초록 ▼

□연구개요
본 연구는 시기 및 기상 정보와 교통 데이터를 딥러닝, 빅데이터 기술 등을 통해 학습하여 주요 도로의 시간별 혼잡 정도를 예보하는 시스템을 개발하고자 한다. 또한, 시스템 내부에 병렬 컴퓨팅 기법을 적용하여 모델의 학습 및 예보 속도를 높였다. 이를 통해 대구 및 수도권 지역의 고속도로망에 대한 교통 예보 시스템을 개발하였으며, 정체가 잦은 연휴 및 기상 상황에 대하여 수개월 전에 차량 소통상황을 예보하였으며, 기존 기계학습 모델보다 정확한 결과물을 얻었다.

□연구 목표대비 연구결과
- 딥러닝 방식

□연구개요
본 연구는 시기 및 기상 정보와 교통 데이터를 딥러닝, 빅데이터 기술 등을 통해 학습하여 주요 도로의 시간별 혼잡 정도를 예보하는 시스템을 개발하고자 한다. 또한, 시스템 내부에 병렬 컴퓨팅 기법을 적용하여 모델의 학습 및 예보 속도를 높였다. 이를 통해 대구 및 수도권 지역의 고속도로망에 대한 교통 예보 시스템을 개발하였으며, 정체가 잦은 연휴 및 기상 상황에 대하여 수개월 전에 차량 소통상황을 예보하였으며, 기존 기계학습 모델보다 정확한 결과물을 얻었다.

□연구 목표대비 연구결과
- 딥러닝 방식의 통행량 예측모델 설계
기온, 강수 여부 등의 날씨 정보와 날짜, 시간 등의 시기 정보 등을 활용하여 교통상황을 예보하는 딥러닝 모델을 설계하였다. 설계된 모델은 각 데이터의 특성을 딥러닝 모듈을 통해 추출하여 속도 및 교통량의 예보에 사용한다. 또한 IC, JC 등과 같이 복잡한 도로 구조의 교통 예보를 위해 도로 구조별로 딥러닝 모델을 생성하였다.
예보 성능을 확인하기 위하여 수도권 및 대구 지역 고속도로망의 연휴 및 우천 시 시간/구간별 속도 예보를 수행한 결과, 기존 머신 러닝 모델보다 예보 오차가 적게 나타났으며, 출발지/목적지에 대하여 추정한 이동 소요 시간 또한 실제와 유사한 결과를 보였다.
- 고성능 컴퓨팅 기술의 도입
딥러닝 모델의 학습/예보 과정에 병렬 컴퓨팅 기술을 도입하였다. 즉, 학습 데이터를 각 연산 노드에 분배하여 학습하고, 도로 구조별로 생성된 다수의 딥러닝 모델을 병렬 실행하여 학습과 예보 과정의 실행 시간을 모두 줄일 수 있었다.

□연구개발결과의 중요성
- 교통 예보 서비스의 발전 및 응용
본 연구는 다양한 데이터를 사용하고 예보 모델을 개선하여 예보 정확도를 높인 사례로써 향후 교통 예보 연구에 기여하였으며, 앞으로 교통 관리, 국토 개발, 무인자동차 운행 등 교통 상황 예측이 필요한 분야에서 예보 결과를 응용할 수 있다.
- 딥러닝 응용 연구에 대한 기여
시간, 날씨 등의 이종 데이터나 네트워크에서 발생하는 데이터에 대한 딥러닝 연구의 사례로써 유용하다.
- 차량 정체로 인한 사회경제적 비용 감소
교통 예보를 통해 차량 정체로 인한 유지관리비용, 교통사고, 공해 등의 사회경제적인 손실을 줄일 수 있다.

(출처 : 요 약 문 2p)

목차 Contents

• 표지 ... 1
• 연구결과 요약문 ... 2
• 목차 ... 3
• 1. 연구개발과제의 개요 ... 3
• 2. 연구수행내용 및 연구결과 ... 3
• (1) 교통 예보에 사용된 데이터 ... 3
• (2) 교통 예보 시스템의 구조 ... 5
• (3) 딥러닝 모델의 내부 구조 ... 6
• (4) TW-MNN의 예보 정확도 실험 ... 7
• (5) TW-MNN의 병렬 컴퓨팅 성능 실험 ... 11
• 3. 연구개발결과의 중요성 ... 11
• 4. 참고문헌 ... 12
• 5. 연구성과 ... 13
• 끝페이지 ... 13