SARIMA 알고리즘을 이용한 교통량 보정 및 예측

한대철; 이동우; 정도영

doi:https://doi.org/10.12815/kits.2021.20.6.1

추천

검색

자료유형: 학술저널

저자정보: 한대철 (한국건설기술연구원) 이동우 (인천대학교) 정도영 (한국건설기술연구원)

저널정보: 한국ITS학회 한국ITS학회 논문지 한국ITS학회 논문지 제20권 제6호

발행연도: 2021.12

수록면: 1 - 13 (13page)

DOI: https://doi.org/10.12815/kits.2021.20.6.1

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

본 연구에서는 도로교통분야의 계획, 설계, 유지관리, 연구 등 다양한 목적으로 활용되고있는 교통량 데이터의 정확도 확보를 위해 시계열 분석 기법을 적용하여 교통량 데이터의 보정 및 예측을 수행하였다. 기존 알고리즘의 경우 주기성 및 계절성이 강하거나 불규칙한 데이터에 한계를 보이고 있어 교통량 데이터와 같은 자료에 적용하기에는 한계가 있다. 이러한 한계점을 극복하고 보완하기 위해 ARIMA 모형에 자기상관 모형인 SAR(Seasonal Auto Regressive)과 계절 이동평균 모형인 SMA(Seasonal Moving Average)가 결합된 분석 기법인SARIMA 모형을 적용하였다. 분석결과 최적 파라미터 조합인 SARIMA(4,1,3)(4,0,3) 12 모형을활용한 교통량 예측 결과 평균 85% 정도의 우수한 성능을 보였다. 본 연구를 통해서 교통량데이터의 결측 발생 시 교통량 보정 및 예측의 정확도를 높일 수 있으며, 교통량 데이터 외에도 계절성에 영향을 받는 시계열 데이터에 적용이 가능하다.

#교통량 #ARIMA #SARIMA #교통량 보정 #시계열 #Traffic volume #ARIMA #SARIMA #Traffic calibration #Time series

참고문헌 (16)

참고문헌 신청

Castro-Neto M. / 2009 / SVR for short-term traffic flow prediction under typical and atypical traffic conditions / Expert Syst. Appl 36(3):6164~6173

Hamed M. M. / 1995 / Short-term prediction of traffic volume in urban arterial / J. Transp. Eng 121(3):269~1254

Kim B. S. / 2010 / Feedback-assisted MAC protocol for real time traffic in high rate wireless personal area networks / Wireless Networks 16(4):1109~1121

Korea Institute for Health and Social Affairs / 2018 / A Study on anomaly detection based on Machine Learning :81~84

Korea Institute of Civil Engineering and Building Technology / 2008 / A Study on the Improvement and Evaluation of Information Reliability :45~55

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

한대철

소속기관 한국건설기술연구원

주요연구분야 공학 > 전기전자공학 > 정보통신공학

논문수 2 이용수 62

이동우

소속기관 인천대학교

주요연구분야 공학 > 기타공학 > 교통공학 TOP 5% 공학 > 전기전자공학 > 정보통신공학

논문수 15 이용수 1,285

정도영

소속기관 한국건설기술연구원

주요연구분야 공학 > 전기전자공학 > 정보통신공학

논문수 3 이용수 84

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (16)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

최근 본 자료

댓글(0)