표지

요약 및 정책건의

목차

I. 서론
1.1 연구의 범위 21
1.2 서울시 도시고속도로 지능화사업 추진의 배경 및 목적 24
1.3 지능화사업 추진과 서울시의 여건 25
1.4 연구의 내용 27

II. 서울시 도시고속도로 지능화 구현구상
2.1 접근방법 31
2.2 시스템의 기본구상 33
 2.2.1 목표의 설정 33
 2.2.2 사용자 서비스 설정 33
 2.2.3 기본요구기능 34
2.3 요구기능별 기술적 검토 36
 2.3.1 정체관리 36
 2.3.2 잠재적 위험요소 관리 40
 2.3.3 환경저해요인 관리-배기가스 배출감시 40
2.4 시스템의 구현구상 41
 2.4.1 시스템 구현의 틀 41
 2.4.2 시스템 구현의 전제조건 42
 2.4.3 시스템의 세부요구 기능 42
 2.4.4 시스템 요구기능 구현 흐름도 47
2.5 시스템의 단계별 구축 구상 51
 2.5.1 기술적 확장구상-S/W 대상 51
 2.5.2 공간적 확장구상 55

III. 세부 연구 과제
3.1 고속도로 관리기능별 처리 및 판단 알고리즘 59
 3.1.1 정체판단 60
 3.1.2 유고감지 65
 3.1.3 진입량 조절(Entrance Ramp Control) 68
 3.1.4 적정속도 판단 69
 3.1.5 대기행렬 본선 영향도 70
 3.1.6 진출부 교차로 정체도 70
3.2 시스템 차원의 거시적 대응전략 71
 3.2.1 기본 관리전략의 도출 71
 3.2.2 관리전략의 실행 72
3.3 평가 75
 3.3.1 평가의 정의 및 목적 75
 3.3.2 평가의 절차(Evaluation Procedure/Assessment Process) 76
 3.3.3 평가방법 77
 3.3.4 평가도구로써의 교통류 모형 78

IV. 서울시 도시고속도로 지능화를 위한 선결과제
4.1 시스템 설치를 위한 현장 환경 구축 85
 4.1.1 고속도로로서의 기능 제고 85
 4.1.2 유고처리등 비상시를 대비한 노견 확보 91
 4.1.3 현장 장비 설치를 위한 노변공간 확보 99
 4.1.4 지명 체계의 보완 102
4.2 사업추진체계 구축 107
 4.2.1 사업추진주체 107
 4.2.2 관련법 정비 110
 4.2.3 관련제도정비 115
4.3 사업기획력 제고 120
4.4 기술력 제고 122

V. 결론

참고문헌

부록 A. 서울시 도시고속도로 노선별 현황

부록 B. 국내의 시스템 최근 동향 분석
B.1 올림픽대로 시범사업 144
 B.1.1 추진배경 144
 B.1.2 사업 개요 144
 B.1.3 시스템 기본구상 145
 B.1.4 시스템의 구성 148
B.2 국외 도시고속도로 관리 시스템 현황 152
 B.2.1 미국 Great Houston Area ITS 사업 152
 B.2.2 프랑스 도시고속도로 관리 시스템 156
 B.2.3 호주 Safe-T-Cam Project 158

부록 C. 유고감지 알고리즘 비교분석
C.1 DES알고리즘(Double Exponential Smoothing algrithm) 164
 C.1.1 알고리즘의 구성 164
 C.1.2 특징 165
C.2 APID알고리즘(the All Purpose of Incident Detection algorithm) 165
 C.2.1 알고리즘의 구성 165
 C.2.2 유고의 선언 165
 C.2.3 APID알고리즘의 구조 166
 C.2.4 특징 167
C.3 McMaster 알고리즘 168
 C.3.1 유고감지 방법(Congestion Detection Logic) 168
 C.3.2 특징 168
C.4 CCL(Cause of Congestion Logic) 알고리즘 169
 C.4.1 알고리즘의 구성 및 특징 169
 C.4.2 CCL알고리즘의 원리(Principle of the CCL) 169
 C.4.3 Distinguishing Incident congestion and recurrent congestion 169
 C.4.4 Calibration of the CCL 170
C.5 신경망 이론에 의한 접근방법 -1
 C.5.1 신경망이론의 개요 170
  C.5.1.1 신경망이론 170
  C.5.1.2 뉴런의 수리모형 170
 C.5.2 신경망이론에 의한 유고감지알고리즘 171
  C.5.2.1 신경망 모형의 선택 171
  C.5.2.2 모형의 구성 171
  C.5.2.3 입력자료의 선택 172
  C.5.2.4 신경망의 학습 172
  C.5.2.5 신경망에 의한 유고감지 알고리즘의 특징 173
  C.5.2.6 평가기준(Evaluation Criteria) 173

부록 D. 시계열 분석
D.1 시계열분석에 대한 이론적 배경 176
 D.1.1 일반선형모형(general linear model) 176
 D.1.2 이동평균모형(moving average model) 176
 D.1.3 자기회귀모형(autoregressive model) 177
 D.1.4 자기회귀이동평균모형(autoregressive moving average model) 177
 D.1.5 통합된 자귀회귀이동평균모형 177
 D.1.6 칼만필터(Kalman Filter) 모형 178
D.2 시계열 모형에 의한 예측방법 180
 D.2.1 Box-Jenkins 모형에 의한 예측 180
 D.2.2 칼만필터 모형에 의한 예측 181

ABSTRACT