AI-Hub

데이터 변경이력

데이터 히스토리

소개

ㅇAI를 활용하여 도심지 교통량, 교통밀도, 지체도 등 교통량 지표 데이터를 산출하고, 축 단위 또는 네트워크 단위의 교통흐름을 개선하기 위한 AI(심층강화학습) 기반의 신호 최적화 데이터 구축

구축목적

ㅇ연구분야
- 완전감응형, 반감응형, TOD 신호 최적화 알고리즘 개발
- 독립교차로, 축단위, 네트워크 단위 신호최적화 모델 연구
- 통행시간, 통행속도, 통행량 예측 모델 연구
- AI를 활용한 교통신호 제어 모형 개발 방법론 연구
ㅇ산업분야
- 스마트시티 관련 교통 시스템 개발 및 성능개선
- AI 기반 감응형 신호제어기 및 관련 서비스 개발
- 엣지 시스템을 활용한 네트워크 단위 신호제어시스템 개발

■ 데이터 구축 규모

■ 데이터 분포
1) Training > 원천데이터

2) Training > 라벨링데이터
(1) 신호최적화 데이터

 - 교차로별 구분

(2) 영상 데이터

저작도구 설명서 및 저작도구 다운로드

AI 모델 상세 설명서 다운로드

■ 모델학습
교차로의 교통량 기반의 신호 최적화 수행

※ 신호 최적화의 경우 데이터 특성을 고려하여  Training Set 과  TEST set을 동일하게 사용하여 모델 적용전과 적용후의 네트워크 변화를 측정함

■ 검증환경 및 학습 조건
 1. 항목명 : 교차로 대기행렬감소 
  (1) 목적 : 교차로 신호 최적화를 통한 교차로 대기행렬 감소/평균 속도 증가
  (2) 검증환경
    - CPU : 12th Gen Intel(R) Core(TM) i9-12900KF 3.19GHz
    - Memory : 128 GB
    - GPU : NVIDIA GeForce RTX 3090, (전용 GPU 메모리: 24GB, 공유 GPU 메모리: 64GB)
    - Storage : SSD 2TB
    - OS : Microsoft Windows 10 Pro (64bit)
  (3) .학습조건
   1) 학습 알고리즘 : LSTM
   2) 전체 구축 데이터 대비 모델에 적용되는 비율 
- AI모델 사용데이터 비율(수량) - 4개 교차로 평일 데이터 1: 24시간 기준 통행량 및 신호
- 특정일자 지정을 통하여 시연(TEST 모듈 적용) 모델링 된 값을 기초로 모델링 적용전 전용후 시뮬레이션 테스트
- 회전교차로 데이터 기준 15분 데이터를 24시간 데이터로 구성한후 시뮬레이션 구동 테스트 
   4) 제한 사항 : 신호 최적화 데이터 셋
ㅇ 신호최적화를 수행하기 위해서는 우선적으로 교통량, 신호 현시, 상세네트워크가 포함되어야함 
ㅇ 본 구축사업에서 상시와 같은 교통량, 신호현시 데이터, 상세네트워크를 구축하였으며, 지역별로 9개 교차로 30일 데이터를 구축함
□ AI 학습방법의 차이 
ㅇ 신호 최적화는 기존의 학습용 데이터셋과는 다소 차이가 있는 것으로 판단됨 
ㅇ 기존의 AI 학습 데이터는 구현, 검지 등을 위주로 데이터를 구축하고 데이터를 만들기 위한 AI 환경을 구축하고 이를 통하여 라벨링된 데이터를 평가하는 것으로 예상됨 
ㅇ 사물이나, 객체를 검지하여 실제 값과의 차이를 기초로 통계를 작성하고, 이를 근거로 유효성을 평가는 체계를 확인할수 있음 
ㅇ 신호 최적화는 이와는 다소 차이가 있음, 우선적으로 원시데이터에서 수집된 데이터가 차량의 이동정보를 담고 있는 참값이며, 이를 기반으로 라벨링을 수행하고 라벨링된 데이터를 기초로 최적화를 수행하는 구조임
ㅇ 결론적으로 AI학습을 위한 데이터를 구성하는 것은 동일하지만 AI 학습의 목적이 현실을 구현, 검증하는 데이터가 아니기에 참값에 대한 정도를 측정할수 없음 
ㅇ 이에 유효성을 검증하기 위해서 별도의 방안을 제시하고자 함 
□  신호최적화 방법 설명 
ㅇ 교차로에서 발생하는 실제 차량을 기준으로 데이터가 생성되고 이를 시뮬레이션 INPUT 형태로 가공을 수행함, 본 컨소시엄에서는 SUMO 시뮬레이션 기반으로 데이터를 가공정제하였으며, 추가적으로 VISSIM, EMME, 등의 타 시뮬레이션 및 GPS 기반에 사용이 가능하도록 데이터 셋을 추가적으로 구성함 
ㅇ AI　신호 최적화　학습 프로그램은 tensorflow를 기반으로 python 코드로 구성되어 있으며,  SUMO 시뮬레이션 기반으로 최종 학습을 수행함

