[표지]
제출문
요약문
Executive Summary
목차
제1장 서론 26
1. 연구 배경 26
1.1. 연구 필요성 26
1.2. 국내·외 연구 및 기술개발 현황 29
2. 연구개발 목표 및 내용 49
2.1. 최종 목표 49
2.2. 연구 내용 49
제2장 차량센서를 이용한 도로 노면온도 및 결빙 예측기술 개발 52
1. 개요 52
2. 연구내용 52
2.1. 차량 주변 정보 취득을 위한 장비 설계 52
2.2. 노면 온도 측정 및 예측 기술 개발 57
2.3. 노면온도 측정 및 예측 시스템 설계 및 개발 96
제3장 차량센서 관측자료 기반의 기상정보 산정 기술 개발 124
1. 개요 124
2. K-밴드 차량레이더 개발 124
2.1. 개발 방안 125
2.2. 24GHz RF센서장치 시작품 141
2.3. 시험평가 149
2.4. 시험평가 결과 151
3. W-밴드 차량레이더 개발 157
3.1. W-밴드 차량레이더 H/W 개발 157
3.2. W-밴드 차량레이더 신호처리 및 제어 S/W 개발 166
4. 차량탑재 복합 레이더 센서 시스템 구축 180
4.1. 개발 방안 180
4.2. 차량탑재형 복합센서 시스템 제작 181
4.3. 복합센서 표출 소프트웨어 구현 182
4.4. 신호처리 소프트웨어 183
4.5. 표출 소프트웨어 186
4.6. 차량탑재 복합센서 시스템과의 연동 시험 187
5. 차량탑재 복합 레이더 센서 시스템 시험관측 192
5.1. K 밴드 차량센서 강우 관측 분석 192
5.2. W 밴드 차량센서 강우 관측 분석 202
6. W 및 K-밴드 레이더 강수 관측 특성 분석 208
6.1. 강수시스템 이론 208
6.2. 다른 주파수 대역 간 매개 변수 상호 관련성 209
6.3. X, Ka 및 W 대역에서의 관측 시뮬레이션 211
6.4. 따뜻한 기후에서 W 밴드 관측 213
6.5. 고찰 214
제4장 차량센서 및 빅데이터 기반 도로혼잡예측 핵심기술 개발 216
1. 교통밀도 관측 시스템 216
1.1. 개요 216
1.2. 교통밀도 관측시스템 시작품 제작 218
1.3. 주변 차량 관측 시스템 개발 225
1.4. 교통밀도 추정 알고리즘 개발 232
2. 돌발상황 통합관리 플랫폼 개발 264
2.1. 개요 264
2.2. 돌발상황 통합관리 플랫폼 개발 방안 267
2.3. 돌발상황 통합 관리 플랫폼 효과 분석 279
2.4. 돌발상황 포맷 표준화 기술 개발 288
제5장 빅데이터 기반의 주행환경 예측 플랫폼 개발 292
1. 개요 292
2. 연구 내용 293
2.1. 빅데이터 플랫폼 설계 293
2.2. 빅데이터 플랫폼 개발 및 최적화 304
2.3. 빅데이터 플랫폼 구축(1단계) 324
제6장 결론 360
1. 결론 360
2. 활용 및 파급효과 363
참고문헌 366
서지자료 378
Bibliographic Data 379
판권기 380
〈표 1-1〉 ITU-R 권고 M.1452의 차량 레이더 시스템 요구 사양 37
〈표 1-2〉 차량 레이더 제조업체 현황 39
〈표 1-3〉 유럽과 OECD 국가들의 대응시간 42
〈표 1-4〉 빅데이터 플랫폼 H/W, S/W 주요 기술 동향 47
〈표 1-5〉 빅데이터 플랫폼 서비스 주요 기술 동향 48
〈표 2-1〉 온도계 오차 범위 53
〈표 2-2〉 주요 센서 사양 54
〈표 2-3〉 차량 센서(외기온도센서)의 제품 사양 55
〈표 2-4〉 위치 정확도 측정 결과 57
〈표 2-5〉 경로 정보 59
〈표 2-6〉 기상조건 구분 60
〈표 2-7〉 경로 1의 노면 및 외기 온도 조사결과 요약 61
〈표 2-8〉 경로 1의 노면온도 (자유로 JC→송추 IC 방면)의 상관분석 결과 요약 62
〈표 2-9〉 경로 1의 노면온도 (송추 IC→자유로 JC 방면)의 상관분석 결과 요약 62
〈표 2-10〉 경로 1의 노면 및 외기 온도 조사결과 최종 요약 62
