$\require{mediawiki-texvc}$

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.

NPR기반 누락 교통자료 추정기법 개발 및 적용
Development and Application of Imputation Technique Based on NPR for Missing Traffic Data 원문보기

大韓交通學會誌 = Journal of Korean Society of Transportation, v.28 no.3, 2010년, pp.61 - 74  

장현호 (서울대학교 환경대학원) ,  한동희 (한국도로공사 도로교통연구원) ,  이태경 (한양대학교 도시공학과) ,  이영인 (서울대학교 환경대학원) ,  원제무 (한양대학교 도시공학과)

초록
AI-Helper 아이콘AI-Helper

지능형 교통체계는 실시간 교통자료를 수집하고 방대한 양의 이력자료를 축적한다. 그러나 방대한 이력자료는 효율적으로 관리/이용되지 않고 있는 실정이다. ADMS와 같은 자료관리시스템이 도입되면서, 이력자료의 잠재적 활용성은 급격히 증대되고 있다. 그러나 자료관리스템의 교통자료는 다량의 누락자료를 포함하고 있다. 누락자료는 장기간에 걸쳐 빈번하게 교통자료를 이용할 수 없게 하기 때문에, 이력자료를 활용하는데 있어 주된 장애요인 중 하나이다. 따라서 누락자료 추정기법은 자료관리시스템에서 주요한 역할을 수행하게 된다. 이러한 한계를 극복하기 위하여, 본 연구에서는 자료관리스템에 탑재가 용이하며 이력자료에 포함된 누락자료를 추정하기 위한 누락자료 추정모형을 개발하였다. 개발모형은 비모수회귀식(NPR)을 기반으로 개발되었으며, 이력자료의 다양한 교통자료 패턴을 이용하고 현실적인 요구사항(변수 최소화, 연산속도, 다양한 형태의 누락자료 보정, 다중대체)을 충족하도록 설계되었다. 모형의 평가는 다양한 누락자료 형태의 상태에서 수행되었으며, 자료관리시스템에 탑재되기 위해 요구되는 정확도, 연산 수행속도에서 기존에 보고된 모형보다 우수한 성능을 보였다.

Abstract ▼ AI-Helper 아이콘AI-Helper

ITS (Intelligent transportation systems) collects real-time traffic data, and accumulates vest historical data. But tremendous historical data has not been managed and employed efficiently. With the introduction of data management systems like ADMS (Archived Data Management System), the potentiality...

주제어

#자료관리시스템   #이력자료   #누락자료   #비모수 회귀   #다중대체  

질의응답

핵심어 질문 논문에서 추출한 답변
회귀식 모형은 어떻게 구분되는가? ITS분야에서 장래 교통상태의 예측에는 회귀모형, 시계열 기법, 인공신경망 모형, 칼만 필터링 기법 등이 주로 이용되고 있다. 이중 많이 이용되는 회귀식 모형은 설명변수를 고려하는 모수(parametric) 회귀식과 설명변수를 고려하지 않는 비모수 회귀식(NPR, Non-Parametric Regression)으로 구분된다.
NPR기법은 어떤 이유로 현장에서의 운영에 장점을 가지는가? NPR기법은 입력과 출력자료간의 관계를 결정하는 과정으로서 파라미터 계산 없이 새로운 관측자료를 쉽게 모형에 추가할 수 있다. 따라서 모형에 필요한 파라미터를 주기적으로 갱신할 필요가 없기 때문에 현장에서의 운영에 장점을 가지고 있다.
NPR의 군집 정의방법에는 어떤 것들이 있는가? 이는 NPR이 예측시간대의 군집수를 정의하는 대신 현행(current) 입력상태와 유사한 과거 경우에 대한 군집을 정의하기 때문이다. NPR의 군집(neighborhood)을 정의방법은 크게 최인접 개수 k를 정하는 k-nearest neighbor 기법과 최인접 개수의 ± 범위를 설정하는 Kernel neighborhood 기법이 있다.
질의응답 정보가 도움이 되었나요?

참고문헌 (21)

  1. 이승재？백남철？권희정？최대순？도명식(2001), "불규칙변동 분해 시계열분석 기법을 사용한 AADT 추정", 대한교통학회지, 제19권 제6호, 대한교통학회, pp.65∼73. 

