지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술대회자료
- 저자정보
- 발행연도
- 2015.5
- 수록면
- 1 - 9 (9page)
이용수
초록· 키워드
오류제보하기
시내 도로 교통 상황을 반영하여 최적 경로를 탐색할 때 교통 속도 예측 모델을 이용하면 정확도 높은 주행 소요 시간을 예측하여 최적 경로를 획득 할 수 있다. 최적 경로 탐색을 위해 교통 속도 예측 모델을 이용하려면 경로 탐색 시간의 지연을 줄이기 위해 예측 모델의 속도 예측이 실시간으로 가능해야 한다. 또한 예측 모델의 정확도를 유지하기 위해 예측 모델은 최신관측 속도 데이터를 반영하여 지속적으로 갱신이 가능해야 한다.
사전 연구로서 여러 개의 모델 트리를 학습하는 방식(Ensemble of Model tree)의 교통 속도 예측 모델이 k-nearest neighbors(k-NN) 알고리즘을 적용한 예측 모델에 비해 정확도가 높은 것을 확인하였다. 그러나 모델 트리 방식의 예측 모델은 학습하는 데 많은 시간이 소요된다. 교통 속도 예측 모델을 기반으로 최적 경로 탐색하려면 시내 도로의 모든 구간마다 예측 모델을 학습해야 하기 때문에 상당한 수의 모델을 필요로 한다. 따라서 모델 트리 기반의 교통 속도예측 모델을 최근의 교통 속도 관측 데이터를 반영하여 갱신하는데 어려움이 있다.
반면 k-NN을 적용한 예측 모델은 모델 트리 방식의 예측 모델에 비해 정확도는 낮지만 예측 모델이 k개의 근접한 데이터를 찾을 수 있는 데이터 집합만을 소유하면 되기 때문에 학습에 시간이 소요되지 않고 계속해서 관측되는 교통 속도 데이터를 반영하여 예측하기에 용이하다. 그러나 시간이 지날수록 소유하는 데이터 집합의 크기가 일정 속도로 계속해서 커지기 때문에 교통 속도를 예측하는데 소요되는 시간 역시 증가한다. 따라서 k-NN 기반 예측 모델의 예측 속도를 개선하기 위한 방안이 요구된다.
본 논문에서는 예측 속도 개선 방안으로서 과거에 관측된 모든 데이터 집합이 아니라 예측 시점과 관련성이 높은 데이터를 선별하여 이용하는 방법을 제안한다. 교통 속도는 시간에 따라 일정한 경향성을 갖기 때문에 예측 시점의 시간과 같은 시간에 관측한 데이터를 선별하여 이용하는 방법과 최근의 교통 속도 경향을 반영하기 위해 예측 시점으로부터 과거 7일 간의 데이터를 선별하여 이용하는 방법을 제시한다. 기존 방식의 예측 모델과 제안 방안 기반 예측 모델의 정확도를 비교해본 결과 예측의 정확도는 크게 변동 없이 예측 속도의 개선이 가능한 것을 확인하였다.
사전 연구로서 여러 개의 모델 트리를 학습하는 방식(Ensemble of Model tree)의 교통 속도 예측 모델이 k-nearest neighbors(k-NN) 알고리즘을 적용한 예측 모델에 비해 정확도가 높은 것을 확인하였다. 그러나 모델 트리 방식의 예측 모델은 학습하는 데 많은 시간이 소요된다. 교통 속도 예측 모델을 기반으로 최적 경로 탐색하려면 시내 도로의 모든 구간마다 예측 모델을 학습해야 하기 때문에 상당한 수의 모델을 필요로 한다. 따라서 모델 트리 기반의 교통 속도예측 모델을 최근의 교통 속도 관측 데이터를 반영하여 갱신하는데 어려움이 있다.
반면 k-NN을 적용한 예측 모델은 모델 트리 방식의 예측 모델에 비해 정확도는 낮지만 예측 모델이 k개의 근접한 데이터를 찾을 수 있는 데이터 집합만을 소유하면 되기 때문에 학습에 시간이 소요되지 않고 계속해서 관측되는 교통 속도 데이터를 반영하여 예측하기에 용이하다. 그러나 시간이 지날수록 소유하는 데이터 집합의 크기가 일정 속도로 계속해서 커지기 때문에 교통 속도를 예측하는데 소요되는 시간 역시 증가한다. 따라서 k-NN 기반 예측 모델의 예측 속도를 개선하기 위한 방안이 요구된다.
