서지주요정보
Spatial trajectory-based bicycle crash risk estimation for interactive safety map system = 상호작용형 안전 지도 시스템을 위한 GPS 궤적 기반의 자전거 사고 위험 예측
서명 / 저자 Spatial trajectory-based bicycle crash risk estimation for interactive safety map system = 상호작용형 안전 지도 시스템을 위한 GPS 궤적 기반의 자전거 사고 위험 예측 / Dong-Wook Lee.
저자명 Lee, Dong-Wook ; 이동욱
발행사항 [대전 : 한국과학기술원, 2014].
Online Access 원문보기 원문인쇄

소장정보

등록번호

8026977

소장위치/청구기호

학술문화관(문화관) 보존서고

DICE 14013

SMS전송

도서상태

이용가능

대출가능

반납예정일

초록정보

As mobile devices came into wide use, it became practical and popular to collect travel data in personal logs by using a satellite navigation system such as the GPS. The spatial trajectory generated by the vehicle contains valuable information including real-time traffic situation, transportation environments, and driver’s behaviors. Many studies have been conducted to extract meaningful information from this trend. On the other hand, the number of bicyclists is steadily growing for several decades, and the bicycle related crashes and bicycling safety are getting more concerns. In order to enhance bicycle safety, various factors affecting bicycle crash risk have been studied and proposed. The moving path generated by a bicycle was also investigated by previous researchers, however the spatial characteristics of the bicycle were not completely explored yet in the aspect of the bicycle crash risk and the bicyclists’ behavioral characteristics on the road. In order to improve the bicycle safety, we attempted to extract both the kinematic and the spatial features from a large number of the bicycle trajectories and to investigate their significance as the crash risk factors. The trajectories were collected on the segregated, i.e., free from motor vehicle traffics, two-way riverside bicycle track by using GPS units. As the kinematic features, the speed and the heading change were estimated and as the spatial ones, several distance measures were evaluated on two summarized trajectories of the GPS data in both directions. The summary trajectories were constructed using the principal curve method. The extracted features were applied to the regression analysis in order to confirm their correlation to the bicycle crash risk. Our results show that the kinematic features were rather irrelevant while the spatial ones had meaningful correlation with the crash risk and thus confirm their usefulness in crash risk analysis. Secondly, the visualization method for the bicycle trajectories was proposed. The proposed visualization method is based on the density map which highlights the areas where the trajectories are intersecting each other. For the visualization, the trajectories were divided into several groups according to their kinematic properties and the information was used for the density map construction. Based on the density map, the intersection map which visualizes the area that the groups are intersecting was constructed. The intersection map was combined with the density map to show the influence of the intersecting areas. The proposed visualization method were applied to the bicycle trajectories collected during previous procedure and proved that it was able to provide some visual insights which is hard to be noted from existing visualization methods. An exploratory study was conducted by comparing the crash number and the intersection map of the crash black spots to those of the normal spots. The results show a tendency that the spots with more crash number have higher values in the intersection map. Utilizing the previous results, we represent an interactive safety map system for monitoring road geometry and crash-risk estimation. The proposed system consists of the bicycles with smartphone applications for GPS data collection and a map server which aggregates the collected GPS trajectories and estimates road conditions. In order to estimate road geometry and crash risk information, the trajectories were segmented and categorized into groups according to their headings. Based on the processed trajectories, the summary trajectories of the road section were estimated. The crash risk of the road section was estimated using the spatial features extracted from summary trajectories and the density map of the trajectories. The system was evaluated using bicycle trajectories collected on the segregated bicycle tracks in Seoul, Korea. Constructed geometry and crash risk information of the track was compared with real track geometry and crash data. As a result, the bicycle trajectory-based estimated road geometry showed over 74 % similarity to the real road geometry and the success rate of the crash risk prediction matches the real crash data by 71 %.