〈표 2-11〉 도로구간분할 결과 요약 64
〈표 2-12〉 노면온도와 차량 센서(외기온도센서)의 paired t-test 결과 65
〈표 2-13〉 분석데이터 개요 67
〈표 2-14〉 추가적인 분석데이터 개요 67
〈표 2-15〉 데이터 형식의 예 68
〈표 2-16〉 모형별 반응변수 및 예측변수 68
〈표 2-17〉 노면온도 자료 예시 81
〈표 2-18〉 외기온도 자료 예시 81
〈표 2-19〉 GPS 자료 예시 81
〈표 2-20〉 노선별 자료 취득 일시 82
〈표 2-21〉 최종적으로 취합된 데이터 예시 85
〈표 2-22〉 피어슨 상관계수 86
〈표 2-23〉 전방·후방외기온도, 노면온도에 대한 구간별 가설 (송추IC-이산포IC) 88
〈표 2-24〉 전방·후방 외기온도, 노면온도에 대한 구간별 가설검증 결과 (송추IC-이산포IC) 89
〈표 2-25〉 '하늘상태' 코드 값 90
〈표 2-26〉 노면온도 추정 모형과 관련 변수 92
〈표 2-27〉 모형별 최적 알고리즘과 정확도 93
〈표 2-28〉 노면온도 추정 모형과 영향변수에 대한 AAE 결과 95
〈표 2-29〉 원시 조사 데이터 97
〈표 2-30〉 데이터베이스 설계-대기온도 97
〈표 2-31〉 데이터베이스 설계-Thermal 98
〈표 2-32〉 OBD 데이터베이스 설계 98
〈표 2-33〉 시스템 고도화 항목 114
〈표 2-34〉 입력 및 출력 변수 120
〈표 3-1〉 RFEU 구성품 특성 127
〈표 3-2〉 예상 입력 전력대비 효율 133
〈표 3-3〉 예측 소모 전력량 136
〈표 3-4〉 RFEU 송수신모듈의 주요 부품 목록 137
〈표 3-5〉 RF센서장치와 신호제어장치 간 인터페이스 139
〈표 3-6〉 시험평가에 따른 측정 방안 140
〈표 3-7〉 예비설계 제원 142
〈표 3-8〉 상세설계 제원 142
〈표 3-9〉 RFEU 안테나의 규격 144
〈표 3-10〉 송신출력과 수신이득 147
〈표 3-11〉 RFEU 송수신모듈의 규격 148
〈표 3-12〉 시험평가 대상 품목 확인 149
〈표 3-13〉 개발된 RFEU 내부 구성 표 158
〈표 3-14〉 예상 입력 전력대비 효율 162
〈표 3-15〉 비트주파수 산출 결과 167
〈표 3-16〉 Ray header의 구조 173
〈표 3-17〉 Parameter의 구조 174
〈표 3-18〉 Ray Data의 구조 174
〈표 3-19〉 K-밴드 신호 처리 기본 사항 192
〈표 3-20〉 W-밴드 신호 처리 기본 사항 203
〈표 4-1〉 운영 프로그램(RViewer) 사용자 인터페이스 설명 221
〈표 4-2〉 레이더 검지 원천 데이터 UDP 통신 프로토콜 정의 223
〈표 4-3〉 레이더 상태값 정의 224
〈표 4-4〉 수집자료의 에러율 227
〈표 4-5〉 차량 검지 알고리즘 성능 결과 231
〈표 4-6〉 센서 검지 영역 설정 예 235
〈표 4-7〉 RMSE 비교 (Area 기반 알고리즘 vs. 제안된 알고리즘) 255
〈표 4-8〉 STREAM-LSTM 알고리즘 검증 결과 263
〈표 4-9〉 시나리오 1,2,3 총 통행시간 비교 282
〈표 4-10〉 프로그램 설계 상세내용 288
〈표 5-1〉 단계별 연구목표 및 연구내용 292
〈표 5-2〉 1차년도 연구목표 및 세부 연구내용 293
〈표 5-3〉 1차년도 연구내용별 세부 개발내용 293
〈표 5-4〉 1차년도 기술개발 목표 및 내용 294
〈표 5-5〉 Flume 기반 실시간 수집 자료 295
〈표 5-6〉 Sqoop 기반 비실시간 수집 자료 295
〈표 5-7〉 2차년도 연구목표 및 세부 연구내용 304
〈표 5-8〉 2차년도 연구내용별 세부 개발내용 304
〈표 5-9〉 수집데이터 종류 307
〈표 5-10〉 차량센싱데이터의 수집 형태 308
〈표 5-11〉 공공데이터의 수집 형태 308
〈표 5-12〉 군집별 알고리즘 성능 평가 316
