머신러닝을 이용한 이동통신 데이터 기반 교통량 추정 모형 개발
A Study on the Development of Traffic Volume Estimation Model Based on Mobile Communication Data Using Machine Learning
0
조회
0
다운로드
3
인용
0
참고문헌
키워드
초록
본 연구는 이동통신 로그 데이터를 통해 산출된 교통량 정보를 활용하여 기존 검지기에 준하는 교통량 정보를 추정하기 위해, 머신러닝의 앙상블 기법을 기반으로 하는 최적의 이동통신 기반 교통량 추정 모형을 개발하는 것이다. 이동통신 데이터를 통해 계측된 교통량 등의정보와 VDS 실측 데이터를 활용하여 머신러닝 모형들을 통해 비교·분석한 결과, LightGBM 모형이 교통량 추정의 최적모형으로 선정되었다. 국도 1, 3, 6호선 검지영역 96개소를 대상으로 교통량 추정 모형의 성능을 평가한 결과, 전체 검지영역의 경우 MAPE 8.49로 교통량 추정정확도가 91.51%로 분석되었다. VDS가 설치되지 않은 구간의 경우 교통량 추정 정확도는92.6%로, VDS 설치가 어려운 구간에서도 LightGBM 교통량 추정 모형이 적용 가능하였다.
Abstract
This study develops an optimal mobile-communication-based National Highway traffic volume estimation model using an ensemble-based machine learning algorithm. Based on information such as mobile communication data and VDS data, the LightGBM model was selected as the optimal model for estimating traffic volume. As a result of evaluating traffic volume estimation performance from 96 points where VDS was installed, MAPE was 8.49 (accuracy 91.51%). On the roads where VDS was not installed, traffic estimation accuracy was 92.6%.
참고문헌 (16)
- Caceres, N., "Traffic Flow Estimation Models Using Cellular Phone Data", IEEE TRANSACTIONS ON INTELLIGENT TRANSPORTATION SYSTEMS, 13(3), pp.1430~1441 (2012)
- 전민종, "Catboost 알고리즘을 통한 교통흐름 예측에 관한 연구", 한국산학기술학회논문지, 22(3), pp.58~64 (2021), 한국산학기술학회[DOI]
- 정연식, "통신 빅데이터를 활용한 통행시간예산 산출 연구", 대한토목학회논문집(국문), 38(3), pp.457~465 (2018), 대한토목학회[DOI]
- 장진환, "차량 속도별 영상검지기 성능분석", 대한교통학회지, 23(5), pp.105~112 (2005), 대한교통학회
- Ji, B. S., "Deep Learning Based Real Time Road Traffic Prediction Using LongTerm Evolution Access Data", Sensors, 19(5327), pp.1~16 (2019)
- Kim, D. H., "A study on Testing the Ability of Vehicle Detection System in ATMS", Journal of Korea Society of Transportation, 20(5), pp.231~244 (2002)
- Lee, E. J., "A study on road speed of Seoul Gangnam-gu and Jung-gu predictions based on Machine Learning Methods", pp.2020
- 이현미, "LightGBM 알고리즘을 활용한 고속도로 교통사고심각도 예측모델 구축", 한국전자통신학회 논문지, 15(6), pp.1123~1130 (2020), 한국전자통신학회
- Lee, S. B., "Development of Dynamic Traffic Volume Estimation Model Using DSRC Probe Data", pp.2019
- 이영호, "머신러닝을 활용한 개인의 교통수단 선택 예측모형 구축", 한국데이터정보과학회지, 30(5), pp.1011~1024 (2019), 한국데이터정보과학회[DOI]
- Nam, M. W., "Prediction of Traffic Accident Casualties Using Machine Learning", Korea Society of Computer Information, 29(1), pp.27~30 (2021)
- Oh, J. S., "Development of a Daily Traffic Volume Estimation Model Using Regression Analysis", Journal of the Korean Official Statistics, 6(2), pp.161~179 (2001)
- Snowdon, J., "Spatiotemporal Traffic Volume Estimation Model Based on GPS Samples" (2018), Association for Computing Machinery
- Texas Transportation Institute, "VEHICLE DETECTOR EVALUATION", pp.1~77 (2002)
- Yaghoubi, F., "Traffic Flow Estimation using LTE Radio Frequency Counters and Machine Learning", pp.1~9 (2021), Cornell University
- Yoon, H. S., "AADT estimation of connection road section in highway using large-scale GPS trip data", pp.2016