머신러닝 알고리즘을 이용한 기상 조건에 따른 노면 상태 예측 모델 연구
Prediction of Road Surface State Caused by Weather Condition Using Machine Learning Model
2
조회
0
다운로드
3
인용
0
참고문헌
키워드
초록
기상 변화는 도로상의 차량 안전에 큰 영향을 미친다. 기상상태가 변화함에 따라, 노면은 미끄 러워질 수 있고, 미끄러운 노면은 차량의 제동거리를 증가시켜 운전자가 운전에 심혈을 기울여야 되 기 때문이다. 이러한 기상 변수와 노면 상태 및 차량 안전성 간 관계의 복잡성에 따라 기상 변화에 따 른 차량 안전성을 예측하기 위해서는 머신 러닝 모델 도입 필요성이 제기되고 있다. 본 연구에서는 기 존 기상 관측 장비가 없는 지역(미계측 지역)에서의 상세한 기상 데이터 및 노면 상태를 관측해 차량 안전성을 예측하는 최적의 기계학습 모델을 개발하였다. 이를 위해, 도로의 기하 정보와 ASOS의 기 상정보를 활용하여 설명변수를 가공하였다. 또한, 모델 평가 기준에 합당한 검증 방식을 적용하여, 가 장 합리적인 머신러닝 모델을 선정하였다. 그 결과, 특정 지역에 대해서 1400개의 데이터로 80% 이 상의 정확도로 노면 상태를 예측할 수 있음을 확인했다. 본 연구를 통해, 미계측 지역에 대한 노면 상 태를 예측하고, 그에 대한 마찰력을 유추한다면, 해당 도로의 위험성을 운전자에게 알리고, 사고 위험 도를 낮춰 사회적 비용을 감소시킬 수 있다.
Abstract
The meteorological change affects vehicle safety. Slippery road caused by the weather increases the braking distance of vehicle. In result, drivers should drive more carefully. Because of the complexity of the relationship among vehicle safety, road surface state, and meteorological factors, machine learning model is considered to predict weather related vehicle safety. In this paper, we develop a machine learning model predicting vehicle safety by collecting detail weather data and road surface state of an area through ASOS where no weather stations are installed(so-called unmeasured area). To select the most reasonable machine learning model, we define model evalation criteria and apply them to various machine learning models. As a result, the selected model predicts road surface state of the target area with more than 80% of accuracy by using only 1,400 samples. If road surface state and friction of the road of the unmeasured area is predicted with high accuracy, social costs can be saved by decreasing accident risk through driver alert.
참고문헌 (27)
- "The Road Traffic Authority"[URL]
- 신건훈, "교량구간의 결빙 예측 및 감지 시스템", 한국콘텐츠학회 논문지, 11(11), pp.42~48 (2011), 한국콘텐츠학회
- "Roadwat Icing and Weather"[URL]
- Korea Forest Service, "National urban forest statistics", ~ (2016)
- "Korea Meteorological Administration"[URL]
- 김승현, "도로 노면상태 및 기상 빅데이터 분석을 통한 차량 안전성 제고", 정보화연구, 14(4), pp.375~386 (2017), 한국엔터프라이즈아키텍처학회
- 김형준, "기상인자를 고려한 도로 위험지도 개발", 한국측량학회지, 35(3), pp.133~144 (2017), 한국측량학회[DOI]
- Moo Hun Lee, "Development of Realtime Road Surface Condition Determination Algorithm sing an Automatic Weather System", IT Convergence and Security (2016)
- 김종우, "복합 센서의 상태 판정 알고리즘을 적용한 노면결빙 예측 및 강설 감지 시스템 개발에 관한 연구", 한국구조물진단유지관리공학회 논문집, 17(5), pp.113~121 (2013), 한국구조물진단유지관리공학회[DOI]
- Probabilistic Weather Forecasting for Winter Road Maintenance, "Veronica J. Berrocal", Department of Statistics university of Washington, ~ (2007)
- Louis P. Crevier, "METRo: A New Model for Road-Condition Forecasting in Canada", Journal of Applied Meteorology, 40 (2001)
- 이종학, "연속류 도로구간의 수막정보 발생구간 추정 및 적용연구 - 서울시 내부순환도로를 중심으로 -", 한국도로학회논문집, 19(6), pp.147~153 (2017), 한국도로학회
- Won Seok Park, "An Improvement of the Heavy Rain Warning Area using AWS Precipitation Data :the case of capital region cities", ~ (2017)
- Development of Technologies for Advancement of HazardousRoadway Information Service under Inclement Weather, "Korea Institute of Civil Engineering and Building Technology", ~ (2011)
- A Research on Contract Price Prediction Model for Real Estate Auction Based on Machine Learning Technology, "Yong Cheon Sin", ~ (2017)
- A Study on the Factors Influencing Drowsiness by Binary Logistic Regression Analysis, "Cheol Woo Jung", ~ (2007)
- Jiwon Kim, "Likelihood and Duration of Flow Breakdown Modeling the Effect of Weather", Journal of the Transportation Research Board (2010)
- Optimal Condition of Pruning for VariousTypes of Dataset in Decision Tree Classification, "Ji Hyun Lee", ~ (2018)
- 박재연, "기술적 지표와 기계학습을 이용한 KOSPI 주가지수 예측", 정보화연구, 13(2), pp.331~340 (2016), 한국엔터프라이즈아키텍처학회
- Hyo mi Kim, "Multiclass Classification of Microarray Gene Expression Data using SVM", ~ (2002)
- "Scikit-Learn"[URL]
- Won Ki Park, "Introduction to Deep Learning and Financial Application", ~ (2017)
- Xingjian Shi, "Convolutional LSTM Network: A Machine Learning Approach for Precipitation Nowcasting", Neural Information Processing Systems (2015)
- 주우정, "딥러닝 기반의 순방향 전파형 가중치 양자화 기법", 정보화연구, 15(2), pp.245~252 (2018), 한국엔터프라이즈아키텍처학회[DOI]
- Muaz A. Niazi, "Complex Adaptive Systems Modeling" (2016)
- A Study on Finding Welfare Blind Area Using Social Security Information System, "Eun Ha Kim", Ministry of Health and Welfare, ~ (2015)
- "Teconer Inc"[URL]