6. AI를 통한 신호최적화에 관한 연구: 독립 신호교차로를 중심으로 / 정지효, 차정은, 최범규, 권의영, 권순규, 최제렬,…

구두세션, ITS 1, 27(금) 10:00-11:40, 한송

AI를 통한 신호최적화에 관한 연구: 독립 신호교차로를 중심으로 / 정지효(동아대학교), 차정은(동아대학교), 최범규(동아대학교), 권의영(동아대학교), 권순규(동아대학교), 최제렬(동아대학교), 김회경 (동아대학교)

교통 신호 최적화를 위한 기존의 평균 속도 기반 방법은 교통 흐름의 다양한 변화를 반영하기에 한계가 있다. 이에 따라, 본 연구는 기존의 평균 속도 기반 교통 신호 최적화 방법의 한계를 극복하고자 실시간 교통 데이터와 다양한 교통 패턴을 분석할 수 있는 딥러닝 기반 모델을 개발하여, 미시적 교통 흐름 변화를 반영하는 신호 최적화 프레임워크를 제안한다. 모델은 Long Short-Term Memory(LSTM)와 Deep Neural Network(DNN) 기술을 통합적으로 활용하여, 실시간 변화하는 차량 속도와 밀도 데이터를 정밀하게 분석하고 교통 신호 타이밍을 예측한다. 개발 모델은 유전 알고리즘을 통해 차량의 미시적 행동 및 복잡한 교통 흐름을 고려, 신호 시스템의 반응성과 효율성을 최대화한다. 이는 실시간 교통 상황에 맞추어 신호 타이밍을 동적으로 조정하여, 교통 관리의 정밀성을 높이는 전략적 접근을 가능하게 한다. 본 연구에서 개발된 모델은 도시 교통 시뮬레이션 도구인 VISSIM을 사용하여 기존의 신호 체계와 비교 분석하였다. 분석 결과, 본 모델은 기존 모델에 비해 교통 상황에 대한 반응 속도와 정확성이 현저히 향상되었으며, 이를 통해 교통 흐름 개선 효과가 뚜렷이 나타난 것을 확인했다. 이러한 결과를 바탕으로, 딥러닝 기반의 신호 체계를 세밀하게 조정하고, 다양한 도로 조건 및 교통 패턴에 효과적으로 대응할 수 있는 미시적 신호 최적화 시스템을 개발했다. 이 시스템은 실제 도시 환경에서의 교통 체계 개선에 적용될 수 있는 가능성을 입증한다.