A Study on the Effectiveness of Rest Areas Using Continuous Driving Time

대용량 모빌리티 데이터용 맵매칭 엔진: 연속 운전시간 기반 졸음쉼터 효과성 분석

이 저장소는 한국******공단 의뢰 하에 화물차 연속 운전 데이터를 이용해 졸음쉼터 배치의 효과를 정량적으로 분석한 연구 관련 맵매칭 코드입니다. 본 레포지토리는 대규모 GPS 궤적 데이터를 표준 노드-링크 체계에 정합하는 실무 지향적 맵매칭(Map-Matching) 파이프라인을 구현한 프로젝트입니다. 공공 MaaS, DRT(수요응답형 교통), 교통 분석 플랫폼에 적용 가능한 확장형 공간 데이터 처리 구조를 목표로 설계되었습니다. This repository contains a data-processing and map-matching pipeline for evaluating rest-area effectiveness using truck continuous-driving records.

🚀 60초 안에 확인할 수 있는 핵심 역량

• 대규모 궤적 데이터 처리 파이프라인 설계
• 공간 인덱싱 기반 성능 최적화 구조
• 교통공학 제약 조건을 반영한 매칭 알고리즘
• PostGIS 적용 가능 아키텍처

---

📌 프로젝트 목적

• 모빌리티 서비스 운영 최적화 지원
• DRT 배차 및 노선 분석 기반 구축
• 통행 패턴(O/D) 분석을 통한 수요 밀집 지역 도출
• 교통 안전 및 위험 구간 분석 기반 데이터 정합

---

⚙️ 주요 기능

1. GPS 데이터 전처리

• 이상치 제거
• 속도/방향 기반 필터링
• 궤적 정제

2. 공간 인덱싱 기반 매칭

• R-tree 또는 유사 구조 활용
• 후보 링크 탐색 최적화

3. 링크 단위 매칭 로직

• 거리 기반 후보 선정
• 방향성 검증
• 연속성 기반 보정

4. 결과 검증 및 시각화

• O/D 패턴 추출
• QGIS 연계 출력
• 링크별 통행량 집계

---

🏗 시스템 흐름

1. 원시 GPS 데이터 입력
2. 데이터 정제 및 전처리
3. 공간 인덱스 구축
4. 링크 매칭 수행
5. 검증 및 결과 출력

---

📊 실무 활용 가능성

본 프로젝트는 다음 역량을 증명합니다:

• 대규모 모빌리티 데이터 처리 능력
• 재현 가능한 공간 데이터 파이프라인 설계
• 교통공학 기반 알고리즘 설계 능력
• MaaS 및 DRT 운영 의사결정 지원 가능성

🎯 프로젝트 개요 / Project Overview

연구 배경 / Research Background

졸음쉼터의 배치와 이용성이 연속 운전시간 초과를 줄이는 데 미치는 효과를 DTG(기록계) 데이터를 기반으로 평가합니다. This project evaluates whether rest-area infrastructure and placement can reduce long continuous driving time using truck DTG (digital tachograph) data.

분석 범위 / Study Scope

• 대상 도로망: 전라북도 일반국도 표준링크
• Analysis area: Road links of national highways in Jeollabuk-do.
• 기간: 2025-03-01 ~ 2025-08-31 (6개월)
• Period: 2025-03 to 2025-08 (6 months).
• 데이터: 차량ID, GPS(X/Y), 날짜·시간, 차량속성(V_TYPE) 등 DTG 필드
• Data source: Truck DTG records containing vehicle id, GPS coordinates, date/time, and vehicle metadata.

🔬 분석 절차 / Methodology

1) 데이터 수집 및 정제 / Data Ingestion and Cleaning

• date, time, carid, V_TYPE, lon, lat(또는 GPSX, GPSY)를 정규화합니다.
• Standardize raw fields into normalized columns: date, time, carid, V_TYPE, lon, lat (or GPSX, GPSY).

2) 연속 운전 구간 추출 / Continuous-Driving Extraction

• 차량별로 연속 운전 시간 구간을 추출하고, 여행(trip) 단위로 분할합니다.
• Extract continuous-driving segments per vehicle and segment them into trips.
• 동일 차량(carid) 기준으로 시간·거리 기준 EDA 및 trip 정합성을 점검합니다.
• Validate trip consistency by temporal sequence and distance consistency per vehicle.

