$\require{mediawiki-texvc}$

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.

스태킹 앙상블 기법을 활용한 고속도로 교통정보 예측모델 개발 및 교차검증에 따른 성능 비교
Development of Highway Traffic Information Prediction Models Using the Stacking Ensemble Technique Based on Cross-validation 원문보기

韓國ITS學會 論文誌 = The journal of the Korea Institute of Intelligent Transportation Systems, v.22 no.6, 2023년, pp.1 - 16  

이요셉 (아주대학교 교통공학과) ,  오석진 (호남대학교 토목환경공학과) ,  김예진 (아주대학교 교통공학과) ,  박성호 (아주대학교 교통연구센터) ,  윤일수 (아주대학교 교통시스템공학과)

초록
AI-Helper 아이콘AI-Helper

정확도가 높은 교통정보 예측은 지능형교통체계(intelligent transport systems, ITS)를 통한 교통 시설 이용자들의 혼잡 경로 회피 안내 등에서 활용되는 중요한 기능이다. 정확한 교통정보예측을 위해 다양한 딥러닝 모델들이 발전되어 왔다. 최근에는 앙상블 기법을 활용하여 다양한 모델들의 장단점을 결합하여 예측 정확도와 안정성을 높이고 있다. 따라서, 본 연구에서는 다양한 딥러닝 모델들을 활용하여 교통정보 예측 모델을 개발하였으며, 개발된 딥러닝 모델들을 스태킹 앙상블(stacking ensemble)하여 성능을 개선하였다. 개별 모델들은 교통량 예측에서 10% 이내의 오차율을, 속도 예측에서 3% 이내의 오차율을 보였다. 앙상블 모델은 교차검증을 수행하지 않았을 때, 타 모델과 비교하여 더욱 높은 정확도를 보였다. 교차검증을 수행한 앙상블 모델은 장기예측에서 타 모델보다 균일한 오차율을 보이는 것으로 나타났다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Accurate traffic information prediction is considered to be one of the most important aspects of intelligent transport systems(ITS), as it can be used to guide users of transportation facilities to avoid congested routes. Various deep learning models have been developed for accurate traffic predicti...

주제어

#교통정보   #시계열 예측   #딥러닝   #앙상블   #교차검증  

참고문헌 (30)

  1. Al-Hajj, R., Assi, A. and Fouad, M.(2019), "Stacking-based ensemble of support vector regressors？for one-day ahead solar irradiance prediction", 8th International Conference on Renewable？Energy Research and Applications(ICRERA), pp.428-433. 

  2. Asencio-Cortes, G., Florido, E., Troncoso, A. and Martinez-Alvarez, F.(2016), "A novel methodology？to predict urban traffic congestion with ensemble learning", Soft Computing, vol. 11, no. 20,？pp.4205-4216. 

  3. Brownlee, J.(2018), "Better Deep Learning: Train Faster, Reduce Overfitting, and Make better？Predictions", Machine Learning Mastery, p.540. 

  4. Chung, J., Gulcehre, C., Cho, K. and Bengio, Y.(2014), Empirical evaluation of gated recurrent neural？networks on sequence modeling, arXiv preprint, arXiv:1412.3555. 

  5. Creamer, G. G. and Freund, Y.(2010), "Automated Trading with Boosting and Expert Weighting",？Quantitative Finance, vol. 3, pp.147-163. 

  6. Del Ser, J., Lana, I., Bilbao, M. N. and Vlahogianni, E. I.(2019), "Road traffic forecasting using？stacking ensembles of echo state networks", 2019 IEEE Intelligent Transportation Systems？Conference(ITSC), pp.2591-2597. 

  7. Eom, H., Kim, J. and Choi, S. O.(2020), "Machine learning-based corporate default risk prediction？model verification and policy recommendation: Focused on improvement through stacking？ensemble model", Journal of Intelligence and Information Systems, vol. 26, no. 2, pp.105-129. 

  8. Fink, W. G.(1995), "Intelligent transportation systems", IEEE 1995 Microwave and Millimeter-Wave,？Monolithic Circuits Symposium, Digest of Papers. 

  9. Hwang, D. and Jo, K.(2021), "Prediction of odor concentration from pig production based on machine？learning: A case study of hydrogen sulfide", Journal of Odor and Indoor Environments, vol. 20,？no. 4, pp.311-321. 

  10. Jang, P. S.(2022), "Performance Analysis of Trading Strategy using Gradient Boosting Machine？Learning and Genetic Algorithm", Journal of the Korea society of Computer and Information,？vol. 27, no. 11, pp.147-155. 

