• 한국컴퓨터정보학회논문지
• /
• 제11권4호
• /
• pp.47-54
• /
• 2006

교통사고를 줄이기 위해서, 많은 연구원이 교통사고 예측 모형을 연구하고 있다. 교통사고의 원인으로는 교차로 신호주기가 잘못 산출되거나 교차로 설계가 잘못된 경우가 많다. 그러므로, 정확하게 교통사고 원인을 분석하려면 많은 노력이 필요하다. 본 논문에서는 교차로 조건 및 날씨조건을 고려하여 최적 자동차 안전 속도를 실시간으로 산출하고자한다. 특별히, 비가 오거나 눈이 오는 경우에는 자동차 속도를 1/3이상 감속해야 된다. 그러나, 기존의 속도표지판은 기상조건이 바뀌어도 항상 같은 제한 속도를 표시하는 문제점이 있다. 본 논문에서는 이러한 문제점을 해결하기 위해서 날씨조건과 도로조건을 이용한 최적 안전속도 산출 알고리즘을 제시한다. 컴퓨터 모의실험결과, 지능형 교통사고 예측알고리즘이 교통 제한속도를 정확하게 산출할 수 있음을 입증했다.

• 한국항해항만학회:학술대회논문집
• /
• 한국항해항만학회 2022년도 춘계학술대회
• /
• pp.275-276
• /
• 2022

해상교통관제사는 항로폭이 협소한 항만에서 선박 충돌사고 예방을 위해 one-way로 항해하도록 선박의 입·출항 대기 지시를 한다. 현재 해상교통관제사의 입·출항대기 지시는 과학적이고 통계적인 데이터를 기반으로 하지 않고 해상교통관제사의 개인 역량에 따라 편차가 크다. 이에 따라 본 연구에서는 항만에서의 선박 입·출항 대기 지시를 위한 정확한 이동 시간을 예측하기 위해 선박 및 기상 데이터를 수집하여 1d-합성곱신경망 모델을 구축하였다. 제안한 모델이 다른 앙상블 기계학습 모델보다 4.5% 이상 개선된 것을 확인하였다. 본 연구를 통해 다양한 상황에서도 선박 입·출항 소요시간 예측이 가능하여 해상교통관제사는 선박에게 정확한 정보 제공 및 대기지시 판단에 도움이 될 것으로 기대된다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2022년도 제65차 동계학술대회논문집 30권1호
• /
• pp.127-128
• /
• 2022

최근 많은 증권사 및 다양한 금융사기업에서 투자자의 주식투자를 돕는 투자자문 인공지능, 로보어드바이저를 제안하고 활용한다. 본 논문에서는 증권사 등에서 사용되고 있는 주식 시세예측 알고리즘의 성능을 상호 비교분석한다. 주식 시계열 데이터 예측에 용이한 4가지의 인공지능 알고리즘인 LSTM, GRU, 딥Q 네트워크강화학습, XGBoost 알고리즘의 성능을 분석하고 비교하는 시스템을 구현하였다. 본 연구에서는 구현된 성능 분석 시스템을 통해 어떤 알고리즘이 주식 시세를 예측하고 활용하기 위해 가장 좋은 성능을 가졌는지 비교분석하고 해당 시스템의 결과분석이 주식예측에 어떠한 영향을 주는지를 평가한다.

• 한국컴퓨터정보학회논문지
• /
• 제14권11호
• /
• pp.159-167
• /
• 2009

경제가 성장함에 따라 자동차는 현대인의 생활에 많은 영향을 끼치고 있다. 차량항법장치는 운전자에게 목적지까지의 경로를 안내해 주기 때문에 많은 편의를 제공하고 있다. 그러나 개인의 차량 소유가 대중화됨에 따라 교통혼잡이 발생하지만 차량항법장치는 환경을 고려하지 않는 일방적인 경로를 계획한다. 기존의 차량항법장치는 시간대와 상관없이 출발지와 목적지만 같으면 항상 동일한 경로와 소요시간을 제공하는 한계를 가지고 있다. 본 논문에서는 누적된 과거의 주행정보를 퍼지이론과 베이지안 갱신에 적용하여 교통상황을 예측하고 경로 계획에 반영하는 방법을 제안한다. 퍼지 이론을 통해 과거 주행정보의 출발 시간대와 속도율로 분류하고 베이지안 갱신을 사용하여 각 시간대에서 벌어질 교통상황을 확률로 계산한다. 전자지도에서 출발지와 목적지를 포함한 타원관심영역을 설정하고 Dijkstra와 $A^*$ 알고리즘을 융합하여 교통상황을 고려한 최적의 경로를 계획한다. 제안한 알고리즘의 성능과 정확성은 계획된 경로를 실제 주행함으로써 예측된 소요시간과 실제 주행시간을 비교하여 검증하였다.

