가장 큰 문제 중 하나는 교통상태 현황에 대한 신속하고 정확한 정보 수집이 어렵다는 것이다. 이러한 문제의 해결을 위해 최근에는 첨단운전자보조시스템(Advanced Driver Assistance Systems, ADAS)용 차량센서를 이용하여 교통상태를 관측하려는 노력이 이어지고 있다[1]-[3]. 그러나 이러한 접근법도 많은 어려움을 당면하고 있는데, 가장 큰 걸림돌은 아무래도 예산과 인력 부족이다. 이러한 기술의 개발을 위해서는 차량센서를 장착한 차량을 충분한 대수만큼 제작해야 하고, 차량과 센터 간 통신 기능, 그리고 센터 구축 등의 업무가 요구된다. 이러한 업무를 위해서는 관련 분야의 전문가뿐만 아니라 제작에 필요한 예산과 시간 비용이 필수적이다. 또한 실제 도로에서 프로브 차량을 주행하는 운전 인력과 이들을 운영하는 관리 인력이 필요하다. 그렇기 때문에 대규모의 국가 프로젝트 형태가 아니라면 연구개발을 수행하기가 쉽지 않은 게 현실이다.
이러한 이유로 많은 연구자들이 대안으로 채택하는 것이 시뮬레이션 방법이다. 실제 환경과 유사한 조건의 실험 환경을 소규모로 제작하여 다양한 조건에 대한 실험을 수행하며 그 가능성을 점검하는 것이다. 교통 분야에서도 2000년대 초반부터 교통 시뮬레이션 모형을 활용한 교통운영 효과 분석 연구가 활발하게 진행되어 왔고, 현재도 많은 분야에서 널리 활용되고 있다. 특히 ADAS, 협력형지능형교통체계(Cooperative Intelligent Transport Systems, C-ITS), 자율주행과 같이 새로운 기술이 접목된 차량이 도로를 주행하게 되는 시대를 가정하여 기존 교통운영 기술의 개선 또는 신규 운영 기술의 개념 증명을 위한 용도로 많이 활용되고 있다[4]-[6]. 하지만 기존의 연구에서는 시뮬레이션이 주로 특정 목적을 위한 툴로서 활용되었기 때문에 시뮬레이션 플랫폼 구성에 대한 체계적인 접근이 부족했다.
이에 본 연구에서는 차량센서 기반 교통상태 관측을 위한 통합 시뮬레이션 플랫폼 아키텍처를 제안한다. 먼저 요구사항 분석을 위해 물리적 대상인 도로, 지능형교통체계(ITS, Intelligent Transport System), 정적/동적 객체, 통신과 논리적 대상(상호 연계 및 각종 유틸리티)에 대한 기술적 분석을 수행하고, 이를 토대로 아키텍처를 설계하였다. 그리고 개별 세부 모듈을 설계하고, 각 모듈 간 연계도를 작성하였으며, 제안된 아키텍처의 실제구현을 위해 시제품을 구현하고 성능을 검증하였다.
Ⅱ. 통합 시뮬레이션 플랫폼 아키텍처
2-1 요구사항 분석 및 아키텍처의 구성
ITS 기술이 적용된 도로망에는 다양한 ITS Station(ITS-S)이 참여한다. 여기서 ITS-S은 지능형교통체계를 구성하는 기능적 객체를 의미하며, 전형적인 객체로는 그림 1과 같이 차량(Vehicle ITS-S), 보행자(Mobile ITS-S), 정보센터(Central ITS-S), 노변기지국(Roadside Unit ITS-S) 등이 있다[7]. 모든 ITS-S은 도로망(Road network)과 시공간적으로 연결이 되며, 도로망 내에서 정적 또는 동적인 상태로 상호 간의 영향을 주고받으며 존재한다. 상호작용은 개별 ITS-S 간에 직접적인 물리 작용으로 발생하기도 하고, 통신망을 통한 정보교환 방식으로 발생하기도 한다.
