• 대한교통학회지
• /
• 제28권1호
• /
• pp.125-134
• /
• 2010

버스도착시간은 배차간격에 맞춰 차고지에서 출발한 버스가 해당정류장에 도착하는 시간을 말하며, 승하차 시간, 신호주기, 버스전용차로의 유무 등 여러 가지 교통여건으로 인하여 정류장에 도착할 때는 어느 정도의 오차를 발생시킨다. 본 연구에서는 다양한 교통여건을 반영하는 버스지체시간을 산출하여 정류장별 버스지체시간을 예측하고, 이를 이용하여 정류장별 버스도착시간을 예측하였다. 그 결과 본 연구의 조건과 같은 경우, $7{\times}7$ 행렬과 $9{\times}9$ 행렬을 이용하여 버스도착시간을 예측하였을 때 분석대상도시에서 기존에 사용 중인 가중이동평균법을 이용한 버스도착시간예측방법 보다 높은 정확도를 얻을 수 있었다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2017년도 추계학술발표대회
• /
• pp.656-659
• /
• 2017

현대 사회에서는 다양한 이동수단 중 지하철, 버스 등의 대중교통에 대한 수요가 높은 편이다. 본 연구의 배경이 되는 서울특별시의 경우에는 출퇴근 시, 과반 수 이상이 대중교통을 이용한다. 대중교통 이용량에는 날씨, 평일-주말, 연착, 도로현황 등 여러 가지에 원인을 둔다. 본 연구에서는 여러 요인 중에서도 날씨 데이터(기온, 강수량, 미세먼지)에 초점을 두어, 날씨에 따른 대중교통 이용량의 변화양상을 학습하여 예측하는 연구를 진행한다. 서울특별시 25개 자치구마다의 날씨 데이터와 대중교통 이용 데이터를 이용하여 Regression을 통한 데이터 학습을 진행하였으며, 학습된 모델을 통한 날씨에 따른 서울특별시 대중교통 이용량 예측에 따른 평균 오차율은 15.49%로 낮은 오차율을 가진다. 본 연구 결과는 날씨에 따른 버스와 지하철의 배차 간격 조절 등의 대중교통 배치 판단 결정에 기초자료로 사용될 것으로 기대된다.

• 한국BIM학회 논문집
• /
• 제8권3호
• /
• pp.12-19
• /
• 2018

The research aims to find implications of machine learning and urban big data as a way to construct the flexible transportation network system of smart city by responding the urban context changes. This research deals with a problem that existing a bus headway model is difficult to respond urban situations in real-time. Therefore, utilizing the urban big data and machine learning prototyping tool in weathers, traffics, and bus statues, this research presents a flexible headway model to predict bus delay and analyze the result. The prototyping model is composed by real-time data of buses. The data is gathered through public data portals and real time Application Program Interface (API) by the government. These data are fundamental resources to organize interval pattern models of bus operations as traffic environment factors (road speeds, station conditions, weathers, and bus information of operating in real-time). The prototyping model is implemented by the machine learning tool (RapidMiner Studio) and conducted several tests for bus delays prediction according to specific circumstances. As a result, possibilities of transportation system are discussed for promoting the urban efficiency and the citizens' convenience by responding to urban conditions.

• 한국컴퓨터정보학회논문지
• /
• 제27권1호
• /
• pp.141-148
• /
• 2022

온실가스로 인한 세계 기후 변화가 심각해지고 있다. 이를 방지하기 위해 세계 각국에서는 온실가스 배출 규제를 하고 있다. 국내는 온실가스 배출량을 2030년까지 BAU(Business As Usual) 대비 37% 감축하기로 하였다. 국내 온실가스 배출 비중 중 교통부문이 18.58%에 해당하는 데 그중 도로가 93.75%에 해당하는 대부분의 수치를 기록했다. 대중교통 또한 온실가스 감축 대상에 포함되는데 본 연구는 도로 교통 중 비용이 상대적으로 적게 들면서 온실가스 감량을 할 수 있는 버스 대중교통의 온실가스 감축을 위해 진행했다. 본 연구는 애니 로직을 활용하여 온실가스 시뮬레이션 모델을 구현해 버스의 배차 간격을 조정하여 승객의 대기시간 대비 최적의 온실가스 배출량을 예측하는 시뮬레이션을 진행했다. 향후 더욱 정밀한 모델을 구현한다면 버스 온실가스 감축에 활용될 것으로 기대한다.