• 한국재난정보학회 논문집
• /
• 제9권3호
• /
• pp.324-331
• /
• 2013

강바닥판 교면포장의 고정하중 감소와 내구성 확보를 위해 사용되는 에폭시 아스팔트 콘크리트는 2액 반응형 재료로서 온도와 시간에 따라 강도가 발현되는 특징을 갖는다. 교통개방과 공정계획 수립을 위해서는 에폭시 아스팔트 콘크리트의 강도를 정확하게 예측할 수 있어야 하며 이를 위해 에폭시 아스팔트 콘크리트의 교통개방 시점 예측 모델을 개발하였다. 현장 시공 사례에 적용 하였을 때 기존 화학반응속도론에 기초한 모델의 R2가 0.806이었으나 비선형 커브피팅을 통해 개발한 예측모델은 R2가 0.943로 보다 높은 예측 정확도를 나타내었다. 포장체의 온도데이터가 보다 많을 경우에는 예측모델과 실측값의 차이를 더 줄일 수 있었다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2011년도 추계학술발표대회
• /
• pp.1005-1008
• /
• 2011

본 논문에서는 교통 이력자료의 시공간 데이터를 활용하여 교통 분석 및 예측에 필요한 신뢰성 높은 데이터를 제공하기 위한 TCS/HI-PASS 전처리 알고리즘을 제안한다. 시공간 데이터의 전처리 알고리즘은 각종 교통정보에 이용되고 있으며, 그 중 대표적으로 활용되고 있는 것이 차량 검지기(VDS)를 통해 수집된 교통량, 속도, 점유율 정보이다. 이러한 정보에 가공처리 알고리즘을 적용하여 공간평균속도 기반의 통행시간을 산정하고 있으며, 고속도로 통행료 수납시스템(TCS)으로 부터는 출발영업소와 도착영업소의 진 출입시간을 기반으로 평균통행시간을 산정하고 있다. 본 연구에서는 차량 검지기(VDS) 데이터와 기존 TCS 데이터의 전처리 알고리즘을 분석하여 TCS와 HI-PASS 데이터 기반의 개선된 전처리 알고리즘을 설계, 구현하였다.

• 대한교통학회지
• /
• 제19권5호
• /
• pp.21-33
• /
• 2001

최근 사회 각 분야별로 정보화에 대한 인식이 고조되고 있다. 교통분야에서도 기존의 교통체계에 정보, 통신 등 첨단기술을 접목시켜 정보화를 달성함으로써 시설의 이용효율을 높일 수 있는 지능형교통체계(ITS)의 도입이 추진되고 있다. 건설교통부는 ITS관계법령제정 등 ITS부문의 활성화를 위한 다각적인 노력과 강력한 의지를 표명한 바 있다. 그러나, 각종 기술의 복합체인 ITS는 이러한 노력에도 불구하고 민간업체의 소극적인 참여로 인하여 활성화가 이루어지지 못하고 있는 것이 현실이다. 그러므로, 본 연구논문에서는 ITS의 활성화를 위한 제반요건 중 하나인 ITS시장예측을 목표로 설정하였다. 이를 위하여 ITS부문의 시장예측을 위한 모형의 개발과 적용을 주요 연구내용으로 하였다. 기존의 ITS시장전망과 관련한 연구에서는 대부분의 경우 설문 등에 기초한 정성적 모형을 적용하고 있다 정성적 모형의 경우 객관성 결여로 인한 주관적인 해석방법이 단점으로 지적되고 있다. 따라서, 본 연구에서는 정량적 모형 특히 정보통신부문의 시장예측에 적합한 확산모형에 근거하여 ITS시장예측모형을 고찰하였다. 모형적용결과, 2020년까지 정상적 시나리오의 경우 누적시장규모가 약 14조 8천억 원의 거대시장으로 형성될 것으로 추정되었다. 특히, ITS부문 중에서도 인프라에 해당하는 교통관리최적화 서비스 분야는 전체 누적시장규모의 약 47%인 6조 9천억 원을 차지하는 최대의 시장을 형성할 것이라 예측되었다.

