도심 도로의 속도 예측을 위한 KNN 알고리즘 분석
Analysis of KNN Algorithm for Speed Prediction in Urban Roads
0
조회
0
다운로드
5
인용
0
참고문헌
키워드
초록
네비게이션 시스템의 보급과 실시간 교통 정보의 제공으로 차량을 운행하는 많은 이용자들이 간편하고 효율적으로 목적지에 도달할 수 있는 방법을 제공받고 있다. 그러나 실시간 교통 정보는 현재 시간의 교통 상황을 알려줄 뿐, 차량이 이동하는 경로에서 미래 시간의 교통 상황은 알려줄 수 없다. 이를 보완하기 위한 목적으로 미래 시간에서의 차량 속도를 예측하기 위한 다양한 방법들이 연구되어져 왔다. 다양한 차량 속도 예측 방법들 중에서 KNN(K-Nearest Neighbor) 알고리즘은 구현이 비교적 용이하고 예측의 정확도 또한 다른 방법들에 비해 나쁘지 않아 많이 연구되고 있다. 본 논문에서는 서울 시내 도로에서 KNN 알고리즘을 사용한 단기 차량 속도 예측 문제를 다룬다. KNN 알고리즘의 성능은 K 값의 결정에 따라 달라질 수 있으며, 본 논문에서는 다양한 K 값에 따른 KNN 알고리즘의 차량 속도 예측 결과를 MAPE 방법으로 분석하여 KNN 알고리즘에서의 K 값의 결정을 위한 기준을 제공하고자 한다.
Abstract
Many drivers have used simple and efficient ways to reach destination due to the spared of navigation systems and providing real time traffic information. Real-time traffic information can indicate the traffic situation at the current time for drivers, however, can not provide the traffic situation of the future in the path of moving vehicles. To solve this problem, various researches for predicting vehicle speed in the future have been studied. Among a variety of vehicle speed prediction methods, the KNN(K-Nearest Neighbor) algorithm has been widely studied because implementation is relatively easy and the prediction accuracy is not so bad as compared to the other methods. In this paper, we deal with the prediction of vehicle speed at short-term in urban roads. In general, the performance of the KNN algorithm may be changed according to the determination of K values. Using the MAPE method, in details, we analyze the results of the predicted vehicle speed based on the KNN algorithm according to various K values. Through this experiment, we willing to provide a criteria for the determination of K values in the KNN algorithm.
참고문헌 (10)
- Shiliang Sun, "A Bayesian Network Approach to Traffic Flow Forecasting", IEEE Transaction on Intelligent Transportation Systems, 7(1), pp.124~132 (2006)
- Y. J. Yu, "A Short-Term Prediction Model for Forecasting Traffic Information Using Bayesian Network", Third 2008 International Conference on Convergence and Hybrid Information Technology, pp.247~253 (2008)
- G. Q. Yu, "Short-Term Traffic Flow Forecasting based on Markov Chain Model", Proc. IEEE Intelligenct Vehicles Symposium, pp.208~212 (2003)
- X. J. Ban, "Performance Evaluation of Travel-Time Estimation Methods for Real-Time Traffic Application", Journal of Intelligent Transport Systems, 14(2), pp.54~67 (2010)
- Rui Wang, "Shorterm Prediction Works in Traffic Engineering: The State-Of-The-Art", 9th World Congress on Intelligent Transport Systems (2002)
- M. G. Cho, "The System for Predicting the Traffic Flow with Real-Time Traffic Information", Lecture Note in Computer Science, 3980, pp.904~913 (2006)
- Mohammad Arif Rasyidi, "Short-Term Prediction of Vehicle Speed on Main City Roads using the k-Nearest Neighbor Algorithm", 지능정보연구, 20(1), pp.121~131 (2014), 한국지능정보시스템학회[DOI]
- H. Kitaoka, "Development of a Travel Time Prediction Method for the TOYATA G-BOOK Telematics Service", R&D Review of Toyata CRDL, 41(4) (2007)
- E. Fraschini, "Day on Day Dependencies in Travel Time: First Result using ARIMA Modeling" (2001), IVT Institute for Transport
- J. W. C. van Lint, "Robust and Adaptable Travel Time Prediction with Neural Networks", Proc. 6th Annual Transport (2000)