차량, 인간 또는 동물의 움직임 궤적은 해당 객체의 운동과 행태에 대한 다양한 정보를 내포하고 있으며, 이에 대해 다양한 분야에서 많은 연구가 진행되어 왔다. 근래 급격하게 증가하고 있는 스마트폰 보급률과 GPS (Global Positioning System) 기술의 발달은 일반 대중으로 하여금 개인의 위치 정보를 쉽게 수집 및 기록할 수 있는 환경을 마련하였다. 이를 바탕으로 대량의 다양한 운송 수단 (Transportation mode) 의 공간 궤적 (Spatial trajectory) 이 생성되고 있다. 움직이는 물체의 공간 궤적은 시간의 흐름에 따른 물체의 위치 정보를 내포하고 있으며 이를 바탕으로 물체의 운동학적 특성 (Kinematic properties) 에서부터 행태적 특징 (Behavioral characteristics) 까지의 다양한 정보분석이 가능하다. 본 논문은 1) GPS 궤적의 공간적 특징과 운송 수단이 가지는 행태적 특성을 바탕으로 고유하게 가지는 특징점들을 추출 및 분석하여 주행 안전과의 연관성을 분석한 뒤, 2) 추출된 특징점과 궤적들을 분석하기 위한 시스템과 시각화 방안을 제시하였으며, 3) 분석 결과를 바탕으로 실시간 주행 안전 정보를 제공하는 시스템을 제안하였다. 본 논문의 첫 번째 주안점은 대량의 GPS 궤적들이 주행 중 발생할 수 있는 사고 위험에 관련된 요소들의 영향을 받을 것이며, 이에 따른 특징을 궤적의 공간적 특성에 내포하고 있을 것이라는 추정을 바탕으로 한다. 실제로 운송 수단의 움직임은 주행 환경의 요소들로부터 영향을 받게 되며, 이러한 영향 요소에는 도로의 구조, 교통 상황, 날씨 등이 포함된다. 이를 바탕으로 우리는 서로 반대되는 방향으로 주행하는 운송 수단들이 서로간의 주행에 영향을 끼칠 것이라는 가설을 수립하였으며, 이러한 가설을 바탕으로 서로 반대방향으로 이동하는 궤적들 간의 영향력을 나타내는 특징점을 추출하고 이들이 사고와 가지는 연관관계를 분석하고자 하였다. 수립된 가설에 대한 실험은 한강 이남의 자전거 도로에서 수집된 자전거 궤적들을 바탕으로 수행되었다. 수집된 자전거 GPS 궤적들은 수집된 도로의 구조 및 구간거리를 바탕으로 분할되었다. 궤적의 분할은 사고와의 연관관계 분석을 위한 것으로, 이후 구간별로 나뉘어진 궤적들의 특징점 값과 자전거 사고 횟수간의 분석을 통해 연관관계가 분석된다. GPS 궤적들을 바탕으로 운동학적 특징점들 (Kinematic Features)과 공간적 특징점 (Spatial Features)의 두 종류의 특징점들이 추출되었다. 운동학적 특징점들은 궤적을 통해 도출될 수 있는 속도, 가속도, 방향, 방향변화 등을 포함하며, 공간적 특징점은 궤적 데이터의 분포에 대한 요소인 밀도값과 궤적들의 영향력을 나타낼 수 있는 요소로 구성되어 있다. 운동학적 특징점들은 단일 GPS 궤적의 위도, 경도, 시간을 바탕으로 계산될 수 있는데 반해, 공간적 특징점들은 동일한 방향을 가지는 궤적들의 전반적인 구성을 분석함으로써 도출되었다. 공간적 특징점 중 궤적간의 영향력을 계산하기 위해서는 먼저 방향이 동일한 궤적들을 바탕으로 이들을 대표하는 하나의 궤적을 구성할 필요가 있었다. 이를 위해서 궤적을 구성하는 정점 데이터들에 대해 Principal Component Method 중의 하나인 PC (Principal Curve)를 적용하였다. 궤적에 적용된 PC는 동일한 방향을 가지는 궤적들을 대표하는 하나의 궤적을 생성해낸다. 