딥러닝으로 추정한 차량대기길이 기반의 감응신호 연구

• Published in: 韓國ITS學會 論文誌 Vol. 17; no. 4; pp. 54 - 62
• Main Authors: 이용주, 심민경, 김용만, 이상수, 이철기
• Format: Journal Article
• Language: Korean
• Published: 한국ITS학회 31.08.2018
• Subjects: 전자/정보통신공학; Tensorflow; 텐서플로우; AI Signal; Vehicle Queue Length; 딥러닝; 인공지능 신호; Vissim COM Interface; 차량대기길이; Deep Learning
• ISSN: 1738-0774; 2384-1729
• DOI: 10.12815/kits.2018.17.4.54

본 연구는 인공지능 신호 구현의 일환으로서, 딥러닝을 통해 실시간으로 추정하는 차량대 기길이 기반의 감응식 신호 알고리즘을 제시하였다. 알고리즘의 구현을 위해 딥러닝 모형을 구현한 텐서플로우에 미시적 교통시뮬레이터인 Vissim을 제어하는 API, 즉 COM Interface를 구축하였다. Vissim에서 신호주기별로 수집된 링크통행시간과 통과교통량이 텐서플로우에 전달되면 학습이 완료된 딥러닝 모형을 통해 접근로별 차량대기길이가 추정된다. 접근로별 차량대기길이를 기반으로 신호시간을 산정한 후 Vissim 내부의 신호등화를 조정하여 시뮬레 이션 한다. 본 연구에서 개발한 알고리즘은 현 TOD 방식에 비해 차량 지체가 약 5% 감소한 것으로 분석되었으며, 이는 네트워크 내 하나의 교차로만 대상으로 적용하여 그 효과가 제한 된 것이며, 축 또는 네트워크 제어로의 공간적 확대방안을 향후연구로 제시하였다.