Typical Implementations of ITS station units (source: [7])
차량센서를 활용한 교통상태를 관측하는 기술의 경우 차량센서를 탑재한 ITS-S인 프로브 차량은 도로를 주행하며 주변의 차량 또는 보행자 ITS-S와의 물리적 상호작용을 하는 동시에, 센싱 데이터 수집 및 가공을 통해 주변의 교통상황을 정보를 생산하고 이를 정보센터 ITS-S에 전송한다. 이때 정보의 전송은 4G, 5G와 같은 셀룰러 방식을 이용하거나 교통 분야에 특화된 DSRC 기반의 노변기지국 ITS-S는 이용하는 방식이 활용될 수 있다. 정보센터 ITS-S은 다수의 프로브 차량 ITS-S에서 수집된 정보를 융합 및 분석하여 관심 도로망의 교통상태를 최종적으로 만들어 소비자에게 서비스한다.
통합 시뮬레이션 플랫폼은 이러한 개념을 포함하고 이를 다양한 시나리오에 따라 테스트할 수 있어야 하므로 도로망과 이와 연결되는 ITS-S, 그들 간의 상호작용이 모두 표현할 수 있어야 한다. 즉, 통합 시뮬레이션 플랫폼은 다음의 요소들이 상호작용하는 작은 세계여야 하며, 이를 도식화하여 표현하면 그림 2와 같다.
Integrated Simulation Platform Architecture
▪ 교통 시뮬레이션 모형 : 도로망과 교통 수요, ITS-S와 각 객체 간 상호작용, 교통 운영 등 실제 도로교통 상황 모사가 가능한 모형
▪ ITS-S : 차량, 보행자, 노변기지국, 정보센터 등
▪ 통신 : ITS-S 간 정보교환 방식
▪ 유틸리티 : 공간 좌표 체계 변환, 위치참조 등
2-2 교통 시뮬레이션 모형
교통 시뮬레이션 모형은 도로망을 3차원으로 구축 및 유지관리하고, 각종 ITS-S의 설치 및 운영을 담당한다. 도로망은 다양한 도로종별과 선형, 연결 관계, 교통신호, 안전시설 등의 표현이 가능하여 기존 현실 도로망을 디지털화하기에 적합해야 한다. 또한 차량 ITS-S의 차종, 물리적 특성, 출발지/경유지/목적지, 주행 행태, 상호작용 등을 세팅하고 관리하는 기능을 제공하여 연구개발 목적에 맞게 변형이 가능해야 한다. 교통신호는 미리 정해진 시간을 기반으로 일정한 주기의 녹색/적색/황색 신호를 표현하는 TOD방식(Time-of-day)과 교통 수요에 맞춰 동적으로 주기를 변경하는 Adaptive 방식 등의 기능이 제공되어야 한다.
교통 시뮬레이션 모형이 갖는 핵심 기능은 차량센서를 장착한 프로브 차량과 같이 기존과는 기능적으로 차별화된 차량 ITS-S의 구현 및 테스트가 가능한 기반 기능을 제공하는 것인데, 이를 위해서 많은 교통 시뮬레이션 모형들은 플러그인(plug-in) 기능을 제공하고 있다[8]. 본 연구에서 제안하는 통합 시뮬레이션 플랫폼의 핵심은 바로 이러한 플러그인 기능을 이용하여 교통 시뮬레이션 모형과 통신, 유틸리티, 그리고 ITS-S 간의 정보교환 및 상호작용을 구현하는 것으로, 교통 시뮬레이션 모형과 개별 ITS-S, 유틸리티 간 연계는 그림 2와 같이 플러그인으로 구현된다.
2-3 ITS Station (ITS-S)
ITS-S는 지능형교통체계가 구축된 도로교통체계를 구성하는 핵심 객체로서, 차량센서 기반 교통상태 관측 기술을 실제적으로 구현하는 기능을 담당한다. 전술한 바와 같이 차량, 보행자, 노변기지국, 정보센터 등이 이에 해당하며, 특히 프로브 차량은 차량센서 운영을 통해 주행 환경을 센싱 및 가공하여 데이터를 생성 후 통신을 이용하여 이를 정보센터에 제공하는 역할을 수행한다. 보행자는 자전거와 이륜차 등을 포함하며, 스마트폰과 같은 첨단 정보통신 기기를 이용하여 도로불편상황을 신고하거나[9] 교통사고, 지진, 산사태, 화재 등의 돌발상황을 전파할 수 있고, 자신의 위치 정보 공유를 통해 안전사고 예방에 기여할 수 있다[10]. 노변기지국은 DSRC 통신 메시지 전송과 엣지 컴퓨팅을 통해 V2I 서비스를 제공하며, 정보센터는 다양한 도메인으로부터의 데이터 연계 및 통합, 분석 및 가공, 데이터베이스와 ITS-S 응용 프로그램 유지관리, 그리고 통신을 이용한 유용한 정보의 제공 및 피드백 등의 역할을 수행한다.