본 논문에서는 예측 속도 개선 방안으로서 과거에 관측된 모든 데이터 집합이 아니라 예측 시점과 관련성이 높은 데이터를 선별하여 이용하는 방법을 제안한다. 교통 속도는 시간에 따라 일정한 경향성을 갖기 때문에 예측 시점의 시간과 같은 시간에 관측한 데이터를 선별하여 이용하는 방법과 최근의 교통 속도 경향을 반영하기 위해 예측 시점으로부터 과거 7일 간의 데이터를 선별하여 이용하는 방법을 제시한다. 기존 방식의 예측 모델과 제안 방안 기반 예측 모델의 정확도를 비교해본 결과 예측의 정확도는 크게 변동 없이 예측 속도의 개선이 가능한 것을 확인하였다.
목차
Abstract
Ⅰ. 서론
Ⅱ. 교통 속도 예측 모델
Ⅲ. 실험 결과
Ⅳ. 결론
참고문헌
참고문헌 (0)
참고문헌 신청함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
딥러닝 기반 간선도로의 단기이동속도 예측 연구
대한교통학회 학술대회지
2021 .11
-
Graph Multi-Attention 알고리즘을 활용한 Asymmetric 장시간 교통 속도 예측
대한교통학회 학술대회지
2021 .11
-
차량 궤적 데이터 기반 차로별 Traffic State 예측가능성 분석
대한교통학회 학술대회지
2021 .11
-
딥 러닝 기반 교통정보 예측 연구의 최근 동향: 문제, 모델, 방법론 및 데이터
대한교통학회 학술대회지
2021 .11
-
해양교통안전 빅데이터 기반 사고위험도 예측 모델
대한산업공학회 춘계공동학술대회 논문집
2022 .06
-
전이학습을 활용한 전력 발전 예측에 관한 연구
한국통신학회 학술대회논문집
2021 .02
-
증강된 과거 이력데이터를 활용한 심층학습 기반 실시간 교통 속도 예측 연구
대한교통학회 학술대회지
2023 .10
-
증강된 과거 이력데이터를 활용한 심층학습 기반 실시간 교통 속도 예측 연구
대한교통학회 학술대회지
2023 .10
-
지형정보 DB 기반 교통 시뮬레이션 시스템 개발 프레임워크
대한산업공학회 춘계공동학술대회 논문집
2016 .04
-
분류를 통한 시계열 예측 기법
한국정보과학회 학술발표논문집
2021 .06
-
빅데이터를 이용한 월별 태양광 발전예측모델 개발
대한전기학회 학술대회 논문집
2020 .11
-
심층학습을 활용한 교통 속도 예측
한국정보과학회 학술발표논문집
2019 .06
-
예측 불확실성과 이를 나타내는 새로운 지표
한국정보과학회 학술발표논문집
2021 .06
-
스마트 공장에서 빅데이터를 활용한 다중회귀분석을 통해 제조 데이터 예측 모델의 검증
대한산업공학회 춘계공동학술대회 논문집
2023 .05
-
선별적 데이터 학습 기반의 베이지안 네트워크를 이용한 단기차량속도 예측
한국정보통신학회논문지
2015 .12
-
빅데이터를 이용한 신뢰성 예측
한국신뢰성학회 학술대회논문집
2017 .05
-
ResNet을 이용한 도로 네트워크 교통 데이터 예측
대한공간정보학회 학술대회
2021 .06
-
LSTM 및 CNN-LSTM 신경망을 활용한 도시부 간선도로 속도 예측
한국ITS학회 논문지
2021 .01
-
AI 기반 지하수 예측 모델의 비교와 분석
한국컴퓨터정보학회 학술발표논문집
2025 .01
-
시공간 데이터를 이용한 그래프 기반의 주행 속도 예측 모델 개발
한국정보과학회 학술발표논문집
2021 .12
이 논문의 저자 정보
이 논문과 함께 이용한 논문
HS-SPME GC/MS법을 이용한 일본왕개미의 trail pheromone 성분 분석
박경은
,
이동규
,
권성원
외 1명
분석과학
2012
.10
IoT 서비스를 위한 와이파이 네트워크에서 제약식 프로그래밍을 이용한 최적 링크 스케쥴링
김학진
한국지능정보시스템학회 학술대회논문집
2015
.11
K-NN 모형을 이용한 통행시간 예측
김솔람
,
임성한
대한토목학회 학술대회
2014
.10
시간대별 교통량을 이용한 연평균 일교통량 추정
하정아
,
조용성
,
임성한
외 1명
대한토목학회 학술대회
2012
.10
베이지안 네트워크를 이용한 단기 교통정보 예측 모델
유영중
,
조미경
한국정보통신학회논문지
2009
.04
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0101-2016-003-001710967