DTG 자료를 분석한 결과 차량의 운행 기록과 속도 정보는 세밀도가 높으며 차량 속도의 오르 내림이 빈번하게 일어납니다. 교통상황에 따라 차량이 간헐적으로 정지하거나 DTG장비의 오류로 인하여 짧은 시간 내에서 속도가 여러차례 영(0)이 되는 결과가 나타났습니다.

이러한 일시적인 정지를 정차로 보는 것은 맞지 않다고 판단하였고, 효율적인 통행 추출을 위해서 슬라이딩 윈도우 기법을 사용했습니다. 일정한 시간 내의 차량의 움직임을 분석하여 이동, 정지를 판단합니다. 정해진 시간 이상으로 이동이 지속될 경우 통행이 시작되었다고 판단하며, 정해신 시간 이상으로 정지한 경우는 통행이 끝났다고 판단하여 차량 통행 자료를 추출합니다.

맵매칭은 실제 도로 정보를 활용하여, GPS 좌표 값이 측정된 당시에 차량이 어느 도로상에 있었는지를 확률적으로 결정하는 기계학습 기법입니다. 맵매칭은 오차가 혼재된 GPS 좌표 값을 실제 도로 사정에 맞게 수정하여 오차를 줄이는 역할을 합니다.

은닉 마르코프 모델(Hidden Markov model)을 이용한 맵매칭 방법을 적용하여 DTG 장비에 따라 GPS 좌표의 오차가 크게 발생하는 문제를 해결할 수 있습니다. 은닉 마르코프 모델은 마르코프 모델의 하나로서 관측될 수 없는 은닉 상태(hidden state)와 관찰 가능한 결과를 구분하는 통계적 모델입니다. 은닉 마르코프 모델을 이용한 맵매칭은 오차 내성(noise tolerance)이 있는 알고리즘으로 빈번하게 발생하는 작은 GPS 오차들과 펄스(pulse)와 같이 일시적으로 발생하는 큰 GPS 오차를 처리하는 데에 탁월한 성능을 보여줍니다. 은닉 마르코프 모델을 이용하여 맵매칭을 수행하는 것은 확률론적 추론을 기반으로 실제 도로의 위치를 유추하는 것으로, 오차가 존재하는 GPS 데이터에 대하여 실제 도로상에서 가장 가능성 있는 위치와 이동 경로를 찾음으로써 이를 수행하게 됩니다. 주어진 GPS 좌표가 가장 가능성 있는 도로상의 위치는 방출확률(emission probability)로, 연속적인 GPS 좌표의 가장 가능성 있는 이동 경로는 전이확률(transition probability)로 표현되며 은닉 마르코프 모델 맵매칭은 이 확률들을 모두 고려하여 최적의 결과를 얻습니다.