〈표 5-13〉 S/W 개발내용 319
〈표 5-14〉 익스큐터 램 크기별 연산 수행시간 평가결과 321
〈표 5-15〉 성능평가 서버 환경정보 322
〈표 5-16〉 성능평가에 활용된 익스큐터 환경변수 정보 322
〈표 5-17〉 데이터 크기(5GB)에 따른 연산 수행시간 평가결과 323
〈표 5-18〉 데이터 크기(50GB)에 따른 연산 수행시간 평가결과 323
〈표 5-19〉 당해년도 연구목표 및 세부 연구내용 324
〈표 5-20〉 당해연도 연구내용별 세부 개발내용 324
〈표 5-21〉 기존년도와 당해연도 세부 연구내용 비교 325
〈표 5-22〉 서버 스토리지의 특정 및 기능 328
〈표 5-23〉 수집데이터 종류 329
〈표 5-24〉 차량센서 정보의 생성 개념 330
〈표 5-25〉 차량센서 정보의 수집 형태 330
〈표 5-26〉 실시간 공공데이터의 수집 형태 331
〈표 5-27〉 비실시간 공공데이터의 수집 형태 332
〈표 5-28〉 민간데이터의 수집 형태 332
〈표 5-29〉 공공데이터를 활용한 가상 차량센싱데이터 생성 방법 336
〈표 5-30〉 플랫폼 데이터베이스 구축 형태 340
〈표 5-31〉 Web 서비스 전체 메뉴 344
〈표 5-32〉 빅데이터 기반 BI 개발 동향 350
〈표 5-33〉 국내 빅데이터 BI 개발 및 적용 사례 353
〈표 5-34〉 국외 빅데이터 BI 개발 및 적용 사례 356
〈그림 1-1〉 다양한 기상관측 장비 예, (a) 도로기상 관측장비, (b) 자동기상 관측장비, 및... 27
〈그림 1-2〉 영국의 도로기상 GIS 서비스 예 30
〈그림 1-3〉 독일의 도로기상 관측을 위한 기상장비 30
〈그림 1-4〉 교통정보 수집 방법 설명도 31
〈그림 1-5〉 교통량 속도 밀도의 Greenshield 모형 35
〈그림 1-6〉 영상자료 모니터링을 이용한 교통밀도 산정 방법 35
〈그림 1-7〉 차량레이더 개념도 36
〈그림 1-8〉 컨티넨탈 ARS-300레이더 검지영역 및 해상도 38
〈그림 1-9〉 본 연구의 최종 목표 49
〈그림 1-10〉 거시적 관점에서의 연구 수행 내용 50
〈그림 2-1〉 차량 센서(외기온도센서, OBD 장치)의 부착 사진 54
〈그림 2-2〉 전체 시스템 구성도 55
〈그림 2-3〉 통신연결 56
〈그림 2-4〉 GPS 수신기 상태 : RTK 모듈 미 설치 상태 56
〈그림 2-5〉 GPS 수신기 상태 : RTK 모듈 적용 상태 57
〈그림 2-6〉 전체적인 기초 연구절차 58
〈그림 2-7〉 조사차량의 각종 센서 59
〈그림 2-8〉 경로별 조사 구간 60
〈그림 2-9〉 노면온도 기반 도로구간 분할 개념 63
〈그림 2-10〉 Classification Learner를 이용한 노면온도변화 패턴 추정과정[원문불량;p.41] 66
〈그림 2-11〉 2015-2016년 수집된 노면온도와 조사차량의 전·후방 외기온도 데이터 69
〈그림 2-12〉 모형 I 구축을 위한 외기온도와 노면온도 (가)후방외기온도, (나)전... 69
〈그림 2-13〉 모형 I 평가를 위한 외기온도와 노면온도 (가)후방외기온도, (나)전방... 70
〈그림 2-14〉 모형 I로부터 추정된 노면온도변화 패턴과 실제 노면온도변화 패턴 71
〈그림 2-15〉 모형 II 구축을 위한 외기온도와 노면온도 (가)후방외기온도,... 72
〈그림 2-16〉 모형 II 구축을 위한 (가) 습도 및 (나) 대기온도와 노면온도 72
〈그림 2-17〉 모형 II 평가를 위한 외기온도와 노면온도 (가)후방외기온도,... 73
〈그림 2-18〉 모형 II 평가를 위한 (가) 습도 및 (나) 대기온도와 노면온도 73
〈그림 2-19〉 모형 II로부터 추정된 노면온도변화 패턴과 실제 노면온도변화 패턴 74
〈그림 2-20〉 모형 III으로부터 추정된 외기온도와 노면온도패턴 비교 74
