지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 정인범
- 발행연도
- 2015
- 저작권
- 강원대학교 논문은 저작권에 의해 보호받습니다.
이용수5
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
기존의 교통신호 체계는 설치 및 사용이 간단하다는 이유로 고정식 제어를 사용해왔다. 고정식 제어는 교통량을 실시간으로 반영하지 못하기 때문에 효율성이 매우 떨어진다. IT융합 기술이 발전하면서 지능형 교통 시스템 (ITS : Intelligent Transportaion System)이 개발되었고 이를 응용하여 고정식 제어의 문제점을 해결하기 위해 감응식 제어와 학습기반 신호제어 같은 기법이 연구되고 있다. 하지만 이러한 기법은 단순히 단일 교차로의 교통량을 고려하기 때문에 도심지와 같은 복잡하고 교통량이 급격하게 변화하는 도로 환경에 적용하기에는 효율성이 떨어지고 신호 순서를 변경하여 운전자 혼란을 일으킬 수 있는 단점이 있다.
본 논문에서는 도심지의 교통흐름이라도 매일 출·퇴근 시간대에 특정구역에 정체현상이 반복되는 점과 교통사고와 같은 예외적인 상황을 제외하면 고른 교통흐름을 보인다는 특징에 주목하여 연구를 진행하였다. 이에 따라 도심지의 교통망을 효율적으로 제어하기 위해서는 도심지 교통흐름의 특징에 맞게 반복적인 패턴을 반영하고 교통사고와 같은 예외적인 상황을 고려하며, 다중 교차로를 연계하여 제어할 수 있는 알고리즘이 필요하다고 판단하였다. 본 논문에서는 이러한 요구사항을 반영하여 도심지에 나타나는 반복적인 패턴을 학습하고 도심지 교통망을 효율적으로 제어할 수 있는 강화학습 기반의 새로운 교통신호제어 알고리즘을 제안한다.
제안하는 알고리즘은 교통패턴 학습, 최대Q 경로탐색, 교통 혼잡구간 탐색, 다중 교차로 제어의 4가지 단계로 이루어지며, 이들의 연동은 교통 혼잡을 빠르게 해소할 수 있게 한다. 특히, 시간이 지날수록 학습결과누적으로 해당 교통 환경에 최적화된 신호제어가 가능하다. 제안하는 알고리즘의 평가를 위하여 마이크로스코픽 시뮬레이터를 사용하여 도심지 교통 환경을 재연하고 기존의 신호제어기법과 비교하여 객관적인 성능평가를 수행한다.
본 논문에서는 도심지의 교통흐름이라도 매일 출·퇴근 시간대에 특정구역에 정체현상이 반복되는 점과 교통사고와 같은 예외적인 상황을 제외하면 고른 교통흐름을 보인다는 특징에 주목하여 연구를 진행하였다. 이에 따라 도심지의 교통망을 효율적으로 제어하기 위해서는 도심지 교통흐름의 특징에 맞게 반복적인 패턴을 반영하고 교통사고와 같은 예외적인 상황을 고려하며, 다중 교차로를 연계하여 제어할 수 있는 알고리즘이 필요하다고 판단하였다. 본 논문에서는 이러한 요구사항을 반영하여 도심지에 나타나는 반복적인 패턴을 학습하고 도심지 교통망을 효율적으로 제어할 수 있는 강화학습 기반의 새로운 교통신호제어 알고리즘을 제안한다.
제안하는 알고리즘은 교통패턴 학습, 최대Q 경로탐색, 교통 혼잡구간 탐색, 다중 교차로 제어의 4가지 단계로 이루어지며, 이들의 연동은 교통 혼잡을 빠르게 해소할 수 있게 한다. 특히, 시간이 지날수록 학습결과누적으로 해당 교통 환경에 최적화된 신호제어가 가능하다. 제안하는 알고리즘의 평가를 위하여 마이크로스코픽 시뮬레이터를 사용하여 도심지 교통 환경을 재연하고 기존의 신호제어기법과 비교하여 객관적인 성능평가를 수행한다.
목차
I. 서 론 1II. 관련 연구 41. 지능형 교통 시스템(ITS) 42. 교통 신호제어 알고리즘 52.1. 고정식 신호제어 52.2. 감응식 신호제어 62.2.1. 완전감응식 신호제어 72.2.2. 반감응식 신호제어 73. 강화 학습 알고리즘 8III. 트래픽 패턴 학습 기반의 다중 교차로 교통신호 제어 101. 학습 시작 조건 122. 학습 주기 143. 트래픽 패턴 학습 154. 최대 Q경로 탐색 155. 실제 교통혼잡 구간 탐색 166. 다중 교차로 제어 177. 알고리즘 파라미터 187.1. 녹색신호 시간 187.2. Q-learning 파라미터 19IV. 실험 및 성능평가 201. 시뮬레이션 환경 202. 파라미터 결정 223. 성능평가 24V. 결론 및 논의 27
최근 본 자료
댓글(0)
0