Reinforcement Learning-Based Estimation of Dynamic Origin-Destination Matrices in Urban Areas Using Microscopic Traffic Simulation and Traffic Volume Data
이공학학술연구기반구축(R&D) · 박사과정생연구장려금지원
2026년
2340053455
교육부
한국연구재단
서울대학교
민동규
1명
2026.03.01 ~ 2026.08.31
2024.09.01 ~ 2026.08.31
1,250만원
1,250만원
기초연구
대학
서울특별시 관악구
건설/교통 > 도로교통기술 > 교통운영관리기술
본 연구에서 개발하는 동적 O-D 행렬 추정기법은 1) O-D 행렬과 검지 데이터 사이의 시간 종속성을 반영하고, 2) 확률성과 고차원성에 따른 계산 복잡도를 고려하며, 3) 실제 교통량 검지 데이터를 기반으로 현실의 교통상황을 정확하게 모사하는 것을 목표로 함. 시간 종속성을 반영하기 위하여 강화학습을, 확률성과 고차원성을 고려하기 위하여 미시 교통 시뮬...
오늘날 4차 산업혁명에 따른 초연결사회가 도래함에 따라 차량사물통신(V2X) 기반 자율주행, 사물인터넷(IoT) 기반 스마트 교통 인프라, 인공지능 등을 활용하여 도심부 교통혼잡 문제를 미시교통 운영전략으로 해결하려는 학술적 노력이 지속되고 있음. 한편, 이러한 미시교통 운영전략들을 개발하고 그 효과를 예측·평가하기 위해서는 현실을 잘 모사할 수 있는 가상의 ...
시간 종속성을 고려하여 동적 O-D 행렬을 추정하는 경우 검지 데이터만으로 주어진 교통상황을 현실과 유사하게 모사할 수 있을 것으로 기대함. 이는 여러 교통 운영전략의 개발 및 평가에 활용 가능하며, 궁극적으로 교통혼잡의 해소를 목적으로 함. 즉, 본 연구개발성과는 경로·신호제어 등 다양한 차세대 교통 운영전략의 개발 및 평가에 필요한 현실 교통상황 모사를...