3) 도로 링크 매칭 / Link Matching

• 각 trip의 샘플점들에서 도로 링크 매칭을 수행하고, 2.5시간 임계값 기준 구간을 분류합니다.
• Match trip points to road network links and classify segments by continuous-driving duration thresholds.
• 속도 조건(차량 기준 20~250 km/h 필터링 등)으로 오차를 정제합니다.
• Filter outliers with speed rules (e.g., valid speed range for trucks).
• !!To make it fast!!Refactored to a Class-based structure to encapsulate the Spatial Index (STRtree), reducing redundant index-building time and improving memory scope management.

4) 집계 및 시각화 / Aggregation and Visualization

• 긴 연속 운전(2h+, 2.5h+) 빈도, 링크 단위 교통량, VLM, 비율 등을 산출합니다.
• Compute long-duration metrics (>, 2h and >2.5h), link-level traffic, VLM, and ratio metrics.
• 전처리 결과와 임계치 결과를 지도 기반 plot으로 저장합니다.
• Save map/line visualizations as image outputs for inspection.

핵심 통계 / Key Statistics

• 전체 최대 차량통행량: 413,661대/링크 (평균 24,513대)
• Max vehicle count per link: 413,661 (average 24,513).
• 2시간 초과 구간: 최대 29,586대(링크 통행량의 59.7%), 평균 2,233대(11.5%)
• Continuous driving >2h: max 29,586 trucks (59.7% of link traffic), avg 2,233 trucks (11.5%).
• 2.5시간 초과 구간: 최대 11,691대(링크 통행량의 53.5%), 평균 1,100대(7.16%)
• Continuous driving >2.5h: max 11,691 trucks (53.5%), avg 1,100 trucks (7.16%).

🗺️ 분석 결과 예시 / Result Snapshots

아래 이미지는 데이터 구성, 샘플링 구간, 매칭·시각화 결과의 중간 점검 산출물입니다. The figures below show intermediate data validation, sampled trajectory windows, and map matching outputs.

📁 디렉터리 구조 / Directory Structure

MapmatchingTrajectorytoLinks/
├── processingDTGJB.py
├── processingDTGJB2.py
├── untitled1.py
├── untitled2.py
├── q3.py
├── q4.py
├── plot5.py
├── plot6.py
├── scripts/
│   ├── cli.py
│   ├── run_dtg_pipeline.py
│   ├── run_dtg_pipeline_alt.py
│   ├── run_q3.py
│   ├── run_q4.py
│   ├── plot_dtg_links.py
│   ├── plot_dtg_links_alt.py
├── JBROI.*
├── JBROI2.*
├── roi_box.gpkg
├── bfg-1.15.0.jar
├── data/
└── tools/

🧩 파일별 역할 / File Roles

처리 모듈 / Processing Modules

• processingDTGJB.py — 핵심 전처리 유틸리티 / Core processing utilities.
• processingDTGJB2.py — processingDTGJB.py의 보완/대체 모듈 / Companion/alternative variant.
• untitled2.py — DTG 파이프라인 기본 실행기 / Primary DTG pipeline entry.
• untitled1.py — DTG 파이프라인 보조/변형 실행기 / Secondary/alternate DTG pipeline entry.
• q3.py — 집계/정책 지표 산출기 / Aggregation and post-processing script.
• q4.py — 집계 확장 실험 스크립트 / Extended aggregation/analysis script.
• plot5.py — 지도 기반 시각화(1) / Map visualization routine #1.
• plot6.py — 지도 기반 시각화(2) / Map visualization routine #2.
• JBROI*, JBROI2*, roi_box.gpkg — 분석 영역(ROI) 정의 파일 / ROI geometry inputs.
• bfg-1.15.0.jar — Git 히스토리 정리/이력 정리 보조 도구 / Git history maintenance helper.

scripts/ 진입점 / Script Entry Points

• scripts/cli.py — 통합 실행 인터페이스 / Unified CLI dispatcher.
• run_dtg_pipeline.py — untitled2.py 래퍼 / Wrapper to untitled2.py.
• run_dtg_pipeline_alt.py — untitled1.py 래퍼 / Wrapper to untitled1.py.
• run_q3.py — q3.py 래퍼 / Wrapper to q3.py.
• run_q4.py — q4.py 래퍼 / Wrapper to q4.py.
• plot_dtg_links.py — plot5.py 래퍼 / Wrapper to plot5.py.
• plot_dtg_links_alt.py — plot6.py 래퍼 / Wrapper to plot6.py.