모든 ITS-S 객체는 플러그인 또는 통신을 이용하여 교통 시뮬레이션 모형과 연계가 가능하다. 하지만 현실 세계에서 차량과 보행자, 노변기지국은 공간적으로 도로망 내에 존재하는 반면, 정보센터는 별도의 위치에 존재하기 때문에 이를 모사하기 위해 본 연구에서는 정보센터는 통신망으로 연계되고 그 외의 객체는 플러그인으로 연계되도록 하였다.
2-4 통신
통신은 ITS-S 간 정보교환을 담당한다. C-ITS/자율주행 분야는 매우 빠른 통신 속도를 요구하기 때문에 DSRC 방식과 4G/5G 방식이, IoT 분야에서는 소량의 데이터를 주로 다루기 때문에 셀룰러, 와이파이, 블루투스, 지그비(ZigBee) 등의 무선 통신 기술이 활용되고 있다. 본 연구에서는 프로브 차량에서 수집된 소량의 데이터를 일정 주기로 정보센터에 전송하는 것이 통신의 주된 역할이기 때문에 셀룰러와 와이파이를 통신기술로 제안하였다. 하지만 다양한 시나리오에 따른 최신 통신 기술의 도입이 요구될 경우 언제든지 추가적인 기술 적용은 크게 문제되지 않을 것으로 판단된다.
2-5 유틸리티
통합 플랫폼 운영에는 많은 보조 기능이 요구된다. ITS-S 별로 위치정보 처리를 위해 사용하는 좌표 체계가 상이할 수 있고, 위치 기반 서비스를 위한 전자지도 데이터도 상이할 수 있다. 이러한 경우 상이한 좌표 체계 간 변환 기능, 이종 전자지도 간 위치정보 교환 기술인 위치참조방법(Location Referencing Method)이 요구된다. 이를 위해 제안된 통합 플랫폼은 좌표 변환과 위치참조 기술을 API를 통해 교통 시뮬레이션 모형에 연계되도록 하였다. 유틸리티는 제안된 기능들에 국한되지 않으며, 향후 다양한 연구에 활용되면서 필요 시 확장이 가능하다.
Ⅲ. 성능 검증
3-1 개요
제안된 통합 시뮬레이션 플랫폼의 성능을 검증하기 위해 실제 현장 도로 데이터를 활용하여 도로망을 구축하고 차량센서 기반의 교통상태 관측 시스템인 TRADOS[1]를 대상으로 테스트를 수행하였다. TRADOS 시스템은 프로브 차량과 VIS 빅데이터 센터(Vehicle Is a Sensor)로 구성되며, 프로브 차량에 장착된 GPS와 레이더를 활용하여 차량의 위치와 주변 차량 데이터를 수집하고 이를 VIS 센터로 전송하면, 센터에서 구동되는 STREAM 알고리즘[11]에 의해 교통밀도와 속도, 교통량 정보가 생성되는 구조를 갖는다. 성능 검증을 위한 통합 시뮬레이션 플랫폼 아키텍처는 그림 3과 같다.
Integrated Simulation Platform Architecture for Performance Test
3-2 교통 시뮬레이션 모형 및 ITS-S, 유틸리티 기능 구현
교통 시뮬레이션 모형으로는 미시 교통 시뮬레이션 툴인VISSIM을 활용하였는데, 이 모형은 1974년 Wiedemann이 제안한 Psycho-physical perception 모형으로 차량 추종(Car Following)을 구현하여 실제 차량 간의 종방향 상호작용을 잘 표현하는 것으로 알려져 있다[12].
VISSIM 도로망 구축 툴을 이용하여 자유로와 강변북로(이산포IC~성산대교 북단, 총 20km)를 대상으로 도로망 데이터를 구축하였다. 시뮬레이션 모형 내 차량 종별은 일반 차량과 프로브 차량으로 단순하게 구분하였는데, 일반 차량 행태의 경우 VISSIM에서 기본으로 제공하는 모형을 사용하기 때문에 별 문제가 없으나 프로브 차량의 주변 차량 관측 및 수집 행태는 별도의 플러그인 개발이 필요하다. 이에 프로브 차량의 행태 모사를 위해 VISSIM COM Interface와 Matlab을 활용하여 레이더와 GPS 기반의 주변 차량 검지 기능을 개발하였다. TRADOS 시스템은 차량만을 대상으로 하기 때문에 보행자 ITS-S는 대상에서 제외하였고, 뒤에서 언급하게 될 통신의 경우 IoT 분야의 특화된 어플리케이션을 활용하였기 때문에 노변기지국 ITS-S도 대상에서 제외하였다..
