초록 ▼

□ 연구개요
- 정성정보가 부재한 통신데이터, 교통카드데이터 등 이동(Mobile)데이터의 완결화를 위한 인공지능 기술 개발
- 정성정보와 이동정보 데이터의 결합분포를 정확히 모사하는 인공지능 생성 모델(Generative deep neural network) 구축
- 가구통행실태조사 원장을 학습용 데이터로 변환하여 이동데이터로부터 추출한 활동 사슬(Activity chain)의 활동목적 생성모형 구축 및 학습

□ 연구 목표대비 연구결과
1. 개별 이동정보와 정성 정보의 결합확률분포 생성 모형 구축

□ 연구개요
- 정성정보가 부재한 통신데이터, 교통카드데이터 등 이동(Mobile)데이터의 완결화를 위한 인공지능 기술 개발
- 정성정보와 이동정보 데이터의 결합분포를 정확히 모사하는 인공지능 생성 모델(Generative deep neural network) 구축
- 가구통행실태조사 원장을 학습용 데이터로 변환하여 이동데이터로부터 추출한 활동 사슬(Activity chain)의 활동목적 생성모형 구축 및 학습

□ 연구 목표대비 연구결과
1. 개별 이동정보와 정성 정보의 결합확률분포 생성 모형 구축
- 상호 불완전한 이종 데이터들을 이용하여 결합확률분포를 모형화하여 완결성 있는 교통분석용 개별 데이터를 합성함.
- 컴퓨터 비전 분야 이미지 생성에 있어 탁월한 성능을 가진 생성형 딥러닝 구조를 이용하여 교통데이터의 생성모형을 개발
2. 개별 이동정보로부터 도출한 활동 사슬의 각 활동에 대한 활동목적 추정모형 구축
- 활동 사슬을 하나의 수열로 간주하고 각 활동 간의 정보 연계를 고려하여 통행목적을 추정하는 모형을 개발
- 하나의 활동 사슬 안에 들어 있는 모든 개별 활동 간의 상호연계를 고려한 활동사슬 해석 인코더를 개발
- 인공신경망이 각 활동 장소의 물리적 위치를 인코딩하는 기법은 처음 선보이는 기술로써, 직접 좌표를 이산화하여 변수로 사용하는 방안에 비해 매우 효율적이고 상대적인 위치변동을 쉽게 파악할 수 있을 것으로 기대함.
3. 교통 데이터를 이용한 교통시설의 현실 수요 추정
- 본 연구에서 생성한 완전한 이동정보자료를 이용하여 새로운 철도 노선의 계획단계에서 현실적인 잠재수요를 예측할 수 있는 토대를 마련함.
- 단순 잠재수요 도출 수준을 넘어서 정성 정보를 이용하여 통행자 그룹별, 속성별 수요패턴의 다양성을 파악할 수 있음.
- 정확한 시간대별 수요를 예측할 수 있으며 이를 통해 첨두시간의 통행 집중 강도등 현실 교통계획에서 중요한 논제들에 대한 해답을 제시함.

□ 연구개발성과의 활용 계획 및 기대효과(연구개발결과의 중요성)
- 불완전한 이종 데이터를 이용해 완전한 정보를 가진 결합데이터를 합성해 낼 수 있다는 현실적 기여
- 인공지능으로 합성한 교통정보를 통해 더욱 정밀하고 효율적인 교통계획/정책 수립이 가능해짐.
- 통신자료, 대중교통카드 자료 등 개별이동정보가 담긴 빅데이터의 공공분야 활용성을 확보

(출처 : 요약문 2p)

목차 Contents

• 표지 ... 1
• 연구결과 요약문 ... 2
• 목차 ... 3
• 1. 연구개발과제의 개요 ... 4
• 2. 연구개발과제의 수행 과정 및 수행 내용 ... 4
• 3. 연구개발과제의 수행 결과 및 목표 달성 수준 ... 6
• 1) 정성적 연구개발성과(연구개발결과) ... 6
• 2) 세부 정량적 연구개발성과 ... 12
• 3) 목표 달성 수준 ... 13
• 4. 연구개발성과의 관련 분야에 대한 기여 정도(연구개발결과의 중요성) ... 13
• 5. 연구개발성과의 관리 및 활용 계획 ... 13
• 6. 자체점검표 ... 14
• 7. 참고문헌 ... 14
• 끝페이지 ... 27