Earticle

초록

영어

In this study, a deep learning model for predicting the queue length was developed using the information collected from the image detector. Then, a multiple regression analysis model, a statistical technique, was derived and compared using two indices of mean absolute error(MAE) and root mean square error(RMSE). From the results of multiple regression analysis, time, day of the week, occupancy, and bus traffic were found to be statistically significant variables. Occupancy showed the most strong impact on the queue length among the variables. For the optimal deep learning model, 4 hidden layers and 6 lookback were determined, and MAE and RMSE were 6.34 and 8.99. As a result of evaluating the two models, the MAE of the multiple regression model and the deep learning model were 13.65 and 6.44, respectively, and the RMSE were 19.10 and 9.11, respectively. The deep learning model reduced the MAE by 52.8% and the RMSE by 52.3% compared to the multiple regression model.

한국어

본 연구는 영상검지기에서 수집되는 정보를 활용하여 딥러닝 기반으로 대기행렬길이를 예 측하는 모형을 개발하였다. 그리고 통계적 기법인 다중회귀 모형을 추정하여 평균절대오차와 평균제곱근오차의 두 지표를 이용하여 비교평가하였다. 다중회귀분석 결과, 시간, 요일, 점유율, 버스 교통량이 유효한 변수로 도출되었고, 이 중에서 독립변수들의 종속변수에 대한 영향력은 점유율이 가장 큰 것으로 나타났다. 딥러닝 최적 모형 은 은닉층이 4겹, Look Back이 6으로 결정되었고, 평균절대오차와 평균제곱근오차가 6.34와 8.99로 나타났다. 그리고 두 모형을 평가한 결과, 다중회귀 모형과 딥러닝 모형의 평균절대오차 는 각각 13.65와 6.44, 평균제곱근오차는 각각 19.10과 9.11로 계산되었다. 이는 딥러닝 모형이 다중회귀 모형과 비교하여 평균절대오차가 52.8%, 평균제곱근오차는 52.3% 감소된 결과이다.

목차

요약
ABSTRACT
Ⅰ. 서론
1. 개요
Ⅱ. 이론적 배경
1. 선행 연구 고찰
Ⅲ. 자료 수집 및 분석
1. 대상 지점 선정 및 자료 수집
2. 최종 데이터 셋 구성
3. 데이터 기초분석
Ⅳ. 모형 구축 및 평가
1. 다중회귀분석 모형 구축
2. 딥러닝 모형 구축
3. 모형 비교 평가 결과
Ⅴ. 결론
ACKNOWLEDGEMENTS
REFERENCES

키워드

저자

• 나다혁 [ Da-Hyuk Na | 아주대학교 교통연구센터 연구원 ] 주저자
• 이상수 [ Sang-Soo Lee | 아주대학교 교통공학과 교수 ] 교신저자
• 조근민 [ Keun-Min Cho | 아주대학교 교통연구센터 연구원 ] 공저자
• 김호연 [ Ho-Yeon Kim | 아주대학교 교통공학과 석사과정 ] 공저자

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  한국ITS학회논문지 [The Journal of The Korean Society of Intelligent Transport Systems]

• 간기

  격월간

• pISSN

  1738-0774

• eISSN

  2384-1729

• 수록기간

  2003~2026

• 등재여부

  KCI 등재

• 십진분류

  KDC 326 DDC 338