대부분의 교통 시뮬레이션 모형과 마찬가지로 VISSIM도 거리 기반 좌표 체계를 이용하여 위치 데이터를 생성한다. 반면 VIS 빅데이터 센터는 경위도 좌표 체계(Geographic Coordinate System, GCS)를 이용한다. 따라서 프로브 차량은 수집된 위치 정보를 GCS체계로 변환하여야 하기 때문에 이를 위해 Inverse Haversine Method[13]를 도입하였다.
위치 기반 서비스의 경우 서비스 기기(단말기, 서버 등)가 서로 다른 좌표 체계 또는 전자지도를 이용할 경우 위치 정보를 교환할 때 좌표만을 이용하면 오차가 발생할 가능성이 크다. 따라서 이러한 오차를 최소화하기 위해 위치참조방법(Location Referencing Method)을 이용하게 되는데[14], 본 연구에서는 표준ITS노드링크 체계 기반의 정적 위치참조방법을 도입하였고, 이를 위해 좌표와 주행 방향을 이용하여 표준ITS링크를 매칭하는 도로 Map Matching 알고리즘[15]을 이용하였다.
3-3 통신 기능 구현
프로브 차량은 자차 위치 정보를 기반으로 교통상태 정보와 주변 도로시설 정보를 생성하여 VIS 빅데이터 센터에 전송한다. 자차 위치 정보는 차량의 고유 번호와 날짜, 시간, 경위도, 그리고 헤딩 데이터를 포한한다. 교통상태 정보는 검지된 주변 차량대수와 개별 차량(객체)의 정보, 즉 자차와 객체 간의 각도(자차 진행방향 기준으로 시계방향), 자차와의 거리(meter), 자차와의 상대속도(km/h)를 포함하며, 도로시설 정보는 도로구간의 고유번호(표준ITS링크 ID)와 차로번호, 전체 차로수를 포함한다. 이러한 정보는 매 초 마다 JSON 파일 형태로 저장되고 센터에 전송된다.
센터와의 통신을 위해 별도의 통신 기능을 구현하였는데, JSON 파일로 저장된 패킷을 센터로 전송하기 위해 MQTT(Message Queuing Telemetry Transport) 프로토콜 기반의 응용 어플리케이션인 Mosquitto1)를 활용하였다. 이는 해당 홈페이지에서 무료로 다운로드하여 사용할 수 있는 오픈소스 프로그램으로, MQTT Broker 역할을 하는 mosquitto, Subscriber 역할을 하는 mosquitto_sub, Publisher 역할을 하는 mosquitto_pub으로 구성된다. VIS 센터에는 패킷의 수신 및 전달을 담당하는 Broker와 STREAM 알고리즘을 구동하는 응용 어플리케이션이 이용하는 Subscriber가 작동을 하고, 프로브 차량은 Publisher가 작동한다. 프로브 차량은 Publisher를 이용하여 정보를 송신하고, Broker는 이를 수신한 후 바로 Subscriber에게 전달하면 STREAM 알고리즘이 수행되어 교통상태를 추정하게 된다.
3-4 테스트 수행 및 결과 분석
테스트 시뮬레이션은 총 10분 동안 진행하였고, 총 차량 수요는 6,000대로 하였으며, 이 중 5%에 해당하는 300대를 프로브 차량으로 가정하였다. 프로브 차량은 레이더 센서를 활용하여 주변 차량을 검지하고, 이를 구조화하여 매 초 마다 센터에 송신하고, 센터에서 수신된 메시지의 분석을 통해 결과를 분석하였다.
센터에서 수신된 메시지(JSON 파일)은 총 32,546개로, 가장 많은 메시지를 송신한 차량은 총 499개를, 그리고 가장 적은 메시지를 송신한 차량은 7개의 메시지를 송신하였다. 평균적으로 하나의 프로브 차량이 247개의 메시지를 송신한 것으로 나타났다. 메시지 송신량이 많은 차량은 도로망에 가장 오랫동안 머문, 즉 통행시간이 긴 차량으로, 초 당 1회 메시지를 발생 및 전송하기 때문에 499초 동안 주행한 셈이다.
