Earticle

초록

한국어

다가올 지능형 교통 시스템에서의 차량 궤적 예측은 자율 주행 및 차량 간 통신에 있어 중요한 도 전 과제 중 하나이다. 본 연구에서는 차량 궤적 예측을 위한 시계열 딥러닝 모델의 성능을 평가한다. 도심 도로의 복잡성과 차량 이동 패턴의 불확실성을 고려하여, 시계열 예측에 특화된 다양한 딥러닝 기법을 적용하고 이들의 예측 정확도를 비교 분석한다. 특히, LSTM과 같은 전통적인 RNN 계열의 순 환 신경망 모델을 비롯하여 ConvLSTM, 1D-CNN, Transformer 등 다양한 모델을 중심으로 차량 궤 적 예측 모델을 구현하였다. 궤적 예측 정확도 평가의 경우 학습 데이터의 Lookback Window Size를 4와 8로 나누어 모든 모델에 적용해 예측하였다. 실험 결과, Transformer 모델의 예측 정확도가 Lookback Window Size에 관계없이 실험에 사용된 모델 중 가장 우수한 것으로 도출되었다.

목차

요약
1. 서론
2. 관련 연구
3. 실험방법
3.1. 데이터셋
3.2. 모델
3.3. 모델 평가 방식
4. 실험결과 및 분석
5. 결론
Acknowledgement
참고문헌

저자

• 김민성 [ 부산대학교 ]
• 김태운 [ 부산대학교 ] 교신저자
• 도현철 [ 부산대학교 ]

참고문헌