개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
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
- 학위논문
- 저자정보
- 지도교수
- 김훈
- 발행연도
- 2020
- 저작권
- 인천대학교 논문은 저작권에 의해 보호받습니다.
이용수134
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
세계 주요 도시에서 교통체증이 심화하고 이로 인한 개인, 국가적 비용 등 문제가 심각하게 나타나고 있다. 국내의 경우 교통세계주요 도시에서 교통체증이 심화되고 이로 인한 개인, 국가적 비용 등 문제가 심각하게 나타나고 있다. 혼잡 비용이 매년 증가하고 있으며, 그 규모는 GDP의 2.2%에 달하는 것으로 파악된다. 이와 같은 교통체증 현상의 분석과 해소를 위해 교통 데이터의 수집, 이를 기반으로 한 교통체증 지수 산출, 체증 구간 예측 등 관련 연구가 최근 진행되고 있으며 효과적인 스마트 시티 운영 등을 위한 이슈로 대두되고 있다.
본 연구에서는 먼저 웹 크롤링 도구를 사용하여 도시 등 구역별 교통체증지수를 산출하기 위한 이미지 데이터 수집 방안을 제시한다. 제안된 방식은 웹사이트를 통한 실시간 데이터 수집으로 관련 데이터 수집과 활용의 실 시간성이 향상되며, 사용자가 원하는 지역 상황을 고려하여 축척 조절을 하는 등으로 해당 지역의 충분한 도로 정보를 확보하여 데이터의 신뢰성이 개선될 수 있다. 이어서 교통 체증 이미지 데이터를 바탕으로 한 교통 체증 구간 예측 알고리즘을 제안한다. 제안된 알고리즘은 교통 이미지 데이터의 시간 및 공간적 상관성 등의 특징을 효과적으로 반영하는 심 신경망 기계학습 모델을 적용한다. 제안된 웹 이미지 데이터 수집 및 이미지 기반 교통 체증 예측 방식으로 교통 체증 관련 빅데이터 수집이 용이하며 성능 분석을 통해 10~20분후 예측 정확도가 83% 이상을 유지하는 것을 보인다.
본 연구에서는 먼저 웹 크롤링 도구를 사용하여 도시 등 구역별 교통체증지수를 산출하기 위한 이미지 데이터 수집 방안을 제시한다. 제안된 방식은 웹사이트를 통한 실시간 데이터 수집으로 관련 데이터 수집과 활용의 실 시간성이 향상되며, 사용자가 원하는 지역 상황을 고려하여 축척 조절을 하는 등으로 해당 지역의 충분한 도로 정보를 확보하여 데이터의 신뢰성이 개선될 수 있다. 이어서 교통 체증 이미지 데이터를 바탕으로 한 교통 체증 구간 예측 알고리즘을 제안한다. 제안된 알고리즘은 교통 이미지 데이터의 시간 및 공간적 상관성 등의 특징을 효과적으로 반영하는 심 신경망 기계학습 모델을 적용한다. 제안된 웹 이미지 데이터 수집 및 이미지 기반 교통 체증 예측 방식으로 교통 체증 관련 빅데이터 수집이 용이하며 성능 분석을 통해 10~20분후 예측 정확도가 83% 이상을 유지하는 것을 보인다.
목차
국 문 초 록 i목 차 ii표 목 차 iii그 림 목 차 iv제 1 장 서 론 １1.1. 연구 배경 １1.2 관련 연구 ２1.3 연구 목적 ４1.4 논문의 구성 ５제2장 이론적 배경 ６2.1 웹 크롤링 및 셀레니움 ６2.2 심층 신경망(Deep Neural Network, DNN) ６2.3 장단기 메모리(Long Short-Term Memory, LSTM) ９2.4 권적 장단기 메모리(Convolutional Long Short-Term Memory, ConvLSTM) １３제 3 장 교통체증 데이터 수집 １５3.1. 웹 기반 교통체증 관련 데이터 １５3.2 웹 크롤링 기반 교통 데이터 수집 １７3.3. 데이터 전처리 ２０제 4 장 딥 러닝 기반 교통체증 예측 기법 ２３4.1 순차 데이터 변환 및 데이터 셋 구성 ２３4.3 오차 함수 설정 ２９4.4 DNN 기반 예측 모델 ３０4.5 LSTM 기반 예측 모델 ３２4.6 ConvLSTM 기반 예측 모델 ３４4.6 실험 결과 및 성능 비교 ３６제 5 장 결 론 ４１참 고 문 헌 ４２ABSTRACT ４５
최근 본 자료
댓글(0)
0