〈그림 2-21〉 모형 IV 구축을 위한 외기온도와 노면온도 (가)후방외기온... 75
〈그림 2-22〉 모형 IV 평가를 위한 외기온도와 노면온도 (가) 후방외기온... 76
〈그림 2-23〉 모형 IV로부터 추정된 외기온도와 노면온도변화 패턴 76
〈그림 2-24〉 각 표본군에서의 노면온도 분산정도 78
〈그림 2-25〉 높은 분산도를 나타내는 표본군에서의 AAE 비교, (가) 추정노면온도 vs 후... 78
〈그림 2-26〉 노선 별 도로구간, (가) 성동IC~이산포IC, (나) 송추IC~이산포 IC 83
〈그림 2-27〉 도로구간별 노면온도, 기상데이터, 외기온도 취합을 위한 전처리 과정 84
〈그림 2-28〉 구간별 상자그림 (노면온도) 87
〈그림 2-29〉 구간별 상자그림 (후방외기온도) 88
〈그림 2-30〉 '하늘상태' 별 기본구간, 교량구간, 터널구간의 노면온도 Box Plot 91
〈그림 2-31〉 Response(노면온도) 와 Predictor(전·후방외기온도) 92
〈그림 2-32〉 실측노면온도 vs 추정노면온도 (산포도 분석) 94
〈그림 2-33〉 OBD-II DLC 핀배열 99
〈그림 2-34〉 CouchDB 자료구조 100
〈그림 2-35〉 CouchDB의 Map/Reduce 쿼리 지원 100
〈그림 2-36〉 노면 온도 측정 및 예측 시스템 개념도[원문불량;p.76] 101
〈그림 2-37〉 노면 온도 측정 및 예측 시스템 논리적 개념도[원문불량;p.76] 101
〈그림 2-38〉 프로토타입 앱 자료 구조 102
〈그림 2-39〉 프로토타입 앱 파일 저장구조[원문불량;p.77] 102
〈그림 2-40〉 Classification Learner를 이용한 노면온도변화 패턴 추정과정 111
〈그림 2-41〉 자료 취득 공정 112
〈그림 2-42〉 도로데이터 취득 시스템 흐름도[원문불량;p.87] 112
〈그림 2-43〉 도로데이터 취득 시스템 구현 화면[원문불량;p.88] 113
〈그림 2-44〉 취득 장치의 실시간 모니터링 화면[원문불량;p.88] 113
〈그림 2-45〉 전체 시스템 설계 구성도 115
〈그림 2-46〉 자료취득 시스템 고도화 화면 설계 115
〈그림 2-47〉 자료관리 시스템 고도화 화면 설계 116
〈그림 2-48〉 노면온도 예측정보 제공 서비스 설계 개념도[원문불량;p.92] 117
〈그림 2-49〉 자료취득 시스템 고도화 구현 (예시) 118
〈그림 2-50〉 사용자의 API 요청 히스토리 화면 (예시) 118
〈그림 2-51〉 노면온도 예측 모형의 호출(Call) 이력 화면 (예시) 118
〈그림 2-52〉 실시간 조사차량 모니터링 화면 (예시) 119
〈그림 2-53〉 자료관리 시스템 차트표출 기능 (예시) 119
〈그림 2-54〉 노면온도 예측 서비스 구현 120
〈그림 2-55〉 노면온도 예측 서비스 검증 결과 121
〈그림 2-56〉 MQTT (Queueing Telemetry Transport) 121
〈그림 2-57〉 차량위치 기반 노면온도 예측 정보 표출 (예시)[원문불량;p.97] 122
〈그림 3-1〉 RFEU의 내부 구성도 125
〈그림 3-2〉 급전 구조와 그 응답 신호 125
〈그림 3-3〉 전이구조의 소신호 응답 126
〈그림 3-4〉 선정된 기판과 급전경로 손실분석 ((Rogers(미), RO4003c, 12mil) 126
〈그림 3-5〉 초기 배열 구조와 그 형상 127
〈그림 3-6〉 복사 패턴 결과 128
〈그림 3-7〉 상용 칩을 이용한 24GHz 전압 제어 발진기(VCO) 129
〈그림 3-8〉 선정된 부품의 전압제어 대비 주파수 변화 특성 곡선 130
〈그림 3-9〉 송신급전부 전력분배기 설계 및 측정 결과 130
〈그림 3-10〉 여파기 설계 및 측정 결과 131
〈그림 3-11〉 24GHz 전력증폭기(TGA4356) 132
〈그림 3-12〉 입력조건에 따른 출력 및 전류, 이득곡선 132
