$\require{mediawiki-texvc}$

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.

돌발상황 처리시간 예측을 위한 영향요인 분석 및 SMOGN-DNN 모델 개발
Analysis of Incident Impact Factors and Development of SMOGN-DNN Model for Prediction of Incident Clearance Time 원문보기

韓國ITS學會 論文誌 = The journal of the Korea Institute of Intelligent Transportation Systems, v.20 no.4, 2021년, pp.46 - 56  

윤규리 (부경대학교 공간정보시스템공학과) ,  배상훈 (부경대학교 공간정보시스템공학과)

초록
AI-Helper 아이콘AI-Helper

돌발상황으로 인한 비반복정체로 발생하는 높은 교통비용과 혼잡을 효과적으로 해소하기 위해서 돌발상황 처리시간을 예측하는 것은 중요하다. 본 연구에서는 인공신경망을 활용한 예측모델 개발을 위해 국내 도로상황에 적합한 돌발상황 처리시간 영향요인을 분석하고, 이를 학습데이터로 생성하였다. 기존 연구에서 장시간 소요되는 돌발상황 처리시간에 대한 과소 예측 문제가 발생하여 이에 대한 해결방안으로 본 연구에서는 SMOGN기법을 적용한 오버샘플링 학습데이터를 생성하여 이를 모델에 적용하였다. 그 결과 SMOGN기법을 적용한 DNN모델이 MAE 18.3분으로 연구 과정에서 구축된 모델 중 가장 높은 정확도로 돌발상황 처리시간을 예측하여, 기존에 개발된 예측모델의 한계점을 보완할 수 있을 것으로 기대한다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Predicting the incident clearance time is important for eliminating the high transportation costs and congestion from non-repetitive congestion caused by incidents. In this study, the factors influencing the clearance time suitable for domestic road conditions were analyzed, using a training dataset...

주제어

#돌발상황 영향 요인 분석   #돌발상황 처리시간 예측   #인공신경망 모델   #도시 고속도로   #오버샘플링  

참고문헌 (11)

  1. Ha O. K.(2010), "The Prediction Models for Clearance Times for the unexpected Incidences According to Traffic Accident Classifications in Highway," The Journal of the Korea Institute of Intelligent Transportation Systems, vol. 9, no. 1, pp.101-110. 

  2. Han W. G.(2001), "A Model For Estimating Incident Duration," Korean Society of Civil Engineers, vol. 21, no. 3-D, May. 

  3. Kim J. W.(2005), Development of a model for estimating incident duration: Focusing on seoul urban expressway traffic management systems, University of Seoul. 

  4. KoROAD(2021), Traffic Accident Analysis System, http://taas.koroad.or.kr 

  5. Lee K. Y. et al.(2012), "A Study on the Influencing Factors for Incident Duration Time by Expressway Accident," Korean Society of Road Engineers, vol. 14, no. 1, pp.85-94. 

  6. Lee S. B., Han D. H. and Lee Y. I.(2015), "Development of Freeway Traffic Incident Clearance Time Prediction Model by Accident Level," J. Korean Soc. Transp., vol. 33, no. 5, pp.497-507. 

    원문보기 상세보기 crossref

  7. Paula B., Luis T. and Rita P. R.(2017), "SMOGN: A Pre-processing Approach for Imbalanced Regression," Proceedings of the First International Workshop on Learning with Imbalanced Domains: Theory and Applications, PMLR, vol. 74, pp.36-50. 

  8. Ruimin L., Francisco C. P. and Moshe E. B. A.(2018), "Overview of traffic incident duration analysis and prediction," European Transport Research Review, vol. 10, p.22. 

    상세보기 crossref

  9. Shin C. H. and Kim J. H.(2002), "Development of Freeway Incident Duration Prediction Models," Journal of Korean Society of Transportation, vol. 20, no. 3, pp.17-30. 

  10. The Korea Transport Institute(2019), Transportation cost calculation status and improvement plan. 

  11. Valenti G., Lelli M. and Cucina D.(2010), "A Comparative study of models for the incident duration prediction," Eur Transp Res Rev., vol. 2, no. 2, pp.103-111. 

    상세보기 crossref

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

BRONZE

출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문

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