$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

베이지안 네트워크를 이용한 단기 교통정보 예측모델
A Short-Term Traffic Information Prediction Model Using Bayesian Network 원문보기

한국해양정보통신학회논문지 = The journal of the Korea Institute of Maritime Information & Communication Sciences, v.13 no.4, 2009년, pp.765 - 773  

유영중 (부산외국어대학교 컴퓨터공학과) ,  조미경 (동명대학교 멀티미디어공학과)

초록
AI-Helper 아이콘AI-Helper

최근의 텔레매틱스 교통정보제공서비스는 지능형 교통시스템의 구축을 통한 실시간 교통정보 수집이 가능해짐에 따라 다양해지고 있다. 본 논문에서는 고품질의 다양한 교통정보제공을 위해 필요한 미래시간에 대한 단기 교통정보 예측 모델을 제안하고 개발하였다. 단기 예측 모델은 현재로부터 가까운 미래의 교통 상황을 예측하기 위한 교통 모델로 본 연구에서 제안한 예측 모델은 각 도로에 대하여 5분 이후부터 1시간 이전까지의 미래시간에 대한 차량 평균 속도를 예측 결과로 준다. 본 연구에서 제안한 예측 모델은 베이지안 네트워크에 기반을 두고 있으며 각 도로의 미래시간 교통상황에 영향을 줄 수 있는 요인들을 분석하여 베이지안 네트워크의 원인노드로 설정하였다. 설계된 베이지안 네트워크에 대하여 실시간 교통정보데이터를 이용하여 가우시안 혼합 분포를 가정한 베이지안 네트워크의 결합 확률 밀도 함수EM(Expectation Maximization) 알고리즘으로 구하여 미래시간의 교통정보를 예측하였다. 예측 모델의 정확도 검증을 위해 실시간 교통데이터로 다양한 실험을 수행하였다. 실험결과 제안된 모델은 현재 시간으로부터 10분 이후, 30분 이후, 60분 이후 예측 오차로 각각 4.5, 4.8, 5.2의 RMSE(Root Mean Square Error) 값을 주었다.

Abstract AI-Helper 아이콘AI-Helper

Currently Telematics traffic information services have been various because we can collect real-time traffic information through Intelligent Transport System. In this paper, we proposed and implemented a short-term traffic information prediction model for giving to guarantee the traffic information ...

주제어

참고문헌 (16)

  1. 오철, ITS 진단 체계 구축 방안 연구, 한국교통연구원, 2005, 9월 

  2. 강연수, 문영준, 박유경, 이주일, 텔레매틱스 시대를 대비한 첨단 종합교통정보서비스 체계화 방안 연구, 교통개발연구원, 2003 

  3. Shiliang Sun, Changshui Zhang, Guoqiang Yu, "A Bayesian Network Approach to Traffic Flow," IEEE Transaction on Intelligent Transportation Systems, Vol. 7, No. 1, 2006 

  4. Hironobu Kitaoka, Takahiro Shiga, Hiroko Mori etc., "Development of a travel Time Prediction Method for the TOYATA G-BOOK Telematics Service," R&D Review of Toyota CRDL Vol. 41 No. 4, 2007 

  5. Y. Yu and M. G. Cho, "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 

  6. G. Q. Yu, J. M. Hu,, C. S. Zhang, etc. "Short-term traffic flow forecasting based on Markov chain model," Proc. IEEE Intelligent Vehicles Symp., Columbus, OH, 2003 

  7. E. Fraschini and K. Ashausen, Day on Day Dependencies in Travel Time: First Result Using ARIMA Modeling: ETH, IVT institute for Transport, Feb. 2001 

  8. J.W.C. van Lint, S.P. Hoogendoorn, and H.J. van Zuylen, "Robust and adaptable travel time prediction with neural networks," Proc. 6th Annual transport, 2000 

  9. Rui Wang, Hideki Nakamura, "Short Term Prediction Works in Traffic Engineering: The state-of-The-Art, ITS World Congress, 2002 

  10. M.G.Cho, Y.Yu, and S. Kim, "The System for Predicting the Traffic Flow with the Real-Time Traffic Information," Springer-Verlag, Lecture Note in Computer Science, Vol. 3980, 2006 

  11. 남궁성, 윤일수, 조범철, TCS 자료를 이용한 고속도로 통행 시간 예측, 한국도로공사 보고서, 2000 

  12. 김동호, 노정현, 박동주, "고속도로 통행시간 예측을 위한 과거 통행시간 이력 자료 구축에 관한 연구," ITS 학회 춘계 발표논문집, 2005 

  13. 이승재, 김범일, 권혁, "단기 통행시간예측 모형 개발에 관한 연구," 한국 ITS 학회 논문지 제 3권 제 1호, 2004 

  14. Finn V. Jensen, An introduction to Bayesian networks, UCL Press, 1996 

  15. 한학용 저, 패턴인식 개론, 한빛미디어, 2005 

  16. Carlo Tomasi, Estimating Gaussian Mixture Densities with EM - a tutoral, Duke University 

저자의 다른 논문 :

관련 콘텐츠

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로