본 연구는 도로의 센서와 시뮬레이션 데이터를 융합하여 미시 교통 정보를 생성하고, 생성 정보를 기반으로 실시간 디지털 트윈을 구축하여 각종 교통 제어전략을 시행 및 평가하는 플랫폼을 구축하는 것을 목표로 한다. 이를 위해 연구는 크게 세 가지 모듈로 구성된다. 첫 모듈에서는 도로의 다양한 센서와 시뮬레이션 데이터를 딥 멀티모달 모델로 융합하고, 적대적 생성...

본 연구는 도로의 센서와 시뮬레이션 데이터를 융합하여 미시 교통 정보를 생성하고, 생성 정보를 기반으로 실시간 디지털 트윈을 구축하여 각종 교통 제어전략을 시행 및 평가하는 플랫폼을 구축하는 것을 목표로 한다. 이를 위해 연구는 크게 세 가지 모듈로 구성된다. 첫 모듈에서는 도로의 다양한 센서와 시뮬레이션 데이터를 딥 멀티모달 모델로 융합하고, 적대적 생성...

1. 딥 멀티모달 학습을 활용한 네트워크 범위의 미시교통 정보 수집 및 생성 교차로와 교차로 사이의 음영 구간 데이터에 시뮬레이션 데이터를 삽입하여 높은 해상도의 정보 취득함. 다양한 센서를 통해 수집한 교통 정보와 SUMO 시뮬레이션을 이용하여 딥 멀티모달 모델을 통해 데이터 수집이 이루어지지 않는 구간에 대하여 미시교통정보를 생성함. 2. 강화학습 기반 동적 통행 배정 모델 개발 강화학습 기반 동적 통행 배정 프레임워크를 개발하여 행동 결정자가 교통량 통행 배정을 수행하도록 학습함. 오프라인(비실시간) 상태인 시뮬레이션에서 생성된 교통량의 통행 경로를 현실에 가깝게 배정할 수 있는 강화학습 기반의 동적 통행 배정 모형 개발 후, 시뮬레이션 데이터를 활용해 개발한 강화학습 기반의 동적 통행 배정 모델을 전이학습하여 추후 테스트 베드에서 수집된 데이터를 학습할 수 있도록 함. 최종적으로 테스트 베드 데이터를 실시간으로 입력받아 학습하고, 시뮬레이션 데이터를 기반으로 구축된 동적 통행 배정 모델을 실시간으로 갱신(update)하도록 함. 3. 테스트 베드의 디지털 트윈 고도화를 통한 교통 제어전략 평가 플랫폼 구축. 테스트 베드 지역에 대한 기하구조 및 교통공학적 분석을 통한 교통제어 전략 후보군 선정함. 교통 제어 전략 후보군에 따라 수집해야 할 미시교통정보의 해상도 수준이 달라질 수 있으므로, 이에 따라 디지털 트윈의 효율적인 운영 및 동기화를 위해 예상되는 미시교통정보의 해상도 기준 도출함. 최종적으로 온라인 디지털 트윈 상 교통 제어 전략을 적용하고 실시간 연동 프레임워크를 도출함.

○ (최종목표) 협력적 교통제어 전략 도입을 위한 통합 DB기반 교통정보 음영 구간 정보생성 및 운영 관리 기술 개발○ 교통정보 음영구간의 미시교통정보 생성 및 운영 관리 기술 개발○ 다종 데이터 저장환경 구축과 딥 멀티모달을 통한 음영구간 예측 기술○ 차량 기반 미시 상황 정보 분석 및 인프라기반 객체의 미시교통정보 생성○ 인프라 기반 센서 통합 교통정보...