▶️ 실행 방법 / Run Instructions

권장 실행 방식 / Recommended

• python scripts/cli.py pipeline
• python scripts/cli.py pipeline-alt
• python scripts/cli.py q3
• python scripts/cli.py q4
• python scripts/cli.py plot
• python scripts/cli.py plot-alt

직접 실행 / Direct Mode

• python untitled2.py
• python untitled1.py
• python q3.py
• python q4.py
• python plot5.py
• python plot6.py

⚙️ 실행 환경 / Setup

1. pip install -r requirements.txt
2. 환경별 데이터 경로(/data1/... 등)와 DB 연결 설정을 실제 경로로 수정
3. 대용량 데이터 파일은 Git 추적에서 제외하고 실행 시 경로만 맞춤

📷 이미지 경로 점검 / Image Path Check

이미지 참조는 모두 상대 경로이며, 같은 폴더 내 파일이 존재하면 GitHub 렌더링 시 문제 없습니다. All image references are relative; if the files exist in the repository root, they render correctly on GitHub.

📊 결과 표 (요약) / Summary Table

final_merged_gdf2시간이상_방향추가251212.xlsx의 sheet1 상위 결과를 geometry는 시작/종료 좌표만 축약해 표시합니다. Shown below is a summary from final_merged_gdf2시간이상_방향추가251212.xlsx sheet1; geometry is shortened to start/end only.

index	LINK_ID	geometry	vehicle_count 2시간 이상 연속주행차량(대수)	vehicle_count 기준 순위	VLM 교통량	ratio 2시간 이상 연속주행차량 비율	direction 주행방향
1484	3070020302	LINESTRING (297841.96527919295 3980043.9288296015, 298782.834076233 3979939.0186604057)	29551	1	242292	12.20%	동
480	3070019300	LINESTRING (294118.9405783998 3980121.988229847, 296611.921601332 3980047.724757389)	29185	2	238253	12.25%	동
1365	3110050400	LINESTRING (310858.1111337207 3972940.4928400507, 311296.56675443635 3973201.4749663696)	29110	3	268341	10.85%	동
1939	3070020402	LINESTRING (298787.34749683784 3979950.1366384136, 297842.3620516729 3980055.924890448)	29096	4	274155	10.61%	서
1028	3070008801	LINESTRING (306191.9178838817 3977570.2769408426, 303503.7619772779 3979011.2397499904)	28358	5	316221	8.97%	서
2969	3070022800	LINESTRING (297586.40745840943 3980116.226023371, 297225.1758749983 3980172.602097907)	28303	6	265631	10.66%	서
475	3070243400	LINESTRING (296611.921601332 3980047.724757389, 296918.199608747 3980103.997398246)	28266	7	226935	12.46%	동
1562	3070022700	LINESTRING (297226.72092121094 3980160.699836365, 297582.9809467876 3980104.722794104)	28257	8	229146	12.33%	동
364	3070020301	LINESTRING (297582.9809467876 3980104.722794104, 297841.96527919295 3980043.9288296015)	28254	9	228483	12.37%	동
3173	3070014700	LINESTRING (299237.5559036793 3979776.7882304047, 299438.2845675852 3979723.68819917)	27702	10	223410	12.40%	동

🧾 정리 항목 / Cleanup Status

• project_paths.py를 통해 data/ 우선 탐색을 적용했습니다.
• scripts/와 루트 실행 스크립트의 역할을 분리해 유지보수성을 높였습니다.
• argparse 기반 옵션 정리를 통해 실행 명령의 일관성을 확보했습니다.
• Large-data assets should remain under data/ or tools/ and be excluded from Git history when possible.

🙏 Acknowledgement

This work was supported by the Korea Transportation Safety government agency under the Ministry of Land, Infrastructure and Transport of the Republic of Korea.