Deep Learning을 이용한 택시 승객 승차 예측에 관한 연구
저자
발행사항
서울 : 서울시립대학교, 2018
학위논문사항
학위논문(석사)-- 서울시립대학교 일반대학원 : 교통공학과 2018. 2
발행연도
2018
작성언어
한국어
주제어
KDC
534.04 판사항(6)
발행국(도시)
서울
기타서명
Taxi passengers demand prediction using Deep Learning
형태사항
v, 52 p. : 삽화, 도표 ; 26 cm.
일반주기명
참고문헌: p.49-50
소장기관
본 연구는 Deep Learning 이론과 서울시 택시데이터를 활용하여 서울시 택시 승객 승차 위치를 예측한다. 또한 택시 통행특성을 반영할 수 있는 다양한 데이터를 Deep Learning 이론에 접목시켜 택시 승객 승차 위치 예측의 정확도를 확보하고자 하였다. 본 연구에서 사용된 Deep Learning 기법 중 하나인 지도학습법(Supervised Learning)은 사전에 정해진 데이터셋을 학습시켜 출력된 데이터를 바탕으로 학습데이터에 부합되는 출력값을 찾아가는 학습법으로 정의되고 있다.
본 연구에서는 택시 승객의 승차위치를 예측하기 위해 Deep Learning 기법 중 지도학습법을 활용한 학습을 실시하였다. 또한 시간에 따라 변화하는 택시의 특성을 반영하기 위해 Recurrent Neural Network(RNN)를 사용한 학습을 실시하였으며, 검증을 위해 Mean Square Error(MSE) 기법을 활용하여 분석하였다. 분석에 활용한 자료는 주 데이터인 2016년 서울시 택시 타코메타 데이터와 택시 통행특성을 반영할 수 있는 건물데이터, 스마트카드 데이터를 활용하였다.
마지막으로 택시데이터만을 활용한 Deep Learning, 택시데이터와 건물데이터의 학습, 택시데이터와 스마트카드데이터의 학습, 모든 데이터의 학습을 수행하여 추가데이터에 따른 정확도 차이를 검토하였으며, 택시 통행특성을 반영하는 추가데이터를 함께 학습시켜 택시의 시간특성을 반영하는 승객 수요를 예측할 수 있었다.
본 연구는 현재 4차 산업혁명으로 대두되고 있는 인공지능 기법중 하나인 Deep Learning 이론과 교통데이터를 활용함으로써 서울시 택시통행을 예측하였다는 점에서 의의가 있다. 또한 기존 수요 대응형(On-Demand Service) 연구에 한정되어있던 택시서비스 분야에서 수요 예측형 서비스 연구를 수행하였다는 점에서 다른 연구와 차별성이 있다고 할 수 있다. 본 연구에서 예측한 택시 승객 승차위치는 택시기사의 최적수익금 산정, 택시의 준 대중교통화 도입 등의 연구를 수행하는 지표로써 활용되길 기대한다.
This study uses the Deep Learning theory and Seoul Taxi data to predict the location of Seoul Taxi passengers. In addition, we tried to secure the accuracy of taxi passenger position forecasting by combining diverse data reflecting the taxi traffic characteristics into the Deep Learning theory. Supervised learning, which is one of the deep learning methods used in this study, is defined as learning method which learns preset data sets and finds output values that match learning data based on output data.
In this study, we conducted learning using Supervised Learning among Deep Learning Methods to predict the position of Taxi passengers. In addition, learning using Recurrent Neural Network (RNN) was performed to reflect the characteristics of Taxi which changes with time, and analyzed using mean square error (MSE) technique for verification. The data used in the analysis are the Seoul taxi tachometer data of 2016, which is the main data, and Building data and Smartcard data, which can reflect the characteristics of Taxi traffic.
Finally, Deep Learning using only taxi data, learning of Taxi data and Building data, learning of Taxi data and Smartcard data, learning of all data, examining the difference of accuracy according to additional data, and additional data reflecting Taxi traffic characteristics We were able to predict the passenger demand reflecting the time characteristics of Taxi.
This study is significant in that it predicted the traffic of Seoul Taxi by using Deep Learning theory and traffic data, which is one of the artificial intelligence techniques that are now emerging as the fourth industrial revolution. In addition, it can be said that it differs from other researches in that it conducts demand forecast service research in Taxi Service field which was limited to existing on-demand service research. It is expected that the taxi passenger riding position predicted in this study will be used as an index to conduct research such as the calculation of the optimal income of Taxi articles and the introduction of Taxi 's semi - public transportation system.
분석정보
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)