개별 프로브 차량은 레이더 센서 검지 영역 내에 존재하는 주변 차량을 검지하는 행태를 모사하도록 기능을 개발하였다. 모든 프로브 차량에 의해 검지된 총 차량 수는 중복을 허용하기 때문에 총 수요보다 훨씬 많은 279,856대이다. 하나의 프로브 차량이 특정 시점에 검지한 주변 차량의 대수는 최소 0대부터 최대 25대까지 분포하며, 검지된 주변 차량 대수의 분포는 그림 4와 같다. 7대의 주변 차량을 검지한 경우가 가장 많으며(3,576건), 평균적으로 5대~10대 정도를 검지하며, 분포의 평균은 8.6대인 것으로 나타났다.
Distribution of detected vehicles
테스트 도로구간의 차로는 대부분 4~7차로이며, 프로브 차량의 차로 분포는 고르게 나타났다. 1차로에서 주변 차량을 검지하여 메시지를 송신한 경우는 총 7,278회, 2차로는 6,966회, 3차로는 7,072회, 4차로는 5,430회, 5차로는 4,859회, 6차로는 769회, 7차로는 172회로 나타났다.
Ⅳ. 결 론
본 연구에서는 차량센서 기반 교통상태 관측을 위한 통합 시뮬레이션 플랫폼 아키텍처를 제안하였다. 플랫폼은 지능형교통체계 기반의 도로교통체계 모사를 위한 교통 시뮬레이션 모형과 네 가지 형태의 ITS-S, 통신, 그리고 유틸리티 기능으로 구성된다. 플랫폼의 확장성을 위해 교통 시뮬레이션 모형은 플러그인 API 기능을 갖도록 하였고, 정보센터 ITS-S를 제외한 나머지 요소들은 모두 플러그인 API 기능으로 교통 시뮬레이션 모형과 연계되도록 하였다.
제안된 아키텍처의 성능 검증을 위해 실제 도로 환경을 기반으로 시제품을 구현하여 테스트하였고, 그 결과 교통 시뮬레이션 기능, 프로브 차량의 주변 차량 검지 기능, 패킷 생성 및 전송 기능, 좌표 변환 기능, 위치참조 기능, 그리고 정보 센터의 수신 및 분석 기능 모두 정상적으로 작동하는 것을 확인하였다.
향후 제안된 플랫폼을 활용하여 교통 수요 변화에 따른 시나리오 분석, 교통사고 대응 시나리오 분석, 프로브 차량의 시장점유율 변화에 따른 시나리오 분석, 교통 운영 전략 변화에 따른 시나리오 분석 등이 가능할 것으로 기대된다. 또한, 프로브 차량에 장착된 차량센서 성능 변화의 영향 분석, 통신환경 변화의 영향 분석 등이 흥미로운 연구 주제가 될 것으로 판단된다. 마지막으로, 교통신호와 교차로 객체 검지 시스템, 프로브 차량과 같은 현실적으로 접근 가능한 데이터의 융복합을 통한 차로별 대기행렬 예측 모형 연구에도 활용이 가능할 것으로 판단된다.
Acknowledgments
본 연구는 국토교통부 교통물류연구사업(20PQOW-B152473-02) "도심도로 자율협력주행 안전·인프라 연구" 과제의 지원에 의해 수행되었습니다.
Notes
참고문헌
-
I. Yang and W-H. Jeon, “Development of traffic state observation technology using automotive sensors,” The Journal of Digital Contents Society, Vol. 19, No. 11, pp. 2131-2137, 2018.
[https://doi.org/10.9728/dcs.2018.19.11.2131]
-
T. Seo and T. Kusakabe, “Probe vehicle-based traffic state estimation method with spacing information and conservation law,” Transportation Research Part C: Emerging Technologies, 59, pp. 391-403, 2015.
[https://doi.org/10.1016/j.trc.2015.05.019]
-
T. Seo, T. Kusakabe and Y. Asakura, “Estimation of flow and density using probe vehicles with spacing measurement equipment,” Transportation Research Part C: Emerging Technologies, 53, pp. 134-150, 2015.
