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
- 2016.2
- 수록면
- 341 - 346 (7page)
이용수
초록· 키워드
오류제보하기
교통혼잡비용은 매해 증가하고 있으며, 특히 전체의 63.8%에 해당되는 도심부 교통혼잡에 대한 대책 마련이 시급한 상태이다. 소통상황 예측정보를 제공함으로써 이러한 교통혼잡비용을 저감할 수 있을 것으로 기대된다. 이에 본 연구에서는 최근 Deep Machine Learning 기법 중 하나로 소개된 순환 인공 신경망(recurrent neural network)을 활용하여 반복 및 비반복 정체 예측 모형을 개발하였다. 제안 모형은 실시간 소통 정보, 소통 이력 정보, 유고 상황 정보를 활용하여 이후 1시간 동안의 소통 상황을 예측하는 모형이다. 33개 링크로 구성된 서울시 논현로에 대해 2개의 은닉층(hidden layer)으로 구성된 RNN 모형을 구축하였다. 총 30개 모형을 Scaled conjugate gradient backpropagation 알고리즘으로 학습하여, 이 중 평균오차제곱(MSE)이 0.0834인 모형을 최적 모형으로 선정하였다. 모형 검증 결과 25개 링크에 대해 신뢰도 있는 예측을 하였으며, 모형의 예측 력을 검토한 결과 반복 정체뿐 아니라 비반복 정체까지 예측하는 것을 확인할 수 있었다. 그러므로, 실제 도로 상에서의 교통혼잡 예측을 위한 중요 자료로 활용할 수 있을 것이라 기대되며, 추후 추가적인 이벤트성 정보들의 확보와 연구의 시간적 범위 확장이 필요할 것이라 판단된다.
목차
등록된 정보가 없습니다.
참고문헌 (0)
참고문헌 신청이 논문의 저자 정보
이 논문과 함께 이용한 논문
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0101-2019-053-000488379