$\require{mediawiki-texvc}$

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.

GRU 기반의 도시부 도로 통행속도 예측 모형 개발
Development of a Speed Prediction Model for Urban Network Based on Gated Recurrent Unit 원문보기

韓國ITS學會 論文誌 = The journal of the Korea Institute of Intelligent Transportation Systems, v.22 no.1, 2023년, pp.103 - 114  

김호연 (아주대학교 교통공학과) ,  이상수 (아주대학교 교통공학과) ,  황재성 (아주대학교 교통공학과)

초록
AI-Helper 아이콘AI-Helper

본 연구에서는 도시부 도로의 다양한 자료를 수집하여 통행속도 변화에 대한 영향을 분석하였고, 이와 같은 빅데이터를 활용하여 GRU 기반의 단기 통행속도 예측 모형을 개발하였다. 그리고 Baseline 모형과 이중지수평활 모형을 비교 모형으로 선정하여 RMSE 지표로 예측 오차를 평가하였다. 모형 평가 결과, Baseline 모형과 이중지수평활 모형의 RMSE는 평균 7.46, 5.94값으로 각각 산출되었다. 그리고 GRU 모형으로 예측한 평균 RMSE는 5.08 값이 산출되었다. 15개 링크별로 편차가 있지만, 대부분의 경우 GRU 모형의 오차가 최소의 값을 나타내었고, 추가적인 산점도 분석 결과도 동일한 결과를 제시하였다. 이러한 결과로부터 도시부 도로의 통행속도 정보 생성 과정에서 GRU 기반의 예측 모형 적용 시 예측 오차를 감소시키고 모형 적용 속도의 개선을 기대할 수 있을 것으로 판단된다.

Abstract AI-Helper 아이콘AI-Helper

This study collected various data of urban roadways to analyze the effect of travel speed change, and a GRU-based short-term travel speed prediction model was developed using such big data. The baseline model and the double exponential smoothing model were selected as comparison models, and predicti...

주제어

참고문헌 (12)

  1. Abduljabbar, R. L., Dia, H., Tsai, P. W. and Liyanage, S.(2021), "Short-term Traffic Forecasting: An?LSTM Network for Spatial-temporal Speed Prediction", Future Transportation, vol. 1, no. 1,?pp.21-37. 

  2. Brown, R. G.(1959), "Statistical Forecasting for Inventory Control", Journal of the Royal Statistical?Society. Series A, vol. 123, no. 3, p.232. 

  3. Gao, Y., Zhou, C., Rong, J., Wang, Y. and Liu, S.(2022), "Short-Term Traffic Speed Forecasting?Using a Deep Learning Method Based on Multitemporal Traffic Flow Volume", IEEE Access,?vol. 10, pp.82384-82395. 

  4. Jeon, H.(2018), A Deep-learning Approach to Predict Short-term Traffic Speeds Considering?City-wide Spatio-temporal Correlations, Master's Thesis, Jung-ang University. 

  5. Jeong, M., Lee, T., Jeon, S. and Youm, M.(2021), "Highway Speed Prediction using Gated Recurrent?Unit Neural Networks", Applied Sciences, vol. 11, no. 7, p.3059. 

  6. Kim, Y., Kim, J., Han, Y., Kim, J. and Hwang, J.(2020), "Development of Traffic Speed Prediction?Model Reflecting Spatio-temporal Impact based on Deep Neural Network", The Journal of the?Korea Institute of Intelligent Transport Systems, vol. 19, no. 2, pp.1-16. 

  7. Lee, S., Oh, D., Seo, J., Yoon, J., Choi, C. and Yoon, S.(2014), Establishment of Intelligent Transport?Systems(ITS), Ministry of Strategy and Finance, 11-1051000-000460-01. 

  8. Mahmoud, N., Abdel-Aty, M., Cai, Q. and Yuan, J.(2021), "Predicting Cycle-level Traffic Movements?at Signalized Intersections using Machine Learning Models", Transportation Research Part C:?Emerging Technologies, vol. 124, 102930. 

  9. Mussumeci, E. and Coelho, F. C.(2020), "Machine-learning Forecasting for Dengue EpidemicsComparing LSTM, Random Forest and Lasso Regression", MedRvix, pp.1-19. 

  10. Peng, H., Bobade, S. U., Cotterell, M. E. and Miller, J. A.(2018), "Forecasting Traffic Flow: Short?Term, Long Term, and When It Rains", International Conference on Big Data, pp.57-71. 

  11. Xu, C., Zhang, A., Xu, C. and Chen, Y.(2022), "Traffic Speed Prediction: Spatiotemporal Convolution?Network based on Long-term, Short-term and Spatial features", Applied Intelligence, vol. 52, no.?2, pp.2224-2242. 

  12. Zhang, A., Liu, Q. and Zhang, T.(2022), "Spatial-temporal Attention Fusion for Traffic Speed?Prediction", Soft Computing, vol. 26, no. 2, pp.695-707. 

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