신경망을 이용한 차로 속도의 정확한 예측
Accurate prediction of lane speeds by using neural network
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 연구는 신경망을 이용하여 링크 속도로부터 각 차로의 속도를 예측하는 방법을 제시하였다. 예측 정확도를 높이기 위해 학습 데이터 구성에 있어 3가지 사항을 고려하였다. 첫 번째는 링크의 시작점과 끝점이 연결된 14개의 링크를 포함하여 데이터 소스의 공간적 범위를 확장하였다. 또한 시간 간격을 07:00에서 22:00로 늘리고 특성 데이터에 데이터 생성 시각을 포함했다. 마지막으로 요일과 공휴일을 표시했다. 실험 결과 직진 차로는 속도 오차가 6.4km/h에서 5.0km/h로21.9%, 우회전은 8.5km/h에서 7.4km/h로 12.9%, 좌회전은 8.7km/h에서 8.2km/h로 5.7% 감소한 것으로 나타났다. 두번째 결과로 교통 정체시 도심부 도로의 차선별 예측 정확도가 높은 것을 확인하였다. 제안한 방법의 특징은 도로 소통 상황을 차로 단위로 예측하여 도로 소통 상황을 보다 정확하게 예측한 것이다.
Abstract
In this paper, we propose a method predicting the speed of each lane from the link speed using a neural network. We took three measures for configuring learning data to increase prediction accuracy. The first one is to expand the spatial range of the data source by including 14 links connected to the beginning and end points of the link. We also increased the time interval from 07:00 to 22:00 and included the data generation time in the feature data. Finally, we marked weekdays and holidays. Results of experiments showed that the speed error was reduced by 21.9% from 6.4 km/h to 5.0 km/h for straight lane, by 12.9% from 8.5 km/h to 7.4 km/h for right turns, and by 5.7% from 8.7 km/h to 8.2 km/h for left-turns. As a secondary result, we confirmed that the prediction accuracy of each lane was high for city roads when the traffic flow was congested. The feature of the proposed method is that it predicts traffic conditions for each lane improving the accuracy of prediction.
참고문헌 (17)
- Yeonsoo Kang, "Dynamic Path Finding System using Travel Time Prediction", Proceedings of The Korea Institute of Intelligent Transport Systems, pp.154~162 (2004)
- 김영찬, "시공간적 영향력을 반영한 딥러닝 기반의 통행속도 예측 모형 개발", 한국ITS학회 논문지, 19(1), pp.1~16 (2020), 한국ITS학회[DOI]
- 편동현, "인공 신경망을 사용하여 링크 속도로부터 차로별 속도를 예측하는 연구", 한국컴퓨터정보학회논문지, 27(8), pp.69~75 (2022), 한국컴퓨터정보학회[DOI]
- 임희섭, "개별차량 주행정보를 이용한 차로별 구간대표통행시간 산출기법", 한국ITS학회 논문지, 8(6), pp.23~35 (2009), 한국ITS학회
- Hwangseong Lee, "Traffic State predictability analysis by lane based on vehicle trajectory data", Proceedings of the KOR-KST Conference, pp.662~666 (2021)
- 김도훈, "UTIS 자료를 활용한 도로구간 통행속도 예측 모형 개발", 서울도시연구, 18(3), pp.101~102 (2017), 서울연구원[DOI]
- 김홍근, "동적 선형 모델을 이용한 교통 흐름 시계열 분석", 정보처리학회논문지. 컴퓨터 및 통신시스템, 6(4), pp.179~188 (2017), 한국정보처리학회[DOI]
- 김의진, "앙상블 경험적 모드 분해법을 이용한 도시부 단기 통행속도 예측", 대한토목학회논문집(국문), 38(4), pp.579~586 (2018), 대한토목학회[DOI]
- Namhyuk Kim, "Traffic Speed Prediction Based on Deep Learning", The Korean Institute of Information Scientists and Engineers, 166~168 (2019)
- 김예은, "기계학습과 시뮬레이션 기법을 융합한 교통 상태 예측 방법 개발 연구", 한국ITS학회 논문지, 20(5), pp.100~112 (2021), 한국ITS학회[DOI]
- 전승배, "ResNet을 이용한 도로 네트워크 교통 데이터 예측", 대한공간정보학회지, 29(2), pp.75~84 (2021), 대한공간정보학회[DOI]
- 정희진, "순환인공신경망(RNN)을 이용한 대도시 도심부 교통혼잡 예측", 한국ITS학회 논문지, 16(6), pp.67~78 (2017), 한국ITS학회[DOI]
- Jiwon Son, "A Deep Learning Based Traffic Speed Prediction on Multiple-Roads", Proceedings of the online fall academic conference, 27(2) (2020)
- 이권동, "ConvLSTM을 이용한 도로 구간 속도 예측 기법", 한국정보기술학회논문지, 19(12), pp.27~33 (2021), 한국정보기술학회[DOI]
- 김유진, "설명 가능 그래프 심층 인공신경망 기반 속도 예측 및 인근 도로 영향력 분석 기법", 한국융합학회논문지, 13(1), pp.51~62 (2022), 한국융합학회[DOI]
- 박부기, "LSTM 및 CNN-LSTM 신경망을 활용한 도시부 간선도로 속도 예측", 한국ITS학회 논문지, 20(1), pp.86~99 (2021), 한국ITS학회[DOI]
- Jiyoung Hwang, "Asymmetric long time traffic speed prediction using Graph Multi-Attention algorithm", Proceedings of the KOR-KST Conference, pp.378~383 (2021)