최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기韓國ITS學會 論文誌 = The journal of the Korea Institute of Intelligent Transportation Systems, v.17 no.6, 2018년, pp.121 - 132
여지호 (한국과학기술원 조천식녹색교통대학원) , 이주영 (한국과학기술원 조천식녹색교통대학원) , 김강화 (디토닉 주식회사) , 장기태 (한국과학기술원 조천식녹색교통대학원)
Weather is an important factor affecting roadway transportation in many aspects such as traffic flow, driver 's driving patterns, and crashes. This study focuses on the relationship between weather and road surface condition and develops a model to estimate the road surface condition using machine l...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
Random forest에서 파라미터 최적화를 위해 조절 가능한 구성변수는 무엇이 있는가? | Random forest에서 파라미터 최적화를 위해 조절 가능한 구성변수로는 앙상블에 활용하는 트리의 개수와 각 트리 구성 시 제약조건인 최대분기 수로, 각 값의 조합에 따라 모델의 정확도를 평가하여 가장 좋은 구성을 찾아 모델 파라미터를 최적화하였다. 일반적으로 트리의 개수가 증가할수록 모델의 정확도가 증가하는 경향을 보이나 과도하게 많을 시에는 학습 시간이 오래 걸리며 모델 자체의 크기도 증가하여 비효율성이 증가하므로 적합한 트리 개수의 선정이 중요하다. | |
개별 분류트리의 경우 분기가 많을수록 무엇이 발생하는가? | 일반적으로 트리의 개수가 증가할수록 모델의 정확도가 증가하는 경향을 보이나 과도하게 많을 시에는 학습 시간이 오래 걸리며 모델 자체의 크기도 증가하여 비효율성이 증가하므로 적합한 트리 개수의 선정이 중요하다. 개별 분류트리의 경우 분기가 많을수록 주어진 데이터 세트에 대한 분류 정확도가 증가하나, 지나치게 많은 분기가 만들어질 경우 과적합(Overfitting)이 발생하게 된다. 이에 각 트리의 일반성을 최대한으로 높이기 위해선 적합한 분기 수를 제약하여 학습시켜야 한다. | |
변수의 종류를 임의 추출하여 의사결정나무를 통해 표본을 추출하는 방법의 장점은? | Random forest는 배깅 모형과 다르게 표본을 추출할 때 이용하는 변수의 종류도 임의 추출하여 의사결정나무를 학습시킨다. 이를 통해 학습된 모델에 변수의 임의성을 추가할 수 있어 모델의 다양성을 극대화하고 과적합 방지 및 이상치 대응력을 높일 수 있다. Random forest에서 추출 변수 수는 일반적으로 분류문제에 정확도가 높아 많이 사용하는 전체 샘플수의 제곱근을 이용하였다. |
Brodsky H. and Hakkert A. S.(1988), "Risk of a road accident in rainy weather," Accident Analysis & Prevention, vol. 20, no. 3, pp.161-176.
Chapman L., Thornes J. E. and Bradley A. V.(2001), "Modelling of road surface temperature from a geographical parameter database," Part 2: Numerical. Meteorological Applications, vol. 8, no. 4, pp.421-436.
Edwards J. B.(1998), "The relationship between road accident severity and recorded weather," Journal of Safety Research, vol. 29, no. 4, pp.249-262.
Hoogendoorn R. G., Tamminga G., Hoogendoorn S. P. and Daamen W.(2010), "Longitudinal driving behavior under adverse weather conditions: Adaptation effects, model performance and freeway capacity in case of fog. In Intelligent transportation systems," 2010 13th international ieee conference on IEEE, pp.450-455.
Jeong E., Oh C. and Hong S.(2013), "Prediction of speed by rain intensity using road weather information system and vehicle detection system data," The Journal of the Korea Institute of Intelligent Transport Systems, vol. 12, no. 4, pp.44-55.
Karsisto V. and Nurmi P.(2016), "Using car observations in road weather forecasting," In International Road Weather Conference.
Keay K. and Simmonds I.(2005), "The association of rainfall and other weather variables with road traffic volume in Melbourne, Australia," Accident Analysis and Prevention, vol. 37, no. 1, pp.109-124.
Kim D. G., Kim J. Y., Lee J. H., Choi D. G. and Kweon I. S.(2010), "Utilizing Visual Information for Non-contact Predicting Method of Friction Coefficient," Journal of the Institute of Electronics Engineers of Korea SP, vol. 47, no. 4, pp.28-34.
Kim J. H. and Won J. M.(2013), "A Development of The Road Surface Decision Algorithm Using SVM (Support Vector Machine) Clustering Methods," The Journal of The Korea Institute of Intelligent Transport Systems, vol. 12, no. 5, pp.1-12.
Kim S., Kim K., Lee M., Cho Y. and Hahm Y.(2017), "Improving Vehicle Safety Through Road Surface Condition and Weather Data Analysis," Journal of Information Technology and Architecture, vol. 14, no. 4, pp.375-386.
Knapp K. K. and Smithson L. D.(2000), "Winter storm event volume impact analysis using multiple-source archived monitoring data," Transportation Research Record, 1700, pp.10-16.
Kwon T., Fu L. and Jiang C.(2013), "Effect of winter weather and road surface conditions on macroscopic traffic parameters," Transportation Research Record: Journal of the Transportation Research Board, no. 2329, pp.54-62.
Liu C. S. and Peng H.(1996), "Road friction coefficient estimation for vehicle path prediction," Vehicle System Dynamics, vol. 25, no. S1, pp.413-425.
Malmivuo M.(2011), "Friction Meter Comparison Study 2011," Abstract. Original report Kitkamittareiden vertailututkimus.
Marsland S.(2011), Machine learning: an algorithmic perspective, Chapman and Hall/CRC.
Morgan A. and Mannering F. L.(2011), "The effects of road-surface conditions, age, and gender on driver-injury severities," Accident Analysis & Prevention, vol. 43, no. 5, pp.1852-1863.
Pouyanfar S. and Sameti H.(2014), "Music emotion recognition using two level classification," In Intelligent Systems (ICIS), 2014 Iranian Conference on, IEEE, pp.1-6.
Rahman A. and Lownes N. E.(2012), "Analysis of rainfall impacts on platooned vehicle spacing and speed," Transportation Research Part F: Traffic psychology and behaviour, vol. 15, no. 4, pp.395-403.
Shao J. and Lister P. J.(1996), "An automated nowcasting model of road surface temperature and state for winter road maintenance," Journal of Applied Meteorology, vol. 35, no. 8, pp.1352-1361.
Shi L., Cheng Y., Jin J., Ran B. and Chen X.(2011), "Effects of rainfall and environmental factors on traffic flow characteristics on urban freeway," Transportation Research Board 90th Annual Meeting, at Washington, D.C.
Teconer, http://www.teconer.fi/downloads/RCM_Datasheet_en.pdf, 2018.08.27.
Weidmann N., Frank E. and Pfahringer B.(2003), "A two-level learning method for generalized multi-instance problems," In European Conference on Machine Learning, Springer, Berlin, Heidelberg, pp.468-479.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.