메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색

논문 기본 정보

자료유형
학위논문
저자정보

박부기 (부경대학교, 부경대학교 대학원)

지도교수
배상훈
발행연도
2022
저작권
부경대학교 논문은 저작권에 의해 보호받습니다.

이용수7

표지
AI에게 요청하기
추천
검색

이 논문의 연구 히스토리 (2)

2022

데이터 증폭을 통한 도시부 간선도로에서의 유고시 속도 예측 인공신경망 모델 개발
박부기 지구환경시스템과학부공간정보시스템공학 2022.01 학위논문

2021

LSTM 및 CNN-LSTM 신경망을 활용한 도시부 간선도로 속도 예측
박부기 ,  배상훈 ,  정보경 한국ITS학회 논문지 2021.01 학술저널

초록· 키워드

오류제보하기
교통혼잡 완화를 위한 방법으로 ITS 분야에서는 교통속도를 예측하고 도로 이용자에게 예측 정보를 제공하여 교통량을 분산시키는 방법이 있다. 교통속도 예측 연구는 대부분 반복적인 교통체증에 대하여 시계열 예측 모델을 적용하고 평균적인 오차율을 활용하여 검증을 수행해왔다. 본 연구에서는 서울특별시 내부순환도로를 기준으로 기존 속도예측 연구에서 발전하여 반복 정체에 대하여 속도를 지속적으로 예측하나 유고상황이 발생하였을 시 비반복 정체에 대응하는 모델을 단일 인공신경망 모듈로 구성하여 속도를 예측하고자 하였다. 또한, 유고 상황에 대응하는 예측 모델에 대하여 교통 시뮬레이션 기반의 데이터 증폭 방법을 통한 성능 개선 방법을 제시하였다.
연구 내용은 총 두 부분으로 나눠 서술하였다. 첫 번째 부분에서는 유고 상황을 고려한 속도 예측 방법을 제시하였다. 속도 예측 모델 개발 방법으로 반복정체가 발생하는 정상 교통류 속도 예측 모델은 속도 외의 데이터에 대하여 속도에 미치는 영향에 대하여 시·공간적 분석을 수행하고 분석한 결과는 예측 모델의 입력 데이터를 선정하기 위하여 활용되었다. 선정된 입력 데이터는 시계열 예측에 유리한 LSTM 모델에 학습 데이터로 조합하여 실험적 방법으로 결정하였다. 유고 상황 발생에 대응하는 모델은 유고 이후 속도의 시·공간적 변화를 분석하였고 유고 이후 속도 예측의 범위를 구성하여 예측 모델의 구조를 결정하였다. 모델은 LSTM 모델, 공간적 해석에 뛰어난 성능을 보이는 CNN 모델, CNN-LSTM 모델의 예측 오차율을 검증하여 성능을 평가하였다. 그 결과 반복정체를 포함하는 정상적인 교통류의 경우 평균 절대 오차기준 7.43km/h로 예측하였고 유고 발생 시 7.66km/h의 오차율로 예측하였다.
두 번째 부분은 첫 번째 부분에서 수행한 유고 이후 속도 예측에 대하여 세부적인 검토와 성능 개선 방법에 대하여 연구를 수행하였다. 유고 다발 링크에 대하여 유고 발생 시 속도의 시·공간적 특성에 대하여 분석하였으며 분석한 결과를 기반으로 예측 모델의 구조와 데이터 증폭 방법을 설정하였다. 또한, 모델의 성능 개선을 위하여 교통 시뮬레이션을 활용하여 학습 데이터인 유고 전후의 속도 데이터를 증폭하는 방법을 제시하였다. 데이터의 증폭의 횟수를 구분하여 SVR, LSTM, CNN-LSTM 모델에 학습한 결과를 비교 검증하여 성능을 평가하여 데이터 증폭의 효과를 분석하였다. 그 결과 CNN-LSTM 모델에서 평균 절대 오차기준 17.83km/h에서 14.79km/h로 개선할 수 있었다. 본 연구에서 제시한 방법을 활용하여 속도 예측 정보를 개선하여 유고 발생 시 유고가 도로에 미치는 영향을 속도로 예측함으로서 적절한 교통 안내를 통한 교통체증 완화와 서비스 수준 개선이 가능할 것으로 기대된다.

목차

Chapter 1. Speed prediction of considering incident 1
1. Introduction 1
1.1. Background 1
1.2. Objective 2
1.3. Previous study 3
2. Methodology 5
2.1. Study area 5
2.2. Data collection and analysis 7
2.3. Prediction model development 13
3. Results and Discussion 18
3.1. Normal traffic flow 18
3.2. Non-Recurrent congestion traffic flow 20
4. Conclusions 22
Chapter 2. Speed prediction of after incident with data augmentation 24
1. Introduction 24
1.1. Background 24
1.2. Previous study 27
2. Methodology 31
2.1. Data 31
2.2. Data augmentation with simulation 38
2.3. Prediction model 45
3. Results and Discussion 49
3.1. Experiment result 49
3.2. Discussion 55
4. Conclusions 57
References 59

최근 본 자료

전체보기

댓글(0)

0