서로 반대되는 방향의 궤적들로부터 2개의 대표 궤적들이 생성되며 이들 간의 영향력 분석을 위해 FD (Fr´echet Distance)가 계산되었다. FD는 두 개의 폴리라인들 간의 거리를 계산하는 방법으로, 폴리라인이 가지는 형태 및 구조를 기반으로 거리 값을 계산한다. FD 값은 앞서 나눠진 궤적 구간별로 계산되었다. 일반적으로 FD 계산은 2차원적 평면을 가정하고 계산되나, GPS 데이터의 경우 고도값을 포함한 3차원 좌표로 구성될 수 있기에, 2차원과 3차원의 2종류의 FD를 계산하였다. 추가적으로, FD가 가지는 폴리라인(Polyline)의 구조적 특성을 비교하기 위해, 대표 궤적들 간의 최소 거리값이 계산되었다. 운동학적 특징점들과 공간적 특징점들의 사고 위험과의 연관성을 검증하기 위해, 구간별로 가지는 자전거 사고 횟수와 특징점들의 값들 간의 회귀분석이 수행되었다. 일반적으로 사고분석에 사용되는 회귀분석 모델로는 Poisson Model과 Random Effect Model이 있으며, 두 모델 모두가 사용되었다. 회귀분석 결과, 운동학적 특징점들은 사고 위험과 매우 낮은 연관성을 가지고 있음이 나타났다. 이는 연구과정에서 예측된 사안으로, 구간별로 가지는 운동학적 특징점들의 값이 큰 차이를 보이지 않았음에 기인한다. 그러나 공간적 특징점들의 경우 다른 결과를 보였다. 대표 궤적간의 최소 거리값과 밀도값은 사고와 관련이 없는 것으로 나타났지만 FD의 경우, 2차원과 3차원 모두 Negative한 상관관계를 가지고 있음을 보였다. Incident Rate Ratio (IRR)의 경우, Poisson Model에 대해 2차원 FD가 0.203, 3차원 FD가 0.375을 가지며, Random Effect Model에 대해 2차원 FD가 0.203, 3차원 FD가 0.377의 값을 보였다. 두 FD의 신뢰구간(Confidence Interval)은 각각 2차원의 경우, -3.1 ~ -0.1, 3차원의 경우 -2.0 ~ -0.04를 나타냈다. 신뢰구간에서 볼 수 있는 바와 같이, FD들의 분포는 다소 넓은 범위를 가진다. 이는 샘플 데이터 수의 제한에 따른 것으로 판단되며, 사고 발생 데이터와 GPS 궤적 데이터의 보완을 통해 극복할 수 있을 것으로 판단된다. 3차원 FD의 경우 2차원 FD보다 좁은 분포 범위를 가짐에 따라, 사고 위험에 대해 보다 정확한 분석 도구로 사용될 수 있을 것이라 예측할 수 있다. 본 논문의 두 번째 주제는 운송수단의 공간 궤적 시각화 방안과 이를 바탕으로 하는 자전거 사고 분석 방안이다. 우리는 공간 궤적들에 대해 DM (Density Map)을 적용함으로써, 자전거 궤적의 분포를 파악하고자 하였으며, DM을 바탕으로 반대방향으로 주행하는 자전거들 중 교차하는 자전거들에 대한 특성을 보이는 IM (Intersection Map)을 제안하였다. 먼저, 동일한 방향을 가지는 궤적들이 가지는 위치 정보들 이미지에 주사(Rasterization) 한 뒤, 가우시안 커널(Gaussian Kernel)을 적용함으로써, DM 이미지를 생성하였다. DM은 궤적 구간별로 생성되었으며, 방향에 따라 각각 2개씩 생성되었으며, 생성된 DM을 바탕으로 IM이 생성되었다. DM과 IM을 시각화함으로써, 자전거 궤적의 분포에서 서로 반대 방향으로 진행하는 자전거들이 밀집되어 있는 지역을 보다 쉽게 찾아볼 수 있었으며, 이에 대해 실제 자전거 사고와 어떠한 관계를 가지는지에 대한 탐사적인 실험이 수행되었다. 사용자는 원하는 궤적 특성을 바탕으로 궤적의 시각화 방안을 변경할 수 있다. 