KCI등재
적응 뉴로-퍼지를 이용한 도시철도 분포수요 추정 : 부산 지하철을 중심으로 = Estimation of Distribution Demand for an Urban Rail Transit by Using the Adaptive Neuro-Fuzzy Inference System
저자
발행기관
학술지명
권호사항
발행연도
2007
작성언어
Korean
주제어
KDC
531
등재정보
KCI등재
자료형태
학술저널
수록면
171-178(8쪽)
KCI 피인용횟수
0
제공처
소장기관
도시철도 교통의 노선개통전후의 수요예측과 수요창출방안을 강구하기 위해서는 기존에 사용되는 모형보다 효율적인 수요 예측기법이 요구된다. 이에 본 연구에서는 도시철도의 중장거리 통행 특성과 통행거리에 대해 분포수요의 불규칙성을 반영하기 위해서 도시철도 분포수요 예측모형에 대한 ANFIS를 이용한 접근방법을 제시하고자 하였다. 모형구축 및 검정을 위한 자료로는 부산시 지하철 1,2,3호선의 실제 역별 유출량ㆍ유입량과 역간 분포량 자료 그리고 역간 통행거리 자료를 활용하였으며 대수화한 역별 유입량과 역간 통행거리를 입력변수로 대수화한 역별 선택비율은 출력변수로 한 ANFIS모형을 구축하고 기존의 기본형 중력모형을 구축하여 두 모형의 적합성을 검토하였다. 그 결과 평균절대오차, RMS오차, 평균오치율, X², r값에서 ANFIS를 이용하여 구축한 모형이 중력모형보다 좋은 설명력을 나타내었다. 또한 모형의 재현결과인 분포량의 예측치와 실측치간의 비교에서도 ANFIS를 이용한 모형이 중력모형보다 실측치와의 선형관계가 우수하고 분포수요 예측의 정도도 우수하게 나타났다. 그러므로 기존의 기본형 중력모형은 통행거리에 따른 분포특성을 제대로 설명하지 못함으로써 모형에 미치는 통행거리의 영향이 적은 반면, 통행거리를 다양하게 함수화 할 수 있는 ANFIS를 이용한 모형에서는 통행거리가 상당히 유용한 자료로 활용되었을 뿐만 아니라 중력모형보다 매우 높은 재현성을 보이는 것으로 분석되었다.
더보기In order to forecast exactly and induce the demand of urban rail transits, a distribution demand forecast technique of urban rail transits which is more efficient than existing models is required. Thus, in this study a technique of using the Adaptive Neuro-Fuzzy Inference System (ANFIS) was suggested for the technique which reflects the characteristics of medium and long range travel and irregular trip distribution of urban rail transits. For the data to build the model, those of Pusan subways were used. The ANFIS model has the logarithmic scales of each station's trip production and distance between stations as inputs and the logarithmic scale of station choice rates as output. The ANFIS model and a basic gravity model were tested for suitability. As the results of the test, the ANFIS model is better than the gravity model in the statistics of mean absolute error, RMS error, mean error rate, chi-square and r value. And, in the comparison of estimated and observed station choice rates, the ANFIS model is better than the gravity model for linear relation and forecastability. Therefore, it may be concluded that the ANFIS model considers the travel distance and shows high reappearanceability while the gravity model can not explain the trip distribution characteristics by distance.
더보기분석정보
연월일 | 이력구분 | 이력상세 | 등재구분 |
---|---|---|---|
2013-01-01 | 평가 | 학술지 통합 (등재유지) | |
2001-01-01 | 평가 | 등재학술지 선정 (등재후보2차) | KCI등재 |
1998-07-01 | 평가 | 등재후보학술지 선정 (신규평가) | KCI후보 |
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)