  11. Jeon, B., Kang, J. and Chung, Y.(2021), "AutoML and CNN-Based Soft-Voting Ensemble？Classification Model For Road Traffic Emerging Risk Detection", Journal of Convergence for？Information Technology, vol. 11, no. 7, pp.14-20. 

  12. Kang, H. and Noh, M.(2022), "Classifying the security of pedestrian accidents using ensemble？machine learning algorithms: A case study of Daejeon City", Journal of Digital Convergence, vol.？20, no. 5, pp.39-46. 

  13. Kim, D. and Lee, K.(2020a), "Forecasting the Container Volumes of Busan Port using LSTM",？Journal of Korea Port Economic Association, vol. 36, no. 2, pp.53-62. 

  14. Kim, H., Lee, S. and Hwang, J.(2023), "Development of a Speed Prediction Model for URban Network？Based on Gated Recurrent Unit", The Journal of the Korea Institute of Intelligent Transport？Systems, vol. 22, no. 1, pp.103-114. 

  15. Kim, Y. and Park, H.(2021), "Modeling and Predicting South Korea's Daily Electric Demand Using？DNN and LSTM", Journal of Climate Change Research, vol. 12, no. 3, pp.241-253. 

  16. Kim, Y., Kim, J., Han, Y., Kim, J. and Hwang, J.(2020b), "Development of Traffic Speed Prediction？Model Reflecting Spatio-temporal Impact based on Deep Neural Network", The Journal of the？Korea Institute of Intelligent Transport System, vol. 19, no. 1, pp.1-16. 

  17. Ko, S. J., Yun, H. Y. and Shin, D. M.(2018), "Electronic Demand Data Prediction using Bidirectional？Long Short Term Memory Networks", Journal of Software Assessment and Valuation, vol. 14,？no. 1, pp.33-40. 

  18. Lee, H., Cho, J., Kang, H. and Hwang, J.(2019), "Applicability study on urban flooding risk criteria？estimation algorithm using cross-validation and SVM", Journal of Korea Water Resources？Association, vol. 52, no. 12, pp.963-973. 

  19. Lee, Y., Jin, H., Kim, Y., Park, S. and Yun, I.(2023), "Methodology for Developing a Predictive Model？for Highway Traffic Information Using LSTM", The Journal of the Korea Institute of Intelligent？Transport System, vol. 22, no. 5, pp.01-18. 

  20. Liu, J., Wu, N., Qiao, Y. and Li, Z.(2020), "Short-term traffic flow forecasting using ensemble？approach based on deep belief networks", IEEE Transactions on Intelligent Transportation？Systems, vol. 23, no. 1, pp.404-417. 

  21. Park, H.(2022), "Deep Learning Model for Traffic Speed Prediction Considering Spatial-Temporal？Correlation", The Journal of Korean Institute of Information Technology, vol. 20, no. 3,？pp.19-26. 

    상세보기

  22. Rokach, L.(2010), "Ensemble-based classifiers", Artificial Intelligence Review, vol. 33, no. 1,？pp.1-39. 

    상세보기

  23. Ruder, S.(2017), An overview of gradient descent optimization algorithms, arXiv preprint arXiv:1609.04747. 

  24. Seo, H.(2022), "Development of public bicvle demand forecasting model using cross-validation based？staking methods", The Statistical Review, vol. 22, pp.31-38. 

  25. Shi, J., Jain, M. and Narasimhan, G.(2022), Time series forecasting (tsf) using various deep learning？models, arXiv preprint arXiv:2204.11115. 

  26. Srivastava, N., Hinton, G., Krizhevsky, A., Sutskever, I. and Salakhutdinov, R.(2014), "Dropout: A？simple way to prevent neural networks from overfitting", The Journal of Machine Learning？Research, vol. 15, no. 1, pp.1929-1958. 

    상세보기

  27. Yang, S., Wu, J., Du, Y., He, Y. and Chen, X.(2017), "Ensemble learning for short-term traffic？prediction based on gradient boosting machine", Journal of Sensors, pp.1-15. 

  28. Zheng, G., Chai, W. K. and Katos, V.(2019), "An ensemble model for short-term traffic prediction？in smart city transportation system", 2019 IEEE Global Communications Conference？(GLOBECOM), pp.1-6. 

  29. Zheng, G., Chai, W. K., Katos, V. and Walton, M.(2021), "A joint temporal-spatial ensemble model？for short-term traffic prediction", Neurocomputing, vol. 457, pp.26-39. 

    상세보기

  30. Zhong, G., Yin, T., Li, L., Zhang, J., Zhang, H. and Ran, B.(2020), "Bus travel time prediction based？on ensemble learning methods", IEEE Intelligent Transportation Systems Magazine, vol. 14, no.？2, pp.174-189. 

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

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