주변 차량과의 관계로 예측하기
한 차량의 과거 움직임에 주변 차량 정보를 더합니다. 드론의 탑뷰와 차량 전방 영상은 관측 범위가 달라 각각의 실험 조건에서 평가합니다. [2] [1]
VITA · RESEARCH GUIDE
교통류와 교통운영Traffic Flow and Operations
교통류는 도로에서 차량이 움직이고 서로 영향을 주는 흐름이며, 교통운영은 그 흐름과 교통 서비스를 관리하는 일입니다. 차량의 다음 움직임을 예측하는 연구부터 운수회사 운행기록 분석과 지역 교통정책 초안까지, 자료와 평가 방법의 차이를 소개합니다.
노병준 교수가 저자로 참여한 출판 논문을 소개합니다. 연구 수행 당시의 소속은 논문별로 다르며, 차량 단위의 행동 예측부터 지역 교통정책 초안까지 다룹니다.
APPROACHES
연구는 어떻게 접근하나요?
운행기록에서 반복 패턴 찾기
개별 운행기록을 회사·시간·지역 단위로 묶어 봅니다. 전체 집계에서 드러나지 않는 관리 대상과 추가 확인 지점을 탐색합니다. [3]
지역 진단에 문헌 근거 연결하기
지역의 운영자료와 사회경제지표로 진단 정보를 구성합니다. 관련 문헌을 검색해 정책 초안에 연결하고 내용의 충실도와 지역 차이 반영을 평가합니다. [4]
QUESTIONS
주요 질문과 논문에서의 답
끼어들기 여부와 미래 경로의 예측은 어떻게 다른가요?
진출입로 연구는 차량의 상태·행동 이력으로 끼어들기 행동을 분류합니다. 도심 궤적 연구는 주변 차량과의 거리·속도 정보를 이용해 차로 변경 중의 미래 위치를 예측합니다. [5] [2]
예측 정보가 차량의 대응에 도움이 되는지도 평가하나요?
전방 차량 궤적 연구는 영상에서 예측 성능을 평가한 뒤, 별도의 끼어들기 시뮬레이션에서 예측 활용 여부를 비교했습니다. 충돌 대리지표, 급가감속과 지체가 함께 평가 대상이었습니다. [1]
운수회사나 지역 단위에서는 무엇을 분석하나요?
DTG 연구는 회사·운전자·시간·장소별 위험운전 패턴을 비교합니다. 수요응답형 교통 연구는 지역 진단과 문헌을 연결해 운영정책 초안을 작성하는 과정을 평가합니다. [3] [4]
SELECTED PUBLICATIONS
대표 논문으로 더 읽기
- 1
Anticipatory driving maneuver for safety and comfort: Temporal graph cross attention-based front vehicle trajectory prediction
선제적 주행 대응 — 영상 기반 궤적 예측 실험과 예측을 활용한 대응의 시뮬레이션 평가를 구분해 볼 수 있습니다.
- 2
Attention-Driven Lane Change Trajectory Prediction with Traffic Context in Urban Environments
도심 차로 변경 궤적 — 주변 차량을 포함한 교통 맥락과 관측·예측 구간에 따른 성능을 다룹니다.
- 3
데이터 큐브 모델을 활용한 DTG 데이터 기반의 상업용 차량 위험운전행동에 대한 다차원 분석
상업용 차량 DTG 분석 — 회사와 운전자 특성, 시간과 공간에 따른 위험운전 패턴을 탐색합니다.
- 4
사회경제지표 기반 지역 진단과 문헌 근거를 활용한 수요응답형 교통 운영 정책 생성 RAG-LLM 프레임워크
DRT 정책 초안 — 지역 진단과 검색한 문헌을 함께 제공했을 때 초안의 구성과 근거 연결이 어떻게 달라지는지 봅니다.
- 5
Decision Transformer 기반의 진출입로 차량의 Selfish Cutting-In 행동 예측
진출입로 끼어들기 — 시뮬레이션의 차량 상태·행동 이력으로 행동을 분류하는 접근을 소개합니다.
근거와 해석 범위
끼어들기 분류와 선제적 대응 효과에는 시뮬레이션 평가가 포함됩니다. DRT 연구는 정책 초안의 구성·근거를 평가했으며, 예산·차량·인력 제약을 고려한 실제 운영 성과를 검증하지 않았습니다. [5] [1] [4]
각 논문의 연구 요약과 출판사 원문을 함께 확인할 수 있습니다. 이 페이지는 논문을 주제별로 연결한 안내이며, 개별 논문의 실험 조건과 출판 상태는 해당 상세 페이지를 따릅니다.
English overview
This guide introduces published studies coauthored by Byeongjoon Noh across vehicle interaction prediction and transport operations. Drone and dashcam video support trajectory forecasts, while simulated ramp traffic supports cutting-in classification and response comparisons. Digital tachograph records reveal company-specific and spatiotemporal driving patterns. At a different scale, regional operating data and retrieved literature support drafts of demand-responsive transport policies. The guide separates predicting an event, forecasting its path, and informing operational choices. Simulation results and policy-draft evaluations retain their distinct scope and do not establish deployed service improvements.