This dissertation aims to estimate travel time based on low and unknown sampling rates of probe vehicles and has two main objectives: i) enhance understanding of travel time properties and ii) develop a novel estimation model of travel time distribution. First, we explored the characteristics of travel time according to traffic state changes and congested traffic. The systematic relation between spot and section measurements is theoretically and empirically examined; as well, the characteristics of travel time variability are empirically observed. Then, we developed a novel estimation model of travel time distribution based on the Bayesian mixture model. To reduce the estimation error due to low and unknown sampling rate of probe vehicles, we used prior information in the Bayesian approach based on the characteristics of travel time regularity. To evaluate the accuracy of the methodology, we used empirical data from expressways and arterial roads. The Bayesian mixture model outperforms different estimation approaches.
본 연구는 표본 프로브 차량 기반 통행시간 분포 추정에 관한 연구로 i) 교통류 상태에 따른 통행시간 특성에 대한 이해, ii) 표본 데이터 기반 통행시간 분포 추정 방법론 개발 등으로 나누어 연구를 수행한다. 먼저 교통류 상태 변화 및 혼잡상태에서 통행시간 추정 시 발생하는 특성을 분석한다. 지점 및 구간검지 기반의 교통정보가 체계적인 관계를 가지고 있음을 이론적 및 실증적으로 분석하고, 혼잡 시 발생하는 통행시간 변동성의 원인을 실증적으로 분석한다. 이이서 표본 프로브 차량 기반 베이즈 혼합 분포에 기반한 통행시간 분포를 추정한다. 표본 데이터 기반 통행시간 추정 시 발생하는 오차를 베이즈 추론의 사전정보를 활용해서 오차를 최소화 시키며, 베이즈 혼합 모형를 활용해서 혼잡 시 통행시간 분포를 추정한다. 본 연구방법론의 정확도 검증을 위해서 연속류 및 단속류 구간에서 분석을 실시하며, 기존방법론의 결과와 비교함으로써 본 연구방법론의 유용성을 검증한다.