[https://doi.org/10.1016/j.trc.2015.01.033]
-
D-H Yook, B-J Lee, J-T Park, “Exploring the impacts of autonomous vehicle implementation through microscopic and macroscopic approaches,” The Journal of Korea Institute of Intelligent Transport Systems, Vol. 17, No. 5, pp. 14~28, 2018
[https://doi.org/10.12815/kits.2018.17.5.14]
- S. Kim, J. Lee, Y. Kim and C. Lee, “Simulation-based analysis on dynamic merge control at freeway work zones in automated vehicle environment,” The Journal of the Korean Society of Civil Engineers, Vol. 38, No. 6, pp. 867~878, 2018
-
I-J Im, K-Y Kim, J-Y Lee and K-Y Hwang, “Analyzing traffic impacts of the utilitarian robotic autonomous vehicle,” The Journal of Korea Institute of Intelligent Transport Systems, Vo. 16, No. 2, pp. 55~72, 2017
[https://doi.org/10.12815/kits.2017.16.2.55]
- ISO 21217:2014(E), “Intelligent transport systems – Communications access for land mobiles (CALM) - Architecture,” 2014.
-
I. Yang and W-H. Jeon, “Development of lane-close model using micro traffic simulation,” The Journal of Digital Contents Society, Vol. 20, No. 7, pp. 1285-1290, 2019.
[https://doi.org/10.9728/dcs.2019.20.7.1285]
-
W-H. Jeon and I. Yang, “Development of a location-based smartphone app reporting road problems with user participation,” The Journal of Digital Contents Society, Vol. 19, No. 10, pp. 1825-1832, 2018.
[https://doi.org/10.9728/dcs.2018.19.10.1825]
-
J. Kim, J-Y. Kim, J-Y. Kim and H-S. Bae, “Study on the B2X(Bicycle and Motocycle-to-Everything) Safety Service in C-ITS”, The Journal of Korea Institute of Intelligent Transport Systems, Vo. 15, No. 1, pp. 28~38, 2016
[https://doi.org/10.12815/kits.2016.15.1.028]
- D. Nam, R. Lavanya, I. Yang, W-H. Jeon and R. jayakrishnan, "A Long Short-Term Memory Neural Network Approach for Traffic Density Estimation with Sensor-equipped Probe Vehicles," ISTS and IWTDCS, Matsyama, 2018.
- R. Wiedemann and U. Riter, “Microscopic traffic simulation: the simulation system MISSION, background and actual state,” Project ICARUS (V1052) Final Report, pp. 1-53, 1992.
-
I. Yang, W-H. Jeon and J. Moon, “A study on a distance based coordinate calculation method using Inverse Haversine Method,” The Journal of Digital Contents Society, Vol. 20, No. 10, pp. 2097-2102, 2019.
[https://doi.org/10.9728/dcs.2019.20.10.2097]
-
I. Yang and W-H. Jeon, “Development of Lane-level Dynamic Location Referencing Method,” The Journal of Korea Institute of Intelligent Transport Systems, Vo. 17, No. 5, pp. 188~199, 2018
[https://doi.org/10.12815/kits.2018.17.5.188]
-
I. Yang and W-H. Jeon, “A study on performance improvement of map matching algorithm”, The Journal of Digital Contents Society, Vol. 21, No. 1, pp. 213-218, 2020.
[https://doi.org/10.9728/dcs.2020.21.1.213]
저자소개
1998년: 연세대학교 도시공학 학사
2000년: 연세대학교 도시공학석사
2011년: Ph.D. in Civil Engineering at Univ. of California, Irvine
2000년～2006년: 현대엠엔소프트
2006년～2011년: Institute of Transport Studies, UCI
2011년～현 재: 한국건설기술연구원 연구위원
※관심분야： 첨단교통, 자율주행, C-ITS, 도로안전, 도로시설
1999년: 한양대학교 교통공학 학사
2001년: 한양대학교 교통공학 석사
2016년: 서울대학교 도시계획학 박사
2001년～현 재: 한국건설기술연구원 연구위원
※관심분야： 도로안전, 무동력 교통수단, 모바일 앱, 도로시설
1992년: 단국대학교 토목공학 학사
1998년: 단국대학교 교통공학 석사
2007년: Ph.D. in Civil Engineering at NCSU
2009년～현 재: 한국건설기술연구원 수석연구원
※관심분야： 도로안전, 첨단교통, 자율주행, 데이터 융합