    원문보기 상세보기

  2. 이승재？백남철？권희정(2002), "단기조사 교통량을 이용한 AADT 추정연구", 대한교통학회지, 제20권 제6호, 대한교통학회, pp.59∼68. 

    원문보기 상세보기

  3. 강원의？백남철？윤해경(2004), "AIC(AKaike's Information Criterion)을 이용한 교통량 예측 모형", 대한교통학회지, 제22권 제7호, 대한교통학회, pp.155∼159. 

    원문보기 상세보기

  4. 김정연？이영인？백승걸？남궁성(2006), "차량 검지자료 결측 보정처리에 관한 연구(이력자료 활용방안을 중심으로)", 대한교통학회지, 제24권 제7호, 대한교통학회, pp.27∼40. 

    원문보기 상세보기

  5. 김현석？남두희？임강원？이영인(2007), "순환확률분포를 이용한 교통량 결측자료 보정 모형", 대학교통학회지, 제25권 제4호, 대한교통학회, pp.109∼121. 

  6. 하정아？박재화？김성현(2007), "일반국도 상시 교통량자료를 이용한 교통량 결측자료 추정", 대학교통학회지, 제25권 제1호, 대한교통학회, pp.121∼132. 

  7. Altman, N.S. (1992), "An introduction to kernel and nearest-neighbor nonparametric regression", The American Statistician, Vol. 46, No. 3, pp.175∼185. 

    상세보기

  8. Chang, H. et al. (2010), "Dynamic multi- interval bus travel time prediction using bus transit data", Transportmetrica, Vol. 6. No. 1, pp.19∼38. 

    상세보기 crossref

  9. Chen, C., Kwon, J., Rice, J., Skabardonis, A., and Varaiya, P. (2003), "Detecting errors and imputing missing data for single loop surveillance systems", TRR Vol. 1855, pp.160∼167. 

    상세보기 crossref

  10. Ni, D., Leonard, J.D., Guin, A., Feng, C. (2005), "Multiple imputation scheme for overcoming the missing values and variability issues in ITS data", JTE, Vol. 131, Issue 12, pp.931∼938. 

  11. Davis, G. and Nihan, N. (1991), "Nonparametric regression and short-term freeway traffic fore- casting", JTE, Vol. 117, No. 2, pp.178∼188. 

  12. Disbro, J.E., Frame, M. (1989), "Traffic flow theory and chaotic behavior", New York State Department of Transportation Report FHWA/NY/SR-98/91, New York. 

  13. Karlsson, M. and S. Yakowitz (1987), "Rainfall-runoff forecasting methods, old and new", Stochastic Hydrology and Hydraulics, Vol. 1, No. 4, pp.303∼318. 

    상세보기 crossref

  14. Mulhern, F. J. and R. J. Caprara (1994), "A nearest neighbor model for forecasting market response", International Journal of Forecasting, Vol. 10, No. 2, pp.191∼207. 

    상세보기 crossref

  15. Oswald R. K., Scherer W.T. and Smith B.L.(2000), "Traffic flow forecasting using approximate Nearest Neighbor Nonparametric regression", Research project report for U.S. DOT University transportation center. 

  16. Qi, Y., and Smith, B.L. (2004), "Identifying nearest-neighbors in a large-scale incident data archive", TRR, 1879, pp.89∼98. 

    상세보기 crossref

  17. Robinson, P. (1983), "Nonparametric estimators for time series", Journal of Time Series Analysis, Vol. 4, No 3, pp.185∼207. 

    상세보기 crossref

  18. Smith, B.L. (1995), "Forecasting freeway traffic flow for intelligent transportation system applications", Doctorial dissertation. Department of civil engineering, University of Virginia, Charlottesville. 

  19. Smith B.L., and Conklin J.H. (2002), "The use of local lane distribution patterns to estimate missing data values from traffic monitoring systems", TRR, Vol. 1811, pp.50∼56. 

    상세보기 crossref

  20. Smith, B.L., B.M. Williams, and R.K. Oswald (2002), "Comparison of parametric and nonparametric models for traffic flow forecasting", TR Part C, Vol. 10. pp.303∼321. 

    상세보기 crossref

  21. Sun, H. et al. (2003), "Use of local linear re- gression for short-term traffic forecasting", TRR, 1936, pp.143∼150. 

저자의 다른 논문 :

관련 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