신경망을 이용한 차로 속도의 정확한 예측

Abstract

본 연구는 신경망을 이용하여 링크 속도로부터 각 차로의 속도를 예측하는 방법을 제시하였다. 예측 정확도를 높이기 위해 학습 데이터 구성에 있어 3가지 사항을 고려하였다. 첫 번째는 링크의 시작점과 끝점이 연결된 14개의 링크를 포함하여 데이터 소스의 공간적 범위를 확장하였다. 또한 시간 간격을 07:00에서 22:00로 늘리고 특성 데이터에 데이터 생성 시각을 포함했다. 마지막으로 요일과 공휴일을 표시했다. 실험 결과 직진 차로는 속도 오차가 6.4km/h에서 5.0km/h로21.9%, 우회전은 8.5km/h에서 7.4km/h로 12.9%, 좌회전은 8.7km/h에서 8.2km/h로 5.7% 감소한 것으로 나타났다. 두번째 결과로 교통 정체시 도심부 도로의 차선별 예측 정확도가 높은 것을 확인하였다. 제안한 방법의 특징은 도로 소통 상황을 차로 단위로 예측하여 도로 소통 상황을 보다 정확하게 예측한 것이다.