열차 정시성 향상을 위한 인공지능 기반의 역간 운행시간 예측에 대한 연구
A Study on the Travel Time Prediction for Improving the Reliability of Train Timetable Using Artificial Intelligence
3
조회
0
다운로드
2
인용
0
참고문헌
키워드
초록
최근 인공지능 분야에 관한 다양한 연구들이 진행됐으며, 그중에서도 딥러닝(Deep learning)을 통한 기계학습 연구가 수행되고 있다. 딥러닝의 하나인 순환신경망은 순차적인 정보의 상관성을 예측할 때 효과적으로 동작하는 것으로 알려져 있으며, 열차운행 실적데이터의 경우 시간의 순서에 따라 데이터가 누적되므로 순차적 정보와 유사하다. 본 논문에서는 이를 이용하여 열차 정시성 개선에 적용이 가능한 순환신경망 기반의 모델을 제안하였다. 열차운행 실적데이터 분석을 통해 역간 운행시간 예측에 필요한 학습요소를 선별하였고, 순환신경망 기반의 예측 모델을 구현하였다. 제안 모델의 검증을 위하여 기존 관제에서 활용되는 열차운행 시뮬레이터를 통해 생성한 데이터를 제안 모델의 검증을 위한 학습 및 평가 데이터로 이용하였다.
Abstract
In this paper, we propose a method to improve the reliability of trains by predicting the travel time between trains based on train operation performance data. In order to verify the proposed method, a learning model based on a circular neural network was implemented and the performance data was generated through the train operation simulator used in the existing control, and the model was verified by using it as learning and test data.
참고문헌 (11)
- 김관형, "개입 ARIMA 모형을 이용한 KTX 수요예측", 한국철도학회논문집, 14(5), pp.470~476 (2011), 한국철도학회
- S. S. Kim, "A Study on the Use of Big Data for the Prediction of Accident Risk on the Kyoungbu High-speed rail", Journal of The Korean Operations Research and Management Science Society, 2019(4), pp.3785~3785 (2019)
- 진장원, "소셜네트워크분석기법을 활용한 고속철도 환승센터 특징분석에 관한연구", 한국도시철도학회논문집, 7(1), pp.85~94 (2019), 한국도시철도학회
- 박정수, "급행열차 도입을 통한 최적운행방안 수립에 관한 연구 - 수도권 광역 도시철도를 중심으로 -", 대한토목학회 논문집D, 26(4D), pp.679~686 (2006), 대한토목학회
- W. H. Seo, "An analysis on Optimal Subway Skip Stop Scheduling without siding track", Journal of The Korean Society of Transportation, 36, pp.255~260 (1999)
- H. Kim, "Development of Model for Estimating Service Capacity of Intercity Railway", Journal of The Korea Transport Institute, 15(1), pp.11~26 (2008)
- D. H. Kim, "Line Capacity Estimation in Railways", The 2002 Spring Conference of The Korea Safety Management & Science, 2002(1), pp.257~262 (2002)
- 김경태, "KTX 개통후 서울～천안구간의 열차운행패턴 분석", 한국철도학회논문집, 8(6), pp.507~512 (2005), 한국철도학회
- Hochreiter, S., "LSTM can solve hard long time lag problems", Advances in neural information processing systems, 1997, pp.473~479 (1997)
- G. H. Lim, "A Study on Urban Railway Punctuality Considering Operational Factors", The 2016 Spring Conference of The Korean Society for Railway, pp.409~413 (2016)
- Willmott, Cort J., "Advantages of the mean absolute error (MAE) over the root mean square error (RMSE) in assessing average model performance", Climate research, 30(1), pp.79~82 (2005)