ㅇ 목적함수는 대기행렬 길이를 최소화 하는 것을 기준으로 설정하였으며, 여기서 대기 행력이라 함은, 교차로에 정지 신호 즉 붉은색 점멸시에 정지하고 있는 차량 대수를 감지 또는 길이를 시뮬레이션에서 인지하여 산출하는 값을 의미함 
ㅇ 이러한 의미에서 유효성 측정 지표를 “대기행렬길이로 설정” 하였으며 아래 그림과 같이 대기 행렬 길이 측정을 수행할수 있도록 소스를 구성하고 sumo 시뮬레이션의 연동  

ㅇ 대기행렬길이 변화를 통하여 reward를 지속적으로 학습하여 최적의 값을 도출 
ㅇ 군집 분석 등의 분류 분석을 통하여 시간대별 군집 값 도출 
ㅇ 각 군집별 타임플랜(신호주기(ring(최대 10단계)))을 적용하여 신호주기값 설정 
ㅇ 설정후 대기 행렬길이 값 비교 및 네트워크에서 움직이는 차량의 평균이동속도 비교를 통하여 유효값 제시
□ 신호 최적화 데이터 설정 
ㅇ 신호 최적화는 많은 수에 데이터를 통하여 학습하기 보다는 현실과 동일한 현상을 기록한 데이터를 기반으로 모델링을 수행하고 이를 기반으로 다양한 유형에 교차로에 적용하는 방안을 적용하여 최적화 모델을 개발함 
ㅇ 통행시간, 즉 교차로에 통과하는 시점과 시점의 신호 값이 동시에 구성되어야 하며, 이와 같은 데이터가 실제와 동일하게 제시되는 점, 교통신호를 1일의 시간대로 관리하는 점을 감안할 때 데이터 학습효과는 24시간의 데이터를 기준으로 설정하는 것이 적합하다고 판단함 
ㅇ 교통부문 전문가의 의견을 수렴한 결과 (“다양한 데이터가 혼합되는 경우 데이터의 편차에로 인해 오히 다양한 값이 발생할수 있어 최적화의 효과가 감소 될수 있기에 학습에 중요성보다는 적용에 초점을 맞추는 것이 중요할 것 같다“) 를 감안하여 1일 단위 학습을 수행하고 조건함수의 변경을 통하여 최적의 신호 최적화 모델을 구현함 
ㅇ 최종적으로 안양시 4개 교차로 데이터를 기초로 최적화 모델을 구현하였으며, 이를 검증하기 위해서 4개 교차로 기준으로 시현을 통하여, 모델의 유효성을 검증하는 것을 제안함
ㅇ 다만 1일치 데이터를 상기 환경에서 구현하였을 때 소요시간이 약 48시간 정도 소요되는 것을 감안하여 시연 및 방법의 논의가 필요
□ 전체 구축데이터 대비 모델에 적용한 비율
ㅇ 신호최적화 데이터 총 648,049건 중, 240,406건의 데이터가 적용되었음

□ 신호 최적화 데이터 유효성 추가검증 방안 
ㅇ 본 데이터는 시뮬레이션 기반의 input 데이터를 구축하는데 있기에 회전교통량의 데이터 input을 통하여 시뮬레이션 구동 여부를 확인하는 것을 추가적으로 제안
ㅇ 시뮬레이션 구동소스에 대해서는 추가적으로 확인용 모듈 제공(예정)
- 교통량, 신호, 네트워크 데이터를 시뮬레이션 구동하여 실제 차량 흐름에 대한 확인
① 활용 분야

○ 본 과제로 구축된 데이터를 가공방법을 기반으로 안양시 신호운영 시스템 구축 완료 , 신호최적화 모형 1차 테스트 완료 

데이터 성능 점수

설명서 및 활용가이드 다운로드

* 본 과제의 유효성 모델은 교차로의 신호 시간의 조정을 통하여 네트워크의 통행속도 향상과 지체 길이가 줄어듦을 확인하는 것이 임무임
* 따라서, Training, Validation, Test 데이터로 구분하지 않고, 구축 데이터를 1차 수행결과와 1차 수행 결과로 신규 생성된 신호 데이터를 이용하여 2차 수행한후, 1차 수행 결과값을 비교하는 것으로 유효성 검증이 진행되었음 

■ 신호최적화 데이터설명
- 교통량데이터(기종점기반/개별차량기반)

- 교통량데이터(회전교통량)

- 신호데이터(csv)

- 신호데이터(xml)

- 지표데이터

■ 영상데이터 데이터 설명
- 영상데이터(csv)

- 영상데이터(xml)

- 영상데이터(xml)

 데이터 예시
- 신호최적화 데이터 예시
 (1) 신호 데이터

ㆍ원천 데이터

 ㆍ라벨 데이터

 (2) 교통량 데이터
 ㆍ원천 데이터

데이터 형태/caption>

xml 형태	csv 형태

(3) 네트워크 데이터
 ㆍ네트워크 데이터는 실제 도로형상을 모형으로 구축한 데이터이므로, 별도의라벨/메타정보 데이터가 존재하지 않음

xml 형태

 (4) 지표 데이터
 ㆍ지표데이터는 신호/교통량/네트워크 데이터를 신호최적화 시뮬레이션에 입력·가공하여 산출된 데이터이므로 별도의 원천데이터가 존재하지 않음
 ㆍ라벨 데이터

 영상정보 데이터 예시

 ㆍ원천 데이터

 ㆍ라벨 데이터

 ㆍ메타정보 데이터

데이터셋 구축 담당자

수행기관(주관) : ㈜유아이네트웍스

수행기관(참여)

데이터 관련 문의처