• 한국컴퓨터정보학회논문지
• /
• 제26권12호
• /
• pp.19-27
• /
• 2021

본 논문에서는 지역 차분 프라이버시(Local Differential Privacy, LDP) 기법을 이용하여 프라이버시를 보호하면서 수집한 차량 위치 데이터와 딥러닝 기법을 이용하여 교통량을 예측하기 위한 기법을 제시한다. 제시한 기법은 데이터를 수집하는 과정과 수집한 데이터를 이용하여 교통량을 예측하는 과정으로 구성된다. 첫 번째 단계에서는 데이터 수집 과정 중에 발생할 수 있는 프라이버시 침해 문제를 해결하기 위해 LDP 기법을 적용하여 차량의 위치 데이터를 수집한다. LDP 기법은 데이터 수집 시 원본 데이터에 노이즈를 추가해 사용자의 민감한 데이터가 외부에 노출되는 것을 방지한다. 이를 통해 운전자의 프라이버시를 보존하면서 차량의 위치 데이터를 수집할 수 있다. 두 번째 단계에서는 첫 번째 단계에서 수집한 데이터에 딥러닝 기법을 적용하여, 교통량을 예측한다. 또한, 본 논문에서 제안한 기법의 우수성을 입증하기 위해, 실데이터를 이용한 성능 평가를 진행한다. 성능 평가 결과는 본 논문에서 제안한 기법이 사용자의 프라이버시를 보호하면서 수집된 데이터를 이용하여 효과적으로 교통량을 예측할 수 있음을 입증한다.

• 대한교통학회지
• /
• 제34권2호
• /
• pp.158-167
• /
• 2016

본 연구는 실시간 자료를 기반으로 k-NN을 활용한 단기 교통상황 예측 시 각 단계별 세부절차 및 변수결정, 입력자료 구축 등의 각 단계별 잠재적 예측오차에 대한 원인분석 및 시사점 도출을 목적으로 한다. 다양한 단기 예측모형에 대한 선행연구 검토를 통하여 k-NN 모형의 유용성을 검토하였고 이에 대한 적용가능성을 분석하였다. 본 연구의 k-NN 모형은 이력자료 평활화 및 패턴DB 구축의 입력자료 부분, 실시간 자료와 과거 이력자료와의 유사성 측정 및 k 근접이웃 결정 등의 k-NN 알고리즘 부분, 그리고 예측 시간간격에 따른 출력결과 부분 등으로 구성되며 올림픽대로 김포방향 한강대교 남단~여의상류IC 구간을 대상으로 분석을 실시하였다. 교통자료의 불규칙 잡음으로 인하여 정확한 패턴매칭을 위해서 이력자료의 평활화를 실시하였으며, 이력자료 패턴 DB는 일반 및 이벤트 상황으로 구분하여 활용하였다. 최적의 시계열 자료 및 k 근접이웃 결정을 위해서 시행착오 방법을 적용하였으며, 단기 교통상황 예측 시 예측 시간간격이 증가할수록 예측오차가 증가하는 패턴, 그리고 교통상태가 급변하는 시점에서도 예측오차가 증가함을 알 수 있었다. 본 연구의 k-NN 모형에 대한 각 단계별 예측오차에 대한 원인을 분석하여 개선방향을 제시함으로써 향후 신뢰성 있는 단기 교통상황예측 정보제공 및 시스템에 활용이 가능할 것으로 판단된다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2016년도 추계학술발표대회
• /
• pp.367-369
• /
• 2016

정보통신기술이 발전함에 따라 수많은 데이터가 발생하고 있다. 이러한 '빅데이터'의 활용은 국민의 니즈 파악, 공공서비스 제공 등 미래 경쟁력의 핵심 가치라 할 수 있다. 이에 본 논문에서는 기상데이터와 교통데이터를 수집한 후, 분산 시스템 환경 하에서 실행되는 기계학습 알고리즘을 이용하여 기상기후와 관련된 교통 정체 구간 예측 시스템에 대해 제안하고자 한다.