적응형 k-NN 기법을 이용한 UTIS 속도정보 결측값 보정처리에 관한 연구
A study on the imputation solution for missing speed data on UTIS by using adaptive k-NN algorithm
0
조회
0
다운로드
1
인용
0
참고문헌
키워드
초록
UTIS(Urban Traffic Information System)는 프로브차량을 활용하여 도시지역의 구간통행시간 정보를 직접 수집하는 방식으로 타 검지체계에 비해 상대적으로 정확한 링크 속도정보를 산출할 수 있다. 하지만, 현재 UTIS에서는 프로브차량(Probe Vehicle) 및 노변기지국(RSE)의 부족, 시스템 오류 등 다양한 요인에 의해 링크 속도정보의 수집이 누락되는 결측 구간이 발생되고 있다. 본 연구에서는 보다 정확한 여행시간 정보를 제공하기 위한 방안으로 k-NN 알고리즘을 기반으로 결측속도 정보를 효율적으로 보정할 수 있는 새로운 보정모형을 제안하였다. 제안 모형은 각 후보개체(이력 시계열 데이터)의 분포 특성에 따라 최근접이웃 개수를 탄력적으로 조정하는 적응형 k-NN 모형이다. 모형 평가 결과, 제안 모형이 결측정보를 효과적으로 보정‧처리할 수 있는 동시에 ARIMA 등 타 모형에 비해 보정 오차를 크게 감소시킬 수 있는 것으로 분석되었다. 본 연구에서 제안된 결측 보정 모형은 UTIS 중앙교통정보센터에 직접 적용하여 교통정보 서비스 품질을 향상시키데 활용될 계획이다.
Abstract
UTIS(Urban Traffic Information System) directly collects link travel time in urban area by using probe vehicles. Therefore it can estimate more accurate link travel speed compared to other traffic detection systems. However, UTIS includes some missing data caused by the lack of probe vehicles and RSEs on road network, system failures, and other factors. In this study, we suggest a new model, based on k-NN algorithm, for imputing missing data to provide more accurate travel time information. New imputation model is an adaptive k-NN which can flexibly adjust the number of nearest neighbors(NN) depending on the distribution of candidate objects. The evaluation result indicates that the new model successfully imputed missing speed data and significantly reduced the imputation error as compared with other models(ARIMA and etc). We have a plan to use the new imputation model improving traffic information service by applying UTIS Central Traffic Information Center.
참고문헌 (8)
- 김정연, "차량 검지자료 결측 보정처리에 관한 연구 (이력자료 활용방안을 중심으로)", 대한교통학회지, 24(7), pp.27~40 (2006), 대한교통학회
- 윤원식, "차량 결측속도정보 추정에 관한 연구", 대한교통학회지, 26(2), pp.101~107 (2008), 대한교통학회
- 연지윤, "무선통신기반 교통정보수집체계하에서의 차량주행궤적정보 결측치 보정방안", 대한교통학회지, 27(4), pp.175~181 (2009), 대한교통학회
- 하정아, "일반국도 상시 교통량자료를 이용한 교통량 결측자료 추정", 대한교통학회지, 25(1), pp.121~132 (2007), 대한교통학회
- Data Imputation Strategies for Transportation Management Systems, "J. H. Conklin", University of Virginia, ~ (2003)
- C. Chen, "Detection Errors and Imputation Missing Data for Single Loop Surveillance System", 82th TRB Annual Meeting (2003)
- S. Sharma, "Effect of Missing Value Imputation on Traffic Parameters from Permanent Traffic Connts", 80th TRB Annual Meeting (2001)
- H. G. Lee, "Probabilistic Reservoir Inflow Forecast Using Non-parametric Methods", Journal of Hydro Environment Research (2008)