(A) recurrent neural network for estimating speed using probe vehicle data in urban traffic network
Urban traffic flows are characterized by complexity. Due to this complexity, limitations arise when using models that have commonly been using to estimate the speed of arterial road networks. This study analyzes the characteristics of the speed data collected by the probe vehicle method in links on the urban traffic flow, presents the limitations of existing models, and develops a modified recurrent neural network model as a solution to these limitations. In order to complement the limitations of existing models, this study focused on the interrupted flow characteristics of urban traffic. Through data analysis, we verified the separation of platoons and high-frequency transitions as phenomena in interrupted flow. Using these phenomena, this study presents a two-step model using the characteristics of each platoon and the selected dropout method that applies traffic conditions separately. In addition, we have developed an active imputation method to deal with frequent missing data in data collection effectively. The developed model not only showed high accuracy on average, but it also improved the accuracy of certain states, which is the limitation of the existing models, increased the correlation between the estimated value and the estimated target value, and properly learned the periodicity of the data.
더보기도시교통류는 복잡성을 내재하고 있다. 이 복잡성으로 인해, 일반적으로 지역간 간선 도로 네트워크의 속도를 추정하던 모형들을 사용할 경우 여러가지 한계점이 발생하게 된다. 본 연구는 도시교통류 상의 링크에서 프로브 차량 방식으로 수집된 속도자료의 특성을 분석하고, 기존 모형의 한계점을 제시하고, 이러한 한계점에 대한 해법으로서 변형된 순환형 신경망 모형을 개발하였다. 모형 개발에 있어, 기존 모형의 한계점을 보완하기 위해, 본 연구에서는 도시교통류의 단속류적 특징에 주목하였다. 자료 분석을 통해, 본 연구에서는 단속류에서 나타나는 현상으로서 차량군의 분리와 높은 빈도의 전이상태 발생을 확인하였다. 해당 현상들을 이용하여, 본 연구에서는 각 차량군의 특징을 이용한 이용한 2단계 모형과, 교통 상태를 분리하여 적용하는 선택적 드롭아웃 방식을 제시하였다. 추가적으로, 자료의 수집에 있어 빈발하는 결측 데이터를 효과적으로 다루기 위한 능동적 대체 방식을 개발하였다. 개발 모형은 평균적으로 높은 정확도를 보일 뿐 아니라, 기존 모형들의 한계점인 특정 상황에 대한 정확도를 제고하고 추정값과 추정 대상값의 상관관계를 높이며, 자료의 주기성을 적절하게 학습할 수 있었다.
더보기분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)