소프트웨어학과

구분

내용

추진 배경

오거리 및 육거리와 같은 복잡한 교차로는 구조상 교통 혼잡을 유발하며, 최적화된 신호체계 구축하는 것을 어렵게 한다. 과거의 신호체계는 불필요한 제어로 인해, 극심한 교통체증을 유발하며 차량이 자주 정지하여 이로 인한 엔진 공회전으로 대기 가스를 배출하여 환경오염을 유발한다.

목표 및 내용

인공지능을 활용하여 기존의 신호체계를 개선하고, 적은 비용과 시간을 목표로 새롭게 신호체계를 구축하여 문제를 해결한다. 본 연구는 인공지능의 기법 중 하나인 강화학습을 활용하여 시간과 도로 별 교통량에 따른 유동적인 신호체계를 구축하였다. 강화학습 모델로 Q-Learning 알고리즘을 사용했으며, 시각화를 위해 Unity 엔진을 사용하였다.

• 수행결과

• 본 프로젝트에서는 제안한 알고리즘을 적용한 적응형 신호체계와 시계방향으로 신호를 할당하는 고정형 신호체계와의 성능을 비교 분석하고자 시뮬레이션 환경을 다음과 같이 정의하였다. 교차로는 사거리로 가정하고, 교통량 및 보행자의 수는 방향마다 시간대별로 패턴화된 수치를 가지며, 이 수치는 불확실성을 위해 가우스 분포(Gaussian distribution)를 따른다고 가정하였다. 하루를 10시간으로 가정하고 총 27일간 시뮬레이션하였으며, 약 2주일 정도 학습이 이루어진 이후에는 시계방향으로 신호를 보내는 고정형 신호체계보다 평균 불쾌지수가 낮은 것을 확인할 수 있다. 또한 가중치를 통해 보행자와 차량 간의 불쾌지수 고려 정도를 0.1, 0.5, 0.9로 나누어 학습해보고 비교, 평가하였으며 가중치에 따라 고려 정도가 다름을 확인하였다.