Earticle

Home

나이브 베이즈 분류기를 이용한 돌발상황 검지 알고리즘 개발
Development of Incident Detection Algorithm Using Naive Bayes Classification

첫 페이지 보기

※ 기관로그인 시 무료 이용이 가능합니다.

4,800원

원문정보

초록

영어
The purpose of this study is to develop an efficient incident detection algorithm by applying machine learning, which is being widely used in the transport sector. As a first step, network of the target site was constructed with micro-simulation model. Secondly, data has been collected under various incident scenarios produced with combination of variables that are expected to affect the incident situation. And, detection results from both McMaster algorithm, a well known incident detection algorithm, and the Naive Bayes algorithm, developed in this study, were compared. As a result of comparison, Naive Bayes algorithm showed less negative effect and better detect rate (DR) than the McMaster algorithm. However, as DR increases, so did false alarm rate (FAR). Also, while McMaster algorithm detected in four cycles, Naive Bayes algorithm determine the situation with just one cycle, which increases DR but also seems to have increased FAR. Consequently it has been identified that the Naive Bayes algorithm has a great potential in traffic incident detection.
한국어
본 연구에서는 최근 활발하게 활용되고 있는 머신러닝 기법을 교통분야에 적용하여 효율적 인 돌발상황 검지 알고리즘을 개발하는 것을 목적으로 하였다. 미시교통시뮬레이션 모형을 통 하여 대상지의 네트워크를 구축하였고 돌발상황에 영향을 줄 것으로 예상되는 변수의 여러 조 합을 통해 시나리오를 설정하여 가상의 돌발상황 데이터를 수집하였다. 다음으로 대표적인 돌 발상황 검지 알고리즘인 McMaster 알고리즘과 본 연구에서 개발한 나이브 베이즈 분류기 를 구현하여 비교·평가하였다. 비교 결과, 나이브 베이즈 분류기가 McMaster 알고리즘에 비해 돌 발상황 검지 간격에 따른 부정적인 영향이 적었고 더 우수한 검지율을 보였다. 하지만 검지율 이 증가하는 만큼 오검지율 또한 증가하는 것을 확인할 수 있었다. McMaster 알고리즘은 4주기 를 통해 검지가 가능하지만 나이브 베이즈 분류기는 1주기(30초)만으로 돌발상황을 판단할 수 있다. 본 연구를 통해 개발한 나이브 베이즈 분류기가 효율적으로 돌발을 파악할 수 있다는 것을 확인할 수 있었다.

목차

요약
ABSTRACT
Ⅰ. 서론
1. 연구의 배경 및 목적
2. 연구의 범위 및 방법
Ⅱ. 관련 이론 및 연구 고찰
1. 관련 이론 고찰
2. 관련 연구 고찰
3. 기존 연구와의 차별성
Ⅲ. 미시교통시뮬레이션 모형을 이용한 돌발상황 구현
1. 분석지점 선정 및 교통 현황
2. 자료수집
3. 네트워크 구축
4. 시뮬레이션 정산 및 검증
5. 돌발상황 구현
6. 돌발상황 시나리오 구축
Ⅳ. 나이브 베이즈 분류기를 활용한 돌발 검지 알고리즘 개발
1. 기존 돌발 검지 알고리즘 선정 및 구현
2. 머신러닝 알고리즘 선정 및 구현
3. 알고리즘 성능 지표 선정
Ⅴ. 알고리즘 성능 비교
1. 돌발검지 간격에 따른 성능 평가
2. 알고리즘에 따른 성능 평가
Ⅵ. 결론
1. 결론
2. 향후 연구과제
ACKNOWLEDGEMENTS
REFERENCES

저자

  • 강성관 [ Sunggwan Kang | 한국도로공사 건설처 차장 ] 주저자
  • 권봉경 [ Bongkyung Kwon | 한국도로공사 해외사업처 차장 ] 교신저자
  • 권철우 [ Cheolwoo Kwon | 아주대학교 건설교통공학과 석사과정 ] 공저자
  • 박상민 [ Sangmin Park | 아주대학교 건설교통공학과 박사과정 ] 공저자
  • 윤일수 [ Ilsoo Yun | 아주대학교 교통시스템공학과 부교수 ] 공저자

참고문헌

자료제공 : 네이버학술정보

간행물 정보

발행기관

  • 발행기관명
    한국ITS학회 [The Korea Institute of Intelligent Transport Systems]
  • 설립연도
    2002
  • 분야
    공학>교통공학
  • 소개
    ◈ 전문분야간 공동협의, 공동연구를 통한 ITS의 학술적 발전 ◈ 산·학·연 협동체계 구축으로 기술개발 지원 ◈ 정부정책 및 제도 방향에 대한 기술적 자문 ◈ 외국 ITS 관련 학술단체와 기술교류 ◈ 관련전문가 및 기술자의 교육 및 양성

간행물

  • 간행물명
    한국ITS학회논문지 [The Journal of The Korea Institute of Intelligent Transport Systems]
  • 간기
    격월간
  • ISSN
    1738-0774
  • E-ISSN
    2384-1729
  • 수록기간
    2003~2018
  • 등재여부
    KCI 등재
  • 십진분류
    KDC 534.04 DDC 625

이 권호 내 다른 논문 / 한국ITS학회논문지 제17권 제6호 통권80호

    피인용수 : 0(자료제공 : 네이버학술정보)

    페이지 저장