〈그림 3-13〉 상용 혼합기의 구성도와 주파수 변화 특성 곡선 133
〈그림 3-14〉 연산증폭기(ADA4891) 주파수 변화 특성 134
〈그림 3-15〉 수신부 선형이득에 관한 시험 및 결과 135
〈그림 3-16〉 전원 계통도 136
〈그림 3-17〉 케이블 배선처리 개념도 138
〈그림 3-18〉 신호제어장치 커넥터 핀맵 138
〈그림 3-19〉 인터페이스에 따른 송수신모듈 적용 139
〈그림 3-20〉 송수신모듈 형상 2차원 평면 개념도(투영도면) 141
〈그림 3-21〉 송수신모듈 인쇄회로기판과 조립체 142
〈그림 3-22〉 안테나 포함 제작된 송수신모듈 사진 143
〈그림 3-23〉 방사각과 기상관측 개념 143
〈그림 3-24〉 최소 수신레벨 계산 145
〈그림 3-25〉 신호제어장치의 ADC 보드 145
〈그림 3-26〉 RFEU의 내부 구성도 157
〈그림 3-27〉 안테나 구조와 그 형상(레이돔 포함) 158
〈그림 3-28〉 안테나 구조와 송수신 복사 패턴 및 급전부 반사특성 159
〈그림 3-29〉 송수신조립체 구성도 및 개발된 송수신조립체 159
〈그림 3-30〉 발생조립체 EV-ADF4159EB1Z, ANALOG DEVICES(미)와 100MHz대역... 160
〈그림 3-31〉 FMCW 삼각파형(Triangle형) 신호의 발생과 주기별 특성, (a) 25MHz 대역... 160
〈그림 3-32〉 SAWTOOTH 송신신호 스펙트럼, (a) 25MHz/50us 첩신호, (b) 50MHz... 161
〈그림 3-33〉 (a) 송신신호 In band 스펙트럼 @94GHz, (b) 송신신호 Out band 스펙트럼 @94GHz,... 161
〈그림 3-34〉 하향변환경로 측정구성도와 그 응답 곡선, (a) 수신부 선형이득 시험방법 및... 162
〈그림 3-35〉 I-단자 연산증폭기와 수신부 경로 특성, (a) 수신신호 스펙트럼 및 (b) 잡음... 163
〈그림 3-36〉 개발된 W-밴드 레이더 RFEU의 전원계통도 163
〈그림 3.37〉 신호처리기 구조 166
〈그림 3-38〉 송수신기와 신호처리기 인터페이스 167
〈그림 3-39〉 송수신기와 신호처리기 케이블 연결 구성 168
〈그림 3-40〉 신호처리기 소프트웨어 기능 구성 168
〈그림 3-41〉 신호처리 소프트웨어 구성 170
〈그림 3-42〉 GPU 신호처리 순서 171
〈그림 3-43〉 채널별 정렬 172
〈그림 3-44〉 신호처리 소프트웨어 실행 화면 176
〈그림 3-45〉 표출 소프트웨어 실행 화면 177
〈그림 3-46〉 실내 방사 시험 결과 178
〈그림 3-47〉 GIST 중앙 분수대 측정, (a) 중앙 분수 공원 (정면) 및 (b) 등간격으로 설... 178
〈그림 3-48〉 실외 방사 시험 결과 179
〈그림 3-49〉 차량탑재형 복합센서 내부 구성도 180
〈그림 3-50〉 차량탑재형 복합센서 시스템 형상도 181
〈그림 3-51〉 차량탑재형 복합센서 181
〈그림 3-52〉 차량탑제체 고도별 관측(0°, 45°, 90°) 182
〈그림 3-53〉 신호처리 소프트웨어 실행 화면 184
〈그림 3-54〉 표출 소프트웨어 실행 화면 186
〈그림 3-55〉 신호처리장치 PC 내부 188
〈그림 3-56〉 신호처리기 케이블 연결 구성 188
〈그림 3-57〉 트리거 생성 모습 189
〈그림 3-58〉 송신 신호 스펙트럼 189
〈그림 3-59〉 T=50us, fB=1000kHz의 결과 190
〈그림 3-60〉 T=50us, fB=1001kHz의 결과 191
〈그림 3-61〉 FMCW 분석 그래프 193
〈그림 3-62〉 imagesc 분석 결과(dBz값 - 레이더 거리 방정식) 193
〈그림 3-63〉 하모닉 잡음이 많은 사례 194
〈그림 3-64〉 하모닉이 많은 사례의 imagesc 195
〈그림 3-65〉 약한 강수 사례 196
