최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기大韓交通學會誌 = Journal of Korean Society of Transportation, v.27 no.4, 2009년, pp.175 - 181
연지윤 (한국교통연구원 첨단교통연구실) , 김현미 (한국교통연구원 첨단교통연구실) , 오철 (한양대학교 교통시스템공학과) , 김원규 (한국항공대학교 항공교통물류우주법학부)
Intelligent Transportation Systems(ITS) enables road users to enhance efficiency of their trips in a variety of traffic conditions. As a significant part of ITS, information communication technology among vehicles and between vehicles and infrastructure has been being developed to upgrade current tr...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
Locally Weighted Regression은 어느 경우에 사용하며 어떻게 적용하는가? | Locally Weighted Regression은 이산적으로 관측된 차량의 위치로부터 시간연속적인 차량주행이력함수를 예측할 경우 사용할 수 있으며, 결측이 발생한 시간 t0 주변의 차량주행이력함수는 대상차량의 결측치를 포함하는 시간 t0 전⋅후 n개의 관측치에 대하여 가중치를 적용하여 최소자승법을 이용해 회귀계수를 예측하는 방법을 사용한다. 가중치는 결측이 발생한 시간 t0와 결측치 주변 관측치 t의 시간차이(|t0 - t|)로 결정된다. | |
지능형교통체계가 발전할 수 있었던 배경은 무엇인가? | 지능형교통체계(ITS:Intelligent Transportation Systems)의 발전은 도로이용자들로 하여금 다양한 교통환경에서 도로를 좀 더 효율적으로 이용하게 해 주었다. 이는 정보통신 기술의 급격한 발전에 힘입은 것으로 도로이용자들은 기존 지점검지기 기반 ITS 체계하에서 제공하는 다양한 서비스를 경험하는 것에 그치지 않고 좀 더 정확하고 신뢰성 있는 교통정보를 제공 받기를 원하였다. 이러한 요구에 부응하기 위해 최근 들어서는 차량-차량(Vehicle-Vehicle)간 및 차량-인프라(Vehicle-Infrastructure)간 통신기술을 이용하여 교통자료를 수집 및 제공하기 위한 다양한 연구가 진행되고 있다(8,9,10). | |
공간상관성을 이용한 선형보간법의 단점은 무엇인가? | 공간상관성을 이용한 선형보간법은 공간분석의 관점에서 첫 번째 이웃 데이터들의 평균값을 이용하여 결측된 자료를 보정하는 방법으로, 평균값을 계산할 때 이웃 데이터들의 상대적 가중치를 고려하지 않고 동일한 가중치를 사용하게 되어 결측치 대체시 과소 대체되거나, 과대 대체될 수 있다는 단점을 가지고 있다. 이를 보완하기 위하여 통계적으로 공간자기상관계수인 Moran Index를 이용하여 시간의 공간 상관과 전⋅후 차량의 공간 상관을 가중평균하여 결측치를 보정하는 방법이다. |
허태영, 오주삼(2007), 시간자료의 공간화를 통한 일교통량 결측대체 방법론 연구, 한국도로학회 제9권3호, pp.21-28
Faouzi, E.(1996), Nonparametric Traffic Flow Prediction Using Kernel Estimation, Transportation and Traffic Theory : Proceedings of the 13th International Symposium on Transportation and Traffic Theory, Lyon, france, pp.24-26
Hongyu Sun, Henry X. Liu, Heng Xiao, Rachel R. He, and Bin Ran(2003), Use of Local Linear Regression Method for Short-Term Traffic Forecasting, Transportation Research Record 1836, pp.143-150
Sirapat Chiewchanwattana, Chidchanok Lursinsap, and Chee-Hung Henry Chu(2007), Imputing incomplete time-series data based on Varied-Window Similarity measure of data Sequences, Pattern Recognition Letters 28, pp.1091-1013
Sun, H., Liu, H., Xiao, H., He, R., Ran, B.(2003), Short term traffic forecasting using the local linear regression model, the 82nd Transportation Research Board Annual Meeting, Washington DC
Tomer Toledo, Haris N. Koustsopoulos, and Kazi I. Ahmed(2007), Estimation of Vehicle Trajectories with Locally Weighted Regression, Transportation Research Record 1999, pp.161-169
William S. Cleveland(1979), Robust Locally Weighted Regression and Smoothing Scatterplots, Journal of the American Statistical Association, Vo..74, No. 368, pp.829-836
www.cvisproject.org
www.its.dot.gov/vii.htm
www.vics.or.jp/english/index.html
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
Free Access. 출판사/학술단체 등이 허락한 무료 공개 사이트를 통해 자유로운 이용이 가능한 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.