예를 들어 궤적의 속도에 따라, 궤적을 구성하는 직선의 색을 변화시킬 수 있으며, 이를 통해 속도가 빠른 궤적과 느린 궤적들을 쉽게 구분할 수 있다. 앞서 언급된 궤적의 DM 또한 사용자의 의도에 따라서 변화될 수 있으며, 다양한 특성에 따른 궤적의 밀도 분석이 가능하다. 앞선 분석 결과들을 바탕으로 GPS 궤적 기반의 상호작용형 주행 안전 지도 시스템이 제안되었다. 제안된 시스템은 GPS 궤적 데이터를 수집하고, 주행중인 위치의 안전 정보를 사용자에게 제공하는 스마트폰 어플리케이션과 수집된 GPS 궤적 데이터를 바탕으로 안전 정보를 생성 및 갱신하는 안전 지도 서버로 구성된다. 시스템의 스마트폰 어플리케이션은 주행 상태 파악과 데이터 수집의 역할을 가지고 있다. 구현된 시스템은 GPS 궤적 분석을 위해 2계층 Quadtree 구조를 통해 GPS 궤적들을 관리 및 저장한다. 첫 번째 Quadtree 계층에서 하나의 완성된 궤적 파일을 관리하며, 두 번째 Quadtree 계층에서는 나눠진 형태의 궤적 데이터를 관리한다. 이러한 관리방법을 통해 보다 빠르게 궤적 데이터에 접근할 수 있으며, 효과적인 궤적 분석을 가능하게 한다. 스마트폰 어플리케이션은 주행 중에 급격한 방향전환이나 급정거와 같은 상황을 GPS 궤적을 바탕으로 감지하며, 이상상황 발생 시, 이에 대한 정보를 서버로 전달한다. 안전 지도 서버는 스마트폰으로부터 전달받은 이상상황 정보와 GPS 데이터에서 추출된 FD와 궤적 DM를 바탕으로 주행 위험도를 계산한다. 제안된 시스템은 자전거주행 환경에서 실험되었다. 이를 위해서 한강 자전거 도로의 특정 구간에서 GPS 궤적들이 수집되었으며, 수집된 데이터를 바탕으로 안전 지도 정보가 구성되었다. 시스템을 통해 예측된 안전 정보 값은 실제 자전거 사고 빈도수와 비교되었다. 본 논문은 운송 수단의 궤적을 기반으로 궤적이 가지는 공간적 특성과 운송 수단의 행태적 특성을 바탕으로 사고와 연관관계가 있는 특징점을 추출 및 분석하고자 하였다. 이를 위해서, 자전거 GPS 궤적들을 바탕으로 운동학적 특징점들과 공간적 특징점들을 추출하였다. 추출된 특징점들이 사고 위험과 가지는 연관관계를 찾기 위해 회귀분석을 적용하였으며, 결과적으로 FD가 사고 위험과의 관계를 가짐을 알 수 있었다. 또한 궤적 분석을 위한 시각화 및 관리 시스템을 구성하였으며, 분석 결과를 바탕으로 스마트폰 어플리케이션을 이용한 궤적 기반의 상호작용형 주행 안전 지도 시스템이 제안되었다. 제안된 시스템은 자전거 GPS 궤적정보를 바탕으로 실험되었으며, 그 유용성을 보였다.

서지기타정보

서지기타정보
청구기호 {DICE 14013
형태사항 ix, 84 p. : 삽도 ; 30 cm
언어 영어
일반주기 저자명의 한글표기 : 이동욱
지도교수의 영문표기 : Min-Soo Hahn
지도교수의 한글표기 : 한민수
수록잡지명 : "Trajectory-Based Road Geometry and Crash Risk Estimation with Smartphone-Assisted Sensor Networks". International Journal of Distributed Sensor Network, (2014)
학위논문 학위논문(박사) - 한국과학기술원 : 디지털미디어프로그램,
서지주기 References : p. 72-76
주제 Trajectory analysis
crash risk analysis
regression
density map
interactive safety map
궤적 분석
사고 위험 분석
회귀분석
밀도도
상호작용형 안전 지도
QR CODE qr code