〈그림 3-66〉 그림 3-65에서 x이 20일 때 분석 값 196
〈그림 3-67〉 약한 강수와 강한 강수 동시 관측 197
〈그림 3-68〉 그림 3-67에서 x 축이 150, 250인 경우 강수 이동 분석 198
〈그림 3-69〉 강한 강수의 이동(접근) 199
〈그림 3-70〉 강우가 없는 사례 200
〈그림 3-71〉 강수가 약한 사례 201
〈그림 3-72〉 7월10일 7시56분 분석 202
〈그림 3-73〉 7월10일 08시00분 분석 202
〈그림 3-74〉 클러터 관측[원문불량;p.178] 203
〈그림 3-75〉 7월02일 03시32분 분석 204
〈그림 3-76〉 7월4일 01시12분 분석 205
〈그림 3-77〉 7월10일 20시09분 분석 206
〈그림 3-78〉 7월10일 20시15분 분석 207
〈그림 3-79〉 K 밴드 (24GHz)에서의 강우강도에 대한 스케터그램 (a) vs.반사도 및 (b) vs.감쇠 209
〈그림 3-80〉 Ka 밴드 (35GHz)에서의 강우강도에 대한 스케터그램 (a) vs.반사도 및 (b) vs.감쇠 209
〈그림 3-81〉 Ka와 W 밴드 사이의 질량 가중 평균 빗방울 크기 대 차동 도플러 속도 209
〈그림 3-82〉 24GHz대 13.8GHz의 매개변수 비교, (a) 반사도, (b) ZK=-0.0035Z²Ku+1.136ZKu에...(이미지참조) 210
〈그림 3-83〉 35GHz 대 24GHz의 매개변수 비교, (a) 반사도, (b) ZKa=-0.0034Z²K+1.0871ZK에...(이미지참조) 210
〈그림 3-84〉 2014년 2월 15일 핀란드 Hyytiala에 있는 ARM Ka-Band Cloud Radar 기반... 211
〈그림 3-85〉 2014년 2월 15일 핀란드 Hyytiala에 있는 ARM Ka-Band Cloud Radar 기반... 212
〈그림 3-86〉 2014년 2월 15일, 핀란드 Hyytiala에 있는 ARM W-Band Cloud Radar의 반... 212
〈그림 3-87〉 2010년 7월 26일 08-09 UTC에서 아조레스 Graciosa 섬, ARM W-Band... 213
〈그림 3-88〉 2010년 7월 26일 10-11 UTC에서 아조레스 Graciosa 섬 ARM W-Band... 213
〈그림 3-89〉 2010년 7월 26일 11-12 UTC에서 아조레스 Graciosa 섬, ARM W-Band... 214
〈그림 4-1〉 TRADOS 개념 217
〈그림 4-2〉 연구 추진 프로세스 217
〈그림 4-3〉 장비 장착 설계도 219
〈그림 4-4〉 장비 장착 완료된 차량 외부도 220
〈그림 4-5〉 장비 장착 완료된 차량 내부도 220
〈그림 4-6〉 데이터 조회를 위한 프로그램 (RViewer) 221
〈그림 4-7〉 로깅 된 CSV 파일 222
〈그림 4-8〉 UDP 레이더 데이터 수신기 (좌: UDP 데이터 발신기, 우: 수신기) 222
〈그림 4-9〉 실세계 차량 분포 vs. 관측 차량 분포 226
〈그림 4-10〉 분석 시뮬레이션 화면 226
〈그림 4-11〉 수집자료 검지 그래프 227
〈그림 4-12〉 주변 환경 데이터 재현 프로그램 구조도 228
〈그림 4-13〉 주변 환경 데이터 재현 프로그램[원문불량;p.204] 229
〈그림 4-14〉 차량 추출 알고리즘 순서도 230
〈그림 4-15〉 시뮬레이션 환경 구성 233
〈그림 4-16〉 파라믹스 차량 구성 입력 및 센서 장착 차량 정의 234
〈그림 4-17〉 센서 차량 검지 범위 235
〈그림 4-18〉 센서 환경 정의 화면[원문불량;p.211] 236
〈그림 4-19〉 센서 차량 및 검지차량 시각화 예[원문불량;p.212] 237
〈그림 4-20〉 센서차량 주변 밀도에 따른 시각화[원문불량;p.212] 237
〈그림 4-21〉 센서 차량 파라믹스 시뮬레이션 예제[원문불량;p.213] 238
〈그림 4-22〉 교통밀도 추정 시뮬레이션의 3차원 시각화[원문불량;p.214] 239
〈그림 4-23〉 센서를 통한 차량 검지 239
〈그림 4-24〉 구간 밀도와 로컬밀도 평균의 관계 (샘플율 10%) 242
〈그림 4-25〉 밀도 추정 테스트 결과 분석용 네트워크 243
〈그림 4-26〉 구간 밀도와 속도 비교 243
〈그림 4-27〉 샘플율에 따른 구간 밀도 추정 결과 비교 244
〈그림 4-28〉 NGSIM 데이터 시각화를 통한 밀도 추정결과 분석 244
〈그림 4-29〉 조사 차량의 궤적 및 검지 영역 시공도 245
〈그림 4-30〉 다중차로에서의 레이더 센서 검지범위 247
〈그림 4-31〉 다중차로에서의 레이더 검지 영역 시공도[원문불량;p.223] 248
〈그림 4-32〉 PARAMICS API 작동 원리 249
〈그림 4-33〉 예제 도로망 (SimpleNet) 250
〈그림 4-34〉 통행수요 프로파일 (SimpleNet) 250
〈그림 4-35〉 시뮬레이션 결과 (Link with ID=13, 시장점유율 1%) 251
〈그림 4-36〉 시뮬레이션 결과 (Link with ID=13, 시장점유율 5%) 252
〈그림 4-37〉 시뮬레이션 결과 (Link with ID=13, 시장점유율 10%) 252
〈그림 4-38〉 시뮬레이션 결과 (Link with ID=13, 시장점유율 25%) 253
〈그림 4-39〉 실제 밀도와 추정된 밀도 비교 254
〈그림 4-40〉 RMSE 비교 (Area 기반 알고리즘 vs. 제안된 알고리즘) 254
〈그림 4-41〉 전이구간에서의 과추정 문제 255
〈그림 4-42〉 RNN 알고리즘 구조 257
〈그림 4-43〉 LSTM 알고리즘 구조 257
〈그림 4-44〉 STREAM-LSTM 알고리즘 설계 258
〈그림 4-45〉 STREAM-LSTM 알고리즘 입력값 설정 260
〈그림 4-46〉 성능 검증용 도로망 261
〈그림 4-47〉 초기 10일 학습 결과 (시장점유율 25%) 261
〈그림 4-48〉 마지막 10일 학습 결과 (시장점유율 25%) 262
〈그림 4-49〉 검증 결과 (시장점유율 25%) 262
〈그림 4-50〉 돌발상황 통합관리 플랫폼 구축 개념도 266
〈그림 4-51〉 돌발상황 통합관리 체계 개발 과정 267
〈그림 4-52〉 돌발상황 통합관리 플랫폼 DB 속성 결정 흐름도 268
〈그림 4-53〉 돌발상황 통합 대응 체계 269
〈그림 4-54〉 돌발상황의 직·간접 영향권 내 차량의 경로안내 전략 270
〈그림 4-55〉 복수 관리주체에 의한 VMS 기반 돌발상황 대응 환경 271
〈그림 4-56〉 카 내비게이션 궤적 자료를 이용한 VMS 정보제공 공간범위 결정 274
〈그림 4-57〉 교통상황 변화 속도와 VMS 정보 유효 범위간 관계 275
〈그림 4-58〉 혼잡수준에 따른 VMS 정보 유효 범위[원문불량;p.251] 276
〈그림 4-59〉 VMS 통합 운영체계 구축 흐름도 276
〈그림 4-60〉 카 내비게이션과 VMS의 경로정보 제공 차이 277
〈그림 4-61〉 VMS 정보제공 주기와 불필요한 우회차량 관계 278
〈그림 4-62〉 시위행렬의 이동 경로 및 이동 스케쥴 279
〈그림 4-63〉 시위행렬 이동 스케쥴의 단순관리 예 (시나리오 1) 280
〈그림 4-64〉 시위행렬 이동 정보를 A시만 관리하고 있는 경우 (시나리오 2)[원문불량;p.256] 281
〈그림 4-65〉 시위행렬 이동 정보를 A시만 관리하고 있는 경우 (시나리오 3)[원문불량;p.256] 281
〈그림 4-66〉 돌발상황 발생에 따른 총통행시간의 증가 (도착차량 기준) 283
〈그림 4-67〉 시나리오별 영향권 분석 284
〈그림 4-68〉 시나리오 1과 2의 제 1 및 2 경로 비교 285
〈그림 4-69〉 시나리오 1과 3의 제 1 및 2 경로 비교 286
〈그림 4-70〉 시나리오 3 시위구간 통행속도 변화 287
〈그림 4-71〉 공사정보 표출 프로그램 289
〈그림 4-72〉 공사정보 입력 창 289
〈그림 4-73〉 입력된 공사정보가 지도 상에 표출된 프로그램 290
〈그림 5-1〉 빅데이터 저장도구 플랫폼 구성도 294
〈그림 5-2〉 수집 프레임워크 296
〈그림 5-3〉 저장 프레임워크 296
〈그림 5-4〉 처리 프레임워크 297
〈그림 5-5〉 관리 프레임워크 297
〈그림 5-6〉 미들웨어 연동 구성도 298
〈그림 5-7〉 HDFS의 데이터 수집 구조 299
〈그림 5-8〉 1차년도 빅데이터 서버 구축 300
〈그림 5-9〉 안구운동 측정 장치(TalkEye Lite) 300
〈그림 5-10〉 CVM기법의 WTP 산정 과정 303
〈그림 5-11〉 전체 연구개발 구조도(2차년도)[원문불량;p.280] 305
〈그림 5-12〉 도로 주행환경 빅데이터 분석 아키텍처 306
〈그림 5-13〉 데이터 저장 프로세스 309
〈그림 5-14〉 BBOX를 이용한 링크구간 매칭 알고리즘 310
〈그림 5-15〉 대푯값 산출 알고리즘 310
〈그림 5-16〉 링크구간 매칭 방법(기상청, 기상 데이터) 311
〈그림 5-17〉 대표 집계시간 단위의 데이터 보간 방법 312
〈그림 5-18〉 도로 주행환경 빅데이터 분석 도구 개발 개념도[원문불량;p.288] 313
〈그림 5-19〉 도루 주행환경 분석 도구 개발 구조도[원문불량;p.289] 314
〈그림 5-20〉 통행시간 예측 기술 개발 개념도 315
〈그림 5-21〉 주행환경 예측 플랫폼 Web 화면 317
〈그림 5-22〉 이력자료 검색 및 분석 화면 317
〈그림 5-23〉 개발 알고리즘 탑재 및 분석 도구 개발[원문불량;p.293] 318
〈그림 5-24〉 빅데이터 서버 H/W 구조도 320
〈그림 5-25〉 당해연도 플랫폼 구축 구조도 326
〈그림 5-26〉 플랫폼 H/W 서버랙 구성도 327
〈그림 5-27〉 설치 장비별 기능 구성도 328
〈그림 5-28〉 다종 빅데이터 수집 방법 333
〈그림 5-29〉 다종 빅데이터 저장 방법 333
〈그림 5-30〉 grid 인덱스 기법 적용 사례 334
〈그림 5-31〉 grid 매핑 테이블 구축 예시 335
〈그림 5-32〉 경/위도 좌표 추출 개념도 336
〈그림 5-33〉 시·공간 단위 매칭 및 집계 기술 프로세스 337
〈그림 5-34〉 좌표와 링크 데이터 매칭 개념도 338
〈그림 5-35〉 면과 링크 데이터 매칭 개념도 338
〈그림 5-36〉 선형 보간법 개념도 339
〈그림 5-37〉 이벤트 분석 프로세스 341
〈그림 5-38〉 교통혼잡 분석 프로세스 342
〈그림 5-39〉 다종 빅데이터 분석환경 구축 구조도[원문불량;p.318] 343
〈그림 5-40〉 Web 서비스 정보 시각화 UI[원문불량;p.319] 344
〈그림 5-41〉 실시간 주행환경 정보제공 화면(차량센서정보 수집현황) 345
〈그림 5-42〉 자율주행 AR 정보 화면 346
〈그림 5-43〉 이력자료 분석 화면 346
〈그림 5-44〉 주행환경 분석 툴 화면[원문불량;p.322] 347
〈그림 5-45〉 HDFS 저장 로그 화면(기존 방식) 348
〈그림 5-46〉 HDFS 저장 로그 화면(본 연구) 348
〈그림 5-47〉 가상 차량센싱데이터 생성 환경 구축 349
〈그림 5-48〉 분당 5만건 정보 수집 시 결과 349
〈그림 5-49〉 KSTEC의 지능형 보험사기예방시스템 354
〈그림 5-50〉 IBM의 빅 데이터 플랫폼 기술 355
〈그림 5-51〉 Oracle 빅데이터 어플라이언스 355
〈그림 5-52〉 Google Trends 서비스 화면 357
〈그림 5-53〉 BuzzMetrics 서비스 화면[원문불량;p.332] 357
〈그림 5-54〉 BI 아키텍처 개념 설계 358